用于检测人脸图像的方法和装置与流程

本申请实施例涉及计算机技术领域，具体涉及人脸识别技术领域，尤其涉及用于检测人脸图像的方法和装置。

背景技术：

人脸识别，通常是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。

技术实现要素：

本申请实施例提出了用于检测人脸图像的方法和装置。

第一方面，本申请实施例提供了一种用于检测人脸图像的方法，包括：接收第一图像采集设备和第二图像采集设备分别采集的目标对象的第一人脸图像和第二人脸图像；根据第一人脸图像生成第三人脸图像，其中，第三人脸图像是与第二人脸图像的采集角度相同的立体人脸图像；将第三人脸图像与第二人脸图像进行匹配；根据匹配结果，生成目标对象的检测结果。

在一些实施例中，根据第一人脸图像生成第三人脸图像，包括：将第一人脸图像输入预先训练的生成式对抗网络，根据第一图像采集设备与第二图像采集设备的位置关系，生成第三人脸图像。

在一些实施例中，生成式对抗网络通过一下步骤训练得到：获取样本对象的第一样本人脸图像和至少一种预设角度的立体样本人脸图像；将第一样本人脸图像作为输入，训练生成式对抗网络中的生成部分生成至少一种预设角度的第三样本人脸图像；根据各立体样本人脸图像，训练生成式对抗网络中的判别部分分别对各预设角度相同的第三样本人脸图像进行判别；直至判别部分的判别结果满足第一预设条件，结束生成式对抗网络的训练。

在一些实施例中，至少一种预设角度的立体样本人脸图像通过以下步骤得到：对样本对象的人脸从至少一种预设角度进行实拍；或利用三维建模技术生成样本对象的三维模拟人脸，并调整至至少一种预设角度进行处理。

在一些实施例中，将第三人脸图像与第二人脸图像进行匹配，包括：将第三人脸图像作为重构图像，将第二人脸图像作为原始图像，计算重构图像与原始图像之前的重构误差；或将第三人脸图像和第二人脸图像输入神经网络进行判断。

在一些实施例中，根据匹配结果，生成目标对象的检测结果，包括：确定匹配结果是否满足第二预设条件；响应于确定满足，生成用于指示采集的目标对象的人脸图像是立体的检测结果；响应于确定不满足，生成用于指示采集的目标对象的人脸图像是平面的检测结果。

在一些实施例中，响应于确定满足，生成用于指示采集的目标对象的人脸图像是立体的检测结果，包括：响应于确定满足，进一步确定第二人脸图像是否符合人脸立体结构；响应于确定符合，生成用于指示采集的目标对象的人脸图像是立体人脸图像的检测结果；响应于确定不符合，生成用于指示采集的目标对象的人脸图像是立体的检测结果。

在一些实施例中，第一人脸图像和第二人脸图像分别是第一图像采集设备和第二图像采集设备对目标对象的人脸或包含目标对象的人脸图像的载体进行采集而得到的，其中，载体包括照片和/或电子设备的屏幕。

第二方面，本申请实施例提供了一种用于检测人脸图像的装置，包括：接收单元，配置用于接收第一图像采集设备和第二图像采集设备分别采集的目标对象的第一人脸图像和第二人脸图像；第一生成单元，配置用于根据第一人脸图像生成第三人脸图像，其中，第三人脸图像是与第二人脸图像的采集角度相同的立体人脸图像；匹配单元，配置用于将第三人脸图像与第二人脸图像进行匹配；第二生成单元，配置用于根据匹配结果，生成目标对象的检测结果。

在一些实施例中，第一生成单元进一步配置用于：将第一人脸图像输入预先训练的生成式对抗网络，根据第一图像采集设备与第二图像采集设备的位置关系，生成第三人脸图像。

在一些实施例中，生成式对抗网络通过一下步骤训练得到：获取样本对象的第一样本人脸图像和至少一种预设角度的立体样本人脸图像；将第一样本人脸图像作为输入，训练生成式对抗网络中的生成部分生成至少一种预设角度的第三样本人脸图像；根据各立体样本人脸图像，训练生成式对抗网络中的判别部分分别对各预设角度相同的第三样本人脸图像进行判别；直至判别部分的判别结果满足第一预设条件，结束生成式对抗网络的训练。

在一些实施例中，至少一种预设角度的立体样本人脸图像通过以下步骤得到：对样本对象的人脸从至少一种预设角度进行实拍；或利用三维建模技术生成样本对象的三维模拟人脸，并调整至至少一种预设角度进行处理。

在一些实施例中，匹配单元包括：计算子单元，配置用于将第三人脸图像作为重构图像，将第二人脸图像作为原始图像，计算重构图像与原始图像之前的重构误差；或判断子单元，配置用于将第三人脸图像和第二人脸图像输入神经网络进行判断。

在一些实施例中，第二生成单元包括：确定子单元，配置用于确定匹配结果是否满足第二预设条件；第一生成子单元，配置用于响应于确定满足，生成用于指示采集的目标对象的人脸图像是立体的检测结果；第二生成子单元，配置用于响应于确定不满足，生成用于指示采集的目标对象的人脸图像是平面的检测结果。

在一些实施例中，第一生成子单元进一步配置用于：响应于确定满足，进一步确定第二人脸图像是否符合人脸立体结构；响应于确定符合，生成用于指示采集的目标对象的人脸图像是立体人脸图像的检测结果；响应于确定不符合，生成用于指示采集的目标对象的人脸图像是立体的检测结果。

在一些实施例中，第一人脸图像和第二人脸图像分别是第一图像采集设备和第二图像采集设备对目标对象的人脸或包含目标对象的人脸图像的载体进行采集而得到的，其中，载体包括照片和/或电子设备的屏幕。

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，用于存储一个或多个程序；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上述第一方面中任一实施例所描述的方法。

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，其中，该计算机程序被处理器执行时实现如上述第一方面中任一实施例所描述的方法。

本申请实施例提供的用于检测人脸图像的方法和装置，首先通过第一图像采集设备和第二图像采集设备，可以分别采集到目标对象的第一人脸图像和第二人脸图像。也就是说，可以得到同一目标对象的两张不同角度的人脸图像。这样，根据第一人脸图像，可以生成与第二人脸图像的采集角度相同的第三人脸图像。这里的第三人脸图像为近似真实人脸的立体人脸图像。之后，可以将第三人脸图像与第二人脸图像进行匹配，从而根据匹配结果，可以生成目标对象的检测结果。这样可以实现对平面人脸图像(如照片或屏幕上的人脸图像)的检测。也就是说，可以检测出现在第一图像采集设备和第二图像采集设备的采集范围内的目标对象的人脸图像是否为平面图像。

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是根据本申请的用于检测人脸图像的方法的一个实施例的流程图；

图3是根据本申请的用于检测人脸图像的方法的应用场景的示意图；

图4是根据本申请的用于检测人脸图像的装置的一个实施例的结构示意图；

图5是适于用来实现本申请实施例的电子设备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用于检测人脸图像的方法或用于检测人脸图像的装置的示例性系统架构100。

如图1所示，系统架构100可以包括终端101、网络102和服务器103。网络102用以在终端101与服务器103之间提供通信链路的介质。网络102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。

终端101上可以安装有图像采集设备1011、1012。图像采集设备1011、1012可以安装在终端101的不同位置，用于采集同一目标对象的不同角度的人脸图像。图像采集设备1011、1012可以是各种能实现图像采集的设备，如摄像头、传感器等等。

终端101可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机、台式计算机和传感器等等。

此外，用户可以使用终端101通过网络102与服务器103进行交互，以接收或发送消息等。终端101上可以安装有各种客户端应用，例如人脸图像检测识别类应用、购物类应用、支付类应用、网页浏览器和即时通讯工具等。

服务器103可以是提供各种服务的服务器，例如对终端101上显示的各种应用提供支持的后台服务器。后台服务器可以对终端101发送的、图像采集设备1011、1012所采集的目标对象的人脸图像进行分析处理，并可以将处理结果(如生成的检测结果)发送给终端101。这样，可以使终端101将处理结果展示给用户，或者可以使终端101上的应用根据处理结果实现对应的功能操作。

需要说明的是，本申请实施例所提供的用于检测人脸图像的方法一般由服务器103执行，相应地，用于检测人脸图像的装置一般设置于服务器103中。

需要指出的是，图像采集设备1011、1012可以安装在终端101上，也可以独立于终端101而单独设置。且当图像采集设备独立设置时，同样可以通过网络与服务器103实现通信。

应该理解，图1中的终端、网络、服务器和图像采集设备的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端、网络、服务器和图像采集设备。

继续参见图2，其示出了根据本申请的用于检测人脸图像的方法的一个实施例的流程200。该用于检测人脸图像的方法可以包括以下步骤：

步骤201，接收第一图像采集设备和第二图像采集设备分别采集的目标对象的第一人脸图像和第二人脸图像。

在本实施例中，用于检测人脸图像的方法运行于其上的电子设备(例如图1所示的服务器103)可以通过有线连接方式或无线连接方式，接收与其通信连接的第一图像采集设备和第二图像采集设备(例如图1所示的图像采集设备1011、1012)分别采集的目标对象的第一人脸图像和第二人脸图像。这里的目标对象可以是任意用户，如使用终端(例如图1所示的终端101)的用户，再如出现在第一图像采集设备和第二图像采集设备的采集范围内的用户。

在本实施例中，第一图像采集设备和第二图像采集设备可以是普通的摄像头。所采集的第一人脸图像和第二人脸图像可以是彩色图像，也可以是灰度图像。需要说明的是，由于第一图像采集设备和第二图像采集设备的设置位置的不同，会存在采集角度的偏差，所以第一人脸图像与第二人脸图像往往是同一目标对象的同一时刻、不同角度的人脸图像。也就是说，第一人脸图像和第二人脸图像可以分别是第一图像采集设备和第二图像采集设备同时对目标对象的人脸进行采集而得到的。这里的同时可以允许有一定的时间偏差。

此外，第一人脸图像和第二人脸图像的具体格式在本申请中并不限制，如jpg(Joint Photo graphic Experts Group，一种图片格式)、BMP(Bitmap，图像文件格式)或RAW(RAW Image Format，无损压缩格式)等格式，只要可以被电子设备识别即可。

在本实施例的一些可选地实现方式中，第一人脸图像和第二人脸图像可以是对目标对象的真实人脸进行采集(如拍摄、录像等)得到的，也可以是对包含目标对象的人脸图像的载体进行采集(如拍摄、截图等)得到的。其中，载体可以包括照片和/或电子设备的屏幕。也就是说，通过采集目标对象的人脸照片(实物)或屏幕上呈现的目标对象的人脸电子照片、视频或模拟动画等，也可以得到第一人脸图像和第二人脸图像。可以理解的是，照片或屏幕上呈现的人脸图像与真实人脸是不同，前者的人脸是平面的，而后者的人脸是立体的。

步骤202，根据第一人脸图像生成第三人脸图像。

在本实施例中，根据步骤201中接收的第一人脸图像，电子设备可以生成第三人脸图像。其中，第三人脸图像可以是与第二人脸图像的采集角度相同的立体人脸图像。这里的立体人脸图像可以是指近似真实人脸图像。也就是说，生成的第三人脸图像与通过第二图像采集设备来采集目标对象的真实人脸而得到的图像很接近。

可以理解的是，由于真实人脸具有人脸立体结构，所以当从不同角度来采集人脸图像时，不同的人脸部位与图像采集设备的距离不同，这样采集的图像中不同人脸部位的大小会不同。此外，图像中形成的遮挡区域、阴影面积等也会不同，尤其是鼻子部位。所以第三人脸图像可以是能够体现人脸立体结构的立体人脸图像。

在本实施例的一些可选地实现方式中，电子设备可以将第一图像输入预先训练的卷积神经网络，生成第三人脸图像。其中，卷积神经网络可以通过以下步骤训练得到：

首先，可以获取样本对象(如不同年龄、性别的人)在第一图像采集设备的采集角度下的第一样本人脸图像，以及在第二图像采集设备的采集角度下立体样本人脸图像(即真实或近似真实人脸图像)。

然后，将第一样本人脸图像作为输入，将立体样本人脸图像作为输出，训练得到卷积神经网络。

可选地，为了提高生成的第三人脸图像的真实度，电子设备可以将第一人脸图像输入预先训练的生成式对抗网络(Generative Adversarial Networks，GAN)，从而可以提取第一人脸图像中的人脸特征数据；然后，根据第一图像采集设备与第二图像采集设备的位置关系，可以将提取的人脸特征数据，从第一图像采集设备的坐标映射到第二图像采集设备的坐标，从而生成第三人脸图像。

其中，第一图像采集设备与第二图像采集设备的位置关系可以是绝对位置关系，也可以是相对位置关系。该位置关系可以是预先存储在电子设备中的，也可以是电子设备根据第一人脸图像和第二人脸图像，通过计算得到的。

在这里，生成式对抗网络模型中通常可以包括生成式模型(generative model)和判别式模型(discriminative model)。生成模型可以捕捉样本数据的分布，用服从某一分布(如均匀分布、高斯分布等)的噪声生成一个类似真实训练数据的样本，追求效果是越像真实样本越好；判别模型是一个二分类器，可以估计一个样本来自于训练数据(而非生成数据)的概率。如果样本来自于真实的训练数据，判别模型可以输出大概率；否则，输出小概率。

此时，生成式对抗网络可以通过以下步骤训练得到：

首先，可以获取样本对象的第一样本人脸图像和至少一种预设角度(如向左45°)的立体样本人脸图像。

接着，可以将第一样本人脸图像作为输入，训练生成式对抗网络中的生成部分(生成式模型)生成至少一种预设角度的第三样本人脸图像。

之后，根据各立体样本人脸图像，可以训练生成式对抗网络中的判别部分(判别式模型)分别对各预设角度相同的第三样本人脸图像进行判别。即将生成的第三样本人脸图像与预设角度相同的立体人脸图像进行判别区分。

这样，直至判别部分的判别结果满足第一预设条件，便可以结束生成式对抗网络的训练。这里的第一预设条件可以根据实际情况来设置，如可以是第三样本人脸图像为立体样本人脸图像(真实人脸图像)的概率是0.5。这样一来，也有助于扩大生成式对抗网络的适用范围，从而可以生成任一预设角度的立体人脸图像。

需要说明的是，上述的第一样本人脸图像和立体样本人脸图像可以是从现有的人脸图像数据库中获取的，也可以是采集收集的。如在用户注册时，需要用户按照要求提供人脸图像。且第一样本人脸图像可以是对样本对象的真实人脸拍摄得到的，也可以是对包含样本对象的人脸图像的载体进行拍摄、截屏等而得到的。而立体样本人脸图像也可以通过(但不限于)以下步骤得到：对样本对象的真实人脸从至少一种预设角度进行实拍；或者利用三维建模技术生成样本对象的三维模拟人脸，并调整至至少一种预设角度进行处理。如获取预设角度下的三维模拟人脸的人脸特征数据。再如根据三维模拟人脸进行3D打印(3DP，快速成型技术的一种)，得到样本对象的人脸模型，进而对其进行预设角度拍照。

可以理解的是，通过实拍得到的立体样本人脸图像即为真实的样本人脸图像，而通过三维建模技术得到的立体样本人脸图像即为近似真实的样本人脸图像。

步骤203，将第三人脸图像与第二人脸图像进行匹配。

在本实施例中，对于步骤202中生成的第三人脸图像，电子设备可以将其与第二人脸图像进行匹配。

在本实施例的一些可选地实现方式中，电子设备可以采用重构误差的方法，来计算第三人脸图像与第二人脸图像之间的误差。即将第三人脸图像作为重构图像(根据原始图像而重构的图像)，将第二人脸图像作为原始图像(重构图像所用的原始的图像)，计算重构图像(即第三人脸图像)与原始图像(第二人脸图像)之前的重构误差。需要说明的是，重构误差在深度学习中已被广泛使用，其具体算法和参数可以根据实际情况设置，此处不再赘述。

可选地，电子设备还可以将第三人脸图像和第二人脸图像输入神经网络进行判断。这里的神经网络同样可以根据实际情况进行学习训练而得到。例如，通过神经网络可以分别在第三人脸图像和第二人脸图像中选取特征点；然后计算特征点之间的距离(如欧几里得距离等)。再例如，还可以根据在第三人脸图像和第二人脸图像中分别选取的特征点，来构造人脸曲线；然后计算曲线间的相似度等。

可以理解的是，上述匹配过程可以不利用深度信息，而是通过端到端的方法，这样就可以避免计算深度信息而引入误差，从而有利于提高检测结果的准确度。

需要说明的是，第一人脸图像和第二人脸图像中通常仅包含一个目标对象的一张人脸图像。当然，在将第三人脸图像与第二人脸图像进行匹配之前，首先电子设备可以对第二人脸图像进行人脸检测；然后，在检测到人脸图像的情况下，进一步确定人脸图像的数目；之后，可以对检测到的人脸图像进行人脸识别，或者将检测到的人脸图像与第三人脸图像进行人脸特征匹配，以确定第二人脸图像中是否存在目标对象的人脸图像；在确定存在之后，电子设备可以进一步进行第三人脸图像与第二人脸图像的匹配。

步骤204，根据匹配结果，生成目标对象的检测结果。

在本实施例中，根据步骤203中的匹配结果，电子设备可以生成目标对象的检测结果。其中，检测结果可以用于指示目标对象的人脸图像检测是否通过。

在本实施例的一些可选地实现方式中，对于生成用于指示目标对象的人脸图像检测不通过的检测结果，可以包括以下至少一项情况：第二人脸图像中不存在人脸图像、第二人脸图像中存在多个人脸图像或第二人脸图像中不存在目标对象的人脸图像等信息。此时，匹配结果可以包括用于表示无匹配信息或无匹配结果的信息。

可选地，电子设备可以确定匹配结果是否满足第二预设条件。这里的第二预设条件可以根据步骤203中的匹配方法进行设置，如重构度误差小于预设阈值(如0.5)。当响应于确定匹配结果满足第二预设条件时，电子设备可以生成用于指示采集的目标对象的人脸图像是立体的检测结果；当响应于确定匹配结果不满足第二预设条件时，电子设备可以生成用于指示采集的目标对象的人脸图像是平面的检测结果。

可以理解的是，若检测结果指示采集的目标对象的人脸图像是平面的，即位于第一图像采集设备和/或第二图像采集设备的采集范围内的目标对象的人脸为平面。可以说明所采集的目标对象的人脸图像不是来自于活体(有生命体征的人)或真实人脸。此时，可以确定目标对象的人脸图像检测不通过。这样无需人机交互(不需要用户配合做指定动作)，就可以对照片和电子设备的屏幕呈现的人脸图像进行有效地检测，从而可以避免一些非法行为，降低目标对象的财产损失风险。

若检测结果指示采集的目标对象的人脸图像是立体的，可以说明目标对象的人脸图像可能来自于活体或真实人脸。此时，可以确定目标对象的人脸图像检测通过。

进一步地，电子设备在确定匹配结果满足第二预设条件之后，可以进一步确定第二人脸图像是否符合人脸立体结构。例如比较第三人脸图像和第二人脸图像中的遮挡位置、阴影位置和面积等。进而，在确定符合人脸立体结构的情况下，可以生成用于指示采集的目标对象的人脸图像是立体人脸图像的检测结果。此时，可以确定目标对象的人脸图像检测通过。在确定不符合人脸立体结构的情况下，可以生成用于指示采集的目标对象的人脸图像是立体的检测结果。此时，可以确定目标对象的人脸图像检测不通过。这样对于那些虽然是立体的，但不符合人脸立体结构的图像，如弯折的照片所呈现的人脸图像，可以进行有效地检测识别。

在一些应用场景中，电子设备还可以结合其他检测方法(可以根据实际情况设置)，来进一步确定目标对象的人脸图像是否来自于活体。例如，连续或间隔地获取多张第二人脸图像，电子设备可以对这些第二人脸图像中的人脸图像进行比对。这样根据比对结果(如眼睛有睁开和闭上两种状态、嘴型发生变化等)，在无需人机交互的情况下，可以确定目标对象的人脸图像是否来自于活体。若确定来自于活体，则可以确定目标对象的人脸图像检测通过。再例如，电子设备可以向目标对象使用的终端发送(语音和/或文本)动作指令。通过目标对象执行动作指令所指示的动作，电子设备可以确定目标对象的人脸图像是否来自于活体，从而确定目标对象的人脸图像检测是否通过。这样可以对包含目标对象的人脸图像的3D打印模型、弯折的照片等进行有效地检测，从而可以进一步提高检测的适用范围和准确度。

可以理解的是，本实施例中的方法不仅限于用于检测人脸图像，还可以用于检测其他目标对象(如动物、植物等)的图像，从而确定所采集的目标对象的图像是否为平面。

进一步参见图3，图3是根据本实施例的用于检测人脸图像的方法的应用场景的示意图。在图3的应用场景中，当用户利用终端101上安装的支付应用进行付款时，终端101上的图像采集设备1011、1012被激活打开。这样图像采集设备1011、1012可以分别采集用户的第一人脸图像A和第二人脸图像B。为了便于用户操作，图像采集设备1011、1012中的至少一个图像采集设备所采集的人脸图像可以显示在终端101的屏幕上。同时，终端101可以通过网络102，将第一人脸图像A和第二人脸图像B发送给服务103。

服务器103可以先根据第一人脸图像A，生成与第二人脸图像B采集角度相同的第三人脸图像C。之后，可以将第三人脸图像C与第二人脸图像B进行匹配，从而可以排除利用用户的人脸照片或屏幕呈现的用户人脸图像进行检测的情况。当用户的人脸图像检测通过后(即采集的用户的人脸图像是符合人脸立体结构的立体人脸图像)，服务器103可以向终端101发送检测结果。这样终端101上的支付应用可以根据检测结果完成付款功能。

本实施例提供的用于检测人脸图像的方法，首先通过第一图像采集设备和第二图像采集设备，可以分别采集到目标对象的第一人脸图像和第二人脸图像。也就是说，可以得到同一目标对象的两张不同角度的人脸图像。这样，根据第一人脸图像，可以生成与第二人脸图像的采集角度相同的第三人脸图像。这里的第三人脸图像为近似真实人脸的立体人脸图像。之后，可以将第三人脸图像与第二人脸图像进行匹配，从而根据匹配结果，可以生成目标对象的检测结果。这样可以实现对平面人脸图像(如照片或屏幕上的人脸图像)的检测。也就是说，可以检测出现在第一图像采集设备和第二图像采集设备的采集范围内的目标对象的人脸图像是否为平面图像。

继续参见图4，作为对上述各图所示方法的实现，本申请提供了一种用于检测人脸图像的装置的一个实施例。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4所示，本实施例的用于检测人脸图像的装置400可以包括：接收单元401，配置用于接收第一图像采集设备和第二图像采集设备分别采集的目标对象的第一人脸图像和第二人脸图像；第一生成单元402，配置用于根据第一人脸图像生成第三人脸图像，其中，第三人脸图像是与第二人脸图像的采集角度相同的立体人脸图像；匹配单元403，配置用于将第三人脸图像与第二人脸图像进行匹配；第二生成单元404，配置用于根据匹配结果，生成目标对象的检测结果。

在本实施例中，接收单元401、第一生成单元402、匹配单元403和第二生成单元404的具体实现方式及产生的有益效果，可以分别参见图2所示实施例中的步骤201、步骤202、步骤203和步骤204的相关描述，此处不再赘述。

在本实施例的一些可选的实现方式中，第一生成单元402可以进一步配置用于：将第一人脸图像输入预先训练的生成式对抗网络，根据第一图像采集设备与第二图像采集设备的位置关系，生成第三人脸图像。

可选地，生成式对抗网络可以通过一下步骤训练得到：获取样本对象的第一样本人脸图像和至少一种预设角度的立体样本人脸图像；将第一样本人脸图像作为输入，训练生成式对抗网络中的生成部分生成至少一种预设角度的第三样本人脸图像；根据各立体样本人脸图像，训练生成式对抗网络中的判别部分分别对各预设角度相同的第三样本人脸图像进行判别；直至判别部分的判别结果满足第一预设条件，结束生成式对抗网络的训练。

进一步地，上述至少一种预设角度的立体样本人脸图像可以通过以下步骤得到：对样本对象的人脸从至少一种预设角度进行实拍；或利用三维建模技术生成样本对象的三维模拟人脸，并调整至至少一种预设角度进行处理。

在一些实施例中，匹配单元403可以包括：计算子单元(图中未示出)，配置用于将第三人脸图像作为重构图像，将第二人脸图像作为原始图像，计算重构图像与原始图像之前的重构误差；或判断子单元(图中未示出)，配置用于将第三人脸图像和第二人脸图像输入神经网络进行判断。

可选地，第二生成单元404可以包括：确定子单元(图中未示出)，配置用于确定匹配结果是否满足第二预设条件；第一生成子单元(图中未示出)，配置用于响应于确定满足，生成用于指示采集的目标对象的人脸图像是立体的检测结果；第二生成子单元(图中未示出)，配置用于响应于确定不满足，生成用于指示采集的目标对象的人脸图像是平面的检测结果。

在一些实施例中，第一生成子单元可以进一步配置用于：响应于确定满足，进一步确定第二人脸图像是否符合人脸立体结构；响应于确定符合，生成用于指示采集的目标对象的人脸图像是立体人脸图像的检测结果；响应于确定不符合，生成用于指示采集的目标对象的人脸图像是立体的检测结果。

在一些应用场景中，第一人脸图像和第二人脸图像可以分别是第一图像采集设备和第二图像采集设备对目标对象的人脸或包含目标对象的人脸图像的载体进行采集而得到的，其中，载体包括照片和/或电子设备的屏幕。

下面参见图5，其示出了适于用来实现本申请实施例的电子设备的计算机系统500的结构示意图。图5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5所示，计算机系统500可以包括中央处理单元(CPU)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

以下部件连接至I/O接口505：包括触摸屏、键盘、图像采集设备等的输入部分506；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507；包括硬盘等的存储部分508；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509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，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510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508。

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509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501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。

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：一种处理器包括接收单元、第一生成单元、匹配单元和第二生成单元。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，第一生成单元还可以被描述为“根据第一人脸图像生成第三人脸图像的单元”。

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：接收第一图像采集设备和第二图像采集设备分别采集的目标对象的第一人脸图像和第二人脸图像；根据第一人脸图像生成第三人脸图像，其中，第三人脸图像是与第二人脸图像的采集角度相同的立体人脸图像；将第三人脸图像与第二人脸图像进行匹配；根据匹配结果，生成目标对象的检测结果。

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。