信息处理方法、装置及电子设备与流程

本申请主要涉及图像处理技术领域，更具体地说是涉及一种识别方法、装置及电子设备。

背景技术：

如今，为了提高用户身份识别的准确性，通常是利用生物识别技术来识别用户身份，如指纹识别技术、人脸识别技术以及虹膜识别技术等等。

其中，人脸识别是一种基于用户的脸部特征信息进行身份识别的生物识别技术，可以通过图像采集设备采集含有用户面部的图像或视频流，并自动在图像中检测和跟踪人脸，从而利用检测到的人脸准确识别用户身份，被防范应用到电子商务、银行、政府、安全防务等领域。

然而，在实际应用中，人脸识别技术只能对用户正向脸进行识别，且要求用户脸部靠近图像采集设备，才能识别到脸部特征信息，具有很大局限性，往往会因用户位置或姿势不到位，而无法识别到有效的脸部特征信息，导致无法识别用户身份，需要多次采集并识别，比较繁琐，降低了识别效率。

技术实现要素：

有鉴于此，本申请提供了一种信息处理方法、装置及电子设备，解决了现有的人脸识别技术中脸部识别姿态及其与图像采集设备的距离受限，无法检测远距离和脸部角度变化的用户身份，需要用户不断调整姿态及其与图像采集设备之间的距离，过程比较繁琐，导致工作效率低的技术问题。

为了解决上述技术问题，本申请提供了以下技术方案：

一种信息处理方法，所述方法包括：

获取图像信息；

利用人脸识别算法、人脸追踪算法以及行人识别算法，对所述图像信息进行同步处理，并将处理得到的数据进行关联，得到关联图像数据；

利用所述关联图像数据，确定所述图像信息中拍摄对象的身份标识，并建立所述身份标识与所述关联图像数据之间的对应关系。

优选的，所述利用人脸识别算法、人脸追踪算法以及行人识别算法，对所述图像信息进行同步处理，包括：

判断从所述图像信息中是否检测到人脸图像和行人图像；

当从所述图像信息中检测到所述人脸图像和所述行人图像，提取所述人脸图像中的面部特征信息，以及所述行人图像中的行人特征信息；

当从所述图像信息中仅检测到所述行人图像，提取所述行人图像中的行人特征信息，并利用所述行人图像，追踪上一帧图像信息，从追踪到的图像信息中检测人脸图像，并提取所述人脸图像中的面部特征信息。

优选的，所述方法还包括：

根据在线学习算法，对所述关联图像数据进行处理；

利用处理结果更新内存中与所述身份标识对应的关联图像数据。

优选的，所述利用所述关联图像数据，确定所述图像信息中拍摄对象的身份标识，包括：

利用所述人脸识别算法以及所述人脸追踪算法对所述图像信息的处理结果，判断是否确定出所述图像信息中拍摄对象的身份标识；

当未确定出所述图像信息中拍摄对象的身份标识，将利用所述行人识别算法对所述图像信息进行处理得到的数据作为目标行人数据；

利用内存存储的行人数据，获得与所述目标行人数据相匹配的身份标识，确定为所述图像信息中拍摄对象的身份标识。

优选的，所述根据在线学习算法，对所述关联图像数据进行处理包括：

确定所述关联图像数据中的行人图像，并获得所述行人图像的正相关图像以及负相关图像；

利用预设颜色空间算法对所述正相关图像以及所述负相关图像进行预处理，从预处理后的图像中提取颜色相关图特征；

计算所述颜色相关图特征与所述身份标识关联存储的颜色相关图特征的相似度；

当所述相似度大于第一阈值，利用提取的颜色相关图特征替换所述身份标识关联存储的颜色相关图特征；

当所述相似度不大于所述第一阈值，将提取的颜色相关图特征与所述身份标识关联存储。

优选的，所述方法还包括：

检测到针对电子设备的关机指令或内存清理指令，删除所述内存中存储的关联图像数据。

一种信息处理装置，所述装置包括：

图像获取模块，用于获取图像信息；

图像处理模块，用于利用人脸识别算法、人脸追踪算法以及行人识别算法，对所述图像信息进行同步处理，并将处理得到的数据进行关联，得到关联图像数据；

信息关联模块，用于利用所述关联图像数据，确定所述图像信息中拍摄对象的身份标识，并建立所述身份标识与所述关联图像数据之间的对应关系。

一种电子设备，所述电子设备包括：

图像采集器，用于获取图像信息；

处理器，用于利用人脸识别算法、人脸追踪算法以及行人识别算法，对所述图像信息进行同步处理，并将处理得到的数据进行关联，得到关联图像数据，利用所述关联图像数据，确定所述图像信息中拍摄对象的身份标识，并建立所述身份标识与所述关联图像数据之间的对应关系；

内存，用于存储所述身份标识与所述关联图像数据之间的对应关系。

优选的，所述电子设备还可以包括：

显示器，用于输出所述图像信息以及所述身份标识。

由此可见，与现有技术相比，本申请提供了一种信息处理方法、装置及电子设备，在获得图像信息后，可以利用人脸识别算法、人脸追踪算法以及行人识别算法，对该图像信息进行同步处理，并将处理得到的数据进行关联，得到关联图像数据，从而利用该关联图像数据，确定图像信息中拍摄对象的身份标识，大大提高了识别用户身份的准确性，并且，本申请将会建立该身份标识与关联图像数据之间的对应关系，丰富了该身份标识关联的用户图像信息，为今后快速可靠地验证用户身份奠定了基础。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术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申请的实施例，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，还可以根据提供的附图获得其他的附图。

图1为本申请实施例提供的一种信息处理方法的流程图；

图2为本申请实施例提供的另一种信息处理方法的流程图；

图3为本申请实施例提供的一种行人图像的示意图；

图4为本申请实施例提供的一种人脸图像的示意图；

图5为本申请实施例提供的又一种信息处理方法的流程图；

图6为本申请实施例提供的一种信息处理装置的结构框图；

图7为本申请实施例提供的另一种信息处理装置的结构框图；

图8为本申请实施例提供的又一种信息处理装置的结构框图；

图9为本申请实施例提供的又一种信息处理装置的结构框图；

图10为本申请实施例提供的又一种信息处理装置的结构框图；

图11为本申请实施例提供的一种电子设备的硬件结构图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

如今，人脸识别已经广泛应用到各个应用，给用户的生活、工作和学习等方便提供了极大便利。然而，在实际应用中，人脸识别技术存在一定的局限性，如拍摄对象的姿态、与镜头之间的距离等，都可以会影响用户身份识别效率以及准确性。

具体的，若拍摄对象的脸部没有正对镜头，此时，电子设备会因拍摄角度的原因，容易检测不到正面人脸图像，那么，也就无法识别拍摄对象的身份标识。另外，因电子设备的像素偏低，与拍摄对象的距离较远等原因，也很容易导致所得人脸图像不清晰，从而影响人脸识别准确性以及效率。

针对这种问题，现有技术中，通常是输出相应的提示信息，来提醒拍摄对象调整姿态或与镜头之间的距离，以使电子设备采集到合格的图像信息，过程比较繁琐，且适用场景也具有很大局限性。

为了改善上述情况，本申请提出了一种新的信息处理方案，具体的，在获得图像信息后，可以利用人脸识别算法、人脸追踪算法以及行人识别算法，对该图像信息进行同步处理，并将处理得到的数据进行关联，得到关联图像数据，从而利用该关联图像数据，确定图像信息中拍摄对象的身份标识。由此，本申请这种方案并不局限于人脸识别算法，能够与其他两种算法进行配合，保证能够获得合格的图像信息，大大提高了识别用户身份的准确性。

并且，本申请将会建立该身份标识与关联图像数据之间的对应关系，丰富了该身份标识关联的用户图像信息，为今后快速可靠地验证用户身份奠定了基础。

为了使本申请的上述目的、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申请作进一步详细的说明。

如图1所示，为本申请实施例提供的一种信息处理方法的流程图，该方法可以包括：

步骤s11，获取图像信息；

在实际应用中，为了获取用户行为数据，或者是验证用户身份，如考勤、交通监控等应用中，通常会利用摄像头等图像采集器，获取其拍摄范围内的图像信息，以便通过对该图像信息进行分析，得到所需数据。

由此可见，本实施例的步骤s11可以由图像采集器采集图像信息，并发送至相应的处理器进行分析处理，其中，该图像采集器和处理器可以位于同一电子设备，也可以位于不同的电子设备，即由第一电子设备的图像采集器你采集到图像信息后，通过无线或有线方式，将该图像信息发送至第二电子设备进行处理等等，本申请对获取图像信息的方式及其主体不作限定。

步骤s12，利用人脸识别算法、人脸追踪算法以及行人识别算法，对该图像信息进行同步处理；

人脸识别算法是在检测到人脸并定位面部关键特征点之后，提取人脸区域进行预处理后，提取人脸特征信息，如脸部的五官位置、脸型、角度等数据，之后，可以与预存的标准信息进行比对，判断出被检对象的真实身份。

人脸追踪算法通常是基于人脸检测技术实现的，其是指在输入图像序列中确定某个人脸的运动轨迹及大小变化的过程，可以基于肤色信息、运动信息、运动模型、局部器官特征等方法实现，本申请对其采用的具体实现方式不作限定。

由此可见，人脸追踪算法可以利用相关的启发性知识达到快速追踪的目的，通常只使用人脸的一小部分或局部器官的分布信息，在如背景简单静止视频、工作台前的人脸或头肩部人脸视频等环境中，可以取得很好的人脸追踪效果，为人脸识别提供很好的辅助作用。

其中，人脸检测是指在给定的图片中确定人脸位置及大小的过程，在实际应用中，可以通过人脸检测算法来搜索图像信息中人脸的初始位置，之后，可以结合人脸追踪算法，在追踪过程中定位人脸。

另外，行人识别算法也可以包括行人检测以及行人跟踪算法，行人检测是指将图像信息中的行人目标从背景中分割出来并精确定位；行人跟踪就是监视人体在图像信息中的空间和时间变化，包括人体的出线、位置变化、大小信息、形状等，在连续帧图像上匹配目标区域，满足实际需要。

在本实施例中，获得一帧图像后，可以分别利用上述三种算法对该图像进行同步处理，已得到三种处理结果，本申请对上述三种算法对图像的具体处理过程，本实施例在此不作详述。

步骤s13，将处理得到的数据进行关联，得到关联图像数据；

在本申请中，由于上述三种处理方式是对同一图像进行的同步处理，为了方便今后查询所需数据，可以将得到的对同一图像的三种处理结果数据进行关联，即建立三种处理结果数据之间的对应关系，本申请对该对应关系的表示方式不作限定。

步骤s14，利用该关联图像数据，确定图像信息中拍摄对象的身份标识，并建立该身份标识与关联图像数据之间的对应关系。

可选的，在实际应用中，利用人脸识别算法对图像信息进行处理，通常能够获得人脸特征数据，并由此可以准确判断拍摄对象的身份标识。当然，若拍摄对象的脸部没有正面对镜头，获得的图像信息中的脸部信息往往会不完成，相应的提取得到的人脸特征数据也将会不完整，甚至可能会提取不到脸部特征数据。

这种情况下，为了识别拍摄对象的身份标识，可以利用建立的上述关联图像数据中，三类处理数据的对应关系，如利用行为数据，追踪针对该拍摄对象的上一帧图像，从而通过对追踪到的图像进行人脸识别，确定该拍摄对象的身份标识。

需要说明的是，本申请将对获得的每一帧图像进行三种算法的同步处理后，都可以将所得三种处理结果数据进行关联存储，这样，若对当前帧图像进行人脸识别，不能准确得知其包含的拍摄对象的身份标识，利用建立的对应关系，保证追踪得到的上一帧图像是针对该拍摄对象上一时刻的图像，从而保证了对追踪图像进行身份识别的可靠性。

通常情况下，通过本实施例上述方式，所得到的上一帧图像与当前针对图像中，拍摄对象的动作是连续的，往往不会有特别大的差距，所以，在本实施例中，可以按照上述方式依次往前追踪图像，以便获得拍摄对象的身份标识。

之后，本申请可以建立该身份标识与上述获得的关联图像数据之间的对应关系，今后就可以按照用户的身份标识，直接获取与其对应的相关数据，而且，可以将该身份标识对应的关联图像数据作为后续验证用户身份的标准等，本申请对其实现过程不作限定。

综上所述，在本实施例中，在获得图像信息后，本申请将利用人脸识别算法、人脸追踪算法以及行人识别算法这三种算法，对该图像信息进行同步处理，并利用得到的包含三方便处理结果数据的关联图像数据，来确定拍摄对象的身份标识，大大提高了识别用户身份的准确性以及效率。

参照图2，为本申请实施例提供的另一种信息处理方法的流程图，该方法可以包括：

步骤s21，获取图像信息；

步骤s22，判断从该图像信息中是否检测到人脸图像和行人图像，如果是，执行步骤s24；如果仅检测到行人图像，进入步骤s23；

在本实施例中，关于对图像信息的人脸检测和行人检测过程可以同步进行，本申请对两者的实现顺序不作限定。

其中，本申请可以利用人脸检测算法对图像信息进行分析，从而根据分析结果，来判断该图像信息中是否包含人脸图像；同样，可以利用行人识别算法检测该图像信息中行人，并对其进行跟踪，本申请对人脸检测和行人检测的具体实现过程不作限定。

步骤s23，利用该行人图像，追踪上一帧图像信息，并从追踪到的图像信息中检测人脸图像；

在实际应用中，结合上述分析，可能会因拍摄对象的姿态，或者是电子设备的拍摄镜头与拍摄对象的距离，或者是电子设备的拍摄精度等问题，导致电子设备从获得的图像信息中，能够分析得到行人图像，但无法的得到相应的人脸图像，如图3所示，这种情况下，可以采用提示框的方式，确定所得到的行人图像，但并不局限于这一种提示方式。

其中，在进行行人图像检测过程中，通常会利用行人追踪技术，对检测到的行人图像进行跟踪，这样，随着拍摄对象在拍摄范围内移动，可以实时检测行人图像，并利用跟随移动的提示框直观告知当前行人的位置。

举例说明，若拍摄对象背对或侧对镜头，或者是拍摄对象仅有身体部分进入拍摄范围等情况下，电子设备获取的图像信息中并不存在人脸图像，这种情况下，可以从中获取行人图像，之后，可以按照上述追踪到与该行人图像关联的，具有用户人脸图像的图像信息。若按照上述追踪方式，仍无法得到拍摄对象的人脸图像，可以直接进入下面步骤s26。

步骤s24，提取该人脸图像中的面部特征信息，以及行人图像中的行人特征信息；

结合图3和图4，检测到人脸图像后，也可以采用提示框的方式，确定该人脸图像的位置，即使人脸图像呈现在该提示框中，其他图像位于该提示框之外，本申请对该提示框的输出方式不作限定。

步骤s25，判断是否确定出与该面部特征信息匹配的身份标识，如果是，执行步骤s27，如果否，进入步骤s26；

本实施例中，可以通过将提取得到的面部特征信息与预存的各身份标识对应的标准面部特征进行对比，以便根据比对结果，来确定具有该面部特征的用户的身份标识，但不局限于这一种实现方式。

步骤s26，判断是否确定出与该行人特征信息匹配的身份标识，如果是，进入步骤s27，如果否，执行步骤s29；

其中，关于行人特征信息匹配的身份标识的确定，也可以通过将其与预存的各行人特征信息进行比对确定，但并不局限于这一种实现方式。

在实际应用中，为了提高用户身份识别效率以及可靠性，在某些固定的场所，如企业或工厂等场所，可以预设采集员工的人脸图像以及各部分各角度的身体图像等，不作今后验证其身份的标准数据。

可选的，在本申请中，若利用人脸识别算法和人脸追踪算法对图像信息的处理结果，无法判断出该图像信息中拍摄对象的身份标识，可以利用行人识别算法对该图像信息进行处理，并将得到的数据作为目标行人数据，之后，利用预存的具有身份标识的行人数据，获得与该目标行人数据相匹配的身份标识，即为拍摄对象的身份标识。

步骤s27，将得到的身份标识与人脸图像以及行人图像进行关联；

参照图3和4，确定拍摄对象的身份标识后，可以将其确定的人脸图像和行人图像进行关联，此时，可以直接将该身份标识的用户数据呈现在相应的人脸图像和行人图像旁边，以便用户观看该图像的相关信息。

其中，拍摄对象的身份标识可以包括用户的id、名称等内容，申请对此不作限定，需要说明的是，用户id通常是唯一的，可以通过用户id区分个用户。

另外，关于识别出的身份标识的输出方式及内容，并不局限于图3和4示出的方式，可以根据实际需要进行设定，本申请在此不再详述。

步骤s28，根据在线学习算法，利用得到的身份标识以及与其关联的人脸图像和行人图像，更新预存的与该身份标识对应的关联图像数据；

在实际应用中，由于根据本次得到的图像信息的人脸图像以及行人图像，往往会与之前得到的同一身份标识的人脸图像和行人图像重复，所以，本申请可以将重复数据删除，或者在确定之前的某图像包含本次得到的图像内容，可以将本次得到的图像删除等，从而减少冗余数据，提高查询效率。

可选的，若经过对比，确定本次得到的图像是新的图像，即之前并不存在与该身份标识对应的该图像，将该图像补充到该身份标识对应的关联图像数据中。总之，本申请可以通过在线学习的方式，使各身份标识对应的关联图像数据包含的具有该身份标识用户的内容更加全面完整，本申请该在线学习的具体实现过程不作限定。

需要说明的是，上述与身份标识对应存储的关联图像数据，通常是存储在电子设备的缓存中，若重启电子设备，其存储的这些关联图像数据通常会被清除，之后，可以按照上述方式重新存储各用户的关联图像数据。

步骤s29，利用预存的具有身份标识的行人图像信息，获得该行人特征信息匹配的身份标识，并将其作为图像信息中拍摄对象的身份标识。

综上所述，本申请利用人脸识别、人脸追踪以及行人识别这三种算法，对获得的图像信息进行处理，并利用得到的这三方面的处理数据，综合判断图像信息中拍摄对象的身份标识，克服了现有技术中，仅通过人脸识别算法获得拍摄对象的身份标识方案中，容易受拍摄对象脸部姿态、拍摄对象与镜头距离以及电子设备精度等因素影响，导致无法准确获得拍摄对象的身份标识的缺陷，大大提高了身份识别效率以及准确性。

而且，本实施例在确定拍摄对象的身份标识后，还可以利用在线学习算法，对存储的与该身份标识对应的关联图像数据更新，为后续采集到的图像信息无法识别出身份标识的情况下，直接利用存储的行人数据对提取的行人特征数据进行匹配，得到图像信息中拍摄对象的身份标识，从而进一步提高了用户身份识别的可靠性。

参照图5，为本申请实施例提供的又一种信息处理方法的流程图，该方法主要对在线学习的实现过程进行说明，关于本实施例中实现该信息处理方案的其他步骤，可以参照上述实施例相应部分的描述，本实施例在此不再赘述，则该方法可以包括：

步骤s51，确定关联图像数据中的行人图像，并获得该行人图像的正相关图像以及负相关图像；

可选的，行人图像的正相关图像可以是指包含行人特征信息的图像，如图3的提示框内的图像；负相关图像可以是与该正相关图像相邻，不包含行人特征信息的图像，如图3中紧邻提示框的背景图像，但并不局限于此。

步骤s52，利用预设颜色空间算法对正相关图像以及负相关图像进行预处理，从预处理后的图像中提取颜色相关图特征；

其中，预设颜色空间算法可以包括hsv(hue,saturation,value)算法，但并不局限于此。在hsv算法中，颜色参数h表示色调，s表示饱和度，v表示明亮程度。本实施例可以提取图像信息中的v参数，并进行直方图归一化处理，以便提取自动颜色相关图特征。

其中，图像的预处理可以包括：图像前景分割处理，以便提取前景图像，得到正相关图像，当然还可以包括其他常规图像预处理操作，本实施例在此不再一一详述。

颜色相关图是图像颜色分布的一种表达方式，其刻画出了某一种颜色的像素数量占整个图像的比例，还反映了不同颜色对之间的空间相关性，以便更快速地检索所需图像。而颜色自动相关图则是颜色相关图的一种简化的变种，其可以用来观察具有相同颜色的像素间的空间关系。本申请对如何获得颜色相关图的方式不作限定。

步骤s53，计算该颜色相关图特征与身份标识关联存储的颜色相关图特征的相似度；

本实施例可以利用相似度算法如knn算法，但并不局限于此，来计算针对采集到的图像信息的颜色相关图特征，与已存储的同一身份标识的颜色相关图特征之间的相似度，具体实现过程本申请不作详述。

步骤s54，判断该相似度是否大于第一阈值，如果是，进入步骤s55；如果否，执行步骤s56，

其中，第一阈值可以表示判断两个颜色相关图特征对应同一身份标识的临界值，本申请对其具体数值不作限定。

步骤s55，利用提取的颜色相关图特征替换身份标识关联存储的颜色相关图特征；

步骤s56，将提取的颜色相关图特征与身份标识关联存储。

在本实施例中，通过上述比较判断，确定对应本次采集到的图像信息的颜色相关图特征并不存在，可以将其与该图像信息的拍摄对象的身份标识关联存储，作为后续判断其他图像信息的颜色相关图特征的标准。

可选的，对于通过在线学习方式得到的各身份标识对应的关联图像数据，通常并不是永久存储的，当检测到针对电子设备的关机指令或内存清理指令时，可以删除内存中存储的这些关联图像数据。

综上，本申请采用在线学习的方式，实现了对预存的各关联图像数据的更新，保证其与当前用户的特征最匹配，从而提高了据此判断行人特征信息的身份标识的准确性。

参照图6，为本申请实施例提供的一种信息处理装置的结构框图，该装置可以包括：

图像获取模块61，用于获取图像信息；

图像处理模块62，用于利用人脸识别算法、人脸追踪算法以及行人识别算法，对所述图像信息进行同步处理，并将处理得到的数据进行关联，得到关联图像数据；

可选的，如图7所示，该图像处理模块62可以包括：

第一判断单元621，用于判断从所述图像信息中是否检测到人脸图像和行人图像；

第一提取单元622，用于当从所述图像信息中检测到所述人脸图像和所述行人图像，提取所述人脸图像中的面部特征信息，以及所述行人图像中的行人特征信息；

第二提取单元623，用于当从所述图像信息中仅检测到所述行人图像，提取所述行人图像中的行人特征信息；

追踪单元624，用于利用所述行人图像，追踪上一帧图像信息；

第三提取单元625，用于从追踪到的图像信息中检测人脸图像，并提取所述人脸图像中的面部特征信息。

信息关联模块63，用于利用所述关联图像数据，确定所述图像信息中拍摄对象的身份标识，并建立所述身份标识与所述关联图像数据之间的对应关系。

可选的，如图8所示，该信息关联模块63可以包括：

第二判断单元631，用于利用所述人脸识别算法以及所述人脸追踪算法对所述图像信息的处理结果，判断是否确定出所述图像信息中拍摄对象的身份标识；

第一确定单元632，用于当未确定出所述图像信息中拍摄对象的身份标识，将利用所述行人识别算法对所述图像信息进行处理得到的数据作为目标行人数据；

第二确定单元633，用于利用内存存储的行人数据，获得与所述目标行人数据相匹配的身份标识，确定为所述图像信息中拍摄对象的身份标识。

作为本申请另一实施例，如图9所示，该装置还可以包括：

在线学习模块64，用于根据在线学习算法，对所述关联图像数据进行处理；

更新模块65，用于利用处理结果更新内存中与所述身份标识对应的关联图像数据。

具体的，如图10所示，该在线学习模块可以包括：

第三确定单元641，用于确定所述关联图像数据中的行人图像，并获得所述行人图像的正相关图像以及负相关图像；

预处理单元642，用于利用预设颜色空间算法对所述正相关图像以及所述负相关图像进行预处理，从预处理后的图像中提取颜色相关图特征；

计算单元643，用于计算所述颜色相关图特征与所述身份标识关联存储的颜色相关图特征的相似度；

替换单元644，用于当所述相似度大于第一阈值，利用提取的颜色相关图特征替换所述身份标识关联存储的颜色相关图特征；

存储单元645，用于当所述相似度不大于所述第一阈值，将提取的颜色相关图特征与所述身份标识关联存储。

综上所述，本实施例在获得图像信息后，将利用人脸识别算法、人脸追踪算法以及行人识别算法，对该图像信息进行同步处理，并将处理得到的数据进行关联，得到关联图像数据，从而利用该关联图像数据，确定图像信息中拍摄对象的身份标识，大大提高了识别用户身份的准确性，并且，本申请将会建立该身份标识与关联图像数据之间的对应关系，丰富了该身份标识关联的用户图像信息，为今后快速可靠地验证用户身份奠定了基础。

下面将从硬件电路的结构，对实现上述信息处理方案的电子设备进行说明：

如图11所示，为本申请实施例提供的一种电子设备的硬件结构图，该电子设备可以包括：

图像采集器111，用于获取图像信息；

处理器112，用于利用人脸识别算法、人脸追踪算法以及行人识别算法，对所述图像信息进行同步处理，并将处理得到的数据进行关联，得到关联图像数据，利用所述关联图像数据，确定所述图像信息中拍摄对象的身份标识，并建立所述身份标识与所述关联图像数据之间的对应关系；

其中，关于处理器112实现上述功能的具体过程可以参照上述方法实施例的描述，本实施例在此不再赘述。

内存113，用于存储所述身份标识与所述关联图像数据之间的对应关系。

可选的，该电子设备还可以包括：显示器114、通信接口115以及通信总线116等等，本申请在此不再一一列举。

在实际应用中，参照图3和图4，可以通过显示器来呈现得到的图像信息，以及身份标识等数据，具体可以根据实际需要确定。

由此可见，本申请提供的电子设备克服了人脸识别姿态受限的问题，且即便用户脸部角度变化较大，也可以得到对应的身份标识；而且，由于本申请结合了行人识别算法，不受距离的限制，近距离时可以通过人脸识别得到拍摄对象的身份标识，远距离时可以结合人脸跟踪算法，得到相应的身份标识，若无法检测到人脸，还可以通过行人识别算法得到更远距离的拍摄对象的身份标识，大大提高了用户身份识别的可靠性。

最后，需要说明的是，关于上述各实施例中，诸如第一、第二等之类的关系术语仅仅用来将一个操作、单元或模块与另一个操作、单元或模块区分开来，而不一定要求或者暗示这些单元、操作或模块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、方法或者系统不仅包括那些要素，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、方法或者系统所固有的要素。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、方法或者系统中还存在另外的相同要素。

本说明书中各个实施例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部分互相参见即可。对于实施例公开的装置和电子设备而言，由于其与实施例公开的方法对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。