本申请实施例涉及计算机技术领域，具体涉及用于输出信息的方法和装置。
背景技术：
人脸识别技术是生物特征鉴别技术的一个重要方向，与其他生物特征相比，人脸识别具有主动性、非侵犯性和用户友好等许多优点，多年来一直受到许多研究者的关注。由于人脸的特征信息很难伪造，因此，人脸识别技术可以被广泛应用于门禁系统、医学、档案管理、视频会议、公安系统等方面。
以现有的基于人脸识别的门禁系统为例，一般是先将能够通过该门禁系统的所有人的人脸特征信息存到数据库中，当某人需要通过门禁时，前端的摄像头进行拍照采集来访者的人脸特征信息，同时将来访者的人脸特征信息与数据库中的信息进行比对识别并记录。如果匹配成功，计算机会对门禁系统的硬件部分发出可以开门的指令，否则，将会拒绝开启门禁系统。
技术实现要素：
本申请实施例提出了用于输出信息的方法和装置。
第一方面，本申请实施例提供了一种用于输出信息的方法，该方法包括：获取包括目标人员的人脸图像的待识别图像；提取待识别图像中的人脸图像的人脸特征信息；将人脸特征信息与预设的第一人脸特征信息集合中的第一人脸特征信息进行匹配，确定人脸特征信息是否符合预设条件；响应于确定不符合，向服务端发送人脸特征信息；响应于接收到服务端发送的目标人员的第一身份信息，输出第一身份信息，其中，第一身份信息是服务端基于人脸特征信息与预设的第二人脸特征信息集合中的第二人脸特征信息的匹配而生成的信息。
在一些实施例中，在响应于确定不符合，向服务端发送人脸特征信息之后，方法还包括：响应于接收到服务端发送的身份识别失败信息，将待识别图像输入预先训练的身体图像识别模型，得到目标人员的身体特征信息，其中，身体图像识别模型用于表征身体图像与身体特征信息的对应关系；将身体特征信息发送至服务端；响应于接收到服务端发送的目标人员的第二身份信息，基于第二身份信息，生成第一提示信息，其中，第二身份信息是服务端基于身体特征信息与预设的身体特征信息集合中的身体特征信息的匹配而生成的信息。
在一些实施例中，第二身份信息包括关键词；以及基于第二身份信息，生成第一提示信息，包括：获取目标人员的语音信息；对语音信息进行识别，得到文本信息，以及从文本信息中提取至少一个关键词；响应于确定至少一个关键词中存在与第二身份信息包括的关键词相同的关键词，生成第一提示信息。
在一些实施例中，在响应于确定至少一个关键词中存在与第二身份信息包括的关键词相同的关键词，生成第一提示信息之后，方法还包括：响应于确定至少一个关键词中不存在与第二身份信息包括的关键词相同的关键词，输出预设的警告信息。
在一些实施例中，身体图像识别模型通过如下步骤训练得到：获取多个样本身体图像和多个样本身体图像中的每个样本身体图像的样本身体特征信息；利用机器学习方法，将多个样本身体图像中的每个样本身体图像作为输入，将多个样本身体图像中的每个样本身体图像所对应的样本身体特征信息作为输出，训练得到身体图像识别模型。
第二方面，本申请实施例提供了一种用于输出信息的装置，该装置包括：获取单元，配置用于获取包括目标人员的人脸图像的待识别图像；提取单元，配置用于提取待识别图像中的人脸图像的人脸特征信息；匹配单元，配置用于将人脸特征信息与预设的第一人脸特征信息集合中的第一人脸特征信息进行匹配，确定人脸特征信息是否符合预设条件；第一发送单元，配置用于响应于确定不符合，向服务端发送人脸特征信息；输出单元，配置用于响应于接收到服务端发送的目标人员的第一身份信息，输出第一身份信息，其中，第一身份信息是服务端基于人脸特征信息与预设的第二人脸特征信息集合中的第二人脸特征信息的匹配而生成的信息。
在一些实施例中，该装置还包括：识别单元，配置用于响应于接收到服务端发送的身份识别失败信息，将待识别图像输入预先训练的身体图像识别模型，得到目标人员的身体特征信息，其中，身体图像识别模型用于表征身体图像与身体特征信息的对应关系；第二发送单元，配置用于将身体特征信息发送至服务端；生成单元，配置用于响应于接收到服务端发送的目标人员的第二身份信息，基于第二身份信息，生成第一提示信息，其中，第二身份信息是服务端基于身体特征信息与预设的身体特征信息集合中的身体特征信息的匹配而生成的信息。
在一些实施例中，第二身份信息包括关键词；以及生成单元包括：获取模块，配置用于获取目标人员的语音信息；识别模块，配置用于对语音信息进行识别，得到文本信息，以及从文本信息中提取至少一个关键词；生成模块，配置用于响应于确定至少一个关键词中存在与第二身份信息包括的关键词相同的关键词，生成第一提示信息。
在一些实施例中，生成单元进一步配置用于：响应于确定至少一个关键词中不存在与第二身份信息包括的关键词相同的关键词，输出预设的警告信息。
在一些实施例中，身体图像识别模型通过如下步骤训练得到：获取多个样本身体图像和多个样本身体图像中的每个样本身体图像的样本身体特征信息；利用机器学习方法，将多个样本身体图像中的每个样本身体图像作为输入，将多个样本身体图像中的每个样本身体图像所对应的样本身体特征信息作为输出，训练得到身体图像识别模型。
第三方面，本申请实施例提供了一种终端设备，该终端设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；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如第一方面中任一实现方式描述的方法。
第四方面，本申请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，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本申请实施例提供的用于输出信息的方法和装置，通过首先从获取的待识别图像中提取人脸特征信息，然后将提取的人脸特征信息与预设的第一人脸特征信息集合中的第一人脸特征信息进行匹配，当匹配失败时，向服务端发送人脸特征信息，最后响应于接收到所述服务端发送的所述目标人员的第一身份信息，输出所述第一身份信息，从而提高了图像识别的灵活性，以及提高了对人员的身份进行验证的准确性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本申请可以应用于其中的示例性系统架构图；
图2是根据本申请的用于输出信息的方法的一个实施例的流程图；
图3是根据本申请的用于输出信息的方法的一个应用场景的示意图；
图4是根据本申请的用于输出信息的方法的又一个实施例的流程图；
图5是根据本申请的用于输出信息的装置的一个实施例的结构示意图；
图6是适于用来实现本申请实施例的终端设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。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。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请实施例的用于输出信息的方法或用于输出信息的装置的示例性系统架构100。
如图1所示，系统架构100可以包括摄像头101，终端设备102、103、104，网络105和服务器106。摄像头101和终端设备102、103、104通信连接，摄像头101用以拍摄图像以及将图像发送至终端设备102、103、104。网络105用以在终端设备102、103、104和服务器106之间提供通信链路的介质。网络105可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备102、103、104通过网络105与服务器106交互，以接收或发送消息等。终端设备102、103、104上可以安装有各种应用，例如图像处理类应用等。
终端设备102、103、104可以是硬件，也可以是软件。当终端设备102、103、104为硬件时，可以是具有图像拍摄功能的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。当终端设备102、103、104为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。
服务器106可以是提供各种服务的服务器，例如对终端设备102、103、104发送的图像进行处理的后台图像处理服务器。后台图像处理服务器可以对接收到的图像进行处理，并将处理结果(例如目标人员的第一身份信息)反馈给终端设备。
需要说明的是，本申请实施例所提供的用于输出信息的方法一般由终端设备102、103、104执行，相应地，用于输出信息的装置一般设置于终端设备102、103、104中。
需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，示出了根据本申请的用于输出信息的方法的一个实施例的流程200。该用于输出信息的方法，包括以下步骤：
步骤201，获取包括目标人员的人脸图像的待识别图像。
在本实施例中，用于输出信息的方法的执行主体(例如图1所示的终端设备)可以通过有线连接方式或者无线连接方式从远程或从本地获取包括目标人员的人脸图像的待识别图像。其中，待识别图像可以是在指定位置(如某场地的入口处)安装的摄像头(如图1所示的摄像头)对目标人员进行拍摄得到的图像。目标人员可以是在上述摄像头的拍摄范围内的人员。
步骤202，提取待识别图像中的人脸图像的人脸特征信息。
在本实施例中，基于步骤201中获取的待识别图像，上述执行主体可以从待识别图像包括的人脸图像中提取人脸图像的人脸特征信息。其中，上述执行主体可以采用多种特征提取方法来提取人脸图像的人脸特征信息。例如可以采用基于高斯滤波器的方法提取人脸的轮廓特征，或采用诸如SIFT(Scale-invariant feature transform，尺度不变特征变换)等特征提取算法提取特征点。还可以采用基于机器学习方法训练得到的人脸特征提取模型进行特征信息提取。提取出的特征信息可以以特征向量、二值化特征值的集合等形式表示。
步骤203，将人脸特征信息与预设的第一人脸特征信息集合中的第一人脸特征信息进行匹配，确定人脸特征信息是否符合预设条件。
在本实施例中，基于步骤202提取的人脸特征信息，上述执行主体可以将人脸特征信息与预设的第一人脸特征信息集合中的第一人脸特征信息进行匹配，确定人脸特征信息是否符合预设条件。其中，第一人脸特征信息可以是预先存储在上述执行主体中的特定人员(例如某家庭的家庭成员、某单位的员工等)的人脸图像的人脸特征信息。上述预设条件可以是提取的人脸特征信息与第一人脸特征信息集合中的第一人脸特征信息相同或相似度大于预设的相似度阈值。具体地，上述执行主体可以利用现有的相似度计算方法(例如计算余弦相似度的方法、计算皮尔森相关系数的方法等)计算人脸特征信息之间的相似度。
步骤204，响应于确定不符合，向服务端发送人脸特征信息。
在本实施例中，上述执行主体可以响应于确定人脸特征信息不符合预设条件，向服务端(如图1所示的服务器)发送人脸特征信息。
步骤205，响应于接收到服务端发送的目标人员的第一身份信息，输出第一身份信息。
在本实施中，上述执行主体可以响应于接收到服务端发送的目标人员的第一身份信息，输出第一身份信息。其中，第一身份信息可以是服务端基于人脸特征信息与预设的第二人脸特征信息集合中的第二人脸特征信息的匹配而生成的信息。上述第一身份信息可以是用于表征上述目标人员的第一身份(例如姓名、身份证号)的信息。具体地，第一身份信息可以包括但不限于以下至少一种：目标人员的姓名、身份证号、照片等。
作为示例，在上述执行主体将所提取的人脸特征信息发送至上述服务端后，服务端可以将接收到的人脸特征信息与第二人脸特征信息集合中的第二人脸特征信息进行匹配。若匹配成功(例如计算接收到的人脸特征信息与第二人脸特征信息之间的相似度，若相似度大于等于预设的相似度阈值)，则生成目标人员的第一身份信息并将第一身份信息发送至上述执行主体。
上述执行主体可以进一步将上述第一身份信息以各种方式(包括但不限于文字、图片、声音、灯光等)输出。
继续参见图3，图3是根据本实施例的用于输出信息的方法的应用场景的一个示意图。在图3的应用场景中，终端设备301与摄像头302通信连接，摄像头302安装在某居民楼的门口。当目标人员出现在摄像头302的拍摄范围内时，终端设备301首先获取到摄像头302拍摄的、包含目标人员的人脸图像3031的待识别图像303。然后，终端设备301提取人脸图像3031的人脸特征信息304。接着，终端设备301将人脸特征信息304与预设的第一人脸特征信息集合305(例如终端设备301的使用者的各个家庭成员)中的第一人脸特征信息进行匹配。当终端设备301确定所提取的人脸特征信息304与第一人脸特征信息集合305中的第一人脸特征信息均不同时，向服务端307发送人脸特征信息304。随后，服务端307基于接收的人脸特征信息304与预设的第二人脸特征信息集合中的第二人脸特征信息进行匹配，当服务端307确定第二人脸特征信息集合中存在与所接收的人脸特征信息304相同的第二人脸特征信息时，向终端设备301发送目标人员的第一身份信息306(例如“张三，身份证号xxxxxxxx”)。最后，终端设备301将第一身份信息306输出至显示器308显示。
本申请的上述实施例提供的方法，通过首先从获取的待识别图像中提取人脸特征信息，然后将提取的人脸特征信息与预设的第一人脸特征信息集合中的第一人脸特征信息进行匹配，当匹配失败时，向服务端发送人脸特征信息，最后响应于接收到服务端发送的目标人员的第一身份信息，输出第一身份信息，从而提高了图像识别的灵活性，以及提高了对人员的身份进行验证的准确性。
进一步参考图4，其示出了用于输出信息的方法的又一个实施例的流程400。该用于输出信息的方法的流程400，包括以下步骤：
步骤401，获取包括目标人员的人脸图像的待识别图像。
在本实施例中，步骤401与图2对应实施例中的步骤201基本一致，这里不再赘述。
步骤402，提取待识别图像中的人脸图像的人脸特征信息。
在本实施例中，步骤402与图2对应实施例中的步骤204基本一致，这里不再赘述。
步骤403，将人脸特征信息与预设的第一人脸特征信息集合中的第一人脸特征信息进行匹配，确定人脸特征信息是否符合预设条件。
在本实施例中，步骤403与图2对应实施例中的步骤203基本一致，这里不再赘述。。
步骤404，响应于确定不符合，向服务端发送人脸特征信息。
在本实施例中，步骤404与图2对应实施例中的步骤204基本一致，这里不再赘述。
步骤405，响应于接收到服务端发送的目标人员的第一身份信息，输出第一身份信息。
在本实施例中，步骤405与图2对应实施例中的步骤205基本一致，这里不再赘述。
步骤406，响应于接收到服务端发送的身份识别失败信息，将待识别图像输入预先训练的身体图像识别模型，得到目标人员的身体特征信息。
在本实施例中，用于输出信息的方法的执行主体可以响应于接收到服务端发送的身份识别失败信息，将待识别图像输入预先训练的身体图像识别模型，得到目标人员的身体特征信息。其中，身体图像识别模型用于表征身体图像与身体特征信息的对应关系。上述身体图像识别模型可以识别出身体图像的图像特征(例如颜色特征、形状特征、纹理特征等)，进而通过对图像特征的分析(例如分类)，得到身体特征信息。上述身体特征信息可以用于表征目标人员的身体特征(例如服装款式、服装颜色、身材等特征)。
上述身体图像识别模型可以是技术人员基于对大量的身体图像和身体特征信息的统计而预先制定的、存储有多个身体图像与身体特征信息的对应关系的对应关系表，也可以是基于现有的人工神经网络(例如卷积神经网络)进行有监督地训练而得到的身体图像识别模型。
在本实施例的一些可选的实现方式中，上述执行主体或其他电子设备可以通过如下步骤训练得到上述身体图像识别模型：
首先，获取多个样本身体图像和多个样本身体图像中的每个样本身体图像的样本身体特征信息。然后，利用机器学习方法，将多个样本身体图像中的每个样本身体图像作为输入，将多个样本身体图像中的每个样本身体图像所对应的样本身体特征信息作为输出，训练得到身体图像识别模型。
上述身体图像识别模型可以是对初始化的深度学习模型进行训练得到的模型。初始化的深度学习模型可以是未经训练的深度学习模型或未训练完成的深度学习模型。初始化的深度学习模型的各层可以设置有初始参数，参数在深度学习模型的训练过程中可以被不断地调整。初始化的深度学习模型可以是各种类型的未经训练或未训练完成的人工神经网络或者对多种未经训练或未训练完成的人工神经网络进行组合所得到的模型。例如，初始化的深度学习模型可以是未经训练的卷积神经网络，也可以是未经训练的循环神经网络，还可以是对未经训练的卷积神经网络、未经训练的循环神经网络和未经训练的全连接层进行组合所得到的模型。这样，身体图像可以被输入至图像识别模型的输入侧，然后依次经过图像识别模型中的各层的处理，从图像识别模型的输出侧输出身体特征信息。
步骤407，将身体特征信息发送至服务端。
在本实施例中，基于步骤406得到的身体特征信息，上述执行主体可以将身体特征信息发送至服务端。
步骤408，响应于接收到服务端发送的目标人员的第二身份信息，基于第二身份信息，生成第一提示信息。
在本实施例中，上述执行主体可以响应于接收到服务端发送的目标人员的第二身份信息，基于第二身份信息，生成第一提示信息。其中，上述第二身份信息是服务端基于身体特征信息与预设的身体特征信息集合中的身体特征信息的匹配而生成的信息。
上述第二身份信息可以是用于表征上述目标人员的第二身份的信息，包括但不限于以下至少一种：目标人员的工作性质、目标人员的工作单位、目标人员的工作编号等信息。上述提示信息可以以各种预设的方式(例如文字、图像等方式)输出，以提醒使用上述执行主体的用户注意。可选地，上述执行主体可以将接收到的第二身份信息确定为第一提示信息。
作为示例，假设目标人员为某单位员工，目标人员的身体图像包括目标人员的工作牌的图像，且工作牌上显示有该目标人员的工作编号。上述身体图像识别模型可以识别身体图像上的工作牌，输出的身体特征信息可以包括识别出的工作牌上的工作编号。在上述执行主体将所提取的身体特征信息发送至上述服务端后，服务端可以将接收到的身体特征信息与预设的身体特征信息集合(例如目标人员所在的工作单位的各个员工)中的身体特征信息进行匹配，若匹配成功(例如计算接收到的身体特征信息与第二身体特征信息之间的相似度，若相似度大于等于预设的相似度阈值，则确定匹配成功)，则生成第二身份信息并将第二身份信息发送至上述执行主体。
在本实施例的一些可选的实现方式中，第二身份信息可以包括关键词。上述执行主体可以按照如下步骤生成第一提示信息：
首先，获取目标人员的语音信息。上述执行主体可以从远程或从本地获取目标人员的语音信息。上述语音信息可以是由预先设置的语音采集设备采集的目标人员的语音信息。例如，如图1所示的摄像头上可以安装有语音采集设备，上述摄像头可以在对目标人员拍摄图像的时候，采集目标人员的语音信息。
然后，对语音信息进行识别，得到文本信息，以及从文本信息中提取至少一个关键词。需要说明的是，语音识别是目前广泛研究和应用的公知技术，在此不再赘述。
最后，响应于确定至少一个关键词中存在与第二身份信息包括的关键词相同的关键词，生成第一提示信息。作为示例，假设上述至少一个关键词包括“xx快递公司、员工编号xxxx”，上述第二身份信息包括关键词“xx快递公司”，则上述执行主体生成第一提示信息(例如“请注意，来访人员可能为xx快递公司员工”)。
在本实施例的一些可选的实现方式中，上述执行主体可以响应于确定上述至少一个关键词中不存在与第二身份信息包括的关键词相同的关键词，输出预设的警告信息。其中，警告信息可以包括但不限于以下至少一种：文字信息、图像信息、声音信息等。例如，警告信息可以为文字信息“请注意，来访人员为陌生人”。
从图4中可以看出，与图2对应的实施例相比，本实施例中的用于输出信息的方法的流程400突出了识别身体图像以得到身体特征的步骤。由此，本实施例描述的方案可以使对人员进行身份验证过程更加全面，进一步提高了对人员的身份进行验证的准确性。
进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种用于输出信息的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例的用于输出信息的装置500包括：获取单元501，配置用于获取包括目标人员的人脸图像的待识别图像；提取单元502，配置用于提取人脸图像的人脸特征信息；匹配单元503，配置用于将人脸特征信息与预设的第一人脸特征信息集合中的第一人脸特征信息进行匹配，确定人脸特征信息是否符合预设条件；第一发送单元504，配置用于响应于确定不符合，向服务端发送人脸特征信息；输出单元505，配置用于响应于接收到服务端发送的目标人员的第一身份信息，输出第一身份信息，其中，第一身份信息是服务端基于人脸特征信息与预设的第二人脸特征信息集合中的第二人脸特征信息的匹配而生成的信息。
在本实施例中，获取单元501可以通过有线连接方式或者无线连接方式从远程或从本地获取包括目标人员的人脸图像的待识别图像。其中，待识别图像可以是在指定位置(如某场地的入口处)安装的摄像头(如图1所示的摄像头)对目标人员进行拍摄得到的图像。目标人员可以是在上述摄像头的拍摄范围内的人员。
在本实施例中，基于获取单元501获取的待识别图像，上述提取单元502可以从待识别图像包括的人脸图像中提取人脸图像的人脸特征信息。其中，上述提取单元502可以采用多种特征提取方法来提取人脸图像的人脸特征信息。例如可以采用基于高斯滤波器的方法提取人脸的轮廓特征，或采用诸如SIFT(Scale-invariant feature transform，尺度不变特征变换)等特征提取算法提取特征点。还可以采用基于机器学习方法训练得到的人脸特征提取模型进行特征信息提取。提取出的特征信息可以以特征向量、二值化特征值的集合等形式表示。
在本实施例中，基于提取单元502提取的人脸特征信息，上述匹配单元503可以将人脸特征信息与预设的第一人脸特征信息集合中的第一人脸特征信息进行匹配，确定人脸特征信息是否符合预设条件。其中，第一人脸特征信息可以是预先存储在上述装置中的特定人员(例如某家庭的家庭成员、某单位的员工等)的人脸图像的人脸特征信息。上述预设条件可以是提取的人脸特征信息与第一人脸特征信息集合中的第一人脸特征信息相同或相似度大于预设的相似度阈值。
在本实施例中，第一发送单元504可以响应于确定人脸特征信息不符合预设条件，向服务端(如图1所示的服务器)发送人脸特征信息。
在本实施例中，输出单元505可以响应于接收到服务端发送的目标人员的第一身份信息，输出第一身份信息。其中，第一身份信息可以是服务端基于人脸特征信息与预设的第二人脸特征信息集合中的第二人脸特征信息的匹配而生成的信息。上述第一身份信息可以是用于表征上述目标人员的第一身份的信息。具体地，第一身份信息可以包括但不限于以下至少一种：目标人员的姓名、身份证号、照片等
在本实施例的一些可选的实现方式中，该装置还包括：识别单元(图中未示出)，配置用于响应于接收到服务端发送的身份识别失败信息，将待识别图像输入预先训练的身体图像识别模型，得到目标人员的身体特征信息，其中，身体图像识别模型用于表征身体图像与身体特征信息的对应关系；第二发送单元(图中未示出)，配置用于将身体特征信息发送至服务端；生成单元(图中未示出)，配置用于响应于接收到服务端发送的目标人员的第二身份信息，基于第二身份信息，生成第一提示信息，其中，第二身份信息是服务端基于身体特征信息与预设的身体特征信息集合中的身体特征信息的匹配而生成的信息。
在本实施例的一些可选的实现方式中，第二身份信息包括关键词；以及生成单元包括：获取模块(图中未示出)，配置用于获取目标人员的语音信息；识别模块(图中未示出)，配置用于对语音信息进行识别，得到文本信息，以及从文本信息中提取至少一个关键词；生成模块(图中未示出)，配置用于响应于确定至少一个关键词中存在与第二身份信息包括的关键词相同的关键词，生成第一提示信息。
在本实施例的一些可选的实现方式中，生成单元进一步配置用于：响应于确定至少一个关键词中不存在与第二身份信息包括的关键词相同的关键词，输出预设的警告信息。
在本实施例的一些可选的实现方式中，身体图像识别模型通过如下步骤训练得到：获取多个样本身体图像和多个样本身体图像中的每个样本身体图像的样本身体特征信息；利用机器学习方法，将多个样本身体图像中的每个样本身体图像作为输入，将多个样本身体图像中的每个样本身体图像所对应的样本身体特征信息作为输出，训练得到身体图像识别模型。
本申请的上述实施例提供的装置，通过提取单元502首先从获取单元501获取的待识别图像中提取人脸特征信息，然后匹配单元503将提取的人脸特征信息与预设的第一人脸特征信息集合中的第一人脸特征信息进行匹配，当匹配失败时，第一发送单元504向服务端发送人脸特征信息，最后响应于接收到服务端发送的目标人员的第一身份信息，输出单元505输出第一身份信息，从而提高了图像识别的灵活性，以及提高了对人员的身份进行验证的准确性。
下面参考图6，其示出了适于用来实现本申请实施例的终端设备的计算机系统600的结构示意图。图6示出的终端设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地，根据本公开的实施例，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。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述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介质或者是上述两者的任意组合。计算机可读介质例如可以是——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。在本申请中，计算机可读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。而在本申请中，计算机可读的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。计算机可读的信号介质还可以是计算机可读介质以外的任何计算机可读介质，该计算机可读介质可以发送、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：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
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申请的操作的计算机程序代码，所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)。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、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。
描述于本申请实施例中所涉及到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：一种处理器包括获取单元、提取单元、匹配单元、第一发送单元和输出单元。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，获取单元还可以被描述为“获取包括目标人员的人脸图像的待识别图像的单元”。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的终端设备中所包含的；也可以是单独存在，而未装配入该终端设备中。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终端设备执行时，使得该终端设备：获取包括目标人员的人脸图像的待识别图像；提取人脸图像的人脸特征信息；将人脸特征信息与预设的第一人脸特征信息集合中的第一人脸特征信息进行匹配，确定人脸特征信息是否符合预设条件；响应于确定不符合，向服务端发送人脸特征信息；响应于接收到服务端发送的目标人员的第一身份信息，输出第一身份信息。
以上描述仅为本申请的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，本申请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。例如上述特征与本申请中公开的(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。