人脸图像存储方法、装置、设备、计算机介质和程序产品与流程

1.本公开的实施例涉及计算机技术领域，具体涉及人脸图像存储方法、装置、设备、计算机介质和程序产品。


背景技术：

2.目前，在对目标区域（学校、工厂）的外来人员（例如，需要入校园的来访人员）进行信息登记时，通常采用的方式：通过人工登记的方式，登记外来人员的信息，或通过拍照的方式进行登记。
3.然而，采用上述方式通常会存在以下技术问题：第一，在目标区域中不同的地点进行通行时，通常需要进行人脸识别，当通过人工登记的方式，登记外来人员的信息时，降低了外来人员在目标区域中的通行效率；第二，在采用拍照的方式进行登记时，未对所拍摄的人脸图像进行检测，在所拍照的人脸图像不清晰时，降低了外来人员在目标区域中的通行效率。
4.该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。


技术实现要素：

5.本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
6.本公开的一些实施例提出了人脸图像存储方法、装置、电子设备、计算机可读介质和程序产品，来解决以上背景技术部分提到的技术问题中的一项或多项。
7.第一方面，本公开的一些实施例提供了一种人脸图像存储方法，该方法包括：响应于接收到人脸采集终端发送的人脸图像，确定上述人脸图像中所显示的人脸的数量；响应于确定上述人脸图像中所显示的人脸的数量为1，截取上述人脸图像显示的人脸区域图像；对于目标区域组中的每个目标区域，执行以下处理步骤：标定上述人脸区域图像中对应上述目标区域的特征区域，以生成标定后的人脸区域图像；对上述标定后的人脸区域图像进行边缘检测处理，以识别出对应上述特征区域的特征区域轮廓；从上述人脸区域图像中识别出对应上述特征区域轮廓的特征图像；将所识别出的各个特征图像确定为特征图像组；根据上述特征图像组，生成对应上述人脸区域图像的人脸评分值；响应于确定上述人脸评分值大于等于预设评分值，将上述人脸区域图像存储至目标数据库中。
8.第二方面，本公开的一些实施例提供了一种人脸图像存储装置，装置包括：第一确定单元，被配置成响应于接收到人脸采集终端发送的人脸图像，确定上述人脸图像中所显示的人脸的数量；截取单元，被配置成响应于确定上述人脸图像中所显示的人脸的数量为1，截取上述人脸图像显示的人脸区域图像；识别单元，被配置成对于目标区域组中的每个目标区域，执行以下处理步骤：标定上述人脸区域图像中对应上述目标区域的特征区域，以
生成标定后的人脸区域图像；对上述标定后的人脸区域图像进行边缘检测处理，以识别出对应上述特征区域的特征区域轮廓；从上述人脸区域图像中识别出对应上述特征区域轮廓的特征图像；第二确定单元，被配置成将所识别出的各个特征图像确定为特征图像组；生成单元，被配置成根据上述特征图像组，生成对应上述人脸区域图像的人脸评分值；存储单元，被配置成响应于确定上述人脸评分值大于等于预设评分值，将上述人脸区域图像存储至目标数据库中。
9.第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
10.第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
11.第五方面，本公开的一些实施例提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现上述第一方面任一实现方式所描述的方法。
12.本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的人脸图像存储方法，缩短了对外来人员的登记时长，提升了外来人员在目标区域中的通行效率。具体来说，降低了外来人员在目标区域中的通行效率的原因在于：在目标区域中不同的地点进行通行时，通常需要进行人脸识别，当通过人工登记的方式，登记外来人员的信息时，降低了外来人员在目标区域中的通行效率。基于此，本公开的一些实施例的人脸图像存储方法，首先，响应于接收到人脸采集终端发送的人脸图像，确定上述人脸图像中所显示的人脸的数量。由此，可以初步确定所拍摄的人脸图像的质量。诸如，人脸图像中所显示的人脸的数量大于1时，则无法确认外来人员的人脸。其次，响应于确定上述人脸图像中所显示的人脸的数量为1，截取上述人脸图像显示的人脸区域图像。由此，为解析所拍摄的人脸图像的清晰度，提供了数据支持。接着，对于目标区域组中的每个目标区域，执行以下处理步骤：标定上述人脸区域图像中对应上述目标区域的特征区域，以生成标定后的人脸区域图像；对上述标定后的人脸区域图像进行边缘检测处理，以识别出对应上述特征区域的特征区域轮廓；从上述人脸区域图像中识别出对应上述特征区域轮廓的特征图像。由此，可以对人脸区域图像中的关键特征区域进行检测。诸如，关键特征区域可以包括但不限于：眼睛特征区域、鼻子特征区域、嘴巴特征区域。再接着，将所识别出的各个特征图像确定为特征图像组。然后，根据上述特征图像组，生成对应上述人脸区域图像的人脸评分值。由此，可以完成对所拍摄的人脸图像的评分检测。人脸评分值越大，表明所拍摄的人脸图像清晰度越高。最后，响应于确定上述人脸评分值大于等于预设评分值，将上述人脸区域图像存储至目标数据库中。由此，可以完成对外来人员的人脸图像登记。从而，缩短了对外来人员的登记时长，提升了外来人员在目标区域中的通行效率。
附图说明
13.结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
14.图1是根据本公开的人脸图像存储方法的一些实施例的流程图；
图2是根据本公开一些实施例的人脸图像存储方法中提取虹膜像素线的一个应用场景的示意图；图3是根据本公开的人脸图像存储装置的一些实施例的结构示意图；图4是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
15.下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
16.另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
17.需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
18.需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
19.本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
20.下面将参考附图并结合实施例来详细说明本公开。
21.图1是根据本公开的人脸图像存储方法的一些实施例的流程图。示出了根据本公开的人脸图像存储方法的一些实施例的流程100。该人脸图像存储方法，包括以下步骤：步骤101，响应于接收到人脸采集终端发送的人脸图像，确定上述人脸图像中所显示的人脸的数量。
22.在一些实施例中，人脸图像存储方法的执行主体（例如服务器）可以响应于接收到人脸采集终端发送的人脸图像，确定上述人脸图像中所显示的人脸的数量。人脸采集终端可以是指设定在目标区域内用于采集外来人员的人脸图像的摄像装置。目标区域可以是指学校、工厂等区域。
23.步骤102，响应于确定上述人脸图像中所显示的人脸的数量为1，截取上述人脸图像显示的人脸区域图像。
24.在一些实施例中，上述执行主体可以响应于确定上述人脸图像中所显示的人脸的数量为1，截取上述人脸图像显示的人脸区域图像。实践中，可以截取上述人脸图像中包括人脸的最小矩阵图像作为人脸区域图像。人脸区域图像显示了五官。
25.步骤103，对于目标区域组中的每个目标区域，执行以下处理步骤：步骤1031，标定上述人脸区域图像中对应上述目标区域的特征区域，以生成标定后的人脸区域图像。
26.在一些实施例中，上述执行主体可以标定上述人脸区域图像中对应上述目标区域的特征区域，以生成标定后的人脸区域图像。这里，目标区域组可以表征人脸特征的各个区域。目标区域组可以包括但不限于：眼睛特征区域、鼻子特征区域、嘴巴特征区域、耳朵特征区域、眉毛特征区域。这里，可以通过vgg模型标定上述人脸区域图像中上述目标区域所指
向的特征区域，以生成标定后的人脸区域图像。也可以接收人工标定的上述人脸区域图像中上述目标区域所指向的特征区域，以生成标定后的人脸区域图像。
27.步骤1032，对上述标定后的人脸区域图像进行边缘检测处理，以识别出对应上述特征区域的特征区域轮廓。
28.在一些实施例中，上述执行主体可以通过边缘检测模型（例如，基于opencv的边缘检测模型）对上述标定后的人脸区域图像进行边缘检测处理，以识别出对应上述特征区域的特征区域轮廓。
29.步骤1033，从上述人脸区域图像中识别出对应上述特征区域轮廓的特征图像。
30.在一些实施例中，上述执行主体可以从上述人脸区域图像中识别出上述特征区域轮廓所框选的特征图像。
31.步骤104，将所识别出的各个特征图像确定为特征图像组。
32.在一些实施例中，上述执行主体可以将所识别出的各个特征图像确定为特征图像组。
33.步骤105，根据上述特征图像组，生成对应上述人脸区域图像的人脸评分值。
34.在一些实施例中，上述执行主体可以根据上述特征图像组，生成对应上述人脸区域图像的人脸评分值。其中，上述特征图像组包括：眼睛特征图像。上述眼睛特征图像为表征眼睛的特征图像。
35.实践中，上述执行主体可以通过以下步骤生成对应上述人脸区域图像的人脸评分值：第一步，将上述眼睛特征图像输入至预先训练的图像清晰度检测模型中，得到对应上述眼睛特征图像的眼睛图像清晰度。这里，预先训练的图像清晰度检测模型可以是预先训练的以图像为输入、以图像清晰度为输出的神经网络模型。例如，预先训练的图像清晰度检测模型可以是卷积神经网络模型。
36.第二步，响应于确定上述眼睛图像清晰度大于等于预设眼睛图像清晰度，从上述眼睛特征图像中提取出预设数目个虹膜像素线。实践中，可以从上述眼睛特征图像中的虹膜区域提取预设数目个垂直于瞳孔外圆与虹膜外圆的虹膜像素线。这里，对于预设数目的设定，不作限制。如图2所示，所提取的虹膜像素线垂直于虹膜的外圆与瞳孔的外圆。
37.第三步，对于上述预设数目个虹膜像素线中的每条虹膜像素线，对上述虹膜像素线中的每两个像素进行微分处理，以生成对应上述两个像素的像素差异度，得到像素差异度组。这里，微分处理可以是指一阶微分处理或二阶微分处理。这里，一阶微分处理可以是指通过一阶微分算子提取上述虹膜像素线中每两个像素的一阶梯度值（像素差异度）。例如，一阶微分算子可以是指sobel算子（索贝尔算子）。二阶微分处理可以是指通过二阶微分算子提取上述虹膜像素线中每两个像素的二阶梯度值（像素差异度）。例如，二阶微分算子可以是指laplacian算子（拉普拉斯算子）。
38.第四步，根据所得到的各个像素差异度组，生成虹膜评分值作为人脸评分值。
39.实践中，上述第四步可以包括以下子步骤：第一子步骤，从上述各个像素差异度组中选择出最大的像素差异度作为目标像素差异度。
40.第二子步骤，响应于确定上述目标像素差异度大于等于第一预设差异度，将上述
目标像素差异度对应的像素差异度组中大于等于第二预设差异度的各个像素差异度的总和确定为虹膜评分值。这里，对于第一预设差异度的设定，不作限制。上述目标像素差异度对应的像素差异度组可以是各个像素差异度组中包含上述目标像素差异度的像素差异度组。
41.可选地，上述第四步还可以包括以下子步骤：第三子步骤，响应于确定上述目标像素差异度小于上述第一预设差异度，从上述各个像素差异度组中选择包括的像素差异度的数量最多的像素差异度组作为目标像素差异度组。
42.第四子步骤，将上述目标像素差异度组包括的各个目标像素差异度的总和确定为虹膜评分值。
43.步骤105中的相关内容作为本公开的一个发明点，由此解决了背景技术提及的技术问题二“在采用拍照的方式进行登记时，未对所拍摄的人脸图像进行检测，在所拍照的人脸图像不清晰时，降低了外来人员在目标区域中的通行效率。”。降低了外来人员在目标区域中的通行效率的因素往往如下：在采用拍照的方式进行登记时，未对所拍摄的人脸图像进行检测，在所拍照的人脸图像不清晰时，降低了外来人员在目标区域中的通行效率。如果解决了上述因素，就能达到提升外来人员在目标区域中的通行效率的效果。为了达到这一效果，首先，将上述眼睛特征图像输入至预先训练的图像清晰度检测模型中，得到对应上述眼睛特征图像的眼睛图像清晰度。由于眼睛具有明显的标识性（例如，每个人的虹膜具有唯一性）。因此，当所拍摄的眼睛特征图像清晰时，可以清楚标识外来人员。接着，响应于确定上述眼睛图像清晰度大于等于预设眼睛图像清晰度，从上述眼睛特征图像中提取出预设数目个虹膜像素线。由此，可以提取清晰的眼睛特征图像中的虹膜像素线。从而，为确定所拍摄的人脸区域图像的图像质量，提供了数据支持。然后，对于上述预设数目个虹膜像素线中的每条虹膜像素线，对上述虹膜像素线中的每两个像素进行微分处理，以生成对应上述两个像素的像素差异度，得到像素差异度组。由此，可以检测出眼睛特征图像中虹膜区域像素纹理变化的速度（像素差异度），便于后续对眼睛特征图像进行综合检测。最后，根据所得到的各个像素差异度组，生成虹膜评分值作为人脸评分值。由此，可以将虹膜的评分确定为人脸评分值。也因为虹膜可以唯一标识一个人，因此，当虹膜清晰时，可以表示所拍摄的人脸图像为高质量高清晰度的图像。从而，完成了对所拍摄的人脸图像的检测。避免了存储不清晰的人脸图像，提升了外来人员在目标区域中的通行效率。
44.在一些实施例的一些可选的实现方式中，上述执行主体还可以通过以下步骤生成对应上述人脸区域图像的人脸评分值：第一步，将上述眼睛特征图像输入至预先训练的图像清晰度检测模型中，得到对应上述眼睛特征图像的眼睛图像清晰度。这里，预先训练的图像清晰度检测模型可以是预先训练的以图像为输入、以图像清晰度为输出的神经网络模型。例如，预先训练的图像清晰度检测模型可以是卷积神经网络模型。
45.第二步，响应于确定上述眼睛图像清晰度小于预设眼睛图像清晰度，将上述特征图像组中的各个特征图像输入至上述图像清晰度检测模型中，得到图像清晰度组。其中，上述特征图像组中的特征图像对应上述图像清晰度组中的图像清晰度。实践中，上述执行主体可以将上述特征图像组中的每个特征图像输入至上述图像清晰度检测模型中，以生成图
像清晰度，得到图像清晰度组。
46.第三步，根据预设的特征图像权重组，对上述图像清晰度组中的各个图像清晰度进行加权求和处理，以生成加权清晰度作为人脸评分值。其中，上述特征图像权重组中的特征图像权重对应上述特征图像组中的特征图像。这里，特征图像权重组中的特征图像权重是根据特征图像的清晰度的重要性设定的权重。诸如，上述特征图像组包括：眼睛特征图像、鼻子特征图像、嘴巴特征图像、耳朵特征图像、眉毛特征图像。其中，设定的眼睛特征图像的特征图像权重可以是0.4。设定的鼻子特征图像的特征图像权重可以是0.1。设定的嘴巴特征图像的特征图像权重可以是0.2。设定的耳朵特征图像的特征图像权重可以是0.1。设定的眉毛特征图像的特征图像权重可以是0.2。实践中，首先，可以将上述图像清晰度组中的每个图像清晰度与对应上述图像清晰度的特征图像权重的乘积确定为图像子清晰度，得到图像子清晰度组。然后，可以将上述图像子清晰度组中的各个图像子清晰度的总和确定为加权清晰度作为人脸评分值。
47.步骤106，响应于确定上述人脸评分值大于等于预设评分值，将上述人脸区域图像存储至目标数据库中。
48.在一些实施例中，上述执行主体可以响应于确定上述人脸评分值大于等于预设评分值，将上述人脸区域图像存储至目标数据库中。这里，对于预设评分值的设定，不作限制。目标数据库是指设定的用于存储外来人员图像的数据库。
49.可选地，响应于确定上述人脸图像中所显示的人脸的数量大于1，生成表征上述人脸图像异常的第一提示信息，以及将上述第一提示信息发送至上述人脸采集终端，以提示上述人脸采集终端重新采集人脸图像。
50.在一些实施例中，上述执行主体可以响应于确定上述人脸图像中所显示的人脸的数量大于1，生成表征上述人脸图像异常的第一提示信息，以及将上述第一提示信息发送至上述人脸采集终端，以提示上述人脸采集终端重新采集人脸图像。这里，第一提示信息可以表示上述人脸图像中存在多张人脸。例如，第一提示信息可以是“上述人脸图像中存在多张人脸，请重新拍摄图像”。
51.可选地，响应于确定上述人脸评分值小于上述预设评分值，生成表征上述人脸图像不清晰的第二提示信息，以及将上述第二提示信息发送至上述人脸采集终端，以提示上述人脸采集终端重新采集人脸图像。
52.在一些实施例中，上述执行主体可以响应于确定上述人脸评分值小于上述预设评分值，生成表征上述人脸图像不清晰的第二提示信息，以及将上述第二提示信息发送至上述人脸采集终端，以提示上述人脸采集终端重新采集人脸图像。这里，第一提示信息可以表示上述人脸图像不清晰。例如，第一提示信息可以是“上述人脸图像不清晰，请重新拍摄图像”。
53.本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的人脸图像存储方法，缩短了对外来人员的登记时长，提升了外来人员在目标区域中的通行效率。具体来说，降低了外来人员在目标区域中的通行效率的原因在于：在目标区域中不同的地点进行通行时，通常需要进行人脸识别，当通过人工登记的方式，登记外来人员的信息时，降低了外来人员在目标区域中的通行效率。基于此，本公开的一些实施例的人脸图像存储方法，首先，响应于接收到人脸采集终端发送的人脸图像，确定上述人脸图像中所显示的人脸
的数量。由此，可以初步确定所拍摄的人脸图像的质量。诸如，人脸图像中所显示的人脸的数量大于1时，则无法确认外来人员的人脸。其次，响应于确定上述人脸图像中所显示的人脸的数量为1，截取上述人脸图像显示的人脸区域图像。由此，为解析所拍摄的人脸图像的清晰度，提供了数据支持。接着，对于目标区域组中的每个目标区域，执行以下处理步骤：标定上述人脸区域图像中对应上述目标区域的特征区域，以生成标定后的人脸区域图像；对上述标定后的人脸区域图像进行边缘检测处理，以识别出对应上述特征区域的特征区域轮廓；从上述人脸区域图像中识别出对应上述特征区域轮廓的特征图像。由此，可以对人脸区域图像中的关键特征区域进行检测。诸如，关键特征区域可以包括但不限于：眼睛特征区域、鼻子特征区域、嘴巴特征区域。再接着，将所识别出的各个特征图像确定为特征图像组。然后，根据上述特征图像组，生成对应上述人脸区域图像的人脸评分值。由此，可以完成对所拍摄的人脸图像的评分检测。人脸评分值越大，表明所拍摄的人脸图像清晰度越高。最后，响应于确定上述人脸评分值大于等于预设评分值，将上述人脸区域图像存储至目标数据库中。由此，可以完成对外来人员的人脸图像登记。从而，缩短了对外来人员的登记时长，提升了外来人员在目标区域中的通行效率。
54.进一步参考图3，作为对上述各图所示方法的实现，本公开提供了一种人脸图像存储装置的一些实施例，这些装置实施例与图3所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。
55.如图3所示，一些实施例的人脸图像存储装置300包括：第一确定单元301、截取单元302、识别单元303、第二确定单元304、生成单元305和存储单元306。其中，第一确定单元301，被配置成响应于接收到人脸采集终端发送的人脸图像，确定上述人脸图像中所显示的人脸的数量；截取单元302，被配置成响应于确定上述人脸图像中所显示的人脸的数量为1，截取上述人脸图像显示的人脸区域图像；识别单元303，被配置成对于目标区域组中的每个目标区域，执行以下处理步骤：标定上述人脸区域图像中对应上述目标区域的特征区域，以生成标定后的人脸区域图像；对上述标定后的人脸区域图像进行边缘检测处理，以识别出对应上述特征区域的特征区域轮廓；从上述人脸区域图像中识别出对应上述特征区域轮廓的特征图像；第二确定单元304，被配置成将所识别出的各个特征图像确定为特征图像组；生成单元305，被配置成根据上述特征图像组，生成对应上述人脸区域图像的人脸评分值；存储单元306，被配置成响应于确定上述人脸评分值大于等于预设评分值，将上述人脸区域图像存储至目标数据库中。
56.可以理解的是，该装置300中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置300及其中包含的单元，在此不再赘述。
57.下面参考图4，其示出了适于用来实现本公开的一些实施例的电子设备（例如服务器）400的结构示意图。本公开的一些实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、pda（个人数字助理）、pad（平板电脑）、pmp（便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字tv、台式计算机等等的固定终端。图4示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
58.如图4所示，电子设备400可以包括处理装置（例如中央处理器、图形处理器等）
401，其可以根据存储在只读存储器（rom）402中的程序或者从存储装置408加载到随机访问存储器（ram）403中的程序而执行各种适当的动作和处理。在ram403中，还存储有电子设备400操作所需的各种程序和数据。处理装置401、rom402以及ram 403通过总线404彼此相连。输入/输出（i/o）接口405也连接至总线404。
59.通常，以下装置可以连接至i/o接口405：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406；包括例如液晶显示器（lcd）、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置408；以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图4中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
60.特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置409从网络上被下载和安装，或者从存储装置408被安装，或者从rom402被安装。在该计算机程序被处理装置401执行时，执行本公开的一些实施例的方法中限定的上述功能。
61.需要说明的是，本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（ram）、只读存储器（rom）、可擦式可编程只读存储器（eprom或闪存）、光纤、便携式紧凑磁盘只读存储器（cd-rom）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf（射频）等等，或者上述的任意合适的组合。
62.在一些实施方式中，客户端、服务器可以利用诸如http（hypertext transfer protocol，超文本传输协议）之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信（例如，通信网络）互连。通信网络的示例包括局域网（“lan”），广域网（“wan”），网际网（例如，互联网）以及端对端网络（例如，ad hoc端对端网络），以及任何当前已知或未来研发的网络。
63.上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多
个程序被该电子设备执行时，使得该电子设备：响应于接收到人脸采集终端发送的人脸图像，确定上述人脸图像中所显示的人脸的数量；响应于确定上述人脸图像中所显示的人脸的数量为1，截取上述人脸图像显示的人脸区域图像；对于目标区域组中的每个目标区域，执行以下处理步骤：标定上述人脸区域图像中对应上述目标区域的特征区域，以生成标定后的人脸区域图像；对上述标定后的人脸区域图像进行边缘检测处理，以识别出对应上述特征区域的特征区域轮廓；从上述人脸区域图像中识别出对应上述特征区域轮廓的特征图像；将所识别出的各个特征图像确定为特征图像组；根据上述特征图像组，生成对应上述人脸区域图像的人脸评分值；响应于确定上述人脸评分值大于等于预设评分值，将上述人脸区域图像存储至目标数据库中。
64.可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c ，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网（lan）或广域网（wan）——连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。
65.附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
66.描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括第一确定单元、截取单元、识别单元、第二确定单元、生成单元和存储单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一确定单元还可以被描述为“响应于接收到人脸采集终端发送的人脸图像，确定上述人脸图像中所显示的人脸的数量的单元”。
67.本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列（fpga）、专用集成电路（asic）、专用标准产品（assp）、片上系统（soc）、复杂可编程逻辑设备（cpld）等等。
68.本公开的一些实施例还提供一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现上述的任一种人脸图像存储方法。
69.以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技
术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。