CN107563337A - 人脸识别的方法及相关产品 - Google Patents

Abstract

本公开提供一种人脸识别方法及相关产品，所述方法包括如下步骤：采集人脸图像，获取采集人脸图像的终端角度和图像亮度；依据所述终端角度和所述图像亮度从预先存储的多个模板图像中确定所述多个模板图像的比对顺序；将所述人脸图像按所述比对顺序执行人脸图像与所述多个模板图像的比对认证得到人脸识别的验证结果。本发明提供的技术方案具有提高识别速度，提高用户体验度的优点。

Description

人脸识别的方法及相关产品

技术领域

本发明涉及通信技术领域，具体涉及一种人脸识别的方法及相关产品。

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。用摄像头采集含有人脸的图像，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技术，通常也叫做人像识别、面部识别。

现有终端的人脸识别基于采集的图片与模板图片的比对，人脸识别的速度慢，用户体验度低。

发明内容

本发明实施例提供了一种人脸识别的方法及相关产品，可实现对人脸识别的比对进行优化，提高人脸识别的速度，提升用户的体验度优点。

第一方面，提供一种人脸识别方法，所述方法包括如下步骤：

采集人脸图像，获取采集人脸图像的终端角度和图像亮度；

依据所述终端角度和所述图像亮度从预先存储的多个模板图像中确定所述多个模板图像的比对顺序；

将所述人脸图像按所述比对顺序执行人脸图像与所述多个模板图像的比对认证得到人脸识别的验证结果。

第二方面，提供一种智能终端，所述智能终端包括：人脸识别模组、摄像头模组、存储器和应用处理器AP，所述人脸识别模组与所述摄像头模组连接，所述AP分别与所述人脸识别模组、摄像头模组、存储器连接：

所述存储器，用于存储预先设置的模板图像、模板图像的终端角度以及模板图像的图像亮度；

所述摄像头模组，用于采集人脸图像；

所述AP，用于依据所述终端角度和所述图像亮度从预先存储的多个模板图像中确定所述多个模板图像的比对顺序；

所述人脸识别模组，用于将所述人脸图像按所述比对顺序执行人脸图像与所述多个模板图像的比对认证得到人脸识别的验证结果。

第三方面，提供一种智能设备，所述设备包括一个或多个处理器、存储器、收发器，摄像头模组以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置由所述一个或多个处理器执行，所述程序包括用于执行第一方面提供的方法中的步骤的指令。

第四方面，提供一种计算机可读存储介质，其存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行第一方面提供的所述的方法。

第五方面，提供一种计算机程序产品，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机程序可操作来使计算机执行第一方面提供的方法。

实施本发明实施例，具有如下有益效果：

可以看出，通过本发明实施例技术方案在采集人脸图像时，获取该采集的人脸图像中的图像亮度以及终端角度，依据该终端角度以及图像亮度来确定模板图像的比对顺序，这样能够减少比对认证时的比对次数，从而提升人脸识别的速度。其采用的原理可以为，对于人脸识别来说，本申请人通过对人脸识别的研究发现，对于人脸识别失败的原因主要包括，终端角度，即采集人脸图像的终端角度α与模板的终端角度β不一致，通过实验发现，其|α－β|的值越大，其比对认证的成功率越小，对于采集人脸图像的亮度也遵守相应的原因。所以这里依据该终端角度以及图像亮度这两个维度来确定多个模板图像的对比顺序，这样能够尽可能的早的确定认证通过率高的模板进行认证，从而减少识别次数，降低人脸验证的时间，降低功耗。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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例，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是一种移动终端的结构示意图。

图2是本发明实施例提供的一种人脸识别方法的流程示意图。

图3是本发明实施例提供的智能终端的结构示意图。

图4是本发明实施例公开的一种智能设备的结构示意图。

图5是本发明实施例公开的另一种智能设备的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中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作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。

本发明的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

可选的，在上述第一方面提供的方法中，所述依据所述终端角度和所述图像亮度从预先存储的多个模板图像中确定所述多个模板图像的比对顺序，包括：

提取所述多个模板图像中每个模板图像的终端角度，计算每个模板图像的终端角度与人脸图像的终端角度的差值的角度绝对值，依据所述角度绝对值的大小确定所述多个模板图像的比对顺序。

可选的，在上述第一方面提供的方法中，如所述多个模板图像中具有终端角度相同的一组模板图像，提取所述一组模板图像中每个模板图像的图像亮度，计算所述一组模板图像中每个模板图像的图像亮度于人脸图像的图像亮度之间差值的亮度绝对值，将一组模板的比对顺序按所述亮度绝对值的倒序排列。

可选的，在上述第一方面提供的方法中，所述依据所述终端角度和所述图像亮度从预先存储的多个模板图像中确定所述多个模板图像的比对顺序，包括：

提取所述多个模板图像中每个模板图像的终端角度和图像亮度，依据所述每个模板图像的终端角度和图像亮度计算每个模板图像的顺序参数，按所述顺序参数的倒序排列对比顺序；

其中，

Y＝k1*|θ|+k2*|δ|；

其中，Y为所述顺序参数，k1为角度系数，|θ|为每个模板图像的终端角度的绝对值，|δ|为每个模板图像的图像亮度的绝对值，k2为亮度系数，k1＞k2。

参阅图1，图1为一种移动终端结构示意图，如图1所示，该移动终端可以包括智能手机(如Android手机、iOS手机、Windows Phone手机等)、平板电脑、掌上电脑、笔记本电脑、移动互联网设备(MID，Mobile Internet Devices)或穿戴式设备等，上述移动终端仅是举例，而非穷举，包含但不限于上述移动终端，为了描述的方便，下面实施例中将上述移动终端称为用户设备(User equipment，UE)或终端。当然在实际应用中，上述用户设备也不限于上述变现形式，例如还可以包括：智能车载终端、计算机设备等等。如图1所示，该终端包括：处理器101、显示器102、人脸识别模组103和摄像头模组104，在实际应用中，该摄像头模组104也可以与人脸识别模组103集成在一起，当然在另外一种可选的技术方案中，该人脸识别模组103也可以集成在该处理器101内。本发明具体实施方式并不限制上述人脸识别模组103的具体封装位置。该处理器101分别与显示器102、人脸识别模组103和摄像头模组104连接，其连接方式可以为总线方式，当然在实际应用中，也可以采用其他的方式来连接，本发明具体实施方式并不限制处理器101分别与显示器102、人脸识别模组103和摄像头模组104连接的具体方式。

下面说明一下人脸识别的方式，首先需要说明的是，本发明的技术方案涉及人脸识别，但是并不限制该人脸识别的应用范围，例如，在本发明一个可选的技术方案中，可以通过人脸识别的结果实现终端解锁，又如，在本发明又一个可选的技术方案中，可以通过人脸识别的结果实现快捷支付，再如，在本发明还一个可选的技术方案中，可以通过人脸识别的结果实现快速进入设定场地，例如办公室考勤记录、办公室自动门开合等等场景，本发明具体实施方式并不限制具体的应用场景。该人脸识别的方式具体可以为，摄像头模组104采集人脸图像，人脸识别模块执行特征提取、比对认证、活体识别等操作以后输出人脸识别结果，处理器101依据该人脸识别结果执行后续操作，例如解锁操作或快捷支付操作等等。上述特征提取、比对认证、活体识别的操作可以通过人脸识别算法来执行，本发明具体实施方式中并不限制上述人脸识别算法的具体实现形式。

对于人脸识别算法，大部分人脸识别算法一般包括三个部分，即特征提取、比对认证以及活体识别，其中，比对认证具体的实现方式可以为，对采集的人脸图像与模板图像进行比对。对于现有的终端设备来说，由于终端设备使用的人不止一人，或者用户处于一些其他的考虑，可能录入有多个模板图像，这样对于对比特征的方式来说，其首先需要选择的即是采用多个模板图像中的那个图像，因为比对认证的是一一比对的方式，目前的技术并不涉及一对多的比对，所以选择多个模板图像中那个模板图像非常影响识别的速度。人脸识别的算法选取模板图像一般是随机选取或通过录入的时间来选取，随机选取的方式一般看选取的运气，在单个人脸识别中，有可能识别速度很快，但是长期来看，其与通过录入的时间的选取方式几乎一样。以一个实际的例子来说，例如具有5个模板图像，分别为模板1、模板2、模板3、模板4和模板5，采集的人像为人像1，如果该人像1与模板5近似，采用人脸识别的算法，那么采集的人像1按顺序与模板1、模板2、模板3、模板4和模板5比对，其所花费的时间为：5t，假设人像1与每个模板的比对时间为t(在实际应用中，上述比对时间可能有所差别，但是一般差别不大)。如果采用随机提取的方式，假设提取的顺序为，模板1、模板3、模板5，则其所花费的时间为：3t。所以此两种人脸识别算法的时间都较长，影响用户的体验度。

参阅图2，图2为本发明具体实施方式提供的一种人脸识别方法，该方法由如图1所示的终端来执行，该方法如图2所示，包括如下步骤：

步骤S201、采集人脸图像。

上述步骤S201中采集人脸图像可以通过摄像头模组采集，该摄像头模组具体可以为，设置在终端的前置摄像头模组，当然在实际应用中，也可以通过设置在终端的后置摄像头模组来采集人脸图像。本发明具体实施方式并不限制该采集人脸图像的具体摄像头模组。该人脸图像也可以通过红外摄像模组或可见光摄像模组来实现对人脸图像的采集。

步骤S202、获取人脸图像的终端角度和图像亮度。

上述步骤S202中的获取人脸图像的终端角度的方式可以有多种，例如在本发明一个可选的技术方案中，可以通过角度传感器来检测终端在采集人脸图像时的角度。在本发明另一个可选的技术方案中，可以通过对该人脸图像角度识别算法得到该终端角度。本发明具体实施方式并不闲职上述人脸图像角度识别算法的具体表现形式。

步骤S203、依据该终端角度和图像亮度从多个模板图像中确定多个模板图像的比对顺序。

上述步骤S203中的确定多个模板图像的比对顺序的方式可以有多种，具体的实现方式可以参见下述实施例的描述，这里不再赘述。

步骤S204、将该人脸图像按该比对顺序执行人脸图像与多个模板图像的比对认证得到人脸识别的验证结果。

上述步骤S204的实现方式可以为，如该比对顺序为：模板5—模板3—模板4—模板6—模板1的顺序，则将该人脸图像按该对比顺序先与模板5执行比对，在与模板3执行比对，在与模板4执行比对，在与模板6执行比对，在与模板1执行比对，如比对中，比对结果为近似或一致的情况下，则结束比对，例如，将该人脸图像与模板5执行比对得到的比对结果为近似时，则结束比对，不用对该模板3、模板4、模板6、模板1比对，这里假设人脸图像与每个模板比对所需的时间为t，则其所花费的时间为t。又如，该人脸图像与模板3执行比对得到的比对结果为一致时，则结束比对，即不用对模板4、模板6、模板1比对，即所花费的时间为2t。

本发明提供的技术方案在采集人脸图像时，获取该采集的人脸图像中的图像亮度以及终端角度，依据该终端角度以及图像亮度来确定模板图像的比对顺序，这样能够减少比对认证时的比对次数，从而提升人脸识别的速度。其采用的原理可以为，对于人脸识别来说，本申请人通过对人脸识别的研究发现，对于人脸识别失败的原因主要包括，终端角度，即采集人脸图像的终端角度α与模板的终端角度β不一致，通过实验发现，其|α－β|的值越大，其比对认证的成功率越小，对于采集人脸图像的亮度也遵守相应的原因。所以这里依据该终端角度以及图像亮度这两个维度来确定多个模板图像的对比顺序，这样能够尽可能的早的确定认证通过率高的模板进行认证，从而减少识别次数，降低人脸验证的时间，降低功耗。

可选的，上述步骤S203的实现方法具体可以为：

提取该多个模板图像中每个模板图像的终端角度，计算每个模板图像的终端角度与人脸图像的终端角度的差值的角度绝对值，依据该角度绝对值的大小确定该多个模板图像的比对顺序。

上述依据该绝对值的大小确定该多个模板图像的比对顺序的具体实现方式可以为：将该多个模板图像的对比顺序按该绝对值的倒序排列。例如，假设，这里有5个模板图像，分别定义为，模板1、模板2、模板3、模板4、模板5，模板1、模板2、模板3、模板4、模板5分别对应的终端角度为：β1、β2、β3、β4、β5；假设人脸图像的终端角度为α，则计算每个模板图像的终端角度与人脸图像的终端角度的差值的绝对值，|β1－α|、|β2－α|、|β3－α|、|β4－α|、|β5－α|；假设|β5－α|＞|β1－α|＞|β3－α|＞|β2－α|＞|β4－α|，则对比顺序按绝对值倒序排列可以为，对比顺序：模板4、模板2、模板3、模板1和模板5。

可选的，上述方法还可以包括：

如该多个模板图像中具有终端角度相同的一组模板图像，提取该一组模板图像中每个模板图像的图像亮度，计算每个模板图像的图像亮度于人脸图像的图像亮度之间差值的亮度绝对值，将一组模板的比对顺序按亮度绝对值的倒序排列。

此技术方案的目的为了在角度绝对值相同时的处理，对于终端角度相同的一组模板图像，其角度绝对值肯定相同，那么对于其对比顺序，就需要提取第二个参数，即图像亮度，计算一组模板图像中每个模板的亮度与人脸图像的图像亮度之间的差值的亮度绝对值，依据该亮度绝对值的倒序排列该一组模板图像的顺序。

下面还有5个模板图像，分别定义为，模板1、模板2、模板3、模板4、模板5，模板1、模板2、模板3、模板4、模板5分别对应的终端角度为：β1、β2、β3、β4、β5；假设人脸图像的终端角度为α，则计算每个模板图像的终端角度与人脸图像的终端角度的差值的绝对值，|β1－α|、|β2－α|、|β3－α|、|β4－α|、|β5－α|；假设|β5－α|＞|β1－α|＞|β3－α|＝|β2－α|＞|β4－α|；确定模板2和模板3为终端角度相同的一组模板图像，计算模板2和模板3的亮度与人脸图像的图像亮度之间的亮度绝对值，假设模板2亮度为f2，模板3的亮度为f3，人脸图像的图像亮度为f0，则亮度绝对值可以为：|f2－f0|、|f3－f0|，假设|f2－f0|＞|f3－f0|，则确定一组模板图像中模板3排列在模板2之间，即排列顺序具体可以为：模板4、模板3、模板2、模板1和模板5。

可选的，上述步骤S203的实现方法还可以包括：

提取该多个模板图像中每个模板图像的终端角度和图像亮度，依据该终端角度和图像亮度计算每个模板图像的顺序参数，按该顺序参数的倒序排列对比顺序。

其中，该顺序参数的计算方法可以为：

Y＝k1*|θ|+k2*|δ|；

其中，Y为顺序参数，k1可以为角度系数，|θ|为每个模板图像的终端角度的绝对值，|δ|为每个模板图像的图像亮度的绝对值，k2可以为亮度系数。其中，k1＞k2。

可选的，上述方法在步骤S202与步骤S203之间还可以包括如下步骤：

对该人脸图像进行初步识别确定该人脸图像的第一性别，提取模板图像中与该第一性别具有相同性别的模板图像确定为多个模板图像。

该技术方案的目的是为了减少多个模板图像的数量，对于终端用户来说，其存储的模本图像可能有多个人，而多个人可能为家人的模板图像，例如，夫妻双方的模板图像，例如父女双方的模板图像，又如，母子双方的模板图像。所以针对这种情况，需要对模板图像进行性别的识别，即分为男模板图像以及女模板图像，这样对人脸图像进行初步识别确定第一性别，例如确定为男人脸图像，则只对男模板图像执行排序即可以，如为女人脸图像，则只对女模板图形执行排序即可，这样就能够避免将不同性别的模板图像排序在前面，减少了比对次数，所以其具有进一步提高人脸识别速度的优点。

上述对该人脸图像进行初步识别确定该人脸图像的第一性别的具体方式可以为，

将该人脸图像输入深度学习模型进行性别识别得到第一性别。

该深度学习模型具体可以为训练好的深度学习模型，本发明具体实施方式并不限制上述深度学习模型的学习方式，例如，如该终端在亚洲销售，可以输入亚洲的样本图像对该深度学习模型进行训练，如该终端在欧洲销售，可以输入欧洲的样本图像对该深度学习模型进行训练等等。

上述对该人脸图像进行初步识别确定该人脸图像的第一性别的具体方式可以为，

对该人脸图像进行拆分得到多个特征子图像，将该多个特征子图像按该特征的名称输入与该特征名称相同的深度学习模型进行性别识别得到多个输出结果，确定多个输出结果中超过一半的相同输出结果的性别为第一性别。

上述对该人脸图像进行得到多个特征子图像的方式具体可以为：

获取特征提取中的多个特征，将该人脸图像中多个特征的子图像分割出来得到多个特征子图像。

该多个特征子图像具体例如：嘴巴图像、耳朵图像、眼睛图像、头发图像、鼻子图像、轮廓图像、等等，将该嘴巴图像输入到嘴巴深度学习模型中识别得到第一输出结果，将该耳朵图像输入到耳朵深度学习模型中识别得到第二输出结果，将该眼睛图像输入到眼睛深度学习模型中识别得到第三输出结果，将该头发图像输入到头发深度学习模型中识别得到第四输出结果，将该鼻子图像输入到头发深度学习模型中识别得到第五输出结果，将该轮廓图像输入到轮廓深度学习模型中识别得到第六输出结果。假设上述6个输出结果中有4个以上的输出结果为男性，确定第一性别为男性。

该方式通过对多个特征进行分别对比确定该第一性别，这样能够充分考虑影响性别的特征，所以其具有识别精度高的优点。

参阅图3，图3提供一种智能终端，其特征在于，所述智能终端包括：人脸识别模组301、摄像头模组302、存储器303和应用处理器AP304，所述人脸识别模组与所述摄像头模组连接，所述AP分别与所述人脸识别模组、摄像头模组、存储器连接：

存储器303，用于存储预先设置的模板图像、模板图像的终端角度以及模板图像的图像亮度；

摄像头模组302，用于采集人脸图像；

AP304，用于依据所述终端角度和所述图像亮度从预先存储的多个模板图像中确定所述多个模板图像的比对顺序；

人脸识别模组301，用于将所述人脸图像按所述比对顺序执行人脸图像与所述多个模板图像的比对认证得到人脸识别的验证结果。

可选的，所述AP，还用于提取所述多个模板图像中每个模板图像的终端角度，计算每个模板图像的终端角度与人脸图像的终端角度的差值的角度绝对值，依据所述角度绝对值的大小确定所述多个模板图像的比对顺序。

可选的，所述AP，还用于如所述多个模板图像中具有终端角度相同的一组模板图像，提取所述一组模板图像中每个模板图像的图像亮度，计算所述一组模板图像中每个模板图像的图像亮度于人脸图像的图像亮度之间差值的亮度绝对值，将一组模板的比对顺序按所述亮度绝对值的倒序排列。

可选的，所述AP，具体提取所述多个模板图像中每个模板图像的终端角度和图像亮度，依据所述每个模板图像的终端角度和图像亮度计算每个模板图像的顺序参数，按所述顺序参数的倒序排列对比顺序；

其中，

Y＝k1*|θ|+k2*|δ|；

其中，Y为所述顺序参数，k1为角度系数，|θ|为每个模板图像的终端角度的绝对值，|δ|为每个模板图像的图像亮度的绝对值，k2为亮度系数，k1＞k2。

可选的，所述AP，用于对该人脸图像进行初步识别确定该人脸图像的第一性别，提取模板图像中与该第一性别具有相同性别的模板图像确定为多个模板图像。

该技术方案的目的是为了减少多个模板图像的数量，对于终端用户来说，其存储的模本图像可能有多个人，而多个人可能为家人的模板图像，例如，夫妻双方的模板图像，例如父女双方的模板图像，又如，母子双方的模板图像。所以针对这种情况，需要对模板图像进行性别的识别，即分为男模板图像以及女模板图像，这样对人脸图像进行初步识别确定第一性别，例如确定为男人脸图像，则只对男模板图像执行排序即可以，如为女人脸图像，则只对女模板图形执行排序即可，这样就能够避免将不同性别的模板图像排序在前面，减少了比对次数，所以其具有进一步提高人脸识别速度的优点。

所述AP，还用于将该人脸图像输入深度学习模型进行性别识别得到第一性别。

该深度学习模型具体可以为训练好的深度学习模型，本发明具体实施方式并不限制上述深度学习模型的学习方式，例如，如该终端在亚洲销售，可以输入亚洲的样本图像对该深度学习模型进行训练，如该终端在欧洲销售，可以输入欧洲的样本图像对该深度学习模型进行训练等等。

所述AP，还用于对该人脸图像进行拆分得到多个特征子图像，将该多个特征子图像按该特征的名称输入与该特征名称相同的深度学习模型进行性别识别得到多个输出结果，确定多个输出结果中超过一半的相同输出结果的性别为第一性别。

上述对该人脸图像进行得到多个特征子图像的方式具体可以为：

获取特征提取中的多个特征，将该人脸图像中多个特征的子图像分割出来得到多个特征子图像。

参阅图4，图4提供一种智能设备，所述设备包括一个或多个处理器401、存储器402、收发器403，摄像头404以及一个或多个程序，该处理器401内可以集成人脸识别模组，当然在实际应用中，该人脸识别模组也可以集成在摄像头404内，所述一个或多个程序被存储在存储器402中，并且被配置由所述一个或多个处理器执行，所述程序包括用于执行如图2所示方法中的步骤的指令。

具体的：摄像头404，用于采集人脸图像，

处理器401，用于依据所述终端角度和所述图像亮度从预先存储的多个模板图像中确定所述多个模板图像的比对顺序；将所述人脸图像按所述比对顺序执行人脸图像与所述多个模板图像的比对认证得到人脸识别的验证结果。

其中，处理器501可以是处理器或控制器，例如可以是中央处理器(CentralProcessing Unit，CPU)，通用处理器，数字信号处理器(Digital Signal Processor，DSP)，专用集成电路(Application-Specific Integrated Circuit，ASIC)，现场可编程门阵列(Field Programmable Gate Array，FPGA)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本发明公开内容所描述的各种示例性的逻辑方框，模块和电路。所述处理器也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等等。收发器503可以是通信接口、收发器、收发电路等，其中，通信接口是统称，可以包括一个或多个接口。

可选的，所述处理器501，还用于提取所述多个模板图像中每个模板图像的终端角度，计算每个模板图像的终端角度与人脸图像的终端角度的差值的角度绝对值，依据所述角度绝对值的大小确定所述多个模板图像的比对顺序。

可选的，所述处理器501，还用于如所述多个模板图像中具有终端角度相同的一组模板图像，提取所述一组模板图像中每个模板图像的图像亮度，计算所述一组模板图像中每个模板图像的图像亮度于人脸图像的图像亮度之间差值的亮度绝对值，将一组模板的比对顺序按所述亮度绝对值的倒序排列。

可选的，所述处理器501，用于提取所述多个模板图像中每个模板图像的终端角度和图像亮度，依据所述每个模板图像的终端角度和图像亮度计算每个模板图像的顺序参数，按所述顺序参数的倒序排列对比顺序；

其中，

Y＝k1*|θ|+k2*|δ|；

其中，Y为所述顺序参数，k1为角度系数，|θ|为每个模板图像的终端角度的绝对值，|δ|为每个模板图像的图像亮度的绝对值，k2为亮度系数，k1＞k2。

图5示出的是与本发明实施例提供的智能设备为服务器的部分结构的框图。参考图5，服务器包括：射频(Radio Frequency，RF)电路910、存储器920、输入单元930、传感器950、音频电路960、无线保真(Wireless Fidelity，WiFi)模块970、应用处理器AP980、摄像头770以及电源990等部件。本领域技术人员可以理解，图5中示出的智能设备结构并不构成对智能设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

下面结合图5对智能设备的各个构成部件进行具体的介绍：

输入单元930可用于接收输入的数字或字符信息，以及产生与智能设备的用户设置以及功能控制有关的键信号输入。具体地，输入单元930可包括触控显示屏933、手写笔931以及其他输入设备932。输入单元930还可以包括其他输入设备932。具体地，其他输入设备932可以包括但不限于物理按键、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。

AP980是智能设备的控制中心，利用各种接口和线路连接整个智能设备的各个部分，通过运行或执行存储在存储器920内的软件程序和/或模块，以及调用存储在存储器920内的数据，执行智能设备的各种功能和处理数据，从而对智能设备进行整体监控。可选的，AP980可包括一个或多个处理单元；可选的，AP980可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到AP980中。上述AP980可以集成人脸识别模组，当然在实际应用中，上述人脸识别模组也可以单独设置或集成在摄像头770内，如图5所示的人脸识别模组以集成在AP980内为例。

此外，存储器920可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

RF电路910可用于信息的接收和发送。通常，RF电路910包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(Low Noise Amplifier，LNA)、双工器等。此外，RF电路910还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议，包括但不限于全球移动通讯系统(Global System of Mobilecommunication，GSM)、通用分组无线服务(General Packet Radio Service，GPRS)、码分多址(Code Division Multiple Access，CDMA)、宽带码分多址(Wideband Code DivisionMultiple Access,WCDMA)、长期演进(Long Term Evolution，LTE)、电子邮件、短消息服务(Short Messaging Service，SMS)等。

摄像头770，用于采集人脸图像，

存储器920，用于存储预先设置的模板图像、模板图像的终端角度以及模板图像的图像亮度，

AP980，用于依据所述终端角度和所述图像亮度从预先存储的多个模板图像中确定所述多个模板图像的比对顺序；将所述人脸图像按所述比对顺序执行人脸图像与所述多个模板图像的比对认证得到人脸识别的验证结果。

可选的，AP980，还用于提取所述多个模板图像中每个模板图像的终端角度，计算每个模板图像的终端角度与人脸图像的终端角度的差值的角度绝对值，依据所述角度绝对值的大小确定所述多个模板图像的比对顺序。

可选的，AP980，还用于如所述多个模板图像中具有终端角度相同的一组模板图像，提取所述一组模板图像中每个模板图像的图像亮度，计算所述一组模板图像中每个模板图像的图像亮度于人脸图像的图像亮度之间差值的亮度绝对值，将一组模板的比对顺序按所述亮度绝对值的倒序排列。

可选的，AP980，还用于提取所述多个模板图像中每个模板图像的终端角度和图像亮度，依据所述每个模板图像的终端角度和图像亮度计算每个模板图像的顺序参数，按所述顺序参数的倒序排列对比顺序；

其中，

Y＝k1*|θ|+k2*|δ|；

其中，Y为所述顺序参数，k1为角度系数，|θ|为每个模板图像的终端角度的绝对值，|δ|为每个模板图像的图像亮度的绝对值，k2为亮度系数，k1＞k2。

智能设备还可包括至少一种传感器950，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节触控显示屏的亮度，接近传感器可在手机移动到耳边时，关闭触控显示屏和/或背光。作为运动传感器的一种，加速计传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于手机还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。

音频电路960、扬声器961，传声器962可提供用户与智能设备之间的音频接口。音频电路960可将接收到的音频数据转换后的电信号，传输到扬声器961，由扬声器961转换为声音信号播放；另一方面，传声器962将收集的声音信号转换为电信号，由音频电路960接收后转换为音频数据，再将音频数据播放AP980处理后，经RF电路910以发送给比如另一手机，或者将音频数据播放至存储器920以便进一步处理。

WiFi属于短距离无线传输技术，手机通过WiFi模块970可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图5示出了WiFi模块970，但是可以理解的是，其并不属于智能设备的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。

智能设备还包括给各个部件供电的电源990(比如电池或电源模块)，可选的，电源可以通过电源管理系统与AP980逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。

前述图2所示的实施例中，各步骤方法流程可以基于该智能设备的结构实现。

前述图3或图4所示的实施例中，各单元功能可以基于该智能设备的结构实现。

可以看出，通过本发明实施例，移动终端通过对不同的生物识别的识别顺序来分配不同的优先级，并且在设定时间内，如启动的第二应用程序与第一应用程序的类型不同，需要重新执行多生物识别操作，避免了直接给不同类型的应用程序最高优先级，影响安全性的问题。

本发明实施例还提供一种计算机存储介质，其中，该计算机存储介质存储用于电子数据交换的计算机程序，该计算机程序使得计算机执行如上述方法实施例中记载的任何一种搜索资源推荐的方法的部分或全部步骤。

本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机程序可操作来使计算机执行如上述方法实施例中记载的任何一种搜索资源推荐的方法的部分或全部步骤。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本发明所必须的。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件程序模块的形式实现。

所述集成的单元如果以软件程序模块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器中。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全部或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器中，包括若干指令用以使得一台计算机设备(可为个人计算机、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。而前述的存储器包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取器(英文：Random Access Memory，简称：RAM)、磁盘或光盘等。

以上对本发明实施例进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (11)

1.一种人脸识别方法，其特征在于，所述方法包括如下步骤：

采集人脸图像，获取采集人脸图像的终端角度和图像亮度；

依据所述终端角度和所述图像亮度从预先存储的多个模板图像中确定所述多个模板图像的比对顺序；

将所述人脸图像按所述比对顺序执行人脸图像与所述多个模板图像的比对认证得到人脸识别的验证结果。

2.根据权利要求1所述的方法，其特征在于，所述依据所述终端角度和所述图像亮度从预先存储的多个模板图像中确定所述多个模板图像的比对顺序，包括：

提取所述多个模板图像中每个模板图像的终端角度，计算每个模板图像的终端角度与人脸图像的终端角度的差值的角度绝对值，依据所述角度绝对值的大小确定所述多个模板图像的比对顺序。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

如所述多个模板图像中具有终端角度相同的一组模板图像，提取所述一组模板图像中每个模板图像的图像亮度，计算所述一组模板图像中每个模板图像的图像亮度于人脸图像的图像亮度之间差值的亮度绝对值，将所述一组模板的比对顺序按所述亮度绝对值的倒序排列。

4.根据权利要求1所述的方法，其特征在于，所述依据所述终端角度和所述图像亮度从预先存储的多个模板图像中确定所述多个模板图像的比对顺序，包括：

提取所述多个模板图像中每个模板图像的终端角度和图像亮度，依据所述每个模板图像的终端角度和图像亮度计算每个模板图像的顺序参数，按所述顺序参数的倒序排列对比顺序；

其中，

Y＝k1*|θ|+k2*|δ|；

其中，Y为所述顺序参数，k1为角度系数，|θ|为所述每个模板图像的终端角度的绝对值，|δ|为所述每个模板图像的图像亮度的绝对值，k2为亮度系数，k1＞k2。

5.一种智能终端，其特征在于，所述智能终端包括：人脸识别模组、摄像头模组、存储器和应用处理器AP，所述人脸识别模组与所述摄像头模组连接，所述AP分别与所述人脸识别模组、摄像头模组、存储器连接：

所述存储器，用于存储预先设置的模板图像、模板图像的终端角度以及模板图像的图像亮度；

所述摄像头模组，用于采集人脸图像；

所述AP，用于依据所述终端角度和所述图像亮度从预先存储的多个模板图像中确定所述多个模板图像的比对顺序；

所述人脸识别模组，用于将所述人脸图像按所述比对顺序执行人脸图像与所述多个模板图像的比对认证得到人脸识别的验证结果。

6.根据权利要求5所述的智能终端，其特征在于，

所述AP，还用于提取所述多个模板图像中每个模板图像的终端角度，计算每个模板图像的终端角度与人脸图像的终端角度的差值的角度绝对值，依据所述角度绝对值的大小确定所述多个模板图像的比对顺序。

7.根据权利要求6所述的智能终端，其特征在于，

所述AP，还用于如所述多个模板图像中具有终端角度相同的一组模板图像，提取所述一组模板图像中每个模板图像的图像亮度，计算所述一组模板图像中每个模板图像的图像亮度于人脸图像的图像亮度之间差值的亮度绝对值，将所述一组模板的比对顺序按所述亮度绝对值的倒序排列。

8.根据权利要求5所述的智能终端，其特征在于，

所述AP，具体提取所述多个模板图像中每个模板图像的终端角度和图像亮度，依据所述每个模板图像的终端角度和图像亮度计算每个模板图像的顺序参数，按所述顺序参数的倒序排列对比顺序；

其中，

Y＝k1*|θ|+k2*|δ|；

其中，Y为所述顺序参数，k1为角度系数，|θ|为所述每个模板图像的终端角度的绝对值，|δ|为所述每个模板图像的图像亮度的绝对值，k2为亮度系数，k1＞k2。

9.一种智能设备，其特征在于，所述设备包括一个或多个处理器、存储器、收发器，摄像头模组以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置由所述一个或多个处理器执行，所述程序包括用于执行如权利要求1-4任一项所述的方法中的步骤的指令。

10.一种计算机可读存储介质，其特征在于，其存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行如权利要求1-4任一项所述的方法。

11.一种计算机程序产品，其特征在于，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机程序可操作来使计算机执行如权利要求1-4任一项所述的方法。