[发明专利]一种照片识别方法、装置及系统

说明书

技术领域

本发明实施例涉及图像识别技术领域，特别是涉及一种照片识别方法、装置及系统。

背景技术

目前，人脸识别的应用越来越广泛，在对照片进行人脸识别时要求人脸的方向是正向的，才能进一步对照片进行人脸识别。如果人脸照片不是正向的将导致人脸检测不成功，从而导致无法进行人脸识别。

现有技术中，在进行人脸识别时，如果检测不到人脸，则将照片旋转90°再次进行检测，如果依旧检测不到人脸，则再将照片旋转90°，每次均旋转90°循环进行直至检测到人脸为止，如果旋转4次后，依旧检测不到人脸，则表示该照片中没有人脸。现有技术中的人脸检测方法最多需要4次才能找到人脸，在检测到人脸后才能进行后续的人脸识别，从而导致人脸识别的过程耗时较长，效率较低。

因此，如何提供一种解决上述技术问题的照片识别方法、装置及系统成为本领域的技术人员目前需要解决的问题。

发明内容

本发明实施例的目的是提供一种照片识别方法、装置及系统，在使用过程中缩短了照片识别所需时间，提高了识别效率。

为解决上述技术问题，本发明实施例提供了一种照片识别方法，包括：

获取待识别照片；

对所述待识别照片中的待识别物体进行方向检测处理，得到照片的旋转角度；

依据所述旋转角度将相应的待识别照片反向旋转相应的旋转角度，得到转正后的待识别照片；

对所述转正后的待识别照片中的待识别物体进行物体识别。

可选的，所述对所述待识别照片中的待识别物体进行方向检测处理，得到照片的旋转角度的过程为：

采用预先建立的CNN卷积神经网络照片方向检测模型对所述待识别照片中的待识别物体进行方向检测处理，得到照片的旋转角度；

所述CNN卷积神经网络照片方向检测模型的训练过程为：

依据历史照片对CNN卷积神经网络进行训练得到所述CNN卷积神经网络照片方向检测模型。

可选的，所述依据历史照片对CNN卷积神经网络进行训练得到CNN卷积神经网络照片方向检测模型过程为：

获取各个历史照片；

将各个所述历史照片分别从正向旋转90°、180°和270°，得到相应的0°照片、90°照片、180°照片及270°照片；所述0°照片为所述历史照片的正向照片；

依据每个所述历史照片对应的0°照片、90°照片、180°照片及270°照片得到与相应的历史照片对应的训练集；

分别对各个所述训练集中的各个照片进行标记，得到各个标记后的训练集；

依据各个标记后的训练集对CNN卷积神经网络进行训练得到所述CNN卷积神经网络照片方向检测模型。

可选的，所述对所述转正后的待识别照片中的待识别物体进行物体识别的过程为：

S141：对所述转正后的待识别照片中的内容进行识别，判断是否识别出待识别物体，如果是，则进入S142；否则，识别失败；

S142：提取所述待识别物体的物体特征；

S143：依据所述物体特征到数据库中进行特征匹配，找到与所述物体特征匹配的物体；

S141：获取并返回与所述物体对应的物体信息。

可选的，所述提取所述待识别物体的物体特征的过程为：

获取所述待识别物体的大小及位置信息；

依据所述待识别物体的大小及所述位置信息裁剪出所述待识别物体；

从所述裁剪出的待识别物体中提取出所述待识别物体的物体特征。

可选的，所述方法还包括：

识别失败后生成识别失败信息；

将所述识别失败信息进行返回。

可选的，如上述所述的照片识别方法，所述待检测物体为人脸。

为解决上述技术问题，本发明实施例提供了一种照片识别装置，包括：

获取模块，用于获取待识别照片；

检测模块，用于对所述待识别照片中的待识别物体进行方向检测处理，得到照片的旋转角度；

旋转模块，用于依据所述旋转角度将相应的待识别照片反向旋转相应的旋转角度，得到转正后的待识别照片；

识别模块，用于对所述转正后的待识别照片中的待识别物体进行物体识别。

可选的，所述识别模块包括：

判断单元，用于对所述转正后的待识别照片中的内容进行识别，判断是否识别出待识别物体，如果是，则触发提取单元；

所述提取单元，用于提取所述待识别物体的物体特征；