面部识别登陆方法、装置、计算机设备及存储介质与流程

本发明涉及计算机应用技术领域，具体而言，本发明涉及一种面部识别登陆方法、装置、计算机设备及存储介质。

背景技术：

在计算机安全登录中，通常是需要账号或者密码登录，但是当用户因为安全保密原因经常更换密码时，容易导致新变更的密码遗忘而登录不了计算机。

另外，当他人得知计算机密码后可随意对计算机进行访问，一旦登录了计算机，计算机内所有未加密的文件均可进行查看和编辑修改，同时通过所登录的计算机的权限，使用与该计算机相关联的各业务系统，且对于一些加密的文件，只需要用户获取了相关密码，任何人都可以访问，安全系数并不高。

技术实现要素：

本发明的目的旨在至少能解决上述的技术缺陷之一，公开一种能够快速、安全地登陆计算机设备的方法、装置、计算机设备及存储介质。

为了达到上述目的，本发明公开一种面部识别登陆方法，包括：

经由与所述计算机设备操作地耦合的摄像装置获取使用所述计算机设备用户的目标人脸图像，所述用户与所述计算机设备之间的距离在预设范围内，所述摄像装置与一台或同时与多台计算机耦合；

将所述目标人脸图像与预设数据库中的预存人脸图像匹配得到匹配数值；

当所述匹配数值大于或等于预设阈值时，所述计算机设备通过登录权限以进入计算机使用界面。

可选地，所述经由与所述计算机设备操作地耦合的摄像装置获取使用所述计算机设备用户的目标人脸图像的方法包括：

通过与多台计算机设备同时耦合的摄像装置获取所述多台计算机设备及其位于该计算机设备第一预设范围内的用户的图像；

识别所述图像中每台计算机设备的编号以及与该计算机设备在第二预设范围内的目标用户的图像；

识别所述目标用户的脸部图像作为目标人脸图像。

可选地，所述识别所述目标用户的脸部图像作为目标人脸图像的方法包括：

将识别的所述目标用户的图像输入至神经网络模型中；

获取目标用户的脸部图像并针对脸部图像对所述目标用户进行活体检测；

当活体件检测通过后提取所述目标用户的人脸轮廓特征作为目标人脸图像，所述人脸轮廓特征包括形状特征和相对位置。

可选地，还包括：

根据所述目标人脸图像识别用户的表情；

根据所识别的用户的表情从预设显示界面数据库中提取与所述表情映射的显示界面以进行展示。

可选地，所述根据所述目标人脸图像识别用户的表情的方法包括：

获取预设表情数据库，所述预设表情数据库包括根据预设人脸轮廓特征匹配的表情数据的集合；

根据所述人脸轮廓特征与预设表情数据库中的表征用户心情的预设人脸轮廓特征参数一一匹配以识别出对应的表情。

可选地，还包括：

根据所识别的所述目标人脸图像获取所述目标人脸图像映射的使用权限，所述使用权限包括查看、删除或拷贝文件、直接打开并使用具有权限的网页或应用软件。

另一方面，本申请还公开一种面部识别登录装置，包括：

第一获取模块：被配置为执行经由与所述计算机设备操作地耦合的摄像装置获取使用所述计算机设备用户的目标人脸图像，所述用户与所述计算机设备之间的距离在预设范围内；

第一处理模块：被配置为执行将所述目标人脸图像与预设数据库中的预存人脸图像匹配得到匹配数值；

第一执行模块：被配置为执行当所述匹配数值大于或等于预设阈值时，所述计算机设备通过登录权限以进入计算机使用界面。

可选地，还包括：

第二获取模块：被配置为执行通过与多台计算机设备同时耦合的摄像装置获取所述多台计算机设备及其位于该计算机设备第一预设范围内的用户的图像；

第一识别模块：被配置为执行识别所述图像中每台计算机设备的编号以及与该计算机设备在第二预设范围内的目标用户的图像；

第二识别模块：被配置为执行识别所述目标用户的脸部图像作为目标人脸图像。

可选地，包括：

输入模块：被配置为执行将识别的所述目标用户的图像输入至神经网络模型中；

脸部图像获取和检测模块：被配置为执行获取目标用户的脸部图像并针对脸部图像对所述目标用户进行活体检测；

第一提取模块：被配置为执行当活体件检测通过后提取所述目标用户的人脸轮廓特征作为目标人脸图像。

可选地，还包括：

第三识别模块：被配置为执行根据所述目标人脸图像识别用户的表情；

第二提取模块：被配置为执行根据所识别的用户的表情从预设显示界面数据库中提取与所述表情映射的显示界面以进行展示。

可选地，还包括：

预设表情数据库获取模块：被配置为执行获取预设表情数据库，所述预设表情数据库包括根据预设人脸轮廓特征匹配的表情数据的集合；

匹配模块：被配置为执行根据所述人脸轮廓特征与预设表情数据库中的表征用户心情的预设人脸轮廓特征参数一一匹配以识别出对应的表情。

可选地，还包括：

权限获取模块：被配置为执行根据所识别的所述目标人脸图像获取所述目标人脸图像映射的使用权限，所述使用权限包括查看、删除或拷贝文件、直接打开并使用具有权限的网页或应用软件。

另一方面，本申请还公开一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如上述任一项所述的面部识别登录方法的步骤。

另一方面，一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述任一项所述的面部识别登录方法的步骤。

本发明的有益效果是：

本申请公开一种面部识别登陆方法、装置、计算机设备及存储介质，通过在登录计算机设备时同时对计算机设备一定范围内地人像进行拍摄，并进行人脸识别，以判断该用户是否具有登陆权限，根据登陆权限登入该计算机设备，整个登陆过程无需人工手动输入密码和账号，进行快捷登录，使登录方式更为简便；本申请通过设置人脸识别技术进行计算机设备的登录，还可以方便对登录计算机设备的人员进行管理，提高计算机登录的安全性。

本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为本发明面部识别登陆方法流程图；

图2为本发明摄像装置监控计算机设备示意图；

图3为本发明获取目标人脸图像的方法流程图；

图4为本发明识别目标人脸图像地方法流程图；

图5为本发明卷积神经网络模型的训练方法流程图；

图6为本发明启动不同的显示界面的方法流程图；

图7为本发明根据目标人脸图像识别用户的表情流程图；

图8为本发明面部识别登录装置框图；

图9为本发明计算机设备基本结构框图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。

本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。

本技术领域技术人员可以理解，这里所使用的“终端”、“终端设备”既包括无线信号接收器的设备，其仅具备无发射能力的无线信号接收器的设备，又包括接收和发射硬件的设备，其具有能够在双向通信链路上，执行双向通信的接收和发射硬件的设备。这种设备可以包括：蜂窝或其他通信设备，其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备；pcs(personalcommunicationsservice，个人通信系统)，其可以组合语音、数据处理、传真和/或数据通信能力；pda(personaldigitalassistant，个人数字助理)，其可以包括射频接收器、寻呼机、互联网/内联网访问、网络浏览器、记事本、日历和/或gps(globalpositioningsystem，全球定位系统)接收器；常规膝上型和/或掌上型计算机或其他设备，其具有和/或包括射频接收器的常规膝上型和/或掌上型计算机或其他设备。这里所使用的“终端”、“终端设备”可以是便携式、可运输、安装在交通工具(航空、海运和/或陆地)中的，或者适合于和/或配置为在本地运行，和/或以分布形式，运行在地球和/或空间的任何其他位置运行。这里所使用的“终端”、“终端设备”还可以是通信终端、上网终端、音乐/视频播放终端，例如可以是pda、mid(mobileinternetdevice，移动互联网设备)和/或具有音乐/视频播放功能的移动电话，也可以是智能电视、机顶盒等设备。

具体的，请参阅图1，本发明公开一种面部识别登陆方法，包括：

s1000、经由与所述计算机设备操作地耦合的摄像装置获取使用所述计算机设备用户的目标人脸图像，所述用户与所述计算机设备之间的距离在预设范围内，所述摄像装置与一台或同时与多台计算机耦合；

摄像装置可以是单独的设备，只要与操作地的计算机设备耦合连接，则可在计算机设备上查看拍摄的画面。进一步的，摄像装置也可以内置在计算机设备中，比如笔记本电脑，内置有摄像头，当开启计算机设备时，同步开启摄像装置即可拍摄位于摄像装置前端的图像画面。

当摄像装置与计算机设备分别独立设置时，计算机设备与摄像装置的耦合关系可以是一对一耦合，即一台摄像装置只负责拍摄一台试图登录计算机设备上的用户的图像，在另一实施例中，摄像装置可以通过有线或者无线的方式连接配对多台计算机设备，如图2所示，将摄像装置安装在方便对所要控制的计算机设备进行监控拍摄的位置。

基于以上一台摄像装置同时与多台计算机设备耦合连接的情况，请参阅图3，获取目标人脸图像的方法还包括：

s1100、通过与多台计算机设备同时耦合的摄像装置获取所述多台计算机设备及其位于该计算机设备第一预设范围内的用户的图像；

当一台摄像装置同时监控多台计算机设备时，通过分别对需要监控的计算机设备进行编号以进行区分，每台计算机设备都与该摄像装置都进行关联，将计算机设备的编号以及计算机设备所处的位置输入至摄像装置中，当某台计算机设备被开启，或者有请求登录的指令时，可发送拍摄请求给摄像装置，所述摄像装置自动朝向该计算机位置进行拍摄，摄像装置设置有自动对焦模式，以及焦距调节模式，对计算机设备前进行登录操作的人进行拍摄。

需要说明的是，这里的第一预设范围为摄像装置所能拍摄的范围，该第一预设范围的大小跟所述摄像装置的镜头种类和参数有关系，类似于照相机，有视角和焦距的差别。

s1200、识别所述图像中每台计算机设备的编号以及与该计算机设备在第二预设范围内的目标用户的图像；

在本申请中，对每一台计算机设备都设置有编号，以便于区分。计算机设备与摄像装置通过有线或者无线的方式连接匹配，匹配的过程中包括在摄像装置中记录与之连接的计算机设备的编号以及该计算机设备的位置信息。

当计算机设备被开启或者有请求登录指令时，计算机设备将自己的编号以及定位信息发送至摄像机装置上，以便于摄像机装置移动至发送指令的计算机设备位置进行拍摄。进一步的，当出现多个人登录不同的计算机设备时，可根据发送拍摄请求的时间先后顺序进行拍摄，或者可根据计算机装置的优先级别进行登录，比如，有6台计算机设备同时由一台摄像装置拍摄人物图像，其优先级别从高到底的计算机设备的编号分别是1>2>3>4>5>6,当编号1、编号3和编号6三台计算机设备同时发送拍摄指令时，可以优先拍摄编号1的计算机设备前的图像，再拍摄编号3的计算机设备前的图像，最后拍摄编号6的计算机设备前的图像。

进一步的，所述摄像装置拍摄与该计算机设备在第二预设范围内的目标用户的图像，第二预设范围为在所要登录的计算机设备前一定的范围，所述第二预设范围不局限于水平方向的距离，还包括垂直方向上的距离，其主要为了区分是否是执行登录作业的人，比如在某台计算机设备前可能站立有多人，只有水平方向上的距离和垂直方向上的距离都满足与某一范围条件时，才判断该人为想要登录该计算机设备的用户，比如正好位于计算机屏幕正前方的用户为目标用户，其余位于左右两侧的人物不作为目标用户进行识别，所述目标用户为被认定的想要登录该计算机设备的用户。

s1300、识别所述目标用户的脸部图像作为目标人脸图像。

当锁定了所述目标用户后，通过摄像装置所拍摄的所述目标用户的图像，识别目标用户的脸部图像作为目标人脸图像。请参阅图4，所述识别所述目标用户的脸部图像作为目标人脸图像的方法包括：

s1310、将识别的所述目标用户的图像输入至神经网络模型中；

为了能够快速获取图像信息，可以将摄像装置拍摄对应编号的计算机设备前端的目标用户的动态图像输入到神经网络模型中，通过神经网络模型识别该目标用户图像的人脸部分，并判断是否为目标人脸图像。也可以是对摄像装置所拍摄的动态视频图像，根据预设规则初步筛选出带有目标用户正脸的某一帧画面单独输入至神经网络模型中以具体分析人脸图像。其中预设规则可以是通过判断人物与计算机设备的距离以及该人物的人脸是否对着摄像装置正前方等。

神经网络在这里是指人工神经网络，其具有自学习功能。例如实现图像识别时，只需要先把许多不同的图像样板和对应的应识别的结果输入人工神经网络，网络就会通过自学习功能，慢慢学会识别类似的图像。自学习功能对于预测有特别重要的意义。预期未来的人工神经网络计算机将为人类提供经济预测、市场预测、效益预测，其应用前途是很远大的。另外，其具有联想存储功能。用人工神经网络的反馈网络就可以实现这种联想。神经网络还具有高速寻找优化解的能力。寻找一个复杂问题的优化解，往往需要很大的计算量，利用一个针对某问题而设计的反馈型人工神经网络，发挥计算机的高速运算能力，可能很快找到优化解。基于以上有点，本申请采用训练好的神经网络模型来识别人体头像信息。

神经网络包括深度神经网络、卷积神经网络、循环神经网络、深度残差网络等，本申请以卷积神经网络为例进行说明，卷积神经网络是一种前馈神经网络，人工神经元可以响应周围单元，可以进行大型图像处理。卷积神经网络包括卷积层和池化层。卷积神经网络(cnn)中卷积的目的在于将某些特征从图像中提取出来。卷积神经网络的基本结构包括两层，其一为特征提取层，每个神经元的输入与前一层的局部接受域相连，并提取该局部的特征。一旦该局部特征被提取后，它与其它特征间的位置关系也随之确定下来；其二是特征映射层，网络的每个计算层由多个特征映射组成，每个特征映射是一个平面，平面上所有神经元的权值相等。特征映射结构采用影响函数核小的sigmoid函数作为卷积网络的激活函数，使得特征映射具有位移不变性。此外，由于一个映射面上的神经元共享权值，因而减少了网络自由参数的个数。卷积神经网络中的每一个卷积层都紧跟着一个用来求局部平均与二次提取的计算层，这种特有的两次特征提取结构减小了特征分辨率。

卷积神经网络主要用来识别位移、缩放及其他形式扭曲不变性的二维图形。由于卷积神经网络的特征检测层通过训练数据进行学习，所以在使用卷积神经网络时，避免了显式的特征抽取，而隐式地从训练数据中进行学习；再者由于同一特征映射面上的神经元权值相同，所以网络可以并行学习，这也是卷积网络相对于神经元彼此相连网络的一大优势。

一幅彩色图像在计算机中的存储形式为一个三维的矩阵，三个维度分别是图像的宽、高和rgb(红绿蓝色彩值)值，而一幅灰度图像在计算机中的存储形式为一个二维矩阵，两个维度分别是图像的宽、高。无论是彩色图片的三维矩阵还是灰度图像的二维矩阵，矩阵中的每个元素取值范围为【0,255】，但是含义不同，彩色图像的三维矩阵可以拆分成r、g、b三个二维矩阵，矩阵中的元素分别代表图像相应位置的r、g、b亮度。灰度图像的二维矩阵中，元素则代表图像相应位置的灰度值。而二值图像可视为灰度图像的一个简化，它将灰度图像中所有高于某个阈值的原始转化为1，否则为0，故二值图像矩阵中的元素非0则1，二值图像足以描述图像的轮廓，二卷积操作的一个重要作用就是找到图像的边缘轮廓。

通过将图像转换成二值图像，再通过卷积核的过滤得到图像物体的边缘特征，再经过池化实现图像的降维以便于得到，明显的图像特征。通过模型训练，以识别出所述图像中图像特征。

本申请中，人像作为所拍摄的图像中的一个特征，可通过卷积神经网络训练得到的神经网络模型获得，但是，还可以使用其他的神经网络，比如dnn(深层神经网络)、rnn(循环神经网络)等网络模型训练而成。无论何种神经网络进行训练，采用这种机器学习的模式来获取人像的方法的原理基本一致。

以卷积神经网络模型的训练方法为例，请参阅图5，卷积神经网络模型的训练方法如下：

s1311、获取标记有分类判断信息的训练样本数据；

训练样本数据是整个训练集的构成单位，训练集是由若干个训练样本训练数据组成的。训练样本数据是由多种不同物体的数据以及对各种不同物体进行标记的分类判断信息组成的。分类判断信息是指人们根据输入卷积神经网络模型的训练方向，通过普适性的判断标准和事实状态对训练样本数据做出的人为的判断，也就是人们对卷积神经网络模型输出数值的期望目标。如，在一个训练样本数据中，人工识别出该图像信息数据中的物体与预存储的图像信息中的物体为同一个，则标定该物体分类判断信息为与预存储的目标物体图像相同。

s1312、将所述训练样本数据输入卷积神经网络模型获取所述训练样本数据的模型分类参照信息；

将训练样本集依次输入到卷积神经网络模型中，并获得卷积神经网络模型倒数第一个全连接层输出的模型分类参照信息。

模型分类参照信息是卷积神经网络模型根据输入的物体图像而输出的激励数据，在卷积神经网络模型未被训练至收敛之前，分类参照信息为离散性较大的数值，当卷积神经网络模型未被训练至收敛之后，分类参照信息为相对稳定的数据。

s1313、通过止损函数比对所述训练样本数据内不同样本的模型分类参照信息与所述分类判断信息是否一致；

止损函数是用于检测卷积神经网络模型中模型分类参照信息，与期望的分类判断信息是否具有一致性的检测函数。当卷积神经网络模型的输出结果与分类判断信息的期望结果不一致时，需要对卷积神经网络模型中的权重进行校正，以使卷积神经网络模型的输出结果与分类判断信息的期望结果相同。

s1314、当所述模型分类参照信息与所述分类判断信息不一致时，反复循环迭代的更新所述卷积神经网络模型中的权重，至所述比对结果与所述分类判断信息一致时结束。

当卷积神经网络模型的输出结果与分类判断信息的期望结果不一致时，需要对卷积神经网络模型中的权重进行校正，以使卷积神经网络模型的输出结果与分类判断信息的期望结果相同。

s1320、获取目标用户的脸部图像并针对脸部图像对所述目标用户进行活体检测；

当通过步骤s1310获取了目标用户的目标人脸图像后，还需要进行活体检测。在本申请中活体检测是通过输入神经网络模型中某一时间段的视频图像或者相邻的多帧画面，识别该目标人脸图像中某个位置的变化，比如眼睛的转动，眨眼或者嘴巴的张开或闭合等动作，以防止用户通过照片骗过系统完成验证。

本申请中，活体检测的方法可采用3d人脸活体检测，检测的方法包括：

1)从输入的图像中提取了活体和非活体人脸区域的256个特征点的三维信息，并对这些点之间的几何结构关系进行了初部的分析处理；

2)提取整个人脸区域的三维信息，并对相应的特征点做进一步的处理，再采用协调训练co-training的方法训练了正负样本数据，之后利用得到的分类器进行了初分类；

3)利用以上两个步骤所提取的特征点进行曲面的拟合来描述三维模型特征，然后根据曲面的曲率从深度图像中提取凸起区域，再对每个区域提取egi特征，最后利用其球形相关度进行再分类识别。

s1330、当活体件检测通过后提取所述目标用户的人脸轮廓特征作为目标人脸图像，所述人脸轮廓特征包括形状特征和相对位置。

通过步骤s1310可获得目标人脸图像的轮廓特征，进一步，在本申请中，人脸轮廓特征包括形状特征和相对位置，形状特征包括人脸的脸型、眼睛的大小和形状、嘴巴、鼻子、额头，颧骨等的形状，相对位置即上述五官的相对位置。当识别了目标用户的人脸轮廓特征后，通过步骤s1320通过了活体检测，则认定该目标用户的人脸图像为目标人脸图像，并可将该目标人脸图像进行下一步的分析和处理。

s2000、将所述目标人脸图像与预设数据库中的预存人脸图像匹配得到匹配数值；

预设数据库为预存在服务器上或者预存在本地的人脸图像，根据应用场合，存储的特定人脸图像不一样，比如当运用在公司内部时，预设数据库中存储的人脸图像为公司内部员工，且有权限登录某台计算机设备的员工。若运用在网吧等公共场合，预设数据库中为通过网吧管理员采集的设定有权限以及通过了身份验证的用户，或者是通过公安系统授权的人像识别系统。

当识别出目标人脸图像后，将该图像与预设数据库中的预存人脸图像进行匹配，在一实施例中，人脸识别匹配的方法通过特征提取方法，在步骤s1300可获取目标人脸图像的特征点，预设数据库中存储的人脸图像也是以特征点的形式进行存储，只需要将目标人脸图像的各个特征点与预存人脸图像中的特征点进行一一对比即可，比如，当对每个人脸图像划分成256个特征点是，依次对这256个特征点进行对比，相同的特征点相似度数值增加1，否者相似度数值不增加，通过这种方法可得到一个判断二者是否相似的分值，称之为匹配数值，匹配数值越大，表示二者相似度越高。

s3000、当所述匹配数值大于或等于预设阈值时，所述计算机设备通过登录权限以进入计算机使用界面。

预设阈值为针对匹配数值的临界值，以此数值来衡量输入神经网络的目标人脸图像与预设数据库中的预存人脸图像是否表征同一个人。预设阈值的大小可通过神经网络模型的识别率来判断，这种识别率通过多次训练后得出。比如，设定预设阈值为98％，当识别的目标人脸图像与预设数据库中的某一预存人脸图像的匹配数值大于或等于98％时，则判断该预存人脸图像为当前的目标用户，调取该预存人脸图像对应的身份信息，以匹配计算机设备的登录权限。

需要说明的是，在本申请中，将计算机编号与预设数据库中的人脸图像关联起来，并设置对于给你的登录权限和使用权限，以此来控制用户的登录。进一步的，根据所识别的所述目标人脸图像获取所述目标人脸图像映射的使用权限，所述使用权限包括查看、删除或拷贝文件、直接打开并使用具有权限的网页或应用软件。通过设置使用权限，不同的计算机设备能被指定的人员登录，且能够登录同一台计算机设备的不同人员所能在该计算机设备进行操作的内容不一样，一部分人员能够进行添加、删除和复制，另一部分人员就只能查看却不可以进行修改等等，以此来控制登录权限，通过记录人脸图像的登陆信息，以便于统计和查询当前时间段是谁进行了登录。通过计算机设备与人脸匹配一定的权限对计算机的登录进行管理，提高计算机使用的安全性。

进一步的，还可以通过识别用户的微表情以启动不同的显示界面，请参阅图6，具体包括：

4000、根据所述目标人脸图像识别用户的表情；

在步骤s1300中可以识别出人脸的轮廓特征，由于轮廓特征包括形状特征和相对位置，由于同一个人的脸部轮廓以及五官的形状正常情况下短时间内时不会有太大变化的，但是当用户展现出不同的表情时，五官的相对位置会发生变化，比如：

表情为高兴时，面部动作包括：嘴角翘起，面颊上抬起皱，眼睑收缩，眼睛尾部会形成“鱼尾纹”；

表情为伤心时，面部特征包括眯眼，眉毛收紧，嘴角下拉，下巴抬起或收紧。

表情为害怕时，嘴巴和眼睛张开，眉毛上扬，鼻孔张大。

表情为愤怒时，眉毛下垂，前额紧皱，眼睑和嘴唇紧张。

表情为厌恶时，嗤鼻，上嘴唇上抬，眉毛下垂，眯眼。

表情为惊讶时，下颚下垂，嘴唇和嘴巴放松，眼睛张大，眼睑和眉毛微……

基于以上定义，不同的表情，面部各个特征的相对位置会发生变化，因此，只需要根据日常生活中执行各个不同的表情时脸部各个位置的先对位置关系即可判断该用户执行了什么动作，将识别的一些列动作组合起来，即可识别该用户当前表情所映射的心情。

具体的，请参阅图7，所述根据所述目标人脸图像识别用户的表情的方法包括：

s4100、获取预设表情数据库，所述预设表情数据库包括根据预设人脸轮廓特征匹配的表情数据的集合；

s4200、根据所述人脸轮廓特征与预设表情数据库中的表征用户心情的预设人脸轮廓特征参数一一匹配以识别出对应的表情。

由于用户的心情是可以通过面部表情的变化反应出来的，故可根据心情与面部表情动作的映射关系存储在预设表情数据库中，将识别的人脸轮廓特征与预设表情数据库中表征用户心情的预设人脸轮廓特征参数一一比对，则可得出当前用户的面部表情映射的什么心情。

5000、根据所识别的用户的表情从预设显示界面数据库中提取与所述表情映射的显示界面以进行展示。

在一实施例中，设置预设显示界面数据库，不同表情分别匹配不同的显示界面，当通过步骤s4000识别出用户当前的心情后，则可从预设显示界面数据库中匹配对应的显示界面以进行显示。

比如通过识别登入人员的情绪状态，根据情绪状态在计算机登入后，调用相关的欢迎界面。当识别出目标人脸图像面带笑容，处于高兴状态时，则在允许登入计算机设备后，调用活泼、轻快类型的欢迎界面，其中欢迎界面可以时图片形式，还可以是动画形式，并以弹窗方式显示；例如弹出一个小兔子愉悦地说“爱笑的女孩最美丽”。当识别出目标人脸图像处于疲惫状态时，弹出一只活泼开朗的小猴子不停翻滚，并滑稽地说“今天地我就是这么元气满满，你也要跟我一样哦”，或者弹出一句话：“跟我一起做个热身操醒醒脑哦！”，以此来调动用户的情绪。

进一步的，本申请还可以通过将所识别的目标人脸图像上传至服务器，由远程控制端的用户人为判断是否允许登陆该计算机设备，并设置在该计算机设备上使用的权限，以便于远程监控计算机设备，提高计算机设备使用的安全性和私密性。

本申请的有益效果为：1)通过在登录计算机设备时同时进行人脸识别，无需人工手动输入密码和账号，进行快捷登录，使登录方式更为简便；

2)设置人脸识别进行计算机设备的登录，对登录计算机设备的人员进行管理，提高计算机登录的安全性；

3)根据人脸识别记录的身份信息，匹配对应的权限，不同权限的人员对所登录的计算机设备进行相应权限的操作，不仅控制和管理登录计算机设备的人员，还控制和管理计算机设备内部的文件和相关系统的安全性以及私密性，不同权限的人登录同一台计算机其使用权限不一样，以此保证计算机上文件的私密性和安全性；

4)通过远程确认认证的方式控制登录，登录方式更为多样化，提高计算机设备使用的安全性和私密性。

另一方面，本申请还公开一种面部识别登录装置，请参阅图8，包括：

第一获取模块1000：被配置为执行经由与所述计算机设备操作地耦合的摄像装置获取使用所述计算机设备用户的目标人脸图像，所述用户与所述计算机设备之间的距离在预设范围内；

第一处理模块2000：被配置为执行将所述目标人脸图像与预设数据库中的预存人脸图像匹配得到匹配数值；

第一执行模块3000：被配置为执行当所述匹配数值大于或等于预设阈值时，所述计算机设备通过登录权限以进入计算机使用界面。

可选地，还包括：

第二获取模块：被配置为执行通过与多台计算机设备同时耦合的摄像装置获取所述多台计算机设备及其位于该计算机设备第一预设范围内的用户的图像；

第一识别模块：被配置为执行识别所述图像中每台计算机设备的编号以及与该计算机设备在第二预设范围内的目标用户的图像；

第二识别模块：被配置为执行识别所述目标用户的脸部图像作为目标人脸图像。

可选地，包括：

输入模块：被配置为执行将识别的所述目标用户的图像输入至神经网络模型中；

脸部图像获取和检测模块：被配置为执行获取目标用户的脸部图像并针对脸部图像对所述目标用户进行活体检测；

第一提取模块：被配置为执行当活体件检测通过后提取所述目标用户的人脸轮廓特征作为目标人脸图像。

可选地，还包括：

第三识别模块：被配置为执行根据所述目标人脸图像识别用户的表情；

第二提取模块：被配置为执行根据所识别的用户的表情从预设显示界面数据库中提取与所述表情映射的显示界面以进行展示。

可选地，还包括：

预设表情数据库获取模块：被配置为执行获取预设表情数据库，所述预设表情数据库包括根据预设人脸轮廓特征匹配的表情数据的集合；

匹配模块：被配置为执行根据所述人脸轮廓特征与预设表情数据库中的表征用户心情的预设人脸轮廓特征参数一一匹配以识别出对应的表情。

可选地，还包括：

权限获取模块：被配置为执行根据所识别的所述目标人脸图像获取所述目标人脸图像映射的使用权限，所述使用权限包括查看、删除或拷贝文件、直接打开并使用具有权限的网页或应用软件。

上述公开地一种面部识别登录装置与面部是被登陆方法一一对应，为执行所述面部识别登陆方法对应地模块，故针对面部识别登陆装置此处不在赘述。

本发明实施例提供计算机设备基本结构框图请参阅图9。

该计算机设备包括通过系统总线连接的处理器、非易失性存储介质、存储器和网络接口。其中，该计算机设备的非易失性存储介质存储有操作系统、数据库和计算机可读指令，数据库中可存储有控件信息序列，该计算机可读指令被处理器执行时，可使得处理器实现一种面部识别登陆方法。该计算机设备的处理器用于提供计算和控制能力，支撑整个计算机设备的运行。该计算机设备的存储器中可存储有计算机可读指令，该计算机可读指令被处理器执行时，可使得处理器执行一种面部识别登陆方法。该计算机设备的网络接口用于与终端连接通信。本领域技术人员可以理解，图9中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

计算机设备通过接收关联的客户端发送的提示行为的状态信息，即关联终端是否开启提示以及用户是否关闭该提示任务。通过验证上述任务条件是否达成，进而向关联终端发送对应的预设指令，以使关联终端能够根据该预设指令执行相应的操作，从而实现了对关联终端的有效监管。同时，在提示信息状态与预设的状态指令不相同时，服务器端控制关联终端持续进行响铃，以防止关联终端的提示任务在执行一段时间后自动终止的问题。

本发明还提供一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述任一实施例所述的面部识别登陆方法。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(read-onlymemory，rom)等非易失性存储介质，或随机存储记忆体(randomaccessmemory，ram)等。

应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

以上所述仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。