[发明专利]人脸识别方法及装置在审
申请号: | 201710957341.1 | 申请日: | 2017-10-16 |
公开(公告)号: | CN107832158A | 公开(公告)日: | 2018-03-23 |
发明(设计)人: | 孙晓刚;廖俊宁;滕龙;李泽原;王曦;万磊;胡城;李相宇;谢文吉;蒋勇;周宗成;解至煊;杨杰 | 申请(专利权)人: | 深圳市中钞信达金融科技有限公司;沈阳中钞信达金融设备有限公司 |
主分类号: | G06F9/52 | 分类号: | G06F9/52;G06F9/54;G06K9/00 |
代理公司: | 北京超凡志成知识产权代理事务所(普通合伙)11371 | 代理人: | 张海洋 |
地址: | 518000 广东省深圳市龙岗*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 识别 方法 装置 | ||
1.一种人脸识别方法,其特征在于,所述人脸识别方法包括:
将接收到的多次人脸识别请求进行数据封装得到任务数据包;
将所述任务数据包缓存至一任务堆栈等待处理;
当线程池中任意线程空闲时,获取所述堆栈中的任务数据包;以及
基于预设的神经网络模型对所述任务数据包中的多幅图像数据进行人脸识别,得到所述多幅图像数据的人脸识别结果。
2.如权利要求1所述的人脸识别方法,其特征在于,所述基于预设的神经网络模型对所述任务数据包中的多幅图像数据进行人脸识别,得到所述多幅图像数据的人脸识别结果的步骤包括:
将所述任务数据包进行解封装得到多幅图像数据;
检测出所述多幅图像数据中的人脸图像;
将所述人脸图像进行校正;
将校正后的人脸图像输入神经网络的模型中进行训练得到人脸特征,将每个人脸图像对应的人脸特征作为对应的人脸识别请求的人脸识别结果。
3.如权利要求1所述的人脸识别方法,其特征在于,所述方法还包括:
当得到所述人脸识别结果后,启动一线程将所述人脸识别结果存储到一数据库中。
4.如权利要求1所述的人脸识别方法,其特征在于,所述将接收到的多次人脸识别请求进行数据封装得到任务数据包的步骤包括:
将接收到的人脸识别请求中的人脸图像数据进行数据封装得到任务数据包;
为所述任务数据包添加任务标签,所述任务标签包括任务内容及任务量。
5.如权利要求1-4任意一项所述的人脸识别方法,其特征在于,所述基于预设的神经网络模型对所述任务数据包中的多幅图像数据进行人脸识别,得到所述多幅图像数据的人脸识别结果的步骤包括:
检测出所述多幅图像数据中的多个人脸图像;
将所述多个人脸图像输入神经网络的模型中进行训练得到多组人脸特征;
将多组所述人脸特征分别与预设的对照特征进行匹配,根据匹配结果得到每个人脸图像对应的人脸识别结果。
6.一种人脸识别装置,其特征在于,所述人脸识别装置包括:
封装模块,用于将接收到的多次人脸识别请求进行数据封装得到任务数据包;
缓存模块,用于将所述任务数据包缓存至一任务堆栈等待处理;
获取模块,用于当线程池中任意线程空闲时,获取所述堆栈中的任务数据包;以及
识别模块,用于基于预设的神经网络模型对所述任务数据包中的多幅图像数据进行人脸识别,得到所述多幅图像数据的人脸识别结果。
7.如权利要求6所述的人脸识别装置,其特征在于,所述识别模块包括:
解封装单元,用于将所述任务数据包进行解封装得到多幅图像数据;
检测单元,用于检测出所述多幅图像数据中的人脸图像;
校正单元,用于将所述人脸图像进行校正;
特征识别单元,用于将校正后的人脸图像输入神经网络的模型中进行训练得到人脸特征,将每个人脸图像对应的人脸特征作为对应的人脸识别请求的人脸识别结果。
8.如权利要求6所述的人脸识别装置,其特征在于,所述装置还包括:
存储模块,用于当得到所述人脸识别结果后,启动一线程将所述人脸识别结果存储到一数据库中。
9.如权利要求6所述的人脸识别装置,其特征在于,所述封装模块包括:
数据封装单元,用于将接收到的人脸识别请求中的人脸图像数据进行数据封装得到任务数据包;
标签添加单元,用于为所述任务数据包添加任务标签,所述任务标签包括任务内容及任务量。
10.如权利要求6-9任意一项所述的人脸识别装置,其特征在于,所述识别模块包括:
检测单元,用于检测出所述多幅图像数据中的多个人脸图像;
训练单元,用于将所述多个人脸图像输入神经网络的模型中进行训练得到多组人脸特征;
匹配单元,用于将多组所述人脸特征分别与预设的对照特征进行匹配,根据匹配结果得到每个人脸图像对应的人脸识别结果。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市中钞信达金融科技有限公司;沈阳中钞信达金融设备有限公司,未经深圳市中钞信达金融科技有限公司;沈阳中钞信达金融设备有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710957341.1/1.html,转载请声明来源钻瓜专利网。