人脸识别及门禁控制方法、装置、计算机设备及存储介质与流程

1.本公开涉及人脸识别技术领域，具体而言，涉及一种人脸识别及门禁 控制方法、装置、计算机设备及存储介质。


背景技术：

2.人脸识别是目前应用最广泛的生物识别技术之一，也是安防领域最普 遍的算法，在许多场景都有成熟应用，例如门禁通行等。
3.相关技术中，一般是将采集到的人脸图像的特征与存储在数据库中的 图像的特征逐个比对的方式，来判断是否通过人脸识别，而为了保证识别 精度，往往需要用户每隔一段时间就重新上传新的人脸图像到数据库中， 这种方式操作较为繁琐。


技术实现要素：

4.本公开实施例至少提供一种人脸识别及门禁控制方法、装置、计算机 设备及存储介质。
5.第一方面，本公开实施例提供了一种人脸识别方法，包括：
6.获取待识别人脸图像，并提取所述待识别人脸图像的第一人脸特征；
7.将所述第一人脸特征分别和多个第二人脸特征进行匹配，得到匹配结 果，并基于所述匹配结果得到人脸识别结果；
8.其中，所述第二人脸特征为基于注册人脸图像的第三人脸特征，和在 历史人脸识别中与所述注册人脸图像匹配的历史人脸图像的人脸特征确定 的。
9.上述方法中，在获取到待识别人脸图像之后，可以基于多个第二人脸 特征和待识别人脸图像的第一人脸特征进行人脸识别，由于第二人脸特征 是基于注册人脸图像的第三人脸特征和历史人脸图像的第一人脸特征确定 的，因此第二人脸特征可以同时反映注册人脸图像和历史人脸图像的特征。 由于随着时间流逝，不同时刻采集的历史人脸图像会存在或多或少的差异， 且这个变化过程是持续性的，即历史人脸图像是会发生变化的，而第二人 脸特征依赖于历史人脸图像，因此，第二人脸特征往往会周期性/非周期性 更新，也就意味着，第二人脸特征也可以对应发生变化。这就使用户无需 主动对人脸图像进行更新，即可不断生成更新后的第二人脸特征用于人脸 识别。可见，在对待识别人脸图像进行识别时，能够减少因用户的人脸在 不同时刻发生变化而对识别结果产生的影响，提高了人脸识别精度。
10.一种可能的实施方式中，在所述将所述第一人脸特征分别和多个第二 人脸特征进行匹配之前，还包括：
11.在不存在与第一目标用户的注册人脸图像匹配的历史人脸图像的情况 下，将所述第一目标用户对应的注册人脸图像的第三人脸特征作为所述第 一目标用户的第二人脸特征。
12.这样，可以在用户注册之后，首次对用户进行人脸识别时，可以基于 该用户的注
册图像的第三人脸特征进行识别，在保证识别精度的情况下， 提高了人脸识别的通过率。
13.一种可能的实施方式中，所述方法还包括根据以下方法对所述待识别 人脸图像中的待识别用户的第二人脸特征进行更新：
14.针对目标特征组，确定所述待识别人脸图像的第一人脸特征和所述目 标特征组中第二目标用户的第二人脸特征之间的第一相似度；以及确定所 述待识别人脸图像的第一人脸特征和所述目标特征组中所述第二目标用户 的第三人脸特征之间的第二相似度；
15.在基于各特征组对应的第一相似度和所述第二相似度，确定满足更新 条件的情况下，基于所述待识别人脸图像的第一人脸特征对所述待识别用 户的第二人脸特征进行更新。
16.同时通过对比第一人脸特征和第二人脸特征以及第三人脸特征之间的 相似度，可以保证在对待识别用户的第二人脸特征进行更新时的第一人脸 特征，为待识别用户的第一人脸特征，进而提升第二人脸特征的精度。
17.一种可能的实施方式中，响应于所述待识别人脸图像从第一场景采集， 所述更新条件包括：
18.所述特征组对应的第一相似度大于第一预设阈值，且所述特征组对应 的第二相似度大于第二预设阈值。
19.这样，通过设置第一预设阈值和第二预设阈值，可以保证在更新第二 特征时，所采用的第一特征的精度更高。
20.一种可能的实施方式中，响应于所述待识别人脸图像从第二场景采集， 所述更新条件还包括：
21.所述第一相似度大于第一预设阈值且所述第二相似度大于第二预设阈 值的特征组的数量小于预定数量。
22.通过设置特征组的数量，可以减少由于特征更新错误，导致更新之后 无法通过人脸识别的问题。
23.一种可能的实施方式中，在基于所述待识别人脸图像的第一人脸特征 对所述待识别用户的第二人脸特征进行更新之前，所述方法还包括：
24.将所述匹配结果中与所述待识别人脸图像的第一人脸特征匹配的第二 人脸特征，确定为所述待识别用户的第二人脸特征。
25.一种可能的实施方式中，所述基于所述待识别人脸图像的第一人脸特 征对所述待识别用户的第二人脸特征进行更新，包括：
26.基于所述待识别人脸图像的第一人脸特征与所述待识别用户的第二人 脸特征之间的第一相似度，确定所述待识别人脸图像的第一人脸特征与所 述待识别用户的第二人脸特征分别对应的更新权重；
27.基于所述更新权重、所述待识别人脸图像的第一人脸特征与所述待识 别用户的第二人脸特征，对所述待识别用户的第二人脸特征进行更新。
28.这样，在对待识别用户的第二人脸特征进行更新时，同时结合待识别 用户的第一人脸特征和第二人脸特征，可以实现对于第二人脸特征的逐步 更新，降低特征更新对识别精度造成的影响。
29.一种可能的实施方式中，所述基于所述待识别人脸图像的第一人脸特 征与所述
待识别用户的第二人脸特征之间的第一相似度，确定所述待识别 人脸图像的第一人脸特征与所述待识别用户的第二人脸特征分别对应的更 新权重，包括：
30.基于所述待识别人脸图像的第一人脸特征与所述待识别用户的第二人 脸特征之间的第一相似度、预设权重阈值范围以及第二预设阈值，确定所 述待识别人脸图像的第一人脸特征对应的第一更新权重和所述待识别用户 的第二人脸特征对应的第二更新权重；
31.其中，所述第一更新权重与所述第一相似度成正比，所述第一更新权 重和所述第二更新权重之和为预设固定值。
32.第二方面，本公开实施例还提供了一种门禁控制方法，包括：
33.响应人脸识别请求，控制图像采集设备采集待识别人脸图像；
34.基于第一方面或第一方面任一种可能的实施方式所述的人脸识别方 法，对所述待识别人脸图像进行人脸识别，并确定人脸识别结果；
35.基于所述人脸识别结果进行门锁控制。
36.第三方面，本公开实施例还提供一种人脸识别装置，包括：
37.特征提取模块，用于获取待识别人脸图像，并提取所述待识别人脸图 像的第一人脸特征；
38.匹配模块，用于将所述第一人脸特征分别和多个第二人脸特征进行匹 配，得到匹配结果，并基于所述匹配结果得到人脸识别结果；
39.其中，所述第二人脸特征为基于注册人脸图像的第三人脸特征，和在 历史人脸识别中与所述注册人脸图像匹配的历史人脸图像的人脸特征确定 的。
40.一种可能的实施方式中，在所述将所述第一人脸特征分别和多个第二 人脸特征进行匹配之前，所述匹配模块，还用于：
41.在不存在与第一目标用户的注册人脸图像匹配的历史人脸图像的情况 下，将所述第一目标用户对应的注册人脸图像的第三人脸特征作为所述第 一目标用户的第二人脸特征。
42.一种可能的实施方式中，所述装置还包括更新模块，用于根据以下方 法对所述待识别人脸图像中的待识别用户的第二人脸特征进行更新：
43.针对目标特征组，确定所述待识别人脸图像的第一人脸特征和所述目 标特征组中第二目标用户的第二人脸特征之间的第一相似度；以及确定所 述待识别人脸图像的第一人脸特征和所述目标特征组中所述第二目标用户 的第三人脸特征之间的第二相似度；
44.在基于各特征组对应的第一相似度和所述第二相似度，确定满足更新 条件的情况下，基于所述待识别人脸图像的第一人脸特征对所述待识别用 户的第二人脸特征进行更新。
45.一种可能的实施方式中，响应于所述待识别人脸图像从第一场景采集， 所述更新条件包括：
46.所述特征组对应的第一相似度大于第一预设阈值，且所述特征组对应 的第二相似度大于第二预设阈值。
47.一种可能的实施方式中，响应于所述待识别人脸图像从第二场景采集， 所述更新条件还包括：
48.所述第一相似度大于第一预设阈值且所述第二相似度大于第二预设阈 值的特征
组的数量小于预定数量。
49.一种可能的实施方式中，在基于所述待识别人脸图像的第一人脸特征 对所述待识别用户的第二人脸特征进行更新之前，所述更新模块，还用于：
50.将所述匹配结果中与所述待识别人脸图像的第一人脸特征匹配的第二 人脸特征，确定为所述待识别用户的第二人脸特征。
51.一种可能的实施方式中，所述更新模块，在基于所述待识别人脸图像 的第一人脸特征对所述待识别用户的第二人脸特征进行更新时，用于：
52.基于所述待识别人脸图像的第一人脸特征与所述待识别用户的第二人 脸特征之间的第一相似度，确定所述待识别人脸图像的第一人脸特征与所 述待识别用户的第二人脸特征分别对应的更新权重；
53.基于所述更新权重、所述待识别人脸图像的第一人脸特征与所述待识 别用户的第二人脸特征，对所述待识别用户的第二人脸特征进行更新。
54.一种可能的实施方式中，所述更新模块，在基于所述待识别人脸图像 的第一人脸特征与所述待识别用户的第二人脸特征之间的第一相似度，确 定所述待识别人脸图像的第一人脸特征与所述待识别用户的第二人脸特征 分别对应的更新权重时，用于：
55.基于所述待识别人脸图像的第一人脸特征与所述待识别用户的第二人 脸特征之间的第一相似度、预设权重阈值范围以及第二预设阈值，确定所 述待识别人脸图像的第一人脸特征对应的第一更新权重和所述待识别用户 的第二人脸特征对应的第二更新权重；
56.其中，所述第一更新权重与所述第一相似度成正比，所述第一更新权 重和所述第二更新权重之和为预设固定值。
57.第四方面，本公开实施例还提供一种门禁控制装置，包括：
58.采集模块，用于响应人脸识别请求，控制图像采集设备采集待识别人 脸图像；
59.识别模块，用于基于第一方面或第一方面任一可能的实施方式所述的 人脸识别方法，对所述待识别人脸图像进行人脸识别，并确定人脸识别结 果；
60.控住模块，用于基于所述人脸识别结果进行门锁控制。
61.第五方面，本公开实施例还提供一种计算机设备，包括：处理器、存 储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计 算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器 可读指令被所述处理器执行时执行上述第一方面，或第一方面中任一种可 能的实施方式中的步骤，或执行如上述第二方面所述的步骤。
62.第六方面，本公开实施例还提供一种计算机可读存储介质，该计算机 可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上 述第一方面，或第一方面中任一种可能的实施方式中的步骤，或执行如上 述第二方面所述的步骤。
63.关于上述人脸识别装置、计算机设备、及计算机可读存储介质的效果 描述参见上述人脸识别方法的说明，这里不再赘述。
64.为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实 施例，并配合所附附图，作详细说明如下。
附图说明
65.为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需 要使用的附图作简单地介绍，此处的附图被并入说明书中并构成本说明书 中的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于 说明本公开的技术方案。应当理解，以下附图仅示出了本公开的某些实施 例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，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相关的附图。
66.图1示出了本公开实施例所提供的一种人脸识别方法的流程图；
67.图2示出了本公开实施例所提供的人脸识别方法中，对待识别人脸图 像中的待识别用户的第二人脸特征进行更新的具体方法的流程图；
68.图3示出了本公开实施例所提供的人脸识别方法中，基于所述待识别 人脸图像的第一人脸特征对所述待识别用户的第二人脸特征进行更新的具 体方法的流程图；
69.图4示出了本公开实施例所提供的一种人脸识别装置的架构示意图；
70.图5示出了本公开实施例所提供的一种门禁控制装置的架构示意图；
71.图6示出了本公开实施例所提供的一种计算机设备的结构示意图。
具体实施方式
72.为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本 公开实施例中附图，对本公开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公开一部分实施例，而不是全部的实施例。 通常在此处附图中描述和示出的本公开实施例的组件可以以各种不同的配 置来布置和设计。因此，以下对在附图中提供的本公开的实施例的详细描 述并非旨在限制要求保护的本公开的范围，而是仅仅表示本公开的选定实 施例。基于本公开的实施例，本领域技术人员在没有做出创造性劳动的前 提下所获得的所有其他实施例，都属于本公开保护的范围。
73.相关技术中，在进行人脸识别时，一般是先获取所有用户的注册图像， 然后提取并存储注册图像中的人脸特征。当拍摄到待识别用户的识别图像 时，提取识别图像中的人脸特征，并将提取的识别图像中的人脸特征与注 册图像中的人脸特征进行比对，若比对成功则确定人脸识别通过。
74.而为了保证识别精度，往往需要用户每隔一段时间就重新上传新的人 脸图像到数据库中，这种方式操作较为繁琐。
75.若数据库更新人脸图像的时间间隔较长，随着时间的流逝，用户的人 脸特征可能发生改变，例如可能会长胖、变瘦、留胡子等，这样可能会造 成拍摄的识别图像中的人脸特征与注册图像中的人脸特征存在差异，影响 识别精度。
76.另外，注册图像的背景通常较为简单，比如，注册图像为证件照等， 因此在提取注册图像的人脸特征时，背景对于人脸特征的影响较小，而实 际在应用时，识别图像的背景可能会比较杂乱，提取识别图像的人脸特征 时，可能会受到杂乱的背景噪声的影响，进而影响识别精度。
77.基于上述研究，本公开提供了一种人脸识别及门禁控制方法、装置、 计算机设备及存储介质，在获取到待识别人脸图像之后，可以基于多个第 二人脸特征和待识别人脸图像的第一人脸特征进行人脸识别，由于第二人 脸特征是基于注册人脸图像的第三人脸特
征和历史人脸图像的第一人脸特 征确定的，因此第二人脸特征可以同时反映注册人脸图像和历史人脸图像 的特征。由于随着时间流逝，不同时刻采集的历史人脸图像会存在或多或 少的差异，且这个变化过程是持续性的，即历史人脸图像是会发生变化的， 而第二人脸特征依赖于历史人脸图像，因此，第二人脸特征往往会周期性/ 非周期性更新，也就意味着，第二人脸特征也可以对应发生变化。这就使 用户无需主动对人脸图像进行更新，即可不断生成更新后的第二人脸特征 用于人脸识别。可见，在对待识别人脸图像进行识别时，能够减少因用户 的人脸在不同时刻发生变化而对识别结果产生的影响，提高了人脸识别精 度。
78.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一 旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步 定义和解释。
79.为便于对本实施例进行理解，首先对本公开实施例所公开的一种人脸 识别方法进行详细介绍，本公开实施例所提供的人脸识别方法的执行主体 一般为具有一定计算能力的计算机设备，该计算机设备例如包括：终端或 服务器或其它处理设备，终端可以为用户设备(user equipment，ue)、移 动设备、用户终端、蜂窝电话、无绳电话、个人数字助理(personal digitalassistant，pda)、手持设备、计算设备、车载设备、可穿戴设备等。在一 些可能的实现方式中，该人脸识别方法可以通过处理器调用存储器中存储 的计算机可读指令的方式来实现。
80.参见图1所示，为本公开实施例提供的一种人脸识别方法的流程图， 所述方法包括步骤101～步骤102，其中：
81.步骤101、获取待识别人脸图像，并提取所述待识别人脸图像的第一人 脸特征。
82.步骤102、将所述第一人脸特征分别和多个第二人脸特征进行匹配，得 到匹配结果，并基于所述匹配结果得到人脸识别结果。
83.其中，所述第二人脸特征为基于注册人脸图像的第三人脸特征，和在 历史人脸识别中与所述注册人脸图像匹配的历史人脸图像的人脸特征确定 的。
84.在一种可能的实施方式中，所述获取待识别人脸图像可以是获取在不 同应用场景下拍摄的人脸图像，例如可以是人脸支付场景、安检场景、门 禁场景等需要对用户的人脸进行识别或需要对用户的身份进行认证时所涉 及的场景。
85.若本公开所提供的方法对应的执行主体为服务器，则可以是图像采集 装置在拍摄完待识别人脸图像之后，由图像采集装置上传至服务器的；若 本公开所提供的方法对应的执行主体为终端或其他处理设备，则终端或其 他处理设备可以预先存储所有注册用户的第二人脸特征，然后可以接收由 图像采集装置发送的待识别人脸图像。
86.需要说明的是，本公开所提供的方法对应的执行主体为终端或其他处 理设备所对应的应用场景既可以包括注册用户数量较多的场景，例如，社 区、卖场等，也可以包括注册用户数量较少的场景中，例如，公司、展会 等。
87.在一种可能的实施方式中，在提取待识别人脸图像的第一人脸特征时， 可以将所述待识别人脸图像输入至预先训练的神经网络中，神经网络可以 使出待识别人脸图像对应的第一人脸特征。本公开中所述的所有人脸特征 均可以通过向量的形式表示。
88.其中，所述神经网络可以是基于携带有用户标识的样本图像训练得到 的。示例性的，可以将携带有用户标识的样本图像输入至神经网络中，得 到样本图像对应的人脸特
征，然后基于各个样本图像对应的人脸特征，确 定同一用户对应的多张样本图像，再基于样本图像的用户标识，以及确定 的对应同一用户的多张样本图像，确定本次训练过程中神经网络的网络精 度，并在所述精度不满足预设条件的情况下继续训练所述神经网络。
89.需要说明的是，上述神经网络的训练过程仅做示例性的说明，对于其 他训练神经网络的方法本公开并不限制。
90.所述第二人脸特征可以是预先存储的，对于已注册的用户来说，数据 库中存储有该用户的两个人脸特征，一个是该用户对应的注册图像中的第 三人脸特征，一个是该用户的第二人脸特征，该用户的第二人脸特征是基 于该用户的第三人脸特征以及在针对该用户的历史人脸识别中的历史人脸 图像的第一人脸特征确定的。
91.在一种可能的实施方式中，在将所述第一人脸特征分别和多个第二人 脸特征进行匹配之前，还可以在不存在与第一目标用户的注册人脸图像匹 配的历史人脸图像的情况下，将所述第一目标用户对应的注册人脸图像的 第三人脸特征作为所述第一目标用户的第二人脸特征。
92.这里，所述第一目标用户可以是指数据库中存储的未进行过人脸识别 的一个或多个用户；或者，所述第一目标用户可以是指在进行人脸特征匹 配时，没有对应的历史人脸图像的待匹配用户。
93.即实际应用中，在历史人脸图像为空的情况下，即在某一用户注册之 后第一次对该用户进行人脸识别时，对应的第二人脸特征可以是该用户的 注册图像中的第三人脸特征。也就是说，在完成注册后未获取过任一已注 册用户的待识别人脸图像(相当于该用户的历史人脸图像为空)时，数据 库中存储的该用户的第三人脸特征，可视为该用户的第二人脸特征，或是 数据库中存储的该用户的第二人脸特征和第三人脸特征相同。尤其是对于 存储空间并不充裕的情况而言，通过仅存储用户的第三人脸特征，可相当 于分别存储了该用户的第二人脸特征和第三人脸特征，待该用户的这两类 特征存在差异的情况下，可以在存储第三人脸特征的同时，额外存储第二 人脸特征。
94.在一种可能的实施方式中，在将所述第一人脸特征和最近更新的多个 第二人脸特征(即对应不同注册用户的最近更新的第二人脸特征)进行匹 配时，可以计算所述第一人脸特征与最近更新的每一个第二人脸特征之间 的匹配度(例如可以计算欧氏距离等能够表示二者相似性或关联关系的参 数)，将对应的匹配度最高、且对应的匹配度大于预设匹配度的第二人脸特 征对应的用户作为该待识别人脸图像中的用户，并确定人脸识别结果为通 过识别。
95.所述基于匹配结果确定人脸识别结果可以理解为，当最近更新的多个 第二人脸特征中，存在与第一人脸特征匹配的第二人脸特征时，所述人脸 识别结果为通过识别；当最近更新的多个第二人脸特征中，不存在与第一 人脸特征匹配的第二人脸特征时，所述人脸识别结果为识别不通过。
96.在一种可能的实施方式中，存储的多个第二人脸特征可以是不断更新 的，具体的，可以设置更新触发条件，当满足更新触发条件时，可以对存 储的第二人脸特征进行更新。
97.示例性的所述更新触发条件可以是每隔预设时长进行更新，例如每个 星期更新一次；或者针对单个用户，人脸识别次数每隔预设次数对该用户 的第二人脸特征进行更新
一次，例如用户a在经过10次人脸识别之后，可 以对用户a的第二人脸特征进行更新。需要说明的是，更新触发条件可以 根据不同场景的需求或是注册用户的数量等多种因素中的至少一项来设 定，可以是周期性或非周期性的判别方式。比如，在场景对于人脸识别精 度要求较高，和/或，注册用户的数量较少的情况下，可以较短的时间间隔 作为更新触发条件，类似的，在场景对于人脸识别精度要求较低，和/或， 注册用户的数量较多的情况下，可以较长的时间间隔作为更新触发条件， 即更新触发条件指示的更新周期与人脸识别精度呈负相关，而与注册用户 的数量正负相关。当然，所指的时间间隔可以是动态变化的或是固定的， 在此不予限定。
98.实际应用中，在对用户的第二人脸特征进行更新的前提可以是，该用 户基于待识别人脸图像通过人脸识别。即在获取待识别人脸图像之后，且 基于待识别人脸图像进行人脸识别，确定该待识别人脸图像为用户b的人 脸图像，且满足更新触发条件，则可以对用户b的第二人脸特征进行更新。 当然可以在用户多次通过人脸识别后，将多次通过人脸识别所使用到的图 像分别存储在本地或是云端等用户授权的存储空间中，待累计一定时间或 一定数量后，再完成第二人脸特征的更新。尤其是对于社区、公司等用户 会频繁出现的场所而言，这种更新方式可以节省因生成第二人脸特征而耗 费的计算资源。相应的，对于展会、卖场等用户出现频次较低的场所而言， 为保证用户再次到访时，第二人脸特征可以在人脸识别过程中满足人脸识 别需求，且本着保护用户隐私的原则，可无需存储历次到访的人脸图像， 而仅基于当下通过人脸识别的图像以及已存的第二人脸特征，实现第二人 脸特征的更新。
99.在一种可能的实施方式中，可以根据如图2所示的方法，对待识别人 脸图像中的待识别用户的第二人脸特征进行更新，包括以下几个步骤：
100.步骤201、针对目标特征组，确定所述待识别人脸图像的第一人脸特征 和所述目标特征组中第二目标用户的第二人脸特征之间的第一相似度；以 及确定所述待识别人脸图像的第一人脸特征和所述目标特征组中所述第二 目标用户的第三人脸特征之间的第二相似度。
101.这里，所述目标特征组可以是指一个或多个特征组，可以是指待匹配 的特征组，对于各个注册用户而言每个用户有唯一对应的特征组，特征组 中存储有用户的第一人脸特征和第二人脸特征。
102.步骤202、在基于各特征组对应的第一相似度和所述第二相似度，确定 满足更新条件的情况下，基于所述待识别人脸图像的第一人脸特征对所述 待识别用户的第二人脸特征进行更新。
103.在一种可能的实施方式中，在基于待识别人脸图像的第一人脸特征对 所述待识别用户的第二人脸特征进行更新之前，还可以先基于所述匹配结 果，确定所述待识别用户的第二人脸特征。
104.示例性的，将所述匹配结果中与所述待识别人脸图像的第一人脸特征 匹配的第二人脸特征，确定为所述待识别用户的第二人脸特征。
105.所述第一人脸特征和所述第二人脸特征之间的第一相似度的计算方 法，可以与所述第一人脸特征与所述第三特征之间的第二相似度的计算方 法相同，示例性的可以是计算欧氏距离、余弦距离、协方差等能够体现两 个特征之间相似程度或关联关系的参数。
106.这里，响应于所述待识别人脸图像从第一场景采集，所述更新条件， 可以包括：
107.所述特征组对应的第一相似度超过第一预设阈值和该特征组对应的第 二相似度超过第二预设阈值。
108.这里，所述第一场景可以是指近亲出现较少的场景，例如展厅、会场、 公司、卖场等。其中，近亲指的可以是存在血缘关系的兄弟、姊妹、父母、 子女等，通常属于近亲的多个用户之间具备相近或部分相同的人脸特征。
109.上述更新条件可以描述为：
[0110][0111]
其中，针对同一用户而言，f
query
表示第一人脸特征，f
rec
表示第二人 脸特征，f
db
表示第三人脸特征，similar(f
query
,f
rec
)表示第一相似度， similar(f
query
,f
db
)表示第二相似度，t1为第一预设阈值，t2为第二预设阈值。
[0112]
可见，在用户的第一人脸特征分别与第二人脸特征、第三人脸特征相 近的情况下，即可对该用户的第二人脸特征进行更新。这样可以将该用户 随时间推移而产生的较小的变化及时体现在第二人脸特征中，从而确保该 用户再次到访时的人脸识别精度。
[0113]
在另一种可能的实施方式中，响应于所述待识别人脸图像从第二场景 采集，所述更新条件还包括：
[0114]
所述第一相似度超过第一预设阈值和所述第二相似度超过第二预设阈 值的特征组的数量小于预定数量。
[0115]
这里，所述第二场景可以理解为近亲出现较多的场景，例如社区、家 庭门锁等。
[0116]
第二场景中的更新条件可以理解为，满足上述公式，且满足上述公式 的特征组的个数n小于预定个数t3。
[0117]
这里，一般第一预设阈值t1大于在人脸识别过程中的预设匹配度，即 任一用户的待识别人脸图像的第一人脸特征与最近更新的第一个第二人脸 特征之间的最大匹配度，可能超过所述预设匹配度，但是并未超过所述第 一预设阈值，在这种情况下，视为不满足更新条件。
[0118]
这样，通过设置比预设匹配度更高的第一预设阈值和第二预设阈值， 可以保证在更新第二特征时，所采用的第一特征的精度更高；另外通过设 置特征组的个数，可以降低对于注册用户中特征相似的两个用户的特征更 新错误的几率，从而减少因误更新而导致的更新之后用户难以通过人脸识 别的问题。
[0119]
示例性的，若注册用户中包括两个面部特征相似的用户，例如双胞胎， 则在基于其中一个用户a的待检测人脸图像的第一特征，对该用户a的第 二特征进行更新时，则满足上述公式的特征组的个数可能为2(可能是上述 两个双胞胎分别对应的特征组)，在这种情况下，若要对第二特征进行更新， 比如直接对第一相似度最高的第二特征进行更新的话，可能会导致另一用 户b对应的第二特征进行了错误的更新，后续另一用户b在进行人脸识别 时，可能难以通过人脸识别，或是，在用户a进行人脸识别时，很可能为 误识别为用户b，这样底库存储的第二特征就会出现错乱的情况，影响用 户a和用户b的人脸识别精度。
[0120]
示例性的，若满足上述公式的特征组包括特征组1、特征组2、特征组 3，若基于待
检测人脸图像的第一特征，对特征组1的第二特征进行了更新， 则可能待检测人脸图像中的待检测用户与特征组1对应的用户并非同一用 户，而是待检测用户在某一角度上与特征组1对应的用户较为相像，这种 情况下进行更新了以后，可能会导致特征组1对应的用户后续无法通过人 脸识别。
[0121]
针对单个用户，若基于该用户的人脸图像能够检测出满足上述公式的 特征组，但是满足上述公式的特征组的数量大于或等于设定数量，在这种 情况下，说明已注册的用户中包括多个与该用户特征相近的用户，例如可 能是近亲，因此为了提高该用户的识别通过率，可以不对该用户的第二人 脸特征进行更新。
[0122]
在一种可能的实施方式中，在对待检测用户的第二人脸特征进行更新 时，可以直接将待检测图像中的第一人脸特征作为待检测用户的第二人脸 特征，这种更新方法虽然可以提高更新速度，但是更新后的第二人脸特征 可能精度较低，进而可能会影响人脸识别的精度。
[0123]
在另外一种可能的实施方式中，在基于所述待识别人脸图像的第一人 脸特征对所述待识别用户的第二人脸特征进行更新时，可以通过如图3所 示的方法，包括以下几个步骤：
[0124]
步骤301、基于所述待识别人脸图像的第一人脸特征与所述待识别用户 的第二人脸特征之间的第一相似度，确定所述待识别人脸图像的第一人脸 特征与所述待识别用户的第二人脸特征分别对应的更新权重。
[0125]
步骤302、基于所述更新权重、所述待识别人脸图像的第一人脸特征与 所述待识别用户的第二人脸特征，对所述待识别用户的第二人脸特征进行 更新。
[0126]
这样，在对待识别用户的第二人脸特征进行更新时，同时结合待识别 用户的第一人脸特征和第二人脸特征，可以实现对于第二人脸特征的逐步 更新，降低更新特征对识别精度的影响。
[0127]
在一种可能的实施方式中，在基于所述待识别人脸图像的第一人脸特 征与所述待识别用户的第二人脸特征之间的第一相似度，确定所述待识别 人脸图像的第一人脸特征与所述待识别用户的第二人脸特征分别对应的更 新权重时，可以基于所述待识别人脸图像的第一人脸特征与所述待识别用 户的第二人脸特征之间的第一相似度、预设权重阈值范围以及第二预设阈 值，确定所述待识别人脸图像的第一人脸特征对应的第一更新权重和所述 待识别用户的第二人脸特征对应的第二更新权重；
[0128]
其中，所述第一更新权重与所述第一相似度成正比，所述第一更新权 重和所述第二更新权重之和为预设固定值。
[0129]
示例性的，所述预设固定值一般为1，可以先基于所述待识别人脸图像 的第一人脸特征与所述待识别用户的第二人脸特征之间的第一相似度、第 二预设阈值以及预设权重阈值范围，确定所述待识别人脸图像的第一人脸 特征对应的更新权重，然后基于所述待识别人脸图像的第一人脸特征对应 的更新权重，确定所述待识别用户的第二人脸特征对应的更新权重。
[0130]
示例性的，在确定所述待识别人脸图像的第一人脸特征对应的更新权 重时，可以通过如下公式进行计算：
[0131][0132]
其中，α表示所述待识别人脸图像的第一人脸特征对应的更新权重， similar(f
query
,f
rec
)表示第一相似度，t1表示第一相似度对应的第一预设阈 值，α
ub
表示预设权重最大值，α
lb
表示预设权重最小值。
[0133]
在确定所述待识别人脸图像的第一人脸特征对应的更新权重α之后， 将1
‑
α作为待识别用户的第二人脸特征对应的更新权重。
[0134]
示例性的，在基于所述更新权重、所述待识别人脸图像的第一人脸特 征与所述待识别用户的第二人脸特征，对所述待识别用户的第二人脸特征 进行更新时，可以通过如下公式进行计算：
[0135]
f
rec_new
＝α*f
query
(1
‑
α)*f
rec
[0136]
其中，f
rec_new
表示更新后的第二人脸特征。
[0137]
由上述公式可知，所述待识别人脸图像的第一人脸特征对应的更新权 重与第一相似度成正比，也就是说待识别用户的第一人脸特征与第二特征 之间的相似度越高，在对第二特征进行更新时，待识别用户的第一人脸特 征所占比重越高。
[0138]
在对第二人脸特征进行更新时，为减少出现更新导致人脸特征变化较 大，进而影响后续的人脸识别的情况的发生，因此可以通过设置更新权重 阈值范围，来实现对于更新幅度的控制。一般的，所述权重阈值范围可以 为0.08～0.15，也可以基于用户实际的更新需求对权重阈值范围进行调整。
[0139]
本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的 撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤 的具体执行顺序应当以其功能和可能的内在逻辑确定。
[0140]
基于相同的构思，本公开实施例还提供一种门禁控制方法，所述门禁 控制方法可以应用于门禁或门锁对应的控制器中，所述控制器与图像采集 设备连接，其连接方式可以是有线连接或无线连接，所述无线连接方式例 如可以包括蓝牙连接、无线网络连接等。
[0141]
包括以下几个步骤：
[0142]
步骤1、响应人脸识别请求，控制图像采集设备采集待识别人脸图像。
[0143]
这里，所述人脸识别请求可以是在检测到有用户请求开门的情况下发 送的，示例性的，门禁或门锁位置处可以设置红外检测装置，当红外检测 装置检测到有用户的情况下，可以向所述控制器发送人脸识别请求。
[0144]
步骤2、基于上述实施例所述的人脸识别方法，对所述待识别人脸图像 进行人脸识别，并确定人脸识别结果。
[0145]
步骤3、基于所述人脸识别结果进行门锁控制。
[0146]
若人脸识别结果为识别通过，则控制门锁打开，若人脸识别结果为识 别失败，则控制门锁关闭。
[0147]
通过这种方法，可以实现对于门禁或门锁的精确控制，减少人脸识别 精度对门禁或门锁控制的影响。
[0148]
基于同一发明构思，本公开实施例中还提供了与人脸识别方法对应的 人脸识别
装置，由于本公开实施例中的装置解决问题的原理与本公开实施 例上述人脸识别方法相似，因此装置的实施可以参见方法的实施，重复之 处不再赘述。
[0149]
参照图4所示，为本公开实施例提供的一种人脸识别装置的架构示意 图，所述装置包括：特征提取模块401、匹配模块402以及更新模块403； 其中，
[0150]
特征提取模块401，用于获取待识别人脸图像，并提取所述待识别人脸 图像的第一人脸特征；
[0151]
匹配模块402，用于将所述第一人脸特征分别和多个第二人脸特征进行 匹配，得到匹配结果，并基于所述匹配结果得到人脸识别结果；
[0152]
其中，所述第二人脸特征为基于注册人脸图像的第三人脸特征，和在 历史人脸识别中与所述注册人脸图像匹配的历史人脸图像的人脸特征确定 的。
[0153]
一种可能的实施方式中，在所述将所述第一人脸特征分别和多个第二 人脸特征进行匹配之前，所述匹配模块402，还用于：
[0154]
在不存在与第一目标用户的注册人脸图像匹配的历史人脸图像的情况 下，将所述第一目标用户对应的注册人脸图像的第三人脸特征作为所述第 一目标用户的第二人脸特征。
[0155]
一种可能的实施方式中，所述装置还包括更新模块403，用于根据以下 方法对所述待识别人脸图像中的待识别用户的第二人脸特征进行更新：
[0156]
针对目标特征组，确定所述待识别人脸图像的第一人脸特征和所述目 标特征组中第二目标用户的第二人脸特征之间的第一相似度；以及确定所 述待识别人脸图像的第一人脸特征和所述目标特征组中所述第二目标用户 的第三人脸特征之间的第二相似度；
[0157]
在基于各特征组对应的第一相似度和所述第二相似度，确定满足更新 条件的情况下，基于所述待识别人脸图像的第一人脸特征对所述待识别用 户的第二人脸特征进行更新。
[0158]
一种可能的实施方式中，响应于所述待识别人脸图像从第一场景采集， 所述更新条件包括：
[0159]
所述特征组对应的第一相似度大于第一预设阈值，且所述特征组对应 的第二相似度大于第二预设阈值。
[0160]
一种可能的实施方式中，响应于所述待识别人脸图像从第二场景采集， 所述更新条件还包括：
[0161]
所述第一相似度大于第一预设阈值且所述第二相似度大于第二预设阈 值的特征组的数量小于预定数量。
[0162]
一种可能的实施方式中，在基于所述待识别人脸图像的第一人脸特征 对所述待识别用户的第二人脸特征进行更新之前，所述更新模块403，还用 于：
[0163]
将所述匹配结果中与所述待识别人脸图像的第一人脸特征匹配的第二 人脸特征，确定为所述待识别用户的第二人脸特征。
[0164]
一种可能的实施方式中，所述更新模块403，在基于所述待识别人脸图 像的第一人脸特征对所述待识别用户的第二人脸特征进行更新时，用于：
[0165]
基于所述待识别人脸图像的第一人脸特征与所述待识别用户的第二人 脸特征之间的第一相似度，确定所述待识别人脸图像的第一人脸特征与所 述待识别用户的第二人
脸特征分别对应的更新权重；
[0166]
基于所述更新权重、所述待识别人脸图像的第一人脸特征与所述待识 别用户的第二人脸特征，对所述待识别用户的第二人脸特征进行更新。
[0167]
一种可能的实施方式中，所述更新模块403，在基于所述待识别人脸图 像的第一人脸特征与所述待识别用户的第二人脸特征之间的第一相似度， 确定所述待识别人脸图像的第一人脸特征与所述待识别用户的第二人脸特 征分别对应的更新权重时，用于：
[0168]
基于所述待识别人脸图像的第一人脸特征与所述待识别用户的第二人 脸特征之间的第一相似度、预设权重阈值范围以及第二预设阈值，确定所 述待识别人脸图像的第一人脸特征对应的第一更新权重和所述待识别用户 的第二人脸特征对应的第二更新权重；
[0169]
其中，所述第一更新权重与所述第一相似度成正比，所述第一更新权 重和所述第二更新权重之和为预设固定值。
[0170]
关于装置中的各模块的处理流程以及各模块之间的交互流程的描述可 以参照上述方法实施例中的相关说明，这里不再详述。
[0171]
基于相同的构思，本公开实施例还提供了与门禁控制方法对应的门禁 控制装置，参见图5所示，为本公开实施例提供的一种门禁控制装置的架 构示意图，包括采集模块501、识别模块502以及控制模块503；具体的：
[0172]
采集模块501，用于响应人脸识别请求，控制图像采集设备采集待识别 人脸图像；
[0173]
识别模块502，用于基于上述实施例所述的人脸识别方法，对所述待识 别人脸图像进行人脸识别，并确定人脸识别结果；
[0174]
控住模块503，用于基于所述人脸识别结果进行门锁控制。
[0175]
基于同一技术构思，本公开实施例还提供了一种计算机设备。参照图6 所示，为本公开实施例提供的计算机设备600的结构示意图，包括处理器 601、存储器602、和总线603。其中，存储器602用于存储执行指令，包 括内存6021和外部存储器6022；这里的内存6021也称内存储器，用于暂 时存放处理器601中的运算数据，以及与硬盘等外部存储器6022交换的数 据，处理器601通过内存6021与外部存储器6022进行数据交换，当计算 机设备600运行时，处理器601与存储器602之间通过总线603通信，使 得处理器601在执行以下指令：
[0176]
获取待识别人脸图像，并提取所述待识别人脸图像的第一人脸特征；
[0177]
将所述第一人脸特征分别和多个第二人脸特征进行匹配，得到匹配结 果，并基于所述匹配结果得到人脸识别结果；
[0178]
其中，所述第二人脸特征为基于注册人脸图像的第三人脸特征，和在 历史人脸识别中与所述注册人脸图像匹配的历史人脸图像的人脸特征确定 的。
[0179]
一种可能的实施方式中，处理器601执行的指令中，在所述将所述第 一人脸特征分别和多个第二人脸特征进行匹配之前，还包括：
[0180]
在不存在与第一目标用户的注册人脸图像匹配的历史人脸图像的情况 下，将所述第一目标用户对应的注册人脸图像的第三人脸特征作为所述第 一目标用户的第二人脸特征。
[0181]
一种可能的实施方式中，处理器601执行的指令中，所述方法还包括 根据以下方法对所述待识别人脸图像中的待识别用户的第二人脸特征进行 更新：
[0182]
针对目标特征组，确定所述待识别人脸图像的第一人脸特征和所述目 标特征组
中第二目标用户的第二人脸特征之间的第一相似度；以及确定所 述待识别人脸图像的第一人脸特征和所述目标特征组中所述第二目标用户 的第三人脸特征之间的第二相似度；
[0183]
在基于各特征组对应的第一相似度和所述第二相似度，确定满足更新 条件的情况下，基于所述待识别人脸图像的第一人脸特征对所述待识别用 户的第二人脸特征进行更新。
[0184]
一种可能的实施方式中，处理器601执行的指令中，响应于所述待识 别人脸图像从第一场景采集，所述更新条件包括：
[0185]
所述特征组对应的第一相似度大于第一预设阈值，且所述特征组对应 的第二相似度大于第二预设阈值。
[0186]
一种可能的实施方式中，处理器601执行的指令中，响应于所述待识 别人脸图像从第二场景采集，所述更新条件还包括：
[0187]
所述第一相似度大于第一预设阈值且所述第二相似度大于第二预设阈 值的特征组的数量小于预定数量。
[0188]
一种可能的实施方式中，处理器601执行的指令中，在基于所述待识 别人脸图像的第一人脸特征对所述待识别用户的第二人脸特征进行更新之 前，所述方法还包括：
[0189]
将所述匹配结果中与所述待识别人脸图像的第一人脸特征匹配的第二 人脸特征，确定为所述待识别用户的第二人脸特征。
[0190]
一种可能的实施方式中，处理器601执行的指令中，所述基于所述待 识别人脸图像的第一人脸特征对所述待识别用户的第二人脸特征进行更 新，包括：
[0191]
基于所述待识别人脸图像的第一人脸特征与所述待识别用户的第二人 脸特征之间的第一相似度，确定所述待识别人脸图像的第一人脸特征与所 述待识别用户的第二人脸特征分别对应的更新权重；
[0192]
基于所述更新权重、所述待识别人脸图像的第一人脸特征与所述待识 别用户的第二人脸特征，对所述待识别用户的第二人脸特征进行更新。
[0193]
一种可能的实施方式中，处理器601执行的指令中，所述基于所述待 识别人脸图像的第一人脸特征与所述待识别用户的第二人脸特征之间的第 一相似度，确定所述待识别人脸图像的第一人脸特征与所述待识别用户的 第二人脸特征分别对应的更新权重，包括：
[0194]
基于所述待识别人脸图像的第一人脸特征与所述待识别用户的第二人 脸特征之间的第一相似度、预设权重阈值范围以及第二预设阈值，确定所 述待识别人脸图像的第一人脸特征对应的第一更新权重和所述待识别用户 的第二人脸特征对应的第二更新权重；
[0195]
其中，所述第一更新权重与所述第一相似度成正比，所述第一更新权 重和所述第二更新权重之和为预设固定值。
[0196]
或者，处理器601可以执行如下指令：
[0197]
响应人脸识别请求，控制图像采集设备采集待识别人脸图像；
[0198]
基于上述实施方式所述的人脸识别方法，对所述待识别人脸图像进行 人脸识别，并确定人脸识别结果；
[0199]
基于所述人脸识别结果进行门锁控制。
[0200]
本公开实施例还提供一种计算机可读存储介质，该计算机可读存储介 质上存储
有计算机程序，该计算机程序被处理器运行时执行上述方法实施 例中所述的人脸识别方法的步骤。其中，该存储介质可以是易失性或非易 失的计算机可读取存储介质。
[0201]
本公开实施例还提供一种计算机程序产品，该计算机产品承载有程序 代码，所述程序代码包括的指令可用于执行上述方法实施例中所述的人脸 识别方法的步骤，具体可参见上述方法实施例，在此不再赘述。
[0202]
其中，上述计算机程序产品可以具体通过硬件、软件或其结合的方式 实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储 介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例 如软件开发包(software development kit，sdk)等等。
[0203]
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述 描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过 程，在此不再赘述。在本公开所提供的几个实施例中，应该理解到，所揭 露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实 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，又例如，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信连接可以是通过一些通信 接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形 式。
[0204]
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。
[0205]
另外，在本公开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。
[0206]
所述功能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，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。 基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的 部分或者该技术方案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)执行本公开各个实施例所述 方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读 存储器(read
‑
only memory，rom)、随机存取存储器(random accessmemory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
[0207]
最后应说明的是：以上所述实施例，仅为本公开的具体实施方式，用 以说明本公开的技术方案，而非对其限制，本公开的保护范围并不局限于 此，尽管参照前述实施例对本公开进行了详细的说明，本领域的普通技术 人员应当理解：任何熟悉本技术领域的技术人员在本公开揭露的技术范围 内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变 化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换， 并不使相应技术方案的本质脱离本公开实施例技术方案的精神和范围，都 应涵盖在本公开的保护范围之内。因此，本公开的保护范围应所述以权利 要求的保护范围为准。