人脸识别方法、装置、电子设备及存储介质与流程

1.本技术属于图像处理技术领域，尤其涉及一种人脸识别方法、装置、电子设备及存储介质。


背景技术：

2.随着图像处理技术和人工智能技术的发展，人脸识别技术被广泛应用，各类人脸识别产品被陆续推出。通常，人脸识别产品会设置一个统一的全局识别阈值，根据该全局识别阈值，可以确定当前的人脸识别结果。然而，这种人脸识别的方式准确性较低。


技术实现要素：

3.有鉴于此，本技术实施例提供了人脸识别方法、装置、电子设备及存储介质，以解决现有技术中如何提高人脸识别的准确性的问题。
4.本技术实施例的第一方面提供了一种人脸识别方法，包括：
5.获取待识别人脸图像；
6.分别计算所述待识别人脸图像与预存的各个模板图像之间的相似度，以确定目标相似度；其中，所述目标相似度为目标模板图像对应的相似度，所述目标模板图像为预存的各个模板图像中与所述待识别人脸图像之间相似度最大的模板图像；
7.基于所述目标相似度以及所述目标模板图像对应的识别阈值，确定所述待识别人脸图像的识别结果，其中，预存的各个模板图像分别具有各自对应的识别阈值，且所述识别阈值是根据历史时间段内所述模板图像被识别成功时的识别记录所生成的。
8.本技术实施例的第二方面提供了一种人脸识别装置，包括：
9.获取单元，用于获取待识别人脸图像；
10.目标相似度确定单元，用于分别计算所述待识别人脸图像与预存的各个模板图像之间的相似度，以确定目标相似度；其中，所述目标相似度为目标模板图像对应的相似度，所述目标模板图像为预存的各个模板图像中与所述待识别人脸图像之间相似度最大的模板图像；
11.第一结果确定单元，用于基于所述目标相似度以及所述目标模板图像对应的识别阈值，确定所述待识别人脸图像的识别结果，其中，预存的各个模板图像分别具有各自对应的识别阈值，且所述识别阈值是根据历史时间段内所述模板图像被识别成功时的识别记录所生成的。
12.本技术实施例的第三方面提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，当所述处理器执行所述计算机程序时，使得电子设备实现如所述人脸识别方法的步骤。
13.本技术实施例的第四方面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存储有计算机程序，当所述计算机程序被处理器执行时，使得电子设备实现如所述人脸识别方法的步骤。
14.本技术实施例的第五方面提供了一种计算机程序产品，当计算机程序产品在电子设备上运行时，使得电子设备执行如第一方面中所述的人脸识别方法的步骤。
15.本技术实施例与现有技术相比存在的有益效果是：本技术实施例中，获取待识别人脸图像，分别计算所述待识别人脸图像与预存的各个模板图像之间的相似度，并将其中与待识别人脸图像的相似度最大的模板图像确定为目标模板图像，将该目标模板图像对应的相似度确定为目标相似度。之后，基于该目标相似度和目标模板图像对应的识别阈值，确定该待识别人脸图像的识别结果。由于每个模板图像都有各自对应的识别阈值，因此基于目标相似度和目标模板图像对应的识别阈值确定识别结果的方式，能够实现识别阈值的个性化，更准确的依据适用于当前待识别人脸图像的识别阈值来进行人脸识别，相对于现有的只设置一个统一的识别阈值的方式，能够提高人脸识别的准确性。并且，由于识别阈值是根据历史时间段内模板图像被识别成功时的识别记录生成的，即该识别阈值是根据历史时间段实际的识别情况动态生成的，因此能够使得该识别阈值更符合实际的人脸识别情况，进一步提高人脸识别的准确性。
附图说明
16.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
17.图1是本技术实施例提供的一种人脸识别方法的实现流程示意图；
18.图2是本技术另一实施例提供的一种人脸识别方法的实现流程示意图；
19.图3是本技术另一实施例提供的一种人脸识别方法的实现流程示意图；
20.图4是本技术实施例提供的一种人脸识别方法中的步骤s106的具体实现流程图；
21.图5是本技术实施例的一种人脸识别方法中的步骤s102的具体实现流程图；
22.图6是本技术另一实施例提供的一种人脸识别方法的实现流程示意图；
23.图7是本技术实施例提供的一种人脸识别装置的示意图；
24.图8是本技术实施例提供的电子设备的示意图。
具体实施方式
25.以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本技术实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本技术。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本技术的描述。
26.为了说明本技术所述的技术方案，下面通过具体实施例来进行说明。
27.应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
28.还应当理解，在此本技术说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本技术。如在本技术说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
29.还应当进一步理解，在本技术说明书和所附权利要求书中使用的术语“和/或”是
指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
30.如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
[0031]
另外，在本技术的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0032]
通常，人脸识别产品会设置一个统一的全局识别阈值，根据该全局识别阈值，可以确定当前的人脸识别结果。当出现某个人的人脸容易误识别时，通常是通过提高此全局识别阈值来解决，然而，该全局识别阈值提高后，又会容易导致其他人的人脸识别变得困难，导致人脸识别的成功率较低。因此，根据统一的全局识别阈值来进行人脸识别的方式，准确性较低。
[0033]
为了解决该技术问题，本技术实施例提供了一种人脸识别方法、装置、电子设备及存储介质，包括：获取待识别人脸图像；分别计算所述待识别人脸图像与预存的各个模板图像之间的相似度，以确定目标相似度；其中，所述目标相似度为目标模板图像对应的相似度，所述目标模板图像为预存的各个模板图像中与所述待识别人脸图像之间相似度最大的模板图像；基于所述目标相似度以及所述目标模板图像对应的识别阈值，确定所述待识别人脸图像的识别结果，其中，预存的各个模板图像分别具有各自对应的识别阈值，且所述识别阈值是根据历史时间段内所述模板图像被识别成功时的识别记录所生成的。
[0034]
由于每个模板图像都有各自对应的识别阈值，因此基于目标相似度和目标模板图像对应的识别阈值确定识别结果的方式，能够实现识别阈值的个性化，更准确的依据适用于当前待识别人脸图像的识别阈值来进行人脸识别，相对于现有的只设置一个统一的识别阈值的方式，能够提高人脸识别的准确性。并且，由于识别阈值是根据历史时间段内模板图像被识别成功时的识别记录生成的，即该识别阈值是根据历史时间段实际的识别情况动态生成的，因此能够使得该识别阈值更符合实际的人脸识别情况，进一步提高人脸识别的准确性。
[0035]
实施例一：
[0036]
图1示出了本技术实施例提供的一种人脸识别方法的流程示意图，该人脸识别方法的执行主体为电子设备。该电子设备可以为具有摄像模块的设备，例如人脸识别考勤机、人脸门禁设备、监控设备、手机、摄像机等；或者，该电子设备可以为与具有摄像模块的设备连接的其它运算设备，例如与监控摄像头、摄像机等连接的电脑。如图1所示的人脸识别方法详述如下：
[0037]
在s101中，获取待识别人脸图像。
[0038]
获取摄像模块当前拍摄到的人脸图像作为待识别人脸图像。
[0039]
在一个实施例中，可以在检测到预设指令后，启动摄像模块进行拍摄，生成待识别人脸图像。进一步地，在检测到预设指令后，可以发出用户提示信息，以提示用户移动到指定位置，便于摄像模块准确地进行人脸图像拍摄，生成准确的待识别人脸图像。
[0040]
在另一个实施例中，摄像模块可以每隔预设的时间间隔，自动启动摄像模块进行拍摄，获取到待识别人脸图像，从而实现人脸的连续捕捉和跟踪。
[0041]
在s102中，分别计算所述待识别人脸图像与预存的各个模板图像之间的相似度，以确定目标相似度；其中，所述目标相似度为目标模板图像对应的相似度，所述目标模板图像为预存的各个模板图像中与所述待识别人脸图像之间相似度最大的模板图像。
[0042]
本技术实施例中，电子设备本端的存储单元或者电子设备能够访问到的第三方的存储单元中，预存了提前采集的各个授权人员的人脸图像作为模板图像。
[0043]
在获取到待识别人脸图像后，分别计算待识别人脸图像与各个模板图像分别对应的相似度。例如，当前存在n个模板图像(n为大于1的正整数)，则一一计算待识别人脸图像分别与这n个模板图像中的每个图像的相似度，从而得到对应的n个相似度的值t1～t
n
。之后，从n个模板图像中，确定与待识别人脸图像之间相似度最大的模板图像作为目标模板图像，并将该目标模板图像对应的相似度作为目标相似度。
[0044]
在一个实施例中，上述待识别人脸图像与模板图像的相似度可以为余弦相似度。作为一种可能的实现方式，可以通过预先训练好的神经网络模型，实现计算待识别人脸图像与模板图像之间的相似度。
[0045]
在s103中，基于所述目标相似度以及所述目标模板图像对应的识别阈值，确定所述待识别人脸图像的识别结果，其中，预存的各个模板图像分别具有各自对应的识别阈值，且所述识别阈值是根据历史时间段内所述模板图像被识别成功时的识别记录所生成的。
[0046]
本技术实施例中，对于预存的各个模板图像，均存在其对应的至少一个识别阈值。例如，可以提前存储n个授权人员的人脸图像作为n个模板图像，编号为1～n，其分别对应的识别阈值为t1～t
n
。并且，每个模板图像对应的识别阈值，是根据历史时间段内该模板图像被识别成功时的识别记录动态生成的。该历史时间段可以为预设长度的时间段，可以为一天、一周或者一个月等。例如，对于模板图像i，其当前对应的识别阈值t
i
，可以根据过去一周各个被识别为该模板图像i的人脸图像与该模板图像i的相似度进行求解计算(例如求平均值计算)而得到。可以理解地，各个模板图像在尚未生成对应的识别记录的初始状态下，其对应的识别阈值可以为提前预设的初始值。
[0047]
在确定目标相似度和目标模板图像后，获取预存的该目标模板图像当前对应的识别阈值。在一个实施例中，各个模板图像均存在对应标识信息，该标识信息可以为身份识别号(identity，id)，模板图像的标识信息与其识别阈值进行对应存储，如可以存储于存储识别阈值的映射表中。目标模板图像对应的标识信息为目标标识信息，以目标标识信息作为索引，在存储识别阈值的映射表进行查询，可以得到该目标模板图像的识别阈值。
[0048]
之后，将步骤s103中确定的目标相似度以及当前获取到的目标模板图像的识别阈值进行比对，确定待识别人脸图像的识别结果。在一个实施例中，若该目标相似度大于或者等于目标模板图像对应的识别阈值，则确定当前该待识别人脸图像的识别结果为：识别成功。在另一个实施例中，若该目标相似度小于该目标模板图像对应的识别阈值，则确定当前该待识别人脸图像的识别结果为：识别失败。
[0049]
可选地，当该待识别人脸图像识别成功后，电子设备执行目标动作。示例性地，若该电子设备为人脸识别考勤机，则该目标动作可以为向存储单元写入用户的出勤记录的动作。若该电子设备为人脸门禁设备，则该目标动作可以为开门动作。示例性地，该电子设备为手机，则该目标动作可以为解锁屏幕的动作等。
[0050]
本技术实施例中，获取待识别人脸图像，分别计算所述待识别人脸图像与预存的
各个模板图像之间的相似度，并将其中与待识别人脸图像的相似度最大的模板图像确定为目标模板图像，将该目标模板图像对应的相似度确定为目标相似度。之后，基于该目标相似度和目标模板图像对应的识别阈值，确定该待识别人脸图像的识别结果。由于每个模板图像都有各自对应的识别阈值，因此基于目标相似度和目标模板图像对应的识别阈值确定识别结果的方式，能够实现识别阈值的个性化，更准确的依据适用于当前待识别人脸图像的识别阈值来进行人脸识别，相对于现有的只设置一个统一的识别阈值的方式，能够提高人脸识别的准确性。并且，由于识别阈值是根据历史时间段内模板图像被识别成功时的识别记录生成的，即该识别阈值是根据历史时间段实际的识别情况动态生成的，因此能够使得该识别阈值更符合实际的人脸识别情况，进一步提高人脸识别的准确性。
[0051]
图2示出了本技术另一实施例提供的一种人脸识别方法的流程示意图，该人脸识别方法在上述的步骤s103之后，还包括：
[0052]
s104：若所述待识别人脸图像的识别结果为识别成功，则将所述目标相似度与所述目标模板图像对应存储。
[0053]
本技术实施例中，当待识别人脸图像的识别结果为识别成功时，可以将该目标相似度与该目标模板图像对应存储，以便后续根据该识别成功时的目标相似度进行查询追踪或者统计分析。在一个实施例中，将目标相似度与目标模板图像对应存储，具体可以为将当前的识别时间点、目标相似度以及该目标模板图像对应的目标标识信息进行对应存储，如可以存储于一个映射表中，以便后续的查阅和分析。
[0054]
图3示出了本技术另一实施例提供的一种人脸识别方法的流程示意图，该人脸识别方法在上述的步骤s103之后，还包括：
[0055]
s105：针对每个所述模板图像，获取所述模板图像在历史时间段内被识别成功时的识别记录，所述识别记录包括各个待识别人脸图像被成功识别为所述模板图像时，与所述模板图像之间的相似度；
[0056]
s106：根据所述识别记录中所包含的相似度，生成所述模板图像对应的识别阈值。
[0057]
本技术实施例，在人脸识别的过程中，对于每个模板图像，每当一个待识别人脸图像被成功识别为该模板图像时，即将该模板图像，以及该待识别人脸图像与该模板图像之间的相似度进行对应记录，得到识别记录。
[0058]
在一个实施例中，具体可以将模板图像的标识信息、识别成功时的时间点以及该相似度对应存储，如可以存储于一个映射表中。对于每个模板图像，根据该模板图像的标识信息和历史时间段对应的时间起点、时间终点，查询该映射表，从中获取时间点在所述历史时间段对应的时间起点和时间终点之间，并且标识信息与该模板图像的标识信息相符的存储项，得到该模板图像在历史时间段内被识别成功时的识别记录。
[0059]
对于每个模板图像，可以根据该模板图像对应的该识别记录中包含的各个相似度，动态生成该模板图像当前对应的识别阈值。在一个实施例中，可以计算该识别记录中包含的各个相似度的平均值，并将该平均值作为该模板图像当前新生成的识别阈值。进一步地，在计算平均值之前，可以先将识别记录包含的各个相似度中的最大值和最小值进行删除，得到剩余的各个相似度，再基于该剩余的各个相似度进行平均值计算，得到识别阈值，从而避免识别记录中某些非正常的极端相似度值影响识别阈值的准确性。在另一个实施例中，还可以统计识别记录中出现次数最多的相似度(即相似度的众数)，之后，将该相似度的
众数减去预设值，得到识别阈值。
[0060]
本技术实施例中，由于对于每个模板图像，能够根据其在历史时间段内被识别成功时的识别记录中的相似度，生成该模板图像对应的识别阈值，即能够根据历史时间段的实际人脸识别情况动态生成对应的识别阈值，因此能够使得识别阈值更符合实际的人脸识别情况，从而提高人脸识别的准确性。
[0061]
可选地，所述历史时间段包括预设数目个子时间段，上述的步骤s106，如图4所示，具体包括步骤s1061至步骤s1063：
[0062]
s1061：根据所述识别记录，分别确定各个所述子时间段内所包含的相似度的子平均值；
[0063]
s1062：根据各个所述子平均值，求取目标平均值；所述目标平均值为各个所述子平均值的平均值；
[0064]
s1063：根据所述目标平均值，生成所述模板图像对应的识别阈值。
[0065]
本技术实施例中，历史时间段具体可以包括预设数目个子时间段，例如，历史时间段可以为一周，子时间段可以为一天，则该历史时间段包括7个子时间段。
[0066]
在获取到模板图像对应的识别记录后，根据该识别记录中包含的时间点的信息，区分各个子时间段分别包含的各个相似度。在一个实施例中，可以将每个子时间段分别包含的各个相似度与该子时间段进行对应存储，如可以根据每个子时间段所对应的时间点，将处于该子时间段内的相似度存储于该子时间段对应的映射表中，不同的子时间段内可以对应不同的映射表，也可以是存储于同一个映射表中，在此不作限定。
[0067]
对于每个子时间段，根据该子时间段内包含的各个相似度，进行平均值求解运算，得到该子时间段内的相似度的平均值，将其称为该子时间段对应的子平均值。在一个实施例中，具体可以对该子时间段内包含的各个相似度进行最大值删除和最小值删除后，再进行该平均值求解运算，从而能够得到更准确的子平均值。在一个实施例中，针对每个子时间段，可以从映射表中读取每个子时间段包含的各个相似度，求得该子时间段对应的子平均值；之后，将该模板图像的标识信息、子时间段的信息和该子平均值对应存储至存储子平均值的映射表中。
[0068]
在得到历史时间段包含的各个子时间段分别对应的子平均值后，将各个子平均值相加并除以预设数目，得到各个子平均值的平均值，将其称为目标平均值。在一个实施例中可以从存储子平均值的映射表中读取该模板图像在历史时间段内的各个子时间段对应的子平均值并进行计算，得到该目标平均值。示例性地，设子时间段为一天，历史时间段为一周，则将一周内的每一天对应的子平均值进行相加后除以7，得到一周对应的目标平均值。
[0069]
之后，根据该目标平均值，生成该模板图像的识别阈值。在一个实施例中，可以直接以该目标平均值作为该模板图像最新生成的识别阈值。在另一个实施例中，可以将该目标平均值乘以一定的权重或者加上预设值后，作为该模板图像对应的识别阈值。
[0070]
本技术实施例中，由于能够先求取历史时间段内各个子时间段对应的子平均值，再根据各个子平均值求取目标平均值，因此能够提高平均值的求解效率，从而提高识别阈值的生成效率。
[0071]
可选地，所述识别阈值存在对应的最新生成时间，所述根据各个所述子平均值，求取目标平均值，包括：
[0072]
若检测到当前时间与所述模板图像对应的识别阈值的最新生成时间之间的时间间隔达到预设时间阈值，则根据各个所述子平均值，求取目标平均值。
[0073]
本技术实施例中，对于模板图像的识别阈值，在每次动态生成后，都对应记录该识别阈值的最新生成时间。预设时间阈值为历史时间段对应的时间长度。
[0074]
在人脸识别过程中，具体以子时间段为单位时间长度，持续进行子平均值的统计。在这个过程中，当检测到当前时间与模板图像对应的识别阈值的最新生成时间之间的时间间隔达到预设时间阈值(即该时间间隔大于或者等于历史时间段对应的时间长度)，则说明当前已完成一个历史时间段的相似度记录，此时根据当前该历史时间段内各个子时间段对应的各个子平均值进行平均值求解，得到目标平均值。
[0075]
本技术实施例中，由于能够在检测到当前时间与识别阈值的最新生成时间之间的时间间隔达到预设时间阈值时，求取目标平均值，因此能够及时地实现识别阈值的动态生成，以提高人脸识别的准确性。
[0076]
可选地，如图5所示，上述的步骤s102具体包括步骤s1021至步骤s1022：
[0077]
s1021：分别计算所述待识别人脸图像与预存的各个模板图像之间的相似度；
[0078]
s1022：基于预设基础阈值以及各个所述相似度中数值最大的相似度，确定目标相似度。
[0079]
本技术实施例中，本端或者第三方的存储单元还提前存储了预设基础阈值，该预设基础阈值为提前设定的人脸识别的最低阈值。
[0080]
通过预设的算法分别计算待识别人脸图像与预存的各个模板图像分别对应的相似度。之后，查看各个相似度中，是否存在大于预设基础阈值的相似度。
[0081]
具体地，可以从各个相似度中，确定数值最大的相似度，将该数值最大的相似度与该预设基础阈值进行比对。如果确定该数值最大的相似度大于预设基础阈值，则直接将该数值最大的相似度确定为目标相似度。相反地，若该数值最大的相似度小于该预设基础阈值，则说明当前待识别人脸图像与预存的各个模板图像之间的相似度均较小，该待识别人脸图像可能为未授权人员的人脸图像，此时，将直接判定该待识别人脸图像识别失败。
[0082]
本技术实施例中，由于能够设置一个预设基础阈值，基于该预设基础阈值和各个相似度中数值最大的相似度能够进一步高效准确地确定目标相似度，从而进一步提高人脸识别的准确性和效率。
[0083]
图6示出了本技术另一实施例提供的一种人脸识别方法的流程示意图，该人脸识别方法在上述的步骤s103之后，还包括：
[0084]
s107：发出与所述识别结果相匹配的提示信息。
[0085]
本技术实施例中，在确定识别结果后，可以通过文字、语音、图像等任意一种形式，发出与该识别结果相匹配的提示信息。
[0086]
在一个实施例中，若当前的识别结果为识别成功，则发出第一提示信息。该第一提示信息可以包括表示“识别成功”的提示语。进一步地，该第一提示信息还可以包括该目标模板图像对应的身份信息。存储单元中存储了模板图像与其对应的身份信息的对应关系。该身份信息可以为用户的账号或者工号，或者可以包括用户的姓名、身份证号、年龄、性别中的任意一项或者多项信息。在确定了当前待识别人脸图像对应的目标模板图像后，可以获取该目标模板图像对应的身份信息。之后，通过文字显示或者语音播报的方式，发出第一
预设提示信息。该第一预设提示信息至少包含该目标目标图像对应的身份信息，使得管理人员能够获知当前成功通过人脸识别的人员信息，进一步提高人脸识别的智能性。
[0087]
在另一个实施例中，若当前的识别结果为识别失败，则发出第二提示信息。该第二提示信息可以包括表示“识别失败”的提示语。进一步地，该第二提示信息还可以包括提示用户进行权限申请的指示信息，使得用户能够根据该指示信息，录入权限申请信息，以使权限申请信息通过电子设备本端或者服务器的验证后，将该用户的人脸图像作为模板图像存储至预设存储单元中，并为该模板图像设置对应个性化的识别阈值。
[0088]
本技术实施例中，由于能够得到识别结果后，发出与该识别结果对应的提示信息，因此能够及时向用户或者管理人员反馈当前的人脸识别结果，提高人脸识别的智能性。
[0089]
可选地，每个所述模板图像具有至少两个分别对应不同光照条件的识别阈值；所述基于所述目标相似度以及所述目标模板图像对应的识别阈值，确定所述待识别人脸图像的识别结果，包括：
[0090]
获取当前的目标光照条件；
[0091]
根据所述目标光照条件，确定所述目标模板图像对应的目标识别阈值；其中，所述目标识别阈值为从所述至少两个分别对应不同光照条件的识别阈值中确定的与所述目标光照条件相匹配的所述识别阈值；
[0092]
基于所述目标相似度以及所述目标识别阈值，确定所述待识别人脸图像的识别结果。
[0093]
本技术实施例中，在人脸识别应用场景中，存在至少两个光照条件。示例性地，该光照条件可以包括：白天太阳光照和夜晚夜灯光照这两种情况。示例性地，该白天太阳光照还可以进一步细分为：晴天光照、阴天光照、雨天光照等不同天气状况下的光照情况。
[0094]
由于对于同一个人员，在每个不同的光照条件下，拍摄该人员得到的不同人脸图像的效果有所区别，因此，本技术实施例中可以为同一人员的模板图像，提前存储了对应的多个在不同光照条件下的识别阈值。
[0095]
在人脸识别过程中，获取当前的光照条件作为目标光照条件。
[0096]
在确定目标相似度和目标模板图像后，根据该目标光照条件，从与目标模板图像的目标标识信息对应存储的多个识别阈值中，选择与目标光照条件相匹配的识别阈值作为目标识别阈值。
[0097]
之后，基于该目标相似度以及该目标光照条件下的目标识别阈值，确定目标光照条件下该待识别人脸图像的识别结果。
[0098]
本技术实施例中，由于除了能够灵活获取当前人员对应的个性化的识别阈值外，还能够根据当前的光照条件获取相应的目标识别阈值，因此能够进一步保证识别阈值确定的准确性，从而提高人脸识别的准确性。
[0099]
作为示例而非限定，在一个应用场景中，该人脸识别方法具体可以划分为识别流程和阈值调节流程这两个流程，这两个流程可以由两个线程并行执行。
[0100]
示例性地，该识别流程详述如下：
[0101]
a1：在开始后，加载n个模板图像，并每个模板图像设置初始化的识别阈值t1～t
n
，这n个识别阈值初始化状态下均等于预设基础阈值为t0；
[0102]
a2：获取待识别人脸图像；
[0103]
a3：分别计算待识别人脸图像与预存的n个模板图像分别对应的相似度，得到n个相似度t1～t
n
；
[0104]
a4：若这n个相似度中存在大于或者等于预设基础阈值t0的相似度，则确定其中相似度的值最大的为目标相似度t
m
，并确定该目标相似度对应的目标模板图像的目标标识信息id和识别阈值t
m
；否则，直接判定该待识别人脸图像识别失败，并返回步骤a2，继续获取下一个待识别人脸图像进行人脸识别；
[0105]
a5：判断目标相似度t
m
是否大于或者等于识别阈值t
m
；若是，则将当前的时间信息、id和目标相似度t
m
一同记录到以一天为单位的映射表(简称为日表)中；若否，直接判定该待识别人脸图像识别失败；
[0106]
a6：返回步骤a2，继续获取下一个待识别人脸图像进行人脸识别。
[0107]
示例性地，阈值调节流程详述如下：
[0108]
b1：在每天结束后，读取前一天存储的日表；
[0109]
b2：获取日表中每个唯一标识信息id分别对应的所有相似度；对于每个id，去除其对应的所有相似度中的最大值和最小值后计算其对应的平均相似度，得到子平均值t
day
；
[0110]
b3：将当前的id、子平均值t
day
和日期信息一同记录至以一周为预设周期的映射表(简称为周表)中；
[0111]
b4：若检测到已遍历完日表的所有id，即检测到日表的每个id均完成了步骤b2至步骤b3的操作，则执行步骤b5；
[0112]
b5：读取周表，若检测到周表中存在达到预设时间阈值(一周)的id，则获取该id在这预设时间阈值内各个不同日期的子平均值t
day
并再次进行平均值求取运算，得到该id在一周内对目标平均值：t
avg
；
[0113]
b6：以该目标平均值t
avg
作为该id对应的更新后的识别阈值，从而实现识别阈值的调节更新。
[0114]
通过上述的识别流程和阈值调节流程的配合，能够准确地实现识别阈值的调整，进而提高人脸识别的准确性。
[0115]
应理解，上述实施例中各步骤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，而不应对本技术实施例的实施过程构成任何限定。
[0116]
实施例二：
[0117]
图7示出了本技术实施例提供的一种人脸识别装置的结构示意图，为了便于说明，仅示出了与本技术实施例相关的部分：
[0118]
该人脸识别装置包括：获取单元71、目标相似度确定单元72、识别结果确定单元73。其中：
[0119]
获取单元71，用于获取待识别人脸图像。
[0120]
目标相似度确定单元72，用于分别计算所述待识别人脸图像与预存的各个模板图像之间的相似度，以确定目标相似度；其中，所述目标相似度为目标模板图像对应的相似度，所述目标模板图像为预存的各个模板图像中与所述待识别人脸图像之间相似度最大的模板图像。
[0121]
识别结果确定单元73，用于基于所述目标相似度以及所述目标模板图像对应的识
别阈值，确定所述待识别人脸图像的识别结果，其中，预存的各个模板图像分别具有各自对应的识别阈值，且所述识别阈值是根据历史时间段内所述模板图像被识别成功时的识别记录所生成的。
[0122]
可选地，所述人脸识别装置，还包括：
[0123]
存储单元，用于若所述待识别人脸图像的识别结果为识别成功，则将所述目标相似度与所述目标模板图像对应存储。
[0124]
可选地，所述人脸识别装置，还包括：
[0125]
识别记录获取单元，用于针对每个所述模板图像，获取所述模板图像在历史时间段内被识别成功时的识别记录，所述识别记录包括各个待识别人脸图像被成功识别为所述模板图像时，与所述模板图像之间的相似度；
[0126]
识别阈值生成单元，用于根据所述识别记录中所包含的相似度，生成所述模板图像对应的识别阈值。
[0127]
可选地，所述历史时间段包括预设数目个子时间段，所述识别阈值生成单元，具体用于根据所述识别记录，分别确定各个所述子时间段内所包含的相似度的子平均值；根据各个所述子平均值，求取目标平均值；所述目标平均值为各个所述子平均值的平均值；根据所述目标平均值，生成所述模板图像对应的识别阈值。
[0128]
可选地，所述识别阈值存在对应的最新生成时间，所述识别阈值生成单元中，所述根据各个所述子平均值，求取目标平均值，包括：
[0129]
若检测到当前时间与所述模板图像对应的识别阈值的最新生成时间之间的时间间隔达到预设时间阈值，则根据各个所述子平均值，求取目标平均值。
[0130]
可选地，所述目标相似度确定单元72，具体用于分别计算所述待识别人脸图像与预存的各个模板图像之间的相似度；基于预设基础阈值以及各个所述相似度中数值最大的相似度，确定目标相似度。
[0131]
可选地，所述人脸识别装置还包括：
[0132]
提示单元，用于发出与所述识别结果相匹配的提示信息。
[0133]
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本技术方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
[0134]
实施例三：
[0135]
图8是本技术一实施例提供的电子设备的示意图。如图8所示，该实施例的电子设备8包括：处理器80、存储器81以及存储在所述存储器81中并可在所述处理器80上运行的计算机程序82，例如人脸识别程序。所述处理器80执行所述计算机程序82时实现上述各个人脸识别方法实施例中的步骤，例如图1所示的步骤s101至s103。或者，所述处理器80执行所述计算机程序82时实现上述各装置实施例中各模块/单元的功能，例如图7所示获取单元71至识别结果确定单元73的功能。
[0136]
示例性的，所述计算机程序82可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器81中，并由所述处理器80执行，以完成本技术。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序82在所述电子设备8中的执行过程。
[0137]
所述电子设备8可以是人脸识别考勤机、人脸门禁设备、监控设备、手机、桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述电子设备可包括，但不仅限于，处理器80、存储器81。本领域技术人员可以理解，图8仅仅是电子设备8的示例，并不构成对电子设备8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，例如所述电子设备还可以包括输入输出设备、网络接入设备、总线等。
[0138]
所称处理器80可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field
‑
programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0139]
所述存储器81可以是所述电子设备8的内部存储单元，例如电子设备8的硬盘或内存。所述存储器81也可以是所述电子设备8的外部存储设备，例如所述电子设备8上配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。进一步地，所述存储器81还可以既包括所述电子设备8的内部存储单元也包括外部存储设备。所述存储器81用于存储所述计算机程序以及所述电子设备所需的其他程序和数据。所述存储器81还可以用于暂时地存储已经输出或者将要输出的数据。
[0140]
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，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，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本技术的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0141]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
[0142]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
[0143]
在本技术所提供的实施例中，应该理解到，所揭露的装置/电子设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/电子设备实施例仅仅是示意性的，例如，所述模块或单元的划分，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，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
[0144]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显
示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者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者全部单元来实现本实施例方案的目的。
[0145]
另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，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，也可以采用软件功能单元的形式实现。
[0146]
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，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，本技术实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read
‑
only memory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
[0147]
以上所述实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围，均应包含在本技术的保护范围之内。