CN108009465B - 一种人脸识别方法及装置 - Google Patents

Abstract

本发明实施例公开了一种人脸识别方法及装置，方法包括：确定待识别人脸图像对应的第一属性信息；在数据库中选取属性信息与第一属性信息匹配的候选人脸图像；数据库中存储有每张预存人脸图像的属性信息及对应的人员信息；将待识别人脸图像与候选人脸图像进行相似度计算；将计算结果大于第一预设阈值的候选人脸图像确定为目标人脸图像；将数据库中存储的目标人脸图像对应的人员信息确定为待识别人脸图像对应的人员信息，降低了人脸识别过程中的计算量。

Description

一种人脸识别方法及装置

技术领域

本发明涉及计算机视觉技术领域，特别涉及一种人脸识别方法及装置。

背景技术

人脸识别技术已广泛应用于门禁、手机支付等等各种技术领域。目前，大多人脸识别方案都是将采集到的人脸图像与数据库中存储的人脸图像进行相似度比较，数据库中还存储有人脸图像对应的人员信息，根据比较结果，确定该采集到的人脸图像匹配的人员信息，这样，便完成了对人脸的识别。

但是应用上述方案，为了提高人脸识别的准确性，数据库中针对每个人员存储多张人脸图像，在人脸识别过程中，需要将采集到的人脸图像与每个人员的每张人脸图像逐一进行相似度计算，计算量非常大。

发明内容

本发明实施例的目的在于提供一种人脸识别方法及装置，降低人脸识别过程中的计算量。

为达到上述目的，本发明实施例公开了一种人脸识别方法，包括：

确定待识别人脸图像对应的第一属性信息；

在数据库中选取属性信息与所述第一属性信息匹配的候选人脸图像；所述数据库中存储有每张预存人脸图像的属性信息及对应的人员信息；

将所述待识别人脸图像与所述候选人脸图像进行相似度计算；

将计算结果大于第一预设阈值的候选人脸图像确定为目标人脸图像；

将所述数据库中存储的所述目标人脸图像对应的人员信息确定为所述待识别人脸图像对应的人员信息。

可选的，所述属性信息中可以包括：表情、性别、年龄段、姿态角度中一种或多种类型的特征；

所述在数据库中选取属性信息与所述第一属性信息匹配的候选人脸图像的步骤可以包括：

将数据库中存储的属性信息中包含的特征与所述第一属性信息中包含的特征进行比较，根据比较结果，选取属性信息与所述第一属性信息匹配的候选人脸图像。

可选的，所述将所述数据库中存储的属性信息中包含的特征与所述第一属性信息中包含的特征进行比较，根据比较结果，选取属性信息与所述第一属性信息匹配的候选人脸图像的步骤可以包括：

确定每个待比较类型及其对应的权重；

在所述第一属性信息中确定每个待比较类型对应的第一特征；

针对数据库中存储的每条属性信息，在该条属性信息中确定每个待比较类型对应的第二特征；将所确定的每个第二特征分别与对应的第一特征进行比较，根据比较结果及待比较类型对应的权重，确定每个第二特征对应的分量值，将该条属性信息中的每个第二特征对应的分量值之和确定为该条属性信息对应的综合值；

将综合值大于第二预设阈值的属性信息对应的人脸图像确定为候选人脸图像；和/或

从同一人员信息对应的多个人脸图像中，选择综合值最高的属性信息对应的人脸图像，作为候选人脸图像。

可选的，所述将所述待识别人脸图像与所述候选人脸图像进行相似度计算的步骤可以包括：

对所述待识别人脸图像进行人脸建模，得到第一模型数据；

将所述第一模型数据与所述候选人脸图像对应的第二模型数据进行相似度计算。

可选的，在所述将所述数据库中存储的所述目标人脸图像对应的人员信息确定为所述待识别人脸图像对应的人员信息的步骤之后，还可以包括：

将所述待识别人脸图像、所述第一属性信息、所述第一模型数据、所确定的人员信息对应存储至所述数据库。

可选的，在所述将所述待识别人脸图像、所述第一属性信息、所述第一模型数据、所确定的人员信息对应存储至所述数据库的步骤之前，还可以包括：

判断所述待识别人脸图像是否满足预设要求，所述预设要求中包括清晰度要求、光照要求、姿态要求中一种或多种；

如果满足，执行所述将所述待识别人脸图像、所述第一属性信息、所述第一模型数据、所确定的人员信息对应存储至所述数据库的步骤。

可选的，所述方法还可以包括：

接收待存储人脸图像，并确定所述待存储人脸图像对应的第二属性信息；

将所述待存储人脸图像、所述第二属性信息、对应的预设人员信息对应存储至所述数据库。

可选的，所述方法还可以包括：

每到达预设周期时，针对所述数据库中的每条人员信息，确定所述人员信息对应的人脸图像的数量；

当所确定的数量大于第三预设阈值时，根据所述人员信息对应的人脸图像的存储时刻，确定所述人员信息对应的待删除人脸图像；

将所述待删除人脸图像及其对应的属性信息删除。

为达到上述目的，本发明实施例还公开了一种人脸识别装置，包括：

第一确定模块，用于确定待识别人脸图像对应的第一属性信息；

选取模块，用于在数据库中选取属性信息与所述第一属性信息匹配的候选人脸图像；所述数据库中存储有每张预存人脸图像的属性信息及对应的人员信息；

计算模块，用于将所述待识别人脸图像与所述候选人脸图像进行相似度计算；

第二确定模块，用于将计算结果大于第一预设阈值的候选人脸图像确定为目标人脸图像；

第三确定模块，用于将所述数据库中存储的所述目标人脸图像对应的人员信息确定为所述待识别人脸图像对应的人员信息。

可选的，所述属性信息中可以包括：表情、性别、年龄段、姿态角度中一种或多种类型的特征；所述选取模块，具体可以用于：

将所述数据库中存储的属性信息中包含的特征与所述第一属性信息中包含的特征进行比较，根据比较结果，选取属性信息与所述第一属性信息匹配的候选人脸图像。

可选的，所述选取模块，具体可以用于：

确定每个待比较类型及其对应的权重；

在所述第一属性信息中确定每个待比较类型对应的第一特征；

针对所述数据库中存储的每条属性信息，在该条属性信息中确定每个待比较类型对应的第二特征；将所确定的每个第二特征分别与对应的第一特征进行比较，根据比较结果及待比较类型对应的权重，确定每个第二特征对应的分量值，将该条属性信息中的每个第二特征对应的分量值之和确定为该条属性信息对应的综合值；

将综合值大于第二预设阈值的属性信息对应的人脸图像确定为候选人脸图像；和/或

从同一人员信息对应的多个人脸图像中，选择综合值最高的属性信息对应的人脸图像，作为候选人脸图像。

可选的，所述计算模块，具体可以用于：

对所述待识别人脸图像进行人脸建模，得到第一模型数据；

将所述第一模型数据与所述候选人脸图像对应的第二模型数据进行相似度计算。

可选的，所述装置还可以包括：

第一存储模块，用于将所述待识别人脸图像、所述第一属性信息、所述第一模型数据、所确定的人员信息对应存储至所述数据库。

可选的，所述装置还可以包括：

判断模块，用于判断所述待识别人脸图像是否满足预设要求，所述预设要求中包括清晰度要求、光照要求、姿态要求中一种或多种；如果满足，触发所述第一存储模块。

可选的，所述装置还可以包括：

接收确定模块，用于接收待存储人脸图像，并确定所述待存储人脸图像对应的第二属性信息；

第二存储模块，用于将所述待存储人脸图像、所述第二属性信息、对应的预设人员信息对应存储至所述数据库。

可选的，所述装置还可以包括：

第四确定模块，用于每到达预设周期时，针对所述数据库中的每条人员信息，确定所述人员信息对应的人脸图像的数量；

删除模块，用于当所确定的数量大于第三预设阈值时，根据所述人员信息对应的人脸图像的存储时刻，确定所述人员信息对应的待删除人脸图像；将所述待删除人脸图像及其对应的属性信息删除。

应用本方案，数据库中存储了每张人脸图像的属性信息；确定待识别人脸图像的第一属性信息，过滤掉数据库中与第一属性信息不匹配的属性信息对应的人脸图像，将待识别人脸图像与剩余的人脸图像进行相似度计算。也就是说，本方案中，首先基于人脸图像的属性信息对数据库中的人脸图像进行过滤，待识别人脸图像仅与过滤后的每张人脸图像进行相似度计算，降低了人脸识别过程中的计算量。

当然，实施本发明的任一产品或方法必不一定需要同时达到以上所述的所有优点。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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，下面描述中的附图仅仅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为本发明实施例提供的一种人脸识别方法的流程示意图；

图2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

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，所描述的实施例仅仅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。

为了解决上述技术问题，本发明实施例提供了一种人脸识别方法及装置，可以应用于计算机、平板电脑等各种电子设备，具体不作限定。下面首先对本发明实施例提供的人脸识别方法进行详细说明。

图1为本发明实施例提供的一种人脸识别方法的流程示意图，包括：

S101：确定待识别人脸图像对应的第一属性信息。

属性信息中可以包括表情、性别、年龄段、姿态角度中一种或多种类型的特征，这里假设属性信息中包括性别、表情、姿态角度三种类型的特征，确定的第一属性信息为：性别—女、表情—皱眉且不露齿、姿态角度—左侧脸。

S102：在数据库中选取属性信息与所述第一属性信息匹配的候选人脸图像；所述数据库中存储有每张预存人脸图像的属性信息及对应的人员信息。

数据库中对应存储有人脸图像、属性信息、人员信息。具体的，S102可以包括：

将数据库中存储的属性信息中包含的特征与所述第一属性信息中包含的特征进行比较，根据比较结果，选取属性信息与所述第一属性信息匹配的候选人脸图像。

数据库中可以针对每条人员信息构建一个组，组中存储有该人员信息对应的所有人脸图像及属性信息。当然也可以采用其他存储方式，在此不做限定。假设数据库中存储的部分内容如表1所示，需要强调的是，表1并不对数据库构成限定。

表1

人员信息	人脸图像	属性信息
			A	A1	性别—女、表情—皱眉且露齿、姿态角度—正脸
A	A2	性别—女、表情—皱眉且不露齿、姿态角度—左侧脸
			A	A3	性别—女、表情—皱眉且不露齿、姿态角度—右侧脸
B	B1	性别—男、表情—不皱眉且露齿、姿态角度—正脸
			B	B2	性别—男、表情—皱眉且露齿、姿态角度—左侧脸
C	C1	性别—女、表情—不皱眉且不露齿、姿态角度—正脸
			C	C2	性别—女、表情—皱眉且不露齿、姿态角度—左侧脸

表1中，人员信息A对应人脸图像A1、A2和A3；人员信息B对应人脸图像B1和B2；人员信息C对应人脸图像C1和C2。

将每条属性信息与第一属性信息进行比较，也就是将每条属性信息中包含的特征与第一属性信息中包含的特征进行比较。具体比较方式可以有多种，比如：

确定待比较类型；在所述第一属性信息中确定所述待比较类型对应的第一特征；分别在数据库中存储的每条属性信息中确定所述待比较类型对应的第二特征；将所述第一特征与所述第二特征进行比较；当所述第一特征与第二特征相同时，确定所述第二特征对应的属性信息与所述第一属性信息相匹配，将所述第二特征对应的人脸图像确定为候选人脸图像。

为了方便描述，这里将第一属性信息中待比较类型对应的特征称为第一特征，将数据库中的属性信息中待比较类型对应的特征称为第二特征。

待比较类型可以为一个或多个。

在本发明的一个实施例中，假设将“性别”作为待比较类型。待识别人脸图像的第一属性信息中待比较类型对应的第一特征为“女”。

对于A来说，A1、A2和A3对应的属性信息中待比较类型对应的第二特征都为“女”。由此可见，A1的“性别”与待识别人脸图像的的“性别”相同，相匹配。

对于B来说，B1和B2对应的属性信息中待比较类型对应的第二特征均为“男”。由此可见，B1对应的第二特征与待识别人脸图像对应的第一特征不同，不相匹配。

对于C来说，C1、C2和C3对应的属性信息中待比较类型对应的第二特征为“女”。由此可见，C1的“性别”与待识别人脸图像的“性别”相同，相匹配。

采用这种比较方式，可以确定A1、A2、A3及C1、C2、C3对应的属性信息与第一属性信息相匹配，将A1、A2、A3及C1、C2、C3确定为候选人脸图像。

这样，从数据库中先选择出与属性匹配(例如，性别相同、年龄段相同或者肤色相同等等)的人脸图像，后续与待识别人脸图像进行相似度计算的图片的数量可以被缩小，识别的速度和效率都能得到提升。

或者，也可以把“性别”“表情”和“姿态角度”中的一个或多个作为待比较类型，具体比较方式类似，在此不做赘述。

在本发明的一个实施例中，还可以采取另一种比较方式：

确定每个待比较类型及其对应的权重；在所述第一属性信息中确定每个待比较类型对应的第一特征；

针对数据库中存储的每条属性信息，在该条属性信息中确定每个待比较类型对应的第二特征；将所确定的每个第二特征分别与对应的第一特征进行比较，根据比较结果及待比较类型对应的权重，确定每个第二特征对应的分量值，将该条属性信息中的每个第二特征对应的分量值之和确定为该条属性信息对应的综合值；

将综合值大于第二预设阈值的属性信息对应的人脸图像确定为候选人脸图像；和/或

从同一人员信息对应的多个人脸图像中，选择综合值最高的属性信息对应的人脸图像，作为候选人脸图像。

待比较类型可以为一个或多个，这里假设将“表情”和“姿态角度”作为待比较类型，“表情”对应的权重为60％，“姿态角度”对应的权重为40％。第一属性信息中待比较类型对应的第一特征为“皱眉且不露齿”和“左侧脸”。

这里假设第二特征与第一特征相同时，比较结果为1，不相同时，比较结果为0；可以将比较结果与待比较类型对应的权重的乘积确定为第二特征对应的分量值。

对于人员信息A来说：

A1对应的属性信息中待比较类型对应的第二特征为“皱眉且露齿”和“正脸”，A1在“表情”及“姿态角度”上均与待识别人脸图像不同。因此，A1的“表情”对应的第二特征“皱眉且露齿”所对应的分量值为：比较结果0与“表情”的权重60％的乘积＝0，A1的“姿态角度”对应的第二特征“正脸”所对应的分量值为0*40％＝0，A1对应的综合值为这两个第二特征“皱眉且露齿”和“正脸”所对应的分量值之和，也为0。

A2对应的属性信息中待比较类型对应的第二特征为“皱眉且不露齿”和“左侧脸”，“表情”和“姿态角度”都与待识别人脸图像相同。将比较结果1与“表情”的权重60％的乘积，也就是60％确定为A2对应的属性信息中“表情”的第二特征“皱眉且不露齿”对应的分量值；将比较结果2与“姿态角度”的权重40％的乘积，也就是40％确定为A2对应的属性信息中“姿态角度”的第二特征“左侧脸”对应的分量值。A2对应的综合值为这两个待比较类型对应的第二特征“皱眉且不露齿”和“左侧脸”所对应的分量值之和，也就是60％+40％＝1。

A3对应的属性信息中待比较类型对应的第二特征为“皱眉且不露齿”和“右侧脸”，“表情”与待识别人脸图像相同，则将比较结果1与“表情”的权重60％的乘积，也就是60％确定为A3对应的属性信息中“表情”的第二特征“皱眉且不露齿”对应的分量值。A3的其他特征(“右侧脸”)都和对应的第一特征不相同，可以理解为其他特征对应的分量值为0。A3对应的综合值为这两个待比较类型(“表情”和“姿态角度”)对应的第二特征“皱眉且不露齿”和“右侧脸”所对应的分量值之和，也就是60％。

对于人员信息B来说：

B1对应的属性信息中待比较类型对应的第二特征为“不皱眉且露齿”和“正脸”，这两个特征都不相同，则B1对应的综合值为0。

B2对应的属性信息中待比较类型对应的第二特征为“皱眉且露齿”和“左侧脸”，“姿态角度”与待识别人脸图像相同，则将比较结果1与“姿态角度”的权重40％的乘积，也就是40％确定为B2对应的属性信息中“姿态角度”的第二特征对应的分量值。B2的其他特征(“皱眉且露齿”)与待识别人脸图像不相同，可以理解为其他特征对应的分量值为0。B2对应的综合值为这两个第二特征(“皱眉且露齿”和“左侧脸”)对应的分量值之和，也就是40％。

对于人员信息C来说：

C1对应的属性信息中待比较类型对应的第二特征为“不皱眉且不露齿”和“正脸”，“表情”及“姿态角度”均与待识别人脸图像不同，因此，C1对应的属性信息中的第二特征“不皱眉且不露齿”和“正脸”对应的分量值均为0，C1对应的综合值为这两个第二特征(“不皱眉且不露齿”和“正脸”)对应的分量值之和，也为0。

C2对应的属性信息中待比较类型对应的第二特征为“皱眉且不露齿”和“左侧脸”，“表情”和“姿态角度”都与待识别人脸图像相同。将比较结果1与“表情”的权重60％的乘积，也就是60％确定为C2对应的属性信息中的第二特征“皱眉且不露齿”对应的分量值；将比较结果2与“姿态角度”的权重40％的乘积，也就是40％确定为C2对应的属性信息中的第二特征“左侧脸”对应的分量值。C2对应的综合值为这两个第二特征(“皱眉且不露齿”和“左侧脸”)对应的分量值之和，也就是60％+40％＝1。

假设第二预设阈值为40％，综合值大于40％的属性信息即为A2、A3、B2和C2对应的属性信息，将A2、A3、B2和C2对应的属性信息确定为目标属性信息。

或者，为了缩小计算量可以从每个人员对应的多张人脸图片中，选择综合值最高的人脸图片与待识别图片进行相似度比较，这样，基于属性信息的类型，从数据库中先选择出与待识别人脸图像更容易匹配的人脸图像，后续与待识别人脸图像进行相似度计算的图片的数量可以被缩小，识别的速度和效率都能得到提升。

上述例子中，A2、B2和C2对应的综合值最高，就可将A2、B2和C2对应的属性信息确定为目标属性信息。将目标属性信息对应的人脸图像确定为候选人脸图像，也就是将A2、B2和C2确定为候选人脸图像。

或者，在本发明的另一个实施例中，也可以把“性别”“表情”和“姿态角度”作为待比较类型，其中：

将“性别”对应的权重设置为80％，若性别与待识别人脸图像相同，则其第二特征的比较结果1为1，性别与待识别人脸图像不同，则其第二特征的比较结果为0。

将“表情”对应的权重设置为10％，若表情与待识别人脸图像完全相同，则其第二特征的比较结果2为1；若表情“不露齿”部分与待识别人脸图像相同(例如，不皱眉且不露齿)，则其第二特征的比较结果2为0.6；若表情“皱眉”部分与待识别人脸图像相同(例如，皱眉且露齿)，则其第二特征的比较结果2为0.4；若表情完全不相同(例如，不皱眉且露齿)，则其第二特征的比较结果为0。

将“姿态角度”对应的权重设置为10％；若姿态角度与待识别人脸图像相同，则其第二特征的比较结果3为1；若姿态角度与待识别人脸图像不同，则其第二特征的比较结果3为0。

这样，对于A人员而言，A1对应的综合值则为：1*80％+0.4*10％+0*10％＝0.84，A2对应的综合值则为：1*80％+1*10％+1*10％＝1，A3对应的综合值则为：1*80％+1*10％+0*10％＝0.9。

对于B人员而言，B1对应的综合值则为：0*80％+0*10％+0*10％＝0，B2对应的综合值则为：0*80％+0.4*10％+1*10％＝0.14。

对于C人员而言，C1对应的综合值为：1*80％+0.6*10％+0*10％＝0.86，C2对应的综合值则为：1*80％+1*10％+1*10％＝1。

先从数据库的所有图片中筛选出综合值不小于0.8的第一类图片。这样，第一类图片中的包含了2个人员(A和C)的5张人脸图片(同一个人员对应的多张人脸图片的人员信息相同)，然后，从这两个人员中的每个人员对应的人脸图片中选择综合值最高的人脸图片(A2和C2)，作为最终的候选人脸图像，进行人脸识别，具体比较方式，在此不做赘述。

S103：将所述待识别人脸图像与所述候选人脸图像进行相似度计算。

本步骤可以包括：

对所述待识别人脸图像进行人脸建模，得到第一模型数据；

将所述第一模型数据与所述候选人脸图像的第二模型数据进行相似度计算。

为了方便描述，这里将待识别人脸图像对应的模型数据称为第一模型数据，将数据库中的人脸图像对应的模型数据称为第二模型数据。

人脸建模方式可以有多种，比如，从人脸图像中提取面部特征点，根据各个特征点重构人脸的三维几何模型，该三维几何模型即可以理解为该模型数据；或者，根据人脸图像对通用人脸模型进行几何信息的修改，使修改后的通用人脸模型的几何形状与该人脸图像一致，该修改后的通用人脸模型即为该人脸图像对应的模型数据。

数据库中可以对应存储有人脸图像的模型数据，当然也可以不存储。如果数据库中存储有人脸图像的模型数据，则进行相似度计算时，只需计算待识别人脸图像对应的第一模型数据，直接将第一模型数据与数据库中存储的候选人脸图像对应的第二模型数据进行相似度计算。

如果数据库中没有存储人脸图像的模型数据，则进行相似度计算时，需要计算待识别人脸图像对应的第一模型数据，还需要计算候选人脸图像对应的第二模型数据，然后再将计算得到的第一模型数据及第二模型数据进行相似度计算。

相似度计算可以采用多种方式，比如关键点匹配方式、直方图匹配方式等等，在此不一一列举。

S104：将计算结果大于第一预设阈值的候选人脸图像确定为目标人脸图像。

假设计算得到A2与待识别人脸图像的相似度为90％，C2与待识别人脸图像的相似度为40％，第一预设阈值为80％，则将A2确定为目标人脸图像。

如果该数据库中的所有人脸图像与待识别人脸图像的相似度均达不到第一预设阈值，或者说待识别人脸图像中的人员信息未被存储在数据库中，可以将该待识别人脸图像存储进数据库，在后续进行数据库更新或升级时，将这些无法识别的人脸图像显示出来，并提示相应的具体的人员信息待添加。

S105：将所述数据库中存储的所述目标人脸图像对应的人员信息确定为所述待识别人脸图像对应的人员信息。

将数据库中存储的A2对应的人员信息，也就是将人员信息A确定为待识别人脸图像对应的人员信息。

应用本发明图1所示实施例，数据库中存储了每张人脸图像的属性信息；确定待识别人脸图像的第一属性信息，过滤掉数据库中与第一属性信息不匹配的属性信息对应的人脸图像，将待识别人脸图像与剩余的人脸图像进行相似度计算。也就是说，本方案中，首先基于人脸图像的属性信息对数据库中的人脸图像进行过滤，待识别人脸图像仅与过滤后的每张人脸图像进行相似度计算，降低了人脸识别过程中的计算量。

在识别出待识别人脸图像对应的人员信息之后，可以将待识别人脸图像、所述第一属性信息、所述第一模型数据、所确定的人员信息对应存储至所述数据库。这样，可以保证数据库中存储有充足的数据。

或者，也可以先判断待识别人脸图像是否满足预设要求，所述预设要求中包括清晰度要求、光照要求、姿态要求、表情要求中一种或多种，如果满足，再将待识别人脸图像、所述第一属性信息、所述第一模型数据、所确定的人员信息对应存储至所述数据库。这样，可以只将高质量的图像存储至数据库，提高数据库中存储数据的数据质量。

数据库中存储数据还包括一种情况，人脸图像对应的人员信息是预先设定的，这样情况下，可以接收待存储人脸图像，并确定所述待存储人脸图像对应的第二属性信息；将所述待存储人脸图像、所述第二属性信息、对应的预设人员信息对应存储至所述数据库。

可以对数据库中存储的数据定期进行清理，比如：

每到达预设周期时，针对所述数据库中的每条人员信息，确定所述人员信息对应的人脸图像的数量；

当所确定的数量大于第三预设阈值时，根据所述人员信息对应的人脸图像的存储时刻，确定所述人员信息对应的待删除人脸图像；

将所述待删除人脸图像及其对应的属性信息删除。

可以理解的是，每条人员信息下存储有限数量张人脸图像，便能够较精确的对该人员信息进行识别。如果某条人员信息下存储了较多的人脸图像，可以对其进行清理，以避免占用过多资源。因此，可以设定第三预设阈值，如果某条人员信息下存储的人脸图像的数量超过了第三预设阈值，则对该条人员信息对应的人脸图像、及人脸图像对应的属性信息进行清理，减少了对数据库中存储资源的占用。

一般来说，对数据库中存储的资源进行清理，大多根据资源的存储时刻对其进行清理，具体的，当人员信息对应的人脸图像的数量大于第三预设阈值时，可以将该人员信息对应的人脸图像中存储时刻最早的预设数量张人脸图像确定为待删除人脸图像，将待删除人脸图像及其对应的属性信息删除。

与上述方法实施例相对应，本发明实施例还提供一种人脸识别装置，包括：

第一确定模块201，用于确定待识别人脸图像对应的第一属性信息；

选取模块202，用于在数据库中选取属性信息与所述第一属性信息匹配的候选人脸图像；所述数据库中存储有每张预存人脸图像的属性信息及对应的人员信息；

计算模块203，用于将所述待识别人脸图像与所述候选人脸图像进行相似度计算；

第二确定模块204，用于将计算结果大于第一预设阈值的候选人脸图像确定为目标人脸图像；

第三确定模块205，用于将所述数据库中存储的所述目标人脸图像对应的人员信息确定为所述待识别人脸图像对应的人员信息。

在本实施例中，所述属性信息中可以包括：表情、性别、年龄段、姿态角度中一种或多种类型的特征；

选取模块202，具体可以用于：

将数据库中存储的属性信息中包含的特征与所述第一属性信息中包含的特征进行比较，根据比较结果，选取属性信息与所述第一属性信息匹配的候选人脸图像。

在本实施例中，选取模块202，具体可以用于：

确定每个待比较类型及其对应的权重；

在所述第一属性信息中确定每个待比较类型对应的第一特征；

针对数据库中存储的每条属性信息，在该条属性信息中确定每个待比较类型对应的第二特征；将所确定的每个第二特征分别与对应的第一特征进行比较，根据比较结果及待比较类型对应的权重，确定每个第二特征对应的分量值，将该条属性信息中的每个第二特征对应的分量值之和确定为该条属性信息对应的综合值；

将综合值大于第二预设阈值的属性信息对应的人脸图像确定为候选人脸图像；和/或

从同一人员信息对应的多个人脸图像中，选择综合值最高的属性信息对应的人脸图像，作为候选人脸图像。

在本实施例中，计算模块203，具体可以用于：

对所述待识别人脸图像进行人脸建模，得到第一模型数据；

将所述第一模型数据与所述候选人脸图像对应的第二模型数据进行相似度计算。

在本实施例中，所述装置还可以包括：

第一存储模块(图中未示出)，用于将所述待识别人脸图像、所述第一属性信息、所述第一模型数据、所确定的人员信息对应存储至所述数据库。

在本实施例中，所述装置还可以包括：

判断模块(图中未示出)，用于判断所述待识别人脸图像是否满足预设要求，所述预设要求中包括清晰度要求、光照要求、姿态要求中一种或多种；如果满足，触发所述第一存储模块。

在本实施例中，所述装置还可以包括：接收确定模块和第二存储模块(图中未示出)，其中，

接收确定模块，用于接收待存储人脸图像，并确定所述待存储人脸图像对应的第二属性信息；

第二存储模块，用于将所述待存储人脸图像、所述第二属性信息、对应的预设人员信息对应存储至所述数据库。

在本实施例中，所述装置还可以包括：第四确定模块和删除模块(图中未示出)，其中，

第四确定模块，用于每到达预设周期时，针对所述数据库中的每条人员信息，确定所述人员信息对应的人脸图像的数量；

删除模块，用于当所确定的数量大于第三预设阈值时，根据所述人员信息对应的人脸图像的存储时刻，确定所述人员信息对应的待删除人脸图像；将所述待删除人脸图像及其对应的属性信息删除。

应用本发明图2所示实施例，数据库中存储了每张人脸图像的属性信息；确定待识别人脸图像的第一属性信息，过滤掉数据库中与第一属性信息不匹配的属性信息对应的人脸图像，将待识别人脸图像与剩余的人脸图像进行相似度计算。也就是说，本方案中，首先基于人脸图像的属性信息对数据库中的人脸图像进行过滤，待识别人脸图像仅与过滤后的每张人脸图像进行相似度计算，降低了人脸识别过程中的计算量。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本领域普通技术人员可以理解实现上述方法实施方式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，所述的程序可以存储于计算机可读取存储介质中，这里所称得的存储介质，如：ROM/RAM、磁碟、光盘等。

以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (12)

1.一种人脸识别方法，其特征在于，包括：

确定待识别人脸图像对应的第一属性信息；

在数据库中选取属性信息与所述第一属性信息匹配的候选人脸图像；所述数据库中存储有每张预存人脸图像的属性信息及对应的人员信息；所述属性信息包括：表情、性别、年龄段、姿态角度中一种或多种类型的特征；

将所述待识别人脸图像与所述候选人脸图像进行相似度计算；

将计算结果大于第一预设阈值的候选人脸图像确定为目标人脸图像；

将所述数据库中存储的所述目标人脸图像对应的人员信息确定为所述待识别人脸图像对应的人员信息；

所述在数据库中选取属性信息与所述第一属性信息匹配的候选人脸图像的步骤包括：

将所述数据库中存储的属性信息中包含的特征与所述第一属性信息中包含的特征进行比较，根据比较结果，选取属性信息与所述第一属性信息匹配的候选人脸图像，具体包括：

确定每个待比较类型及其对应的权重；

在所述第一属性信息中确定每个待比较类型对应的第一特征；

针对所述数据库中存储的每条属性信息，在该条属性信息中确定每个待比较类型对应的第二特征；将所确定的每个第二特征分别与对应的第一特征进行比较，根据比较结果及待比较类型对应的权重，确定每个第二特征对应的分量值，将该条属性信息中的每个第二特征对应的分量值之和确定为该条属性信息对应的综合值；

将综合值大于第二预设阈值的属性信息对应的人脸图像确定为候选人脸图像；和/或

从同一人员信息对应的多个人脸图像中，选择综合值最高的属性信息对应的人脸图像，作为候选人脸图像。

2.根据权利要求1所述的方法，其特征在于，所述将所述待识别人脸图像与所述候选人脸图像进行相似度计算的步骤包括：

对所述待识别人脸图像进行人脸建模，得到第一模型数据；

将所述第一模型数据与所述候选人脸图像对应的第二模型数据进行相似度计算。

3.根据权利要求2所述的方法，其特征在于，在所述将所述数据库中存储的所述目标人脸图像对应的人员信息确定为所述待识别人脸图像对应的人员信息的步骤之后，还包括：

将所述待识别人脸图像、所述第一属性信息、所述第一模型数据、所确定的人员信息对应存储至所述数据库。

4.根据权利要求3所述的方法，其特征在于，在所述将所述待识别人脸图像、所述第一属性信息、所述第一模型数据、所确定的人员信息对应存储至所述数据库的步骤之前，还包括：

判断所述待识别人脸图像是否满足预设要求，所述预设要求中包括清晰度要求、光照要求、姿态要求中一种或多种；

如果满足，执行所述将所述待识别人脸图像、所述第一属性信息、所述第一模型数据、所确定的人员信息对应存储至所述数据库的步骤。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

接收待存储人脸图像，并确定所述待存储人脸图像对应的第二属性信息；

将所述待存储人脸图像、所述第二属性信息、对应的预设人员信息对应存储至所述数据库。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

每到达预设周期时，针对所述数据库中的每条人员信息，确定所述人员信息对应的人脸图像的数量；

当所确定的数量大于第三预设阈值时，根据所述人员信息对应的人脸图像的存储时刻，确定所述人员信息对应的待删除人脸图像；

将所述待删除人脸图像及其对应的属性信息删除。

7.一种人脸识别装置，其特征在于，包括：

第一确定模块，用于确定待识别人脸图像对应的第一属性信息；

选取模块，用于在数据库中选取属性信息与所述第一属性信息匹配的候选人脸图像；所述数据库中存储有每张预存人脸图像的属性信息及对应的人员信息，所述属性信息中包括：表情、性别、年龄段、姿态角度中一种或多种类型的特征；

计算模块，用于将所述待识别人脸图像与所述候选人脸图像进行相似度计算；

第二确定模块，用于将计算结果大于第一预设阈值的候选人脸图像确定为目标人脸图像；

第三确定模块，用于将所述数据库中存储的所述目标人脸图像对应的人员信息确定为所述待识别人脸图像对应的人员信息；

所述选取模块，具体用于：

将所述数据库中存储的属性信息中包含的特征与所述第一属性信息中包含的特征进行比较，根据比较结果，选取属性信息与所述第一属性信息匹配的候选人脸图像，具体包括：

确定每个待比较类型及其对应的权重；

在所述第一属性信息中确定每个待比较类型对应的第一特征；

针对所述数据库中存储的每条属性信息，在该条属性信息中确定每个待比较类型对应的第二特征；将所确定的每个第二特征分别与对应的第一特征进行比较，根据比较结果及待比较类型对应的权重，确定每个第二特征对应的分量值，将该条属性信息中的每个第二特征对应的分量值之和确定为该条属性信息对应的综合值；

将综合值大于第二预设阈值的属性信息对应的人脸图像确定为候选人脸图像；和/或

从同一人员信息对应的多个人脸图像中，选择综合值最高的属性信息对应的人脸图像，作为候选人脸图像。

8.根据权利要求7所述的装置，其特征在于，所述计算模块，具体用于：

对所述待识别人脸图像进行人脸建模，得到第一模型数据；

将所述第一模型数据与所述候选人脸图像对应的第二模型数据进行相似度计算。

9.根据权利要求8所述的装置，其特征在于，所述装置还包括：

第一存储模块，用于将所述待识别人脸图像、所述第一属性信息、所述第一模型数据、所确定的人员信息对应存储至所述数据库。

10.根据权利要求9所述的装置，其特征在于，所述装置还包括：

判断模块，用于判断所述待识别人脸图像是否满足预设要求，所述预设要求中包括清晰度要求、光照要求、姿态要求中一种或多种；如果满足，触发所述第一存储模块。

11.根据权利要求7所述的装置，其特征在于，所述装置还包括：

接收确定模块，用于接收待存储人脸图像，并确定所述待存储人脸图像对应的第二属性信息；

第二存储模块，用于将所述待存储人脸图像、所述第二属性信息、对应的预设人员信息对应存储至所述数据库。

12.根据权利要求11所述的装置，其特征在于，所述装置还包括：

第四确定模块，用于每到达预设周期时，针对所述数据库中的每条人员信息，确定所述人员信息对应的人脸图像的数量；

删除模块，用于当所确定的数量大于第三预设阈值时，根据所述人员信息对应的人脸图像的存储时刻，确定所述人员信息对应的待删除人脸图像；将所述待删除人脸图像及其对应的属性信息删除。

Images