CN111327888B - 摄像头控制方法、装置、计算机设备和存储介质 - Google Patents

Abstract

本申请涉及一种摄像头控制方法、装置、计算机设备和存储介质。所述方法包括：检测通过人脸识别应用触发的识别事件；当检测到通过人脸识别应用触发的识别事件时，响应于识别事件，开启摄像头中的第一目标相机，通过第一目标相机采集彩色图像数据；当检测到彩色图像数据中存在人体时，开启摄像头中的第二目标相机，并通过第二目标相机采集深度图像数据；使用彩色图像数据和深度图像数据进行人脸识别，得到人脸识别结果。采用本方法能够节省摄像头的功耗，降低摄像头的发热，提高了摄像头使用寿命。

Description

摄像头控制方法、装置、计算机设备和存储介质

技术领域

本申请涉及计算机技术领域，特别是涉及一种摄像头控制方法、装置、计算机设备和存储介质。

背景技术

随着人脸识别技术的发展，3D摄像头在人脸识别过程中是不可缺少的设备。3D摄像头，拥有人脸识别、手势识别、人体骨架识别、三维测量、环境感知、三维地图重建等数十项功能，可广泛运用于电视、手机、机器人、无人机、物流、VR/AR、智能家居安防、汽车驾驶辅助等领域。目前，在进行人脸识别时，都需要先打开3D摄像头，然后通过3D摄像头拍摄人脸图像，然后使用人脸图像进行人脸识别。然而，在一些场景下，比如在静默识别时，大部分时间是没有人脸进行识别的，此时，一直开启3D摄像头，会使得的3D摄像头的功耗较高，发热大，影响3D摄像头使用寿命。

发明内容

基于此，有必要针对上述技术问题，提供一种能够在人脸识别过程中降低3D摄像头功耗，提高3D摄像头使用寿命的摄像头控制方法、装置、计算机设备和存储介质。

一种摄像头控制方法，所述方法包括：

检测通过人脸识别应用触发的识别事件；

当检测到通过人脸识别应用触发的识别事件时，响应于识别事件，开启摄像头中的第一目标相机，通过第一目标相机采集彩色图像数据；

当检测到彩色图像数据中存在人体时，开启摄像头中的第二目标相机，并通过第二目标相机采集深度图像数据；

使用彩色图像数据和深度图像数据进行人脸识别，得到人脸识别结果。

一种摄像头控制装置，所述装置包括：

事件触发模块，用于检测通过人脸识别应用触发的识别事件；

第一相机开启模块，用于当检测到通过人脸识别应用触发的识别事件时，响应于识别事件，开启摄像头中的第一目标相机，通过第一目标相机采集彩色图像数据；

第二相机开启模块，用于当检测到彩色图像数据中存在人体时，开启摄像头中的第二目标相机，并通过第二目标相机采集深度图像数据；

人脸识别模块，用于使用彩色图像数据和深度图像数据进行人脸识别，得到人脸识别结果。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

检测通过人脸识别应用触发的识别事件；

当检测到通过人脸识别应用触发的识别事件时，响应于识别事件，开启摄像头中的第一目标相机，通过第一目标相机采集彩色图像数据；

当检测到彩色图像数据中存在人体时，开启摄像头中的第二目标相机，并通过第二目标相机采集深度图像数据；

使用彩色图像数据和深度图像数据进行人脸识别，得到人脸识别结果。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

检测通过人脸识别应用触发的识别事件；

当检测到通过人脸识别应用触发的识别事件时，响应于识别事件，开启摄像头中的第一目标相机，通过第一目标相机采集彩色图像数据；

当检测到彩色图像数据中存在人体时，开启摄像头中的第二目标相机，并通过第二目标相机采集深度图像数据；

使用彩色图像数据和深度图像数据进行人脸识别，得到人脸识别结果。

上述摄像头控制方法、装置、计算机设备和存储介质，通过在触发人脸识别事件时，只开启摄像头中的第一目标相机，通过第一目标相机采集彩色图像数据，以节省摄像头的功耗，同时在检测到彩色图像数据中存在人体时，才开启摄像头中的第二目标相机，并通过第二目标相机采集深度图像数据，然后使用彩色图像数据和深度图像数据进行人脸识别，得到人脸识别结果，能够避免一直开启摄像头中的第一目标相机和第二目标相机，节省摄像头的功耗，降低摄像头的发热，提高了摄像头使用寿命。

附图说明

图1为一个实施例中摄像头控制方法的应用环境图；

图2为一个实施例中摄像头控制方法的流程示意图；

图3为一个实施例中确定人脸识别结果的流程示意图；

图4为一个具体实施例中静默识别的时序图；

图5为一个实施例中得到扫码识别结果的流程示意图；

图6为一个实施例中扫码模式切换的流程示意图；

图7为一个具体实施例中扫码支付模式切换的时序图；

图8为一个具体实施例中人脸识别设备的示意图；

图9为一个实施例中摄像头控制装置的结构框图；

图10为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

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。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。

计算机视觉技术(Computer Vision,CV)计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑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、图像语义理解、图像检索、OCR、视频处理、视频语义理解、视频内容/行为识别、三维物体重建、3D技术、虚拟现实、增强现实、同步定位与地图构建等技术，还包括常见的人脸识别、指纹识别等生物特征识别技术。

机器学习(Machine Learning,ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、式教学习等技术。

随着人工智能技术研究和进步，人工智能技术在多个领域展开研究和应用，例如常见的智能家居、智能穿戴设备、虚拟助理、智能音箱、智能营销、无人驾驶、自动驾驶、无人机、机器人、智能医疗、智能客服等，相信随着技术的发展，人工智能技术将在更多的领域得到应用，并发挥越来越重要的价值。

本申请实施例提供的方案涉及人工智能的机器学习等技术，具体通过如下实施例进行说明:

本申请提供的摄像头控制方法，可以应用于如图1所示的应用环境中。其中，人脸识别设备102通过物理连接摄像头104进行通信。人脸识别设备102检测通过人脸识别应用触发的识别事件；人脸识别设备102当检测到通过人脸识别应用触发的识别事件时，响应于识别事件，开启摄像头104中的第一目标相机，通过第一目标相机采集彩色图像数据；当人脸识别设备102检测到彩色图像数据中存在人体时，开启摄像头104中的第二目标相机，并通过第二目标相机采集深度图像数据；人脸识别设备102使用彩色图像数据和深度图像数据进行人脸识别，得到人脸识别结果。其中，人脸识别设备102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，摄像头是指3D摄像头。

在一个实施例中，如图2所示，提供了一种摄像头控制方法，以该方法应用于图1中的人脸识别设备102为例进行说明，包括以下步骤：

S202，检测通过人脸识别应用触发的识别事件。

其中，人脸识别应用是指用于进行人脸识别的应用程序(APP)。比如，微信应用程序中的刷脸支付。识别事件是指触发人脸识别的事件，比如可以通过点击人脸识别按钮触发。

具体地，人脸识别设备检测到通过人脸识别应用触发的识别事件。比如，用户可以在人脸识别设备上打开人脸识别应用，在人脸识别应用中点击刷脸支付按钮，就触发了识别事件。

S204，当检测到通过人脸识别应用触发的识别事件时，响应于识别事件，开启摄像头中的第一目标相机，通过第一目标相机采集彩色图像数据。

其中，摄像头是指能够用于人脸识别的3D摄像头模组，该3D摄像头模组也可以用于识别二维码，该3D摄像头模组可以在人脸识别设备上前置，也可以后置。第一目标相机是指3D摄像头模组中能够拍摄彩色图数据的普通相机。彩色图像数据是指通过第一目标相机拍摄的彩色图像，第一目标相机能够将拍摄到相机视角内的所有物体并记录下来，但是其所记录的数据不包含这些物体距离相机的距离。

具体地，人脸识别设备当检测到通过人脸识别应用触发的识别事件时，响应于识别事件，开启与人脸识别设备物理连接的摄像头中的第一目标相机，即人脸识别设备通过物理连接向摄像头发送开启第一目标相机的指令，摄像头根据开启第一目标相机的指令启动第一目标相机，通过第一目标相机拍摄相机视角内的彩色图像数据，然后将彩色图像数据返回给人脸识别设备。人脸识别设备获取到第一目标相机拍摄的彩色图像数据并进行显示。

在一个实施例中，人脸识别设备响应于识别事件，从人脸识别应用中刷脸支付点击页面跳转至第一目标相机图像采集页面，在第一目标相机图像采集页面实时显示通过第一目标相机采集到的采集图像数据。

S206，当检测到彩色图像数据中存在人体时，开启摄像头中的第二目标相机，并通过第二目标相机采集深度图像数据。

其中，第二目标相机是指3D摄像头模组中能够拍摄深度图数据的深度相机和激光发射器。深度图数据是指能够反映出图像深度信息的数据，通过第二目标相机能检测出拍摄空间的距离信息，即该深度图数据能够准确反映图像中每个点离摄像头的距离。通过3D摄像头模组中的第一目标相机和第二目标相机能够获取到图像中每个点的三维空间坐标。

具体地，人脸识别设备在获取到第一相机拍摄的彩色图像数据，检测彩色图像数据中是否存在人体，当检测到彩色图像数据中存在人体时，与人脸识别设备物理连接的摄像头中的第二目标相机，并通过第二目标相机采集深度图像数据。即人脸识别设备通过物理连接向摄像头发送开启第二目标相机的指令，摄像头根据开启第二目标相机的指令启动第二目标相机并开启激光发射器，通过第二目标相机和激光发射器拍摄相机视角内的深度图像数据，然后将深度图像数据返回给人脸识别设备。人脸识别设备获取到拍摄的深度图像数据并进行显示。

S208，使用彩色图像数据和深度图像数据进行人脸识别，得到人脸识别结果。

其中，人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术。人脸识别结果是指通过人脸识别得到人脸身份和是否活体的结果。

具体地，通过存在人体的彩色图像数据和深度图像数据提取到人脸特征信息，根据提取到人脸特征信息进行人脸识别，得到人脸识别结果。该人脸特征信息用于反映人脸的特征，包括直方图特征、颜色特征、模板特征、结构特征及Haar特征中的至少一种，其中，Haar特征是一种反映图像的灰度变化的,像素分模块求差值的一种特征。

在上述摄像头控制方法中，通过在触发人脸识别事件时，只开启摄像头中的第一目标相机，通过第一目标相机采集彩色图像数据，以节省摄像头的功耗，同时在检测到彩色图像数据中存在人体时，才开启摄像头中的第二目标相机，并通过第二目标相机采集深度图像数据，然后使用彩色图像数据和深度图像数据进行人脸识别，得到人脸识别结果，能够避免一直开启摄像头中的第一目标相机和第二目标相机，节省摄像头的功耗，降低摄像头的发热，提高了摄像头使用寿命。

在一个实施例中，步骤S206，即当检测到彩色图像数据中存在人体时，开启摄像头中的第二目标相机，包括步骤：

将彩色图像数据输入到人体检测模型中进行检测，得到人体检测结果，人体检测模型是根据历史彩色图像数据使用机器学习算法进行训练得到的。当人体检测结果为存在人体时，开启摄像头中的第二目标相机。

其中，历史彩色图像数据是指历史通过第一目标相机拍摄得到的彩色图像，该彩色图像中包括存在人体的彩色图像和未存在人体的彩色图像。将历史彩色图像作为机器学习算法的输入，将彩色图像对应的存在人体和未存在人体作为机器学习算法的标签进行训练，当达到训练完成条件时，得到人体检测模型。该机器学习算法可以是神经网络算法、SVM(support vector machines，支持向量机)算法、AdaBoost(Adaptive Boosting，自适应增强)算法和随机森林算法等。人体检测结果检测得到的彩色图像中是否存在人体的结果。

具体来说：人脸识别设备中预先搭载有训练完成的人体检测模型，当人脸识别设备得到彩色图像数据时，将彩色图像数据输入到人体检测模型中进行检测，得到输出的人体检测结果，该人体检测结果包括是否存在人体信息和人体矩形框坐标信息。当未存在人体时，不做处理。当存在人体时，开启摄像头中的第二目标相机，并记录存在人体的彩色图像数据。

在该实施例中，通过人脸识别设备中人体检测模型对彩色图像数据进行识别，能够提高人体检测的效率。

在一个实施例中，如图3所示，步骤S205，即使用彩色图像数据和深度图像数据进行人脸识别，得到人脸识别结果，包括步骤：

S302，使用彩色图像数据进行人脸区域检测，得到人脸区域和人脸标识。

其中，人脸区域检测是指检测出彩色图像数据中的人脸的位置和大小，从而得到人脸区域。人脸标识用于唯一标识人脸，可以是该人脸对应的编号、名称和身份证号中的至少一种。

具体来说，人脸识别设备将彩色图像数据输入到人脸检测模型中，得到人脸区域，即人脸的位置和大小，然后将人脸区域与预设人脸图像数据库中的人脸进行匹配，获取到匹配一致的人脸图像对应的人脸标识。其中，人脸检测模型是根据历史彩色图像数据使用机器学习算法得到的，该机器学习算法可以使用SVM(support vector machines，支持向量机)算法、AdaBoost(Adaptive Boosting，自适应增强)算法和随机森林算法等，该人脸检测模型也是预先搭载在人脸识别设备中的。

在一个实施例中，可以计算人脸区域与预设人脸图像数据库中的人脸图像的相似度，当相似度超过预先设置好的相似度阈值时，将对应的人脸图像作为匹配一致的人脸图像，根据该人脸图像获取到对应的人脸标识。

S304，通过人脸区域和深度图像数据进行活体检测，得到活体识别结果。

其中，活体检测是指检测拍摄得到的人脸图像数据中的人脸是否具有真实生理特征。活体识别结果用于表示活体检测的结果，包括人脸是活体和人脸不是活体的结果。

具体地，人脸识别设备将人脸区域和深度图像数据输入到活体检测模型中进行检测，得到输出的活体识别结果。活体检测模型是根据历史人脸区域和历史深度图像数据使用机器学习算法进行训练得到，并预先搭载到人脸识别设备中的。该机器学习算法可以是神经网络算法、SVM(support vector machines，支持向量机)算法、AdaBoost(AdaptiveBoosting，自适应增强)算法和随机森林算法等。

S306，根据人脸标识和活体识别结果确定人脸识别结果。

具体地，当活体识别结果为人脸为活体时，根据人脸标识和活体得到人脸识别成功的结果，当活体识别结果为人脸为非活体时，根据人脸标识和非活体得到人脸识别失败的结果。

在一个实施例中，人脸识别设备可以将彩色图数据和深度图发送的与人脸识别设备网络连接的服务器进行人脸识别，获取到服务器返回的人脸识别结果。通过使用服务器进行人脸识别，可以降低人脸识别设备的性能要求，提高人脸识别设备普适性。

在上述实施例中，人脸识别设备使用彩色图像数据进行人脸区域检测，然后根据得到的人脸标识和深度图像数据进行活体检测，得到活体识别结果，从而确定人脸识别结果，防止存在照片攻击的行为，提高人脸识别结果的准确性。

在一个具体的实施例中，在静默识别时，该静默识别是指不需要用户做任何动作，自然面对摄像头3、4秒钟进行人脸识别。如图4所示，为静默识别的时序图。具体来说：人脸识别设备向摄像头发送静默识别指令，摄像头根据静默识别指令开启彩色相机同时关闭深度相机和激光发射器。摄像头通过彩色相机拍摄彩色图像，将彩色图像发送给人脸识别设备，人脸识别设备实时检测彩色图像中是否有行人，当检测到有行人时，人脸识别设备向摄像头发送进入刷脸模式的指令，摄像头根据进入刷脸模式的指令开启深度相机和激发射器，使用深度相机和激发射器拍摄深度图像，使用彩色相机拍摄彩色图像，然后将深度图像和彩色图像发送到人脸识别设备，人脸识别设备使用深度图像和彩色图像进行人脸识别，确定人脸识别结果并进行显示。

在一个实施例中，在步骤S208之后，即在使用彩色图像数据和深度图像数据进行人脸识别，得到人脸识别结果之后，还包括步骤：

关闭摄像头中的第二目标相机。

具体地，当得到人脸识别结果时，此时，人脸识别设备向摄像头发送相机关闭指令，摄像头根据相机关闭指令关闭摄像头中开启的第二目标相机和激光发射器，避免一直开启第二目标相机和激光发射器，降低摄像头的功耗，提高了摄像头的使用寿命。

在一个实施例中，如图5所示，摄像头控制方法，还包括步骤：

S502，检测到通过人脸识别应用触发的扫码模式进入事件。

具体地，扫码模式是指通过扫码二维码进行支付的模式，即人脸识别设备也可以通过摄像头进行扫码支付。扫码模式进入事件是指进入扫描二维码模式的事件。该二维码是指用某种特定的几何图形按一定规律在平面(二维方向上)分布的、黑白相间的、记录数据符号信息的图形。比如，可以通过点击扫码按钮触发。在一个具体的实施例中，如图8所示，为人脸识别设备的示意图，该人脸识别设备中运行有微信人脸支付应用，其中，在微信人脸支付应用的显示界面上显示有扫码支付的向上符号，用于点击该向上符号就触发了扫码模式进入事件。

S504，响应于扫码模式进入事件，开启摄像头中的第一目标相机并关闭摄像头中的第二目标相机。

具体地，人脸识别设备响应于扫码模式进入事件，向摄像头发送扫码模式相机开启指令，摄像头根据扫码模式相机开启指令开启摄像头中的第一目标相机并关闭摄像头中的第二目标相机和激光发射器。在进入扫码支付后，通过第一目标相机拍摄彩色图像并显示。

S506，通过第一目标相机进行扫码识别，得到扫码识别结果。

具体地，扫码识别结果可以是识别到二维码中的具体信息，比如，该二维码是待支付的订单信息。人脸识别设备通过第一目标相机拍摄二维码，当检测拍摄到二维码时，对二维码进行识别，从而得到二维码扫码结果并进行显示。比如，得到待支付的订单信息进行显示，并进行支付操作。

在上述实施例中，通过人脸识别设备在进行扫码识别时，关闭开启摄像头中的第一目标相机并关闭摄像头中的第二目标相机，能够降低扫码识别时摄像头的功耗，提高摄像头的使用寿命。

在一个实施例中，如图6所示，在步骤S602之后，即在通过第一目标相机进行扫码识别，得到扫码识别结果之后，还包括步骤：

S602，检测到通过人脸识别应用触发的扫码模式切换事件。

具体地，扫码模式切换事件是指将扫码模式切换为人脸识别的事件。人脸识别设备中的人脸识别应用在进行扫码时，可以切换成人脸识别。比如，可以通过点击切换按钮触发扫码模式切换事件。也可以是在扫码支付失败时，触发扫码模式切换事件等等。

S604，响应于扫码模式切换事件，开启摄像头中的第二目标相机，并使用第一目标相机采集彩色图像数据，使用第二目标相机采集深度图像数据。

具体地，人脸识别设备响应于扫码模式切换事件，向摄像头发送人脸识别指令，摄像头根据人脸识别指令开启摄像头中的第二目标相机，并使用第一目标相机采集彩色图像数据，使用第二目标相机采集深度图像数据。

S606，根据彩色图像数据和深度图像数据进行人脸识别，确定人脸识别结果。

具体地，人脸识别设备根据彩色图像数据和深度图像数据进行人脸识别，确定人脸识别结果。

本申请还提供一种应用场景，该应用场景应用上述的摄像头控制方法。具体地，该摄像头控制方法在该应用场景的应用如下：

如图7所示，为从扫码支付模式切换到人脸识别支付的时序图。人脸识别设备中运行微信支付应用，如图8所示，微信支付应用支付显示界面，用户通过点击支付显示界面中扫码支付上方的向上符号，人脸识别设备触发扫码模式进入事件，向摄像头发送扫码模式相机开启指令，摄像头根据扫码模式相机开启指令开启摄像头中的彩色相机并关闭摄像头中的深度相机和激光发射器，然后通过彩色相机采集二维码图像进行支付，当二维码支付失败时，人脸识别设备触发扫码模式切换事件，向摄像头发送人脸识别指令，摄像头根据人脸识别指令开启摄像头中的深度相机和激光发射器，并使用彩色目标相机采集彩色图像数据，使用深度相机和激光发射器采集深度图像数据，通过彩色图像数据和深度图像数据进行人脸识别，确定人脸标识，根据人脸标识完成支付。

应该理解的是，虽然图2、图3、图5、图6的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2、图3、图5、图6中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图9所示，提供了一种摄像头控制装置900，该装置可以采用软件模块或硬件模块，或者是二者的结合成为计算机设备的一部分，该装置具体包括：事件触发模块902、第一相机开启模块904、第二相机开启模块906和人脸识别模块908，其中：

事件触发模块902，用于检测通过人脸识别应用触发的识别事件；

第一相机开启模块904，用于当检测到通过人脸识别应用触发的识别事件时，响应于识别事件，开启摄像头中的第一目标相机，通过第一目标相机采集彩色图像数据；

第二相机开启模块906，用于当检测到彩色图像数据中存在人体时，开启摄像头中的第二目标相机，并通过第二目标相机采集深度图像数据；

人脸识别模块908，用于使用彩色图像数据和深度图像数据进行人脸识别，得到人脸识别结果。

在一个实施例中，第二相机开启模块906，还用于将彩色图像数据输入到人体检测模型中进行检测，得到人体检测结果，人体检测模型是根据历史彩色图像数据使用机器学习算法进行训练得到的；当人体检测结果为存在人体时，开启摄像头中的第二目标相机。

在一个实施例中，人脸识别模块908，还用于使用彩色图像数据进行人脸区域检测，得到人脸区域和人脸标识；通过人脸区域和深度图像数据进行活体检测，得到活体识别结果；根据人脸标识和活体识别结果确定人脸识别结果。

在一个实施例中，摄像头控制装置900还用于关闭摄像头中的第二目标相机。

在一个实施例中，摄像头控制装置900，还包括：

扫码触发模块，用于检测到通过人脸识别应用触发的扫码模式进入事件；

第二相机关闭模块，用于响应于扫码模式进入事件，开启摄像头中的第一目标相机并关闭摄像头中的第二目标相机；

扫码识别模块，用于通过第一目标相机进行扫码识别，得到扫码识别结果。

在一个实施例中，摄像头控制装置900，还包括：

模式切换模块，用于检测到通过人脸识别应用触发的扫码模式切换事件；

第二相机开启模块，用于响应于扫码模式切换事件，开启摄像头中的第二目标相机，并使用第一目标相机采集彩色图像数据，使用第二目标相机采集深度图像数据；

结果确定模块，用于根据彩色图像数据和深度图像数据进行人脸识别，确定人脸识别结果。

关于摄像头控制装置的具体限定可以参见上文中对于摄像头控制方法的限定，在此不再赘述。上述摄像头控制装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种摄像头控制方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图10中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种摄像头控制方法，所述方法包括：

检测通过人脸识别应用触发的识别事件；

当检测到通过人脸识别应用触发的识别事件时，响应于所述识别事件，开启摄像头中的第一目标相机，通过所述第一目标相机采集彩色图像数据；

当检测到所述彩色图像数据中存在人体时，开启所述摄像头中的第二目标相机，并通过所述第二目标相机采集深度图像数据；

使用所述彩色图像数据和所述深度图像数据进行人脸识别，得到人脸识别结果，包括：使用所述彩色图像数据进行人脸区域检测，得到人脸区域和人脸标识，所述人脸标识是指与所述人脸区域匹配一致的预设人脸图像对应的人脸标识；通过所述人脸区域和所述深度图像数据进行活体检测，得到活体识别结果；根据所述人脸标识和所述活体识别结果确定所述人脸识别结果；

所述方法，还包括：

检测到通过所述人脸识别应用的支付显示界面中的向上符号触发的扫码模式进入事件；响应于所述扫码模式进入事件，开启所述摄像头中的第一目标相机并关闭所述摄像头中的第二目标相机；通过所述第一目标相机进行扫码识别，得到扫码识别结果；

检测到通过所述人脸识别应用触发的扫码模式切换事件；响应于所述扫码模式切换事件，开启所述摄像头中的第二目标相机，并使用所述第一目标相机采集彩色图像数据，使用所述第二目标相机采集深度图像数据；根据所述彩色图像数据和所述深度图像数据进行人脸识别，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，所述当检测到所述彩色图像数据中存在人体时，开启所述摄像头中的第二目标相机，包括：

将所述彩色图像数据输入到人体检测模型中进行检测，得到人体检测结果，所述人体检测模型是根据历史彩色图像数据使用机器学习算法进行训练得到的；

当所述人体检测结果为存在人体时，开启所述摄像头中的第二目标相机。

3.根据权利要求1所述的方法，其特征在于，所述使用所述彩色图像数据和所述深度图像数据进行人脸识别，得到人脸识别结果之后，还包括：

关闭所述摄像头中的第二目标相机。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

响应于所述识别事件，从所述人脸识别应用中刷脸支付点击页面跳转至第一目标相机图像采集页面，在所述第一目标相机图像采集页面实时显示通过所述第一目标相机采集到的彩色图像数据。

5.一种摄像头控制装置，其特征在于，所述装置包括：

事件触发模块，用于检测通过人脸识别应用触发的识别事件；

第一相机开启模块，用于当检测到通过人脸识别应用触发的识别事件时，响应于所述识别事件，开启摄像头中的第一目标相机，通过所述第一目标相机采集彩色图像数据；

第二相机开启模块，用于当检测到所述彩色图像数据中存在人体时，开启所述摄像头中的第二目标相机，并通过所述第二目标相机采集深度图像数据；

人脸识别模块，用于使用所述彩色图像数据和所述深度图像数据进行人脸识别，得到人脸识别结果，所述人脸识别模块还用于使用所述彩色图像数据进行人脸区域检测，得到人脸区域和人脸标识，所述人脸标识是指与所述人脸区域匹配一致的预设人脸图像对应的人脸标识；通过所述人脸区域和所述深度图像数据进行活体检测，得到活体识别结果；根据所述人脸标识和所述活体识别结果确定所述人脸识别结果；

所述装置，还包括：

事件检测模块，用于检测到通过所述人脸识别应用的支付显示界面中的向上符号触发的扫码模式进入事件；

事件响应模块，用于响应于所述扫码模式进入事件，开启所述摄像头中的第一目标相机并关闭所述摄像头中的第二目标相机；

扫码模块，用于通过所述第一目标相机进行扫码识别，得到扫码识别结果；

模式切换模块，用于检测到通过所述人脸识别应用触发的扫码模式切换事件；

第二相机开启模块，用于响应于所述扫码模式切换事件，开启所述摄像头中的第二目标相机，并使用所述第一目标相机采集彩色图像数据，使用所述第二目标相机采集深度图像数据；

结果确定模块，用于根据所述彩色图像数据和所述深度图像数据进行人脸识别，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，所述第二相机开启模还用于将所述彩色图像数据输入到人体检测模型中进行检测，得到人体检测结果，所述人体检测模型是根据历史彩色图像数据使用机器学习算法进行训练得到的；当所述人体检测结果为存在人体时，开启所述摄像头中的第二目标相机。

7.根据权利要求5所述的装置，其特征在于，所述装置还用于关闭所述摄像头中的第二目标相机。

8.根据权利要求5所述的装置，其特征在于，所述第一相机开启模块还用于响应于所述识别事件，从所述人脸识别应用中刷脸支付点击页面跳转至第一目标相机图像采集页面，在所述第一目标相机图像采集页面实时显示通过所述第一目标相机采集到的彩色图像数据。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述的方法的步骤。

10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的方法的步骤。

Images