CN110458154B - 人脸识别方法、装置和计算机可读存储介质 - Google Patents

Abstract

本发明实施例公开了一种人脸识别方法、装置和计算机可读存储介质；本发明实施例在检测到用户针对终端中人脸识别控件所触发的人脸识别请求时，根据该人脸识别请求采集待识别对象的人脸图像，该人脸识别请求携带类别标识；对该人脸图像的图像质量进行检测，得到该人脸图像的质量信息；若该人脸图像的质量信息满足预设质量条件，则从该终端中获取该类别标识对应类别的人脸样本特征集，该人脸样本特征集包括多个人脸样本特征，该人脸样本特征由人脸图像样本进行特征提取得到；对该人脸图像进行特征提取，并将提取到的人脸特征与该人脸样本特征集进行对比；根据对比结果确定该待识别对象的身份；该方案可以有效地提高人脸识别的效率。

Description

人脸识别方法、装置和计算机可读存储介质

技术领域

本发明涉及通信技术领域，具体涉及一种人脸识别方法、装置和计算机可读存储介质。

背景技术

随着计算机技术的发展，随着数据的积累、计算机算力的跃升和算法的优化，人工智能正在让生活变得高效。语音识别、图像识别使身份认证更可信赖，短短几秒就能证明“你就是你”。“刷脸”进站、“刷脸”支付、“刷脸”签到、“刷脸”执法等等，使人脸识别技术正走进更为广阔的应用场景。

在现有的人脸识别技术中，有时获取到的人脸图像模糊、不清楚，不能快速地进行人脸识别或者识别成功率低。识别时人脸需要上传到云端服务器，然后云端识别后将识别结果通过网络返回，其识别过程增加了网络通讯的时间，速度变慢。识别过程中出现的网络抖动、断网、拥堵等都会导致识别时间延长，甚至识别失败、设备不可用。

发明内容

本发明实施例提供一种人脸识别方法、装置和计算机可读存储介质，可以有效地提高人脸识别的效率。

本发明实施例提供一种人脸识别方法，包括：

在检测到用户针对终端中人脸识别控件所触发的人脸识别请求时，根据所述人脸识别请求采集待识别对象的人脸图像，所述人脸识别请求携带类别标识；

对所述人脸图像的图像质量进行检测，得到所述人脸图像的质量信息；

若所述人脸图像的质量信息满足预设质量条件，则从所述终端中获取所述类别标识对应类别的人脸样本特征集，所述人脸样本特征集包括多个人脸样本特征，所述人脸样本特征由人脸图像样本进行特征提取得到；

对所述人脸图像进行特征提取，并将提取到的人脸特征与所述人脸样本特征集进行对比；

根据对比结果确定所述待识别对象的身份。

相应的，本发明实施例还提供一种人脸识别装置，包括：

采集单元，用于在检测到用户针对终端中人脸识别控件所触发的人脸识别请求时，根据所述人脸识别请求采集待识别对象的人脸图像，所述人脸识别请求携带类别标识；

质量检测单元，用于对所述人脸图像的图像质量进行检测，得到所述人脸图像的质量信息；

获取单元，用于若所述人脸图像的质量信息满足预设质量条件，则从所述终端中获取所述类别标识对应类别的人脸样本特征集，所述人脸样本特征集包括多个人脸样本特征，所述人脸样本特征由人脸图像样本进行特征提取得到；

对比单元，用于对所述人脸图像进行特征提取，并将提取到的人脸特征与所述人脸样本特征集进行对比，根据对比结果确定所述待识别对象的身份。

可选的，在一些实施例中，所述人脸识别装置还可以包括第一存储单元，如下：

所述第一存储单元，用于从服务器中获取多个类别的人脸样本特征集以及对应的身份信息、类别标识；将所述多个类别的人脸样本特征集以及对应的身份信息、类别标识进行保存。

可选的，在一些实施例中，所述人脸识别装置还可以包括更新单元，如下：

所述更新单元，用于根据预设频率从所述服务器中获取更新的数据；若在获取更新的数据时，所述终端处于离线状态，则当所述离线状态切换为在线状态时从所述服务器中获取更新的数据，并对更新的数据进行保存。

可选的，在一些实施例中，所述对比单元可以包括计算子单元和确定子单元，如下：

所述计算子单元，用于将提取到的人脸特征与所述人脸样本特征集进行相似度计算；

所述确定子单元，用于若所述人脸特征与所述人脸样本特征集中的人脸样本特征的相似度满足预设阈值，则根据对比结果确定所述待识别对象的身份。

可选的，在一些实施例中，所述计算子单元，具体用于将提取到的人脸特征进行向量化，得到人脸特征向量；将所述人脸样本特征集中的多个人脸样本特征进行向量化，得到多个人脸样本特征向量；计算所述人脸特征向量和每个人脸样本特征向量的距离，得到所述人脸特征与所述人脸样本特征集中的每个人脸样本特征向量的相似度。

可选的，在一些实施例中，所述确定子单元，具体用于获取所述人脸特征与所述人脸样本特征集中相似度最高的人脸样本特征；判断所述人脸特征与所述相似度最高的人脸样本特征的相似度是否满足预设阈值；若所述人脸特征与所述相似度最高的人脸样本特征的相似度满足预设阈值，则根据对比结果确定所述待识别对象的身份。

可选的，在一些实施例中，所述对比单元还可以包括网络判断子单元，如下：

所述网络判断子单元，具体用于若所述人脸特征与所述人脸样本特征集中的人脸样本特征的相似度不满足预设阈值，则判断所述终端当前是否处于离线状态；若所述终端处于离线状态，则在所述终端生成人脸识别失败的信息；若所述终端处于在线状态，则获取所述终端当前网络信息，根据所述当前网络信息从服务器拉取更新数据，并基于所述更新数据对服务器中的人脸样本特征集进行更新，将所述人脸特征与更新后人脸样本特征集中的人脸样本特征进行相似度计算，若所述人脸特征与所述更新后人脸样本特征集中的人脸样本特征的相似度不满足预设阈值，则在所述终端生成人脸识别失败的信息。

可选的，在一些实施例中，所述人脸识别装置还可以包括活体检测单元，如下：

所述活体检测单元，具体用于判断所述人脸图像是否为活体人脸图像；若所述人脸图像为活体人脸图像，则执行对所述人脸图像的图像质量进行检测的步骤；若所述人脸图像不为活体人脸图像，则在所述终端生成人脸识别失败的信息。

可选的，在一些实施例中，所述质量检测单元，具体用于对所述人脸图像的清晰度、亮度以及色偏进行检测，得到所述人脸图像的质量信息。

可选的，在一些实施例中，所述人脸识别装置还可以包括判断单元，如下：

所述判断单元，用于获取当前所述终端的定位信息以及时间信息；根据所述定位信息和所述时间信息判断当前所述终端是否满足预设使用条件；

则所述采集单元，具体用于若当前所述终端满足预设使用条件，则根据所述人脸识别请求采集待识别对象的人脸图像；若当前所述终端不满足预设使用条件，则生成所述终端的异常报告。

可选的，在一些实施例中，所述人脸识别装置还包括第二存储单元，如下：

所述第二存储单元，用于将确定身份的人脸图像以及对应的身份进行保存；根据预设周期将所述确定身份的人脸图像以及对应的身份发送到服务器，以便所述服务器更新数据。

可选的，在一些实施例中，所述第二存储单元，具体可以用于根据预设加密方式对确定身份的人脸图像进行加密，得到加密后人脸图像；将所述加密后人脸图像以及对应的身份存储于终端；根据预设周期将所述加密后人脸图像以及对应的身份发送到服务器。

此外，本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有多条指令，所述指令适于处理器进行加载，以执行本发明实施例提供的任一种人脸识别方法中的步骤。

本发明实施例在检测到用户针对终端中人脸识别控件所触发的人脸识别请求时，根据该人脸识别请求采集待识别对象的人脸图像，该人脸识别请求携带类别标识，然后，对该人脸图像的图像质量进行检测，得到该人脸图像的质量信息，若该人脸图像的质量信息满足预设质量条件，则从该终端中获取该类别标识对应类别的人脸样本特征集，该人脸样本特征集包括多个人脸样本特征，该人脸样本特征由人脸图像样本进行特征提取得到，接着，对该人脸图像进行特征提取，并将提取到的人脸特征与该人脸样本特征集进行对比，再然后，根据对比结果确定该待识别对象的身份；该方案可以有效地提高人脸识别的效率。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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1a是本发明实施例提供的人脸识别方法的场景示意图；

图1b是本发明实施例提供的人脸识别方法的流程图；

图2a是本发明实施例提供的人脸识别方法的另一流程图；

图2b是本发明实施例提供的建立人脸数据库的流程示意图；

图2c是本发明实施例提供的人脸识别方法的又一流程图；

图3是本发明实施例提供的人脸识别装置的结构示意图；

图4是本发明实施例提供的终端的结构示意图。

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。

本发明实施例提供一种人脸识别方法、装置和计算机可读存储介质。其中，该人脸识别可以集成在终端中。

例如，参见图1a，首先，该集成了人脸识别装置的终端在检测到人脸识别请求时，比如在检测到用户针对终端中人脸识别控件所触发的人脸识别请求时，根据该人脸识别请求采集待识别对象的人脸图像，该人脸识别请求携带类别标识，然后，对该人脸图像的图像质量进行检测，得到该人脸图像的质量信息，若该人脸图像的质量信息满足预设质量条件，则从该终端中获取该类别标识对应类别的人脸样本特征集，该人脸样本特征集包括多个人脸样本特征，该人脸样本特征由人脸图像样本进行特征提取得到，接着，对该人脸图像进行特征提取，并将提取到的人脸特征与该人脸样本特征集进行对比，再然后，根据对比结果确定该待识别对象的身份。

本申请实施例提供的人脸识别方法涉及人工智能领域中的计算机视觉方向。本申请实施例可以通过人脸识别技术，提取出人脸对应特征信息，进而识别出图像中人脸对应的身份。

其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。其中，人工智能软件技术主要包括计算机视觉技术、机器学习/深度学习等方向。

其中，计算机视觉技术(Computer Vision，CV)是一门研究如何使机器“看”的科学，更进一步的说，就是指通过计算机代替人眼对目标进行识别、测量等的机器视觉，并进一步进行图像处理，使图像经过计算机处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取信息的人工智能系统。计算机视觉技术通常包括图像处理、图像识别等技术，还包括常见的人脸识别、人体姿态识别等生物特征识别技术。

由于该方案可以将人脸数据库等提前配置在终端上，在用户发送人脸识别请求时，终端可以不依靠外部网络，就能快速的对待识别对象进行人脸图像采集，并对采集到的人脸图像进行质量检测，以筛选出清晰的图像，再与终端上存储的人脸样本特征集进行比对，识别用户的身份，将待识别对象身份信息给到用户，提高了识别成功率，从而使得用户可以更快速地为待识别对象提供后续的服务，因此，可以有效地提高人脸识别的效率，且不受断网或者网络拥堵的影响。

以下分别进行详细说明。需说明的是，以下实施例的描述顺序不作为对实施例优选顺序的限定。

本实施例将从人脸识别装置的角度进行描述，该人脸识别装置具体可以集成在终端中；其中，该终端可以包括手机、平板电脑、笔记本电脑以及个人计算机(PersonalComputer，PC)等可以实现人脸识别的设备。

一种人脸识别方法，包括：在检测到用户针对终端中人脸识别控件所触发的人脸识别请求时，根据该人脸识别请求采集待识别对象的人脸图像，该人脸识别请求携带类别标识，然后，对该人脸图像的图像质量进行检测，得到该人脸图像的质量信息，若该人脸图像的质量信息满足预设质量条件，则从该终端中获取该类别标识对应类别的人脸样本特征集，该人脸样本特征集包括多个人脸样本特征，该人脸样本特征由人脸图像样本进行特征提取得到，接着，对该人脸图像进行特征提取，并将提取到的人脸特征与该人脸样本特征集进行对比，再然后，根据对比结果确定该待识别对象的身份。

如图1b所示，该人脸识别方法的具体流程可以如下：

101、在检测到人脸识别请求时，根据该人脸识别请求采集待识别对象的人脸图像。

例如，在检测到用户针对终端中人脸识别控件所触发的人脸识别请求时，根据该人脸识别请求采集待识别对象的人脸图像。

其中，该人脸识别请求携带类别标识，该类别标识可以根据实际应用的需求进行设置，比如，可以根据人脸识别的应用场景进行设置，如校园、公司等等，也可以根据人群或者性别进行设置，如男、女或者小孩、老人等等。

其中，用户指的是，待识别对象指的是需要进行人脸识别的对象。该用户和待识别对象可以指的是同一个人，也可以指的是不同一个人，比如，该人脸识别装置为自助服务时，该用户和待识别对象可以指的是同一个人，由待识别对象自己去操作人脸识别控件以触发的人脸识别请求。

其中，该终端可以与监测设备进行连接，以便通过该监测设备监测终端的使用情况，比如，是否存在使用异常，是否发生故障等等。其中，该监测设备可以是服务器或者其他设备等等。

为了提高终端使用的安全性，可以根据实际应用的场景设置终端的使用条件，比如，规定的使用地方或者使用时间等等，当终端不满足设置的条件时，可以不进行人脸识别，以防人脸识别成功后进一步用于支付时面临的安全威胁。即“根据该人脸识别请求采集待识别对象的人脸图像”之前，可以包括：

获取当前该终端的定位信息以及时间信息；

根据该定位信息和该时间信息判断当前该终端是否满足预设使用条件；

则根据该人脸识别请求采集待识别对象的人脸图像，可以包括：

若当前该终端满足预设使用条件，则根据该人脸识别请求采集待识别对象的人脸图像；

若当前该终端不满足预设使用条件，则生成该终端的异常报告，并将该异常报告发送到与该终端连接的服务器。

其中，预设使用条件的设定方式可以有很多种，比如，可以根据实际应用的需求灵活设置，也可以预先设置好存储在终端中。此外，预设使用条件可以内置于终端中，或者，也可以保存在存储器中并发送给终端，等等。

102、对该人脸图像的图像质量进行检测，得到该人脸图像的质量信息。

其中，图像质量指被测图像(即目标图像)相对于标准图像(即原图像)在人眼视觉系统中产生误差的程度。图像质量又可分为图像逼真度和图像可懂度。图像逼真度描述所处理的图像和原始图像之间的偏离程度；而图像可懂度则表示人或机器能从图像中抽取有关特征信息的程度。图像质量的客观评测是根据人眼的主观视觉系统建立数学模型，并通过具体的公式计算图像的质量。相比主观评测，客观评价具有可批量处理、结果可重现的特点，不会因为人为的原因而出现偏差。

一般来说，图像质量客观评价会分成九个评测项目，曝光、清晰度、颜色、质感、噪音、防手抖、闪光灯、对焦和伪像，每一个评测项目往往还会分成好几个评测小项目，如伪像就要测试锐化、畸变、暗角这些项目。通过测试这些项目，通过科学的计算，可以非常直观地看到图像的性能的各个方面的表现有何不足。

为了提高人脸识别的可靠性、安全性以及效率，可以对采集到的人脸图像进行检测，检测通过后再进行人脸识别。比如，具体可以对该人脸图像的清晰度、亮度以及色偏进行检测，得到该人脸图像的质量信息。

其中，清晰度检测可以用梯度来表示，梯度越大，说明图像的边缘越清晰，反之则模糊，比如，用梯度平方和以及梯度绝对值之和用来衡量清晰度等。亮度检测可以通过计算亮度偏离均值(可认为是128)的均值和偏差，来可衡量图像亮度。当亮度出现异常时，图像亮度会偏离亮度均值128。色偏检测与亮度检测类似。

为了有效地保障该人脸识别的安全性，甄别欺诈行为，保障用户的利益，在进行图像质量检测之前可以先确认采集到的图像是否为真实的活体本人图像，而不是照片或者伪造人脸，比如，可以对采集的摄像头前的真人进行活体检测，或者检测采集到的人脸图像是否为活体人脸图像。例如，在“对该人脸图像的图像质量进行检测”，可以包括：

判断该人脸图像是否为活体人脸图像；

若该人脸图像为活体人脸图像，则执行对该人脸图像的图像质量进行检测的步骤；

若该人脸图像不为活体人脸图像，则在该终端生成人脸识别失败的信息。

103、若该人脸图像的质量信息满足预设质量条件，则从该终端中获取该类别标识对应类别的人脸样本特征集。

其中，该人脸样本特征集包括多个人脸样本特征，该人脸样本特征由人脸图像样本进行特征提取得到。

例如，为了提高人脸识别速度，可以将人脸识别算法、人脸数据库等提前存储在终端上，比如，具体可以从服务器中获取多个类别的人脸样本特征集以及对应的身份信息、类别标识；将该多个类别的人脸样本特征集以及对应的身份信息、类别标识进行保存。

其中，服务器中的多个类别的人脸样本特征集以及对应的身份信息、类别标识，具体可以通过获取多个类别的人脸图像样本集以及对应的身份信息、类别标识；对该人脸图像样本进行特征提取，得到人脸样本特征集；在该服务器中建立人脸数据库，将该人脸样本特征集以及对应的身份信息、类别标识存储于该人脸数据库；将该人脸数据库中的数据预存于该终端。然后，当该人脸图像的质量信息满足预设质量条件时，从该终端中获取该类别标识对应类别的人脸样本特征集。

其中，预设质量条件的设定方式可以有很多种，比如，可以根据实际应用的需求灵活设置，也可以预先设置好存储在终端中。此外，预设质量条件可以内置于终端中，或者，也可以保存在存储器中并发送给终端，等等。

为了提高人脸识别的安全性，可以对人脸特征样本进行加密传输和保存，比如，具体可以根据预设加密方式对该人脸特征样本集进行加密，得到加密后人脸特征样本集；将该加密后人脸特征样本集以及对应的身份信息、类别标识存储于该服务器的人脸数据库中。

则，将该人脸数据库中的数据预存于该终端，具体可以将该人脸数据库中的数据和该预设加密方式预存于该终端。

为了提高终端人脸识别的成功率和准确率，可以对终端中的数据更新，比如，可以设置从人脸数据库中获取数据的时间，根据设置的时间通过与人脸数据库连接获取最新的数据。比如，具体可以根据预设频率从该服务器中获取更新的数据；若在获取更新的数据时，该终端处于离线状态，则当该离线状态切换为在线状态时从该服务器中获取更新的数据，并对更新的数据进行保存。

其中，预设频率的设定方式可以有很多种，比如，可以根据实际应用的需求灵活设置，也可以预先设置好存储在终端中。此外，预设频率可以内置于终端中，或者，也可以保存在存储器中并发送给终端，等等。

104、对该人脸图像进行特征提取，并将提取到的人脸特征与该人脸样本特征集进行对比。

其中，特征是某一类对象区别于其他类对象的相应(本质)特点或特性，或是这些特点和特性的集合。特征是通过测量或处理能够抽取的数据。对于图像而言，每一幅图像都具有能够区别于其他类图像的自身特征，有些是可以直观地感受到的自然特征，如亮度、边缘、纹理和色彩等；有些则是需要通过变换或处理才能得到的，如矩、直方图以及主成份等。

其中，特征提取指的是从图像中提取有用的数据或信息，得到图像的“非图像”的表示或描述，如数值、向量和符号等，而提取出来的这些“非图像”的表示或描述就是特征。有了这些数值或向量形式的特征就可以通过训练过程教会计算机如何懂得这些特征，从而使计算机具有识别图像的本领。

其中，对人脸图像进行特征提取的方式可以有多种，例如，可以通过训练特征提取模型，利用该特征提取模型对人脸图像进行特征提取，计算提取到的人脸特征与人脸样本特征集之间的相似度，如通过计算提取到的人脸特征与人脸样本特征集之间的距离，等等。

其中，将提取到的人脸特征与该人脸样本特征集进行对比的方式可以有多种，例如，可以通过计算人脸特征与人脸样本特征集之间的相似度，如通过计算人脸特征与人脸样本特征集之间的距离，等等。

例如，具体可以对该人脸图像进行特征提取，并将提取到的人脸特征与该人脸样本特征集进行相似度计算；判断该人脸特征与该人脸样本特征集中的人脸样本特征的相似度是否满足预设阈值。

若该人脸特征与该人脸样本特征集中的人脸样本特征的相似度满足预设阈值，则执行步骤105。

若该人脸特征与该人脸样本特征集中的人脸样本特征的相似度不满足预设阈值，则判断该终端当前是否处于离线状态。

若该终端处于离线状态，则在该终端显示人脸识别失败的信息；

若该终端处于在线状态，则获取该终端当前网络信息，根据该当前网络信息从服务器拉取更新数据，并基于该更新数据对服务器中的人脸样本特征集进行更新，将该人脸特征与更新后人脸样本特征集中的人脸样本特征进行相似度计算，若该人脸特征与该更新后人脸样本特征集中的人脸样本特征的相似度不满足预设阈值，则在该终端生成人脸识别失败的信息。

其中，将提取到的人脸特征与该人脸样本特征集进行相似度计算的方式可以有多种，例如，具体可以将该提取到的人脸特征进行向量化，得到人脸特征向量；将该人脸样本特征集中的多个人脸样本特征进行向量化，得到多个人脸样本特征向量；计算该人脸特征向量和每个人脸样本特征向量的距离，得到该人脸特征与该人脸样本特征集中的每个人脸样本特征向量的相似度。

则，判断该人脸特征与该人脸样本特征集中的人脸样本特征的相似度是否满足预设阈值，具体可以获取该人脸特征与该人脸样本特征集中相似度最高的人脸样本特征；判断该人脸特征与该相似度最高的人脸样本特征的相似度是否满足预设阈值。

其中，预设阈值的设定方式可以有很多种，比如，可以根据实际应用的需求灵活设置，也可以预先设置好存储在终端中。此外，预设阈值可以内置于终端中，或者，也可以保存在存储器中并发送给终端，等等。

105、根据对比结果确定该待识别对象的身份。

例如，具体可以获取该人脸特征与该人脸样本特征集中相似度最高的且满足预设阈值的人脸样本特征，将该人脸样本特征对应的身份确定为待识别对象的身份。

为了提高人脸识别的准确率，终端可以保存每次进行人脸识别时的人脸图像，能够对一个用户的多张图像进行比对，比如，具体可以将确定身份的人脸图像以及对应的身份存储于该终端；根据预设周期将该确定身份的人脸图像以及对应的身份发送到与该终端连接的服务器，以便该服务器更新数据，并删除该确定身份的人脸图像。

其中，预设周期的设定方式可以有很多种，比如，可以根据实际应用的需求灵活设置，也可以预先设置好存储在终端中。此外，预设周期可以内置于终端中，或者，也可以保存在存储器中并发送给终端，等等。

进一步的，为了提高人脸识别的安全性，可以对人脸图像进行加密传输和保存，比如，具体可以根据预设加密方式对确定身份的人脸图像进行加密，得到加密后人脸图像；将该加密后人脸图像以及对应的身份存储于终端。

则，根据预设周期将该确定身份的人脸图像以及对应的身份发送到与该终端连接的服务器，并删除该确定身份的人脸图像，具体可以包括：根据预设周期将该加密后人脸图像以及对应的身份发送到与该终端连接的服务器，并删除该终端中的加密后人脸图像。

其中，预设加密方式的设定方式可以有很多种，比如，可以根据实际应用的需求灵活设置，也可以预先设置好存储在终端中。此外，预设加密方式可以内置于终端中，或者，也可以保存在存储器中并发送给终端，等等。

需要说明的是，为了提高人脸识别的安全性，上述方法中数据存储均保存在区块链中。其中，区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层。

区块链底层平台可以包括用户管理、基础服务、智能合约以及运营监控等处理模块。其中，用户管理模块负责所有区块链参与者的身份信息管理，包括维护公私钥生成(账户管理)、密钥管理以及用户真实身份和区块链地址对应关系维护(权限管理)等，并且在授权的情况下，监管和审计某些真实身份的交易情况，提供风险控制的规则配置(风控审计)；基础服务模块部署在所有区块链节点设备上，用来验证业务请求的有效性，并对有效请求完成共识后记录到存储上，对于一个新的业务请求，基础服务先对接口适配解析和鉴权处理(接口适配)，然后通过共识算法将业务信息加密(共识管理)，在加密之后完整一致的传输至共享账本上(网络通信)，并进行记录存储；智能合约模块负责合约的注册发行以及合约触发和合约执行，开发人员可以通过某种编程语言定义合约逻辑，发布到区块链上(合约注册)，根据合约条款的逻辑，调用密钥或者其它的事件触发执行，完成合约逻辑，同时还提供对合约升级注销的功能；运营监控模块主要负责产品发布过程中的部署、配置的修改、合约设置、云适配以及产品运行中的实时状态的可视化输出，例如：告警、监控网络情况、监控节点设备健康状态等。

平台产品服务层提供典型应用的基本能力和实现框架，开发人员可以基于这些基本能力，叠加业务的特性，完成业务逻辑的区块链实现。应用服务层提供基于区块链方案的应用服务给业务参与方进行使用。

由上可知，本实施例在检测到用户针对终端中人脸识别控件所触发的人脸识别请求时，根据该人脸识别请求采集待识别对象的人脸图像，该人脸识别请求携带类别标识，然后，对该人脸图像的图像质量进行检测，得到该人脸图像的质量信息，若该人脸图像的质量信息满足预设质量条件，则从该终端中获取该类别标识对应类别的人脸样本特征集，该人脸样本特征集包括多个人脸样本特征，该人脸样本特征由人脸图像样本进行特征提取得到，接着，对该人脸图像进行特征提取，并将提取到的人脸特征与该人脸样本特征集进行对比，再然后，根据对比结果确定该待识别对象的身份；由于该方案可以将人脸数据库等提前配置在终端上，在用户发送人脸识别请求时，终端可以不依靠外部网络，就能快速的对待识别对象进行人脸图像采集，并对采集到的人脸图像进行质量检测，以筛选出清晰的图像，再与终端上存储的人脸样本特征集进行比对，识别用户的身份，将待识别对象身份信息给到用户，提高了识别成功率，从而使得用户可以更快速地为待识别对象提供后续的服务，因此，可以有效地提高人脸识别的效率，且不受断网或者网络拥堵的影响。

根据上一个实施例所描述的方法，以下将举例作进一步详细说明。

在本实施例中，将以该人脸识别装置具体集成在终端，以人脸数据库具体为建立在服务器，具体应用在学校食堂为例进行说明。

如图2a所示，第一步，先进行人脸采集，具体可以通过人脸采集设备采集人脸图像样本，并将该采集到的人脸图像样本发送到服务器，利用人脸识别算法对该人脸图像样本进行特征提取，得到人脸样本特征，将人脸图像样本或者人脸样本特征存储于人脸数据库，并将人脸数据库中的数据发送给终端。第二步，在终端进行人脸识别，具体可以采集待识别对象的人脸图像，将该人脸图像与人脸数据库中的数据进行比对，若比对成功，则通过人脸识别，若比对失败，则人脸识别不通过，详细说明如下：

(一)首先，需要建立人脸数据库，具体可以如下：

如图2b所示，通过人脸采集设备或者终端采集多个类别(比如，A学校、B学校等类别的人脸图像样本集，或者某一学校类别还可以分学生子类别以及教职员工子类别等等)的人脸图像样本集以及对应的身份信息、类别标识，比如，可以通过摄像机拍照发送给服务器或者学生以及教职员工通过网络上传到服务器，等等。服务器对采集到的人脸图像样本进行特征提取，得到人脸样本特征集；在服务器中建立人脸数据库，将该人脸样本特征集以及对应的身份信息、类别标识存储于该人脸数据库，然后，将该人脸数据库中的数据通过校园局域网、移动网络预存于该终端或者直接拷贝到该终端。

其中，人脸数据库可以建立在服务器中，也可以建立在有服务器控制的存储器中，等等。

(二)对待识别对象进行人脸识别，具体可以参见图2c。

如图2c所示，一种人脸识别方法，具体流程可以如下：

201、在检测到用户针对终端中人脸识别控件所触发的人脸识别请求时，终端获取当前该终端的定位信息以及时间信息。

例如，用户具体可以触发终端中人脸识别控件，以发送人脸识别请求给终端，该人脸识别请求携带类别标识(比如，在学生食堂，需要进行学生人脸识别时，携带学生的类别标识)，终端在接收到人脸识别请求时，获取自身当前的定位信息以及时间信息，根据该定位信息和该时间信息判断当前该终端是否满足预设使用条件，比如，终端是否处于该学校范围内，是否在可使用时间(比如，可使用时间可以根据实际应用设置为06:00-23:00，等等)。如果该终端不在学校范围内，或者不在食堂正常使用的时间内，有可能被不法分子盗用，从而威胁到用户的财产安全。

若当前该终端满足预设使用条件，则执行步骤202；若当前该终端不满足预设使用条件，则生成该终端的异常报告，并将该异常报告发送到与该终端连接的服务器，结束此次人脸识别。

其中，预设使用条件的设定方式可以有很多种，比如，可以根据实际应用的需求灵活设置，也可以预先设置好存储在终端中。此外，预设使用条件可以内置于终端中，或者，也可以在服务器中设置后再发送给终端，等等。

202、终端根据该人脸识别请求采集待识别对象的人脸图像。

例如，终端具体可以根据该人脸识别请求启动自身的摄像头对摄像头前的学生进行拍摄，得到该待识别对象的人脸图像。采集到学生的人脸图像后，执行步骤203。

203、终端判断该人脸图像是否为活体人脸图像。

例如，为了有效地保障该人脸识别的安全性，甄别欺诈行为，保障用户的利益，终端可以检测采集到的人脸图像是否为活体人脸图像。比如，采集到的照片是否为打印出来的照片或者高仿的人脸，等等。若该人脸图像为活体人脸图像，则执行步骤204；若该人脸图像不为活体人脸图像，则人脸识别失败，在该终端显示人脸识别失败的信息，结束此次人脸识别。

204、终端对该人脸图像的图像质量进行检测，得到该人脸图像的质量信息。

例如，终端具体可以对该人脸图像的清晰度、亮度以及色偏进行检测，比如，拍摄到的照片是否模糊，失真等等，得到该人脸图像的质量信息，若该人脸图像的质量信息满足预设质量条件，则执行步骤205；若该人脸图像的质量信息不满足预设质量条件，则返回执行步骤202。

205、终端在该人脸图像的质量信息满足预设质量条件时，从自身存储器中获取该类别标识对应类别的人脸样本特征集。

比如，终端具体可以在该人脸图像的质量信息满足预设质量条件时，从自身存储器中获取学生类别的人脸样本特征集。

为了提高终端人脸识别的成功率和准确率，可以对终端中的数据更新，比如，终端具体可以根据预设频率从该服务器中获取更新的数据，如每隔24小时进行一次数据更新，这个频率可以根据实际情况设定。若在获取更新的数据时，该终端处于离线状态，则当该离线状态切换为在线状态时从该服务器中获取更新的数据，并对更新的数据进行保存。比如，在需要从服务器中获取更新的数据时，终端与服务器之间连接的网络断开了，则在检测到网络连接成功后，及时从该服务器中获取更新的数据。

其中，预设频率的设定方式可以有很多种，比如，可以根据实际应用的需求灵活设置，也可以预先设置好存储在终端中。此外，预设频率可以内置于终端中，或者，也可以保存在服务器中并发送给终端，等等。

206、终端对该人脸图像进行特征提取。

例如，终端具体可以利用存储在终端的特征提取模型对人脸图像进行特征提取。

207、终端将提取到的人脸特征与该人脸样本特征集进行对比。

例如，终端具体可以将提取到的人脸特征进行向量化，得到人脸特征向量；将该学校学生人脸样本特征集中的多个人脸样本特征进行向量化，得到多个人脸样本特征向量，也可以预先将人脸样本特征集中的所有人脸样本特征进行向量化，以提高识别效率。计算该人脸特征向量和每个人脸样本特征向量的距离，得到该人脸特征与该人脸样本特征集中的每个人脸样本特征向量的相似度。获取该人脸特征与该人脸样本特征集中相似度最高的人脸样本特征；判断该人脸特征与该相似度最高的人脸样本特征的相似度是否满足预设阈值。

若该人脸特征与该人脸样本特征集中的人脸样本特征的相似度满足预设阈值，则执行步骤208。

若该人脸特征与该人脸样本特征集中的人脸样本特征的相似度不满足预设阈值，则判断该终端当前是否处于离线状态。

若该终端处于离线状态，则人脸识别失败，在该终端生成人脸识别失败的信息；

若该终端处于在线状态，则获取该终端当前网络信息，根据该当前网络信息从服务器拉取更新数据，并基于该更新数据对服务器中的人脸样本特征集进行更新，将该人脸特征与更新后人脸样本特征集中的人脸样本特征进行相似度计算，若该人脸特征与该更新后人脸样本特征集中的人脸样本特征的相似度不满足预设阈值，则在该终端生成人脸识别失败的信息。

208、终端根据对比结果确定该待识别对象的身份。

例如，终端具体可以获取该人脸特征与该人脸样本特征集中相似度最高的且满足预设阈值的人脸样本特征，将该人脸样本特征对应的身份确定为该学生的身份。

为了提高人脸识别的准确率，终端还可以将确定身份的人脸图像以及对应的身份存储于终端的存储器中；根据预设周期将该确定身份的人脸图像以及对应的身份发送到与该终端连接的服务器，以便该服务器更新数据，并删除终端中该确定身份的人脸图像。

进一步的，为了提高人脸识别的安全性，终端具体可以根据预设加密方式对确定身份的人脸图像进行加密，得到加密后人脸图像；将该加密后人脸图像以及对应的身份存储于终端。然后，根据预设周期将该加密后人脸图像以及对应的身份发送到与该终端连接的服务器，并删除该终端中的加密后人脸图像。

其中，预设加密方式的设定方式可以有很多种，比如，可以根据实际应用的需求灵活设置，也可以预先设置好存储在终端中。此外，预设加密方式可以内置于终端中，或者，也可以保存在存储器中并发送给终端，等等。

由上可知，本实施例在检测到用户针对终端中人脸识别控件所触发的人脸识别请求时，根据该人脸识别请求采集待识别对象的人脸图像，该人脸识别请求携带类别标识，然后，对该人脸图像的图像质量进行检测，得到该人脸图像的质量信息，若该人脸图像的质量信息满足预设质量条件，则从该终端中获取该类别标识对应类别的人脸样本特征集，该人脸样本特征集包括多个人脸样本特征，该人脸样本特征由人脸图像样本进行特征提取得到，接着，对该人脸图像进行特征提取，并将提取到的人脸特征与该人脸样本特征集进行对比，再然后，根据对比结果确定该待识别对象的身份；由于该方案可以将人脸数据库等提前配置在终端上，在用户发送人脸识别请求时，终端可以不依靠外部网络，就能快速的对待识别对象进行人脸图像采集，并对采集到的人脸图像进行质量检测，以筛选出清晰的图像，再与终端上存储的人脸样本特征集进行比对，识别用户的身份，将待识别对象身份信息给到用户，提高了识别成功率，从而使得用户可以更快速地为待识别对象提供后续的服务，因此，可以有效地提高人脸识别的效率，且不受断网或者网络拥堵的影响。

为了更好地实施以上方法，相应的，本发明实施例还提供一种人脸识别装置，该人脸识别装置具体可以集成在终端中，该终端可以包括手机、平板电脑、笔记本电脑以及个人计算机等可以实现人脸识别的设备。

例如，如图3所示，该人脸识别装置可以包括采集单元301、质量检测单元302、获取单元303和对比单元304，如下：

(1)采集单元301；

采集单元301，用于在检测到用户针对终端中人脸识别控件所触发的人脸识别请求时，根据该人脸识别请求采集待识别对象的人脸图像。

可选的，为了提高终端使用的安全性，在一些实施例中，该可选的，在一些实施例中，该人脸识别装置还可以包括判断单元，如下：

判断单元，用于获取当前该终端的定位信息以及时间信息；根据该定位信息和该时间信息判断当前该终端是否满足使用条件；

则采集单元，具体用于若当前该终端满足使用条件，则根据该人脸识别请求采集待识别对象的人脸图像；若当前该终端不满足使用条件，则生成该终端的异常报告，并将该异常报告发送到与该终端连接的服务器。

其中，预设使用条件的设定方式可以有很多种，比如，可以根据实际应用的需求灵活设置，也可以预先设置好存储在终端中。此外，预设使用条件可以内置于终端中，或者，也可以保存在存储器中并发送给终端，等等。

(2)质量检测单元302；

质量检测单元302，用于对该人脸图像的图像质量进行检测，得到该人脸图像的质量信息。

例如，质量检测单元302，具体可以用于对该人脸图像的清晰度、亮度以及色偏进行检测，得到该人脸图像的质量信息。

可选的，为了有效地保障该人脸识别的安全性，甄别欺诈行为，保障用户的利益，在一些实施例中，该人脸识别装置还可以包括活体检测单元，如下：

活体检测单元，具体用于判断该人脸图像是否为活体人脸图像；若该人脸图像为活体人脸图像，则执行对该人脸图像的图像质量进行检测的步骤；若该人脸图像不为活体人脸图像，则在该终端生成人脸识别失败的信息。

(3)获取单元303；

获取单元303，用于若该人脸图像的质量信息满足预设质量条件，则从该终端中获取该类别标识对应类别的人脸样本特征集。

其中，预设质量条件的设定方式可以有很多种，比如，可以根据实际应用的需求灵活设置，也可以预先设置好存储在终端中。此外，预设质量条件可以内置于终端中，或者，也可以保存在存储器中并发送给终端，等等。

可选的，在一些实施例中，为了提高人脸识别速度，可以将人脸识别算法、人脸数据库等提前存储在终端上，则该人脸识别装置还可以包括第一存储单元，如下：

第一存储单元，用于从服务器中获取多个类别的人脸样本特征集以及对应的身份信息、类别标识；将该多个类别的人脸样本特征集以及对应的身份信息、类别标识进行保存。

其中，服务器中的多个类别的人脸样本特征集以及对应的身份信息、类别标识，具体可以通过获取多个类别的人脸图像样本集以及对应的身份信息、类别标识；对该人脸图像样本进行特征提取，得到人脸样本特征集；在该服务器中建立人脸数据库，将该人脸样本特征集以及对应的身份信息、类别标识存储于该人脸数据库；将该人脸数据库中的数据预存于该终端。然后，当该人脸图像的质量信息满足预设质量条件时，从该终端中获取该类别标识对应类别的人脸样本特征集。

可选的，为了提高人脸识别的安全性，在一些实施例中，具体还可以用于根据预设加密方式对该人脸特征样本集进行加密，得到加密后人脸特征样本集；将该加密后人脸特征样本集以及对应的身份信息、类别标识存储于该服务器中的人脸数据库。将该人脸数据库中的数据预存于该终端，具体可以用于将该人脸数据库中的数据和该预设加密方式预存于该终端。

可选的，在一些实施例中，该人脸识别装置还可以包括更新单元，如下：

更新单元，用于根据预设频率从该服务器中获取更新的数据；若在获取更新的数据时，该终端处于离线状态，则当该离线状态切换为在线状态时从该服务器中获取更新的数据，并对更新的数据进行保存。

其中，预设时间的设定方式可以有很多种，比如，可以根据实际应用的需求灵活设置，也可以预先设置好存储在终端中。此外，预设时间可以内置于终端中，或者，也可以保存在存储器中并发送给终端，等等。

(4)对比单元304；

对比单元304，用于对该人脸图像进行特征提取，并将提取到的人脸特征与该人脸样本特征集进行对比，根据对比结果确定该待识别对象的身份。

可选的，在一些实施例中，该对比单元可以包括计算子单元和确定子单元，如下：

计算子单元，用于将提取到的人脸特征与该人脸样本特征集进行相似度计算；

确定子单元，用于若该人脸特征与该人脸样本特征集中的人脸样本特征的相似度满足预设阈值，则根据对比结果确定该待识别对象的身份。

可选的，在一些实施例中，计算子单元，具体可以用于将提取到的人脸特征进行向量化，得到人脸特征向量；将该人脸样本特征集中的多个人脸样本特征进行向量化，得到多个人脸样本特征向量；计算该人脸特征向量和每个人脸样本特征向量的距离，得到该人脸特征与该人脸样本特征集中的每个人脸样本特征向量的相似度。

可选的，在一些实施例中，确定子单元，具体可以用于获取该人脸特征与该人脸样本特征集中相似度最高的人脸样本特征；判断该人脸特征与该相似度最高的人脸样本特征的相似度是否满足预设阈值；若该人脸特征与该相似度最高的人脸样本特征的相似度满足预设阈值，则根据对比结果确定该待识别对象的身份。

其中，根据对比结果确定该待识别对象的身份，具体可以获取该人脸特征与该人脸样本特征集中相似度最高的且满足预设阈值的人脸样本特征，将该人脸样本特征对应的身份确定为待识别对象的身份。

其中，预设阈值的设定方式可以有很多种，比如，可以根据实际应用的需求灵活设置，也可以预先设置好存储在终端中。此外，预设阈值可以内置于终端中，或者，也可以保存在存储器中并发送给终端，等等。

可选的，在一些实施例中，该对比单元还可以包括网络判断子单元，如下：

网络判断子单元，具体用于若该人脸特征与该人脸样本特征集中的人脸样本特征的相似度不满足预设阈值，则判断该终端当前是否处于离线状态；若该终端处于离线状态，则在该终端生成人脸识别失败的信息；若该终端处于在线状态，则获取该终端当前网络信息，根据该当前网络信息从服务器拉取更新数据，并基于该更新数据对服务器中的人脸样本特征集进行更新，将该人脸特征与更新后人脸样本特征集中的人脸样本特征进行相似度计算，若该人脸特征与该更新后人脸样本特征集中的人脸样本特征的相似度不满足预设阈值，则在该终端生成人脸识别失败的信息。

可选的，为了提高人脸识别的准确率，在一些实施例中，该人脸识别装置还包括第二存储单元，如下：

第二存储单元，用于将确定身份的人脸图像以及对应的身份进行保存；根据预设周期将该确定身份的人脸图像以及对应的身份发送到服务器，以便该服务器更新数据，并删除该确定身份的人脸图像。

可选的，为了提高人脸识别的安全性，在一些实施例中，该第二存储单元，具体可以用于根据预设加密方式对确定身份的人脸图像进行加密，得到加密后人脸图像；将该加密后人脸图像以及对应的身份存储于终端；根据预设周期将该加密后人脸图像以及对应的身份发送到与该终端连接的服务器，并删除该终端中的加密后人脸图像。

其中，预设加密方式的设定方式可以有很多种，比如，可以根据实际应用的需求灵活设置，也可以预先设置好存储在终端中。此外，预设加密方式可以内置于终端中，或者，也可以保存在存储器中并发送给终端，等等。

具体实施时，以上各个单元可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个单元的具体实施可参见前面的方法实施例，在此不再赘述。

由上可知，本实施例中采集单元301在检测到用户针对终端中人脸识别控件所触发的人脸识别请求时，根据该人脸识别请求采集待识别对象的人脸图像，该人脸识别请求携带类别标识，然后，质量检测单元302对该人脸图像的图像质量进行检测，得到该人脸图像的质量信息，若该人脸图像的质量信息满足预设质量条件，则获取单元303从该终端中获取该类别标识对应类别的人脸样本特征集，该人脸样本特征集包括多个人脸样本特征，该人脸样本特征由人脸图像样本进行特征提取得到，接着，对比单元304对该人脸图像进行特征提取，并将提取到的人脸特征与该人脸样本特征集进行对比，根据对比结果确定该待识别对象的身份；由于该方案可以将人脸数据库等提前配置在终端上，在用户发送人脸识别请求时，终端可以不依靠外部网络，就能快速的对待识别对象进行人脸图像采集，并对采集到的人脸图像进行质量检测，以筛选出清晰的图像，再与终端上存储的人脸样本特征集进行比对，识别用户的身份，将待识别对象身份信息给到用户，提高了识别成功率，从而使得用户可以更快速地为待识别对象提供后续的服务，因此，可以有效地提高人脸识别的效率，且不受断网或者网络拥堵的影响。

此外，本发明实施例还提供一种终端，如图4所示，其示出了本发明实施例所涉及的终端的结构示意图，具体来讲：

该终端可以包括一个或者一个以上处理核心的处理器401、一个或一个以上计算机可读存储介质的存储器402、电源403和输入单元404等部件。本领域技术人员可以理解，图4中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：

处理器401是该终端的控制中心，利用各种接口和线路连接整个终端的各个部分，通过运行或执行存储在存储器402内的软件程序和/或模块，以及调用存储在存储器402内的数据，执行终端的各种功能和处理数据，从而对终端进行整体监控。可选的，处理器401可包括一个或多个处理核心；优选的，处理器401可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器401中。

存储器402可用于存储软件程序以及模块，处理器401通过运行存储在存储器402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。存储器402可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器402可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器402还可以包括存储器控制器，以提供处理器401对存储器402的访问。

终端还包括给各个部件供电的电源403，优选的，电源403可以通过电源管理系统与处理器401逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源403还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。

该终端还可包括输入单元404，该输入单元404可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。

尽管未示出，终端还可以包括显示单元等，在此不再赘述。具体在本实施例中，终端中的处理器401会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器402中，并由处理器401来运行存储在存储器402中的应用程序，从而实现各种功能，如下：

在检测到用户针对终端中人脸识别控件所触发的人脸识别请求时，根据该人脸识别请求采集待识别对象的人脸图像，该人脸识别请求携带类别标识，然后，对该人脸图像的图像质量进行检测，得到该人脸图像的质量信息，若该人脸图像的质量信息满足预设质量条件，则从该终端中获取该类别标识对应类别的人脸样本特征集，该人脸样本特征集包括多个人脸样本特征，该人脸样本特征由人脸图像样本进行特征提取得到，接着，对该人脸图像进行特征提取，并将提取到的人脸特征与该人脸样本特征集进行对比，再然后，根据对比结果确定该待识别对象的身份。

以上各个操作的具体实施可参见前面的实施例，在此不再赘述。

由上可知，本实施例在检测到用户针对终端中人脸识别控件所触发的人脸识别请求时，根据该人脸识别请求采集待识别对象的人脸图像，该人脸识别请求携带类别标识，然后，对该人脸图像的图像质量进行检测，得到该人脸图像的质量信息，若该人脸图像的质量信息满足预设质量条件，则从该终端中获取该类别标识对应类别的人脸样本特征集，该人脸样本特征集包括多个人脸样本特征，该人脸样本特征由人脸图像样本进行特征提取得到，接着，对该人脸图像进行特征提取，并将提取到的人脸特征与该人脸样本特征集进行对比，再然后，根据对比结果确定该待识别对象的身份；由于该方案可以将人脸数据库等提前配置在终端上，在用户发送人脸识别请求时，终端可以不依靠外部网络，就能快速的对待识别对象进行人脸图像采集，并对采集到的人脸图像进行质量检测，以筛选出清晰的图像，再与终端上存储的人脸样本特征集进行比对，识别用户的身份，将待识别对象身份信息给到用户，提高了识别成功率，从而使得用户可以更快速地为待识别对象提供后续的服务，因此，可以有效地提高人脸识别的效率，且不受断网或者网络拥堵的影响。

本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。

为此，本发明实施例还提供一种计算机可读存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本发明实施例所提供的任一种人脸识别方法中的步骤。例如，该指令可以执行如下步骤：

在检测到用户针对终端中人脸识别控件所触发的人脸识别请求时，根据该人脸识别请求采集待识别对象的人脸图像，该人脸识别请求携带类别标识，然后，对该人脸图像的图像质量进行检测，得到该人脸图像的质量信息，若该人脸图像的质量信息满足预设质量条件，则从该终端中获取该类别标识对应类别的人脸样本特征集，该人脸样本特征集包括多个人脸样本特征，该人脸样本特征由人脸图像样本进行特征提取得到，接着，对该人脸图像进行特征提取，并将提取到的人脸特征与该人脸样本特征集进行对比，再然后，根据对比结果确定该待识别对象的身份。

以上各个操作的具体实施可参见前面的实施例，在此不再赘述。

其中，该计算机可读存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、磁盘或光盘等。

由于该计算机可读存储介质中所存储的指令，可以执行本发明实施例所提供的任一种人脸识别方法中的步骤，因此，可以实现本发明实施例所提供的任一种人脸识别方法所能实现的有益效果，详见前面的实施例，在此不再赘述。

以上对本发明实施例所提供的一种人脸识别方法、装置和计算机可读存储介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (14)

1.一种人脸识别方法，其特征在于，包括：

在检测到用户针对终端中人脸识别控件所触发的人脸识别请求时，终端获取当前所述终端的定位信息以及时间信息，终端根据所述定位信息和所述时间信息判断当前所述终端是否满足预设使用条件，若当前所述终端满足预设使用条件，则根据所述人脸识别请求采集待识别对象的人脸图像，所述人脸识别请求携带类别标识，所述类别标识根据人脸识别的应用场景进行设置；

对所述人脸图像的图像质量进行检测，得到所述人脸图像的质量信息；

若所述人脸图像的质量信息满足预设质量条件，则从所述终端中获取所述类别标识对应类别的人脸样本特征集，所述人脸样本特征集包括多个人脸样本特征，所述人脸样本特征由人脸图像样本进行特征提取得到；

将提取到的人脸特征与所述人脸样本特征集进行相似度计算；

若所述人脸特征与所述人脸样本特征集中的人脸样本特征的相似度满足预设阈值，则根据对比结果确定所述待识别对象的身份；

若所述人脸特征与所述人脸样本特征集中的人脸样本特征的相似度不满足预设阈值，则判断所述终端当前是否处于离线状态；

若所述终端处于离线状态，则在所述终端生成人脸识别失败的信息；

若所述终端处于在线状态，则获取所述终端当前网络信息，根据所述当前网络信息从服务器拉取更新数据，并基于所述更新数据对服务器中的人脸样本特征集进行更新，将所述人脸特征与更新后人脸样本特征集中的人脸样本特征进行相似度计算，若所述人脸特征与所述更新后人脸样本特征集中的人脸样本特征的相似度不满足预设阈值，则在所述终端生成人脸识别失败的信息；

根据预设加密方式对确定身份的人脸图像进行加密，得到加密后人脸图像；将所述加密后人脸图像以及对应的身份存储于终端；

若当前所述终端不满足预设使用条件，则生成所述终端的异常报告。

2.根据权利要求1所述的方法，其特征在于，所述从所述终端中获取所述类别标识对应类别的人脸样本特征集之前，包括：

从服务器中获取多个类别的人脸样本特征集以及对应的身份信息、类别标识；

将所述多个类别的人脸样本特征集以及对应的身份信息、类别标识进行保存。

3.根据权利要求2所述的方法，其特征在于，还包括：

根据预设频率从所述服务器中获取更新的数据；

若在获取更新的数据时，所述终端处于离线状态，则当所述离线状态切换为在线状态时从所述服务器中获取更新的数据，并对更新的数据进行保存。

4.根据权利要求1所述的方法，其特征在于，所述将提取到的人脸特征与所述人脸样本特征集进行相似度计算，包括：

将提取到的人脸特征进行向量化，得到人脸特征向量；

将所述人脸样本特征集中的多个人脸样本特征进行向量化，得到多个人脸样本特征向量；

计算所述人脸特征向量和每个人脸样本特征向量的距离，得到所述人脸特征与所述人脸样本特征集中的每个人脸样本特征向量的相似度。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述对所述人脸图像的图像质量进行检测之前，还包括：

判断所述人脸图像是否为活体人脸图像；

若所述人脸图像为活体人脸图像，则执行对所述人脸图像的图像质量进行检测的步骤；

若所述人脸图像不为活体人脸图像，则在所述终端生成人脸识别失败的信息。

6.根据权利要求1至4任一项所述的方法，其特征在于，所述对所述人脸图像的图像质量进行检测，得到所述人脸图像的质量信息，包括：

对所述人脸图像的清晰度、亮度以及色偏进行检测，得到所述人脸图像的质量信息。

7.根据权利要求1至4任一项所述的方法，其特征在于，所述根据对比结果确定所述人脸图像对应的身份之后，还包括：

将确定身份的人脸图像以及对应的身份存储于所述终端；

根据预设周期将所述确定身份的人脸图像以及对应的身份发送到服务器，以便所述服务器更新数据。

8.根据权利要求7所述的方法，其特征在于，所述将确定身份的人脸图像以及对应的身份存储于所述终端，包括：

根据预设加密方式对确定身份的人脸图像进行加密，得到加密后人脸图像；

将所述加密后人脸图像以及对应的身份存储于终端；

所述根据预设周期将所述确定身份的人脸图像以及对应的身份发送到与所述终端连接的服务器，包括：根据预设周期将所述加密后人脸图像以及对应的身份发送到与所述终端连接的服务器。

9.根据权利要求1至4中任一项所述的方法，其特征在于，所述人脸样本特征集和所述人脸图像保存在区块链中。

10.一种人脸识别装置，其特征在于，包括：

采集单元，用于在检测到用户针对终端中人脸识别控件所触发的人脸识别请求时，终端获取当前所述终端的定位信息以及时间信息，终端根据所述定位信息和所述时间信息判断当前所述终端是否满足预设使用条件，若当前所述终端满足预设使用条件，则根据所述人脸识别请求采集待识别对象的人脸图像，所述人脸识别请求携带类别标识，所述类别标识根据人脸识别的应用场景进行设置；

质量检测单元，用于对所述人脸图像的图像质量进行检测，得到所述人脸图像的质量信息；

获取单元，用于若所述人脸图像的质量信息满足预设质量条件，则从所述终端中获取所述类别标识对应类别的人脸样本特征集，所述人脸样本特征集包括多个人脸样本特征，所述人脸样本特征由人脸图像样本进行特征提取得到；

对比单元包括计算子单元、确定子单元和网络判断子单元，如下：

计算子单元，用于将提取到的人脸特征与所述人脸样本特征集进行相似度计算；

确定子单元，用于若所述人脸特征与所述人脸样本特征集中的人脸样本特征的相似度满足预设阈值，则根据对比结果确定所述待识别对象的身份；

网络判断子单元，用于若所述人脸特征与所述人脸样本特征集中的人脸样本特征的相似度不满足预设阈值，则判断所述终端当前是否处于离线状态；若所述终端处于离线状态，则在所述终端生成人脸识别失败的信息；若所述终端处于在线状态，则获取所述终端当前网络信息，根据所述当前网络信息从服务器拉取更新数据，并基于所述更新数据对服务器中的人脸样本特征集进行更新，将所述人脸特征与更新后人脸样本特征集中的人脸样本特征进行相似度计算，若所述人脸特征与所述更新后人脸样本特征集中的人脸样本特征的相似度不满足预设阈值，则在所述终端生成人脸识别失败的信息；

第二存储单元，用于根据预设加密方式对确定身份的人脸图像进行加密，得到加密后人脸图像；将所述加密后人脸图像以及对应的身份存储于终端；

采集单元，用于若当前所述终端不满足预设使用条件，则生成所述终端的异常报告。

11.根据权利要求10所述的装置，其特征在于，所述人脸识别装置还包括第一存储单元；

所述第一存储单元，用于从服务器中获取多个类别的人脸样本特征集以及对应的身份信息、类别标识；将所述多个类别的人脸样本特征集以及对应的身份信息、类别标识进行保存。

12.根据权利要求10所述的装置，其特征在于，所述人脸识别装置还包括更新单元；

所述更新单元，用于根据预设频率从所述服务器中获取更新的数据；若在获取更新的数据时，所述终端处于离线状态，则当所述离线状态切换为在线状态时从所述服务器中获取更新的数据，并对更新的数据进行保存。

13.根据权利要求10所述的装置，其特征在于，所述人脸识别装置还包括活体检测单元；

所述活体检测单元，具体用于判断所述人脸图像是否为活体人脸图像；若所述人脸图像为活体人脸图像，则执行对所述人脸图像的图像质量进行检测的步骤；若所述人脸图像不为活体人脸图像，则在所述终端生成人脸识别失败的信息。

14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有多条指令，所述指令适于处理器进行加载，以执行权利要求1至9任一项所述的人脸识别方法中的步骤。

Images