是否还存在未提取出的参考人脸图像，若存在，则提取下一张参考人脸图像作 为当前参考人脸图像，并返回继续执行在所述人脸图像库中提取出一张参考人脸图像作为 当前参考人脸图像，并将提取出的所述遮挡物图像添加至当前参考人脸图像中的操，若不 存在，则确定在人脸图像库中不存在匹配参考人脸图像。
[0059] 结合第二方面，在第五种可能的实现方式中，所述处理模块，具体用于将提取出的 所述遮挡物图像分别添加到所述人脸图像库中的各个参考人脸图像中，提取出一张添加了 遮挡物图像的参考人脸图像作为当前参考人脸图像，在提取出的所述当前参考人脸图像中 提取出参考人脸特征，判定提取出的所述参考人脸特征与所述待识别人脸特征是否匹配， 若匹配，则将当前参考人脸图像确定为人脸图像库中存在的匹配参考人脸图像；若不匹配， 判断所述人脸图像库中是否存在还未提取的参考人脸图像，若存在，则返回继续执行提取 出一张添加了遮挡物图像的参考人脸图像作为当前参考人脸图像的操作；若不存在，则确 定在所述人脸图像库中不存在匹配参考人脸图像。
[0060] 结合第二方面中的第四种或者第五种可能的实现方式，在第六种可能的实现方式 中，所述处理模块，还用于确定所述遮挡物图像在采集到的人脸图像中所遮挡的人脸关键 部位，对所述遮挡物图像按照预设缩放比例进行缩放处理，将经过缩放处理后的遮挡物图 像添加至所述参考人脸图像中遮挡所述人脸关键部位的位置。
[0061] 结合第二方面中的第六种可能的实现方式，在第七种可能的实现方式中，所述处 理模块，具体用于获取所述参考人脸图像中两个眼睛中心点之间的参考间距，获取采集到 的人脸图像中两个眼睛中心点之间的实际间距，将所述参考间距与所述实际间距之间的比 例确定所述预设缩放比例。
[0062] 本发明实施例提供了一种人脸识别方法，该方法包括：在采集到的人脸图像中提 取出待识别人脸特征，并根据待识别人脸特征，检测采集到的人脸图像中是否存在遮挡人 脸的遮挡物；在采集到的人脸图像中存在遮挡物时，在存在遮挡物的人脸图像中提取出遮 挡物图像，判断在人脸图像库中是否存在匹配参考人脸图像，若存在，则人脸识别成功，若 否，则人脸识别失败，其中，在匹配参考人脸图像中添加了提取出的遮挡物图像后提取出的 参考人脸特征与待识别人脸特征匹配。通过本发明实施例中的人脸识别方法实现了对人脸 上存在遮挡物的人脸图像进行准确的识别，提高了人脸识别的精确性。
【附图说明】
[0063] 图1为现有技术中人脸识别的流程示意图；
[0064] 图2为本发明实施例中一种人脸识别方法的流程图；
[0065] 图3为本发明实施例中人脸图像中遮挡物的标识示意图；
[0066] 图4为本发明实施例中包含标识点的人脸图像示意图之一；
[0067] 图5为本发明实施例中包含标识点的人脸图像示意图之二；
[0068] 图6为本发明实施例中包含标识点的人脸图像示意图之三；
[0069] 图7为本发明实施例中一种人脸识别方式的流程图；
[0070] 图8为本发明实施例中另一种人脸识别方式的流程图；
[0071] 图9为本发明实施例中一种人脸识别系统的结构示意图。
【具体实施方式】
[0072] 下面通过附图以及具体实施例对本发明技术方案做详细的说明。
[0073] 本发明实施例为了解决在存在遮挡物的人脸图像识别的精确度较低，甚至是无法 识别存在遮挡物的人脸图像的问题，提供了一种人脸识别方法，该方法包括：在采集到的人 脸图像中提取出待识别人脸特征，并根据待识别人脸特征，检测采集到的人脸图像中是否 存在遮挡人脸的遮挡物；在采集到的人脸图像中存在遮挡物时，在存在遮挡物的人脸图像 中提取出遮挡物图像，判断在人脸图像库中是否存在匹配参考人脸图像，若存在，则人脸识 别成功，若否，则人脸识别失败，其中，在匹配参考人脸图像中添加了提取出的遮挡物图像 后提取出的参考人脸特征与待识别人脸特征匹配。通过本发明实施例中的人脸识别方法实 现了对人脸上存在遮挡物的人脸图像进行准确的识别，提高了人脸识别的精确性。
[0074] 下面通过附图以及具体实施例对本发明技术方案做详细的说明。
[0075] 如图2所示为本发明实施例中一种人脸识别方法的流程图，该方法包括：
[0076] S201，在采集到的人脸图像中提取出待识别人脸特征，并根据待识别人脸特征，检 测采集到的人脸图像中是否存在遮挡人脸的遮挡物；
[0077] 在采集到人脸图像之后，首先对人脸图像进行特征提取，在本发明实施例中通过 定位特征算子（Local Binary Pattern，简称：LBP)进行特征提取，具体提取人脸特征的方 法在此就不再详述。
[0078] 在提取出采集到的人脸图像中的待识别人脸特征之后，将待识别人脸特征输入至 人脸识别系统中的分类器，通过该分类器就能够确定出采集到的人脸图像中是否存在遮挡 人脸的遮挡物，在本发明实施例中可以通过如下的方法来实现对采集到的人脸图像进行遮 挡物的检测：
[0079] 在人脸识别系统中建立一个数据库，在该数据库中包含无遮挡的人脸图像以及在 人脸上存在遮挡物的人脸图像，存在遮挡物的人脸图像可以是佩戴墨镜的人脸图像、佩戴 口罩的人脸图像、佩戴黑框眼镜的人脸图像等。
[0080] 然后对数据库中的人脸图像进行分类，将无遮挡的人脸图像的类别确定为-1，佩 戴墨镜的人脸图像的类别确定为1，佩戴口罩的人脸图像的类别确定为2,佩戴黑框眼镜的 人脸图像的类别确定为3等等，并且每个类别还对应存在遮挡物的人脸图像对应的人脸特 征，即：类别1对应佩戴墨镜的人脸图像的人脸特征。在可能的情况下，数据库中的样本越 丰富越好，也就是说在数据库中可以尽可能的添加各种存在不同遮挡物的人脸图像，这样 使得后续可以更加准确的对存在遮挡物的人脸图像进行分类。
[0081] 在数据库中对每种存在遮挡物的人脸图像进行标类之后，提取数据库中每一标类 下的每一张人脸图像的人脸特征，这然后将提取出的人脸特征以及人脸特征对应的标类输 入到支持向量机（Support Vector Machine简称：SVM)中，在SVM中就可以建立人脸特征 与类别以及类别与遮挡物之间的对应关系，最后通过SVM对人脸特征的学习训练就可以得 到一个用于检测人脸图像中是否存在遮挡物的分类器。
[0082] 在生成分类器之后，人脸识别系统就可以实现对采集到的人脸图像进行遮挡物的 检测，并且对存在遮挡物的人脸图像进行分类。
[0083] 具体来讲，当采集到人脸图像之后，首先通过LBP特征提取方法提取出采集到的 人脸图像中的待识别人脸特征，然后将提取出的待识别人脸特征输入到生成的分类器中， 分类器根据输入的待识别人脸特征确定出该待识别人脸特征对应的类别，然后根据确定出 的类别最终确定出采集到的人脸图像中是否存在有遮挡物，在存在遮挡物时，进一步确定 是哪一类的遮挡物。
[0084] S202,在采集到的人脸图像中存在遮挡物时，在存在遮挡物的人脸图像中提取出 遮挡物图像；
[0085] 若是分类器确定出采集到的人脸图像中存在遮挡物时，则按照如下的流程来提取 出人脸图像中的遮挡物图像：
[0086] 步骤1，在采集到的人脸图像中确定出遮挡物边缘的标识点；
[0087] 在分类器检测到采集到的人脸图像中确定出存在遮挡物时，对采集到的人脸图像 进行标识点检测，这里的标识点检测的方法可以使用主动形状模型（Active Shape Model， 简称ASM)或者是监督梯度下降法（Supervised Descent Method,简称SDM)，在本发明实施 例中采用的是SDM，比如说如图3所示，在图3所示的人脸图像中存在墨镜，通过SDM处理方 法，将墨镜边缘通过标识点进行标识，从而生成一个遮挡物边缘检测模型，当存在遮挡物的 人脸图像输入时，就可以通过遮挡物边缘检测模型直接确定出遮挡物边缘的标识点。
[0088] 步骤2,根据遮挡物边缘的标识点，在采集到的人脸图像中提取出遮挡物图像；
[0089] 基于在步骤1中得到了遮挡物检测模型之后，在人脸识别系统采集到存遮挡物的 人脸图像输入时，人脸识别系统将根据SDM方法得到采集到人脸图像中遮挡物边缘的标识 点，将标识点所围成的区域确定为遮挡物所占用的区域，然后将遮挡物所占用的区域确定 为遮挡物图像，最后提取出人脸图像中的遮挡物图像。
[0090] S203,判断在人脸图像库中是否存在匹配参考人脸图像，其中，匹配参考人脸图像 中添加了提取出的遮挡物图像后提取出的参考人脸特征与待识别人脸特征匹配，若判断结 果为是时，进入S204,否则，进