CN115019364A - 基于人脸识别的身份认证方法、装置、电子设备及介质 - Google Patents

Abstract

本发明实施例公开了基于人脸识别的身份认证方法、装置、电子设备及介质，属于图像处理领域。其中方法包括以下步骤：获取人脸识别图像，并对所述人脸识别图像进行图像分析，判断是否存在人脸；若确定存在人脸，则获取人脸特征点数据；根据所述人脸特征点数据计算质量因子，并根据所述质量因子和相应的影响值得到人脸质量分；若所述人脸质量分大于第一阈值，则根据所述人脸识别图像进行身份认证；其中，所述质量因子至少包括以下各项之一：人脸模糊度、人脸正确度、上半脸遮挡率、下半脸遮挡率、光照识别影响度、图像噪声影响值及姿态影响值。本发明实施例能够提高身份认证效率和准确率。

Description

基于人脸识别的身份认证方法、装置、电子设备及介质

技术领域

本发明涉及图像处理领域，特别涉及一种基于人脸识别的身份认证方法、装置、电子设备及介质。

背景技术

人脸识别是基于人的脸部特征信息进行身份识别的技术。目前，人脸识别技术被广泛应用于涉及隐私或安全相关的身份验证领域，例如，人脸识别门禁考勤、人脸识别防盗门、人脸解锁、人脸识别支付等。

使用目前的人脸识别方法进行人脸识别的识别率低，录入的人脸信息，可能存在拍照时光环境不同、或个人用户有开美颜修图、图片过大、图片质量差、图片分辨率低等问题，导致现场识别率低；也可能因为录入时人脸受到遮挡，导致人脸识别率低。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种基于人脸识别的身份认证方法、装置、电子设备及介质，能够提高身份认证效率和准确率。

本发明实施例一方面提出一种基于人脸识别的身份认证方法，包括以下步骤：获取人脸识别图像，并对所述人脸识别图像进行图像分析，判断是否存在人脸；若确定存在人脸，则获取人脸特征点数据；根据所述人脸特征点数据计算质量因子，并根据所述质量因子和相应的影响值得到人脸质量分；若所述人脸质量分大于第一阈值，则根据所述人脸识别图像进行身份认证；其中，所述质量因子至少包括以下各项之一：人脸模糊度、人脸正确度、上半脸遮挡率、下半脸遮挡率、光照识别影响度、图像噪声影响值及姿态影响值。

根据本发明的一些实施例，所述获取人脸识别图像，并对所述人脸图像进行图像分析，判断是否存在人脸包括：获取人脸识别图像并通过xy轴数据矩阵对应图像像素点阵进行存储，得到人脸识别数据；对所述人脸识别数据的数值分布进行特征匹配，并通过特征值判断是否存在人脸。

根据本发明的一些实施例，所述获取人脸特征点数据包括：获取各个人脸对应的人脸特征点的数目和位置坐标；所述人脸特征点至少包括：眉毛、眼睛、鼻子、嘴巴及外轮廓。

根据本发明的一些实施例，所述根据所述人脸特征点数据计算质量因子包括以下各项中的一项或多项：通过所述人脸特征点的数目和人脸方向计算人脸模糊度；通过对五官的人脸特征点数目进行检测得到人脸可信度；通过上半脸的人脸特征点数目计算得到上半脸遮挡率；通过对所述人脸识别图像的RGB通道和HSV通道综合取值得到光照强度，并结合所述人脸特征点的数目得到光照识别影响度；通过下半脸的人脸特征点数目计算得到下半脸遮挡率；获取通过所述人脸识别图像识别出的第一人脸特征点数据和通过经过去噪的人脸识别图像识别出的第二人脸特征点数据，并通过对所述第一人脸特征点数据和所述第二人脸特征点数据进行对比，得到图像噪声影响值；以及对所述人脸识别图像进行姿态识别，得到姿态影响分。

根据本发明的一些实施例，若所述人脸质量分小于或等于所述第一阈值，则返回所述获取人脸识别图像步骤。

根据本发明的一些实施例，所述根据所述人脸识别图像进行身份认证包括：基于人脸数据库，根据所述人脸特征点数据对所述人脸识别图像进行人脸匹配；若匹配成功，则确定身份认证通过，并输出人脸可信度。

根据本发明的一些实施例，所述输出人脸可信度包括：根据所述人脸质量分，得到所述人脸可信度并输出。

本发明实施例另一方面提出一种基于人脸识别的身份认证装置，包括：第一模块，用于获取人脸识别图像，并对所述人脸识别图像进行图像分析，判断是否存在人脸；第二模块，用于当所述第一模块确定所述人脸识别图像存在人脸，则获取人脸特征点数据；第三模块，用于根据所述人脸特征点数据计算质量因子，并根据所述质量因子和相应的影响值得到人脸质量分；第四模块，用于当所述人脸质量分大于第一阈值时，根据所述人脸识别图像进行身份认证；其中，所述质量因子至少包括以下各项之一：人脸模糊度、人脸正确度、上半脸遮挡率、下半脸遮挡率、光照识别影响度、图像噪声影响值及姿态影响值。

本发明实施例另一方面提出一种电子设备，包括处理器以及存储器；所述存储器用于存储程序；所述处理器执行所述程序实现前文所述的方法。

本发明实施例另一方面提出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前文所述的方法。

根据本发明实施例的至少具有如下有益效果：本发明实施例的方法通过获取人脸特征点并通过对人脸特征点数据进行分析得到当前的人脸识别图像是否为低质量图像，若为低质量图像则重新获取人脸图像进行身份验证，以此提高人脸识别的准确率，提高身份认证效率。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1为本发明实施例的方法的流程示意图；

图2为本发明另一实施例的方法的流程示意图；

图3为本发明另一实施例的方法的流程示意图；

图4为本发明实施例的装置的模块示意框图；

图5为本发明实施例的电子设备的模块示意框图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

在本发明的描述中，若干的含义是一个或者多个，多个的含义是两个及两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。

参照图1，本发明实施例提出一种基于人脸识别的身份认证方法，包括以下步骤：

S100、获取人脸识别图像，并对人脸识别图像进行图像分析；本实施例可以是通过人脸识别设备的摄像头拍摄或从存储器中选择照片等方式获取人脸识别图像。

S200、判断是否存在人脸，若确定存在人脸，执行步骤S300；本实施例对人脸识别图像进行分析，确定是否存在人脸，具体的分析方法可以是将人脸识别图像通过x/y轴数字矩阵对应图像像素点阵进行存储，并对数值分布进行特征匹配，通过特征值判断是否存在人脸。

S300、获取人脸特征点数据；本实施例的人脸特征点数据可以是预设的多个人脸特征点，包括眉毛若干点，眼睛若干点，鼻子若干点，嘴巴若干点，外轮廓若干点。

S400、根据人脸特征点数据计算质量因子，并根据质量因子和相应的影响值得到人脸质量分；可以理解的是，质量因子至少包括以下各项之一：人脸模糊度、人脸正确度、上半脸遮挡率、下半脸遮挡率、光照识别影响度、图像噪声影响值及姿态影响值。

S500、判断人脸质量分是否大于第一阈值；若人脸质量分大于第一阈值，则执行步骤S600；本实施例中，人脸质量分越高人脸匹配的准确度越高，本步骤确保当前用于身份认证的人脸识别图像的质量，以提高识别率。

S600、根据人脸识别图像进行身份认证。

需要说明的是，在一些实施例当中，进行人脸识别身份认证的设备可以是具有传感器和摄像头的终端，包括但不限于带有摄像头的智能手机，平板电脑，PC电脑等，也可以是需要进行身份认证的门禁***，门禁***的上方或者侧方位等一些便于采集面部信息的地方布局有摄像头能够采集到人脸图像信息。

在一些实施例中，获取人脸识别图像，并对人脸图像进行图像分析，判断是否存在人脸包括：获取人脸识别图像并通过xy轴数据矩阵对应图像像素点阵进行存储，得到人脸识别数据；对人脸识别数据的数值分布进行特征匹配，并通过特征值判断是否存在人脸。

在一些实施例中，获取人脸特征点数据的方法包括：获取各个人脸对应的人脸特征点的数目和位置坐标；其中，人脸特征点至少包括：眉毛、眼睛、鼻子、嘴巴及外轮廓。

在一些实施例中，根据人脸特征点数据计算质量因子的步骤包括以下各项中的一项或多项：通过人脸特征点的数目和人脸方向计算人脸模糊度；通过对五官的人脸特征点数目进行检测得到人脸可信度；通过上半脸的人脸特征点数目计算得到上半脸遮挡率；通过对人脸识别图像的RGB通道和HSV通道综合取值得到光照强度，并结合人脸特征点的数目得到光照识别影响度；通过下半脸的人脸特征点数目计算得到下半脸遮挡率；获取通过人脸识别图像识别出的第一人脸特征点数据和通过经过去噪的人脸识别图像识别出的第二人脸特征点数据，并通过对第一人脸特征点数据和第二人脸特征点数据进行对比，得到图像噪声影响值；以及对人脸识别图像进行姿态识别，得到姿态影响分。

在一些实施例中，若人脸质量分小于或等于第一阈值，则返回获取人脸识别图像步骤。

在一些实施例中，根据人脸识别图像进行身份认证的方法包括：基于人脸数据库，根据人脸特征点数据对人脸识别图像进行人脸匹配；若匹配成功，则确定身份认证通过，并输出人脸可信度。

在一些实施例中，输出人脸可信度的方法包括：根据人脸质量分，得到人脸可信度并输出。

参照图2，在一个具体实施例中，本发明的方法应用于手机解锁。开启手机之后，需要进行人脸识别认证之后才能进入手机操作界面，在进入操作界面之前，触发执行人脸识别，通过启动手机摄像头等方式对人脸进行识别认证。首先通过手机摄像头拍摄或选择照片等方式上传图像至后端分析程序。后端分析程序得到图像后通过x/y轴数字矩阵对应图像像素点阵进行存储，并对数值分布进行特征匹配，通过特征值判断是否存在人脸。如果存在人脸，则生成人脸矩形框，分别是[left，top，width，height]。如果存在多个人脸，则依次顺延返回人脸矩形框。例如有两个人脸则返回[left1，top1，width1，height1，left2，top2，width2，height2]。

确定存在人脸后，继续往下匹配特征值，得到人脸特征点数据，包括人脸特征点数目。本实施例中设置为105点，包括眉毛24点，眼睛32点，鼻子6点，嘴巴34点，外轮廓9点。通过分析得到人脸特征点的位置信息，生成人脸特征点定位结果并返回，对于每个人脸都返回一组人脸特征点位置信息，形式为(x0，y0，x1，y1，……)；如有多个人脸，则依次顺延，返回定位浮点数。

本实施例在得到人脸特征点定位结果后，通过得到的人脸特征点定位结果分析得到人脸质量分，人脸质量分越高人脸匹配的准确度越高，质量分低于50判断为低质量人脸，提示用户是否重新选择图像。

在一些实施例中，具体的人脸质量分计算方法如下：

1)人脸模糊度，取值范围0-100，影响值为0.2。

通过人脸特征点的识别数量和人脸方向计算得出人脸模糊度，如左侧脸时特征点应为52(正脸时应为105个，人脸特征点总数根据姿势浮动)，正确识别40个人脸特征点，模糊值为100*40/52＝76.923076923，结合影响值计算得出质量综合分76.923076923*0.2＝15.3846153846。

2)人脸正确度，取值范围0-100，影响值为0.3。

即人脸可信度识别，通过对五官人体特征数检查得出人脸可信度，如：眉毛识别率60％，眼睛识别率80％，鼻子识别率80％，嘴巴识别率70％，外轮廓识别率80％，平均识别率：88％，得出可信值为：88，结合影响值得出质量综合分：88*0.3＝26.4。

3)眼镜等上半脸遮挡，取值范围0-100，影响值为0.1。

上半脸遮挡率，通过上半脸的特征点计算上半脸遮挡率，如左侧脸时上半脸特征点应为31个(正脸应为62个，人脸特征点总数根据姿势浮动)，识别20个，则上半脸遮挡分数为100*20/31＝64.5161290322，得出质量综合分：64.5161290322*0.1＝6.45161290322。

4)光照识别影响度，取值范围0-100，影响值为0.1。

通过对图片的RGB通道和HSV通道综合取值得出光照强度，结合得到的特征点数量，综合计算得出光照识别影响度，如得分80，则计算得出质量综合分为：80*0.1＝8。

5)口罩等下半脸遮挡，取值范围0-100，影响值为0.1。

下半脸遮挡率，通过下半脸特征点计算得出下半脸遮挡率，如左侧脸时特征点应为23(正脸应为49，人脸特征点总数根据姿势浮动)，正确识别23个特征点，则下半脸遮挡分数为100，计算得出质量综合分：100*0.1＝10。

6)图片噪声影响，取值范围0-100，影响值为0.1。

根据原图和去噪图识别人脸特征点对比(噪声处理有均值滤波/高斯滤波/中值滤波/双线性滤波和边缘检测算法)，得出噪声影响值，如原图识别特征点为80，去噪图识别特征点为90，则噪声影响率为100*80/90＝88.88888888，得出影响值为88.88888888，计算得出质量综合分为8.888888888。

7)姿态影响，取值范围0-100，影响值为0.1。

根据姿态得出姿态影响分，如左侧脸时姿态影响为50％(识别样本只有正脸的50％)，得分为50分，计算得出质量综合分为5。

人脸质量分计算结果为上述7项得分的总和，如上述例子为左侧脸时的质量综合分为：

15.3846153846+26.4+6.45161290322+8+10+8.888888888+5＝80.12511718。

本实施例在得到人脸质量分后，根据预设的阈值判断当前图片是否符合要求，若符合，则通过人脸特征匹配人脸，识别身份，得到识别结果，并返回对应的匹配人脸可信度(取值范围0-100)，可信度越高准确度越高，可信度受人脸质量分影响，如果没有匹配的人脸，提示用户是否重新选择图像。

参照图3，在一个具体的实施例中，本实施例的方法应用于新用户注册等需要录入用户信息的场景。在录入用户基本信息后，通过发送人脸识别请求调用摄像头获取待识别图像，并将得到的待识别图像根据上述实施例的方法进行身份认证。可以理解的是，人脸识别请求可以由特定的事件触发，比如摄像头捕捉到有人脸信息，则触发执行人脸识别，自动进入人脸识别认证。

参照图4，在一些实施例中，本发明实施例提出一种基于人脸识别的身份认证装置，包括：第一模块，用于获取人脸识别图像，并对人脸识别图像进行图像分析，判断是否存在人脸；第二模块，用于当第一模块确定人脸识别图像存在人脸，则获取人脸特征点数据；第三模块，用于根据人脸特征点数据计算质量因子，并根据质量因子和相应的影响值得到人脸质量分；第四模块，用于当人脸质量分大于第一阈值时，根据人脸识别图像进行身份认证；其中，质量因子至少包括以下各项之一：人脸模糊度、人脸正确度、上半脸遮挡率、下半脸遮挡率、光照识别影响度、图像噪声影响值及姿态影响值。

参照图5，本发明实施例提供一种电子设备，包括处理器以及存储器；存储器用于存储程序；处理器执行程序实现前文的方法。该电子设备可以是个人计算机(PersonalComputer，PC)、手机、智能手机、个人数字助手(Personal Digital Assistant，PDA)、可穿戴设备、掌上电脑PPC(Pocket PC)、平板电脑等。

本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现前文的方法。

在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如，取决于所涉及的功能/操作，连续示出的两个方框实际上可以被大体上同时地执行或所述方框有时能以相反顺序被执行。此外，在本发明的流程图中所呈现和描述的实施例以示例的方式被提供，目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的，其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。

本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行前述的基于人脸识别的身份认证方法。

此外，虽然在功能性模块的背景下描述了本发明，但应当理解的是，除非另有相反说明，所述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中，或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是，有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说，考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下，在工程师的常规技术内将会了解该模块的实际实现。因此，本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是，所公开的特定概念仅仅是说明性的，并不意在限制本发明的范围，本发明的范围由所附权利要求书及其等同方案的全部范围来决定。

所述功能如果以软件功能单元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，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用，或结合这些指令执行***、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。

计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

以上是对本发明的较佳实施进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (10)

1.一种基于人脸识别的身份认证方法，其特征在于，包括以下步骤：

获取人脸识别图像，并对所述人脸识别图像进行图像分析，判断是否存在人脸；

若确定存在人脸，则获取人脸特征点数据；

根据所述人脸特征点数据计算质量因子，并根据所述质量因子和相应的影响值得到人脸质量分；

若所述人脸质量分大于第一阈值，则根据所述人脸识别图像进行身份认证；

其中，所述质量因子至少包括以下各项之一：人脸模糊度、人脸正确度、上半脸遮挡率、下半脸遮挡率、光照识别影响度、图像噪声影响值及姿态影响值。

2.根据权利要求1所述的基于人脸识别的身份认证方法，其特征在于，所述获取人脸识别图像，并对所述人脸图像进行图像分析，判断是否存在人脸包括：

获取人脸识别图像并通过xy轴数据矩阵对应图像像素点阵进行存储，得到人脸识别数据；

对所述人脸识别数据的数值分布进行特征匹配，并通过特征值判断是否存在人脸。

3.根据权利要求1所述的基于人脸识别的身份认证方法，其特征在于，所述获取人脸特征点数据包括：

获取各个人脸对应的人脸特征点的数目和位置坐标；所述人脸特征点至少包括：眉毛、眼睛、鼻子、嘴巴及外轮廓。

4.根据权利要求1所述的基于人脸识别的身份认证方法，其特征在于，所述根据所述人脸特征点数据计算质量因子包括以下各项中的一项或多项：

通过所述人脸特征点的数目和人脸方向计算人脸模糊度；

通过对五官的人脸特征点数目进行检测得到人脸可信度；

通过上半脸的人脸特征点数目计算得到上半脸遮挡率；

通过对所述人脸识别图像的RGB通道和HSV通道综合取值得到光照强度，并结合所述人脸特征点的数目得到光照识别影响度；

通过下半脸的人脸特征点数目计算得到下半脸遮挡率；

获取通过所述人脸识别图像识别出的第一人脸特征点数据和通过经过去噪的人脸识别图像识别出的第二人脸特征点数据，并通过对所述第一人脸特征点数据和所述第二人脸特征点数据进行对比，得到图像噪声影响值；以及

对所述人脸识别图像进行姿态识别，得到姿态影响分。

5.根据权利要求1所述的基于人脸识别的身份认证方法，其特征在于，若所述人脸质量分小于或等于所述第一阈值，则返回所述获取人脸识别图像步骤。

6.根据权利要求1所述的基于人脸识别的身份认证方法，其特征在于，所述根据所述人脸识别图像进行身份认证包括：

基于人脸数据库，根据所述人脸特征点数据对所述人脸识别图像进行人脸匹配；

若匹配成功，则确定身份认证通过，并输出人脸可信度。

7.根据权利要求6所述的基于人脸识别的身份认证方法，其特征在于，所述输出人脸可信度包括：

根据所述人脸质量分，得到所述人脸可信度并输出。

8.一种基于人脸识别的身份认证装置，其特征在于，包括：

第一模块，用于获取人脸识别图像，并对所述人脸识别图像进行图像分析，判断是否存在人脸；

第二模块，用于当所述第一模块确定所述人脸识别图像存在人脸，则获取人脸特征点数据；

第三模块，用于根据所述人脸特征点数据计算质量因子，并根据所述质量因子和相应的影响值得到人脸质量分；

第四模块，用于当所述人脸质量分大于第一阈值时，根据所述人脸识别图像进行身份认证；

其中，所述质量因子至少包括以下各项之一：人脸模糊度、人脸正确度、上半脸遮挡率、下半脸遮挡率、光照识别影响度、图像噪声影响值及姿态影响值。

9.一种电子设备，包括处理器以及存储器；

所述存储器用于存储程序；

所述处理器执行所述程序实现如权利要求1至7中任一项所述的方法。

10.一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权利要求1至7中任一项的方法。

Images