一种人脸识别方法及装置与流程

本发明涉及信息安全及身份认证领域，尤其涉及一种人脸识别方法及装置。

背景技术：

视频人脸识别由于具有易于操作、稳定性好等特点潜藏巨大的商业价值，成为近年的研究热点，在海关、公安部门、公司门禁等各个领域都得到了很好的应用。相信如果将视频人脸识别应用到营业厅的身份认证，取代原有的手机号和密码认证方式，会大大减少营业厅的身份认证时长。

目前人脸识别的成功率很大程度上依赖于从开始就设定好的阈值是否适用，不同的光照、姿态、角度、表情的变化，都会使识别成功率急剧下降。如此一来，当某一个人在被识别时，如果某些帧的图像识别的效果不好，会导致识别失败或是误识别为其他人，从而造成识别的断档。

技术实现要素：

为了解决上述技术问题，本发明提供了一种人脸识别方法及装置，解决了现有人脸识别技术中使用固定的预设阈值，识别成功率低的问题。

依据本发明的一个方面，提供了一种人脸识别方法，包括：

获取视频流中当前帧的待识别人脸信息与存储于人脸特征库中对应的参考人脸信息的特征距离值；

根据特征距离值与预设阈值的关系，判断待识别人脸信息与参考人脸信息是否匹配；

若待识别人脸信息与参考人脸信息匹配，则提高预设阈值的值作为新的预设阈值。

其中，获取视频流中当前帧的待识别人脸信息与存储于人脸特征库中对应的参考人脸信息的特征距离值的步骤包括：

提取待识别人脸信息中的待识别人脸特征，并对待识别人脸特征进行降维处理；

计算降维处理后的待识别人脸特征与人脸特征库中所有参考人脸特征之间的距离值，并选取距离值的最小值作为特征距离值。

其中，根据特征距离值与预设阈值的关系，判断待识别人脸信息与参考人脸信息是否匹配的步骤包括：

若特征距离值小于或等于预设阈值，则待识别人脸信息与参考人脸信息匹配；

若特征距离值大于预设阈值，则待识别人脸信息与参考人脸信息不匹配。

其中，根据特征距离值与预设阈值的关系，判断待识别人脸信息与参考人脸信息是否匹配的步骤之后，还包括：

若待识别人脸信息与参考人脸信息不匹配，则读取视频流中间隔预设时间后的一帧的待识别人脸信息再次进行匹配。

其中，根据特征距离值与预设阈值的关系，判断待识别人脸信息与参考人脸信息是否匹配的步骤之后，还包括：

若待识别人脸信息与参考人脸信息匹配，则判断特征距离值是否小于预设置信度值；

若小于，则读取视频流中下一帧的待识别人脸信息，并提高预设阈值的值作为新的预设阈值。

其中，在根据特征距离值与预设阈值的关系，判断待识别人脸信息与参考人脸信息是否匹配的步骤之后，还包括：

检测匹配次数是否超过预定次数；若超过，则待识别人脸信息识别成功，否则识别失败。

其中，在待识别人脸信息识别失败的步骤之后，还包括：

提示对待识别人脸信息进行注册。

其中，计算视频流中当前帧的待识别人脸信息与存储于人脸特征库中的参考人脸信息的特征距离值的步骤之前，还包括：

对获取到的人脸信息进行注册处理；

将处理注册后的人脸信息存储于人脸特征库中。

其中，对获取到的人脸信息进行注册处理的步骤包括：

对人脸信息进行归一化处理；

对归一化处理后的人脸信息进行特征提取，并采用子空间计算对人脸信息进行降维处理。

依据本发明的另一个方面，还提供了一种人脸识别装置，包括：

获取模块，用于获取视频流中当前帧的待识别人脸信息与存储于人脸特征库中对应的参考人脸信息的特征距离值；

匹配模块，用于根据特征距离值与预设阈值的关系，判断待识别人脸信息与参考人脸信息是否匹配；

调整模块，用于当待识别人脸信息与参考人脸信息匹配时，提高预设阈值的值作为新的预设阈值。

其中，获取模块包括：

提取单元，用于提取待识别人脸信息中的待识别人脸特征，并对待识别人脸特征进行降维处理；

计算单元，用于计算降维处理后的待识别人脸特征与人脸特征库中所有参考人脸特征之间的距离值，并选取距离值的最小值作为特征距离值。

其中，匹配模块包括：

第一匹配单元，用于当特征距离值小于或等于预设阈值时，确定待识别人脸信息与参考人脸信息匹配；

第二匹配单元，用于当特征距离值大于预设阈值时，确定待识别人脸信息与参考人脸信息不匹配。

其中，该人脸识别装置还包括：

第一处理模块，用于当待识别人脸信息与参考人脸信息不匹配时，读取视频流中间隔预设时间后的一帧的待识别人脸信息再次进行匹配。

其中，该人脸识别装置还包括：

判断模块，用于当待识别人脸信息与参考人脸信息匹配时，判断特征距离值是否小于预设置信度值；

第二处理模块，用于当特征距离值小于预设置信度值时，读取视频流中下一帧的待识别人脸信息，并提高预设阈值的值作为新的预设阈值。

其中，该人脸识别装置还包括：识别模块，用于检测匹配次数是否超过预定次数；若超过，则待识别人脸信息识别成功，否则识别失败。

其中，该人脸识别装置还包括：

提示模块，用于当确定待识别人脸信息识别失败后，提示对待识别人脸信息进行注册。

其中，该人脸识别装置还包括：

注册模块，用于对获取到的人脸信息进行注册处理；

存储模块，用于将处理注册后的人脸信息存储于人脸特征库中。

其中，注册模块包括：

第一处理单元，用于对人脸信息进行归一化处理；

第二处理单元，用于对归一化处理后的人脸信息进行特征提取，并采用子空间计算对人脸信息进行降维处理。

本发明的实施例的有益效果是：一种人脸识别方法及装置，通过获取待识别人脸信息与参考人脸信息的特征距离值，并检测该特征距离值是否小于当前的预设阈值，以判断待识别人脸信息与参考人脸信息的匹配情况；其中，当前预设阈值与前一帧待识别人脸信息的匹配结果相关，当前一帧的待识别人脸信息匹配结果很理想的时候，会适当提高下一帧的预设阈值，降低匹配难度，这样就在一定程度上避免了周边环境变化而影响特征距离值，进而导致误识别的现象，提高了人脸识别的识别成功率。

附图说明

图1表示本发明的人脸识别方法的流程示意简图一；

图2表示本发明实施例中步骤10的流程示意图；

图3表示本发明实施例中步骤20的流程示意图；

图4表示本发明的人脸识别方法的流程示意简图二；

图5表示本发明实施例中优选方案的流程示意简图；

图6表示本发明实施例中具体实现的代码示意图；

图7表示本发明的人脸识别装置的结构示意图。

其中图中：101、获取模块，201、匹配模块，301、调整模块。

具体实施方式

下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。

实施例

视频人脸识别由于具有易操作性、稳定性好且认证流程简单的特点，被普遍应用于海关、公安部分、银行、公司门禁等领域。但现有的人脸识别技术中，特征匹配的预设阈值不可动态调整，易造成的误识别或识别成功率低的问题。为了解决上述问题，如图1所示，本发明的实施例提供了一种人脸识别方法，具体包括以下步骤：

步骤10：获取视频流中当前帧的待识别人脸信息与存储于人脸特征库中的参考人脸信息的特征距离值。

以营业厅的身份认证为例，当某用户在营业厅办理业务，柜台摄像机将持续为该用户拍摄实时视频，基于该视频对用户进行身份认证。认证时，获取视频流中的当前帧所提供的待识别人脸信息，并计算该待识别人脸信息与对应的参考人脸信息的特征距离值，其中，所有的参考人脸信息均存储于认证系统的人脸特征库中。

步骤20：根据特征距离值与预设阈值的关系，判断待识别人脸信息与参考人脸信息是否匹配。

其中，这里所说的预设阈值并不是一定值，而是受前一帧待识别人脸信息与参考人脸信息之间的特征距离值影响而动态变化的。若前一帧待识别人脸信息与参考人脸信息之间的特征距离值接近，也就是说匹配效果理想，则当前的预设阈值小于前一帧对应的预设阈值。这样就可在一定程度上避免因光线、角度或表情姿势等，而影响匹配效果的问题。

步骤30：若待识别人脸信息与参考人脸信息匹配，则提高预设阈值的值作为新的预设阈值。

这里是说，在当前帧的待识别人脸信息与参考人脸信息匹配成功后，会提 高匹配的预设阈值，这样，在进行下一帧的匹配时，会使下一帧更易匹配成功。

通过获取待识别人脸信息与参考人脸信息的特征距离值，并检测该特征距离值是否小于当前的预设阈值，以判断待识别人脸信息与参考人脸信息的匹配情况，当匹配次数超过预定次数时识别成功；其中，当前预设阈值与前一帧待识别人脸信息的匹配结果相关，当前一帧的待识别人脸信息匹配结果很理想的时候，会适当提高下一帧的预设阈值，降低匹配难度，这样就在一定程度上避免了周边环境变化而影响特征距离值，进而导致误识别的现象，提高了人脸识别的识别成功率。

以上简述了本发明实施例的核心方案及流程，下面将结合附图对步骤10和步骤20进行进一步详细说明。

如图2所示，步骤10具体包括：

步骤11：提取待识别人脸信息中的待识别人脸特征，并对待识别人脸特征进行降维处理。

步骤12：计算降维处理后的待识别人脸特征与人脸特征库中所有参考人脸特征之间的距离值，并选取距离值的最小值作为特征距离值。

简单来说，人脸识别即是将人脸图片/视频进行特征提取和降维，并存储于人脸特征库中，识别时将待识别的图片/视频同样进行特征提取和降维，并将降维后的人脸特征与数据库中的人脸特征一一比较，寻找与其特征值最接近的人脸图片，根据设定好的阈值判定是否匹配成功。

也就是说，人脸特征库中存储有所有注册过的参考人脸特征，即人脸特征向量值，当需要识别时，对待识别人脸信息(人脸照片或图像)进行特征提取，得到待识别人脸最原始高维向量，一般为7万多维，为了简化计算，还需将原始人脸特征进行降维处理，得到待识别人脸信息的特征向量值。

为了进一步简化匹配过程，由于在注册人脸信息时，会采集对应用户的身份信息，如姓名、性别或身份证号码等基本信息，在人脸特征库中查找对应的参考人脸信息时，可通过检索身份信息相同的参考人脸信息的集合，缩小匹配对比对象的范围，以降低计算量，提高匹配效率。但对于没有采集对应用户身份信息的情况可采用逐一匹配对比的过程。

如图3所示，步骤20具体包括以下几种情况：

步骤21：若特征距离值小于或等于预设阈值，则待识别人脸信息与参考人脸信息匹配。

步骤22：若特征距离值大于预设阈值，则待识别人脸信息与参考人脸信息不匹配。

这里说的是，如果特征距离值小于当前的预设阈值，则表示待识别人脸信息与对应的参考人脸信息相匹配，否则不匹配。

在步骤20得到匹配结果的步骤之后，还包括判断匹配次数以结束匹配过程的步骤，具体可参照以下步骤实现：

步骤40：若匹配次数超过预定次数，则待识别人脸信息识别成功，否则待识别人脸信息识别失败。

为了避免误识别，通常人脸识别都设置多次匹配过程，在预定匹配过程中若匹配次数达到预定次数，则表示识别成功，否则表示识别失败。例如：若设置匹配过程为5次，识别成功的预定次数为3次，若在5次匹配过程中匹配次数达到3次及以上，则匹配成功，否则匹配失败。

进一步地，以上提及当待识别人脸信息与参考人脸信息匹配时可动态调整预设阈值，但当待识别人脸信息与参考人脸信息不匹配时，可执行以下步骤：

若待识别人脸信息与参考人脸信息不匹配，则读取视频流中间隔预设时间后的一帧的待识别人脸信息再次进行匹配。

若当前帧的待识别人脸信息与参考人脸信息匹配不成功，为了排除是光照、角度、表情或姿势等外界因素的影响，认证系统会读取视频流中与当前帧间隔预设时间(如300ms或500ms)后的一帧作为待识别人脸信息，然后进行再一次的匹配过程。

为了保证人脸识别的正确率，在步骤20匹配成功之后，还包括：

若待识别人脸信息与参考人脸信息匹配，则判断特征距离值是否小于预设置信度值。

在视频人脸识别时，由于光照、表情、姿态等因素均不可控，因此在系统识别出被识别者，如果前面有置信度较高的帧，在后续的识别中可将匹配的预设阈值适当放宽。其中，这里所说的预设置信度值要高于匹配的预设阈值。也就是说当匹配成功后，为了保证后续匹配的正确率，还要进行一次置信度的判 断，只有置信度高的时候，才能表示匹配的正确率较高。

若小于，则读取视频流中下一帧的待识别人脸信息，并提高预设阈值的值作为新的预设阈值。

这里说的是，待识别人脸信息的置信度高，在后续匹配过程中才可提高预设阈值的值，放宽匹配条件，提高匹配成功率。

在经上述过程后，待识别人脸信息识别失败，表示人脸特征库中没有对应的参考人脸信息，如图4所示，在步骤40识别失败后，还包括：

步骤50：若待识别人脸信息识别失败，则提示对待识别人脸信息进行注册。

这里所说的注册入库，与步骤10之前预先创建人脸特征库的注册入库相似，以下将具体介绍步骤10之前的注册入库过程。

对获取到的人脸信息进行注册处理；

将处理注册后的人脸信息存储于人脸特征库中。

在视频人脸识别过程中，最初的准备工作即是人脸信息注册入库，具体地，对获取到的人脸信息进行注册处理的步骤如下：

对人脸信息进行归一化处理。对通过视频或图像输入的至少一张图片信息进行人脸检测，检测是否包含人脸，对包含人脸的图片信息作为待处理的人脸信息。对人脸信息进行归一化处理，即将人脸统一剪成固定像素的图片，再执行光照归一化，将光照的影响减到最弱。

对归一化处理后的人脸信息进行特征提取，并采用子空间计算对人脸信息进行降维处理。提取的归一化处理后的人脸信息的初始人脸特征，即人脸最原始的高维向量维数过高，一般为7万多维，直接计算十分复杂。为了降低计算难度，需要对其进行降维处理，得到一个特征向量值，降维方式一般采用子空间计算的方式实现。将降维处理后的特征向量值存储至人脸特征库中作为参考人脸特征。

以上分别就人脸识别的每个步骤做出了详细解释说明，下面将结合具体应用场景(以营业厅为例)对人脸识别方法的整体流程进行进一步的说明。

如图5所示，当某用户去营业厅办理业务时，首先需要对其进行身份认证，在身份认证时采用人脸识别的方式进行认证。

首先获取视频流中当前帧的待识别人脸信息与存储于人脸特征库有中对应的参考人脸信息的特征距离值。这里，通过柜台的摄像机将采集到该用户的视频信息输入至识别系统，将当前帧的待识别人脸信息的人脸特征与人脸特征库中所存储的所有参考人脸信息的人脸特征进行比较，计算出多个距离值，在多个距离值中选取最小值作为特征距离值，并将最小距离值对应的参考人脸信息作为该用户对应的参考人脸信息。

判断特征距离值是否小于预设阈值。将上述得到的特征距离值与当前的预设阈值做比较，若小于，则表示匹配成功，若未小于，则获取视频流中的下一帧作为当前帧。

匹配成功后，判断特征距离值是否小于预设置信度值，若小于，则进行下一步，若未小于，则获取视频流中的下一帧作为当前帧。

若特征距离值小于预设置信度值，则读取视频流中另一帧的待识别人脸信息，并提高预设阈值的值作为新的预设阈值。

获取待识别人脸信息与对应的参考人脸信息的特征距离值；其中，这是所说的对应的参考人脸信息与之前确定的对应的参考人脸信息是相同的。

继续判断特征距离值是否小于新的预设阈值，如果未小于，则读取视频流中的另一帧作为当前帧；如果小于，则进行下一步。

判断匹配过程是否达到预设次数，如果未达到，则继续读取视频流中的另一帧作为当前帧；若果达到，则进行下一步。

判断匹配次数是否达到预定次数，如果达到，则表示该用户识别成功；如果未达到，则表示该用户识别失败，并提示对待识别人脸信息进行注册，即提示对该用户进行人脸特征的注册。

本发明实施例提供的人脸识别方法，具体实现时可参照如图6所示的代码进行实现，通过获取待识别人脸信息与参考人脸信息的特征距离值，并检测该特征距离值是否小于当前的预设阈值，以判断待识别人脸信息与参考人脸信息的匹配情况，当匹配次数小于预定次数时识别成功；其中，当前预设阈值与前一帧待识别人脸信息的匹配结果相关，当前一帧的待识别人脸信息匹配结果很理想的时候，会适当提高下一帧的预设阈值，降低匹配难度，这样就在一定程度上避免了周边环境变化而影响特征距离值，进而导致误识别的现象，提高了 人脸识别的识别成功率。

以上是对本发明实施例中人脸识别方法的示例进行的简单说明，下面将结合如图7对上述方法对应的装置进行简单介绍，该人脸识别装置，包括：

获取模块101，用于获取视频流中当前帧的待识别人脸信息与存储于人脸特征库中对应的参考人脸信息的特征距离值；

匹配模块201，用于根据特征距离值与预设阈值的关系，判断待识别人脸信息与参考人脸信息是否匹配；

调整模块301，用于当待识别人脸信息与参考人脸信息匹配时，提高预设阈值的值作为新的预设阈值。

其中，获取模块101包括：

提取单元，用于提取待识别人脸信息中的待识别人脸特征，并对待识别人脸特征进行降维处理；

计算单元，用于计算降维处理后的待识别人脸特征与人脸特征库中所有参考人脸特征之间的距离值，并选取距离值的最小值作为特征距离值。

其中，匹配模块201包括：

第一匹配单元，用于当特征距离值小于或等于预设阈值时，确定待识别人脸信息与参考人脸信息匹配；

第二匹配单元，用于当特征距离值大于预设阈值时，确定待识别人脸信息与参考人脸信息不匹配。

其中，该人脸识别装置还包括：

第一处理模块，用于当待识别人脸信息与参考人脸信息不匹配时，读取视频流中间隔预设时间后的一帧的待识别人脸信息再次进行匹配。

其中，该人脸识别装置还包括：

判断模块，用于当待识别人脸信息与参考人脸信息匹配时，判断特征距离值是否小于预设置信度值；

第二处理模块，用于当特征距离值小于预设置信度值时，读取视频流中下一帧的待识别人脸信息，并提高预设阈值的值作为新的预设阈值。

其中，该人脸识别装置还包括：识别模块，用于检测匹配次数是否超过预定次数；若超过，则待识别人脸信息识别成功，否则识别失败。

其中，该人脸识别装置还包括：

提示模块，用于当确定待识别人脸信息识别失败后，提示对待识别人脸信息进行注册。

其中，该人脸识别装置还包括：

注册模块，用于对获取到的人脸信息进行注册处理；

存储模块，用于将处理注册后的人脸信息存储于人脸特征库中。

其中，注册模块包括：

第一处理单元，用于对人脸信息进行归一化处理；

第二处理单元，用于对归一化处理后的人脸信息进行特征提取，并采用子空间计算对人脸信息进行降维处理。

需要说明的是，该装置是与上述人脸识别方法对应的装置，上述方法实施例中所有实现方式均适用于该装置的实施例中，也能达到相同的技术效果。

以上所述的是本发明的优选实施方式，应当指出对于本技术领域的普通人员来说，在不脱离本发明所述的原理前提下还可以作出若干改进和润饰，这些改进和润饰也在本发明的保护范围内。