人像識別方法及裝置、計算機可讀存儲介質制造方法及圖紙

一種人像識別方法及裝置、計算機可讀存儲介質，所述人像識別方法包括：采用第一人像識別算法對待識別圖像進行第一次識別，并與目標人物圖像進行比對，得到滿足相似度閾值的匹配目標圖像；將上次識別得到的前N位匹配目標圖像作為下次識別的待識別圖像，直至采用第m人像識別算法完成對待識別圖像進行第m次識別，并與所述目標人物圖像進行比對，將滿足所述相似度閾值的匹配目標圖像作為最終的匹配目標圖像，N為正整數，m為大于1的正整數。采用上述方案，可以降低人像識別的誤識率。

Portrait Recognition Method and Device, Computer Readable Storage Media

【技術實現步驟摘要】
人像識別方法及裝置、計算機可讀存儲介質
本專利技術實施例涉及圖像識別
，尤其涉及一種人像識別方法及裝置、計算機可讀存儲介質。
技術介紹
在人像識別系統中，不管是人像靜態識別，還是人像動態識別，識別效果是衡量人像識別系統的最重要與核心的技術指標。識別效果主要是靠以下兩個具體指標組成的：正確識別率、誤識率。正確識別率與人像識別算法與自身的屬性相關。誤識率則隨著前端采集圖像數據質量的參差不齊，以及后臺比對庫的增大，誤識率也會相應增大，然而，目前并沒有有效的解決方案。
技術實現思路
本專利技術實施例解決的技術問題是如何降低人像識別的誤識率。為解決上述技術問題，本專利技術實施例提供一種人像識別方法包括：采用第一人像識別算法對待識別圖像進行第一次識別，并與目標人物圖像進行比對，得到滿足相似度閾值的匹配目標圖像；將上次識別得到的前N位匹配目標圖像作為下次識別的待識別圖像，直至采用第m人像識別算法完成對待識別圖像進行第m次識別，并與所述目標人物圖像進行比對，將滿足所述相似度閾值的匹配目標圖像作為最終的匹配目標圖像，N為正整數，m為大于1的正整數。可選地，在采用第一人像識別算法對待識別圖像進行第一次識別之前，還包括：根據備選人像識別算法的相似度閾值對應的正確識別率及誤識率，確定所述第一人像識別算法至第m人像識別算法對應的算法類型。可選地，所述根據備選人像識別算法的相似度閾值對應的正確識別率及誤識率，確定所述第一人像識別算法至第m人像識別算法對應的算法類型，包括：采用各備選人像識別算法分別對樣本圖像庫進行識別，統計得出在各相似度閾值下，分別對應的正確識別率及誤識率；在滿足設定的正確識別率，且在同一誤識率下，根據各人像識別算法的相似度區間的交集占比，從滿足預設占比的備選人像識別算法中確定所述第一人像識別算法至第m人像識別算法對應的算法類型。可選地，采用如下方式確定所述相似度閾值：將滿足預設占比的備選人像識別算法對應的相似度閾值的平均值作為所述相似度閾值。可選地，m取值為2。可選地，所述第一人像識別算法至所述第m人像識別算法包括以下任意一種算法：基于KL變換算法、基于積分圖像特征法、基于奇異特征法、概率模型法及深度神經網絡模型法。本專利技術實施例還提供一種人像識別裝置，包括：第一識別單元，適于采用第一人像識別算法對待識別圖像進行第一次識別，并與目標人物圖像進行比對，得到滿足相似度閾值的匹配目標圖像；第二識別單元，適于將上次識別得到的前N位匹配目標圖像作為下次識別的待識別圖像，直至采用第m人像識別算法完成對待識別圖像進行第m次識別，并與所述目標人物圖像進行比對，將滿足所述相似度閾值的匹配目標圖像作為最終的匹配目標圖像，m為大于1的正整數。可選地，所述人像識別裝置還包括：人像識別算法確認單元，適于在所述第一識別單元采用第一人像識別算法對待識別圖像進行第一次識別之前，根據備選人像識別算法的相似度閾值對應的正確識別率及誤識率，確定所述第一人像識別算法至第m人像識別算法對應的算法類型。可選地，所述人像識別算法確認單元，適于采用各備選人像識別算法分別對樣本圖像庫進行識別，統計得出在各相似度閾值下，分別對應的正確識別率及誤識率；在滿足設定的正確識別率，且在同一誤識率下，根據各人像識別算法的相似度區間的交集占比，從滿足預設占比的備選人像識別算法中確定所述第一人像識別算法至第m人像識別算法對應的算法類型。可選地，所述人像識別算法確認單元，適于采用如下方式確定所述相似度閾值：將滿足預設占比的備選人像識別算法對應的相似度閾值的平均值作為所述相似度閾值。可選地，m取值為2。可選地，所述第一人像識別算法至所述第m人像識別算法包括以下任意一種算法：基于KL變換算法、基于積分圖像特征法、基于奇異特征法、概率模型法及深度神經網絡模型法。與現有技術相比，本專利技術實施例的技術方案具有以下有益效果：在采用第一人像識別算法對待識別圖像進行第一識別之后，將上次識別得到的前N位匹配目標圖像作為下次識別的待識別圖像，直至完成第m次識別，通過對圖像進行多次識別篩選，從而可以降低人像識別的誤識率。附圖說明圖1是本專利技術實施例中一種人像識別方法的流程圖；圖2是本專利技術實施例中一種人像識別裝置的結構示意圖。具體實施方式如上所述，由于前端采集圖像數據質量的參差不齊，以及后臺比對庫的增大，誤識率也會相應增大，然而，目前并沒有有效的解決方案。本專利技術實施例中，在采用第一人像識別算法對待識別圖像進行第一識別之后，將上次識別得到的前N位匹配目標圖像作為下次識別的待識別圖像，直至完成第m次識別，通過對圖像進行多次識別篩選，從而可以降低人像識別算法的誤識率。為使本專利技術實施例的上述目的、特征和有益效果能夠更為明顯易懂，下面結合附圖對本專利技術的具體實施例做詳細的說明。參照圖1，給出的本專利技術實施例中一種人像識別方法的流程圖，下面通過具體步驟進行詳細說明。步驟11，采用第一人像識別算法對待識別圖像進行第一次識別，并與目標人物圖像進行比對，得到滿足相似度閾值的匹配目標圖像。在具體實施中，待識別圖像可以為靜態圖像，也可以為動態圖像。例如，可以為存儲裝置內所存儲的大量圖像，也可以為圖像采集裝置如攝像頭等實時采集的圖像。在獲取到待識別圖像之后，可以采用第一人像識別算法對待識別圖像進行第一次識別，并與目標人物圖像進行比對，得到滿足相似度閾值的匹配目標圖像。步驟12，將上次識別得到的前N位匹配目標圖像作為下次識別的待識別圖像，直至采用第m人像識別算法完成對待識別圖像進行第m次識別，并與所述目標人物圖像進行比對，將滿足相似度閾值的匹配目標圖像作為最終的匹配目標圖像。在具體實施中，從采用第一人像識別算法進行第一人像識別得到的匹配目標圖像中的提取出前N位匹配目標圖像。將所提取出的前N位匹配目標圖像作為第二次人像識別的待識別圖像，采用第二人像識別算法對所提取出的前N為匹配目標圖像進行識別，并與所述目標人物圖像進行比對，得到滿足所述相似度閾值的匹配目標圖像。從上次人像識別得到的匹配目標圖像提取對應數目的匹配目標圖像作為下次人像識別的待識別圖像，直至采用第m人像識別算法完成對待識別圖像進行第m次識別，并與所述目標人物圖像進行比對，將滿足所述相似度閾值的匹配目標圖像作為最終的匹配目標圖像。其中，N為正整數，m為大于1的正整數。由上述方案可知，在采用第一人像識別算法對待識別圖像進行第一識別之后，將上次識別得到的前N位匹配目標圖像作為下次識別的待識別圖像，直至完成第m次識別，通過對圖像進行多次識別篩選，從而可以降低人像識別的誤識率。在本專利技術一實施例中，m取值為2，也即在人像識別過程中進行2次人像識別，這樣既可以降低人像識別的誤識率，又可以兼顧人像識別的算法復雜度。在具體實施中，在采用第一人像識別算法對待識別圖像進行第一次識別之前，可以根據備選人像識別算法的相似度閾值對應的正確識別率及誤識率，確定所述第一人像識別算法至第m人像識別算法對應的算法類型。在具體實施中，當確定所述第一人像識別算法至第m人像識別算法對應的算法類型之后，后續的人像識別過程中可以采用所確定的人像識別算法進行人像識別，而無須執行所述第一人像識別算法至第m人像識別算法對應的算法類型的確認步驟。可以理解的是，在實際應用中，根據實際需要也可以重新對所述第一人像識別算法至第m人像本文檔來自技高網...

【技術保護點】
1.一種人像識別方法，其特征在于，包括：采用第一人像識別算法對待識別圖像進行第一次識別，并與目標人物圖像進行比對，得到滿足相似度閾值的匹配目標圖像；將上次識別得到的前N位匹配目標圖像作為下次識別的待識別圖像，直至采用第m人像識別算法完成對待識別圖像進行第m次識別，并與所述目標人物圖像進行比對，將滿足所述相似度閾值的匹配目標圖像作為最終的匹配目標圖像，N為正整數，m為大于1的正整數。

【技術特征摘要】
1.一種人像識別方法，其特征在于，包括：采用第一人像識別算法對待識別圖像進行第一次識別，并與目標人物圖像進行比對，得到滿足相似度閾值的匹配目標圖像；將上次識別得到的前N位匹配目標圖像作為下次識別的待識別圖像，直至采用第m人像識別算法完成對待識別圖像進行第m次識別，并與所述目標人物圖像進行比對，將滿足所述相似度閾值的匹配目標圖像作為最終的匹配目標圖像，N為正整數，m為大于1的正整數。2.根據權利要求1所述的人像識別方法，其特征在于，在采用第一人像識別算法對待識別圖像進行第一次識別之前，還包括：根據備選人像識別算法的相似度閾值對應的正確識別率及誤識率，確定所述第一人像識別算法至第m人像識別算法對應的算法類型。3.根據權利要求2所述的人像識別方法，其特征在于，所述根據備選人像識別算法的相似度閾值對應的正確識別率及誤識率，確定所述第一人像識別算法至第m人像識別算法對應的算法類型，包括：采用各備選人像識別算法分別對樣本圖像庫進行識別，統計得出在各相似度閾值下，分別對應的正確識別率及誤識率；在滿足設定的正確識別率，且在同一誤識率下，根據各人像識別算法的相似度區間的交集占比，從滿足預設占比的備選人像識別算法中確定所述第一人像識別算法至第m人像識別算法對應的算法類型。4.根據權利要求3所述的人像識別方法，其特征在于，采用如下方式確定所述相似度閾值：將滿足預設占比的備選人像識別算法對應的相似度閾值的平均值作為所述相似度閾值。5.根據權利要求1所述的人像識別方法，其特征在于，m取值為2。6.根據權利要求1所述的人像識別方法，其特征在于，所述第一人像識別算法至所述第m人像識別算法包括以下任意一種算法：基于KL變換算法、基于積分圖像特征法、基于奇異特征法、概率模型法及深度神經網絡模型法。7.一種人像識別裝置，其特征在于，包括：第一識別單元，適于采用第一人像識別算法對待識別圖像進行第一次識別，并與目標人物圖像進行比對，得到滿足相似度閾值的匹配目標圖像...

【專利技術屬性】
技術研發人員：趙文忠，
申請(專利權)人：上海銀晨智能識別科技有限公司，
類型：發明
國別省市：上海,31