一种人脸识别方法和装置与流程

本申请涉及人脸识别技术领域，尤其涉及一种人脸识别方法和装置。

背景技术：

随着人脸识别技术的发展，以人脸识别作为身份认证的应用场景越来越多。人脸识别以安全性高、使用方便等优点倍受用户青睐，被广泛应用在考勤、安检等领域。

人脸识别通常是将采集的人脸图像与预存的人脸图像做相似度比对，以对用户的身份进行校验，然而这种方法通常需要采集到完整的人脸图像，若采集到的人脸图像不完整则无法快速做出识别，例如，对于戴口罩的用户、或戴墨镜的用户等，因采集不到完整人脸图像而无法快速做出识别。

技术实现要素：

本申请实施例提供一种人脸识别方法和装置，用于解决因采集不到完整人脸图像而无法对用户快速做出识别的问题。

本申请实施例采用下述技术方案：

第一方面，提供了一种人脸识别方法，包括：对目标人脸图像进行识别，得到所述目标人脸图像中多个器官对应的器官图像；将得到的器官图像分别与目标用户的器官图像进行对比，得到所述多个器官的相似度评估指标；根据所述多个器官的相似度评估指标和对应的权重，得到所述目标人脸图像和所述目标用户的整体相似度评估指标；根据所述目标用户的整体相似度评估指标确定对所述目标人脸图像的识别结果。

第二方面，提供了一种人脸识别装置，包括：器官图像获取模块，对目标人脸图像进行识别，得到所述目标人脸图像中多个器官对应的器官图像；器官相似度获取模块，将得到的器官图像分别与目标用户的器官图像进行对比，得到所述多个器官的相似度评估指标；整体相似度获取模块，根据所述多个器官的相似度评估指标和对应的权重，得到所述目标人脸图像和所述目标用户的整体相似度评估指标；识别结果确定模块，根据所述目标用户的整体相似度评估指标确定对所述目标人脸图像的识别结果。

第三方面，提供了一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如下操作：对目标人脸图像进行识别，得到所述目标人脸图像中多个器官对应的器官图像；将得到的器官图像分别与目标用户的器官图像进行对比，得到所述多个器官的相似度评估指标；根据所述多个器官的相似度评估指标和对应的权重，得到所述目标人脸图像和所述目标用户的整体相似度评估指标；根据所述目标用户的整体相似度评估指标确定对所述目标人脸图像的识别结果。

第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如下操作：对目标人脸图像进行识别，得到所述目标人脸图像中多个器官对应的器官图像；将得到的器官图像分别与目标用户的器官图像进行对比，得到所述多个器官的相似度评估指标；根据所述多个器官的相似度评估指标和对应的权重，得到所述目标人脸图像和所述目标用户的整体相似度评估指标；根据所述目标用户的整体相似度评估指标确定对所述目标人脸图像的识别结果。

本说明书实施例提供的上述技术方案，通过在人脸识别时基于器官图像之间进行对比，进而基于器官图像的相似度评估指标得到人脸图像的整体相似度评估指标，相对于基于整个人脸图像的对比方式，即使采集到的目标人脸图像不完整也可以快速做出识别，解决了因采集不到完整人脸图像而无法快速对用户做出识别的问题。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本说明书的一个实施例提供的人脸识别方法的流程示意图；

图2为本说明书的另一个实施例提供的人脸识别方法的流程示意图；

图3为本说明书的再一个实施例提供的人脸识别方法的流程示意图；

图4为本说明书的一个实施例提供的人脸识别装置的结构示意图；

图5为本说明书的一个实施例提供的电子设备的具体结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例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。

如图1所示，本说明书的一个实施例提供一种人脸识别方法，用于解决现有技术中因采集不到完整人脸图像而无法对用户快速做出识别的问题，如图1所述，该实施例包括如下步骤：

s110：对目标人脸图像进行识别，得到所述目标人脸图像中多个器官对应的器官图像。

该实施例中的目标人脸图像，可以理解为是采集到的待识别用户的人脸图像。

该步骤对目标人脸图像进行识别，即对采集到的目标人脸图像进行器官识别，从而得到多个器官对应的器官图像，例如，得到眼睛图像、鼻子图像、嘴巴图像和耳朵图像等。

需要说明的是，上述多个器官对应的器官图像，可以理解为是目标人脸图像的局部的、具有显著的特征从而能够用于识别的子图像，不仅仅局限于目标人脸图像中的“五官”对应的图像，甚至还可以是目标人脸图像的下巴区域的图像、目标人脸图像的脸部轮廓图像、目标人脸图像中的胎记或黑痣图像等等。

在执行步骤s110时，可以基于模型训练的方法进行，即首先对样本人脸图像进行器官区域标定，得到器官位置识别模型，然后基于器官位置识别模型执行s110的步骤。当然，应理解，步骤s110也可以采用其它的方式实现，本说明书实施例对此不作限制。

s120：将得到的器官图像分别与目标用户的器官图像进行对比，得到所述多个器官的相似度评估指标。

该实施例中的目标用户的器官图像，具体可以是预先存储的已经了确定身份的用户的器官图像，目标用户可以是一个用户，适用于核身的场景下；目标用户也可以是多个用户，适用于检索的场景下。

目标用户的器官图像与目标人脸图像的器官图像相对应，具体也可以是目标用户的眼睛图像、鼻子图像、嘴巴图像和耳朵图像等。

该步骤具体进行器官图像对比时，可以将相同器官的器官图像进行分别对比，例如，将目标人脸图像的眼睛图像与目标用户的眼睛图像进行对比；将目标人脸图像的鼻子图像与目标用户的鼻子图像进行对比等等，最终得到上述多个器官的相似度评估指标，例如，分别得到眼睛的相似度评估指标、鼻子的相似度评估指标等等。

上述相似度评估指标，可以用来表征两张对应的器官图像之间的相似程度，具体可以是两张对应的器官图像(的图像特征)之间的欧氏距离；也可以是对上述欧氏距离进行归一化后的得到的数值，例如归一化到0-100，其中，0表示相似程度最低，而100为相似程度最高。

s130：根据所述多个器官的相似度评估指标和对应的权重，得到所述目标人脸图像和所述目标用户的整体相似度评估指标。

该实施例执行之前，可以预先设定各个器官的权重，具体设定时，可以将一些重要的、容易区分出不同用户的器官的权重设置相对高一些，如眼睛；相反，对一些次要的器官的权重设置相对低一些，如鼻子。

可选地，步骤s130可以采用如下公式执行：

整体相似度评估指标＝∑(器官权重×器官相似度评估指标)/器官数量

其中，器官的数量为多个，每个器官均设置有权重。

当然，对于整体相似度评估指标的计算，还可以采用其它数学公式，如对多个器官的相似度评估指标直接加和然后求平均值，相当于是多个器官中的各个器官的权重相等。

s140：根据所述目标用户的整体相似度评估指标确定对所述目标人脸图像的识别结果。

具体地，如果目标用户为一个用户，且目标用户的整体相似度评估指标大于或等于预设阀值，确定对所述目标人脸图像识别成功；或

如果目标用户为一个用户，且目标用户的整体相似度评估指标小于预设阀值，确定对所述目标人脸图像识别失败；或

如果目标用户为多个用户，且多个用户中至少一个用户的整体相似度评估指标大于或等于预设阀值，确定对所述目标人脸图像识别成功；或

如果目标用户为多个用户，且多个用户的整体相似度评估指标均小于预设阀值，确定对所述目标人脸图像识别失败。

通过本说明书实施例提供的人脸识别方法，通过在人脸识别时基于器官图像之间进行对比，进而基于器官图像的相似度评估指标得到人脸图像的整体相似度评估指标，相对于基于整个人脸图像的对比方式，即使采集到的目标人脸图像不完整也可以快速做出识别，解决了因采集不到完整人脸图像而无法快速对用户做出识别的问题。

在上述实施例的s120中提到目标用户的器官图像，其中，目标用户的器官图像可以是预先对目标用户的人脸图像进行器官识别、分割得到，这样，在上述实施例执行时即可直接获取上述目标用户的器官图像，无需实时对目标用户的人脸图像进行器官识别和分割处理等处理，从而提高人脸识别时的识别效率。因此，作为一个优选实施例，在上述实施例的步骤s110之前，还可以包括如下操作步骤：

建立人脸图像库，其中，人脸图像库中包括有大量的身份确定的用户的人脸图像；

对所述人脸图像库中的人脸图像进行识别，得到器官图像库，即针对人脸图像库中的每个用户，均可以得到该用户的多个器官的器官图像。该步骤执行过程的实现过程可以参见上述实施例的步骤s110，其中，前文所述的目标用户的器官图像，可以是位于所述器官图像库中。

前文已经介绍过，目标用户的器官图像可以是器官图像库中的一个指定用户的器官图像，也可以是器官图像库中的多个用户的器官图像。当所述目标用户的器官图像是所述器官图像库中的多个用户的器官图像时，上述实施例的步骤s120之后、步骤s130之前还可以包括如下步骤：

针对所述多个器官中的每个器官，将得到相似度评估指标按照从高到低的顺序进行排序，例如，将眼睛的相似度评估指标按照从高到低的顺序进行排序；对鼻子的相似度评估指标按照从高到低的顺序进行排序等等。

分别得到每个器官的相似度排序靠前的多个候选用户，例如，对于眼睛，得到排名靠前的前5个候选用户，格式可以为(眼睛：张三；李四；…；…；王五)；对于鼻子，同样得到排名靠前的前5个候选用户，格式可以为(鼻子：李四；张三；…；…；赵六)。

这样，经过上述处理，上述实施例的步骤s130具体可以按照如下步骤执行：

根据所述多个器官的相似度评估指标和对应的权重，分别得到所述目标人脸图像和所述多个候选用户整体相似度评估指标。

需要说明的是，上述得到的针对每个器官的相似度排序靠前的多个候选用户，各个器官对应的多个候选用户的身份或排序顺序可能不同，例如眼睛相似度评估指标最高的是张三，而鼻子相似度评估指标最高的是李四。因此，在计算目标人脸图像和多个候选用户整体相似度评估指标时，可以首先确定出一个器官中的一个候选用户身份，以该用户身份为基础，在从其他器官中查找该用户身份的相似度评价指标值，最终得到目标人脸图像和该用户身份的整体相似度评估指标。

另外，上述提到得到器官图像库，在得到器官图像库之后，上述几个实施例还可以包括如下步骤，对器官图像库中的器官图像进行特征提取，得到器官图像特征库；这样，上述实施例的s130具体可以按照如下步骤执行：

将得到的器官图像的特征分别与器官图像特征库中目标用户的器官图像特征进行对比，得到所述多个器官的相似度评估指标。由于预先提取出了目标用户的器官图像特征，在人脸识别时，无需实时针对目标用户进行图像特征提取的操作，同样提高了人脸识别时的识别效率。

上述几个实施例均提到得到器官图像库，另外，得到器官图像库之后，上述几个实施例还可以包括如下步骤：将器官图像库中的器官图像进行训练，得到多个器官的器官识别模型；其中，前文几个实施例的s120具体可以按照如下步骤执行：将得到的器官图像和目标用户的器官图像分别输入到对应的器官识别模型中，得到所述多个器官的相似度评估指标。为详细说明，以下将结合一个具体实施例进行说明，该实施例可以分为模型训练部分和人脸识别部分：

以下将首先对模型训练部分进行介绍，如图2所示，包括如下步骤：

s210：建立人脸图像库。

该实施例可以基于用户历史刷脸的数据建立人脸图像库，其中，建立的人脸图像库中已经确定了人脸图像和用户(自然人)之间的对应关系，自然人可以用身份标识来表示，比如用身份证号或者护照号等来表示。

s220：对所述人脸图像库中的人脸图像进行识别，得到器官图像库。

在对人脸图像进行识别时，可以通过器官位置识别模型确定每人脸图像上多个器官的位置，输出多个指定器官的特征点坐标，这些特征点能够刻画出器官在人脸图像的区域。

基于上述输出的特征点坐标，可以通过图片裁剪的方式，将一张人脸图像按照器官分割成不同的器官图像并保存，得到器官图像库，其中，每一个器官图像所属的自然人也和其原来的人脸图像所属自然人保持一致。

s230：将器官图像库中的器官图像进行训练，得到多个器官的器官识别模型。

该步骤可以基于器官图像库中的器官图像，采用如深度神经网络dnn、卷积神经网络rnn等机器学习方法针对每一个器官进行训练，得到各个器官的器官识别模型，即，最终得到针对多个器官的器官识别模型组，其中，不同的器官识别模型可以是采用相同的机器学习方法训练得到，也可以是采用不同的机器学习方法训练得到。

该步骤s230中的器官识别模型，区别于步骤s220中的器官位置识别模型，具体而言，步骤s220中的器官位置识别模型关心的是一个指定器官的区域，而该步骤s230中的器官识别模型是一个针对器官本身的描述性模型。

例如，对于眼睛这个器官，步骤s220中的器官位置识别模型只关心眼睛的大小和眼睛在人脸图像中的区域，而步骤s230中的器官识别模型则可以包括眼睛内部各种特征的刻画，比如瞳孔大小、眼睫毛长短等等。

基于上述s210—s230得到的器官识别模型组，以下将对具体的人脸识别的使用部分进行介绍，如图3所示，包括如下步骤：

s310：获取目标人脸图像。

该步骤中的目标人脸图像可以是通过图像采集的方式获取的到。

对于目标人脸图像的用户身份，可以选择是否预先设定：

方式一：如果预先设定目标人脸图像的用户身份，即为判断该目标人脸图像是否为人脸图像库中的指定用户，也就是核身，其中，目标人脸图像的用户身份标识可以与人脸图像库的自然人的身份标识一致，比如采用身份证号等；

方式二：如果不设定目标人脸图像的用户身份，就是从人脸图像库中检索该目标人脸图像的用户身份。

s320：对目标人脸图像进行识别，得到所述目标人脸图像中多个器官对应的器官图像。

该步骤具体执行时，可以采用模型训练部分的s220采用的器官位置识别模型，得到目标人脸图像中多个器官对应的器官图像。

具体可以基于器官位置识别模型的产出数据，将目标人脸图像中的器官的区域图像进行裁剪保存成待对比的器官图像，这些待对比的器官图像将按照各自所属器官，后续与目标用户的器官图像进行相似度比对。

s330：将得到的器官图像分别与目标用户的器官图像进行对比，得到所述多个器官的相似度评估指标。

该步骤具体执行时，可以利用s230得到的器官识别模型组的每一个对应的器官识别模型，对s320中得到的待对比的器官图像进行特征提取的操作，得到待对比的器官图像的图像特征，并与目标用户的器官图像特征进行对比，得到所述多个器官的相似度评估指标。

在实际应用时，为提高人脸识别的识别效率，可以在上述模型训练部分，利用器官识别模型组，将器官图像库中的器官图像进行特征提取，得到器官图像特征库，器官图像特征库的组成结构与器官图像库一致。

该步骤具体执行时，根据s310中是否预先设定目标人脸图像的用户身份，会有两种比对方式。

比对方式一：如果预先设定目标人脸图像的用户身份，则直接从器官图像库或者器官特征库中抽取目标用户的器官图像或图像特征进行相似度对比，该处理方式避免了全局器官图像比对，速度快。

比对方式二：如果不设定目标人脸图像的用户身份，即目标用户是多个用户时，则可以将待比对器官图像与器官图像库或器官特征库进行全局比对，速度慢。

基于上述器官图像的比对可以得到多个器官的相似度评估指标，单一器官比对的相似度评估指标可以采用计算特征的欧氏距离并归一化到0-100的方式，认为0为相似程度最低，而100为相似程度最高。

结果格式可以为：

[{器官1名称}：[{用户1相似度}，{用户2相似度}……{用户n相似度}]，{器官2名称}：[{用户1相似度}，{用户2相似度}……{用户n相似度}]]

为便于计算，在上述为比对方式二时，对于每一个器官的遍历，将得到相似度评估指标按照从高到低的顺序进行排序；分别得到每个器官的相似度排序靠前的多个候选用户。

形如

[左眼：[{姓名：张三，相似度：100}，{姓名：李四，相似度：90}，{姓名：王五，相似度：76}]；

嘴巴：[{姓名：李四，相似度：96}，{姓名：张三，相似度：90}，{姓名：王五，相似度：82}]]

s340：根据所述多个器官的相似度评估指标和对应的权重，得到目标人脸图像和目标用户的整体相似度评估指标。

该步骤可以基于每个器官的相似度评估指标做加权打分，得到目标人脸图像和所述目标用户的整体相似度评估指标，具体可以采用如下公式：

整体相似度评估指标＝∑(器官权重×器官相似度评估指标)/器官数量

s350：根据所述目标用户的整体相似度评估指标确定对所述目标人脸图像的识别结果。

该步骤可以基于预先设定的(相似度)预设阀值，在上述为比对方式一时，若整体相似度评估指标大于或等于该预设阀值，即认为目标人脸图像为目标用户；若整体相似度评估指标小于该预设阀值，即认为目标人脸图像不是目标用户。

在上述为比对方式二时，可以在整体相似度评估指标大于或等于预设阀值的所有候选用户中，认为整体相似度评估指标最大的候选用户为目标人脸图像的用户身份；如果所有候选用户的整体相似度评估指标均小于预设阀值，则认为没有检测到该目标人脸图像的用户身份。

通过本说明书实施例提供的人脸识别方法，通过在人脸识别时基于器官图像之间进行对比，进而基于器官图像的相似度评估指标得到人脸图像的整体相似度评估指标，相对于基于整个人脸图像的对比方式，即使采集到的目标人脸图像不完整也可以快速做出识别，解决了因采集不到完整人脸图像而无法快速对用户做出识别的问题。

本说明书实施例通过对目标人脸图像进行器官识别并独立抽取各个器官的生物特征进行比对，然后做加权综合完成目标人脸图像的识别，还解决了如人脸、眼纹、虹膜等单一生物特征识别在特殊情况下无法采集输入图像导致无法识别的问题，能够提高人脸识别的整体通过率，为人脸识别技术带来更灵活的使用场景。

本说明书实施例中，目标用户的器官图像是预先对目标用户的人脸图像进行器官识别、分割得到，无需实时目标用户的人脸图像进行识别分割等处理，从而提高人脸识别时的识别效率。

本说明书实施例由于预先提取出了目标用户的器官图像特征，在人脸识别时，无需实时针对目标用户进行图像特征提取的操作，同样提高了人脸识别时的识别效率。

以上说明书部分详细介绍了人脸识别方法实施例，如图4所示，本说明书还提供了一种人脸识别装置，如图4所示，该装置包括：

器官图像获取模块410，可以用于对目标人脸图像进行识别，得到所述目标人脸图像中多个器官对应的器官图像；

器官相似度获取模块420，可以用于将得到的器官图像分别与目标用户的器官图像进行对比，得到所述多个器官的相似度评估指标；

整体相似度获取模块430，可以用于根据所述多个器官的相似度评估指标和对应的权重，得到所述目标人脸图像和所述目标用户的整体相似度评估指标；

识别结果确定模块440，可以用于根据所述目标用户的整体相似度评估指标确定对所述目标人脸图像的识别结果。

通过本说明书实施例提供的人脸识别装置，通过在人脸识别时基于器官图像之间进行对比，进而基于器官图像的相似度评估指标得到人脸图像的整体相似度评估指标，相对于基于整个人脸图像的对比方式，即使采集到的目标人脸图像不完整也可以快速做出识别，解决了因采集不到完整人脸图像而无法快速对用户做出识别的问题。

可选地，作为一个实施例，所述目标用户的器官图像是：一个指定用户的器官图像；或多个用户的器官图像。

可选地，作为一个实施例，所述装置还包括器官图像库构建模块，可以用于建立人脸图像库；对所述人脸图像库中的人脸图像进行识别，得到器官图像库；其中，所述目标用户的器官图像位于所述器官图像库中。

可选地，作为一个实施例，当所述目标用户的器官图像是所述器官图像库中的多个用户的器官图像时，所述装置还包括候选用户获取模块，可以用于针对所述多个器官中的每个器官，将得到相似度评估指标按照从高到低的顺序进行排序；分别得到每个器官的相似度排序靠前的多个候选用户；其中，整体相似度获取模块430，可以用于根据所述多个器官的相似度评估指标和对应的权重，分别得到所述目标人脸图像和所述多个候选用户整体相似度评估指标。

可选地，作为一个实施例，所述装置还包括，特征提取模块，可以用于对器官图像库中的器官图像进行特征提取，得到器官图像特征库；其中，器官相似度获取模块420，可以用于将得到的器官图像的特征分别与器官图像特征库中目标用户的器官图像特征进行对比，得到所述多个器官的相似度评估指标。

可选地，作为一个实施例，所述装置还包括，模型获取模块，可以用于将器官图像库中的器官图像进行训练，得到多个器官的器官识别模型；其中，器官相似度获取模块420，可以用于将得到的器官图像和目标用户的器官图像分别输入到对应的器官识别模型中，得到所述多个器官的相似度评估指标。

可选地，作为一个实施例，识别结果确定模块440，可以用于如果目标用户为一个用户，且目标用户的整体相似度评估指标大于或等于预设阀值，确定对所述目标人脸图像识别成功；或如果目标用户为一个用户，且目标用户的整体相似度评估指标小于预设阀值，确定对所述目标人脸图像识别失败；如果目标用户为多个用户，且多个用户中至少一个用户的整体相似度评估指标大于或等于预设阀值，确定对所述目标人脸图像识别成功；或如果目标用户为多个用户，且多个用户的整体相似度评估指标均小于预设阀值，确定对所述目标人脸图像识别失败。

根据本说明书实施例的上述人脸识别装置可以参照对应前文本说明书实施例的人脸识别方法的流程，并且，该人脸识别装置中的各个单元/模块和上述其他操作和/或功能分别为了实现人脸识别方法中的相应流程，为了简洁，在此不再赘述。

下面将结合图5详细描述根据本说明书实施例的电子设备。参考图5，在硬件层面，电子设备包括处理器，可选地，包括内部总线、网络接口、存储器。其中，如图5所示，存储器可能包含内存，例如高速随机存取存储器(random-accessmemory，ram)，也可能还包括非易失性存储器(non-volatilememory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括实现其他业务所需要的硬件。

处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是工业标准体系结构(industrystandardarchitecture，isa)总线、外设部件互连标准(peripheralcomponentinterconnect，pci)总线或扩展工业标准结构(extendedindustrystandardarchitecture，eisa)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。

存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。

处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成转发聊天信息的装置。处理器，执行存储器所存放的程序，并具体用于执行本说明书前文所述的方法实施例的操作。

上述图1至图4所示实施例揭示的方法、装置执行的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(centralprocessingunit，cpu)、网络处理器(networkprocessor，np)等；还可以是数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现场可编程门阵列(field－programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。

图5所示的电子设备还可执行图1至图3的方法，并实现人脸识别方法在图1至图3所示实施例的功能，本申请实施例在此不再赘述。

当然，除了软件实现方式之外，本申请的电子设备并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。

本说明书实施例还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，该计算机程序被处理器执行时实现上述各个方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器(read-onlymemory，简称rom)、随机存取存储器(randomaccessmemory，简称ram)、磁碟或者光盘等。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、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。

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。

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设备上，使得在计算机或其他可编程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。

在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flashram)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。

还需要说明的是，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、商品或者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、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。