CN107748879A - 用于获取人脸信息的方法及装置 - Google Patents

Abstract

本申请实施例公开了用于获取人脸信息的方法及装置。该方法的一具体实施方式包括：获取待处理语音信息和待处理图像，并对上述待处理语音信息进行语音识别，得到查询信息，上述待处理图像包括多个人脸图像，上述查询信息用于指示查询上述待处理图像中指定人脸图像的人脸信息；对上述查询信息进行语义识别，得到用于查询人脸信息的关键词集合；对上述待处理图像进行图像处理，得到上述待处理图像内的人脸信息；通过上述关键词集合从人脸信息中获取对应上述待处理语音信息的人脸信息。该实现了对待处理图像包含的多个人脸图像的识别，并通过关键词确定人脸信息，提高了通过语音方式获取人脸图像的准确性。

Description

用于获取人脸信息的方法及装置

技术领域

本申请实施例涉及数据处理技术领域，具体涉及语音识别技术领域，尤其涉及用于获取人脸信息的方法及装置。

背景技术

随着人工智能的发展和语音识别技术的不断完善，以语音方式进行的数据处理变得越来越智能化。人们可以通过语音完成过去需要手动才能实现的数据处理，为人们提供了更多获取信息的方式，也提高了人们获取信息的效率。例如，用户可以通过向终端发送语音信息的方式，指示终端查询显示的图像中的人脸信息。终端根据语音信息返回图像中的一个人脸图像的人脸信息，从而完成通过语音方式获取图像中人脸信息的过程。

发明内容

本申请实施例的目的在于提出了用于获取人脸信息的方法及装置。

第一方面，本申请实施例提供了一种用于获取人脸信息的方法，该方法包括：获取待处理语音信息和待处理图像，并对上述待处理语音信息进行语音识别，得到查询信息，上述待处理图像包括多个人脸图像，上述查询信息用于指示查询上述待处理图像中指定人脸图像的人脸信息；对上述查询信息进行语义识别，得到用于查询人脸信息的关键词集合；对上述待处理图像进行图像处理，得到上述待处理图像内的人脸信息；通过上述关键词集合从人脸信息中获取对应上述待处理语音信息的人脸信息。

在一些实施例中，上述对上述查询信息进行语义识别，得到用于查询人脸信息的关键词集合包括：对上述查询信息进行语义识别得到语义识别信息，将上述语义识别信息划分为词条，得到包括至少一个词条的词条集合；从上述词条集合中筛选出用于确定上述待处理图像中人脸图像的至少一个关键词，并将至少一个关键词组合成关键词集合，其中，关键词包括位置关键词。

在一些实施例中，上述对上述待处理图像进行图像处理，得到上述待处理图像内的人脸信息包括：对上述待处理图像进行人脸识别，确定上述待处理图像内的每个人脸图像；查询对应每个人脸图像的人物信息，将人物信息作为对应人脸图像的人脸信息，其中，上述人物信息包括名字、性别。

在一些实施例中，上述对上述待处理图像进行图像处理，得到上述待处理图像内的人脸信息还包括：对上述待处理图像进行扫描，得到上述待处理图像内每个人脸图像的坐标信息。

在一些实施例中，上述通过上述关键词集合从人脸信息中获取对应上述待处理语音信息的人脸信息包括：通过每个人脸图像的坐标信息设置对应人脸图像在上述待处理图像内的位置信息；通过上述关键词集合内的关键词确定对应上述查询信息的人脸图像在上述待处理图像上的目标位置信息；将上述目标位置信息对应的人脸图像的作为对应上述待处理语音信息的目标人脸图像，并获取目标人脸图像的人脸信息。

在一些实施例中，上述通过每个人脸图像的坐标信息设置对应人脸图像在上述待处理图像内的位置信息包括：基于每个人脸图像的坐标信息将上述待处理图像划分为m行n列的网格，其中，每个网格内的人脸图像不超过一个；将每个人脸图像所在网格的行号和/或列号设置为该人脸图像的位置信息。

在一些实施例中，上述方法还包括：显示上述目标人脸图像的步骤，上述显示上述目标人脸图像的步骤包括：在上述待处理图像上每个人脸图像处显示对应人脸图像的位置信息；响应于用户选择目标人脸图像的位置信息的选择信息，在上述待处理图像上高亮显示上述选择信息指示的位置信息对应的目标人脸图像。

在一些实施例中，上述方法还包括：响应于用户确定目标人脸图像的确定信息，显示和/或播放上述确定信息指示的目标人脸图像的人脸信息。

第二方面，本申请实施例提供了一种用于获取人脸信息的装置，该装置包括：信息获取单元，用于获取待处理语音信息和待处理图像，并对上述待处理语音信息进行语音识别，得到查询信息，上述待处理图像包括多个人脸图像，上述查询信息用于指示查询上述待处理图像中指定人脸图像的人脸信息；关键词获取单元，用于对上述查询信息进行语义识别，得到用于查询人脸信息的关键词集合；人脸信息生成单元，用于对上述待处理图像进行图像处理，得到上述待处理图像内的人脸信息；人脸信息获取单元，用于通过上述关键词集合从人脸信息中获取对应上述待处理语音信息的人脸信息。

在一些实施例中，上述关键词获取单元包括：词条集合获取子单元，用于对上述查询信息进行语义识别得到语义识别信息，将上述语义识别信息划分为词条，得到包括至少一个词条的词条集合；关键词获取子单元，用于从上述词条集合中筛选出用于确定上述待处理图像中人脸图像的至少一个关键词，并将至少一个关键词组合成关键词集合，其中，关键词包括位置关键词。

在一些实施例中，上述人脸信息生成单元包括：人脸识别子单元，用于对上述待处理图像进行人脸识别，确定上述待处理图像内的每个人脸图像；人脸信息生成子单元，用于查询对应每个人脸图像的人物信息，将人物信息作为对应人脸图像的人脸信息，其中，上述人物信息包括名字、性别。

在一些实施例中，上述人脸信息生成单元还包括：对上述待处理图像进行扫描，得到上述待处理图像内每个人脸图像的坐标信息。

在一些实施例中，，上述人脸信息获取单元包括：位置信息设置子单元，用于通过每个人脸图像的坐标信息设置对应人脸图像在上述待处理图像内的位置信息；目标位置信息确定子单元，用于通过上述关键词集合内的关键词确定对应上述查询信息的人脸图像在上述待处理图像上的目标位置信息；人脸信息获取子单元，用于将上述目标位置信息对应的人脸图像的作为对应上述待处理语音信息的目标人脸图像，并获取目标人脸图像的人脸信息。

在一些实施例中，上述位置信息设置子单元包括：网格生成模块，用于基于每个人脸图像的坐标信息将上述待处理图像划分为m行n列的网格，其中，每个网格内的人脸图像不超过一个；位置信息设置模块，用于将每个人脸图像所在网格的行号和/或列号设置为该人脸图像的位置信息。

在一些实施例中，上述装置还包括：显示单元，用于显示上述目标人脸图像，上述显示单元包括：位置信息显示子单元，用于在上述待处理图像上每个人脸图像处显示对应人脸图像的位置信息；目标人脸图像显示子单元，响应于用户选择目标人脸图像的位置信息的选择信息，用于在上述待处理图像上高亮显示上述选择信息指示的位置信息对应的目标人脸图像。

在一些实施例中，上述装置还包括：响应于用户确定目标人脸图像的确定信息，显示和/或播放上述确定信息指示的目标人脸图像的人脸信息

第三方面，本申请实施例提供了一种服务器，包括：一个或多个处理器；存储器，用于存储一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器执行上述第一方面的用于获取人脸信息的方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现上述第一方面的用于获取人脸信息的方法。

本申请实施例提供的用于获取人脸信息的方法及装置，首先待处理语音信息和待处理图像，并得到对应待处理语音信息的查询信息，其中，待处理图像包括多个人脸图像；然后，对接收的查询信息进行语义识别，得到用于查询人脸信息的关键词集合，通过关键词能够实现对待处理图像中人脸图像的定位；之后，对待处理图像进行图像处理，得到待处理图像内的人脸信息；最后，通过关键词集合从人脸信息中获取对应待处理语音信息的人脸信息，实现了对待处理图像包含的多个人脸图像的识别，并通过关键词确定人脸信息，提高了通过语音方式获取人脸图像的准确性。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请可以应用于其中的示例性系统架构图；

图2是根据本申请的用于获取人脸信息的方法的一个实施例的流程图；

图3是根据本申请的用于获取人脸信息的方法的一个应用场景的示意图；

图4是根据本申请的用于获取人脸信息的装置的一个实施例的结构示意图；

图5是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的用于获取人脸信息的方法或用于获取人脸信息的装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有数据处理应用，例如图片浏览应用、音频处理应用、搜索类应用、语音识别应用、图像处理应用等。

终端设备101、102、103可以是具有显示屏并且支持图像显示的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103发来的人脸图像进行查询的服务器。服务器可以对接收到的人脸图像进行查询，得到对应人脸图像的人物信息，并将人物信息反馈给终端设备。

需要说明的是，本申请实施例所提供的用于获取人脸信息的方法一般由终端设备101、102、103执行，相应地，用于获取人脸信息的装置一般设置于终端设备101、102、103中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，示出了根据本申请的用于获取人脸信息的方法的一个实施例的流程200。该用于获取人脸信息的方法包括以下步骤：

步骤201，获取待处理语音信息和待处理图像，并对上述待处理语音信息进行语音识别，得到查询信息。

在本实施例中，用于获取人脸信息的方法运行于其上的电子设备(例如图1所示的终端设备101、102、103)可以通过有线连接方式或者无线连接方式从用户利用其进行网页浏览的终端接收网页浏览请求。需要指出的是，上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。

现有的通过语音方式获取图像中的人脸信息时，终端首先将语音转换为文字信息，然后判断文字信息是否有识别人脸的意图，如果有，则返回图像中的一个人脸图像的人脸信息。虽然现有技术也能通过语音方式得到图像中的人脸信息，但是，在图像中存在多个人脸图像时，往往无法确定具有要哪个人脸图像的人脸信息。因此，在图像存在多个人脸图像时，现有方法通过语音方式往往无法获取到准确的人脸信息。

为了解决现有技术存在的问题，本申请在用户通过语音信息获取待处理图像中的人脸信息时，可以向终端设备101、102、103发送待处理语音信息，终端设备101、102、103可以获取待处理语音信息及对应的待处理图像,并对待处理语音信息进行语音识别得到查询信息。其中，上述待处理图像包括多个人脸图像，上述查询信息用于指示查询上述待处理图像中指定人脸图像的人脸信息。例如，当待处理图像存在多个人脸图像时，对应待处理语音信息的查询信息可以是：“最左边的那个女的是谁？”

步骤202，对上述查询信息进行语义识别，得到用于查询人脸信息的关键词集合。

得到查询信息后，还需要对查询信息进行语义识别。还以上述的查询信息“最左边的那个女的是谁？”为例，对该查询信息进行语义识别后得到的信息可以是：“获取最左边女性人脸图像的人脸信息”。从信息中可以挑选出于人脸信息相关的关键词，将这个关键词组合成关键词集合。

在本实施例的一些可选的实现方式中，上述对上述查询信息进行语义识别，得到用于查询人脸信息的关键词集合可以包括以下步骤：

第一步，对上述查询信息进行语义识别得到语义识别信息，将上述语义识别信息划分为词条，得到包括至少一个词条的词条集合。

为了确定用户具体想要待处理图像中哪个人脸图像的人脸信息，可以对查询信息进行语义识别得到语义识别信息。然后再将语义识别信息划分为词条，将词条组合起来得到词条集合。还以上述查询信息“最左边的那个女的是谁？”为例，对应的语义识别信息可以是“获取最左边女性人脸图像的人脸信息”。将该语义识别信息划分为词条后得到的词条集合可以包括：“获取”、“最左边”、“女性”、“人脸图像”、“的”、“人脸信息”等词条。

第二步，从上述词条集合中筛选出用于确定上述待处理图像中人脸图像的至少一个关键词，并将至少一个关键词组合成关键词集合。

得到词条集合后，可以从词条集合中筛选出用于确定人脸图像的至少一个关键词。其中，上述关键词包括位置关键词，还可以是数量关键词或性别关键词。例如，位置关键词可以是“最左边”、“最右边”、“中间位置”等；数量关键词可以是：“第一个”、“最后一个”等；性别关键词可以是“女的”和“男的”。以上述的词条集合为例，该词条集合中，“最左边”和“女性”这两个词条可以是关键词，将词条“最左边”和“女性”作为关键词组合成关键词集合。

步骤203，对上述待处理图像进行图像处理，得到上述待处理图像内的人脸信息。

本申请的待处理图像中包含有多个人脸图像，通过对待处理图像进行图像处理等方式，可以从待处理图像中识别出人脸图像。进而得到人脸信息。

在本实施例的一些可选的实现方式中，上述对上述待处理图像进行图像处理，得到上述待处理图像内的人脸信息可以包括以下步骤：

第一步，对上述待处理图像进行人脸识别，确定上述待处理图像内的每个人脸图像。

通过人脸识别方法对上述待处理图像进行数据处理，能够识别出待处理图像所包含的人脸图像。

第二步，查询对应每个人脸图像的人物信息，将人物信息作为对应人脸图像的人脸信息。

获取到人脸图像后，可以从本地或服务器105上查询人脸图像对应的人物信息。之后，将人物信息作为该人脸图像的人脸信息。其中，上述人物信息包括名字、性别、职业、家庭成员等信息。

在本实施例的一些可选的实现方式中，上述对上述待处理图像进行图像处理，得到上述待处理图像内的人脸信息还可以包括：对上述待处理图像进行扫描，得到上述待处理图像内每个人脸图像的坐标信息。

为了量化地确定人脸图像在待处理图像上的位置，可以对待处理图像进行扫描，得到每个人脸图像的坐标信息。由于人脸图像通常占据一定的图像区域，因此，此处的坐标信息可以由对应人脸图像的像素的坐标值组成。

步骤204，通过上述关键词集合从人脸信息中获取对应上述待处理语音信息的人脸信息。

得到关键词集合后，可以通过关键词集合中的每个关键词对人脸信息进行筛选，从而得到满足关键词集合中全部关键词的人脸信息。

还以上述的关键词集合为例，该关键词集合包含“最左边”和“女性”两个关键词。当待处理图像包含多个人脸图像时，通过“最左边”和“女性”两个关键词可以首先确定待处理图像中所有的女性人脸图像，之后，再获取所有女性人脸图像中“最左边”的女性人脸图像的人脸信息。

在本实施例的一些可选的实现方式中，上述通过上述关键词集合从人脸信息中获取对应上述待处理语音信息的人脸信息可以包括以下步骤：

第一步，通过每个人脸图像的坐标信息设置对应人脸图像在上述待处理图像内的位置信息。

由上述描述可知，人脸图像的坐标信息能够确定人脸图像在待处理图像上的位置。但是，实际中，用户通常不可能知道人脸图像的像素的坐标值。因此，可以将坐标信息设置为对应的位置信息，位置信息可以是“左上”、“右上”等信息表示，还可以通过其他形式的信息表示。

第二步，通过上述关键词集合内的关键词确定对应上述查询信息的人脸图像在上述待处理图像上的目标位置信息。

确定了每个人脸图像的位置信息后，将关键词集合内的关键词与人脸图像的位置信息进行匹配，可以确定与关键词匹配的位置信息。即，该位置信息对应的人脸图像就是查询信息所要查找的人脸图像，该人脸图像的位置信息就是目标位置信息。

第三步，将上述目标位置信息对应的人脸图像的作为对应上述待处理语音信息的目标人脸图像，并获取目标人脸图像的人脸信息。

确定目标位置信息后，该目标位置信息对应的人脸图像就是待处理语音信息所要查找的目标人脸图像，该目标人脸图像的人脸信息就是待处理语音信息所要查找的人脸信息。

在本实施例的一些可选的实现方式中，上述通过每个人脸图像的坐标信息设置对应人脸图像在上述待处理图像内的位置信息可以包括以下步骤：

第一步，基于每个人脸图像的坐标信息将上述待处理图像划分为m行n列的网格。

人脸图像的坐标信息由坐标值构成，不便于用户使用。通常，待处理图像包含的人脸图像的数量不会太多。因此，本实施例可以将待处理图像划分为m行n列的网格。其中，每个网格内的人脸图像不超过一个。这样，通过网格可以实现对人脸图像的定位。

第二步，将每个人脸图像所在网格的行号和/或列号设置为该人脸图像的位置信息。

形成m行n列的网格后，每个网格可以有对应的行号和列号。根据实际情况，可以将网格的行号和/或列号设置为该人脸图像的位置信息。例如，当人脸图像以一行排列时，可以将网格的列号作为人脸图像的位置信息。当人脸图像以一列排列时，可以将网格的行号作为人脸图像的位置信息。

在本实施例的一些可选的实现方式中，上述方法还包括：显示上述目标人脸图像的步骤，上述显示上述目标人脸图像的步骤可以包括以下步骤：

第一步，在上述待处理图像上每个人脸图像处显示对应人脸图像的位置信息。

确定了人脸图像的位置信息后，为了便于用户选择，可以将位置信息显示在对应的人脸图像上。

第二步，响应于用户选择目标人脸图像的位置信息的选择信息，在上述待处理图像上高亮显示上述选择信息指示的位置信息对应的目标人脸图像。

当用户选择了目标人脸图像的位置信息时，可以对位置信息对应的目标人脸图像进行高亮显示，以便用户获取当前选择的目标人脸图像。当用户发现当前的目标人脸图像不是想要的人脸图像时，还可以通过语音信息或按键等方式重新选择目标人脸图像。

在本实施例的一些可选的实现方式中，上述方法还可以包括：响应于用户确定目标人脸图像的确定信息，显示和/或播放上述确定信息指示的目标人脸图像的人脸信息。

高亮显示当前选择的目标人脸图像后，用户可以进一步确定目标人脸图像。终端设备101、102、103接收到确定信息时，可以通过视频或图像等方式显示目标人脸图像的人脸信息，还可以通过音频的方式播放目标人脸图像的人脸信息。需要说明的是，本实施例方法可以从多个人脸图像中获取一个目标人脸图像的人脸信息，也可以同时获取多个目标人脸图像的人脸信息，具体视实际情况而定。

继续参见图3，图3是根据本实施例的用于获取人脸信息的方法的应用场景的一个示意图。在图3的应用场景中，用户在终端设备102上看到包含多个人脸图像的待处理图像时，向终端设备102发出待处理语音信息。终端设备102同时获取待处理语音信息和待处理图像，并得到对应待处理语音信息的查询信息；然后，终端设备102从查询信息中确定出关键词集合；之后，终端设备102对待处理图像进行图像处理，确定待处理图像中的人脸信息；最后，通过关键词集合获取人脸信息。

本申请的上述实施例提供的方法首先待处理语音信息和待处理图像，并得到对应待处理语音信息的查询信息，其中，待处理图像包括多个人脸图像；然后，对接收的查询信息进行语义识别，得到用于查询人脸信息的关键词集合，通过关键词能够实现对待处理图像中人脸图像的定位；之后，对待处理图像进行图像处理，得到待处理图像内的人脸信息；最后，通过关键词集合从人脸信息中获取对应待处理语音信息的人脸信息，实现了对待处理图像包含的多个人脸图像的识别，并通过关键词确定人脸信息，提高了通过语音方式获取人脸图像的准确性。

进一步参考图4，作为对上述各图所示方法的实现，本申请提供了一种用于获取人脸信息的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图4所示，本实施例的用于获取人脸信息的装置400可以包括：信息获取单元401、关键词获取单元402、人脸信息生成单元403和人脸信息获取单元404。其中，信息获取单元401用于获取待处理语音信息和待处理图像，并对上述待处理语音信息进行语音识别，得到查询信息，上述待处理图像包括多个人脸图像，上述查询信息用于指示查询上述待处理图像中指定人脸图像的人脸信息；关键词获取单元402用于对上述查询信息进行语义识别，得到用于查询人脸信息的关键词集合；人脸信息生成单元403用于对上述待处理图像进行图像处理，得到上述待处理图像内的人脸信息；人脸信息获取单元404用于通过上述关键词集合从人脸信息中获取对应上述待处理语音信息的人脸信息。

在本实施例的一些可选的实现方式中，上述关键词获取单元402可以包括：词条集合获取子单元(图中未示出)和关键词获取子单元(图中未示出)。其中，词条集合获取子单元用于对上述查询信息进行语义识别得到语义识别信息，将上述语义识别信息划分为词条，得到包括至少一个词条的词条集合；关键词获取子单元用于从上述词条集合中筛选出用于确定上述待处理图像中人脸图像的至少一个关键词，并将至少一个关键词组合成关键词集合，上述关键词包括位置关键词。

在本实施例的一些可选的实现方式中，上述人脸信息生成单元403可以包括：人脸识别子单元(图中未示出)和人脸信息生成子单元(图中未示出)。其中，人脸识别子单元用于对上述待处理图像进行人脸识别，确定上述待处理图像内的每个人脸图像；人脸信息生成子单元用于查询对应每个人脸图像的人物信息，将人物信息作为对应人脸图像的人脸信息，其中，上述人物信息包括名字、性别。

在本实施例的一些可选的实现方式中，上述人脸信息生成单元403还可以包括：对上述待处理图像进行扫描，得到上述待处理图像内每个人脸图像的坐标信息。

在本实施例的一些可选的实现方式中，上述人脸信息获取单元404可以包括：位置信息设置子单元(图中未示出)、目标位置信息确定子单元(图中未示出)和人脸信息获取子单元(图中未示出)。其中，位置信息设置子单元用于通过每个人脸图像的坐标信息设置对应人脸图像在上述待处理图像内的位置信息；目标位置信息确定子单元用于通过上述关键词集合内的关键词确定对应上述查询信息的人脸图像在上述待处理图像上的目标位置信息；人脸信息获取子单元用于将上述目标位置信息对应的人脸图像的作为对应上述待处理语音信息的目标人脸图像，并获取目标人脸图像的人脸信息。

在本实施例的一些可选的实现方式中，上述位置信息设置子单元可以包括：网格生成模块(图中未示出)和位置信息设置模块(图中未示出)。其中，网格生成模块用于基于每个人脸图像的坐标信息将上述待处理图像划分为m行n列的网格，其中，每个网格内的人脸图像不超过一个；位置信息设置模块用于将每个人脸图像所在网格的行号和/或列号设置为该人脸图像的位置信息。

在本实施例的一些可选的实现方式中，上述用于获取人脸信息的装置400还可以包括：显示单元(图中未示出)，用于显示上述目标人脸图像，上述显示单元可以包括：位置信息显示子单元(图中未示出)和目标人脸图像显示子单元(图中未示出)。其中，位置信息显示子单元用于在上述待处理图像上每个人脸图像处显示对应人脸图像的位置信息；目标人脸图像显示子单元响应于用户选择目标人脸图像的位置信息的选择信息，用于在上述待处理图像上高亮显示上述选择信息指示的位置信息对应的目标人脸图像。

在本实施例的一些可选的实现方式中，上述用于获取人脸信息的装置400还可以包括：响应于用户确定目标人脸图像的确定信息，显示和/或播放上述确定信息指示的目标人脸图像的人脸信息。

本实施例还提供了一种服务器，包括：一个或多个处理器；存储器，用于存储一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器执行上述的用于获取人脸信息的方法。

本实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述的用于获取人脸信息的方法。

下面参考图5，其示出了适于用来实现本申请实施例的服务器的计算机系统500的结构示意图。图5示出的服务器仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图5所示，计算机系统500包括中央处理单元(CPU)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

以下部件连接至I/O接口505：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时，执行本申请的方法中限定的上述功能。

需要说明的是，本申请上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括信息获取单元、关键词获取单元、人脸信息生成单元和人脸信息获取单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，人脸信息获取单元还可以被描述为“用于获取人脸信息的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：获取待处理语音信息和待处理图像，并对上述待处理语音信息进行语音识别，得到查询信息，上述待处理图像包括多个人脸图像，上述查询信息用于指示查询上述待处理图像中指定人脸图像的人脸信息；对上述查询信息进行语义识别，得到用于查询人脸信息的关键词集合；对上述待处理图像进行图像处理，得到上述待处理图像内的人脸信息；通过上述关键词集合从人脸信息中获取对应上述待处理语音信息的人脸信息。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (18)

1.一种用于获取人脸信息的方法，其特征在于，所述方法包括：

获取待处理语音信息和待处理图像，并对所述待处理语音信息进行语音识别，得到查询信息，所述待处理图像包括多个人脸图像，所述查询信息用于指示查询所述待处理图像中指定人脸图像的人脸信息；

对所述查询信息进行语义识别，得到用于查询人脸信息的关键词集合；

对所述待处理图像进行图像处理，得到所述待处理图像内的人脸信息；

通过所述关键词集合从人脸信息中获取对应所述待处理语音信息的人脸信息。

2.根据权利要求1所述的方法，其特征在于，所述对所述查询信息进行语义识别，得到用于查询人脸信息的关键词集合包括：

对所述查询信息进行语义识别得到语义识别信息，将所述语义识别信息划分为词条，得到包括至少一个词条的词条集合；

从所述词条集合中筛选出用于确定所述待处理图像中人脸图像的至少一个关键词，并将至少一个关键词组合成关键词集合，其中，关键词包括位置关键词。

3.根据权利要求1所述的方法，其特征在于，所述对所述待处理图像进行图像处理，得到所述待处理图像内的人脸信息包括：

对所述待处理图像进行人脸识别，确定所述待处理图像内的每个人脸图像；

查询对应每个人脸图像的人物信息，将人物信息作为对应人脸图像的人脸信息，其中，所述人物信息包括名字、性别。

4.根据权利要求3所述的方法，其特征在于，所述对所述待处理图像进行图像处理，得到所述待处理图像内的人脸信息还包括：

对所述待处理图像进行扫描，得到所述待处理图像内每个人脸图像的坐标信息。

5.根据权利要求4所述的方法，其特征在于，所述通过所述关键词集合从人脸信息中获取对应所述待处理语音信息的人脸信息包括：

通过每个人脸图像的坐标信息设置对应人脸图像在所述待处理图像内的位置信息；

通过所述关键词集合内的关键词确定对应所述查询信息的人脸图像在所述待处理图像上的目标位置信息；

将所述目标位置信息对应的人脸图像的作为对应所述待处理语音信息的目标人脸图像，并获取目标人脸图像的人脸信息。

6.根据权利要求5所述的方法，其特征在于，所述通过每个人脸图像的坐标信息设置对应人脸图像在所述待处理图像内的位置信息包括：

基于每个人脸图像的坐标信息将所述待处理图像划分为m行n列的网格，其中，每个网格内的人脸图像不超过一个；

将每个人脸图像所在网格的行号和/或列号设置为该人脸图像的位置信息。

7.根据权利要求5所述的方法，其特征在于，所述方法还包括：显示所述目标人脸图像的步骤，所述显示所述目标人脸图像的步骤包括：

在所述待处理图像上每个人脸图像处显示对应人脸图像的位置信息；

响应于用户选择目标人脸图像的位置信息的选择信息，在所述待处理图像上高亮显示所述选择信息指示的位置信息对应的目标人脸图像。

8.根据权利要求7所述的方法，其特征在于，所述方法还包括：

响应于用户确定目标人脸图像的确定信息，显示和/或播放所述确定信息指示的目标人脸图像的人脸信息。

9.一种用于获取人脸信息的装置，其特征在于，所述装置包括：

信息获取单元，用于获取待处理语音信息和待处理图像，并对所述待处理语音信息进行语音识别，得到查询信息，所述待处理图像包括多个人脸图像，所述查询信息用于指示查询所述待处理图像中指定人脸图像的人脸信息；

关键词获取单元，用于对所述查询信息进行语义识别，得到用于查询人脸信息的关键词集合；

人脸信息生成单元，用于对所述待处理图像进行图像处理，得到所述待处理图像内的人脸信息；

人脸信息获取单元，用于通过所述关键词集合从人脸信息中获取对应所述待处理语音信息的人脸信息。

10.根据权利要求9所述的装置，其特征在于，所述关键词获取单元包括：

词条集合获取子单元，用于对所述查询信息进行语义识别得到语义识别信息，将所述语义识别信息划分为词条，得到包括至少一个词条的词条集合；

关键词获取子单元，用于从所述词条集合中筛选出用于确定所述待处理图像中人脸图像的至少一个关键词，并将至少一个关键词组合成关键词集合，其中，关键词包括位置关键词。

11.根据权利要求9所述的装置，其特征在于，所述人脸信息生成单元包括：

人脸识别子单元，用于对所述待处理图像进行人脸识别，确定所述待处理图像内的每个人脸图像；

人脸信息生成子单元，用于查询对应每个人脸图像的人物信息，将人物信息作为对应人脸图像的人脸信息，其中，所述人物信息包括名字、性别。

12.根据权利要求11所述的装置，其特征在于，所述人脸信息生成单元还包括：

对所述待处理图像进行扫描，得到所述待处理图像内每个人脸图像的坐标信息。

13.根据权利要求12所述的装置，其特征在于，所述人脸信息获取单元包括：

位置信息设置子单元，用于通过每个人脸图像的坐标信息设置对应人脸图像在所述待处理图像内的位置信息；

目标位置信息确定子单元，用于通过所述关键词集合内的关键词确定对应所述查询信息的人脸图像在所述待处理图像上的目标位置信息；

人脸信息获取子单元，用于将所述目标位置信息对应的人脸图像的作为对应所述待处理语音信息的目标人脸图像，并获取目标人脸图像的人脸信息。

14.根据权利要求13所述的装置，其特征在于，所述位置信息设置子单元包括：

网格生成模块，用于基于每个人脸图像的坐标信息将所述待处理图像划分为m行n列的网格，其中，每个网格内的人脸图像不超过一个；

位置信息设置模块，用于将每个人脸图像所在网格的行号和/或列号设置为该人脸图像的位置信息。

15.根据权利要求13所述的装置，其特征在于，所述装置还包括：显示单元，用于显示所述目标人脸图像，所述显示单元包括：

位置信息显示子单元，用于在所述待处理图像上每个人脸图像处显示对应人脸图像的位置信息；

目标人脸图像显示子单元，响应于用户选择目标人脸图像的位置信息的选择信息，用于在所述待处理图像上高亮显示所述选择信息指示的位置信息对应的目标人脸图像。

16.根据权利要求15所述的装置，其特征在于，所述装置还包括：

响应于用户确定目标人脸图像的确定信息，显示和/或播放所述确定信息指示的目标人脸图像的人脸信息。

17.一种服务器，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行权利要求1至8中任一所述的方法。

18.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至8中任一所述的方法。