本发明涉及图像处理领域，具体而言，涉及一种图像识别方法、装置及电子设备。
背景技术
人脸识别技术作为一种有效的身份认证与识别技术，目前得到了广泛的应用。然而，人脸识别系统也容易受到一些非法用户的攻击。对人脸识别系统的攻击主要有三类：照片攻击、视频攻击和3d模型攻击。非法分子可能通过合法用户的照片、视频和3d模型试图欺骗系统以达到访问识别系统的目的。
技术实现要素：
有鉴于此，本发明实施例的目的在于提供一种图像识别方法、装置及电子设备。
第一方面，本发明实施例提供的一种图像识别方法，包括：
将待识别图像输入识别模型进行计算，以得到所述待识别图像中的目标人像的识别瞳距；
计算所述识别瞳距与预存储的所述目标人像的参照瞳距之差值；以及
根据所述差值与设定的识别标准进行匹配得到所述待识别图像的识别结果，所述识别标准包括识别瞳距与参照瞳距的差值范围与识别结果的对应关系，所述识别结果包括所述目标人像对应对象为活体或者非活体。
进一步地，所述根据所述差值与设定的识别结果进行匹配得到目标识别结果的步骤，包括：
当所述差值在第一预定范围内时，得到所述目标人像对应对象为活体的识别结果；
当所述差值在第二预定范围内时，得到所述目标人像对应对象为非活体的识别结果。
进一步地，所述识别模型通过以下方式得到：
根据获取的拟合数据拟合瞳距计算公式以形成识别模型，所述拟合数据包括多张包含人脸的图像。
进一步地，应用于电子设备，所述电子设备包括图像采集装置，所述根据获取的拟合数据拟合瞳距计算公式以得到所述识别模型的步骤，包括：
通过所述图像采集装置获取指定人物的指定数量的深度图像，所述深度图像中包括指定人物的人脸图像；
计算所述指定数量的深度图像中每张深度图像中的人脸图像中的瞳孔与所述图像采集装置的第一距离；
计算所述指定数量的深度图像中每张深度图像中的人脸图像的瞳孔之间的第二距离；
获取所述指定人物的实际瞳距；
根据所述实际瞳距、指定数量的所述第一距离、及指定数量的所述第二距离计算得到拟合参数；
以所述拟合参数、人脸图像的瞳孔与图像采集装置的距离以及人脸图像的瞳孔之间的距离之乘积拟合成瞳距计算公式。
进一步地，所述通过所述图像采集装置获取指定人物的指定数量的深度图像的步骤，包括：
获取指定人物与图像采集装置距离不同的指定数量的深度图像。
进一步地，所述根据所述实际瞳距、指定数量的所述第一距离、及指定数量的所述第二距离计算得到拟合参数通过以下公式实现：
其中，k表示所述拟合参数；dreal表示所述实际瞳距；n表示所述指定数量；di表示指定数量的深度图像中第i个第一距离；dpi表示指定数量的深度图像中第i个第二距离。
进一步地，所述计算所述指定数量的深度图像中每张深度图像中的人脸图像中的瞳孔与所述图像采集装置的第一距离的步骤，包括：
根据人脸检测算法检测出所述指定数量的深度图像中每张深度图像中的人脸图像中的面部关键特征点；
在所述面部关键特征点中确定瞳孔位置；
根据所述瞳孔位置处的像素值得到第一距离。
进一步地，所述计算所述指定数量的深度图像中每张深度图像中的人脸图像的瞳孔之间的第二距离的步骤，包括：
根据人脸检测算法检测出所述指定数量的深度图像中每张深度图像中的人脸图像中的面部关键特征点；
在所述面部关键特征点中确定瞳孔位置；
根据确定瞳孔位置计算两瞳孔的像素欧式距离。
进一步地，应用于电子设备，所述电子设备包括图像采集装置，在所述将待识别图像输入识别模型进行计算，以得到所述待识别图像中的目标人像的识别瞳距的步骤之前，所述方法还包括：
通过所述图像采集装置获取待识别图像，所述待识别图像中包括人脸图像；或，
接收其它设备发送的待识别图像。
进一步地，所述图像采集装置是深度摄像装置，所述通过所述图像采集装置获取待识别图像的步骤，包括：
通过所述深度摄像装置获取待识别图像，所述待识别图像是深度图像。
第二方面，本发明实施例还提供一种图像识别装置，包括：
第一计算模块，用于将待识别图像输入识别模型进行计算，以得到所述待识别图像中的目标人像的识别瞳距；
第二计算模块，用于计算所述识别瞳距与预存储的所述目标人像的参照瞳距之差值；以及
匹配模块，用于根据所述差值与设定的识别标准进行匹配得到目标识别结果，所述识别标准包括多个识别结果及每个识别结果对应的差值范围。
第三方面，本发明实施例提供了一种电子设备，包括存储器、处理器，所述存储器中存储有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第一方面任一项所述的方法的步骤。
第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行第一方面任一项所述的方法的步骤。
与现有技术相比，本发明实施例的图像识别方法，通过对上待识别图像进行瞳孔距离的计算，以及进一步地将识别瞳距与参照瞳距的差值与识别标准进行匹配可以得到识别结果，将使用人类的身体特征信息转换为图像的识别，可以减少对人体的接触等操作就能够实现检测人体特征，从而可以把大量模仿得很真很精妙但瞳距和真人不同的攻击快速检测出来，提高了图像识别判断算法的性能和鲁棒性。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明实施例提供的电子设备的方框示意图。
图2为本发明实施例提供的图像识别方法的流程图。
图3为本发明实施例提供的图像识别方法中使用的识别模型拟合的部分流程图。
图4为本发明实施例提供的图像识别装置的功能模块示意图。
具体实施方式
下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的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。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
随着网络技术的发展，各个领域已经开始使用在线或者离线电子门禁等模式。由最初的卡片控制，发展到后面的指纹控制，到最新的通过对人脸的识别以实现人脸控制。相对指纹模式卡片更容易被传播、遗失或被替代，因此指纹相对是一种更安全的电子门禁模式。但是，由于指纹控制需要用户将手指放到识别区操作起来比较麻烦，基于此发展了人脸控制，人脸控制只需要用户路过识别区就能够实现识别。但是部分人员可能会使用照片、视频、3d模型替代合法人脸以解除门禁，因此就可能导致电子门禁被不法人员的攻击，也就使电子门禁存在安全隐患。因此，判断采集到的图像中的对象是否为活体是确保通过人脸控制的电子门禁的安全的关键之一。目前在使用结构光或泛光设备采集到的图片进行活体判断时，有很多比真人的瞳距小或大很多的攻击会出现漏检。基于上述发明人发现的不足，提供以下几个实施例可以有效地解决上述技术问题，具体描述如下。
实施例一
首先，参照图1来描述用于实现本发明实施例的场景识别方法的示例电子设备100。该示例电子设备100可以是计算机，也可以是智能手机、平板电脑等移动终端，还可以是人证一体机等认证设备。
如图1所示，电子设备100包括一个或多个处理器102、一个或多个存储装置104、输入装置106、输出装置108以及图像采集装置110，这些组件通过总线系统112和/或其它形式的连接机构(未示出)互连。应当注意，图1所示的电子设备100的组件和结构只是示例性的，而非限制性的，根据需要，所述电子设备也可以具有其他组件和结构。
所述处理器102可以是中央处理单元(cpu)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元，并且可以控制所述电子设备100中的其它组件以执行期望的功能。
所述存储装置104可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(ram)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(rom)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器102可以运行所述程序指令，以实现下文所述的本发明实施例中(由处理器实现)的客户端功能以及/或者其它期望的功能。在所述计算机可读存储介质中还可以存储各种应用程序和各种数据，例如所述应用程序使用和/或产生的各种数据等。
所述输入装置106可以是用户用来输入指令的装置，并且可以包括键盘、鼠标、麦克风和触摸屏等中的一个或多个。
所述输出装置108可以向外部(例如，用户)输出各种信息(例如，图像或声音)，并且可以包括显示器、扬声器等中的一个或多个。
所述图像采集装置110可以拍摄用户期望的图像(例如照片、视频等)，并且将所拍摄的图像存储在所述存储装置104中以供其它组件使用。
示例性地，用于实现根据本发明实施例的基于身份识别的管理方法、装置及系统的示例电子系统中的各器件可以集成设置，也可以分散设置，诸如将处理设备102、存储装置104、输入装置106和输出装置108集成设置于一体，而将图像采集装置110分离设置。
为便于理解，以下对本实施例的电子系统的应用示例作进一步介绍。该电子系统可以安装设置于需要核验身份的各种场所。
示例性地，用于实现根据本发明实施例的图像识别方法、装置的示例电子设备可以被实现为考勤核验终端、门禁核验终端、实名认证核验终端、人证核验一体机或安检核验终端等。
实施例二
本实施例提供了一种图像识别方法，该方法可以由电子设备执行。
根据本发明实施例，提供了一种图像识别方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
请参阅图2，是本发明实施例提供的图像识别方法的流程图。下面将对图2所示的具体流程进行详细阐述。
步骤s201，将待识别图像输入识别模型进行计算，以得到所述待识别图像中的目标人像的识别瞳距。
在一种实施方式中，在步骤s201之前，所述方法还包括：通过所述图像采集装置获取待识别图像，所述待识别图像中包括人脸图像。
进一步地，所述图像采集装置是深度摄像装置，所述通过所述图像采集装置获取待识别图像的步骤，包括：通过所述深度摄像装置获取待识别图像，所述待识别图像是深度图像。
在另一种实施方式中，在步骤s201之前，所述方法还包括：接收其它设备发送的待识别图像。本实施方式中，所述其它设备可以是设置在采集区域的采集设备。进一步地，所述采集设备用于采集所述采集区域中的目标对象的深度图像。
步骤s202，计算所述识别瞳距与预存储的所述目标人像的参照瞳距之差值。
本实施例中，在进行图像识别之前可以通过利用瞳孔测量工具测量可能用于被识别的人物对象的真实瞳距，并将真实瞳距进行存储。所述参照瞳距为所述目标人像的真实瞳距。
步骤s203，根据所述差值与设定的识别标准进行匹配得到所述待识别图像的识别结果。
本实施例中，所述识别标准包括识别瞳距与参照瞳距的差值范围与识别结果的对应关系。
本实施例中，所述识别结果包括所述目标人像对应对象为活体或者非活体。
本实施例中，所述目标人像对应的对象指采集得到所述待识别图像时采集的对象。例如，可以是活体人脸，也可以是人脸照片，还可以是人脸模型等。
本实施例中，所述步骤s203包括：识别所述差值所在的范围；当所述差值在第一预定范围内时，得到所述目标人像对应对象为活体的识别结果；当所述差值在第二预定范围内时，得到所述目标人像对应对象为非活体的识别结果。
进一步地，也就是所述图像采集装置采集的对象是活体人物。
进一步地，所述第一预定范围可以是[-a，b]，其中，a，b∈[1.8，2.2]。例如，所述第一预定范围可以是[-2，2]、[-1.8，2]、[-1.8，2.2]、[-1.9，2.2]、[-2，2.2]、[-2，1.8]等数值区间。
通过限定所述第一预定范围的数值区间可以使用测试结果能够更好地适应对待识别图像的活体检测。
本实施例中，所述第二预定范围可以是除了所述第一预定范围以外的其它数值区间。
进一步地，在步骤s203之后，所述方法还可以包括：输出与所述待识别图像的识别结果匹配的提示信息。在一实施方式中，当得到所述目标人像对应对象为活体的识别结果时，可以输入第一字符串；当得到所述目标人像为非生物的识别结果时，可以输入第二字符串。例如，所述第一字符串可以是“ok”、“0”等字符或字符串；所述第二字符串可以是“no”、“1”等字符或字符串。
本发明实施例的图像识别方法，通过对上待识别图像进行瞳孔距离的计算，以及进一步地将识别瞳距与参照瞳距的差值与识别标准进行匹配可以得到识别结果，将使用人类的身体特征信息转换为图像的识别，可以减少对人体的接触等操作就能够实现检测人体特征，从而可以把大量模仿得很真很精妙但瞳距和真人不同的攻击快速检测出来，提高了图像识别判断算法的性能和鲁棒性。
本实施例中，所述识别模型通过以下方式训练得到：根据获取的拟合数据拟合瞳距计算公式以形成识别模型，所述拟合数据包括多张包含人脸的图像。
如图3所示，所述根据获取的拟合数据拟合瞳距计算公式以形成识别模型的步骤可以包括以下步骤。
步骤s301，通过所述图像采集装置获取指定人物的指定数量的深度图像，所述深度图像中包括指定人物的人脸图像。
本实施例中，获取指定人物与图像采集装置距离不同的指定数量的深度图像。所述指定数量可以根据具体使用需求设置。例如，所述指定数量可以是50、100、150等数量。
在一种实施方式中，可以获取指定人物与图像采集装置距离为等差数列的指定数量的深度图像。当然，也可以获取所述指定人物与所述采集装置的距离为不规则长度的指定数量的深度图像。
在一个实例中，可以获取所述指定人物与所述图像采集装置20cm～70cm以1cm为梯度的50张深度图像。在另一个实例中，也可以获取所述指定人物与所述图像采集装置30cm～100cm以1cm为梯度的70张深度图像。
步骤s302，计算所述指定数量的深度图像中每张深度图像中的人脸图像中的瞳孔与所述图像采集装置的第一距离。
在一种实施方式中，所述步骤s302，包括：根据人脸检测算法检测出所述指定数量的深度图像中每张深度图像中的人脸图像中的面部关键特征点；在所述面部关键特征点中确定瞳孔位置；根据所述瞳孔位置处的像素值得到第一距离。其中，所述深度图像中的每个像素值代表的是该像素点对应的指定人物的对应部位到所述图像采集装置平面的距离。
在一个实例中，所述人脸检测算法可以是opencv中的lbf算法。
在其它实施例中，所述步骤s301也可以替换为采集普通图像的步骤，所述图像采集装置采集所述指定人物在指定位置时的图像。此实例中，所述第一距离可以根据指定人物的位置计算得到。例如，可以在所述指定位置安装放置架，所述指定人物可以按照标准将脸部与所述放置架贴合，所述图像采集装置再采集所述指定人物的图像。进一步地，调整所述图像采集装置的位置，以实现获取第一位置同的多张图像。
步骤s303，计算所述指定数量的深度图像中每张深度图像中的人脸图像的瞳孔之间的第二距离。
在一种实施方式中，所述步骤s303包括：根据人脸检测算法检测出所述指定数量的深度图像中每张深度图像中的人脸图像中的面部关键特征点，在所述面部关键特征点中确定瞳孔位置，根据确定瞳孔位置计算两瞳孔的像素欧式距离。
所述根据确定瞳孔位置计算两瞳孔的像素欧式距离的步骤可以通过以下公式实现：
其中，dp表示两瞳孔的像素欧式距离；(x1,y1)表示其中一瞳孔的坐标；(x2,y2)表示其中一瞳孔的坐标。
步骤s304，获取所述指定人物的实际瞳距。
本实施例中，所述实际瞳距可以是接收输入的；也可以是预先存储在指定存储空间中，需要使用时从所述指定存储空间中获取的。
步骤s305，根据所述实际瞳距、指定数量的所述第一距离、及指定数量的所述第二距离计算得到拟合参数。
在一种实施方式中，所述根据所述实际瞳距、指定数量的所述第一距离、及指定数量的所述第二距离计算得到拟合参数通过以下公式实现：
其中，k表示所述拟合参数；dreal表示所述实际瞳距；n表示所述指定数量；di表示指定数量的深度图像中第i个第一距离；dpi表示指定数量的深度图像中第i个第二距离。在上述的实例中，获取所述指定人物与所述图像采集装置20cm～70cm以1cm为梯度的50张深度图像时，所述n则等于50。
步骤s306，以所述拟合参数、人脸图像的瞳孔与图像采集装置的距离以及人脸图像的瞳孔之间的距离之乘积拟合成瞳距计算公式。
在一种实施方式中，所述瞳距计算公式通过以下公式实现：
dpupil＝k*d*dp；
其中，dpupil表示待计算的瞳距；k表示所述拟合参数；d表示人脸图像的瞳孔与图像采集装置的距离；dp表示人脸图像的瞳孔之间的距离。
在一个实例中，所述瞳距计算公式在用于对某一图像中的瞳距进行计算时，所述d表示采集该某一图像时图像中的人物瞳孔与采集该某一图像的图像采集装置的距离。
通过先拟合出适用于计算人脸瞳距的计算公式可以使训练出的识别模型能够更好地适应瞳距的计算，从而提高所述识别模型对瞳距计算的准确性。
下面在一个具体的应用场景中进行详细描述本实施例中的图像识别方法的使用过程。在一个实例中，本实施例中的方法由设置门禁的安防系统执行。所述安防系统可以包括图像采集装置、处理设备以及存储设备等。
a、设置在门禁处的图像采集装置监测可采集范围内的图像。
b、当采集到的图像内有用户a的人脸图像时，所述步骤s201中步骤对所述人脸图像中的瞳距进行计算以得到识别瞳距。
c、再将所述识别瞳距与预先存储的用户a的真实瞳距进行计算得到差值。
d、根据所述差值可以判断所述图像采集装置采集的图像中的对象是否为活体。
进一步地，在一个实例中，当所述图像采集装置采集的图像中的对象是活体时，则可以判断当前通过人脸意图开启门禁的为用户a本人，可以打开门禁。在另一个实例中，当所述图像采集装置采集的图像中的对象不是活体时，则可以判断当前通过人脸意图开启门禁的为其它非法用户，其它非法用户可能使用用户a的照片、视频3d模型等物企图开启门禁，可以紧闭门禁。进一步地，还可以发出报警信号等提示消息。
在另一个应用场景中，所述本实施例中的方法由打卡系统执行。所述打卡系统可以包括图像采集装置、处理设备以及存储设备等。进一步地，在一个实例中，当所述图像采集装置采集的图像中的对象是活体时，则可以判断当前通过人打卡的为用户a本人，可以成功打卡。在另一个实例中，当所述图像采集装置采集的图像中的对象不是活体时，则可以判断当前通过人脸打卡为其它用户，其它用户可能使用用户a的照片、视频3d模型等物替代用户a打卡。进一步地，还可以发出提示消息，例如：“打卡失败”。
进一步地，所述图像识别方法还可以包括：通过预先训练的判断模型对识别结果为活体的待识别图像进行再次识别，对所述识别结果进行再次确认以得到确认结果，所述确认结果包括活体判断正确或者活体判断失误。
所述判断模型通过以下方式实现：获取训练数据，所述训练数据包括多张包含人脸区域的训练图像；将所述训练数据输入预设置的神经网络模型中进行训练以得到所述判断模型。
本实施例中，所述训练数据可以是图像采集装置预先采集的人脸图像数据。进一步地，所述训练数据可以包括不同性别、不同年龄、不同种族的多类人物的图像数据。
本实施例中，所述神经网络模型可以是递归神经网络rnn模型、卷积神经网络cnn模型等模型。当然，可以知道的是，也可以是其它神经网络模型，本发明实施例并不以选取的神经网络的模型类型为限。
通过上述判断模型进行再次判断识别结果可以提高活体识别的准确度，进一步识别出通过瞳距不能识别的非活体。
本实施例中，先通过步骤s201至s203快速初步识别活体，再通过所述判断模型进一步地确认识别结果的准确性。
实施例三
对应于实施例二中所提供的图像识别方法，本实施例提供了一种图像识别装置。本实施例中的图像识别装置中的各个模块用于执行实施例二中的方法中的步骤。图4示出了本发明实施例所提供的一种图像识别装置的结构示意图，如图4所示，该装置包括以下模块。
第一计算模块401，用于将待识别图像输入识别模型进行计算，以得到所述待识别图像中的目标人像的识别瞳距。
第二计算模块402，用于计算所述识别瞳距与预存储的所述目标人像的参照瞳距之差值。
匹配模块403，用于根据所述差值与设定的识别标准进行匹配得到目标识别结果，所述识别标准包括多个识别结果及每个识别结果对应的差值范围。
所述匹配模块403还用于识别所述差值所在的范围；当所述差值在第一预定范围内时，得到所述目标人像对应对象为活体的识别结果；当所述差值在第二预定范围内时，得到所述目标人像对应对象为非活体的识别结果。
本实施例中，所述识别模型通过以下方式训练得到：拟合模块，用于根据获取的拟合数据拟合瞳距计算公式以形成识别模型，所述拟合数据包括多张包含人脸的图像。
本实施例中，所述拟合模块包括以下单元。
图像获取单元，用于通过所述图像采集装置获取指定人物的指定数量的深度图像，所述深度图像中包括指定人物的人脸图像。
第一距离计算单元，用于计算所述指定数量的深度图像中每张深度图像中的人脸图像中的瞳孔与所述图像采集装置的第一距离。
第二距离计算单元，用于计算所述指定数量的深度图像中每张深度图像中的人脸图像的瞳孔之间的第二距离。
本实施例中，所述第二距离计算单元通过以下公式实现：
其中，k表示所述拟合参数；dreal表示所述实际瞳距；n表示所述指定数量；di表示指定数量的深度图像中第i个第一距离；dpi表示指定数量的深度图像中第i个第二距离。
瞳距获取单元，用于获取所述指定人物的实际瞳距。
参数计算单元，用于根据所述实际瞳距、指定数量的所述第一距离、及指定数量的所述第二距离计算得到拟合参数。
公式拟合单元，用于以所述拟合参数、人脸图像的瞳孔与图像采集装置的距离以及人脸图像的瞳孔之间的距离之乘积拟合成瞳距计算公式。
本实施例中，图像获取单元还用于获取指定人物与图像采集装置距离不同的指定数量的深度图像。
本实施例中，所述第一距离计算单元还用于根据人脸检测算法检测出所述指定数量的深度图像中每张深度图像中的人脸图像中的面部关键特征点；在所述面部关键特征点中确定瞳孔位置；根据所述瞳孔位置处的像素值得到第一距离。
本实施例中，所述第二距离计算单元还用于根据人脸检测算法检测出所述指定数量的深度图像中每张深度图像中的人脸图像中的面部关键特征点；在所述面部关键特征点中确定瞳孔位置；根据确定瞳孔位置计算两瞳孔的像素欧式距离。
本实施例中，所述图像识别装置还用于通过所述图像采集装置获取待识别图像，所述待识别图像中包括人脸图像。
本实施例中，所述图像识别装置还用于通过所述深度摄像装置获取待识别图像，所述待识别图像是深度图像。
进一步地，所述图像识别装置还用于通过预先训练的判断模型对识别结果为活体的待识别图像进行再次识别，对所述识别结果进行再次确认以得到确认结果，所述确认结果包括活体判断正确或者活体判断失误。
所述判断模型通过以下模块实现：
获取模块，用于获取训练数据，所述训练数据包括多张包含人脸区域的训练图像；
训练模块，用于将所述训练数据输入预设置的神经网络模型中进行训练以得到所述判断模型。
关于本实施例的其它细节还可以进一步地参考上述方法实施例中的描述，在此不再赘述。
本发明实施例的图像识别装置，通过对上待识别图像进行瞳孔距离的计算，以及进一步地将识别瞳距与参照瞳距的差值与识别标准进行匹配可以得到识别结果，将使用人类的身体特征信息转换为图像的识别，可以减少对人体的接触等操作就能够实现检测人体特征，从而可以把大量模仿得很真很精妙但瞳距和真人不同的攻击快速检测出来，提高了图像识别判断算法的性能和鲁棒性。
此外，本发明实施例提供了一种电子设备，包括存储器和处理器，存储器中存储有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前述方法实施例提供的方法的步骤。
进一步地，本发明实施例还提供了一种场景识别方法及装置的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能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-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。