人脸识别方法、装置及计算机可读存储介质.pdf

《人脸识别方法、装置及计算机可读存储介质.pdf》由会员分享，可在线阅读，更多相关《人脸识别方法、装置及计算机可读存储介质.pdf（17页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 202011292078.7 (22)申请日 2020.11.18 (71)申请人 鹏城实验室 地址 518000 广东省深圳市南山区兴科一 街2号 (72)发明人 方俊彬陈肇杰蒋琳 (74)专利代理机构 深圳市世纪恒程知识产权代 理事务所 44287 代理人 薛福玲 (51)Int.Cl. G06K 9/00(2006.01) G06K 9/20(2006.01) (54)发明名称 人脸识别方法、 装置及计算机可读存储介质 (57)摘要 本发明公开了一种人脸识别方法、 装置及计。

2、 算机可读存储介质， 所述人脸识别方法包括： 通 过获取干扰信息； 将干扰信息调制为光强控制信 号， 并将光强控制信号发送至照明装置， 以使照 明装置按照光强控制信号调整光强度； 获取摄像 头检测到的人脸图像， 所述人脸图像包括所述照 明装置的光强度信息； 根据人脸图像进行人脸识 别。 本发明有利于提高人脸识别系统的安全性。 权利要求书1页 说明书8页 附图7页 CN 112115925 A 2020.12.22 CN 112115925 A 1.一种人脸识别方法， 其特征在于， 所述人脸识别方法包括： 获取干扰信息； 将所述干扰信息调制为光强控制信号， 并将所述光强控制信号发送至照明装置， 。

3、以使 所述照明装置按照所述光强控制信号调整光强度； 获取摄像头检测到的人脸图像， 所述人脸图像包括所述照明装置的光强度信息； 根据所述人脸图像进行人脸识别。 2.如权利要求1所述的人脸识别方法， 其特征在于， 所述获取干扰信息的步骤包括： 确定干扰类型； 根据所述干扰类型， 获取所述干扰信息。 3.如权利要求2所述的人脸识别方法， 其特征在于， 所述根据所述干扰类型， 获取所述 干扰信息的步骤包括： 在所述干扰类型为粗明暗条纹时， 生成长游程的干扰信息。 4.如权利要求2所述的人脸识别方法， 其特征在于， 所述根据所述干扰类型， 获取所述 干扰信息的步骤包括： 在所述干扰类型为细明暗条纹时， 。

4、生成短游程的干扰信息。 5.如权利要求1至4任一项所述的人脸识别方法， 其特征在于， 所述将所述干扰信息调 制为光强控制信号的步骤包括： 根据所述干扰信息， 确定所述干扰信息中的光强度与时间点的曲线变化关系； 根据所述曲线变化关系， 生成高低电平的所述光强控制信号。 6.如权利要求5所述的人脸识别方法， 其特征在于， 所述根据所述人脸图像进行人脸识 别的步骤之后， 还包括： 确定所述人脸图像的第一图像梯度； 将所述第一图像梯度与预存的第二图像梯度进行对比， 得到比对的结果； 根据所述比对的结果， 确定人脸识别结果。 7.如权利要求6所述的人脸识别方法， 其特征在于， 所述根据所述比对的结果， 。

5、确定人 脸识别结果的步骤包括： 在所述第一图像梯度与所述第二图像梯度相似度大于等于预设值时， 确定人脸识别成 功； 在所述第一图像梯度与所述第二图像梯度相似度低于所述预设值时， 确定人脸识别失 败。 8.如权利要求6或7所述的人脸识别方法， 其特征在于， 所述据所述比对的结果， 确定人 脸识别结果的步骤之后， 还包括： 输出所述人脸识别结果。 9.一种人脸识别方法装置， 其特征在于， 所述人脸识别方法装置包括： 采集模块、 照明 模块、 存储器、 处理器及存储在所述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如权利要求1至8中任一项所述的人脸识别方法的步骤。 。

6、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上存储有计算机 程序， 所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的人脸识别方法 的步骤。 权利要求书 1/1 页 2 CN 112115925 A 2 人脸识别方法、 装置及计算机可读存储介质 技术领域 0001 本发明涉及图像识别领域， 尤其涉及一种人脸识别方法、 装置及计算机可读存储 介质。 背景技术 0002 针对人脸识别系统的干扰。 呈现攻击使用照片、 3D人脸面具等设备伪造人脸从而 欺骗人脸识别系统， 其操作简单、 成本低廉、 技术门槛低、 干扰效果好， 但目前已有多种针对 该干扰方法的检测方案，。

7、 目前针对人脸识别方法在实用场景中对人脸识别系统的威胁性较 低， 已难以帮助人脸识别系统进一步突破安全性的瓶颈。 发明内容 0003 本发明实施例通过提供一种人脸识别方法、 装置及计算机可读存储介质， 旨在解 决目前针对呈现攻击方法在实用场景中对人脸识别系统的威胁性较低， 已难以帮助人脸识 别系统进一步突破安全性的瓶颈问题。 0004 本发明实施例的第一方面提供一种人脸识别方法， 所述人脸识别方法包括： 获取干扰信息； 将所述干扰信息调制为光强控制信号， 并将所述光强控制信号发送至照明装置， 以使 所述照明装置按照所述光强控制信号调整光强度； 获取摄像头检测到的人脸图像， 所述人脸图像包括所述。

8、照明装置的光强度信息； 根据所述人脸图像进行人脸识别。 0005 在一实施例中， 所述获取干扰信息的步骤包括： 确定干扰类型； 根据所述干扰类型， 获取所述干扰信息。 0006 在一实施例中， 所述根据所述干扰类型， 获取所述干扰信息的步骤包括： 在所述干扰类型为粗明暗条纹时， 生成长游程的干扰信息。 0007 在一实施例中， 所述根据所述干扰类型， 获取所述干扰信息的步骤包括： 在所述干扰类型为细明暗条纹时， 生成短游程的干扰信息。 0008 在一实施例中， 所述将所述干扰信息调制为光强控制信号的步骤包括： 根据所述干扰信息， 确定所述干扰信息中的光强度与时间点的曲线变化关系； 根据所述曲线。

9、变化关系， 生成高低电平的所述光强控制信号。 0009 在一实施例中， 所述根据所述人脸图像进行人脸识别的步骤之后， 还包括： 确定所述人脸图像的第一图像梯度； 将所述第一图像梯度与预存的第二图像梯度进行对比， 得到比对的结果； 根据所述比对的结果， 确定人脸识别结果。 0010 在一实施例中， 所述根据所述比对的结果， 确定人脸识别结果的步骤包括： 在所述第一图像梯度与所述第二图像梯度相似度大于等于预设值时， 确定人脸识别成 说明书 1/8 页 3 CN 112115925 A 3 功； 在所述第一图像梯度与所述第二图像梯度相似度低于所述预设值时， 确定人脸识别失 败。 0011 在一实施例。

10、中， 所述据所述比对的结果， 确定人脸识别结果的步骤之后， 还包括： 输出所述人脸识别结果。 0012 为实现上述目的， 本发明提供了一种人脸识别装置， 所述人脸识别装置包括： 存储 器、 处理器及存储在所述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如上所述的人脸识别方法的各个步骤。 0013 为实现上述目的， 本发明提供了一种计算机可读存储介质， 所述计算机可读存储 介质上存储有计算机程序， 所述计算机程序被处理器执行时实现如上所述的人脸识别方法 的各个步骤。 0014 本发明提供的人脸识别方法、 装置及计算机可读存储介质， 通过获取干扰信息； 将 所述干。

11、扰信息调制为光强控制信号， 并将所述光强控制信号发送至照明装置， 以使所述照 明装置按照所述光强控制信号调整光强度； 获取摄像头检测到的人脸图像， 所述人脸图像 包括所述照明装置的光强度信息； 根据所述人脸图像进行人脸识别。 由于人脸识别装置在 进行人脸识别之前， 先在采集人脸图像阶段植入干扰信息， 以对携带干扰信息的人脸图像 中的人脸信息进行识别， 通过克服该干扰信息， 可以提高人脸识别系统的安全性。 附图说明 0015 为了更清楚地说明本发明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 发明的一些实施。

12、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。 0016 图1为本发明实施例涉及的人脸识别装置的硬件架构示意图； 图2为本发明人脸识别方法第一实施例的流程示意图； 图3为本发明人脸识别方法第二实施例的流程示意图； 图4为本发明人脸识别方法第三实施例的流程示意图； 图5为本发明人脸识别方法第四实施例的流程示意图； 图6为本发明人脸识别方法第五实施例的流程示意图； 图7为本发明人脸识别方法第六实施例的流程示意图； 图8为本发明人脸识别方法第七实施例的步骤70的细化流程示意图； 图9为本发明人脸识别方法第八实施例的流程示意图。 具体实施方式 0。

13、017 为了更好的理解上述技术方案， 下面将参照附图更详细地描述本公开的示例性实 施例。 虽然附图中显示了本公开的示例性实施例， 然而应当理解， 可以以各种形式实现本公 开而不应被这里阐述的实施例所限制。 相反， 提供这些实施例是为了能够更透彻地理解本 公开， 并且能够将本公开的范围完整的传达给本领域的技术人员。 0018 本发明的主要解决方案是： 本发明提供的人脸识别方法、 装置及计算机可读存储 说明书 2/8 页 4 CN 112115925 A 4 介质， 通过获取干扰信息； 将所述干扰信息调制为光强控制信号， 并将所述光强控制信号发 送至照明装置， 以使所述照明装置按照所述光强控制信号。

14、调整光强度； 获取摄像头检测到 的人脸图像， 所述人脸图像包括所述照明装置的光强度信息； 根据所述人脸图像进行人脸 识别。 0019 由于人脸识别装置在进行人脸识别之前， 先在采集人脸图像阶段植入干扰信息， 以对携带干扰信息的人脸图像中的人脸信息进行识别， 通过攻克该干扰信息， 可以提高人 脸识别安全性的瓶颈。 0020 参照图1， 图1为本发明实施例涉及的人脸识别装置的硬件架构示意图。 0021 本发明实施例方案涉及的是控制器， 控制器包括： 处理器101， 例如CPU， 存储器 102， 通信总线103、 采集模块104、 照明模块105。 其中， 通信总线103用于实现这些组件之间 的连。

15、接通信。 0022 存 储 器 1 0 2 可 以 是 高 速 R A M 存 储 器 ， 也 可 以 是 稳 定 的 存 储 器（n o n - volatilememory） ， 例如磁盘存储器。 如图1所述， 作为一种计算机存储介质的存储器中可以 包括检测程序； 而处理器101可以用于调用存储器102中存储的检测程序， 并执行以下操作： 获取干扰信息； 将所述干扰信息调制为光强控制信号， 并将所述光强控制信号发送至照明装置， 以使 所述照明装置按照所述光强控制信号调整光强度； 获取摄像头检测到的人脸图像， 所述人脸图像包括所述照明装置的光强度信息； 根据所述人脸图像进行人脸识别。 002。

16、3 在一实施例中， 处理器101可以用于调用存储器102中存储的检测程序， 并执行以 下操作： 确定干扰类型； 根据所述干扰类型， 获取所述干扰信息。 0024 在一实施例中， 处理器101可以用于调用存储器102中存储的检测程序， 并执行以 下操作： 在所述干扰类型为粗明暗条纹时， 生成长游程的干扰信息。 0025 在一实施例中， 处理器101可以用于调用存储器102中存储的检测程序， 并执行以 下操作： 在所述干扰类型为细明暗条纹时， 生成短游程的干扰信息。 0026 在一实施例中， 处理器101可以用于调用存储器102中存储的检测程序， 并执行以 下操作： 根据所述干扰信息， 确定所述干。

17、扰信息中的光强度与时间点的曲线变化关系； 根据所述曲线变化关系， 生成高低电平的所述光强控制信号。 0027 在一实施例中， 处理器101可以用于调用存储器102中存储的检测程序， 并执行以 下操作： 确定所述人脸图像的第一图像梯度； 将所述第一图像梯度与预存的第二图像梯度进行对比， 得到比对的结果； 根据所述比对的结果， 确定人脸识别结果。 0028 在一实施例中， 处理器101可以用于调用存储器102中存储的检测程序， 并执行以 说明书 3/8 页 5 CN 112115925 A 5 下操作： 在所述第一图像梯度与所述第二图像梯度相似度大于等于预设值时， 确定人脸识别成 功； 在所述第一。

18、图像梯度与所述第二图像梯度相似度低于所述预设值时， 确定人脸识别失 败。 0029 在一实施例中， 处理器101可以用于调用存储器102中存储的检测程序， 并执行以 下操作： 输出所述人脸识别结果。 0030 在本实施例提供的技术方案中， 通过获取干扰信息； 将所述干扰信息调制为光强 控制信号， 并将所述光强控制信号发送至照明装置， 以使所述照明装置按照所述光强控制 信号调整光强度； 获取摄像头检测到的人脸图像， 所述人脸图像包括所述照明装置的光强 度信息； 根据所述人脸图像进行人脸识别。 由于人脸识别装置在进行人脸识别之前， 先在采 集人脸图像阶段植入干扰信息， 以对携带干扰信息的人脸图像中。

19、的人脸信息进行识别， 通 过攻克该干扰信息， 可以提高人脸识别安全性的瓶颈。 0031 为了更好的理解上述技术方案， 下面将结合说明书附图以及具体的实施方式对上 述技术方案进行详细的说明。 0032 参照图2， 图2为本发明人脸识别方法的第一实施例， 所述人脸识别方法包括以下 步骤： 步骤S10， 获取干扰信息。 0033 针对人脸识别系统的攻击包括呈现攻击和对抗性攻击。 呈现攻击使用照片、 3D人 脸面具等设备伪造人脸从而欺骗人脸识别系统， 其操作简单、 成本低廉、 技术门槛低、 攻击 效果好， 但目前已有多种针对该攻击方法的呈现攻击检测方案被相继提出并完善， 简单的 呈现攻击已难以逃避检测。

20、技术。 对抗性攻击是一种新型的攻击方法， 它利用人工智能算法 上的漏洞， 精心构造输入样本， 即使人眼可以察觉到异样， 也能够误导人脸识别系统， 产生 很好的攻击效果。 例如： 对抗性眼镜、 对抗性贴纸等。 实验证明， 使用者戴上 “对抗性眼镜” 或 贴上 “对抗性贴纸” 后， 人脸识别系统将会错误判定使用者的身份。 0034 在本实施例中， 可选的， 本发明的人脸识别装置包括但不限于干扰信息输入模块、 干扰信息植入及信号调制模块、 照明驱动模块、 照明灯具、 采集模块以及人脸识别系统， 其 中， 干扰信息输入模块、 干扰信息植入模及信号调整模块、 照明驱动模块以及人脸识别系统 均处于上述人脸。

21、识别装置的处理器中， 上述干扰信息输入模块与干扰信息植入及信号调制 模块相连， 干扰信息植入及信号调制模块又与照明驱动模块、 照明灯具相连， 将植入干扰信 息的发送信号调制到照明灯具上发出人眼察觉不到的高速明暗闪烁光信号。 通过信号调制 模块调制照明灯光， 在人脸识别系统的图像采集阶段有规律地植入攻击梯度信息， 从而使 得人脸识别系统无法检测人脸甚至无法识别不同的人脸， 从而实现拒绝服务攻击和逃逸攻 击。 上述干扰信息可为但不限于将植入攻击信息的发送信号调制到照明灯具上发出人眼察 觉不到的高速明暗闪烁光信号， 例如LED照明灯具。 0035 步骤S20， 将所述干扰信息调制为光强控制信号， 并。

22、将所述光强控制信号发送至照 明装置， 以使所述照明装置按照所述光强控制信号调整光强度。 0036 在本实施例中， 上述干扰信息可通过干扰信息输入模块以数字信息的形式输入攻 说明书 4/8 页 6 CN 112115925 A 6 击人脸识别装置， 即人类识别系统。 0037 步骤S30， 获取摄像头检测到的人脸图像， 所述人脸图像包括所述照明装置的光强 度信息。 0038 在本实施例的技术方案中， 所述摄像头即为采集模块， 摄像头用于获取人脸识别 系统所需要的人脸图像， 同时接收LED照明灯具所发出的高速明暗闪烁光信号， 所获取的高 速明暗闪烁光信号在图像上形成明暗条纹， 摄像头在对人脸进行拍。

23、照时， 由于卷帘快门效 应， 因此获得的一帧图片包含不同时刻的信号。 因此， 在摄像头所获得的人脸图像中， 所植 入的干扰信息表现为叠加在人脸图像上的明暗条纹， 由于上述步骤已经植入干扰信息， 所 以， 理论上该步骤通过摄像头采集到的人脸图像已经被植入干扰信息。 0039 步骤S40， 根据所述人脸图像进行人脸识别。 0040 在本实施例中， 所叠加的明暗条纹会在人脸图像上产生了额外的梯度信息， 从而 对人脸识别系统的人脸检测单元、 特征提取单元等产生干扰作用， 可导致人脸检测单元失 效从而实现拒绝服务攻击， 或降低人脸图像差异度从而实现逃逸攻击， 对上述摄像头采集 到的人脸图像进行人脸识别，。

24、 可选的， 可通过人脸识别结果确定人脸识别系统的安全性。 0041 在本实施例的技术方案中， 通过获取干扰信息； 将所述干扰信息调制为光强控制 信号， 并将所述光强控制信号发送至照明装置， 以使所述照明装置按照所述光强控制信号 调整光强度； 获取摄像头检测到的人脸图像， 所述人脸图像包括所述照明装置的光强度信 息； 根据所述人脸图像进行人脸识别。 由于人脸识别装置在进行人脸识别之前， 先在采集人 脸图像阶段植入干扰信息， 以对携带干扰信息的人脸图像中的人脸信息进行识别， 通过克 服该干扰信息， 可以提高人脸识别系统的安全性。 0042 参照图3， 图3为本发明人脸识别方法的第二实施例， 基于第。

25、一实施例， 所述步骤 S10包括： 步骤S11， 确定干扰类型。 0043 在本实施例中， 干扰类型包括但不限于拒绝服务攻击和逃逸攻击， 逃逸攻击是指 攻击者在不改变目标机器学习系统的情况下， 通过构造特定输入样本以完成欺骗目标系统 的攻击。 例如， 攻击者可以修改一个恶意软件样本的非关键特征， 使得它被一个反病毒系统 判定为良性样本， 从而绕过检测。 攻击者为实施逃逸攻击而特意构造的样本通常被称为 “对 抗样本” 。 只要一个机器学习模型没有完美地学到判别规则， 攻击者就有可能构造对抗样本 用以欺骗机器学习系统。 例如， 研究者一直试图在计算机上模仿人类视觉功能， 但由于人类 视觉机理过于复。

26、杂， 两个系统在判别物体时依赖的规则存在一定差异。 对抗图片恰好利用 这些差异使得机器学习模型得出和人类视觉截然不同的结果。 一个著名的逃逸样本是Ian Goodfellow在2015年ICLR会议上用过的熊猫与长臂猿分类的例子。 被攻击目标是一个来谷 歌的深度学习研究系统。 该系统利用卷积神经元网络能够精确区分熊猫与长臂猿等图片。 但是攻击者可以对熊猫图片增加少量干扰， 生成的图片对人来讲仍然可以清晰地判断为熊 猫， 但深度学习系统会误认为长臂猿。 0044 步骤S12， 根据所述干扰类型， 获取所述干扰信息。 0045 在本实施例中， 根据需要干扰的人脸识别系统以及拟实施的干扰类型， 计算。

27、所需 要植入的攻击信息， 上述干扰类型和攻击信息为预先进行关联的绑定关系， 在确定干扰类 型可迅速生成干扰信息。 说明书 5/8 页 7 CN 112115925 A 7 0046 在本实施例的技术方案中， 通过确定将干扰类型和干扰信息进行关联， 可在确定 干扰类型后， 迅速生成干扰信息， 提供了本实施例人脸识别方法的执行效率。 0047 参照图4， 图4为本发明人脸识别方法的第三实施例， 基于第二实施例， 所述步骤 S12包括： 步骤S121， 在所述干扰类型为粗明暗条纹时， 生成长游程的干扰信息。 0048 在本实施例的技术方案中， 如果要实施拒绝服务攻击， 则可选择长连0比特较多的 攻击。

28、信息片段， 既使用长游程的干扰信息， 该类型的干扰信息可使得摄像头在成像时植入 较粗的条纹信息， 使得成像后的人脸图像出现粗条纹， 相对于短游程的干扰信息所植入的 细条纹信息， 识别难度更高， 若人脸识别系统能识别出长游程的人脸图像， 则可认为该人脸 识别系统的稳定性更高， 通过植入更契合拒绝服务攻击的长游程的干扰信息， 有利于提高 对人脸识别系统实施拒绝服务攻击的成功率。 0049 参照图5， 图5为本发明人脸识别方法的第四实施例， 基于第二实施例， 所述步骤 S12包括： 步骤S122， 在所述干扰类型为细明暗条纹时， 生成短游程的干扰信息。 0050 在本实施例的技术方案中， 当干扰类型。

29、为细明暗条纹时， 则选择短连0比特较少的 攻击信息片段， 既使用短游程的干扰信息， 该类型的干扰信息可使得摄像头在成像时植入 较细的条纹信息， 使得成像后的人脸图像出现细条纹， 相对于长游程的干扰信息所植入的 粗条纹信息， 识别难度较弱， 契合实施逃逸攻击所需的条件， 进而有利于提高对人脸识别系 统实施逃逸攻击的成功率。 0051 参照图6， 图6为本发明人脸识别方法的第五实施例， 基于第一至第四任一实施例， 所述步骤S20包括： 步骤S21， 根据所述干扰信息， 确定所述干扰信息中的光强度与时间点的曲线变化关 系。 0052 步骤S22， 根据所述曲线变化关系， 生成高低电平的所述光强控制信。

30、号。 0053 在本实施例中， 人脸识别装置中的干扰信息植入及信号调制模块将所计算得到的 干扰信息转化为高低电平的调制信号， 可用以下公式描述： ldcs (t)=LED (t) 其中， 上述公式中的ldc是照明灯光的亮度值， 既上述光强度， s (t)是随时间t变化的 要植入的数字信息， LED (t)是两者的合成信号， 是将加载在LED灯光上的调制信号， 且随时 间t变化； s (t)为二进制数字信号， 取值为 “0” 或 “1” ， 因此， LED (t)的取值为 “0” 或ldc。 0054 人脸识别装置中照明驱动模块， 用于将合成调制信号LED (t)驱动LED照明灯具发 光； LE。

31、D照明灯具的LED发光芯片受合成调制信号驱动发光， 从而实现照明功能， 同时以人眼 察觉不到的高速明暗闪烁信号隐蔽地广播干扰信息； 所述LED照明灯具的LED发光芯片是支 持高速调制的发光器件， 在合成调制信号LED (t)的控制下令LED发光芯片随时间t发出快 速明暗闪烁的照明光信号， 且照明光信号的快速明暗变化不为人的肉眼所察觉， 从而在照 明的同时隐蔽地广播所携带的干扰信息。 0055 在本实施例的技术方案中， 通过发送明隐蔽地广播干扰信息， 可以在人所不之前 的情况下对人脸识别系统进行干扰， 提高了干扰的强度， 进而提高看本实施例人脸识别安 全性的瓶颈。 说明书 6/8 页 8 CN 。

32、112115925 A 8 0056 参照图7， 图7为本发明人脸识别方法的第六实施例， 基于第一至第五任一实施例， 所述步骤S40之后， 还包括： 步骤S50， 确定所述人脸图像的第一图像梯度。 0057 步骤S60， 将所述第一图像梯度与预存的第二图像梯度进行对比， 得到比对的结 果。 0058 步骤S70， 根据所述比对的结果， 确定人脸识别结果。 0059 图像梯度可以把图像看成二维离散函数， 图像梯度其实就是这个二维离散函数的 求导： G(x,y) = dx(i,j) + dy(i,j)； dx(i,j) = I(i+1,j) - I(i,j) dy(i,j) = I(i,j+1) 。

33、- I(i,j) 图像梯度一般也可以用中值差分： dx(i,j) = I(i+1,j) - I(i-1,j)/2 dy(i,j) = I(i,j+1) - I(i,j-1)/2 其中， 上述公式中的G(x,y)为图像梯度， I是图像像素的值(如： RGB值)， (i,j)为像素的 坐标。 0060 图像边缘一般都是通过对图像进行梯度运算来实现的。 上面说的是简单的梯度定 义， 其实还有更多更复杂的梯度公式。 0061 在本实施例中， 第一图像梯度指的是采集到的人脸信息对应的人脸图像的图像梯 度， 二第二图像梯度为预存的携带干扰信息的样本人脸图像的图像剃度。 0062 在本实施例的技术方案中， 。

34、通过对图像梯度进行处理， 可快速确定人脸识别系统 处理的人脸信息是否提取于存在干扰信息的人脸图像， 避免出现人脸识别系统识别的人脸 图像未携带干扰信息确得出攻破了该干扰信息， 提高了本实施例人脸识别的准确性。 0063 参照图8， 图8为本发明人脸识别方法的第七实施例， 基于第一至第六实施例， 所述 步骤S70包括： 步骤S71， 在所述第一图像梯度与所述第二图像梯度相似度大于等于预设值时， 确定人 脸识别成功。 0064 步骤S72， 在所述第一图像梯度与所述第二图像梯度相似度低于所述预设值时， 确 定人脸识别失败。 0065 在本实施例的技术方案中， 通过与样本人脸图像的梯度值信息度， 可。

35、快速确定人 脸识别系统处理的人脸信息是否提取于存在干扰信息的人脸图像， 避免出现人脸识别系统 识别的人脸图像未携带干扰信息确得出攻破了该干扰信息， 提高了本实施例人脸识别的准 确性。 0066 参照图9， 图9为本发明人脸识别方法的第八实施例， 基于第一至第七实施例， 所述 步骤S40之后， 还包括： 步骤S80， 输出所述人脸识别结果。 0067 在本实施例的技术方案中， 人脸识别结果包括但不限于生成干扰成功、 干扰失败 以及安全系数的提示信息以提示人脸识别系统管理者， 进而可使管理员了解人脸识别系统 的安全性。 0068 为实现上述目的， 本发明提供了一种人脸识别装置， 所述人脸识别装置包。

36、括： 采集 说明书 7/8 页 9 CN 112115925 A 9 模块、 照明模块、 存储器、 处理器及存储在所述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如上所述的人脸识别方法的各个步骤。 0069 为实现上述目的， 本发明提供了一种计算机可读存储介质， 所述计算机可读存储 介质上存储有计算机程序， 所述计算机程序被处理器执行时实现如上所述的人脸识别方法 的各个步骤。 0070 本领域内的技术人员应明白， 本发明的实施例可提供为方法、 系统、 或计算机程序 产品。 因此， 本发明可采用完全硬件实施例、 完全软件实施例、 或结合软件和硬件方面的实 施例的。

37、形式。 而且， 本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机 可用存储介质 （包括但不限于磁盘存储器、 CD-ROM、 光学存储器等） 上实施的计算机程序产 品的形式。 0071 本发明是参照根据本发明实施例的方法、 设备 （系统） 、 和计算机程序产品的流程 图和 或方框图来描述的。 应理解可由计算机程序指令实现流程图和 或方框图中的每一流 程和 或方框、 以及流程图和 或方框图中的流程和 或方框的结合。 可提供这些计算机程序 指令到通用计算机、 专用计算机、 嵌入式处理机或其他可编程数据处理设备的处理器以产 生一个机器， 使得通过计算机或其他可编程数据处理设备的处理器执行的。

38、指令产生用于实 现在流程图一个流程或多个流程和 或方框图一个方框或多个方框中指定的功能的装置。 0072 这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特 定方式工作的计算机可读存储器中， 使得存储在该计算机可读存储器中的指令产生包括指 令装置的制造品， 该指令装置实现在流程图一个流程或多个流程和 或方框图一个方框或 多个方框中指定的功能。 0073 这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上， 使得在计 算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理， 从而在计算机或 其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和 或。

39、方框图一 个方框或多个方框中指定的功能的步骤。 0074 应当注意的是， 在权利要求中， 不应将位于括号之间的任何参考符号构造成对权 利要求的限制。 单词 “包含” 不排除存在未列在权利要求中的部件或步骤。 位于部件之前的 单词 “一” 或 “一个” 不排除存在多个这样的部件。 本发明可以借助于包括有若干不同部件的 硬件以及借助于适当编程的计算机来实现。 在列举了若干装置的单元权利要求中， 这些装 置中的若干个可以是通过同一个硬件项来具体体现。 单词第一、 第二、 以及第三等的使用不 表示任何顺序。 可将这些单词解释为名称。 0075 尽管已描述了本发明的优选实施例， 但本领域内的技术人员一旦。

40、得知了基本创造 性概念， 则可对这些实施例作出另外的变更和修改。 所以， 所附权利要求意欲解释为包括优 选实施例以及落入本发明范围的所有变更和修改。 0076 显然， 本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精 神和范围。 这样， 倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围 之内， 则本发明也意图包含这些改动和变型在内。 说明书 8/8 页 10 CN 112115925 A 10 图1 图2 说明书附图 1/7 页 11 CN 112115925 A 11 图3 说明书附图 2/7 页 12 CN 112115925 A 12 图4 说明书附图 3/7 页 13 CN 112115925 A 13 图5 说明书附图 4/7 页 14 CN 112115925 A 14 图6 说明书附图 5/7 页 15 CN 112115925 A 15 图7 说明书附图 6/7 页 16 CN 112115925 A 16 图8 图9 说明书附图 7/7 页 17 CN 112115925 A 17 。