WO2017181769A1 - 一种人脸识别方法、装置和系统、设备、存储介质 - Google Patents

Abstract

一种人脸识别方法、装置、系统、设备和存储介质，该方法包括获取待识别对象的多张不同视角的人脸图像（101）；分别从该多张不同视角的人脸图像中提取人脸特征信息，得到该待识别对象对应的人脸特征信息组（102）；基于该人脸特征信息组对该待识别对象的人脸进行识别，得到识别结果（103）。

Description

一种人脸识别方法、装置和系统、设备、存储介质

本专利申请要求2016年04月21日提交的中国专利申请号为201610251027.7，申请人为腾讯科技(深圳)有限公司，发明名称为“一种人脸识别方法、装置和系统”的优先权，该申请的全文以引用的方式并入本申请中。

技术领域

本发明涉及通信技术领域，具体涉及一种人脸识别方法、装置和系统、设备、存储介质。

背景技术

人脸识别，也称为人像识别或面部识别，是基于人的脸部特征信息进行身份识别的一种识别技术。它可以通过摄像设备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的一系列相关处理。

在对现有技术的研究和实践过程中，本发明的发明人发现，在现有方案中，由于采用的是单摄像头，视角范围有限，只能拍到一个角度的人脸图片，因此，识别的准确性较低，而且，也影响其抗攻击能力，安全性较低，比如，一个没有门禁权限的外来人可以轻易地使用内部人的照片顺利通过门禁，等等。

发明内容

本发明实施例提供一种人脸识别方法、装置和系统、设备、存储介质，能够提高其识别的准确性和安全性。

一方面，本发明实施例提供一种人脸识别方法，包括：

获取待识别对象的多张不同视角的人脸图像；

分别从所述多张不同视角的人脸图像中提取人脸特征信息，得到所述待识别对象对应的人脸特征信息组；

基于所述人脸特征信息组对所述待识别对象的人脸进行识别，得到识别结果。

另一方面，本发明实施例还提供一种人脸识别装置，包括：

获取单元，配置为获取待识别对象的多张不同视角的人脸图像；

提取单元，配置为分别从所述多张不同视角的人脸图像中提取人脸特征信息，得到所述待识别对象对应的人脸特征信息组；

识别单元，配置为基于所述人脸特征信息组对所述待识别对象的人脸进行识别，得到识别结果。

再一方面，本发明实施例还提供一种人脸识别系统，包括本发明实施例提供的任一种人脸识别装置。

还一方面，本发明实施例提供一种计算机存储介质，所述计算机存储介质中存储有计算机可执行指令，该计算机可执行指令用于执行上述实施例提供的一种人脸识别方法。

最后一方面，本发明实施例提供一种人脸识别设备，包括：处理器和用于存储可执行指令的存储介质，其中，处理器配置为执行存储的可执行指令，所述可执行指令包括：

获取待识别对象的多张不同视角的人脸图像；

分别从所述多张不同视角的人脸图像中提取人脸特征信息，得到所述待识别对象对应的人脸特征信息组；

基于所述人脸特征信息组对所述待识别对象的人脸进行识别，得到识别结果。

本发明实施例采用获取待识别对象的多张不同视角的人脸图像，并分 别从该多张不同视角的人脸图像中提取人脸特征信息，得到该待识别对象对应的人脸特征信息组，然后，基于该人脸特征信息组对该待识别对象的人脸进行识别，得到识别结果；由于该方案可以获取待识别对象的多张不同视角的人脸图像，因此，相对于只获取单张人脸图像而言，可以提高识别的准确性，而且，由于所获取到的多张人脸图像是不同视角的，因此，有利于重建出待识别对象的三维信息，避免人脸图片的攻击，可以大大提高识别的安全性。

附图说明

为了更清楚地说明本发明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地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，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1a是本发明实施例提供的人脸识别方法的场景示意图；

图1b是本发明实施例提供的人脸识别方法的流程图；

图2是本发明实施例提供的人脸识别方法的另一流程图；

图3是本发明实施例提供的人脸识别方法的又一流程图；

图4a是本发明实施例提供的人脸识别装置的结构示意图；

图4b是本发明实施例提供的人脸识别装置的另一结构示意图；

图5是本发明实施例提供的控制设备的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在人脸识别技术中，一般会采用单摄像头获取一幅包含待识别人脸的图像，比如，可以在门禁关闸的上方按照一台摄像头，通过该摄像头获取包括需要通过该关闸的人员的人脸的图像，然后，利用算法检测该图像，以提取人脸的特征向量，并将提取到的特征向量与预设注册库中人脸的特征向量进行一一比对，计算特征间的相似度，若相似度超过预设阈值，则确定匹配成功，表示验证通过。其中，注册库中的人脸也用相同的算法提取特征向量。

本发明实施例提供一种人脸识别系统。

其中，该人脸识别系统可以包括本发明实施例所提供的任一种人脸识别装置，该人脸识别装置可以集成控制设备中，此外，该人脸识别系统还可以包括多台摄像设备，比如摄像头等。比如，参见图1a，可以在通道的不同方位上架设多台摄像头，这样，当待识别对象，比如人通过该通道时，便可以获取该待识别对象(比如人)的多张不同视角的人脸图像。需说明的是，为了描述方便，图中仅仅给出4台摄像设备，应当理解的是，该摄像设备至少有两台，数量可以根据实际应用的需求而定。

其中，如图1a所示，该多台摄像设备在获取到待识别对象的多张不同视角的人脸图像之后，比如，在获取到A角度人脸图像、B角度人脸图像、C角度人脸图像和D角度人脸图像等人脸图像之后，便可以将这些人脸图像提供给控制设备，由该控制设备分别从该多张不同视角的人脸图像中提取人脸特征信息，得到该待识别对象对应的人脸特征信息组，然后，基于该人脸特征信息组对该待识别对象的人脸进行识别，得到识别结果。比如，可以将该人脸特征信息组中的人脸特征信息进行融合，得到融合特征信息，然后，计算该融合特征信息与预设第一数据库中的人脸特征信息的相似度，以得到识别结果；或者，也可以分别计算该人脸特征信息组中的人脸特征信息与验证对象的人脸特征信息的相似度，得到对应的多个独立相似度， 然后，再将得到的多个独立相似度进行融合，以得到识别结果，等等。

以下将分别进行详细说明。

本实施例将从人脸识别装置的角度进行描述，该人脸识别装置可以集成在控制设备，比如终端或服务器等设备中。

一种人脸识别方法，包括：获取待识别对象的多张不同视角的人脸图像；分别从该多张不同视角的人脸图像中提取人脸特征信息，得到该待识别对象对应的人脸特征信息组；基于该人脸特征信息组对该待识别对象的人脸进行识别，得到识别结果。

如图1b所示，该人脸识别方法的流程可以如下：

步骤101、获取待识别对象的多张不同视角的人脸图像。

例如，可以通过多台摄像设备从不同方位获取待识别对象的人脸图像，得到识别对象的多张不同视角的人脸图像。

其中，摄像设备指的是可以实时获取图像数据的设备，比如，摄像头、相机、摄录机或摄影机等，为了描述方便，在本发明实施例中，均以摄像头为例进行说明。

为了获取待识别对象的多张不同视角的人脸图像，这些摄像设备可以按照在不同的位置，以门禁为例，可以分别安装在门禁入口的前、后、上、左和/或右等位置，安装时，可以直接安装在门框、墙上、天花板上、或者也可以另外假设支架来进行安置，安装方式、摄像设备的总数量、以及每个安置点的摄像设备的数量均可以根据实际应用的需求而定，在此不再赘述。

在本发明的其他实施例中，由于摄像设备在拍摄待识别对象时，可能会拍摄到一些没有人脸图像的图片，因此，在对待识别对象进行拍摄之后，还可以对拍摄到的图片进行筛选，以得到该待识别对象的多张不同视角的人脸图像。

步骤102、分别从该多张不同视角的人脸图像中提取人脸特征信息，得到该待识别对象对应的人脸特征信息组。

例如，以待识别对象A的正面、左边和右边三张不同视角的人脸图像为例，则此时，可以分别从正面、左边和右边这三张人脸图像中提取人脸特征信息，然后，将提取到的人脸特征信息按照正面、左边和右边的分类添加至待识别对象A对应的人脸特征信息组中。

其中，人脸特征信息可以包括眼睛、眉毛、鼻子、嘴、耳朵、脸型、以及头发等人脸特征的相关信息，比如形状、大小、相对位置和/或颜色等信息。为了运算方便，可以将该人脸特征信息用向量来表示，即该人脸特征信息可以为人脸特征向量。

在本发明的其他实施例中，为了防止手机相片或纸片等非活体人脸的攻击(比如有人拿了一张相片作为待识别对象)，在分别从该多张不同视角的人脸图像中提取人脸特征信息之前，还可以对该待识别对象进行活体检测，即在步骤“分别从该多张不同视角的人脸图像中提取人脸特征信息”之前，该人脸识别方法还可以包括：

对该待识别对象进行活体检测，以确定该待识别对象的人脸是否为一个平面图像，若为平面图像，则流程结束；若不是平面图像，则执行从该多张不同视角的人脸图像中提取人脸特征信息的步骤。

其中，对待识别对象进行活体检测的方式可以有多种，比如，可以采用多视角三维信息重建的方法，通过摄像头标定、平面拟合特征点或点云匹配的方法来判断人脸是否是一个平面图像，即步骤“对待识别对象进行活体检测，以确定该待识别对象的人脸是否为一个平面图像”可以包括采用如下任意一种方式：(1)根据该多张不同视角的人脸图像，通过摄像设备标定方法还原人脸的深度信息，根据该深度信息确定该待识别对象的人脸是否为一个平面图像。(2)根据所述多张不同视角的人脸图像，通过平 面拟合特征点或点云匹配的方法确定该待识别对象的人脸是否为一个平面图像，如下：采用平面拟合各个人脸特征向量，然后根据拟合的方差判断这些人脸特征向量是否是同一个平面。或者，直接通过点云匹配的方法，利用多目视觉算法重建物体的三维信息，根据这些三维信息判断该待识别对象的人脸是否为一个平面图像。

需说明的是，除了上述方法之外，还可以采用其他的方法来确定该待识别对象的人脸是否为一平面图像，应当理解的是，上述仅仅为示例，并不局限于以上方法。

步骤103、基于该人脸特征信息组对该待识别对象的人脸进行识别，得到识别结果。

其中，识别的方式可以有多种，例如，可以如下：

(1)第一种方式：特征融合。

将该人脸特征信息组中的人脸特征信息进行融合，得到融合特征信息，计算该融合特征信息与预设第一数据库中的人脸特征信息的相似度，在该第一数据库中选择相似度最高的人脸特征信息作为识别结果。

例如，以该人脸特征信息用人脸特征向量表示为例，则可以采用特征融合函数将该人脸特征信息组中的人脸特征向量进行融合，得到融合特征向量，如下：

设I₁,I₂,…,I_n是n个不同视角的人脸图像，f₁,f₂,…,f_n是分别从I₁,I₂,…,I_n人脸图像中提取的人脸特征向量，M₁(·)是一个特征融合函数，则多个视角的人脸特征向量经过融合后，得到融合特征向量为公式(1-1)：

f＝M₁(f₁,f₂,…,f_n)            (1-1)；

将融合特征向量f与第一数据库中的任一人脸特征向量

进行比对(i是第一数据库中注册人脸的序号)，以计算其相似度，比如，若用比对分数s⁽ⁱ⁾来表示该相似度，而用S(·)来表示相似度计算函数，则该步骤可以用公式 表示为公式(1-2)：

此后，可以在该第一数据库中选择相似度最高的人脸特征信息作为识别结果，即可以用如下公式(1-3)来表示：

其中，特征融合函数M₁(·)和相似度计算函数S(·)均可以根据实际应用的需求而定，比如，特征融合函数M₁(·)既可以取不同人脸特征向量在每一维上特征的最大、最小、平均值或加权平均值来进行计算，也可以采用主成分分析(PCA，Principal Component Analysis)的方法来融合各个人脸特征向量等等，其中，PCA是一种掌握事物主要矛盾的统计分析方法，它可以从多元事物中解析出主要影响因素，揭示事物的本质，简化复杂的问题。计算主成分的目的是将高维数据投影到较低维空间；而相似度计算函数S(·)则可以通过计算向量间的余弦距离、欧式距离、或马氏距离等，并结合向量归一化等手段来实现。应当理解的是，关于特征融合函数M₁(·)和相似度计算函数S(·)的实现，上述例子仅仅为示例，并不局限于这些方法。

其中，该第一数据库为人脸信息注册库，其保存有多个已注册的人脸特征信息，可以由系统自行通过获取已注册的人脸特征信息来进行建立，或者，也可以由维护人员手动录入该多个已注册的人脸特征信息来进行建立，等等，在此不再赘述。

(2)第二种方式：分数融合。

在预设第二数据库中确定当前需要进行比较的验证对象，分别计算该人脸特征信息组中的人脸特征信息与该验证对象的人脸特征信息的相似度，得到对应的多个独立相似度，将得到的多个独立相似度进行融合，得到融合相似度，在该第二数据库中选择融合相似度最高的验证对象的人脸 特征信息作为识别结果。

例如，以该人脸特征信息用人脸特征向量表示为例，则可以采用分数融合函数将该多个独立相似度进行融合，得到融合相似度，如下：

设I₁,I₂,…,I_n是n个不同视角摄像头采集到的人脸特征图像，f₁,f₂,…,f_n是从I₁,I₂,…,I_n人脸特征图像中提取的人脸特征向量，将这n个人脸特征向量分别与第二数据库中人脸i的人脸特征向量

进行比对，计算相似度后得到n个视角的相似度分数

采用是分数融合函数M₂(·)对这些分数进行融合，得到融合分数s⁽ⁱ⁾，如下公式(1-4)：

取相似度最高的注册人脸i^*为识别结果，即公式(1-5)：

其中，分数融合函数M₂(·)可以根据实际应用的需求而定，比如，分数融合函数M₂(·)可以取分数的最大、最小、平均值或加权平均值来进行计算，也可以采用回归训练的方法确定融合后的概率分数，等等。

其中，在采用回归训练的方法进行融合时，融合得到的分数不再代表人脸之间的相似度，而是一个概率值。这个概率值代表了这组多视角人脸能够与注册人脸i匹配的概率大小。通常，在训练过程中，用

这组分数作为一个输入样本，用这组人脸与注册人脸i是否匹配作为输出(比如匹配为1，不匹配为0)，进行回归训练。此时，如果令M₂(·)为训练获得的回归函数R(·)，则有公式(1-6)：

其中p⁽ⁱ⁾是输入分数

经回归计算后输出的概率值，可以将该概率值作为融合分数。

需说明的是，关于分数融合函数M₂(·)的实现，上述例子仅仅为示例，应当理解的是，不局限于这些方法。

还需说明的是，其中，该第二数据库可以为人脸信息注册库，其保存有多个已注册的人脸特征信息，可以由系统自行通过获取已注册的人脸特征信息来进行建立，或者，也可以由维护人员手动录入该多个已注册的人脸特征信息来进行建立，等等。此外，该第二数据库可以采用与第一数据库相同的数据库，也可以采用与第一数据库不同的数据库，在此不再赘述。

由上可知，本发明实施例采用获取待识别对象的多张不同视角的人脸图像，并分别从该多张不同视角的人脸图像中提取人脸特征信息，得到该待识别对象对应的人脸特征信息组，然后，基于该人脸特征信息组对该待识别对象的人脸进行识别，得到识别结果；由于该方案可以获取待识别对象的多张不同视角的人脸图像，因此，相对于只获取单张人脸图像而言，可以提高识别的准确性，而且，由于所获取到的多张人脸图像是不同视角的，因此，有利于重建出待识别对象的三维信息，避免人脸图片的攻击，可以大大提高识别的安全性。

根据本实施例所描述的方法，以下将在实施例中举例作进一步详细说明。

在本实施例中，将以该人脸识别系统包括人脸识别装置和多个摄像头，且该人脸识别装置集成在控制设备中为例进行说明。

如图2所示，一种人脸识别方法，流程可以如下：

步骤201、位于不同方位的多台摄像头分别对识别对象进行拍摄，并分别将拍摄得到的多张图片发送给控制设备。

其中，根据不同的应用场景，这多台摄像头的数量和安装位置可以有所不同，比如，对于门禁人脸识别场景，可以将这多台摄像头分别安装在门禁入口的门框或支架上、左和右侧位置；对于闸机人脸识别场景，可以 将这多台摄像头分别安装在左右闸机上，条件允许可以增设框架，这样可以有更多各个方位的可选位置；而对于会议签到人脸识别场景，由于需要满足小型化的应用需求，因此可以部署在平板电脑等识别设备上，即直接采用平板电脑等或笔记本电脑等自带的摄像头，等等。此外，在每一个安装点，既可以安装单个摄像头，也可以安装多个摄像头，以形成一个摄像头组，从而提高识别的效果。

步骤202、控制设备在分别接收到多台摄像头发送的图片后，从接收到的图片中筛选掉没有人脸图像的图片，得到待识别对象的多张不同视角的人脸图像。

例如，可以通过人脸识别技术筛选掉没有人脸图像的图片，等等。

步骤203、控制设备对该待识别对象进行活体检测，以确定该待识别对象的人脸是否为一个平面图像，若为平面图像，则流程结束；若不是平面图像，则执行步骤204。

其中，对待识别对象进行活体检测的方式可以有多种，比如，可以采用多视角三维信息重建的方法，通过摄像头标定、平面拟合特征点或点云匹配的方法来判断人脸是否是一个平面图像，可以如下：

(1)根据该多张不同视角的人脸图像，通过摄像设备标定方法还原人脸的深度信息，根据该深度信息确定该待识别对象的人脸是否为一个平面图像。

(2)根据所述多张不同视角的人脸图像，通过平面拟合特征点或点云匹配的方法确定该待识别对象的人脸是否为一个平面图像，如下：

采用平面拟合各个人脸特征向量，然后根据拟合的方差判断这些人脸特征向量是否是同一个平面。或者，直接通过点云匹配的方法，利用多目视觉算法重建物体的三维信息，根据这些三维信息判断该待识别对象的人脸是否为一个平面图像。

需说明的是，除了上述方法之外，还可以采用其他的方法来确定该待识别对象的人脸是否为一平面图像，应当理解的是，上述仅仅为示例，并不局限于以上方法。

204、控制设备分别从该多张不同视角的人脸图像中提取人脸特征信息，得到该待识别对象对应的人脸特征信息组。

其中，人脸特征信息可以包括眼睛、眉毛、鼻子、嘴、耳朵、脸型、以及头发等人脸特征的相关信息，比如形状、大小、相对位置和/或颜色等信息。为了运算方便，可以将该人脸特征信息用向量来表示，即该人脸特征信息可以为人脸特征向量。

205、控制设备将该人脸特征信息组中的人脸特征信息进行融合，得到融合特征信息。

例如，以该人脸特征信息用人脸特征向量表示为例，则可以采用特征融合函数将该人脸特征信息组中的人脸特征向量进行融合，得到融合特征向量，如下：

设I₁,I₂,…,I_n是n个不同视角的人脸图像，f₁,f₂,…,f_n是分别从I₁,I₂,…,I_n人脸图像中提取的人脸特征向量，M₁(·)是一个特征融合函数，则多个视角的人脸特征向量经过融合后，得到融合特征向量为公式(2-1)：

f＝M₁(f₁,f₂,…,f_n)            (2-1)；

其中，特征融合函数M₁(·)既可以取不同人脸特征向量在每一维上特征的最大、最小、平均值或加权平均值来进行计算，也可以采用PCA的方法来融合各个人脸特征向量，此外，还可以采用其他的方式，等等，可根据实际应用的需求而定，在此不再赘述。

206、控制设备计算该融合特征信息与预设第一数据库中的人脸特征信息的相似度。

例如，还是以人脸特征信息用人脸特征向量表示为例，则在步骤205 得到融合特征向量f后，可以将融合特征向量f与第一数据库中的任一人脸特征向量

进行比对(i是第一数据库中注册人脸的序号)，以计算其相似度，比如，若用比对分数s⁽ⁱ⁾来表示该相似度，而用S(·)来表示相似度计算函数，则该步骤可以用公式表示为公式(2-2)：

其中，相似度计算函数S(·)可以通过计算向量间的余弦距离、欧式距离、或马氏距离等，并结合向量归一化等手段来实现，当然，也可以采用其他的方式，可根据实际应用的需求而定，在此不再赘述。

其中，该第一数据库为人脸信息注册库，其保存有多个已注册的人脸特征信息，可以由系统自行通过获取已注册的人脸特征信息来进行建立，或者，也可以由维护人员手动录入该多个已注册的人脸特征信息来进行建立，等等，在此不再赘述。

207、控制设备在该第一数据库中选择相似度最高的人脸特征信息作为识别结果。例如，可以如下公式(2-3)：

此外，需说明的是，在得到识别结果之后，还可以根据该识别结果作进一步的操作，比如进行门禁的控制、闸机的开关或签到的操作，等等，可以根据实际应用场景的需求进行设置，在此不再赘述。

由上可知，本发明实施例可以通过位于不同方位的多个摄像头获取待识别对象的多张不同视角的人脸图像，并由控制设备分别从该多张不同视角的人脸图像中提取人脸特征信息，得到该待识别对象对应的人脸特征信息组，然后，基于该人脸特征信息组，采用特征融合方法对该待识别对象的人脸进行识别，得到识别结果；由于该方案可以获取待识别对象的多张不同视角的人脸图像，尽可能多的保留了人脸各个角度的信息，不同角度之间形成互补，提高了信息量，因此，相对于只获取单张人脸图像而言， 可以提高识别的准确性，而且，由于所获取到的多张人脸图像是不同视角的，因此，有利于重建出待识别对象的三维信息，避免人脸图片的攻击，可以大大提高识别的安全性。

在本实施例中，还是以该人脸识别系统包括人脸识别装置和多个摄像头，且该人脸识别装置集成在控制设备中为例进行说明；与上个实施例不同的是，在本实施例中，将采用分数融合方法来对多个人脸特征信息进行融合和识别，以下将进行详细说明。

如图3所示，一种人脸识别方法，流程可以如下：

301、位于不同方位的多台摄像头分别对识别对象进行拍摄，并分别将拍摄得到的多张图片发送给控制设备。

其中，根据不同的应用场景，这多台摄像头的数量和安装位置可以有所不同，可参见步骤201，在此不再赘述。

302、控制设备在分别接收到多台摄像头发送的图片后，从接收到的图片中筛选掉没有人脸图像的图片，得到待识别对象的多张不同视角的人脸图像。

例如，可以通过人脸识别技术筛选掉没有人脸图像的图片，等等。

303、控制设备对该待识别对象进行活体检测，以确定该待识别对象的人脸是否为一个平面图像，若为平面图像，则流程结束；若不是平面图像，则执行步骤304。

其中，对待识别对象进行活体检测的方式可以有多种，可参见步骤203，在此不再赘述。

304、控制设备分别从该多张不同视角的人脸图像中提取人脸特征信息，得到该待识别对象对应的人脸特征信息组。

其中，人脸特征信息可以包括眼睛、眉毛、鼻子、嘴、耳朵、脸型、 以及头发等人脸特征的相关信息，比如形状、大小、相对位置和/或颜色等信息。为了运算方便，可以将该人脸特征信息用向量来表示，即该人脸特征信息可以为人脸特征向量。

305、控制设备在预设第二数据库中确定当前需要进行比较的验证对象，分别计算该人脸特征信息组中的人脸特征信息与该验证对象的人脸特征信息的相似度，得到对应的多个独立相似度。

其中，该第二数据库可以为人脸信息注册库，其保存有多个已注册的人脸特征信息，可以由系统自行通过获取已注册的人脸特征信息来进行建立，或者，也可以由维护人员手动录入该多个已注册的人脸特征信息来进行建立，等等。此外，该第二数据库可以采用与第一数据库相同的数据库，也可以采用与第一数据库不同的数据库，在此不再赘述。

306、控制设备将得到的多个独立相似度进行融合，得到融合相似度。

例如，以该人脸特征信息用人脸特征向量表示为例，则可以采用分数融合函数将该多个独立相似度进行融合，得到融合相似度，如下：

设I₁,I₂,…,I_n是n个不同视角摄像头采集到的人脸特征图像，f₁,f₂,…,f_n是从I₁,I₂,…,I_n人脸特征图像中提取的人脸特征向量，将这n个人脸特征向量分别与第二数据库中人脸i的人脸特征向量

进行比对，计算相似度后得到n个视角的相似度分数

采用是分数融合函数M₂(·)对这些分数进行融合，得到融合分数s⁽ⁱ⁾，如下公式(3-1)：

其中，分数融合函数M₂(·)可以取分数的最大、最小、平均值或加权平均值来进行计算，也可以采用回归训练的方法确定融合后的概率分数，等等。

其中，在采用回归训练的方法进行融合时，融合得到的分数不再代表人脸之间的相似度，而是一个概率值。这个概率值代表了这组多视角人脸 能够与注册人脸i匹配的概率大小。通常，在训练过程中，用

这组分数作为一个输入样本，用这组人脸与注册人脸i是否匹配作为输出(比如匹配为1，不匹配为0)，进行回归训练。此时，如果令M₂(·)为训练获得的回归函数R(·)，则有公式(3-2)：

其中p⁽ⁱ⁾是输入分数

经回归计算后输出的概率值，可以将该概率值作为融合分数。

需说明的是，关于分数融合函数M₂(·)的实现，上述例子仅仅为示例，应当理解的是，不局限于这些方法。

307、控制设备在该第二数据库中选择融合相似度最高的验证对象的人脸特征信息作为识别结果。例如，可以如下公式(3-3)：

此外，需说明的是，在得到识别结果之后，还可以根据该识别结果作进一步的操作，比如进行门禁的控制、闸机的开关或签到的操作，等等，可以根据实际应用场景的需求进行设置，在此不再赘述。

由上可知，本发明实施例可以通过位于不同方位的多个摄像头获取待识别对象的多张不同视角的人脸图像，并由控制设备分别从该多张不同视角的人脸图像中提取人脸特征信息，得到该待识别对象对应的人脸特征信息组，然后，基于该人脸特征信息组，采用分数融合方法对该待识别对象的人脸进行识别，得到识别结果；由于该方案可以获取待识别对象的多张不同视角的人脸图像，尽可能多的保留了人脸各个角度的信息，不同角度之间形成互补，提高了信息量，因此，相对于只获取单张人脸图像而言，可以提高识别的准确性，而且，由于所获取到的多张人脸图像是不同视角的，因此，有利于重建出待识别对象的三维信息，避免人脸图片的攻击，可以大大提高识别的安全性。

为了更好地实施以上方法，本发明实施例还提供一种人脸识别装置，如图4a所示，该人脸识别装置包括获取单元401、提取单元402和识别单元403，如下：

(1)获取单元401；

获取单元401，配置为获取待识别对象的多张不同视角的人脸图像。

例如，该获取单元401，配置为通过多台摄像设备从不同方位获取待识别对象的人脸图像，得到识别对象的多张不同视角的人脸图像。

其中，摄像设备指的是可以实时获取图像数据的设备，比如，摄像头、相机、摄录机或摄影机等。

为了获取待识别对象的多张不同视角的人脸图像，这些摄像设备可以按照在不同的位置，以门禁为例，可以分别安装在门禁入口的前、后、上、左和/或右等位置，安装时，可以直接安装在门框、墙上、天花板上、或者也可以另外假设支架来进行安置，安装方式、摄像设备的总数量、以及每个安置点的摄像设备的数量均可以根据实际应用的需求而定，在此不再赘述。

在本发明的其他实施例中，由于摄像设备在拍摄待识别对象时，可能会拍摄到一些没有人脸图像的图片，因此，在对待识别对象进行拍摄之后，获取单元401还可以对拍摄到的图片进行筛选，以得到该待识别对象的多张不同视角的人脸图像。

(2)提取单元402；

提取单元402，配置为分别从该多张不同视角的人脸图像中提取人脸特征信息，得到该待识别对象对应的人脸特征信息组。

其中，人脸特征信息可以包括眼睛、眉毛、鼻子、嘴、耳朵、脸型、以及头发等人脸特征的相关信息，比如形状、大小、相对位置和/或颜色等 信息。为了运算方便，可以将该人脸特征信息用向量来表示，即该人脸特征信息可以为人脸特征向量。

(3)识别单元403；

识别单元403，配置为基于该人脸特征信息组对该待识别对象的人脸进行识别，得到识别结果。

其中，识别的方式可以有多种，例如，可以如下：

A、第一种方式：特征融合。其中，该识别单元403可以包括第一融合子单元、第一计算子单元和第一选择子单元，如下：

该第一融合子单元，配置为将该人脸特征信息组中的人脸特征信息进行融合，得到融合特征信息；

该第一计算子单元，配置为计算该融合特征信息与预设第一数据库中的人脸特征信息的相似度；

该第一选择子单元，配置为在该第一数据库中选择相似度最高的人脸特征信息作为识别结果。

例如，以该人脸特征信息用人脸特征向量表示为例，则该第一融合子单元，配置为采用特征融合函数将该人脸特征信息组中的人脸特征向量进行融合，得到融合特征向量，可参见前面的方法实施例，在此不再赘述。

其中，该第一数据库和特征融合函数可以根据实际应用的需求而定，详见前面的实施例，在此不再赘述。

B、第二种方式：分数融合。其中，该识别单元403包括确定子单元、第二计算子单元、第二融合子单元和第二选择子单元，如下：

该确定子单元，配置为在预设第二数据库中确定当前需要进行比较的验证对象；

该第二计算子单元，配置为分别计算该人脸特征信息组中的人脸特征信息与该验证对象的人脸特征信息的相似度，得到对应的多个独立相似度；

该第二融合子单元，配置为将得到的多个独立相似度进行融合，得到融合相似度；

该第二选择子单元，配置为在该第二数据库中选择融合相似度最高的验证对象的人脸特征信息作为识别结果。

例如，以该人脸特征信息用人脸特征向量表示为例，则该第二融合子单元，配置为采用分数融合函数将该多个独立相似度进行融合，得到融合相似度具，体可参见前面的方法实施例，在此不再赘述。

其中，该第二数据库和分数融合函数可以根据实际应用的需求而定，详见前面的实施例，在此不再赘述。

在本发明的其他实施例中，为了防止手机相片或纸片等非活体人脸的攻击，比如有人拿了一张相片作为待识别对象，在分别从该多张不同视角的人脸图像中提取人脸特征信息之前，还可以对该待识别对象进行活体检测，即如图4b所示，该人脸识别装置还可以包括检测单元404，如下：

该检测单元404，可以配置为对该待识别对象进行活体检测，以确定该待识别对象的人脸是否为一个平面图像；若为平面图像，则流程结束；若不是平面图像，则执行从该多张不同视角的人脸图像中提取人脸特征信息的操作。

其中，对待识别对象进行活体检测的方式可以有多种，比如，可以采用多视角三维信息重建的方法，通过摄像头标定、平面拟合特征点或点云匹配的方法来判断人脸是否是一个平面图像，即：

该检测单元404，配置为根据该多张不同视角的人脸图像，通过摄像设备标定方法还原人脸的深度信息；根据该深度信息确定该待识别对象的人脸是否为一个平面图像；或者，

该检测单元404，配置为根据该多张不同视角的人脸图像，通过平面拟合特征点或点云匹配的方法确定该待识别对象的人脸是否为一个平面图 像。

需说明的是，除了上述方式之外，还可以采用其他的方式来确定该待识别对象的人脸是否为一平面图像，应当理解的是，上述仅仅为示例，并不局限于以上方式。

该人脸识别装置可以集成在控制设备，比如终端或服务器等设备中。

实施时，以上各个单位可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个单元的实施可参见前面的方法实施例，在此不再赘述。

由上可知，本发明实施例的人脸识别装置的获取单元401可以获取待识别对象的多张不同视角的人脸图像，并由提取单元402分别从该多张不同视角的人脸图像中提取人脸特征信息，得到该待识别对象对应的人脸特征信息组，然后，由识别单元403基于该人脸特征信息组对该待识别对象的人脸进行识别，得到识别结果；由于该方案可以获取待识别对象的多张不同视角的人脸图像，因此，相对于只获取单张人脸图像而言，可以提高识别的准确性，而且，由于所获取到的多张人脸图像是不同视角的，因此，有利于重建出待识别对象的三维信息，避免人脸图片的攻击，可以大大提高识别的安全性。

本发明实施例还提供一种人脸识别系统，包括本发明实施例所提供的任一种人脸识别装置，参见本实施例，可以如下：

人脸识别装置，配置为获取待识别对象的多张不同视角的人脸图像；分别从该多张不同视角的人脸图像中提取人脸特征信息，得到该待识别对象对应的人脸特征信息组；基于该人脸特征信息组对该待识别对象的人脸进行识别，得到识别结果。

其中，该人脸识别装置可集成在控制设备中，该人脸识别装置的操作 可参见前面的实施例，在此不再赘述。

此外，该人脸识别系统还可以包括多台摄像设备，其中，这多台摄像设备中的每一台摄像设备均可以执行如下操作：

从不同方位获取待识别对象的人脸图像，得到识别对象的多张不同视角的人脸图像，将该识别对象的多张不同视角的人脸图像提供给人脸识别装置，比如提供给控制设备。

为了获取待识别对象的多张不同视角的人脸图像，这些摄像设备可以按照在不同的位置，以门禁为例，可以分别安装在门禁入口的前、后、上、左和/或右等位置，安装时，可以直接安装在门框、墙上、天花板上、或者也可以另外假设支架来进行安置，安装方式、摄像设备的总数量、以及每个安置点的摄像设备的数量均可以根据实际应用的需求而定，在此不再赘述。

其中，摄像设备指的是可以实时获取图像数据的设备，比如，摄像头、相机、摄录机或摄影机等。

以上各个操作可参见前面的实施例，在此不再赘述。

由于该人脸识别系统可以包括本发明实施例所提供的任一种人脸识别装置，因此，可以实现本发明实施例所提供的任一种人脸识别装置所能实现的任一种有益效果，详见前面的实施例，在此不再赘述。

此外，本发明实施例还提供一种控制设备，比如可以为终端或服务器，如图5所示，该控制设备可以包括射频(RF，Radio Frequency)电路501、包括有一个或一个以上计算机可读存储介质的存储器502、输入单元503、显示单元504、传感器505、音频电路506、无线保真(WiFi，Wireless Fidelity)模块507、包括有一个或者一个以上处理核心的处理器508、以及电源509等部件。本领域技术人员可以理解，图5中示出的控制设备结构并不构成对控制设备的限定，可以包括比图示更多或更少的部件，或者组合某些部 件，或者不同的部件布置。其中：

RF电路501可配置为收发信息或通话过程中，信号的接收和发送，特别地，将基站的下行信息接收后，交由一个或者一个以上处理器508处理；另外，将涉及上行的数据发送给基站。通常，RF电路501包括但不限于天线、至少一个放大器、调谐器、一个或多个振荡器、用户身份模块(SIM，Subscriber Identity Module)卡、收发信机、耦合器、低噪声放大器(LNA，Low Noise Amplifier)、双工器等。此外，RF电路501还可以通过无线通信与网络和其他设备通信。所述无线通信可以使用任一通信标准或协议，包括但不限于全球移动通讯系统(GSM，Global System of Mobile communication)、通用分组无线服务(GPRS，General Packet Radio Service)、码分多址(CDMA，Code Division Multiple Access)、宽带码分多址(WCDMA，Wideband Code Division Multiple Access)、长期演进(LTE，Long Term Evolution)、电子邮件、短消息服务(SMS，Short Messaging Service)等。

存储器502可配置为存储软件程序以及模块，处理器508通过运行存储在存储器502的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器502可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据控制设备的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器502可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器502还可以包括存储器控制器，以提供处理器508和输入单元503对存储器502的访问。

输入单元503可配置为接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。 在一个的实施例中，输入单元503可包括触敏表面以及其他输入设备。触敏表面，也称为触摸显示屏或者触控板，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面上或在触敏表面附近的操作)，并根据预先设定的程式驱动相应的连接装置。

在本发明的其他实施例中，触敏表面可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器508，并能接收处理器508发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面。除了触敏表面，输入单元503还可以包括其他输入设备。其他输入设备可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。

显示单元504可配置为显示由用户输入的信息或提供给用户的信息以及控制设备的各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元504可包括显示面板，在本发明的其他实施例中，可以采用液晶显示器(LCD，Liquid Crystal Display)、有机发光二极管(OLED，Organic Light-Emitting Diode)等形式来配置显示面板。进一步的，触敏表面可覆盖显示面板，当触敏表面检测到在其上或附近的触摸操作后，传送给处理器508以确定触摸事件的类型，随后处理器508根据触摸事件的类型在显示面板上提供相应的视觉输出。虽然在图5中，触敏表面与显示面板是作为两个独立的部件来实现输入和输入功能，但是在某些实施例中，可以将触敏表面与显示面板集成而实现输入和输出功能。

控制设备还可包括至少一种传感器505，比如光传感器、运动传感器以及其他传感器。在本发明的其他实施例中，光传感器可包括环境光传感器 及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板的亮度，接近传感器可在控制设备移动到耳边时，关闭显示面板和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可配置为识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于控制设备还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。

音频电路506、扬声器，传声器可提供用户与控制设备之间的音频接口。音频电路506可将接收到的音频数据转换后的电信号，传输到扬声器，由扬声器转换为声音信号输出；另一方面，传声器将收集的声音信号转换为电信号，由音频电路506接收后转换为音频数据，再将音频数据输出处理器508处理后，经RF电路501以发送给比如另一控制设备，或者将音频数据输出至存储器502以便进一步处理。音频电路506还可能包括耳塞插孔，以提供外设耳机与控制设备的通信。

WiFi属于短距离无线传输技术，控制设备通过WiFi模块507可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图5示出了WiFi模块507，但是可以理解的是，其并不属于控制设备的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。

处理器508是控制设备的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在存储器502内的软件程序和/或模块，以及调用存储在存储器502内的数据，执行控制设备的各种功能和处理数据，从而对手机进行整体监控。在本发明的其他实施例中，处理器508可包括一个或多个处理核心。在本发明的其他实施例中，处理器508可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用 户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器508中。

控制设备还包括给各个部件供电的电源509(比如电池)，优选的，电源可以通过电源管理系统与处理器508逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源509还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。

尽管未示出，控制设备还可以包括摄像头、蓝牙模块等，在此不再赘述。在本实施例中，控制设备中的处理器508会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器502中，并由处理器508来运行存储在存储器502中的应用程序，从而实现各种功能：

获取待识别对象的多张不同视角的人脸图像；分别从该多张不同视角的人脸图像中提取人脸特征信息，得到该待识别对象对应的人脸特征信息组；基于该人脸特征信息组对该待识别对象的人脸进行识别，得到识别结果。

上述操作可参见前面的实施例，在此不再赘述。

由上可知，本发明实施例的控制设备可以获取待识别对象的多张不同视角的人脸图像，并分别从该多张不同视角的人脸图像中提取人脸特征信息，得到该待识别对象对应的人脸特征信息组，然后，基于该人脸特征信息组对该待识别对象的人脸进行识别，得到识别结果；由于该方案可以获取待识别对象的多张不同视角的人脸图像，因此，相对于只获取单张人脸图像而言，可以提高识别的准确性，而且，由于所获取到的多张人脸图像是不同视角的，因此，有利于重建出待识别对象的三维信息，避免人脸图片的攻击，可以大大提高识别的安全性。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分 步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、磁盘或光盘等。

需要说明的是，本发明实施例中，如果以软件功能模块的形式实现上述的人脸识别方法，并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。这样，本发明实施例不限制于任何特定的硬件和软件结合。

相应地，本发明实施例再提供一种计算机存储介质，所述计算机存储介质中存储有计算机可执行指令，该计算机可执行指令用于执行本发明实施例中人脸识别方法。

相应地，本发明实施例提供一种人脸识别设备，包括：处理器和用于存储可执行指令的存储介质，其中，处理器配置为执行存储的可执行指令，所述可执行指令包括：

获取待识别对象的多张不同视角的人脸图像；

分别从所述多张不同视角的人脸图像中提取人脸特征信息，得到所述待识别对象对应的人脸特征信息组；

基于所述人脸特征信息组对所述待识别对象的人脸进行识别，得到识别结果。

应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解，在本发明的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。

另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(Read Only Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

工业实用性

本发明实施例采用获取待识别对象的多张不同视角的人脸图像，并分别从该多张不同视角的人脸图像中提取人脸特征信息，得到该待识别对象对应的人脸特征信息组，然后，基于该人脸特征信息组对该待识别对象的 人脸进行识别，得到识别结果；由于该方案可以获取待识别对象的多张不同视角的人脸图像，因此，相对于只获取单张人脸图像而言，可以提高识别的准确性。

Claims (20)

1. 一种人脸识别方法，包括：

   获取待识别对象的多张不同视角的人脸图像；

   分别从所述多张不同视角的人脸图像中提取人脸特征信息，得到所述待识别对象对应的人脸特征信息组；

   基于所述人脸特征信息组对所述待识别对象的人脸进行识别，得到识别结果。
2. 根据权利要求1所述的方法，其中，所述基于所述人脸特征信息组对所述待识别对象的人脸进行识别，得到识别结果，包括：

   将所述人脸特征信息组中的人脸特征信息进行融合，得到融合特征信息；

   计算所述融合特征信息与预设第一数据库中的人脸特征信息的相似度；

   在所述第一数据库中选择相似度最高的人脸特征信息作为识别结果。
3. 根据权利要求2所述的方法，其中，所述人脸特征信息为人脸特征向量，所述融合特征信息为融合特征向量，则所述将所述人脸特征信息组中的人脸特征信息进行融合，得到融合特征信息，包括：

   采用特征融合函数将所述人脸特征信息组中的人脸特征向量进行融合，得到融合特征向量。
4. 根据权利要求1所述的方法，其中，所述基于所述人脸特征信息组对所述待识别对象的人脸进行识别，得到识别结果，包括：

   在预设第二数据库中确定当前需要进行比较的验证对象；

   分别计算所述人脸特征信息组中的人脸特征信息与所述验证对象的人脸特征信息的相似度，得到对应的多个独立相似度；

   将得到的多个独立相似度进行融合，得到融合相似度；

   在所述第二数据库中选择融合相似度最高的验证对象的人脸特征信息作为识别结果。
5. 根据权利要求4所述的方法，其中，所述将得到的多个独立相似度进行融合，得到融合相似度，包括：

   采用分数融合函数将所述多个独立相似度进行融合，得到融合相似度。
6. 根据权利要求1至5任一项所述的方法，其中，所述获取待识别对象的多张不同视角的人脸图像，包括：

   通过多台摄像设备从不同方位获取待识别对象的人脸图像，得到识别对象的多张不同视角的人脸图像。
7. 根据权利要求1至5任一项所述的方法，其中，所述分别从所述多张不同视角的人脸图像中提取人脸特征信息之前，还包括：

   对所述待识别对象进行活体检测，以确定所述待识别对象的人脸是否为一个平面图像；

   若为平面图像，则流程结束；

   若不是平面图像，则执行从所述多张不同视角的人脸图像中提取人脸特征信息的步骤。
8. 根据权利要求7所述的方法，其中，所述对待识别对象进行活体检测，以确定所述待识别对象的人脸是否为一个平面图像，包括：

   根据所述多张不同视角的人脸图像，通过摄像设备标定方法还原人脸的深度信息，根据所述深度信息确定所述待识别对象的人脸是否为一个平面图像；或者，

   根据所述多张不同视角的人脸图像，通过平面拟合特征点或点云匹配的方法确定所述待识别对象的人脸是否为一个平面图像。
9. 一种人脸识别装置，包括：

   获取单元，配置为获取待识别对象的多张不同视角的人脸图像；

   提取单元，配置为分别从所述多张不同视角的人脸图像中提取人脸特征信息，得到所述待识别对象对应的人脸特征信息组；

   识别单元，配置为基于所述人脸特征信息组对所述待识别对象的人脸进行识别，得到识别结果。
10. 根据权利要求9所述的装置，其中，所述识别单元包括第一融合子单元、第一计算子单元和第一选择子单元；

    所述第一融合子单元，配置为将所述人脸特征信息组中的人脸特征信息进行融合，得到融合特征信息；

    所述第一计算子单元，配置为计算所述融合特征信息与预设第一数据库中的人脸特征信息的相似度；

    所述第一选择子单元，配置为在所述第一数据库中选择相似度最高的人脸特征信息作为识别结果。
11. 根据权利要求10所述的装置，其中，所述人脸特征信息为人脸特征向量，所述融合特征信息为融合特征向量，则：

    所述第一融合子单元，配置为采用特征融合函数将所述人脸特征信息组中的人脸特征向量进行融合，得到融合特征向量。
12. 根据权利要求11所述的装置，其中，所述识别单元包括确定子单元、第二计算子单元、第二融合子单元和第二选择子单元；

    所述确定子单元，配置为在预设第二数据库中确定当前需要进行比较的验证对象；

    所述第二计算子单元，配置为分别计算所述人脸特征信息组中的人脸特征信息与所述验证对象的人脸特征信息的相似度，得到对应的多个独立相似度；

    所述第二融合子单元，配置为将得到的多个独立相似度进行融合，得到融合相似度；

    所述第二选择子单元，配置为在所述第二数据库中选择融合相似度最高的验证对象的人脸特征信息作为识别结果。
13. 根据权利要求12所述的装置，其中，所述第二融合子单元，配置为采用分数融合函数将所述多个独立相似度进行融合，得到融合相似度。
14. 根据权利要求9至13任一项所述的装置，其中，所述获取单元，配置为通过多台摄像设备从不同方位获取待识别对象的人脸图像，得到识别对象的多张不同视角的人脸图像。
15. 根据权利要求9至13任一项所述的装置，其中，还包括检测单元；

    所述检测单元，配置为对所述待识别对象进行活体检测，以确定所述待识别对象的人脸是否为一个平面图像；若为平面图像，则流程结束；若不是平面图像，则执行从所述多张不同视角的人脸图像中提取人脸特征信息的操作。
16. 根据权利要求15所述的装置，其中，

    所述检测单元，配置为根据所述多张不同视角的人脸图像，通过摄像设备标定方法还原人脸的深度信息；根据所述深度信息确定所述待识别对象的人脸是否为一个平面图像；或者，

    所述检测单元，配置为根据所述多张不同视角的人脸图像，通过平面拟合特征点或点云匹配的方法确定所述待识别对象的人脸是否为一个平面图像。
17. 一种人脸识别系统，包括权利要求9至16任一项所述的人脸识别装置。
18. 根据权利要求17所述的系统，其中，还包括多台摄像设备，配置为从不同方位获取待识别对象的人脸图像，得到识别对象的多张不同视角的人脸图像，并将所述人脸图像提供给人脸识别装置。
19. 一种计算机存储介质，所述计算机存储介质中存储有计算机可执行指令，该计算机可执行指令用于执行权利要求1至8任一项所述的人脸识别方法。
20. 一种人脸识别设备，包括：处理器和用于存储可执行指令的存储介质，其中，处理器配置为执行存储的可执行指令，所述可执行指令包括：

    获取待识别对象的多张不同视角的人脸图像；

    分别从所述多张不同视角的人脸图像中提取人脸特征信息，得到所述待识别对象对应的人脸特征信息组；

    基于所述人脸特征信息组对所述待识别对象的人脸进行识别，得到识别结果。

Images