CN110751025A - 基于人脸识别的业务办理方法、装置、设备及介质 - Google Patents

Abstract

本发明公开了一种基于人脸识别的业务办理方法、装置、设备及介质，该基于人脸识别的业务办理方法包括获取业务操作请求，若业务类型为特定类型，则获取实时录制的视频流，视频流包括视频帧图像；对视频帧图像进行人脸检测，获取当前人脸图像；基于用户标识查询用户数据库，获取查询结果；若查询结果不为空，则获取目标对比图像；调用人脸识别接口对当前人脸图像和目标对比图像进行处理，获取第一评分值；若第一评分值小于预设分值，则将当前人脸图像、目标对比图像和第三方网纹图像，输入至人脸识别接口进行处理，获取业务操作结果，以解决目前仅根据当前人脸图像和第三方网纹图像进行对人脸识别身份验证的准确率不高的问题。

Description

基于人脸识别的业务办理方法、装置、设备及介质

技术领域

本发明涉及数据处理技术领域，尤其涉及一种基于人脸识别的业务办理方法、装置、设备及介质。

背景技术

人脸识别技术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，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进行脸部的一系列相关技术。传统的自助业务办理在采用人脸识别进行用户身份验证时，仅采用当前人脸图像和第三方网纹图像进行对比，而两张图像对比时往往会受到一些其他因素的干扰，如年龄，故导致当前自助业务办理时采用人脸识别进行身份验证的准确率不高，且在识别失败时，未能提供备选方案给用户，导致用户无法进行办理业务，使得业务自助办理具有局限性。

发明内容

本发明实施例提供一种基于人脸识别的业务办理方法、装置、设备及介质，以解决目前人脸识别失败，导致用户无法进行办理业务，使得业务自助办理具有局限性的问题。

一种基于人脸识别的业务办理方法，包括：

获取业务操作请求，所述业务操作请求包括用户标识和业务类型；

若所述业务类型为特定类型，则获取实时录制的视频流，所述视频流包括视频帧图像；

对所述视频帧图像进行人脸检测，获取当前人脸图像；

基于所述用户标识查询用户数据库，获取查询结果；

若所述查询结果不为空，则基于所述查询结果，获取目标对比图像；

调用人脸识别接口对所述当前人脸图像和所述目标对比图像进行处理，获取第一评分值；

若所述第一评分值小于预设分值，则将所述当前人脸图像、所述目标对比图像和第三一种基于人脸识别的业务办理装置，包括：

业务操作请求获取模块，用于获取业务操作请求，所述业务操作请求包括用户标识和业务类型；

视频流获取模块，用于若所述业务类型为特定类型，则获取实时录制的视频流，所述视频流包括视频帧图像；

当前人脸图像获取模块，用于对所述视频帧图像进行人脸检测，获取当前人脸图像；

查询结果获取模块，用于基于所述用户标识查询用户数据库，获取查询结果；

目标对比图像获取模块，用于若所述查询结果不为空，则基于所述查询结果，获取目标对比图像；

第一评分值获取模块，用于调用人脸识别接口对所述当前人脸图像和所述目标对比图像进行处理，获取第一评分值；

业务操作结果获取模块，用于若所述第一评分值小于预设分值，则将所述当前人脸图像、所述目标对比图像和第三方网纹图像，输入至所述人脸识别接口进行处理，获取业务操作结果。

一种计算机设备，包括存储器、处理器以及存储在所述存储器中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上述基于人脸识别的业务办理方法的步骤。

一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述基于人脸识别的业务办理方法的步骤。

上述基于人脸识别的业务办理方法、装置、设备及介质中，通过获取业务操作请求，以便服务器根据业务操作请求中的业务类型进行判断，若业务类型为特定类型，则获取实时录制的视频流，以便对视频流中的视频帧图像进行人脸检测，获取当前人脸图像，以排除无人脸的干扰，再基于用户标识查询用户数据库，获取查询结果，若查询结果不为空，则基于查询结果，获取目标对比图像，以便调用人脸识别接口对当前人脸图像和目标对比图像进行处理，获取第一评分值，若第一评分值小于预设分值，则将当前人脸图像、目标对比图像和第三方网纹图像，输入至人脸识别接口中进行处理，获取业务操作结果，以解决目前仅根据当前人脸图像和第三方网纹图像进行对人脸识别身份验证的准确率不高的问题，有效提高人脸识别身份验证的准确率。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的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性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一实施例中基于人脸识别的业务办理方法的一应用环境示意图；

图2是本发明一实施例中基于人脸识别的业务办理方法的一流程图；

图3是本发明一实施例中基于人脸识别的业务办理方法的一流程图；

图4是图2中步骤S17的一具体流程图；

图5是本发明一实施例中基于人脸识别的业务办理方法的一流程图；

图6是本发明一实施例中基于人脸识别的业务办理方法的一流程图；

图7是本发明一实施例中基于人脸识别的业务办理装置的一示意图；

图8是本发明一实施例中计算机设备的一示意图。

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。

本发明实施例提供的基于人脸识别的业务办理方法可应用其中，本方法可应用在一种自助业务办理***中，用于对用户身份进行更细致的验证，提高用户身份验证的准确率，进而提高业务办理安全性，有利于自主业务办理的有效性。该基于人脸识别的业务办理方法可应用在如图1的应用环境中，其中，计算机设备通过网络与服务器进行通信。计算机设备可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务器可以用独立的服务器来实现。

在一实施例中，如图2所示，提供一种基于人脸识别的业务办理方法，以该方法应用在图1中的服务器为例进行说明，包括如下步骤：

S11：获取业务操作请求，业务操作请求包括用户标识和业务类型。

其中，用户标识是用于识别用户的唯一标识。业务操作请求是用于触发服务器对某业务模块进行操作的请求。业务类型包括但不限于***中的所有业务，如贷款。具体地，用户在进入业务***中，需根据用户标识和用户密码进行登录，待登录验证通过后，也即用户标识和用户密码匹配成功后，方可进入***，用户可选择***中所需办理的业务类型的业务进行操作，例如选择贷款业务进行贷款申请等。

S12：若业务类型为特定类型，则获取实时录制的视频流，视频流包括视频帧图像。

本方案中，不同的业务类型的身份验证需求不同，例如，贷款业务，则需要进身份验证，才可进行相关业务操作；而对于存取款等基本业务则无需进行验证，即可直接进行相关业务操作。具体地，特定类型是指需要核实用户身份的业务类型，如贷款。具体地，若业务类型为特定类型，则进入身份验证流程，提示用户启动摄像头录制视频流，以便后续提取到包含人脸的当前人脸图像。可理解地，具体地，身份验证流程主要采用人脸识别技术进行身份验证，以有效解决他人冒名顶替操作的现象发生。

S13：对视频帧图像进行人脸检测，获取当前人脸图像。

其中，当前人脸图像是将视频帧图像输入到预先配置好的人脸检测接口进行识别所得到的人脸图像。具体地，人脸检测接口可采用CascadeCNN网络对标注好人脸位置的图像进行训练实现。

具体地，将视频帧图像输入到人脸检测模型中，检测每一视频帧图像中是否包含人脸，进而提取包含有人脸的帧图像，即当前人脸图像。其中，视频帧图像中，需有人脸存在，人脸在屏幕中的大小最小需要达到80*80像素，获取到人脸后，将其归一化到256*256像素，统一视频帧图像的像素，以提高后续检测的效率。

具体地，对至少一个视频帧图像进行人脸检测的步骤如下：采用预先训练好的人脸检测模型检测每一视频帧图像是否有人脸存在，若有人脸存在，则将该视频帧图像作为当前人脸图像。具体地，人脸检测模型可采用但不限于基于CascadeCNN网络进行训练所得到的模型。CascadeCNN(人脸检测)是对经典的Violajones方法的深度卷积网络实现，是一种检测速度较快的人脸检测方法。Violajones是一种人脸检测框架。

其中，CascadeCNN(人脸检测)是对经典的Violajones方法的深度卷积网络实现，是一种检测速度较快的人脸检测方法。Violajones是一种人脸检测框架。本实施例中，采用CascadeCNN方法对标注好人脸位置的图像进行训练，以实现人脸检测接口，提高了人脸检测的检测效率。具体地，将视频帧图像输入到预先配置好的人脸检测接口中，检测帧图像中的人脸位置，进而提取人脸图像即当前人脸图像，若没有检测到人脸则提示用户需重新拍摄。

S14：基于用户标识查询用户数据库，获取查询结果。

S15：若查询结果不为空，则基于查询结果，获取目标对比图像。

其中，目标对比图像是指基于历史人脸图像确定的用于进行人脸识别的图像。服务器中会预先存储有与用户标识对应的若干个历史人脸图像，根据用户标识查询用户数据库，即可快速获取用户标识对应的历史人脸图像。具体地，基于用户标识查询用户数据库，获取查询结果，若查询结果不为空，则证明该用户不是首次办理业务，则基于查询结果对应的历史人脸图像，获取距离当前***时间间隔最小的历史人脸图像作为目标对比图像。该历史人脸图像是指用户每次办理业务时所存储的人脸图像。

在一实施例中，步骤S13之前，如图3所示，该基于人脸识别的业务办理方法还包括如下步骤：

S131：生成活体验证信息，活体验证信息包括提示动作。

S132：基于提示动作，获取待验证视频流。

S133：调用活体检测接口对待验证视频流进行活体检测，获取检测结果，若检测结果为检测成功，则执行对视频帧图像进行人脸检测，获取当前人脸图像。

本实施例中，在进行身份验证(即人脸识别)流程之前，还可调用活体检测接口对目标用户进行活体验证。具体地，服务器会生成活体验证信息，以提示目标用户进行活体识别。该活体验证信息包括但不限于眨眼、张嘴、摇头以及点头等提示动作。该提示动作是以语音形式进行提示，以避免由于文字提示在交互界面上，而提示动作为抬头此时用户不能清晰看到交互界面上显示的提示动作，导致活体验证失败，降低活体验证的效率。通过调用人脸活体识别接口对目标用户进行活体验证，以验证用户是否为活体本人操作，可有效抵御照片、换脸、面具、遮挡以及屏幕翻拍等常见的攻击手段，保证业务办理的安全性。

S16：调用人脸识别接口对当前人脸图像和目标对比图像进行处理，获取第一评分值。

其中，第一评分值是人脸识别接口对当前人脸图像和目标对比图像进行处理所得到的评分值。具体地，在调用人脸识别接口对所述当前人脸图像和所述目标对比图像进行处理之前，需分别将当前人脸图像和目标对比图像转换为base64编码，并调用人脸识别接口进行人脸识别，以获取人脸识别接口返回的第一评分值。

需要说明的是，将当前人脸图像或目标对比图像转换为base64编码的过程如下：将当前人脸图像或目标对比图像的存储路径采用byte[]方法转换为字节数组，然后采用BASE64 Encoder方法对得到的字节数组进行BASE64编码，获取对应的数字图像，以便采用人脸识别接口对数字图像进行识别。由于将当前人脸图像或目标对比图像转换为base64编码的数字图像的安全性较高，可有效避免用户信息泄露的问题。

S17：若第一评分值小于预设分值，则将当前人脸图像、目标对比图像和第三方网纹图像，输入至人脸识别接口进行处理，获取业务操作结果。

其中，第三方网纹图像是指公安***中预存储的网纹图像，具体可通过用户标识即用户身份证号查询第三方公安***以获取第三方网纹图像。预设分值是用于评价人脸识别是否成功的阈值。具体地，若第一评分值不小于预设分值，则证明该用户目标对比图像与当前人脸图像的匹配度较高，则将目标对比图像对应的历史识别结果作为业务操作结果，即若历史识别结果为识别成功，则获取业务可操作的业务操作结果，无需再次采用人脸识别进行身份验证，提高业务办理效率。

若第一评分值小于预设分值，则证明该用户可能由于目标对比图像距离***当前时间较远导致当前人脸图像和目标对比图像匹配度较低，则服务器按照预设对比规则将当前人脸图像、目标对比图像和第三方网纹图像，输入至人脸识别接口中进行处理，获取业务操作结果，通过综合当前人脸图像、目标对比图像和第三方网纹图像进行身份验证，以解决目前仅根据当前人脸图像和第三方网纹图像进行对比决定人脸识别是否通过的准确率不高的问题，为用户提供备选验证方案，提高业务办理***的泛化性。

本实施例中，通过获取业务操作请求，以便服务器根据业务操作请求中的业务类型进行判断，若业务类型为特定类型，则获取实时录制的视频流，以便对视频流中的视频帧图像进行人脸检测，获取当前人脸图像，以排除无人脸的干扰，再基于用户标识查询用户数据库，获取查询结果，若查询结果不为空，则基于查询结果，获取目标对比图像，以便调用人脸识别接口对当前人脸图像和目标对比图像进行处理，获取第一评分值，若第一评分值小于预设分值，则将当前人脸图像、目标对比图像和第三方网纹图像，输入至人脸识别接口中进行处理，获取业务操作结果，以解决目前仅根据当前人脸图像和第三方网纹图像进行对人脸识别身份验证的准确率不高的问题，有效提高人脸识别身份验证的准确率，为用户提供备选验证方案，提高业务办理***的泛化性和容错性。

在一实施例中，如图4所示，步骤S17中，即将当前人脸图像、目标对比图像和第三方网纹图像，输入至人脸识别接口进行处理，获取业务操作结果，具体包括如下步骤：

S171：调用人脸识别接口对当前人脸图像和第三方网纹图像进行处理，获取第二评分值。

S172：调用人脸识别接口对历史人脸图像和第三方网纹图像进行处理，获取第三评分值。

其中，第二评分值是人脸识别接口对当前人脸图像和第三方网纹图像进行处理所得到的评分值。第三评分值是人脸识别接口对历史人脸图像和第三方网纹图像进行处理所得到的评分值。需要说明的是，在对采用第三方网纹图像进行人脸识别时，也需将第三方网纹图像转换为base64编码，并调用人脸识别接口进行人脸识别。

具体地，通过调用人脸识别接口将历史人脸图像和第三方网纹图像进行处理，也即通过人脸识别进行身份验证，以解决当前通过人脸识别进行身份验证时仅根据对比当前人脸图像和第三方网纹图像所得到的结果准确率不高的问题，同时为用户提供备选方案，提高业务***的容错性。

S173：对第二评分值和第三评分值进行加权运算，获取业务操作结果。

具体地，可采用如下公式对第二评分值和第三评分值进行加权运算，

其中，P表示目标评分值，i标识第二评分值或第三评分值对应的标识，w表示第二评分值对应的权重或第三评分值对应的权重，n表示数据维度，于本实施例中n为2，即第二评分值和第三评分值。

可理解地，第三方网纹图像包括图像上传时间，若该图像上传时间业务办理***当前时间的时间间隔较短，则证明该用户在公安***中上传的第三方网纹图像为近期更新，即当前人脸图像与第三方网纹图像间隔时间较短，则不会出现由于两张图像的时间间隔较长，导致准确率不高的问题，故可将第二评分值对应的权重值设置相对较高些，第三评分值对应的权重值设置相对较低些。若该图像上传时间业务办理***当前时间的时间间隔较远，则证明该用户在公安***中上传的第三方网纹图像未更新，则可能会出现由于两张图像的时间间隔较长，导致准确率不高的问题，故可将第二评分值对应的权重值设置相对较低些，第三评分值对应的权重值设置相对较高些，以进一步提高人脸身份验证的准确率。

本实施例中，通过将当前人脸图像和第三方网纹图像、历史人脸图像和第三方网纹图像两组图像分别进行人脸识别，得到对应的第二评分值和第三评分值，以综合第二评分值和第三评分值进行分析，得到人脸识别结果，避免目前仅通过将当前人脸图像和第三方网纹图像进行对比，确定人脸识别结果，导致人脸识别准确率不高的问题。

在一实施例中，如图5所示，步骤S15中，即若查询结果不为空，则基于查询结果，获取目标对比图像，具体包括如下步骤：

S151：若查询结果不为空，则获取与查询结果相对应的历史人脸图像的图像数量。

S152：若历史人脸图像的图像数量等于1，则将历史人脸图像作为目标对比图像。

具体地，若历史人脸图像的图像数量等于1，则证明该用户只使用过该业务***办理过一次业务，则直接将该历史人脸图像作为目标对比图像。

S153：若历史人脸图像的图像数量大于1，则计算每一历史人脸图像对应的历史时间与***当前时间的时间间隔。

S154：将时间间隔最小的历史人脸图像作为目标对比图像。

其中，若历史人脸图像对应的图像数量大于1，即用户使用该自主业务办理***多次办理业务，为了保证后续人脸识别的准确性，因此，需采用距离***当前时间最近的一张历史人脸图像作为目标对比图像，以有效避免用户在历史时间内办理业务时的面部特征与当前面部特征的变化较大，影响后续人脸识别准确率的问题。具体地，若历史人脸图像对应的图像数量大于1，则计算每一历史人脸图像对应的历史时间与***当前时间的时间间隔，将其中时间间隔最小的历史时间对应的历史人脸图像作为目标对比图像也即用距离***当前时间最近的一张历史人脸图像作为目标对比图像。

本实施例中，通过对历史人脸图像的图像数量进行判断，即若历史人脸图像的图像数量等于1，则将历史人脸图像作为目标对比图像，历史人脸图像的图像数量大于1，则计算每一历史人脸图像对应的历史时间与***当前时间的时间间隔，以将时间间隔最小的历史人脸图像作为目标对比图像，以有效效避免用户在历史时间内办理业务时的面部特征与当前面部特征的变化较大，影响后续人脸识别准确率的问题，进一步提高人脸识别准确率。

在一实施例中，如图6所示，步骤S14之后，该基于人脸识别的业务办理方法还包括如下步骤：

S21：若查询结果为空，则获取图像采集模块上传的身份验证图像。

具体地，若查询结果为空，则证明该用户未使用过该***办理业务即首次办理业务的用户，则需要先对用户身份真实性进行验证。其中，身份验证图像包括但不限于用户的身份证图像。本实施例中，用户可通过***中提供的图像采集模块上传身份证图像，并点击“上传”按钮上传，以使服务器获取身份验证图像。该图像采集模块包括但不限于采用相机拍摄和本地上传。

进一步地，在获取用户上传的身份验证图像后，还包括对身份验证图像进行模糊检查，其具体过程如下：先对用户上传的身份验证图像进行灰度化，然后用3x3的拉普拉斯算子(可理解为3x3的矩阵)进行卷积处理，再采用std2()函数计算卷积后图像标准差，再对标准差进行平方，获取图像的方差，对方差进行判断，若验证人脸图像对应的方差小于预设阈值，则提示重新拍摄，直至获得较清晰的身份验证图像，以提高后续人脸识别的准确率。

S22：对身份验证图像进行图像预处理，获取待验证人脸图像。

其中，预处理包括但不限于锐化处理、灰度化处理和透视变换处理。具体地，为了使图像的边缘、轮廓线以及图像的细节变得清晰，需先对身份验证图像进行锐化处理，获取锐化图像。在获取锐化图像后，由于锐化图像中可能包含多种颜色，而颜色本身非常容易受到光照等因素的影响，同类的物体颜色有很多变化，所以颜色本身难以提供关键信息，因此需要对锐化图像进行灰度化处理，获取待验证人脸图像，以排除干扰，减少图像的复杂度和信息处理量。

由于身份验证图像可能会存在不同程度的倾斜，影响模型识别结果，因此，需对身份验证图像进行透视变换(矫正)即将身份验证图像投影到一个新的视平面的过程，获取矫正后的图像。本实施例中，透视变换的处理方法包括但不限于采用OpenCv中的perspectiveTransform()函数进行透视变换处理。OpenCV是一个包含大量开源API(接口)的跨平台计算机视觉库，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。

本实施例中，锐化处理的方法包括但不限于采用目前现有技术中常用的拉普拉斯算子、sobel(加权平均差分)算子和Prewitt(平均差分)算子中的任意一种，以sobel算子方法为例，可采用如下公式对身份验证图像对应的像素矩阵M(i,j)进行变换。

A＝|(M(i-1，j-1)+2M(i-1,j)+M(i-1,j+1))-(M(i+1,j-1)+2M(i+1,j)+M(i+1,j+1))|

B＝|(M(i-1，j-1)+2M(i,j-1)+M(i+1,j-1))-(M(i-1,j+1)+2M(i,j+1)+M(i+1,j+1))

S(i,j)＝A+B

其中，M(i，j)表示身份验证图像对应的像素矩阵。i，j分别表示矩阵的行和列。S(i，j)表示锐化图像对应的像素矩阵，A表示水平方向的加权因子，B表示垂直方向的加权因子。

S23：对待验证人脸图像进行人脸检测，获取待识别人脸图像。

其中，待识别人脸图像是将视频帧图像输入到预先配置好的人脸检测接口进行识别所得到的人脸图像。本实施例中，人脸检测接口可采用CascadeCNN网络对标注好人脸位置的图像进行训练实现。

其中，CascadeCNN(人脸检测)是对经典的Violajones方法的深度卷积网络实现，是一种检测速度较快的人脸检测方法。Violajones是一种人脸检测框架。本实施例中，采用CascadeCNN方法对标注好人脸位置的图像进行训练，以实现人脸检测接口，提高了人脸检测的检测效率。具体地，将视频帧图像输入到预先配置好的人脸检测接口中，检测帧图像中的人脸位置，进而提取人脸图像即待识别人脸图像，若没有检测到人脸则提示用户需重新拍摄。

S24：调用人脸识别接口对待识别人脸图像和当前人脸图像进行处理，获取识别结果。

S25：若识别结果为识别成功，则获取业务可操作的业务操作结果。

S26：将当前人脸图像、识别结果和用户标识关联存储在用户数据库中，以更新用户数据库。

具体地，调用人脸识别接口对待识别人脸图像和当前人脸图像进行处理，即通过人脸识别接口对待识别人脸图像和当前人脸图像进行验证，以确认用户是否与证件图像匹配，从而达到验证用户身份真实性的目的。该人脸识别接口会返回一识别结果，若识别结果为识别成功，则证明用户是否与证件图像匹配，即该用户是本人，则可直接获取业务可操作的业务操作结果，具体可理解为用户注册成功，即可有权限操作业务***。本实施例中，在识别结果为识别成功时，还会将该将当前人脸图像和识别结果与用户标识关联存储的数据库中，也即将当前人脸图像作为历史人脸图像存储在数据库中，以便后续采用历史人脸图像进行验证。

本实施例中，若查询结果为空，则需要先对用户身份真实性进行验证，以便根据用户上传的身份验证图像进行身份验证，确保用户身份真实有效，若用户身份真实有效，则将当前人脸图像作为历史人脸图像、识别结果和用户标识关联存储在用户数据库中，以更新用户数据库，以便后续用户再次办理业务时，可直接查询历史人脸图像以重复执行步骤S14-S16。

在一实施例中，步骤S24之前，该基于人脸识别的业务办理方法还包括如下步骤：

S241：将待识别人脸图像输入至第三方身份验证接口中进行身份有效性验证，若验证结果通过，则执行调用人脸识别接口对待识别人脸图像和当前人脸图像进行处理，获取识别结果。

具体地，在调用人脸识别接口对所述待识别人脸图像和所述当前人脸图像进行处理之前，还需将待识别人脸图像输入至第三方验证接口进行身份有效性的验证，即验证用户待识别人脸图像是否为真实有效的图像，可理解为验证用户上传的身份验证图像是否在公安***中备案，进而验证待识别人脸图像是否为真实有效的图像。其中，第三方验证接口是由公安***提供的验证用户身份证图像是否真实有效的接口，该第三方验证接口会返回验证结果，一种是验证结果通过，即证明用户上传的身份验证图像为真实有效，则继续执行调用人脸识别接口对待识别人脸图像和当前人脸图像进行处理，获取识别结果的步骤；另一种是验证结果不通过，即证明用户上传的身份验证图像为无效证件图像，则直接获取业务不可操作的业务操作结果，并提示用户上传真实有效证件图像。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

在一实施例中，提供一种基于人脸识别的业务办理装置，该基于人脸识别的业务办理装置与上述实施例中基于人脸识别的业务办理方法一一对应。如图7所示，该基于人脸识别的业务办理装置包括业务操作请求获取模块11、视频流获取模块12、当前人脸图像获取模块13、查询结果获取模块14、目标对比图像获取模块15、第一评分值获取模块16和业务操作结果获取模块17。各功能模块详细说明如下：

业务操作请求获取模块11，用于获取业务操作请求，业务操作请求包括用户标识和业务类型。

视频流获取模块12，用于若业务类型为特定类型，则获取实时录制的视频流，视频流包括视频帧图像。

当前人脸图像获取模块13，用于对视频帧图像进行人脸检测，获取当前人脸图像。

查询结果获取模块14，用于基于用户标识查询用户数据库，获取查询结果。

目标对比图像获取模块15，用于若查询结果不为空，则基于查询结果，获取目标对比图像。

第一评分值获取模块16，用于调用人脸识别接口对当前人脸图像和目标对比图像进行处理，获取第一评分值。

业务操作结果获取模块17，用于若第一评分值小于预设分值，则将当前人脸图像、目标对比图像和第三方网纹图像，输入至人脸识别接口进行处理，获取业务操作结果。

具体地，业务操作结果获取模块包括第二评分值获取单元、第三评分值获取单元和业务操作结果获取单元。

第二评分值获取单元，用于调用人脸识别接口对当前人脸图像和第三方网纹图像进行处理，获取第二评分值。

第三评分值获取单元，用于调用人脸识别接口对历史人脸图像和第三方网纹图像进行处理，获取第三评分值。

业务操作结果获取单元，用于对第二评分值和第三评分值进行加权运算，获取业务操作结果。

具体地，该基于人脸识别的业务办理装置还包括图像数量获取单元、第一目标对比图像获取单元、时间间隔获取单元和第二目标对比图像获取单元。

图像数量获取单元，用于若查询结果不为空，则获取与查询结果相对应的历史人脸图像的图像数量。

第一目标对比图像获取单元，用于若历史人脸图像的图像数量等于1，则将历史人脸图像作为目标对比图像。

时间间隔获取单元，用于若历史人脸图像的图像数量大于1，则计算每一历史人脸图像对应的历史时间与***当前时间的时间间隔。

第二目标对比图像获取单元，用于将时间间隔最小的历史人脸图像作为目标对比图像。

具体地，该基于人脸识别的业务办理装置还包括身份验证图像获取单元、待验证人脸图像获取单元、待识别人脸图像获取单元、识别结果获取单元和业务操作结果获取单元。

身份验证图像获取单元，用于若查询结果为空，则获取图像采集模块上传的身份验证图像。

待验证人脸图像获取单元，用于对身份验证图像进行人脸检测，获取待验证人脸图像。

待识别人脸图像获取单元，用于对待验证人脸图像进行图像预处理，获取待识别人脸图像。

识别结果获取单元，用于调用人脸识别接口对待识别人脸图像和当前人脸图像进行处理，获取识别结果。

业务操作结果获取单元，用于若识别结果为识别成功，则获取业务可操作的业务操作结果。

用户数据库更新单元，用于将当前人脸图像、识别结果和用户标识关联存储在用户数据库中，以更新用户数据库。

具体地，该基于人脸识别的业务办理装置还包括身份验证单元。

身份验证单元，用于将待识别人脸图像输入至第三方身份验证接口中进行身份有效性验证，若验证结果通过，则执行调用人脸识别接口对待识别人脸图像和当前人脸图像进行处理，获取识别结果。

具体地，该基于人脸识别的业务办理装置还包括活体验证信息生成单元、待验证视频流获取单元和活体检测单元。

活体验证信息生成单元，用于生成活体验证信息，活体验证信息包括提示动作。

待验证视频流获取单元，用于基于提示动作，获取待验证视频流。

活体检测单元，用于调用活体检测接口对待验证视频流进行活体检测，获取检测结果，若检测结果为检测成功，则执行对视频帧图像进行人脸检测，获取当前人脸图像。

关于基于人脸识别的业务办理装置的具体限定可以参见上文中对于基于人脸识别的业务办理方法的限定，在此不再赘述。上述基于人脸识别的业务办理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图8所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括计算机可读存储介质、内存储器。该计算机可读存储介质存储有操作***、计算机程序和数据库。该内存储器为计算机可读存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储执行基于人脸识别的业务办理方法过程中生成或获取的数据，如历史人脸图像。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于人脸识别的业务办理方法。

在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例中的基于人脸识别的业务办理方法的步骤，例如图2所示的步骤S11-S17，或者图3至图6中所示的步骤。或者，处理器执行计算机程序时实现基于人脸识别的业务办理装置这一实施例中的各模块/单元的功能，例如图7所示的各模块/单元的功能，为避免重复，这里不再赘述。

在一实施例中，提供一计算机可读存储介质，该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执行时实现上述实施例中基于人脸识别的业务办理方法的步骤，例如图2所示的步骤S11-S17，或者图3至图6中所示的步骤，为避免重复，这里不再赘述。或者，该计算机程序被处理器执行时实现上述基于人脸识别的业务办理装置这一实施例中的各模块/单元的功能，例如图7所示的各模块/单元的功能，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，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于人脸识别的业务办理方法，其特征在于，包括：

获取业务操作请求，所述业务操作请求包括用户标识和业务类型；

若所述业务类型为特定类型，则获取实时录制的视频流，所述视频流包括视频帧图像；

对所述视频帧图像进行人脸检测，获取当前人脸图像；

基于所述用户标识查询用户数据库，获取查询结果；

若所述查询结果不为空，则基于所述查询结果，获取目标对比图像；

调用人脸识别接口对所述当前人脸图像和所述目标对比图像进行处理，获取第一评分值；

若所述第一评分值小于预设分值，则将所述当前人脸图像、所述目标对比图像和第三方网纹图像，输入至所述人脸识别接口进行处理，获取业务操作结果。

2.如权利要求1所述基于人脸识别的业务办理方法，其特征在于，所述若将所述当前人脸图像、所述目标对比图像和第三方网纹图像，输入至所述人脸识别接口进行处理，获取业务操作结果，包括：

调用所述人脸识别接口对所述当前人脸图像和所述第三方网纹图像进行处理，获取第二评分值；

调用人脸识别接口对所述历史人脸图像和所述第三方网纹图像进行处理，获取第三评分值；

对所述第二评分值和所述第三评分值进行加权运算，获取业务操作结果。

3.如权利要求1所述基于人脸识别的业务办理方法，其特征在于，所述若所述查询结果不为空，则基于所述查询结果，获取目标对比图像，包括；

若所述查询结果不为空，则获取与所述查询结果相对应的历史人脸图像的图像数量；

若所述历史人脸图像的图像数量等于1，则将所述历史人脸图像作为所述目标对比图像；

若所述历史人脸图像的图像数量大于1，则计算每一所述历史人脸图像对应的历史时间与***当前时间的时间间隔；

将所述时间间隔最小的历史人脸图像作为所述目标对比图像。

4.如权利要求1所述基于人脸识别的业务办理方法，其特征在于，在所述基于所述用户标识查询用户数据库，获取查询结果之后，包括：

若所述查询结果为空，则获取图像采集模块上传的身份验证图像；

对所述身份验证图像进行人脸检测，获取待验证人脸图像；

对所述待验证人脸图像进行图像预处理，获取待识别人脸图像；

调用所述人脸识别接口对所述待识别人脸图像和所述当前人脸图像进行处理，获取识别结果；

若所述识别结果为识别成功，则获取业务可操作的业务操作结果；

将所述当前人脸图像、所述识别结果和所述用户标识关联存储在用户数据库中，以更新所述用户数据库。

5.如权利要求4所述基于人脸识别的业务办理方法，其特征在于，在所述调用所述人脸识别接口对所述待识别人脸图像和所述当前人脸图像进行处理，获取识别结果之前，所述基于人脸识别的业务办理方法还包括：

将所述待识别人脸图像输入至第三方身份验证接口中进行身份有效性验证，若验证结果通过，则执行所述调用所述人脸识别接口对所述待识别人脸图像和所述当前人脸图像进行处理，获取识别结果。

6.如权利要求1所述基于人脸识别的业务办理方法，其特征在于，在所述对所述视频帧图像进行人脸检测，获取当前人脸图像之前，所述基于人脸识别的业务办理方法还包括：

生成活体验证信息，所述活体验证信息包括提示动作；

基于所述提示动作，获取待验证视频流；

调用活体检测接口对所述待验证视频流进行活体检测，获取检测结果，若所述检测结果为检测成功，则执行所述对所述视频帧图像进行人脸检测，获取当前人脸图像。

7.一种基于人脸识别的业务办理装置，其特征在于，包括：

业务操作请求获取模块，用于获取业务操作请求，所述业务操作请求包括用户标识和业务类型；

视频流获取模块，用于若所述业务类型为特定类型，则获取实时录制的视频流，所述视频流包括视频帧图像；

当前人脸图像获取模块，用于对所述视频帧图像进行人脸检测，获取当前人脸图像；

查询结果获取模块，用于基于所述用户标识查询用户数据库，获取查询结果；

目标对比图像获取模块，用于若所述查询结果不为空，则基于所述查询结果，获取目标对比图像；

第一评分值获取模块，用于调用人脸识别接口对所述当前人脸图像和所述目标对比图像进行处理，获取第一评分值；

业务操作结果获取模块，用于若所述第一评分值小于预设分值，则将所述当前人脸图像、所述目标对比图像和第三方网纹图像，输入至所述人脸识别接口进行处理，获取业务操作结果。

8.如权利要求1所述基于人脸识别的业务办理装置，其特征在于，所述业务操作结果获取模块包括：

第二评分值获取单元，用于调用所述人脸识别接口对所述当前人脸图像和所述第三方网纹图像进行处理，获取第二评分值；

第三评分值获取单元，用于调用人脸识别接口对所述历史人脸图像和所述第三方网纹图像进行处理，获取第三评分值；

业务操作结果获取单元，用于对所述第二评分值和所述第三评分值进行加权运算，获取业务操作结果。

9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述基于人脸识别的业务办理方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，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至6任一项所述基于人脸识别的业务办理方法的步骤。

Images