一种人脸识别系统及其预设方法与流程

1.本发明属于人脸识别装备技术领域，具体涉及一种人脸识别系统及其预设方法。


背景技术：

2.人脸识别作为重要的机器视觉技术，在人工智能领域发挥重大作用。在实际使用中，需要将底库人员的照片下发至终端识别设备，终端识别设备对这些照片提取特征模板，基于这些特征实现对特定人员进行授权识别。
3.一个典型的基于照片的人员授权过程包括人员照片解码、人脸检测、人脸质量判定和人脸特征提取。随着算法及硬件的提升，底库人员照片的数量越来越大，人员授权的过程越来越长。而且为了提升用户的识别体验，人脸识别算法的定期升级已成常态，升级过程常常伴随着人员的重新授权。这一授权过程以终端识别设备为单位，每个终端识别设备都需要各自进行特征模板的提取，同时对新加入的设备也需要重复这一过程。由于终端识别设备的处理配置较低，因此特征模板的提取过程持续时间很长，且底库人员照片的传输和解码也需耗费很长时间。因此在人脸识别系统初次安装或更新底库人员照片时所耗时间过高，极度影响了人脸识别系统的正常使用，已经成为制约终端识别设备用户体验的一个显著影响因素。


技术实现要素：

4.有鉴于此，本发明实施例提供一种人脸识别系统及其预设方法，采用将底库人员照片在后端设备上进行特征模板提取，利用了后端设备处理设备配置高、速度快的优势，降低了特征模板的提取时间；在特征模板提取完毕后，只需要将已提取好的总的特征模板集合发送给每一个终端识别设备，即可完成人脸识别系统初装或更新底库人员照片时的人员特征模板更新，由于总的特征模板集合相较于底库人员照片来说数据量大量缩减，因此也大量节省了数据传输的时间。考虑到某些人脸识别系统中，后端设备不具有当前版本的特征模板提取功能，因此本发明还提出将底库人员照片分发至各识别终端设备上，利用所有识别终端设备同时进行特征模板提取，同样可以降低提取时长。
5.为了达到上述技术目的，本发明所采用的具体技术方案为：
6.一种人脸识别系统，包括一个后端设备和多个识别终端设备；各所述识别终端设备均与所述后端设备通信连接，用于基于总的特征模板集合对摄像信息进行面容
‑
身份信息匹配；
7.其中：所述总的特征模板集合通过所述后端设备独立处理所有待授权照片后得到或通过多个识别终端设备分别分析部分待授权照片后得到。
8.进一步的，本发明提出一种人脸识别系统预设方法，包括以下步骤：
9.s101将所有待授权照片汇总至后端设备中；
10.s102在后端设备中对所有待授权照片进行特征模板提取，得到所述总的特征模板集合；
11.s103将所述总的特征模板集合发送至每一个识别终端设备中。
12.进一步的，本发明还提出另一种人脸识别系统预设方法，包括以下步骤：
13.s201将待授权照片分为多组部分照片集并分发至各识别终端设备中；
14.s202在各所述识别终端设备中对各部分照片集进行特征模板提取，得到多个特征模板集；
15.s203将各特征模板集发送至所述后端设备中；
16.s203基于后端设备中的各特征模板集，补全各所述终端识别设备中不具有的所有特征模板集。
17.进一步的，所述特征模板还包括人脸框信息。
18.进一步的，所述人脸框信息的生成方法包括以下步骤：
19.s301截取待授权照片中的人脸框；
20.设人脸框的位置信息为(x1，y1)和(x2，y2)，其中(x1，y1)为人脸左上角图像坐标，(x2，y2)为右下角图像坐标；则人脸宽高分别为face_w＝x2‑
x1+1和face_h＝y2‑
y1+1；
21.s302对人脸框进行放大：
22.x
′1＝max(0，x1‑
face_w*scale_left)
23.y
′1＝max(0，y1‑
face_h*scale_up)
24.x
′2＝min(image_w，x2+face_w*scale_right)
25.y
′2＝max(image_h，y2+face_h*scale_down)
26.其中：image_w和image_h分别为人员照片的宽度和高度；scale_left、scale_right、scale_up和scale_down≥0分别为左、右、上和下方向的缩放尺度；
27.s303对放大后的人脸框进行抠图，并生成人脸框信息：
28.抠图后的图像宽高分别为cropimage_w＝x2’‑
x1’
+1和cropimage_h＝y2’‑
y1’
+1。
29.进一步的，所述人脸框信息生成方法还包括：
30.s304人脸框信息适用性判断和缩放：
31.设所述识别终端设备的可接受的图像分辨率为device_image_w，device_image_h，若cropimage_w≤device_image_w且cropimage_h≤device_image_，则无需进行缩放，若否，则进行等比例缩放，缩放尺度为
32.scale＝max(cropimage_w/device_image_w，cropimage_h/device_image_h)。
33.采用上述技术方案，本发明能够带来以下有益效果：
34.1)本发明采用将底库人员照片在后端设备上进行特征模板提取，利用了后端设备处理设备配置高、速度快的优势，降低了特征模板的提取时间；由于总的特征模板集合相较于底库人员照片来说数据量大量缩减，因此也大量节省了数据传输的时间。
35.2)考虑到某些人脸识别系统中，后端设备不具有特征模板提取功能，因此本发明还提出将底库人员照片分发至各识别终端设备上，利用所有识别终端设备同时进行特征模板提取，同样可以降低提取时长。
36.3)本发明应用对现有的人脸识别系统的改动量小，适用性强。
37.4)本发明还提出将待授权照片提取为人脸抠图及人脸框信息的生成方法，并可携带人脸框信息，适用于需要同步人脸照片至识别终端设备的情况，可以大幅度减少传输数据量，减少人脸识别系统的预设时间。
附图说明
38.为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
39.图1为本发明人脸识别系统预设方法采用后端设备进行特征模板提取的流程图；
40.图2为本发明人脸识别系统预设方法采用识别终端设备进行特征模板提取的流程图。
具体实施方式
41.下面结合附图对本发明实施例进行详细描述。
42.以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
43.要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本发明，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
44.还需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
45.另外，在以下描述中，提供具体细节是为了便于透彻理解实例。然而，所属领域的技术人员将理解，可在没有这些特定细节的情况下实践所述方面。
46.在本发明的一个实施例中，提出一种人脸识别系统，包括一个后端设备和多个识别终端设备；各识别终端设备均与后端设备通信连接，用于基于总的特征模板集合对摄像信息进行面容
‑
身份信息匹配；
47.其中：总的特征模板集合通过后端设备独立处理所有待授权照片后得到或通过多个识别终端设备分别分析部分待授权照片后得到。
48.在本实施例中，设置一个能够提取特征模板的后端设备(在实际使用中，常常已经有一个负责设备和授权管理的后端设备，因此并不会显著增加用户成本，这一后端设备可以是云端或私有化服务器)，该后端设备与所有识别终端设备通信，在获取识别终端设备的算法版本后，在后端设备将待授权人员的特征模板提取完毕，然后直接将这些特征模板下
发至识别终端设备。通过这一方式，极大减少了授权过程中后端设备与识别终端设备的数据传输据，而且整个特征模板提取过程只需要在后端设备执行一次即可下发至多台识别终端设备，在有新加入的设备时，无需重新下发照片提取特征，直接从后端设备下发特征即可快速授权。
49.在后端设备授权过程中，后端设备将人脸位置信息(人脸框)进行存储，在识别算法版本变更时，可以省去人脸检测过程。在需要升级算法版本时，可以提前在后端设备将待升级版本的人员特征模板提取完成，实现算法版本的快速升级。
50.后端设备首先获取识别终端设备的版本号或用户指定的版本号，若在后端设备已经存在对应版本的特征模板，则直接下发。否则判断后端设备是否能够提取该版本的特征模板，若可以提取则选择方案一，包括以下步骤：
51.s101将所有待授权照片汇总至后端设备中；
52.s102在后端设备中对所有待授权照片进行特征模板提取，得到总的特征模板集合；
53.s103将总的特征模板集合发送至每一个识别终端设备中。
54.其具体流程如图1所示。
55.为了提高识别终端设备运行速度，识别终端设备算法常常经过量化运行于识别终端设备的npu上，量化模型有些时候无法运行于后端设备或后端设备没有及时支持某一识别终端设备的版本，这些情况下无法使用后端设备提取特征，此时可将人员照片分批下发至多台识别终端设备进行并行特征提取，然后将各批特征模板及人脸位置信息汇总至后端设备，后端设备将完整特征模板集合下发至各识别终端设备设备，实现完整授权。在发生算法升级需要重新提取特征时，不再下发人员原图，而是通过后端设备存储的人员照片和人脸位置信息，下发抠图后的照片及抠图中人脸的位置信息，通过这一方式，可以显著减少人员照片的大小，并且不需要再次检测，提高设备授权速度。
56.此时选择的方案二包括以下步骤：
57.s201将待授权照片分为多组部分照片集并分发至各识别终端设备中；
58.s202在各识别终端设备中对各部分照片集进行特征模板提取，得到多个特征模板集；
59.s203将各特征模板集发送至后端设备中；
60.s203基于后端设备中的各特征模板集，补全各终端识别设备中不具有的所有特征模板集。
61.其具体流程如图2所示。
62.方案一中，后端设备提取对应版本号的人员特征模板，并存储提取过程中的人脸位置信息，将特征模板下发至识别终端设备，完成后即可进行正常的人脸识别。若识别终端设备还需要授权人员的照片，则根据人脸位置信息进行抠图。s302对人脸框进行放大：
63.x
′1＝max(0，x1‑
face_w*scale_left)
64.y
′1＝max(0，y1‑
face_h*scale_up)
65.x
′2＝min(image_w，x2+face_w*scale_right)
66.y
′2＝max(image_h，y2+face_h*scale_down)
ꢀꢀ
(公式1)
67.其中：image_w和image_h分别为人员照片的宽度和高度；scale_left、scale_
right、scale_up和scale_down≥0分别为左、右、上和下方向的缩放尺度。
68.使用这一放大后的人脸框进行抠图，抠图后的图像宽高分别为cropimage_w＝x
′2‑
x
′1+1，cropimage_h＝y
′2‑
y
′1+1，在原图较大时，这一抠图尺寸也会较大，识别终端设备一般使用人员照片用于识别交互工程中的显示，尺寸无需过大，过大的图像尺寸对识别终端设备解码造成负担，因此可以对其进行缩放。设识别终端设备可接受的图像分辨率为device_image_w，device_image_h，若cropimage_w≤device_image_w且cropimage_h≤device_image_h，则无需进行缩放，可直接下发至识别终端设备。否则进行等比例缩放，缩放尺度为scale＝max(cropimage_w/device_image_w，cropimage_h/device_image
‑
h)，即下发给识别终端设备的图片宽高分别为cropimage_w*scale，cropimage_h*scale。
69.方案二：此时后端设备无法直接提取识别终端设备需要的特征，此时分为2种情况：
70.(a)后端设备未存储待授权人员照片中的人脸位置信息，则需要使用原图下发至识别终端设备进行一次提取。设待授权人员照片数量为n，待授权设备数量为m，则将照片分为m份，每份张照片，后端设备将m份照片分别下发至m台识别终端设备设备。m台识别终端设备上提取的特征集分别为(f
j
}，1≤j≤m，汇总至后端设备得到总的特征集合f
total
＝{f1∪f2...∪f
j
...∪f
m
}，0≤j≤m，则各识别终端设备需要下发的的特征集合为总特征集合与设备已提取的特征集合的差集fdevice
j
＝{f
total
/f
j
}，0≤j≤m，将fdevice
j
分别下发至识别终端设备即可完成授权。当有新的设备加入时，直接将f
total
直接下发即可，无需重新提取。同时，在识别终端设备进行特征提取的过程中，将人脸位置信息(x1，y1)，(x2，y2)上传至后端设备。
71.(b)后端设备已经存储待授权人员照片中的人脸位置信息(一般出现在升级识别终端设备算法版本时)，根据公式(1)对人脸进行抠图，抠图后的人脸框信息为
72.x
′1＝x1‑
x
′173.y
′1＝y1‑
y
′174.x
′2＝x2‑
x
′175.y
′2＝y2‑
y
′1ꢀꢀ
(公式2)
76.抠图后的图像宽高分别为cropimage_w＝x
″2‑
x
′1+1，cropimage_h＝y
′2‑
y
′1+1，设当前版本算法能够接受的分辨率face_image_w，face_image_h，若cropimage_w≤face_image_w且cropimage_h≤face_image_h，则直接将抠图及抠图后的人脸框信息下发至终端，终端直接用该人脸框信息提取特征，无需再次检测。若不满足直接下发条件，则对抠图后的图像进行缩放，缩放尺度为scale＝max(cropimage_w/face_image_w，cropimage_h/face_image_h)，缩放后的人脸框信息为(x
″1*scale，y
′1*scale)，(x
″2*scale，y
′2*scale)，将缩放后的抠图及人脸框信息下发至终端，设备端用。注意此时也是在m台终端上并行提取特征，并汇总至后端设备后再次分发，与(a)的区别是(a)中下发的是原图，而(b)下发的是抠图缩放后的图像及人脸框信息，既节省了照片下发和解码时间，也省去了重新检测的过程。(a)是(b)的前置步骤。
77.以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应
涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。