基于优先级筛选的人脸识别方法及系统与流程

本发明涉及图像处理，尤其涉及一种基于优先级筛选的人脸识别方法及系统。

背景技术：

1、随着图像处理技术的发展，人脸识别算法在面对单一人脸场景时已具有较好的识别精度，但在一些特定的场景中，如单一场景存在多人脸的场景中，如何实现更加高效和合理的人脸识别，现有技术仍然存在缺陷。

2、具体的，现有技术在实现单图像多人脸的识别时，没有考虑到具体结合不同人脸图像的识别请求和设备场景来确定识别策略，因此显然现有技术存在缺陷，亟需解决。

技术实现思路

1、本发明所要解决的技术问题在于，提供一种基于优先级筛选的人脸识别方法及系统，能够实现在同图像多人脸场景下的更加精准和合理的人脸识别，提高人脸识别的效果和效率。

2、为了解决上述技术问题，本发明第一方面公开了一种基于优先级筛选的人脸识别方法，所述方法包括：

3、通过对目标图像进行实时识别得到多个人脸图像和每一所述人脸图像对应的用户发送的识别请求；

4、根据所述识别请求的请求参数，以及预设的级别确定算法，确定每一所述人脸图像对应的识别级别；

5、获取所述目标图像对应的获取设备的当前位置，根据所述获取设备的设备参数和所述当前位置，确定所述获取设备对应的设备场景；

6、根据所述设备场景，以及每一所述人脸图像对应的识别级别，确定所述多个人脸图像对应的识别策略；所述识别策略用于限定所述多个人脸图像的是否识别以及识别顺序。

7、作为一种可选的实施方式，在本发明第一方面中，所述请求参数包括识别发起对象、识别发起目的、识别发起时间和识别对象所处位置；和/或，所述设备参数包括设备类型、设备名称、设备部件参数中的至少一种。

8、作为一种可选的实施方式，在本发明第一方面中，所述根据所述识别请求的请求参数，以及预设的级别确定算法，确定每一所述人脸图像对应的识别级别，包括：

9、将每一所述识别请求的请求参数输入至训练好的优先级预测神经网络模型中，以得到对应的每一所述人脸图像对应的优先级参数；所述优先级预测神经网络模型通过包括有多个训练请求参数和对应的优先级标注的训练数据集训练得到；

10、计算每一所述人脸图像对应的优先级参数和预设的参数权重的乘积，得到每一所述人脸图像对应的级别参数；

11、根据所述级别参数从大到小对所有所述人脸图像进行排序得到图像序列，将每一所述人脸图像在所述图像序列中的次序，确定为每一所述人脸图像对应的识别级别。

12、作为一种可选的实施方式，在本发明第一方面中，所述预设的参数权重包括时间参数权重和位置权重；所述时间参数权重与所述人脸图像对应的识别发起时间与当前时间点的时间差成正比；所述位置权重与所述人脸图像对应的识别对象所在位置与所述目标图像对应的获取设备的当前位置之间的位置差距成反比。

13、作为一种可选的实施方式，在本发明第一方面中，所述根据所述获取设备的设备参数和所述当前位置，确定所述获取设备对应的设备场景，包括：

14、将所述获取设备的设备参数和所述当前位置，输入至训练好的场景预测神经网络模型中，以得到所述获取设备对应的设备场景；所述场景预测神经网络模型通过包括有多个训练设备参数和位置标注和对应的设备场景标注的训练数据集训练得到；所述设备场景包括商务会议、餐饮现场、商务聚餐、家庭聚会和婚礼现场中的至少一种。

15、作为一种可选的实施方式，在本发明第一方面中，所述根据所述设备场景，以及每一所述人脸图像对应的识别级别，确定所述多个人脸图像对应的识别策略，包括：

16、根据所述设备场景，以及预设的场景和规则的对应关系，确定出至少一个场景识别规则；所述场景识别规则用于限定特定的设备场景所对应的不同识别发起对象对应的人脸图像之间的先后顺序；

17、根据所述至少一个场景识别规则，以及每一所述人脸图像对应的识别级别，基于动态规划算法，确定所述多个人脸图像对应的识别策略。

18、作为一种可选的实施方式，在本发明第一方面中，所述根据所述至少一个场景识别规则，以及每一所述人脸图像对应的识别级别，基于动态规划算法，确定所述多个人脸图像对应的识别策略，包括：

19、设定目标函数包括识别策略中的确定进行识别的人脸图像的数量达到最多，以及识别策略中的所有所述人脸图像对应的级别差参数的总和达到最小；所述级别差参数为同一所述人脸图像的所述识别级别和识别策略中的识别次序之间的差值；

20、设定限定条件包括识别策略中的任意两个所述人脸图像的识别次序之间不违反所述场景识别规则；

21、根据所述目标函数和所述限定条件，基于动态规划算法，计算出所述多个人脸图像对应的识别策略。

22、本发明第二方面公开了一种基于优先级筛选的人脸识别系统，所述系统包括：

23、获取模块，用于通过对目标图像进行实时识别得到多个人脸图像和每一所述人脸图像对应的用户发送的识别请求；

24、第一确定模块，用于根据所述识别请求的请求参数，以及预设的级别确定算法，确定每一所述人脸图像对应的识别级别；

25、第二确定模块，用于获取所述目标图像对应的获取设备的当前位置，根据所述获取设备的设备参数和所述当前位置，确定所述获取设备对应的设备场景；

26、第三确定模块，用于根据所述设备场景，以及每一所述人脸图像对应的识别级别，确定所述多个人脸图像对应的识别策略；所述识别策略用于限定所述多个人脸图像的是否识别以及识别顺序。

27、作为一种可选的实施方式，在本发明第二方面中，所述请求参数包括识别发起对象、识别发起目的、识别发起时间和识别对象所处位置；和/或，所述设备参数包括设备类型、设备名称、设备部件参数中的至少一种。

28、作为一种可选的实施方式，在本发明第二方面中，所述第一确定模块根据所述识别请求的请求参数，以及预设的级别确定算法，确定每一所述人脸图像对应的识别级别的具体方式，包括：

29、将每一所述识别请求的请求参数输入至训练好的优先级预测神经网络模型中，以得到对应的每一所述人脸图像对应的优先级参数；所述优先级预测神经网络模型通过包括有多个训练请求参数和对应的优先级标注的训练数据集训练得到；

30、计算每一所述人脸图像对应的优先级参数和预设的参数权重的乘积，得到每一所述人脸图像对应的级别参数；

31、根据所述级别参数从大到小对所有所述人脸图像进行排序得到图像序列，将每一所述人脸图像在所述图像序列中的次序，确定为每一所述人脸图像对应的识别级别。

32、作为一种可选的实施方式，在本发明第二方面中，所述预设的参数权重包括时间参数权重和位置权重；所述时间参数权重与所述人脸图像对应的识别发起时间与当前时间点的时间差成正比；所述位置权重与所述人脸图像对应的识别对象所在位置与所述目标图像对应的获取设备的当前位置之间的位置差距成反比。

33、作为一种可选的实施方式，在本发明第二方面中，所述第二确定模块根据所述获取设备的设备参数和所述当前位置，确定所述获取设备对应的设备场景的具体方式，包括：

34、将所述获取设备的设备参数和所述当前位置，输入至训练好的场景预测神经网络模型中，以得到所述获取设备对应的设备场景；所述场景预测神经网络模型通过包括有多个训练设备参数和位置标注和对应的设备场景标注的训练数据集训练得到；所述设备场景包括商务会议、餐饮现场、商务聚餐、家庭聚会和婚礼现场中的至少一种。

35、作为一种可选的实施方式，在本发明第二方面中，所述第三确定模块根据所述设备场景，以及每一所述人脸图像对应的识别级别，确定所述多个人脸图像对应的识别策略的具体方式，包括：

36、根据所述设备场景，以及预设的场景和规则的对应关系，确定出至少一个场景识别规则；所述场景识别规则用于限定特定的设备场景所对应的不同识别发起对象对应的人脸图像之间的先后顺序；

37、根据所述至少一个场景识别规则，以及每一所述人脸图像对应的识别级别，基于动态规划算法，确定所述多个人脸图像对应的识别策略。

38、作为一种可选的实施方式，在本发明第二方面中，所述第三确定模块根据所述至少一个场景识别规则，以及每一所述人脸图像对应的识别级别，基于动态规划算法，确定所述多个人脸图像对应的识别策略的具体方式，包括：

39、设定目标函数包括识别策略中的确定进行识别的人脸图像的数量达到最多，以及识别策略中的所有所述人脸图像对应的级别差参数的总和达到最小；所述级别差参数为同一所述人脸图像的所述识别级别和识别策略中的识别次序之间的差值；

40、设定限定条件包括识别策略中的任意两个所述人脸图像的识别次序之间不违反所述场景识别规则；

41、根据所述目标函数和所述限定条件，基于动态规划算法，计算出所述多个人脸图像对应的识别策略。

42、本发明第三方面公开了另一种基于优先级筛选的人脸识别系统，所述系统包括：

43、存储有可执行程序代码的存储器；

44、与所述存储器耦合的处理器；

45、所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明第一方面公开的基于优先级筛选的人脸识别方法中的部分或全部步骤。

46、本发明第四方面公开了一种计算机存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本发明第一方面公开的基于优先级筛选的人脸识别方法中的部分或全部步骤。

47、与现有技术相比，本发明具有以下有益效果：

48、本发明能够通过多个人脸图像对应的识别请求确定每一人脸图像的识别级别，再进一步确定设备场景并以此确定出识别策略，从而能够实现在同图像多人脸场景下的更加精准和合理的人脸识别，提高人脸识别的效果和效率。