基于人工智能的人脸图像比对方法、装置、设备及介质制造方法及图纸

本申请实施例公开了一种基于人工智能的人脸图像比对方法、装置、设备及介质，涉及人脸识别技术领域。该方法包括：确认目标图像；对初始图像进行预处理，生成待检测图像；判断待检测图像是否属于标准人脸图像；提取出待检测图像对应的第一图像特征，和目标图像对应的第二图像特征；计算第一图像特征和第二图像特征的目标相似度；若目标相似度大于相似度阈值，则判断初始图像和目标图像中的人脸图像属于同一人脸。此外，本申请还涉及区块链技术，第一图像特征和第二图像特征可存储于区块链中。所述方法通过优化人脸比对流程，和对人脸图像状态进行检测，可以有效降低计算资源、传输资源和提高检测比对通过率，并对移动端系统具有更好的适应性。

【技术实现步骤摘要】
基于人工智能的人脸图像比对方法、装置、设备及介质
本申请涉及人脸识别
，特别是一种基于人工智能的人脸图像比对方法、装置、设备及介质。
技术介绍
近年来，人工智能已经走进我们普通人的生活，应用越来越普遍，其中人脸比对检测的应用是人工智能中很重要的一块。常用的方法思路大致可归纳为两种：1、基于传统机器学习方法所组成的系统，该思路基于诸如人为设计的特征提取方式，将人脸图像中的特征提取出来，再基于人为设计的一些策略，规则进行比对。2、基于深度学习的端到端的系统，该思路主要基于卷积神经网络强大的特征提取能力以及自适应的分类能力，目前表现出的性能要高于前者，是最为常用的思路。而目前基于深度学习的端到端的系统，该类方案中深度学习系统往往对资源的开销较大，而且不适合移动端间数据的快速传输。
技术实现思路
本申请实施例所要解决的技术问题是，提供一种基于人工智能的人脸图像比对方法、装置、设备及介质，提升人脸比对检测应用于移动端系统时的适应性，并保证人脸比对效率的同时，降低计算资源和传输资源的消耗。为了解决上述技术问题，本申请实施例提供一种基于人工智能的人脸图像比对方法，采用了如下所述的技术方案：一种基于人工智能的人脸图像比对方法，包括：获取图像源，从所述图像源中截取出初始图像，并确认与所述初始图像对应的目标图像；对所述初始图像进行预处理，生成待检测图像；对所述待检测图像进行状态识别，判断所述待检测图像是否属于标准人脸图像；若判断所述待检测图像属于所述标准人脸图像，则调用预设的第一人工智能模型，通过所述第一人工智能模型提取出所述待检测图像对应的第一图像特征，和所述目标图像对应的第二图像特征；调用预设的第二人工智能模型，通过所述第二人工智能模型计算所述第一图像特征和所述第二图像特征的目标相似度；获取预设的相似度阈值，比较所述目标相似度和所述相似度阈值的大小，若所述目标相似度大于所述相似度阈值，则判断所述初始图像和所述目标图像中的人脸图像属于同一人脸。为了解决上述技术问题，本申请实施例还提供一种基于人工智能的人脸图像比对装置，采用了如下所述的技术方案：一种基于人工智能的人脸图像比对装置，包括：图像获取模块，用于获取图像源，从所述图像源中截取出初始图像，并确认与所述初始图像对应的目标图像；图像预处理模块，用于对所述初始图像进行预处理，生成待检测图像；图像状态识别模块，用于对所述待检测图像进行状态识别，判断所述待检测图像是否属于标准人脸图像；特征提取模块，用于若判断所述待检测图像属于所述标准人脸图像，则调用预设的第一人工智能模型，通过所述第一人工智能模型提取出所述待检测图像对应的第一图像特征，和所述目标图像对应的第二图像特征；相似度计算模块，用于调用预设的第二人工智能模型，通过所述第二人工智能模型计算所述第一图像特征和所述第二图像特征的目标相似度；图像比对判断模块，用于获取预设的相似度阈值，比较所述目标相似度和所述相似度阈值的大小，若所述目标相似度大于所述相似度阈值，则判断所述初始图像和所述目标图像中的人脸图像属于同一人脸。为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现如上述任意一项技术方案所述的基于人工智能的人脸图像比对方法。为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任意一项技术方案所述的基于人工智能的人脸图像比对方法。与现有技术相比，本申请实施例主要有以下有益效果：本申请实施例公开了一种基于人工智能的人脸图像比对方法、装置、设备及介质，本申请实施例所述的基于人工智能的人脸图像比对方法，在获取图像源，从所述图像源中截取出初始图像，并确认与所述初始图像对应的目标图像之后；对所述初始图像进行预处理，生成待检测图像；再对所述待检测图像进行状态识别，判断所述待检测图像是否属于标准人脸图像；若判断所述待检测图像属于所述标准人脸图像，则调用预设的第一人工智能模型，通过所述第一人工智能模型提取出所述待检测图像对应的第一图像特征，和所述目标图像对应的第二图像特征；并调用预设的第二人工智能模型，通过所述第二人工智能模型计算所述第一图像特征和所述第二图像特征的目标相似度；然后获取预设的相似度阈值，比较所述目标相似度和所述相似度阈值的大小，若所述目标相似度大于所述相似度阈值，则判断所述初始图像和所述目标图像中的人脸图像属于同一人脸。所述方法通过拆分优化人脸比对流程，并对人脸图像状态进行检测，可以在有效降低计算资源和传输资源消耗的前提下，大幅提高检测比对的通过率，相较于以往直接采用深度学习构建的整套系统，对移动端系统具有更好的适应性。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本申请实施例可以应用于其中的示例性系统架构图；图2为本申请实施例中所述基于人工智能的人脸图像比对方法的一个实施例的流程图；图3为本申请实施例中所述基于人工智能的人脸图像比对装置的一个实施例的结构示意图；图4为本申请实施例中计算机设备的一个实施例的结构示意图。具体实施方式除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的
的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“包括”、“包含”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出或单元，而是可选地还包括没有列出或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。在本申请的权利要求书、说明书以及说明书附图中的术语，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体/操作/对象与另一个实体/操作/对象区分开来，而不一定要求或者暗示这些实体/操作/对象之间存在任何这种实际的关系或者顺序。在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其他实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其他实施例相结合。为了使本
的人员更好地理解本申请的方案，下面将结合本申请实施例中的相关附本文档来自技高网...

【技术保护点】
1.一种基于人工智能的人脸图像比对方法，其特征在于，包括：/n获取图像源，从所述图像源中截取出初始图像，并确认与所述初始图像对应的目标图像；/n对所述初始图像进行预处理，生成待检测图像；/n对所述待检测图像进行状态识别，判断所述待检测图像是否属于标准人脸图像；/n若判断所述待检测图像属于所述标准人脸图像，则调用预设的第一人工智能模型，通过所述第一人工智能模型提取出所述待检测图像对应的第一图像特征，和所述目标图像对应的第二图像特征；/n调用预设的第二人工智能模型，通过所述第二人工智能模型计算所述第一图像特征和所述第二图像特征的目标相似度；/n获取预设的相似度阈值，比较所述目标相似度和所述相似度阈值的大小，若所述目标相似度大于所述相似度阈值，则判断所述初始图像和所述目标图像中的人脸图像属于同一人脸。/n

【技术特征摘要】
1.一种基于人工智能的人脸图像比对方法，其特征在于，包括：
获取图像源，从所述图像源中截取出初始图像，并确认与所述初始图像对应的目标图像；
对所述初始图像进行预处理，生成待检测图像；
对所述待检测图像进行状态识别，判断所述待检测图像是否属于标准人脸图像；
若判断所述待检测图像属于所述标准人脸图像，则调用预设的第一人工智能模型，通过所述第一人工智能模型提取出所述待检测图像对应的第一图像特征，和所述目标图像对应的第二图像特征；
调用预设的第二人工智能模型，通过所述第二人工智能模型计算所述第一图像特征和所述第二图像特征的目标相似度；
获取预设的相似度阈值，比较所述目标相似度和所述相似度阈值的大小，若所述目标相似度大于所述相似度阈值，则判断所述初始图像和所述目标图像中的人脸图像属于同一人脸。


2.根据权利要求1所述的基于人工智能的人脸图像比对方法，其特征在于，从所述图像源中截取出初始图像包括：
从所述图像源中随机截取一帧第一图像；
调用预设的人脸检测神经网络；
将所述第一图像输入所述人脸检测神经网络，通过所述人脸检测神经网络检测所述第一图像中的人脸像素；
若所述第一图像中的人脸像素达到预设的像素数量阈值，确认所述第一图像为所述初始图像。


3.根据权利要求2所述的基于人工智能的人脸图像比对方法，其特征在于，在所述从所述图像源中随机截取一帧第一图像之后，所述方法还包括：
识别所述第一图像的图像分辨率；
根据所述图像分辨率对预设的像素数量阈值进行配置。


4.根据权利要求1所述的基于人工智能的人脸图像比对方法，其特征在于，在所述生成待检测图像之后，所述方法还包括：
确定目标服务端，并与所述目标服务端建立通信连接；
对所述待检测图像进行编码生成目标编码数据；
将所述目标编码数据传输至所述目标服务端；
通过所述目标服务端对所述目标编码数据进行解码生成目标解码数据，并调用预设的人脸判定卷积神经网络，将所述目标解码数据输入所述人脸判定卷积神经网络，以通过所述人脸判定卷积神经网络生成目标判断结果；
根据所述目标判断结果确认所述待检测图像中对应的人脸图像是否属于实时获取的正常人脸。


5.根据权利要求1所述的基于人工智能的人脸图像比对方法，其特征在于，所述对所述待检测图像进行状态识别，判断所述待检测图像是否属于标准人脸图像包括：
读取预设的人脸图像标准参数，所述人脸图像标准参数包括：图像清晰度、图像亮度和人脸完整度；
识别所述待检测图像的图像...

【专利技术属性】
技术研发人员：黄浩泽，
申请(专利权)人：平安普惠企业管理有限公司，
类型：发明
国别省市：广东;44