一种人脸识别方法及设备与流程

1.本发明涉及人脸安全领域，特别是涉及一种人脸识别方法及设备。


背景技术：

2.在当前的人脸识别门禁系统中，通过两台非对称双目相机构成人脸识别系统。其中，rgb彩色相机主要采集可见光下的人脸，用于识别人脸特征，近红外相机主要采集红外图像下的人脸，用于活体检测。考虑到双目相机采集到的图像可能包含不止一个目标，因此有可能存在rgb彩色相机和近红外相机所检测到的人脸不属于同一个目标的情况。故需要对rgb彩色相机和近红外相机检测到的人脸进行一致性判断，也即判断rgb彩色相机和近红外相机检测到的人脸是否属于同一目标。现有技术通过分别获取rgb彩色相机和近红外相机采集到的人脸的特征，通过特征比对的方式进行一致性判断，但是由于近红外相机的和rgb彩色相机成像原理完全不同，采用特征比对的方式进行一致性判断算法复杂，且过于繁琐，影响识别效率，降低了用户体验。


技术实现要素：

3.本发明的目的是提供一种人脸识别方法及设备，在实现了一致性判断的基础上，相比于现有技术中采用特征比对的方法算法更为简单，提高了识别的效率，提高了用户体验。
4.为解决上述技术问题，本发明提供了一种人脸识别方法，包括：
5.获取可见光图像中的第一人脸框和红外图像中的第二人脸框，并将所述第一人脸框和所述第二人脸框映射到同一图像中；
6.确定同一图像中的所述第一人脸框的第一面积和所述第二人脸框的第二面积；
7.基于所述第一面积和所述第二面积确定所述第一人脸框和所述第二人脸框是否属于同一目标。
8.优选的，基于所述第一面积和所述第二面积确定所述第一人脸框和所述第二人脸框是否属于同一目标，包括：
9.确定所述第一面积和所述第二面积交集区域的第三面积；
10.基于所述第三面积确定所述第一人脸框和所述第二人脸框是否属于同一目标。
11.优选的，基于所述第三面积确定所述第一人脸框和所述第二人脸框是否属于同一目标，包括：
12.确定同一图像中的所述第一人脸框和所述第二人脸框并集区域的第四面积；
13.确定所述第三面积比上所述第四面积的第一比值；
14.在所述第一比值大于第一比值阈值时，判定所述第一人脸框和所述第二人脸框属于同一目标。
15.优选的，还包括：
16.确定min(第一面积，第二面积)/max(第一面积，第二面积)的第二比值，其中，min
(第一面积，第二面积)为所述第一面积和所述第二面积中的较小者；max(第一面积，第二面积)为所述第一面积和所述第二面积中的较大者；
17.判定所述第一人脸框和所述第二人脸框属于同一目标之前，还包括：
18.判断所述第二比值是否大于第二比值阈值；
19.若大于，进入判定所述第一人脸框和所述第二人脸框属于同一目标的步骤。
20.优选的，所述第一比值阈值和所述第二比值阈值的设置过程包括：
21.确定第一样本集和第二样本集，其中，所述第一样本集包括m组第一人脸框和第二人脸框，所述第二样本集包括n组第一人脸框和第二人脸框，所述第一样本集中的每组第一人脸框和第二人脸框属于同一目标，所述第二样本集中的每组第一人脸框和第二人脸框不属于同一目标，n和m为不小于1的整数；
22.确定所述第一样本集和所述第二样本集中每组第一人脸框和第二人脸框对应的第一比值和第二比值；
23.确定x个不同的预设比值阈值组合，每个预设比值阈值组合包括第一样本比值阈值和第二样本比值阈值，x为不小于2的整数；
24.对于任一个预设比值阈值组合，均判断所述第一样本集和所述第二样本集中的各组第一人脸框和第二人脸框是否属于同一目标，得到各组的估计结果；
25.确定x个所述预设比值阈值组合对应的各组的估计结果中与所述第一样本集和所述第二样本集中的各组第一人脸框和第二人脸框是否属于同一目标的真实结果不同的估计结果的数量最少的预设比值阈值组合为最佳预设比值阈值组合；
26.将所述最佳预设比值阈值组合中的第一样本比值阈值和第二样本比值阈值作为所述第一比值阈值和所述第二比值阈值。
27.优选的，将所述最佳预设比较阈值组合中的第一样本比值阈值和第二样本比值阈值作为所述第一比值阈值和所述第二比值阈值，包括：
28.若所述最佳预设比较阈值组合有1个，则将所述最佳预设比较阈值组合中的第一样本比值阈值和第二样本比值阈值作为所述第一比值阈值和所述第二比值阈值；
29.若所述最佳预设比较阈值组合有多个，则将多个所述最佳预设比较阈值组合中第一样本比值阈值和第二样本比值阈值相加最大的第一样本比值阈值和第二样本比值阈值作为所述第一比值阈值和所述第二比值阈值。
30.优选的，获取基于双目相机得到可见光图像中的第一人脸框和红外图像中的第二人脸框，包括：
31.获取所述可见光图像，将所述可见光图像中的最大的人脸框作为所述第一人脸框；
32.获取所述红外图像，将所述红外图像中的最大的人脸框作为所述第二人脸框。
33.优选的，还包括：
34.获取当前检测周期内的检测到的y组第一人脸框和与所述第一人脸框对应的第二人脸框的第一比值和第二比值，y为不小于1的整数；
35.分别计算所述当前检测周期内的y个第一比值的第一平均值和所述当前检测周期内的y个第二比值的第二平均值；
36.确定所述当前检测周期之前的i个检测周期各自的第一平均值和第二平均值，i为
不小于1的整数；
37.确定所述当前检测周期的第一平均值与第三平均值的平均值为所述当前检测周期对应的第五平均值，所述当前检测周期的第二平均值与第四平均值的平均值为所述当前检测周期对应的第六平均值，所述第三平均值为所述当前检测周期之前的i个检测周期的第一平均值的平均值，所述第四平均值为所述当前检测周期之前的i个检测周期的第二平均值的平均值；
38.判断所述当前检测周期对应的第五平均值与上一检测周期对应的第五平均值的差值的绝对值比上所述上一检测周期对应的第五平均值的第三比值是否大于第三比值阈值且判断所述当前检测周期对应的第六平均值与上一检测周期对应的第六平均值的差值的绝对值比上所述上一检测周期对应的第六平均值的第四比值是否大于第四比值阈值；
39.若均不大于，则将所述当前检测周期对应的第五平均值设置为所述第一比值阈值，将所述当前检测周期对应的第六平均值设置为第二比值阈值。
40.优选的，分别计算所述当前检测周期内的y个第一比值的第一平均值和所述当前检测周期内的y个第二比值的第二平均值，还包括：
41.去除所述当前检测周期内与所述第一比值阈值的差值的绝对值大于第一差值阈值的第一比值及其对应的第二比值；
42.去除所述当前检测周期内与所述第二比值阈值的差值的绝对值大于第二差值阈值的第二比值及其对应的第一比值；
43.分别计算所述当前检测周期内剩余的第一比值的第一平均值和所述当前检测周期内剩余的第二比值的第二平均值。
44.本发明还提供了一种人脸识别设备，包括：
45.存储器，用于存储计算机程序；
46.处理器，用于执行所述计算机程序时实现如上述人脸识别方法的步骤。
47.本发明公开了一种人脸识别方法及设备，在将可见光图像中的第一人脸框和红外图像中的第二人脸框到同一图像中后，确定同一图像中的第一人脸框的第一面积和第二人脸框的第二面积，由于第一人脸框和第二人脸框属于同一目标时，第一面积和第二面积存在相关关系，例如面积大小相近，重叠面积较大，因此，可以基于第一面积和第二面积确定第一人脸框和第二人脸框是否属于同一目标，在实现了一致性判断的基础上，相比于现有技术中采用特征比对的方法算法更为简单，提高了识别的效率，提高了用户体验。
附图说明
48.为了更清楚地说明本发明实施例中的技术方案，下面将对现有技术和实施例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的前提下，还可以根据这些附图获得其他的附图。
49.图1为本发明提供的一种人脸识别方法的流程图；
50.图2为将第一人脸框和第二人脸框映射到同一图像的示意图；
51.图3为本发明提供的一种人脸识别设备的结构示意图。
具体实施方式
52.本发明的核心是提供一种人脸识别方法及设备，在实现了一致性判断的基础上，相比于现有技术中采用特征比对的方法算法更为简单，提高了识别的效率，提高了用户体验。
53.为使本发明实施例的目的、技术方案和优点更加清楚，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做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。
54.请参照图1，图1为本发明提供的一种人脸识别方法的流程图。
55.一种人脸识别方法，包括：
56.s1：获取可见光图像中的第一人脸框和红外图像中的第二人脸框，并将第一人脸框和第二人脸框映射到同一图像中；
57.双目相机中包括用于采集可见光图像的rgb彩色相机和用于采集红外图像的近红外相机，在rgb彩色相机和近红外相机拍摄到的目标时，会将拍摄到的目标通过人脸框进行标记，因此，为了对双目相机拍摄到的目标进行一致性判断，需要先获取基于双目相机得到的可见光图像中的第一人脸框和红外图像中的第二人脸框。为了方便确定第一人脸框和第二人脸框之间的关系，也即第一人脸框和第二人脸框是否属于同一目标，需要将第一人脸框不进行任何变换直接映射到同一图像中，例如，将第一人脸框映射到第二人脸框所在的红外图像中，或将第二人脸框映射到第一人脸框所在的可见光图像中，或者将第一人脸框和第二人脸框映射到其它同一图像中，本技术对此不作特别的限定。
58.s2：确定同一图像中的第一人脸框的第一面积和第二人脸框的第二面积；
59.为了基于第一面积和第二面积确定第一人脸框和第二人脸框是否属于同一目标，需要先确定第一面积和第二面积的大小。例如，请参照图2，图2为将第一人脸框和第二人脸框映射到同一图像的示意图，其中，虚线表示将第二人脸框不经过坐标变换直接映射到第一人脸框所在的图像中，通过建立坐标系的并确定第一人脸框和第二人脸框中各点的坐标来确定第一面积和第二面积，在图2中，第一面积的大小可以表示为(x2_rgb－x1_rgb)*(y2_rgb－y1_rgb)，第二面积的大小可以表示为(x2_nir－x1_nir)*(y2_nir－y1_nir)。
60.s3：基于第一面积和第二面积确定第一人脸框和第二人脸框是否属于同一目标。
61.考虑到在双目相机所检测到的第一人脸框和第二人脸框属于同一目标时，第一人脸框和第二人脸框在同一图像中的面积通常相差较小，也即第一面积和第二面积的差值通常较小，又或者第一人脸框和第二人脸框的在同一图像中进行比较时，第一人脸框和第二人脸框重叠的部分的面积也会比较大，也即第一面积和第二面积的重叠部分的面积会很大，因此，在本技术中基于第一面积和第二面积确定第一人脸框和第二人脸框是否属于同一目标。
62.综上所述，在本实施例中，在将可见光图像中的第一人脸框和红外图像中的第二人脸框到同一图像中后，确定同一图像中的第一人脸框的第一面积和第二人脸框的第二面积，由于第一人脸框和第二人脸框属于同一目标时，第一面积和第二面积存在相关关系，例如面积大小相近，重叠面积较大，因此，可以基于第一面积和第二面积确定第一人脸框和第二人脸框是否属于同一目标，在实现了一致性判断的基础上，相比于现有技术中采用特征
比对的方法算法更为简单，提高了识别的效率，提高了用户体验。
63.在上述实施例的基础上：
64.作为一种优选的实施例，基于第一面积和第二面积确定第一人脸框和第二人脸框是否属于同一目标，包括：
65.确定第一面积和第二面积交集区域的第三面积；
66.基于第三面积确定第一人脸框和第二人脸框是否属于同一目标。
67.考虑到第一人脸框和第二人脸框属于同一目标时，第一面积和第二面积的交集区域的第三面积会很大，也即第一面积和第二面积重叠区域的第三面积。因此，能够基于第三面积的大小来进行一致性判断，又由于不同目标的第三面积的大小可能相差较大，因此，可以但不限于通过比值的方式来进行一致性判断，例如，确定第三面积与第一面积和第二面积中的较小者的比值或第三面积与第一面积和第二面积中的较大者的比值或第三面积与第一面积和第二面积的并集的比值，将上述比值与一个预设的阈值去比较，判断第一人脸框和第二人脸框是否属于同一目标，这里预设的阈值为技术人员根据所选择的比较方式来设置的。较为准确的实现了一致性判断，且判断过程简单。
68.作为一种优选的实施例，基于第三面积确定第一人脸框和第二人脸框是否属于同一目标，包括：
69.确定同一图像中的第一人脸框和第二人脸框并集区域的第四面积；
70.确定第三面积比上第四面积的第一比值；
71.在第一比值大于第一比值阈值时，判定第一人脸框和第二人脸框属于同一目标。
72.在本实施例中，基于第一人脸框和第二人脸框交集区域的第三面积和第一人脸框和第二人脸框并集区域的第四面积来判断第一人脸框和第二人脸框是否属于同一目标，例如，请参照图2，若第一人脸框的坐标为(x1_rgb，y1_rgb)、(x1_rgb，y2_rgb)、(x2_rgb，y1_rgb)、(x2_rgb，y2_rgb)，第二人脸框在同一图像中的坐标为(x1_nir，y1_nir)、(x1_nir，y2_nir)、(x2_nir，y1_nir)、(x2_nir，y2_nir)，则第三面积可表示为(min(x2_rgb，x2_nir)－max(x1_rgb，x1_nir))*(min(y2_rgb，y2_nir)－max(y1_rgb，y1_nir))，第四面积可用第一面积与第二面积的和减去第三面积得到。
73.作为一种优选的实施例，还包括：
74.确定min(第一面积，第二面积)/max(第一面积，第二面积)的第二比值，其中，min(第一面积，第二面积)为第一面积和第二面积中的较小者；max(第一面积，第二面积)为第一面积和第二面积中的较大者；
75.判定第一人脸框和第二人脸框属于同一目标之前，还包括：
76.判断第二比值是否大于第二比值阈值；
77.若大于，进入判定第一人脸框和第二人脸框属于同一目标的步骤。
78.考虑到对于一些特殊情况，例如具有包含关系的人脸关系，如一个非目标真人举着目标真人的照片，在这种情况下，仅判断第一比值是否大于第一比值阈值来进行一致性判断准确性较低，容易发生误判，为了进一步提高一致性判断的准确度，在本实施例中，还会计算两个人脸框中的面积较小者与面积较大者的比值，在第一人脸框与第二人脸框属于同一目标时，第一人脸框与第二脸框面积相差较小，也即第一面积与第二面积相差较小。若两个人脸框中的面积较小者与面积较大者的比值越接近1，说明第一人脸框和第人脸框的
面积越接近，越有可能为同一目标。因此，通过判断两个人脸框中的面积较小者与面积较大者的比值，也即第二比值是否大于第二比值阈值来进行一致性判断，这里的第二比值阈值的取值范围为0到1，只有当第一比值大于第一比值阈值且第二比值大于第二比值阈值才会判定第一人脸框和第二人脸框属于同一目标，进一步提高了一致性判断的准确度和使用时的安全性。
79.作为一种优选的实施例，第一比值阈值和第二比值阈值的设置过程包括：
80.确定第一样本集和第二样本集，其中，第一样本集包括m组第一人脸框和第二人脸框，第二样本集包括n组第一人脸框和第二人脸框，第一样本集中的每组第一人脸框和第二人脸框属于同一目标，第二样本集中的每组第一人脸框和第二人脸框不属于同一目标，n和m为不小于1的整数；
81.确定第一样本集和第二样本集中每组第一人脸框和第二人脸框对应的第一比值和第二比值；
82.确定x个不同的预设比值阈值组合，每个预设比值阈值组合包括第一样本比值阈值和第二样本比值阈值，x为不小于2的整数；
83.对于任一个预设比值阈值组合，均判断第一样本集和第二样本集中的各组第一人脸框和第二人脸框是否属于同一目标，得到各组的估计结果；
84.确定x个预设比值阈值组合对应的各组的估计结果中与第一样本集和第二样本集中的各组第一人脸框和第二人脸框是否属于同一目标的真实结果不同的估计结果的数量最少的预设比值阈值组合为最佳预设比值阈值组合；
85.将最佳预设比值阈值组合中的第一样本比值阈值和第二样本比值阈值作为第一比值阈值和第二比值阈值。
86.考虑到现有技术中通常是基于人为经验去设置第一比值阈值和第二比值阈值，使得在利用第一比值阈值和第二比值阈值进行一致性判断时准确度不高，容易发生误检的情况。为了解决上述问题，在本实施例中，利用不同的预设比值阈值组合来对包括属于同一目标的第一人脸框和第二人脸框的第一样本集和不属于同一目标的第一人脸框和第二人脸框的第二样本集中的样本进行一致性判断，从而挑选出判断的一致性判断的准确率最高的预设比值阈值组合。
87.具体的，在本实施例中，首先要包括n组属于同一目标的第一人脸框和第二人脸框的第一样本集和包括m组不属于同一目标的第一人脸框和第二人脸框的第二样本集。第一样本集和第二样本集中的样本可以在与门禁设备距离不同的地方录入，例如，确定门禁设备的工作距离范围，将工作距离范围等距分为多个间隔，在工作距离范围内的每个间隔点处分别录入属于同一目标的第一人脸框和第二人脸框和不属于于同一目标的第一人脸框和第二人脸框，同时使得m和n的数量接近，为了保证对不属于于同一目标的第一人脸框和第二人脸框判断的准确性，还应使得在录入不属于于同一目标的第一人脸框和第二人脸框时，使得不属于于同一目标的第一人脸框和第二人脸框尽量靠近。
88.进一步，录入第一样本集和第二样本集后，确定第一样本集和第二样本集中每组第一人脸框和第二人脸框对应的第一比值和第二比值以及x个不同的预设比值阈值组合，预设比值阈值组合中包括的第一样本比值阈值和第二样本比值阈值为根据第一比值阈值和第二比值阈值的取值范围所确定的第一比值阈值和第二比值阈值的可能的取值。
89.例如，通过分析可知，第一比值和第二比值的取值范围均为为(0，1]，故第一比值阈值和第二比值阈值可能的取值也为(0，1]，因此可以在(0，1]中每间隔0.1取一个值作为第一样本比值阈值和第二样本比值阈值，得到10个第一样本比值阈值和10个第二样本比值阈值，两两组合得到了100种第一比值阈值和第二比值阈值可能出现的组合，也即100个预设比值阈值组合，利用这100种预设比值阈值组合分别判断第一样本集和第二样本集中的各组第一人脸框和第二人脸框是否属于同一目标，得到这100种预设比值阈值组合的估计结果，预设比值阈值组合的估计结果表示，用该预设比值阈值组合对第一样本集和第二样本集中的各组第一人脸框和第二人脸框进行一致性判断时的判断结果，也即在该预设比值阈值组合，第一样本集和第二样本集中有哪些组第一人脸框和第二人脸框属于同一目标，哪些组第一人脸框和第二人脸框不属于同一目标。然后将x个预设比值阈值组合对应的各组的估计结果与第一样本集和第二样本集中的各组第一人脸框和第二人脸框是否属于同一目标的真实结果进行比较，将x个预设比值阈值组合对应的各组的估计结果中与第一样本集和第二样本集中的各组第一人脸框和第二人脸框是否属于同一目标的真实结果不同的估计结果的数量最少的预设比值阈值组合为最佳预设比值阈值组合，表示在最佳预设比值阈值组合下，对第一样本集和第二样本集中的样本进行一致性判断时准确率最高，将最佳预设比值阈值组合中的第一样本比值阈值和第二样本比值阈值作为第一比值阈值和第二比值阈值。
90.综上所述，在本实施例中，通过设置第一人脸框和第二人脸框属于同一目标的第一样本集和第一人脸框和第二人脸框不属于同一目标的第二样本集，并用多个不同的预设比值阈值组合来对第一样本集和第二样本集中的样本进行一致性判断，挑选出一致性判断的准确率最高的预设比值阈值组合，消除了现有技术中根据人为经验去设置第一比值阈值和第二比值阈值导致的误差，提高了第一比值阈值和第二比值阈值的设置精度，使得一致性判断的准确率更高。
91.作为一种优选的实施例，将最佳预设比较阈值组合中的第一样本比值阈值和第二样本比值阈值作为第一比值阈值和第二比值阈值，包括：
92.若最佳预设比较阈值组合有1个，则将最佳预设比较阈值组合中的第一样本比值阈值和第二样本比值阈值作为第一比值阈值和第二比值阈值；
93.若最佳预设比较阈值组合有多个，则将多个最佳预设比较阈值组合中第一样本比值阈值和第二样本比值阈值相加最大的第一样本比值阈值和第二样本比值阈值作为第一比值阈值和第二比值阈值。
94.由于第一样本比值阈值和第二样本比值阈值相加越大时，意味着第一人脸框和第二人脸框的第一比值和第二比值较大时才会被判定为属于同一目标，也即第一人脸框和第二人脸框靠的越近，面积大小越接近才会被判定为属于同一目标。因此，第一样本比值阈值和第二样本比值阈值相加越大，在进行一致性判断时的判断标准也更加严格，在本实施例中，若最佳预设比较阈值组合有多个，则将多个最佳预设比较阈值组合中第一样本比值阈值和第二样本比值阈值相加最大的第一样本比值阈值和第二样本比值阈值作为第一比值阈值和第二比值阈值，提高了一致性判断的严格程度，降低了不属于同一目标的第一人脸框和第二人脸框被判定为属于同一目标的概率。
95.作为一种优选的实施例，获取基于双目相机得到可见光图像中的第一人脸框和红
外图像中的第二人脸框，包括：
96.获取可见光图像，将可见光图像中的最大的人脸框作为第一人脸框；
97.获取红外图像，将红外图像中的最大的人脸框作为第二人脸框。
98.考虑到在一些情况下，从可见光图像或红外图像中可能会检测出多个人脸框，会出现无法确定第一人脸框和第二人脸框的情况。由于可见光图像和红外图像中的最大的人脸框为距离门禁设备最近的人脸框，最有可能为当前的待检测目标，因此，为了排除其它人脸框的干扰，在本实施例中，将可见光图像中的最大的人脸框作为第一人脸框，将红外图像中的最大的人脸框作为第二人脸框。
99.作为一种优选的实施例，还包括：
100.获取当前检测周期内的检测到的y组第一人脸框和与第一人脸框对应的第二人脸框的第一比值和第二比值，y为不小于1的整数；
101.分别计算当前检测周期内的y个第一比值的第一平均值和当前检测周期内的y个第二比值的第二平均值；
102.确定当前检测周期之前的i个检测周期各自的第一平均值和第二平均值，i为不小于1的整数；
103.确定当前检测周期的第一平均值与第三平均值的平均值为当前检测周期对应的第五平均值，当前检测周期的第二平均值与第四平均值的平均值为当前检测周期对应的第六平均值，第三平均值为当前检测周期之前的i个检测周期的第一平均值的平均值，第四平均值为当前检测周期之前的i个检测周期的第二平均值的平均值；
104.判断当前检测周期对应的第五平均值与上一检测周期对应的第五平均值的差值的绝对值比上上一检测周期对应的第五平均值的第三比值是否大于第三比值阈值且判断当前检测周期对应的第六平均值与上一检测周期对应的第六平均值的差值的绝对值比上上一检测周期对应的第六平均值的第四比值是否大于第四比值阈值；
105.若均不大于，则将当前检测周期对应的第五平均值设置为第一比值阈值，将当前检测周期对应的第六平均值设置为第二比值阈值。
106.在部署门禁设备后，若仅设置静态的第一比值阈值和第二比值阈值，也即不对第一比值阈值和第二比值阈值进行修正，考虑到不同的门禁设备的部署环境、周围的光照条件等信息均不同，因此静态的第一比值阈值和第二比值阈值难以适应处在不同环境下的门禁设备，降低了在不同环境下的一致性判断的准确性。为了解决上述问题，在本实施例中，通过对当前检测周期与前i个周期滑动平均值，并与上一检测周期的滑动平均值进行比较，在当前检测周期的滑动平均值相较于上一检测周期的滑动平均值的波动较小时，将当前检测周期的滑动平均值作为第一比值阈值和第二比值阈值。
107.具体的，获取当前检测周期内的检测到的y组第一人脸框和与第一人脸框对应的第二人脸框的第一比值和第二比值，这里的y可以但不限于是人脸库最大储存量的10％，例如若人脸库的最多能存储10000组的第一人脸框和第二人脸框，那么y为1000。分别计算当前检测周期和当前检测周期之前的i个检测周期的第一平均值和第二平均值，然后根据当前检测周期和当前检测周期之前的i个检测周期的第一平均值和第二平均值求得当前检测周期对应的第五平均值和第六平均值，也即当前检测周期的y组第一人脸框和与第一人脸框的第一比值和第二比值与当前检测周期前i个检测周期的滑动平均值。由于在当前检测
周期的达到稳定状态时，当前检测周期对应的第五平均值和第六平均值与上一检测周期对应的第五平均值和第六平均值相比波动很小。此处的达到稳定状态指进行一致性判断的准确率达到稳定，因此若当前检测周期达到稳定状态，可以将当前检测周期对应的第五平均值设置为第一比值阈值，将当前检测周期对应的第六平均值设置为第二比值阈值。
108.还需要说明的是，这里的第三比值阈值和第四比值阈值为技术人员根据自身需要设置的认为此时当前检测周期对应的第五平均值和第六平均值与上一检测周期对应的第五平均值和第六平均值相比波动很小的值，例如5％。
109.综上所述，在本实施例中，通过滑动平均的方式动态的去调整第一比值阈值和第二比值阈值，使得门禁设备能够适应不同的环境，提高了在不同环境下的一致性判断的准确性。
110.作为一种优选的实施例，分别计算当前检测周期内的y个第一比值的第一平均值和当前检测周期内的y个第二比值的第二平均值，还包括：
111.去除当前检测周期内与第一比值阈值的差值的绝对值大于第一差值阈值的第一比值及其对应的第二比值；
112.去除当前检测周期内与第二比值阈值的差值的绝对值大于第二差值阈值的第二比值及其对应的第一比值；
113.分别计算当前检测周期内剩余的第一比值的第一平均值和当前检测周期内剩余的第二比值的第二平均值。
114.考虑在一些检测异常或场景异常的情况下，例如误检或非活体攻击，会导致检测到的人脸对应的第一比值和第二比值与第一比值阈值和第二比值阈值的偏差较大，对第一比值阈值和第二比值阈值的动态调整产生影响，为了解决上述问题，在本实施例中，去除了当前检测周期内与第一比值阈值的差值的绝对值大于第一差值阈值的第一比值及其对应的第二比值和当前检测周期内与第二比值阈值的差值的绝对值大于第二差值阈值的第二比值及其对应的第一比值，也即去除了第一比值和第二比值与第一比值阈值和第二比值阈值的偏差较大的人脸，能够降低当前检测周期中的第五平均值和第六平均值的波动，更快达到稳定状态。
115.这里的第一差值阈值可以但不限于是第一比值阈值的20％，第二差值阈值可以但不限于是第二比值阈值的20％，本技术对此不做特别的限定。
116.请参照图3，图3为本发明提供的一种人脸识别设备的结构示意图。
117.本发明还提供了一种人脸识别设备，包括：
118.存储器41，用于存储计算机程序；
119.处理器42，用于执行计算机程序时实现如上述人脸识别方法的步骤。
120.关于该人脸识别设备的相关介绍请参照上述实施例，本技术在此不再赘述。
121.本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
122.还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作
之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
123.对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其他实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。