一种人脸识别方法、装置、存储介质及计算机程序产品与流程

1.本技术涉及人脸识别技术领域，特别涉及为一种人脸识别方法、装置、存储介质及计算机程序产品。


背景技术：

2.人脸识别，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识别的一系列相关技术，通常也叫做人像识别、面部识别。
3.在小区或者公司门禁等场景中，经常会用到人脸识别技术。现有的人脸识别技术通常是对需要识别的人脸提取特征值，并与数据库中的人脸数据进行对比，匹配度高于阈值的识别成功，低于阈值的进行下一次匹配。这样做会存在一个问题：当由于环境或拍摄角度的影响，导致匹配度略低于阈值时，会视为识别失败，进行下一次识别，需要用户进行多次拍照识别，影响用户体验。


技术实现要素：

4.本发明的目的在于提供一种人脸识别方法、装置、存储介质及计算机程序产品，能够解决现有技术中人脸识别失败需要用户多次识别的问题。
5.为了实现上述发明目的，本发明提供如下技术方案：
6.第一方面，提供一种人脸识别方法，包括:
7.获取待识别人脸图像，提取所述待识别人脸图像的特征值；
8.根据所述特征值计算与标准人脸数据库中人脸数据的第一匹配度；
9.当所述第一匹配度处于匹配度区间表中的二次验证区间时，获取备份人脸数据库中的备份人脸数据，依次计算所述特征值与所述备份人脸数据的第二匹配度，所述匹配度区间表是预先设置好的，所述匹配度区间表包括：成功区间、二次验证区间、失败区间，所述备份人脸数据是与所述标准人脸数据库中人脸数据属于同一用户，且与所述标准人脸数据库中人脸数据不同的人脸数据；
10.当存在所述第二匹配度处于成功区间或二次验证区间时，视为识别成功，结束匹配。
11.第二方面，提供一种计算机装置，包括存储器、处理器及存储在存储器上的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现以下步骤：
12.获取待识别人脸图像，提取所述待识别人脸图像的特征值；
13.根据所述特征值计算与标准人脸数据库中人脸数据的第一匹配度；
14.当所述第一匹配度处于匹配度区间表中的二次验证区间时，获取备份人脸数据库中的备份人脸数据，依次计算所述特征值与所述备份人脸数据的第二匹配度，所述匹配度区间表是预先设置好的，所述匹配度区间表包括：成功区间、二次验证区间、失败区间，所述备份人脸数据是与所述标准人脸数据库中人脸数据属于同一用户，且与所述标准人脸数据
库中人脸数据不同的人脸数据；
15.当存在所述第二匹配度处于成功区间或二次验证区间时，视为识别成功，结束匹配。
16.第三方面，提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现以下步骤：
17.获取待识别人脸图像，提取所述待识别人脸图像的特征值；
18.根据所述特征值计算与标准人脸数据库中人脸数据的第一匹配度；
19.当所述第一匹配度处于匹配度区间表中的二次验证区间时，获取备份人脸数据库中的备份人脸数据，依次计算所述特征值与所述备份人脸数据的第二匹配度，所述匹配度区间表是预先设置好的，所述匹配度区间表包括：成功区间、二次验证区间、失败区间，所述备份人脸数据是与所述标准人脸数据库中人脸数据属于同一用户，且与所述标准人脸数据库中人脸数据不同的人脸数据；
20.当存在所述第二匹配度处于成功区间或二次验证区间时，视为识别成功，结束匹配。
21.第四方面，提供一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现以下步骤：
22.获取待识别人脸图像，提取所述待识别人脸图像的特征值；
23.根据所述特征值计算与标准人脸数据库中人脸数据的第一匹配度；
24.当所述第一匹配度处于匹配度区间表中的二次验证区间时，获取备份人脸数据库中的备份人脸数据，依次计算所述特征值与所述备份人脸数据的第二匹配度，所述匹配度区间表是预先设置好的，所述匹配度区间表包括：成功区间、二次验证区间、失败区间，所述备份人脸数据是与所述标准人脸数据库中人脸数据属于同一用户，且与所述标准人脸数据库中人脸数据不同的人脸数据；
25.当存在所述第二匹配度处于成功区间或二次验证区间时，视为识别成功，结束匹配。
26.一种人脸识别方法、装置、存储介质及程序产品，通过设置匹配度区间表，当待识别人脸数据与标准数据库中人脸数据的匹配度落入二次验证区间时，计算待识别人脸数据与备份人脸数据的匹配度。通过与备份人脸数据多次匹配，提高了匹配通过的几率，减少了环境因素或其他因素的影响导致的识别失败次数，提高了用户体验。
附图说明
27.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有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技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
28.其中：
29.图1为一个实施例中人脸识别方法的流程图；
30.图2为一个实施例中人脸数据库示意图；
31.图3为一个实施例中人脸识别方法的流程图；
32.图4为一个实施例中人脸数据库示意图；
33.图5为一个实施例中人脸识别方法的流程图；
34.图6为一个实施例中人脸数据库示意图；
35.图7为一个实施例中的系统框图；
36.图8为一个实施例中计算机设备的内部结构图。
具体实施方式
37.应当理解，此处所描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
38.下面将结合本技术的实施例中的附图，对本技术的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技术的一部分实施例，而不是全部的实施例。基于本技术中的实施例，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，都属于本技术保护的范围。
39.需要说明的是，本技术的说明书和权利要求书及上述附图中的术语“包括”、“包含”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、终端、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。在本技术的权利要求书、说明书以及说明书附图中的术语，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体/操作/对象与另一个实体/操作/对象区分开来，而不一定要求或者暗示这些实体/操作/对象之间存在任何这种实际的关系或者顺序。
40.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，也不是与其他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他实施例相结合。
41.现有技术在人脸识别时，通常会设置一个阈值来判断是否识别成功，当待识别人脸与数据库中预存的人脸的匹配度高于或等于阈值时，识别通过，当待识别人脸与数据库中预存的人脸的匹配度低于阈值时，识别失败。这样做存在一个问题，在系统中预先录入了人脸的用户在人脸识别时，可能受到光照等环境因素或拍摄角度的影响，导致与系统录入的人脸的匹配度低于阈值，识别失败，与其它人脸匹配，同样识别失败，导致需要多次拍摄用户人脸，甚至一直无法识别，严重影响用户体验。基于这个问题，本技术在用户人脸识别成功后，将匹配度较高的人脸加入备份人脸库，随着识别成功次数的增多，一个用户除了预先录入的人脸外，还有许多匹配度较高的备份人脸，这些备份人脸可能是在多种环境下识别成功的，因此，用户在相同或相近的环境下，识别成功的概率将会提高。当用户在不同环境或不同角度下进行人脸识别时可能会与系统中预先录入的人脸的匹配度低于阈值，此时对用户人脸进行二次或多次验证，将用户人脸与备份数据库中的人脸进行匹配，不同环境或不同角度的备份人脸数据越多，用户一次人脸识别成功的概率越大。
42.如图1所示，本技术提出一种人脸识别方法，包括：
43.步骤101：获取待识别人脸图像，提取所述待识别人脸图像的特征值。
44.其中，本技术提出的人脸识别方法可以运用于小区、公司、高铁站等需要人脸识别开门的场合，也可以运用在终端设备如手机、计算机进行身份识别的场合等各种需要人脸
识别的场合。控制系统控制摄像装置拍摄用户的人脸并获取用户的待识别人脸图像，待识别人脸图像是包含用户人脸的图像，除了实时拍摄外，也可以获取外部传输的待识别人脸图像。当控制系统获取待识别人脸图像后，对待识别人脸图像进行预处理，预处理之后通过特征提取算法提取待识别人脸图像中的人脸特征值。当然，也可不对待识别人脸图像进行预处理。
45.步骤102：根据所述特征值计算与标准人脸数据库中人脸数据的第一匹配度。
46.其中，当控制系统提取出待识别人脸的特征值后，根据匹配度算法计算与系统内预先录入的人脸特征值的匹配度。为了便于理解，特举例说明，当本技术运用与小区门禁系统时，小区的业主即用户需要预先录入自己的人脸，将人脸数据储存在标准数据库中，业主录入的人脸数据即为标准人脸数据。当业主想要进入小区时，需要进行人脸识别，需要先将人脸对准摄像头，当摄像头拍摄业主人脸图像即待识别人脸图像后，控制系统提取待识别人脸的特征值，与系统中标准人脸数据库中的标准人脸一一进行匹配度计算，待识别人脸的特征值与标准人脸数据库中人脸数据的匹配度为第一匹配度。当第一匹配度处于匹配度区间表中的成功区间时，视为识别成功，开启门禁。匹配度区间表是预先设置好根据匹配度来划分的区间，在本技术中，匹配度区间表包括：成功区间、二次验证区间、失败区间，为了便于理解，将匹配度按分数表示，最高100分，例如，成功区间为匹配度在90 分以上，根据实际经验，当匹配度达到90分以上，意味着极大概率待识别人脸与与之匹配的标准人脸是同一张人脸，可以直接视为识别成功。二次验证区间为匹配度在70-90分之间的区间，根据实际经验，当匹配度在这个区间时，意味着较大概率待识别人脸与与之匹配的标准人脸是同一张人脸，但存在一定的误识别风险，因此当匹配度在这个区间时，需要对待识别人脸进行二次验证，以确保识别准确率。失败区间为匹配度在70分以下，根据实际经验，当匹配度在70分以下，意味着极大概率待识别人脸与与之匹配的标准人脸不是同一张人脸，可以直接视为识别失败。
47.步骤103：当所述第一匹配度处于匹配度区间表中的二次验证区间时，获取备份人脸数据库中的备份人脸数据，依次计算所述特征值与所述备份人脸数据的第二匹配度，所述匹配度区间表是预先设置好的，所述匹配度区间表包括：成功区间、二次验证区间、失败区间，所述备份人脸数据是与所述标准人脸数据库中人脸数据属于同一用户，且与所述标准人脸数据库中人脸数据不同的人脸数据。
48.其中，为了便于理解，同样以步骤102中小区门禁为例，当第一匹配度处于匹配度区间表中的二次验证区间时，匹配度区间表包括：成功区间、二次验证区间、失败区间，为了便于理解，将匹配度按分数表示，最高100分，此处的二次验证区间的匹配度同样在70-90分之间，根据实际经验，当匹配度在这个区间时，意味着较大概率待识别人脸与与之匹配的标准人脸是同一张人脸，但存在一定的误识别风险，因此当匹配度在这个区间时，需要对待识别人脸进行二次验证，以确保识别准确率。二次验证的步骤为：获取备份人脸数据库中的备份人脸数据，依次计算所述特征值与所述备份人脸数据的第二匹配度。其中，备份人脸数据是用户在人脸识别时，当拍摄的用户的待识别人脸图像与标准数据库中的某张人脸数据的匹配度落入成功区间即匹配度大于或等于90分时，将这张待识别人脸作为上述与之匹配的标准人脸的备份人脸，此待识别人脸数据即为备份人脸数据，将备份人脸数据添加到与之匹配的标准人脸的备份人脸数据库中。举例说明，如图2所示，在标准人脸数据库中有a、b、
c、d、e五份人脸数据，其中a用户的备份人脸数据库中有a1、a2、a3三份备份人脸数据，标准人脸数据a是a用户预先录入系统的，备份人脸数据a1、a2、 a3是a用户在人脸识别时与标准人脸数据a的匹配度大于或等于90 分时存入备份人脸数据库中的。除此之外，备份人脸数据也可以是用户在初次录入人脸时额外录入的人脸，作为备份人脸。备份人脸数据库储存在系统中，当第一匹配度处于二次验证区间时，获取与待识别人脸匹配的标准人脸的备份人脸数据库中的备份人脸数据，依次计算特征值与备份人脸数据的第二匹配度，当备份人脸数据与待识别人脸的匹配度处于失败区间时，计算备份人脸数据库中下一个人脸数据与待识别人脸数据的匹配度，直到有备份人脸数据与待识别人脸数据的匹配度处于成功区间或二次验证区间，当备份人脸数据与待识别人脸数据的匹配度处于成功区间时，说明有极大概率待识别人脸与与之匹配的标准人脸是同一张人脸，可以直接视为识别成功；当备份人脸数据与待识别人脸数据的匹配度处于二次验证区间时，根据实际经验，待识别人脸数据与标准人脸数据及该标准人脸数据的备份人脸数据的匹配度都处于二次验证区间，同样说明有极大概率待识别人脸与与之匹配的标准人脸是同一张人脸，可以直接视为识别成功。通过将匹配度处于二次验证区间的待识别人脸数据与备份人脸数据进行二次或多次验证，提高了匹配通过的几率，减少了环境因素或其他因素的影响导致的识别失败次数，提高了用户体验。
49.步骤104：当存在所述第二匹配度处于成功区间或二次验证区间时，视为识别成功，结束匹配。
50.其中，当备份人脸数据与待识别人脸数据的匹配度处于二次验证区间时，根据实际经验，待识别人脸数据与标准人脸数据及该标准人脸数据的备份人脸数据的匹配度都处于二次验证区间，同样说明有极大概率待识别人脸与与之匹配的标准人脸是同一张人脸，可以直接视为识别成功。
51.上述人脸识别方法，通过设置匹配度区间表，当待识别人脸数据与标准数据库中人脸数据的匹配度落入二次验证区间时，计算待识别人脸数据与备份人脸数据的匹配度。通过与备份人脸数据多次匹配，提高了匹配通过的几率，减少了环境因素或其他因素的影响导致的识别失败次数，提高了用户体验。
52.在一个实施例中，所述方法还包括：将预处理后且所述第一匹配度落入成功区间的人脸图像特征值作为备份人脸数据，添加到备份人脸数据库中；或将所述第二匹配度落入成功区间的人脸图像特征值作为备份人脸数据，添加到备份人脸数据库中。
53.其中，在待识别人脸进行匹配度计算前，对待识别人脸进行预处理，降低噪音。为了便于理解，同样将匹配度按分数表示，最高100 分，用户在人脸识别时，当拍摄的用户的待识别人脸数据与标准数据库中的某张人脸数据的匹配度落入成功区间即匹配度大于或等于90 分时，说明待识别人脸与标准数据库中的某张人脸属于同一个人，将这张待识别人脸作为上述与之匹配的标准人脸的备份人脸，此待识别人脸数据即为备份人脸数据，将备份人脸数据添加到与之匹配的标准人脸的备份人脸数据库中。除此之外，当待识别人脸数据与备份人脸数据的匹配度大于或等于90分时，说明待识别人脸与此备份人脸属于同一个人，将这张待识别人脸作为上述与之匹配的标准人脸的备份人脸，此待识别人脸数据即为备份人脸数据。
54.在另一个实施例中，所述方法还包括：将不预处理且所述第一匹配度落入成功区
间的人脸图像特征值作为备份人脸数据，添加到备份人脸数据库中；或将所述第二匹配度落入成功区间的人脸图像特征值作为备份人脸数据，添加到备份人脸数据库中。
55.其中，不对待识别人脸进行预处理，如果此时待识别人脸仍然与某张标准人脸的第一匹配度落入成功区间，将这张待识别人脸加入备份数据库中，当以后用户在同样环境下进行人脸识别时识别成功率会有所提高。同样，当待识别人脸数据与备份人脸数据的第一匹配度落入成功区间，将这张待识别人脸加入备份数据库中，当以后用户在同样环境下进行人脸识别时识别成功率会有所提高。
56.如图3所示，在一个实施例中，所述二次验证区间还按高低顺序包括第一验证区间、第二验证区间，所述方法还包括：当所述第一匹配度处于第二验证区间时，获取备份人脸数据库中的备份人脸数据，依次计算所述特征值与所述备份人脸数据的第三匹配度；当存在所述第三匹配度处于成功区间或二次验证区间时，获取第一相似人脸数据库中的第一相似人脸数据，依次计算所述特征值与所述第一相似人脸数据的第四匹配度，所述第一相似人脸数据是所述标准人脸数据库中除目标标准人脸数据外剩余的其它人脸数据，所述目标标准人脸数据是与待识别人脸图像匹配的标准人脸数据，所述第一相似人脸数据库包括第一相似人脸数据；当所述第四匹配度全部处于第四区间时，视为识别成功，结束匹配。
57.其中，为了便于理解，特举例说明，同上述各匹配度区间的例子，二次验证区间的匹配度为70-90分，对于70-80分的匹配度与80-90 分的匹配度的识别成功的概率不一样，80-90分的匹配度的识别成功概率高于70-80分的匹配度的识别成功概率。当待识别人脸数据与标准人脸数据的匹配度在80-90分即第一验证区间时，可以直接根据待识别人脸数据与备份人脸数据的匹配度来判断是否识别成功；当待识别人脸数据与标准人脸数据的匹配度在70-80分即第二验证区间时，如果直接根据待识别人脸数据与备份人脸数据的匹配度来判断是否识别成功，存在小概率的误识别可能性，在本实施例中，当待识别人脸数据与标准人脸数据的匹配度在70-80分时，计算待识别人脸数据与备份人脸数据的匹配度，此匹配度为第三匹配度，当第三匹配度处于成功区间或二次验证区间时，获取第一相似人脸数据库中的第一相似人脸数据，依次计算待识别人脸数据与第一相似人脸数据的第四匹配度。当用户在初次录入人脸时，系统会将除该用户外其他用户的标准人脸数据作为该用户的第一相似人脸数据，将第一相似人脸数据添加到第一相似人脸数据库中。举例说明，如图4所示，在标准人脸数据库中有a、b、c、d、e五份人脸数据，标准人脸数据a、b、c、d、 e是a、b、c、d、e等用户预先录入系统的，其中将除a用户的标准人脸数据a外的其他人脸数据b、c、d、e添加到a用户的相似人脸数据库中，a用户的相似人脸数据库中有b、c、d、e等相似人脸数据。当第三匹配度处于成功区间或二次验证区间时，再次比较待识别人脸数据与第一相似人脸数据的第四匹配度，当第四匹配度全部处于第四区间时即低于70分时，说明该用户不是相似人脸库中的用户，而由于该用户的待识别人脸数据与备份人脸数据的匹配度处于70-80，根据实际经验，二者结合说明很大概率该用户与备份人脸数据对应的用户是同一个人，因此视为识别成功，结束匹配。通过设置相似人脸数据库，对匹配度居中的人脸数据做进一步验证，提高了匹配通过的几率，减少了识别失败次数，提高了用户体验。
58.如图5所示，在另一个实施例中，所述二次验证区间还按高低顺序包括第一验证区间、第二验证区间，所述方法还包括：当所述第一匹配度处于第二验证区间时，获取备份人脸数据库中的备份人脸数据，依次计算所述特征值与所述备份人脸数据的第三匹配度；当
存在所述第三匹配度处于成功区间或二次验证区间时，获取第二相似人脸数据库中的第二相似人脸数据，依次计算所述特征值与所述第二相似人脸数据的第五匹配度，所述第二相似人脸数据是标准人脸数据库中与目标标准人脸数据匹配度大于预设值的人脸数据，所述目标标准人脸数据是与待识别人脸图像匹配的标准人脸数据，所述第二相似人脸数据库包括第二相似人脸数据；当所述第五匹配度全部处于第四区间时，视为识别成功，结束匹配。
59.其中，为了便于理解，特举例说明，同上述各匹配度区间的例子，二次验证区间的匹配度为70-90分，对于70-80分的匹配度与80-90 分的匹配度的识别成功的概率不一样，80-90分的匹配度的识别成功概率高于70-80分的匹配度的识别成功概率。当待识别人脸数据与标准人脸数据的匹配度在80-90分时，可以直接根据待识别人脸数据与备份人脸数据的匹配度来判断是否识别成功；当待识别人脸数据与标准人脸数据的匹配度在70-80分时，如果直接根据待识别人脸数据与备份人脸数据的匹配度来判断是否识别成功，存在小概率的误识别可能性，在本实施例中，当待识别人脸数据与标准人脸数据的匹配度在 70-80分时，计算待识别人脸数据与备份人脸数据的匹配度，此匹配度为第三匹配度，当第三匹配度处于成功区间或二次验证区间时，获取第一相似人脸数据库中的第二相似人脸数据，依次计算待识别人脸数据与第二相似人脸数据的第五匹配度。当用户在初次录入人脸时，系统会比较该用户的标准人脸数据与其他用户的标准人脸数据的匹配度，当该用户的标准人脸数据与其他用户的标准人脸数据的匹配度大于预设值时，将上述其他用户的标准人脸数据作为该用户的第二相似人脸数据，将第二相似人脸数据添加到第二相似人脸数据库中。举例说明，如图6所示，在标准人脸数据库中有a、b、c、d、e五份人脸数据，标准人脸数据a、b、c、d、e是a、b、c、d、e等用户预先录入系统的，其中，标准人脸数据b和d与标准人脸数据a的匹配度大于预设值如70时，将标准人脸数据b和d视为标准人脸数据a的相似人脸数据，添加到标准人脸数据a的相似人脸数据库中。当第三匹配度处于成功区间或二次验证区间时，再次比较待识别人脸数据与第二相似人脸数据的第五匹配度，当第五匹配度全部处于第四区间时即低于70分时，说明该用户不是相似人脸库中的用户，而由于该用户的待识别人脸数据与备份人脸数据的匹配度处于70-80，根据实际经验，二者结合说明很大概率该用户与备份人脸数据对应的用户是同一个人，因此视为识别成功，结束匹配。通过设置第二相似人脸数据库，对匹配度居中的人脸数据做进一步验证，提高了匹配通过的几率，减少了识别失败次数，提高了用户体验，且计算次数不多，人脸识别速度更快。
60.在一个实施例中，所述方法还包括：当用户进行人脸识别时，根据当前时间获取对应时间段的人脸数据库内的人脸数据，所述对应时间段的人脸数据库是当用户人脸识别成功后，记录用户通行的时间所处的时间段，计算每个时间段内用户的通行频次，根据每个时间段内用户的通行频次建立每个时间段的人脸数据库；根据通行频次高低依次与所述人脸数据计算匹配度。
61.其中，对于小区或者公司的人脸识别场景，往往用户通过人脸识别开启门禁的时间是相对固定的，例如在9点到10点这段时间内通过人脸识别开启门禁或者打卡等操作的用户数量最多，因此如果能在该时段优先匹配这些用户的人脸数据，能提高匹配速度，进而提高用户体验。在本实施例中，在用户人脸识别时，获取此时的时间对应的时间段，建立该时间段的人脸数据库，即计算该时间段内人脸识别通过的用户的频次，根据用户通过频次高低建立该时段的人脸数据库。为了便于理解，举例说明，在9点到10点这个时间段内，统计
一个月内的数据，a用户通过人脸识别的次数为28次，b用户通过人脸识别的次数为26次，c用户通过人脸识别的次数为5次，d用户通过人脸识别的次数为0次，根据这些数据建立9点到10点这个时间段内的人脸数据库，按通行频次将a用户、b用户、c用户加入该时间段内的人脸数据库。在触发人脸识别操作的时间处于该时间段内，系统优先将该时间段内的人脸数据库内的人脸数据与待识别人脸数据计算匹配度，例如优先匹配a的人脸数据，从而提高人脸识别速度，提升用户体验。
62.在另一个实施例中，所述方法还包括：当用户进行人脸识别时，根据当前时间获取对应日期的人脸数据库内的人脸数据，所述对应日期的人脸数据库是当用户人脸识别成功后，记录用户通行的时间所处的日期，计算每个日期内用户的通行频次，根据每个日期内用户的通行频次建立每个日期的人脸数据库；根据通行频次高低依次与所述人脸数据计算匹配度。
63.其中，除了建立具体时间段的人脸数据库外，还可以建立具体日期的人脸数据库。为了便于理解，举例说明，同样在公司的人脸识别场景，在星期天，统计一个月内的数据，a用户通过人脸识别的次数为4次，b用户通过人脸识别的次数为2次，c用户通过人脸识别的次数为0次，根据这些数据建立星期一这个日期的人脸数据库，按通行频次将a用户、b用户加入该日期的人脸数据库。在触发人脸识别操作的日期是该日期时，系统优先将该时间段内的人脸数据库内的人脸数据与待识别人脸数据计算匹配度，例如优先匹配a的人脸数据，从而提高人脸识别速度，提升用户体验。
64.如图7所示，本技术提出了一种计算机装置，包括存储器、处理器及存储在存储器上的计算机程序，所述装置包括：
65.第一获取模块401，用于获取待识别人脸图像，提取所述待识别人脸图像的特征值；
66.计算模块402，用于根据所述特征值计算与标准人脸数据库中人脸数据的第一匹配度；
67.第二获取模块403，用于当所述第一匹配度处于匹配度区间表中的二次验证区间时，获取备份人脸数据库中的备份人脸数据，依次计算所述特征值与所述备份人脸数据的第二匹配度，所述匹配度区间表是预先设置好的，所述匹配度区间表包括：成功区间、二次验证区间、失败区间，所述备份人脸数据是与所述标准人脸数据库中人脸数据属于同一用户，且与所述标准人脸数据库中人脸数据不同的人脸数据；
68.结束模块404，用于当存在所述第二匹配度处于成功区间或二次验证区间时，视为识别成功，结束匹配。
69.上述人脸识别装置，通过设置匹配度区间表，当待识别人脸数据与标准数据库中人脸数据的匹配度落入二次验证区间时，计算待识别人脸数据与备份人脸数据的匹配度。通过与备份人脸数据多次匹配，提高了匹配通过的几率，减少了环境因素或其他因素的影响导致的识别失败次数，提高了用户体验。
70.在一个实施例中，所述装置还包括第一添加模块，用于：
71.将预处理后且所述第一匹配度落入成功区间的人脸图像特征值作为备份人脸数据，添加到备份人脸数据库中；或将所述第二匹配度落入成功区间的人脸图像特征值作为备份人脸数据，添加到备份人脸数据库中。
72.在另一个实施例中，所述装置还包括第二添加模块，用于：
73.将不预处理且所述第一匹配度落入成功区间的人脸图像特征值作为备份人脸数据，添加到备份人脸数据库中；或将所述第二匹配度落入成功区间的人脸图像特征值作为备份人脸数据，添加到备份人脸数据库中。
74.在一个实施例中，所述二次验证区间还按高低顺序包括第一验证区间、第二验证区间，所述装置还包括第三获取模块，用于：
75.当所述第一匹配度处于第二验证区间时，获取备份人脸数据库中的备份人脸数据，依次计算所述特征值与所述备份人脸数据的第三匹配度；当存在所述第三匹配度处于成功区间或二次验证区间时，获取第一相似人脸数据库中的第一相似人脸数据，依次计算所述特征值与所述第一相似人脸数据的第四匹配度，所述第一相似人脸数据是所述标准人脸数据库中除目标标准人脸数据外剩余的其它人脸数据，所述目标标准人脸数据是与待识别人脸图像匹配的标准人脸数据，所述第一相似人脸数据库包括第一相似人脸数据；当所述第四匹配度全部处于第四区间时，视为识别成功，结束匹配。
76.在另一个实施例中，所述二次验证区间还按高低顺序包括第一验证区间、第二验证区间，所述装置还包括第四获取模块，用于：当所述第一匹配度处于第二验证区间时，获取备份人脸数据库中的备份人脸数据，依次计算所述特征值与所述备份人脸数据的第三匹配度；当存在所述第三匹配度处于成功区间或二次验证区间时，获取第二相似人脸数据库中的第二相似人脸数据，依次计算所述特征值与所述第二相似人脸数据的第四匹配度，所述第二相似人脸数据是标准人脸数据库中与目标标准人脸数据匹配度大于预设值的人脸数据，所述目标标准人脸数据是与待识别人脸图像匹配的标准人脸数据，所述第二相似人脸数据库包括第二相似人脸数据；当所述第四匹配度全部处于第四区间时，视为识别成功，结束匹配。
77.在一个实施例中，所述装置还包括第二计算模块，用于：
78.当用户进行人脸识别时，根据当前时间获取对应时间段的人脸数据库内的人脸数据，所述对应时间段的人脸数据库是当用户人脸识别成功后，记录用户通行的时间所处的时间段，计算每个时间段内用户的通行频次，根据每个时间段内用户的通行频次建立每个时间段的人脸数据库；根据通行频次高低依次与所述人脸数据计算匹配度。
79.在另一个实施例中，所述装置还包括第三计算模块，用于：
80.当用户进行人脸识别时，根据当前时间获取对应日期的人脸数据库内的人脸数据，所述对应日期的人脸数据库是当用户人脸识别成功后，记录用户通行的时间所处的日期，计算每个日期内用户的通行频次，根据每个日期内用户的通行频次建立每个日期的人脸数据库；根据通行频次高低依次与所述人脸数据计算匹配度。
81.如图8所示，该计算机装置包括通过终端总线连接的处理器、存储器和网络接口。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质有存储操作终端，还可有存储计算机程序，该计算机程序被处理器执行时，可使得处理器实现上述的人脸识别方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行上述的人脸识别方法。本领域技术人员可以理解，图8中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的设备的限定，具体的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。
82.在一个实施例中，提出了一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时，使得处理器执行上述人脸识别方法的步骤。
83.在一个实施例中，提出了一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现上述人脸识别方法的步骤。
84.可以理解的是，上述人脸识别方法、装置、存储介质及计算机程序产品属于一个总的发明构思，实施例可相互适用。
85.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，所述的程序可存储于一非易失性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，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器 (ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路 (synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态 ram(rdram)等。
86.以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
87.以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。