一种人脸图像匹配方法、装置、电子设备及存储介质与流程

1.本发明涉及图像处理技术领域，尤其涉及一种人脸图像匹配方法、装置、电子设备及存储介质。


背景技术：

2.随着科技的进步和人类基于便利性生活的需要，各种刷脸应用开始普及，包括刷脸解锁、刷脸开门、刷脸安检、刷脸登机、刷脸住酒店、刷脸支付就医等，上述各种刷脸应用采集了人的轨迹数据，轨迹数据包括人脸图像以及采集人脸图像的时间和地点等。如何利用好这些轨迹数据，使其对社会进步和稳定产生积极的影响，最重要的一步是对这些轨迹数据中的人脸图像对应人的身份落档。
3.传统的人脸图像身份识别，是任选一张采集到的人脸图像，然后将选取的人脸图像与标准底库图像(身份证图片)进行特征值比对，当满足一定阈值时，判定与身份证匹配。但是受图像抓拍场景的影响，图像的抓拍质量层次不齐，导致人脸图像匹配的准确率较低。


技术实现要素：

4.本发明实施例提供了一种人脸图像匹配方法、装置、电子设备及存储介质，用以解决现有技术中人脸图像匹配准确率较低的问题。
5.本发明实施例提供了一种人脸图像匹配方法，所述方法包括：
6.获取人员轨迹数据中的每个人脸图像，根据所述每个人脸图像确定待匹配的每个第一人脸图像；
7.将所述每个第一人脸图像输入预先训练完成的自动编码器模型，基于所述自动编码器模型确定所述每个第一人脸图像对应的损失值，根据所述每个第一人脸图像对应的损失值确定待匹配的第二人脸图像；其中，所述自动编码器模型是基于人脸库中的每个人脸图像训练得到的；
8.将所述待匹配的第二人脸图像与人脸库中的每个人脸图像进行匹配，确定所述人员的身份信息。
9.进一步地，所述获取人员轨迹数据中的每个人脸图像，根据所述每个人脸图像确定待匹配的每个第一人脸图像包括：
10.将所述每个人脸图像与每个档案中的档案图像进行相似度计算，根据相似度计算结果将所述每个人脸图像划分到对应的目标档案组，从所述目标档案组中选取待匹配的每个第一人脸图像。
11.进一步地，将所述每个人脸图像与每个档案中的档案图像进行相似度计算，根据相似度计算结果将所述每个人脸图像划分到对应的目标档案组包括：
12.针对所述每个档案，从所述档案中选取预设第二数量的档案图像作为待匹配档案图像；
13.将所述每个人脸图像与每个档案中的每个待匹配档案图像进行相似度计算，根据
相似度计算结果将所述每个人脸图像划分到对应的目标档案组。
14.进一步地，从所述目标档案组中选取待匹配的每个第一人脸图像包括：
15.根据所述目标档案组中的每个图像的属性特征，确定所述每个图像的质量分值，选取质量分值高的预设第二数量的图像作为待匹配的每个第一人脸图像。
16.进一步地，根据所述目标档案组中的每个图像的属性特征，确定所述每个图像的质量分值包括：
17.针对所述目标档案组中的每个图像，确定该图像的每个属性特征对应的属性特征值，根据该图像的每个属性特征对应的属性特征值及预设的每个属性特征对应的权重值，确定该图像的质量分值。
18.进一步地，基于所述自动编码器模型确定所述每个第一人脸图像对应的损失值包括：
19.针对所述每个第一人脸图像，基于所述自动编码器模型对该第一人脸图像进行解码，再重新编码得到重构后的第一图像，根据该第一人脸图像的特征信息和所述重构后的第一图像的特征信息确定该第一人脸图像对应的损失值。
20.进一步地，根据所述每个第一人脸图像对应的损失值确定待匹配的第二人脸图像包括：
21.判断是否存在损失值小于预设的损失阈值的第一人脸图像；如果存在，将损失值小于预设的损失阈值的第一人脸图像确定为待匹配的第二人脸图像，如果不存在，将损失值最小的第一人脸图像确定为待匹配的第二人脸图像。
22.进一步地，将所述待匹配的第二人脸图像与人脸库中的每个人脸图像进行匹配，确定所述人员的身份信息包括：
23.确定每个待匹配的第二人脸图像与人脸库中的每个人脸图像的相似度，并确定与所述每个待匹配的第二人脸图像的相似度最大的目标人脸图像；
24.若存在大于预设的第一相似度阈值的目标人脸图像，则将所述大于预设的第一相似度阈值的目标人脸图像的身份信息确定为所述人员的身份信息；
25.若确定出的最大的相似度小于预设的第二相似度阈值，则确定匹配失败；
26.若确定出的最大的相似度位于预设的第二相似度阈值和预设的第一相似度阈值之间，将确定出的与所述每个待匹配的第二人脸图像的相似度最大的目标人脸图像中重复数量最多的目标人脸图像的身份信息确定为所述人员的身份信息；
27.其中，所述预设的第二相似度阈值小于所述预设的第一相似度阈值。
28.进一步地，所述自动编码器模型的训练过程包括：
29.针对人脸库中的每个人脸图像，将该人脸图像输入所述自动编码器模型，基于所述自动编码器模型对该人脸图像进行解码，再重新编码得到重构后的第二图像，根据该人脸图像的特征信息和所述重构后的第二图像的特征信息确定该人脸图像对应的损失值；根据人脸库中的每个人脸图像对应的损失值，对所述自动编码器模型进行训练。
30.另一方面，本发明实施例提供了一种人脸图像匹配装置，所述装置包括：
31.第一确定模块，用于获取人员轨迹数据中的每个人脸图像，根据所述每个人脸图像确定待匹配的每个第一人脸图像；
32.第二确定模块，用于将所述每个第一人脸图像输入预先训练完成的自动编码器模
型，基于所述自动编码器模型确定所述每个第一人脸图像对应的损失值，根据所述每个第一人脸图像对应的损失值确定待匹配的第二人脸图像；其中，所述自动编码器模型是基于人脸库中的每个人脸图像训练得到的；
33.第三确定模块，用于将所述待匹配的第二人脸图像与人脸库中的每个人脸图像进行匹配，确定所述人员的身份信息。
34.所述第一确定模块，具体用于将所述每个人脸图像与每个档案中的档案图像进行相似度计算，根据相似度计算结果将所述每个人脸图像划分到对应的目标档案组，从所述目标档案组中选取待匹配的每个第一人脸图像。
35.所述第一确定模块，具体用于针对所述每个档案，从所述档案中选取预设第二数量的档案图像作为待匹配档案图像；将所述每个人脸图像与每个档案中的每个待匹配档案图像进行相似度计算，根据相似度计算结果将所述每个人脸图像划分到对应的目标档案组。
36.所述第一确定模块，具体用于根据所述目标档案组中的每个图像的属性特征，确定所述每个图像的质量分值，选取质量分值高的预设第二数量的图像作为待匹配的每个第一人脸图像。
37.所述第一确定模块，具体用于针对所述目标档案组中的每个图像，确定该图像的每个属性特征对应的属性特征值，根据该图像的每个属性特征对应的属性特征值及预设的每个属性特征对应的权重值，确定该图像的质量分值。
38.所述第二确定模块，具体用于针对所述每个第一人脸图像，基于所述自动编码器模型对该第一人脸图像进行解码，再重新编码得到重构后的第一图像，根据该第一人脸图像的特征信息和所述重构后的第一图像的特征信息确定该第一人脸图像对应的损失值。
39.所述第二确定模块，具体用于判断是否存在损失值小于预设的损失阈值的第一人脸图像；如果存在，将损失值小于预设的损失阈值的第一人脸图像确定为待匹配的第二人脸图像，如果不存在，将损失值最小的第一人脸图像确定为待匹配的第二人脸图像。
40.所述第三确定模块，具体用于确定每个待匹配的第二人脸图像与人脸库中的每个人脸图像的相似度，并确定与所述每个待匹配的第二人脸图像的相似度最大的目标人脸图像；若存在大于预设的第一相似度阈值的目标人脸图像，则将所述大于预设的第一相似度阈值的目标人脸图像的身份信息确定为所述人员的身份信息；若确定出的最大的相似度小于预设的第二相似度阈值，则确定匹配失败；若确定出的最大的相似度位于预设的第二相似度阈值和预设的第一相似度阈值之间，将确定出的与所述每个待匹配的第二人脸图像的相似度最大的目标人脸图像中重复数量最多的目标人脸图像的身份信息确定为所述人员的身份信息；其中，所述预设的第二相似度阈值小于所述预设的第一相似度阈值。
41.所示装置还包括：
42.训练模块，用于针对人脸库中的每个人脸图像，将该人脸图像输入所述自动编码器模型，基于所述自动编码器模型对该人脸图像进行解码，再重新编码得到重构后的第二图像，根据该人脸图像的特征信息和所述重构后的第二图像的特征信息确定该人脸图像对应的损失值；根据人脸库中的每个人脸图像对应的损失值，对所述自动编码器模型进行训练。
43.再一方面，本发明实施例提供了一种电子设备，包括处理器、通信接口、存储器和
通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
44.存储器，用于存放计算机程序；
45.处理器，用于执行存储器上所存放的程序时，实现上述任一项所述的方法步骤。
46.再一方面，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内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法步骤。
47.本发明实施例提供了一种人脸图像匹配方法、装置、电子设备及存储介质，所述方法包括：获取人员轨迹数据中的每个人脸图像，根据所述每个人脸图像确定待匹配的每个第一人脸图像；将所述每个第一人脸图像输入预先训练完成的自动编码器模型，基于所述自动编码器模型确定所述每个第一人脸图像对应的损失值，根据所述每个第一人脸图像对应的损失值确定待匹配的第二人脸图像；其中，所述自动编码器模型是基于人脸库中的每个人脸图像训练得到的；将所述待匹配的第二人脸图像与人脸库中的每个人脸图像进行匹配，确定所述人员的身份信息。
48.上述的技术方案具有如下优点或有益效果：
49.获取人员轨迹数据中的每个人脸图像，并根据每个人脸图像确定待匹配的每个第一人脸图像之后，基于预先训练完成的自动编码器模型确定每个第一人脸图像对应的损失值，根据每个第一人脸图像对应的损失值确定待匹配的第二人脸图像。从而可以筛选出与人脸库中的人脸图像匹配程度更高的待匹配的第二人脸图像。然后将待匹配的第二人脸图像与人脸库中的每个人脸图像进行匹配，确定所述人员的身份信息。从而提高人脸图像匹配的准确率。
附图说明
50.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，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附图。
51.图1为本发明实施例1提供的人脸图像匹配过程示意图；
52.图2为本发明实施例3提供的人脸图像匹配过程示意图；
53.图3为本发明实施例3提供的基于优选后的图片进行身份匹配过程示意图；
54.图4为本发明实施例3提供的确定人员对应身份示意图；
55.图5为本发明实施例4提供的人脸图像匹配装置结构示意图；
56.图6为本发明实施例5提供的电子设备结构示意图。
具体实施方式
57.下面将结合附图对本发明作进一步地详细描述，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。基于本发明中的实施例，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它实施例，都属于本发明保护的范围。
58.实施例1：
59.图1为本发明实施例提供的人脸图像匹配过程示意图，该过程包括以下步骤：
60.s101：获取人员轨迹数据中的每个人脸图像，根据所述每个人脸图像确定待匹配的每个第一人脸图像。
61.s102：将所述每个第一人脸图像输入预先训练完成的自动编码器模型，基于所述自动编码器模型确定所述每个第一人脸图像对应的损失值，根据所述每个第一人脸图像对应的损失值确定待匹配的第二人脸图像；其中，所述自动编码器模型是基于人脸库中的每个人脸图像训练得到的。
62.s103：将所述待匹配的第二人脸图像与人脸库中的每个人脸图像进行匹配，确定所述人员的身份信息。
63.本发明实施例提供的人脸图像匹配方法应用于电子设备，该电子设备可以是pc、平板电脑、服务器等设备。
64.本发明实施例中，通过刷脸解锁、刷脸开门、刷脸安检、刷脸登机、刷脸住酒店、刷脸支付就医等刷脸应用采集人员轨迹数据，电子设备获取人员轨迹数据中的每个人脸图像。进而可以将每个人脸图像都作为待匹配的每个第一人脸图像。
65.电子设备预先训练完成有自动编码器模型，其中，自动编码器模型是基于人脸库中的每个人脸图像训练得到的。具体的，自动编码器模型的训练过程包括：针对人脸库中的每个人脸图像，将该人脸图像输入所述自动编码器模型，基于所述自动编码器模型对该人脸图像进行解码，再重新编码得到重构后的第二图像，根据该人脸图像的特征信息和所述重构后的第二图像的特征信息确定该人脸图像对应的损失值；根据人脸库中的每个人脸图像对应的损失值，对所述自动编码器模型进行训练。
66.将每个第一人脸图像输入预先训练完成的自动编码器模型，基于自动编码器模型确定每个第一人脸图像对应的损失值，根据每个第一人脸图像对应的损失值确定待匹配的第二人脸图像。可选的，将最小的损失值对应的第一人脸图像确定为待匹配的第二人脸图像，或者将损失值较小的预设数量的第一人脸图像确定为待匹配的第二人脸图像。将待匹配的第二人脸图像与人脸库中的每个人脸图像进行匹配，确定所述人员的身份信息。
67.具体的，基于所述自动编码器模型确定所述每个第一人脸图像对应的损失值包括：针对所述每个第一人脸图像，基于所述自动编码器模型对该第一人脸图像进行解码，再重新编码得到重构后的第一图像，根据该第一人脸图像的特征信息和所述重构后的第一图像的特征信息确定该第一人脸图像对应的损失值。
68.由于在本发明实施例中，获取人员轨迹数据中的每个人脸图像，并根据每个人脸图像确定待匹配的每个第一人脸图像之后，基于预先训练完成的自动编码器模型确定每个第一人脸图像对应的损失值，根据每个第一人脸图像对应的损失值确定待匹配的第二人脸图像。从而可以筛选出与人脸库中的人脸图像匹配程度更高的待匹配的第二人脸图像。然后将待匹配的第二人脸图像与人脸库中的每个人脸图像进行匹配，确定所述人员的身份信息。从而提高人脸图像匹配的准确率。
69.实施例2：
70.为了使确定待匹配的每个第一人脸图像更准确，在上述实施例的基础上，在本发明实施例中，所述获取人员轨迹数据中的每个人脸图像，根据所述每个人脸图像确定待匹配的每个第一人脸图像包括：
71.将所述每个人脸图像与每个档案中的档案图像进行相似度计算，根据相似度计算
结果将所述每个人脸图像划分到对应的目标档案组，从所述目标档案组中选取待匹配的每个第一人脸图像。
72.电子设备针对每个人脸图像，将该人脸图像与已经存在的每个档案中的档案图像进行相似度计算。如果存在与该人脸图像的相似度大于预设的相似度阈值的档案图像，则将该人脸图像划分到对应的目标档案组中。需要说明的是，同一张人脸图像有可能划分到不同的目标档案组中。也有可能每个档案中的档案图像与该人脸图像的相似度都不大于预设的相似度阈值，此时新建一个档案组，将该人脸图像划分到新建的档案组中。将所述每个人脸图像与每个档案中的档案图像进行相似度计算，根据相似度计算结果将所述每个人脸图像划分到对应的目标档案组包括：针对所述每个档案，从所述档案中选取预设第二数量的档案图像作为待匹配档案图像；将所述每个人脸图像与每个档案中的每个待匹配档案图像进行相似度计算，根据相似度计算结果将所述每个人脸图像划分到对应的目标档案组。其中，可以选取质量好的预设第二数量的档案图像作为待匹配档案图像。
73.电子设备根据上述方法将每个人脸图像划分到对应的目标档案组，然后从每个目标档案组中选取待匹配的每个第一人脸图像。其中，可以从每个目标档案组中选取质量最好的一个档案图像作为待匹配的第一人脸图像，也可以从每个目标档案组中选取质量较好的几个档案图像作为待匹配的第一人脸图像。需要说明的是，选取出的待匹配的第一人脸图像有可能是人员轨迹数据中的人脸图像，也有可能是目标档案组中已有的档案图像。从每个目标档案组中选取质量好的档案图像作为待匹配的第一人脸图像，可以是选清晰度高的档案图像作为待匹配的第一人脸图像。
74.较佳的，从所述目标档案组中选取待匹配的每个第一人脸图像包括：
75.根据所述目标档案组中的每个图像的属性特征，确定所述每个图像的质量分值，选取质量分值较高的预设第二数量的图像作为待匹配的每个第一人脸图像。
76.目标档案组中的每个图像的属性特征包括图像的清晰度，人脸角度，是否戴口罩，是否戴墨镜，是否戴帽子以及人脸大小。清晰度属性，清晰度越高，图片越清晰；图像中的人脸角度，值越小，人脸角度越正；是否戴口罩，是否戴墨镜，是否戴帽子，这三个属性表示人脸是否被遮掩，人脸被遮掩的比例越大，则人脸的特征越少，与身份信息图片的相似度就越低；图片人脸大小，人脸越大，说明其离摄像头越近，抓拍的信息就越多。也就是说，清晰度越高，属性特征值越高；人脸角度越小，属性特征值越大；未戴口罩，未戴墨镜，未戴帽子的属性特征值高于戴口罩，戴墨镜，戴帽子的属性特征值；人脸越大，属性特征值越大。
77.根据目标档案组中的每个图像的属性特征对应的属性特征值，确定每个图像的质量分值，例如，针对每个图像，将该图像的属性特征对应的属性特征值相加得到该图像的质量分值。
78.较佳的，根据所述目标档案组中的每个图像的属性特征，确定所述每个图像的质量分值包括：针对所述目标档案组中的每个图像，确定该图像的每个属性特征对应的属性特征值，根据该图像的每个属性特征对应的属性特征值及预设的每个属性特征对应的权重值，确定该图像的质量分值。
79.为每个属性特征分配对应的权重值，针对每个图像，将该图像的属性特征对应的属性特征值和权重值进行加权求和得到该图像的质量分值。
80.根据目标档案组中的每个图像的属性特征对应的属性特征值，确定每个图像的质
量分值之后，将每个图像的质量分值按照由高到低进行排序，然后选取质量分值高的预设第二数量的图像作为待匹配的每个第一人脸图像。
81.由于在本发明实施例中，将每个人脸图像与每个档案中的档案图像进行相似度计算，根据相似度计算结果将每个人脸图像划分到对应的目标档案组，根据目标档案组中的每个图像的属性特征，确定每个图像的质量分值，选取质量分值高的预设第二数量的图像作为待匹配的每个第一人脸图像。从而使确定待匹配的每个第一人脸图像更准确。
82.实施例3：
83.在上述各实施例的基础上，在本发明实施例中，根据所述每个第一人脸图像对应的损失值确定待匹配的第二人脸图像包括：
84.判断是否存在损失值小于预设的损失阈值的第一人脸图像；如果存在，将损失值小于预设的损失阈值的第一人脸图像确定为待匹配的第二人脸图像，如果不存在，将损失值最小的第一人脸图像确定为待匹配的第二人脸图像。
85.本发明实施例在根据每个第一人脸图像对应的损失值确定待匹配的第二人脸图像时，提供了两种方式。第一种方式：如果存在损失值小于预设的损失阈值的第一人脸图像，则将损失值小于预设的损失阈值的第一人脸图像确定为待匹配的第二人脸图像。此时确定出的待匹配的第二人脸图像有可能是一个也有可能是多个。第二种方式：如果不存在损失值小于预设的损失阈值的第一人脸图像，则将损失值最小的第一人脸图像确定为待匹配的第二人脸图像。此时确定出一个待匹配的第二人脸图像。
86.本发明实施例中，将所述待匹配的第二人脸图像与人脸库中的每个人脸图像进行匹配，确定所述人员的身份信息包括：
87.确定每个待匹配的第二人脸图像与人脸库中的每个人脸图像的相似度，并确定与所述每个待匹配的第二人脸图像的相似度最大的目标人脸图像；
88.若存在大于预设的第一相似度阈值的目标人脸图像，则将所述大于预设的第一相似度阈值的目标人脸图像的身份信息确定为所述人员的身份信息；
89.若确定出的最大的相似度小于预设的第二相似度阈值，则确定匹配失败；
90.若确定出的最大的相似度位于预设的第二相似度阈值和预设的第一相似度阈值之间，将确定出的与所述每个待匹配的第二人脸图像的相似度最大的目标人脸图像中重复数量最多的目标人脸图像的身份信息确定为所述人员的身份信息；
91.其中，所述预设的第二相似度阈值小于所述预设的第一相似度阈值。
92.本发明实施例中，确定出待匹配的第二人脸图像之后，确定每个待匹配的第二人脸图像与人脸库中的每个人脸图像的相似度。需要说明的是，确定出的待匹配的第二人脸图像的数量有可能是一个，也有可能是多个。如果是多个待匹配的第二人脸图像，则针对每个待匹配的第二人脸图像，确定该待匹配的第二人脸图像与人脸库中的每个人脸图像的相似度。从人脸库中确定出与每个待匹配的第二人脸图像的相似度最大的目标人脸图像。若存在大于预设的第一相似度阈值的目标人脸图像，则将大于预设的第一相似度阈值的目标人脸图像的身份信息确定为人员的身份信息。若确定出的最大的相似度小于预设的第二相似度阈值，则确定匹配失败。其中，预设的第二相似度阈值小于预设的第一相似度阈值。
93.若确定出的最大的相似度位于预设的第二相似度阈值和预设的第一相似度阈值之间，将确定出的与每个待匹配的第二人脸图像的相似度最大的目标人脸图像中重复数量
最多的目标人脸图像的身份信息确定为人员的身份信息。
94.下面结合附图对人脸图像匹配的过程进行详细说明。
95.图2为本发明实施例提供的人脸图像匹配过程示意图，该过程包括：
96.s201：获取不同人像的聚类档案。
97.s202：根据档案图片的属性进行初筛。
98.s203：特征重构，剔除损失值异常的图片。
99.s204：基于优选后的图片进行身份匹配。
100.获取不同人像的聚类档案具体过程如下。
101.获取人员一段时间范围内及一段空间范围内的轨迹序列数据，例如人员a当天活动产生的轨迹(a1,a2,.a3,a4,a5)，a1包括抓拍到的时间和抓拍区域，以及抓拍到的图片特征等信息。
102.按照活动时间顺序将人员轨迹图片特征与之前存在的档案特征进行相似度计算比对，例如，取人员a的轨迹a1的图片特征与所有档案的特征进行相似度计算，如果和b档案计算得到的相似度满足预先设定的阈值，则将a1归入到b档案中，如果遍历所有档案，均不满足阈值，则新建档案c，将a1归入c档案中。
103.重复步骤1和2，直至将所有人员的人脸活动轨迹归到档案中。
104.根据档案图片的属性进行初筛具体过程如下。
105.获取a人员的档案信息，获取a人员档案内的a张图片的图片属性特征，主要为以下六个维度的属性特征，分别是图片的清晰度属性，清晰度越高，图片越清晰；图片的人脸角度，值越小，人脸角度越正；是否戴口罩，是否戴墨镜，是否戴帽子，这三个属性表示人脸是否被遮掩，人脸被遮掩的比例越大，则人脸的特征越少，与身份信息图片的相似度就越低；图片人脸大小，人脸大小越大，说明其离摄像头越近，抓拍的信息就越多。
106.步骤1中的人脸图片属性可以通过模型训练识别而来，例如深度卷积网络(resnet等)，将图片送入已经训练好的模型，得到上述人脸特征。
107.得到人脸特征后，计算人脸图片的分数值，分数值代表一张图片被选中的可能，分数值越高，则图片被选中的可能性越大，分数可根据下列公式计算得到：
108.分数＝ωa*清晰度+ωb*人脸角度+ωc*口罩分数+ωd*墨镜分数+ωe*帽子分数+ωf*人脸大小。
109.其中ω
x
分别代表每个属性的权重，而清晰度，人脸角度等也都是经过归一化后的属性分数。
110.获取a人员档案内所有图片的分数后，根据分数进行从高到低的排序，选取档案所有图片总数x的三分之一作为待定图片，档案图片数的三分之一小于两张的，向上取两张作为待定图片，大于五张的，只选取五张作为待定图片。
111.特征重构，剔除损失值异常的图片具体过程如下。
112.训练自动编码器模型，所用到的训练集为身份证图片的集合。自动编码器为无监督训练的模型，首先将图片特征解码，之后再重新编码，期望获得与原本图片特征相同或损失差距较小的新编码特征。自动编码器的训练目标是使损失函数的值最小，损失函数如下所示，其中λ∑j|hj|是正则化项，w
jhj
是重构的特征，损失函数就是求所有样本的重构特征和原始特征间的平方差值，模型的优化目标就是使所有样本的重构样本和原始样本的误差
最小。
113.l(x；w)＝∑j||w
jhj-xj||2+λ∑j|hj|。
114.在训练的过程中，自动编码器可以学习到身份证图片的空间分布，因此可以拿训练好的自动编码器识别s102中档案内初步筛选的待定图片，若待定图片经过模型识别得到的损失小于设定的阈值，则认为待定图片处于身份证图片的空间分布中，则待定图片有更大的可能性与身份证图片进行匹配，在计算与身份证间的相似度时，有更大的置信度认为待定图片与身份证图片的相似度可信。
115.将a人员所有待定图片通过自动编码器得到损失，若损失小于阈值则认为其是最终的优选图片。若一个档案内无损失小于阈值的图片，则根据损失排序，取最小损失的图片作为优选图片。
116.基于优选后的图片进行身份匹配具体过程如图3所示。
117.获取a人员档案内所有经过自动编码器判别的优选图片，每一张图片都与所有的身份证底库进行相似度计算，返回与每一张图片相似度排名在top1的身份证号码和相似度。
118.进行逻辑判断，若a人员档案内有任意一张图片与某身份证的相似度大于等于第一阈值，则认为a人员与该身份证为同一人，直接进行匹配；若a人员档案内有图片与身份证相似度处于第一阈值与第二阈值之间，进行下一步判断，其中第一阈值的值大于第二阈值。
119.获取a档案中所有图片与身份证相似度处于第二阈值和第一阈值之间的图片和对应身份证，判断获取数量，若获取数量小于二，则直接跳过；否则，判断有两张或以上优选图片对应的身份信息相等，则认为a人员与该身份信息有对应关系，将a人员与该身份证匹配。
120.以图4为例，对于a人员，如果优选图片有五张，分别是优选图片a、优选图片b、优选图片c、优选图片d以及优选图片e。优选图片a、优选图片b、优选图片c对应身份a，优选图片d对应身份b，优选图片e对应身份c。重复数量最多的身份信息为身份a，因此确定a人员对应身份a。
121.本发明实施例提供的人脸图像匹配方法，通过自编码器训练身份证数据，得到身份证图片特征具有的空间分布。利用训练好的自编码器来识别异常人脸图片，用自编码器重构后如果重构误差大的图片，则认为其不符合身份证空间分布，通常与身份证匹配程度低。使用筛选后的图片进行身份证匹配，利用一些投票策略增强身份证匹配的准确度。
122.实施例4：
123.图5为本发明实施例提供的人脸图像匹配装置结构示意图，该装置包括：
124.第一确定模块51，用于获取人员轨迹数据中的每个人脸图像，根据所述每个人脸图像确定待匹配的每个第一人脸图像；
125.第二确定模块52，用于将所述每个第一人脸图像输入预先训练完成的自动编码器模型，基于所述自动编码器模型确定所述每个第一人脸图像对应的损失值，根据所述每个第一人脸图像对应的损失值确定待匹配的第二人脸图像；其中，所述自动编码器模型是基于人脸库中的每个人脸图像训练得到的；
126.第三确定模块53，用于将所述待匹配的第二人脸图像与人脸库中的每个人脸图像进行匹配，确定所述人员的身份信息。
127.所述第一确定模块51，具体用于针对所述每个档案，从所述档案中选取预设第二
数量的档案图像作为待匹配档案图像；将所述每个人脸图像与每个档案中的每个待匹配档案图像进行相似度计算，根据相似度计算结果将所述每个人脸图像划分到对应的目标档案组。
128.所述第一确定模块51，具体用于将所述每个人脸图像与每个档案中的档案图像进行相似度计算，根据相似度计算结果将所述每个人脸图像划分到对应的目标档案组，从所述目标档案组中选取待匹配的每个第一人脸图像。
129.所述第一确定模块51，具体用于针对所述目标档案组中的每个图像，确定该图像的每个属性特征对应的属性特征值，根据该图像的每个属性特征对应的属性特征值及预设的每个属性特征对应的权重值，确定该图像的质量分值。
130.所述第一确定模块51，具体用于根据所述目标档案组中的每个图像的属性特征，确定所述每个图像的质量分值，选取质量分值高的预设第二数量的图像作为待匹配的每个第一人脸图像。
131.所述第二确定模块52，具体用于针对所述每个第一人脸图像，基于所述自动编码器模型对该第一人脸图像进行解码，再重新编码得到重构后的第一图像，根据该第一人脸图像的特征信息和所述重构后的第一图像的特征信息确定该第一人脸图像对应的损失值。
132.所述第二确定模块52，具体用于判断是否存在损失值小于预设的损失阈值的第一人脸图像；如果存在，将损失值小于预设的损失阈值的第一人脸图像确定为待匹配的第二人脸图像，如果不存在，将损失值最小的第一人脸图像确定为待匹配的第二人脸图像。
133.所述第三确定模块53，具体用于确定每个待匹配的第二人脸图像与人脸库中的每个人脸图像的相似度，并确定与所述每个待匹配的第二人脸图像的相似度最大的目标人脸图像；若存在大于预设的第一相似度阈值的目标人脸图像，则将所述大于预设的第一相似度阈值的目标人脸图像的身份信息确定为所述人员的身份信息；若确定出的最大的相似度小于预设的第二相似度阈值，则确定匹配失败；若确定出的最大的相似度位于预设的第二相似度阈值和预设的第一相似度阈值之间，将确定出的与所述每个待匹配的第二人脸图像的相似度最大的目标人脸图像中重复数量最多的目标人脸图像的身份信息确定为所述人员的身份信息；其中，所述预设的第二相似度阈值小于所述预设的第一相似度阈值。
134.所示装置还包括：
135.训练模块54，用于针对人脸库中的每个人脸图像，将该人脸图像输入所述自动编码器模型，基于所述自动编码器模型对该人脸图像进行解码，再重新编码得到重构后的第二图像，根据该人脸图像的特征信息和所述重构后的第二图像的特征信息确定该人脸图像对应的损失值；根据人脸库中的每个人脸图像对应的损失值，对所述自动编码器模型进行训练。
136.实施例5：
137.在上述各实施例的基础上，本发明实施例中还提供了一种电子设备，如图6所示，包括：处理器301、通信接口302、存储器303和通信总线304，其中，处理器301，通信接口302，存储器303通过通信总线304完成相互间的通信；
138.所述存储器303中存储有计算机程序，当所述程序被所述处理器301执行时，使得所述处理器301执行如下步骤：
139.获取人员轨迹数据中的每个人脸图像，根据所述每个人脸图像确定待匹配的每个
第一人脸图像；
140.将所述每个第一人脸图像输入预先训练完成的自动编码器模型，基于所述自动编码器模型确定所述每个第一人脸图像对应的损失值，根据所述每个第一人脸图像对应的损失值确定待匹配的第二人脸图像；其中，所述自动编码器模型是基于人脸库中的每个人脸图像训练得到的；
141.将所述待匹配的第二人脸图像与人脸库中的每个人脸图像进行匹配，确定所述人员的身份信息。
142.基于同一发明构思，本发明实施例中还提供了一种电子设备，由于上述电子设备解决问题的原理与人脸图像匹配方法相似，因此上述电子设备的实施可以参见方法的实施，重复之处不再赘述。
143.本发明实施例提供的电子设备具体可以为桌面计算机、便携式计算机、智能手机、平板电脑、个人数字助理(personal digital assistant，pda)、网络侧设备等。
144.上述电子设备提到的通信总线可以是外设部件互连标准(peripheral component interconnect，pci)总线或扩展工业标准结构(extended industry standard architecture，eisa)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
145.通信接口302用于上述电子设备与其他设备之间的通信。
146.存储器可以包括随机存取存储器(random access memory，ram)，也可以包括非易失性存储器(non-volatile memory，nvm)，例如至少一个磁盘存储器。可选地，存储器还可以是至少一个位于远离前述处理器的存储装置。
147.上述处理器可以是通用处理器，包括中央处理器、网络处理器(network processor，np)等；还可以是数字信号处理器(digital signal processing，dsp)、专用集成电路、现场可编程门陈列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
148.在本发明实施例中处理器执行存储器上所存放的程序时，实现获取人员轨迹数据中的每个人脸图像，根据所述每个人脸图像确定待匹配的每个第一人脸图像；将所述每个第一人脸图像输入预先训练完成的自动编码器模型，基于所述自动编码器模型确定所述每个第一人脸图像对应的损失值，根据所述每个第一人脸图像对应的损失值确定待匹配的第二人脸图像；其中，所述自动编码器模型是基于人脸库中的每个人脸图像训练得到的；将所述待匹配的第二人脸图像与人脸库中的每个人脸图像进行匹配，确定所述人员的身份信息。获取人员轨迹数据中的每个人脸图像，并根据每个人脸图像确定待匹配的每个第一人脸图像之后，基于预先训练完成的自动编码器模型确定每个第一人脸图像对应的损失值，根据每个第一人脸图像对应的损失值确定待匹配的第二人脸图像。从而可以筛选出与人脸库中的人脸图像匹配程度更高的待匹配的第二人脸图像。然后将待匹配的第二人脸图像与人脸库中的每个人脸图像进行匹配，确定所述人员的身份信息。从而提高人脸图像匹配的准确率。
149.实施例6：
150.在上述各实施例的基础上，本发明实施例还提供了一种计算机存储可读存储介质，所述计算机可读存储介质内存储有可由电子设备执行的计算机程序，当所述程序在所
述电子设备上运行时，使得所述电子设备执行时实现如下步骤：
151.获取人员轨迹数据中的每个人脸图像，根据所述每个人脸图像确定待匹配的每个第一人脸图像；
152.将所述每个第一人脸图像输入预先训练完成的自动编码器模型，基于所述自动编码器模型确定所述每个第一人脸图像对应的损失值，根据所述每个第一人脸图像对应的损失值确定待匹配的第二人脸图像；其中，所述自动编码器模型是基于人脸库中的每个人脸图像训练得到的；
153.将所述待匹配的第二人脸图像与人脸库中的每个人脸图像进行匹配，确定所述人员的身份信息。
154.基于同一发明构思，本发明实施例中还提供了一种计算机可读存储介质，由于处理器在执行上述计算机可读存储介质上存储的计算机程序时解决问题的原理与人脸图像匹配方法相似，因此处理器在执行上述计算机可读存储介质存储的计算机程序的实施可以参见方法的实施，重复之处不再赘述。
155.上述计算机可读存储介质可以是电子设备中的处理器能够存取的任何可用介质或数据存储设备，包括但不限于磁性存储器如软盘、硬盘、磁带、磁光盘(mo)等、光学存储器如cd、dvd、bd、hvd等、以及半导体存储器如rom、eprom、eeprom、非易失性存储器(nand flash)、固态硬盘(ssd)等。
156.在本发明实施例中提供的计算机可读存储介质内存储计算机程序，计算机程序被处理器执行时实现获取人员轨迹数据中的每个人脸图像，根据所述每个人脸图像确定待匹配的每个第一人脸图像；将所述每个第一人脸图像输入预先训练完成的自动编码器模型，基于所述自动编码器模型确定所述每个第一人脸图像对应的损失值，根据所述每个第一人脸图像对应的损失值确定待匹配的第二人脸图像；其中，所述自动编码器模型是基于人脸库中的每个人脸图像训练得到的；将所述待匹配的第二人脸图像与人脸库中的每个人脸图像进行匹配，确定所述人员的身份信息。获取人员轨迹数据中的每个人脸图像，并根据每个人脸图像确定待匹配的每个第一人脸图像之后，基于预先训练完成的自动编码器模型确定每个第一人脸图像对应的损失值，根据每个第一人脸图像对应的损失值确定待匹配的第二人脸图像。从而可以筛选出与人脸库中的人脸图像匹配程度更高的待匹配的第二人脸图像。然后将待匹配的第二人脸图像与人脸库中的每个人脸图像进行匹配，确定所述人员的身份信息。从而提高人脸图像匹配的准确率。
157.本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
158.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
159.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
160.尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
161.显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。