CN104408402A - 人脸识别方法及装置 - Google Patents

Abstract

本公开实施例公开了一种人脸识别方法及装置，从包含人脸的图片中获取第一类特征，然后，根据第一类特征获取两个人脸之间的距离加权系数。利用人脸之间的距离及对应的距离加权系数，得到两个人脸之间的加权相似度，最后，根据两个人脸之间的加权相似度，对图片进行聚类，得到聚类结果，将属于同一个人的图片聚合成一个簇，不同人的图片归类到不同的簇中。所述人脸识别方法不仅考虑两个人脸的五官和脸型之间的相似性，还根据图片中所包含的第一类特征对人脸相似性进行衡量，这样，增加同一个人在不同情况下的人脸的相似度，而且，能够降低不同人的人脸之间的相似度。因此，该人脸识别方法及装置能够提高人脸识别的准确率。

Description

人脸识别方法及装置

技术领域

本公开涉及计算机技术领域，特别是涉及一种人脸识别方法及装置。

背景技术

通过人脸识别方法，能够将相册中属于同一个人的人脸图片聚合在一个簇中。但是，在聚合的过程中，经常出现人脸图片中人脸姿态、表情、光照等不同，导致同一个人的人脸特征提取的特征向量之间的相似度降低，进而出现不能将本属于同一个人的人脸图片聚合到一个簇中，大大降低人脸识别的准确率。

发明内容

为克服相关技术中存在的问题，本公开提供一种人脸识别方法及装置，以提高人脸识别的准确率。本公开实施例公开了如下技术方案：

根据本公开实施例的第一方面，提供一种人脸识别方法，包括：

从包含人脸的图片中，获取第一类特征；

根据所述第一类特征，获取分别属于两个图片的任意两个人脸之间的距离加权系数；

获取所述两个人脸之间的距离；

根据所述两个人脸之间的距离和相应的距离加权系数，得到所述两个人脸之间的加权相似度；

利用所述两个人脸之间的所述加权相似度，判断所述两个人脸是否属于同一个人；

其中，所述第一类特征包括人物的性别、年龄、种族、衣服、眼镜信息、人脸在图片中的位置、图片的拍摄时间和连拍信息中的任意一个或任意多个组合。

结合第一方面，在第一方面的第一种可能的实现方式中，所述根据所述第一类特征，获取分别属于两个图片的任意两个人脸之间的距离加权系数，包括：

获取所述第一类特征对应的特征值；

计算所述两个人脸的所述第一类特征的特征值之间的绝对差值；

将所述绝对差值归一化到预设区间内，得到归一化特征差值；

根据所述第一类特征的归一化特征差值及预先获得的相应的特征系数，计算所述两个人脸之间的所述距离加权系数。

结合第一方面的第一种可能的实现方式，在第一方面的第二种可能的实现方式中，根据所述归一化特征差值及预先获得的相应的特征系数，计算所述两个人脸之间的所述距离加权系数，包括：

计算同一个所述第一类特征对应的所述归一化特征差值与对应的特征系数之间的乘积；

当所述第一类特征包含多个不同的特征时，根据多个所述特征对应的所述乘积的累加和得到所述两个人脸之间的距离加权系数。

结合第一方面，在第一方面的第三种可能的实现方式中，所述两个人脸之间的距离加权系数包括第一距离加权系数和第二距离加权系数；其中，所述第一距离加权系数大于等于0，且小于等于第一预设值，所述第一预设值大于1；所述第二距离加权系数大于等于-1，且小于等于1；

所述根据两个人脸之间的距离和相应的距离加权系数，得到所述两个人脸之间的加权相似度，包括：

根据两个人脸之间的距离及对应的第一距离加权系数的乘积，得到所述两个人脸之间的加权相似度；

或者，

根据两个人脸之间的距离及对应的第二距离加权系数的和，得到所述两个人脸之间的加权相似度。

结合第一方面，在第一方面的第四种可能的实现方式中，当所述第一类特征包含人脸在图片中的位置时，所述从包含人脸的图片中，获取第一类特征，包括：

当判断出两个包含人脸的图片所包含的人脸个数相同，且两个所述图片的拍摄时间之间的差值在第一预设范围内时，获取两个所述人脸图片各自包含的人脸的位置；

根据分别属于两个所述图片的人脸的位置之间的距离，得到所述人脸在图片中的位置对应的特征值。

根据本公开实施例的第二方面，提供一种人脸识别装置，包括：

第一获取单元，用于从包含人脸的图片中，获取第一类特征；

第二获取单元，用于根据所述第一类特征，获取分别属于两个图片的任意两个人脸之间的距离加权系数；

第三获取单元，用于获取所述两个人脸之间的距离；

第四获取单元，用于根据所述两个人脸之间的距离和相应的距离加权系数，得到所述两个人脸之间的加权相似度；

判断单元，用于利用所述两个人脸之间的所述加权相似度，判断所述两个人脸是否属于同一个人；

其中，所述第一类特征包括人物的性别、年龄、种族、衣服、眼镜信息、人脸在图片中的位置、图片的拍摄时间和连拍信息中的任意一个或任意多个组合。

结合第二方面，在第二方面的第一种可能的实现方式中，所述第二获取单元，包括：

第一获取子单元，用于获取所述第一类特征对应的特征值；

第一计算子单元，用于计算所述两个人脸的所述第一类特征的特征值之间的绝对差值；

归一化子单元，用于将所述绝对差值归一化到预设区间内，得到归一化特征差值；

第二计算子单元，用于根据所述第一类特征的归一化特征差值及预先获得的相应的特征系数，计算所述两个人脸之间的所述距离加权系数。

结合第二方面的第一种可能的实现方式，在第二方面的第二种可能的实现方式中，所述第二计算子单元，包括：

第三计算子单元，用于计算同一个所述第一类特征对应的所述归一化特征差值与对应的特征系数之间的乘积；

第一累加子单元，用于当所述第一类特征包含多个不同的特征时，根据多个所述特征对应的所述乘积的累加和得到所述两个人脸之间的距离加权系数。

结合第二方面，在第二方面的第三种可能的实现方式中，所述两个人脸之间的距离加权系数包括第一距离加权系数和第二距离加权系数；其中，所述第一距离加权系数大于等于0，且小于等于第一预设值，所述第一预设值大于1；所述第二距离加权系数大于等于-1，且小于等于1；

所述第四获取单元，包括：

乘法运算子单元，用于根据两个人脸之间的距离及对应的第一距离加权系数的乘积，得到所述两个人脸之间的加权相似度；

或者，

第二累加子单元，用于根据两个人脸之间的距离及对应的第二距离加权系数的和，得到所述两个人脸之间的加权相似度。

结合第二方面，在第二方面的第四种可能的实现方式中，当所述第一类特征包含人脸在图片中的位置时，所述第一获取单元包括：

人脸位置获取子单元，用于当判断出两个包含人脸的图片所包含的人脸个数相同，且两个所述图片的拍摄时间之间的差值在第一预设范围内时，获取两个所述图片各自包含的人脸的位置；

距离获取子单元，用于根据分别属于两个所述图片的人脸的位置之间的距离，得到所述人脸在图片中的位置对应的特征值。

根据本公开实施例的第三方面，提供一种终端设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为：

从包含人脸的图片中，获取第一类特征；

根据所述第一类特征，获取分别属于两个图片的任意两个人脸之间的距离加权系数；

获取所述两个人脸之间的距离；

根据所述两个人脸之间的距离和相应的距离加权系数，得到所述两个人脸之间的加权相似度；

利用所述两个人脸之间的所述加权相似度，判断所述两个人脸是否属于同一个人；

其中，所述第一类特征包括人物的性别、年龄、种族、衣服、眼镜信息、人脸在图片中的位置、图片的拍摄时间和连拍信息中的任意一个或任意多个组合。

本公开的实施例提供的技术方案可以包括以下有益效果：本实施例提供的人脸识别方法，从包含人脸的图片中获取第一类特征，然后，根据所述第一类特征获取两个人脸之间的距离加权系数。利用人脸之间的距离及对应的距离加权系数，得到两个人脸之间的加权相似度，最后，根据两个人脸之间的加权相似度，对图片进行聚类，得到聚类结果，将属于同一个人的图片聚合成一个簇，不同人的图片归类到不同的簇中。所述人脸识别方法在对图片中的人脸进行识别时，不仅考虑两个人脸的五官和脸型之间的相似性，还根据图片中所包含的第一类特征对人脸相似性进行衡量，这样，增加同一个人在不同情况下的人脸的相似度，而且，降低了不同人的人脸之间的相似度。从而，提高了人脸识别的准确率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

图1是根据一示例性实施例示出的一种人脸识别方法的流程图；

图2是根据一示例性实施例示出的一种步骤S120的流程图；

图3是根据一示例性实施例示出的拍摄时间的归一化函数的曲线示意图；

图4是根据一示例性实施例示出的年龄的归一化函数的曲线示意图；

图5是根据一示例性实施例示出的一种人脸识别装置的框图；

图6是根据一示例性实施例示出的一种用于人脸识别的装置框图；

图7是根据一示例性实施例示出的另一种用于人脸识别的装置框图。

通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

图1是根据一示例性实施例示出的一种人脸识别方法的流程图，该方法应用于移动终端(例如，智能手机或平板电脑等)或服务器中，如图1所示，该方法可以包括以下步骤：

在步骤S110中，从包含人脸的图片中获取第一类特征。所述第一类特征包括性别、年龄、种族、衣服、眼镜信息、人脸在图片中的位置、图片的拍摄时间和连拍信息中的任意一个或任意多个组合。

可以采用性别、年龄识别技术提取人脸图片中人脸的性别年龄和种族等特征信息。

可以采用眼镜检测判断人脸图片中人脸上是否佩戴眼镜，若判断出人脸上佩戴有眼镜，继续采用眼镜识别技术识别眼镜的类型，例如，墨镜、其它类型的眼镜。

利用移动终端拍摄图片时，系统会记录图片的拍摄时间，进而根据拍摄时间可以判断图片是否是连拍模式下拍摄的。如果是连拍，则连拍得到的多张图片所包含的人脸相同。

在获取人脸在图片中的位置时，首先判断两个图片的拍摄时间是否在预设时长内，如果在预设时长内，继续判断两个图片所包含的人物的数量是否一致，如果一致，继续获取人物在图片中的位置信息。

在步骤S120中，根据所述第一类特征，获取分别属于两个图片的任意两个人脸之间的距离加权系数。

一张图片中可能包含多个人脸，计算分别属于两张图片的两个人脸之间的距离加权系数。

将性别、年龄、种族、衣服、眼镜信息、人脸在图片中的位置、图片的拍摄时间、人脸在图片中的位置等信息中的每一种信息作为一个特征X_i，每一个特征X_i都是一个影响距离加权系数W_ij的因子，X_i表示第i个特征。根据每个特征X_i对应的特征值，确定距离加权系数W_ij。

在步骤S130中，获取所述两个人脸之间的距离。

分别提取两个人脸的纹理特征，例如gabor特征或LBP(Local binary patterns，局部二值模式)特征，计算两个人脸之间的距离，例如，欧式距离，距离越大，两个人脸之间的相似性越小，距离越小，两个人脸之间的相似性越大；或者，人脸之间的距离还可以通过余弦相似度来表征，余弦相似度越大，两个人脸之间的相似性越大，余弦相似度越小，两个人脸之间的相似性越小。

在步骤S140中，根据两个人脸之间的距离和相应的距离加权系数，得到所述两个人脸之间的加权相似度。

在本公开的一个实施例中，可以根据两个人脸之间的距离d_ij和相应的距离加权系数W_ij之间的乘积，得到两个人脸之间的加权相似度D_ij，如公式1所示：

D_i,j＝W_ijd_ij      (公式1)

公式1中距离加权系数W_ij的取值范围为[0，L]，其中，L为第一预设值，该第一预设值可以是大于1的数值。可选地，距离加权系数W_ij可以取1附近的数值，可选地，W_ij的取值范围可以是[1-m，1+m]，其中，1+m不大于L。例如，0.8、1.5、2。若W_ij＞1，增大两个人脸的相似度；若W_ij＜1，降低两个人脸的相似度；若W_ij＝1，表明对人脸的相似度没有影响。

在公开的另一个实施例中，还可以根据两个人脸之间的距离d_ij与相应的距离加权系数W_ij之和，计算得到两个人脸之间的加权相似度D_ij，如公式2所示：

D_i,j＝W_ij+d_ij        (公式2)

公式2中的距离加权系数W_ij的取值范围为[-1，1]，若W_ij取正数，增加两个人脸之间的相似度；若W_ij取负数，降低两个人脸之间的相似度；若W_ij＝0，对人脸的相似度没有影响。

在步骤S150中，利用所述两个人脸之间的所述加权相似度，判断所述两个人脸是否属于同一个人。

然后，根据人脸识别结果对人脸图片进行聚类，得到聚类结果。

计算出两两人脸之间的加权相似度，再利用聚类算法对图片进行聚类，将属于同一个人的图片聚集得到一个簇，不同人的图片归类到不同的簇中。若图片中包含多个人脸，则将该图片聚集到这多个人脸对应的簇中。例如，一张图片中包含人脸A、人脸B和人脸C，则将该图片同时归类到人脸A、人脸B和人脸C对应的簇中。

本实施例提供的人脸识别方法，提取人脸图片中的第一类特征，然后，根据所述第一类特征获取两个人脸之间的距离加权系数。利用人脸之间的距离及对应的距离加权系数，得到两个人脸之间的加权相似度，最后，根据两个人脸之间的所述加权相似度，对图片进行聚类，得到聚类结果，将属于同一个人的图片聚合成一个簇，不同人的图片归类到不同的簇中。

所述人脸识别方法在对图片中的人脸进行识别时，不仅考虑两个人脸的五官和脸型之间的相似性，还根据图片中所包含的第一类特征对人脸相似性进行衡量，这样，增加同一个人在不同情况下的人脸的相似度，而且，降低了不同人的人脸之间的相似度。从而，提高了人脸识别的准确率。

图2是根据一示例性实施例示出的步骤S120的方法流程图，如图2所示，步骤S120可以通过以下步骤：

在步骤S121中，获取所述第一类特征对应的特征值。

不同的特征X_i的特征值不同，例如，性别只有男、女两类，女性的特征值为1，男性的特征值为0；或者女性的特征值为0，男性的特征值为1，这样，两个人脸对应的性别特征值之间的绝对差值为。

年龄的特征值的取值范围可以是[0，100]。衣服的特征值是衣服的相似度取值范围是[0，1]。

种族一般是黄种人、白种人、黑种人，这三类对应的特征值可以分别取0、1、2，具体的取值可以根据需要自行设定。

眼镜信息可以包括以下两类方式：一是判断人脸是否佩戴眼镜，如果佩戴眼镜，对应的特征值是1，没有佩戴眼镜对应的特征值是0；或者，佩戴眼镜对应的特征值是0，没有佩戴眼镜对应的特征值是1。

另一种是判断两个眼镜的相似度，对应的特征值的取值范围是[0，1]。

人脸在图片中的位置对应的特征值是人脸的位置之间的坐标距离。根据分别属于两个图片的人脸的位置之间的距离，得到人脸在图片中的位置对应的特征值。例如，图片A中包含人脸a1和人脸a2，图片B中包含人脸b1和人脸b2，其中，人脸a1与人脸b1的位置相对应。则人脸a1与人脸b1对应的在图片中的位置的特征值为：人脸a1在图片A中的位置与人脸b1在图片B中的位置之间的距离；同理，人脸a2与人脸b2对应的在图片中的位置的特征值为：人脸a2在图片A中的位置与人脸b2在图片B中的位置之间的距离。

拍摄时间是与同一个时间起始值之间的时间差折合成秒之后的数值，例如，起始时间是2014年10月1日0时0分0秒，图片的拍摄时间是2014年10月1日10时0分0秒，则该图片的拍摄时间的特征值是36000s，在具体实现时，拍摄时间的特征值可以是一个64位的二进制数，起始时间可以根据二进制数的数值范围设定，当然，为了计算方便，可以确定距离图片的拍摄时间较近的时刻为起始时间，这样，图片对应的拍摄时间的特征值较小。

在步骤S122中，计算所述两个人脸的所述第一类特征的特征值之间的绝对差值。

获得第一类特征的特征值后，计算两个人脸对应的所述第一类特征的特征值之间的绝对差值，例如，人脸A的性别是男性，人脸B也是男性，则人脸A和B的性别特征值的绝对差值是0；又如，人脸C是女性，则人脸A和人脸C的性别特征值的绝对差值是1。

在步骤S123中，将所述绝对差值归一化到预设区间内，得到归一化特征差值。

不同的特征对应的特征值的取值范围不同，自然计算得到的该特征的特征值绝对差值的取值范围也不相同，因此，需要将不同的特征对应的特征值绝对差值的取值范围归一化到同一预设区间中，例如，所述预设区间可以是[-1，1]。

例如，可以采用sigmoid函数进行归一化，每个特征对应的sigmoid函数的参数不同，例如，图片的拍摄时间与人脸的年龄对应的sigmoid函数的纵坐标与横坐标的对应关系不同。

如图3所示，为拍摄时对应的归一化函数的曲线示意图，图3中纵轴为拍摄时间归一化后的取值，取值范围是[-1，1]；横轴表示拍摄时间，单位是s，图中的数值仅起示意作用，不代表实际的取值范围。

如图4所示，为年龄对应的归一化函数的曲线示意图，图4中纵轴为年龄归一化后的取值，取值范围是[-1，1]；横轴表示年龄，单位是岁，图中的横轴数值仅起示意作用，不代表实际的取值范围。

在步骤S124中，根据所述第一类特征的归一化特征差值及预先获得的相应的特征系数，计算所述两个人脸之间的距离加权系数。

不同的第一类特征对距离加权系数W_ij的影响程度可能不同，因此，可以确定每个第一类特征X_i影响距离加权系数W_ij的特征系数θ_i，θ_i的取值范围为[0，1]。θ_i的数值越大，表明第一类特征X_i对距离加权系数W_ij的影响越大；θ_i等于0时，该第一类特征X_i对距离加权系数W_ij没有影响。

其中，特征系数θ_i的取值可以根据经验设定可以根据各个第一类特征的特征值，以及距离加权系数W_ij的取值范围，确定各个第一类特征对应的特征系数θ_i。例如，可以设定全部的θ_i之和为1，若只考虑性别和年龄对人脸的距离的影响，若性别对应的特征系数为0.6，则年龄对应的特征系数为0.4。

在本公开的另一个实施例中，特征系数θ_i的取值还可以通过训练样本图片得到，首先，收集多个人的图片，每个人各有很多张图片；计算每个第一类特征的归一化后的特征差值；若两两人脸是同一个人，则图片是正样本，两两人脸不是同一个人的图片是负样本。然后，采用线性回归、logistc分类方法或者svm方法将这些特征对应的特征系数训练出来。

然后，根据两个人脸的全部的第一类特征X_i之间的绝对差值及该特征对应的特征系数θ_i，计算得到距离加权系数W_ij。如公式3所示：

W_ij＝θ₀+θ₁x₁+θ₂x₂+.....+θ_ix_i+.....+θ_nx_n   (公式3)

公式3中，θ₀用于调整距离加权系数W_ij的大小，数值可以根据试验得到；公式3中的X_i表示第一类特征X_i对应的归一化后的特征差值。n表示第一类特征的个数。

图5是根据一示例性实施例示出的一种人脸识别装置的框图，该装置应用于移动终端或服务器中。如图5所示，该装置包括：第一获取单元510、第二获取单元520、第三获取单元530、第四获取单元540和判断单元550。

该第一获取单元510被配置为，从包含人脸的图片中，获取第一类特征。

其中，所述第一类特征包括人物的性别、年龄、种族、衣服、眼镜信息、人脸在图片中的位置、图片的拍摄时间和连拍信息中的任意一个或任意多个组合。

当第一类特征中包括人脸在图片中的位置时，该第一获取单元510可以包括：人脸位置获取子单元和距离获取子单元。

该人脸位置获取子单元被配置为，当判断出两个包含人脸的图片所包含的人脸个数相同，且两个所述图片的拍摄时间之间的差值在第一预设范围内时，获取两个所述图片各自包含的人脸的位置。

该距离获取子单元被配置为，根据分别属于两个所述图片的人脸的位置之间的距离，得到所述人脸在图片中的位置对应的特征值。

该第二获取单元520被配置为，根据所述第一获取单元510获得的第一类特征，获取分别属于两个图片的任意两个人脸之间的距离加权系数。

在本公开一示例性实施例中，所述第二获取单元包括：第一获取子单元、第一计算子单元、归一化子单元和第二计算子单元。

该第一获取子单元被配置为，获取所述第一类特征对应的特征值。

该第一计算子单元被配置为，计算所述第一获取子单元获得的两个人脸的所述第一类特征的特征值之间的绝对差值。

该归一化子单元被配置为，将所述第一计算子单元计算得到的绝对差值归一化到预设区间内，得到归一化特征差值。

该第二计算子单元被配置为，根据所述归一化子单元得到的归一化特征差值及预先获得的特征系数，计算所述两个人脸之间的所述距离加权系数。

其中，该第二计算子单元包括：第三计算子单元和第一累加子单元。

该第三计算子单元被配置为，计算同一个所述第一类特征对应的所述归一化特征差值与对应的特征系数之间的乘积。

该第一累加子单元被配置为，当所述第一类特征包含多个不同的特征时，根据多个所述特征对应的所述第三计算子单元计算得到的乘积的累加和得到所述两个人脸之间的距离加权系数。

该第三获取单元530被配置为，获取所述两个人脸之间的距离。

该第四获取单元540被配置为，根据所述第三获取单元530获得的两个人脸之间的距离和所述第二获取单元520获得的相应的距离加权系数，得到所述两个人脸之间的加权相似度。

在本公开一示例性实施例中，该第四获取单元540可以包括乘法运算子单元。

该乘法运算子单元被配置为，根据所述第三获取单元530获得的两个人脸之间的距离及对应的第一距离加权系数的乘积，得到所述两个人脸之间的加权相似度。

本实施例中的第一距离加权系数大于等于0，且小于等于第一预设值，所述第一预设值是大于1的数值。可选地，W_ij可以取1附近的数值例如，0.8、1.5、2。若W_ij＞1，增大两个人脸的相似度；若W_ij＜1，降低两个人脸的相似度；若W_ij＝1，表明对人脸的相似度没有影响。

在本公开另一示例性实施例中，所述第四获取单元540可以包括第二累加子单元；

该第二累加子单元被配置为，根据所述第三获取单元530获得的两个人脸之间的距离及对应的第二距离加权系数的和，得到所述两个人脸之间的加权相似度。

该判断单元550被配置为，利用所述第四获取单元540得到的两个人脸之间的加权相似度，判断所述两个人脸是否属于同一个人。

利用本实施例提供的所述人脸识别装置在对图片中的人脸进行识别时，不仅考虑两个人脸的五官和脸型之间的相似性，还根据图片中所包含的第一类特征对人脸相似性进行衡量，这样，增加同一个人在不同情况下的人脸的相似度，而且，降低了不同人的人脸之间的相似度。从而，提高了人脸识别的准确率。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

图6是根据一示例性实施例示出的一种用于人脸识别的装置800的框图。例如，装置800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

如图6所示，装置800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。

处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。

存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。

多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。

I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到装置800的打开/关闭状态，组件的相对定位，例如所述组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器804，上述指令可由装置800的处理器820执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

一种非临时性计算机可读存储介质，当所述存储介质中的指令由移动终端的处理器执行时，使得终端设备能够执行一种人脸识别方法，所述方法包括：

从包含人脸的图片中，获取第一类特征；

根据所述第一类特征，获取分别属于两个图片的任意两个人脸之间的距离加权系数；

获取所述两个人脸之间的距离；

根据所述两个人脸之间的距离和相应的距离加权系数，得到所述两个人脸之间的加权相似度；

利用所述两个人脸之间的所述加权相似度，判断所述两个人脸是否属于同一个人；

其中，所述第一类特征包括人物的性别、年龄、种族、衣服、眼镜信息、人脸在图片中的位置、图片的拍摄时间和连拍信息中的任意一个或任意多个组合。

图7是根据一示例性实施例示出的一种用于人脸识别的装置1900的框图。例如，装置1900可以被提供为一服务器。如图7所示，装置1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述图1～图2所示的方法实施例。

装置1900还可以包括一个电源组件1926被配置为执行装置1900的电源管理，一个有线或无线网络接口1950被配置为将装置1900连接到网络，和一个输入输出(I/O)接口1958。装置1900可以操作基于存储在存储器1932的操作系统，例如WindowsServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。

应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (11)

1.一种人脸识别方法，其特征在于，包括：

从包含人脸的图片中，获取第一类特征；

根据所述第一类特征，获取分别属于两个图片的任意两个人脸之间的距离加权系数；

获取所述两个人脸之间的距离；

根据所述两个人脸之间的距离和相应的距离加权系数，得到所述两个人脸之间的加权相似度；

利用所述两个人脸之间的所述加权相似度，判断所述两个人脸是否属于同一个人；

其中，所述第一类特征包括人物的性别、年龄、种族、衣服、眼镜信息、人脸在图片中的位置、图片的拍摄时间和连拍信息中的任意一个或任意多个组合。

2.根据权利要求1所述的方法，其特征在于，所述根据所述第一类特征，获取分别属于两个图片的任意两个人脸之间的距离加权系数，包括：

获取所述第一类特征对应的特征值；

计算所述两个人脸的所述第一类特征的特征值之间的绝对差值；

将所述绝对差值归一化到预设区间内，得到归一化特征差值；

根据所述第一类特征的归一化特征差值及预先获得的相应的特征系数，计算所述两个人脸之间的所述距离加权系数。

3.根据权利要求2所述的方法，其特征在于，根据所述归一化特征差值及预先获得的相应的特征系数，计算所述两个人脸之间的所述距离加权系数，包括：

计算同一个所述第一类特征对应的所述归一化特征差值与对应的特征系数之间的乘积；

当所述第一类特征包含多个不同的特征时，根据多个所述特征对应的所述乘积的累加和得到所述两个人脸之间的距离加权系数。

4.根据权利要求1所述的方法，其特征在于，所述两个人脸之间的距离加权系数包括第一距离加权系数和第二距离加权系数；其中，所述第一距离加权系数大于等于0，且小于等于第一预设值，所述第一预设值大于1；所述第二距离加权系数大于等于-1，且小于等于1；

所述根据两个人脸之间的距离和相应的距离加权系数，得到所述两个人脸之间的加权相似度，包括：

根据两个人脸之间的距离及对应的第一距离加权系数的乘积，得到所述两个人脸之间的加权相似度；

或者，

根据两个人脸之间的距离及对应的第二距离加权系数的和，得到所述两个人脸之间的加权相似度。

5.根据权利要求1所述的方法，其特征在于，当所述第一类特征包含人脸在图片中的位置时，所述从包含人脸的图片中，获取第一类特征，包括：

当判断出两个包含人脸的图片所包含的人脸个数相同，且两个所述图片的拍摄时间之间的差值在第一预设范围内时，获取两个所述图片各自包含的人脸的位置；

根据分别属于两个所述图片的人脸的位置之间的距离，得到所述人脸在图片中的位置对应的特征值。

6.一种人脸识别装置，其特征在于，包括：

第一获取单元，用于从包含人脸的图片中，获取第一类特征；

第二获取单元，用于根据所述第一类特征，获取分别属于两个图片的任意两个人脸之间的距离加权系数；

第三获取单元，用于获取所述两个人脸之间的距离；

第四获取单元，用于根据所述两个人脸之间的距离和相应的距离加权系数，得到所述两个人脸之间的加权相似度；

判断单元，用于利用所述两个人脸之间的所述加权相似度，判断所述两个人脸是否属于同一个人；

其中，所述第一类特征包括人物的性别、年龄、种族、衣服、眼镜信息、人脸在图片中的位置、图片的拍摄时间和连拍信息中的任意一个或任意多个组合。

7.根据权利要求6所述的装置，其特征在于，所述第二获取单元，包括：

第一获取子单元，用于获取所述第一类特征对应的特征值；

第一计算子单元，用于计算所述两个人脸的所述第一类特征的特征值之间的绝对差值；

归一化子单元，用于将所述绝对差值归一化到预设区间内，得到归一化特征差值；

第二计算子单元，用于根据所述第一类特征的归一化特征差值及预先获得的相应的特征系数，计算所述两个人脸之间的所述距离加权系数。

8.根据权利要求7所述的装置，其特征在于，所述第二计算子单元，包括：

第三计算子单元，用于计算同一个所述第一类特征对应的所述归一化特征差值与对应的特征系数之间的乘积；

第一累加子单元，用于当所述第一类特征包含多个不同的特征时，根据多个所述特征对应的所述乘积的累加和得到所述两个人脸之间的距离加权系数。

9.根据权利要求6所述的装置，其特征在于，所述两个人脸之间的距离加权系数包括第一距离加权系数和第二距离加权系数；其中，所述第一距离加权系数大于等于0，且小于等于第一预设值，所述第一预设值大于1；所述第二距离加权系数大于等于-1，且小于等于1；

所述第四获取单元，包括：

乘法运算子单元，用于根据两个人脸之间的距离及对应的第一距离加权系数的乘积，得到所述两个人脸之间的加权相似度；

或者，

第二累加子单元，用于根据两个人脸之间的距离及对应的第二距离加权系数的和，得到所述两个人脸之间的加权相似度。

10.根据权利要求6所述的装置，其特征在于，当所述第一类特征包含人脸在图片中的位置时，所述第一获取单元包括：

人脸位置获取子单元，用于当判断出两个包含人脸的图片所包含的人脸个数相同，且两个所述图片的拍摄时间之间的差值在第一预设范围内时，获取两个所述图片各自包含的人脸的位置；

距离获取子单元，用于根据分别属于两个所述图片的人脸的位置之间的距离，得到所述人脸在图片中的位置对应的特征值。

11.一种终端设备，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

从包含人脸的图片中，获取第一类特征；

根据所述第一类特征，获取分别属于两个图片的任意两个人脸之间的距离加权系数；

获取所述两个人脸之间的距离；

根据所述两个人脸之间的距离和相应的距离加权系数，得到所述两个人脸之间的加权相似度；

利用所述两个人脸之间的所述加权相似度，判断所述两个人脸是否属于同一个人；

其中，所述第一类特征包括人物的性别、年龄、种族、衣服、眼镜信息、人脸在图片中的位置、图片的拍摄时间和连拍信息中的任意一个或任意多个组合。