CN110717458B - 人脸识别方法及识别装置 - Google Patents

Abstract

本申请公开了一种人脸识别方法及识别装置，该识别方法包括：采集关于同一用户的至少一张图像；基于至少一张图像确定至少一个特征向量，至少一个特征向量与至少一张图像一一对应；确定样本库中至少部分样本用户中每个样本用户对应的多个样本图像，并基于多个样本图像确定多个样本特征向量；确定至少一个特征向量的均值特征向量；基于均值特征向量与多个样本特征向量，确定样本库中满足预设规则的一个或多个样本用户，满足预设规则的一个或多个样本用户对应的样本图像与用户对应的图像相似。本申请提供的人脸识别方法能够适用于多种识别场景、降低对待识别图像质量的要求、提高识别结果的可靠性。

Description

人脸识别方法及识别装置

技术领域

本发明涉及计算机视觉技术领域，具体涉及一种人脸识别方法及识别装置。

背景技术

随着人脸识别技术的广泛应用，人们对人脸识别技术也提出了更高的要求。现有的人脸识别方法，对待检测图像的质量要求高、识别效果较差、且难以适用多种场景。

发明内容

为了解决上述技术问题，本申请的实施例提供了一种人脸识别方法及识别装置。

根据本申请的一个方面，提供了一种人脸识别方法，包括：采集关于同一用户的至少一张图像；基于至少一张图像确定至少一个特征向量，至少一个特征向量与至少一张图像一一对应；确定样本库中至少部分样本用户中每个样本用户对应的多个样本图像，并基于多个样本图像确定多个样本特征向量；确定至少一个特征向量的均值特征向量；基于均值特征向量与多个样本特征向量，确定样本库中满足预设规则的一个或多个样本用户，满足预设规则的一个或多个样本用户对应的样本图像与用户对应的图像相似。

根据本申请的另一个方面，提供了一种人脸识别装置，包括：采集模块，用于采集关于同一用户的至少一张图像；第一确定模块，用于基于至少一张图像确定至少一个特征向量，至少一个特征向量与至少一张图像一一对应；第二确定模块，用于确定样本库中至少部分样本用户中每个样本用户对应的多个样本图像，并基于多个样本图像确定多个样本特征向量；第三确定模块，用于确定至少一个特征向量的均值特征向量；第四确定模块，用于基于均值特征向量与多个样本特征向量，确定样本库中满足预设规则的一个或多个样本用户，满足预设规则的一个或多个样本用户对应的样本图像与用户对应的图像相似。

根据本申请的又一个方面，提供了一种计算机可读存储介质，存储介质存储有计算机程序，计算机程序用于执行上述的人脸识别方法。

根据本申请的又一个方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器，其中，处理器用于执行上述的人脸识别方法。

本申请实施例提供了一种人脸识别方法及识别装置，通过将样本用户对应的多个样本特征向量与待识别用户对应的均值特征向量进行比较来识别用户，从而能够适用于多种识别场景、降低对待识别图像质量的要求、提高识别结果的可靠性。

附图说明

通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与本申请实施例一起用于解释本申请，并不构成对本申请的限制。在附图中，相同的参考标号通常代表相同部件或步骤。

图1是本申请一示例性实施例提供的人脸识别系统的系统架构示意图。

图2是本申请一示例性实施例提供的人脸识别方法的流程示意图。

图3是本申请另一示例性实施例提供的确定样本库中满足预设规则的一个或多个样本用户的流程示意图。

图4是本申请另一示例性实施例提供的根据差异确定一个或多个样本用户的流程示意图。

图5是本申请另一示例性实施例提供的根据W个样本用户确定一个或多个样本用户的流程示意图。

图6是本申请另一示例性实施例提供的人脸识别方法的流程示意图。

图7是本申请一示例性实施例提供的人脸识别装置的结构示意图。

图8是本申请一示例性实施例提供的电子设备的框图。

具体实施方式

下面，将参考附图详细地描述根据本申请的示例实施例。显然，所描述的实施例仅仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。

申请概述

人脸识别可以用于识别用户的身份。人脸识别的应用场景通常是通过摄像机采集特定区域内的人脸图像并基于该图像从样本库中找出与该图像最为相似的人脸记录。但是在实际应用场景中，样本库中的每个样本用户的人脸记录对应一张样本图像，这样在将采集的图像与样本图像进行比对时，对采集的图像的质量要求较高，可能会出现因采集的图像质量差而导致识别结果不准确的现象。

例如，样本图像可能是证件照，采集的图像可能是生活照、抓拍照等。当将采集的生活照或抓拍照与证件照进行比对以识别与采集的图像对应的用户身份时，可能因样本图像与采集的图像类型不同、以及采集的图像质量不好而导致识别效果差。

所以，现有的人脸识别方法对待检测图像的质量要求高、识别效果较差，存在难以适用多种场景的问题。

示例性系统

图1是本申请一示例性实施例提供的人脸识别系统1的系统架构示意图，其示出了一种基于图像采集设备(例如，摄像机)采集的关于任一用户人脸的图像进行用户识别的应用场景。如图1所示，该人脸识别系统1包括电子设备10，图像采集设备20。电子设备10通过将图像采集设备20所采集的图像与样本库中的每个样本用户对应的样本图像进行比对，进而给出与该图像较为相似的样本图像对应的样本用户，以便于确定该图像对应的用户。

在一实施例中，每个样本用户对应多个样本图像，多个样本图像可以是不同类型的，如证件照、抓拍照、生活照等。通过将采集的图像与多个样本图像分别进行比对计算，得出采集的图像对应的待识别用户与该多个样本图像对应的样本用户之间的相似度，进而通过对每个样本用户按照相似度大小进行排序，以确定与待识别的用户最为相似的样本用户。

需要说明的是，本申请实施例中的图像采集设备20可以集成在电子设备10上。

需要注意的是，上述应用场景仅是为了便于理解本申请的精神和原理而示出，本申请的实施例并不限于此。相反，本申请的实施例可以应用于可能适用的任何场景。

示例性方法

图2是本申请一示例性实施例提供的人脸识别方法的流程示意图。本实施例的执行主体例如可以是图1中的电子设备，如图2所示，该方法包括如下步骤：

步骤100：采集关于同一用户的至少一张图像。

在一实施例中，电子设备的前端可以设有摄像机，用户可以站在该摄像机的前端，便于摄像机采集该用户脸部的一张或多张图像。电子设备可以将该一张或多张图像与样本库中的样本图像进行比对，以识别该用户的身份。

在另一实施例中，摄像机可以是独立于电子设备的，摄像机可以用于采集来往任一行人脸部的一张或多张图像。电子设备可以将该一张或多张图像与样本库中的样本图像进行比对，以识别该行人的身份。在该实施例中，该人脸识别方法具体可以用于逃犯抓捕等场景。

步骤200：基于至少一张图像确定至少一个特征向量，至少一个特征向量与至少一张图像一一对应。

具体地，图像中的人脸五官的特征可以用特征向量进行表征，该特征向量可以是电子设备基于该图像而提取得到的。特征向量的提取过程可以是使用但不限于深度学习的方法。

当基于同一用户，摄像机采集了多张图像时，电子设备可以针对每张图像提取一个特征向量，以得到多个特征向量。

步骤300：确定样本库中至少部分样本用户中每个样本用户对应的多个样本图像，并基于多个样本图像确定多个样本特征向量。

具体地，在对采集的图像进行识别时，可以将采集的图像的特征向量与样本库中的部分样本用户对应的样本图像的样本特征向量进行比对，以识别待识别的用户的身份。或者，可以将采集的图像的特征向量与样本库中的全部样本用户对应的样本图像的样本特征向量进行比对，以识别待识别的用户的身份。

样本图像中的人脸五官的特征也可以用特征向量进行表征，即，电子设备可以基于样本库中每个样本图像提取与该样本图像对应的样本特征向量。

步骤400：确定至少一个特征向量的均值特征向量。

具体地，当摄像机采集的有关待识别用户人脸的图像为一张时，均值特征向量就是该图像的特征向量；当摄像机采集的有关待识别用户人脸的图像为多张时，均值特征向量是该多张图像对应的多个特征向量之和的平均值。

步骤500：基于均值特征向量与多个样本特征向量，确定样本库中满足预设规则的一个或多个样本用户，满足预设规则的一个或多个样本用户对应的样本图像与用户对应的图像相似。

具体地，可以将均值特征向量与每个样本用户对应的多个样本特征向量进行比对，如可以计算均值特征向量分别与多个样本特征向量之间的相似度。若该均值特征向量与该多个样本特征向量中任一个样本特征向量之间的相似度满足预设规则，则电子设备的识别结果为：待识别的用户与该样本用户最为相似。

在一实施例中，若该均值特征向量与多个样本用户中每个样本用户的多个样本特征向量之间均存在相似度均满足预设规则的样本特征向量时，则电子设备可以输出该多个样本用户。该多个样本用户中相似度最大的可以认为是与待识别用户最为相似的样本用户。

在另一实施例中，该多个样本用户的相似度大小可能相差很小，此时，为了避免算法本身可能会导致计算结果存在一些误差、进而导致该多个样本用户中相似度最大的样本用户不是与待识别的用户最为相似的现象，操作者或观察者可以通过直观感受从多个样本用户中选择与待识别的用户最为相似的样本用户。

本申请实施例提供了一种人脸识别方法，通过针对每个样本用户确定多个样本特征向量，并确定与待识别用户对应的均值特征向量，进而基于预设规则确定与均值特征向量相似的样本特征向量，从而在多个样本图像中，确定采集的图像与之相似的样本图像，即基于该相似样本图像对应的样本用户识别该采集的图像中的用户的身份。该人脸识别方法能够适用于多种识别场景、降低对待识别图像质量的要求、提高识别结果的可靠性。

图3是本申请另一示例性实施例提供的确定样本库中满足预设规则的一个或多个样本用户的流程示意图。在本申请图2所示实施例的基础上延伸出本申请图3所示实施例，下面着重叙述图3所示实施例与图2所示实施例的不同之处，相同之处不再赘述。

在本实施例中，至少部分样本用户为M个样本用户，M为大于1的整数。M个样本用户可以是样本库中全部的样本用户或部分样本用户。

如图3所示，在本申请实施例提供的人脸识别方法中，基于均值特征向量与多个样本特征向量，确定样本库中满足预设规则的一个或多个样本用户(即步骤500)，包括：

步骤510：确定与M个样本用户对应的M个样本均值特征向量。

步骤520：确定均值特征向量与M个样本均值特征向量中的每一个之间的差异，其中，M个样本均值特征向量中第m个样本均值特征向量与M个样本用户中第m个样本用户对应，1≤m≤M。

具体地，样本库中的每个样本用户对应多张样本图像，多张样本图像与多个样本特征向量一一对应。在本实施例中，可以针对一个样本用户的多个样本特征向量确定该样本用户的样本均值特征向量。样本均值特征向量可以看成是从平均值的角度表征该样本用户脸部的特征。

将待识别用户对应的均值特征向量与样本用户对应的样本均值特征向量进行比对，确定两者之间的差异，并基于差异的大小确定与待识别用户相似的样本用户，进而确定待识别用户的身份。

步骤530：根据差异确定一个或多个样本用户。

具体地，若差异满足预设规则，则电子设备可以将与该差异对应的样本用户作为识别结果输出。当满足预设规则的样本用户的个数为一个时，可以认为待识别的用户与该样本用户最为相似。当满足预设规则的样本用户的个数为多个时，可以认为待识别的用户与多个样本用户中相似度较大的样本用户最为相似，或者操作者或观察者可以从电子设备输出的多个样本用户中选择与待识别的用户最为相似的样本用户。

本申请实施例提供的人脸识别方法，通过将待识别用户对应的均值特征向量与样本用户对应的样本均值特征向量进行比对，进而确定待识别用户的身份，能够简化电子设备的运算过程，减小运算量，提高识别效率。

图4是本申请另一示例性实施例提供的根据差异确定一个或多个样本用户的流程示意图。在本申请图3所示实施例的基础上延伸出本申请图4所示实施例，下面着重叙述图4所示实施例与图3所示实施例的不同之处，相同之处不再赘述。

在本实施例中，差异通过距离表征，距离包括余弦距离或欧氏距离。通过余弦距离或欧氏距离可以计算任意两个向量之间的距离，该距离可以表征两个向量之间的距离，即可以表征两个向量对应的两个图像之间的相似度的大小。

具体地，距离越小，则样本图像与待识别图像的相似度越高。

如图4所示，在本申请实施例提供的人脸识别方法中，确定均值特征向量与M个样本均值特征向量中的每一个之间的差异(即步骤520)，包括：确定均值特征向量与M个样本均值特征向量之间的M个第一距离。每个样本均值特征向量与均值特征向量之间距离用第一距离表示，M个第一距离可统一通过余弦距离或欧氏距离确定。

根据差异确定一个或多个样本用户(即步骤530)，包括：

步骤531：对M个第一距离按照降序排列获得第一递减序列，确定第一递减序列中数值大小靠后的W个第一距离对应的W个样本用户，或，对M个第一距离按照升序排列获得第一递增序列，确定第一递增序列中数值大小靠前的W个第一距离对应的W个样本用户。

在一实施例中，预设规则可以是距离的大小大于或等于预设阈值，电子设备可以将满足该预设规则的第一距离对应的样本用户输出。

在另一实施例中，对M个第一距离按照降序排列获得第一递减序列。预设规则可以是选取第一递减序列中后W个第一距离对应的样本用户作为识别的结果。W为大于或等于1的正整数，且小于M。

在另一实施例中，对M个第一距离按照升序排列获得第一递增序列。预设规则可以是选取第一递增序列中前W个第一距离对应的样本用户作为识别的结果。W为大于或等于1的正整数，且小于M。

W的大小可以根据实际情况进行设置，本发明实施例对此不作具体的限定。

步骤532：根据W个样本用户确定一个或多个样本用户。

电子设备可以直接将W个样本用户作为识别结果输出。

当W的值为1时，可以认为待识别的用户与该样本用户最为相似。当W的值大于1时，操作者或观察者可以从电子设备输出的多个样本用户中选择与待识别的用户最为相似的样本用户。

本申请实施例提供的人脸识别方法，通过利用向量之间的距离来确定样本图像与待识别图像之间的相似度，并通过选取递增序列中靠前的W个第一距离对应的样本用户或递减序列中靠后的W个第一距离对应的样本用户作为识别结果，能够给操作者或观察者提供选择，避免因采集的图像质量不高而难以给出识别结果的情况。

根据本发明一实施例，根据所采集的待识别用户脸部的图像个数的不同，可以采用不同的识别过程。在本实施例中，W个第一距离是电子设备从第一递减序列或第一递增序列中初步选择出的。而操作者或观察者实际需要电子设备输出的样本用户的个数为N个(N为大于或等于1、且小于M、小于W的整数)。

当所采集的待识别用户脸部的图像个数为一张时，电子设备可以从第一递减序列或第一递增序列中初步选择出W个第一距离，再从W个第一距离中选取数值最小的N个第一距离对应的N个样本用户作为识别结果输出。即从第一递减序列中选取靠后的N个第一距离对应的N个样本用户，或从第一递增序列中选取靠前的N个第一距离对应的N个样本用户。

具体地，该N个样本用户可以按照其样本均值特征向量与采集的图像的特征向量之间的第一距离的大小进行排序，即电子设备可以按照相似度由大到小的顺序输出N个样本用户。

当所采集的待识别用户脸部的图像个数为多张时，本实施例提供的人脸识别方法中，根据W个样本用户确定一个或多个样本用户(即步骤532)的具体过程如图5所示，包括：

步骤5321：在至少一张图像为Q张图像时，确定Q张图像对应的Q个特征向量中的每个特征向量与W个样本用户对应的W个样本均值特征向量之间的W个第二距离，其中，Q为大于1的整数。

Q可以是大于1的任意整数，这里为了便于说明本发明实施例，以Q＝3为例。3张图像对应的特征向量分别为A₁、A₂、A₃，3张图像对应的均值特征向量为F，每个样本均值特征向量为R_m(1≤m≤M)。该样本均值特征向量R_m与均值特征向量为F之间的第一距离D_m可以通过如下余弦距离表示。

D_m＝–cos(F,R_m)＝–(F*R_m)

这里，向量F和向量R_m可以是经过归一化处理后的向量，即向量的模为1。当然，为了便于比较各个距离之间的大小、便于对多个距离进行统一排序，本实施例中需要确定相互之间距离的任意两个向量均是经过归一化处理后的向量。

在另一实施例中，也可以通过欧氏距离表示两个向量之间的距离，此时，为了减小计算量可以用欧氏距离的平方来表征两个向量之间的距离大小D。如D＝2–2(F*R_m)。

根据D_m的大小从第一递减序列或第一递增序列中初步选取W个样本用户。

特征向量A₁与W个样本用户中任一样本用户对应的样本均值特征向量R_w的第二距离可以用如下的P_1w表示，1≤w≤W。这里，向量A₁和向量R_w可以是经过归一化处理后的向量，即向量的模为1。

P_1w＝–cos(A₁,R_w)＝–(A₁*R_w)

类似地，特征向量A₂与W个样本用户中任一样本用户对应的样本均值特征向量R_w的第二距离可以用P_2w表示；特征向量A₃与W个样本用户中任一样本用户对应的样本均值特征向量R_w的第二距离可以用P_3w表示。

步骤5322：对W个第二距离按照降序排列获得第二递减序列，确定第二递减序列中数值大小靠后的T个第二距离对应的T个样本用户。

具体地，对特征向量A₁来说，W个第二距离构成的第二递减序列可以用集合RA₁表示，RA₁＝{P₁₁，P₁₂，…，P_1W}。集合RA₁中数值大小靠后的T个第二距离对应的T个样本用户，可以称为第一组T个样本用户。

类似地，对特征向量A₂来说，第二递减序列可以用集合RA₂表示，RA₁＝{P₂₁，P₂₂，…，P_2W}。集合RA₂中数值大小靠后的T个第二距离对应的T个样本用户，可以称为第二组T个样本用户。对特征向量A₃来说，第二递减序列可以用集合RA₃表示，RA₁＝{P₃₁，P₃₂，…，P_3W}。集合RA₃中数值大小靠后的T个第二距离对应的T个样本用户，可以称为第三组T个样本用户。

在另一实施例中，可以对W个第二距离按照升序排列获得第二递增序列，并确定第二递增序列中数值大小靠前的T个第二距离对应的T个样本用户。

步骤5323：确定Q*T个样本用户中每个样本用户出现的次数。

在Q＝3时，Q*T个样本用户即步骤5322中提到的第一组T个样本用户、第二组T个样本用户、第三组T个样本用户。

对于同一个样本用户来说，其可能出现在第一组T个样本用户中，同时又出现在第二组T个样本用户和/或第三组T个样本用户中。当该样本用户出现在任意两组T个样本用户中时，该样本用户在三组T个样本用户中出现的次数为2。当该样本用户出现在三组T个样本用户中时，该样本用户在三组T个样本用户中出现的次数为3。该样本用户在三组T个样本用户中出现的次数越高，说明待识别用户与该样本用户的相似度越高。

步骤5324：根据Q*T个样本用户中每个样本用户出现的次数的大小确定N个样本用户。

在一实施例中，可以将样本用户出现的次数较大的N个样本用户作为识别结果输出。

本申请实施例提供的人脸识别方法，在采集的用户的图像为多张时，通过进一步地比较每张图像对应的特征向量与样本图像的均值特征向量之间的距离，可以综合利用每张图像与样本图像的相似度来确定识别结果，从而可以提高识别结果的准确度。

图6是本申请另一示例性实施例提供的人脸识别方法的流程示意图。在本申请图5所示实施例的基础上延伸出本申请图6所示实施例，下面着重叙述图6所示实施例与图5所示实施例的不同之处，相同之处不再赘述。

如图6所示，在图5所示实施例的基础上，本申请实施例提供的人脸识别方法还包括：

步骤5325：根据N个样本用户在Q*T个样本用户中出现的次数的大小进行第一次排序。

具体地，可以根据N个样本用户在Q*T个样本用户中出现的次数的大小对N个样本用户进行升序排列或降序排列。

步骤5326：确定N个样本用户在Q*T个样本用户中出现的次数相同的样本用户。

步骤5327：确定Q个特征向量分别与次数相同的样本用户中每个样本用户对应的多个样本特征向量之间的多个第三距离。

由于在步骤5325中进行第一次排序时，N个样本用户中可能会出现两个或更多个样本用户在Q*T个样本用户中出现的次数相同。在出现次数相同的两个或多个样本用户中，究竟哪一个样本用户与待识别用户更为相似，需要进行步骤5327至步骤5329的进一步判断。

继续以Q＝3为例，假设每个样本用户对应的样本图像的个数为3，且在3组T个样本用户中出现的次数相同的样本用户有两个。第一个样本用户对应的3张样本图像的3个样本特征向量为S₁₁、S₁₂、S₁₃；第二个样本用户对应的3张样本图像的3个样本特征向量为S₂₁、S₂₂、S₂₃。

特征向量与样本特征向量之间的距离可以用第三距离表示。

3个特征向量A₁、A₂、A₃分别与第一组样本特征向量为S₁₁、S₁₂、S₁₃之间的9个第三距离可以构成第一组第三距离，该第一组第三距离用集合表示为{d₁₁，d₁₂，d₁₃，d₂₁，d₂₂，d₂₃，d₃₁，d₃₂，d₃₃}。

类似地，3个特征向量A₁、A₂、A₃分别与第二组样本特征向量为S₂₁、S₂₂、S₂₃之间的9个第三距离可以构成第二组第三距离。

步骤5328：确定多个第三距离的中位数为第四距离，以获得多个第四距离。

针对第一组第三距离，可以取9个第三距离中的中位数为第四距离，该第四距离用于表征第一样本用户对应的样本图像与采集的图像之间的相似度的大小，距离越大，相似度越小。类似地，针对第二组第三距离，也可以取9个第三距离中的中位数为第四距离，该第四距离用于表征第二样本用户对应的样本图像与采集的图像之间的相似度的大小。

步骤5329：根据所述多个第四距离对所述N个样本用户进行第二次排序，并输出经过所述第二次排序的所述N个样本用户。

基于步骤5328中确定的两个第四距离，可以得出第一样本用户和第二样本用户中与待识别用户较为相似的样本用户。例如，第一次排序是按照升序对N个样本用户进行排列的，且在第一次排序中，第一样本用户和第二样本用户是相邻的，第一样本用户位于第二样本用户的前方。若第一样本用户对应的第四距离大于第二样本用户对应的第四距离，则第二次排序时，将第一样本用户调整至第二样本用户的后方；若第一样本用户对应的第四距离小于第二样本用户对应的第四距离，则第二次排序时，第一样本用户与第二样本用户的位置关系保持不变。

电子设备输出经过第二次排序的N个样本用户，操作者或观察者根据该排序即可知道排序中靠前的样本用户与待识别用户的相似度最高。

在本申请一实施例中，W＝N*N，T＝N。将W设置为N的平方，可以为后续第二距离、第三距离、第四距离、以及最终N个样本用户的确定提供足够的样本，提高识别结果的准确度。

当然，上述Q＝3，每个样本用户对应的样本图像的个数为3，T个样本用户中出现的次数相同的样本用户的个数为2等，只是为了便于说明本发明实施例的技术方案而举的例子，其可以根据实际情况进行合理的设置，本发明实施例对此不做限制。

本申请实施例提供了一种人脸识别方法，通过确定N个样本用户在Q*T个样本用户中出现的次数相同的样本用户，并确定该样本用户对应的多个样本特征向量与采集图像的多个特征向量之间的距离，进而对N个样本用户与待识别用户的相似度排序进行调整，从而可以提供排序更为准确的识别结果。

示例性装置

图7是本申请一示例性实施例提供的人脸识别装置70的结构示意图。如图7所示，该人脸识别装置70包括：采集模块71、第一确定模块72、第二确定模块73、第三确定模块74和第四确定模块75。

采集模块71用于采集关于同一用户的至少一张图像；第一确定模块72用于基于至少一张图像确定至少一个特征向量，至少一个特征向量与至少一张图像一一对应；第二确定模块73用于确定样本库中至少部分样本用户中每个样本用户对应的多个样本图像，并基于多个样本图像确定多个样本特征向量；第三确定模块74用于确定至少一个特征向量的均值特征向量；第四确定模块75用于基于均值特征向量与多个样本特征向量，确定样本库中满足预设规则的一个或多个样本用户，满足预设规则的一个或多个样本用户对应的样本图像与用户对应的图像相似。

具体地，采集模块71、第一确定模块72、第二确定模块73、第三确定模块74和第四确定模块75的具体工作过程以及功能，可以参见上述图2中的描述，在此不再赘述。

本申请实施例提供了一种人脸识别装置，通过针对每个样本用户确定多个样本特征向量，并确定与待识别用户对应的均值特征向量，进而基于预设规则确定与均值特征向量相似的样本特征向量，从而在多个样本图像中，确定采集的图像与之相似的样本图像，即基于该相似样本图像对应的样本用户识别该采集的图像中的用户的身份。该人脸识别方法能够适用于多种识别场景、降低对待识别图像质量的要求、提高识别结果的可靠性。

根据本申请一实施例，至少部分样本用户为M个样本用户，M为大于1的整数。第四确定模块75用于：确定与M个样本用户对应的M个样本均值特征向量；确定均值特征向量与M个样本均值特征向量中的每一个之间的差异，其中，M个样本均值特征向量中第m个样本均值特征向量与M个样本用户中第m个样本用户对应，1≤m≤M；根据差异确定一个或多个样本用户。

根据本申请一实施例，差异通过距离表征，距离包括余弦距离或欧氏距离，第四确定模块75用于：确定均值特征向量与M个样本均值特征向量之间的M个第一距离；对M个第一距离按照降序排列获得第一递减序列，确定第一递减序列中数值大小靠后的W个第一距离对应的W个样本用户，或，对M个第一距离按照升序排列获得第一递增序列，确定第一递增序列中数值大小靠前的W个第一距离对应的W个样本用户；根据W个样本用户确定一个或多个样本用户。

根据本申请一实施例，一个或多个样本用户为N个样本用户，N为大于或等于1、且小于M、小于W的整数，第四确定模块75用于在至少一张图像为一张图像时，根据W个样本用户确定W个第一距离中数值最小的N个第一距离对应的N个样本用户。人脸识别装置70还包括输出模块76，用于输出经过排序的N个样本用户。

根据本申请一实施例，一个或多个样本用户为N个样本用户，N为大于或等于1、且小于M、小于W的整数，第四确定模块75用于：在至少一张图像为Q张图像时，确定Q张图像对应的Q个特征向量中的每个特征向量与W个样本用户对应的W个样本均值特征向量之间的W个第二距离，其中，Q为大于1的整数；对W个第二距离按照降序排列获得第二递减序列，确定第二递减序列中数值大小靠后的T个第二距离对应的T个样本用户，或，对W个第二距离按照升序排列获得第二递增序列，确定第二递增序列中数值大小靠前的T个第二距离对应的T个样本用户；确定Q*T个样本用户中每个样本用户出现的次数；根据Q*T个样本用户中每个样本用户出现的次数的大小确定N个样本用户。

根据本申请一实施例，第四确定模块75还用于：根据N个样本用户在Q*T个样本用户中出现的次数的大小进行第一次排序；确定N个样本用户在Q*T个样本用户中出现的次数相同的样本用户；确定Q个特征向量分别与次数相同的样本用户中每个样本用户对应的多个样本特征向量之间的多个第三距离；确定多个第三距离的中位数为第四距离，以获得多个第四距离；根据多个第四距离对N个样本用户进行第二次排序。人脸识别装置70还包括输出模块76，用于输出经过第二次排序的N个样本用户。

根据本申请一实施例，W＝N*N，T＝N。

人脸识别装置70中各个模块的具体工作过程以及功能，可以参见上述图2至图6中的描述，在此不再赘述。

示例性电子设备

下面，参考图8来描述根据本申请实施例的电子设备。该电子设备80可以执行上述的人脸识别过程。

图8图示了根据本申请实施例的电子设备80的框图。

如图8所示，电子设备80包括一个或多个处理器81和存储器82。

处理器81可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备80中的其他组件以执行期望的功能。

存储器82可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器81可以运行所述程序指令，以实现上文所述的本申请的各个实施例的人脸识别方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如输入信号、信号分量、噪声分量、视频图像信号等各种内容。

在一个示例中，电子设备80还可以包括：输入装置83和输出装置84，这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。

例如，该输入装置83可以是上述的摄像机，用于捕捉人脸图像的输入信号。在该电子设备是单机设备时，该输入装置83可以是通信网络连接器，用于从摄像机接收所采集的输入信号。

此外，该输入设备83还可以包括例如键盘、鼠标等等。

该输出装置84可以向外部输出各种信息，包括确定出的人脸图像等。该输出设备84可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。

当然，为了简化，图8中仅示出了该电子设备80中与本申请有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备80还可以包括任何其他适当的组件。

示例性计算机程序产品和计算机可读存储介质

除了上述方法和设备以外，本申请的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的人脸识别方法中的步骤。

所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本申请实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。

此外，本申请的实施例还可以是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在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的人脸识别方法中的步骤。

所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、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。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、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)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

以上结合具体实施例描述了本申请的基本原理，但是，需要指出的是，在本申请中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本申请为必须采用上述具体的细节来实现。

本申请中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。

还需要指出的是，在本申请的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。

提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此，本申请不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。

为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。

Claims (8)

1.一种人脸识别方法，包括：

采集关于同一用户的多张图像；

基于所述多张图像确定多个特征向量，所述多个特征向量与所述多张图像一一对应；

确定样本库中至少部分样本用户中每个样本用户对应的多个样本图像，并基于所述多个样本图像确定多个样本特征向量；

确定所述多个特征向量的均值特征向量；

基于所述均值特征向量与所述多个样本特征向量，确定所述样本库中满足预设规则的一个或多个样本用户，所述满足预设规则的一个或多个样本用户对应的样本图像与所述用户对应的图像相似，

其中，所述至少部分样本用户为M个样本用户，M为大于1的整数，所述基于所述均值特征向量与所述多个样本特征向量，确定所述样本库中满足预设规则的一个或多个样本用户，包括：

确定与所述M个样本用户对应的M个样本均值特征向量；

确定所述均值特征向量与所述M个样本均值特征向量中的每一个之间的差异，其中，所述M个样本均值特征向量中第m个样本均值特征向量与所述M个样本用户中第m个样本用户对应，1≤m≤M；

根据所述差异确定所述一个或多个样本用户。

2.根据权利要求1所述的方法，其中，所述差异通过距离表征，所述距离包括余弦距离或欧氏距离，所述确定所述均值特征向量与所述M个样本均值特征向量中的每一个之间的差异，包括：

确定所述均值特征向量与所述M个样本均值特征向量之间的M个第一距离，

其中，所述根据所述差异确定所述一个或多个样本用户，包括：

对所述M个第一距离按照降序排列获得第一递减序列，确定所述第一递减序列中数值大小靠后的W个第一距离对应的W个样本用户，或，对所述M个第一距离按照升序排列获得第一递增序列，确定所述第一递增序列中数值大小靠前的W个第一距离对应的W个样本用户；

根据所述W个样本用户确定所述一个或多个样本用户。

3.根据权利要求2所述的方法，其中，所述一个或多个样本用户为N个样本用户，N为大于或等于1、且小于M、小于W的整数，所述根据所述W个样本用户确定所述一个或多个样本用户，包括：

在所述多张图像为Q张图像时，确定所述Q张图像对应的Q个特征向量中的每个特征向量与所述W个样本用户对应的W个样本均值特征向量之间的W个第二距离，其中，Q为大于1的整数；

对所述W个第二距离按照降序排列获得第二递减序列，确定所述第二递减序列中数值大小靠后的T个第二距离对应的T个样本用户，或，

对所述W个第二距离按照升序排列获得第二递增序列，确定所述第二递增序列中数值大小靠前的T个第二距离对应的T个样本用户；

确定Q*T个样本用户中每个样本用户出现的次数；

根据所述Q*T个样本用户中每个样本用户出现的次数的大小确定所述N个样本用户。

4.根据权利要求3所述的方法，还包括：

根据所述N个样本用户在所述Q*T个样本用户中出现的次数的大小进行第一次排序；

确定所述N个样本用户在所述Q*T个样本用户中出现的次数相同的样本用户；

确定所述Q个特征向量分别与所述次数相同的样本用户中每个样本用户对应的多个样本特征向量之间的多个第三距离；

确定所述多个第三距离的中位数为第四距离，以获得多个第四距离；

根据所述多个第四距离对所述N个样本用户进行第二次排序；

输出经过所述第二次排序的所述N个样本用户。

5.根据权利要求3或4所述的方法，其中，W＝N*N，T＝N。

6.一种人脸识别装置，包括：

采集模块，用于采集关于同一用户的多张图像；

第一确定模块，用于基于所述多张图像确定多个特征向量，所述多个特征向量与所述多张图像一一对应；

第二确定模块，用于确定样本库中至少部分样本用户中每个样本用户对应的多个样本图像，并基于所述多个样本图像确定多个样本特征向量；

第三确定模块，用于确定所述多个特征向量的均值特征向量；

第四确定模块，用于基于所述均值特征向量与所述至少部分样本用户中每个样本用户对应的多个样本特征向量，确定所述样本库中满足预设规则的一个或多个样本用户，所述满足预设规则的一个或多个样本用户对应的样本图像与所述用户对应的图像相似，

其中，所述至少部分样本用户为M个样本用户，M为大于1的整数，所述第四确定模块，用于：

确定与所述M个样本用户对应的M个样本均值特征向量；

确定所述均值特征向量与所述M个样本均值特征向量中的每一个之间的差异，其中，所述M个样本均值特征向量中第m个样本均值特征向量与所述M个样本用户中第m个样本用户对应，1≤m≤M；

根据所述差异确定所述一个或多个样本用户。

7.一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1至5中任一项所述的人脸识别方法。

8.一种电子设备，所述电子设备包括：

处理器；

用于存储所述处理器可执行指令的存储器，

其中，所述处理器用于执行上述权利要求1至5中任一项所述的人脸识别方法。

Images