信息检测方法和装置与流程

本申请实施例涉及计算机技术领域，具体涉及信息检测方法和装置。

背景技术

随着网络技术的发展，图像识别技术得到了广泛的应用。其中，图像识别技术在信息检测领域的应用使得传统的信息检测技术有了巨大飞跃。

现有的应用于权限凭证的信息检测系统中，通常对权限凭证信息以及持有权限凭证的用户的身份信息进行检测验证，从而确定权限凭证是否有效。

技术实现要素：

本申请实施例提出了信息检测方法和装置。

第一方面，本申请实施例提供了一种信息检测方法，包括：对拍摄的图像进行检测，确定所拍摄的图像中是否包含满足预设条件的目标用户的面部图像；响应于确定所拍摄的图像中包含满足预设条件的目标用户的面部图像，对目标用户放置的权限凭证以及用于表征用户身份的证件进行识别，确定证件的用户信息和与权限凭证相关联的用户信息是否一致，其中，证件的用户信息包括用户头像；响应于确定证件的用户信息和与权限凭证相关联的用户信息一致，确定满足预设条件的目标用户的面部图像显示的用户与用户头像显示的用户是否匹配；响应于确定满足预设条件的目标用户的面部图像显示的用户与用户头像显示的用户匹配，发送控制闸机开启的指令。

在一些实施例中，对拍摄的图像进行检测，确定所拍摄的图像中是否包含满足预设条件的目标用户的面部图像，包括：将所拍摄的图像输入至预先训练的第一神经网络，得到第一输出结果，第一输出结果用于指示所拍摄的图像中是否包含面部图像；基于所得到的第一输出结果，确定所拍摄的图像是否包含满足预设条件的目标用户的面部图像。

在一些实施例中，确定满足预设条件的目标用户的面部图像显示的用户与用户头像显示的用户是否匹配，包括：从所拍摄的图像中提取所确定的满足预设条件的目标用户的面部图像；将所提取的面部图像输入至预先训练的第二神经网络，得到第二输出结果，第二输出结果用于指示所提取的面部图像显示的面部区域是否包括遮挡物；响应于确定所得到的第二输出结果指示面部区域包括遮挡物，对所提取的面部图像进行处理，生成去除遮挡物的面部图像；确定所生成的去除遮挡物的面部图像显示的用户与用户头像显示的用户是否匹配。

在一些实施例中，对所提取的面部图像进行处理，生成去除遮挡物的面部图像，包括：基于所提取的面部图像，建立所提取的面部图像的肤色模型；获取所提取的面部图像中显示的遮挡物的像素点区域；基于肤色模型，对所提取的面部图像中显示的遮挡物的像素点区域处进行线性插值处理；对插值后的面部图像进行中值滤波，生成去除遮挡物的面部图像。

在一些实施例中，对目标用户放置的权限凭证以及用于表征用户身份的证件进行识别，确定证件的用户信息和与权限凭证相关联的用户信息是否一致，包括：获取权限凭证以及证件的图像；对权限凭证以及证件的图像进行文本识别；基于文本识别结果，确定证件的用户信息和与权限凭证相关联的用户信息是否一致。

在一些实施例中，在确定证件的用户信息和与权限凭证相关联的用户信息是否一致之前，方法还包括：确定用户头像与存储的证件中的用户头像是否一致；响应于确定用户头像与存储的证件中的用户头像一致，发送提示目标用户放置权限凭证以及用于表征用户身份的证件的指令。

第二方面，本申请实施例提供了一种信息检测装置，该装置包括：检测单元，被配置成对拍摄的图像进行检测，确定所拍摄的图像中是否包含满足预设条件的目标用户的面部图像；识别单元，被配置成响应于确定所拍摄的图像中包含满足预设条件的目标用户的面部图像，对目标用户放置的权限凭证以及用于表征用户身份的证件进行识别，确定证件的用户信息和与权限凭证相关联的用户信息是否一致，其中，证件的用户信息包括用户头像；匹配单元，被配置成响应于确定证件的用户信息和与权限凭证相关联的用户信息一致，确定满足预设条件的目标用户的面部图像显示的用户与用户头像显示的用户是否匹配；发送单元，被配置成响应于确定满足预设条件的目标用户的面部图像显示的用户与用户头像显示的用户匹配，发送控制闸机开启的指令。

在一些实施例中，检测单元进一步被配置成：将所拍摄的图像输入至预先训练的第一神经网络，得到第一输出结果，第一输出结果用于指示所拍摄的图像中是否包含面部图像；基于所得到的第一输出结果，确定所拍摄的图像是否包含满足预设条件的目标用户的面部图像。

在一些实施例中，匹配单元，包括：提取单元，被配置成从所拍摄的图像中提取所确定的满足预设条件的目标用户的面部图像；第二输出结果获得子单元，被配置成将所提取的面部图像输入至预先训练的第二神经网络，得到第二输出结果，第二输出结果用于指示所提取的面部图像显示的面部区域是否包括遮挡物；处理子单元，被配置成响应于确定所得到的第二输出结果指示面部区域包括遮挡物，对所提取的面部图像进行处理，生成去除遮挡物的面部图像；匹配子单元，被配置成确定所生成的去除遮挡物的面部图像显示的用户与用户头像显示的用户是否匹配。

在一些实施例中，处理子单元进一步被配置成：基于所提取的面部图像，建立所提取的面部图像的肤色模型；获取所提取的面部图像中显示的遮挡物的像素点区域；基于肤色模型，对所提取的面部图像中显示的遮挡物的像素点区域处进行线性插值处理；对插值后的面部图像进行中值滤波，生成去除遮挡物的面部图像。

在一些实施例中，识别单元进一步被配置成：获取权限凭证以及证件的图像；对权限凭证以及证件的图像进行文本识别；基于文本识别结果，确定证件的用户信息和与权限凭证相关联的用户信息是否一致。

在一些实施例中，装置进一步被配置成：确定用户头像与存储的证件中的用户头像是否一致；响应于确定用户头像与存储的证件中的用户头像一致，发送提示目标用户放置权限凭证以及用于表征用户身份的证件的指令。

第三方面，本申请实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如控制方法中任意实施例的方法。

第四方面，本申请实施例提供了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如控制方法中任意实施例的方法。

本申请实施例提供的信息检测方法和装置，首先对拍摄的图像进行检测，从而确定所拍摄的图像中是否包含满足预设条件的目标用户的面部图像，然后在检测到所拍摄的图像中包含满足预设条件的目标用户的面部图像时，对目标用户放置的权限凭证以及用于表征用户身份的证件进行识别，确定证件的用户信息与权限凭证相关联的用户信息是否一致。接着，在确定证件的用户信息与权限凭证相关联的用户信息一致的情况下，确定面部图像显示的用户与用于表征用户身份的证件中显示的用户是否匹配，最后在确定面部图像显示的用户与用于表征用户身份的证件中显示的用户匹配的情况下，发送控制闸机打开的指令，从而提高了对权限凭证信息的检测速度。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本申请的信息检测方法的一个实施例的流程图；

图3是根据本申请的信息检测方法的一个应用场景的示意图；

图4是根据本申请的信息检测方法的又一个实施例的流程图；

图5是根据本申请的信息检测装置的一个实施例的结构示意图；

图6是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的信息检测方法或信息检测装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括控制装置101、闸机102以及摄像装置，其中摄像装置包括摄像头103、104、105。系统架构100还包括网络106、107。网络106用以在摄像头103、104、105和控制装置101之间提供通信链路的介质。网络107用以在控制装置101和闸机102之间提供通信链路的介质。网络106、107可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

摄像头103、104、105可以通过网络106与控制装置101交互，以接收或发送消息等。摄像头103、104、105可以是各种类型的摄像头，包括但不限于可见光摄像头、红外摄像头、近红外摄像头等。

闸机102可以通过网络107与控制装置101交互，以接收控制装置101发送的指令等。闸机102可以安装在入口处、出口处等，用以控制人员的进出。

控制装置101可以包括但不限于服务器等，也可以为其他类型的控制装置。控制装置101用于接收摄像装置拍摄的图像、目标用户放置的权限凭证信息以及用户表征用户身份的证件信息，并对所接收的图像、信息进行各种分析，然后根据分析结果向闸机102发送控制指令以使闸机102的拦阻体打开或保持关闭状态。

需要说明的是，本申请实施例提供的控制方法一般由控制装置101执行。摄像装置、控制装置以及闸机之间的相对位置可以根据需要来设定，在此不做限定。

需要说明的是，上述控制装置可以是硬件，也可以是软件。当控制装置为硬件时可以包括多个服务器，也可以包括单个服务器，从而可以实现成多个服务器组成分布式服务器集群，也可以实现成单个服务器。当控制装置为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

可以理解的是，图1中的摄像装置、控制装置、闸机、网络以及摄像装置所包含的摄像头的数目仅仅是示意性的。根据现实需要，可以具有任意数目的摄像装置、控制装置、闸机、网络、摄像装置所包含的摄像头的数目。

继续参考图2，示出了根据本申请的信息检测方法的一个实施例的流程200。该信息检测方法，包括以下步骤：

步骤201，对拍摄的图像进行检测，确定所拍摄的图像中是否包含满足预设条件的目标用户的面部图像。

在本实施例中，信息检测方法的执行主体(例如图1所示的控制装置)可以通过有线连接方式或者无线连接方式从拍摄设备(例如图1所示的摄像头103、104、105)接收所拍摄的图像。然后对拍摄的图像进行检测。在这里，上述执行主体可以对拍摄的图像进行实时检测，也可以基于预设时间间隔对拍摄的图像进行检测。在这里，该预设时间间隔例如可以为30秒、1分钟等。在这里，可以利用各种手段对拍摄的图像进行检测。

作为示例，可以基于统计的方法对拍摄的图像进行检测。具体的，上述执行主体可以首先将拍摄的图像转换为直方图。然后，利用高斯函数对直方图进行平滑处理。接着，上述执行主体可以对平滑处理后的图像基于眼睛特征值进行眼部定位，确定图像中是否包含目标用户的眼睛。当确定出图像中包含眼睛以及眼睛所在的图像中的位置时，可以基于奇异值特征提取整个面部图像。当上述执行主体从拍摄的图像中检测出目标用户的面部图像后，还可以确定该面部图像是否满足预设条件。该预设条件包括但不限于以下至少一项：面部图像在所拍摄的图像中的占比大于预设阈值，面部图像的分辨率大于预设阈值；面部图像所包含的面部特征点数目大于预设阈值。在这里，上述目标用户可以为当前检测到的面部图像对应的用户，也可以为基于预设时间间隔检测到的面部图像对应的用户。

在本实施例的一些可选的实现方式中，上述执行主体还可以将所拍摄的图像输入至预先训练的第一神经网络，得到第一输出结果。在这里，该第一输出结果用于指示所拍摄的图像中是否包含面部图像。在这里，该第一神经网络可以为现有的卷积神经网络、全卷积神经网络、循环神经网络等等。该第一神经网路可以用于表征图像与第一输出结果之间的对应关系。当上述第一神经网络为卷积神经网络或循环神经网络时，上述第一输出结果可以包括用于指示所拍摄的图像中包含面部图像的概率值以及不包含面部图像的概率值；当上述第一神经网络为yolo2时，上述第一输出结果中可以包括用于指示所拍摄的图像中包含面部图像的概率。以及，当所拍摄的图像中包含面部图像的概率大于预设阈值时，第一输出结果中还可以包括面部图像在所拍摄的图像中的位置。该位置通过在所拍摄的图像中通过显示边框来体现。

具体的，在本可选的实现方式中，上述第一神经网络可以通过如下步骤训练得到：

首先，获取训练样本集合。在这里，训练样本可以包括样本图像以及与样本图像对应的标注信息。其中，该标注信息用于指示样本图像中是否包含面部图像。

然后，将训练样本集合中的至少一个训练样本的样本图像分别输入至初始第一神经网络，得到至少一个样本图像中的每个样本图像对应的包括面部图像的概率值以及不包括面部图像的概率值。然后，将所得到的概率值与预先设置的该样本图像中包括面部图像的概率值进行比较，以确定初始第一神经网络是否达到预设优化目标。预设的优化目标可以是初始第一神经网络的识别准确率达到预设阈值。如果初始第一神经网络未达到预设的优化目标，可以利用反向传播算法以及梯度下降算法对第一神经网络模型的参数进行调整，直至调整后的第一神经网络模型达到预设的优化目标。

步骤202，响应于确定所拍摄的图像中包含满足预设条件的目标用户的面部图像，对目标用户放置的权限凭证以及用于表征用户身份的证件进行识别，确定证件的用户信息与权限凭证相关联的用户信息是否一致。

在本实施例中，根据步骤201所确定的所拍摄的图像中是否包含满足预设条件的目标用户的面部图像，在上述执行主体确定所拍摄的图像中包含满足预设条件的目标用户的面部图像时，可以对目标用户放置的权限凭证以及用于表征用户身份的证件进行识别，从而确定证件的用户信息和与权限凭证相关联的用户信息是否一致。在这里，该权限凭证包括但不限于以下至少一项：车牌、飞机票、船票、入场券、门禁卡等等。上述用于表征用户身份的证件包括但不限于以下至少一项：身份证、驾驶证、护照、通行证等等。在这里，证件的用户信息可以包括但不限于用户头像、用户的证件号码、用户证件的有效期等等。权限凭证信息包括但不限于以下至少一项：时间信息、场次信息、车次号/航班号/船票号、用户证件号、用户工牌号等。与权限凭证相关联的用户信息包括但不限于用户证件号、用户工牌号、与用户证件号对应的车次/航班/船票的时间信息、号码信息等等。在这里，上述执行主体可以确认与权限凭证相关联的用户的证件号与用于表征用户身份的证件的证件号是否相同，还可以确认用户通过用于表征身份的证件的证件号所获得的权限凭证的权限凭证信息与所读取的权限凭证信息是否相同。从而，在确定上述信息均相同的情况下，确定证件的用户信息和与权限凭证相关联的用户信息一致。

在实施例中，对目标用户放置的权限凭证以及用于表征用户身份的证件进行识别可以包括多种实现方式。

作为一种示例，上述执行主体中可以预先存储有用户的用户信息。该预先存储的用户信息可以为用户在获得上述权限凭证时用户自身填写的；也可以为用户在获得上述权限凭证时上述执行主体通过调用第三方存储的用户的身份信息而存储的。上述执行主体可以利用现有的对权限凭证信息以及证件信息的读取方法读取目标用户放置的权限凭证信息以及用于表征用户身份的证件信息，从而对权限凭证信息以及用于表征用户身份的证件信息进行识别。

在本实施例的其他可选的实现方式中，上述执行主体还可以获取用户放置的权限凭证以及用于表征用户的身份的证件的图像。然后，利用现有的识别图像中的文字的技术，例如ocr(opticalcharacterrecognition，光学字符识别)技术，对所获取的权限凭证以及证件的图像进行文本识别，从而读取权限凭证以及证件的图像的文本信息，并将该文本信息作为权限凭证的信息以及证件的信息。从而上述执行主体可以根据文本识别的结果来确定证件的用户信息和与权限凭证相关联的用户信息是否一致。

步骤203，响应于确定证件的用户信息和与权限凭证相关联的用户信息一致，确定满足预设条件的目标用户的面部图像显示的用户与用户头像显示的用户是否匹配。

在本实施例中，根据步骤202所确定的证件的用户信息和与权限凭证相关联的用户信息一致的情况下，上述执行主体可以分别提取所获取的目标用户的面部图像的面部特征点以及用于表征用户身份的证件中的用户头像的面部特征点，然后将所获取的目标用户的面部图像的面部特征点与证件中的用户头像的面部特征点进行比较，从而确定满足预设条件的目标用户的面部图像显示的用户与证件中的用户头像显示的用户是否匹配，也即是否为同一用户。

在本实施例中，可以利用预先建立的主动形状模型对所获取的满足预设条件的面部图像以及证件中的用户头像进行面部特征点提取。其中，主动形状模型为现有的公知技术，在此不再赘述。在这里，面部特征点可以包括极值点、边界点以及插值点。其中，极值点通常在面部的局部范围只有一个定义，例如可以包括眼睛的瞳孔、鼻尖、鼻孔等面部位点；边界点通常是在面部的局部或整体的轮廓边沿上均匀抽取得到，例如可以为面部轮廓点、眉毛轮廓点、嘴唇轮廓点等；通常面部局部没有明显纹理特征的地方通过其他边界点插值得到插值点，该插值点例如可以为嘴巴中心点、眉心以及一些被遮挡的点等。

步骤204，响应于确定满足预设条件的目标用户的面部图像显示的用户与用户头像显示的用户匹配，发送控制闸机开启的指令。

在本实施例中，根据步骤203所确定的满足预设条件的目标用户的面部图像显示的用户与证件中的用户头像显示的用户匹配的情况下，可以向用于控制用户通行的闸机发送控制闸机开启的指令。从而，闸机可以打开拦阻体以使目标用户通行。

继续参见图3，图3是根据本实施例的信息检测方法的应用场景的一个示意图。在图3的应用场景中，控制装置301可以对摄像头302拍摄的图像进行检测，从而确定所拍摄的图像中是否包含满足“面部分辨率大于预设阈值”的用户a的面部图像。当控制装置301检测出所拍摄的图像中包含满足“面部分辨率大于预设阈值”的用户a的面部图像时，可以对用户a放置在身份信息读取设备303上的身份证以及放置在扫描设备304上的火车票进行识别，从而确定用户a放置的身份证的用户信息与火车票的用户信息是否一致。在确定身份证的用户信息与火车票的用户信息一致时，可以进一步确定身份证中的用户头像与所拍摄的图像中的面部图像是否均为用户a的图像。在确定身份证中的用户头像与所拍摄的图像中的面部图像均为用户a的图像的情况下，发送控制闸机305开启的指令。

本申请实施例提供的信息检测方法，首先对拍摄的图像进行检测，从而确定所拍摄的图像中是否包含满足预设条件的目标用户的面部图像，然后在检测到所拍摄的图像中包含满足预设条件的目标用户的面部图像时，对目标用户放置的权限凭证以及用于表征用户身份的证件进行识别，确定证件的用户信息与权限凭证相关联的用户信息是否一致。接着，在确定证件的用户信息与权限凭证相关联的用户信息一致的情况下，确定面部图像显示的用户与用于表征用户身份的证件中显示的用户是否匹配，最后在确定面部图像显示的用户与用于表征用户身份的证件中显示的用户匹配的情况下，发送控制闸机打开的指令，从而提高了对权限凭证信息的检测速度。

进一步参考图4，其示出了根据本申请的控制方法的又一个实施例的流程400。该控制方法的流程400，包括以下步骤：

步骤401，对拍摄的图像进行检测，确定所拍摄的图像中是否包含满足预设条件的目标用户的面部图像。

在本实施例中，信息检测方法的执行主体(例如图1所示的控制装置)可以通过有线连接方式或者无线连接方式从拍摄设备(例如图1所示的摄像头103、104、105)接收所拍摄的图像。然后对拍摄的图像进行检测。在这里，上述执行主体可以对拍摄的图像进行实时检测，也可以基于预设时间间隔对拍摄的图像进行检测。在这里，该预设时间间隔例如可以为30秒、1分钟等。在这里，可以利用基于统计的方法对拍摄的图像进行检测，从而确定所拍摄的图像中是否包含预设条件的面部图像。也可以将所拍摄的图像输入至预先训练的第一神经网络，从而根据第一神经网络的输出结果来确定所拍摄的图像中是否包含预设条件的面部图像。

步骤402，响应于确定所拍摄的图像中包含满足预设条件的目标用户的面部图像，确定用户头像与存储的证件中的用户头像是否一致。

在本实施例中，上述执行主体可以对用户放置的用于表征用户身份的证件进行识别，获取用于表征用户身份的证件的证件信息并对预设时间段内获取的证件信息进行存储。在这里，该预设时间段可以为与当前时间具有预设时间间隔的时间段，例如距离当前时间前1min的时间段、距离当前时间前5min的时间段等等。根据步骤401确定的所拍摄的图像中包含满足预设条件的目标用户的面部图像，上述执行主体可以确定用于表征用户身份的证件中的用户头像与预设时间段内存储的证件中的用户头像是否相同，从而确定二者是否一致。在这里，可以利用现有的图像特征点匹配的方法来确定上述二者是否相同。

步骤403，响应于确定用户头像与预设时间段内存储的证件中的用户头像一致，发送提示目标用户放置权限凭证以及用于表征用户身份的证件的指令。

在本实施例中，根据步骤402确定的用于表征用户身份的证件中的用户头像与预设时间段内存储的证件中的用户头像一致，则可以确定当前的用于表征用户身份的证件的证件信息为之前用户的证件信息，从而可以确定目标用户未放置权限凭证以及用于表征用户身份的证件。因此，上述执行主体可以发送提示目标用户放置权限凭证以及用于表征用户身份的证件的指令。

步骤404，对目标用户放置的权限凭证以及用于表征用户身份的证件进行识别，确定证件的用户信息与权限凭证相关联的用户信息是否一致。

在本实施例中，上述执行主体可以对目标用户放置的权限凭证以及用于表征用户身份的证件进行识别，从而确定证件的用户信息和与权限凭证相关联的用户信息是否一致。在这里，该权限凭证包括但不限于以下至少一项：车牌、飞机票、船票、入场券、门禁卡等等。上述用于表征用户身份的证件包括但不限于以下至少一项：身份证、驾驶证、护照、通行证等等。在这里，证件的用户信息可以包括但不限于用户头像、用户的证件号码、用户证件的有效期等等。权限凭证信息包括但不限于以下至少一项：时间信息、场次信息、车次号/航班号/船票号、用户证件号、用户工牌号等。与权限凭证相关联的用户信息包括但不限于用户证件号、用户工牌号、与用户证件号对应的车次/航班/船票的时间信息、号码信息等等。在这里，上述执行主体可以确认与权限凭证相关联的用户的证件号与用于表征用户身份的证件的证件号是否相同，还可以确认用户通过用于表征身份的证件的证件号所获得的权限凭证的权限凭证信息与所读取的权限凭证信息是否相同。从而，在确定上述信息均相同的情况下，确定证件的用户信息和与权限凭证相关联的用户信息一致。

步骤405，从所拍摄的图像中提取所确定的满足预设条件的目标用户的面部图像。

在本实施例中，根据步骤401所确定的满足预设条件的目标用户的面部图像，上述执行主体还可以从所拍摄的图像中提取该满足预设条件的目标用户的面部图像。在这里，上述执行主体可以利用现有的特征提取技术从所拍摄的图像中提取该满足预设条件的目标用户的面部图像。

步骤406，将所提取的面部图像输入至预先训练的第二神经网络，得到第二输出结果。

在本实施例中，上述执行主体可以将步骤405所提取的面部图像输入至预先训练的第二神经网络，从而得到第二输出结果。在这里，该第二神经网络可以为现有的卷积神经网络、全卷积神经网络、循环神经网络等等。该第二神经网络可以用于表征所提取的面部图像与第二输出结果之间的对应关系。在这里，上述第二输出结果可以用于指示所提取的面部图像显示的面部区域是否包括遮挡物。在这里，上述第二输出结果可以包括预设面部区域不包括遮挡物的概率值和预设面部区域包括预设的遮挡物类别集合中的各类别的遮挡物的概率值。在这里，该面部区域可以包括但不限于以下至少一项：眼睛周围区域、口部周围区域等。

具体的，上述第二神经网络可以通过如下步骤训练得到：

首先，获取训练样本集合。在这里，训练样本可以包括样本图像以及与样本图像对应的标注信息。其中，该标注信息用于指示样本图像中所呈现的面部区域是否包含遮挡物。

作为示例，样本图像可以包括戴眼镜的眼睛周围区域图像、不戴眼镜的眼睛周围区域图像、戴口罩的口部周围区域图像、不戴口罩的口部周围区域图像等等。与样本图像对应的标注信息可以用于指示样本图像是否显示有眼镜、口罩等等。

然后，将训练样本集合中的至少一个训练样本的样本图像分别输入至初始第二神经网络，得到至少一个样本图像中的每个样本图像对应的多个概率值，该多个概率值用于指示样本图像中的面部区域不包括遮挡物的概率以及样本图像中的面部区域的遮挡物属于预设遮挡物类别集合中的遮挡物的概率。然后，将该多个概率值中最大的概率值对应的遮挡物类别与对应的标注的遮挡物类别进行比较，以确定初始第二神经网络的识别准确率是否达到预设阈值。当上述最大概率值对应的遮挡物类别与该样本图像的标注信息相同时，可以进一步确定该最大概率值是否达到预设阈值。在该最大概率值达到预设阈值时，可以确定此时的第二神经网络训练完成。如果该最大概率值没有达到预设阈值，可以利用反向传播算法以及梯度下降算法对初始第二神经网络的参数进行调整，直至调整后的第二神经网络的识别准确率达到预设阈值。

步骤407，响应于确定所得到的第二输出结果指示面部区域包括遮挡物，对所提取的面部图像进行处理，生成去除遮挡物的面部图像。

在本实施例中，根据步骤406所确定的所得到的第二输出结果指示面部区域包括遮挡物时，上述执行主体可以利用各种方法对所确定的面部图像进行处理，从而生成去除遮挡物的面部图像。

作为一种可选的实现方式，将所获取的满足预设条件的目标用户的面部图像作为原始面部图像，上述执行主体可以利用二维广义主成分分析方法将来重建面部图像，通过比较原始面部图像与重建的面部图像来提取原始面部图像中被遮挡物所遮挡的区域。把重建的面部图像中非遮挡物遮挡的区域用原始面部图像进行补偿，最后补偿图像继续利用二维广义主成分分析重新进行重建，直到使得相邻的两张重建的面部图像之间的差异小于预设阈值。

在其他一些可选的实现方式中，还可以基于所提取的面部图像，建立所提取的面部图像的肤色模型。然后，获取所提取的面部图像中显示的遮挡物的像素点区域。接着，基于所述肤色模型，对所提取的面部图像中显示的遮挡物的像素点区域处进行线性插值处理。最后，对插值后的面部图像进行中值滤波，生成去除遮挡物的面部图像。

步骤408，确定所生成的去除遮挡物的面部图像显示的用户与用户头像显示的用户是否匹配。

在本实施例中，上述执行主体可以分别提取所生成的去除遮挡物的面部图像的面部特征点以及用于表征用户身份的证件中的用户头像的面部特征点，然后将所生成的去除遮挡物的面部图像的面部特征点与证件中的用户头像的面部特征点进行比较，从而确定所生成的去除遮挡物的面部图像显示的用户与证件中的用户头像显示的用户是否匹配，也即是否为同一个用户。

步骤409，响应于确定满足预设条件的目标用户的面部图像显示的用户与用户头像显示的用户匹配，发送控制闸机开启的指令。

在本实施例中，上述执行主体可以在步骤408所确定的所生成的去除遮挡物的面部图像显示的用户与用户头像显示的用户匹配的情况下，可以向用于控制用户通行的闸机发送控制闸机开启的指令。从而，闸机可以打开拦阻体以使目标用户通行。

本实施例中的步骤401、步骤404、步骤408、步骤409的具体处理方式可分别参看图2对应实施例中的步骤201、步骤202、步骤203以及步骤204的实现方式的相关描述，在此不再详细赘述。

从图4中可以看出，与图2所示的实施例不同的是，本实施例突出了提示用户放置权限凭证以及用于表征用户身份的证件的步骤、判断所获取的满足预设条件的用户图像是否包括遮挡物以及对包括遮挡物的面部图像进行处理的步骤，从而进一步挺高了对目标用户的识别的准确性。

进一步参考图5，作为对上述图4所示方法的实现，本申请提供了一种信息检测装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的信息检测装置500包括：检测单元501、识别单元502、匹配单元503和发送单元504。其中，检测单元501，被配置成对拍摄的图像进行检测，确定所拍摄的图像中是否包含满足预设条件的目标用户的面部图像；识别单元502，被配置成响应于确定所拍摄的图像中包含满足预设条件的目标用户的面部图像，对目标用户放置的权限凭证以及用于表征用户身份的证件进行识别，确定证件的用户信息和与权限凭证相关联的用户信息是否一致，其中，证件的用户信息包括用户头像；匹配单元503，被配置成响应于确定证件的用户信息和与权限凭证相关联的用户信息一致，确定满足预设条件的目标用户的面部图像显示的用户与用户头像显示的用户是否匹配；发送单元504，被配置成响应于确定满足预设条件的目标用户的面部图像显示的用户与用户头像显示的用户匹配，发送控制闸机开启的指令。

在本实施例中，控制装置500中：检测单元501、识别单元502、匹配单元503和发送单元504的具体处理及其带来的有益效果可参看图2对应实施例中的步骤201、步骤202、步骤203和步骤204的实现方式的相关描述，在此不再赘述。

在本实施例的一些可选的实现方式中，检测单元501进一步被配置成：将所拍摄的图像输入至预先训练的第一神经网络，得到第一输出结果，第一输出结果用于指示所拍摄的图像中是否包含面部图像；基于所得到的第一输出结果，确定所拍摄的图像是否包含满足预设条件的目标用户的面部图像。

在本实施例的一些可选的实现方式中，匹配单元503包括：提取单元(未示出)，被配置成从所拍摄的图像中提取所确定的满足预设条件的目标用户的的面部图像；第二输出结果获得子单元(未示出)，被配置成将所提取的面部图像输入至预先训练的第二神经网络，得到第二输出结果，第二输出结果用于指示所提取的面部图像显示的面部区域是否包括遮挡物；处理子单元(未示出)，被配置成响应于确定所得到的第二输出结果指示面部区域包括遮挡物，对所提取的面部图像进行处理，生成去除遮挡物的面部图像；匹配子单元(未示出)，被配置成确定所生成的去除遮挡物的面部图像显示的用户与用户头像显示的用户是否匹配。

在本实施例的一些可选的实现方式中，处理子单元(未示出)进一步被配置成：基于所提取的面部图像，建立所提取的面部图像的肤色模型；获取所提取的面部图像中显示的遮挡物的像素点区域；基于肤色模型，对所提取的面部图像中显示的遮挡物的像素点区域处进行线性插值处理；对插值后的面部图像进行中值滤波，生成去除遮挡物的面部图像。

在本实施例的一些可选的实现方式中，识别单元502进一步被配置成：获取权限凭证以及证件的图像；对权限凭证以及证件的图像进行文本识别；基于文本识别结果，确定证件的用户信息和与权限凭证相关联的用户信息是否一致。

在本实施例的一些可选的实现方式中，信息检测装置500进一步被配置成：确定用户头像与预设时间段内存储的证件中的用户头像是否一致；响应于确定用户头像与预设时间段内存储的证件中的用户头像一致，发送提示目标用户放置权限凭证以及用于表征用户身份的证件的指令。

下面参考图6，其示出了适于用来实现本申请实施例的电子设备(例如图1所示的控制装置)的计算机系统600的结构示意图。图6示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图6所示，计算机系统600包括中央处理单元(cpu)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储部分608加载到随机访问存储器(ram)603中的程序而执行各种适当的动作和处理。在ram603中，还存储有系统600操作所需的各种程序和数据。cpu601、rom602以及ram603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。

以下部件连接至i/o接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至i/o接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(cpu)601执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如”c”语言或类似的程序设计语言。程序代码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)。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、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、或代码的一部分，该模块、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，两个接连地表示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操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。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括检测单元、识别单元、匹配单元和发送单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，检测单元还可以被描述为“对拍摄的图像进行检测的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：对拍摄的图像进行检测，确定所拍摄的图像中是否包含满足预设条件的目标用户的面部图像；响应于确定所拍摄的图像中包含满足预设条件的目标用户的面部图像，对目标用户放置的权限凭证以及用于表征用户身份的证件进行识别，确定证件的用户信息和与权限凭证相关联的用户信息是否一致，其中，证件的用户信息包括用户头像；响应于确定证件的用户信息和与权限凭证相关联的用户信息一致，确定满足预设条件的目标用户的面部图像显示的用户与用户头像显示的用户是否匹配；响应于确定满足预设条件的目标用户的面部图像显示的用户与用户头像显示的用户匹配，发送控制闸机开启的指令。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。