用于人脸识别的光学传感器、装置、方法和电子设备与流程

本申请涉及人脸识别技术领域，并且更具体地，涉及一种用于人脸识别的光学传感器、装置、方法和电子设备。

背景技术：

采用人脸识别技术的电子设备给用户带来了安全和便捷的用户体验，但是，通过用户照片(例如，打印的或电子的)，或者制造的3d人脸模具等伪造的人脸数据是人脸识别应用中的一个安全隐患。因此，如何识别真假人脸，以提升人脸识别的安全性是一项亟需解决的问题。

技术实现要素：

本申请实施例提供了一种用于人脸识别的光学传感器、装置、方法和电子设备，能够识别人脸的真假，从而能够提升人脸识别的安全性。

第一方面，提供了一种用于人脸识别的光学传感器，包括：像素阵列，所述像素阵列中的第一像素单元集合包括第一类像素单元组和第二类像素单元组，其中：

所述第一类像素单元组包括至少一个第一类像素单元，所述第一类像素单元设置第一滤光片，所述第一滤光片用于通过第一波段范围的光信号；

所述第二类像素单元组包括至少一个第二类像素单元，所述第二类像素单元设置第二滤光片，所述第二滤光片用于通过第二波段范围的光信号，且所述第二波段范围不同于所述第一波段范围；

所述第一类像素单元组和所述第二类像素单元组中的像素单元用于接收由光源发射的光信号从人脸反射的反射光信号，并根据所述反射光信号获取局部人脸图像，所述局部人脸图像用于确定所述人脸的真假。

在一些可能的实现方式中，所述第一像素单元集合还包括第三类像素单元组，所述第三类像素单元组包括至少一个第三类像素单元，所述第三类像素单元设置第三滤光片，所述第三滤光片用于通过第三波段范围的光信号，所述第三波段范围不同于所述第一波段范围和所述第二波段范围，所述第一类像素单元组，所述第二类像素单元组和所述第三类像素单元组中的像素单元用于接收由所述光源发射的光信号从所述人脸反射的反射光信号，并根据所述反射光信号获取局部人脸图像，所述局部人脸图像用于确定所述人脸的真假。

在一些可能的实现方式中，所述第一波段范围，所述第二波段范围和所述第三波段范围分别为以下三种波段范围中的一种：

包括560nm的波段范围，包括980nm的波段范围，包括940nm的波段范围。

在一些可能的实现方式中，所述光源发射的光信号的波段范围包括所述第一波段范围，所述第二波段范围和所述第三波段范围。

在一些可能的实现方式中，所述第一像素单元集合中连续的像素单元的数量小于或等于第一阈值。

在一些可能的实现方式中，所述第一像素单元集合中的像素单元的数量与所述像素阵列中的像素单元的总数量的比例小于第一比值。

在一些可能的实现方式中，所述第一像素单元集合中的像素单元离散分布在所述像素阵列中。

在一些可能的实现方式中，所述像素阵列中除所述第一像素单元集合之外的其他像素单元采集的人脸图像用于人脸识别。

在一些可能的实现方式中，所述像素阵列中除所述第一像素单元集合之外的其他像素单元不设置滤光片。

在一些可能的实现方式中，所述像素阵列中除所述第一像素单元集合之外的其他像素单元设置特定波段范围的滤光片。

在一些可能的实现方式中，所述特定波段范围的滤光片为包括940nm波段范围的滤光片。

第二方面，提供了一种用于人脸识别的装置，包括：

如第一方面至第二方面及其任一可能的实现方式中的用于人脸识别的光学传感器，其中，所述光学传感器的第一像素单元集合中的第一类像素单元组和第二类像素单元组中的像素单元用于接收由光源发射的光信号从人脸反射的反射光信号，并根据所述反射光信号获取局部人脸图像；

处理器，用于根据所述局部人脸图像确定所述人脸的真假。

在一些可能的实现方式中，所述第一像素单元集合包括第一类像素单元组，第二类像素单元组和第三类像素单元组，其中：

所述第一类像素单元组包括至少一个第一类像素单元，所述第一类像素单元设置第一滤光片，所述第一滤光片用于通过第一波段范围的光信号；

所述第二类像素单元组包括至少一个第二类像素单元，所述第二类像素单元设置第二滤光片，所述第二滤光片用于通过第二波段范围的光信号，且所述第二波段范围不同于所述第一波段范围；

所述第三类像素单元组包括至少一个第三类像素单元，所述第三类像素单元设置第三滤光片，所述第三滤光片用于通过第三波段范围的光信号，所述第三波段范围不同于所述第一波段范围和所述第二波段范围；

其中，所述第一类像素单元组，所述第二类像素单元组和所述第三类像素单元组中的像素单元用于接收由所述光源发射的光信号从人脸反射的反射光信号，并根据所述反射光信号获取局部人脸图像，所述局部人脸图像用于确定所述人脸的真假。

在一些可能的实现方式中，所述处理器还用于：

根据校准参数，对所述第一类像素单元组采集的第一局部人脸图像，所述第二类像素单元组采集的第二局部人脸图像和所述第三类像素单元组采集的第三局部人脸图像进行校准；

根据校准后的所述第一局部人脸图像，所述第二局部人脸图像和所述第三局部人脸图像确定所述人脸的真假。

在一些可能的实现方式中，所述处理器还用于：

根据参考对象对所述第一波段范围，所述第二波段范围和所述第三波段范围的光谱的响应之间的关系，确定所述校准参数。在一些可能的实现方式中，所述光学传感器还用于：

在所述光源向所述参考对象发射光信号时，通过所述第一类像素单元组，所述第二类像素单元组和所述第三类像素单元组分别采集所述参考对象对所述第一波段范围，所述第二波段范围和所述第三波段范围的光谱的响应；

所述处理器还用于：根据所述参考对象对所述第一波段范围，所述第二波段范围和所述第三波段范围的光谱的响应，确定所述校准参数，所述校准参数用于使得所述第一类像素单元组，所述第二类像素单元组和所述第三类像素单元组采集的所述参考对象对所述第一波段范围，所述第二波段范围和所述第三波段范围的光谱的响应在同一范围内。

在一些可能的实现方式中，所述参考对象为白色物体，或肉色物体。

在一些可能的实现方式中，所述处理器还用于：

根据校准后的所述第一局部人脸图像，所述第二局部人脸图像和所述第三局部人脸图像进行合成，得到彩色局部人脸图像，其中，所述彩色局部人脸图像中的每个像素包括所述人脸对所述第一波段范围，所述第二波段范围和所述第三波段范围的光谱的三个响应像素值；

将所述彩色局部人脸图像进行特征提取，得到所述彩色局部人脸图像的特征信息；

根据所述彩色局部人脸图像的特征信息，确定所述人脸的真假。

在一些可能的实现方式中，所述处理器还用于：

根据所述第一类像素单元组中第一类像素单元采集的采用像素值，确定所述彩色局部人脸图像中的第一像素对应的第一响应像素值，其中，所述第一响应像素值表示所述人脸对所述第一波段范围的光谱的响应；

根据与所述第一类像素单元邻近的第二类像素单元采集的像素值，确定所述第一像素对应的第二响应像素值，其中，所述第二响应像素值表示所述人脸对所述第二波段范围的光谱响应；以及

根据与所述第一类像素单元邻近的第三类像素单元采集的像素值，确定所述第一像素对应的第三响应像素值，所述第三响应像素值表示所述人脸对所述第三波段范围的光谱响应。

在一些可能的实现方式中，所述处理器具体用于：

通过深度学习网络对所述彩色局部人脸图像的特征信息进行处理，确定所述人脸的真假。

在一些可能的实现方式中，所述处理器还用于：

从所述光学传感器采集的多个真实人脸和虚假人脸的人脸图像中，提取所述第一像素单元集合采集的多个局部人脸图像；

对所述多个局部人脸图像进行校准和合成处理，得到多个彩色局部人脸图像；

将所述多个彩色局部人脸图像输入至深度学习网络进行训练，得到所述深度学习网络的模型和参数。

在一些可能的实现方式中，所述处理器还用于：

根据所述像素阵列中除所述第一像素单元集合以外的其他像素单元采集的人脸图像进行人脸识别。

第三方面，提供了一种用于人脸识别的方法，包括：

通过光学传感器的第一像素单元集合中的像素单元接收由光源发射的光信号从人脸反射的反射光信号，并根据所述反射光信号获取局部人脸图像；

其中，所述第一像素单元集合包括第一类像素单元组和第二类像素单元组，所述第一类像素单元组包括至少一个第一类像素单元，所述第一类像素单元设置第一滤光片，所述第一滤光片用于通过第一波段范围的光信号；所述第二类像素单元组包括至少一个第二类像素单元，所述第二类像素单元设置第二滤光片，所述第二滤光片用于通过第二波段范围的光信号，且所述第二波段范围不同于所述第一波段范围；

根据所述局部人脸图像用于确定所述人脸的真假。

在一些可能的实现方式中所述第一像素单元集合还包括第三类像素单元组，所述第三类像素单元组包括至少一个第三类像素单元，所述第三类像素单元设置第三滤光片，所述第三滤光片用于通过第三波段范围的光信号，所述第三波段范围不同于所述第一波段范围和所述第二波段范围。

在一些可能的实现方式中，所述第一波段范围，所述第二波段范围和所述第三波段范围分别为以下三种波段范围中的一种：

包括560nm的波段范围，包括980nm的波段范围，包括940nm的波段范围。

在一些可能的实现方式中所述光源发射的光信号的波段范围包括所述第一波段范围，所述第二波段范围和所述第三波段范围。

在一些可能的实现方式中所述根据所述局部人脸图像用于确定所述人脸的真假，包括：

根据校准参数，对所述第一类像素单元组采集的第一局部人脸图像，所述第二类像素单元组采集的第二局部人脸图像和所述第三类像素单元组采集的第三局部人脸图像进行校准；

根据校准后的所述第一局部人脸图像，所述第二局部人脸图像和所述第三局部人脸图像确定所述人脸的真假。

在一些可能的实现方式中，所述方法还包括：

根据参考对象对所述第一波段范围，所述第二波段范围和所述第三波段范围的光谱的响应之间的关系，确定所述校准参数。

在一些可能的实现方式中，所述根据参考对象对所述第一波段范围，所述第二波段范围和所述第三波段范围的光谱的响应之间的关系，确定所述校准参数，包括：

在所述光源向所述参考对象发射光信号时，通过所述第一类像素单元组，所述第二类像素单元组和所述第三类像素单元组分别采集所述参考对象对所述第一波段范围，所述第二波段范围和所述第三波段范围的光谱的响应；

根据所述参考对象对所述第一波段范围，所述第二波段范围和所述第三波段范围的光谱的响应，确定所述校准参数，所述校准参数用于使得所述第一类像素单元组，所述第二类像素单元组和所述第三类像素单元组采集的所述参考对象对所述第一波段范围，所述第二波段范围和所述第三波段范围的光谱的响应在同一范围内。

在一些可能的实现方式中所述根据校准后的所述第一局部人脸图像，所述第二局部人脸图像和所述第三局部人脸图像确定所述人脸的真假，包括：

根据校准后的所述第一局部人脸图像，所述第二局部人脸图像和所述第三局部人脸图像进行合成，得到彩色局部人脸图像，其中，所述彩色局部人脸图像中的每个像素包括所述人脸对所述第一波段范围，所述第二波段范围和所述第三波段范围的光谱的三个响应像素值；

将所述彩色局部人脸图像进行特征提取，得到所述彩色局部人脸图像的特征信息；

根据所述彩色局部人脸图像的特征信息，确定所述人脸的真假。

在一些可能的实现方式中所述根据校准后的所述第一局部人脸图像，所述第二局部人脸图像和所述第三局部人脸图像进行合成，得到彩色局部人脸图像，包括：

根据所述第一类像素单元组中第一类像素单元采集的采用像素值，确定所述彩色局部人脸图像中的第一像素对应的第一响应像素值，其中，所述第一响应像素值表示所述人脸对所述第一波段范围的光谱的响应；

根据与所述第一类像素单元邻近的第二类像素单元采集的像素值，确定所述第一像素对应的第二响应像素值，其中，所述第二响应像素值表示所述人脸对所述第二波段范围的光谱响应；以及

根据与所述第一类像素单元邻近的第三类像素单元采集的像素值，确定所述第一像素对应的第三响应像素值，所述第三响应像素值表示所述人脸对所述第三波段范围的光谱响应。

在一些可能的实现方式中所述根据所述彩色局部人脸图像的特征信息，确定所述人脸的真假，包括：

通过深度学习网络对所述彩色局部人脸图像的特征信息进行处理，确定所述人脸的真假。

在一些可能的实现方式中所述方法还包括：

从所述光学传感器采集的多个真实人脸和虚假人脸的人脸图像中，提取所述第一像素单元集合采集的多个局部人脸图像；

对所述多个局部人脸图像进行校准和合成处理，得到多个彩色局部人脸图像；

将所述多个彩色局部人脸图像输入至深度学习网络进行训练，得到所述深度学习网络的模型和参数。

在一些可能的实现方式中所述方法还包括：

根据所述像素阵列中除所述第一像素单元集合以外的其他像素单元采集的人脸图像进行人脸识别。

在一些可能的实现方式中所述根据所述像素阵列中除所述第一像素单元集合以外的其他像素单元采集的人脸图像进行人脸识别，包括：

若所述人脸图像与注册的人脸图像匹配且所述人脸为真实人脸，确定人脸识别成功。

在一些可能的实现方式中所述第一像素单元集合中连续的像素单元的数量小于第一阈值。

在一些可能的实现方式中所述第一像素单元集合中的像素单元的数量与所述像素阵列中的像素单元的总数量的比例小于第一比值。

在一些可能的实现方式中所述第一像素单元集合中的像素单元离散分布在所述像素阵列中。

在一些可能的实现方式中所述像素阵列中除所述第一像素单元集合之外的其他像素单元采集的人脸图像用于人脸识别。

在一些可能的实现方式中所述像素阵列中除所述第一像素单元集合之外的其他像素单元不设置滤光片。

在一些可能的实现方式中所述像素阵列中除所述第一像素单元集合之外的其他像素单元设置特定波段范围的滤光片。

在一些可能的实现方式中，所述特定波段范围的滤光片为包括940nm波段范围的滤光片。

第四方面，提供了一种电子设备，包括如第二方面及其任一可能的实现方式中的用于人脸识别的装置。

第五方面，提供了一种计算机可读介质，用于存储计算机程序，所述计算机程序包括用于执行上述第三方面及其任一可能的实现方式中的指令。

第六方面，提供了一种包括指令的计算机程序产品，当计算机运行所述计算机程序产品的所述指时，所述计算机执行上述第三方面及其任一可能的实现方式中的用于人脸识别的方法。

具体地，该计算机程序产品可以运行于上述第四方面的电子设备上。

基于上述技术方案，通过在像素阵列的至少两类像素单元组设置不同种类的滤光片，从而设置滤光片的像素单元能够采集该滤光片的波段范围的光谱响应，这样，在一次曝光过程中，基于该至少两类像素单元组可以采集至少两种光谱响应，不需要进行多次采集来获取该至少两种光谱响应，能够提升采集速度，进一步可以基于该至少两种光谱响应进行活体识别，有利于提升人脸识别的安全性。

附图说明

图1是人体皮肤的反射光谱曲线。

图2是根据本申请实施例的用于人脸识别的光学传感器的示意性结构图。

图3是滤光片组在像素阵列中的一种排布方式的示意性图。

图4是滤光片组中的滤光片的排布方式的示意性图。

图5是根据本申请实施例的用于人脸识别的装置的示意性结构图。

图6是根据本申请实施例的用于人脸识别的方法的示意性流程图。

图7是根据本申请实施例的用于人脸识别的方法的整体流程图。

图8是根据本申请实施例的电子设备的示意性结构图。

具体实施方式

下面将结合附图，对本申请实施例中的技术方案进行描述。

应理解，本申请实施例可以应用于各种人脸识别系统，作为一种常见的应用场景，本申请实施例提供的人脸识别系统可以应用在智能手机、平板电脑等移动终端和门锁、门禁系统或者其他电子设备。

在传统的人脸识别系统中，活体防伪采用交互的方式，例如，采用眨眼，或表情变化等方式，这种方式通常需要连续采集几帧图像，降低了识别速度。通常来说，受人体皮肤组织的皮层厚度、血红蛋白浓度、黑色素含量等因素的影响，人体皮肤组织对特定波段范围的光线反射性能具有一定的特殊性，如图1所示，人体的皮肤在560nm左右的波段范围，980nm的波段范围具有特殊的光谱响应，这种特殊的光谱响应在纸张、模具等人工材料的光谱响应曲线上是不存在的。

据此，本申请提供了一种人脸活体防伪的方法，能够通过采集一帧图像，获取待识别目标对特定波段范围的光谱响应，进一步基于该光谱响应进行活体防伪，有利于提升识别速度，同时还可以提升人脸识别的安全性。

应理解，本申请实施例中的待识别目标可以为人脸，或者也可以为人体的其他部位，例如手指，手掌，本申请实施例对此不作限定。

以下，结合图2至图5，详细介绍本申请的装置实施例。

应理解，在以下所示出的本申请实施例中的像素单元组、滤波片的数量和排布方式等仅为示例性说明，而不应对本申请构成任何限定。

图2是本申请实施例提供的一种用于人脸识别的光学传感器20的示意性结构图，该光学传感器20包括：

像素阵列200，所述像素阵列200中的第一像素单元集合21包括第一类像素单元组和第二类像素单元组，其中：

所述第一类像素单元组包括至少一个第一类像素单元211，所述第一类像素单元211设置第一滤光片221，所述第一滤光片221用于通过第一波段范围的光信号；

所述第二类像素单元组包括至少一个第二类像素单元212，所述第二类像素单元212设置第二滤光片222，所述第二滤光片222用于通过第二波段范围的光信号，且所述第二波段范围不同于所述第一波段范围；

所述第一类像素单元组和所述第二类像素单元组中的像素单元用于接收由光源发射的光信号从人脸反射的反射光信号，并根据所述反射光信号获取局部人脸图像，所述局部人脸图像用于确定所述人脸的真假。

在本申请实施例中，该光学传感器的第一像素单元集合中的像素单元可以设置至少两种不同的滤光片，将设置同一种滤光片的像素单元作为一类像素单元组，则该第一像素单元集合可以分为至少两类像素单元组，可选地，一类像素单元组中的像素单元和该类像素单元组对应种类的滤光片在数量上的对应关系可以是一对一，或者多对一，即一个像素单元对应一个滤光片，或者也可以是多个像素单元共用一个滤光片。

例如，一个第一类像素单元211可以对应一个第一滤光片221，或者，也可以是多个第一类像素单元211对应一个第一滤光片221；

类似地，一个第二类像素单元212可以对应一个第二滤光片222，或者，也可以是多个第二类像素单元212对应一个第二滤光片222。

可选地，在一些实施例中，滤光片设置在所述像素单元的前端光路中，例如，可以将滤光片设置在需要设置滤光片的像素单元的上方，例如，将滤光片粘贴在所述像素单元的上表面，或者，也可以将滤光材料直接覆盖在所述像素单元上只要能够起到滤光作用即可，本申请实施例对此不作限定。

本申请实施例中的滤光片只允许特定波段范围内的光信号通过，或者说，滤光片对特定波段范围内的光信号的透过率较高，例如大于80％或90％，对其他波段范围的光信号的透过率较低，例如，小于10％或20％。

在本申请实施例中，滤光片通过的光信号的波段范围可以是特别设计的，作为一个可选的实现方式，可以根据人体皮肤的反射光谱曲线，设计透过有特殊的光谱响应的波段范围的光信号，例如，560nm左右的波段范围，或者其他可见光范围，或，980nm左右的波段范围，或者也可以透过人脸识别性能较优的红外波段范围，例如940nm左右的波段范围，或者，也可以根据活体的其他生物特征，选择合适的波段范围，只要能够与假体具有明显的区分度即可。

因此，在本申请实施例中，通过在像素阵列的至少两类像素单元组设置不同波段范围的滤光片，从而设置滤光片的像素单元能够采集该滤光片的波段范围的光谱的响应，这样，在一次曝光过程中，基于该至少两类像素单元组可以采集至少两种光谱的响应，不需要进行多次采集来获取该至少两种光谱的响应，能够提升采集速度，进一步可以基于该至少两种光谱的响应进行活体识别，有利于提升人脸识别的安全性。

可选地，在一些实施例中，如图2所示，所述第一像素单元集合21还可以第三类像素单元组，所述第三类像素单元组包括至少一个第三类像素单元213，所述第三类像素单元213设置第三滤光片223，所述第三滤光片223用于通过第三波段范围的光信号。

可选地，在本申请一个实施例中，所述第一波段范围，所述第二波段范围和所述第三波段范围分别为以下三种波段范围中的一种：

包括560nm的波段范围，包括980nm的波段范围，包括940nm的波段范围。

可选地，在其他实施例中，可以在可见光波段中确定上述三个波段范围，例如，可以设置所述第一波段范围，所述第二波段范围和所述第三波段范围分别为红光波段，蓝光波段和绿光波段的一种。例如，蓝光的波段范围可以是中心波段为440nm～475nm，上截止波段约为550nm；绿光的波段范围可以是中心波段为520nm～550nm，上截止波段约为620nm，下截止波段460nm；红光的波段范围可以是下截止波段约为550nm。

应理解，在本申请实施例中，所述包括560nm的波段范围可以为560nm左右的波段范围，例如，560nm±20nm的波段范围，或者560nm±40nm的波段范围等，具体的波段范围可以通过滤光片的加工工艺控制，本申请实施例对此不作限定，其他波段范围类似，这里不再赘述。

在本申请实施例中，光源发射的光信号的波段范围包括所述第一波段范围，所述第二波段范围和所述第三波段范围。这样，通过全波段的光信号照射人脸，进一步通过多种滤光片提取多种光谱的响应，而不需要采用多个不同波段的光源，节约成本，降低了模组的复杂度。

可选地，所述像素阵列中除所述第一像素单元集合之外的其他像素单元采集的人脸图像用于人脸识别，例如可以将所述其他像素单元采集的人脸图像与注册的人脸图像模板进行匹配，确定是否匹配成功。

可选地，在本申请实施例中，所述像素阵列中除所述第一像素单元集合之外的其他像素单元可以不设置滤光片，例如，做透明处理，或者设置透明材料，或者也可以设置特定波段范围的滤光片，例如940nm波段范围的滤光片。

以下，结合体图3和图4，说明第一像素单元集合、滤光片在像素阵列中的排布方式。

可选地，在本申请实施例中，可以设置所述第一像素单元集合中连续的像素单元的数量小于或等于特定阈值，例如，6个，通过设置所述第一像素单元集合中被滤光片连续覆盖的像素单元的个数小于一定阈值，能够避免影响人脸识别性能。

可选地，在本申请实施例中，所述第一像素单元集合中的像素单元的数量与所述像素阵列中的像素单元的总数量的比例小于第一比值，例如5％，以避免影响人脸识别性能。

可选地，所述第一像素单元集合中的像素单元离散分布在所述像素阵列中，对应地，所述第一滤光片，所述第二滤光片和所述第三滤光片离散分布在所述像素阵列中。

可选地，在本申请一个实施例中，所述第一滤光片，所述第二滤光片，所述第三滤光片可以构成一个滤光片组220，所述滤光片组200离散分布在所述像素阵列200中。例如，如图3所示，所述滤光片组220可以呈正方形，菱形，圆形或者其他规则或不规则图案排布在该光学传感器的像素阵列中，只要不影响人脸识别性能即可，本申请实施例对此不作限定。

可选地，在本申请实施例中，一个滤光片组220中的滤光片可以是离散的，即滤光片之间由不设置滤光片的像素单元隔开，例如，图4中的设计方式h～i，或者滤光片之间也可以是连续的，例如图4中的设计方式a～e，本申请实施例不特别限定一个滤光片组中包括的第一滤光片，第二滤光片，第三滤光片的数量和排布方式。

图5是根据本申请实施例的用于人脸识别的装置的示意性结构图，如图5所示，该用于人脸识别的装置50可以包括：

光学传感器51，所述光学传感器51的第一像素单元集合中的像素单元用于接收由光源发射的光信号从人脸反射的反射光信号，并根据所述反射光信号获取局部人脸图像；

处理器52，用于根据所述局部人脸图像确定所述人脸的真假。

该传感器51可以为图2所示实施例中的光学传感器20，具体说明可以参考图2所示实施例的相关说明，这里不再赘述。

在本申请实施例中，所述光源可以是所述装置50的内置光源，或者也可以是所述装置50的外置光源，或者也可以复用所述装置50所安装的电子设备中的光源来发射用于活体识别的光信号，此情况下，所述装置50可以不包括所述光源，本申请实施例对此不作限定。

该光源的波段范围可以包括多个波段范围，在一些实施例中，该光源发射的光信号也可以用于人脸识别，即活体识别和人脸识别采用同一光源；在其他替代实施例中，所述用于人脸识别的装置50还可以包括用于人脸识别的另一个光源，例如，940nm左右波段范围的光源，此情况下，可以通过第一像素单元集合中的像素单元采集的局部图像进行活体识别，或者也可以通过整个像素阵列采集的人脸图像进行活体识别。

可选地，作为一个实施例，所述第一像素单元集合包括第一类像素单元组，第二类像素单元组和第三类像素单元组，其中：

所述第一类像素单元组包括至少一个第一类像素单元，所述第一类像素单元设置第一滤光片，所述第一滤光片用于通过第一波段范围的光信号；

所述第二类像素单元组包括至少一个第二类像素单元，所述第二类像素单元设置第二滤光片，所述第二滤光片用于通过第二波段范围的光信号，且所述第二波段范围不同于所述第一波段范围；

所述第三类像素单元组包括至少一个第三类像素单元，所述第三类像素单元设置第三滤光片，所述第三滤光片用于通过第三波段范围的光信号，所述第三波段范围不同于所述第一波段范围和所述第二波段范围。

基于上述设置方式，第一类像素单元组可以通过第一滤光片获取待识别目标对第一波段范围的光信号的响应(或称光谱的响应)，第二类像素单元组可以通过第二滤光片获取待识别目标对第二波段范围的光谱的响应，所述第三类像素单元组可以通过第三滤光片获取待识别目标对第三波段范围的光谱的响应，也就是说，这三类像素单元组可以分别获得三种不同的光谱的响应。

作为一个可选的实现方式，可以根据上述不同的光谱的响应，确定人脸的真假，例如，可以将每类像素单元组采集的反映上述三种光谱的响应的局部人脸图像输入到训练好的卷积神经网络进行分类，确定是否来自真实人脸。或者，也可以将上述三类像素单元组采集的人脸对三种光谱的响应与邻近的未设置滤光片的像素单元采集的像素值进行比较，进行活体识别，例如，可以确定第一像素单元集合中的像素单元采集的像素值和邻近的未设置滤光片的像素单元采集的像素值之间的比值，根据该比值进行活体识别，例如，在该比值在特定比值范围内时，确定为真实人脸，否则确定为虚假人脸，该特定比值范围可以是根据大量的真实人脸和虚假人脸的数据统计得到的，或者是机器学习得到的。

但是，人工材质(例如纸张)对某个波段范围的光谱的响应可能与活人对该波段范围的光谱的响应存在部分重叠，如果基于该波段范围的光谱的响应进行活体识别，可能导致误识别。在本申请一个实施例中，可以确定每类像素单元组对于待识别目标的多个波段范围的光谱的响应，该多个波段范围的光谱的响应可以包括该待识别目标对第一波段范围的光谱的响应，该待识别目标对第二波段范围的光谱的响应，以及该待识别目标对第三波段范围的光谱的响应，也就是说，每类像素单元组对应的光谱响应都可以包括人脸对三种不同波段范围的光谱的响应，这样，即使人工材质与活人的某个波段范围的光谱响应存在重叠，也可以通过其他波段范围的光谱的响应进行区分，从而能够提升活体识别的准确度。

在本申请实施例中，对于一个纯色的测试对象，比如，白色纸张，对于不同波段范围的光谱，理论上，上述三类像素单元组采集的光谱响应应该相同或相近，但是，实际应用中，所述三类像素单元组中的像素单元所采集的光谱响应的大小可能具有一定的差别，这样，合成三种光谱响应时，如果某个光谱响应过大，可能导致其他光谱响应不能被有效区分，为了提升活体和假体的区分度，在本申请实施例中，还可以对每类像素单元组采集的局部人脸图像进行校准。

可选地，在本申请实施例中，所述处理器52还用于：

根据校准参数，对所述第一类像素单元组采集的第一局部人脸图像，所述第二类像素单元组采集的第二局部人脸图像和所述第三类像素单元组采集的第三局部人脸图像进行校准；

根据校准后的所述第一局部人脸图像，所述第二局部人脸图像和所述第三局部人脸图像确定所述人脸的真假。

可选地，在一些实施例中，所述处理器52还用于：

根据所述参考对象对所述第一波段范围，所述第二波段范围和所述第三波段范围的光谱的响应之间的关系，确定所述校准参数。

以所述参考对象为测试对象，确定所述校准参数，该参考对象可以为纯色物体，例如白色纸张，肉色物体等，期望所述第一类像素单元组，所述第二类像素单元组和所述第三类像素单元采集的所述参考对象对所述第一波段范围，所述第二波段范围和所述第三波段范围的光谱的响应在同一水平，基于此目的，对所述第一类像素单元组，所述第二类像素单元组和所述第三类像素单元实际采集的所述参考对象对所述第一波段范围，所述第二波段范围和所述第三波段范围的光谱的响应进行校准，确定所述校准参数。

具体地，光源向所述参考对象发射光信号，其中，所述光信号的波段范围包括所述第一波段范围，所述第二波段范围和所述第三波段范围，通过所述光学传感器中的所述第一类像素单元组，所述第二类像素单元组和所述第三类像素单元采集所述参考对象对所述第一波段范围，所述第二波段范围和所述第三波段范围的光谱的响应，然后根据该多个光谱的响应之间的关系，确定所述校准参数。

假设，第一类像素单元p1采集的像素值为200，与所述第一类像素单元p1邻近的第二类像素单元p2采集的像素值为100，与所述第一类像素单元p1邻近的第三类像素单元p3采集的像素值为50，上述三个像素值分别表示三种光谱的响应，比例关系为4:2:1，为了使得这三个像素单元采集的所述参考对象对三种光谱的响应在同一水平，可以对其进行校准，例如可以将第二类像素单元p2采集的像素值乘以2，将第三类像素单元p3采集的像素值乘以4，这样，在后续基于该三个像素单元采集的像素值合成包括三种光谱响应的彩色局部人脸图像时，可以更好的区分每种光谱响应。

可选地，在其他实施例中，所述校准参数为预设值，例如，可以根据所述三种光谱响应的经验值确定，或者也可以根据上述校准步骤确定，例如，在通过上述步骤确定校准参数之后，可以预存该校准参数，用于后续采集的人脸图像的校准，即后续的人脸图像的校准都采用该校准参数，本申请实施例对此不作限定。

应理解，在本申请实施例中，三种光谱的响应在同一水平内可以指三种光谱响应的差值小于特定阈值，或者三种光谱响应的像素值相当，或者说，处在同一范围内。

可选地，在本申请实施例中，可以确定第一像素单元集合中的每个像素单元的校准参数，然后根据每个像素单元的校准参数对后续采集的像素值进行校准，或者，也可以将每个像素单元的校准参数进行平均，得到统一的校准参数，根据该统一的校准参数对所有像素单元采集的像素值进行校准，本申请实施例对于具体的校准方式不作限定。

可选地，在本申请实施例中，所述处理器52还用于：

根据校准后的所述第一局部人脸图像，所述第二局部人脸图像和所述第三局部人脸图像进行合成，得到彩色局部人脸图像，其中，所述彩色局部人脸图像中的每个像素包括所述人脸对所述第一波段范围，所述第二波段范围和所述第三波段范围的光谱的三个响应像素值；

将所述彩色局部人脸图像进行特征提取，得到所述彩色局部人脸图像的特征信息；

根据所述彩色局部人脸图像的特征信息，确定所述人脸的真假。

具体而言，彩色局部人脸图像可以包括三个颜色通道，例如rgb，一种光谱响应对应一个颜色通道，也就是说，彩色局部人脸图像中的每个像素包括三个像素值(即所述三个响应像素值)，分别对应三种光谱响应。而设置滤光片的前述三类像素单元组中的每类像素单元组只能获得一种光谱响应，因此，要得到所述彩色局部人脸图像需要确定其他两种光谱响应，在一些实施例中，可以根据邻近的其他类像素单元组采集的像素值，获取其他两种光谱响应。

例如，可以根据所述第一类像素单元组中第一类像素单元采集的像素值，确定所述彩色局部人脸图像中的第一像素对应的第一响应像素值，其中，所述第一响应像素值表示所述人脸对所述第一波段范围的光谱的响应；

根据与所述第一类像素单元邻近的第二类像素单元采集的像素值，确定所述第一像素对应的第二响应像素值，其中，所述第二响应像素值表示所述人脸对所述第二波段范围的光谱响应；以及

根据与所述第一类像素单元邻近的第三类像素单元采集的像素值，确定所述第一像素对应的第三响应像素值，所述第三响应像素值表示所述人脸对所述第三波段范围的光谱响应。

假设第一类像素单元组包括100个像素单元，所述第二类像素单元组包括100个像素单元，所述第三类像素单元组包括100个像素单元，所述彩色局部人脸图像包括100个像素，每个像素包括三个像素值，对应三种光谱的响应，则，可以根据第一类像素单元组的一个第一类像素单元p1采集的像素值，确定彩色局部人脸图像中p1对应的像素的一种光谱响应，根据与p1邻近的第二类像素单元p2和第三类像素单元p3，确定p1对应的像素的其他两种光谱响应，进一步可以将这三种光谱响应作为该像素的三个颜色通道的像素值。按照类似的方法可以确定该彩色局部人脸图像中的每个像素的三种光谱的响应，从而得到这个彩色局部人脸图像。

在其他实施例中，可以确定所述第一类像素单元组，所述第二类像素单元组，所述第三类像素单元组中的每类像素单元组对应的全光谱图像，进一步根据该每类像素单元组对应的全光谱图像，确定所述彩色局部人脸图像，其中，所述全光谱图像为包括所述三种光谱响应的图像。

例如，可以根据与所述第一类像素单元组中的每个第一类像素单元邻近的第二类像素单元采集的像素值，确定所述每个第一类像素单元对于所述第二波段范围的光谱响应，得到第一响应图像，相当于第一类像素单元组对应的第二波段范围的光谱响应；可以根据与所述第一类像素单元组中的每个第一类像素单元邻近的第三类像素单元采集的像素值，确定所述每个第一类像素单元对于所述第三波段范围的光谱响应，得到第二响应图像，相当于第一类像素单元组对应的第三波段范围的光谱响应。

又例如，可以根据与所述第二类像素单元组中的每个第二类像素单元邻近的第一类像素单元采集的像素值，确定所述每个第二类像素单元对于所述第一波段范围的光谱响应，得到第三响应图像，相当于第二类像素单元组对应的第一波段范围的光谱响应；可以根据与所述第二类像素单元组中的每个第二类像素单元邻近的第三类像素单元采集的像素值，确定所述每个第二类像素单元对于所述第三波段范围的光谱响应，得到第四响应图像，相当于第二类像素单元组对应的第三波段范围的光谱响应。

再例如，可以根据与所述第三类像素单元组中的每个第三类像素单元邻近的第一类像素单元采集的像素值，确定所述每个第三类像素单元对于所述第一波段范围的光谱响应，得到第五响应图像，相当于第三类像素单元组对应的第一波段范围的光谱响应；可以根据与所述第三类像素单元组中的每个第三类像素单元邻近的第二类像素单元采集的像素值，确定所述每个第三类像素单元对于所述第二波段范围的光谱响应，得到第六响应图像，相当于第三类像素单元组对应的第二波段范围的光谱响应。

进一步地，所述处理器52还用于：

将所述第一局部人脸图像，与所述第一响应图像和所述第二响应图像进行合成，得到所述第一类像素单元组对应的全光谱响应图像；

将所述第二局部人脸图像，与所述第三响应图像和所述第四响应图像进行合成，得到所述第二类像素单元组对应的全光谱响应图像；

将所述第三局部人脸图像，与所述第五响应图像和所述第六响应图像进行合成，得到所述第三类像素单元组对应的全光谱响应图像。

应理解，所述第一响应图像至所述第六响应图像是根据校准后的第一局部人脸图像，所述第二局部人脸图像和所述第三局部人脸图像获得的。

至此，得到每类像素单元组对应的全光谱响应图像，在该全光谱响应图像中的每个像素对应三种光谱响应，即每个像素对应三个像素值，可以认为是rbg值，进一步可以将所述第一类像素单元组对应的全光谱响应图像，所述第二类像素单元组对应的全光谱响应图像，所述第三类像素单元组对应的全光谱响应图像进行重组(或者说，拼接)，得到所述彩色局部人脸图像(或称rgb图)。

更进一步地，该处理器可以根据该彩色局部人脸进行活体识别，以识别人脸的真假，例如，所述处理器52可以提取该彩色局部人脸的特征信息，例如，色彩特征信息，具体可以为色度，饱和度和纯度(hue,saturation,value，hsv)信息，然后将该彩色局部人脸的特征信息输入到深度学习网络进行分类，确定人脸的真假。

可选地，在本申请实施例中，该深度学习网络可以为卷积神经网络，或者其他深度学习网络。以卷积神经网络为例，说明具体的训练过程。

首先，构建卷积神经网络结构，例如可以采用二层卷积神经网络，或者也可以采用三层网络结构或更多层网络结构等。

其次，设置该卷积神经网络的初始训练参数和收敛条件。

该初始训练参数可以是随机生成的，或根据经验值获取的，或者也可以是根据大量的真假人脸数据预训练好的卷积神经网络模型的参数。

作为示例而非限定，该收敛条件可以包括以下中的至少一项：

1、将真实人脸的彩色局部人脸图像判定为来自真实人脸的概率大于第一概率，例如，98％；

2、将假人脸的彩色局部人脸图像判断为来自假人脸的概率大于第二概率，例如95％；

3、将真实人脸的彩色局部人脸图像判定为来自假人脸的概率小于第三概率，例如，2％；

4、将假人脸的彩色局部人脸图像判断为来自真实人脸的概率小于第四概率，例如3％。

然后，向该卷积神经网络输入大量的真实人脸和假人脸的彩色局部人脸图像，该卷积神经网络可以基于初始训练参数对上述彩色局部人脸图像进行处理，确定对每个彩色局部人脸图像的判定结果，进一步地，根据该判定结果，调整卷积神经网络的结构和/或各层的训练参数，直至判定结果满足收敛条件，至此，训练完成。之后，可以将后续需要识别的人脸的彩色局部人脸图像输入到该卷积神经网络，该卷积神经网络可以使用训练好的参数对该彩色局部人脸图像进行处理，确定该彩色局部人脸图像是否来自真实人脸。

可选地，在一些实施例中，所述处理器52还用于：

根据所述像素阵列中的除所述第一像素单元集合之外的其他像素单元采集的人脸图像进行人脸识别。例如，该处理器52可以在所述其他像素单元采集的人脸图像与注册的该待识别目标的人脸模板匹配的情况下，进一步对该待识别目标进行活体识别，在该待识别目标为真实人脸的情况下确定人脸识别成功，从而执行触发该人脸识别的操作，例如，进行终端解锁或支付等操作。

可选地，在其他实施例中，该处理器52也可以在该待识别目标为真实人脸的情况下，进一步判断像素阵列中的除所述第一像素单元集合以外的其他像素单元采集的人脸图像是否与注册的该待识别目标的人脸模板匹配，在匹配的情况下确定人脸识别成功，进一步执行触发该人脸识别的操作，例如，进行终端解锁或支付等操作。

应理解，根据本申请实施例的用于人脸识别的装置也可以适用于其他生物特征识别场景，例如指纹识别场景，例如，在采集指纹图像时，基于部分像素单元采集的手指的至少两种光谱响应，进一步基于该至少两种光谱响应，确定手指的真假。

在本申请实施例中，所述用于人脸识别的装置50可以包括该处理器52，例如该处理单元可以为该人脸识别的装置中的微控制单元(microcontrolunit，mcu)，或者，在其他实施例中，该用于人脸识别的装置可以不包括该处理器52，此情况下，所述处理器52所执行的功能可以由所述用于人脸识别的装置50所安装的电子设备中的处理器，例如主控(host)模块执行，本申请实施例对此不作限定。

上文结合图2至图5，详细描述了本申请的装置实施例，下文结合图6至图7，详细描述本申请的方法实施例，应理解，方法实施例与装置实施例相互对应，类似的描述可以参照装置实施例。

图6是本申请实施例的用于人脸识别的方法的示意性流程图，如图6所示，该方法60包括：

s61，通过光学传感器的第一像素单元集合中的像素单元接收由光源发射的光信号从人脸反射的反射光信号，并根据所述反射光信号获取局部人脸图像；其中，所述第一像素单元集合包括第一类像素单元组和第二类像素单元组，所述第一类像素单元组包括至少一个第一类像素单元，所述第一类像素单元设置第一滤光片，所述第一滤光片用于通过第一波段范围的光信号；所述第二类像素单元组包括至少一个第二类像素单元，所述第二类像素单元设置第二滤光片，所述第二滤光片用于通过第二波段范围的光信号，且所述第二波段范围不同于所述第一波段范围；

s62，根据所述局部人脸图像用于确定所述人脸的真假。

应理解，该方法60可以由用于人脸识别的装置执行，例如前述实施例中的装置50，具体地，s61可以由该装置50中的光学传感器51执行，s62可以由该装置50中的处理器52，例如mcu执行；或者，该方法60也可以由该用于人脸识别的装置所安装的电子设备执行，例如，s62可以由电子设备中的处理器，例如host模块执行，本申请实施例对此不作限定。

可选地，在本申请一些实施例中，所述第一像素单元集合还包括第三类像素单元组，所述第三类像素单元组包括至少一个第三类像素单元，所述第三类像素单元设置第三滤光片，所述第三滤光片用于通过第三波段范围的光信号，所述第三波段范围不同于所述第一波段范围和所述第二波段范围。

可选地，在本申请一些实施例中，所述第一波段范围，所述第二波段范围和所述第三波段范围分别为以下三种波段范围中的一种：

包括560nm的波段范围，包括980nm的波段范围，包括940nm的波段范围。

可选地，在本申请一些实施例中，所述光源发射的光信号的波段范围包括所述第一波段范围，所述第二波段范围和所述第三波段范围。

可选地，在本申请一些实施例中，所述根据所述局部人脸图像用于确定所述人脸的真假，包括：

根据校准参数，对所述第一类像素单元组采集的第一局部人脸图像，所述第二类像素单元组采集的第二局部人脸图像和所述第三类像素单元组采集的第三局部人脸图像进行校准；

根据校准后的所述第一局部人脸图像，所述第二局部人脸图像和所述第三局部人脸图像确定所述人脸的真假。

可选地，在本申请一些实施例中，所述方法60还包括：

根据参考对象对所述第一波段范围，所述第二波段范围和所述第三波段范围的光谱的响应之间的关系，确定所述校准参数。

可选地，在本申请一些实施例中，所述根据参考对象对所述第一波段范围，所述第二波段范围和所述第三波段范围的光谱的响应之间的关系，确定所述校准参数，包括：

在所述光源向所述参考对象发射光信号时，通过所述第一类像素单元组，所述第二类像素单元组和所述第三类像素单元组分别采集所述参考对象对所述第一波段范围，所述第二波段范围和所述第三波段范围的光谱的响应；

根据所述参考对象对所述第一波段范围，所述第二波段范围和所述第三波段范围的光谱的响应，确定所述校准参数，所述校准参数用于使得所述第一类像素单元组，所述第二类像素单元组和所述第三类像素单元组采集的所述参考对象对所述第一波段范围，所述第二波段范围和所述第三波段范围的光谱的响应在同一范围内。

可选地，在本申请一些实施例中，所述根据校准后的所述第一局部人脸图像，所述第二局部人脸图像和所述第三局部人脸图像确定所述人脸的真假，包括：

根据校准后的所述第一局部人脸图像，所述第二局部人脸图像和所述第三局部人脸图像进行合成，得到彩色局部人脸图像，其中，所述彩色局部人脸图像中的每个像素包括所述人脸对所述第一波段范围，所述第二波段范围和所述第三波段范围的光谱的三个响应像素值；

将所述彩色局部人脸图像进行特征提取，得到所述彩色局部人脸图像的特征信息；

根据所述彩色局部人脸图像的特征信息，确定所述人脸的真假。

可选地，在本申请一些实施例中，所述根据校准后的所述第一局部人脸图像，所述第二局部人脸图像和所述第三局部人脸图像进行合成，得到彩色局部人脸图像，包括：

根据所述第一类像素单元组中第一类像素单元采集的采用像素值，确定所述彩色局部人脸图像中的第一像素对应的第一响应像素值，其中，所述第一响应像素值表示所述人脸对所述第一波段范围的光谱的响应；

根据与所述第一类像素单元邻近的第二类像素单元采集的像素值，确定所述第一像素对应的第二响应像素值，其中，所述第二响应像素值表示所述人脸对所述第二波段范围的光谱响应；以及

根据与所述第一类像素单元邻近的第三类像素单元采集的像素值，确定所述第一像素对应的第三响应像素值，所述第三响应像素值表示所述人脸对所述第三波段范围的光谱响应。

可选地，在本申请一些实施例中，所述根据所述彩色局部人脸图像的特征信息，确定所述人脸的真假，包括：

通过深度学习网络对所述彩色局部人脸图像的特征信息进行处理，确定所述人脸的真假。

可选地，在本申请一些实施例中，所述方法60还包括：

从所述光学传感器采集的多个真实人脸和虚假人脸的人脸图像中，提取所述第一像素单元集合采集的多个局部人脸图像；

对所述多个局部人脸图像进行校准和合成处理，得到多个彩色局部人脸图像；

将所述多个彩色局部人脸图像输入至深度学习网络进行训练，得到所述深度学习网络的模型和参数。

可选地，在本申请一些实施例中，所述方法60还包括：

根据所述像素阵列中除所述第一像素单元集合以外的其他像素单元采集的人脸图像进行人脸识别。

可选地，在本申请一些实施例中，所述根据所述像素阵列中除所述第一像素单元集合以外的其他像素单元采集的人脸图像进行人脸识别，包括：

若所述人脸图像与注册的人脸图像模板匹配且所述人脸为真实人脸，确定人脸识别成功。

可选地，在本申请一些实施例中，所述第一像素单元集合中连续的像素单元的数量小于第一阈值。

可选地，在本申请一些实施例中，所述第一像素单元集合中的像素单元的数量与所述像素阵列中的像素单元的总数量的比例小于第一比值。

可选地，在本申请一些实施例中，所述第一像素单元集合中的像素单元离散分布在所述像素阵列中。

可选地，在本申请一些实施例中，所述像素阵列中除所述第一像素单元集合之外的其他像素单元采集的人脸图像用于人脸识别。

可选地，在本申请一些实施例中，所述像素阵列中除所述第一像素单元集合之外的其他像素单元不设置滤光片。

可选地，在本申请一些实施例中，所述像素阵列中除所述第一像素单元集合之外的其他像素单元设置特定波段范围的滤光片。

可选地，在本申请一些实施例中，所述特定波段范围的滤光片为包括940nm波段范围的滤光片。

以下，结合图7，说明根据本申请实施例的用于人脸识别的方法的整体流程，如图7所示，该方法可以包括如下内容：

s71，通过光学传感器采集人脸图像；

其中，该人脸图像包括第一像素单元集合中的像素单元所采集的局部人脸图像以及其他像素单元所采集的人脸图像。

进一步地，在s72中，第一像素单元集合中的像素单元所采集的局部人脸图像；

然后在s73中，对所述局部人脸图像进行校准。

具体实现参考前述实施例的相关说明，这里不再赘述。

在s74中，根据校准后的局部人脸图像进行合成，得到彩色局部人脸图像；

在s75中，提取所述彩色局部人脸图像的色彩特征信息，例如hsv信息；

在s76中，根据所述彩色局部人脸图像的色彩特征信息进行分类，确定人脸的真假。具体地，可以将该彩色局部人脸图像输入到深度学习网络，以确定人脸的真假。

如图8所示，本申请实施例还提供了一种电子设备80，所述电子设备80可以包括用于人脸识别的装置81，该用于人脸识别的装置81可以为前述装置实施例中的用于人脸识别的装置50，其能够用于执行图6至图7中所述方法实施例中的内容，为了简洁，这里不再赘述。

可选地，在一些实施例中，所述电子设备80可以为智能手机、平板电脑、门锁等对安全性要求较高的电子设备。

应理解，本申请实施例的处理器或处理单元可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法实施例的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(fieldprogrammablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。

可以理解，本申请实施例的人脸识别还可以包括存储器，存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(read-onlymemory，rom)、可编程只读存储器(programmablerom，prom)、可擦除可编程只读存储器(erasableprom，eprom)、电可擦除可编程只读存储器(electricallyeprom，eeprom)或闪存。易失性存储器可以是随机存取存储器(randomaccessmemory，ram)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的ram可用，例如静态随机存取存储器(staticram，sram)、动态随机存取存储器(dynamicram，dram)、同步动态随机存取存储器(synchronousdram，sdram)、双倍数据速率同步动态随机存取存储器(doubledataratesdram，ddrsdram)、增强型同步动态随机存取存储器(enhancedsdram，esdram)、同步连接动态随机存取存储器(synchlinkdram，sldram)和直接内存总线随机存取存储器(directrambusram，drram)。应注意，本文描述的系统和方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。

本申请实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的便携式电子设备执行时，能够使该便携式电子设备执行方法实施例的内容。

本申请实施例还提出了一种计算机程序，该计算机程序包括指令，当该计算机程序被计算机执行时，使得计算机可以执行方法实施例的内容。

本申请实施例还提供了一种芯片，该芯片包括输入输出接口、至少一个处理器、至少一个存储器和总线，该至少一个存储器用于存储指令，该至少一个处理器用于调用该至少一个存储器中的指令，以执行方法实施例的内容。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应所述理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者所述技术方案的部分可以以软件产品的形式体现出来，所述计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-onlymemory，rom)、随机存取存储器(randomaccessmemory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。