CN113433541A - 人脸检测方法和装置、电子设备、计算机可读存储介质 - Google Patents

人脸检测方法和装置、电子设备、计算机可读存储介质 Download PDF

Info

Publication number
CN113433541A
CN113433541A CN202010209421.0A CN202010209421A CN113433541A CN 113433541 A CN113433541 A CN 113433541A CN 202010209421 A CN202010209421 A CN 202010209421A CN 113433541 A CN113433541 A CN 113433541A
Authority
CN
China
Prior art keywords
face
perspective
signal
information
millimeter wave
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Withdrawn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
CN202010209421.0A
Other languages
English (en)
Inventor
方攀
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.)
Guangdong Oppo Mobile Telecommunications Corp Ltd
Original Assignee
Guangdong Oppo Mobile Telecommunications Corp 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 Guangdong Oppo Mobile Telecommunications Corp Ltd filed Critical Guangdong Oppo Mobile Telecommunications Corp Ltd
Priority to CN202010209421.0A priority Critical patent/CN113433541A/zh
Publication of CN113433541A publication Critical patent/CN113433541A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • G01S13/08—Systems for measuring distance only
    • G01S13/32—Systems for measuring distance only using transmission of continuous waves, whether amplitude-, frequency-, or phase-modulated, or unmodulated
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/411—Identification of targets based on measurements of radar reflectivity
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/417—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section involving the use of neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Security & Cryptography (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本申请涉及一种人脸检测方法和装置、电子设备、计算机可读存储介质。上述方法包括：接收第一响应信号，第一响应信号是基于毫米波收发器发射的第一发射信号返回的；根据第一响应信号解析人脸部位对应的人脸透视信息，生成人脸模型信息；人脸部位包括外部器官以及内部组织；通过预设的透视识别模型对人脸模型信息进行特征提取，得到人脸透视特征，并根据人脸透视特征检测目标人脸。可以避免通过人脸平面特征进行人脸检测时，人脸存在遮挡物导致的人脸检测准确性低的问题，可以提高人脸检测的准确性。

Description

人脸检测方法和装置、电子设备、计算机可读存储介质
技术领域
本申请涉及计算机技术领域，特别是涉及一种人脸检测方法和装置、电子设备、计算机可读存储介质。
背景技术
随着计算机技术的发展，人脸检测技术的应用越来越广泛。例如，人脸检测技术可以应用于楼宇门禁、智能设备屏幕解锁、支付验证等场景。目前，人脸检测技术主要利用摄像头进行人脸图像的采集，通过分析人脸图像确定对应的人脸身份信息。然而，传统的人脸检测方法，当人脸被帽子、墨镜、口罩等物体遮挡时，存在检测准确性低的问题。
发明内容
本申请实施例提供一种人脸检测方法、装置、电子设备、计算机可读存储介质，可以提高人脸检测的准确性。
一种人脸检测方法，应用于电子设备，所述电子设备包括毫米波收发器；所述方法包括：
接收第一响应信号，所述第一响应信号是基于所述毫米波收发器发射的第一发射信号返回的；
根据所述第一响应信号解析人脸部位对应的人脸透视信息，生成人脸模型信息；所述人脸部位包括外部器官以及内部组织；
通过预设的透视识别模型对所述人脸模型信息进行特征提取，得到人脸透视特征，并根据所述人脸透视特征检测目标人脸。
一种人脸检测装置，应用于电子设备，所述电子设备包括毫米波收发器；包括：
信号收发模块，用于接收第一响应信号，所述第一响应信号是基于所述毫米波收发器发射的第一发射信号返回的；
信息生成模块，用于根据所述第一响应信号解析人脸部位对应的人脸透视信息，生成人脸模型信息；所述人脸部位包括外部器官以及内部组织；
人脸检测模块，用于通过预设的透视识别模型对所述人脸模型信息进行特征提取，得到人脸透视特征，并根据所述人脸透视特征检测目标人脸。
一种电子设备，包括存储器及处理器，所述存储器中储存有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：
接收第一响应信号，所述第一响应信号是基于所述毫米波收发器发射的第一发射信号返回的；
根据所述第一响应信号解析人脸部位对应的人脸透视信息，生成人脸模型信息；所述人脸部位包括外部器官以及内部组织；
通过预设的透视识别模型对所述人脸模型信息进行特征提取，得到人脸透视特征，并根据所述人脸透视特征检测目标人脸。
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如下步骤：
接收第一响应信号，所述第一响应信号是基于所述毫米波收发器发射的第一发射信号返回的；
根据所述第一响应信号解析人脸部位对应的人脸透视信息，生成人脸模型信息；所述人脸部位包括外部器官以及内部组织；
通过预设的透视识别模型对所述人脸模型信息进行特征提取，得到人脸透视特征，并根据所述人脸透视特征检测目标人脸。
上述人脸检测方法和装置、电子设备、计算机可读存储介质，可以接收基于毫米波收发器发射的第一发射信号返回的第一响应信号，根据第一响应信息解析人脸的外部器官以及内部组织，生成人脸模型信息，通过预设的透视识别模式对人脸模型信息进行特征提取，得到人脸透视特征，并根据人脸透视特征检测目标人脸。即可以根据毫米波信号得到人脸透视信息以确定对应的目标人脸，避免通过人脸平面特征进行人脸检测时，人脸存在遮挡物导致的人脸检测准确性低的问题，可以提高人脸检测的准确性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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的附图。
图1为一个实施例中电子设备的内部结构示意图；
图2为一个实施例中人脸检测方法的流程图；
图3为另一个实施例中人脸检测方法的流程图；
图4为又一个实施例中人脸检测方法的流程图；
图5为一个实施例中生成人脸模型信息的流程图；
图6为一个实施例中透视识别模型训练的流程图；
图7为一个实施例的人脸检测装置的结构框图；
图8为与本申请实施例提供的电子设备相关的手机的部分结构的框图。
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，此处所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。
可以理解，本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件和参数，但这些元件和参数不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分，或者将第一参数与另一个参数区分。举例来说，在不脱离本申请的范围的情况下，可以将第一发射信号称为第二发射信号，且类似地，可将第二发射信号称为第一发射信号。第一发射信号和第二发射信号两者都是发射信号，但其不是同一发射信号。
图1为一个实施例中电子设备的内部结构示意图。如图1所示，该电子设备包括通过系统总线连接的处理器和存储器。其中，该处理器用于提供计算和控制能力，支撑整个电子设备的运行。存储器可包括非易失性存储介质及内存储器。非易失性存储介质存储有操作系统和计算机程序。该计算机程序可被处理器所执行，以用于实现以下各个实施例所提供的一种人脸检测方法。内存储器为非易失性存储介质中的操作系统计算机程序提供高速缓存的运行环境。该电子设备可以是手机、平板电脑或者个人数字助理或穿戴式设备等。
该电子设备包括毫米波收发器。毫米波收发器用于发射毫米波发射信号，以及接收毫米波发射信号所产生的毫米波响应信号。具体地，毫米波收发器发射的毫米波发射信号到达物体表面时，部分信号可以被物体所反射，毫米波响应信号即为毫米波发射信号被发射后返回至毫米波收发器的信号。毫米波信号通常是指波长在1mm至10mm之间、频率在30GHz至300GHz之间的电磁波；在一些场景下，波长在1mm至15mm之间的电磁波也可以称为毫米波信号。当毫米波信号达到物体介质时，毫米波发射信号可以在物体介质表面被反射和透射；不同的材质的物体介质的反射和透射能力不同，则返回的毫米波响应信号也不相同；电子设备可以根据毫米波响应信号区分检测的不同物体和物体的距离等。
图2为一个实施例中人脸检测方法的流程图。本实施例中的人脸检测方法，以运行于图1中的电子设备为例进行描述。如图2所示，人脸检测方法包括步骤202至步骤206。
步骤202，接收第一响应信号，第一响应信号是基于毫米波收发器发射的第一发射信号返回的。
第一响应信号是电子设备接收的基于第一发射信号返回的信号。毫米波发射信号具备反射和透射能力，电子设备发射的第一发射信号可以在物体介质的表面被反射和透射；透射后的第一发射信号可以在到达物体介质内的第二层物体介质的表面时进一步被反射和透射，直至透射后的第一发射信号无法进一步被物体介质透射；在物体介质的表面被反射的第一发射信号可以返回电子设备，电子设备根据返回的第一响应信号确定物体介质与电子设备之间的距离，以及各层物体介质之间的距离等信息。
具体地，电子设备可以需要进行人脸检测时通过毫米波收发器发射第一发射信号，并接收基于第一发射信号返回的第一响应信号。例如，电子设备可以在检测到电子设备被抬起、接收到支付请求、接收的用户对控件的触控操作或对按钮的按压操作等场景下发射第一发射信号。
在一些实施例中，电子设备预先设定第一发射信号的发射区域、发射频率等。例如，电子设备可以获取第一发射信号的发射请求对应的目标应用程序，根据该目标应用程序的安全等级确定第一发射信号的发射频率。其中，目标应用程序的安全等级越高，则对应的发射频率可以越高。可选地，电子设备还可以针对发射区域中的不同区域设定不同的发射频率。
步骤204，根据第一响应信号解析人脸部位对应的人脸透视信息，生成人脸模型信息；人脸部位包括外部器官以及内部组织。
人脸透视信息是指由第一响应信号确定的、人脸外部器官及内部组织在三维空间中的位置信息。具体地，人脸透视信息包括人脸外部器官及内部组织对应的深度信息。深度信息是指毫米波收发器与人脸部位之间的距离。可选地，在一些实施例中，人脸透视信息还可以包括人脸内部组织相对于人脸外部器官的深度信息等。
人脸部分包括人脸的外部器官和内部组织。具体地，人脸的外部器官包括如耳朵、鼻子、头部、嘴巴、眼睛等；人脸的内部组织包括脸部骨头如颧骨、鼻骨、耳骨、牙齿、上颌骨、下颌骨等；脸部肌肉如额肌、咬肌、皱眉肌等。由于不同人脸部位对毫米波信号的反射能力和透射能力不同，由不同的人脸部位返回的第一响应信号的信号参数存在差异，电子设备可以根据第一响应信号的信号参数可以解析不同人脸部位返回的信号，并根据解析的信号确定人脸部位对应的人脸透视信息。其中，信号参数可以包含信息的强度、能量、频率和返回时间等。在一些场景下，待检测的人脸可能存在被帽子、墨镜、头发、口罩等物品遮挡的情况，利用毫米波信号的透视功能，电子设备可以剔除第一响应信号中不属于人脸部位的信号，获得被遮当的人脸部位的信号，排除帽子、墨镜、头发、口罩等物品对人脸特征的干扰。
电子设备根据解析的人脸部位对应的人脸透视信息，生成人脸模型信息。具体地，电子设备可以建立三维立体坐标系，根据人脸透视信息确定各个人脸部位的坐标位置，将确定的各个人脸部位的坐标位置代入三维立体坐标系，即可以得到人脸模型信息。
步骤206，通过预设的透视识别模型对人脸模型信息进行特征提取，得到人脸透视特征，并根据人脸透视特征检测目标人脸。
人脸透视特征可以包括人脸部位的形状、大小、部位之间的距离等信息。例如，鼻骨的形状和长度、牙齿的形状和大小、耳朵的形状、鼻骨与牙齿的距离、眼部与嘴巴之间的距离等信息。具体地，电子设备可以通过预设的透视识别模型对人脸模型信息进行特征提取，得到人脸透视特征，进而将人脸透视特征检测目标人脸。其中，预设的透视识别模型是通过大量的人脸模型信息及对应的人脸标注进行训练得到的，其中，人脸模型信息为对标注的人脸所对应的人脸透视信息进行三维建模得到的。透视识别模式可通过深度学习算法如CNN(Convolutional Neural Network，卷积神经网络)、DNN(Deep Neural Network，深度神经网络)、或RNN(Recurrent Neural Network，循环神经网络)等中的至少一种来实现，在此不做限定。
目标人脸可以表征人脸对应的身份信息。电子设备根据人脸透视特征检测目标人脸,具体地,电子设备可以包含有预设的人脸数据库,预设人脸数据库中包含有大量人脸特征信息及对应的身份信息,通过将人脸透视特征匹配与预设人脸数据中包含的人脸特征信息进行匹配，即可以得到人脸透视特征对应的目标人脸。
电子设备可以计算预存人脸数据库中各个人脸的透视特征与该人脸透视特征的匹配度，确定匹配度最高的目标人脸。可选地，电子设备也可以在该人脸透视特征与预设人脸数据中各个人脸的透视特征的匹配度均低于匹配度阈值时，则确定该人脸透视特征与预设人脸数据库中包含的人脸不匹配。例如，当人脸检测应用于屏幕解锁时，预设人脸数据库可以预存有目标人脸对应的透视特征，目标人脸为具备屏幕解锁权限的人脸；当解析的人脸透视特征与目标人脸对应的透视特征不匹配时，则无法进行屏幕解锁操作；当解析的人脸透视特征与目标人脸的透视特征匹配时，则执行屏幕解锁操作。
在一个实施例中，电子设备可以在接收到人脸检测指令时，先通过摄像头拍摄目标图像，当检测到目标图像中包含人脸时，再执行通过毫米波收发器发射第一发射信号，并接收返回的第一响应信号的操作。可选地，电子设备可以根据目标图像中人脸所在的位置确定第一发射信号的发射区域，还可以确定发射区域内各个区域分别对应的信号频率；例如人脸所在位置的信号频率高于发射区域内除人脸所在位置之外的其他位置的发射频率等。
本申请提供的实施例中，通过接收基于毫米波收发器发射的第一发射信号返回的第一响应信号，根据第一响应信息解析人脸的外部器官以及内部组织，生成人脸模型信息，通过预设的透视识别模式对人脸模型信息进行特征提取，得到人脸透视特征，并根据人脸透视特征检测目标人脸。即可以根据毫米波信号得到人脸的透视特征，并确定人脸的透视特征对应的目标人脸，避免通过人脸平面特征进行人脸检测导致的人脸检测准确性低的问题，并排除遮挡物对人脸特征的干扰，可以提高人脸检测的准确性。
图3为另一个实施例中人脸检测方法的流程图。如图3所示，在一个实施例中，提供的人脸检测方法包括：
步骤302，控制毫米波收发器发射第二发射信号，并接收基于第二发射信号返回的第二响应信号。
电子设备在进行人脸检测时，可以先控制毫米波收发器发射第二发射信号，并接收第二发射信号返回的第二响应信号。第二响应信号是电子设备接收的基于第二发射信号返回的信号。第二发射信号的参数可以与第一发射信号的参数相同，也可以不同。信号的参数是指毫米波信号的发射区域、发射频率等。
可选地，在一些实施例中，第二发射信号的发射区域可以包含第一发射信号的发射区域；第二发射信号的发射频率可以低于第一发射信号的发射频率,可以降低人脸检测时的功耗。
步骤304，根据第二响应信号解析人脸的外部器官对应的人脸立体信息。
人脸立体信息是由第二响应信号确定的人脸外部器官在三维空间中的位置信息。人脸立体信息可以包括人脸外部器官对应的深度信息。人脸的外部器官包括如耳朵、鼻子、头部、嘴巴、眼睛等。
电子设备可以根据第二响应信号解析不同外部器官返回的信号，根据解析的信号确定各个外部器官对应的立体信息。可选地，电子设备可以采用图像的形式表达人脸立体信息；即通过图像中不同像素点的像素值表示人脸外部器官的立体信息。
步骤306，通过预设的立体识别模型对人脸立体信息进行调整提取，得到人脸立体特征，并根据人脸立体特征匹配至对应的第二预测人脸。
人脸立体特征可以包括人脸的各个外部部位的形状、大小、外部部位之间的距离等信息。例如，下巴的立体形状、眼睛深度、鼻尖与嘴巴的距离等信息。电子设备可以将解析的人脸立体信息输入预设的立体识别模型，通过预设的立体识别模型对基于第二响应信号解析的人脸立体信息进行特征提取得到人脸立体特征，并根据人脸立体特征匹配至对应的第二预测人脸。立体识别模型可以通过深度学习算法如CNN、DNN、或RNN等中的至少一种来实现。立体识别模型是通过大量的人脸立体信息及标注人脸进行训练得到的。
步骤308，接收第一响应信号，第一响应信号是基于毫米波收发器发射的第一发射信号返回的。
电子设备可以在接收到基于第二发射信号返回的第二响应信号后，即控制毫米波收发器发送第一发射信号。
在一个实施例中，提供人脸检测方法还可以包括：根据人脸立体信息确定人脸各个部位对应的毫米波频率，以得到第一发射信号，并控制毫米波收发器发送该第一发射信号。
通过解析第二响应信号，电子设备可以得到该第二响应信号对应的人脸立体信息。人脸立体信息可以表征人脸各个部位的位置及深度信息，电子设备可以根据人脸各个部位的位置及深度信息确定各个部位分别对应的毫米波频率，以得到第一发射信号，并控制毫米波收发器发送第一发射信号。可以理解的是，电子设备得到第一发射信号，即为确定第二发射信号的发射区域，及发射区域中各个位置的发射频率。
可选地，在一些实施例中，人脸部位的深度信息与毫米波信号的发射频率成正相关。即深度信息越大、则对应的毫米波信号的发射频率越大。例如，电子设备可以根据第二响应信号确定人脸的鼻子和耳朵所在的位置，从而配置发射区域中耳朵对应区域的发射频率高于发射区域中鼻子对应区域的发射频率。
步骤310，根据第一响应信号解析人脸部位对应的人脸透视信息，生成人脸模型信息；人脸部位包括外部器官以及内部组织。
步骤312，从第二预测人脸中，识别与人脸透视特征匹配的目标人脸；其中，预设人脸数据库包括第二预测人脸。
电子设备从第二预测人脸中识别与人脸透视特征匹配的目标人脸。即目标人脸可以是第二预测人脸中的一个。预设人脸数据库中包含第二预测人脸。电子设备可以先根据人脸立体特征匹配至预设人脸数据库中的第二预测人脸，再获取各个第二预测人脸对应的人脸透视特征，将特征提取得到的人脸透视特征与各个第二预测人脸对应的人脸透视特征进行匹配，以得到目标人脸。
具体地，电子设备根据人脸立体特征匹配至第二预测人脸时，可以确定人脸立体特征与各个人脸之间的第二置信度，将第二置信度大于第二置信度阈值的人脸确定为第二预测人脸。其中，第二置信度用于表征人脸立体特征属于人脸的可信程度，与匹配度成正相关。置信度阈值可以是50％、60％、70％等，在此不做限定。
具体地，电子设备可以确定解析的人脸透视特征属于第二预测人脸的第一置信度，将第一置信度最高的第二预测人脸作为该目标人脸；也可以将第二预测人脸对应的第一置信度和第二置信度进行加权处理，将加权处理后置信度最高的第二预测人脸作为该人脸透视特征匹配的目标人脸。
通过控制毫米波收发器先发射第二发射信号，以根据返回的第二响应信号解析的人脸立体信息确定第二预测人脸，再控制毫米波收发器发送第一发射信号，以根据返回的第一响应信号得到的人脸透视特征，识别第二预测人脸中的目标人脸，即可以结合人脸的立体特征和透视特征进行人脸检测，可以进一步提高人脸检测的准确性。并且，电子设备根据人脸立体信息确定第一发射信号，第一发射信号可以针对不同的人脸部位采用不同的毫米波信号参数，可以提高第一发射信号的准确性。
图4为又一个实施例中人脸检测方法的流程图。如图4所示，在一个实施例中，提供的人脸检测方法还可以包括：
步骤402，控制毫米波收发器发射第三发射信号，并接收基于第三发射信号返回的第三响应信息。
第三响应信号是电子设备接收的基于第三发射信号返回的信号。电子设备在进行人脸检测时，可以先控制毫米波收发器发送第三发射信号，并接收基于第三发射信号返回的第三响应信号。第三发射信号的参数可与第二发射信号相同，也可以不同。可选地，在一些实施例中，第三发射信号的发射区域可以包含第二发射信号的发射区域；第三发射信号的发射频率可以低于第二发射信号的发射频率；从而可以降低人脸检测时的功率。
步骤404，根据第三响应信号解析人脸的外部器官对应的人脸平面信息。
步骤406，通过预设的平面识别模型对人脸平面信息进行特征提取，得到人脸平面特征，并根据人脸平面特征匹配至对应的第三预测人脸。
人脸平面信息是由第三响应信号确定的人脸外部器官在二维空间中的位置信息。人脸平面信息可以包括人脸外部器官对应的平面信息。电子设备可以根据第三响应信号解析人脸对应的人脸平面信息，具体地，人脸的不同部位对毫米波信号的反射能力不同，从而使得反射的信号的能量不同，电子设备可以基于第三响应信号包含的信号可以解析人脸对应的人脸平面信息；并通过预设的平面识别模型对人脸平面信息进行特征提取，得到人脸平面特征，从而根据人脸平面特征匹配至对应的第三预测人脸。
其中，人脸平面特征可以包括人脸的各个外部部位的平面形状、大小等信息。例如，眼睛的形状、大小；嘴巴的大小、形状、与眼睛的距离等信息。语设的平面识别模型是预先训练的能够根据人脸平面信息进行人脸识别的模型。通过将解析的人脸平面信息输入该平面识别模型，可以得到第三响应信号对应的第三预测人脸。其中，平面识别模型可以通过深度学习算法如CNN、DNN、或RNN等中的至少一种来实现。平面识别模型是通过大量的人脸平面信息及标注人脸进行训练得到的。
步骤408，控制毫米波收发器发射第二发射信号，并接收基于第二发射信号返回的第二响应信号。
电子设备可以在接收到基于第三发射信号返回的第三响应信号后，即控制毫米波收发器发送第二发射信号。
在一个实施例中，提供人脸检测方法还可以包括：根据人脸平面信息确定第二发射信号的信号发射区域、毫米波信号强度、毫米波信号频率中的至少一种。
具体地，人脸平面信息可以表征人脸及人脸各个部位的位置，电子设备可以根据人脸及各个部位的位置确定第二发射信号的信号发射区域、毫米波信号强度、毫米波信号频率中的至少一种。
电子设备发射的毫米波信号可以通过人脸及人脸周围的其他环境信息进行反射后返回，若持续向电子设备周围的环境发射毫米波信号，则会增大电子设备的功耗，因此，电子设备可以根据第三响应信号确定人脸平面信息之后，根据人脸所在的位置确定第二发射信号的信号发射区域；可选地，可以直接将人脸所在的位置确定为第二发射信号的信号发射区域，也可以将人脸所在的位置扩大后，得到第二发射信号的信号发射区域。
电子设备还可以根据人脸平面信息确定第二发射信号对应的信号发射区域的毫米波信号强度、毫米波信号频率等。例如，信号发射区域内，人脸所在位置的毫米波信号强度、毫米波信号频率可以高于信号发射区域内除人脸所在位置的其他位置；进一步地，针对细节性要求较高的部位，如眼睛、耳朵等位置的毫米波信号频率可以高于其他部位的频率。即毫米波信号强度、毫米波信号频率与对应的位置的重要程度成正相关。
步骤410，根据第二响应信号解析人脸的外部器官对应的人脸立体信息。
步骤412，通过预设的立体识别模型对人脸立体信息进行特征提取，得到人脸立体特征，并根据人脸立体特征匹配至对应的第二预测人脸。
预设人脸数据库中包含第三预测人脸，电子设备识别第三预测人脸中，与人脸立体特征匹配的第二预测人脸。电子设备根据人脸平面特征匹配至第三预测人脸时，可以确定人脸平面特征与各个人脸之间的第三置信度，将第三置信度大于第三置信度阈值的人脸确定为第三预测人脸。其中，第三置信度用于表征人脸平面特征属于人脸的可信程度，与匹配度成正相关。第三置信度阈值可以是50％、60％、70％等，在此不做限定。可选地，第三置信度阈值可以小于第二置信度阈值。
具体地，电子设备可以确定解析的人脸立体特征属于第三预测人脸的第二置信度，将第二置信度大于第二置信度阈值的人脸确定为第二预测人脸。
步骤414，接收第一响应信号，第一响应信号是基于毫米波收发器发射的第一发射信号返回的。
步骤416，根据第一响应信号解析人脸部位对应的人脸透视信息，生成人脸模型信息；人脸部位包括外部器官以及内部组织。
步骤418，通过预设的透视识别模型对人脸模型信息进行特征提取，得到人脸透视特征，并根据人脸透视特征检测目标人脸。
通过利用电子设备获取的毫米波信号分别解析人脸的平面特征、立体特征和透视特征，从而结合人脸的平面特征、立体特征和透视特征确定对应的目标人脸，可以精确地得到人脸检测的结果，提高人脸检测的准确性。并且，电子设备根据解析的人脸平面信息确定第二发射信号的信号发射区域、毫米波信号强度、毫米波信号频率中的至少一种，可以降低电子设备的功耗，并提高信号发射的准确性。
图5为一个实施例中生成人脸模型信息的流程图。如图5所示，在一个实施例中，根据人脸透视信息包括深度信息；该人脸检测方法中根据第一响应信号解析人脸部位对应的人脸透视信息，生成人脸模型信息的过程，包括：
步骤502，根据第一发射信号与第一响应信号的时间差确定电子设备周围的环境物体的深度信息。
环境物体的深度信息是指环境物体与毫米波收发器之间的距离信息。在进行人脸检测时，人脸所处的空间会存在人脸及其他环境物体，环境物体包括但不限于人脸周围的背景环境以及人脸遮挡物比如头发、帽子、口罩和眼镜等等；毫米波收发器发射的信号可能会经由电子设备周围的环境物体反射后返回；电子设备周围的环境物体即是指电子设备周围存在的、能够将第一发射信号反射后返回给毫米波收发器的物体。
电子设备可以结合FMCW(Frequency Modulated Continuous Wave，调频连续波)技术，根据第一发射信号和第一响应信号确定环境物体的深度信息。例如，电子设备发射的第一发射信号可以是高频连续波，其频率按照三角波规律变化；基于第一发射信号返回的第一响应信号与第一发射信号的频率变化规律相同，也是按照三角波规律变化，第一发射信号和第一响应信号之间有时间差，利用该时间差和频率差即可以计算环境物体的深度信息。
步骤504，根据第一响应信号的频率从环境物体的深度信息中提取人脸部位对应的深度信息。
具体地，由于不同物体对毫米波信号的反射能力和透射能力不同，由不同的物体返回的第一响应信号的频率存在差异，电子设备可以根据第一发射信号的频率以及预存的人脸特性确定人脸部位的对应的信号频率，从第一响应信号确定的深度信息中提取与该信号频率对应的信号所对应的深度信息，即为人脸部位对应的深度信息。
可选地，电子设备也可以根据第一响应信号的频率剔除环境物体的深度信息中不属于人脸部位的深度信息，从而得到人脸部位的深度信息。
即可以只提取人脸部位对应的深度信息，将背景物体、人脸的遮挡物体等信息剔除，避免对人脸检测造成影响。
步骤506，建立三维坐标系，结合人脸部位对应的深度信息生成人脸模型信息。
具体地，电子设备可以以任意点为起点建立三维坐标系，结合人脸部位对应的深度信息包含人脸部位的各个特征点的深度信息，确定人脸部位的各个特征点的坐标位置，在三维坐标系标注人脸部位的各个特征点坐标位置，即可以得到人脸模型信息。
通过根据第一发射信号与第一响应信号的时间差确定电子设备周围的环境物体的深度信息，并根据第一响应信号的频率从环境物体的深度信息中提取人脸部位对应的深度信息，建立三维坐标系，结合人脸部位对应的深度信息生成人脸模型信息，可以避免透视识别模型接收的人脸模型信息包含其他物体的信息，对人脸检测造成干扰，可以提高提高人脸检测的准确性。
图6为一个实施例中透视识别模型训练的流程图。如图6所示，在一个实施例中，提供的人脸检测方法中训练透视识别模型的过程包括：
步骤602，获取基于样本毫米波信号构建的样本人脸模型信息，及样本人脸模型信息对应的标注人脸。
标注人脸是用于采集的样本毫米波信号对应的人脸。样本毫米波信号是通过设备的毫米波收发器向标注人脸发射毫米波信号之后，电子设备接收的由标注人脸进行透射和反射后得到的信号。可选地，电子设备可以从接收的信号提取与预存的人脸数据模型相匹配的信号，得到样本毫米波信号。根据实际需求，可以设定多个标注人脸，电子设备可以分别获取基于各个标注人脸返回的样本毫米波信号，并构建对应的样本人脸模型信息。
样本人脸模型信息是指利用样本毫米波信号构建的人脸三维透视模型。具体地，电子设备可以构建三维立体坐标系，根据样本毫米波信号确定人脸的各个部位的深度信息得到人脸外部部位和内部组织的坐标位置，并在三维立体坐标系上进行特征标注，即得到该样本人脸模型信息。
步骤604，将样本人脸模型信息输入透视识别模型，并获取透视识别模型输出的预测人脸。
透视识别模型可以对输入的样本人脸模型信息进行特征提取，并将提取的样本透视特征与预设人脸数据库中相匹配，以输出匹配的预测人脸。其中，预设人脸数据中包含标注人脸。若预测人脸与标注人脸不同，则说明透视识别模型无法正确识别标注人脸，需要进行进一步的训练。
步骤606，当预测人脸与标注人脸不匹配时，根据预测人脸及标注人脸之间的透视特征差异调整透视识别模型，并返回将样本人脸模型信息输入透视识别模型的操作，直至预测人脸与标注人脸相匹配。
具体地，当预测人脸与标注人脸不匹配时，电子设备可以获取预测人脸对应的预测透视特征，将预测透视特征与样本透视特征之间的透视特征差异构建损失函数，根据损失函数对透视识别模型的参数进行调整，直至透视识别模型输出的预测人脸与标注人脸相匹配。其中，预测人脸与标注人脸相匹配，可以是透视识别模型输出的预测人脸为标注人脸的置信度超过置信度阈值。置信度阈值的大小可以结合检测的精准度和耗费时长综合考虑，可以是85％、90％、95％等。可选地，在一些实施中，电子设备将样本毫米波信号输入透视识别模型之前，还可以对样本毫米波信号进行降噪和信号增强处理。
通过构建透视识别模型，电子设备可以在人脸检测时，将获取的第一响应信号构建的人脸模型信息输入透视识别模型，则可以通过透视识别模型输出第一响应信号对应的目标人脸，可以提高人脸检测的效率和准确性。
在一个实施例中，提供的人脸检测方法还可以包括：获取人脸红外图像；该方法中根据人脸透视特征匹配至对应的目标人脸的过程，包括：基于人脸红外图像对人脸透视特征进行校正处理，根据校正后的人脸透视特征匹配至对应的目标人脸。
人脸红外图像是电子设备通过红外摄像头采集的图像。具体地，电子设备在进行人脸检测时先控制红外摄像头的红外发射器发射红外射线，并控制红外摄像头采集红外射线投射到人脸得到的图像。
人脸红外图像包含有人脸外部部位的特征，电子设备可以基于人脸红外图像对人脸透视特征进行校正处理，并根据校正后的人脸透视特征匹配至对应的目标人脸。具体地，电子设备可以根据人脸红外图像解析人脸包含的外部部位的大小、位置、部位之间的距离等人脸信息，根据解析的人脸信息对人脸透视特征进行校正。例如，当根据人脸红外图像确定的双眼之间的距离与人脸透视特征确定的双眼之间的距离不同时，电子设备可以根据人脸红外图像确定双眼、大小、和双眼之间的距离对人脸透视特征中双眼及双眼对应的内部组织等特征进行校正。
通过获取人脸红外图像，根据人脸红外图像对人脸透视特征进行校正，并根据校正后的人脸透视特征确定目标人脸，可以进一步提高人脸检测的准确性，避免由于毫米波信号产生偏移而导致检测存在较大差异。
在一个实施例中，提供的人脸检测方法中获取接收第一响应信号之前，还可以包括：获取业务操作指令，根据业务操作指令控制摄像头采集图像，当图像中包含人脸时，则控制毫米波收发器发送第一发射信号；该方法还包括：当预设人脸包含目标人脸时，执行业务操作指令对应的业务操作。
业务操作指令是用于指示电子设备执行对应的业务操作的指令。例如，业务操作指令可以是屏幕解锁指令、私密应用开启指令、应用安装确认指令、支付指令等。在该实施例中，电子设备在执行业务操作指令之前，需要进行身份验证。
摄像头可以是黑白摄像头、RGB(Red、Green、Blue，红、绿、蓝)摄像头、或者是红外摄像头等。电子设备可以在获取到业务操作指令时，控制摄像头图像，并在当图像中包含人脸时，则控制毫米波收发器发送第一发射信号；可选地，当图像中不包含人脸时，则电子设备可以输出采用其他方式进行身份验证的指示，例如，指纹验证指示、密码验证指示等。
预设人脸是电子设备预存的具备业务操作权限的用户对应人脸。当预设人脸包含目标人脸时，则身份验证通过，电子设备可以执行业务操作指令对应的业务操作；当预设人脸不包含该目标人脸时，则电子设备可以输出无法执行业务操作指示，可选地，也可以输出采用其他方式进行身份验证的指示。
通过在获取到业务操作指令时，先通过摄像头采集图像，并当图像中包含人脸时再控制毫米波收发器发送第一发射信号，以控制毫米波收发器发射毫米波信号进行人脸检测，可以避免电子设备周围环境不存在人脸时导致毫米波检测无效，耗费电子设备功率的问题，可以在提高人脸检测准确性的同时减少电子设备的功耗，并提高业务操作的安全性。
在一个实施例中，提供了一种人脸检测方法，包括如下步骤：
首先，电子设备接收第一响应信号，第一响应信号是基于毫米波收发器发射的第一发射信号返回的。
可选地，电子设备可以根据第二响应信号解析的人脸立体信息确定人脸各个部位对应的毫米波频率，以得到第一发射信号。
可选地，电子设备可以根据第三响应信号解析的人脸平面信息确定第二发射信号的信号发射区域、毫米波信号强度、毫米波信号频率中的至少一种。
可选地，电子设备获取业务操作指令，根据业务操作指令控制摄像头采集图像，当图像中包含人脸时，则控制毫米波收发器发射第一发射信号。
接着，电子设备根据第一响应信号解析人脸部位对应的人脸透视信息，生成人脸模型信息；人脸部位包括外部器官以及内部组织。
可选地，电子设备根据第一发射信号与第一响应信号的时间差确定电子设备周围的环境物体的深度信息；并根据第一响应信号的频率从环境物体的深度信息中提取人脸部位对应的深度信息；建立三维坐标系，结合人脸部位对应的深度信息生成人脸模型信息。
接着，电子设备通过预设的透视识别模型对人脸模型信息进行特征提取，得到人脸透视特征，并根据人脸透视特征检测目标人脸。
可选地，电子设备接收第一响应信号之前，还可以控制毫米波收发器发射第二发射信号，并接收基于第二发射信号返回的第二响应信号；根据第二响应信号解析人脸的外部器官对应的人脸立体信息；通过预设的立体识别模型对人脸立体信息进行特征提取，得到人脸立体特征，并根据人脸立体特征匹配至对应的第二预测人脸；从而可以从第二预测人脸中，识别与人脸透视特征匹配的目标人脸。
可选地，电子设备控制毫米波收发器发送第二发射信号之前，还可以控制毫米波收发器发射第三发射信号，并接收基于第三发射信号返回的第三响应信息；根据第三响应信号解析人脸的外部器官对应的人脸平面信息；通过预设的平面识别模型对人脸平面信息进行特征提取，得到人脸平面特征，并根据人脸平面特征匹配至对应的第三预测人脸；从而可以从第三预测人脸中，识别与人脸立体特征匹配的第二预测人。
可选地，电子设备可以获取人脸红外图像；基于人脸红外图像对人脸透视特征进行校正处理；根据校正后的人脸透视特征匹配至对应的目标人脸。
可选地，当预设人脸包含目标人脸时，则执行业务操作指令对应的业务操作。
应该理解的是，虽然图2-6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2-6中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子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，这些子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的子步骤或者阶段的至少一部分轮流或者交替地执行。
图7为一个实施例的人脸检测装置的结构框图。如图7所示，该人脸检测装置包括：
信号收发模块702，用于接收第一响应信号，第一响应信号是基于毫米波收发器发射的第一发射信号返回的。
信息生成模块704，用于根据第一响应信号解析人脸部位对应的人脸透视信息，生成人脸模型信息；人脸部位包括外部器官以及内部组织。
人脸检测模块706，用于通过预设的透视识别模型对人脸模型信息进行特征提取，得到人脸透视特征，并根据人脸透视特征检测目标人脸。
在一个实施例中，信号收发模块702还可以用于控制毫米波收发器发射第二发射信号，并接收基于第二发射信号返回的第二响应信号；信息生成模块704还用于根据第二响应信号解析人脸的外部器官对应的人脸立体信息；人脸检测模块706还用于通过预设的立体识别模型对人脸立体信息进行特征提取，得到人脸立体特征，并根据人脸立体特征匹配至对应的第二预测人脸，并从第二预测人脸中，识别与人脸透视特征匹配的目标人脸；其中，预设人脸数据库包括第二预测人脸。
在一个实施例中，人脸检测装置还包括信号确定模块708，信号确定模块708用于根据人脸立体信息确定人脸各个部位对应的毫米波频率，以得到第一发射信号。
在一个实施例中，信号确定模块708还可以用于根据人脸平面信息确定第二发射信号的信号发射区域、毫米波信号强度、毫米波信号频率中的至少一种。
在一个实施例中，信号收发模块702还可以用于控制毫米波收发器发射第三发射信号，并接收基于第三发射信号返回的第三响应信息；信息生成模块704还用于根据第三响应信号解析人脸的外部器官对应的人脸平面信息；人脸检测模块706还用于通过预设的平面识别模型对人脸平面信息进行特征提取，得到人脸平面特征，并根据人脸平面特征匹配至对应的第三预测人脸，并从第三预测人脸中，识别与人脸立体特征匹配的第二预测人脸。
在一个实施例中，信息生成模块704还可以用于根据第一发射信号与第一响应信号的时间差确定电子设备周围的环境物体的深度信息；并根据第一响应信号的频率从环境物体的深度信息中提取人脸部位对应的深度信息；建立三维坐标系，结合人脸部位对应的深度信息生成人脸模型信息。
在一个实施例中，人脸检测装置还包括模型训练模块710，模型训练模块710用于获取基于样本毫米波信号构建的样本人脸模型信息，及样本人脸模型信息对应的标注人脸；将样本人脸模型信息输入透视识别模型，并获取透视识别模型输出的预测人脸；当预测人脸与标注人脸不匹配时，根据预测人脸及标注人脸之间的透视特征差异调整透视识别模型，并返回将样本人脸模型信息输入透视识别模型的操作，直至预测人脸与标注人脸相匹配。
在一个实施例中，人脸检测模块706还可以用于获取人脸红外图像；基于人脸红外图像对人脸透视特征进行校正处理；根据校正后的人脸透视特征匹配至对应的目标人脸。
在一个实施例中，提供的人脸检测装置还可以包括业务执行模块712，信号收发模块702用于获取业务操作指令，根据业务操作指令控制摄像头采集图像，当图像中包含人脸时，则控制毫米波收发发射第一发射信号；业务执行模块712用于当预设人脸包含目标人脸时，则执行业务操作指令对应的业务操作。
上述人脸检测装置中各个模块的划分仅用于举例说明，在其他实施例中，可将人脸检测装置按照需要划分为不同的模块，以完成上述人脸检测装置的全部或部分功能。
本申请实施例中提供的人脸检测装置中的各个模块的实现可为计算机程序的形式。该计算机程序可在终端或服务器上运行。该计算机程序构成的程序模块可存储在终端或服务器的存储器上。该计算机程序被处理器执行时，实现本申请实施例中所描述方法的步骤。
本申请实施例还提供了一种电子设备。如图8所示，为了便于说明，仅示出了与本申请实施例相关的部分，具体技术细节未揭示的，请参照本申请实施例方法部分。该电子设备可以为包括手机、平板电脑、PDA(Personal Digital Assistant，个人数字助理)、POS(Point of Sales，销售终端)、车载电脑、穿戴式设备等任意终端设备，以电子设备为手机为例：
图8为与本申请实施例提供的电子设备相关的手机的部分结构的框图。参考图8，手机包括：射频(Radio Frequency，RF)电路810、存储器820、输入单元830、显示单元840、传感器850、音频电路860、无线保真(wireless fidelity，WiFi)模块870、处理器880、以及电源890等部件。本领域技术人员可以理解，图8所示的手机结构并不构成对手机的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
其中，RF电路810可用于收发信息或通话过程中，信号的接收和发送，可将基站的下行信息接收后，给处理器880处理；也可以将上行的数据发送给基站。通常，RF电路包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(Low Noise Amplifier，LNA)、双工器等。此外，RF电路810还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议，包括但不限于全球移动通讯系统(Global System ofMobile communication，GSM)、通用分组无线服务(General Packet Radio Service，GPRS)、码分多址(Code Division Multiple Access，CDMA)、宽带码分多址(Wideband CodeDivision Multiple Access，WCDMA)、长期演进(Long Term Evolution，LTE))、电子邮件、短消息服务(Short Messaging Service，SMS)等。
存储器820可用于存储软件程序以及模块，处理器880通过运行存储在存储器820的软件程序以及模块，从而执行手机的各种功能应用以及数据处理。存储器820可主要包括程序存储区和数据存储区，其中，程序存储区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能的应用程序、图像播放功能的应用程序等)等；数据存储区可存储根据手机的使用所创建的数据(比如音频数据、通讯录等)等。此外，存储器820可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
输入单元830可用于接收输入的数字或字符信息，以及产生与手机800的用户设置以及功能控制有关的键信号输入。具体地，输入单元830可包括触控面板831以及其他输入设备832。触控面板831，也可称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板831上或在触控面板831附近的操作)，并根据预先设定的程式驱动相应的连接装置。在一个实施例中，触控面板831可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器880，并能接收处理器880发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板831。除了触控面板831，输入单元830还可以包括其他输入设备832。具体地，其他输入设备832可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)等中的一种或多种。
显示单元840可用于显示由用户输入的信息或提供给用户的信息以及手机的各种菜单。显示单元840可包括显示面板841。在一个实施例中，可以采用液晶显示器(LiquidCrystal Display，LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板841。在一个实施例中，触控面板831可覆盖显示面板841，当触控面板831检测到在其上或附近的触摸操作后，传送给处理器880以确定触摸事件的类型，随后处理器880根据触摸事件的类型在显示面板841上提供相应的视觉输出。虽然在图8中，触控面板831与显示面板841是作为两个独立的部件来实现手机的输入和输入功能，但是在某些实施例中，可以将触控面板831与显示面板841集成而实现手机的输入和输出功能。
手机800还可包括至少一种传感器850，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板841的亮度，接近传感器可在手机移动到耳边时，关闭显示面板841和/或背光。运动传感器可包括加速度传感器，通过加速度传感器可检测各个方向上加速度的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的应用(比如横竖屏切换)、振动识别相关功能(比如计步器、敲击)等；此外，手机还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器等。
音频电路860、扬声器861和传声器862可提供用户与手机之间的音频接口。音频电路860可将接收到的音频数据转换后的电信号，传输到扬声器861，由扬声器861转换为声音信号输出；另一方面，传声器862将收集的声音信号转换为电信号，由音频电路860接收后转换为音频数据，再将音频数据输出处理器880处理后，经RF电路810可以发送给另一手机，或者将音频数据输出至存储器820以便后续处理。
WiFi属于短距离无线传输技术，手机通过WiFi模块870可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图8示出了WiFi模块870，但是可以理解的是，其并不属于手机800的必须构成，可以根据需要而省略。
处理器880是手机的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在存储器820内的软件程序和/或模块，以及调用存储在存储器820内的数据，执行手机的各种功能和处理数据，从而对手机进行整体监控。在一个实施例中，处理器880可包括一个或多个处理单元。在一个实施例中，处理器880可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等；调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器880中。
手机800还包括给各个部件供电的电源890(比如电池)，优选的，电源可以通过电源管理系统与处理器880逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
在本申请实施例中，手机800还包括毫米波收发器，毫米波收发器由电源890进行供电，以发射和接收毫米波信号；手机800可以通过处理器880实现对毫米波收发器的控制，即当可以通过处理器880控制毫米波收发器发射第一发射信号，并控制毫米波收发器接收基于第一发射信号返回的第一响应信号，根据第一响应信号解析人脸部位对应的人脸透视信息，生成人脸模型信息；人脸部位包括外部器官以及内部组织；通过预设的透视识别模型对人脸模型信息进行特征提取，得到人脸透视特征，并根据人脸透视特征检测目标人脸。可选地，在一个实施例中，手机800也可以通过无线保真模块870将获取的第一响应信号发送至服务器，由服务器解析第一响应信号对应的目标人脸。
本申请实施例还提供了一种计算机可读存储介质。一个或多个包含计算机可执行指令的非易失性计算机可读存储介质，当计算机可执行指令被一个或多个处理器执行时，使得处理器执行人脸检测方法的步骤。
一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行人脸检测方法。
本申请实施例所使用的对存储器、存储、数据库或其它介质的任何引用可包括非易失性和/或易失性存储器。合适的非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)，它用作外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDR SDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)。
以上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本申请专利范围的限制。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 (12)

1.一种人脸检测方法，其特征在于，应用于电子设备，所述电子设备包括毫米波收发器；所述方法包括：
接收第一响应信号，所述第一响应信号是基于所述毫米波收发器发射的第一发射信号返回的；
根据所述第一响应信号解析人脸部位对应的人脸透视信息，生成人脸模型信息；所述人脸部位包括外部器官以及内部组织；
通过预设的透视识别模型对所述人脸模型信息进行特征提取，得到人脸透视特征，并根据所述人脸透视特征检测目标人脸。
2.根据权利要求1所述的方法，其特征在于，所述接收第一响应信号之前，还包括：
控制所述毫米波收发器发射第二发射信号，并接收基于所述第二发射信号返回的第二响应信号；
根据所述第二响应信号解析人脸的外部器官对应的人脸立体信息；
通过预设的立体识别模型对所述人脸立体信息进行特征提取，得到人脸立体特征，并根据所述人脸立体特征匹配至对应的第二预测人脸；
所述根据人脸透视特征检测目标人脸，包括：
从所述第二预测人脸中，识别与所述人脸透视特征匹配的所述目标人脸；其中，所述预设人脸数据库包括所述第二预测人脸。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
根据所述人脸立体信息确定所述外部器官对应的毫米波频率，以得到所述第一发射信号。
4.根据权利要求2所述的方法，其特征在于，所述控制所述毫米波收发器发射第二发射信号之前，还包括：
控制所述毫米波收发器发射第三发射信号，并接收基于所述第三发射信号返回的第三响应信息；
根据所述第三响应信号解析人脸的外部器官对应的人脸平面信息；
通过预设的平面识别模型对所述人脸平面信息进行特征提取，得到人脸平面特征，并根据所述人脸平面特征匹配至对应的第三预测人脸；
所述根据人脸立体特征匹配至对应的第二预测人脸，包括：
从所述第三预测人脸中，识别与所述人脸立体特征匹配的所述第二预测人脸。
5.根据权利要求3所述的方法，其特征在于，所述方法还包括：
根据所述人脸平面信息确定所述第二发射信号的信号发射区域、毫米波信号强度、毫米波信号频率中的至少一种。
6.根据权利要求1所述的方法，其特征在于，所述人脸透视信息包括深度信息；所述根据所述第一响应信号解析人脸部位对应的人脸透视信息，生成人脸模型信息，包括：
根据所述第一发射信号与所述第一响应信号的时间差确定所述电子设备周围的环境物体的深度信息；
并根据所述第一响应信号的频率从所述环境物体的深度信息中提取人脸部位对应的深度信息；
建立三维坐标系，结合所述人脸部位对应的深度信息生成所述人脸模型信息。
7.根据权利要求1所述的方法，其特征在于，所述预设的透视识别模型的训练过程，包括：
获取基于样本毫米波信号构建的样本人脸模型信息，及所述样本人脸模型信息对应的标注人脸；
将所述样本人脸模型信息输入透视识别模型，并获取所述透视识别模型输出的预测人脸；
当所述预测人脸与所述标注人脸不匹配时，根据所述预测人脸及所述标注人脸之间的透视特征差异调整所述透视识别模型，并返回将所述样本人脸模型信息输入透视识别模型的操作，直至所述预测人脸与所述标注人脸相匹配。
8.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取人脸红外图像；
所述根据所述人脸透视特征检测目标人脸，包括：
基于所述人脸红外图像对所述人脸透视特征进行校正处理；
根据校正后的人脸透视特征检测目标人脸。
9.根据权利要求1至8中任一项所述的方法，其特征在于，所述接收第一响应信号之前，包括：
获取业务操作指令，根据所述业务操作指令控制摄像头采集图像，当所述图像中包含人脸时，则控制所述毫米波收发发射第一发射信号；
所述根据所述人脸透视特征检测目标人脸之后，包括：
当所述业务操作指令对应的预设人脸中包含所述目标人脸时，则执行所述业务操作指令对应的业务操作。
10.一种人脸检测装置，其特征在于，应用于电子设备，所述电子设备包括毫米波收发器；包括：
信号收发模块，用于接收第一响应信号，所述第一响应信号是基于所述毫米波收发器发射的第一发射信号返回的；
信息生成模块，用于根据所述第一响应信号解析人脸部位对应的人脸透视信息，生成人脸模型信息；所述人脸部位包括外部器官以及内部组织；
人脸检测模块，用于通过预设的透视识别模型对所述人脸模型信息进行特征提取，得到人脸透视特征，并根据所述人脸透视特征检测目标人脸。
11.一种电子设备，包括存储器及处理器，所述存储器中储存有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至9中任一项所述的人脸检测方法的步骤。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至9中任一项所述的方法的步骤。
CN202010209421.0A 2020-03-23 2020-03-23 人脸检测方法和装置、电子设备、计算机可读存储介质 Withdrawn CN113433541A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010209421.0A CN113433541A (zh) 2020-03-23 2020-03-23 人脸检测方法和装置、电子设备、计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010209421.0A CN113433541A (zh) 2020-03-23 2020-03-23 人脸检测方法和装置、电子设备、计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN113433541A true CN113433541A (zh) 2021-09-24

Family

ID=77753305

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010209421.0A Withdrawn CN113433541A (zh) 2020-03-23 2020-03-23 人脸检测方法和装置、电子设备、计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN113433541A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114355627A (zh) * 2022-01-05 2022-04-15 北京蜂巢世纪科技有限公司 一种镜腿长度调整方法、装置、电子设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108960173A (zh) * 2018-07-12 2018-12-07 芜湖博高光电科技股份有限公司 一种毫米波和摄像头融合人脸识别方法
CN109212499A (zh) * 2017-07-07 2019-01-15 英飞凌科技股份有限公司 使用雷达传感器识别目标的系统和方法
CN109199398A (zh) * 2018-10-09 2019-01-15 芜湖博高光电科技股份有限公司 一种人脸识别探测健康诊断装置
US20200019686A1 (en) * 2018-07-11 2020-01-16 Samsung Electronics Co., Ltd. Apparatus and method for authenticating object in electronic device
US20200025877A1 (en) * 2018-07-18 2020-01-23 Qualcomm Incorporated Object verification using radar images
CN110731790A (zh) * 2018-07-20 2020-01-31 有方（合肥）医疗科技有限公司 成像设备及成像方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109212499A (zh) * 2017-07-07 2019-01-15 英飞凌科技股份有限公司 使用雷达传感器识别目标的系统和方法
US20200019686A1 (en) * 2018-07-11 2020-01-16 Samsung Electronics Co., Ltd. Apparatus and method for authenticating object in electronic device
CN108960173A (zh) * 2018-07-12 2018-12-07 芜湖博高光电科技股份有限公司 一种毫米波和摄像头融合人脸识别方法
US20200025877A1 (en) * 2018-07-18 2020-01-23 Qualcomm Incorporated Object verification using radar images
CN110731790A (zh) * 2018-07-20 2020-01-31 有方（合肥）医疗科技有限公司 成像设备及成像方法
CN109199398A (zh) * 2018-10-09 2019-01-15 芜湖博高光电科技股份有限公司 一种人脸识别探测健康诊断装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
何少甫: ""人脸检测与跟踪算法研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 2, pages 138 - 402 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114355627A (zh) * 2022-01-05 2022-04-15 北京蜂巢世纪科技有限公司 一种镜腿长度调整方法、装置、电子设备及存储介质
CN114355627B (zh) * 2022-01-05 2023-06-30 北京蜂巢世纪科技有限公司 一种镜腿长度调整方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
US10169639B2 (en) Method for fingerprint template update and terminal device
US11176235B2 (en) Permission control method and related product
CN107992728B (zh) 人脸验证方法及装置
KR101619685B1 (ko) 화상처리 방법, 화상처리 장치, 단말기장치, 프로그램 및 기록매체
CN108830062B (zh) 人脸识别方法、移动终端及计算机可读存储介质
CN111479011B (zh) 功率调整方法、装置、存储介质及电子设备
CN110286744B (zh) 信息处理方法和装置、电子设备、计算机可读存储介质
EP3623973B1 (en) Unlocking control method and related product
CN107403148B (zh) 虹膜识别方法及相关产品
EP3252662A1 (en) Method for controlling unlocking and terminal
CN106548144B (zh) 一种虹膜信息的处理方法、装置及移动终端
EP3252665B1 (en) Method for unlocking terminal and terminal
CN110765924B (zh) 一种活体检测方法、装置以及计算机可读存储介质
CN109409235B (zh) 图像识别方法和装置、电子设备、计算机可读存储介质
US10607076B2 (en) Method for iris recognition and related products
CN107516070B (zh) 生物识别方法及相关产品
AU2019211885B2 (en) Authentication window display method and apparatus
CN110944112A (zh) 一种图像处理方法及电子设备
CN114626036B (zh) 基于人脸识别的信息处理方法、装置、存储介质及终端
CN113433541A (zh) 人脸检测方法和装置、电子设备、计算机可读存储介质
CN107506628B (zh) 生物识别方法及相关产品
CN109104522B (zh) 一种人脸识别的方法及移动终端
CN110298261B (zh) 静脉识别方法及相关产品
CN113542206B (zh) 一种图像处理方法、装置及计算机可读存储介质
CN107995416B (zh) 一种焦距调节方法及移动终端

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

Application publication date: 20210924