人脸检测方法、装置、电子设备和存储介质

技术领域

本申请涉及图像处理、人脸识别等人工智能领域，尤其涉及一种人脸检测方法、装置、电子设备和存储介质。

背景技术

近年来，人脸识别技术已经越来越多的应用到人们的日常生活中。诸如智能安防、楼宇门禁和闸机等都开始加入诸如人脸识别等生物识别功能来提高其安全性和便捷性。当前常见的人脸识别方案大多采用RGB摄像头加上NIR(Near Infrared，现代近红外光谱)摄像头组合的方式。其中，RGB摄像头主要用于人脸检测和识别。NIR摄像头利用近红外光对含氢基团X－H(X为C、N或O等)等有机化合物分子振动的倍频和合频吸收，通过对光谱的分析以确定有机化合物的组成和分子结构而实现活体检测，从而防止被检测者使用图片或者视频攻击通过。例如，基于RGB与NIR的双目摄像头在智能面板机中有着广泛应用。

然而，仅靠RGB摄像头来实现人脸检测和识别，存在部分复杂光线情况下无法有效检测到人脸的情形，导致智能面板机的RGB图像曝光不合理，无法准确检测出人脸位置，进而影响人脸识别效果。

发明内容

本申请提供了一种人脸检测方法、装置、电子设备以及存储介质。

根据本申请的第一方面，提供了一种人脸检测方法，包括：

通过RGB镜头采集RGB图像，判断是否能够在所述RGB图像中检测到人脸；

如果在所述RGB图像没有检测到人脸，则通过NIR镜头采集IR图像，并判断是否能够在所述IR图像中检测到人脸；

如果在所述IR图像检测到人脸，则将所述IR图像的第一人脸区域映射到所述RGB图像的第二人脸区域；

对所述第二人脸区域进行亮度调节，并对亮度调节后的所述第二人脸区域进行图像识别处理。

根据本申请的第二方面，提供了一种人脸检测装置，包括：

第一判断模块，用于通过RGB镜头采集RGB图像，判断是否能够在所述RGB图像中检测到人脸；

第二判断模块，用于在所述RGB图像没有检测到人脸时，通过NIR镜头采集IR图像，并判断是否能够在所述IR图像中检测到人脸；

映射模块，用于在所述IR图像检测到人脸时，将所述IR图像的第一人脸区域映射到所述RGB图像的第二人脸区域；

识别处理模块，用于对所述第二人脸区域进行亮度调节，并对亮度调节后的所述第二人脸区域进行图像识别处理。

根据本申请的第三方面，提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述第一方面所述的人脸检测方法。

根据本申请的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行前述第一方面所述的人脸检测方法。

根据本申请的技术方案，可通过RGB镜头采集RGB图像，判断是否能够在RGB图像中检测到人脸，如果在RGB图像没有检测到人脸，则通过NIR镜头采集IR图像，并判断是否能够在IR图像中检测到人脸；如果在IR图像检测到人脸，则将IR图像的第一人脸区域映射到RGB图像的第二人脸区域；对第二人脸区域进行亮度调节，并对亮度调节后的第二人脸区域进行图像识别处理。由此，本申请通过结合RGB与IR双模态的人脸检测结果，可以提升人脸检测对复杂光线的环境适应，真正做到任何场景下，RGB图像都能够呈现清晰人脸，提高了人脸的检出率。

应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是本申请实施例所提供的一种人脸检测方法的流程图；

图2是本申请实施例所提供的另一种人脸检测方法的流程图；

图3是本申请实施例所提供的又一种人脸检测方法的流程图；

图4是根据本申请实施例的人脸检测方法的流程示例图；

图5是本申请实施例所提供的一种人脸检测装置的结构框图；

图6是本申请实施例所提供的另一种人脸检测装置的结构框图；

图7是本申请实施例所提供的又一种人脸检测装置的结构框图；

图8是用来实现本申请实施例的用以实现人脸检测方法的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

下面参考附图描述本申请实施例的人脸检测方法、装置、电子设备和存储介质。

图1是本申请实施例所提供的一种人脸检测方法的流程图。需要说明的是，本申请实施例的人脸检测方法可应用于本申请实施例的人脸检测装置。该人脸检测装置可被配置于电子设备上。其中，该电子设备可为智能手机、平板电脑、个人数字助理、智能面板机等具有各种操作系统的硬件设备。作为一种示例，该电子设备可为智能面板机，其中，该智能面板机上设置有双目摄像头，该双目摄像头包括RGB镜头和NIR镜头。

如图1所示，本申请实施例的人脸检测方法可以包括如下步骤。

在步骤101中，通过RGB镜头采集RGB图像，判断是否能够在RGB图像中检测到人脸。

举例而言，假设本申请实施例的人脸检测方法应用于智能面板机上，该智能面板机上设置有双目摄像头，该双目摄像头包括RGB镜头和NIR镜头。在本步骤中，可通过RGB镜头采集RGB图像，并采用人脸检测算法判断是否能够在该RGB图像中检测到人脸。

在本申请一些实施例中，人脸检测算法可为肤色模型、ANN(Artificial NeuralNetworks，人工神经网络)模型、SVM(Support Vector Machine，支持向量机)模型和Adaboost模型等。人脸包含较多细节和特征，如人的发型、肤色、眼睛的大小和睁闭等。ANN模型是模拟神经元活动的数学模型。以人脸像素作为ANN模型分类器或SVM分类器的输入，判断RGB图像中是否包含人脸，并基于判断结果来确定是否能够在该RGB图像中检测到人脸。例如，利用人脸检测算法对该RGB图像进行人脸检测，若该RGB图像中存在人脸，则可判定能够在该RGB图像中检测到人脸。若该RGB图像中不存在人脸，则可判定在该RGB图像中没有检测到人脸。

在步骤102中，如果在RGB图像没有检测到人脸，则通过NIR镜头采集IR图像，并判断是否能够在IR图像中检测到人脸。

在本申请实施例中，如果判断在RGB图像没有检测到人脸，则可通过双目摄像头之中的NIR镜头来对当前场景进行图像采集，以采集到IR图像。由于NIR镜头利用光学设计方法可以消除可见光和红外光的焦面偏移，从可见光和红外光区的光线都可以再同一个焦面成像，使图像都能清晰，此外，NIR镜头还采用了特殊的多层镀膜技术，以增加对红外光线的透过率，使得使用NIR镜头的摄像头比用普通镜头的摄像头夜晚监控的距离远，效果好。因此，在本申请实施例中，当判断在RGB图像中没有检测到人脸时，可通过NIR镜头采集IR图像，此时可判断是否能够在该IR图像中检测到人脸。

可以理解，实现人脸检测的方式有多种，比如在一个实施例中，分别利用如特征脸、神经网络等人脸检测算法对IR图像进行人脸检测，从而可以判断是否能够在IR图像中检测到人脸。例如，利用人脸检测算法检测到IR图像中没有人脸，则可确定不能够在IR图像中检测到人脸；若利用人脸检测算法检测到IR图像中存在人脸，则可确定能够在IR图像中检测到人脸。

在步骤103中，如果在IR图像检测到人脸，则将IR图像的第一人脸区域映射到RGB图像的第二人脸区域。

也就是说，如果在部分场景下检测不出RGB图像中的人脸(比如该场景下实际是存在人脸，但是由于光线暗等原因导致RGB检测模型未能够有效检测出该RGB图像中的人脸)，则可通过检测IR图像中的人脸来进一步确认该场景下是否真的有人脸。当判断能够在该IR图像检测到人脸时，可将该IR图像的人脸区域映射到RGB图像的人脸区域中，以便确定出该场景下人脸在该RGB图像中的位置，即可以有效检测出人脸在RGB图像中的位置。

在本申请一些实施例中，可通过将提取到的IR人脸坐标映射到RGB图像中，以确定出该场景下人脸在该RGB图像中的位置。作为一种示例，可提取IR图像的第一人脸区域中的第一人脸关键点坐标，并根据预设的映射关系对第一人脸关键点坐标进行转换处理，获取与第一人脸关键点坐标对应的第二人脸关键点坐标，并根据第二人脸关键点坐标确定RGB图像的第二人脸区域。

其中，上述预设的映射关系可理解为RGB镜头与NIR镜头之间的位置关系。在本实施例中，可对IR图像之中的人脸区域的人脸关键点进行提取，将基于RGB镜头与NIR镜头之间的位置关系，将提取到的人脸关键点坐标映射到RGB图像中，从而可以获得人脸关键点在RGB图像之中的位置坐标，进而根据人脸关键点在RGB图像之中的位置坐标即可确定出该RGB图像之中的人脸区域，从而可以检测出人脸在RGB图像中的位置。

在步骤104中，对第二人脸区域进行亮度调节，并对亮度调节后的第二人脸区域进行图像识别处理。

在本申请实施例中，在确定出RGB图像之中的人脸区域时，可对该RGB图像之中的人脸区域进行测光，根据测光结果进行曝光控制，使得RGB图像之中的人脸位置得到合适的曝光，进而使得RGB图像中能够呈现清晰人脸，从而依据该清晰人脸进行图像识别处理，可以有效提高人脸识别结果。

需要说明的是，可通过电子设备上的图像信号处理器(Image SignalProcessing，简称：ISP)对RGB图像之中的人脸区域进行亮度调节，以实现曝光控制。在本申请一些实施例中，可获取当前的环境亮度，并根据图像识别处理的精度确定目标亮度，根据当前的环境亮度和目标亮度获取亮度差值，并根据亮度差值对第二人脸区域进行亮度调节。由此，通过当前环境亮度和目标亮度之间的亮度差值，来对RGB图像之中的人脸区域进行亮度调节，从而使得RGB图像之中的人脸亮度调节到合适亮度，使得在当前场景环境中也可以让RGB图像呈现清晰人脸，从而有效提高人脸识别结果。

根据本申请实施例的人脸检测方法，可通过RGB镜头采集RGB图像，判断是否能够在RGB图像中检测到人脸，如果在RGB图像没有检测到人脸，则通过NIR镜头采集IR图像，并判断是否能够在IR图像中检测到人脸；如果在IR图像检测到人脸，则将IR图像的第一人脸区域映射到RGB图像的第二人脸区域；对第二人脸区域进行亮度调节，并对亮度调节后的第二人脸区域进行图像识别处理。由此，本申请通过结合RGB与IR双模态的人脸检测结果，可以提升人脸检测对复杂光线的环境适应，真正做到任何场景下，RGB图像都能够呈现清晰人脸，提高了人脸的检出率。

图2是本申请实施例所提供的另一种人脸检测方法的流程图。如图2所示，该人脸检测方法可以包括如下步骤。

在步骤201中，通过RGB镜头采集RGB图像，判断是否能够在RGB图像中检测到人脸。

在本申请的实施例中，步骤201可以分别采用本申请的各实施例中的任一种方式实现，本申请实施例并不对此作出限定，也不再赘述。

在步骤202中，如果在RGB图像没有检测到人脸，则通过NIR镜头采集IR图像，并判断是否能够在IR图像中检测到人脸。

在本申请的实施例中，步骤202可以分别采用本申请的各实施例中的任一种方式实现，本申请实施例并不对此作出限定，也不再赘述。

在步骤203中，如果在IR图像检测到人脸，则将IR图像的第一人脸区域映射到RGB图像的第二人脸区域。

在本申请的实施例中，步骤203可以分别采用本申请的各实施例中的任一种方式实现，本申请实施例并不对此作出限定，也不再赘述。

在步骤204中，对第二人脸区域进行亮度调节，并对亮度调节后的第二人脸区域进行图像识别处理。

在本申请的实施例中，步骤204可以分别采用本申请的各实施例中的任一种方式实现，本申请实施例并不对此作出限定，也不再赘述。

在步骤205中，如果在RGB图像检测到人脸，则对RGB图像中的第三人脸区域进行亮度调节。

也就是说，当判断能够在RGB图像检测到人脸时，可提取该RGB图像之中的人脸坐标，基于该人脸坐标确定该人脸在RGB图像之中的位置，进而基于该人脸在RGB图像之中的位置，调节RGB图像中的人脸区域的曝光程度，以使得该RGB图像之中的人脸达到合适的亮度。在本申请实施例中，对RGB图像中的第三人脸区域进行亮度调节的实现方式可如下：获取当前的环境亮度，并根据图像识别处理的精度确定目标亮度，根据当前的环境亮度和目标亮度获取亮度差值，并根据亮度差值对RGB图像中的第三人脸区域进行亮度调节，由此可以使得该RGB图像之中的人脸达到合适的亮度。

在步骤206中，对亮度调节后的第三人脸区域进行图像识别处理。

例如，可采用图像识别算法对亮度调节后的第三人脸区域进行图像识别处理，比如可进行人脸识别等。

根据本申请实施例的人脸检测方法，当判断在RGB图像检测到人脸时，说明能够有效检测出人脸在RGB图像中的位置，此时为了能够使得RGB图像可以呈现出清晰人脸，可对此时的RGB图像中的人脸区域进行亮度调节，从而实现人脸位置的合适曝光；对亮度调节后的第三人脸区域进行图像识别处理，可以有效提升人脸识别效果。

图3是本申请实施例所提供的又一种人脸检测方法的流程图。如图3所示，该人脸检测方法可以包括如下步骤。

在步骤301中，通过RGB镜头采集RGB图像，判断是否能够在RGB图像中检测到人脸。

在本申请的实施例中，步骤301可以分别采用本申请的各实施例中的任一种方式实现，本申请实施例并不对此作出限定，也不再赘述。

在步骤302中，如果在RGB图像没有检测到人脸，则通过NIR镜头采集IR图像，并判断是否能够在IR图像中检测到人脸。

在本申请的实施例中，步骤302可以分别采用本申请的各实施例中的任一种方式实现，本申请实施例并不对此作出限定，也不再赘述。

在步骤303中，如果在IR图像检测到人脸，则将IR图像的第一人脸区域映射到RGB图像的第二人脸区域。

在本申请的实施例中，步骤303可以分别采用本申请的各实施例中的任一种方式实现，本申请实施例并不对此作出限定，也不再赘述。

在步骤304中，对第二人脸区域进行亮度调节，并对亮度调节后的第二人脸区域进行图像识别处理。

在本申请的实施例中，步骤304可以分别采用本申请的各实施例中的任一种方式实现，本申请实施例并不对此作出限定，也不再赘述。

在步骤305中，如果在RGB图像检测到人脸，则对RGB图像中的第三人脸区域进行亮度调节。

在本申请的实施例中，步骤305可以分别采用本申请的各实施例中的任一种方式实现，本申请实施例并不对此作出限定，也不再赘述。

在步骤306中，对亮度调节后的第三人脸区域进行图像识别处理。

在本申请的实施例中，步骤306可以分别采用本申请的各实施例中的任一种方式实现，本申请实施例并不对此作出限定，也不再赘述。

在步骤307中，如果在IR图像检测不到人脸，则显示没有人脸的提示信息。

也就是说，当判断在RGB图像中和IR图像中均没有检测到人脸时，可认为当前场景下确实是没有人脸，此时可在智能面板机上显示没有人脸的提示信息。

举例而言，智能面板机上的RGB镜头和NIR镜头分别对当前场景进行图像采集。智能面板机可以获得RGB镜头采集到的RGB图像和NIR镜头采集到的IR图像，可基于RGB图像和IR图像进行人脸检测。具体为，如图4所示，可判断是否能够在RGB图像中检测到人脸。正常情况下如果判断在RGB图像中能够监测出人脸，则可通过调节RGB图像中的人脸区域的曝光程度，来让人脸达到合适的亮度，进一步对经过亮度调节的RGB图像进行图像识别处理。如果在部分场景下检测不出RGB图像中的人脸(例如，当前场景下有人脸，但是RGB检测模型未能有效检出该RGB图像中的人脸)，则可通过检测IR图像中的人脸来进一步确认，此时如果判断IR图像中检测到人脸，则通过提取到的IR图像中的人脸坐标，映射到RGB图像中，进而调节RGB图像中人脸到合适亮度。如果RGB图像和IR图像中均没有检测到人脸，则认为当前图像确认没有人脸。

根据本申请实施例的人脸检测方法，可通过结合RGB与IR双模态的人脸检测结果，可以提升人脸检测对复杂光线的环境适应，真正做到任何场景下，RGB图像都能够呈现清晰人脸，提高了人脸的检出率。

为了实现上述实施例，本申请还提出了一种人脸检测装置。

图5是本申请实施例所提供的一种人脸检测装置的结构框图。如图5所示，该人脸检测装置可以包括：第一判断模块501、第二判断模块502、映射模块503和识别处理模块504。

具体地，第一判断模块501用于通过RGB镜头采集RGB图像，判断是否能够在RGB图像中检测到人脸。

第二判断模块502用于在RGB图像没有检测到人脸时，通过NIR镜头采集IR图像，并判断是否能够在IR图像中检测到人脸。

映射模块503用于在IR图像检测到人脸时，将IR图像的第一人脸区域映射到RGB图像的第二人脸区域。作为一种示例，映射模块503具体用于：提取所述IR图像的第一人脸区域中的第一人脸关键点坐标；根据预设的映射关系对第一人脸关键点坐标进行转换处理，获取与第一人脸关键点坐标对应的第二人脸关键点坐标；根据第二人脸关键点坐标确定RGB图像的第二人脸区域。

识别处理模块504用于对第二人脸区域进行亮度调节，并对亮度调节后的第二人脸区域进行图像识别处理。作为一种示例，识别处理模块504具体用于：获取当前的环境亮度；根据图像识别处理的精度确定目标亮度；根据当前的环境亮度和目标亮度获取亮度差值；根据亮度差值对第二人脸区域进行亮度调节。

在本申请一些实施例中，如图6所示，该人脸检测装置还可包括：亮度调节模块605。其中，亮度调节模块605用于在RGB图像检测到人脸时，对RGB图像中的第三人脸区域进行亮度调节。其中，在本申请实施例中，识别处理模块504还用于对亮度调节后的第三人脸区域进行图像识别处理。其中，图6中601-604和图5中501-504具有相同功能和结构。

在本申请一些实施例中，如图7所示，该人脸检测装置还可包括：显示模块706。其中，显示模块706用于在IR图像检测不到人脸时，显示没有人脸的提示信息。其中，图7中701-705和图6中601-605具有相同功能和结构。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

根据本申请实施例的人脸检测装置，可通过RGB镜头采集RGB图像，判断是否能够在RGB图像中检测到人脸，如果在RGB图像没有检测到人脸，则通过NIR镜头采集IR图像，并判断是否能够在IR图像中检测到人脸；如果在IR图像检测到人脸，则将IR图像的第一人脸区域映射到RGB图像的第二人脸区域；对第二人脸区域进行亮度调节，并对亮度调节后的第二人脸区域进行图像识别处理。由此，本申请通过结合RGB与IR双模态的人脸检测结果，可以提升人脸检测对复杂光线的环境适应，真正做到任何场景下，RGB图像都能够呈现清晰人脸，提高了人脸的检出率。

根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。

如图8所示，是根据本申请实施例的用以实现人脸检测方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图8所示，该电子设备包括：一个或多个处理器801、存储器802，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图8中以一个处理器801为例。

存储器802即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的人脸检测方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的人脸检测方法。

存储器802作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的人脸检测方法对应的程序指令/模块(例如，附图5所示的第一判断模块501、第二判断模块502、映射模块503和识别处理模块504)。处理器801通过运行存储在存储器802中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的人脸检测方法。

存储器802可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据用以实现人脸检测的电子设备的使用所创建的数据等。此外，存储器802可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器802可选包括相对于处理器801远程设置的存储器，这些远程存储器可以通过网络连接至用以实现人脸检测的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

用以实现人脸检测方法的电子设备还可以包括：输入装置803和输出装置804。处理器801、存储器802、输入装置803和输出装置804可以通过总线或者其他方式连接，图8中以通过总线连接为例。

输入装置803可接收输入的数字或字符信息，以及产生与用以实现人脸检测的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置804可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、互联网和区块链网络。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。

根据本申请实施例的技术方案，可通过RGB镜头采集RGB图像，判断是否能够在RGB图像中检测到人脸，如果在RGB图像没有检测到人脸，则通过NIR镜头采集IR图像，并判断是否能够在IR图像中检测到人脸；如果在IR图像检测到人脸，则将IR图像的第一人脸区域映射到RGB图像的第二人脸区域；对第二人脸区域进行亮度调节，并对亮度调节后的第二人脸区域进行图像识别处理。由此，本申请通过结合RGB与IR双模态的人脸检测结果，可以提升人脸检测对复杂光线的环境适应，真正做到任何场景下，RGB图像都能够呈现清晰人脸，提高了人脸的检出率。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。