基于人脸识别的智能供货方法和终端与流程

1.本技术涉及人脸识别技术领域，具体涉及一种基于人脸识别的智能 供货方法和终端。


背景技术：

2.在很多公司等组织团体，办公用品、生活用品和/或日常食品等物品 的供应需要专人管理，管理这些物品的人难以实现全天在岗，且容易受 到经验或者环境等因素的影响，导致供货效率不稳定。有些组织团体随 着自助供货终端的兴起，引入了外部商家提供的自助供货终端，自助供 货终端以不受时间限制，能全天响应用户取货需求的优势能在一定程度 上响应用户的取用需求。
3.然而外部商家提供的自助供货终端往往需要硬币和/或手机电子支 付等手段实现费用支付，以获得所需物品，在没有硬币或手机没电等状 况下便难以响应用户的取用需求，且采用通过硬币和/或手机电子支付的 支付方式往往相对繁杂，容易影响出货效率。


技术实现要素：

4.鉴于此，本技术提供一种基于人脸识别的智能供货方法和终端，以 简化供货流程，提高供货效率。
5.本技术一方面提供一种基于人脸识别的智能供货方法，应用于智能 供货终端，所述智能供货终端包括出货模块，所述方法包括：
6.s100，获取拍摄模块当前在取货区域对取货用户拍摄的人脸图像， 得到取货人脸图像；
7.s200，识别预存的注册图像库中各个注册人脸图像分别与所述取货 人脸图像的第一图像相似度；其中，所述注册图像库记录各个供货对象 的人脸图像；
8.s300，在检测到大于或等于第一相似度阈值的第一图像相似度时， 控制出货模块执行出货操作。
9.在其中一个实施例中，上述基于人脸识别的智能供货方法，还包括：
10.s400，若各个第一图像相似度均小于所述第一相似度阈值，在存在 第一图像相似度大于或等于第二相似度阈值时，将大于或等于第二相似 度阈值的第一图像相似度对应的注册人脸图像确定为待比对图像；
11.s500，将所述取货人脸图像输入预处理模型进行滤波，得到预处理 图像；其中，所述预处理模型用于滤除人脸图像的噪声信息；
12.s600，识别所述预处理图像与所述待比对图像之间的第二图像相似 度，若所述第二图像相似度大于或等于第一相似度阈值，控制所述出货 模块执行出货操作。
13.具体地，所述预处理模型的训练过程包括：
14.s510，采集在特定拍摄环境对多个测试用户拍摄的人脸图像，得到 输入样本图像，获取各个输入样本图像对应的高清人脸图像，得到输出 样本图像；其中，所述高清人脸
图像为质量参数符合预设的质量条件的 人脸图像；
15.s520，以所述输入样本图像为输入，所述输出样本图像为输出，训 练卷积神经网络，获取所述卷积神经网络在训练过程中的损失函数；
16.s540，在所述损失函数达到预设状态时，根据所述卷积神经网络的 网络参数确定预处理模型。
17.具体地，上述基于人脸识别的智能供货方法，还包括：
18.s530，获取所述损失函数的最小值，若所述最小值小于或者等于收 敛阈值，则判定所述损失函数达到预设状态；若所述最小值大于所述收 敛阈值，则增加所述输入样本图像和所述输出样本图像的数量，返回执 行步骤s520，直至所述损失函数的最小值小于或者等于所述收敛阈值。
19.在其中一个实施例中，所述智能供货终端还包括取货窗，所述控制 出货模块执行出货操作包括：
20.s310，输出所供物品的选择范围，读取所述取货用户在所述选择范 围选取的目标物品；
21.s320，控制所述出货模块将所述目标物品推送至取货窗。
22.具体地，所述注册图像库记录各个注册人脸图像的余额数据；所述 控制所述出货模块将所述目标物品推送至取货窗包括：
23.获取所述目标物品的售价数据，若所述售价数据小于或者等于所述 余额数据，则控制所述出货模块将所述目标物品推送至取货窗，将所述 余额数据更新为该余额数据与所述售价数据之差。
24.具体地，上述基于人脸识别的智能供货方法还包括：
25.s700，若各个第一图像相似度均小于所述第二相似度阈值，则从外 接的信用评估平台获取所述取货人脸图像对应的信用评估参数，在所述 信用评估参数大于或者等于信用阈值时，通过采集联系账号的对话窗口 获取所述取货用户的联系账号，并控制所述出货模块执行出货操作，获 取出货信息，将所述联系账号、所述出货信息和所述取货人脸图像推送 至管理终端，使所述管理终端通过所述联系账号为所述取货用户提供支 付途径和/或注册途径。
26.具体地，上述基于人脸识别的智能供货方法还包括：
27.s800，若在设定时段内检测到所述管理终端反馈的所述取货人脸图 像的注册信息，将所述取货人脸图像作为注册人脸图像添加至所述注册 图像库；若在设定时段内未检测到所述管理终端反馈的所述取货人脸图 像的注册信息或者支付信息，将所述取货人脸图像添加至限制图像库； 其中所述限制图像库用于记录不具备取货权限的人脸图像。
28.具体地，在各个第一图像相似度均小于所述第二相似度阈值时，上 述基于人脸识别的智能供货方法还包括：
29.s900，识别所述限制图像库中各个限制人脸图像分别与所述取货人 脸图像的第三图像相似度，若所述第三图像相似度大于或等于第三相似 度阈值，输出出货结束的提示信息。
30.本技术另一方面提供一种智能供货终端，包括拍摄模块、出货模块、 处理器和存储介质；所述存储介质上存储有程序代码；所述拍摄模块用 于对取货区域的取货用户进行
人脸图像拍摄，得到取货人脸图像，将所 述取货人脸图像上传至所述处理器；所述处理器用于调用所述存储介质 存储的程序代码，以执行上述任一种基于人脸识别的智能供货方法；所 述出货模块用于在所述处理器的控制下执行出货操作。
31.本技术提供的基于人脸识别的智能供货方法和终端，可以控制其拍 摄模块拍摄位于取货区域的取货用户的人脸，以得到取货人脸图像，识 别注册图像库中各个注册人脸图像分别与该取货人脸图像的第一图像 相似度，在检测到第一图像相似度大于或等于第一相似度阈值时，控制 出货模块执行出货操作，以及时供货，该供货过程得到有效简化，供货 效率得到提升，有利于节省人工成本，提升取货体验。
附图说明
32.为了更清楚地说明本技术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 仅仅是本技术的一些实施例，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。
33.图1是本技术一实施例中基于人脸识别的智能供货方法流程示意图；
34.图2是本技术一实施例中基于人脸识别的智能供货系统结构示意图；
35.图3是本技术一实施例的智能供货终端结构示意图。
具体实施方式
36.如背景技术所述，专人管理办公文件、生活用户和/或日常食品等物 品的方案难以实现全天在岗，且容易导致供货效率不稳定，自助供货终 端的供货方式相对繁杂，容易影响出货效率。
37.本技术针对上述问题，提供一种基于人脸识别的智能供货方法和终 端，其中基于人脸识别的智能供货方法可以运行于智能供货终端。上述 智能供货终端可以依据针对需要供货的目标用户的取货特点设置在相 应区域，比如设置在某办公区域的物品领用处，某办公楼的前台处或者 某公益组织的免费物品发送处；还可以设置充值功能作为售货终端设置 在相关售货处等等。智能供货终端可以通过用户注册时拍摄(或上传) 自身人脸图像或者相关管理人员收集等方式采集注册人脸图像，以预设 注册图像库进行存储，在其供货时，可以控制其拍摄模块拍摄位于取货 区域的取货用户的人脸，以得到取货人脸图像，识别注册图像库中各个 注册人脸图像分别与该取货人脸图像的第一图像相似度，在检测到第一 图像相似度大于或等于第一相似度阈值时，控制出货模块执行出货操作， 以及时供货，该供货过程得到有效简化，供货效率得到提升，有利于节 省人工成本，提升取货体验。
38.下面结合附图，对本技术实施例中的技术方案进行清楚、完整地描 述，显然，所描述的实施例仅是本技术一部分实施例，而非全部实施例。 基于本技术中的实施例，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，都属于本技术保护的范围。在不冲突的情况 下，下述各个实施例及其技术特征可以相互组合。
39.本技术第一方面提供一种基于人脸识别的智能供货方法，其应用于 智能供货终端，具体可以在智能供货终端的处理器中运行，所述智能供 货终端包括出货模块，参考图1所示，该方法包括：
40.s100，获取拍摄模块当前在取货区域对取货用户拍摄的人脸图像， 得到取货人脸图像。
41.取货区域通常设置在智能供货终端正前方，拍摄模块可以设置在智 能供货终端的前侧靠上方的位置，以在取货用户位于取货区域时，顺利 拍摄到取货用户的人脸。
42.具体地，上述拍摄模块包括拍摄镜头，该拍摄镜头的安装位置可以 预先设定，该安装位置包括水平位置和竖直位置，水平位置可以设置智 能供货终端前侧的中线或者竖直方向的对称线上，竖直位置可以参考目 标用户的身高设备，比如设置在目标用户的平均身高处。在一个示例中， 智能供货终端前侧还可以设置红外探测仪，以检测取货用户的身高信息 和站位信息，将身高信息和站位信息上传至智能供货终端的处理器；拍 摄模块可以控制器拍摄镜头在智能供货终端前侧表面的一定范围内活 动，比如在以安装位置为圆心，以设定长度为半径的范围内活动。这样 在处理器接收红外探测仪探测到的身高信息和站位信息后，结合拍摄镜 头的活动范围计算拍摄镜头的最佳拍摄位置，将最佳拍摄位置下发至拍 摄模块，使拍摄模块控制拍摄镜头移动至该最佳拍摄位置，以准确完整 地拍摄取货用户的人脸，得到有效的取货人脸图像。
43.s200，识别预存的注册图像库中各个注册人脸图像分别与所述取货 人脸图像的第一图像相似度；其中，所述注册图像库记录各个供货对象 的人脸图像。
44.上述注册图像库可以预先设置，其可以记录需要供货的所有目标用 户(供货对象)的人脸图像；其可以依据供货对象(目标用户)的特征 设置，比如其供货对象为某公司的全体员工，则可以由该公司的行政人 员采集全体员工的人脸图像，以此构建注册图像库存于智能供货终端； 又比如若其供货对象为公益物品领用人员，则可以针对这些人员提供主 动注册通道，使其提供注册信息和人脸图像，在注册信息审核通过后， 依据对应的人脸图像构建注册图像库，并在后续收到新注册信息以及对 应的人脸图像时，在对新注册信息审核通过后依据相应的人脸图像更新 注册图像库。
45.上述步骤分别计算注册图像库中各个注册人脸图像与取货人脸图 像之间的相似度(第一图像相似度)，以在注册图像库中查找与取货人 脸图像相匹配的注册人脸图像。其中某注册人脸图像与取货人脸图像之 间相似度的确定过程包括：分别提取注册人脸图像与取货人脸图像的特 征码，根据两者的特征码计算其相似度；或者分别比对注册人脸图像与 取货人脸图像之间相应像素点的像素相似度，根据各个像素相似度确定 注册人脸图像与取货人脸图像之间的像素度等等。需要说明的是，这里 两个图像之间相似度的确定过程适用于本技术各个图像相似度(如第一 图像相似度、第二图像相似度和第三图像相似度)的识别。
46.s300，在检测到大于或等于第一相似度阈值的第一图像相似度时， 控制出货模块(也可以称为出料模块)执行出货操作。
47.上述第一相似度阈值可以设为95％等接近1的值。某第一图像相似 度大于或等于第一相似度阈值，表征获取该第一图像相似度的注册人脸 图像与取货人脸图像为同一个用户的图像，该取货用户为智能供货终端 的供货对象，此时可以控制出货模块执行出货操作，以提供相应物品， 保证供货效率。
48.在其中一个实施例中，上述基于人脸识别的智能供货方法，还包括：
49.s400，若各个第一图像相似度均小于所述第一相似度阈值，在存在 第一图像相似
度大于或等于第二相似度阈值时，将大于或等于第二相似 度阈值的第一图像相似度对应的注册人脸图像确定为待比对图像；
50.s500，将所述取货人脸图像输入预处理模型进行滤波，得到预处理 图像；其中，所述预处理模型用于滤除人脸图像的噪声信息；
51.s600，识别所述预处理图像与所述待比对图像之间的第二图像相似 度，若所述第二图像相似度大于或等于第一相似度阈值，控制所述出货 模块执行出货操作。
52.上述第二相似度阈值可以设置为一个略小于第一相似度阈值的值， 如92％等。各个第一图像相似度均小于第一相似度阈值，表明注册图像 库中各个注册人脸图像均不能与取货人脸图像直接匹配上，此时若存在 第一图像相似度大于或等于第二相似度阈值，那么大于或等于第二相似 度阈值的第一图像相似度所述对应的注册人脸图像(待比对图像)与取 货人脸图像的相似度较高，可能由于拍摄角度和/或拍摄环境等原因导致 货人脸图像出现噪声大和/或质量低的情况，此时可以将取货人脸图像输 入预处理模型进行滤波，以进行去噪和/或修补，得到质量高于原来取货 人脸图像的预处理图像，再将预处理图像与待比对图像进行比对，得到 两者之间的第二图像相似度，若第二图像相似度大于或等于第一相似度 阈值，表明预处理图像与待比对图像能够匹配上，相应的取货用户为供 货对象之一，此时可以控制出货模块执行出货操作，进行及时供货，提 升智能供货终端带来的用户体验。
53.具体地，所述预处理模型的训练过程包括：
54.s510，采集在特定拍摄环境对多个测试用户拍摄的人脸图像，得到 输入样本图像，获取各个输入样本图像对应的高清人脸图像，得到输出 样本图像；其中，所述高清人脸图像为质量参数符合预设的质量条件的 人脸图像；
55.s520，以所述输入样本图像为输入，所述输出样本图像为输出，训 练卷积神经网络，获取所述卷积神经网络在训练过程中的损失函数；
56.s540，在所述损失函数达到预设状态时，根据所述卷积神经网络的 网络参数确定预处理模型。其中，预设状态可以依据卷积神经网络的具 体类型设置，比如设为损失函数达到收敛状态，或者损失函数的取值小 于某一收敛阈值等等。
57.上述特定拍摄环境可以依据预处理的需求确定，通常包括亮度和/ 或光线等多个环境因素不同的多个环境，如在不同亮度条件下接近于智 能供货终端的取货区域的环境等等，在一个示例中，还可以采用不同规 格的拍摄装置对测试用户在上述特定环境下进行拍摄，以得到多个质量 不一，且大部分图像为低质量图像的输入样本图像。在针对多个测试用 户在环境参数不完全一致的多个特定拍摄环境下拍摄得到所需的输入 样本图像之后，还需要分别针对各个测试用户采用高清拍摄装置在光线 充足，背景噪声低的专业拍摄环境下拍摄其人脸图像，以得到各个输入 样本图像分别对应的输出样本图像，各个输出样本图像均为分辨率、像 素深度、图像的颜色模型和/或图像文件的存储格式等质量要求均达到一 定标准(预设的质量条件)的高清人脸图像。这样以以各个输入样本图 像为输入，各个输入样本图像对应的输出样本图像为输出，训练卷积神 经网络，能够获得可以对人脸图像进行有效去噪和/或修补等滤波处理的 预处理模型。
58.具体地，上述基于人脸识别的智能供货方法还包括：
59.s530，获取所述损失函数的最小值，若所述最小值小于或者等于收 敛阈值，则判
定所述损失函数达到预设状态；若所述最小值大于所述收 敛阈值，则增加所述输入样本图像和所述输出样本图像的数量，返回执 行步骤s520，直至所述损失函数的最小值小于或者等于所述收敛阈值。 其中，收敛阈值可以依据预处理模型的预处理精度设置(比如设为0.1 等一个较小的值)，预处理精度越高，收敛阈值的取值越小。
60.在卷积神经网络的训练过程中，若损失函数的最小值小于或者等于 收敛阈值，表明以此确定的网络模型能够对其输入图像进行有效预处理， 此时判定损失函数达到预设状态，以此确定预处理模型，可以及时获得 所需的预处理模型，提高相应的训练效率。最小值大于收敛阈值，表明 当前的网络模型所进行的预处理还没有达到相关要求，此处需要增加输 入样本图像和对应的输出样本图像的数量(比如分别将两者的数量增加 至原来的两倍)，再返回步骤s520重新训练卷积神经网络，直至损失 函数的最小值小于或者等于收敛阈值，即所确定的网络模型能够对其输 入图像进行有效预处理，再确定根据卷积神经网络当时的网络参数确定 预处理模型，可以保证所确定的预处理模型的质量，进而提高后续对相 应取货人脸图像进行预处理的质量。
61.在其中一个实施例中，所述智能供货终端还包括取货窗，所述控制 出货模块执行出货操作包括：
62.s310，输出所供物品的选择范围，读取所述取货用户在所述选择范 围选取的目标物品；
63.s320，控制所述出货模块将所述目标物品推送至取货窗。
64.本实施例中，智能供货终端可以存放办公用品、生活用品和/或日常 食品等多种物品，此时智能供货终端可以通过设置选择按钮或者选择界 面等方式输出所供物品的选择范围，取货用户在这一选择范围内可以选 取自身所需要取用的目标物品，使智能供货终端控制出货模块将该目标 物品推送至取货窗，让取货用户取到所需物品，以保证供货准确性。
65.具体地，所述注册图像库记录各个注册人脸图像的余额数据；所述 控制所述出货模块将所述目标物品推送至取货窗包括：
66.获取所述目标物品的售价数据，若所述售价数据小于或者等于所述 余额数据，则控制所述出货模块将所述目标物品推送至取货窗，将所述 余额数据更新为该余额数据与所述售价数据之差。
67.上述注册图像库可以记录各个注册人脸图像的余额数据，以使本实 施例提供的智能供货终端可以具有售货功能。具体地，在一个示例中， 用户在针对该智能供货终端进行注册时，可以进行费用支付，以使智能 供货终端构建包括各个供货对象的注册人脸图像的注册图像库时，记录 各个册人脸图像对应的支付费用，确定各个注册人脸图像对应的余额数 据。在其他示例中，相关管理用户也可以在采集供货对象的人脸图像时， 为各个供货对象分配初始余额，以使所构建的注册图像库记录各个注册 人脸图像和各个注册人脸图像对应的余额数据。相应地，智能供货终端 还可以预存所供应的各个物品的售价数据，以在读取取货用户选取的目 标物品之后，及时获取目标物品的售价数据，进行该目标物品的出售。
68.作为一个实施例，上述基于人脸识别的智能供货方法还包括：
69.s700，若各个第一图像相似度均小于所述第二相似度阈值，则从外 接的信用评估
平台获取所述取货人脸图像对应的信用评估参数，在所述 信用评估参数大于或者等于信用阈值时，通过采集联系账号的对话窗口 获取所述取货用户的联系账号(如手机号码和/或邮箱地址)，并控制所 述出货模块执行出货操作，获取出货信息，将所述联系账号、所述出货 信息和所述取货人脸图像推送至管理终端，使所述管理终端通过所述联 系账号为所述取货用户提供支付途径和/或注册途径；其中出货信息可以 包括该次出货的时间、物品和相应智能供货终端的标志信息等等。
70.上述外接的信用评估平台可以为用户日常生活中接触较多的信用 记录平台，如用户数在相应区域排名靠前的银行的信用记录平台，支付 宝的芝麻信用或者微信采用的信用记录平台等等。信用阈值可以依据信 用评估平台的信用记录特征设置，通常设置为能够表征相应用户无欠款 和/或违约等不良记录的参数阈值。
71.本实施例中，上述智能供货终端可以包括通信模块，以通过该通信 模块与外部平台(如信用评估平台)和外部设备(如管理终端)进行通 信。各个第一图像相似度均小于所述第二相似度阈值，表明当前的取货 用户几乎不可能为智能供货终端的供货对象，但是有可能为潜在的供货 对象，比如某公司新入职的员工，经常来往的客户、某公益物品的试用 用户或者该智能供货终端充当售货功能时未及时注册的顾客等等。此时 可以进一步识别取货人脸图像的身份信息，从外接的信用评估平台获取 该身份信息对应的信用评估参数，若信用评估参数大于或者等于信用阈 值，表明当前取货用户无不良信用问题，此时可以显示采集联系账号的 对话窗口，使取货用户通过该对话窗口输入联系账号，在智能供货终端 该取货用户的联系账号后，可以控制出货模块执行出货操作，对其进行 供货，以进一步提升供货带来的用户体验。进行及时供货之后，智能供 货终端可以获取出货信息，将该取货用户的出货信息和取货人脸图像、 以及该次出货信息推送至管理终端，使管理终端及时接收智能供货终端 的这次特殊供货行为，以便进行后续处理。
72.上述管理终端为管理智能供货终端的智能终端，如某公司行政人员 使用的智能供货终端的管理终端等等。管理终端接收取货用户的联系账 号、出货信息和取货人脸图像，可以通过显示或者短信推送等形式使其 管理用户(如某公司的行政人员)获知。管理用户对此次的取货用户进 行判别，依据判别结果可以直接新设该取货用户的取货权限(如注册及 设置相应的余额数据)，将该取货人脸图像作为注册人脸图像添加至注 册图像库；还可以提供支付通道和注册通道，使该用户及时进行费用支 付，若后续还有取货需求，可以进行注册和费用储存，使智能供货终端 获得其注册信息和所支付的费用，以在注册图像库中记录该取货用户对 应的注册人脸图像和余额数据。这样智能供货终端的注册图像库便包括 这一取货用户对应的注册人脸图像，该取货用户下一次的取货需求便能 得到该智能取货终端的及时响应。
73.具体地，上述基于人脸识别的智能供货方法还包括：
74.s800，若在设定时段内检测到所述管理终端反馈的所述取货人脸图 像的注册信息，将所述取货人脸图像作为注册人脸图像添加至所述注册 图像库；若在设定时段内未检测到所述管理终端反馈的所述取货人脸图 像的注册信息或者支付信息，将所述取货人脸图像添加至限制图像库； 其中所述限制图像库用于记录不具备取货权限的人脸图像；其中设定时 段可以依据管理用户的管理特征或者供货群体(所有供货对象)的相关 特征设置，比如设置为5天或者7天等等。
75.本实施例中，管理终端收到智能供货终端的这次特殊供货行为后， 可以通过显示或者短信推送等形式使其管理用户(如某公司的行政人员) 获知，使管理用户对相应取货用户进行费用收取或者新增注册，并将费 用收取和/或新增注册的结果通过信息推送或者手动输入等方式反馈至 智能供货终端。如果管理用户判定此次的取货用户不为潜在的供货对象 且没有顺利收取到相应费用，可以不进行其他操作，这样供货终端便不 会接收到管理终端的相关反馈，若智能供货终端在设定时段内未检测到 管理终端反馈的取货人脸图像的注册信息或者支付信息，可以将该次拍 摄得到的取货人脸图像添加至限制图像库，以作为后续供货对象的排查 依据。
76.进一步地，在各个第一图像相似度均小于所述第二相似度阈值时， 还包括：
77.s900，识别限制图像库中各个限制人脸图像分别与所述取货人脸图 像的第三图像相似度，若所述第三图像相似度大于或等于第三相似度阈 值，输出出货结束的提示信息；其中该提示信息可以通过显示和/或音频 播放等形式输出。
78.上述第三图像相似度可以设为95％等接近1的值。某第三图像相似 度大于或等于第三相似度阈值，表征取货用户不为智能供货终端的潜在 供货对象，此时可以出货结束的提示信息，以避免进行无效供货，有利 于提高供货有效性，还可以及时告知该用户，使该用户进行其他安排， 避免浪费其时间和精力。
79.具体地，上述基于人脸识别的智能供货方法还包括：获取取货用户 人脸区域的温度。s300中，在检测到大于或等于第一相似度阈值的第一 图像相似度时，且温度低于预设值，控制所述出货模块执行出货操作。 若温度超过预设值，控制出货模块不响应执行出货操作的指令，即不出 货。于此，通过限制有健康问题的取货用户取货，减少其他用户被传染 的几率。可选地，上述预设值可以是37℃。
80.或者，智能供货终端包括用于储存防护手套的电子储存箱，电子储 存箱设有开孔，若温度超过预设值，控制所述电子储存箱将防护手套伸 出开孔，检测到伸出的防护手套被取出后，控制出货模块执行出货操作， 于此，若取货用户温度超过预设值，通过控制电子储存箱将防护手套伸 出开孔，可提醒取货用户戴上防护手套取货，进一步地，检测到防护手 套被取出后，才出货，既能让有健康问题的取货用户取到货，又能减少 其他用户被传染的几率。
81.或者，智能供货终端还包括消毒用品电子承载台，s300中，若温度 超过预设值，可以控制出货模块执行出货操作；但返回步骤s100以检 测下一取货用户时，在针对该下一取货用户控制出货模块执行出货操作 之前，先发出用于提醒消毒的提示信息，并在检测到电子承载台的消毒 用品被取出后预设时间(如3分钟)内又被放回该承载台，这一检测结 果表明下一取货用户已按照上述提示信息取用消毒用品，对取货窗等取 货位置进行消毒，并在消毒完毕后将消毒用品放回原位，此时可以控制 出货模块执行出货操作。具体实现时，电子承载台包括压力传感器，可 通过压力变化信息检测消毒用品是否被取出和放回。于此，如当前取货 用户有健康问题，通过提示下一取货用户进行消毒操作，能有效减少被 传染的几率。
82.以上基于人脸识别的智能供货方法，能够预设包括各个目标供货对 象人脸图像的注册图像库进行存储，在用户需要取货时，仅需要站立于 取货区域使拍摄模块拍摄得到取货人脸图像，将取货人脸图像上传至智 能供货终端的处理器，这样处理器能够识别注册
图像库中各个注册人脸 图像分别与该取货人脸图像的第一图像相似度，在检测到第一图像相似 度大于或等于第一相似度阈值时，能够控制出货模块执行出货操作，及 时供货，该供货过程得到有效简化，供货效率得到提升，有利于节省人 工成本，提升取货体验。
83.应该理解的是，虽然图1的流程图中的各个步骤按照箭头的指示依 次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非 本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步 骤可以以其它的顺序执行。而且，图1中的至少一部分步骤可以包括多 个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执 行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序 也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者 阶段的至少一部分轮流或者交替地执行。
84.本技术在第二方面提供一种基于人脸识别的智能供货系统，如图2 所示，该基于人脸识别的智能供货系统包括：
85.获取单元100，用于获取拍摄模块当前在取货区域对取货用户拍摄 的人脸图像，得到取货人脸图像；
86.识别单元200，用于识别预存的注册图像库中各个注册人脸图像分 别与所述取货人脸图像的第一图像相似度；其中，所述注册图像库记录 各个供货对象的人脸图像；
87.控制单元300，用于在检测到大于或等于第一相似度阈值的第一图 像相似度时，控制出货模块执行出货操作。
88.关于基于人脸识别的智能供货系统的具体限定可以参见上文中对 于基于人脸识别的智能供货方法的限定，在此不再赘述。上述基于人脸 识别的智能供货系统中的各个模块可全部或部分通过软件、硬件及其组 合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处 理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处 理器调用执行以上各个模块对应的操作。
89.上述基于人脸识别的智能供货系统中各个单元的划分仅用于举例 说明，在其他实施例中，可将基于人脸识别的智能供货系统按照需要划 分为不同的单元，以完成上述基于人脸识别的智能供货系统的全部或部 分功能。
90.本技术在第三方面提供一种基于人脸识别的智能供货终端，参考图 3所示，该智能供货终端可以包括处拍摄模块、出货模块、处理器和存 储介质；所述存储介质上存储有程序代码；拍摄模块和出货模块分别连 接处理器；拍摄模块用于对取货区域的取货用户进行人脸图像拍摄，得 到取货人脸图像，将所述取货人脸图像上传至所述处理器；处理器用于 调用所述存储介质存储的程序代码，以执行上述任一实施例提供的基于 人脸识别的智能供货方法。
91.上述智能供货终端可以依据针对需要供货的目标用户的取货特点 设置在相应区域，比如设置的某办公区域的物品领用处，设置在某办公 楼的前台处或者设置在某公益组织的免费物品发送处等等。智能供货终 端的取货区域通常设置在智能供货终端正前方，拍摄模块可以设置在智 能供货终端的前侧靠上方的位置，以在取货用户位于取货区域时，顺利 拍摄到取货用户的人脸。
92.具体地，上述智能供货终端还可以包括通信模块，以通过该通信模 块与外部平台(如信用评估平台)和外部设备(如管理终端)进行通信。
93.进一步地，智能供货终端还可以包括显示模块，以对出货结束等提 示信息进行显示，还可以用于显示器所供物品的选择范围等等。
94.以上智能供货终端可以通过用户注册，使用户提供或者注册时拍摄 自身人脸图像的方式采集注册人脸图像，以预设注册图像库进行存储， 在其供货时，可以控制其拍摄模块拍摄位于取货区域的取货用户的人脸， 以得到取货人脸图像，识别注册图像库中各个注册人脸图像分别与该取 货人脸图像的第一图像相似度，在检测到第一图像相似度大于或等于第 一相似度阈值时，控制出货模块执行出货操作，以及时供货，其中供货 过程得到有效简化，供货效率得到提升，有利于节省人工成本，提升用 户的取货体验。
95.上述智能供货终端还可以包括显示模块，其在运行游戏软件时，通 过显示模块显示游戏界面，此时可以每隔一定时段对显示的游戏界面进 行截图，持续获得所需的游戏显示画面，分别针对各个游戏显示画面执 行上述基于人脸识别的智能供货方法，使各个游戏显示画面均得到饱和 度增强处理，得到对应的融合图像。这些融合图像中，所需提取的目标 元素得到增强，包括噪声的背景元素得到弱化，因而智能供货终端能够 对目标元素进行准确提取。
96.尽管已经相对于一个或多个实现方式示出并描述了本技术，但是本 领域技术人员基于对本说明书和附图的阅读和理解将会想到等价变型 和修改。本技术包括所有这样的修改和变型，并且仅由所附权利要求的 范围限制。特别地关于由上述组件执行的各种功能，用于描述这样的组 件的术语旨在对应于执行所述组件的指定功能(例如其在功能上是等价 的)的任意组件(除非另外指示)，即使在结构上与执行本文所示的本 说明书的示范性实现方式中的功能的公开结构不等同。
97.即，以上所述仅为本技术的实施例，并非因此限制本技术的专利范 围，凡是利用本技术说明书及附图内容所作的等效结构或等效流程变换， 例如各实施例之间技术特征的相互结合，或直接或间接运用在其他相关 的技术领域，均同理包括在本技术的专利保护范围内。
98.另外，术语“第一”、“第二”仅用于描述目的，而不能理解为指 示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限 定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多 个特征。在本技术的描述中，“多个”的含义是两个或两个以上，除非 另有明确具体的限定。
99.为了使本领域任何技术人员能够实现和使用本技术，本技术给出了 以上描述。在以上描述中，为了解释的目的而列出了各个细节。应当明 白的是，本领域普通技术人员可以认识到，在不使用这些特定细节的情 况下也可以实现本技术。在其它实施例中，不会对公知的过程进行详细 阐述，以避免不必要的细节使本技术的描述变得晦涩。因此，本技术并 非旨在限于所示的实施例，而是与符合本技术所公开的原理和特征的最 广范围相一致。