对象的识别方法、装置及存储介质

摘要

本申请实施例提供了一种对象的识别方法、装置及存储介质，方法包括：获取待识别面部图像；确定出待识别面部图像与预设的多张面部图像中每张面部图像的相似度；判断多个相似度中的最大相似度是否大于预设的相似度阈值；若大于，确定最大相似度对应的第一面部图像中的第一对象与待识别面部图像中的对象为同一对象；若不大于，确定第一对象与待识别面部图像中的对象为不同的对象。实现了无需生物体征的采集设备也能够在各场景下识别出两个相似的对象。此外，也由于无需生物体征的采集设备，还降低了系统的成本。

权利要求

1.一种对象的识别方法，其特征在于，所述方法包括：

获取待识别面部图像；

确定出所述待识别面部图像与预设的多张面部图像中每张面部图像的相似度；

判断多个所述相似度中的最大相似度是否大于预设的相似度阈值；

若大于，确定所述最大相似度对应的第一面部图像中的第一对象与所述待识别面部图像中的对象为同一对象；若不大于，确定所述第一对象与所述待识别面部图像中的对象为不同的对象；

在判断多个所述相似度中的最大相似度是否大于预设的相似度阈值之前，所述方法还包括：获取第二面部图像，其中，所述第二面部图像中的第二对象与所述第一对象相似；

确定出所述第二面部图像与所述第一面部图像的第一相似度；

根据所述第一相似度、所述第一面部图像与所述第一面部图像的第二相似度、以及所述第二面部图像与所述第二面部图像的第三相似度，确定出所述相似度阈值，其中，所述第一相似度小于所述相似度阈值，所述第二相似度和所述第三相似度均大于等于所述相似度阈值。

2.根据权利要求1所述的对象的识别方法，其特征在于，在根据所述第一相似度、所述第一面部图像与所述第一面部图像的第二相似度、以及所述第二面部图像与所述第二面部图像的第三相似度，确定出所述相似度阈值之前，所述方法还包括：获取第三面部图像，其中，所述第三面部图像中的第三对象与所述第一对象相似；

确定出所述第三面部图像与所述第一面部图像的第四相似度；

对应的，根据所述第一相似度、所述第一面部图像与所述第一面部图像的第二相似度、以及所述第二面部图像与所述第二面部图像的第三相似度，确定出所述相似度阈值，包括：根据所述第一相似度、所述第二相似度、所述第三相似度、所述第四相似度、以及所述第三面部图像与所述第三面部图像的第五相似度，确定出所述相似度阈值，其中，所述第一相似度和所述第四相似度均小于所述相似度阈值，所述第二相似度、所述第三相似度和所述第五相似度均大于等于所述相似度阈值。

3.根据权利要求1所述的对象的识别方法，其特征在于，在确定出所述第二面部图像与所述第一面部图像的第一相似度之后，所述方法包括：将所述第二面部图像更新到所述多张面部图像中，获得更新后的所述多张面部图像。

4.根据权利要求3所述的对象的识别方法，其特征在于，在将所述第二面部图像更新到所述多张面部图像中，获得更新后的所述多张面部图像之后，以及在根据所述第一相似度、所述第一面部图像与所述第一面部图像的第二相似度、以及所述第二面部图像与所述第二面部图像的第三相似度，确定出所述相似度阈值之前，所述方法还包括：获取第三面部图像，其中，所述第三面部图像中的第三对象与所述第二对象相似；

确定出所述第三面部图像与所述第二面部图像的第四相似度；

对应的，根据所述第一相似度、所述第一面部图像与所述第一面部图像的第二相似度、以及所述第二面部图像与所述第二面部图像的第三相似度，确定出所述相似度阈值，包括：根据所述第一相似度、所述第二相似度、所述第三相似度、所述第四相似度、以及所述第三面部图像与所述第三面部图像的第五相似度，确定出所述相似度阈值，其中，所述第一相似度和所述第四相似度均小于所述相似度阈值，所述第二相似度、所述第三相似度和所述第五相似度均大于等于所述相似度阈值。

5.根据权利要求1所述的对象的识别方法，其特征在于，在确定出所述第二面部图像与所述第一面部图像的第一相似度之后，所述方法还包括：生成所述第一对象的相似度标识，其中，所述相似度标识用于表示所述第一对象具有相似的对象；

对应的，在确定出所述待识别面部图像与预设的多张面部图像中每张面部图像的相似度之后，以及在判断多个所述相似度中的最大相似度是否大于预设的相似度阈值之前，所述方法还包括：确定所述第一对象具有所述相似度标识。

6.一种对象的识别装置，其特征在于，所述装置包括：

图像获取模块，用于获取待识别面部图像；

图像处理模块，用于确定出所述待识别面部图像与预设的多张面部图像中每张面部图像的相似度；判断多个所述相似度中的最大相似度是否大于预设的相似度阈值；若大于，确定所述最大相似度对应的第一面部图像中的第一对象与所述待识别面部图像中的对象为同一对象；若不大于，确定所述第一对象与所述待识别面部图像中的对象为不同的对象；

在所述图像处理模块判断多个所述相似度中的最大相似度是否大于预设的相似度阈值之前，所述图像获取模块，还用于获取第二面部图像，其中，所述第二面部图像中的第二对象与所述第一对象相似；

所述图像处理模块，还用于确定出所述第二面部图像与所述第一面部图像的第一相似度；根据所述第一相似度、所述第一面部图像与所述第一面部图像的第二相似度、以及所述第二面部图像与所述第二面部图像的第三相似度，确定出所述相似度阈值，其中，所述第一相似度小于所述相似度阈值，所述第二相似度和所述第三相似度均大于等于所述相似度阈值。

7.根据权利要求6所述的对象的识别装置，其特征在于，在所述图像处理模块根据所述第一相似度、所述第一面部图像与所述第一面部图像的第二相似度、以及所述第二面部图像与所述第二面部图像的第三相似度，确定出所述相似度阈值之前，所述图像获取模块，还用于获取第三面部图像，其中，所述第三面部图像中的第三对象与所述第一对象相似；

所述图像处理模块，还用于确定出所述第三面部图像与所述第一面部图像的第四相似度；根据所述第一相似度、所述第二相似度、所述第三相似度、所述第四相似度、以及所述第三面部图像与所述第三面部图像的第五相似度，确定出所述相似度阈值，其中，所述第一相似度和所述第四相似度均小于所述相似度阈值，所述第二相似度、所述第三相似度和所述第五相似度均大于等于所述相似度阈值。

8.一种计算机可读储存介质，其特征在于，所述存储介质上存储有程序代码，当所述程序代码被所述计算机运行时，执行如权利要求1-5中任一权项所述的对象的识别方法。

说明书

对象的识别方法、装置及存储介质

技术领域

[0001] 本申请涉及图像处理技术领域，具体而言，涉及一种对象的识别方法、装置及存储介质。

背景技术

[0002] 在目前的面部识别系统中，为识别出两个相似对象例如双胞胎，其一般利用对象的生物体征例如虹膜、指纹等进行识别。利用生物体征虽然能够区分识别出多个相似对象，但这种方式需要在面部识别系统中增加特定的设备例如指纹传感器或虹膜传感器才能实现。然而在很多场景下，并不便于采集待识别对象的指纹、虹膜等生物特征，所以导致无法识别，并且因为要在面部识别系统上增加生物体征的采集设备，也导致整个系统的成本较高。

发明内容

[0003] 本申请在于提供一种对象的识别方法、装置及存储介质，以实现无需生物体征的采集设备也能够在各场景下区分识别出两个相似对象。

[0004] 第一方面，本申请实施例提供了一种对象的识别方法，所述方法包括：

[0005] 获取待识别面部图像；

[0006] 确定出所述待识别面部图像与预设的多张面部图像中每张面部图像的相似度；

[0007] 判断多个所述相似度中的最大相似度是否大于预设的相似度阈值；

[0008] 若大于，确定所述最大相似度对应的第一面部图像中的第一对象与所述待识别面部图像中的对象为同一对象；若不大于，确定所述第一对象与所述待识别面部图像中的对象为不同的对象。

[0009] 在本申请实施例中，由于在确定出最大相似度后，还可以将最大相似度与预设的相似度阈值比较。若最大相似度大于相似度阈值，则确定出待识别对象和第一对象为同一个对象，反之，则确定出待识别对象和第一对象为相似的对象。因此，实现了无需生物体征的采集设备也能够在各场景下识别出两个相似的对象。此外，也由于无需生物体征的采集设备，还降低了系统的成本。

[0010] 结合第一方面，在第一种可能的实现方式中，在判断多个所述相似度中的最大相似度是否大于预设的相似度阈值之前，所述方法还包括：

[0011] 获取第二面部图像，其中，所述第二面部图像中的第二对象与所述第一对象相似；

[0012] 确定出所述第二面部图像与所述第一面部图像的第一相似度；

[0013] 根据所述第一相似度、所述第一面部图像与所述第一面部图像的第二相似度、以及所述第二面部图像与所述第二面部图像的第三相似度，确定出所述相似度阈值，其中，所述第一相似度小于所述相似度阈值，所述第二相似度和所述第三相似度均大于等于所述相似度阈值。

[0014] 在本申请实施例中，由于确定出相似度阈值小于第一面部图像与自身的相似度和第二面部图像与自身的相似度，但大于等于第一面部图像与第二面部图像的相似度，使得确定出相似度阈值能够更准确的区分两个对象是同一对象还是相似的对象，提高了判断的准确度。

[0015] 结合第一方面的第一种可能的实现方式，在第二种可能的实现方式中，在根据所述第一相似度、所述第一面部图像与所述第一面部图像的第二相似度、以及所述第二面部图像与所述第二面部图像的第三相似度，确定出所述相似度阈值之前，所述方法还包括：

[0016] 获取第三面部图像，其中，所述第三面部图像中的第三对象与所述第一对象相似；

[0017] 确定出所述第三面部图像与所述第一面部图像的第四相似度；

[0018] 对应的，根据所述第一相似度、所述第一面部图像与所述第一面部图像的第二相似度、以及所述第二面部图像与所述第二面部图像的第三相似度，确定出所述相似度阈值，包括：

[0019] 根据所述第一相似度、所述第二相似度、所述第三相似度、所述第四相似度、以及所述第三面部图像与所述第三面部图像的第五相似度，确定出所述相似度阈值，其中，所述第一相似度和所述第四相似度均小于所述相似度阈值，所述第二相似度、所述第三相似度和所述第五相似度均大于等于所述相似度阈值。

[0020] 在本申请实施例中，在第三对象与第一对象相似的情况下，还可以重新确定出满足第一对象、第二对象和第三对象的相似度阈值，使得相似度阈值可以根据相似对象的变化而动态变化，保证了方案在相似对象变化的情况下，也能够准确区分识别出相似的对象。

[0021] 结合第一方面的第一种可能的实现方式，在第三种可能的实现方式中，在确定出所述第二面部图像与所述第一面部图像的第一相似度之后，所述方法包括：

[0022] 将所述第二面部图像更新到所述多张面部图像中，获得更新后的所述多张面部图像。

[0023] 在本申请实施例中，通过将第二对象的第二面部图像更新到多张面部图像，使得多张面部图中能够包含最新的面部图像，以便在对象识别时能够提供最新的数据，保证对象识别的准确性。

[0024] 结合第一方面的第三种可能的实现方式，在第四种可能的实现方式中，在将所述第二面部图像更新到所述多张面部图像中，获得更新后的所述多张面部图像之后，以及在根据所述第一相似度、所述第一面部图像与所述第一面部图像的第二相似度、以及所述第二面部图像与所述第二面部图像的第三相似度，确定出所述相似度阈值之前，所述方法还包括：

[0025] 获取第三面部图像，其中，所述第三面部图像中的第三对象与所述第二对象相似；

[0026] 确定出所述第三面部图像与所述第二面部图像的第四相似度；

[0027] 对应的，根据所述第一相似度、所述第一面部图像与所述第一面部图像的第二相似度、以及所述第二面部图像与所述第二面部图像的第三相似度，确定出所述相似度阈值，包括：

[0028] 根据所述第一相似度、所述第二相似度、所述第三相似度、所述第四相似度、以及所述第三面部图像与所述第三面部图像的第五相似度，确定出所述相似度阈值，其中，所述第一相似度和所述第四相似度均小于所述相似度阈值，所述第二相似度、所述第三相似度和所述第五相似度均大于等于所述相似度阈值。

[0029] 在本申请实施例中，在第三对象与第二对象相似的情况下，也可以重新确定出满足第一对象、第二对象和第三对象的相似度阈值，使得相似度阈值可以根据相似对象的变化而动态变化，保证了方案在相似对象变化的情况下，也能够准确区分识别出相似的对象。

[0030] 结合第一方面的第一种可能的实现方式，在第五种可能的实现方式中，在确定出所述第二面部图像与所述第一面部图像的第一相似度之后，所述方法还包括：

[0031] 生成所述第一对象的相似度标识，其中，所述相似度标识用于表示所述第一对象具有相似的对象；

[0032] 对应的，在确定出所述待识别面部图像与预设的多张面部图像中每张面部图像的相似度之后，以及在判断多个所述相似度中的最大相似度是否大于预设的相似度阈值之前，所述方法还包括：

[0033] 确定所述第一对象具有所述相似度标识。

[0034] 在本申请实施例中，通过为具有相似对象的第一对象生成对应的相似度标识，以实现在确定第一对象具有相似度标识时才进一步判断其相似度是否大于相似度阈值，以避免出现无效的判断。

[0035] 第二方面，本申请实施例提供了一种对象的识别装置，所述装置包括：

[0036] 图像获取模块，用于获取待识别面部图像；

[0037] 图像处理模块，用于确定出所述待识别面部图像与预设的多张面部图像中每张面部图像的相似度；判断多个所述相似度中的最大相似度是否大于预设的相似度阈值；若大于，确定所述最大相似度对应的第一面部图像中的第一对象与所述待识别面部图像中的对象为同一对象；若不大于，确定所述第一对象与所述待识别面部图像中的对象为不同的对象。

[0038] 结合第二方面，在第一种可能的实现方式中，在所述图像处理模块判断多个所述相似度中的最大相似度是否大于预设的相似度阈值之前，

[0039] 所述图像获取模块，还用于获取第二面部图像，其中，所述第二面部图像中的第二对象与所述第一对象相似；

[0040] 所述图像处理模块，还用于确定出所述第二面部图像与所述第一面部图像的第一相似度；根据所述第一相似度、所述第一面部图像与所述第一面部图像的第二相似度、以及所述第二面部图像与所述第二面部图像的第三相似度，确定出所述相似度阈值，其中，所述第一相似度小于所述相似度阈值，所述第二相似度和所述第三相似度均大于等于所述相似度阈值。

[0041] 结合第二方面的第一种可能的实现方式，在第二种可能的实现方式中，在所述图像处理模块根据所述第一相似度、所述第一面部图像与所述第一面部图像的第二相似度、以及所述第二面部图像与所述第二面部图像的第三相似度，确定出所述相似度阈值之前，[0042] 所述图像获取模块，还用于获取第三面部图像，其中，所述第三面部图像中的第三对象与所述第一对象相似；

[0043] 所述图像处理模块，还用于确定出所述第三面部图像与所述第一面部图像的第四相似度；根据所述第一相似度、所述第二相似度、所述第三相似度、所述第四相似度、以及所述第三面部图像与所述第三面部图像的第五相似度，确定出所述相似度阈值，其中，所述第一相似度和所述第四相似度均小于所述相似度阈值，所述第二相似度、所述第三相似度和所述第五相似度均大于等于所述相似度阈值。

[0044] 结合第二方面的第一种可能的实现方式，在第三种可能的实现方式中，在所述图像处理模块确定出所述第二面部图像与所述第一面部图像的第一相似度之后，[0045] 所述图像处理模块，还用于将所述第二面部图像更新到所述多张面部图像中，获得更新后的所述多张面部图像。

[0046] 结合第二方面的第三种可能的实现方式，在第四种可能的实现方式中，在所述图像处理模块将所述第二面部图像更新到所述多张面部图像中，获得更新后的所述多张面部图像之后，以及在所述图像处理模块根据所述第一相似度、所述第一面部图像与所述第一面部图像的第二相似度、以及所述第二面部图像与所述第二面部图像的第三相似度，确定出所述相似度阈值之前，

[0047] 所述图像获取模块，还用于获取第三面部图像，其中，所述第三面部图像中的第三对象与所述第二对象相似；

[0048] 所述图像处理模块，还用于确定出所述第三面部图像与所述第二面部图像的第四相似度；根据所述第一相似度、所述第二相似度、所述第三相似度、所述第四相似度、以及所述第三面部图像与所述第三面部图像的第五相似度，确定出所述相似度阈值，其中，所述第一相似度和所述第四相似度均小于所述相似度阈值，所述第二相似度、所述第三相似度和所述第五相似度均大于等于所述相似度阈值。

[0049] 结合第二方面的第一种可能的实现方式，在第五种可能的实现方式中，在所述图像处理模块确定出所述第二面部图像与所述第一面部图像的第一相似度之后，[0050] 所述图像处理模块，还用于生成所述第一对象的相似度标识，其中，所述相似度标识用于表示所述第一对象具有相似的对象；

[0051] 对应的，在所述图像处理模块确定出所述待识别面部图像与预设的多张面部图像中每张面部图像的相似度之后，以及在所述图像处理模块判断多个所述相似度中的最大相似度是否大于预设的相似度阈值之前，

[0052] 所述图像处理模块，还用于确定所述第一对象具有所述相似度标识。

[0053] 第三方面，本申请实施例提供了一种计算机可读储存介质，所述存储介质上存储有程序代码，当所述程序代码被所述计算机运行时，执行如第一方面或第一方面的任一种可能的实现方式所述的对象的识别方法。

[0054] 为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

[0055] 为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

[0056] 图1示出了本申请实施例提供的一种对象识别系统的第一结构框图；

[0057] 图2示出了本申请实施例提供的一种对象识别系统的第二结构框图；

[0058] 图3示出了本申请实施例提供的一种对象的识别方法的第一流程图；

[0059] 图4示出了本申请实施例提供的一种对象的识别方法的第二流程图；

[0060] 图5示出了本申请实施例提供的一种对象的识别方法的第三流程图；

[0061] 图6示出了本申请实施例提供的一种对象的识别方法的第四流程图；

[0062] 图7示出了本申请实施例提供的一种对象的识别装置的结构框图。

具体实施方式

[0063] 下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行描述。

[0064] 应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

[0065] 请参阅图1，本申请实施例提供了一种对象识别系统10，该对象识别系统10可以包括：摄像头11、与摄像头11连接的服务器12。

[0066] 摄像头11可以为可见光的高清摄像头或者红外摄像头。根据实际应用需求的不同，摄像头11可以部署在不同的应用场景中。例如，需要对出入小区或商圈的对象进行识别，摄像头11可以部署在小区或商圈出入口的闸机上；又例如，需要对出入火车站、汽车站或地铁站的对象进行识别，摄像头11可以部署在火车站、汽车站或地铁站出入口的闸机上。摄像头11通过与服务器12通信，摄像头11可以将采集到对象的面部图像发送至服务器12。
其中，本实施例中所述的对象可以是人、动物、其它物体例如汽车、飞机或轮船等。为便于理解，本实施例以对象为人为例对本申请的方案进行说明，但并不作为限定。

[0067] 服务器12可以是网络服务器、数据库服务器、云服务器或由多个子服务器构成的服务器集成等。服务器12中预先存储有确定身份的多个对象的多张面部图像，并也预先设置了用于区分识别两个相似对象的相似度阈值。在对象位于闸机处并需要通过闸机时，服务器12可以获取到摄像头12采集到该对象的待识别面部图像，并利用该待识别面部图像执行对象的识别方法。

[0068] 服务器12通过对对象的识别方法的执行，服务器12可以判断多张面部图像中是否有与该待识别面部图像匹配的图像。若有匹配的图像，服务器12便可以判断待识别面部图像与匹配的图像之间的相似度是否大于该相似度阈值。若大于相似度阈值，其表示该匹配的图像中的对象与该待识别面部图像中对象的同一对象，从而服务器12可以允许闸机执行放行动作。若不大于相似度阈值，其表示该匹配的图像中的对象与该待识别面部图像中对象为相似的对象，从而服务器12不允许闸机执行放行动作。

[0069] 可以理解到，本实施例以服务器12对闸机的控制为例来说明本申请的方案，但并不作为限定。在不同的应用场景中，服务器12的控制方式各不相同，例如在一些应用场景中，服务器12在确定为相似的对象时，可以控制报警器报警。

[0070] 在一种示例性方式中，摄像头11和服务器12可以是两个单独的物理设备，并进行分布式部署，例如摄像头11部署在小区、商圈出/火车站、汽车站或地铁站出入口的闸机上，而服务器12则可以部署在远程的机房中。基于这种部署方式，服务器12可以与多个摄像头11连接，以处理每个摄像头11采集到的面部图像。

[0071] 在另一种示例性方式中，摄像头11和服务器12可以集成为一个物理设备，并摄像头11和服务器12部署在同一位置，例如摄像头11和服务器12均部署在小区、商圈、火车站、汽车站或地铁站出入口的闸机上。基于这种部署方式，每个摄像头11可以与对应的一个服务器12通信，使得每个摄像头11采集到的对象的面部图像可以交由与之对应的一个服务器12处理。

[0072] 请参阅图2，在本申请的一些实施例方式中，对象识别系统10还可以包括：与服务器12连接的数据存储设备13。其中，数据存储设备13可以为常规的物理设备例如为数据存储型的服务器或服务器集群。

[0073] 与前述实施例不同的是，数据存储设备13上部署有数据库，使得多张面部图像可以不用存储在服务器12，而可以存储在数据存储设备13的数据库中。服务器12通过访问该数据存储设备13的数据库的方式，以查找与待识别面部图像匹配的图像。可以理解到，在需要存储的面部图像的数量众多的情况下，采用将多张面部图像存储在数据存储设备13的数据库中的方式能够极大的减轻服务器12的负荷，提高服务器12的运行效率。

[0074] 下面将对服务器12具体如何执行对象的识别方法进行详细说明。

[0075] 请参阅图3，本申请实施例提供了一种对象的识别方法，该对象的识别方法可以由服务器12执行，具体的，该对象的识别方法可以包括：步骤S100、步骤S200、步骤S300和步骤S400。

[0076] 步骤S100：获取待识别面部图像。

[0077] 步骤S200：确定出所述待识别面部图像与预设的多张面部图像中每张面部图像的相似度。

[0078] 步骤S300：判断多个所述相似度中的最大相似度是否大于预设的相似度阈值。

[0079] 步骤S400：若大于，确定所述最大相似度对应的第一面部图像中的第一对象与所述待识别面部图像中的对象为同一对象；若不大于，确定所述第一对象与所述待识别面部图像中的对象为不同的对象。

[0080] 下面将对步骤S100-步骤S400进行详细说明。

[0081] 步骤S100：获取待识别面部图像。

[0082] 在对象位于摄像头11的采集范围内时，摄像头11可以采集到该对象的面部图像，其中，由于摄像头11采集的该对象的面部图像还处于未被服务器12识别的状态。为便于理解，摄像头11采集的该对象的面部图像可以对应理解为：对象的待识别面部图像。

[0083] 进一步的，摄像头11将该待识别面部图像发送至服务器12，服务器12便可以接收到该待识别面部图像，并继续执行步骤S200。

[0084] 下面通过第一示例来举例说明本方案。

[0085] 地铁出入口的闸机上设有摄像头11，对象A位于闸机处并准备出站，相应的，闸机上的摄像头11可以采集该对象A的待识别面部图像A，并将待识别面部图像A发送至位于机房中的服务器12。

[0086] 步骤S200：确定出所述待识别面部图像与预设的多张面部图像中每张面部图像的相似度。

[0087] 作为一种示例性的方式，若确定身份的多个对象的多张面部图像预先存储在服务器12中，服务器可以直接将待识别面部图像与多张面部图像中的每张面部图像匹配。

[0088] 作为另一种示例性的方式，若确定身份的多个对象的多张面部图像预先存储在数据存储设备13的数据库中，服务器12可以通过访问数据库的方式，将待识别面部图像与通过访问获得多张面部图像中每张面部图像匹配。

[0089] 进一步的，作为将待识别面部图像与多张面部图像中每张面部图像匹配的示例性方式，电子设备中预先设有对象识别模型，该对象识别模型可以为由深度神经网络或相似度算法经训练获得。其中，深度神经网络可以为例如CNN(Convolutional Neural Networks，卷积神经网络)，而相似度算法经则可以为例如SIFT(Scale-invariant feature transform，尺度不变特征转换)算法。

[0090] 值得注意的是，在采用深度神经网络实现时，由于深度神经网络一般用于计算一个对象的数据，故对象识别模型需要包括至少两个深度神经网络，至少两个深度神经网络的全连接层形成拟合。这样，在多张面部图像输入对象识别模型时，每张面部图像可以输入对象识别模型中对应的一个深度神经网络进行计算，通过每个深度神经网络的计算结果在全连接层形成拟合，从而确定出每张面部与多张面部图像中其它面部图像的相似度。

[0091] 进一步的，通过设置的对象识别模型，服务器12可以依次将待识别面部图像与每张面部图像输入对象识别模型，获得对象识别模型输出的待识别面部图像与每张面部图像的相似度，并共获得多个相似度。

[0092] 继续前述第一示例。

[0093] 预设的多张面部包括：对象B的面部图像B、对象C的面部图像C、对象D的面部图像D、以及对象E的面部图像E。服务器12通过对象识别模型依次计算面部图像A与面部图像B的相似度、面部图像A与面部图像C的相似度、面部图像A与面部图像D的相似度、以及面部图像A与面部图像E的相似度，可以获得面部图像A与面部图像B的相似度为97％、面部图像A与面部图像C的相似度为77％、面部图像A与面部图像D的相似度为93％、以及面部图像A与面部图像E的相似度为55％。

[0094] 进一步的，服务器12利用获得的多个相似度可以继续执行步骤S300。

[0095] 步骤S300：判断多个所述相似度中的最大相似度是否大于预设的相似度阈值。

[0096] 本实施例中，服务器12中预先设置了一个标准相似度，该标准相似度可以用于衡量两张面部图像中的两个对象是否相似，例如，两张面部图像的相似度大于该标准相似度则表示两张面部图像中的两个对象相似，反之，则不相似。

[0097] 进一步的，利用该标准相似度，服务器12可以判断获得的多个相似度中是否有大于该标准相似度的相似度。

[0098] 若确定多个相似度中没有大于该标准相似度的相似度，其表示该待识别面部图像中的对象与每张面部图像中的对象都不相似，服务器12则不允许闸机执行放行动作。

[0099] 若确定多个相似度中有大于该标准相似度的相似度(为便于描述的简洁，以下将“大于该标准相似度的相似度”简称为“高相似度”)，其表示该待识别面部图像中的对象与高相似度对应的面部图像中的对象相似。进一步的，为确定出最相似的对象，服务器12可以从高相似度中确定出最高相似度。

[0100] 需要说明的是，若最高相似度有至少两个，服务器12可以任选一个最高相似度来继续执行后续流程，或者服务器12还可以针对每个最高相似度都执行相应的后续流程。为便于理解，本实施例以服务器12任选一个最高相似度来继续执行后续流程为例进行说明，但并不作为限定。

[0101] 于本实施例中，服务器12基于确定出的最高相似度，服务器12可以判断该最高相似度是否大于预设的相似度阈值。其中，相似度阈值可以采用人为设定，设定的该相似度阈值小于同一对象的两张面部图像的相似度，且大于等于不同的两个对象的两张面部图像的相似度，故相似度阈值可以用于区分两张面部图像中的两个对象是相似对象还是同一对象。

[0102] 继续前述第一示例。

[0103] 预设的标准相似度为90％且预设的相似度阈值为95％。服务器12通过将面部图像A与面部图像B的相似度为97％、面部图像A与面部图像C的相似度为77％、面部图像A与面部图像D的相似度为93％、以及面部图像A与面部图像E的相似度为55％依次与该标准相似度为90％比较，服务器12可以确定面部图像A与面部图像B的相似度为97％，以及面部图像A与面部图像D的相似度为93％为高相似度，并进一步确定出面部图像A与面部图像B的相似度为最高相似度，使得服务器12判断最高相似度为97％与相似度阈值为95％的大小关系。

[0104] 通过判断是否大于预设的相似度阈值，服务器12还可以进一步执行步骤S400。

[0105] 步骤S400：若大于，确定所述最大相似度对应的第一面部图像中的第一对象与所述待识别面部图像中的对象为同一对象；若不大于，确定所述第一对象与所述待识别面部图像中的对象为不同的对象。

[0106] 若服务器12确定最高相似度大于相似度阈值，其表示最大相似度对应的第一面部图像和待识别图像都是对同一对象采集获得，因此，服务器12可以确定该第一对象与待识别面部图像中的对象为同一对象，并允许闸机执行放行动作。

[0107] 若服务器12确定最高相似度不大于相似度阈值，其表示第一面部图像和待识别图像为分别针对不同对象采集获得，因此，服务器12可以确定该第一对象与待识别面部图像中的对象为不同的对象，不允许闸机执行放行动作。

[0108] 继续前述第一示例。

[0109] 通过判断服务器12确定最高相似度为97％大于相似度阈值为95％，其表示面部图像A中的对象A与面部图像B中的对象B为同一个对象，从而服务器12控制闸机放行该对象A。反之，若面部图像A与面部图像B的相似度为90％，面部图像A与面部图像D的相似度为93％则为最高相似度。通过判断服务器12确定最高相似度为93％大于相似度阈值为95％，其表示面部图像A中的对象A与面部图像D中的对象D为不同的对象，例如对象A为对象D的双胞胎弟弟，从而服务器12不允许闸机放行该对象A。

[0110] 请参阅图4，在本申请的一些实施例中，除了采用人为设定相似度阈值的方式外，服务器12还可以根据两个相似对象的两张面部图像的相似度，自动确定出与该两个相似对象相关的相似度阈值。具体的，在步骤S300之前，自动确定出该相似度阈值的步骤可以包括：步骤S101、步骤S201和步骤S301。

[0111] 步骤S101：获取第二面部图像，其中，所述第二面部图像中的第二对象与所述第一对象相似。

[0112] 步骤S201：确定出所述第二面部图像与所述第一面部图像的第一相似度。

[0113] 步骤S301：根据所述第一相似度、所述第一面部图像与所述第一面部图像的第二相似度、以及所述第二面部图像与所述第二面部图像的第三相似度，确定出所述相似度阈值。

[0114] 下面将对步骤S101-步骤S301进行详细说明。

[0115] 若第一对象还未在服务器12上注册，对应的，服务器12或数据库中预存的多张面部图像中也并未包含第一对象的第一面部图像。因此，第一对象需向服务器12发起注册，以通过注册来将第一面部图像更新到多张面部图像中，以便于后续匹配使用。

[0116] 示例性的，第一对象可以通过用户终端(例如第一对象的手机、台式电脑或平板电脑)向服务器12发送第一对象的注册信息例如第一对象的手机号。相应的，服务器12可以验证注册信息是否预设的注册信息匹配，若不匹配，服务器12确定注册不通过；若匹配，服务器12确定注册通过，并发送注册通过信息至第一对象的用户终端。第一对象通过用户终端显示该注册通过信息而获知注册通过，并再通过用户终端向服务器12发送第一对象的第一面部图像。

[0117] 相应的，服务器12获取到该第一面部图像后，也通过对象识别模型依次确定出第一面部图像与预设的每张面部图像的相似度。由于当前的多张面部图像中没有该第一对象的面部图像，故服务器12判定第一面部图像与多张面部图像的相似度中没有相似度超过标准相似度，从而将该第一面部图像更新到预设的多张面部图像中，使得更新后的多张面部图像中包含该第一面部图像，并使得服务器12可以利用多张面部图像中包含的第一面部图像和后续获得第二面部图像来确定相似度阈值。

[0118] 步骤S101：获取第二面部图像，其中，所述第二面部图像中的第二对象与所述第一对象相似。

[0119] 若与第一对象相似的第二对象(例如第二对象为第一对象的双胞胎哥哥)向服务器12发起注册，服务器12则获取到第二对象通过用户终端发送的第二对象的注册信息例如第二对象的手机号。服务器12也验证第二对象的注册信息是否预设的注册信息匹配，若不匹配，服务器12确定注册不通过；若匹配，服务器12也确定注册通过，并发送注册通过信息至第二对象的用户终端。第二对象通过用户终端显示该注册通过信息而获知注册通过，并再通过用户终端向服务器12发送第二对象的第二面部图像。相应的，服务器12接收到该第二面部图像，并继续执行步骤S201。

[0120] 步骤S201：确定出所述第二面部图像与所述第一面部图像的第一相似度。

[0121] 服务器12获取到该第二面部图像后，也通过对象识别模型依次确定出第二面部图像与包含第一面部图像在内的多种张面部图像中每张面部图像的相似度，并总获得多个相似度，且该多个相似度中包含第二面部图像与第一面部图像的第一相似度。

[0122] 由于第一对象与第二对象相似，对应的第一相似度一般是大于标准相似度，故服务器12利用标准相似度对多个相似度进行筛选，便可以确定出包含第一相似度在内的高相似度，并从高相似度中确定出最高相似度。

[0123] 为便于理解本方案，本实施例以确定出最高相似度为第一相似度为例来进行说明，但并不作为限定。在实际中，第一对象与第二对象相似并不代表第一相似度为高相似度中的最高相似度。

[0124] 进一步的，在确定出最高相似度后，一方面，服务器12还可以通过对象识别模型确定出第一面部图像与第一面部图像的第二相似度、以及通过对象识别模型确定出第二面部图像与第二面部图像的第三相似度，以便后续确定相似度阈值。另一方面，服务器12还可以将第二面部图像更新到多张面部图像中，使得更新后的多张面部图像中即包含第一面部图像又包含第二面部图像，以便后续匹配使用。

[0125] 下面通过第二示例来举例说明本方案。

[0126] 第一对象为对象A，第二对象为对象D，对象A和对象D为双胞胎兄弟，且预设的多张面部包括：对象A的面部图像A、对象B的面部图像B和对象C的面部图像C。服务器12在获取对象D的面部图像D后，服务器12通过对象识别模型依次计算面部图像D与面部图像A的第一相似度、面部图像D与面部图像B的相似度、以及面部图像D与面部图像C的相似度，可以获得面部图像D与面部图像A的第一相似度为94％、面部图像D与面部图像B的相似度为80％、以及面部图像D与面部图像C的相似度为85％。

[0127] 若预设的标准相似度为90％，服务器12可以确定该第一相似度大于该标准相似度且为最高相似度。服务器12也通过对象识别模型依次计算面部图像A与面部图像A的第二相似度，以及面部图像D与面部图像D的第三相似度，获得第二相似度为96％，以及第三相似度为98％。

[0128] 此外，服务器12也将面部图像D更新到预存的多张面部图像中，使得更新后的多张面部图像包含面部图像A、面部图像B、面部图像C和面部图像D。

[0129] 确定出第一相似度、第二相似度和第三相似度后，服务器12可继续执行步骤S301。

[0130] 步骤S301：根据所述第一相似度、所述第一面部图像与所述第一面部图像的第二相似度、以及所述第二面部图像与所述第二面部图像的第三相似度，确定出所述相似度阈值。

[0131] 本实施例中，同一对象的两张面部图像的相似度一般大于两个不同对象的两张面部图像的相似度，服务器12根据第一相似度的大小、第二相似度的大小和第三相似度的大小，确定出第二相似度和第三相似度中较小的相似度，并在较小的相似度与第一相似度之间随机的生成一个相似度，该随机生成的相似度即为相似度阈值。由于该相似度阈值位于较小的相似度与第一相似度之间，故相似度阈值可以用于区分第一相似度、第二相似度和第三相似度的相似度阈值，使得第一相似度小于该相似度阈值，且第二相似度和第三相似度均大于等于该相似度阈值。

[0132] 继续前述第二示例。

[0133] 服务器12根据第一相似度为94％、第二相似度为96％、以及第三相似度为98％，服务器12确定出的相似度阈值可以为95％。

[0134] 请参阅图5，在本申请的一些实施例中，在步骤S301之后，若出现了与相似的两个对象中第一对象相似的第三对象，服务器12还可以根据该第三对象的第三面部图像重新确定相似度阈值。具体的，重新确定相似度阈值的步骤可以包括：步骤S401、步骤S501和步骤S601。

[0135] 步骤S401：获取第三面部图像，其中，所述第三面部图像中的第三对象与所述第一对象相似。

[0136] 步骤S501：确定出所述第三面部图像与所述第一面部图像的第四相似度。

[0137] 步骤S601：根据所述第一相似度、所述第二相似度、所述第三相似度、所述第四相似度、以及所述第三面部图像与所述第三面部图像的第五相似度，确定出所述相似度阈值。

[0138] 下面将对步骤S401-步骤S601进行详细说明。

[0139] 步骤S401：获取第三面部图像，其中，所述第三面部图像中的第三对象与所述第一对象相似。

[0140] 若与第一对象相似的第三对象(例如第三对象为第一对象的三胞胎弟弟)向服务器12发起注册，服务器12则获取到第三对象通过用户终端发送的第三对象的注册信息例如第二对象的手机号。服务器12也验证第三对象的注册信息是否预设的注册信息匹配，若不匹配，服务器12也确定注册不通过；若匹配，服务器12也确定注册通过，并发送注册通过信息至第三对象的用户终端。第三对象通过用户终端显示该注册通过信息而获知注册通过，并再通过用户终端向服务器12发送第三对象的第三面部图像。

[0141] 步骤S501：确定出所述第三面部图像与所述第一面部图像的第四相似度。

[0142] 相应的，服务器12接收到该第三面部图像，也通过对象识别模型依次确定出第三面部图像与包含第一面部图像和第二面部图像在内的多种张面部图像中每张面部图像的相似度，并总获得多个相似度，且该多个相似度中包含第三面部图像与第一面部图像的第四相似度。

[0143] 由于第一对象与第二对象相似，对应的第一相似度一般是大于标准相似度，故服务器12利用标准相似度对多个相似度进行筛选，便可以确定出包含第四相似度在内的高相似度，并从高相似度中确定出最高相似度。

[0144] 为便于理解本方案，本实施例也以确定出最高相似度为第四相似度为例来进行说明，但并不作为限定。在实际中，第三对象与第一对象相似并不代表第四相似度为高相似度中的最高相似度。

[0145] 进一步的，在确定出最高相似度后，一方面，服务器12也通过对象识别模型确定出第三面部图像与第三面部图像的第五相似度，以便后续重新确定相似度阈值。另一方面，服务器12也将第三面部图像更新到多张面部图像中，使得更新后的多张面部图像中即包含第一面部图像、第二面部图像和第三面部图像，以便后续匹配使用。

[0146] 步骤S601：根据所述第一相似度、所述第二相似度、所述第三相似度、所述第四相似度、以及所述第三面部图像与所述第三面部图像的第五相似度，确定出所述相似度阈值。

[0147] 本实施例中，服务器12也根据第一相似度的大小、第二相似度的大小、第三相似度的大小、第四相似度的大小和第五相似度的大小，在第一相似度和第四相似度中确定出较大的相似度，以及在第二相似度、第三相似度和第五相似度中确定出较小的相似度，并在该较小的相似度和较大的相似度之间随机生成一个相似度，该随机生成的相似度则可以为重新确定的相似度阈值。由于该相似度阈值位于较小的相似度与较大的相似度之间，故该相似度阈值可以用于区分第一相似度、第二相似度、第三相似度、第四相似度和第四相似度的相似度阈值，使得第一相似度和第四相似度均小于该相似度阈值，且第二相似度、第三相似度和第五相似度均大于等于该相似度阈值。

[0148] 继续前述第二示例。

[0149] 第三对象为对象E，对象A、对象D和对象E为三胞胎兄弟。服务器12在获取对象E的面部图像E后，服务器12通过对象识别模型依次计算面部图像E与面部图像A的第四相似度、面部图像E与面部图像B的相似度、面部图像E与面部图像C的相似度、以及面部图像E与面部图像D的相似度，可以获得面部图像E与面部图像A的第一相似度为92％、面部图像E与面部图像B的相似度为5％5、面部图像E与面部图像C的相似度为75％、以及面部图像E与面部图像D的相似度为91％。

[0150] 进一步的，服务器12确定该第四相似度大于该标准相似度且为最高相似度。服务器12也通过对象识别模型依次计算面部图像E与面部图像E的第五相似度为96％。此外，服务器12也将面部图像E更新到预存的多张面部图像中，使得更新后的多张面部图像包含面部图像A、面部图像B、面部图像C、面部图像D和面部图像E。最后，服务器12根据第一相似度为94、第二相似度为96％、第三相似度为98％、第四相似度为92％、以及第五相似度为96％，服务器12重新确定出的相似度阈值还可以为95％。

[0151] 请参阅图6，在本申请的一些实施例中，在步骤S301之后，若出现了与相似的两个对象中第二对象相似的第三对象，服务器12也可以根据该第三对象的第三面部图像重新确定相似度阈值。具体的，重新确定相似度阈值的步骤可以包括：步骤S410、步骤S510和步骤S610。

[0152] 步骤S410：获取第三面部图像，其中，所述第三面部图像中的第三对象与所述第二对象相似。

[0153] 步骤S510：确定出所述第三面部图像与所述第二面部图像的第四相似度。

[0154] 步骤S610：根据所述第一相似度、所述第二相似度、所述第三相似度、所述第四相似度、以及所述第三面部图像与所述第三面部图像的第五相似度，确定出所述相似度阈值，其中，所述第一相似度和所述第四相似度均小于所述相似度阈值，所述第二相似度、所述第三相似度和所述第五相似度均大于等于所述相似度阈值。

[0155] 可以理解到，服务器12执行步骤S410-步骤S610的原理可以参照前述中对服务器12执行步骤S401-步骤S601的说明理解，在此就不再累述。

[0156] 在本实施例的一些实施方式中，在确定第二面部图像与第一面部图像的第一相似度为最高相似度后，服务器12还可以生成第一对象的相似度标识，以及生成第二对象的相似度标识，其中，第一对象的相似度标识用于表示第一对象具体相似的对象，而第二对象的相似度标识用于表示第二对象具体相似的对象。

[0157] 可以理解到，在确定第三面部图像与第一面部图像或第二面部图像的第四相似度为最高相似度后，服务器12也可以生成第三对象的相似度标识，其中，第三对象的相似度标识用于表示第三对象具体相似的对象。

[0158] 对应的，基于生成的相似度标识，服务器12在步骤S200之后，以及在步骤S300之前，服务器12还可以判断最大相似度对应的面部图像中的对象是否具有相似度标识。

[0159] 若确定最大相似度对应的面部图像中的对象不具有相似度标识，服务器12可直接确定最大相似度对应的面部图像中的对象与该待识别面部图像中的对象为同一对象，无需执行后续流程，从而降低了服务器12的运行量。

[0160] 若确定最大相似度对应的面部图像中的对象具有相似度标识，即确定第一对象具有相似度标识，服务器才继续执行步骤S300和步骤S400，以进一步确定待识别面部图像中的对象与第一对象是为相似对象还是为同一对象。

[0161] 请参阅图7，本申请实施例还提供了一种对象的识别装置100，该对象的识别装置100可以应用于服务器12，该对象的识别装置100可以包括：

[0162] 图像获取模块110，用于获取待识别面部图像。

[0163] 图像处理模块120，用于确定出所述待识别面部图像与预设的多张面部图像中每张面部图像的相似度；判断多个所述相似度中的最大相似度是否大于预设的相似度阈值；若大于，确定所述最大相似度对应的第一面部图像中的第一对象与所述待识别面部图像中的对象为同一对象；若不大于，确定所述第一对象与所述待识别面部图像中的对象为不同的对象。

[0164] 可选的，在所述图像处理模块120判断多个所述相似度中的最大相似度是否大于预设的相似度阈值之前，

[0165] 所述图像获取模块110，还用于获取第二面部图像，其中，所述第二面部图像中的第二对象与所述第一对象相似。

[0166] 所述图像处理模块120，还用于确定出所述第二面部图像与所述第一面部图像的第一相似度；根据所述第一相似度、所述第一面部图像与所述第一面部图像的第二相似度、以及所述第二面部图像与所述第二面部图像的第三相似度，确定出所述相似度阈值，其中，所述第一相似度小于所述相似度阈值，所述第二相似度和所述第三相似度均大于等于所述相似度阈值。

[0167] 可选的，在所述图像处理模块120根据所述第一相似度、所述第一面部图像与所述第一面部图像的第二相似度、以及所述第二面部图像与所述第二面部图像的第三相似度，确定出所述相似度阈值之前，

[0168] 所述图像获取模块110，还用于获取第三面部图像，其中，所述第三面部图像中的第三对象与所述第一对象相似。

[0169] 所述图像处理模块120，还用于确定出所述第三面部图像与所述第一面部图像的第四相似度；根据所述第一相似度、所述第二相似度、所述第三相似度、所述第四相似度、以及所述第三面部图像与所述第三面部图像的第五相似度，确定出所述相似度阈值，其中，所述第一相似度和所述第四相似度均小于所述相似度阈值，所述第二相似度、所述第三相似度和所述第五相似度均大于等于所述相似度阈值。

[0170] 需要说明的是，由于所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，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。

[0171] 本申请一些实施例还提供了一种计算机可执行的非易失的程序代码的计算机可读储存介质，该存储介质能够为通用的存储介质，如移动磁盘、硬盘等。该计算机可读存储介质上存储有程序代码，该程序代码被计算机运行时执行上述任一实施方式的对象的识别方法的步骤。

[0172] 本申请实施例所提供的对象的识别方法的程序代码产品，包括存储了程序代码的计算机可读存储介质，程序代码包括的指令可用于执行前面方法实施例中的方法，具体实现可参见方法实施例，在此不再赘述。

[0173] 综上所述，本申请实施例提供了一种对象的识别方法、装置及存储介质。由于在确定出最大相似度后，还可以将最大相似度与预设的相似度阈值比较。若最大相似度大于相似度阈值，则确定出待识别对象和第一对象为同一个对象，反之，则确定出待识别对象和第一对象为相似的对象。因此，实现了无需生物体征的采集设备也能够在各场景下识别出两个相似的对象。此外，也由于无需生物体征的采集设备，还降低了系统的成本。

[0174] 以上，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。