CN112396004B - 用于人脸识别的方法、装置和计算机可读存储介质 - Google Patents

Abstract

本申请公开了一种用于对用户进行人脸识别的方法，该方法包括：在接收到对用户的人脸识别请求之前，通过一个或多个摄像头预采集一个或多个图像并预缓存所预采集的图像；接收对所述用户的人脸识别请求；响应于所述人脸识别请求，通过一个或多个摄像头捕捉用于进行人脸识别的待识别图像；确定预缓存图像中的人脸与所述待识别图像中的人脸对应于同一用户的概率；识别与所述待识别图像中的人脸相对应的用户的身份；以及基于所述概率来确定是否使用所述用户的身份执行后续操作。本申请还涉及其它方法、装置和计算机可读存储设备。本申请能够更准确、高效地识别具有识别意愿的用户。

Description

用于人脸识别的方法、装置和计算机可读存储介质

技术领域

本说明书的一个或多个实施例涉及人脸识别，尤其涉及用于人脸识别的方法、装置和计算机可读存储介质。

背景技术

随着在线支付的普及，采用生物特征识别来识别用户也越来越普遍。人脸识别，又称面部识别、人像识别、刷脸等，是生物特征识别的一种重要形式。

在许多场景中，用户需要在商品或服务提供方提供的识别设备处识别自己的身份。例如，目前存在一种刷脸支付机具，用户在购买商品后可以在刷脸支付机具处进行刷脸支付，以自动识别其身份从而完成支付操作。还存在许多其它类似场景，例如在办理银行卡，办理酒店入住，在医院、学校或其它实体处进行识别等，都可能需要在商品或服务提供方所提供的识别设备处通过人脸识别来识别身份。

在许多情况下，识别设备前可能有不止一个用户，例如在待识别用户周围可能有排队、路过、甚至围观的用户。此时，存在以下可能：识别设备用来识别的人脸图像并非是待识别用户的人脸图像。如果识别设备采用非待识别用户的人脸图像进行识别，则识别结果将是错误的。此时，可能导致后续问题，例如待识别用户无法正常支付，或者待识别用户放弃支付从而导致商品/服务提供方的损失等等。其它场景同样存在类似问题。

因此，需要一种能够准确、高效地识别具有识别意愿的用户的方法和装置。

发明内容

为了克服现有技术的缺陷，本说明书的一个或多个实施例提供了能够准确、高效地识别具有识别意愿的用户的方案。

本说明书的一个或多个实施例通过以下技术方案来实现其上述目的。

在一个方面中，公开了一种用于对用户进行人脸识别的方法，包括：在接收到对用户的人脸识别请求之前，通过一个或多个摄像头预采集一个或多个图像并预缓存所预采集的图像；接收对所述用户的人脸识别请求；响应于所述人脸识别请求，通过一个或多个摄像头捕捉用于进行人脸识别的待识别图像；确定预缓存图像中的人脸与所述待识别图像中的人脸对应于同一用户的概率；识别与所述待识别图像中的人脸相对应的用户的身份；以及基于所述概率来确定是否使用所述用户的身份执行后续操作。

可选地，确定预缓存图像中的人脸与所述待识别图像中的人脸对应于同一用户的概率包括：将所述预缓存图像中的人脸的特征与所述待识别图像中的人脸的特征进行比较。

可选地，确定预缓存图像中的人脸与所述待识别图像中的人脸对应于同一用户的概率还包括：将所述预缓存图像中的人体部件的特征与所述待识别图像中的人体部件的特征进行比较。

可选地，如果所述预缓存图像中包括多个人脸，则使用预定义策略选择其中一个人脸以用于确定所述概率；和/或如果所述待识别图像中包括多个人脸，则使用预定义策略选择其中一个人脸以用于确定所述概率。

可选地，预采集一个或多个图像包括：通过所述一个或多个摄像头持续执行预采集。

可选地，自动确定所述一个或多个摄像头的捕捉范围内是否存在活动物体；以及仅在确定所述捕捉范围内存在活动物体时才预采集和/或预缓存图像。

可选地，基于所预采集的图像中是否包括人脸和/或基于所预采集的图像中的人脸质量确定是否预缓存该所预采集的图像。

可选地，基于所述预缓存图像和所述待识别图像对所述用户执行活体检测。

可选地，基于所述概率来确定是否使用所述用户的身份执行后续操作包括：如果所述概率不小于第一阈值，则使用所述用户的所述身份执行所述后续操作；以及如果所述概率小于第一阈值，则进一步确认所述用户的身份。

在另一方面中，公开了一种用于对用户进行人脸识别的方法，包括：在接收到对用户的人脸识别请求之前，通过一个或多个摄像头预采集图像；提取预采集图像中的用户的人脸特征并预缓存所提取的人脸特征；接收对所述用户的人脸识别请求；响应于所述人脸识别请求，通过一个或多个摄像头捕捉用于进行人脸识别的待识别图像并提取所述待识别图像中的用户的人脸特征作为待识别人脸特征；确定预缓存人脸特征与所述待识别人脸特征对应于同一用户的概率；识别与所述待识别人脸特征相对应的用户的身份；以及基于所述概率来确定是否使用所述用户的身份执行后续操作。

可选地，确定预缓存人脸特征与所述待识别人脸特征对应于同一用户的概率包括：将所述预缓存人脸特征与所述待识别人脸特征进行比较。

可选地，该方法还包括：提取预采集图像中的用户的人体部件特征并预缓存所提取的人体部件特征；以及提取所述待识别图像中的用户的人体部件特征，其中确定预缓存人脸特征与所述待识别人脸特征对应于同一用户的概率还包括：将预缓存人体部件特征与所述待识别图像中的人体部件特征进行比较。

可选地，如果所述预采集图像中包括多个人脸，则使用预定义策略选择其中一个人脸并确定所选人脸的人脸特征以进行缓存；和/或如果所述待识别图像中包括多个人脸，则使用预定义策略选择其中一个人脸并确定所选人脸的人脸特征作为待识别人脸特征。

可选地，通过一个或多个摄像头预采集图像包括：通过所述一个或多个摄像头持续地预采集图像。

可选地，自动确定所述一个或多个摄像头的捕捉范围内是否存在活动物体；以及仅在确定所述捕捉范围内存在活动物体时才执行预采集和/或人脸特征提取。

可选地，基于预采集图像中是否包括人脸和/或基于所述预采集图像中的人脸质量确定是否提取所述预采集图像中的用户的人脸特征。

可选地，基于所述预缓存人脸特征和所述待识别人脸特征对所述用户执行活体检测。

可选地，基于所述概率来确定是否使用所述用户的身份执行后续操作包括：如果所述概率不小于第一阈值，则使用所述用户的所述身份执行后续操作；以及如果所述概率小于第一阈值，则进一步确认所述用户的身份。

在又一方面中，公开了一种用于对用户进行人脸识别的装置，包括：一个或多个摄像头；存储器；以及处理器，所述处理器被配置成执行如上所述的方法。

在又一方面中，公开了一种存储指令的计算机可读存储介质，该指令当被计算机执行时，使所述计算机执行上述方法。

与现有技术相比，本说明书的一个或多个实施例能够准确、高效地识别具有识别意愿(例如支付意愿)的用户，而不必用户后置地点击确认。

附图说明

以上发明内容以及下面的具体实施方式在结合附图阅读时会得到更好的理解。需要说明的是，附图仅作为所请求保护的发明的示例。在附图中，相同的附图标记代表相同或类似的元素。

图1示出人脸识别设备的示意图。

图2示出根据现有技术的用于人脸识别的方法的流程图。

图3示出根据本说明书实施例的用于对用户进行人脸识别的第一示例方法的流程图。

图4示出根据本说明书实施例的用于对用户进行人脸识别的第二示例方法的流程图。

图5示出根据本说明书实施例的用于对用户进行人脸识别的第三示例方法的流程图。

图6示出根据本说明书实施例的用于对用户进行人脸识别的第四示例方法的流程图。

图7示出根据本说明书的实施例的用于进行人脸识别的过程的示意图。

图8示出根据本说明书的实施例的用于进行人脸识别的另一过程的示意图。

图9示出根据本说明书的实施例的用于对用户进行人脸识别的示例装置的框图。

具体实施方式

以下具体实施方式的内容足以使任何本领域技术人员了解本说明书的一个或多个实施例的技术内容并据以实施，且根据本说明书所揭露的说明书、权利要求及附图，本领域技术人员可轻易地理解本说明书的一个或多个实施例相关的目的及优点。

在下文中，首先介绍与人脸识别有关的知识，现有解决方案及存在的问题，随后介绍根据本说明书实施例的用于对用户进行人脸的方法和装置。

如同上文提及的，人脸识别已广泛应用于各种场景。应用最多的场景之一是“刷脸支付”。例如，在目前的商场或超市中，常常设置有“自助支付机具”。这种自助支付机具通常可支持包括“刷脸支付”在内的各种支付方式，因此也属于人脸识别设备。在刷脸支付时，用户通常在自助支付机具处扫描其要购买的商品的条码或二维码，由自助支付机具自动识别商品并计算出需要支付的价格，随后提示用户将其面部对准摄像头以进行人脸识别，并在人脸识别之后请求用户确认身份，并在用户确认之后执行转账支付操作。

在例如酒店、医院、其他机构等等其它实体处，在需要识别用户的身份时，也常常使用人脸识别设备。

参见图1，其示出了在商场、超市、银行柜台、其它机构等商品和/或服务提供方(以下简称“商品或服务提供方”，有时也被称为“商户”)的人脸识别设备100的示意图。在支付场景中，该人脸识别设备100为支付设备100，也可简称为“刷脸支付设备”。

如图1所示，支付设备100可包括显示屏102。在一些示例中，该显示屏可以是触摸屏。想要进行支付的用户(以下简称“支付用户”)可通过触摸屏选择其想要购买的商品，并点击购买按钮，从而向人脸识别设备发出用户识别请求。在其它示例中，该显示屏为不具有触摸功能的显示屏。

此外，支付设备100还可包括一个或多个摄像头104。摄像头104可被用于捕捉该摄像头的捕捉范围内的图像。例如，摄像头104可被用于捕捉其捕捉范围内的用户的人脸和/或人体部件(例如头、颈、肩、臂、手等)。又例如，摄像头104可被用于捕捉其捕捉范围内的商品的二维码等来识别商品。摄像头104还可被用于捕捉其它信息。

或者，人脸识别设备可包括专用的扫码器，该扫码器可被用于扫描商品的条码或二维码。支付用户通过将待购买的商品的二维码置于扫码器前方并被扫码器识别，从而向人脸识别设备发出用户识别请求。

参见图2，其示出了根据现有技术的用于人脸识别的方法200的流程图。

如图2所示，方法200可包括：在步骤202，由人脸识别设备(例如图1的支付设备100)接收对用户的人脸识别请求。所述人脸识别请求可以是由商品或服务提供方发起的，或者可以是由用户发起的。例如，可由商品或服务提供方的收银员可以在收银台处点击“刷脸支付”或类似按钮来发起请求，或者用户可自助地通过在人脸识别设备上点击“刷脸支付”来发起请求。

方法200还可包括：在步骤204，在接收到人脸识别请求之后，人脸识别设备开启其摄像头并捕捉该摄像头的捕捉范围内的图像。此时，通常需要提示用户将其面部正对摄像头以便于捕捉用户的人脸图像。

方法200还可包括：在步骤206，可由人脸识别设备对该图像进行处理以提取图像中的人脸特征(又称“面部特征”)。

方法200还可包括：在步骤208，人脸识别设备可基于该人脸特征进行人脸识别。例如，人脸识别设备可将该人脸特征至支付服务提供方的服务器(以下简称“人脸识别服务器”、“支付服务器”或“服务器”)。人脸识别服务器可基于该人脸特征识别出该用户的身份，并将该用户的身份信息传送至人脸识别设备接收来自人脸识别服务器的身份信息，并将该身份信息显示在人脸识别设备的显示屏102上以供用户确认。

方法200还可包括：在步骤210，人脸识别设备可接收来自用户的确认，并且基于用户的确认执行后续操作，例如向人脸识别服务器传送支付处理请求以便完成支付等等。

可以看出，在现有技术方案中，人脸识别设备在接收到用户识别请求之后，才开始用摄像头来捕捉摄像头的捕捉范围内的图像，并对所捕捉的图像执行人脸识别以识别出图像中的用户的人脸特征并将其传送至人脸识别服务器。随后，人脸识别服务器基于图像中的用户的人脸特征对支付用户的身份进行识别，并且基于所识别的用户的身份执行后续处理。

然而，在现有技术方案中仍然存在问题。例如，在许多情况下，摄像头的捕捉范围内可能不只存在一个用户的人脸。例如，在支付用户后方可能有正在排队的用户。或者，在摄像头的捕捉范围内可能存在路过或围观的用户。

又例如，在发送用户识别请求之后，有些支付用户可能走掉或移动到摄像头所捕捉的图像的中心之外。此时，另一用户来到人脸识别设备前方，则摄像头所捕捉的是该另一用户的人脸。

在这样的情况下，支付服务提供方可能无法确认摄像头所捕捉的图像中的哪个用户是支付用户，从而可能出现“刷错人”的情况。

为了避免刷错人的情况，在现有技术中，通常采用以下方案：

由人脸识别服务器(或人脸识别设备)基于一条件选择所捕捉的图像中的人脸。例如，可选择最靠近图像中心的人脸或者图像中面积最大的人脸等，并对该人脸进行识别。随后，人脸识别设备可向支付用户展示所识别出的用户的信息，例如所识别出的用户的用户名和/或头像等等。同时，人脸识别设备还向支付用户展示“确认支付”按钮和“取消”按钮，请求支付用户确认所展示的用户信息(例如用户名和/或头像等)属于该支付用户。如果支付用户点击确认支付按钮，则基于所展示的用户信息的用户身份执行后续处理。

通过以上的在提交用户识别请求之后的后续确认，可以至少部分地避免“刷错人”的情况。

然而，上述方案仍旧存在问题。我们发现，在许多情况下，即便在最终正确识别支付用户(所展示的用户信息属于支付用户)，支付用户并没有点击确认支付按钮就带着商品离开了。此时，由于缺乏支付用户的确认，后续支付操作并未被执行，造成最终商品或服务提供方未能收到支付用户的款项，带来商品或服务提供方的损失。或者，在支付用户离开之后另一用户来到人脸识别设备处，该另一用户可能随手无意地或者有意地点击“取消”按钮或“确认支付”按钮。该另一用户点击“取消”按钮将导致前一支付用户的后续支付操作未被执行，从而造成商品或服务提供方的损失。即便该另一用户点击“确认支付”按钮而使得商品或服务提供方未遭受损失，这种确认也并非该支付用户本身的支付意愿。

在另一种情况下，人脸识别服务器未能准确选择和识别正确的支付用户(例如选择了图像中同时出现的其它用户的人脸来进行识别)，此时所展示的用户信息并不属于该支付用户，而是属于另一用户。此时，该支付用户仍有可能点击确认按钮，从而在后续支付操作期间可能该另一用户的账户被用于支付，造成该另一用户的损失。上述两种情况都未能准确地确定支付用户本身的支付意愿。

因此，需要一种能够准确、高效地识别支付用户的方案。

示例方法一

参见图3，其示出了根据本说明书实施例的用于对用户进行人脸识别的第一示例方法300的流程图。类似地，该方法可由例如图1所示的人脸识别设备来执行。

在现有技术中，通常出于节省电力和存储等原因，人脸识别设备只有在接收到用户识别请求之后，在开始执行人脸识别时才开启摄像头。或者，虽然摄像头保持开启，但是只有在接收到用户识别请求才存储摄像头所捕捉的图像并对该图像执行处理。

与现有技术不同，在方法300中，在接收到对用户的人脸识别请求之前就开启人脸识别设备的摄像头中的一个或多个。

如图3所示，方法300可包括：在步骤302，在接收到对用户的人脸识别请求之前，通过人脸识别设备(例如支付设备100或其它用于通过人脸识别验证用户身份的设备等)的一个或多个摄像头预采集图像，并预缓存所预采集的图像。人脸识别设备例如是位于商品/服务提供方处的设备(例如自助式收银台或连接到自助式收银台的设备)，而不是用户所携带的设备(例如智能手机)。

所预采集的图像是该摄像头所捕捉的其捕捉范围内的图像(在下文中，“捕捉”和“采集”被可互换地使用)。在此步骤中，可仅采集单一模态的图像，例如二维图像、三维图像、红外图像和其它模态的图像之一。替代地，可采集多个模态的图像，例如二维图像、三维图像、红外图像和其它模态的图像的任何组合。所捕捉的图像可被预缓存在人脸识别设备的存储器中。

在一个示例中，由人脸识别设备的摄像头预采集的图像可包括持续捕捉并持续预缓存该摄像头的捕捉范围内的图像。例如，人脸识别设备的摄像头以预定义时间间隔(例如每0.1秒、0.5秒、1秒、或3秒等)周期性地捕捉该摄像头的捕捉范围内的图像。在本说明书中，视频帧也被称为图像。也就是说，人脸识别设备的摄像头可捕捉该摄像头的捕捉范围内的视频(即，图像的时间序列)。

在另一示例中，不是持续捕捉该摄像头的捕捉范围内的图像，而是人脸识别设备仅在自动确定其捕捉范围内有活动物体时才预采集图像。例如，人脸识别设备可包括红外传感器设备，该红外传感器设备可检测其捕捉范围内的动物(例如人)的存在，并且仅在确定其捕捉范围内有人(或者其它动物时)才开启用于捕捉用户的人脸的摄像头，并使用该摄像头来捕捉其捕捉范围内的图像，并预缓存所捕捉的图像(例如在人脸识别设备的存储器中)。该红外传感器设备可以与用于捕捉用户图像的摄像头为相同设备或不同设备。该红外传感器例如是用于抓拍野生动物的传感器设备。替代地，可用其它方式来检测人脸识别设备的摄像头的捕捉范围内的动物的存在。

在又一示例中，人脸识别设备可持续(例如周期性地)采集其捕捉范围内的图像，但仅在所捕捉的图像符合标准时才缓存所捕捉的图像。人脸识别设备可根据多个标准来对图像进行预缓存，如以下描述的：

在一个示例中，人脸识别设备可仅缓存最新捕捉的图像。

在又一示例中，人脸识别设备可缓存预定时间范围内的图像。例如，人脸识别设备可仅缓存最近1分钟、3分钟、5分钟内的图像。

在又一示例中，人脸识别设备可缓存预定数量的图像。例如，人脸识别设备可仅缓存10个、30个、100个图像等。

在一个示例中，可基于图像中是否包括活动物体来确定是否缓存该图像。例如，可使用红外探测器来确定图像中是否包括活动物体，且仅在图像中包括活动物体时才预缓存图像。或者，可通过对多张图像的处理来确定图像中是否包括活动物体，且仅在图像中包括活动物体中才预缓存图像。可采用本领域已知的其它方式来确定图像中是否包括活动物体。

在较佳实施例中，人脸识别设备可基于图像中是否包括人脸和/或图像中的人脸质量(当存在人脸时)确定是否缓存该图像。此时，可仅在所捕捉的图像中存在人脸时才预缓存图像。例如，人脸识别设备的处理器可对所捕捉的图像进行处理，例如以检测图像中是否存在人脸，并在存在人脸时才预缓存所捕捉的图像。

在另一示例中，可基于所捕捉的图像的亮度、对比度等是否满足要求来确定是否缓存该图像。

当然，如上所述，在一些示例中，人脸识别设备可缓存所捕捉的全部图像。

在必要时，人脸识别设备可根据多个标准来删除图像。例如，当人脸识别设备的存储器剩余空间不足时，人脸识别设备可从旧到新地删除图像。

在必要时，在采集图像时可执行其它动作。例如，可执行摄像头的曝光参数设置(例如基于FaceAE技术来自动设置曝光参数)，针对人脸生成TrackID以标识并跟踪人脸等等。还可执行其它操作。这些操作的细节在此不再赘述。

方法300还可包括：在步骤304，可由人脸识别设备接收对用户的人脸识别请求。此步骤可通过如上参考图2所述的方式来执行。同样地，所述人脸识别请求可以是由商品或服务提供方发起的，或者可以是由用户发起的。

例如，商品或服务提供方可通过点击人脸识别设备或与人脸识别设备相连接的其它设备(例如收银机)上的按钮来发起人脸识别请求。例如，商品或服务提供方的收银员可在人脸识别设备上选择要使用的支付服务提供方(例如银行、银联、各类第三方支付平台等等)，并且手工输入或由人脸识别设备自动计算用户所需要支付的金额，随后点击人脸识别设备或其它设备上的“刷脸支付”等按钮来向人脸识别设备发起人脸识别请求。

又例如，支付用户可通过在人脸识别设备上选择要购买的商品或服务，或者通过在人脸识别设备的摄像头或专用扫码器上扫描商品的条码或二维码，并且在人脸识别设备向用户显示支付金额之后选择要使用的支付服务提供方并点击“刷脸支付”等按钮来向人脸识别设备发起人脸识别请求。

方法300还可包括：在步骤306，响应于人脸识别请求，可通过人脸识别设备的一个或多个摄像头捕捉一个或多个待识别图像。此过程可以通过由人脸识别设备向其摄像头发出图像捕捉指令完成。该一个或多个摄像头接收到人脸识别设备的图像捕捉指令之后，可捕捉该摄像头的捕捉范围内的一个或多个待识别图像。所捕捉的待识别图像可以是二维图像、三维图像、红外图像、其它模态的图像或其组合。用于捕捉待识别图像的摄像头可与用于采集预缓存图像的摄像头相同或不同。例如，可只使用普通摄像头来采集二维预缓存图像，而使用普通摄像头、深度摄像头、红外摄像头等来捕捉多模态待识别图像。

在捕捉待识别图像之前，人脸识别设备可提示用户将其人脸对准摄像头。例如，人脸识别设备可在其显示屏上显示“请将面部置于圆圈内”或者“请将面部对准摄像头”等等。或者，人脸识别设备可发出提醒语音。随后，人脸识别设备可显示倒计时。在倒计时结束之后，人脸识别设备可向一个或多个摄像头发出捕捉命令以捕捉待识别图像。

替代地，人脸识别设备也可不另外向摄像头发出图像捕捉指令。例如，在摄像头持续捕捉摄像头的捕捉范围内的图像的情况下，可以由人脸识别设备基于所捕捉的图像的时间戳来判断所捕捉的图像是在接收到人脸识别请求前捕捉的预缓存图像还是在接收到人脸识别请求后捕捉的待识别图像。

例如，人脸识别设备可记录接收到人脸识别请求的时间，并通过将其所缓存的多个图像的时间戳与接收到人脸识别请求的时间进行比较，从而判断该图像为预缓存图像还是待识别图像。如果在接收到人脸识别请求之后捕捉到多个待识别图像，可将接收到人脸识别请求之后捕捉的第一个图像作为待识别图像。替代地，可基于其它标准选择待识别图像，如以下将描述的。

在必要时，在捕捉待识别图像时可执行其它动作。例如，可执行摄像头的曝光参数设置(例如基于FaceAE技术来自动设置曝光参数)，针对人脸生成TrackID以标识并跟踪人脸等等。还可执行其它操作。这些操作的细节在此不再赘述。

方法300可包括：在步骤308，由人脸识别设备确定预缓存图像中的人脸与待识别图像中的人脸对应于同一用户的概率。

为了执行上述操作，可由人脸识别设备选择可用预缓存图像。

例如，可基于预定义条件来选择可用预缓存图像。该预定义条件例如可包括图像中是否包括人脸、图像中的人脸质量、图像捕捉时间等。

在一个示例中，可确定最新预缓存图像(例如在接收到人脸识别请求时间之前所捕捉的图像中时间(例如该图像的时间戳中的时间)最晚的图像)中是否存在人脸。如果该最新预缓存图像中存在人脸，则将该最新预缓存图像作为可用预缓存图像。如果所述预缓存图像中不存在人脸，则可确定存在人脸的时间最晚预缓存图像。例如，可按时间次序从晚到早判断预缓存图像中是否存在人脸，从而得到存在人脸的最晚预缓存图像。该最晚预缓存图像作为可用预缓存图像。

附加地，如果最新预缓存图像中存在人脸的情况下，还可确定图像中的人脸质量。图像的人脸质量与人脸识别的成功率相关联。人脸质量例如可基于图像中的人脸的光线、遮挡、角度、完整度、模糊度等等来确定。例如，可采用如人工智能算法来基于上述人脸质量的参数来对人脸质量打分(例如该分数可以为1-100分范围内的任何值)。可采用本领域技术人员已知的其它方案来确定人脸质量。

在另一个示例中，可确定预缓存图像的时间是否在预定义时间范围内，仅在预定义时间范围内的预缓存图像将被作为可用预缓存图像。例如，只有捕捉时间在接收到人脸识别请求前1分钟、3分钟、5分钟范围内的预捕捉图像才被作为可用预缓存图像。

在一些示例中，不是选择一个可用预缓存图像，而是基于预定义条件选择多个可用预缓存图像。

除选择预缓存图像之外，还可由人脸识别设备选择可用待识别图像。

通常，在接收到人脸识别请求之后，人脸识别设备捕捉待识别图像，随后人脸识别设备可确定该待识别图像是否满足预定义条件。例如，人脸识别设备可确定该待识别图像中是否包括人脸、图像中的人脸质量、图像捕捉时间等。

如果待识别图像满足预定义条件，人脸识别设备可将该待识别图像作为可用待识别图像。例如，如果人脸识别设备的摄像头接收图像捕捉命令而捕捉的待识别图像符合预定义条件，则人脸识别设备可将其作为可用待识别图像。替代地，在持续捕捉图像的情况下，如果接收到人脸识别请求之后的第一个图像满足预定义条件，则人脸识别设备可选择该第一个图像作为可用待识别图像。

如果待识别图像不满足预定义条件，人脸识别设备可重新捕捉待识别图像。例如，人脸识别设备可向其摄像头再次捕捉图像。在必要时，人脸识别设备还可向用户发出提示，以提示用户将其面部对准摄像头，如前面讨论过的。

替代地，在持续捕捉图像的情况下，如果接收到人脸识别请求之后的第一个图像满足预定义条件，则人脸识别设备可按时间次序依次选择后续图像是否满足条件，并将满足条件的最早的图像作为可用待识别图像。

在一些示例中，不是选择一个可用待识别图像，而是基于预定义条件选择多个可用待识别图像。

在选择了可用预缓存图像和可用待识别图像后，可检测可用预缓存图像和可用待识别图像中的人脸。如果可用预缓存图像中仅存在一个人脸，可将该人脸作为可用预缓存图像中的预缓存待识别人脸。如果可用待识别图像中仅存在一个人脸，可将该人脸作为可用待识别图像中的待识别人脸。

如果可用预缓存图像中存在多个人脸，人脸识别设备还可确定可用预缓存图像中的预缓存待识别人脸。人脸识别设备可基于预定义策略来确定预缓存待识别人脸。例如，可选择可用预缓存图像中最靠近图像中心的人脸作为预缓存待识别人脸。替代地，可选择该图像中面积最大的人脸作为预缓存待识别人脸。替代地，可选择该图像中角度最正的人脸作为预缓存待识别人脸。也可选择距图像中心的距离、面积和/或角度等各种条件的组合来选择预缓存待识别人脸。也可采用本领域已知的其它方法来选择预缓存待识别人脸。

类似地，如果可用待识别图像中存在多个人脸，人脸识别设备还可确定可用待识别图像中的待识别人脸。类似地，人脸识别设备可基于预定义策略来确定待识别人脸，如以上所描述的。

随后，人脸识别设备可确定预缓存图像(例如可用预缓存图像)中的待识别人脸和待识别图像(例如可用待识别图像)中的待识别人脸对应于同一用户的概率。

例如，人脸识别设备可提取可用预缓存图像中的待识别人脸的特征，并提取可用待识别图像中的待识别人脸的特征，并将两者进行比较。例如，可比较预缓存图像中的人脸的各个特征点和待识别图像中的各个特征点的一致性。例如，如果两者的各个特征点的一致性很高，则两个人脸属于同一用户的概率较高。也可采用更复杂的算法(例如机器学习算法)来比较两者以确定两者对应于同一用户的概率。可设想用于判断两个图像中的待识别人脸是否对应于同一用户的其它方案，其均落入本申请的范围内。

方法300可包括：在步骤310，可识别与该待识别图像中的人脸相对应的用户的身份。例如，可由人脸识别设备将待识别图像传送至人脸识别服务器，并由人脸识别服务器来识别与该待识别图像中的人脸相关联的用户的身份(可参考图7的描述)。替代地，可由人脸识别设备提取待识别图像中的人脸的特征，并将该人脸的特征传送至人脸识别服务器，并由人脸识别服务器基于该人脸的特征来识别与该人脸的特征相关联的用户的身份。在待识别图像中存在多个人脸的情况下，可由人脸识别设备或人脸识别服务器来选择待识别人脸。例如，可基于前述的预定义策略来确定待识别人脸。

需要指出的是，虽然在上文中步骤310是在步骤308之后描述的，但这并不构成限制。例如，步骤308可在步骤310之前执行，或者步骤308和步骤310可并行执行。在另一种示例中，在首先执行步骤308的情况下，如果确定所预缓存的图像与所述待识别图像中的人脸对应于同一用户的概率较小(例如小于一预定义阈值)，也可不执行步骤310，而是直接使该人脸识别过程失败。

在一些情况下，为避免恶意用户伪造合法用户人脸(例如使用例如其它用户的照片、换脸、面具、遮挡以及屏幕翻拍等)的欺骗手段来欺骗摄像头，还可对用户执行活体检测。例如，可通过多帧图像中的人脸元素的移动来执行活体检测。例如，可通过图像中的眨眼、张嘴、摇头、点头或其组合，来使用人脸关键点定位和人脸追踪等技术，验证用户是否为真实活体本人操作。此外，还可采用其它手段来执行活体检测，例如基于微纹理、基于多光谱、通过机器学习算法、与红外图像或三维图像比对等。通过执行活体检测，可抵御上述欺骗手段。

在现有技术中，通常使用多个待识别图像或待识别图像序列来执行活体检测。在本实施例中，由于已经预缓存了图像，所以使用预缓存图像和待识别图像相结合地进行活体检测成为可能。因此，方法300可任选地包括使用预缓存图像和待识别图像的组合来执行活体检测。可采用如上所述的任何通过两个或更多个图像或图像序列来执行活体检测的方法来执行活体检测。使用接收到人脸识别请求前预缓存的图像而不是仅使用接收到人脸识别请求后捕捉的待识别图像可以加快活体检测速度。

方法300还可包括：在步骤312，可基于预缓存图像中的人脸和待识别图像中的人脸对应于同一用户的概率来确定是否使用所识别的用户的身份执行后续操作。例如，在支付场景下，后续操作包括执行支付交易，例如账户资金划转等。在其它场景下，可执行相应的后续操作。例如，在景点场景下，可执行开票操作。在医院场景下，可执行与医疗服务相关的操作，等等。

在第一示例中，可预定义第一阈值，如果对应于同一用户的概率不小于该第一阈值，可直接执行后续交易，而无需用户确认。如果对应于同一用户的概率小于该第一阈值，则可要求用户进一步确认其身份。例如，可要求用户输入附加验证信息来执行进一步确认。例如，可要求用户输入手机号码、手机号码的后四位、身份证后四位等等信息。替代地，可要求用户用指纹等验证身份。或者，可要求用户提供发送至与该用户相关联的手机的验证码。可采取本领域技术人员可想到的其它方式来执行进一步确认。

在第二示例中，可预定义第一阈值和第二阈值，其中第一阈值大于第二阈值。如果对应于同一用户的概率不小于第一阈值，则可直接执行后续交易，而无需用户确认。如果对应于同一用户的概率小于第一阈值但不小于第二阈值，则可要求用户进一步确认其身份。例如，可采用如上所述的任何方式来进行进一步确认。如果对应于同一用户的概率小于第二阈值，则直接使本次人脸识别失败。

在第三示例中，可定义多个阈值，例如第一阈值、第二阈值和第三阈值，其中第一阈值大于第二阈值，第二阈值大于第三阈值。如果对应于同一用户的概率不小于第一阈值，则可直接执行后续交易，而无需用户确认。如果对应于同一用户的概率小于第一阈值但不小于第二阈值，则可要求用户使用第一手段进一步确认身份。例如，可要求用户输入手机号最后4位或身份证号最后4位。如果对应于同一用户的概率小于第二阈值但不小于第三阈值，则可要求用户使用比第一手段更严格的第二手段进一步确认身份。例如，可要求用户输入整个身份证号，或者向与用户相关联的手机号发送验证码并要求用户输入验证码。可设想其它确认手段。可设想与上述示例不同的其它确认方式。

通过上述方案，本说明书实施例能够更准确、更高效地确认待识别图像中的用户的支付意愿，而且不需要用户后置点击“确认支付”按钮或“取消”按钮等，避免了商品/服务提供方的损失。

示例方法二

除了人脸之外，还可利用图像中包括的其它特征，例如人体部件特征，来执行上述过程。人体部件可包括例如头、颈、肩、臂、躯干、腿等人体部位。人体部件特征例如可包括上述人体部件的大小、形状、角度等等。人体部件特征还可包括各人体部件相互间的位置和大小关系以及人体部件与脸部之间的位置和大小关系等。

参见图4，其示出了根据本说明书实施例的用于人脸识别的第二示例方法400的流程图。

参见图4，方法400可包括：在步骤402，在接收到用户识别请求之前，由人脸识别设备的摄像头预采集图像，并预缓存所捕捉的图像。此步骤的具体描述可参考图3的步骤302。

方法400还可包括：在步骤404，可由人脸识别设备接收对待识别用户的用户人脸识别请求。此步骤的具体描述可参考图3的步骤304。

方法400还可包括：在步骤406，可通过人脸识别设备的一个或多个摄像头捕捉一个或多个待识别图像。此步骤的具体描述可参考图3的步骤306。

方法400可包括：在步骤408，由人脸识别设备确定所述预缓存图像中的人脸与所述待识别图像中的人脸对应于同一用户的概率。

例如，可由人脸识别设备选择可用预缓存图像。例如，可基于预定义条件来选择可用预缓存图像。与步骤308中只考虑人脸不同，在此实施例中，可将人体部件特征纳入考虑。例如，除了图像中是否包括人脸以及人脸质量之外，该预定义条件还可包括图像中所包括的人体部件的数量以及人体部件质量等等。人体部件质量例如可基于图像中的人体部件的光线、遮挡、角度、完整度、模糊度等等来确定。可采用本领域技术人员已知的任何方案来确定人体部件质量。

还可由人脸识别设备选择可用待识别图像。例如，可基于预定义条件来选择可用预缓存图像。同样地，在此实施例中，在选择可用待识别图像时可将人体部件特征纳入考虑，如同上面在描述选择可用预缓存图像时所描述的。

如果可用预缓存图像中存在多个人脸，人脸识别设备可确定可用预缓存图像中的预缓存待识别人脸和与该预缓存待识别人脸相关联的人体部件。例如，在使用如上参考步骤308所述的方法来选择预缓存待识别人脸之后，人脸识别设备可基于与该预缓存待识别人脸的位置关系等等来选择与该预缓存待识别人脸属于同一用户的人体部件。可以领会，只有距预缓存待识别人脸在一定范围内的人体部件才是该用户的人体部件。也可采用其它算法(例如先识别出用户整体，从而将人脸与身体部件相关联)来确定与该人脸相关联的人体部件。

类似地，如果可用待识别图像中存在多个人脸，人脸识别设备可确定可用待识别图像中的待识别人脸和与该待识别人脸相关联的人体部件，如上面所描述的。

随后，人脸识别设备可确定预缓存图像中的待识别人脸和待识别图像中的待识别人脸对应于同一用户的概率。在确定概率时，不同于步骤308中仅对比人脸的特征，在本实施例中，还将预缓存图像中的人体部件特征与待识别图像中的人体部件特征进行比较。例如，可采用简单的比较算法或者可采用复杂的机器学习算法来对两种图像中的人体部件的特征进行比较，以确定两个人脸对应同一用户的概率。可以理解，将人体部件特征纳入考虑可进一步提升确定该概率的准确度。

步骤408的其它信息可参考图3的步骤308。

方法400可包括：在步骤410，可识别与该待识别图像中的人脸相对应的用户的身份。例如，可由人脸识别设备将待识别图像传送至人脸识别服务器，并由人脸识别服务器来识别与该待识别图像中的人脸相关联的用户的身份(可参考图7的描述)。步骤410的其它信息可参考图3的步骤310。

方法400还可包括：在步骤412，可基于预缓存图像中的人脸和待识别图像中的人脸对应于同一用户的概率来确定是否使用所识别的用户的身份执行后续操作。步骤412的其它信息可参考图3的步骤312。

示例方法三

在上述实施例中，人脸识别设备所预采集的图像被预缓存，这可以节省处理资源，从而节省电力等等。然而，为了充分利用人脸识别设备的处理能力，加快处理速度，人脸识别设备还可在预采集图像之后就对图像进行处理，提取出所采集的图像中的人脸特征，并缓存人脸特征而不是缓存整个图像。

参见图5，其示出了根据本说明书实施例的用于人脸识别的第三示例方法500的流程图。

如图5所示，方法500可包括：在步骤502，在接收到对用户的人脸识别请求之前，由人脸识别设备的一个或多个摄像头预采集图像。

人脸识别设备可持续(例如周期性地)捕捉该摄像头的捕捉范围内的图像。或者，人脸识别设备可仅在自动确定其捕捉范围内有人(或者有活动物体)时才捕捉其捕捉范围内的图像。此步骤的具体细节可参考上文对步骤302的描述。

方法500还可包括：在步骤504，提取预采集图像中的用户的人脸特征并预缓存所提取的人脸特征。

在捕捉图像之后，人脸识别设备对所捕捉的图像执行处理，以便自动检测最新的捕捉图像中的人脸。如果在所捕捉的图像中检测到人脸(即检测到用户)，则人脸识别设备提取所捕捉的图像中的用户的人脸特征，并预缓存所捕捉的人脸特征。在一些示例中，可仅在所捕捉的图像的人脸质量满足要求时才提取并缓存所捕捉的人脸特征。人脸质量例如可基于图像中的人脸的光线、遮挡、角度、完整度、模糊度等等来确定。此操作的具体细节可参考上面对步骤308的描述。

如果在所捕捉的图像中存在多个人脸，则人脸识别设备可确定预缓存待识别人脸。确定预缓存待识别人脸可基于预定义策略(例如基于人脸距图像中心的距离、面积和/或角度或其组合等)。此操作的具体细节可参考上面对步骤308的描述。

方法500还可包括：在步骤506，可由人脸识别设备接收对用户的人脸识别请求。此操作的具体细节可参考上面对步骤304的描述。

方法500还可包括：在步骤508，响应于该人脸识别请求，可通过人脸识别设备的一个或多个摄像头捕捉一个或多个待识别图像。人脸识别设备捕捉待识别图像的过程的具体细节可参考图3的步骤306。

方法500还可包括：在步骤510，可提取待识别图像中的用户的人脸特征。所提取的人脸特征作为待识别人脸特征，以便对用户进行人脸识别。在一些示例中，可仅在所捕捉的图像的人脸质量满足要求时才提取所捕捉的图像的人脸特征。人脸质量例如可基于图像中的人脸的光线、遮挡、角度、完整度、模糊度等等来确定。如果所捕捉的图像的人脸质量不满足要求(或不满足其它预定义条件)，则可重新捕捉待识别图像。此操作的具体细节可参考上面对步骤308的描述。

如果在所捕捉的待识别图像中存在多个人脸，则人脸识别设备可确定待识别人脸。确定待识别人脸可基于预定义策略(例如基于人脸距图像中心的距离、面积和/或角度或其组合等)。此操作的具体细节可参考上面对步骤308的描述。

方法500可包括：在步骤512，可由人脸识别设备确定所预缓存的人脸特征与待识别人脸特征(即从待识别图像中提取的用户的人脸特征)对应于同一用户的概率。

例如，人脸识别设备可选择最新的预缓存的人脸特征，并将其与在接收到人脸识别请求之后捕捉的第一个可用待识别图像的人脸特征进行比对，并基于该比对确定两者对应于同一用户的概率。此操作的具体细节可参考上面对步骤308的描述。

方法500还可包括：在步骤514，可识别与待识别人脸特征相对应的用户的身份。例如，可将待识别人脸特征传送至人脸识别服务器，以供服务器使用待识别人脸特征来确定用户的身份(可参考图8)。人脸识别服务器可使用任何适当方法来基于人脸特征来确定用户身份，具体细节在此不再赘述。

随后，人脸识别服务器可将所识别出的用户的身份传送至人脸识别设备。

方法500还可包括：在步骤516，可基于预缓存人脸特征与待识别人脸特征对应于同一用户的概率来确定是否使用所述用户的身份执行后续操作。

例如，可定义第一阈值，如果概率不小于第一阈值，则使用所述用户的所述身份执行后续操作，而如果所述概率小于第一阈值，则进一步确认所述用户的身份。还可定义多个阈值。此操作的具体细节可参考上面对步骤312的描述。

示例方法四

同样地，为了增加判断的准确度，除了人脸特征之外，还可使用身体部件特征。

参见图6，其示出了根据本说明书实施例的用于人脸识别的第四示例方法600的流程图。

如图6所示，方法600可包括：在步骤602，在接收到对用户的人脸识别请求之前，由人脸识别设备的一个或多个摄像头预采集图像。

人脸识别设备可持续(例如周期性地)捕捉该摄像头的捕捉范围内的图像。或者，人脸识别设备可仅在自动确定其捕捉范围内有人(或者有活动物体)时才捕捉其捕捉范围内的图像。此步骤的具体细节可参考上文对步骤302的描述。

方法600还可包括：在步骤604，提取预采集图像中的用户的人脸特征并预缓存所提取的人脸特征。

在捕捉图像之后，人脸识别设备对所捕捉的图像执行处理，以便自动检测最新的捕捉图像中的人脸。如果在所捕捉的图像中检测到人脸(即检测到用户)，则人脸识别设备提取所捕捉的图像中的用户的人脸特征，并预缓存所捕捉的人脸特征。在一些示例中，可仅在所捕捉的图像的人脸质量满足要求时才提取并缓存所捕捉的人脸特征。人脸质量例如可基于图像中的人脸的光线、遮挡、角度、完整度、模糊度等等来确定。此操作的具体细节可参考上面对步骤308的描述。

如果在所捕捉的图像中存在多个人脸，则人脸识别设备可确定预缓存待识别人脸。确定预缓存待识别人脸可基于预定义策略(例如基于人脸距图像中心的距离、面积和/或角度或其组合等)。此操作的具体细节可参考上面对步骤308的描述。

方法600还可包括：在步骤606，提取预采集图像中的用户的人体部件特征并预缓存所提取的人体部件特征。优选地，在预采集图像中包括多个用户时，在人脸识别设备选择预缓存待识别人脸之后，可基于与该预缓存待识别人脸的位置关系等等来选择与该预缓存待识别人脸属于同一用户的人体部件。可以领会，只有距预缓存待识别人脸在一定范围内的人体部件才是该用户的人体部件。也可采用其它算法(例如先识别出用户整体，从而将人脸与身体部件相关联)来确定与该人脸相关联的人体部件。

类似地，如果可用待识别图像中存在多个用户，人脸识别设备可确定可用待识别图像中的待识别人脸和与该待识别人脸相关联的人体部件，如上面所描述的。

方法600还可包括：在步骤608，可由人脸识别设备接收对用户的人脸识别请求。此操作的具体细节可参考上面对步骤304的描述。

方法600还可包括：在步骤610，响应于该人脸识别请求，可通过人脸识别设备的一个或多个摄像头捕捉一个或多个待识别图像。人脸识别设备捕捉待识别图像的过程的具体细节可参考图3的步骤306。

方法600还可包括：在步骤612，可提取待识别图像中的用户的人脸特征和人体部件特征。所提取的人脸特征作为待识别人脸特征，以便对用户进行人脸识别。

在一些示例中，可仅在所捕捉的图像的人脸质量满足要求时才提取并所捕捉的图像的人脸特征。人脸质量例如可基于图像中的人脸的光线、遮挡、角度、完整度、模糊度等等来确定。如果所捕捉的图像的人脸质量不满足要求(或不满足其它预定义条件)，则可重新捕捉待识别图像。此操作的具体细节可参考上面对步骤408的描述。

如果在所捕捉的待识别图像中存在多个人脸，则人脸识别设备可确定待识别人脸。确定待识别人脸可基于预定义策略(例如基于人脸距图像中心的距离、面积和/或角度或其组合等)。此操作的具体细节可参考上面对步骤408的描述。

同样地，类似地，如果可用待识别图像中存在多个用户，人脸识别设备可确定可用待识别图像中的待识别人脸和与该待识别人脸相关联的人体部件，并提取与相关联的人体部件的人体部件特征。

方法600可包括：在步骤614，可由人脸识别设备确定所预缓存的人脸特征与待识别人脸特征(即从待识别图像中提取的用户的人脸特征)对应于同一用户的概率。

例如，人脸识别设备可选择最新的预缓存的人脸特征，并将其与在接收到人脸识别请求之后捕捉的第一个可用待识别图像的人脸特征进行比对，并基于该比对确定两者对应于同一用户的概率。也可基于其它标准(例如人脸质量等等)来选择用来比较的人脸特征。

除人脸特征之外，在确定概率时，不同于上面的示例中仅比较人脸特征，在本实施例中，还将预缓存人体部件特征与所述待识别图像中的人体部件特征进行比较。例如，可采用简单的比较算法或者可采用复杂的机器学习算法来对两种图像中的人体部件的特征进行比较，以确定两个人脸对应同一用户的概率。可以理解，将人体部件特征纳入考虑可进一步提升确定该概率的准确度。

此操作的具体细节可参考上面对步骤408的描述。

方法600还可包括：在步骤616，可识别与待识别人脸特征相对应的用户的身份。例如，可将待识别人脸特征传送至人脸识别服务器，以供服务器使用待识别人脸特征来确定用户的身份(可参考图8)。人脸识别服务器可使用任何适当方法来基于人脸特征来确定用户身份，具体细节在此不再赘述。

随后，人脸识别服务器可将所识别出的用户的身份传送至人脸识别设备。

方法600还可包括：在步骤618，可基于预缓存人脸特征与待识别人脸特征对应于同一用户的概率来确定是否使用所述用户的身份执行后续操作。

例如，可定义第一阈值，如果概率不小于第一阈值，则使用所述用户的所述身份执行后续操作，而如果所述概率小于第一阈值，则进一步确认所述用户的身份。还可定义多个阈值。此操作的具体细节可参考上面的描述。

应当领会，虽然在上面的描述中对步骤进行了编号，但这并不限制各步骤的执行次序。除非另外明示或暗示，否则各步骤的执行次序可与上文描述不同，或者可并行执行。

参见图7，其示出了根据本说明书的实施例的用于进行人脸识别的过程700的示意图。该过程700示出了人脸识别设备702(例如其可为如上所述的人脸识别设备100)和人脸识别服务器704之间的交互。在支付场景下，人脸识别服务器704例如可以是支付服务提供方服务器或服务器群。在其它场景下，人脸识别服务器704可以是对应的服务器或服务器群。通常，人脸识别服务器704存储或能够访问人脸数据库。人脸数据库通常存储与用户相关联的人脸数据。该人脸数据例如可包括各用户的人脸的各特征点的数据及其它相关数据。人脸数据库还可存储其它信息，例如用户身份信息等。

如图7所示，在操作705，人脸识别设备702捕捉并选择待识别图像。当然，此过程可包括如本文所述的其它步骤，例如在上文中参考图3描述的步骤302、304、306、308、310中的一个或多个，以及在上文中参考图4描述的步骤402、404、406、408、410中的一个或多个。

随后，在操作710，人脸识别设备702可将待识别图像传送至人脸识别服务器704。例如，人脸识别设备702可人脸识别服务所提供的相关接口、通过有线或无线网络来将待识别图像传送至人脸识别服务器704。

在操作715，人脸识别服务器704可检测待识别图像中的人脸，并提取所检测到的人脸的人脸特征。人脸特征例如可包括但不限于人脸的各特征点的数据等。

在存在多个人脸的情况下，人脸识别服务器704可在提取人脸特征前可首先选择要识别的人脸(此操作在图7中未示出)。在多个人脸中选择人脸可采用如上所述的各种预定义策略(例如基于距图像中心的位置等)。

在操作720，人脸识别服务器704可将所提取的人脸特征与人脸数据库中存储的人脸特征进行比对，以标识所提取的人脸特征所对应的用户的身份。例如，可确定人脸数据库中与所提取的人脸特征相似度最高的人脸特征，从而将与该相似度最高的人脸特征相关联的用户的身份标识为与所提取的人脸特征相关联的用户的身份。此操作可采用任何适用算法(例如人工智能算法等)来执行。

虽然上文描述了人脸识别服务器704确定待识别图像中的用户的身份的特定方法，但本发明的实施例不限于上述特定方法，而是可采用本领域已知的任何适用方法。

在人脸识别服务器704执行人脸识别操作期间，人脸识别设备702可执行其它相关操作，例如上文参考步骤308、310或408、410描述的操作等。

在操作725，人脸识别服务器704可将所标识的用户的身份传送至人脸识别设备。例如，人脸识别服务器704可按照预定义格式、通过有线或无线网络来将所标识的用户的身份返回给人脸识别设备702。

在操作730，人脸识别设备702在接收到来自人脸识别服务器704的用户的身份之后，可至少基于该身份来执行操作。例如，人脸识别设备702可基于预缓存图像中的人脸和待识别图像中的人脸对应于同一用户的概率来确定是否使用所识别的用户的身份执行后续操作。

参见图7，其示出了根据本说明书的实施例的用于进行人脸识别的过程700的示意图。该过程700示出了人脸识别设备702(例如其可为如上所述的人脸识别设备100)和人脸识别服务器704之间的交互。在支付场景下，人脸识别服务器704例如可以是支付服务提供方服务器或服务器群。在其它场景下，人脸识别服务器704可以是对应的服务器或服务器群。通常，人脸识别服务器704存储或能够访问人脸数据库。人脸数据库通常存储与用户相关联的人脸数据。该人脸数据例如可包括各用户的人脸的各特征点的数据及其它相关数据。人脸数据库还可存储其它信息，例如用户身份信息等。

如图7所示，在操作705，人脸识别设备702捕捉并选择待识别图像。当然，此过程可包括如本文所述的其它步骤，例如在上文中参考图3描述的步骤302、304、306、308、310中的一个或多个，以及在上文中参考图4描述的步骤402、404、406、408、410中的一个或多个。

随后，在操作710，人脸识别设备702可将待识别图像传送至人脸识别服务器704。例如，人脸识别设备702可利用人脸识别服务所提供的相关接口、通过有线或无线网络来将待识别图像传送至人脸识别服务器704。

在操作715，人脸识别服务器704可检测待识别图像中的人脸，并提取所检测到的人脸的人脸特征。人脸特征例如可包括但不限于人脸的各特征点的数据等。

在存在多个人脸的情况下，人脸识别服务器704可在提取人脸特征前可首先选择要识别的人脸(此操作在图7中未示出)。在多个人脸中选择人脸可采用如上所述的各种预定义策略(例如基于距图像中心的位置等)。

在操作720，人脸识别服务器704可将所提取的人脸特征与人脸数据库中存储的人脸特征进行比对，以标识所提取的人脸特征所对应的用户的身份。例如，可确定人脸数据库中与所提取的人脸特征相似度最高的人脸特征，从而将与该相似度最高的人脸特征相关联的用户的身份标识为与所提取的人脸特征相关联的用户的身份。此操作可采用任何适用算法(例如人工智能算法等)来执行。

虽然上文描述了人脸识别服务器704确定待识别图像中的用户的身份的特定方法，但本发明的实施例不限于上述特定方法，而是可采用本领域已知的任何适用方法。

在人脸识别服务器704执行人脸识别操作期间，人脸识别设备702可执行其它相关操作，例如上文参考步骤308、310或408、410描述的操作等。

在操作725，人脸识别服务器704可将所标识的用户的身份传送至人脸识别设备。例如，人脸识别服务器704可按照预定义格式、通过有线或无线网络来将所标识的用户的身份返回给人脸识别设备702。

在操作730，人脸识别设备702在接收到来自人脸识别服务器702的用户的身份之后，可至少基于该身份来执行操作。例如，人脸识别设备702可基于预缓存图像中的人脸和待识别图像中的人脸对应于同一用户的概率来确定是否使用所识别的用户的身份执行后续操作，如上文参考312或412所述。

参见图8，其示出了根据本说明书的实施例的用于进行人脸识别的另一过程800的示意图。该过程800示出了人脸识别设备802(例如其可为如上所述的人脸识别设备100)和人脸识别服务器804之间的交互。在支付场景下，人脸识别服务器804例如可以是支付服务提供方服务器或服务器群。在其它场景下，人脸识别服务器804可以是对应的服务器或服务器群。人脸识别设备802和人脸识别服务器804可分别类似于图7的人脸识别设备702和人脸识别服务器704。

与图7的过程不同，在图8中，由人脸识别设备802来提取待识别的人脸特征，并将待识别的人脸特征传送至人脸识别服务器804以识别对应的用户的身份。

如图8所示，在操作805，人脸识别设备802捕捉并选择待识别图像。当然，此过程可包括如本文所述的其它步骤，例如在上文中参考图5描述的步骤502、504、506、508中的一个或多个，以及在上文中参考图6描述的步骤602、604、606、608、610中的一个或多个。

随后，在操作810，人脸识别设备802可提取待识别图像中的人脸的人脸特征。在此过程中，可由人脸识别设备802执行人脸检测、人脸选择、人脸特征提取等操作，如上文参考步骤510和612所描述的。

随后，在操作815，人脸识别设备802可将所提取的人脸特征传送至人脸识别服务器804。例如，人脸识别设备802可利用人脸识别服务所提供的相关接口、通过有线或无线网络来将人脸特征传送至人脸识别服务器804。

在操作820，人脸识别服务器804可将所提取的人脸特征与人脸数据库中存储的人脸特征进行比对，以标识所提取的人脸特征所对应的用户的身份。可参考上文针对操作720的描述。

在人脸识别服务器804执行人脸识别操作期间，人脸识别设备802可执行其它相关操作，例如上文参考步骤512、514或614、616描述的操作等。

在操作825，人脸识别服务器804可将所标识的用户的身份传送至人脸识别设备。例如，人脸识别服务器804可按照预定义格式、通过有线或无线网络来将所标识的用户的身份返回给人脸识别设备802。

在操作830，人脸识别设备802在接收到来自人脸识别服务器802的用户的身份之后，可至少基于该身份来执行操作。例如，人脸识别设备802可基于预缓存图像中的人脸和待识别图像中的人脸对应于同一用户的概率来确定是否使用所识别的用户的身份执行后续操作，如上文参考516或618所述。

参考图9，其示出了根据本说明书的实施例的用于对用户进行人脸识别的示例装置900的框图。

该装置可包括一个或多个摄像头910；存储器915；以及处理器920，所述处理器被配置成执行如上所述的任何方法。

例如，对用户进行人脸识别的装置可以类似于上面描述的支付设备100。该装置的该一个或多个摄像头可用于持续地或者按照其它规则来预采集图像，且可用于捕捉待识别图像。用于预采集图像的摄像头可与用于捕捉待识别图像的摄像头相同或不同。该一个或多个摄像头可包括用于捕捉各种模态的图像数据的摄像头，例如普通二维摄像头或RGB摄像头，深度摄像头，红外摄像头等等。该一个或多个摄像头还可包括用于捕捉其它信息的摄像头，例如用于捕捉商品条码或二维码的摄像头，以及用于捕捉用户的二维码的摄像头。

所述存储器可用于存储由摄像头捕捉的图像，还可存储其它数据，例如用户人脸特征、人体部件特征等。所述存储器还可用于存储用于执行上述方法的各操作的代码。

该装置还可选地包括显示屏925，优选地可包括触摸屏。此显示屏可用于显示各种信息，例如用户购买的商品和/或服务的信息、用户所使用的第三方支付平台的信息、用户需要支付的金额信息等等。该显示屏还可用于显示用户身份信息。该显示屏还可用于显示提示信息，例如提示用户将其面部对准摄像头的信息。当该显示屏为触摸屏时，该显示屏还可显示按钮(例如供用户确认的按钮)和输入元素(例如供用户输入身份证号或其它信息的输入框)等。

该装置还可选地包括扫码器930，其可用于扫描例如商品的二维码等等。

该装置可包括网络连接设备935，例如可包括通过有线连接或无线连接来连接到其它设备(例如服务器，如人脸识别服务器)的网络连接设备。该无线连接例如可以为WiFi连接、蓝牙连接、3G/4G/5G网络连接等。

该装置还可包括其它外围元件940，例如键盘和鼠标等。

这些模块中的每一者可彼此直接或间接通信，例如，经由一条或多条总线(例如总线905)。

而且，本申请还公开了一种包括存储于其上的计算机可执行指令的计算机可读存储介质，所述计算机可执行指令在被处理器执行时使得所述处理器执行本文所述的各实施例的方法。

此外，本申请还公开了一种装置，该装置包括处理器以及存储有计算机可执行指令的存储器，所述计算机可执行指令在被处理器执行时使得所述处理器执行本文所述的各实施例的方法。

此外，本申请还公开了一种系统，该系统包括用于实现本文所述的各实施例的方法的装置。

可以理解，根据本说明书的一个或多个实施例的方法可以用软件、固件或其组合来实现。

应该理解，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或相似的部分互相参考即可，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，对于装置和系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参考方法实施例的部分说明即可。

应该理解，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。

应该理解，本文用单数形式描述或者在附图中仅显示一个的元件并不代表将该元件的数量限于一个。此外，本文中被描述或示出为分开的模块或元件可被组合为单个模块或元件，且本文中被描述或示出为单个的模块或元件可被拆分为多个模块或元件。

还应理解，本文采用的术语和表述方式只是用于描述，本说明书的一个或多个实施例并不应局限于这些术语和表述。使用这些术语和表述并不意味着排除任何示意和描述(或其中部分)的等效特征，应认识到可能存在的各种修改也应包含在权利要求范围内。其他修改、变化和替换也可能存在。相应的，权利要求应视为覆盖所有这些等效物。

同样，需要指出的是，虽然已参照当前的具体实施例来描述，但是本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说明本说明书的一个或多个实施例，在没有脱离本发明精神的情况下还可做出各种等效的变化或替换，因此，只要在本发明的实质精神范围内对上述实施例的变化、变型都将落在本申请的权利要求书的范围内。

Claims (20)

1.一种用于对用户进行人脸识别的方法，包括：

在接收到对用户的人脸识别请求之前，通过一个或多个摄像头预采集一个或多个图像并预缓存所预采集的图像；

接收由商品或服务提供方或由所述用户主动发起的对所述用户的人脸识别请求；

响应于所述人脸识别请求，通过一个或多个摄像头捕捉用于进行人脸识别的待识别图像；

确定预缓存图像中的人脸与所述待识别图像中的人脸对应于同一用户的概率；

识别与所述待识别图像中的人脸相对应的用户的身份；以及

基于所述概率来确定是否使用所述用户的身份执行后续操作。

2.如权利要求1所述的方法，其中确定预缓存图像中的人脸与所述待识别图像中的人脸对应于同一用户的概率包括：

将所述预缓存图像中的人脸的特征与所述待识别图像中的人脸的特征进行比较。

3.如权利要求2所述的方法，其中确定预缓存图像中的人脸与所述待识别图像中的人脸对应于同一用户的概率还包括：

将所述预缓存图像中的人体部件的特征与所述待识别图像中的人体部件的特征进行比较。

4.如权利要求2所述的方法，其中：

如果所述预缓存图像中包括多个人脸，则使用预定义策略选择其中一个人脸以用于确定所述概率；和/或

如果所述待识别图像中包括多个人脸，则使用预定义策略选择其中一个人脸以用于确定所述概率。

5.如权利要求1所述的方法，其中预采集一个或多个图像包括：

通过所述一个或多个摄像头持续执行预采集。

6.如权利要求1所述的方法，其中：

自动确定所述一个或多个摄像头的捕捉范围内是否存在活动物体；以及

仅在确定所述捕捉范围内存在活动物体时才预采集和/或预缓存图像。

7.如权利要求1所述的方法，其中：

基于所预采集的图像中是否包括人脸和/或基于所预采集的图像中的人脸质量确定是否预缓存该所预采集的图像。

8.如权利要求1所述的方法，还包括：

基于所述预缓存图像和所述待识别图像对所述用户执行活体检测。

9.如权利要求1所述的方法，基于所述概率来确定是否使用所述用户的身份执行后续操作包括：

如果所述概率不小于第一阈值，则使用所述用户的所述身份执行所述后续操作；以及

如果所述概率小于第一阈值，则进一步确认所述用户的身份。

10.一种用于对用户进行人脸识别的方法，包括：

在接收到对用户的人脸识别请求之前，通过一个或多个摄像头预采集图像；

提取预采集图像中的用户的人脸特征并预缓存所提取的人脸特征；

接收由商品或服务提供方或由所述用户主动发起的对所述用户的人脸识别请求；

响应于所述人脸识别请求，通过一个或多个摄像头捕捉用于进行人脸识别的待识别图像并提取所述待识别图像中的用户的人脸特征作为待识别人脸特征；

确定预缓存人脸特征与所述待识别人脸特征对应于同一用户的概率；

识别与所述待识别人脸特征相对应的用户的身份；以及

基于所述概率来确定是否使用所述用户的身份执行后续操作。

11.如权利要求10所述的方法，其中确定预缓存人脸特征与所述待识别人脸特征对应于同一用户的概率包括：

将所述预缓存人脸特征与所述待识别人脸特征进行比较。

12.如权利要求11所述的方法，还包括：

提取预采集图像中的用户的人体部件特征并预缓存所提取的人体部件特征；以及

提取所述待识别图像中的用户的人体部件特征，

其中确定预缓存人脸特征与所述待识别人脸特征对应于同一用户的概率还包括：将预缓存人体部件特征与所述待识别图像中的人体部件特征进行比较。

13.如权利要求11所述的方法，其中：

如果所述预采集图像中包括多个人脸，则使用预定义策略选择其中一个人脸并确定所选人脸的人脸特征以进行缓存；和/或

如果所述待识别图像中包括多个人脸，则使用预定义策略选择其中一个人脸并确定所选人脸的人脸特征作为待识别人脸特征。

14.如权利要求10所述的方法，其中通过一个或多个摄像头预采集图像包括：

通过所述一个或多个摄像头持续地预采集图像。

15.如权利要求10所述的方法，其中：

自动确定所述一个或多个摄像头的捕捉范围内是否存在活动物体；以及

仅在确定所述捕捉范围内存在活动物体时才执行预采集和/或人脸特征提取。

16.如权利要求10所述的方法，其中：

基于预采集图像中是否包括人脸和/或基于所述预采集图像中的人脸质量确定是否提取所述预采集图像中的用户的人脸特征。

17.如权利要求10所述的方法，还包括：

基于所述预缓存人脸特征和所述待识别人脸特征对所述用户执行活体检测。

18.如权利要求10所述的方法，基于所述概率来确定是否使用所述用户的身份执行后续操作包括：

如果所述概率不小于第一阈值，则使用所述用户的所述身份执行后续操作；以及

如果所述概率小于第一阈值，则进一步确认所述用户的身份。

19.一种用于对用户进行人脸识别的装置，包括：

一个或多个摄像头；

存储器；以及

处理器，所述处理器被配置成执行如权利要求1-9或10-18中任一项所述的方法。

20.一种存储指令的计算机可读存储介质，所述指令当被计算机执行时，使所述计算机执行如权利要求1-9或10-18中任一项所述的方法。

Images