基于人脸识别的预警方法、装置、电子设备及介质与流程

1.本技术涉及生物识别技术领域，尤其涉及基于人脸识别的预警方法、装置、电子设备及介质。


背景技术：

2.在线下的业务办理点办理业务时，对象通常现场排号然后等候办理业务，当轮到该对象的次序时则可以办理业务。发明人意识到，在对象进入的业务办理点办理业务时，对象可能会有一些异常情况，例如有紧急业务需要办理或者面临欺诈等异常情况，但仅能在轮到对象办理业务时才可能由业务办理点的业务办理人员识别出对象是否具有异常情况，甚至无法识别，容易错过异常情况的最佳处理时机，对对象的异常情绪的识别及处理的效率较低。


技术实现要素：

3.本技术实施例提供了基于人脸识别的预警方法、装置、电子设备及介质，有助于提高对目标对象的预警情绪的识别及处理效率。
4.一方面，本技术实施例公开了一种基于人脸识别的预警方法，所述方法包括：
5.按照第一时间间隔连续采集n个针对目标对象的人脸图像数据，并根据所述n个人脸图像数据构建人脸图像数据组；
6.分别确定所述n个人脸图像数据中每个人脸图像数据的p个目标特征点的位置信息；
7.根据所述n个人脸图像数据的采集顺序以及各人脸图像数据中的p个目标特征点的位置信息，确定所述人脸图像数据组对应的特征点变化信息；
8.基于各个人脸图像数据中包括的p个目标特征点的位置信息，以及所述特征点变化信息生成所述人脸图像数据组对应的检测特征信息；
9.将所述检测特征信息与目标数据库中的参考特征信息进行匹配，以确定所述目标对象对应的目标情绪信息；所述目标数据库包括多个参考特征信息，一个参考特征信息对应一个情绪信息；
10.若所述目标情绪信息所指示的情绪属于预警情绪，则根据所述目标对象的人脸图像数据确定所述目标对象的对象标识，并根据所述目标对象的对象标识确定对应的预警处理策略。
11.另一方面，本本技术实施例公开了一种基于人脸识别的预警装置，所述装置包括：
12.采集单元，用于按照第一时间间隔连续采集n个针对目标对象的人脸图像数据，并根据所述n个人脸图像数据构建人脸图像数据组；
13.处理单元，用于分别确定所述n个人脸图像数据中每个人脸图像数据的p个目标特征点的位置信息；
14.所述处理单元，还用于根据所述n个人脸图像数据的采集顺序以及各人脸图像数
据中的p个目标特征点的位置信息，确定所述人脸图像数据组对应的特征点变化信息；
15.所述处理单元，还用于基于各个人脸图像数据中包括的p个目标特征点的位置信息，以及所述特征点变化信息生成所述人脸图像数据组对应的检测特征信息；
16.所述处理单元，还用于将所述检测特征信息与目标数据库中的参考特征信息进行匹配，以确定所述目标对象对应的目标情绪信息；所述目标数据库包括多个参考特征信息，一个参考特征信息对应一个情绪信息；
17.所述处理单元，还用于若所述目标情绪信息所指示的情绪属于预警情绪，则根据所述目标对象的人脸图像数据确定所述目标对象的对象标识，并根据所述目标对象的对象标识确定对应的预警处理策略。
18.又一方面，本技术实施例提供了一种电子设备，电子设备包括处理器、存储器，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于执行如下步骤：
19.按照第一时间间隔连续采集n个针对目标对象的人脸图像数据，并根据所述n个人脸图像数据构建人脸图像数据组；
20.分别确定所述n个人脸图像数据中每个人脸图像数据的p个目标特征点的位置信息；
21.根据所述n个人脸图像数据的采集顺序以及各人脸图像数据中的p个目标特征点的位置信息，确定所述人脸图像数据组对应的特征点变化信息；
22.基于各个人脸图像数据中包括的p个目标特征点的位置信息，以及所述特征点变化信息生成所述人脸图像数据组对应的检测特征信息；
23.将所述检测特征信息与目标数据库中的参考特征信息进行匹配，以确定所述目标对象对应的目标情绪信息；所述目标数据库包括多个参考特征信息，一个参考特征信息对应一个情绪信息；
24.若所述目标情绪信息所指示的情绪属于预警情绪，则根据所述目标对象的人脸图像数据确定所述目标对象的对象标识，并根据所述目标对象的对象标识确定对应的预警处理策略。
25.又一方面，本技术实施例提供了一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序指令，计算机程序指令被处理器执行时，用于执行如下步骤：
26.按照第一时间间隔连续采集n个针对目标对象的人脸图像数据，并根据所述n个人脸图像数据构建人脸图像数据组；
27.分别确定所述n个人脸图像数据中每个人脸图像数据的p个目标特征点的位置信息；
28.根据所述n个人脸图像数据的采集顺序以及各人脸图像数据中的p个目标特征点的位置信息，确定所述人脸图像数据组对应的特征点变化信息；
29.基于各个人脸图像数据中包括的p个目标特征点的位置信息，以及所述特征点变化信息生成所述人脸图像数据组对应的检测特征信息；
30.将所述检测特征信息与目标数据库中的参考特征信息进行匹配，以确定所述目标对象对应的目标情绪信息；所述目标数据库包括多个参考特征信息，一个参考特征信息对应一个情绪信息；
31.若所述目标情绪信息所指示的情绪属于预警情绪，则根据所述目标对象的人脸图像数据确定所述目标对象的对象标识，并根据所述目标对象的对象标识确定对应的预警处理策略。
32.又一方面，本技术实施例公开了一种计算机程序产品或计算机程序，所述计算机程序产品或计算机程序包括计算机指令，所述计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取所述计算机指令，处理器执行所述计算机指令，使得所述计算机设备执行上述基于人脸识别的预警方法。
33.本技术实施例中，可以连续采集n个针对目标对象的人脸图像数据，并根据n个人脸图像数据构建人脸图像数据组，然后分别确定n个人脸图像数据中每个人脸图像数据的p个目标特征点的位置信息，以及确定人脸图像数据组对应的特征点变化信息，进而确定目标对象对应的目标情绪信息，若目标情绪信息所指示的情绪属于预警情绪，则根据目标对象的人脸图像数据确定目标对象的对象标识，并根据目标对象的对象标识确定对应的预警处理策略。由此可以通过连续采集目标对象的人脸图像数据，确定出目标对象的情绪是否为预警情绪，以便于快速识别出目标对象的异常状态，提升对目标对象的预警情绪的处理效率。
附图说明
34.为了更清楚地说明本技术实施例技术策略，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，下面描述中的附图是本技术的一些实施例，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的附图。
35.图1是本技术实施例提供的一种基于人脸识别的预警系统的结构示意图；
36.图2是本技术实施例提供的一种基于人脸识别的预警方法的流程示意图；
37.图3是本技术实施例提供的一种人脸图像数据的效果示意图；
38.图4是本技术实施例提供的另一种基于人脸识别的预警方法的流程示意图；
39.图5是本技术实施例提供的一种基于人脸识别的预警装置的结构示意图；
40.图6是本技术实施例提供的一种电子设备的结构示意图。
具体实施方式
41.下面将结合本技术实施例中的附图，对本技术实施例中的技术策略进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做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。
42.本技术提供一种基于人脸识别的预警方案，能够采集n个针对目标对象的人脸图像数据，并构建人脸图像数据组，然后生成人脸图像数据组对应的检测特征信息，将检测特征信息与目标数据库中的参考特征信息进行匹配，以确定目标对象对应的目标情绪信息，若目标情绪信息所指示的情绪属于预警情绪，则确定目标对象对应的预警处理策略。由此可以通过连续采集目标对象的人脸图像数据，确定出目标对象的情绪是否为预警情绪，以便于快速识别出目标对象的异常，提升对目标对象的预警情绪的处理效率，从而推动智慧城市的建设。
43.本技术的技术方案可运用在电子设备中，该电子设备可以是终端，也可以是服务器，或者也可以是用于基于人脸识别的预警的其他设备，本技术不做限定。本技术可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络pc、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本技术可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本技术，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
44.在一种可能的实施方式中，本技术实施例可以应用于人工智能领域，例如可以基于人工智能技术对目标对象的人脸图像数据进行处理以确定目标对象的目标情绪信息，并获取到目标对象的对象标识。其中，人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
45.在一种可能的实施方式中，本技术实施例可以应用于基于人脸识别的预警系统中。请参见图1，图1是本技术实施例提供的一种基于人脸识别的预警系统的结构示意图。该基于人脸识别的预警系统的结构示意图可以包括电子设备以及目标数据库。可选的，该业务办理系统还可以包括预警处理客户端。该目标数据库可以用于存储参考特征信息以及参考特征信息对应的情绪信息。该电子设备可以用于为根据目标对象的人脸图像数据确定目标对象的目标情绪信息，若目标对象的情绪为预警情绪，则确定目标对象的对象标识，进而确定针对目标对象的预警处理策略。该预警处理客户端可以为接收电子设备发送的预警信息的客户端，进而对目标对象的异常情况进行处理。由此可以通过采集目标对象的人脸图像数据，确定出目标对象的情绪是否为预警情绪，以便于快速识别出目标对象的异常，提升对目标对象的预警情绪的处理效率。
46.基于上述的描述，本技术实施例提出一种基于人脸识别的预警方法。请参见图2，图2是本技术实施例提供的一种基于人脸识别的预警方法的流程示意图。该方法可以由上述所提及的电子设备执行。该方法可以包括以下步骤。
47.s201、按照第一时间间隔连续采集n个针对目标对象的人脸图像数据，并根据n个人脸图像数据构建人脸图像数据组。
48.其中，第一时间间隔可以为采集每个人脸图像数据时，相邻采集时间的人脸图像数据之间的间隔时间。例如，第一时间间隔为0.1s，则每间隔0.1s采集一个针对目标对象的人脸图像数据。可以理解的是，若第一时间间隔越小，则采集的n张人脸图像数据的连续性越高，但若第一时间间隔过小，对图像采集装置的要求较高，且计算量较大；若第一时间间隔越大，则采集的多张人脸图像数据的连续性越低。则在实际应用场景中确定第一时间间隔的大小时，可以选取一个合适的第一时间间隔，以保证人脸图像数据组中的人脸图像数
据的连续，并且不会使计算量过大。
49.该人脸图像数据可以为根据业务办理点的图像采集装置采集的目标对象的人脸图像数据。该人脸图像数据组可以为依照第一时间间隔连续采集的n个人脸图像数据构成的数据集合，该人脸图像数据组中的每个人脸图像数据关联有对应的采集顺序。该采集顺序可以为在人脸图像数据组中，每个人脸图像数据所对应的采集的时间先后顺序。
50.可以理解的是，在实际应用场景中，采集目标对象的人脸图像数据的过程时一个连续的过程，通常会持续地按照第一时间间隔连续采集n个针对目标对象的人脸图像数据，则可以当采集到n个针对目标对象的人脸图像数据时，根据采集到的n个人脸图像数据构建一个人脸图像数据组。进而可以根据第二时间间隔构建多个人脸图像数据组。该第二时间间隔为构建各个人脸图像数据组之间的时间间隔。也就是说，在构建一个人脸图像数据组之后，间隔第二时间间隔，则可以根据采集到的n个人脸图像数据构建一个新的人脸图像数据组。
51.可选的，该第二时间间隔大于或等于第一时间间隔。在构建一个人脸图像数据组之后，若依照第一时间间隔采集到新的人脸图像数据，则在间隔第二时间间隔时，依照采集到的n个人脸图像数据构建新的人脸图像数据。例如，按照第一时间间隔连续采集n个针对目标对象的人脸图像数据为{t1、t2、t3、t4}，并根据{t1、t2、t3、t4}构建一个人脸图像数据组，在间隔第二时间间隔时，采集到新的人脸图像数据t5，则可以根据{t2、t3、t4、t5}构建新的人脸图像数据组，以此类推，每间隔第二时间间隔，均可以根据采集到的新的人脸图像数据构建新的人脸图像数据组。
52.s202、分别确定n个人脸图像数据中每个人脸图像数据的p个目标特征点的位置信息。
53.其中，该目标特征点为需要确定的人脸图像数据中的特征点。例如，该目标特征点可以为嘴巴的嘴角、唇峰等位置，眼睛的眼角、眼中等位置、眉毛的眉尾、眉峰等位置，牙齿的位置等等，此处不做限制。请参见图3，图3是本技术实施例提供的一种人脸图像数据的效果示意图，在图3所示的人脸图像数据中每个301所示的小圆点均可以表示一个目标数据点，在实际场景中，每个人脸图像数据的p个目标特征点还可以包括一些其他的目标特征点，此处不做限制。
54.该位置信息可以为每个人脸图像数据中的p个目标特征点的位置的信息。如该位置信息可以通过目标特征点在人脸图像数据中的坐标信息表示。例如，则依照人脸图像数据的坐下角建立坐标系，人脸图像数据中的每个位置都可以通过基于该坐标系的坐标信息进行表示，每个像素点作为一个坐标系中的单位刻度。可选的，每个人脸图像数据中的p个目标特征点为位置信息可以构成位置矩阵，由此可以得到n个位置矩阵，每个位置矩阵的可以由p行2列，每行数据对应一个目标特征点，每列数据对应一个维度的坐标信息。例如，人脸图像数据中，左眼角的位置信息为(50,200)，左嘴角的位置信息为(70,50)，则可以将(50,200)作为一行数据，将(70,50)作为一行数据，以此类推，此处不做赘述。可以理解的是，针对每个人脸图像数据的位置矩阵的每行所对应的目标特征点相同。
55.在一种可能的实施方式中，分别确定n个人脸图像数据中的p个目标特征点的位置信息，可以为将n个人脸图像数据分别输入目标检测模型得到针对p个目标特征点的位置信息。该目标检测模型可以为经过样本人脸图像数据进行训练后得到的检测模型。该样本人
脸图像数据可以为具有标签信息以标注该样本人脸图像数据中的p个目标特征点的位置的人脸图像数据。
56.可选的，将n个人脸图像数据分别输入目标检测模型得到针对p个目标特征点的位置信息之前，还可以对目标检测模型进行训练。具体的，可以包括以下步骤：获取样本人脸图像数据，样本人脸图像数据包括样本标签，样本标签用于指示样本人脸图像数据中p个目标特征点的标注位置信息；将样本人脸图像数据输入初始检测模型，得到针对样本人脸图像数据的p个目标特征点的预测位置信息；基于标注位置信息与预测位置信息修正初始检测模型的模型参数，得到目标检测模型。其中，该标注位置信息可以为针对样本人脸图像数据标注的p个目标特征点的位置信息，也就是样本人脸图像数据中每个目标特征点的实际位置信息。该样本人脸图像数据可以为基于办理业务点的图像采集装置采集到的人脸图像数据，由此可以使得目标检测模型在该任务场景下具有更好的处理能力。该初始检测模型为未完成训练的检测模型，该初始检测模型与目标检测模型的模型结构相同，但模型参数可能存在不同。进而可以通过损失函数计算每个目标特征点的预测位置信息与标注位置信息的损失值，以此来优化初始检测模型，进而得到目标检测模型。在实际场景中，可以获取多个样本人脸图像数据，多次对检测模型进行训练，以得到具有准确识别人脸图像数据中的p个目标特征点的能力的目标检测模型。
57.s203、根据n个人脸图像数据的采集顺序以及各人脸图像数据中的p个目标特征点的位置信息，确定人脸图像数据组对应的特征点变化信息。
58.其中，特征点变化信息可以为指示人脸图像数据中，每个目标特征点的位置信息的变化情况的信息。该采集顺序可以为指示人脸图像数据组中的每个人脸图像数据所对应的采集时间的先后顺序。
59.在一种可能的实施方式中，根据n个人脸图像数据中的p个目标特征点的位置信息确定人脸图像数据组对应的特征点变化信息，可以包括以下步骤：分别根据人脸图像数据组中采集顺序为相邻顺序的人脸图像数据包括的p个目标特征点的位置信息构建位置变化矩阵，得到n
‑
1个位置变化矩阵，位置变化矩阵指示了p个目标特征点的位置信息的位置变化信息；对n
‑
1个位置变化矩阵进行融合处理，得到针对人脸图像数据组对应的特征点变化信息。
60.其中，该相邻顺序可以指示了人脸图像数据的采集时间为相邻的时间，采集顺序为相邻顺序的人脸图像数据可以为人脸图像数据组中采集的时间为相邻的时间采集到的两个人脸图像数据。例如，依照采集顺序的从先到后采集到的n个人脸图像数据为{t1、t2、t3、t4}，则t1和t2可以为相邻顺序的两个人脸图像数据，t2和t3可以为相邻顺序的两个人脸图像数据，t3和t4可以为相邻顺序的两个人脸图像数据。
61.该位置变化矩阵可以为根据相邻顺序的人脸图像数据中的p个目标特征点的位置信息生成的变化信息。例如，人脸图像数据组中包括相邻顺序的人脸图像数据t1和t2，t1中的p个目标特征点的位置信息为{k1、k2、k3......kp}，k1、k2、k3......kp分别表示t1中每个目标特征点对应的位置信息，可以构成一个有p行的位置矩阵，每一行代表对应的目标特征点。t1中的p个目标特征点的位置信息为{r1、r2、r3......rp}，r1、r2、r3......rp分别表示t2中每个目标特征点对应的位置信息，可以构成一个有p行的位置矩阵，每一行代表对应的目标特征点。针对每个人脸图像数据的位置矩阵的每行所对应的目标特征点相同。通过
t1对应的矩阵与t2对应的矩阵则可得到t1与t2对应的位置变化矩阵，如用t2的矩阵减去t1的矩阵，即可得到位置变化矩阵，该位置变化矩阵也有p行。以此类推，基于两个相邻顺序的人脸图像数据均可以得到对应的位置变化信息，由此可以得到n
‑
1个位置变化信息。
62.对n
‑
1个位置变化矩阵进行融合处理，得到针对人脸图像数据组对应的特征点变化信息，可以为通过融合函数进行计算以得到融合后的特征点变化信息，也可以为通过直接将n
‑
1个位置变化矩阵进行拼接，得到针对人脸图像数据组对应的特征点变化信息，此处不做限制。
63.s204、基于各个人脸图像数据中包括的p个目标特征点的位置信息，以及特征点变化信息生成人脸图像数据组对应的检测特征信息。
64.其中，该检测特征信息可以为用于检测目标对象的情绪信息的特征信息。该检测特征信息可以为根据n个人脸图像数据中包括的p个目标特征点的位置信息以及特征点变化信息生成的特征信息。
65.在一种可能的实施方式中，基于n个人脸图像数据中包括的p个目标特征点的位置信息，以及特征点变化信息生成人脸图像数据组对应的检测特征信息，可以为通过融合函数对每个人脸图像数据中的p个目标特征点的位置信息以及特征点变化信息进行得到融合处理后的得到检测特征信息，也可以为通过直接将p个目标特征点的位置信息与特征点变化信息进行拼接，得到检测特征信息。
66.s205、将检测特征信息与目标数据库中的参考特征信息进行匹配，以确定目标对象对应的目标情绪信息。
67.其中，目标数据库包括多个参考特征信息，一个参考特征信息对应一个情绪信息。该参考特征信息可以为用于与检测特征信息进行匹配的特征信息。该情绪信息可以为用于描述对象的情绪的信息，该情绪信息可以为对每种情绪的情绪编号等信息，每个情绪信息均可以指示一种情绪，该情绪可以为开心、悲伤、愤怒、恐惧、紧张等等多种情绪，此处不做限制。
68.在一种可能的实施方式中，将检测特征信息与目标数据库中的参考特征信息进行匹配可以为分别计算检测特征信息与目标数据库中的参考特征信息的相似度，进而可以将相似度最大的参考特征信息作为与检测特征信息相匹配的参考特征信息。该相似度的确定方法可以为计算检测特征信息与参考特征信息之间的欧氏距离、余弦相似度(cosine similarity)等等方式，此处不做限制。
69.可选的，在目标数据库中，针对每种情绪的参考特征信息可以有多个，针对每种情绪的多个参考特征信息可以为根据各种类型的人群采集的人脸图像数据组所生成的参考特征信息，由此可以使得针对各种类型的人群均可以匹配到对应的参考特征信息。该各种类型的人群可以为根据年龄、性别等信息进行区分。
70.在一种应用场景中，将检测特征信息与目标数据库中的参考特征信息进行匹配之前，还可以从目标数据库中筛选出部分参考特征信息，进而将检测特征信息与从目标数据库中筛选出的部分参考特征信息进行匹配，由此可以减少计算量。可选的，从目标数据库中筛选出部分参考特征信息，可以为通过人脸图像数据进行年龄识别和性别检测，确定出目标对象的性别以及年龄范围等信息，进而从目标数据库中的筛选出根据目标对象的性别以及年龄范围等信息所对应的对象的人脸图像数据组所构建的参考特征信息。
71.在一种可能的实施方式中，构建目标数据库的方法可以包括以下步骤：获取针对多种情绪信息的参考人脸图像数据组；针对每个参考人脸图像数据组，确定参考人脸图像数据组中的每个参考人脸图像数据的p个目标特征点的位置信息；参考人脸图像数据组中包括n个参考人脸图像数据；根据n个参考人脸图像数据的采集顺序以及各参考人脸图像数据中的p个目标特征点的位置信息，确定参考人脸图像数据组对应的参考特征点变化信息；基于各个参考人脸图像数据中包括的p个目标特征点的位置信息，以及特征点变化信息生成参考人脸图像数据组对应的参考特征信息；将每个人脸图像数据组对应的参考特征信息与对应的情绪信息关联存储至目标数据库。
72.其中，该参考人脸图像数据组为采集的针对多种情绪的人脸图像数据组。该参考人脸图像数据组中也包括n个参考人脸图像数据。该参考人脸图像数据组可以为历史采集人脸图像数据组，然后对采集到的人脸图像数据组标注对应的情绪信息，该参考人脸图像数据组也可以为组织一些对象根据情绪做出不同的表情，以获取到针对不同表情的人脸图像数据组，然后对采集到的人脸图像数据组标注对应的情绪信息，此处不做限制。确定各个参考人脸图像数据组对应的参考特征信息的相关步骤可以参照步骤s202
‑
s204，此处不做赘述。进而可以将每个人脸图像数据组对应的参考特征信息与对应的情绪信息关联存储至目标数据，以便于后续根据参考特征信息确定对应的情绪信息。
73.s206、若目标情绪信息所指示的情绪属于预警情绪，则根据目标对象的人脸图像数据确定目标对象的对象标识，并根据目标对象的对象标识确定对应的预警处理策略。
74.其中，该预警情绪可以为指示目标对象处于异常状态的情绪。例如，该预警情绪通常可以是一些负面的需要警惕的情绪，如悲伤、愤怒、恐惧等等情绪。
75.该对象标识可以为指示对象的身份的标识信息，如对象对应的姓名、唯一身份识别码等标识信息，此处不做限制。
76.在一种可能的实施方式中，该对象标识可以为根据目标对象的人脸图像数据进行特征提取，以提取到目标对象的对象人脸特征，然后基于目标对象的对象人脸特征与对象信息数据库中的候选人脸特征进行匹配，以确定目标对象的对象标识。该对象信息数据库中可以包括获取了人脸特征提取的授权的对象的人脸图像数据的候选人脸特征，以及对象的对象标识。例如，根据目标对象的人脸图像数据进行特征提取，可以得到对象人脸特征，分别确定对象人脸特征与多个候选人脸特征之间的相似度；若对象人脸特征与多个候选人脸特征之间的相似度中存在至少一个相似度大于阈值，则根据大于阈值的至少一个相似度对应的候选人脸特征确定与对象人脸特征相匹配的目标候选人脸特征，并将目标候选人脸特征对应的对象标识确定为目标对象的对象标识；若对象人脸特征与多个候选人脸特征之间的相似度均小于阈值，则确定对象人脸特征与目标数据库中的多个候选人脸特征均不匹配，并确定目标对象为陌生对象，将陌生对象的陌生对象标识确定为目标对象的对象标识。
77.该预警处理策略可以为对目标对象的预警情绪进行处理的策略。例如，可以安排业务办理点的相关人员询问是否有紧急情况需要处理，以开通绿色通道为目标对象处理紧急情况；又如，可以安排业务办理点的相关人员询问是否有受到威胁等处理情况，并为目标对象提供报警服务；又如，可以输出语音播报信息，以提示目标对象核查是否有被骗。
78.在一种可能的实施方式中，根据目标对象的对象标识确定对应的预警处理策略可以包括以下步骤：根据目标对象的对象标识确定对应的预警处理策略，可以为根据目标对
象的对象信息，获取目标对象的账户信息；根据账户信息确定目标对象的对象类型，目标对象的对象类型包括普通对象或商务对象；根据账户信息确定目标对象的对象类型确定对应的预警处置策略。
79.其中，该账户信息可以包括目标对象的账户所对应的日常交易信息，如交易的金额平均值、交易的频率等等信息。该对象类型可以为对象基于账户信息确定的对象类型，如该对象类型可以为普通对象或商务对象。该商务对象可以为对象的账户信息中的交易频率大于频率阈值，交易金额大于金额阈值的对象，也就是说，该账户信息显示对象经常有交易往来，则表示该目标对象为商务对象，否则，该对象为普通对象。若目标对象为商务对象，则在检测到目标对象的情绪为预警情绪时，优先考虑该目标对象有紧急业务需要办理，则可以确定预警处理策略，以由相关人员确定目标对象是否有紧急业务需要办理，进而为目标对象开通绿色通道处理紧急业务；若目标对象为普通对象，则优先考虑该目标对象是否有被威胁等情况，则可以确定预警处理策略以由相关人员确定目标对象是否有受到威胁等处理情况，进而为目标对象提供报警服务。
80.在一种可能的实施方式中，若目标情绪信息所指示的情绪属于预警情绪，还可以对目标情绪进行验证，验证通过后再根据目标对象的人脸图像数据确定目标对象的对象标识，具体可以包括以下步骤：若目标情绪信息所指示的情绪属于预警情绪，则按照第二时间间隔构建m个人脸图像数据组；确定m个人脸图像数据组中各人脸图像数据组分别对应的情绪信息；若m个人脸图像数据组中存在至少一个人脸图像组对应的情绪信息所指示的情绪属于预警情绪，根据目标对象的人脸图像数据确定目标对象的对象标识。其中，该m个人脸图像数据组可以为在第一次检测到目标对象的目标情绪信息所指示的情绪属于预警情绪后，每间隔第二时间间隔构建的人脸图像数据，具体的构建方式可以参照步骤s201的相关描述，此处不做赘述。进而在在第一次检测到目标对象的目标情绪信息所指示的情绪属于预警情绪后获取的m个人脸图像数据组中，存在至少一个人脸图像数据组所指示的情绪属于预警情绪，则可以确定目标对象确实处于异常状态。若该m个人脸图像数据组分别对应的情绪信息所指示的情绪中均不为预警情绪，则可以确认该目标对象的表情出现为偶然出现，不确定该目标对象处于异常状态。由此相当于目标对象的预警情绪进行验证，以免由于表情出现的偶然性，导致人力的浪费，使得目标对象的情绪识别得更加准确。
81.在一种实现场景中，按照第二时间间隔构建m个人脸图像数据组可以为，在检测到目标对象的情绪为预警情绪后，每间隔第二时间间隔再构建人脸图像数据组，并确定出对应的情绪信息，若间隔第二时间间隔再构建人脸图像数据组对应的情绪信息为预警情绪，则可以确定根据目标对象的人脸图像数据确定目标对象的对象标识；若间隔第二时间间隔再构建人脸图像数据组对应的情绪信息为预警情绪不为预警情绪，则再次间隔第二时间间隔构建人脸图像数据组。若在构建m个人脸图像数据组之内检测到有人脸图像数据组对应的情绪信息所指示的情绪为预警情绪，则目标对象的人脸图像数据确定目标对象的对象标识，也就是确定目标对象的情绪为预警情绪。由此可以对目标对象的预警情绪进行验证，若再次出现预警情绪，则进而再对确定对目标对象进行预警处理，以免由于表情出现的偶然性，导致人力的浪费，使得目标对象的情绪识别得更加准确。
82.本技术实施例中，可以连续采集n个针对目标对象的人脸图像数据，并根据n个人脸图像数据构建人脸图像数据组，然后分别确定n个人脸图像数据中每个人脸图像数据的p
个目标特征点的位置信息，以及确定人脸图像数据组对应的特征点变化信息，进而确定目标对象对应的目标情绪信息，若目标情绪信息所指示的情绪属于预警情绪，则根据目标对象的人脸图像数据确定目标对象的对象标识，并根据目标对象的对象标识确定对应的预警处理策略。由此可以通过连续采集目标对象的人脸图像数据，确定出目标对象的情绪是否为预警情绪，以便于快速识别出目标对象的异常状态，提升对目标对象的预警情绪的处理效率。
83.请参见图4，图4是本技术实施例提供的一种基于人脸识别的预警方法的流程示意图。可由上述电子设备执行，该方法可以包括以下步骤。
84.s401、按照第一时间间隔连续采集n个针对目标对象的人脸图像数据，并根据n个人脸图像数据构建人脸图像数据组。
85.s402、分别确定n个人脸图像数据中每个人脸图像数据的p个目标特征点的位置信息。
86.s403、根据n个人脸图像数据的采集顺序以及各人脸图像数据中的p个目标特征点的位置信息，确定人脸图像数据组对应的特征点变化信息。
87.s404、基于各个人脸图像数据中包括的p个目标特征点的位置信息，以及特征点变化信息生成人脸图像数据组对应的检测特征信息。
88.s405、将检测特征信息与目标数据库中的参考特征信息进行匹配，以确定目标对象对应的目标情绪信息。
89.s406、若目标情绪信息所指示的情绪属于预警情绪，则根据目标对象的人脸图像数据确定目标对象的对象标识，并根据目标对象的对象标识确定对应的预警处理策略。
90.步骤s401
‑
s406可以参照步骤s1201
‑
s206，此处不做赘述。
91.s407、获取多个候选账号对应的待办业务信息，并根据待办业务信息从多个候选账号中确定目标账号。
92.其中，该候选账号可以为用于处理预警事务的账号，每个候选账号分别对应一个预警处理客户端。该预警处理客户端可以为用于处理预警事务的客户端，也就是登录了候选账号的客户端。该目标账号为从多个候选账号中确定出的用于处理目标对象的预警事务的账号。
93.该待办业务信息可以为每个候选账号对应的需要进行处理的业务的信息，该待办业务信息可以用于包括每个候选账号对应的待办业务事项的数量，也可以包括每个待办业务事项的处理难度，通过该待办业务信息可以体现出每个候选账号所对应的业务繁忙程度。进而可以根据该待办业务信息确定出当前不是很繁忙的候选账号所对应的预警处理人员去处理目标对象的异常情况，由此可以平衡各个预警处理人员之间的工作强度。
94.可选的，根据待办业务信息从多个候选账号中确定目标账号，可以为根据候选账号的待办业务事项的数量以及每个待办业务事项的处理难度进行计算得到确定每个候选账号对应的繁忙度。例如，对每个每种处理难度的待办业务事项量化一个分值，如，处理难度高的数值待办业务对应的分值为3，处理难度中的数值待办业务对应的分值为2，处理难度低的数值待办业务对应的分值为1，则可以依照每个候选账号的全部待办业务事项所对应的分值相加得到候选账号的繁忙度，繁忙度越大，则表示候选账号的繁忙程度越高，繁忙度越小，则表示候选账号的繁忙程度越高。进而可以确定繁忙度最小的候选账号为目标账
号。
95.在一种可能的实施方式中，若只有一个用于处理预警事务的账号，则直接将该唯一的账号确定为目标账号。
96.s408、向目标账号对应的预警处理客户端发送针对目标对象的预警信息。
97.其中，该预警信息可以为向预警处理客户端发送的用于提示预警处理客户端对应的预警处理人员进行预警处理的信息。该预警信息中包括针对目标对象的预警处理策略。该预警信息可以用于提示预警处理客户端对应的预警处理人员当前需要处理的预警事务，以及为目标对象确定的预警处理策略，以便于预警处理人员按照预警处理策略确定对应的处理方式。可选的，该预警信息中还可以包括针对目标对象的对象标识以及任一人脸图像数据，以便于预警处理人员众多前来办理业务的对象中快速确定出目标对象，以确定目标对象是否处于异常情况。
98.本技术实施例中，可以连续采集n个针对目标对象的人脸图像数据，并根据n个人脸图像数据构建人脸图像数据组，然后分别确定n个人脸图像数据中每个人脸图像数据的p个目标特征点的位置信息，以及确定人脸图像数据组对应的特征点变化信息，进而确定目标对象对应的目标情绪信息，若目标情绪信息所指示的情绪属于预警情绪，则根据目标对象的人脸图像数据确定目标对象的对象标识，并根据目标对象的对象标识确定对应的预警处理策略，然后向目标账号的预警处理客户端发送预警信息。由此可以通过连续采集目标对象的人脸图像数据，确定出目标对象的情绪是否为预警情绪，以便于快速识别出目标对象的异常状态，提升对目标对象的预警情绪的处理效率。
99.请参见图5，图5是本技术实施例提供的一种基于人脸识别的预警装置的结构示意图。可选的，该基于人脸识别的预警装置可以设置于上述电子设备中。如图5所示，本实施例中所描述的基于人脸识别的预警装置可以包括：
100.采集单元501，用于按照第一时间间隔连续采集n个针对目标对象的人脸图像数据，并根据所述n个人脸图像数据构建人脸图像数据组；
101.处理单元502，用于分别确定所述n个人脸图像数据中每个人脸图像数据的p个目标特征点的位置信息；
102.所述处理单元502，还用于根据所述n个人脸图像数据的采集顺序以及各人脸图像数据中的p个目标特征点的位置信息，确定所述人脸图像数据组对应的特征点变化信息；
103.所述处理单元502，还用于基于各个人脸图像数据中包括的p个目标特征点的位置信息，以及所述特征点变化信息生成所述人脸图像数据组对应的检测特征信息；
104.所述处理单元502，还用于将所述检测特征信息与目标数据库中的参考特征信息进行匹配，以确定所述目标对象对应的目标情绪信息；所述目标数据库包括多个参考特征信息，一个参考特征信息对应一个情绪信息；
105.所述处理单元502，还用于若所述目标情绪信息所指示的情绪属于预警情绪，则根据所述目标对象的人脸图像数据确定所述目标对象的对象标识，并根据所述目标对象的对象标识确定对应的预警处理策略。
106.在一种实现方式中，所述处理单元502，具体用于：
107.分别根据所述人脸图像数据组中采集顺序为相邻顺序的人脸图像数据包括的所述p个目标特征点的位置信息构建位置变化矩阵，得到n
‑
1个位置变化矩阵，所述位置变化
矩阵指示了所述p个目标特征点的位置信息的位置变化信息；
108.对所述n
‑
1个位置变化矩阵进行融合处理，得到针对所述人脸图像数据组对应的特征点变化信息。
109.在一种实现方式中，所述处理单元502，具体用于：
110.若所述目标情绪信息所指示的情绪属于预警情绪，则按照第二时间间隔构建m个人脸图像数据组；
111.确定所述m个人脸图像数据组中各人脸图像数据组分别对应的情绪信息；
112.若所述m个人脸图像数据组中存在至少一个人脸图像组对应的情绪信息所指示的情绪属于所述预警情绪，根据所述目标对象的人脸图像数据确定所述目标对象的对象标识。
113.在一种实现方式中，所述处理单元502，还用于：
114.获取针对多种情绪信息的参考人脸图像数据组；
115.针对每个参考人脸图像数据组，确定所述参考人脸图像数据组中的每个参考人脸图像数据的p个目标特征点的位置信息；所述参考人脸图像数据组中包括n个参考人脸图像数据；
116.根据所述n个参考人脸图像数据的采集顺序以及各参考人脸图像数据中的p个目标特征点的位置信息，确定所述参考人脸图像数据组对应的参考特征点变化信息；
117.基于各个参考人脸图像数据中包括的p个目标特征点的位置信息，以及所述特征点变化信息生成所述参考人脸图像数据组对应的参考特征信息；
118.将每个人脸图像数据组对应的参考特征信息与所述对应的情绪信息关联存储至目标数据库。
119.在一种实现方式中，所述处理单元502，还用于：
120.获取样本人脸图像数据，所述样本人脸图像数据包括样本标签，所述样本标签用于指示所述样本人脸图像数据中p个目标特征点的标注位置信息；
121.将所述样本人脸图像数据输入初始检测模型，得到针对所述样本人脸图像数据的所述p个目标特征点的预测位置信息；
122.基于所述标注位置信息与所述预测位置信息修正所述初始检测模型的模型参数，得到目标检测模型；
123.所述分别确定所述n个人脸图像数据中每个人脸图像数据的p个目标特征点的位置信息，包括：
124.将所述n个人脸图像数据分别输入所述目标检测模型得到针对所述p个目标特征点的位置信息。
125.在一种实现方式中，所述处理单元502，具体用于：
126.根据所述目标对象的对象信息，获取所述目标对象的账户信息；
127.根据所述账户信息确定所述目标对象的对象类型，所述目标对象的对象类型包括普通对象或商务对象；
128.根据所述对象类型确定对应的预警处置策略。
129.在一种实现方式中，所述处理单元502，还用于：
130.获取多个候选账号对应的待办业务信息，并根据所述待办业务信息从所述多个候
选账号中确定目标账号；所述多个候选账号分别对应一个预警处理客户端；
131.向所述目标账号对应的预警处理客户端发送针对目标对象的预警信息，所述预警信息中包括针对目标对象的预警处理策略。
132.请参见图6，图6是本技术实施例提供的一种电子设备的结构示意图。本实施例中所描述的电子设备，包括：处理器601、存储器602。可选的，该电子设备还可包括网络接口603或供电模块等结构。上述处理器601、存储器602以及网络接口603之间可以交互数据。
133.上述处理器601可以是中央处理单元(central processing unit，cpu)，该处理器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)、现成可编程门阵列(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。
134.上述网络接口603可以包括输入设备和/或输出设备，例如该输入设备是可以是控制面板、麦克风、接收器等，输出设备可以是显示屏、发送器等，此处不一一列举。例如，在申请实施例中，该网络接口可包括接收器和发送器。
135.上述存储器602可以包括只读存储器和随机存取存储器，并向处理器601提供程序指令和数据。存储器602的一部分还可以包括非易失性随机存取存储器。其中，所述处理器601调用所述程序指令时用于执行：
136.按照第一时间间隔连续采集n个针对目标对象的人脸图像数据，并根据所述n个人脸图像数据构建人脸图像数据组；
137.分别确定所述n个人脸图像数据中每个人脸图像数据的p个目标特征点的位置信息；
138.根据所述n个人脸图像数据的采集顺序以及各人脸图像数据中的p个目标特征点的位置信息，确定所述人脸图像数据组对应的特征点变化信息；
139.基于各个人脸图像数据中包括的p个目标特征点的位置信息，以及所述特征点变化信息生成所述人脸图像数据组对应的检测特征信息；
140.将所述检测特征信息与目标数据库中的参考特征信息进行匹配，以确定所述目标对象对应的目标情绪信息；所述目标数据库包括多个参考特征信息，一个参考特征信息对应一个情绪信息；
141.若所述目标情绪信息所指示的情绪属于预警情绪，则根据所述目标对象的人脸图像数据确定所述目标对象的对象标识，并根据所述目标对象的对象标识确定对应的预警处理策略。
142.在一种实现方式中，所述处理器601，具体用于：
143.分别根据所述人脸图像数据组中采集顺序为相邻顺序的人脸图像数据包括的所述p个目标特征点的位置信息构建位置变化矩阵，得到n
‑
1个位置变化矩阵，所述位置变化矩阵指示了所述p个目标特征点的位置信息的位置变化信息；
144.对所述n
‑
1个位置变化矩阵进行融合处理，得到针对所述人脸图像数据组对应的特征点变化信息。
145.在一种实现方式中，所述处理器601，具体用于：
146.若所述目标情绪信息所指示的情绪属于预警情绪，则按照第二时间间隔构建m个人脸图像数据组；
147.确定所述m个人脸图像数据组中各人脸图像数据组分别对应的情绪信息；
148.若所述m个人脸图像数据组中存在至少一个人脸图像组对应的情绪信息所指示的情绪属于所述预警情绪，根据所述目标对象的人脸图像数据确定所述目标对象的对象标识。
149.在一种实现方式中，所述处理器601，还用于：
150.获取针对多种情绪信息的参考人脸图像数据组；
151.针对每个参考人脸图像数据组，确定所述参考人脸图像数据组中的每个参考人脸图像数据的p个目标特征点的位置信息；所述参考人脸图像数据组中包括n个参考人脸图像数据；
152.根据所述n个参考人脸图像数据的采集顺序以及各参考人脸图像数据中的p个目标特征点的位置信息，确定所述参考人脸图像数据组对应的参考特征点变化信息；
153.基于各个参考人脸图像数据中包括的p个目标特征点的位置信息，以及所述特征点变化信息生成所述参考人脸图像数据组对应的参考特征信息；
154.将每个人脸图像数据组对应的参考特征信息与所述对应的情绪信息关联存储至目标数据库。
155.在一种实现方式中，所述处理器601，还用于：
156.获取样本人脸图像数据，所述样本人脸图像数据包括样本标签，所述样本标签用于指示所述样本人脸图像数据中p个目标特征点的标注位置信息；
157.将所述样本人脸图像数据输入初始检测模型，得到针对所述样本人脸图像数据的所述p个目标特征点的预测位置信息；
158.基于所述标注位置信息与所述预测位置信息修正所述初始检测模型的模型参数，得到目标检测模型；
159.所述分别确定所述n个人脸图像数据中每个人脸图像数据的p个目标特征点的位置信息，包括：
160.将所述n个人脸图像数据分别输入所述目标检测模型得到针对所述p个目标特征点的位置信息。
161.在一种实现方式中，所述处理器601，具体用于：
162.根据所述目标对象的对象信息，获取所述目标对象的账户信息；
163.根据所述账户信息确定所述目标对象的对象类型，所述目标对象的对象类型包括普通对象或商务对象；
164.根据所述对象类型确定对应的预警处置策略。
165.在一种实现方式中，所述处理器601，还用于：
166.获取多个候选账号对应的待办业务信息，并根据所述待办业务信息从所述多个候选账号中确定目标账号；所述多个候选账号分别对应一个预警处理客户端；
167.向所述目标账号对应的预警处理客户端发送针对目标对象的预警信息，所述预警信息中包括针对目标对象的预警处理策略。
168.可选的，该程序指令被处理器执行时还可实现上述实施例中方法的其他步骤，这
里不再赘述。
169.本技术还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，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述方法，比如执行上述电子设备执行的方法，此处不赘述。
170.可选的，本技术涉及的存储介质如计算机可读存储介质可以是非易失性的，也可以是易失性的。
171.可选的，该计算机可读存储介质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等；存储数据区可存储根据区块链节点的使用所创建的数据等。其中，本技术所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
172.需要说明的是，对于前述的各个方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本技术并不受所描述的动作顺序的限制，因为依据本技术，某一些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本技术所必须的。
173.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：闪存盘、只读存储器(read
‑
only memory，rom)、随机存取器(random access memory，ram)、磁盘或光盘等。
174.本技术实施例还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各方法的实施例中所执行的步骤。例如，该计算机设备可以为终端，或者可以为服务器。
175.以上对本技术实施例所提供的一种基于人脸识别的预警方法、装置、电子设备及存储介质进行了详细介绍，本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的一般技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。