本发明涉及人工智能,具体地,涉及一种人脸识别方法及装置。
背景技术:
1、随着企业规模的增大和业务的复杂化,会议已经成为企业日常管理中不可或缺的一部分,它是组织和管理工作的重要手段。在会议中,人们可以交流意见、分享经验、制定计划和决策等。因此,参会人在会议中入会出会情况,在会议中的实际时长是很重要的评价其参会质量的指标,为了更好的了解会议中各参会人在会议中的入会出会情况,后续便于分析各参会人在会议中的实际参会时长,统计汇总是不可少的。
2、现有技术的技术方案
3、目前会议系统主要分为视频会议和非视频会议(现场会议),对于视频会议,参会人登陆会议系统入会后,系统可以实时的监测出参会人在会议中的情况,比如在某某时间点参会人退出了会议系统、在某某时间点参会人重新进入了会议系统,后续可以很方便的根据这些数据进行统计分析。而现场会议想要统计出参会人在会中出会入会情况只能通过人工统计,通过肉眼实时的去观察记录。
4、现有技术的缺点
5、(1)效率低,监测人需要先去核对参会人的姓名、所属部门,并查询当前时间,最后记录到纸质表中,过程既慢又繁琐。
6、(2)可靠性差,当会议中同时出现多人出会入会,监测人需要一个个去记录参会人出会入会数据,较容易出现登记错误、漏登记的情况。
7、(3)纸质表容易丢失、损坏,不利于后期管理。
8、(4)不便分析,所有的现场会议都需要登记到纸质表中,而每天会议数量较大,后期想要去分析某个会议的会中情况只能去海量纸质表中一张张查,工作量巨大。
技术实现思路
1、本发明实施例的主要目的在于提供一种人脸识别方法及装置,以提升监测的效率和正确性,管理方便。
2、为了实现上述目的,本发明实施例提供一种人脸识别方法,包括:
3、获取目标图像;
4、对所述目标图像进行人脸检测,得到目标人脸图像;
5、将所述目标人脸图像输入人脸识别模型中,得到人脸识别结果;
6、其中,所述人脸识别模型通过人脸投影矩阵创建,所述人脸投影矩阵通过经过分块处理的历史人脸图像的特征向量得到。
7、在其中一种实施例中,创建人脸识别模型的步骤包括:
8、基于所述历史人脸图像进行分块操作,得到各人脸图像块的特征向量;
9、根据各人脸图像块的特征向量确定人脸投影矩阵;
10、根据所述人脸投影矩阵创建所述人脸识别模型。
11、在其中一种实施例中,将所述目标人脸图像输入人脸识别模型中,得到人脸识别结果包括:
12、将所述目标人脸图像向所述人脸投影矩阵进行投影,得到目标人脸投影数据;
13、确定所述目标人脸投影数据与各历史人脸特征数据的相似度;
14、确定所述相似度的最大值对应的历史人脸特征数据为人脸识别结果。
15、在其中一种实施例中,基于所述历史人脸图像进行分块操作,得到各人脸图像块的特征向量包括:
16、基于所述历史人脸图像确定历史人脸特征数据;
17、对所述历史人脸特征数据进行分块操作,得到各人脸图像块的特征向量。
18、在其中一种实施例中,根据各人脸图像块的特征向量确定人脸投影矩阵包括:
19、对各特征向量中的特征值进行降序排序;
20、根据排序结果确定待去除特征向量;
21、从各特征向量中删除待去除特征向量,得到所述人脸投影矩阵。
22、在其中一种实施例中,对所述目标图像进行人脸检测包括:
23、将所述目标图像投影到颜色空间后采用肤色模型对所述目标图像进行分割;
24、根据图像分割结果确定人脸区域;
25、根据所述人脸区域得到所述目标人脸图像。
26、本发明实施例还提供一种人脸识别装置,包括:
27、目标图像获取模块,用于获取目标图像;
28、人脸检测模块,用于对所述目标图像进行人脸检测,得到目标人脸图像;
29、人脸识别结果模块,用于将所述目标人脸图像输入人脸识别模型中,得到人脸识别结果;
30、其中,所述人脸识别模型通过人脸投影矩阵创建,所述人脸投影矩阵通过经过分块处理的历史人脸图像的特征向量得到。
31、在其中一种实施例中,还包括:
32、分块模块,用于基于所述历史人脸图像进行分块操作,得到各人脸图像块的特征向量;
33、人脸投影矩阵模块,用于根据各人脸图像块的特征向量确定人脸投影矩阵;
34、人脸识别模型创建模块,用于根据所述人脸投影矩阵创建所述人脸识别模型。
35、在其中一种实施例中,人脸识别结果模块包括:
36、目标人脸投影数据单元,用于将所述目标人脸图像向所述人脸投影矩阵进行投影,得到目标人脸投影数据;
37、相似度单元,用于确定所述目标人脸投影数据与各历史人脸特征数据的相似度
38、人脸识别结果单元,用于确定所述相似度的最大值对应的历史人脸特征数据为人脸识别结果。
39、在其中一种实施例中,分块模块包括:
40、历史人脸特征数据单元,用于基于所述历史人脸图像确定历史人脸特征数据;
41、分块单元,用于对所述历史人脸特征数据进行分块操作,得到各人脸图像块的特征向量。
42、在其中一种实施例中,人脸投影矩阵模块包括:
43、排序单元,用于对各特征向量中的特征值进行降序排序;
44、待去除特征向量单元,用于根据排序结果确定待去除特征向量;
45、人脸投影矩阵单元,用于从各特征向量中删除待去除特征向量,得到所述人脸投影矩阵。
46、在其中一种实施例中,人脸检测模块包括:
47、图像分割单元,用于将所述目标图像投影到颜色空间后采用肤色模型对所述目标图像进行分割;
48、人脸区域单元,用于根据图像分割结果确定人脸区域;
49、目标人脸图像单元,用于根据所述人脸区域得到所述目标人脸图像。
50、本发明实施例还提供一种电子设备,包括存储器、处理器及存储在存储器上并在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所述的人脸识别方法的步骤。
51、本发明实施例还提供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所述的人脸识别方法的步骤。
52、本发明实施例还提供一种计算机程序产品,包括计算机程序/指令,计算机程序/指令被处理器执行时实现所述的人脸识别方法的步骤。
53、本发明实施例的人脸识别方法及装置对目标图像进行人脸检测,将得到的目标人脸图像输入人脸投影矩阵中得到人脸识别结果,可以提升监测的效率和正确性,管理方便。
1.一种人脸识别方法,其特征在于,包括:
2.根据权利要求1所述的人脸识别方法,其特征在于,创建人脸识别模型的步骤包括:
3.根据权利要求2所述的人脸识别方法,其特征在于,将所述目标人脸图像输入人脸识别模型中,得到人脸识别结果包括:
4.根据权利要求2所述的人脸识别方法,其特征在于,基于所述历史人脸图像进行分块操作,得到各人脸图像块的特征向量包括:
5.根据权利要求2所述的人脸识别方法,其特征在于,根据各人脸图像块的特征向量确定人脸投影矩阵包括:
6.根据权利要求1所述的人脸识别方法,其特征在于,对所述目标图像进行人脸检测包括:
7.一种人脸识别装置,其特征在于,包括:
8.一种电子设备,包括存储器、处理器及存储在存储器上并在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6任一项所述的人脸识别方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6任一项所述的人脸识别方法的步骤。
10.一种计算机程序产品,包括计算机程序/指令,其特征在于,所述计算机程序/指令被处理器执行时实现权利要求1至6任一项所述的人脸识别方法的步骤。