基于AI人脸识别核验管理方法、系统、设备及存储介质与流程

基于ai人脸识别核验管理方法、系统、设备及存储介质
技术领域
1.本技术涉及身份核验的技术领域，尤其是涉及一种基于ai人脸识别核验管理方法、系统、设备及存储介质。


背景技术：

2.为保障人员密集场所的安全，许多公共场所均配备了身份核验设备，主要采用的是人脸识别技术，用于对进入场内的人员进行身份核验，以便判断待入场人员是否具备入场资格，如是否购票；另一方面，为应对突发公共卫生事件，一些公共场所配备的身份核验设备还具备健康检测功能，如体温检测，以便降低人员密集场所疾病传染的可能性；然而，大多现有的身份核验设备仅具有体温测量、人证对比识别、将人员身份信息与特定数据库中信息进行对比的功能。
3.目前，为了防范传染性疾病传播，降低雾霾危害，许多人习惯佩戴口罩，且当前社会上配戴眼镜人口占总人口比例较大，口罩和眼镜可能对人脸识别的成功率造成影响，而要求人员取下口罩眼镜进行人脸识别则会对人脸识别的效率造成影响，甚至增大公共场所疾病传播的可能性。
4.根据上述相关技术易知，现有的身份核验设备存在针对脸部存在遮挡物时识别成功率较低的问题。


技术实现要素：

5.为了提高身份核验设备的人脸识别成功率，本技术提供一种基于ai人脸识别核验管理方法、系统、设备及存储介质。
6.本技术的发明目的一采用如下技术方案实现：基于ai人脸识别核验管理方法，包括：获取身份核验图像，通过人脸识别算法从所述身份核验图像中识别脸部对比图像；通过图像识别算法识别脸部对比图像中的遮挡物，对脸部对比图像进行遮挡标记处理，以标记遮挡区域和对应的遮挡等级；将遮挡标记处理后的脸部对比图像输入至人脸对比模型中，计算各图像区域的相似度数据，基于各图像区域的遮挡等级设置对应的权重系数，对各图像区域的相似度数据进行加权平均后，生成图像对比结果；基于图像对比结果和预设处理规则，生成处理信号并发送至执行终端。
7.通过采用上述技术方案，通过摄像组件拍摄身份核验图像，通过人脸识别算法从身份验证图像中识别人体脸部轮廓，从而生成脸部对比图像；通过图像识别算法从脸部对比图像中识别遮挡物，如口罩、眼镜等，对脸部对比图像中被遮挡物遮挡的区域进行标记处理，将被遮挡物遮挡的区域标记为遮挡区域，由于部分遮挡物如眼镜存在透光的部分区域，因此，可根据遮挡物对人体脸部遮挡的可视程度标记对应的遮挡等级；将经过遮挡标记处
理后的脸部对比图像输入至人脸对比模型中，从而便于对遮挡标记处理后的脸部对比图像进行人脸识别对比，并计算各图像区域的相似度数据，根据脸部对比图像中各区域的遮挡等级，设置相应的权重系数，以便对未遮挡的区域设置较高的权重系数，对遮挡更严重的区域设置相较于遮挡较轻的区域更低的权重系数，从而达到提高后续针对脸部对比图像中各区域的相似度数据生成图像对比结果的科学性，从而提高了人脸识别成功率；图像对比结构生成后，根据预设的处理规则，生成相应的处理信号并发送至执行终端，使执行终端执行相应的工作。
8.本技术在一较佳示例中：获取身份核验图像，通过人脸识别算法从所述身份核验图像中识别脸部对比图像的步骤中，包括：接收人体识别传感器发出的人体识别信号，生成图像获取信号并发送至摄像组件；接收摄像组件发出身份核验图像，通过人脸识别算法对身份核验图像进行处理；从身份核验图像中识别人脸轮廓，基于身份核验图像和人脸轮廓的位置信息生成脸部对比图像。
9.通过采用上述技术方案，通过人体识别传感器识别身份核验设备前方是否存在人员，若存在，则人体识别传感器发出人体识别信号，当接收到人体识别信号后，生成图像获取信号并发送至摄像组件，以控制摄像组件拍摄身份核验图像；接收身份核验图像后，通过人脸识别算法对身份核验图像进行处理，以从身份核验图像中识别人脸轮廓，以便判断身份核验图像中是否出现人脸，便于在识别出人脸时，根据身份核验图像和人脸轮廓的位置信息生成脸部对比图像，以进行后续的人脸对比。
10.本技术在一较佳示例中：通过图像识别算法识别脸部对比图像中的遮挡物，对脸部对比图像进行遮挡标记处理，以标记遮挡区域和对应的遮挡等级的步骤之前，包括：从互联网获取各类典型遮挡物的图片并存储至遮挡物样本库中；基于遮挡物样本库中存储的图片对图像识别算法进行训练和检验。
11.通过采用上述技术方案，从互联网中搜索各类典型遮挡物的图片，创建遮挡物样本库并将各类典型遮挡物的图片存储于遮挡物样本库中；基于遮挡物样本库中存储的图片，对图像识别算法进行训练，并在训练完成后进行检验，以便提高图像识别算法针对各类遮挡物图像的识别能力。
12.本技术在一较佳示例中：通过图像识别算法识别脸部对比图像中的遮挡物，对脸部对比图像进行遮挡标记处理，以标记遮挡区域和对应的遮挡等级的步骤中，包括：通过图像识别算法对脸部对比图像进行处理，确定脸部对比图像中的遮挡物；根据遮挡物在脸部对比图像中的位置信息，将所述遮挡物覆盖的区域标记为遮挡区域；将脸部对比图像与标准脸部图像进行对比，基于脸部对比图像在遮挡区域内与标准脸部图像的相似度，确定遮挡区域的遮挡等级。
13.通过采用上述技术方案，通过图像识别算法对脸部对比图像进行处理，识别脸部对比图像中遮挡物，便于后续对脸部对比图像中被遮挡的区域进行处理；确定脸部对比图像中被遮挡物覆盖区域的位置信息，便于计算被遮挡物覆盖区域的面积和位置，以将被遮挡物覆盖的区域标记为遮挡区域；将脸部对比图像与标准脸部图像进行对比，计算脸部对
比图像在遮挡区域内与标准脸部图像的相似度，从而评估遮挡区域受遮挡物影响被覆盖的程度，从而确定遮挡区域对应的遮挡等级，便于后续根据遮挡等级的不同为人脸对比过程中脸部对比图像的不同区域设置不同的权重。
14.本技术在一较佳示例中：通过图像识别算法对脸部对比图像进行处理，确定脸部对比图像中的遮挡物的步骤之后，还包括：当识别到所述遮挡物为眼镜时，从脸部对比图像中识别脸部特征轮廓；基于镜片覆盖范围内脸部特征轮廓与镜片覆盖范围外脸部特征轮廓的尺寸参数，计算特征轮廓补偿参数；基于特征轮廓补偿参数对镜片覆盖范围内的脸部特征轮廓图像进行修正。
15.通过采用上述技术方案，由于当前社会上配戴眼镜人口占总人口比例较大，且大量人员佩戴的近视镜或远视镜会导致图像畸变，而现有的人脸识别算法常通过脸部的特定点位的相对位置判断身份，而被眼镜的镜片覆盖的眼部为关键点位，因而容易造成人脸对比识别失败的情况；当识别到脸部对比图像中的遮挡物为眼镜时，从脸部对比图像中识别用于进行脸部对比的脸部特征轮廓，以便将脸部对比图像中位于镜片覆盖范围内和位于镜片覆盖范围外的脸部特征轮廓的尺寸参数进行对比；对镜片覆盖范围内脸部特征轮廓的尺寸参数和镜片覆盖范围外脸部特征轮廓的尺寸参数进行对比，计算将镜片覆盖范围内脸部特征轮廓的尺寸参数调整至消除镜片覆盖范围内图像畸变影响所需的补偿参数作为特征轮廓补偿参数；基于特征轮廓补偿参数对镜片覆盖范围内的脸部特征轮廓图像进行修正，以便在后续的相似度对比环节中降低镜片覆盖范围内图像畸变所造成的影响，从而提高相似度数据计算的准确性。
16.本技术在一较佳示例中：将遮挡标记处理后的脸部对比图像输入至人脸对比模型中，计算各图像区域的相似度数据，基于各图像区域的遮挡等级设置对应的权重系数，对各图像区域的相似度数据进行加权平均后，生成图像对比结果的步骤中，包括：将经遮挡标记处理后的脸部对比图像划分为若干图像区域，分别计算脸部对比图像中各图像区域与证件图像对应区域的相似度数据；基于各图像区域的遮挡等级设置对应的权重系数，基于各图像区域的权重系数与对应的相似度数据进行加权平均计算；将加权平均计算结果与合格阈值进行对比，生成图像对比结果。
17.通过采用上述技术方案，经过遮挡标记处理后的脸部对比图像输入至人脸对比模型之后，将脸部对比图像划分为若干图像区域，分别将脸部对比图像中的每一图像区域与用户证件图像中对应的区域进行相似度计算，并生成相似度数据；基于各图像区域的遮挡等级，设置对应的权重系数，根据各图像区域的权重系数和对应的相似度数据，进行加权平均计算，将加权平均计算的结果与预设的合格阈值进行对比，以生成图像对比结果，便于降低遮挡区域在图像对比结果判断中的权重，提高未被遮挡区域在图像对比结果判断中的权重，从而达到提高图像对比结果的准确性的效果；若相似度的加权平均计算结果大于预设的合格阈值，则图像对比结果为合格，否则为不合格。
18.本技术在一较佳示例中：基于图像对比结果和预设处理规则，生成处理信号并发送至执行终端的步骤中，包括：当图像对比结果为合格时，生成合格处理信号并发送至执行终端；
获取本次脸部对比图像，存储至对应证件的对比图像库中作为证件图像。
19.通过采用上述技术方案，当图像对比结果为合格时，则认为人证身份一致，生成合格处理信号并发送至执行终端中，以执行人脸识别核验成功后的工作；当人脸识别核验的图像对比结果为合格时，获取本次脸部对比图像，将脸部对比图像存储至对应证件的对比图像库中，便于作为新的证件图像与该人员未来的脸部对比图像进行对比，从而提高针对该人员的人脸识别核验的准确性。
20.本技术的发明目的二采用如下技术方案实现：基于ai人脸识别核验管理系统，包括：脸部对比图像获取模块，用于获取身份核验图像，通过人脸识别算法从所述身份核验图像中识别脸部对比图像；遮挡标记处理模块，用于通过图像识别算法识别脸部对比图像中的遮挡物，对脸部对比图像进行遮挡标记处理，以标记遮挡区域和对应的遮挡等级；图像对比结果生成模块，用于将遮挡标记处理后的脸部对比图像输入至人脸对比模型中，计算各图像区域的相似度数据，基于各图像区域的遮挡等级设置对应的权重系数，对各图像区域的相似度数据进行加权平均后，生成图像对比结果；图像对比结果执行模块，用于基于图像对比结果和预设处理规则，生成处理信号并发送至执行终端。
21.通过采用上述技术方案，通过摄像组件拍摄身份核验图像，通过人脸识别算法从身份验证图像中识别人体脸部轮廓，从而生成脸部对比图像；通过图像识别算法从脸部对比图像中识别遮挡物，如口罩、眼镜等，对脸部对比图像中被遮挡物遮挡的区域进行标记处理，将被遮挡物遮挡的区域标记为遮挡区域，由于部分遮挡物如眼镜存在透光的部分区域，因此，可根据遮挡物对人体脸部遮挡的可视程度标记对应的遮挡等级；将经过遮挡标记处理后的脸部对比图像输入至人脸对比模型中，从而便于对遮挡标记处理后的脸部对比图像进行人脸识别对比，并计算各图像区域的相似度数据，根据脸部对比图像中各区域的遮挡等级，设置相应的权重系数，以便对未遮挡的区域设置较高的权重系数，对遮挡更严重的区域设置相较于遮挡较轻的区域更低的权重系数，从而达到提高后续针对脸部对比图像中各区域的相似度数据生成图像对比结果的科学性，从而提高了人脸识别成功率；图像对比结构生成后，根据预设的处理规则，生成相应的处理信号并发送至执行终端，使执行终端执行相应的工作。
22.本技术的发明目的三采用如下技术方案实现：一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于ai人脸识别核验管理方法的步骤。
23.本技术的发明目的四采用如下技术方案实现：一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述基于ai人脸识别核验管理方法的步骤。
24.综上所述，本技术包括以下至少一种有益技术效果：1. 通过摄像组件拍摄身份核验图像，通过人脸识别算法从身份验证图像中识别人体脸部轮廓，从而生成脸部对比图像；通过图像识别算法从脸部对比图像中识别遮挡物，
如口罩、眼镜等，对脸部对比图像中被遮挡物遮挡的区域进行标记处理，将被遮挡物遮挡的区域标记为遮挡区域，由于部分遮挡物如眼镜存在透光的部分区域，因此，可根据遮挡物对人体脸部遮挡的可视程度标记对应的遮挡等级；将经过遮挡标记处理后的脸部对比图像输入至人脸对比模型中，从而便于对遮挡标记处理后的脸部对比图像进行人脸识别对比，并计算各图像区域的相似度数据，根据脸部对比图像中各区域的遮挡等级，设置相应的权重系数，以便对未遮挡的区域设置较高的权重系数，对遮挡更严重的区域设置相较于遮挡较轻的区域更低的权重系数，从而达到提高后续针对脸部对比图像中各区域的相似度数据生成图像对比结果的科学性，从而提高了人脸识别成功率；图像对比结构生成后，根据预设的处理规则，生成相应的处理信号并发送至执行终端，使执行终端执行相应的工作。
25.2. 由于当前社会上配戴眼镜人口占总人口比例较大，且大量人员佩戴的近视镜或远视镜会导致图像畸变，而现有的人脸识别算法常通过脸部的特定点位的相对位置判断身份，而被眼镜的镜片覆盖的眼部为关键点位，因而容易造成人脸对比识别失败的情况；当识别到脸部对比图像中的遮挡物为眼镜时，从脸部对比图像中识别用于进行脸部对比的脸部特征轮廓，以便将脸部对比图像中位于镜片覆盖范围内和位于镜片覆盖范围外的脸部特征轮廓的尺寸参数进行对比；对镜片覆盖范围内脸部特征轮廓的尺寸参数和镜片覆盖范围外脸部特征轮廓的尺寸参数进行对比，计算将镜片覆盖范围内脸部特征轮廓的尺寸参数调整至消除镜片覆盖范围内图像畸变影响所需的补偿参数作为特征轮廓补偿参数；基于特征轮廓补偿参数对镜片覆盖范围内的脸部特征轮廓图像进行修正，以便在后续的相似度对比环节中降低镜片覆盖范围内图像畸变所造成的影响，从而提高相似度数据计算的准确性。
26.3. 当图像对比结果为合格时，则认为人证身份一致，生成合格处理信号并发送至执行终端中，以执行人脸识别核验成功后的工作；当人脸识别核验的图像对比结果为合格时，获取本次脸部对比图像，将脸部对比图像存储至对应证件的对比图像库中，便于作为新的证件图像与该人员未来的脸部对比图像进行对比，从而提高针对该人员的人脸识别核验的准确性。
附图说明
27.图1是本技术实施例一中基于ai人脸识别核验管理方法的流程图。
28.图2是本技术基于ai人脸识别核验管理方法中步骤s10的流程图。
29.图3是本技术基于ai人脸识别核验管理方法中步骤s20的流程图。
30.图4是本技术基于ai人脸识别核验管理方法中步骤s20的另一流程图。
31.图5是本技术基于ai人脸识别核验管理方法中步骤s23的流程图。
32.图6是本技术基于ai人脸识别核验管理方法中步骤s30的流程图。
33.图7是本技术基于ai人脸识别核验管理方法中步骤s40的流程图。
34.图8是本技术实施例二中基于ai人脸识别核验管理系统的一原理框图。
35.图9是本技术实施例三中的设备示意图。
具体实施方式
36.以下结合附图1至9对本技术作进一步详细说明。
37.实施例一
本技术公开了一种基于ai人脸识别核验管理方法，可用于编制身份核验设备的人脸人证对比识别程序。
38.在本实施例中，身份核验设备包括用于获取待识别人员人脸图像的摄像组件，用于显示操作流程、人脸识别核验结果和向用户反馈人脸位置的显示屏，以及用于读取用户证件信息的证件读取器。
39.进一步地，身份核验设备还包括用于检测身份核验设备前方是否有人体存在的人体识别传感器，人体识别传感器可以是各类型的人体接近传感器，如红外传感器、超声波传感器、热释电传感器等。
40.如图1所示，具体包括如下步骤：s10：获取身份核验图像，通过人脸识别算法从所述身份核验图像中识别脸部对比图像。
41.在本实施例中，身份核验图像是指通过身份核验设备的摄像组件所拍摄到的图像；人脸识别算法是指用于从身份核验图像中识别是否存在人脸的图像，并截取人脸图像的算法。
42.具体地，通过身份核验设备上的摄像组件拍摄身份核验设备前方的图像作为身份核验图像，通过人脸识别算法实时对身份核验图像进行处理，以便从中识别人脸的图像并截取，生成脸部对比图像，便于后续根据脸部对比图像与用户的证件信息中的图像进行对比，以核验人员身份，从而降低人体其他部位的图像对人脸识别核验所造成的影响，提高人脸识别核验的准确性。
43.其中，参照图2，在步骤s10中，包括：s11：接收人体识别传感器发出的人体识别信号，生成图像获取信号并发送至摄像组件。
44.具体地，通过人体识别传感器实时识别身份核验设备前方、摄像组件的拍摄范围内是否存在人体，当识别到摄像组件的拍摄范围内存在人体时，人体识别传感器发出人体识别信号；当接收到人体识别信号时，生成图像获取信号并发送至摄像组件，以便控制摄像组件拍摄身份核验设备前方的图像，从而生成身份核验图像。
45.s12：接收摄像组件发出身份核验图像，通过人脸识别算法对身份核验图像进行处理。
46.具体地，接收摄像组件获取到并发出的身份核验图像，通过人脸识别算法对身份核验图像进行处理，以便从身份核验图像中识别出人脸图像。
47.在本实施例中，人脸识别算法为卷积神经网络算法，并通过互联网公开的人脸识别数据集进行训练；在本技术的其他实施例中，人脸识别算法也可以直接使用其他类型现有的算法。
48.s13：从身份核验图像中识别人脸轮廓，基于身份核验图像和人脸轮廓的位置信息生成脸部对比图像。
49.具体地，获取身份核验图像后，通过人脸识别算法从身份核验图像中识别人脸轮廓，并确定人脸轮廓各边缘点位在身份核验图像中的位置信息，基于人脸轮廓的位置信息从身份核验图像中截取出脸部对比图像，以便后续进行人脸对比。
50.s20：通过图像识别算法识别脸部对比图像中的遮挡物，对脸部对比图像进行遮挡
标记处理，以标记遮挡区域和对应的遮挡等级。
51.在本实施例中，图像识别算法是指用于从脸部对比图像中识别遮挡物的算法；遮挡区域是指脸部对比图像中，人脸轮廓内被遮挡的区域；遮挡等级是指根据遮挡区域的遮挡程度所确定的等级，遮挡程度与遮挡等级呈正相关。
52.由于待识别人员脸部的遮挡物如口罩、眼镜等，会对人脸识别核验的准确性造成影响，因此，需要通过图像识别算法从脸部对比图像中识别遮挡物，并对脸部对比图像中被遮挡物遮挡的区域进行标记处理，将被遮挡物遮挡的区域标记为遮挡区域，便于后续对脸部对比图像中被遮挡的区域进行针对性的图像处理。
53.由于部分遮挡物如眼镜存在透光的部分区域，因此，可根据遮挡物对人体脸部遮挡的可视程度标记对应的遮挡等级，以便进一步提高针对遮挡区域处理的科学性。
54.其中，通过图像识别算法识别脸部对比图像中的遮挡物，对脸部对比图像进行遮挡标记处理的步骤可参照图3，在步骤s20之前，包括：s21：从互联网获取各类典型遮挡物的图片并存储至遮挡物样本库中。
55.在本实施例中，典型遮挡物是指眼镜、口罩、帽子等常见的可能会对人脸进行遮挡的物品。
56.具体地，根据各类典型遮挡物的名称形成关键词，根据关键词从互联网上搜索各类典型遮挡物的图片，将获取到的典型遮挡物的图片存储至遮挡物样品库中，便于后续根据遮挡物样品库中的图片定向训练图像识别算法针对典型遮挡物的识别能力。
57.s22：基于遮挡物样本库中存储的图片对图像识别算法进行训练和检验。
58.在本实施例中，图像识别算法为卷积神经网络算法，通过遮挡物样本库为数据集进行训练。
59.具体地，从遮挡物样本库中获取部分典型遮挡物的图片对图像识别算法进行训练，以便提高图像识别算法针对各类遮挡物图像的识别能力，训练完成后，定期从遮挡物样本库中获取部分典型遮挡物的图片对图像识别算法的识别准确性进行验证。
60.进一步地，定期从互联网上获取新的典型遮挡物的图片，以更新遮挡物样本库。
61.其中，参照图4，在步骤s20中，包括：s23：通过图像识别算法对脸部对比图像进行处理，确定脸部对比图像中的遮挡物。
62.具体地，获取到脸部对比图像之后，通过经定向训练后的图像识别算法对脸部对比图像进行处理，从而确定脸部对比图像中是否存在遮挡物，遮挡物所在位置信息，以及各遮挡物的类型信息。
63.s24：根据遮挡物在脸部对比图像中的位置信息，将所述遮挡物覆盖的区域标记为遮挡区域。
64.在本实施例中，遮挡物的位置信息是指遮挡物轮廓边缘各点在脸部对比图像中的像素位置的信息。
65.具体地，根据遮挡物在脸部对比图像中的位置信息，将遮挡物所覆盖的区域标记为遮挡区域，便于后续对脸部对比图像中被遮挡的区域进行针对性的图像处理。
66.s25：将脸部对比图像与标准脸部图像进行对比，基于脸部对比图像在遮挡区域内与标准脸部图像的相似度，确定遮挡区域的遮挡等级。
67.由于不同类型的遮挡物对脸部对比图像的遮挡程度不同，例如，不同类型的眼镜根据颜色不同，对人脸眼部的遮挡程度存在差异，部分防晒面纱或透明的塑料防疫面具也不会完全遮挡人脸的特征，因此，可根据遮挡区域被遮挡程度的不同确定对应的遮挡等级。
68.在本实施例中，标准脸部图像是指基于待识别人员的身份信息确定的同类型人员的脸部图像，用于与待识别人员的脸部对比图像进行对比，从而判断各遮挡区域的清晰程度。
69.具体地，通过证件读取器读取用户的证件信息，以确定用户的性别、年龄等信息，以便匹配与用户的性别、年龄等信息相符的标准脸部图像；逐一将各遮挡区域的脸部对比图像与标准脸部图像进行相似度对比，根据识别到的相似度判断遮挡区域被遮挡的程度，从而确定对应的遮挡等级；在本实施例中，将脸部对比图像与标准脸部图像进行相似度对比的目的是判断是否能够从遮挡区域识别出脸部特征轮廓，如五官的轮廓，而非对比两者的身份，因而相应的相似度计算的算法需要进行相应的训练。
70.其中，参照图5，在步骤s23之后，包括：s231：当识别到所述遮挡物为眼镜时，从脸部对比图像中识别脸部特征轮廓。
71.由于当前社会上配戴眼镜人口占总人口比例较大，且大量人员佩戴的近视镜或远视镜会导致图像畸变，而现有的人脸识别算法常通过脸部的特定点位的相对位置判断身份，而被眼镜的镜片覆盖的眼部为关键点位，因而容易造成人脸对比识别失败的情况。
72.在本实施例中，脸部特征轮廓是指人脸中的口、鼻、眼等器官以及脸部整体的轮廓，用于识别人员身份。
73.具体地，当识别到的遮挡物类型为眼镜时，则摄像组件可拍摄到被镜片覆盖区域的脸部特征轮廓，从脸部对比图像中获取脸部特征轮廓，便于后续将脸部对比图像中位于镜片覆盖范围内和位于镜片覆盖范围外的脸部特征轮廓的尺寸参数进行对比。
74.s232：基于镜片覆盖范围内脸部特征轮廓与镜片覆盖范围外脸部特征轮廓的尺寸参数，计算特征轮廓补偿参数。
75.在本实施例中，脸部特征轮廓的尺寸参数是指脸部对比图像中的脸部特征轮廓的尺寸参数，由于身份核验图像在拍摄时，人员与身份核验设备之间的距离会影响身份核验图像的缩放比例，因此，脸部特征轮廓的尺寸参数是指脸部特征轮廓中各点位之间距离的相对尺寸比例；特征轮廓补偿参数是指用于将镜片覆盖范围内脸部特征轮廓的尺寸参数修正至消除镜片的图像畸变影响所需调整的参数。
76.具体地，由于待核验人员所佩戴的近视镜或远视镜会导致图像畸变，因此，从脸部对比图像中获取脸部对比图像以及对应的尺寸参数，将镜片覆盖范围内脸部特征轮廓的尺寸参数与镜片覆盖范围外脸部特征轮廓的尺寸参数进行对比，从而计算特征轮廓的补偿参数；例如，在脸部对比图像中，脸部对比图像位于眼镜的镜片外下沿处的脸部宽度占300个像素点，而脸部对比图像位于眼镜的镜片内、脸部轮廓同一位置的宽度占270个像素点，则该眼镜的镜片对脸部对比图像在宽度上的畸变为尺寸缩小为原本的0.9倍，进而计算特征轮廓补偿参数，特征轮廓补偿参数在镜片覆盖范围内在宽度方向上的调整参数为1/0.9；便于后续根据特征轮廓对眼镜的镜片覆盖范围内的脸部特征轮廓图像进行修正。
77.s233：基于特征轮廓补偿参数对镜片覆盖范围内的脸部特征轮廓图像进行修正。
78.具体地，根据计算得到的特征轮廓补偿参数对镜片覆盖范围内的脸部特征轮廓的
图像进行修正，以便在后续的相似度对比环节中降低镜片覆盖范围内图像畸变所造成的影响，从而提高相似度数据计算的准确性。
79.s30：将遮挡标记处理后的脸部对比图像输入至人脸对比模型中，计算各图像区域的相似度数据，基于各图像区域的遮挡等级设置对应的权重系数，对各图像区域的相似度数据进行加权平均后，生成图像对比结果。
80.在本实施例中，人脸对比模型是指用于将脸部对比图像与证件图像相似性，从而确定待核验人员是否与证件信息身份一致的模型。
81.具体地，将经过遮挡标记处理后的脸部对比图像输入至人脸对比模型中，并将通过证件读取器读取到的证件信息对应的证件图像输入至人脸对比模型中；将脸部对比图像划分为若干图像区域，并逐一计算脸部对比图像的各图像区域与证件图像中对应区域的相似度，生成各图像区域的相似度数据。
82.具体地，根据各图像区域的遮挡等级设置对应的权重系数，权重系数与遮挡等级呈负相关，以便对未遮挡的区域设置较高的权重系数，对遮挡更严重的区域设置相较于遮挡较轻的区域更低的权重系数；对各图像区域的相似度数据与对应的权重系数进行加权平均计算后，确定图像对比结果，从而达到提高后续针对脸部对比图像中各区域的相似度数据生成图像对比结果的科学性，从而提高了人脸识别准确性。
83.其中，参照图6，在步骤s30中，包括：s31：将经遮挡标记处理后的脸部对比图像划分为若干图像区域，分别计算脸部对比图像中各图像区域与证件图像对应区域的相似度数据。
84.具体地，将经遮挡标记处理后的脸部对比图像划分为若干图像区域，通过图像相似度算法逐一计算脸部对比图像的各图像区域与证件图像中对应区域的相似度，以生成各图像区域的相似度数据。
85.s32：基于各图像区域的遮挡等级设置对应的权重系数，基于各图像区域的权重系数与对应的相似度数据进行加权平均计算。
86.具体地，基于各图像区域的遮挡等级设置对应的权重系数，其中，权重系数与遮挡等级呈负相关，遮挡等级越低，则该图像区域越清晰，应赋予更高的权重系数；遮挡等级越高，则该图像区域越不清晰，应赋予更低的权重系数；基于各图像区域的权重系数与对应图像区域的相似度数据进行加权平均计算，以便提高对部分被遮挡的脸部对比图像进行相似度数据的准确性。
87.s33：将加权平均计算结果与合格阈值进行对比，生成图像对比结果。
88.在本实施例中，合格阈值是指用于判断脸部对比图像与证件图像的相似度数据加权平均计算结果是否合格的阈值，可以根据实际寻求进行设置和调整。
89.具体地，将脸部对比图像的各图像区域的相似度数据的加权平均计算结果与合格阈值进行对比，若相似度数据的加权平均计算结果大于预设的合格阈值，则生成合格的图像对比结果，若相似度数据的加权平均计算结果小于预设的合格阈值，则生成不合格的图像对比结果。
90.s40：基于图像对比结果和预设处理规则，生成处理信号并发送至执行终端。
91.在本实施例中，处理规则是指预设的根据不同的图像对比结果，生成不同处理信号以执行相应的工作的规则；执行终端是指用于根据图像对比结果执行不同工作的终端。
92.具体地，获取图像对比结果后，根据预设的处理规则，生成对应的处理信号，将处理信号发送至执行终端，在本实施例中，执行终端是闸门装置，若图像对比结果为合格，则生成闸门开启信号并发送至闸门装置，以控制闸门开启；若图像对比结果为不合格，则生成重复识别信号和识别提示信息，其中，重复识别信号用于控制身份核验设备重新执行ai人脸识别核验工作，识别提示信息通过身份核验设备的显示屏进行展示，用于说明人脸识别核验不通过的原因，并提示提高人脸识别核验准确率的方法，如摘下眼镜口罩等。
93.其中，参照图7，在步骤s40中，还包括：s41：当图像对比结果为合格时，生成合格处理信号并发送至执行终端。
94.具体地，当图像对比结果为合格时，则认为人证身份一致，生成合格处理信号并发送至执行终端中，以执行人脸识别核验成功后的工作，在本实施例中为控制闸门开启。
95.s42：获取本次脸部对比图像，存储至对应证件的对比图像库中作为证件图像。
96.具体地，当人脸识别核验的图像对比结果为合格时，获取本次脸部对比图像，将脸部对比图像存储至对应证件的对比图像库中，便于作为新的证件图像，将该脸部对比图像与该证件信息绑定，作为该待核验人员未来进行人脸识别核验时的证件图像，从而提高针对该人员的人脸识别核验的准确性。
97.进一步地，为对比图像库设置证件图像存储上限，对于原始的法定证件图像进行永久保留，对于在人脸识别核验中获取的脸部对比图像，则设置存储数量上限，以降低对证件信息的存储需求。
98.应理解，上述实施例中各步骤的序号大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本技术实施例的实施过程构成任何限定。
99.实施例二如图8所示，本技术公开了一种基于ai人脸识别核验管理系统，用于执行上述基于ai人脸识别核验管理方法的步骤，该基于ai人脸识别核验管理系统与上述实施例中基于ai人脸识别核验管理方法相对应。
100.基于ai人脸识别核验管理系统包括脸部对比图像获取模块、遮挡标记处理模块、图像对比结果生成模块和图像对比结果执行模块。各功能模块的详细说明如下：脸部对比图像获取模块，用于获取身份核验图像，通过人脸识别算法从所述身份核验图像中识别脸部对比图像；遮挡标记处理模块，用于通过图像识别算法识别脸部对比图像中的遮挡物，对脸部对比图像进行遮挡标记处理，以标记遮挡区域和对应的遮挡等级；图像对比结果生成模块，用于将遮挡标记处理后的脸部对比图像输入至人脸对比模型中，计算各图像区域的相似度数据，基于各图像区域的遮挡等级设置对应的权重系数，对各图像区域的相似度数据进行加权平均后，生成图像对比结果；图像对比结果执行模块，用于基于图像对比结果和预设处理规则，生成处理信号并发送至执行终端。
101.其中，脸部对比图像获取模块包括：人体识别子模块，用于接收人体识别传感器发出的人体识别信号，生成图像获取信号并发送至摄像组件；身份核验图像处理子模块，用于接收摄像组件发出身份核验图像，通过人脸识别
算法对身份核验图像进行处理；脸部对比图像生成子模块，用于从身份核验图像中识别人脸轮廓，基于身份核验图像和人脸轮廓的位置信息生成脸部对比图像。
102.其中，遮挡标记处理模块包括：遮挡物样本库生成子模块，用于从互联网获取各类典型遮挡物的图片并存储至遮挡物样本库中；图像识别算法训练子模块，用于基于遮挡物样本库中存储的图片对图像识别算法进行训练和检验；遮挡物识别子模块，用于通过图像识别算法对脸部对比图像进行处理，确定脸部对比图像中的遮挡物；遮挡区域标记子模块，用于根据遮挡物在脸部对比图像中的位置信息，将所述遮挡物覆盖的区域标记为遮挡区域；遮挡等级确定子模块，用于将脸部对比图像与标准脸部图像进行对比，基于脸部对比图像在遮挡区域内与标准脸部图像的相似度，确定遮挡区域的遮挡等级。
103.其中，遮挡物识别子模块包括：脸部特征轮廓识别子模块，用于当识别到所述遮挡物为眼镜时，从脸部对比图像中识别脸部特征轮廓；特征轮廓补偿参数计算子模块，用于基于镜片覆盖范围内脸部特征轮廓与镜片覆盖范围外脸部特征轮廓的尺寸参数，计算特征轮廓补偿参数；特征轮廓图像修正子模块，用于基于特征轮廓补偿参数对镜片覆盖范围内的脸部特征轮廓图像进行修正。
104.其中，图像对比结果生成模块包括：相似度数据计算子模块，用于将经遮挡标记处理后的脸部对比图像划分为若干图像区域，分别计算脸部对比图像中各图像区域与证件图像对应区域的相似度数据；加权平均计算子模块，用于基于各图像区域的遮挡等级设置对应的权重系数，基于各图像区域的权重系数与对应的相似度数据进行加权平均计算；图像对比结果生成子模块，用于将加权平均计算结果与合格阈值进行对比，生成图像对比结果。
105.其中，图像对比结果执行模块包括：合格处理信号生成子模块，用于当图像对比结果为合格时，生成合格处理信号并发送至执行终端；证件图像更新子模块，用于获取本次脸部对比图像，存储至对应证件的对比图像库中作为证件图像。
106.关于基于ai人脸识别核验管理系统的具体限定可以参见上文中对于基于ai人脸识别核验管理方法的限定，在此不再赘述；上述基于ai人脸识别核验管理系统中的各个模块可全部或部分通过软件、硬件及其组合来实现；上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以是以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
107.实施例三
一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储身份核验图像、人脸识别算法、脸部对比图像、图像识别算法、脸部对比图像、人脸对比模型、相似度数据、权重系数、图像对比结果、处理规则和处理信号等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现基于ai人脸识别核验管理方法。
108.在一个实施例中，提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：s10：获取身份核验图像，通过人脸识别算法从所述身份核验图像中识别脸部对比图像；s20：通过图像识别算法识别脸部对比图像中的遮挡物，对脸部对比图像进行遮挡标记处理，以标记遮挡区域和对应的遮挡等级；s30：将遮挡标记处理后的脸部对比图像输入至人脸对比模型中，计算各图像区域的相似度数据，基于各图像区域的遮挡等级设置对应的权重系数，对各图像区域的相似度数据进行加权平均后，生成图像对比结果；s40：基于图像对比结果和预设处理规则，生成处理信号并发送至执行终端。
109.在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：s10：获取身份核验图像，通过人脸识别算法从所述身份核验图像中识别脸部对比图像；s20：通过图像识别算法识别脸部对比图像中的遮挡物，对脸部对比图像进行遮挡标记处理，以标记遮挡区域和对应的遮挡等级；s30：将遮挡标记处理后的脸部对比图像输入至人脸对比模型中，计算各图像区域的相似度数据，基于各图像区域的遮挡等级设置对应的权重系数，对各图像区域的相似度数据进行加权平均后，生成图像对比结果；s40：基于图像对比结果和预设处理规则，生成处理信号并发送至执行终端。
110.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（rom）、可编程rom（prom）、电可编程rom（eprom）、电可擦除可编程rom（eeprom）或闪存。易失性存储器可包括随机存取存储器（ram）或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram（sram）、动态ram（dram）、同步dram（sdram）、双数据率sdram（ddrsdram）、增强型sdram（esdram）、同步链路（synchlink）、dram（sldram）、存储器总线（rambus）直接ram（rdram）、直接存储器总线动态ram（drdram）、以及存储器总线动态ram（rdram）等。
111.所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
112.以上所述实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域普通技术人员应当理解；其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围，均应包含在本技术的保护范围之内。