[发明专利]人脸识别方法、装置、系统、存储介质和电子设备

说明书

本发明提供了一种人脸识别方法、装置、系统、存储介质和电子设备，该方法包括：将针对同一待识别对象的多帧人脸图像中的部分人脸图像传输至云端进行云端人脸识别，以得到云端人脸识别结果；在实施所述传输的同时，针对所述多帧人脸图像中的其余人脸图像进行本地人脸识别，以得到本地人脸识别结果；以及将所述云端人脸识别结果和所述本地人脸识别结果进行融合，以得到所述待识别对象的最终识别结果。根据本发明实施例的人脸识别方法、装置、系统、存储介质和电子设备针对同一待识别对象的多帧人脸图像综合云端识别和本地识别两者来进行人脸识别，且云端传输识别和本地识别并行进行，从而能够提高人脸识别的效率。

技术领域

本发明涉及人脸识别技术领域，更具体地涉及一种人脸识别方法、装置、系统和存储介质和电子设备。

背景技术

人脸识别技术正在越来越广泛地用于生产生活之中，尤其是基于深度学习的算法崛起之后，整个人脸识别系统的精度得到了大幅提升。但是另一方面，基于深度学习的人脸识别技术比较耗费资源，所以传统低端设备(比如低端门禁机、低端手机等)很难直接承载整个人脸服务。

基于此，出现了两种系统形态：一种是基于抓拍模式，即本地低端设备进行检测抓拍，通过网络传输人脸到云端，高性能云端进行识别比对。由于比对往往需要多帧实现，所以该种模式需要多次网络请求，时间会花在传输和识别上。另一种是基于本地模式，即本地低端设备上直接部署比对模型。该种模式虽然不必考虑网络传输，但是由于客户端性能较差，单次比对的速度就非常慢，多帧压力也很大。

发明内容

为了解决上述问题，本发明提出了一种关于人脸识别的方案，其可以用于人脸识别，也可以用于任何目标对象的识别，只需将人脸替换为其他目标对象即可。下面简要描述本发明提出的关于人脸识别的方案，更多细节将在后续结合附图在具体实施方式中加以描述。

根据本发明一方面，提供了一种人脸识别方法，所述方法包括：将针对同一待识别对象的多帧人脸图像中的部分人脸图像传输至云端进行云端人脸识别，以得到云端人脸识别结果；在实施所述传输的同时，针对所述多帧人脸图像中的其余人脸图像进行本地人脸识别，以得到本地人脸识别结果；以及将所述云端人脸识别结果和所述本地人脸识别结果进行融合，以得到所述待识别对象的最终识别结果。

在本发明的一个实施例中，所述方法还包括：将所述多帧人脸图像的数量进行最优化分配，以使得所述传输所花费的时间与所述云端人脸识别所花费的时间这两者之和最接近于所述本地人脸识别所花费的时间。

在本发明的一个实施例中，所述最优化分配通过下列公式进行：N1＝N*A/(1+A)，N2＝N–N1，A＝Max(t1,t2)/Min(t1,t2)，其中：t1为针对一帧人脸图像所述传输所花费的时间与所述云端人脸识别所花费的时间之和；t2为针对一帧人脸图像所述本地人脸识别所花费的时间；Max(t1,t2)表示取t1和t2这两者中的较大值；Min(t1,t2)表示取t1和t2这两者中的较小值；A表示t1和t2这两者中的较大值与t1和t2这两者中的较小值之比；N表示所述多帧人脸图像的帧数；N1表示分配到t1和t2这两者中的较小值所对应的识别方式的人脸图像的帧数；以及N2表示分配到t1和t2这两者中的较大值所对应的识别方式的人脸图像的帧数。

在本发明的一个实施例中，当所述N1不为整数时，对所述N1进行下取整或上取整。

在本发明的一个实施例中，所述多帧人脸图像是通过对多帧图像进行人脸检测而得到的，所述多帧图像是针对所述同一待识别对象采集得到的。

在本发明的一个实施例中，所述多帧人脸图像是通过对多帧图像进行人脸检测和人脸抓拍而得到的，所述多帧图像是针对所述同一待识别对象采集得到的。

在本发明的一个实施例中，所述人脸抓拍包括：对于所述人脸检测得到的人脸图像进行质量检验，并在所述人脸检测得到的人脸图像通过质量检验时才传输至所述云端或用于所述本地人脸识别。