CN110059560A - 人脸识别的方法、装置及设备 - Google Patents

Abstract

本说明书实施例提供一种人脸识别的方法、装置及设备。采集到人脸图片后，从人脸图片提取出人脸特征，与预存的人脸特征比对，其中预存的人脸特征为人脸留底的人脸特征，筛选出预存的人脸特征中比对结果大于预设阈值的目标人脸特征，然后判断目标人脸特征是否包含相似度较高的用户的人脸特征，并基于判断结果来确定用户的身份。由于相似度较高的人群是出现误识的主要原因，在比对过程中，先判断筛选出的可能是人脸图片对应的身份的目标人脸特征是否是相似度较高的人群，再来采取相应的措施来确定人脸图片的身份，可以避免相似度较高的用户之间的误识，降低人脸识别过程的误识率。

Description

人脸识别的方法、装置及设备

技术领域

本说明书涉及人脸识别技术领域，尤其涉及一种人脸识别的方法、装置及设备。

背景技术

人脸识别技术广泛地用于身份验证和识别，采用人脸识别技术对用户的身份进行验证时，需要将采集到的用户人脸图片与系统中的人脸留底进行比对，以验证用户身份。常见的人脸比对分成开式和闭式场景，比如一个校园通常是封闭的，出现在校园内的学生通常是固定的，因而校园场景的人脸比对为闭式场景，而一个地铁的系统是完全开放的，进入地铁的人是不确定的，因而地铁的人脸比对为开式场景。在闭式场景的人脸识别中，当人脸库中的用户数量较多时，出现相似人脸的概率也会相应增多，导致在人脸比对时，出现误识的概率也会增大。在人脸比对过程中，如果出现误识的情况，尤其是在刷脸支付的时候，会给用户带来非常不好的体验。因而，对人脸识别技术加以改进，避免人脸识别中的误识现象尤其重要。

发明内容

基于此，本说明书提供了一种人脸识别的方法、装置及设备。

根据本说明书实施例的第一方面，提供一种人脸识别的方法，包括：

将从采集到的人脸图片中提取出的人脸特征与预存的人脸特征比对，其中，所述预存的人脸特征为人脸留底的人脸特征；

根据比对结果从所述人脸留底的人脸特征中确定目标人脸特征，所述目标人脸特征是所述比对结果超过预定阈值的人脸留底的人脸特征；

判断所述目标人脸特征是否包含所述人脸留底中筛选出的相似人脸留底的人脸特征；

基于判断结果确定所述人脸图片的身份。

根据本说明书实施例的第二方面，提供一种人脸识别装置，所述装置包括：

比对模块，用于将从采集到的人脸图片中提取出的人脸特征与预存的人脸特征比对，其中所述预存的人脸特征为人脸留底的人脸特征；以及用于根据比对结果从所述人脸留底的人脸特征中确定目标人脸特征，所述目标人脸特征为比对结果超过预定阈值的人脸留底的人脸特征；

判断模块，用于判断所述目标人脸特征是否包含所述人脸留底中筛选出的相似人脸留底的人脸特征；

身份确定模块，用于基于判断结果确定所述人脸图片的身份。

根据本说明书实施例的第三方面，提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现任一实施例所述的方法。

根据本说明书实施例的第四方面，提供一种人脸识别系统，所述人脸识别系统包括终端和服务端，

所述服务端用于提取人脸留底的人脸特征，并将人脸留底的人脸特征发送给终端；

所述终端用于接收所述人脸留底的人脸特征并存储，将从采集到的人脸图片中提取出的人脸特征与所述人脸留底的人脸特征比对，根据比对结果从所述人脸留底的人脸特征中确定目标人脸特征，所述目标人脸特征为所述比对结果超过预定阈值的人脸留底的人脸特征；判断所述目标人脸特征是否包含所述人脸留底中筛选出的相似人脸留底的人脸特征；以及基于判断结果确定所述人脸图片的身份。

应用本说明书实施例方案，采集到人脸图片后，从人脸图片提取出人脸特征，与预存人脸特征比对，所述预存的人脸特征为人脸留底的人脸特征，筛选出预存的人脸特征中比对结果大于预设阈值的目标人脸特征，然后判断目标人脸特征是否包含相似度较高的用户的人脸特征，并基于判断结果来确定用户的身份。由于相似度较高的人群是出现误识的主要原因，在比对过程中，先判断筛选出的可能是人脸图片对应的身份的目标人脸特征是否是相似度较高的人群，再来采取相应的措施来确定人脸图片的身份，可以避免相似度较高的用户之间的误识，降低人脸识别过程的误识率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本说明书。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本说明书的实施例，并与说明书一起用于解释本说明书的原理。

图1是本说明书一个实施例的一种人脸识别的方法的应用场景示意图；

图2是本说明书一个实施例的一种人脸识别的方法的流程图；

图3是本说明书一个实施例的一种人脸识别的方法流程图；

图4是本说明书一个实施例的一种人脸识别装置的逻辑结构示意图；

图5是本说明书一个实施例的用于实施本说明书方法的计算机设备的结构示意图；

图6是本说明书一个实施例的一种人脸识别系统的示意图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本说明书的一些方面相一致的装置和方法的例子。

在本说明书使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书。在本说明书和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本说明书可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

人脸识别技术广泛地用于身份验证和识别，采用人脸识别技术对用户的身份进行验证时，需要将采集到的用户人脸图片与系统中的人脸留底进行比对，以验证用户身份。常见的人脸比对分成开式场景和闭式场景，比如一个校园通常是封闭的，出现在校园内的学生通常是固定的，因而校园场景的人脸比对为闭式场景，而一个地铁的系统是完全开放的，进入地铁的人是不确定的，因而地铁的人脸比对为开式场景。在闭式场景的人脸识别中，当人脸库中的用户数量较多时，出现相似人脸的概率也会相应增多，比如双胞胎的数量增多，对于一般的二维人脸识别，还无法准确识别出相似度比较高的人脸，因而会导致在人脸比对时，出现误识的概率也会增大。在人脸比对过程中，如果出现误识的情况，尤其是在刷脸支付的时候，会给用户带来非常不好的体验。为了降低误识率，在有些技术中会通过人脸比对以及用户输入手机号或学号等其他信息来验证，由于所有用户都需要输入手机号或学号等信息，会比较繁琐，也会影响认证的速度，给用户带来不好的体验。

为了降低刷脸认证的误识率，保证认证结果的可靠性的同时又可以尽量简化认证流程，本说明书实施例提供一种人脸识别的方法，所述方法可以用于各种闭式场景的人脸识别系统，比如说人脸支付系统、门禁系统等等。图1为本说明书提供的方法应用的一个场景，人脸识别系统包括服务端11和终端12，终端12可以是包含视频或图像采集装置的各种设备，包括手机、平板电脑、笔记本电脑等移动终端，也可以是闸机、门禁系统的人脸采集装置等等。本说明书实施例提供的方法可以用于终端，也可以用于服务端，或者同时用于终端和服务端。

以下结合图2来描述本说明书实施例的人脸识别的方法，具体的，所述方法可包括步骤S202-S208：

S202、将从采集到的人脸图片中提取出的人脸特征与预存的人脸特征比对，其中，所述预存的人脸特征为人脸留底的人脸特征；

S204、根据比对结果从所述人脸留底的人脸特征中确定目标人脸特征，所述目标人脸特征是所述比对结果超过预定阈值的人脸留底的人脸特征；

S206、判断所述目标人脸特征是否包含所述人脸留底中筛选出的相似人脸留底的人脸特征；

S208、基于判断结果确定所述人脸图片的身份。

在各种刷脸认证的场景，比如刷脸支付、刷脸登陆、过闸机、通过门禁等场景，都需要采集用户的人脸图片，采集到用户的人脸图片后，可以从人脸图片中提取人脸特征，并将提取的人脸特征与事先保存的人脸留底中提取的人脸特征进行比对，通过比对结果判定采集的用户的人脸图片是否可以通过认证。在比对的时候，可以通过人脸识别算法计算人脸图片提取的人脸特征相对于预先存储各个人脸留底的人脸特征的相似度，其中，相似度可以用相似度百分比表征，相似度也可以用误识率或比对分来表征，其中，误识率和比对分基于从采集的人脸图片提取的人脸特征跟预存的人脸留底的人脸特征的相似度确定，相似度越高，比对分越高，误识率也越小。一般情况，在对采集的用户人脸图片进行认证的时候，会把相似度高于一定阈值且相似度最高的那个人脸留底的人脸特征确定为采集的人脸图片的身份，然后认证通过。举个例子，采集到一张用户的人脸图片后，将从该人脸图片中提取的人脸特征与预存的所有人脸留底的人脸特征比对一遍，得到与各人脸留底的人脸特征比对后的比对分，然后从人脸留底的人脸特征中筛选出比对分高于80分的目标人脸特征，假设高于80分的只有A用户的人脸特征(比对分85)，则该采集的人脸图片确认为A用户。当然，有些情况，可能比对分高于80分的人脸特征不止一个，假设有A用户的人脸特征(比对分85)，B用户的人脸特征(比对分90)，这时，会把采集到的人脸图片确认为B用户。但是有些情况，可能比对分都超过预设阈值的两个人脸特征为相似度较高的用户，两者的比对分相差不大，比如，比对分高于80分的人脸特征有两个，假设有A用户的人脸特征(比对分85)，B用户的人脸特征(比对分83)，由于，两个人脸特征比对分相差不大，这时，还是将比对分最高的那个人脸特征对应的用户作为采集的人脸图片对应的用户，就很可能出现误识。因为，由于光线、拍摄角度等因素很可能会对比对分造成影响，导致人脸图片与真实对应的用户的人脸特征比对分低于与另一个人脸相似的用户的比对分，造成误识。

由于在人脸比对过程中，相似度较高的人脸非常容易出现误识。因而在采集到用户人脸图片后，可以从人脸图片中提取出人脸特征，然后与预存的人脸留底中提取的人脸特征比对一遍，得出每个人脸留底的人脸特征的比对结果，其中，比对结果可以用相似度百分比、比对分或者误识率来表示，本申请不作限制。然后，可以筛选出比对结果满足预设阈值的人脸留底的目标人脸特征，其中，预设阈值可根据实际情况设定，可以设置成相似度，比对分、或者误识率，具体根据比对结果的表示方式设定。比如，在比对的时候，可以把比对分高于80分且比对分最高的人脸特征对应的用户确定为采集人脸图片对应的用户，并认证成功，这时，就可以将预设阈值设置为80分。然后把比对分高于80分的人脸留底的人脸特征筛选出来，作为目标人脸特征。由于这些满足预设阈值的目标人脸特征对应的身份是人脸图片对应的身份的可能性较大，因此，可以判断这些目标人脸特征里面是否包含预先从人脸留底中筛选出的相似人脸留底的人脸特征，如果包含，则需要采取一定的措施去避免相似度较高的人群之间的误识。

在某些实施例中，可以将人脸库中的所有用户的人脸留底的人脸特征提取出来，然后分别将每两张人脸留底的人脸特征进行比对，把比对结果高于预设值的至少两张人脸留底筛选出来作为相似人脸留底，比如，可以设定相似度为80％，A人脸留底与B人脸留底的相似度超过80％，则将A人脸留底与B人脸留底筛选出来，作为相似人脸留底。在某些实施例中，为了更好地对相似度较高的人脸特征进行区分，可以给筛选出来的相似度较高的人脸特征加上特定的标签，通过标签来区别相似人脸留底的人脸特征和其他人脸特征。比如，在筛选出相似人脸留底后，可以给相似人脸留底的人脸特征都加上risk的标签，以便在比对的时候可以知道该人脸特征是相似人脸留底的人脸特征，存在误识的风险。

终端采集到用户的人脸图片后，将人脸图片与预先保存的人脸留底的人脸特征比对，将比对结果超过预设阈值的目标人脸特征筛选出来。然后可以根据目标人脸特征中是否携带标签来判断该目标人脸特征是否为相似人脸留底的人脸特征。在某些实施例中，如果，目标人脸特征不携带标签，则说明不存在相似度较高的人群，这时，出现误识的概率会比较低，因此可以直接将比对结果中相似度最高的目标人脸特征对应的身份作为采集的人脸图片对应的身份。如目标人脸特征携带有标签，说明与该用户人脸图片的超过预设阈值的人脸特征中包含相似度较高的人群，这种时候，很容易出现误识，因此，可以先确定比对结果中相似度最高的前两个目标人脸特征，并根据相似度最高的前两个目标人脸特征的相似度差值确定所述人脸图片的身份。

在某个实施例中，可以进一步判断筛选出来的目标人脸特征中相似度最高的前两个目标人脸特征的相似度差值是否超过预设的差异化阈值，其中，差异化阈值用来表征两张人脸图片之间的差异的大小，差异化阈值越大，说明两张人脸图片之间差异越大。如果目标人脸特征中相似度最高的前两个人脸特征的相似度差值超过预设的差异化阈值，说明相似度最高的两个人脸特征之间的差异还是比较大的，因而存在误识的概率比较低。此时，可以将相似度最高的人脸特征对应的身份作为采集的人脸图片的身份。举个例子，采集到一张用户的人脸图片，将人脸图片与库里的人脸特征对比，得到两个比对分高于80分的人脸特征，比如A人脸特征(比对分90分)，B人脸特征(比对分80分)，其中A和B中包含被标记为相似度较高的人群，这时说明存在误识的概率较大，因而需要进一步判断A和B的比对分差值大不大，是否超过预设的差异化阈值(假设为5分)，如超过，说明误识的概率比较小，便可以将采集的人脸图片认证为A用户。

差异化阈值可以用相似度百分比、比对分或者误识率来表示。以比对分为例，可以统一设定一个比对分值，比如说设置成5-10分，可以认为两者比对分值差超过预设的阈值，则误识的概率就很低了。在某些实施例中，差异化阈值可以根据人脸留底的相似度来进行个性化的设置，比如在对库里面的人脸留底两两比对筛选出相似度高于预设值的人群时，可以根据每两个用户的人脸留底的相似度为其设置一个差异化阈值。举个例子，A和B的相似度较高，为90％，这时，其差异化阈值可以设置的大一些，比如可以设置为10分，以保证在比对分为TOP1和TOP2的用户的比对分差值低于这个差异化阈值后，误识的概率较小。当然，如果B和C的相似度较低，为80％，这时，差异化阈值可以设置的小一些，比如为5分。当然，根据用户人脸留底的相似度灵活的设置个性化的差异化阈值，即可以降低误识率，又可以保证大部分用户都可以通过这种方法完成人脸认证。

在某些实施例中，如果相似度差值超过预设阈值的目标人脸特征中比对分值最高的前两个人脸特征的相似度差值没有超过预设的差异化阈值，举个例子，采集到的用户人脸图片与人脸特征比对后，得到比对分高于预设阈值(假设为80分)的人脸特征有A用户的人脸特征(比对分85分)和B用户的人脸特征(83分)，这时A用户的人脸特征与B用户的人脸特征比对分值低于差异化阈值(假设为5分)，如果还是将比对分值最高的A用户作为采集的人脸图片对应的用户，则出现误识的概率会很大。为了降低这种情况的误识率，可以获取用户的辅助验证信息，并将与所述辅助验证信息对应的身份作为所述人脸图片的身份。比如，可以向用户发送输入辅助验证信息的提示，以便用户根据提示输入辅助验证信息，然后判断用户输入的辅助验证信息与预先存储的哪个用户的标识信息一致，如果一致，则将该用户确认为采集的人脸图片对应的用户。

在某些实施例中，所述辅助验证信息为标识用户的信息，比如可以是用户的学号、手机号、身份证号，也可以是学号、手机号、身份证号的后四位数字，还可以是用户的其他生物特征信息，比如指纹、声纹、掌纹、虹膜等等，可以根据实际情况灵活设置，本说明书不作具体限制。通过辅助验证信息与人脸的结合验证，可以保证人脸认证的可靠性，降低误识的概率。

本说明书实施例提供的人脸识别的方法可以由终端执行，也可以由服务端执行，或者由终端和服务端同时执行。在某些实施例中，所述人脸识别的方法可以在服务端执行，终端采集到人脸图片后，发送给服务端，由服务端提取出人脸图片的人脸特征后，与预存的人脸留底的人脸特征比对，筛选出满足预设阈值的目标人脸特征，再判断目标人脸特征是否包含相似人脸留底的人脸特征，以根据判断结果来进行下一步的判断。在某些实施例中，所述人脸识别的方法也可以在终端进行，终端采集到人脸图片后，提取出人脸图片的人脸特征后，与预存的人脸留底的人脸特征比对，筛选出满足预设阈值的目标人脸特征，再判断目标人脸特征是否包含相似人脸留底的人脸特征，以根据判断结果来进行下一步的判断。在某些实施例中，可以由服务端先筛选出相似的人脸留底，提取出相似人脸留底的人脸特征，并添加标签后发送给终端，终端采集到人脸图片后，提取出人脸特征，与预存的人脸留底的人脸特征比对，筛选出满足预设阈值的目标人脸特征，再判断目标人脸特征是否包含相似人脸留底的人脸特征，以根据判断结果来进行下一步的判断。所述人脸识别的方法各个步骤可根据实际需求设置由终端执行或者由服务端执行，本申请不作限制。

为了进一步解释本说明书实施例提供的人脸识别的方法，以下再以一个具体的实施例加以解释。

比如某个学校的图书馆门禁系统为人脸识别系统，这个人脸识别系统包括服务端和终端，服务端用于存储全校师生的人脸留底和其他用户信息，终端用于采集人脸图片和对比认证。为了降低刷脸识别过程中的误识率，在该人脸识别系统应用了一种防误识别的方法，以下结合图3来解释防误识别方法的具体流程。首先，服务端对人脸库中的所有用户的人脸留底两两进行比对，筛选出相似度大于80％的目标人脸留底(S301)，并根据相似度给这些目标人脸留底对分别设置一个差异化阈值(S302)，比如A和B的相似度为90％，则A与B的差异化阈值设置为10，B和C的相似度为85％，B和C的差异化阈值为5。然后提取用户的人脸留底的人脸特征，并为相似度高于80％的用户的人脸特征加上risk标签(S303)，然后将所有用户的人脸特征及差异化阈值发送给终端(S304)。终端采集到人脸图片后(S305)，将人脸图片与服务端发送的人脸特征比对，找出比对分高于80分的人脸特征(S306)，再判断这些人脸特征是否带有risk标签(S307)，如果没有，则将比对分最高的人脸特征对应的身份确认为采集的人脸图片对应的身份，认证通过(S308)。如果有，则将比对分最高的人脸特征和比对分第二高的人脸特征的比对分差值与之前设定的差异化阈值比对(S309)，比如比对分最高和第二高的人脸特征为B和C，B和C的差异化阈值为5，如果比对分值差超过差异化阈值，则将比对分最高的人脸特征对应的身份作为该采集到的人脸图片对应的身份，认证成功(S3010)。如比对分差值低于差异化阈值，则终端向用户发送输入学号后四位的提示信息(S3011)，待用户输入学号后四位数字后，根据输入的数字确定采集的图片对应的身份，并显示认证成功(S3012)。

通过这种方法，将相似度较高的用户圈定出来，并对这些用户加入进行差异化阈值的判断以及辅助验证信息的判断，以降低人脸认证过程中的误识率。

以上实施例中的各种技术特征可以任意进行组合，只要特征之间的组合不存在冲突或矛盾，但是限于篇幅，未进行一一描述，因此上述实施方式中的各种技术特征的任意进行组合也属于本说明书公开的范围。

如图4所示，是本说明书一个实施例的一种人脸识别装置，所述装置40可包括：

比对模块41，用于将从采集到的人脸图片中提取出的人脸特征与预存的人脸特征比对，其中所述预存的人脸特征为人脸留底的人脸特征；以及用于根据比对结果从所述人脸留底的人脸特征中确定目标人脸特征，所述目标人脸特征为比对结果超过预定阈值的人脸留底的人脸特征；

判断模块42，用于判断所述目标人脸特征是否包含所述人脸留底中筛选出的相似人脸留底的人脸特征；

身份确定模块43，用于基于判断结果确定所述人脸图片的身份。

在一个实施例中，基于判断结果确定所述人脸图片的身份包括：

如果所述目标人脸特征不包含所述相似人脸留底的人脸特征，则将比对结果中相似度最高的目标人脸特征对应的身份作为所述人脸图片的身份；

如果包含，则确定比对结果中相似度最高的前两个目标人脸特征，并根据相似度最高的前两个目标人脸特征的相似度差值确定所述人脸图片的身份。

在一个实施例中，根据相似度最高的前两个目标人脸特征的相似度差值确定所述人脸图片的身份包括：

如果所述相似度差值大于预设差异化阈值，则将比对结果中相似度最高的目标人脸特征对应的身份作为所述人脸图片的身份。

在一个实施例中，所述差异化阈值基于每两个人脸留底的人脸特征的相似度设置。

在一个实施例中，如果所述比对结果中相似度最高的前两个目标人脸特征的相似度差值小于预设差异化阈值；则获取用户的辅助验证信息，并将与所述辅助验证信息对应的身份作为所述人脸图片的身份。

在一个实施例中，所述辅助验证信息为标识用户的用户信息。

在一个实施例中，从所述人脸留底中筛选出相似人脸留底的人脸特征的过程包括：

比对每两张人脸留底的人脸特征，将比对结果超过预设阈值的至少两张人脸留底作为相似人脸留底。

在一个实施例中，所述相似人脸留底的人脸特征为带标签的人脸特征，所述标签用于区分相似人脸留底和其他人脸留底。

在一个实施例中，所述装置在服务器端，所述装置还用于接收终端设备采集的人脸照片。

在一个实施例中，所述装置在终端设备，所述装置还用于采集人脸图片。

上述装置中各个模块的功能和作用的实现过程具体详情见上述方法中对应步骤的实现过程，在此不再赘述。

对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本说明书方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

本说明书装置的实施例可以应用在计算机设备上，例如服务器或智能终端。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在文件处理的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言，如图5所示，为本说明书装置所在计算机设备的一种硬件结构图，除了图5所示的处理器501、内存502、网络接口503、以及非易失性存储器504之外，实施例中装置所在的服务器或电子设备，通常根据该计算机设备的实际功能，还可以包括其他硬件，对此不再赘述。

相应地，本说明书实施例还提供一种计算机存储介质，所述存储介质中存储有程序，所述程序被处理器执行时实现上述任一实施例中的方法。

相应地，本说明书实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一实施例中的方法。

本申请可采用在一个或多个其中包含有程序代码的存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。计算机可用存储介质包括永久性和非永久性、可移动和非可移动媒体，可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括但不限于：相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。

此外，本申请还一种人脸识别系统，如图6所述，所述人脸识别系统包括终端61和服务端62，

所述服务端62用于提取人脸留底的人脸特征，并将人脸留底的人脸特征发送给终端；

所述终端61用于接收所述人脸留底的人脸特征并存储，将从采集到的人脸图片中提取出的人脸特征与所述人脸留底的人脸特征比对，根据比对结果从所述人脸留底的人脸特征中确定目标人脸特征，所述目标人脸特征为所述比对结果超过预定阈值的人脸留底的人脸特征；判断所述目标人脸特征是否包含所述人脸留底中筛选出的相似人脸留底的人脸特征；以及基于判断结果确定所述人脸图片的身份。

本领域技术人员在考虑说明书及实践这里公开的说明书后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

以上所述仅为本公开的较佳实施例而已，并不用以限制本公开，凡在本公开的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本公开保护的范围之内。

Claims (13)

1.一种人脸识别的方法，包括：

将从采集到的人脸图片中提取出的人脸特征与预存的人脸特征比对，其中，所述预存的人脸特征为人脸留底的人脸特征；

根据比对结果从所述人脸留底的人脸特征中确定目标人脸特征，所述目标人脸特征是所述比对结果超过预定阈值的人脸留底的人脸特征；

判断所述目标人脸特征是否包含所述人脸留底中筛选出的相似人脸留底的人脸特征；

基于判断结果确定所述人脸图片的身份。

2.根据权利要求1所述的人脸识别的方法，基于判断结果确定所述人脸图片的身份包括：

如果所述目标人脸特征不包含所述相似人脸留底的人脸特征，则将比对结果中相似度最高的目标人脸特征对应的身份作为所述人脸图片的身份；

如果包含，则确定比对结果中相似度最高的前两个目标人脸特征，并根据相似度最高的前两个目标人脸特征的相似度差值确定所述人脸图片的身份。

3.根据权利要求2所述的人脸识别的方法，根据相似度最高的前两个目标人脸特征的相似度差值确定所述人脸图片的身份包括：

如果所述相似度差值大于预设差异化阈值，则将比对结果中相似度最高的目标人脸特征对应的身份作为所述人脸图片的身份。

4.根据权利要求3所述的人脸识别的方法，所述差异化阈值基于每两个人脸留底的人脸特征的相似度设置。

5.根据权利要求2所述的人脸识别的方法，还包括：

如果所述比对结果中相似度最高的前两个目标人脸特征的相似度差值小于预设差异化阈值；则获取用户的辅助验证信息，并将与所述辅助验证信息对应的身份作为所述人脸图片的身份。

6.根据权利要求5所述的人脸识别的方法，所述辅助验证信息为标识用户的用户信息。

7.根据权利要求1所述的人脸识别的方法，从所述人脸留底中筛选出相似人脸留底的人脸特征的过程包括：

比对每两张人脸留底的人脸特征，将比对结果超过预设阈值的至少两张人脸留底作为相似人脸留底。

8.根据权利要求7所述的人脸识别的方法，所述方法还包括：

所述相似人脸留底的人脸特征为带标签的人脸特征，所述标签用于区分相似人脸留底和其他人脸留底。

9.根据权利要求1-8任一项所述的人脸识别的方法，所述方法在服务器端执行，所述方法还包括：

接收终端设备采集的人脸照片。

10.根据权利要求1-8任一项所述的人脸识别的方法，所述方法在终端设备执行，所述方法还包括：

采集人脸图片。

11.一种人脸识别装置，所述装置包括：

比对模块，用于将从采集到的人脸图片中提取出的人脸特征与预存的人脸特征比对，其中所述预存的人脸特征为人脸留底的人脸特征；以及用于根据比对结果从所述人脸留底的人脸特征中确定目标人脸特征，所述目标人脸特征为比对结果超过预定阈值的人脸留底的人脸特征；

判断模块，用于判断所述目标人脸特征是否包含所述人脸留底中筛选出的相似人脸留底的人脸特征；

身份确定模块，用于基于判断结果确定所述人脸图片的身份。

12.一种计算机设备，所述计算机设备包括处理器、存储器，

所述存储器存储有计算机指令；

所述处理器执行所述计算机指令实现如权利要求1-9任一项所述的方法步骤。

13.一种人脸识别系统，所述人脸识别系统包括终端和服务端，

所述服务端用于提取人脸留底的人脸特征，并将人脸留底的人脸特征发送给终端；

所述终端用于接收所述人脸留底的人脸特征并存储，将从采集到的人脸图片中提取出的人脸特征与所述人脸留底的人脸特征比对，根据比对结果从所述人脸留底的人脸特征中确定目标人脸特征，所述目标人脸特征为所述比对结果超过预定阈值的人脸留底的人脸特征；判断所述目标人脸特征是否包含所述人脸留底中筛选出的相似人脸留底的人脸特征；以及基于判断结果确定所述人脸图片的身份。