CN107368817A - 人脸识别方法和装置 - Google Patents

Abstract

本发明提供了一种人脸识别方法和装置；其中，该方法包括：获取目标识别对象脸部的反射信号；其中，反射信号包括全景深图像信号和浅景深图像信号；对反射信号进行特征提取处理，生成脸部的实际特征数据；其中，实际特征数据包括全景深图像信号对应的平面特征数据和浅景深图像信号对应的深度特征数据；将实际特征数据与预先建立的特征数据库中的理想特征数据进行比对，确认目标识别对象的身份信息；其中，特征数据库包括指定用户的身份信息和身份信息对应的理想特征数据；理想特征数据包括指定用户脸部的平面特征数据和深度特征数据。本发明提高了人脸识别方式安全性和准确性。

Description

人脸识别方法和装置

技术领域

本发明涉及人脸识别技术领域，尤其是涉及一种人脸识别方法和装置。

背景技术

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术；人脸识别技术通常用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关处理。

现有的人脸识别方式，大多通过图像处理的方式获取目标对象人脸的五官、轮廓等面部特征，进而识别该目标对象的身份信息；然而，这种识别方式难以保证面部特征是否是通过当前目标对象的真实脸部的获得，例如，摄像头通过拍摄目标对象的照片依然可以获取面部特征，进而成功通过人脸识别，这大大降低了人脸识别的安全性和准确性。

针对现有的人脸识别方式安全性和准确性较差的问题，目前尚未提出有效的解决方案。

发明内容

有鉴于此，本发明的目的在于提供一种人脸识别方法和装置，以提高人脸识别方式安全性和准确性。

第一方面，本发明实施例提供了一种人脸识别方法，包括：获取目标识别对象脸部的反射信号；其中，反射信号包括全景深图像信号和浅景深图像信号；对反射信号进行特征提取处理，生成脸部的实际特征数据；其中，实际特征数据包括全景深图像信号对应的平面特征数据和浅景深图像信号对应的深度特征数据；将实际特征数据与预先建立的特征数据库中的理想特征数据进行比对，确认目标识别对象的身份信息；其中，特征数据库包括指定用户的身份信息和身份信息对应的理想特征数据；理想特征数据包括指定用户脸部的平面特征数据和深度特征数据。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，上述获取目标识别对象脸部的反射信号的步骤，包括：通过广角摄像头或标准摄像头获取目标识别对象脸部的全景深图像信号；通过景深摄像头获取目标识别对象脸部的浅景深图像信号。

结合第一方面的第一种可能的实施方式，本发明实施例提供了第一方面的第二种可能的实施方式，其中，上述通过景深摄像头获取目标识别对象脸部的浅景深图像信号的步骤，包括：识别目标识别对象脸部的特定位置；调节景深摄像头的聚焦点至特定位置，获取聚焦点对应的浅景深图像信号。

结合第一方面的第二种可能的实施方式，本发明实施例提供了第一方面的第三种可能的实施方式，其中，上述对反射信号进行特征提取处理，生成脸部的实际特征数据的步骤，包括：对全景深图像信号进行特征提取处理，生成脸部的平面特征数据；随机获取浅景深图像信号中，目标识别对象脸部的特定位置以外的参考位置对应的参考图像块；获取特定位置对应的特定图像块；分别计算参考图像块和特定图像块的清晰度；将参考图像块的清晰度和特定图像块的清晰度的差值，确定为脸部的深度特征数据。

结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中，上述将实际特征数据与预先建立的特征数据库中的理想特征数据进行比对，确认目标识别对象的身份信息的步骤，包括：将实际特征数据中的平面特征数据与预先建立的特征数据库中的理想特征数据进行比对，获得第一比对结果；将实际特征数据中的深度特征数据与预先建立的特征数据库中的理想特征数据进行比对，获得第二比对结果；根据第一比对结果识别目标识别对象的身份信息；根据第二比对结果确认反射信号为目标识别对象的真实脸部对应的反射信号。

结合第一方面的第四种可能的实施方式，本发明实施例提供了第一方面的第五种可能的实施方式，其中，上述根据第二比对结果确认反射信号为目标识别对象的真实脸部对应的反射信号的步骤，包括：判断第二比对结果与预先建立的特征数据库中的深度特征数据的差值是否在预设范围内；如果否，确认反射信号为目标识别对象脸部的图像介质对应的反射信号；如果是，确认反射信号为目标识别对象的真实脸部对应的反射信号。

结合第一方面至第一方面的第五种可能的实施方式中的任一种，本发明实施例提供了第一方面的第六种可能的实施方式，其中，上述特征数据库的建立过程包括：采集指定用户的身份信息和指定用户的脸部的反射信号；对反射信号进行特征提取处理，生成与指定用户的身份信息对应的理想特征数据；其中，理想特征数据包括平面特征数据和深度特征数据；将指定用户的身份信息和理想特征数据保存至特征数据库中。

第二方面，本发明实施例提供了一种人脸识别装置，包括：信号获取模块，用于获取目标识别对象脸部的反射信号；其中，反射信号包括全景深图像信号和浅景深图像信号；特征提取模块，用于对反射信号进行特征提取处理，生成脸部的实际特征数据；其中，实际特征数据包括全景深图像信号对应的平面特征数据和浅景深图像信号对应的深度特征数据；比对模块，用于将实际特征数据与预先建立的特征数据库中的理想特征数据进行比对，确认目标识别对象的身份信息；其中，特征数据库包括指定用户的身份信息和身份信息对应的理想特征数据；理想特征数据包括指定用户脸部的平面特征数据和深度特征数据。

结合第二方面，本发明实施例提供了第二方面的第一种可能的实施方式，其中，上述信号获取模块，包括：第一信号获取单元，用于通过广角摄像头或标准摄像头获取目标识别对象脸部的全景深图像信号；第二信号获取单元，用于通过景深摄像头获取目标识别对象脸部的浅景深图像信号。

结合第二方面的第一种可能的实施方式，本发明实施例提供了第二方面的第二种可能的实施方式，其中，上述第二信号获取单元，还用于：识别目标识别对象脸部的特定位置；调节景深摄像头的聚焦点至特定位置，获取聚焦点对应的浅景深图像信号。

本发明实施例带来了以下有益效果：

本发明实施例提供的一种人脸识别方法和装置，通过对获取到的目标识别对象脸部的全景深图像信号和浅景深图像信号进行特征提取处理，可以获得该目标识别对象脸部的实际特征数据；通过将该实际特征数据与预先建立的特征数据库中的平面特征数据和深度特征数据进行比对，可以确认目标识别对象的身份信息；该方式中，通过全景深图像信号和浅景深图像信号，不仅可以确认目标识别对象的身份信息，还可以通过深度特征数据确认该目标识别对象的反射信号的来源，当该来源为除目标识别对象真实脸部以外的其他途径时，此次人脸识别失败；该方式提高了人脸识别方式安全性和准确性。

本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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为本发明实施例提供的第一种人脸识别方法的流程图；

图2为本发明实施例提供的第二种人脸识别方法的流程图；

图3为本发明实施例提供的第三种人脸识别方法的流程图；

图4为本发明实施例提供的一种人脸识别装置的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

考虑到现有的人脸识别方式安全性和准确性较差的问题，本发明实施例提供了一种人脸识别方法和装置；该技术可以应用于通过人脸识别进行身份信息确认的相关环境中，包括信息安全、出入控制、刑事侦查等；该技术还可以应用于通过人脸识别管控用户的多种应用或网站密码的过程中；该技术可以采用相关的软件和硬件实现，下面通过实施例进行描述。

实施例一：

参见图1所示的第一种人脸识别方法的流程图，该方法可以由相关服务器、人脸识别设备、或基于人脸识别的密码管控设备执行，该方法包括如下步骤：

步骤S102，获取目标识别对象脸部的反射信号；其中，该反射信号包括全景深图像信号和浅景深图像信号；

步骤S104，对反射信号进行特征提取处理，生成脸部的实际特征数据；其中，该实际特征数据包括全景深图像信号对应的平面特征数据和浅景深图像信号对应的深度特征数据；

上述全景深图像信号中，图像中的远景部分和近景部分的清晰度差异较小，没有虚化的部分；上述浅景深图像信号中，当镜头聚焦至近景部分时，图像中的远景部分会呈现虚化的效果，也即近景部分的清晰度大于远景部分的清晰度；同理，当镜头聚焦至远景部分时，图像中的近景部分会呈现虚化的效果，也即远景部分的清晰度大于近景部分的清晰度；当镜头聚焦至中景部分时，图像中的远景和近景部分均会呈现虚化的效果，也即中景部分的清晰度大于远景部分和近景部分的清晰度。

因此，通过浅景深图像信号不同部分的清晰度的差异，可以获得该图像信号中人脸部不同部位与镜头的相对距离的差异，还可以获得该图像信号中人脸、背景与镜头的相对距离的差异，也即上述深度特征数据。

在实际实现时，可以采用多种特征提取方式获取目标识别对象的实际特征数据，例如，统计特征识别法、几何特征识别法或基于连接机制识别法等。

步骤S106，将实际特征数据与预先建立的特征数据库中的理想特征数据进行比对，确认目标识别对象的身份信息；其中，该特征数据库包括指定用户的身份信息和该身份信息对应的理想特征数据；理想特征数据包括指定用户脸部的平面特征数据和深度特征数据。

在实际实现时，上述步骤S106中，可以将实际特征数据中的平面特征数据和深度特征数据分别与特征数据库中的理想特征数据进行比对，进而确认目标识别对象的身份信息；还可以将实际特征数据中的平面特征数据与特征数据库中的理想特征数据进行比对，确认目标识别对象的身份信息之后，采用深度特征数据判断当前目标识别对象脸部的反射信号是否通过目标识别对象的真实脸部获得。

具体地，当当前目标识别对象脸部的反射信号是通过目标识别对象的真实脸部获得时，该深度特征数据与特征数据库中的深度特征数据差异较小；当当前目标识别对象脸部的反射信号是通过目标识别对象脸部的图像介质(例如，纸质照片、显示设备显示的照片等)获得时，该图像信号中人脸部不同部位与镜头的相对距离的几乎相同，导致该深度特征数据与特征数据库中的深度特征数据差异较大，进而可以确认该目标识别对象不是合法的指定用户，此次人脸识别失败。

本发明实施例提供的一种人脸识别方法，通过对获取到的目标识别对象脸部的全景深图像信号和浅景深图像信号进行特征提取处理，可以获得该目标识别对象脸部的实际特征数据；通过将该实际特征数据与预先建立的特征数据库中的平面特征数据和深度特征数据进行比对，可以确认目标识别对象的身份信息；该方式中，通过全景深图像信号和浅景深图像信号，不仅可以确认目标识别对象的身份信息，还可以通过深度特征数据确认该目标识别对象的反射信号的来源，当该来源为除目标识别对象真实脸部以外的其他途径时，此次人脸识别失败；该方式提高了人脸识别方式安全性和准确性。

实施例二：

参见图2所示的第二种人脸识别方法的流程图，该方法在上述实施例一中提供的人脸识别方法的基础上实现；该方法可以由相关服务器、人脸识别设备、或基于人脸识别的密码管控设备执行，该方法包括如下步骤：

步骤S202，通过广角摄像头或标准摄像头获取目标识别对象脸部的全景深图像信号；通过景深摄像头获取目标识别对象脸部的浅景深图像信号。

上述标准摄像头的标准镜头通常为视角为50度左右的镜头，焦距长度和所摄画幅的对角线长度大致相等。该镜头的视角一般为45-50度；标准镜头的焦距通常在40-55毫米之间，标准镜头所表现的景物的透视与目视比较接近。

上述广角摄像头的广角镜头，其焦距短于标准镜头、视角大于标准镜头、焦距长于鱼眼镜头、视角小于鱼眼镜头。广角镜头中，普通广角镜头的焦距一般为38-24毫米，视角为60-84度；超广角镜头的焦距为20-13毫米，视角为94-118度。由于广角镜头的焦距短，视角大，景深很深，在较短的拍摄距离范围内，能拍摄到较大面积的景物。

上述步骤S202中，通过景深摄像头获取目标识别对象脸部的浅景深图像信号的步骤，可以通过下述方式实现：(1)识别目标识别对象脸部的特定位置；(2)调节景深摄像头的聚焦点至特定位置，获取聚焦点对应的浅景深图像信号。

上述特定位置可以为鼻部、嘴部、额头或面颊等位置；通常，当目标识别对象脸部正对摄像头时，鼻部与镜头的距离最近；以上述特定位置为鼻部进行举例说明：首先可以利用人脸器官构造的先验知识、面部图像灰度分布的峰谷和频率特性等技术手段识别出鼻部的具体位置，再控制景深摄像头中的景深镜头调焦，将聚焦点调节至鼻部，进而获取鼻部为聚焦点下的景深图像信号；由于景深镜头的景深较浅，当聚焦点为鼻部时，由于脸部其他部位与镜头的距离均大于鼻部，使得脸部其他部位的图像呈现虚化的效果，虚化的部分清晰度较差。

可以理解，如果当前目标识别对象脸部为目标识别对象的平面照片，当聚焦点调节至鼻部时，脸部其他部位也处于聚焦点，其清晰度与鼻部的清晰度几乎相同。

步骤S204，对全景深图像信号进行特征提取处理，生成脸部的平面特征数据；

步骤S206，随机获取浅景深图像信号中，目标识别对象脸部的特定位置以外的参考位置对应的参考图像块；获取特定位置对应的特定图像块；

例如，当特定位置为鼻部时，该参考位置可以为嘴部、额头或面颊等位置中的一种或多种。

步骤S208，分别计算参考图像块和特定图像块的清晰度；

图像清晰度，通常是指影像上各细部影纹及其边界的清晰程度；可以采用多种算法评价图像或图像块的清晰度，例如，Brenner梯度函数，该函数通过计算相邻两个像素灰度差的平方获得图像的清晰度，该函数定义如下：D(f)＝∑_y∑_x|f(x+2，y)-f(x，y)|²；其中，f(x,y)表示图像f对应像素点(x,y)的灰度值，D(f)为图像清晰度计算结果。

另外，还可以采用Tenengrad梯度函数、Laplacian梯度函数、SMD(灰度方差)函数、SMD2(灰度方差乘积)函数、方差函数、能量梯度函数、Vollath函数等等计算获得图像块的清晰度。

步骤S210，将参考图像块的清晰度和特定图像块的清晰度的差值，确定为脸部的深度特征数据。

步骤S212，将实际特征数据中的平面特征数据与预先建立的特征数据库中的理想特征数据进行比对，获得第一比对结果；将实际特征数据中的深度特征数据与预先建立的特征数据库中的理想特征数据进行比对，获得第二比对结果；

步骤S214，根据第一比对结果识别目标识别对象的身份信息；

步骤S216，根据第二比对结果确认反射信号为目标识别对象的真实脸部对应的反射信号。

具体地，上述步骤S216中，根据第二比对结果确认反射信号为目标识别对象的真实脸部对应的反射信号的步骤，可以通过下述方式实现：判断第二比对结果与预先建立的特征数据库中的深度特征数据的差值是否在预设范围内；如果否，确认反射信号为目标识别对象脸部的图像介质对应的反射信号；如果是，确认反射信号为目标识别对象的真实脸部对应的反射信号。

在实际实现时，上述第二比对结果可以包括一种参考位置对应的深度特征数据的比对结果，也可以包括多种参考位置对应的深度特征数据的比对结果；当上述第二比对结果中包括多种参考位置对应的深度特征数据的比对结果时，如果第二比对结果中的多种参考位置对应的深度特征数据中，一半以上的深度特征数据与预先建立的特征数据库中的深度特征数据的差值不在预设范围内，则确认上述反射信号为目标识别对象脸部的图像介质对应的反射信号。

进一步地，本实施例在实际实现时，上述特征数据库的建立过程包括如下步骤：

(1)采集指定用户的身份信息和指定用户的脸部的反射信号；

(2)对反射信号进行特征提取处理，生成与指定用户的身份信息对应的理想特征数据；其中，理想特征数据包括平面特征数据和深度特征数据；

(3)将指定用户的身份信息和理想特征数据保存至特征数据库中。

在实际实现时，可以多次获取目标识别对象的特征数据，并通过机器学习和训练的方式对大量的特征数据进行处理，并对应至相应的指定用户；对于某个指定用户的特定一个脸部特征，其平面特征数据和深度特征数据中，均含有针对该脸部特征的特征数据，例如，平面特征数据和深度特征数据均包含有当前指定用户的眼部的相关特征。通过上述方式可以获得大量指定用户的特征数据库，为人脸识别操作提供了数据基础。

本发明实施例提供的一种人脸识别方法，通过调节景深摄像头的焦距，可以获得聚焦点位于脸部特定位置时对应的浅景深图像信号；通过计算参考图像块和特定图像块的清晰度的差值，可以获得脸部的深度特征数据，再与预先建立的特征数据库中的平面特征数据和深度特征数据进行比对，可以确认目标识别对象的身份信息；该方式中，通过全景深图像信号和浅景深图像信号，不仅可以确认目标识别对象的身份信息，还可以通过深度特征数据确认该目标识别对象的反射信号的来源，当该来源为除目标识别对象真实脸部以外的其他途径时，此次人脸识别失败；该方式提高了人脸识别方式安全性和准确性。

实施例三：

参见图3所示的第三种人脸识别方法的流程图，该方法在上述实施例二中提供的人脸识别方法的基础上实现；该方法可以由相关服务器、人脸识别设备、或基于人脸识别的密码管控设备执行，该方法包括如下步骤：

步骤S302，通过广角摄像头或标准摄像头获取目标识别对象脸部的全景深图像信号；

步骤S304，识别目标识别对象脸部的特定位置；调节景深摄像头的聚焦点至特定位置，获取聚焦点对应的浅景深图像信号。

步骤S306，对全景深图像信号进行特征提取处理，生成脸部的平面特征数据；

步骤S308，随机获取浅景深图像信号中，目标识别对象脸部的特定位置以外的参考位置对应的参考图像块；获取特定位置对应的特定图像块；

步骤S310，分别计算参考图像块和特定图像块的清晰度；

步骤S312，将参考图像块的清晰度和特定图像块的清晰度的差值，确定为脸部的深度特征数据。

步骤S314，将实际特征数据中的平面特征数据与预先建立的特征数据库中的理想特征数据进行比对，获得第一比对结果；将实际特征数据中的深度特征数据与预先建立的特征数据库中的理想特征数据进行比对，获得第二比对结果；

步骤S316，根据第一比对结果识别目标识别对象的身份信息；

步骤S318，判断第二比对结果与预先建立的特征数据库中的深度特征数据的差值是否在预设范围内；如果否，执行步骤S320；如果是，执行步骤S322；

步骤S320，确认反射信号为目标识别对象脸部的图像介质对应的反射信号；

步骤S322，确认反射信号为目标识别对象的真实脸部对应的反射信号。

本发明实施例提供的一种人脸识别方法，通过调节景深摄像头的焦距，可以获得聚焦点位于脸部特定位置时对应的浅景深图像信号；通过计算参考图像块和特定图像块的清晰度的差值，可以获得脸部的深度特征数据，再与预先建立的特征数据库中的平面特征数据和深度特征数据进行比对，可以确认目标识别对象的身份信息；该方式中，通过全景深图像信号和浅景深图像信号，不仅可以确认目标识别对象的身份信息，还可以通过深度特征数据确认该目标识别对象的反射信号的来源，当该来源为除目标识别对象真实脸部以外的其他途径时，此次人脸识别失败；该方式提高了人脸识别方式安全性和准确性。

实施例四：

对应于上述方法实施例，参见图4所示的一种人脸识别装置的结构示意图；该装置包括如下部分：

信号获取模块40，用于获取目标识别对象脸部的反射信号；其中，反射信号包括全景深图像信号和浅景深图像信号；

特征提取模块41，用于对反射信号进行特征提取处理，生成脸部的实际特征数据；其中，实际特征数据包括全景深图像信号对应的平面特征数据和浅景深图像信号对应的深度特征数据；

比对模块42，用于将实际特征数据与预先建立的特征数据库中的理想特征数据进行比对，确认目标识别对象的身份信息；其中，特征数据库包括指定用户的身份信息和身份信息对应的理想特征数据；理想特征数据包括指定用户脸部的平面特征数据和深度特征数据。

进一步地，上述信号获取模块，包括：第一信号获取单元，用于通过广角摄像头或标准摄像头获取目标识别对象脸部的全景深图像信号；第二信号获取单元，用于通过景深摄像头获取目标识别对象脸部的浅景深图像信号。

进一步地，上述第二信号获取单元，还用于：识别目标识别对象脸部的特定位置；调节景深摄像头的聚焦点至特定位置，获取聚焦点对应的浅景深图像信号。

本发明实施例提供的一种人脸识别装置，通过对获取到的目标识别对象脸部的全景深图像信号和浅景深图像信号进行特征提取处理，可以获得该目标识别对象脸部的实际特征数据；通过将该实际特征数据与预先建立的特征数据库中的平面特征数据和深度特征数据进行比对，可以确认目标识别对象的身份信息；该方式中，通过全景深图像信号和浅景深图像信号，不仅可以确认目标识别对象的身份信息，还可以通过深度特征数据确认该目标识别对象的反射信号的来源，当该来源为除目标识别对象真实脸部以外的其他途径时，此次人脸识别失败；该方式提高了人脸识别方式安全性和准确性。

本发明实施例所提供的人脸识别方法和装置的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种人脸识别方法，其特征在于，包括：

获取目标识别对象脸部的反射信号；其中，所述反射信号包括全景深图像信号和浅景深图像信号；

对所述反射信号进行特征提取处理，生成所述脸部的实际特征数据；其中，所述实际特征数据包括所述全景深图像信号对应的平面特征数据和所述浅景深图像信号对应的深度特征数据；

将所述实际特征数据与预先建立的特征数据库中的理想特征数据进行比对，确认所述目标识别对象的身份信息；其中，所述特征数据库包括指定用户的身份信息和所述身份信息对应的理想特征数据；所述理想特征数据包括所述指定用户脸部的平面特征数据和深度特征数据。

2.根据权利要求1所述的方法，其特征在于，所述获取目标识别对象脸部的反射信号的步骤，包括：

通过广角摄像头或标准摄像头获取目标识别对象脸部的全景深图像信号；

通过景深摄像头获取目标识别对象脸部的浅景深图像信号。

3.根据权利要求2所述的方法，其特征在于，所述通过景深摄像头获取目标识别对象脸部的浅景深图像信号的步骤，包括：

识别目标识别对象脸部的特定位置；

调节景深摄像头的聚焦点至所述特定位置，获取所述聚焦点对应的浅景深图像信号。

4.根据权利要求3所述的方法，其特征在于，所述对所述反射信号进行特征提取处理，生成所述脸部的实际特征数据的步骤，包括：

对所述全景深图像信号进行特征提取处理，生成所述脸部的平面特征数据；

随机获取所述浅景深图像信号中，所述目标识别对象脸部的所述特定位置以外的参考位置对应的参考图像块；

获取所述特定位置对应的特定图像块；

分别计算所述参考图像块和所述特定图像块的清晰度；

将所述参考图像块的清晰度和所述特定图像块的清晰度的差值，确定为所述脸部的深度特征数据。

5.根据权利要求1所述的方法，其特征在于，所述将所述实际特征数据与预先建立的特征数据库中的理想特征数据进行比对，确认所述目标识别对象的身份信息的步骤，包括：

将所述实际特征数据中的平面特征数据与预先建立的特征数据库中的理想特征数据进行比对，获得第一比对结果；

将所述实际特征数据中的深度特征数据与预先建立的特征数据库中的理想特征数据进行比对，获得第二比对结果；

根据所述第一比对结果识别所述目标识别对象的身份信息；

根据所述第二比对结果确认所述反射信号为所述目标识别对象的真实脸部对应的反射信号。

6.根据权利要求5所述的方法，其特征在于，所述根据所述第二比对结果确认所述反射信号为所述目标识别对象的真实脸部对应的反射信号的步骤，包括：

判断所述第二比对结果与所述预先建立的特征数据库中的深度特征数据的差值是否在预设范围内；

如果否，确认所述反射信号为所述目标识别对象脸部的图像介质对应的反射信号；

如果是，确认所述反射信号为所述目标识别对象的真实脸部对应的反射信号。

7.根据权利要求1-6中任一所述的方法，其特征在于，所述特征数据库的建立过程包括：

采集指定用户的身份信息和所述指定用户的脸部的反射信号；

对所述反射信号进行特征提取处理，生成与所述指定用户的所述身份信息对应的理想特征数据；其中，所述理想特征数据包括所述平面特征数据和所述深度特征数据；

将所述指定用户的所述身份信息和所述理想特征数据保存至特征数据库中。

8.一种人脸识别装置，其特征在于，包括：

信号获取模块，用于获取目标识别对象脸部的反射信号；其中，所述反射信号包括全景深图像信号和浅景深图像信号；

特征提取模块，用于对所述反射信号进行特征提取处理，生成所述脸部的实际特征数据；其中，所述实际特征数据包括所述全景深图像信号对应的平面特征数据和所述浅景深图像信号对应的深度特征数据；

比对模块，用于将所述实际特征数据与预先建立的特征数据库中的理想特征数据进行比对，确认所述目标识别对象的身份信息；其中，所述特征数据库包括指定用户的身份信息和所述身份信息对应的理想特征数据；所述理想特征数据包括所述指定用户脸部的平面特征数据和深度特征数据。

9.根据权利要求8所述的装置，其特征在于，所述信号获取模块，包括：

第一信号获取单元，用于通过广角摄像头或标准摄像头获取目标识别对象脸部的全景深图像信号；

第二信号获取单元，用于通过景深摄像头获取目标识别对象脸部的浅景深图像信号。

10.根据权利要求9所述的装置，其特征在于，所述第二信号获取单元，还用于：

识别目标识别对象脸部的特定位置；

调节景深摄像头的聚焦点至所述特定位置，获取所述聚焦点对应的浅景深图像信号。