CN114973352A - 人脸识别方法、装置、设备及存储介质 - Google Patents

Abstract

本申请实施例涉及人脸识别领域，并提供一种人脸识别方法、装置、设备及存储介质，该方法包括从显存中读取待识别人脸特征及预设人脸特征至每个存储单元；所述待识别人脸特征由待识别人脸图像的人脸特征进行编码得到；基于每个存储单元与缓存的读写操作，得到相似度集合；所述相似度集合包括所述待识别人脸特征与各预设人脸特征之间的相似度；将所述相似度集合写入所述显存；根据所述相似度集合从所述显存中获取目标人脸特征；输出所述目标人脸特征对应的用户标识。本方案能够提高人脸识别的效率。

Description

人脸识别方法、装置、设备及存储介质

技术领域

本申请实施例涉及人脸识别技术领域，尤其涉及一种人脸识别方法、装 置、设备及存储介质。

背景技术

目前，随着人脸识别技术的不断发展，在各个领域中人脸识别的应用也 越来越广泛，为了避免数据泄露，保护用户的隐私，通常需要基于人脸特征 的密文进行人脸识别，以满足现有监管体系下的合规性。

但是，由于密文相较于明文的数据体积更高，计算量也更大，加之受限 于图形处理器的显存带宽限制，识别效率将受到较大影响。

发明内容

本申请实施例提供了一种人脸识别方法、装置、设备及存储介质，能够 提高人脸识别的效率。

第一方面中，从人脸识别装置角度介绍本申请实施例提供的一种人脸识 别方法，该方法包括：

从显存中读取待识别人脸特征及预设人脸特征至每个存储单元；所述待 识别人脸特征由待识别人脸图像的人脸特征进行编码得到；

基于每个存储单元与缓存的读写操作，得到相似度集合；所述相似度集 合包括所述待识别人脸特征与各预设人脸特征之间的相似度；

将所述相似度集合写入所述显存；

根据所述相似度集合从所述显存中获取目标人脸特征；

输出所述目标人脸特征对应的用户标识。

一种可能的设计中，所述方法还包括：

采用流处理单元执行相似度运算、解密运算及解码运算；每个流处理单 元间并行执行每次运算。

一种可能的设计中，所述根据所述相似度集合从所述显存中获取目标人 脸特征包括：

从所述相似度集合中获取最大的相似度作为目标相似度；

从所述显存中获取所述目标相似度对应的人脸特征作为所述目标人脸特 征。

一种可能的设计中，所述方法还包括：

保存所述人脸特征库及所述目标人脸特征对应的用户标识至区块链节点 上。

第二方面中，本申请实施例提供了一种人脸识别装置，具有实现对应于 上述第一方面提供的操作提示方法的功能。所述功能可以通过硬件实现，也 可以通过硬件执行相应的软件实现。硬件或软件包括一个或多个与上述功能 相对应的模块，所述模块可以是软件和/或硬件。

一种可能的设计中，所述人脸识别装置包括：

处理模块，用于从显存中读取待识别人脸特征及预设人脸特征至每个存 储单元；所述待识别人脸特征由待识别人脸图像的人脸特征进行编码得到；

所述处理模块，还用于基于每个存储单元与缓存的读写操作，得到相似 度集合；所述相似度集合包括所述待识别人脸特征与各预设人脸特征之间的 相似度；

所述处理模块，还用于将所述相似度集合写入所述显存；

所述处理模块，还用于根据所述相似度集合从所述显存中获取目标人脸 特征；

收发模块，用于输出所述目标人脸特征对应的用户标识。

本申请实施例又一方面提供了一种计算机设备，所述计算机设备包括：

存储器，存储至少一个指令；及

处理器，执行所述存储器中存储的指令以实现如上述第一方面、第一方 面中的各种可能的设计中提供的方法。

本申请实施例又一方面提供了一种计算机可读存储介质，其包括指令， 当其在计算机上运行时，使得计算机执行上述第一方面、第一方面中的各种 可能的设计中提供的方法。

本申请实施例又一方面提供了一种计算机程序产品或计算机程序，该计 算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可 读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指 令，处理器执行该计算机指令，使得该计算机设备执行上述第一方面以及第 一方面中的各种可能的设计中提供的方法。

相较于现有技术，本申请实施例提供的方案中，一方面，所述相似度集 合为基于每个存储单元与缓存的读写操作得到，由于相似度集合的计算过程 中所涉及到的读写操作都是在每个存储单元中执行，而非在显存中执行，所 以能够减少对显存的频繁读写，无需受限于显存的带宽，进而提升了人脸识 别的效率；另一方面，以每个存储单元与缓存执行读写交互，并不限制于显 存对于数据类型的要求，使处理的数据不限制于图像数据类型。

附图说明

图1为本申请实施例提供的人脸识别场景示意图；

图2为本申请实施例提供的一种人脸识别方法的流程图；

图3a为本申请实施例中相似度运算、第一读写操作及第二读写操作中用 于执行读写操作的存储单元的一种可选示意图；

图3b为本申请实施例中相似度运算、第一读写操作及第二读写操作中用 于执行读写操作的存储单元的另一种可选示意图；

图3c为本申请实施例中相似度运算、第一读写操作及第二读写操作中用 于执行读写操作的存储单元的另一种可选示意图；

图4为本申请实施例中通过数据索引从人脸特征库中获取预设人脸特征 的示意图；

图5为本申请实施例提供的一种人脸识别装置的结构示意图；

图6为本申请实施例中手机的一种结构示意图；

图7为本申请实施例中服务器的一种结构示意图。

具体实施方式

本申请实施例的说明书和权利要求书及上述附图中的术语“第一”、“第二” 等是用于区别类似的对象(例如本申请实施例中的第一读写操作、第二读写 操作分别表示每个存储单元与缓存间的不同读写操作)，而不必用于描述特定 的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便 这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此 外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含， 例如，包含了一系列步骤或模块的过程、方法、系统、产品或设备不必限于 清楚地列出的那些步骤或模块，而是可包括没有清楚地列出的或对于这些过 程、方法、产品或设备固有的其它步骤或模块，本申请实施例中所出现的模 块的划分，仅仅是一种逻辑上的划分，实际应用中实现时可以有另外的划分 方式，例如多个模块可以结合成或集成在另一个系统中，或一些特征可以忽 略，或不执行，另外，所显示的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接口，模块之间的间接耦合或通信连接可以是电性或其 他类似的形式，本申请实施例中均不作限定。并且，作为分离部件说明的模 块或子模块可以是也可以不是物理上的分离，可以是也可以不是物理模块， 或者可以分布到多个电路模块中，可以根据实际的需要选择其中的部分或全 部模块来实现本申请实施例方案的目的。

本申请实施例提供一种人脸识别方法、装置、设备及存储介质，所述人 脸识别方法可用于人脸识别装置，所述人脸识别装置用于寻找失踪人员、寻 找犯罪嫌疑人、门禁等人脸识别场景，能够提高人脸识别效率。该人脸识别 装置可为服务器或服务终端，或者为部署于服务器或服务终端内的应用，本 申请实施例不对此作限定。本申请实施例以该人脸识别装置为服务器为例， 其他实施例的人脸识别方法可参考针对该人脸识别装置为服务器的实施例， 不作赘述。

本申请实施例的方案可基于人工智能技术实现，具体来说涉及人工智能 技术中的计算机视觉技术领域，下面将分别进行介绍。

人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得 最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科 学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智 能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设 计原理与实现方法，使机器具有感知、推理与决策的功能。

人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也 有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯 片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等 技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语 言处理技术以及机器学习/深度学习等几大方向。

计算机视觉技术(Computer Vision,CV)计算机视觉是一门研究如何使机器 “看”的科学，更进一步的说，就是指用摄影机和电脑代替人眼对目标进行 识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适 合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究 相关的理论和技术，试图建立能够从图像或者多维数据中获取信息的人工智 能系统。计算机视觉技术通常包括图像处理、图像识别、图像语义理解、图 像检索、OCR、视频处理、视频语义理解、视频内容/行为识别、三维物体重 建、3D技术、虚拟现实、增强现实、同步定位与地图构建等技术，还包括常 见的人脸识别、指纹识别等生物特征识别技术。

本申请实施例的方案还可基于云技术实现，具体来说涉及云技术中的云 计算、云存储和数据库等技术领域，下面将分别进行介绍。

云技术(Cloud technology)是指在广域网或局域网内将硬件、软件、网 络等系列资源统一起来，实现数据的计算、储存、处理和共享的一种托管技 术。云技术(Cloudtechnology)基于云计算商业模式应用的网络技术、信息 技术、整合技术、管理平台技术、应用技术等的总称，可以组成资源池，按 需所用，灵活便利。云计算技术将变成重要支撑。技术网络系统的后台服务 需要大量的计算、存储资源，如视频网站、图片类网站和更多的门户网站。 伴随着互联网行业的高度发展和应用，将来每个物品都有可能存在自己的识别标志，都需要传输到后台系统进行逻辑处理，不同程度级别的数据将会分 开处理，各类行业数据皆需要强大的系统后盾支撑，只能通过云计算来实现。 本申请实施例可通过云技术对终端下发提示信息，发送目标会话的页面等， 以及从终端获取会话记录。

云存储(cloud storage)是在云计算概念上延伸和发展出来的一个新的概念， 分布式云存储系统(以下简称存储系统)是指通过集群应用、网格技术以及分 布存储文件系统等功能，将网络中大量各种不同类型的存储设备(存储设备 也称之为存储节点)通过应用软件或应用接口集合起来协同工作，共同对外 提供数据存储和业务访问功能的一个存储系统。在本申请实施例中，可将网 络配置、配置实例、配置模型、转换模板、划分的网络区域等信息均保存在 该数据库中，便于服务器调取。

目前，存储系统的存储方法为：创建逻辑卷，在创建逻辑卷时，就为每 个逻辑卷分配物理存储空间，该物理存储空间可能是某个存储设备或者某几 个存储设备的磁盘组成。例如：所述存储系统可用于存储本申请实施例中的 人脸特征库。客户端在某一逻辑卷上存储数据，也就是将数据存储在文件系 统上，文件系统将数据分成许多部分，每一部分是一个对象，对象不仅包含 数据而且还包含数据标识(ID，ID entity)等额外的信息，文件系统将每个对 象分别写入该逻辑卷的物理存储空间，且文件系统会记录每个对象的存储位 置信息，从而当客户端请求访问数据时，文件系统能够根据每个对象的存储 位置信息让客户端对数据进行访问。

存储系统为逻辑卷分配物理存储空间的过程，具体为：按照对存储于逻 辑卷的对象的容量估量(该估量往往相对于实际要存储的对象的容量有很大 余量)和独立冗余磁盘阵列(RAID，Redundant Array of Independent Disk)的 组别，预先将物理存储空间划分成分条，一个逻辑卷可以理解为一个分条， 从而为逻辑卷分配了物理存储空间。

数据库(Database)，简而言之可视为电子化的文件柜——存储电子文件的 处所，用户可以对文件中的数据进行新增、查询、更新、删除等操作。所谓 “数据库”是以一定方式储存在一起、能与多个用户共享、具有尽可能小的 冗余度、与应用程序彼此独立的数据集合。

数据库管理系统(英语：Database Management System，简称DBMS)是 为管理数据库而设计的电脑软件系统，一般具有存储、截取、安全保障、备 份等基础功能。数据库管理系统可以依据它所支持的数据库模型来作分类， 例如关系式、XML(Extensible MarkupLanguage,即可扩展标记语言)；或依据 所支持的计算机类型来作分类，例如服务器群集、移动电话；或依据所用查 询语言来作分类，例如SQL(结构化查询语言(Structured QueryLanguage)、 XQuery；或依据性能冲量重点来作分类，例如最大规模、最高运行速度；亦 或其他的分类方式。不论使用哪种分类方式，一些DBMS能够跨类别，例如， 同时支持多种查询语言。在本申请实施例中，可将人脸特征库存储在该数据 库中，便于人脸识别装置调取。

相关技术中，由于人脸识别过程中需要频繁地对显存进行读写操作，因 此，人脸识别效率会受限于显存的带宽，导致识别效率低，并且人脸识别中 所处理的数据的数据类型也会限制于显存对数据类型的要求。为解决该技术 问题，本申请实施例主要提供以下技术方案：

一，本申请在进行人脸识别时，利用共享存储可以通过写入程序执行对 数据写入及读取等操作的特性，本申请将人脸识别过程中基于显存与缓存的 部分或者全部读写操作替换为基于共享存储与缓存的读写操作。由于共享存 储支持对数据的频繁读写，因此，基于共享存储与缓存的读写操作执行人脸 识别时，由于对数据的读写效率更高，所以能够提高人脸识别效率。

二，本申请在进行人脸识别时，利用共享存储所处理的数据不限制于图 像数据类型的特性，本申请将人脸识别过程中基于显存与缓存的部分或者全 部读写操作替换为基于共享存储与缓存的读写操作。由于原本基于显存与缓 存的读写操作受限于显存对数据类型的要求而只能处理图像数据类型，而本 申请在利用共享存储与缓存的读写操作部分或者全部替换显存与缓存的读写 操作后，能够使人脸识别过程中处理的数据不受图像数据类型的限制。

通过以上技术方案，由于计算过程中所涉及到的读写操作都是在每个存 储单元中执行，而非在显存中执行，降低了对显存的频繁读写，无需受限于 显存的带宽，提升了人脸识别的效率，并且，以每个存储单元与缓存执行读 写交互，也并不限制于显存对于数据类型的要求，使处理的数据也并不限制 于图像数据类型。

下面，为了说明本申请实施例中人脸识别方法的具体应用场景，请参照 图1，为本申请实施例提供的人脸识别场景示意图。

所述人脸识别方法可以应用于一个或者多个人脸识别装置，每个人脸识 别装置可与一个或者多个图像采集装置相通信，其中，每个图像采集装置可 以采集不同地理位置(如机场、火车站等)或者环境(如门禁场景、交通场 景等)下的图像。每个图像采集装置采集待识别人脸图像后，上传至对应的 人脸识别装置进行人脸识别。人脸识别装置与图像采集装置可集中部署或分 离式部署，本申请实施例不对此作限定，仅以分离式部署为例。

图像采集装置采集待识别人脸图像后，发送至对应的人脸识别装置。接 收到该待识别人脸图像的人脸识别装置对待识别人脸图像进行特征提取及编 码后，得到待识别人脸特征。人脸识别装置基于每个存储单元与缓存的读写 操作得到待识别人脸特征与各预设人脸特征之间的相似度，并根据相似度从 显存中获取并输出目标人脸特征对应的用户标识。

下面，将结合几个实施例对本申请技术方案进行详细的介绍说明。

请参照图2，以下介绍本申请实施例所提供的一种人脸识别方法，应用于 人脸识别装置，例如：所述人脸识别装置可以为相关机构的人脸识别服务器， 并可以应用于寻找犯罪分子及失踪人口等场景。本申请实施例包括：

S10，从显存中读取待识别人脸特征及预设人脸特征至每个存储单元。

由图像采集装置采集到待识别人脸图像后，发送至所述人脸识别装置。 人脸识别装置接收到该待识别人脸图像后，对该待识别人脸图像进行特征提 取及编码后得到待识别人脸特征。其中，人脸识别装置可以通过本地预先存 储的特征提取模型对该待识别人脸图像进行特征提取，特征提取后得到的特 征再进行编码得到待识别人脸特征。例如：所述待识别人脸特征可以表示为： plain_text＝encode(X)，其中，X为所述待识别人脸特征。

所述待识别人脸特征及所述预设人脸特征中的至少一项为同态加密下的 人脸特征。也就是说，所述待识别人脸特征及所述预设人脸特征可以都为明 文，也可以都为密文，还可以一个为明文，另一个为密文。通过对所述人脸 特征库中的人脸特征进行加密，使人脸特征以密文的形式参与后续的计算， 提高了数据的安全性，避免泄露用户信息。

一些实施例中，每个预设人脸特征由人脸特征库中的每个人脸特征进行 加密得到，如全同态加密等。本实施例可以采用离线的方式对所述人脸特征 库中的每个人脸特征进行加密处理，避免在后续的人脸识别过程中由于运算 量过大给系统造成运行压力，并影响人脸识别的速度。

例如：所述预设人脸特征可以以矩阵向量的形式存储：Feature＝

[a0,a1,a2...

b0,b1,b2...

c0,c1,c2...

......

e0,e1,e2...]

其中，每行向量代表一个所述预设人脸特征。

本实施例中的所述人脸特征库用于存储作为匹配基准的人脸特征，以供 人脸识别时进行人脸比对，在建立所述人脸特征库时，包括：

接收上传的人脸特征，并根据接收到的人脸特征构建所述人脸特征库； 及/或从指定平台采集人脸特征，并根据采集到的人脸特征构建所述人脸特征 库。

一些实施例中，每个存储单元可以为图形处理器中的共享存储，也可以 为所述显存。

具体地，每个图形处理器可以包括多个Block(块)，每个Block包括多 个Thread线程(所述Thread对应于流处理器)，每个Block对应于一个共享 存储，每个Block中的多个Thread共用一个共享存储。

例如：所述共享存储可以表示为GPU_Shared_Memory。

S11，基于每个存储单元与缓存的读写操作，得到相似度集合。

在本实施例中，所述相似度集合包括所述待识别人脸特征与各预设人脸 特征之间的相似度。

一些实施方式中，由于目前在进行人脸识别过程中的读写操作都是基于 显存，基于显存的读写操作受限于所述显存的带宽等，效率较低，因此，还 可以结合存储单元替代显存执行相似度运算、第一读写操作及第二读写操作， 以提高处理效率。具体来说，所述基于每个存储单元与缓存的读写操作中可 以包括相似度运算、第一读写操作、解密运算、第二读写操作及解码运算， 下面将分别具体介绍。

相似度运算，包括：从每个存储单元中读取每个预设人脸特征及所述待 识别人脸特征至缓存中；在所述缓存中执行对每个预设人脸特征与所述待识 别人脸特征的矩阵向量乘运算，得到每个相似度密文；例如：从每个共享存 储中读取每个预设人脸特征及所述待识别人脸特征至缓存中，并在所述缓存 中执行对每个预设人脸特征与所述待识别人脸特征的矩阵向量乘运算，得到 每个相似度密文：cipher_distance＝ciphertext_matrix[i]*plain_text，其中， ciphertext_matrix[i]表示第i个预设人脸特征，plain_text表示所述待识别人脸 特征。

第一读写操作，包括：将每个相似度密文对应写入每个存储单元；从每 个存储单元中读取每个相似度密文至所述缓存中；例如：将每个相似度密文 对应写入每个共享存储；从每个共享存储中读取每个相似度密文至所述缓存 中。

解密运算，包括：在所述缓存中执行对每个相似度密文的解密运算，得 到每个相似度明文；例如：在所述缓存中执行对每个相似度密文的解密运算， 得到每个相似度明文plain_distance＝decrypt(cipher_distance)。

第二读写操作，包括：将每个相似度明文对应写入每个存储单元；从每 个存储单元中读取每个相似度明文，并写入所述缓存中；例如：将每个相似 度明文对应写入每个共享存储；从每个共享存储中读取每个相似度明文，并 写入所述缓存中。

解码运算，包括：在所述缓存中执行对每个相似度明文的解码运算，得 到所述相似度集合。例如：在所述缓存中执行对每个相似度明文的解码运算， 得到所述相似度集合，所述相似度集合中的每个相似度可以表示为： raw_distance＝decode(plain_distance)。

其中，所述相似度运算、所述第一读写操作及所述第二读写操作中的至 少一个对应的存储单元为共享存储。一些实施方式中，所述共享存储可为 GPU_Shared_Memory。

在上述实施例中，所述共享存储大约在几十KB(例如：在nvidia T4卡 (显卡)上为48KB)。同时，所述共享存储的带宽是所述显存带宽的20倍左 右。因此，当数据吞吐约等于384G时，目前的图形处理器的显存带宽为 320GB/s，进行1:100w的比对，从所述显存读取数据则仅需要1200ms，运算 时间相较于原有方案中依赖于显存的读写，节约了2/3。

为了进一步提高效率，还可以将并行粒度控制在一个Block处理一个ciphertext，一个Block内控制若干个(如256个)Thread并行计算。这样， 大部分读写操作在所述共享存储上执行，不受所述显存带宽的限制。

例如，在一些实施例中，可以采用流处理单元执行所述相似度运算、所 述解密运算及所述解码运算，并且，在所述采用流处理单元执行所述相似度 运算、所述解密运算及所述解码运算时，每个流处理单元间并行执行每次运 算。这样，通过并行计算，能够进一步有效提升处理效率。

为了阐明以所述共享存储作为所述相似度运算、所述第一读写操作及所 述第二读写操作中用于执行读写操作的存储单元的多种可能的方式，下面以 图3a-3c进行举例说明。图3a-3c是本申请实施例中相似度运算、第一读写操 作及第二读写操作中用于执行读写操作的存储单元的一种可选示意图。其中， 图3a表示所述相似度运算、所述第一读写操作及所述第二读写操作中用于执 行读写操作的存储单元都为所述共享存储的情况；图3b表示所述相似度运算、 所述第一读写操作及所述第二读写操作中用于执行读写操作的存储单元中任 意一个为所述共享存储的情况，如所述第一读写操作中用于执行读写操作的存储单元为所述共享存储；图3c表示所述相似度运算、所述第一读写操作及 所述第二读写操作中用于执行读写操作的存储单元中任意两个为所述共享存 储的情况，如所述相似度运算、所述第二读写操作中用于执行读写操作的存 储单元为所述共享存储。需要说明的是，图3a-3c中，只是举例说明以所述共 享存储作为所述相似度运算、所述第一读写操作及所述第二读写操作中用于 执行读写操作的至少一个存储单元的多种可能的方式，并不造成对所述相似 度运算、所述第一读写操作及所述第二读写操作的限制。

相应地，所述相似度运算、所述第一读写操作及所述第二读写操作中用 于执行读写操作的其他存储单元可以为所述显存，本申请不限制。例如：当 所述相似度运算、所述第二读写操作中用于执行读写操作的存储单元为所述 共享存储时，则所述第一读写操作中用于执行读写操作的存储单元可以为所 述显存。虽然第一读写操作是在显存中执行，但是由于所述相似度运算、所 述第二读写操作中用于执行读写操作的存储单元为所述共享存储，所述相似 度运算、所述第二读写操作的效率是提升的，因此整体上的处理效率仍然有所提升。

结合上述图3a-3c的例子可知，本实施例在人脸识别的过程中，利用图形 处理器的共享存储代替显存进行读写操作(如所述相似度运算、所述第一读 写操作及所述第二读写操作)，避免由于显存的带宽限制影响识别速度，提升 了人脸识别的效率，同时，采用共享存储也可以使处理的数据并不受限于图 像类型。

一些实施例中，由于所述人脸特征库中的数据量巨大(如数据吞吐可高 达约384G)，为了进一步降低计算量，还可以通过数据索引从人脸特征库中 筛选出与待识别人脸图像相似的人脸图像作为候选图像，并利用候选图像与 待识别人脸图像进行比对，因此，相较于原有使用人脸特征库中全部人脸图 像与待识别人脸图像进行比对的方案，计算量大幅降低，从而能够降低数据 的吞吐量。因此，基于每个存储单元与缓存的读写操作，得到相似度集合前， 所述方法还包括：

通过数据索引，从所述人脸特征库中获取至少一个候选特征集合；

将所述至少一个候选特征集合中的每个候选特征确定为所述预设人脸特 征。

其中，所述数据索引是指将数据以特定存储方式组织，以提高数据检索 效率的一种数据结构。例如：通过数据索引的数据结构，可以把人脸特征库 中的100万个人脸特征映射到一个球状空间中，同时，将待识别人脸特征也 映射到球状空间中，这样，在球状空间中进行人脸比对时，只需要利用球状 空间中待识别人脸特征周边的人脸特征与待识别人脸特征进行比对即可，无 需利用整个球状空间中的所有人脸特征与待识别人脸特征进行比对，从而提 高了人脸比对的效率。

具体地，所述通过数据索引，从所述人脸特征库中获取至少一个候选特 征集合包括：

对所述人脸特征库中的人脸特征进行聚类，得到至少一个类；

根据所述待识别人脸特征与每个类的聚类中心的相似度，得到至少一个 相似类；

根据每个相似类中的人脸特征分别构建每个候选特征集合。

为了进一步阐明如何执行数据索引的数据筛选指令，请参照图4，是本申 请通过数据索引从人脸特征库中获取预设人脸特征的示意图。对所述人脸特 征库中的人脸特征进行聚类(如K-means聚类)，将330W的数据聚类成 cluster_num个类，并得到每个类的聚类中心，这样，所述人脸特征库中的每 个人脸特征都从属于各自的聚类中心，进一步计算所述待识别人脸特征与每 个类的聚类中心的相似度，并获取到所述相似度最高的若干个类(如10个) 作为所述至少一个相似类closer_cluster_num，每个相似类closer_cluster_num 对应于一个候选特征集合，利用所述候选特征集合中的所有特征作为所述预 设人脸特征。

此时，一方面，如果所述人脸特征库中聚类得到100个聚类中心，从中 筛选出10个相似类，这样，仅需要从显存中读取1/10的数据作为所述预设人 脸特征。另一方面，由于用作比对的预设人脸特征仅是人脸特征库中原有数 据的1/10，所以当将预设人脸特征与待识别人脸特征进行比对时，相较于将 待识别人脸特征与人脸特征库中全部的人脸特征进行比对，能够减少90％的 显存读写操作，读写数据可能只需要较短的时间(如120ms)，所以能够大幅 度降低人脸识别的耗时，以及提高人脸识别效率。

本申请实施例中，若人脸识别过程受到执行环境(如需要释放共享存储 的资源，或者在非并发的人脸识别情况下)等的限制，也可以将人脸识别过 程中所涉及的全部读写操作在所述显存中执行。

例如：流处理器(Stream Processor，SP)将负责计算的ciphertext_matrix[i] 和plain_text读到缓存Cache中，并进行了cipher_distance＝ciphertext_matrix* plain_text运算，将cipher_distance写入显存中，进一步读取cipher_distance 到Cache，SP计算plain_distance＝decrypt(cipher_distance)，并将plain_distance 写入显存中，读取plain_distance到Cache，SP计算raw_distance＝ decode(plain_distance)，将raw_distance写入显存中。

上述处理方式一共有6次的显存读写，按一百万的数据量举例计算，假 设同时有32个SP并行执行一个大小为8K的密文ciphertext_matrix[i]，且 plain_text为4K。那么整体的数据吞吐约等于1024G。目前的图形处理器的显 存带宽为320GB/s，进行1:100w的比对，从显存读取数据则需要3200ms，比 对的QPS(每秒查询率)上限是0.3，处理效率低于采用所述共享存储，但也 是解决人脸识别的一种方式。

S12，将所述相似度集合写入所述显存。

在本实施例中，所述相似度集合中存储所述待识别人脸特征与各预设人 脸特征之间的相似度，因此将所述相似度集合写入所述显存后，可以根据所 述相似度集合中的各相似度从所述显存中获取目标人脸特征。

S13，根据所述相似度集合从所述显存中获取目标人脸特征。

一些实施例中，特征间的相似度越高，说明特征越匹配，因此，可以根 据所述相似度集合中的相似度从所述显存中获取目标人脸特征，包括：从所 述相似度集合中获取最大的相似度作为目标相似度；从所述显存中获取所述 目标相似度对应的人脸特征作为所述目标人脸特征。

一些实施例中，为了在人脸识别失败或者异常时做出及时响应，还可以 在人脸识别失败或者异常时执行如下操作：当没有获取到所述目标人脸特征 时，发出识别失败及/或异常的提示信息；当接收到指定用户针对于所述提示 信息反馈的所述待识别人脸图像对应的目标用户标识时，根据所述目标用户 标识将所述待识别人脸图像更新至所述人脸特征库。

在上述实施例中，当在人脸识别装置中对待识别人脸图像识别失败时， 可以及时发出预警，提示相关人员进行异常处理，提升对异常的响应效率。

在发出识别失败及/或异常的提示信息后，当接收到针对于所述提示信息 反馈的身份信息后，将所述身份信息及时维护至所述人脸特征库，保证人脸 特征库中数据的全面性。

S14，输出所述目标人脸特征对应的用户标识。

其中，所述用户标识是用户的身份的表征，例如：所述用户标识可以为 姓名的编码。

一些实施例中，可以输出所述目标人脸特征对应的用户标识至指定的终 端设备(如门禁系统的启动控制服务端等)。

例如：对于门禁系统，可以在通过用户标识确定了身份信息后，判断是 否开启门禁；对于安全防护领域，在确定了所述身份信息后，可以根据所述 身份信息对应的用户的安全属性(如是否为犯罪分子、失踪人员等)选择报 警，或者是执行与所述用户身份信息对应的权限任务(如是否启动相关设备) 等。

需要说明的是，为了进一步提高数据的安全性，保存所述人脸特征库及 所述目标人脸特征对应的用户标识至区块链节点上。

本申请实施例中，一方面，所述相似度集合为基于每个存储单元与缓存 的读写操作得到，可见，计算过程中所涉及到的读写操作都是在每个存储单 元中执行，而非在显存中执行，降低了对显存的频繁读写，无需受限于显存 的带宽，进而提升了人脸识别的效率；另一方面，以每个存储单元与缓存执 行读写交互，也并不限制于显存对于数据类型的要求，使处理的数据也并不 限制于图像数据类型。

以上对本申请实施例中一种人脸识别方法进行说明，以下对执行上述人 脸识别方法的人脸识别装置、服务器和服务终端进行介绍。

参阅图5，是人脸识别装置的一种结构示意图，其可应用于人脸识别装置， 例如：所述人脸识别装置可以为相关机构的人脸识别服务器，并可以应用于 寻找犯罪分子及失踪人口等场景。本申请实施例中的人脸识别装置11能够实 现对应于上述图2所对应的实施例中所执行的人脸识别方法的步骤。所述人 脸识别装置11实现的功能可以通过硬件实现，也可以通过硬件执行相应的软 件实现。硬件或软件包括一个或多个与上述功能相对应的模块，所述模块可 以是软件和/或硬件。所述人脸识别装置可包括处理模块111、收发模块112， 所述处理模块111、所述收发模块112的功能实现可参考图2所对应的实施例 中所执行的操作。

一些实施方式中，所述处理模块111，可用于从显存中读取待识别人脸特 征及预设人脸特征至每个存储单元；所述待识别人脸特征由待识别人脸图像 的人脸特征进行编码得到；

所述处理模块111，还用于基于每个存储单元与缓存的读写操作，得到相 似度集合；所述相似度集合包括所述待识别人脸特征与各预设人脸特征之间 的相似度；

所述处理模块111，还用于将所述相似度集合写入所述显存；

所述处理模块111，还用于根据所述相似度集合从所述显存中获取目标人 脸特征；

收发模块112，用于输出所述处理模块111获取的所述目标人脸特征对应 的用户标识。

一些实施例中，所述待识别人脸特征及所述预设人脸特征中的至少一项 为同态加密下的人脸特征；每个预设人脸特征由人脸特征库中的每个人脸特 征进行加密得到。

一些实施例中，所述处理模块111具体用于先后执行相似度运算、第一 读写操作、解密运算、第二读写操作、解码运算：

其中，相似度运算，包括：从每个存储单元中读取每个预设人脸特征及 所述待识别人脸特征至缓存中；在所述缓存中执行对每个预设人脸特征与所 述待识别人脸特征的矩阵向量乘运算，得到每个相似度密文；

第一读写操作，包括：将每个相似度密文对应写入每个存储单元；从每 个存储单元中读取每个相似度密文至所述缓存中；

解密运算，包括：在所述缓存中执行对每个相似度密文的解密运算，得 到每个相似度明文；

第二读写操作，包括：将每个相似度明文对应写入每个存储单元；从每 个存储单元中读取每个相似度明文，并写入所述缓存中；

解码运算，包括：在所述缓存中执行对每个相似度明文的解码运算，得 到所述相似度集合。

一些实施例中，所述相似度运算、所述第一读写操作及所述第二读写操 作中的至少一个对应的存储单元为共享存储。

一些实施例中，所述处理模块111在基于每个存储单元与缓存的读写操 作，得到相似度集合前，还用于：

通过数据索引，从所述人脸特征库中获取至少一个候选特征集合；

将所述至少一个候选特征集合中的每个候选特征确定为所述预设人脸特 征。

一些实施例中，所述处理模块111还具体用于：

对所述人脸特征库中的人脸特征进行聚类，得到至少一个类；

根据所述待识别人脸特征与每个类的聚类中心的相似度，得到至少一个 相似类；

根据每个相似类中的人脸特征分别构建每个候选特征集合。

一些实施例中，所述处理模块111还具体用于：

当没有获取到所述目标人脸特征时，发出识别失败及/或异常的提示信息；

当接收到指定用户针对于所述提示信息反馈的所述待识别人脸图像对应 的目标用户标识时，根据所述目标用户标识将所述待识别人脸图像更新至所 述人脸特征库。

本申请实施例中，由于处理模块111在计算过程中所涉及到的读写操作 都是在每个存储单元中执行，而非在显存中执行，所以基于每个存储单元与 缓存的读写操作得到相似度集合不受限于显存的带宽，因此能够提升人脸识 别的效率，并且，处理模块111以每个存储单元与缓存执行读写交互，也并 不限制于显存对于数据类型的要求，使处理的数据也并不限制于图像数据类 型。

上面从模块化功能实体的角度对本申请实施例中的网络认证计算机设备 和终端设备进行了描述，下面从硬件处理的角度分别对本申请实施例中的网 络认证计算机设备和终端设备进行描述。

本申请实施例还提供了另一种终端设备，如图6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。该终端设备可以为包括手机、平板电脑、个人数字助理 (英文全称：Personal DigitalAssistant，英文简称：PDA)、销售终端(英文全 称：Point of Sales，英文简称：POS)、车载电脑等任意终端设备，以终端设备 为手机为例：

图6示出的是与本申请实施例提供的终端设备相关的手机的部分结构的 框图。参考图6，手机包括：射频(英文全称：Radio Frequency，英文简称： RF)电路1010、存储器1020、输入单元1030、显示单元1040、传感器1050、 音频电路1060、无线保真(英文全称：wireless fidelity，英文简称：WiFi)模 块1070、处理器1080、以及电源1090等部件。本领域技术人员可以理解， 图6中示出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。

下面结合图6对手机的各个构成部件进行具体的介绍：

RF电路1010可用于收发信息或通话过程中，信号的接收和发送，特别 地，将基站的下行信息接收后，给处理器1080处理；另外，将设计上行的数 据发送给基站。通常，RF电路1010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(英文全称：Low Noise Amplifier，英文简 称：LNA)、双工器等。此外，RF电路1010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(英文全称：Global System of Mobile communication，英文 简称：GSM)、通用分组无线服务(英文全称：General Packet Radio Service， 英文简称：GPRS)、码分多址(英文全称：Code Division Multiple Access，英 文简称：CDMA)、宽带码分多址(英文全称：Wideband Code Division Multiple Access,英文简称：WCDMA)、长期演进(英文全称：Long Term Evolution， 英文简称：LTE)、电子邮件、短消息服务(英文全称：ShortMessaging Service， 英文简称：SMS)等。

存储器1020可用于存储软件程序以及模块，处理器1080通过运行存储 在存储器1020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1020可主要包括存储程序区和存储数据区，其中，存储程序区 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、图像 播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音 频数据、电话本等)等。此外，存储器1020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1030可用于接收输入的数字或字符信息，以及产生与手机的用 户设置以及功能控制有关的键信号输入。具体地，输入单元1030可包括触控 面板1031以及其他输入设备1032。触控面板1031，也称为触摸屏，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1031上或在触控面板1031附近的操作)，并根据预先设定 的程式驱动相应的连接装置。可选的，触控面板1031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1080，并能接收处 理器1080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1031。除了触控面板1031，输入单元 1030还可以包括其他输入设备1032。具体地，其他输入设备1032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)、轨迹球、鼠标、操作杆等中的一种或多种。

显示单元1040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1040可包括显示面板1041，可选的，可以采用液晶 显示器(英文全称：Liquid Crystal Display，英文简称：LCD)、有机发光二极 管(英文全称：Organic Light-Emitting Diode,英文简称：OLED)等形式来配 置显示面板1041。进一步的，触控面板1031可覆盖显示面板1041，当触控 面板1031检测到在其上或附近的触摸操作后，传送给处理器1080以确定触 摸事件的类型，随后处理器1080根据触摸事件的类型在显示面板1041上提供相应的视觉输出。虽然在图6中，触控面板1031与显示面板1041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1031与显示面板1041集成而实现手机的输入和输出功能。

手机还可包括至少一种传感器1050，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1041的亮度，接近传感器 可在手机移动到耳边时，关闭显示面板1041和/或背光。作为运动传感器的一 种，加速计传感器可检测各个方向上(一般为三轴)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、 相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于手机还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他 传感器，在此不再赘述。

音频电路1060、扬声器1061，传声器1062可提供用户与手机之间的音 频接口。音频电路1060可将接收到的音频数据转换后的电信号，传输到扬声 器1061，由扬声器1061转换为声音信号输出；另一方面，传声器1062将收 集的声音信号转换为电信号，由音频电路1060接收后转换为音频数据，再将 音频数据输出处理器1080处理后，经RF电路1010以发送给比如另一手机， 或者将音频数据输出至存储器1020以便进一步处理。

Wi-Fi属于短距离无线传输技术，手机通过Wi-Fi模块1070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6示出了Wi-Fi模块1070，但是可以理解的是，其并不 属于手机的必须构成，完全可以根据需要在不改变申请的本质的范围内而省 略。

处理器1080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1020内的软件程序和/或模块，以及调 用存储在存储器1020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。可选的，处理器1080可包括一个或多个处理单元；优选的， 处理器1080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1080中。

手机还包括给各个部件供电的电源1090(比如电池)，电源可以通过电源 管理系统与处理器1080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。

尽管未示出，手机还可以包括摄像头、蓝牙模块等，在此不再赘述。

在本申请实施例中，该手机所包括的处理器1080还具有控制执行以上由 图2-4所示的人脸识别方法的方法流程。

图7是本申请实施例提供的一种服务器的结构示意图，该服务器110可 因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理 器(英文全称：centralprocessing units，英文简称：CPU)1122(例如，一个 或一个以上处理器)和存储器1132，一个或一个以上存储应用程序1142或数 据1144的存储介质1130(例如一个或一个以上海量存储设备)。其中，存储 器1132和存储介质1130可以是短暂存储或持久存储。存储在存储介质1130 的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对服 务器中的一系列指令操作。更进一步地，中央处理器1122可以设置为与存储 介质1130通信，在服务器110上执行存储介质1130中的一系列指令操作。

服务器110还可以包括一个或一个以上电源1126，一个或一个以上有线 或无线网络接口1150，一个或一个以上输入输出接口1158，和/或，一个或一 个以上操作系统1141，例如Windows Server，Mac OS X，Unix,Linux，FreeBSD 等等。

上述实施例中由服务器所执行的步骤可以基于该图7所示的服务器110 的结构。例如上述实施例中由图5所示的装置11所执行的步骤可以基于该图 7所示的服务器结构。例如，所述中央处理器1122通过调用存储器1132中的 指令，执行以下操作：从显存中读取待识别人脸特征及预设人脸特征至每个 存储单元；所述待识别人脸特征由待识别人脸图像的人脸特征进行编码得到； 基于每个存储单元与缓存的读写操作，得到相似度集合；所述相似度集合包 括所述待识别人脸特征与各预设人脸特征之间的相似度；将所述相似度集合 写入所述显存；根据所述相似度集合从所述显存中获取目标人脸特征；

通过输入输出接口1158输出所述目标人脸特征对应的用户标识。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有 详述的部分，可以参见其他实施例的相关描述。

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，装置和模块的具体工作过程，可以参考前述方法实施例中的对应 过程，在此不再赘述。

在本申请实施例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。例如，以上所描述的装置实施例仅 仅是示意性的，例如，所述模块的划分，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，例如多个模块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接口，装置或模块的间 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模块可以是或者也可以不是物理上分开的，作 为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方， 或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或 者全部模块来实现本实施例方案的目的。

另外，在本申请实施例各个实施例中的各功能模块可以集成在一个处理 模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成 在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软 件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并 作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意 组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形 式实现。

所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执 行所述计算机计算机程序时，全部或部分地产生按照本申请实施例所述的流 程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者 其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者 从一个计算机可读存储介质向另一计算机可读存储介质传输，例如，所述计 算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如 同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等) 方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机 可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个 可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁 性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介 质(例如固态硬盘Solid State Disk(SSD))等。

以上对本申请实施例所提供的技术方案进行了详细介绍，本申请实施例 中应用了具体个例对本申请实施例的原理及实施方式进行了阐述，以上实施 例的说明只是用于帮助理解本申请实施例的方法及其核心思想；同时，对于 本领域的一般技术人员，依据本申请实施例的思想，在具体实施方式及应用 范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请实施 例的限制。

Claims (10)

1.一种人脸识别方法，其特征在于，所述方法包括：

从显存中读取待识别人脸特征及预设人脸特征至每个存储单元；所述待识别人脸特征由待识别人脸图像的人脸特征进行编码得到；

基于每个存储单元与缓存的读写操作，得到相似度集合；所述相似度集合包括所述待识别人脸特征与各预设人脸特征之间的相似度；

将所述相似度集合写入所述显存；

根据所述相似度集合从所述显存中获取目标人脸特征；

输出所述目标人脸特征对应的用户标识。

2.如权利要求1所述的人脸识别方法，其特征在于，所述待识别人脸特征及所述预设人脸特征中的至少一项为同态加密下的人脸特征；每个预设人脸特征由人脸特征库中的每个人脸特征进行加密得到。

3.如权利要求1或2所述的人脸识别方法，其特征在于，所述基于每个存储单元与缓存的读写操作，得到相似度集合包括：

相似度运算，包括：从每个存储单元中读取每个预设人脸特征及所述待识别人脸特征至缓存中；在所述缓存中执行对每个预设人脸特征与所述待识别人脸特征的矩阵向量乘运算，得到每个相似度密文；

第一读写操作，包括：将每个相似度密文对应写入每个存储单元；从每个存储单元中读取每个相似度密文至所述缓存中；

解密运算，包括：在所述缓存中执行对每个相似度密文的解密运算，得到每个相似度明文；

第二读写操作，包括：将每个相似度明文对应写入每个存储单元；从每个存储单元中读取每个相似度明文，并写入所述缓存中；

解码运算，包括：在所述缓存中执行对每个相似度明文的解码运算，得到所述相似度集合。

4.如权利要求3所述的人脸识别方法，其特征在于，所述相似度运算、所述第一读写操作及所述第二读写操作中的至少一个对应的存储单元为共享存储。

5.如权利要求2所述的人脸识别方法，其特征在于，在基于每个存储单元与缓存的读写操作，得到相似度集合前，所述方法还包括：

通过数据索引，从所述人脸特征库中获取至少一个候选特征集合；

将所述至少一个候选特征集合中的每个候选特征确定为所述预设人脸特征。

6.如权利要求5所述的人脸识别方法，其特征在于，所述通过数据索引，从所述人脸特征库中获取至少一个候选特征集合包括：

对所述人脸特征库中的人脸特征进行聚类，得到至少一个类；

根据所述待识别人脸特征与每个类的聚类中心的相似度，得到至少一个相似类；

根据每个相似类中的人脸特征分别构建每个候选特征集合。

7.如权利要求2所述的人脸识别方法，其特征在于，所述方法还包括：

当没有获取到所述目标人脸特征时，发出识别失败及/或异常的提示信息；

当接收到指定用户针对于所述提示信息反馈的所述待识别人脸图像对应的目标用户标识时，根据所述目标用户标识将所述待识别人脸图像更新至所述人脸特征库。

8.一种人脸识别装置，其特征在于，所述装置包括：

处理模块，用于从显存中读取待识别人脸特征及预设人脸特征至每个存储单元；所述待识别人脸特征由待识别人脸图像的人脸特征进行编码得到；

所述处理模块，还用于基于每个存储单元与缓存的读写操作，得到相似度集合；所述相似度集合包括所述待识别人脸特征与各预设人脸特征之间的相似度；

所述处理模块，还用于将所述相似度集合写入所述显存；

所述处理模块，还用于根据所述相似度集合从所述显存中获取目标人脸特征；

收发模块，用于输出所述处理模块获取的所述目标人脸特征对应的用户标识。

9.一种计算机设备，其特征在于，所述计算机设备包括：

存储器，存储至少一个指令；及

处理器，执行所述存储器中存储的指令以实现如权利要求1至7中任意一项所述的人脸识别方法。

10.一种计算机可读存储介质，其特征在于，其包括指令，当其在计算机上运行时，使得计算机执行如权利要求1-7中任一项由计算机设备执行的方法。

Images