数据处理方法、装置、电子设备和存储介质与流程

1.本技术涉及计算机技术领域，特别是涉及一种数据处理方法、一种数据处理装置、一种电子设备和一种存储介质。


背景技术：

2.图像识别，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术。目前，图像识别可以应用在多个领域，如车辆的车牌识别、面部图像的识别等。
3.但是，现有的图像识别方式对图像的识别准确度低。


技术实现要素：

4.本技术实施例提供了一种数据处理方法，以提高对面部图像的识别准确度。
5.相应的，本技术实施例还提供了一种数据处理装置、一种电子设备和一种存储介质，用以保证上述系统的实现及应用。
6.为了解决上述问题，本技术实施例公开了一种数据处理方法，所述的方法包括：获取目标对象的图像，并提取图像特征；分离出图像特征中与目标对象的身份相关的身份特征；依据所述身份特征进行身份识别，确定目标对象的识别结果。
7.为了解决上述问题，本技术实施例公开了一种数据处理方法，所述的方法包括：获取第一图像的第一特征，并分离出第一特征中与目标对象的身份相关的身份特征；获取第二图像的第二特征，并分离出第二特征中与目标对象的属性相关的属性特征；依据所述身份特征和所述属性特征，生成目标图像。
8.为了解决上述问题，本技术实施例公开了一种数据处理方法，所述的方法包括：提供第一接口，以基于第一接口获取第一图像，并提取第一特征，以分离出第一特征中与目标对象的身份相关的身份特征；提供第二接口，以基于第二接口获取第二图像，并提取第二特征，以分离出第二特征中与目标对象的属性相关的属性特征；依据所述身份特征和所述属性特征，生成目标图像，并通过第三接口反馈。
9.为了解决上述问题，本技术实施例公开了一种数据处理装置，所述的装置包括：对象图像特征获取模块，用于获取目标对象的图像，并提取图像特征；对象身份特征获取模块，用于分离出图像特征中与目标对象的身份相关的身份特征；对象识别结果获取模块，用于依据所述身份特征进行身份识别，确定目标对象的识别结果。
10.为了解决上述问题，本技术实施例公开了一种电子设备，包括：处理器；和存储器，其上存储有可执行代码，当所述可执行代码被执行时，使得所述处理器执行如上述实施例中一个或多个所述的方法。
11.为了解决上述问题，本技术实施例公开了一个或多个机器可读介质，其上存储有可执行代码，当所述可执行代码被执行时，使得处理器执行如上述实施例中一个或多个所述的方法。
12.与现有技术相比，本技术实施例包括以下优点：
13.本技术实施例中，可以获取目标对象的图像，并提取图像中的图像特征，之后，可以分离出图像特征中与目标对象的身份相关的身份特征，并依据身份特征进行身份识别，确定目标对象的识别结果。本技术实施例可以分离出图像特征中与目标对象的身份相关的身份特征，并对身份特征进行识别，来确定识别结果，能够减少图像特征中与身份无关的特征(如图像背景等)对于识别结果的干扰，从而能够提升图像识别的准确度。
附图说明
14.图1a是本技术一个实施例的数据处理方法的流程示意图；
15.图1b是本技术另一个实施例的数据处理方法的流程示意图；
16.图1c是本技术再一个实施例的数据处理方法的步骤流程图；
17.图2a是本技术再一个实施例的数据处理方法的步骤流程图；
18.图2b是本技术一个实施例的目标面部图像的示意图；
19.图3是本技术再一个实施例的数据处理方法的步骤流程图；
20.图4是本技术再一个实施例的数据处理方法的步骤流程图；
21.图5是本技术再一个实施例的数据处理方法的步骤流程图；
22.图6是本技术再一个实施例的数据处理方法的步骤流程图；
23.图7是本技术再一个实施例的数据处理方法的步骤流程图；
24.图8是本技术再一个实施例的数据处理方法的步骤流程图；
25.图9是本技术再一个实施例的数据处理方法的步骤流程图；
26.图10是本技术一个实施例的数据处理装置的结构示意图；
27.图11是本技术另一个实施例的数据处理装置的结构示意图；
28.图12是本技术再一个实施例的数据处理装置的结构示意图；
29.图13是本技术再一个实施例的数据处理装置的结构示意图；
30.图14是本技术再一个实施例的数据处理装置的结构示意图；
31.图15是本技术再一个实施例的数据处理装置的结构示意图；
32.图16是本技术再一个实施例的数据处理装置的结构示意图；
33.图17是本技术一个实施例提供的示例性装置的结构示意图。
具体实施方式
34.为使本技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本技术作进一步详细的说明。
35.本技术实施例可以应用在图像识别的领域中，图像识别，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术。
36.本技术实施例可以获取图像的图像特征，并从图像特征中分离出与目标对象的身份相关的身份特征和与目标对象的身份无关(与目标对象的属性相关)的属性特征，之后，依据与目标对象的身份相关的身份特征，确定目标对象的识别结果。本技术实施例可以分离出图像的图像特征中与目标对象的身份相关的身份特征，并对身份特征进行识别，来确定识别结果，能够减少图像特征中与身份无关的特征(如光照、背景等)对于识别结果的干
扰，从而能够提升图像识别的准确度。
37.本技术实施例中，可以预先设置与目标对象身份相关的对象特征，并依据对象特征来从图像特征中分离出目标对象的身份特征。目标对象的对象特征具体可以依据目标对象来设置，举例来说，如图1a所示，本技术实施例可以应用在对包含有车辆车牌(目标对象)的车牌图像进行识别的场景中，相应的对象特征可以包括车牌字符的字符结构信息、车牌字符的字符位置信息、车牌颜色等特征，以通过车牌的字符、颜色来确定识别结果。再举例来说，本技术实施例可以应用在对包含有人物面部(目标对象)的面部图像进行识别的场景中，相应的对象特征可以包括面部关键部位的特征，如眼睛、鼻子、嘴巴等人脸关键部位的特征。
38.本技术实施例是对图像的识别过程的优化，因此，本技术实施例可以应用在各类基于图像识别的处理场景中，例如，本技术实施例可以应用在基于图像识别进行车牌识别的场景中，再例如，本技术实施例还可以应用在面部识别的场景中，如基于面部识别的考勤、人脸等场景中。本技术实施例还可以应用在人脸替换(或称人脸迁移)、人脸表情分析、人脸姿态分析等场景中。再例如，本技术实施例还可以应用在教育、医疗等场景中，以对教育相关图像、医疗相关图像进行识别，并进行相应的处理。
39.举例来说，本技术实施例可以应用在车牌识别的场景中，本技术实施例可以获取车辆的车牌相关图像，并提取车牌相关图像的图像特征，之后，分离出图像特征中与车辆的身份相关的身份特征(车牌字符、车牌颜色等)，和与车辆的身份无关的属性特征(图像背景等特征)，并对身份特征进行身份识别，确定车辆识别结果。
40.再举例来说，本技术实施例可以应用在面部识别的场景中，本技术实施例可以获取待识别的面部图像，并提取面部图像的面部特征，之后，分离出面部特征中与用户身份相关的身份特征(如眼睛、鼻子、嘴巴的特征)，之后将身份特征与预先设置的与用户对应的预设面部特征(也可以为预设身份特征)进行匹配，从而确定面部识别结果。之后，可以依据面部识别结果进行考勤记录、门禁通行等处理。
41.再举例来说，本技术实施例还可应用在基于面部图像的人脸替换的场景中，本技术实施例可以获取第一面部图像的第一面部特征和第二面部图像的第二面部特征，之后，提取第一面部特征中的身份特征和第二面部特征中的属性特征，从而将第一面部图像中的身份特征融合到第二面部图像中的属性特征中，以进行人脸替换，得到新的面部图像。本实施例可以依据身份特征替换到其他用户的身份特征，还可以将第一面部图像的身份特征替换到卡通、动画、漫画等图像上，还可以为用户的身份特征搭配发型、皮肤的颜色等与用户身份无关的属性特征，实现风格的迁移。再举例来说，本技术实施例还可应用在基于面部图像的人脸表情分析的场景中，本技术实施例可以提取面部图像中的面部特征，并分离出面部特征中的身份特征，并对身份特征进行分析，以确定相应的人脸表情等信息。
42.本技术实施例除了应用在上述场景之外，本技术实施例还可应用在服务端，以提供相应的面部图像处理服务给终端，举例来说，服务端可以向终端提供第一接口、第二接口和第三接口，终端可以通过第一接口向服务端上传第一面部图像，终端还可以通过第二接口向服务端上传第二面部图像，服务端对第一面部图像和第二面部图像进行处理，得到目标面部图像，并通过第三接口反馈给终端，以在终端展示融合了第一面部图像的身份特征和第二面部图像的属性特征的目标面部图像。
43.下面，以将本技术实施例应用在面部图像识别的领域为例，对数据处理过程进行描述，具体的，本技术实施例可以应用在基于面部图像的进行人脸分析的领域，人脸分析是指基于面部图像中人物的脸部特征进行相应的分析的技术。本技术实施例可以分离出面部图像中与用户身份相关的身份特征和与用户身份无关(与用户面部属性相关)的属性特征，并进行组合，从而扩充出新的面部图像，以便进行分析模型的训练，从而提升分析模型的识别准确度。
44.具体来说，在面部图像处理阶段中，本技术实施例可以提取面部图像的面部特征，并提取面部特征中与用户身份相关的身份特征和与用户身份无关(与用户面部属性相关)的属性相关特征，之后对属性相关特征进行调整，确定与身份特征正交的属性特征，并将身份特征和属性特征进行融合，得到新的面部图像。其中，身份特征是指面部特征中与用户身份相关的特征，如眼睛、鼻子、嘴巴等人脸关键部位。属性特征是指面部特征中与用户面部属性相关的特征，如皮肤的颜色、发型等。两个特征正交是指两个特征之间相似度为零。本技术实施例可以将目标用户的身份特征和属性特征进行融合，得到新的面部图像，本技术实施例也可以将第一用户的身份特征和第二用户的属性特征进行融合，得到新的面部图像。例如，在如图1b所示的示例中，本技术实施例可以依据用户1的面部图像提取身份特征，可以依据用户2的面部图像提取属性特征，并将用户1的身份特征和用户2的属性特征融合成为目标面部图像。
45.需要说明的是，如图1c所示，在面部图像处理阶段中，本技术实施例可以通过四个模型进行图像的处理，具体的，四个模型可以为面部特征提取模型、身份特征提取模型、属性特征提取模型和面部图像重建模型。面部特征提取模型用于提取面部图像的面部特征。身份特征提取模型用于提取面部特征中与用户身份相关的身份特征。属性特征提取模型用于提取面部特征中与用户面部属性相关(与用户身份无关)的属性相关特征，确定属性相关特征之后，本实施例可以确定属性相关特征在身份特征上的投影特征，并从属性相关特征中去除投影特征，得到与身份特征正交的属性特征。面部图像重建模型用于将身份特征和属性特征融合为新的面部图像。本技术实施例中，面部特征提取模型可以提取出面部图像的面部特征，并存储在第一特征空间中，身份特征提取模型和属性特征提取模型从第一特征空间获取面部特征，并进行特征提取，身份特征提取模型可以将提取的身份特征存储在第二特征空间中，属性特征提取模型可以将提取得到的属性特征存储在第三特征空间中。面部图像重建模型可以从第二特征空间和第三特征空间中获取身份特征和属性特征，从而得到目标面部图像。
46.在扩充了新的面部图像之后，本技术实施例可以依据面部图像和扩充出的面部图像进行面部图像分析模型(或称分析模型)的训练，以便依据训练好的面部图像分析模型对面部图像进行处理，例如，可以对面部图像进行面部识别，以确定用户的身份，以便进行后续处理，如依据身份进行考勤、依据身份开启门禁等。本实施例还可以对用户的面部图像进行其他分析，例如，可以对用户的表情的进行识别，还可以对用户的面部姿态进行识别等。其中，在本技术实施例中，可以将面部特征中与用户身份相关的身份特征和与用户身份无关的属性相关特征分离，并将与用户身份无关的属性特征调整为与身份特征正交的属性特征，从而为分析身份特征和属性特征之间的联系提供了可能。
47.本技术实施例中，可以获取第一面部图像的第一面部特征，并分离出第一面部特
征中与用户身份相关的身份特征；还可以获取第二面部图像的第二面部特征，并分离出第二面部特征中与用户面部属性相关的属性特征；之后，依据身份特征和属性特征，生成目标面部图像。本技术实施例中，可以通过第一面部图像中的身份特征和第二面部图像中的属性特征，构建新的面部图像。可以通过面部图像和重新构建的面部图像来训练分析模型，能够提升分析模型对面部图像的识别准确度。另外，本技术实施例可以将用户的身份特征迁移到其它风格面部图像(如卡通、动画的面部图像)的属性特征上，能够形成相应风格的目标面部图像，增加趣味性。
48.在上述实施例的基础上，本技术实施例提供了一种数据处理方法，可以通过处理端来执行，处理端为进行面部图像处理的设备，处理端可以为终端，也可以为服务端，具体可以依据需求进行设置。本实施例的方法可以获取第一面部图像和第二面部图像，并将第一面部图像中的身份特征迁移到第二面部图像的属性特征，从而形成新的面部图像，具体的，如图2所示，所述方法包括：
49.步骤202、获取第一面部图像的第一面部特征，并分离出第一面部特征中与用户身份相关的身份特征。步骤204、获取第二面部图像的第二面部特征，并分离出第二面部特征中与用户面部属性相关的属性特征。
50.本技术实施例可以获取第一面部图像和第二面部图像，第一面部图像和第二面部图像可以为同类型的图像，也可以为不同类型的图像，例如，第一面部图像和第二面部图像可以为人脸图像，第一面部图像和第二面部图像还可以为其他类型的图像，如卡通图像、动画图像、漫画图像等。第一面部图像和第二面部图像可以为完整的面部图像，也可以为部分面部图像，例如，第一面部图像可以包括与用户身份有关的面部特征(如眼睛、鼻子、嘴巴)，不包含其他特征；第二面部图像可以包括与用户面部属性相关的面部图像(如发型、皮肤的颜色、脸部轮廓等)，不包含其他特征。
51.本技术实施例可以预先训练面部特征提取模型，并通过面部特征提取模型来提取面部图像的面部特征，具体的，可以将第一面部图像输入到训练好的面部特征提取模型中，得到第一面部特征；可以将第二面部图像输入到训练好的面部特征提取模型中，得到第二面部特征。
52.在确定第一面部特征和第二面部特征之后，本技术实施例可以从第一面部特征中分离出与用户身份相关的身份特征，还可以从第二面部特征中分离出与用户面部属性相关的属性特征。其中，对于提取身份特征来说，本技术实施例可以预先训练身份特征提取模型，以通过身份特征提取模型来分离出身份特征，具体的，作为一个可选的实施例，所述分离出第一面部特征中与用户身份相关的身份特征，包括：将所述第一面部特征输入到身份特征提取模型中，以分离出第一面部特征中与用户身份相关的身份特征。本实施例可以将第一面部特征输入到身份特征提取模型中，通过身份特征提取模型来提取第一面部特征中与用户身份相关的身份特征。
53.本技术实施例中，可以采用训练数据来训练身份特征提取模型，具体的，作为一个可选的实施例，所述方法还包括训练身份特征提取模型的步骤：获取训练面部图像，并将训练面部图像输入到面部特征提取模型中，确定训练面部特征；将训练面部特征输入到身份特征提取模型中，确定训练身份特征；依据训练身份特征和训练面部图像的标注身份特征，调整身份特征提取模型。本技术实施例中，可以将训练面部图像输入到面部特征提取模型
中，以提取训练面部特征，之后利用身份特征提取模型来提取与用户身份相关的训练身份特征，并依据训练身份特征和训练面部图像的标注身份特征之间的差异，调整身份特征提取模型的参数。
54.其中，对于面部特征提取模型来说，本实施例可以依据标注身份特征来对面部特征提取模型进行训练，还可以为训练面部图像配置标注面部特征来训练面部特征提取模型，具体的，在一个可选的实施例中，本实施例还可以依据训练身份特征和训练面部图像的标注身份特征之间的差异，对面部特征提取模型的参数进行调整，以对面部特征提取模型进行训练。在另一个可选的实施例中，还可以为训练面部图像配置标注面部特征，以通过训练面部特征和标注面部特征之间的差异，调整面部特征提取模型的参数，以对面部特征提取模型进行训练。
55.对于提取属性特征来说，本技术实施例可以预先训练属性特征提取模型，以通过属性特征提取模型来分离出属性特征，具体的，作为一个可选的实施例，所述分离出第二面部特征中与用户面部属性相关的属性特征，包括：将所述第二面部特征输入到属性特征提取模型中，以分离出第二面部特征中与用户面部属性相关的属性相关特征，依据所述属性相关特征进行调整，确定属性特征。本技术实施例还可以依据属性特征对面部特征提取模型进行调整，在一个可选的实施例中，在训练过程中，一个用户的人脸可以看作为一个人脸类别，本技术实施例可以确定用户面部图像中的属性特征，并依据该属性特征确定该属性特征对应的人脸类别，作为人脸分析结果。
56.确定人脸分析结果之后，可以依据该面部图像对应的人脸类别标签和人脸分析结果的可信度，确定第一调整量，并通过第一调整量对面部特征提取模型和属性特征提取模型用于分类的层级(或模型中用于分类神经元)进行调整，其中，在一个可选的示例中，可以将人脸类别标签对应的人脸类别的真实值看作1，结合人脸分析结果的可信度，确定第一调整量。本实施例还可以依据人脸分析结果的可信度以及人脸类别对应的常数值，确定第二调整量，并通过第二调整量对面部特征提取模型和属性特征提取模型中用于特征提取(非分类层)的层级(或模型中用于分类神经元)，其中，在一个可选的示例中，人脸类别可具有n个类别，人脸类别对应的常数值可以为1/n，可以依据人脸识别结果的可信度和人脸类别对应的常数值，确定第二调整量。
57.在身份特征提取模型的训练过程中，本技术实施例还可以对训练面部图像进行扩充，以通过扩充出的训练面部图像进一步对身份特征提取模型进行训练。具体的，作为一个可选的实施例，所述方法还包括：将训练面部特征输入到属性特征提取模型中，确定与用户面部属性相关的属性相关特征；确定属性相关特征在训练身份特征上的投影特征；依据所述投影特征对属性相关特征进行调整，得到与训练身份特征正交的训练属性特征；将训练身份特征和训练属性特征输入到面部图像重建模型中，确定扩充训练面部图像，以进行身份特征提取模型的训练。本技术实施例可以将训练面部特征输入到属性特征提取模型中，以提取与用户面部属性相关的属性相关特征。属性相关特征中可能包含有与用户身份相关的特征，导致属性相关特征与身份特征之间通常存在部分相似，因此，本技术实施例在确定属性相关特征之后，可以确定属性相关特征在身份特征上的投影特征，并从属性相关特征中去除该投影特征，得到与身份特征正交(与身份特征无关)的训练属性特征，通过本技术实施例的方式，能够将面部图像中与用户身份相关的特征和与用户身份无关的特征分离的
更加彻底。其中，两个特征正交是指两个特征之间相似度为零。确定训练属性特征和训练身份特征之后，可以将训练身份特征和训练属性特征进行融合，得到扩充训练面部图像，以通过扩充训练面部图像对身份特征提取模型进行训练。
58.在确定了第一面部图像的身份特征和第二面部图像的属性特征之后，可以在步骤206中，依据所述身份特征和所述属性特征，生成目标面部图像。本技术实施例可以通过训练好的面部图像重建模型来将身份特征和属性特征进行融合。其中，本技术实施例可以将同一用户的身份特征和属性特征进行融合，得到新的面部图像，本技术实施例也可以将不同用户的身份特征和属性特征进行融合，如将第一用户(第一训练面部图像)的身份特征和第二用户(第二训练面部图像)的属性特征进行融合，得到新的面部图像。例如，在如图2b所示的示例中，图2b中a图为用户1的面部图像，图2b中b图为用户2的面部图像，本实施例可以提取用户1的身份特征和属性特征，用户2的身份特征和属性特征，从而融合成新的目标面部图像(图2b中c、d、e、f图)，其中，图2b中c图是用户1的身份特征和属性特征融合得到的图像；图2b中d图是用户2的身份特征和属性特征融合得到的图像；图2b中e图是用户2的身份特征和用户1的属性特征融合得到的图像；图2b中f图是用户1的身份特征和用户2的属性特征融合得到的图像。
59.本身实施例可以通过目标面部图像进行分析模型的训练，从而提升分析模型的识别准确度。本技术实施例还可以将用户的身份特征迁移到其它风格面部图像(如卡通、动画的面部图像)的属性特征上，能够形成相应风格的目标面部图像，增加趣味性。
60.本技术实施例除了可以应用在面部识别的场景中，还可以应用在对包含目标对象的图像进行识别的场景中，具体来说，在一个可选的实施例中，步骤202，包括：获取第一图像的第一特征，并分离出第一特征中与目标对象的身份相关的身份特征；步骤204，包括：获取第二图像的第二特征，并分离出第二特征中与目标对象的属性相关的属性特征；步骤206，包括：依据所述身份特征和所述属性特征，生成目标图像。本实施例可以获取第一图像的第一特征，并分离出目标对象的身份特征，还可以获取第二图像的第二特征，并分离出目标对象的属性特征，之后，可以依据身份特征和属性特征，重建新的目标对象。
61.在上述实施例的基础上，本技术实施例提供一种数据处理方法，所述方法包括：
62.步骤302、将第一面部图像输入到面部特征提取模型中，确定第一面部特征。
63.步骤304、将所述第一面部特征输入到身份特征提取模型中，分离出第一面部特征中与用户身份相关的身份特征。
64.步骤306、将第二面部图像输入到面部特征提取模型中，确定第二面部特征。
65.步骤308、将所述第二面部特征输入到属性特征提取模型中，分离出第二面部特征中与用户面部属性相关的属性相关特征。
66.步骤310、对属性相关特征进行调整，得到与身份特征正交的属性特征。
67.步骤312、将身份特征和属性特征输入到面部图像重建模型中，确定扩充面部图像。
68.本技术实施例中，可以获取第一面部图像和第二面部图像，之后，利用面部特征提取模型，确定第一面部特征和第二面部特征，并依据身份特征提取模型，提取第一面部特征中的身份特征，依据属性特征提取模型，提取第二面部特征中的属性特征。之后将身份特征和属性特征输入到面部图像重建模型中，得到扩充面部图像。
69.在上述实施例的基础上，本技术实施例还提供一种数据处理方法，可以应用在处理端，处理端可以理解为对面部图像进行处理的设备，本方法可以分离出面部图像中的身份特征和属性相关特征，并对属性相关特征进行调整，形成与身份特征正交的属性特征，之后，可以重新构建新的面部图像，具体的，如图4所示，所述方法包括：
70.步骤402、获取面部图像，并将面部图像输入到面部特征提取模型中，确定面部特征。
71.步骤404、将面部特征输入到身份特征提取模型中，确定与用户身份相关的身份特征。
72.步骤406、将面部特征输入到属性特征提取模型中，确定与用户面部属性相关的属性相关特征，并对属性相关特征进行调整，得到与身份特征正交的属性特征。
73.步骤408、将身份特征和属性特征输入到面部图像重建模型中，确定扩充面部图像。
74.本技术实施例除了可以应用在面部识别的场景中，还可以应用在对包含目标对象的图像进行识别的场景中，具体来说，在一个可选的实施例中，步骤402，包括：获取目标对象的图像，并将图像输入到目标对象特征提取模型中，确定目标对象特征；步骤404，包括：将目标对象特征输入到身份特征提取模型中，确定与目标对象的身份相关的身份特征；步骤406，包括：将目标对象特征输入到属性特征提取模型中，确定与目标对象的属性相关的属性相关特征，并对属性相关特征进行调整，得到与身份特征正交的属性特征；步骤408，包括：将身份特征和属性特征输入到图像重建模型中，确定扩充图像。
75.本技术实施例的实施过程与上述方法实施例的实施过程类似，具体实施方式可以参考上述方法实施例的具体实施方式，此处不再赘述。
76.在本技术实施例中，可以将面部图像输入到面部特征提取模型中，确定面部特征，并将面部特征输入到身份特征提取模型和属性特征提取模型中，得到身份特征和属性特征，之后，将身份特征和属性特征输入到面部图像重建模型中，确定扩充面部图像。本技术实施例可以对身份特征、属性特征和扩充面部图像进行保存，以便进行相应的处理。在本技术实施例中，可以将面部特征中与用户身份相关的身份特征和与用户身份无关的属性相关特征分离，并将与用户身份无关的属性特征调整为与身份特征正交的属性特征，从而为分析身份特征和属性特征之间的联系提供了可能。
77.在上述实施例的基础上，本技术实施例还提供一种数据处理方法，可以应用在基于面部图像进行面部识别的场景中，本实施例可以提取出待识别的面部图像中的身份特征，并将该身份特征与预先存储的面部特征进行匹配，从而确定面部识别结果，具体的，如图5所示，所述方法包括：
78.步骤502、获取面部图像，并提取第一面部特征。
79.步骤504、分离出第一面部特征中与用户身份相关的身份特征。
80.步骤506、将所述身份特征和预设的第二面部特征进行匹配，确定面部识别结果。
81.本技术实施例除了可以对面部图像进行识别之外，在确定了面部识别结果之后，还可以依据面部识别结果与用户进行交互，具体的，作为一个可选的实施例，所述方法还包括：依据所述面部识别结果，确定交互信息，并输出所述交互信息。本技术实施例中交互信息可以依据面部识别的应用场景进行设置，例如，在考勤场景中，交互信息可以为与用户的
工作相关信息，如在考勤的用户为本月业绩优秀的用户时，可以输出“您是本月的工作达人”的语音信息，以进行交互；还可以依据考勤用户的考勤时间，输出相应的交互信息，如在考勤用户的考勤时间最早或最晚时，可以输出“您是最早来到公司的人，加油哦”或“您是最晚离开公司的人，记得关灯”的语音交互信息，以进行交互；还可以统计考勤用户的考勤时间，并依据统计结果输出相应的交互信息，例如，在考勤用户某次考勤的考勤时间早于其它次考勤的考勤时间时，可以输出“今天是您来的最早的一次，加油哦”的语音交互信息。
82.本技术实施例除了可以应用在上述场景之外，还可以应用在其他场景中，举例来说，本技术实施例还可以应用在校园场景中，如用户可以基于面部识别进入校园、用户可以基于面部识别进行图书借还等操作，在用户进行图书借还场景中，可以调取用户借阅的历史记录，并根据历史记录确定交互信息，以进行交互，如对于用户借阅的书籍为曾经借阅过的书籍，可以输出“您已经借阅过这本书，建议您借阅其他书籍哦”，也可以依据用户的专业信息，输出相应的交互信息(如“您可以借阅《高等代数》，这是您下学期的必修课哦”)，以建议用户借阅与其专业相关的书籍。
83.再举例来说，本技术实施例还可以应用在酒店场景中，以基于面部识别进行入驻，在酒店的场景中，交互信息可以为与用户日常生活相关的信息，如用户是第一次入驻该酒店，可以将周边的店铺对用户进行介绍，如交互信息可以为“出门右手边有很多餐馆，您可以到那里进行用餐”；如用户是经常入驻该酒店，则可以通过交互信息对周边新增信息进行介绍，如交互信息可以为“对面新开了一家火锅店，有时间可以去试试哦”。
84.再举例来说，本技术实施例还可以应用在快递取件场景中，在快递取件场景中，交互信息可以为快递放置信息，可以对用户的面部图像进行识别，以确定用户的身份，确定与用户相关的快递放置信息，从而生成交互信息(如“您的快递放置在a货架第二层第三号”)，并输出给用户，其中，交互信息可以通过语音输出、屏幕显示等方式进行输出。
85.本技术实施例还可以对面部特征进行表情识别，从而输出与面部表情相应的互动信息，具体的，作为一个可选的实施例，所述方法还包括：对身份特征进行表情识别，确定用户的表情信息，依据所述表情信息，输出互动信息。本实施例可以依据用户的表情，进行相应的互动，能够提升趣味性。例如，在确定用户的表情为不开心时，可以输出“您看起来有点不开心，可以吃点甜品哦”的语音互动信息。再例如，在确定用户的表情为开心时，可以输出“笑口常开，心情美丽哦”的语音互动信息。
86.本技术实施例还可以获取用户的工作日程安排，并在用户考勤时，提醒用户相关日程，具体的，作为一个可选的实施例，所述方法还包括：依据所述面部识别结果，获取用户的日程信息，并输出日程提示。举例来说，本实施例可以应用在考勤场景中，可以对考勤用户的日程进行提示，能够提升工作效率，例如，用户在半小时后有会议的情况下，在用户考勤时，可以输出“您半小时后有会议，不要忘记哦”的语音日程提示。进一步的，用户还可以通过交互来对日程进行调整，具体的，作为一个可选的实施例，所述方法还包括：获取对于日程信息的调整信息，并依据所述调整信息对日程信息进行调整。本实施例中，可以与用户进行交互，以获取相应的调整信息，用户可以通过语音语音、触摸屏幕、输入指令等交互操作，来做出对日程的调整，对日程的调整可以包括对日程时间进行调整、取消日程、修改日程内容等，具体可以依据需求进行设置。
87.本实施例除了可以应用在考勤场景之外，还可以应用在其他场景中，举例来说，本
申请实施例还可以应用在校园、机场、门禁通行等场景中，例如在校园场景中，用户在进行面部识别(如上课打卡)之后，可以输出日程提示(如“您下节课是高等代数，在三号楼哦”)，对用户下一节课的日程进行提示。例如在机场场景中，用户在进行面部识别之后，可以输出日程提示(如“您的航班在三号安检口进行安检”)，以对用户进行提示。例如在门禁通行的场景中，用户为面试用户，本实施例可以查询面试用户的日程信息，并输出相应的日程提示(如“请到三楼进行面试”)，以对用户进行提示。并且，还可以向面试用户的公司发出相应的提示信息，以便提示公司做出相应的接待。
88.本技术实施例的实施过程与上述方法实施例的实施过程类似，具体实施方式可以参考上述方法实施例的具体实施方式，此处不再赘述。
89.在本技术实施例中，可以获取待识别的面部图像，并提取面部图像的面部特征，之后，分离出面部特征中与用户身份相关的身份特征(如眼睛、鼻子、嘴巴的特征)，之后将身份特征与预先设置的第二面部特征进行匹配，从而确定面部识别结果。面部识别结果可以为验证通过或验证不通过，在考勤场景中，在验证通过的情况下，确定用户的用户信息，并对考勤信息(如考勤时间)进行记录。在门禁通行的场景中，在验证通过的情况下，开启门禁，在验证未通过的情况下，不打开门禁。本技术实施例还可以依据面部识别结果进行其他处理，如开启智能门锁等，此处不做限制。
90.在上述实施例的基础上，本技术实施例还提供一种数据处理方法，可以应用在服务端，以通过服务端提供对面部图像进行处理的服务，具体的，如图6所示，所述方法包括：
91.步骤602、提供第一接口，以基于第一接口获取第一面部图像，并提取第一面部特征，以分离出第一面部特征中与用户身份相关的身份特征。
92.步骤604、提供第二接口，以基于第二接口获取第二面部图像，并提取第二面部特征，以分离出第二面部特征中与用户面部属性相关的属性特征。
93.步骤606、依据所述身份特征和所述属性特征，生成目标面部图像，并通过第三接口反馈。
94.本技术实施例除了可以应用在面部识别的场景中，还可以应用在对包含目标对象的图像进行识别的场景中，具体来说，在一个可选的实施例中，步骤602，包括：提供第一接口，以基于第一接口获取第一图像，并提取第一特征，以分离出第一特征中与目标对象的身份相关的身份特征；步骤604，包括：提供第二接口，以基于第二接口获取第二图像，并提取第二特征，以分离出第二特征中与目标对象的属性相关的属性特征；步骤606，包括：依据所述身份特征和所述属性特征，生成目标图像，并通过第三接口反馈。
95.本技术实施例的实施过程与上述方法实施例的实施过程类似，具体实施方式可以参考上述方法实施例的具体实施方式，此处不再赘述。
96.本实施例的方法可以应用在服务端，服务端可以与终端进行交互，服务端可以向终端提供交互页面，交互页面包括第一接口、第二接口和第三接口，终端的用户可以通过第一接口上传第一面部图像，通过第二接口上传第二面部图像，服务端对第一面部图像和第二面部图像进行处理，得到目标面部图像之后，通过第三接口反馈目标面部图像给终端。以在终端展示融合了第一面部图像的身份特征和第二面部图像的属性特征的目标面部图像。
97.本技术实施例除了可以应用在上述场景之外，本技术实施例还可以应用在基于图像识别对车牌进行识别的场景中，在该场景中，本技术实施例可以分离出车牌相关图像的
图像特征中的身份特征，并对身份特征进行识别，以确定车辆识别结果。具体的，如图7所示，所述方法包括：
98.步骤702、获取目标车辆的车牌相关图像，并确定图像特征。
99.步骤704、分离出图像特征中与目标车辆的身份相关的身份特征。本技术实施例可以通过身份特征识别模型来分离出图像特征中的身份特征，可以通过属性特征识别模型来分离出图像特征中的属性特征，其中，身份特征识别模型和属性特征识别模型的训练过程与上述方法实施例中模型的训练过程类似，具体可以参考上述方法实施例中模型的训练过程，此处不再赘述。
100.其中，与目标车辆的身份相关的特征可以包括车牌字符和车牌颜色等信息，具体的，在一个可选的实施例中，所述分离出图像特征中与目标车辆的身份相关的身份特征，包括：分离出图像特征中对应车牌字符的第一特征，所述第一特征包括字符结构信息和字符位置信息；分离出图像特征中对应车牌颜色的第二特征；依据所述第一特征和所述第二特征，确定身份特征。本技术实施例可以从图像特征中分离出车牌字符的字符结构、字符位置、车牌颜色等身份特征，以依据身份特征确定车辆识别结果。
101.步骤706、依据所述身份特征进行身份识别，确定车辆识别结果。本技术实施例可以将身份特征输入到车辆身份识别模型中，以确定车辆识别结果。车辆身份识别模型用于依据车牌字符的字符结构信息、字符位置信息和车牌颜色等信息，确定车辆身份(如车辆能源类型、车主信息等)，作为车辆识别结果。
102.本技术实施例除了可以对车辆牌照进行识别之外，本技术实施例还可以通过分离车牌相关图像中的身份特征和属性特征，来重构新的车牌相关图像，具体的，作为一个可选的实施例，所述方法还包括：分离出图像特征中目标车辆的属性相关的属性特征；依据第一车辆的身份特征和第二车辆的属性特征，生成目标车牌相关图像。本技术实施例可以分离多个车辆的车牌相关图像，确定多个车辆的身份特征和属性特征，并将不同车辆的身份特征和属性特征进行结合，得到新的车牌相关图像，以进行数据的扩充，扩充出的车牌相关图像可以用于对进行车辆身份识别的车辆身份识别模型进行训练，能够提升车辆身份识别模型的识别准确度。
103.本技术实施例的实施过程与上述方法实施例的实施过程类似，具体实施方式可以参考上述方法实施例的具体实施方式，此处不再赘述。
104.本技术实施例中，可以获取车辆的车牌相关图像，并提取车牌相关图像中的图像特征，之后，可以分离出图像特征中与车辆的身份相关的身份特征，如分离出图像特征中车牌字符、车牌颜色等特征，并依据身份特征进行身份识别，确定车辆识别结果。本技术实施例可以分离出车牌相关图像的图像特征中与车辆的身份相关的身份特征，并对身份特征进行识别，来确定识别结果，能够减少图像特征中与身份无关的特征(如图像背景等)对于识别结果的干扰，从而能够提升图像识别的准确度。
105.本技术实施例除了可以应用在上述场景之外，本技术实施例还可以应用在基于面部识别的考勤场景中，在该场景中，本技术实施例可以分离出面部图像中的身份特征，并依据身份特征确定面部识别结果，以依据面部识别结果进行考勤记录，具体的，如图8所示，所述方法包括：
106.步骤802、获取面部图像，并提取第一面部特征。
107.步骤804、分离出第一面部特征中与用户身份相关的身份特征。
108.步骤806、将所述身份特征和预设的第二面部特征进行匹配，确定面部识别结果。
109.步骤808、在所述面部识别结果为验证通过的情况下，记录相应的考勤信息。
110.本技术实施例的实施过程与上述方法实施例的实施过程类似，具体实施方式可以参考上述方法实施例的具体实施方式，此处不再赘述。
111.本技术实施例可以应用在基于面部识别的考勤场景中，考勤场景可以包括企业场景下的员工考勤、教育场景下的学生考勤、医疗场景下医疗人员或病人的考勤等。在本技术实施例中，可以获取待识别的面部图像，并提取面部图像的第一面部特征，之后，分离出第一面部特征中与用户身份相关的身份特征(如眼睛、鼻子、嘴巴的特征)，之后将身份特征与预先设置的第二面部特征进行匹配，从而确定面部识别结果。确定面部识别结果之后，若面部识别结果为验证通过，则记录相应的考勤信息，若面部识别结果为验证不通过，可以通过语音提示用户再次进行验证。
112.本技术实施例除了可以应用在对包含有目标对象的图像进行识别的场景中，可以从图像特征中分离出与目标对象的身份相关的身份特征，并进行身份识别，具体的，如图9所示，所述方法包括：
113.步骤902、获取目标对象的图像，并提取图像特征。
114.步骤904、分离出图像特征中与目标对象的身份相关的身份特征。
115.步骤906、依据所述身份特征进行身份识别，确定目标对象的识别结果。
116.本技术实施例可以应用在对包含有目标对象的图像进行识别的场景中，目标对象可以为车辆、人物等，具体的，作为一个可选的实施例，所述目标对象包括车辆，所述图像包括车牌相关图像，所述分离出图像特征中与目标对象的身份相关的身份特征，包括：分离出图像特征中对应车牌字符的第一特征，所述第一特征包括字符结构信息和字符位置信息；分离出图像特征中对应车牌颜色的第二特征；依据所述第一特征和所述第二特征，确定身份特征。本实施例可以应用在对车辆的车牌相关图像进行识别的场景中，能够分离出车牌字符、车牌颜色等数据，以便进行身份识别。作为另一个可选的实施例，所述目标对象包括人物，所述图像包括面部图像，所述分离出图像特征中与目标对象的身份相关的身份特征，包括：分离出图像特征中与人物的身份相关的身份特征。本实施例可以应用在对任务的面部图像进行识别的场景中，可以分离出面部特征中与人物身份相关的身份特征，以进行身份识别，如分离出人物面部的眼睛、鼻子、嘴巴等特征，以进行识别。
117.本技术实施例在对用户的面部图像进行识别之后，还可以输出交互信息与用户进行交互，具体的，作为一个可选的实施例，所述识别结果包括面部识别结果，所述方法还包括：依据所述面部识别结果，确定交互信息，并输出所述交互信息。本技术实施例还可以识别用户的日程，并根据日程进行相应的提示，具体的，作为一个可选的实施例，所述识别结果包括面部识别结果，所述方法还包括：依据所述面部识别结果，获取用户的日程信息，并输出日程提示。本技术实施例还可以识别用户的表情，从而进行相应的互动，具体的，作为一个可选的实施例，所述方法还包括：对身份特征进行表情识别，确定用户的表情信息；依据所述表情信息，输出互动信息。本技术实施例还可以依据不同目标对象的身份特征和属性特征进行融合，形成新的图像，以进行模型的训练，具体的，作为一个可选的实施例，所述方法还包括：分离出图像特征中与目标对象的属性相关的属性特征；依据第一目标对象的
身份特征和第二目标对象的属性特征，生成第一目标对象的扩充图像。
118.本技术实施例的实施过程与上述方法实施例的实施过程类似，具体实施方式可以参考上述方法实施例的具体实施方式，此处不再赘述。
119.本技术实施例中，可以获取目标对象的图像，并提取图像中的图像特征，之后，可以分离出图像特征中与目标对象的身份相关的身份特征，并依据身份特征进行身份识别，确定目标对象的识别结果。本技术实施例可以分离出图像特征中与目标对象的身份相关的身份特征，并对身份特征进行识别，来确定识别结果，能够减少图像特征中与身份无关的特征(如图像背景等)对于识别结果的干扰，从而能够提升图像识别的准确度。
120.需要说明的是，对于方法实施例，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，本技术实施例并不受所描述的动作顺序的限制，因为依据本技术实施例，某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，所涉及的动作并不一定是本技术实施例所必须的。
121.在上述实施例的基础上，本实施例还提供了一种数据处理装置，参照图10，具体可以包括如下模块：
122.对象图像特征获取模块1002，用于获取目标对象的图像，并提取图像特征。
123.对象身份特征获取模块1004，用于分离出图像特征中与目标对象的身份相关的身份特征。
124.对象识别结果获取模块1006，用于依据所述身份特征进行身份识别，确定目标对象的识别结果。
125.本技术实施例中，可以获取目标对象的图像，并提取图像中的图像特征，之后，可以分离出图像特征中与目标对象的身份相关的身份特征，并依据身份特征进行身份识别，确定目标对象的识别结果。本技术实施例可以分离出图像特征中与目标对象的身份相关的身份特征，并对身份特征进行识别，来确定识别结果，能够减少图像特征中与身份无关的特征(如图像背景等)对于识别结果的干扰，从而能够提升图像识别的准确度。
126.在上述实施例的基础上，本实施例还提供了一种数据处理装置，参照图11，具体可以包括如下模块：
127.车辆图像特征获取模块1102，用于获取目标车辆的车牌相关图像，并确定图像特征。
128.车辆身份特征获取模块1104，用于分离出图像特征中与目标车辆的身份相关的身份特征。与目标车辆的身份相关的特征可以包括车牌字符和车牌颜色等信息，具体的，在一个可选的实施例中，所述车辆身份特征获取模块904，具体用于分离出图像特征中对应车牌字符的第一特征，所述第一特征包括字符结构信息和字符位置信息；分离出图像特征中对应车牌颜色的第二特征；依据所述第一特征和所述第二特征，确定身份特征。本技术实施例可以从图像特征中分离出车牌字符的字符结构、字符位置、车牌颜色等身份特征，以依据身份特征确定车辆识别结果。
129.车辆识别结果获取模块1106，用于依据所述身份特征进行身份识别，确定车辆识别结果。
130.本技术实施例除了可以对车辆牌照进行识别之外，本技术实施例还可以通过分离
车牌相关图像中的身份特征和属性特征，来重构新的车牌相关图像，具体的，作为一个可选的实施例，所述装置还包括：车辆属性特征获取模块，用于分离出图像特征中目标车辆的属性相关的属性特征；车牌相关图像租个模块，用于依据第一车辆的身份特征和第二车辆的属性特征，生成目标车牌相关图像。本技术实施例可以分离多个车辆的车牌相关图像，确定多个车辆的身份特征和属性特征，并将不同车辆的身份特征和属性特征进行结合，得到新的车牌相关图像，以进行数据的扩充，扩充出的车牌相关图像可以用于对进行车辆身份识别的车辆身份识别模型进行训练，能够提升车辆身份识别模型的识别准确度。
131.本技术实施例中，可以获取车辆的车牌相关图像，并提取车牌相关图像中的图像特征，之后，可以分离出图像特征中与车辆的身份相关的身份特征，如分离出图像特征中车牌字符、车牌颜色等特征，并依据身份特征进行身份识别，确定车辆识别结果。本技术实施例可以分离出车牌相关图像的图像特征中与车辆的身份相关的身份特征，并对身份特征进行识别，来确定识别结果，能够减少图像特征中与身份无关的特征(如图像背景等)对于识别结果的干扰，从而能够提升图像识别的准确度。
132.在上述实施例的基础上，本实施例还提供了一种数据处理装置，参照图12，具体可以包括如下模块：
133.第一特征获取模块1202，用于获取第一面部图像的第一面部特征，并分离出第一面部特征中与用户身份相关的身份特征。
134.第二特征获取模块1204，用于获取第二面部图像的第二面部特征，并分离出第二面部特征中与用户面部属性相关的属性特征。
135.目标图像生成模块1206，用于依据所述身份特征和所述属性特征，生成目标面部图像。
136.本技术实施例中，可以获取第一面部图像的第一面部特征，并分离出第一面部特征中与用户身份相关的身份特征；还可以获取第二面部图像的第二面部特征，并分离出第二面部特征中与用户面部属性相关的属性特征；之后，依据身份特征和属性特征，生成目标面部图像。本技术实施例中，可以通过第一面部图像中的身份特征和第二面部图像中的属性特征，构建新的面部图像。可以通过面部图像和重新构建的面部图像来训练分析模型，能够提升分析模型的识别准确度。
137.本技术实施例除了可以应用在面部识别的场景中，还可以应用在对包含目标对象的图像进行识别的场景中，具体来说，在一个可选的实施例中，第一特征获取模块1202，具体用于获取第一图像的第一特征，并分离出第一特征中与目标对象的身份相关的身份特征；第二特征获取模块1204，具体用于获取第二图像的第二特征，并分离出第二特征中与目标对象的属性相关的属性特征；目标图像生成模块1206，具体用于依据所述身份特征和所述属性特征，生成目标图像。本实施例可以获取第一图像的第一特征，并分离出目标对象的身份特征，还可以获取第二图像的第二特征，并分离出目标对象的属性特征，之后，可以依据身份特征和属性特征，重建新的目标对象。
138.在上述实施例的基础上，本实施例还提供了一种数据处理装置，具体可以包括如下模块：
139.第一特征获取处理模块，用于将第一面部图像输入到面部特征提取模型中，确定第一面部特征。
140.身份特征获取处理模块，用于将所述第一面部特征输入到身份特征提取模型中，分离出第一面部特征中与用户身份相关的身份特征。
141.第二特征获取处理模块，用于将第二面部图像输入到面部特征提取模型中，确定第二面部特征。
142.属性相关特征获取处理模块，用于将所述第二面部特征输入到属性特征提取模型中，分离出第二面部特征中与用户面部属性相关的属性相关特征。
143.属性特征获取处理模块，用于对属性相关特征进行调整，得到与身份特征正交的属性特征。
144.扩充图像获取处理模块，用于将身份特征和属性特征输入到面部图像重建模型中，确定扩充面部图像。
145.本技术实施例中，可以获取第一面部图像和第二面部图像，之后，利用面部特征提取模型，确定第一面部特征和第二面部特征，并依据身份特征提取模型，提取第一面部特征中的身份特征，依据属性特征提取模型，提取第二面部特征中的属性特征。之后将身份特征和属性特征输入到面部图像重建模型中，得到扩充面部图像。
146.在上述实施例的基础上，本实施例还提供了一种数据处理装置，参照图13，具体可以包括如下模块：
147.面部特征确定模块1302，用于获取面部图像，并将面部图像输入到面部特征提取模型中，确定面部特征。
148.身份特征确定模块1304，用于将面部特征输入到身份特征提取模型中，确定与用户身份相关的身份特征。
149.属性特征确定模块1306，用于将面部特征输入到属性特征提取模型中，确定与用户面部属性相关的属性相关特征，并对属性相关特征进行调整，得到与身份特征正交的属性特征。
150.扩充图像确定模块1308，用于将身份特征和属性特征输入到面部图像重建模型中，确定扩充面部图像。
151.本技术实施例除了可以应用在面部识别的场景中，还可以应用在对包含目标对象的图像进行识别的场景中，具体来说，在一个可选的实施例中，模块1302，具体用于获取目标对象的图像，并将图像输入到目标对象特征提取模型中，确定目标对象特征；身份特征确定模块1304，具体用于将目标对象特征输入到身份特征提取模型中，确定与目标对象的身份相关的身份特征；属性特征确定模块1306，具体用于将目标对象特征输入到属性特征提取模型中，确定与目标对象的属性相关的属性相关特征，并对属性相关特征进行调整，得到与身份特征正交的属性特征；扩充图像确定模块1308，具体用于将身份特征和属性特征输入到图像重建模型中，确定扩充图像。
152.综上，在本技术实施例中，可以将面部图像输入到面部特征提取模型中，确定面部特征，并将面部特征输入到身份特征提取模型和属性特征提取模型中，得到身份特征和属性特征，之后，将身份特征和属性特征输入到面部图像重建模型中，确定扩充面部图像。本技术实施例可以对身份特征、属性特征和扩充面部图像进行保存，以便进行相应的处理。在本技术实施例中，可以将面部特征中与用户身份相关的身份特征和与用户身份无关的属性相关特征分离，并将与用户身份无关的属性特征调整为与身份特征正交的属性特征，从而
为分析身份特征和属性特征之间的联系提供了可能。
153.在上述实施例的基础上，本实施例还提供了一种数据处理装置，参照图14，具体可以包括如下模块：
154.第一特征获得模块1402，用于获取面部图像，并提取第一面部特征。
155.身份特征获得模块1404，用于分离出第一面部特征中与用户身份相关的身份特征。
156.身份特征匹配模块1406，用于将所述身份特征和预设的第二面部特征进行匹配，确定面部识别结果。
157.综上，在本技术实施例中，可以获取待识别的面部图像，并提取面部图像的面部特征，之后，分离出面部特征中与用户身份相关的身份特征(如眼睛、鼻子、嘴巴的特征)，之后将身份特征与预先设置的第二面部特征进行匹配，从而确定面部识别结果。面部识别结果可以为验证通过或验证不通过，在考勤场景中，在验证通过的情况下，确定用户的用户信息，并对考勤信息(如考勤时间)进行记录。在门禁通行的场景中，在验证通过的情况下，开启门禁，在验证未通过的情况下，不打开门禁。本技术实施例还可以依据面部识别结果进行其他处理，如开启智能门锁等，此处不做限制。
158.在上述实施例的基础上，本实施例还提供了一种数据处理装置，参照图15，具体可以包括如下模块：
159.第一接口提供模块1502，用于提供第一接口，以基于第一接口获取第一面部图像，并提取第一面部特征，以分离出第一面部特征中与用户身份相关的身份特征。
160.第二接口提供模块1504，用于提供第二接口，以基于第二接口获取第二面部图像，并提取第二面部特征，以分离出第二面部特征中与用户面部属性相关的属性特征。
161.第三接口提供模块1506，用于依据所述身份特征和所述属性特征，生成目标面部图像，并通过第三接口反馈。
162.本技术实施例除了可以应用在面部识别的场景中，还可以应用在对包含目标对象的图像进行识别的场景中，具体来说，在一个可选的实施例中，第一接口提供模块1502，具体用于提供第一接口，以基于第一接口获取第一图像，并提取第一特征，以分离出第一特征中与目标对象的身份相关的身份特征；第二接口提供模块1504，具体用于提供第二接口，以基于第二接口获取第二图像，并提取第二特征，以分离出第二特征中与目标对象的属性相关的属性特征；第三接口提供模块1506，具体用于依据所述身份特征和所述属性特征，生成目标图像，并通过第三接口反馈。
163.本实施例的方法可以应用在服务端，服务端可以与终端进行交互，服务端可以向终端提供交互页面，交互页面包括第一接口、第二接口和第三接口，终端的用户可以通过第一接口上传第一面部图像，通过第二接口上传第二面部图像，服务端对第一面部图像和第二面部图像进行处理，得到目标面部图像之后，通过第三接口反馈目标面部图像给终端。以在终端展示融合了第一面部图像的身份特征和第二面部图像的属性特征的目标面部图像。
164.在上述实施例的基础上，本实施例还提供了一种数据处理装置，可以应用在考勤场景，如图16所示，具体可以包括如下模块：
165.考勤面部图像获取模块1602，用于获取面部图像，并提取第一面部特征。
166.考勤身份特征获取模块1604，用于分离出第一面部特征中与用户身份相关的身份
特征。
167.考勤识别结果获取模块1606，用于将所述身份特征和预设的第二面部特征进行匹配，确定面部识别结果。
168.考勤相关信息记录模块1608，用于在所述面部识别结果为验证通过的情况下，记录相应的考勤信息。
169.本技术实施例可以应用在基于面部识别的考勤场景中，考勤场景可以包括企业场景下的员工考勤、教育场景下的学生考勤、医疗场景下医疗人员或病人的考勤等。在本技术实施例中，可以获取待识别的面部图像，并提取面部图像的第一面部特征，之后，分离出第一面部特征中与用户身份相关的身份特征(如眼睛、鼻子、嘴巴的特征)，之后将身份特征与预先设置的第二面部特征进行匹配，从而确定面部识别结果。确定面部识别结果之后，若面部识别结果为验证通过，则记录相应的考勤信息，若面部识别结果为验证不通过，可以通过语音提示用户再次进行验证。
170.本技术实施例还提供了一种非易失性可读存储介质，该存储介质中存储有一个或多个模块(programs)，该一个或多个模块被应用在设备时，可以使得该设备执行本技术实施例中各方法步骤的指令(instructions)。
171.本技术实施例提供了一个或多个机器可读介质，其上存储有指令，当由一个或多个处理器执行时，使得电子设备执行如上述实施例中一个或多个所述的方法。本技术实施例中，所述电子设备包括服务器、终端设备等设备。
172.本公开的实施例可被实现为使用任意适当的硬件，固件，软件，或及其任意组合进行想要的配置的装置，该装置可包括服务器(集群)、终端等电子设备。图17示意性地示出了可被用于实现本技术中所述的各个实施例的示例性装置1700。
173.对于一个实施例，图17示出了示例性装置1700，该装置具有一个或多个处理器1702、被耦合到(一个或多个)处理器1702中的至少一个的控制模块(芯片组)1704、被耦合到控制模块1704的存储器1706、被耦合到控制模块1704的非易失性存储器(nvm)/存储设备1708、被耦合到控制模块1704的一个或多个输入/输出设备1710，以及被耦合到控制模块1704的网络接口1712。
174.处理器1702可包括一个或多个单核或多核处理器，处理器1702可包括通用处理器或专用处理器(例如图形处理器、应用处理器、基频处理器等)的任意组合。在一些实施例中，装置1700能够作为本技术实施例中所述服务端、终端等设备。
175.在一些实施例中，装置1700可包括具有指令1714的一个或多个计算机可读介质(例如，存储器1706或nvm/存储设备1708)以及与该一个或多个计算机可读介质相合并被配置为执行指令1714以实现模块从而执行本公开中所述的动作的一个或多个处理器1702。
176.对于一个实施例，控制模块1704可包括任意适当的接口控制器，以向(一个或多个)处理器1702中的至少一个和/或与控制模块1704通信的任意适当的设备或组件提供任意适当的接口。
177.控制模块1704可包括存储器控制器模块，以向存储器1706提供接口。存储器控制器模块可以是硬件模块、软件模块和/或固件模块。
178.存储器1706可被用于例如为装置1700加载和存储数据和/或指令1714。对于一个实施例，存储器1706可包括任意适当的易失性存储器，例如，适当的dram。在一些实施例中，
存储器1706可包括双倍数据速率类型四同步动态随机存取存储器(ddr4sdram)。
179.对于一个实施例，控制模块1704可包括一个或多个输入/输出控制器，以向nvm/存储设备1708及(一个或多个)输入/输出设备1710提供接口。
180.例如，nvm/存储设备1708可被用于存储数据和/或指令1714。nvm/存储设备1708可包括任意适当的非易失性存储器(例如，闪存)和/或可包括任意适当的(一个或多个)非易失性存储设备(例如，一个或多个硬盘驱动器(hdd)、一个或多个光盘(cd)驱动器和/或一个或多个数字通用光盘(dvd)驱动器)。
181.nvm/存储设备1708可包括作为装置1700被安装在其上的设备的一部分的存储资源，或者其可被该设备访问可不必作为该设备的一部分。例如，nvm/存储设备1708可通过网络经由(一个或多个)输入/输出设备1710进行访问。
182.(一个或多个)输入/输出设备1710可为装置1700提供接口以与任意其他适当的设备通信，输入/输出设备1710可以包括通信组件、音频组件、传感器组件等。网络接口1712可为装置1700提供接口以通过一个或多个网络通信，装置1700可根据一个或多个无线网络标准和/或协议中的任意标准和/或协议来与无线网络的一个或多个组件进行无线通信，例如接入基于通信标准的无线网络，如wifi、2g、3g、4g、5g等，或它们的组合进行无线通信。
183.对于一个实施例，(一个或多个)处理器1702中的至少一个可与控制模块1704的一个或多个控制器(例如，存储器控制器模块)的逻辑封装在一起。对于一个实施例，(一个或多个)处理器1702中的至少一个可与控制模块1704的一个或多个控制器的逻辑封装在一起以形成系统级封装(sip)。对于一个实施例，(一个或多个)处理器1702中的至少一个可与控制模块1704的一个或多个控制器的逻辑集成在同一模具上。对于一个实施例，(一个或多个)处理器1702中的至少一个可与控制模块1704的一个或多个控制器的逻辑集成在同一模具上以形成片上系统(soc)。
184.在各个实施例中，装置1700可以但不限于是：服务器、台式计算设备或移动计算设备(例如，膝上型计算设备、手持计算设备、平板电脑、上网本等)等终端设备。在各个实施例中，装置1700可具有更多或更少的组件和/或不同的架构。例如，在一些实施例中，装置1700包括一个或多个摄像机、键盘、液晶显示器(lcd)屏幕(包括触屏显示器)、非易失性存储器端口、多个天线、图形芯片、专用集成电路(asic)和扬声器。
185.其中，检测装置中可采用主控芯片作为处理器或控制模块，传感器数据、位置信息等存储到存储器或nvm/存储设备中，传感器组可作为输入/输出设备，通信接口可包括网络接口。
186.本技术实施例还提供了一种电子设备，包括：处理器；和存储器，其上存储有可执行代码，当所述可执行代码被执行时，使得所述处理器执行如本技术实施例中一个或多个所述的方法。
187.本技术实施例还提供了一个或多个机器可读介质，其上存储有可执行代码，当所述可执行代码被执行时，使得处理器执行如本技术实施例中一个或多个所述的方法。
188.对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
189.本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
190.本技术实施例是参照根据本技术实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
191.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
192.这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
193.尽管已描述了本技术实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本技术实施例范围的所有变更和修改。
194.最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
195.以上对本技术所提供的一种数据处理方法、一种数据处理装置、一种电子设备和一种存储介质，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。