[发明专利]一种基于人脸识别的信息获取方法及系统

说明书

本发明公开了一种基于人脸识别的信息获取方法及系统，所述方法包括：客户端通过摄像头拍摄图片后发送至服务端，服务端以预设形式接收客户端发送的图片，并进行编码处理后发送至后台；后台将接收的图片进行解码后对图片进行人脸识别，获取人脸识别结果并发送至服务端；服务端根据人脸识别结果在数据库中进行人脸匹配，当匹配成功后将对应的人员信息展示给客户端。本发明将人脸识别应用到移动互联网中，为用户提供了功能更强大的人脸识别，通过后台数据库的数据分析，为用户提供更加个性化的功能和服务，拓宽了人脸识别的应用场合，满足了不同场景的多元化需求。

技术领域

本发明涉及人脸识别技术应用领域，尤其涉及一种基于人脸识别的信息获取方法及系统。

背景技术

随着深度学习技术的快速发展，人脸识别技术在不同领域都得到了广泛的应用，并随着用户需求的不断发展而衍生出了许多不同的应用形式。在办公场景下，人脸识别技术的应用主要集中在进行员工身份的鉴别，从而代替传统的指纹识别技术。另一方面，移动互联网在近几年的发展仍保持增长态势，移动APP和web开发仍是互联网开发的重要方向，不断有新技术的出现为移动互联网开发注入新的活力。但是，目前市面上仍比较缺少将人脸识别技术与移动互联网相结合的产品，大多数与人脸识别相关的APP都是相机类应用，没有能够用于办公场景下的基于人脸识别技术的移动互联网产品。

人脸识别技术的兴起源于深度学习技术，目前的主流深度学习方案是基于某一用于深度学习框架，如TensorFlow（用于数值计算的开源软件库）、Caffe（常用的深度学习框架，主要应用在视频、图像处理方面的应用上）、Keras（基于Python的深度学习库）等，搭建以多层感知机（MLP）为基础的人工神经网络，通过调整神经网络的结构与参数，能够获得具有不同功能的深度学习模型，从而适应不同的需求。

目前人脸识别技术在办公场景下的应用面较窄，主要用于员工身份鉴别，没有充分整合人脸识别技术和信息检索与分析的优点，同时，由于深度学习需要大量的数据和计算量，因此人脸识别技术的应用集中于桌面端甚至停留在服务端，没能结合移动互联网技术的优势，普通用户难以发现深度学习技术的优势所在。

因此，现有技术还有待于改进和发展。

发明内容

本发明要解决的技术问题在于，针对现有技术缺陷，本发明提供一种基于人脸识别的信息获取方法及系统，旨在将人脸识别应用到移动互联网中，为用户提供了功能更强大的人脸识别，通过后台数据库的数据分析，为用户提供更加个性化的功能和服务，拓宽了人脸识别的应用场合，满足了不同场景的多元化需求。

本发明解决技术问题所采用的技术方案如下：

一种基于人脸识别的信息获取方法，其中，所述基于人脸识别的信息获取方法包括：

客户端通过摄像头拍摄图片后发送至服务端，服务端以预设形式接收客户端发送的图片，并进行编码处理后发送至后台；

后台将接收的图片进行解码后对图片进行人脸识别，获取人脸识别结果并发送至服务端；

服务端根据人脸识别结果在数据库中进行人脸匹配，当匹配成功后将对应的人员信息展示给客户端。

所述的基于人脸识别的信息获取方法，其中，所述客户端通过摄像头拍摄图片后发送至服务端，服务端以预设形式接收客户端发送的图片，并进行编码处理后发送至后台具体包括：

客户端启动APP，通过账号和密码登录后开启摄像头拍摄图片，并将拍摄的图片发送至服务端；

服务端通过前端接口以form data格式接收客户端发送的图片，并对图片进行base64编码，将图片转换成base64字符串后发送至后台。

所述的基于人脸识别的信息获取方法，其中，所述基于人脸识别的信息获取方法还包括：