人脸识别方法、装置、计算机设备及存储介质与流程

1.本技术实施例涉及人工智能技术领域，特别涉及一种人脸识别方法、装置、计算机设备及存储介质。


背景技术：

2.如今，随着人工智能的日益发展，人工智能技术在生活中的应用越来越广泛，其中包括在人脸识别技术上的应用。人脸识别可以运用在支付场景中，实现“刷脸”支付。
3.在相关技术中，在进行启动“刷脸”支付时，需要首先采集用户的有效人脸图像，然后根据有效人脸图像确定采集到的用户人脸特征信息。其中，在人脸特征库中存储有各个用户的人脸特征模板以及对应的用户身份信息，将采集到的用户人脸特征信息与人脸特征库中的各个人脸特征模板进行匹配，确定匹配程度高的人脸特征模型对应的用户身份信息作为当前用户的身份信息，最后根据获取到的当前用户的身份信息实现支付。
4.然而，相关技术中通过将采集到的人脸特征信息与各个人脸特征模板进行匹配确定用户身份的方案，会出现需要进行匹配的人脸特征模板基数庞大的情况，从而导致了人脸识别过程的时延过高，进而使人脸识别的效率降低。


技术实现要素：

5.本技术实施例提供了一种人脸识别方法、装置、计算机设备及存储介质，可以提高人脸识别的效率。该技术方案如下：
6.一方面，提供了一种人脸识别方法，所述方法包括：
7.获取目标用户对应的人脸特征信息；
8.获取所述目标用户的辅助标识；所述辅助标识用于指示对应用户的人脸特征模板所属的用户特征集合；
9.基于所述目标用户的辅助标识，确定所述目标用户的人脸特征模板所属的目标用户特征集合；
10.将所述人脸特征信息与所述目标用户特征集合中的各个人脸特征模板进行匹配，获得所述目标用户的用户身份信息。
11.一方面，提供了一种人脸识别装置，所述装置包括：
12.信息获取模块，用于获取目标用户对应的人脸特征信息；
13.标识获取模块，用于获取所述目标用户的辅助标识；所述辅助标识用于指示对应用户的人脸特征模板所属的用户特征集合；
14.集合确定模块，用于基于所述目标用户的辅助标识，确定所述目标用户的人脸特征模板所属的目标用户特征集合；
15.身份获取模块，用于将所述人脸特征信息与所述目标用户特征集合中的各个人脸特征模板进行匹配，获得所述目标用户的用户身份信息。
16.在一种可能的实现方式中，所述标识获取模块，包括：
17.辅助信息获取子模块，用于获取在采集终端中输入的辅助信息；所述采集终端是采集所述人脸特征信息的终端；
18.标识获取子模块，用于基于所述辅助信息获取所述目标用户的辅助标识。
19.在一种可能的实现方式中，所述辅助信息包括字符信息、语音信息以及图像信息中的至少一种。
20.在一种可能的实现方式中，响应于所述辅助信息是所述字符信息，所述辅助标识是字符标识；
21.所述标识获取子模块，包括：
22.第一标识确定单元，用于响应于所述字符信息存在于字符标识集合中，将所述字符信息获取为所述目标用户的辅助标识。
23.在一种可能的实现方式中，所述第一标识确定单元，用于，
24.确定所述字符信息的字符位数；
25.根据所述字符位数确定第一字符标识集合，所述第一字符标识集合是具有所述字符位数的至少一个所述字符标识构成的集合；
26.响应于所述字符信息存在于所述第一字符标识集合中，将所述字符信息获取为所述目标用户的辅助标识。
27.在一种可能的实现方式中，响应于所述辅助信息是所述语音信息，所述辅助标识是所述字符标识；
28.所述标识获取子模块，包括：
29.语音识别单元，用于对所述语音信息进行语音识别，获取语音文本；
30.第二标识确定单元，用于响应于所述语音文本存在于字符标识集合中，将所述语音文本获取为所述目标用户的辅助标识。
31.在一种可能的实现方式中，响应于所述辅助信息是所述图像信息，所述辅助标识是动作标识；
32.所述标识获取子模块，包括：
33.动作获取单元，用于对所述图像信息进行图像识别，获取所述图像信息中的动作描述信息；
34.第三标识确定单元，用于响应于所述动作描述信息存在于动作标识集合中，将所述动作描述信息获取为所述目标用户的辅助标识。
35.在一种可能的实现方式中，所述集合确定模块，包括：
36.集合确定子模块，用于基于所述目标用户的辅助标识，查询所述辅助标识与所述用户特征集合的对应关系，确定所述目标用户的辅助标识对应的所述目标用户特征集合。
37.在一种可能的实现方式中，所述身份获取模块，包括：
38.特征匹配子模块，用于将所述人脸特征信息与所述目标用户特征集合中的各个所述人脸特征模板进行匹配；
39.身份获取子模块，用于获取目标人脸特征模板对应的用户身份信息，作为所述目标用户的用户身份信息；所述目标人脸特征模板是各个所述人脸特征模板中与所述人脸特征信息匹配度最高的模板。
40.在一种可能的实现方式中，所述装置还包括：
41.界面展示模块，用于获取目标用户对应的人脸特征信息之前，通过采集终端展示人脸特征采集界面，所述人脸特征采集界面用于接收所述人脸特征信息。
42.在一种可能的实现方式中，所述装置还包括：
43.输入界面展示模块，用于获取所述目标用户的辅助标识之前，通过采集终端展示信息输入界面，所述信息输入界面用于接收所述辅助标识。
44.在一种可能的实现方式中，所述输入界面展示模块，包括：
45.输入界面展示子模块，用于响应于所述采集终端采集到有效的人脸特征信息，通过所述采集终端展示所述信息输入界面。
46.另一方面，提供了一种计算机设备，所述计算机设备包含处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上所述的人脸识别方法。
47.另一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如上所述的人脸识别方法。
48.根据本技术的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述方面的各种可选实现方式中提供的人脸识别方法。
49.本技术提供的技术方案可以包括以下有益效果：
50.在本技术实施例所示的方案中，在进行人脸识别的过程中，计算机设备通过获取到的目标用户的辅助标识，将目标用户的人脸特征信息与对应的用户特征集合中的各个人脸特征模板进行匹配，得到目标用户的用户身份信息，通过上述方案，可以避免将目标用户的人脸特征信息与人脸特征库中的全部人脸特征模板进行人脸匹配，解决了人脸识别算法的计算量过大的问题，从而缩短了人脸识别的运算时间，节约了人脸识别的资源占用，进而提高了人脸识别的效率。
51.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本技术。
附图说明
52.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。
53.图1是根据一示例性实施例示出的一种人脸识别系统的示意图；
54.图2是根据一示例性实施例示出的一种采集终端示意图；
55.图3是根据一示例性实施例示出的一种人脸识别方法的流程图；
56.图4是根据一示例性实施例示出的一种人脸识别方法的流程示意图；
57.图5是图4所示实施例涉及的一种人脸特征库的结构示意图；
58.图6是图4所示实施例涉及的一种字符信息输入界面的示意图；
59.图7是图4所示实施例涉及的一种语音输入界面的示意图；
60.图8是图4所示实施例涉及的一种图像信息输入界面的示意图；
61.图9是图4所示实施例涉及的一种刷脸支付终端显示界面示意图；
62.图10是图4所示实施例涉及的一种刷脸支付信息交互流程图；
63.图11是根据一示例性实施例示出的一种人脸识别系统的结构示意图；
64.图12是根据一示例性实施例示出的一种人脸识别装置的框图；
65.图13是根据一示例性实施例示出的一种计算机设备的结构示意图；
66.图14是根据一示例性实施例示出的计算机设备的结构框图。
具体实施方式
67.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。
68.应当理解的是，在本文中提及的“若干个”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
69.本技术后续各个实施例所示的方案，可以借助于人工智能(artificial intelligence，ai)实现在人脸识别的过程中，通过获取到的目标用户的辅助标识，将目标用户的人脸特征信息与对应的用户特征集合中的各个人脸特征模板进行比对，从而得到目标用户的用户身份信息，从而使人脸识别过程可以快速准确的进行。为了方便理解，下面对本公开实施例中涉及的名词进行说明。
70.1)人工智能ai
71.ai是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。
72.人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
73.随着人工智能技术研究和进步，人工智能技术在多个领域展开研究和应用，例如常见的智能家居、智能穿戴设备、虚拟助理、智能音箱、智能营销、无人驾驶、自动驾驶、无人机、机器人、智能医疗、智能客服、智能视频服务等，随着技术的发展，人工智能技术将在更多的领域得到应用，并发挥越来越重要的价值。
74.2)计算机视觉技术(computer vision,cv)
75.计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处
理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取信息的人工智能系统。计算机视觉技术通常包括图像处理、图像识别、图像语义理解、图像检索、ocr、视频处理、视频语义理解、视频内容/行为识别、三维物体重建、3d(3dimensions)技术、虚拟现实、增强现实、同步定位与地图构建等技术，还包括常见的人脸识别、指纹识别等生物特征识别技术。
76.3)人脸识别(face recognition)
77.人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。
78.人脸识别利用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸图像进行一系列的相关应用操作。技术上包括图像采集、特征定位、身份的确认和查找等。
79.本技术实施例提供的方案涉及人工智能的人脸识别等技术，具体通过如下实施例进行说明：
80.图1是根据一示例性实施例示出的一种人脸识别系统的示意图。该人脸识别系统10中包括终端11以及服务器12，其中，终端11包括用于采集人脸特征信息的采集终端111以及用于上传用户身份信息以及人脸特征模板的客户端112，服务器12中包括数据库121。
81.其中，终端11可以是具有人脸识别功能的智能手机、平板电脑、笔记本电脑、台式计算机、收银设备等，但并不局限于此。
82.服务器12可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、cdn(content delivery network，内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器。
83.数据库121可以存储有人脸特征模板与用户身份信息，人脸特征模板以及对应的用户身份信息可以是用户通过客户端112上传的信息。
84.在一种可能的实现方式中，该人脸识别系统应用于智能支付平台，其中，采集终端111是大屏自助收银设备，当用户使用大屏自助收银设备时，在大屏自助收银设备一侧可以采集用户的人脸特征信息，以及采集相关的口令信息作为辅助信息，通过传输网络上传给服务器12，服务器12中的数据库121为人脸特征库，通过人脸识别算法在服务器12中进行人脸识别运算，最后确定用户身份信息，根据支付金额信息以及用户身份信息对对应的账户进行自动扣款操作，将扣款情况返回到大屏自助收银设备11的显示屏上进行显示。
85.终端以及服务器通过通信网络相连。可选的，通信网络是有线网络或无线网络。
86.可选的，上述的无线网络或有线网络使用标准通信技术和/或协议。网络通常为因特网、但也可以是任何网络，包括但不限于局域网(local area network，lan)、城域网(metropolitan area network，man)、广域网(wide area network，wan)、移动、有线或者无线网络、专用网络或者虚拟专用网络的任何组合)。在一些实施例中，使用包括超文本标记语言(hyper text mark-up language，html)、可扩展标记语言(extensible markup language，xml)等的技术和/或格式来代表通过网络交换的数据。此外还可以使用诸如安全套接字层(secure socket layer，ssl)、传输层安全(transport layer security，tls)、虚拟专用网络(virtual private network，vpn)、网际协议安全(internet protocol security，ipsec)等常规加密技术来加密所有或者一些链路。在另一些实施例中，还可以使
用定制和/或专用数据通信技术取代或者补充上述数据通信技术。本技术在此不做限制。
87.在人脸识别技术应用在智能支付时，通过采集终端实现对人脸特征信息采集以及对辅助信息采集。图2是根据一示例性实施例示出的一种采集终端示意图。如图2所示，该采集终端20包括摄像头组件21、显示屏22、凭证打印区23以及商品扫描区域24。
88.通过摄像头组件21可以采集用户的人脸特征信息，或者采集部分辅助信息，并且可以在显示屏22上展示采集图像、采集结果以及人脸识别结果反馈信息。
89.在支付过程中，用户可以通过将待支付商品在商品扫描区域24进行商品信息录入，然后启动人脸识别支付的流程。
90.其中，显示屏22可以支持显示界面信息以及由用户进行触控操作。
91.图3是根据一示例性实施例示出的一种人脸识别方法的流程图。该人脸识别方法可以由计算机设备执行。其中，上述计算机设备可以是采集终端，或者，上述计算机设备也可以是服务器，或者，上述计算机设备也可以包括采集终端和服务器。如图3所示，该人脸识别方法包括的步骤如下：
92.在步骤301中，获取目标用户对应的人脸特征信息。
93.在本技术实施例中，计算机设备获取目标用户对应的人脸特征信息。
94.在一种可能的实现方式中，人脸特征信息是包括人脸器官形状特征、人脸器官之间的距离特征以及人脸整体轮廓特征的信息。人脸特征信息是根据用户的脸部实际情况而采集到的特征信息。不同的人脸特征信息表征不同的用户脸部。
95.在步骤302中，获取目标用户的辅助标识；辅助标识用于指示对应用户的人脸特征模板所属的用户特征集合。
96.在本技术实施例中，计算机设备获取目标用户的辅助标识。
97.其中，辅助标识用于指示对应用户的人脸特征模板所属的用户特征集合。人脸特征模板是预先存储在数据库中，与各个用户身份标识相对应的信息。一个用户身份标识对应唯一的人脸特征模板，一个用户对应唯一的用户身份标识。用户特征集合是至少两组人脸特征模板与其对应的用户身份信息构成的集合。
98.在步骤303中，基于目标用户的辅助标识，确定目标用户的人脸特征模板所属的目标用户特征集合。
99.在本技术实施例中，计算机设备根据确定的目标用户的辅助标识，确定目标用户的人脸特征模板所属的目标用户特征集合。
100.在一种可能的实现方式中，根据确定的目标用户的辅助标识，从至少一个用户特征集合中选取目标用户的辅助标识对应的用户特征集合作为目标用户特征集合。
101.其中，辅助标识与用户特征集合是一一对应的，各个用户特征集合构成人脸特征库。
102.在步骤304中，将人脸特征信息与目标用户特征集合中的各个人脸特征模板进行匹配，获得目标用户的用户身份信息。
103.在本技术实施例中，计算机设备将获取到的人脸特征信息与目标特征集合中的各个人脸特征模板进行匹配，当确定与人脸特征信息匹配一致的人脸特征模板时，获得该人脸特征模板对应的用户身份信息，确定该用户身份信息为目标用户的用户身份信息。
104.综上所述，本技术实施例所示的方案，在进行人脸识别的过程中，计算机设备通过
获取到的目标用户的辅助标识，将目标用户的人脸特征信息与对应的用户特征集合中的各个人脸特征模板进行匹配，得到目标用户的用户身份信息，通过上述方案，可以避免将目标用户的人脸特征信息与人脸特征库中的全部人脸特征模板进行人脸匹配，解决了人脸识别算法的计算量过大的问题，从而缩短了人脸识别的运算时间，节约了人脸识别的资源占用，进而提高了人脸识别的效率。
105.图4是根据一示例性实施例示出的一种人脸识别方法的流程示意图。该人脸识别方法可以由计算机设备执行。其中，上述计算机设备可以是采集终端，或者，上述计算机设备也可以是服务器，或者，上述计算机设备也可以包括采集终端和服务器。如图4所示，该人脸识别方法包括的步骤如下：
106.在步骤401中，展示人脸特征采集界面，获取目标用户对应的人脸特征信息。
107.在本技术实施例中，采集终端展示人脸特征采集界面，通过采集终端采集目标用户的人脸图像，将采集到的人脸图像根据图像分析算法进行解析，获得人脸特征信息。
108.其中，人脸特征采集界面用于接收人脸特征信息。
109.在一种可能的实现方式中，采集终端接收识别指令后，展示人脸特征采集界面。
110.其中，识别指令用于启动识别目标用户的过程。识别指令可以是在执行制定操作后自动发送的指令。
111.比如，在进行智能支付的场景下，当用户将待支付的商品的信息录入到采集终端后，在采集终端上可以展示一个支付方式选择界面，当用户通过触控操作选择支付方式为“刷脸”支付时，采集终端接收到识别指令，并且展示人脸特征采集界面。或者，当用户将待支付的商品的信息录入到采集终端后，采集终端自动接收识别指令，并且展示人脸特征采集界面，开始进行人脸识别的流程。
112.在步骤402中，展示信息输入界面，获取在采集终端中输入的辅助信息。
113.在本公开实施例中，采集终端展示信息输入界面，并且获取目标用户对应的辅助信息。
114.在一种可能的实现方式中，辅助信息包括字符信息、语音信息以及图像信息中的至少一种。
115.其中，字符信息可以是指定字符位数的字符串，或者，也可以是任意字符位数的字符串。语音信息可以是语音内容为字符内容的音频信息。图像信息中可以包含指定动作或者指定手势。
116.在一种可能的实现方式中，采集终端接收识别指令后，展示信息输入界面，或者，采集终端获取目标用户对应的人脸特征信息后，展示信息输入界面。
117.其中，信息输入界面用于接收辅助信息。
118.比如，当信息输入界面接收的辅助信息是字符信息时，信息输入界面中可能包括字符输入区域，用户可以在信息输入界面中的字符输入区域输入指定字符位数的字符串或者任意字符位数的字符串；当信息输入界面接收的辅助信息是语音信息时，在展示信息输入界面的同时，采集终端可以启动语音接收功能，接收指定时长的语音信息，用户可以在指定时长内语音输入字符串内容；当信息输入界面接收的辅助信息是指定动作或者指定手势时，信息输入界面中可能显示图像采集区域，同时采集终端启动图像采集功能，用户可以在摆出指定动作或者指定手势，以供采集终端进行图像采集，采集到的图像信息作为辅助信
息。
119.在一种可能的实现方式中，步骤401与步骤402的执行顺序不作限制，先获取目标用户对应的辅助信息，后获取目标用户对应的人脸特征信息，或者，先获取目标用户对应的人脸特征信息，后获取目标用户对应的辅助信息。
120.在一种可能的实现方式中，响应于采集终端采集到有效的人脸特征信息，展示信息输入界面。
121.其中，当获取到目标用户对应的有效人脸特征信息时，根据获取到的人脸特征信息确定目标用户的性别，获取目标用户的性别对应的辅助信息组织规则，判断获取到的由用户输入的辅助信息是否满足该辅助信息组织规则，响应于用户输入的辅助信息满足该辅助信息组织规则，则继续执行接下来的步骤；响应于用户输入的辅助信息不满足该辅助信息组织规则，则在采集终端展示用于指示信息不匹配的提示信息，提醒输入辅助信息的用户检查辅助信息是否输入正确。
122.比如，当辅助信息是字符信息时，辅助信息组织规则设置为男性用户对应的辅助标识的字符首位是指定字符1，女性用户对应的辅助标识的字符首位是指定字符2，若根据获取到的人脸特征信息确定目标用户的性别为女性，用户输入的字符信息的字符首位是指定字符1，则通过采集终端展示信息不匹配的提示信息；当辅助信息是语音信息时，辅助信息组织规则设置为男性用户对应的辅助标识的字符首位是指定字符1，女性用户对应的辅助标识的字符首位是指定字符2，若根据获取到的人脸特征信息确定目标用户的性别为女性，用户输入的语音信息经过语音识别得到的字符首位是指定字符1，则通过采集终端展示信息不匹配的提示信息；当辅助信息是图像信息时，辅助信息组织规则设置为男性用户对应的辅助标识的指定动作为左手动作，女性用户对应的辅助标识的指定动作为右手动作，若根据获取到的人脸特征信息确定目标用户的性别为女性，获取的图像信息经过图像识别得到的指定动作为左手动作，则通过采集终端展示信息不匹配的提示信息。
123.在步骤403中，基于辅助信息获取目标用户的辅助标识。
124.在本技术实施例中，采集终端可以将获取到的人脸特征信息以及辅助信息上传到服务器中，服务器将辅助信息与数据库中存储的各个辅助标识进行比对，根据比对结果确定目标用户的辅助标识。
125.其中，辅助标识用于指示对应用户的人脸特征模板所属的用户特征集合。
126.在一种可能的实现方式中，人脸特征信息以及辅助信息同时上传到服务器中，或者，人脸特征信息以及辅助信息分别上传到服务器中，并且上传顺序不限。
127.其中，服务器中存储有人脸特征库，在人脸特征库中存在人脸特征模板以及用户身份信息的对应关系，同时人脸特征库按照各个辅助标识可以划分为至少两个用户特征集合，图5是本技术实施例涉及的一种人脸特征库的结构示意图。如图5所示，人脸特征库50可以按照辅助标识51进行划分，各个辅助标识51分别对应部分用户特征52。
128.在一种可能的实现方式中，在人脸特征库构建过程中，各个用户需要在客户端侧对自身的人脸特征进行采集生成人脸特征模板上传到人脸特征库中，并且在设置自身对应的辅助标识的内容，然后上传到人脸特征库，在人脸特征库中，各个用户的用户身份信息以及人脸特征模板可以存储在各自设置的辅助标识下，形成各个辅助标识对应的用户特征集合。
129.在另一种可能的实现方式中，在人脸特征库构建的过程中，各个用户在客户端侧对自身的人脸特征进行采集生成人脸特征模板并且上传到人脸特征库中，同时，人脸识别系统自动分配各个用户对应的辅助标识，并且向各个用户的客户端侧发送分配的辅助标识的信息，在人脸特征库中，各个用户的用户身份信息以及用户人脸特征模板存储在自动分配的辅助标识下，形成各个辅助标识对应的用户特征集合。
130.其中，通过人脸识别系统自动分配辅助标识可以按照当前各个辅助标识的数量进行自动分配，也就是说，可以保持各个辅助标识下对应的用户数量保持平衡，使各个辅助标识对应的人脸识别算法的计算量保持稳定。
131.另外，在获取目标用户的辅助标识的过程中，获取的辅助信息不同，对应查询的辅助标识的种类也不同，对应的将辅助信息与各个辅助标识进行比对，确定目标用户的辅助标识的方法包括如下内容：
132.1)响应于辅助信息是字符信息，辅助标识是字符标识，响应于确定字符信息存在于字符标识集合中，将字符信息获取为目标用户的辅助标识。
133.以计算机设备是服务器为例，当服务器获取的字符信息是“1234”时，然后在人脸特征库中的各个辅助标识中搜索字符标识，当搜索到字符标识为“1234”时，确定该字符标识为目标用户的辅助标识，即目标用户的用户特征在该字符标识下的用户特征集合中。
134.例如，图6是本技术实施例涉及的一种字符信息输入界面的示意图。如图6所示，该字符信息输入界面是当辅助信息为字符信息时对应的信息输入界面。该信息输入界面中可以包含人脸图像展示区域61、字符显示区域62以及字符输入区域63。通过采集终端采集到的目标用户的人脸图像可以在人脸图像展示区域61进行展示，并且存在重拍控件611，通过对重拍控件611进行触控操作，可以返回人脸特征采集界面，重新进行人脸图像的采集。当字符信息的字符位数为固定值4位时，在字符显示区域62显示4位字符显示位置，并且用户可以在字符输入区域63输入自身对应的字符信息。
135.在一种可能的实现方式中，响应于辅助信息是字符信息，辅助标识是字符标识，首先确定字符信息的字符位数，然后根据字符位数确定第一字符标识集合，响应于字符信息存在于第一字符标识集合中，将字符信息获取为目标用户的辅助标识。
136.其中，第一字符标识集合是具有字符位数的至少一个字符标识构成的集合。
137.以计算机设备是服务器为例，当服务器获取的字符信息是“12345”时，然后在人脸特征库中的各个辅助标识中搜索字符标识的字符位数为5位的辅助标识，字符位数为5位的辅助标识构成第一字符标识集合，在第一字符标识集合中比对字符信息，确定字符标识为“12345”的字符标识为目标用户的辅助标识。
138.相比较于直接根据对各个辅助标识进行字符信息比对，确定目标用户的辅助标识，先通过字符位数确定一个第一字符标识集合，然后在第一字符标识集合中比对各个辅助标识，确定目标用户的辅助标识的方案需要进行的比对数量降低，提升了确定目标用户的辅助标识的效率。
139.2)响应于辅助信息是语音信息，辅助标识是字符标识，首先对语音信息进行语音识别，获取语音文本，响应于语音文本存在于字符标识集合中，将语音文本获取为目标用户的辅助标识。
140.以计算机设备是服务器为例，当服务器获取的语音信息进行语音识别后的语音文
本是“1234”时，在人脸特征库中的各个辅助标识中搜索字符标识，当搜索到字符标识为“1234”时，确定该字符标识为目标用户的辅助标识，即目标用户的用户特征在该字符标识下的用户特征集合中。
141.例如，图7是本技术实施例涉及的一种语音输入界面的示意图。如图7所示，该语音输入界面是当辅助信息为语音信息时对应的信息输入界面。该信息输入界面中可以包含人脸图像展示区域71以及语音输入结束控件72。通过采集终端采集到的目标用户的人脸图像可以在人脸图像展示区域71进行展示，并且存在重拍控件711，通过对重拍控件711进行触控操作，可以返回人脸特征采集界面，重新进行人脸图像的采集。当进入语音输入界面时，采集终端获取麦克风权限，自动开启语音采集，当用户完成语音输入时，用户通过对语音输入结束控件72进行触控操作，关闭语音采集，将采集到的语音作为该用户输入的语音信息。
142.3)响应于辅助信息是图像信息，辅助标识是动作标识，对图像信息进行图像识别，获取图像信息中的动作描述信息，然后响应于动作描述信息存在于动作标识集合中，将动作描述信息获取为目标用户的辅助标识。
143.以计算机设备是服务器为例，当服务器获取的图像信息进行图像识别后的获取到其中的动作描述信息是“剪刀手”时，在人脸特征库中的各个辅助标识中搜索动作标识，当搜索到动作标识为“剪刀手”时，确定该动作标识为目标用户的辅助标识，即目标用户的用户特征在该动作标识下的用户特征集合中。
144.例如，图8是本技术实施例涉及的一种图像信息输入界面的示意图。如图8所示，该图像信息输入界面是当辅助信息为图像信息时对应的信息输入界面。该信息输入界面中可以包含人脸图像展示区域81以及图像信息输入区域82。通过采集终端采集到的目标用户的人脸图像可以在人脸图像展示区域81进行展示，并且存在重拍控件811，通过对重拍控件811进行触控操作，可以返回人脸特征采集界面，重新进行人脸图像的采集。当进入图像信息输入界面时，采集终端获取摄像头权限，自动开启摄像头采集图像信息，当用户执行动作在图像信息输入区域维持指定时间时，完成图像信息的采集，并且采集终端关闭摄像头，将采集到的图像信息作为该用户输入的图像信息。
145.在步骤404中，基于目标用户的辅助标识，确定目标用户的人脸特征模板所属的目标用户特征集合。
146.在本技术实施例中，服务器根据确定的目标用户的辅助标识，确定目标用户特征集合。
147.在一种可能的实现方式中，基于目标用户的辅助标识，查询辅助标识与用户特征集合的对应关系，确定目标用户的辅助标识对应的目标用户特征集合。
148.也就是说，计算机设备获取辅助标识与用户特征集合的对应关系，根据对应关系，确定目标用户的辅助标识对应的目标用户特征集合。
149.其中，辅助标识与用户特征集合的对应关系可以是在构建人脸特征库时进行存储的。
150.比如，当用户a设置的辅助标识为字符标识“1234”，用户b设置的辅助标识为字符标识“1231”，则用户a对应的用户特征与用户b对应的用户特征不在同一个用户特征集合中，若用户c设置的辅助标识为字符标识“1234”，用户d设置的辅助标识为字符标识“1231”，则用户a对应的用户特征与用户c对应的用户特征在同一个用户特征集合中，用户b对应的
用户特征与用户d对应的用户特征在同一个用户特征集合中。
151.在步骤405中，将人脸特征信息与目标用户特征集合中的各个人脸特征模板进行匹配，获得目标用户的用户身份信息。
152.在本技术实施例中，将获取到的人脸特征信息与目标用户特征集合中存储的各个人脸特征模板进行比对，根据比对结果获得目标用户的用户身份信息。
153.在一种可能的实现方式中，计算机设备将人脸特征信息与目标用户特征集合中的各个人脸特征模板进行匹配，获取目标人脸特征模板对应的用户身份信息，作为目标用户的用户身份信息。
154.其中，目标人脸特征模板是各个人脸特征模板中与人脸特征信息匹配度最高的模板。
155.也就是说，计算机设备将人脸特征信息与目标用户特征集合中的各个人脸特征模板进行比对，获得比对结果，响应于比对结果为人脸特征信息与人脸特征模板一致，获取人脸特征模板对应的用户身份信息，将用户身份信息确定为目标用户的用户身份信息。
156.其中，人脸特征模板与用户身份信息的对应关系预先存储在人脸特征库中。并且用户可以实时对人脸特征模板与用户身份信息进行修改更新。
157.另外，以刷脸支付为例，当服务器获取到目标用户身份信息之后，可以生成目标用户身份信息对应的付款码完成支付，并且将支付成功信息返回到采集终端上进行显示。
158.比如，图9是本技术实施例涉及的一种刷脸支付终端显示界面示意图。如图9所示，首先采集终端展示人脸特征采集界面91，进行人脸特征信息采集，当人脸特征信息采集完成后，采集终端展示信息输入界面92，当用户输入对应的辅助信息后，服务器经过人脸识别算法运算，从目标用户特征集合中获取目标用户身份信息，根据目标用户身份信息生成对应的付款码完成支付，并且将支付成功信息返回到采集终端上，由采集终端显示支付完成界面93，完成整个刷脸支付流程。
159.以刷脸支付为例，图10是本技术实施例涉及的一种刷脸支付信息交互流程图。如图10所示，该刷脸支付信息交互过程由人脸识别采集终端以及人脸识别后台交互进行，其中，人脸采集终端是具有人脸图像采集功能的采集终端设备，人脸识别后台是服务器。首先用户启动刷脸支付功能(s1001)，其中，启动刷脸支付可以在支付时通过手动选择采集终端上的该功能进行启动，或者可以在完成商品信息扫描后自动跳转启动。然后，人脸采集终端抓取当前用户的人脸识别图(s1002)，作为人脸图像，接着展示口令输入界面(s1003)，该口令输入界面是上述实施例中的信息输入界面，用户在口令输入界面输入自身设置的口令内容(s1004)，然后由人脸采集终端将用户输入的口令内容以及获取的人脸识别图上传到人脸识别后台上(s1005)，人脸识别后台根据接收到的用户输入的口令内容，缩小人脸特征库的搜索范围(s1006)，在缩小搜索范围后的人脸特征库中，根据人脸图像识别对应的用户身份，并且生成该用户身份对应的扣款码(s1007)，人脸识别后台将生成的扣款码返回给人脸采集终端进行显示(s1008)，最后完成刷脸支付(s1009)。
160.综上所述，本技术实施例所示的方案，在进行人脸识别的过程中，计算机设备通过获取到的目标用户的辅助标识，将目标用户的人脸特征信息与对应的用户特征集合中的各个人脸特征模板进行匹配，得到目标用户的用户身份信息，通过上述方案，可以避免将目标用户的人脸特征信息与人脸特征库中的全部人脸特征模板进行人脸匹配，解决了人脸识别
算法的计算量过大的问题，从而缩短了人脸识别的运算时间，节约了人脸识别的资源占用，进而提高了人脸识别的效率。
161.图11是根据一示例性实施例示出的一种人脸识别系统的结构示意图，如图11所示，该人脸识别系统包括采集终端1110以及后台服务器1120，首先，采集终端1110通过摄像头模块1111采集用户的有效人脸图像，然后采集服务器可以通过摄像头模块1111、麦克风模块1112以及触控模块1113采集至少一种辅助信息。其中，摄像头模块1111可以采集用户的图像信息，麦克风模块1112可以采集用户的语音信息，触控模块1113可以采集用户输入的字符信息。
162.当采集终端1110采集的辅助信息种类是用户的图像信息时，采集终端1110将用户的有效人脸图像以及图像信息上传到后台服务器1120，由图像识别模块1121对用户的有效人脸图像以及图像信息分别进行图像识别，通过识别有效人脸图像可以得到用户人脸特征信息，通过识别图像信息可以得到图像信息中包含的指定动作信息，在数据库中的人脸特征库1123中将各个辅助标识与指定动作信息进行匹配，确定相匹配的辅助标识。各个辅助标识分别对应部分用户特征，各个用户特征中包括人脸特征模板以及对应的用户身份信息，将人脸特征信息与该辅助标识对应的部分用户特征进行匹配，若人脸特征信息与人脸特征模板的匹配程度较高，则将对应的用户身份信息确定为采集用户的用户身份信息，并且可以返回用户身份信息到采集终端的显示模块1114进行显示。
163.当采集终端1110采集的辅助信息种类是用户的语音信息时，采集终端1110将用户的有效人脸图像以及语音信息上传到后台服务器1120，由图像识别模块1121对用户的有效人脸图像进行图像识别，通过识别有效人脸图像可以得到用户人脸特征信息，由语音识别模块1122对语音信息进行语音识别，获取其中的语音文本，在数据库中的人脸特征库1123中将各个辅助标识与语音文本进行匹配，确定相匹配的辅助标识。各个辅助标识分别对应部分用户特征，各个用户特征中包括人脸特征模板以及对应的用户身份信息，将人脸特征信息与该辅助标识对应的部分用户特征进行匹配，若人脸特征信息与人脸特征模板的匹配程度较高，则将对应的用户身份信息确定为采集用户的用户身份信息，并且可以返回用户身份信息到采集终端的显示模块1114进行显示。
164.当采集终端1110采集的辅助信息种类是用户的字符信息时，采集终端1110将用户的有效人脸图像以及字符信息上传到后台服务器1120，由图像识别模块1121对用户的有效人脸图像进行图像识别，通过识别有效人脸图像可以得到用户人脸特征信息，直接在数据库中的人脸特征库1123中将各个辅助标识与字符信息进行匹配，确定相匹配的辅助标识。各个辅助标识分别对应部分用户特征，各个用户特征中包括人脸特征模板以及对应的用户身份信息，将人脸特征信息与该辅助标识对应的部分用户特征进行匹配，若人脸特征信息与人脸特征模板的匹配程度较高，则将对应的用户身份信息确定为采集用户的用户身份信息，并且可以返回用户身份信息到采集终端的显示模块1114进行显示。
165.综上所述，本技术实施例所示的方案，在进行人脸识别的过程中，计算机设备通过获取到的目标用户的辅助标识，将目标用户的人脸特征信息与对应的用户特征集合中的各个人脸特征模板进行匹配，得到目标用户的用户身份信息，通过上述方案，可以避免将目标用户的人脸特征信息与人脸特征库中的全部人脸特征模板进行人脸匹配，解决了人脸识别算法的计算量过大的问题，从而缩短了人脸识别的运算时间，节约了人脸识别的资源占用，
进而提高了人脸识别的效率。
166.图12是根据一示例性实施例示出的一种人脸识别装置的框图，如图12所示，该人脸识别装置可以通过硬件或者软硬结合的方式实现为计算机设备中的全部或者部分，以执行图3或图4对应实施例所示的方法的全部或部分步骤。该人脸识别装置可以包括：
167.信息获取模块1210，用于获取目标用户对应的人脸特征信息；
168.标识获取模块1220，用于获取所述目标用户的辅助标识；所述辅助标识用于指示对应用户的人脸特征模板所属的用户特征集合；
169.集合确定模块1230，用于基于所述目标用户的辅助标识，确定所述目标用户的人脸特征模板所属的目标用户特征集合；
170.身份获取模块1240，用于将所述人脸特征信息与所述目标用户特征集合中的各个人脸特征模板进行匹配，获得所述目标用户的用户身份信息。
171.在一种可能的实现方式中，所述标识获取模块1220，包括：
172.辅助信息获取子模块，用于获取在采集终端中输入的辅助信息；所述采集终端是采集所述人脸特征信息的终端；
173.标识获取子模块，用于基于所述辅助信息获取所述目标用户的辅助标识。
174.在一种可能的实现方式中，所述辅助信息包括字符信息、语音信息以及图像信息中的至少一种。
175.在一种可能的实现方式中，响应于所述辅助信息是所述字符信息，所述辅助标识是字符标识；
176.所述标识获取子模块，包括：
177.第一标识确定单元，用于响应于所述字符信息存在于字符标识集合中，将所述字符信息获取为所述目标用户的辅助标识。
178.在一种可能的实现方式中，所述第一标识确定单元，用于，
179.确定所述字符信息的字符位数；
180.根据所述字符位数确定第一字符标识集合，所述第一字符标识集合是具有所述字符位数的至少一个所述字符标识构成的集合；
181.响应于所述字符信息存在于所述第一字符标识集合中，将所述字符信息获取为所述目标用户的辅助标识。
182.在一种可能的实现方式中，响应于所述辅助信息是所述语音信息，所述辅助标识是所述字符标识；
183.所述标识获取子模块，包括：
184.语音识别单元，用于对所述语音信息进行语音识别，获取语音文本；
185.第二标识确定单元，用于响应于所述语音文本存在于字符标识集合中，将所述语音文本获取为所述目标用户的辅助标识。
186.在一种可能的实现方式中，响应于所述辅助信息是所述图像信息，所述辅助标识是动作标识；
187.所述标识获取子模块，包括：
188.动作获取单元，用于对所述图像信息进行图像识别，获取所述图像信息中的动作描述信息；
189.第三标识确定单元，用于响应于所述动作描述信息存在于动作标识集合中，将所述动作描述信息获取为所述目标用户的辅助标识。
190.在一种可能的实现方式中，所述集合确定模块1230，包括：
191.集合确定子模块，用于基于所述目标用户的辅助标识，查询所述辅助标识与所述用户特征集合的对应关系，确定所述目标用户的辅助标识对应的所述目标用户特征集合。
192.在一种可能的实现方式中，所述身份获取模块1240，包括：
193.特征匹配子模块，用于将所述人脸特征信息与所述目标用户特征集合中的各个所述人脸特征模板进行匹配；
194.身份获取子模块，用于获取目标人脸特征模板对应的用户身份信息，作为所述目标用户的用户身份信息；所述目标人脸特征模板是各个所述人脸特征模板中与所述人脸特征信息匹配度最高的模板。
195.在一种可能的实现方式中，所述装置还包括：
196.界面展示模块，用于获取目标用户对应的人脸特征信息之前，通过采集终端展示人脸特征采集界面，所述人脸特征采集界面用于接收所述人脸特征信息。
197.在一种可能的实现方式中，所述装置还包括：
198.输入界面展示模块，用于获取所述目标用户的辅助标识之前，通过采集终端展示信息输入界面，所述信息输入界面用于接收所述辅助标识。
199.在一种可能的实现方式中，所述输入界面展示模块，包括：
200.输入界面展示子模块，用于响应于所述采集终端采集到有效的人脸特征信息，通过所述采集终端展示所述信息输入界面。
201.综上所述，本技术实施例所示的方案，在进行人脸识别的过程中，计算机设备通过获取到的目标用户的辅助标识，将目标用户的人脸特征信息与对应的用户特征集合中的各个人脸特征模板进行匹配，得到目标用户的用户身份信息，通过上述方案，可以避免将目标用户的人脸特征信息与人脸特征库中的全部人脸特征模板进行人脸匹配，解决了人脸识别算法的计算量过大的问题，从而缩短了人脸识别的运算时间，节约了人脸识别的资源占用，进而提高了人脸识别的效率。
202.图13是根据一示例性实施例示出的一种计算机设备的结构示意图。所述计算机设备1300包括中央处理单元(central processing unit，cpu)1301、包括随机存取存储器(random access memory，ram)1302和只读存储器(read-only memory，rom)1303的系统存储器1304，以及连接系统存储器1304和中央处理单元1301的系统总线1305。所述计算机设备1300还包括帮助计算机设备内的各个器件之间传输信息的基本输入/输出系统(input/output，i/o系统)1306，和用于存储操作系统1313、应用程序1314和其他程序模块1315的大容量存储设备1307。
203.所述基本输入/输出系统1306包括有用于显示信息的显示器1308和用于用户输入信息的诸如鼠标、键盘之类的输入设备1309。其中所述显示器1308和输入设备1309都通过连接到系统总线1305的输入输出控制器1310连接到中央处理单元1301。所述基本输入/输出系统1306还可以包括输入输出控制器1310以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地，输入输出控制器1310还提供输出到显示屏、打印机或其他类型的输出设备。
204.所述大容量存储设备1307通过连接到系统总线1305的大容量存储控制器(未示出)连接到中央处理单元1301。所述大容量存储设备1307及其相关联的计算机设备可读介质为计算机设备1300提供非易失性存储。也就是说，所述大容量存储设备1307可以包括诸如硬盘或者只读光盘(compact disc read-only memory，cd-rom)驱动器之类的计算机设备可读介质(未示出)。
205.不失一般性，所述计算机设备可读介质可以包括计算机设备存储介质和通信介质。计算机设备存储介质包括以用于存储诸如计算机设备可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机设备存储介质包括ram、rom、可擦除可编程只读存储器(erasable programmable read only memory，eprom)、带电可擦可编程只读存储器(electrically erasable programmable read-only memory，eeprom)，cd-rom、数字视频光盘(digital video disc，dvd)或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然，本领域技术人员可知所述计算机设备存储介质不局限于上述几种。上述的系统存储器1304和大容量存储设备1307可以统称为存储器。
206.根据本公开的各种实施例，所述计算机设备1300还可以通过诸如因特网等网络连接到网络上的远程计算机设备运行。也即计算机设备1300可以通过连接在所述系统总线1305上的网络接口单元1311连接到网络1312，或者说，也可以使用网络接口单元1311来连接到其他类型的网络或远程计算机设备系统(未示出)。
207.所述存储器还包括一个或者一个以上的程序，所述一个或者一个以上程序存储于存储器中，中央处理器1301通过执行该一个或一个以上程序来实现图3或图4所示的方法的全部或者部分步骤。
208.图14是根据一示例性实施例示出的计算机设备1400的结构框图。该计算机设备1400可以是图1所示的人脸识别系统中的终端。
209.通常，计算机设备1400包括有：处理器1401和存储器1402。
210.处理器1401可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器1401可以采用dsp(digital signal processing，数字信号处理)、fpga(field－programmable gate array，现场可编程门阵列)、pla(programmable logic array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器1401也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称cpu(central processing unit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器1401可以在集成有gpu(graphics processing unit，图像处理器)，gpu用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器1401还可以包括ai(artificial intelligence，人工智能)处理器，该ai处理器用于处理有关机器学习的计算操作。
211.存储器1402可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器1402还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器1402中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器1401所执行以实现本技术中方法实施例提供的方法。
212.在一些实施例中，计算机设备1400还可选包括有：外围设备接口1403和至少一个外围设备。处理器1401、存储器1402和外围设备接口1403之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口1403相连。具体地，外围设备包括：射频电路1404、显示屏1405、摄像头组件1406、音频电路1407、定位组件1408和电源1409中的至少一种。
213.外围设备接口1403可被用于将i/o(input/output，输入/输出)相关的至少一个外围设备连接到处理器1401和存储器1402。在一些实施例中，处理器1401、存储器1402和外围设备接口1403被集成在同一芯片或电路板上；在一些其他实施例中，处理器1401、存储器1402和外围设备接口1403中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。
214.射频电路1404用于接收和发射rf(radio frequency，射频)信号，也称电磁信号。射频电路1404通过电磁信号与通信网络以及其他通信设备进行通信。射频电路1404将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路1404包括：天线系统、rf收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路1404可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：万维网、城域网、内联网、各代移动通信网络(2g、3g、4g及5g)、无线局域网和/或wifi(wireless fidelity，无线保真)网络。在一些实施例中，射频电路1404还可以包括nfc(near field communication，近距离无线通信)有关的电路，本技术对此不加以限定。
215.显示屏1405用于显示ui(user interface，用户界面)。该ui可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏1405是触摸显示屏时，显示屏1405还具有采集在显示屏1405的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器1401进行处理。此时，显示屏1405还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏1405可以为一个，设置计算机设备1400的前面板；在另一些实施例中，显示屏1405可以为至少两个，分别设置在计算机设备1400的不同表面或呈折叠设计；在再一些实施例中，显示屏1405可以是柔性显示屏，设置在计算机设备1400的弯曲表面上或折叠面上。甚至，显示屏1405还可以设置成非矩形的不规则图形，也即异形屏。显示屏1405可以采用lcd(liquid crystal display，液晶显示屏)、oled(organic light-emitting diode，有机发光二极管)等材质制备。
216.摄像头组件1406用于采集图像或视频。可选地，摄像头组件1406包括前置摄像头和后置摄像头。通常，前置摄像头设置在终端的前面板，后置摄像头设置在终端的背面。在一些实施例中，后置摄像头为至少两个，分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种，以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及vr(virtual reality，虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中，摄像头组件1406还可以包括闪光灯。闪光灯可以是单色温闪光灯，也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合，可以用于不同色温下的光线补偿。
217.音频电路1407可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波，并将声波转换为电信号输入至处理器1401进行处理，或者输入至射频电路1404以实现语音通
信。出于立体声采集或降噪的目的，麦克风可以为多个，分别设置在计算机设备1400的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器1401或射频电路1404的电信号转换为声波。扬声器可以是传统的薄膜扬声器，也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时，不仅可以将电信号转换为人类可听见的声波，也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中，音频电路1407还可以包括耳机插孔。
218.定位组件1408用于定位计算机设备1400的当前地理位置，以实现导航或lbs(location based service，基于位置的服务)。定位组件1408可以是基于美国的gps(global positioning system，全球定位系统)、中国的北斗系统或俄罗斯的伽利略系统的定位组件。
219.电源1409用于为计算机设备1400中的各个组件进行供电。电源1409可以是交流电、直流电、一次性电池或可充电电池。当电源1409包括可充电电池时，该可充电电池可以是有线充电电池或无线充电电池。有线充电电池是通过有线线路充电的电池，无线充电电池是通过无线线圈充电的电池。该可充电电池还可以用于支持快充技术。
220.在一些实施例中，计算机设备1400还包括有一个或多个传感器1410。该一个或多个传感器1410包括但不限于：加速度传感器1411、陀螺仪传感器1412、压力传感器1413、指纹传感器1414、光学传感器1415以及接近传感器1416。
221.加速度传感器1411可以检测以计算机设备1400建立的坐标系的三个坐标轴上的加速度大小。比如，加速度传感器1411可以用于检测重力加速度在三个坐标轴上的分量。处理器1401可以根据加速度传感器1411采集的重力加速度信号，控制触摸显示屏1405以横向视图或纵向视图进行用户界面的显示。加速度传感器1411还可以用于游戏或者用户的运动数据的采集。
222.陀螺仪传感器1412可以检测计算机设备1400的机体方向及转动角度，陀螺仪传感器1412可以与加速度传感器1411协同采集用户对计算机设备1400的3d动作。处理器1401根据陀螺仪传感器1412采集的数据，可以实现如下功能：动作感应(比如根据用户的倾斜操作来改变ui)、拍摄时的图像稳定、游戏控制以及惯性导航。
223.压力传感器1413可以设置在计算机设备1400的侧边框和/或触摸显示屏1405的下层。当压力传感器1413设置在计算机设备1400的侧边框时，可以检测用户对计算机设备1400的握持信号，由处理器1401根据压力传感器1413采集的握持信号进行左右手识别或快捷操作。当压力传感器1413设置在触摸显示屏1405的下层时，由处理器1401根据用户对触摸显示屏1405的压力操作，实现对ui界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
224.指纹传感器1414用于采集用户的指纹，由处理器1401根据指纹传感器1414采集到的指纹识别用户的身份，或者，由指纹传感器1414根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时，由处理器1401授权该用户执行相关的敏感操作，该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器1414可以被设置计算机设备1400的正面、背面或侧面。当计算机设备1400上设置有物理按键或厂商logo时，指纹传感器1414可以与物理按键或厂商logo集成在一起。
225.光学传感器1415用于采集环境光强度。在一个实施例中，处理器1401可以根据光
学传感器1415采集的环境光强度，控制触摸显示屏1405的显示亮度。具体地，当环境光强度较高时，调高触摸显示屏1405的显示亮度；当环境光强度较低时，调低触摸显示屏1405的显示亮度。在另一个实施例中，处理器1401还可以根据光学传感器1415采集的环境光强度，动态调整摄像头组件1406的拍摄参数。
226.接近传感器1416，也称距离传感器，通常设置在计算机设备1400的前面板。接近传感器1416用于采集用户与计算机设备1400的正面之间的距离。在一个实施例中，当接近传感器1416检测到用户与计算机设备1400的正面之间的距离逐渐变小时，由处理器1401控制触摸显示屏1405从亮屏状态切换为息屏状态；当接近传感器1416检测到用户与计算机设备1400的正面之间的距离逐渐变大时，由处理器1401控制触摸显示屏1405从息屏状态切换为亮屏状态。
227.本领域技术人员可以理解，图14中示出的结构并不构成对计算机设备1400的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。
228.在一示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括至少一条指令、至少一段程序、代码集或指令集的存储器，上述至少一条指令、至少一段程序、代码集或指令集可由处理器执行以完成上述图3或图4任一实施例所示的方法的全部或者部分步骤。例如，非临时性计算机可读存储介质可以是rom、ram、cd-rom、磁带、软盘和光数据存储设备等。
229.本领域技术人员应该可以意识到，在上述一个或多个示例中，本公开实施例所描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时，可以将这些功能存储在计算机设备可读介质中或者作为计算机设备可读介质上的一个或多个指令或代码进行传输。计算机设备可读介质包括计算机设备存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机设备程序的任何介质。存储介质可以是通用或专用计算机设备能够存取的任何可用介质。
230.根据本技术的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述方面的各种可选实现方式中提供的人脸识别方法。
231.本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本技术的其它实施方案。本技术旨在涵盖本技术的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本技术的一般性原理并包括本技术未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本技术的真正范围和精神由下面的权利要求指出。
232.应当理解的是，本技术并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本技术的范围仅由所附的权利要求来限制。