基于人脸识别的轮廓比对匹配方法和系统与流程

本申请涉及智能联网技术领域，具体涉及一种基于人脸识别的轮廓比对匹配方法和系统。

背景技术：

随着社会的发展，人们生活水平的提高，眼镜越来越成为人们日常生活中的重要工具。

但是每次装配眼镜的时候都需要自己对眼镜进行一定的测试，例如调整镜架的宽度，调整镜脚的位置。这些操作及其浪费时间和精力，不利于用户的体验，极大的浪费了时间，用户体验差。

因此，需提供一种参数控制方法，能自动识别出不同的用户，从而实现用户的眼镜个性化设置。

技术实现要素：

本申请的目的在于，提供一种基于人脸识别的轮廓比对匹配方法和系统，其可以解决上述技术问题，能够基于人脸识别实现眼镜用户的个性化设置，优化用户体验。

为解决上述技术问题，本申请提供一种基于人脸识别的轮廓比对匹配方法，应用于眼云端服务器，方法包括以下步骤：获取用户的生物特征，用户的生物特征包括人脸特征；将人脸特征与预设的人脸特征模型进行比对，判断在预设的人脸特征模型中是否存在与人脸特征匹配的人脸特征模型；若不存在匹配的人脸特征模型，则根据人脸特征获取并存储人脸特征模型；存储与人脸特征模型所对应的眼镜的个性设置参数；若存在匹配的人脸特征模型，则获取与人脸特征模型对应的预设个性设置参数，以使眼镜的个性设置参数自动设置为预设个性设置参数。

在一实施方式中，获取用户的生物特征的步骤包括：获取用户的人脸图片；将人脸图片转化为灰度图像，并截取其中的人脸部分；根据人脸部分获取人脸特征。

在一实施方式中，个性设置参数包括识别装置的工作参数和机器使用数据，所述识别装置的工作参数包括镜脚参数、镜框参数、镜架参数中的至少一种。

在一实施方式中，根据人脸特征获取并存储人脸特征模型的步骤包括：依次采集各个角度的人脸数据，生成多维的人脸特征；根据多维的人脸特征生成人脸特征模型并存储。

在一实施方式中，方法还包括：获取关于个性设置参数的修改操作指令；根据修改操作指令更新人脸特征模型对应的预设个性设置参数。

在一实施方式中，根据修改操作指令更新人脸特征模型对应的预设个性设置参数的步骤包括：根据获取修改操作指令的时间，对修改操作指令进行归类存储；若是在同一时间区间内获取到多次的修改操作指令，则根据最后一次的修改操作指令更新人脸特征模型对应的预设个性设置参数；若是在不同时间区间内分别获取到一次的修改操作指令，则分别根据获取的修改操作指令更新对应时间区间的人脸特征模型对应的预设个性设置参数。

在一实施方式中，预设个性设置参数包括预设普通模式的工作参数和预设舒适模式的工作参数，以使眼镜的个性设置参数自动设置为预设个性设置参数的步骤包括：若配镜装置的工作时间超过预设时间，则使配镜装置的个性设置参数设置为预设舒适模式的工作参数；若配镜装置的工作时间未超过预设时间，则配镜装置的个性设置参数为预设普通模式的工作参数。

本申请还提供了一种基于人脸识别的参数控制系统，系统包括眼镜和云端服务器；眼镜用于获取用户的生物特征，用户的生物特征包括人脸特征；云端服务器用于将人脸特征与预设的人脸特征模型进行比对，判断在预设的人脸特征模型中是否存在与人脸特征匹配的人脸特征模型；若不存在匹配的人脸特征模型，则根据人脸特征获取并存储人脸特征模型；存储与人脸特征模型所对应的眼镜的个性设置参数；若存在匹配的人脸特征模型，则获取与人脸特征模块对应的预设的个性设置参数，以使眼镜的个性设置参数自动设置为预设的个性设置参数。

本申请的基于人脸识别的轮廓比对匹配方法、系统与云端服务器，在获取到用户的生物特征中的人脸特征之后，根据所获取的人脸特征与预设的人脸特征模型进行比对，并判断在预设的人脸特征模型中是否存在与人脸特征匹配的人脸特征模型，若不存在匹配的人脸特征模型，则根据人脸特征获取并存储人脸特征模型，再存储与人脸特征模型所对应的眼镜的个性设置参数；若存在匹配的人脸特征模型，则获取与人脸特征模型对应的预设个性设置参数，以使眼镜的个性设置参数自动设置为预设个性设置参数。通过这种方式，本申请能够基于人脸识别技术实现用户的个性化设置，优化了用户体验。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。

附图说明

图1是根据一示例性实施例示出的一种基于人脸识别的轮廓比对匹配方法的流程示意图。

图2是根据一示例性实施例示出的一种基于人脸识别的轮廓比对匹配方法的流程示意图。

图3是根据一示例性实施例示出的一种基于人脸识别的轮廓比对匹配方法的流程示意图。

图4是根据一示例性实施例示出的一种云端服务器的结构示意图。

具体实施方式

为更进一步阐述本申请为达成预定申请目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本申请基于人脸识别的轮廓比对匹配方法与云端服务器提出的具体实施方式、方法、步骤、结构、特征及其效果，详细说明如下。

有关本申请的前述及其他技术内容、特点及功效，在以下配合参考图式的较佳实施例的详细说明中将可清楚呈现。通过具体实施方式的说明，当可对本申请为达成预定目的所采取的技术手段及功效得以更加深入且具体的了解，然而所附图式仅是提供参考与说明之用，并非用来对本申请加以限制。

本申请所提出的方法可以适用于云端服务器。对于同一用户的情况下，则可为眼镜终端适用本方法。本方法还可适用于云端服务器，当用户使用不同的眼镜时，则是云端服务器执行本方法。当然，本方法还可以适用于云端服务器和眼镜之间，通过云端服务器和眼镜之间的交互，实现基于人脸识别的参数控制。

图1是根据一示例性实施例示出的一种基于人脸识别的轮廓比对匹配方法的流程示意图。请参考图1，本实施例的基于人脸识别的轮廓比对匹配方法，包括：

步骤110，获取用户的生物特征，用户的生物特征包括人脸特征。

其中，在用户通过传感信号触发生物特征采集装置例如配镜摄像头对生物特征进行采集，此时，配镜摄像头开始采集用户的生物特征并发送给云端服务器和/或眼镜进行比对。获取用户的生物特征，可以为该眼镜的用户的生物特征，还可以为其它用户的生物特征。生物特征包括人脸特征，还可以为声纹特征或者是瞳孔特征等一系列可用于生物识别的特征。此外，在采集的方式上面，还可以通过设备的按钮、特定的手势触发配镜摄像头或其他生物特征采集设备对生物特征中的人脸特征进行采集，当采用按钮、手势、特定内容的语句的形式触发配镜摄像头对人脸特征进行采集时，用户可以根据实际需要选择本次是否进行个性化设置，也即是说，用户可以根据实际需要选择是否触发按钮、手势或说出特定内容的语句，从而控制眼镜是否进行自动的个性化设置。

在一实施方式中，步骤110：获取用户的生物特征的步骤包括：获取用户的人脸图片；将人脸图片转化为灰度图像，并截取其中的人脸部分；根据人脸部分获取人脸特征。

其中，通过摄像机或摄像头对用户的人脸进行采集，采集来的是人脸图片，通过现有的图像处理技术将人脸图片转化为灰度图像，并从中截取人脸部分，最终将截取到的人脸部分保存为人脸特征。此时所采集的人脸图片可以为某一个角度所采集的，也可以为多角度采集的。

步骤120，将人脸特征与预设的人脸特征模型进行比对，判断在预设的人脸特征模型中是否存与所述人脸特征匹配的人脸特征模型。

其中，人脸特征涉及到人脸识别技术。人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部比对的一系列相关技术，通常也叫做人像识别、面部识别。在本实施例中，将获取到的人脸特征与预设的人脸特征模型进行比对，此时为一鉴权识别的过程。具体地，预设的人脸特征模型是用户提前存储的，可以是通过眼镜内部各个方位的摄像头对人脸特征进行多角度的采集，从而实现人脸特征模型的建立。

在一实施方式中，步骤120：将人脸特征与预设的人脸特征模型进行比对的步骤包括：根据接收到的人脸特征建立人脸特征模型；将人脸特征模型与预设的人脸特征模型进行比对。

步骤130，若不存在匹配的人脸特征模型，则根据人脸特征获取并存储人脸特征模型。

其中，在不存在匹配的人脸特征的情况下，则说明该用户未被采集过人脸特征，此时可以对人脸特征进行再次获取或直接根据获取的人脸特征建立用户的人脸特征模型。

在一实施方式中，在步骤110中已经获取了用户的生物特征，此时所获取的生物特征中的人脸特征可以为某一个角度所拍摄的人脸特征，还可以为多角度所拍摄的人脸特征。由于为了实现对存储空间的设置和快速响应人脸识别，故一般情况下所获取的人脸特征为某一个角度所拍摄的人脸特征。因此，为了建立人脸特征模型，则需要对其它角度的人脸特征进行获取即对人脸特征进行再次获取。

在一实施方式中，步骤130：根据人脸特征获取并存储人脸特征模的步骤包括：依次采集各个角度的人脸数据，生成多维的人脸特征；根据多维的人脸特征生成人脸特征模型并存储。

步骤140，存储与人脸特征模型所对应的眼镜的个性设置参数。

具体地，个性设置参数包括配镜装置的工作参数和使用数据。其中，配镜装置的工作参数包括多种参数中的至少一种。

步骤150，若存在匹配的人脸特征模型，则获取与人脸特征模型对应的预设个性设置参数，以使眼镜的个性设置参数自动设置为预设个性设置参数。

其中，在对人脸特征进行鉴权识别的过程中，存在匹配的人脸特征模型，则直接获取与人脸特征模型对应的预设个性设置参数，再通过控制器将眼镜的个性设置参数自动设置为预设个性设置参数。

云端服务器和/或眼镜中预先存储有人脸特征模型，并与预设个性设置参数进行关联保存，由于一个人可能会对应有不同的用户，因而云端服务器和/或眼镜中可以预先存储有一个或一个以上的人脸特征模型，根据人脸特征模型区分不同的用户身份，进而对应到不同用户的身份标识。人脸识别时，将获取到的每一个人脸特征与预先保存的每一个人脸模型进行比对和匹配，计算每一个人脸特征与各人脸特征模型的相似度，例如，当获取到人脸特征时，将每一个人脸特征与各人脸特征模型进行比对，分别计算每一个人脸特征与各人脸模型的相似度，当其中一个人脸特征与其中一个人脸模型的相似度大于或等于设定阈值时，说明当前的用户即为该人脸特征模型对应的用户，确定该用户的身份标识。

由于之前已经对用户的个性设置参数进行了数据采集，此时鉴权识别确认该用户的身份标识之后，则直接将眼镜的个性设置参数自动设置为预设的个性设置参数。

本申请的基于人脸识别的轮廓比对匹配方法，在获取到用户的生物特征中的人脸特征之后，根据所获取的人脸特征与预设的人脸特征模型进行比对，并判断在预设的人脸特征模型中是否存在与人脸特征匹配的人脸特征模型，若不存在匹配的人脸特征模型，则根据人脸特征获取并存储人脸特征模型，再存储与人脸特征模型所对应的眼镜的个性设置参数；若存在匹配的人脸特征模型，则获取与人脸特征模型对应的预设个性设置参数，以使眼镜的个性设置参数自动设置为预设个性设置参数。通过这种方式，本申请能够基于人脸识别技术实现用户的个性化设置，优化了用户的体验。

图2是根据一示例性实施例示出的一种云端服务器的结构示意图。本申请还提供一种云端服务器，包括存储器610和处理器620，存储器610存储有至少一条程序指令，处理器620通过加载并执行至少一条程序指令以实现图1所示的方法：

步骤110：获取用户的生物特征，用户的生物特征包括人脸特征；

步骤120：将人脸特征与预设的人脸特征模型进行比对，判断在预设的人脸特征模型中是否存在与所述人脸特征匹配的人脸特征模型；

步骤130：若不存在匹配的人脸特征模型，则根据人脸特征获取并存储人脸特征模型；

步骤140：存储与人脸特征模型所对应的眼镜的个性设置参数；

步骤150：若存在匹配的人脸特征模型，则获取与人脸特征模型对应的预设个性设置参数，以使眼镜的个性设置参数自动设置为预设的个性设置参数。

本申请的云端服务器，在获取到用户的生物特征中的人脸特征之后，根据所获取的人脸特征与预设的人脸特征模型进行比对，并判断在预设的人脸特征模型中是否存在与人脸特征匹配的人脸特征模型，若不存在匹配的人脸特征模型，则根据人脸特征获取并存储人脸特征模型，再存储与人脸特征模型所对应的眼镜的个性设置参数；若存在匹配的人脸特征模型，则获取与人脸特征模型对应的预设个性设置参数，以使眼镜的个性设置参数自动设置为预设个性设置参数。通过这种方式，本申请能够基于人脸识别技术实现用户的个性化设置，优化了用户体验。

本实施例的云端服务器中处理器620调用存储器610中的可执行程序代码实现的具体步骤过程，请参见上述图1所示实施例中描述的具体内容，在此不再赘述。

以上所述，仅是本申请的较佳实施例而已，并非对本申请作任何形式上的限制，虽然本申请已以较佳实施例揭露如上，然而并非用以限定本申请，任何熟悉本专业的技术人员，在不脱离本申请技术方案范围内，当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本申请技术方案内容，依据本申请的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本申请技术方案的范围内。