通行控制方法和装置与流程

本公开涉及机器学习技术，具体涉及一种通行控制方法和装置。

背景技术：

闸机是一种通道管理设备，用于管理人流并规范行人出入，在很多场合广泛使用。并且，有些场合由于管理的需要，会在入口和出口都设置闸机，入口处的称为入口闸机，出口处的称为出口闸机。例如，地铁进站时乘客可以由入口闸机入站，出站时可以由出口闸机出站。又例如，某些景区或者展览园区等也可以设置入口闸机和出口闸机。

随着人工智能技术的不断进步，人脸辨识技术得到了飞速发展，并开始将人脸识别应用于上述两次过闸场景中的通行控制。以乘坐地铁为例，乘客可以刷脸进站和刷脸出站，并可以实现通过辨识人脸来识别用户账户进行乘车扣款。并且，当前地铁刷脸进出站的流程中，通过执行进站和出站两次人脸辨识，从而确定用户的行程和车费，据此进行扣款。但是，这种通过刷脸进行两次过闸的乘车通行方式，经常出现乘客在进出站闸机前排队的现象，通行效率较低。在其他的通过闸机进行人脸通行控制和计费的场景中，也会出现类似排队现象。

技术实现要素：

有鉴于此，本公开实施例至少提供一种通行控制方法和装置，以提高出入口的通行设备处的通行效率，减少出入口排队现象。

第一方面，提供一种通行控制方法，所述方法包括：

获取通行设备处采集的待通行用户的人脸图像，所述通行设备包括入口通行设备和出口通行设备；

将所述人脸图像与所述通行设备对应的拦截库比对，若比对失败，则控制所述通行设备开启以使所述待通行用户通行；所述拦截库中包括：禁止通行的用户的人脸图像；

当所述用户处于所述入口通行设备和出口通行设备之间的目标区域时，根据所述入口通行设备处采集的人脸图像对所述用户进行身份识别。

在一个例子中，所述根据所述入口通行设备处采集的人脸图像对所述用户进行身份识别，包括：将所述人脸图像与人脸全量库进行比对，识别所述人脸图像对应的用户身份信息；所述人脸全量库中包括：已注册用户的人脸图像、以及每个所述已注册用户的人脸图像对应的用户身份信息。

在一个例子中，所述方法还包括：当所述用户处于所述入口通行设备和出口通行设备之间的目标区域时，将所述入口通行设备处采集的人脸图像与人脸全量库比对，所述人脸全量库中包括：每个已注册用户的人脸图像对应的出行状态信息；若所述人脸图像对应的出行状态信息不符合通行条件，则将所述人脸图像加入所述出口通行设备对应的拦截库。

在一个例子中，所述人脸图像对应的出行状态信息不符合通行条件，包括：若所述人脸图像对应的出行状态信息包括禁止通行的状态信息，或者，所述入口通行设备处采集的人脸图像与所述人脸全量库比对失败，则确定所述人脸图像对应的出行状态信息不符合通行条件。

在一个例子中，所述方法还包括：当所述用户处于所述入口通行设备和出口通行设备之间的目标区域时，将所述入口通行设备处采集的人脸图像与人脸全量库比对，所述人脸全量库中包括：每个已注册用户的人脸图像及其出行状态信息；若比对成功，且所述人脸图像对应的待通行用户出行状态信息正常，将所述人脸图像加入白名单；响应于待通行用户通过出站通行设备后，将所述出站通行设备处采集的各个用户的人脸图像与所述白名单中的人脸图像进行比对，获取比对结果，并根据比对结果进行通行计费。

在一个例子中，所述方法还包括：若通过所述出站通行设备处采集的各个用户的人脸图像与所述白名单中的人脸图像比对失败，则将已存在的人脸图像加入所述拦截库。

在一个例子中，所述方法还包括：在接收到对所述用户进行通行计费的扣费失败通知时，将所述扣费失败用户的人脸图像加入所述拦截库。

在一个例子中，所述方法还包括：根据接收的通行误识申诉请求中携带的申诉用户的通行行程信息和申诉人脸图像，由所述通行行程信息匹配的人脸图像集中获取多个相似人脸图像；接收所述申诉用户由所述多个相似人脸图像中选择的配对人脸图像，若所述配对人脸图像和所述申诉人脸图像之间的相似度大于预定的相似度阈值，则确定所述配对人脸图像是所述申诉用户的图像，以根据所述配对人脸图像更正所述申诉用户的通行计费。

第二方面，提供一种通行控制装置，所述装置包括：

图像获取模块，用于获取通行设备处采集的待通行用户的人脸图像，所述通行设备包括入口通行设备和出口通行设备；

拦截处理模块，用于将所述人脸图像与所述通行设备对应的拦截库比对，若比对失败，则控制所述通行设备开启以使所述待通行用户通行；所述拦截库中包括：禁止通行的用户的人脸图像；

身份识别模块，用于当所述用户处于所述入口通行设备和出口通行设备之间的目标区域时，根据所述入口通行设备处采集的人脸图像对所述用户进行身份识别。

在一个例子中，所述身份识别模块，具体用于将所述人脸图像与人脸全量库进行比对，识别所述人脸图像对应的用户身份信息；所述人脸全量库中包括：已注册用户的人脸图像、以及每个所述已注册用户的人脸图像对应的用户身份信息。

在一个例子中，所述身份识别模块，还用于：当所述用户处于所述入口通行设备和出口通行设备之间的目标区域时，将所述入口通行设备处采集的人脸图像与人脸全量库比对，所述人脸全量库中包括：每个所述已注册用户的人脸图像对应的出行状态信息；若所述人脸图像对应的出行状态信息不符合通行条件，则将所述人脸图像加入所述出口通行设备对应的拦截库。

在一个例子中，所述身份识别模块，在用于确定所述人脸图像对应的出行状态信息不符合通行条件时，包括：若所述人脸图像对应的出行状态信息包括禁止通行的状态信息，或所述入口通行设备处采集的人脸图像与所述人脸全量库比对失败，则确定所述人脸图像对应的出行状态信息不符合通行条件。

在一个例子中，所述身份识别模块，还用于：当所述用户处于所述入口通行设备和出口通行设备之间的目标区域时，将所述入口通行设备处采集的人脸图像与人脸全量库比对，所述人脸全量库中包括：每个已注册用户的人脸图像及其出行状态信息；若比对成功，且所述人脸图像对应的出行状态信息正常，将所述人脸图像加入白名单；所述装置还包括：配对处理模块，用于：响应于待通行用户通过出站通行设备后，将所述出站通行设备处采集的各个用户的人脸图像与所述白名单中的人脸图像进行比对，获取比对结果，并根据比对结果进行通行计费。

在一个例子中，所述配对处理模块，还用于：若通过所述出站通行设备处采集的各个用户的人脸图像与所述白名单中的人脸图像比对失败，则将已存在的人脸图像加入所述拦截库。

在一个例子中，所述装置还包括：更新处理模块，用于：在接收到对所述用户进行通行计费的扣费失败通知时，将扣费失败的所述用户的人脸图像加入所述拦截库。

在一个例子中，所述装置还包括：图像选择模块，用于根据接收的通行误识申诉请求中携带的申诉用户的通行行程信息和申诉人脸图像，由所述通行行程信息匹配的人脸图像集中获取多个相似人脸图像；相似比较模块，用于接收所述申诉用户由所述多个相似人脸图像中选择的配对人脸图像，若所述配对人脸图像和所述申诉人脸图像之间的相似度大于预定的相似度阈值，则确定所述配对人脸图像是所述申诉用户的图像，以根据所述配对人脸图像更正所述申诉用户的通行计费。

第三方面，提供一种电子设备，包括：存储器、处理器，所述存储器用于存储计算机可读指令，所述处理器用于调用所述计算机指令，实现本公开任一实施例所述的通行控制方法。

第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现本公开任一实施例所述的通行控制方法。

本公开实施例提供的通行控制方法和装置，通过在出入口的通行设备处采取拦截模式，拦截库中的图像数量相对较少，相当于小底库，比对处理速度较快，极大的提高了用户在出入口的通行效率；并且，通过在用户进入目标区域之后再进行身份验证，使得身份验证处理的过程不会对出入口的通行造成影响，减少出入口的排队，而且该身份验证过程相对于用户在目标区域花费的时间比较短，用户体验较好。

附图说明

为了更清楚地说明本公开一个或多个实施例或相关技术中的技术方案，下面将对实施例或相关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公开一个或多个实施例中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1示出了本公开至少一个实施例提供的一种通行控制方法的流程示意图；

图2示出了本公开至少一个实施例提供的通行控制方法的应用系统架构；

图3示出了本公开至少一个实施例提供的另一种通行控制方法的流程示意；

图4示出了本公开至少一个实施例提供的名单管理示意图；

图5示出了本公开至少一个实施例提供的一种客诉模块的处理流程；

图6示出了本公开至少一个实施例提供的一种通行控制装置的结构示意图；

图7示出了本公开至少一个实施例提供的另一种通行控制装置的结构示意。

具体实施方式

为了使本技术领域的人员更好地理解本公开一个或多个实施例中的技术方案，下面将结合本公开一个或多个实施例中的附图，对本公开一个或多个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公开一部分实施例，而不是全部的实施例。基于本公开一个或多个实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本公开保护的范围。

本公开实施例提供一种通行控制方法，该方法可以应用于设置了入口通行设备和出口通行设备(该出入口的通行设备例如可以是闸机)，并通过人脸识别技术进行通行控制和身份识别的场景。例如，包括但不限于：地铁，brt(busrapidtransit，快速公交系统)、轨道交通、景区等多种场景。只要在该场景中，用户可以在出入口通行设备进行刷脸通行，并且场景中存在识别用户身份的需要(例如，识别身份以计费或者用于其他用途)，都可以采用本公开实施例的方案，能够减少出入口排队的现象。

图1示出了本公开至少一个实施例提供的一种通行控制方法，该方法可以包括如下处理：其中，需要说明的是，如下描述中出现的步骤100、步骤102等，并不是对各步骤执行顺序的限制，只是用于作为区分不同处理步骤描述的标识。例如，步骤104也可以在步骤102之前执行。

在步骤100中，获取通行设备处采集的待通行用户的人脸图像，所述通行设备包括入口通行设备和出口通行设备。

例如，以在景区区域的出入口设置的通行设备是闸机为例，当用户要由入口闸机进入景区时，该用户即待通行的用户，该用户的人脸图像可以由入口闸机上设置的图像采集设备或人脸识别机采集得到。其中，该图像采集设备可以是摄像头，该图像采集设备可以是单独设置在入口闸机处的方便采集待通行用户的人脸图像的位置，或者，该图像采集设备也可以是集成在人脸识别一体机上，而为了采集图像方便，该人脸识别一体机可以固定设置在闸机上，并面向闸机通道的进入方向。

又例如，当用户要由出口闸机离开景区时，该用户也是待通行的用户，该用户的人脸图像可以由出口闸机上设置的图像采集设备或人脸识别机采集得到。

在步骤102中，将所述人脸图像与所述通行设备对应的拦截库比对，若比对失败，则控制所述通行设备开启以使所述待通行用户通行；所述拦截库中包括：禁止通行的用户的人脸图像。

拦截库可以是设置在后台服务器的一个人脸数据库，该拦截库中可以存储有禁止通行的用户的人脸图像。比如，某个用户上次来景区未正常缴费，那么可以将该用户的人脸图像放入拦截库中，以在入口闸机侧拦截其进入景区。

例如，入口闸机和出口闸机对应使用的拦截库可以是同一个库，也可以是不同库，可以根据实际业务需求确定，本实施例不做限制。当入口闸机和出口闸机的通行分别使用不同的库时，可以在后台服务器中分别设置。例如，当入口闸机侧采集的用户的人脸图像传输到后台，后台可以根据该入口闸机的拦截库进行人脸图像比对；当出口闸机侧采集的用户的人脸图像传输到后台，表明有用户要由出口闸机离开，后台可以根据该出口闸机对应使用的拦截库进行通行控制。

其中，本步骤中在将人脸图像与通行设备对应的拦截库比对时，可以是将该人脸图像与拦截库中的各个人脸图像进行相似度比对，若相似度高于预设的相似度阈值时，可以认为比对成功；若相似度低于该相似度阈值时，可以认为是比对失败。若比对失败，则表明该人脸图像对应的待通行用户不应被拦截，可以控制通行设备开启以使该用户通行。

在步骤104中，当所述用户处于所述入口通行设备和出口通行设备之间的目标区域时，根据所述入口通行设备处采集的人脸图像对所述用户进行身份识别。

例如，当用户已经进入景区之后，可以根据入口闸机处采集的人脸图像对所述用户进行身份识别。得到识别的身份之后，可以对该用户进行计费或者其他与身份相关的处理。

本实施例的通行控制方法，通过在出入口的通行设备处采取拦截模式，拦截库中的图像数量相对较少，相当于小底库，比对处理速度较快，极大的提高了用户在出入口的通行效率；并且，通过在用户进入目标区域之后再进行身份验证，使得身份验证处理的过程不会对出入口的通行造成影响，减少出入口的排队，而且该身份验证过程相对于用户在目标区域花费的时间比较短，用户体验较好。

如下以乘客在地铁乘车为例，对本公开实施例的通行控制方法进行描述。这种乘车场景中，出入口的通行设备分别是入口闸机和出口闸机，入口闸机和出口闸机之间的目标区域是乘车区间。但可以理解的是，如下地铁乘车场景中描述的通行控制方法同样可以适用于其他场景。

请参见图2，图2示意了本实施例的方法应用的系统架构。两次过闸的交通工具包括：进站闸机21(即入口闸机)、出站闸机22(即出口闸机)和后台系统23。其中，以地铁为例，进站闸机21和出站闸机22可以是地铁系统的agm(automaticgatemachine，自动检票机)，用于乘客进出站时刷脸通过的自动设备。

后台系统23可以包括：地铁系统的自动售检票系统(automaticfarecollectionsystem，afc)，该afc系统可以是由计算机集中控制的自动售票、自动检票以及自动收费和统计的封闭式自动化网络系统，可以执行票务管理、收益管理和运营维护等多种功能。其中，该afc系统还包括清分中心系统(afcclearingcenter，acc)，acc可以作为afc系统的上层管理中心，可以负责全网络票价的制定及发布，路网级运营状况监视，路网级参数管理等功能。所述的afc和acc系统等都是后台系统的已有常规功能，不再详述。

本公开实施例中，后台系统23还可以包括：用于执行本公开实施例的乘车通行控制方法的功能系统(例如，进出站的放行控制、乘车中的乘客身份验证，等)，并且该系统可以与上述afc系统、进出站闸机等进行网络通信，相互之间交换数据信息，配合实现对进出站闸机侧的通行控制，例如控制乘客进站或者出站。后续的实施例将详细描述该方法如何进行通行控制。

图3示出了本公开至少一个实施例提供的一种通行控制方法的流程，如图3所示，在地铁乘车的场景中，该方法可以包括如下处理。其中需要说明的是，本实施例中的进站闸机和出站闸机对应使用的拦截库不同，本实施例将进站闸机使用的拦截库称为黑名单库，将出站闸机对应使用的拦截库称为出站拦截库。并且，出站拦截库中的内容至少包括所述黑名单库，还可以包括其他内容。

在步骤300中，获取目标乘客在乘车进站时的进站人脸图像，并将所述进站人脸图像与黑名单库比对，若比对失败，控制进站闸机开启以使得目标乘客进站。

例如，进站人脸图像可以是进站闸机上的人脸识别机采集的，或者也可以是其他方式采集得到，本实施例不限制。

所述的目标乘客可以是要进站的乘客。采集到的该目标乘客的人脸图像可以称为进站人脸图像，后续步骤将提到的“出站人脸图像”是指的在出站闸机侧采集到的该目标乘客的人脸图像。需要说明的是，实际上该进站人脸图像和出站人脸图像都是该目标乘客的人脸图像，只是名称描述上用进站和出站加以区分，以更清楚该人脸图像的采集位置，不具有其他任何限制意义。

在采集乘客进站的进站人脸图像时，可以先进行活体检测，确保采集到的是真实乘客的人脸，并且可以对采集到图像进行质量评估处理，比如，人脸图像是否完整，图像清晰度是否合格。质量合格的人脸图像可以继续进行后续的与黑名单库的比对处理。

采集到的进站人脸图像可以通过闸机与后台系统之间的通信网络传输至后台系统进行处理，具体可以是将该进站人脸图像与黑名单库进行比对。其中，该黑名单库中可以包括：禁止进站乘车的乘客的人脸图像。例如，所述禁止进站乘车的情况可以是存在欠费或其他禁止乘车的违法行为的乘客。黑名单库中存储的人脸图像可以包括采集处理过的人脸图像，也可以包括由人脸图像中提取的图像特征，在进行比对时，可以依据人脸图像或图像特征进行比对。

如果在将所述进站人脸图像与黑名单库进行相似度比对之后，确定黑名单库中存在该进站人脸图像匹配的人脸图像，所述匹配的人脸图像可以是与进站人脸图像的相似度高于预设的相似度阈值的图像，则可以控制进站闸机不放行该目标乘客进站乘车。等该目标乘客补足欠费或进行了其他合规操作后，可以将其人脸图像由黑名单库中消除，该乘客就可以顺利进站了。例如，因为欠费导致进入黑名单的用户，在费用结清后即可移除黑名单；若是因为其他原因如失信惩戒等原因，需要等待对应原因解除才可从黑名单中移除。

如果在将所述进站人脸图像与黑名单库比对之后，确定黑名单库中的所有图像与该进站人脸图像的相似度都低于预设的相似度阈值，则可以控制进站闸机开启以使得该目标乘客进站。

本公开实施例的黑名单库的初始形成，可以是根据地铁afc系统记录的乘客欠费、或其他禁止乘车的违法记录，将这些存在欠费或违法记录的乘客的人脸图像加入到黑名单库中。当然，这些乘客都是已经注册了刷脸乘车的乘客。实际实施中，黑名单库的初始内容的确定，可以比较灵活，比如，可以由各个地铁运营方根据自己的管理策略自行决定什么样的乘客才加入到黑名单库。

本步骤中，已经注册刷脸乘车的乘客可以是较大数量的乘客，而黑名单库中的人脸图像只是其中存在欠费等情况的乘客图像，相对于全部的已注册刷脸乘车的乘客来说，相当于一个“小底库”，因此，在进行人脸图像的比对时速度会比较快，加快乘客的进站通行，对合法用户的体验更好。而且，该进站通行控制采取的是“拦截模式”，通过与小底库的比对，只拦截非法乘客，正常乘客就可以顺利快速的通行进站。

在步骤302中，在所述目标乘客进站之后且目标乘客出站之前，将进站人脸图像与人脸全量库进行比对，识别所述进站人脸图像对应的乘客身份信息。

本实施例中，可以在目标乘客进站之后，在该目标乘客乘车的过程中对乘客进行身份验证，主要是根据该目标乘客的人脸图像确定目标乘客的身份，比如乘客id。身份验证可以通过将目标乘客的进站人脸图像与人脸全量库进行比对得到，该人脸全量库中可以包括：所有已注册的各个乘客的人脸图像、以及每个已注册乘客的人脸图像对应的乘客身份信息，例如乘客id，该已注册的乘客可以是注册了刷脸乘车的乘客。

通过与人脸全量库进行比对可以获得目标乘客的乘客id，后续就可以根据该乘客身份信息对目标乘客进行乘车扣费。本实施例中，根据识别到的乘客身份信息对目标乘客进行乘车扣费的处理可以是在出站后再进行。此外，上述身份验证可以是在目标乘客进站之后且所述目标乘客出站之前执行。

本实施例中，将进站乘客的人脸采集与人脸辨识的步骤分离，对合法用户采取先放行进站，在时间相对充裕的乘车过程中再进行人脸辨识，这样就能减少乘客在进站闸机处的等待时间；并且，由于与人脸全量库的比对结果仅需在乘客出站前给出，比对时间相对乘客乘车时间而言占比很短，使得这部分身份验证的耗时不会对乘客的乘车造成不好的体验影响。

在步骤304中，获取所述目标乘客在乘车出站时的出站人脸图像，并将所述出站人脸图像与出站拦截库比对，若比对失败，控制出站闸机开启以使得所述目标乘客出站。

本步骤中，目标乘客在出站时，也采用拦截模式对乘客进行出站通行控制，将该目标乘客的出站人脸图像与出站拦截库比对。若所述出站拦截库中的图像与该出站人脸图像之间的相似度都低于预设的相似度阈值，则可以控制出站闸机开启以使得所述目标乘客出站。

其中，该出站拦截库中包括：禁止出站的乘客的人脸图像。所述的禁止出站的乘客也包括存在欠费或其他违法行为的乘客，该出站拦截库中的人脸图像至少包括所述黑名单库中的人脸图像。如果某个乘客在进站闸机进站时，由于匹配上黑名单库被拦截，之后该乘客消除了欠费等违法记录而被从黑名单库消除，那么该更新的黑名单库也会同步至出站拦截库，该乘客在出站时能够顺利的由出站闸机出站。

所述的出站拦截库相对于全部的已注册刷脸乘车的乘客来说，也同样相当于一个“小底库”，因此，在进行人脸图像的比对时速度也会比较快，乘客的出站效率也会较高，减少出站闸机处的排队现象。

本实施例的通行控制方法，通过在进站闸机和出站闸机采取拦截模式，以小底库对非法乘客进行进站或出站拦截，比对的小底库容量较小，比对处理速度较快，极大的提高了乘客进站或出站的效率；并且，通过在乘客进站之后再进行身份验证，使得身份验证处理的过程不会对进出站造成影响，减少进出站闸机的排队，而且该身份验证过程相对于乘客的整个乘车过程占比较小，不会对乘客的乘车体验造成不好的影响。

在实际的乘车过程中，可能存在多种情况，比如，有些非法乘客由于某种原因并没有被收入黑名单库，导致这些乘客不能在进站闸机拦截；或者，有些乘客根本没有注册刷脸乘车，黑名单库中也不会收入这些乘客的人脸图像，等。为了更全面的对各种乘车情况进行处理，本公开实施例还提供了分别针对不同乘客情况的通行控制方案。

请参见图4所示，在通过进站闸机放行乘客进站之后，可以将这些已正常进站的乘客的人脸图像放入一个“进站临时库”中。在乘客乘车的过程中，将该“进站临时库”中的人脸图像与人脸全量库进行比对，并根据比对结果将“进站临时库”中的人脸图像分别放入三个名单：“白名单”、“黑名单”和“灰名单”。

其中，人脸全量库中除了包括注册刷脸乘车的各个乘客的人脸图像、以及每个人脸图像对应的乘客身份信息之外，还包括每个人脸图像对应的乘客的乘车状态信息(该乘车状态信息相当于一种出行状态信息，在其他场景中可以其他信息，比如在景区场景中，用户的出行状态信息可以是该用户上次来景区是否已正常购票)。该乘车状态信息例如可以是：是否存在欠费、是否存在其他禁止乘车的行为。这些乘车状态信息可以是由地铁afc系统获得。

若所述人脸图像对应的乘车状态信息不符合通行条件，则可以将所述人脸图像加入出站闸机对应的出站拦截库，以在出站闸机侧继续拦截该乘客。

在一个例子中，若进站人脸图像对应的乘车状态信息包括禁止乘车的状态信息，比如，通过查询人脸全量库，发现目标乘客的乘车状态信息中存在欠费行为，则可以确定其乘车状态信息不符合通行条件。那么可以在将该乘客的出站人脸图像与出站拦截库比对之前(即在该乘客出站之前)，将该乘客的进站人脸图像加入出站拦截库。这类乘客本应该在进站时被拦截，若进站比对时未能及时拦截，出站时将继续拦截。

此外，上述通过查询人脸全量库发现的非法乘客，实际上可以是加入到图4中所示的“黑名单”，而前面提到过，进站比对时使用的是黑名单库，出站比对时使用的是出站拦截库，并且该出站拦截库也包括所述进站时的黑名单库，需要注意的是，该进站和出站处的黑名单库可以认为是同步的同一个库。图4所示的通过比对形成的新的“黑名单”，可以同步更新到进站使用的黑名单库以及出站使用的出站拦截库。

在另一个例子中，若通过将乘客的进站人脸图像与人脸全量库进行比对后，发现所述人脸全量库中的图像与所述进站人脸图像之间的相似度都低于预设的相似度阈值，那就说明该乘客是未进行刷脸乘车注册的乘客，该乘客将被加入灰名单。并且，可以在所述出站人脸图像与出站拦截库比对之前，将该灰名单中的进站人脸图像加入到出站拦截库。

这部分未进行乘车刷脸注册的乘客，可以在出站闸机拦截，并按照地铁运营方规定的未注册乘客的处理流程进行后续处理。等处理完成后，可以将该乘客由出站拦截库中消除。此外，当乘客在出站闸机遇到了障碍无法出站时，可以改成刷二维码出站。比如，乘客可以点击生成自己手机app上的乘客二维码，刷该二维码，后台可以知晓该二维码对应的乘客支付账号，再根据该乘客支付账号对应的人脸图像(可以是用户在乘车刷脸注册时获得)，找到该人脸图像对应是在哪个车站上车的，从而就获知了乘客的乘车区间，可以扣费出站。当然，这只是一种出站方式的示例，实际实施中不限制具体的处理方式。

在又一个例子中，若通过将乘客的进站人脸图像与人脸全量库进行比对后，发现人脸全量库中存在与所述进站人脸图像匹配的人脸图像，所述的匹配可以是与进站人脸图像之间的相似度达到预设的相似度阈值，且所述进站人脸图像对应的乘车状态信息正常，比如，该乘客不存在欠费等违法行为，则将所述进站人脸图像加入白名单。

对于白名单中的乘客人脸图像，在控制出站闸机放行该乘客出站之后，可以进行进出站配对。该进出站配对指的是将采集的各个出站乘客的出站人脸图像的集合与白名单中的进站人脸图像进行配对。若能够找到相匹配的出站人脸图像和进站人脸图像，该匹配的出站人脸图像和进站人脸图像的图像对是同一乘客的人脸图像，可以根据该比对结果进行通行计费，比如可以根据该人脸图像对应的乘客身份信息进行乘车扣费。

例如，获取到的相匹配的出站人脸图像和进站人脸图像是乘客id是user-1的人脸图像，则可以对该user-1乘客进行车费计算和扣费处理。其中，在乘客进站时，除了采集乘客的进站人脸图像外，还同时采集该乘客的进站标识(即从哪个站进站)；同理，在乘客出站时，除了采集该乘客的出站人脸图像外，还同时采集该乘客的出站标识(即从哪个站出站)，该进站标识和出站标识可以随着人脸图像一起对应存储，例如进站标识可以存储在白名单中，出站标识可以与出站人脸图像一并对应存储。那么，在上述获取到相匹配的出站人脸图像和进站人脸图像后，可以根据对应的进站标识和出站标识确定该乘客的乘车区间，并根据该乘车区间进行乘车扣费。出站后，若乘客的进出站配对记录完整，可以将该乘客的信息由白名单库删除，并加入后续提到的通行刷脸记录库。

本实施例采用了乘车扣费的异步结算的模式，在乘客出站之后再进行扣款的处理，乘客在出站闸机出站时还是采用小底库的拦截模式，这种异步结算模式使得乘客能够快速出站，不会由于扣款处理阻碍出站的效率，从而提高乘车进出站通行的速度，减少进出站闸机的排队现象。

请继续参见图4，若在进出站配对时，不能找到相匹配的出站人脸图像和进站人脸图像的图像对，这种比对结果可能是只有出站人脸图像没有进站人脸图像，或者只有进站人脸图像没有出站人脸图像，则将已存在的进站人脸图像或者出站人脸图像加入黑名单库。黑名单库更新时，同步更新出站拦截库。

在又一个例子中，如果在根据乘客身份信息对目标乘客进行乘车扣费时，发生了扣费失败，则可以根据地铁afc系统反馈的扣费失败通知，将所述目标乘客的人脸图像加入黑名单库，包括同步进站使用的黑名单库以及同步出站使用的出站拦截库，如图4所示。

上述列举了多种情况下的通行控制处理方式，使得非法乘客、扣费失败等情况的乘客等能够得到及时的拦截，并且合法乘客能够顺序快速的乘车通行。

考虑到在刷脸乘车的过程中，有可能会出现误识别的情况，本公开实施例还提供了对误识别的处理方式。当乘客认为系统识别到的自己的乘车行程有误时，可以进行申诉。比如，后台系统可以在地铁的客诉终端提供给乘客一个申诉的入口，乘客通过该入口向后台系统发送乘车误识申诉请求，并且，后台系统可以通过一个单独的客诉模块来处理该乘车误识申诉请求(也可以称为通行误识申诉请求，在其他场景中可以并不是乘车方面的申诉)。

如下分两种情况来说明如何处理申诉请求，包括：乘客存在实际的乘车行程、以及乘客不存在实际的乘车行程两类情况。

其中，当乘客不存在实际的乘车行程，而系统误识别为该乘客发生了一定的乘车行程并进行了乘车计费时，客诉模块可以将该乘车误识申诉请求提交至人工审核，该乘车误识申诉请求中可以携带用于申诉的相关数据，比如该乘客的人脸图像(可以称为申诉人脸图像)，还可以携带乘客身份信息。

人工审核可以是去通行刷脸记录库中去核实是否有该申诉人脸图像存在，即看看该乘客到底有没有乘车。所述的通行刷脸记录库中可以记录有各个乘客的刷脸乘车的记录，例如，某某id的乘客于某时某地进站，并于某时某地出站，以及该乘客的人脸图像。当人工审核无法辨识时，可以配合精度更高的1:1算法(该1:1算法是指两张照片之间的相似度比对，比如，将申诉乘客之前提交的底照和申诉的图像进行对比，如确实不是同一人，则认为是误识)进行辅助核验。如果审核结果是通行刷脸记录库中存在该id的乘客，且人脸相似度较高，满足预定的相似度阈值，则可以驳回其申诉；而如果审核结果是通行刷脸记录库中不存在该乘客的乘车记录，可以向客诉终端反馈申诉成功的结果，并且可以向该乘客退还相应的费用或者消除相关的乘车记录。

其中，当乘客存在实际的乘车行程，而系统将该乘客的行程识别错误时，客诉模块的处理流程可以参见图5所示。

在步骤500中，客诉模块接收客诉终端发送的乘车误识申诉请求，所述乘车误识申诉请求中包括：申诉乘客的乘车行程信息和申诉人脸图像。

本步骤中，所述的乘车行程信息(在乘车之外的其他场景中，可以称为通行行程信息)可以包括乘车区间(进站车站和出站车站)、乘车时段(何时进站、何时出站)。申诉人脸图像可以是该申诉乘客的人脸图像，比如可以是申诉乘客在通过客诉终端上的申诉入口进行申诉时，由客诉终端摄像头采集到的该申诉乘客的人脸图像。

在步骤502中，客诉模块由通行刷脸记录库中的乘车行程信息匹配的人脸图像集中，获取多个相似人脸图像。

例如，客诉模块可以与通行刷脸记录库进行交互通信，由通行刷脸记录库中调取与乘车误识申诉请求中携带的申诉人脸图像相似的多个相似人脸图像。为了减小检索范围，提高检索效率，可以根据乘车误识申诉请求中携带的乘车行程信息，先选择相同乘车区间和相同乘车时段内的人脸图像集，再从该人脸图像集中获取多个相似人脸图像。

在步骤504中，客诉模块将多个相似人脸图像返回给客诉终端，以供申诉乘客从中选择配对人脸图像。

其中，所述的多个相似人脸图像可以显示在客诉终端的界面中，申诉乘客可以从中选择配对人脸图像。该配对人脸图像是指申诉乘客选择的认为是自己的人脸图像。

在步骤506中，客诉模块接收所述申诉乘客由所述多个相似人脸图像中选择的配对人脸图像。

在步骤508中，客诉模块比较配对人脸图像和所述申诉人脸图像之间的相似度，若相似度大于预定的相似度阈值，则确定所述配对人脸图像是所述申诉乘客的人脸图像。

本步骤中，客诉模块可以比较申诉乘客选择的配对人脸图像与申诉人脸图像之间的相似度，如果相似度大于预定的相似度阈值，可以确定该选择的配对人脸图像就是申诉乘客的人脸图像。那么可以按照该配对人脸图像在通行刷脸记录库中记录的乘车区间来进行乘车计费，更正原有的乘车计费(原有计费可以是乘车区间发生了误识)；或者也可以根据申诉乘客的要求进行退款。

而如果客诉模块发现配对人脸图像与申诉人脸图像之间的相似度较低，不满足预定的相似度阈值的要求，则可以继续提交人工审核。此外，如果客诉终端在步骤506中反馈回来的信息是“申诉乘客认为不存在配对人脸图像”，即申诉乘客认为步骤504返回的多个相似人脸图像中没有自己的图像。那么，客诉模块也可以将该乘车误识申诉请求提交至人工审核。

在步骤510中，客诉模块向客诉终端反馈申诉结果。

例如，该申诉结果可以是申诉成功或失败，还可以包括其他处理后的结果信息，比如，已按乘客要求进行了退款。

此外，若同一乘客多次申诉，核验后均认定不为误识，则将给予一定惩戒措施，甚至将其置入“黑名单”中。

本实施例的方法中，在客诉机制中通过客诉模块自动化处理乘车的误识申诉，一方面相对于人工审核处理速度更快，减轻了人工处理负担，另一方面还可以给予申诉乘客进行人脸图像匹配和调整的权利，对乘客更为人性化。

图6示出了本公开至少一个实施例提供的一种通行控制装置的结构示意图，该装置可以执行本公开任一实施例提供的通行控制方法。如图6所示，该装置可以包括：图像获取模块61、拦截处理模块62和身份识别模块63。

图像获取模块61，用于获取通行设备处采集的待通行用户的人脸图像，所述通行设备包括入口通行设备和出口通行设备；

拦截处理模块62，用于将所述人脸图像与所述通行设备对应的拦截库比对，若比对失败，则控制所述通行设备开启以使所述待通行用户通行；所述拦截库中包括：禁止通行的用户的人脸图像；

身份识别模块63，用于当所述用户处于所述入口通行设备和出口通行设备之间的目标区域时，根据所述入口通行设备处采集的人脸图像对所述用户进行身份识别。

在一个例子中，身份识别模块63，具体用于将所述人脸图像与人脸全量库进行比对，识别所述人脸图像对应的用户身份信息；所述人脸全量库中包括：已注册用户的人脸图像、以及每个已注册用户的人脸图像对应的用户身份信息。

在一个例子中，身份识别模块63，还用于：当所述用户处于所述入口通行设备和出口通行设备之间的目标区域时，将所述入口通行设备处采集的人脸图像与人脸全量库比对，所述人脸全量库中包括：每个所述已注册用户的人脸图像对应的出行状态信息；若所述人脸图像对应的出行状态信息不符合通行条件，则将所述人脸图像加入所述出口通行设备对应的拦截库。

在一个例子中，身份识别模块63，在用于确定所述人脸图像对应的出行状态信息不符合通行条件时，包括：若所述人脸图像对应的出行状态信息包括禁止通行的状态信息，或所述入口通行设备处采集的人脸图像与所述人脸全量库比对失败，则确定所述人脸图像对应的出行状态信息不符合通行条件。

在一个例子中，请参见图7所示，该装置还可以包括配对处理模块64。

身份识别模块63，还用于：当所述用户处于所述入口通行设备和出口通行设备之间的目标区域时，将所述入口通行设备处采集的人脸图像与人脸全量库比对，所述人脸全量库中包括：每个已注册用户的人脸图像及其出行状态信息；若比对成功，且所述人脸图像对应的出行状态信息正常，将所述人脸图像加入白名单。

配对处理模块64，用于：响应于待通行用户通过出站通行设备后，将所述出站通行设备处采集的各个用户的人脸图像与所述白名单中的人脸图像进行比对，获取比对结果，并根据比对结果进行通行计费。

在一个例子中，配对处理模块64，还用于：若通过所述出站通行设备处采集的各个用户的人脸图像与所述白名单中的人脸图像比对失败，则将已存在的人脸图像加入所述拦截库。

在一个例子中，该装置还包括：更新处理模块65，用于：在接收到对所述用户进行通行计费的扣费失败通知时，将所述扣费失败的用户的人脸图像加入所述拦截库。

在一个例子中，该装置还包括：图像选择模块66和相似比较模块67，这两个模块可以是属于上述方法实施例中提到的客诉模块，比如，客诉模块包括这两个模块。

图像选择模块66，用于根据接收的通行误识申诉请求中携带的申诉用户的通行行程信息和申诉人脸图像，由所述通行行程信息匹配的人脸图像集中获取多个相似人脸图像。

相似比较模块67，用于接收所述申诉用户由所述多个相似人脸图像中选择的配对人脸图像，若所述配对人脸图像和所述申诉人脸图像之间的相似度大于预定的相似度阈值，则确定所述配对人脸图像是所述申诉用户的图像，以根据所述配对人脸图像更正所述申诉用户的通行计费。

在一些实施例中，上述装置可以用于执行上文所述的对应任意方法，为了简洁，这里不再赘述。

本公开实施例还提供了一种电子设备，所述设备包括存储器、处理器，所述存储器用于存储计算机可读指令，所述处理器用于调用所述计算机指令，实现本说明书任一实施例的通行控制方法。

本公开实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现本说明书任一实施例的通行控制方法。

本领域技术人员应明白，本公开一个或多个实施例可提供为方法、系统或计算机程序产品。因此，本公开一个或多个实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本公开一个或多个实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本公开实施例还提供一种计算机可读存储介质，该存储介质上可以存储有计算机程序，所述程序被处理器执行时实现本公开任一实施例描述的用于文字识别的神经网络的训练方法的步骤，和/或，实现本公开任一实施例描述的文字识别方法的步骤。

其中，本公开实施例所述的“和/或”表示至少具有两者中的其中一个，例如，“多和/或b”包括三种方案：多、b、以及“多和b”。

本公开中的各个实施例均采用递进的方式描述，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，对于数据处理设备实施例而言，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。

上述对本公开特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的行为或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本公开中描述的主题及功能操作的实施例可以在以下中实现：数字电子电路、有形体现的计算机软件或固件、包括本公开中公开的结构及其结构性等同物的计算机硬件、或者它们中的一个或多个的组合。本公开中描述的主题的实施例可以实现为一个或多个计算机程序，即编码在有形非暂时性程序载体上以被数据处理装置执行或控制数据处理装置的操作的计算机程序指令中的一个或多个模块。可替代地或附加地，程序指令可以被编码在人工生成的传播信号上，例如机器生成的电、光或电磁信号，该信号被生成以将信息编码并传输到合适的接收机装置以由数据处理装置执行。计算机存储介质可以是机器可读存储设备、机器可读存储基板、随机或串行存取存储器设备、或它们中的一个或多个的组合。

本公开中描述的处理及逻辑流程可以由执行一个或多个计算机程序的一个或多个可编程计算机执行，以通过根据输入数据进行操作并生成输出来执行相应的功能。所述处理及逻辑流程还可以由专用逻辑电路—例如fpg多(现场可编程门阵列)或多sic(专用集成电路)来执行，并且装置也可以实现为专用逻辑电路。

适合用于执行计算机程序的计算机包括，例如通用和/或专用微处理器，或任何其他类型的中央处理单元。通常，中央处理单元将从只读存储器和/或随机存取存储器接收指令和数据。计算机的基本组件包括用于实施或执行指令的中央处理单元以及用于存储指令和数据的一个或多个存储器设备。通常，计算机还将包括用于存储数据的一个或多个大容量存储设备，例如磁盘、磁光盘或光盘等，或者计算机将可操作地与此大容量存储设备耦接以从其接收数据或向其传送数据，抑或两种情况兼而有之。然而，计算机不是必须具有这样的设备。此外，计算机可以嵌入在另一设备中，例如移动电话、个人数字助理(pd多)、移动音频或视频播放器、游戏操纵台、全球定位系统(gps)接收机、或例如通用串行总线(usb)闪存驱动器的便携式存储设备，仅举几例。

适合于存储计算机程序指令和数据的计算机可读介质包括所有形式的非易失性存储器、媒介和存储器设备，例如包括半导体存储器设备(例如eprom、eeprom和闪存设备)、磁盘(例如内部硬盘或可移动盘)、磁光盘以及cdrom和dvd-rom盘。处理器和存储器可由专用逻辑电路补充或并入专用逻辑电路中。

虽然本公开包含许多具体实施细节，但是这些不应被解释为限制任何公开的范围或所要求保护的范围，而是主要用于描述特定公开的具体实施例的特征。本公开内在多个实施例中描述的某些特征也可以在单个实施例中被组合实施。另一方面，在单个实施例中描述的各种特征也可以在多个实施例中分开实施或以任何合适的子组合来实施。此外，虽然特征可以如上所述在某些组合中起作用并且甚至最初如此要求保护，但是来自所要求保护的组合中的一个或多个特征在一些情况下可以从该组合中去除，并且所要求保护的组合可以指向子组合或子组合的变型。

类似地，虽然在附图中以特定顺序描绘了操作，但是这不应被理解为要求这些操作以所示的特定顺序执行或顺次执行、或者要求所有例示的操作被执行，以实现期望的结果。在某些情况下，多任务和并行处理可能是有利的。此外，上述实施例中的各种系统模块和组件的分离不应被理解为在所有实施例中均需要这样的分离，并且应当理解，所描述的程序组件和系统通常可以一起集成在单个软件产品中，或者封装成多个软件产品。

由此，主题的特定实施例已被描述。其他实施例在所附权利要求书的范围以内。在某些情况下，权利要求书中记载的动作可以以不同的顺序执行并且仍实现期望的结果。此外，附图中描绘的处理并非必需所示的特定顺序或顺次顺序，以实现期望的结果。在某些实现中，多任务和并行处理可能是有利的。

以上所述仅为本公开一个或多个实施例的较佳实施例而已，并不用以限制本公开一个或多个实施例，凡在本公开一个或多个实施例的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本公开一个或多个实施例保护的范围之内。