CN106203400A - 一种人脸识别方法及装置 - Google Patents

Abstract

本发明公开了一种人脸识别方法及装置，所述方法包括：获取待识别的人脸图像中人脸特征部位的二维数据，计算出待识别的人脸图像中的人脸的偏移角度；提供目标搜索库，目标搜索库中存贮多张标准正脸人脸图像，对多张标准正脸人脸图像进行计算处理，得到对应正脸的3D模型；将标准正脸人脸图像3D模型偏移至与待识别人脸图像中的人脸的偏移角度相同角度的位置；将待识别的人脸图像的人脸特征部位的二维数据与标准正脸人脸图像偏移后的二维数据进行比对；人脸识别装置包括：第一获取模块，第二获取模块，计算处理模块，比对模块。通过本发明，提高了人脸识别的准确性，以及提高了工作效率，节约了人工成本，通过非正脸图像有效且准确的识别被识别人身份。

Description

一种人脸识别方法及装置

技术领域

本发明涉及人脸识别的技术领域，尤其涉及一种基于正脸照片的多姿态人脸识别方法及装置。

背景技术

人脸识别的方法经过长期的发展，已经取得了显著的成绩，形成不同理论支持下的多种方法类别。目前，业界对多姿态人脸识别方法可以分为两类：基于二维图像的方法和基于三维模型的方法。研究表明，当人脸在深度方向上的存在明显变化时(如人脸偏转和俯仰等姿态)，基于二维识别方法的效果并不理想。与二维数据相比，三维数据包含了人脸的空间信息，它具有显式的形状表达，而二维图像本质上仅是三维物体在二维空间上的投影，在投影过程中损失了很多有利于识别的信息。因此，三维人脸识别受到图像处理、模式识别领域研究人员的青睐。它已成为解决多姿态问题的主流方法。但是，本案发明人通过思考后发现，在实际使用时，人脸图像中包含的人脸可能存在倾斜或者偏转等问题，如果使用这样的人脸图像进行身份识别和验证，对识别率会产生较大的影响，从而影响图像处理设备的识别性能。目前，并没有一种方法能够有效的通过非正脸图像准确识别被识别人身份。

发明内容

本发明的目的在于提供一种人脸识别方法的方法及装置，用以解决现有技术中，在人脸姿态发生变化时，传统算法直接抓取人脸特征进行识别，造成识别率低的问题。

为实现上述目的，本发明方法提供了一种人脸识别方法，所述方法包括：获取待识别的人脸图像中的人脸特征部位的二维数据，根据所获取的待识别的人脸图像中的人脸特征部位的二维数据，计算得出所述待识别的人脸图像中的人脸的偏移角度；

提供目标搜索库，所述目标搜索库中存贮有多张标准正脸人脸图像，获取指定范围内多个标准正脸人脸图像，对所述多张标准正脸人脸图像进行计算处理，分别得到对应正脸的3D模型，获取指定范围内多个标准正脸人脸图像，对所述多个标准正脸人脸图像进行计算处理，得到所述标准正脸人脸图像3D模型；

根据计算得出所述待识别的人脸图像中的人脸的偏移角度，将所述标准正脸人脸图像3D模型偏移至与所述人脸图像中的人脸的偏移角度相同角度的位置；分别将标准正脸人脸图像3D模型偏移至与所述待识别的人脸图像中的人脸的偏移角度相同角度的位置；获取所述待识别的人脸图像的人脸特征部位的二维数据，同时获取将所述标准正脸人脸图像3D模型偏移至与所述待识别的人脸图像中的人脸的偏移角度相同角度的位置时的所述标准正脸人脸图像的特征部位的二维数据，将所述待识别的人脸图像的人脸特征部位的二维数据与所述标准正脸人脸图像偏移后的特征部位的二维数据进行比对。

所述获取待识别的人脸图像中的人脸特征部位的二维数据，包括：获取所述待获取待识别的人脸图像中的人眼的四个角点的位置信息、人眼对称中心点的位置信息、鼻根中心点的位置信息以及嘴中心点的位置信息；对所述各位置信息进行计算处理，得出所述获取待识别的人脸图像中的人脸的偏移角度值。

所述获取指定范围内多个标准正脸人脸图像，对所述多个标准正脸人脸图像进行计算处理，包括：采用SFS算法，获取所述指定范围内多个标准正脸人脸图像的人脸深度数据；对所述深度数据进行处理，生成特定人脸的3D模型。

将所述待识别的人脸图像的人脸特征部位的二维数据与所述标准正脸人脸图像偏移后的特征部位的二维数据进行比对，其中，所述比对采用PCA算法。

所述PCA算法中，根据所述指定范围内多个标准正脸人脸图像数，对调整错误接受FA数值以及错误拒绝FR的数值进行调整。

另外，本发明还提供一种人脸识别装置，所述装置包括：第一获取模块，用于获取待识别的人脸图像中的人脸特征部位的二维数据；第二获取模块，用于获取目标搜索库内多张标准正脸人脸图像计算处理模块，用于根据所获取的待识别的人脸图像中的人脸特征部位的二维数据，计算得出所述待识别的人脸图像中的人脸的偏移角度，以及对所述多张标准正脸人脸图像进行计算处理，得到所述标准正脸人脸图像3D模型；比对模块，用于将所述待识别的人脸图像的人脸特征部位的二维数据与所述标准正脸人脸图像的特征部位的二维数据进行比对。

所述第一获取模块，包括：检测单元，用于获取待识别的人脸图像中的人眼的四个角点的位置信息、人眼对称中心点的位置信息、鼻根中心点的位置信息以及嘴中心点的位置信息；计算单元，用于对所述各位置信息进行计算处理，得出所述获取待识别的人脸图像中的人脸的偏移角度值。

所述第二获取模块，包括：第二计算单元，用于采用SFS算法，获取所述指定范围内多个标准正脸人脸图像的人脸深度数据；处置单元，用于对所述深度数据进行处理，生成特定人脸的3D模型。

所述比对模块，用于采用PCA算法，将所述待识别的人脸图像的人脸特征部位的二维数据与所述标准正脸人脸图像的特征部位的二维数据进行比对。

所述比对模块，还包括调整模块，用于根据所述指定范围内多个标准正脸人脸图像数，对调整错误接受FA数值以及错误拒绝FR的数值进行调整。

本发明方法具有如下优点：本发明提供的方法及装置，能够在待检测人脸姿态发生变化时，仍然可以达到较高识别率，并且自动进行人脸图像识别，工作人员在系统中输入被识别人的人脸图像特征，再逐一与指定范围的人员同姿态的人脸特征进行比对，得出结果。进而提高了人脸识别的准确性，以及提高了工作效率，节约了人工成本，有效的通过非正脸图像准确识别被识别人身份。

附图说明

图1现有技术中的人脸识别流程图；

图2为本发明实施例人脸识别方法的流程示意图；

图3为本发明实施例人脸识别方法的人脸偏移角度计算模型示意图；

图4为本发明实施例人脸识别方法的人脸偏移角度的左右倾斜的角度计算模型示意图；

图5为本发明实施例人脸识别方法的人脸偏移角度的前后的角度计算模型示意图；

图6为本发明实施例人脸识别方法的人脸偏移角度的仰俯角度计算模型示意图；

图7为本发明实施例人脸正识别的装置的功能模块示意图。

具体实施方式

以下实施例用于说明本发明，但不用来限制本发明的范围。

请参考图1为现有技术中的人脸识别流程图，现有技术中通过将脸姿A与脸姿B进行比对，由于A与B的脸姿不同，因此会造成识别率低的问题出现，目前的技术是无法做到对不同脸姿进行精准识别的，因此实用性较差。

本发明方法提供了一种人脸识别方法，所述方法包括：获取待识别的人脸图像中的人脸特征部位的二维数据，根据所获取的待识别的人脸图像中的人脸特征部位的二维数据，计算得出所述待识别的人脸图像中的人脸的偏移角度；

提供目标搜索库，目标搜索库中存贮有多张标准正脸人脸图像，获取指定范围内多个标准正脸人脸图像，对多张标准正脸人脸图像进行计算处理，分别得到对应正脸的3D模型获取指定范围内多个标准正脸人脸图像，对多个标准正脸人脸图像进行计算处理，得到标准正脸人脸图像3D模型；

根据计算得出所述待识别的人脸图像中的人脸的偏移角度，将标准正脸人脸图像3D模型偏移至与人脸图像中的人脸的偏移角度相同角度的位置；分别将标准正脸人脸图像3D模型偏移至与待识别的人脸图像中的人脸的偏移角度相同角度的位置；

获取所述待识别的人脸图像的人脸特征部位的二维数据，同时获取将标准正脸人脸图像3D模型偏移至与待识别的人脸图像中的人脸的偏移角度相同角度的位置时的标准正脸人脸图像的特征部位的二维数据，将待识别的人脸图像的人脸特征部位的二维数据与标准正脸人脸图像偏移后的特征部位的二维数据进行比对。

获取待识别的人脸图像中的人脸特征部位的二维数据，包括：获取待识别的人脸图像中的人眼的四个角点的位置信息、人眼对称中心点的位置信息、鼻根中心点的位置信息以及嘴中心点的位置信息；对各位置信息进行计算处理，得出获取待识别的人脸图像中的人脸的偏移角度值。

获取指定范围内多个标准正脸人脸图像，对多个标准正脸人脸图像进行计算处理，包括：采用SFS算法，获取指定范围内多个标准正脸人脸图像的人脸深度数据；对深度数据进行处理，生成特定人脸的3D模型。

将所述待识别的人脸图像的人脸特征部位的二维数据与标准正脸人脸图像偏移后的特征部位的二维数据进行比对，其中，比对采用PCA算法。

PCA算法中，根据指定范围内多个标准正脸人脸图像数，对调整错误接受FA数值以及错误拒绝FR的数值进行调整。

获取待识别的人脸图像中的人脸特征部位的二维数据，根据获取待识别的人脸图像中的人脸特征部位的二维数据，计算得出获取待识别的人脸图像中的人脸的偏移角度，就是计算出相对于正面人脸绕X轴、Y轴、Z轴的转角。由于人头是一个三维空间的实体，而人脸图像是一组二维数据，由成像原理我们可以认为人脸图像是人头沿Z轴向XY平面投影得到的，我们用XY平面表示人脸图像，用α、β、γ分别表示人头沿X轴、Y轴、Z轴的转角。由人体测量学的知识可知，人脸左右基本对称，两只眼睛大小也基本一致，人眼的四个角点在三维空间上是基本共线的。当人头绕Z轴的转角为0度的时候，这条线与X-Y平面平行，在所成的人脸图像上与X轴平行。除此之外，为了描述人头部的姿态，还需要给出人眼对称中心的位置，鼻根中心位置，以及嘴中心的位置。根据以上给出的七个特征点的位置变化，就可直接计算获得人头三维姿态信息。因为在三维空间上的人头姿态的变化可以分解成绕X轴，Y轴以及Z轴的旋转角度的变化，所以当获得该三个角度时，就获得了当前人物姿态。

在具体的计算过程中，由于受到成像距离的影响，相同的人脸在不同的成像距离下，各个几何特征会产生不同的数据，因此要用以下公式将图像中的各个几何特征变成标准度量单位下的数值，具体公式如下：

其中x为原来计量单位下的数值，x'标准单位下的新数值，D为成像距离，单位是毫米。

请参照图4为本发明实施例人脸识别方法的人脸偏移角度的左右倾斜的角度计算模型示意图，人脸姿态变化是由正脸绕X、Y、Z轴同时偏移的结果，其中绕Z轴单独转动不影响人脸的左右对称，有关Z轴偏移度的计算也最为简单。

如图4所示，人头绕Z轴的转角γ，是指人头左右倾斜的角度，根据相关计算公式可方便计算出绕Z轴转角γ。

请参照图5为本发明实施例人脸识别方法的人脸偏移角度的前后的角度计算模型示意图，绕Y轴转角β的计算。如图5所示，人头绕Y轴的转角β，是指人头前后转动的角度。由人脸测量学知识可知，人眼的四个角点共线，且两只眼睛的大小长度相同。

引入了人头旋转模型，把人头近似看成一个圆柱体，由于人脸左右对称，当人脸视图为正面视图的时候，人脸的对称线就会与柱体的中心相重合；而当人头绕Y轴转动的时候，人脸的对称线就会与柱体的中心产生偏移，利用这个偏移量我们就可以计算出人头绕Y轴的转角。

请参照图6为本发明实施例人脸识别方法的人脸偏移角度的仰俯角度计算模型示意图，绕X轴转角α的计算，绕X轴的转角α，表示了人头的仰俯程度。如图6所示，是绕X轴的转角α的人头姿态示意图。

根据未知角度下所观察到的鼻子在图像上的投影长度，综合分析正面人脸视图时鼻子在人脸图像的投影长度，根据投影关系可以得出绕X轴转角α。

获取指定范围内多个标准正脸人脸图像，对所述多个标准正脸人脸图像进行计算处理，得到所述标准正脸人脸图像3D模型；目前由人脸2D图像生成其3D模型的算法，一般使用基于正面和侧面正交图像的方法。但由于其对输入图像有比较严格的要求，在实际应用中正交图像难以获得，而且通常需要通过人机交互，手动或者半自动地来确定彼此正交的图像中所包含的对应的特征点。为了克服上述算法存在的问题，本发明创新地使用特定人的单幅正面人脸照片和一个通用三维人脸模型合成特定人的三维人脸模型的快速算法。由单幅正面照片生成人脸三维模型的困难在于如何获得人脸特征点的三维信息以及如何根据这些特征点的三维信息将通用人脸三维模型变换到特定人的三维人脸模型。给定一幅正面人脸的照片，本算法首先利用SFS(Shape from Shading)算法恢复人脸表面各特征点的相对深度，然后根据所选定的正面人脸中关键特征点的三维信息，通过RBF内插算法对事先构建的通用三维人脸模型进行调整，从而生成面向特定人脸的三维模型。此后根据所生成的三维人脸几何网格，将特定人脸的二维图像灰度映射到三维网格上构成带纹理的三维人脸模型。

为了得到精确的特定人的人脸三维模型，实现人脸特征点的精确定位十分重要。在本发明中，首先利用Viola-Jones人脸检测方法进行人脸检测。然后利用一种基于知识的特征点定位算法进行人脸特征点的定位。在现阶段，这些特征点大部分可以自动提取，少部分仍然需要依靠人机交互的方式来确定。正面人脸所表现出的左右对称性可以用于特征点的抽取工作。这样做，既可以减轻特征点提取的负担，又可以避免由特征提取误差所造成的左右脸不对称现象的发生。而人脸校准的过程和人脸特征点定位的过程几乎是同时进行的，这两个过程的算法经常是混合在一起的，在人脸校准上，我们使用了国内外著名的ASM和AAM这两种非常有效的校准算法。ASM方法首先通过人机交互的方式提取目标轮廓的边界点集合，形成训练集；然后用点分布模型(Point Distribution Models，PDM)进行描述，通过主分量分析方法构造样本的先验模型，点分布模型描述了训练集的平均轮廓，约束了每个点的形变方式；在该模型的指导下，ASM方法便进行一个迭代搜索过程，采用灰度匹配的方法，在垂直于每个点的轮廓方向上寻找更为合适的点，同时调整先验模型的参数，使得模型与目标物体的实际轮廓逐步吻合，达到目标校准的目的。与传统的目标定位方法相比，ASM模型具有较高的通用性和准确性。AAM是ASM的直接扩展，与ASM相似，AAM也需要采用统计方法建立先验模型，然后利用其对目标物体进行匹配运算，但是AAM不仅包含物体的形状信息，而且还包含目标物体的内部纹理信息。并且其搜索过程也不同于ASM的局部搜索，而是采用基于合成的分析(Analysis-by-synthesis)技术，利用合成图像与目标图像的误差调整模型参数。采用纹理信息后，HAM定位能力更加健壮，具有更高的准确性；同时，AAM的纹理系数提供了人脸图像的低维空问表示，可以用于人脸识别。ASM/AAM用于人脸特征点定位，需要有一定的知识作为引导，比如首先利用前面所述的基于知识的方法，检测出眼角、嘴角或者鼻尖等特征点，然后用这些特征点的信息作为基准，引导ASM/AAM对其他特征点进行定位，比如眉毛、眼睑、脸部轮廓上的点等。弄清楚字母大小写。

为了合成具有真实感的三维特定人脸，其关键是需要从人脸照片中恢复出正确的人脸表面深度信息。本发明用SFS算法来恢复照片中人脸表面的相对深度。但求解表面深度(即所谓的SFS问题)是一个病态问题。因此，为了得到问题的解，需要增加一定的约束条件。现有的求解方法大致可以分为四类：最小值方法，演化法，局部分析法和线性化方法。由于人脸是较为光滑的曲面，其表面反射函数的高除分量较小，线性化处理不会带来很大的误差，而该算法在时间上的优势又是巨大的，因此，本发明采用Tsai和Shah的线性纯方法来求解所述SFS问题。经过处理，由人脸正面照片通过SFS恢复的人脸表面深度，尽管在眉毛、眼睛、嘴巴、鼻子部位的深度有一定偏差，但是它反映了人脸外轮廓、额头、脸颊区域在深度方向上的变化趋势，因此可以获得在人脸轮廓以及脸颊部位的特征点的深度信息，并且据此对通用人脸三维模型进行调整，合成特定人的三维人脸模型。

SFS算法恢复的是人脸表面的相对深度。虽然该相对深度信息反映了人脸轮廓在深度方向上的变化趋势，但是其效果往往不能达到建立具有真实感的三维人脸模型的目的。特别是在眼睛、鼻子、嘴巴等区域，SFS算法给出的结果一般是凹陷的。为了解决这个问题，本发明借助于通用三维人脸模型对SFS算法恢复的结果进行修正。具体言之，利用RBF内插算法对通用三维人脸模型进行变形处理以生成适用于特定人脸的三维模型。该模型在特征点处的取值由实测值决定，而在其余各点处的取值则由通用人脸三维模型内插得到。该模型充分利用了人脸的共性特征和待合成的特定人脸的个性特征。从通用人脸三维模型到特定人脸三维模型的调整分两步：

(1)首先获得通用人脸三维模型以及特定人脸图像中特征点的三维坐标，利用它们计算RBF内插函数；

(2)然后利用RBF内插函数调整通用人脸三维模型所有定点的位置。

为了合成具有真实感的特定人脸三维模型，在3D人脸的几何架构生成后，我们将该特定人的正面人脸照片映射到合成的三维人脸网格模型上，构成3D人脸模型的纹理。在人脸照片覆盖的区域，以特征点为基准，直接将2D图像映射到对应的3D模型，对于在2D图像中没有对应纹理的网格点，利用插值方法获得纹理。对于人脸照片覆盖区域之外的三维模型中的脸颊区域，网格点的纹理取为照片中脸颊部分的纹理。

获取待识别的人脸图像的人脸特征部位的二维数据，同时获取将所述标准正脸人脸图像3D模型偏移至与待识别的人脸图像中的人脸的偏移角度相同角度的位置时的标准正脸人脸图像的特征部位的二维数据，将待识别的人脸图像的人脸特征部位的二维数据与标准正脸人脸图像偏移后的特征部位的二维数据进行比对。

在完成了对被识别人(陌生人)的人脸图像姿态偏移计算、为搜索范围库中的一张正脸图像建立3D人脸模型后，对马上要来到的相同姿态的2张人脸图像进行准确地识别的过程。

在现阶段，对相同脸姿的人脸图像识别已经能够达到相当高的识别度，在许多此类应用场合如金融支付、重要部门的门禁系统的正确识别率已经达到了99％以上。当今流行的人脸识别算法，包括PCA，LDA，弹性图匹配，神经网络，以及基于Gabor小波特征的学习算法等。

本发明在对两张2D图片进行识别的这一环节采用的是业界流行的一种PCA算法，但在实际运用时，根据发明特点对对算法作出一些适当的修改。

以下数值为人脸识别传统算法过程中常用到的数值标准，其中有一些人为设定的辩比标准，有一些是对系统性能的检测标准，对于前一种标准，在识别前必须事先在系统中设定，它直接决定着此次比对的结果是否会被认为是相似的人像。对于公安系统的应用而言，为了不放过任何一个可疑的比对对象，可以调整错误接受FA(False Acceptance)、错误拒绝FR(False Rejection)的数值来增大比对后相似人员库的人数。

另外，请参考图7为本发明实施例人脸正识别的装置的功能模块示意图，提供一种人脸识别装置，包括：第一获取模块，用于获取待识别的人脸图像中的人脸特征部位的二维数据；第二获取模块，用于获取目标搜索库内多张标准正脸人脸图像；计算处理模块，用于根据获取待识别的人脸图像中的人脸特征部位的二维数据，计算得出获取待识别的人脸图像中的人脸的偏移角度以及对多个标准正脸人脸图像进行计算处理，得到所述标准正脸人脸图像3D模型；比对模块，用于将待识别的人脸图像的人脸特征部位的二维数据与标准正脸人脸图像偏移后的特征部位的二维数据进行比对。

所述第一获取模块，包括：检测单元，用于获取待识别的人脸图像中的人眼的四个角点的位置信息、人眼对称中心点的位置信息、鼻根中心点的位置信息以及嘴中心点的位置信息；计算单元，用于对各位置信息进行计算处理，得出获取待识别的人脸图像中的人脸的偏移角度值。

第二获取模块，包括：第二计算单元，用于采用SFS算法，获取指定范围内多个标准正脸人脸图像的人脸深度数据；处置单元，用于对深度数据进行处理，生成特定人脸的3D模型。

比对模块，用于采用PCA算法，将待识别的人脸图像的人脸特征部位的二维数据与标准正脸人脸图像的特征部位的二维数据进行比对。

比对模块，还包括调整模块，用于根据指定范围内多个标准正脸人脸图像数，对调整错误接受FA数值以及错误拒绝FR的数值进行调整。

本发明方法具有如下优点：本发明提供的方法及装置，能够在待检测人脸姿态发生变化时，仍然可以达到较高识别率，并且自动进行人脸图像识别，工作人员在系统中输入被识别人的人脸图像特征，再逐一与指定范围的人员同姿态的人脸特征进行比对，得出结果。进而提高了人脸识别的准确性，以及提高了工作效率，节约了人工成本，有效的通过非正脸图像准确识别被识别人身份。

通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

Claims (10)

1.一种人脸识别方法，其特征在于，所述方法包括：获取待识别的人脸图像中的人脸特征部位的二维数据，根据所获取的待识别的人脸图像中的人脸特征部位的二维数据，计算得出所述待识别的人脸图像中的人脸的偏移角度；

提供目标搜索库，所述目标搜索库中存贮有多张标准正脸人脸图像，获取指定范围内多个标准正脸人脸图像，对所述多张标准正脸人脸图像进行计算处理，分别得到对应正脸的3D模型；

根据计算得出所述待识别的人脸图像中的人脸的偏移角度，分别将标准正脸人脸图像3D模型偏移至与所述待识别的人脸图像中的人脸的偏移角度相同角度的位置；

获取所述待识别的人脸图像的人脸特征部位的二维数据，同时获取将所述标准正脸人脸图像3D模型偏移至与所述待识别的人脸图像中的人脸的偏移角度相同角度的位置时的所述标准正脸人脸图像的特征部位的二维数据，将所述待识别的人脸图像的人脸特征部位的二维数据与所述标准正脸人脸图像偏移后的特征部位的二维数据进行比对。

2.根据权利要求1所述的人脸识别方法，其特征在于，所述获取待识别的人脸图像中的人脸特征部位的二维数据，包括：获取待识别的人脸图像中的人眼的四个角点的位置信息、人眼对称中心点的位置信息、鼻根中心点的位置信息以及嘴中心点的位置信息；对所述各位置信息进行计算处理，得出所述获取待识别的人脸图像中的人脸的偏移角度值。

3.根据权利要求1所述的人脸识别方法，其特征在于，获取指定范围内多个标准正脸人脸图像，对所述多张标准正脸人脸图像进行计算处理，包括：采用SFS算法，获取所述指定范围内多个标准正脸人脸图像的人脸深度数据；对所述深度数据进行处理，生成特定人脸的3D模型。

4.根据权利要求1所述的人脸识别方法，其特征在于，将所述待识别的人脸图像的人脸特征部位的二维数据与所述标准正脸人脸图像偏移后的特征部位的二维数据进行比对，其中，所述比对采用PCA算法。

5.根据权利要求4所述的人脸识别方法，其特征在于，所述PCA算法中，根据所述指定范围内多个标准正脸人脸图像数，对调整错误接受FA数值以及错误拒绝FR的数值进行调整。

6.一种人脸识别装置，其特征在于，所述装置包括：第一获取模块，用于获取待识别的人脸图像中的人脸特征部位的二维数据；第二获取模块，用于获取目标搜索库内多张标准正脸人脸图像；计算处理模块，用于根据所获取的待识别的人脸图像中的人脸特征部位的二维数据，计算得出所述待识别的人脸图像中的人脸的偏移角度，以及对所述多张标准正脸人脸图像进行计算处理，得到所述标准正脸人脸图像3D模型；比对模块，用于将所述待识别的人脸图像的人脸特征部位的二维数据与所述标准正脸人脸图像偏移后的特征部位的二维数据进行比对。

7.根据权利要求6所述的人脸识别装置，其特征在于，所述第一获取模块，包括：检测单元，用于获取待识别的人脸图像中的人眼的四个角点的位置信息、人眼对称中心点的位置信息、鼻根中心点的位置信息以及嘴中心点的位置信息；计算单元，用于对所述各位置信息进行计算处理，得出所述获取待识别的人脸图像中的人脸的偏移角度值。

8.根据权利要求6所述的人脸识别装置，其特征在于，所述第二获取模块，包括：第二计算单元，用于采用SFS算法，获取所述指定范围内多个标准正脸人脸图像的人脸深度数据；处置单元，用于对所述深度数据进行处理，生成特定人脸的3D模型。

9.根据权利要求6所述的人脸识别装置，其特征在于，所述比对模块，用于采用PCA算法，将所述待识别的人脸图像的人脸特征部位的二维数据与所述标准正脸人脸图像的特征部位的二维数据进行比对。

10.根据权利要求9所述的人脸识别装置，其特征在于，所述比对模块，还包括调整模块，用于根据所述指定范围内多个标准正脸人脸图像数，对调整错误接受FA数值以及错误拒绝FR的数值进行调整。