一种人脸识别方法、装置及电子设备

技术领域

本发明涉及图像识别技术领域，尤其涉及一种人脸识别方法、装置及电子设备。

背景技术

当前的人脸识别技术应用在日常生活中的各个领域，例如，门禁、通关闸机、刷脸支付等等。一般人脸识别系统会先采集用户的标准正脸图像，再用标准正脸人像去识别当前用户的人脸图像是否相匹配。

然而，当人头方向稍微与标准正脸人像偏离一定角度时，或者当用户的妆容与真实人脸有一定差距时，例如深化眼部轮廓、描绘眉部轮廓、修饰面颊形态等时，使得采集到的当前人脸图像与标准正脸图像产生一定的差异，大大降低人脸识别的准确率。

发明内容

本发明实施例提供一种人脸识别方法，能够在面部位置或者妆容出现偏差，提高人脸识别的准确率。

模糊的图像信息对嫌疑人员身份进行分析，快速寻找到嫌疑人员。

第一方面，本发明实施例提供一种人脸识别方法，包括：

对获取到的待处理人脸图像进行预处理，得到目标人脸图像；

根据目标人脸图像的人脸特征确定妆容关键点，并在预设的人脸数据库中选取与所述目标人脸图像对应的标准人脸图像；

基于所述妆容关键点对所述标准人脸图像进行渲染，得到化妆人脸图像；

计算所述目标人脸图像与所述化妆人脸图像的相似度，根据所述相似度确定所述目标人脸图像与所述化妆人脸图像是否为同一人。

第二方面，本发明实施例提供一种人脸识别装置，包括：

处理模块，用于对获取到的待处理人脸图像进行预处理，得到目标人脸图像；

选取模块，用于根据目标人脸图像的人脸特征确定妆容关键点，并在预设的人脸数据库中选取与所述目标人脸图像对应的标准人脸图像；

提取模块，用于基于所述妆容关键点对所述标准人脸图像进行渲染，得到化妆人脸图像；

计算模块，用于计算所述目标人脸图像与所述化妆人脸图像的相似度，根据所述相似度确定所述目标人脸图像与所述化妆人脸图像是否为同一人。

第三方面，本发明实施例还提供一种电子设备，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，所述处理器执行所述计算机程序时实现本发明实施例提供的人脸识别方法中的步骤。

第四方面，本发明实施例还提供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发明实施例提供的人脸识别方法中的步骤。

本发明实施例中，对获取到的待处理人脸图像进行预处理，得到目标人脸图像；根据目标人脸图像的人脸特征确定妆容关键点，并在预设的人脸数据库中选取与所述目标人脸图像对应的标准人脸图像；基于所述妆容关键点对所述标准人脸图像进行渲染，得到化妆人脸图像；计算所述目标人脸图像与所述化妆人脸图像的相似度，根据所述相似度确定所述目标人脸图像与所述化妆人脸图像是否为同一人。本发明实施例由于可以通过获取目标人脸图像的人脸特征确定妆容关键点，并在预设的人脸数据库中查找到与目标人脸图像对应的标准人脸图像，基于妆容关键点对标准人脸图像进行渲染得到化妆人脸图像，然后再计算化妆人脸图像与目标人脸图像之间的相似度，基于相似度实现对人脸的识别，这样，能够在人脸失真(化妆、非正面)的情况下，提高人脸识别准确率。

附图说明

为了更清楚地说明本发明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发明的一些实施例，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，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种人脸识别方法的流程图；

图2为本发明实施例提供的另一种人脸识别方法的流程图；

图3为本发明实施例提供的另一种人脸识别方法的流程图；

图4为本发明实施例提供的另一种人脸识别方法的流程图；

图5为本发明实施例提供的另一种人脸识别方法的流程图；

图6为本发明实施例提供的另一种人脸识别方法的流程图；

图7为本发明实施例提供的一种人脸识别装置的结构示意图；

图8为本发明实施例提供的另一种人脸识别装置的结构示意图；

图9为本发明实施例提供的另一种人脸识别装置的结构示意图；

图10为本发明实施例提供的另一种人脸识别装置的结构示意图；

图11为本发明实施例提供的另一种人脸识别装置的结构示意图；

图12为本发明实施例提供的另一种人脸识别装置的结构示意图；

图13为本发明实施例提供的一种电子设备的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参见图1，图1是本发明实施例提供的一种人脸识别方法的流程图，如图1所示，包括以下步骤：

101、对获取到的待处理人脸图像进行预处理，得到目标人脸图像。

在本实施例中，人脸识别方法运行于其上的电子设备可以通过有线连接方式或者无线连接方式获取待处理人脸图像等。需要指出的是，上述无线连接方式可以包括但不限于3G/4G连接、WiFi(Wireless-Fidelity)连接、蓝牙连接、WiMAX(WorldwideInteroperability for Microwave Access)连接、Zigbee(低功耗局域网协议，又称紫峰协议)连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。

其中，待处理人脸图像包括人脸的图像，可以是从门禁设备、人脸识别闸机等中采集到的人脸图像。待处理人脸图像可以是非正脸的人脸图像、正脸的人脸图像，且人脸图像中还可以包括有背景区域及人脸区域。上述的目标人脸图像为预处理优化后的人脸图像，也即是当前获取到的优化人脸图像，可用于与人脸数据库中的人脸图像进行相似度比较。

上述的预处理可以是对获取到的待处理人脸图像进行矫正处理，从而得到目标人脸图像，例如：获取到的待处理人脸图像为非正脸的人脸图像，则可以通过预处理将非正脸进行校正。

102、根据目标人脸图像的人脸特征确定妆容关键点，并在预设的人脸数据库中选取与目标人脸图像对应的标准人脸图像。

其中，人脸特征可以是指人脸的五官分布，例如：眼睛、鼻子、嘴巴等。妆容关键点可以是指面部可能会进行化妆的位置，例如：在眼皮上打眼影、在鼻子上打高光和阴影、在面部打粉底和腮红、或者进行画眉、涂口红等。妆容关键点可以根据目标人脸图像的人脸特征进行确定，当确定人脸特征的位置就可以找到对应的妆容关键点，例如：根据眼睛的位置找睫毛，根据嘴巴找口红等。上述的标准人脸图像可以是未经过妆容修饰的头部正向素颜人脸。

具体的，在得到目标人脸图像后，可以根据目标人脸图像的人脸特征去预设的人脸数据库中选取对应的标准人脸，选取时可以进行相似度的比对，例如：判断目标人脸图像的人脸特征与预设的人脸数据库中的人脸图像的人脸特征进行相似度计算。上述预设的人脸数据库中，可以通过从第三方获取到多个人的人脸图像进行预存。第三方可以是公安机关等经过官方认证的机构，而人脸图像可以是平时通用的身份证头像。

作为一种可能的实施例方式，若存在部分使用内部预设的人脸数据库的情况，其人脸数据库中的标准人脸图像可以是自行预先录入存储的人脸图像，且该人脸图像可以是身份证头像，可以是工位头像，还可以是自行拍摄的头像等。

103、基于妆容关键点对标准人脸图像进行渲染，得到化妆人脸图像。

其中，当根据目标人脸图像的人脸特征得到妆容关键点之后，可以根据妆容关键点识别标准人脸图像的标准人脸特征，例如：根据眼影去识别标准人脸图像中的眼睛，根据口红去识别标准人脸图像中的嘴巴等。

当识别到标准人脸特征后，基于目标人脸图像的人脸特征对标准人脸特征进行渲染。上述进行渲染，也即是根据当前获取到的目标人脸图像中所化的妆对标准人脸特征进行相应的填涂，例如：目标人脸图像的人脸特征中，眼睛有眼影，眼影有对应的颜色，嘴巴有口红，口红有对应的颜色，则获取目标人脸图像的人脸特征的眼睛以及有色的眼影、嘴巴以及对应的口红对标准人脸特征进行填涂。最终，会得到标准人脸图像经过渲染后的化妆人脸图像。上述过程可以是基于标准人脸图像实现对目标人脸图像的模拟过程。

104、计算目标人脸图像与化妆人脸图像的相似度，根据相似度确定目标人脸图像与化妆人脸图像是否为同一人。

其中，计算相似度可以是计算渲染后的换装人脸图像与获取到的经过预处理的目标人脸图像整个面部的相似度，整个面部的相似度可以包括对应的人脸特征之间的相似度，渲染后对应位置的相似度，轮廓的相似度等，例如：眼睛的相似度以及眼影(颜色、轮廓等)的相似度，嘴巴及口红(色号、轮廓等)的相似度等。

可以是通过预先设置相似度阈值，例如：将相似度阈值设置为0.9。若计算得到的相似度大于等于相似度阈值，则可以确定当前经过化妆后的人脸图像就是本人，也即是当前的目标人脸图像与化妆人脸图像为同一人，例如：相似度阈值为0.9，计算得到的相似度为0.98，则确定该人脸图像是本人。若在安检，则表示人脸确认，可以通过。

上述相似度的计算中，可以通过欧式距离计算目标人脸图像与化妆人脸图像中对应位置的绝对距离，距离越近，相似度越高。也可以通过余弦定理计算目标人脸图像与化妆人脸图像中对应位置之间的夹角，夹角越小，得到的相似度越高。当然，还可以是其他的相似度计算方法，在本发明中，对此不作限定。

在本实施例中，对获取到的待处理人脸图像进行预处理，得到目标人脸图像；根据目标人脸图像的人脸特征确定妆容关键点，并在预设的人脸数据库中选取与目标人脸图像对应的标准人脸图像；基于妆容关键点提取标准人脸图像对应的标准人脸特征，根据目标人脸图像的人脸特征对标准人脸特征进行渲染，得到化妆人脸图像；计算目标人脸图像与化妆人脸图像的相似度，若相似度满足预设相似度阈值，则确定对应于相似度的目标人脸图像与化妆人脸图像为同一人。本发明由于本发明实施例由于可以通过获取目标人脸图像的人脸特征确定妆容关键点，并在预设的人脸数据库中查找到与目标人脸图像对应的标准人脸图像，基于妆容关键点对与目标人脸图像的人脸特征对应的标准人脸特征进行渲染得到化妆人脸图像，然后再计算化妆人脸图像与目标人脸图像之间的相似度，基于相似度实现对人脸的识别，这样，能够在人脸失真(化妆、非正面)的情况下，提高人脸识别准确率。

参见图2，图2是本发明实施例中提供的另一种人脸识别方法的流程图，如图2所示，包括以下步骤：

201、获取待处理人脸图像。

其中，获取待处理人脸图像包括将采集到的人脸图像进行人脸检测以得到人脸所在区域，并根据人脸所在区域剔除图像的背景区域，以得到待处理人脸图像。

需要说明的是，本发明实施例中获取待处理人脸图像可以是通过图像采集设备获取，例如：通过摄像头、带有拍摄功能的移动终端、智能拍摄设备等设备进行抓拍。

202、对待处理图像进行正向矫正，得到正向的目标人脸图像。

上述对获取到的待处理人脸图像进行正向矫正处理，可以是对获取到的非正脸人脸图像进行正向调整，使得其面部的多个特征能够更清晰的出现在图像中，从而得到正向的目标人脸图像，便于识别人脸特征。

203、根据目标人脸图像的人脸特征确定妆容关键点，并在预设的人脸数据库中选取与目标人脸图像对应的标准人脸图像。

204、基于妆容关键点对标准人脸图像进行渲染，得到化妆人脸图像。

205、计算目标人脸图像与化妆人脸图像的相似度，若相似度满足预设相似度阈值，则确定对应于相似度的目标人脸图像与化妆人脸图像为同一人。

可选的，上述202包括：

通过卷积神经网络提取待处理人脸图像的人脸特征。

其中，卷积神经网络(Convolutional Neural Network，CNN)是一种前馈神经网络，可以进行图像特征的识别。在本实施例中，可以是运用二维卷积神经网络常应用于图像类文本的识别。上述的人脸特征可以是眼睛、鼻子、嘴巴等。通过CNN的图像识别功能可以对待处理图像中的人脸特征进行识别。

定位人脸特征中两个瞳孔的位置，确定两个瞳孔的位置之间的直线与水平线之间的夹角。

其中，可以以眼睛的瞳孔位置为标准去调节人脸图像的平衡度，所以在通过CNN识别到人脸特征之后，需要从人脸特征中定位两个瞳孔的位置，基于两个瞳孔的位置将其进行连接得到两个瞳孔之间的直线。当该直线与水平线不处于同一直线时，可以表示待处理人脸图像中的人脸为非正面人脸，因此，可以计算出两个瞳孔之间形成的直线与水平线之间的夹角，基于夹角去判断如何调整。

上述计算夹角可以通过将直线与水平线连接得到三角形，基于三角形的三个坐标位置计算三边长度，基于三边的长度可以计算出余弦角，实现根据坐标位置转换为夹角。当然，在本发明实施例中，还可以通过其他方式计算两个瞳孔之间的直线与水平线之间的夹角。

根据夹角对待处理人脸图像在平面中进行调整，得到正向的目标人脸图像。

当上述计算出两个瞳孔之间的直线与水平线之间的夹角，可以以水平线为基准，将两个瞳孔之间的直线调整上述的夹角，夹角可以是位于水平线上侧或者下侧。若位于下侧，则可以将待处理人脸图像整体向上调整上述夹角大小，若位于上侧，则可以将待处理人脸图像整体向下调整上述夹角大小，例如：夹角位于水平线上侧10°，则调整待处理人脸图像向下偏转10°。通过对待处理人脸图像的角度调整，可以将非正面的人脸图像调整为正向的目标人脸图像，这样，便于提取校正后的目标人脸图像的人脸特征，便于确定与人脸特征对应的妆容关键点。

在本发明实施例中，通过获取待处理人脸图像，基于卷积神经网络提取未矫正前的待处理人脸图像的人脸特征，并定位人脸特征中两个瞳孔的位置，确定两个瞳孔的位置之间的直线与水平线之间的夹角，通过该夹角去将非正面的人脸图像跳帧为正向的人脸图像，也即是正向的目标人脸图像。这样，有利于提取校正后得到的目标人脸图像中的人脸特征，准确的根据人脸特征去定位妆容关键点，以及在人脸数据库中选取到与目标人脸图像对应的标准人脸图像，所以，能够在人脸失真(化妆、非正面)的情况下，通过提供更加标准的目标人脸图像，提高人脸识别准确率。

请参见图3，图3是本发明实施例提供的一种人脸识别方法的流程图，如图3所示，包括以下步骤：

301、对获取到的待处理人脸图像进行预处理，得到目标人脸图像。

302、妆容关键点包括必要特征、与必要特征对应的RGB值以及对应的位置信息，识别目标人脸图像的必要特征对应的RGB值及位置信息。

其中，妆容关键点包括必要特征、与必要特征对应的RGB值以及对应的位置信息。上述的必要特征可以是眼脸(即眼皮)、眼角、嘴唇、脸颊等。上述与必要特征对应的RGB值可以是粉色(255,192,203)、洋红色(255,0,255)、珊瑚色(255,127,80)等。上述对应的位置信息可以是与必要特征对应的坐标信息。

可以通过图像识别功能去识别与必要特征对应的RGB值与对应的位置信息，识别必要特征对应的RGB值与对应的位置信息可以便于匹配对应的妆容模板。

303、根据目标人脸图像的必要特征对应的RGB值及位置信息与预设的人脸数据库中的妆容模板的必要特征对应的RGB值及位置信息进行匹配。

其中，在预设的人脸数据库中可以存储有多个妆容模板，妆容模板可以是预先通过对模板中的人像的必要特征进行RGB值渲染的人脸图像，并且必要特征的位置信息不同。这样，便可得到多个必要特征的RGB值不同、位置信息不同的妆容模板。

上述根据目标人脸图像的必要特征对应的RGB值及位置信息与预设的人脸数据库中的妆容模板的必要特征对应的RGB值及位置信息进行匹配，可以是将目标人脸图像与妆容模板中位置信息相同的RGB值进行一一匹配识别，例如：对左脸右脸区域的脸颊RGB值(腮红)进行匹配识别、对左右眼影区域的RGB值进行识别、对口红进行识别等。

304、若目标人脸图像的必要特征对应的RGB值及位置信息与妆容模板的必要特征对应的RGB值及位置信息满足预设的匹配条件，则选取与目标人脸图像匹配的妆容模板对应的标准人脸图像。

其中，预设的匹配条件可以是允许位置信息匹配时存在一定偏差，以及RGB值在匹配时存在一定偏差，例如：偏差范围为0.5，对三维人脸图像识别时，目标人脸图像的鼻子的位置信息为(2.5,3,5)，妆容模板的鼻子的位置信息为(2.6,3,5)，则可以表示满足预设的匹配条件，匹配成功。又例如：偏差范围为10，对三维人脸图像识别时，目标人脸图像的眼睑的RGB值为(255,192,203)，妆容模板的眼睑的RGB值为(250,190,200)，则可以表示满足预设的匹配条件，匹配成功。

若匹配成功，则可以在预设的人脸数据库中选取与匹配成功的妆容模板对应的标准人脸图像。作为另一种可能的实施方式，若匹配不成功，则确定目标人脸图像为非预设的人脸数据库中的存储的人脸图像。这样，便可以确认该目标人脸图像可能是还没录入的人脸图像，也可能是该人想蒙混进入当前进行人脸识别的场合。

305、基于妆容关键点对标准人脸图像进行渲染，得到化妆人脸图像。

306、计算目标人脸图像与化妆人脸图像的相似度，若相似度满足预设相似度阈值，则确定对应于相似度的目标人脸图像与化妆人脸图像为同一人。

在本实施例中，得到目标人脸图像后，识别目标人脸图像的必要特征对应的RGB值及位置信息，并与每个妆容模板的RGB值及位置信息进行匹配，然后选取出将匹配成功的妆容模板对应的标准人脸图像。这样，得到的标准人脸图像准确率更高，便于根据匹配得到的标准人脸图像去识别其标准人脸特征进行相应的渲染，得到化妆人脸图像，然后再基于化妆人脸图像与目标人脸图像进行相似度计算，判断是否能够人脸识别成功。这样，通过得到准确率更高的标准人脸图像，可以提高人脸识别准确率。

请参见图4，图4是本发明实施例提供的一种人脸识别方法的流程图，如图4所示，包括以下步骤：

401、对获取到的待处理人脸图像进行预处理，得到目标人脸图像。

402、提取目标人脸图像的人脸特征，根据目标人脸图像的人脸特征确定妆容关键点。

得到目标人脸图像后，可以对目标人脸图像的人脸特征进行识别，识别人脸特征可以便于对妆容关键点进行确认。妆容关键点中有必要特征，可以根据目标人脸图像中的人脸特征确定必要特征，例如：根据眼睛确定眼睑，根据嘴巴确定口红等。

403、计算目标人脸图像的人脸特征与预设的人脸数据库中的每个标准人脸图像的人脸特征的相似度。

得到上述的人脸特征后，会根据该人脸特征去预设的人脸数据库中对每一个标准人脸图像的人脸特征进行匹配。其匹配的过程可以是计算相似度的过程，通过计算两个人脸的人脸特征之间的相似度去判断两张人脸图像是否匹配，例如：分别判断两张人脸的对应的眼睛、鼻子、嘴巴、脸颊等人脸特征之间的相似度，基于多个人脸特征之间的相似度得到一个最终的相似度。

404、当目标人脸图像的人脸特征与每个标准人脸图像的人脸特征的相似度小于预设相似度阈值时，提取与topN个相似度对应的标准人脸图像。

其中，在人脸数据库中存储有多个标准人脸图像，计算多个人脸特征之间的相似度之后，可以将得到的相似度与预设的相似度阈值进行比较，在比较的过程中若没有相似度达到相似度阈值时，可以提取相似度topN个人脸图像作为标准人脸图像，例如：相似度阈值为0.95，计算得到的A人脸相似度为0.8，B人脸相似度为0.85，C人脸相似度为0.9，则可以按照从大到小的排列顺序，并分别取排列好的相似度对应的标准人脸图像，即C人脸、B人脸和A人脸。上述topN中的数量可以控制，例如排序在前的10、20个相似度等，其数量在本发明实施例中不做限定。

405、基于妆容关键点对标准人脸图像进行渲染，得到化妆人脸图像。

406、计算目标人脸图像与化妆人脸图像的相似度，若相似度满足预设相似度阈值，则确定对应于相似度的目标人脸图像与化妆人脸图像为同一人。

在本发明实施例中，通过对待处理人脸图像进行处理得到目标人脸图像，对目标人脸图像的人脸特征进行提取，计算该人脸特征与人脸数据库中每个人脸图像的人脸特征进行相似度的计算，判断计算出来的相似度是否满足预设的相似度阈值，在没有得到满足相似度阈值的情况下，将相似度依序排列的topN个数据对应的人脸图像作为标准人脸图像，并对该topN个标准人脸图像进行渲染，得到对应的化妆人脸图像。这样，通过对标准人脸图像进行选取，在没有达到相似度阈值的情况下，优先选取排序在前的topN个相似度对应的人脸图像作为与目标人脸图像对应的标准人脸图像，有利于提高人脸识别的准确率。

请参见图5，图5是本发明实施例提供的另一种人脸识别方法的流程图，如图5所示，包括以下步骤：

501、对获取到的待处理人脸图像进行预处理，得到目标人脸图像。

502、根据目标人脸图像的人脸特征确定妆容关键点，并在预设的人脸数据库中选取与目标人脸图像对应的标准人脸图像。

503、根据妆容关键点提取标准人脸图像对应的标准必要特征。

其中，标准必要特征也即是标准人脸图像中的必要特征，妆容关键点为目标人脸图像根据人脸特征进行锁定，根据该妆容关键点可以对得到的标准人脸图像对应的标准必要特征进行提取可以是根据妆容关键点中的必要特征提取标准必要特征，例如：必要特征为眼脸、眼角、嘴唇、脸颊，提取的标准必要特征为眼脸、眼角、嘴唇、脸颊。

504、根据妆容关键点提取目标人脸图像的中与必要特征对应的RGB值。

其中，锁定妆容关键点之后，可以对妆容关键点中必要特征对应的RGB值进行提取，例如，妆容关键点钟的必要特征为嘴唇，嘴唇的口红色号RGB为珊瑚色(255,127,80)。

505、基于必要特征对应的RGB值对标准人脸图像对应的标准必要特征进行渲染，得到化妆人脸图像。

得到目标人脸图像中必要特征对应的RGB值后，可以以该RGB值为基准对提取到的标准人脸图像对应的标准必要特征进行渲染，例如：必要特征眼影的RGB值为(255,127,80)，然后提取RGB值为(255,127,80)对标准必要特征眼影进行渲染。这样，可以得到一个经过渲染后的化妆人脸图像。

506、计算目标人脸图像与化妆人脸图像的相似度，若相似度满足预设相似度阈值，则确定对应于相似度的目标人脸图像与化妆人脸图像为同一人。

在本实施例中，通过对待处理人脸图像进行预处理得到目标人脸图像，并根据目标人脸图像的人脸特征确定妆容关键点，提取人脸数据库中与目标人脸图像匹配的标准人脸图像，根据妆容关键点提取标准人脸图像对应的标准必要特征以及目标人脸图像的中与必要特征对应的RGB值，将该RGB值对标准必要特征进行渲染，得到化妆人脸图像；得到化妆人脸图像之后便可以与目标人脸图像进行相似度计算，判断是否为同一人。通过上述必要特征的RGB值对标准的必要特征进行渲染，得到的化妆人脸图像更为准确，计算相似度时会得到更准确的数据，这样，有利于提高人脸识别的准确率。

请参见图6，图6是本发明实施例提供的另一种人脸识别方法的流程图，如图6所示，包括以下步骤：

601、对获取到的待处理人脸图像进行预处理，得到目标人脸图像。

602、根据目标人脸图像的人脸特征确定妆容关键点，并在预设的人脸数据库中选取与目标人脸图像对应的标准人脸图像。

603、基于妆容关键点对标准人脸图像进行渲染，得到化妆人脸图像。

604、对目标人脸图像与化妆人脸图像对应的必要特征进行相似度计算。

其中，相似度计算可以是对目标人脸图像的必要特征与化妆人脸图像经过渲染后得到的必要特征之间的相似度计算，例如：判断目标人脸图像与化妆人脸图像的眼睑或者鼻子的相似度。

605、基于目标人脸图像与化妆人脸图像对应的必要特征的相似度与预设的相似度阈值进行比较，得到相似度达到相似度阈值的化妆人脸图像。

其中，当化妆人脸图像为多个时，可以是一一计算必要特征的相似度，得到必要特征对应的相似度后与相似度阈值进行比较，判断大小，例如：相似度阈值为0.95，A人脸相似度为0.98，B人脸相似度为0.89，C人脸相似度为0.87,可知，其中达到相似度阈值的为A人脸。当然，若是没有相似度达到相似度阈值的化妆人脸图像，则可以表示该目标人脸图像为非人脸数据库中的图像。

606、将相似度达到相似度阈值的化妆人脸图像对应的标准人脸图像确认为目标人脸图像。

作为一种可能的实施例方式，如前述所示，当相似度阈值为0.95，A人脸相似度为0.98，B人脸相似度为0.89，C人脸相似度为0.87，可知，其中达到相似度阈值的为A人脸一人，所以，A人脸则为与目标人脸图像对应的化妆人脸图像，表示同为一人。

作为另一种可能的实施例方式，若上述相似度达到相似度阈值的化妆人脸图像为多张图像，则可以将相似度达到相似度阈值的多张化妆人脸图像对应的标准人脸图像作为目标人脸图像，例如：相似度阈值为0.95，A人脸相似度为0.98，B人脸相似度为0.89，C人脸相似度为0.87，D人脸相似度为0.96，E人脸相似度为0.97，F人脸相似度为0.99，则满足相似度阈值的有A人脸、D人脸、E人脸及F人脸。这样便会根据计算得到的相似度从大到小将与化妆人脸图像对应的标准人脸图像作为目标人脸图像。

在本发明实施例中，在进行渲染得到化妆人脸图像后，对目标人脸图像与化妆人脸图像的必要特征进行相似度计算，得到相似度达到相似度阈值的化妆人脸图像，并将与达到相似度阈值的化妆人脸图像对应的标准人脸图像作为目标人脸图像。这样，通过计算必要特征之间的相似度可以提高人脸识别的准确率。

请参见图7，图7是本发明实施例提供的一种人脸识别装置700的结构示意图，如图7所示，包括：

处理模块701，用于对获取到的待处理人脸图像进行预处理，得到目标人脸图像；

选取模块702，用于根据目标人脸图像的人脸特征确定妆容关键点，并在预设的人脸数据库中选取与目标人脸图像对应的标准人脸图像；

提取模块703，用于基于妆容关键点对标准人脸图像进行渲染，得到化妆人脸图像；

计算模块704，用于计算目标人脸图像与化妆人脸图像的相似度，根据相似度确定目标人脸图像与化妆人脸图像是否为同一人。

可选的，如图8所示，处理模块701包括：

获取单元7011，用于获取待处理人脸图像；

处理单元7012，用于对待处理图像进行正向矫正，得到正向的目标人脸图像。

可选的，如图9所示，处理单元7012包括：

提取子单元70121，用于通过卷积神经网络提取待处理人脸图像的人脸特征；

定位子单元70122，用于定位人脸特征中两个瞳孔的位置，确定两个瞳孔的位置之间的直线与水平线之间的夹角；

调整子单元70123，用于根据夹角对待处理人脸图像在平面中进行调整，得到正向的目标人脸图像。

可选的，妆容关键点包括必要特征、与必要特征对应的RGB值以及对应的位置信息，如图10所示，选取模块702包括：

识别单元7021，用于识别目标人脸图像的必要特征对应的RGB值及位置信息；

匹配单元7022，用于根据目标人脸图像的必要特征对应的RGB值及位置信息与预设的人脸数据库中的妆容模板的必要特征对应的RGB值及位置信息进行匹配；

选取单元7023，用于若目标人脸图像的必要特征对应的RGB值及位置信息与妆容模板的必要特征对应的RGB值及位置信息满足预设的匹配条件，则选取与目标人脸图像匹配的妆容模板对应的标准人脸图像。

可选的，如图11所示，选取模块702还包括：

提取单元7024，用于提取目标人脸图像的人脸特征；

第一计算单元7025，用于计算目标人脸图像的人脸特征与预设的人脸数据库中的每个标准人脸图像的人脸特征的相似度；

提取单元7024还用于当目标人脸图像的人脸特征与每个标准人脸图像的人脸特征的相似度小于预设相似度阈值时，提取与topN个相似度对应的标准人脸图像。

可选的，提取单元7024还用于根据妆容关键点提取标准人脸图像对应的标准必要特征；

提取单元7024还用于根据妆容关键点提取目标人脸图像的中与必要特征对应的RGB值；

处理单元7012还用于基于必要特征对应的RGB值对标准人脸图像对应的标准必要特征进行渲染，得到化妆人脸图像。

可选的，如图12所示，计算模块704包括：

第二计算单元7041，用于对目标人脸图像与化妆人脸图像对应的必要特征进行相似度计算；

比对单元7042，用于基于目标人脸图像与化妆人脸图像对应的必要特征的相似度与预设的相似度阈值进行比较，得到相似度达到相似度阈值的化妆人脸图像；

确认单元7043，用于将相似度达到相似度阈值的化妆人脸图像对应的标准人脸图像确认为目标人脸图像。

本发明实施例提供的人脸识别装置700能够实现上述方法实施例中人脸识别方法实现的各个过程，为避免重复，这里不再赘述。且可以达到相同的有益效果。

参见图13，图13是本发明实施例提供的一种电子设备100的结构示意图，如图13所示，包括：处理器1301、存储器1302、网络接口1303及存储在存储器1302上并可在处理器1301上运行的计算机程序。

其中：

处理器1301用于调用存储器1302存储的计算机程序，并执行如下步骤：

对获取到的待处理人脸图像进行预处理，得到目标人脸图像；

根据目标人脸图像的人脸特征确定妆容关键点，并在预设的人脸数据库中选取与目标人脸图像对应的标准人脸图像；

基于妆容关键点对标准人脸图像进行渲染，得到化妆人脸图像；

计算目标人脸图像与化妆人脸图像的相似度，根据相似度确定目标人脸图像与化妆人脸图像是否为同一人。

可选的，处理器1301执行的对获取到的待处理人脸图像进行预处理，得到目标人脸图像的步骤包括：

获取待处理人脸图像；

对待处理图像进行正向矫正，得到正向的目标人脸图像。

可选的，处理器1301执行的对待处理图像进行正向矫正，得到正向的目标人脸图像的步骤包括：

通过卷积神经网络提取待处理人脸图像的人脸特征；

定位人脸特征中两个瞳孔的位置，确定两个瞳孔的位置之间的直线与水平线之间的夹角；

根据夹角对待处理人脸图像在平面中进行调整，得到正向的目标人脸图像。

可选的，妆容关键点包括必要特征、与必要特征对应的RGB值以及对应的位置信息，处理器1301执行的根据目标人脸图像的人脸特征确定妆容关键点，并在预设的人脸数据库中选取与目标人脸图像对应的标准人脸图像的步骤包括：

识别目标人脸图像的必要特征对应的RGB值及位置信息；

根据目标人脸图像的必要特征对应的RGB值及位置信息与预设的人脸数据库中的妆容模板的必要特征对应的RGB值及位置信息进行匹配；

若目标人脸图像的必要特征对应的RGB值及位置信息与妆容模板的必要特征对应的RGB值及位置信息满足预设的匹配条件，则选取与目标人脸图像匹配的妆容模板对应的标准人脸图像。

可选的，1301执行的并在预设的人脸数据库中选取与目标人脸图像对应的标准人脸图像的步骤包括：

提取目标人脸图像的人脸特征；

计算目标人脸图像的人脸特征与预设的人脸数据库中的每个标准人脸图像的人脸特征的相似度；

当目标人脸图像的人脸特征与每个标准人脸图像的人脸特征的相似度小于预设相似度阈值时，提取与topN个相似度对应的标准人脸图像。

可选的，处理器1301执行的基于妆容关键点对标准人脸图像进行渲染，得到化妆人脸图像的步骤包括：

根据妆容关键点提取标准人脸图像对应的标准必要特征；

根据妆容关键点提取目标人脸图像的中与必要特征对应的RGB值；

基于必要特征对应的RGB值对标准人脸图像对应的标准必要特征进行渲染，得到化妆人脸图像。

可选的，处理器1301执行的计算目标人脸图像与化妆人脸图像的相似度，根据相似度确定目标人脸图像与化妆人脸图像是否为同一人的步骤包括：

对目标人脸图像与化妆人脸图像对应的必要特征进行相似度计算；

基于目标人脸图像与化妆人脸图像对应的必要特征的相似度与预设的相似度阈值进行比较，得到相似度达到相似度阈值的化妆人脸图像；

将相似度达到相似度阈值的化妆人脸图像对应的标准人脸图像确认为目标人脸图像。

本发明实施例提供的电子设备100能够实现人脸识别方法实施例中的各个实施方式，以及相应有益效果，为避免重复，这里不再赘述。

需要说明的是，图中仅示出了具有组件的1301-1303，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的电子设备100是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable GateArray，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。

上述电子设备100可以是桌上型计算机、笔记本及掌上电脑等计算设备。电子设备100可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。

存储器1302至少包括一种类型的可读存储介质，可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，存储器1302可以是电子设备100的内部存储单元，例如该电子设备100的硬盘或内存。在另一些实施例中，存储器1302也可以是电子设备100的外部存储设备，例如该电子设备100上配备的插接式硬盘，智能存储卡(SmartMediaCard,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(FlashCard)等。当然，存储器1302还可以既包括电子设备100的内部存储单元也包括其外部存储设备。本实施例中，存储器1302通常用于存储安装于电子设备100的操作系统和各类应用软件，例如基于阅读内容的推送方法的程序代码等。此外，存储器1302还可以用于暂时地存储已经输出或者将要输出的各类数据。

处理器1301在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器1301通常用于控制电子设备100的总体操作。本实施例中，处理器1301用于运行存储器1302中存储的程序代码或者处理数据，例如运行基于阅读内容的推送方法的程序代码。

网络接口1303可包括无线网络接口或有线网络接口，该网络接口1303通常用于在电子设备100与其他电子设备之间建立通信连接。

本发明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1301执行时实现本发明实施例提供的人脸识别方法的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，人脸识别方法的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存取存储器(RandomAccess Memory，简称RAM)等。

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。且本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。