图像识别方法、图像识别装置和验证设备与流程

本申请总的来说涉及图像处理领域，且更为具体地，涉及一种图像识别方法、图像识别装置和验证设备。

背景技术：

在人工智能领域中，图像识别是非常重要的一部分。通过图像识别，可以在不需要人力介入的情况下识别出对象并进行相应的操作。

以人脸识别为例，无论是静态识别还是动态识别，都是采集人脸面部特征之后根据各自算法进行识别的过程。根据对比对象的数目，人脸识别可以分为1:1人脸识别，即将采集到的人脸和事先准备的1个人脸做比对；和1:n人脸识别，即将采集的人脸直接和人脸库中的n个人脸做比对。

目前1:1人脸识别已经有比较多的应用，比如刷身份证后，将身份证中的照片和当前人脸做比对。但这种场景需要依赖介质(身份证/rfid工作证)做触发，在现场使用时仍有诸多不便。比如，身份证读取模块的耗时将影响现场效率，rfid工作证需要工作人员将证件贴在识别区域，而由于用户进行刷卡刷证操作时，面部区域没有在最佳识别区域，进而又会影响现场的识别效率。

因此需要考虑1:n的方式来进行人脸识别，目前人脸识别1:n的比对，当n较大时，存在较大的误识概率。而且随着n的增大，误识率呈现出了比较明显的提升。在演出之类的大型活动或者大型会议的现场，参与人数动辄几万甚至十万，由于人数众多，很可能出现大面积的误识别，而这显然是不能容忍的。另外，现场识别的速度和效率也是需要考虑的。

因此，需要改进的图像识别方案。

技术实现要素：

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种图像识别方法、图像识别装置和验证设备，其可以实现对象的快速和精确的一对多识别。

根据本申请的一方面，提供了一种图像识别方法，包括：获取与多个识别对象中的每个识别对象相关联的标识信息；基于所述标识信息，从参考信息总库中选择与所述标识信息对应的参考信息，所述参考信息总库中存储的每条参考信息对应于一识别对象，且与所述识别对象的标识信息相关联；将与所述标识信息对应的参考信息设置为参考信息子库；以及，将所述每个识别对象与所述参考信息子库中的多条参考信息进行一对多比对以识别所述每个识别对象。

在上述图像识别方法中，在获取多个识别对象中的每个识别对象的标识信息之前进一步包括：预先设置特定区域；以及，获取多个识别对象中的每个识别对象的标识信息包括：获取进入所述特定区域中的多个识别对象中的每个识别对象的标识信息。

在上述图像识别方法中，在获取多个识别对象中的每个识别对象的标识信息之前进一步包括：预先采集所述识别对象的参考信息和标识信息；以及，将所述参考信息和所述标识信息彼此相关联地存储在所述参考信息总库中。

在上述图像识别方法中，进一步包括：检测所述标识信息是否发生变化；响应于所述标识信息发生变化，更新与所述标识信息对应的参考信息；以及，将所述更新的参考信息设置为更新的参考信息子库。

在上述图像识别方法中，所述识别对象是用户的人脸。

在上述图像识别方法中，与所述识别对象相关联的标识信息是所述用户的直接身份信息和间接身份信息中的至少一个。

在上述图像识别方法中，所述识别对象是所述用户佩戴的标识物品。

在上述图像识别方法中，进一步包括：确定识别所述识别对象的识别结果是否大于预定阈值；以及，响应于所述识别结果大于预定阈值，确定所述识别对象识别通过。

根据本申请的另一方面，提供了一种图像识别装置，包括：获取单元，用于获取与多个识别对象中的每个识别对象相关联的标识信息；选择单元，用于基于所述标识信息，从参考信息总库中选择与所述标识信息对应的参考信息，所述参考信息总库中存储的每条参考信息对应于一识别对象，且与所述识别对象的标识信息相关联；设置单元，用于将与所述标识信息对应的参考信息设置为参考信息子库；以及，识别单元，用于将所述每个识别对象与所述参考信息子库中的多条参考信息进行一对多比对以识别所述每个识别对象。

在上述图像识别装置中，所述获取单元用于获取进入预先设置的特定区域中的多个识别对象中的每个识别对象的标识信息。

在上述图像识别装置中，预先采集的所述识别对象的参考信息和标识信息彼此相关联地存储在所述参考信息总库中。

在上述图像识别装置中，所述获取单元进一步用于检测所述标识信息是否发生变化；所述选择单元进一步用于响应于所述标识信息发生变化，更新与所述标识信息对应的参考信息；以及，所述设置单元进一步用于将所述更新的参考信息设置为更新的参考信息子库。

在上述图像识别装置中，所述识别对象是用户的人脸。

在上述图像识别装置中，与所述识别对象相关联的标识信息是所述用户的直接身份信息和间接身份信息中的至少一个。

在上述图像识别装置中，所述识别对象是用户佩戴的标识物品。

在上述图像识别装置中，进一步包括：判定单元，用于确定识别所述识别对象的识别结果是否大于预定阈值；以及，所述识别单元用于响应于所述识别结果大于预定阈值，确定所述识别对象识别通过。

根据本申请的又一方面，提供了一种验证设备，包括如上所述的图像识别装置。

本申请提供的图像识别方法、图像识别装置和验证设备，可以基于与识别对象相关联的标识信息，从参考信息总库构建参考信息子库，并针对参考信息子库进行一对多比对。因此，可以实现对象的快速和精确的一对多识别。

附图说明

通过阅读下文优选的具体实施方式中的详细描述，本申请各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。说明书附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。显而易见地，下面描述的附图仅仅是本申请的一些实施例，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他的附图。而且在整个附图中，用相同的附图标记表示相同的部件。

图1图示了根据本申请实施例的图像识别方法的流程图；

图2图示了根据本申请实施例的图像识别方法应用于人脸识别的示意图；

图3图示了应用根据本申请实施例的图像识别方法的人脸识别系统架构的示意性框图；

图4图示了根据本申请实施例的图像识别装置的框图；

图5图示了根据本申请实施例的验证设备的框图。

具体实施方式

下面，将参考附图详细地描述根据本申请的示例实施例。显然，所描述的实施例仅仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。

申请概述

如上所述，在比如演出等大型活动或者大型会议的场景下，涉及人数众多，如果采用基于身份证/rfid票等的1:1人脸识别，会对用户造成不便。并且，由于身份证/rfid票等的识别需要时间，又会影响识别效率。

通过采用1:n人脸识别，可以实现用户的无感知识别。也就是说，在识别过程中，用户仅需要直接从人脸识别机器处经过，人脸识别机器即可做出判断该用户是否验证通过。因此，用户无需额外的操作，将显著地提高用户体验。

但是，在1:n人脸识别的情况下，当n较大时，存在较大的误识概率，而且随着n的增大，误识率呈现出比较明显的提升。因此，需要提高1:n人脸识别场景下的识别的精确性。

针对该技术问题，本申请的基本构思是提出一种图像识别方法、图像识别装置和验证设备，其可以基于与识别对象相关联的标识信息，从参考信息总库构建参考信息子库，从而减小用于比对的参考信息的数目。接下来，针对该构建的参考信息子库进行识别对象与参考信息的一对多比对，从而提高对象识别的效率和准确性。

需要说明的是，本申请的上述基本构思可以应用于各种参与人数众多的场合，包括但不限于在室外举办的演出等大型活动，以及在室内举办的大型会议等。此外，本申请的上述基本构思还可以应用于物流等行业中对于物品的识别。因此，在本申请的图像识别方法中，不限制识别对象的具体类型。

在介绍了本申请的基本原理之后，下面将参考附图来具体介绍本申请的各种非限制性实施例。

示例性方法

图1图示了根据本申请实施例的图像识别方法的流程图。

如图1所示，根据本申请实施例的图像识别方法包括：s110，获取与多个识别对象中的每个识别对象相关联的标识信息；s120，基于所述标识信息，从参考信息总库中选择与所述标识信息对应的参考信息，所述参考信息总库中存储的每条参考信息对应于一识别对象，且与所述识别对象的标识信息相关联；s130，将与所述标识信息对应的参考信息设置为参考信息子库；以及s140，将所述每个识别对象与所述参考信息子库中的多条参考信息进行一对多比对以识别所述每个识别对象。

也就是说，根据本申请实施例的图像识别方法主要聚焦于存在大量待识别对象的场景，以实现识别对象的快速和准确识别。图2图示了根据本申请实施例的图像识别方法应用于人脸识别的示意图。如图2所示，通过基于与用户的人脸相关联的标识信息，可以将整体的人脸识别库缩限为范围较小的部分人脸识别库，从而在应用1:n人脸识别的场景下，提高人脸识别的效率和准确性。

在根据本申请实施例的图像识别方法中，在获取多个识别对象中的每个识别对象的标识信息之前进一步包括：预先设置特定区域；以及，获取多个识别对象中的每个识别对象的标识信息包括：获取进入所述特定区域中的多个识别对象中的每个识别对象的标识信息。

也就是说，上述图像识别方法在缩小参考信息的范围时，考虑的是特定区域，即，将选择特定区域内的识别对象所对应的参考信息，以设置参考信息子库。例如，在演出场景下，特定区域是演出活动时观众入场前所聚集的区域，比如演出场馆前的广场。或者，在会议场景下，特定区域是会议入口前的预定范围的区域，比如从会场大门到会议厅入口的范围内。又或者，在物流场景下，特定区域是存放待识别物品的仓库等。而且，根据本申请实施例的图像识别方法中的特定区域并不限于在地理上的一块区域，还可以是在地理上分开的多个区域，例如，演出场馆的多个入口外的相应区域等。

另外，在根据本申请实施例的图像识别方法中，根据不同情况，可以设置不同的特定区域。并且，在实际的图像识别的过程中，也可以根据不同情况动态地调整特定区域，以保证最后获得参考信息子库能够精确地用于对象识别。

在根据本申请实施例的图像识别方法中，在获取多个识别对象中的每个识别对象的标识信息之前进一步包括：预先采集所述识别对象的参考信息和标识信息；以及，将所述参考信息和所述标识信息彼此相关联地存储在所述参考信息总库中。

因此，在根据本申请实施例的图像识别方法中，在进行图像识别的过程之前，需要相应的准备步骤。也就是说，为了基于获取的所述识别对象的标识信息来选择相应的识别对象的参考信息，需要预先建立所述标识信息和参考信息之间的关联，并且，将这种关联与所述标识信息和参考信息本身一起存储在参考信息总库中。

以所述识别对象为用户的人脸为例，预先采集用户的人脸信息，并且将人脸信息与所述用户进行绑定。并且，同时采集用户的标识信息，这里，所述用户的标识信息可以是所述用户的直接身份信息或者间接身份信息。具体来说，用户的直接身份信息表示能够直接体现用户身份的信息，例如用户的身份证号码，或者用户所购买的rfid票纸。用户的间接身份信息表示与用户相关联的其它能够体现用户身份的信息，例如用户的随身设备的相关信息(例如，用户的手机的wifi或者蓝牙的mac地址)，或者用户所佩戴的可穿戴设备，例如智能手环等的信息。这样，通过预先对所述用户的人脸信息和标识信息进行绑定，就可以基于所获取的标识信息来缩小用于人脸识别的人脸库。此外，在根据本申请实施例的图像识别方法中，仅需要在图像识别过程之前进行标识信息和参考信息的采集和绑定即可，可选择适当的时机，例如，在用户买票的下单过程中，或者在用户收到相应的活动/会议邀请时。

本领域技术人员可以理解，与所述识别对象关联的标识信息并不仅限于一类信息，也可以结合地使用某几类信息。例如，同时获取用户的rfid票纸信息和用户所佩戴的可穿戴设备的信息，从而确保识别的精确性。

接下来，在图像识别过程中，在步骤s110，获取与多个识别对象中的每个识别对象相关联的标识信息。

具体来说，针对所设置的特定区域，使用特定的信息采集设备来获取所述标识信息。例如，在演出等活动现场，可以通过大功率的rfid读取模块，来读取所述特定区域内的所有用户的rfid信息，或者，通过wifi探针设备采集到所述特定区域内所有用户的设备信息。

在步骤s120，基于所述标识信息，从参考信息总库中选择与所述标识信息对应的参考信息，所述参考信息总库中存储的每条参考信息对应于一识别对象，且与所述识别对象的标识信息相关联。

也就是说，如上所述，因为在标识信息和参考信息的采集过程中，已经在参考信息总库中存储了所述标识信息与所述参考信息之间的关联。在获取了所述特定区域内的全部识别对象的标识信息之后，就可以基于标识信息在参考信息总库中检索到所述标识信息对应的参考信息。

在步骤s130，将与所述标识信息对应的参考信息设置为参考信息子库。这样，就缩小了用于比对的参考信息的范围。

最后，在步骤s140，将所述每个识别对象与所述参考信息子库中的多条参考信息进行一对多比对以识别所述每个识别对象。

也就是说，在根据本申请实施例的图像识别方法中，因为采用的是所述识别对象与所述参考信息的一对多比对的方式来识别所述识别对象，因此，所述图像识别方法对用于进行比对的参考信息的数目表现出较高的敏感度，但是这种方式具有较高的图像识别效率。因此，针对该在保证图像识别效率的同时提高图像识别的准确性的特定技术问题，根据本申请实施例的图像识别方法通过缩小参考信息范围而构建参考信息子库的方式来提高对象识别的准确性。

另外，在根据本申请实施例的图像识别方法中，所述参考信息子库并非是完全静态的，而是根据所获取的所述识别对象的标识信息随时动态更新的。

具体来说，以人脸信息为例，通过缩小人脸识别库获得的子人脸库是基于检测到的用户而实时自动更新的，当用于采集用户的标识信息的设备采集到的用户的标识信息变化时，子人脸库也在变化。例如，当检测到有一个新的用户进入所述特定区域，则子人脸库中动态地增加一个对应的人脸特征信息，当检测到有一个用户离开所述特定区域时，则子人脸库中也会动态地删除一个对应的人脸特征信息。

因此，在根据本申请实施例的图像识别方法中，进一步包括：检测所述标识信息是否发生变化；响应于所述标识信息发生变化，更新与所述标识信息对应的参考信息；以及，将所述更新的参考信息设置为更新的参考信息子库。

如上所述，根据本申请实施例的图像识别方法可以用于识别各种识别对象，即使对于人来说，也可以识别人脸、声纹、虹膜、指纹等。但是，针对声纹、虹膜、指纹等人体特征，都需要专门采集用户的相关特征，因此，无法像人脸识别那样，实现用户的“无感知”识别。另外，虽然在以上将用户随身携带的移动设备等作为间接身份信息，这些同样可以作为识别对象，也就是说，识别对象可以是用户所携带的手机、rfid手环以及其他特殊的可识别图形等。例如，所述识别对象可以是用户所佩戴的面具、胸卡、徽章等，或者是诸如智能手表、智能眼镜之类的可穿戴设备。

因此，即使是识别对象，也可以按照上面所述划分为直接识别对象和间接识别对象，而且，根据本申请实施例的图像识别方法并不仅限于对单一类型的识别对象进行识别，也可以复合使用。例如，可以在识别人脸的同时，为了精准识别，进一步识别用户的其它间接识别对象。

综上所述，在根据本申请实施例的图像识别方法中，所述识别对象是用户的人脸。

并且，在上述图像识别方法中，与所述识别对象相关联的标识信息是所述用户的直接身份信息和间接身份信息中的至少一个。

另外，在根据本申请实施例的图像识别方法中，所述识别对象是所述用户佩戴的标识物品。

当应用于识别对象的验证场景时，可能并不是在所有情况下都需要百分之百的匹配。因此，在根据本申请实施例的图像识别方法中，可以进一步包括：确定识别所述识别对象的识别结果是否大于预定阈值；以及，响应于所述识别结果大于预定阈值，确定所述识别对象识别通过。

图3图示了应用根据本申请实施例的图像识别方法的人脸识别系统架构的示意性框图。如图3所示，整个系统分为6个模块。

首先，人脸信息采集与绑定模块210主要负责采集人脸信息，然后将人脸信息和用户做绑定。例如，其可以将人脸信息和rfid票纸做绑定，也可以将人脸信息和用户的随身设备(如手机wifi或蓝牙的mac地址)绑定。(并且，此部分工作可能在用户下单时完成，下单时，可以引导用户采集人脸信息，此时可以完成人脸信息和票信息/设备信息的绑定)

现场用户识别信息采集模块220通过大功率的rfid读取模块，可以读取到一片区域内所有用户的rfid信息，或者，通过wifi探针设备可以采集到区域内所有的用户的设备信息，通过这些信息可以标识一个用户。

人脸识别库管理模块230主要负责维护人脸信息和rfid票纸(或设备信息)的对应关系，同时会维护一个动态的子人脸库，子人脸库是根据用户信息采集模块给出的信息组合而成的人脸库，这部分人脸库是在实时更新的，当用户识别信息采集模块收集到的用户信息变化时，动态子人脸库也在变化。

动态子人脸库240是一直在随着现场用户识别信息采集模块220采集到的信息动态变化的人脸库。例如现场有一个新的用户进入识别区域，则动态库中增加一个对应的人脸特征信息，当有一个用户走出识别区域，则动态库中删除一个对应的人脸信息。

人脸采集模块250负责采集人脸信息。

人脸比对模块260负责将人脸采集模块采集的信息和动态子人脸库中的人脸信息做比对，并输出结果。

业务决策模块270根据人脸比对模块260给出的结果，做出相应的决策。例如人脸比对模块260给出的相似度为95％，业务决策模块270决定要让此人通过闸机。

通过根据本申请实施例的图像识别方法，可以在不增加用户交互步骤的情况下(例如，无需用户刷卡操作)，将参考信息总库的规模(例如，3万人)降低到例如几百人规模，显著地提高了识别的效率。另外，通过识别预先设置的特定区域内的识别对象的信息，显著降低了误识别的概率，同时采用一对多比对的方式，又可以很好地保证用户体验。

在人脸识别的场景下，通过其他手段的预识别和人脸识别配合的方式，显著提高了识别效率和准确性。并且，因为动态子人脸库会随着区域内的用户的变化而变化，动态子人脸库的设计使得识别变得简单。

在上述根据本申请实施例的图像识别方法中，以从参考信息总库中选出一个参考信息子库为例进行了描述。但是，在实际应用中，可能存在需要维护多个参考信息子库的情况下。例如，在活动中可能存在多个入口，并需要在每个入口处进行验证。这时，根据本申请实施例的图像识别方法，需要基于每个入口的特定区域选出参考信息子库。因此，需要考虑如何管理参考信息总库和参考信息子库之间的关联性的问题。

此外，在根据本申请实施例的图像识别方法中，实际上存在两个不同的区域，其中一个是用于获取标识信息的特定区域。另外，由于需要对识别对象进行验证，还存在用于对识别对象进行验证的验证区域。同样是活动的情况为例，获取标识信息的特定区域可能是入口的特定区域，而验证区域则对应于安装有验证设备的区域，例如摄像头的视野覆盖区域。在一般情况下，这两个区域之间是完全连通的，即，用户在通过特定区域之后将进行验证区域中。但是，在实际情况下，也可能存在这两个区域之间存在不连续的情况，例如考虑用户通过特定区域之后但是并没有进入验证区域。另外，针对不同的现场环境，还可能存在其它特定区域和验证区域之间的特殊关系。因此，也需要考虑特定区域和验证区域各自的形状和位置设置和相互关系。

并且，例如，当用户通过验证并入场之后，很可能存在用户重新出场并再次入场的例外情况。因此，如何针对这些类型的例外情况，对根据本申请实施例的图像识别方法进行适应性的修改，也是需要考虑的问题。

示例性装置

图4图示了根据本申请实施例的图像识别装置的框图。

如图4所示，根据本申请实施例的图像识别装置300包括：获取单元310，用于获取与多个识别对象中的每个识别对象相关联的标识信息；选择单元320，用于基于所述获取单元310获取的标识信息，从参考信息总库中选择与所述标识信息对应的参考信息，所述参考信息总库中存储的每条参考信息对应于一识别对象，且与所述识别对象的标识信息相关联；设置单元330，用于将所示选择单元320选出的与标识信息对应的参考信息设置为参考信息子库；以及，识别单元340，用于将所述每个识别对象与所述设置单元330所设置的参考信息子库中的多条参考信息进行一对多比对以识别所述每个识别对象。

在一个示例中，在上述图像识别装置300中，所述获取单元310用于获取进入预先设置的特定区域中的多个识别对象中的每个识别对象的标识信息。

在一个示例中，在上述图像识别装置300中，预先采集的所述识别对象的参考信息和标识信息彼此相关联地存储在所述参考信息总库中。

在一个示例中，在上述图像识别装置300中，所述获取单元310进一步用于检测所述标识信息是否发生变化；所述选择单元320进一步用于响应于所述标识信息发生变化，更新与所述标识信息对应的参考信息；以及，所述设置单元330进一步用于将所述更新的参考信息设置为更新的参考信息子库。

在一个示例中，在上述图像识别装置300中，所述识别对象是用户的人脸。

在一个示例中，在上述图像识别装置300中，与所述识别对象相关联的标识信息是所述用户的直接身份信息和间接身份信息中的至少一个。

在一个示例中，在上述图像识别装置300中，所述识别对象是用户佩戴的标识物品。

在一个示例中，在上述图像识别装置300中，进一步包括：判定单元，用于确定识别所述识别对象的识别结果是否大于预定阈值；以及，所述识别单元用于响应于所述识别结果大于预定阈值，确定所述识别对象识别通过。

本领域技术人员可以理解，根据本申请实施例的图像识别装置的其它细节与之前关于根据本申请实施例的图像识别方法描述的相应细节完全相同，这里为了避免冗余便不再赘述。

示例性验证设备

图5图示了根据本申请实施例的验证设备的框图。

如图5所示，根据本申请实施例的验证设备400包括图像识别装置410，用于对所述识别对象进行图像识别。所述图像识别装置410包括：获取单元411，用于获取与多个识别对象中的每个识别对象相关联的标识信息；选择单元412，用于基于所述获取单元411获取的标识信息，从参考信息总库中选择与所述标识信息对应的参考信息，所述参考信息总库中存储的每条参考信息对应于一识别对象，且与所述识别对象的标识信息相关联；设置单元413，用于将所示选择单元412选出的与标识信息对应的参考信息设置为参考信息子库；以及，识别单元414，用于将所述每个识别对象与所述设置单元413所设置的参考信息子库中的多条参考信息进行一对多比对以识别所述每个识别对象。

在一个示例中，在上述验证设备400中，所述获取单元411用于获取进入预先设置的特定区域中的多个识别对象中的每个识别对象的标识信息。

在一个示例中，在上述验证设备400中，预先采集的所述识别对象的参考信息和标识信息彼此相关联地存储在所述参考信息总库中。

在一个示例中，在上述验证设备400中，所述获取单元411进一步用于检测所述标识信息是否发生变化；所述选择单元412进一步用于响应于所述标识信息发生变化，更新与所述标识信息对应的参考信息；以及，所述设置单元413进一步用于将所述更新的参考信息设置为更新的参考信息子库。

在一个示例中，在上述验证设备400中，所述识别对象是用户的人脸。

在一个示例中，在上述验证设备400中，与所述识别对象相关联的标识信息是所述用户的直接身份信息和间接身份信息中的至少一个。

在一个示例中，在上述验证设备400中，所述识别对象是用户佩戴的标识物品。

在一个示例中，在验证设备400中，所述图像识别装置410进一步包括：判定单元，用于确定识别所述识别对象的识别结果是否大于预定阈值；以及，所述识别单元用于响应于所述识别结果大于预定阈值，确定所述识别对象识别通过。

本领域技术人员可以理解，根据本申请实施例的验证设备的其它细节与之前关于根据本申请实施例的图像识别方法描述的相应细节完全相同，这里为了避免冗余便不再赘述。

综上所述，根据本申请实施例的图像识别方法、图像识别装置和验证设备可以基于与识别对象相关联的标识信息，从参考信息总库构建参考信息子库，并针对参考信息子库进行一对多比对。因此，可以实现对象的快速和精确的一对多识别。