CN113627263B - 一种基于人脸检测的曝光方法、装置以及设备 - Google Patents

Abstract

本说明书实施例公开了一种基于人脸检测的曝光方法、装置以及设备，方法包括：通过多模态摄像头的2D模态，对用户进行人脸检测；若所述人脸检测成功，则根据所述人脸检测的结果确定所述用户的身份；若所述人脸检测失败，则判定所述人脸检测失败的原因类型；根据所述人脸检测失败的原因类型，在所述多模态中选择模态作为人脸重定位模态；通过所述人脸重定位模态对所述用户重新进行人脸检测，以确定出所述人脸的位置信息；根据所述人脸的位置信息进行局部自动曝光处理。

Description

一种基于人脸检测的曝光方法、装置以及设备

技术领域

本说明书涉及计算机技术领域，尤其涉及一种基于人脸检测的曝光方法、装置以及设备。

背景技术

人脸检测是人脸识别系统中的一个关键环节，目前已经广泛应用于门禁身份验证、线下支付等诸多日常生活领域，并发挥着极其重要的作用。其中，人脸检测包括采用一定的手段在预设范围内进行检测判别，以确定预设范围内是否含有人脸，若确定出预设范围内有人脸，则返回该人脸相应信息。

在现有技术中，基于2D模态人脸检测的研究时间比较长，相对更加成熟，同时，2D模态人脸检测的速度相对于其他方式更快。

基于上述理由，现有技术大多采用2D模态的摄像头进行人脸检测，进而完成人脸识别，但是在一些特殊情况下，比如户外光线很差或者有人脸遮挡等情况下，检测效果会变得不可靠，进而影响了人脸识别结果的可靠性。

基于此，需要能够兼顾人脸识别速度且有助于提高人脸识别结果的可靠性的方案。

发明内容

本说明书一个或多个实施例提供了一种基于人脸检测的曝光方法、装置、设备以及介质，用于解决如下技术问题：需要能够兼顾人脸识别速度且有助于提高人脸识别结果的可靠性的方案。

本说明书一个或多个实施例采用下述技术方案：

本说明书一个或多个实施例提供一种基于人脸检测的曝光方法，包括：

通过多模态摄像头的2D模态，对用户进行人脸检测；

若所述人脸检测成功，则根据所述人脸检测的结果确定所述用户的身份；

若所述人脸检测失败，则判定所述人脸检测失败的原因类型；

根据所述人脸检测失败的原因类型，在所述多模态中选择模态作为人脸重定位模态；

通过所述人脸重定位模态对所述用户重新进行人脸检测，以确定出所述人脸的位置信息；

根据所述人脸的位置信息进行局部自动曝光处理。

本说明书一个或多个实施例还提供一种基于人脸检测的曝光装置，包括：

模态检测单元，通过多模态摄像头的2D模态，对用户进行人脸检测；

结果确定单元，若所述人脸检测成功，则根据所述人脸检测的结果确定所述用户的身份；

类型判定单元，若所述人脸检测失败，则判定所述人脸检测失败的原因类型；

模态选择单元，根据所述人脸检测失败的原因类型，在所述多模态中选择模态作为人脸重定位模态；

模态重检单元，通过所述人脸重定位模态对所述用户重新进行人脸检测，以确定出所述人脸的位置信息；

局部曝光单元，根据所述人脸的位置信息进行局部自动曝光处理。

本说明书一个或多个实施例还提供一种基于人脸检测的曝光设备，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：

通过多模态摄像头的2D模态，对用户进行人脸检测；

若所述人脸检测成功，则根据所述人脸检测的结果确定所述用户的身份；

若所述人脸检测失败，则判定所述人脸检测失败的原因类型；

根据所述人脸检测失败的原因类型，在所述多模态中选择模态作为人脸重定位模态；

通过所述人脸重定位模态对所述用户重新进行人脸检测，以确定出所述人脸的位置信息；

根据所述人脸的位置信息进行局部自动曝光处理。

本说明书一个或多个实施例提供的一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：

通过多模态摄像头的2D模态，对用户进行人脸检测；

若所述人脸检测成功，则根据所述人脸检测的结果确定所述用户的身份；

若所述人脸检测失败，则判定所述人脸检测失败的原因类型；

根据所述人脸检测失败的原因类型，在所述多模态中选择模态作为人脸重定位模态；

通过所述人脸重定位模态对所述用户重新进行人脸检测，以确定出所述人脸的位置信息；

根据所述人脸的位置信息进行局部自动曝光处理。

本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：基于2D模态检测速度快的优势，先通过2D模态进行人脸检测，若人脸检测成功，则有助于直接兼顾人脸识别速度和可靠性，而若人脸检测失败(比如，在背景技术中提到的一些特殊情况下)，还可以根据人脸检测失败的原因类型，选择其他的模态进行人脸检测以确定人脸位置，而未必要利用其他的模态进一步识别用户身份，确定的人脸位置则用于进行曝光处理，进而使得即使基于2D模态也能够更可靠地识别，因此不会对识别速度产生过度的影响，能够兼顾人脸识别速度且有助于提高人脸识别结果的可靠性。

附图说明

为了更清楚地说明本说明书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说明书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。在附图中：

图1为本说明书一个或多个实施例提供的一种基于人脸检测的曝光方法的流程示意图；

图2为本说明书一个或多个实施例提供的一种线下支付方法的具体流程示意图；

图3为本说明书一个或多个实施例提供的一种基于人脸检测的曝光装置的结构示意图；

图4为本说明书一个或多个实施例提供的一种基于人脸检测的曝光设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书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说明书一部分实施例，而不是全部的实施例。基于本说明书实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书保护的范围。

为了提高人脸识别效果，本方案考虑对摄像头取景区域中的人脸区域进行局部的自动曝光处理，从而，能够提高2D人脸图像的质量，不仅如此，这种处理方案对于基于2D模态以外的其他一些模态(这些模态往往与2D模态结合使用)的人脸识别也可能提供有效帮助。但是，背景技术中提到特殊情况同样会影响这种曝光处理，比如，在户外光线很差的情况下，人脸位置甚至都难以确定，从而难以准确地进行局部曝光处理，

基于此，本方案力求更可靠实现在人脸区域的自动曝光处理，为了实现这个目的，需要使用多模态摄像头，多模态使得本方案得以实现，而本方案的实现又反哺多模态，使得多模态更好地工作，对于人脸识别而言具有一加一大于二的有益效果。下面详细说明。

图1为本说明书一个或多个实施例提供的一种基于人脸检测的曝光方法的流程示意图，该流程可以由商户业务领域或人脸检测领域的计算设备(比如，人脸检测业务对应的服务器或者智能移动终端，以及商户业务对应的服务器或智能终端)执行，流程中的某些输入参数或者中间结果允许人工干预调节，以帮助提高准确性。

上面提到的多模态比如包括2D模态、3D模态、红外光谱(Infrared Radiation，IR)模态等，这些模态可以分别基于不同的原理实现人脸识别，具有各自的优点和缺点。以2D模态和3D模态为例，一般地，2D模态通过2D图像进行人脸识别，3D模态通过3D结构光投影进行人脸识别。

2D模态为平面成像，存在深度信息丢失的问题，从而难以完整地表达出真实人脸，可能会被照片、视频、化妆、人皮面具等方式欺骗。3D模态则具有更完整的特征表现能力，安全性更高，但是相对地运算量也大、识别速度慢，训练样本容易缺乏。基于此，结合多模态进行人脸识别，多模态摄像头在该领域的使用也将会变成技术发展趋势。

在本说明书实施例中，基于2D模态人脸检测速度快这一优点，并且大多数情况下也是可以通过2D模态顺利完成人脸检测，优先考虑对用户进行2D模态的人脸检测。基于此，在人脸识别的过程中，可以先执行S102。

S102包括：通过多模态摄像头的2D模态，对用户进行人脸检测。

S102中的多模态包括2D模态与其他模态，其他模态为2D模态无法人脸检测失败时采用的模态，根据实际情况部署其他模态。下面的一些实施例中以其他模态至少包括3D模态或者IR模态为例进行说明。

通过2D模态对用户进行人脸检测，若人脸检测成功，则执行S104，若人脸检测失败，则执行S106。

由此可以看出，本说明书实施例优先选择人脸检测速度较快的2D模态，可以极大的提高人脸检测的效率，并且也尽可能的保证所有的用户可以通过人脸检测。

下面分别对S104与S106进行说明：

S104包括根据人脸检测的结果确定用户的身份。

人脸检测的结果比如包括人脸的位置、大小和姿态等相关信息。该过程中，根据人脸检测时采集到的2D人脸图像，可能直接识别出用户的身份，而未必需要进行自动曝光等额外的处理动作，如此对于用户而言速度快体验好。在这种情况下，其他模态未必需要派上用场，除非是需要进一步提高安全性，本方案重点关注的还是流程走向S106的那种情况。

一般地，确定出人脸的相关信息仅仅是中间过程，还是需要借助人脸的相关信息确定用户的身份，最终通过识别出的用户身份进行相应的业务操作。比如，用户在支付设备前支付时，通过2D模态对该用户进行人脸检测，若人脸检测成功，还可能据此进一步地在2D人脸区域上，通过执行人脸识别算法识别出用户的身份，进而完成该用户的支付流程。

S106包括判定人脸检测失败的原因类型。

通过多模态摄像头的2D模态进行人脸检测，在人脸检测失败时也可以得出检测结果，该检测结果可以为结果图像数据，此时，可以根据该结果图像数据中人脸亮度的相关信息，判定出人脸检测失败的原因类型。其中，人脸检测失败的原因类型包括但不限于光线异常、人脸遮挡、人脸美化等。

下面针对不同人脸检测失败的原因类型，举例说明判定人脸检测失败的原因类型的可选方案：

比如，若检测结果为人脸的整体亮度偏离预先设定的正常阈值(人脸的整体亮度过暗或过亮)，则可以判定人脸检测失败的原因类型为光线异常；再比如，在人脸区域中检测锐利度超过期望值的分割线(比如，可能是口罩、围巾或者墨镜等遮挡物的边缘线)，则可以判定人脸检测失败的原因类型为人脸遮挡；。再比如，假定检测出人脸一些特定区域(比如，眼部)很清晰明确，但是，对比度或者细节特征明显不符合常规人脸(比如，过于平滑、过于浓重等)，则可以判定人脸检测失败的原因类型为人脸美化。

在判定出人脸检测失败的原因类型后，可以执行S108。

S108包括根据人脸检测失败的原因类型，在多模态中选择模态作为人脸重定位模态，之后执行S110。通过2D模态人脸检测失败后，需要其他模态来辅助解决2D模态遇到的问题，需要说明的是，选择人脸重定位模态这个动作可以是隐含在基于助于算法选择等其他一些动作中的，比如，选择了某算法而没有显性地直接选择3D模态，但是该算法是需要使用3D模态的，则认为事实上选择了3D模态作为人脸重定位模态。

下面对不同的情况分别举例说明：

若人脸检测失败的原因类型为光线异常，则在多模态中选择3D模态或者IR模态作为人脸重定位模态。对光线存在异常进行分析：

在人脸检测中，周围环境的光线情况是人脸检测的重要因素，当外界光线过暗或过亮时，2D模态下进行人脸检测很容易使得人脸特征的过暗或过亮，最终可能使得人脸检测失败。这就需要选择3D模态或者红外光谱IR模态这类不依赖于可见光的模态作为人脸重定位模态。

3D模态是将激光投影到被拍摄物体上反射，再由专门的摄像头进行采集，利用三角形相似的原理进行计算，从而得出图像上每个点的深度信息，最终得到三维数据，3D模态能更好的表达出真实人脸。

IR模态主要是利用特制的红外灯人为产生红外辐射，产生人眼看不见而普通摄像机能捕捉到的红外光，辐射照明景物和环境，利用普通低照度CCD黑白摄像机或红外低照度彩色摄像机去感受周围环境反射回来的红外光的强度变化，从而完成人脸检测。

若人脸检测失败的原因类型为人脸遮挡，则准备利用可选的遮挡检测算法进行去遮挡区域识别、去遮挡或者保持遮挡状态识别等处理，而不同的遮挡检测算法对于模态可能有不同的需求，因此，在多模态中选择与待使用的遮挡检测算法匹配的模态作为人脸重定位模态。对人脸存在遮挡进行分析：

在人脸检测中，人脸特征的完整性也是人脸检测的重要因素，当受到外界干扰较多，外界的条件发生明显变化时，很容易使得人脸特征的不完整，比如，人脸存在遮挡，造成部分特征的消失，导致人脸图像特征不完整时，通过2D模态进行人脸检测可能就会失败。这就需要选择遮挡检测算法匹配的模态作为人脸重定位模态。

人脸存在遮挡，也是可以分为多种类型，每种类型还可能分为多种子类型。

下面对人脸遮挡的类型进行说明：

第一种类型，光线遮挡：由于不均匀的光线投射在人脸的不同部位所引起的遮挡；

第二种类型，实物遮挡：覆盖在人脸上的物品，包括帽子、眼镜、围巾以及口罩；

第三种类型，自遮挡：是由于人体姿势导致的，比如侧脸时进行人脸检测。

本说明书实施例在判断出人脸存在遮挡的前提下，还可以进一步判定出遮挡的类型，以及各种类型下的子类型。

例如，若处于传染病暴发期间，每个用户皆需要佩戴口罩。若用户佩戴口罩时，通过2D模态进行人脸检测，因为人脸存在遮挡，所以人脸检测的结果可能会失败，人脸检测失败的原因类型将会判定为人脸遮挡，在判定出人脸遮挡的前提下，还可以继续判定出人脸遮挡物为口罩。

在本说明书实施例中，考虑到目前正是新冠肺炎肆虐全球的时期，戴口罩的用户很多，强制要求戴口罩的场景也很多。而在用户戴口罩的情况下，基于2D模态的人脸检测或者识别往往容易失败，在一些场景下，比如地铁、公交等周围人物繁杂的公共场景下，一些用户基于安全性考虑，人脸识别失败后并不情愿从人脸识别的认证模式切换至输入密码或者手势的认证模式，因为可能被周围人偷窥，于是这些用户选择冒险(包括感染疾病的风险和被周围人指责的风险)迅速地拉下自己的口罩，尝试重新进行人脸检测或者识别，又迅速地戴回口罩。

基于此，本方案考虑给有这类思想和行为习惯的用户提供便利性。具体比如，在第一次基于2D模态的人脸检测失败后，若判定出失败原因为人脸遮挡，且人脸遮挡物为口罩，则也可以暂且不重新选择模态作为人脸重定位模态以及执行后续步骤，而是先执行预设的2D重检测，以便给予上面那类用户迅速摘口罩重试的机会，从而很可能使得2D重检测成功。当然，若确定2D重检测的结果仍为检测失败，则可以继续执行S108。

需要说明的是，这里的重检测并非普通的重试，而是为了配合用户习惯，力求降低用户风险同时又力求提高重检测成功的可能性，拟定了额外措施，在该额外措施辅助下的重试，额外措施至少包括适应于用户习惯和风险，极限性地调节曝光时间。

具体比如，这里的2D重检测包括：将多模态摄像头的至少部分关键取景区域的曝光时间设定为预定的最小值，通过多模态摄像头的2D模态，在预定的最小风险时间内尝试重新进行人脸检测。最小风险时间可以是根据用户暂时拉下口罩后又及时重新戴好口罩的预期最短时间设定的。一种较为理想的设定情况是：将曝光时间设定得尽量最短(一般地，曝光时间越短会导致越多的采样细节丢失从而不利于检测成功)，刚刚好够检测成功是很合适的，此时，需要用户暴露面部的时间最短，风险小，用户体验好。

在本说明书实施例中，S110包括通过人脸重定位模态对用户重新进行人脸检测，以确定出人脸的位置信息，之后执行S112。

人脸的位置信息可以包括2D人脸区域坐标。2D人脸区域坐标可以为人脸检测提供准确的位置信息。

执行S112的过程中，根据人脸的位置信息进行局部自动曝光处理。

在人脸的位置信息包括2D人脸区域坐标的情况下，可以根据2D人脸区域坐标，对2D人脸区域进行局部自动曝光处理，比如，自动将人脸区域的曝光时间增加至一个合理值。

自动曝光处理(Automatic Exposure，AE)的目的是在不同的照明条件和场景中实现欣赏亮度级别，从而捕获的视频或图像既不太暗也不太亮，为了达到目的需要调节镜头孔径，传感的曝光时间。

进一步地，关于人脸检测失败的原因类型，除了上述提到的光线异常与人脸遮挡，还存在人脸美化导致的人脸检测失败。人脸美化是指运用化妆品和工具对人的面部与五官进行渲染、描画、整理，增强立体印象，调整形色，掩饰缺陷，表现神采，从而达到美化的目的，比如，女士使用粉底调整肤色、掩盖皮肤缺陷。

用户人脸美化后再进行人脸检测，执行S102时，通过2D模态对该用户进行人脸检测，若人脸检测失败，需要执行S106，若判定人脸检测失败的原因类型为人脸美化；再执行S108，通过针对人脸美化选择的人脸重定位模态对用户重新进行人脸检测，之后执行S110，在人脸上确定出关键美化区域(比如，如果是眼影重，则关键美化区域包括眼部区域)，最后执行S112，对关键美化区域进行预定的局部过曝处理。

在实际应用中，关键美化区域的特征细节往往是识别失败的主要原因，因此，本方案考虑对关键美化区域进行程度合适的过曝处理(比如，使得该区域对应的图像偏向于发白过亮，只展示大致的轮廓而表现不出太多细节，当然，若是完全亮白一片没有细节也是不合适的)，以减少该区域的特征细节量，从而降低关键美化区域对整张人脸识别效果的影响程度，其他一些区域更反映出真实的用户，从而，如此处理后更有可能识别成功。

用户在进行人脸检测时，还可能存在多张人脸同时进入到同一个识别范围内，这就造成多张人脸同时被识别，本说明书实施例可以自动选择多张人脸中面积的最大的人脸，也可以生成多个选项，供用户进行手动选择，在确定出待识别的人脸后，可以再执行S102。

本说明书实施例可以应用在刷脸支付场景下，在完成人脸检测后，根据人脸局部自动曝光处理结果，确定用户的身份，根据用户的身份，执行用户的刷脸支付业务。

对于本方案，可以在一些不利的条件下测试效果，如此更加直观。比如，在较暗的环境下进行检测，人脸成像开始可能几乎是黑的，若利用了本方案，可以看到人脸区域慢慢亮起来，而若未利用本方案，可以看到人脸成像始终是黑的。另外，若还部分遮挡了人脸，在利用了本专利的情况下，仍然可以看到人脸区域慢慢亮起来，而未利用本方案则人脸成像始终是黑的。

为了更清楚说明本说明书实施例所要表达的方案，本说明书实施例还提供的一种线下支付方法的具体流程示意图，参见图2，具体流程为：

S202，通过2D模态对用户进行人脸检测。

S204，判断人脸检测是否失败，若人脸检测失败，执行S206；若人脸检测成功，则执行步骤S218。

S206，检测人脸检测失败原因，若人脸检测失败原因为人脸遮挡，则执行S208；若人脸检测失败原因为光线异常，则执行S210。

S208，通过遮挡检测算法匹配的模态重新进行人脸检测，之后执行S212。

S210，通过3D模态或者红外光谱IR模态重新进行人脸检测，之后执行S214。

S212，获取RGB人脸位置信息，之后执行S216。

S214，3D模态或者红外光谱IR模态人脸检测框对齐到RGB人脸框，之后执行S216。

S216，多张人脸时，选择面积最大距离最近居中的人脸。

S218，下发选择的人脸坐标到摄像头驱动做局部AE，之后结束AE。

根据上面的分析说明，本方案至少能够达以下的有益效果：基于2D模态检测速度快的优势，先通过2D模态进行人脸检测，若人脸检测成功，则有助于直接兼顾人脸识别速度和可靠性，而若人脸检测失败(比如，在背景技术中提到的一些特殊情况下)，还可以根据人脸检测失败的原因类型，选择其他的模态进行人脸检测以确定人脸位置，而未必要利用其他的模态进一步识别用户身份，确定的人脸位置则用于进行曝光处理，进而使得即使基于2D模态也能够更可靠地识别，因此不会对识别速度产生过度的影响，能够兼顾人脸识别速度且有助于提高人脸识别结果的可靠性。除此之外，对于诸如传染病肆虐下的地铁戴口罩等具体场景，还有更多的显著有益效果，能够有效地提高用户体验，为公众安全做贡献。

基于同样的思路，与图1对应的实施例相对应的是，图3为本说明书一个或多个实施例提供的一种基于人脸检测的曝光装置的结构示意图，包括：模态检测单元302、结果确定单元304、类型判定单元306、模态选择单元308、模态重检单元310以及局部曝光单元312。

模态检测单元302，通过多模态摄像头的2D模态，对用户进行人脸检测；

结果确定单304，若所述人脸检测成功，则根据所述人脸检测的结果确定所述用户的身份；

类型判定单元306，若所述人脸检测失败，则判定所述人脸检测失败的原因类型；

模态选择单元308，根据所述人脸检测失败的原因类型，在所述多模态中选择模态作为人脸重定位模态；

模态重检单元310，通过所述人脸重定位模态对所述用户重新进行人脸检测，以确定出所述人脸的位置信息；

局部曝光单元312，根据所述人脸的位置信息进行局部自动曝光处理。

进一步的，所述模态选择单元执行所述根据所述人脸检测失败的原因类型，在所述多模态中选择模态作为人脸重定位模态时，具体用于：

若所述人脸检测失败的原因类型为光线异常，则在所述多模态中选择3D模态或者红外光谱IR模态作为人脸重定位模态。

进一步的，所述模态选择单元执行所述根据所述人脸检测失败的原因类型，在所述多模态中选择模态作为人脸重定位模态时，具体用于：

若所述人脸检测失败的原因类型为人脸遮挡，则在所述多模态中选择与待使用的遮挡检测算法匹配的模态作为人脸重定位模态。

进一步的，所述模态选择单元执行所述根据所述人脸检测失败的原因类型，在所述多模态中选择模态作为人脸重定位模态之前，所述装置还包括：口罩检测单元，具体用于

若所述人脸检测失败的原因类型为人脸遮挡，且判定人脸遮挡物为口罩，则执行预设的2D重检测，确定所述2D重检测的结果仍为检测失败；

其中，所述2D重检测包括：

将所述多模态摄像头的至少部分关键取景区域的曝光时间设定为预定的最小值，通过所述多模态摄像头的2D模态，在预定的最小风险时间内尝试重新进行人脸检测，所述最小风险时间是根据用户暂时拉下口罩后又及时重新戴好口罩的预期最短时间设定的。

进一步的，所述模态重检单元执行所述通过所述人脸重定位模态对所述用户重新进行人脸检测，以确定出所述人脸的位置信息时，具体用于：

若所述人脸检测失败的原因类型为人脸美化，通过针对人脸美化选择的人脸重定位模态对所述用户重新进行人脸检测，以在所述人脸上确定出关键美化区域；

所述局部曝光单元还用于：

对所述关键美化区域进行预定的局部过曝处理。

进一步的，所述人脸的位置信息包括2D人脸区域坐标；所述局部曝光执行所述根据所述人脸的位置信息进行局部自动曝光处理时，具体用于：

根据所述2D人脸区域坐标，对所述2D人脸区域进行局部自动曝光处理。

进一步的，所述局部曝光执行所述根据所述人脸的位置信息进行局部自动曝光处理之后，所述装置还包括：刷脸支付单元，具体用于：

根据所述局部自动曝光处理结果，确定所述用户的身份；

根据所述用户的身份，执行所述用户的刷脸支付业务。

图4为本说明书一个或多个实施例提供的一种基于人脸检测的曝光设备的结构示意图，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：

通过多模态摄像头的2D模态，对用户进行人脸检测；

若所述人脸检测成功，则根据所述人脸检测的结果确定所述用户的身份；

若所述人脸检测失败，则判定所述人脸检测失败的原因类型；

根据所述人脸检测失败的原因类型，在所述多模态中选择模态作为人脸重定位模态；

通过所述人脸重定位模态对所述用户重新进行人脸检测，以确定出所述人脸的位置信息；

根据所述人脸的位置信息进行局部自动曝光处理。

本说明书一个或多个实施例提供的一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：

通过多模态摄像头的2D模态，对用户进行人脸检测；

若所述人脸检测成功，则根据所述人脸检测的结果确定所述用户的身份；

若所述人脸检测失败，则判定所述人脸检测失败的原因类型；

根据所述人脸检测失败的原因类型，在所述多模态中选择模态作为人脸重定位模态；

通过所述人脸重定位模态对所述用户重新进行人脸检测，以确定出所述人脸的位置信息；

根据所述人脸的位置信息进行局部自动曝光处理。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本说明书实施例可提供为方法、系统、或计算机程序产品。因此，本说明书实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

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相似的部分互相参见即可，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、设备、非易失性计算机存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

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。

以上所述仅为本说明书的一个或多个实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书的一个或多个实施例可以有各种更改和变化。凡在本说明书的一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。

Claims (11)

1.一种基于人脸检测的曝光方法，包括：

通过多模态摄像头的2D模态，对用户进行人脸检测；

若所述人脸检测成功，则根据所述人脸检测的结果确定所述用户的身份；

若所述人脸检测失败，则判定所述人脸检测失败的原因类型；

根据所述人脸检测失败的原因类型，在所述多模态中选择模态作为人脸重定位模态，具体包括：若所述人脸检测失败的原因类型为人脸遮挡，则在所述多模态中选择与待使用的遮挡检测算法匹配的模态作为人脸重定位模态；

通过所述人脸重定位模态对所述用户重新进行人脸检测，以确定出所述人脸的位置信息；

根据所述人脸的位置信息进行局部自动曝光处理；

所述根据所述人脸检测失败的原因类型，在所述多模态中选择模态作为人脸重定位模态之前，所述方法还包括：

若所述人脸检测失败的原因类型为人脸遮挡，且判定人脸遮挡物为口罩，则执行预设的2D重检测，确定所述2D重检测的结果仍为检测失败；

其中，所述2D重检测包括：

将所述多模态摄像头的至少部分关键取景区域的曝光时间设定为预定的最小值，通过所述多模态摄像头的2D模态，在预定的最小风险时间内尝试重新进行人脸检测，所述最小风险时间是根据用户暂时拉下口罩后又及时重新戴好口罩的预期最短时间设定的。

2.根据权利要求1所述的方法，所述根据所述人脸检测失败的原因类型，在所述多模态中选择模态作为人脸重定位模态，具体包括：

若所述人脸检测失败的原因类型为光线异常，则在所述多模态中选择3D模态或者红外光谱IR模态作为人脸重定位模态。

3.根据权利要求1所述的方法，所述通过所述人脸重定位模态对所述用户重新进行人脸检测，以确定出所述人脸的位置信息，具体包括：

若所述人脸检测失败的原因类型为人脸美化，通过针对人脸美化选择的人脸重定位模态对所述用户重新进行人脸检测，以在所述人脸上确定出关键美化区域；

所述方法还包括：

对所述关键美化区域进行预定的局部过曝处理。

4.根据权利要求1所述的方法，所述人脸的位置信息包括2D人脸区域坐标；所述根据所述人脸的位置信息进行局部自动曝光处理，具体包括：

根据所述2D人脸区域坐标，对所述2D人脸区域进行局部自动曝光处理。

5.根据权利要求1~4任一项所述的方法，所述根据所述人脸的位置信息进行局部自动曝光处理之后，所述方法还包括：

根据所述局部自动曝光处理结果，确定所述用户的身份；

根据所述用户的身份，执行所述用户的刷脸支付业务。

6.一种基于人脸检测的曝光装置，包括：

模态检测单元，通过多模态摄像头的2D模态，对用户进行人脸检测；

结果确定单元，若所述人脸检测成功，则根据所述人脸检测的结果确定所述用户的身份；

类型判定单元，若所述人脸检测失败，则判定所述人脸检测失败的原因类型；

模态选择单元，根据所述人脸检测失败的原因类型，在所述多模态中选择模态作为人脸重定位模态，具体用于：若所述人脸检测失败的原因类型为人脸遮挡，则在所述多模态中选择与待使用的遮挡检测算法匹配的模态作为人脸重定位模态；

模态重检单元，通过所述人脸重定位模态对所述用户重新进行人脸检测，以确定出所述人脸的位置信息；

局部曝光单元，根据所述人脸的位置信息进行局部自动曝光处理；

所述模态选择单元执行所述根据所述人脸检测失败的原因类型，在所述多模态中选择模态作为人脸重定位模态之前，所述装置还包括：口罩检测单元，具体用于：

若所述人脸检测失败的原因类型为人脸遮挡，且判定人脸遮挡物为口罩，则执行预设的2D重检测，确定所述2D重检测的结果仍为检测失败；

其中，所述2D重检测包括：

将所述多模态摄像头的至少部分关键取景区域的曝光时间设定为预定的最小值，通过所述多模态摄像头的2D模态，在预定的最小风险时间内尝试重新进行人脸检测，所述最小风险时间是根据用户暂时拉下口罩后又及时重新戴好口罩的预期最短时间设定的。

7.根据权利要求6所述的装置，所述模态选择单元执行所述根据所述人脸检测失败的原因类型，在所述多模态中选择模态作为人脸重定位模态时，具体用于：

若所述人脸检测失败的原因类型为光线异常，则在所述多模态中选择3D模态或者红外光谱IR模态作为人脸重定位模态。

8.根据权利要求6所述的装置，所述模态重检单元执行所述通过所述人脸重定位模态对所述用户重新进行人脸检测，以确定出所述人脸的位置信息时，具体用于：

若所述人脸检测失败的原因类型为人脸美化，通过针对人脸美化选择的人脸重定位模态对所述用户重新进行人脸检测，以在所述人脸上确定出关键美化区域；

所述局部曝光单元还用于：

对所述关键美化区域进行预定的局部过曝处理。

9.根据权利要求6所述的装置，所述人脸的位置信息包括2D人脸区域坐标；所述局部曝光执行所述根据所述人脸的位置信息进行局部自动曝光处理时，具体用于：

根据所述2D人脸区域坐标，对所述2D人脸区域进行局部自动曝光处理。

10.根据权利要求6~9任一项所述的装置，所述局部曝光执行所述根据所述人脸的位置信息进行局部自动曝光处理之后，所述装置还包括：刷脸支付单元，具体用于：

根据所述局部自动曝光处理结果，确定所述用户的身份；

根据所述用户的身份，执行所述用户的刷脸支付业务。

11.一种基于人脸检测的曝光设备，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：

通过多模态摄像头的2D模态，对用户进行人脸检测；

若所述人脸检测成功，则根据所述人脸检测的结果确定所述用户的身份；

若所述人脸检测失败，则判定所述人脸检测失败的原因类型；

根据所述人脸检测失败的原因类型，在所述多模态中选择模态作为人脸重定位模态，具体包括：若所述人脸检测失败的原因类型为人脸遮挡，则在所述多模态中选择与待使用的遮挡检测算法匹配的模态作为人脸重定位模态；

通过所述人脸重定位模态对所述用户重新进行人脸检测，以确定出所述人脸的位置信息；

根据所述人脸的位置信息进行局部自动曝光处理；

所述根据所述人脸检测失败的原因类型，在所述多模态中选择模态作为人脸重定位模态之前，还包括：

若所述人脸检测失败的原因类型为人脸遮挡，且判定人脸遮挡物为口罩，则执行预设的2D重检测，确定所述2D重检测的结果仍为检测失败；

其中，所述2D重检测包括：

将所述多模态摄像头的至少部分关键取景区域的曝光时间设定为预定的最小值，通过所述多模态摄像头的2D模态，在预定的最小风险时间内尝试重新进行人脸检测，所述最小风险时间是根据用户暂时拉下口罩后又及时重新戴好口罩的预期最短时间设定的。