本申请涉及人脸识别技术领域，尤其涉及一种用户识别方法、装置及设备。
背景技术：
随着计算机技术以及光学成像技术的发展，基于人脸识别技术的用户识别方式正在日渐普及。由于在实际应用中，部分用户的相貌较为相似，从而存在将待识别用户错误的识别为与该待识别用户相貌相似的其他用户的可能性，影响用户权益。
综上所述，如何提供更为准确的用户识别方法，已成为亟待解决的技术问题。
技术实现要素：
本说明书实施例提供一种用户识别方法、装置及设备，以提升用户识别的准确性。
为解决上述技术问题，本说明书实施例是这样实现的：
本说明书实施例提供的一种用户识别方法，包括：
获取目标应用处的待识别用户的人脸特征向量，所述人脸特征向量是对目标设备采集的所述待识别用户的人脸图像进行特征提取而得到的向量数据；
从所述目标应用的认证用户中，确定出一个第一目标用户，所述第一目标用户的留底人脸特征向量与所述人脸特征向量之间的第一相似度大于第一阈值；
从所述目标应用的认证用户中，确定出第二目标用户，所述第二目标用户为所述目标设备的历史用户；
根据所述第一目标用户与所述第二目标用户，对所述待识别用户进行识别。
本说明书实施例提供的一种用户识别装置，包括：
获取模块，用于获取目标应用处的待识别用户的人脸特征向量，所述人脸特征向量是对目标设备采集的所述待识别用户的人脸图像进行特征提取而得到的向量数据；
第一确定模块，用于从所述目标应用的认证用户中，确定出一个第一目标用户，所述第一目标用户的留底人脸特征向量与所述人脸特征向量之间的第一相似度大于第一阈值；
第二确定模块，用于从所述目标应用的认证用户中，确定出第二目标用户，所述第二目标用户为所述目标设备的历史用户；
识别模块，用于根据所述第一目标用户与所述第二目标用户，对所述待识别用户进行识别。
本说明书实施例提供的一种用户识别设备，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
获取目标应用处的待识别用户的人脸特征向量，所述人脸特征向量是对目标设备采集的所述待识别用户的人脸图像进行特征提取而得到的向量数据；
从所述目标应用的认证用户中，确定出一个第一目标用户，所述第一目标用户的留底人脸特征向量与所述人脸特征向量之间的第一相似度大于第一阈值；
从所述目标应用的认证用户中，确定出第二目标用户，所述第二目标用户为所述目标设备的历史用户；
根据所述第一目标用户与所述第二目标用户，对所述待识别用户进行识别。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：
在获取目标设备中的目标应用处的待识别用户的人脸特征向量后，先从所述目标应用的认证用户中，确定出一个留底人脸特征向量与所述人脸特征向量之间的相似度大于第一阈值的第一目标用户；再从所述目标应用的认证用户中，确定出所述目标设备的历史用户作为第二目标用户。通过根据基于预设阈值确定出的第一目标用户，以及与待识别用户使用的目标设备具有关联关系的第二目标用户，对所述待识别用户进行识别，可以实现对待识别用户的个性化人脸识别比对，有利于降低用户误识率，提升用户识别的准确性。
附图说明
为了更清楚地说明本说明书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申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本说明书实施例中一种用户识别方法的整体方案流程示意图；
图2为本说明书实施例提供的一种用户识别方法的流程示意图；
图3为本说明书实施例提供的对应于图2的一种用户识别装置的结构示意图；
图4为本说明书实施例提供的对应于图2的一种用户识别设备的结构示意图。
具体实施方式
为使本说明书一个或多个实施例的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书一个或多个实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书的一部分实施例，而不是全部的实施例。基于本说明中的实施例，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，都属于本说明书一个或多个实施例保护的范围。
以下结合附图，详细说明本说明书各实施例提供的技术方案。
现有技术中，人脸识别技术已广泛应用于各种存在用户识别需求的场景中，例如，应用登录场景、风险校验场景、刷脸支付场景等。目前，通常会预先设置阈值，当目标应用的认证用户的留底人脸特征向量与待识别用户的人脸特征向量之间的相似度大于该阈值时，就可以将该待识别用户确定为该认证用户，以实现用户识别。
由于目标应用处可能存在多个相貌较为相似的用户，例如，当用户a与用户b属于同卵双胞胎时，用户a与用户b的相貌通常会较为相似。因此，当用户a在进行用户识别时，存在将用户a错误的识别为用户b的可能性，从而影响用户识别的准确性。
为了解决现有技术中的缺陷，本方案给出了以下实施例：
图1为本说明书实施例中一种用户识别方法的整体方案流程示意图。如图1所示，待识别用户101可以在设备102中的目标应用处执行用户识别操作，设备102可以采集待识别用户101的人脸图像103，以便于从该人脸图像103中提取待识别用户101的人脸特征向量。目标应用的服务器104在获取到待识别用户101的人脸特征向量后，可以基于数据库105中预存的认证用户数据，去确定出一个留底人脸特征向量与该待识别用户的人脸特征向量之间的相似度大于第一阈值的认证用户作为第一目标用户，并确定出设备102的历史用户作为第二目标用户，以基于第一目标用户及第二目标用户的留底人脸特征向量，对待识别用户进行个性化人脸识别比对，有利于降低用户误识率，提升用户识别准确性。
接下来，将针对说明书实施例提供的一种用户识别方法结合附图进行具体说明：
图2为本说明书实施例提供的一种用户识别方法的流程示意图。从程序角度而言，流程的执行主体可以为搭载于应用客户端或应用服务端中的程序。
如图2所示，该流程可以包括以下步骤：
步骤202：获取目标应用处的待识别用户的人脸特征向量，所述人脸特征向量是对目标设备采集的所述待识别用户的人脸图像进行特征提取而得到的向量数据。
在本说明书实施例中，目标设备中搭载有目标应用，当待识别用户在目标设备中的目标应用处进行基于人脸识别的用户识别操作时，目标设备可以采集该待识别用户的人脸图像，以便于基于从该待识别用户的人脸图像中提取到的人脸特征向量进行后续用户识别操作。其中，用户识别操作可以包括：登录操作、支付操作、解锁操作等多种涉及用户识别的操作。
在实际应用中，目标设备可以将采集的待识别用户的人脸图像发送至应用服务端（即目标应用的服务器）处，以便于应用服务端从该待识别用户的人脸图像中提取该待识别用户的人脸特征向量。或者，由于待识别用户的人脸图像属于待识别用户的隐私数据，因为，为保护待识别用户的人脸图像的隐私性及安全性，目标设备可以先从该待识别用户的人脸图像中提取出人脸特征向量，再将提取出的人脸特征向量发送至应用服务端，以避免对待识别用户的人脸图像进行传输，从而可以保护该待识别用户的人脸图像的隐私性及安全性。
步骤204：从所述目标应用的认证用户中，确定出一个第一目标用户，所述第一目标用户的留底人脸特征向量与所述人脸特征向量之间的第一相似度大于第一阈值。
在本说明书实施例中，目标应用处的一个注册账户通常对应于一个认证用户，该认证用户可以指完成了针对该注册账户的用户认证操作的用户。目标应用的服务器（即应用服务端）处可以存储有目标应用的各个认证用户的留底人脸特征向量，以便于基于该留底人脸特征向量去识别目标应用的注册账户的实际使用用户是否为该注册账户的认证用户。其中，认证用户的留底人脸特征向量可以是从该认证用户本人的人脸图像中提取到的特征向量数据。
在本说明书实施例中，可以预先设置通用性较好的第一阈值，当目标应用的某个认证用户的留底人脸特征向量与该待识别用户的人脸特征向量之间的相似度大于第一阈值时，通常可以认为该待识别用户与该认证用户（即第一目标用户）为同一用户的可能性极大。
在本说明书实施例中，由于应用服务器在确定第一目标用户时，通常并不会使用目标应用处的全部认证用户分别与待识别用户进行人脸比对，而是将首次确定出的留底人脸特征向量与待识别用户的人脸特征向量之间的相似度大于第一阈值的认证用户确定为第一目标用户，因此，当目标应用处存在多个与待识别用户相貌相似的认证用户时，存在将待识别用户错误的识别为与该待识别用户相貌相似的其他认证用户的可能性，导致误识率较高。其中，误识率是人脸识别技术中评估人脸识别精度的常用指标。误识率=人脸识别通过但识别错误的数量/人脸识别通过的数量。
步骤206：从所述目标应用的认证用户中，确定出第二目标用户，所述第二目标用户为所述目标设备的历史用户。
在本说明书实施例中，使用过同一设备的用户之间通常具有一定的关联性。例如，家庭成员可能会共用一部智能手机，或者，同一地区的用户通常会共用该地区的公共设备等。由于家庭成员的相貌通常会较为相似，例如，兄弟、姐妹、父子、母女等。而同一地区的用户的相貌也会具有相似性，例如，褐色眼睛、黑色头发、高鼻梁等。因此，在使用通用性较好的第一阈值确定第一目标用户后，还可以采用待识别用户所使用的目标设备的历史用户作为第二目标用户，对待识别用户进行用户识别，以进一步确定是否存在与待识别用户更为匹配的用户，从而有利于提升用户识别结果的准确性。
步骤208：根据所述第一目标用户与所述第二目标用户，对所述待识别用户进行识别。
在本说明书实施例中，当根据所述第一目标用户与所述第二目标用户，对所述待识别用户进行识别时，若存在与待识别用户的相貌更为相似的第二目标用户时，即第二目标用户的留底人脸特征向量与待识别用户的人脸特征向量之间的相似度比第一相似度更高时，可以将该第二目标用户确定为该待识别用户，从而有利于提升用户识别结果的准确性。或者，当第二目标用户与第一目标用户与待识别用户的相貌相似度较为接近时，可能无法准确地确定待识别用户具体为该第二目标用户还是第一目标用户，因此，可以令待识别用户的本次人脸识别未通过。从而可以降低人脸识别通过但识别错误风险，以降低误识率。
应当理解，本说明书一个或多个实施例所述的方法其中部分步骤的顺序可以根据实际需要相互交换，或者其中的部分步骤也可以省略或删除。
图2中的方法，通过根据基于第一阈值确定出的第一目标用户，以及待识别用户使用的目标设备的历史用户（即第二目标用户），对所述待识别用户进行识别，可以实现对待识别用户的个性化人脸识别比对，有利于降低用户误识率，提升用户识别的准确性。
基于图2的方法，本说明书实施例还提供了该方法的一些具体实施方案，下面进行说明。
在本说明书实施例中，确定第一目标用户的实现方式可以有多种。例如，实现方式一：可以采用一对一人脸比对方式，去确定第一目标用户。或者，实现方式二：可以采用一对多人脸比对方式，去确定第一目标用户。
实现方式一
当待识别用户针对目标应用处的指定账户进行用户识别操作时，步骤202：获取目标应用处的待识别用户的人脸特征向量，具体可以包括：
获取目标设备发送的针对目标应用的指定账户的用户识别请求，所述用户识别请求中携带有待识别用户的人脸特征向量。
对应的，步骤204：从所述目标应用的认证用户中，确定出一个第一目标用户，具体可以包括：
获取所述指定账户的认证用户的留底人脸特征向量。
计算所述指定账户的认证用户的留底人脸特征向量与所述待识别用户的人脸特征向量之间的相似度。
当所述相似度大于第一阈值时，将所述指定账户的认证用户确定为第一目标用户。
在本说明书实施例中，当获取到针对指定账户的用户识别请求时，若待识别用户的人脸特征向量与该指定账户的认证用户的留底人脸特征向量之间的相似度大于第一阈值，则可以表示该待识别用户为该指定账户的认证用户的可能性较大，因此，可以将该指定账户的认证用户确定为第一目标用户，以便于后续用户识别流程的执行。而若待识别用户的人脸特征向量与该指定账户的认证用户的留底人脸特征向量之间的相似度小于等于第一阈值，则可以表示该待识别用户为该指定账户的认证用户的可能性较小，因此，可以直接生成表示该待识别用户人脸识别未通过的结果，并结束本次用户识别流程。
实现方式二
当待识别用户未针对目标应用处的指定账户进行用户识别操作时，步骤204：从目标应用的认证用户中，确定出一个第一目标用户，具体可以包括：
逐一确定所述目标应用的认证用户的留底人脸特征向量与所述待识别用户的人脸特征向量之间的相似度。
将首次确定出的大于第一阈值的所述相似度对应的所述认证用户确定为第一目标用户。或者，将大于所述第一阈值的所述相似度中的最大值对应的所述认证用户确定为第一目标用户。
在本说明书实施例中，当用户在未提供目标应用处的指定账户信息的情况下进行用户识别时，例如，用户在未输入账户信息的情况下使用自助结算设备进行刷脸支付时，或者，用户在未输入账户信息的情况下使用刷脸登录功能时，应用服务器可以采用一对多的人脸比对方式，将首次确定出的留底人脸特征向量与待识别用户的人脸特征向量之间的相似度大于第一阈值的认证用户作为第一目标用户。可见，这类一对多的人脸比对方式可以无需遍历目标应用的全部认证用户，效率较高。或者，还可以遍历目标应用的认证用户，将大于第一阈值中的所述相似度的最大值对应的所述认证用户确定为第一目标用户，即将目标应用的认证用户中的与待识别用户的相貌最为相似的用户确定为第一目标用户，有利于提升用户识别的准确性。
在本说明书实施例中，步骤206：从所述目标应用的认证用户中，确定出第二目标用户，具体可以包括：
从所述目标应用的认证用户中，确定出在获取所述人脸特征向量之前的预设时间段内使用过所述目标设备上的所述目标应用的所述认证用户。
在本说明书实施例中，目标应用的认证用户中可能存在目标设备的历史用户。例如，当用户在目标设备上登录过目标应用处的注册账户，或者，当用户在目标设备上成功执行过刷脸支付操作时等，此时，上述注册账户的认证用户，或者，上述刷脸支付时进行扣款的注册账户的认证用户则属于该目标设备的历史用户。
在本说明书实施例中，从所述目标应用的认证用户中，确定出在获取所述人脸特征向量之前的预设时间段内使用过所述目标设备上的所述目标应用的所述认证用户，具体可以包括：
获取所述目标设备在所述预设时间段内发送的针对所述目标应用的指定账户的请求消息。
基于所述请求消息，确定出所述目标应用的指定账户的认证用户。
在本说明书实施例中，当用户与目标设备上的目标应用发生交互事件时，例如，登录、支付、浏览页面信息等事件时，目标设备通常需向应用服务端（即目标应用的服务器）发送请求消息，应用服务端可以确定该请求消息对应的目标应用的指定账户，以基于该指定账户的数据、资源去响应用户所执行的操作。
在实际应用中，目标设备发送的请求消息中可以包含该目标设备的标识、指定账户标识、指定账户对应的认证用户标识、事件类型以及请求时刻等中的一项或多项信息。因此，应用服务端可以基于在预设时间段内接收到的目标设备发送的请求消息去确定该目标设备的历史用户，以得到第二目标用户。在实际应用中，当确定出的目标设备的历史用户数量较多时，还可以按对应的请求消息的请求时刻由近至远的顺序，对目标设备的历史用户进行排序，将前n个用户确定为第二目标用户，以减少后续人脸识别步骤的计算量。
在本说明书实施例中，可以将确定出的目标设备的历史用户信息存储至数据库，以便于后续对目标设备的实际使用用户进行用户识别时调用。在实际应用中，当应用服务器接收到目标设备发送的目标应用处的请求消息时，可以对存储的目标设备的历史用户信息进行更新，以保证存储的目标设备的历史用户信息的实时性，进而有利于提升确定出的第二目标用户的实时性。
在本说明书实施例中，步骤208之前还可以包括：针对所述第二目标用户中除所述第一目标用户以外的其他用户，计算所述其他用户的留底人脸特征向量与所述待识别用户的人脸特征向量之间的第二相似度。
对应的，步骤208：根据所述第一目标用户与所述第二目标用户，对所述待识别用户进行识别，具体可以包括：根据所述第一相似度及全部所述第二相似度，对所述待识别用户进行识别。
在本说明书实施例中，第二目标用户中既可能包含第一目标用户，也可能不包含第一目标用户。例如，当第一目标用户未在预设时间段内使用过目标设备上的目标应用时，第二目标用户中可以不包含第一目标用户。否则，第二目标用户中则会包含第一目标用户。
由于第一目标用户的留底人脸特征向量与待识别用户的人脸特征向量之间的相似度（即第一相似度）已经确定。因此，可以只针对所述第二目标用户中除所述第一目标用户以外的其他用户，计算所述其他用户的留底人脸特征向量与所述待识别用户的人脸特征向量之间的第二相似度。以令所述第一相似度及各个所述第二相似度对应的各个认证用户均不同。
在本说明书实施例中，根据所述第一相似度及全部所述第二相似度，对所述待识别用户进行识别的实现方式有多种。
第一种实现方式
所述第一相似度及全部所述第二相似度，对所述待识别用户进行识别，具体可以包括：
确定所述第一相似度及全部所述第二相似度中的最大值与次大值之差。
判断所述最大值与次大值之差是否大于第二阈值，得到第一判断结果。
当所述第一判断结果表示所述最大值与次大值之差大于所述第二阈值时，将所述待识别用户确定为所述最大值对应的认证用户。
当所述第一判断结果表示所述最大值与次大值之差小于等于所述第二阈值时，生成表示所述待识别用户人脸识别未通过的结果。
在本实现方式中，若所述第一相似度及全部所述第二相似度中的最大值与次大值之差大于第二阈值，则可以表示第一目标用户与第二目标用户中仅包含一个与待识别用户的相貌相似的认证用户，从而可以确定所述最大值对应的认证用户即为待识别用户。
若所述第一相似度及全部所述第二相似度中的最大值与次大值之差小于等于第二阈值，则可以表示第一目标用户与第二目标用户中存在多个与待识别用户较为相貌相似的认证用户，且无法区分哪个认证用户与待识别用户为同一用户，因此，为避免产生用户识别通过但识别错误的结果，可以确定待识别用户本次执行的用户识别操作未通过。待识别用户可以通过其他用户识别方式（例如，输入密码、指纹等方式）或者再次执行人脸识别操作去进行用户识别。基于本实现方式，可以降低用户误识率。
例如，假定，用户a与用户b属于同卵双胞胎，且用户a与用户b均在预设时间段内使用过目标设备上的目标应用。若待识别用户为用户a，且确定出的第一目标用户为用户b，该第一目标用户对应的第一相似度为95%。在现有方案中会将待识别用户a错误的识别为用户b，并令待识别用户a通过识别。
而本说明书实施例中方案，由于目标设备的历史用户（即第二目标用户）中还包含用户a，使得第二相似度中包含一个数值为95.1%的相似度。若第二相似度中的其他相似度均小于95%，且第二阈值为5%，可见，由于所述第一相似度及全部所述第二相似度中的最大值95.1%与次大值95%之差为0.1%，且该最大值与次大值之差0.1%小于第二阈值5%，因此，可以令待识别用户的本次识别未通过。避免了将待识别用户a错误的识别为用户b，降低了用户误识率。
在本说明书实施例中，认证用户的留底人脸特征向量可能有多个，为提升用户识别准确性，在将所述待识别用户确定为所述最大值对应的认证用户之前，还可以包括：
获取所述最大值对应的认证用户的多个留底人脸特征向量。
判断所述多个留底人脸特征向量与所述待识别用户的人脸特征向量之间的相似度是否均大于第三阈值，得到第二判断结果。
所述将所述待识别用户确定为所述最大值对应的认证用户，具体包括：
当所述第二判断结果表示所述多个留底人脸特征向量与所述待识别用户的人脸特征向量之间的相似度均大于所述第三阈值时，将所述待识别用户确定为所述最大值对应的认证用户。
第二种实现方式
所述第一相似度及全部所述第二相似度，对所述待识别用户进行识别，具体可以包括：
确定所述第一相似度及全部所述第二相似度中的最大值与次大值之差及所述最大值。
将所述最大值与次大值之差及所述最大值输入逻辑回归模型，得到所述逻辑回归模型输出的预测值，所述预测值表示本次对所述待识别用户人脸识别通过的概率。
判断所述预测值是否大于第四阈值，得到第三判断结果。
当所述第三判断结果表示所述预测值大于所述第四阈值时，将所述待识别用户确定为所述最大值对应的认证用户。
当所述第三判断结果表示所述预测结果小于等于所述第四阈值时，生成表示所述待识别用户人脸识别未通过的结果。
在本说明书实施例中，可以利用逻辑回归模型去判断本次待识别用户识别通过的概率，该逻辑回归模型可以是利用样本数据进行训练而得到的。例如，当样本用户在样本设备处进行用户识别时，可以先确定该样本用户对应的第一目标用户，并确定该样本设备在预设时间段之内的历史用户为第二目标用户，以便于确定第一目标用户及第二目标用户对应的第一相似度与第二相似度，对上述第一相似度与全部第二相似度按从大到小排列，提取该第一相似度及第二相似度中的最大值及最大值与次大值之差作为训练逻辑回归模型所需的样本数据。若第一目标用户及第二目标用户中包含该样本用户对应的实际认证用户，且第一目标用户及第二目标用户中仅有一位认证用户（即该样本用户对应的实际认证用户）与该样本用户的相貌相匹配，则可以设置该样本数据的输出标签为用户识别通过，否则，可以设置该样本数据的输出标签为用户识别未通过。
在本说明书实施例中，逻辑回归模型的输入信息还可以包含按从大到小排列的所述第一相似度及全部所述第二相似度中的前n个相似度值，以及所述前n个相似度中的各个相邻相似度之差。相应的，训练逻辑回归模型所使用的样本数据中也可以包含上述类型的数据。通过令逻辑回归模型的输入信息更加丰富，可以提升逻辑回归模型的非线性表达能力，进而可以提升逻辑回归模型输出的预测值的准确性。
在本说明书实施例中，第一相似度及全部第二相似度中可能包含多个并列最大值，即第一目标用户与第二目标用户中包含多个与待识别用户的相貌相同的认证用户，此时，无法确定出待识别用户的身份。为降低误识率，所述确定所述第一相似度及全部所述第二相似度中的最大值与次大值之差之前，还可以包括：
判断所述第一相似度及全部所述第二相似度中是否包含多个最大值，得到第四判断结果。
当所述第四判断结果表示所述第一相似度及全部所述第二相似度中包含多个最大值时，生成表示所述待识别用户人脸识别未通过的结果。
当所述第四判断结果表示所述第一相似度及全部所述第二相似度中未包含多个最大值时，确定所述第一相似度及全部所述第二相似度中的所述最大值与次大值之差。
基于同样的思路，本说明书实施例还提供了上述方法对应的装置。图3为本说明书实施例提供的对应于图2的一种用户识别装置的结构示意图。如图3所示，该装置可以包括：
获取模块302，用于获取目标应用处的待识别用户的人脸特征向量，所述人脸特征向量是对目标设备采集的所述待识别用户的人脸图像进行特征提取而得到的向量数据。
第一确定模块304，用于从所述目标应用的认证用户中，确定出一个第一目标用户，所述第一目标用户的留底人脸特征向量与所述人脸特征向量之间的第一相似度大于第一阈值。
第二确定模块306，用于从所述目标应用的认证用户中，确定出第二目标用户，所述第二目标用户为所述目标设备的历史用户。
识别模块308，用于根据所述第一目标用户与所述第二目标用户，对所述待识别用户进行识别。
图3中的装置，识别模块308通过根据基于第一阈值确定出的第一目标用户，以及待识别用户使用的目标设备的历史用户（即第二目标用户），对所述待识别用户进行识别，可以实现对待识别用户的个性化人脸识别比对，有利于降低用户误识率，提升用户识别的准确性。
基于图3的装置，本说明书实施例还提供了该方法的一些具体实施方案，下面进行说明。
可选的，所述第二确定模块306可以包括：
第一确定单元，用于从所述目标应用的认证用户中，确定出在获取所述人脸特征向量之前的预设时间段内使用过所述目标设备上的所述目标应用的所述认证用户。
所述第一确定单元，具体可以用于：
获取所述目标设备在所述预设时间段内发送的针对所述目标应用的指定账户的请求消息。
基于所述请求消息，确定出所述目标应用的指定账户的认证用户。
图3中的装置，还可以包括：
计算模块，用于针对所述第二目标用户中除所述第一目标用户以外的其他用户，计算所述其他用户的留底人脸特征向量与所述待识别用户的人脸特征向量之间的第二相似度。
所述识别模块308，具体可以用于：
根据所述第一相似度及全部所述第二相似度，对所述待识别用户进行识别。
在本说明书实施例中，所述识别模块308可以包括：
第二确定单元，用于确定所述第一相似度及全部所述第二相似度中的最大值与次大值之差。
第一判断单元，用于判断所述最大值与次大值之差是否大于第二阈值，得到第一判断结果。
第三确定单元，用于当所述第一判断结果表示所述最大值与次大值之差大于所述第二阈值时，将所述待识别用户确定为所述最大值对应的认证用户。
第一结果生成单元，用于当所述第一判断结果表示所述最大值与次大值之差小于等于所述第二阈值时，生成表示所述待识别用户人脸识别未通过的结果。
所述识别模块308还可以包括：
获取单元，用于获取所述最大值对应的认证用户的多个留底人脸特征向量。
第二判断单元，用于判断所述多个留底人脸特征向量与所述待识别用户的人脸特征向量之间的相似度是否均大于第三阈值，得到第二判断结果。
所述第三确定单元，具体可以用于：
当所述第二判断结果表示所述多个留底人脸特征向量与所述待识别用户的人脸特征向量之间的相似度均大于所述第三阈值时，将所述待识别用户确定为所述最大值对应的认证用户。
所述所述识别模块308也可以包括：
第四确定单元，用于确定所述第一相似度及全部所述第二相似度中的最大值与次大值之差及所述最大值。
预测单元，用于将所述最大值与次大值之差及所述最大值输入逻辑回归模型，得到所述逻辑回归模型输出的预测值，所述预测值表示本次对所述待识别用户人脸识别通过的概率。
第三判断单元，用于判断所述预测值是否大于第四阈值，得到第三判断结果。
第五确定单元，用于当所述第三判断结果表示所述预测值大于所述第四阈值时，将所述待识别用户确定为所述最大值对应的认证用户。
第二结果生成单元，用于当所述第三判断结果表示所述预测结果小于等于所述第四阈值时，生成表示所述待识别用户人脸识别未通过的结果。
所述所述识别模块308还可以包括：
第四判断单元，用于判断所述第一相似度及全部所述第二相似度中是否包含多个最大值，得到第四判断结果。
第三结果生成单元，用于当所述第四判断结果表示所述第一相似度及全部所述第二相似度中包含多个最大值时，生成表示所述待识别用户人脸识别未通过的结果；
第二确定单元或第四确定单元，可以用于当所述第四判断结果表示所述第一相似度及全部所述第二相似度中未包含多个最大值时，确定所述第一相似度及全部所述第二相似度中的所述最大值与次大值之差。
基于同样的思路，本说明书实施例还提供了上述方法对应的设备。
图4为本说明书实施例提供的对应于图2的一种用户识别设备的结构示意图。如图4所示，设备400可以包括：
至少一个处理器410；以及，
与所述至少一个处理器通信连接的存储器430；其中，
所述存储器430存储有可被所述至少一个处理器410执行的指令420，所述指令被所述至少一个处理器410执行，以使所述至少一个处理器410能够：
获取目标应用处的待识别用户的人脸特征向量，所述人脸特征向量是对目标设备采集的所述待识别用户的人脸图像进行特征提取而得到的向量数据；
从所述目标应用的认证用户中，确定出一个第一目标用户，所述第一目标用户的留底人脸特征向量与所述人脸特征向量之间的第一相似度大于第一阈值；
从所述目标应用的认证用户中，确定出第二目标用户，所述第二目标用户为所述目标设备的历史用户；
根据所述第一目标用户与所述第二目标用户，对所述待识别用户进行识别。
图4中的设备，通过根据基于第一阈值确定出的第一目标用户，以及待识别用户使用的目标设备的历史用户（即第二目标用户），对所述待识别用户进行识别，可以实现对待识别用户的个性化人脸识别比对，有利于降低用户误识率，提升用户识别的准确性。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于图3所示的电子券发送设备而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进（例如，对二极管、晶体管、开关等电路结构的改进）还是软件上的改进（对于方法流程的改进）。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件（programmablelogicdevice,pld）（例如现场可编程门阵列（fieldprogrammablegatearray，fpga））就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字符系统“集成”在一片pld上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器（logiccompiler）”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言（hardwaredescriptionlanguage，hdl），而hdl也并非仅有一种，而是有许多种，如abel（advancedbooleanexpressionlanguage）、ahdl（alterahardwaredescriptionlanguage）、confluence、cupl（cornelluniversityprogramminglanguage）、hdcal、jhdl（javahardwaredescriptionlanguage）、lava、lola、myhdl、palasm、rhdl（rubyhardwaredescriptionlanguage）等，目前最普遍使用的是vhdl（very-high-speedintegratedcircuithardwaredescriptionlanguage）与verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该（微）处理器执行的计算机可读程序代码（例如软件或固件）的计算机可读介质、逻辑门、开关、专用集成电路（applicationspecificintegratedcircuit，asic）、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：arc625d、atmelat91sam、microchippic18f26k20以及siliconelabsc8051f320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字符助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
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。
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。
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。
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／或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flashram)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字符多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请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形式。而且，本申请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。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
1.一种用户识别方法，包括：
获取目标应用处的待识别用户的人脸特征向量，所述人脸特征向量是对目标设备采集的所述待识别用户的人脸图像进行特征提取而得到的向量数据；
从所述目标应用的认证用户中，确定出一个第一目标用户，所述第一目标用户的留底人脸特征向量与所述人脸特征向量之间的第一相似度大于第一阈值；
从所述目标应用的认证用户中，确定出第二目标用户，所述第二目标用户为所述目标设备的历史用户；
根据所述第一目标用户与所述第二目标用户，对所述待识别用户进行识别。
2.如权利要求1所述的方法，所述从所述目标应用的认证用户中，确定出第二目标用户，具体包括：
从所述目标应用的认证用户中，确定出在获取所述人脸特征向量之前的预设时间段内使用过所述目标设备上的所述目标应用的所述认证用户。
3.如权利要求2所述的方法，所述从所述目标应用的认证用户中，确定出在获取所述人脸特征向量之前的预设时间段内使用过所述目标设备上的所述目标应用的所述认证用户，具体包括：
获取所述目标设备在所述预设时间段内发送的针对所述目标应用的指定账户的请求消息；
基于所述请求消息，确定出所述目标应用的指定账户的认证用户。
4.如权利要求1所述的方法，所述获取目标应用处的待识别用户的人脸特征向量，具体包括：
获取目标设备发送的针对目标应用的指定账户的用户识别请求，所述用户识别请求中携带有待识别用户的人脸特征向量；
所述从所述目标应用的认证用户中，确定出一个第一目标用户，具体包括：
获取所述指定账户的认证用户的留底人脸特征向量；
计算所述指定账户的认证用户的留底人脸特征向量与所述待识别用户的人脸特征向量之间的相似度；
当所述相似度大于第一阈值时，将所述指定账户的认证用户确定为第一目标用户。
5.如权利要求1所述的方法，所述从所述目标应用的认证用户中，确定出一个第一目标用户，具体包括：
逐一确定所述目标应用的认证用户的留底人脸特征向量与所述待识别用户的人脸特征向量之间的相似度；
将首次确定出的大于第一阈值的所述相似度对应的所述认证用户确定为第一目标用户。
6.如权利要求1所述的方法，所述根据所述第一目标用户与所述第二目标用户，对所述待识别用户进行识别之前，还包括：
针对所述第二目标用户中除所述第一目标用户以外的其他用户，计算所述其他用户的留底人脸特征向量与所述待识别用户的人脸特征向量之间的第二相似度；
所述根据所述第一目标用户与所述第二目标用户，对所述待识别用户进行识别，具体包括：
根据所述第一相似度及全部所述第二相似度，对所述待识别用户进行识别。
7.如权利要求6所述的方法，所述根据所述第一相似度及全部所述第二相似度，对所述待识别用户进行识别，具体包括：
确定所述第一相似度及全部所述第二相似度中的最大值与次大值之差；
判断所述最大值与次大值之差是否大于第二阈值，得到第一判断结果；
当所述第一判断结果表示所述最大值与次大值之差大于所述第二阈值时，将所述待识别用户确定为所述最大值对应的认证用户；
当所述第一判断结果表示所述最大值与次大值之差小于等于所述第二阈值时，生成表示所述待识别用户人脸识别未通过的结果。
8.如权利要求7所述的方法，所述将所述待识别用户确定为所述最大值对应的认证用户之前，还包括：
获取所述最大值对应的认证用户的多个留底人脸特征向量；
判断所述多个留底人脸特征向量与所述待识别用户的人脸特征向量之间的相似度是否均大于第三阈值，得到第二判断结果；
所述将所述待识别用户确定为所述最大值对应的认证用户，具体包括：
当所述第二判断结果表示所述多个留底人脸特征向量与所述待识别用户的人脸特征向量之间的相似度均大于所述第三阈值时，将所述待识别用户确定为所述最大值对应的认证用户。
9.如权利要求6所述的方法，所述根据所述第一相似度及全部所述第二相似度，对所述待识别用户进行识别，具体包括：
确定所述第一相似度及全部所述第二相似度中的最大值与次大值之差及所述最大值；
将所述最大值与次大值之差及所述最大值输入逻辑回归模型，得到所述逻辑回归模型输出的预测值，所述预测值表示本次对所述待识别用户人脸识别通过的概率；
判断所述预测值是否大于第四阈值，得到第三判断结果；
当所述第三判断结果表示所述预测值大于所述第四阈值时，将所述待识别用户确定为所述最大值对应的认证用户；
当所述第三判断结果表示所述预测结果小于等于所述第四阈值时，生成表示所述待识别用户人脸识别未通过的结果。
10.如权利要求7-9中任意一项所述的方法，所述确定所述第一相似度及全部所述第二相似度中的最大值与次大值之差之前，还包括：
判断所述第一相似度及全部所述第二相似度中是否包含多个最大值，得到第四判断结果；
当所述第四判断结果表示所述第一相似度及全部所述第二相似度中包含多个最大值时，生成表示所述待识别用户人脸识别未通过的结果；
当所述第四判断结果表示所述第一相似度及全部所述第二相似度中未包含多个最大值时，确定所述第一相似度及全部所述第二相似度中的所述最大值与次大值之差。
11.一种用户识别装置，包括：
获取模块，用于获取目标应用处的待识别用户的人脸特征向量，所述人脸特征向量是对目标设备采集的所述待识别用户的人脸图像进行特征提取而得到的向量数据；
第一确定模块，用于从所述目标应用的认证用户中，确定出一个第一目标用户，所述第一目标用户的留底人脸特征向量与所述人脸特征向量之间的第一相似度大于第一阈值；
第二确定模块，用于从所述目标应用的认证用户中，确定出第二目标用户，所述第二目标用户为所述目标设备的历史用户；
识别模块，用于根据所述第一目标用户与所述第二目标用户，对所述待识别用户进行识别。
12.如权利要求11所述的装置，所述第二确定模块包括：
第一确定单元，用于从所述目标应用的认证用户中，确定出在获取所述人脸特征向量之前的预设时间段内使用过所述目标设备上的所述目标应用的所述认证用户。
13.如权利要求12所述的装置，所述第一确定单元，具体用于：
获取所述目标设备在所述预设时间段内发送的针对所述目标应用的指定账户的请求消息；
基于所述请求消息，确定出所述目标应用的指定账户的认证用户。
14.如权利要求11所述的装置，还包括：
计算模块，用于针对所述第二目标用户中除所述第一目标用户以外的其他用户，计算所述其他用户的留底人脸特征向量与所述待识别用户的人脸特征向量之间的第二相似度；
所述识别模块，具体用于：
根据所述第一相似度及全部所述第二相似度，对所述待识别用户进行识别。
15.如权利要求14所述的装置，所述识别模块包括：
第二确定单元，用于确定所述第一相似度及全部所述第二相似度中的最大值与次大值之差；
第一判断单元，用于判断所述最大值与次大值之差是否大于第二阈值，得到第一判断结果；
第三确定单元，用于当所述第一判断结果表示所述最大值与次大值之差大于所述第二阈值时，将所述待识别用户确定为所述最大值对应的认证用户；
第一结果生成单元，用于当所述第一判断结果表示所述最大值与次大值之差小于等于所述第二阈值时，生成表示所述待识别用户人脸识别未通过的结果。
16.如权利要求15所述的装置，所述识别模块还包括：
获取单元，用于获取所述最大值对应的认证用户的多个留底人脸特征向量；
第二判断单元，用于判断所述多个留底人脸特征向量与所述待识别用户的人脸特征向量之间的相似度是否均大于第三阈值，得到第二判断结果；
所述第三确定单元，具体用于：
当所述第二判断结果表示所述多个留底人脸特征向量与所述待识别用户的人脸特征向量之间的相似度均大于所述第三阈值时，将所述待识别用户确定为所述最大值对应的认证用户。
17.如权利要求14所述的装置，所述所述识别模块包括：
第四确定单元，用于确定所述第一相似度及全部所述第二相似度中的最大值与次大值之差及所述最大值；
预测单元，用于将所述最大值与次大值之差及所述最大值输入逻辑回归模型，得到所述逻辑回归模型输出的预测值，所述预测值表示本次对所述待识别用户人脸识别通过的概率；
第三判断单元，用于判断所述预测值是否大于第四阈值，得到第三判断结果；
第五确定单元，用于当所述第三判断结果表示所述预测值大于所述第四阈值时，将所述待识别用户确定为所述最大值对应的认证用户；
第二结果生成单元，用于当所述第三判断结果表示所述预测结果小于等于所述第四阈值时，生成表示所述待识别用户人脸识别未通过的结果。
18.一种用户识别设备，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
获取目标应用处的待识别用户的人脸特征向量，所述人脸特征向量是对目标设备采集的所述待识别用户的人脸图像进行特征提取而得到的向量数据；
从所述目标应用的认证用户中，确定出一个第一目标用户，所述第一目标用户的留底人脸特征向量与所述人脸特征向量之间的第一相似度大于第一阈值；
从所述目标应用的认证用户中，确定出第二目标用户，所述第二目标用户为所述目标设备的历史用户；
根据所述第一目标用户与所述第二目标用户，对所述待识别用户进行识别。
技术总结