人脸注册方法、人脸验证方法、装置及系统与流程

本申请涉及智能检测技术领域，特别是涉及一种人脸注册方法、人脸验证方法、装置及系统。

背景技术：

随着智能检测技术的不断发展，人们的生活、工作越来越离不开电子设备(如手机、平板电脑、门禁设备等)，尤其是人脸验证技术在电子设备中的应用，例如，人脸解锁、人脸支付、门禁设备自动放行等，给人们的生活和工作带来了极大便利。

目前，人脸验证方法主要包括以下步骤：获取待验证人脸图像，对待验证人脸图像进行人脸特征提取，将提取的人脸特征与人脸库中存储的人脸特征进行匹配，如果人脸库中存在匹配的人脸特征，则确定待验证人脸图像通过验证，进一步的，即可进行解锁、支付、门禁设备放行等操作。其中，人脸库是预先进行人脸注册得到的，人脸注册指的是将人脸注册图像中的人脸特征存储至人脸库的过程，人脸注册图像是指用户的个人证件照、生活照、大头照等，人脸注册图像往往由用户提供。

然而，用户提供的人脸注册图像标准无法统一，有些用户提供的人脸注册图像是经过美颜处理的，而美颜处理后的人脸特征与实际的人脸特征相差较大，则会导致人脸验证的准确性较低。

技术实现要素：

本申请实施例的目的在于提供一种人脸注册方法、人脸验证方法、装置及系统，以提高人脸验证的准确性。具体技术方案如下：

第一方面，本申请实施例提供了一种人脸注册方法，该方法包括：

获取第一人脸注册图像；

对第一人脸注册图像进行人脸美颜检测，判断第一人脸注册图像中的人脸是否经过美颜处理；

若是，则对该人脸进行美颜去除处理，得到包括美颜去除处理后的人脸的第二人脸注册图像；

分别对第一人脸注册图像和第二人脸注册图像进行人脸特征提取，并将提取的人脸特征存储至人脸库。

可选的，对第一人脸注册图像进行人脸美颜检测，判断第一人脸注册图像中的人脸是否经过美颜处理的步骤，包括：

将第一人脸注册图像输入人脸液化检测器，利用人脸液化检测器对第一人脸注册图像进行光流场预测，得到第一人脸注册图像中的人脸是否经过美颜处理的检测结果。

可选的，对该人脸进行美颜去除处理，得到包括美颜去除处理后的人脸的第二人脸注册图像的步骤，包括：

将第一人脸注册图像输入预先训练的人脸美颜去除模型，利用人脸美颜去除模型对第一人脸注册图像中的人脸进行美颜去除处理，得到包括美颜去除处理后的人脸的第二人脸注册图像，其中，人脸美颜去除模型是以经过美颜处理的人脸图像为训练样本、以未经过美颜处理的人脸图像为训练目标进行训练得到的深层网络模型。

第二方面，本申请实施例提供了一种人脸验证方法，该方法包括：

获取待验证人脸图像；

对待验证人脸图像进行人脸特征提取；

将提取的人脸特征与人脸库中存储的每个人脸特征进行匹配，其中，人脸库中至少存储有对第一人脸注册图像进行人脸特征提取得到的人脸特征，并且若通过对第一人脸注册图像进行人脸美颜检测，确定第一人脸注册图像经过美颜处理，则人脸库中还存储有对第二人脸注册图像进行人脸特征提取得到的人脸特征，第二人脸注册图像为对第一人脸注册图像进行美颜去除处理后得到的；

若人脸库中存在与对待验证人脸图像进行人脸特征提取得到的人脸特征相匹配的人脸特征，则确定待验证人脸图像通过验证。

可选的，获取待验证人脸图像的步骤，包括：

接收门禁设备上的人脸采集单元采集到的待验证人脸图像；

在若人脸库中存在与所提取的人脸特征相匹配的人脸特征，则确定待验证人脸图像通过验证的步骤之后，该方法还包括：

向门禁设备发送放行通知，以通知门禁设备放行。

可选的，通过以下方式对第一人脸注册图像进行人脸美颜检测：

将第一人脸注册图像输入人脸液化检测器，利用人脸液化检测器对第一人脸注册图像进行光流场预测，得到第一人脸注册图像中的人脸是否经过美颜处理的检测结果。

可选的，通过以下方式对第一人脸图像进行美颜去除处理，得到第二人脸注册图像：

将第一人脸注册图像输入预先训练的人脸美颜去除模型，利用人脸美颜去除模型对第一人脸注册图像中的人脸进行美颜去除处理，得到包括美颜去除处理后的人脸的第二人脸注册图像，其中，人脸美颜去除模型是以经过美颜处理的人脸图像为训练样本、以未经过美颜处理的人脸图像为训练目标进行训练得到的深层网络模型。

第三方面，本申请实施例提供了一种人脸注册装置，该装置包括：

获取模块，用于获取第一人脸注册图像；

检测模块，用于对第一人脸注册图像进行人脸美颜检测，判断第一人脸注册图像中的人脸是否经过美颜处理；

美颜去除模块，用于若检测模块的检测结果为第一人脸注册图像中的人脸经过了美颜处理，则对人脸进行美颜去除处理，得到包括美颜去除处理后的人脸的第二人脸注册图像；

特征提取模块，用于分别对第一人脸注册图像和第二人脸注册图像进行人脸特征提取，并将提取的人脸特征存储至人脸库。

第四方面，本申请实施例提供了一种人脸验证装置，该装置包括：

获取模块，用于获取待验证人脸图像；

特征提取模块，用于对待验证人脸图像进行人脸特征提取；

匹配模块，用于将提取的人脸特征与人脸库中存储的每个人脸特征进行匹配，其中，人脸库基于第一方面所提供的人脸注册方法得到；

验证模块，用于若人脸库中存在与所提取的人脸特征相匹配的人脸特征，则确定待验证人脸图像通过验证。

第五方面，本申请实施例提供了一种电子设备，包括处理器和机器可读存储介质，机器可读存储介质存储有能够被处理器执行的机器可执行指令，处理器被机器可执行指令促使：实现本申请第一方面提供的方法。

第六方面，本申请实施例提供了一种机器可读存储介质，存储有机器可执行指令，在被处理器调用和执行时，实现本申请实施例第一方面提供的方法。

第七方面，本申请实施例还提供一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行实现本申请实施例第一方面提供的方法。

第八方面，本申请实施例提供了一种电子设备，包括处理器和机器可读存储介质，机器可读存储介质存储有能够被处理器执行的机器可执行指令，处理器被机器可执行指令促使：实现本申请第二方面提供的方法。

第九方面，本申请实施例提供了一种机器可读存储介质，存储有机器可执行指令，在被处理器调用和执行时，实现本申请实施例第二方面提供的方法。

第十方面，本申请实施例还提供一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行实现本申请实施例第二方面提供的方法。

第十一方面，本申请实施例提供了一种人脸验证系统，包括人脸采集设备及电子设备；

人脸采集设备，用于采集待验证人脸图像，并将待验证人脸图像发送至电子设备；

电子设备，用于接收人脸采集设备发送的待验证人脸图像，对待验证人脸图像进行人脸特征提取；将提取的人脸特征与人脸库中存储的每个人脸特征进行匹配，其中，人脸库中至少存储有对第一人脸注册图像进行人脸特征提取得到的人脸特征，并且若通过对第一人脸注册图像进行人脸美颜检测，确定第一人脸注册图像经过美颜处理，则人脸库中还存储有对第二人脸注册图像进行人脸特征提取得到的人脸特征，第二人脸注册图像为对第一人脸注册图像进行美颜去除处理后得到的；若人脸库中存在与对待验证人脸图像进行人脸特征提取得到的人脸特征相匹配的人脸特征，则确定待验证人脸图像通过验证。

本申请实施例提供了一种人脸注册方法、人脸验证方法、装置及系统，其中，人脸注册方法中，在获取到第一人脸注册图像后，对第一人脸注册图像进行人脸美颜检测，判断第一人脸注册图像中的人脸是否经过美颜处理，如果第一人脸注册图像中的人脸经过了美颜处理，则对该人脸进行美颜去除处理，得到包括美颜去除处理后的人脸的第二人脸注册图像，分别对第一人脸注册图像和第二人脸注册图像进行人脸特征提取，并将提取的人脸特征存储至人脸库。

可见，如果第一人脸注册图像是美颜处理后的图像，会对该图像中美颜的人脸进行美颜去除处理，得到第二人脸注册图像，也就是说，第一人脸注册图像中的人脸是美颜处理后的人脸，第二人脸注册图像中的人脸是美颜去除处理后的人脸，则提取的人脸特征既包括美颜的人脸特征，又包括美颜去除的人脸特征，因此，在对经过美颜处理的第一人脸注册图像进行人脸注册时，人脸库中既存储了美颜的人脸特征，又存储了美颜去除的人脸特征，即对人脸库中的人脸特征进行了扩充，提供了美颜去除的人脸特征，从而提高了人脸验证的准确性。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的实施例。

图1为本申请实施例的人脸注册方法的一种流程示意图；

图2为本申请实施例的人脸注册方法的另一种流程示意图；

图3为本申请实施例的人脸验证方法的一种流程示意图；

图4为本申请实施例的人脸验证方法的另一种流程示意图；

图5为本申请实施例的人脸注册的方法流程示意图；

图6为本申请实施例的人脸验证的方法流程示意图；

图7为本申请实施例的人脸注册装置的结构示意图；

图8为本申请实施例的人脸验证装置的结构示意图；

图9为本申请实施例的一电子设备的结构示意图；

图10为本申请实施例的另一电子设备的结构示意图；

图11为本申请实施例的人脸验证系统的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

为了提高人脸验证的准确性，本申请实施例提供了一种人脸注册方法、人脸验证方法、装置及系统。下面，首先对本申请实施例所提供的人脸注册方法和人脸验证方法进行介绍。本申请实施例所提供的人脸注册方法和人脸验证方法可以应用于手机、平板电脑、门禁设备等智能设备，也可以应用于后台服务器，这里不做具体限定，以下统称为电子设备。本申请实施例所提供的人脸注册方法和人脸验证方法可以被设置于电子设备中的软件、硬件电路和逻辑电路中的至少一种实现。

如图1所示，本申请实施例所提供的人脸注册方法的一种流程，可以包括如下步骤。

s101，获取第一人脸注册图像。

s102，对第一人脸注册图像进行人脸美颜检测，判断第一人脸注册图像中的人脸是否经过美颜处理。

s103，若第一人脸注册图像中的人脸经过了美颜处理，则对该人脸进行美颜去除处理，得到包括美颜去除处理后的人脸的第二人脸注册图像。

s104，分别对第一人脸注册图像和第二人脸注册图像进行人脸特征提取，并将提取的人脸特征存储至人脸库。

应用本申请实施例，如果第一人脸注册图像是美颜处理后的图像，会对该图像中美颜的人脸进行美颜去除处理，得到第二人脸注册图像，也就是说，第一人脸注册图像中的人脸是美颜处理后的人脸，第二人脸注册图像中的人脸是美颜去除处理后的人脸，则提取的人脸特征既包括美颜的人脸特征，又包括美颜去除的人脸特征，因此，在对经过美颜处理的第一人脸注册图像进行人脸注册时，人脸库中既存储了美颜的人脸特征，又存储了美颜去除的人脸特征，即对人脸库中的人脸特征进行了扩充，提供了美颜去除的人脸特征，从而提高了人脸验证的准确性。

第一人脸注册图像是指用户在进行人脸注册时提供的个人证件照(如身份证照、工作证照)、生活照、大头照等，由于第一人脸注册图像是由用户自主提供的，不同用户提供的第一人脸注册图像的格式和标准无法统一，有些用户提供的第一人脸注册图像未经过美颜处理，有些用户提供的第一人脸注册图像经过了美颜处理，这里所提及的美颜处理是指用户利用修图软件对人脸的五官、脸型轮廓等进行了调整，这些经过美颜处理的第一人脸注册图像容易改变用户身份，对人脸验证的准确性造成影响。

本申请实施例中，在获取到第一人脸注册图像后，对第一人脸注册图像进行人脸美颜检测，判断第一人脸注册图像中的人脸是否经过美颜处理。由于美颜处理是对人脸的五官形状、脸型轮廓等进行的调整，这些调整会使得图像中相应位置的光流场发生变化，因此，可以通过光流场预测的方式对第一人脸注册图像进行人脸美颜检测，如果第一人脸注册图像中某些位置有明显的光流场变化，则说明这些位置发生了图像拉伸/扭曲等操作，也就是说，可以确定第一人脸注册图像中的人脸经过了美颜处理。

可选的，s102具体可以为：将第一人脸注册图像输入人脸液化检测器，利用人脸液化检测器对第一人脸注册图像进行光流场预测，得到第一人脸注册图像中的人脸是否经过美颜处理的检测结果。

在本申请实施例的一种实现方式中，可以利用人脸液化检测器来进行光流场预测，人脸液化检测器(faldetector)是一种针对人脸液化美颜处理的检测工具，能够检测出人脸图像中人脸五官的变形和脸部轮廓的调整。具体的，利用人脸液化检测器进行人脸美颜检测的方式是：将第一人脸注册图像输入人脸液化检测器，人脸液化检测器能够预测第一人脸注册图像的光流场，指示图像被拉伸/扭曲的区域和程度，以此即可判断出第一人脸注册图像中的人脸是否经过美颜处理。当然，在具体实现中，除了可以利用人脸液化检测器进行光流场预测来判断第一人脸注册图像中的人脸是否经过美颜处理以外，也可以采用其他的光流场预测方法，对第一人脸注册图像进行光流场预测，以光流场预测结果来判断第一人脸注册图像中的人脸是否经过美颜处理。

在本申请实施例的另一种实现方式中，可以预先基于经过美颜处理的大量人脸样本图像和未经过美颜处理的大量人脸样本图像，训练得到一个二分类的图像类型识别模型，该模型为深度神经网络模型，其输出即为图像经过了美颜处理和图像未经过美颜处理两种类型。这样，将第一人脸注册图像输入该模型，该模型能够直接输出第一人脸注册图像是经过美颜处理的图像还是未经过美颜处理的图像的识别结果。其中，图像类型识别模型的训练过程与传统的二分类深度神经网络模型相同，这里不再赘述。

除了上述进行人脸美颜检测的方式以外，还可以通过人脸特征识别、将人脸特征识别与正常人脸特征进行对比等方式检测出人脸是否经过美颜处理，能够检测出人脸是否经过美颜处理的方式均属于本申请的保护范围，这里不再一一赘述。

如果检测出第一人脸注册图像中的人脸经过了美颜处理，为了提高人脸验证的准确性，需要对该人脸进行美颜去除处理，得到包括美颜去除处理后的人脸的第二人脸注册图像，美颜去除处理后的人脸更接近于正常人脸。

可选的，s103具体可以为：将第一人脸注册图像输入预先训练的人脸美颜去除模型，利用人脸美颜去除模型对第一人脸注册图像中的人脸进行美颜去除处理，得到包括美颜去除处理后的人脸的第二人脸注册图像，其中，人脸美颜去除模型是以经过美颜处理的人脸图像为训练样本、以未经过美颜处理的人脸图像为训练目标进行训练得到的深层网络模型。

在本申请实施例的一种实现方式中，可以利用预先训练的人脸美颜去除模型对第一人脸注册图像进行美颜去除处理，人脸美颜去除模型是一种以经过美颜处理的人脸图像为训练样本、以未经过美颜处理的人脸图像为训练目标进行训练得到的深层网络模型，该模型可以采用pix2pix等神经网络框架。

具体的，人脸美颜去除模型的训练过程包括：将经过美颜处理的人脸图像输入至初始网络模型中，网络模型会输出一个人脸图像，将网络模型输出的人脸图像与一未经过美颜处理的人脸图像进行比较，得到差异信息，基于差异信息，调整初始网络模型的参数，直至初始网络模型的迭代次数达到预设次数，或，差异信息小于预设阈值，停止训练，得到人脸美颜去除模型。其中，未经过美颜处理的人脸图像和经过了美颜处理的人脸图像之间具有对应关系，一般情况下，可以是获取一张未经过美颜处理的人脸图像，然后通过修图软件对该人脸图像进行美颜处理(包括人脸五官形状修改和人脸外轮廓调整等)，得到对应的经过了美颜处理的人脸图像。

在本申请实施例的另一种实现方式中，由于人脸美颜检测时检测出人脸美颜的位置和程度，则可以根据人脸美颜的位置和程度，按照对应的逆处理方式，例如，美颜处理对眼睛放大了一倍，则可以按照缩小一倍的方式对眼睛进行美颜去除处理，进而能够实现对人脸的美颜去除处理。

除了上述进行美颜去除处理的方式以外，其他能够实现人脸美颜去除处理的方式均属于本申请的保护范围，这里不再一一赘述。

经过美颜去除处理后的人脸可以是素颜的人脸，也可以是化妆后的人脸，这里不做限定，具体与美颜去除处理所选用的美颜去除策略相关。

在得到第二人脸注册图像后，分别对第一人脸注册图像和第二人脸注册图像进行人脸特征提取，将提取的人脸特征存储至人脸库，也就是说，在对经过美颜处理的第一人脸注册图像进行人脸注册时，人脸库中既存储了美颜的人脸特征，又存储了美颜去除的人脸特征，即对人脸库中的人脸特征进行了扩充，提供了美颜去除的人脸特征，从而提高了人脸验证的准确性。

其中，人脸特征提取的方式，可以采用基于深度神经网络的特征提取方式，将第一人脸注册图像和第二人脸注册图像分别输入深度神经网络，即可提取出各自的人脸特征。也可以采用基于像素的特征提取方式，基于像素识别出第一人脸注册图像和第二人脸注册图像中的人脸区域，提取人脸区域的像素特征作为人脸特征。当然，其他实现人脸特征提取的方式也都属于本申请实施例的保护范围，这里不再一一赘述。

基于图1所示实施例，本申请实施例所提供的人脸注册方法的另一种流程，如图2所示，可以包括如下步骤。

s201，获取第一人脸注册图像。

s202，对第一人脸注册图像进行人脸美颜检测，判断第一人脸注册图像中的人脸是否经过美颜处理，若是，则执行s203至s204，否则执行s205。

s203，对该人脸进行美颜去除处理，得到包括美颜去除处理后的人脸的第二人脸注册图像。

s204，分别对第一人脸注册图像和第二人脸注册图像进行人脸特征提取，并将提取的人脸特征存储至人脸库。

s205，对第一人脸注册图像进行人脸特征提取，并将提取的人脸特征存储至人脸库。

在本申请实施例的一种实现方式中，如果第一人脸注册图像中的人脸未经过美颜处理，则说明第一人脸注册图像中的人脸就是正常的人脸，则可以直接对第一人脸注册图像进行人脸特征提取，将提取的人脸特征存储至人脸库。

在本申请实施例的另一种实现方式中，为了应对更为复杂的情况，扩充人脸库，如果第一人脸注册图像中的人脸未经过美颜处理，可以对第一人脸注册图像进行一些特殊处理，例如对第一人脸注册图像中的人脸进行化妆处理、美颜处理等，得到新的人脸注册图像，分别对第一人脸注册图像和新的人脸注册图像进行人脸特征提取，并将提取的人脸特征存储至人脸库。其中，化妆处理、美颜处理等处理方式可以采用传统的处理方式，这里不再一一赘述。

如图3所示，本申请实施例所提供的人脸验证方法的一种流程，可以包括如下步骤。

s301，获取待验证人脸图像。

s302，对待验证人脸图像进行人脸特征提取。

s303，将提取的人脸特征与人脸库中存储的每个人脸特征进行匹配。

其中，人脸库中至少存储有对第一人脸注册图像进行人脸特征提取得到的人脸特征，并且若通过对第一人脸注册图像进行人脸美颜检测，确定第一人脸注册图像经过美颜处理，则人脸库中还存储有对第二人脸注册图像进行人脸特征提取得到的人脸特征，第二人脸注册图像为对第一人脸注册图像进行美颜去除处理后得到的。

关于人脸库的生成方式可以参见前述图1、图2的相关说明，在此不再赘述。

当人脸库中存储有多个人脸特征时，可以是将提取的人脸特征依次与人脸库中的存储的每个人脸特征进行匹配，也可以并行地将提取的人脸特征分别与人脸库中的存储的每个人脸特征进行匹配。并且，如果是将提取的人脸特征依次与人脸库中的存储的每个人脸特征进行匹配，且在匹配过程中确定出存在与待验证人脸图像进行人脸特征提取得到的人脸特征相匹配的人脸特征，可以继续进行匹配，也可以终止匹配。

s304，若人脸库中存在与对待验证人脸图像进行人脸特征提取得到的人脸特征相匹配的人脸特征，则确定待验证人脸图像通过验证。

应用本申请实施例，由于在对经过美颜处理的第一人脸注册图像进行人脸注册时，人脸库中既存储了美颜的人脸特征，又存储了美颜去除的人脸特征，即对人脸库中的人脸特征进行了扩充，提供了美颜去除的人脸特征，也就是说人脸库中的人脸特征更为完善，包含了更利于人脸验证的美颜去除的人脸特征，因此在进行人脸验证时，能够更为准确的对人脸进行识别，从而提高了人脸验证的准确性。

待验证人脸图像是实时采集的人脸图像，可以是手机、平板电脑、门禁设备上的人脸采集单元在有人脸出现在拍摄区域内时，实时拍摄的人脸图像。

在获取到待验证人脸图像后，对待验证人脸图像进行人脸特征提取。具体的人脸特征提取的方式，可以采用基于深度神经网络的特征提取方式，将待验证人脸图像输入深度神经网络，即可提取出人脸特征；也可以采用基于像素的特征提取方式，基于像素识别出待验证人脸图像中的人脸区域，提取人脸区域的像素特征作为人脸特征。当然，其他实现人脸特征提取的方式也都属于本申请实施例的保护范围，这里不再一一赘述。

在提取出待验证人脸图像的人脸特征后，将提取的人脸特征与人脸库中存储的每个人脸特征进行匹配，也就是将提取的人脸特征与人脸库中存储的人脸特征进行一一比对，人脸库中存储的人脸特征是按照图1或者图2所示实施例的方法进行人脸注册得到的，如果相似度达到一定程度(大于一定阈值)，则认为人脸特征匹配成功，一旦人脸库中有匹配成功的人脸特征(不论是经过了美颜处理的人脸特征还是未经过美颜处理的人脸特征)，则可确定待验证人脸图像通过验证。

基于图3所示实施例，本申请实施例所提供的人脸验证方法的另一种流程，如图4所示，可以包括如下步骤。

s401，接收门禁设备上的人脸采集单元采集到的待验证人脸图像。

s402，对待验证人脸图像进行人脸特征提取。

s403，将提取的人脸特征与人脸库中存储的每个人脸特征进行匹配。

其中，人脸库中至少存储有对第一人脸注册图像进行人脸特征提取得到的人脸特征，并且若通过对第一人脸注册图像进行人脸美颜检测，确定第一人脸注册图像经过美颜处理，则人脸库中还存储有对第二人脸注册图像进行人脸特征提取得到的人脸特征，第二人脸注册图像为对第一人脸注册图像进行美颜去除处理后得到的。

关于人脸库的生成方式可以参见前述图1、图2的相关说明，在此不再赘述。。

s404，若人脸库中存在与对待验证人脸图像进行人脸特征提取得到的人脸特征，则确定待验证人脸图像通过验证。

s405，向门禁设备发送放行通知，以通知门禁设备放行。

在本申请实施例的一种具体应用中，应用场景为社区/园区的门禁设备人脸验证场景，所获取到的待验证人脸图像是由门禁设备上的人脸采集单元采集并发送来的，相应的，在确定待验证人脸图像通过验证后，可以向门禁设备发送放行通知，放行通知具体可以是一种数据报文，门禁设备在接收到放行通知后，知道要进行放行操作，则会控制进行抬竿、开门等一系列的放行处理。

综上所述，本申请实施例所提供的人脸验证的应用中，主要包括人脸注册和人脸验证两个部分。人脸注册的流程如图5所示，包括如下步骤：

s501，获取用户上传的第一证件照。

这一步操作通常需要用户提供电子版的证件照或者由用户在应用程序上自主操作完成，大多用户提供或上传的证件照都经过各种修图软件进行美颜处理，主要涉及五官和脸型的调整；上传的证件照记为第一证件照。

s502，对第一证件照进行美颜检测。

本申请实施例中主要针对人脸液化美颜处理的检测，包括人脸五官变形和脸部轮廓调整，采用人脸液化检测器，给人脸液化检测器输入第一证件照，人脸液化检测器能够预测光流场，指示第一证件照被拉伸/扭曲的区域和程度，以此来判断人脸是否经过美颜处理。

s503，若美颜检测判断存在美颜处理，则进行美颜去除处理，对处理后的证件照记为第二证件照。

本申请实施例中主要基于生成对抗网络来实现美颜去除，拟采用pix2pix框架，通过修图软件的人脸液化工具来生成美颜处理的人脸图像，涉及人脸五官形状修改(包括眼睛、鼻子和嘴巴)和人脸外轮廓的调整。利用生成的美颜处理的人脸图像和原始的未进行美颜处理的人脸图像构造配对训练数据，然后训练网络模型。利用该模型对输入的第一证件照进行液化还原处理，实现人脸美颜去除。

s504，分别对第一证件照和第二证件照进行人脸注册。

分别对第一证件照和第二证件照进行人脸特征提取并存储至人脸库中，并且可以在人脸库中将这两个人脸特征标记为同一身份的不同注册版本。

人脸验证的流程如图6所示，包括如下步骤：

s601，门禁设备上的人脸采集单元采集人脸图像。

本申请实施例主要应用于门禁设备厂家，人脸采集单元是门禁设备上的摄像头，采集到的人脸图像不存在任何美颜处理。

s602，人脸特征提取。

本申请实施例中，可以利用人脸识别模型对采集到的人脸图像进行人脸特征提取。

s603，人脸比对。

比对过程是将提取的人脸特征分别与同一个人的第一证件照的人脸特征和第二证件照的人脸特征进行比对，两者只要存在一个版本的人脸特征与提取的人脸特征相似度达到要求(超过预设阈值)，则认为人脸验证通过。

相应于上述方法实施例，本申请实施例提供了一种人脸注册装置，如图7所示，该装置可以包括：

获取模块710，用于获取第一人脸注册图像；

检测模块720，用于对第一人脸注册图像进行人脸美颜检测，判断第一人脸注册图像中的人脸是否经过美颜处理；

美颜去除模块730，用于若检测模块720的检测结果为第一人脸注册图像中的人脸经过了美颜处理，则对人脸进行美颜去除处理，得到包括美颜去除处理后的人脸的第二人脸注册图像；

特征提取模块740，用于分别对第一人脸注册图像和第二人脸注册图像进行人脸特征提取，并将提取的人脸特征存储至人脸库。

可选的，检测模块720，具体可以用于：

将第一人脸注册图像输入人脸液化检测器，利用人脸液化检测器对第一人脸注册图像进行光流场预测，得到第一人脸注册图像中的人脸是否经过美颜处理的检测结果。

可选的，美颜去除模块730，具体可以用于：

将第一人脸注册图像输入预先训练的人脸美颜去除模型，利用人脸美颜去除模型对第一人脸注册图像中的人脸进行美颜去除处理，得到包括美颜去除处理后的人脸的第二人脸注册图像，其中，人脸美颜去除模型是以经过美颜处理的人脸图像为训练样本、以未经过美颜处理的人脸图像为训练目标进行训练得到的深层网络模型。

应用本申请实施例，如果第一人脸注册图像是美颜处理后的图像，会对该图像中美颜的人脸进行美颜去除处理，得到第二人脸注册图像，也就是说，第一人脸注册图像中的人脸是美颜处理后的人脸，第二人脸注册图像中的人脸是美颜去除处理后的人脸，则提取的人脸特征既包括美颜的人脸特征，又包括美颜去除的人脸特征，因此，在对经过美颜处理的第一人脸注册图像进行人脸注册时，人脸库中既存储了美颜的人脸特征，又存储了美颜去除的人脸特征，即对人脸库中的人脸特征进行了扩充，提供了美颜去除的人脸特征，从而提高了人脸验证的准确性。

本申请实施例还提供了一种人脸验证装置，如图8所示，该装置可以包括：

获取模块810，用于获取待验证人脸图像；

特征提取模块820，用于对待验证人脸图像进行人脸特征提取；

匹配模块830，用于将提取的人脸特征与人脸库中存储的每个人脸特征进行匹配，其中，人脸库中至少存储有对第一人脸注册图像进行人脸特征提取得到的人脸特征，并且若通过对第一人脸注册图像进行人脸美颜检测，确定第一人脸注册图像经过美颜处理，则人脸库中还存储有对第二人脸注册图像进行人脸特征提取得到的人脸特征，第二人脸注册图像为对第一人脸注册图像进行美颜去除处理后得到的；

验证模块840，用于若人脸库中存在与对待验证人脸图像进行人脸特征提取得到的人脸特征相匹配的人脸特征，则确定待验证人脸图像通过验证。

可选的，获取模块810，具体可以用于：接收门禁设备上的人脸采集单元采集到的待验证人脸图像；

该装置还可以包括：

发送模块，用于向门禁设备发送放行通知，以通知门禁设备放行。

应用本申请实施例，由于在对经过美颜处理的第一人脸注册图像进行人脸注册时，人脸库中既存储了美颜的人脸特征，又存储了美颜去除的人脸特征，即对人脸库中的人脸特征进行了扩充，提供了美颜去除的人脸特征，也就是说人脸库中的人脸特征更为完善，包含了更利于人脸验证的美颜去除的人脸特征，因此在进行人脸验证时，能够更为准确的对人脸进行识别，从而提高了人脸验证的准确性。

本申请实施例还提供了一种电子设备，如图9所示，包括处理器901和机器可读存储介质902，机器可读存储介质902存储有能够被处理器901执行的机器可执行指令，处理器901被机器可执行指令促使：实现上述人脸注册方法。

本申请实施例还提供了一种电子设备，如图10所示，包括处理器1001和机器可读存储介质1002，机器可读存储介质1002存储有能够被处理器1001执行的机器可执行指令，处理器1001被机器可执行指令促使：实现上述人脸验证方法。

上述机器可读存储介质可以包括ram(randomaccessmemory，随机存取存储器)，也可以包括nvm(non-volatilememory，非易失性存储器)，例如至少一个磁盘存储器。可选的，机器可读存储介质还可以是至少一个位于远离上述处理器的存储装置。

上述处理器可以是通用处理器，包括cpu(centralprocessingunit，中央处理器)、np(networkprocessor，网络处理器)等；还可以是dsp(digitalsignalprocessing，数字信号处理器)、asic(applicationspecificintegratedcircuit，专用集成电路)、fpga(field-programmablegatearray，现场可编程门阵列)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

机器可读存储介质902与处理器901之间、机器可读存储介质1002与处理器1001之间可以通过有线连接或者无线连接的方式进行数据传输，并且电子设备可以通过有线通信接口或者无线通信接口与其他的设备进行通信。图9和图10所示的仅为处理器与机器可读存储介质之间通过总线进行数据传输的示例，不作为具体连接方式的限定。

本申请实施例还提供了一种机器可读存储介质，存储有机器可执行指令，在被处理器调用和执行时，实现上述人脸注册方法。

本申请实施例还提供一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行实现上述人脸注册方法。

本申请实施例还提供了一种机器可读存储介质，存储有机器可执行指令，在被处理器调用和执行时，实现上述人脸验证方法。

本申请实施例还提供一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行实现上述人脸验证方法。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、dsl(digitalsubscriberline，数字用户线))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如软盘、硬盘、磁带)、光介质(例如dvd(digitalversatiledisc，数字多功能光盘))、或者半导体介质(例如ssd(solidstatedisk，固态硬盘))等。

本申请实施例还提供了一种人脸验证系统，如图11所示，包括人脸采集设备1101及电子设备1102；

人脸采集设备1101，用于采集待验证人脸图像，并将待验证人脸图像发送至电子设备1102；

电子设备1102，用于接收人脸采集设备1101发送的待验证人脸图像，对待验证人脸图像进行人脸特征提取；将提取的人脸特征与人脸库中存储的每个人脸特征进行匹配，其中，人脸库中至少存储有对第一人脸注册图像进行人脸特征提取得到的人脸特征，并且若通过对第一人脸注册图像进行人脸美颜检测，确定第一人脸注册图像经过美颜处理，则人脸库中还存储有对第二人脸注册图像进行人脸特征提取得到的人脸特征，第二人脸注册图像为对第一人脸注册图像进行美颜去除处理后得到的；若人脸库中存在与对待验证人脸图像进行人脸特征提取得到的人脸特征相匹配的人脸特征，则确定待验证人脸图像通过验证。

上述人脸采集设备可以为手机摄像头、平板电脑摄像头、门禁设备上的摄像头等，电子设备可以为手机处理器、平板电脑处理器、门禁系统的后台服务器等。

应用本申请实施例，如果第一人脸注册图像是美颜处理后的图像，会对该图像中美颜的人脸进行美颜去除处理，得到第二人脸注册图像，也就是说，第一人脸注册图像中的人脸是美颜处理后的人脸，第二人脸注册图像中的人脸是美颜去除处理后的人脸，则提取的人脸特征既包括美颜的人脸特征，又包括美颜去除的人脸特征，因此，在对经过美颜处理的第一人脸注册图像进行人脸注册时，人脸库中既存储了美颜的人脸特征，又存储了美颜去除的人脸特征，即对人脸库中的人脸特征进行了扩充，提供了美颜去除的人脸特征，从而提高了人脸验证的准确性。

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。

本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、电子设备、机器可读存储介质、计算机程序产品、人脸验证系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本申请的较佳实施例，并非用于限定本申请的保护范围。凡在本申请的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本申请的保护范围内。