人臉校驗方法、裝置、伺服器及可讀儲存媒介
本發明實施例涉及資料處理技術領域，尤其涉及一種人臉校驗方法、裝置、伺服器及可讀儲存媒介。
隨著人臉識別技術的飛速發展，人臉識別技術越來越多的應用在人們的日常生活中，人臉識別技術應用在例如車站的刷臉進站，超市的刷臉付錢和手機APP的刷臉登錄等場景中。
現有技術中，人臉識別設備例如LOT刷臉機具面臨著人臉偽造攻擊，即通過通用的面具或者照片、視頻進行刷臉校驗的攻擊，針對此類攻擊，通常是通過引入的結構光3D攝影鏡頭進行防禦，即通過對採集的3D圖像進行活體檢測即可判斷用戶是否為活體。
本發明實施例提供了一種人臉校驗方法、裝置、伺服器及可讀儲存媒介，提高人臉校驗的準確度，在人臉校驗提高的基礎上能夠有效提高提高對抗人臉偽造攻擊的性能。
本發明實施例第一態樣提供了一種人臉校驗方法，包括：
對採集的二維人臉圖像進行人臉識別，得到人臉識別結果；
若所述人臉識別結果表徵人臉識別成功，則對所述二維人臉圖像進行三維重建，得到重建三維人臉圖像；
對採集的原始三維人臉圖像進行活體檢測，得到活體檢測結果；
若所述活體檢測結果表徵所述原始三維人臉圖像中的用戶為活體，則將所述重建三維人臉圖像和所述原始三維人臉圖像相似度比對，得到比對結果；
根據所述比對結果，確定所述二維人臉圖像中的用戶是否為目標用戶。
本發明實施例第二態樣提供了一種人臉校驗設備，包括：
人臉識別單元，用於對採集的二維人臉圖像進行人臉識別，得到人臉識別結果；
三維重建單元，若所述人臉識別結果表徵人臉識別成功，用於對所述二維人臉圖像進行三維重建，得到重建三維人臉圖像；
活體檢測單元，用於對採集的原始三維人臉圖像進行活體檢測，得到活體檢測結果；
相似度比對單元，若所述活體檢測結果表徵所述原始三維人臉圖像中的用戶為活體，用於將所述重建三維人臉圖像和所述原始三維人臉圖像相似度比對，得到比對結果；
人臉校驗單元，用於根據所述比對結果，確定所述二維人臉圖像中的用戶是否為目標用戶。
本發明實施例第三態樣還提供了一種伺服器，包括記憶體、處理器及儲存在記憶體上並可在處理器上運行的電腦程式，所述處理器執行所述程式時實現上述人臉校驗方法的步驟。
本發明實施例第四態樣還提供了一種電腦可讀儲存媒介，其上儲存有電腦程式，該程式被處理器執行時上述人臉校驗方法的步驟。
本發明實施例的有益效果如下：
基於上述技術方案，由於在人臉識別成功且活體檢測成功這兩種條件下，再將所述重建三維人臉圖像和所述原始三維人臉圖像進行相似度比對，根據得到的所述比對結果，確定所述二維人臉圖像中的用戶是否為目標用戶，如此，通過人臉識別成功且活體檢測成功這兩種條件作為約束條件，能夠確保後續需要進行相似度比對的人臉資料的準確性，即使得所述重建三維人臉圖像和所述原始三維人臉圖像的準確性較高，將所述重建三維人臉圖像作為比對樣本，然後再進行相似比對，能夠促使得到的所述比對結果的準確度也隨之提高；以及在所述比對結果準確度較高的基礎上，其確定出所述二維人臉圖像中的用戶是否為目標用戶的準確度也會隨之提高，進而提高人臉校驗的準確度，在人臉校驗提高的基礎上能夠有效提高對抗人臉偽造攻擊的性能。
而且，通過三維人臉圖像進行相似度對比，其三維人臉圖像攜帶的資料的維度更多，在相似度比對過程中需要將每個維度的資料均進行相似度比對，如此，若資料的維度越多，其進行相似比對而得到的所述比對結果的準確度也會越高，促使所述比對結果的準確度進一步提高，在所述比對結果準確度進一步提高的基礎上，其確定出所述二維人臉圖像中的用戶是否為目標用戶的準確度也會進一步提高，即能夠進一步提高人臉校驗的準確度，在人臉校驗進一步提高的基礎上能夠進一步提高對抗人臉偽造攻擊的性能。
為了更好的理解上述技術方案，下面通過圖式以及具體實施例對本發明實施例的技術方案做詳細的說明，應當理解本發明實施例以及實施例中的具體特徵是對本發明實施例技術方案的詳細的說明，而不是對本發明技術方案的限定，在不衝突的情況下，本發明實施例以及實施例中的技術特徵可以相互組合。
第一態樣，如圖1所示，本發明實施例提供一種人臉校驗方法，包括：
S102、對採集的二維人臉圖像進行人臉識別，得到人臉識別結果；
S104、若所述人臉識別結果表徵人臉識別成功，則對所述二維人臉圖像進行三維重建，得到重建三維人臉圖像；
S106、對採集的原始三維人臉圖像進行活體檢測，得到活體檢測結果；
S108、若所述活體檢測結果表徵所述原始三維人臉圖像中的用戶為活體，則將所述重建三維人臉圖像和所述原始三維人臉圖像相似度比對，得到比對結果；
S110、根據所述比對結果，確定所述二維人臉圖像中的用戶是否為目標用戶。
其中，在步驟S102中，可以通過二維攝影設備進行圖像採集，從而採集到所述二維人臉圖像，再通過人臉識別演算法對所述二維人臉圖像進行人臉識別，得到所述人臉識別結果，其中，所述攝影設備可以為攝影鏡頭、雲台、攝影機和數碼相機等。
具體來講，獲取所述二維人臉圖像之後，可以對所述二維人臉圖像進行人臉識別，得到人臉識別值；判斷所述人臉識別值是否不小於人臉設定閾值，得到人臉判斷結果；根據所述人臉判斷結果，確定所述人臉識別結果。
本發明實施例中，在對所述二維人臉圖像進行人臉識別過程中，可以首先對所述二維人臉圖像進行圖像預處理，得到所述預處理二維人臉圖像，然後使用所述人臉識別演算法對所述預處理二維人臉圖像進行人臉識別，得到所述人臉識別結果。
本發明實施例中，所述人臉設定閾值可以根據實際情況設定，也可以由人工或設備自行設定，所述人臉設定閾值可以為不小於80%且小於1的值，例如為80%、85%和90%等，當然，所述人臉設定閾值也可以設置為小於80%的值，本發明不作具體限制。
本發明實施例中，所述人臉識別演算法包括基於人臉特徵點的識別演算法(feature-based recognition algorithms)、基於整幅人臉圖像的識別演算法(appearance-based recognition algorithms)、基於範本的識別演算法(template-based recognition algorithms)、利用神經網路進行識別的演算法(recognition algorithms using neural network)和利用支持向量機進行識別的演算法等識別演算法，本發明不作具體限制。
具體地，通過對所述二維人臉圖像進行圖像預處理，能夠移除所述二維人臉圖像的平均亮度值，降低光照對人臉識別演算法的影響，提高在使用人臉識別演算法對所述預處理二維人臉圖像進行人臉識別的識別精確度。
本發明實施例中，在所述二維人臉圖像進行圖像預處理時，由於所述二維人臉圖像為原始圖像，使得所述二維人臉圖像中包含有人臉區域、背景和雜訊，如此，可以首先對所述二維人臉圖像依次進行人臉檢測、人臉校準和去除圖像背景處理，得到人臉處理圖像，以降低所述二維人臉圖像中背景和雜訊資料對識別演算法的影響，使得在對預處理二維人臉圖像進行人臉識別時提高識別的精確度。
進一步地，在得到所述二維人臉圖像之後，還可以根據所述人臉處理圖像中的所有像素值，確定出所述人臉處理圖像對應的像素均值；根據所述像素均值，確定出所述人臉處理圖像中每個像素對應的方差；利用所述像素均值和每個像素對應的方差對每個像素進行歸一化處理，得到每個像素的歸一化資料；根據每個像素的歸一化資料，得到所述預處理二維人臉圖像。
當然，在得到所述預處理二維人臉圖像時，可以採用上述一種或多種方式對所述二維人臉圖像進行處理，從而得到所述預處理二維人臉圖像。
具體地，在所述二維人臉圖像進行圖像預處理時，在所述人臉處理圖像上進行均值和方差的計算，在所述人臉處理圖像中的所有像素上求出均值m，然後在求出均值m的基礎上求出所述人臉處理圖像中每個像素對應的方差s，然後在所述人臉處理圖像中的每個像素上進行均值方差的歸一化操作，得到每個像素的歸一化資料，通過歸一化操作能夠移除所述二維人臉圖像中的平均亮度值，降低光照對演算法的影響，提高在使用演算法對所述預處理二維人臉圖像進行人臉識別計算的計算精確度。
本發明實施例中，在對所述二維人臉圖像進行人臉識別，得到所述人臉識別值之後，判斷所述人臉識別值是否不小於人臉設定閾值，若得到的所述人臉判斷結果表徵所述人臉識別值不小於所述人臉設定閾值，則確定所述人臉識別結果表徵人臉識別成功，即能夠識別出所述二維人臉圖像中的用戶，然後執行步驟S104；若得到的所述人臉判斷結果表徵所述人臉識別值小於所述人臉設定閾值，則確定所述人臉識別結果表徵人臉識別失敗，即未能識別出所述二維人臉圖像中的用戶，然後不再進行其它操作。
例如，以二維人臉圖像a1為例，若通過人臉識別演算法計算出a1中用戶為a11的概率為85%，而所述人臉設定閾值為90%，此時，由於85%＜90%，使得所述人臉識別演算法未能識別出a11，即確定a1的人臉識別結果表徵人臉識別失敗，則不再進行其它操作。
又例如，以二維人臉圖像a2為例，若通過人臉識別演算法計算出a2中的用戶為a21的概率為95%，而所述人臉設定閾值為90%，此時，由於95%＞90%，使得所述人臉識別演算法能夠識別出a21，即針對a2的人臉識別結果表徵人臉識別成功，然後執行步驟S104。
若所述人臉識別結果表徵人臉識別成功，則執行步驟S104，在該步驟中，可以使用三維重建演算法對所述人臉圖像進行三維重建，得到所述重建三維人臉圖像。
本發明實施例中，所述三維重建演算法包括基於TensorFlow實現的單幅圖像的彩色3D重建(Im2Avatar)演算法、3-SWEEP演算法、3D-GAN演算法等演算法，本發明不作具體限制。
具體來講，在使用Im2Avatar演算法進行三維重建時，可以對所述二維人臉圖像進行編解碼，然後再將編解碼後的資料進行形狀學習、表面色彩學習和細節構造，最後將學習後的資料和細節構造後的資料進行組合，得到所述重建三維人臉資料。
接下來執行步驟S106，在該步驟中，可以使用三維攝影裝置進行圖像採集，得到所述原始三維人臉圖像；對所述原始三維人臉圖像進行活體檢測，得到所述活體檢測結果，其中，所述三維攝影裝置可以是3D攝影鏡頭和3D相機等。
本發明實施例中，步驟S106可以與步驟S102同時執行，也可以在執行步驟S102之前或之後執行；進一步地，所述二維攝影裝置和所述三維攝影裝置可以設置在同一LOT設備上，也可以設置在相連的兩個LOT設備上，本發明不作具體限制。
本發明實施例中，在執行步驟S102和S106過程中，可以在設定時間和設定區域中採集所述二維人臉圖像和所述原始三維人臉圖像，例如可以在商店出口出的刷臉設備上的2D攝影鏡頭和3D攝影鏡頭即時採集設定區域的二維人臉圖像和三維人臉圖像，所述設定區域可以根據實際情況進行設定，也可以由設備或人工進行設定；同理，所述設定時間可以是根據實際情況進行設定，也可以由設備或人工進行設定，所述設定時間例如可以為1秒(s)、2s和4s等，本發明不作具體限制。
本發明實施例中，在對所述原始三維人臉圖像進行人臉識別過程中，可以首先對所述原始三維人臉圖像進行圖像預處理，得到所述預處理三維人臉圖像，然後使用活體檢測算法對所述預處理三維人臉圖像進行活體檢測，得到所述活體檢測結果。
具體來講，對所述原始三維人臉圖像進行圖像預處理的實施過程，可以參考步驟S102中的對所述二維人臉圖像進行圖像預處理的敘述，為了說明書的簡潔，在此就不再贅述了。
本發明實施例中，在進行活體檢測過程中，可以對所述原始三維人臉圖像進行活體檢測，得到活體檢測值；檢測所述活體檢測值是否小於活體設定值，得到檢測結果；根據所述檢測結果，確定所述活體檢測結果；其中，在對所述原始三維人臉圖像進行活體檢測時，可以使用所述活體檢測算法對所述原始三維人臉圖像進行活體檢測。
具體來講，若所述檢測結果表徵所述活體檢測值小於所述活體設定閾值，則確定所述活體檢測結果為所述原始三維人臉圖像中的用戶為活體；若所述檢測結果表徵活體檢測值不小於所述活體設定閾值，則確定所述活體檢測結果為所述原始三維人臉圖像中的用戶為非活體。
本發明實施例中，若所述活體檢測結果為所述原始三維人臉圖像中的用戶為活體，則執行步驟S108；若所述活體檢測結果為所述原始三維人臉圖像中的用戶為非活體，則針對此次人臉識別不再進行操作。
本發明實施例中，所述原始三維人臉圖像的數量可以為一幅或多幅圖像，且所述原始三維人臉圖像與所述活體檢測算法所需要的圖像數量相匹配，即所述原始三維人臉圖像的數量不小於所述活體檢測算法所需要的圖像數量，例如，若所述活體檢測算法需要2幅圖像，則所述原始三維人臉圖像的數量不小於2幅。
本發明實施例中，所述活體設定閾值可以根據實際情況設定，也可以由人工或設備自行設定，所述活體設定閾值可以為不小於80%且小於1的值，例如為80%、85%和90%等，當然，所述活體設定閾值也可以設置為小於80%的值，本發明不作具體限制。
本發明實施例中，所述活體檢測算法例如可以是反欺騙(anti spoofing)演算法、圖像失真分析(image distortion analysis)演算法和顏色紋理(colour texture)演算法等。
具體來講，若所述活體設定閾值用T表示，則對所述原始三維人臉圖像進行活體檢測而得到的活體檢測值用S表示，檢測S是否小於T，若S＜T，則判定所述原始三維人臉圖像中的用戶為活體，接著執行步驟S108；若S≥T，則判定所述原始三維人臉圖像中的用戶為非活體，此時，針對此次人臉識別不再進行操作。
若所述活體檢測結果表徵所述原始三維人臉圖像中的用戶為活體，則執行步驟S108，可以直接將所述重建三維人臉圖像和所述原始三維人臉圖像進行整體對比，得到所述對比結果；還可以將所述重建三維人臉圖像的重建三維結構資料和所述原始三維人臉圖像的原始三維結構資料進行相似度比對，得到所述比對結果。
此時，通過對所述重建三維結構資料和所述原始三維結構資料進行相似度比對，由於三維結構資料攜帶的資料的維度更多，由於每個維度的資料均需要進行相似度比對，使得在資料維度更多的基礎上，進行相似度比對而得到的所述比對結果的精確度會較高。
具體來講，在將所述重建三維人臉圖像和所述原始三維人臉圖像進行整體對比過程中，可以將所述重建三維人臉圖像和所述原始三維人臉圖像輸入到相似度演算法中進行相似度計算，得到圖像相似度；判斷所述圖像相似度是否不小於設定相似度，得到相似度判斷結果；根據所述相似度判斷結果，確定所述對比結果。
同樣，在將所述重建三維結構資料和所述原始三維結構資料進行相似度比對過程中，可以將所述重建三維結構資料和所述原始三維結構資料登錄到所述相似度演算法中進行相似度計算，得到圖像相似度；判斷所述圖像相似度是否不小於設定相似度，得到相似度判斷結果；根據所述相似度判斷結果，確定所述對比結果。
具體地，若所述相似度判斷結果表徵所述圖像相似度不小於所述設定相似度，則確定所述對比結果表徵對比成功；若所述相似度判斷結果表徵所述圖像相似度小於所述設定相似度，則確定所述對比結果表徵對比失敗。
本發明實施例中，所述相似度演算法可以為余弦演算法、歐式距離演算法和感知雜湊演算法(Perceptual hash algorithm)等演算法；進一步地，所述設定相似度可以根據實際情況設定，也可以由人工或設備自行設定，所述設定相似度可以為不小於75%且小於1的值，例如為75%、80%和90%等，當然，所述設定相似度也可以設置為小於75%的值，本發明不作具體限制。
接下來執行步驟S110，若所述對比結果表徵對比成功，則確定所述二維人臉圖像中的用戶為目標用戶；若所述對比結果表徵對比失敗，則確定所述二維人臉圖像中的用戶不為目標用戶。
本發明實施例中，所述人臉校驗方法的整體流程如下：首先執行S1、通過2D攝影裝置獲取人臉圖像，並進行人臉識別；若人臉識別成功，則執行步驟S2、通過Im2Avatar等深度學習演算法，對人臉圖像進行3D重建，得到重建3D人臉圖像；若人臉識別失敗，則執行步驟S3、人臉校驗過程失敗，針對此次人臉校驗不進行任何操作；在執行步驟S1的同時，執行步驟S4、通過3D攝影裝置採集原始3D人臉圖像並進行活體檢測，判斷3D人臉圖像中的用戶是否為活體；若不是活體，則執行步驟S3;若是活體，則執行步驟S5、使用重建3D人臉圖像和原始3D人臉圖像進行相似度比對；若比對結果，則執行步驟S6，確定人臉圖像中的用戶為目標用戶，即人臉校驗成功；若比對失敗，則執行步驟S7、確認所述人臉圖像中的用戶不為目標用戶，即人臉校驗失敗。
例如，以採集的原始三維人臉圖像為a3為例，對a3進行活體檢測，得到活體檢測值為S，且S＜T(所述活體設定值)，則判定a3中的用戶為活體；然後獲取a3的原始三維結構資料用a3-1表示；相應地，以所述二維人臉圖像為a2為例，a2對應的人臉識別值為95%且所述人臉設定閾值為90%，此時，由於95%＞90%，則對a2進行三維重建，得到重建三維人臉圖像為a22，並獲取a22的重建三維結構資料用a22-1表示，若使用感知雜湊演算法進行相似度計算，則使用均值雜湊演算法分別對a3-1和a22-1進行雜湊計算，依次得到雜湊值為a3-2和a22-2，然後計算出a3-2和a22-2的相似度用S1表示；判斷S1是否大於所述設定相似度用S2表示，若S1≥S2，則確定所述對比結果表徵對比成功，進而可以確定a2中的a21為目標用戶；若S1＜S2，則確定所述對比結果表徵對比失敗，進而確定a2中a21不為目標用戶。
現有技術為了提高人臉偽造攻擊的性能，通常是通過3D攝影鏡頭進行防禦，即通過對採集的3D圖像進行活體檢測即可判斷用戶是否為活體，通過判斷是否為活體進行人臉校驗，而在人臉校驗過程中沒有有對比樣本，導致會降低人臉校驗的準確度。
而本發明實施例中，由於在人臉識別成功且活體檢測成功這兩種條件下，再將所述重建三維人臉圖像和所述原始三維人臉圖像進行相似度比對，根據得到的所述比對結果，確定所述二維人臉圖像中的用戶是否為目標用戶，如此，通過人臉識別成功且活體檢測成功這兩種條件作為約束條件，能夠確保後續需要進行相似度比對的人臉資料的準確性，即使得所述重建三維人臉圖像和所述原始三維人臉圖像的準確性較高，將所述重建三維人臉圖像作為比對樣本，然後再進行相似比對，能夠促使得到的所述比對結果的準確度也隨之提高；以及在所述比對結果準確度較高的基礎上，其確定出所述二維人臉圖像中的用戶是否為目標用戶的準確度也會隨之提高，進而提高人臉校驗的準確度，在人臉校驗提高的基礎上能夠有效提高對抗人臉偽造攻擊的性能。
而且，通過三維人臉圖像進行相似度對比，其三維人臉圖像攜帶的資料的維度更多，在相似度比對過程中需要將每個維度的資料均進行相似度比對，如此，若資料的維度越多，其進行相似比對而得到的所述比對結果的準確度也會越高，促使所述比對結果的準確度進一步提高，在所述比對結果準確度進一步提高的基礎上，其確定出所述二維人臉圖像中的用戶是否為目標用戶的準確度也會進一步提高，即能夠進一步提高人臉校驗的準確度，在人臉校驗進一步提高的基礎上能夠進一步提高對抗人臉偽造攻擊的性能
第二態樣，基於與第一態樣的同一發明構思，本發明實施例提供一種人臉校驗設備，如圖2所示，包括：
人臉識別單元201，用於對採集的二維人臉圖像進行人臉識別，得到人臉識別結果；
三維重建單元202，若所述人臉識別結果表徵人臉識別成功，用於對所述二維人臉圖像進行三維重建，得到重建三維人臉圖像；
活體檢測單元203，用於對採集的原始三維人臉圖像進行活體檢測，得到活體檢測結果；
相似度比對單元204，若所述活體檢測結果表徵所述原始三維人臉圖像中的用戶為活體，用於將所述重建三維人臉圖像和所述原始三維人臉圖像相似度比對，得到比對結果；
人臉校驗單元205，用於根據所述比對結果，確定所述二維人臉圖像中的用戶是否為目標用戶。
在一種可選方式中，相似度比對單元204，用於將所述重建三維人臉圖像的重建三維結構資料和所述原始三維人臉圖像的原始三維結構資料進行相似度比對，得到所述比對結果。
在一種可選方式中，相似度比對單元204，用於將所述重建三維結構資料和所述原始三維結構資料登錄到相似度演算法中進行相似度計算，得到圖像相似度；判斷所述圖像相似度是否不小於設定相似度，得到相似度判斷結果；根據所述相似度判斷結果，確定所述對比結果。
在一種可選方式中，相似度比對單元204，若所述相似度判斷結果表徵所述圖像相似度不小於所述設定相似度，用於確定所述對比結果表徵對比成功；若所述相似度判斷結果表徵所述圖像相似度小於所述設定相似度，用於確定所述對比結果表徵對比失敗。
在一種可選方式中，人臉識別單元201，用於對所述二維人臉圖像進行人臉識別，得到人臉識別值；判斷所述人臉識別值是否不小於人臉設定閾值，得到人臉判斷結果；根據所述人臉判斷結果，確定所述人臉識別結果。
在一種可選方式中，活體檢測單元203，用於通過三維攝影裝置進行圖像採集，得到所述原始三維人臉圖像；對所述原始三維人臉圖像進行活體檢測，得到所述活體檢測結果。
在一種可選方式中，活體檢測單元203，用於對所述原始三維人臉圖像進行活體檢測，得到活體檢測值；檢測所述活體檢測值是否小於活體設定值，得到檢測結果；根據所述檢測結果，確定所述活體檢測結果。
第三態樣，基於與前述實施例中人臉校驗方法同樣的發明構思，本發明實施例還提供一種伺服器，如圖3所示，包括記憶體304、處理器302及儲存在記憶體304上並可在處理器302上運行的電腦程式，所述處理器302執行所述程式時實現前文所述人臉校驗方法的任一方法的步驟。
其中，在圖3中，匯流排架構(用匯流排300來代表)，匯流排300可以包括任意數量的互聯的匯流排和橋接，匯流排300將包括由處理器302代表的一個或多個處理器和記憶體304代表的記憶體的各種電路連結在一起。匯流排300還可以將諸如週邊設備、穩壓器和功率管理電路等之類的各種其他電路連結在一起，這些都是本領域所公知的，因此，本文不再對其進行進一步描述。匯流排界面305在匯流排300和接收器301和發送器303之間提供介面。接收器301和發送器303可以是同一個元件，即收發機，提供用於在傳輸媒介上與各種其他裝置通信的單元。處理器302負責管理匯流排300和通常的處理，而記憶體304可以被用於儲存處理器302在執行操作時所使用的資料。
第四態樣，基於與前述實施例中人臉校驗方法的發明構思，本發明實施例還提供一種電腦可讀儲存媒介，其上儲存有電腦程式，該程式被處理器執行時實現前文所述人臉校驗方法的任一方法的步驟。
本發明是參照根據本發明實施例的方法、設備(系統)、和電腦程式產品的流程圖和/或方塊圖來描述的。應理解可由電腦程式指令實現流程圖和/或方塊圖中的每一流程和/或方塊、以及流程圖和/或方塊圖中的流程和/或方塊的結合。可提供這些電腦程式指令到通用電腦、專用電腦、嵌入式處理機或其他可程式設計資料處理設備的處理器以產生一個機器，使得通過電腦或其他可程式設計資料處理設備的處理器執行的指令產生用於實現在流程圖一個流程或多個流程和/或方塊圖一個方塊或多個方塊中指定的功能的設備。
這些電腦程式指令也可儲存在能引導電腦或其他可程式設計資料處理設備以特定方式工作的電腦可讀記憶體中，使得儲存在該電腦可讀記憶體中的指令產生包括指令設備的製造品，該指令設備實現在流程圖一個流程或多個流程和/或方塊圖一個方塊或多個方塊中指定的功能。
這些電腦程式指令也可裝載到電腦或其他可程式設計資料處理設備上，使得在電腦或其他可程式設計設備上執行一系列操作步驟以產生電腦實現的處理，從而在電腦或其他可程式設計設備上執行的指令提供用於實現在流程圖一個流程或多個流程和/或方塊圖一個方塊或多個方塊中指定的功能的步驟。
儘管已描述了本發明的較佳實施例，但本領域內的技術人員一旦得知了基本創造性概念，則可對這些實施例作出另外的變更和修改。所以，所附申請專利範圍意欲解釋為包括較佳實施例以及落入本發明範圍的所有變更和修改。
顯然，本領域的技術人員可以對本發明進行各種改動和變型而不脫離本發明的精神和範圍。這樣，倘若本發明的這些修改和變型屬於本發明申請專利範圍及其等同技術的範圍之內，則本發明也意圖包含這些改動和變型在內。
S102~S110:步驟
201:人臉識別單元
202:三維重建單元
203:活體檢測單元
204:相似度比對單元
205:人臉校驗單元
300:匯流排
301:接收器
302:處理器
303:發送器
304:記憶體
305:匯流排界面
[圖1]為本發明實施例中人臉校驗方法的方法流程圖；
[圖2]為本發明實施例中人臉校驗裝置的結構示意圖；
[圖3]為本發明實施例中伺服器的結構示意圖。
