CN116092158A - 人脸识别方法、装置、设备以及存储介质 - Google Patents

Abstract

本说明书公开了一种人脸识别方法、装置、设备以及存储介质，方法由终端执行，所述终端包括结构光系统，所述结构光系统包括红外散斑投射器和红外摄像头。步骤包括：在所述红外散斑投射器关闭的情况下，获取目标对象的第一红外人脸图像，所述第一红外人脸图像是所述红外摄像头拍摄的；基于所述第一红外人脸图像，确定所述终端所处的环境状态；启动所述红外散斑投射器，并基于所述环境状态，调整所述结构光系统的工作参数；基于工作参数调整后的所述结构光系统，对所述目标对象进行人脸识别。

Description

人脸识别方法、装置、设备以及存储介质

技术领域

本说明书实施例涉及计算机技术领域，特别涉及一种人脸识别方法、装置、设备以及存储介质。

背景技术

随着计算机技术的发展，人脸识别技术在近年来得到了广泛应用，比如，应用人脸识别技术来实现对手机的解锁，大大提高了手机解锁的效率。另外，应用人脸识别技术的人脸识别系统被广泛部署在支付平台上，用户通过人脸识别系统能够快速完成支付，大大提高了支付的效率。

相关技术中，人脸识别的成功率和准确性会受到环境的影响，如何提高在不同环境中人脸识别的成功率和准确性是亟须研究的问题。

发明内容

本说明书实施例提供了一种人脸识别方法、装置、设备以及存储介质，可以提高在不同环境中人脸识别的成功率和准确性，技术方案如下：

一方面，提供了一种人脸识别方法，由终端执行，所述终端包括结构光系统，所述结构光系统包括红外散斑投射器和红外摄像头，所述方法包括：

在所述红外散斑投射器关闭的情况下，获取目标对象的第一红外人脸图像，所述第一红外人脸图像是所述红外摄像头拍摄的；

基于所述第一红外人脸图像，确定所述终端所处的环境状态；

启动所述红外散斑投射器，并基于所述环境状态，调整所述结构光系统的工作参数；

基于工作参数调整后的所述结构光系统，对所述目标对象进行人脸识别。

一方面，提供了一种人脸识别装置，应用于终端，所述终端包括结构光系统，所述结构光系统包括红外散斑投射器和红外摄像头，所述装置包括：

图像获取模块，用于在所述红外散斑投射器关闭的情况下，获取目标对象的第一红外人脸图像，所述第一红外人脸图像是所述红外摄像头拍摄的；

环境状态确定模块，用于基于所述第一红外人脸图像，确定所述终端所处的环境状态；

工作参数调整模块，用于启动所述红外散斑投射器，并基于所述环境状态，调整所述结构光系统的工作参数；

人脸识别模块，用于基于工作参数调整后的所述结构光系统，对所述目标对象进行人脸识别。

在一种可能的实施方式中，所述环境状态确定模块，用于执行下述任一项：

在所述第一红外人脸图像的亮度值大于或等于亮度阈值的情况下，确定所述终端所处的环境状态为第一环境状态，所述第一环境状态表示所述终端所处的环境中存在符合目标光照条件的光源；

在所述第一红外人脸图像中存在散斑图案的情况下，确定所述终端所处的环境状态为第二环境状态，所述第二环境状态表示所述终端所处的环境中存在其他红外散斑投射器的干扰。

在一种可能的实施方式中，所述结构光系统还包括可见光摄像头，所述工作参数调整模块，用于在所述终端所处的环境状态为所述第一环境状态的情况下，执行下述至少一项：

减少所述红外摄像头的曝光时间；

提高所述红外散斑投射器的信噪比；

将所述可见光摄像头的测光区域调整为所述目标对象的人脸区域。

在一种可能的实施方式中，所述结构光系统还包括可见光摄像头，所述工作参数调整模块，用于在所述终端所处的环境状态为所述第二环境状态的情况下，执行下述至少一项：

调整所述红外散斑投射器的工作时间点；

调整所述红外散斑投射器的工作频率；

提高所述红外散斑投射器的信噪比；

减少所述红外摄像头的曝光时间。

在一种可能的实施方式中，所述装置还包括第一调整模块，用于在所述终端所处的环境状态为所述第一环境状态的情况下，执行下述至少一项：

提高所述终端的屏幕亮度；

提高所述终端当前显示界面的对比度；

提高所述终端的音量。

在一种可能的实施方式中，所述装置还包括第二调整模块，用于在所述终端所处的环境状态为所述第二环境状态的情况下，执行下述至少一项：

显示提示信息；

播放提示语音；

所述提示信息和所述提示语音均用于提示改变所述终端的位置。

在一种可能的实施方式中，所述结构光系统还包括可见光摄像头，所述人脸识别模块，用于获取所述红外摄像头采集的第二红外人脸图像和所述可见光摄像头采集的第一彩色人脸图像，所述第二红外人脸图像和所述第一彩色人脸图像均是在所述结构光系统的工作参数调整后采集的；基于所述第二红外人脸图像和所述第一彩色人脸图像，对所述目标对象进行人脸识别。

在一种可能的实施方式中，所述人脸识别模块，用于确定所述第二红外人脸图像的质量分数；在所述第二红外人脸图像的质量分数小于或等于第一质量分数阈值的情况下，控制所述红外散斑投射器关闭；获取所述红外摄像头采集的第三红外人脸图像；基于所述第三红外人脸图像和所述第一彩色人脸图像，对所述目标对象进行人脸识别。

在一种可能的实施方式中，所述人脸识别模块，还用于在所述第二红外人脸图像的质量分数小于或等于第一质量分数阈值的情况下，降低所述第二红外人脸图像在人脸识别过程中的权重，所述权重与对人脸识别结果的影响程度正相关；基于所述第二红外人脸图像和所述第一彩色人脸图像，对所述目标对象进行人脸识别。

在一种可能的实施方式中，所述人脸识别模块，还用于在所述第二红外人脸图像的质量分数大于所述第一质量分数阈值的情况下，基于所述第二红外人脸图像，确定所述目标对象的三维人脸结构；分别对所述三维人脸结构和所述第一彩色人脸图像进行特征提取，得到所述目标对象的三维人脸特征和二维人脸特征；基于所述三维人脸特征和所述二维人脸特征对所述目标对象的进行人脸识别。

在一种可能的实施方式中，所述人脸识别模块，还用于确定所述第一彩色人脸图像的质量分数；在所述第一彩色人脸图像的质量分数小于或等于第二质量分数阈值的情况下，对所述第一彩色人脸图像进行图像增强，得到第二彩色人脸图像；基于所述第二红外人脸图像和所述第二彩色人脸图像，对所述目标对象进行人脸识别。

一方面，提供了一种计算机设备，所述计算机设备包括一个或多个处理器和一个或多个存储器，所述一个或多个存储器中存储有至少一条计算机程序，所述计算机程序由所述一个或多个处理器加载并执行以实现所述人脸识别方法。

一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条计算机程序，所述计算机程序由处理器加载并执行以实现所述人脸识别方法。

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程序代码，该程序代码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程序代码，处理器执行该程序代码，使得该计算机设备执行上述人脸识别方法。

通过本说明书实施例提供的技术方案，在结构光系统中的红外散斑投射器关闭的情况下，通过结构光系统中的红外摄像头获取第一红外人脸图像。通过该第一红外人脸图像来确定终端所处的环境状态。在得到该环境状态之后，启动该红外散斑投射器，基于该环境状态调整该结构光系统的工作参数，使得该结构光系统能够工作在与该环境状态匹配的情况下。基于工作参数调整后的结构光系统，对目标对象进行人脸识别，从而提高了在不同环境状态下人脸识别的成功率和准确性。

附图说明

为了更清楚地说明本说明书实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本说明书的一些实施例，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是本说明书实施例提供的一种人脸识别方法的实施环境的示意图；

图2是本说明书实施例提供的一种人脸识别方法流程图；

图3是本说明书实施例提供的另一种人脸识别方法流程图；

图4是本说明书实施例提供的一种终端的结构示意图；

图5是本说明书实施例提供的一种人脸识别装置的结构示意图；

图6是本说明书实施例提供的另一种终端的结构示意图。

具体实施方式

为使本说明书的目的、技术方案和优点更加清楚，下面将结合附图对本说明书实施方式做进一步的详细描述。

本说明书中术语“第一”“第二”等字样用于对作用和功能基本相同的相同项或相似项进行区分，应理解，“第一”、“第二”、“第n”之间不具有逻辑或时序上的依赖关系，也不对数量和执行顺序进行限定。

首先，对本说明书一个或多个实施例涉及的名词术语进行解释。

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较佳结果的理论、方法、技术及应用系统。

机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、示教学习等技术。

生物识别：生物识别技术就是通过计算机与光学、声学、生物传感器和生物统计学原理等高科技手段密切结合，利用人体固有的生理特性，(如指纹、脸像、虹膜等)和行为特征(如笔迹、声音、步态等)来进行个人身份的鉴定。

人脸识别：人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术，通常也叫做人像识别、面部识别。

结构光系统：结构光系统是一组由投影仪和摄像头组成的系统结构。用投影仪投射特定的光信息到物体表面后及背景后，由摄像头采集。根据物体造成的光信号的变化来计算物体的位置和深度等信息，进而复原整个三维空间。通常来说，该摄像头是红外摄像头，该投影仪是红外散斑投射器。

红外摄像头：获取红外线并利用红外线进行成像的摄像头。

红外散斑投射器：以红外线的形式投射散斑的装置。

散斑：红外散斑投射器投射出的随机图案，红外摄像头通过散斑形状的偏移计算距离。

归一化：将取值范围不同的数列映射到(0，1)区间上，便于数据的处理。在一些情况下，归一化后的数值可以直接被实现为概率。

随机失活(Dropout)：是对具有深度结构的人工神经网络进行优化的方法，在学习过程中通过将隐含层的部分权重或输出随机归零，降低节点间的相互依赖性从而实现神经网络的正则化，降低其结构风险。例如在模型训练过程中，存在一个向量(1，2，3，4)，将该向量输入随机失活层后，随机失活层可以随机将向量(1，2，3，4)中的一个数字转化为0，比如将2转化为0，那么向量就变成了(1，0，3，4)。

嵌入编码(Embedded Coding)：嵌入编码在数学上表示一个对应关系，即通过一个函数F将X空间上的数据映射到Y空间上，其中该函数F是单射函数，映射的结果是结构保存，单射函数表示映射后的数据与映射前的数据唯一对应，结构保存表示映射前数据的大小关系后映射后数据的大小关系相同，例如映射前存在数据X₁以及X₂，映射后得到X₁对应的Y₁以及X₂对应的Y₂。若映射前的数据X₁＞X₂，那么相应地，映射后的数据Y₁大于Y₂。对于词语来说，就是将词语映射到另外一个空间，便于后续的机器学习和处理。

注意力权重：可以表示训练或预测过程中某个数据的重要性，重要性表示输入的数据对输出数据影响的大小。重要性高的数据其对应的注意力权重的值较高，重要性低的数据其对应的注意力权重的值较低。在不同的场景下，数据的重要性并不相同，模型的训练注意力权重的过程也即是确定数据重要性的过程。

需要说明的是，本说明书实施例所涉及的信息(包括但不限于用户设备信息、用户个人信息等)、数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)以及信号，均为经用户授权或者经过各方充分授权的，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。例如，本说明书实施例中涉及的红外人脸图像和彩色人脸图像是在充分授权的情况下获取的。

下面，对本说明书实施例提供的技术方案的实施环境进行介绍。

图1是本说明书实施例提供的一种人脸识别方法的实施环境示意图，参见图1，该实施环境中可以包括终端110和服务器140。

终端110通过无线网络或有线网络与服务器140相连。可选地，终端110是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等，但并不局限于此。终端110安装和运行有支持人脸识别的应用程序，终端110包括结构光系统，该结构光系统包括红外散斑投射器和红外摄像头。在一些实施例中，该结构光系统还包括可见光摄像头。

服务器140是独立的物理服务器，或者是多个物理服务器构成的服务器集群或者分布式系统，或者是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。服务器140为终端110上运行的应用程序提供后台服务。

本领域技术人员可以知晓，上述终端的数量可以更多或更少。比如上述终端仅为一个，或者上述终端为几十个或几百个，或者更多数量，此时上述实施环境中还包括其他终端。本说明书实施例对终端的数量和设备类型不加以限定。

介绍完本说明书实施例的实施环境之后，下面将结合上述实施环境对本说明书实施例的应用场景进行介绍，在下述说明过程中，终端也即是上述实施环境中的终端110，服务器也即是上述实施环境中的服务器120。本说明书实施例提供的技术方案能够应用在各类应用人脸识别系统的场景中，比如，应用提供人脸解锁功能的终端中，或者应用在各类提供刷脸支付功能的支付类应用中，或者应用在各类提供刷脸支付功能的支付设备中，或者应用在各类带有刷脸支付功能的自动售货机中，或者应用在各类具有人脸识别的门禁设备中，本说明书实施例对此不作限定。

以本说明书实施例提供的人脸识别方法应用在提供人脸解锁功能的终端中为例，该终端包括结构光系统，该结构光系统包括红外散斑投射器和红外摄像头，终端通过该结构光系统实现人脸识别的相关功能。在进行人脸解锁的过程中，终端关闭该结构光系统中的红外散斑投射器。在该红外散斑投射器关闭的情况下，终端通过该结构光系统中的红外摄像头采集目标对象的第一红外人脸图像。终端基于该第一红外人脸图像，确定该终端所处的环境状态。终端启动该红外散斑投射器，基于该环境状态来调整该结构光系统的工作参数，以使得该工作参数与该环境状态匹配。终端基于工作参数调整后的结构光系统，对该目标对象进行人脸识别。终端根据人脸识别结果，确定是否进行解锁。

在各类提供刷脸支付功能的支付类应用中，在终端基于环境状态调整结构光系统的工作参数之后，能够采用工作参数调整后的该结构光系统采集目标对象的人脸信息，并将该人脸信息发送给服务器来进行人脸识别，从而根据人脸识别的结果来确定是否进行支付。

在其他场景中，应用本说明书实施例提供的人脸识别方法与上述描述属于同一发明构思，在此不再赘述。

在介绍完本说明书实施例的实施环境和应用场景之后，下面对本说明书实施例提供的人脸识别方法进行说明，参见图2，以执行主体为终端为例，方法包括下述步骤。

202、在红外散斑投射器关闭的情况下，终端获取目标对象的第一红外人脸图像，该第一红外人脸图像是红外摄像头拍摄的。

其中，该终端包括结构光系统，该结构光系统包括红外散斑投射器和红外(Infrared，IR)摄像头。该结构光系统用于进行人脸识别，该红外散斑投射器用于以红外线的形式投射散斑，该红外摄像头用于采集红外线并基于红外线进行成像。在基于该结构光系统进行人脸识别的过程中，该红外散斑投射器会向目标对象的面部投射散斑，该红外摄像头对该目标对象的面部进行拍摄，得到的红外人脸图像中携带该目标对象面部的散斑，通过散斑形状能够确定目标对象面部多个点的三维坐标，实现对该目标对象的面部的三维重建。基于三维重建的结果来进行人脸识别。在一些实施例中，在该红外散斑投射器开启的情况下，该红外摄像头拍摄的红外人脸图像携带散斑表示三维信息，因此也被称为三维红外图像。在该红外散斑投射器关闭的情况下，该红外摄像头拍摄的红外人脸图像不携带散斑，因此也被称为二维红外图像。

204、终端基于该第一红外人脸图像，确定该终端所处的环境状态。

其中，环境状态能够表示该终端所处环境的状态，不同环境状态会对基于结构光系统进行人脸识别的过程造成不同程度的影响，相应地，由于该第一红外人脸图像用于确定环境状态，那么该第一红外人脸图像也可以被称为环境状态确定图像。

206、终端启动该红外散斑投射器，并基于该环境状态，调整该结构光系统的工作参数。

其中，调整该结构光系统的工作参数包括调整该红外散斑投射器的工作参数以及调整该红外摄像头的工作参数中的至少一项。调整该结构光系统的工作参数使得该结构光系统能够工作在与该环境状态匹配的状态下，从而提高红外摄像头的成像效果，进而提高人脸识别的成功率和准确率。

208、终端基于工作参数调整后的该结构光系统，对该目标对象进行人脸识别。

其中，基于工作参数调整后的结构光系统，对该目标对象进行人脸识别是指基于工作参数调整后的结构光系统，采集该目标对象的人脸图像，并基于该人脸图像提供的信息进行人脸识别。

通过本说明书实施例提供的技术方案，在结构光系统中的红外散斑投射器关闭的情况下，通过结构光系统中的红外摄像头获取第一红外人脸图像。通过该第一红外人脸图像来确定终端所处的环境状态。在得到该环境状态之后，启动该红外散斑投射器，基于该环境状态调整该结构光系统的工作参数，使得该结构光系统能够工作在与该环境状态匹配的情况下。基于工作参数调整后的结构光系统，对目标对象进行人脸识别，从而提高了在不同环境状态下人脸识别的成功率和准确性。

上述步骤202-208是对本说明书实施例提供的人脸识别方法的简单说明，下面将结合一些例子，对本说明书实施例提供的人脸识别方法进行更加清楚的说明，参见图3，以执行主体为终端为例，方法包括下述步骤。

302、响应于人脸识别指令，终端控制红外散斑投射器关闭。

其中，该终端包括结构光系统，该结构光系统包括红外散斑投射器和红外(Infrared，IR)摄像头。在一些实施例中，结构光系统安装在终端的正面，用户在使用该终端的过程中，该结构光系统能够采集到用户的人脸图像，比如，参见图4，该结构光系统401安装在终端400的正面的顶部，该结构光系统401包括红外散斑投射器402以及红外摄像头403。在一些实施例中，该结构光系统还包括可见光摄像头404。该结构光系统用于进行人脸识别，该红外散斑投射器用于以红外线的形式投射散斑，该红外摄像头用于采集红外线并基于红外线进行成像。在基于该结构光系统进行人脸识别的过程中，该红外散斑投射器会向目标对象的面部投射散斑，该红外摄像头对该目标对象的面部进行拍摄，得到的红外人脸图像中携带该目标对象面部的散斑，通过散斑形状能够确定目标对象面部多个点的三维坐标，实现对该目标对象的面部的三维重建。基于三维重建的结果来进行人脸识别。该人脸识别指令用于指示终端进行人脸识别。

在不同场景下，该人脸识别指令通过不同方式触发，下面分为不同场景进行说明。

在人脸解锁的场景下，该人脸识别指令由解锁操作触发，其中，该解锁操作包括在处于锁定状态的终端上执行的滑动操作、点击处于锁定状态的终端上显示的解锁控件以及将终端与水平面之间的夹角调整为目标角度等，该目标角度由技术人员根据实际情况进行设置，本说明书实施例对此不作限定。

在刷脸支付的场景下，该人脸识别指令由支付操作触发，其中，该支付操作包括对终端上显示的支付控件的点击操作。

在刷脸考勤的场景下，该人脸识别指令由刷脸操作触发，其中，该刷脸操作包括对终端上显示的刷脸控件的点击操作。或者，该人脸识别指令由终端在检测到人脸的情况下自动触发。

需要说明的是，除了上述场景之外，还可以通过其他方式来触发该人脸识别指令，本说明书实施例对此不作限定。

下面对上述步骤302的实现过程进行说明。

在一种可能的实施方式中，响应于人脸识别指令，终端向红外散斑投射器发送关闭指令，该关闭指令用于控制该红外散斑投射器关闭。响应于该关闭指令，在该红外散斑投射器开启的情况下，该红外散斑投射器关闭；在该红外散斑投射器关闭的情况下，该红外散斑投射器保持关闭。

其中，控制该红外散斑投射器关闭是为了消除该红外散斑投射器对后续确定环境状态的影响，提高后续确定环境状态的准确性。

304、在红外散斑投射器关闭的情况下，终端获取目标对象的第一红外人脸图像，该第一红外人脸图像是红外摄像头拍摄的。

其中，在该红外散斑投射器开启的情况下，该红外摄像头拍摄的红外人脸图像携带散斑表示三维信息，因此也被称为三维红外图像。在该红外散斑投射器关闭的情况下，该红外摄像头拍摄的红外人脸图像不携带散斑，因此也被称为二维红外图像。该红外散斑投射器通过红外线投射的散斑是红外散斑投射器随机生成的图案，该散斑的数量为多个，散斑的数量越多，则得到的三维信息也就越丰富。

该第一红外人脸图像用于确定终端所处的环境状态。在一些实施例中，该第一红外人脸图像的数量为一个或多个，本说明书实施例对此不作限定。在该第一红外人脸图像的数量为一个的情况下，终端后续能够基于一个第一红外人脸图像来确定终端所处的环境状态；在该第一红外人脸图像的数量为多个的情况下，终端后续能够基于多个第一红外人脸图像来确定终端所处的环境状态。

在一些实施例中，在上述步骤302之后，终端除了执行上述步骤304之外，还能够执行下述步骤。

在一种可能的实施方式中，该结构光系统还包括可见光摄像头，在红外散斑投射器关闭的情况下，终端获取目标对象的彩色人脸图像，该彩色人脸图像是可见光摄像头拍摄的。

其中，该可见光摄像头用于采集可见光并基于可见光进行成像，当然，这里的可见光是指人类的可见光。该彩色人脸图像用于确定终端所处的环境状态。

在这种实施方式下，终端除了能够通过红外摄像头来采集第一红外人脸图像之外，还能够通过可见光摄像头来采集彩色人脸图像，确定终端所处的环境状态的方式更加丰富。

306、终端基于该第一红外人脸图像，确定该终端所处的环境状态。

其中，环境状态能够表示该终端所处环境的状态，不同环境状态会对基于结构光系统进行人脸识别的过程造成不同程度的影响，相应地，由于该第一红外人脸图像用于确定环境状态，那么该第一红外人脸图像也可以被称为环境状态确定图像。

在一种可能的实施方式中，在该第一红外人脸图像的亮度值大于或等于亮度阈值的情况下，终端确定该终端所处的环境状态为第一环境状态，该第一环境状态表示该终端所处的环境中存在符合目标光照条件的光源。

其中，符合目标条件的光源是指发光强度大于或等于发光强度阈值的光源，也即是该光源的发光强度较高，该发光强度阈值由技术人员根据实际情况进行设置，本说明书实施例对此不作限定。该符合目标光照条件的光源可能会对基于结构光系统进行人脸识别的过程造成影响。在一些实施例中，该第一环境状态也被称为户外状态或者室内高亮状态，该户外状态表示终端处于户外，该符合目标光照条件的光源是太阳；该室内高亮状态表示终端处于室内且室内存在发光强度大于或等于该发光强度阈值的照明设备，该照明设备为红外照明设备。

在这种情况下，终端能够根据第一红外人脸图像的亮度值来确定该终端所处的环境状态，环境状态的确定效率较高。

在一些实施例中，该第一红外人脸图像的亮度值是指该第一红外人脸图像中多个像素点的平均亮度值，或者是指该第一红外人脸图像的人脸区域中多个像素点的平均亮度值，下面将分别以这两种情况为例对上述实施方式进行说明。

以该第一红外人脸图像的亮度值是指该第一红外人脸图像中多个像素点的平均亮度值为例，终端将该第一红外人脸图像中多个像素点的像素值相加后与多个像素点的数量相除，得到该第一红外人脸图像中多个像素点的平均亮度值。终端将该平均亮度值与该亮度阈值进行比较，在该第一红外人脸图像的亮度值大于或等于亮度阈值的情况下，终端确定该终端所处的环境状态为第一环境状态。

以该第一红外人脸图像的亮度值是指该第一红外人脸图像的人脸区域中多个像素点的平均亮度值为例，终端对该第一红外人脸图像进行人脸检测，得到该第一红外人脸图像中的人脸区域。终端将该人脸区域中多个像素点的像素值相加后与多个像素点的数量相除，得到该人脸区域中多个像素点的平均亮度值。终端将该平均亮度值与该亮度阈值进行比较，在该第一红外人脸图像的亮度值大于或等于亮度阈值的情况下，终端确定该终端所处的环境状态为第一环境状态。

上述是以第一红外人脸图像的数量为一个为例进行说明的，在该红外人脸图像的数量为多个的情况下，终端可以执行下述步骤。

在一种可能的实施方式中，在该多个第一红外人脸图像中第一目标数量的第一红外人脸图像的亮度值大于或等于亮度阈值的情况下，终端确定该终端所处的环境状态为第一环境状态，该第一环境状态表示该终端所处的环境中存在符合目标光照条件的光源。

其中，该多个第一红外人脸图像是该红外摄像头间隔预设时长采集的，该预设时长和该第一目标数量均由技术人员根据实际情况进行设置，本说明书实施例对此不作限定。确定多个第一红外人脸图像的亮度值与亮度值阈值之间关系的方法与上述实施方式属于同一发明构思，实现过程参见上述实施方式的相关描述，在此不再赘述。

在一种可能的实施方式中，在该第一红外人脸图像的亮度值小于该亮度阈值的情况下，终端确定该终端所处的环境状态为第三环境状态，该第三环境状态表示该终端所处的环境中不存在符合目标光照条件的光源。

在一些实施例中，该第三环境状态也被称为正常光照环境状态。

在一种可能的实施方式中，在该第一红外人脸图像中存在散斑图案的情况下，终端确定该终端所处的环境状态为第二环境状态，该第二环境状态表示该终端所处的环境中存在其他红外散斑投射器的干扰。

其中，由于终端的红外散斑投射器已经关闭，那么在该第一红外人脸图像中存在散斑的情况下，也就表示该终端附近存在其他红外散斑投射器，该其他红外散斑投射器投射的散斑也即是干扰。相应地，该第二环境状态也被称为干扰状态。

在这种实施方式下，终端能够根据第一红外人脸图像中的散斑来判断是否存在干扰，进而判断终端所处的环境状态，环境状态的确定效率较高。

举例来说，终端对该第一红外人脸图像进行散斑检测，确定该第一红外人脸图像中是否存在散斑。在该第一红外人脸图像中存在散斑图案的情况下，终端确定该终端所处的环境状态为第二环境状态。

其中，对该第一红外人脸图像进行散斑检测采用目标检测方法或者图案匹配方法，本说明书实施例对此不作限定。

比如，终端将该第一红外人脸图像输入散斑检测模型，通过该散斑检测模型对该第一红外人脸图像进行散斑检测，确定该第一红外人脸图像中是否存在散斑，该散斑检测模型可以为任一结构的目标检测模型，本说明书实施例对此不作限定。或者，终端采用预设图案在该第一红外人脸图像上进行滑动，确定该第一红外人脸图像上是否存在与该预设图案之间的相似度大于或等于相似度阈值的图案。在该第一红外人脸图像上存在与该预设图案之间的相似度大于或等于相似度阈值的图案的情况下，表示该第一红外人脸图像中存在散斑。在该第一红外人脸图像中存在散斑图案的情况下，终端确定该终端所处的环境状态为第二环境状态。

上述是以第一红外人脸图像的数量为一个为例进行说明的，在该红外人脸图像的数量为多个的情况下，终端可以执行下述步骤。

在一种可能的实施方式中，在该多个第一红外人脸图像中第二目标数量的第一红外人脸图像中存在散斑图案的情况下，终端确定该终端所处的环境状态为第二环境状态，该第二环境状态表示该终端所处的环境中存在其他红外散斑投射器的干扰。

其中，该多个第一红外人脸图像是该红外摄像头间隔预设时长采集的，该预设时长和该第二目标数量均由技术人员根据实际情况进行设置，本说明书实施例对此不作限定。确定多个第一红外人脸图像中是否存在散斑的方法与上述实施方式属于同一发明构思，实现过程参见上述实施方式的相关描述，在此不再赘述。

在一种可能的实施方式中，在该第一红外人脸图像中不存在散斑图案的情况下，终端确定该终端所处的环境状态为第四环境状态，该第四环境状态表示该终端所处的环境中不存在其他红外散斑投射器的干扰。

在一些实施例中，该第四环境状态也被称为无干扰环境状态。

需要说明的是，上述各个实施方式均是以单独基于第一红外人脸图像的亮度值或散斑来确定环境状态为例进行说明的，在其他可能的实施方式中，终端可以综合亮度值和散斑来综合确定环境状态，方式如下。

在一种可能的实施方式中，在该第一红外人脸图像中不存在散斑图案的情况下，终端确定该第一红外人脸图像的亮度值。在该第一红外人脸图像的亮度值大于或等于亮度阈值的情况下，终端确定该终端所处的环境状态为该第一环境状态。

在一种可能的实施方式中，在该第一红外人脸图像的亮度值小于亮度阈值的情况下，终端确定该第一红外人脸图像中是否存在散斑。在该第一红外人脸图像中存在散斑图案的情况下，终端确定该终端所处的环境状态为该第二环境状态。

308、终端启动该红外散斑投射器。

在一种可能的实施方式中，终端向红外散斑投射器发送开启指令，该开启指令用于控制该红外散斑投射器开启。响应于该开启指令，该红外散斑投射器开启。

其中，控制该红外散斑投射器开启是为了向目标对象的人脸投射散斑，以便于红外摄像头采集散斑从而进行人脸识别。

可选地，在步骤306之后，终端除了能够执行上述步骤308之外，还能够执行下述任一个步骤。

在一种可能的实施方式中，在该终端所处的环境状态为该第一环境状态的情况下，终端执行下述至少一项：提高该终端的屏幕亮度、提高该终端当前显示界面的对比度以及提高该终端的音量。

其中，第一环境状态表示该终端所处的环境中存在发光强度较高的光源，提高终端的屏幕亮度有助于用户更加清楚地查看屏幕中显示的内容，提升用户交互体验。提高终端当前显示界面的对比度也有助于用户更加清楚地查看界面中显示的内容，提升用户体验。提高该终端的音量有助于在终端处于户外时用户收听终端播放音频。

在一种可能的实施方式中，在该终端所处的环境状态为该第二环境状态的情况下，终端执行下述至少一项：显示提示信息以及播放提示语音，该提示信息和该提示语音均用于提示改变该终端的位置。

其中，第二环境状态表示该终端所处的环境中存在干扰，通过显示提示信息或者播放提示语音，从而提示用户调整该终端的位置以消除干扰。

310、终端基于该环境状态，调整该结构光系统的工作参数。

其中，调整该结构光系统的工作参数包括调整该红外散斑投射器的工作参数以及调整该红外摄像头的工作参数中的至少一项。调整该结构光系统的工作参数使得该结构光系统能够工作在与该环境状态匹配的状态下，从而提高红外摄像头的成像效果，进而提高人脸识别的成功率和准确率。

在一种可能的实施方式中，在该终端所处的环境状态为该第一环境状态的情况下，终端执行下述至少一项：减少该红外摄像头的曝光时间以及提高该红外散斑投射器的信噪比。

其中，第一环境状态表示该终端所处的环境中存在发光强度较高的光源，调整该结构光系统的工作参数是为了降低该光源对人脸识别的影响。减少该红外摄像头的曝光时间能够降低红外摄像头的曝光量，从而提高红外摄像头的成像效果。提高该红外散斑投射器的信噪比能够提升该红外散斑投射器投射的模拟增益，从而提升散斑的质量，提升信噪比能够通过提升该红外散斑投射器的发射功率(比如增加电流值)来实现。

在一种可能的实施方式中，在该终端所处的环境状态为该第二环境状态的情况下，终端执行下述至少一项：调整该红外散斑投射器的工作时间点、调整该红外散斑投射器的工作频率、提高该红外散斑投射器的信噪比以及减少该红外摄像头的曝光时间。

其中，第二环境状态表示该终端所处的环境中存在干扰，调整该结构光系统的工作参数是为了降低该干扰对人脸识别的影响。调整该红外散斑投射器的工作时间点能够改变该红外散斑投射器投射散斑的规律，以降低干扰出现的概率。在一些实施例中，调整该红外散斑投射器的工作时间点包括将该红外散斑投射器投射散斑的时间提前或者推后。调整该红外散斑投射器的工作频率也能够改变该红外散斑投射器投射散斑的规律，以降低干扰出现的概率。在一些实施例中，调整该红外散斑投射器的工作频率包括将该红外散斑投射器投射散斑的频率增加或者减少。

上述是以该结构光系统包括红外散斑投射器和红外摄像头为例进行说明的，在一些实施例中，该结构光系统还包括可见光摄像头。相应地，终端通过下述方式调整该结构光系统的工作参数。

在一种可能的实施方式中，在该终端所处的环境状态为该第一环境状态的情况下，终端执行下述至少一项：减少该红外摄像头的曝光时间、提高该红外散斑投射器的信噪比以及将该可见光摄像头的测光区域调整为该目标对象的人脸区域。

其中，测光是指测定被摄对象反射回来的光亮度，也称之为反射式测光。测光区域是局部测光中的概念，将测光区域调整为该目标对象的人脸区域能够以该人脸区域为基准来实现测光，使得测光结果更加符合该第一环境状态，提高该可见光摄像头所拍摄图像的质量，进而提高人脸识别的成功率和准确率。

在一种可能的实施方式中，在该终端所处的环境状态为该第二环境状态的情况下，终端执行下述至少一项：调整该红外散斑投射器的工作时间点、提高该红外散斑投射器的信噪比以及减少该红外摄像头的曝光时间。

312、终端基于工作参数调整后的该结构光系统，对该目标对象进行人脸识别。

其中，基于工作参数调整后的结构光系统，对该目标对象进行人脸识别是指基于工作参数调整后的结构光系统，采集该目标对象的人脸图像，并基于该人脸图像提供的信息进行人脸识别。在一些实施例中，该人脸图像包括红外人脸图像和彩色人脸图像中的至少一项。

在一种可能的实施方式中，终端获取该红外摄像头采集的第二红外人脸图像，该第二红外人脸图像是在该结构光系统的工作参数调整后采集的。终端基于该第二红外人脸图像，对该目标对象进行人脸识别。

在这种实施方式下，终端能够通过该红外摄像头来采集第二红外人脸图像，并基于该第二红外人脸图像来对目标对象进行人脸识别，由于该第二红外人脸图像是在该结构光系统的工作参数调整后的采集的，那么该第二红外人脸图像也就与终端所处的环境状态更加适应，基于该第二红外人脸图像进行人脸识别的成功率和准确性较高。

举例来说，终端获取该红外摄像头采集的第二红外人脸图像。终端基于该第二红外人脸图像，确定该目标对象的三维人脸结构。终端对该三维人脸结构进行特征提取，得到该目标对象的三维人脸特征。终端基于该三维人脸特征对该目标对象的进行人脸识别。

比如，终端获取该红外摄像头采集的第二红外人脸图像。终端基于该第二红外人脸图像中散斑的形状，确定该目标对象的三维人脸结构，该三维人脸结构包括该目标对象的人脸中多个关键点的三维坐标。终端将该三维结构特征输入三维特征提取模型，通过该三维特征提取模型对该三维人脸结构进行特征提取，得到该目标对象的三维人脸特征，其中，该三维特征提取模型可以采用三维卷积、全连接或者三维注意力编码的方式来进行特征提取，本说明书实施例对此不作限定。终端确定该三维人脸特征和该目标对象的标准三维人脸特征之间的特征相似度，其中，标准三维人脸特征是基于正常环境中采集目标对象的红外人脸图像所得到的三维人脸特征，正常环境是指不存在符合目标条件的光源以及不存在干扰的环境。在该特征相似度大于或等于相似度阈值的情况下，确定对该目标对象人脸识别通过。在该特征相似度小于该相似度阈值的情况下，确定对该目标对象人脸识别未通过。其中，该相似度阈值由技术人员根据实际情况进行设置，本说明书实施例对此不作限定。

在一些实施例中，在确定该三维人脸特征和该目标对象的标准三维人脸特征之间的特征相似度之前，终端还能够基于该三维人脸特征对该目标对象进行活体攻击检测，活体攻击检测用于确定本次人脸识别是否为活体攻击。比如，终端将该三维人脸特征输入活体攻击检测模型，通过该活体攻击对该三维人脸特征进行全连接和归一化，得到该三维人脸特征对应的活体攻击分类值。在该活体攻击分类值大于或等于分类值阈值的情况下，确定本次人脸识别为活体攻击；在该活体攻击分类值小于该分类值阈值的情况下，确定本次人脸识别不是活体攻击，该分类值阈值由技术人员根据实际情况进行设置，本说明书实施例对此不作限定。在本次人脸识别不是活体攻击的情况下，终端执行后续确定该三维人脸特征和该目标对象的标准三维人脸特征之间的特征相似度的步骤；在本次人脸识别是活体攻击的情况下，终端终止人脸识别过程，直接判定人脸识别失败。

在一种可能的实施方式中，该结构光系统还包括可见光摄像头，终端获取该红外摄像头采集的第二红外人脸图像和该可见光摄像头采集的第一彩色人脸图像，该第二红外人脸图像和该第一彩色人脸图像均是在该结构光系统的工作参数调整后采集的。终端基于该第二红外人脸图像和该第一彩色人脸图像，对该目标对象进行人脸识别。

其中，该可见光摄像头用于采集可见光并基于可见光来进行成像，该可见光摄像头采集的彩色人脸图像能够辅助人脸识别过程。

在这种实施方式下，终端能够结合红外人脸图像和彩色人脸图像来进行人脸识别，人脸识别的准确率较高。

再通过几个例子对上述举例所提供的技术方案进行说明。

例1、该结构光系统还包括可见光摄像头，终端获取该红外摄像头采集的第二红外人脸图像和该可见光摄像头采集的第一彩色人脸图像。终端确定该第二红外人脸图像的质量分数。在该第二红外人脸图像的质量分数小于或等于第一质量分数阈值的情况下，终端控制该红外散斑投射器关闭。终端获取该红外摄像头采集的第三红外人脸图像。终端基于该第三红外人脸图像和该第一彩色人脸图像，对该目标对象进行人脸识别。

其中，该第二红外人脸图像的质量分数与该第二红外人脸图像的质量正相关，该第二红外人脸图像的质量分数越高，则该第二红外人脸图像的质量越高；该第二红外人脸图像的质量分数越低，则该第二红外人脸图像的质量越低。该第一质量分数阈值由技术人员根据实际情况进行设置，本说明书实施例对此不作限定。在一些实施例中，该第二红外人脸图像的质量是指该第二红外人脸图像中散斑的质量，比如，散斑的质量通过散斑的质量分数来表示。该第二红外人脸图像和该第三红外人脸图像的区别是该第二红外人脸图像中存在散斑，该第三红外人脸图像中不存在散斑，相应地，该第二红外人脸图像也被称为3D红外人脸图像，该第三红外人脸图像也被称为2D红外人脸图像。

在这种实施方式下，在基于第二红外人脸图像进行人脸识别之前，会先确定该第二红外人脸图像的质量分数。在该第二红外人脸图像的质量分数较低，也即是该第二红外人脸图像的质量较差的情况下，终端控制该红外散斑投射器关闭，并通过红外摄像头采集第三红外人脸图像。最终基于第三红外人脸图像和该第一彩色人脸图像来实现对目标对象的人脸识别。

比如，该结构光系统还包括可见光摄像头，终端获取该红外摄像头采集的第二红外人脸图像和该可见光摄像头采集的第一彩色人脸图像。终端采用图像质量评价(ImageQuality Assessment，IQA)算法来确定该第二红外人脸图像的质量分数，该图像质量评价算法包括(主观评价和客观评价)，本说明书实施例对于该图像质量评价算法的类型不作限定。在该第二红外人脸图像的质量分数小于或等于第一质量分数阈值的情况下，终端控制该红外散斑投射器关闭。终端获取该红外摄像头采集的第三红外人脸图像。终端将该第三红外人脸图像和该第一彩色人脸图像输入二维特征提取模型，通过该二维特征提取模型对该第三红外人脸图像和该第一彩色人脸图像进行特征提取，得到第一红外人脸图像特征和第一彩色人脸图像特征。终端确定该第一红外人脸图像特征与目标对象的标准红外人脸图像特征之间的第一特征相似度，以及该第一彩色人脸图像特征分别与目标对象的标准彩色人脸图像特征之间的第二特征相似度。在该第一特征相似度和该第二特征相似度均大于或等于相似度阈值的情况下，确定对该目标对象人脸识别通过。在该第一特征相似度和该第二特征相似度中任一项小于该相似度阈值的情况下，确定对该目标对象人脸识别未通过。其中，标准红外人脸图像特征和标准彩色人脸图像特征均是基于正常环境中采集的红外人脸图像和彩色人脸图像所得到的图像特征。

或者，在终端确定出该第一特征相似度和该第二特征相似度之后，终端还能够将该第一特征相似度和该第二特征相似度进行加权求和，得到第一融合相似度。在该第一融合相似度大于或等于相似度阈值的情况下，确定对该目标对象人脸识别通过。在该第一融合相似度小于该相似度阈值的情况下，确定对该目标对象人脸识别未通过。

例2、该结构光系统还包括可见光摄像头，终端获取该红外摄像头采集的第二红外人脸图像和该可见光摄像头采集的第一彩色人脸图像。终端确定该第二红外人脸图像的质量分数。在该第二红外人脸图像的质量分数小于或等于第一质量分数阈值的情况下，终端降低该第二红外人脸图像在人脸识别过程中的权重，该权重与对人脸识别结果的影响程度正相关。终端基于该第二红外人脸图像和该第一彩色人脸图像，对该目标对象进行人脸识别。

在这种实施方式下，在基于第二红外人脸图像进行人脸识别之前，会先确定该第二红外人脸图像的质量分数。在该第二红外人脸图像的质量分数较低，也即是该第二红外人脸图像的质量较差的情况下，终端能够降低该第二红外人脸图像在人脸识别过程中的权重，也即是降低该第二红外人脸图像对人脸识别结果的影响力，从而提高人脸识别的成功率。

比如，该结构光系统还包括可见光摄像头，终端获取该红外摄像头采集的第二红外人脸图像和该可见光摄像头采集的第一彩色人脸图像。终端采用图像质量评价算法来确定该第二红外人脸图像的质量分数。在该第二红外人脸图像的质量分数小于或等于第一质量分数阈值的情况下，终端将该第二红外人脸图像在人脸识别过程中的权重降低为目标权重，该目标权重与该第二红外人脸图像的质量分数正相关。终端基于该第二红外人脸图像中散斑的形状，确定该目标对象的三维人脸结构，该三维人脸结构包括该目标对象的人脸中多个关键点的三维坐标。终端将该三维人脸结构输入三维特征提取模型，通过该三维特征提取模型对该三维人脸结构进行特征提取，得到三维人脸特征。终端将该第一彩色人脸图像输入二维特征提取模型，通过该二维特征提取模型对该第一彩色人脸图像进行特征提取，得到第一彩色人脸图像特征，该第一彩色人脸图像特征也即是二维人脸图像特征。终端确定该三维人脸特征分别与目标对象的标准三维人脸特征之间的第二特征相似度，以及该第二红外人脸图像特征与目标对象的标准红外人脸图像特征之间的第三特征相似度。终端基于该目标权重，将该第二特征相似度和该第三特征相似度进行加权融合，得到第二融合相似度。在该第二融合相似度大于或等于相似度阈值的情况下，确定对该目标对象人脸识别通过。在该第二融合相似度小于该相似度阈值的情况下，确定对该目标对象人脸识别未通过。

在一些实施例中，在确定该三维人脸特征和该目标对象的标准三维人脸特征之间的第二特征相似度之前，终端还能够基于该三维人脸特征对该目标对象进行活体攻击检测，活体攻击检测用于确定本次人脸识别是否为活体攻击。比如，终端将该三维人脸特征输入活体攻击检测模型，通过该活体攻击对该三维人脸特征进行全连接和归一化，得到该三维人脸特征对应的活体攻击分类值。在该活体攻击分类值大于或等于目标分类值阈值的情况下，确定本次人脸识别为活体攻击；在该活体攻击分类值小于该目标分类值阈值的情况下，确定本次人脸识别不是活体攻击，该目标分类值阈值是基于目标权重对预设的分类值阈值进行降低后得到的，也即是降低了活体攻击检测的拒识门限。在本次人脸识别不是活体攻击的情况下，终端执行后续确定该三维人脸特征和该目标对象的标准三维人脸特征之间的第二特征相似度的步骤；在本次人脸识别是活体攻击的情况下，终端终止人脸识别过程，直接判定人脸识别失败。

例3、该结构光系统还包括可见光摄像头，终端获取该红外摄像头采集的第二红外人脸图像和该可见光摄像头采集的第一彩色人脸图像。终端确定该第二红外人脸图像的质量分数。在该第二红外人脸图像的质量分数大于该第一质量分数阈值的情况下，终端基于该第二红外人脸图像，确定该目标对象的三维人脸结构。终端分别对该三维人脸结构和该第一彩色人脸图像进行特征提取，得到该目标对象的三维人脸特征和二维人脸特征。终端基于该三维人脸特征和该二维人脸特征对该目标对象的进行人脸识别。

比如，该结构光系统还包括可见光摄像头，终端获取该红外摄像头采集的第二红外人脸图像和该可见光摄像头采集的第一彩色人脸图像。终端采用图像质量评价算法来确定该第二红外人脸图像的质量分数。在该第二红外人脸图像的质量分数大于第一质量分数阈值的情况下，终端基于该第二红外人脸图像中散斑的形状，确定该目标对象的三维人脸结构，该三维人脸结构包括该目标对象的人脸中多个关键点的三维坐标。终端将该三维人脸结构输入三维特征提取模型，通过该三维特征提取模型对该三维人脸结构进行特征提取，得到三维人脸特征。终端将该第一彩色人脸图像输入二维特征提取模型，通过该二维特征提取模型对该第一彩色人脸图像进行特征提取，得到第一彩色人脸图像特征，该第一彩色人脸图像特征也即是二维人脸图像特征。终端确定该三维人脸特征分别与目标对象的标准三维人脸特征之间的第二特征相似度，以及该第一彩色人脸图像特征与目标对象的标准彩色人脸图像特征之间的第三特征相似度。在该第二特征相似度和该第三特征相似度均大于或等于相似度阈值的情况下，确定对该目标对象人脸识别通过。在该第二特征相似度和该第三特征相似度中任一项小于该相似度阈值的情况下，确定对该目标对象人脸识别未通过。其中，标准三维人脸特征和标准彩色人脸图像特征均是基于正常环境中采集的红外人脸图像和彩色人脸图像所得到的图像特征。

或者，在终端确定出该第二特征相似度和该第三特征相似度之后，终端将该第二特征相似度和该第三特征相似度进行加权融合，得到第三融合相似度。在该第三融合相似度大于或等于相似度阈值的情况下，确定对该目标对象人脸识别通过。在该第三融合相似度小于该相似度阈值的情况下，确定对该目标对象人脸识别未通过。

例4、该结构光系统还包括可见光摄像头，终端获取该红外摄像头采集的第二红外人脸图像和该可见光摄像头采集的第一彩色人脸图像。终端确定该第一彩色人脸图像的质量分数。在该第一彩色人脸图像的质量分数小于或等于第二质量分数阈值的情况下，终端对该第一彩色人脸图像进行图像增强，得到第二彩色人脸图像。终端基于该第二红外人脸图像和该第二彩色人脸图像，对该目标对象进行人脸识别。

其中，对该第一彩色人脸图像进行图像增强是为了提高该第一彩色人脸图像的质量分数，从而提高人脸识别的成功率和准确率。

比如，该结构光系统还包括可见光摄像头，终端获取该红外摄像头采集的第二红外人脸图像和该可见光摄像头采集的第一彩色人脸图像。终端采用图像质量评价(ImageQuality Assessment，IQA)算法来确定该第一彩色人脸图像的质量分数，该图像质量评价算法包括(主观评价和客观评价)，本说明书实施例对于该图像质量评价算法的类型不作限定。在该第一彩色人脸图像的质量分数小于或等于第二质量分数阈值的情况下，终端采用图像增强算法对该第一彩色人脸图像进行图像增强，以提高该第一彩色人脸图像的质量，得到第二彩色人脸图像，其中，图像增强算法可以采用任一类型的算法，比如采用HDR(High-dynamic Range Rendering，高动态光照渲染)算法或者超分算法等，本说明书实施例对此不做限定。终端基于该第二红外人脸图像中散斑的形状，确定该目标对象的三维人脸结构，该三维人脸结构包括该目标对象的人脸中多个关键点的三维坐标。终端将该三维人脸结构输入三维特征提取模型，通过该三维特征提取模型对该三维人脸结构进行特征提取，得到三维人脸特征。终端将该第二彩色人脸图像输入二维特征提取模型，通过该二维特征提取模型对该第二彩色人脸图像进行特征提取，得到第二彩色人脸图像特征，该第二彩色人脸图像特征也即是二维人脸图像特征。终端确定该三维人脸特征分别与目标对象的标准三维人脸特征之间的第二特征相似度，以及该第二彩色人脸图像特征与目标对象的标准彩色人脸图像特征之间的第四特征相似度。在该第二特征相似度和该第四特征相似度均大于或等于相似度阈值的情况下，确定对该目标对象人脸识别通过。在该第二特征相似度和该第四特征相似度中任一项小于该相似度阈值的情况下，确定对该目标对象人脸识别未通过。

或者，在终端确定出该第二特征相似度和该第四特征相似度之后，终端将该第二特征相似度和该第四特征相似度进行加权融合，得到第四融合相似度。在该第四融合相似度大于或等于相似度阈值的情况下，确定对该目标对象人脸识别通过。在该第四融合相似度小于该相似度阈值的情况下，确定对该目标对象人脸识别未通过。

需要说明的是，在上述步骤312中，是以终端基于结构光系统采集的图像信息进行人脸识别为例进行说明的，在其他可能的实施方式中，在结构光系统采集到图像信息之后，可以将图像信息发送至服务器，由服务器基于图像进行人脸识别，本说明书实施例对此不作限定。

上述所有可选技术方案，可以采用任意结合形成本说明书的可选实施例，在此不再一一赘述。

通过本说明书实施例提供的技术方案，在结构光系统中的红外散斑投射器关闭的情况下，通过结构光系统中的红外摄像头获取第一红外人脸图像。通过该第一红外人脸图像来确定终端所处的环境状态。在得到该环境状态之后，启动该红外散斑投射器，基于该环境状态调整该结构光系统的工作参数，使得该结构光系统能够工作在与该环境状态匹配的情况下。基于工作参数调整后的结构光系统，对目标对象进行人脸识别，从而提高了在不同环境状态下人脸识别的成功率和准确性。

图5是本说明书实施例提供的一种人脸识别装置的结构示意图，应用于终端，该终端包括结构光系统，该结构光系统包括红外散斑投射器和红外摄像头，参见图5，装置包括：图像获取模块501、环境状态确定模块502、工作参数调整模块503以及人脸识别模块504。

图像获取模块501，用于在该红外散斑投射器关闭的情况下，获取目标对象的第一红外人脸图像，该第一红外人脸图像是该红外摄像头拍摄的。

环境状态确定模块502，用于基于该第一红外人脸图像，确定该终端所处的环境状态。

工作参数调整模块503，用于启动该红外散斑投射器，并基于该环境状态，调整该结构光系统的工作参数。

人脸识别模块504，用于基于工作参数调整后的该结构光系统，对该目标对象进行人脸识别。

在一种可能的实施方式中，该环境状态确定模块502，用于执行下述任一项：

在该第一红外人脸图像的亮度值大于或等于亮度阈值的情况下，确定该终端所处的环境状态为第一环境状态，该第一环境状态表示该终端所处的环境中存在符合目标光照条件的光源。

在该第一红外人脸图像中存在散斑图案的情况下，确定该终端所处的环境状态为第二环境状态，该第二环境状态表示该终端所处的环境中存在其他红外散斑投射器的干扰。

在一种可能的实施方式中，该结构光系统还包括可见光摄像头，该工作参数调整模块503，用于在该终端所处的环境状态为该第一环境状态的情况下，执行下述至少一项：

减少该红外摄像头的曝光时间。

提高该红外散斑投射器的信噪比。

将该可见光摄像头的测光区域调整为该目标对象的人脸区域。

在一种可能的实施方式中，该结构光系统还包括可见光摄像头，该工作参数调整模块503，用于在该终端所处的环境状态为该第二环境状态的情况下，执行下述至少一项：

调整该红外散斑投射器的工作时间点。

调整该红外散斑投射器的工作频率。

提高该红外散斑投射器的信噪比。

减少该红外摄像头的曝光时间。

在一种可能的实施方式中，该装置还包括第一调整模块，用于在该终端所处的环境状态为该第一环境状态的情况下，执行下述至少一项：

提高该终端的屏幕亮度。

提高该终端当前显示界面的对比度。

提高该终端的音量。

在一种可能的实施方式中，该装置还包括第二调整模块，用于在该终端所处的环境状态为该第二环境状态的情况下，执行下述至少一项：

显示提示信息。

播放提示语音。

该提示信息和该提示语音均用于提示改变该终端的位置。

在一种可能的实施方式中，该结构光系统还包括可见光摄像头，该人脸识别模块504，用于获取该红外摄像头采集的第二红外人脸图像和该可见光摄像头采集的第一彩色人脸图像，该第二红外人脸图像和该第一彩色人脸图像均是在该结构光系统的工作参数调整后采集的。基于该第二红外人脸图像和该第一彩色人脸图像，对该目标对象进行人脸识别。

在一种可能的实施方式中，该人脸识别模块504，用于确定该第二红外人脸图像的质量分数。在该第二红外人脸图像的质量分数小于或等于第一质量分数阈值的情况下，控制该红外散斑投射器关闭。获取该红外摄像头采集的第三红外人脸图像。基于该第三红外人脸图像和该第一彩色人脸图像，对该目标对象进行人脸识别。

在一种可能的实施方式中，该人脸识别模块504，还用于在该第二红外人脸图像的质量分数小于或等于第一质量分数阈值的情况下，降低该第二红外人脸图像在人脸识别过程中的权重，该权重与对人脸识别结果的影响程度正相关。基于该第二红外人脸图像和该第一彩色人脸图像，对该目标对象进行人脸识别。

在一种可能的实施方式中，该人脸识别模块504，还用于在该第二红外人脸图像的质量分数大于该第一质量分数阈值的情况下，基于该第二红外人脸图像，确定该目标对象的三维人脸结构。分别对该三维人脸结构和该第一彩色人脸图像进行特征提取，得到该目标对象的三维人脸特征和二维人脸特征。基于该三维人脸特征和该二维人脸特征对该目标对象的进行人脸识别。

在一种可能的实施方式中，该人脸识别模块504，还用于确定该第一彩色人脸图像的质量分数。在该第一彩色人脸图像的质量分数小于或等于第二质量分数阈值的情况下，对该第一彩色人脸图像进行图像增强，得到第二彩色人脸图像。基于该第二红外人脸图像和该第二彩色人脸图像，对该目标对象进行人脸识别。

需要说明的是：上述实施例提供的人脸识别装置在进行人脸识别时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将计算机设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的人脸识别装置与人脸识别方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

通过本说明书实施例提供的技术方案，在结构光系统中的红外散斑投射器关闭的情况下，通过结构光系统中的红外摄像头获取第一红外人脸图像。通过该第一红外人脸图像来确定终端所处的环境状态。在得到该环境状态之后，启动该红外散斑投射器，基于该环境状态调整该结构光系统的工作参数，使得该结构光系统能够工作在与该环境状态匹配的情况下。基于工作参数调整后的结构光系统，对目标对象进行人脸识别，从而提高了在不同环境状态下人脸识别的成功率和准确性。

本说明书实施例提供了一种计算机设备，用于执行上述方法，该计算机设备可以实现为终端，下面对终端的结构进行介绍：

图6是本说明书实施例提供的一种终端的结构示意图。该终端600可以是：智能手机、平板电脑、笔记本电脑或台式电脑。终端600还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。

通常，终端600包括有：一个或多个处理器601和一个或多个存储器602。

处理器601可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器601可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器601也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中心处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器601可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器601还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。

存储器602可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器602还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器602中的非暂态的计算机可读存储介质用于存储至少一个计算机程序，该至少一个计算机程序用于被处理器601所执行以实现本说明书中方法实施例提供的人脸识别方法。

在一些实施例中，终端600还可选包括有：外围设备接口603和至少一个外围设备。处理器601、存储器602和外围设备接口603之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口603相连。具体地，外围设备包括：射频电路604、显示屏605、摄像头组件606、音频电路607和电源608中的至少一种。

外围设备接口603可被用于将I/O(Input/Output，输入/输出)相关的至少一个外围设备连接到处理器601和存储器602。在一些实施例中，处理器601、存储器602和外围设备接口603被集成在同一芯片或电路板上；在一些其他实施例中，处理器601、存储器602和外围设备接口603中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。

射频电路604用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路604通过电磁信号与通信网络以及其他通信设备进行通信。射频电路604将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选的，射频电路604包括：天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。

显示屏605用于显示UI(User Interface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏605是触摸显示屏时，显示屏605还具有采集在显示屏605的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器601进行处理。此时，显示屏605还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。

摄像头组件606用于采集图像或视频。可选的，摄像头组件606包括前置摄像头和后置摄像头。通常，前置摄像头设置在终端的前面板，后置摄像头设置在终端的背面。

音频电路607可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波，并将声波转换为电信号输入至处理器601进行处理，或者输入至射频电路604以实现语音通信。

电源608用于为终端600中的各个组件进行供电。电源608可以是交流电、直流电、一次性电池或可充电电池。

在一些实施例中，终端600还包括有一个或多个传感器609。该一个或多个传感器609包括但不限于：加速度传感器610、陀螺仪传感器611、压力传感器612、光学传感器613以及接近传感器614。

加速度传感器610可以检测以终端600建立的坐标系的三个坐标轴上的加速度大小。

陀螺仪传感器611可以终端600的机体方向及转动角度，陀螺仪传感器611可以与加速度传感器610协同采集用户对终端600的3D动作。

压力传感器612可以设置在终端600的侧边框和/或显示屏605的下层。当压力传感器612设置在终端600的侧边框时，可以检测用户对终端600的握持信号，由处理器601根据压力传感器612采集的握持信号进行左右手识别或快捷操作。当压力传感器612设置在显示屏605的下层时，由处理器601根据用户对显示屏605的压力操作，实现对UI界面上的可操作性控件进行控制。

光学传感器613用于采集环境光强度。在一个实施例中，处理器601可以根据光学传感器613采集的环境光强度，控制显示屏605的显示亮度。

接近传感器614用于采集用户与终端600的正面之间的距离。

本领域技术人员可以理解，图6中示出的结构并不构成对终端600的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。

在示例性实施例中，还提供了一种计算机可读存储介质，例如包括计算机程序的存储器，上述计算机程序可由处理器执行以完成上述实施例中的人脸识别方法。例如，该计算机可读存储介质可以是只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、只读光盘(Compact Disc Read-Only Memory，CD-ROM)、磁带、软盘和光数据存储设备等。

在示例性实施例中，还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程序代码，该程序代码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程序代码，处理器执行该程序代码，使得该计算机设备执行上述人脸识别方法。

在一些实施例中，本说明书实施例所涉及的计算机程序可被部署在一个计算机设备上执行，或者在位于一个地点的多个计算机设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算机设备上执行，分布在多个地点且通过通信网络互连的多个计算机设备可以组成区块链系统。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，该程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

上述仅为本说明书的可选实施例，并不用以限制本说明书，凡在本说明书的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本说明书的保护范围之内。

Claims (15)

1.一种人脸识别方法，由终端执行，所述终端包括结构光系统，所述结构光系统包括红外散斑投射器和红外摄像头，所述方法包括：

在所述红外散斑投射器关闭的情况下，获取目标对象的第一红外人脸图像，所述第一红外人脸图像是所述红外摄像头拍摄的；

基于所述第一红外人脸图像，确定所述终端所处的环境状态；

启动所述红外散斑投射器，并基于所述环境状态，调整所述结构光系统的工作参数；

基于工作参数调整后的所述结构光系统，对所述目标对象进行人脸识别。

2.根据权利要求1所述的方法，所述基于所述第一红外人脸图像，确定所述终端所处环境的环境状态包括下述任一项：

在所述第一红外人脸图像的亮度值大于或等于亮度阈值的情况下，确定所述终端所处的环境状态为第一环境状态，所述第一环境状态表示所述终端所处的环境中存在符合目标光照条件的光源；

在所述第一红外人脸图像中存在散斑图案的情况下，确定所述终端所处的环境状态为第二环境状态，所述第二环境状态表示所述终端所处的环境中存在其他红外散斑投射器的干扰。

3.根据权利要求2所述的方法，所述结构光系统还包括可见光摄像头，所述基于所述环境状态，调整所述结构光系统的工作参数包括：

在所述终端所处的环境状态为所述第一环境状态的情况下，执行下述至少一项：

减少所述红外摄像头的曝光时间；

提高所述红外散斑投射器的信噪比；

将所述可见光摄像头的测光区域调整为所述目标对象的人脸区域。

4.根据权利要求2所述的方法，所述结构光系统还包括可见光摄像头，所述基于所述环境状态，调整所述结构光系统的工作参数包括：

在所述终端所处的环境状态为所述第二环境状态的情况下，执行下述至少一项：

调整所述红外散斑投射器的工作时间点；

调整所述红外散斑投射器的工作频率；

提高所述红外散斑投射器的信噪比；

减少所述红外摄像头的曝光时间。

5.根据权利要求2所述的方法，在所述终端所处的环境状态为所述第一环境状态的情况下，所述方法还包括下述至少一项：

提高所述终端的屏幕亮度；

提高所述终端当前显示界面的对比度；

提高所述终端的音量。

6.根据权利要求2所述的方法，在所述终端所处的环境状态为所述第二环境状态的情况下，所述方法还包括下述至少一项：

显示提示信息；

播放提示语音；

所述提示信息和所述提示语音均用于提示改变所述终端的位置。

7.根据权利要求1所述的方法，所述结构光系统还包括可见光摄像头，所述基于工作参数调整后的所述结构光系统，对所述目标对象进行人脸识别包括：

获取所述红外摄像头采集的第二红外人脸图像和所述可见光摄像头采集的第一彩色人脸图像，所述第二红外人脸图像和所述第一彩色人脸图像均是在所述结构光系统的工作参数调整后采集的；

基于所述第二红外人脸图像和所述第一彩色人脸图像，对所述目标对象进行人脸识别。

8.根据权利要求7所述的方法，所述基于所述第二红外人脸图像和所述第一彩色人脸图像，对所述目标对象进行人脸识别包括：

确定所述第二红外人脸图像的质量分数；

在所述第二红外人脸图像的质量分数小于或等于第一质量分数阈值的情况下，控制所述红外散斑投射器关闭；

获取所述红外摄像头采集的第三红外人脸图像；

基于所述第三红外人脸图像和所述第一彩色人脸图像，对所述目标对象进行人脸识别。

9.根据权利要求8所述的方法，所述确定所述第二红外人脸图像的质量分数之后，所述方法还包括：

在所述第二红外人脸图像的质量分数小于或等于第一质量分数阈值的情况下，降低所述第二红外人脸图像在人脸识别过程中的权重，所述权重与对人脸识别结果的影响程度正相关；

基于所述第二红外人脸图像和所述第一彩色人脸图像，对所述目标对象进行人脸识别。

10.根据权利要求8所述的方法，所述确定所述第二红外人脸图像的质量分数之后，所述方法还包括：

在所述第二红外人脸图像的质量分数大于所述第一质量分数阈值的情况下，基于所述第二红外人脸图像，确定所述目标对象的三维人脸结构；

分别对所述三维人脸结构和所述第一彩色人脸图像进行特征提取，得到所述目标对象的三维人脸特征和二维人脸特征；

基于所述三维人脸特征和所述二维人脸特征对所述目标对象的进行人脸识别。

11.根据权利要求7所述的方法，所述基于所述第二红外人脸图像和所述第一彩色人脸图像，对所述目标对象进行人脸识别包括：

确定所述第一彩色人脸图像的质量分数；

在所述第一彩色人脸图像的质量分数小于或等于第二质量分数阈值的情况下，对所述第一彩色人脸图像进行图像增强，得到第二彩色人脸图像；

基于所述第二红外人脸图像和所述第二彩色人脸图像，对所述目标对象进行人脸识别。

12.一种人脸识别装置，应用于终端，所述终端包括结构光系统，所述结构光系统包括红外散斑投射器和红外摄像头，所述装置包括：

图像获取模块，用于在所述红外散斑投射器关闭的情况下，获取目标对象的第一红外人脸图像，所述第一红外人脸图像是所述红外摄像头拍摄的；

环境状态确定模块，用于基于所述第一红外人脸图像，确定所述终端所处的环境状态；

工作参数调整模块，用于启动所述红外散斑投射器，并基于所述环境状态，调整所述结构光系统的工作参数；

人脸识别模块，用于基于工作参数调整后的所述结构光系统，对所述目标对象进行人脸识别。

13.一种计算机设备，所述计算机设备包括一个或多个处理器和一个或多个存储器，所述一个或多个存储器中存储有至少一条计算机程序，所述计算机程序由所述一个或多个处理器加载并执行以实现如权利要求1至权利要求11任一项所述的人脸识别方法。

14.一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条计算机程序，所述计算机程序由处理器加载并执行以实现如权利要求1至权利要求11任一项所述的人脸识别方法。

15.一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现权利要求1至权利要求11任一项所述的人脸识别方法。

Images