技术领域
[0001] 本
申请涉及
软件、
图像处理技术领域,明尤其涉及一种人脸识别方法、 装置及存储介质、终端设备。
背景技术
[0002] 伴随着移动互联网的迅猛发展,微信、微博等新兴社交媒体平台深刻 地影响和改变了人们的工作、生活方式,并呈现出用户量飞速增长及用户 数据海量生成等趋势,为相关研究提供了有效的数据来源与应用场景。
[0003] 现在人们通常喜欢将自己的相片上传到应用程序中,并通过应用程序 中预设的化妆程序对图像中自己的容貌进行化妆,然而常规情况下,仅是 将用户自己的人脸提取出来直接贴图到其他的妆容固定
位置处,通过该方 法得到的图像虽然与用户人脸一样,但是并不美观,降低用户对自己容貌 自信心。另外,现在人们通过社交媒体软件向朋友们分享自己的照片,因 此朋友圈里经常会晒出自己的照片,然而常规情况下,部分人们并不会注 意到朋友圈中自己与朋友具有一定的相似度。且常规下,朋友之间的相似 度只能基于个体主观感受。同时,现在人们的朋友常常来自于自己工作圈 子的人,很难
接触到自己圈子之外的人,限制了现有人们社交方式,同时 常规其他朋友推荐方法是直接基于用户的个人信息进行推荐,但是该方法 也存在一定弊端,即仅通过用户的个人信息介绍不能够激发用户对被推荐 用户的兴趣,同样也对用户社交具有一定限制。
发明内容
[0004] 为了解决上述问题,本申请提出了一种人脸识别方法、装置及存储介 质、终端设备,通过对图像中用户五官轮廓及其相对位置进行修正,并基 于修正后的图像得到用户相似人脸图像,通过该方法得到的图像更为美观, 进而提升用户对自己的自信心。
[0005] 为了实现上述目标,本申请采用了如下技术方案:
[0006] 本申请的一种人脸识别方法,包括
[0007] 获取包括当前用户人脸信息的目标图像,提取所述目标图像中的目标
特征向量;
[0008] 依据预设特征修正
算法对所述目标特征向量进行修正,获得待比对特 征向量;
[0009] 基于所述待比对特征向量确定相似人脸图像。
[0010] 可选地,所述基于所述待比对特征向量确定相似人脸图像之后,包括:
[0011] 依据所述相似人脸图像获取与所述相似人脸图像相关联的用户信息;
[0012] 将所述相似人脸图像和所述用户信息以关联关系发送给用户。
[0013] 可选地,所述依据所述相似人脸图像获取与所述相似人脸图像相关联 的用户信息,包括:
[0014] 获取
数据库中待定人脸图像,基于SVM分类器确定待定人脸图像与所 述相似人脸图像的相似度;
[0015] 将所述相似度在预设相似度
阈值内的所述待定人脸图像确定为相似用 户图像;
[0016] 获取与所述相似用户图像相关联的所述用户信息。
[0017] 可选地,所述依据预设特征修正算法对所述目标特征向量进行修正, 包括:
[0018] 基于
卷积神经网络对所述目标特征向量进行修正。
[0019] 可选地,所述依据预设特征修正算法对所述目标特征向量进行修正, 获得待比对特征向量,包括:
[0020] 基于
区块链技术获取样本用户的预设年龄跨度的样本图像;
[0021] 利用同一用户的所述样本图像训练所述卷积神经网络,确定所述目标 特征向量修正系数;
[0022] 依据所述目标特征向量修正系数对所述目标特征向量进行修正,获得 用户所述预设年龄跨度内的所述待比对特征向量。
[0023] 可选地,所述基于所述待比对特征向量确定相似人脸图像,包括:
[0024] 依据所述待比对特征向量生成所述预设年龄跨度的用户图像,把所述 用户图像作为所述相似人脸图像。
[0025] 优选地,所述目标特征向量包括用户五官轮廓形状及其对应的位置。
[0026] 本申请
实施例还提供给了一种人脸识别装置,包括:
[0027] 目标特征向量获取模块,用于获取包括当前用户人脸信息的目标图像, 提取所述目标图像中的目标特征向量;
[0028] 待比对特征向量获得模块,用于依据预设特征修正算法对所述目标特 征向量进行修正,获得待比对特征向量;
[0029] 相似人脸图像确定模块,用于基于所述待比对特征向量确定相似人脸 图像。
[0030] 可选地,还包括:
[0031] 用户信息获取模块,用于依据所述相似人脸图像获取与所述相似人脸 图像相关联的用户信息;
[0032] 发送模块,用于将所述相似人脸图像和所述用户信息以关联关系发送 给用户。
[0033] 可选地,所述用户信息获取模块包括:
[0034] 相似度确定单元,用于获取数据库中待定人脸图像,基于SVM分类器 确定待定人脸图像与所述相似人脸图像的相似度;
[0035] 相似用户图像确定单元,用于将所述相似度在预设相似度阈值内的所 述待定人脸图像确定为相似用户图像;
[0036] 发送单元,用于获取与所述相似用户图像相关联的所述用户信息。
[0037] 可选地,所述待比对特征向量获得模块包括:
[0038] 修正单元,用于基于卷积神经网络对所述目标特征向量进行修正。
[0039] 可选地,所述待比对特征向量获得模块包括:
[0040] 样本图像获取单元,用于基于区块链技术获取样本用户的预设年龄跨 度的样本图像;
[0041] 修正系数确定单元,用于利用同一用户的所述样本图像训练所述卷积 神经网络,确定所述目标特征向量修正系数;
[0042] 待比对特征向量获得单元,用于依据所述目标特征向量修正系数对所 述目标特征向量进行修正,获得用户所述预设年龄跨度内的所述待比对特 征向量。
[0043] 可选地,所述相似人脸图像确定模块包括:
[0044] 相似人脸图像确定单元,用于依据所述待比对特征向量生成所述预设 年龄跨度的用户图像,把所述用户图像作为所述相似人脸图像。
[0045] 优选地,所述目标特征向量包括用户五官轮廓形状及其对应的位置。
[0046] 本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存 储介质上存储有
计算机程序,该程序被处理器执行时实现任一技术方案所 述的人脸识别方法。
[0047] 本申请实施例还提供了一种终端设备,包括:
[0048] 一个或多个处理器;
[0050] 一个或多个应用程序,其中所述一个或多个应用程序被存储在所述存 储器中并被配置为由所述一个或多个处理器执行,所述一个或多个应用程 序配置用于执行根据任一技术方案所述的人脸识别方法的步骤。
[0051] 与
现有技术相比,本申请包括如下有益效果:
[0052] 1、本申请提供的一种人脸识别方法,包括:获取包括当前用户人脸信 息的目标图像,提取所述目标图像中的目标特征向量;依据预设特征修正 算法对所述目标特征向量进行修正,获得待比对特征向量;基于所述待比 对特征向量确定相似人脸图像。通过本申请的方法,可以获取到与用户相 似的人脸图像,提取人脸图像中的五官轮廓及其相对位置信息,以便于得 到的图像与用户的人脸图像更为相似,通过对图像中用户五官轮廓及其相 对位置进行修正,并基于修正后的图像得到用户相似人脸图像,通过该方 法得到的人脸图像更为美观,提高用户对人脸图像的体验感和满意度,进 而提升用户对自己的自信心。
[0053] 2、本申请提供的一种人脸识别方法,通过卷积神经网络对目标特征信 息进行修正,使得得到相似人脸图像与用户人脸图像更为相似,且也使得 得到相似人脸图像更为美观。基于前述的过程,依据所述相似人脸图像获 取与所述相似人脸图像相关联的用户信息。通过该方法更能够激发用户对 被推荐用户的兴趣,帮助当前用于扩大其朋友圈。
[0054] 3、本申请提供的一种人脸识别方法,所述依据预设特征修正算法对所 述目标特征向量进行修正,获得待比对特征向量,包括:基于区块链技术 获取样本用户的预设年龄跨度的样本图像;利用同一用户的所述样本图像 训练所述卷积神经网络,确定所述目标特征向量修正系数;依据所述目标 特征向量修正系数对所述目标特征向量进行修正,获得用户所述预设年龄 跨度内的所述待比对特征向量。可以通过区块链技术获取样本用户的人脸 图像训练卷积神经网络,通过区块链技术扩大了本申请的数据量,使得通 过卷积神经网络得到修正系数更为准确,得到的人脸图像也与用户人脸图 像更为相似。
附图说明
[0055] 图1为本申请一实施例的人脸识别方法
流程图;
[0056] 图2为本申请另一实施例的人脸识别装置结构示意图;
[0057] 图3为本申请另一实施例终端设备的基本结构示意图。
具体实施方式
[0058] 下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其 中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功 能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本申 请,而不能解释为对本申请的限制。
[0059] 本技术领域技术人员可以理解,除非特意
声明,这里使用的单数形式 “一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理 解的是,本申请的
说明书中使用的措辞“包括”是指存在所述特征、整数、 步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特 征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称 元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他 元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接” 可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多 个相关联的列出项的全部或任一单元和全部组合。
[0060] 本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语 (包括技术术语和科学术语),具有与本申请所属领域中的普通技术人员 的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术 语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除 非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
[0061] 本申请中所述的人脸识别方法,通过提取用户五官轮廓形状及其对应 的位置特征,查找与用户五官相似的用户,通过该方法查找到相似用户图 像与用户具有一定差别,进而提高用户对相似用户的兴趣,由于相似用户 之间通常具有类似的兴趣爱好,通过本
申请人脸识别方法还能够扩大用户 的社交网络,帮助用户寻找与其具有共同话题的朋友。
[0062] 以下实施例所揭示的一种人脸识别方法,如图1所示,包括:
[0063] S100:获取包括当前用户人脸信息的目标图像,提取所述目标图像中 的目标特征向量;
[0064] S200:依据预设特征修正算法对所述目标特征向量进行修正,获得待 比对特征向量;
[0065] S300:基于所述待比对特征向量确定相似人脸图像。
[0066] 目标图像主要是通过用户上传获得,其中该目标图像中包括了人脸信 息,以便于提取人脸的目标特征向量,其中该向量主要为用户五官轮廓形 状及其对应的位置。在其他的实施方式中,还可以直接获取用户提交在社 交应用程序中的图像,通过对图像的描述确定用户的目标图像,在获取到 用户的目标图像之后,提取目标图像中的目标特征向量。依据提取目标特 征的数量,特征向量可以是多维向量,例如400维向量具体的,该目标特 征向量主要包括用户的五官轮廓形状及其对应的位置。在本申请中,可以 通过卷积神经网络提取用户的目标特征向量,在提取出目标特征向量之后, 为了便于快速的查找到与用户人脸相似的人脸图像,基于预设特征修正算 法对目标特征向量进行修正。具体如,对用户部分或者全部五官轮廓形状 及其对应的位置进行微调整,进而得到与用户五官轮廓形状及其对应的位 置相似的待比对特征向量,之后通过待比对特征向量生成相似人脸图像, 使得用户可以预见部分从某些
角度与自己相似的图像,例如不同年龄段的 图像。或者可以可通过该图像查找与待比对特征相同或者相似的人脸图像, 进而可以查找与用户不相同且在某些角度又相似的用户,并可以通过该相 似人脸图像获取对应的用户信息,用户则可以通过该方式进行交友,查找 与自己兴趣爱好相似的朋友,扩大自己的交际圈。
[0067] 实施例一
[0068] 可选地,所述基于所述待比对特征向量确定相似人脸图像之后,包括:
[0069] 依据所述相似人脸图像获取与所述相似人脸图像相关联的用户信息;
[0070] 将所述相似人脸图像和所述用户信息以关联关系发送给用户。
[0071] 在本申请的一种实施例中,结合前述可知,由于人脸相似的人通常具 有相似的兴趣爱好,当通过待比对特征向量的对比,确定数据库具有目标 特征向量与待比对特征向量相似的用户图像时,为了帮助用户找到与其相 似但又不完全一样的用户,可以帮助扩大用户的社交圈,同时帮用户找到 与其兴趣爱好相似或者相同的用户。常规的,数据库中人脸图像通常是与 用户信息关联的,因此,在数据库中可以通过相似人脸图像获取与相似人 脸图像关联的用户信息。并将该用户信息和相似人脸图像以关联关系发送 给用户,通过图像可以提高用户对其他用户的兴趣,进而增大当前用户与 数据库中其他的联系的机会。进一步的,在其中一种实施方式中,还可以 待比对特征向量与数据库中其他用户图像的目标特征向量相似度对数据库 中其他用户图像进行排序,例如通过相似度的降序规则对用户图像进行排 序,进而将可以高度相似的用户信息发送给当前用户,提高用户对其他用 户的兴趣度。在其中一种实施方式中,可以将特征向量之间的距离转化为 相似度,进而确定与当前用户具有一定相似度的用户,该方法查找出来的 用户和当前用户的面貌具有不完全一致性,可能是某些角度更为相似,进 而提高当前用户对相似用户的兴趣,帮助用于扩大朋友圈,达到社交的目 的。
[0072] 例如:在Dx<=Dmin时,取S=Smax,Dx为待比对特征向量与数据 库中其他用户人脸图像中目标特征向量之间的距离,Dmin为预设最小距离,S为数据库中人脸图像的特征向量与待比对特征向量的相似度得分,Smax 为预设最大相似度得分。
[0073] 在Di
[0074] 在Dx>Dmax时,取S=Smin,Dx为待比对特征向量与数据库中其他用 户人脸图像中目标特征向量之间的距离,Dmax为预设最大距离,S为数据 库中人脸图像的特征向量与待比对特征向量的相似度得分,Smin为预设最 小相似度得分。通过前述的计算方法,将在预设相似度阈值内的目标特征 向量对应的用户图像确定为相似人脸图像。
[0075] 可选地,所述依据所述相似人脸图像获取与所述相似人脸图像相关联 的用户信息,包括:
[0076] 获取数据库中待定人脸图像,基于SVM分类器确定待定人脸图像与所 述相似人脸图像的相似度;
[0077] 将所述相似度在预设相似度阈值内的所述待定人脸图像确定为相似用 户图像;
[0078] 获取与所述相似用户图像相关联的所述用户信息。
[0079] 结合前述可知,在其中一种实施例中,当基于某一社交应用程序实现 本申请的人脸识别方法时,在确定所述待比对特征向量之后,获取数据库 中的其他用户图像,提取所述用户图像中的目标特征向量,然后将该目标 特征向量与待比对特征向量进行匹配,计算两者的相似度,进而在用户图 像足够多时,则可以找到与待比对特征向量一致或者相似的人脸图像,以 便于通过该方法查找到与用户相似却又不一致的人脸图像,具体的相似度 可以通过计算其他用户目标特征向量与待比对特征向量的距离确定,即将 所述距离转换为前述特征向量的相似度。通过SVM分类器确定的特征向量 的相似度为S(x),其中,[0080]
[0081] 其中,x为训练后的二类SVM分类器输出的决策值。
[0082] 结合SVM分类器的训练,可获得各待定人脸图像中目标特征向量与待 比对特征向量之间的相似度S(x),将相似度在预设相速度阈值之内的待定 人脸图像确定为用户图像,例如预设相似度阈值为M-N,其中M0, 将S(x)属于M-N范围内的待定图像确定为用户图像,将S(x)小于M,或者 S(x)大于N的待定图像淘汰掉。由于用户图像来自于数据库中,且是与用 户信息相互关联的,将用户图像和用户信息以关联关系发送给用户,例如, 一名片形式推送给用户,且该名片上具有该用户图像,进而在用户看到该 用户图像时,基于当前用户和该用户图像的相似度,能够提高当前用户对 该用户的兴趣,进而帮助用户查找朋友,扩大用户的朋友圈,基于用户面 貌相似性时,用户的性格、兴趣爱好也具有一定的相似性,进而帮助用户 找到与其兴趣爱好相似且性格相投的朋友。
[0083] 可选地,所述依据预设特征修正算法对所述目标特征向量进行修正, 包括:
[0084] 基于卷积神经网络对所述目标特征向量进行修正。
[0085] 在本申请的实施例中均是通过卷积神经网络对目标特征向量进行修正, 其中修正方法可以基于样本用户的特征对目标特征进行修正,例如,获取 数据库中若干张其他用户称赞最多的图像,提取各图像中的目标特征向量, 基于该目标特征向量训练卷积神经网络,得到目标特征向量的修正系数, 具体的,由于每个样本用户的图像目标特征向量均是不完全相同,类似于, 不同五官轮廓、位置以及脸型之间均有一定关联关系,通过卷积神经网络 的训练,还可以基于不同五官轮廓、位置以及脸型进行分类,进而在用户 图像数据训练后的卷积神经网络之后,先判断不同五官轮廓、位置以及脸 型之间的关系确定目标特征向量的类别,基于该类别的修正系数通过卷积 神经网络进行修正,进而可以得到与当前用户相似且又不完全一致的目标 特征向量,进而便于查找数据库中与当前用于相似且不完全相同的其他用 户。
[0086] 实施例二
[0087] 可选地,所述依据预设特征修正算法对所述目标特征向量进行修正, 获得待比对特征向量,包括:
[0088] 基于区块链技术获取样本用户的预设年龄跨度的样本图像;
[0089] 利用同一用户的所述样本图像训练所述卷积神经网络,确定所述目标 特征向量修正系数;
[0090] 依据所述目标特征向量修正系数对所述目标特征向量进行修正,获得 用户所述预设年龄跨度内的所述待比对特征向量。
[0091] 结合实施例一的修正方法,在本申请中,可以基于应用该方法的应用 程序,为用户提供预见自己未来面膜的应用程序,或者帮助用户查找与当 前用户在某一年龄段相似的其他用户,以便于用户能够根据该情况规划自 己当前生活状况,便于用户调整自己的心态正确面对未来面貌,或者根据 该面貌产生一种对某一年龄段一种同理心,向用户引导一种积极向上、乐 观的精神态度。在本申请中,可以基于区块链技术获取样本用户的预设年 龄跨度的样本图像,样本用户为用户公开的信息且具有其在一定年龄跨度 的样本图像,样本图像中包含有样本用户的目标特征向量。通过结合前述 实施例一中卷积神经网络的训练方法确定目标特征向量修正系数,基于该 修正系数通过卷积神经网络对目标特征向量进行修正,获得当前用户在预 设年龄跨度内的待比对特征向量,具体过程如实施例一,在此不做赘述。
[0092] 可选地,所述基于所述待比对特征向量确定相似人脸图像,包括:
[0093] 依据所述待比对特征向量生成所述预设年龄跨度的用户图像,把所述 用户图像作为所述相似人脸图像。
[0094] 结合前述的待比对特征向量,生成用户预设年龄跨度的用户图像,例 如在用户当前年龄为25岁,通过前述的方法获得用户在55岁左右的目标 特征向量,即通过修正系数将用户五官轮廓调整得更为向下垂,使其五官 轮廓更为符合55岁左右状态,之后基于调整后的五官轮廓及其位置生成用 户的相似人脸图像。进一步地,还可以结合实施例一所述的方法基于该待 比对特征向量获取与该待比对特征向量相似用户,并将该用户信息以及相 似人脸图像发送给当前用户,进而便于提起当前用户对相似用户的兴趣。 在其他的实时方式中,结合前述示例以及实施例一,可以通过前述的修正 系数以及卷积神经网络将用户的目标特征向量特征调整为用户7岁左右的 待比对特征向量,并通过该待比对特征向量获取数据库中7岁左右且与待 比对特征向量相似的人脸图像,其中,数据库的相似人脸图像其年龄可以 不为7,可以为任一年龄阶段的用户,并将该用户信息以及相似人脸图像 发送给当前用户,便于提起当前用户对相似用户的兴趣,进而扩大用户的 朋友圈。
[0095] 本申请实施例还提供给了一种人脸识别装置,在其中一种实施方式中, 包括:
[0096] 目标特征向量获取模块100,用于获取包括当前用户人脸信息的目标 图像,提取所述目标图像中的目标特征向量;
[0097] 待比对特征向量获得模块200,用于依据预设特征修正算法对所述目 标特征向量进行修正,获得待比对特征向量;
[0098] 相似人脸图像确定模块300,用于基于所述待比对特征向量确定相似 人脸图像。
[0099] 目标图像主要是通过用户上传获得,其中该目标图像中包括了人脸信 息,以便于提取人脸的目标特征向量,其中该向量主要为用户五官轮廓形 状及其对应的位置。在其他的实施方式中,还可以直接获取用户提交在社 交应用程序中的图像,通过对图像的描述确定用户的目标图像,在获取到 用户的目标图像之后,提取目标图像中的目标特征向量。依据提取目标特 征的数量,特征向量可以是多维向量,例如400维向量具体的,该目标特 征向量主要包括用户的五官轮廓形状及其对应的位置。在本申请中,可以 通过卷积神经网络提取用户的目标特征向量,在提取出目标特征向量之后, 为了便于快速的查找到与用户人脸相似的人脸图像,基于预设特征修正算 法对目标特征向量进行修正。具体如,对用户部分或者全部五官轮廓形状 及其对应的位置进行微调整,进而得到与用户五官轮廓形状及其对应的位 置相似的待比对特征向量,之后通过待比对特征向量生成相似人脸图像, 使得用户可以预见部分从某些角度与自己相似的图像,例如不同年龄段的 图像。或者可以可通过该图像查找与待比对特征相同或者相似的人脸图像, 进而可以查找与用户不相同且在某些角度又相似的用户,并可以通过该相 似人脸图像获取对应的用户信息,用户则可以通过该方式进行交友,查找 与自己兴趣爱好相似的朋友,扩大自己的交际圈。
[0100] 结合前述的方法,在本申请中还提供了与实施例一相对应的人脸识别 装置。
[0101] 可选地,还包括:
[0102] 用户信息获取模块,用于依据所述相似人脸图像获取与所述相似人脸 图像相关联的用户信息;
[0103] 发送模块,用于将所述相似人脸图像和所述用户信息以关联关系发送 给用户。
[0104] 在本申请的一种实施例中,结合前述可知,由于人脸相似的人通常具 有相似的兴趣爱好,当通过待比对特征向量的对比,确定数据库具有目标 特征向量与待比对特征向量相似的用户图像时,为了帮助用户找到与其相 似但又不完全一样的用户,可以帮助扩大用户的社交圈,同时帮用户找到 与其兴趣爱好相似或者相同的用户。常规的,数据库中人脸图像通常是与 用户信息关联的,因此,在数据库中可以通过相似人脸图像获取与相似人 脸图像关联的用户信息。并将该用户信息和相似人脸图像以关联关系发送 给用户,通过图像可以提高用户对其他用户的兴趣,进而增大当前用户与 数据库中其他的联系的机会。进一步的,在其中一种实施方式中,还可以 待比对特征向量与数据库中其他用户图像的目标特征向量相似度对数据库 中其他用户图像进行排序,例如通过相似度的降序规则对用户图像进行排 序,进而将可以高度相似的用户信息发送给当前用户,提高用户对其他用 户的兴趣度。在其中一种实施方式中,可以将特征向量之间的距离转化为 相似度,进而确定与当前用户具有一定相似度的用户,该方法查找出来的 用户和当前用户的面貌具有不完全一致性,可能是某些角度更为相似,进 而提高当前用户对相似用户的兴趣,帮助用于扩大朋友圈,达到社交的目 的。
[0105] 例如:在Dx<=Dmin时,取S=Smax,Dx为待比对特征向量与数据 库中其他用户人脸图像中目标特征向量之间的距离,Dmin为预设最小距离,S为数据库中人脸图像的特征向量与待比对特征向量的相似度得分,Smax 为预设最大相似度得分。
[0106] 在Di
[0107] 在Dx>Dmax时,取S=Smin,Dx为待比对特征向量与数据库中其他用 户人脸图像中目标特征向量之间的距离,Dmax为预设最大距离,S为数据 库中人脸图像的特征向量与待比对特征向量的相似度得分,Smin为预设最 小相似度得分。通过前述的计算方法,将在预设相似度阈值内的目标特征 向量对应的用户图像确定为相似人脸图像。
[0108] 可选地,所述用户信息获取模块包括:
[0109] 相似度确定单元,用于获取数据库中待定人脸图像,基于SVM分类器 确定待定人脸图像与所述相似人脸图像的相似度;
[0110] 相似用户图像确定单元,用于将所述相似度在预设相似度阈值内的所 述待定人脸图像确定为相似用户图像;
[0111] 发送单元,用于获取与所述相似用户图像相关联的所述用户信息。
[0112] 结合前述可知,在其中一种实施例中,当基于某一社交应用程序实现 本申请的人脸识别时,在确定所述待比对特征向量之后,获取数据库中的 其他用户图像,提取所述用户图像中的目标特征向量,然后将该目标特征 向量与待比对特征向量进行匹配,计算两者的相似度,进而在用户图像足 够多时,则可以找到与待比对特征向量一致或者相似的人脸图像,以便于 通过该方法查找到与用户相似却又不一致的人脸图像,具体的相似度可以 通过计算其他用户目标特征向量与待比对特征向量的距离确定,即将所述 距离转换为前述特征向量的相似度。通过SVM分类器确定的特征向量的相 似度为S(x),其中,[0113]
[0114] 其中,x为训练后的二类SVM分类器输出的决策值。
[0115] 结合SVM分类器的训练,可获得各待定人脸图像中目标特征向量与待 比对特征向量之间的相似度S(x),将相似度在预设相速度阈值之内的待定 人脸图像确定为用户图像,例如预设相似度阈值为M-N,其中M0, 将S(x)属于M-N范围内的待定图像确定为用户图像,将S(x)小于M,或者 S(x)大于N的待定图像淘汰掉。由于用户图像来自于数据库中,且是与用 户信息相互关联的,将用户图像和用户信息以关联关系发送给用户,例如, 一名片形式推送给用户,且该名片上具有该用户图像,进而在用户看到该 用户图像时,基于当前用户和该用户图像的相似度,能够提高当前用户对 该用户的兴趣,进而帮助用户查找朋友,扩大用户的朋友圈,基于用户面 貌相似性时,用户的性格、兴趣爱好也具有一定的相似性,进而帮助用户 找到与其兴趣爱好相似且性格相投的朋友。
[0116] 可选地,所述待比对特征向量获得模块包括:
[0117] 修正单元,用于基于卷积神经网络对所述目标特征向量进行修正。
[0118] 在本申请的实施例中均是通过卷积神经网络对目标特征向量进行修正, 其中修正方法可以基于样本用户的特征对目标特征进行修正,例如,获取 数据库中若干张其他用户称赞最多的图像,提取各图像中的目标特征向量, 基于该目标特征向量训练卷积神经网络,得到目标特征向量的修正系数, 具体的,由于每个样本用户的图像目标特征向量均是不完全相同,类似于, 不同五官轮廓、位置以及脸型之间均有一定关联关系,通过卷积神经网络 的训练,还可以基于不同五官轮廓、位置以及脸型进行分类,进而在用户 图像数据训练后的卷积神经网络之后,先判断不同五官轮廓、位置以及脸 型之间的关系确定目标特征向量的类别,基于该类别的修正系数通过卷积 神经网络进行修正,进而可以得到与当前用户相似且又不完全一致的目标 特征向量,进而便于查找数据库中与当前用于相似且不完全相同的其他用 户。
[0119] 结合前述的方法,在本申请中还提供了与实施例二相对应的人脸识别 装置。
[0120] 可选地,所述待比对特征向量获得模块包括:
[0121] 样本图像获取单元,用于基于区块链技术获取样本用户的预设年龄跨 度的样本图像;
[0122] 修正系数确定单元,用于利用同一用户的所述样本图像训练所述卷积 神经网络,确定所述目标特征向量修正系数;
[0123] 待比对特征向量获得单元,用于依据所述目标特征向量修正系数对所 述目标特征向量进行修正,获得用户所述预设年龄跨度内的所述待比对特 征向量。
[0124] 结合实施例一的修正方法,在本申请中,可以基于应用该方法的应用 程序,为用户提供预见自己未来面膜的应用程序,或者帮助用户查找与当 前用户在某一年龄段相似的其他用户,以便于用户能够根据该情况规划自 己当前生活状况,便于用户调整自己的心态正确面对未来面貌,或者根据 该面貌产生一种对某一年龄段一种同理心,向用户引导一种积极向上、乐 观的精神态度。在本申请中,可以基于区块链技术获取样本用户的预设年 龄跨度的样本图像,样本用户为用户公开的信息且具有其在一定年龄跨度 的样本图像,样本图像中包含有样本用户的目标特征向量。通过结合前述 实施例一中卷积神经网络的训练方法确定目标特征向量修正系数,基于该 修正系数通过卷积神经网络对目标特征向量进行修正,获得当前用户在预 设年龄跨度内的待比对特征向量,具体过程如实施例一,在此不做赘述。
[0125] 可选地,所述相似人脸图像确定模块包括:
[0126] 相似人脸图像确定单元,用于依据所述待比对特征向量生成所述预设 年龄跨度的用户图像,把所述用户图像作为所述相似人脸图像。
[0127] 结合前述的待比对特征向量,生成用户预设年龄跨度的用户图像,例 如在用户当前年龄为25岁,通过前述的方法获得用户在55岁左右的目标 特征向量,即通过修正系数将用户五官轮廓调整得更为向下垂,使其五官 轮廓更为符合55岁左右状态,之后基于调整后的五官轮廓及其位置生成用 户的相似人脸图像。进一步地,还可以结合实施例一所述的方法基于该待 比对特征向量获取与该待比对特征向量相似用户,并将该用户信息以及相 似人脸图像发送给当前用户,进而便于提起当前用户对相似用户的兴趣。 在其他的实时方式中,结合前述示例以及实施例一,可以通过前述的修正 系数以及卷积神经网络将用户的目标特征向量特征调整为用户7岁左右的 待比对特征向量,并通过该待比对特征向量获取数据库中7岁左右且与待 比对特征向量相似的人脸图像,其中,数据库的相似人脸图像其年龄可以 不为7,可以为任一年龄阶段的用户,并将该用户信息以及相似人脸图像 发送给当前用户,便于提起当前用户对相似用户的兴趣,进而扩大用户的 朋友圈。
[0128] 本发明还提供了一种终端设备,如图3所示,为了便于说明,仅示出 了与本发明实施例相关的部分,具体技术细节未揭示的,请参照本发明实 施例方法部分。该终端可以为包括台式电脑、
平板电脑、 PDA(Personal Digital Assistant,
个人数字助理)、手机、POS(Point of Sales, 销售终端)、车载电脑等任意终端设备,以终端为手机为例:
[0129] 图3示出的是与本发明实施例提供的终端相关的手机的部分结构的框 图。参考图3,手机包括:射频(Radio Frequency,RF)
电路1510、存储 器1520、输入单元1530、显示单元
1540、
传感器1550、音频电路1560、 无线保真(wireless fidelity,Wi-Fi)模块1570、处理器1580、以及电源1590 等部件。本领域技术人员可以理解,图3中示出的手机结构并不构成对手 机的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者 不同的部件布置。
[0130] 下面结合图3对手机的各个构成部件进行具体的介绍:
[0131] RF电路1510可用于收发信息或通话过程中,
信号的接收和发送,特 别地,将基站的下行信息接收后,给处理器1580处理;另外,将设计上行 的数据发送给基站。通常,RF电路1510包括但不限于天线、至少一个放 大器、
收发信机、
耦合器、低噪声
放大器(Low Noise Amplifier,LNA)、 双工器等。此外,RF电路1510还可以通过无线通信与网络和其他设备通 信。上述无线通信可以使用任一通信标准或协议,包括但不限于全球移动 通讯系统(Global System of Mobile communication,GSM)、通用分组无 线服务(General Packet Radio Service,GPRS)、码分多址(Code Division Multiple Access,CDMA)、宽带码分多址(Wideband Code Division Multiple Access,WCDMA)、长期演进(Long Term Evolution,LTE)、
电子邮件、 短消息服务(Short Messaging Service,SMS)等。
[0132] 存储器1520可用于存储软件程序以及模块,处理器1580通过运行存 储在存储器1520的软件程序以及模块,从而执行手机的各种功能应用以及
数据处理。存储器1520可主要包括存储程序区和存储数据区,其中,存储 程序区可存储
操作系统、至少一个功能所需的应用程序(比如声纹播放功 能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数 据(比如音频数据、电话本等)等。此外,存储器1520可以包括高速随机 存取存储器,还可以包括
非易失性存储器,例如至少一个磁盘存储器件、 闪存器件、或其他易失性固态存储器件。
[0133] 输入单元1530可用于接收输入的数字或字符信息,以及产生与手机的 用户设置以及功能控制有关的键信号输入。具体地,输入单元1530可包括 触控面板1531以及其他输入设备1532。触控面板1531,也称为
触摸屏, 可收集用户在其上或附近的触摸操作(比如用户使用
手指、触笔等任何适 合的物体或附件在触控面板1531上或在触控面板1531附近的操作),并 根据预先设定的程式驱动相应的连接装置。可选的,触控面板1531可包括 触摸检测装置和触摸
控制器两个部分。其中,触摸检测装置检测用户的触 摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控 制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处 理器1580,并能接收处理器1580发来的命令并加以执行。此外,可以采 用
电阻式、电容式、红外线以及表面
声波等多种类型实现触控面板1531。 除了触控面板1531,输入单元1530还可以包括其他输入设备1532。具体 地,其他输入设备1532可以包括但不限于物理
键盘、功能键(比如音量控 制按键、
开关按键等)、
轨迹球、
鼠标、操作杆等中的一种或多种。
[0134] 显示单元1540可用于显示由用户输入的信息或提供给用户的信息以 及应用程序界。显示单元1540可包括
显示面板1541,可选的,可以采用
液晶显示器(Liquid Crystal Display,LCD)、
有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板1541。进一步的,触 控面板1531可
覆盖显示面板1541,当触控面板1531检测到在其上或附近 的触摸操作后,传送给处理器1580以确定触摸事件的类型,随后处理器 1580根据触摸事件的类型在显示面板1541上提供相应的视觉输出。虽然 在图3中,触控面板1531与显示面板1541是作为两个独立的部件来实现 手机的输入和输入功能,但是在某些实施例中,可以将触控面板1531与显 示面板1541集成而实现手机的输入和输出功能。
[0135] 手机还可包括至少一种传感器1550,比如光传感器、运动传感器以及 其他传感器。具体地,光传感器可包括环境光传感器及
接近传感器,其中, 环境光传感器可根据环境光线的明暗来调节显示面板1541的
亮度,接近传 感器可在手机移动到
耳边时,关闭显示面板1541和/或
背光。作为运动传 感器的一种,
加速计传感器可检测各个方向上(一般为三轴)加速度的大 小,静止时可检测出重
力的大小及方向,可用于识别手机
姿态的应用(比 如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如 计步器、敲击)等;至于手机还可配置的
陀螺仪、气压计、湿度计、
温度 计、红外线传感器等其他传感器,在此不再赘述。
[0136] 音频电路1560、扬声器1561,
传声器1562可提供用户与手机之间的 音频
接口。音频电路1560可将接收到的音频数据转换后的
电信号,传输到 扬声器1561,由扬声器1561转换为声纹信号输出;另一方面,传声器1562 将收集的声纹信号转换为电信号,由音频电路1560接收后转换为音频数据, 再将音频数据输出处理器1580处理后,经RF电路1510以发送给比如另一 手机,或者将音频数据输出至存储器1520以便进一步处理。
[0137] Wi-Fi属于短距离无线传输技术,手机通过Wi-Fi模块1570可以帮助 用户收发电子邮件、浏览网页和
访问流式媒体等,它为用户提供了无线的 宽带互联网访问。虽然图3示出了Wi-Fi模块1570,但是可以理解的是, 其并不属于手机的必须构成,完全可以根据需要在不改变发明的本质的范 围内而省略。
[0138] 处理器1580是手机的控制中心,利用各种接口和线路连接整个手机的 各个部分,通过运行或执行存储在存储器1520内的软件程序和/或模块, 以及调用存储在存储器1520内的数据,执行手机的各种功能和处理数据, 从而对手机进行整体监控。可选的,处理器1580可包括一个或多个处理单 元;优选的,处理器1580可集成应用处理器和调制解调处理器,其中,应 用处理器主要处理操作系统、
用户界面和应用程序等,调制解调处理器主 要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处 理器1580中。
[0139] 手机还包括给各个部件供电的电源1590(比如
电池),优选的,电源 可以通过电源管理系统与处理器1580逻辑相连,从而通过电源管理系统实 现管理充电、放电、以及功耗管理等功能。
[0140] 尽管未示出,手机还可以包括摄像头、蓝牙模块等,在此不再赘述。
[0141] 在本发明实施例中,该终端设备所包括的处理器1580还具有以下功能: 获取包括当前用户人脸信息的目标图像,提取所述目标图像中的目标特征 向量;依据预设特征修正算法对所述目标特征向量进行修正,获得待比对 特征向量;基于所述待比对特征向量确定相似人脸图像。也即处理器1580 具备执行上述的任一实施例人脸识别方法的功能,在此不再赘述。
[0142] 本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上 存储有计算机程序,该程序被处理器执行时实现所述的人脸识别方法。
[0143] 本技术领域技术人员可以理解,本发明包括涉及用于执行本发明中所 述操作中的一项或多项的设备。这些设备可以为所需的目的而专
门设计和 制造,或者也可以包括通用计算机中的已知设备。这些设备具有存储在其 内的计算机程序,这些计算机程序选择性地激活或重构。这样的计算机程 序可以被存储在设备(例如,计算机)可读介质中或者存储在适于存储电子指 令并分别耦联到总线的任何类型的介质中,所述计算机可读介质包括但不 限于任何类型的盘(包括
软盘、
硬盘、光盘、CD-ROM、和磁光盘)、 ROM(Read-Only Memory,
只读存储器)、RAM(Random Access Memory, 随即存储器)、EPROM(Erasable Programmable Read-Only Memory,可擦写 可编程只读存储器)、 EPROM(Electrically Erasable Programmable Read-Only Memory,电可擦可编 程只读存储器)、闪存、
磁性卡片或光
线卡片。也就是,可读介质包括由设备 (例如,计算机)以能够读的形式存储或传输信息的任何介质。
[0144] 应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次 显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文 中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他 的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步 骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成, 而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以 与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地 执行。
[0145] 以上所述仅是本发明的部分实施方式,应当指出,对于本技术领域的 普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进 和润饰,这些改进和润饰也应视为本发明的保护范围。