CN109872407B

CN109872407B - 一种人脸识别方法、装置、设备及打卡方法、装置和系统

Info

Publication number: CN109872407B
Application number: CN201910082343.XA
Authority: CN
Inventors: 沈灿
Original assignee: Beijing Moviebook Science And Technology Co ltd
Current assignee: Beijing Moviebook Science And Technology Co ltd
Priority date: 2019-01-28
Filing date: 2019-01-28
Publication date: 2022-02-01
Anticipated expiration: 2039-01-28
Also published as: CN109872407A

Abstract

本申请公开了一种人脸识别方法、装置、设备及打卡方法、装置和系统。其中，方法包括：对人脸图片进行人脸偏转角度检测，得到侧脸角度；对人脸图片进行特征识别，得到侧脸特征；基于侧脸角度和侧脸特征，利用侧脸角度、侧脸特征与正脸特征之间的转换函数，得到与该人脸图片中人物正脸对应的正脸特征；将正脸特征与数据库中存储的各个用户的正脸底库特征进行对比，确定人脸图片对应的用户身份。该方法能够对用户侧脸图像进行特征变换后得到正脸特征进行用户身份识别，无需用户提供正脸图片就能识别身份，提高了识别效率，数据库中无需存储大量侧脸图片，节省了存储空间，减少了特征比对时间和需要比对的图片数量，提升了侧脸识别的准确度。

Description

一种人脸识别方法、装置、设备及打卡方法、装置和系统

技术领域

本申请涉及人脸检测和识别技术领域，特别是涉及一种人脸识别方法、装置、设备及打卡方法、装置和系统，更具体地，涉及一种用于提升侧脸识别准确度的人脸识别方法、装置、设备及打卡方法、装置和系统。

背景技术

严格规范员工打卡考勤是现代企事业单位提高管理效益的重要保证。随着图像分析技术和人工智能技术的发展，基于人脸识别进行考勤打卡的产品应用越来越广泛。人脸识别是对人的脸部特征信息进行身份认证的生物特征识别技术。目前的人脸打卡技术，首先是基于业务场景，采集所需识别人的正脸图像，对正脸图像进行检测识别，生成图像特征并保存在数据库中。在一种方法中，数据库中保存了员工的正脸图像，员工在打卡时，打卡系统通过摄像头拍摄用户图片，对用户图片进行人脸检测识别后与数据库中的正脸图像进行比对，从而识别用户身份。该方法对拍摄的用户图像的角度要求比较严格，如果用户的人脸图像偏转的角度过大，摄像头摄取到的图像是用户侧脸，则与将侧脸图像与数据库中的正脸图像进行对比时，很难正确识别，严重影响了识别率；同时，不能识别的情况下，打卡系统会要求用户重新拍摄，降低了打卡效率，影响了用户体验。在另一种方法中，数据库中存储了每个员工的多个角度的人脸图片，员工在打卡时，打卡系统将拍摄的用户图片与数据库中的人脸图片逐一进行对比，从而识别用户身份。该方法需要在数据库中存储大量照片，占用存储空间，并且逐一进行图片对比需要花费大量时间，影响了识别的速度。

发明内容

本申请的目的在于克服上述问题或者至少部分地解决或缓减解决上述问题。

根据本申请的第一个方面，提供了一种人脸识别方法，包括：

人脸角度识别步骤：对人脸图片进行人脸偏转角度检测，得到侧脸角度；

侧脸特征计算步骤：对所述人脸图片进行特征识别，得到侧脸特征；

特征变换步骤：基于所述侧脸角度和所述侧脸特征，利用所述侧脸角度、所述侧脸特征与正脸特征之间的转换函数，得到与该人脸图片中人物正脸对应的正脸特征；

人脸识别步骤：将所述正脸特征与数据库中存储的各个用户的正脸底库特征进行对比，确定所述人脸图片对应的用户身份。

该方法能够对用户侧脸图像进行特征变换后得到正脸对应的特征，根据正脸特征进行用户身份识别，一方面无需用户提供正脸图片就能识别身份，大大提高了该方法的识别效率，另一方面数据库中无需存储大量侧脸图片作为底库图片，仅需要存储正脸图片，通过特征变换的方式利用侧脸图片得到正脸特征，既能实现特征比对和用户识别，又节省了存储空间，同时减少了特征比对的时间和需要比对的图片数量，提高了识别速度。

可选地，在所述人脸角度识别步骤后，该方法还包括：

侧脸角度判断步骤：在所述侧脸角度小于或等于第一阈值的情况下，对所述人脸图片进行特征识别，得到正脸特征，并执行所述人脸识别步骤。

可选地，所述转换函数采用如下步骤得到：

将侧脸角度和侧脸特征作为自变量，将正脸特征作为因变量，构建转换函数；

分别对多个人物的正脸图片和不同角度的侧脸图片进行特征识别，得到与人物对应的正脸特征、侧脸角度和侧脸特征；

利用所述多个人物的正脸特征、侧脸角度和侧脸特征训练所述转换函数，确定所述转换函数的系数，从而得到所述转换函数。

可选地，所述转换函数采用如下步骤得到：

分别对多个人物的正脸图片和不同角度的侧脸图片进行特征识别，得到与人物对应的正脸特征、侧脸角度和侧脸特征，利用如下函数进行线性回归：

Y＝W*X+b

其中，Y表示正脸特征，X为所述侧脸特征和所述侧脸角度组成的向量，W为转换系数，b为偏置量，从而得到所述转换函数。

根据本申请的第二个方面，提供了一种打卡方法，包括：利用如上任一项所述的人脸识别方法确定用户身份，以及

打卡步骤：基于所述用户身份进行打卡操作。

采用该方法能够放宽用户打卡时的提供的人脸图片的角度要求，使用用户侧脸图片同样能够实现打卡的效果。该方法对用户的侧脸图像进行特征变换后得到正脸对应的特征，根据正脸特征进行用户身份识别，一方面无需用户提供正脸图片就能识别身份，大大提高了该方法的识别效率，另一方面数据库中无需存储大量侧脸图片作为底库图片，仅需要存储正脸图片，通过特征变换的方式利用侧脸图片得到正脸特征，既能实现特征比对和用户识别，又节省了存储空间，同时减少了特征比对的时间和需要比对的图片数量，提高了识别速度，提升了用户体验。

可选地，在所述人脸角度识别步骤前，该方法还包括：

人脸图片获取步骤：对第一时间段内拍摄的第二视频进行人物识别，截取包含该人物的视频帧，将该视频帧作为人脸图片。

根据本申请的第三个方面，提供了一种人脸识别装置，包括：

人脸角度识别模块，其配置成用于对人脸图片进行人脸偏转角度检测，得到侧脸角度；

侧脸特征计算模块，其配置成用于对所述人脸图片进行特征识别，得到侧脸特征；

特征变换模块，其配置成用于基于所述侧脸角度和所述侧脸特征，利用所述侧脸角度、所述侧脸特征与正脸特征之间的转换函数，得到与该人脸图片中人物正脸对应的正脸特征；

人脸识别模块，其配置成用于将所述正脸特征与数据库中存储的各个用户的正脸底库特征进行对比，确定所述人脸图片对应的用户身份。

该装置能够对用户侧脸图像进行特征变换后得到正脸对应的特征，根据正脸特征进行用户身份识别，大大提高了该方法的识别效率，另一方面数据库中无需存储大量侧脸图片作为底库图片，仅需要存储正脸图片，节省了存储空间，同时减少了特征比对的时间和需要比对的图片数量，提高了识别速度。

根据本申请的第四个方面，提供了一种打卡装置，包括：

人脸识别模块，其配置成用于将所述正脸特征与数据库中存储的各个用户的正脸底库特征进行对比，确定所述人脸图片对应的用户身份；

打卡模块，其配置成用于基于所述用户身份进行打卡操作。

该装置能够放宽用户打卡时的提供的人脸图片的角度要求，使用用户侧脸图片同样能够实现打卡的效果。该方法对用户的侧脸图像进行特征变换后得到正脸对应的特征，根据正脸特征进行用户身份识别，一方面无需用户提供正脸图片就能识别身份，大大提高了该方法的识别效率，另一方面数据库中无需存储大量侧脸图片作为底库图片，仅需要存储正脸图片，通过特征变换的方式利用侧脸图片得到正脸特征，既能实现特征比对和用户识别，又节省了存储空间，同时减少了特征比对的时间和需要比对的图片数量，提高了识别速度，提升了用户体验。

根据本申请的第五个方面，提供了一种计算设备，包括存储器、处理器和存储在所述存储器内并能由所述处理器运行的计算机程序，其中，所述处理器执行所述计算机程序时实现如上所述的方法。

根据本申请的第六个方面，提供了一种打卡系统，包括摄像头和上所述的打卡装置，其中，所述摄像头与所述打卡装置连接，用于获取所述人脸图片。

该系统能够使得用户不用必须进行打卡操作就能对打卡时间进行记录，节省了员工的时间，提升了用户体验。同时，安装简单，操作方便，仅需简单硬件，无需复杂的硬件设备，降低了成本。

根据下文结合附图对本申请的具体实施例的详细描述，本领域技术人员将会更加明了本申请的上述以及其他目的、优点和特征。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。后文将参照附图以示例性而非限制性的方式详细描述本申请的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解的是，这些附图未必是按比例绘制的。在附图中：

图1是运行根据本申请一个实施例的人脸识别方法的计算机装置硬件结构示意图；

图2是根据本申请的一个实施例的人脸识别方法的示意性流程图；

图3是根据本申请的一个实施例的人脸识别装置的示意性框图；

图4是根据本申请的一个实施例的打卡方法的示意性流程图；

图5是根据本申请的一个实施例的打卡装置的示意性框图；

图6是根据本申请的一个实施例的打卡系统的示意性框图；

图7是根据本申请的另一个实施例的打卡装置的示意性框图；

图8是本申请的计算设备的一个实施例的框图；

图9是本申请的计算机可读存储介质的一个实施例的框图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，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、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

根据本申请实施例，还提供了一种人脸识别方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本申请实施例一所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。图1示出了一种用于本申请方法的计算机装置(或移动设备)的硬件结构框图。如图1所示，计算机装置10(或移动设备10)可以包括一个或多个处理器(图中采用102a、102b，……，102n来示出，处理器可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器104、以及用于通信功能的传输模块。除此以外，还可以包括：显示器、输入/输出接口(I/O接口)、通用串行总线(USB)端口(可以作为I/O接口的端口中的一个端口被包括)、网络接口、电源和/或相机。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，计算机装置10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。

应当注意到的是上述一个或多个处理器和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外，数据处理电路可为单个独立的处理模块，或全部或部分的结合到计算机装置10(或移动设备)中的其他元件中的任意一个内。如本申请实施例中所涉及到的，该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。

存储器104可用于存储应用软件的软件程序以及模块，如本申请实施例中人脸识别方法对应的程序指令/数据存储装置，处理器通过运行存储在存储器104内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的应用程序的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至计算机装置10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

传输装置用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机装置10的通信供应商提供的无线网络。在一个实例中，传输装置包括一个网络适配器(Network Interface Controller,NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置可以为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。

显示器可以例如触摸屏式的液晶显示器(LCD)，该液晶显示器可使得用户能够与计算机装置10(或移动设备)的用户界面进行交互。

根据本申请的一个实施例，在上述运行环境下，本申请提供了一种人脸识别方法。图2是根据本申请的一个实施例的人脸识别方法的示意性流程图。该方法可以包括：

S120人脸角度识别步骤：对人脸图片进行人脸偏转角度检测，得到侧脸角度；

S140侧脸特征计算步骤：对所述人脸图片进行特征识别，得到侧脸特征；

S160特征变换步骤：基于所述侧脸角度和所述侧脸特征，利用所述侧脸角度、所述侧脸特征与正脸特征之间的转换函数，得到与该人脸图片中人物正脸对应的正脸特征；

S180人脸识别步骤：将所述正脸特征与数据库中存储的各个用户的正脸底库特征进行对比，确定所述人脸图片对应的用户身份。

该方法能够对用户侧脸图像进行特征变换后得到正脸对应的特征，根据正脸特征进行用户身份识别，一方面无需用户提供正脸图片就能识别身份，大大提高了该方法的识别效率，另一方面数据库中无需存储大量侧脸图片作为底库图片，仅需要存储正脸图片，通过特征变换的方式利用侧脸图片得到正脸特征，既能实现特征比对和用户识别，又节省了存储空间，同时减少了特征比对的时间和需要比对的图片数量，提高了识别速度和侧脸识别准确度。

在所述S120人脸角度识别步骤后，该方法还可以包括：

S130侧脸角度判断步骤：在所述侧脸角度小于或等于第一阈值的情况下，对所述人脸图片进行特征识别，得到正脸特征，并执行所述人脸识别步骤。

可选地，第一阈值为45度。如果侧脸角度的角度大于45度，则进行特征识别，得到侧脸特征。可以理解的是，如果侧脸角度包含多个参数的情况下，第一阈值也包含对应数量的参数，此时，第一阈值可以是数组或者向量的形式。

该方法基于偏转角度对人脸图片进行区分处理，对大角度的人脸偏转进行特征转换，对小角度图片无需转换直接进行特征比对，从而减少了特征转换的计算量，缩短了识别所需时间，方案更加灵活实用，更能满足实际需求。

在一个可选的实施方案中，所述转换函数采用如下步骤得到：

采用转换函数对人脸特征进行变换，处理方式简单，计算速度快，同时能够保证一定的识别准确率。

以线性函数的一般式为例，所述转换函数采用如下步骤得到：

Y＝W*X+b

其中，转换函数的形式可以根据需要进行设定，本申请并不做限定。例如，可以采用线性函数、非线性函数等，非线性函数包括但不限于：指数函数、幂函数、对数函数、多项式函数等。每种函数都具有基本表达式，函数系数可以通过多个人物的图片的特征进行确定。人物图片可以是现有的训练集中的图片，也可以根据实际应用场景，从该方法的适用人群中获得。例如，在该方法适用于人脸打卡系统的情况下，可以对公司所有员工，例如100个用户进行图片收集或者采集。对于每个用户，采集一张正脸图片以及各个角度，例如，约90度、75度、60度、45度等角度的侧脸图片，分别对每个图片进行人脸检测识别，生成相应的特征并保存，将正脸图片生成的特征作为正脸底库特征。

对于侧脸图片的角度，可以在采集时让员工按照预定偏转角度采集图片，并利用预定偏转角度对采集的图片进行标注；也将通过二维人脸图片输入模型中，模型包括但不限于：dlib库、跨平台计算机视觉库opencv、神经网络模型等，得到5个特征点：左眼、右眼、鼻子、左嘴角、右嘴角，将特征点与标准的人脸三维模型进行比较，得到人脸图片的侧脸角度。该侧脸角度可以包括以下三个角度中的部分或全部：俯仰角(pitch)，滚转角(roll)，偏航角(yaw)。

在S180人脸识别步骤中，可以将所述正脸特征与数据库中存储的各个用户的正脸底库特征分别进行距离计算，将距离最小的正脸底库特征所对应的用户身份确定为该用户的用户身份。

可选地，该方法在S120人脸角度识别步骤之前，还可以包括：

S110人脸图片获取步骤：对第一时间段内拍摄的第二视频进行人物识别，截取包含该人物的视频帧，将该视频帧作为人脸图片。

其中，对视频中的人的识别可以采用人体识别模型实现，人体识别模型可以是人体姿态估计模型或者体姿态估计模型的一部分，该模型可以采用TensorFlow.js实现。例如，该模型可以是Deepcut深度神经网络模型、Deepercut深度神经网络模型或者PoseNet模型。

以PoseNet模型为例，将图像输入卷积神经网络中，该模型能够提取人体部件的候选区域，每个候选区域作为一个节点，所有的节点组成一个密集连接图，节点之间的关联性作为图节点之间的权重，将其作为一个优化问题，将属于同一个人的部件(节点)归为一类，每个人作为一个单独类。该模型使用单人或多人解码算法解码模型能够输出的人体关键点位置和关键点置信度。

关键点用于估计形体的一部分，例如鼻子、右耳、左膝、右脚等，它包含关键点位置及其置信度。目前，主流的关键点选取14点或者17点进行人体目标的识别。但是由于滑冰场上人员较多，为了降低计算量，本申请采用10个关键点对模型进行训练，10个关键点分别是：头部、躯干、双肘、双手、双膝和双脚。关键点置信度代表关键点位置的准确性，它的值范围在0到1之间，可以用来过滤不明显的关键点。关键点位置用于表征检测到关键点的xy的坐标值。

根据本申请的另一个实施例，还提供了一种计算设备，包括存储器、处理器和存储在所述存储器内并能由所述处理器运行的计算机程序，其中，所述处理器执行所述计算机程序时实现如上所述人脸识别方法的任一项。

根据本申请的另一个实施例，还提供了一种人脸识别装置。图3是根据本申请的一个实施例的人脸识别装置的示意性框图。该装置可以包括：

人脸角度识别模块120，其配置成用于对人脸图片进行人脸偏转角度检测，得到侧脸角度；

侧脸特征计算模块140，其配置成用于对所述人脸图片进行特征识别，得到侧脸特征；

特征变换模块160，其配置成用于基于所述侧脸角度和所述侧脸特征，利用所述侧脸角度、所述侧脸特征与正脸特征之间的转换函数，得到与该人脸图片中人物正脸对应的正脸特征；

人脸识别模块180，其配置成用于将所述正脸特征与数据库中存储的各个用户的正脸底库特征进行对比，确定所述人脸图片对应的用户身份。

可选地，该装置还可以包括：

侧脸角度判断模块，其配置成用于在所述侧脸角度小于或等于第一阈值的情况下，对所述人脸图片进行特征识别，得到正脸特征，并执行所述人脸识别步骤。

可选地，该装置还可以包括：

人脸图片获取模块，其配置成用于对第一时间段内拍摄的第二视频进行人物识别，截取包含该人物的视频帧，将该视频帧作为人脸图片。

根据本申请的另一个实施例，还提供了一种打卡方法。图4是根据本申请的一个实施例的打卡方法的示意性流程图。该方法可以包括：利用如上所述的任意一种人脸识别方法确定用户身份。该方法还可以包括：打卡步骤：基于所述用户身份进行打卡操作。

例如，在一个可选实施方案中，该打卡方法包括：

S180人脸识别步骤：将所述正脸特征与数据库中存储的各个用户的正脸底库特征进行对比，确定所述人脸图片对应的用户身份；

S290打卡步骤：基于所述用户身份进行打卡操作。

可以理解的是，该打卡方法还可以包括上述人脸识别方法中的其他步骤或者实现细节，此处不再赘述。

可选地，在所述S120人脸角度识别步骤前，该方法还包括：

现有技术中通常采用的方法是，用户利用摄像头拍摄二维人脸图片，然后系统通过对该二维人脸图片进行识别处理，从而得到用户身份，采用该方法，能够实现用户移动式打卡，也就是说，用户在正常上下班过程中，通过摄像头覆盖的区域范围，就能实现打卡，而无需专门进行打卡的动作，节省了用户的时间，避免了用户遗忘打卡带来的损失，提高了用户体验；同时，打卡数据能够与用户实际上下班情况相匹配，不会因为用户遗忘打卡或者作弊等影响数据真实性。

该第一时间段内可以是公司上班规定的打卡时间段，也可以是下班规定的打卡时间段。拍摄视频的摄像头可以安装在公司门外大门的上方或者侧面墙壁上。

在打卡时间段内，该摄像头能够对进出公司的用户进行视频拍摄，得到第一视频，对视频进行人物识别，能够分析出视频出现人时的视频片段，对视频片段进行截取，获得包含该人物的人脸的视频帧。

根据本申请的另一个实施例，还提供了一种打卡装置。图5是根据本申请的一个实施例的打卡装置的示意性框图。该装置可以包括：如上所述的任意一种人脸识别装置。

在一个可选的实施方案中，该打卡装置可以包括：

人脸识别模块180，其配置成用于将所述正脸特征与数据库中存储的各个用户的正脸底库特征进行对比，确定所述人脸图片对应的用户身份；

打卡模块290，其配置成用于基于所述用户身份进行打卡操作。

可以理解的是，该打卡装置还可以包括上述人脸识别方法或人脸识别装置中的其他步骤或者实现细节，此处不再赘述。

根据本申请的另一个实施例，还提供了一种打卡系统。图6是根据本申请的一个实施例的打卡系统的示意性框图。该系统可以包括摄像头和如上所述的打卡装置中的任一个，其中，所述摄像头与所述打卡装置连接，用于获取所述人脸图片。

根据本申请的另一个实施例，还提供了一种打卡系统。图7是根据本申请的另一个实施例的打卡装置的示意性框图。该系统可以包括摄像头和计算设备，所述摄像头与所述计算设备连接；所述摄像头用于获取所述人脸图片；所述计算设备包括：存储器、处理器和存储在所述存储器内并能由所述处理器运行的计算机程序，其中，所述处理器执行所述计算机程序时实现如上所述的任一项人脸识别方法。

可选地，所述计算设备可以是独立的硬件设备。可选地，所述计算设备可以是服务器。

本申请的实施例的一个方面提供了一种计算设备，参照图8，该计算设备包括存储器1120、处理器1110和存储在所述存储器1120内并能由所述处理器1110运行的计算机程序，该计算机程序存储于存储器1120中的用于程序代码的空间1130，该计算机程序在由处理器1110执行时实现用于执行任一项根据本申请的方法步骤1131。可选地，该方法步骤可以是人脸识别方法中的方法步骤，也可以是打卡方法中的方法步骤。

本申请的实施例的一个方面还提供了一种计算机可读存储介质。参照图9，该计算机可读存储介质包括用于程序代码的存储单元，该存储单元设置有用于执行根据本申请的方法步骤的程序1131’，该程序被处理器执行。可选地，该方法步骤可以是人脸识别方法中的方法步骤，也可以是打卡方法中的方法步骤。

本申请实施例的一个方面还提供了一种包含指令的计算机程序产品，包括计算机可读代码，当所述计算机可读代码由计算设备执行时，导致所述计算设备执行如上所述的方法。可选地，该方法可以是人脸识别方法，也可以是打卡方法。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、获取其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。

专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令处理器完成，所述的程序可以存储于计算机可读存储介质中，所述存储介质是非短暂性(英文：non-transitory)介质，例如随机存取存储器，只读存储器，快闪存储器，硬盘，固态硬盘，磁带(英文：magnetic tape)，软盘(英文：floppy disk)，光盘(英文：optical disc)及其任意组合。

以上所述，仅为本申请较佳的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。

Claims

1.一种人脸识别方法，包括：

特征变换步骤：基于所述侧脸角度和所述侧脸特征，利用所述侧脸角度、所述侧脸特征与正脸特征之间的转换函数，得到与该人脸图片中人物正脸对应的正脸特征；和

人脸识别步骤：将所述正脸特征与数据库中存储的各个用户的正脸底库特征进行对比，确定所述人脸图片对应的用户身份；

所述转换函数采用如下步骤得到：

Y＝W*X+b

2.根据权利要求1所述的方法，其特征在于，在所述人脸角度识别步骤后，该方法还包括：

3.根据权利要求1所述的方法，其特征在于，所述转换函数采用如下步骤得到：

分别对多个人物的正脸图片和不同角度的侧脸图片进行特征识别，得到与人物对应的正脸特征、侧脸角度和侧脸特征；和

4.一种打卡方法，包括：利用如权利要求1至3中任一项所述的人脸识别方法确定用户身份，以及

打卡步骤：基于所述用户身份进行打卡操作。

5.根据权利要求4所述的方法，其特征在于，在所述人脸角度识别步骤前，该方法还包括：

6.一种人脸识别装置，包括：

特征变换模块，其配置成用于基于所述侧脸角度和所述侧脸特征，利用所述侧脸角度、所述侧脸特征与正脸特征之间的转换函数，得到与该人脸图片中人物正脸对应的正脸特征；和

所述转换函数采用如下步骤得到：

Y＝W*X+b

7.一种计算设备，包括存储器、处理器和存储在所述存储器内并能由所述处理器运行的计算机程序，其中，所述处理器执行所述计算机程序时实现如权利要求1至3中任一项所述的方法。