一种人脸识别方法及系统

1.本发明涉及人脸识别技术领域，具体为一种人脸识别方法及系统。


背景技术：

2.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识别的一系列相关技术。人脸识别应用广泛，已经在人们的日常生活中起到重要作用，随着人脸识别技术的进一步成熟和社会认同度的提高，人脸识别技术将应用在更多的领域。
3.实际使用人脸识别过程中，由于用户面部存在遮挡，容易造成人脸识别失败或者识别结果不准确，因此进行人脸识别时，要取下面部的遮挡物进行识别，防止遮挡造成人脸识别失败或者识别结果不准确，人们在使用人脸识别时常会出现遮挡物，如果每次识别都需要取下遮挡物，对于经常进行人脸识别的人群，会造成一定麻烦，而如果不取下遮挡物，则可能会造成人脸识别失败或者人脸识别不准确的情况发生，例如：在一些特殊时期，人们日常会佩戴口罩，而进行人脸识别时需要取下口罩，如果是在公共场所，取下口罩会存在交叉感染风险，多次取下口罩更是增大了交叉感染风险，而不取下口罩可能会造成人脸识别失败或者降低人脸识别的准确度。


技术实现要素：

4.本发明的目的之一在于提供一种人脸识别方法，无需用户每次使用都取下面部遮挡物，减小面部遮挡物对人脸识别准确性影响。
5.本发明提供的基础方案一：一种人脸识别方法，包括如下内容：
6.预设时间段内采集用户图像，判断用户图像中面部信息是否完整，若用户图像中面部信息不完整，则根据用户图像进行人脸识别，并根据识别结果，调取预设时间段内采集的该用户面部信息完整的用户图像，提取面部信息完整的用户图像中的用户特征，判断面部信息不完整的用户图像中的用户特征与面部信息完整的用户图像中的用户特征是否相符，若是，则通过人脸识别；若否，则提示用户面部信息不完整无法通过人脸识别；
7.若用户图像中面部信息完整，则根据用户图像进行人脸识别。
8.基础方案一的有益效果：预设时间段，可根据实际应用需求设置，例如：企业的人脸识别可设置为一天，因为一天内用户特征变化小，甚至不会变化；采集用户图像，判断用户图像中面部信息是否完整，若完整，则直接进行正常的人脸识别即可；若不完整，则根据不完整的面部信息进行人脸识别，识别到用户信息以后，调取预设时间段内采集的该用户面部信息完整的用户图像，提取面部信息完整的用户图像中的用户特征，判断面部信息不完整的用户图像中的用户特征与面部信息完整的用户图像中的用户特征是否相符，若是，则通过人脸识别；若否，则提示用户面部信息不完整无法通过人脸识别，用户需要取消面部的遮挡物，采集完成的面部信息，才能通过人脸识别，但是再次使用时，如果没有更改用户
特征，则不需要取下遮挡物。以用户佩戴口罩，对手机进行人脸识别解锁为例，预设时间可设置为一天，用户只需要先进行一次不佩戴口罩的人脸识别，一天时间内，如果用户特征没改变，则可直接进行人脸识别，人脸识别会通过用户特征进行辅助识别，帮助用户通过人脸识别的同时，减小面部遮挡物对人脸识别准确性影响，不过渡影响人脸识别的安全性，且无需用户每次使用都取下面部遮挡物。
9.进一步，所述用户特征包括：用户头发特征和用户衣服特征；其中用户头发特征，包括：发型和发色；用户衣服特征，包括：衣服版型和衣服颜色。
10.有益效果：采集用户图像时，用户图像不止只包含用户的面部信息，一般还会包括用户的头发和部分衣服，通过对用户的发型、发色、衣服版型和衣服颜色进行判断，起到辅助人脸识别的作用，保证人脸识别的准确率。
11.进一步，采用神经网络模型进行人脸识别，并获取用户图像作为训练集对神经网络模型进行训练；
12.获取第二日预计识别用户信息，根据预计识别用户信息，获取对应存储的用户图像，对神经网络模型再次进行训练。
13.有益效果：预计识别用户，根据人脸识别使用场景地点不同而不同，例如在企业中为来访人员，交通枢纽为第二日的乘客；通过获取第二日预计识别用户信息，根据预计识别用户信息，获取对应存储的用户图像，对神经网络模型再次进行训练，从而在第二日进行人脸识别时，可提高识别速度，从而提高人们通过人脸识别的效率。
14.进一步，还包括：根据预计识别用户信息，获取对应的用户关系网络；
15.根据用户关系网络，获取用户关系网络中相关用户的用户图像；
16.将用户的用户图像和相关用户的用户图像作为训练集，对神经网络模型再次进行训练。
17.有益效果：在一些特殊场景下，预计识别用户可能会包含和用户有关系的其他用户，例如交通枢纽可能除了用户，该用户的亲人也可能会和用户一起来交通枢纽，因此根据预计识别用户信息，获取对应的用户关系网络；根据用户关系网络，获取用户关系网络中相关用户的用户图像；将用户的用户图像和相关用户的用户图像作为训练集，对神经网络模型再次进行训练，进一步在第二日进行人脸识别时，提高识别速度，从而提高人们通过人脸识别的效率。
18.进一步，还包括：识别用户图像中是否包含其他用户的面部信息，若包含，则判断其他用户的面部信息是否完整，若是，则对用户的面部信息和其他用户的面部信息进行人脸识别，并根据识别结果，判断该用户和其他用户之间是否存在用户关系网络，若是，通过人脸识别；若否，则提示用户面部信息不完整无法通过人脸识别。
19.有益效果：对于采集的用户图像范围较大时，通过识别用户图像中是否包含其他用户的面部信息，来对用户进行人脸识别，可以帮助用户进行人脸识别，提高识别准确度。
20.本发明的目的之二在于提供一种人脸识别系统，无需用户每次使用都取下面部遮挡物，减小面部遮挡物对人脸识别准确性影响。
21.本发明提供基础方案二：一种人脸识别系统，包括终端和服务器；
22.所述终端，用于采集用户图像和进行提示；
23.所述服务器，用于预设时间段内，判断用户图像中面部信息是否完整，若用户图像
中面部信息不完整，则根据用户图像进行人脸识别，并根据识别结果，调取预设时间段内采集的该用户面部信息完整的用户图像，提取面部信息完整的用户图像中的用户特征，判断面部信息不完整的用户图像中的用户特征与面部信息完整的用户图像中的用户特征是否相符，若是，则通过人脸识别，并触发终端提示；若否，则未通过人脸识别，并触发终端提示用户面部信息不完整无法通过人脸识别；若用户图像中面部信息完整，则根据用户图像进行人脸识别。
24.基础方案二的有益效果：预设时间段，可根据实际应用需求设置，例如：企业的人脸识别可设置为一天，因为一天内用户特征变化小，甚至不会变化；终端采集用户图像，服务器判断用户图像中面部信息是否完整，若完整，则直接进行正常的人脸识别即可；若不完整，则根据不完整的面部信息进行人脸识别，识别到用户信息以后，调取预设时间段内采集的该用户面部信息完整的用户图像，提取面部信息完整的用户图像中的用户特征，判断面部信息不完整的用户图像中的用户特征与面部信息完整的用户图像中的用户特征是否相符，则通过人脸识别，并触发终端提示；若否，则未通过人脸识别，并触发终端提示用户面部信息不完整无法通过人脸识别，用户需要取消面部的遮挡物，采集完成的面部信息，才能通过人脸识别，但是再次使用时，如果没有更改用户特征，则不需要取下遮挡物。以用户佩戴口罩，对手机进行人脸识别解锁为例，预设时间可设置为一天，用户只需要先进行一次不佩戴口罩的人脸识别，一天时间内，如果用户特征没改变，则可直接进行人脸识别，人脸识别会通过用户特征进行辅助识别，帮助用户通过人脸识别的同时，减小面部遮挡物对人脸识别准确性影响，不过渡影响人脸识别的安全性，且无需用户每次使用都取下面部遮挡物。
25.进一步，所述用户特征包括：用户头发特征和用户衣服特征；其中用户头发特征，包括：发型和发色；用户衣服特征，包括：衣服版型和衣服颜色。
26.有益效果：采集用户图像时，用户图像不止只包含用户的面部信息，一般还会包括用户的头发和部分衣服，通过对用户的发型、发色、衣服版型和衣服颜色进行判断，起到辅助人脸识别的作用，保证人脸识别的准确率。
27.进一步，所述服务器采用神经网络模型进行人脸识别，并获取用户图像作为训练集对神经网络模型进行训练；
28.所述服务器，还用于获取第二日预计识别用户信息，根据预计识别用户信息，获取对应存储的用户图像，对神经网络模型再次进行训练。
29.有益效果：预计识别用户，根据人脸识别使用场景地点不同而不同，例如在企业中为来访人员，交通枢纽为第二日的乘客；通过获取第二日预计识别用户信息，根据预计识别用户信息，获取对应存储的用户图像，对神经网络模型再次进行训练，从而在第二日进行人脸识别时，可提高识别速度，从而提高人们通过人脸识别的效率。
30.进一步，所述服务器，还用于根据预计识别用户信息，获取对应的用户关系网络；根据用户关系网络，获取用户关系网络中相关用户的用户图像；将用户的用户图像和相关用户的用户图像作为训练集，对神经网络模型再次进行训练。
31.有益效果：在一些特殊场景下，预计识别用户可能会包含和用户有关系的其他用户，例如交通枢纽可能除了用户，该用户的亲人也可能会和用户一起来交通枢纽，因此根据预计识别用户信息，获取对应的用户关系网络；根据用户关系网络，获取用户关系网络中相关用户的用户图像；将用户的用户图像和相关用户的用户图像作为训练集，对神经网络模
型再次进行训练，进一步在第二日进行人脸识别时，提高识别速度，从而提高人们通过人脸识别的效率。
32.进一步，所述服务器，还用于识别用户图像中是否包含其他用户的面部信息，若包含，则判断其他用户的面部信息是否完整，若是，则对用户的面部信息和其他用户的面部信息进行人脸识别，并根据识别结果，判断该用户和其他用户之间是否存在用户关系网络，若是，通过人脸识别；若否，则提示用户面部信息不完整无法通过人脸识别。
33.有益效果：对于采集的用户图像范围较大时，通过识别用户图像中是否包含其他用户的面部信息，来对用户进行人脸识别，可以帮助用户进行人脸识别，提高识别准确度。
附图说明
34.图1为本发明一种人脸识别方法实施例一的流程示意图；
35.图2为本发明一种人脸识别方法实施例二中情况一的流程示意图；
36.图3为本发明一种人脸识别方法实施例二中情况二的流程示意图。
具体实施方式
37.下面通过具体实施方式进一步详细说明：
38.实施例一
39.实施例基本如附图1所示：一种人脸识别方法，包括如下内容：
40.预设时间段内采集用户图像，判断用户图像中面部信息是否完整，若用户图像中面部信息不完整，则根据用户图像进行人脸识别，并根据识别结果，调取预设时间段内采集的该用户面部信息完整的用户图像，提取面部信息完整的用户图像中的用户特征，判断面部信息不完整的用户图像中的用户特征与面部信息完整的用户图像中的用户特征是否相符，若是，则通过人脸识别；若否，则提示用户面部信息不完整无法通过人脸识别；其中预设时间段，可根据实际应用需求设置，例如：企业的人脸识别可设置为一天，因为一天内用户特征变化小，甚至不会变化，因此预设时间可设置为一天，一天后需要重新采集一次面部信息完整的用户图像；用户特征包括：用户头发特征和用户衣服特征；其中用户头发特征，包括：发型和发色；用户衣服特征，包括：衣服版型和衣服颜色；用户特征可以根据实际应用需求进行选择，除本实施例中所述的用户特征，还增加用户帽子特征、用户口罩特征等；根据识别结果，调取预设时间段内采集的该用户面部信息完整的用户图像，具体为：对用户图像进行人脸识别，得到用户信息，但是由于面部存在遮挡，所以不能确认根据部分面部特征识别出来的识别结果是否完全准确，因此根据用户信息，调取预设时间段内采集的该用户面部信息完整的用户图像，进行辅助判断，且对用户图像进行人脸识别，不能得到用户信息，则直接结束人脸识别；
41.若用户图像中面部信息完整，则根据用户图像进行人脸识别。
42.根据用户图像进行人脸识别是采用神经网络模型，并获取用户图像作为训练集对神经网络模型进行训练；完成训练的神经网络模型可进行人脸识别，本实施例中神经网络模型采用卷积神经网络，作为训练集的用户图像为提前采集的用户图像；
43.本实施例还包括：获取第二日预计识别用户信息，根据预计识别用户信息，获取对应存储的用户图像，对神经网络模型再次进行训练；其中预计识别用户，根据人脸识别使用
场景地点不同而不同，例如：在企业中为来访人员，交通枢纽为第二日的乘客；以交通枢纽为例，通过票务系统获取第二日的乘客信息，乘客信息中包含乘客的身份证照片，将身份证照片作为用户图像，对神经网络模型再次进行训练，第二日进行人脸识别时，采用该再次训练后的神经网络模型，从而提高识别速度，特别是但交通枢纽人流量过大时，每位乘客进行人脸识别速度提高零点几秒，整体也可提高几十分钟，从而减少乘客排队时间。
44.同时，还可以根据预计识别用户信息，获取对应的用户关系网络；其中用户关系网络的获取，根据应用场景不同而不同，例如：应用场景为交通枢纽，获取的用户关系网络是与用户有法律关系的人员；应用场景为企业，获取用户关系网络是企业内部人员关系，人员与客户的关系等；
45.根据用户关系网络，获取用户关系网络中相关用户的用户图像；
46.将用户的用户图像和相关用户的用户图像作为训练集，对神经网络模型再次进行训练；在一些特殊场景下，预计识别用户可能会包含和用户有关系的其他用户，例如交通枢纽可能除了用户，该用户的亲人也可能会和用户一起来交通枢纽，因此将用户的用户图像和相关用户的用户图像作为训练集，对神经网络模型再次进行训练，进一步在第二日进行人脸识别时，提高识别速度，从而提高人们通过人脸识别的效率。
47.以用户佩戴口罩，对手机进行人脸识别解锁为例，预设时间可设置为一天，用户只需要先进行一次不佩戴口罩的人脸识别，一天时间内，如果用户特征没改变，则可直接进行人脸识别，人脸识别会通过用户特征进行辅助识别，帮助用户通过人脸识别的同时，减小面部遮挡物对人脸识别准确性影响，不过渡影响人脸识别的安全性，且无需用户每次使用都取下面部遮挡物。
48.实施例二
49.本实施例与上述实施例基本相同，区别在于：还包括：识别用户图像中是否包含其他用户的面部信息，若包含，则判断其他用户的面部信息是否完整，若是，则对用户的面部信息和其他用户的面部信息进行人脸识别，并根据识别结果，判断该用户和其他用户之间是否存在用户关系网络，若是，通过人脸识别；若否，则提示用户面部信息不完整无法通过人脸识别。情况一如图2所示，上述步骤可设置在进行用户特征判断之前，则若判断该用户和其他用户之间不存在用户关系网络后，在进行用户特征判断；情况二如图3所示，上述步骤也可以设置在特征判断步骤之后，则若特征判断结果为否，则进行上述步骤；其中特征判断步骤是指判断面部信息不完整的用户图像中的用户特征与面部信息完整的用户图像中的用户特征是否相符。对于采集的用户图像范围较大时，通过识别用户图像中是否包含其他用户的面部信息，来对用户进行人脸识别，可以帮助用户进行人脸识别，提高识别准确度，特别是对于一些采集用户图像是通过监控进行采集，一次采集可拍摄到多个人，例如：企业的监控，进行人脸识别，一次采集用户图像中拍摄到多名员工，有员工佩戴口罩，有员工没有佩戴口罩，则通过员工之间是否存在关系网络来对佩戴口罩的员工的人脸识别结果进行验证，保证识别的准确性。
50.实施例三
51.本实施例提供一种人脸识别系统，包括终端和服务器；
52.所述终端，用于采集用户图像和进行提示；终端为包括摄像头和通信模块的设备，摄像头采集用户图像，通信模块与服务器进行通讯；
53.所述服务器，用于预设时间段内，判断用户图像中面部信息是否完整，若用户图像中面部信息不完整，则根据用户图像进行人脸识别，并根据识别结果，调取预设时间段内采集的该用户面部信息完整的用户图像，提取面部信息完整的用户图像中的用户特征，判断面部信息不完整的用户图像中的用户特征与面部信息完整的用户图像中的用户特征是否相符，若是，则通过人脸识别，并触发终端提示；若否，则未通过人脸识别，并触发终端提示用户面部信息不完整无法通过人脸识别；其中预设时间段，可根据实际应用需求设置，例如：企业的人脸识别可设置为一天，因为一天内用户特征变化小，甚至不会变化；用户特征包括：用户头发特征和用户衣服特征；其中用户头发特征，包括：发型和发色；用户衣服特征，包括：衣服版型和衣服颜色；
54.若用户图像中面部信息完整，则根据用户图像进行人脸识别。本实施例中服务器采用云服务器。
55.服务器采用神经网络模型进行人脸识别，并获取用户图像作为训练集对神经网络模型进行训练；完成训练的神经网络模型可进行人脸识别，本实施例中神经网络模型采用卷积神经网络，作为训练集的用户图像为提前采集的用户图像；
56.服务器，还用于获取第二日预计识别用户信息，根据预计识别用户信息，获取对应存储的用户图像，对神经网络模型再次进行训练；其中预计识别用户，根据人脸识别使用场景地点不同而不同，例如：在企业中为来访人员，交通枢纽为第二日的乘客；以交通枢纽为例，服务器与票务系统链接，在票务系统中获取第二日的乘客信息，乘客信息中包含乘客的身份证照片，将身份证照片作为用户图像，对神经网络模型再次进行训练，第二日进行人脸识别时，采用该再次训练后的神经网络模型，从而提高识别速度，特别是但交通枢纽人流量过大时，每位乘客进行人脸识别速度提高零点几秒，整体也可提高几十分钟，从而减少乘客排队时间。
57.服务器，还用于根据预计识别用户信息，获取对应的用户关系网络；其中用户关系网络的获取，根据应用场景不同而不同，例如：应用场景为交通枢纽，获取的用户关系网络是与用户有法律关系的人员；应用场景为企业，获取用户关系网络是企业内部人员关系，人员与客户的关系等；
58.根据用户关系网络，获取用户关系网络中相关用户的用户图像；将用户的用户图像和相关用户的用户图像作为训练集，对神经网络模型再次进行训练；在一些特殊场景下，预计识别用户可能会包含和用户有关系的其他用户，例如交通枢纽可能除了用户，该用户的亲人也可能会和用户一起来交通枢纽，因此将用户的用户图像和相关用户的用户图像作为训练集，对神经网络模型再次进行训练，进一步在第二日进行人脸识别时，提高识别速度，从而提高人们通过人脸识别的效率。
59.以用户佩戴口罩，对手机进行人脸识别解锁为例，预设时间可设置为一天，用户只需要先进行一次不佩戴口罩的人脸识别，一天时间内，如果用户特征没改变，则可直接进行人脸识别，人脸识别会通过用户特征进行辅助识别，帮助用户通过人脸识别的同时，减小面部遮挡物对人脸识别准确性影响，不过渡影响人脸识别的安全性，且无需用户每次使用都取下面部遮挡物。
60.实施例四
61.本实施例与上述实施例基本相同，区别在于：服务器，还用于识别用户图像中是否
包含其他用户的面部信息，若包含，则判断其他用户的面部信息是否完整，若是，则对用户的面部信息和其他用户的面部信息进行人脸识别，并根据识别结果，判断该用户和其他用户之间是否存在用户关系网络，若是，通过人脸识别；若否，则提示用户面部信息不完整无法通过人脸识别；服务器进行上述其他用户辅助判断可设置在进行用户特征判断之前，则若判断该用户和其他用户之间不存在用户关系网络后，在进行用户特征判断；也可以设置在特征判断步骤之后，则若特征判断结果为否，则进行其他用户辅助判断；其中用户特征判断是指判断面部信息不完整的用户图像中的用户特征与面部信息完整的用户图像中的用户特征是否相符。对于终端采集的用户图像范围较大时，服务器通过识别用户图像中是否包含其他用户的面部信息，来对用户进行人脸识别，可以帮助用户进行人脸识别，提高识别准确度，特别是对于终端为监控设备时，一次采集可拍摄到多个人，例如：企业的监控，进行人脸识别，一次采集用户图像中拍摄到多名员工，有员工佩戴口罩，有员工没有佩戴口罩，则通过员工之间是否存在关系网络来对佩戴口罩的员工的人脸识别结果进行验证，保证识别的准确性。
62.以上所述的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本技术给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本技术的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本技术要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。