确定人脸角度的方法及电子设备

技术领域

本发明涉及人工智能技术领域，特别涉及一种确定人脸角度的方法及电子设备。

背景技术

随着社会的发展和科技的进步，以及人工智能关键技术的不断突破，越来越多的人工智能化产品落地到我们的生活中。例如无人汽车、无感支付、人脸门禁和车牌识别等。其中人脸识别也是近两年发展最快的人工智能方向之一，人脸识别的精度和人脸搜索的效率一直是各大人工智能领域的企业和研究单位所追求的。其中，人脸角度的确定是提高人脸识别精度的必要技术之一。

现有技术中，确定人脸角度的方法是通过已经训练好的确定人脸角度的神经网络模型来对人脸图像进行特征提取，并基于提取的特征来确定出人脸角度，但是此种方式的确定时间较长，导致确定人脸角度的效率较低。

发明内容

本公开示例性的实施方式中提供一种确定人脸角度的方法及电子设备，用于提高人脸角度确定的效率。

本公开的第一方面提供一种确定人脸角度的方法，所述方法包括：

将包含人脸的待识别图像输入至预先训练好的人脸识别模型中进行特征提取，得到人脸特征；

将所述人脸特征输入至预先训练好的人脸角度确定模型中，得到与所述人脸特征相对应的人脸角度；

其中，所述人脸角度确定模型通过以下方式进行训练：

获取各人脸角度训练样本，其中任意一个人脸角度训练样本中包括同一角度的人脸图像以及与所述人脸图像相对应的标注人脸角度；

针对任意一个人脸角度训练样本执行以下步骤：

将所述人脸角度训练样本中的人脸图像输入至预先训练好的人脸识别模型中，对所述人脸角度训练样本进行特征提取，得到人脸特征；

将所述人脸特征输入至所述人脸角度确定模型中，确定与所述人脸特征相对应的目标人脸角度特征之后，利用预设的人脸角度特征与人脸参数的对应关系，确定与所述目标人脸角度特征相对应的目标人脸角度，其中所述人脸特征中包含所述目标人脸角度特征；

若所述目标人脸角度与所述标注人脸角度的误差值大于指定阈值，则对所述人脸角度确定模型的参数进行调整后，返回执行将所述人脸特征输入至人脸角度确定模型中的步骤，直至所述目标人脸角度与所述标注人脸角度的误差值不大于指定阈值，则结束对所述人脸角度确定模型的训练。

本实施例中通过先将包含人脸的待识别图像输入至预先训练好的人脸识别模型中进行特征提取，得到人脸特征，然后将所述人脸特征输入至预先训练好的人脸角度确定模型中，得到与所述人脸特征相对应的人脸角度。由此，并不需要通过人脸角度确定模型来提取人脸特征，节省人脸角度确定模型的识别时间，提高确定人脸角度的效率，并且，本实施例中对人脸角度确定模型的训练也不需要提取人脸特征，是通过已经训练好的人脸识别模型来提取的，由此节省人脸角度确定模型的训练时间，由此可以节省训练时间，提高人脸角度确定模型的训练效率。

在一个实施例中，所述将所述人脸特征输入至所述人脸角度确定模型中，得到与所述人脸特征相对应的人脸角度，包括：

将所述人脸特征输入至所述人脸角度确定模型中，以使所述人脸角度确定模型基于所述人脸特征确定人脸角度特征之后，利用预设的人脸角度特征与人脸角度的对应关系，得到与所述人脸角度特征相对应的人脸角度，其中所述人脸特征中包含所述人脸角度特征。

本实施例通过将人脸特征输入至所述人脸角度确定模型中，以使所述人脸角度确定模型基于所述人脸特征确定人脸角度特征之后，利用预设的人脸角度特征与人脸角度的对应关系，得到与所述人脸角度特征相对应的人脸角度，由于人脸特征中包含人脸角度特征，所以可以直接基于人脸特征确定出人脸角度特征，得到与人脸角度特征相对应的人脸角度，由此提高人脸角度识别效率。

在一个实施例中，所述将包含人脸的待识别图像输入至预先训练好的人脸识别模型中进行特征提取之前，所述方法还包括：

响应于用户发送的人脸角度确定指令，对所述人脸角度确定指令进行解析，得到所述待识别图像。

本实施例中通过响应于用户发送的人脸角度确定指令，对所述人脸角度确定指令进行解析，得到所述待识别图像，由此提高人脸角度识别的准确率。

在一个实施例中，所述将所述人脸特征输入至预先训练好的人脸角度确定模型中，得到与所述人脸特征相对应的人脸角度之后，所述方法还包括：

确定预设数据库中人脸角度与得到的所述人脸角度相同的各目标图像；

确定各目标图像与所述待识别图像的相似度；

将相似度最高的目标图像所对应的身份信息作为所述待识别图像的人脸识别结果。

本实施例通过确定人脸角度与所述人脸角度相同的各目标图像与待识别图像的相似度，并将相似度最高的目标图像所对应的身份信息作为所述待识别图像的人脸识别结果。由此，可以消除人脸角度带来的对人脸识别的影响，提高人脸识别的准确率。

在一个实施例中，不同人脸角度训练样本中的人脸图像的人脸角度不相同。

本实施例不同人脸角度训练样本中的人脸图像的人脸角度不相同。由此可以实现多角度识别人脸，提高人脸角度识别的准确率。

本公开第二方面提供一种电子设备，包括存储单元和处理器，其中：

所述存储单元，被配置为存储包含人脸的待识别图像；

所述处理器，被配置为：

将包含人脸的待识别图像输入至预先训练好的人脸识别模型中进行特征提取，得到人脸特征；

将所述人脸特征输入至预先训练好的人脸角度确定模型中，得到与所述人脸特征相对应的人脸角度；

其中，所述人脸角度确定模型通过以下方式进行训练：

获取各人脸角度训练样本，其中任意一个人脸角度训练样本中包括同一角度的人脸图像以及与所述人脸图像相对应的标注人脸角度；

针对任意一个人脸角度训练样本执行以下步骤：

将所述人脸角度训练样本中的人脸图像输入至预先训练好的人脸识别模型中，对所述人脸角度训练样本进行特征提取，得到人脸特征；

将所述人脸特征输入至所述人脸角度确定模型中，确定与所述人脸特征相对应的目标人脸角度特征之后，利用预设的人脸角度特征与人脸参数的对应关系，确定与所述目标人脸角度特征相对应的目标人脸角度，其中所述人脸特征中包含所述目标人脸角度特征；

若所述目标人脸角度与所述标注人脸角度的误差值大于指定阈值，则对所述人脸角度确定模型的参数进行调整后，返回执行将所述人脸特征输入至人脸角度确定模型中的步骤，直至所述目标人脸角度与所述标注人脸角度的误差值不大于指定阈值，则结束对所述人脸角度确定模型的训练。

在一个实施例中，所述处理器执行所述将所述人脸特征输入至所述人脸角度确定模型中，得到与所述人脸特征相对应的人脸角度，具体被配置为：将所述人脸特征输入至所述人脸角度确定模型中，以使所述人脸角度确定模型基于所述人脸特征确定人脸角度特征之后，利用预设的人脸角度特征与人脸角度的对应关系，得到与所述人脸角度特征相对应的人脸角度，其中所述人脸特征中包含所述人脸角度特征。

在一个实施例中，所述处理器，还被配置为：

所述将包含人脸的待识别图像输入至预先训练好的人脸识别模型中进行特征提取之前，响应于用户发送的人脸角度确定指令，对所述人脸角度确定指令进行解析，得到所述待识别图像。

在一个实施例中，所述处理器，还被配置为：

所述将所述人脸特征输入至预先训练好的人脸角度确定模型中，得到与所述人脸特征相对应的人脸角度之后，确定预设数据库中人脸角度与得到的所述人脸角度相同的各目标图像；

确定各目标图像与所述待识别图像的相似度；

将相似度最高的目标图像所对应的身份信息作为所述待识别图像的人脸识别结果。

在一个实施例中，不同人脸角度训练样本中的人脸图像的人脸角度不相同。

根据本公开实施例提供的第三方面，提供一种计算机存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序用于执行如第一方面所述的方法。

附图说明

为了更清楚地说明本公开实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为根据本公开一个实施例中的适用场景示意图；

图2为根据本公开一个实施例的人脸角度确定模型训练方法的流程示意图；

图3为根据本公开一个实施例的人脸角度的方向示意图；

图4为根据本公开一个实施例的确定人脸角度的方法的流程示意图之一；

图5为根据本公开一个实施例的确定人脸角度的方法的流程示意图之二；

图6为根据本公开一个实施例的确定人脸角度的装置；

图7为根据本公开一个实施例的电子设备的结构示意图。

具体实施方式

为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，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，都属于本公开保护的范围。

本公开实施例中术语“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。

本公开实施例描述的应用场景是为了更加清楚的说明本公开实施例的技术方案，并不构成对于本公开实施例提供的技术方案的限定，本领域普通技术人员可知，随着新应用场景的出现，本公开实施例提供的技术方案对于类似的技术问题，同样适用。其中，在本公开的描述中，除非另有说明，“多个”的含义是两个或两个以上。

现有技术中，确定人脸角度的方法是通过已经训练好的确定人脸角度的神经网络模型来对人脸图像进行特征提取，并基于提取的特征来确定出人脸角度，但是此种方式的确定时间较长，导致确定人脸角度的效率较低。

因此，本公开提供一种确定人脸角度的方法，通过先将包含人脸的待识别图像输入至预先训练好的人脸识别模型中进行特征提取，得到人脸特征，然后将所述人脸特征输入至预先训练好的人脸角度确定模型中，得到与所述人脸特征相对应的人脸角度，由此，并不需要通过人脸角度确定模型来提取人脸特征，由此，节省人脸角度确定模型的识别时间，提高确定人脸角度的效率，并且，本实施例中对人脸角度确定模型的训练也不需要提取人脸特征，是通过已经训练好的人脸识别模型来提取的，由此节省人脸角度确定模型的训练时间，由此可以节省训练时间，提高人脸角度确定模型的训练效率。下面，结合附图对本公开的方案详细的进行介绍。

如图1所示，为一种确定人脸角度的方法的应用场景，该应用场景中包括摄像头110、服务器120以及终端设备130，图1中是以一个摄像头110为例，实际上不限制摄像头110的数量。终端设备130可为手机、平板电脑和个人计算机等。服务器120可以通过单个服务器实现，也可以通过多个服务器实现。服务器120可以通过实体服务器实现，也可以通过虚拟服务器实现。

在一种可能的应用场景中，摄像头110获取到包含人脸的待识别图像，并将所述待识别图像发送至服务器120中，服务器120将接收到的包含人脸的待识别图像输入至预先训练好的人脸识别模型中进行特征提取，得到人脸特征；然后将所述人脸特征输入至预先训练好的人脸角度确定模型中，得到与所述人脸特征相对应的人脸角度；并将所述人脸角度发送至终端设备130中进行显示。其中，所述人脸角度确定模型通过以下方式进行训练：服务器120获取各人脸角度训练样本，其中任意一个人脸角度训练样本中包括同一角度和同一方向的人脸图像以及与所述人脸图像相对应的标注人脸角度；服务器120针对任意一个人脸角度训练样本执行以下步骤：将所述人脸角度训练样本中的人脸图像输入至预先训练好的人脸识别模型中，对所述人脸角度训练样本进行特征提取，得到人脸特征；将所述人脸特征输入至所述人脸角度确定模型中，确定与所述人脸特征相对应的目标人脸角度特征之后，利用预设的人脸角度特征与人脸参数的对应关系，确定与所述目标人脸角度特征相对应的目标人脸角度，其中所述人脸特征中包含所述目标人脸角度特征；若所述目标人脸角度与所述标注人脸角度的误差值大于指定阈值，则对所述人脸角度确定模型的参数进行调整后，返回执行将所述人脸特征输入至人脸角度确定模型中的步骤，直至所述目标人脸角度与所述标注人脸角度的误差值不大于指定阈值，则结束对所述人脸角度确定模型的训练。

在对本公开确定人脸角度的方法进行详细的介绍之前，首先对人脸角度确定模型的训练方法进行详细介绍，如图2所示，可包括以下步骤：

步骤201：获取各人脸角度训练样本，其中任意一个人脸角度训练样本中包括同一角度的人脸图像以及与所述人脸图像相对应的标注人脸角度；

其中，本实施例中的各人脸角度训练样本中的人脸图像为预先训练好的人脸识别模型的数据库中的人脸图像，以此本实施例中并不需要对人脸图像数据再重新进行采集，以此提高训练效率。

在一个实施例中，不同人脸角度训练样本中的人脸图像的人脸角度不相同。

需要说明的是，人脸角度包括人脸方向。本实施例中的人脸方向包括侧偏方向、俯仰方向以及旋转方向。

其中，如图3所示，旋转方向为人脸相对XOY平面的旋转方向。侧偏方向为人脸沿着与Y轴平行方向的旋转方向。俯仰方向为人脸沿着与X轴平行方向的旋转方向。如图3所示，图像a为人脸的旋转方向，图像b为人脸的侧偏方向，图像c为人脸的俯仰方向。

步骤202：针对任意一个人脸角度训练样本执行以下步骤：将所述人脸角度训练样本中的人脸图像输入至预先训练好的人脸识别模型中，对所述人脸角度训练样本进行特征提取，得到人脸特征；

步骤203：将所述人脸特征输入至所述人脸角度确定模型中，确定与所述人脸特征相对应的目标人脸角度特征之后，利用预设的人脸角度特征与人脸参数的对应关系，确定与所述目标人脸角度特征相对应的目标人脸角度，其中所述人脸特征中包含所述目标人脸角度特征；

需要说明的是：本实施例中的人脸识别模型为基于距离度量的人脸识别模型，其中基于距离度量的人脸识别模型可以度量同一个人脸且不同角度侧脸的差异度。即该人脸识别模型本身已经包含人脸角度特征的提取，只是人脸角度特征分散在人脸特征的不同维度中。所以对于基于度量的人脸识别模型摄取的任意一个n维人脸特征V，必然存在一个转换矩阵U(3×n)可以将人脸特征转换为人脸角度特征A。在已知人脸特征V和人脸角度特征A的情况下，求解转换矩阵U本质上就是求解线性方程组。所以只需要n组数据就可以求得转换矩阵U。所以本实施例中人脸角度确定模型的训练方式实际上是对转化矩阵U的求解。

步骤204：若所述目标人脸角度与所述标注人脸角度的误差值大于指定阈值，则对所述人脸角度确定模型的参数进行调整后，返回执行将所述人脸特征输入至人脸角度确定模型中的步骤，直至所述目标人脸角度与所述标注人脸角度的误差值不大于指定阈值，则结束对所述人脸角度确定模型的训练。

例如，以指定阈值为0.3为例进行说明，若误差值为0.2，则确定误差值不大于指定阈值，则结束对所述人脸角度确定模型的训练。若误差值为0.4，则确定误差值大于指定阈值，则对人脸确定模型的参数进行调整后，返回执行将所述人脸特征输入至人脸角度确定模型中的步骤，直至所述目标人脸角度与所述标注人脸角度的误差值不大于指定阈值，则结束对所述人脸角度确定模型的训练。

需要说明的是，本实施例中的指定阈值仅用于举例说明，其具体值可根据实际情况进行设置，本实施例在此并不进行限定。

如图4示，为本公开的确定人脸角度的方法的流程示意图，可包括以下步骤：

步骤401：将包含人脸的待识别图像输入至预先训练好的人脸识别模型中进行特征提取，得到人脸特征；

在一个实施例中，可通过以下方式确定待识别图像：响应于用户发送的人脸角度确定指令，对所述人脸角度确定指令进行解析，得到所述待识别图像。

其中，所述人脸角度确定指令中包含所述待识别图像。

步骤402：将所述人脸特征输入至预先训练好的人脸角度确定模型中，得到与所述人脸特征相对应的人脸角度。

需要说明的是，人脸角度包括人脸方向和对应的角度。

其中，人脸确定模型包括但不限于支持向量机、随机森林、人工神经网络。可根据具体情况进行设置，本实施例在此并不进行限定。

在一个实施例中，步骤402可实施为：将所述人脸特征输入至所述人脸角度确定模型中，以使所述人脸角度确定模型基于所述人脸特征确定人脸角度特征之后，利用预设的人脸角度特征与人脸角度的对应关系，得到与所述人脸角度特征相对应的人脸角度，其中所述人脸特征中包含所述人脸角度特征。

由于前面对人脸角度确定模型的训练过程中，已经建立了人脸特征与人脸角度特征的转化矩阵(映射关系)，所以此处可以直接基于人脸特征确定出人脸角度特征。

为了保证人脸识别的准确率，在一个实施例中，执行步骤402之后，确定预设数据库中人脸角度与得到的所述人脸角度相同的各目标图像；确定各目标图像与所述待识别图像的相似度；将相似度最高的目标图像所对应的身份信息作为所述待识别图像的人脸识别结果。

例如，若得到待识别图像的人脸角度为俯仰方向15°，若预设数据库中俯仰方向为15°的目标图像为人脸图像1、人脸图像2和人脸图像3。则确定各目标图像与待识别图像的相似度，若确定出人脸图像1与待识别图像的相似度为40％，人脸图像2与待识别图像的相似度为89％，人脸图像3与待识别图像的相似度为98％，则确定与人脸图像3对应的身份信息为所述待识别图像的人脸结果。若人脸图像3对应的身份信息为用户1，则确定待识别图像的人脸结果为用户1。

为了进一步的了解本公开的技术方案，下面结合图5进行详细的说明，可包括以下步骤：

步骤501：获取各人脸角度训练样本，其中任意一个人脸角度训练样本中包括同一角度人脸图像以及与所述人脸图像相对应的标注人脸角度；

步骤502：针对任意一个人脸角度训练样本执行以下步骤：将所述人脸角度训练样本中的人脸图像输入至预先训练好的人脸识别模型中，对所述人脸角度训练样本进行特征提取，得到人脸特征；

步骤503：将所述人脸特征输入至所述人脸角度确定模型中，确定与所述人脸特征相对应的目标人脸角度特征之后，利用预设的人脸角度特征与人脸参数的对应关系，确定与所述目标人脸角度特征相对应的目标人脸角度，其中所述人脸特征中包含所述目标人脸角度特征；

步骤504：判断目标人脸角度与所述标注人脸角度的误差值是否大于指定阈值，若是，则执行步骤506，若否，则返回执行步骤505；

步骤505：对所述人脸角度确定模型的参数进行调整后，返回执行步骤502；

步骤506：结束对所述人脸角度确定模型的训练；

步骤507：响应于用户发送的人脸角度确定指令，对所述人脸角度确定指令进行解析，得到所述待识别图像；

步骤508：将包含人脸的待识别图像输入至预先训练好的人脸识别模型中进行特征提取，得到人脸特征；

步骤509：将所述人脸特征输入至所述人脸角度确定模型中，以使所述人脸角度确定模型基于所述人脸特征确定人脸角度特征之后，利用预设的人脸角度特征与人脸角度的对应关系，得到与所述人脸角度特征相对应的人脸角度，其中所述人脸特征中包含所述人脸角度特征；

步骤510：确定预设数据库中人脸角度与得到的所述人脸角度相同的各目标图像；

步骤511：确定各目标图像与所述待识别图像的相似度；

步骤512：将相似度最高的目标图像所对应的身份信息作为所述待识别图像的人脸识别结果。

基于相同的公开构思，本公开如上所述的确定人脸角度的方法还可以由一种确定人脸角度的装置实现。该确定人脸角度的装置的效果与前述方法的效果相似，在此不再赘述。

图6为根据本公开一个实施例的确定人脸角度的装置的结构示意图。

如图6所示，本公开的确定人脸角度的装置600可以包括人脸特征确定模块610、人脸角度确定模块620和人脸角度确定模型训练模块630。

人脸特征确定模块610，用于将包含人脸的待识别图像输入至预先训练好的人脸识别模型中进行特征提取，得到人脸特征；

人脸角度确定模块620，用于将所述人脸特征输入至预先训练好的人脸角度确定模型中，得到与所述人脸特征相对应的人脸角度；

人脸角度确定模型训练模块630，用于通过以下方式进行训练：

获取各人脸角度训练样本，其中任意一个人脸角度训练样本中包括同一角度的人脸图像以及与所述人脸图像相对应的标注人脸角度；

针对任意一个人脸角度训练样本执行以下步骤：

将所述人脸角度训练样本中的人脸图像输入至预先训练好的人脸识别模型中，对所述人脸角度训练样本进行特征提取，得到人脸特征；

将所述人脸特征输入至所述人脸角度确定模型中，确定与所述人脸特征相对应的目标人脸角度特征之后，利用预设的人脸角度特征与人脸参数的对应关系，确定与所述目标人脸角度特征相对应的目标人脸角度，其中所述人脸特征中包含所述目标人脸角度特征；

若所述目标人脸角度与所述标注人脸角度的误差值大于指定阈值，则对所述人脸角度确定模型的参数进行调整后，返回执行将所述人脸特征输入至人脸角度确定模型中的步骤，直至所述目标人脸角度与所述标注人脸角度的误差值不大于指定阈值，则结束对所述人脸角度确定模型的训练。

在一个实施例中，所述人脸角度确定模块620，具体用于：

将所述人脸特征输入至所述人脸角度确定模型中，以使所述人脸角度确定模型基于所述人脸特征确定人脸角度特征之后，利用预设的人脸角度特征与人脸角度的对应关系，得到与所述人脸角度特征相对应的人脸角度，其中所述人脸特征中包含所述人脸角度特征。

在一个实施例中，所述装置还包括：

待识别图像确定模块640，用于所述将包含人脸的待识别图像输入至预先训练好的人脸识别模型中进行特征提取之前，响应于用户发送的人脸角度确定指令，对所述人脸角度确定指令进行解析，得到所述待识别图像。

在一个实施例中，所述装置还包括：

目标图像确定模块650，用于所述将所述人脸特征输入至预先训练好的人脸角度确定模型中，得到与所述人脸特征相对应的人脸角度之后，确定预设数据库中人脸角度与得到的所述人脸角度相同的各目标图像；

相速度确定模块660，用于确定各目标图像与所述待识别图像的相似度；

人脸识别结果确定模块670，用于将相似度最高的目标图像所对应的身份信息作为所述待识别图像的人脸识别结果。

在一个实施例中，不同人脸角度训练样本中的人脸图像的人脸角度不相同。

在介绍了本公开示例性实施方式的一种确定人脸角度的方法及装置之后，接下来，介绍根据本公开的另一示例性实施方式的电子设备。

所属技术领域的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

在一些可能的实施方式中，根据本公开的电子设备可以至少包括至少一个处理器、以及至少一个计算机存储介质。其中，计算机存储介质存储有程序代码，当程序代码被处理器执行时，使得处理器执行本说明书上述描述的根据本公开各种示例性实施方式的确定人脸角度的方法中的步骤。例如，处理器可以执行如图4中所示的步骤401-402。

下面参照图7来描述根据本公开的这种实施方式的电子设备700。图7显示的电子设备700仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图7所示，电子设备700以通用电子设备的形式表现。电子设备700的组件可以包括但不限于：上述至少一个处理器701、上述至少一个计算机存储介质702、连接不同系统组件(包括计算机存储介质702和处理器701)的总线703。

总线703表示几类总线结构中的一种或多种，包括计算机存储介质总线或者计算机存储介质控制器、外围总线、处理器或者使用多种总线结构中的任意总线结构的局域总线。

计算机存储介质702可以包括易失性计算机存储介质形式的可读介质，例如随机存取计算机存储介质(RAM)721和/或高速缓存存储介质722，还可以进一步包括只读计算机存储介质(ROM)723。

计算机存储介质702还可以包括具有一组(至少一个)程序模块724的程序/实用工具725，这样的程序模块724包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

电子设备700也可以与一个或多个外部设备704(例如键盘、指向设备等)通信，还可与一个或者多个使得用户能与电子设备700交互的设备通信，和/或与使得该电子设备700能与一个或多个其它电子设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口705进行。并且，电子设备700还可以通过网络适配器706与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器706通过总线703与用于电子设备700的其它模块通信。应当理解，尽管图中未示出，可以结合电子设备700使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

在一些可能的实施方式中，本公开提供的一种确定人脸角度的方法的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在计算机设备上运行时，程序代码用于使计算机设备执行本说明书上述描述的根据本公开各种示例性实施方式的确定人脸角度的方法中的步骤。

程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储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。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取计算机存储介质(RAM)、只读计算机存储介质(ROM)、可擦式可编程只读计算机存储介质(EPROM或闪存)、光纤、便携式紧凑盘只读计算机存储介质(CD-ROM)、光计算机存储介质件、磁计算机存储介质件、或者上述的任意合适的组合。

本公开的实施方式的确定人脸角度的程序产品可以采用便携式紧凑盘只读计算机存储介质(CD-ROM)并包括程序代码，并可以在电子设备上运行。然而，本公开的程序产品不限于此，在本文件中，可读存储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。

可读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，其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、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。

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、有线、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的任意组合来编写用于执行本公开操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，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电子设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户电子设备上部分在远程电子设备上执行、或者完全在远程电子设备或服务器上执行。在涉及远程电子设备的情形中，远程电子设备可以通过任意种类的网络包括局域网(LAN)或广域网(WAN)连接到用户电子设备，或者，可以连接到外部电子设备(例如利用因特网服务提供商来通过因特网连接)。

应当注意，尽管在上文详细描述中提及了装置的若干模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块的特征和功能可以在一个模块中具体化。反之，上文描述的一个模块的特征和功能可以进一步划分为由多个模块来具体化。

此外，尽管在附图中以特定顺序描述了本公开方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。

本领域内的技术人员应明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开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，本公开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(包括但不限于磁盘计算机存储介质、CD-ROM、光学计算机存储介质等)上实施的计算机程序产品的形式。

本公开是参照根据本公开的方法、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计算机存储介质中，使得存储在该计算机可读计算机存储介质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。

显然，本领域的技术人员可以对本公开进行各种改动和变型而不脱离本公开的精神和范围。这样，倘若本公开的这些修改和变型属于本公开权利要求及其等同技术的范围之内，则本公开也意图包含这些改动和变型在内。