CN115830668A - 基于面部识别的用户认证方法、装置、计算设备和介质 - Google Patents

Abstract

本公开实施例提供一种基于面部识别的用户认证方法、装置、计算设备和存储介质。基于面部识别的用户认证方法包括：对实时拍摄用户面部得到的实时面部图像进行身份特征提取得到实时身份特征，计算实时身份特征与注册身份特征的实时相似度；在判定实时相似度没有达到第一相似度阈值的情况下，获取用户的当前状态特征；根据当前状态特征确定阈值调整值，并根据阈值调整值和第一相似度阈值得到第二相似度阈值；在实时相似度大于第二相似度阈值的情况下，判定用户通过面部识别认证。采用本公开实施例提供的方案，即使用户的面部特征因为各种原因产生较大的变化，仍然可以实现对用户的面部识别认证，提高了用户体验。

Description

基于面部识别的用户认证方法、装置、计算设备和介质

技术领域

本公开涉及数据处理技术领域，具体涉及一种基于面部识别的用户认证方法、装置、计算设备和存储介质。

背景技术

目前已有的用户认证方法包括面部识别认证方法。面部识别认证方法通过处理实时拍摄的实时面部图像，确定用户的实时身份特征。随后将实时身份特征和在用户注册时确定的注册身份特征进行比对，在实时身份特征和注册身份特征的相似度达到相似度阈值时，确定用户通过面部识别认证。其中，前述的注册身份特征处理用户进行信息注册时拍摄的面部图像确定。

采用前述的面部识别认证方法，为判定用户是否通过面部识别认证的相似度阈值为固定数值。也就是说，使得合法用户通过面部识别认证的前提是实时身份特征和注册身份特征的相似度达到相似度阈值。但是，实际应用中用户脸部特征因为身体状态、化妆等原因发生较大变化，使得基于实时拍摄的实时面部图像得到的实时身份特征与注册身份特征的相似度无法达到相似度阈值，造成＝合法用户无法通过面部识别认证。

发明内容

为了解决上述技术问题，本公开实施例提供一种基于面部识别的用户认证方法、装置、计算设备和存储介质。

第一方面，本公开实施例提供一种基于面部识别的用户认证方法，包括：

对实时拍摄用户面部得到的实时面部图像进行身份特征提取，得到实时身份特征，所述实时身份特征是所述实时面部图像中表征用户身份的关键特征；

计算所述实时身份特征与注册身份特征的实时相似度，其中所述注册身份特征是对用户注册时拍摄的注册面部图像进行身份特征提取得到的；

在判定实时相似度没有达到所述第一相似度阈值的情况下，获取所述用户的当前状态特征；

根据所述当前状态特征确定阈值调整值，并根据所述阈值调整值和所述第一相似度阈值得到第二相似度阈值，所述第二相似度阈值小于所述第一相似度阈值；

在所述实时相似度大于所述第二相似度阈值的情况下，判定用户通过面部识别认证。

可选的，所述获取用户的当前状态特征，包括：

对所述实时面部图像进行状态特征提取，确定所述用户的当前状态特征，所述当前状态特征包括所述用户的估计年龄、面部苍老度和化妆度中的至少一种。

可选的，所述获取用户的当前状态特征包括：确定第一时长，所述第一时间为拍摄所述实时面部图像到拍摄所述注册面部图像之间的时长；

将所述第一时长作为所述用户的当前状态特征。

可选的，所述获取用户的当前状态特征包括：

获取所述用户在注册登记时的注册信息，所述身份信息包括注册时间、出生日期、性别、籍贯和民族中的至少一种；

将所述注册信息作为所述用户的当前状态特征。

可选的，所述根据所述当前状态特征确定阈值调整值，包括：

根据所述当前状态特征输入到调整阈值估计模型中，得到所述阈值调整值；或者，

根据所述当前状态特征进行查表，确定所述阈值调整值；

其中所述调整阈值估计模型采用样本状态特征和对应的样本阈值调整值训练得到。

可选的，所述身份特征包括多个子身份特征，所述第一相似度阈值基于多个子身份特征对应的相似度子阈值综合得到；

所述根据所述当前状态特征确定阈值调整值，包括：

根据所述当前状态特征确定各个子身份特征对应的子调整值；

根据所述子调整值综合得到所述阈值调整值。

可选的，在根据所述子调整值综合得到所述阈值调整值之前，所述方法还包括：

根据各个所述子身份特征用于确定用户身份特征的重要性程度，确定各个子调整值对应的权重，所述重要性程度和所述权重具有反相关关系；

所述根据所述子调整值综合得到所述阈值调整值，包括：采用所述子调整值和对应的权重进行加权求和，得到所述阈值调整值。

第二方面，本公开实施例提供一种用户面部识别认证装置，包括：

身份特征提取单元，用于对实时拍摄用户面部得到的实时面部图像进行身份特征提取，得到实时身份特征，所述实时身份特征是表征所述实时面部图像中表征用户身份的关键特征；

相似度计算单元，用于计算所述实时身份特征与注册身份特征的实时相似度，其中所述注册身份特征是对注册时拍摄的注册面部图像进行身份特征提取得到的；

状态特征获取单元，用于在判定实时相似度没有达到所述第一相似度阈值的情况下，获取所述用户的当前状态特征；

阈值调整单元，用于根据所述当前状态特征确定阈值调整值，并根据所述阈值调整值和所述第一相似度阈值得到第二相似度阈值，所述第二相似度阈值小于所述第一相似度阈值；

身份认证单元，用于在所述实时相似度大于所述第二相似度阈值的情况下，判定用户通过面部识别认证。

第三方面，本公开实施例提供一种计算设备，包括处理器和存储器，所述存储器用于存储计算机程序；所述计算机程序在被所述处理器加载时，使所述处理器执行如前所述的基于面部识别的用户认证方法。

第四方面，本公开实施例提供一种计算机可读存储介质，所述存储介质存储有计算机程序，当计算机程序被处理器执行时，使得处理器实现如前所述的基于面部识别的用户认证方法。

本公开实施例提供的技术方案与现有技术相比具有如下优点：

采用本公开实施例提供的方案，在判定实时相似度没有达到第一相似度阈值的情况下，根据用户的当前状态特征确定阈值调整值，并根据阈值调整值得到小于第一相似度阈值的第二相似度阈值，以利用第二相似度阈值判断用户是否通过面部识别认证。采用本公开实施例提供的方案，即使用户的面部特征因为各种原因产生较大的变化，仍然可以实现对用户的面部识别认证，提高了用户体验。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

为了更清楚地说明本公开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，对于本领域普通技术人员而言，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，其中：

图1是本公开实施例提供的基于面部识别的用户认证方法流程图；

图2是本公开另外一些实施例提供的基于面部识别的用户认证方法流程图

图3是本公开实施例提供的用户面部识别认证装置的结构示意图；

图4是本公开一些实施例提供的计算设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施例提供一种基于面部识别的用户认证方法，在根据用户的实时身份特征无法实现用户面部识别认证的情况下，获取用户的当前状态特征、根据当前状态特征调整用于面部识别认证成功度的相似度阈值，提高部分用户面部识别认证的通过概率。

图1是本公开实施例提供的基于面部识别的用户认证方法流程图。如图1所示，本公开实施例提供的基于面部识别的用户认证方法包括S110-S150。

应当注意的是，本公开实施例提供的基于面部识别的用户认证方法由计算设备执行，计算设备可以是服务器，也可以是诸如台式机、笔记本等一类的终端电子设备。在计算设备为服务器的情况下，对用户面部识别认证可能是用于确认用户是否有登录对应账户、打开指定设备的权限。在计算设备为终点电子设备的情况下，对用户面部识别认证可能是用于确认用户是否有开启终点电子设备的权限。

S110：对实时拍摄用户面部得到的实时面部图像进行身份特征提取，得到实时身份特征。

本公开实施例中，在需要对用户进行面部识别认证时，计算设备获取当前时间段内拍摄用户面部得到的实时面部图像。在计算设备为服务器的情况下，服务器和与其连接的终端电子设备进行通信，获取终端电子设备驱动摄像头拍摄的实时面部图像。在计算设备为终端电子设备的情况下，计算设备可以直接驱动摄像头拍摄实时面部图像。

实时身份特征是用于实时面部图像中表征用户身份的关键特征，前述关键特征是具有身份认证价值的特征，大概率可以唯一地确定用户的身份。

计算设备可以采用各种已有人脸识别算法对实时面部图像进行身份特征提取，得到实时身份特征，本公开实施例并不做限定。例如，计算设备可以采用基于几何特征的方法、局部特征分析方法、基于KL变换的方法、基于弹性模型的方法、神经网络方法、隐马尔科夫模型方法、Gabor小波变换+图形匹配获取到实时面部图像的关键特征。

S120：计算实时身份特征与注册身份特征的实时相似度。

注册身份特征是用户在进行身份注册时，对拍摄用户面部得到的注册面部图像进行身份特征提取得到的身份特征。注册身份特征存储在计算设备内部的存储器内或者特定的安全服务器内，通过用户的标识可以查询并获取到注册身份特征。

实时相似度用于表征实时身份特征与注册身份特征的相似程度。实时相似度越大，表明实时身份特征与注册身份特征相同的概率越大。而由于两个不同用户的实时身份特征信息相同的概率并不大，如果实时相似度很大，则可以确定实时面部图像中拍摄的用户就是注册身份特征对应的用户。

本公开实施例中，计算设备在获取到实时身份特征后，可以将实时身份特征与预先获取到注册身份特征进行相似度计算，确定实时相似度。

S130：在判定实时相似度没有达到第一相似度阈值的情况下，获取用户的当前状态特征。

本公开实施例中，计算设备在确定实时相似度后，会将实时相似度与第一相似度阈值进行比较，以确定实时相似度是否达到第一相似度阈值。

第一相似度阈值是预先确定用于确定是否通过用户面部认证的默认阈值。在计算设备判定实时相似度没有达到第一相似度阈值的情况下，常规情况下计算设备可以直接判定用户没有通过面部识别认证。但是本公开实施例中，并没有按照常规方法直接判定用户没有通过面部识别认证，而是获取用户的当前状态特征。

当前状态特征是用于表征用户在拍摄实时面部图像时状态的特征。本公开实施例中，当前状态特征直接或者隐含地表征了用户拍摄实时面部图像时身份特征的变化程度。具体实施中，当前状态特征可以包括何种状态特征，以及为什么采用此类状态特征作为当前状态特征在后文中再做分析。

S140：根据当前状态特征确定阈值调整值，并根据阈值调整值和第一相似度阈值得到第二相似度阈值。

如前，当前状态特征隐含的表征了用户拍摄实时面部图像时身份特征的变化程度。如果这一变化程度在可控的程度范围内，仍然可以确认实时身份特征对应的用户与注册身份特征对应的用户为同一用户。

基于前述假设判断，计算设备根据当前状态特征确定阈值调整值。阈值调整值是用于将第一相似度阈值调小的调整范围值。具体如何根据当前状态特征确定阈值调整值在后文中再做分析。

本公开实施例中，根据阈值调整值和第一相似度阈值得到第二相似度阈值，是在以第一相似度阈值为基准点、以阈值调整值确定的调整范围内确定一个数值作为第二相似度阈值。例如，在一些具体应用中，可以采用第一相似度阈值减去阈值调整值得到的数值作为第二相似度阈值。应当注意的是，第二相似度阈值小于第一相似度阈值。

S150：在实时相似度大于第二相似度阈值的情况下，判定用户通过面部识别认证。

在获得第二相似度阈值后，随后计算设备采用第二相似度阈值作为判断标准，判断实时相似度是否大于第二相似度阈值。如果实时相似度大于第二相似度阈值，则判定用户通过面部识别认证，为注册身份特征对应的注册用户。而如果实时相似度小于第二相似度阈值，则确认用户无法通过面部识别认证，也就是无法确认用户是否为注册身份特征对应的注册用户。

采用本公开实施例提供的基于面部识别的用户认证方法，在判定实时相似度没有达到第一相似度阈值的情况下，根据用户的当前状态特征确定阈值调整值，并根据阈值调整值得到小于第一相似度阈值的第二相似度阈值，以利用第二相似度阈值判断用户是否通过面部识别认证。

采用本公开实施例提供的方法，即使用户的面部特征因为各种原因产生较大的变化，仍然可以实现对用户的面部识别认证，提高了用户体验。本公开实施例提供的方法可以应用到一些安全性要求并不是特别高的场景中，例如可以应用于核酸检测场景下的用户身份识别等场景中。

如前叙述在，在本公开实施例中计算设备需要获取用户的当前状态特征。可选的，在本公开的一些实施例中，计算设备可以采用如下的S130获取用户的当前状态特征可以包括S131。

S131：对实时面部图像进行状态特征提取，确定用户的当前状态特征。

根据生活经验，用户的脸部特征可以体现用户的当前状态。因此，本公开实施例中，计算设备可以通过对用户实时面部图像进行状态特征提取，确定用户的当前状态特征。

本公开实施例中，对实时面部图像进行状态特征提取确定的当前状态特征可以包括用户的估计年龄、面部健康度和化妆度中的至少一种。

结合大量用户的面部图像以及用户的年龄、工作类型、健康状态和生活习惯等原因可得到如下的分析结果。

(1)用户的面部皮肤细嫩程度(或者说面部皮肤出现皱纹的程度)、肤色、皮肤紧致程度与用户的年龄成正相关。因此可以对实时面部图像进行分析，预估用户的估计年龄。用户在不同的年龄段时其面部特征变化速率有特定的特点，因此可以对实时面部图像进行特征状态提取，确定与阈值调整值大小有正相关关系的估计年龄。

(2)用户的面部健康度体现了用户在过去一段时间的身体健康状态。而用户在过去一段时间的面部健康状态与用户面部特征变化呈现正相关关系。例如，如果用户在过去一段时间长期处在户外强风强光的强劳动环境中，用户会出现面部皱纹增多、眼窝深陷、下巴变瘦。再例如，如果用户在过去一段时间长期生病，与用户面部会出现面部肌肉松弛、眼窝深陷等特征。而前述体现用户面部健康度的特征与用户实时身份特征的变化程度有相关关系。

(3)用户的化妆程度体现了用户在拍摄实时面部图像的化妆程度。如果化妆程度较大，例如用户浓妆艳抹，则实时面部图像与没有浓妆艳抹时拍摄的注册面部图像中的各个器官区域的像素信息差别较大。也就是说，用户的化妆程度与用户实时身份特征的变卦程度有相关关系。

根据前述分析结果，计算设备可以对实时面部图像进行状态特征提取，确定用户的当前状态特征，进而根据当前状态特征确定阈值调整值。

可选的，计算设备可以采用如下的S132-S133获取用户的当前状态特征。

S132：确定第一时长，第一时间为拍摄实时面部图像到拍摄注册面部图像之间的时长。

S133：将第一时长作为用户的当前状态特征。

根据生活经验，用户的面部器官和组织的结构性特征和状态特征会随时间变化而变化。在时间变化较长(例如以月为单位或者以年为单位的时间变化)的情况下，用户的面部状态特征可能发生较大变化，使得对应的实时身份特征相比于注册身份特征有较大变化，并且前述较大变化与第一时长有正相关关系，因此可以将第一时长作为用户的当前状态特征，反应用户身份特征的变化情况。

可选的，计算设备可以采用如下的S134-S135获取用户的当前状态特征。

S134：获取用户在注册登记时的注册信息。

S135：将注册信息作为用户的当前状态特征。

本公开实施例中，身份信息包括用户注册日期、出生日期、性别、籍贯和民族中的至少一种。根据前述的用户身份信息，可以估计用户的面部特征变化状态，进而估计实时身份特征的可能变化情况。例如，如果用户在注册时为15周岁的少年，而根据用户的出生日期确定用户当前年龄为20岁，根据年龄阶段和正常人发育状况可以估计出用户的脸型、鼻梁、下颌骨架、胡须等器官组织形态均会发生较大变化，也就是说用户的注册日期和出生日期可以表征出用户的当前状态特征的动态变化。

前文实施例中提及多种方法获取用户的当前状态特征，在具体应用中可以同时使用前述多种方法确定各个当前状态特征，并将各个当前状态特征同时用于确定阈值调整值，以使得确定阈值调整值的求算有更多的依据。

前文S140提及根据当前状态特征确定阈值调整值。可选的，在本公开实施例中，计算设备可以采用如下的S141或者S142确定阈值调整值。

S141：根据当前状态特征输入到调整阈值估计模型中，得到阈值调整值。

调整阈值估计模型是采用大量的样本状态特征和对应的样本阈值调整值训练得到的深度学习模型，其中样本阈值调整值可以是根据经验确定的数值。对于如何根据样本状态特征和样本阈值调整值训练调整阈值估计模型并不是本方案的关注内容，因此此处不再展开描述，具体可以参考本领域已有的技术文献。

S142：根据当前状态特征进行查表，确定阈值调整值。

在一些实施例中，计算设备存储有各种状态特征的组合和对应的阈值调整值的关系数据表。在获得当前状态特征后，采用当前状态特征进行查表即可以确定阈值调整值。

在采用前述的S141或者S142确定阈值调整值后，随后可以根据阈值调整值计算第二相似度阈值。

在本公开的一些实施例中，前述的身份特征(包括实时身份特征和注册身份特征)包括多个子身份特征。例如子身份特征可以包括：脸型、眼型、鼻型、嘴型、各个面部器官的相对角度和各个面部器官的相对距离。前述各个子身份特征均具有对应的相似度阈值。对应的，第一相似度阈值是基于多个子身份特征对应的相似度子阈值综合得到的，例如可以是基于多个子身份特征对应的相似度子阈值加权求和得到，或者基于多个子身份特征对应的相似度子阈值相乘得到。

在身份特征包括多个子身份特征的情况下，前文S140根据当前状态特征确定阈值调整值可以包括S140A和S140B。

S140A：根据当前状态特征确定各个子身份特征对应的子调整值。

S140B：根据子调整值综合得到阈值调整值。

根据当前状态特征确定各个子身份特征对应的子调整值，可以采用前述的S141或者S142的方法，确定各个子身份特征对应的子调整值。在获得对应的子调整值后，随后根据各个子调整阈值综合得到阈值调整值。

在本公开的一些实施例中，不同的子身份特征对应的相似度对于确定用户身份具有不同的重要性程度。例如，由于用户的眼型随年龄、健康状态的变化并不大，因此眼型对应顶点相似度大小对于确定实时相似度非常重要。对应的，用户眼型对于确定第一相似度阈值和阈值调整值的权重也非常大。为了适应这种具体情况，在执行前述的S140B之前，计算设备之前，还可以执行S140C。

S140C：根据各个子身份特征用于确定用户身份特征的重要性程度，确定各个子调整值对应的权重。

各个子身份特征用于确定用户身份特征的重要性程度可以是根据大量子身份特征数据进行统计确定的数值，重要性程度和权重具有反相关关系。根据各个子身份程度用于确定用户身份特征的重要性程度确定对应的权重，是将各个重要性程度进行比较确定对应的权重。例如，有三个子身份特征对应的重要性程度分别为2、1和2，则对应的子调整值对应的权重可以分别为0.5、1和0.5。也就是重要性程度越大，则对应的值调整值对应的权重越小。

在执行S140C的情况下，S140B可以为：采用子调整值和对应的权重进行加权求和，得到阈值调整值。

在一些具体应用中，实时相似度小于第一相似度阈值可能并不是由于用户的面部特征发生变化造成的，而是面部有遮挡物造成的。如果面部有遮挡物，即使确定阈值调整值并根据阈值调整值确定第二相似度阈值，但是大概率实时身份特征还是会小于第二相似度阈值，用户还是无法通过身份认证。

图2是本公开另外一些实施例提供的基于面部识别的用户认证方法流程图。如图2所示，为了解决前段提及的问题，在本公开的一些实施例中，基于面部识别的用户认证方法包括S210-S280。

S210：对实时拍摄用户面部得到的实时面部图像进行身份特征提取，得到实时身份特征。

S220：计算实时身份特征与注册身份特征的实时相似度。

S230：判断实时相似度是否达到第一相似度阈值；若是，执行S200；若否，执行S240。

S240：对实时面部图像进行面部完整度识别，确定用户面部是否有局部遮挡物；若是，执行S250；若否，执行S270。

S250：生成并输出提示信息，提示信息用于提示用户去除局部遮挡物。

S260：重新获取拍摄用户面部的实时面部图像，并执行S210。

S270：获取用户的当前状态特征。

S280：根据当前状态特征确定阈值调整值，并根据阈值调整值和第一相似度阈值得到第二相似度阈值，第二相似度阈值小于第一相似度阈值。

S290：判断实时相似度是否大于第二相似度阈值；若是，执行S200；若否，执行S300。

S200：判定用户通过身份认证。

S300：判定用户没有通过身份认证。

本实施例中S210-S220、S270-S300与前文实施例叙述相同或者类似，也就是根据前文实施例叙述可以确定前述步骤的具体实现过程，此处不再复述。此处对S240和S250详细做分析。

对实时面部图像进行面部完整度识别，是采用预先确定的面部完整度识别方法确定实时面部图像中用户面部区域是否有非面部特征的像素。在确定用户面部区域有非面部特征像素的情况下，确定用户面部有局部遮挡物。

如果用户面部具有局部遮挡物，则局部遮挡物大概率会造成即使确定第二相似度阈值用户仍然无法通过身份认证的问题。为避免此问题，需要确保获取到没有局部遮挡物的实时面部图像，因此计算设备执行S260生成并输出提示信息，以提示用户去除局部遮挡物。

在执行S2600的情况下，计算设备可以重新获取拍摄用户面部的实时面部图像，并重新执行S210-S230。

除了提供前述的基于面部识别的用户认证方法外，本公开实施例还提供一种用户面部识别认证装置。图3是本公开实施例提供的用户面部识别认证装置300的结构示意图。如图3所示，本公开实施例提供的用户面部识别认证装置300包括身份特征提取单元301、相似度计算单元302、状态特征获取单元303、阈值调整单元304和身份认证单元305。

身份特征提取单元301用于对实时拍摄用户面部得到的实时面部图像进行身份特征提取，得到实时身份特征，实时身份特征是实时面部图像中表征用户身份的关键特征。

相似度计算单元302用于计算实时身份特征与注册身份特征的实时相似度，其中注册身份特征是对用户注册时拍摄的注册面部图像进行身份特征提取得到的。

状态特征获取单元303用于在判定实时相似度没有达到第一相似度阈值的情况下，获取用户的当前状态特征。

阈值调整单元304用于根据当前状态特征确定阈值调整值，并根据阈值调整值和第一相似度阈值得到第二相似度阈值，第二相似度阈值小于第一相似度阈值。

身份认证单元305用于在实时相似度大于第二相似度阈值的情况下，判定用户通过面部识别认证。

在本公开的一些实施例中，状态特征获取单元303通过对实时面部图像进行状态特征提取，确定用户的当前状态特征，当前状态特征包括用户的估计年龄、面部苍老度和化妆度中的至少一种。

在本公开的一些实施例中，状态特征获取单元303确定第一时长，将第一时长作为用户的当前状态特征。第一时间为拍摄实时面部图像到拍摄注册面部图像之间的时长；

在本公开的一些实施例中，状态特征获取单元303获取用户在注册登记时的注册信息，将注册信息作为用户的当前状态特征身份信息包括注册时间、出生日期、性别、籍贯和民族中的至少一种。

在本公开的一些实施例中，阈值调整单元304根据当前状态特征输入到调整阈值估计模型中，得到阈值调整值；或者，根据当前状态特征进行查表，确定阈值调整值；其中调整阈值估计模型采用样本状态特征和对应的样本阈值调整值训练得到。

在本公开的一些实施例中，身份特征包括多个子身份特征，第一相似度阈值基于多个子身份特征对应的相似度子阈值综合得到。对应的，阈值调整单元304包括子调整确定子单元和综合值计算子单元。子调整确定子单元用于根据当前状态特征确定各个子身份特征对应的子调整值；综合值计算子单元根据子调整值综合得到阈值调整值。

在本公开一些实施例中，用户面部识别认证装置300还包括权重确定子单元。权重确定子单元用于根据各个子身份特征用于确定用户身份特征的重要性程度，确定各个子调整值对应的权重，，重要性程度和权重具有反相关关系。对应的，综合值计算子单元采用子调整值和对应的权重进行加权求和，得到阈值调整值。

在本公开的一些实施例中，用户面部识别认证装置300还包括遮挡物识别单元、提示单元和图像再获取单元。在判定实时相似度没有达到第一相似度阈值的情况下，遮挡物识别单元对实时面部图像进行面部完整度识别，确定用户面部是否有局部遮挡物；提示单元用于在用户面部具有局部遮挡物的情况下，生成并输出提示信息，提示信息用于提示用户去除局部遮挡物；图像再获取单元用于重新获取拍摄用户面部的实时面部图像，并触发身份特征提取单元301和相似度计算单元302再次执行对应的处理步骤。

本公开实施例还提供一种用于实现前述基于面部识别的用户认证方法的计算设备。图4是本公开一些实施例提供的计算设备的结构示意图。下面具体参考图4，其示出了适于用来实现本公开实施例中的计算设备400的结构示意图。图4示出的计算设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图4所示，计算设备400可以包括处理装置(例如中央处理器、图形处理器等)401，其可以根据存储在只读存储器ROM402中的程序或者从存储装置408加载到随机访问存储器RAM403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有计算设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出I/O接口405也连接至总线404。

通常，以下装置可以连接至I/O接口405：包括例如触摸屏、触摸板、摄像头、麦克风、加速度计、陀螺仪等的输入装置405；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置408；以及通信装置409。通信装置409可以允许计算设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的计算设备400，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置409从网络上被下载和安装，或者从存储装置408被安装，或者从ROM 402被安装。在该计算机程序被处理装置401执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、计算设备可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述计算设备中所包含的；也可以是单独存在，而未装配入该计算设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该计算设备执行时，使得该计算设备：对实时拍摄用户面部得到的实时面部图像进行身份特征提取，得到实时身份特征，实时身份特征是实时面部图像中表征用户身份的关键特征；计算实时身份特征与注册身份特征的实时相似度，其中注册身份特征是对用户注册时拍摄的注册面部图像进行身份特征提取得到的；在判定实时相似度没有达到第一相似度阈值的情况下，获取用户的当前状态特征；根据当前状态特征确定阈值调整值，并根据阈值调整值和第一相似度阈值得到第二相似度阈值，第二相似度阈值小于第一相似度阈值；在实时相似度大于第二相似度阈值的情况下，判定用户通过面部识别认证。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或计算设备上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的根据硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括根据一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

本公开实施例还提供一种计算机可读存储介质，所述存储介质中存储有计算机程序，当所述计算机程序被处理器执行时可以实现上述任一方法实施例的方法，其执行方式和有益效果类似，在这里不再赘述。

本公开实施例还提供一种车辆，车辆包括前述的计算设备。具体车辆可以是燃油车辆，也可以是纯电动车辆等，本公开实施例不做限定。

需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物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、物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、物品或者设备中还存在另外的相同要素。

以上所述仅是本公开的具体实施方式，使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本公开的精神或范围的情况下，在其它实施例中实现。因此，本公开将不会被限制于本文所述的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种基于面部识别的用户认证方法，其特征在于，包括：

对实时拍摄用户面部得到的实时面部图像进行身份特征提取，得到实时身份特征，所述实时身份特征是所述实时面部图像中表征用户身份的关键特征；

计算所述实时身份特征与注册身份特征的实时相似度，其中所述注册身份特征是对用户注册时拍摄的注册面部图像进行身份特征提取得到的；

在判定实时相似度没有达到所述第一相似度阈值的情况下，获取所述用户的当前状态特征；

根据所述当前状态特征确定阈值调整值，并根据所述阈值调整值和所述第一相似度阈值得到第二相似度阈值，所述第二相似度阈值小于所述第一相似度阈值；

在所述实时相似度大于所述第二相似度阈值的情况下，判定用户通过面部识别认证。

2.根据权利要求1所述的方法，其特征在于，所述获取用户的当前状态特征，包括：

对所述实时面部图像进行状态特征提取，确定所述用户的当前状态特征，所述当前状态特征包括所述用户的估计年龄、面部苍老度和化妆度中的至少一种。

3.根据权利要求1所述的方法，其特征在于，所述获取用户的当前状态特征包括：

确定第一时长，所述第一时间为拍摄所述实时面部图像到拍摄所述注册面部图像之间的时长；

将所述第一时长作为所述用户的当前状态特征。

4.根据权利要求1所述的方法，其特征在于，所述获取用户的当前状态特征包括：

获取所述用户在注册登记时的注册信息，所述身份信息包括注册时间、出生日期、性别、籍贯和民族中的至少一种；

将所述注册信息作为所述用户的当前状态特征。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述根据所述当前状态特征确定阈值调整值，包括：

根据所述当前状态特征输入到调整阈值估计模型中，得到所述阈值调整值；或者，

根据所述当前状态特征进行查表，确定所述阈值调整值；

其中所述调整阈值估计模型采用样本状态特征和对应的样本阈值调整值训练得到。

6.根据权利要求1所述的方法，其特征在于，所述身份特征包括多个子身份特征，所述第一相似度阈值基于多个子身份特征对应的相似度子阈值综合得到；

所述根据所述当前状态特征确定阈值调整值，包括：

根据所述当前状态特征确定各个子身份特征对应的子调整值；

根据所述子调整值综合得到所述阈值调整值。

7.根据权利要求6所述的方法，其特征在于，在根据所述子调整值综合得到所述阈值调整值之前，所述方法还包括：

根据各个所述子身份特征确定用户身份特征的重要性程度，确定各个子调整值对应的权重，所述重要性程度和所述权重具有反相关关系；

所述根据所述子调整值综合得到所述阈值调整值，包括：采用所述子调整值和对应的权重进行加权求和，得到所述阈值调整值。

8.一种用户面部识别认证装置，其特征在于，包括：

身份特征提取单元，用于对实时拍摄用户面部得到的实时面部图像进行身份特征提取，得到实时身份特征，所述实时身份特征是表征所述实时面部图像中表征用户身份的关键特征；

相似度计算单元，用于计算所述实时身份特征与注册身份特征的实时相似度，其中所述注册身份特征是对用户注册时拍摄的注册面部图像进行身份特征提取得到的；

状态特征获取单元，用于在判定实时相似度没有达到所述第一相似度阈值的情况下，获取所述用户的当前状态特征；

阈值调整单元，用于根据所述当前状态特征确定阈值调整值，并根据所述阈值调整值和所述第一相似度阈值得到第二相似度阈值，所述第二相似度阈值小于所述第一相似度阈值；

身份认证单元，用于在所述实时相似度大于所述第二相似度阈值的情况下，判定用户通过面部识别认证。

9.一种计算设备，其特征在于，包括处理器和存储器，所述存储器用于存储计算机程序；

所述计算机程序在被所述处理器加载时，使所述处理器执行如权利要求1-7任一项所述的基于面部识别的用户认证方法。

10.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，当计算机程序被处理器执行时，使得处理器实现如权利要求1-7任一项所述的基于面部识别的用户认证方法。

Images