一种近红外人脸模板的录入方法和人脸识别方法

技术领域

本申请涉及人脸识别技术领域，尤其涉及一种近红外人脸模板的录入方法和人脸识别方法。

背景技术

随着人工智能的兴起，计算机视觉领域产生了大量的技术分支，人脸识别是其中的一个课题，近年来对人脸识别一直是有关人员的研究热点。其中，人脸识别包括：可见光人脸识别和近红外人脸识别。

为了人脸信息录入的方便，将物联网技术应用到了考勤领域，可见光人脸模板通过手机录入，并且下发到识别设备(例如考勤机等)。但是在识别设备使用环境中，光线较差时，现场采集的可见光人脸图像不易识别。此时需要借助近红外人脸识别，然而由于手机不能录入近红外人脸模板，导致近红外人脸识别在物联网设备中无法使用。

发明内容

本申请提供了一种近红外人脸模板的录入方法和人脸识别方法，解决了现有在识别设备使用环境中，光线较差时，现场采集的可见光人脸图像不易识别。此时需要借助近红外人脸识别，然而由于手机不能录入近红外人脸模板，导致近红外人脸识别在物联网设备中无法使用的技术问题。

有鉴于此，本申请第一方面提供了一种近红外人脸模板录入方法，应用于物联网中的识别设备，所述方法包括：

当用户首次可见光人脸识别通过时，获取所述用户对应的近红外人脸图像；

对所述近红外人脸图像进行特征提取，得到近红外人脸特征；

将所述近红外人脸特征作为近红外人脸模板存储于所述识别设备本地。

可选地，还包括：

在所述识别设备进行人脸识别任务进程中，获取最新采集到的新可见光人脸图像；

在所述新可见光人脸图像识别通过后，获取所述新可见光人脸图像对应的用户ID；

判断所述识别设备本地是否有所述用户ID对应的近红外人脸模板；

当判断到识别设备本地无所述用户ID对应的近红外人脸模板时，获取所述新可见光人脸图像对应的新近红外人脸图像；

对所述新近红外人脸图像进行特征提取，并将提取的特征作为所述用户ID对应的近红外人脸模板。

可选地，所述对所述近红外人脸图像进行特征提取，得到近红外人脸特征，之前还包括：

判断所述近红外人脸图像是否满足预置的近红外图像质量要求，若是，则执行后续步骤。

可选地，当用户首次可见光人脸识别通过时，获取所述用户对应的近红外人脸图像，之前还包括：

根据所述用户的可见光人脸图像的可见光人脸特征，判断所述用户是否为活体；

当判断到所述用户为活体时，执行后续步骤。

可选地，所述用户首次可见光人脸识别的过程具体包括：

对用户的可见光人脸图像的可见光人脸特征进行可见光人脸识别，得到可见光人脸识别结果。

本申请第二方面提供了一种人脸识别方法，应用于物联网中的识别设备，所述方法包括：

步骤S1、获取待识别人脸对应的可见光图像和近红外图像；

步骤S2、判断所述可见光图像是否满足预置的可见光图像质量要求，若是，则执行步骤S3，若否，则执行步骤S4；

步骤S3、基于所述可见光图像进行人脸识别，并输出对应的人脸识别结果；

步骤S4、基于所述近红外图像和所述识别设备本地的预置近红外人脸模板进行人脸识别，并输出对应的人脸识别结果，其中，所述预置近红外人脸模板是：根据上述第一方面任一种所述的近红外人脸模板录入方法录入至所述识别设备本地的。

可选地，所述步骤S2之后，步骤S4之前还包括：

根据所述近红外图像判断所述待识别人脸是否为活体；

当判断到所述待识别人脸为活体时，执行后续步骤。

可选地，所述步骤S2之后，步骤S3之前还包括：

根据所述可见光图像判断所述待识别人脸是否为活体；

当判断到所述待识别人脸为活体时，执行后续步骤。

可选地，所述步骤S2之后步骤S3之前，或所述步骤S2之后步骤S4之前还包括：

根据所述可见光图像和所述近红外图像，得到待识别人脸的融合特征；

根据所述融合特征，判断所述待识别人脸是否为活体；

当判断到所述待识别人脸为活体时，执行后续步骤。

可选地，所述基于所述近红外图像和所述识别设备本地的预置近红外人脸模板进行人脸识别，并输出对应的人脸识别结果，具体包括：

当判断到所述识别设备本地存储的预置近红外人脸模板中有且仅有一个预置近红外人脸模板和所述近红外图像匹配时，输出人脸识别成功。

从以上技术方法可以看出，本申请具有以下优点：

本申请中的近红外人脸模板录入方法，首先当用户首次可见光人脸识别通过时，获取用户对应的近红外人脸图像；对近红外人脸图像进行特征提取，得到近红外人脸特征；将近红外人脸特征作为近红外人脸模板存储于识别设备本地。

基于此，用户通过手机录入可见光人脸后，手机将可见光人脸图像发送至识别设备，识别设备基于该可见光人脸图像生成可见光人脸模板，用户可以直接通过识别设备进行可见光人脸的识别，而在识别的过程中在识别设备识别可见光人脸首次成功后，识别设备直接通过本机采集近红外人脸图像，进而保存近红外人脸模板，从而实现在物联网中的识别设备中实现了近红外人脸模板的录入，从而解决了现有在识别设备使用环境中，光线较差时，现场采集的可见光人脸图像不易识别。此时需要借助近红外人脸识别，然而由于手机不能录入近红外人脸模板，导致近红外人脸识别在物联网设备中无法使用的技术问题。

附图说明

为了更清楚地说明本申请实施例中的技术方法，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中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性的前提下，还可以根据这些附图获得其它的附图。

图1为本申请实施例中一种近红外人脸模板录入方法的实施例一的流程示意图；

图2为本申请实施例中一种近红外人脸模板录入方法的实施例二的流程示意图；

图3为本申请实施例中一种人脸识别方法的实施例的流程示意图。

具体实施方式

本申请实施例提供了一种近红外人脸模板的录入方法和人脸识别方法，解决了现有在识别设备使用环境中，光线较差时，现场采集的可见光人脸图像不易识别。此时需要借助近红外人脸识别，然而由于手机不能录入近红外人脸模板，导致近红外人脸识别在物联网设备中无法使用的技术问题。

为了使本技术领域的人员更好地理解本申请方法，下面将结合本申请实施例中的附图，对本申请实施例中的技术方法进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请实施例第一方面提供了一种近红外人脸模板录入方法，具体地请参阅如下内容：

以便于理解，请参阅图1，图1为本申请实施例中一种近红外人脸模板录入方法的实施例一的流程示意图。

本实施例中的一种近红外人脸模板录入方法，应用于物联网中的识别设备，其中方法包括：

步骤101、当用户首次可见光人脸识别通过时，获取用户对应的近红外人脸图像。

物联网中的识别设备可以通过手机录入可见光人脸模板，因此当用户在识别设备上首次可见光人脸识别通过时，获取用户对应的近红外人脸图像，即用户首次识别可见光人脸时采集的近红外人脸图像，并基于此生成近红外人脸模板。

由于识别设备上不仅可以采集可见光人脸图像，还可以采集近红外人脸图像，因此用户无需特意到达识别设备中进行可见光人脸模板和近红外人脸模板的录入。

步骤102、对近红外人脸图像进行特征提取，得到近红外人脸特征。

本实施例中的近红外人脸特征包括但不限于眼睛，鼻子，唇部及脸形的面部特征。

可以理解的是，对近红外人脸图像进行特征提取的方法本领域技术人员可以根据需要设置，在此不再进行赘述。

步骤103、将近红外人脸特征作为近红外人脸模板存储于识别设备本地。

在得到近红外人脸特征后，将该近红外人脸特征作为近红外人脸模板存储于识别设备本地，此近红外人脸模板即上述用户对应的近红外人脸模板，后续便可利用该近红外人脸模板进行该用户的近红外人脸识别。

本实施例中的近红外人脸模板录入方法，用户通过手机录入可见光人脸后，手机将可见光人脸图像发送至识别设备，识别设备基于该可见光人脸图像生成可见光人脸模板，用户可以直接通过识别设备进行可见光人脸的识别，而在识别的过程中在识别设备识别可见光人脸首次成功后，识别设备直接通过本机采集近红外人脸图像，进而保存近红外人脸模板，从而实现在物联网中的识别设备中实现了近红外人脸模板的录入，从而解决了现有在识别设备使用环境中，光线较差时，现场采集的可见光人脸图像不易识别。此时需要借助近红外人脸识别，然而由于手机不能录入近红外人脸模板，导致近红外人脸识别在物联网设备中无法使用的技术问题。

以上为本申请实施例提供的一种近红外人脸模板录入方法的实施例一，以下为本申请实施例提供的一种近红外人脸模板录入方法的实施例二。

请参阅图2，图2为本申请实施例中一种近红外人脸模板录入方法的实施例二的流程示意图。

本实施例中的一种近红外人脸模板录入方法，应用于物联网中的识别设备，其中方法包括：

步骤201、根据用户的可见光人脸图像的可见光人脸特征，判断用户是否为活体。

可以理解的是，在进行可见光人脸识别之前，需要对可见光人脸图像进行活体检测，以确保人脸识别应的用安全性。

提取到的可见光人脸特征包括但不限于肤色，眼睛，鼻子，唇部及脸形等面部特征。

进行活体检测的具体判断依据是，判断可见光人脸特征对应的特征值是否达到设定的阈值，则判定为活体；否则，判定为假体。

步骤202、当判断到用户为活体时，对用户的可见光人脸图像的可见光人脸特征进行可见光人脸识别，得到可见光人脸识别结果。

本实施例中在进行可见光人脸识别时，将可见光人脸图像对应的可见光人脸特征进入1：N比对，如果比对的分数达到所设置的可见光1：N阈值，则说明可见光人脸图像的识别结果为识别通过，反之，则说明可见光人脸图像的识别结果为识别不通过。

步骤203、当用户首次可见光人脸识别通过时，获取用户对应的近红外人脸图像。

需要说明的是，步骤203和实施例一中步骤101的描述相同，具体可以参见上述步骤101的描述，在此不再赘述。

步骤204、判断近红外人脸图像是否满足预置的近红外图像质量要求。

本实施例中为了进一步确保存储的近红外人脸模板的质量和性能，以确保后续近红外人脸识别结果的准确性，判断近红外人脸图像是否满足预置的近红外图像质量要求，

步骤205、对近红外人脸图像进行特征提取，得到近红外人脸特征。

需要说明的是，步骤205和实施例一中步骤102的描述相同，具体可以参见上述步骤102的描述，在此不再赘述。

步骤206、将近红外人脸特征作为近红外人脸模板存储于识别设备本地。

需要说明的是，步骤206和实施例一中步骤103的描述相同，具体可以参见上述步骤103的描述，在此不再赘述。

步骤207、在识别设备进行人脸识别任务进程中，获取最新采集到的新可见光人脸图像。

可以理解的是，在识别设备日常进行人脸识别的过程中，会根据最新采集到的新可见光人脸图像、新近红外人脸图像进行新的近红外人脸模板的保存，避免识别设备在用户首次可见光人脸识别通过后，未保存近红外人脸模板，以确保尽可能地保存全面的近红外人脸模板信息。

步骤208、在新可见光人脸图像识别通过后，获取新可见光人脸图像对应的用户ID。

步骤209、判断识别设备本地是否有用户ID对应的近红外人脸模板。

在获取到用户ID后，判断该用户ID是否存在对应的近红外人脸特征模板，若不存在对应的近红外人脸模板时，对新近红外人脸图像进行特征提取，并将提取的特征作为用户该ID对应的近红外人脸模板，若存在则无需上面的操作，通过上述的近红外人脸模板的添加，提高了近红外识别时的识别准确性和适应性。

步骤210、当判断到识别设备本地无用户ID对应的近红外人脸模板时，获取新可见光人脸图像对应的新近红外人脸图像。

步骤211、对新近红外人脸图像进行特征提取，并将提取的特征作为用户ID对应的近红外人脸模板。

本实施例中的近红外人脸模板录入方法，用户通过手机录入可见光人脸后，手机将可见光人脸图像发送至识别设备，识别设备基于该可见光人脸图像生成可见光人脸模板，用户可以直接通过识别设备进行可见光人脸的识别，而在识别的过程中在识别设备识别可见光人脸首次成功后，识别设备直接通过本机采集近红外人脸图像，进而保存近红外人脸模板，从而实现在物联网中的识别设备中实现了近红外人脸模板的录入，从而解决了现有在识别设备使用环境中，光线较差时，现场采集的可见光人脸图像不易识别。此时需要借助近红外人脸识别，然而由于手机不能录入近红外人脸模板，导致近红外人脸识别在物联网设备中无法使用的技术问题。

以上为本申请实施例提供的一种近红外人脸模板录入方法的实施例二，以下为本申请实施例提供的一种人脸识别方法的实施例。

请参阅图3，图3为本申请实施例中一种人脸识别方法的实施例的流程示意图。

本实施例中的人脸识别方法，应用于物联网中的识别设备，其中方法包括：

步骤301、获取待识别人脸对应的可见光图像和近红外图像。

步骤302、判断可见光图像是否满足预置的可见光图像质量要求，若是，则执行步骤303和304，若否，则执行步骤305和306。

步骤303、根据可见光图像判断待识别人脸是否为活体。

步骤304、当判断到待识别人脸为活体时，基于可见光图像进行人脸识别，并输出对应的人脸识别结果。

步骤305、根据近红外图像判断待识别人脸是否为活体。

步骤306、当判断到待识别人脸为活体时，基于近红外图像和识别设备本地的预置近红外人脸模板进行人脸识别，并输出对应的人脸识别结果。

其中，预置近红外人脸模板是：根据上述实施例一或实施例二的近红外人脸模板录入方法录入至识别设备本地的。

基于近红外图像和识别设备本地的预置近红外人脸模板进行人脸识别，并输出对应的人脸识别结果，具体包括：

当判断到识别设备本地存储的预置近红外人脸模板中有且仅有一个预置近红外人脸模板和近红外图像匹配时，输出人脸识别成功。

本实施例中，上述的近红外人脸模板和近红外图像匹配是指，将近红外图像对应的近红外人脸特征1:N比对，如果比对结果的分数达到所设置的近红外1:N阈值，则说明近红外人脸识别结果为识别通过，对应的人脸识别结果为识别成功，反之，则说明近红外人脸识别结果为识别不通过，对应的人脸识别结果为识别失败。

可以理解的是，本实施例中进行活体检测还可以是：

对可见光图像对应的可见光人脸特征和近红外图像对应的近红外人脸特征进行特征融合，得到待识别人脸的融合特征；

根据融合特征，判断待识别人脸是否为活体；

当判断到待识别人脸为活体时，执行后续步骤。

可以理解的是，特征融合本领域技术人员可以根据需要设置具体的算法，在此不做具体的限定和赘述。通过融合特征判断待识别人脸是否为活体包括但不限于近红外图像及可见光图像同时检测到人脸，或者检测到无发光图片的人员等，如果融合匹配达到设定的阈值，则判定为活体；否则，判定为假体。

本实施例中的识别设备不再在硬件上增加大功率可见光，而是使用现有识别设备上的近红外功能，即近红外功能作为辅助，在复杂场景时将近红外功能配合可见光近红外人脸模板录入进行应用，节省了硬件的添加成本。

以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的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，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。