人脸图像数据的处理方法、装置、计算机设备及质与流程

1.本发明涉及图像数据处理领域，尤其涉及一种人脸图像数据的处理方法、装置、计算机设备及介质。


背景技术：

2.随着云计算和大数据技术的发展，在安防领域，通过众多摄像设备进行人脸抓拍，进而根据抓拍图像进行云计算和大数据分析，找出可能存在影响公众安全的人员进行及时预警干涉，成为对社会治安进行有效管理的一个重要方式。但是，这些摄像设备会有一部分安装在人们生活较为频繁的区域，例如电梯、公交站、街口等，而这些地方往往会存在一些电子屏用于宣传时事新闻和播放广告，电子屏播放内容中出现的人脸图像容易被摄像设备频繁抓拍到，使得产生大量干扰数据，影响数据分析的效率，如何快速过滤抓拍到的电子屏中人脸图像，成了一个亟待解决的问题。
3.现有方式中，有通过抓拍设备采集人脸图片，进行人脸建模分析，赋予人脸标识信息；然后进行入库持久化存储。但是由于抓拍设备人脸识别的局限性，后端对前端抓拍图片进行建模分析，也难以对二维平面人脸图片进行精准的识别，使得电子屏中的人脸图像还是会被识别为正常的行人的人脸图像，也即，无法准确实现对电子屏中人脸图像的过滤。
4.公开号为cn111639689a的专利申请文件中，公开了一种人脸数据处理方法、装置及计算机可读存储介质，包括：针对同一采集装置在预设统计周期内所采集的所有人脸抓拍数据，分别确定属于同一人员的人脸抓拍数据数量；从同一采集装置对应的多个所述人脸抓拍数据数量中确定异常的人脸抓拍数据数量；确定所述异常的人脸抓拍数据数量对应的人脸图像为疑似异常人脸图像。进一步地，该申请文件通过将抓拍到的同一人脸数量与抓拍总数量进行对比，在超过预设比例时，判定为异常人脸图像。该申请文件虽然在一定程度上可以实现对电子屏中人脸图像的过滤，但是，在电子屏中出现的人脸图像较多时，容易漏掉一些电子屏的人脸图像，或者，在一些特殊场合例如电梯中，经常有电梯服务人员随行出入时，容易导致正常活体被识别为电子屏的人脸图像，使得该方式对电子屏中人脸图像的过滤不够精准。


技术实现要素：

5.本发明实施例提供一种人脸图像数据的处理方法、装置、计算机设备和存储介质，以提高对电子屏中人脸图像的过滤精准度。
6.为了解决上述技术问题，本技术实施例提供一种人脸图像数据的处理方法，包括：
7.获取待分析图像集合，并获取所述待分析图像集合中待分析图像的抓拍周期，作为第一周期；
8.选取任意一个所述第一周期对应的时间段作为第一时间段，选取所述第一周期外的任一时间段，作为第二时间段，并从所述待分析图像集合中获取所述第一时间段内和所述第二时间段内的待分析图像，作为目标图像；
9.计算每个所述目标图像中的人脸占比，得到所述第一时间段对应的第一占比集合f和所述第二时间段对应的第二占比集合s；
10.基于所述第一占比集合f和所述第二占比集合s，判断所述第一周期内的图像是否为电子屏中的人脸图像，若是，则对所述第一周期内的待分析图像进行过滤处理。
11.可选地，所述待分析图像包含抓拍时间，所述计算每个所述目标图像中的人脸占比，得到所述第一时间段对应的第一占比集合f和所述第二时间段对应的第二占比集合s，包括：
12.计算每个目标图像中的人脸占比；
13.将所述第一时间段中的每个目标图像的占比，按照所述目标图像的抓拍时间的先后顺序进行排序，并存入集合中，得到所述第一占比集合f；
14.将所述第二时间段中的每个目标图像的占比，按照所述目标图像的抓拍时间的先后顺序进行排序，并存入集合中，得到所述第二占比集合s。
15.可选地，所述计算每个目标图像中的人脸占比，包括：
16.将每个所述目标图像划分为n行m列像素矩阵；
17.基于人脸识别的方式，识别出每个所述目标图像中的人脸区域，得到人脸区域的像素范围；
18.基于所述人脸区域的像素范围，确定所述人脸区域占所述像素矩阵的比例，作为所述人脸占比。
19.可选地，所述基于所述第一占比集合f和所述第二占比集合s，判断所述第一周期内的抓拍图像是否为电子屏中的人脸图像，包括：
20.对所述第一占比集合f和所述第二占比集合s中的子元素按照位置进行一一对比；
21.若所述第一占比集合f的每个子元素均小于所述第二占比集合s中对应位置的子元素，则确定所述第一周期内的抓拍图像为电子屏中的人脸图像，否则，对所述第一占比集合f中的每个子元素进行相似度计算，并基于相似度结果判断所述第一周期内的抓拍图像是否为电子屏中的人脸图像。
22.可选地，在所述获取待分析图像集合，并获取所述待分析图像集合中待分析图像的抓拍周期，作为第一周期之前，所述人脸图像数据的处理方法还包括：
23.获取抓拍图像集合，其中，所述抓拍图像集合包括若干图像信息，所述图像信息包括抓拍图像和所述抓拍图像对应的抓拍时间点；
24.对所述抓拍图像集合中的每个所述抓拍图像进行人脸识别，并将识别结果中包含相同人脸图像的抓拍图像归类到同一候选集中；
25.针对每个所述候选集，基于所述抓拍时间点进行候选集内抓拍图像的排序，并基于排序后的候选集，计算得到所述候选集中抓拍时间点相邻的两个抓拍图像之间的抓拍间隔；
26.在所述候选集内，若存在抓拍时间点相邻的两个抓拍图像之间的抓拍间隔小于预设阈值，则将抓拍时间点相邻的两个抓拍图像中抓拍时间点排列在后的抓拍图像作为干扰图像，将所述干扰图像从所述候选集中进行删除，得到删除后的候选集；
27.重新确定所述删除后的候选集中抓拍时间点相邻的两个抓拍图像之间的抓拍间隔，得到重新确定抓拍间隔后的候选集；
28.基于所述重新确定抓拍间隔后的候选集，生成所述待分析图像集合可选地，在所述基于所述第一占比集合f和所述第二占比集合s，判断所述第一周期内的图像是否为电子屏中的人脸图像，若是，则对所述第一周期内的待分析图像进行过滤处理之后，所述人脸图像数据的处理方法还包括：
29.若所述第一周期内的图像为电子屏中的人脸图像，则获取拍摄所述待分析图像的设备标识，作为目标设备标识；
30.将所述目标设备标识添加入黑名单配置信息中。
31.为了解决上述技术问题，本技术实施例还提供一种人脸图像数据的处理装置，包括：
32.信息获取模块，获取待分析图像集合，并获取所述待分析图像集合中待分析图像的抓拍周期，作为第一周期；
33.图像选取模块，用于选取任意一个所述第一周期对应的时间段作为第一时间段，选取所述第一周期外的任一时间段，作为第二时间段，并从所述待分析图像集合中获取所述第一时间段内和所述第二时间段内的待分析图像，作为目标图像；
34.占比计算模块，用于计算每个所述目标图像中的人脸占比，得到所述第一时间段对应的第一占比集合f和所述第二时间段对应的第二占比集合s；
35.活体判断模块，用于基于所述第一占比集合f和所述第二占比集合s，判断所述第一周期内的图像是否为电子屏中的人脸图像，若是，则对所述第一周期内的待分析图像进行过滤处理。
36.可选地，所述占比计算模块包括：
37.人脸占比计算单元，用于计算每个目标图像中的人脸占比；
38.第一占比确定单元，用于将所述第一时间段中的每个目标图像的占比，按照所述目标图像的抓拍时间的先后顺序进行排序，并存入集合中，得到所述第一占比集合f；
39.第二占比确定单元，用于将所述第二时间段中的每个目标图像的占比，按照所述目标图像的抓拍时间的先后顺序进行排序，并存入集合中，得到所述第二占比集合s。
40.可选地，所述人脸占比计算单元包括：
41.矩阵划分子单元，用于将每个所述目标图像划分为n行m列像素矩阵；
42.人脸区域确定子单元，用于基于人脸识别的方式，识别出每个所述目标图像中的人脸区域，得到人脸区域的像素范围；
43.人脸占比确定子单元，用于基于所述人脸区域的像素范围，确定所述人脸区域占所述像素矩阵的比例，作为所述人脸占比。
44.可选地，所述活体判断模块包括：
45.比较单元，用于对所述第一占比集合f和所述第二占比集合s中的子元素按照位置进行一一对比；
46.结果确定单元，用于若所述第一占比集合f的每个子元素均小于所述第二占比集合s中对应位置的子元素，则确定所述第一周期内的抓拍图像为电子屏中的人脸图像，否则，对所述第一占比集合f中的每个子元素进行相似度计算，并基于相似度结果判断所述第一周期内的抓拍图像是否为电子屏中的人脸图像。
47.可选地，所述人脸图像数据的处理装置还包括：
48.集合获取模块，用于获取抓拍图像集合，其中，所述抓拍图像集合包括若干图像信息，所述图像信息包括抓拍图像和所述抓拍图像对应的抓拍时间点；
49.图像归类模块，用于对所述抓拍图像集合中的每个所述抓拍图像进行人脸识别，并将识别结果中包含相同人脸图像的抓拍图像归类到同一候选集中；
50.周期确定模块，用于针对每个所述候选集，基于所述抓拍时间点进行候选集内抓拍图像的排序，并基于排序后的候选集，计算得到所述候选集中抓拍时间点相邻的两个抓拍图像之间的抓拍间隔；
51.第一处理模块，用于在所述候选集内，若存在抓拍时间点相邻的两个抓拍图像之间的抓拍间隔小于预设阈值，则将抓拍时间点相邻的两个抓拍图像中抓拍时间点排列在后的抓拍图像作为干扰图像，将所述干扰图像从所述候选集中进行删除，得到删除后的候选集；
52.第二处理模块，用于重新确定所述删除后的候选集中抓拍时间点相邻的两个抓拍图像之间的抓拍间隔，得到重新确定抓拍间隔后的候选集；
53.待分析图像集合获取模块，用于基于所述重新确定抓拍间隔后的候选集，生成所述待分析图像集合可选地，所述人脸图像数据的处理装置还包括：
54.设备标识获取模块，用于若所述第一周期内的图像为电子屏中的人脸图像，则获取拍摄所述待分析图像的设备标识，作为目标设备标识；
55.标识清单更新模块，用于将所述目标设备标识添加入黑名单配置信息中。
56.为了解决上述技术问题，本技术实施例还提供一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述人脸图像数据的处理方法的步骤。
57.为了解决上述技术问题，本技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述人脸图像数据的处理方法的步骤。
58.本发明实施例提供的人脸图像数据的处理方法、装置、计算机设备及存储介质，通过获取待分析图像集合，并获取待分析图像集合中待分析图像的抓拍周期，作为第一周期，选取任意一个第一周期对应的时间段作为第一时间段，选取第一周期外的任一时间段，作为第二时间段，并从待分析图像集合中获取第一时间段内和第二时间段内的待分析图像，作为目标图像，计算每个目标图像中的人脸占比，得到第一时间段对应的第一占比集合f和第二时间段对应的第二占比集合s，基于第一占比集合f和第二占比集合s，判断第一周期内的图像是否为电子屏中的人脸图像，若是，则对第一周期内的待分析图像进行过滤处理。通过区分周期内的图像与周期外图像人脸占比的不同，实现对非活体图像的快速识别，进而进行过滤，有利于提高电子屏人脸图像的过滤准确率。
附图说明
59.为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的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发明的一些实施例，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。
60.图1是本技术可以应用于其中的示例性系统架构图；
61.图2是本技术的人脸图像数据的处理方法的一个实施例的流程图；
62.图3是本技术的人脸图像数据的处理方法的另一实施例的流程图；
63.图4是本技术的人脸图像数据的处理方法的另一实施例的流程图；
64.图5是本技术的人脸图像数据的处理方法的另一实施例的流程图；
65.图6是本技术的人脸图像数据的处理方法的另一实施例的流程图；
66.图7是本技术的人脸图像数据的处理方法的另一实施例的流程图；
67.图8是根据本技术的人脸图像数据的处理装置的一个实施例的结构示意图；
68.图9是根据本技术的计算机设备的一个实施例的结构示意图。
具体实施方式
69.除非另有定义，本文所使用的所有的技术和科学术语与属于本技术的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本技术；本技术的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本技术的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。
70.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
71.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
72.请参阅图1，图1为该人脸图像数据的处理方法的应用场景示意图，在该场景中，存在至少一个摄像设备，摄像设备将获取到的抓拍图像通过网络传输给服务端，服务端对抓拍图像进行识别，过滤掉电子屏中的人脸图像，以便执行后续活体图像的处理，例如安全监控、群体动向预测等。
73.其中，摄像设备具体可以包括但不限于：红外摄像机、摄像头、微单相机、数码相机、监控设备及带有摄像功能的边缘设备等。
74.其中，网络可由具体地网络传播介质实现传播，具体网络传播介质可以是蓝牙、有线或无线等。
75.其中，服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content delivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。
76.需要说明的是，本技术实施例所提供的人脸图像数据的处理方法由服务器执行，相应地，人脸图像数据的处理装置设置于服务器中。
77.应该理解，图1中的摄像设备、网络和服务器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摄像设备、网络和服务器，本技术实施例中的摄像设备、网络和服务器具体可以对应的是实际生产中的应用系统。
78.请参阅图2，图2示出本发明实施例提供的一种人脸图像数据的处理方法，以该方法应用在图1中的服务器为例进行说明，详述如下：
79.s21：获取待分析图像集合，并获取待分析图像集合中待分析图像的抓拍周期，作为第一周期。
80.具体地，获取待分析图像集合，该待分析图像集合中包含待分析图像，并获取待分析图像的抓拍周期，作为第一周期。
81.其中，抓拍周期是指待分析图像中同一个人脸图像出现的周期。
82.在一具体实施方式中，请参见图3，步骤s21之前，也即，在获取待分析图像集合，并获取待分析图像集合中待分析图像的抓拍周期，作为第一周期之前，人脸图像数据的处理方法还包括：
83.s11：获取抓拍图像集合，其中，抓拍图像集合包括若干图像信息，图像信息包括抓拍图像和抓拍图像对应的抓拍时间点；
84.s12：对抓拍图像集合中的每个抓拍图像进行人脸识别，并将识别结果中包含相同人脸图像的抓拍图像归类到同一候选集中；
85.s13：针对每个候选集，基于抓拍时间点进行候选集内抓拍图像的排序，并基于排序后的候选集，计算得到候选集中抓拍时间点相邻的两个抓拍图像之间的抓拍间隔；
86.s14：在候选集内，若存在抓拍时间点相邻的两个抓拍图像之间的抓拍间隔小于预设阈值，则将抓拍时间点相邻的两个抓拍图像中抓拍时间点排列在后的抓拍图像作为干扰图像，将干扰图像从候选集中进行删除，得到删除后的候选集；
87.s15：重新确定删除后的候选集中抓拍时间点相邻的两个抓拍图像之间的抓拍间隔，得到重新确定抓拍间隔后的候选集；
88.s16：基于重新确定抓拍间隔后的候选集，生成所述待分析图像集合需要说明的是，由于是广告，所以会出现连续抓拍，根据广告时长来看，一般广告时长最低为5s(预设阈值)，所以5s内(预设阈值)连续出现的可排除。其中，抓拍图像是指从摄像设备传递过来的图像。
89.其中，预设阈值可以根据实时需要进行设定，一般电子屏中的广告最低时长为5秒，所以5s内连续出现的可排除，只保留第一个抓拍图时间，因而，作为一种优选方式，可以将预设阈值设置为5秒，既可以最大限度保持数据的完整性，有可以排除干扰数据，减少数据计算量，提高数据处理效率。
90.本实施例中，通过对抓拍图像集合进行处理，得到优化后的待分析图像和抓拍周期，减少后续数据处理量，提高数据处理效率，同时，也有利于后续对抓拍周期内的图像数据和抓拍周期外的图像数据进行数据比较。
91.s22：选取任意一个第一周期对应的时间段作为第一时间段，选取第一周期外的任一时间段，作为第二时间段，并从待分析图像集合中获取第一时间段内和第二时间段内的待分析图像，作为目标图像。
92.具体地，从抓拍周期中任意选取一个周期的时间段，作为第一时间段，并选取第一周期外的任一时间段，作为第二时间段，进而从待分析图像集合中，获取第一时间段内和第
二时间段内的待分析图像，作为目标图像。
93.s23：计算每个目标图像中的人脸占比，得到第一时间段对应的第一占比集合f和第二时间段对应的第二占比集合s。
94.其中，第一占比集合f是指第一时间段对应的每个目标图像中的人脸占比的集合，第二占比集合s是指第二时间段对应的每个目标图像中的人脸占比的集合。
95.具体地，本实施例通过计算目标图像中的人脸占比，得到第一时间段对应的第一占比集合f和第二时间段对应的第二占比集合s，其实现过程可参考后续实施例的描述，为避免重复，此处不再赘述。
96.s24：基于第一占比集合f和第二占比集合s，判断第一周期内的图像是否为电子屏中的人脸图像，若是，则对第一周期内的待分析图像进行过滤处理。
97.本实施例中，获取待分析图像集合，并获取待分析图像集合中待分析图像的抓拍周期，作为第一周期，选取任意一个第一周期对应的时间段作为第一时间段，选取第一周期外的任一时间段，作为第二时间段，并从待分析图像集合中获取第一时间段内和第二时间段内的待分析图像，作为目标图像，计算每个目标图像中的人脸占比，得到第一时间段对应的第一占比集合f和第二时间段对应的第二占比集合s，基于第一占比集合f和第二占比集合s，判断第一周期内的图像是否为电子屏中的人脸图像，若是，则对第一周期内的待分析图像进行过滤处理。通过区分周期内的图像与周期外图像人脸占比的不同，实现对非活体图像的快速识别，进而进行过滤，有利于提高电子屏人脸图像的过滤准确率。
98.请参见图4，在另一可选实施方式中，步骤23中，待分析图像包含抓拍时间，计算每个目标图像中的人脸占比，得到第一时间段对应的第一占比集合f和第二时间段对应的第二占比集合s，包括：
99.s231：计算每个目标图像中的人脸占比；
100.s232：将第一时间段中的每个目标图像的占比，按照目标图像的抓拍时间的先后顺序进行排序，并存入集合中，得到第一占比集合f；
101.s232：将第二时间段中的每个目标图像的占比，按照目标图像的抓拍时间的先后顺序进行排序，并存入集合中，得到第二占比集合s。
102.具体地，通过对每个目标图像中的人脸进行识别，进而确定人脸占目标图像的比例，得到每个目标图像中的人脸占比，再根据目标图像所述的时间段进行汇总，得到第一占比集合f和第一占比集合f。
103.需要说明的是，每个目标图像中的人脸占比为一个0-1的数值，例如0.26，第一占比集合f和第二占比集合s为数组的形式，例如，第一占比集合f为{0.26，0.28，0.23，0.3，0.19}，第二占比集合s为{0.3，0.36，0.37，0.33，0.35}。
104.本实施例中，通过对人脸图像在第一时间段和第二时间段中各个目标图像的占比，确定第一占比集合f和第二占比集合s，有利于后续根据第一占比集合f和第二占比集合s快速判断第一时间段的抓拍图像是否为电子屏中的人脸图像。
105.请参见图5，在一具体可选实施方式中，步骤s231中，计算每个目标图像中的人脸占比，包括：
106.s2311：将每个目标图像划分为n行m列像素矩阵；
107.s2312：基于人脸识别的方式，识别出每个目标图像中的人脸区域，得到人脸区域
的像素范围；
108.s2313：基于人脸区域的像素范围，确定人脸区域占像素矩阵的比例，作为人脸占比。
109.其中，n和m为大于1的整数，具体数值可根据实际情形进行设定，此处不做限制。
110.其中，人脸识别是指对目标图像进行人脸识别，得到目标图像中的人脸区域，具体采用的方式包括但不限于基于人脸特征点的识别算法(feature-based recognition algorithms)、基于整幅人脸图像的识别算法(appearance-based recognition algorithms)、基于模板的识别算法(template-based recognition algorithms)和利用神经网络进行识别的算法(recognition algorithms using neural network)等。
111.本实施例中，通过对目标图像分成n行m列像素矩阵，进而计算人脸区域占的像素矩阵比例，避免采用全像素进行计算导致的计算量巨大，提高了数据处理效率，有利于提高计算速度。
112.请参见图6，在另一可选实施方式中，步骤s24中，基于第一占比集合f和第二占比集合s，判断第一周期内的抓拍图像是否为电子屏中的人脸图像，包括：
113.s241：对第一占比集合f和第二占比集合s中的子元素按照位置进行一一对比。
114.具体地，依次将第一占比集合f和第二占比集合s中的子元素进行一一对比，得到对比结果。
115.例如，在一具体实施方式中，第一占比集合f为{0.26，0.28，0.23，0.3，0.19}，第二占比集合s为{0.3，0.36，0.37，0.33，0.35}，将第一占比集合f的第一元素0.26与第二占比集合s的第一元素0.3进行对比，进而将第一占比集合f的第二元素0.28与第二占比集合s的第一元素0.36进行对比，并依次对第三元素、第四元素和第五元素进行对比，得到最终的对比结果。
116.s242：若第一占比集合f的每个子元素均小于第二占比集合s中对应位置的子元素，则确定第一周期内的抓拍图像为电子屏中的人脸图像，否则，对第一占比集合f中的每个子元素进行相似度计算，并基于相似度结果判断第一周期内的抓拍图像是否为电子屏中的人脸图像。
117.需要说明是的，电子屏广告通常设置在电梯等固定场所，电子屏中的人物头像占比会比活体头像小的多，基于此，对第一占比集合f和第二占比集合s进行对比，根据对比结果，第一占比集合f的每个子元素均小于第二占比集合s中对应位置的子元素，则确定为电子屏中的人脸图像，若不是，则需要进一步根据相似度进行判断。
118.易理解地，在相似度为相同，或大于预设相似度阈值(预设相似度阈值可根据实际需要进行设定)，可确定为电子屏中的人脸图像。
119.请参见图7，在另一可选实施方式中，步骤s204之后，该人脸图像数据的处理方法还包括：
120.s251：若第一周期内的图像为电子屏中的人脸图像，则获取拍摄待分析图像的设备标识，作为目标设备标识；
121.s252：将目标设备标识添加入黑名单配置信息中。
122.具体地，不同的摄像设备，分布在电梯轿厢、商超、写字楼内、公共交通工具、居民楼等场所，为方便管理，本实施例对每个传入图像数据到服务器的摄像设备进行设备标识，
并存储在配置文件中，在检测到第一周期内的图像为电子屏中的人脸图像，则确定该摄像设备会捕捉到电子屏的广告信息，使得其中包含的人脸对正常人脸图像进行处理，则将该摄像设备对应的设备标识作为目标设备标识，并将目标设备标识添加入黑名单配置信息中。
123.其中，具体地更新方式可以为将目标设备标识拉入黑名单，也可以是对目标设备标识中预设周期传入的抓拍图像进行过滤处理，具体可根据实际需要进行选择，此处不做限定。
124.本实施例中，在第一周期内的图像为电子屏中的人脸图像时，获取拍摄待分析图像的设备标识，作为目标设备标识，基于目标设备标识，对配置文件的设备标识清单进行更新，有利于提高后续对电子屏中人脸数据的过滤效率。
125.应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
126.图8示出与上述实施例人脸图像数据的处理方法一一对应的人脸图像数据的处理装置的原理框图。如图8所示，该人脸图像数据的处理装置包括信息获取模块31、图像选取模块32、占比计算模块33和活体判断模块34。各功能模块详细说明如下：
127.信息获取模块31，获取待分析图像集合，并获取待分析图像集合中待分析图像的抓拍周期，作为第一周期；
128.图像选取模块32，用于选取任意一个第一周期对应的时间段作为第一时间段，选取第一周期外的任一时间段，作为第二时间段，并从待分析图像集合中获取第一时间段内和第二时间段内的待分析图像，作为目标图像；
129.占比计算模块33，用于计算每个目标图像中的人脸占比，得到第一时间段对应的第一占比集合f和第二时间段对应的第二占比集合s；
130.活体判断模块34，用于基于第一占比集合f和第二占比集合s，判断第一周期内的图像是否为电子屏中的人脸图像，若是，则对第一周期内的待分析图像进行过滤处理。
131.可选地，占比计算模块33包括：
132.人脸占比计算单元，用于计算每个目标图像中的人脸占比；
133.第一占比确定单元，用于将第一时间段中的每个目标图像的占比，按照目标图像的抓拍时间的先后顺序进行排序，并存入集合中，得到第一占比集合f；
134.第二占比确定单元，用于将第二时间段中的每个目标图像的占比，按照目标图像的抓拍时间的先后顺序进行排序，并存入集合中，得到第二占比集合s。
135.可选地，人脸占比计算单元包括：
136.矩阵划分子单元，用于将每个目标图像划分为n行m列像素矩阵；
137.人脸区域确定子单元，用于基于人脸识别的方式，识别出每个目标图像中的人脸区域，得到人脸区域的像素范围；
138.人脸占比确定子单元，用于基于人脸区域的像素范围，确定人脸区域占像素矩阵的比例，作为人脸占比。
139.可选地，活体判断模块34包括：
140.比较单元，用于对第一占比集合f和第二占比集合s中的子元素按照位置进行一一
对比；
141.结果确定单元，用于若第一占比集合f的每个子元素均小于第二占比集合s中对应位置的子元素，则确定第一周期内的抓拍图像为电子屏中的人脸图像，否则，对第一占比集合f中的每个子元素进行相似度计算，并基于相似度结果判断第一周期内的抓拍图像是否为电子屏中的人脸图像。
142.可选地，人脸图像数据的处理装置还包括：
143.集合获取模块，用于获取抓拍图像集合，其中，抓拍图像集合包括若干图像信息，图像信息包括抓拍图像和抓拍图像对应的抓拍时间点；
144.图像归类模块，用于对抓拍图像集合中的每个抓拍图像进行人脸识别，并将识别结果中包含相同人脸图像的抓拍图像归类到同一候选集中；
145.周期确定模块，用于针对每个候选集，基于抓拍时间点进行候选集内抓拍图像的排序，并基于排序后的候选集，计算得到候选集中抓拍时间点相邻的两个抓拍图像之间的抓拍间隔；
146.第一处理模块，用于在候选集内，若存在抓拍时间点相邻的两个抓拍图像之间的抓拍间隔小于预设阈值，则将抓拍时间点相邻的两个抓拍图像中抓拍时间点排列在后的抓拍图像作为干扰图像，将干扰图像从候选集中进行删除，得到删除后的候选集；
147.第二处理模块，用于重新确定删除后的候选集中抓拍时间点相邻的两个抓拍图像之间的抓拍间隔，得到重新确定抓拍间隔后的候选集；
148.待分析图像集合确定模块，用于基于重新确定抓拍间隔后的候选集，生成所述待分析图像集合。
150.可选地，人脸图像数据的处理装置还包括：
151.设备标识获取模块，用于若第一周期内的图像为电子屏中的人脸图像，则获取拍摄待分析图像的设备标识，作为目标设备标识；
152.标识清单更新模块，用于基于目标设备标识，对配置文件的设备被标识清单进行更新。
153.关于人脸图像数据的处理装置的具体限定可以参见上文中对于人脸图像数据的处理方法的限定，在此不再赘述。上述人脸图像数据的处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
154.为解决上述技术问题，本技术实施例还提供计算机设备。具体请参阅图9，图9为本实施例计算机设备基本结构框图。
155.所述计算机设备9包括通过系统总线相互通信连接存储器41、处理器42、网络接口43。需要指出的是，图中仅示出了具有组件连接存储器41、处理器42、网络接口43的计算机设备4，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(application specific integrated circuit，asic)、可编程门阵列(field－programmable gate array，fpga)、数字处理器(digital signal processor，dsp)、嵌入式
设备等。
156.所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
157.所述存储器41至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，sd或d界面显示存储器等)、随机访问存储器(ram)、静态随机访问存储器(sram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、可编程只读存储器(prom)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器41可以是所述计算机设备4的内部存储单元，例如该计算机设备4的硬盘或内存。在另一些实施例中，所述存储器41也可以是所述计算机设备4的外部存储设备，例如该计算机设备4上配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。当然，所述存储器41还可以既包括所述计算机设备4的内部存储单元也包括其外部存储设备。本实施例中，所述存储器41通常用于存储安装于所述计算机设备4的操作系统和各类应用软件，例如人脸图像数据的处理的程序代码等。此外，所述存储器41还可以用于暂时地存储已经输出或者将要输出的各类数据。
158.所述处理器42在一些实施例中可以是中央处理器(central processing unit，cpu)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器42通常用于控制所述计算机设备4的总体操作。本实施例中，所述处理器42用于运行所述存储器41中存储的程序代码或者处理数据，例如人脸图像数据的处理的程序代码。
159.所述网络接口43可包括无线网络接口或有线网络接口，该网络接口43通常用于在所述计算机设备4与其他电子设备之间建立通信连接。
160.本技术还提供了另一种实施方式，即提供一种计算机可读存储介质，所述计算机可读存储介质存储有界面显示程序，所述界面显示程序可被至少一个处理器执行，以使所述至少一个处理器执行如上述的人脸图像数据的处理方法的步骤。
161.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本技术各个实施例所述的方法。
162.显然，以上所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例，附图中给出了本技术的较佳实施例，但并不限制本技术的专利范围。本技术可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本技术的公开内容的理解更加透彻全面。尽管参照前述实施例对本技术进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等效替换。凡是利用本技术说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本技术专利保护范围之内。