图像处理方法、人脸识别方法及系统与流程

1.本公开涉及计算机视觉技术领域，尤其涉及一种图像处理方法、人脸识别方法及系统。


背景技术：

2.目前在通行场景的人脸识别应用中，需要将参考人脸图像的发送至服务器，服务器存储参考人脸图像，并将参考人脸图像同步下发给前端设备，以使得前端设备基于参考人脸图像进行人脸特征比对，实现人脸识别。


技术实现要素：

3.本公开提出了一种图像处理方法、人脸识别方法及系统的技术方案。
4.根据本公开的一方面，提供了一种图像处理方法，所述方法应用于服务器，所述方法包括：接收数据平台发送的特征提取请求，其中，所述特征提取请求中包括目标人脸图像、模型版本标识，所述模型版本标识用于指示人脸识别模型；基于所述模型版本标识，调用对应的特征提取算法，对所述目标人脸图像进行特征提取，得到所述目标人脸图像基于所述模型版本标识确定的参考人脸特征，其中，所述目标人脸图像基于所述模型版本标识确定的参考人脸特征，用于在具有所述模型版本标识指示的人脸识别模型的目标终端上，对所述目标人脸图像对应的目标用户进行人脸识别；删除本地缓存中的所述目标人脸图像。
5.在一种可能的实现方式中，所述方法还包括：将所述目标人脸图像基于所述模型版本标识确定的参考人脸特征发送至所述数据平台；接收所述数据平台发送的所述目标用户的人脸识别数据、以及所述目标用户的权限信息，其中，所述人脸识别数据包括：所述目标用户的身份标识、所述模型版本标识、所述目标用户基于所述模型版本标识确定的参考人脸特征、所述目标用户的个人信息。
6.在一种可能的实现方式中，所述数据平台包括：人像数据平台、信息数据平台；所述接收所述数据平台发送的所述目标用户的人脸识别数据、以及所述目标用户的权限信息，包括：接收所述人像数据平台发送的所述目标用户的身份标识、所述模型版本标识、所述目标用户基于所述模型版本标识确定的参考人脸特征；接收所述信息数据平台发送的所述目标用户的个人信息、所述目标用户的权限信息
7.在一种可能的实现方式中，所述方法还包括：基于所述目标用户的权限信息，确定所述目标用户具有人脸识别权限的所述目标终端；将所述人脸识别数据发送至所述目标终端。
8.在一种可能的实现方式中，所述方法还包括：接收所述目标终端发送的所述目标用户的人脸识别记录，其中，所述人脸识别记录中包括：本次人脸识别的抓拍人脸图、本次人脸识别的时空信息。
9.在一种可能的实现方式中，所述方法还包括：在接收到所述数据平台发送的多个
目标用户的人脸识别数据的情况下，根据每个目标用户的权限信息，对所述多个目标用户的人脸识别数据进行分组存储。
10.在一种可能的实现方式中，所述方法还包括：对所述目标人脸图像进行质量检测；在所述目标人脸图像的质量检测结果不符合预设质量条件的情况下，向所述数据平台发送图像更新请求。包括：
11.根据本公开的一方面，提供了一种图像处理方法，所述方法应用于数据平台，所述方法包括：获取目标用户的目标人脸图像；向服务器发送特征提取请求，其中，所述特征提取请求中包括所述目标人脸图像、模型版本标识，所述模型版本标识用于指示人脸识别模型；接收所述服务器发送的所述目标人脸图像基于所述模型版本标识确定的参考人脸特征，其中，所述目标人脸图像基于所述模型版本标识确定的参考人脸特征，用于在具有所述模型版本标识指示的人脸识别模型的目标终端上，对所述目标用户进行人脸识别；向所述服务器发送所述目标用户的人脸识别数据、以及所述目标用户的权限信息，其中，所述人脸识别数据包括：所述目标用户的身份标识、所述模型版本标识、所述目标用户基于所述模型版本标识确定的参考人脸特征、所述目标用户的个人信息。
12.在一种可能的实现方式中，所述数据平台包括：人像数据平台；所述向所述服务器发送所述目标用户的人脸识别数据，包括：所述人像数据平台确定所述目标用户的身份标识；所述人像数据平台将所述目标用户的身份标识、所述模型版本标识、所述目标用户基于所述模型版本标识确定的参考人脸特征，发送至所述服务器。
13.在一种可能的实现方式中，所述数据平台包括：信息数据平台；所述向所述服务器发送所述目标用户的人脸识别数据、以及所述目标用户的权限信息，包括：所述信息数据平台基于所述目标用户的身份标识，确定所述目标用户的个人信息、所述目标用户的权限信息；所述信息数据平台将所述目标用户的个人信息、所述目标用户的权限信息，发送至所述服务器。
14.在一种可能的实现方式中，所述方法还包括：接收所述服务器发送的图像更新请求；响应于所述图像更新请求，重新获取目标用户的人脸图像，以及利用重新获取的人脸图像，更新所述目标人脸图像。
15.根据本公开的一方面，提供了一种人脸识别方法，所述方法应用于目标终端，所述目标终端具有所述模型版本标识指示的人脸识别模型，目标用户在所述目标终端具有人脸识别权限，所述方法包括：接收服务器发送的所述目标用户的人脸识别数据，所述人脸识别数据包括：所述目标用户的身份标识、所述模型版本标识、所述目标用户基于所述模型版本标识确定的参考人脸特征、所述目标用户的个人信息；基于所述人脸识别数据，对所述目标用户进行人脸识别。
16.在一种可能的实现方式中，所述基于所述人脸识别数据，对所述目标用户进行人脸识别，包括：获取待识别用户的本次人脸识别的抓拍人脸图；基于所述模型版本标识指示的人脸识别模型，对本次人脸识别的抓拍人脸图进行特征提取，得到所述待识别用户的待识别人脸特征；在所述待识别用户的待识别人脸，与所述目标用户的参考人脸特征匹配成功的情况下，确定本次人脸识别成功。
17.在一种可能的实现方式中，所述方法还包括：将所述目标用户的个人信息，在所述目标终端的显示屏幕上进行脱敏显示。
18.在一种可能的实现方式中，所述方法还包括：基于本次人脸识别的抓拍人脸图、本次人脸识别的时空信息，生成所述目标用户的人脸识别记录；将所述目标用户的人脸识别记录发送至所述服务器。
19.根据本公开的一方面，提供了一种人脸识别系统，其特征在于，所述人脸识别系统包括：数据平台、服务器、目标终端，其中：所述目标终端获取目标用户的目标人脸图像；所述目标终端向所述服务器发送特征提取请求，其中，所述特征提取请求中包括所述目标人脸图像、模型版本标识；所述服务器基于所述模型版本标识，调用对应的特征提取算法，对所述目标人脸图像进行特征提取，得到所述目标人脸图像基于所述模型版本标识确定的参考人脸特征，并删除本地缓存中的所述目标人脸图像；所述目标终端接收所述服务器发送的所述目标用户的人脸识别数据，所述人脸识别数据包括：所述目标用户的身份标识、所述模型版本标识、所述目标用户基于所述模型版本标识确定的参考人脸特征、所述目标用户的个人信息；所述目标终端基于所述人脸识别数据，对所述目标用户进行人脸识别。
20.在本公开实施例中，服务器接收数据平台发送的，包括目标人脸图像、模型版本标识特征提取请求，基于模型版本标识，调用对应的特征提取算法，对目标人脸图像进行特征提取，得到目标人脸图像基于模型版本标识确定的参考人脸特征，并删除本地缓存中的目标人脸图像，其中，目标人脸图像基于模型版本标识确定的参考人脸特征，用于在具有模型版本标识对应的特征提取算法的目标终端上，对目标人脸图像对应的目标用户进行人脸识别。由于服务器仅基于模型版本标识对目标人脸图像进行特征提取，得到用于后续人脸识别的参考人脸特征，而不对目标人脸图像进行存储，以使得涉及个人隐私的目标人脸图像仅存储在数据平台本地，有效提高了人脸识别过程中的数据安全，降低了个人隐私泄漏的风险。
21.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，而非限制本公开。根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
22.此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
23.图1示出相关技术中的人脸识别场景的示意图；
24.图2示出根据本公开实施例的人脸识别场景的示意图；
25.图3示出根据本公开实施例的一种图像处理方法的流程图；
26.图4示出根据本公开实施例的一种人脸识别系统的示意图；
27.图5示出根据本公开实施例的一种图像处理方法的流程图；
28.图6示出根据本公开实施例的一种人脸识别方法的流程图；
29.图7示出根据本公开实施例的一种服务器的框图；
30.图8示出根据本公开实施例的一种数据平台的框图；
31.图9示出根据本公开实施例的一种目标终端的框图；
32.图10示出根据本公开实施例的一种电子设备的框图；
33.图11示出根据本公开实施例的一种电子设备的框图。
具体实施方式
34.以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
35.在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
36.本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括a、b、c中的至少一种，可以表示包括从a、b和c构成的集合中选择的任意一个或多个元素。
37.另外，为了更好地说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
38.目前在通行场景的人脸识别应用中，需要将参考人脸图像发送至服务器，服务器存储参考人脸图像，并将参考人脸图像同步下发给前端设备，以使得前端设备基于参考人脸图像进行人脸特征比对，实现人脸识别。前端设备可以是指具有人脸识别功能的目标，例如，人脸识别门禁机、人脸识别闸机等。
39.图1示出相关技术中的人脸识别场景的示意图。如图1所示，人脸识别场景中包括服务器11和目标终端12。将参考人脸图像上传至服务器10，服务器10存储参考人脸图像，并将参考人脸图像同步下发至目标终端20。目标终端20基于对待识别用户采集的人脸抓拍图、与参考人脸图像进行人脸特征对比，以实现对待识别用户的人脸识别。但是，由于参考人脸图像需要存储在服务器中，导致存在个人隐私泄露的风险。
40.图2示出根据本公开实施例的人脸识别场景的示意图。如图2所示，本公开实施例的人脸识别场景中包括服务器21、数据平台22、目标终端23。如图2所示，服务器21接收数据平台22发送的，包括目标人脸图像、用于指示人脸识别模型的模型版本标识的特征提取请求，服务器21基于模型版本标识，调用对应的特征提取算法，对目标人脸图像进行特征提取，得到目标人脸图像基于模型版本标识确定的参考人脸特征，目标人脸图像基于模型版本标识确定的参考人脸特征，用于在具有模型版本标识指示的人脸识别模型的目标终端23上，对目标人脸图像对应的目标用户进行人脸识别。
41.由于不同目标终端可能是不同厂商生产的，导致不同目标终端中的人脸识别模型不同，因此，为了使得后续可以在对应的目标终端中进行人脸识别，需要将对应的模型版本标识发送至服务器，以使得服务器基于模型版本标识，提取对应的参考人脸特征。
42.此外，在提取得到目标人脸图像基于模型版本标识确定的参考人脸特征之后，服务器21删除本地缓存中的目标人脸图像，也就是说，服务器21仅基于模型版本标识对目标人脸图像进行特征提取，而不对目标人脸图像进行存储，也不会将目标人脸图像下发至目标终端23，以使得涉及个人隐私的目标人脸图像仅存储在数据平台22本地，有效提高了人脸识别过程中的数据安全，降低了个人隐私泄漏的风险。
43.下面对本公开实施例提供的图像处理方法、人脸识别方法进行详细描述。这里的图像处理方法是对人脸图像进行预处理的方法，为了后续人脸识别做准备。
44.图3示出根据本公开实施例的一种图像处理方法的流程图。该图像处理方法可以应用于上述图2中的服务器21。如图3所示，该图像处理方法可以包括：
45.在步骤s31中，接收数据平台发送的特征提取请求，其中，特征提取请求中包括目标人脸图像、模型版本标识。
46.这里的数据平台可以是专门对数据信息进行统一存储、管理的平台，数据平台的具体形式可以根据实际需要确定，本公开对此不作具体限定。
47.在一示例中，当人脸识别应用于学校的人员通行场景时，数据平台可以是学校的学生信息管理平台。图4示出根据本公开实施例的一种人脸识别系统的示意图。图4所示的人脸识别系统应用于学校的人员通行场景，图4中所示的数据平台可以是学校的学生信息管理平台，学生可以将自身的人脸图像、个人信息上传至数据平台。
48.为了实现人脸识别通行，数据平台向服务器发送特征提取请求，由于人脸识别通行场景中可能涉及多个不同目标终端，也即涉及多个不同模型版本标识指示的人脸识别模型，因此，特征提取请求中除了包括目标人脸图像之外，还包括模型版本标识，以使得后续能够调用与人脸识别模型对应的特征提取算法进行特征提取。
49.在一示例中，服务器可以预先获取其内嵌或对接的内部产品/组件/平台所包含的所有人脸识别模型的多个模型版本标识，并将多个模型版本标识发送至数据平台，以使得数据平台在发送特征提取请求时，可以选择至少一个服务器支持且与目标终端匹配的模型版本标识。
50.在步骤s32中，基于模型版本标识，调用对应的特征提取算法，对目标人脸图像进行特征提取，得到目标人脸图像基于模型版本标识确定的参考人脸特征，目标人脸图像基于模型版本标识确定的参考人脸特征，用于在具有模型版本标识指示的人脸识别模型的目标终端上，对目标人脸图像对应的目标用户进行人脸识别。
51.服务器基于特征提取中包括的模型版本标识，调用与该模型版本标识指示的人脸识别模型对应的特征提取算法，对目标人脸图像进行特征提取，得到目标人脸图像基于该模型版本标识确定的参考人脸特征，后续可以利用该参考人脸特征，在具有该模型版本标识指示的人脸识别模型的目标终端上，对目标人脸图像对应的目标用户进行人脸识别。
52.在一示例中，服务器中包括提取节点。提取节点基于模型版本标识，调用对应的特征提取算法，对目标人脸图像进行特征提取。
53.以上述图4为例，如图4所示，服务器中包括提取节点，提取节点可以直接调用服务器内嵌的模型版本标识对应的特征提取算法，对目标人脸图像进行特征提取。
54.在一示例中，服务器中还包括内嵌的智能物联云平台，在服务器不存在内嵌的模型版本标识对应的特征提取算法的情况下，提取节点还可以基于智能物联云平台，调用外部与服务器对接的，模型版本标识指示的人脸识别模型对应的特征提取算法，对目标人脸图像进行特征提取。
55.在步骤s33中，删除本地缓存中的目标人脸图像。
56.服务器对目标人脸图像进行特征提取，得到目标人脸图像基于模型版本标识确定的参考人脸特征之后，删除本地缓存中的目标人脸图像，以确保服务器中不存储涉及个人隐私的目标人脸图像，降低个人隐私泄漏的风险。
57.在本公开实施例中，服务器接收数据平台发送的，包括目标人脸图像、模型版本标
识特征提取请求，基于模型版本标识，调用对应的特征提取算法，对目标人脸图像进行特征提取，得到目标人脸图像基于模型版本标识确定的参考人脸特征，并删除本地缓存中的目标人脸图像，其中，目标人脸图像基于模型版本标识确定的参考人脸特征，用于在具有模型版本标识指示的人脸识别模型的目标终端上，对目标人脸图像对应的目标用户进行人脸识别。由于服务器仅基于模型版本标识对目标人脸图像进行特征提取，得到用于后续人脸识别的参考人脸特征，而不对目标人脸图像进行存储，以使得涉及个人隐私的目标人脸图像仅存储在数据平台本地，有效提高了人脸识别过程中的数据安全，降低了个人隐私泄漏的风险。
58.在一种可能的实现方式中，该图像处理方法还包括：对目标人脸图像进行质量检测；在目标人脸图像的质量检测结果不符合预设质量条件的情况下，向数据平台发送图像更新请求。
59.在上述步骤s31中接收到特征提取请求中包括的目标人脸图像之后，在进行特征提取之前，先对目标人脸图像进行质量检测，只有在目标人脸图像的质量检测结果符合预设质量条件的情况下，才进行后续特征提取，以确保提取得到的参考人脸特征的准确度。
60.在目标人脸图像的质量检测结果不符合预设质量条件的情况下，服务器可以向数据平台返回图像更新请求，以请求数据平台重新发送目标人脸图像，直至最新发送的目标人脸图像的质量检测结果符合预设质量条件。
61.预设质量条件可以根据实际情况设置，例如，人脸完整性、人脸清晰度等，本公开对此不作具体限定。
62.在一种可能的实现方式中，该图像处理方法还包括：将目标人脸图像基于模型版本标识确定的参考人脸特征发送至数据平台；接收数据平台发送的目标用户的人脸识别数据、以及目标用户的权限信息，其中，人脸识别数据包括：目标用户的身份标识、模型版本标识、目标用户基于模型版本标识确定的参考人脸特征、目标用户的个人信息。
63.服务器将目标人脸图像基于模型版本标识确定的参考人脸特征，返回至数据平台，经过数据平台的数据整合之后，服务器接收数据平台发送的目标用户的人脸识别数据、以及目标用户的权限信息。后文会结合本公开可能的实现方式，对数据平台进行数据整合确定目标用户的人脸识别数据、以及目标用户的权限信息的过程进行详细描述，此处不作赘述。
64.在一种可能的实现方式中，数据平台包括：人像数据平台、信息数据平台；接收数据平台发送的目标用户的人脸识别数据、以及目标用户的权限信息，包括：接收人像数据平台发送的目标用户的身份标识、模型版本标识、目标用户基于模型版本标识确定的参考人脸特征；接收信息数据平台发送的目标用户的个人信息、目标用户的权限信息。
65.数据平台中可以包括专门存储人脸图像的人像数据平台，以及存储其它信息数据的信息数据平台，服务器接收人像数据平台发送的目标用户的身份标识、模型版本标识、目标用户基于模型版本标识确定的参考人脸特征，以及接收信息数据平台发送的目标用户的个人信息、目标用户的权限信息。
66.在一示例中，数据平台利用身份标识，区分人像数据平台、信息数据平台中存储的，不同用户的人脸图像、其它信息数据。
67.以上述图4为例，如图4所示，数据平台(学生信息管理平台)将每个学生的学号(身
份标识)、模型版本标识、基于模型版本标识确定的参考人脸特征存储在人像数据平台，将每个学生的学号(身份标识)、姓名、身份证号、通行权限信息(权限信息)等存储在信息数据平台。
68.以上述图4为例，服务器中还包括应用节点，应用节点接收到人像数据平台发送的目标用户的身份标识、模型版本标识、目标用户基于模型版本标识确定的参考人脸特征之后，将目标用户的身份标识返回至数据平台，以使得信息数据平台基于目标用户的身份标识，向服务器发送目标用户的个人信息、目标用户的权限信息，从而实现服务器对目标用户的人脸识别数据进行数据补齐处理，并对数据补齐之后的目标用户的人脸识别数据进行入库存储。
69.以上述图4为例，如图4所示，服务器接收到人像数据平台发送的多个学生的学号(身份标识)、模型版本标识、基于模型版本标识确定的参考人脸特征之后，将多个学生的学号返回至学生信息管理平台，以使得信息数据平台基于多个学生的学号，查找多个学生的姓名、身份证号、通行权限信息发送至服务器，从而实现服务器对多个学生的人脸识别数据进行数据补齐处理。
70.不同学生的通行权限信息可能不同，可以根据实际情况对不同学生的通信权限信息进行设置，本公开对此不作具体限定。例如，针对学生a(男)，其通行权限信息包括：教学楼、图书馆、男生宿舍楼等；针对学生b(女)，其通行权限信息包括：教学楼、图书馆、女生宿舍楼等。
71.在一种可能的实现方式中，该图像处理方法还包括：在接收到数据平台发送的多个目标用户的人脸识别数据的情况下，根据每个目标用户的权限信息，对多个目标用户的人脸识别数据进行分组存储。
72.为了对多个目标用户的人脸识别数据进行合理管理，可以根据每个目标用户的权限信息，对多个目标用户的人脸识别数据进行分组存储。
73.在一示例中，将具有相同的权限信息的目标用户的人脸识别数据存储到相同的分组中。
74.在一示例中，服务器可以接收信息数据平台发送的每个目标用户的分组标识，不同组标识用于指示不同分组。服务器基于不同组标识，构建不同分组，并基于每个用户的分组标识，将每个目标用户的人脸识别数据存储到相同的分组中。
75.在一种可能的实现方式中，该图像处理方法还包括：基于目标用户的权限信息，确定目标用户具有人脸识别权限的目标终端；将人脸识别数据发送至目标终端。
76.服务器基于目标用户的权限信息，确定目标用户具有人脸识别权限的目标终端，进而服务器调用智能物联云平台，将人脸识别数据发送至目标终端，以使得目标用户可以在目标终端进行人脸识别。
77.例如，目标终端为人脸门禁机，目标用户可以在人脸门禁机进行人脸识别，并在识别成功后通行。
78.在一示例中，服务器可以将具有相同权限信息的分组内的所有人脸识别数据，全部下发至该权限信息对应的目标终端。
79.在一种可能的实现方式中，该图像处理方法还包括：接收目标终端发送的目标用户的人脸识别记录，其中，人脸识别记录中包括：本次人脸识别的抓拍人脸图、本次人脸识
别的时空信息。
80.目标用户在目标终端进行人脸识别之后，目标终端可以生成本次人脸识别的人脸识别记录，并将本次人脸识别的人脸识别记录发送至服务器，以使得服务器可以对目标用户的人脸识别记录进行存储，以待后续查看。
81.人脸识别记录中包括的本次人脸识别的时空信息，指的是本次人脸识别的时间信息、空间信息等。
82.人脸识别记录中除了包括本次人脸识别的抓拍人脸图、本次人脸识别的时空信息之外，还可以根据实际情况，包括其它需要记录存储的信息，本公开对此不作具体限定。
83.图5示出根据本公开实施例的一种图像处理方法的流程图。该图像处理方法可以应用于上述图2中的数据平台22。如图5所示，该图像处理方法可以包括：
84.在步骤s51中，获取目标用户的目标人脸图像。
85.目标用户基于自身持有的终端设备采集人脸图像，并上传至数据平台。
86.以上述图4为例，如图4所示，学生可以利用自身持有的手机，拍摄人脸图像后上传至学生信息管理平台。
87.在步骤s52中，向服务器发送特征提取请求，其中，特征提取请求中包括目标人脸图像、模型版本标识，模型版本标识用于指示人脸识别模型。
88.为了实现人脸识别，数据平台向服务器发送特征提取请求，由于人脸识别场景中可能涉及多个不同目标终端，也即涉及多个不同模型版本标识指示的人脸识别模型，因此，特征提取请求中除了包括目标人脸图像之外，还包括模型版本标识，以使得服务器后续能够调用与人脸识别模型对应的特征提取算法进行特征提取。
89.在步骤s53中，接收服务器发送的目标人脸图像基于模型版本标识确定的参考人脸特征，其中，目标人脸图像基于模型版本标识确定的参考人脸特征，用于在具有模型版本标识对应的特征提取算法的目标终端上，对目标用户进行人脸识别。
90.服务器确定目标人脸图像基于模型版本标识确定的参考人脸特征的过程，可以参考上述实施例的相关内容，此处不作赘述。
91.在步骤s54中，向服务器发送目标用户的人脸识别数据、以及目标用户的权限信息，其中，人脸识别数据包括：目标用户的身份标识、模型版本标识、目标用户基于模型版本标识确定的参考人脸特征、目标用户的个人信息。
92.在本公开实施例中，数据平台获取目标用户的目标人脸图像，向服务器发送包括目标人脸图像、用于指示人脸识别模型的模型版本标识的特征提取请求，以及接收服务器发送的目标人脸图像基于模型版本标识确定的参考人脸特征，其中，目标人脸图像基于模型版本标识确定的参考人脸特征，用于在具有模型版本标识指示的的人脸识别模型的目标终端上，对目标用户进行人脸识别，进而向服务器发送目标用户的人脸识别数据、以及目标用户的权限信息，其中，人脸识别数据包括：目标用户的身份标识、模型版本标识、目标用户基于模型版本标识确定的参考人脸特征、目标用户的个人信息。由于服务器仅基于模型版本标识对目标人脸图像进行特征提取，得到用于后续人脸识别的参考人脸特征，而不对目标人脸图像进行存储，以使得涉及个人隐私的目标人脸图像仅存储在数据平台本地，有效提高了人脸识别过程中的数据安全，降低了个人隐私泄漏的风险。
93.在一种可能的实现方式中，该图像处理方法还包括：接收服务器发送的图像更新
请求；响应于图像更新请求，重新获取目标用户的人脸图像，以及利用重新获取的人脸图像，更新目标人脸图像。
94.在步骤s52中，数据平台向服务器发送包括目标人脸图像的特征提取请求之后，服务器可以对目标人脸图像进行质量检测，在目标人脸图像的质量检测结果不符合预设质量条件的情况下，服务器向数据平台返回图像更新请求。对目标人脸图像进行质量检测的过程可以参考上述实施例的相关内容，此处不作赘述。
95.数据平台响应图像更新请求，重新获取目标用户的人脸图像，以及利用重新获取的人脸图像，更新目标人脸图像，并将更新后的目标人脸图像再次发送至服务器，直至最新发送的目标人脸图像的质量检测结果符合预设质量条件。
96.在一种可能的实现方式中，数据平台包括：人像数据平台；向服务器发送目标用户的权限信息，包括：人像数据平台确定目标用户的身份标识；人像数据平台将目标用户的身份标识、模型版本标识、目标用户基于模型版本标识确定的参考人脸特征，发送至服务器。
97.数据平台中可以包括专门存储人脸图像的人像数据平台，数据平台接收到服务器返回的目标人脸图像基于模型版本标识确定的参考人脸特征之后，将目标人脸图像基于模型版本标识确定的参考人脸特征存储在人像数据平台。
98.进而，人像数据平台确定目标用户的身份标识，并将目标用户的身份标识、模型版本标识、目标用户基于模型版本标识确定的参考人脸特征，再次发送至服务器，进行人脸识别数据的入库。
99.在一种可能的实现方式中，数据平台包括：信息数据平台；向服务器发送目标用户的人脸识别数据、以及目标用户的权限信息，包括：信息数据平台基于目标用户的身份标识，确定目标用户的个人信息、目标用户的权限信息；信息数据平台将目标用户的个人信息、目标用户的权限信息，发送至服务器。
100.服务器接收到人像数据平台发送的目标用户的身份标识、模型版本标识、目标用户基于模型版本标识确定的参考人脸特征之后，将目标用户的身份标识返回至数据平台，以使得信息数据平台基于目标用户的身份标识，向服务器发送目标用户的个人信息、目标用户的权限信息，从而实现服务器对目标用户的人脸识别数据进行数据补齐处理，并对数据补齐之后的目标用户的人脸识别数据进行入库存储。
101.图6示出根据本公开实施例的一种人脸识别方法的流程图。该人脸识别方法可以应用于上述图2中的目标终端23，目标终端23中具有模型版本标识指示的人脸识别模型，目标用户在目标终端23具有人脸识别权限。如图6所示，该人脸识别方法可以包括：
102.在步骤s61中，接收服务器发送的目标用户的人脸识别数据，人脸识别数据包括：目标用户的身份标识、模型版本标识、目标用户基于所述模型版本标识确定的参考人脸特征、目标用户的个人信息。
103.服务器将目标用户的人脸识别数据发送至目标终端，以使得目标用户可以在目标终端进行人脸识别。服务器确定目标用户对应的目标终端的过程可以参考上述实施例的相关内容，此处不作赘述。
104.在步骤s62中，基于人脸识别数据，对目标用户进行人脸识别。
105.目标终端可以基于人脸识别数据，对目标用户进行人脸识别。例如，目标终端为人脸门禁机，目标用户可以在人脸门禁机进行人脸识别，并在识别成功后通行。
106.在一种可能的实现方式中，基于人脸识别数据，对目标用户进行人脸识别，包括：获取待识别用户的本次人脸识别的抓拍人脸图；基于模型版本标识指示的人脸识别模型，对本次人脸识别的抓拍人脸图进行特征提取，得到待识别用户的待识别人脸特征；在待识别用户的待识别人脸特征，与目标用户的参考人脸特征匹配成功的情况下，确定本次人脸识别成功。
107.在待识别用户在目标终端前进行人脸识别时，目标终端获取待识别用户的本次人脸识别的抓拍人脸图，进而基于本地的人脸识别模型，对本次人脸识别的抓拍人脸图进行特征提取，得到待识别用户的待识别人脸特征，进而，将待识别人脸特征与目标终端本地存储的多个参考人脸特征相匹配，在待识别人脸特征与目标用户的参考人脸特征匹配成功的情况下，确定本次人脸识别成功，待识别用户即为目标用户。
108.例如，目标终端为人脸门禁机，在目标用户在人脸门禁机的本次人脸识别成功之后，开启人脸，允许目标用户。
109.在一种可能的实现方式中，该人脸识别方法还包括：将目标用户的个人信息，在目标终端的显示屏幕上进行脱敏显示。
110.在目标用户的本次人脸识别成功之后，可以将目标用户的人脸识别数据中的个人信息，在目标终端的显示屏幕上进行脱敏显示。
111.在一示例中，可以默认显示目标用户的姓名，且可以对目标用户的姓名进行脱敏显示。例如，对姓名中的姓进行正常显示，而对姓名中的名用*替换显示，以对个人隐私进行保护。
112.在一示例中，目标终端可以根据实际需要选择显示更多的个人信息。例如，可以显示工号、部门、身份证号等。其中，身份证号也可以进行脱敏显示，以对个人隐私进行保护。
113.目标终端实际展示的个人信息的具体内容可以根据实际需要进行设置，本公开对此不作具体限定。
114.在一种可能的实现方式中，该人脸识别方法还包括：基于本次人脸识别的抓拍人脸图、本次人脸识别的时空信息，生成目标用户的人脸识别记录；将目标用户的人脸识别记录发送至服务器。
115.目标用户在目标终端进行人脸识别之后，目标终端可以生成本次人脸识别的人脸识别记录，并将本次人脸识别的人脸识别记录发送至服务器，以使得服务器可以对目标用户的人脸识别记录进行存储，以待后续查看。
116.人脸识别记录中包括的本次人脸识别的时空信息，指的是本次人脸识别的时间信息、空间信息等。
117.人脸识别记录中除了包括本次人脸识别的抓拍人脸图、本次人脸识别的时空信息之外，还可以根据实际情况，包括其它需要记录存储的信息，本公开对此不作具体限定。
118.本公开实施例还提供了一种人脸识别系统，该人脸识别系统包括：数据平台、服务器、目标终端，其中：目标终端获取目标用户的目标人脸图像；目标终端向服务器发送特征提取请求，其中，特征提取请求中包括目标人脸图像、模型版本标识；服务器基于模型版本标识，调用对应的特征提取算法，对目标人脸图像进行特征提取，得到目标人脸图像基于模型版本标识确定的参考人脸特征，并删除本地缓存中的目标人脸图像；目标终端接收服务器发送的目标用户的人脸识别数据，人脸识别数据包括：目标用户的身份标识、模型版本标
识、目标用户基于模型版本标识确定的参考人脸特征、目标用户的个人信息；目标终端基于人脸识别数据，对目标用户进行人脸识别。
119.人脸识别系统的具体形式可以如上述图4所示的人脸识别系统。服务器、数据平台、服务终端的具体处理流程可以参考上述实施例的相关内容，此处不作赘述。
120.图7示出根据本公开实施例的一种服务器的框图。如图7所示，服务器70，包括：
121.接收模块71，用于接收数据平台发送的特征提取请求，其中，特征提取请求中包括目标人脸图像、模型版本标识，模型版本标识用于指示人脸识别模型；
122.特征提取模块72，用于基于模型版本标识，调用对应的特征提取算法，对目标人脸图像进行特征提取，得到目标人脸图像基于模型版本标识确定的参考人脸特征，其中，目标人脸图像基于模型版本标识确定的参考人脸特征，用于在具有模型版本标识指示的人脸识别模型的目标终端上，对目标人脸图像对应的目标用户进行人脸识别；
123.删除模块73，用于删除本地缓存中的目标人脸图像。
124.在一种可能的实现方式中，服务器70，还包括：
125.第一发送模块，用于将目标人脸图像基于模型版本标识确定的参考人脸特征发送至数据平台；
126.接收模块71，还用于接收数据平台发送的目标用户的人脸识别数据、以及目标用户的权限信息，其中，人脸识别数据包括：目标用户的身份标识、模型版本标识、目标用户基于模型版本标识确定的参考人脸特征、目标用户的个人信息。
127.在一种可能的实现方式中，数据平台包括：人像数据平台、信息数据平台；
128.接收模块71，具体用于：
129.接收人像数据平台发送的目标用户的身份标识、模型版本标识、目标用户基于模型版本标识确定的参考人脸特征；
130.接收信息数据平台发送的目标用户的个人信息、目标用户的权限信息。
131.在一种可能的实现方式中，服务器70，还包括：
132.确定模块，用于基于目标用户的权限信息，确定目标用户具有人脸识别权限的目标终端；
133.第二发送模块，用于将人脸识别数据发送至目标终端。
134.在一种可能的实现方式中，接收模块71，还用于接收目标终端发送的目标用户的人脸识别记录，其中，人脸识别记录中包括：本次人脸识别的抓拍人脸图、本次人脸识别的时空信息。
135.在一种可能的实现方式中，服务器70，还包括：
136.分组模块，用于在接收到数据平台发送的多个目标用户的人脸识别数据的情况下，根据每个目标用户的权限信息，对多个目标用户的人脸识别数据进行分组存储。
137.在一种可能的实现方式中，服务器70，还包括：
138.质量检测模块，用于对目标人脸图像进行质量检测；
139.第一发送模块，还用于在目标人脸图像的质量检测结果不符合预设质量条件的情况下，向数据平台发送图像更新请求。
140.图8示出根据本公开实施例的一种数据平台的框图。如图8所示，数据平台80，包括：
141.获取模块81，用于获取目标用户的目标人脸图像；
142.第一发送模块82，用于向服务器发送特征提取请求，其中，特征提取请求中包括目标人脸图像、模型版本标识，模型版本标识用于指示人脸识别模型；
143.接收模块83，用于接收服务器发送的目标人脸图像基于模型版本标识确定的参考人脸特征，其中，目标人脸图像基于模型版本标识确定的参考人脸特征，用于在具有模型版本标识指示的的人脸识别模型的目标终端上，对目标用户进行人脸识别；
144.第二发送模块84，还用于向服务器发送目标用户的人脸识别数据、以及目标用户的权限信息，其中，人脸识别数据包括：目标用户的身份标识、模型版本标识、目标用户基于模型版本标识确定的参考人脸特征、目标用户的个人信息。
145.在一种可能的实现方式中，数据平台80，包括：人像数据平台；
146.第二发送模块84，具体用于：
147.第一确定子模块，用于控制人像数据平台确定目标用户的身份标识；
148.第一发送子模块，用于控制人像数据平台将目标用户的身份标识、模型版本标识、目标用户基于模型版本标识确定的参考人脸特征，发送至服务器。
149.在一种可能的实现方式中，数据平台80，包括：信息数据平台；
150.第二发送模块84，具体用于：
151.第二确定子模块，用于控制信息数据平台基于目标用户的身份标识，确定目标用户的个人信息、目标用户的权限信息；
152.第二发送子模块，用于控制信息数据平台将目标用户的个人信息、目标用户的权限信息，发送至服务器。
153.在一种可能的实现方式中，接收模块83，还用于接收所述服务器发送的图像更新请求；
154.获取模块81，还用于响应于图像更新请求，重新获取目标用户的人脸图像，以及利用重新获取的人脸图像，更新目标人脸图像。
155.图9示出根据本公开实施例的一种目标终端的框图。目标终端具有模型版本标识指示的人脸识别模型，目标用户在目标终端具有人脸识别权限。如图9所示，目标终端90，包括：
156.接收模块91，用于接收服务器发送的目标用户的人脸识别数据，人脸识别数据包括：目标用户的身份标识、模型版本标识、目标用户基于模型版本标识确定的参考人脸特征、目标用户的个人信息；
157.人脸识别模块92，用于基于人脸识别数据，对目标用户进行人脸识别。
158.在一种可能的实现方式中，人脸识别模块92，具体用于：
159.获取待识别用户的本次人脸识别的抓拍人脸图；
160.基于模型版本标识指示的人脸识别模型，对本次人脸识别的抓拍人脸图进行特征提取，得到待识别用户的待识别人脸特征；
161.在待识别用户的待识别人脸，与目标用户的参考人脸特征匹配成功的情况下，确定本次人脸识别成功。
162.在一种可能的实现方式中，目标终端90，还包括：
163.显示模块，用于将目标用户的个人信息，在目标终端的显示屏幕上进行脱敏显示。
164.在一种可能的实现方式中，目标终端90，还包括：
165.记录生成模块，用于基于本次人脸识别的抓拍人脸图、本次人脸识别的时空信息，生成目标用户的人脸识别记录；
166.发送模块，用于将目标用户的人脸识别记录发送至服务器。
167.可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
168.该方法与计算机系统的内部结构存在特定技术关联，且能够解决如何提升硬件运算效率或执行效果的技术问题(包括减少数据存储量、减少数据传输量、提高硬件处理速度等)，从而获得符合自然规律的计算机系统内部性能改进的技术效果。
169.在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
170.本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是易失性或非易失性计算机可读存储介质。
171.本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。
172.本公开实施例还提供了一种计算机程序产品，包括计算机可读代码，或者承载有计算机可读代码的非易失性计算机可读存储介质，当所述计算机可读代码在电子设备的处理器中运行时，所述电子设备中的处理器执行上述方法。
173.电子设备可以被提供为终端、服务器或其它形态的设备。
174.图10示出根据本公开实施例的一种电子设备的框图。参照图10，电子设备1000可以是用户设备(user equipment，ue)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(personal digital assistant，pda)、手持设备、计算设备、车载设备、可穿戴设备等终端设备。
175.参照图10，电子设备1000可以包括以下一个或多个组件：处理组件1002，存储器1004，电源组件1006，多媒体组件1008，音频组件1010，输入/输出(i/o)接口1012，传感器组件1014，以及通信组件1016。
176.处理组件1002通常控制电子设备1000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1002可以包括一个或多个处理器1020来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件1002可以包括一个或多个模块，便于处理组件1002和其他组件之间的交互。例如，处理组件1002可以包括多媒体模块，以方便多媒体组件1008和处理组件1002之间的交互。
177.存储器1004被配置为存储各种类型的数据以支持在电子设备1000的操作。这些数据的示例包括用于在电子设备1000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1004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。
178.电源组件1006为电子设备1000的各种组件提供电力。电源组件1006可以包括电源管理系统，一个或多个电源，及其他与为电子设备1000生成、管理和分配电力相关联的组件。
179.多媒体组件1008包括在所述电子设备1000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1008包括一个前置摄像头和/或后置摄像头。当电子设备1000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。
180.音频组件1010被配置为输出和/或输入音频信号。例如，音频组件1010包括一个麦克风(mic)，当电子设备1000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1004或经由通信组件1016发送。在一些实施例中，音频组件1010还包括一个扬声器，用于输出音频信号。
181.i/o接口1012为处理组件1002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。
182.传感器组件1014包括一个或多个传感器，用于为电子设备1000提供各个方面的状态评估。例如，传感器组件1014可以检测到电子设备1000的打开/关闭状态，组件的相对定位，例如所述组件为电子设备1000的显示器和小键盘，传感器组件1014还可以检测电子设备1000或电子设备1000一个组件的位置改变，用户与电子设备1000接触的存在或不存在，电子设备1000方位或加速/减速和电子设备1000的温度变化。传感器组件1014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1014还可以包括光传感器，如互补金属氧化物半导体(cmos)或电荷耦合装置(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1014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。
183.通信组件1016被配置为便于电子设备1000和其他设备之间有线或无线方式的通信。电子设备1000可以接入基于通信标准的无线网络，如无线网络(wi-fi)、第二代移动通信技术(2g)、第三代移动通信技术(3g)、第四代移动通信技术(4g)、通用移动通信技术的长期演进(lte)、第五代移动通信技术(5g)或它们的组合。在一个示例性实施例中，通信组件1016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1016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。
184.在示例性实施例中，电子设备1000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，用于执行上述方法。
185.在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1004，上述计算机程序指令可由电子设备1000的处理器1020执行以完成上述方法。
186.本公开涉及增强现实领域，通过获取现实环境中的目标对象的图像信息，进而借助各类视觉相关算法实现对目标对象的相关特征、状态及属性进行检测或识别处理，从而得到与具体应用匹配的虚拟与现实相结合的ar效果。示例性的，目标对象可涉及与人体相关的脸部、肢体、手势、动作等，或者与物体相关的标识物、标志物，或者与场馆或场所相关的沙盘、展示区域或展示物品等。视觉相关算法可涉及视觉定位、slam、三维重建、图像注册、背景分割、对象的关键点提取及跟踪、对象的位姿或深度检测等。具体应用不仅可以涉及跟真实场景或物品相关的导览、导航、讲解、重建、虚拟效果叠加展示等交互场景，还可以涉及与人相关的特效处理，比如妆容美化、肢体美化、特效展示、虚拟模型展示等交互场景。可通过卷积神经网络，实现对目标对象的相关特征、状态及属性进行检测或识别处理。上述卷积神经网络是基于深度学习框架进行模型训练而得到的网络模型。
187.图11示出根据本公开实施例的一种电子设备的框图。参照图11，电子设备1900可以被提供为一服务器或终端设备。参照图11，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
188.电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(i/o)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如微软服务器操作系统(windows server
tm
)，苹果公司推出的基于图形用户界面操作系统(mac os x
tm
)，多用户多进程的计算机操作系统(unix
tm
),自由和开放原代码的类unix操作系统(linux
tm
)，开放原代码的类unix操作系统(freebsd
tm
)或类似。
189.在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
190.本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
191.计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是(但不限于)电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、静态随机存取存储器(sram)、便携式压缩盘只读存储器(cd-rom)、数字多功能盘(dvd)、记忆棒、软盘、机械编码设备、例如其上存储
有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
192.这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
193.用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(isa)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如smalltalk、c++等，以及常规的过程式编程语言—诸如“c”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(fpga)或可编程逻辑阵列(pla)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
194.这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
195.这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
196.也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
197.附图中的流程图和框图显示了根据本公开的多个实施例的系统、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、程序段或指令的一部分，所述模块、程序段或指令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。在有些作为替换的实现中，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。
198.该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(software development kit，sdk)等等。
199.上文对各个实施例的描述倾向于强调各个实施例之间的不同之处，其相同或相似之处可以互相参考，为了简洁，本文不再赘述。
200.本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
201.若本技术技术方案涉及个人信息，应用本技术技术方案的产品在处理个人信息前，已明确告知个人信息处理规则，并取得个人自主同意。若本技术技术方案涉及敏感个人信息，应用本技术技术方案的产品在处理敏感个人信息前，已取得个人单独同意，并且同时满足“明示同意”的要求。例如，在摄像头等个人信息采集装置处，设置明确显著的标识告知已进入个人信息采集范围，将会对个人信息进行采集，若个人自愿进入采集范围即视为同意对其个人信息进行采集；或者在个人信息处理的装置上，利用明显的标识/信息告知个人信息处理规则的情况下，通过弹窗信息或请个人自行上传其个人信息等方式获得个人授权；其中，个人信息处理规则可包括个人信息处理者、个人信息处理目的、处理方式以及处理的个人信息种类等信息。
202.以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。