CN111191644A - 身份识别方法、系统及装置 - Google Patents

Abstract

本说明书实施例公开了一种身份识别方法。该方法可以包括：获取由第一成像设备采集的第一图像，所述第一图像中包括一个或多个候选目标；获取由第二成像设备采集的第二图像，所述第二图像包括所述一个或多个候选目标中的至少一个候选目标的深度信息；基于所述第一图像与所述第二图像，从所述第二图像中提取所述一个或多个候选目标的深度信息；基于所述一个或多个候选目标的所述深度信息，从所述一个或多个候选目标中确定至少一个候选目标为待识别目标；基于所述待识别目标的至少一部分的深度信息获取由第三成像设备采集的第三图像，所述第三图像包括所述待识别目标的所述至少一部分；以及基于所述第三图像，识别所述待识别目标的身份信息。

Description

身份识别方法、系统及装置

技术领域

本说明书涉及身份识别技术领域，特别涉及基于深度信息的身份识别方法、系统及装置。

背景技术

随着科技的进步和发展，生物个体识别（即生物识别）技术在人们的生产生活中发挥着重要作用。基于生物个体体征（例如，指纹）对生物个体进行识别广泛应用于需要身份验证（即身份识别）的领域，如基于指纹和/或人脸识别的手机解锁、指纹门锁、基于人脸识别的支付等。通常，基于生物个体体征对生物个体进行识别需要采集生物个体的图像数据，以便基于图像数据中的生物个体特征进行身份识别。图像数据采集以及图像数据的质量会较大影响身份识别的速度与准确性。

因此，需要提供一种身份识别方法，可以快速以及准确采集待识别目标的图像数据，以实现快速以及准确的身份识别。

发明内容

本说明书实施例之一提供一种基于身份识别方法，所述方法包括：获取由第一成像设备采集的第一图像，所述第一图像中包括一个或多个候选目标；获取由第二成像设备采集的第二图像，所述第二图像包括所述一个或多个候选目标中的至少一个候选目标的深度信息；基于所述第一图像与所述第二图像，从所述第二图像中提取所述一个或多个候选目标的深度信息；基于所述一个或多个候选目标的所述深度信息，从所述一个或多个候选目标中确定至少一个候选目标为待识别目标；基于所述待识别目标的至少一部分的深度信息获取由第三成像设备采集的第三图像，所述第三图像包括所述待识别目标的所述至少一部分；以及基于所述第三图像，对所述待识别目标进行身份识别。

本说明书实施例之一提供一种身份识别装置。所述装置包括候选目标图像获取模块、深度信息提取模块、待识别目标确定模块、待识别目标图像获取模块。所述候选目标图像获取模块，用于获取第一图像，所述第一图像中包括一个或多个候选目标；以及获取由第二成像设备采集的第二图像，所述第二图像包括所述一个或多个候选目标中的至少一个候选目标的深度信息。所述深度信息提取模块，用于基于所述第一图像与所述第二图像，从所述第二图像中提取所述一个或多个候选目标的深度信息。所述待识别目标确定模块，用于基于所述一个或多个候选目标的所述深度信息，从所述一个或多个候选目标中确定至少一个候选目标为待识别目标。所述待识别目标图像获取模块，用于基于所述待识别目标的至少一部分的深度信息获取由第三成像设备采集的第三图像，所述第三图像包括所述待识别目标的所述至少一部分。所述装置还包括识别模块，用于基于所述第三图像，对所述待识别目标进行身份识别。

本说明书实施例之一提供一种身份识别系统。所述系统包括第一成像设备、第二成像设备、第三成像设备。所述第一成像设备，用于采集第一图像，所述第一图像中包括一个或多个候选目标。所述第二成像设备，用于采集第二图像，所述第二图像包括所述一个或多个候选目标中的至少一个候选目标的深度信息。所述第三成像设备，用于采集第三图像，所述第三图像包括所述一个或多个候选目标中的至少一个候选目标的至少一部分。所述系统还包括处理器以及存储介质，其中，存储介质用于存储可执行的指令，所述处理器用于执行所述可执行的指令以实现以上所述的身份识别方法。

本说明书实施例之一提供一种计算机可读介质，所述存储介质存储计算机指令，当所述计算机指令被处理器执行时实现以上所述的身份识别方法。

附图说明

本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：

图1是根据本说明书一些实施例所示的身份识别系统的应用场景示意图；

图2是根据本说明书一些实施例所示的一种身份识别方法的示例性流程图；

图3是根据本说明书一些实施例所示的另一种身份识别方法的示例性流程图；

图4是根据本说明书一些实施例所示的另一种身份识别方法的示例性流程图；

图5是根据本说明书一些实施例所示的身份识别装置的示例性模块图。

具体实施方式

为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。

应当理解，本文使用的“系统”、“装置”、“单元”和/或“模组”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。

如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。

本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

图1是根据本说明书一些实施例所示的身份识别系统的应用场景示意图。该身份识别系统100可以识别待识别目标的身份信息。

如图1所示，身份识别系统100可以包括处理设备110、成像设备120、终端130、存储设备140以及网络150。

处理设备110可以处理来自身份识别系统100的至少一个其他组件的数据和/或信息。例如，处理设备110可以从成像设备120获取图像数据。又例如，处理设备110可以基于图像数据提取候选目标（例如，人脸）的深度信息并基于候选目标的深度信息确定待识别目标。又例如，处理设备110可以基于待识别目标的至少一部分的图像数据（例如，虹膜图像）对待识别目标进行身份识别。

在一些实施例中，处理设备110可以是单个处理设备，也可以是处理设备组。处理设备组可以是经由接入点连接到网络150的集中式处理设备组，或者经由至少一个接入点分别连接到网络150的分布式处理设备组。在一些实施例中，处理设备110可以本地连接到网络150或者与网络150远程连接。例如，处理设备110可以经由网络150访问存储在终端130和/或存储设备140中的信息和/或数据。又例如，存储设备140可以用作处理设备110的后端数据存储器。在一些实施例中，处理设备110可以在云平台上实施。仅作为示例，所述云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。

在一些实施例中，处理设备110可以包括处理设备。处理设备可以处理与本说明书中描述的至少一个功能相关的信息和/或数据。在一些实施例中，处理设备可包括至少一个处理单元（例如，单核处理设备或多核处理设备）。仅作为示例，处理设备包括中央处理单元（CPU）、专用集成电路（ASIC）、专用应用指令集处理器（ASIP）、图形处理单元（GPU）、物理处理单元（PPU）、数字信号处理器（DSP）、现场可程序门阵列（FPGA）、可程序逻辑设备（PLD）、控制器、微控制器单元、精简指令集计算机（RISC）、微处理器等，或其任意组合。

成像设备120可以包括具有图像采集功能的多种类型的成像设备，例如，第一成像设备120-1、第二成像设备120-2、第三成像设备120-3等。在一些实施例中，第一成像设备120-1可以用于采集平面图像。例如，第一成像设备120-1可以包括彩色摄像机、数码摄像机、便携式摄像机、PC摄像机、网络摄像机、闭路电视（CCTV）、PTZ摄像相机、视频传感设备等中的一种或其任意组合。第二成像设备120-2可以用于采集深度图像。例如，第二成像设备120-2可以包括结构光深度摄像机、双目立体视觉摄像机、飞行时间TOF摄像机等。第三成像设备120-3可以用于采集红外图像（例如，虹膜图像）。例如，第三成像设备120-3可以包括红外热像仪、红外摄像机等。在一些实施例中，第一成像设备120-1的视野（FOV）和第二成像设备120-2的视野（FOV）有至少部分的重叠。在一些实施例中，第二成像设备120-2的视野（FOV）和第三成像设备120-3的视野（FOV）有至少部分的重叠。在一些实施例中，第一成像设备120-1、第二成像设备120-2、第三成像设备120-3等可以集成于同一设备中。例如，第一成像设备120-1、第二成像设备120-2、第三成像设备120-3等可以是同一设备中的不同成像模块。在一些实施例中，成像设备120可以采集包含候选目标的图像，并将采集到的图像发送至身份识别系统100中的一个或多个设备中。例如，成像设备120可以采集包含多个人脸的图像，通过网络150将图像发送至处理设备110进行后续处理。

终端130可以与处理设备110、成像设备120和/或存储设备140通信和/或连接。例如，终端130可以获得通过成像设备120获取的图像数据，并将图像数据发送到处理设备110以进行处理。又例如，终端130可以从处理设备110获得身份识别的结果。在一些实施例中，终端130可以包括移动设备、平板计算机、膝上型计算机等或其任意组合。在一些实施例中，用户可以通过终端130与身份识别系统100中的其他组件进行交互。例如，用户可以通过终端130查看成像设备采集的图像。用户也可以通过终端130查看经过处理设备110确定的身份识别结果。存储设备140可以储存数据和/或指令。例如，存储设备140可以存储成像设备120采集的图像数据、成像设备之间的坐标系转换关系、待识别目标的身份信息、图像处理模型和/或算法等。在一些实施例中，存储设备140可以存储处理设备110可以执行的数据和/或指令，处理设备110可以通过执行或使用所述数据和/或指令以实现本说明书描述的示例性方法。在一些实施例中，存储设备140可包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器（ROM）等或其任意组合。示例性的大容量存储器可以包括磁盘、光盘、固态磁盘等。示例性可移动存储器可以包括闪存驱动器、软盘、光盘、存储卡、压缩盘、磁带等。示例性易失性读写存储器可以包括随机存取存储器（RAM）。示例性随机存取存储器可包括动态随机存取存储器（DRAM）、双倍数据速率同步动态随机存取存储器（DDRSDRAM）、静态随机存取存储器（SRAM）、晶闸管随机存取存储器（T-RAM）和零电容随机存取存储器（Z-RAM）等。示例性只读存储器可以包括掩模型只读存储器（MROM）、可编程只读存储器（PROM）、可擦除可编程只读存储器（PEROM）、电可擦除可编程只读存储器（EEPROM）、光盘只读存储器（CD-ROM）和数字多功能磁盘只读存储器等。在一些实施例中，所述存储设备140可在云平台上实现。仅作为示例，所述云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。

网络150可以促进信息和/或数据的交换。在一些实施例中，身份识别系统100中的至少一个组件（例如，处理设备110、成像设备120、终端130、存储设备140）可以经由网络150将信息和/或数据发送到其他组件。例如，处理设备110可以通过网络150从成像设备120获取图像。又例如，处理设备110可以通过网络150将获取的图像发送至终端130。又例如，处理设备110可以用过网络150从存储设备140获取多个对象（例如，生物个体）的身份信息。又例如，处理设备110可以通过网络150将处理后的图像发送至终端130。

在一些实施例中，网络150可以为任意形式的有线或无线网络，或其任意组合。仅作为示例，网络150可以包括缆线网络、有线网络、光纤网络、远程通信网络、内部网络、互联网、局域网络（LAN）、广域网络（WAN）、无线局域网络（WLAN）、城域网（MAN）、公共开关电话网络（PSTN）、蓝牙网络、ZigBee网络、近场通讯（NFC）网络等或其任意组合。在一些实施例中，网络150可以包括至少一个网络接入点。例如，网络150可以包括有线或无线网络接入点，如基站和/或互联网交换点，通过这些网络接入点，身份识别系统100的至少一个部件可以连接到网络150以交换数据和/或信息。

应当注意的是，上述身份识别方法的应用身份识别系统100的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对该应用身份识别系统100进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。

图2是根据本说明书一些实施例所示的一种身份识别方法的示例性流程图。在一些实施例中，流程200可以由身份识别装置500或图1所示的处理设备110实现。例如，流程200可以以程序或指令的形式存储在存储装置（如存储设备140）中，所述程序或指令在被执行时，可以实现流程200。如图2所示，流程200可以包括以下步骤。

步骤201，处理设备可以获取由第一成像设备采集的第一图像，所述第一图像包括一个或多个候选目标。在一些实施例中，该步骤可以由候选目标图像获取模块501执行。

在一些实施例中，候选目标也可以称为候选待识别对象。候选目标可以包括生物个体的全部或一部分。例如，候选目标可以包括人体或人体的面部（即，人脸）。所述第一图像包括一个或多个候选目标可以指的是第一图像包括候选目标的图像表示。候选目标的图像表示也可以称为候选目标的图像描述。第一图像可以包括用于表示或描述候选目标的特征信息，例如，纹理特征、边界特征、颜色特征等。在一些实施例中，第一图像可以是二维图像。在一些实施例中，第一图像的图像类型包括以下中的至少一种：灰度图像、RGB图像等中的一种或其任意组合。

第一成像设备可以包括用于采集候选目标的平面图像（如，第一图像）的成像设备。例如，第一成像设备可以包括但不限于:彩色摄像机、数码摄像机、便携式摄像机、PC摄像机、网络摄像机、闭路电视（CCTV）、PTZ摄像机、视频传感设备等中的一种或其任意组合。

在一些实施例中，处理设备（例如，候选目标图像获取模块501）可以从第一成像设备、存储设备140或其他存储设备中获取第一图像。在一些实施例中，处理设备可以获取由一个第一成像设备采集的单张第一图像。在一些实施例中，处理设备可以获取由多个第一成像设备同时采集的多张第一图像。多张第一图像中的至少一张第一图像包括一个或多个候选目标。例如，多张第一图像中的至少一张第一图像包括多个人脸。在一些实施例中，候选目标图像获取模块501可以从第一成像设备中获取第一图像，并将第一图像存储在存储设备140中。

步骤203，处理设备可以获取由第二成像设备采集的第二图像，第二图像包括候选目标中的至少一个候选目标的深度信息。在一些实施例中，该步骤可以由候选目标图像获取模块501执行。

候选目标的深度信息可以表示候选目标（例如，人脸）表面上的点与第二成像设备之间的距离。例如，可以通过第二图像的像素值的大小表示候选目标的表面与第二成像设备之间的距离大小。在一些实施例中，第二图像可以包括深度图像。在一些实施例中，第二图像可以包括点云图。在一些实施例中，可以将深度图像转化为点云图以此获取第二图像。在一些实施例中，可以将点云图转化为深度图以此获取第二图像。第二图像可以是二维图像、三维图像等。

第二成像设备包括可以采集候选目标（例如，人脸）的深度信息的成像设备。在一些实施例中，第二成像设备可以包括一个或多个深度成像设备。深度成像设备可以包括但不限于：结构光（Structured Light）深度摄像机、双目立体视觉（Binocular StereoVision）摄像机、飞行时间TOF（Timeofflight）摄像机等中的一种或其任意组合。在一些实施例中，第二成像设备的视野（FOV）和第一成像设备的视野（FOV）有至少部分的重叠。在一些实施例中，第一成像设备与第二成像设备同时采集第一图像和第二图像。

在一些实施例中，候选目标图像获取模块501可以从第二成像设备、存储设备140或其他存储设备中获取第二图像。在一些实施例中，候选目标图像获取模块501可以获取由一个第二成像设备采集的单张第二图像。在一些实施例中，候选目标图像获取模块501可以获取由多个第二成像设备同时采集的多张第二图像。多张第二图像中的至少一张第二图像包括一个或多个候选目标中的至少一个候选目标的深度信息。每张第二图像可以对应一张第一图像。如本文中所述，第二图像对应第一图像指的是第二图像中的像素与第一图像中的某个像素对应候选目标上相同的位置或相同的部分。

步骤205，处理设备可以基于所述第一图像与所述第二图像，提取所述一个或多个候选目标的深度信息。在一些实施例中，该步骤可以由深度信息提取模块503执行。

在一些实施例中，可以在采集第一图像和第二图像前对第一成像设备和第二成像设备基于同一坐标系（例如，世界坐标系）进行标定，使得第一成像设备和第二成像设备具有统一的坐标系。处理设备可以直接从第一图像中检测一个或多个候选目标（例如，人脸）。处理设备可以基于检测到的一个或多个候选目标在第一图像中的位置从第二图像中提取一个或多个候选目标（例如，人脸）的深度信息。

在一些实施例中，处理设备可以将第一图像与第二图像进行配准以获得配准结果。处理设备可以从配准后的第一图像中检测一个或多个候选目标（例如，人脸）。深度信息提取模块503可以基于检测到的一个或多个候选目标以及配准结果提取一个或多个候选目标（例如，人脸）的深度信息。

在一些实施例中，处理设备可以通过图像配准技术将第一图像与第二图像进行配准。示例性图像配准技术可以包括基于灰度和模板匹配算法、基于特征的匹配算法、基于域变换的算法等。

在一些实施例中，处理设备可以利用图像分割技术、基于模型的目标检测技术等方法从配准后的第一图像中检测候选目标。图像分割技术可以包括利用基于边缘分割算法、基于阈值分割算法、基于区域分割算法、形态学分水岭算法等或其组合。基于模型的目标检测技术可以包括利用机器学习模型（R-CNN模型、Fast RCNN模型、SVM模型等）进行目标检测。在一些实施例中，处理设备可以基于检测到的候选目标对配准后的第一图像进行掩膜处理以获取掩膜图像。例如，可以将配准后的第一图像中候选目标所在区域的像素值设置为1，将其余区域的像素值设置为0。

在一些实施例中，可以基于检测到的候选目标在配准后的第一图像中的位置从配准后的第二图像中提取一个或多个候选目标的深度信息。可以基于检测到的候选目标在配准后的第一图像中的位置确定检测到的候选目标在配准后的第二图像中的位置。例如，可以将具有检测到的候选目标的掩膜图像与配准后的第二图像相乘，以确定检测到的候选目标在配准后的第二图像中的位置。进一步的，可以从配准后的第二图像中提取检测到的候选目标在配准后的第二图像中的位置处的深度信息。

步骤207，处理设备可以基于所述一个或多个候选目标的所述深度信息，从所述一个或多个候选目标中确定至少一个候选目标为待识别目标。在一些实施例中，该步骤可以由待识别目标确定模块505执行。

在本说明书的一个或多个实施例中，可以基于一个或多个候选目标（例如，人脸）的深度信息确定一个或多个候选目标的空间位置关系，并基于一个或多个候选目标的空间位置关系确定待识别目标。在一些实施例中，候选目标的空间位置关系可以包括候选目标与第二成像设备之间的空间位置关系。例如，候选目标的空间位置关系可以表示为候选目标与第二成像设备的距离。

在一些实施例中，处理设备可以基于候选目标（例如，人脸）与第二成像设备的距离确定一个或多个候选目标中至少一个候选目标为待识别目标。当候选目标与第二成像设备的距离满足一定条件时可以确定该候选目标为待识别目标。例如，成像设备可以将与第二成像设备的距离小于一定阈值（例如，小于1米、或小于2米、或小于3米、或小于4米等）的或第二成像设备的距离在一定范围内（例如，1-2米范围内、或0.5-4米范围内、或0-6米范围内）的候选目标确定为待识别目标。又例如，处理设备可以将与第二成像设备的距离最小的候选目标确定为待识别目标。在一些实施例中，若两个或以上候选目标与第二成像设备之间的距离相同且满足上述条件，处理设备可以基于一定准则从两个或以上候选目标中确定待识别目标。例如，处理设备可以基于与第二成像设备之间距离相同的候选目标在第一图像中的位置确定待识别目标。进一步的，待识别目标确定模块505可以将在第一图像中靠近图像左边或右边的候选目标确定为待识别目标。

步骤209，处理设备基于所述待识别目标的至少一部分的深度信息获取由第三成像设备采集的第三图像，所述第三图像包括所述待识别目标的所述至少一部分。该步骤可以由待识别目标图像获取模块507执行。

在一些实施例中，所述待识别目标可以包括人脸，待识别目标的至少一部分可以包括人眼、虹膜、眼纹、眼周中的至少一个。所述第三图像包括所述待识别目标的所述至少一部分也可称为所述第三图像包括所述待识别目标的所述至少一部分（例如，人眼）的图像表示。

在一些实施例中，处理设备（例如，待识别目标图像获取模块507）可以获取由第三成像设备采集的一张或多张第四图像（例如，人眼图像）。处理设备可以基于待识别目标的至少一部分（例如，人眼）的深度信息从一张或多张第四图像中确定第三图像。例如，可以获取第三成像设备和第二成像设备之间的坐标系转换关系（即几何映射关系或空间投影关系）。指定第四图像中与待识别目标的至少一部分（例如，人眼）的深度信息之间的投影关系满足第三成像设备和第二成像设备之间的坐标系转换关系的第四图像为第三图像。又例如，处理设备可以利用第三成像设备和第二成像设备之间的坐标系转换关系将待识别目标的至少一部分（例如，人眼）的深度信息投影到每张第四图像所在的平面。处理设备可以将第四图像中与投影后的信息匹配的第四图像指定为第三图像。第三成像设备和第二成像设备之间的坐标系转换关系与第二成像设备以及第三成像的标定参数相关，为身份识别系统100的默认设置。

在一些实施例中，处理设备可以基于待识别目标的至少一部分（例如，人眼）的深度信息对待识别目标的至少一部分（例如，人眼）进行定位以确定待识别目标的至少一部分（例如，人眼）相对于第三成像设备的空间位置信息。例如，可以基于待识别目标的至少一部分（例如，人眼）的深度信息确定待识别目标的至少一部分（例如，人眼）距离第二成像设备的距离与方向。进一步的，可以基于待识别目标的至少一部分（例如，人眼）与第二成像设备的距离与方向以及第二成像设备与第三成像设备之间的空间位置关系确定待识别目标的至少一部分（例如，人眼）距离第三成像设备的距离与方向。第三成像设备可以基于待识别目标的至少一部分（例如，人眼）与第三成像设备的距离与方向对待识别目标的至少一部分（例如，人眼）进行成像以获取第三图像。

在一些实施例中，可以基于待识别目标的至少一部分的深度信息确定待识别目标相对于第三成像设备的空间位置信息。可以进一步基于待识别目标相对于第三成像设备的空间位置信息启动第三成像设备对待识别目标的至少一部分对焦，以获取第三图像。关于第三设备的自动对焦的更多描述参考图4。

在一些实施例中，处理设备可以判断待识别目标的至少一部分的深度信息是否满足一定条件，并基于判断结果确定是否启动第三成像设备采集第三图像。关于第三成像设备的启动更多描述可以参考图3。

第三成像设备包括一个或多个红外成像设备。在一些实施例中，第三设备可以包括一个或多个图像传感器，例如，CMOS图像传感器、CCD图像传感器等。在一些实施例中，第三成像设备的垂直视角（FOV）或水平视角（FOV）中的至少一个大于阈值或在一定范围内。例如，可以通过在第三成像设备的垂直方向安装多个图像传感器，使得第三成像设备的垂直FOV在一定范围内，例如，在0-60度，或在0-90度，或在0-120度等范围。又例如，可以通过在第三成像设备的水平方向安装多个图像传感器，使得第三成像设备的水平FOV在一定范围内，例如，在0-60度，或在0-90度，或在0-120度等范围。再例如，可以在第三成像设备的垂直方向和水平方向同时安装多个图像传感器，使得第三成像设备的垂直FOV和水平FOV在一定范围内，例如，在0-60度，或在0-90度，或在0-120度等范围。在一些实施例中，第三设备中的图像传感器可以沿着多个自由度旋转，例如，可以顺时针或逆时针旋转。可以通过旋转第三设备中的图像传感器以改变某一方向的FOV。例如，若水平FOV更大，则可以通过将第三设备中的图像传感器旋转90度以使得垂直方向FOV更大。

步骤211，处理设备可以基于所述第三图像，对所述待识别目标进行身份识别。该步骤可以由识别模块509执行。

在一些实施例中，可以预先采集多个对象的至少一部分（例如，虹膜）的图像并提取图像特征。预先提取的图像特征可以以特征编码的形式存储在存储设备140中，也可以直接存储在外部数据库中。识别模块509可以利用特征提取算法从第三图像中提取特征。在一些实施例中，识别模块509在进行特征提取前可以对第三图像进行预处理，例如，图像平滑、边缘检测、图像分离等。在一些实施例中，识别模块509可以进一步对从第三图像中提取的特征进行特征编码。识别模块509可以将从第三图像中获取的特征编码与预先存储的特征编码进行匹配以便对待识别目标进行身份识别。

根据本说明中的一些实施例，可以基于候选目标的深度信息确定待识别目标。进一步的，可以基于待识别目标的至少一部分（例如，人眼）的深度信息从当前第三成像设备（例如，虹膜摄像机）拍摄的图像中筛选出指定目标的第三图像进行身份识别（例如，虹膜识别），从而可以避免误采集或采集到不应该采集到的对象，提高采集的图像质量以及效率，进一步提高身份识别的速度以及准确性。

根据本说明书中的一些实施例，可以通过增加第三成像设备中图像传感器的个数或旋转第三成像设备（例如，虹膜摄像机）中的图像传感器，扩大垂直或水平方向的FOV（例如，可以获取更大的垂直方向FOV以便覆盖不同身高的人群），从而达到不需要增加调节俯仰角的机械结构件。

根据本说明书中的一些实施例，第二成像设备可以采用结构光深度摄像头或者TOF深度摄像头，可以有效降低对环境光的依赖，可以提高深度信息的精确度，从而提高待识别目标确定的准确度，进一步提高第三图像（例如，虹膜图像）采集的精确性以及质量，提高身份识别（例如，虹膜识别）的速度以及准确性。

应当注意的是，上述有关流程200的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程200进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

图3是根据本说明书一些实施例所示的另一种身份识别方法的示例性流程图。在一些实施例中，流程300可以由身份识别装置500或图1所示的处理设备110实现。例如，流程300可以以程序或指令的形式存储在存储装置（如存储设备140）中，所述程序或指令在被执行时，可以实现流程300。如图3所示，流程300可以包括以下步骤。

在一些实施例中，第三成像设备可以与第一成像设备、第二成像设备同时采集图像，在一些实施例中，第三成像设备可以基于相应的条件启动图像采集。例如，第三成像设备可以基于第一成像设备与第二成像设备采集的第一、第二图像的结果确定是否启动进行第三图像的采集等操作。例如，候选目标图像获取模块501可以获取第一成像设备采集的第一图像与第二成像设备采集的第二图像，第一、第二图像中包括一个或多个候选目标的图像表示以及至少一个候选目标的深度信息，基于第二图像中待识别目标的深度信息是否满足相应条件的结果，可以确定是否启动第三成像设备采集第三图像。

步骤301，处理设备可以获取由第一成像设备采集的第一图像，所述第一图像中包括一个或多个候选目标的图像表示。在一些实施例中，该步骤可以由候选目标图像获取模块501执行。

关于获取第一图像的具体描述可以参考流程200中的步骤201。

步骤303，处理设备可以获取由第二成像设备采集的第二图像，所述第二图像包括一个或多个候选目标中的至少一个候选目标的深度信息。在一些实施例中，该步骤可以由候选目标图像获取模块501执行。

关于获取第二图像的具体描述可以参考流程200中的步骤203。

步骤305，处理设备可以基于所述第一图像与所述第二图像，从所述第二图像中提取所述一个或多个候选目标的深度信息。在一些实施例中，该步骤可以由深度信息提取模块503执行。

关于从第二图像中提取一个或多个候选目标的深度信息的具体描述可以参考流程200中的步骤205。

步骤307，处理设备可以基于所述一个或多个候选目标的所述深度信息，从所述一个或多个候选目标中确定至少一个候选目标为待识别目标。在一些实施例中，该步骤可以由待识别目标确定模块505执行。

关于基于深度信息确定至少一个候选目标为待识别目标的具体描述可以参考流程200中的步骤207。

步骤309，处理设备可以判断所述待识别目标的所述至少一部分的所述深度信息是否满足条件。在一些实施例中，该步骤可以由待识别目标图像获取模块507（例如，启动单元（未示出））执行。

如本文中所述，待识别目标（例如，人脸）的至少一部分（例如，人眼、眼纹、眼周等）的深度信息可以表示待识别目标的表面上的点与第二成像设备之间的距离关系。在一些实施例中，可以基于待识别目标的至少一部分（例如，人眼、眼纹、眼周等）的表面上的点与第二成像设备之间的距离以及第二成像设备与第三成像设备之间的空间位置关系（例如，方向、距离等）确定待识别目标的至少一部分（例如，人眼、眼纹、眼周等）表面上的点与第三成像设备之间的距离。在一些实施例中，可以基于待识别目标的至少一部分（例如，人眼、眼纹、眼周等）的表面上的点与第二成像设备之间的距离以及第二成像设备与地理坐标系之间的坐标系转换关系确定待识别目标的至少一部分（例如，人眼、眼纹、眼周等）表面上的点在地理坐标系中的位置。进一步的，可以基于待识别目标的至少一部分（例如，人眼、眼纹、眼周等）表面上的点在地理坐标系中的位置以及第三成像设备在地理坐标系中的位置确定待识别目标的至少一部分（例如，人眼、眼纹、眼周等）表面上的点与第三成像设备之间的距离。

在一些实施例中，判断待识别目标的至少一部分的深度信息是否满足条件包括判断待识别目标的至少一部分与第三成像设备之间的距离是否满足一定条件。例如，可以判断待识别目标的至少一部分与第三成像设备之间的距离是否在一定距离范围内。若待识别目标的至少一部分与第三成像设备之间的距离在一定距离范围内，则可以确定待识别目标的至少一部分的深度信息满足条件。若待识别目标的至少一部分与第三成像设备之间的距离不在一定距离范围内，则可以确定待识别目标的至少一部分的深度信息不满足条件。该距离范围可以包括30-70cm、20-80cm、10-90cm等。又例如，可以判断待识别目标的至少一部分与第三成像设备之间的距离是否小于一定距离阈值。若待识别目标的至少一部分与第三成像设备之间的距离小于一定距离阈值，则可以确定待识别目标的至少一部分的深度信息满足条件。若待识别目标的至少一部分与第三成像设备之间的距离不小于一定距离阈值，则可以确定待识别目标的至少一部分的深度信息不满足条件。该距离阈值可以包括70cm、80cm、90cm等。

在一些实施例中，待识别目标的至少一部分上表面上的点可以不在同一个平面上，即待识别目标的至少一部分的表面上的点与第三成像设备之间的距离可以不一样。可以基于待识别目标的至少一部分的表面上的点与第三成像设备之间的距离确定待识别目标的至少一部分与第三成像设备之间的距离。例如，可以确定待识别目标的至少一部分的表面上的点与第三成像设备之间的距离平均值为待识别目标的至少一部分与第三成像设备之间的距离。又例如，可以确定待识别目标的至少一部分的表面上的点与第三成像设备之间的距离的中值为待识别目标的至少一部分与第三成像设备之间的距离。

步骤311，处理设备可以响应于待识别目标的至少一部分的深度信息满足条件，启动第三成像设备采集待识别目标的至少一部分的第三图像。在一些实施例中，该步骤可以由待识别目标图像获取模块507（例如，启动单元（未示出））执行。

在一些实施例中，响应于待识别目标的至少一部分的深度信息满足条件，可以启动第三成像设备采集的一张或多张第四图像（例如，人眼图像）。处理设备（例如，筛选单元（未示出））可以基于待识别目标的至少一部分（例如，人眼）的深度信息从一张或多张第四图像中获得第三图像。例如，可以获取第三成像设备和第二成像设备之间的坐标系转换关系（即几何映射关系或空间投影关系）。指定第四图像中与待识别目标的至少一部分（例如，人眼）的深度信息之间的投影关系满足第三成像设备和第二成像设备之间的坐标系转换关系的第四图像为第三图像。又例如，处理设备可以利用第三成像设备和第二成像设备之间的坐标系转换关系将待识别目标的至少一部分（例如，人眼）的深度信息投影到每张第四图像所在的平面。处理设备可以将第四图像中与投影后的信息匹配的第四图像指定为第三图像。第三成像设备和第二成像设备之间的坐标系转换关系与第二成像设备以及第三成像的标定参数相关，为身份识别系统100的默认设置。

在一些实施例中，处理设备可以基于待识别目标的至少一部分（例如，人眼）的深度信息对待识别目标的至少一部分（例如，人眼）进行定位以确定待识别目标的至少一部分（例如，人眼）相对于第三成像设备的空间位置信息。例如，可以基于待识别目标的至少一部分（例如，人眼）的深度信息确定待识别目标的至少一部分（例如，人眼）距离第二成像设备的距离与方向。进一步的，可以基于待识别目标的至少一部分（例如，人眼）与第二成像设备的距离与方向以及第二成像设备与第三成像设备之间的空间位置关系确定待识别目标的至少一部分（例如，人眼）与第三成像设备之间的距离与方向。响应于待识别目标的至少一部分的深度信息满足条件，可以启动第三成像设备基于待识别目标的至少一部分（例如，人眼）与第三成像设备的距离与方向对待识别目标的至少一部分（例如，人眼）进行成像以获取第三图像。

在一些实施例中，响应于待识别目标的至少一部分的深度信息不满足条件，处理设备可以返回执行步骤301-307重新获取第一成像设备重新采集的第一图像以及第二成像设备重新采集的第二图像、基于重新获取的第一图像与第二图像，提取一个或多个候选目标的深度信息、基于所述一个或多个候选目标的深度信息，从一个或多个候选目标中确定至少一个候选目标为待识别目标。

关于基于第三图像进行身份识别的具体描述可以参考图2中的步骤211。

根据本说明书中的一个或多个实施例，可以根据第二成像设备采集的图像确定的候选目标的至少一部分（例如，人脸或人眼）的深度信息判断当前是否有待识别或待验证的目标，以此判断是否启动第三成像设备（例如，虹膜成像设备）。当待识别目标的至少一部分与第三成像设备之间的距离不满足条件（例如，距离第三成像设备较远）时，第三成像设备将不会启动。当待识别目标的至少一部分与第三成像设备之间的距离满足条件（例如，距离第三成像设备较近）时，第三成像设备将启动进行图像采集，可以有效避免第三成像设备不断采集图像以造成采集不到应该采集的目标。无需用户主动开启或关闭第三成像设备，提高用户体验。

应当注意的是，上述有关流程300的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程300进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

图4是根据本说明书一些实施例所示的另一种身份识别方法的示例性流程图。在一些实施例中，流程400可以由身份识别装置500执行，或图1所示的处理设备110实现。例如，流程400可以以程序或指令的形式存储在存储装置（如存储设备140）中，所述程序或指令在被执行时，可以实现流程400。如图4所示，流程400可以包括以下步骤。

为了快速、准确地采集待识别目标的至少一部分（例如，人眼、虹膜、眼纹、眼周等）的第三图像，需要获取质量较高的目标图像。采集待识别目标的至少一部分的图像的第三成像设备需要良好的对待识别目标的对焦功能，以使采集的第三图像满足身份识别的质量要求。在本说明书的一个或多个实施例中，基于待识别目标的至少一部分的深度信息，启动第三成像设备基于待识别目标的至少一部分的深度信息进行自动对焦并采集第三图像。

步骤401，处理设备可以获取由第一成像设备采集的第一图像，所述第一图像中包括一个或多个候选目标的图像表示。在一些实施例中，该步骤可以由候选目标图像获取模块501执行。

关于获取第一图像的具体描述可以参考流程200中的步骤201。

步骤403，处理设备可以获取由第二成像设备采集的第二图像，所述第二图像包括一个或多个候选目标中的至少一个候选目标的深度信息。在一些实施例中，该步骤可以由候选目标图像获取模块501执行。

关于获取第二图像的具体描述可以参考流程200中的步骤203。

步骤405，处理设备可以基于所述第一图像与所述第二图像，从所述第二图像中提取所述一个或多个候选目标的深度信息。在一些实施例中，该步骤可以由深度信息提取模块503执行。

关于从第二图像中提取一个或多个候选目标的深度信息的具体描述可以参考流程200中的步骤205。

步骤407，处理设备可以基于所述一个或多个候选目标的所述深度信息，从所述一个或多个候选目标中确定至少一个候选目标为待识别目标。在一些实施例中，该步骤可以由待识别目标确定模块505执行。

关于基于深度信息确定至少一个候选目标为待识别目标的具体描述可以参考流程200中的步骤207。

步骤409，处理设备可以基于所述待识别目标的所述至少一部分的所述深度信息确定所述待识别目标的所述至少一部分相对于所述第三成像设备的空间位置信息。在一些实施例中，该步骤可以由待识别目标图像获取模块507（例如，对焦单元（未示出））执行。

待识别目标的至少一部分（例如，人脸、人眼、眼周等）相对于第三成像设备的空间位置信息可以包括待识别目标的至少一部分所处的空间位置与第三成像设备的空间位置之间的关系，即识别目标的至少一部分相对于第三成像设备的空间位置关系。例如，待识别目标的至少一部分（例如，人脸、人眼、眼周等）相对于第三成像设备的空间位置信息可以包括待识别目标的至少一部分与第三成像设备的距离、待识别目标的至少一部分相对于第三成像设备的方向等。以待识别目标的至少一部分为人眼为例，待识别目标的至少一部分相对于第三成像设备的空间位置关系包括人眼相对于第三成像设备的距离。

在一些实施例中，处理设备可以基于第二图像中提取的待识别目标的至少一部分的深度信息确定待识别目标的至少一部分与第二成像设备的空间位置关系（也可称为第一空间位置关系）。进一步的，处理设备可以基于第一空间位置关系以及第二成像设备与第三成像设备的空间位置关系获得确定待识别目标的至少一部分相对于第三成像设备的空间位置关系（也可称为第二空间位置关系），即待识别目标的至少一部分（例如，人脸、人眼、眼周等）相对于第三成像设备的空间位置信息。

在一些实施例中，处理设备可以基于第二图像中提取的待识别目标的至少一部分的深度信息确定以及第二成像设备与地理坐标系之间的坐标转换关系确定待识别目标的至少一部分在地理坐标系中的空间位置信息（例如，坐标）。进一步的，处理设备可以基于待识别目标的至少一部分在地理坐标系中的空间位置信息（例如，坐标）以及第三成像设备在地理坐标系中的空间位置信息确定待识别目标的至少一部分相对于第三成像设备的空间位置信息。

第二成像设备与第三成像设备的空间位置关系、第二成像设备与地理坐标系之间的坐标转换关系和/或第三成像设备在地理坐标系中的空间位置信息可以由身份识别系统100预先设定。

步骤411，处理设备可以基于所述待识别目标的所述至少一部分相对于所述第三成像设备的空间位置信息，使所述第三成像设备对所述待识别目标的所述至少一部分进行对焦。在一些实施例中，该步骤可以由待识别目标图像获取模块507（例如，对焦单元（未示出））执行。

在本说明书的一个或多个实施例中，待识别目标的至少一部分相对于第三成像设备的空间位置信息可以包括待识别目标的至少一部分（例如，人眼、眼纹、眼周）与采集待识别目标图像的第三成像设备（例如，虹膜摄像机）的距离。处理设备（例如，对焦单元）可以根据待识别目标与第三成像设备的距离进行对焦，即调节第三成像设备的物距和/或像距。

在本说明书的一个或多个实施例中，可以预先构建物距区间与对焦位置的对应关系。物距区间与对焦位置的对应关系包括多个物距区间以及相对应的对焦位置。待识别目标图像获取模块507（例如，对焦单元（未示出））可以根据待识别目标的至少一部分（例如，人眼、眼纹、眼周）与第三成像设备（例如，虹膜摄像机）的距离从多个物距区间确定所属的物距区间。并根据所属的物距区间确定对应的对焦位置。在一些实施例中，第三成像设备包括音圈马达。音圈马达可以用于将电能转化为机械能的装置。音圈马达可以根据确定的对焦位置调整第三成像设备的镜头与图像传感器之间的距离，以调整像距和物距。第三成像设备可以通过调节镜头组的位置实现对焦过程中的像距和物距调节，从而实现对焦。

步骤413，处理设备可以获取第三图像并进行身份识别。在一些实施例中，该步骤可以由待识别目标图像获取模块507和/或识别模块509执行。

待识别目标图像获取模块507通过将第三成像设备中的镜头位置调节到焦距位置，可以实现第三成像设备的镜头对待识别目标的对焦。利用对焦后第三成像设备采集到的待识别目标的至少一部分的图像，可以获取包括至少一个候选目标的一张或多张第四图像。再基于待识别目标的至少一部分的深度信息，可以从一张或多张第四图像中获取第三图像。

在一些实施例中，基于对焦后的第三成像设备，可以启动第三成像设备采集的一张或多张第四图像（例如，人眼图像）。待识别目标图像获取模块507（例如，筛选单元（未示出））可以基于待识别目标的至少一部分（例如，人眼）的深度信息从一张或多张第四图像中获得第三图像。例如，可以获取第三成像设备和第二成像设备之间的空间投影关系（即几何映射关系或坐标系转换关系）。指定一张或多张第四图像中与第三图像之间的投影关系满足第三成像设备和第二成像设备之间的空间投影关系的第四图像为第三图像。

关于基于第三图像进行身份识别的具体描述可以参考图2中的步骤211。

根据本说明书的一个或多个实施例，可以基于第二成像设备采集的图像确定的待识别目标的至少一部分（例如，人眼）的深度信息确定待识别目标的至少一部分（例如，人眼）与第三成像设备（例如，虹膜摄像机）之间的距离，进一步可以根据该距离对第三成像设备针对待识别目标的至少一部分（例如，人眼）进行自动对焦，可以实现快速准确的自动对焦，提高第三成像设备采集的图像质量。

根据本说明书的一个或多个实施例，第三成像设备采用音圈马达实现的自动对焦，可以避免使用复杂的步进电机驱动机械结构实现对焦。

应当注意的是，上述有关流程400的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程300进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

图5是根据本说明书一些实施例所示的身份识别装置的示例性模块图。

如图5所示，该身份识别系统可以包括候选目标图像获取模块501、深度信息提取模块503、待识别目标确定模块505、待识别目标图像获取模块507、识别模块509、存储模块511。需要注意的是，本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

候选目标图像获取模块501可以用于获取由第一成像设备采集的一个或多个候选目标对应的第一图像和/或由第二成像设备采集的第二图像。

第一图像包括一个或多个候选目标的图像表示。第一图像可以包括用于表示或描述候选目标的特征信息，例如，纹理特征、边界特征、颜色特征等。第二图像包括候选目标中的至少一个候选目标的深度信息。候选目标的深度信息可以表示候选目标（例如，人脸）表面上的点与第二成像设备之间的距离关系。例如，可以通过第二图像的像素值的大小表示至少一个候选目标的表面与第二成像设备之间的距离大小。在一些实施例中，第二图像可以包括深度图像。在一些实施例中，第二图像可以包括点云图。关于第一成像设备以及第二成像设备的更多描述可以参考本说明书其他部分。

深度信息提取模块503可以基于第一图像和第二图像，提取一个或多个候选目标的深度信息。在一些实施例中，深度信息提取模块503可以将第一图像与第二图像进行配准并获取配准结果，包括配准后的第一图像和第二图像。深度信息提取模块503可以从配准后第一图像中检测一个或多个候选目标。并基于检测到的候选目标从配准后的第二图像中提取一个或多个候选目标（例如，人脸）的深度信息。

待识别目标确定模块505可以用于基于一个或多个候选目标的深度信息，从一个或多个候选目标中确定至少一个候选目标为待识别目标。在一些实施例中，待识别目标确定模块505可以基于候选目标（例如，人脸）与第二成像设备的距离确定至少一个候选目标为待识别目标。例如，待识别目标确定模块505可以将与第二成像设备的距离小于一定阈值的或距离在一定范围内的候选目标确定为待识别目标。又例如，待识别目标确定模块505可以将与第二成像设备的距离最小的候选目标确定为待识别目标。

待识别目标图像获取模块507可以用于基于待识别目标的至少一部分的深度信息获取由第三成像设备采集的第三图像。第三图像包括待识别目标的至少一部分的图像表示。在一些实施例中，待识别目标图像获取模块507包括筛选单元、启动单元和对焦单元。

在一些实施例中，启动单元可以响应于待识别目标的至少一部分的深度信息满足条件的结果，启动第三成像设备采集图像。例如，启动单元可以响应于待识别目标的至少一部分的深度信息满足条件的结果，启动第三成像设备采集一张或多张第四图像。待识别目标图像获取模块507（例如，筛选单元）可以基于待识别目标的至少一部分的深度信息从一张或多张第四图像中筛选第三图像。

在一些实施例中，筛选单元可以基于待识别目标的至少一部分（例如，人眼）的深度信息从一张或多张第四图像中筛选第三图像。例如，筛选单元可以获取第三成像设备和第二成像设备之间的空间投影关系，筛选单元通过确定第四图像中与第三图像之间的投影关系满足第三成像设备和第二成像设备之间的空间投影关系的第四图像为第三图像。

在一些实施例中，对焦单元可以用于根据待识别目标的至少一部分的深度进行对第三成像设备进行对焦，即调节第三成像设备的像距。例如，对焦单元可以根据待识别目标的至少一部分与第三成像设备的距离从多个物距区间确定所属的物距区间，并根据所属的物距区间确定对应的对焦位置。

识别模块509可以用于基于第三图像，对待识别目标进行身份识别。在一些实施例中，识别模块可以用于对第三图像进行预处理、从第三图像中提取图像特征、对提取的特征进行特征编码、将提取的特征编码与预存的特征编码进行匹配以进行身份识别。

存储模块511可以用于存储由成像设备采集的图像数据、待识别目标的身份信息、图像处理模型和/或算法等。例如，存储模块511可以存储由第一成像设备采集的第一图像、由第二成像设备采集的第二图像。例如，存储模块511可以存储预采集的多个目标的至少一部分的图像特征，用于身份识别。又例如，存储模块511可以存储图像预处理、目标检测技术等算法。在一些实施例中，存储模块511包括内部存储设备、外部存储设备等。

本说明书实施例可能带来的有益效果包括但不限于：（1）可以基于候选目标的深度信息确定待识别目标并基于待识别目标的至少一部分（例如，人眼）的深度信息从当前第三成像设备（例如，虹膜摄像机）拍摄的图像中筛选出指定目标的第三图像进行身份识别（例如，虹膜识别），从而可以避免误采集或采集到不应该采集到的对象，提高采集的图像质量以及效率，进一步提高基于虹膜、眼纹等生物特征进行身份识别的速度以及准确性；（2）可以通过增加第三成像设备中图像传感器的个数或旋转第三成像设备（例如，虹膜摄像机）中的图像传感器，改变垂直或水平方向的FOV（例如，可以获取更大的垂直方向FOV以便覆盖不同身高的人群），从而达到不需要增加调节俯仰角的机械结构件；（3）第二成像设备可以采用结构光深度摄像头或者TOF深度摄像头，可以有效降低对环境光的依赖，可以提高深度信息的精确度，从而提高待识别目标确定的准确度，进一步提高第三图像（例如，虹膜图像）采集的精确性以及质量，提高身份识别（例如，虹膜识别）的速度以及准确性；（4）可以根据第二成像设备采集的图像确定的候选目标的至少一部分（例如，人脸或人眼）的深度信息判断当前是否有待识别或待验证的目标，以此判断是否启动第三成像设备（例如，虹膜成像设备），可有效避免第三成像设备不断采集图像以造成采集不到应该采集的目标。无需用户主动开启或关闭第三成像设备，提高用户体验；（5）可以基于第二成像设备采集的图像确定的待识别目标的至少一部分（例如，人眼）的深度信息确定待识别目标的至少一部分（例如，人眼）与第三成像设备（例如，虹膜摄像机）之间的距离，进一步可以根据该距离对第三成像设备针对待识别目标的至少一部分（例如，人眼）进行自动对焦，可以实现快速准确的自动对焦，提高第三成像设备采集的图像质量，并且第三成像设备采用音圈马达实现的自动对焦，可以避免使用复杂的步进电机驱动机械结构实现对焦。需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。

应当理解，图5所示的系统及其模块可以利用各种方式来实现。例如，在一些实施例中，系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中，硬件部分可以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器（固件）的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本说明书的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合（例如，固件）来实现。

需要注意的是，以上对于身份识别装置500中的模块的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。例如，在一些实施例中，例如，图5中披露的可以是一个系统中的不同模块，也可以是一个模块实现上述的两个或两个以上模块的功能。例如，深度信息提取模块和待识别目标确定模块可以集成为一个模块。诸如此类的变形，均在本说明书的保护范围。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。

同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

此外，本领域技术人员可以理解，本说明书的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本说明书的各个方面可以完全由硬件执行、可以完全由软件（包括固件、常驻软件、微码等）执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本说明书的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。

计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质，或任何上述介质的组合。

本说明书各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网（LAN）或广域网（WAN），或连接至外部计算机（例如通过因特网），或在云计算环境中，或作为服务使用如软件即服务（SaaS）。

此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。

针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件（当前或之后附加于本说明书中的）也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。

最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (20)

1.一种身份识别方法，所述方法包括：

获取由第一成像设备采集的第一图像，所述第一图像中包括一个或多个候选目标；

获取由第二成像设备采集的第二图像，所述第二图像包括所述一个或多个候选目标中的至少一个候选目标的深度信息；

基于所述第一图像与所述第二图像，提取所述一个或多个候选目标的深度信息；

基于所述一个或多个候选目标的所述深度信息，从所述一个或多个候选目标中确定至少一个候选目标为待识别目标；

基于所述待识别目标的至少一部分的深度信息获取由第三成像设备采集的第三图像，所述第三图像包括所述待识别目标的所述至少一部分；以及

基于所述第三图像，对所述待识别目标进行身份识别。

2.根据权利要求1所述的方法，所述待识别目标包括面部，所述待识别目标的所述至少一部分包括虹膜、眼纹和眼周中的至少一个。

3.根据权利要求1或2所述的方法，所述第二成像设备包括一个或多个深度成像设备，所述深度成像设备包括结构光深度摄像头和飞行时间TOF深度摄像头中的至少一种。

4.根据权利要求1所述的方法，所述第三成像设备包括一个或多个图像传感器，所述一个或多个图像传感器安装于所述第三成像设备中使得第三成像设备的垂直视角或水平视角中的至少一个大于阈值。

5.根据权利要求1所述的方法，所述第三成像设备包括一个或多个图像传感器，所述一个或多个图像传感器可沿一个或多个自由度旋转，所述第三成像设备通过所述一个或多个图像传感器的旋转改变所述垂直视角或所述水平视角中的至少一个。

6.根据权利要求1所述的方法，基于所述待识别目标的至少一部分的深度信息，获取第三图像包括：

判断所述待识别目标的所述至少一部分的所述深度信息是否满足条件；以及

响应于所述待识别目标的所述至少一部分的所述深度信息满足所述条件，启动所述第三成像设备采集所述待识别目标的所述至少一部分的所述第三图像。

7.根据权利要求1所述的方法，基于所述待识别目标的至少一部分的深度信息，获取第三图像包括：

基于所述待识别目标的所述至少一部分的所述深度信息确定所述待识别目标的所述至少一部分相对于所述第三成像设备的空间位置信息；以及

基于所述空间位置信息，使所述第三成像设备对所述待识别目标的所述至少一部分进行对焦。

8.根据权利要求1所述的方法，基于所述待识别目标的至少一部分的深度信息，获取第三图像包括：

获取所述第二成像设备与所述第三成像设备之间的几何映射关系；

获取所述第三成像设备采集的一个或多个第四图像；以及

基于所述几何映射关系以及所述待识别目标的所述至少一部分的所述深度信息，从所述一个或多个第四图像中确定所述第三图像。

9.根据权利要求1所述的方法，基于所述一个或多个候选目标的所述深度信息，从所述一个或多个候选目标中确定至少一个候选目标为待识别目标包括：

基于所述一个或多个候选目标的所述深度信息确定所述一个或多个候选目标的空间位置关系；以及

基于所述一个或多个候选目标的所述空间位置关系确定所述待识别目标。

10.一种身份识别装置，包括：

候选目标图像获取模块，用于获取第一图像，所述第一图像中包括一个或多个候选目标；以及获取由第二成像设备采集的第二图像，所述第二图像包括所述一个或多个候选目标中的至少一个候选目标的深度信息；

深度信息提取模块，用于基于所述第一图像与所述第二图像，从所述第二图像中提取所述一个或多个候选目标的深度信息；

待识别目标确定模块，用于基于所述一个或多个候选目标的所述深度信息，从所述一个或多个候选目标中确定至少一个候选目标为待识别目标；以及

待识别目标图像获取模块，用于基于所述待识别目标的至少一部分的深度信息获取由第三成像设备采集的第三图像，所述第三图像包括所述待识别目标的所述至少一部；以及

识别模块，用于基于所述第三图像，对所述待识别目标进行身份识别。

11.根据权利要求10所述的装置，所述待识别目标包括面部，所述待识别目标的所述至少一部分包括虹膜、眼纹和眼周中的至少一个。

12.根据权利要求10或11所述的装置，所述第二成像设备包括一个或多个深度成像设备，所述深度成像设备包括结构光深度摄像头和飞行时间TOF深度摄像头中的至少一种。

13.根据权利要求10所述的装置，所述第三成像设备包括一个或多个图像传感器，所述一个或多个图像传感器安装于所述第三成像设备中使得第三成像设备的垂直视角或水平视角中的至少一个大于阈值。

14.根据权利要求10所述的装置，所述第三成像设备包括一个或多个图像传感器，所述一个或多个图像传感器可沿一个或多个自由度旋转，所述第三成像设备通过所述一个或多个图像传感器的旋转改变所述垂直视角或所述水平视角中的至少一个。

15.根据权利要求10所述的装置，所述待识别目标图像获取模块进一步包括启动单元，用于：

判断所述待识别目标的所述至少一部分的所述深度信息是否满足条件；以及

响应于所述待识别目标的所述至少一部分的所述深度信息满足所述条件，启动所述第三成像设备采集所述待识别目标的所述至少一部分的所述第三图像。

16.根据权利要求10所述的装置，所述待识别目标图像获取模块进一步包括对焦单元，用于：

基于所述待识别目标的所述至少一部分的所述深度信息确定所述待识别目标的所述至少一部分相对于所述第三成像设备的空间位置信息；以及

基于所述空间位置信息，使所述第三成像设备对所述待识别目标的所述至少一部分进行对焦。

17.根据权利要求10所述的装置，所述待识别目标图像获取模块进一步包括筛选单元，用于：

获取所述第二成像设备与所述第三成像设备之间的几何映射关系；

获取所述第三成像设备采集的一个或多个第四图像；以及

基于所述几何映射关系以及所述待识别目标的所述至少一部分的所述深度信息，从所述一个或多个第四图像中确定所述第三图像。

18.根据权利要求10所述的装置，所述待识别目标确定模块进一步用于：

基于所述一个或多个候选目标的所述深度信息确定所述一个或多个候选目标的空间位置关系；以及

基于所述一个或多个候选目标的所述空间位置关系确定所述待识别目标。

19.一种身份识别系统，其特征在于，包括：

第一成像设备，用于采集第一图像，所述第一图像中包括一个或多个候选目标；

第二成像设备，用于采集第二图像，所述第二图像包括所述一个或多个候选目标中的至少一个候选目标的深度信息；

第三成像设备，用于采集第三图像，所述第三图像包括所述一个或多个候选目标中的至少一个候选目标的至少一部分；

至少一个处理器；以及

可执行的指令，所述可执行的指令由所述至少一个处理器执行，使所述系统实现如权利要求1-9中任意一项所述的身份识别方法。

20.一种计算机可读存储介质，所述存储介质存储计算机指令，当所述计算机指令被处理器执行时实现如权利要求1至9中任意一项所述的身份识别方法。

Images