人脸底库的更新方法、人脸识别方法、装置及系统与流程

1.本公开涉及人工智能技术领域，具体为深度学习、计算机视觉技术领域，可应用于人脸识别、人脸图像处理等应用场景，尤其涉及一种人脸底库的更新方法、人脸识别方法、装置及系统。


背景技术：

2.人脸识别技术被广泛地应用于支付、安防、门禁、考勤等多种场景中，而人脸底库是支持人脸识别技术实现的重要因素。
3.为了使得人脸识别具有较高的准确性和可靠性，通常需要对人脸底库进行更新，如基于时间间隔对人脸底库进行更新等。
4.但是，采用时间间隔对人脸底库进行更新，存在可靠性偏低的问题。


技术实现要素：

5.本公开提供了一种用于提高人脸底库更新的可靠性的人脸底库的更新方法、人脸识别方法、装置及系统。
6.根据本公开的第一方面，提供了一种人脸底库的更新方法，包括：
7.获取原始的人脸底库中，与获取到的当前人脸图像归属于同一用户的人脸图像集合，其中，所述人脸底库中包括至少一个用户的人脸图像集合，所述人脸图像集合中包括已存人脸图像；
8.确定所述当前人脸图像与所述同一用户的已存人脸图像之间的相似度，其中，所述同一用户的已存人脸图像具有计数值，所述计数值表征所述同一用户的已存人脸图像与所述同一用户的其他人脸图像之间的连续未匹配成功的次数或连续匹配成功的次数；
9.根据所述相似度和所述计数值对所述原始的人脸底库进行更新处理，得到更新后的人脸底库。
10.根据本公开的第二方面，提供了一种人脸底库的更新装置，包括：
11.第一获取单元，用于获取原始的人脸底库中，与获取到的当前人脸图像归属于同一用户的人脸图像集合，其中，所述人脸底库中包括至少一个用户的人脸图像集合，所述人脸图像集合中包括已存人脸图像；
12.确定单元，用于确定所述当前人脸图像与所述同一用户的已存人脸图像之间的相似度，其中，所述同一用户的已存人脸图像具有计数值，所述计数值表征所述同一用户的已存人脸图像与所述同一用户的其他人脸图像之间的连续未匹配成功的次数或连续匹配成功的次数；
13.更新单元，用于根据所述相似度和所述计数值对所述原始的人脸底库进行更新处理，得到更新后的人脸底库。
14.根据本公开的第三方面，提供了一种人脸识别方法，包括：
15.获取待识别人脸图像；
16.基于人脸底库对所述待识别人脸图像进行识别处理，得到识别结果，其中，所述人脸底库是基于如第一方面所述的方法得到的。
17.根据本公开的第四方面，提供了一种人脸识别装置，包括：
18.第三获取单元，用于获取待识别人脸图像；
19.识别单元，用于基于人脸底库对所述待识别人脸图像进行识别处理，得到识别结果，其中，所述人脸底库是基于如第一方面所述的方法得到的。
20.根据本公开的第五方面，提供了一种电子设备，包括：
21.至少一个处理器；以及
22.与所述至少一个处理器通信连接的存储器；其中，
23.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面所述的方法；或者，以使所述至少一个处理器能够执行第三方面所述的方法。
24.根据本公开的第六方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据第一方面所述的方法；或者，所述计算机指令用于使所述计算机执行根据第三方面所述的方法。
25.根据本公开的第七方面，提供了一种计算机程序产品，所述计算机程序产品包括：计算机程序，所述计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从所述可读存储介质读取所述计算机程序，所述至少一个处理器执行所述计算机程序使得电子设备执行第一方面所述的方法；或者，所述至少一个处理器执行所述计算机程序使得电子设备执行第三方面所述的方法。
26.根据本公开的第八方面，提供了一种人脸识别系统，包括：
27.人脸底库，所述人脸底库是基于如第一方面所述的方法得到的；
28.如第四方面所述的人脸识别装置。
29.本公开提供的人脸底库的更新方法、人脸识别方法、装置及系统，通过确定当前人脸图像与同一用户的已存人脸图像之间的相似度，以结合相似度与该用户的已存人脸图像的计数值对原始的人脸底库有进行更新处理的技术特征，以基于同一用户的各已存人脸图像的连续未匹配成功的次数，或者，连续匹配成功的次数，实现更新处理的全面性和整体性，从而提高对原始的人脸底库的更新的准确性和可靠性的技术效果。
30.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
31.附图用于更好地理解本方案，不构成对本公开的限定。其中：
32.图1是根据本公开第一实施例的示意图；
33.图2是根据本公开第二实施例的示意图；
34.图3是可以实现本公开实施例的人脸底库的更新方法的场景图；
35.图4是根据本公开第三实施例的示意图；
36.图5是根据本公开第四实施例的示意图；
37.图6是根据本公开第五实施例的示意图；
38.图7是根据本公开第六实施例的示意图；
39.图8是根据本公开第七实施例的示意图；
40.图9是用来实现本公开实施例的人脸底库的更新方法、人脸识别方法的电子设备的框图。
具体实施方式
41.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
42.人脸识别技术是指，利用分析比较的计算机技术识别人脸，包括人脸追踪侦测，自动调整影像放大，夜间红外侦测，自动调整曝光强度等技术。人脸识别技术被广泛地应用于支付、安防、门禁、考勤等多种场景中。而人脸底库是支持人脸识别技术实现的重要因素。
43.示例性的，人脸识别系统中包括人脸底库，人脸底库中存储有人脸图像，为便于将存储于人脸底库中的人脸图像与后续采集到的人脸图像(如用于更新人脸底库的人脸图像)进行区分，我们将存储于人脸底库中的人脸图像称为已存人脸图像，即人脸底库中包括已存人脸图像。
44.以人脸识别技术被应用于门禁的场景为例，当有用户需要通过门禁时，人脸识别系统可以获取该用户的人脸图像，为了便于将该人脸图像与已存人脸图像进行区分，我们将用户需要通过门禁时，人脸识别系统获取到的人脸图像称为当前人脸图像时。人脸识别系统将当前人脸图像与已存人脸图像进行匹配，得到匹配结果，并基于匹配结果确定该用户是否可以通过门禁。
45.例如，若匹配结果表征当前人脸图像与已存人脸图像归属于同一用户，则确定该用户可以通过门禁；反之，若匹配结果表征当前人脸图像与已存人脸图像不归属于同一用户，则确定该用户不可以通过门禁。
46.基于上述分析可知，人脸底库是支持人脸识别实现的重要因素，人脸底库的准确性和可靠性在很大程度上决定了人脸识别的可靠性。
47.随着用户的年龄增长、体重变化、外伤、装扮等，或者，随着人脸识别系统的角度、外部光线变化等情况下，用户的面部特征会发生变化，即由人脸识别系统获取到的用户的人脸图像会变化，因此，为了使得人脸识别具有较高的准确性和可靠性，通常需要对人脸底库进行更新。
48.在相关技术中，通常采用如下三种方法对人脸底库进行更新：
49.第一种方法：获取用户在预设时间内的被识别通过的次数，并根据该用户在预设时间内的被识别通过的次数对人脸底库进行更新，如基于该用户在预设时间内的被识别通过的次数对人脸底库中的该用户的人脸图像特征重新进行排序。
50.然而，采用第一种方法，虽然可以通过重新排序提高识别速度，却没有从实质上对人脸底库进行更新，导致更新的可靠性偏低的技术问题。
51.第二种方法：获取在预设时间段内用户的多张人脸图像，将多张人脸图像合并生成一张人脸图像，将该一张人脸图像与人脸底库中的各人脸图像进行比较，以将该一张人
脸图像替换至人脸底库中，
52.然而，采用第二种方法，基于多张人脸图像合并生成的一张人脸图像，较难保证图像的真实性，可能与实际人脸偏差较大，从而导致人脸底库的可靠性偏低的技术问题。
53.第三种方法：在第二种方式的基础上，在合并的过程中，为各人脸特征分配权重，以基于权重对人脸底库进行更新。
54.然而，采用第三种方法，在不同场景和角度等情况下，部分人脸特征很难表征用户人脸的实际特征，因此，可能导致人脸底库的可靠性偏低的技术问题。
55.为了避免上述技术问题中的至少一种，本公开的发明人经过创造性地劳动，得到了本公开的发明构思：确定当前人脸图像与已存人脸图像之间的相似度，并结合该相似度、以及已存人脸图像的计数值对人脸底库进行更新，其中，计数值表征已存人脸图像与其他人脸图像之间的连续未匹配成功的次数或者连续匹配成功的次数。
56.基于上述发明构思，本公开提供一种人脸底库的更新方法、人脸识别方法、装置及系统，应用于人工智能技术领域，具体为深度学习、计算机视觉技术领域，可应用于人脸识别、人脸图像处理等应用场景。
57.图1是根据本公开第一实施例的示意图，如图1所示，本公开实施例的人脸底库的更新方法，包括：
58.s101：获取原始的人脸底库中，与获取到的当前人脸图像归属于同一用户的人脸图像集合。
59.其中，人脸底库中包括至少一个用户的人脸图像集合，人脸图像集合中包括已存人脸图像。
60.示例性的，本实施例的执行主体可以为人脸底库的更新装置(下文简称为更新装置)，更新装置可以为服务器(如云端服务器，或者，本地服务器)，也可以为计算机，也可以为终端设备，也可以为处理器，也可以为芯片等，本实施例不做限定。
61.原始的人脸底库中的“原始”用于与后文中的更新后的人脸底库进行区分，而不能理解为对人脸底库的限定。
62.同理，当前人脸图像与已存人脸图像为相对概念，二者的区分可以参见上述实施例地描述，此处不再赘述。
63.原始的人脸底库中可以包括一个用户的人脸图像集合，也可以包括多个用户的人脸图像集合，即一个用户对应一个人脸图像集合，原始的人脸底库中可以包括一个人脸图像集合，也可以包括多个人脸图像集合。
64.原始的人脸底库中的人脸图像集合的数量基于不同的应用场景而不同，即不同的应用场景中的人脸图像集合的数量可能不同。
65.例如，针对人流量相对较大的应用场景，人脸图像集合的数量可能相对较多；反之，针对人流量相对较少的应用场景，人脸图像集合的数量可能相对较少。
66.示例性的，以门禁应用场景为例，且具体以居住小区门禁的应用场景为例，不同的居住小区的用户容纳量可能不同，如有些居住小区的用户容纳量相对较大，则该居住小区对应的人脸底库的人脸图像集合的数量相对较多；反之，有些居住小区的用户容纳量相对较少，则该居住小区对应的人脸底库的人脸图像集合的数量相对较少。
67.又如，以公司门禁的应用场景为例，不同规模的公司的工作人员的数量可能不同，
而针对相对较大规模的公司，该公司的工作人员的数量也相对较多，则该公司对应的人脸底库的人脸图像集合的数量相对较多；反之，针对相对规模较小的公司，该公司的工作人员的数量也相对较少，则该公司对应的人脸底库的人脸图像集合的数量相对较少。
68.应该理解的是，上述结合应用场景对原始的人脸底库中的人脸图像集合的数量地阐述，只是用于说明人脸图像集合的数量可多可少的情况，而不能理解为对人脸图像集合的数量的限定。
69.同理，本实施例对已存人脸图像的数量不做限定。例如，已存人脸图像的数量可以基于人脸底库的内存容量确定。例如，针对内存容量相对较大的人脸底库，已存人脸图像的数量可以相对较多；反之，针对内存容量相对较少的人脸底库，已存人脸图像的数量可以为相对较少。也就是说，已存人脸图像的数量可以与人脸底库的内存容量成正比。
70.且，值得说明的是，若某人脸底库中包括多个用户的人脸图像集合，则不同用户的人脸图像集合中的已存人脸图像的数量可能相同，也可能不相同。
71.例如，人脸底库中共有n(n为大于1的正整数)个人脸图像集合，且分别为人脸图像集合1、人脸图像集合2直至人脸图像集合n，则该n个人脸图像集合中，可能各人脸图像集合中的已存人脸图像的数量均不相同，也可能n个人脸图像集合中有部分的人脸图像集合中的已存人脸图像的数量相同，也可能n个人脸图像集合中的每一人脸图像集合中的已存人脸图像的数量均相同。
72.示例性的，该步骤可以理解为：
73.原始的人脸底库中包括人脸图像集合，在更新装置获取到当前人脸图像时，可以从原始的人脸底库中，确定与当前人脸图像归属于同一用户的人脸图像集合，具体的确定方法本实施例不做限定。
74.例如，可以基于相似度匹配的方式确定与当前人脸图像归属于同一用户的人脸图像集合等。
75.s102：确定当前人脸图像与同一用户的已存人脸图像之间的相似度。
76.其中，已存人脸图像具有计数值，计数值表征已存人脸图像与其他人脸图像之间的连续未匹配成功的次数或连续匹配成功的次数。
77.相应的，同一用户的已存人脸图像具有计数值，该计数值表征同一用户中的已存人脸图像与同一用户中的其他人脸图像之间的连续未匹配成功的次数或连续匹配成功的次数。
78.结合上述分析可知，一个人脸图像集合中的已存人脸图像的数量可能为一个，也可能为多个，如果与当前人脸图像归属于同一用户的人脸图像集合中的已存人脸图像的数量为一个，则确定当前人脸图像与该人脸图像集合中的已存人脸图像之间的相似度；如果人脸图像集合中的已存人脸图像的数量为多个，则确定当前人脸图像与该人脸图像集合中的每一个已存人脸图像之间的相似度。
79.例如，结合上述实施例，若当前人脸图像与人脸图像集合1归属于同一用户(为便于阐述，我们将该用户称为目标用户)，人脸图像集合中包括m(m为大于1的正整数)个已存人脸图像，且分别为已存人脸图像1、已存人脸图像2直至已存人脸图像m，则该步骤可以理解为：
80.确定当前人脸图像与已存人脸图像1之间的相似度，为便于区分，将该相似度称为
相似度s1；确定当前人脸图像与已存人脸图像2之间的相似度，同理，为便于区分，将该相似度称为相似度s2；直至确定当前人脸图像与已存人脸图像m之间的相似度，同理，为便于区分，将该相似度称为相似度sm。
81.值得说明的是，在本实施例中，每一已存人脸图像具有计数值，以已存人脸图像1为例，已存人脸图像1具有计数值，该计数值可以为已存人脸图像1与目标用户的其他人脸图像之间的连续未匹配成功的次数，该计数值也可以为已存人脸图像1与目标用户的其他人脸图像之间的连续匹配成功的次数。
82.其中，目标用户的其他人脸图像可能包括已存人脸图像2直至人脸图像m；目标用户的其他人脸图像也可能包括已存人脸图像2直至人脸图像m，且包括未被存储至人脸图像集合1中的目标用户的人脸图像。
83.若目标用户的其他人脸图像包括已存人脸图像2直至人脸图像m，则对已存人脸图像1的计数值的理解如下：
84.若已存人脸图像1与已存人脸图像2未匹配成功，则计数值设置为1；若已存人脸图像1与已存人脸图像3未匹配成功，则可以对计数值进行累计处理，如对计数值1加1处理；若已存人脸图像1与已存人脸图像4匹配成功，则对计数值进行清零处理；以此类推，得到已存人脸图像1与目标用户的其他人脸图像的连续匹配成功次数。
85.或者，
86.若已存人脸图像1与已存人脸图像2匹配成功，则计数值设置为1；若已存人脸图像1与已存人脸图像3匹配成功，则可以对计数值进行累计处理，如对计数值1加1处理；若已存人脸图像1与已存人脸图像4未匹配成功，则对计数值进行清零处理；以此类推，得到已存人脸图像1与目标用户的其他人脸图像的连续匹配成功次数。
87.在实际应用场景中，可以为每一已存人脸图像配置计数器，以基于该计数器确定该已存人脸图像的计数值；或者，也可以人脸图像集合为单位配置计数器，如一个人脸图像集合对应一个计数器，由该计数器确定该人脸图像集合中的各已存人脸图像各自对应的计数值；或者，也可以人脸底库为单位配置计数器，如一个人脸底库对应一个计数器，由该计数器确定该人脸底库中的各已存人脸图像各自对应的计数值，等等，本实施例不做限定。
88.s103：根据相似度和计数值对原始的人脸底库进行更新处理，得到更新后的人脸底库。
89.结合上述示例可知，计数值可以表征连续未匹配成功的次数(或者，连续匹配成功的次数)，而通过结合相似度和连续未匹配成功的次数(或者，连续匹配成功的次数)对原始的人脸底库进行更新，相对而言，可以从整体上把控对原始的人脸底库的更新，从而实现更新的可靠性和准确性的技术效果。
90.基于上述分析，本公开实施例提供了一种人脸底库的更新方法，包括：获取原始的人脸底库中，与获取到的当前人脸图像归属于同一用户的人脸图像集合，其中，人脸底库中包括至少一个用户的人脸图像集合，人脸图像集合中包括已存人脸图像，确定当前人脸图像与同一用户的已存人脸图像之间的相似度，其中，同一用户的已存人脸图像具有计数值，计数值表征同一用户的已存人脸图像与同一用户的其他人脸图像之间的连续未匹配成功的次数或连续匹配成功的次数，根据相似度和计数值对原始的人脸底库进行更新处理，得到更新后的人脸底库，在本实施例中，通过确定当前人脸图像与同一用户的已存人脸图像
之间的相似度，以结合相似度与该用户的已存人脸图像的计数值对原始的人脸底库有进行更新处理的技术特征，以基于同一用户的各已存人脸图像的连续未匹配成功的次数，或者，连续匹配成功的次数，实现更新处理的全面性和整体性，从而提高对原始的人脸底库的更新的准确性和可靠性的技术效果。
91.图2是根据本公开第二实施例的示意图，如图2所示，本公开实施例的人脸底库的更新方法，包括：
92.s201：获取当前人脸图像。
93.可以理解的是，为了避免冗余的阐述，关于本实施例与上述实施例相同的技术特征，本实施例不再赘述。
94.结合上述实施例可知，本实施例的方法可以应用于居住小区门禁的应用场景，如图3所示，居住小区包括多个不同的出入口，如图3中所示的北出入口、南出入口、西出入口、以及东出入口。
95.一个示例中，每个出入口处设置有出入该居住小区的闸门，每个闸门处可以设置一个人脸识别系统，每个人脸识别系统中包括人脸底库，相应的，每个人脸识别系统中包括更新装置。
96.另一个示例中，在上述示例的基础上，各人脸识别系统共用一个更新装置，或者，各人脸识别系统共用一个人脸底库，即共创建一个人脸底库，由该一个更新装置对该一个人脸底库进行更新。
97.再一些实施例中，每个出入口处设置有出入该居住小区的闸门，各闸门共用一个人脸识别系统，该人脸识别系统中包括人脸底库，相应的，该人脸识别系统中包括更新装置，或者，人脸识别系统与更新装置为两个相互独立的设备。
98.也就是说，人脸识别系统与更新装置可以为一体集成的设备，也可以为相互独立的设备；人脸识别系统与更新装置的数量可能相同，也可能不同；人脸底库可以为独立于人脸识别系统的存储设备，也可以为集成于人脸识别系统中的存储设备；人脸底库的数量可能与人脸识别系统的数量相同，也可能与人脸识别系统的数量不同，等等。
99.以用户进入北出入口为例，s201的实现原理可以参见下述阐述：
100.北出入口处设置有闸门，闸门处设置有图像采集装置，如摄像头301等，当用户进入北出入口时，摄像头301可以采集用户的人脸图像(即当前人脸图像)。
101.摄像头301可以与更新装置302连接，并将采集到的当前人脸图像传输给更新装置302，相应的，更新装置获取到当前人脸图像。
102.s202：获取原始的人脸底库中，与获取到的当前人脸图像归属于同一用户的人脸图像集合。
103.其中，人脸底库中包括至少一个用户的人脸图像集合，人脸图像集合中包括已存人脸图像。
104.结合上述实施例，更新装置可以从人脸底库中的n个人脸图像集合，确定与进入北出入口的用户对应的人脸图像集合。
105.且人脸底库的数量可以为多个，如北出入口、南出入口、西出入口、以及东出入口各自对应一个人脸底库；或者，其中的至少两个出入口共用一个人脸底库；或者，北出入口、南出入口、西出入口、以及东出入口共同一个人脸底库。
106.在一些实施例中，人脸图像集合可以为人脸图像特征集合，人脸图像特征集合中包括人脸图像特征。例如，在人脸底库中，为每一用户分配一个用户标识id，每一用户标识下存储有该用户的人脸图像特征。
107.相应的，s201可以通过如下方式实现：
108.方式1：
109.获取当前人脸图像的当前人脸图像特征，针对每一用户标识，将当前人脸图像特征与每一用户标识下的每一已存人脸图像特征进行相似度匹配，得到各匹配结果，并根据各匹配结果确定与当前人脸图像特征归属于同一用户的人脸图像特征集合。
110.例如，结合上述实施例，将进入北出入口的用户称为当前用户，在获取到当前用户的当前人脸图像之后，可以对当前人脸图像进行特征提取，以得到当前用户的当前人脸图像特征，当前人脸图像特征用于表征当前用户的脸部的外貌特征。
111.人脸底库中包括用户标识1至用户标识n的人脸图像特征集合，且用户标识1下的人脸图像特征集合为人脸图像特征集合1，以此类推，用户标识n下的人脸图像特征集合为人脸图像特征集合n。
112.针对用户标识1下的人脸图像特征集合1，更新装置将当前人脸图像特征与人脸图像特征集合1中的每一已存人脸图像特征进行相似度匹配，得到匹配结果，若人脸图像特征集合1中包括m个已存人脸图像特征，则得到m个匹配结果。
113.在一些实施例中，以此类推，得到当前人脸图像特征与n个人脸图像特征集合中每一人脸图像特征集合的匹配结果，从中选择匹配结果最佳的人脸图像特征集合，确定为与当前人脸图像特征归属于同一用户的人脸图像特征集合，即确定人脸底库中当前用户的人脸图像特征集合。
114.其中，匹配结果最佳可以为，匹配结果所表征的相似度最大，或者，匹配结果所表征的相似度大于预设阈值的数量最多。
115.以匹配结果所表征的相似度最大为例：
116.当前人脸图像特征与n个人脸图像特征集合中的每一人脸图像特征集合中的每一已存人脸图像特征有一匹配结果，从所有的匹配结果中，确定相似度最大的匹配结果，并确定该匹配结果对应的人脸图像特征集合，从而将该人脸图像特征集合确定为归属于当前用户的人脸图像特征集合。
117.以匹配结果所表征的相似度大于预设阈值的数量最多为例：
118.当前人脸图像特征与n个人脸图像特征集合中的每一人脸图像特征集合中的每一已存人脸图像特征有一匹配结果，针对每一人脸图像特征集合，计算该人脸图像特征集合中，匹配结果表征的相似度大于预设阈值的已存人脸图像特征的数量，并从n个人脸图像特征集合对应的各数量中，选择数量最多的人脸图像特征集合，并将该人脸图像特征集合确定为归属于当前用户的人脸图像特征集合。
119.方式2：
120.获取当前人脸图像的当前人脸图像特征，针对每一用户标识，确定该用户标识下的已存人脸图像特征进行加权处理，得到该用户标识下的加权特征，将当前人脸图像特征与每一用户标识下的加权特征进行相似度匹配，得到各匹配结果，并根据各匹配结果确定与当前人脸图像特征归属于同一用户的人脸图像特征集合。
121.同理，结合上述实施例，将进入北出入口的用户称为当前用户，在获取到当前用户的当前人脸图像之后，可以对当前人脸图像进行特征提取，以得到当前用户的当前人脸图像特征，当前人脸图像特征用于表征当前用户的脸部的外貌特征。
122.人脸底库中包括用户标识1至用户标识n的人脸图像特征集合，且用户标识1下的人脸图像特征集合为人脸图像特征集合1，以此类推，用户标识n下的人脸图像特征集合为人脸图像特征集合n。
123.相应的，计算得到人脸图像集合1中各已存人脸图像特征的加权特征1，以此类推，直至得到人脸图像集合1中各已存人脸图像特征的加权特征n。
124.将当前人脸图像特征与加权特征1进行相似度匹配，得到匹配结果，依次类推，直至得到当前人脸图像特征与加权特征n的匹配结果，并从n个匹配结果中确定表征相似度最大的匹配结果，将该匹配结果对应的人脸图像特征集合确定为与当前人脸图像特征归属于同一用户的人脸图像特征集合。
125.其中，针对任意人脸图像特征集合的加权特征，该加权特征可以为对该任意人脸图像特征集合中的各已存人脸图像特征进行加权处理而得到的用于表征该任意人脸图像特征集合对应的用户的面部特征。
126.应该理解的是，上述实施例只是用于示范性地说明，如何确定与当前人脸图像归属于同一用户的人脸图像集合，而不能理解为对确定与当前人脸图像归属于同一用户的人脸图像集合的限定。
127.值得说明的是，通过采用如上述实施例所述的方式1或者方式2确定同一用户的人脸图像集合，可以实现确定同一用户的人脸图像集合的灵活性和多样性的技术效果。
128.s203：确定当前人脸图像与同一用户的已存人脸图像之间的相似度。
129.其中，同一用户的已存人脸图像具有计数值，计数值表征同一用户的已存人脸图像与同一用户的其他人脸图像之间的连续未匹配成功的次数或连续匹配成功的次数。
130.s204：根据相似度对计数值进行更新处理，得到更新后的计数值。
131.由于可以从两个不同的维度对计数值进行表征，因此，为了便于读者理解，我们从两个不同的维度对更新处理进行阐述。
132.以计数值表征连续未匹配成功的次数为例：
133.若相似度小于预设相似度阈值，则对计数值进行累计处理，得到更新后的计数值。若相似度大于相似度阈值，则对计数值进行清零处理，得到更新后的计数值。
134.其中，相似度阈值可以基于需求、历史记录、以及试验等方式进行确定，本实施例不做限定。
135.示例性的，若以需求确定相似度阈值，则针对相对较高的需求，可以将相似度阈值设置为相对较大的值；反之，针对相对较低的需求，可以将相似度阈值设置为相对较小的值。
136.结合上述实施例可知，累计处理可以为加1处理，如已存人脸图像1的计数值为6(即连续未匹配成功的次数为6次)，则若当前人脸图像与人脸图像之间的相似度大于相似度阈值，则对已存人脸图像1的计数值进行清零处理，得到已存人脸图像1的更新后的计数值0。
137.反之，若当前人脸图像与人脸图像之间的相似度小于相似度阈值，则对已存人脸
图像1的计数值进行加1处理，得到已存人脸图像1的更新后的计数值7。
138.在本实施例中，通过分析相似度与相似度阈值之间的大小关系，以在不同的情况下对计数值进行不同方式的更新处理(即累积处理或者清零处理)，可以实现更新的有效性和可靠性的技术效果。
139.以计数值表征连续匹配成功的次数为例：
140.若相似度达到预设相似度阈值，则对计数值进行累计处理，得到更新后的计数值。若相似度小于相似度阈值，则对计数值进行清零处理，得到更新后的计数值。
141.同理，累计处理可以为加1处理，如已存人脸图像1的计数值为6(即连续匹配成功的次数为6次)，则若当前人脸图像与人脸图像之间的相似度大于相似度阈值，则对已存人脸图像1的计数值进行加1处理，得到已存人脸图像1的更新后的计数值7。
142.反之，若当前人脸图像与人脸图像之间的相似度小于相似度阈值，则对已存人脸图像1的计数值进行清零处理，得到已存人脸图像1的更新后的计数值0。
143.在本实施例中，通过分析相似度与相似度阈值之间的大小关系，以在不同的情况下对计数值进行不同方式的更新处理(即累积处理或者清零处理)，可以实现更新的有效性和可靠性的技术效果。
144.值得说明的是，更新后的计数值可以作为下次更新人脸底库的初始的计数值，以便在该计数值的基础上，对更新后的人脸底库进行更新。
145.s205：获取人脸底库存储同一用户的人脸图像的总数量。
146.例如，结合上述实施例，若同一用户的人脸图像集合为人脸图像集合1，则获取人脸图像集合1中已存人脸图像的总数量。
147.s206：判断总数量是否达到预设存储数量阈值，若否，则执行s207，若是，则执行s208。
148.示例性的，人脸底库的存储空间具有一定的大小，人脸底库可以存储的人脸图像的数量受到一定的限定，且为了避免人脸识别的效率偏低，人脸底库中存储的人脸图像的数量也不宜过多，因此，可以预先设置人脸底库可以存储的人脸图像的上限值(即存储数量阈值)，且可以更进一步地设置每一用户的人脸图像的上限值。
149.例如，针对每一用户的人脸图像集合，该人脸图像集合中可以存储的人脸图像的上限值为10，即该人脸图像集合中可以最多包括10个已存人脸图像。
150.也就是说，存储数量阈值可以基于人脸底库的存储空间确定，也可以基于识别效率确定，当然，也可以基于其他方式确定，此处不再一一列举。
151.s207：将当前人脸图像添加至同一用户的人脸图像集合中，以完成对人脸底库的更新。
152.结合上述分析，该步骤可以理解为：如果同一用户的总数量还没有达到存储数量阈值，则可以直接将当前人脸图像添加至同一用户的人脸图像集合中，至此，人脸底库的更新结束。
153.例如，结合上述实施例，若同一用户的人脸图像集合为人脸图像集合1，同一用户的人脸图像集合的存储数量阈值为10(即人脸底库中可以存储人脸图像集合1的已存人脸图像的数量为10)，且的人脸图像集合1中的已存人脸图像的数量为6，则可以将当前人脸图像添加至人脸图像集合1中，从而完成对人脸图像集合1的更新，进而完成对人脸底库的更
新。
154.在本实施例中，在总数量未达到存储数量阈值时，将当前人脸图像存储至同一用户的人脸图像集合，以对人脸底库进行更新，可以使得人脸图像集合中尽可能多的包括用于表征用户的面部特征的人脸图像，从而提高识别的可靠性和有效性的技术效果。
155.s208：根据更新后的计数值对原始的人脸底库进行更新处理，得到更新后的人脸底库。
156.结合上述实施例可知，可以从两个不同的维度对计数值进行表征，相应的，更新后的计数值也可以从两个不同的维度进行表征，如更新后的计数值可以表征更新后的连续未匹配成功的次数，也可以表征更新后的连续匹配成功的次数，现从两个不同的维度分别对该步骤进行示范性地阐述。
157.若更新后的计数值表征更新后的连续未匹配成功的次数，则s208可以包括如下步骤：
158.第一步骤：从各更新后的计数值中，确定最大的更新后的计数值。
159.第二步骤：将最大的更新后的计数值的已存人脸图像替换为当前人脸图像。
160.示例性的，结合上述实施例，若同一用户的人脸图像集合为人脸图像集合1，同一用户的人脸图像集合的存储数量阈值为10(即人脸底库中可以存储人脸图像集合1的已存人脸图像的数量为10)，且的人脸图像集合1中的已存人脸图像的数量为10(即人脸图像集合1的总数量已经达到存储数量阈值)，而人脸图像集合1中的每一人脸图像具有更新后的计数值，即更新后的连续未匹配成功的次数，则从10个更新后的计数值中，确定最大的更新后的连续未匹配成功的次数。
161.在确定出最大的更新后的连续未匹配成功的次数之后，则将确定出的最大的更新后的连续未匹配成功的次数对应的已存人脸图像进行替换，替换为当前人脸图像，如将确定出的最大的更新后的连续未匹配成功的次数对应的已存人脸图像从人脸图像集合1中删除，将当前人脸图像添加至人脸图像集合1中，以实现对人脸图像集合1的更新，进而实现对人脸底库的更新。
162.在本实施例中，通过将最大的更新后的连续未匹配成功的次数对应的已存人脸图像进行替换，可以实现将相对低质量的人脸图像从人脸图像集合中移除，即将相对低质量的人脸图像从人脸底库中移除，而将相对高质量的人脸图像存储至人脸图像集合，即将相对高质量的人脸图像添加至人脸底库，以实现对人脸底库的更新，可以提高对人脸底库更新的可靠性和有效性，进而提高人脸识别的可靠性和准确性的技术效果。
163.在一些实施例中，为了进一步提高对人脸底库更新的可靠性和有效性，在确定出最大的更新后的未匹配成功的次数之后，可以进一步确定该最大的更新后的未匹配成功的次数、以及连续未匹配次数阈值之间的大小关系，例如判断最大的更新后的未匹配成功的次数是否达到连续未匹配次数阈值，如果达到，则将最大的更新后的连续未匹配成功的次数的已存人脸图像替换为当前人脸图像；反之，则暂不对人脸底库进行调整。
164.同理，连续未匹配次数阈值可以基于需求、历史记录、以及试验等方式进行确定，本实施例不做限定。
165.在本实施例中，通过结合连续未匹配次数阈值对人脸底库进行更新，可以避免将高质量的人脸图像移除人脸底库的弊端，从而提高更新的可靠性和准确性的技术效果。
166.若更新后的计数值表征更新后的连续匹配成功的次数，则s208可以包括：若有为零的更新后的计数值，则将为零的更新后的计数值的已存人脸图像替换为当前人脸图像。
167.示例性的，结合上述实施例，若同一用户的人脸图像集合为人脸图像集合1，同一用户的人脸图像集合的存储数量阈值为10(即人脸底库中可以存储人脸图像集合1的已存人脸图像的数量为10)，且的人脸图像集合1中的已存人脸图像的数量为10(即人脸图像集合1的总数量已经达到存储数量阈值)，而人脸图像集合1中的每一人脸图像具有更新后的计数值，即更新后的连续匹配成功的次数，则确定10个更新后的计数值中，是否有为零的更新后的连续匹配成功的次数。
168.在一些实施例中，如果有为零的更新后的连续匹配成功的次数，则将为零的更新后的计数值的已存人脸图像替换为当前人脸图像。
169.也就是说，在确定出为零的更新后的连续匹配成功的次数之后，则将为零的更新后的连续匹配成功的次数对应的已存人脸图像进行替换，替换为当前人脸图像，如将确定出的为零的更新后的连续匹配成功的次数对应的已存人脸图像从人脸图像集合1中删除，将当前人脸图像添加至人脸图像集合1中，以实现对人脸图像集合1的更新，进而实现对人脸底库的更新。
170.在本实施例中，通过将为零的更新后的计数值的已存人脸图像替换为当前人脸图像，以对人脸底库进行更新，相对而言，可以将与同一用户的人脸特征最不符合的已存人脸图像剔除，替换为相对更能表征同一用户的人脸特征的当前人脸图像，从而提高更新的可靠性和准确性的技术效果。
171.其中，可能有多个更新后的连续匹配成功的次数为零，也可能有一个更新后的连续匹配成功的次数为零。如果有一个更新后的连续匹配成功的次数为零，则将该一个为零的更新后的计数值的已存人脸图像替换为当前人脸图像。
172.如果有多个更新后的连续匹配成功的次数为零，则可以从为零的多个更新后的计数值中，确定被清零处理次数最多的为零的更新后的计数值，将被清零处理次数最多的为零的更新后的计数值的已存人脸图像替换为当前人脸图像。
173.例如，结合上述实施例，人脸图像集合1中包括10个已存人脸图像，10个更新后的连续匹配成功的次数中，有3个为零，则可以确定该3个为零的更新后的连续匹配成功的次数中，被清零处理次数最多对应的已存人脸图像，并将该已存人脸图像从人脸底库中移除，将当前人脸图像添加至人脸底库，以实现对人脸底库的更新。
174.在本实施例中，通过将被清零处理次数最多的为零的更新后的计数值的已存人脸图像替换为当前人脸图像，相对而言，可以剔除人脸底库中，表征同一用户的面部特征最弱的已存人脸图像，添加至相对能够较强表征同一用户的面部特征的当前人脸图像，从而实现对人脸底库更新的可靠性和有效性，进而实现对人脸识别的准确性和可靠性的技术效果。
175.在另一些实施例中，如果没有为零的更新后的连续匹配成功的次数，则可以确定同一用户的每一已存人脸图像的计数值被清零处理次数，并将被清零处理次数最多对应的已存人脸图像替换为当前人脸图像；或者，也可以从各更新后的连续匹配成功的次数中，确定最小次数，并将该最小次数对应的已存人脸图像替换为当前人脸图像。
176.基于上述分析可知，更新后的计数值可以作为下次更新人脸底库的初始的计数
值，以便在该计数值的基础上，对更新后的人脸底库进行更新。相应的，若在将当前人脸图像替换了已存人脸图像而添加至人脸底库之后，可以设置当前人脸图像的计数值，且将该计数值设置为0，以便结合该计数值对进行人脸底库的再次更新。
177.在一些实施例中，在对更新后的计数值对原始的人脸底库进行更新处理时，可以结合同一用户的已存人脸图像的存入时间、以及更新后的计数值对原始的人脸底库进行更新处理。
178.示例性的，结合上述实施例，人脸图像集合1中的各已存人脸图像均具有时间标签，该时间标签用于表征已存人脸图像被存储至人脸底库的时间，且基于人脸图像集合1中的每一已存人脸图像的时间标签为该已存人脸图像分配权重，以基于人脸图像集合1中的每一已存人脸图像的权重、以及更新后的计数值对原始的人脸底库进行更新处理。
179.其中，权重可以与时间标签成正比，即已存人脸图像被存储至人脸底库的时间越长，则对应的权重越大，可以计算权重与更新后的计数值的乘积，并基于该乘积对原始的人脸底库进行更新处理。
180.值得说明的是，在本实施例中，通过结合时间标签确定权重，并结合权重对原始的人脸底库进行更新处理，相对而言，可以剔除存储时间在前的已存人脸图像，而保留距离当前时间相对较近的已存人脸图像，从而实现人脸底库更新的有效性和可靠性的技术效果。
181.图4是根据本公开第三实施例的示意图，如图4所示，本公开实施例的人脸识别方法，包括：
182.s401：获取待识别人脸图像。
183.示例性的，本实施例的执行主体可以为人脸识别装置，且人脸识别装置与上述实施例中的更新装置可以为相同的装置，也可以为不同的装置，本实施例不做限定。
184.关于获取待识别人脸图像可以采用下述示例实现：
185.一个示例中，人脸识别装置可以与图像采集装置连接，并接收由图像采集装置发送的待识别人脸图像。
186.另一个示例中，人脸识别装置可以提供载入图像的工具，用户可以通过该载入图像的工具将待识别人脸图像传输至人脸识别装置。
187.其中，载入图像的工具可以为用于与外接设备连接的接口，如用于与其他存储设备连接的接口，通过该接口获取外接设备传输的图像；载入图像的工具也可以为显示装置，如人脸识别装置可以在显示装置上输入载入图像功能的界面，用户可以通过该界面将待识别人脸图像导入至人脸识别装置，人脸识别装置获取导入的待识别人脸图像。
188.值得说明的是，人脸底库的更新与人脸图像的识别可以同时实现，即在对人脸底库进行更新时，也可以对人脸图像进行识别，或者，在对人脸图像进行识别时，也可以对人脸底库进行更新。
189.例如，结合上述居住小区门禁的应用场景为例，在获取到当前用户的当前人脸图像时，可以执行如上述实施例中对人脸底库更新的方法，也可以执行如本实施例中对当前人脸图像进行识别的方法。
190.s402：基于人脸底库对待识别人脸图像进行识别处理，得到识别结果。
191.其中，人脸底库是基于如上任一实施例所述的人脸底库的更新方法得到的。
192.结合上述实施例，该步骤可以理解为：基于人脸底库对待识别人脸图像进行识别，
以确定待识别人脸图像的用户是否为居住小区的用户，以得到识别结果。
193.示例性的，若识别结果表征该待识别人脸图像的用户是居住小区的用户，则控制居住小区的闸门打开，该用户可以进入至该居住小区；反之，若识别结果表征该待识别人脸图像的用户不是居住小区的用户，则控制居住小区的闸门处于关闭状态，即用户不可以进入至该居住小区。
194.基于上述分析可知，由于人脸底库具有较高的准确性和可靠性，因此，当基于人脸底库对人脸进行识别时，可以提高人脸识别的准确性和可靠性的技术效果。
195.在一些实施例中，s402可以包括：确定从人脸底库中，是否有与待识别人脸图像归属于同一用户的人脸图像集合，若有，则识别结果表征待识别人脸图像对应的用户为可通行用户，若无，则识别结果表征待识别人脸图像对应的用户为不可通行用户。
196.其中，关于从人脸底库中，确定是否有与待识别人脸图像归属于同一用户的人脸图像集合的方法本实施例不做限定，如可以采用如上述实施例中相似度匹配的方式实现，也可以其他方式实现。
197.图5是根据本公开第四实施例的示意图，如图5所示，本公开实施例的人脸底库的更新装置500，包括：
198.第一获取单元501，用于获取原始的人脸底库中，与获取到的当前人脸图像归属于同一用户的人脸图像集合，其中，人脸底库中包括至少一个用户的人脸图像集合，人脸图像集合中包括已存人脸图像。
199.确定单元502，用于确定当前人脸图像与同一用户的已存人脸图像之间的相似度，其中，同一用户的已存人脸图像具有计数值，计数值表征同一用户的已存人脸图像与同一用户的其他人脸图像之间的连续未匹配成功的次数或连续匹配成功的次数。
200.更新单元503，用于根据相似度和计数值对原始的人脸底库进行更新处理，得到更新后的人脸底库。
201.图6是根据本公开第五实施例的示意图，如图6所示，本公开实施例的人脸底库的更新装置600，包括：
202.第一获取单元601，用于获取原始的人脸底库中，与获取到的当前人脸图像归属于同一用户的人脸图像集合，其中，人脸底库中包括至少一个用户的人脸图像集合，人脸图像集合中包括已存人脸图像。
203.第二获取单元602，用于获取人脸底库存储所述同一用户的人脸图像的总数量。
204.确定单元603，用于若总数量达到预设存储数量阈值，则确定当前人脸图像与同一用户的已存人脸图像之间的相似度。
205.其中，同一用户的已存人脸图像具有计数值，计数值表征同一用户的已存人脸图像与同一用户的其他人脸图像之间的连续未匹配成功的次数或连续匹配成功的次数。
206.更新单元604，用于根据相似度和计数值对原始的人脸底库进行更新处理，得到更新后的人脸底库。
207.结合图6可知，在一些实施例中，更新单元604，包括：
208.第一更新子单元6041，用于根据相似度对计数值进行更新处理，得到更新后的计数值。
209.在一些实施例中，若计数值表征连续未匹配成功的次数，则第一更新子单元6041，
包括：
210.第一累计模块，用于若相似度小于预设相似度阈值，则对计数值进行累计处理，得到更新后的计数值。
211.第一清零模块，用于若相似度大于相似度阈值，则对计数值进行清零处理，得到更新后的计数值。
212.在一些实施例中，若计数值表征连续匹配成功的次数，则第一更新子单元6041，包括：
213.第二累计模块，用于若相似度达到预设相似度阈值，则对计数值进行累计处理，得到更新后的计数值。
214.第二清零单元，用于若相似度小于相似度阈值，则对计数值进行清零处理，得到更新后的计数值。
215.第二更新子单元6042，用于根据更新后的计数值对原始的人脸底库进行更新处理，得到更新后的人脸底库。
216.在一些实施例中，若计数值表征连续未匹配成功的次数；同一用户的已存人脸图像的数量为多个，每一同一用户的已存人脸图像具有更新后的计数值；第二更新子单元6042，包括：
217.第一确定模块，用于从各更新后的计数值中，确定最大的更新后的计数值。
218.第一替换模块，用于将最大的更新后的计数值的已存人脸图像替换为当前人脸图像。
219.在一些实施例中，第一替换模块用于，若最大的更新后的计数值达到预设的连续未匹配次数阈值，则将最大的更新后的计数值的已存人脸图像替换为当前人脸图像。
220.在一些实施例中，若计数值表征连续匹配成功的次数；同一用户的已存人脸图像的数量为多个，每一同一用户的已存人脸图像具有更新后的计数值；第二更新子单元6042用于，若有为零的更新后的计数值，则将为零的更新后的计数值的已存人脸图像替换为当前人脸图像。
221.在一些实施例中，第二更新子单元6042，包括：
222.第二确定模块，用于从为零的多个更新后的计数值中，确定被清零处理次数最多的为零的更新后的计数值。
223.第二替换模块，用于将被清零处理次数最多的为零的更新后的计数值的已存人脸图像替换为当前人脸图像。
224.添加单元605，用于若总数量未达到存储数量阈值，则将当前人脸图像添加至同一用户的人脸图像集合中。
225.图7是根据本公开第六实施例的示意图，如图7所示，本公开实施例的人脸识别装置700，包括：
226.第三获取单元701，用于获取待识别人脸图像。
227.识别单元702，用于基于人脸底库对待识别人脸图像进行识别处理，得到识别结果。其中，人脸底库是基于如上任一实施例所述人脸底库的更新方法得到的。
228.根据本公开实施例的另一个方面，本公开实施例还提供了一种人脸识别系统，包括：
229.人脸底库，人脸底库是基于如上任一实施例所述的人脸底库的更新方法得到的；
230.如上实施例所述的人脸识别装置。
231.也就是说，本公开实施例提供了一种人脸识别系统，该系统包括人脸识别装置和人脸底库，人脸识别装置用于获取待识别人脸图像，以基于人脸底库对待识别人脸图像进行识别，从而得到识别结果。
232.值得说明的是，人脸底库可以为人脸识别装置中的存储设备，也可以为独立于人脸识别装置的存储设备，本实施例不做限定。
233.在一些实施例中，人脸识别系统还包括：
234.图像采集装置，用于采集待识别人脸图像。
235.其中，图像采集装置可以摄像头等具有图像采集功能的设备。
236.同理，图像采集装置与人脸识别装置可以为一体集成的装置，也可以为相互独立的装置，本实施例不做限定。
237.当本实施例的方法应用于如图3所示的应用场景时，一个示例中，每个出入口处均可以设置一个人脸识别装置，即设置有4个人脸识别装置，4个人脸识别装置均连接至更新装置，更新装置将更新后的人脸底库分发至每个人脸识别装置，以便每个人脸识别装置进行人脸识别。
238.在该示例中，各出入口的人脸识别装置可以共用人脸底库，实现资源共享，从而实现节约资源，且结合用户的出入可能性构建相对较为全面且完整的人脸底库，可以实现识别的有效性和准确性的技术效果。
239.另一个示例中，每个出入口处设置一个人脸识别装置和一个人脸底库，每一人脸识别装置基于对应设置的人脸底库实现人脸识别。
240.还一些示例中，每个出入口处设置有图像采集装置，各图像采集装置均与人脸识别装置连接，且人脸识别装置与人脸底库连接，以由该人脸识别装置对各出入口的用户进行人脸识别。
241.值得说明的是，上述实施例只是用于示范性地说明，图像采集装置、人脸底库、以及人脸识别装置可能的存在形式，而不能理解为对图像采集装置、人脸底库、以及人脸识别装置的限定。
242.图8是根据本公开第七实施例的示意图，如图8所示，本公开中的电子设备800可以包括：处理器801和存储器802。
243.存储器802，用于存储程序；存储器802，可以包括易失性存储器(英文：volatile memory)，例如随机存取存储器(英文：random-access memory，缩写：ram)，如静态随机存取存储器(英文：static random-access memory，缩写：sram)，双倍数据率同步动态随机存取存储器(英文：double data rate synchronous dynamic random access memory，缩写：ddr sdram)等；存储器也可以包括非易失性存储器(英文：non-volatile memory)，例如快闪存储器(英文：flash memory)。存储器802用于存储计算机程序(如实现上述方法的应用程序、功能模块等)、计算机指令等，上述的计算机程序、计算机指令等可以分区存储在一个或多个存储器802中。并且上述的计算机程序、计算机指令、数据等可以被处理器801调用。
244.上述的计算机程序、计算机指令等可以分区存储在一个或多个存储器802中。并且上述的计算机程序、计算机指据等可以被处理器801调用。
245.处理器801，用于执行存储器802存储的计算机程序，以实现上述实施例涉及的方法中的各个步骤。
246.具体可以参见前面方法实施例中的相关描述。
247.处理器801和存储器802可以是独立结构，也可以是集成在一起的集成结构。当处理器801和存储器802是独立结构时，存储器802、处理器801可以通过总线803耦合连接。
248.本实施例的电子设备可以执行上述方法中的技术方案，其具体实现过程和技术原理相同，此处不再赘述。
249.本公开的技术方案中，所涉及的用户个人信息(如人脸图像等)的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
250.根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
251.根据本公开的实施例，本公开还提供了一种计算机程序产品，计算机程序产品包括：计算机程序，计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从可读存储介质读取计算机程序，至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。
252.图9示出了可以用来实施本公开的实施例的示例电子设备900的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字助理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
253.如图9所示，设备900包括计算单元901，其可以根据存储在只读存储器(rom)902中的计算机程序或者从存储单元908加载到随机访问存储器(ram)903中的计算机程序，来执行各种适当的动作和处理。在ram 903中，还可存储设备900操作所需的各种程序和数据。计算单元901、rom 902以及ram 903通过总线904彼此相连。输入/输出(i/o)接口905也连接至总线904。
254.设备900中的多个部件连接至i/o接口905，包括：输入单元906，例如键盘、鼠标等；输出单元907，例如各种类型的显示器、扬声器等；存储单元908，例如磁盘、光盘等；以及通信单元909，例如网卡、调制解调器、无线通信收发机等。通信单元909允许设备900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
255.计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理，例如人脸底库的更新方法、人脸识别方法。例如，在一些实施例中，人脸底库的更新方法、人脸识别方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元908。在一些实施例中，计算机程序的部分或者全部可以经由rom 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到ram 903并由计算单元901执行时，可以执行上文描述的人脸底库的更新方法、人脸识别方法的一个或多个步骤。备选地，在其他
实施例中，计算单元901可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行人脸底库的更新方法、人脸识别方法。
256.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、复杂可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
257.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
258.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
259.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
260.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
261.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或
云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务("virtual private server"，或简称"vps")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
262.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
263.上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。