本公开涉及图像处理
技术领域：
：，尤其涉及一种人脸识别方法及装置、移动设备、计算机可读存储介质。
背景技术：
：：目前，人脸识别技术已经应用在智能终端中。然而，用户所在环境的光线发生变化或者使用人脸假体时，则无法准确识别人脸，导致误解锁。技术实现要素：本公开实施例提供了一种人脸识别方法及装置、移动设备、计算机可读存储介质，以解决相关技术中存在的问题。根据本公开实施例的第一方面，提供一种人脸识别方法，所述方法包括：获取三维人脸图像；对所述三维人脸图像进行预处理，得到预处理后的三维人脸图像；按照不同的分割粒度对所述预处理后的三维人脸图像进行直方图处理，获得多个目标直方图；基于所述多个目标直方图和预存直方图进行匹配处理，获取人脸识别结果。可选地，对所述三维人脸图像进行预处理，得到预处理后的三维人脸图像，包括：对所述三维人脸图像进行人脸特征点检测，获取所述三维人脸图像中的第一数量个指定特征点；基于所述第一数量个指定特征点对所述三维人脸图像进行归一化处理，得到归一化处理后的三维人脸图像。可选地，基于所述第一数量个指定特征点对所述三维人脸图像进行归一化处理，得到归一化处理后的三维人脸图像，包括：获取所述第一数量个指定特征点之间的位置关系，以及人脸模板中特征点的位置关系；所述人脸模板中特征点与所述第一数量个指定特征点一一对应；所述位置关系包括任意两个指定特征点之间的距离和偏转角度；调整所述三维人脸图像的尺寸和偏转角度，以使所述三维人脸图像中指定特征点与所述人脸模板中对应特征点之间的距离值小于或者等于设定阈值，得到配准对齐后的三维人脸图像。可选地，按照不同的分割粒度对所述预处理后的三维人脸图像进行直方图处理，获得多个目标直方图，包括：从预设的多个分割粒度中依次获取一个分割粒度，或者并行获取多个分割粒度；对于获取到的每个分割粒度，基于所述预处理后的三维人脸图像获取所述分割粒度对应的目标直方图。可选地，基于所述预处理后的三维人脸图像获取所述分割粒度对应的目标直方图，包括：从所述三维人脸图像中获取包含人脸的方形区域；基于所述分割粒度对所述方形区域进行分割，获得多个分割单元；根据每个分割单元中各像素点在z坐标轴上的坐标值，计算所述每个分割单元对应的深度值，得到所述三维人脸图像在所述分割粒度下对应的目标直方图；所述z坐标轴平行于采集所述三维人脸图像的设备拍摄模组的光轴。可选地，基于所述多个目标直方图和预存直方图进行匹配处理，获取人脸识别结果，包括：基于所述每个目标直方图中各分割单元对应的深度值，确定所述每个目标直方图的深度值向量，以及与所述每个目标直方图具有相同分割粒度的预存直方图的深度值向量；基于所述深度值向量计算所述每个目标直方图和对应的预存直方图的距离值；基于所述每个目标直方图的距离值和权重系数计算出所述三维人脸图像的距离识别值；所述权重系数与所述目标直方图的分割粒度正相关；若所述距离识别值小于或者等于识别值阈值，则确定所述人脸识别结果为正确人脸；若大于，则确定所述人脸识别结果为错误人脸。可选地，获取人脸识别结果之后，所述方法还包括：根据所述人脸识别结果控制移动设备进行解锁。根据本公开实施例的第二方面，提供一种人脸识别装置，所述装置包括：三维图像获取模块，用于获取三维人脸图像；预处理模块，用于对所述三维人脸图像进行预处理，得到预处理后的三维人脸图像；直方图处理模块，用于按照不同的分割粒度对所述预处理后的三维人脸图像进行直方图处理，获得多个目标直方图；匹配处理模块，用于基于所述多个目标直方图和预存直方图进行匹配处理，获取人脸识别结果。可选地，所述预处理模块包括：特征点检测单元，用于对所述三维人脸图像进行人脸特征点检测，获取所述三维人脸图像中的第一数量个指定特征点；归一化处理单元，用于基于所述第一数量个指定特征点对所述三维人脸图像进行归一化处理，得到归一化处理后的三维人脸图像。可选地，所述归一化处理单元包括：位置关系获取子单元，用于获取所述第一数量个指定特征点之间的位置关系，以及人脸模板中特征点的位置关系；所述人脸模板中特征点与所述第一数量个指定特征点一一对应；所述位置关系包括任意两个指定特征点之间的距离和偏转角度；配准对齐子单元，用于调整所述三维人脸图像的尺寸和偏转角度，以使所述三维人脸图像中指定特征点与所述人脸模板中对应特征点之间的距离值小于或者等于设定阈值，得到配准对齐后的三维人脸图像。可选地，所述直方图处理模块包括：分割粒度获取单元，用于从预设的多个分割粒度中依次获取一个分割粒度，或者并行获取多个分割粒度；目标直方图获取单元，用于对于获取到的每个分割粒度，基于所述预处理后的三维人脸图像获取所述分割粒度对应的目标直方图。可选地，所述目标直方图获取单元包括：方形区域获取子单元，用于从所述三维人脸图像中获取包含人脸的方形区域；方形区域分割子单元，用于基于所述分割粒度对所述方形区域进行分割，获得多个分割单元；深度值计算子单元，用于根据每个分割单元中各像素点在z坐标轴上的坐标值，计算所述每个分割单元对应的深度值，得到所述三维人脸图像在所述分割粒度下对应的目标直方图；所述z坐标轴平行于采集所述三维人脸图像的拍摄模组的光轴。可选地，所述匹配处理模块包括：向量确定单元，用于基于所述每个目标直方图中各分割单元对应的深度值，确定所述每个目标直方图的深度值向量，以及与所述每个目标直方图具有相同分割粒度的预存直方图的深度值向量；距离值计算单元，用于基于所述深度值向量计算所述每个目标直方图和对应的预存直方图的距离值；识别值计算单元，用于基于所述每个目标直方图的距离值和权重系数计算出所述三维人脸图像的距离识别值；所述权重系数与所述目标直方图的分割粒度正相关；人脸识别单元，用于在所述距离识别值小于或者等于识别值阈值时，确定所述人脸识别结果为正确人脸；还用于在所述距离识别值大于所述识别值阈值时，确定所述人脸识别结果为错误人脸。可选地，所述装置还包括：解锁控制模块，用于根据所述人脸识别结果控制移动设备进行解锁。根据本公开实施例的第三方面，提供一种移动设备，所述终端包括：采集三维人脸图像的拍摄模组，处理器，用于存储所述处理器可执行指令的存储器；其中，所述处理器用于：获取所述拍摄模组采集的三维人脸图像；对所述三维人脸图像进行预处理，得到预处理后的三维人脸图像；按照不同的分割粒度对所述预处理后的三维人脸图像进行直方图处理，获得多个目标直方图；基于所述多个目标直方图和预存直方图进行匹配处理，获取人脸识别结果。根据本公开实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现：获取三维人脸图像；对所述三维人脸图像进行预处理，得到预处理后的三维人脸图像；按照不同的分割粒度对所述预处理后的三维人脸图像进行直方图处理，获得多个目标直方图；基于所述多个目标直方图和预存直方图进行匹配处理，获取人脸识别结果。本公开的实施例提供的技术方案可以包括以下有益效果：本公开实施例中，通过获取三维人脸图像；然后对所述三维人脸图像进行预处理，得到预处理后的三维人脸图像；之后按照不同的分割粒度对所述预处理后的三维人脸图像进行直方图处理，获得多个目标直方图；最后基于所述多个目标直方图和预存直方图进行匹配处理，获取人脸识别结果。可见，本实施例中，通过获取不同分割粒度下的多个目标直方图，由于不同分割粒度对应的目标直方图具有不同的准确度，因此在每个目标直方图与预存直方图匹配处理时，人脸识别结果能够适应不同的使用环境，提高人脸识别结果的可靠性。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。图1是本公开根据一示例性实施例示出的人脸识别方法的流程示意图；图2是本公开根据另一示例性实施例示出的人脸识别方法的流程示意图；图3是本公开根据再一示例性实施例示出的人脸识别方法的流程示意图；图4(a)～(f)是本公开根据一示例性实施例示出的识别过程中各阶段三维人脸图像的示意图；图5是本公开根据又一示例性实施例示出的人脸识别方法的流程示意图；图6是本公开根据又一示例性实施例示出的人脸识别方法的流程示意图；图7是本公开根据一示例性实施例示出的人脸识别装置的框图；图8是本公开根据另一示例性实施例示出的人脸识别装置的框图；图9～图13是本公开根据又一示例性实施例示出的人脸识别装置的框图；图14是本公开根据一示例性实施例示出的移动设备的结构框图。具体实施方式这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。在本公开使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。应当理解，尽管在本公开可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本公开范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。图1是本公开根据一示例性实施例示出的人脸识别方法的流程示意图。该人脸识别方法适用于集成为3d拍摄模组的移动设备。上述移动设备可以是智能手机、平板电脑(portableandroiddevice，pad)、个人数字助理、可穿戴设备，以及数码相机等设备。参见图1，该方法包括步骤101～步骤104：101，获取三维人脸图像。在一实施例中，可以通过3d拍摄模组获取三维人脸图像。该三维人脸图像包括坐标系xyz中的像素点构成。每个像素点包括3个坐标值，即p(x,y,z)，分别对应于坐标系xyz中的x坐标轴、y坐标轴和z坐标轴。其中，x坐标轴和y坐标轴所在平面与3d拍摄模组中镜头平面平行，z坐标轴平行于该3d拍摄模组的光轴。在一实施例中，坐标系xyz的原点o可以选择三维人脸图像中人脸的鼻尖点。当然，原点o还可以选择其他位置点，在此不作限定。102，对所述三维人脸图像进行预处理，得到预处理后的三维人脸图像。在一实施例中，对三维人脸图像进行人脸特征点检测，获得第一数量个指定特征点。本实施例中，第一数量设置为3～5个，分别为两只眼睛的中心点、鼻尖点、嘴巴两角的顶点。当然，该第一数量可以根据具体场景进行设置，在此不作限定。在选取第一数量个指定特征点后，基于该第一数量个指定特征点对三维人脸图像进行归一化处理，从而得到归一化后的三维人脸图像，归一化会在后续实施例介绍，在此先不作说明。103，按照不同的分割粒度对所述预处理后的三维人脸图像进行直方图处理，获得多个目标直方图。在一实施例中，可以根据不同的分割粒度对预处理后的三维人脸图像进行直方图处理，从而得到多个目标直方图。其中，分割粒度是指将三维人脸图像中人脸所在方形区域进行分割后，该方形区域包括方块的数量。本实施例中，相邻的两个目标直方图的分割粒度成n倍关系。n为大于或者等于2的正整数。在一实施例中，n取值为2。例如，分割粒度可以为8*8，4*4，2*2和1*1。当然，可以根据具体场景选择n的取值，在此不作限定。104，基于所述多个目标直方图和预存直方图进行匹配处理，获取人脸识别结果。在一实施例中，对于多个目标直方图中每个目标直方图，匹配处理每个目标直方图和与每个目标直方图具有相同分割粒度的预存直方图，可以得到目标直方图和对应的预存直方图之间的距离值，然后基于每个目标直方图的距离值和权重系数获取人脸识别结果。可理解的是，该人脸识别结果可以为正确人脸，或者错误人脸。可见，本实施例中通过获取不同分割粒度下的多个目标直方图，由于不同分割粒度对应的目标直方图具有不同的准确度，因此在每个目标直方图与预存直方图匹配处理时，人脸识别结果能够适应不同的使用环境，提高人脸识别结果的可靠性。图2是本公开根据另一示例性实施例示出的人脸识别方法的流程示意图。参见图2，该人脸识别方法包括：201，获取三维人脸图像。步骤201和步骤101的具体方法和原理一致，详细描述请参考图1及步骤101的相关内容，此处不再赘述。202，对所述三维人脸图像进行人脸特征点检测，获取所述三维人脸图像中的第一数量个指定特征点。在一实施例中，对三维人脸图像进行人脸特征点检测，获得第一数量个指定特征点。其中人脸特征点检测可以采用相关技术中的检测算法实现，在此不作限定。本实施例中，第一数量设置为3～5个，分别为两只眼睛的中心点、鼻尖点、嘴巴两角的顶点。当然，该第一数量可以根据具体场景进行设置，在此不作限定。在选取第一数量个指定特征点后，基于该第一数量个指定特征点对三维人脸图像进行归一化处理，从而得到归一化后的三维人脸图像。其中三维人脸图像归一化过程包括步骤203和步骤204。203，获取所述第一数量个指定特征点之间的位置关系，以及人脸模板中特征点的位置关系；所述人脸模板中特征点与所述第一数量个指定特征点一一对应；所述位置关系包括任意两个指定特征点之间的距离和偏转角度。上述人脸模板可以预告设置，例如移动终端获取人脸正面图像、左侧面图像、右侧面图像、俯视图像以及仰视图像等多张预设角度的图像，然后基于上述多张预设角度的图像以及模板生成算法得到人脸模板。模板生成算法可以相关技术中的算法实现，在此不作限定。在一实施例中，获取第一数量个指定特征点之间的位置关系，以及人脸模板中特征点的位置关系。其中上述位置关系包括第一数量个指定特征点任意两个的指定特征点之间的距离和偏转角度。其中，任意两个指定特征点之间的距离可以根据该两个指定特征点对应x坐标轴和y坐标轴上的坐标值进行计算，例如距离偏转角度可理解的是，人脸模板中特征点与第一数量个指定特征点一一对应。204，调整所述三维人脸图像的尺寸和偏转角度，以使所述三维人脸图像中指定特征点与所述人脸模板中对应特征点之间的距离值小于或者等于设定阈值，得到配准对齐后的三维人脸图像。在一实施例中，调整三维人脸图像的尺寸和偏转角度，以使三维人脸图像中第一个数量点与人脸模样中对应特征点之间的距离值小于或者等于设定阈值，从而得到配准对齐后的三维人脸图像。可理解的是，在配准对齐过程中，第一个数量点与对应特征点相重合的数量越多，其配准精度越高，可以根据具体场景调整第一数量、配准精度进行调整，在此不作限定。205，按照不同的分割粒度对所述预处理后的三维人脸图像进行直方图处理，获得多个目标直方图。步骤205和步骤103的具体方法和原理一致，详细描述请参考图1及步骤103的相关内容，此处不再赘述。206，基于所述多个目标直方图和预存直方图进行匹配处理，获取人脸识别结果.步骤206和步骤104的具体方法和原理一致，详细描述请参考图1及步骤104的相关内容，此处不再赘述。可见，本实施例中，基于三维人脸图像中的多个指定检测点，调整该三维人脸图像的尺寸与偏转角度，使三维人脸图像与人脸模板配准对齐，实现对三维人脸图像归一化处理，这样可以提高后续得到人脸识别结果的准确度，提高人脸识别结果的可靠性。图3是本公开根据另一示例性实施例示出的人脸识别方法的流程示意图。参见图3，该人脸识别方法包括步骤301～步骤305：301，获取三维人脸图像。本实施例中，获取到如图4(a)所示的三维人脸图像。步骤301和步骤101的具体方法和原理一致，详细描述请参考图1及步骤101的相关内容，此处不再赘述。302，对所述三维人脸图像进行预处理，得到预处理后的三维人脸图像。本实施例中，对三维人脸图像进行预处理后，可以得到如图4(b)所示的三维人脸图像。步骤302和步骤202～步骤204的具体方法和原理一致，详细描述请参考图2及步骤202～步骤204的相关内容，此处不再赘述。303，从预设的多个分割粒度中依次获取一个分割粒度，或者并行获取多个分割粒度。在一实施例中，预设多个分割粒度，如步骤103中的8*8，4*4，2*2和1*1。本实施例中，可以依次获取一个分割粒度，也可以并行获取多个分割粒度。可理解的是，随着分割粒度数量的增加，计算量也随着增加，当并行计算量较大时，可以依次获取分割粒度即串行计算，在计算资源足够大时，可以采用并行获取分割粒度即并行计算，还可以串并行获取同时进行。可以根据具体场景选择获取方式，在此不作限定。例如，分割粒度8*8，对包含人脸的方形区域(图4(c)～(f)的外框)进行横平竖直划分为8*8个方块。如图4(c)所示，方形区域划分了64个分割单元。计算落在每个方块内的像素点(x,y,z)的z坐标值之和或者平均值，每个分割单元的深度值，继续参见图4(c)，以第一行的分割单元为例，每个分割单元的深度值依次为{1，5，20，25，26，25，20，1}，其他行的分割单元与第一行类似。这样，可以分割粒度8*8对应的目标直方图。对于分割粒度4*4，2*2，1*1对应的目标直方图，分别如图4(d)～(f)所示，具体获取方法可以参考分割粒度8*8对应的目标直方图的获取方法，在此不再赘述。304，对于获取到的每个分割粒度，基于所述预处理后的三维人脸图像获取所述分割粒度对应的目标直方图。在一实施例中，参见图5，从三维人脸图像中获取包含人脸的方形区域(对应步骤501)。例如，分别确定归一化后的三维人脸图像中各像素点在x坐标轴、y坐标轴和z坐标轴上坐标值的最大值和最小值。基于x坐标轴上最大值xmax和最小值xmin以及y坐标轴上最大值ymax和最小值ymin确定一个方形区域。即确定人脸的外接四方形。在一实施例中，若依次获取一个分割粒度，则基于获取的分割粒度划分上述方形区域，从而得到多个分割单元(对应步骤502)。在每个分割单元中包括多个像素点，根据这多个像素点在z坐标轴上的坐标值之和或者平均值，可以得到该分割单元的深度值。在获得所有分割单元的深度值后，得到该分割粒度下对应的目标直方图(对应步骤503)。在另一实施例中，并行获取多个分割粒度，基于上述步骤，同时获得多个目标直方图，从而可以提高计算效率。305，基于所述多个目标直方图和预存直方图进行匹配处理，获取人脸识别结果。参见图6，在一实施例中，获取人脸识别结果包括以下步骤：首先，基于每个目标直方图中各分割单元的深度值，转换成该目标直方图对应的深度值向量(对应步骤601)。同时，确定与该目标直接图具有相同分割粒度的预存直方图的深度值向量。例如，分割粒度2*2对应的目标直方图按照逐行写入的方式得到深度值向量{1,5；5,4}，当然，还可以直接采用矩阵的方式进行计算。可理解的是，随着向量维数的增加，计算量也随之增加，可以根据计算速度、分割粒度等，选择深度值向量的维数，在此不作限定。然后，基于每个目标直方图的深度值向量和对应预存直方图的深度值向量，根据向量计算公式计算出两个直方图的距离值(对应步骤602)。计算次数与目标直方图的数量一致，并且可以得到与目标直方图数量相同的距离值d1，d2，……，dn，n为正整数，表示目标直方图的数量。之后，基于距离值d1，d2，……，dn以及各自的权重系数a1,a2，……，an，可以计算出三维人脸图像的距离识别值s(对应步骤603)。例如s＝d1*a1+d2*a2+……+dn*an。可理解的是，随着分割粒度增大，三维人脸图像中细节越明显，此时权重系数可以设置的越大，即权重系数与目标直方图的分割粒度正相关。至于权重系数的具体取值，可以根据具体场景进行选择，在此不作限定。最后，比较距离识别值和识别值阈值，若距离识别值小于或者等于识别值阈值，则确定人脸识别结果为正确人脸；若大于，则确定人脸识别结果为错误人脸(对应步骤604)。可见，本实施例中，通过获取不同分割粒度下的多个目标直方图，在每个目标直方图与预存直方图匹配处理时分别获取每个目标直方图对应的距离值，根据距离值和权重系数可以计算出距离识别值。由于不同分割粒度得到的直方图图像能够反映不同的细节，从而在直方图匹配时得到的距离值也具有不同的准确度，能够调整权重系数，可以使人脸识别结果适应不同的使用环境，提高人脸识别结果的可靠性。图7是本公开根据一示例性实施例示出的人脸识别装置的框图。参见图7，所述装置700包括：三维图像获取模块701，用于获取三维人脸图像；预处理模块702，用于对所述三维人脸图像进行预处理，得到预处理后的三维人脸图像；直方图处理模块703，用于按照不同的分割粒度对所述预处理后的三维人脸图像进行直方图处理，获得多个目标直方图；匹配处理模块704，用于基于所述多个目标直方图和预存直方图进行匹配处理，获取人脸识别结果。图8是本公开根据另一示例性实施例示出的人脸识别装置的框图。参见图8，在图7所示实施例的基础上，预处理模块702包括：特征点检测单元801，用于对所述三维人脸图像进行人脸特征点检测，获取所述三维人脸图像中的第一数量个指定特征点；归一化处理单元802，用于基于所述第一数量个指定特征点对所述三维人脸图像进行归一化处理，得到归一化处理后的三维人脸图像。图9是本公开根据另一示例性实施例示出的人脸识别装置的框图。参见图9，在图8所示实施例的基础上，归一化处理单元802包括：位置关系获取子单元901，用于获取所述第一数量个指定特征点之间的位置关系，以及人脸模板中特征点的位置关系；所述人脸模板中特征点与所述第一数量个指定特征点一一对应；所述位置关系包括任意两个指定特征点之间的距离和偏转角度；配准对齐子单元902，用于调整所述三维人脸图像的尺寸和偏转角度，以使所述三维人脸图像中指定特征点与所述人脸模板中对应特征点之间的距离值小于或者等于设定阈值，得到配准对齐后的三维人脸图像。图10是本公开根据另一示例性实施例示出的人脸识别装置的框图。参见图10，在图7所示实施例的基础上，直方图处理模块703包括：分割粒度获取单元1001，用于从预设的多个分割粒度中依次获取一个分割粒度，或者并行获取多个分割粒度；目标直方图获取单元1002，用于对于获取到的每个分割粒度，基于所述预处理后的三维人脸图像获取所述分割粒度对应的目标直方图。图11是本公开根据另一示例性实施例示出的人脸识别装置的框图。参见图11，在图10所示实施例的基础上，目标直方图获取单元1002包括：方形区域获取子单元1101，用于从所述三维人脸图像中获取包含人脸的方形区域；方形区域分割子单元1102，用于基于所述分割粒度对所述方形区域进行分割，获得多个分割单元；深度值计算子单元1103，用于根据每个分割单元中各像素点在z坐标轴上的坐标值，计算所述每个分割单元对应的深度值，得到所述三维人脸图像在所述分割粒度下对应的目标直方图；所述z坐标轴平行于采集所述三维人脸图像的拍摄模组的光轴。图12是本公开根据另一示例性实施例示出的人脸识别装置的框图。参见图12，在图7所示实施例的基础上，匹配处理模块704包括：向量确定单元1201，用于基于所述每个目标直方图中各分割单元对应的深度值，确定所述每个目标直方图的深度值向量，以及与所述每个目标直方图具有相同分割粒度的预存直方图的深度值向量；距离值计算单元1202，用于基于所述深度值向量计算所述每个目标直方图和对应的预存直方图的距离值；识别值计算单元1203，用于基于所述每个目标直方图的距离值和权重系数计算出所述三维人脸图像的距离识别值；所述权重系数与所述目标直方图的分割粒度正相关；人脸识别单元1204，用于在所述距离识别值小于或者等于识别值阈值时，确定所述人脸识别结果为正确人脸；还用于在所述距离识别值大于所述识别值阈值时，确定所述人脸识别结果为错误人脸。图13是本公开根据另一示例性实施例示出的人脸识别装置的框图。参见图13，在图7所示实施例的基础上，人脸识别装置700还包括：解锁控制模块1301，用于根据所述人脸识别结果控制移动设备进行解锁。需要说明的是，本发明实施例提供的人脸识别装置，在上述人脸识别方法实施例中已经作过详细描述，相关之处参见方法实施例的部分说明即可。另外，随着使用场景的变化，人脸识别方法也会做出相应的调整，该人脸识别装置也会采用不同的功能部件重新调整。此处将不做详细阐述说明。图14是根据一示例性实施例示出的一种移动设备的框图。例如，移动设备1400可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。参照图14，移动设备1400可以包括以下一个或多个组件：处理组件1402，存储器1404，电源组件1406，多媒体组件1408，音频组件1410，输入/输出(i/o)的接口1412，传感器组件1414，通信组件1416以及拍摄模组1418。其中，拍摄模组1418采集三维人脸图像。存储器1404用于存储处理组件1402可执行的指令。处理组件1402从存储器1404读取指令以实现：获取三维人脸图像；对所述三维人脸图像进行预处理，得到预处理后的三维人脸图像；按照不同的分割粒度对所述预处理后的三维人脸图像进行直方图处理，获得多个目标直方图；基于所述多个目标直方图和预存直方图进行匹配处理，获取人脸识别结果。处理组件1402通常控制装置1400的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件1402可以包括一个或多个处理器1420来执行指令。此外，处理组件1402可以包括一个或多个模块，便于处理组件1402和其他组件之间的交互。例如，处理组件1402可以包括多媒体模块，以方便多媒体组件1408和处理组件1402之间的交互。存储器1404被配置为存储各种类型的数据以支持在装置1400的操作。这些数据的示例包括用于在装置1400上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器1404可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。电源组件1406为装置1400的各种组件提供电力。电源组件1406可以包括电源管理系统，一个或多个电源，及其他与为装置1400生成、管理和分配电力相关联的组件。多媒体组件1408包括在所述装置1400和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(lcd)和触摸面板(tp)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件1408包括一个前置摄像头和/或后置摄像头。当装置1400处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。音频组件1410被配置为输出和/或输入音频信号。例如，音频组件1410包括一个麦克风(mic)，当装置1400处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器1404或经由通信组件1416发送。在一些实施例中，音频组件1410还包括一个扬声器，用于输出音频信号。i/o接口1412为处理组件1402和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。传感器组件1414包括一个或多个传感器，用于为装置1400提供各个方面的状态评估。例如，传感器组件1414可以检测到装置1400的打开/关闭状态，组件的相对定位，例如所述组件为装置1400的显示器和小键盘，传感器组件1414还可以检测装置1400或装置1400一个组件的位置改变，用户与装置1400接触的存在或不存在，装置1400方位或加速/减速和装置1400的温度变化。传感器组件1414可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件1414还可以包括光传感器，如cmos或ccd图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件1414还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。通信组件1416被配置为便于装置1400和其他设备之间有线或无线方式的通信。装置1400可以接入基于通信标准的无线网络，如wifi，2g或3g，或它们的组合。在一个示例性实施例中，通信组件1416经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件1416还包括近场通信(nfc)模块，以促进短程通信。例如，在nfc模块可基于射频识别(rfid)技术，红外数据协会(irda)技术，超宽带(uwb)技术，蓝牙(bt)技术和其他技术来实现。在示例性实施例中，拍摄模组1418可以为3d结构光相机或者3d拍摄模组等设备。在示例性实施例中，装置1400可以被一个或多个应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子元件实现。在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器1404，上述指令可由装置1400的处理器1420执行。例如，所述非临时性计算机可读存储介质可以是rom、随机存取存储器(ram)、cd-rom、磁带、软盘和光数据存储设备等。本领域技术人员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本
技术领域：
：中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。当前第1页12当前第1页12