本发明涉及图像识别技术领域，并且更具体地，涉及一种用于人脸识别的方法及系统。
背景技术：
近年来，人脸识别的技术越来越与时俱进，从最初的模式识别，到现在的机器学习，深度学习，人脸识别的准确性越来越提高，需求的场景也越来越多，包括刷脸支付，办理登记，出行等需求，刷脸的应用越来越广泛，其方便快捷的特点深受大家的欢迎。
技术实现要素：
本发明目的在于利用更加高效的人脸识别结果可以更加快捷方便的应用在各种场景，而提出了一种用于人脸识别的方法，包括：
采集目标人群人脸图像，对人脸图像进行校验，剔除不符合规范的人脸图像，并重新采集，直到获取目标人群全部的人脸图像，根据目标人群全部的人脸图像，获取目标人群人脸图像特征数据，并将目标人群人脸图像特征数据存储至数据库；
确定识别区域，当目标进入识别区域后，采集目标人脸图像，并发送人脸识别请求，进入请求队列进行排队；
排队结束后，读取目标人脸图像，对目标人脸图像进行切割并勾画出人脸边框，获取待测人脸图像；
对待测人脸图像进行人脸特征点提取，获取特征点；
根据特征点，检索数据库，确定与特征点进行匹配的特征数据，并对特征数据与特征点进行匹配，获取匹配数据，将匹配数据与预设阈值进行对比，进行人脸识别。
可选的，方法还包括：
若匹配数据大于预设阈值，确定目标人脸可识别，属于目标人群；
若匹配数据小于预设阈值，确定目标人脸不可识别，不属于目标人群。
可选的，方法还包括：
采集目标人脸图像后，确定目标人脸图像是否合规，若不合规，进行二次采集。
可选的，匹配为特征点以1：1或1：n的方式遍历特征数据，进行匹配。
可选的，不符合规范的人脸图像，为图像中分辨率低或面部不完整。
本发明还提出了一种用于人脸识别的系统，包括：
采集模块，采集目标人群人脸图像，对人脸图像进行校验，剔除不符合规范的人脸图像，并重新采集，直到获取目标人群全部的人脸图像，根据目标人群全部的人脸图像，获取目标人群人脸图像特征数据，并将目标人群人脸图像特征数据存储至数据库；
请求识别模块，确定识别区域，当目标进入识别区域后，采集目标人脸图像，并发送人脸识别请求，进入请求队列进行排队；
处理模块，排队结束后，读取目标人脸图像，对目标人脸图像进行切割并勾画出人脸边框，获取待测人脸图像；
特征点提取模块，对待测人脸图像进行人脸特征点提取，获取特征点；
识别模块，根据特征点，检索数据库，确定与特征点进行匹配的特征数据，并对特征数据与特征点进行匹配，获取匹配数据，将匹配数据与预设阈值进行对比，进行人脸识别。
可选的，识别模块，还用于：
确定当匹配数据大于预设阈值时，确定目标人脸可识别，属于目标人群；
确定当匹配数据小于预设阈值时，确定目标人脸不可识别，不属于目标人群。
可选的，请求识别模块，还用于：
采集目标人脸图像后，确定目标人脸图像是否合规，若不合规，进行二次采集。
可选的，匹配为特征点以1：1或1：n的方式遍历特征数据，进行匹配。
可选的，不符合规范的人脸图像，为图像中分辨率低或面部不完整。
本发明提高了人脸识别的效率，准去率和安全性，可应用于各种生活场景，包括：实名认证，刷脸支付，税务缴费认证，视频监控等方面。
附图说明
图1为本发明一种用于人脸识别的方法流程图；
图2为本发明一种用于人脸识别的方法实施例流程图；
图3为本发明一种用于人脸识别的系统结构图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中，相同的单元/元件使用相同的附图标记。
除非另有说明，此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。
本发明提出了一种用于人脸识别的方法，如图1所示，包括：
采集目标人群人脸图像，对人脸图像进行校验，剔除不符合规范的人脸图像，并重新采集，直到获取目标人群全部的人脸图像，根据目标人群全部的人脸图像，获取目标人群人脸图像特征数据，并将目标人群人脸图像特征数据存储至数据库；
确定识别区域，当目标进入识别区域后，采集目标人脸图像，并发送人脸识别请求，进入请求队列进行排队；
采集目标人脸图像后，确定目标人脸图像是否合规，若不合规，进行二次采集。
排队结束后，读取目标人脸图像，对目标人脸图像进行切割并勾画出人脸边框，获取待测人脸图像；
对待测人脸图像进行人脸特征点提取，获取特征点；
根据特征点，检索数据库，确定与特征点进行匹配的特征数据，并对特征数据与特征点进行匹配，获取匹配数据，将匹配数据与预设阈值进行对比，进行人脸识别。
若匹配数据大于预设阈值，确定目标人脸可识别，属于目标人群；
若匹配数据小于预设阈值，确定目标人脸不可识别，不属于目标人群。
匹配为特征点以1：1或1：n的方式遍历特征数据，进行匹配。
不符合规范的人脸图像，为图像中分辨率低或面部不完整。
下面结合实施例，如图2所示，对本发明进行进一步说明。
步骤1、先用insightface对模型进行训练，首先加载预训练模型，目的是将权重参数确保在一个较高效的水平上，接着用mtcnn对输入的图片进行预处理切割成模型训练需要的图片尺寸，通过lossfunction完成模型的训练。
步骤2、客户端在各种并发的情况下向服务器发送人脸识别的请求，并且将将要识别的图片作为请求数据发送到服务端。
步骤3、服务端将大并发的请求利用tornado与flask框架放到请求队列里面，这样做的目的是为了避免大并发下系统挂掉的风险。
步骤4、将客户端发送的数据保存成图片并且读取到mtcnn里面。
步骤5、通过mtcnn对图片进行处理，进行人脸检测，检测到如果没有人脸，则返回结果执行步骤10，有人脸的情况下对图片进行切割并且勾画出人脸的边框，为后边特征点的提取提条件。
步骤6、加载insightface训练好的模型，通过模型的加载对由步骤5切割好的图片进行人脸特征点的提取，反正特征点对应的向量矩阵。
步骤7、对步骤6返回的矩阵，然后去数据库里面存的图片数据进行检索比对。
步骤8、分配计算步骤6与数据库里面检索到的图片的欧式距离与我们预先设定好的阈值进行判断。
步骤9、大于阈值的说明是同一个人，执行步骤10，返回结果，小于阈值的说明不是同一个人，执行步骤10，返回结果。
本发明还提出了一种用于人脸识别的系统200，如图3所示，包括：
采集模块201，采集目标人群人脸图像，对人脸图像进行校验，剔除不符合规范的人脸图像，并重新采集，直到获取目标人群全部的人脸图像，根据目标人群全部的人脸图像，获取目标人群人脸图像特征数据，并将目标人群人脸图像特征数据存储至数据库；
请求识别模块202，确定识别区域，当目标进入识别区域后，采集目标人脸图像，并发送人脸识别请求，进入请求队列进行排队；
请求识别模块202，还用于：
采集目标人脸图像后，确定目标人脸图像是否合规，若不合规，进行二次采集。
处理模块203，排队结束后，读取目标人脸图像，对目标人脸图像进行切割并勾画出人脸边框，获取待测人脸图像；
特征点提取模块204，对待测人脸图像进行人脸特征点提取，获取特征点；
识别模块205，根据特征点，检索数据库，确定与特征点进行匹配的特征数据，并对特征数据与特征点进行匹配，获取匹配数据，将匹配数据与预设阈值进行对比，进行人脸识别；
确定当匹配数据大于预设阈值时，确定目标人脸可识别，属于目标人群；
确定当匹配数据小于预设阈值时，确定目标人脸不可识别，不属于目标人群。
匹配为特征点以1：1或1：n的方式遍历特征数据，进行匹配。
不符合规范的人脸图像，为图像中分辨率低或面部不完整。
本发明提高了人脸识别的效率，准去率和安全性，可应用于各种生活场景，包括：实名认证，刷脸支付，税务缴费认证，视频监控等方面。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。
1.一种用于人脸识别的方法，所述方法包括：
采集目标人群人脸图像，对人脸图像进行校验，剔除不符合规范的人脸图像，并重新采集，直到获取目标人群全部的人脸图像，根据目标人群全部的人脸图像，获取目标人群人脸图像特征数据，并将目标人群人脸图像特征数据存储至数据库；
确定识别区域，当目标进入识别区域后，采集目标人脸图像，并发送人脸识别请求，进入请求队列进行排队；
排队结束后，读取目标人脸图像，对目标人脸图像进行切割并勾画出人脸边框，获取待测人脸图像；
对待测人脸图像进行人脸特征点提取，获取特征点；
根据特征点，检索数据库，确定与特征点进行匹配的特征数据，并对特征数据与特征点进行匹配，获取匹配数据，将匹配数据与预设阈值进行对比，进行人脸识别。
2.根据权利要求1所述的方法，所述方法还包括：
若匹配数据大于预设阈值，确定目标人脸可识别，属于目标人群；
若匹配数据小于预设阈值，确定目标人脸不可识别，不属于目标人群。
3.根据权利要求1所述的方法，所述方法还包括：
采集目标人脸图像后，确定目标人脸图像是否合规，若不合规，进行二次采集。
4.根据权利要求1所述的方法，所述匹配为特征点以1：1或1：n的方式遍历特征数据，进行匹配。
5.根据权利要求1所述的方法，所述不符合规范的人脸图像，为图像中分辨率低或面部不完整。
6.一种用于人脸识别的系统，所述系统包括：
采集模块，采集目标人群人脸图像，对人脸图像进行校验，剔除不符合规范的人脸图像，并重新采集，直到获取目标人群全部的人脸图像，根据目标人群全部的人脸图像，获取目标人群人脸图像特征数据，并将目标人群人脸图像特征数据存储至数据库；
请求识别模块，确定识别区域，当目标进入识别区域后，采集目标人脸图像，并发送人脸识别请求，进入请求队列进行排队；
处理模块，排队结束后，读取目标人脸图像，对目标人脸图像进行切割并勾画出人脸边框，获取待测人脸图像；
特征点提取模块，对待测人脸图像进行人脸特征点提取，获取特征点；
识别模块，根据特征点，检索数据库，确定与特征点进行匹配的特征数据，并对特征数据与特征点进行匹配，获取匹配数据，将匹配数据与预设阈值进行对比，进行人脸识别。
7.根据权利要求6所述的系统，所述识别模块，还用于：
确定当匹配数据大于预设阈值时，确定目标人脸可识别，属于目标人群；
确定当匹配数据小于预设阈值时，确定目标人脸不可识别，不属于目标人群。
8.根据权利要求6所述的系统，所述请求识别模块，还用于：
采集目标人脸图像后，确定目标人脸图像是否合规，若不合规，进行二次采集。
9.根据权利要求6所述的系统，所述匹配为特征点以1：1或1：n的方式遍历特征数据，进行匹配。
10.根据权利要求6所述的系统，所述不符合规范的人脸图像，为图像中分辨率低或面部不完整。
技术总结