[發明專利]一種基于人臉識別的信息獲取方法及系統

有效

• 申請號: 201811435814.2
• 申請日: 2018-11-28
• 公開（公告）號: CN109344655B
• 公開（公告）日: 2021-07-27
• 發明（設計）人: 羅家健;李育勤;郭少慧;徐依綿;陳科潤
• 申請（專利權）人: 深圳市酷開網絡科技股份有限公司
• 主分類號: G06F21/62
• 分類號: G06F21/62;G06F21/32;G06K9/00
• 代理公司: 深圳市君勝知識產權代理事務所(普通合伙) 44268
• 代理人: 王永文;劉文求

本發明公開了一種基于人臉識別的信息獲取方法及系統，所述方法包括：客戶端通過攝像頭拍攝圖片后發送至服務端，服務端以預設形式接收客戶端發送的圖片，并進行編碼處理后發送至后臺；后臺將接收的圖片進行解碼后對圖片進行人臉識別，獲取人臉識別結果并發送至服務端；服務端根據人臉識別結果在數據庫中進行人臉匹配，當匹配成功后將對應的人員信息展示給客戶端。本發明將人臉識別應用到移動互聯網中，為用戶提供了功能更強大的人臉識別，通過后臺數據庫的數據分析，為用戶提供更加個性化的功能和服務，拓寬了人臉識別的應用場合，滿足了不同場景的多元化需求。

技術領域

本發明涉及人臉識別技術應用領域，尤其涉及一種基于人臉識別的信息獲取方法及系統。

背景技術

隨著深度學習技術的快速發展，人臉識別技術在不同領域都得到了廣泛的應用，并隨著用戶需求的不斷發展而衍生出了許多不同的應用形式。在辦公場景下，人臉識別技術的應用主要集中在進行員工身份的鑒別，從而代替傳統的指紋識別技術。另一方面，移動互聯網在近幾年的發展仍保持增長態勢，移動APP和web開發仍是互聯網開發的重要方向，不斷有新技術的出現為移動互聯網開發注入新的活力。但是，目前市面上仍比較缺少將人臉識別技術與移動互聯網相結合的產品，大多數與人臉識別相關的APP都是相機類應用，沒有能夠用于辦公場景下的基于人臉識別技術的移動互聯網產品。

人臉識別技術的興起源于深度學習技術，目前的主流深度學習方案是基于某一用于深度學習框架，如TensorFlow（用于數值計算的開源軟件庫）、Caffe（常用的深度學習框架，主要應用在視頻、圖像處理方面的應用上）、Keras（基于Python的深度學習庫）等，搭建以多層感知機（MLP）為基礎的人工神經網絡，通過調整神經網絡的結構與參數，能夠獲得具有不同功能的深度學習模型，從而適應不同的需求。

目前人臉識別技術在辦公場景下的應用面較窄，主要用于員工身份鑒別，沒有充分整合人臉識別技術和信息檢索與分析的優點，同時，由于深度學習需要大量的數據和計算量，因此人臉識別技術的應用集中于桌面端甚至停留在服務端，沒能結合移動互聯網技術的優勢，普通用戶難以發現深度學習技術的優勢所在。

因此，現有技術還有待于改進和發展。

發明內容

本發明要解決的技術問題在于，針對現有技術缺陷，本發明提供一種基于人臉識別的信息獲取方法及系統，旨在將人臉識別應用到移動互聯網中，為用戶提供了功能更強大的人臉識別，通過后臺數據庫的數據分析，為用戶提供更加個性化的功能和服務，拓寬了人臉識別的應用場合，滿足了不同場景的多元化需求。

本發明解決技術問題所采用的技術方案如下：

一種基于人臉識別的信息獲取方法，其中，所述基于人臉識別的信息獲取方法包括：

客戶端通過攝像頭拍攝圖片后發送至服務端，服務端以預設形式接收客戶端發送的圖片，并進行編碼處理后發送至后臺；

后臺將接收的圖片進行解碼后對圖片進行人臉識別，獲取人臉識別結果并發送至服務端；

服務端根據人臉識別結果在數據庫中進行人臉匹配，當匹配成功后將對應的人員信息展示給客戶端。

所述的基于人臉識別的信息獲取方法，其中，所述客戶端通過攝像頭拍攝圖片后發送至服務端，服務端以預設形式接收客戶端發送的圖片，并進行編碼處理后發送至后臺具體包括：

客戶端啟動APP，通過賬號和密碼登錄后開啟攝像頭拍攝圖片，并將拍攝的圖片發送至服務端；

服務端通過前端接口以form data格式接收客戶端發送的圖片，并對圖片進行base64編碼，將圖片轉換成base64字符串后發送至后臺。

所述的基于人臉識別的信息獲取方法，其中，所述基于人臉識別的信息獲取方法還包括：