[发明专利]高效的人脸识别方法及电子设备在审

专利信息
申请号: 201811628411.X 申请日: 2018-12-28
公开(公告)号: CN109766806A 公开(公告)日: 2019-05-17
发明(设计)人: 肖振中;许星;闫敏;王兆民 申请(专利权)人: 深圳奥比中光科技有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06N3/08
代理公司: 深圳新创友知识产权代理有限公司 44223 代理人: 郭光美
地址: 518000 广东省深圳市南*** 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: 人脸识别 电子设备 人脸 神经网络模型 光发射模组 人脸图像 视差计算 算法过程 用户体验 计算量 检测 显示屏 背面 相机 指令
【权利要求书】:

1.一种高效的人脸识别方法,其特征在于,包括以下步骤:

S1:接收包含人脸的第一IR图像和第二IR图像;

S2:检测所述第一IR图像和第二IR图像中的人脸;

S3:将检测到的第一IR图像和第二IR图像中的人脸图像输入到已被预先训练过的神经网络模型以进行人脸识别;

S4:根据识别结果执行相关的指令。

2.根据权利要求1所述的人脸识别方法,其特征在于,所述步骤S3包括以下子步骤:

S31:检测第一IR图像以及第二IR图像中的人脸是否为立体人脸;

S32:对所述第一IR图像和/或第二IR图像中的人脸进行识别。

3.根据权利要求1所述的人脸识别方法,其特征在于,所述步骤S3中所述预先训练的过程为:对两个以上的真实人脸以及两个以上的虚假人脸分别采集第一IR图像与第二IR图像,并对这些图像进行标注;随后将这些图像输入到神经网络模型中,以对模型中各个参数进行训练,使得训练后的神经网络模型将对输入的第一IR图像以及第二IR图像具备立体判断以及人脸识别两种功能。

4.根据权利要求3所述的人脸识别方法,其特征在于,所述神经网络模型包含第一子神经网络模型和第二子神经网络模型,在训练阶段,提前采集好的第一IR图像、第二IR图像以及是否为真实人脸的标注信息输入到所述第一子神经网络模型;将提前采集好的第一IR图像和/或第二IR图像输入到所述第二子神经网络模型;所述第一子神经网络模型用于检测待测人脸图像是否为立体人脸,所述第二子神经网络模型用于对所述待测人脸图像进行人脸识别。

5.一种电子设备,其特征在于,包括:

壳体;

设置在正面的显示屏、第一相机、第二相机、光发射模组、存储器和处理器;

所述第一相机和第二相机均用于采集外部人或物体在红外光照射下的红外图像,所述光发射模组用于提供红外光照明;

所述第一相机与第二相机组成双目深度相机,所述第一相机、第二相机、光发射模组设置在所述显示屏的背面;所述存储器存放有程序;所述处理器,运行所述程序,以控制所述第一相机与所述第二相机分别采集包含人脸的第一IR图像以及第二IR图像,以及控制所述电子设备执行如权利要求1-4任一所述的人脸识别方法。

6.根据权利要求5所述的电子设备,其特征在于,所述第一相机与第二相机的视场角、分辨率或焦距不同。

7.根据权利要求5所述的电子设备,其特征在于,所述显示屏包括第一子显示屏、第二子显示屏和第三子显示屏,所述第一相机和第二相机分别设置在所述第一子显示屏和第三子显示屏的背面。

8.根据权利要求7所述的电子设备,其特征在于,所述第一子显示屏和第三子显示屏均为透明显示屏,所述第一子显示屏的分辨率比所述第三子显示屏的分辨率低,所述第一子显示屏的显示开口率比所述第三子显示屏的显示开口率高。

9.根据权利要求5所述的电子设备,其特征在于,所述第一相机与显示屏之间、第二相机与显示屏之间还设置有滤光器,用于减少可见光的透过。

10.根据权利要求9所述的电子设备,其特征在于,所述滤光器是光学开关,在断电时处于非透明状态,光线无法通过,在通电时处于透明状态,光线能够通过;或者,所述滤光器是单向透视膜,所述单向透视膜面向光学模组的一侧平面对于可见光的透过率小于反射率,面向显示屏的一侧平面对于红外光的透过率大于反射率,从而允许外部的红外光线通过显示屏进入光学模组而阻止内部光线通过显示屏;或者,所述滤光器是滤光片,用于阻止可见光通过而使得与所述第二相机对应波长区间的光束通过;并且当所述滤光器是滤光片时,所述第二相机仅包含图像传感器与成像透镜。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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奥比中光科技有限公司,未经深圳奥比中光科技有限公司许可,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/201811628411.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top