CN113326810A - 人脸识别方法、系统、装置、电子设备及存储介质 - Google Patents

人脸识别方法、系统、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN113326810A
CN113326810A CN202110737919.9A CN202110737919A CN113326810A CN 113326810 A CN113326810 A CN 113326810A CN 202110737919 A CN202110737919 A CN 202110737919A CN 113326810 A CN113326810 A CN 113326810A
Authority
CN
China
Prior art keywords
target
face
preset
network node
features
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
CN202110737919.9A
Other languages
English (en)
Inventor
孙栋梁
崔盛平
张帅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sensetime International Pte Ltd
Original Assignee
Sensetime International Pte Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sensetime International Pte Ltd filed Critical Sensetime International Pte Ltd
Priority to CN202110737919.9A priority Critical patent/CN113326810A/zh
Publication of CN113326810A publication Critical patent/CN113326810A/zh
Priority to PCT/IB2021/060012 priority patent/WO2023275606A1/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation

Abstract

本公开提供了一种人脸识别方法、系统、装置、电子设备及存储介质，该方法包括：响应于目标设备发起的操作请求，获取所述目标设备采集的目标用户的目标人脸图像，并提取所述目标人脸图像的目标人脸特征；确定与所述目标设备关联的目标人脸子库；其中，所述目标人脸子库中存储的预设人脸特征属于人脸总库中存储的总人脸特征的一部分；将所述目标人脸特征与所述预设人脸特征进行匹配，确定所述目标人脸图像对应的第一匹配结果；基于所述第一匹配结果，确定所述操作请求对应的第一响应结果。

Description

人脸识别方法、系统、装置、电子设备及存储介质
技术领域
本公开涉及图像处理技术领域，具体而言，涉及一种人脸识别方法、系统、装置、电子设备及存储介质。
背景技术
随着深度学习技术的发展，利用深度学习技术进行人脸识别被广泛应用于各种场景中，比如，安防监控场景、人脸门禁场景、互联网娱乐、支付场景等。
一般的，人脸识别技术可以获取用户的人脸图像，将该人脸图像与预先存储的图像进行匹配，根据匹配结果进行相应的处理，比如，在人脸门禁场景中，在匹配结果为匹配成功时，可以控制门禁开启，以便用户可以通过门禁。但是上述方法中，在预先存储的人脸图像较多时，会造成人脸识别的精度和效率较低。
发明内容
有鉴于此，本公开至少提供一种人脸识别方法、系统、装置、电子设备及存储介质。
第一方面，本公开提供了一种人脸识别方法，包括：
响应于目标设备发起的操作请求，获取所述目标设备采集的目标用户的目标人脸图像，并提取所述目标人脸图像的目标人脸特征；
确定与所述目标设备关联的目标人脸子库；其中，所述目标人脸子库中存储的预设人脸特征属于人脸总库中存储的总人脸特征的一部分；
将所述目标人脸特征与所述预设人脸特征进行匹配，确定所述目标人脸图像对应的第一匹配结果；
基于所述第一匹配结果，确定所述操作请求对应的第一响应结果。
上述方法中，可以确定与目标设备关联的目标人脸子库，目标人脸子库中存储的预设人脸特征属于人脸总库中存储的总人脸特征的一部分，可知该目标人脸子库中存储的预设人脸特征的数量相比人脸总库较少，使得将目标人脸子库中存储的预设人脸特征与目标人脸图像对应的目标人脸特征进行匹配时，能够较为快速和较为精准的确定目标人脸图像对应的第一匹配结果；进而基于第一匹配结果，能够较为高效的确定操作请求对应的第一响应结果。
一种可能的实施方式中，所述响应于目标设备发起的操作请求，获取所述目标设备采集的目标用户的目标人脸图像，包括：
响应于目标设备发起的操作请求，控制所述目标设备采集目标用户的多帧候选人脸图像；
基于人脸在候选人脸图像中的位置、人脸在候选人脸图像中的朝向、候选人脸图像的光照信息中的至少一者，从所述多帧候选人脸图像中，获取所述目标用户对应的目标人脸图像。
这里，在控制目标设备采集目标用户的多帧候选人脸图像之后，可以根据设置的至少一种条件，从多帧候选人脸图像中，获取目标用户对应的目标人脸图像，使得选取的目标人脸图像的图像质量较好，进而基于质量较好的目标人脸图像进行人脸识别时，可以提高识别的准确度。
一种可能的实施方式中，所述确定与所述目标设备关联的目标人脸子库，包括：
获取所述目标设备的历史操作信息；
根据所述历史操作信息，从所述人脸总库预先存储的总人脸特征中，确定所述目标设备使用过的预设人脸特征；
基于所述目标设备使用过的预设人脸特征，确定与所述目标设备关联的目标人脸子库。
上述实施方式中，可以从人脸总库中，根据获取的目标设备的历史操作记录，确定目标设备使用过的预设人脸特征，使得选取的预设人脸特征为与目标设备存在关联的人脸特征，该目标人脸子库中存储的预设人脸特征在目标设备上被访问的可能性较高，进而基于选取的预设人脸特征，能够较为精准的确定与目标设备关联的目标人脸子库。
同时，在保障了目标设备的人脸特征匹配需求的情况下，减少了目标人脸子库中预设人脸特征的数量，以便在将目标人脸特征与预设人脸特征进行匹配时，能够较为快速的确定目标人脸图像对应的第一匹配结果。
一种可能的实施方式中，在确定与所述目标设备关联的目标人脸子库之后，所述方法还包括：
根据所述预设人脸特征的入库时间，对所述目标人脸子库中包括的预设人脸特征进行删减操作，生成删减操作后的目标人脸子库。
这里，根据预设人脸特征的入库时间，对目标人脸子库中包括的预设人脸特征进行删减操作，生成删减操作后的目标人脸子库，将不符合要求的预设人脸特征删除，减少了目标人脸子库中预设人脸特征的数量，进而在后续将目标人脸子库中存储的预设人脸特征与目标人脸特征进行匹配时，可以提高匹配的效率。
一种可能的实施方式中，所述根据所述预设人脸特征的入库时间，对所述目标人脸子库中包括的预设人脸特征进行删减操作，包括：
在所述目标人脸子库存储的预设人脸特征的数据量大于或等于所述目标人脸子库的库容阈值时，按照所述预设人脸特征的入库时间从早到晚的顺序，对所述目标人脸子库中包括的预设人脸特征进行删减操作；和/或，
根据各个预设人脸特征的存储期限、以及所述预设人脸特征的入库时间，对所述目标人脸子库中包括的预设人脸特征进行删减操作。
这里，通过设置多种删减方式，根据预设人脸特征的入库时间，对目标人脸子库中包括的预设人脸特征进行删减操作，删减方式较为灵活。
一种可能的实施方式中，所述基于所述第一匹配结果，确定所述操作请求对应的第一响应结果，包括：
在所述第一匹配结果指示所述目标人脸子库中包括与所述目标人脸特征匹配的预设人脸特征的情况下，基于与所述目标人脸特征匹配的预设人脸特征，确定所述目标用户对应的账号信息；
基于所述目标用户对应的账号信息，确定所述操作请求对应的第一响应结果。
一种可能的实施方式中，所述基于所述第一匹配结果，确定所述操作请求对应的第一响应结果，包括：
在所述第一匹配结果表明所述目标人脸子库中不包括与所述目标人脸特征匹配的预设人脸特征的情况下，将所述目标人脸特征与所述人脸总库中包括的所述总人脸特征进行匹配，获得第二匹配结果；
若所述第二匹配结果表明所述人脸总库中包括与所述目标人脸特征匹配的第一人脸特征时，基于所述第二匹配结果，确定所述操作请求对应的第二响应结果，并将所述第一人脸特征同步至所述目标人脸子库。
一种可能的实施方式中，所述将所述目标人脸特征与所述人脸总库中包括的所述总人脸特征进行匹配，获得第二匹配结果，包括：
控制目标设备展示用于获取所述目标用户的标识信息的操作界面；
基于获取的所述目标用户的标识信息，从所述人脸总库中获取所述标识信息对应的第一人脸特征；
将所述第一人脸特征与所述目标人脸特征进行匹配，得到所述第二匹配结果。
考虑到目标人脸总库中存在不包括与目标人脸特征匹配的预设人脸特征的情况，为了缓解上述情况，提高匹配的精准度和效率，可以在发生上述情况时，控制目标设备展示用于获取目标用户的标识信息的操作界面，再可以基于获取的目标用户的标识信息，从人脸总库中较为精准的获取标识信息对应的第一人脸特征。再将第一人脸特征与目标人脸特征进行匹配，得到第二匹配结果，提高人脸特征匹配的精准度。
一种可能的实施方式中，所述目标设备关联至少一个所述目标人脸子库，所述目标人脸子库中的所述预设人脸特征被存储在网络节点中；在所述响应于目标设备发起的操作请求，获取所述目标设备采集的目标用户的目标人脸图像之前，所述方法还包括：
获取每个网络节点的服务性能信息；所述服务性能信息包括：负载性能信息和/或硬件配置信息；
根据多个所述网络节点的服务性能信息，将所述预设人脸特征分配至至少一个网络节点；
所述将所述目标人脸特征与所述预设人脸特征进行匹配，确定所述目标人脸图像对应的第一匹配结果，包括：
调用所述至少一个网络节点中的目标网络节点，将所述目标人脸特征与所述预设人脸特征进行匹配，确定所述目标人脸图像对应的第一匹配结果。
这里，根据设置的多个网络节点的负载信息和/或硬件配置，将预设人脸特征分配到至少一个网络节点，避免有些网络节点的存储和计算压力较大，有些网络节点的存储和计算压力较小，造成网络节点的负载不均衡的情况发生，使得每个网络节点的负载较为均衡，提高了网络节点的处理效率。
一种可能的实施方式中，在获取每个网络节点的服务性能信息之前，所述方法还包括：
根据所述目标人脸子库中包括的预设人脸特征的数量，判断预设的多个网络节点的容量是否满足所述预设人脸特征的存储需求；
若多个所述网络节点的容量不满足所述预设人脸特征的存储需求，则扩展新的网络节点。
这里，在多个网络节点的容量不满足预设人脸特征的存储需求时，扩展新的网络节点，使得扩展后的多个网络节点能够存储目标人脸子库中包括的预设人脸特征，避免网络节点负载过大的情况发生，保障了网络节点的处理效率。
一种可能的实施方式中，在预设人脸特征被分配至多个网络节点的情况下，所述调用所述至少一个网络节点中的目标网络节点，将所述目标人脸特征与所述预设人脸特征进行匹配，确定所述目标人脸图像对应的第一匹配结果，包括：
判断所述目标网络节点是否正常工作；
若所述目标网络节点不能正常工作，则从所述预设人脸特征对应的多个网络节点中，确定除所述目标网络节点之外的其他网络节点，并从所述其他网络节点中，确定更新后的目标网络节点；
调用所述更新后的目标网络节点，将所述目标人脸特征与所述预设人脸特征进行匹配，确定所述目标人脸图像对应的第一匹配结果。
本实施方式中，通过将每个预设人脸特征存储在多个网络节点中，以便在存储预设人脸特征的多个网络节点中的任一网络节点无法正常工作时，除任一网络节点之外的其他网络节点能够基于预设人脸特征进行匹配，保障了网络节点的高可用能力，提高了目标人脸图像对应的目标人脸特征的匹配效率。
一种可能的实施方式中，所述预设人脸特征存储在目标网络节点的外存储器中；所述调用所述至少一个网络节点中的目标网络节点，将所述目标人脸特征与所述预设人脸特征进行匹配，确定所述目标人脸图像对应的第一匹配结果，包括：
调用所述目标网络节点中的处理器，从所述外存储器中获取所述目标人脸子库包含的各个所述预设人脸特征；以及
将获取到的每个所述预设人脸特征与所述目标人脸特征进行匹配，确定所述目标人脸图像对应的第一匹配结果。
一种可能的实施方式中，所述处理器包括图形处理器GPU和/或中央处理器CPU。
一种可能的实施方式中，所述预设人脸特征存储在目标网络节点的外存储器中；所述方法还包括：
将所述目标网络节点的外存储器中存储的至少一个预设人脸特征，加载至所述目标网络节点的内存中；
所述调用所述至少一个网络节点中的目标网络节点，将所述目标人脸特征与所述预设人脸特征进行匹配，确定所述目标人脸图像对应的第一匹配结果，包括：
调用所述目标网络节点中的处理器，将内存中存储的所述目标人脸子库包含的每个所述预设人脸特征、与所述目标人脸特征进行匹配，确定所述目标人脸图像对应的第一匹配结果。
这里，通过将目标网络节点的外存储器中存储的至少一个预设人脸特征，加载至目标网络节点的内存中，以便处理器可以直接基于内存中存储的目标人脸子库包含的每个预设人脸特征与目标人脸特征进行匹配，无需从外存储器中获取预设人脸特征，处理器的人脸特征匹配过程较为简便、快速，保障了人脸识别的实时性。
一种可能的实施方式中，所述将所述目标网络节点的外存储器中存储的至少一个预设人脸特征，加载至所述目标网络节点的内存中，包括：
基于每个预设人脸特征的匹配次数或匹配频率，从所述目标网络节点的外存储器存储的至少一个预设人脸特征中，确定待加载的预设人脸特征；
将确定的所述待加载的预设人脸特征，加载至所述目标网络节点的内存中。
这里，通过基于每个预设人脸特征的匹配次数或匹配频率，从目标网络节点的外存储器存储的至少一个预设人脸特征中，确定待加载的预设人脸特征，以便在基于待加载的预设人脸特征和目标人脸特征进行匹配时，可以减少从外存中获取预设人脸特征所消耗的时间和资源，提高了人脸特征匹配的效率。
一种可能的实施方式中，所述预设人脸特征存储在目标网络节点的外存储器中；所述方法还包括：
为所述外存储器中存储的至少一个预设人脸特征生成对应的目标索引；
将生成的至少一个预设人脸特征对应的目标索引，加载至所述目标网络节点的内存中；其中，所述目标索引为用于查找所述外存储器中存储的预设人脸特征的索引。
实施时，可以为外存储器中存储的每个待比对对象的预设人脸特征生成对应的目标索引，也可以为外存储器中存储的部分待比对对象的预设人脸特生成对应的目标索引，比如，可以为匹配次数较多或匹配频率较高的预设人脸特生成对应的目标索引。并可以将生成的至少一个待比对对象的预设人脸特征对应的目标索引，加载至目标网络节点的内存中，以便使得目标网络节点能够根据目标索引，较为精准的获取目标索引对应的预设人脸特征，无需对外存储器中存储的每个预设人脸特征进行遍历，提高了获取预设人脸特征的效率。
一种可能的实施方式中，所述调用所述至少一个网络节点中的目标网络节点，将所述目标人脸特征与所述预设人脸特征进行匹配，确定所述目标人脸图像对应的第一匹配结果，包括：
调用所述目标网络节点中的处理器，搜索内存中存储的所述目标人脸子库包含的预设人脸特征对应的所述目标索引；以及
从所述目标网络节点的所述外存储器中，获取所述目标索引对应的预设人脸特征；
将所述目标索引对应的所述预设人脸特征、与所述目标人脸特征进行匹配，确定所述目标人脸图像对应的第一匹配结果。
这里，可以调用目标网络节点中的处理器，搜索内存中存储的目标人脸子库包含的预设人脸特征对应的目标索引，并从目标网络节点的外存储器中，较为精准的获取目标索引对应的预设人脸特征；再可以将根据目标索引获取的预设人脸特征与目标人脸特征进行匹配，确定目标人脸图像对应的第一匹配结果，提高了人脸特征匹配的效率。
以下系统、装置、电子设备等的效果描述参见上述方法的说明，这里不再赘述。
第二方面，本公开提供了一种人脸识别系统，包括：目标设备、后台服务器；所述后台服务器与所述目标设备相连；
所述目标设备，用于发起操作请求，并基于所述操作请求，获取目标用户的目标人脸图像；
所述后台服务器，用于基于获取的所述目标人脸图像，执行如第一方面或第一方面任一实施方式所述的人脸识别方法。
一种可能的实施方式中，所述系统还包括：至少一个网络节点；所述后台服务器与所述至少一个网络节点相连；
所述后台服务器，还用于控制所述至少一个网络节点存储预设人脸特征，以及将存储的所述预设人脸特征与目标人脸图像对应的目标人脸特征进行匹配。
第三方面，本公开提供了一种人脸识别装置，包括：
获取模块，用于响应于目标设备发起的操作请求，获取所述目标设备采集的目标用户的目标人脸图像，并提取所述目标人脸图像的目标人脸特征；
第一确定模块，用于确定与所述目标设备关联的目标人脸子库；其中，所述目标人脸子库中存储的预设人脸特征属于人脸总库中存储的总人脸特征的一部分；
第二确定模块，用于将所述目标人脸特征与所述预设人脸特征进行匹配，确定所述目标人脸图像对应的第一匹配结果；
第三确定模块，用于基于所述第一匹配结果，确定所述操作请求对应的第一响应结果。
一种可能的实施方式中，所述获取模块，在响应于目标设备发起的操作请求，获取所述目标设备采集的目标用户的目标人脸图像时，用于：
响应于目标设备发起的操作请求，控制所述目标设备采集目标用户的多帧候选人脸图像；
基于人脸在候选人脸图像中的位置、人脸在候选人脸图像中的朝向、候选人脸图像的光照信息中的至少一者，从所述多帧候选人脸图像中，获取所述目标用户对应的目标人脸图像。
一种可能的实施方式中，所述第一确定模块，在确定与所述目标设备关联的目标人脸子库时，用于：
获取所述目标设备的历史操作信息；
根据所述历史操作信息，从所述人脸总库预先存储的总人脸特征中，确定所述目标设备使用过的预设人脸特征；
基于所述目标设备使用过的预设人脸特征，确定与所述目标设备关联的目标人脸子库。
一种可能的实施方式中，在确定与所述目标设备关联的目标人脸子库之后，所述装置还包括：删减模块，用于：
根据所述预设人脸特征的入库时间，对所述目标人脸子库中包括的预设人脸特征进行删减操作，生成删减操作后的目标人脸子库。
一种可能的实施方式中，所述删减模块，在根据所述预设人脸特征的入库时间，对所述目标人脸子库中包括的预设人脸特征进行删减操作时，用于：
在所述目标人脸子库存储的预设人脸特征的数据量大于或等于所述目标人脸子库的库容阈值时，按照所述预设人脸特征的入库时间从早到晚的顺序，对所述目标人脸子库中包括的预设人脸特征进行删减操作；和/或，
根据各个预设人脸特征的存储期限、以及所述预设人脸特征的入库时间，对所述目标人脸子库中包括的预设人脸特征进行删减操作。
一种可能的实施方式中，所述第三确定模块，在基于所述第一匹配结果，确定所述操作请求对应的第一响应结果时，用于：
在所述第一匹配结果指示所述目标人脸子库中包括与所述目标人脸特征匹配的预设人脸特征的情况下，基于与所述目标人脸特征匹配的预设人脸特征，确定所述目标用户对应的账号信息；
基于所述目标用户对应的账号信息，确定所述操作请求对应的第一响应结果。
一种可能的实施方式中，所述第三确定模块，在基于所述第一匹配结果，确定所述操作请求对应的第一响应结果时，用于：
在所述第一匹配结果表明所述目标人脸子库中不包括与所述目标人脸特征匹配的预设人脸特征的情况下，将所述目标人脸特征与所述人脸总库中包括的所述总人脸特征进行匹配，获得第二匹配结果；
若所述第二匹配结果表明所述人脸总库中包括与所述目标人脸特征匹配的第一人脸特征时，基于所述第二匹配结果，确定所述操作请求对应的第二响应结果，并将所述第一人脸特征同步至所述目标人脸子库。
一种可能的实施方式中，所述第三确定模块，在将所述目标人脸特征与所述人脸总库中包括的所述总人脸特征进行匹配，获得第二匹配结果时，用于：
控制目标设备展示用于获取所述目标用户的标识信息的操作界面；
基于获取的所述目标用户的标识信息，从所述人脸总库中获取所述标识信息对应的第一人脸特征；
将所述第一人脸特征与所述目标人脸特征进行匹配，得到所述第二匹配结果。
一种可能的实施方式中，所述目标设备关联至少一个所述目标人脸子库，所述目标人脸子库中的所述预设人脸特征被存储在网络节点中；在所述响应于目标设备发起的操作请求，获取所述目标设备采集的目标用户的目标人脸图像之前，所述装置还包括：分配模块，用于：
获取每个网络节点的服务性能信息；所述服务性能信息包括：负载性能信息和/或硬件配置信息；
根据多个所述网络节点的服务性能信息，将所述预设人脸特征分配至至少一个网络节点；
所述第二确定模块，在将所述目标人脸特征与所述预设人脸特征进行匹配，确定所述目标人脸图像对应的第一匹配结果时，用于：
调用所述至少一个网络节点中的目标网络节点，将所述目标人脸特征与所述预设人脸特征进行匹配，确定所述目标人脸图像对应的第一匹配结果。
一种可能的实施方式中，在获取每个网络节点的服务性能信息之前，所述装置还包括：判断模块，用于：
根据所述目标人脸子库中包括的预设人脸特征的数量，判断预设的多个网络节点的容量是否满足所述预设人脸特征的存储需求；
若多个所述网络节点的容量不满足所述预设人脸特征的存储需求，则扩展新的网络节点。
一种可能的实施方式中，在预设人脸特征被分配至多个网络节点的情况下，所述第二确定模块，在调用所述至少一个网络节点中的目标网络节点，将所述目标人脸特征与所述预设人脸特征进行匹配，确定所述目标人脸图像对应的第一匹配结果时，用于：
判断所述目标网络节点是否正常工作；
若所述目标网络节点不能正常工作，则从所述预设人脸特征对应的多个网络节点中，确定除所述目标网络节点之外的其他网络节点，并从所述其他网络节点中，确定更新后的目标网络节点；
调用所述更新后的目标网络节点，将所述目标人脸特征与所述预设人脸特征进行匹配，确定所述目标人脸图像对应的第一匹配结果。
一种可能的实施方式中，所述预设人脸特征存储在目标网络节点的外存储器中；所述第二确定模块，在调用所述至少一个网络节点中的目标网络节点，将所述目标人脸特征与所述预设人脸特征进行匹配，确定所述目标人脸图像对应的第一匹配结果时，用于：
调用所述目标网络节点中的处理器，从所述外存储器中获取所述目标人脸子库包含的各个所述预设人脸特征；以及
将获取到的每个所述预设人脸特征与所述目标人脸特征进行匹配，确定所述目标人脸图像对应的第一匹配结果。
一种可能的实施方式中，所述处理器包括图形处理器GPU和/或中央处理器CPU。
一种可能的实施方式中，所述预设人脸特征存储在目标网络节点的外存储器中；所述装置还包括：加载模块，用于：
将所述目标网络节点的外存储器中存储的至少一个预设人脸特征，加载至所述目标网络节点的内存中；
所述第二确定模块，在调用所述至少一个网络节点中的目标网络节点，将所述目标人脸特征与所述预设人脸特征进行匹配，确定所述目标人脸图像对应的第一匹配结果时，用于：
调用所述目标网络节点中的处理器，将内存中存储的所述目标人脸子库包含的每个所述预设人脸特征、与所述目标人脸特征进行匹配，确定所述目标人脸图像对应的第一匹配结果。
一种可能的实施方式中，所述加载模块，在将所述目标网络节点的外存储器中存储的至少一个预设人脸特征，加载至所述目标网络节点的内存中时，用于：
基于每个预设人脸特征的匹配次数或匹配频率，从所述目标网络节点的外存储器存储的至少一个预设人脸特征中，确定待加载的预设人脸特征；
将确定的所述待加载的预设人脸特征，加载至所述目标网络节点的内存中。
一种可能的实施方式中，所述预设人脸特征存储在目标网络节点的外存储器中；所述装置还包括：生成模块，用于：
为所述外存储器中存储的至少一个预设人脸特征生成对应的目标索引；
将生成的至少一个预设人脸特征对应的目标索引，加载至所述目标网络节点的内存中；其中，所述目标索引为用于查找所述外存储器中存储的预设人脸特征的索引。
一种可能的实施方式中，所述第二确定模块，在调用所述至少一个网络节点中的目标网络节点，将所述目标人脸特征与所述预设人脸特征进行匹配，确定所述目标人脸图像对应的第一匹配结果时，用于：
调用所述目标网络节点中的处理器，搜索内存中存储的所述目标人脸子库包含的预设人脸特征对应的所述目标索引；以及
从所述目标网络节点的所述外存储器中，获取所述目标索引对应的预设人脸特征；
将所述目标索引对应的所述预设人脸特征、与所述目标人脸特征进行匹配，确定所述目标人脸图像对应的第一匹配结果。
第四方面，本公开提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如上述第一方面或任一实施方式所述的人脸识别方法的步骤。
第五方面，本公开提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上述第一方面或任一实施方式所述的人脸识别方法的步骤。
为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，此处的附图被并入说明书中并构成本说明书中的一部分，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。应当理解，以下附图仅示出了本公开的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1示出了本公开实施例所提供的一种人脸识别方法的流程示意图；
图2示出了本公开实施例所提供的一种人脸识别方法中，确定操作请求对应的第一响应结果的具体方式的流程示意图；
图3示出了本公开实施例所提供的一种人脸识别方法中，确定目标人脸图像对应的第一匹配结果的具体方式的流程示意图；
图4示出了本公开实施例所提供的一种人脸识别方法的流程示意图；
图5示出了本公开实施例所提供的一种人脸识别系统的架构示意图；
图6示出了本公开实施例所提供的一种人脸识别系统的执行过程的流程示意图；
图7示出了本公开实施例所提供的一种人脸识别装置的架构示意图；
图8示出了本公开实施例所提供的一种电子设备的结构示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本公开实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围，而是仅仅表示本公开的选定实施例。基于本公开的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。
由于人脸具有独特性，即每个用户对应不同的人脸图像，故可以将人脸识别技术应用于人脸支付中，使得用户可以不用携带钱包、手机等外部支付凭证，通过对用户人脸进行识别，在识别成功后可以完成支付过程，提升了支付的便捷性和支付效率。但是，在使用人脸图像进行支付的用户较多时，人脸库中预先存储的用户人脸特征也较多，在对用户人脸进行识别时，会造成人脸识别的精度和效率较低。
为了缓解上述问题，本公开实施例提供了一种人脸识别方法、装置、系统、电子设备及存储介质。
针对以上方案所存在的缺陷，均是发明人在经过实践并仔细研究后得出的结果，因此，上述问题的发现过程以及下文中本公开针对上述问题所提出的解决方案，都应该是发明人在本公开过程中对本公开做出的贡献。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
为便于对本公开实施例进行理解，首先对本公开实施例所公开的一种人脸识别方法进行详细介绍。本公开实施例所提供的人脸识别方法的执行主体可以为后台服务器。
参见图1所示，为本公开实施例所提供的人脸识别方法的流程示意图，该方法包括S101-S104，其中：
S101，响应于目标设备发起的操作请求，获取目标设备采集的目标用户的目标人脸图像，并提取目标人脸图像的目标人脸特征；
S102，确定与目标设备关联的目标人脸子库；其中，目标人脸子库中存储的预设人脸特征属于人脸总库中存储的总人脸特征的一部分；
S103，将所述目标人脸特征与所述预设人脸特征进行匹配，确定所述目标人脸图像对应的第一匹配结果；
S104，基于第一匹配结果，确定操作请求对应的第一响应结果。
上述方法中，可以确定与目标设备关联的目标人脸子库，目标人脸子库中存储的预设人脸特征属于人脸总库中存储的总人脸特征的一部分，可知该目标人脸子库中存储的预设人脸特征的数量相比人脸总库较少，使得将目标人脸子库中存储的预设人脸特征与目标人脸图像对应的目标人脸特征进行匹配时，能够较为快速和较为精准的确定目标人脸图像对应的第一匹配结果；进而基于第一匹配结果，能够较为高效的确定操作请求对应的第一响应结果。
下述对S101-S104进行具体说明。
针对S101：
实施时，该人脸识别方法可以应用于刷脸支付场景中，在该刷脸支付场景中，目标设备可以为超市、便利店、服装店等任一场所内放置的刷脸支付设备。在目标用户需要进行刷脸支付时，刷脸支付设备可以发起操作请求，进而响应于刷脸支付设备的操作请求，获取目标设备采集的目标用户的目标人脸图像。
一种可选实施方式中，响应于目标设备发起的操作请求，获取目标设备采集的目标用户的目标人脸图像，可以包括步骤A1和步骤A2，其中：
步骤A1，响应于目标设备发起的操作请求，控制目标设备采集目标用户的多帧候选人脸图像；
步骤A2，基于人脸在候选人脸图像中的位置、人脸在候选人脸图像中的朝向、候选人脸图像的光照信息中的至少一者，从多帧候选人脸图像中，获取目标用户对应的目标人脸图像。
响应于目标设备发起的操作请求，可以控制目标设备通过装载的摄像头，采集目标用户的多帧候选人脸图像。再可以根据人脸在候选人脸图像中的位置、人脸在候选人脸图像中的朝向、候选人脸图像的光照信息中的至少一者，从多帧候选人脸图像中，获取目标用户对应的目标人脸图像。
示例性的，可以确定目标用户的人脸在每帧候选人脸图像中的位置，选取人脸处于中心位置的候选人脸图像，确定为获取的目标用户的目标人脸图像。
和/或，可以确定人脸在候选人脸图像中的朝向，比如，可以使用欧拉角表征人脸的朝向。再可以设置最佳朝向，确定人脸在候选人脸图像中的朝向与最佳朝向之间的朝向偏差，将朝向偏差最小的候选人脸图像，确定为获取的目标用户的目标人脸图像。其中，最佳朝向可以为人脸正面在图像中时的朝向信息。其中，可以使用训练后的第一神经网络，确定人脸在候选人脸图像中的位置和/或朝向。
和/或，可以确定候选人脸图像的关照信息，再可以设置最佳光照信息，确定候选人脸图像的光照信息与最佳光照信息之间的光照偏差，将光照偏差最小的候选人脸图像，确定为获取的目标用户的目标人脸图像。
这里，在控制目标设备采集目标用户的多帧候选人脸图像之后，可以根据设置的至少一种条件，从多帧候选人脸图像中，获取目标用户对应的目标人脸图像，使得选取的目标人脸图像的图像质量较好，进而基于质量较好的目标人脸图像进行人脸识别时，可以提高识别的准确度。
实施时，在获取到目标人脸图像之后，可以使用训练后的人脸特征提取网络，提取目标人脸图像对应的目标人脸特征。其中，目标人脸特征和预设人脸特征可以为使用同一人脸特征提取网络提取得到的。
针对S102：
实施时，可以为每个目标设备确定对应的目标人脸子库，不同的目标设备可以对应不同的目标人脸子库。其中，目标人脸子库中存储的预设人脸特征属于人脸总库中存储的总人脸特征的一部分。
一种可选实施方式中，确定与目标设备关联的目标人脸子库，可以包括：
步骤B1，获取目标设备的历史操作信息；
步骤B2，根据历史操作信息，从人脸总库预先存储的总人脸特征中，确定目标设备使用过的预设人脸特征；
步骤B3，基于目标设备使用过的预设人脸特征，确定与目标设备关联的目标人脸子库。
人脸总库中预先存储有总人脸特征，总人脸特征可以包括每个用户的对应的人脸特征；比如，在该方法应用于刷脸支付场景时，总人脸特征中可以包括多个要使用刷脸支付功能的注册用户分别对应的人脸特征。
获取目标设备的历史操作信息，该历史操作信息可以为在目标设备上执行了操作后生成的信息；比如，在目标设备为刷脸支付设备时，历史操作信息可以包括在刷脸支付设备上进行的历史刷脸支付记录。
在历史操作信息包括在刷脸支付设备上进行的历史刷脸支付记录时，可以根据历史刷脸支付记录，从人脸总库预先存储的总人脸特征中，确定目标设备使用过的预设人脸特征。再将目标设备使用过的预设人脸特征存储至构建的数据库中，生成与目标设备关联的目标人脸子库。
实施时，还可以根据目标设备所处的现实场景对应的场景信息，确定每个目标设备关联的目标人脸子库。比如场景信息可以包括在安装刷脸支付设备的场所内的消费记录、安装刷脸支付设备的场所内配置的WiFi信息、蓝牙探针信息等。
再比如，根据安装刷脸支付设备的场所内的消费记录，可以确定每条消费记录对应的账号信息；再可以从人脸总库中，确定每个账号信息对应的预设人脸特征，将各个账号信息对应的预设人脸特征存储至构建的数据库中，生成与目标设备关联的目标人脸子库。
再比如，在场景信息包括安装刷脸支付设备的场所内配置的WiFi信息时，可以确定连接该WiFi信息的移动设备、以及通过移动设备注册的用户图像，再可以从设置的人脸总库中，确定与该用户图像匹配的预设人脸特征，将与该用户图像匹配的预设人脸特征存储至构建的数据库中，生成与目标设备关联的目标人脸子库。
上述实施方式中，可以从设置的人脸总库中，根据获取的目标设备的历史操作记录，确定目标设备使用过的预设人脸特征，使得选取的预设人脸特征为与目标设备存在关联的人脸特征，该目标人脸子库中存储的预设人脸特征在目标设备上被访问的可能性较高，进而基于选取的预设人脸特征，能够较为精准的确定与目标设备关联的目标人脸子库。
同时，在保障了目标设备的人脸特征匹配需求的情况下，减少了目标人脸子库中预设人脸特征的数量，以便在将目标人脸特征与预设人脸特征进行匹配时，能够较为快速的确定目标人脸图像对应的第一匹配结果。
具体实施时，可以提供人脸子库的基础模块，比如，基础模块可以包括创建人脸子库的接口模块、人脸子库内存储的预设人脸特征的检索逻辑模块、存储人脸子库中预设人脸特征的网络节点的扩展逻辑模块等。通过提供人脸子库的基础模块，实现将基础模块与业务分库逻辑的解耦，可以使得提供的人脸子库的基础模块，可以适用于不同业务场景的分库逻辑中，提高基础模块的利用率。实施时，网络节点可以通过调用人脸子库的基础模块，实现为目标设备确定对应目标人脸子库。
一种可选实施方式中，在确定与所述目标设备关联的目标人脸子库之后，所述方法还包括：根据预设人脸特征的入库时间，对目标人脸子库中包括的预设人脸特征进行删减操作，生成删减操作后的目标人脸子库。
其中，根据预设人脸特征的入库时间，对目标人脸子库中包括的预设人脸特征进行删减操作，包括：
方式一、在目标人脸子库存储的预设人脸特征的数据量大于或等于目标人脸子库的库容阈值时，按照预设人脸特征的入库时间从早到晚的顺序，对目标人脸子库中包括的预设人脸特征进行删减操作；
方式二、根据各个预设人脸特征的存储期限、以及预设人脸特征的入库时间，对目标人脸子库中包括的预设人脸特征进行删减操作。
这里，根据预设人脸特征的入库时间，对目标人脸子库中包括的预设人脸特征进行删减操作，生成删减操作后的目标人脸子库，将不符合要求的预设人脸特征删除，减少了目标人脸子库中预设人脸特征的数量，进而在后续将目标人脸子库中存储的预设人脸特征与目标人脸特征进行匹配时，可以提高匹配的效率。
目标人脸子库可以为动态人脸库，即动态人脸库中包括的预设人脸特征可以进行更新，其中，对动态人脸库的更新可以包括预设人脸特征的增加和/或删减。在对目标人脸子库中包括的预设人脸特征进行删减时，可以确定存储的每个预设人脸特征的入库时间，入库时间为目标人脸子库存储该预设人脸特征的初始时间；进而可以根据各个预设人脸特征的入库时间，对目标人脸子库中包括的预设人脸特征进行删减操作，生成删减操作后的目标人脸子库。
在对目标人脸子库进行预设特征的增加时，比如，可以在目标人脸子库中不存在与目标人脸特征匹配的预设人脸特征时，从人脸总库中获取与目标人脸特征匹配的第一人脸特征，将该第一人脸特征添加至目标人脸子库中，对目标人脸子库进行更新。
在方式一中，目标人脸子库对应的库容阈值可以根据实际情况进行设置。进而可以在目标人脸子库存储的预设人脸特征的数据量大于或等于目标人脸子库的库容阈值时，按照预设人脸特征的入库时间从早到晚的顺序，对目标人脸子库中包括的预设人脸特征进行删减操作，直至删减操作后的目标人脸子库存储的数据量小于目标人脸子库的库容阈值。
在方式二中，可以设置目标人脸子库的存储期限，比如，在目标人脸子库包括的预设人脸特征为最近7天内在刷脸支付设备(目标设备)上进行刷脸支付的人脸特征时，该存储期限可以为7天。在确定了预设人脸特征的入库时间和存储期限时，可以在预设人脸特征的存储期限到期之后，将存储期限到期的预设人脸特征删除。比如，在预设人脸特征一的入库时间为11月1日08:00，存储期限为7天，则可以在11月8日08:00时将预设人脸特征一从目标人脸子库中删除。
考虑到，人脸特征库在每次删除待删除人脸特征时，需要调用删除指令对待删除人脸特征进行删减，在待删除人脸特征的数量较多时，上述通过调用删除指令对待删除人脸特征进行删减的方式较为繁琐和耗时。基于此，本公开实施方式中，可以设置方式一和/或方式二对应的策略模块和策略模块的接口，目标人脸子库可以通过调用策略模块的接口实现策略模块的调用，通过调用策略模块，可以使用方式一和/或方式二，实现预设人脸特征的自动删除，提高了预设人脸特征的删除效率。
针对S103和S104：
示例性的，可以确定目标人脸图像的目标人脸特征与每个预设人脸特征之间的余弦相似度，根据各个余弦相似度，确定目标人脸图像对应的第一匹配结果。再可以根据目标人脸图像对应的第一匹配结果，确定操作请求对应的第一响应结果。
一种可选实施方式中，参见图2所示，在S104中，基于第一匹配结果，确定操作请求对应的第一响应结果，可以包括：
S1041，在第一匹配结果指示目标人脸子库中包括与目标人脸特征匹配的预设人脸特征的情况下，基于与目标人脸特征匹配的预设人脸特征，确定目标用户对应的账号信息；
S1042，基于目标用户对应的账号信息，确定操作请求对应的第一响应结果。
比如，在刷脸支付场景中，在第一匹配结果指示目标人脸子库中包括与目标人脸特征匹配的预设人脸特征时，可以基于与目标人脸特征匹配的预设人脸特征，确定目标用户对应的账号信息，该账号信息可以为目标用户对应的支付账号信息。再可以从目标用户对应的账号信息中，扣除支付操作请求对应的支付金额，完成刷脸支付。
另一种可选实施方式中，基于第一匹配结果，确定操作请求对应的第一响应结果，可以包括步骤C1和C2，其中：
步骤C1，在第一匹配结果表明目标人脸子库中不包括与目标人脸特征匹配的预设人脸特征的情况下，将目标人脸特征与人脸总库中包括的总人脸特征进行匹配，获得第二匹配结果；
步骤C2，若第二匹配结果表明人脸总库中包括与目标人脸特征匹配的第一人脸特征时，基于第二匹配结果，确定操作请求对应的第二响应结果，并将第一人脸特征同步至目标人脸子库。
在第一匹配结果表明目标人脸子库中不包括与目标人脸特征匹配的预设人脸特征时，可以将目标人脸特征与人脸总库中包括的总人脸特征进行匹配，获取第二匹配结果。若第二匹配结果指示人脸总库中包括与目标人脸特征匹配的第一人脸特征时，可以基于第二匹配结果，确定操作请求对应的第二响应结果，并将第一人脸特征同步至目标人脸子库，实现对目标人脸子库的更新。
一种可选实施方式中，步骤C1中，将目标人脸特征与人脸总库中包括的总人脸特征进行匹配，获得第二匹配结果，可以包括：
步骤C11，控制目标设备展示用于获取目标用户的标识信息的操作界面；
步骤C12，基于获取的目标用户的标识信息，从人脸总库中获取标识信息对应的第一人脸特征；
步骤C13，将第一人脸特征与目标人脸特征进行匹配，得到第二匹配结果。
实施时，在第一匹配结果指示目标人脸子库中不存在与目标人脸特征匹配的预设人脸特征时，可以控制目标设备展示用于获取目标用户的标识信息的操作界面。其中，目标用户的标识信息可以为表征目标用户身份的信息，不同的目标用户对应不同的标识信息。比如，标识信息可以为身份证号码、电话号码、为该目标用户生成的会员号码等。
可以预先确定人脸总库中的每个预设人脸特征对应的标识信息，以便在获取到目标用户的标识信息之后，可以根据该标识信息，从人脸总库中获取标识信息对应的第一人脸特征；并将第一人脸特征与目标人脸特征进行匹配，得到目标人脸图像对应的第二匹配结果。
考虑到目标人脸总库中存在不包括与目标人脸特征匹配的预设人脸特征的情况，为了缓解上述情况，提高匹配的精准度和效率，可以在发生上述情况时，控制目标设备展示用于获取目标用户的标识信息的操作界面，再可以基于获取的目标用户的标识信息，从人脸总库中较为精准的获取标识信息对应的第一人脸特征。再将第一人脸特征与目标人脸特征进行匹配，得到第二匹配结果，提高人脸特征匹配的精准度。
一种可选实施方式中，目标设备关联至少一个目标人脸子库，目标人脸子库中的预设人脸特征被存储在网络节点中；在响应于目标设备发起的操作请求，获取目标设备采集的目标用户的目标人脸图像之前，该方法还可以包括：
获取每个网络节点的服务性能信息；所述服务性能信息包括：负载性能信息和/或硬件配置信息；
根据多个网络节点的服务性能信息，将预设人脸特征分配至至少一个网络节点。
进而，可以调用至少一个网络节点中的目标网络节点，将目标人脸特征与预设人脸特征进行匹配，确定目标人脸图像对应的第一匹配结果。
这里，目标设备关联至少一个目标人脸子库，目标人脸子库中的预设人脸特征能够被存储在网络节点中。即网络节点用于存储预设人脸特征，以及用于将目标人脸特征与存储的预设人脸特征进行匹配。
获取每个网络节点的服务性能信息，其中服务性能信息可以包括负载性能信息和/或硬件配置信息。再可以根据每个网络节点的负载性能信息和/或硬件配置信息，将预设人脸特征分配至至少一个网络节点。比如，可以为负载性能较好的网络节点分配较多的预设人脸特征，为负载性能较差的网络节点分配较少的预设人脸特征；或者，为硬件配置较高的网络节点分配较多的预设人脸特征，为硬件配置较低的网络节点分配较少的预设人脸特征。
这里，根据设置的多个网络节点的负载信息和/或硬件配置，将预设人脸特征分配至至少一个网络节点，避免有些网络节点的存储和计算压力较大，有些网络节点的存储和计算压力较小，造成网络节点的负载不均衡的情况发生，使得每个网络节点的负载较为均衡，提高了网络节点的处理效率。
一种可选实施方式中，在获取每个网络节点的服务性能信息之前，该方法还可以包括：根据目标人脸子库中包括的预设人脸特征的数量，判断预设的多个网络节点的容量是否满足预设人脸特征的存储需求；若多个网络节点的容量不满足预设人脸特征的存储需求，则扩展新的网络节点。
由于每个网络节点能够负载的预设人脸特征的数量是有限的，故在预设人脸特征的数量大于设置的多个网络节点的负载能力时，需要对网络节点进行扩展，即需要扩展新的网络节点，以便扩展后的多个网络节点能够负载目标人脸子库中包括的预设人脸特征。
这里，在多个网络节点的容量不满足预设人脸特征的存储需求时，扩展新的网络节点，使得扩展后的多个网络节点能够存储目标人脸子库中包括的预设人脸特征，避免网络节点负载过大的情况发生，保障了网络节点的处理效率。
一种可选实施方式中，在预设人脸特征被分配至多个网络节点的情况下，调用至少一个网络节点中的目标网络节点，将目标人脸特征与预设人脸特征进行匹配，确定目标人脸图像对应的第一匹配结果，包括：判断目标网络节点是否正常工作；若目标网络节点不能正常工作，则从预设人脸特征对应的多个网络节点中，确定除目标网络节点之外的其他网络节点，并从其他网络节点中，确定更新后的目标网络节点；并调用更新后的目标网络节点，将目标人脸特征与预设人脸特征进行匹配，确定目标人脸图像对应的第一匹配结果。
本实施方式中，通过将每个预设人脸特征存储在多个网络节点中，以便在存储预设人脸特征的多个网络节点中的任一网络节点无法正常工作时，除任一网络节点之外的其他网络节点能够基于预设人脸特征进行匹配，保障了网络节点的高可用能力，提高了目标人脸图像对应的目标人脸特征的匹配效率。
实施时，可以针对每个预设人脸特征，设置优先处理的网络节点，该优先处理的网络节点即为目标网络节点，在优先处理的网络节点无法正常工作时，进行故障自动迁移，控制预设人脸特征对应的其他网络节点能够基于预设人脸特征进行匹配。比如，若预设人脸特征一被存储在网络节点一、网络节点二、和网络节点三中，网络节点一为设置的目标网络节点，在网络节点一无法正常工作时，可以从网络节点二和网络节点三中，随机选择网络节点二作为更新后的目标网络节点，再可以使用网络节点二，对预设人脸特征一和目标人脸特征进行匹配。
一种可选实施方式中，参见图3所示，预设人脸特征存储在目标网络节点的外存储器中；调用至少一个网络节点中的目标网络节点，将目标人脸特征与预设人脸特征进行匹配，确定目标人脸图像对应的第一匹配结果，可以包括：
S301，调用目标网络节点中的处理器，从外存储器中获取目标人脸子库包含的各个预设人脸特征；
S302，将获取到的每个预设人脸特征与目标人脸特征进行匹配，确定目标人脸图像对应的第一匹配结果。
其中，处理器可以包括图形处理器(graphics processing unit，GPU)，和/或，中央处理器(central processing unit，CPU)。
在预设人脸特征存储在目标网络节点的外存储器中时，在进行人脸特征匹配时，需要调用目标网络节点中的处理器，从外存储器中获取目标人脸子库包含的各个预设人脸特征。在从外存储器中获取各个预设人脸特征时，需要对外存储器中存储的多个预设人脸特征进行遍历，确定目标人脸子库包含的预设人脸特征。再将获取到的每个预设人脸特征与目标人脸特征进行匹配，确定目标人脸图像对应的第一匹配结果。
具体实施时，该处理器可以是GPU，也可以是CPU，比如，在预设人脸特征较多，和/或，匹配的实时性要求较高时，可以选择GPU作为处理器，进行人脸特征的匹配；在预设人脸特征较少，和/或，匹配的实时性要求较低时，可以选择CPU作为处理器，进行人脸特征的匹配。
一种可选实施方式中，预设人脸特征存储在目标网络节点的外存储器中；该方法还包括：将目标网络节点的外存储器中存储的至少一个预设人脸特征，加载至目标网络节点的内存中。
进而可以调用目标网络节点中的处理器，将内存中存储的目标人脸子库包含的每个预设人脸特征、与目标人脸特征进行匹配，确定目标人脸图像对应的第一匹配结果。
实施时，可以先将目标网络节点的外存储器中存储的至少一个预设人脸特征，加载至目标网络节点的内存中。进而，可以调用目标网络节点中的处理器，将内存中存储的目标人脸子库包含的每个预设人脸特征与目标人脸特征进行匹配，确定目标人脸图像对应的第一匹配结果。
这里，通过将目标网络节点的外存储器中存储的至少一个预设人脸特征，加载至目标网络节点的内存中，以便处理器可以直接基于内存中存储的目标人脸子库包含的每个预设人脸特征与目标人脸特征进行匹配，无需从外存储器中获取预设人脸特征，处理器的人脸特征匹配过程较为简便、快速，保障了人脸识别的实时性。
一种可选实施方式中，将目标网络节点的外存储器中存储的至少一个预设人脸特征，加载至目标网络节点的内存中，可以包括下述两种方式：
方式一、将目标网络节点的外存中存储的全部预设人脸特征，加载至目标网络节点的内存中。
方式二、基于每个预设人脸特征的匹配次数或匹配频率，从目标网络节点的外存储器存储的至少一个预设人脸特征中，确定待加载的预设人脸特征；将确定的待加载的预设人脸特征，加载至目标网络节点的内存中。
在方式一中，在目标网络节点的内存容量大于外存储器中存储的全部预设人脸特征的容量时，可以将目标网络节点的外存储器中存储的全部预设人脸特征，加载至目标网络节点的内存中。
在方式二中，可以将目标网络节点的外存储器中存储的部分预设人脸特征，加载至目标网络节点的内存中。实施时，可以根据每个预设人脸特征的匹配次数或匹配频率，从目标网络节点的外存储器存储的至少一个预设人脸特征中，将匹配次数较多或者匹配频率较高的预设人脸特征，确定为待加载的预设人脸特征；并将确定的待加载的预设人脸特征，加载至目标网络节点的内存中。
这里，通过基于每个预设人脸特征的匹配次数或匹配频率，从目标网络节点的外存储器存储的至少一个预设人脸特征中，确定待加载的预设人脸特征，以便在基于待加载的预设人脸特征和目标人脸特征进行匹配时，可以减少从外存中获取预设人脸特征所消耗的时间和资源，提高了人脸特征匹配的效率。
一种可选实施方式中，预设人脸特征存储在目标网络节点的外存储器中；该方法还包括：为外存储器中存储的至少一个预设人脸特征生成对应的目标索引；将生成的至少一个预设人脸特征对应的目标索引，加载至目标网络节点的内存中；其中，所述目标索引为用于查找所述外存储器中存储的预设人脸特征的索引。
实施时，可以为外存储器中存储的每个预设人脸特征生成对应的目标索引，也可以为外存储器中存储的部分预设人脸特生成对应的目标索引，比如，可以为匹配次数较多或匹配频率较高的预设人脸特生成对应的目标索引。并可以将生成的至少一个预设人脸特征对应的目标索引，加载至目标网络节点的内存中，以便使得目标网络节点能够根据目标索引，较为精准的获取目标索引对应的预设人脸特征，无需对外存储器中存储的每个预设人脸特征进行遍历，提高了获取预设人脸特征的效率。
一种可选实施方式中，调用至少一个网络节点中的目标网络节点，将目标人脸特征与预设人脸特征进行匹配，确定目标人脸图像对应的第一匹配结果，可以包括：调用目标网络节点中的处理器，搜索内存中存储的目标人脸子库包含的预设人脸特征对应的目标索引；以及从目标网络节点的外存储器中，获取目标索引对应的预设人脸特征；将目标索引对应的预设人脸特征、与目标人脸特征进行匹配，确定目标人脸图像对应的第一匹配结果。
这里，可以调用目标网络节点中的处理器，搜索内存中存储的目标人脸子库包含的预设人脸特征对应的目标索引，并从目标网络节点的外存储器中，较为精准的获取目标索引对应的预设人脸特征；再可以将根据目标索引获取的预设人脸特征与目标人脸特征进行匹配，确定目标人脸图像对应的第一匹配结果，提高了人脸特征匹配的效率。
结合图4所示，对人脸识别方法应用于刷脸支付场景为例进行说明：
第一，目标用户在刷脸支付设备上进行刷脸支付时，刷脸支付设备可以发起支付刷脸请求。
第二，可以根据获取的刷脸支付设备的历史操作信息、和设置的业务分库逻辑，通过发起的小库刷脸请求调用海量动态小库基础模块(即人脸子库的基础模块)，基于人脸总库，确定刷脸支付设备对应的目标人脸子库。
第三，确定存储目标人脸子库中预设人脸特征的目标网络节点；并调用该目标网络节点，将目标人脸子库中存储的预设人脸特征与目标人脸图像对应的目标人脸特征进行匹配，确定目标人脸图像对应的第一匹配结果。
基于相同的构思，本公开实施例还提供了一种人脸识别系统，参见图5所示，为本公开实施例提供的人脸识别系统的架构示意图，包括目标设备501、后台服务器502；所述后台服务器502与所述目标设备501相连；
所述目标设备501，用于发起操作请求，并基于所述操作请求，获取目标用户的目标人脸图像；
所述后台服务器502，用于基于获取的所述目标人脸图像，执行如第一方面或第一方面任一实施方式所述的人脸识别方法。
一种可能的实施方式中，所述系统还包括：至少一个网络节点503；所述后台服务器502与所述至少一个网络节点503相连；
所述后台服务器502，还用于控制所述至少一个网络节点503存储预设人脸特征，以及将存储的所述预设人脸特征与目标人脸图像对应的目标人脸特征进行匹配。
示例性的，在人脸识别系统应用于刷脸支付场景时，目标设备可以为刷脸支付设备，参见图6所示，人脸识别系统执行以下步骤：
S601，刷脸支付设备在目标用户发起支付请求时，获取目标用户的目标人脸图像。
S602，刷脸支付设备将获取的人脸图像发送给后台服务器。
S603，后台服务器提取目标人脸图像的目标人脸特征；以及确定目标设备关联的目标人脸子库，并确定存储目标人脸子库中的预设人脸特征的目标网络节点。
S604，后台服务器将目标人脸特征发送给目标网络节点。
S605，目标网络节点将目标人脸特征与存储的目标人脸子库中的预设人脸特征进行匹配，确定目标人脸图像对应的第一匹配结果。
S606，目标网络节点将第一匹配结果发送给后台服务器。
S607，后台服务器基于第一匹配结果，确定支付请求对应的第一响应结果。
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。
基于相同的构思，本公开实施例还提供了一种人脸识别装置，参见图7所示，为本公开实施例提供的人脸识别装置的架构示意图，包括获取模块701、第一确定模块702、第二确定模块703、第三确定模块704，具体的：
获取模块701，用于响应于目标设备发起的操作请求，获取所述目标设备采集的目标用户的目标人脸图像，并提取所述目标人脸图像的目标人脸特征；
第一确定模块702，用于确定与所述目标设备关联的目标人脸子库；其中，所述目标人脸子库中存储的预设人脸特征属于人脸总库中存储的总人脸特征的一部分；
第二确定模块703，用于将所述目标人脸特征与所述预设人脸特征进行匹配，确定所述目标人脸图像对应的第一匹配结果；
第三确定模块704，用于基于所述第一匹配结果，确定所述操作请求对应的第一响应结果。
一种可能的实施方式中，所述获取模块701，在响应于目标设备发起的操作请求，获取所述目标设备采集的目标用户的目标人脸图像时，用于：
响应于目标设备发起的操作请求，控制所述目标设备采集目标用户的多帧候选人脸图像；
基于人脸在候选人脸图像中的位置、人脸在候选人脸图像中的朝向、候选人脸图像的光照信息中的至少一者，从所述多帧候选人脸图像中，获取所述目标用户对应的目标人脸图像。
一种可能的实施方式中，所述第一确定模块702，在确定与所述目标设备关联的目标人脸子库时，用于：
获取所述目标设备的历史操作信息；
根据所述历史操作信息，从所述人脸总库预先存储的总人脸特征中，确定所述目标设备使用过的预设人脸特征；
基于所述目标设备使用过的预设人脸特征，确定与所述目标设备关联的目标人脸子库。
一种可能的实施方式中，在确定与所述目标设备关联的目标人脸子库之后，所述装置还包括：删减模块705，用于：
根据所述预设人脸特征的入库时间，对所述目标人脸子库中包括的预设人脸特征进行删减操作，生成删减操作后的目标人脸子库。
一种可能的实施方式中，所述删减模块705，在根据所述预设人脸特征的入库时间，对所述目标人脸子库中包括的预设人脸特征进行删减操作时，用于：
在所述目标人脸子库存储的预设人脸特征的数据量大于或等于所述目标人脸子库的库容阈值时，按照所述预设人脸特征的入库时间从早到晚的顺序，对所述目标人脸子库中包括的预设人脸特征进行删减操作；和/或，
根据各个预设人脸特征的存储期限、以及所述预设人脸特征的入库时间，对所述目标人脸子库中包括的预设人脸特征进行删减操作。
一种可能的实施方式中，所述第三确定模块704，在基于所述第一匹配结果，确定所述操作请求对应的第一响应结果时，用于：
在所述第一匹配结果指示所述目标人脸子库中包括与所述目标人脸特征匹配的预设人脸特征的情况下，基于与所述目标人脸特征匹配的预设人脸特征，确定所述目标用户对应的账号信息；
基于所述目标用户对应的账号信息，确定所述操作请求对应的第一响应结果。
一种可能的实施方式中，所述第三确定模块704，在基于所述第一匹配结果，确定所述操作请求对应的第一响应结果时，用于：
在所述第一匹配结果表明所述目标人脸子库中不包括与所述目标人脸特征匹配的预设人脸特征的情况下，将所述目标人脸特征与所述人脸总库中包括的所述总人脸特征进行匹配，获得第二匹配结果；
若所述第二匹配结果表明所述人脸总库中包括与所述目标人脸特征匹配的第一人脸特征时，基于所述第二匹配结果，确定所述操作请求对应的第二响应结果，并将所述第一人脸特征同步至所述目标人脸子库。
一种可能的实施方式中，所述第三确定模块704，在将所述目标人脸特征与所述人脸总库中包括的所述总人脸特征进行匹配，获得第二匹配结果时，用于：
控制目标设备展示用于获取所述目标用户的标识信息的操作界面；
基于获取的所述目标用户的标识信息，从所述人脸总库中获取所述标识信息对应的第一人脸特征；
将所述第一人脸特征与所述目标人脸特征进行匹配，得到所述第二匹配结果。
一种可能的实施方式中，所述目标设备关联至少一个所述目标人脸子库，所述目标人脸子库中的所述预设人脸特征被存储在网络节点中；在所述响应于目标设备发起的操作请求，获取所述目标设备采集的目标用户的目标人脸图像之前，所述装置还包括：分配模块706，用于：
获取每个网络节点的服务性能信息；所述服务性能信息包括：负载性能信息和/或硬件配置信息；
根据多个所述网络节点的服务性能信息，将所述预设人脸特征分配至至少一个网络节点；
所述第二确定模块703，在将所述目标人脸特征与所述预设人脸特征进行匹配，确定所述目标人脸图像对应的第一匹配结果时，用于：
调用所述至少一个网络节点中的目标网络节点，将所述目标人脸特征与所述预设人脸特征进行匹配，确定所述目标人脸图像对应的第一匹配结果。
一种可能的实施方式中，在获取每个网络节点的服务性能信息之前，所述装置还包括：判断模块707，用于：
根据所述目标人脸子库中包括的预设人脸特征的数量，判断预设的多个网络节点的容量是否满足所述预设人脸特征的存储需求；
若多个所述网络节点的容量不满足所述预设人脸特征的存储需求，则扩展新的网络节点。
一种可能的实施方式中，在预设人脸特征被分配至多个网络节点的情况下，所述第二确定模块703，在调用所述至少一个网络节点中的目标网络节点，将所述目标人脸特征与所述预设人脸特征进行匹配，确定所述目标人脸图像对应的第一匹配结果时，用于：
判断所述目标网络节点是否正常工作；
若所述目标网络节点不能正常工作，则从所述预设人脸特征对应的多个网络节点中，确定除所述目标网络节点之外的其他网络节点，并从所述其他网络节点中，确定更新后的目标网络节点；
调用所述更新后的目标网络节点，将所述目标人脸特征与所述预设人脸特征进行匹配，确定所述目标人脸图像对应的第一匹配结果。
一种可能的实施方式中，所述预设人脸特征存储在目标网络节点的外存储器中；所述第二确定模块703，在调用所述至少一个网络节点中的目标网络节点，将所述目标人脸特征与所述预设人脸特征进行匹配，确定所述目标人脸图像对应的第一匹配结果时，用于：
调用所述目标网络节点中的处理器，从所述外存储器中获取所述目标人脸子库包含的各个所述预设人脸特征；以及
将获取到的每个所述预设人脸特征与所述目标人脸特征进行匹配，确定所述目标人脸图像对应的第一匹配结果。
一种可能的实施方式中，所述处理器包括图形处理器GPU和/或中央处理器CPU。
一种可能的实施方式中，所述预设人脸特征存储在目标网络节点的外存储器中；所述装置还包括：加载模块708，用于：
将所述目标网络节点的外存储器中存储的至少一个预设人脸特征，加载至所述目标网络节点的内存中；
所述第二确定模块703，在调用所述至少一个网络节点中的目标网络节点，将所述目标人脸特征与所述预设人脸特征进行匹配，确定所述目标人脸图像对应的第一匹配结果时，用于：
调用所述目标网络节点中的处理器，将内存中存储的所述目标人脸子库包含的每个所述预设人脸特征、与所述目标人脸特征进行匹配，确定所述目标人脸图像对应的第一匹配结果。
一种可能的实施方式中，所述加载模块708，在将所述目标网络节点的外存储器中存储的至少一个预设人脸特征，加载至所述目标网络节点的内存中时，用于：
基于每个预设人脸特征的匹配次数或匹配频率，从所述目标网络节点的外存储器存储的至少一个预设人脸特征中，确定待加载的预设人脸特征；
将确定的所述待加载的预设人脸特征，加载至所述目标网络节点的内存中。
一种可能的实施方式中，所述预设人脸特征存储在目标网络节点的外存储器中；所述装置还包括：生成模块709，用于：
为所述外存储器中存储的至少一个预设人脸特征生成对应的目标索引；
将生成的至少一个预设人脸特征对应的目标索引，加载至所述目标网络节点的内存中；其中，所述目标索引为用于查找所述外存储器中存储的预设人脸特征的索引。
一种可能的实施方式中，所述第二确定模块703，在调用所述至少一个网络节点中的目标网络节点，将所述目标人脸特征与所述预设人脸特征进行匹配，确定所述目标人脸图像对应的第一匹配结果时，用于：
调用所述目标网络节点中的处理器，搜索内存中存储的所述目标人脸子库包含的预设人脸特征对应的所述目标索引；以及
从所述目标网络节点的所述外存储器中，获取所述目标索引对应的预设人脸特征；
将所述目标索引对应的所述预设人脸特征、与所述目标人脸特征进行匹配，确定所述目标人脸图像对应的第一匹配结果。
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板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。
基于同一技术构思，本公开实施例还提供了一种电子设备。参照图8所示，为本公开实施例提供的电子设备的结构示意图，包括处理器801、存储器802、和总线803。其中，存储器802用于存储执行指令，包括内存8021和外部存储器8022；这里的内存8021也称内存储器，用于暂时存放处理器801中的运算数据，以及与硬盘等外部存储器8022交换的数据，处理器801通过内存8021与外部存储器8022进行数据交换，当电子设备800运行时，处理器801与存储器802之间通过总线803通信，使得处理器801在执行以下指令：
响应于目标设备发起的操作请求，获取所述目标设备采集的目标用户的目标人脸图像，并提取所述目标人脸图像的目标人脸特征；
确定与所述目标设备关联的目标人脸子库；其中，所述目标人脸子库中存储的预设人脸特征属于人脸总库中存储的总人脸特征的一部分；
将所述目标人脸特征与所述预设人脸特征进行匹配，确定所述目标人脸图像对应的第一匹配结果；
基于所述第一匹配结果，确定所述操作请求对应的第一响应结果。
其中，处理器801的具体处理流程可以参照上述方法实施例的记载，这里不再赘述。
此外，本公开实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述方法实施例中所述的人脸识别方法的步骤。其中，该存储介质可以是易失性或非易失的计算机可读取存储介质。
本公开实施例还提供一种计算机程序产品，该计算机程序产品承载有程序代码，所述程序代码包括的指令可用于执行上述方法实施例中所述的人脸识别方法的步骤，具体可参见上述方法实施例，在此不再赘述。
其中，上述计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software Development Kit，SDK)等等。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本公开所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本公开各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本公开的具体实施方式，但本公开的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应以权利要求的保护范围为准。

Claims (22)

1.一种人脸识别方法，其特征在于，包括：
响应于目标设备发起的操作请求，获取所述目标设备采集的目标用户的目标人脸图像，并提取所述目标人脸图像的目标人脸特征；
确定与所述目标设备关联的目标人脸子库；其中，所述目标人脸子库中存储的预设人脸特征属于人脸总库中存储的总人脸特征的一部分；
将所述目标人脸特征与所述预设人脸特征进行匹配，确定所述目标人脸图像对应的第一匹配结果；
基于所述第一匹配结果，确定所述操作请求对应的第一响应结果。
2.根据权利要求1所述的方法，其特征在于，所述响应于目标设备发起的操作请求，获取所述目标设备采集的目标用户的目标人脸图像，包括：
响应于目标设备发起的操作请求，控制所述目标设备采集目标用户的多帧候选人脸图像；
基于人脸在候选人脸图像中的位置、人脸在候选人脸图像中的朝向、候选人脸图像的光照信息中的至少一者，从所述多帧候选人脸图像中，获取所述目标用户对应的目标人脸图像。
3.根据权利要求1或2所述的方法，其特征在于，所述确定与所述目标设备关联的目标人脸子库，包括：
获取所述目标设备的历史操作信息；
根据所述历史操作信息，从所述人脸总库预先存储的总人脸特征中，确定所述目标设备使用过的预设人脸特征；
基于所述目标设备使用过的预设人脸特征，确定与所述目标设备关联的目标人脸子库。
4.根据权利要求1～3任一所述的方法，其特征在于，在确定与所述目标设备关联的目标人脸子库之后，所述方法还包括：
根据所述预设人脸特征的入库时间，对所述目标人脸子库中包括的预设人脸特征进行删减操作，生成删减操作后的目标人脸子库。
5.根据权利要求4所述的方法，其特征在于，所述根据所述预设人脸特征的入库时间，对所述目标人脸子库中包括的预设人脸特征进行删减操作，包括：
在所述目标人脸子库存储的预设人脸特征的数据量大于或等于所述目标人脸子库的库容阈值时，按照所述预设人脸特征的入库时间从早到晚的顺序，对所述目标人脸子库中包括的预设人脸特征进行删减操作；和/或，
根据各个预设人脸特征的存储期限、以及所述预设人脸特征的入库时间，对所述目标人脸子库中包括的预设人脸特征进行删减操作。
6.根据权利要求1～5任一所述的方法，其特征在于，所述基于所述第一匹配结果，确定所述操作请求对应的第一响应结果，包括：
在所述第一匹配结果指示所述目标人脸子库中包括与所述目标人脸特征匹配的预设人脸特征的情况下，基于与所述目标人脸特征匹配的预设人脸特征，确定所述目标用户对应的账号信息；
基于所述目标用户对应的账号信息，确定所述操作请求对应的第一响应结果。
7.根据权利要求1～6任一所述的方法，其特征在于，所述基于所述第一匹配结果，确定所述操作请求对应的第一响应结果，包括：
在所述第一匹配结果表明所述目标人脸子库中不包括与所述目标人脸特征匹配的预设人脸特征的情况下，将所述目标人脸特征与所述人脸总库中包括的所述总人脸特征进行匹配，获得第二匹配结果；
若所述第二匹配结果表明所述人脸总库中包括与所述目标人脸特征匹配的第一人脸特征时，基于所述第二匹配结果，确定所述操作请求对应的第二响应结果，并将所述第一人脸特征同步至所述目标人脸子库。
8.根据权利要求7所述的方法，其特征在于，所述将所述目标人脸特征与所述人脸总库中包括的所述总人脸特征进行匹配，获得第二匹配结果，包括：
控制目标设备展示用于获取所述目标用户的标识信息的操作界面；
基于获取的所述目标用户的标识信息，从所述人脸总库中获取所述标识信息对应的第一人脸特征；
将所述第一人脸特征与所述目标人脸特征进行匹配，得到所述第二匹配结果。
9.根据权利要求1～8任一所述的方法，其特征在于，所述目标设备关联至少一个所述目标人脸子库，所述目标人脸子库中的所述预设人脸特征被存储在网络节点中；在所述响应于目标设备发起的操作请求，获取所述目标设备采集的目标用户的目标人脸图像之前，所述方法还包括：
获取每个网络节点的服务性能信息；所述服务性能信息包括：负载性能信息和/或硬件配置信息；
根据多个所述网络节点的服务性能信息，将所述预设人脸特征分配至至少一个网络节点；
所述将所述目标人脸特征与所述预设人脸特征进行匹配，确定所述目标人脸图像对应的第一匹配结果，包括：
调用所述至少一个网络节点中的目标网络节点，将所述目标人脸特征与所述预设人脸特征进行匹配，确定所述目标人脸图像对应的第一匹配结果。
10.根据权利要求9所述的方法，其特征在于，在获取每个网络节点的服务性能信息之前，所述方法还包括：
根据所述目标人脸子库中包括的预设人脸特征的数量，判断预设的多个网络节点的容量是否满足所述预设人脸特征的存储需求；
若多个所述网络节点的容量不满足所述预设人脸特征的存储需求，则扩展新的网络节点。
11.根据权利要求9或10所述的方法，其特征在于，在预设人脸特征被分配至多个网络节点的情况下，所述调用所述至少一个网络节点中的目标网络节点，将所述目标人脸特征与所述预设人脸特征进行匹配，确定所述目标人脸图像对应的第一匹配结果，包括：
判断所述目标网络节点是否正常工作；
若所述目标网络节点不能正常工作，则从所述预设人脸特征对应的多个网络节点中，确定除所述目标网络节点之外的其他网络节点，并从所述其他网络节点中，确定更新后的目标网络节点；
调用所述更新后的目标网络节点，将所述目标人脸特征与所述预设人脸特征进行匹配，确定所述目标人脸图像对应的第一匹配结果。
12.根据权利要求9～11任一所述的方法，其特征在于，所述预设人脸特征存储在目标网络节点的外存储器中；所述调用所述至少一个网络节点中的目标网络节点，将所述目标人脸特征与所述预设人脸特征进行匹配，确定所述目标人脸图像对应的第一匹配结果，包括：
调用所述目标网络节点中的处理器，从所述外存储器中获取所述目标人脸子库包含的各个所述预设人脸特征；以及
将获取到的每个所述预设人脸特征与所述目标人脸特征进行匹配，确定所述目标人脸图像对应的第一匹配结果。
13.根据权利要求12所述的方法，其特征在于，所述处理器包括图形处理器GPU和/或中央处理器CPU。
14.根据权利要求9～11任一所述的方法，其特征在于，所述预设人脸特征存储在目标网络节点的外存储器中；所述方法还包括：
将所述目标网络节点的外存储器中存储的至少一个预设人脸特征，加载至所述目标网络节点的内存中；
所述调用所述至少一个网络节点中的目标网络节点，将所述目标人脸特征与所述预设人脸特征进行匹配，确定所述目标人脸图像对应的第一匹配结果，包括：
调用所述目标网络节点中的处理器，将内存中存储的所述目标人脸子库包含的每个所述预设人脸特征、与所述目标人脸特征进行匹配，确定所述目标人脸图像对应的第一匹配结果。
15.根据权利要求14所述的方法，其特征在于，所述将所述目标网络节点的外存储器中存储的至少一个预设人脸特征，加载至所述目标网络节点的内存中，包括：
基于每个预设人脸特征的匹配次数或匹配频率，从所述目标网络节点的外存储器存储的至少一个预设人脸特征中，确定待加载的预设人脸特征；
将确定的所述待加载的预设人脸特征，加载至所述目标网络节点的内存中。
16.根据权利要求9～11任一所述的方法，其特征在于，所述预设人脸特征存储在目标网络节点的外存储器中；所述方法还包括：
为所述外存储器中存储的至少一个预设人脸特征生成对应的目标索引；
将生成的至少一个预设人脸特征对应的目标索引，加载至所述目标网络节点的内存中；其中，所述目标索引为用于查找所述外存储器中存储的预设人脸特征的索引。
17.根据权利要求16所述的方法，其特征在于，所述调用所述至少一个网络节点中的目标网络节点，将所述目标人脸特征与所述预设人脸特征进行匹配，确定所述目标人脸图像对应的第一匹配结果，包括：
调用所述目标网络节点中的处理器，搜索内存中存储的所述目标人脸子库包含的预设人脸特征对应的所述目标索引；以及
从所述目标网络节点的所述外存储器中，获取所述目标索引对应的预设人脸特征；
将所述目标索引对应的所述预设人脸特征、与所述目标人脸特征进行匹配，确定所述目标人脸图像对应的第一匹配结果。
18.一种人脸识别系统，其特征在于，包括：目标设备、后台服务器；所述后台服务器与所述目标设备相连；
所述目标设备，用于发起操作请求，并基于所述操作请求，获取目标用户的目标人脸图像；
所述后台服务器，用于基于获取的所述目标人脸图像，执行如权利要求1～17任一项所述的人脸识别方法。
19.根据权利要求18所述的系统，其特征在于，所述系统还包括：至少一个网络节点；所述后台服务器与所述至少一个网络节点相连；
所述后台服务器，还用于控制所述至少一个网络节点存储预设人脸特征，以及将存储的所述预设人脸特征与目标人脸图像对应的目标人脸特征进行匹配。
20.一种人脸识别装置，其特征在于，包括：
获取模块，用于响应于目标设备发起的操作请求，获取所述目标设备采集的目标用户的目标人脸图像，并提取所述目标人脸图像的目标人脸特征；
第一确定模块，用于确定与所述目标设备关联的目标人脸子库；其中，所述目标人脸子库中存储的预设人脸特征属于人脸总库中存储的总人脸特征的一部分；
第二确定模块，用于将所述目标人脸特征与所述预设人脸特征进行匹配，确定所述目标人脸图像对应的第一匹配结果；
第三确定模块，用于基于所述第一匹配结果，确定所述操作请求对应的第一响应结果。
21.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至17任一所述的人脸识别方法。
22.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至17任一所述的人脸识别方法。
CN202110737919.9A 2021-06-30 2021-06-30 人脸识别方法、系统、装置、电子设备及存储介质 Withdrawn CN113326810A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110737919.9A CN113326810A (zh) 2021-06-30 2021-06-30 人脸识别方法、系统、装置、电子设备及存储介质
PCT/IB2021/060012 WO2023275606A1 (zh) 2021-06-30 2021-10-29 人脸识别方法、系统、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110737919.9A CN113326810A (zh) 2021-06-30 2021-06-30 人脸识别方法、系统、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN113326810A true CN113326810A (zh) 2021-08-31

Family

ID=77423498

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110737919.9A Withdrawn CN113326810A (zh) 2021-06-30 2021-06-30 人脸识别方法、系统、装置、电子设备及存储介质

Country Status (2)

Country Link
CN (1) CN113326810A (zh)
WO (1) WO2023275606A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115798023A (zh) * 2023-02-13 2023-03-14 成都睿瞳科技有限责任公司 一种人脸识别认证方法、装置、存储介质及处理器
WO2023173664A1 (zh) * 2022-03-18 2023-09-21 上海商汤智能科技有限公司 人脸识别方法、装置、电子设备、存储介质、计算机程序及程序产品

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019062080A1 (zh) * 2017-09-28 2019-04-04 平安科技（深圳）有限公司 身份识别方法、电子装置及计算机可读存储介质
CN110442773A (zh) * 2019-08-13 2019-11-12 深圳市网心科技有限公司 分布式系统中节点缓存方法、系统、装置及计算机介质
CN110457281A (zh) * 2019-08-14 2019-11-15 北京博睿宏远数据科技股份有限公司 数据处理方法、装置、设备及介质
CN111275448A (zh) * 2020-02-22 2020-06-12 腾讯科技（深圳）有限公司 人脸数据处理方法、装置和计算机设备
CN111666443A (zh) * 2020-06-03 2020-09-15 腾讯科技（深圳）有限公司 业务处理方法、装置、电子设备及计算机可读存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140330729A1 (en) * 2013-05-03 2014-11-06 Patrick Colangelo Payment processing using biometric identification
CN107657222A (zh) * 2017-09-12 2018-02-02 广东欧珀移动通信有限公司 人脸识别方法及相关产品
CN110399763B (zh) * 2018-04-24 2023-04-18 奥比中光科技集团股份有限公司 人脸识别方法与系统
CN111292460A (zh) * 2020-02-27 2020-06-16 广州羊城通有限公司 基于地铁刷脸认证的控制方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019062080A1 (zh) * 2017-09-28 2019-04-04 平安科技（深圳）有限公司 身份识别方法、电子装置及计算机可读存储介质
CN110442773A (zh) * 2019-08-13 2019-11-12 深圳市网心科技有限公司 分布式系统中节点缓存方法、系统、装置及计算机介质
CN110457281A (zh) * 2019-08-14 2019-11-15 北京博睿宏远数据科技股份有限公司 数据处理方法、装置、设备及介质
CN111275448A (zh) * 2020-02-22 2020-06-12 腾讯科技（深圳）有限公司 人脸数据处理方法、装置和计算机设备
CN111666443A (zh) * 2020-06-03 2020-09-15 腾讯科技（深圳）有限公司 业务处理方法、装置、电子设备及计算机可读存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023173664A1 (zh) * 2022-03-18 2023-09-21 上海商汤智能科技有限公司 人脸识别方法、装置、电子设备、存储介质、计算机程序及程序产品
CN115798023A (zh) * 2023-02-13 2023-03-14 成都睿瞳科技有限责任公司 一种人脸识别认证方法、装置、存储介质及处理器
CN115798023B (zh) * 2023-02-13 2023-04-18 成都睿瞳科技有限责任公司 一种人脸识别认证方法、装置、存储介质及处理器

Also Published As

Publication number Publication date
WO2023275606A1 (zh) 2023-01-05

Similar Documents

Publication Publication Date Title
CN108282527B (zh) 生成服务实例的分布式系统和方法
CN107798354B (zh) 一种基于人脸图像的图片聚类方法、装置及存储设备
CN110321448B (zh) 一种图像检索方法、装置和存储介质
CN113326810A (zh) 人脸识别方法、系统、装置、电子设备及存储介质
CN106055630A (zh) 日志存储的方法及装置
WO2023273058A1 (zh) 身份识别方法、系统、装置、计算机设备及存储介质
WO2020087950A1 (zh) 数据库更新方法和装置、电子设备、计算机存储介质
CN110688974A (zh) 一种身份识别方法及装置
CN110851209A (zh) 一种数据处理方法、装置、电子设备及存储介质
CN113297269A (zh) 数据查询方法及装置
CN109815298B (zh) 一种人物关系网确定方法、装置及存储介质
CN112347363A (zh) 一种页面生成方法及装置
CN109903193A (zh) 房产交易中佣金的分配方法、装置、设备及存储介质
CN103609098B (zh) 用于在远程呈现系统中注册的方法和装置
CN111159443B (zh) 一种图像特征值的搜索方法、装置及电子设备
JP7133085B2 (ja) データベース更新方法及び装置、電子機器、並びにコンピュータ記憶媒体
CN115082999A (zh) 合影图像人物分析方法、装置、计算机设备和存储介质
CN109471717A (zh) 样本库拆分方法、装置、计算机设备及存储介质
WO2023273042A1 (zh) 支付方法、系统、电子设备及存储介质
CN114781517A (zh) 风险识别的方法、装置及终端设备
CN111783415B (zh) 模板配置方法以及装置
CN114936198A (zh) 一种数据迁移的方法及装置
CN114020962A (zh) 视频系统管理方法、电子设备和计算机可读存储介质
CN112286879A (zh) 基于元数据的数据资产构建方法及装置
CN111339189A (zh) 一种数据处理方法、装置及计算机可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40051683

Country of ref document: HK

WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20210831