CN109871767A - 人脸识别方法、装置、电子设备及计算机可读存储介质 - Google Patents

Abstract

本发明涉及一种人脸识别方法、装置、电子设备和计算机可读存储介质。所述方法包括：获取人脸图像；基于底图库对获取的人脸图像进行识别，其中所述底图库中存储有与获取的人脸图像进行比较的目标人脸图像；根据识别结果判断所述底图库是否存在与获取的所述人脸图像相匹配的目标人脸图像；及当确定所述底图库中存在与获取的所述人脸图像相匹配的目标人脸图像时，根据预设底图更新策略将获取的所述人脸图像添加到所述底图库对所述底图库中进行更新。本发明将进行人脸识别的人脸图像添加到底图库中，用于对所述底图库进行补充，为后续的人脸识别提供了丰富的底图库基础，有利于基于底图库提高人脸识别的准确率。

Description

人脸识别方法、装置、电子设备及计算机可读存储介质

技术领域

本发明涉及图像处理领域，具体涉及一种人脸识别方法、装置、电子设备及计算机可读存储介质。

背景技术

目前业内的人脸识别***基本原理都是基于现场抓取的照片与保存的底图之间的对比，从而得出相似度。因而对于底图的要求跟依赖就显得尤为重要。然而底图一般是固定不变的，随着时间跟季节以及人物外貌的变化会影响基于底图识别人脸的效率以及速度。

发明内容

鉴于以上内容，有必要提出一种人脸识别方法、装置、电子设备和计算机可读存储介质，以丰富底图库的图像基础，并提高人脸识别的效率。

本申请的第一方面提供一种人脸识别方法，所述方法包括：

获取操作获取人脸图像；

基于底图库对获取的人脸图像进行识别，其中所述底图库中存储有与获取的人脸图像进行比较的目标人脸图像；

根据识别结果判断所述底图库是否存在与获取的所述人脸图像相匹配的目标人脸图像；及

当确定所述底图库中存在与获取的所述人脸图像相匹配的目标人脸图像时根据预设底图更新策略将获取的所述人脸图像添加到所述底图库对所述底图库中进行更新，以用于下次人脸识别。

优选的，所述基于底图库对获取的人脸图像进行识别包括：

提取所述人脸图像中的图像特征；

基于所述人脸图像中的图像特征检测所述人脸图像是否包含人脸区域得到第一结果，及基于所述人脸图像中的图像特征标定所述人脸图像的五官区域，得到第二结果，其中，所述第一结果用于指示所述人脸图像中是否包含人脸区域，所述第二结果用于标定所述人脸图像中的五官区域；及

将所述第一结果与所述第二结果进行整合并根据所述整合结果判断所述人脸图像是否与底图库中的图像相匹配，以得到所述人脸图像的识别结果。

优选的，所述当确定所述底图库中存在与获取的所述人脸图像相匹配的目标人脸图像时根据预设底图更新策略将获取的所述人脸图像添加到所述底图库对所述底图库中进行更新包括：

识别进行人脸识别的人脸图像中的场景；

判读所述人脸图像的场景是否包含在所述底图库中的目标人脸图像中；及

当进行人脸识别的人脸图像的场景没有包含在所述底图库中的目标人脸图像中时将所述人脸图像更新到所述底图库中。

优选的，所述识别进行人脸识别的人脸图像中的场景包括：

分别提取进行人脸识别的人脸图像的GIST特征值、LBP特征值与HSV特征值；

将所述GIST特征值、LBP特征值与HSV特征值分别归一化；

将归一化后的GIST特征值、LBP特征值与HSV特征值进行融合得到融合特征值；及

将所述融合特征值带入SVM分类器中以使所述SVM分类器对所述融合特征进行识别并输出场景的类别。

优选的，所述当确定所述底图库中存在与获取的所述人脸图像相匹配的目标人脸图像时根据预设底图更新策略将获取的所述人脸图像添加到所述底图库对所述底图库中进行更新包括：

判断进行人脸识别的人脸图像是否与所述底图库中的目标人脸图像相似；及

当所述人脸图像与所述底图库中的目标人脸图像相似则将所述人脸图像更新到底图库中。

优选的，所述判断进行人脸识别的人脸图像是否与所述底图库中的目标人脸图像相似包括：

基于HSV的图像相似度识别方法判断进行人脸识别的人脸图像是否与底图库中的目标人脸图像相似。

优选的，所述当确定所述底图库中存在与获取的所述人脸图像相匹配的目标人脸图像时根据预设底图更新策略将获取的所述人脸图像添加到所述底图库对所述底图库中进行更新包括：

判断进行人脸识别的人脸图像的质量是否到达预定标准且超过所述底图库中的至少一个目标人脸图像的质量；及

当所述人脸图像的质量到达预定标准且超过所述底图库中的至少一个目标人脸图像的质量时将所述人脸图像更新到所述底图库中并替换所述底图库中质量最差的目标人脸图像。

本申请的第二方面提供一种人脸识别装置，所述装置包括：

获取模块，用于获取人脸图像；

识别模块，用于基于底图库对获取的人脸图像进行识别，其中所述底图库中存储有与获取的人脸图像进行比较的目标人脸图像；

判断模块，用于根据识别结果判断所述底图库是否存在与获取的所述人脸图像相匹配的目标人脸图像；及

更新模块，用于当确定所述底图库中存在与获取的所述人脸图像相匹配的目标人脸图像时根据预设底图更新策略将获取的所述人脸图像添加到所述底图库对所述底图库中进行更新，以用于下次人脸识别。

本申请的第三方面提供一种电子设备，所述电子设备包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现所述人脸识别方法。

本申请的第四方面提供一种计算机可读存储介质，其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所述人脸识别方法。

本发明将进行人脸识别的人脸图像添加到底图库中，用于对所述底图库进行补充，如此，使得底图库中用户的底图数目增多，为后续的人脸识别提供了丰富的底图库基础，有利于基于底图库提高人脸识别的准确率。

附图说明

图1为本发明一实施方式中人脸识别方法的应用环境图。

图2是本发明一实施方式中人脸识别方法的流程图。

图3是本发明一实施方式中人脸识别装置的结构图。

图4为本发明电子设备的示意图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施例对本发明进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，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，都属于本发明保护的范围。

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发明的技术领域的技术人员通常理解的含义相同。本文中在本发明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，不是旨在于限制本发明。

优选地，本发明人脸识别方法应用在一个或者多个电子设备中。所述电子设备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(Application Specific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字处理器(DigitalSignal Processor，DSP)、嵌入式设备等。

所述电子设备可以是桌上型计算机、笔记本电脑、平板电脑及云端服务器等计算设备。所述设备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。

实施例1

图1是本发明一实施方式中人脸识别方法的应用环境示意图。

参阅图1所示，所述人脸识别方法应用在电子设备1。所述电子设备1通过网络3与电子装置2通信连接。例如，在一具体实施方式中，用于支持电子设备1与电子装置2进行通信的网络可以是有线网络，也可以是无线网络，例如无线电、无线保真(WirelessFidelity,WIFI)、蜂窝、卫星、广播等。本实施方式中，所述电子设备1及电子装置2可以是，但不限于服务器、服务器群集、计算机装置、手机、平板电脑等装置。

图2是本发明一实施方式中人脸识别方法的流程图。根据不同的需求，所述流程图中步骤的顺序可以改变，某些步骤可以省略。

参阅图2所示，所述人脸识别方法具体包括以下步骤：

步骤S201，获取人脸图像。

本实施方式中，所述电子设备1包括一图像采集单元，所述图像采集单元用于采集人脸图像。例如，在一实现方式中，所述图像采集单元可以为2D摄影机，所述电子设备1通过所述2D摄影机获取用户的人脸图像。在另一实施方式中，所述电子设备1可以从其内部的存储装置中获取用户的人脸图像。在其他实施方式中，所述电子设备1可以从与其通信连接的电子装置2中获取人脸图像。本实施方式中，所述获取的人脸图像可以是人脸图片，也可以是人脸视频等。

步骤S202，基于底图库对获取的人脸图像进行识别，其中所述底图库中存储有与获取的人脸图像进行比较的目标人脸图像。

本实施方式中，可以将获取的人脸图像与底图库中的目标人脸图像进行匹配以识别获取的所述人脸图像。本实施方式中，所述电子设备1提取获取的人脸图像的图像特征并根据所述图像特征得到所述人脸图像与底图库中的目标人脸图像的识别结果。

具体的，所述电子设备1基于底图库对获取的人脸图像进行识别包括：提取人脸图像中的图像特征；基于所述人脸图像中的图像特征检测所述人脸图像是否包含人脸区域得到第一结果，及基于所述人脸图像中的图像特征标定所述人脸图像的五官区域，得到第二结果，其中，第一结果用于指示所述人脸图像中是否包含人脸区域，第二结果用于标定所述人脸图像中的五官区域；及将所述第一结果与所述第二结果进行整合并根据所述整合结果判断所述人脸图像是否与底图库中的图像相匹配，以得到所述人脸图像的识别结果。

本实施方式中，所述电子设备1可以对需要进行人脸识别的人脸图像进行一次图像特征提取，并根据提取的人脸图像的图像特征分别进行人脸识别和人脸的五官标定。其中，通过检测人脸图像是否包含人脸区域，得出第一结果；在检测人脸图像是否包含人脸区域的同时，通过在人脸图像中标定人脸的五官区域，得出第二结果，对得出的第一结果和第二结果进行整合，根据所述整合结果判断所述人脸图像是否与底图库中的图像相匹配，从而得到所述人脸图像的识别结果。通过对人脸图像进行一次图像特征提取进行人脸识别和人脸的五官标定，从而无需对人脸图像进行多次图像特征提取，可以加快对人脸图像进行人脸识别和人脸的五官标定的速度，解决了现有技术中进行人脸识别慢的技术问题。

应该理解，本案不受具体采用的人脸识别方法的限制，无论是现有的人脸识别方法还是将来开发的人脸识别方法，都可以应用于本案的人脸识别方法中，并且也应包括在本发明的保护范围内。

步骤S203，根据识别结果判断所述底图库是否存在与获取的所述人脸图像相匹配的目标人脸图像。

其中，当确定所述底图库中存在与获取的所述人脸图像相匹配的目标人脸图像时执行步骤S204，当没有确定所述底图库中存在与获取的所述人脸图像相匹配的目标人脸图像时执行步骤S202。

步骤S204，根据预设底图更新策略将所述人脸图像添加到所述底图库中进行更新，以用于下次人脸识别。

本实施方式中，将本次进行人脸识别的人脸图像添加到底图库中，用于对所述底图库进行补充，如此，使得底图库中用户的底图数目增多，为后续的人脸识别提供了丰富的底图库基础，有利于基于底图库提高人脸识别的准确率。

在本实施方式中，所述预设底图更新策略为根据人脸图像的场景的不同更新底图库中的目标人脸图像。具体的，所述根据预设底图更新策略将所述人脸图像添加到所述底图库中进行更新包括：识别进行人脸识别的人脸图像中的场景；判断所述人脸图像的场景是否包含在底图库中的目标人脸图像中；及当进行人脸识别的人脸图像的场景没有包含在底图库中的目标人脸图像中时将所述人脸图像更新到所述底图库中。

本实施方式中，在确定进行人脸识别的人脸图像的场景没有包含在底图库中的图像中则将所述人脸图像更新到底图库中，如此使得底图库中包含用户的各个场景的图片，有利于丰富底图库的图像基础，并提高人脸识别的准确率。

在一具体实施方式中，所述识别进行人脸识别的人脸图像中的场景包括：分别提取进行人脸识别的人脸图像的GIST特征值、LBP特征值与HSV特征值；将GIST特征值、LBP特征值与HSV特征值分别归一化；将归一化后的GIST特征值、LBP特征值与HSV特征值进行融合得到融合特征值；及将融合特征值带入分类器中以使分类器对融合特征进行识别并输出场景的类别，其中所述分类器为SVM分类器。

本实施方式中，提取人脸图像的GIST特征值的方法包括以下步骤：

选择5个尺度与8个方向的GABOR核；将所述人脸图像与所述40个GABOR核依次做卷积得到40个处理后的图像；将每个处理后的图像分为b×b个小块，并计算每个小块的灰度均值，得到40×b×b个灰度均值，40×b×b个灰度均值组成的向量即为40×b×b维的GIST特征值，其中b的取值为3或4。

本实施方式中，所述提取人脸图像的LBP特征值的方法包括以下步骤：设置3像素点×3像素点的计算窗口；将计算窗口加到图像上，比较计算窗口的周围点像素值是否大于中心点像素值，若大于则将所述周围点的像素点设为1，否则设为0，将8个周围点的像素值依次排列得到一个8位无符号的二进制数，将这个无符号二进制数作为中心点的新像素值；利用计算窗口遍历整个图像，得到图像中每个非边缘像素点的新像素值，并将各边缘像素点的新像素值设为某值，即得到经过LBP处理后的图像；将经过LBP处理后的图像分为c×c个小块，并分别计算每个小块灰度直方图，所述灰度直方图中的灰度采用64阶表示，便得到每个小块中64个灰阶上分布的像素点数；及将c×c个小块64个灰阶上分布的像素点数依次排列最终得到c×c×64维的LBP特征值，其中的取值为2或3。

本实施方式中，提取人脸图像的HSV特征值的方法包括以下步骤：根据人脸图像每个像素点的R、G、B值计算所述像素点的H、S、V值；将图像分为e×e个小块，并分别计算每个小块的颜色直方图，所述颜色直方图中的颜色采用90阶表示，得到每个小块中90个色阶上分布的像素点数；将e×e个小块90个灰阶上分布的像素点数依次排列最终得到e×e×90维的HSV特征值，其中e的取值为2或3。

在本实施方式中，所述预设底图更新策略为根据人脸图像的相似度更新底图库中的图像，所述根据预设底图更新策略，将所述人脸图像添加到所述底图库中进行更新包括：

(S2041)判断进行人脸识别的人脸图像的是否与底图库中的图像相似。

本实施方式中，可以基于HSV的图像相似度识别方法判断进行人脸识别的人脸图像是否与底图库中的目标人脸图像相似。

(S2042)当所述人脸图像与底图库中的目标人脸图像相似则将所述人脸图像更新到底图库中。

本实施方式中，在确定所述人脸图像的与底图库中的图像相似时将所述人脸图像更新到底图库中，如此使得底图库中包含用户的各个相似的图片，有利于丰富底图库的图像基础，并提高人脸识别的准确率。

在本实施方式中，所述预设底图更新策略为根据人脸图像的质量更新底图库中的图像，所述根据预设底图更新策略，将所述人脸图像添加到所述底图库中进行更新包括：判断进行人脸识别的人脸图像的质量是否到达预定标准且超过底图库中的至少一个目标人脸图像的质量；及当所述人脸图像的质量到达预定标准且超过底图库中的至少一个目标人脸图像的质量时将所述人脸图像更新到底图库中并替换所述底图库中质量最差的目标人脸图像。

本实施方式中，当所述人脸图像的质量到达预定标准且超过底图库中的至少一个图像的质量时将所述人脸图像更新到底图库中并替换所述用户的底图中质量最差的一个，如此使得底图库中包含质量较高的用户的图片，有利于丰富底图库的图像基础，并提高人脸识别的准确率。

实施例2

图3为本发明一实施方式中人脸识别装置40的结构图。

在一些实施例中，所述人脸识别装置40运行于电子设备中。所述人脸识别装置40可以包括多个由程序代码段所组成的功能模块。所述人脸识别装置40中的各个程序段的程序代码可以存储于存储器中，并由至少一个处理器所执行，以执行人脸识别的功能。

本实施例中，所述人脸识别装置40根据其所执行的功能，可以被划分为多个功能模块。参阅图3所示，所述人脸识别装置40可以包括获取模块401、识别模块402、判断模块403、更新模块404。本发明所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段，其存储在存储器中。所述在一些实施例中，关于各模块的功能将在后续的实施例中详述。

所述获取模块401获取人脸图像。

本实施方式中，所述电子设备1包括一图像采集单元，所述图像采集单元用于采集人脸图像。例如，在一实现方式中，所述图像采集单元可以为2D摄影机，所述获取模块401通过所述2D摄影机获取用户的人脸图像。在另一实施方式中，所述获取模块401可以从其内部的存储装置中获取用户的人脸图像。在其他实施方式中，所述获取模块401可以从与其通信连接的电子装置2中获取人脸图像。本实施方式中，所述获取的人脸图像可以是人脸图片，也可以是人脸视频等。

所述识别模块402基于底图库对获取的人脸图像进行识别，其中所述底图库中存储有与获取的人脸图像进行比较的目标人脸图像。

具体的，所述识别模块402提取人脸图像中的图像特征，基于所述人脸图像中的图像特征检测所述人脸图像是否包含人脸区域得到第一结果，及基于所述人脸图像中的图像特征标定所述人脸图像的五官区域，得到第二结果。其中，第一结果用于指示所述人脸图像中是否包含人脸区域，第二结果用于标定所述人脸图像中的五官区域。所述识别模块402将所述第一结果与所述第二结果进行整合，并判断所述人脸图像是否与底图库中的图像相匹配并得到所述人脸图像的识别结果。

本实施方式中，所述识别模块402可以对需要进行人脸识别的人脸图像进行一次图像特征提取，并根据提取的人脸图像的图像特征分别进行人脸识别和人脸的五官标定。其中，通过检测人脸图像是否包含人脸区域，得出第一结果；在检测人脸图像是否包含人脸区域的同时，通过在人脸图像中标定人脸的五官区域，得出第二结果，对得出的第一结果和第二结果进行整合，根据所述整合结果判断所述人脸图像是否与底图库中的图像相匹配，从而得到所述人脸图像的识别结果。通过对人脸图像进行一次图像特征提取进行人脸识别和人脸的五官标定，从而无需对人脸图像进行多次图像特征提取，可以加快对人脸图像进行人脸识别和人脸的五官标定的速度，解决了现有技术中进行人脸识别慢的技术问题。

所述判断模块403根据识别结果判断所述底图库是否存在与获取的所述人脸图像相匹配的目标人脸图像。

所述更新模块404用于当所述底图库中存在与获取的所述人脸图像相匹配的目标人脸图像时根据预设底图更新策略将所述人脸图像添加到所述底图库中进行更新，以用于下次人脸识别。

本实施方式中，将本次进行人脸识别的人脸图像添加到底图库中，用于对所述底图库进行补充，如此，使得底图库中用户的底图数目增多，为后续的人脸识别提供了丰富的底图库基础，有利于基于底图库提高人脸识别的准确率。

在本实施方式中，所述预设底图更新策略为根据人脸图像的场景的不同更新底图库中的目标人脸图像。具体的，所述根据预设底图更新策略将所述人脸图像添加到所述底图库中进行更新包括：识别进行人脸识别的人脸图像中的场景；判断所述人脸图像的场景是否包含在底图库中的目标人脸图像中；及当进行人脸识别的人脸图像的场景没有包含在底图库中的目标人脸图像中时将所述人脸图像更新到所述底图库中。

本实施方式中，在确定进行人脸识别的人脸图像的场景没有包含在底图库中的目标人脸图像中则将所述人脸图像更新到底图库中，如此使得底图库中包含用户的各个场景的图片，有利于丰富底图库的图像基础，并提高人脸识别的准确率。

在一具体实施方式中，所述识别进行人脸识别的人脸图像中的场景包括：分别提取进行人脸识别的人脸图像的GIST特征值、LBP特征值与HSV特征值；将GIST特征值、LBP特征值与HSV特征值分别归一化；将归一化后的GIST特征值、LBP特征值与HSV特征值进行融合得到融合特征值；及将融合特征值带入分类器中以使分类器对融合特征进行识别并输出场景的类别，其中所述分类器为SVM分类器。

本实施方式中，提取人脸图像的GIST特征值的方法包括以下步骤：

选择5个尺度与8个方向的GABOR核；将所述人脸图像与所述40个GABOR核依次做卷积得到40个处理后的图像；将每个处理后的图像分为b×b个小块，并计算每个小块的灰度均值，得到40×b×b个灰度均值，40×b×b个灰度均值组成的向量即为40×b×b维的GIST特征值，其中b的取值为3或4。

本实施方式中，所述提取人脸图像的LBP特征值的方法包括以下步骤：设置3像素点×3像素点的计算窗口；将计算窗口加到图像上，比较计算窗口的周围点像素值是否大于中心点像素值，若大于则将所述周围点的像素点设为1，否则设为0，将8个周围点的像素值依次排列得到一个8位无符号的二进制数，将这个无符号二进制数作为中心点的新像素值；利用计算窗口遍历整个图像，得到图像中每个非边缘像素点的新像素值，并将各边缘像素点的新像素值设为某值，即得到经过LBP处理后的图像；将经过LBP处理后的图像分为c×c个小块，并分别计算每个小块灰度直方图，所述灰度直方图中的灰度采用64阶表示，便得到每个小块中64个灰阶上分布的像素点数；及将c×c个小块64个灰阶上分布的像素点数依次排列最终得到c×c×64维的LBP特征值，其中的取值为2或3。

本实施方式中，提取人脸图像的HSV特征值的方法包括以下步骤：根据人脸图像每个像素点的R、G、B值计算所述像素点的H、S、V值；将图像分为e×e个小块，并分别计算每个小块的颜色直方图，所述颜色直方图中的颜色采用90阶表示，得到每个小块中90个色阶上分布的像素点数；将e×e个小块90个灰阶上分布的像素点数依次排列最终得到e×e×90维的HSV特征值，其中e的取值为2或3。

在本实施方式中，所述预设底图更新策略为根据人脸图像的相似度更新底图库中的目标人脸图像，所述更新模块404判断进行人脸识别的人脸图像的是否与底图库中的目标人脸图像相似，及当所述人脸图像与底图库中的目标人脸图像相似则将所述人脸图像更新到底图库中。

本实施方式中，可以基于HSV的图像相似度识别方法判断进行人脸识别的人脸图像是否与底图库中的目标人脸图像相似。

本实施方式中，在确定所述人脸图像的与底图库中的目标人脸图像相似时将所述人脸图像更新到底图库中，如此使得底图库中包含用户的各个相似的图片，有利于丰富底图库的图像基础，并提高人脸识别的准确率。

在本实施方式中，所述预设底图更新策略为根据人脸图像的质量更新底图库中的目标人脸图像，所述更新模块404判断进行人脸识别的人脸图像的质量是否到达预定标准且超过底图库中的至少一个目标人脸图像的质量；及当所述人脸图像的质量到达预定标准且超过底图库中的至少一个目标人脸图像的质量时将所述人脸图像更新到底图库中并替换所述底图库中质量最差的目标人脸图像。

本实施方式中，当所述人脸图像的质量到达预定标准且超过底图库中的至少一个目标人脸图像的质量时将所述人脸图像更新到底图库中并替换所述用户的底图中质量最差的一个，如此使得底图库中包含质量较高的用户的图片，有利于丰富底图库的图像基础，并提高人脸识别的准确率。

实施例3

图4为本发明一实施方式中电子设备1的示意图。

所述电子设备1包括存储器61、处理器62以及存储在所述存储器61中并可在所述处理器62上运行的计算机程序63。所述处理器62执行所述计算机程序63时实现上述人脸识别方法实施例中的步骤，例如图2所示的步骤S201～S204。或者，所述处理器62执行所述计算机程序63时实现上述人脸识别装置实施例中各模块/单元的功能，例如图3中的模块401～404。

示例性的，所述计算机程序63可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器61中，并由所述处理器62执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，所述指令段用于描述所述计算机程序63在所述电子设备1中的执行过程。例如，所述计算机程序63可以被分割成图3中的获取模块401、识别模块402、判断模块403、更新模块404，各模块具体功能参见实施例二。

所述电子设备1可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。本领域技术人员可以理解，所述示意图仅仅是电子设备1的示例，并不构成对电子设备1的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述电子设备1还可以包括输入输出设备、网络接入设备、总线等。

所称处理器62可以是中央处理模块(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者所述处理器62也可以是任何常规的处理器等，所述处理器62是所述电子设备1的控制中心，利用各种接口和线路连接整个电子设备1的各个部分。

所述存储器61可用于存储所述计算机程序63和/或模块/单元，所述处理器62通过运行或执行存储在所述存储器61内的计算机程序和/或模块/单元，以及调用存储在存储器61内的数据，实现所述电子设备1的各种功能。所述存储器61可主要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***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备1的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器61可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

所述电子设备1集成的模块/单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，所述计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

在本发明所提供的几个实施例中，应该理解到，所揭露的电子设备和方法，可以通过其它的方式实现。例如，以上所描述的电子设备实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

另外，在本发明各个实施例中的各功能模块可以集成在相同处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在相同模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他模块或步骤，单数不排除复数。电子设备权利要求中陈述的多个模块或电子设备也可以由同一个模块或电子设备通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。

最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种人脸识别方法，其特征在于，所述方法包括：

获取人脸图像；

基于底图库对获取的人脸图像进行识别，其中所述底图库中存储有与获取的人脸图像进行比较的目标人脸图像；

根据识别结果判断所述底图库是否存在与获取的所述人脸图像相匹配的目标人脸图像；及

当确定所述底图库中存在与获取的所述人脸图像相匹配的目标人脸图像时，根据预设底图更新策略将获取的所述人脸图像添加到所述底图库对所述底图库中进行更新。

2.如权利要求1所述的人脸识别方法，其特征在于，所述基于底图库对获取的人脸图像进行识别包括：

提取所述人脸图像中的图像特征；

基于所述人脸图像中的图像特征检测所述人脸图像是否包含人脸区域得到第一结果，及基于所述人脸图像中的图像特征标定所述人脸图像的五官区域，得到第二结果，其中，所述第一结果用于指示所述人脸图像中是否包含人脸区域，所述第二结果用于标定所述人脸图像中的五官区域；及

将所述第一结果与所述第二结果进行整合并根据所述整合结果判断所述人脸图像是否与底图库中的图像相匹配以得到所述人脸图像的识别结果。

3.如权利要求1所述的人脸识别方法，其特征在于，所述当确定所述底图库中存在与获取的所述人脸图像相匹配的目标人脸图像时根据预设底图更新策略将获取的所述人脸图像添加到所述底图库对所述底图库中进行更新包括：

识别进行人脸识别的人脸图像中的场景；

判读所述人脸图像的场景是否包含在所述底图库中的目标人脸图像中；及

当进行人脸识别的人脸图像的场景没有包含在所述底图库中的目标人脸图像中时将所述人脸图像更新到所述底图库中。

4.如权利要求3所述的人脸识别方法，其特征在于，所述识别进行人脸识别的人脸图像中的场景包括：

分别提取进行人脸识别的人脸图像的GIST特征值、LBP特征值与HSV特征值；

将所述GIST特征值、LBP特征值与HSV特征值分别归一化；

将归一化后的GIST特征值、LBP特征值与HSV特征值进行融合得到融合特征值；及

将所述融合特征值带入SVM分类器中以使所述SVM分类器对所述融合特征进行识别并输出场景的类别。

5.如权利要求1所述的人脸识别方法，其特征在于，所述当确定所述底图库中存在与获取的所述人脸图像相匹配的目标人脸图像时根据预设底图更新策略将获取的所述人脸图像添加到所述底图库对所述底图库中进行更新包括：

判断进行人脸识别的人脸图像是否与所述底图库中的目标人脸图像相似；及

当所述人脸图像与所述底图库中的目标人脸图像相似时则将所述人脸图像更新到所述底图库中。

6.如权利要求5所述的人脸识别方法，其特征在于，所述判断进行人脸识别的人脸图像是否与所述底图库中的目标人脸图像相似包括：

基于HSV的图像相似度识别方法判断进行人脸识别的人脸图像是否与所述底图库中的目标人脸图像相似。

7.如权利要求1所述的人脸识别方法，其特征在于，所述当确定所述底图库中存在与获取的所述人脸图像相匹配的目标人脸图像时根据预设底图更新策略将获取的所述人脸图像添加到所述底图库对所述底图库中进行更新包括：

判断进行人脸识别的人脸图像的质量是否到达预定标准且超过所述底图库中的至少一个目标人脸图像的质量；及

当所述人脸图像的质量到达预定标准且超过所述底图库中的至少一个目标人脸图像的质量时将所述人脸图像更新到所述底图库中并替换所述底图库中质量最差的目标人脸图像。

8.一种人脸识别装置，其特征在于，所述装置包括：

获取模块，用于获取人脸图像；

识别模块，用于基于底图库对获取的人脸图像进行识别，其中所述底图库中存储有与获取的人脸图像进行比较的目标人脸图像；

判断模块，用于根据识别结果判断所述底图库是否存在与获取的所述人脸图像相匹配的目标人脸图像；及

更新模块，用于当确定所述底图库中存在与获取的所述人脸图像相匹配的目标人脸图像时根据预设底图更新策略将获取的所述人脸图像添加到所述底图库对所述底图库中进行更新，以用于下次人脸识别。

9.一种电子设备，其特征在于：所述电子设备包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1-7中任一项所述人脸识别方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述人脸识别方法。