一种适用于遮挡情况的人脸识别方法、装置及存储介质与流程

1.本发明涉及人脸识别技术领域，尤其是一种适用于遮挡情况的人脸识别方法、装置及存储介质。

背景技术：

2.人脸识别技术是一种基于人脸特征的技术，其中，特征的完整性是一个极为关键的因素。即需要人脸完整的图像才能完成人脸识别。
3.然而，应对一些突发情况，例如用户佩戴口罩、戴墨镜或者戴围巾等情况，导致人脸图像特征不完整，现有技术的人脸识别算法会出现失效，甚至出现无法和数据库中人脸信息进行对比的情况。

技术实现要素：

4.本文的目的在于，提供一种适用于遮挡情况的人脸识别方法、装置及存储介质，以解决现有技术中用户佩戴口罩，导致人脸图像特征不完整，无法和数据库中人脸信息进行对比的问题。
5.为了解决上述技术问题，本文的具体技术方案如下：
6.一方面，本文提供一种适用于遮挡情况的人脸识别方法，包括：
7.对待识别用户的人脸轮廓图像以及人脸局部图像分别提取特征，得到脸部特征和局部特征；
8.根据所述人脸轮廓图像以及人脸局部图像的面积，确定面积比例；
9.根据第一特征相似度从预设数据库中获取与所述脸部特征相似的若干基准脸部特征，根据第二特征相似度从所述预设数据库中获取与所述局部特征相似的若干基准局部特征，其中，所述预设数据库包括若干预设用户的所述基准脸部特征以及所述基准局部特征；
10.根据所述预设用户的身份信息将所述若干基准脸部特征与所述若干基准局部特征筛选，得到基准用户集；
11.根据所述第一特征相似度、所述第二特征相似度以及所述面积比例，在所述基准用户集中确定所述待识别用户的人脸识别结果。
12.作为本文的一个实施例，所述根据第一特征相似度从预设数据库中获取与所述脸部特征相似的若干基准脸部特征，根据第二特征相似度从所述预设数据库中获取与所述局部特征相似的若干基准局部特征，进一步包括：
13.利用预设的相似度计算模型在所述预设数据库中获取与所述脸部特征的所述第一特征相似度大于第一相似度阈值的若干基准脸部特征；
14.利用所述预设的相似度计算模型在所述预设数据库中获取与所述局部特征的所述第二特征相似度大于第二相似度阈值的若干基准局部特征。
15.作为本文的一个实施例，所述根据所述预设用户的身份信息将所述若干基准脸部
特征与所述若干基准局部特征筛选，得到基准用户集，进一步包括：
16.将每个基准脸部特征对应的预设用户的身份信息与每个基准局部特征对应的预设用户的身份信息进行匹配；
17.将身份信息一致的所述基准脸部特征与所述基准局部特征作为一对特征并添加至所述基准用户集。
18.作为本文的一个实施例，所述根据所述第一特征相似度、所述第二特征相似度以及所述面积比例，在所述基准用户集中确定所述待识别用户的人脸识别结果，进一步包括：
19.将所述基准用户集中每对所述基准脸部特征与所述基准局部特征的所述第一特征相似度和所述第二特征相似度，与所述面积比例进行加权求和，得到综合相似度分数；
20.将所述综合相似度最高的所述基准脸部特征与所述基准局部特征对应的预设用户的身份信息，确定为所述待识别用户的身份信息。
21.作为本文的一个实施例，所述将所述基准用户集中每对所述基准脸部特征与所述基准局部特征的所述第一特征相似度和所述第二特征相似度，与所述面积比例进行加权求和，得到综合相似度分数，进一步包括：
22.根据公式
23.sc＝s1(1-f1)+s2f124.其中，sc为综合相似度分数，s1为所述第一特征相似度分数，s2为所述第二特征相似度分数，f1为权重，其中所述权重根据所述面积比例确定得到。
25.作为本文的一个实施例，所述对待识别用户的人脸轮廓图像以及人脸局部图像分别提取特征，得到脸部特征和局部特征，进一步包括：
26.利用预设的人脸特征提取模型对所述待识别用户的人脸轮廓图像提取特征，得到所述脸部特征；
27.利用预设的局部特征提取模型对所述待识别用户的人脸局部图像提取特征，得到所述局部特征。
28.作为本文的一个实施例，所述根据所述人脸轮廓图像以及人脸局部图像的面积，确定面积比例，进一步包括：
29.将所述人脸局部图像的面积除以所述人脸轮廓图像的面积，得到所述面积比例。
30.另一方面，本文还提供一种适用于遮挡情况的人脸识别装置，包括：
31.特征提取单元，用于对待识别用户的人脸图像以及人脸局部图像分别提取特征，得到脸部特征和局部特征；
32.比例确定单元，用于根据所述人脸轮廓图像以及人脸局部图像的面积，确定面积比例；
33.相似匹配单元，用于根据第一特征相似度从预设数据库中获取与所述脸部特征相似的若干基准脸部特征，根据第二特征相似度从所述预设数据库中获取与所述局部特征相似的若干基准局部特征，其中，所述预设数据库包括若干预设用户的所述基准脸部特征以及所述基准局部特征；
34.身份匹配单元，用于根据所述预设用户的身份信息将所述若干基准脸部特征与所述若干基准局部特征筛选，得到基准用户集；
35.结果确定单元，用于根据所述第一特征相似度、所述第二特征相似度以及所述面
积比例，在所述基准用户集中确定所述待识别用户的人脸识别结果。
36.另一方面，本文还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在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任意一项所述的适用于遮挡情况的人脸识别方法。
37.另一方面，本文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任意一项所述的适用于遮挡情况的人脸识别方法。
38.另一方面，本文还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现任意一项所述的适用于遮挡情况的人脸识别方法。
39.采用上述技术方案，通过对待识别用户的人脸轮廓图像以及人脸局部图像分别提取特征，得到脸部特征和局部特征，实现了获取可以表征人头轮廓特征的人脸轮廓图像以及可以表征人脸五官特征的人脸局部图像；根据所述人脸轮廓图像以及人脸局部图像的面积，确定面积比例，可以实现确定人脸局部图像占据整个人脸的比例；通过根据第一特征相似度从预设数据库中获取与所述脸部特征相似的若干基准脸部特征，根据第二特征相似度从所述预设数据库中获取与所述局部特征相似的若干基准局部特征，其中，所述预设数据库包括若干预设用户的所述基准脸部特征以及所述基准局部特征，可以实现两个层级确定待识别用户的人脸图像与预设数据库中人脸图像的相似度；根据所述预设用户的身份信息将所述若干基准脸部特征与所述若干基准局部特征筛选，得到基准用户集，可以实现获取与待识别用户最相似的若干预设用户；通过根据所述第一特征相似度、所述第二特征相似度以及所述面积比例，在所述基准用户集中确定所述待识别用户的人脸识别结果，可以实现在待识别用户的人脸在遮挡的情况下，对待识别用户的身份进行识别。
40.为让本文的上述和其他目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附图式，作详细说明如下。
附图说明
41.为了更清楚地说明本文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文的一些实施例，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。
42.图1示出了本文实施例一种适用于遮挡情况的人脸识别方法的整体系统图；
43.图2示出了本文实施例一种适用于遮挡情况的人脸识别方法的步骤示意图；
44.图3示出了本文实施例基准用户集的确定方法示意图；
45.图4示出了本文实施例综合相似度确定身份信息的方法示意图；
46.图5示出了本文实施例一种适用于遮挡情况的人脸识别装置的示意图；
47.图6示出了本文实施例计算机设备示意图。
48.附图符号说明：
49.101、摄像设备；
50.102、数据库；
51.103、计算服务器；
52.501、特征提取单元；
53.502、比例确定单元；
54.503、相似匹配单元；
55.504、身份匹配单元；
56.505、结果确定单元；
57.602、计算机设备；
58.604、处理器；
59.606、存储器；
60.608、驱动机构；
61.610、输入/输出模块；
62.612、输入设备；
63.614、输出设备；
64.616、呈现设备；
65.618、图形用户接口；
66.620、网络接口；
67.622、通信链路；
68.624、通信总线。
具体实施方式
69.下面将结合本文实施例中的附图，对本文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文一部分实施例，而不是全部的实施例。基于本文中的实施例，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，都属于本文保护的范围。
70.需要说明的是，本文的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本文的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，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、装置、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
71.需要说明的是，本技术所涉及的用户人脸信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
72.如图1所示一种适用于遮挡情况的人脸识别方法的整体系统图，包括摄像设备101、数据库102和计算服务器103。
73.摄像设备101，用于拍摄待识别用户的人脸轮廓图像和人脸局部图像，摄像方式不限于录制以及拍摄等。人脸轮廓图像可以为人脸在平面上的正投影，人脸局部图像可以为人脸在穿戴口罩、墨镜、帽子、围巾或由于光影导致出现灰度的图像。
74.数据库102，用于存储预设用户的基准脸部特征以及基准局部特征，其中基准脸部特征是预设用户在历史周期中采样人脸轮廓图像得到的。即预设用户在历史周期内上传人脸轮廓图像，数据库通过特征提取模型将人脸轮廓图像转换为基准脸部特征。
75.基准局部特征可以是预设用户在历史周期中采样人脸局部图像得到的，即预设用户在历史周期内上传人脸局部图像，数据库通过特征提取模型将人脸局部图像转换为基准局部特征。基准局部特征还可以是对预设用户的基准脸部特征进行切割采样得到的。
76.计算服务器103，用于将人脸轮廓图像和人脸局部图像转换为矢量，得到脸部特征和局部特征。还用于计算当前待识别用户的人脸轮廓图像和人脸局部图像之间的面积比例。计算服务器103将脸部特征与数据库102中存储的所有的基准脸部特征进行相似度匹配，并将局部特征与数据库102中存储的所有的基准局部特征进行相似度匹配。分别得到第一特征相似度与第二相似度。由于计算服务器103是单独计算第一特征相似度与第二相似度，为了避免后续身份识别时，出现基准脸部特征以及基准局部特征分别对应两个不同的预设用户的情况。计算服务器103在计算完成基准脸部特征以及基准局部特征后，需要将基准脸部特征以及基准局部特征对应的预设用户的身份信息进行对比，例如基准脸部特征为a预设用户，基准局部特征为b预设用户，则认为基准脸部特征以及基准局部特征之间不存在关联，无法将基准脸部特征以及基准局部特征二者的预设用户作为待识别用户。例如基准脸部特征为a预设用户，基准局部特征为a预设用户，则认为基准脸部特征以及基准局部特征之间存在关联，可以将a预设用户的身份信息发送至待识别用户。
77.在一些突发情况，例如用户佩戴口罩、戴墨镜或者戴围巾等情况，导致人脸图像特征不完整，现有技术的人脸识别算法会出现失效，甚至出现无法和数据库中人脸信息进行对比的情况。
78.为了解决上述问题，本文实施例提供了一种适用于遮挡情况的人脸识别方法，能够在待识别用户的人脸在遮挡的情况下，对待识别用户的身份进行识别，图2是本文实施例提供的一种适用于遮挡情况的人脸识别方法的步骤示意图，本说明书提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的系统或装置产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行。具体的如图2所示，所述方法可以包括：
79.步骤201、对待识别用户的人脸轮廓图像以及人脸局部图像分别提取特征，得到脸部特征和局部特征。
80.步骤202、根据所述人脸轮廓图像以及人脸局部图像的面积，确定面积比例。
81.步骤203、根据第一特征相似度从预设数据库中获取与所述脸部特征相似的若干基准脸部特征，根据第二特征相似度从所述预设数据库中获取与所述局部特征相似的若干基准局部特征，其中，所述预设数据库包括若干预设用户的所述基准脸部特征以及所述基准局部特征。
82.步骤204、根据所述预设用户的身份信息将所述若干基准脸部特征与所述若干基准局部特征筛选，得到基准用户集。
83.步骤205、根据所述第一特征相似度、所述第二特征相似度以及所述面积比例，在所述基准用户集中确定所述待识别用户的人脸识别结果。
84.采用上述技术方案，通过对待识别用户的人脸轮廓图像以及人脸局部图像分别提取特征，得到脸部特征和局部特征，实现了获取可以表征人头轮廓特征的人脸轮廓图像以及可以表征人脸五官特征的人脸局部图像；根据所述人脸轮廓图像以及人脸局部图像的面积，确定面积比例，可以实现确定人脸局部图像占据整个人脸的比例；通过根据第一特征相似度从预设数据库中获取与所述脸部特征相似的若干基准脸部特征，根据第二特征相似度从所述预设数据库中获取与所述局部特征相似的若干基准局部特征，其中，所述预设数据库包括若干预设用户的所述基准脸部特征以及所述基准局部特征，可以实现两个层级确定待识别用户的人脸图像与预设数据库中人脸图像的相似度；根据所述预设用户的身份信息将所述若干基准脸部特征与所述若干基准局部特征筛选，得到基准用户集，可以实现获取与待识别用户最相似的若干预设用户；通过根据所述第一特征相似度、所述第二特征相似度以及所述面积比例，在所述基准用户集中确定所述待识别用户的人脸识别结果，可以实现在待识别用户的人脸在遮挡的情况下，对待识别用户的身份进行识别。
85.作为本文的一个实施例，步骤201所述对待识别用户的人脸轮廓图像以及人脸局部图像分别提取特征，得到脸部特征和局部特征，进一步包括：
86.利用预设的人脸特征提取模型对所述待识别用户的人脸轮廓图像提取特征，得到所述脸部特征；
87.利用预设的局部特征提取模型对所述待识别用户的人脸局部图像提取特征，得到所述局部特征。
88.人脸特征提取模型可以是用于前后景分割的网络模型，该前后景分割的网络模型，可以将待识别用户的人脸与背景进行分离。
89.局部特征提取模型可以是分类神经网络模型的特征提取层，其中，分类神经网络模型用于根据输入的人脸局部图像进行对象分类，局部特征提取模型包括特征提取层以softmax激活函数层，其中，特征提取层用于对人脸局部图像提取特征，而softmax激活函数层用于根据所提取的特征进行对象分类，分类种类包括鼻子、左眼、右眼和嘴巴。
90.作为本文的一个实施例，步骤202根据所述人脸轮廓图像以及人脸局部图像的面积，确定面积比例，包括：
91.将所述人脸局部图像的面积除以所述人脸轮廓图像的面积，得到所述面积比例。
92.在本步骤中，可以根据公式
[0093][0094]
其中，f为面积比例，a
l
为人脸局部图像的面积，ao为人脸轮廓图像的面积。
[0095]
作为本文的一个实施例，步骤203所述根据第一特征相似度从预设数据库中获取与所述脸部特征相似的若干基准脸部特征，根据第二特征相似度从所述预设数据库中获取与所述局部特征相似的若干基准局部特征，进一步包括：
[0096]
利用预设的相似度计算模型在所述预设数据库中获取与所述脸部特征的所述第一特征相似度大于第一相似度阈值的若干基准脸部特征；
[0097]
利用所述预设的相似度计算模型在所述预设数据库中获取与所述局部特征的所述第二特征相似度大于第二相似度阈值的若干基准局部特征。
[0098]
在本步骤中，相似度计算模型包括余弦相似度计算模型和皮尔逊相关计算模型，
在本文中，可以使用余弦相似度计算模型进行举例说明。
[0099]
根据公式其中xi为脸部特征和局部特征中的一个元素，yi为基准脸部特征和基准局部特征中的一个元素，cos(θ)为第一特征相似度或者第二特征相似度。
[0100]
在本文中第一相似度阈值以及第二相似度阈值可以为0.8、0.85、0.9、0.95等。
[0101]
如图3所示基准用户集的确定方法示意图，作为本文的一个实施例，所述根据所述预设用户的身份信息将所述若干基准脸部特征与所述若干基准局部特征筛选，得到基准用户集，进一步包括：
[0102]
步骤301、将每个基准脸部特征对应的预设用户的身份信息与每个基准局部特征对应的预设用户的身份信息进行匹配。
[0103]
在本步骤中，每个基准脸部特征都有其唯一的标签，该标签上标注了该基准脸部特征对应的预设用户的身份信息，例如a用户、b用户、c用户、d用户、e用户、f用户。相同的，基准局部特征也有其唯一的标签，该标签上标注了该基准脸部特征对应的预设用户的身份信息，例如a用户、b用户、c用户、d用户、e用户、f用户。
[0104]
例如在本文中，通过第一相似度阈值，得到10个基准脸部特征，其中每个基准脸部特征对应一个预设用户，包括a用户、b用户、c用户、d用户、e用户、f用户、g用户、h用户、i用户、j用户。
[0105]
通过第二相似度阈值，得到15个基准局部特征，其中每个基准局部特征对应一个预设用户，包括a用户、b用户、c用户、d用户、l用户、m用户、n用户、o用户、p用户、q用户。
[0106]
此时，将10个基准脸部特征的预设用户，与15个基准局部特征的预设用户进行匹配。
[0107]
步骤302、将身份信息一致的所述基准脸部特征与所述基准局部特征作为一对特征并添加至所述基准用户集。
[0108]
在本步骤中，上述的若干基准脸部特征与基准局部特征身份一致，且可以凑对的包括a用户、b用户、c用户和d用户，即将a用户、b用户、c用户和d用户添加至基准用户集。
[0109]
由于上述内容都是单独将待识别用户的脸部特征与基准脸部特征进行相似度计算，以及单独将局部特征与基准局部特征进行相似度计算，因此可能出现单独对比导致的误差，降低人脸识别的准确度。因此，需要综合的判断第一特征相似度与第二特征相似度。
[0110]
如图4所示综合相似度确定身份信息的方法示意图，作为本文的一个实施例，步骤205所述根据所述第一特征相似度、所述第二特征相似度以及所述面积比例，在所述基准用户集中确定所述待识别用户的人脸识别结果，进一步包括：
[0111]
步骤401、将所述基准用户集中每对所述基准脸部特征与所述基准局部特征的所述第一特征相似度分数和所述第二特征相似度分数，与所述面积比例进行加权求和，得到综合相似度分数。
[0112]
在本步骤中，根据公式
[0113]
sc＝s1(1-f1)+s2f1[0114]
其中，sc为综合相似度分数，s1为所述第一特征相似度分数，s2为所述第二特征相似度分数，f1为权重，其中所述权重根据所述面积比例确定得到。
[0115]
该公式表征了，在待识别用户的面部遮挡位置较小时，综合相似度分数的大部分来自第二特征相似度分数，此时对于待识别用户的人脸局部特征的置信程度相对较高。
[0116]
在待识别用户的面部遮挡位置较小时，综合相似度分数的大部分来自第一特征相似度分数，此时对于待识别用户的人脸局部特征的置信程度相对较低。
[0117]
以此保证即使在待识别用户面部被完全遮挡时，也可以进行面部识别。
[0118]
步骤402、将所述综合相似度最高的所述基准脸部特征与所述基准局部特征对应的预设用户的身份信息，确定为所述待识别用户的身份信息。
[0119]
在本步骤中，通过该方式，可以得到与待识别用户各方面综合后最为相似的预设用户，即此时预设用户的身份信息即为待识别用户的身份信息，完成了人脸识别。
[0120]
如图5所示一种适用于遮挡情况的人脸识别装置的示意图，包括：
[0121]
特征提取单元501，用于对待识别用户的人脸图像以及人脸局部图像分别提取特征，得到脸部特征和局部特征；
[0122]
比例确定单元502，用于根据所述人脸轮廓图像以及人脸局部图像的面积，确定面积比例；
[0123]
相似匹配单元503，用于根据第一特征相似度从预设数据库中获取与所述脸部特征相似的若干基准脸部特征，根据第二特征相似度从所述预设数据库中获取与所述局部特征相似的若干基准局部特征，其中，所述预设数据库包括若干预设用户的所述基准脸部特征以及所述基准局部特征；
[0124]
身份匹配单元504，用于根据所述预设用户的身份信息将所述若干基准脸部特征与所述若干基准局部特征筛选，得到基准用户集；
[0125]
结果确定单元505，用于根据所述第一特征相似度、所述第二特征相似度以及所述面积比例，在所述基准用户集中确定所述待识别用户的人脸识别结果。
[0126]
采用上述技术方案，通过特征提取单元，实现了获取可以表征人头轮廓特征的人脸轮廓图像以及可以表征人脸五官特征的人脸局部图像；根据比例确定单元，可以实现确定人脸局部图像占据整个人脸的比例；通过相似匹配单元，可以实现两个层级确定待识别用户的人脸图像与预设数据库中人脸图像的相似度；身份匹配单元，可以实现获取与待识别用户最相似的若干预设用户；通过结果确定单元，可以实现在待识别用户的人脸在遮挡的情况下，对待识别用户的身份进行识别。
[0127]
如图6所示，为本文实施例提供的一种计算机设备，所述计算机设备运行本文一种适用于遮挡情况的人脸识别方法，所述计算机设备602可以包括一个或多个处理器604，诸如一个或多个中央处理单元(cpu)，每个处理单元可以实现一个或多个硬件线程。计算机设备602还可以包括任何存储器606，其用于存储诸如代码、设置、数据等之类的任何种类的信息。非限制性的，比如，存储器606可以包括以下任一项或多种组合：任何类型的ram，任何类型的rom，闪存设备，硬盘，光盘等。更一般地，任何存储器都可以使用任何技术来存储信息。进一步地，任何存储器可以提供信息的易失性或非易失性保留。进一步地，任何存储器可以表示计算机设备602的固定或可移除部件。在一种情况下，当处理器604执行被存储在任何存储器或存储器的组合中的相关联的指令时，计算机设备602可以执行相关联指令的任一操作。计算机设备602还包括用于与任何存储器交互的一个或多个驱动机构608，诸如硬盘驱动机构、光盘驱动机构等。
[0128]
计算机设备602还可以包括输入/输出模块610(i/o)，其用于接收各种输入(经由输入设备612)和用于提供各种输出(经由输出设备614)。一个具体输出机构可以包括呈现设备616和相关联的图形用户接口(gui)618。在其他实施例中，还可以不包括输入/输出模块610(i/o)、输入设备612以及输出设备614，仅作为网络中的一台计算机设备。计算机设备602还可以包括一个或多个网络接口620，其用于经由一个或多个通信链路622与其他设备交换数据。一个或多个通信总线624将上文所描述的部件耦合在一起。
[0129]
通信链路622可以以任何方式实现，例如，通过局域网、广域网(例如，因特网)、点对点连接等、或其任何组合。通信链路622可以包括由任何协议或协议组合支配的硬连线链路、无线链路、路由器、网关功能、名称服务器等的任何组合。
[0130]
对应于图2-图4中的方法，本文实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述方法的步骤。
[0131]
本文实施例还提供一种计算机可读指令，其中当处理器执行所述指令时，其中的程序使得处理器执行如图2-图4所示的方法。
[0132]
应理解，在本文的各种实施例中，上述各过程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，而不应对本文实施例的实施过程构成任何限定。
[0133]
还应理解，在本文实施例中，术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系。例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
[0134]
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、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。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文的范围。
[0135]
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，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。
[0136]
在本文所提供的几个实施例中，应该理解到，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。另外，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，也可以是电的，机械的或其它的形式连接。
[0137]
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文实施例方案的目的。
[0138]
另外，在本文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，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0139]
所述集成的单元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，本文的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或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)执行本文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(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0140]
本文中应用了具体实施例对本文的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本文的方法及其核心思想；同时，对于本领域的一般技术人员，依据本文的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本文的限制。

技术特征：

1.一种适用于遮挡情况的人脸识别方法，其特征在于，包括：对待识别用户的人脸轮廓图像以及人脸局部图像分别提取特征，得到脸部特征和局部特征；根据所述人脸轮廓图像以及人脸局部图像的面积，确定面积比例；根据第一特征相似度从预设数据库中获取与所述脸部特征相似的若干基准脸部特征，根据第二特征相似度从所述预设数据库中获取与所述局部特征相似的若干基准局部特征，其中，所述预设数据库包括若干预设用户的所述基准脸部特征以及所述基准局部特征；根据所述预设用户的身份信息将所述若干基准脸部特征与所述若干基准局部特征筛选，得到基准用户集；根据所述第一特征相似度、所述第二特征相似度以及所述面积比例，在所述基准用户集中确定所述待识别用户的人脸识别结果。2.根据权利要求1所述的适用于遮挡情况的人脸识别方法，其特征在于，所述根据第一特征相似度从预设数据库中获取与所述脸部特征相似的若干基准脸部特征，根据第二特征相似度从所述预设数据库中获取与所述局部特征相似的若干基准局部特征，进一步包括：利用预设的相似度计算模型在所述预设数据库中获取与所述脸部特征的所述第一特征相似度大于第一相似度阈值的若干基准脸部特征；利用所述预设的相似度计算模型在所述预设数据库中获取与所述局部特征的所述第二特征相似度大于第二相似度阈值的若干基准局部特征。3.根据权利要求1所述的适用于遮挡情况的人脸识别方法，其特征在于，所述根据所述预设用户的身份信息将所述若干基准脸部特征与所述若干基准局部特征筛选，得到基准用户集，进一步包括：将每个基准脸部特征对应的预设用户的身份信息与每个基准局部特征对应的预设用户的身份信息进行匹配；将身份信息一致的所述基准脸部特征与所述基准局部特征作为一对特征并添加至所述基准用户集。4.根据权利要求3所述的适用于遮挡情况的人脸识别方法，其特征在于，所述根据所述第一特征相似度、所述第二特征相似度以及所述面积比例，在所述基准用户集中确定所述待识别用户的人脸识别结果，进一步包括：将所述基准用户集中每对所述基准脸部特征与所述基准局部特征的所述第一特征相似度和所述第二特征相似度，与所述面积比例进行加权求和，得到综合相似度分数；将所述综合相似度最高的所述基准脸部特征与所述基准局部特征对应的预设用户的身份信息，确定为所述待识别用户的身份信息。5.根据权利要求4所述的适用于遮挡情况的人脸识别方法，其特征在于，所述将所述基准用户集中每对所述基准脸部特征与所述基准局部特征的所述第一特征相似度和所述第二特征相似度，与所述面积比例进行加权求和，得到综合相似度分数，进一步包括：根据公式s
c
＝s1(1-f1)+s2f1其中，s
c
为综合相似度分数，s1为所述第一特征相似度分数，s3为所述第二特征相似度分数，f1为权重，其中所述权重根据所述面积比例确定得到。
6.根据权利要求1所述的适用于遮挡情况的人脸识别方法，其特征在于，所述对待识别用户的人脸轮廓图像以及人脸局部图像分别提取特征，得到脸部特征和局部特征，进一步包括：利用预设的人脸特征提取模型对所述待识别用户的人脸轮廓图像提取特征，得到所述脸部特征；利用预设的局部特征提取模型对所述待识别用户的人脸局部图像提取特征，得到所述局部特征。7.根据权利要求1所述的适用于遮挡情况的人脸识别方法，其特征在于，所述根据所述人脸轮廓图像以及人脸局部图像的面积，确定面积比例，进一步包括：将所述人脸局部图像的面积除以所述人脸轮廓图像的面积，得到所述面积比例。8.一种适用于遮挡情况的人脸识别装置，其特征在于，包括：特征提取单元，用于对待识别用户的人脸图像以及人脸局部图像分别提取特征，得到脸部特征和局部特征；比例确定单元，用于根据所述人脸轮廓图像以及人脸局部图像的面积，确定面积比例；相似匹配单元，用于根据第一特征相似度从预设数据库中获取与所述脸部特征相似的若干基准脸部特征，根据第二特征相似度从所述预设数据库中获取与所述局部特征相似的若干基准局部特征，其中，所述预设数据库包括若干预设用户的所述基准脸部特征以及所述基准局部特征；身份匹配单元，用于根据所述预设用户的身份信息将所述若干基准脸部特征与所述若干基准局部特征筛选，得到基准用户集；结果确定单元，用于根据所述第一特征相似度、所述第二特征相似度以及所述面积比例，在所述基准用户集中确定所述待识别用户的人脸识别结果。9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-7任意一项所述的适用于遮挡情况的人脸识别方法。10.一种计算机可读存储介质，其特征在于，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如权利要求1-7任意一项所述的适用于遮挡情况的人脸识别方法。11.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现如权利要求1-7任意一项所述的适用于遮挡情况的人脸识别方法。

技术总结

本文应用于人脸识别技术领域，本文提供了一种适用于遮挡情况的人脸识别方法、装置及存储介质，包括：对待识别用户的人脸轮廓图像以及人脸局部图像分别提取特征，得到脸部特征和局部特征；根据人脸轮廓图像以及人脸局部图像的面积，确定面积比例；根据第一特征相似度从预设数据库中获取与脸部特征相似的若干基准脸部特征，根据第二特征相似度从预设数据库中获取与局部特征相似的若干基准局部特征，并得到基准用户集；根据第一特征相似度、第二特征相似度以及面积比例，在基准用户集中确定待识别用户的人脸识别结果，实现了在待识别用户的人脸在遮挡的情况下，对待识别用户的身份进行识别。识别。识别。