為了使本技術領域的人員更好地理解本發明中的技術方案，下面將結合本發明中的圖式，對本發明中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。基於本發明中的實施例，本領域普通技術人員在沒有作出創造性勞動前提下所獲得的所有其他實施例，都應當屬於本發明保護的範圍。
本發明提供了一種資源轉移方法，在執行資源轉移的操作之前，根據目標用戶的正臉圖像和側臉圖像對目標用戶進行活體識別和身份識別，採用正臉圖像和側臉圖像相結合的方式，可以進一步提高身份識別的準確性，並且，通過進行活體識別可以防止出現使用照片、手機螢幕顯示圖像、紙本列印照片等非活體圖像進行欺詐的情況的出現，提高了用戶帳號的安全性；不需要用戶輸入密碼就可以進行資源轉移，因此，避免了由於用戶忘記密碼而無法進行資源轉移的情況的出現。
本發明提供了一種資源轉移方法，該方法可以應用於伺服器側，即本發明所提供方法的執行主體為伺服器。
本發明中所提及的資源可以為金錢、虛擬貨幣、積分等，相應的，資源轉移可以為付款操作、虛擬貨幣支付操作、積分兌換操作等。
圖1為本發明提供的資源轉移方法的方法流程圖之一，圖1所示的方法，至少包括如下步驟：
步驟102，獲取目標用戶的正臉圖像，以及至少一側的側臉圖像。
其中，上述至少一側的側臉圖像可以為其中任意一側的側臉圖像或者兩側的側臉圖像，因此，上述步驟102至少可以包括如下三種情況：
獲取目標用戶的正臉圖像以及左側的側臉圖像；獲取目標用戶的正臉圖像以及右側的側臉圖像；獲取目標用戶的正臉圖像、左側的側臉圖像以及右側的側臉圖像。
需要說明的是，本發明所提及到的正臉圖像為從目標用戶的正前方拍攝、且包括目標用戶的整個臉部在內的圖像，正臉圖像的一種示意圖如圖2（a）所示；側臉圖像為從目標用戶的側邊拍攝的圖像，且未包含目標用戶的整個臉部在內，側臉圖像的一種示意圖如圖2（b）所示。
在本發明中，步驟102中，可以從用戶端設備獲取目標用戶的正臉圖像和側臉圖像。在具體實施時，可以由用戶端設備採集目標用戶的正臉圖像以及至少一側的側臉圖像，併發送給伺服器。
上述用戶端設備可以為手機、平板電腦等終端設備；也可以為自動售貨設備等。其中，用戶端設備可以同時採集目標用戶的正臉圖像和側臉圖像，也可以按照先後順序依次採集。按照先後順序依次採集，可以是先採集目標用戶的正臉圖像，再採集目標用戶的側臉圖像；也可以是先採集目標用戶的擦臉圖像，再採集目標用戶的正臉圖像。
下述將以上述資源轉移為付款為例，介紹上述正臉圖像和側臉圖像的採集過程。
在具體實施時，可以在自動售貨設備上安裝正臉圖像採集設備和至少一個側臉圖像採集設備，當用戶通過自動售貨設備購物並進行支付時，用戶可以按照自動售貨設備的引導將臉部置於特定區域，從而完成正臉圖像和側臉圖像的採集。
在另外一種具體實施方式中，也可以只在自動售貨設備上安裝有一個圖像採集設備，當用戶通過自動售貨設備購物並進行支付時，用戶可以按照自動售貨設備的引導先將臉部置於第一特定區域，進行正臉圖像的採集。在完成正臉圖像的採集後，再按照自動售貨設備的引導將臉部置於第二特定區域，進行側臉圖像的採集。
或者，還可以是用戶在使用手機、平板電腦等終端設備在進行支付時，按照終端設備的提示先進行正臉圖像的採集，再進行側臉圖像的採集。
步驟104，根據上述正臉圖像和側臉圖像，對目標用戶進行活體識別和身份識別。
在本發明中，進行活體識別的目的為了防止目標用戶的圖像在被其他用戶獲取後，將該圖像輸出到非活體載體（如照片、手機螢幕、紙本列印、樹膠面具等）上進行身份識別從而盜用目標電子帳戶的情況的發生。
上述進行身份識別的目標是為了驗證目標用戶是否為目標電子帳戶的授權用戶。
具體的，上述活體識別和身份識別的過程可以同時執行；也可以先執行活體識別的過程，並在活體識別的結果指示目標用戶為活體用戶後，再執行身份識別的過程；還可以先執行身份識別的過程，並在身份識別的結果指示目標用戶為目標電子帳戶的授權用戶時，再執行活體識別的過程。
在本發明中，若是同時執行活體識別和身份識別的過程，則可以縮短進行資源轉移的耗時，使得用戶體驗較好；若是按照先後順序進行執行，這樣，若是先識別目標用戶不是活體用戶或者目標用戶不是目標電子帳戶的授權用戶時，就可以確定資源轉移失敗，沒必要再執行後續的步驟，從而減少伺服器的工作量。
步驟106，若活體識別的結果為上述目標用戶為活體用戶，且身份識別的結果為目標用戶為目標電子帳戶的授權用戶，則對目標電子帳戶執行資源轉移操作。
相應的，上述對目標電子帳戶執行資源轉移的操作，可以為對目標電子帳戶執行扣款的操作、扣除積分的操作等。
下述將分別詳細介紹上述各個步驟的具體實現過程。
為便於理解，下述將以先進行活體識別再進行身份識別為例，介紹上述步驟104的具體實現過程。
在具體實施時，步驟104中，根據正臉圖像和側臉圖像，對目標用戶進行活體識別和身份識別，可以包括如下步驟（1）和步驟（2）；
步驟（1）、根據正臉圖像和側臉圖像，對目標用戶進行活體識別；
步驟（2）、若是上述活體識別的結果為目標用戶為活體用戶，則根據正臉圖像和側臉圖像，識別目標用戶是否為目標電子帳戶的授權用戶。
目標電子帳戶的授權用戶可以為目標電子帳戶的擁有者，也可以為經過目標電子帳戶擁有者授權的可以使用目標電子帳戶的其他用戶。
在本發明中，上述步驟（1）中，對目標用戶進行活體識別至少可以通過如下兩種方式實現，下述將分別進行介紹。
方式一
根據正臉圖像和側臉圖像，對目標用戶進行活體識別，包括如下步驟一和步驟二；
步驟一、將正臉圖像輸入預先訓練的第一活體識別模型進行處理，獲取第一活體識別模型輸出的第一機率；以及，將上述側臉圖像輸入預先訓練的第二活體識別模型進行處理，獲取第二活體識別模型輸出的第二機率；
其中，上述第一機率和第二機率均為目標用戶為活體用戶的機率；或者，第一機率和第二機率均為目標用戶為非活體用戶的機率。
步驟二、根據上述第一機率和第二機率，識別目標用戶是否為活體用戶。
其中，上述第一活體識別模型和第二活體識別模型可以為相同的模型，在本發明中，為了縮短活體識別的耗時、提高活體識別的效率，因此，分別將正臉圖像和側臉圖像輸入兩個活體識別模型中，同時根據正臉圖像和側臉圖像對目標用戶進行活體識別。
在某些實施方式中，也可以預先訓練一個活體識別模型，可以先將正臉圖像輸入該活體識別模型進行處理，獲取活體識別模型輸出的第一機率，然後，再將側臉圖像輸入該活體識別模型進行處理，獲取活體識別模型輸出的第二機率。
當然，在本發明中，若是同時採集了目標用戶的左側側臉圖像和右側側臉圖像，則可以預先訓練三個活體識別模型，將正臉圖像輸入一個活體識別模型進行處理、左側側臉圖像輸入一個活體識別模型進行處理，右側側臉圖像輸入一個活體識別模型進行處理，得到三個機率值。
其中，正臉圖像輸入第一活體識別模型進行處理的過程，與側臉圖像輸入第二活體識別模型進行處理的過程相同。下述將以將正臉圖像輸入第一活體識別模型為例，介紹通過第一活體識別模型得到第一機率的具體過程。
在具體實施時，上述第一活體識別模型和第二活體識別模型均可以為卷積神經網路（Convolutional Neural Networks，CNN）模型。在本本發明中，所採用的可以為CNN二分類模型。可以通過預先採集活體臉部圖像樣本和非活體臉部圖像樣本，並分別對活體臉部圖像樣本和非活體臉部圖像樣本進行標記，訓練上述CNN二分類模型。
在將目標用戶的正臉圖像輸入到CNN網路後，通過使用預先訓練的卷積核對正臉圖像進行卷積處理，將卷積得到的值與偏置參數的和值輸入啟動函數，並將啟動函數的輸出作為下一層節點的值；在下一層繼續進行卷積處理，將卷積得到的值與偏置參數的和值輸入啟動函數，得到啟動函數的輸出值，直到最後一層，將啟動函數的輸出值作為第一機率。
其中，上述啟動函數輸出值可以為目標用戶為活體用戶的機率、也可以為目標用戶為非活體用戶的機率，具體的，可以根據實際應用場景進行設置。
上述步驟二中，根據第一機率和第二機率，識別目標用戶是否為活體用戶，包括如下過程：對第一機率和第二機率進行融合計算，得到第一機率和第二機率所對應的融合結果；根據上述融合結果和設定的機率閾值，識別目標用戶是否為活體用戶。
在本發明中，將第一機率記為P
1
，將第二機率記為P
2
，可以通過如下公式對第一機率和第二機率進行融合計算；
其中，在上述公式中，
為第一機率所對應的權重係數，
為第二機率所對應的權重係數，P為第一機率和第二機率的融合結果。
若是上述第一機率和第二機率均為目標用戶為活體用戶的機率，則當計算出第一機率和第二機率的融合結果後，將該融合結果與設定的機率閾值進行比較，若是融合結果大於或等於設定的機率閾值，則可以確定目標用戶為活體用戶，若是上述融合結果小於設定的機率閾值，則可以確定目標用戶為非活體用戶。
若是上述第一機率和第二機率均為目標用戶為非活體用戶的機率，則當計算出第一機率和第二機率的融合結果後，將該融合結果與設定的機率閾值進行比較，若是該融合結果大於或等於設定的機率閾值，則可以確定目標用戶為非活體用戶，若是上述融合結果小於設定的機率閾值，則可以確定目標用戶為活體用戶。
在具體實施時，上述第一機率和第二機率均為目標用戶為活體用戶的機率時，以及第一機率和第二機率均為目標用戶為非活體用戶的機率時，上述設定的機率閾值的具體取值可以相同也可以不相同，即上述設定的機率閾值的具體取值可以根據實際應用場景進行設置，本發明並不對此進行限定。
其中，通過該種方式識別目標用戶是否為活體用戶的一種流程示意圖如圖3（a）所示，在圖3（a）所示流程圖中，上述第一活體識別模型和第二活體識別模型均為CNN網路模型，第一活體識別模型採用CNN網路模型1，第二活體識別模型採用CNN網路模型2，可以將目標用戶的正臉圖像輸入CNN網路模型1，由CNN網路模型1對正臉圖像進行處理，將目標用戶的側臉圖像輸入CNN網路模型2，由CNN網路模型2對側臉圖像進行處理，從CNN網路模型1獲取目標用戶為非活體用戶的第一機率，從CNN網路模型2獲取目標用戶為非活體用戶的第二機率，對第一機率和第二機率進行融合計算，並將融合結果與設定的機率閾值進行比較，若是融合結果大於或等於設定的機率閾值，則認為目標用戶為非活體用戶，若是融合結果小於設定的機率閾值，則認為目標用戶為活體用戶。
在具體實施時，當業務處於剛上線階段可以採用該方式識別目標用戶是否為活體用戶，上述方式一中在訓練模型時對訓練樣本資料要求不高，可以快速訓練出一個初始模型，因此，可以説明業務上線後快速渡過冷開機階段。
方式二
根據正臉圖像和側臉圖像，對目標用戶進行活體識別，包括如下步驟：
將正臉圖像和側臉圖像輸入預先訓練的第三活體識別模型進行處理，獲取第三活體識別模型輸出的第三機率；其中，所述第三機率為目標用戶為活體用戶的機率，或者，第三機率為目標用戶為非活體用戶的機率；根據第三機率和設定的機率閾值，識別目標用戶是否為活體用戶。
在該中方式中，將正臉圖像和側臉圖像輸入同一個活體識別模型進行處理。具體的，在將正臉圖像和側臉圖像輸入到活體識別模型後，首選對正臉圖像和側臉圖像進行預處理，然後，再對預處理後的圖像進行處理，得到第三機率。
具體的，上述對正臉圖像和側臉圖像進行預處理，可以是將正臉圖像和側臉圖像進行融合處理，即將正臉圖像和側臉圖像融合為一個圖像。例如，正臉圖像的大小為640×480×3RGB，側臉圖像的大小也為640×480×3RGB，融合後的圖像則為640×480×6RGB，如圖3（b）所示；或者，還可以將正臉圖像和側臉圖像橫向進行拼接，拼接後的圖像為1280×480×3RGB，如圖3（c）所示；或者，還可以將正臉圖像和側臉圖像縱向進行拼接，拼接後的圖像則為640×960×3RGB，如圖3（d）所示；其中，640表示圖像中行圖元的個數，480表示圖像中列圖元的個數，RGB表示每個圖元所對應的R值、G值和B值。其中，R表示紅色、G表示綠色、B表示藍色。
需要說明的是，上述640×480×3RGB中的“3”表示圖像中每個圖元點對應一個R值、一個B值和一個G值，共三個值；而640×480×6RGB中的“6”表示圖像中每個圖元點對應兩個R值、兩個B值和兩個G值，共六個值。
當然，上述只是示例性說明，並不構成對本說發明中正臉圖像和側臉圖像的大小的限定。
再對上述正臉圖像和側臉圖像進行預處理後，則對預處理後的圖像進行處理的過程與上述方式一中對正臉圖像進行處理或者側臉圖像進行處理的過程相同，具體可參考上述方式一，此處不再贅述。
其中，上述根據第三機率和設定的機率閾值，識別目標用戶是否為活體用戶的具體實現過程，與方式一中，根據融合結果和設定的機率閾值，識別目標用戶是否為活體用戶的具體實現過程相同，可參考方式一中的記載，此處不再贅述。
通過該種方式識別目標用戶是否為活體用戶的一種流程示意圖如圖3（e）所示，在圖3（e）所示流程圖中，上述第三活體識別模型採用CNN網路模型，將目標用戶的正臉圖像和側臉圖像輸入CNN網路模型後，首先對正臉圖像和側臉圖像進行融合處理，得到一張圖像，然後，再對融合後的圖像進行處理，輸出目標用戶為非活體用戶的第三機率，將第三機率與設定的機率閾值進行比較，若是第三機率大於或等於設定的機率閾值，則認為目標用戶為非活體用戶，若是融合結果小於設定的機率閾值，則認為目標用戶為活體用戶。
在具體實施時，該種方式中在訓練模型時需要收集較多的訓練樣本資料，即對訓練樣本資料的要求較高，因此，可以在業務上線一段時間後，在切換到該種方式。
具體的，在另外一種具體實施方式中，當業務上線一段時間後，這時，即存在方式一種進行活體識別的模型，也存在方式二中進行活體識別的模型，在該種情況下，通過將方式一中得到的融合結果與方式二中得到的第三機率再次進行融合（線性加權計算），以此次融合的最終結果，判斷目標用戶是否為活體用戶。
在本說明實施例的上述步驟（2）中，根據正臉圖像和側臉圖像，對目標用戶進行身份識別，至少包括如下步驟（A）和步驟（B）；
步驟（A）、將正臉圖像與目標電子帳戶所對應的正臉留底圖像進行相似度比對；以及，將側臉圖像與目標電子帳戶所對應的側臉留底圖像進行相似度比對；
步驟（B）、根據正臉的相似度值及側臉的相似度值，對目標用戶進行身份識別。
具體的，上述步驟（B）中，根據正臉的相似度值及側臉的相似度值，對目標用戶進行身份識別，具體包括：
若正臉的相似度值大於第一設定閾值，且側臉的相似度值大於第二設定閾值，則確定目標用戶為目標電子帳戶的授權用戶。
其中，上述第一設定閾值和第二設定閾值為根據實際應用場景設置的相似度值，例如，第一設定閾值的取值可以為95%，第二設定閾值的取值可以為90%等，當然，此處只是示例性說明，第一設定閾值和第二設定閾值的具體取值並不局限於此，本發明並不對上述第一設定閾值和第二設定閾值的具體取值進行限定，第一設定閾值和第二設定閾值的具體取值可以根據實際應用場景進行設置。另外，上述第一設定閾值的取值和第二設定閾值的取值可以相等，也可以不相等。
在本發明中，將正臉圖像與正臉留底圖像進行相似度比對，以及將側臉圖像與側臉留底圖像進行相似度比對後，將正臉的相似度與第一設定閾值進行比較，以及將側臉的相似度與第二設定閾值進行比較，若是正臉的相似度大於第一設定閾值，並且側臉的相似度大於第二設定閾值，則認為目標用戶識別通過，即可以確定目標用戶為目標電子帳戶的授權用戶。
在另外一種實施方式中，還可以對正臉相似度值和側臉相似度值進行線性加權計算，即計算正臉相似度值與正臉相似度的權重係數的第一乘積，計算側臉相似度值與側面相似度的權重係數的第二乘積，再計算第一乘積與第二乘積的和值，將該和值與設定閾值進行比較，若是該和值大於或等於設定閾值，則確定目標用戶為目標電子帳戶的授權用戶；若是該和值小於設定閾值，則確定目標用戶不是目標電子帳戶的授權用戶。
在上述步驟（A）中，將正臉圖像與目標電子帳戶所對應的正臉留底圖像進行相似度比對，具體可以通過如下過程實現：
採用預先訓練的關鍵點檢測模型檢測正臉圖像上的關鍵點，其中，在一種具體實施方式中，該關鍵點可以是目標用戶的雙眼、鼻尖、唇部、眉毛等。當檢測到正臉圖像上的關鍵點後，根據關鍵點的位置，對正臉圖像進行校準，例如，原來的人臉可能比較歪，與預先儲存的正臉留底圖像上人臉的姿勢不同，可以根據這些關鍵點，通過放射變化的方式對正臉圖像中人臉的姿勢進行調整，還可以對正臉圖像的大小進行縮放、拉伸以及旋轉等，以使調整後的正臉圖像與正臉留底圖像的大小一致，以及圖像中人臉的姿勢一致。
然後，通過卷積神經網路對上述調整後的正臉圖像進行卷積運算，計算目標用戶的第一正臉特徵向量；另外，若是資料庫中直接儲存有正臉留底圖像對應的第二正臉特徵向量，則直接從資料庫獲取目標電子帳戶對應的第二正臉特徵向量，若是資料庫中只儲存有正臉留底圖像，則通過卷積神經網路對正臉留底圖像進行卷積計算，以得到目標電子帳戶對應的第二正臉特徵向量。
最後，計算第一正臉特徵向量和第二特徵向量之間的歐幾裡得距離，將該歐幾裡得距離確定為目標用戶的正臉圖像與正臉留底圖像之間的相似度。
由於計算兩個向量之間的歐幾裡得距離屬於現有技術，此處不再贅述具體計算過程。
其中，上述步驟（A）中，將側臉圖像與目標電子帳戶所對應的側臉留底圖像進行相似度比對，具體可以通過如下步驟（A1）、步驟（A2）和步驟（A3）實現：
步驟（A1）、對側臉圖像進行標準化處理，得到標準側臉圖像；其中，標準側臉圖像的尺寸為設定尺寸，標準側臉圖像中側臉的姿態為設定姿態；
步驟（A2）、根據上述標準側臉圖像，提取目標用戶的第一側臉特徵向量；以及，獲取側臉留底圖像所對應的第二側臉特徵向量；
步驟（A3）、基於第一側臉特徵向量和第二側臉特徵向量，計算側臉圖像與側臉留底圖像之間的相似度值。
下述將詳細介紹上述步驟（A1）、步驟（A2）和步驟（A3）的具體實現過程。
上述步驟（A1）的具體實現過程可以為：確定側臉圖像上的關鍵點的位置；其中，上述關鍵點至少包括：耳洞中心、鼻尖；基於耳洞中心在側臉圖像上的位置、鼻尖在側臉圖像上的位置、以及耳洞中心與鼻尖的相對位置對側臉圖像進行調整，得到標準側臉圖像。
在執行本發明提供的方法之前，可以採集大量用戶的側臉圖像，然後通過人工的方式標注出側臉圖像上的關鍵點，將標注出關鍵點的側臉圖像作為訓練樣本，然後使用卷積神經網路（Convolutional Neural Networks，CNN）訓練得到關鍵點檢測模型。
在一種具體實施方式中，可以通過卷積神經網路訓練各個關鍵點的特徵向量，得到關鍵點檢測模型。在進行關鍵點檢測時，可以將側臉圖像上各個區域的特徵向量與上述各個關鍵點的特徵向量進行匹配，以確定出側臉圖像上各個關鍵點的位置。
具體的，在本發明中，側臉圖像關鍵點檢測模型的訓練以及關鍵點的檢測與正臉圖像相同，只是關鍵點的選取不同。
因此，在本發明中，可以採用訓練得到的關鍵點檢測模型檢測側臉圖像上的各個關鍵點，並在側臉圖像上標記出各個關鍵點。
在一種具體實施方式中，所採用的關鍵點可以為耳洞中心、眉心、鼻尖、下巴尖、面咬合骨交接處，上述關鍵點在側臉上的位置如圖4（a）所示。當然，側臉圖像上選取的關鍵點還可以是其它，此處只是示例性說明。
當確定出側臉圖像上各個關鍵點的位置後，可以採用其中的任意兩個或者多個關鍵點對側臉圖像進行校準。
下述將以根據耳洞中心和鼻尖兩個關鍵點對側臉圖像進行調整為例，介紹對側臉圖像進行調整，得到標準側臉圖像的具體過程：
首先以側臉圖像的左上角為原點，以水準側邊作為橫軸、豎直側臉作為縱軸建立坐標系，通過對側臉圖像進行壓縮、拉伸、剪裁等使得耳洞中心在該坐標系中的座標為（W/2，H/2），即使耳洞中心位於側臉圖像的中心點處，其中，上述W表示側臉圖像的長度，H表示側臉圖像的高度；然後，將側臉圖像以耳洞中心為中心點開始旋轉，直至耳洞中心與鼻尖之間的連線與坐標系中的橫軸平行即可；最後，再次對側臉圖像進行壓縮或者拉伸，以使鼻尖在該坐標系中的座標為（3W/4，H/2），調整後得到的標準側臉圖像如圖4（b）所示。
當然，上述只是示出了其中對側臉圖像進行標準化處理的一種具體實施方式，除此之外，還可以使用其他的關鍵點對側臉圖像進行標準化處理。當然，上述標準側臉圖像的具體形式也並不唯一，還可以是其它的形式。
上述對側臉圖像進行標準化處理的目的是為了使側臉圖像的尺寸、以圖像中人臉的姿態與側臉留底圖像均保持一致，即在本發明中，側臉留底圖像則以標準側臉圖像的形式進行儲存。在本發明中，在進行側臉圖像的相似度比對時，將側臉圖像調整為與側臉留底圖像一樣的大小以及姿態，目的是為了提高側臉相似度比對的準確性。
其中，在上述步驟（A2）中，當得到標準側臉圖像後，則需要對該側臉圖像進行處理，並通過卷積神經網路對該標準側臉圖像進行卷積計算，以得到該側臉圖像的第一側臉特徵向量。
在本發明中，資料庫中可以只是預先儲存有目標電子帳戶的授權用戶對應的側臉留底圖像，其中，該側臉留底圖像以標準側臉圖像的形式進行儲存。因此，在上述步驟（A2）中，可以通過神經卷積網路對該側臉留底圖像進行卷積運算，以提取第二側臉特徵向量；或者，可以預先獲取側臉留底圖像對應的第二側臉特徵向量，將該第二側臉特徵向量以及側臉留底圖像一起儲存在資料庫中，在該種情況下，上述步驟（A2）中，只需要從資料庫中獲取第二側臉特徵向量即可。
具體的，在上述步驟（A3）中，基於第一側臉特徵向量和第二側臉特徵向量，計算側臉圖像與側臉留底圖像之間的相似度，具體包括：
計算第一側臉特徵向量和第二側臉特徵向量之間的歐幾裡得距離；將該歐幾裡得距離確定為側臉圖像與側臉留底圖像之間的相似度。
由於計算兩個向量之間的歐幾裡得距離屬於現有技術，此處不再贅述具體計算過程。
圖5為本發明提供的資源轉移方法的方法流程圖之二，該方法的執行主體為伺服器側，圖5所示的方法至少包括如下步驟：
步驟502，獲取目標用戶的正臉圖像，以及至少一側的側臉圖像。
其中，在本發明中，由用戶端設備採集目標用戶的正臉圖像以及側臉圖像。因此，伺服器從用戶端設備獲取目標用戶的正臉圖像和側臉圖像。
步驟504，將正臉圖像輸入預先訓練的第一活體識別模型進行處理，獲取第一活體識別模型輸出的第一機率；以及，將側臉圖像輸入預先訓練的第二活體識別模型進行處理，獲取第二活體識別模型輸出的第二機率。
其中，上述第一機率和第二機率可以為目標用戶為活體用戶的機率；也可以為目標用戶為非活體用戶的機率。在圖5所對應實施例中，以第一機率和第二機率為目標用戶為非活體用戶的機率為例進行說明。
步驟506，對第一機率和第二機率進行融合計算，得到第一機率和第二機率所對應的融合結果。
步驟508，判斷上述融合結果是否大於或等於設定的機率閾值；若是，則執行步驟516；否則，執行步驟510。
步驟510，將正臉圖像與目標電子帳戶所對應的正臉留底圖像進行相似度比對；以及，將上述側臉圖像與目標電子帳戶所對應的側臉留底圖像進行相似度比對。
步驟512，判斷正臉的相似度值是否大於第一相似度值，以及，側臉的相似度值是否大於第二相似度值；若是，則執行步驟514，否則，執行步驟518。
步驟514，對目標電子帳戶執行資源轉移的操作。
步驟516，確定目標用戶為非活體用戶，並向用戶端設備發送資源轉移失敗的提示資訊。
步驟518，向用戶端設備發送重新進行臉部圖像採集或者資源轉移失敗的提示資訊。
圖5所對應實施例中各個步驟的具體實現過程與上述實施例所對應方法中各個步驟的具體實現過程相同，因此，可參考上述實施例中各個步驟的具體實現過程，此處不再贅述。
圖6為本發明提供的資源轉移方法的方法流程圖之三，圖6所示的方法中以上述資源轉移為資金支付為例，且具體應用場景為用戶在自動售貨設備上購買商品時進行支付，在該自動售貨設備上安裝有正臉圖像採集設備以及側臉圖像採集設備，且在該自動售貨設備上安裝有支付用戶端，因此，也可以將該自動售貨設備成為用戶端設備。圖6所示的方法，至少包括如下步驟：
步驟602，用戶端設備向伺服器發送電子帳戶登錄請求，該請求中攜帶有手機號碼。
當用戶通過自動售貨設備選好商品進行結算時，通過安裝在自動售貨設備上的用戶端設備向伺服器發送電子帳號登錄請求。
步驟604，伺服器查找是否存在該手機號碼對應的電子帳戶；若存在，執行步驟606；否則，執行步驟622；
步驟606，伺服器向用戶端發送身份識別指令。
步驟608，用戶端設備接收到伺服器發送的身份識別指令後，控制安裝在自動售貨設備上的圖像採集設備採集目標用戶的正臉圖像和側臉圖像。
其中，在自動售貨設備上的相應位置安裝正臉圖像採集設備和一個側臉圖像採集設備，用戶端設備控制正臉圖像採集設備和側臉圖像採集設備同時採集目標用戶的正臉圖像和側臉圖像。
步驟610，用戶端設備將採集的目標用戶的正臉圖像和側臉圖像發送給伺服器。
步驟612，伺服器將上述正臉圖像和側臉圖像輸入預先訓練的活體識別模型對上述圖像進行處理，並獲取活體識別模型輸出的機率值。
其中，上述機率值可以為目標用戶為活體用戶的機率值。
步驟614，伺服器判斷上述機率值是否大於或等於設定的機率閾值；若是，則執行步驟616；否則，則執行步驟624。
步驟616，伺服器計算正臉圖像與上述電子帳戶對應的正臉留底圖像的相似度值，以及計算側臉圖像與上述電子帳戶對應的側臉留底圖像的相似度值。
步驟618，伺服器檢測正臉的相似度值是否大於第一設定閾值，以及側臉的相似度值是否大於第二設定閾值；若是，則執行步驟620；否則，執行步驟626；
步驟620，伺服器對上述電子帳戶執行扣款操作。
步驟622，伺服器向用戶端設備發送進行電子帳戶的註冊或者重新輸入手機號碼的提示資訊。
步驟624，伺服器確定目標用戶為非活體用戶，並向用戶端設備發送支付失敗的提示資訊。
步驟626，伺服器向用戶端設備發送重新進行臉部圖像採集或者支付失敗的提示資訊。
圖6所對應實施例中各個步驟的具體實現過程與上述圖1至圖4（b）所對應實施例中各個步驟的具體實現過程相同，因此，可參考上述實施例中各個步驟的具體實現過程，此處不再贅述。
圖7示出了本發明提供的資源轉移方法的方法流程圖之四，圖7所示的方法中以上述資源轉移為資金支付為例，且具體應用場景為用戶通過手機、平板電腦等終端設備進行支付。圖7所示的方法，至少包括如下步驟：
步驟702，終端設備向伺服器發送支付請求，其中，該支付請求中攜帶有支付金額。
當用戶通過線下或者線上完成購物後，打開安裝在終端設備上的支付應用程式進行支付。
步驟704，伺服器向終端設備發送身份識別指令。
步驟706，終端設備接收到伺服器發送的身份識別指令後，通過安裝在終端設備上的攝像頭採集待目標戶的正臉圖像。
具體的，在步驟706中，可以在在終端設備的顯示幕上顯示正臉輪廓，並提示目標用戶將正臉置於上述正臉輪廓區域內，並在目標用戶將正臉置於上述區域內後，通過攝像頭採集目標用戶的正臉圖像。
步驟708，在正臉圖像採集完畢後，通過安裝在終端設備上的攝像頭採集目標用戶的側臉圖像。
具體的，在步驟708中，可以在終端設備的顯示幕上顯示側臉輪廓，並提示目標用戶將側臉置於上述側臉輪廓區域內，並在目標用戶將側臉置於上述區域內後，通過攝像頭採集目標用戶的側臉圖像。
步驟710，終端設備將採集的目標用戶的正臉圖像和側臉圖像發送給伺服器。
步驟712，伺服器將正臉圖像輸入預先訓練的第一活體識別模型進行處理，獲取第一活體識別模型輸出的第一機率；以及，將側臉圖像輸入預先訓練的第二活體識別模型進行處理，獲取第二活體識別模型輸出的第二機率。
其中，上述第一機率和第二機率可以為目標用戶為活體用戶的機率；也可以為目標用戶為非活體用戶的機率。在圖7所對應實施例中，以第一機率和第二機率為目標用戶為活體用戶的機率為例進行說明。
步驟714，伺服器對第一機率和第二機率進行融合計算，得到第一機率和第二機率所對應的融合結果。
步驟716，伺服器判斷上述融合結果是否大於或等於設定的機率閾值；若是，則執行步驟718；否則，執行步驟724。
步驟718，伺服器計算正臉圖像與上述電子帳戶對應的正臉留底圖像的相似度值，以及計算側臉圖像與上述電子帳戶對應的側臉留底圖像的相似度值。
步驟720，伺服器檢測正臉的相似度值是否大於第一設定閾值，以及側臉的相似度值是否大於第二設定閾值；若是，則執行步驟722；否則，執行步驟726；
步驟722，伺服器對上述電子帳戶執行扣款操作。
步驟724，伺服器確定目標用戶為非活體用戶，並向終端設備發送支付失敗的提示資訊。
步驟726，伺服器向終端設備發送重新進行臉部圖像採集或者支付失敗的提示資訊。
圖7所對應實施例中各個步驟的具體實現過程與上述圖1至圖4（b）所對應實施例中各個步驟的具體實現過程相同，因此，可參考上述實施例中各個步驟的具體實現過程，此處不再贅述。
本發明提供的資源轉移方法，在進行資源轉移時，通過對目標用戶的正臉圖像和側臉圖像進行身份識別，驗證目標用戶是否為目標電子帳戶的授權用戶，不需要用戶輸入密碼就可以進行資源轉移，因此，避免了由於用戶忘記密碼而無法進行資源轉移的情況的出現；另外，還通過根據正臉圖像和側臉圖像進行活體識別，以驗證目標用戶是否為活體用戶，避免了由於用戶的臉部圖像被他人獲取而導致電子帳戶出現安全隱患的問題，提高了電子帳戶的安全性；另外，在進行活體識別和身份識別時，通過將正臉圖像和側臉圖像相結合的方式，增加了更多的特徵資訊，從而提高了活體識別和身份識別的準確性，進一步保障了用戶電子帳戶的安全性。
對應於圖1至圖7所示的資源轉移方法，基於相同的思路，本發明還提供了一種資源轉移裝置，用於執行本發明提供的資源轉移方法。其中，本發明提供的資源轉移裝置可以應用於伺服器側。圖8為本發明提供的資源轉移裝置的模組組成示意圖，圖8所示的裝置，包括：
獲取模組801，用於獲取目標用戶的正臉圖像，以及至少一側的側臉圖像；
識別模組802，用於根據上述正臉圖像和上述側臉圖像，對上述目標用戶進行活體識別和身份識別；
執行模組803，用於若上述活體識別的結果為上述目標用戶為活體用戶，且上述身份識別的結果為上述目標用戶為目標電子帳戶的授權用戶，則對上述目標電子帳戶執行資源轉移操作。
可選的，上述識別模組802，包括：
第一識別單元，用於根據上述正臉圖像和上述側臉圖像，對上述目標用戶進行活體識別；
第二識別單元，用於若是上述活體識別的結果為上述目標用戶為活體用戶，則根據上述正臉圖像和上述側臉圖像，對上述目標用戶進行身份識別。
可選的，上述第一識別單元，具體用於：
將上述正臉圖像輸入預先訓練的第一活體識別模型進行處理，獲取上述第一活體識別模型輸出的第一機率；以及，將上述側臉圖像輸入預先訓練的第二活體識別模型進行處理，獲取上述第二活體識別模型輸出的第二機率；其中，上述第一機率和上述第二機率均為上述目標用戶為上述活體用戶的機率；或者，上述第一機率和上述第二機率均為上述目標用戶為非活體用戶的機率；
根據上述第一機率和上述第二機率，識別上述目標用戶是否為活體用戶。
可選的，上述第一識別單元，還具體用於：
對上述第一機率和上述第二機率進行融合計算，得到上述第一機率和上述第二機率所對應的融合結果；根據上述融合結果和設定的機率閾值，識別上述目標用戶是否為活體用戶。
可選的，上述第一識別單元，還具體用於：
將上述正臉圖像和上述側臉圖像輸入預先訓練的第三活體識別模型進行處理，獲取上述第三活體識別模型輸出的第三機率；其中，上述第三機率為上述目標用戶為上述活體用戶的機率，或者，上述第三機率為上述目標用戶為上述非活體用戶的機率；根據上述第三機率和設定的機率閾值，識別上述目標用戶是否為活體用戶。
可選的，上述第二識別單元，具體用於：
將上述正臉圖像與上述目標電子帳戶所對應的正臉留底圖像進行相似度比對；以及，將上述側臉圖像與上述目標電子帳戶所對應的側臉留底圖像進行相似度比對；根據正臉的相似度值以及側臉的相似度值，對上述目標用戶進行身份識別。
可選的，上述第二識別單元，還具體用於：
對上述側臉圖像進行標準化處理，得到標準側臉圖像；其中，上述標準側臉圖像的尺寸為設定尺寸，上述標準側臉圖像中側臉的姿態為設定姿態；根據上述標準側臉圖像，提取上述目標用戶的第一側臉特徵向量；以及，獲取上述側臉留底圖像所對應的第二側臉特徵向量；基於上述第一側臉特徵向量和上述第二側臉特徵向量，計算上述側臉圖像與上述側臉留底圖像之間的相似度值。
可選的，上述第二識別單元，還具體用於：
若上述正臉的相似度值大於第一設定閾值，且上述側臉的相似度值大於第二設定閾值，則確定上述目標用戶為上述目標電子帳戶的授權用戶。
本發明中，各個模組、單元所對應功能的具體實現過程與圖1至圖7所對應方法實施例中各個步驟的具體實現過程相同，因此，上述各個模組、單元所對應功能的具體實現過程可參考圖1至圖7所對應方法實施例，此處不再贅述。
本發明提供的資源轉移裝置，在進行資源轉移時，通過對目標用戶的正臉圖像和側臉圖像進行身份識別，驗證目標用戶是否為目標電子帳戶的授權用戶，不需要用戶輸入密碼就可以進行資源轉移，因此，避免了由於用戶忘記密碼而無法進行資源轉移的情況的出現；另外，還通過根據正臉圖像和側臉圖像進行活體識別，以驗證目標用戶是否為活體用戶，避免了由於用戶的臉部圖像被他人獲取而導致電子帳戶出現安全隱患的問題，提高了電子帳戶的安全性；另外，在進行活體識別和身份識別時，通過將正臉圖像和側臉圖像相結合的方式，增加了更多的特徵資訊，從而提高了活體識別和身份識別的準確性，進一步保障了用戶電子帳戶的安全性。
對應於圖1至圖7所示的資源轉移方法，基於相同的思路，本發明還提供了一種資源轉移系統，圖9示出了本發明提供的資源轉移系統的一種結構示意圖，圖9所示的系統，包括：用戶端設備901和資源轉移伺服器902；用戶端設備901上安裝有正臉圖像採集設備9011和至少一個側臉圖像採集設備9012；
上述用戶端設備901，用於在目標用戶使用目標電子帳戶進行支付時，控制正臉圖像採集設備9011和側臉圖像採集設備9012同時採集目標用戶的正臉圖像和側臉圖像，並將採集的正臉圖像和側臉圖像發送給資源轉移伺服器902；
資源轉移伺服器902，用戶獲取目標用戶的正臉圖像和側臉圖像；根據正臉圖像和側臉圖像，對目標用戶進行活體識別和身份識別；若活體識別的結果為目標用戶為活體用戶，且身份識別的結果為目標用戶為目標電子帳戶的授權用戶，則對目標電子帳戶執行資源轉移操作。
其中，上述用戶端設備901上可以安裝一個側臉圖像採集設備，也可以安裝兩個側臉圖像採集設備，在圖9所示系統中，則是示出了在用戶端設備901上安裝一個側臉圖像採集設備的情況，圖9只是示例性說明，並不構成對側臉圖像採集設備的數目的限定。
具體的，在本發明中，為了實現用戶端設備可以控制正臉圖像採集設備9011和側臉圖像採集設備9012同時採集目標用戶的正臉圖像和側臉圖像，上述用戶端設備上還可以安裝有圖像採集控制器9013，如圖10所示。其中，圖像採集控制器9013與正臉圖像採集設備9011和側臉圖像採集設備9012連接，用於控制正臉圖像採集設備9011和側臉圖像採集設備9012同時採集目標用戶的正臉圖像和側臉圖像。
圖10只是示出了用戶端設備901上安裝了兩個側臉圖像採集設備的情況，圖10只是示例性說明，並不構成對側臉採集圖像設備的數目的限定。
可選的，上述資源轉移伺服器902，具體用於：
根據上述正臉圖像和上述側臉圖像，對上述目標用戶進行活體識別；若是上述活體識別的結果為上述目標用戶為活體用戶，則根據上述正臉圖像和上述側臉圖像，對上述目標用戶進行身份識別。
可選的，上述資源轉移伺服器902，還具體用於：
將上述正臉圖像輸入預先訓練的第一活體識別模型進行處理，獲取上述第一活體識別模型輸出的第一機率；以及，將上述側臉圖像輸入預先訓練的第二活體識別模型進行處理，獲取上述第二活體識別模型輸出的第二機率；其中，上述第一機率和上述第二機率均為上述目標用戶為上述活體用戶的機率；或者，上述第一機率和上述第二機率均為上述目標用戶為非活體用戶的機率；根據上述第一機率和上述第二機率，識別上述目標用戶是否為活體用戶。
可選的，上述資源轉移伺服器902，還具體用於：
對上述第一機率和上述第二機率進行融合計算，得到上述第一機率和上述第二機率所對應的融合結果；
根據上述融合結果和設定的機率閾值，識別上述目標用戶是否為活體用戶。
可選的，上述資源轉移伺服器902，還具體用於：
將上述正臉圖像和上述側臉圖像輸入預先訓練的第三活體識別模型進行處理，獲取上述第三活體識別模型輸出的第三機率；其中，上述第三機率為上述目標用戶為上述活體用戶的機率，或者，上述第三機率為上述目標用戶為上述非活體用戶的機率；根據上述第三機率和設定的機率閾值，識別上述目標用戶是否為活體用戶。
可選的，上述資源轉移伺服器902，還具體用於：
將上述正臉圖像與上述目標電子帳戶所對應的正臉留底圖像進行相似度比對；以及，將上述側臉圖像與上述目標電子帳戶所對應的側臉留底圖像進行相似度比對；根據正臉的相似度值以及側臉的相似度值，對上述目標用戶進行身份識別。
可選的，上述資源轉移伺服器902，還具體用於：
對上述側臉圖像進行標準化處理，得到標準側臉圖像；其中，上述標準側臉圖像的尺寸為設定尺寸，上述標準側臉圖像中側臉的姿態為設定姿態；
根據上述標準側臉圖像，提取上述目標用戶的第一側臉特徵向量；以及，獲取上述側臉留底圖像所對應的第二側臉特徵向量；
基於上述第一側臉特徵向量和上述第二側臉特徵向量，計算上述側臉圖像與上述側臉留底圖像之間的相似度值。
可選的，上述資源轉移伺服器902，還具體用於：
若上述正臉的相似度值大於第一設定閾值，且上述側臉的相似度值大於第二設定閾值，則確定上述目標用戶為上述目標電子帳戶的授權用戶。
本發明中，資源轉移伺服器902所對應功能的具體實現過程與圖1至圖7所對應方法實施例中各個步驟的具體實現過程相同，因此，資源轉移伺服器902所對應各個功能的具體實現過程可參考圖1至圖7所對應的方法實施例，此處不再贅述。
為便於理解，下述將以上述資源轉移為支付操作、且用戶端設備為自動售貨設備為例，介紹上述用戶端設備的具體結構。
圖11示出了一種自動售貨設備的結構示意圖，在圖11所示情形中，包括三個圖像採集器，分別為左側臉圖像採集器、右側臉圖像採集器和正臉圖像採集器。具體的，一般將正臉圖像採集器置於正中間，將左側臉圖像採集器置於正臉圖像採集器的左側，將有臉圖像採集器置於正臉圖像採集器的右側。
具體的，在圖11所示的設備中，左側臉圖像採集器、正臉圖像採集器和右側臉圖像採集器可以為攝像頭，並且三個圖像採集設備需要與圖像採集控制器連接，以便圖像採集控制器控制三個圖像採集器同時採集目標用戶的臉部圖像。
具體的，將圖11所示的左側臉圖像採集器、右側臉圖像採集器、正臉圖像採集器和圖像採集控制器整合在安裝有支付用戶端的自動售貨設備上，得到一種具體的支付系統；其中，圖像採集控制器可以為控制電路板。
在採用圖11所示的設備進行支付時，一般人臉正對著正臉圖像採集器。
本發明提供的資源轉移系統，在進行資源轉移時，通過對目標用戶的正臉圖像和側臉圖像進行身份識別，驗證目標用戶是否為目標電子帳戶的授權用戶，不需要用戶輸入密碼就可以進行資源轉移，因此，避免了由於用戶忘記密碼而無法進行資源轉移的情況的出現；另外，還通過根據正臉圖像和側臉圖像進行活體識別，以驗證目標用戶是否為活體用戶，避免了由於用戶的臉部圖像被他人獲取而導致電子帳戶出現安全隱患的問題，提高了電子帳戶的安全性；另外，在進行活體識別和身份識別時，通過將正臉圖像和側臉圖像相結合的方式，增加了更多的特徵資訊，從而提高了活體識別和身份識別的準確性，進一步保障了用戶電子帳戶的安全性。
進一步地，基於上述圖1至圖7所示的方法，本發明還提供了一種資源轉移設備，如圖12所示。
資源轉移設備可因配置或性能不同而產生比較大的差異，可以包括一個或一個以上的處理器1201和記憶體1202，記憶體1202中可以儲存有一個或一個以上儲存應用程式或資料。其中，記憶體1202可以是短暫儲存或持久儲存。儲存在記憶體1202的應用程式可以包括一個或一個以上模組（圖示未示出），每個模組可以包括對資源轉移設備中的一系列電腦可執行指令。更進一步地，處理器1201可以設置為與記憶體1202通信，在資源轉移設備上執行記憶體1202中的一系列電腦可執行指令。資源轉移設備還可以包括一個或一個以上電源1203，一個或一個以上有線或無線網路介面1204，一個或一個以上輸入輸出介面1205，一個或一個以上鍵盤1206等。
在一個具體的實施例中，資源轉移設備包括有記憶體，以及一個或一個以上的程式，其中一個或者一個以上程式儲存於記憶體中，且一個或者一個以上程式可以包括一個或一個以上模組，且每個模組可以包括對資源轉移設備中的一系列電腦可執行指令，且經配置以由一個或者一個以上處理器執行該一個或者一個以上套裝程式含用於進行以下電腦可執行指令：
獲取目標用戶的正臉圖像，以及至少一側的側臉圖像；
根據上述正臉圖像和上述側臉圖像，對上述目標用戶進行活體識別和身份識別；
若上述活體識別的結果為上述目標用戶為活體用戶，且上述身份識別的結果為上述目標用戶為目標電子帳戶的授權用戶，則對上述目標電子帳戶執行資源轉移操作。
可選的，電腦可執行指令在被執行時，上述根據上述正臉圖像和上述側臉圖像，對上述目標用戶進行活體識別和身份識別，包括：
根據上述正臉圖像和上述側臉圖像，對上述目標用戶進行活體識別；
若是上述活體識別的結果為上述目標用戶為活體用戶，則根據上述正臉圖像和上述側臉圖像，對上述目標用戶進行身份識別。
可選的，電腦可執行指令在被執行時，上述根據上述正臉圖像和上述側臉圖像，對上述目標用戶進行活體識別，包括：
將上述正臉圖像輸入預先訓練的第一活體識別模型進行處理，獲取上述第一活體識別模型輸出的第一機率；以及，將上述側臉圖像輸入預先訓練的第二活體識別模型進行處理，獲取上述第二活體識別模型輸出的第二機率；其中，上述第一機率和上述第二機率均為上述目標用戶為上述活體用戶的機率；或者，上述第一機率和上述第二機率均為上述目標用戶為非活體用戶的機率；
根據上述第一機率和上述第二機率，識別上述目標用戶是否為活體用戶。
可選的，電腦可執行指令在被執行時，上述根據上述第一機率和上述第二機率，識別上述目標用戶是否為活體用戶，包括：
對上述第一機率和上述第二機率進行融合計算，得到上述第一機率和上述第二機率所對應的融合結果；
根據上述融合結果和設定的機率閾值，識別上述目標用戶是否為活體用戶。
可選的，電腦可執行指令在被執行時，上述根據上述正臉圖像和上述側臉圖像，對上述目標用戶進行活體識別，包括：
將上述正臉圖像和上述側臉圖像輸入預先訓練的第三活體識別模型進行處理，獲取上述第三活體識別模型輸出的第三機率；其中，上述第三機率為上述目標用戶為上述活體用戶的機率，或者，上述第三機率為上述目標用戶為上述非活體用戶的機率；
根據上述第三機率和設定的機率閾值，識別上述目標用戶是否為活體用戶。
可選的，電腦可執行指令在被執行時，上述根據上述正臉圖像和上述側臉圖像，對上述目標用戶進行身份識別，包括：
將上述正臉圖像與上述目標電子帳戶所對應的正臉留底圖像進行相似度比對；以及，將上述側臉圖像與上述目標電子帳戶所對應的側臉留底圖像進行相似度比對；
根據正臉的相似度值以及側臉的相似度值，對上述目標用戶進行身份識別。
可選的，電腦可執行指令在被執行時，上述將上述側臉圖像與上述目標電子帳戶所對應的側臉留底圖像進行相似度比對，包括：
對上述側臉圖像進行標準化處理，得到標準側臉圖像；其中，上述標準側臉圖像的尺寸為設定尺寸，上述標準側臉圖像中側臉的姿態為設定姿態；
根據上述標準側臉圖像，提取上述目標用戶的第一側臉特徵向量；以及，獲取上述側臉留底圖像所對應的第二側臉特徵向量；
基於上述第一側臉特徵向量和上述第二側臉特徵向量，計算上述側臉圖像與上述側臉留底圖像之間的相似度值。
可選的，電腦可執行指令在被執行時，上述根據正臉的相似度值以及側臉的相似度值，對目標用戶進行身份識別，包括：
若上述正臉的相似度值大於第一設定閾值，且上述側臉的相似度值大於第二設定閾值，則確定上述目標用戶為上述目標電子帳戶的授權用戶。
本發明提供的資源轉移設備，在進行資源轉移時，通過對目標用戶的正臉圖像和側臉圖像進行身份識別，驗證目標用戶是否為目標電子帳戶的授權用戶，不需要用戶輸入密碼就可以進行資源轉移，因此，避免了由於用戶忘記密碼而無法進行資源轉移的情況的出現；另外，還通過根據正臉圖像和側臉圖像進行活體識別，以驗證目標用戶是否為活體用戶，避免了由於用戶的臉部圖像被他人獲取而導致電子帳戶出現安全隱患的問題，提高了電子帳戶的安全性；另外，在進行活體識別和身份識別時，通過將正臉圖像和側臉圖像相結合的方式，增加了更多的特徵資訊，從而提高了活體識別和身份識別的準確性，進一步保障了用戶電子帳戶的安全性。
進一步地，基於上述圖1至圖7所示的方法，本發明還提供了一種儲存介質，用於儲存電腦可執行指令，一種具體的實施例中，該儲存介質可以為USB隨身碟、光碟、硬碟等，該儲存介質儲存的電腦可執行指令在被處理器執行時，能實現以下流程：
獲取目標用戶的正臉圖像，以及至少一側的側臉圖像；
根據上述正臉圖像和上述側臉圖像，對上述目標用戶進行活體識別和身份識別；
若上述活體識別的結果為上述目標用戶為活體用戶，且上述身份識別的結果為上述目標用戶為目標電子帳戶的授權用戶，則對上述目標電子帳戶執行資源轉移操作。
可選的，該儲存介質儲存的電腦可執行指令在被處理器執行時，上述根據上述正臉圖像和上述側臉圖像，對上述目標用戶進行活體識別和身份識別，包括：
根據上述正臉圖像和上述側臉圖像，對上述目標用戶進行活體識別；
若是上述活體識別的結果為上述目標用戶為活體用戶，則根據上述正臉圖像和上述側臉圖像，對上述目標用戶進行身份識別。
可選的，該儲存介質儲存的電腦可執行指令在被處理器執行時，上述根據上述正臉圖像和上述側臉圖像，對上述目標用戶進行活體識別，包括：
將上述正臉圖像輸入預先訓練的第一活體識別模型進行處理，獲取上述第一活體識別模型輸出的第一機率；以及，將上述側臉圖像輸入預先訓練的第二活體識別模型進行處理，獲取上述第二活體識別模型輸出的第二機率；其中，上述第一機率和上述第二機率均為上述目標用戶為上述活體用戶的機率；或者，上述第一機率和上述第二機率均為上述目標用戶為非活體用戶的機率；
根據上述第一機率和上述第二機率，識別上述目標用戶是否為活體用戶。
可選的，該儲存介質儲存的電腦可執行指令在被處理器執行時，上述根據上述第一機率和上述第二機率，識別上述目標用戶是否為活體用戶，包括：
對上述第一機率和上述第二機率進行融合計算，得到上述第一機率和上述第二機率所對應的融合結果；
根據上述融合結果和設定的機率閾值，識別上述目標用戶是否為活體用戶。
可選的，該儲存介質儲存的電腦可執行指令在被處理器執行時，上述根據上述正臉圖像和上述側臉圖像，對上述目標用戶進行活體識別，包括：
將上述正臉圖像和上述側臉圖像輸入預先訓練的第三活體識別模型進行處理，獲取上述第三活體識別模型輸出的第三機率；其中，上述第三機率為上述目標用戶為上述活體用戶的機率，或者，上述第三機率為上述目標用戶為上述非活體用戶的機率；
根據上述第三機率和設定的機率閾值，識別上述目標用戶是否為活體用戶。
可選的，該儲存介質儲存的電腦可執行指令在被處理器執行時，上述根據上述正臉圖像和上述側臉圖像，對上述目標用戶進行身份識別，包括：
將上述正臉圖像與上述目標電子帳戶所對應的正臉留底圖像進行相似度比對；以及，將上述側臉圖像與上述目標電子帳戶所對應的側臉留底圖像進行相似度比對；
根據正臉的相似度值以及側臉的相似度值，對上述目標用戶進行身份識別。
可選的，該儲存介質儲存的電腦可執行指令在被處理器執行時，上述將上述側臉圖像與上述目標電子帳戶所對應的側臉留底圖像進行相似度比對，包括：
對上述側臉圖像進行標準化處理，得到標準側臉圖像；其中，上述標準側臉圖像的尺寸為設定尺寸，上述標準側臉圖像中側臉的姿態為設定姿態；
根據上述標準側臉圖像，提取上述目標用戶的第一側臉特徵向量；以及，獲取上述側臉留底圖像所對應的第二側臉特徵向量；
基於上述第一側臉特徵向量和上述第二側臉特徵向量，計算上述側臉圖像與上述側臉留底圖像之間的相似度值。
可選的，該儲存介質儲存的電腦可執行指令在被處理器執行時，上述根據正臉的相似度值以及側臉的相似度值，對目標用戶進行身份識別，包括：
若上述正臉的相似度值大於第一設定閾值，且上述側臉的相似度值大於第二設定閾值，則確定上述目標用戶為上述目標電子帳戶的授權用戶。
本發明提供的儲存介質儲存的電腦可執行指令在被處理器執行時，在進行資源轉移時，通過對目標用戶的正臉圖像和側臉圖像進行身份識別，驗證目標用戶是否為目標電子帳戶的授權用戶，不需要用戶輸入密碼就可以進行資源轉移，因此，避免了由於用戶忘記密碼而無法進行資源轉移的情況的出現；另外，還通過根據正臉圖像和側臉圖像進行活體識別，以驗證目標用戶是否為活體用戶，避免了由於用戶的臉部圖像被他人獲取而導致電子帳戶出現安全隱患的問題，提高了電子帳戶的安全性；另外，在進行活體識別和身份識別時，通過將正臉圖像和側臉圖像相結合的方式，增加了更多的特徵資訊，從而提高了活體識別和身份識別的準確性，進一步保障了用戶電子帳戶的安全性。
在20世紀90年代，對於一個技術的改進可以很明顯地區分是硬體上的改進（例如，對二極體、電晶體、開關等電路結構的改進）還是軟體上的改進（對於方法流程的改進）。然而，隨著技術的發展，當今的很多方法流程的改進已經可以視為硬體電路結構的直接改進。設計人員幾乎都通過將改進的方法流程程式設計到硬體電路中來得到相應的硬體電路結構。因此，不能說一個方法流程的改進就不能用硬體實體模組來實現。例如，可程式化邏輯裝置（Programmable Logic Device，PLD）（例如現場可程式化閘陣列（Field Programmable Gate Array，FPGA））就是這樣一種積體電路，其邏輯功能由用戶對裝置程式設計來確定。由設計人員自行程式設計來把一個數位系統“整合”在一片PLD上，而不需要請晶片製造廠商來設計和製作專用的積體電路晶片。而且，如今，取代手工地製作積體電路晶片，這種程式設計也多半改用“邏輯編譯器（logic compiler）”軟體來實現，它與程式開發撰寫時所用的軟體編譯器相類似，而要編譯之前的原始代碼也得用特定的程式設計語言來撰寫，此稱之為硬體描述語言（Hardware Description Language，HDL），而HDL也並非僅有一種，而是有許多種，如ABEL（Advanced Boolean Expression Language）、AHDL（Altera Hardware Description Language）、Confluence、CUPL（Cornell University Programming Language）、HDCal、JHDL（Java Hardware Description Language）、Lava、Lola、MyHDL、PALASM、RHDL（Ruby Hardware Description Language）等，目前最普遍使用的是VHDL（Very-High-Speed Integrated Circuit Hardware Description Language）與Verilog。本領域技術人員也應該清楚，只需要將方法流程用上述幾種硬體描述語言稍作邏輯程式設計並程式設計到積體電路中，就可以很容易得到實現該邏輯方法流程的硬體電路。
控制器可以按任何適當的方式實現，例如，控制器可以採取例如微處理器或處理器以及儲存可由該（微）處理器執行的電腦可讀程式碼（例如軟體或韌體）的電腦可讀介質、邏輯閘、開關、專用積體電路（Application Specific Integrated Circuit，ASIC）、可程式化邏輯控制器和嵌入微控制器的形式，控制器的例子包括但不限於以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20 以及Silicone Labs C8051F320，記憶體控制器還可以被實現為記憶體的控制邏輯的一部分。本領域技術人員也知道，除了以純電腦可讀程式碼方式實現控制器以外，完全可以通過將方法步驟進行邏輯程式設計來使得控制器以邏輯閘、開關、專用積體電路、可程式化邏輯控制器和嵌入微控制器等的形式來實現相同功能。因此這種控制器可以被認為是一種硬體部件，而對其內包括的用於實現各種功能的裝置也可以視為硬體部件內的結構。或者甚至，可以將用於實現各種功能的裝置視為既可以是實現方法的軟體模組又可以是硬體部件內的結構。
上述實施例闡明的系統、裝置、模組或單元，具體可以由電腦晶片或實體實現，或者由具有某種功能的產品來實現。一種典型的實現設備為電腦。具體的，電腦例如可以為個人電腦、筆記型電腦、蜂巢式電話、相機電話、智慧型電話、個人數位助理、媒體播放機、導航設備、電子郵件設備、遊戲控制台、平板電腦、可穿戴設備或者這些設備中的任何設備的組合。
為了描述的方便，描述以上裝置時以功能分為各種單元分別描述。當然，在實施本發明時可以把各單元的功能在同一個或多個軟體和/或硬體中實現。
本領域內的技術人員應明白，本發明的實施例可提供為方法、系統、或電腦程式產品。因此，本發明可採用完全硬體實施例、完全軟體實施例、或結合軟體和硬體方面的實施例的形式。而且，本發明可採用在一個或多個其中包含有電腦可用程式碼的電腦可用儲存介質（包括但不限於磁碟記憶體、CD-ROM、光學記憶體等）上實施的電腦程式產品的形式。
本發明是參照根據本發明的方法、設備（系統）、和電腦程式產品的流程圖和／或方塊圖來描述的。應理解可由電腦程式指令實現流程圖和／或方塊圖中的每一流程和／或方塊、以及流程圖和／或方塊圖中的流程和／或方塊的結合。可提供這些電腦程式指令到通用電腦、專用電腦、嵌入式處理機或其他可程式化資料處理設備的處理器以產生一個機器，使得通過電腦或其他可程式化資料處理設備的處理器執行的指令產生用於實現在流程圖一個流程或多個流程和／或方塊圖一個方塊或多個方塊中指定的功能的裝置。
這些電腦程式指令也可儲存在能引導電腦或其他可程式化資料處理設備以特定方式工作的電腦可讀記憶體中，使得儲存在該電腦可讀記憶體中的指令產生包括指令裝置的製造品，該指令裝置實現在流程圖一個流程或多個流程和／或方塊圖一個方塊或多個方塊中指定的功能。
這些電腦程式指令也可裝載到電腦或其他可程式化資料處理設備上，使得在電腦或其他可程式化設備上執行一系列操作步驟以產生電腦實現的處理，從而在電腦或其他可程式化設備上執行的指令提供用於實現在流程圖一個流程或多個流程和／或方塊圖一個方塊或多個方塊中指定的功能的步驟。
在一個典型的配置中，計算設備包括一個或多個處理器（CPU）、輸入/輸出介面、網路介面和記憶體。
記憶體可能包括電腦可讀介質中的非永久性記憶體，隨機存取記憶體（RAM）和/或非揮發性記憶體等形式，如唯讀記憶體（ROM）或快閃記憶體（flash RAM）。記憶體是電腦可讀介質的示例。
電腦可讀介質包括永久性和非永久性、可移動和非可移動媒體可以由任何方法或技術來實現資訊儲存。資訊可以是電腦可讀指令、資料結構、程式的模組或其他資料。電腦的儲存介質的例子包括，但不限於相變記憶體（PRAM）、靜態隨機存取記憶體（SRAM）、動態隨機存取記憶體（DRAM）、其他類型的隨機存取記憶體（RAM）、唯讀記憶體（ROM）、電可擦除可程式化唯讀記憶體（EEPROM）、快閃記憶體或其他記憶體技術、唯讀光碟唯讀記憶體（CD-ROM）、數位多功能光碟（DVD）或其他光學儲存、磁盒式磁帶，磁帶磁磁片儲存或其他磁性存放裝置或任何其他非傳輸介質，可用於儲存可以被計算設備訪問的資訊。按照本文中的界定，電腦可讀介質不包括暫存電腦可讀媒體（transitory media），如調變的資料信號和載波。
還需要說明的是，術語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、商品或者設備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、商品或者設備所固有的要素。在沒有更多限制的情況下，由語句“包括一個……”限定的要素，並不排除在包括所述要素的過程、方法、商品或者設備中還存在另外的相同要素。
本領域技術人員應明白，本發明的實施例可提供為方法、系統或電腦程式產品。因此，本發明可採用完全硬體實施例、完全軟體實施例或結合軟體和硬體方面的實施例的形式。而且，本發明可採用在一個或多個其中包含有電腦可用程式碼的電腦可用儲存介質（包括但不限於磁碟記憶體、CD-ROM、光學記憶體等）上實施的電腦程式產品的形式。
本發明可以在由電腦執行的電腦可執行指令的一般上下文中描述，例如程式模組。一般地，程式模組包括執行特定任務或實現特定抽象資料類型的常式、程式、物件、元件、資料結構等等。也可以在分散式運算環境中實踐本發明，在這些分散式運算環境中，由通過通信網路而被連接的遠端處理設備來執行任務。在分散式運算環境中，程式模組可以位於包括存放裝置在內的本地和遠端電腦儲存介質中。
本說明書中的各個實施例均採用遞進的方式描述，各個實施例之間相同相似的部分互相參見即可，每個實施例重點說明的都是與其他實施例的不同之處。尤其，對於系統實施例而言，由於其基本相似於方法實施例，所以描述的比較簡單，相關之處參見方法實施例的部分說明即可。
以上所述僅為本發明的實施例而已，並不用於限制本發明。對於本領域技術人員來說，本發明可以有各種更改和變化。凡在本發明的精神和原理之內所作的任何修改、等同替換、改進等，均應包含在本發明的申請專利範圍範圍之內。
其中，在上述公式中，
為第一機率所對應的權重係數，