CN117079379B - 轨道交通高容差人脸过闸方法和系统、计算机程序介质 - Google Patents

Abstract

本申请提供了一种轨道交通高容差人脸过闸方法和系统、计算机程序介质，为多张人脸过闸中发生的人脸过闸出错，实现高容差的过闸处理，即便多人脸过闸在后过闸乘客的人脸被前续过闸乘客错误使用也能够保障后过闸乘客的正常过闸以及所需要执行的乘车扣费，保证人脸过闸的高容差。

Description

轨道交通高容差人脸过闸方法和系统、计算机程序介质

技术领域

本申请涉及轨道交通应用技术领域，具体涉及一种轨道交通高容差人脸过闸方法和系统、计算机程序介质。

背景技术

随着刷脸验证、刷脸消费技术的蓬勃发展，在闸机上刷脸识别支付已经成为轨道交通应用的一种新售检票支付手段，以为乘客提供无感通行这一全新的地铁售检票服务模式。

轨道交通出行场景中，乘客在各站点的通行是可通过人脸过闸行为的发起，使得分布于站点的闸机对乘客的进站予以识别后授权放行。与之相对应的，也可通过人脸过闸出站的发起而在识别后放行扣费。

轨道交通站点通行过程，进站乘客在闸机上刷脸识别，实现人脸过闸进站，与之相对应的，出站乘客又在闸机上刷脸识别支付，实现人脸过闸出站。

但随着人脸过闸在轨道交通站点通行中的应用，前续过闸乘客往往会被误识别为某一后续过闸的乘客，进而以该后续过闸乘客的身份实现进站或者扣费出站，进而导致前续过闸乘客以及该后续过闸乘客在站点的人脸过闸出错。

发明内容

本申请的一个目的在于解决站点的人脸过闸出错的技术问题，为人脸过闸提供高容差的错误处理机制。

根据本申请实施例的一个方面，公开了一种轨道交通高容差人脸过闸方法，所述方法包括：

对轨道交通多人脸过闸所识别人脸，进行过闸乘客的人脸匹配获得所匹配的行程，匹配的所述行程包括进站行程和/或出站行程；

根据匹配的行程对所述过闸乘客的人脸过闸实施放行，并对所述过闸乘客的多人脸过闸适配匹配的所述行程构建预扣费人脸池；

对误识别为所述过闸乘客人脸缺失行程的前续过闸乘客，通过构建的所述预扣费人脸池完成过闸出站时的通行扣费。

根据本申请实施例的一个方面，公开了一种轨道交通高容差人脸过闸系统，所述系统包括：

人脸交易管理平台，用于对轨道交通多人脸过闸所识别人脸，进行过闸乘客的人脸匹配获得所匹配的行程，匹配的所述行程包括进站行程和出站行程；

人脸识别设备、闸机、人脸交易管理平台以及部署的服务器配合执行：

所述人脸识别设备根据匹配的行程控制所述闸机对所述过闸乘客的人脸过闸实施放行，并在部署的所述服务器对所述过闸乘客的多人脸过闸适配匹配的所述行程构建预扣费人脸池；

对误识别为所述过闸乘客人脸缺失行程的前续过闸乘客，通过构建的所述预扣费人脸池完成过闸出站时所述人脸交易管理平台的通行扣费。

根据本申请实施例的一个方面，公开了一种计算机程序介质，其上存储有计算机可读指令，当所述计算机可读指令被计算机的处理器执行时，使计算机执行如上任意一个所述的方法。

本申请实施例中，对轨道交通多人脸过闸所识别到的人脸进行人脸匹配，匹配所得行程成为过闸乘客当前人脸过闸进站的进站行程，或其当前人脸过闸出站的出站行程，在人脸匹配到行程之时根据匹配的行程对过闸乘客当前发起的人脸过闸实施放行，且对过闸乘客的多人脸过闸适配匹配的行程构建预扣费人脸池；在预扣费人脸池作用下，为缺失行程的前续过闸乘客找回所缺失的行程进而完成过闸出站时的通行扣费，由此为误识别为过闸乘客而缺失行程的前续过闸乘客，以及过闸乘客，都提供了人脸误识别后高容差且安全的过闸机制，保障乘客的站点通行，且为人脸过闸实现高容差的错误处理机制，解决人脸过闸出错的技术问题。

本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本申请。

附图说明

通过参照附图详细描述其示例实施例，本申请的上述和其它目标、特征及优点将变得更加显而易见。

图1示出了根据本申请一个实施例的轨道交通高容差人脸过闸方法应用的体系构架图。

图2示出了根据本申请一个实施例的轨道交通高容差人脸过闸方法的流程图。

图3是根据图2对应实施例示出的对轨道交通多人脸过闸所识别人脸，进行过闸乘客的人脸匹配获得所匹配的行程步骤的方法流程图。

图4是根据图2对应实施例示出的对轨道交通多人脸过闸所识别人脸，进行过闸乘客的人脸匹配获得所匹配的行程步骤的方法流程图。

图5是根据图2对应实施例示出的对过闸乘客的多人脸过闸适配匹配的行程构建预扣费人脸池步骤的方法流程图。

图6是根据图2对应实施例示出的对过闸乘客的多人脸过闸适配匹配的行程构建预扣费人脸池步骤的方法流程图。

图7是根据图2对应实施例示出的对误识别为过闸乘客人脸缺失行程的前续过闸乘客，通过构建的预扣费人脸池完成过闸出站时的通行扣费步骤的方法流程图。

图8是根据图2对应实施例示出的对误识别为过闸乘客人脸缺失行程的前续过闸乘客，通过构建的预扣费人脸池完成过闸出站时的通行扣费步骤的方法流程图。

图9是本申请一个实施例中错进正出情况下的多位乘客走向闸机的具体示例图。

图10是图9对应实施例中X乘客人脸过闸进站的具体示例图。

图11是图10对应实施例中A乘客人脸过闸出站的具体示意图。

图12是本申请一个实施例中正进错出情况下的多位乘客走向闸机的具体示例图。

图13是图12对应实施例中Y乘客人脸过闸出站的具体示例图。

图14示出了本申请一个实施例的轨道交通高容差人脸过闸方法的流程图。

图15是根据图14对应实施例示出的感知到向闸机发起的人脸过闸行为，对人脸过闸行为通过人脸检测过程的执行得到多张人脸步骤的方法流程图。

图16是根据本申请一个实施例对根据人脸检测所得人脸及人脸对应的人脸位置进行多重递近选择，从多张人脸将所得第一权重人脸定位为过闸乘客的人脸步骤的方法流程图。

图17是根据本申请图16对应实施例示出的对适配满足最小人脸框像素阈值的人脸轮廓区域，从对应于人脸轮廓区域的人脸中动态选择第一权重人脸和备用从脸，以第一权重人脸为过闸乘客的人脸步骤的方法流程图。

图18是根据本申请图17对应实施例示出的根据对应的人脸轮廓区域所占布和从多张人脸确定所占面积最大的二张人脸步骤的方法流程图。

图19是根据图17对应实施例示出的根据所确定二张人脸在面积上的差值，确定一人脸为第一权重人脸，另一人脸为备用人脸，以第一权重人脸为过闸乘客的人脸步骤的方法流程图。

图20是根据图19对应实施例示出的根据每一人脸由远及近的人脸图片中人脸的动态变化以及人脸在人脸检测所得人脸位置，对二张人脸确定第一权重人脸和备用人脸步骤的流程图。

图21是根据图20对应实施例示出的根据增长率以及人脸在人脸检测所得人脸位置运算人脸的综合权重分数步骤的方法流程图。

图22是根据图20对应实施例示出的根据综合权重分数的大小对二张人脸确定第一权重人脸和备用人脸步骤的方法流程图。

图23是根据图2对应实施例示出的识别过闸乘客的人脸获得标示过闸乘客的人脸信息步骤的方法流程图。

图24是本申请一实施例中的系统拓扑结构图。

图25是根据图24对应实施例的系统拓扑示出的人脸识别设备对多人脸实施多重递进选择以定位人脸的详细流程图。

图26示出了根据图24对应实施例的系统拓扑示出的交互示意图。

图27是图26对应实施例示出的第一权重人脸误扣费处理流程示意图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些示例实施方式使得本申请的描述将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。附图仅为本申请的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。

此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多示例实施方式中。在下面的描述中，提供许多具体细节从而给出对本申请的示例实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本申请的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、步骤等。在其它情况下，不详细示出或描述公知结构、方法、实现或者操作以避免喧宾夺主而使得本申请的各方面变得模糊。

附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

请参阅图1，图1是本申请实施例所应用的一种体系架构，该体系架构包括分布于各站点内的闸机110以及部署于闸机110上的人脸识别设备120，部署于互联网络中的人脸识别平台130、人脸交易管理平台150。

于站点内部署若干闸机110，以构建过闸乘客的行进通道。装设于闸机110上的人脸识别设备120，用于对过闸乘客实施人脸检测，在人脸识别平台130的配合下实现人脸识别，人脸识别平台130使用识别所得人脸在人脸交易管理平台150的控制下匹配行程进而获得过闸权限，以控制闸机110开闸放行。

随着众多乘客连续不断地向闸机110行进，人脸过闸的进行会同时检测到多张人脸。为此，将通过本申请实施例执行轨道交通高容差人脸过闸方法，为过闸乘客的人脸过闸提供错误处理机制，避免由于人脸误识别所导致的过闸乘客无法进站和或出站的困境。

应当理解，图1示出的体系架构仅仅是示意性的，根据实现需要，可以是其它变形架构，在此不一一进行列举。

参阅图2，图2示出了根据本申请一个实施例的轨道交通高容差人脸过闸方法的流程图。本申请实施例提供了一种轨道交通高容差人脸过闸方法，该方法包括：

步骤S210，对轨道交通多人脸过闸所识别人脸，进行过闸乘客的人脸匹配获得所匹配的行程，匹配的行程包括进站行程和出站行程；

步骤S220，根据匹配的行程对过闸乘客的人脸过闸实施放行，并对过闸乘客的多人脸过闸适配匹配的行程构建预扣费人脸池；

步骤S230，对误识别为过闸乘客人脸缺失行程的前续过闸乘客，通过构建的预扣费人脸池完成过闸出站时的通行扣费。

下面对这些步骤进行详细阐述。

轨道交通的站点通行中，闸机110、人脸识别设备120、人脸识别平台130以及人脸交易管理平台150各方相互配合识别过闸乘客，进而对过闸乘客实现开闸放行以及通行扣费。

对过闸乘客所实现的开闸放行以及通行扣费将被同步至各方，如过闸乘客的用户终端，以在用户终端通知当前所在站点的过闸进站，以及过闸出站、通行扣费。

在步骤S210中，轨道交通多人脸过闸的进行，包括多人脸过闸进站以及多人脸过闸出站。多人脸过闸进站的进行，即进站闸机所对应的人脸识别设备感知到人脸过闸行为，且检测到人脸，此时，将对该人脸发起人脸识别，进而对所识别人脸实施人脸匹配。

轨道交通多人脸过闸是指同时检测到多张人脸且为多张人脸中定位的一人脸所实施开闸甚至乘车扣费的过程。一张人脸对应于一乘客，且对于该人脸以及乘客而言，都唯一对应了一条人脸信息，进而随着人脸过闸的进行，识别人脸所得人脸信息将唯一标示了当前所认为正在进行过闸的乘客，并且对于出站所执行的乘车扣费也将以人脸信息为依据。

由此可知，一旦所识别的人脸并非当前正进行过闸乘客的人脸，则所进行的人脸识别甚至于乘车扣费都将发生错误，所误识别的人脸也将由于被误识别到而产生相应的行程。

基于此，轨道交通多人脸过闸中，随着连续不断的乘客由远及近地走向闸机行进通道，将面向多张人脸实施人脸检测以及所检测到多张人脸的选择定位，以为当前正在进行过闸的乘客，即过闸乘客获得一张人脸，以用于其所发起的人脸过闸。

对获得的一张人脸，将发起人脸识别过程，进而通过所识别人脸的人脸信息执行过闸乘客的人脸匹配，获得适配于当前人脸过闸行为的行程。对所识别人脸适配于当前的人脸过闸进站行为，或者人脸过闸出站行为来进行人脸匹配，以为所识别人脸确定是否能够匹配到相应的进站行程，或者出站行程。

进一步说明的，人脸识别设备对选择定位所得人脸，向人脸识别平台发起人脸识别，以获得该人脸的人脸信息，此时，人脸识别设备将根据人脸信息向人脸交易管理平台进行人脸匹配，从而确定是否能够匹配到相应的行程，如果能够匹配到相应的行程，便直接获取该行程。

示例性的，在多人脸过闸进站中，即进站闸机所对应的人脸识别设备感知到人脸过闸行为，且检测到多张人脸场景下，为多张人脸选择定位的人脸发起进站行程匹配。与此相对应的，在多人脸过闸出站中，即出站闸机所对应的人脸识别设备感知到人脸过闸行为进而对一人脸发起识别，对识别所得人脸发起出站行程匹配。

适应于人脸过闸中的人脸匹配过程，人脸交易管理平台存储发生的行程。对乘客发生的进站行程和出站行程，都按照设定时长，例如最长单程处理时长进行缓存，且通过乘客的人脸信息进行标示。通过所发生行程的存储能够用于确定乘客当前是否已经进站，和/或是否已经出站。

具体的，以人脸信息为索引缓存发生的行程，且在缓存时间长度达到设定时长时清除该条行程的缓存，以避免影响乘客的站点通行。

还请参阅图3，图3是根据图2对应实施例示出的对轨道交通多人脸过闸所识别人脸，进行过闸乘客的人脸匹配获得所匹配的行程步骤的方法流程图。

本申请实施例提供的对轨道交通多人脸过闸所识别人脸，进行过闸乘客的人脸匹配获得匹配的行程的步骤S210，包括：

步骤S211a，对轨道交通站点通行的多人脸过闸进站中识别的人脸，根据识别所得人脸信息在为乘客所产生行程存储的行程信息中匹配进站行程；

步骤S212a，从存储的行程信息获取匹配所得进站行程为过闸乘客人脸匹配的行程。

此为人脸过闸进站中涉及的人脸匹配执行过程。人脸识别所得人脸信息将用于人脸匹配，进而为人脸过闸进站匹配进站行程。

还请参阅图4，图4是根据图2对应实施例示出的对轨道交通多人脸过闸所识别人脸，进行过闸乘客的人脸匹配获得所匹配的行程步骤的方法流程图。

本申请实施例提供的对轨道交通多人脸过闸所识别人脸，进行过闸乘客的人脸匹配获得匹配的行程的步骤S210，包括：

步骤S211b，对轨道交通站点通行的多人脸过闸出站中识别的人脸，根据识别所得人脸信息在为乘客所产生行程存储的行程信息中匹配出站行程；

步骤S212b，从存储的行程信息获取匹配所得出站行程为过闸乘客人脸匹配的行程。

此为人脸过闸出站中涉及的人脸匹配执行过程。人脸过闸出站中人脸识别所得人脸信息作用于人脸匹配，进而为人脸过闸出站匹配出站行程。

在步骤S220中，首先应当说明的是，一旦匹配到进站行程，或出站行程，则说明所对应的乘客已经进站或者已经出站，此时闸机通常不予放行。

经由匹配到的行程将得以确定过闸乘客的人脸被前续过闸乘客所误识别，进而误用于前续过闸乘客的人脸过闸。也就是说，对于前续过闸乘客的人脸过闸，被误认为是当前过闸乘客的人脸过闸，当前不可知哪一乘客为前续过闸乘客，换言之，当前已经过闸的一乘客无相应行程，需要通过后续所构建的预扣费人脸池找回行程。

而对于当前匹配到行程的过闸乘客，不同于闸机的通常处理，将在匹配到行程之后为该过闸乘客重分配过闸权限，以对该过闸乘客当前的人脸过闸实施放行。

一方面，通过为过闸乘客的人脸过闸进站进行该人脸的进站行程匹配，对匹配到进站行程的人脸，实施过闸放行，且由人脸检测所同时感知到的多张人脸构建错进的预扣费人脸池。

过闸乘客的人脸过闸进站中，该人脸已有进站行程，说明多人脸过闸中存在前续过闸乘客错进，这一前续过闸乘客存在进站行程的缺失。

由多张人脸所构建错进的预扣费人脸池，用于追溯缺失进站行程的前续过闸乘客，以保证前续过闸乘客在站点的正常通行。

随着过闸乘客的人脸匹配到进站行程，即可发现当前进行多人脸过闸中的前续过闸乘客使用错误的人脸过闸进站。过闸乘客的人脸过闸中自身人脸再次使用，此时，仍然将过闸乘客放行，同时应用包括过闸乘客的人脸在内的多张人脸构建错进的预扣费人脸池。

例，有A，B，C，……，X若干乘客进站，A被误识别为X后进站。当X进站时，发现已有进站行程，说明在此之前的某一前续过闸乘客未正确进站（但未可知该前续过闸乘客为A），使用X的人脸过闸进站。

此时，需要将从A到X的人脸信息和行程所相关的信息（如进站名称、闸机标识、时间，以指示进站行程）上传，以在服务端通过从A到X的人脸信息和行程所相关的信息的存储构建得到错进的预扣费人脸池。

另一方面，如果查找匹配到出站行程，则确认所识别的人脸已有出站行程，人脸已有出站行程意味着该人脸对应的乘客已经出站，此为前续过闸乘客的错出站造成的。

因此，需要对发生于前续过闸乘客的错出站予以处理。对过闸乘客的人脸过闸出站放行且不再扣费，以保障过闸乘客的顺畅通行，避免受到前续过闸乘客的影响，也将提升了人脸过闸出站的可靠性。

除此之外，也需要确定哪一乘客为错出站的前续过闸乘客，进而对该乘客正确扣费，使得该乘客在后续能够正常进行站点通行。

具体的，对于过闸乘客被前续过闸乘客误使用的人脸，查找该人脸被首次使用于过闸出站至当前过闸出站之间所检测得到的多张人脸，以对其提取相应人脸信息，以及出站行程构建错出站的预扣费人脸池。在具体实现中，可直接提取该次多人脸过闸涉及的多张人脸，以各自对应的人脸信息，以及存在的出站行程一起构建错出站的预扣费人脸池。当然，对于无出站行程的人脸信息，也存储于所构建的错出站的预扣费人脸池中。

被误使用的人脸，其首次使用于过闸出站至当前再次用于过闸出站的中间过程，存在的中间过闸乘客必然有其一是误使用人脸的前续过闸乘客，且这些中间过闸乘客也必然完成了人脸识别和过闸出站，因此对中间过闸乘客的人脸，提取其人脸信息，以及发生的出站行程（如果人脸信息有对应的出站行程）构建错出站的预扣费人脸池。其中，以人脸信息为索引存储的出站行程，包括了出站名称、闸机标识以及时间等信息。

错出站的预扣费人脸池被部署于服务端，其为多人脸过闸出站的进行存储了所涉及多张人脸的人脸信息以及出站行程，进而能够以此为基础准确定位前续过闸乘客，获得其出站行程。

总而言之，适配于所发生的进站以及出站，相应构建错进的预扣费人脸池以及错出站的预扣费人脸池。

还请参阅图5，图5是根据图2对应实施例示出的对过闸乘客的多人脸过闸适配匹配的行程构建预扣费人脸池步骤的方法流程图。

本申请实施例提供的对过闸乘客的多人脸过闸适配匹配的行程构建预扣费人脸池的步骤S220，包括：

步骤S221a，对包含过闸乘客的多人脸过闸进站，提取人脸检测过程所得多张人脸；

步骤S222a，存储所提取多张人脸所分别对应的人脸信息以及进站行程构建得到错进的预扣费人脸池。

此为感知到前续过闸乘客的错进之时，即为过闸乘客匹配到进站行程，构建错进的预扣费人脸池的执行过程，从而便于为前续过闸乘客找回缺失的进站行程。

进一步说明的，在步骤S221a中，多人脸过闸将同时检测到多张人脸，即一过闸乘客（该过闸乘客包括前续过闸乘客）以及其后跟随的几位乘客的人脸，因此，对所得多张人脸进行人脸图片的提取，此提取所得人脸图片即为提取所得多张人脸的存在形式。

应当理解，所进行的人脸提取，包括了人脸轮廓区域提取以及相应的图片截取过程。

在步骤S222a，多人脸过闸中，随着每一人脸的过闸进站，都经识别获得人脸信息，并且也将生成相应的进站行程。其中，所生成进站行程即为行程信息，行程信息具体包括进站名称、闸机标识和时间等信息。

将人脸信息以进站行程上传服务端进行二者的关联存储，以此来构建错进的预扣费人脸池。

还请参阅图6，图6是根据图2对应实施例示出的对过闸乘客的多人脸过闸适配匹配的行程构建预扣费人脸池步骤的方法流程图。

本申请实施例提供的对过闸乘客的多人脸过闸适配匹配的行程构建预扣费人脸池的步骤S220，包括：

步骤S221b，对人脸首次过闸出站至当前过闸出站的中间过闸乘客，提取人脸检测过程所得中间过闸乘客的多张人脸；

步骤S222b，存储所提取多张人脸对应的人脸信息以及出站行程构建得到错出站的预扣费人脸池。

此为感知到前续过闸乘客的错出站之时，即为过闸乘客匹配到出站行程，构建错出站的预扣费人脸池的执行过程，从而在错出站的预扣费人脸池作用下便于为前续过闸乘客找回缺失的出站行程。

在步骤S230中，随着过闸乘客的人脸被前续过闸乘客所误识别，进而使得前续过闸乘客误用人脸过闸进站和/或过闸出站，导致前续过闸乘客缺失相应行程。

为此，将通过所构建预扣费人脸池确定被误识别的前续过闸乘客，且为前续过闸乘客找回缺失的行程。

正如前述所指出的，预扣费人脸池适配于过闸乘客的多人脸过闸进站或出站。被前续过闸乘客过闸进站或出站所误使用人脸的过闸乘客，对其所参与多人脸过闸进站或出站对应的多张人脸，构建相应预扣费人脸池，进而对缺失进站行程和/或出站行程的前续过闸乘客在错进的预扣费人脸池依据所在多人脸过闸进站的多张人脸行程获得进站行程，即与前续过闸乘客都处在同一多人脸过闸进站过程的每一张人脸，其进站行程即为前续过闸乘客的进站行程。

人脸被误识别而无进站行程的前续过闸乘客，通过所构建错进的预扣费人脸池确定其多人脸过闸中其他过闸乘客的进站行程作为前续过闸乘客的行程，如，前述所列举的A即为前续过闸乘客，通过错进的预扣费人脸池确定得到，且将A的行程配置为X的进站行程，进而用于过闸出站时的通行扣费。

在此基础上进一步的，对于仍然缺失出站行程，或者仅缺失出站行程但已经误使用其他人脸出站的前续过闸乘客，则通过错进的预扣费人脸池被找到，进而在错进的预扣费人脸池依据所在多人脸过闸出站的多张人脸行程获得出站行程，即与前续过闸乘客都处在同一多人脸过闸进站过程的每一张人脸，其出站行程即为前续过闸乘客的出站行程。

还请参阅图7，图7是根据图2对应实施例示出的对误识别为过闸乘客人脸缺失行程的前续过闸乘客，通过构建的预扣费人脸池完成过闸出站时的通行扣费步骤的方法流程图。

本申请实施例提供对误识别为过闸乘客人脸缺失行程的前续过闸乘客，通过构建的预扣费人脸池完成过闸出站时的通行扣费的步骤S230，包括：

步骤S231a，在前续过闸乘客的人脸过闸进站，对所识别前续守闸乘客人脸匹配进站行程和出站行程；

步骤S232a，若前续过闸乘客人脸匹配无进站行程和出站行程，则以当前所进行的人脸过闸 出站生成出站行程，并在错进的预扣费人脸池匹配行程获得前续过闸乘客的进站行程；

步骤S233a，按照进站行程和出站行程执行当前人脸过闸出站的通行扣费。

如上执行过程是对多人脸过闸进站中错进的过闸乘客在出站时实施的通行扣费过程。多人脸过闸进站中，错进的过闸乘客误用在后过闸乘客的人脸进站，相对在后过闸乘客，错进的过闸乘客为前续过闸乘客。

前续过闸乘客由于错误使用在后过闸乘客的人脸过闸进站，因此导致了自身无进站行程，在后过闸乘客尚未就产生了进站行程。

前续过闸乘客在一站点发起人脸过闸出站之时，将识别到前续过闸乘客的人脸，从而对所误别前续过闸乘客人脸匹配进站行程和出站行程，以便于能够基于匹配所得进站行程和出站行程被闸机放行且完成乘车支付下的扣费。

具体的，随着前续过闸乘客在一站点发起人脸过闸出站，也发起前续过闸乘客的人脸识别，进而对前续过闸乘客的人脸识别获取识别前续过闸乘客人脸所得人脸信息，根据前续过闸乘客的人脸识别所得人脸信息匹配人脸的进站行程和出站行程。

应当进一步明确的，对于人脸识别，正如前述所描述的，是对所确定的人脸识别其人脸信息，匹配行程进而对无行程的人脸分配过闸权限。进站匹配进站行程，出站匹配进站和出站行程。

正常情况下，人脸过闸出站的行程匹配应当匹配到进站行程，未匹配到出站行程，此时，以当前所进行的人脸过闸出站生成出站行程，进而以所得进站行程和出站行程通知扣费。

在人脸过闸进站误将人脸识别为后面跟随过闸的人脸时，将会导致人脸过闸出站的行程匹配中既没有匹配到进站行程，也没有匹配到出站行程。此时，仍然以当前所进行的人脸过闸出站生成出站行程，且在所构建错进的预扣费人脸池匹配行程获得人脸的进站行程。

进一步说明的，为误识别人脸的过闸乘客其错进的预扣费人脸池构建过程中，误识别人脸的过闸乘客相对所误识别人脸的乘客而言为前续过闸乘客。错进的预扣费人脸池构建过程将在所误识别人脸的乘客过闸进站匹配到进站行程感知到前续过闸乘客的人脸误识别之时发起执行，以为前续过闸乘客后续的人脸过闸出站找寻缺失的进站行程。

在所构建错进的预扣费人脸池匹配行程的执行过程包括：对前续过闸乘客，在错进的预扣费人脸池匹配其多人脸过闸中其他人脸的进站行程，以匹配所得进站行程为前续过闸乘客人脸的进站行程。

借助于多人脸过闸时其它人脸的进站行程，为前续过闸乘客准确确定进站行程，进而使得前续过闸乘客能够顺利出站。

在步骤S233a中，对前续过闸乘客的人脸过闸出站，基于所得进站行程和出站行程执行通行扣费，具体的，一方面将控制闸机开闸放行，另一方面则按照所得进站行程和出站行程发起乘车支付，完成对前续过闸乘客的扣费。

此外，还请参阅图8，图8是根据图2对应实施例示出的对误识别为过闸乘客人脸缺失行程的前续过闸乘客，通过构建的预扣费人脸池完成过闸出站时的通行扣费步骤的方法流程图。

本申请实施例提供对误识别为过闸乘客人脸缺失行程的前续过闸乘客，通过构建的预扣费人脸池完成过闸出站时的通行扣费的步骤S230，包括：

步骤S231b，对错出站的预扣费人脸池所存储人脸信息，在达到最长单程处理时长之时进行人脸行程查询，定位预扣费人脸池中无人脸行程的人脸信息；

步骤S232b，配置查询无人脸行程的人脸信息为首次过闸出站的前续过闸乘客；

步骤S233b，为前续过闸乘客按照过闸乘客匹配出站行程，以匹配所得出站行程发起扣费。

如上执行过程是对多人脸过闸出站中已经错出站的过闸乘客实施的扣费，以此来保障过闸乘客即便误使用了在后过闸乘客的人脸过闸出站，也能够对这一过闸乘客完成乘车支付。

如前所述的，错进站的预扣费人脸池，存储的人脸信息及行程信息（出站行程）是按照一设定时长更新处理的，以此来从中确定前续过闸乘客的人脸信息。

具体的，多人脸过闸所得多张人脸中对每一人脸信息及其行程信息，即出站行程的存储都有着相应的时间戳，在步骤S231b的执行中，可根据时间戳确认该存储的人脸信息达到最长单程处理时长时，对该人脸信息查询人脸行程，以确认该人脸信息是否存在相应的出站行程。

在该人脸信息未能查询到相应的出站行程时，能够确定该人脸信息对应的乘客即为误使用人脸首次过闸出站的前续过闸乘客，即从预扣费人脸池中定位得到无人脸行程的人脸信息。

前续过闸乘客与当前过闸乘客二者是所发生多人脸过闸出站中的二位乘客。所进行的多人脸过闸出站中，在同一闸机行进通道，前续过闸乘客在前过闸出站，当前过闸乘客则相对前续过闸乘客在后过闸出站。虽有一前一后，但前续过闸乘客、当前过闸乘客以及其他几位乘客在由远及近走向闸机行进通道之时，被人脸识别设备感知检测到其各自对应的多张人脸，进而归属于同一多人脸过闸过程。

基于前续过闸乘客，以及被前续过闸乘客所误识别的当前过闸乘客共参与的多人脸过闸出站，二人的出站行程相同，查询无人脸行程的人脸信息即标示了由于误识别而无人过闸出站行程的前续过闸乘客，进而以当前过闸乘客的出站行程为自身行程。

由此，为缺失出站行程的前续过闸乘客准确匹配了出站行程，基于匹配完成正常扣费。

下面结合具体的示例，阐述如上所述的错误处理机制。

错误情况一：前续过闸乘客在一站点错误进站，到达另一站点正确出站。

前续过闸乘客在一站点的多人脸过闸进站中，误用在后乘客的人脸实现进站。

请参阅图9，图9是本申请一个实施例中错进正出情况下的多位乘客走向闸机的具体示例图。

二个闸机相互配合形成行进通道，人脸识别设备（人脸识别PAD）装设于闸机上，以对闸机行进通道捕捉人脸实现人脸过闸。

A乘客在前，B乘客、C乘客以及X乘客在后跟随，由远及近的走向闸机行进通道。

此时，A乘客所发起的人脸过闸中，同时捕捉到X乘客的人脸，进而A乘客进站被误识别为X乘客，导致A乘客进站。

继续参阅图10，图10是图9对应实施例中X乘客人脸过闸进站的具体示例图。

随着A乘客、B乘客和C乘客进站，X乘客最后进站，当X乘客进站时，发现X乘客已有进站行程，此时仍将X乘客放行，同时将从A乘客到X乘客的人脸信息和指示为进站行程的行程信息（站点名称、闸机标识以及时间等）上传云端；

部署于云端的服务端为此单独设置一段存储区域，以用于存储错进的预扣费人脸池，即存储多人脸过闸所涉及A乘客到X乘客的人脸信息和进站行程。

继续参阅图11，图11是图10对应实施例中A乘客人脸过闸出站的具体示意图。当A乘客和X乘客正确出站时，发现A乘客无进站行程，但A乘客，即其人脸信息在错进的预扣费人脸池，从而在错进的预扣费人脸池中完成行程匹配，进而完成A乘客的正常通行扣费，而X乘客正常出站。

A乘客在错进的预扣费人脸池中完成行程匹配，是借助于多人脸信息的进站行程实现的。无论B乘客、C乘客还是X乘客，都是与A乘客多人脸过闸的乘客，因此，匹配B乘客、C乘客还是X乘客的进站行程即可获得A乘客的进站行程。

错误情况二，前续过闸乘客在一站点正确进站，到达另一站点时错误出站。

请参阅图12，图12是本申请一个实施例中正进错出情况下的多位乘客走向闸机的具体示例图。

A乘客在前，B乘客、C乘客以及Y乘客在后跟随，由远及近的走向闸机行进通道以过闸出站。

此时，A乘客发起的人脸过闸中，同时捕捉到Y乘客的人脸，进而A乘客出站时被误识别为Y乘客，导致A乘客出站。

继续参阅图13，图13是图12对应实施例中Y乘客人脸过闸出站的具体示例图。

随着A乘客、B乘客和C乘客出站，Y乘客最后出站。当Y乘客出站时，发现Y乘客已经有出站行程，此时仍然将Y乘客放行，但人脸识别PAD此次多人脸过闸的人脸信息，即A乘客、B乘客、C乘客和Y乘客的人脸信息，及出站行程（如果有）上传云端以构建错出站的预扣费人脸池。

以Y乘客第一次出站时的人脸信息到Y乘客出站时的中间过闸乘客全部记录来构建错出站的预扣费人脸池。部署于云端的服务端为此单独设置一段存储区域，以用于存储人脸信息和出站行程，完成多人脸过闸错出站的预扣费人脸池构建。

多人脸过闸错出站的预扣费人脸池，根据地铁的最长单程时长进行更新处理，当达到最长单程时长时进行一次人脸行程查询；

若错出站的A乘客只有进站行程，无出站行程之即可完成行程匹配，从而借助于Y乘客的出站行程找到A乘客的出站行程，获得完整行程从而完成正常扣费。

错误情况三，前续过闸乘客在一站点错误进站，到达另一站点时错误出站。

如图9和图10所示出的，前续过闸乘客，即A乘客在一站点被误认为X乘客而错误进站，在X乘客进站时由于其人脸已被使用而发现A乘客错进，此时对多人脸过闸的多张人脸构建错进的预扣费人脸池。

在错进的预扣费人脸池参考多人脸过闸进站的其他乘客获得A乘客的进站行程。

如图12和图13所示出的，前续过闸乘客，即A乘客在另一站点被误认为Y乘客，同样将多人脸过闸的多张人脸其人脸信息和出站行程（如果有）构建错出站的预扣费人脸池。

当错出站的预扣费人脸池达到最长单程处理时长时进行更新处理获得A乘客的出站行程，完成正常扣费。

至此，在多人脸过闸进站和出站中为所使用的人脸出错提供自动的错误处理机制，对于多人脸过闸，特别是多重递进选择之后定位的第一权重人脸仍然出错之时，提供一道可拦截错误的防线，进而在无感使用人脸过闸支付中增强安全性。

参阅图14，图14示出了本申请一个实施例的轨道交通高容差人脸过闸方法的流程图。本申请实施例提供了一种轨道交通高容差人脸过闸方法，在步骤S210之前，该方法包括：

步骤S310，感知到向闸机发起的人脸过闸行为，对人脸过闸行为通过人脸检测过程的执行得到多张人脸；

步骤S320，对多张人脸定位过闸乘客的人脸；

步骤S330，识别过闸乘客的人脸获得标示过闸乘客的人脸信息，人脸信息用于过闸乘客的人脸匹配。

下面对这些步骤进行详细阐述。

站点通行中，闸机110、人脸识别设备120、人脸识别平台130以及人脸交易管理平台150之间相互配合识别过闸乘客，进而实现过闸乘客的开闸放行以及通行扣费，所实现的开闸放行以及通行扣费将同步至各方，如过闸乘客的用户终端，以在用户终端中通知当前在站点的过闸进站，以及过闸出站、通行扣费。

在步骤S310中，为进行站点通行中的人脸过闸，对行进通道部署的人脸识别设备（如，装设于该行进通道闸机上的人脸识别PAD）会进行过闸乘客的感知， 以在感知到过闸乘客之时激活自身。人脸识别设备感知到过闸乘客的人脸过闸行为，以此来激活自身功能，即人脸检测功能，进而为所发起的人脸过闸行为实施人脸检测，确定过闸乘客的人脸。

具体而言，乘客由远及近走到人脸识别设备前准备过闸，此时乘客基本保持站体不动以发起人脸过闸行为。

人脸识别设备将在感知到人脸过闸行为的发起时激活，发起人脸过闸行为的乘客即为过闸乘客。人脸识别设备的激活，是指人脸识别设备将对过闸乘客的人脸实施人脸检测，进而确认当前可检测到人脸，以所检测到人脸为基础达成人脸过闸的目的。

应当说明的，人脸识别设备在无乘客通过闸机时，人脸识别设备内置的人脸检测算法处于静默状态，不执行会执行人脸检测。待乘客由远及近地走向闸机，并于人脸识别设备前站立时，人脸识别设备感知并检测到过闸乘客的人脸，进而激活内置的人脸检测算法，通过激活的人脸检测算法进行人脸检测。

在由远及近走向一闸机的乘客在数量上为多位情况下，当前过闸乘客其后跟随多位乘客。随着当前过闸乘客在人脸识别设备前站立，对此执行的人脸检测将检测到多张人脸，检测所得多张人脸包括当前过闸乘客的人脸，以及其后跟随多位乘客的人脸。

此时，对于当前过闸乘客的过闸处理而言，需要执行本申请所实现站点通行中的多人脸过闸处理过程，以为当前过闸乘客定位人脸。

人脸检测的执行中，通过窗口检测人脸，进而对所采集人脸获得多个人脸窗口。每一人脸窗口包含有一人脸。该人脸窗口将用于在后续的多人有追踪中实现所对应人脸的追踪，进而以此为基准实现多人脸过闸中的多人脸追踪，提升多人脸过闸处理的性能。

进一步说明的，人脸识别设备内置的人脸检测算法封装为人脸检测工具。对于由远及近的多位乘客，将进行人脸采集，对采集所得人脸图片利用人脸检测工具通过窗口检测人脸，获得人脸窗口，以及人脸窗口所包含人脸及其位置（人脸位置）。示例性的，该人脸位置可为人脸窗口所包含人脸的中心。

至此，将创建各人脸跟踪线程，以便于在后续进行的多人脸追踪中通过每一人脸跟踪线程实施每一人脸的追踪，以便于能够从检测所得多张人脸中定位当前过闸乘客的人脸，进而完成站点通行中的多人脸过闸处理。

还请继续参阅图15，图15是根据图14对应实施例示出的感知到向闸机发起的人脸过闸行为，对人脸过闸行为通过人脸检测过程的执行得到多张人脸步骤的方法流程图。

本申请实施例提供的感知到向闸机发起的人脸过闸行为，对人脸过闸行为通过人脸检测过程的执行得到多张人脸的步骤S310，包括：

步骤S311，人脸识别设备对由远及近走向行进通道的过闸乘客进行人脸采集并检测人脸，直至检测采集所得人脸达到最小人脸阈值；

步骤S312，待采集所得人脸达到最小人脸阈值时感知到发起的人脸过闸行为；

步骤S313，对所发起的人脸过闸行为获取多张人脸。

下面对这些步骤进行详细阐述。

在步骤S311中，首先应当说明的是，闸机的行进通道都部署人脸识别设备，以供实现人脸过闸。换言之，每一能人脸过闸通行的闸机都部署人脸识别设备。

示例性的，人脸识别设备是为闸机行进通道上乘客的通行而部署的，部署的人脸识别设备适配于乘客的行进路程保证能够检测到当前过闸乘客的人脸，基于此，人脸识别设备可以装设于闸机上，也可以装设于其他位置，在此不进行限定。

人脸识别设备对由远及近走向闸机行进通道的乘客都实施人脸采集，采集得到的人脸在数量上至少为一张。由于人脸采集过程对应于乘客由远及近的行进过程，因此，采集所得人脸也是由小到大不断变化的。

也就是说，对于一乘客，在人脸识别设备的作用上，其先后被采集到的人脸是由小到大变化的，待采集所得人脸达到最小人脸阈值之时，即可视为该人脸对于人脸过闸而言是有效的，对该人脸视为发起人脸过闸行为。

进一步说明的，对于所能够采集到人脸的任意一乘客，都进行人脸采集，且为此而通过窗口实施人脸检测，确定检测到人脸的窗口为人脸窗口。对人脸窗口匹配其是否大于最小人脸阈值，如果检测所得人脸大于最小人脸阈值，则确定该人脸对于人脸过闸的发起而言是有效的，进而对该人脸感知到人脸过闸行为的发起。

示例性的，设定的最小人脸阈值指示进行人脸检测所初始化的最小人脸。具体而言，最小人脸可以是初始化的目标人脸模板，该目标人脸模板的大小即为最小人脸阈值。

进行人脸采集且为此而进行人脸检测，正如前述所指出的，将采集并检测到多张人脸，因此，在步骤S311的执行中，人脸识别设备对由远及近走向行进通道的过闸乘客，以及落入人脸识别设备视野范围的其他乘客，都进行人脸采集，并随之进行人脸检测。

通过图片捕捉和/或视频采集的方式来进行人脸采集，以获得相应的图片和/或视频等人脸数据，再通过滑动窗口对人脸数据实施人脸检测，获得对应于若干人脸的人脸窗口，进而对每一人脸窗口匹配最小人脸阈值，以获得大于最小人脸阈值的人脸窗口，该人脸窗口包含发起人脸过闸的有效人脸。

总而言之，检测所得到的多张人脸，往往并不都是有效人脸，也并不都会导致人脸过闸行为的发起。因此，需要通过本申请步骤的执行，一方面从检测所得多张人脸确定有效人脸，进而快速准确的感知人脸过闸行为的发起，另一方面也在发起人脸过闸行为的多张人脸中定位属于当前过闸乘客的人脸，进而避免多人脸过闸行为中的误识别。

在步骤S312中，大于最小人脸阈值的人脸是有效人脸，因此对于闸机支持的人脸过闸而言，大于最小人脸阈值的几张人脸都将感知到其发起人脸过闸行为。

大于最小人脸阈值的几张人脸，分属于不同的乘客，且都能够通过发起人脸过闸行为而获得过闸权限，进而在闸机的行进通道上获得开闸放行。但这些乘客中，仅一乘客为当前过闸乘客，因此，需要通过后续步骤的执行来对感知到发起的人脸过闸行为获取其对应的多张人脸，以从中定位当前过闸乘客的人脸。

在步骤S313中，对于同时感知到的若干人脸过闸行为，都对前述人脸采集过程所得图片和/或视频分别截取人脸检测所得人脸，为每个乘客获得若干张人脸。

由此，应当说明的是，在采集所得图片和/或视频，都对大于最小人脸阈值的人脸，截取若干张人脸图片，以用于后续的步骤执行过程。换言之，可以理解的，对于人脸检测所得多张人脸，通过步骤S213执行所得人脸将以人脸检测之后截取所得人脸图片的形式存在。

至此，在人脸采集和人脸检测的作用下，对由远及近向闸机行进的乘客都适应于最小人脸阈值获得有效人脸，进而由该有效人脸发起人脸过闸行为，发起人脸过闸行为的有效人脸即为通过人脸检测算法得到的多张人脸，从而为站点通行中的多人脸过闸处理屏蔽了无效人脸，从而有利于提高处理速度，保障人脸过闸的快速响应。

在步骤S320中，首先应当补充说明的，人脸检测的进行除了为人脸过闸行为获得多张人脸之外，还对每一张人脸都获得相应的人脸位置。

所执行的过闸乘客人脸定位中，从检测所得多张人脸定位最为可能的人脸作为过闸乘客人脸。所定位的人脸，不限于单一一张人脸，还可为此而定位备用人脸，以便于在所定位人脸出错之时能够追溯到正确的人脸。

示例性的，基于所得多张人脸，以及每一张人脸对应的人脸位置，在多张人脸中为当前过闸乘客选择第一权重人脸和备用人脸。

应当解释说明的，第一权重人脸和备用人脸是人脸检测所得到多张人脸的部分人脸。例如，第一权重人脸和备用人脸都是发起人脸过闸行为的多张人脸中的一张人脸。

进一步说明的，第一权重人脸，是对当前过闸乘客所识别的人脸。换言之，是将当前过闸乘客的人脸识别为第一权重人脸。从人脸检测所得到多张人脸中通过多重递进选择的进行，选取一人脸为第一权重人脸，将该第一权重人脸识别为当前过闸乘客的人脸。与之相对应的，也通过多重递进选择的进行选取至少一人脸为备用人脸，备用人脸是当前过闸乘客的第二人脸，后续如若发现当前过闸乘客的人脸不是第一权重人脸，当前过闸乘客过闸发生了人脸误识别，则可追溯第二人脸，以修正发生的人脸误识别，备用人脸的部署使得多人脸过闸的出错具备了可追溯性。

由此，应当明确，通过步骤S310的执行，人脸检测得到多张人脸的数量为二张以上，从而为当前过闸乘客的识别提供第一权重人脸和备用人脸。

实现第一权重人脸和备用人脸选取的多重递进选择，是通过人脸轮廓区域的大小、人脸在过闸行进路程上的动态变化以及人脸位置的偏差所构建的多重选择维度来在多张人脸中实施的递进选择过程。

适应每一重选择维度所执行的选择，可能会在当前一重选择中定位第一权重人脸，也可能需要转入下一重选择，进而在下一重选择方可确定第一权重人脸以及备用人脸，在此不进行限定。

示例性的，在人脸轮廓区域大小的一重选择维度下，对于多张人脸，首先从中确定能够满足最小人脸框像素阈值，即大于该最小人脸框像素阈值的人脸轮廓区域，如果人脸轮廓区域满足最小人脸框像素阈值的人脸仅有一张，则不再需要进行下一重选择，直接定位这一人脸为第一权重人脸，第一权重人脸是多人脸过闸中为当前过闸乘客所定位的人脸。

如果人脸轮廓区域满足最小人脸框像素阈值的人脸数量不限于一张，则从人脸轮廓区域满足最小人脸框像素阈值的人脸中确定占用面积最大的二张人脸；在这二张人脸的大小不相当，即相差较大之时，定位对应于最大面积人脸轮廓区域的人脸为第一权重人脸，另一张人脸即为备用人脸。

在这二张人脸的大小相当之时，需要转入下一重选择维度对这二张人脸确定第一权重人脸和备用人脸。

在下一重选择，即人脸在过闸行进路程上的动态变化和人脸位置的偏差这二重选择维度的控制下，将调取当前过闸乘客在过闸行进路程上的人脸数据，对人脸数据追踪这二张人脸，获得每一人脸由远及近的动态变化以及人脸位置，并最终依据人脸的动态变化和人脸位置对这二张人脸确定第一权重人脸和备用人脸。

进一步说明的，人脸的动态变化可通过人脸的增长率来准确量化，以便用于运算。

由此，依据人脸的动态变化和人脸位置对二张人脸确定第一权重人脸和备用人脸的执行过程，成为根据增长率以及人脸位置所执行的人脸打分和基于权重整合分值的运算过程，从而在运算所得数值的支撑下准确定位第一权重人脸为多人脸过闸中过闸乘客的人脸，并为此配备备用人脸，以在备用人脸的作用下增强人脸过闸的容错和纠错能力，且提升人脸过闸的可靠性。

至此，在一个示例性实施例中，步骤S320的执行过程包括：

根据人脸检测所得人脸及所述人脸对应的人脸位置进行多重递进选择，从所述多张人脸将所得第一权重人脸定位为过闸乘客的人脸。

其中，多重递交选择的人脸包括第一权重人脸或者第一权重人脸与备用人脸的组合，备用人脸用于修正过闸乘客的第一权重人脸误识别。

进一步的，还请参阅图16，图16是根据本申请一个实施例对根据人脸检测所得人脸及人脸对应的人脸位置进行多重递近选择，从多张人脸将所得第一权重人脸定位为过闸乘客的人脸步骤的方法流程图。

本申请实施例提供的根据人脸检测所得人脸及人脸对应的人脸位置进行多重递近选择，从多张人脸将所得第一权重人脸定位为过闸乘客的人脸的步骤，包括：

步骤S401，对人脸检测所得多张人脸都提取人脸轮廓区域，且从中确定满足最小人脸框像素阈值的人脸轮廓区域；

步骤S402，适配满足最小人脸框像素阈值的人脸轮廓区域，从对应于人脸轮廓区域的人脸中动态选择第一权重人脸和备用从脸，以第一权重人脸为过闸乘客的人脸。

下面对此二个步骤进行详细阐述。

在步骤S401中，对每一人脸都进行人脸轮廓的提取以获得人脸轮廓区域。具体而言，人脸检测所得多张人脸中，通过每一人脸的人脸轮廓提取，获得对应于每一人脸的人脸轮廓区域。

对应于每一人脸的人脸轮廓区域，都有其对应的人脸框像素大小，即以像素大小所描述的人脸轮廓区域大小。因此，根据对应的人脸框像素大小确定满足最小人脸框像素阈值的人脸轮廓区域。

最小人脸框像素阈值限定了人脸轮廓区域所对应人脸框像素大小的最小值。如果人脸框像素大小大于最小人脸框像素阈值，则确定对应的人脸轮廓区域满足最小人脸框像素阈值。

进一步说明的，对每一人脸所执行的人脸轮廓提取，是提取人脸轮廓线，进而融合人脸轮廓线而获得人脸轮廓区域的执行过程，通过完整连续且高精度的人脸轮廓线提取精准得到人脸轮廓区域。

具体的，对人脸检测所得人脸，首先定位关键特征点，由关键特征点初始化曲线并拟合，以此来获得人脸轮廓的大致区域；然后在人脸轮廓的大致区域上进行局部矩形区域的采样，沿着初始化曲线采样生成一系列稠密的矩形，使得整个人脸轮廓的大致区域都包含其中；

在此基础之上进行局部轮廓线的提取，即：在每个局部矩形区域中提取由一条抛物线引导基于梯度的局部轮廓曲线，以此来构建局部轮廓线集合；

最后进行全局轮廓线的融合，即：进行基于主成分分析的全局融合来将稠密的局部轮廓线融合成为一条全局轮廓线，该条全局轮廓线即为完整的人脸轮廓线。

在人脸轮廓线所形成人脸轮廓区域作用下，对人脸检测所得人脸通过下述步骤的进行实现一重递进选择，进而为当前过闸乘客获得第一权重人脸，或者第一权重人脸与备用人脸的组合。

在步骤S402中，基于满足最小人脸框像素阈值的人脸轮廓区域，进行多人脸中第一权重人脸和备用人脸的动态选择，以此来为过闸乘客定位人脸。

适配于满足最小人脸框像素阈值的人脸轮廓区域的数量和大小来进行多人脸中第一权重人脸和备用人脸的一重选择，甚至于下一重选择，以此来动态的实现多人脸中的多重递进选择，充分考虑了过闸行进过程中人脸存在的动态变化，增强多人脸过闸中人脸定位的准确性。

还请参阅图17，图17是根据本申请图16对应实施例示出的对适配满足最小人脸框像素阈值的人脸轮廓区域，从对应于人脸轮廓区域的人脸中动态选择第一权重人脸和备用从脸，以第一权重人脸为过闸乘客的人脸步骤的方法流程图。

本申请实施例提供的适配满足最小人脸框像素阈值的人脸轮廓区域，从对应于人脸轮廓区域的人脸中动态选择第一权重人脸和备用从脸，以第一权重人脸为过闸乘客的人脸的步骤S402，包括：

步骤S4021，确定人脸轮廓区域满足最小人脸框像素阈值的人脸数量；

步骤S4022，如果人脸数是不为1，根据对应的人脸轮廓区域所占布和从多张人脸确定所占面积最大的二张人脸；

步骤S4023，根据所确定二张人脸在面积上的差值，确定一人脸为第一权重人脸，另一人脸为备用人脸，以第一权重人脸为过闸乘客的人脸。

进一步的，适配满足最小人脸框像素阈值的人脸轮廓区域，从对应于人脸轮廓区域的人脸中动态选择第一权重人脸和备用从脸，以第一权重人脸为过闸乘客的人脸的步骤S402，还包括：

如果人脸数量为1，以对应的人脸轮廓区域满足最小人脸框像素阈值的人脸为第一权重人脸。

下面对这些步骤进行详细阐述。

在步骤S4021中，对于所得满足最小人脸框像素阈值的人脸轮廓区域，都对应于一人脸，对此确定人脸轮廓区域满足最小人脸框像素阈值的人脸数量。

在步骤S4022中，根据人脸轮廓区域满足最小人脸框像素阈值的人脸数量，判断多乘客中是否有一位乘客的人脸满足最小人脸框像素阈值，如果人脸数量不为1，则说明不限于一张人脸满足最小人脸框像素阈值。

此时，将从人脸轮廓区域满足最小人脸框像素阈值的人脸中确定所占面积最大的二张人脸。所占面积最大的二张人脸，是指人脸轮廓区域占用面积最大的人脸以及人脸轮廓区域占用面积第二大的人脸。

随着过闸乘客由远及近向闸机行进，并最终经由行进通道被闸机放行以通过闸机，所对应的人脸必然是由小到大动态变化的，且相对于其他未过闸乘客，过闸乘客的人脸由于距离闸机最近，因此其人脸轮廓区域占据的面积最大。从多张人脸中确定所占面积最大的二张人脸，以用于确定第一权重人脸和备用人脸，将得以适配于闸机通行而进一步保障多人脸过闸中定位人脸的准确性。

如果人脸数量为1，则以对应的人脸区域满足最小人脸框像素阈值的人脸为第一权重人脸，此时，将不再需要配置备用人脸。

还请参阅图18，图18是根据本申请图17对应实施例示出的根据对应的人脸轮廓区域所占布和从多张人脸确定所占面积最大的二张人脸步骤的方法流程图。

本申请实施例提供的根据对应的人脸轮廓区域所占布和从多张人脸确定所占面积最大的二张人脸所在的步骤S4022，包括：

步骤S40221，按照人脸轮廓区域所占面积的大小对人脸进行排序；

步骤S40222，从排序所得人脸序列确定多张人脸中对应于最大面积人脸轮廓区域和第二面积人脸轮廓区域的二张人脸。

下面对此二个步骤进行详细描述。

每一人脸轮廓区域都占据了一定面积，示例性的，人脸轮廓区域所占面积以人脸框像素大小来衡量，也就是说，将以像素大小来描述人脸轮廓区域占据的面积。

获取每一人脸轮廓区域所占面积的大小，按照所占面积的大小进行所对应人脸的排序获得人脸序列。也就是说，所得人脸序列包含人脸轮廓区域满足最小人脸框像素阈值的人脸，并且所包含的人脸按照所对应人脸轮廓区域占据面积的大小排序。

由此，能够由排序所得人脸序列确定人脸轮廓区域占据了最大面积的二张人脸，即对应于最大面积轮廓区域的人脸，以及对应于第二大面积的第二面积轮廓区域的人脸。

对人脸轮廓区域满足最小人脸框像素阈值的至少二张人脸确定人脸轮廓区域所占面积最大的二张人脸之后，即可通过步骤S403的执行，对二张人脸确定第一权重人脸和备用人脸。

在步骤S4023的执行中，根据二张人脸在面积上的差值继续递进选择一人脸为第一权重人脸，另一人脸为备用人脸。

根据所确定二张人脸在面积上的差值，衡量二张人脸大小是否相当，即二张人脸在面积上的大小是接近，还是相差甚远。

如果二张人脸在面积上较为接近，则说明所对应的乘客距离闸机的距离都较为接近，在人脸轮廓区域的大小这一重选择维度执行对人脸执行的一重选择尚不能确定第一权重人脸和备用人脸，需要转入下一重选择维度对这二张人脸确定第一权重人脸和备用人脸。

如果二张人脸在面积上不相当，相差甚远，则能够确定对应于较大面积的一张人脸可识别为过闸乘客的人脸，即第一权重人脸，对应于较小面积的一张人脸将为过闸乘客的备用人脸。

还请参阅图19，图19是根据图17对应实施例示出的根据所确定二张人脸在面积上的差值，确定一人脸为第一权重人脸，另一人脸为备用人脸，以第一权重人脸为过闸乘客的人脸步骤的方法流程图。

本申请实施例提供的根据所确定二张人脸在面积上的差值，确定一人脸为第一权重人脸，另一人脸为备用人脸，以第一权重人脸为过闸乘客的人脸步骤S4023，包括：

步骤S40231，进行对应于最大面积人脸轮廓区域和第二面积人脸轮廓区域的二张人脸之间的差值运算；

步骤S40232，根据运算所得差值判断二张人脸是否大小相当，如果判断为否，则执行步骤S40233，如果判断为是，则执行步骤S40234；

步骤S40233，确定对应于最大面积人脸轮廓区域的人脸为第一权重人脸，对应于第二面积人脸轮廓区域的人脸为备用人脸；

步骤S40234，调取过闸乘客在过闸行进路程上采集所得人脸数据；

步骤S40235，通过对人脸数据进行多人脸追踪获得每一人脸由远及近的人脸图片；

步骤S40236，根据每一人脸由远及近的人脸图片中人脸的动态变化以及人脸在人脸检测所得人脸位置，对二张人脸确定第一权重人脸和备用人脸。

下面对这些步骤进行详细阐述。

在步骤S40231中，正如前述所指出的，人脸轮廓区域占据的面积，可以通过人脸框像素大小来表征，因此，二张人脸之间所执行的差值运算也可通过计算人脸框像素大小之间的差值来实现。

在步骤S40232中，根据运算所得差值判断二张人脸是否相当，即为判断二张人脸是否存在区别，进而得以对存在区别的二张人脸明确最可能为过闸乘客人脸的第一权重人脸，次可能为过闸乘客人脸的备用人脸。

应当理解的，运算所得差值足够小，则可判定二张人脸相当。基于此，在具体实现上，将设定使得人脸之间相区别的最小阈值，以用于对运算所得差值实施二张人脸是否相当的判断。

所设定的最小阈值指示了能够区别二张人脸在面积上对应的最小差值。步骤S40232的执行过程包括：根据运算所得差值与最小阈值的大小关系，判断二张人脸是否相当，如果运算所得差值不大于最小阈值，则判定二张人脸相当，此时即可转入步骤S40232的执行；如果运算所得差值大于最小阈值，则判定二张人脸不相当，此时将转入步骤S40233的执行。

在步骤S40233中，由于判断所得二张人脸不相当，即存在较大区别，因此，可直接确定对应于最大面积人脸轮廓区域的人脸为第一权重人脸，确定对应于第二面积人脸轮廓区域的人脸为备用人脸。

在步骤S40234中，由于判断所得二张人脸相当，此时可知仅基于人脸轮廓区域的大小这一重选择维度不足以准确选择第一权重人脸和备用人脸，将转入下一重选择维度递进执行人脸选择。

为能够在下一重选择维度控制下确定第一权重人脸和备用人脸，将首先调取过闸乘客在过闸行进路程上采集所得人脸数据。

过闸行进路程是指过闸乘客由远及近走向闸机的行进通道进而过闸的路程。感知到人脸过闸行为的发起之后将采集并缓存人脸数据，以记录过闸乘客的过闸行进过程。

步骤S40234的执行，便是调取所缓存人脸数据的过程。缓存的人脸数据，可以是若干记录过闸乘客由远及近行进的人脸图片，也可以是记录过闸行进过程，即在过闸行进路程上采集的人脸视频，在此不进行限定。

示例性的，以时间为索引调取人脸数据。该时间为过闸乘客的过闸时间。如，过闸时间为发起人脸过闸行为的时间。所缓存人脸数据是对应了一定时间长度的，该时间长度适配于乘客正常过闸速度，以此来节省存储成本，避免不必要的资源占用。例如，基于乘客正常过闸速度，乘客正常过闸所耗费的时间为20秒，因此可仅存储20秒以内的人脸数据。

在步骤S40235中，对应于最大面积人脸轮廓区域和第二面积人脸轮廓区域的二张人脸，为其在所调取的人脸数据中实施多人脸追踪，以为其获得由远及近的人脸图片。

对于任意一张人脸，如果该人脸是归属于过闸乘客的，则该人脸必然在由远及近的行进过闸中存在着较大变化，并且其所对应的人脸位置也有着较大变化，因此，将基于多人脸追踪所得每一人脸由远及近的人脸图片，进行一重选择以适配人脸过闸过程来对二张人脸确定第一权重人脸和备用人脸。

在步骤S40236中，对每一人脸由远及近的人脸图片，一方面确定人脸发生的动态变化，另一方面也基于此来确定人脸位置，进而获得人脸相对于图片中心点的偏差，然后再以动态变化和相对图片中心点的偏差来对二张人脸确定第一权重人脸和备用人脸。

示例性的，人脸的动态变化由所对应人脸轮廓区域的增长率表征。

参阅图20，图20是根据图19对应实施例示出的根据每一人脸由远及近的人脸图片中人脸的动态变化以及人脸在人脸检测所得人脸位置，对二张人脸确定第一权重人脸和备用人脸步骤的流程图。

本申请实施例提供的根据每一人脸由远及近的人脸图片中人脸的动态变化以及人脸在人脸检测所得人脸位置，对二张人脸确定第一权重人脸和备用人脸步骤S40236，包括：

步骤S501，对每一人脸由远及近的人脸图片提取人脸对应的最小轮廓区域和最大轮廓区域；

步骤S502，对最小人脸轮廓区域和最大人脸轮廓区域运算所对应人脸的增长率来表征人脸的动态变化；

步骤S503，根据增长率以及人脸在人脸检测所得人脸位置运算人脸的综合权重分数；

步骤S504，根据综合权重分数的大小对二张人脸确定第一权重人脸和备用人脸。

下面对这些步骤进行详细阐述。

通过前述步骤中多人脸追踪的执行对每一人脸都获得了其由远及近的人脸图片。应当补充说明的是，所指的由远及近，人脸相对于闸机由远及近的运动过程，在此运动过程所得人脸图片即为人脸由远及近的人脸图片。

每一人脸在其所追踪所得人脸图片都有对应的人脸轮廓区域。随着人脸由远及近的向闸机行进，其在各人脸图片上的人脸轮廓区域大小也发生动态变化。特别是过闸乘客，随着其向闸机行进，各人脸图片上的人脸轮廓区域由小到大变化。

在步骤S501的执行中，对二张人脸由远及近的人脸图片，都提取该人脸对应的最小轮廓区域和最大轮廓区域。

正如前述所指出的，最小轮廓区域为占据最小面积的人脸轮廓区域，最大轮廓区域为占据最大面积的人脸轮廓区域。正如前述所指出的，人脸轮廓区域占据的面积以所对应的像素大小来衡量，即人脸框像素大小。

对每一人脸，在其由远及近所得若干人脸图片中按照每一人脸图片中人脸轮廓区域的人脸框像素大小来确定最小轮廓区域和最大轮廓区域。

对每一人脸，在步骤S502的执行中对其最小人脸轮廓区域和最大轮廓区域运算得到对应的增长率，以增长率来表征人脸的动态变化。

至此，应当说明的是，对于一人脸，其可能是由最小人脸轮廓区域向最大人脸轮廓区域变化，也可能是由最大人脸轮廓区域向最小轮廓区域变化，因此，实际上是以区域之间的进率来表征人脸的动态变化。区域之间的进率，包括人脸的增长率和人脸的减少率。

对于由远及近向闸机行进的人脸，特别是可能归属于过闸乘客的人脸，是由最小人脸轮廓区域向最大人脸区域变化的，因此，表征人脸动态变化的区域之间进率为人脸的增长率。

所进行的进率，如增长率运算，首先对新人脸轮廓区域和旧人脸轮廓区域计算差值，以获得增长量，或减少量。其中，新人脸轮廓区域是最终变化的人脸轮廓区域，如由最小人脸轮廓区域向最大人脸轮廓区域变化的最大人脸轮廓区域，与之相对应的，最小人脸轮廓区域为旧人脸轮廓区域。

在计算所得差值除以旧人脸轮廓区域，并乘以100%即可得到区域之间的进率，如增长率。计算所得差值为正，则所得进率为增长率，所得差值为负，则所得进率为减少率。

对能够计算得到增长率的人脸，通过后续步骤的执行确定第一权重人脸和备用人脸；对于计算得到减少率的人脸，说明该人脸归属的乘客必然不是由远及近向闸机行进的，因此该乘客也必然不是过闸乘客，区域之间非增长的人脸将剔除。

在步骤S503中，仅对计算得到增长率的人脸，根据其所对应增长率以及人脸位置来运算人脸的综合权重分数。

还请参阅图21，图21是根据图20对应实施例示出的根据增长率以及人脸在人脸检测所得人脸位置运算人脸的综合权重分数步骤的方法流程图。

本申请实施例提供的根据增长率以及人脸在人脸检测所得人脸位置运算人脸的综合权重分数的步骤S503，包括：

步骤S5031，对增长率和人脸位置相对图片中心点的偏差分别打分获得人脸对应于增长率以及相对图片中心点偏差的分值；

步骤S5032，整合人脸对应于增长率以及相对图片中心点偏差的分值获得人脸的综合权重分数。

下面对此二个步骤进行详细阐述。

通过前述步骤的执行获得了人脸的增长率，除此之外，还通过多人脸实时跟踪的进行，获得所跟踪人脸的人脸位置，进而获得其相对图片中心点的偏差。

基于此，在步骤S5031中，为每一人脸都针对其增长率和人脸位置相对图片中心点的偏差分别进行打分，以此来获得该人脸对应于增长率以及相对图片中心点偏差的二个分值。

应当理解，对于增长率和人脸位置相对图片中心点偏差的打分，是根据二者在数值上映射的范围来确定分值。示例性的，设定满分为100分，以此为基准为增长率和人脸位置相对图片中心点的偏差在数值上划分范围。

例如，对增长率，可设定增长率在0~20%是20分，20%~40%是40分，40%~60%是60分，60%~80%是80分，80%以上是100分。

又例如，对人脸位置相对图片中心点的偏差指的是人脸位置与屏幕中心点的距离。其中，人脸位置为人脸中心点，如眼睛和嘴巴构成的三角形中心点。可设定偏差在0~1厘米是100分，1厘米~3厘米是80分，3厘米~5厘米是60分，大于5厘米是0分。

对打分所得分值，通过步骤S5032为人脸进行整合，以此来获得该人脸的综合权重分数。

具体的，对应于增长率的分值，以及相对图片中心点偏差的分值，都有分配对应的权重，以用于分值的整合。权重可依据多人脸数量来进行分配，进而根据识别到的多人脸数量获取分配的权重，根据分配的权重来整合分值。

例如，多人脸数量超过4个以上，则对应于增长率的分值，其权重占比40%，相对图片中心点偏差的分值，其权重占比60%。

通过打分的进行以及分配的权重获得人脸的综合权重分数之后，即可在步骤S504中根据综合权重分数的大小对人脸确定第一权重人脸和备用人脸。

由所得综合权重分数进行二张人脸的排序，对综合权重分数较大的一张人脸确定为第一权重人脸，对综合权重分数相对较小的另一张人脸确定为备用人脸。

除此之外，也可能会存在二张人脸所得综合权重分数相等的情况，在此情况之下，将仅考虑对应于增长率的分值。换言之，如若二张人脸的综合权重分数相同，则仅以人脸对应于增长率的分值来确定第一权重人脸和备用人脸。此时，对增长率分值较大的一张人脸确定为第一权重人脸，对增长率分值相对较小的一张人脸确定为备用人脸。

参阅图22，图22是根据图20对应实施例示出的根据综合权重分数的大小对二张人脸确定第一权重人脸和备用人脸步骤的方法流程图。

本申请实施例提供的根据综合权重分数的大小对二张人脸确定第一权重人脸和备用人脸的步骤S504，包括：

步骤S5041，判断二张人脸的综合权重分数是否相同，如果判断为是，则执行步骤S5042，如果判断为否，则执行S5043；

步骤S5042，仅以人脸对应于增长率的分值确定第一权重人脸和备用人脸；

步骤S5043，以综合权重分数大的人脸为第一权重人脸，另一人脸为备用人脸。

下面对这些步骤进行详细阐述。

经由前述步骤S503的执行获得二张人脸各自对应的综合权重分数之后，判断二个综合权重分数是否数值相同，如果数值是相同的，仅以对应于增长率的分值来确定第一权重人脸和备用人脸。

即，对应于增长率分值较大的人脸为第一权重人脸，对应于增长率分值较小的人脸为备用人脸。

如果二张人脸对应的综合权重分数不相同，则如前所述的，以综合权重分数大的人脸为第一权重人脸，另一人脸为备用人脸。

由此，即可完成多张人脸的多重递进选择，从识别的多人脸为过闸乘客确定第一权重人脸和备用人脸。

对第一权重人脸和备用人脸，正如前述所指出的，将过闸乘客识别为第一权重人脸，备用人脸是在第一权重人脸是过闸乘客的人脸误识别之时的正确人脸。

多人脸追踪通过多线程实现以保证其跟踪的实时性。对二张人脸分别建立一独立的线程，各线程所执行的算法步骤如下：

1）初始化目标人脸模板和卡尔曼滤波器；

2）读取对人脸数据读取下一视频帧，对读取的视频帧分块加权的Camshift跟踪算法计算出各个候选目标人脸跟踪窗口，以确定各个候选目标人脸位置；

3）将各个候选目标人脸位置作用系统观察值，利用卡尔曼滤波器预测修正，以此获得各人脸位置的最优估计值；

4）以步骤3）所对应各个候选目标人脸跟踪窗口的人脸区域为新的目标人脸模板，并返回到步骤2）继续执行，直至追踪结束；

以最终所得各人脸位置的最优估计值为人脸位置。

在步骤S330中，基于多张人脸定位所得人脸即视为过闸乘客的人脸，如前述步骤通过多重递进选择所得的第一权重人脸即为定位所得，进而将第一权重人脸视为过闸乘客的人脸。

对定位所得人脸发起识别，以获得相应的人脸信息。示例性的，该人脸信息将标示了过闸乘客，除此之外，对于前述定位所得第一权重人脸和备用人脸，识别的对象不限于第一权重人脸，还包括备用人脸，进而所得人脸信息包括第一权重人脸的人脸信息，以及备用人脸的人脸信息。

具体的，人脸识别可通过部署的人脸识别平台实现。通过定位所得人脸，如第一权重人脸和备用人脸来发起过闸乘客的识别，人脸识别平台响应于发起的识别，获得第一权重人脸的人脸信息和备用人脸的人脸信息。将通过人脸信息来在数据上标示和表征相应的乘客。

正如前述所指出的，对定位所得人脸将通过识别所得人脸信息进行人脸匹配，以确认当前是否具备过闸条件，如果具备过闸条件，即在未匹配到相应行程的情况下对此人脸信息分配过闸权限。

总而言之，所指的过闸条件即为是否匹配有相应的行程。在人脸过闸进站时，未匹配到相应的进站行程，则说明其符合过闸条件；与之相对应的，在人脸过闸出站时，人脸匹配未匹配到相应的出站行程，则也说明其符合过闸条件。

具体的，可部署与人脸识别设备交互的人脸交易管理平台，该人脸交易管理平台基于第一权重人脸进行人脸行程匹配，以此基于第一权重人脸分配过闸权限，另一方面也用于实现用户设备发起的扣费完成乘车交易。

获得过闸权限的人脸识别设备即可为过闸乘客控制闸机放行，且基于所得人脸信息，向各方，如闸机、过闸乘客手持的用户终端 、人脸交易管理平台等，同步所定位人脸的过闸乘客的过闸记录，甚至于备用人脸，通过过闸记录的同步得以在过闸乘客手持的用户终端发起该人脸信息下的过闸通知，另一方面在进行了备用人脸同步的情况下，也得以对所发生的人脸误识别追溯正确人脸，即备用人脸。

还请参阅图23，图23是根据图2对应实施例示出的识别过闸乘客的人脸获得标示过闸乘客的人脸信息步骤的方法流程图。

本申请实施例提供的识别过闸乘客的人脸获得标示过闸乘客的人脸信息的步骤S330，包括：

步骤S331，为第一权重人脸和备用人脸从过闸乘客在过闸行进路程上采集的人脸数据提取第一权重人脸图像和备用人脸图像；

步骤S332，将第一权重人脸图像和备用人脸图像上传至人脸识别平台，并等待人脸识别平台返回分别对应于第一权重人脸、备用人脸的人脸信息。

下面对此二个步骤进行详细说明。

所进行的多人脸定位是通过多重递进选择实现，进而在获得第一权重人脸和备用人脸的场景下，将通过第一权重人脸和备用人脸发起人脸识别。

此时，与之相对应的，将以相应人脸图像的方式承载第一权重人脸和备用人脸，进而通过人脸图像的上传向人脸识别平台发起识别。

由此，将根据从多张人脸中定位的第一权重人脸和备用人脸，获取第一权重人脸图像和备用人脸图像。应当理解的，在过闸乘客由远及近走向闸机行进通道的过程中，人脸识别设备进行着人脸采集以获得相应的人脸数据并缓存，因此，能够从缓存的人脸数据中提取第一权重人脸图像和备用人脸图像。

进一步说明的，在步骤S320对多张人脸执行的多重递进选择过程中，已经从调取的人脸数据通过多人脸追踪获得了每一人脸由远及近的人脸图片，因此，直接从中提取得到第一权重人脸图像和备用人脸图像。

在步骤S332中，将提取得到的第一权重人脸图像和备用人脸图像上传人脸识别平台。该人脸识别平台与部署于站点各行进通道的人脸识别设备相交互。各人脸图像以及其所对应的人脸信息存储于人脸识别平台。与人脸信息相对应的行程信息则存储于人脸交易管理平台，其中，行程信息指示了所对应乘客的进站行程和/或出站行程。

人脸识别平台接收第一权重人脸图像和备用人脸图像，根据第一权重人脸图像和备用人脸图像获取对应的人脸信息以向用户终端返回，用户终端将人脸识别平台的识别结果，即人脸信息上传到人脸交易管理平台，在人脸交易管理平台根据第一权重人脸图像在行程信息匹配人脸的行程，以在确认无相应行程的情况下为第一权重人脸分配过闸权限。

例如，过闸乘客的进站通行中，如果无匹配到相应的进站行程，说明该过闸乘客尚未进站，因此，赋予识别该过闸乘客为第一权重人脸的过闸权限，反之，如果匹配到相应的进站行程，则说明识别为第一权重人脸的过闸乘客，即误识别为第一权重人脸的前续过闸乘客已经进站，对该当前过闸乘客的人脸过闸放行，并通过对多张人脸构建的错进的预扣费人脸池找寻误识别为第一权重人脸的前续过闸乘客及其进站行程。

又例如，过闸乘客的出站通行中，如果未匹配到相应的出站行程，说明该过闸乘客尚未出站，因此，也将赋予识别该过闸乘客为第一权重人脸的过闸权限。

反之，如果匹配到相应的出站行程，即第一权重人脸已有出站行程，则对该过闸乘客的人脸过闸放行扣费，且对第一权重人脸首次过闸出站至当前过闸出站的中间过闸乘客的人脸，在达到最长单程处理时长时进行每一人脸的出站行程查询，进而配置查询无人脸行程的人脸对应于第一权重人脸首次过闸出站的前续过闸乘客，按照该第一权重人脸匹配的出站行程对前续过闸乘客发起扣费。

总而言之，在人脸识别平台对第一权重人脸发起识别进而请求过闸权限的过程中，随着行程匹配的进行，将为无行程识别为第一权重人脸的当前过闸乘客赋予过闸权限，为有行程识别为第一权重人脸的当前过闸乘客放行，误识别为第一权重人脸的前续过闸乘客则由所匹配行程确定自身行程。

在人脸识别平台和人脸交易管理平台的配合下，实现了第一权重人脸以及备用人脸的发起识别，使得所发生的人脸误识别得到处理，具备非常强的容差能力，进而也得以实现站点通行中的高容差人脸过闸。

对于人脸识别所得，如第一权重人脸和备用人脸的二条人脸信息，以及基于第一权重人脸所获得的过闸权限，都会返回给人脸识别设备。此时，即可根据获得的过闸权限向闸机传送开闸指令，且为过闸乘客的人脸过闸向各方同步第一权重人脸的人脸过闸记录以及备用人脸。

示例性的，人脸识别设备与闸机交互，人脸识别设备获得识别过闸乘客为第一权重人脸的过闸权限之时，根据过闸权限生成控制闸机开闸的开闸指令，并向闸机传送。

接收到开闸指令的闸机将对过闸乘客开闸放行。与此同时，随着过闸乘客在闸机行进通道的通行，也向其它各方同步第一权重人脸的人脸过闸记录，以及为第一权重人脸配备的备用人脸。

人脸过闸记录，在内容上其记录了对应的人脸信息，以及该人脸信息所标示人脸的过闸行程。在人脸过闸记录的作用下指示所记录人脸信息标示的人脸以及该人脸的进站行程或出站行程。

过闸乘客使用的用户终端由于接收到同步的人脸过闸记录，因此将响应人脸过闸记录的同步而在自身界面生成并显示所记录人脸信息的过闸通知。

在人脸过闸记录指示的过闸行程为出站行程时，用户终端将发起人脸过闸出站的通行扣费。

应当补充说明的是，对于第一权重人脸的备用人脸，其在数据上是以人脸信息的形式存在和标示的，因此，在具体实现中，备用人脸的同步为备用人脸的人脸信息同步，以便于节省传输和存储资源，提升处理效率。

人脸识别设备对闸机发起控制以放行过闸乘客，并同步第一权重人脸的人脸过闸记录和备用人脸之后，即可经由所同步人脸过闸记录的异议反馈感知到过闸乘客发生人脸误识别。

在用户终端根据第一权重人脸的人脸过闸记录进行过闸通知的显示，告之持有该用户终端的乘客当前在一站点通过人脸过闸进站或出站通行。

此时，如果该乘客并未在这一站点的人脸过闸进站或出站，即对于该乘客当前的站点通行而言，过闸通知的反馈是错误的，则说明该乘客不是当前过闸乘客，对过闸乘客识别为第一权重人脸是错误的。

通过该乘客对过闸通知发起异议，用户终端将获得对人脸过闸记录的异议反馈，进而感知到对过闸乘客识别为第一权重人脸是误识别。

示例性的，通过该乘客所持有用户终端与人脸交易管理平台之间的交互，发起对所发生人脸过闸的异议反馈，进而在人脸交易管理平台的控制下追溯备用人脸为正确人脸，并最终对第一权重人脸的乘客实施退费，对备用人脸的乘客实施扣费。

应当理解的，人脸信息标示了人脸，以及该人脸的乘客，因此基于人脸信息能够获得乘客的账户信息，以此来直接完成支付，在误识别了人脸的情况下，所执行支付的对象必然不是过闸乘客，而通过步骤S250的执行，使得误发生的支付能够回退，保证了人脸过闸所带来的无感知支付通行的安全性。

总而言之，在对实施的人脸过闸放行之时，如上所述的方法还将执行下述过程：

向各方同步相应的人脸过闸记录和备用人脸；

通过人脸过闸记录异议反馈的获得，确定过闸乘客识别为第一权重人脸；

以备用人脸修正过闸乘客过闸发生的人脸误识别。

进一步的，通过人脸过闸记录异议反馈的获得，确定过闸乘客识别为第一权重人脸的具体执行过程，包括：

通过第一权重人脸的过闸记录进行对应人脸信息下的过闸通知，获取对当前所同步人脸过闸记录的异议反馈，该异议反馈包括第一权重人脸对应人脸信息下发起的乘客过闸异议；

通过异议反馈的获得感知过闸乘客误识别为第一权重人脸。

下面对此进行详细阐述。

首先应当说明的是，用户终端与人脸识别设备之间，通过部署于互联网络的人脸交易管理平台实现二者之间的交互，例如，达成人脸识别设备中第一权重人脸的人脸过闸记录和备用人脸的同步。人脸交易管理平台用于实施人脸过闸所对应的乘车交易。

用户终端获得人脸识别设备通过人脸交易管理平台同步的第一权重人脸过闸记录以及备用人脸之后，将进行所对应人脸信息下的过闸通知。

人脸信息一方面标示了对应的人脸，另一方面也标示了该人脸所对应的乘客。因此，向用户终端所执行的人脸过闸记录以及备用人脸同步，是按照人脸过闸记录中携带的人脸信息进行的。换言之，随着当前过闸乘客被闸机放行，将按照所产生人脸过闸记录中的人脸信息，即第一权重人脸的人脸信息同步到所对应乘客的用户终端。

获得人脸过闸记录和备用人脸同步的乘客可能是过闸乘客，也可能为其他乘客，如跟随过闸乘客之后的乘客，可见此时发生了多人脸过闸中的人脸误识别。获得同步的乘客非过闸乘客，过闸乘客由于被误识别为第一权重人脸而无法获得同步。

过闸乘客的人脸误识别下，一乘客当前未过闸而对所获得的过闸通知发起异议，具体而言，对第一权重人脸的人脸过闸发起异议，进而即可使得人脸交易管理平台感知到过闸乘客误识别为第一权重人脸。

以备用人脸对过闸乘客发生的人脸误识别予以修正。此时，由于备用人脸的存在，使得所发生的人脸误识别能够追溯到正确的人脸。

人脸误识别的修正，包括对产生过闸行程的人脸修正，以及在已经发生出站扣费的情况下对已扣费乘客的退款和备用人脸的人脸信息所指示乘客的扣费过程。

随着过闸乘客的过闸通行，相应产生过闸行程，如进站行程和出站行程。该过闸行程是对应于识别所得人脸的，具体而言，过闸行程对应于人脸信息。因此，对产生过闸行程的人脸修正，是对过闸行程所对应人脸信息进行修正的过程，以此来保证多人脸过闸中全流程的可靠性和完整性，以及所产生行程的真实有效性。

随着过闸行程的人脸修正，相应修正人脸过闸记录并再次同步于各方。

进一步的，以备用人脸修正过闸乘客过闸发生的人脸误识别的具体执行过程包括：

对人脸过闸记录指示的第一权重人脸过闸修正为备用人脸，并再次向各方同步，以为过闸乘客过闸识别为备用人脸过闸，而非第一权重人脸过闸。

至此，将实现了多人脸过闸的处理，能够面向于人脸过闸中存在的多人脸问题为过闸乘客定位人脸，且能够对发生的人脸误识别予以纠错，极大的增强了人脸过闸的可靠性。

多人脸过闸中，无论是通过前述执行过程的处理，对过闸乘客识别为第一权重人脸，还是未经前述所进行的多重递进选择而直接定位一人脸，都将进行人脸的发起识别，以确认该人脸是否已经被前续乘客产生当前行程，即在人脸的发起识别中能够匹配到当前行程，此时，过闸乘客的人脸由于被误识别为前续乘客的人脸，且无感知，导致过闸乘客无法在站点通行。

基于此，在检测得到多张人脸的多人脸过闸中，对基于前述执行过程为过闸乘客所定位第一权重人脸，或者基于其他执行过程为过闸乘客识别的人脸，都可通过执行下述步骤来对发生的错进、错出实现高容差的人脸过闸处理。

应当明确指出的，对于闸机行进通道上乘客的通行而言，当前过闸乘客即为过闸乘客，而在此之前过闸的乘客相对当前过闸乘客为前续过闸乘客。

所发生的错进，是指前续过闸乘客被误识别为过闸乘客的人脸进站。前续过闸乘客使用未过闸乘客人脸过闸进站所发生的错进，使得前续过闸乘客的人脸无进站行程，过闸乘客（即前续过闸乘客过闸时的未过闸乘客）的人脸过闸中由于其人脸已有进站行程，闸机认为其已经进站而不被放行进站。

下面结合一具体的系统拓扑结构，阐述如上所述通过多重递进选择实现的多人脸过闸定位以及在预扣费人脸池作用下的错误处理机制。

参阅图24，图24是本申请一实施例中的系统拓扑结构图。该系统拓扑包括部署于闸机的人脸识别设备、人脸识别平台以及人脸交易管理平台。

多人脸过闸中，一过闸乘客进行的人脸过闸被人脸识别设备捕捉到多乘客，此时，检测得到的多张人脸被上传到人脸识别平台，以通过人脸识别平台识别人脸获得过闸权限，进而人脸识别设备向闸机下达开闸请求。

在此过程中，人脸识别平台为过闸乘客进行的过闸出站向人脸交易管理平台发起扣费，以完成乘车交易。

具体的，参阅图25，图25是根据图24对应实施例的系统拓扑示出的人脸识别设备对多人脸实施多重递进选择以定位人脸的详细流程图。

过闸乘客站定于人脸识别设备面前，后方多乘客人脸出现且与过闸乘客一起被人脸识别设备所采集进而检测到多张人脸。

人脸识别设备对检测到的多张人脸，正如图24所示出的，执行多重递进选择。具体的，对检测到的多张人脸，首先检测多人脸框像素大小，此过程将通过进行的人脸轮廓区域提取以及该人脸轮廓区域所映射人脸框的像素大小检测实现。

对多乘客人脸像素大小，即人脸框像素大小只有一位满足（不小于）最小人脸框像素阈值时，该满足最小人脸框像素阈值的人脸框即为第一权重人脸。换言之，为过闸乘客在多张人脸定位第一权重人脸，将第一权重人脸识别为过闸乘客的人脸。

在有多张人脸满足最小人脸框像素阈值时，对多位乘客人脸框像素大小进行排序，以确定最大人脸框像素和第二人脸框像素，即像素最大的二个人脸框，并对二个人脸框取差值。

至此，判断所得差值是否满足（不小于）最小差值，如果所得差值大于或等于最小差值，则说明二个人脸相差较大，因此，取最大人脸框像素对应的人脸为第一权重人脸，另一人脸为备用人脸。

如果所得差值小于最小差值，则说明二个人脸相当，因此，需要进一步执行人脸选择。

在所进一步执行的人脸选择中，对二张人脸在缓存的视频中进行截图分析，对二张人脸都获取其最大人脸框（最大轮廓区域）和第二人脸框（最小轮廓区域），对乘客计算其最大和第二人脸框的人脸框增长率C1和人脸框相对中心点的偏差C2，对增长率C1和图像中心偏差C2打分后进行权重相加，获得人脸的综合权重分数。

根据综合权重分数的大小对二张人脸确定第一权重人脸和备用人脸。

继续参阅图26，图26示出了根据图24对应实施例的系统拓扑示出的交互示意图。

正如图26所示出的，在经由图25为过闸乘客获得第一权重人脸和备用人脸之后，上传第一权重人脸和备用人脸至人脸识别平台。

人脸识别平台对第一权重人脸和备用人脸进行识别比对，以向人脸识别设备返回特征ID，即人脸信息。

人脸识别设备将接收人脸识别平台返回的结果，如人脸识别平台长时间未返回结果，则说明过闸乘客人脸过闸的人脸识别失败，需要返回重新获取第一权重人脸和备用人脸。

人脸识别设备接收人脸识别平台结果之后，确认过闸乘客的人脸过闸识别比对成功，此时将向人脸交易管理平台请求过闸权限。

具体的，向人脸交易管理平台上传第一权重人脸的交易信息，该交易信息包括人脸信息以及实现乘客交易所相关的信息，除此之外，同步上传备用人脸的特征ID信息，即人脸信息。

人脸交易管理平台将在第一权重人脸具备过闸条件情况下返回过闸权限。

由此人脸识别设备即可向闸机发送指令以控制闸机开门。

还请继续参阅图27，图27是图26对应实施例示出的第一权重人脸误扣费处理流程示意图。

在拥有第一权重人脸的真实乘客，即第一权重乘客发现自己并未过闸但发生了过闸扣费，即误扣费，则通过手持的用户终端反馈异议，如对所下发的过闸扣费通知发起异议，或者通过预留电话发起异议，此时，后端所配置的客服便查询人脸交易管理平台，以确认交易判断是否误扣，如果确认发生误扣费，则向第一权重乘客退款，对备用权重的乘客发起扣款。

至此，应当再次补充说明的，在人脸交易管理平台作用下，对第一权重人脸匹配行程，以在确认其未匹配到相应行程之时，满足过闸条件。

但是，如果匹配到相应行程，则说明第一权重人脸被前续过闸乘客所误识别，因此需要通过构建错进的预扣费池，或者错出站的预扣费池来处理。

由此，通过如上所述的方法实现，得以在多人脸过闸中解决易识别错误且难以追溯的问题，一方面使得人脸过闸无需对乘客有诸多要求，如很近距离识别，提升乘客体验，另一方面也增强了多人脸过闸出错的错误处理能力。

根据本申请的一个实施例，还提供了一种轨道交通高容差人脸过闸系统。其中，该轨道交通高容差人脸过闸系统，包括：

人脸交易管理平台，用于对轨道交通多人脸过闸所识别人脸，进行过闸乘客的人脸匹配获得所匹配的行程，匹配的所述行程包括进站行程和出站行程；

人脸识别设备、闸机、人脸交易管理平台以及部署的服务器配合执行：

所述人脸识别设备根据匹配的行程控制所述闸机对所述过闸乘客的人脸过闸实施放行，并在部署的所述服务器对所述过闸乘客的多人脸过闸适配匹配的所述行程构建预扣费人脸池；

对误识别为所述过闸乘客人脸缺失行程的前续过闸乘客，通过构建的所述预扣费人脸池完成过闸出站时所述人脸交易管理平台的通行扣费。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本申请实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质（可以是CD-ROM，U盘，移动硬盘等）中或网络上，包括若干指令以使得一台计算设备（可以是个人计算机、服务器、终端装置、或者网络设备等）执行根据本申请实施方式的方法。

在本申请的示例性实施例中，还提供了一种计算机程序介质，其上存储有计算机可读指令，当所述计算机可读指令被计算机的处理器执行时，使计算机执行上述方法实施例部分描述的方法。

根据本申请的一个实施例，还提供了一种用于实现上述方法实施例中的方法的程序产品，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，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。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、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。可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器（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。

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，其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、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。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网（LAN）或广域网（WAN），连接到用户计算设备，或者，可以连接到外部计算设备（例如利用因特网服务提供商来通过因特网连接）。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本申请的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

此外，尽管在附图中以特定顺序描述了本申请中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本申请实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质（可以是CD-ROM，U盘，移动硬盘等）中或网络上，包括若干指令以使得一台计算设备（可以是个人计算机、服务器、移动终端、或者网络设备等）执行根据本申请实施方式的方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由所附的权利要求指出。

Claims (10)

1.一种轨道交通高容差人脸过闸方法，其特征在于，所述方法包括：

对轨道交通多人脸过闸所识别人脸，进行过闸乘客的人脸匹配获得所匹配的行程，匹配的所述行程包括进站行程和出站行程；

根据匹配的行程对所述过闸乘客的人脸过闸实施放行，并对所述过闸乘客的多人脸过闸适配匹配的所述行程构建预扣费人脸池；

对误识别为所述过闸乘客人脸缺失行程的前续过闸乘客，通过构建的所述预扣费人脸池找回缺失的行程获得所述前续过闸乘客匹配的进站行程和出站行程，基于匹配所得进站行程和出站行程完成过闸出站时的通行扣费。

2.根据权利要求1所述的方法，其特征在于，所述对轨道交通多人脸过闸所识别人脸，进行过闸乘客的人脸匹配获得所匹配的行程，包括：

对轨道交通站点通行的多人脸过闸进站中识别的人脸，根据识别所得人脸信息在为乘客所产生行程存储的行程信息中匹配进站行程；

从存储的行程信息获取匹配所得进站行程为所述过闸乘客人脸匹配的行程。

3.根据权利要求1所述的方法，其特征在于，对所述过闸乘客的多人脸过闸适配匹配的所述行程构建预扣费人脸池，包括：

对包含所述过闸乘客的多人脸过闸进站，提取人脸检测过程所得多张人脸；

存储所提取多张人脸所分别对应的人脸信息以及进站行程构建得到错进的预扣费人脸池。

4.根据权利要求1所述的方法，其特征在于，对误识别为所述过闸乘客人脸缺失行程的前续过闸乘客，通过构建的所述预扣费人脸池完成过闸出站时的通行扣费，包括：

在前续过闸乘客的人脸过闸出站，对所识别前续过闸乘客人脸匹配进站行程和出站行程；

若所述前续过闸乘客人脸匹配无进站行程和出站行程，则以当前所进行的人脸过闸出站生成出站行程，并在错进的预扣费人脸池匹配行程获得前续过闸乘客人脸的进站行程；

按照所述进站行程和出站行程执行当前人脸过闸出站的通行扣费。

5.根据权利要求1所述的方法，其特征在于，所述对轨道交通多人脸过闸所识别人脸，进行过闸乘客的人脸匹配获得所匹配的行程，包括：

对轨道交通站点通行的多人脸过闸出站中识别的人脸，根据识别所得人脸信息在为乘客所产生行程存储的行程信息中匹配出站行程；

从存储的行程信息获取匹配所得出站行程为过闸乘客人脸匹配的行程。

6.根据权利要求1所述的方法，其特征在于，所述对所述过闸乘客的多人脸过闸适配匹配的所述行程构建预扣费人脸池，包括：

对所述人脸首次过闸出站至当前过闸出站的中间过闸乘客，提取人脸检测过程所得所述中间过闸乘客的多张人脸；

存储所提取多张人脸对应的人脸信息以及出站行程构建得到错出站的预扣费人脸池。

7.根据权利要求1所述的方法，其特征在于，所述对误识别为所述过闸乘客人脸缺失行程的前续过闸乘客，通过构建的所述预扣费人脸池完成过闸出站时的通行扣费，包括：

对错出站的预扣费人脸池所存储人脸信息，在达到最长单程处理时长之时进行人脸行程查询，定位所述预扣费人脸池中无人脸行程的人脸信息；

配置查询无人脸行程的人脸信息为首次过闸出站的前续过闸乘客；

为所述前续过闸乘客按照所述过闸乘客匹配出站行程，以匹配所得出站行程发起扣费。

8.根据权利要求1所述的方法，其特征在于，所述对轨道交通多人脸过闸所识别人脸，进行过闸乘客的人脸匹配获得所匹配的行程之前，所述方法包括：

感知到向闸机发起的人脸过闸行为，对所述人脸过闸行为通过人脸检测过程的执行得到多张人脸；

对所述多张人脸定位所述过闸乘客的人脸；

识别所述过闸乘客的人脸获得标示所述过闸乘客的人脸信息，所述人脸信息用于所述过闸乘客的人脸匹配。

9.一种轨道交通高容差人脸过闸系统，其特征在于，所述系统包括：

人脸交易管理平台，用于对轨道交通多人脸过闸所识别人脸，进行过闸乘客的人脸匹配获得所匹配的行程，匹配的所述行程包括进站行程和出站行程；

人脸识别设备、闸机、人脸交易管理平台以及部署的服务器配合执行：

所述人脸识别设备根据匹配的行程控制所述闸机对所述过闸乘客的人脸过闸实施放行，并在部署的所述服务器对所述过闸乘客的多人脸过闸适配匹配的所述行程构建预扣费人脸池；

对误识别为所述过闸乘客人脸缺失行程的前续过闸乘客，通过构建的所述预扣费人脸池找回缺失的行程获得所述前续过闸乘客匹配的进站行程和出站行程，基于匹配所得进站行程和出站行程完成过闸出站时所述人脸交易管理平台的通行扣费。

10.一种计算机程序介质，其上存储有计算机可读指令，其特征在于，当所述计算机可读指令被计算机的处理器执行时，使计算机执行权利要求1-8中的任意一种所述的方法。