CN113609968A - 一种人脸认证方法、装置、存储介质及电子设备 - Google Patents

Abstract

本申请提供了一种人脸认证方法、装置、存储介质及电子设备，其中，人脸认证方法包括：获取目标用户的当前人脸图像以及目标用户的身份标识码；将当前人脸图像裁剪为预设尺寸，得到当前目标图像；利用预先训练好的对比模型对当前目标图像以及身份标识码对应的历史人脸图像进行计算，得到对比结果；基于对比结果确定人脸图像是否通过认证。本申请利用对比模型计算目标用户的当前人脸图像和历史人脸图像之间的相似度，进而基于相似度确定述人脸图像是否通过认证，其中，对比模型是利用正正样本对和/或正负样本进行训练得到的，其能够提高相似度的准确性，进而提高对用户的人脸认证的准确率。

Description

一种人脸认证方法、装置、存储介质及电子设备

技术领域

本申请涉及人脸图像处理技术领域，特别涉及一种人脸认证方法、装置、存储介质及电子设备。

背景技术

人脸识别系统已经在日常生活中得到了广泛的应用，如门禁、手机解锁、进入应用程序等，在人脸识别系统中，每个身份标识码通常需要提供一张注册人脸图像。在进行人脸识别的过程时，识别算法会提取当前人脸图像的特征并和注册人脸图像的特征进行比对，若一致，则通过认证，进行解除门禁、手机解锁、进入应用程序等操作。

但是，在当前人脸图像的采集时间和注册人脸图像的采集时间之间的时间间隔较大时，对应的用户可能存在一些特征变化较大，例如体型、发型等，导致对用户的人脸认证准确率较低，进而影响后续操作。

发明内容

有鉴于此，本申请实施例提出了一种人脸认证方法、装置、存储介质及电子设备，用以解决现有技术中对用户的人脸认证准确率较低的问题。

第一方面，本申请实施例提供了一种人脸认证方法，其中，包括：

获取目标用户的当前人脸图像以及所述目标用户的身份标识码；

将所述当前人脸图像裁剪为预设尺寸，得到当前目标图像；

利用预先训练好的对比模型对所述当前目标图像以及所述身份标识码对应的历史人脸图像进行计算，得到对比结果；

基于所述对比结果确定所述人脸图像是否通过认证。

在一种可能的实施方式中，所述利用预先训练好的对比模型对所述当前目标图像以及所述身份标识码对应的历史人脸图像进行计算，得到对比结果，包括：

将所述当前目标图像和所述历史人脸图像作为所述对比模型的输入，以使所述对比模型计算得到所述当前目标图像对应的当前特征向量和所述历史人脸图像对应的历史特征向量；

得到所述对比模型输出的对比结果；其中，所述对比结果为所述当前特征向量与所述历史特征向量之间的相似度。

在一种可能的实施方式中，所述基于所述对比结果确定所述人脸图像是否通过认证，包括：

若所述相似度大于或等于所述预设阈值，确定所述人脸图像通过认证；

若所述相似度小于所述预设阈值，确定所述人脸图像未通过认证。

在一种可能的实施方式中，所述人脸认证方法还包括训练所述对比模型的步骤：

获取训练样本集；所述训练样本集包括多个训练样本子集；

在所述训练样本子集包括同一个身份标识码对应的至少两个人脸图像样本的情况下，将所述训练样本子集中任意两个所述人脸图像样本输入至待训练的对比模型中，得到第一实际结果；所述第一实际结果表示任意两个所述人脸图像样本之间的相似度；

计算所述第一实际结果与第一预设阈值之间的第一差值，若所述第一差值大于允许的第一误差值，则调整所述待训练的对比模型的参数，直至所述第一差值小于所述第一误差值。

在一种可能的实施方式中，所述人脸认证方法还包括：

在所述训练样本子集包括不同身份标识码对应的两个人脸图像样本的情况下，将所述训练样本子集中的两个所述人脸图像样本输入至待训练的对比模型中，得到第二实际结果；所述第二实际结果表示两个所述人脸图像样本之间的相似度；

计算所述第二实际结果与第二预设阈值之间的第二差值，若所述第二差值小于允许的第二误差值，则调整所述待训练的对比模型的参数，直至所述第二差值小于所述第二误差值。

第二方面，本申请实施例还提供了一种人脸认证装置，其中，包括：

获取模块，其配置地获取目标用户的当前人脸图像以及所述目标用户的身份标识码；

裁剪模块，其配置地将所述当前人脸图像裁剪为预设尺寸，得到当前目标图像；

计算模块，其配置地利用预先训练好的对比模型对所述当前目标图像以及所述身份标识码对应的历史人脸图像进行计算，得到对比结果；

确定模块，其配置地基于所述对比结果确定所述人脸图像是否通过认证。

在一种可能的实施方式中，所述计算模块具体配置为：

将所述当前目标图像和所述历史人脸图像作为所述对比模型的输入，以使所述对比模型计算得到所述当前目标图像对应的当前特征向量和所述历史人脸图像对应的历史特征向量；

得到所述对比模型输出的对比结果；其中，所述对比结果为所述当前特征向量与所述历史特征向量之间的相似度。

在一种可能的实施方式中，所述确定模块具体配置为：

若所述相似度大于或等于所述预设阈值，确定所述人脸图像通过认证；

若所述相似度小于所述预设阈值，确定所述人脸图像未通过认证。

第三方面，本申请实施例还提供了一种存储介质，其中，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下步骤：

获取目标用户的当前人脸图像以及所述目标用户的身份标识码；

将所述当前人脸图像裁剪为预设尺寸，得到当前目标图像；

利用预先训练好的对比模型对所述当前目标图像以及所述身份标识码对应的历史人脸图像进行计算，得到对比结果；

基于所述对比结果确定所述人脸图像是否通过认证。

第四方面，本申请实施例还提供了一种电子设备，其中，包括：处理器和存储器，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下步骤：

获取目标用户的当前人脸图像以及所述目标用户的身份标识码；

将所述当前人脸图像裁剪为预设尺寸，得到当前目标图像；

利用预先训练好的对比模型对所述当前目标图像以及所述身份标识码对应的历史人脸图像进行计算，得到对比结果；

基于所述对比结果确定所述人脸图像是否通过认证。

本申请实施例利用对比模型计算目标用户的当前人脸图像和历史人脸图像之间的相似度，进而基于相似度确定述人脸图像是否通过认证，其中，对比模型是利用正正样本对和/或正负样本进行训练得到的，其能够提高相似度的准确性，进而提高对用户的人脸认证的准确率。

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中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1示出了本申请所提供的一种人脸认证方法的流程图；

图2示出了本申请所提供的一种人脸认证方法中得到对比结果的流程图；

图3示出了本申请所提供的一种人脸认证方法中训练对比模型的流程图；

图4示出了本申请所提供的一种人脸认证装置的结构示意图；

图5示出了本申请所提供的一种电子设备的结构示意图。

具体实施方式

为了使得本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例的附图，对本申请实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于所描述的本申请的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

除非另外定义，本申请使用的技术术语或者科学术语应当为本申请所属领域内具有一般技能的人士所理解的通常意义。本申请中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。

为了保持本申请实施例的以下说明清楚且简明，本申请省略了已知功能和已知部件的详细说明。

如图1所示，为本申请第一方面提供的人脸认证方法的流程图，其能够提高相似度的准确性，进而提高对用户的人脸认证的准确率。其中，具体步骤包括S101-S104。

S101，获取目标用户的当前人脸图像以及目标用户的身份标识码。

在具体实施中，通过采集设备实时采集预设区域内的场景图像，进而实现对预设区域内的监控等。其中，采集设备可以为摄像头、固定相机、红外线设备等，预设范围为采集设备能够拍摄到的区域。在获取到场景图像之后，对场景图像进行识别分析，提取出人脸图像，例如裁剪等；还可以对人脸图像进行预处理如清晰化、降噪等以得到目标用户的当前人脸图像。

当然，还可以先通过人脸识别确定目标用户，之后再利用采集设备有针对性的采集目标用户的当前人脸图像，本申请实施例对此不做具体限定。

同时，基于用户的预设操作或预存信息获取目标用户的身份标识码，例如，在手机解锁的场景下，预设操作为滑动手机屏幕；在进入应用程序的场景下，预设操作为点击应用程序的图标等。

S102，将当前人脸图像裁剪为预设尺寸，得到当前目标图像。

在获取到目标用户的当前人脸图像之后，按照预设尺寸裁剪当前人脸图像，得到当前目标图像。其中，为了确保人脸信息的完整以及避免较多的除人脸信息之外的其他信息，在进行裁剪的过程中可以适当地进行缩放。

S103，利用预先训练好的对比模型对当前目标图像以及身份标识码对应的历史人脸图像进行计算，得到对比结果。

在具体实施中，对比模型中可以预先存储有目标用户的历史人脸图像，例如在手机解锁的场景下，对比模型中可以存储有一个目标用户的历史人脸图像；在门禁的场景下，对比模型中可以存储有多个目标用户的历史人脸图像等。

在获取到目标用户的当前目标图像之后，利用预先训练好的对比模型对当前目标图像以及身份标识码对应的历史人脸图像进行计算，以得到对比结果。

具体地，图2示出了利用预先训练好的对比模型对当前目标图像以及身份标识码对应的历史人脸图像进行计算，得到对比结果的方法流程图，具体步骤包括S201和S202。

S201，将当前目标图像和历史人脸图像作为对比模型的输入，以使对比模型计算得到当前目标图像对应的当前特征向量和历史人脸图像对应的历史特征向量。

S202，得到对比模型输出的对比结果；其中，对比结果为当前特征向量与历史特征向量之间的相似度。

在具体实施中，将当前目标图像和历史人脸图像作为对比模型的输入，分别计算出当前目标图像对应的当前特征向量和历史人脸图像对应的历史特征向量。

进一步地，对比模型计算当前特征向量与历史特征向量之间的相似度，以得到对比模型输出的对比结果。其中，当前特征向量和历史特征向量的维度相同，例如，均为256维、512维等的向量。

S104，基于对比结果确定人脸图像是否通过认证。

在得到对比结果之后，基于对比结果确定人脸图像是否通过认证，具体为，将当前特征向量与历史特征向量之间的相似度与预设阈值进行对比，若相似度大于或等于预设阈值，确定人脸图像通过认证；若相似度小于预设阈值，确定人脸图像未通过认证。

本申请实施例还提供了训练对比模型的方法，其中，图3示出了训练对比模型的方法流程图，具体步骤包括S301-S305。

S301，获取训练样本集；训练样本集包括多个训练样本子集。

S302，在训练样本子集包括同一个身份标识码对应的至少两个人脸图像样本的情况下，将训练样本子集中任意两个人脸图像样本输入至待训练的对比模型中，得到第一实际结果；第一实际结果表示任意两个人脸图像样本之间的相似度。

S303，计算第一实际结果与第一预设阈值之间的第一差值，若第一差值大于允许的第一误差值，则调整待训练的对比模型的参数，直至第一差值小于第一误差值。

S304，在训练样本子集包括不同身份标识码对应的两个人脸图像样本的情况下，将训练样本子集中的两个人脸图像样本输入至待训练的对比模型中，得到第二实际结果；第二实际结果表示两个人脸图像样本之间的相似度。

S305，计算第二实际结果与第二预设阈值之间的第二差值，若第二差值小于允许的第二误差值，则调整待训练的对比模型的参数，直至第二差值小于第二误差值。

在对待训练的对比模型进行训练之前，先获取用于训练的训练样本集，训练样本集包括多个训练样本子集，其中，训练样本子集可以包括同一个身份标识码对应的至少两个人脸图像样本和/或不同身份标识码对应的两个人脸图像样本。

在训练样本子集包括同一个身份标识码对应的至少两个人脸图像样本的情况下，也即两个人脸图像样本属于同一用户，优选地，该两个人脸图像样本的采集时间之间的时间间隔较大。进一步地，将训练样本子集中任意两个人脸图像样本输入至待训练的对比模型中，得到第一实际结果；第一实际结果表示任意两个人脸图像样本之间的相似度。计算第一实际结果与第一预设阈值之间的第一差值，若第一差值大于允许的第一误差值，则调整待训练的对比模型的参数，直至第一差值小于第一误差值。

在训练样本子集包括不同身份标识码对应的两个人脸图像样本的情况下，也即两个人脸图像样本不属于同一用户，将训练样本子集中的两个人脸图像样本输入至待训练的对比模型中，得到第二实际结果；第二实际结果表示两个人脸图像样本之间的相似度。计算第二实际结果与第二预设阈值之间的第二差值，若第二差值小于允许的第二误差值，则调整待训练的对比模型的参数，直至第二差值小于第二误差值。

值得说明的是，对比模型中还可以是预先存储的历史特征向量，此时，对比模型可以仅对当前人脸图像进行计算，得到当前特征向量；之后，基于身份标识码查找对应的历史特征向量，进而计算当前特征向量和历史特征向量之间的相似度以得到对比结果。相应地，上述训练对比模型便可以参照S301-S305进行适应性调整，本申请实施例在此不做赘述。

本申请实施例利用对比模型计算目标用户的当前人脸图像和历史人脸图像之间的相似度，进而基于相似度确定述人脸图像是否通过认证，其中，对比模型是利用正正样本对和/或正负样本进行训练得到的，其能够提高相似度的准确性，进而提高对用户的人脸认证的准确率。

基于同一发明构思，本申请的第二方面还提供了一种人脸认证方法对应的人脸认证装置，由于本申请中的人脸认证装置解决问题的原理与本申请上述人脸认证方法相似，因此人脸认证装置的实施可以参见方法的实施，重复之处不再赘述。

图4示出了本申请实施例提供的人脸认证装置的示意图，具体包括：

获取模块401，其配置地获取模块，其配置地获取目标用户的当前人脸图像以及所述目标用户的身份标识码；

裁剪模块402，其配置地将所述当前人脸图像裁剪为预设尺寸，得到当前目标图像；

计算模块403，其配置地利用预先训练好的对比模型对所述当前目标图像以及所述身份标识码对应的历史人脸图像进行计算，得到对比结果；

确定模块404，其配置地基于所述对比结果确定所述人脸图像是否通过认证。

在又一实施例中，所述计算模块403具体配置为：

将所述当前目标图像和所述历史人脸图像作为所述对比模型的输入，以使所述对比模型计算得到所述当前目标图像对应的当前特征向量和所述历史人脸图像对应的历史特征向量；

得到所述对比模型输出的对比结果；其中，所述对比结果为所述当前特征向量与所述历史特征向量之间的相似度。

在又一实施例中，所述确定模块404具体配置为：

若所述相似度大于或等于所述预设阈值，确定所述人脸图像通过认证；

若所述相似度小于所述预设阈值，确定所述人脸图像未通过认证。

在又一实施例中，人脸认证装置还包括训练模块405，其配置地：

获取训练样本集；所述训练样本集包括多个训练样本子集；

在所述训练样本子集包括同一个身份标识码对应的至少两个人脸图像样本的情况下，将所述训练样本子集中任意两个所述人脸图像样本输入至待训练的对比模型中，得到第一实际结果；所述第一实际结果表示任意两个所述人脸图像样本之间的相似度；

计算所述第一实际结果与第一预设阈值之间的第一差值，若所述第一差值大于允许的第一误差值，则调整所述待训练的对比模型的参数，直至所述第一差值小于所述第一误差值。

在又一实施例中，所计训练模块405还配置地：

在所述训练样本子集包括不同身份标识码对应的两个人脸图像样本的情况下，将所述训练样本子集中的两个所述人脸图像样本输入至待训练的对比模型中，得到第二实际结果；所述第二实际结果表示两个所述人脸图像样本之间的相似度；

计算所述第二实际结果与第二预设阈值之间的第二差值，若所述第二差值小于允许的第二误差值，则调整所述待训练的对比模型的参数，直至所述第二差值小于所述第二误差值。

本申请实施例利用对比模型计算目标用户的当前人脸图像和历史人脸图像之间的相似度，进而基于相似度确定述人脸图像是否通过认证，其中，对比模型是利用正正样本对和/或正负样本进行训练得到的，其能够提高相似度的准确性，进而提高对用户的人脸认证的准确率。

本申请实施例提供了一种存储介质，该存储介质为计算机可读介质，存储有计算机程序，该计算机程序被处理器执行时实现本申请任意实施例提供的方法，包括如下步骤S11至S14：

S11，获取目标用户的当前人脸图像以及所述目标用户的身份标识码；

S12，将所述当前人脸图像裁剪为预设尺寸，得到当前目标图像；

S13，利用预先训练好的对比模型对所述当前目标图像以及所述身份标识码对应的历史人脸图像进行计算，得到对比结果；

S14，基于所述对比结果确定所述人脸图像是否通过认证。

计算机程序被处理器执行利用预先训练好的对比模型对所述当前目标图像以及所述身份标识码对应的历史人脸图像进行计算，得到对比结果时，具体被处理器执行如下步骤：将所述当前目标图像和所述历史人脸图像作为所述对比模型的输入，以使所述对比模型计算得到所述当前目标图像对应的当前特征向量和所述历史人脸图像对应的历史特征向量；得到所述对比模型输出的对比结果；其中，所述对比结果为所述当前特征向量与所述历史特征向量之间的相似度。

计算机程序被处理器执行基于所述对比结果确定所述人脸图像是否通过认证时，具体被处理器执行如下步骤：若所述相似度大于或等于所述预设阈值，确定所述人脸图像通过认证；若所述相似度小于所述预设阈值，确定所述人脸图像未通过认证。

计算机程序被处理器执行人脸认证方法时，还被处理器执行如下步骤：获取训练样本集；所述训练样本集包括多个训练样本子集；在所述训练样本子集包括同一个身份标识码对应的至少两个人脸图像样本的情况下，将所述训练样本子集中任意两个所述人脸图像样本输入至待训练的对比模型中，得到第一实际结果；所述第一实际结果表示任意两个所述人脸图像样本之间的相似度；计算所述第一实际结果与第一预设阈值之间的第一差值，若所述第一差值大于允许的第一误差值，则调整所述待训练的对比模型的参数，直至所述第一差值小于所述第一误差值。

计算机程序被处理器执行人脸认证方法时，还被处理器执行如下步骤：在所述训练样本子集包括不同身份标识码对应的两个人脸图像样本的情况下，将所述训练样本子集中的两个所述人脸图像样本输入至待训练的对比模型中，得到第二实际结果；所述第二实际结果表示两个所述人脸图像样本之间的相似度；计算所述第二实际结果与第二预设阈值之间的第二差值，若所述第二差值小于允许的第二误差值，则调整所述待训练的对比模型的参数，直至所述第二差值小于所述第二误差值。

本申请实施例利用对比模型计算目标用户的当前人脸图像和历史人脸图像之间的相似度，进而基于相似度确定述人脸图像是否通过认证，其中，对比模型是利用正正样本对和/或正负样本进行训练得到的，其能够提高相似度的准确性，进而提高对用户的人脸认证的准确率。

本申请实施例提供了一种电子设备，该电子设备的结构示意图可以如图5所示，至少包括存储器501和处理器502，存储器501上存储有计算机程序，处理器502在执行存储器501上的计算机程序时实现本申请任意实施例提供的方法。示例性的，电子设备计算机程序步骤如下S21至S24：

S21，获取目标用户的当前人脸图像以及所述目标用户的身份标识码；

S22，将所述当前人脸图像裁剪为预设尺寸，得到当前目标图像；

S23，利用预先训练好的对比模型对所述当前目标图像以及所述身份标识码对应的历史人脸图像进行计算，得到对比结果；

S24，基于所述对比结果确定所述人脸图像是否通过认证。

处理器在执行存储器上存储的利用预先训练好的对比模型对所述当前目标图像以及所述身份标识码对应的历史人脸图像进行计算，得到对比结果时，还执行如下计算机程序：将所述当前目标图像和所述历史人脸图像作为所述对比模型的输入，以使所述对比模型计算得到所述当前目标图像对应的当前特征向量和所述历史人脸图像对应的历史特征向量；得到所述对比模型输出的对比结果；其中，所述对比结果为所述当前特征向量与所述历史特征向量之间的相似度。

处理器在执行存储器上存储的基于所述对比结果确定所述人脸图像是否通过认证时，还执行如下计算机程序：若所述相似度大于或等于所述预设阈值，确定所述人脸图像通过认证；若所述相似度小于所述预设阈值，确定所述人脸图像未通过认证。

处理器在执行存储器上存储的人脸认证方法时，还执行如下计算机程序：获取训练样本集；所述训练样本集包括多个训练样本子集；在所述训练样本子集包括同一个身份标识码对应的至少两个人脸图像样本的情况下，将所述训练样本子集中任意两个所述人脸图像样本输入至待训练的对比模型中，得到第一实际结果；所述第一实际结果表示任意两个所述人脸图像样本之间的相似度；计算所述第一实际结果与第一预设阈值之间的第一差值，若所述第一差值大于允许的第一误差值，则调整所述待训练的对比模型的参数，直至所述第一差值小于所述第一误差值。

处理器在执行存储器上存储的人脸认证方法时，还执行如下计算机程序：在所述训练样本子集包括不同身份标识码对应的两个人脸图像样本的情况下，将所述训练样本子集中的两个所述人脸图像样本输入至待训练的对比模型中，得到第二实际结果；所述第二实际结果表示两个所述人脸图像样本之间的相似度；计算所述第二实际结果与第二预设阈值之间的第二差值，若所述第二差值小于允许的第二误差值，则调整所述待训练的对比模型的参数，直至所述第二差值小于所述第二误差值。

本申请实施例利用对比模型计算目标用户的当前人脸图像和历史人脸图像之间的相似度，进而基于相似度确定述人脸图像是否通过认证，其中，对比模型是利用正正样本对和/或正负样本进行训练得到的，其能够提高相似度的准确性，进而提高对用户的人脸认证的准确率。

可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。可选地，在本实施例中，处理器根据存储介质中已存储的程序代码执行上述实施例记载的方法步骤。可选地，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。显然，本领域的技术人员应该明白，上述的本申请的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本申请不限制于任何特定的硬件和软件结合。

此外，尽管已经在本文中描述了示例性实施例，其范围包括任何和所有基于本申请的具有等同元件、修改、省略、组合(例如，各种实施例交叉的方案)、改编或改变的实施例。权利要求书中的元件将被基于权利要求中采用的语言宽泛地解释，并不限于在本说明书中或本申请的实施期间所描述的示例，其示例将被解释为非排他性的。因此，本说明书和示例旨在仅被认为是示例，真正的范围和精神由以下权利要求以及其等同物的全部范围所指示。

以上描述旨在是说明性的而不是限制性的。例如，上述示例(或其一个或更多方案)可以彼此组合使用。例如本领域普通技术人员在阅读上述描述时可以使用其它实施例。另外，在上述具体实施方式中，各种特征可以被分组在一起以简单化本申请。这不应解释为一种不要求保护的公开的特征对于任一权利要求是必要的意图。相反，本申请的主题可以少于特定的公开的实施例的全部特征。从而，以下权利要求书作为示例或实施例在此并入具体实施方式中，其中每个权利要求独立地作为单独的实施例，并且考虑这些实施例可以以各种组合或排列彼此组合。本申请的范围应参照所附权利要求以及这些权利要求赋权的等同形式的全部范围来确定。

以上对本申请多个实施例进行了详细说明，但本申请不限于这些具体的实施例，本领域技术人员在本申请构思的基础上，能够做出多种变型和修改实施例，这些变型和修改都应落入本申请所要求保护的范围之内。

Claims (10)

1.一种人脸认证方法，其特征在于，包括：

获取目标用户的当前人脸图像以及所述目标用户的身份标识码；

将所述当前人脸图像裁剪为预设尺寸，得到当前目标图像；

利用预先训练好的对比模型对所述当前目标图像以及所述身份标识码对应的历史人脸图像进行计算，得到对比结果；

基于所述对比结果确定所述人脸图像是否通过认证。

2.根据权利要求1所述的人脸认证方法，其特征在于，所述利用预先训练好的对比模型对所述当前目标图像以及所述身份标识码对应的历史人脸图像进行计算，得到对比结果，包括：

将所述当前目标图像和所述历史人脸图像作为所述对比模型的输入，以使所述对比模型计算得到所述当前目标图像对应的当前特征向量和所述历史人脸图像对应的历史特征向量；

得到所述对比模型输出的对比结果；其中，所述对比结果为所述当前特征向量与所述历史特征向量之间的相似度。

3.根据权利要求2所述的人脸认证方法，其特征在于，所述基于所述对比结果确定所述人脸图像是否通过认证，包括：

若所述相似度大于或等于所述预设阈值，确定所述人脸图像通过认证；

若所述相似度小于所述预设阈值，确定所述人脸图像未通过认证。

4.根据权利要求1所述的人脸认证方法，其特征在于，还包括训练所述对比模型的步骤：

获取训练样本集；所述训练样本集包括多个训练样本子集；

在所述训练样本子集包括同一个身份标识码对应的至少两个人脸图像样本的情况下，将所述训练样本子集中任意两个所述人脸图像样本输入至待训练的对比模型中，得到第一实际结果；所述第一实际结果表示任意两个所述人脸图像样本之间的相似度；

计算所述第一实际结果与第一预设阈值之间的第一差值，若所述第一差值大于允许的第一误差值，则调整所述待训练的对比模型的参数，直至所述第一差值小于所述第一误差值。

5.根据权利要求4所述的人脸认证方法，其特征在于，还包括：

在所述训练样本子集包括不同身份标识码对应的两个人脸图像样本的情况下，将所述训练样本子集中的两个所述人脸图像样本输入至待训练的对比模型中，得到第二实际结果；所述第二实际结果表示两个所述人脸图像样本之间的相似度；

计算所述第二实际结果与第二预设阈值之间的第二差值，若所述第二差值小于允许的第二误差值，则调整所述待训练的对比模型的参数，直至所述第二差值小于所述第二误差值。

6.一种人脸认证装置，其特征在于，包括：

获取模块，其配置地获取目标用户的当前人脸图像以及所述目标用户的身份标识码；

裁剪模块，其配置地将所述当前人脸图像裁剪为预设尺寸，得到当前目标图像；

计算模块，其配置地利用预先训练好的对比模型对所述当前目标图像以及所述身份标识码对应的历史人脸图像进行计算，得到对比结果；

确定模块，其配置地基于所述对比结果确定所述人脸图像是否通过认证。

7.根据权利要求6所述的人脸认证装置，其特征在于，所述计算模块具体配置为：

将所述当前目标图像和所述历史人脸图像作为所述对比模型的输入，以使所述对比模型计算得到所述当前目标图像对应的当前特征向量和所述历史人脸图像对应的历史特征向量；

得到所述对比模型输出的对比结果；其中，所述对比结果为所述当前特征向量与所述历史特征向量之间的相似度。

8.根据权利要求6所述的人脸认证装置，其特征在于，所述确定模块具体配置为：

若所述相似度大于或等于所述预设阈值，确定所述人脸图像通过认证；

若所述相似度小于所述预设阈值，确定所述人脸图像未通过认证。

9.一种存储介质，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下步骤：

获取目标用户的当前人脸图像以及所述目标用户的身份标识码；

将所述当前人脸图像裁剪为预设尺寸，得到当前目标图像；

利用预先训练好的对比模型对所述当前目标图像以及所述身份标识码对应的历史人脸图像进行计算，得到对比结果；

基于所述对比结果确定所述人脸图像是否通过认证。

10.一种电子设备，其特征在于，包括：处理器和存储器，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下步骤：

获取目标用户的当前人脸图像以及所述目标用户的身份标识码；

将所述当前人脸图像裁剪为预设尺寸，得到当前目标图像；

利用预先训练好的对比模型对所述当前目标图像以及所述身份标识码对应的历史人脸图像进行计算，得到对比结果；

基于所述对比结果确定所述人脸图像是否通过认证。

Images