人脸识别方法、装置、终端及计算机可读存储介质与流程

1.本发明涉及图像识别技术领域，特别是涉及一种人脸识别方法、装置、终端及计算机可读存储介质。


背景技术：

2.随着人工智能技术的不断发展，人脸识别技术逐渐被应用到安防、金融、交通等监控领域中。人脸识别主要包括人脸检测和人脸比对等一系列流程，而人脸检测环节会产生大量重复的人脸图片，从而导致计算量过大和内存占用过高的问题。


技术实现要素：

3.本发明主要解决的技术问题是提供人脸识别方法、装置、终端及计算机可读存储介质，解决现有技术中人脸识别速度慢的问题。
4.为解决上述技术问题，本发明采用的第一个技术方案是：提供一种人脸识别方法，人脸识别方法包括：响应于在当前视频帧中检测到当前人脸图像，将当前人脸图像与历史视频帧中的历史人脸图像进行比对，确定当前人脸图像与历史人脸图像的相似度；响应于当前人脸图像与历史人脸图像的相似度达到相似度阈值，将当前人脸图像与历史人脸图像归类到相同的人脸轨迹图像集；对人脸轨迹图像集中人脸图像进行聚类处理，得到目标对象的人脸图像集，并从人脸图像集中选取目标对象的最优人脸图像；基于最优人脸图像对目标对象进行人脸识别。
5.其中，响应于在当前视频帧中检测到当前人脸图像，将当前人脸图像与历史视频帧中的历史人脸图像进行比对，确定当前人脸图像与历史人脸图像的相似度，包括：计算得到当前人脸图像的人脸区域与历史人脸图像的人脸区域的交并比；响应于交并比大于预设交并比，确定当前人脸图像与历史人脸图像的相似度超过相似度阈值。
6.其中，计算得到当前人脸图像的人脸区域与历史人脸图像的人脸区域的交并比，包括：计算得到当前视频帧的人脸图像与前一视频帧的人脸图像的人脸区域的相邻帧交并比；响应于交并比大于预设交并比，确定当前人脸图像与历史人脸图像的相似度超过相似度阈值，包括：响应于相邻帧交并比大于预设交并比，确定当前人脸图像与历史人脸图像的相似度超过相似度阈值；响应于相邻帧交并比不大于预设交并比，新建立一个人脸轨迹图像集，并将当前人脸图像归类到新建的人脸轨迹图像集中。
7.其中，计算得到人脸轨迹图像集中包含的各人脸图像的质量评估值；对人脸轨迹图像集中人脸图像进行聚类处理，得到目标对象的人脸图像集，并从人脸图像集中选取目标对象的最优人脸图像，包括：对人脸轨迹图像集中包含的人脸图像进行聚类，得到目标对象的人脸图像集；选取目标对象的人脸图像集中最高质量评估值对应的人脸图图像作为目标对象的最优人脸图像。
8.其中，计算得到人脸轨迹图像集中包含的各人脸图像的质量评估值，包括：基于人脸图像的人脸遮挡程度、人脸完整程度和人脸清晰程度，确定人脸图像的质量评估值。
9.其中，计算人脸轨迹图像集中各人脸图像的质量评估值，包括：基于人脸图像中人脸的俯仰角、偏航角和翻滚角，确定人脸图像的质量评估值。
10.其中，对人脸轨迹图像集中人脸图像进行聚类处理，得到目标对象的人脸图像集，并从人脸图像集中选取目标对象的最优人脸图像，还包括：判断当前视频帧与归属的人脸轨迹图像集中的起始视频帧之间的时间间隔是否超过预设时间；如果时间间隔超过预设时间，则对人脸轨迹图像集中包含人脸图像进行聚类。
11.其中，对人脸轨迹图像集中包含的人脸图像进行聚类，得到目标对象的人脸图像集，包括：计算得到人脸轨迹图像集中各人脸图像之间的相似度；响应于相似度超过预设相似度，则将相似度对应的两个人脸图像归类到相同的类别图像集；遍历类别图像集中的人脸图像分别与类别图像集中包含的其它各人脸图像的相似度，确定类别图像集中各人脸图像的类别得分；将类别图像集中最高的类别得分作为类别图像集对应的类别评分；将最高的类别评分对应的类别图像集作为目标对象的人脸图像集。
12.其中，基于最优人脸图像对目标对象进行人脸识别，包括：对最优人脸图像进行特征提取，得到人脸特征；将人脸特征与预设人脸特征进行比对；响应于人脸特征与预设人脸特征之间的相似度超过阈值，则将预设人脸特征对应的预设目标确定为最优人脸图像对应的目标对象。
13.为解决上述技术问题，本发明采用的第二个技术方案是：提供一种人脸识别装置，人脸识别装置包括：比对模块，用于响应于在当前视频帧中检测到当前人脸图像，将当前人脸图像与历史视频帧中的历史人脸图像进行比对，确定当前人脸图像与历史人脸图像的相似度；跟踪模块，用于响应于当前人脸图像与历史人脸图像的相似度达到相似度阈值，将当前人脸图像与历史人脸图像归类到相同的人脸轨迹图像集；聚类模块，用于对人脸轨迹图像集中人脸图像进行聚类处理，得到目标对象的人脸图像集，并从人脸图像集中选取目标对象的最优人脸图像；识别模块，用于基于最优人脸图像对目标对象进行人脸识别。
14.为解决上述技术问题，本发明采用的第三个技术方案是：提供一种终端，终端包括存储器、处理器以及存储于存储器中并在处理器上运行的计算机程序，处理器用于执行程序数据以实现如上述的人脸识别方法中的步骤。
15.为解决上述技术问题，本发明采用的第四个技术方案是：提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上述的人脸识别方法中的步骤。
16.本发明的有益效果是：区别于现有技术的情况，提供的一种人脸识别方法、装置、终端及计算机可读存储介质，人脸识别方法包括：响应于在当前视频帧中检测到当前人脸图像，将当前人脸图像与历史视频帧中的历史人脸图像进行比对，确定当前人脸图像与历史人脸图像的相似度；响应于当前人脸图像与历史人脸图像的相似度达到相似度阈值，将当前人脸图像与历史人脸图像归类到相同的人脸轨迹图像集；对人脸轨迹图像集中人脸图像进行聚类处理，得到目标对象的人脸图像集，并从人脸图像集中选取目标对象的最优人脸图像；基于最优人脸图像对目标对象进行人脸识别。本技术通过获取当前人脸图像的人脸轨迹图像集，对人脸轨迹图像集中的人脸图像进行聚类处理，确定目标对象的人脸图像集，在目标对象的人脸图像集中确定最优人脸图像，去除人脸轨迹图像集中重复的人脸图像，减少计算量且降低内存占用率，进而提高识别速度；且基于最优人脸图像对目标对象进
行人脸识别，可以提高目标对象的识别准确率。
附图说明
17.为了更清楚地说明本发明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发明的一些实施例，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它的附图。
18.图1是本发明提供的人脸识别方法的流程示意图；
19.图2是本发明提供的人脸识别方法一实施例的流程示意图；
20.图3是本发明提供的人脸识别方法一具体实施例的流程示意图；
21.图4是本发明提供的人脸识别装置的示意框图；
22.图5是本发明提供的终端一实施方式的示意框图；
23.图6是本发明提供的计算机可读存储介质一实施方式的示意框图。
具体实施方式
24.下面结合说明书附图，对本技术实施例的方案进行详细说明。
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、接口、技术之类的具体细节，以便透彻理解本技术。
26.本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。此外，本文中的“多”表示两个或者多于两个。
27.为使本领域的技术人员更好地理解本发明的技术方案，下面结合附图和具体实施方式对本发明所提供的一种人脸识别方法做进一步详细描述。
28.请参阅图1，图1是本发明提供的人脸识别方法的流程示意图。本实施例中提供一种人脸识别方法，该人脸识别方法包括如下步骤。
29.s11：响应于在当前视频帧中检测到当前人脸图像，将当前人脸图像与历史视频帧中的历史人脸图像进行比对，确定当前人脸图像与历史人脸图像的相似度。
30.具体地，计算得到当前人脸图像的人脸区域与历史人脸图像的人脸区域的交并比；响应于交并比大于预设交并比，确定当前人脸图像与历史人脸图像的相似度超过相似度阈值。
31.在一具体实施例中，计算得到当前视频帧的人脸图像与前一视频帧的人脸图像的人脸区域的相邻帧交并比；响应于相邻帧交并比大于预设交并比，确定当前人脸图像与历史人脸图像的相似度超过相似度阈值；响应于相邻帧交并比不大于预设交并比，新建立一个人脸轨迹图像集，并将当前人脸图像归类到新建的人脸轨迹图像集中。
32.s12：响应于当前人脸图像与历史人脸图像的相似度达到相似度阈值，将当前人脸图像与历史人脸图像归类到相同的人脸轨迹图像集。
33.具体地，如果当前人脸图像与历史人脸图像的相似度达到相似度阈值，则将当前人脸图像与历史人脸图像归类到相同的人脸轨迹图像集，进而将当前视频帧中的当前人脸
图像与历史视频帧中与当前人脸图像相似的历史人脸图像的跟踪轨迹进行关联，进而确定当前人脸图像的跟踪轨迹。
34.s13：对人脸轨迹图像集中人脸图像进行聚类处理，得到目标对象的人脸图像集，并从人脸图像集中选取目标对象的最优人脸图像。
35.具体地，计算得到人脸轨迹图像集中包含的各人脸图像的质量评估值。对人脸轨迹图像集中包含的人脸图像进行聚类，得到目标对象的人脸图像集；选取目标对象的人脸图像集中最高质量评估值对应的人脸图图像作为目标对象的最优人脸图像。
36.在一具体实施例中，基于人脸图像的人脸遮挡程度、人脸完整程度和人脸清晰程度，确定人脸图像的质量评估值。更进一步，还可以基于人脸图像中人脸的俯仰角、偏航角和翻滚角，确定人脸图像的质量评估值。
37.在一实施例中，判断当前视频帧与归属的人脸轨迹图像集中的起始视频帧之间的时间间隔是否超过预设时间；如果时间间隔超过预设时间，则对人脸轨迹图像集中包含人脸图像进行聚类。
38.在一具体实施例中，计算得到人脸轨迹图像集中各人脸图像之间的相似度；响应于相似度超过预设相似度，则将相似度对应的两个人脸图像归类到相同的类别图像集；遍历类别图像集中的人脸图像分别与类别图像集中包含的其它各人脸图像的相似度，确定类别图像集中各人脸图像的类别得分；将类别图像集中最高的类别得分作为类别图像集对应的类别评分；将最高的类别评分对应的类别图像集作为目标对象的人脸图像集。
39.s14：基于最优人脸图像对目标对象进行人脸识别。
40.具体地，对最优人脸图像进行特征提取，得到人脸特征；将人脸特征与预设人脸特征进行比对；响应于人脸特征与预设人脸特征之间的相似度超过阈值，则将预设人脸特征对应的预设目标确定为最优人脸图像对应的目标对象。
41.本实施例提供的人脸识别方法包括：响应于在当前视频帧中检测到当前人脸图像，将当前人脸图像与历史视频帧中的历史人脸图像进行比对，确定当前人脸图像与历史人脸图像的相似度；响应于当前人脸图像与历史人脸图像的相似度达到相似度阈值，将当前人脸图像与历史人脸图像归类到相同的人脸轨迹图像集；对人脸轨迹图像集中人脸图像进行聚类处理，得到目标对象的人脸图像集，并从人脸图像集中选取目标对象的最优人脸图像；基于最优人脸图像对目标对象进行人脸识别。本技术通过获取当前人脸图像的人脸轨迹图像集，对人脸轨迹图像集中的人脸图像进行聚类处理，确定目标对象的人脸图像集，在目标对象的人脸图像集中确定最优人脸图像，去除人脸轨迹图像集中重复的人脸图像，减少计算量且降低内存占用率，进而提高识别速度；且基于最优人脸图像对目标对象进行人脸识别，可以提高目标对象的识别准确率。
42.请参阅图2和图3，图2是本发明提供的人脸识别方法一实施例的流程示意图；图3是本发明提供的人脸识别方法一具体实施例的流程示意图。本实施例中提供一种人脸识别方法，该方法适用于实时对目标对象的人脸进行识别，也可以对离线获取的视频流中的人脸进行识别。人脸识别方法具体包括如下步骤。
43.s201：获取当前视频帧。
44.具体地，通过图像采集设备实时获取当前视频帧。也可以将获取的离线视频流中的每一视频帧依次作为当前视频帧。其中，当前视频帧中包括至少一张人脸。
45.s202：对当前视频帧进行人脸检测，得到当前视频帧中的当前人脸图像。
46.具体地，将当前视频帧输入到人脸检测网络模型中，对当前视频帧中的人脸进行检测，得到当前视频帧对应的人脸检测框，提取当前视频帧中各人脸检测框内的图像，得到当前视频帧中当前人脸图像。即得到包含各人脸的区域图像。其中，一当前人脸图像包含一张人脸。在一具体实施例中，人脸检测网络模型对当前视频帧进行人脸检测，得到各人脸对应的人脸检测框，并确定各人脸检测框内包含的人脸的置信度。其中，人脸的置信度取值范围为[0，1]。通过人脸对应的人脸检测框即可确定人脸在当前视频帧中的坐标位置。
[0047]
s203：将当前人脸图像与历史视频帧中的历史人脸图像进行比对，确定当前人脸图像与历史人脸图像的相似度。
[0048]
具体地，通过人脸重叠面积度量方法确定当前人脸图像与历史人脸图像的相似性。
[0049]
在一实施例中，计算得到当前人脸图像的人脸区域与历史人脸图像的人脸区域的交并比，进而确定当前人脸图像与历史人脸图像的相似性。
[0050]
在一具体实施例中，计算得到当前视频帧的人脸图像的人脸区域与预设帧数范围内的历史视频帧中包含的各人脸图像的人脸区域的交并比，进而确定当前人脸图像与历史人脸图像的相似性。
[0051]
在一具体实施例中，计算得到当前视频帧的人脸图像的人脸区域与前一视频帧的人脸图像的人脸区域的相邻帧交并比；进而通过相邻帧交并比确定当前视频帧的人脸图像与前一视频帧的人脸图像的相似性。
[0052]
s204：判断当前人脸图像与历史人脸图像的相似度是否超过相似度阈值。
[0053]
具体地，为了确定当前人脸图像与历史人脸图像是否属于同一目标，则将当前人脸图像与历史人脸图像的相似度与相似度阈值进行比较。在一具体实施例中，将当前视频帧的人脸图像的人脸区域与前一视频帧的人脸图像的人脸区域的相邻帧交并比与预设交并比进行比较。
[0054]
当当前人脸图像与历史人脸图像的相似度超过相似度阈值，则直接跳转至步骤s205；当当前人脸图像与历史人脸图像的相似度不超过相似度阈值，则直接跳转至步骤s206。
[0055]
s205：将当前人脸图像与历史人脸图像归类到相同的人脸轨迹图像集。
[0056]
具体地，当当前人脸图像与历史人脸图像的相似度超过相似度阈值，则将相似度对应的当前人脸图像与历史人脸图像归类到相同的人脸轨迹图像集。
[0057]
当前视频帧的人脸图像的人脸区域与前一视频帧的人脸图像的人脸区域的相邻帧交并比大于预设交并比，确定当前人脸图像与历史人脸图像的相似度超过相似度阈值，则将相邻帧交并比对应的当前人脸图像与上一视频帧中的历史人脸图像归类到相同的人脸轨迹图像集。
[0058]
具体地，当前视频帧的人脸图像的人脸区域与预设帧数范围内的历史视频帧中包含的各人脸图像的人脸区域的交并比大于预设交并比，则将交并比对应的当前人脸图像与历史视频帧中的历史人脸图像归类到相同的人脸轨迹图像集，进入确定当前人脸图像的人脸轨迹图像集。
[0059]
s206：新建立一个人脸轨迹图像集，并将当前人脸图像归类到新建的人脸轨迹图
像集中。
[0060]
具体地，响应于当前人脸图像与历史人脸图像的相似度未达到相似度阈值，则新建立一个人脸轨迹图像集，并将当前人脸图像归类到新建的人脸轨迹图像集中，将当前视频帧作为该人脸轨迹图像集中的起始视频帧。
[0061]
如果当前人脸图像与预设帧数范围内的历史人脸图像的相似度均未超过相似度阈值，则表明当前人脸图像与历史视频帧中的所有人脸图像均不相似，则新建立一个人脸轨迹图像集，并将当前人脸图像归类到新建的人脸轨迹图像集中。
[0062]
在一具体实施例中，响应于相邻帧交并比不大于预设交并比，新建立一个人脸轨迹图像集，并将当前人脸图像归类到新建的人脸轨迹图像集中。
[0063]
s207：判断当前视频帧与所属的人脸轨迹图像集中的起始视频帧之间的时间间隔是否超过预设时间。
[0064]
具体地，确定预设帧数范围内的人脸图像的跟踪轨迹，进而需要判断当前视频帧与所属的人脸轨迹图像集中的起始视频帧之间的时间间隔是否超过预设时间。
[0065]
如果当前视频帧与所属的人脸轨迹图像集中的起始视频帧之间的时间间隔超过预设时间，则直接跳转至步骤s208；如果当前视频帧与所属的人脸轨迹图像集中的起始视频帧之间的时间间隔未超过预设时间，则直接跳转至步骤s201，获取下一视频帧。
[0066]
s208：对人脸轨迹图像集中包含人脸图像进行聚类，得到类别图像集。
[0067]
具体地，当前视频帧与所属的人脸轨迹图像集中的起始视频帧之间的时间间隔超过预设时间，则确定当前人脸图像对应的人脸轨迹图像集。继续对人脸轨迹图像集中包含的人脸图像进行聚类，确定人脸轨迹图像集中包含的各目标的的类别图像集。
[0068]
在一具体实施例中，计算人脸轨迹图像集中各人脸图像之间的相似度，将相似度超过预设相似度对应的两个人脸图像归属于同一类别图像，则表明两个人脸图像属于同一目标，可以归属于同一类别图像集。也就是说，一个类别图像集对应一个目标，类别图像集中包含同一个目标的多张人脸图像。
[0069]
将一个人脸图像作为一个节点，在相似度超过预设相似度的两个人脸图像分别对应的节点之间建立关联边，且关联边的长度为根据相似度得到的权重值；在相似度不超过预设相似度的两个人脸图像分别对应的节点之建立关联边，进而得到类别图像集的相似度矩阵。根据人脸图像与其它人脸图像之间的相似度确定人脸图像最近邻矩阵。
[0070]
s209：确定各类别图像集的类别评分。
[0071]
具体地，任意选取类别图像集中的一张人脸图像，根据选取的人脸图像与选取的人脸图像所属的类别图像集中其它人脸图像之间的相似度，确定选取的人脸图像的类别得分。遍历类别图像集中各个人脸图像，得到类别图像集中各个人脸图像的类别得分。将类别图像集中最高的类别得分作为类别图像集的类别评分。
[0072]
遍历得到各类别图像集对应的类别评分。
[0073]
s210：确定目标对象的人脸图像集。
[0074]
具体地，在人脸轨迹图像集中包含的各类别图像集中确定目标对象的人脸图像集。根据各类别图像集对应的类别评分，确定目标对象的人脸图像集。在一具体实施例中，选取最高类别评分的类别图像集作为目标对象的人脸图像集。
[0075]
s211：计算得到人脸图像集中各人脸图像的质量评估值。
[0076]
具体地，基于人脸图像的人脸遮挡程度、人脸完整程度和人脸清晰程度，确定人脸图像的质量评估值。在一具体实施例中，将目标对象的人脸图像集中各人脸图像与标准人脸图像分别进行比对，进而确定人脸图像的人脸遮挡度评分、人脸完整度评分和人脸清晰度评分，进而根据人脸遮挡度评分、人脸完整度评分和人脸清晰度评分的加权和，确定人脸图像集中各人脸图像的质量评估值。
[0077]
基于人脸图像中人脸的俯仰角、偏航角和翻滚角，确定人脸图像的质量评估值。在一具体实施例中，将目标对象的人脸图像集中各人脸图像与标准人脸图像分别进行比对，进而确定各人脸图像中人脸的俯仰角偏移量、偏航角偏移量和翻滚角偏移量，进而根据人脸图像中人脸的俯仰角偏移量、偏航角偏移量和翻滚角偏移量的加权和，确定人脸图像集中各人脸图像的质量评估值。
[0078]
在一优选实施例中，基于人脸图像中人脸的人脸遮挡度评分、人脸完整度评分、人脸清晰度评分以及人脸的俯仰角偏移量、偏航角偏移量和翻滚角偏移量的加权和，确定人脸图像集中各人脸图像的质量评估值。
[0079]
s212：从人脸图像集中选取目标对象的最优人脸图像。
[0080]
具体地，选取目标对象的人脸图像集中最高质量评估值对应的人脸图图像作为目标对象的最优人脸图像，得到目标对象的高质量人脸图像，进而提高目标对象的人脸识别准确率。
[0081]
s213：基于最优人脸图像对目标对象进行人脸识别。
[0082]
具体地，对最优人脸图像进行特征提取，得到人脸特征；将人脸特征与预设人脸特征进行比对；响应于人脸特征与预设人脸特征之间的相似度超过阈值，则将预设人脸特征对应的预设目标确定为最优人脸图像对应的目标对象。
[0083]
在一具体实施例中，为了进一步提高目标对象的人脸识别的准确度，对最优人脸图像进行属性提取，确定目标对象的性别等属性特征。
[0084]
本实施例提供的人脸识别方法包括：响应于在当前视频帧中检测到当前人脸图像，将当前人脸图像与历史视频帧中的历史人脸图像进行比对，确定当前人脸图像与历史人脸图像的相似度；响应于当前人脸图像与历史人脸图像的相似度达到相似度阈值，将当前人脸图像与历史人脸图像归类到相同的人脸轨迹图像集；对人脸轨迹图像集中人脸图像进行聚类处理，得到目标对象的人脸图像集，并从人脸图像集中选取目标对象的最优人脸图像；基于最优人脸图像对目标对象进行人脸识别。本技术通过获取当前人脸图像的人脸轨迹图像集，对人脸轨迹图像集中的人脸图像进行聚类处理，确定目标对象的人脸图像集，在目标对象的人脸图像集中确定最优人脸图像，去除人脸轨迹图像集中重复的人脸图像，减少计算量且降低内存占用率，进而提高识别速度；且基于最优人脸图像对目标对象进行人脸识别，可以提高目标对象的识别准确率。
[0085]
参阅图4，图4是本发明提供的人脸识别装置的示意框图。在本实施例中提供一种人脸识别装置60，人脸识别装置60包括比对模块61、跟踪模块62、聚类模块63和识别模块64。
[0086]
比对模块61用于响应于在当前视频帧中检测到当前人脸图像，将当前人脸图像与历史视频帧中的历史人脸图像进行比对，确定当前人脸图像与历史人脸图像的相似度。
[0087]
跟踪模块62用于响应于当前人脸图像与历史人脸图像的相似度达到相似度阈值，
将当前人脸图像与历史人脸图像归类到相同的人脸轨迹图像集。
[0088]
聚类模块63用于对人脸轨迹图像集中人脸图像进行聚类处理，得到目标对象的人脸图像集，并从人脸图像集中选取目标对象的最优人脸图像。
[0089]
识别模块64用于基于最优人脸图像对目标对象进行人脸识别。
[0090]
本实施例通过获取当前人脸图像的人脸轨迹图像集，对人脸轨迹图像集中的人脸图像进行聚类处理，确定目标对象的人脸图像集，在目标对象的人脸图像集中确定最优人脸图像，去除人脸轨迹图像集中重复的人脸图像，减少计算量且降低内存占用率，进而提高识别速度；且基于最优人脸图像对目标对象进行人脸识别，可以提高目标对象的识别准确率。
[0091]
参阅图5，图5是本发明提供的终端一实施方式的示意框图。该实施方式中的终端70包括：处理器71、存储器72以及存储在存储器72中并可在处理器71上运行的计算机程序，该计算机程序被处理器71执行时实现上述人脸识别方法中，为避免重复，此处不一一赘述。
[0092]
参阅图6，图6是本发明提供的计算机可读存储介质一实施方式的示意框图。本技术的实施方式中还提供一种计算机可读存储介质90，计算机可读存储介质90存储有计算机程序901，计算机程序901中包括程序指令，处理器执行程序指令，实现本技术实施方式提供的人脸识别方法。
[0093]
其中，计算机可读存储介质90可以是前述实施方式的计算机设备的内部存储单元，例如计算机设备的硬盘或内存。计算机可读存储介质90也可以是计算机设备的外部存储设备，例如计算机设备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。
[0094]
以上仅为本发明的实施方式，并非因此限制本发明的专利保护范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。