CN108449514A - 信息处理方法和装置 - Google Patents

Abstract

本申请实施例公开了信息处理方法和装置。该方法的一具体实施方式包括：从第一终端接收用户的面部图像，其中，面部图像是第一终端检测到用户的面部而发送的；对面部图像进行识别，确定面部图像是否包含预设表情信息；响应于面部图像包含预设表情信息，基于预先设置的表情信息与报警类别信息之间的对应关系，确定预设表情信息对应的报警类别信息；基于所确定的报警类别信息，确定第一终端是否处于报警状态；响应于确定第一终端处于报警状态，向至少一个第二终端发送报警信息，报警信息包括报警类别信息、第一终端的位置信息。该实施方式使得用户处于紧急情况、危险情况等状况下，不需要开始手机界面即可发送报警信息，提高了用户的安全性。

Description

信息处理方法和装置

技术领域

本申请实施例涉及计算机技术领域，具体涉及信息处理方法和装置。

背景技术

随着人工智能技术的发展，人们可以通过人工智能技术获得各种体验。人工智能为人们的生活带来许多便利。但随之而来，由于大数据的发展使得用户对于安全也要求越来越高。

现有的基于终端安全的实现方式通常是设置密码、指纹识别等，以对终端的安全性提供保障。

发明内容

本申请实施例提出了信息处理方法和装置。

第一方面，本申请实施例提供了一种信息处理方法，该方法包括：从第一终端接收用户的面部图像，其中，面部图像是第一终端检测到用户的面部而发送的；对面部图像进行识别，确定面部图像是否包含预设表情信息；响应于面部图像包含预设表情信息，基于预先设置的表情信息与报警类别信息之间的对应关系，确定预设表情信息对应的报警类别信息；基于所确定的报警类别信息，确定第一终端是否处于报警状态；响应于确定第一终端处于报警状态，向至少一个第二终端发送报警信息，报警信息包括报警类别信息、第一终端的位置信息。

在一些实施例中，对面部图像进行识别，确定面部图像是否包含预设表情信息，包括：将面部图像输入至预先训练的识别模型，得到与面部图像对应的识别结果，识别结果包括面部图像中包含预设表情信息集合中的预设表情信息的概率和不包含预设表情信息的概率，识别模型用于表征面部图像与识别结果之间的对应关系；基于所得到的识别结果，确定面部图像中是否包含预设表情信息。

在一些实施例中，该方法还包括：响应于面部图像不包含预设表情信息，提取面部图像的面部特征信息；将面部特征信息与预设面部特征信息进行比较，确定面部特征信息与预设面部特征信息之间的相似度是否大于预设阈值；响应于相似度大于预设阈值，控制第一终端显示第一界面。

在一些实施例中，该方法还包括：响应于确定第一终端显示第一界面，接收第一终端发送的进入第二界面的请求；基于请求，从第一终端获取预设时间段内的目标用户的多幅面部图像；对多幅图像进行识别，从多幅图像中提取目标用户的面部表情序列；将面部表情序列与预设面部表情序列进行比较，确定面部表情序列是否为预设面部表情序列；响应于面部表情序列为预设面部表情序列，控制第一终端显示第二界面。

在一些实施例中，向至少一个第二终端发送报警信息，包括：检测与第一终端相连接的至少一个第二终端是否处于接收报警信息状态；响应于至少一个第二终端处于接收报警信息状态，向至少一个第二终端发送报警信息。

第二方面，本申请实施例提供了一种信息处理装置，该装置包括：第一接收单元，配置用于从第一终端接收用户的面部图像，其中，面部图像是第一终端检测到用户的面部而发送的；识别单元，配置用于对面部图像进行识别，确定面部图像是否包含预设表情信息；第一确定单元，配置用于响应于面部图像包含预设表情信息，基于预先设置的表情信息与报警类别信息之间的对应关系，确定预设表情信息对应的报警类别信息；第二确定单元，配置用于基于所确定的报警类别信息，确定第一终端是否处于报警状态；发送单元，配置用于响应于确定第一终端处于报警状态，向至少一个第二终端发送报警信息，报警信息包括报警类别信息、第一终端的位置信息。

在一些实施例中，识别单元进一步配置用于：将面部图像输入至预先训练的识别模型，得到与面部图像对应的识别结果，识别结果包括面部图像中包含预设表情信息集合中的预设表情信息的概率和不包含预设表情信息的概率，识别模型用于表征面部图像与识别结果之间的对应关系；基于所得到的识别结果，确定面部图像中是否包含预设表情信息。

在一些实施例中，该装置还包括：提取单元，配置用于响应于面部图像不包含预设表情信息，提取面部图像的面部特征信息；第三确定单元，配置用于将面部特征信息与预设面部特征信息进行比较，确定面部特征信息与预设面部特征信息之间的相似度是否大于预设阈值；第一控制单元，配置用于响应于相似度大于预设阈值，控制第一终端显示第一界面。

在一些实施例中，该装置还包括：第二接收单元，配置用于响应于确定第一终端显示第一界面，接收第一终端发送的进入第二界面的请求；获取单元，配置用于基于请求，从第一终端获取预设时间段内的目标用户的多幅面部图像；提取单元，配置用于对多幅图像进行识别，从多幅图像中提取目标用户的面部表情序列；比较单元，配置用于将面部表情序列与预设面部表情序列进行比较，确定面部表情序列是否为预设面部表情序列；第二控制单元，配置用于响应于面部表情序列为预设面部表情序列，控制第一终端显示第二界面。

在一些实施例中，发送单元进一步配置用于：检测与第一终端相连接的至少一个第二终端是否处于接收报警信息状态；响应于至少一个第二终端处于接收报警信息状态，向至少一个第二终端发送报警信息。

第三方面，本申请实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。

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，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。

本申请实施例提供的信息处理方法和装置，通过接收第一终端发送的用户面部图像，然后对接收到的图像进行识别，确定该面部图像中是否包括预设面部表情信息，在检测到该面部图像中包括面部表情信息的情况下，再一次确定与表情信息对应的报警类别信息，并在第一终端处于报警状态的情况下，向第二终端发送报警信息。从而，使得用户处于紧急情况、危险情况等状况下，不需要开始手机界面即可发送报警信息，提高了用户的安全性。

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是根据本申请的信息处理方法的一个实施例的流程图；

图3是根据本申请的信息处理方法的应用场景的一个示意图；

图4是根据本申请的信息处理方法的又一个实施例的流程图；

图5是根据本申请的信息处理装置的一个实施例的结构示意图；

图6是适于用来实现本申请实施例的电子设备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信息处理方法或信息处理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可以包括第一终端设备101、102、103，第二终端设备107，网络104、106和服务器105。网络104用以在第一终端设备101、102、103和服务器105之间提供通信链路的介质。网络106用以在服务器105与第二终端设备107之间提供通信链路的介质。网络104、106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。

用户可以使用第一终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。服务器105可以对处理的信息通过网络106发送至第二终端设备107等。

第一终端设备101、102、103以及第二终端设备107可以是硬件，也可以是软件。当第一终端设备101、102、103为硬件时，可以是支持图像连拍功能或视频拍摄功能的各种电子设备，包括但不限于照相机、摄像机、摄像头、智能手机和平板电脑等等。第二终端设备107可以是具有网络通讯功能并能接收信息的各种电子设备，包括但不限于智能手机、平板电脑等。当第一终端设备101、102、103以及第二终端设备107为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以提供各种服务，例如服务器105可以对从终端设备101、102、103获取到的对人脸的图像、图像序列、视频等数据进行分析等处理，并根据处理结果(例如是否包含预设表情信息)确定表情对应的报警类别信息，然后将包含有报警类别信息的报警信息发送至第二终端设备107的服务器。

需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器105为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本申请实施例所提供的用于生成信息的方法可以由服务器105执行。相应地，用于生成信息的装置设置于服务器105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，其示出了根据本申请的信息处理方法的一个实施例的流程200。该信息处理方法，包括以下步骤：

步骤201，从第一终端接收用户的面部图像。

在本实施例中，信息处理方法的执行主体(例如图1所示的服务器105)可以通过有线连接方式或者无线连接方式从第一终端设备(例如图1所示的终端设备101、102、103)接收用户的面部图像。其中，第一终端设备可以是支持图像拍摄功能或视频拍摄功能的各种电子设备，包括但不限于智能手机、平板电脑、摄像机、摄像头等。在这里，该面部图像是第一终端检测到用户的面部而发送的。该面部例如可以包括用户的面部轮廓(例如脸型轮廓、五官中的至少两官的轮廓)，还可以包括用户的脸颊、额头等。当第一终端设备检测到该面部中的至少一项时，即可拍摄该用户的面部图像。该第一终端设备上还可以安装有红外拍摄设备，该红外拍摄设备可以获取用户的眼睛瞳孔、用户的皮肤纹理等，上述第一终端在检测到用户的眼睛通孔或肌肤纹理时，也可以对用户进行拍摄。在这里，上述执行主体可以实时检测或根据预设时间间隔检测第一终端是否发送面部图像。

步骤202，对面部图像进行识别，确定面部图像是否包含预设表情信息。

在本实施例中，用户可以设置用于执行各种功能的表情信息。例如可以用于解锁终端界面的表情信息、用于打开隐藏文件的表情信息等。根据不同的功能，用户可以设置不同的表情信息并存储在上述执行主体中。上述执行主体可以根据用户的表情信息执行与表情信息相对应的事件。上述表情信息例如可以包括睁大眼睛、扬起眉毛、吐舌头等。上述表情信息可以为图像，可以为文字等。

在本实施例中，基于步骤201接收到的用户的面部图像，上述执行主体可以对该面部图像进行识别，从而确定面部图像中是否包含有预设表情信息。当上述表情信息为图像时，上述执行主体可以对接收到的用户的面部图像的面部特征与预设表情图像的特征进行欧式距离计算，根据计算结果确定上述面部图像中是否包含预设表情信息。当上述表情信息为文字时，上述执行主体可以对接收到的面部图像进行内容识别，将面部图像内容转换为文字。并对该文字进行关键词识别，根据关键词识别结果，从而确定面部图像是否包含预设表情信息。在这里，对面部图像的内容进行识别的方法例如可以包括现有的图像识别技术OCR(Optical Character Recognition，光学字符识别)。

在本实施例的一些可选的实现方式中，可以将面部图像输入至预先训练的识别模型，得到与面部图像对应的识别结果。该识别结果还可以包括面部图像中包含预设表情信息集合中的预设表情信息的概率和不包含预设表情信息的概率。需要说明的是，该识别结果中的各个概率的总和可以为1。预设表情信息集合中包括多种预设表情信息。该预设表情信息可以为用户预先存储的，也可以是上述执行主体从其他终端获取的。在该可选的实现方式中，识别模型可以用于表征面部图像和识别结果之间的对应关系，其可以是通过多种方式训练得到。然后，基于所得到的识别结果，确定面部图像中是否包含预设表情信息。在这里，可以从输出结果中确定出概率值最大的值，并确定该概率值是否为包含预设表情信息的概率值。若是，则确定面部图像中包含预设表情信息。

作为一种示例，本领域技术人员可以对大量包括预设表情信息集合中的每个预设表情信息对应的表情的面部图像进行统计分析，从而制定出存储有包括预设表情信息集合中的每个表情信息对应的表情的面部图像和预设表情信息集合中的每个表情信息的对应关系表，并将该对应关系表作为识别模型。上述执行主体可以计算面部图像和对应关系表中的包括预设表情信息中的每个预设表情信息的相似度，并基于所计算出的相似度，生成面部图像中存在预设表情信息集合中的预设表情信息的概率以及不存在预设表情信息的概率。例如，若面部图像和对应关系表中的包括预设表情信息集合中的每个预设表情信息的相似度均小于预设数值，则面部图像中不包括预设表情信息对应的表情的概率为1。在这里值得注意的是，预设表情信息集合中每个预设表情信息对应的表情均不相同。

作为另外一种示例，识别模型可以是利用各种机器学习方法和训练样本对现有的机器学习模型(例如人工神经网络等)进行有监督训练而得到的。具体的，首先，获取预设面部样本图像集合和与该面部样本图像集合中的每个面部样本图像对应的标签。其中，面部样本图像集合中可以包括具有预设表情信息对应的预设表情的样本图像，也可以包括不具有预设表情信息对应的表情的图像。对于具有预设表情信息对应的表情的面部样本图像，该面部样本图像所对应的标签可以用于指示该面部样本图像中的预设表情的具体信息(例如瞪眼、伸舌头等)。对于不具有预设表情信息对应的表情的图像，该面部样本图像所对应的标签可以用于指示该面部样本图像中不具有预设表情。另外，面部样本图像集合和该面部样本图像集合中的面部样本图像所对应的标签可以预先存储在该训练步骤的执行端(例如上述执行主体或与上述执行主体远程通信连接的服务器)本地，也可以预先存储在该执行端所连接的服务器中，对此不做限定。然后，利用机器学习的方法，基于面部样本图像集合、面部样本图像集合中的每个面部样本图像所对应的标签对预设的卷积神经网络进行训练，得到识别模型。在这里，卷积神经网络可以是未经训练或未训练完成的卷积神经网络(例如ResNet-50，共50层)。这里，对于未经训练的卷积神经网络，其各个网络参数(例如，权值参数和偏置参数)用一些不同的小随机数进行初始化。“小随机数”用来保证网络不会因权值过大而进入饱和状态，从而导致训练失败，“不同”用来保证网络可以正常地学习。对于未训练完成的卷积神经网络，其各个网络参数可以是被调整后网络参数，但是该多层卷积神经网络的识别效果通常尚未满足预先设置的约束条件。

步骤203，响应于面部图像包含预设表情信息，基于预先设置的表情信息与报警信息之间的对应关系，确定预设表情信息对应的报警类别信息。

在本实施例中，上述执行主体中可以预先设置有表情信息与报警信息之间的对应关系。作为示例，当该表情信息为吐舌头时，该报警信息例如可以为发生交通事故，例如可以为一级报警等；当该表情信息为闭左眼时，该告警信息例如可以为遭遇抢劫或劫持，例如可以为二级报警等。根据步骤202所确定的面部图像是否包含预设表情信息。上述执行主体响应于面部图像包含预设表情信息时，可以进一步确定该预设表情动作信息的具体信息内容。同时确定该预设表情信息所对应的报警类别信息。

步骤204，基于所确定的报警类别信息，确定第一终端是否处于报警状态。

在本实施例中，用户可以设置第一终端设备是否开启实时报警。只用当用户开启实时报警时，也即第一终端处于报警状态时，上述执行主体才可以根据所确定的报警类别信息来执行下一步的动作。根据步骤203所确定的报警类别信息，上述执行主体可以进一步确定第一终端是否处于报警状态。

步骤205，响应于确定第一终端处于报警状态，向至少一个第二终端发送报警信息。

在本实施例中，根据步骤204所确定的第一终端是否处于报警状态。当上述执行主体响应于确定第一终端处于报警状态时，可以向至少一个第二终端发送报警信息。其中，该报警信息可以包括报警类别信息以及第一终端的位置信息。在这里，该第二终端可以为与第一终端相连接的终端。该第二终端可以为用户通过第一终端预先设置的。也可以为与上述执行主体相连接的任意第二终端。

在本实施例的一袭可选的实现方式中，上述执行主体还可以根据第一终端的当前位置信息，向距离第一终端的地理位置最近的第二终端发送报警信息。在这里，上述执行主体可以通过第一终端的地理坐标和各第二终端的地理坐标选择距离第一终端最近的第二终端来向其发送报警信息。

在本实施例的一些可选的实现方式中，上述执行主体还可以检测与第一终端相连接的至少一个第二终端是否处于接收报警信息的状态。响应于至少一个第二终端处于接收报警信息的状态时，可以向至少一个第二终端发送报警信息。

继续参见图3，图3是根据本申请的信息处理方法的应用场景的一个示意图。在图3的应用场景中，第一终端301在检测到用户的面部时，向服务器302发送用户的面部图像303。接着，服务器302对面部图像303进行识别，确定面部图像303中的用户的表情信息为闭眼睛。然后，服务器302将该表情信息与预设表情信息集合中的表情信息进行比较，确定该表情信息为预设表情信息。之后，服务器302接着进一步确定与闭眼睛对应的报警类别信息。服务器302确定与闭眼睛对应的报警类别信息为紧急事故信息时，确定第一终端301是否处于报警状态。服务器302响应于第一终端301处于报警状态后，向第二终端304、305发送包含第一终端的位置坐标(北纬xx度、东经xx度)以及“紧急事故”的报警信息。

本申请实施例提供的信息处理方法，通过接收第一终端发送的用户面部图像，然后对接收到的图像进行识别，确定该面部图像中是否包括预设面部表情信息，在检测到该面部图像中包括面部表情信息的情况下，再一次确定与表情信息对应的报警类别信息，并在第一终端处于报警状态的情况下，向第二终端发送报警信息。从而，使得用户处于紧急情况、危险情况等状况下，不需要开始手机界面即可发送报警信息，提高了用户的安全性。

进一步参考图4，其示出了根据本申请的信息处理方法的又一个实施例的流程400。该信息处理方法的流程400，包括以下步骤：

步骤401，从第一终端接收用户的面部图像。

在本实施例中，信息处理方法的执行主体(例如图1所示的服务器105)可以通过有线连接方式或者无线连接方式从第一终端设备(例如图1所示的终端设备101、102、103)接收用户的面部图像。

步骤402，对面部图像进行识别，确定面部图像是否包含预设表情。

在本实施例中，用户可以设置用于执行各种功能的表情信息。例如可以用于解锁界面的表情信息、用于进行金融交易的表情信息等。根据不同的功能，用户可以设置不同的表情信息并存储在上述执行主体中。上述执行主体可以根据用户的表情信息执行与表情信息相对应的事件。上述表情例如可以包括眨眼、侧脸、伸舌头等。上述表情信息可以为图像，可以为文字等。

在本实施例中，基于步骤401接收到的用户的面部图像，上述执行主体可以对该面部图像进行识别，从而确定面部图像中是否包含有预设表情信息。

步骤403，响应于确定面部图像不包含预设表情信息，提取面部图像的面部特征信息。

在本实施例中，上述执行主体响应于确定面部图像中不包含预设表情信息时，可以提取面部图像的面部特征信息。在这里，该面部特征信息可以包括面部轮廓信息、可以包括五官信息等。

在本实施例中，上述面部特征信息的提取方法可以先对所获取到的面部图像进行特征点定位，然后利用主成分分析方法等对定位的特征点进行提取，从而得到面部图像的至少一个面部特征信息。在这里，可以通过ASM(Active Shape Model，主动形状模型)算法或AAM(Active Appearance Model，主动外观模型)算法对面部图像的特征点定位。以ASM算法为例，首先利用人工标注的面部特征点图像样本对ASM模型进行训练，得到特征点图像。然后，根据特征点图像的特征在面部图像上搜索匹配的特征点位置。最后，再依据先验形状模型进行矫正，使得特征点位置满足人脸轮廓形状约束条件。

步骤404，将面部特征信息与预设面部特征信息进行比较，确定面部特征信息与预设面部特征信息之间的相似度是否大于预设阈值。

在本实施例中，上述执行主体可以预先设置用户的面部特征信息。根据步骤403所提取的面部图像的面部特征信息，上述执行主体可以将所提取的面部特征信息与预设面部特征信息进行比较，确定二者之间的相似度是否大于预设阈值。在这里，确定二者之间的相似度的方法可以利用余弦相似度算法或最小哈希算法。其中，最小哈希是LSH(LocalitySensitive Hash，局部敏感哈希)的一种，可以用来快速估算两个集合的相似度。

步骤405，响应于相似度大于预设阈值，控制第一终端显示第一界面。

在本实施例中，根据步骤404所确定的面部图像的面部特征信息与预设面部特征信息之间的相似度值。在该相似度大于预设阈值时，上述执行主体可以控制第一终端显示第一界面。在这里，上述执行主体可以向第一终端发送显示第一界面的指令。

在一些可选的实现方式中，上述执行主体响应于确定第一终端显示第一界面，可以接收第一终端发送的进入第二界面的请求。基于该请求，上述执行主体可以从第一终端获取预设时间段内的目标用户的多幅面部图像。在这里，该多幅面部图像可以是通过支持图像连拍功能的第一终端设备对用户面部进行一次连拍所得到的多帧图像，也可以是通过支持视频拍摄功能的终端设备对用户面部进行拍摄所得到的视频中的多帧图像。通常，上述多幅面部图像的排列顺序与图像的拍摄顺序相同。然后，上述执行主体可以对所获取到的多幅图像进行识别，从该多幅图像中提取目标用户的面部表情序列。在这里，该面部表情序列例如可以包括“闭眼-睁眼-张嘴”等动作。在这里，上述电子设备可以从对上述多幅图像中的每一幅面部图像进行面部特征提取，从而得到每一幅面部图像中所包含的面部表情信息。然后按照面部图像排列的先后顺序，对所提取到的面部表情信息进行排序，从而得到面部表情序列。再次，上述执行主体可以将所得到的面部表情序列与预设面部表情序列进行比较，确定所提取的面部表情序列是否为预设面部表情序列。在这里，上述执行主体可以按照表情序列中的每一个表情的先后顺序，将该表情序列中的每一个表情与预设表情序列中相同排序位置的表情进行比较，确定二者之间的相似度是否大于预设阈值。然后，确定所提取的表情序列中的表情与预设表情序列中的表情是否均大于预设阈值。若如果均大于预设阈值，则可以确定上述面部表情序列为预设面部表情序列。最后，上述执行主体响应于面部表情序列为预设面部表情序列，可以控制第一终端显示第二界面。在这里，上述执行主体可以向第一终端发送显示第二界面的指令。

从图4中可以看出，与图2对应的实施例相比，本实施例中的信息处理方法的流程400增加了执行设备响应于面部图像中不包括预设面部表情信息的处理步骤，从而使得基于面部图像可以执行更多的任务，提高了用户体验。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种信息处理装置的一个实施例，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5所示，本实施例的信息处理装置500可以包括：第一接收单元501、识别单元502、第一确定单元503、第二确定单元504和发送单元505。其中，第一接收单元501，配置用于从第一终端接收用户的面部图像，其中，面部图像是第一终端检测到用户的面部而发送的。识别单元502，配置用于对面部图像进行识别，确定面部图像是否包含预设表情信息。第一确定单元503，配置用于响应于面部图像包含预设表情信息，基于预先设置的表情信息与报警类别信息之间的对应关系，确定预设表情信息对应的报警类别信息。第二确定单元504，配置用于基于所确定的报警类别信息，确定第一终端是否处于报警状态。发送单元505，配置用于响应于确定第一终端处于报警状态，向至少一个第二终端发送报警信息，报警信息包括报警类别信息、第一终端的位置信息。

在本实施例中，信息处理装置500中：第一接收单元501、识别单元502、第一确定单元503、第二确定单元504和发送单元505的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202、步骤203、步骤204和步骤205的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，识别单元502进一步配置用于：将面部图像输入至预先训练的识别模型，得到与面部图像对应的识别结果，识别结果包括面部图像中包含预设表情信息集合中的预设表情信息的概率和不包含预设表情信息的概率，识别模型用于表征面部图像与识别结果之间的对应关系；基于所得到的识别结果，确定面部图像中是否包含预设表情信息。

在本实施例的一些可选的实现方式中，信息处理装置500还包括：提取单元(未示出)，配置用于响应于面部图像不包含预设表情信息，提取面部图像的面部特征信息；第三确定单元(未示出)，配置用于将面部特征信息与预设面部特征信息进行比较，确定面部特征信息与预设面部特征信息之间的相似度是否大于预设阈值；第一控制单元(未示出)，配置用于响应于相似度大于预设阈值，控制第一终端显示第一界面。

在本实施例的一些可选的实现方式中，信息处理装置500还包括：第二接收单元(未示出)，配置用于响应于确定第一终端显示第一界面，接收第一终端发送的进入第二界面的请求；获取单元(未示出)，配置用于基于请求，从第一终端获取预设时间段内的目标用户的多幅面部图像；提取单元(未示出)，配置用于对多幅图像进行识别，从多幅图像中提取目标用户的面部表情序列；比较单元(未示出)，配置用于将面部表情序列与预设面部表情序列进行比较，确定面部表情序列是否为预设面部表情序列；第二控制单元(未示出)，配置用于响应于面部表情序列为预设面部表情序列，控制第一终端显示第二界面。

在本实施例的一些可选的实现方式中，发送单元505进一步配置用于：检测与第一终端相连接的至少一个第二终端是否处于接收报警信息状态；响应于至少一个第二终端处于接收报警信息状态，向至少一个第二终端发送报警信息。

下面参考图6，其示出了适于用来实现本申请实施例的电子设备(例如图1所示的服务器)的计算机系统600的结构示意图。图6示出的电子设备仅仅是一个示例，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6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；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607；包括硬盘等的存储部分608；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609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，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610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608。

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609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601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，本申请所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。

可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向目标的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

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：一种处理器包括第一接收单元、识别单元、第一确定单元、第二确定单元和发送单元。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，第一接收单元还可以被描述为“从第一终端接收用户的面部图像的单元”。

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电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。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电子设备执行时，使得该电子设备：从第一终端接收用户的面部图像，其中，面部图像是第一终端检测到用户的面部而发送的；对面部图像进行识别，确定面部图像是否包含预设表情信息；响应于面部图像包含预设表情信息，基于预先设置的表情信息与报警类别信息之间的对应关系，确定预设表情信息对应的报警类别信息；基于所确定的报警类别信息，确定第一终端是否处于报警状态；响应于确定第一终端处于报警状态，向至少一个第二终端发送报警信息，报警信息包括报警类别信息、第一终端的位置信息。

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 (12)

1.一种信息处理方法，包括：

从第一终端接收用户的面部图像，其中，所述面部图像是所述第一终端检测到所述用户的面部而发送的；

对所述面部图像进行识别，确定所述面部图像是否包含预设表情信息；

响应于所述面部图像包含预设表情信息，基于预先设置的表情信息与报警类别信息之间的对应关系，确定所述预设表情信息对应的报警类别信息；

基于所确定的报警类别信息，确定所述第一终端是否处于报警状态；

响应于确定所述第一终端处于报警状态，向至少一个第二终端发送报警信息，所述报警信息包括报警类别信息、所述第一终端的位置信息。

2.根据权利要求1所述的方法，其中，所述对所述面部图像进行识别，确定所述面部图像是否包含预设表情信息，包括：

将所述面部图像输入至预先训练的识别模型，得到与所述面部图像对应的识别结果，所述识别结果包括所述面部图像中包含预设表情信息集合中的预设表情信息的概率和不包含预设表情信息的概率，所述识别模型用于表征面部图像与识别结果之间的对应关系；

基于所得到的识别结果，确定所述面部图像中是否包含预设表情信息。

3.根据权利要求1-2之一所述的方法，其中，所述方法还包括：

响应于所述面部图像不包含预设表情信息，提取所述面部图像的面部特征信息；

将所述面部特征信息与预设面部特征信息进行比较，确定所述面部特征信息与预设面部特征信息之间的相似度是否大于预设阈值；

响应于所述相似度大于预设阈值，控制所述第一终端显示第一界面。

4.根据权利要求3所述的方法，其中，所述方法还包括：

响应于确定所述第一终端显示第一界面，接收所述第一终端发送的进入第二界面的请求；

基于所述请求，从所述第一终端获取预设时间段内的所述目标用户的多幅面部图像；

对所述多幅图像进行识别，从所述多幅图像中提取所述目标用户的面部表情序列；

将所述面部表情序列与预设面部表情序列进行比较，确定所述面部表情序列是否为预设面部表情序列；

响应于所述面部表情序列为预设面部表情序列，控制所述第一终端显示第二界面。

5.根据权利要求1所述的方法，其中，所述向至少一个第二终端发送报警信息，包括：

检测与所述第一终端相连接的至少一个第二终端是否处于接收报警信息状态；

响应于所述至少一个第二终端处于接收报警信息状态，向所述至少一个第二终端发送报警信息。

6.一种信息处理装置，包括：

第一接收单元，配置用于从第一终端接收用户的面部图像，其中，所述面部图像是所述第一终端检测到所述用户的面部而发送的；

识别单元，配置用于对所述面部图像进行识别，确定所述面部图像是否包含预设表情信息；

第一确定单元，配置用于响应于所述面部图像包含预设表情信息，基于预先设置的表情信息与报警类别信息之间的对应关系，确定所述预设表情信息对应的报警类别信息；

第二确定单元，配置用于基于所确定的报警类别信息，确定所述第一终端是否处于报警状态；

发送单元，配置用于响应于确定所述第一终端处于报警状态，向至少一个第二终端发送报警信息，所述报警信息包括报警类别信息、所述第一终端的位置信息。

7.根据权利要求6所述的装置，其中，所述识别单元进一步配置用于：

将所述面部图像输入至预先训练的识别模型，得到与所述面部图像对应的识别结果，所述识别结果包括所述面部图像中包含预设表情信息集合中的预设表情信息的概率和不包含预设表情信息的概率，所述识别模型用于表征面部图像与识别结果之间的对应关系；

基于所得到的识别结果，确定所述面部图像中是否包含预设表情信息。

8.根据权利要求6-7之一所述的装置，其中，所述装置还包括：

提取单元，配置用于响应于所述面部图像不包含预设表情信息，提取所述面部图像的面部特征信息；

第三确定单元，配置用于将所述面部特征信息与预设面部特征信息进行比较，确定所述面部特征信息与预设面部特征信息之间的相似度是否大于预设阈值；

第一控制单元，配置用于响应于所述相似度大于预设阈值，控制所述第一终端显示第一界面。

9.根据权利要求8所述的装置，其中，所述装置还包括：

第二接收单元，配置用于响应于确定所述第一终端显示第一界面，接收所述第一终端发送的进入第二界面的请求；

获取单元，配置用于基于所述请求，从所述第一终端获取预设时间段内的所述目标用户的多幅面部图像；

提取单元，配置用于对所述多幅图像进行识别，从所述多幅图像中提取所述目标用户的面部表情序列；

比较单元，配置用于将所述面部表情序列与预设面部表情序列进行比较，确定所述面部表情序列是否为预设面部表情序列；

第二控制单元，配置用于响应于所述面部表情序列为预设面部表情序列，控制所述第一终端显示第二界面。

10.根据权利要求6所述的装置，其中，所述发送单元进一步配置用于：

检测与所述第一终端相连接的至少一个第二终端是否处于接收报警信息状态；

响应于所述至少一个第二终端处于接收报警信息状态，向所述至少一个第二终端发送报警信息。

11.一种电子设备，包括：

一个或多个处理器；

存储装置，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，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。

12.一种计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1-5中任一所述的方法。