CN109902644A - 人脸识别方法、装置、设备和计算机可读介质 - Google Patents

Abstract

本发明公开了一种人脸识别方法、装置、设备和计算机可读介质，涉及计算机技术领域。该方法的一具体实施方式包括：检测到待识别人脸；将所述待识别人脸与人脸库中的人脸进行特征比较，确定第一人脸和第二人脸，其中，所述第一人脸的人脸特征与所述待识别人脸的人脸特征的相似度为相似度最大值，所述第二人脸的人脸特征与所述待识别人脸的人脸特征的相似度为相似度次大值；如果所述相似度最大值小于所述第一人脸阈值，则根据所述第一人脸和所述第二人脸，识别所述待识别人脸是否属于所述第一人脸对应的用户。该实施方式能够降低拒真率，提高人脸识别结果的准确性。

Description

人脸识别方法、装置、设备和计算机可读介质

技术领域

本发明涉及计算机技术领域，尤其涉及一种人脸识别方法、装置、 设备和计算机可读介质。

背景技术

通过人脸识别技术，可以根据所采集到的人脸识别与之相对应的 用户，从而进一步获取该用户的相关信息，例如，以实现为特定用户 提供特定服务的目的。人脸识别技术几乎没有“准确率”的概念。一 般可以以认假率(false accept rate，RAR)和拒真率(falserejection rate， FRR)衡量识别技术。

认假率是指将所采集到的人脸识别为属于人脸库中某一用户的人 脸——即人脸比对成功，但事实上该人脸并不是该用户的人脸的概率。 拒真率是指未能将所采集到的人脸识别为人脸库中任一用户的人脸— —即人脸比对失败，但事实上该人脸是人脸库中的一个用户的人脸的 概率。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题： 现有人脸识别技术的拒真率较高，从而导致例如在用户主动进行人脸 拍摄的场景下，用户不易被识别成功，影响用户体验；或者例如在对 用户进行随机拍摄的场景(例如，商场等公开场所)下，不易将拍摄 到的人脸与人脸库中的人脸成功匹配，影响向用户推广该用户可能感 兴趣的商品或服务。

发明内容

有鉴于此，本发明实施例提供一种人脸识别方法、装置、设备和 计算机可读介质，能够降低拒真率，提高人脸识别的准确性。

为实现上述目的，根据本发明实施例的一个方面，提供了一种人 脸识别方法，包括：检测到待识别人脸；将所述待识别人脸与人脸库 中的人脸进行特征比较，确定第一人脸和第二人脸，其中，所述第一 人脸的人脸特征与所述待识别人脸的人脸特征的相似度为相似度最大 值，所述第二人脸的人脸特征与所述待识别人脸的人脸特征的相似度 为相似度次大值，所述人脸库用于存储用户与人脸的对应关系，所述 人脸库中的所述用户对应于一个或多个人脸；如果所述相似度最大值 不小于第一人脸阈值，则识别所述待识别人脸属于所述第一人脸对应 的用户；如果所述相似度最大值小于所述第一人脸阈值，则根据所述第一人脸和所述第二人脸，识别所述待识别人脸是否属于所述第一人 脸对应的用户。

根据本发明实施例的另一个方面，所述根据所述第一人脸和所述 第二人脸，识别所述待识别人脸是否属于所述第一人脸对应的用户， 包括：如果所述相似度最大值小于所述第一人脸阈值且不小于第二人 脸阈值，则根据所述第一人脸和所述第二人脸是否属于同一用户，来 识别所述待识别人脸是否属于所述第一人脸对应的用户。

根据本发明实施例的另一个方面，所述根据所述第一人脸和所述 第二人脸，识别所述待识别人脸是否属于所述第一人脸对应的用户， 包括：如果所述相似度最大值小于所述第一人脸阈值且不小于第二人 脸阈值，则根据所述第一人脸和所述第二人脸之间的差异度，来识别 所述待识别人脸是否属于所述第一人脸对应的用户。

根据本发明实施例的另一个方面，所述差异度包括下列中的一种 或多种：所述相似度最大值和所述相似度次大值的比值、所述相似度 最大值和所述相似度次大值的差值与所述相似度次大值的比值、所述 相似度最大值和所述相似度次大值的差值，其中，在所述相似度最大 值和所述相似度次大值的比值不小于比值阈值的情况下，识别所述待 识别人脸属于所述第一人脸对应的用户；在所述相似度最大值和所述 相似度次大值的差值与所述相似度次大值的比值不小于差值比阈值的 情况下，识别所述待识别人脸属于所述第一人脸对应的用户；在所述 相似度最大值和所述相似度次大值的差值不小于差值阈值的情况下， 识别所述待识别人脸属于所述第一人脸对应的用户。

根据本发明实施例的另一个方面，所述根据所述第一人脸和所述 第二人脸，识别所述待识别人脸是否属于所述第一人脸对应的用户， 包括：如果所述相似度最大值小于所述第一人脸阈值且不小于所述第 二人脸阈值，则根据所述第一人脸和所述第二人脸是否属于同一用户， 或根据所述第一人脸和所述第二人脸之间的差异度，来识别所述待识 别人脸是否属于所述第一人脸对应的用户。

根据本发明实施例的另一个方面，还包括：在人脸库中未找到所 述待识别人脸所归属的用户的情况下，在所述人脸库中创建新用户， 并将所述待识别人脸与所述新用户相关联地存储于所述人脸库。

根据本发明实施例的另一个方面，还包括：在识别到所述待识别 人脸属于所述第一人脸对应的用户的情况下，将所述待识别人脸添加 到所述人脸库中所述第一人脸对应的用户的人脸集中。

根据本发明实施例的第二方面，提供了一种人脸识别装置，包括：. 检测模块，用于检测待识别人脸；相似度计算模块，用于将所述待识 别人脸与人脸库中的人脸进行特征比较，确定第一人脸和第二人脸， 其中，所述第一人脸的人脸特征与所述待识别人脸的人脸特征的相似 度为相似度最大值，所述第二人脸的人脸特征与所述待识别人脸的人 脸特征的相似度为相似度次大值，所述人脸库用于存储用户与人脸的 对应关系，所述人脸库中的所述用户对应于一个或多个人脸；人脸识 别模块，用于在相似度最大值不小于第一人脸阈值的情况下，识别所 述待识别的人脸属于所述第一人脸对应的用户，在所述相似度最大值 小于所述第一人脸阈值的情况下，根据所述第一人脸和所述第二人脸， 识别所述待识别人脸是否属于所述第一人脸对应的用户。

根据本发明实施例的另一个方面，所述人脸识别模块根据所述第 一人脸和所述第二人脸，识别所述待识别人脸是否属于所述第一人脸 对应的用户，包括：如果所述相似度最大值小于所述第一人脸阈值且 不小于第二人脸阈值，则根据所述第一人脸和所述第二人脸是否属于 同一用户，来识别所述待识别人脸是否属于所述第一人脸对应的用户。

根据本发明实施例的另一个方面，所述人脸识别模块根据所述第 一人脸和所述第二人脸，识别所述待识别人脸是否属于所述第一人脸 对应的用户，包括：如果所述相似度最大值小于所述第一人脸阈值且 不小于第二人脸阈值，则根据所述第一人脸和所述第二人脸之间的差 异度，来识别所述待识别人脸是否属于所述第一人脸对应的用户。

根据本发明实施例的另一个方面，所述差异度包括下列中的一种 或多种：所述相似度最大值和所述相似度次大值的比值、所述相似度 最大值和所述相似度次大值的差值与所述相似度次大值的比值、所述 相似度最大值和所述相似度次大值的差值，其中，在所述相似度最大 值和所述相似度次大值的比值不小于比值阈值的情况下，识别所述待 识别人脸属于所述第一人脸对应的用户；在所述相似度最大值和所述 相似度次大值的差值与所述相似度次大值的比值不小于差值比阈值的 情况下，识别所述待识别人脸属于所述第一人脸对应的用户；在所述 相似度最大值和所述相似度次大值的差值不小于差值阈值的情况下， 识别所述待识别人脸属于所述第一人脸对应的用户。

根据本发明实施例的另一个方面，所述人脸识别模块根据所述第 一人脸和所述第二人脸，识别所述待识别人脸是否属于所述第一人脸 对应的用户，包括：如果所述相似度最大值小于所述第一人脸阈值且 不小于所述第二人脸阈值，则根据所述第一人脸和所述第二人脸是否 属于同一用户，或根据所述第一人脸和所述第二人脸之间的差异度， 来识别所述待识别人脸是否属于所述第一人脸对应的用户。

根据本发明实施例的另一个方面，所述人脸识别装置还包括人脸 库更新模块：所述人脸库更新模块用于在人脸库中未找到所述待识别 人脸所归属的用户的情况下，在所述人脸库中创建新用户，并将所述 待识别人脸与所述新用户相关联地存储于所述人脸库。

根据本发明实施例的另一个方面，所述人脸识别装置还包括人脸 库更新模块：所述人脸库更新模块用于在识别到所述待识别人脸属于 所述第一人脸对应的用户的情况下，将所述待识别人脸添加到所述人 脸库中所述第一人脸对应的用户的人脸集中。

根据本发明实施例的第三方面，提供了一种电子设备，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 器实现如上述的方法。

根据本发明实施例的第四方面，提供了一种计算机可读介质，其 上存储有计算机程序，所述程序被处理器执行时实现如上述的方法。

上述发明中的一个实施例具有如下优点或有益效果：因为根据两 张人脸来判断待识别人脸是否属于人脸库中的用户，降低了拒真率， 从而提高了人脸识别的准确率，有利于改善用户体验和便于向用户推 广商品以及服务。

上述的非惯用的可选方式所具有的进一步效果将在下文中结合具 体实施方式加以说明。

附图说明

附图用于更好地理解本发明，不构成对本发明的不当限定。其中：

图1是根据本发明第一实施例的人脸识别方法的主要流程的示意 图；

图2是根据本发明实施例的人脸库中用户标识与人脸的对应关系 的示意图；

图3A-3B是根据本发明实施例的更新人脸库中用户标识与人脸的 对应关系的示意图；

图4是根据本发明第二实施例的人脸识别方法的流程示意图。

图5是根据本发明第三实施例的人脸识别方法的流程示意图。

图6是根据本发明第四实施例的人脸识别方法的流程示意图。

图7是根据本发明第五实施例的人脸识别装置的主要结构的示意 图；

图8是本发明实施例可以应用于其中的示例性系统架构图；

图9是适于用来实现本发明实施例的终端设备或服务器的计算机 系统的结构示意图。

具体实施方式

以下结合附图对本发明的示范性实施例做出说明，其中包括本发 明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。 因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做 出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清 楚和简明，以下的描述中省略了对公知功能和结构的描述。

人脸识别通常包括识别和更新人脸库两个过程。识别过程为：获 取待识别人脸——例如，由摄像头拍摄到的人脸，将待识别人脸与人 脸库中的人脸进行对比，以判定待识别人脸是否属于人脸库中的某一 用户。在识别人脸后，通常要根据识别结果来更新人脸库，具体地， 更新人脸库过程例如为：在将待识别人脸识别为属于人脸库中的某一 用户的情况下，将该待人脸添加到该用户的人脸集中，以丰富用户的 人脸集并为后续人脸识别提供更多参考图像；或者，在未能将待识别 人脸识别为人脸库中的任一用户的情况下，在人脸库中创建为该人脸 创建新用户，并将该人脸与该新用户相关联地存储于人脸库中，以丰 富人脸库中的用户数量。

在现有技术中，通常仅根据其人脸特征与待识别人脸的人脸特征 具有最大相似度的人脸(在本文中也被称为第一人脸)，来判断该待 识别人脸是否属于人脸库中的某一用户。或者即便从人脸库中检索到 其人脸特征与待识别人脸的人脸特征具有较高相似度的多张人脸，但 也采用复杂度较高的算法来确定该待识别人脸是否属于该多张人脸中 的一个对应的用户。即，现有的人脸识别算法具有拒真率较高和/或算 法复杂度较高的缺陷。

而在实际的场景中——例如在商场等公开场所中，所采集的人脸 的图像质量较低，存在大量的姿态不正、模糊的人脸，例如仰角脸、 俯角脸、侧脸、模糊脸，进而导致不易将所采集的人脸与人脸库中的 现有用户匹配成功，即拒真率过高。

为了解决上述问题，本发明的实施例提供了如下技术方案。

参见图1，图1是根据本发明第一实施例的人脸识别方法的主要流 程的示意图。具体包括以下步骤：

在S101中，检测到待识别人脸。

人脸识别技术，可以将所采集到的人脸识别与之相对应的用户， 从而进一步获取该用户的相关信息。因此，人脸识别可应用于智能商 业领域、智慧城市领域等等、以根据识别到的用户的相关信息，向该 用户推荐商品或服务。

在本发明的实施例中，可以通过带有摄像头的装置采集到待识别 人脸的图像。其中，带有摄像头的装置可以是普通摄像头、监控摄像 头或移动设备中的摄像头等。作为一个示例，在商场利用监控摄像头 进行视频采集，在采集到的影像中检测出关于人脸的图像。

在待识别人脸的图像中，通常需要先检测人脸在图像中的区域— —即，定位待检测区域，然后确定该区域中的待识别人脸。可以采用 下述方法中的至少一种，来获知待识别人脸的图像中的待检测区域： 基于人脸边缘的方法，基于人脸肤色的方法、基于人脸线性子空间的 方法和基于神经网络的方法等。

也就是说，在带有摄像头的装置所采集到图像中，在所采集到的 图像中检测到待识别人脸的图像之后，进行如下步骤的人脸识别。

在S102中，将待识别人脸与人脸库中的人脸进行特征比较，确定 第一人脸和第二人脸，其中，所述第一人脸的人脸特征与所述待识别 人脸的人脸特征的相似度为相似度最大值，所述第二人脸的人脸特征 与所述待识别人脸的人脸特征的相似度为相似度次大值，所述人脸库 用于存储用户与人脸的对应关系，所述人脸库中的所述用户对应于一 个或多个人脸。

人脸库中存储有多个用户标识和与用户标识对应的一个或多个人 脸图像。可以理解的是，用户标识与用户是一一对应的关系，即，对 于一个用户标识，存在有一个该用户的人脸集，该人脸集中包括该用 户的一个或多个人脸；可选地，也可以包括预先计算出的、与该一个 或多个人脸分别对应的人脸特征，以加快后续人脸识别的速度。

参见图2，图2是根据本发明实施例的人脸库中用户标识与人脸的 对应关系的示意图。图2中，以人脸库的两个用户标识(即，user_A、 user_B，分别对应用户A和用户B)为例，用户A的人脸集包括三张 人脸和/或与人脸对应的人脸特征(图中未示出)：人脸图A-1、人脸 图A-2、人脸图A-3；用户B的人脸集包括一张人脸和/或与人脸对应 的人脸特征(图中未示出)：人脸图B-1、人脸图B-2。在一个实施例 中，用户的人脸是在用户注册到相关服务(例如，商品推荐服务)时， 主动拍摄的图像，例如，用户A在注册相关服务时，主动拍摄了其正 面、左侧和右侧的图像，可选地，可以在采集到用户的人脸图像后， 在进行后续人脸识别前，预先计算这些人脸图像(人脸图A-1、人脸图 A-2、人脸图A-3)的人脸特征，以便在后续进行人脸识别时加快人脸 比对的速度。在另一个实施例中，用户的人脸可以是随机拍摄的人脸， 例如在图像采集装置随机拍摄到人脸图像(例如，人脸图B-2)后，经 人脸识别，判定所拍摄到的人脸属于用户B，则将该人脸添加到用户B 的人脸集中。

进一步，在将待识别人脸判定为属于人脸库中的某一用户后，或 者在未能将待识别人脸判定为不属于人脸库中任一用户后，可对待识 别人脸进行添加到人脸库的处理，本文将参考图4-图6所示的人脸识 别方法的流程图以及图3A-3B所示的更新人脸库中用户标识与人脸的 对应关系的示意图来详细说明对待识别人脸进行添加到人脸库的处 理。

人脸特征的提取是人脸识别的关键，它直接影响人脸识别的准确 性。在本公开中，人脸特征包括但不限于下列中的一种或多种：肤色、 瞳孔距离、人脸宽度、人脸高度等等。人脸特征提取的方法包括但不 限于下列中的一种或多种：基于几何特征的特征提取，基于统计的特 征提取和基于连接机制的特征提取。

几何特征可以是眼、鼻、嘴等部件的形状或类型，以及它们之间 的几何关系。基于统计的特征提取的代表方法是特征脸法，即对图像 的整体进行统计的方法。基于连接机制的特征提取的代表方法有神经 网络、模拟退火、遗传算法和弹性图匹配等。

可以将人脸特征向量化，其中，向量中的元素从不同的维度描述 人脸特征。作为一个示例，人脸特征的维度可以是128维或512维。

在确定的待检测区域，利用上述方法提取到待识别人脸的人脸特 征。同样，也可以通过上述方法提取得到人脸库中的人脸的人脸特征。

人脸库中存储有多张人脸图像。将检测到的待识别人脸的人脸特 征与人脸库中的人脸的人脸特征进行比对，就可以判定待识别人脸是 否存在于人脸库中，进而确定待识别人脸是否属于人脸库中的某一用 户。

作为一个示例，可以通过人脸识别判断进入商场的顾客是否为老 顾客。当检测到的待识别人脸的人脸特征与人脸库中的人脸的人脸特 征的相似度较大，例如大于第一人脸阈值，则该顾客为老顾客。

具体来说，可以基于表示待识别人脸的人脸特征的向量和表示人 脸库中的人脸的人脸特征的向量，来计算相似度。在本实施例中，将 所述待识别人脸与人脸库中的多个人脸进行特征比较，在人脸库中确 定第一人脸和第二人脸，其中，所述第一人脸的人脸特征与所述待识 别人脸的人脸特征的相似度为相似度最大值，所述第二人脸的人脸特 征与所述待识别人脸的人脸特征的相似度为相似度次大值。

在本发明的一个实施例中，相似度包括但不限于下列中的一种或 多种：余弦相似度、皮尔森相关系数、Jaccard相似系数和Tanimoto系 数等。

可以理解的是，待识别人脸的人脸特征与人脸库中的某一特定人 脸的人脸特征的相似度越大，则说明待识别人脸被识别为属于人脸库 中该特定人脸对应的用户的可能性越大。

在S103中，判断相似度最大值是否不小于(即，大于或等于)第 一人脸阈值，如果S103中的判断结果为“是”——即，相似度最大值 不小于第一人脸阈值，则在S104中，将待识别人脸识别为属于第一人 脸对应的用户。

即，在本发明的实施例中，可以预先设置第一人脸阈值，依据第 一人脸阈值可以判断待识别人脸是否属于人脸库中的某一用户。

如果S103中的判断结果为“否”——即，相似度最大值小于第一 人脸阈值，则在S105中，根据所述第一人脸和所述第二人脸，识别所 述待识别人脸是否属于所述第一人脸对应的用户。

如果仅借助第一人脸阈值，确定待识别人脸是否属于人脸库中的 某一用户，可能存在拒真率过高的问题。因此，在本实施例中，通过 预设的第二人脸阈值，再次判断待识别人脸是否属于人脸库中的某一 用，从而降低了拒真率。可以理解的是，第二人脸阈值小于第一人脸 阈值。即，针对具有相似度最大值的第一人脸，在该相似度最大值小 于第一人脸阈值使得不足以直接确定待识别人脸属于与第一人脸相对 应的用户的情况下，如果该相似度最大值依然足够大——即不小于第 二人脸阈值，则根据与相似度最大值对应的第一人脸和与相似度次大 值对应的第二人脸再次判断待识别人脸是否属于人脸库中的用户；又 由于在人脸库中的人脸中第一人脸与待识别人脸的相似度为相似度最 大值，因此可以根据第一人脸和第二人脸识别待识别人脸是否属于第 一人脸对应的用户。需要说明的是，第一人脸和第二人脸可以是人脸 库中同一个用户的人脸，也可以是不同用户的人脸。

图4-6给出了根据第一人脸和第二人脸来识别所述待识别人脸是 否属于所述第一人脸对应的用户的不同实施例。

图4是根据本发明第二实施例的人脸识别方法的流程示意图。

图4中的步骤S401-S404与图1中的S101-S104类似，因而不再赘 述。在S404中确定待识别人脸属于与第一人脸对应的用户之后，可选 地，在S405中，将待识别人脸添加到人脸库中第一人脸对应的用户的 人脸集中，以此丰富用户的人脸集。

在S406中，即在相似度最大值小于第一人脸阈值的情况下，判断 相似度最大值是否不小于第二人脸阈值——即判断相似度最大值是否 依然足够大，使得可以再次判断与相似度最大值对应的第一人脸是否 与待识别人脸属于同一用。

在S406中，如果判断结果为“是”，即相似度最大值小于第一人 脸阈值且不小于第二人脸阈值，则在S407判断与相似度最大值对应的 第一人脸和与相似度次大值对应的第二人脸是否属于同一用户。

例如，如果在人脸库中对于某一用户，存在有该用户的正面照和 左侧脸照，但是待识别人脸是在该人脸向左偏移45度的情况下拍摄到 的，这可能致使相似度最大值在第二人脸阈值和第一人脸阈值之间； 进一步，通过查询人脸库得知，与相似度最大值对应的第一人脸是该 用户的正面照，与相似度次大值对应的第二人脸是该用户的左侧脸照， 即与第一人脸对应的第一用户和与第二人脸对应的第二用户是同一用 户，因而在该实施例中，在S407中的判定结果为“是”的情况下—— 即第一人脸和第二人脸属于同一用户，在S404中识别所述待识别人脸 属于第一人脸对应的用户，进一步在S405中将待识别人脸添加到人脸 库中第一人脸对应的用户的人脸集中。以图3B为例，人脸B-1的人脸 特征与待识别人脸的人脸特征的相似度为相似度最大值，人脸B-2的 人脸特征与待识别人脸的人脸特征的相似度为相似度次大值，由于人 脸B-1与人脸B-2都是用户B的人脸，因而判断待识别人脸属于用户B， 并且将待识别人脸作为人脸B-3(图3B中的虚线框)添加到人脸库中 用户B的人脸集中。

相应地，如果在S406中判断相似度最大值小于第二人脸阈值—— 即相似度最大值不足以用于在人脸库中为待识别人脸找到所属用户， 或者在S407判断与相似度最大值对应的第一人脸和与相似度次大值对 应的第二人脸不属于同一用户，则流程进行到S408，即确定在人脸库 中未找到与待识别人脸对应的用户。可选地，在S409中，在人脸库中 为待识别人脸创建新用户，并将该待识别人脸与该新用户相关联地存 储于所述人脸库中。以图3B为例，人脸B-1的人脸特征与待识别人脸 的人脸特征的相似度为相似度最大值，人脸A-2的人脸特征与待识别 人脸的人脸特征的相似度为相似度次大值，由于人脸B-1是用户B的人脸，人脸A-1都是用户A的人脸，因而根据该实施例，在人脸库中 未找到该待识别人脸所归属的用户，可选地，在人脸库中为该待识别 人脸创建新用户——用户C，并将该待识别人脸作为人脸C-1作为用户 C的人脸，与用户C相关联地存储(图3B中的虚线框)到人脸库中。由此，人脸库的用户量得以增加，例如，在商城等公共场所下，这有 利于向更多的潜在客户推广商品或服务。

根据该实施例，可以看出，如果所述相似度最大值小于所述第一 人脸阈值且不小于第二人脸阈值，则根据所述第一人脸和所述第二人 脸是否属于同一用户，来识别所述待识别人脸是否属于所述第一人脸 对应的用户。

图5是根据本发明第三实施例的人脸识别方法的流程示意图。

图5中的步骤S501-S504与图1中的S101-S104类似，因而不再赘 述。在S504中确定待识别人脸属于与第一人脸对应的用户之后，可选 地，在S505中，将待识别人脸添加到人脸库中第一人脸对应的用户的 人脸集中，以此丰富用户的人脸集。

在S506中，即在相似度最大值小于第一人脸阈值的情况下，判断 相似度最大值是否不小于第二人脸阈值——即判断相似度最大值是否 依然足够大，使得可以再次判断与相似度最大值对应的第一人脸是否 与待识别人脸属于同一用。

在S506中，如果判断结果为“是”，即相似度最大值小于第一人 脸阈值且不小于第二人脸阈值，则在S507根据相似度最大值和相似度 最小值，计算所述第一人脸和所述第二人脸之间的差异度。进一步， 在S508中判断差异度是否不小于阈值差异度。

具体地，所述差异度包括下列中的一种或多种：所述相似度最大 值和所述相似度次大值的比值、所述相似度最大值和所述相似度次大 值的差值与所述相似度次大值的比值、所述相似度最大值和所述相似 度次大值的差值。相应地，所述阈值差异度包括下列中的一种或多种： 比值阈值、差值比阈值、差值阈值。

例如，以T1表示相似度最大值，T2表示相似度次大值，Threshold1 表示比值阈值，Threshold2表示差值比阈值，Threshold3表示差值阈值。

在以相似度最大值和相似度次大值的比值作为第一人脸和第二人 脸的差异度的情况下，如果所述相似度最大值和所述相似度次大值的 比值不小于差值比阈值，即T1/T2≥Threshold1，则识别所述待识别人 脸属于所述第一人脸对应的用户。

在以相似度最大值和相似度次大值的差值比作为第一人脸和第二 人脸的差异度的情况下，如果所述相似度最大值和所述相似度次大值 的差值与所述相似度次大值的比值不小于差值比阈值，即(T1-T2)/T2≥ Threshold2，则识别所述待识别人脸属于所述第一人脸对应的用户。

在以相似度最大值和相似度次大值的差值作为第一人脸和第二人 脸的差异度的情况下，如果所述相似度最大值和所述相似度次大值的 差值不小于差值阈值，即T1-T2≥Threshold3，则识别所述待识别人脸 属于所述第一人脸对应的用户。

值得注意的是，在本实施中，并未限制与相似度最大值对应的第 一人脸和相似度次大值对应的第二人脸是否属于同一用户。也即是说， 虽然相似度最大值不足以直接确定待识别人脸属于第一用户——即相 似度最大值小于第一人脸阈值，但由于相似度次大值足够小于相似度 最大值——即差异度小于差异度阈值，则将待识别人脸识别为属于第 一人脸对应的用户。

综上，在S508中判断结果为“是”的情况下，即差异度不小于差 异度阈值的情况下，流程前进到S504,——将待识别人脸识别为属于第 一人脸对应的用户，进一步在S505中待识别人脸添加到人脸库中第一 人脸对应的用户的人脸集中。

以图3B为例，用户B的人脸B-1的人脸特征与待识别人脸的人脸 特征的相似度为相似度最大值T1，用户A的人脸A-2的人脸特征与待 识别人脸的人脸特征的相似度为相似度次大值T2，如果满足下列中的 一个或多个：T1/T2≥Threshold1、(T1-T2)/T2≥Threshold2、T1-T2≥ Threshold3，则判断待识别人脸属于用户B，并且将待识别人脸作为人 脸B-3(图3B中的虚线框)添加到人脸库中用户B的人脸集中。

相应地，如果在S506中判断相似度最大值小于第二人脸阈值—— 即相似度最大值不足以用于在人脸库中为待识别人脸找到所属用户， 或者在S508判断与差异度小于差异度阈值，则流程进行到S509，即确 定在人脸库中未找到与待识别人脸对应的用户。可选地，在S510中， 在人脸库中为待识别人脸创建新用户，并将该待识别人脸与该新用户 相关联地存储于所述人脸库中。以图3B为例，人脸B-1的人脸特征与 待识别人脸的人脸特征的相似度为相似度最大值T1，人脸A-2的人脸 特征与待识别人脸的人脸特征的相似度为相似度次大值T2，由于根据T1和T2计算的差异度小于差异度阈值，因而根据该实施例，在人脸库中未找到该待识别人脸所归属的用户，可选地，在人脸库中为该待 识别人脸创建新用户——用户C，并将该待识别人脸作为人脸C-1作为 用户C的人脸，与用户C相关联地存储(图3B中的虚线框)到人脸 库中。

根据该实施例，可以看出，如果所述相似度最大值小于所述第一 人脸阈值且不小于第二人脸阈值，则根据所述第一人脸和所述第二人 脸之间的差异度，来识别所述待识别人脸是否属于所述第一人脸对应 的用户。

图6是根据本发明第四实施例的人脸识别方法的流程示意图。

图6中的步骤S601-S604与图1中的S101-S104类似，因而不再赘 述。在S604中确定待识别人脸属于与第一人脸对应的用户之后，可选 地，在S605中，将待识别人脸添加到人脸库中第一人脸对应的用户的 人脸集中，以此丰富用户的人脸集。

在S606中，即在相似度最大值小于第一人脸阈值的情况下，判断 相似度最大值是否不小于第二人脸阈值——即判断相似度最大值是否 依然足够大，使得可以再次判断与相似度最大值对应的第一人脸是否 与待识别人脸属于同一用。

在S606中，如果判断结果为“是”，即相似度最大值小于第一人 脸阈值且不小于第二人脸阈值，则在S607根据相似度最大值和相似度 最小值，计算所述第一人脸和所述第二人脸之间的差异度。进一步， 在S608中判断差异度是否不小于阈值差异度。关于S607与S608的描 述与图5中关于S507与S508的描述类似，因而此处不再赘述。

即，在S608中判断结果为“是”的情况下，即差异度不小于差异 度阈值的情况下，流程前进到S604,——将待识别人脸识别为属于第一 人脸对应的用户，进一步在S605中待识别人脸添加到人脸库中第一人 脸对应的用户的人脸集中。

在S608中判断结果为“否”的情况下，流程前进到S609，判断与 相似度最大值对应的第一人脸和与相似度次大值对应的第二人脸是否 属于同一用户。关于S609的描述与图4中关于S407的描述类似，因 而此处不再赘述。

即，在S609中判断结果为“是”的情况下，即第一人脸和第二人 脸属于同一用户的情况下，流程前进到S604,——将待识别人脸识别为 属于第一人脸对应的用户，进一步在S605中待识别人脸添加到人脸库 中第一人脸对应的用户的人脸集中。

相应地，如果在S606中判断相似度最大值小于第二人脸阈值—— 即相似度最大值不足以用于在人脸库中为待识别人脸找到所属用户， 或者在S608判断与差异度小于差异度阈值并且在S609中判断第一人 脸和第二人脸不属于同一用户，则流程进行到S610，即确定在人脸库 中未找到与待识别人脸对应的用户。可选地，在S611中，在人脸库中 为待识别人脸创建新用户，并将该待识别人脸与该新用户相关联地存 储于所述人脸库中。以图3B为例，人脸B-1的人脸特征与待识别人脸 的人脸特征的相似度为相似度最大值T1，人脸A-2的人脸特征与待识 别人脸的人脸特征的相似度为相似度次大值T2，由于根据T1和T2计 算的差异度小于差异度阈值，并且人脸B-1和人脸A-2属于不同的用 户(用户A和用户B)，因而根据该实施例，在人脸库中未找到该待 识别人脸所归属的用户。可选地，在人脸库中为该待识别人脸创建新 用户——用户C，并将该待识别人脸作为人脸C-1作为用户C的人脸， 与用户C相关联地存储(图3B中的虚线框)到人脸库中。

根据该实施例，可以看出，如果所述相似度最大值小于所述第一 人脸阈值且不小于第二人脸阈值，则在满足下列中的一个的情况下， 识别所述待识别人脸是否属于所述第一人脸对应的用户：所述第一人 脸和所述第二人脸属于同一用户，所述第一人脸和所述第二人脸之间 的差异度不小于差异度阈值。换句话说，根据所述第一人脸和所述第 二人脸是否属于同一用户，或根据所述第一人脸和所述第二人脸之间 的差异度，来识别所述待识别人脸是否属于所述第一人脸对应的用户。

在上述实施例中，优选地，第一人脸阈值为0.6，第二人脸阈值为 0.4，比值阈值为3，差值比阈值为2，差值阈值为0.4。

图7是根据本发明第五实施例的人脸识别装置的主要结构的示意 图。人脸识别装置可以实现人脸识别方法，如图7所示，人脸识别装 置具体包括：

检测模块，用于检测待识别人脸；

相似度计算模块，用于将所述待识别人脸与人脸库中的人脸进行 特征比较，确定第一人脸和第二人脸，其中，所述第一人脸的人脸特 征与所述待识别人脸的人脸特征的相似度为相似度最大值，所述第二 人脸的人脸特征与所述待识别人脸的人脸特征的相似度为相似度次大 值，所述人脸库用于存储用户与人脸的对应关系，所述人脸库中的所 述用户对应于一个或多个人脸；

人脸识别模块，用于在相似度最大值不小于第一人脸阈值的情况 下，识别所述待识别的人脸属于所述第一人脸对应的用户，在所述相 似度最大值小于所述第一人脸阈值的情况下，根据所述第一人脸和所 述第二人脸，识别所述待识别人脸是否属于所述第一人脸对应的用户。

在本发明的一个实施例中，所述人脸识别模块根据所述第一人脸 和所述第二人脸，识别所述待识别人脸是否属于所述第一人脸对应的 用户，包括：如果所述相似度最大值小于所述第一人脸阈值且不小于 第二人脸阈值，则根据所述第一人脸和所述第二人脸是否属于同一用 户，来识别所述待识别人脸是否属于所述第一人脸对应的用户。

在本发明的一个实施例中，所述人脸识别模块根据所述第一人脸 和所述第二人脸，识别所述待识别人脸是否属于所述第一人脸对应的 用户，包括：如果所述相似度最大值小于所述第一人脸阈值且不小于 第二人脸阈值，则根据所述第一人脸和所述第二人脸之间的差异度， 来识别所述待识别人脸是否属于所述第一人脸对应的用户。

在本发明的一个实施例中，所述人脸识别模块根据所述第一人脸 和所述第二人脸，识别所述待识别人脸是否属于所述第一人脸对应的 用户，包括：如果所述相似度最大值小于所述第一人脸阈值且不小于 所述第二人脸阈值，则根据所述第一人脸和所述第二人脸是否属于同 一用户，或根据所述第一人脸和所述第二人脸之间的差异度，来识别 所述待识别人脸是否属于所述第一人脸对应的用户。

在本发明的一个实施例中，所述人脸识别装置还包括人脸库更新 模块：所述人脸库更新模块用于在人脸库中未找到所述待识别人脸所 归属的用户的情况下，在所述人脸库中创建新用户，并将所述待识别 人脸与所述新用户相关联地存储于所述人脸库。

在本发明的一个实施例中，所述人脸识别装置还包括人脸库更新 模块：所述人脸库更新模块用于在识别到所述待识别人脸属于所述第 一人脸对应的用户的情况下，将所述待识别人脸添加到所述人脸库中 所述第一人脸对应的用户的人脸集中。

图8示出了可以应用本发明实施例的人脸识别方法和人脸识别装 置的示例性系统架构800。

如图8所示，系统架构800可以包括终端设备801、802、803，网 络804和服务器805。网络804用以在终端设备801、802、803和服务 器805之间提供通信链路的介质。网络804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801、802、803通过网络804与服务器805 交互，以接收或发送消息等。终端设备801、802、803上可以安装有 各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应 用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。

终端设备801、802、803可以是具有显示屏并且支持网页浏览的 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805可以是提供各种服务的服务器，例如对用户利用终端 设备801、802、803所浏览的购物类网站提供支持的后台管理服务器 (仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等 数据进行分析等处理，并将处理结果(例如目标推送信息、产品信息-- 仅为示例)反馈给终端设备。

需要说明的是，本发明实施例所提供的监控方法一般由服务器805 执行，相应地，人脸识别装置一般设置于服务器805中。

应该理解，图8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。

下面参考图9，其示出了适于用来实现本发明实施例的终端设备的 计算机系统900的结构示意图。图9示出的终端设备仅仅是一个示例， 不应对本发明实施例的功能和使用范围带来任何限制。

如图9所示，计算机系统900包括中央处理单元(CPU)901，其 可以根据存储在只读存储器(ROM)902中的程序或者从存储部分908 加载到随机访问存储器(RAM)903中的程序而执行各种适当的动作 和处理。在RAM 903中，还存储有系统900操作所需的各种程序和数据。CPU 901、ROM 902以及RAM 903通过总线904彼此相连。输入/ 输出(I/O)接口905也连接至总线904。

以下部件连接至I/O接口905：包括键盘、鼠标等的输入部分906； 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907；包括硬盘等的存储部分908；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909。通信部分909经由诸如因 特网的网络执行通信处理。驱动器910也根据需要连接至I/O接口905。 可拆卸介质911，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910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908。

特别地，根据本发明公开的实施例，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，本发明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909从网络上被下载和安装， 和/或从可拆卸介质911被安装。在该计算机程序被中央处理单元 (CPU)901执行时，执行本发明的系统中限定的上述功能。

需要说明的是，本发明所示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。在本发明中，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。而在本发明中，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，图示了按照本发明各种实施例的系统、 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，上述模块、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，框图或流程图中的每个方框、以及框图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。

描述于本发明实施例中所涉及到的模块可以通过软件的方式实 现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理 器中，例如，可以描述为：一种处理器包括发送模块、获取模块、确 定模块和第一处理模块。其中，这些模块的名称在某种情况下并不构 成对该模块本身的限定，例如，发送模块还可以被描述为“向所连接 的服务端发送图片获取请求的单元”。

作为另一方面，本发明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设备中所包含的；也可以是单独 存在，而未装配入该设备中。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一个该设备执行时，使得该设备 执行本文所述实施例的方法。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域 技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种 各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内 所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (16)

1.一种人脸识别方法，其特征在于，包括：

检测到待识别人脸；

将所述待识别人脸与人脸库中的人脸进行特征比较，确定第一人脸和第二人脸，其中，所述第一人脸的人脸特征与所述待识别人脸的人脸特征的相似度为相似度最大值，所述第二人脸的人脸特征与所述待识别人脸的人脸特征的相似度为相似度次大值，所述人脸库用于存储用户与人脸的对应关系，所述人脸库中的所述用户对应于一个或多个人脸；

如果所述相似度最大值不小于第一人脸阈值，则识别所述待识别人脸属于所述第一人脸对应的用户；

如果所述相似度最大值小于所述第一人脸阈值，则根据所述第一人脸和所述第二人脸，识别所述待识别人脸是否属于所述第一人脸对应的用户。

2.根据权利要求1所述的人脸识别方法，其特征在于，所述根据所述第一人脸和所述第二人脸，识别所述待识别人脸是否属于所述第一人脸对应的用户，包括：

如果所述相似度最大值小于所述第一人脸阈值且不小于第二人脸阈值，则根据所述第一人脸和所述第二人脸是否属于同一用户，来识别所述待识别人脸是否属于所述第一人脸对应的用户。

3.根据权利要求1所述的人脸识别方法，其特征在于，所述根据所述第一人脸和所述第二人脸，识别所述待识别人脸是否属于所述第一人脸对应的用户，包括：

如果所述相似度最大值小于所述第一人脸阈值且不小于第二人脸阈值，则根据所述第一人脸和所述第二人脸之间的差异度，来识别所述待识别人脸是否属于所述第一人脸对应的用户。

4.根据权利要求3所述的人脸识别方法，其特征在于，所述差异度包括下列中的一种或多种：所述相似度最大值和所述相似度次大值的比值、所述相似度最大值和所述相似度次大值的差值与所述相似度次大值的比值、所述相似度最大值和所述相似度次大值的差值，其中，

在所述相似度最大值和所述相似度次大值的比值不小于比值阈值的情况下，识别所述待识别人脸属于所述第一人脸对应的用户；

在所述相似度最大值和所述相似度次大值的差值与所述相似度次大值的比值不小于差值比阈值的情况下，识别所述待识别人脸属于所述第一人脸对应的用户；

在所述相似度最大值和所述相似度次大值的差值不小于差值阈值的情况下，识别所述待识别人脸属于所述第一人脸对应的用户。

5.根据权利要求1所述的人脸识别方法，其特征在于，所述根据所述第一人脸和所述第二人脸，识别所述待识别人脸是否属于所述第一人脸对应的用户，包括：

如果所述相似度最大值小于所述第一人脸阈值且不小于所述第二人脸阈值，则根据所述第一人脸和所述第二人脸是否属于同一用户，或根据所述第一人脸和所述第二人脸之间的差异度，来识别所述待识别人脸是否属于所述第一人脸对应的用户。

6.根据权利要求1-5任一项所述的人脸识别方法，其特征在于，还包括：

在人脸库中未找到所述待识别人脸所归属的用户的情况下，在所述人脸库中创建新用户，并将所述待识别人脸与所述新用户相关联地存储于所述人脸库。

7.根据权利要求1-5任一项所述的人脸识别方法，其特征在于，还包括：

在识别到所述待识别人脸属于所述第一人脸对应的用户的情况下，将所述待识别人脸添加到所述人脸库中所述第一人脸对应的用户的人脸集中。

8.一种人脸识别装置，其特征在于，包括：

检测模块，用于检测待识别人脸；

相似度计算模块，用于将所述待识别人脸与人脸库中的人脸进行特征比较，确定第一人脸和第二人脸，其中，所述第一人脸的人脸特征与所述待识别人脸的人脸特征的相似度为相似度最大值，所述第二人脸的人脸特征与所述待识别人脸的人脸特征的相似度为相似度次大值，所述人脸库用于存储用户与人脸的对应关系，所述人脸库中的所述用户对应于一个或多个人脸；

人脸识别模块，用于在相似度最大值不小于第一人脸阈值的情况下，识别所述待识别的人脸属于所述第一人脸对应的用户，在所述相似度最大值小于所述第一人脸阈值的情况下，根据所述第一人脸和所述第二人脸，识别所述待识别人脸是否属于所述第一人脸对应的用户。

9.根据权利要求8所述的人脸识别装置，其特征在于，所述人脸识别模块根据所述第一人脸和所述第二人脸，识别所述待识别人脸是否属于所述第一人脸对应的用户，包括：

如果所述相似度最大值小于所述第一人脸阈值且不小于第二人脸阈值，则根据所述第一人脸和所述第二人脸是否属于同一用户，来识别所述待识别人脸是否属于所述第一人脸对应的用户。

10.根据权利要求8所述的人脸识别装置，其特征在于，所述人脸识别模块根据所述第一人脸和所述第二人脸，识别所述待识别人脸是否属于所述第一人脸对应的用户，包括：

如果所述相似度最大值小于所述第一人脸阈值且不小于第二人脸阈值，则根据所述第一人脸和所述第二人脸之间的差异度，来识别所述待识别人脸是否属于所述第一人脸对应的用户。

11.根据权利要求10所述的人脸识别装置，其特征在于，所述差异度包括下列中的一种或多种：所述相似度最大值和所述相似度次大值的比值、所述相似度最大值和所述相似度次大值的差值与所述相似度次大值的比值、所述相似度最大值和所述相似度次大值的差值，其中，

在所述相似度最大值和所述相似度次大值的比值不小于比值阈值的情况下，识别所述待识别人脸属于所述第一人脸对应的用户；

在所述相似度最大值和所述相似度次大值的差值与所述相似度次大值的比值不小于差值比阈值的情况下，识别所述待识别人脸属于所述第一人脸对应的用户；

在所述相似度最大值和所述相似度次大值的差值不小于差值阈值的情况下，识别所述待识别人脸属于所述第一人脸对应的用户。

12.根据权利要求8所述的人脸识别装置，其特征在于，所述人脸识别模块根据所述第一人脸和所述第二人脸，识别所述待识别人脸是否属于所述第一人脸对应的用户，包括：

如果所述相似度最大值小于所述第一人脸阈值且不小于所述第二人脸阈值，则根据所述第一人脸和所述第二人脸是否属于同一用户，或根据所述第一人脸和所述第二人脸之间的差异度，来识别所述待识别人脸是否属于所述第一人脸对应的用户。

13.根据权利要求8-12任一项所述的人脸识别装置，其特征在于，还包括人脸库更新模块：

所述人脸库更新模块用于在人脸库中未找到所述待识别人脸所归属的用户的情况下，在所述人脸库中创建新用户，并将所述待识别人脸与所述新用户相关联地存储于所述人脸库。

14.根据权利要求8-12任一项所述的人脸识别装置，其特征在于，还包括人脸库更新模块：

所述人脸库更新模块用于在识别到所述待识别人脸属于所述第一人脸对应的用户的情况下，将所述待识别人脸添加到所述人脸库中所述第一人脸对应的用户的人脸集中。

15.一种电子设备，其特征在于，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1-7中任一所述的方法。

16.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。