CN117975532A - 人脸识别方法、装置、存储介质及计算机设备 - Google Patents

Abstract

本申请提供的人脸识别方法、装置、存储介质及计算机设备，当用户触发人脸识别功能时，可以通过人脸识别摄像头模组获取外部光照数据，并确定外部光照数据是否达到预设临界阈值，若未达到，则采用常规模式进行人脸识别，其中，常规模式下的屏幕画面为全画面人脸识别验证画面，屏幕亮度为默认省电亮度；若达到，则采用补光模式进行人脸识别，其中，补光模式下的屏幕画面中添加有白色图层，屏幕亮度为最大亮度，人脸识别算法为低照度友好的算法模型。相较于传统的外设补光灯或者设备增加补光灯模块的方式，使用本申请的技术方案进行人脸识别，不仅可以更加省电，还减少施工布线麻烦，并且去掉了另外增加的补光灯模块，降低了设备成本。

Description

人脸识别方法、装置、存储介质及计算机设备

技术领域

本申请涉及人脸识别技术领域，尤其涉及一种人脸识别方法、装置、存储介质及计算机设备。

背景技术

目前人脸识别设备补光普遍通过外设灯源或者设备上增加补光灯模组的方式，这种传统方式存在着以下问题：

1、外设灯源需要另外布线安装灯源，施工麻烦；

2、外设灯源或者设备上增加补光灯模组十分耗电，增加电力消耗或者减少了设备待机时间；

3、设备上增加补光灯模组增加的设备成本；

4、设备上增加补光灯模组需要模具上开孔安装补光灯，整机模具一体化受影响，影响设备美观；

5、外设灯源或者设备上增加补光灯模组等补光方式会造成人脸识别时十分刺眼，影响用户的使用体验。

发明内容

本申请的目的旨在至少能解决上述的技术缺陷之一，特别是现有技术中人脸识别设备补光普遍通过外设灯源或者设备上增加补光灯模组的方式，该方式不仅需要另外布线安装灯源，还会增加电力消耗以及设备成本，并影响设备美观度和用户体验的技术缺陷。

本申请提供了一种人脸识别方法，所述方法包括：

当用户触发人脸识别功能时，通过人脸识别摄像头模组获取外部光照数据，并确定所述外部光照数据是否达到预设临界阈值；

若未达到，则采用常规模式进行人脸识别，其中，所述常规模式下的屏幕画面为全画面人脸识别验证画面，屏幕亮度为默认省电亮度；

若达到，则采用补光模式进行人脸识别，其中，所述补光模式下的屏幕画面中添加有白色图层，屏幕亮度为最大亮度，人脸识别算法为低照度友好的算法模型。

可选地，所述通过人脸识别摄像头模组获取外部光照数据，包括：

通过人脸识别摄像头模组获取外部画面数据；

对所述外部画面数据进行YUV图像数据处理，得到外部光照数据。

可选地，所述对所述外部画面数据进行YUV图像数据处理，得到外部光照数据，包括：

对所述外部画面数据进行颜色降噪；

对降噪后的外部画面数据进行色调映射，得到外部光照数据。

可选地，所述采用补光模式进行人脸识别，包括：

在当前屏幕画面中添加白色图层后进行人脸识别；

其中，所述白色图层的图层区域覆盖人脸识别验证画面的画面区域。

可选地，所述采用补光模式进行人脸识别，还包括：

将当前屏幕的屏幕亮度调整为最大亮度后进行人脸识别。

可选地，所述采用补光模式进行人脸识别，还包括：

将当前的人脸识别算法切换为低照度友好的算法模型后进行人脸识别。

可选地，所述方法还包括：

在人脸识别验证成功后，将所述屏幕画面和所述屏幕亮度恢复至初始状态，和/或，将所述人脸识别算法切换回默认算法模型。

本申请还提供了一种人脸识别装置，包括：

数据获取模块，用于当用户触发人脸识别功能时，通过人脸识别摄像头模组获取外部光照数据，并确定所述外部光照数据是否达到预设临界阈值；

常规模式识别模块，用于若未达到，则采用常规模式进行人脸识别，其中，所述常规模式下的屏幕画面为全画面人脸识别验证画面，屏幕亮度为默认省电亮度；

补光模式识别模块，用于若达到，则采用补光模式进行人脸识别，其中，所述补光模式下的屏幕画面中添加有白色图层，屏幕亮度为最大亮度，人脸识别算法为低照度友好的算法模型。

本申请还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计算机可读指令，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如上述实施例中任一项所述人脸识别方法的步骤。

本申请还提供了一种计算机设备，包括：一个或多个处理器，以及存储器；

所述存储器中存储有计算机可读指令，所述计算机可读指令被所述一个或多个处理器执行时，执行如上述实施例中任一项所述人脸识别方法的步骤。

从以上技术方案可以看出，本申请实施例具有以下优点：

本申请提供的人脸识别方法、装置、存储介质及计算机设备，当用户触发人脸识别功能时，可以通过人脸识别摄像头模组获取外部光照数据，并确定外部光照数据是否达到预设临界阈值，若未达到，则采用常规模式进行人脸识别，其中，常规模式下的屏幕画面为全画面人脸识别验证画面，屏幕亮度为默认省电亮度；若达到，则采用补光模式进行人脸识别，其中，补光模式下的屏幕画面中添加有白色图层，屏幕亮度为最大亮度，人脸识别算法为低照度友好的算法模型。相较于传统的外设补光灯或者设备增加补光灯模块的方式，使用本申请的技术方案进行人脸识别，不仅可以更加省电，还减少施工布线麻烦，并且去掉了另外增加的补光灯模块，降低了设备成本；且整机模具不需要开补光灯孔，从而使得整机更加一体化；人脸识别过程中还避免了传统补光刺眼的问题，补光更加自然友好；另外，本申请通过算法自主学习切换成低照度友好的人脸识别算法模型，还可以减少算法识别对光线的依赖，进而有效提高设备的智能化程度。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。

图1为本申请实施例提供的一种人脸识别方法的流程示意图；

图2为本申请实施例提供的常规模式下进行人脸识别时的屏幕画面示意图；

图3为本申请实施例提供的补光模式下进行人脸识别时的屏幕画面示意图；

图4为本申请实施例提供的人脸识别验证成功后的流程示意图；

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为本申请实施例提供的一种计算机设备的内部结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

在一个实施例中，如图1所示，图1为本申请实施例提供的一种人脸识别方法的流程示意图；本申请提供了一种人脸识别方法，所述方法可以包括：

S110：当用户触发人脸识别功能时，通过人脸识别摄像头模组获取外部光照数据，并确定外部光照数据是否达到预设临界阈值；若未达到，则执行S120；若达到，则执行S130。

本实施例中，当用户使用人脸识别设备进行人脸识别时，由于不同的使用环境会导致人脸识别的准确度存在一定的区别。例如，在光照条件较暗的环境下，由于无法对用户的脸部特征进行准确捕捉，进而导致人脸识别的准确度降低，而在光照条件较优的环境下，由于人脸特征显示较为清晰，此时进行人脸识别的准确度相对较高。

基于此，本申请在用户触发人脸识别功能时，可以通过人脸识别摄像头模组来获取外部光照数据，并确定外部光照数据是否达到预设临界阈值，这样便可以根据外部光照数据的强弱来进行适当补光，以此来提升光照条件较暗的环境下人脸识别的准确度。

可以理解的是，本申请通过人脸识别设备自带的人脸识别摄像头模组来获取外部光照数据时，既可以在不增加外部设备的情况下获取到画面数据，又可以在此基础上对画面数据进行处理后得到对应的外部光照数据，这样既可以降低设备成本，减少施工布线麻烦，又可以提高设备的智能化程度。

进一步地，当本申请获取到外部光照数据后，可以将其与预设临界阈值进行比较，这样便可以确定外部光照数据的强弱，进而根据外部光照数据的强弱来选择对应的模式进行人脸识别。其中，本申请的预设临界阈值是根据实际情况进行多次实验后确定的亮度阈值，具体可视实际情况进行设置，在此不做限制。

S120：采用常规模式进行人脸识别，其中，常规模式下的屏幕画面为全画面人脸识别验证画面，屏幕亮度为默认省电亮度。

本步骤中，通过S110获取外部光照数据，并确定外部光照数据是否达到预设临界阈值后，若未达到，则表示当前外部光照强度足够，无需采取补光措施。因此，该种情况下，可采用常规模式进行人脸识别。

其中，本申请的常规模式指的是光线充足时人脸识别设备所采用的人脸识别模式，该模式下的屏幕画面为全画面人脸识别验证画面，屏幕亮度为默认省电亮度。

示意性地，如图2所示，图2为本申请实施例提供的常规模式下进行人脸识别时的屏幕画面示意图；图2中，用户进行人脸识别时的屏幕画面为全画面人脸识别验证画面，屏幕亮度为默认省电亮度，在模式下对用户进行人脸识别时，既可以准确识别用户，又可以省电，从而延长设备待机时间，增加设备使用寿命。

S130：采用补光模式进行人脸识别，其中，补光模式下的屏幕画面中添加有白色图层，屏幕亮度为最大亮度，人脸识别算法为低照度友好的算法模型。

本步骤中，通过S110获取外部光照数据，并确定外部光照数据是否达到预设临界阈值后，若达到，则表示当前外部光照强度不够，需要采取补光措施。因此，该种情况下，可采用补光模式进行人脸识别。

当本申请确定人脸识别设备处于补光模式时，在人脸识别设备的画面亮度低于亮度阈值时，将最大化调亮屏幕亮度，并在应用画面中显示白色区域，大幅增加屏幕的白屏面积，同时算法自主学习切换成低照度友好的人脸识别算法模型。

可以理解的是，本申请在补光模式下，通过调整屏幕亮度可使前方的物体被照亮，通过屏幕大面积白屏可以大幅增加照射光源(类似一个白炽灯)，通过切换成低照度友好的人脸识别算法模型可以减少算法识别对光线的依赖，多管齐下，从而更有利于提升人脸算法的识别准确率。

示意性地，如图3所示，图3为本申请实施例提供的补光模式下进行人脸识别时的屏幕画面示意图；图3中，当本申请采用补光模式进行人脸识别时，由于本申请将屏幕亮度调整至最大亮度，并在屏幕画面中添加白色图层，以及将人脸识别算法调整为低照度友好的算法模型，使得用户在进行人脸识别时，人脸识别设备可以更清楚地捕捉用户的脸部特征，进而更加准确地进行人脸识别。并且，本申请采用的补光模式不仅不需要另外增加补光灯模块，而且整机模具也不需要开补光灯孔，进而使得设备成本得到有效降低。

上述实施例中，当用户触发人脸识别功能时，可以通过人脸识别摄像头模组获取外部光照数据，并确定外部光照数据是否达到预设临界阈值，若未达到，则采用常规模式进行人脸识别，其中，常规模式下的屏幕画面为全画面人脸识别验证画面，屏幕亮度为默认省电亮度；若达到，则采用补光模式进行人脸识别，其中，补光模式下的屏幕画面中添加有白色图层，屏幕亮度为最大亮度，人脸识别算法为低照度友好的算法模型。相较于传统的外设补光灯或者设备增加补光灯模块的方式，使用本申请的技术方案进行人脸识别，不仅可以更加省电，还减少施工布线麻烦，并且去掉了另外增加的补光灯模块，降低了设备成本；且整机模具不需要开补光灯孔，从而使得整机更加一体化；人脸识别过程中还避免了传统补光刺眼的问题，补光更加自然友好；另外，本申请通过算法自主学习切换成低照度友好的人脸识别算法模型，还可以减少算法识别对光线的依赖，进而有效提高设备的智能化程度。

在一个实施例中，S110中通过人脸识别摄像头模组获取外部光照数据，可以包括：

S111：通过人脸识别摄像头模组获取外部画面数据。

S112：对所述外部画面数据进行YUV图像数据处理，得到外部光照数据。

本实施例中，在获取外部光照数据时，可以预先在人脸识别摄像头模组中安装YUV图像数据处理算法，这样人脸识别摄像头模组在获取到外部画面数据后，可以通过预先安装的YUV图像数据处理算法来对外部画面数据进行YUV图像数据处理，进而得到与外部画面数据对应的外部光照数据。

可以理解的是，现实生活中，人们为了描述颜色，提出了多种颜色空间，其中包括RGB颜色空间、YUV颜色空间、HSV颜色空间等。YUV颜色空间主要从亮度Y、色度U、浓度Y这几个角度来描述颜色，其中亮度Y可以理解成RGB图像中的灰度值。另外，YUV颜色空间最大的特点是图像的亮度Y和色度U是分离的。因此，本申请可以使用YUV图像数据处理算法来对外部画面数据进行图像处理，以此来获得外部画面数据对应的外部光照数据。

在一个实施例中，S112中对所述外部画面数据进行YUV图像数据处理，得到外部光照数据，可以包括：

S1121：对所述外部画面数据进行颜色降噪。

S1122：对降噪后的外部画面数据进行色调映射，得到外部光照数据。

本实施例中，在对外部画面数据进行YUV图像数据处理时，可以先对外部画面数据进行颜色降噪，接着在对降噪后的外部画面数据进行色调映射，以此来调整图片的灰度，使图片看起来更加舒服的同时，还能够更好地突出图像的细节和特征信息。

其中，本申请在对外部画面进行颜色降噪时，可以通过锐化、色彩矫正、多帧颜色复合等操作来降低图像的颜色噪点，具体可使用现有技术中的降噪处理算法，在此不做限制。降噪后的外部画面数据可以对其进行图像HDR，即通过算法对图像的暗区域增亮处理，对图像的亮区域压暗处理，使图片看起来更舒服，更好的突出图像的细节和特征信息，这样便可以通过色调映射后的图像得到外部光照数据。

在一个实施例中，S130中采用补光模式进行人脸识别，可以包括：

S131：在当前屏幕画面中添加白色图层后进行人脸识别。

其中，所述白色图层的图层区域覆盖人脸识别验证画面的画面区域。

本实施例中，人脸识别设备在采取补光模式进行人脸识别时，可以在当前屏幕画面中添加白色图层后进行人脸识别，这样可以起到一定的补光效果。并且，本申请的白色图层的图层区域可以覆盖人脸识别验证画面的画面区域，以此来达到大幅度增加白色区域的效果，进而有效提升人脸识别准确度。

在一个实施例中，S130中采用补光模式进行人脸识别，还可以包括：

S132：将当前屏幕的屏幕亮度调整为最大亮度后进行人脸识别。

本实施例中，人脸识别设备在采取补光模式进行人脸识别时，还可以获取当前屏幕的屏幕亮度参数，并将当前屏幕的屏幕亮度参数调整为最大亮度后人脸识别，这样不仅可以使得整个屏幕画面变亮，并提高人脸识别准确率，还可以减少增加补光灯后的设备成本，进而提升产品竞争力。且用户在进行人脸识别的过程中，不会被补光灯强烈的光线所刺激，进而有效提升用户体验。

在一个实施例中，S130中采用补光模式进行人脸识别，还可以包括：

S133：将当前的人脸识别算法切换为低照度友好的算法模型后进行人脸识别。

本实施例中，人脸识别设备在采取补光模式进行人脸识别时，还可以将当前的人脸识别算法切换为低照度友好的算法模型，如现有技术中低光照下的人脸识别算法，这样不仅可以减少算法识别对光线的依赖，还可以有效提高设备的智能化程度。

在一个实施例中，如图4所示，图4为本申请实施例提供的人脸识别验证成功后的流程示意图；所述方法还可以包括：

S140：在人脸识别验证成功后，将屏幕画面和屏幕亮度恢复至初始状态，和/或，将人脸识别算法切换回默认算法模型。

本实施例中，在对用户进行人脸识别后，由于下一次使用人脸识别的用户以及使用场景等可能存在一定的区别。因此，本申请在本次人脸识别验证成功后，可以将屏幕画面以及屏幕亮度恢复至初始状态，若采用补光模式进行人脸识别，还可以将当前的人脸识别算法切换回默认算法模型，这样下一次使用人脸识别设备时，可以继续采用本身的人脸识别方法进行人脸识别，继而有效减少设备成本的同时提高人脸识别的准确率，并提升用户体验。

下面对本申请实施例提供的人脸识别装置进行描述，下文描述的人脸识别装置与上文描述的人脸识别方法可相互对应参照。

在一个实施例中，如图5所示，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；本申请还提供了一种人脸识别装置，可以包括数据获取模块210、常规模式识别模块220、补光模式识别模块230，具体包括如下：

数据获取模块210，用于当用户触发人脸识别功能时，通过人脸识别摄像头模组获取外部光照数据，并确定所述外部光照数据是否达到预设临界阈值。

常规模式识别模块220，用于若未达到，则采用常规模式进行人脸识别，其中，所述常规模式下的屏幕画面为全画面人脸识别验证画面，屏幕亮度为默认省电亮度。

补光模式识别模块230，用于若达到，则采用补光模式进行人脸识别，其中，所述补光模式下的屏幕画面中添加有白色图层，屏幕亮度为最大亮度，人脸识别算法为低照度友好的算法模型。

上述实施例中，当用户触发人脸识别功能时，可以通过人脸识别摄像头模组获取外部光照数据，并确定外部光照数据是否达到预设临界阈值，若未达到，则采用常规模式进行人脸识别，其中，常规模式下的屏幕画面为全画面人脸识别验证画面，屏幕亮度为默认省电亮度；若达到，则采用补光模式进行人脸识别，其中，补光模式下的屏幕画面中添加有白色图层，屏幕亮度为最大亮度，人脸识别算法为低照度友好的算法模型。相较于传统的外设补光灯或者设备增加补光灯模块的方式，使用本申请的技术方案进行人脸识别，不仅可以更加省电，还减少施工布线麻烦，并且去掉了另外增加的补光灯模块，降低了设备成本；且整机模具不需要开补光灯孔，从而使得整机更加一体化；人脸识别过程中还避免了传统补光刺眼的问题，补光更加自然友好；另外，本申请通过算法自主学习切换成低照度友好的人脸识别算法模型，还可以减少算法识别对光线的依赖，进而有效提高设备的智能化程度。

在一个实施例中，本申请还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计算机可读指令，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如上述实施例中任一项所述人脸识别方法的步骤。

在一个实施例中，本申请还提供了一种计算机设备，包括：一个或多个处理器，以及存储器。

所述存储器中存储有计算机可读指令，所述计算机可读指令被所述一个或多个处理器执行时，执行如上述实施例中任一项所述人脸识别方法的步骤。

示意性地，如图6所示，图6为本申请实施例提供的一种计算机设备的内部结构示意图，该计算机设备300可以被提供为一服务器。参照图6，计算机设备300包括处理组件302，其进一步包括一个或多个处理器，以及由存储器301所代表的存储器资源，用于存储可由处理组件302的执行的指令，例如应用程序。存储器301中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件302被配置为执行指令，以执行上述任意实施例的人脸识别方法。

计算机设备300还可以包括一个电源组件303被配置为执行计算机设备300的电源管理，一个有线或无线网络接口304被配置为将计算机设备300连接到网络，和一个输入输出(I/O)接口305。计算机设备300可以操作基于存储在存储器301的操作系统，例如WindowsServer TM、Mac OS XTM、Unix TM、Linux TM、Free BSDTM或类似。

本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

最后，还需要说明的是，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。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间可以根据需要进行组合，且相同相似部分互相参见即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业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申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，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)

1.一种人脸识别方法，其特征在于，所述方法包括：

当用户触发人脸识别功能时，通过人脸识别摄像头模组获取外部光照数据，并确定所述外部光照数据是否达到预设临界阈值；

若未达到，则采用常规模式进行人脸识别，其中，所述常规模式下的屏幕画面为全画面人脸识别验证画面，屏幕亮度为默认省电亮度；

若达到，则采用补光模式进行人脸识别，其中，所述补光模式下的屏幕画面中添加有白色图层，屏幕亮度为最大亮度，人脸识别算法为低照度友好的算法模型。

2.根据权利要求1所述的人脸识别，其特征在于，所述通过人脸识别摄像头模组获取外部光照数据，包括：

通过人脸识别摄像头模组获取外部画面数据；

对所述外部画面数据进行YUV图像数据处理，得到外部光照数据。

3.根据权利要求2所述的人脸识别，其特征在于，所述对所述外部画面数据进行YUV图像数据处理，得到外部光照数据，包括：

对所述外部画面数据进行颜色降噪；

对降噪后的外部画面数据进行色调映射，得到外部光照数据。

4.根据权利要求1所述的人脸识别，其特征在于，所述采用补光模式进行人脸识别，包括：

在当前屏幕画面中添加白色图层后进行人脸识别；

其中，所述白色图层的图层区域覆盖人脸识别验证画面的画面区域。

5.根据权利要求4所述的人脸识别，其特征在于，所述采用补光模式进行人脸识别，还包括：

将当前屏幕的屏幕亮度调整为最大亮度后进行人脸识别。

6.根据权利要求5所述的人脸识别，其特征在于，所述采用补光模式进行人脸识别，还包括：

将当前的人脸识别算法切换为低照度友好的算法模型后进行人脸识别。

7.根据权利要求1-6中任一项所述的人脸识别，其特征在于，所述方法还包括：

在人脸识别验证成功后，将所述屏幕画面和所述屏幕亮度恢复至初始状态，和/或，将所述人脸识别算法切换回默认算法模型。

8.一种人脸识别装置，其特征在于，包括：

数据获取模块，用于当用户触发人脸识别功能时，通过人脸识别摄像头模组获取外部光照数据，并确定所述外部光照数据是否达到预设临界阈值；

常规模式识别模块，用于若未达到，则采用常规模式进行人脸识别，其中，所述常规模式下的屏幕画面为全画面人脸识别验证画面，屏幕亮度为默认省电亮度；

补光模式识别模块，用于若达到，则采用补光模式进行人脸识别，其中，所述补光模式下的屏幕画面中添加有白色图层，屏幕亮度为最大亮度，人脸识别算法为低照度友好的算法模型。

9.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质中存储有计算机可读指令，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如权利要求1至7中任一项所述人脸识别方法的步骤。

10.一种计算机设备，其特征在于，包括：一个或多个处理器，以及存储器；

所述存储器中存储有计算机可读指令，所述计算机可读指令被所述一个或多个处理器执行时，执行如权利要求1至7中任一项所述人脸识别方法的步骤。