CN110532957A - 人脸识别方法及装置、电子设备和存储介质 - Google Patents

Abstract

本公开涉及一种人脸识别方法及装置、电子设备和存储介质。所述人脸识别方法包括：响应于人脸识别请求，采集第一图像和第二图像；确定所述第一图像中的人脸区域与所述第二图像中的人脸区域的交集区域，以及所述第一图像中的人脸区域与所述第二图像中的人脸区域的并集区域；根据所述交集区域的面积与所述并集区域的面积的比值，对所述第一图像和所述第二图像进行活体检测，确定所述第一图像和所述第二图像对应的活体检测结果；至少根据所述第一图像和所述第二图像对应的活体检测结果，确定人脸识别结果。本公开实施例能够提高人脸识别的准确性和安全性。

Description

人脸识别方法及装置、电子设备和存储介质

技术领域

本公开涉及计算机视觉技术领域，尤其涉及一种人脸识别方法及装置、电子设备和存储介质。

背景技术

目前，人脸识别技术已广泛应用于人脸解锁和人脸支付等场景中。然而，人脸识别存在容易被人脸的实体照片、人脸的电子照片或者包含人脸的视频等形式的假体人脸攻击的风险。如何提高人脸识别的准确性和安全性，是亟待解决的问题。

发明内容

本公开提出了一种人脸识别技术方案。

根据本公开的一方面，提供了一种人脸识别方法，包括：

响应于人脸识别请求，采集第一图像和第二图像；

确定所述第一图像中的人脸区域与所述第二图像中的人脸区域的交集区域，以及所述第一图像中的人脸区域与所述第二图像中的人脸区域的并集区域；

根据所述交集区域的面积与所述并集区域的面积的比值，对所述第一图像和所述第二图像进行活体检测，确定所述第一图像和所述第二图像对应的活体检测结果；

至少根据所述第一图像和所述第二图像对应的活体检测结果，确定人脸识别结果。

在一种可能的实现方式中，所述采集第一图像和第二图像，包括：

通过红外双目摄像头采集第一图像和第二图像，其中，所述第一图像和所述第二图像均为红外图像。

在一种可能的实现方式中，所述根据所述交集区域的面积与所述并集区域的面积的比值，对所述第一图像和所述第二图像进行活体检测，确定所述第一图像和所述第二图像对应的活体检测结果，包括：

若所述交集区域的面积与所述并集区域的面积的比值大于或等于第一阈值，则提取所述第一图像的活体特征和所述第二图像的活体特征中的至少之一；

根据所述第一图像的活体特征和所述第二图像的活体特征中的至少之一，确定所述第一图像和所述第二图像对应的活体检测结果。

在一种可能的实现方式中，所述根据所述交集区域的面积与所述并集区域的面积的比值，对所述第一图像和所述第二图像进行活体检测，确定所述第一图像和所述第二图像对应的活体检测结果，包括：

若所述交集区域的面积与所述并集区域的面积的比值小于第一阈值，则确定所述第一图像和所述第二图像对应的活体检测结果为非活体。

在一种可能的实现方式中，所述至少根据所述第一图像和所述第二图像对应的活体检测结果，确定人脸识别结果，包括：

若所述第一图像和所述第二图像对应的活体检测结果为非活体，则确定人脸识别结果为人脸识别不通过。

在一种可能的实现方式中，所述至少根据所述第一图像和所述第二图像对应的活体检测结果，确定人脸识别结果，包括：

若根据所述第一图像和所述第二图像对应的活体检测结果，判定活体检测通过，则将所述第一图像和所述第二图像中的至少之一与具有权限的人脸图像进行人脸比对，确定人脸识别结果。

在一种可能的实现方式中，在所述确定所述第一图像和所述第二图像对应的活体检测结果之后，在所述将所述第一图像和所述第二图像中的至少之一与具有权限的人脸图像进行人脸比对之前，还包括：

若所述第一图像和所述第二图像对应的活体检测结果为活体，则确定活体检测结果为活体的连续次数；

若活体检测结果为活体的连续次数达到第二阈值，则判定活体检测通过。

在一种可能的实现方式中，所述第二阈值根据在当前对所述第一图像和所述第二图像进行活体检测之前的多次活体检测中，活体检测结果为非活体的次数确定。

在一种可能的实现方式中，所述第二阈值与所述活体检测结果为非活体的次数正相关。

在一种可能的实现方式中，在所述采集第一图像和第二图像之后，在所述对所述第一图像和所述第二图像进行活体检测之前，还包括：

确定所述第一图像和所述第二图像中的至少之一的亮度值；

在所述亮度值不满足亮度条件的情况下，调节采集所述第一图像和所述第二图像的摄像头的亮度参数，并通过调节所述亮度参数之后的摄像头重新采集所述第一图像和所述第二图像。

在一种可能的实现方式中，在所述采集第一图像和第二图像之后，在所述对所述第一图像和所述第二图像进行活体检测之前，还包括：

确定所述第一图像和所述第二图像中的至少之一的遮挡比例，其中，所述遮挡比例表示图像中人脸被遮挡的比例；

若所述遮挡比例大于或等于第三阈值，则重新采集所述第一图像和所述第二图像。

在一种可能的实现方式中，在所述采集第一图像和第二图像之后，在所述对所述第一图像和所述第二图像进行活体检测之前，还包括：

确定所述第一图像和所述第二图像中的至少之一的人脸角度；

若所述人脸角度大于或等于第四阈值，则重新采集所述第一图像和所述第二图像。

在一种可能的实现方式中，在所述确定所述第一图像和所述第二图像中的至少之一的人脸角度之后，还包括：

若所述人脸角度大于或等于第四阈值，则发出提醒用户调整脸部角度的信息。

根据本公开的一方面，提供了一种人脸识别装置，包括：

采集模块，用于响应于人脸识别请求，采集第一图像和第二图像；

第一确定模块，用于确定所述第一图像中的人脸区域与所述第二图像中的人脸区域的交集区域，以及所述第一图像中的人脸区域与所述第二图像中的人脸区域的并集区域；

活体检测模块，用于根据所述交集区域的面积与所述并集区域的面积的比值，对所述第一图像和所述第二图像进行活体检测，确定所述第一图像和所述第二图像对应的活体检测结果；

第二确定模块，用于至少根据所述第一图像和所述第二图像对应的活体检测结果，确定人脸识别结果。

在一种可能的实现方式中，所述采集模块用于：

通过红外双目摄像头采集第一图像和第二图像，其中，所述第一图像和所述第二图像均为红外图像。

在一种可能的实现方式中，所述活体检测模块包括：

提取子模块，用于若所述交集区域的面积与所述并集区域的面积的比值大于或等于第一阈值，则提取所述第一图像的活体特征和所述第二图像的活体特征中的至少之一；

确定子模块，用于根据所述第一图像的活体特征和所述第二图像的活体特征中的至少之一，确定所述第一图像和所述第二图像对应的活体检测结果。

在一种可能的实现方式中，所述活体检测模块用于：

若所述交集区域的面积与所述并集区域的面积的比值小于第一阈值，则确定所述第一图像和所述第二图像对应的活体检测结果为非活体。

在一种可能的实现方式中，所述第二确定模块用于：

若所述第一图像和所述第二图像对应的活体检测结果为非活体，则确定人脸识别结果为人脸识别不通过。

在一种可能的实现方式中，所述第二确定模块用于：

若根据所述第一图像和所述第二图像对应的活体检测结果，判定活体检测通过，则将所述第一图像和所述第二图像中的至少之一与具有权限的人脸图像进行人脸比对，确定人脸识别结果。

在一种可能的实现方式中，还包括：

第三确定模块，用于若所述第一图像和所述第二图像对应的活体检测结果为活体，则确定活体检测结果为活体的连续次数；

判定模块，用于若活体检测结果为活体的连续次数达到第二阈值，则判定活体检测通过。

在一种可能的实现方式中，所述第二阈值根据在当前对所述第一图像和所述第二图像进行活体检测之前的多次活体检测中，活体检测结果为非活体的次数确定。

在一种可能的实现方式中，所述第二阈值与所述活体检测结果为非活体的次数正相关。

在一种可能的实现方式中，还包括：

第四确定模块，用于确定所述第一图像和所述第二图像中的至少之一的亮度值；

所述采集模块，还用于在所述亮度值不满足亮度条件的情况下，调节采集所述第一图像和所述第二图像的摄像头的亮度参数，并通过调节所述亮度参数之后的摄像头重新采集所述第一图像和所述第二图像。

在一种可能的实现方式中，还包括：

第五确定模块，用于确定所述第一图像和所述第二图像中的至少之一的遮挡比例，其中，所述遮挡比例表示图像中人脸被遮挡的比例；

所述采集模块，还用于若所述遮挡比例大于或等于第三阈值，则重新采集所述第一图像和所述第二图像。

在一种可能的实现方式中，还包括：

第六确定模块，用于确定所述第一图像和所述第二图像中的至少之一的人脸角度；

所述采集模块，还用于若所述人脸角度大于或等于第四阈值，则重新采集所述第一图像和所述第二图像。

在一种可能的实现方式中，还包括：

提醒模块，用于若所述人脸角度大于或等于第四阈值，则发出提醒用户调整脸部角度的信息。

根据本公开的另一方面，提供了一种电子设备，包括：

一个或多个处理器；

与所述一个或多个处理器关联的存储器，所述存储器用于存储可执行指令，所述可执行指令在被所述一个或多个处理器读取执行时，执行上述人脸识别方法。

根据本公开的另一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述人脸识别方法。

在本公开实施例中，通过响应于人脸识别请求，采集第一图像和第二图像，确定所述第一图像中的人脸区域与所述第二图像中的人脸区域的交集区域，以及所述第一图像中的人脸区域与所述第二图像中的人脸区域的并集区域，根据所述交集区域的面积与所述并集区域的面积的比值，对所述第一图像和所述第二图像进行活体检测，确定所述第一图像和所述第二图像对应的活体检测结果，并至少根据所述第一图像和所述第二图像对应的活体检测结果，确定人脸识别结果，由此能够提高人脸识别的准确性和安全性。

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，而非限制本公开。

根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。

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，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。

图1示出本公开实施例提供的人脸识别方法的流程图。

图2示出本公开实施例提供的人脸识别装置的框图。

图3示出本公开实施例提供的一种电子设备800的框图。

图4示出本公开实施例提供的一种电子设备1900的框图。

具体实施方式

以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。

另外，为了更好地说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。

如上所述，在相关技术中，人脸识别存在容易被人脸的实体照片、人脸的电子照片或者包含人脸的视频等形式的假体人脸攻击的风险。

为了解决类似于上文所述的技术问题，本公开实施例提供了一种人脸识别方法，通过响应于人脸识别请求，采集第一图像和第二图像，确定所述第一图像中的人脸区域与所述第二图像中的人脸区域的交集区域，以及所述第一图像中的人脸区域与所述第二图像中的人脸区域的并集区域，根据所述交集区域的面积与所述并集区域的面积的比值，对所述第一图像和所述第二图像进行活体检测，确定所述第一图像和所述第二图像对应的活体检测结果，并至少根据所述第一图像和所述第二图像对应的活体检测结果，确定人脸识别结果，由此能够提高人脸识别的准确性和安全性。

图1示出本公开实施例提供的人脸识别方法的流程图。所述人脸识别方法的执行主体可以是人脸识别装置。例如，所述人脸识别装置可以应用于IoT(Internet of Things，物联网)设备、智能门锁、人脸支付硬件或者机器人等中。在一些可能的实现方式中，所述人脸识别方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。如图1所示，所述人脸识别方法包括步骤S11至步骤S14。

在步骤S11中，响应于人脸识别请求，采集第一图像和第二图像。

在本公开实施例中，人脸识别请求可以是电子设备解锁(例如智能手机解锁)、开门或者支付等对应的人脸识别请求。

在一种可能的实现方式中，人脸识别请求可以用于请求进行活体检测。在该实现方式中，可以直接将活体检测结果作为人脸识别结果。例如，若活体检测结果为非活体，则人脸识别结果可以为人脸识别不通过；若活体结果为活体，则人脸识别结果可以为人脸识别通过。

在另一种可能的实现方式中，人脸识别请求可以用于请求进行活体检测和人脸比对。在该实现方式中，可以结合活体检测结果和人脸比对结果确定人脸识别结果，当然，也可以在确定活体检测结果为非活体后，直接确定人脸识别结果为人脸识别不通过。在其他可能的实现方式中，人脸识别请求还可以用于请求进行其他关于识别人脸属性的处理，在此不做限定。

在一种可能的实现方式中，所述采集第一图像和第二图像，包括：通过红外双目摄像头采集第一图像和第二图像，其中，所述第一图像和所述第二图像均为红外图像。在该实现方式中，第一图像和第二图像为所述红外双目摄像头在同一时刻采集的两张图像。在该实现方式中，无需自然光，对环境要求低，即使在光照条件较差的情况下也能获得较好的人脸识别效果。

在其他可能的实现方式中，可以采用其他类型的摄像头或传感器采集第一图像和第二图像，第一图像和第二图像可以为其他类型的图像。例如，第一图像为红外图像，第二图像为深度图；又如，第一图像为红外图像，第二图像为可见光图；又如，第一图像为可见光图，第二图像为深度图。

在一种可能的实现方式中，在所述采集第一图像和第二图像之后，在所述对所述第一图像和所述第二图像进行活体检测之前，还包括：确定所述第一图像和所述第二图像中的至少之一的亮度值；在所述亮度值不满足亮度条件的情况下，调节采集所述第一图像和所述第二图像的摄像头的亮度参数，并通过调节所述亮度参数之后的摄像头重新采集所述第一图像和所述第二图像。

在该实现方式中，摄像头的亮度参数可以包括摄像头的曝光量和增益中的一项或两项。

在该实现方式中，例如，亮度条件为“亮度值大于或等于第五阈值”且“亮度值小于或等于第六阈值”，其中，第六阈值大于第五阈值；又如，亮度条件为亮度值大于第五阈值；又如，亮度条件为亮度值小于第六阈值。例如，若第一图像和第二图像中的至少之一的亮度值小于第五阈值，则可以调高摄像头(例如红外双目摄像头)的亮度参数，例如，可以调高摄像头的曝光量和增益中的一项或两项；若第一图像和第二图像中的至少之一的亮度值大于第六阈值，则可以调低摄像头的亮度参数，例如，可以调低摄像头的曝光量和增益中的一项或两项。

该实现方式通过在亮度值不满足亮度条件时，调节采集所述第一图像和所述第二图像的摄像头的亮度参数，并通过调节所述亮度参数之后的摄像头重新采集所述第一图像和所述第二图像，由此能够提高采集的图像的质量，从而能够进一步提高人脸识别的准确性。

在该实现方式中，由于第一图像和第二图像的亮度值通常较接近，因此可以仅确定第一图像和第二图像中的一个图像的亮度值，并在该亮度值不满足亮度条件时，根据该亮度值调节摄像头的亮度参数。通过仅确定第一图像和第二图像中的一个图像的亮度值，能够降低人脸识别过程的计算量。

在本公开实施例中，在采集到第一图像和第二图像之后，可以对第一图像和第二图像进行人脸检测，确定第一图像中的人脸区域和第二图像中的人脸区域，并可以检测出第一图像和第二图像中的人脸关键点的位置。其中，人脸关键点可以包括眉毛、眼睛、鼻子、嘴巴和脸部轮廓等。

在一种可能的实现方式中，在所述采集第一图像和第二图像之后，在所述对所述第一图像和所述第二图像进行活体检测之前，还包括：确定所述第一图像和所述第二图像的遮挡比例，其中，所述遮挡比例表示图像中人脸被遮挡的比例；若所述第一图像或者所述第二图像的遮挡比例大于或等于第三阈值，则重新采集所述第一图像和所述第二图像。在该实现方式中，遮挡比例可以为图像被遮挡的面积比例、图像中人脸区域被遮挡的面积比例或者图像中人脸关键点被遮挡的数量比例等。例如，遮挡比例为40％。

作为该实现方式的一个示例，遮挡比例可以为图像被遮挡的面积比例。在该示例中，可以将第一图像被遮挡的区域的面积与第一图像的总面积的比值，确定为第一图像的遮挡比例；可以将第二图像被遮挡的区域的面积与第二图像的总面积的比值，确定为第二图像的遮挡比例。

作为该实现方式的另一个示例，遮挡比例可以为图像中人脸区域被遮挡的面积比例。在该示例中，可以将第一图像中人脸区域被遮挡的面积与第一图像中人脸区域的总面积的比值，确定为第一图像的遮挡比例；可以将第二图像中人脸区域被遮挡的面积与第二图像中人脸区域的总面积的比值，确定为第二图像的遮挡比例。

作为该实现方式的另一个示例，遮挡比例可以为图像中人脸关键点被遮挡的数量比例。在该示例中，第一图像的遮挡比例可以等于第一图像中被遮挡的人脸关键点的个数与人脸关键点的总数的比值，第二图像的遮挡比例可以等于第二图像中被遮挡的人脸关键点的个数与人脸关键点的总数的比值。

该实现方式通过采用遮挡判断，能够避免部分人脸区域(例如半边脸)相似人员的误判。

在一种可能的实现方式中，在所述采集第一图像和第二图像之后，在所述对所述第一图像和所述第二图像进行活体检测之前，还包括：确定所述第一图像和所述第二图像中的至少之一的人脸角度；若所述人脸角度大于或等于第四阈值，则重新采集所述第一图像和所述第二图像。在该实现方式中，通过在所述第一图像和所述第二图像中的至少之一的人脸角度大于或等于第四阈值重新采集图像，由此能够进一步提高人脸识别的准确性。在该实现方式中，由于第一图像和第二图像的人脸角度通常较接近，因此可以仅确定第一图像和第二图像中的一个图像的人脸角度。通过仅确定第一图像和第二图像中的一个图像的人脸角度，能够降低人脸识别过程的计算量。

作为该实现方式的一个示例，在所述确定所述第一图像和所述第二图像中的至少之一的人脸角度之后，还包括：若所述人脸角度大于或等于第四阈值，则发出提醒用户调整脸部角度的信息。例如，可以提醒用户向左转或者向右转等。在该示例中，可以通过屏幕显示提醒用户调整脸部角度的信息，或者可以通过语音播放提醒用户调整脸部角度的信息，在此不作限定。

在步骤S12中，确定所述第一图像中的人脸区域与所述第二图像中的人脸区域的交集区域，以及所述第一图像中的人脸区域与所述第二图像中的人脸区域的并集区域。

在本公开实施例中，可以通过对第一图像和第二图像进行人脸检测，确定第一图像中的人脸区域的位置信息和第二图像中的人脸区域的位置信息。根据第一图像中的人脸区域的位置信息和第二图像中的人脸区域的位置信息，可以确定所述第一图像中的人脸区域与所述第二图像中的人脸区域的交集区域，以及所述第一图像中的人脸区域与所述第二图像中的人脸区域的并集区域。其中，第一图像中的人脸区域与第二图像中的人脸区域的交集区域，可以表示第一图像中的人脸区域与第二图像中的人脸区域的交集对应的区域。即，第一图像中的人脸区域与第二图像中的人脸区域的交集区域，可以表示第一图像中的人脸区域与第二图像中的人脸区域中位置重叠的区域。第一图像中的人脸区域与第二图像中的人脸区域的并集区域，可以表示第一图像中的人脸区域与第二图像中的人脸区域的并集对应的区域。即，第一图像中的人脸区域与第二图像中的人脸区域的并集区域既包括第一图像中的人脸区域，也包括第二图像中的人脸区域。

在步骤S13中，根据所述交集区域的面积与所述并集区域的面积的比值，对所述第一图像和所述第二图像进行活体检测，确定所述第一图像和所述第二图像对应的活体检测结果。

在一种可能的实现方式中，所述根据所述交集区域的面积与所述并集区域的面积的比值，对所述第一图像和所述第二图像进行活体检测，确定所述第一图像和所述第二图像对应的活体检测结果，包括：若所述交集区域的面积与所述并集区域的面积的比值小于第一阈值，则确定所述第一图像和所述第二图像对应的活体检测结果为非活体。在该实现方式中，若所述交集区域的面积与所述并集区域的面积的比值小于第一阈值，则可以直接判定所述第一图像和所述第二图像对应的活体检测结果为非活体，从而可以在很大程度上避免假体攻击。

在一种可能的实现方式中，所述根据所述交集区域的面积与所述并集区域的面积的比值，对所述第一图像和所述第二图像进行活体检测，确定所述第一图像和所述第二图像对应的活体检测结果，包括：若所述交集区域的面积与所述并集区域的面积的比值大于或等于第一阈值，则提取所述第一图像的活体特征和所述第二图像的活体特征中的至少之一；根据所述第一图像的活体特征和所述第二图像的活体特征中的至少之一，确定所述第一图像和所述第二图像对应的活体检测结果。在该实现方式中，第一图像的活体特征可以表示第一图像的用于进行活体检测的特征，第二图像的活体特征可以表示第二图像的用于进行活体检测的特征。作为该实现方式的一个示例，可以通过特征提取网络提取所述第一图像的活体特征和所述第二图像的活体特征中的至少之一，并可以通过深度学习网络根据所述第一图像的活体特征和所述第二图像的活体特征中的至少之一，确定所述第一图像和所述第二图像对应的活体检测结果。

在一种可能的实现方式中，在所述确定所述第一图像和所述第二图像对应的活体检测结果之后，在所述对所述第一图像和所述第二图像中的至少之一与具有权限的人脸图像进行人脸比对之前，还包括：若所述第一图像和所述第二图像对应的活体检测结果为活体，则确定活体检测结果为活体的连续次数；若活体检测结果为活体的连续次数达到第二阈值，则判定活体检测通过。例如，所述第一图像和所述第二图像对应的活体检测结果为活体，在当前对所述第一图像和所述第二图像进行活体检测之前的5次活体检测中，按照时间由先到后的顺序，活体检测结果依次为活体、活体、非活体、非活体、活体，则活体检测结果为活体的连续次数为2；又如，所述第一图像和所述第二图像对应的活体检测结果为活体，在当前对所述第一图像和所述第二图像进行活体检测之前的5次活体检测中，按照时间由先到后的顺序，活体检测结果依次为非活体、活体、活体、活体、活体，则活体检测结果为活体的连续次数为5；又如，所述第一图像和所述第二图像对应的活体检测结果为活体，在当前对所述第一图像和所述第二图像进行活体检测的前一次的活体检测中，活体检测结果为非活体，则活体检测结果为活体的连续次数为1。

作为该实现方式的一个示例，所述第二阈值根据在当前对所述第一图像和所述第二图像进行活体检测之前的多次活体检测中，活体检测结果为非活体的次数确定。例如，第二阈值可以根据在当前对所述第一图像和所述第二图像进行活体检测之前的N次活体检测中活体检测结果为非活体的次数确定，其中，N大于1。例如，所述第二阈值与所述活体检测结果为非活体的次数正相关。例如，若在当前对所述第一图像和所述第二图像进行活体检测之前的N次活体检测中活体检测结果为非活体的次数为1，则第二阈值等于1；若在当前对所述第一图像和所述第二图像进行活体检测之前的N次活体检测中活体检测结果为非活体的次数为2，则第二阈值等于1；若在当前对所述第一图像和所述第二图像进行活体检测之前的N次活体检测中活体检测结果为非活体的次数为3，则第二阈值等于2；若在当前对所述第一图像和所述第二图像进行活体检测之前的N次活体检测中活体检测结果为非活体的次数为4，则第二阈值等于3。在该示例中，若在当前对所述第一图像和所述第二图像进行活体检测之前的N次活体检测中活体检测结果为非活体的次数大于或等于M，则可以退出人脸识别流程。其中，M小于或等于N，例如，M等于5。

作为该实现方式的另一个示例，所述第二阈值根据在对当前所述第一图像和所述第二图像进行活体检测之前的预设时间内活体检测结果为非活体的次数确定。例如，预设时间为5分钟。例如，所述第二阈值与所述活体检测结果为非活体的次数正相关。例如，若在当前对所述第一图像和所述第二图像进行活体检测之前的预设时间内活体检测结果为非活体的次数为1，则第二阈值等于1；若在当前对所述第一图像和所述第二图像进行活体检测之前的预设时间内活体检测结果为非活体的次数为2，则第二阈值等于1；若在当前对所述第一图像和所述第二图像进行活体检测之前的预设时间内活体检测结果为非活体的次数为3，则第二阈值等于2；若在当前对所述第一图像和所述第二图像进行活体检测之前的预设时间内活体检测结果为非活体的次数为4，则第二阈值等于3。在该示例中，若在当前对所述第一图像和所述第二图像进行活体检测之前的预设时间内活体检测结果为非活体的次数大于或等于M，则可以退出人脸识别流程。其中，M小于或等于N，例如，M等于5。

在该实现方式中，若所述第一图像和所述第二图像对应的活体检测结果为活体，则活体检测结果为活体的连续次数达到第二阈值才判定活体检测通过，由此能够进一步提高人脸识别的安全性。

在另一种可能的实现方式中，若所述第一图像和所述第二图像对应的活体检测结果为活体，则可以直接判定为活体检测通过。

在步骤S14中，至少根据所述第一图像和所述第二图像对应的活体检测结果，确定人脸识别结果。

在一种可能的实现方式中，所述至少根据所述第一图像和所述第二图像对应的活体检测结果，确定人脸识别结果，包括：若所述第一图像和所述第二图像对应的活体检测结果为非活体，则确定人脸识别结果为人脸识别不通过。在该实现方式中，若所述第一图像和所述第二图像对应的活体检测结果为非活体，则可以直接判定人脸识别结果为人脸识别不通过，从而可以在很大程度上避免假体攻击。

在一种可能的实现方式中，所述至少根据所述第一图像和所述第二图像对应的活体检测结果，确定人脸识别结果，包括：若根据所述第一图像和所述第二图像对应的活体检测结果，判定活体检测通过，则将所述第一图像和所述第二图像中的至少之一与具有权限的人脸图像进行人脸比对，确定人脸识别结果。在该实现方式中，具有权限的人脸图像可以是预先注册的人脸图像等任意具有权限的人脸图像。作为该实现方式的一个示例，可以采用深度学习方法，将所述第一图像和所述第二图像中的至少之一与具有权限的人脸图像进行人脸比对，确定人脸识别结果。

在该实现方式中，具有权限的人脸图像可以是具有解锁权限的人脸图像、具有开门权限的人脸图像或者具有支付权限的人脸图像等。

作为该实现方式的一个示例，可以将第一图像与具有权限的人脸图像进行人脸比对。若人脸比对一致，则可以确定人脸识别结果为人脸识别通过；若人脸比对不一致，则可以确定人脸识别结果为人脸识别不通过。

在该示例中，可以提取第一图像的人脸特征和具有权限的人脸图像的人脸特征，并确定第一图像的人脸特征与具有权限的人脸图像的人脸特征的相似度。若第一图像的人脸特征与具有权限的人脸图像的人脸特征的相似度大于或等于第七阈值，则可以确定第一图像与具有权限的人脸图像比对一致；若第一图像的人脸特征与具有权限的人脸图像的人脸特征的相似度小于第七阈值，则可以确定第一图像与具有权限的人脸图像比对不一致。

作为该实现方式的一个示例，可以将第二图像与具有权限的人脸图像进行人脸比对。若人脸比对一致，则可以确定人脸识别结果为人脸识别通过；若人脸比对不一致，则可以确定人脸识别结果为人脸识别不通过。

在该示例中，可以提取第二图像的人脸特征和具有权限的人脸图像的人脸特征，并确定第二图像的人脸特征与具有权限的人脸图像的人脸特征的相似度。若第二图像的人脸特征与具有权限的人脸图像的人脸特征的相似度大于或等于第七阈值，则可以确定第二图像与具有权限的人脸图像比对一致；若第二图像的人脸特征与具有权限的人脸图像的人脸特征的相似度小于第七阈值，则可以确定第二图像与具有权限的人脸图像比对不一致。

作为该实现方式的一个示例，可以将第一图像与具有权限的人脸图像进行人脸比对，并将第二图像与具有权限的人脸图像进行人脸比对。若第一图像对应的人脸比对结果为人脸比对一致，且第二图像对应的人脸比对结果为人脸比对一致，则可以确定人脸识别结果为人脸识别通过；若第一图像对应的人脸比对结果为人脸比对不一致，或者第二图像对应的人脸比对结果为人脸比对不一致，则可以确定人脸识别结果为人脸识别不通过。

在本公开实施例中，在确定人脸识别结果之后，可以根据实际应用场景进行相应的操作。例如，若将所述人脸识别方法应用于智能门锁中，则可以响应于人脸识别通过，控制开锁；或者可以响应于人脸识别不通过，拒绝开锁。若将所述人脸识别方法应用于人脸支付，则可以响应于人脸识别通过，确认支付；或者可以响应于人脸识别不通过，拒绝支付。

本公开实施例提供的人脸识别方法可以通过DSP(Digital Signal Processor，数字信号处理器)来实现，并可以根据DSP的特征进行优化，以提高人脸识别速度。

可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。

本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。

此外，本公开还提供了人脸识别装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种人脸识别方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。

图2示出本公开实施例提供的人脸识别装置的框图。如图2所示，所述人脸识别装置包括：采集模块21，用于响应于人脸识别请求，采集第一图像和第二图像；第一确定模块22，用于确定所述第一图像中的人脸区域与所述第二图像中的人脸区域的交集区域，以及所述第一图像中的人脸区域与所述第二图像中的人脸区域的并集区域；活体检测模块23，用于根据所述交集区域的面积与所述并集区域的面积的比值，对所述第一图像和所述第二图像进行活体检测，确定所述第一图像和所述第二图像对应的活体检测结果；第二确定模块24，用于至少根据所述第一图像和所述第二图像对应的活体检测结果，确定人脸识别结果。

在一种可能的实现方式中，所述采集模块21用于：通过红外双目摄像头采集第一图像和第二图像，其中，所述第一图像和所述第二图像均为红外图像。

在一种可能的实现方式中，所述活体检测模块23包括：提取子模块，用于若所述交集区域的面积与所述并集区域的面积的比值大于或等于第一阈值，则提取所述第一图像的活体特征和所述第二图像的活体特征中的至少之一；确定子模块，用于根据所述第一图像的活体特征和所述第二图像的活体特征中的至少之一，确定所述第一图像和所述第二图像对应的活体检测结果。

在一种可能的实现方式中，所述活体检测模块23用于：若所述交集区域的面积与所述并集区域的面积的比值小于第一阈值，则确定所述第一图像和所述第二图像对应的活体检测结果为非活体。

在一种可能的实现方式中，所述第二确定模块24用于：若所述第一图像和所述第二图像对应的活体检测结果为非活体，则确定人脸识别结果为人脸识别不通过。

在一种可能的实现方式中，所述第二确定模块24用于：若根据所述第一图像和所述第二图像对应的活体检测结果，判定活体检测通过，则将所述第一图像和所述第二图像中的至少之一与具有权限的人脸图像进行人脸比对，确定人脸识别结果。

在一种可能的实现方式中，还包括：第三确定模块，用于若所述第一图像和所述第二图像对应的活体检测结果为活体，则确定活体检测结果为活体的连续次数；判定模块，用于若活体检测结果为活体的连续次数达到第二阈值，则判定活体检测通过。

在一种可能的实现方式中，所述第二阈值根据在当前对所述第一图像和所述第二图像进行活体检测之前的多次活体检测中，活体检测结果为非活体的次数确定。

在一种可能的实现方式中，所述第二阈值与所述活体检测结果为非活体的次数正相关。

在一种可能的实现方式中，还包括：第四确定模块，用于确定所述第一图像和所述第二图像中的至少之一的亮度值；所述采集模块21，还用于在所述亮度值不满足亮度条件的情况下，调节采集所述第一图像和所述第二图像的摄像头的亮度参数，并通过调节所述亮度参数之后的摄像头重新采集所述第一图像和所述第二图像。

在一种可能的实现方式中，还包括：第五确定模块，用于确定所述第一图像和所述第二图像中的至少之一的遮挡比例，其中，所述遮挡比例表示图像中人脸被遮挡的比例；所述采集模块21，还用于若所述遮挡比例大于或等于第三阈值，则重新采集所述第一图像和所述第二图像。

在一种可能的实现方式中，还包括：第六确定模块，用于确定所述第一图像和所述第二图像中的至少之一的人脸角度；所述采集模块21，还用于若所述人脸角度大于或等于第四阈值，则重新采集所述第一图像和所述第二图像。

在一种可能的实现方式中，还包括：提醒模块，用于若所述人脸角度大于或等于第四阈值，则发出提醒用户调整脸部角度的信息。

在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。

本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。其中，所述计算机可读存储介质可以是易失性计算机可读存储介质，也可以是非易失性计算机可读存储介质。

本公开实施例还提出一种电子设备，包括：一个或多个处理器；与所述一个或多个处理器关联的存储器，所述存储器用于存储可执行指令，所述可执行指令在被所述一个或多个处理器读取执行时，执行上述方法。

电子设备可以被提供为终端、服务器或其它形态的设备。

图3示出本公开实施例提供的一种电子设备800的框图。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等终端。

参照图3，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。

处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。

存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。

多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。

I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。

图4示出本公开实施例提供的一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器。参照图4，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。

电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。

本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令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)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。

这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本公开的多个实施例的系统、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、程序段或指令的一部分，所述模块、程序段或指令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。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，两个连续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动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。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (10)

1.一种人脸识别方法，其特征在于，包括：

响应于人脸识别请求，采集第一图像和第二图像；

确定所述第一图像中的人脸区域与所述第二图像中的人脸区域的交集区域，以及所述第一图像中的人脸区域与所述第二图像中的人脸区域的并集区域；

根据所述交集区域的面积与所述并集区域的面积的比值，对所述第一图像和所述第二图像进行活体检测，确定所述第一图像和所述第二图像对应的活体检测结果；

至少根据所述第一图像和所述第二图像对应的活体检测结果，确定人脸识别结果。

2.根据权利要求1所述的方法，其特征在于，所述采集第一图像和第二图像，包括：

通过红外双目摄像头采集第一图像和第二图像，其中，所述第一图像和所述第二图像均为红外图像。

3.根据权利要求1或2所述的方法，其特征在于，所述根据所述交集区域的面积与所述并集区域的面积的比值，对所述第一图像和所述第二图像进行活体检测，确定所述第一图像和所述第二图像对应的活体检测结果，包括：

若所述交集区域的面积与所述并集区域的面积的比值大于或等于第一阈值，则提取所述第一图像的活体特征和所述第二图像的活体特征中的至少之一；

根据所述第一图像的活体特征和所述第二图像的活体特征中的至少之一，确定所述第一图像和所述第二图像对应的活体检测结果。

4.根据权利要求1或2所述的方法，其特征在于，所述根据所述交集区域的面积与所述并集区域的面积的比值，对所述第一图像和所述第二图像进行活体检测，确定所述第一图像和所述第二图像对应的活体检测结果，包括：

若所述交集区域的面积与所述并集区域的面积的比值小于第一阈值，则确定所述第一图像和所述第二图像对应的活体检测结果为非活体。

5.一种人脸识别装置，其特征在于，包括：

采集模块，用于响应于人脸识别请求，采集第一图像和第二图像；

第一确定模块，用于确定所述第一图像中的人脸区域与所述第二图像中的人脸区域的交集区域，以及所述第一图像中的人脸区域与所述第二图像中的人脸区域的并集区域；

活体检测模块，用于根据所述交集区域的面积与所述并集区域的面积的比值，对所述第一图像和所述第二图像进行活体检测，确定所述第一图像和所述第二图像对应的活体检测结果；

第二确定模块，用于至少根据所述第一图像和所述第二图像对应的活体检测结果，确定人脸识别结果。

6.根据权利要求5所述的装置，其特征在于，所述采集模块用于：

通过红外双目摄像头采集第一图像和第二图像，其中，所述第一图像和所述第二图像均为红外图像。

7.根据权利要求5或6所述的装置，其特征在于，所述活体检测模块包括：

提取子模块，用于若所述交集区域的面积与所述并集区域的面积的比值大于或等于第一阈值，则提取所述第一图像的活体特征和所述第二图像的活体特征中的至少之一；

确定子模块，用于根据所述第一图像的活体特征和所述第二图像的活体特征中的至少之一，确定所述第一图像和所述第二图像对应的活体检测结果。

8.根据权利要求5或6所述的装置，其特征在于，所述活体检测模块用于：

若所述交集区域的面积与所述并集区域的面积的比值小于第一阈值，则确定所述第一图像和所述第二图像对应的活体检测结果为非活体。

9.一种电子设备，其特征在于，包括：

一个或多个处理器；

与所述一个或多个处理器关联的存储器，所述存储器用于存储可执行指令，所述可执行指令在被所述一个或多个处理器读取执行时，执行权利要求1至4中任意一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至4中任意一项所述的方法。