本说明书涉及网络通信技术领域，尤其涉及一种人脸认证的实现方法和装置。
背景技术：
人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。随着近年来计算机视觉技术、大数据、机器学习等技术的急速发展，通过人脸识别来进行用户认证的技术在金融交易、无人零售、安防监控、公共交通等领域的应用越来越广泛，给人们的工作和生活带来了极大便利。
同时，人脸认证的应用也造成了新的安全隐患。例如，对摄像头的注入式攻击能够将事先拍摄的人脸照片或人脸视频伪装成从摄像头拍摄的现场照片或现场视频，使得负责通过人脸识别进行用户认证的设备误以为用户正在进行常规的人脸认证，得出错误的结论，造成用户的损失。增强人脸认证的安全性已经成为新的技术挑战。
技术实现要素：
有鉴于此，本说明书提供一种人脸认证的实现方法，包括：
获取待认证用户的人脸可见光数据和人脸雷达数据；所述人脸可见光数据和人脸雷达数据同时采集；
基于所述人脸可见光数据识别人脸可见光特征；基于所述人脸雷达数据识别人脸雷达特征；
当所述人脸可见光特征和所述人脸雷达特征相匹配时，采用所述人脸可见光数据和所述用户的已核实人脸信息，对所述用户进行认证。
本说明书还提供了一种人脸认证的实现装置，包括：
数据获取单元，用于获取待认证用户的人脸可见光数据和人脸雷达数据；所述人脸可见光数据和人脸雷达数据同时采集；
特征识别单元，用于基于所述人脸可见光数据识别人脸可见光特征；基于所述人脸雷达数据识别人脸雷达特征；
用户认证单元，用于当所述人脸可见光特征和所述人脸雷达特征相匹配时，采用所述人脸可见光数据和所述用户的已核实人脸信息，对所述用户进行认证。
本说明书提供的一种计算机设备，包括：存储器和处理器；所述存储器上存储有可由处理器运行的计算机程序；所述处理器运行所述计算机程序时，执行上述人脸认证的实现方法所述的方法。
本说明书还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器运行时，执行上述人脸认证的实现方法所述的方法。
由以上技术方案可见，本说明书的实施例中，同时采集待认证用户的人脸可见光数据和人脸雷达数据，先验证由人脸可见光数据得出的人脸可见光特征、与由人脸雷达数据得出的人脸雷达特征相匹配后，再利用用户的已核实人脸信息来进行认证，由于人脸雷达数据是三维数据，三维数据的伪造需要更高的技术门槛和大量的时间精力，从而极大的增加了注入式攻击的难度和成本，提高了人脸认证的安全程度。
附图说明
图1是本说明书实施例中一种人脸认证的实现方法的流程图；
图2是本说明书应用示例中一种用于人脸认证的终端与认证服务器之间的交互流程图；
图3是运行本说明书实施例的一种硬件结构图；
图4是本说明书实施例中一种人脸认证的实现装置的逻辑结构图。
具体实施方式
本说明书的实施例提出一种新的人脸认证的实现方法，同时采集用户的人脸可见光数据和人脸雷达数据，由二维的人脸可见光数据得到人脸可见光特征，由三维的人脸雷达数据得到人脸雷达特征，在验证人脸可见光特征匹配与人脸雷达特征后，再基于用户的已核实人脸信息来对用户进行认证，使得注入式攻击需要提供相匹配的二维和三维数据才可能通过认证，而伪造三维数据的难度和时间精力远远高于伪造二维数据，极大的提高了注入式攻击的门槛和所耗费的成本，使人脸认证具有更好的安全性。
本说明书的实施例中，人脸认证可以在终端上独立进行，也可以由终端和认证服务器协同进行。此外，终端或认证服务器在不同的应用场景中也可以属于不同的所有者。以下给出几个例子：
例一，在设备解锁时，终端可以是待认证用户的终端，人脸认证由用户的终端独立完成。
例二，在登录认证时，终端可以是待认证用户的终端，人脸认证可以由用户的终端独立完成并将结果通知要登录系统的认证服务器，人脸认证也可以由用户的终端与要登录系统的认证服务器一同完成。
例三，在刷脸支付时，终端可以是接收用户支付的收款方的终端，人脸认证由收款方的终端和支付系统的认证服务器协同完成。
本说明书的实施例中，终端可以是手机、平板电脑、pc(personalcomputer，个人电脑)、笔记本、刷脸支付机、刷脸考勤机等设备；认证服务器可以是一个物理或逻辑服务器，也可以是由两个或两个以上分担不同职责的物理或逻辑服务器、相互协同来实现本说明书实施例中认证服务器的各项功能。在终端与认证服务器协同进行人脸认证的场景中，终端与认证服务器之间通过网络相互可访问。本说明书实施例对终端、认证服务器的种类，以及终端与认证服务器之间通信网络的类型、协议等均不做限定。
本说明书的实施例中，人脸认证的实现方法的流程如图1所示。
步骤110，获取待认证用户的人脸可见光数据和人脸雷达数据。
本说明书的实施例中，终端上安装有可见光摄像头和雷达摄像头。可见光摄像头即是常规的摄像头，用来拍摄照片或者录制视频，为区别雷达摄像头和红外摄像头，本说明书实施例中将其称之为可见光摄像头。雷达摄像头可以是毫米波雷达摄像头，也可以是激光雷达摄像头，任何精度能够满足应用场景需求的雷达摄像头都可以采用。
在启动人脸认证流程后，终端同时使用可见光摄像头和雷达摄像头，分别获取待认证用户的人脸可见光数据和人脸雷达数据。其中，人脸可见光数据可以是一张人脸照片、两张或两张以上的人脸照片(连拍或非连拍)、一段包含人脸的视频等，不做限定。人脸雷达数据通常是与可见光摄像头拍摄的同时在雷达发射范围内采集的三维数据(如点云数据)，具体的数据格式不做限定(如矩阵格式的数据)。
需要说明的是，人脸可见光数据和人脸雷达数据是同时获取的，换言之，人脸可见光数据和人脸雷达数据的采集针对于同样的人脸姿势、角度和动作。这样，在正常的人脸认证流程中由可见光摄像头和雷达摄像头同时采集某人的脸部信息时，所采集的人脸可见光数据和人脸雷达数据所反映的是相同的脸部信息，人脸可见光数据和人脸雷达数据将能够相互匹配。
步骤120，基于人脸可见光数据识别人脸可见光特征；基于人脸雷达数据识别人脸雷达特征。
人脸特征包括脸部可识别部位自身的信息、可识别部位在人脸的位置信息、以及两个或多个可识别部位之间的位置关系信息等。区别起见，本说明书的实施例中将由人脸可见光数据中识别出的人脸特征称为人脸可见光特征，将由人脸雷达数据中识别出的人脸特征称为人脸雷达特征。
能够从人脸可见光数据或人脸雷达数据中识别出的上述信息(可识别部位自身的信息、可识别部位在人脸的位置信息、两个或多个可识别部位之间的位置关系信息等)中的一个到多个，都可以作为本说明书实施例中采用的人脸特征，不做限定。例如，可识别的部位可以是眼睛、鼻子、嘴巴、眉毛等脸部器官，可以是人中、眉心的可定位的脸部位置点，还可以是脸部边界(如脸部轮廓线)等；可识别部位自身的信息可以是眼睛的横向宽度和纵向宽度、鼻子的长度和宽度等；可识别部位在人脸的位置信息可以是左眼中心点到左边脸部轮廓线的水平距离、鼻尖到上部脸部轮廓线的垂直距离、眉心到下部脸部轮廓线的垂直距离等；可识别部位之间的位置关系信息可以是两眼中心点之间的距离、由两眼中心点和嘴巴中心点构成的三角形的各边边长等。
在实际应用场景中，可以按照所采集数据的精度、识别速度要求、识别准确性要求等因素，选择在本应用场景中要使用的一个到多个人脸特征，来作为人脸可见光特征或者人脸雷达特征。人脸可见光特征属于平面特征，例如可以是任意两个脸部器官之间的距离、某个脸部器官与脸部边界之间的距离中的一项到多项；人脸雷达特征可以是平面特征也可以是立体特征，例如可以是任意两个脸部器官之间的距离、某个脸部器官与脸部边界之间的距离、某个脸部器官到摄像头的距离中的一项到多项。
本说明书的实施例中，人脸可见光特征包括一个到多个人脸特征，人脸雷达特征包括一个到多个人脸特征，人脸可见光特征和人脸雷达特征中至少有一个人脸特征是相同的。例如，可以将鼻尖到上部脸部轮廓线的垂直距离、两眼中心点之间的距离作为人脸可见光特征，将两眼中心点之间的距离作为人脸雷达特征，人脸可见光特征和人脸雷达特征中均包含两眼中心点之间的距离这一人脸特征。
在获得人脸可见光数据和人脸雷达数据后，可以采用人脸可见光数据识别出人脸可见光特征，采用人脸雷达数据识别出人脸雷达特征。
通常采用两个经过训练的机器学习模型(区别起见，称之为可见光识别模型和雷达识别模型)来分别识别人脸可见光特征和人脸雷达特征。本说明书的实施例中，可见光识别模型的输入为获取的人脸可见光数据、或者是采用获取的人脸可见光数据生成的一个到多个向量，其输出包括人脸可见光特征；雷达识别模型的输入为获取的人脸雷达数据、或者是采用获取的人脸雷达数据生成的一个到多个向量，其输出包括人脸雷达特征。本说明书实施例对可见光识别模型、雷达识别模型所采用的算法、训练方式等均不作限定。
步骤130，当人脸可见光特征和人脸雷达特征相匹配时，采用人脸可见光数据和该用户的已核实人脸信息，对该用户进行认证。
在识别出人脸可见光特征和人脸雷达特征后，比对人脸可见光特征和人脸雷达特征中相同的人脸特征(即既属于人脸可见光特征、也属于人脸雷达特征的人脸特征)，如果这些相同人脸特征中的每一个在人脸可见光特征中的值、与在人脸雷达特征中的值相差均在预定范围(不同的人脸特征可以有不同的预定范围)内，则认为人脸可见光特征与人脸雷达特征相匹配；如果任何一个上述相同人脸特征在可见光特征中的值、与在人脸雷达特征中的值相差超过预定范围，则认为人脸可见光特征与人脸雷达特征不匹配。
例如，假设人脸可见光特征与人脸雷达特征均包括两眼中心点之间的距离这一人脸特征，当人脸可见光特征中两眼中心点之间的距离、与人脸雷达特征中两眼中心点之间的距离相差超过0.3厘米时，人脸可见光特征与人脸雷达特征不匹配。如果人脸可见光特征中两眼中心点之间的距离、与人脸雷达特征中两眼中心点之间的距离小于等于0.3厘米，人脸可见光特征与人脸雷达特征在这一人脸特征上相匹配；如果在其他既属于人脸可见光特征也属于人脸雷达特征的人脸特征上也相匹配的话，则判定人脸可见光特征与人脸雷达特征相匹配。
如果人脸可见光特征和人脸雷达特征不匹配，则认证失败。如果人脸可见光特征和人脸雷达特征相匹配，采用人脸可见光数据和该待认证用户的已核实人脸信息，对该用户进行认证。
根据实际应用场景的具体实现，用户的已核实人脸信息可以是已经核实过属于用户本人的人脸可见光图像，也可以是对已核实人脸可见光图像经过隐私处理后得到的已核实人脸隐私数据。其中，已核实人脸可见光图像可以保存在用户自己的终端上，也可以从国家机关的服务器上获取；已核实人脸隐私数据可以保存在终端上，也可以保存在认证服务器上，还可以保存在终端或认证服务器可以访问的网络存储位置。需要说明的是，从已核实人脸隐私数据无法得到人脸的图像数据。
采用人脸可见光数据和用户的已核实人脸信息进行认证的具体方式不做限定，例如，当已核实人脸信息是已核实人脸可见光图像时，可以采用人脸可见光特征与已核实人脸信息的人脸特征做比对，还可以参照已有的人脸认证流程中将照片或视频数据与已核实人脸信息的比对过程来进行，不再赘述。再如，当已核实人脸信息是已核实人脸隐私数据时，可以对人脸可见光数据进行相同的隐私处理后得到人脸可见光隐私数据，再比对已核实人脸隐私数据和人脸可见光隐私数据是否相同。当人脸可见光数据与用户的已核实人脸信息相匹配时，用户的人脸认证通过；当人脸可见光数据与用户的已核实人脸信息不匹配时，人脸认证失败。
在由终端和认证服务器协同进行人脸认证的应用场景中，可以由终端同时采集待认证用户的人脸可见光数据和人脸雷达数据，并基于人脸可见光数据识别人脸可见光特征，基于人脸雷达数据识别人脸雷达特征；当人脸可见光特征和人脸雷达特征相匹配时，由终端对人脸可见光数据进行隐私处理后得到人脸可见光隐私数据，并上传至认证服务器；认证服务器根据已核实人脸隐私数据和终端上传的人脸可见光隐私数据，对待认证用户进行认证。
雷达的工作原理是通过向目标发射波束，根据从目标反射回来的波束与发射波束时间差做比较，可以得到目标的距离、方位、高度、速度、姿态、形状等参数，构建出3d(三维)的环境感知数据。可见光摄像头拍摄的照片或视频只包含2d(二维)的平面数据。本说明书实施例中将3d立体人脸的的人脸特征与2d平面人脸的人脸特征进行比对，使得对摄像头的注入式攻击不仅需要伪造视频或照片的平面数据，还需要伪造与平面数据相匹配的3d立体数据，这将大大提升伪造的技术门槛，并且使得伪造者必须为每个照片或视频专门做3d建模以生成对应的立体数据，不得不花费大量的时间精力，从而极大的降低了注入式攻击成功的可能性。
在一些应用场景中，可以基于人脸可见光数据识别出人脸可见光轮廓，基于人脸雷达数据识别出人脸雷达轮廓，然后将人脸可见光轮廓与人脸雷达轮廓进行比对，当人脸可见光特征和人脸雷达特征相匹配、人脸可见光轮廓和人脸雷达轮廓相匹配、并且人脸可见光轮廓和人脸雷达轮廓的位置相重合时，采用人脸可见光数据和用户的已核实人脸信息，对用户进行认证。如果人脸可见光轮廓和人脸雷达轮廓不匹配、或者人脸可见光轮廓和人脸雷达轮廓的位置不重合，则认证失败。
上述应用场景中，根据可见光识别模型和雷达识别模型的具体实现，人脸可见光轮廓可以包括在可见光识别模型的输出中，也可以采用另外的人脸可见光轮廓模型来由人脸可见光数据识别出人脸可见光轮廓；人脸雷达轮廓可以包括在雷达识别模型的输出中，也可以采用另外的人脸雷达轮廓模型来由人脸雷达数据识别出人脸雷达轮廓；人脸可见光轮廓模型和人脸雷达轮廓模型可以采用各种适合的机器学习算法来实现，并且采用与其算法相适应的训练方式进行训练，均不作限定。
此外，人脸可见光轮廓与人脸雷达轮廓相匹配可以是人脸可见光轮廓与人脸雷达轮廓的偏差在第一预定范围内，人脸可见光轮廓与人脸雷达轮廓的位置相重合可以是人脸可见光轮廓与人脸雷达轮廓的位置偏差在第二预定范围内。
可见光识别模型通常可以由人脸可见光数据判断出是否存在人脸，并且将是否存在人脸包括在模型的输出中；雷达识别模型通常可以基于人脸雷达数据判断出是否存在立体的人脸，并且将是否存在立体的人脸包括在模型的输出中。在这种情况下，可以在人脸可见光数据中不存在人脸、或人脸雷达数据中不存在立体的人脸时，判定人脸认证失败。是否存在人脸、是否存在立体的人脸的判断方式和判断标准可以根据实际应用场景的需要以及可见光识别模型或雷达识别模型的具体实现来确定，不做限定。例如，可以将无法提取出人脸轮廓、无法识别出人脸的一个到多个特定部位来作为不存在人脸或不存在立体的人脸的判断条件。
一些终端除可见光摄像头和雷达摄像头外，还安装有红外摄像头。在这些终端上，可以在采集人脸可见光数据和人脸雷达数据的同时，使用红外摄像头采集待认证用户的人脸红外数据。同时采集的人脸可见光数据、人脸雷达数据和人脸红外数据针对同样的人脸姿势、角度和动作获取，反映的是相同的脸部信息。人脸红外数据可以是一张人脸红外图片、两张或两张以上的人脸红外图片(连拍或非连拍)、一段包含人脸的红外视频等，不做限定。
在获得人脸红外数据后，基于人脸红外数据识别人脸红外轮廓，将识别出的人脸红外轮廓与人脸可见光轮廓、人脸雷达轮廓进行比对，在人脸可见光特征和人脸雷达特征相匹配、人脸可见光轮廓、人脸雷达轮廓和人脸红外轮廓相匹配、并且人脸可见光轮廓、人脸雷达轮廓和人脸红外轮廓的位置相重合时，采用人脸可见光数据和待认证用户的已核实人脸信息，对该用户进行认证。
通常可以采用经过训练的红外轮廓模型(一种机器学习模型)来识别人脸红外轮廓。本说明书的实施例中，红外轮廓模型的输入为人脸红外数据、或者是采用人脸红外数据生成的一个到多个向量，其输出包括人脸红外轮廓。红外轮廓模型可以采用各种机器学习算法，并采用适合该算法的训练方式进行训练，不作限定。另外，人脸可见光轮廓、人脸雷达轮廓和人脸红外轮廓相匹配包括上述三个轮廓的偏差在第三预定范围内；人脸可见光轮廓、人脸雷达轮廓和人脸红外轮廓的位置相重合包括上述三个轮廓的位置偏差在第四预定范围内。
红外轮廓模型通常可以由人脸红外数据判断出是否存在人脸，并且将是否存在人脸包括在模型的输出中。人脸红外数据中是否存在人脸的判断方式和判断标准可以根据实际应用场景的需要以及红外轮廓模型的具体实现来确定，不做限定。可以在比对人脸轮廓和人脸特征前，先判断人脸可见光数据、人脸雷达数据和人脸红外数据中是否都存在人脸。当人脸可见光数据不存在人脸、或人脸雷达数据不存在立体的人脸、或人脸红外数据不存在人脸时，判定认证失败。
红外摄像头根据物体辐射或反射的红外线来成像，可以在黑暗中成像，红外人脸图像既不像可见光人脸图像那样容易受到环境光照变换的影响，也不受脸部化妆或伪装的影响，在人脸认证中具有独特的优势。同时采用人脸可见光数据、人脸雷达数据和人脸红外数据来进行人脸认证，使得对摄像头的注入式攻击在伪造视频或照片的平面数据、与平面数据相匹配的3d立体数据之外，还需要伪造相匹配的红外数据，这进一步加大了伪造的难度，增加了人脸认证的安全性。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
在本说明书的一个应用示例中，终端上安装有可见光摄像头、红外摄像头和激光雷达摄像头。终端上保存有训练完毕的可见光识别模型、雷达识别模型、和红外轮廓模型。可见光识别模型的输入为人脸可见光数据，输出为是否存在人脸、人脸可见光轮廓和人脸可见光特征；雷达识别模型的输入为人脸雷达数据，输出为是否存在立体的人脸、人脸雷达轮廓和人脸雷达特征；红外轮廓模型的输入为人脸红外数据，输出为是否存在人脸和人脸红外轮廓。
用户进行人脸认证的流程如图2所示。当启动人脸认证时，终端同时通过可见光摄像头、激光雷达摄像头和红外摄像头，分别采集人脸可见光数据、人脸雷达数据和人脸红外数据。
终端将人脸可见光数据输入可见光识别模型，将人脸雷达数据输入雷达识别模型，将人脸红外数据输入红外轮廓模型，得到三个模型的输出。终端判断人脸可见光数据存在人脸、人脸雷达数据存在立体的人脸、并且人脸红外数据存在人脸后，比对人脸可见光轮廓、人脸雷达轮廓和人脸红外轮廓。如果人脸可见光数据、人脸雷达数据、或人脸红外数据中任一个不存在人脸，则向用户返回认证失败。
当人脸可见光轮廓、人脸雷达轮廓和人脸红外轮廓三者相匹配、并且位置相重合时，终端比对人脸可见光特征和人脸雷达特征；否则向用户返回认证失败。
如果人脸可见光特征和人脸雷达特征相匹配，终端对人脸可见光数据进行预定的隐私处理，得到人脸可见光隐私数据，并将人脸可见光隐私数据上传给认证服务器。如果人脸可见光特征和人脸雷达特征不匹配，终端向用户返回认证失败。
认证服务器上保存有从国家权威机构获得的用户的已核实人脸隐私数据。这些已核实人脸隐私数据由国家权威机构根据用户的已核实人脸图像经过同样的隐私处理后生成，并提供给认证服务器使用。在收到终端上传的待认证用户的人脸可见光隐私数据后，认证服务器提取同一个用户的已核实人脸隐私数据，如果与终端上传的数据相同，则向终端返回认证通过的消息，否则向终端返回认证失败的消息，由终端告知用户未能通过认证。
与上述流程实现对应，本说明书的实施例还提供了一种人脸认证的实现装置。该装置可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为逻辑意义上的装置，是通过所在设备的cpu(centralprocessunit，中央处理器)将对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言，除了图3所示的cpu、内存以及存储器之外，人脸认证的实现装置所在的设备通常还包括用于进行无线信号收发的芯片等其他硬件，和/或用于实现网络通信功能的板卡等其他硬件。
图4所示为本说明书实施例提供的一种人脸认证的实现装置，包括数据获取单元、特征识别单元和用户认证单元，其中：数据获取单元用于获取待认证用户的人脸可见光数据和人脸雷达数据；所述人脸可见光数据和人脸雷达数据同时采集；特征识别单元用于基于所述人脸可见光数据识别人脸可见光特征；基于所述人脸雷达数据识别人脸雷达特征；用户认证单元用于当所述人脸可见光特征和所述人脸雷达特征相匹配时，采用所述人脸可见光数据和所述用户的已核实人脸信息，对所述用户进行认证。
一种实现方式中，所述的装置还包括：轮廓识别单元，用于基于所述人脸可见光数据识别人脸可见光轮廓；基于所述人脸雷达数据识别人脸雷达轮廓；所述用户认证单元具体用于：当所述人脸可见光特征和所述人脸雷达特征相匹配、所述人脸可见光轮廓和所述人脸雷达轮廓相匹配、并且所述人脸可见光轮廓和所述人脸雷达轮廓的位置相重合时，采用所述人脸可见光数据和所述用户的已核实人脸信息，对所述用户进行认证。
上述实现方式中，所述数据获取单元具体用于：获取待认证用户的人脸可见光数据、人脸雷达数据和人脸红外数据；所述人脸可见光数据、人脸雷达数据和人脸红外数据同时采集；所述装置还包括红外轮廓单元，用于基于所述人脸红外数据识别人脸红外轮廓；所述用户认证单元具体用于：当所述人脸可见光特征和所述人脸雷达特征相匹配、所述人脸可见光轮廓、所述人脸雷达轮廓和所述人脸红外轮廓相匹配、并且所述人脸可见光轮廓、所述人脸雷达轮廓的位置和所述人脸红外轮廓的位置相重合时，采用所述人脸可见光数据和所述用户的已核实人脸信息，对所述用户进行认证。
一个例子中，所述的装置还包括：人脸存在单元，用于基于所述人脸可见光数据判断是否存在人脸，基于所述人脸雷达数据判断是否存在立体的人脸；当所述人脸可见光数据不存在人脸或者所述人脸雷达数据不存在立体的人脸时，认证失败。
上述例子中，所述数据获取单元具体用于：获取待认证用户的人脸可见光数据、人脸雷达数据和人脸红外数据；所述人脸可见光数据、人脸雷达数据和人脸红外数据同时采集；所述人脸存在单元具体用于：基于所述人脸可见光数据判断是否存在人脸，基于所述人脸雷达数据判断是否存在立体的人脸，基于所述人脸红外数据判断是否存在人脸；当所述人脸可见光数据不存在人脸、所述人脸雷达数据不存在立体的人脸、或者所述人脸红外数据不存在人脸时，认证失败。
可选的，所述数据获取单元具体用于：由终端同时采集待认证用户的人脸可见光数据和人脸雷达数据；所述特征识别单元具体用于：由终端基于所述人脸可见光数据识别人脸可见光特征；基于所述人脸雷达数据识别人脸雷达特征；所述已核实人脸信息包括：对已认证的人脸可见光图像经过隐私处理后得到的已核实人脸隐私数据；所述用户认证单元具体用于：当所述人脸可见光特征和所述人脸雷达特征相匹配时，由终端对所述人脸可见光数据进行隐私处理后得到人脸可见光隐私数据，并上传至认证服务器；认证服务器根据所述已核实人脸隐私数据和所述人脸可见光隐私数据，对所述用户进行认证。
可选的，所述人脸可见光特征包括：任意两个脸部器官之间的距离、某个脸部器官与脸部边界之间的距离中的一项到多项；所述人脸雷达特征包括：任意两个脸部器官之间的距离、某个脸部器官与脸部边界之间的距离、某个脸部器官到摄像头的距离中的一项到多项。
本说明书的实施例提供了一种计算机设备，该计算机设备包括存储器和处理器。其中，存储器上存储有能够由处理器运行的计算机程序；处理器在运行存储的计算机程序时，执行本说明书实施例中人脸认证的实现方法的各个步骤。对人脸认证的实现方法的各个步骤的详细描述请参见之前的内容，不再重复。
本说明书的实施例提供了一种计算机可读存储介质，该存储介质上存储有计算机程序，这些计算机程序在被处理器运行时，执行本说明书实施例中人脸认证的实现方法的各个步骤。对人脸认证的实现方法的各个步骤的详细描述请参见之前的内容，不再重复。
以上所述仅为本说明书的较佳实施例而已，并不用以限制请求保护的其他实施例，凡在本说明书的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在请求保护的范围之内。
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，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书的实施例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，本说明书的实施例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。
1.一种人脸认证的实现方法，包括：
获取待认证用户的人脸可见光数据和人脸雷达数据；所述人脸可见光数据和人脸雷达数据同时采集；
基于所述人脸可见光数据识别人脸可见光特征；基于所述人脸雷达数据识别人脸雷达特征；
当所述人脸可见光特征和所述人脸雷达特征相匹配时，采用所述人脸可见光数据和所述用户的已核实人脸信息，对所述用户进行认证。
2.根据权利要求1所述的方法，还包括：基于所述人脸可见光数据识别人脸可见光轮廓；基于所述人脸雷达数据识别人脸雷达轮廓；
所述当人脸可见光特征和所述人脸雷达特征相匹配时，采用所述人脸可见光数据和所述用户的已核实人脸信息，对所述用户进行认证，包括：当所述人脸可见光特征和所述人脸雷达特征相匹配、所述人脸可见光轮廓和所述人脸雷达轮廓相匹配、并且所述人脸可见光轮廓和所述人脸雷达轮廓的位置相重合时，采用所述人脸可见光数据和所述用户的已核实人脸信息，对所述用户进行认证。
3.根据权利要求2所述的方法，所述获取待认证用户的人脸可见光数据和人脸雷达数据，包括：获取待认证用户的人脸可见光数据、人脸雷达数据和人脸红外数据；所述人脸可见光数据、人脸雷达数据和人脸红外数据同时采集；
所述方法还包括：基于所述人脸红外数据识别人脸红外轮廓；
所述当人脸可见光特征和所述人脸雷达特征相匹配时，采用所述人脸可见光数据和所述用户的已核实人脸信息，对所述用户进行认证，包括：当所述人脸可见光特征和所述人脸雷达特征相匹配、所述人脸可见光轮廓、所述人脸雷达轮廓和所述人脸红外轮廓相匹配、并且所述人脸可见光轮廓、所述人脸雷达轮廓的位置和所述人脸红外轮廓的位置相重合时，采用所述人脸可见光数据和所述用户的已核实人脸信息，对所述用户进行认证。
4.根据权利要求1所述的方法，还包括：基于所述人脸可见光数据判断是否存在人脸，基于所述人脸雷达数据判断是否存在立体的人脸；当所述人脸可见光数据不存在人脸或者所述人脸雷达数据不存在立体的人脸时，认证失败。
5.根据权利要求4所述的方法，所述获取待认证用户的人脸可见光数据和人脸雷达数据，包括：获取待认证用户的人脸可见光数据、人脸雷达数据和人脸红外数据；所述人脸可见光数据、人脸雷达数据和人脸红外数据同时采集；
所述基于所述人脸可见光数据判断是否存在人脸，基于所述人脸雷达数据判断是否存在立体的人脸，包括：基于所述人脸可见光数据判断是否存在人脸，基于所述人脸雷达数据判断是否存在立体的人脸，基于所述人脸红外数据判断是否存在人脸；
所述当人脸可见光数据不存在人脸或者所述人脸雷达数据不存在人脸时，认证失败，包括：当所述人脸可见光数据不存在人脸、所述人脸雷达数据不存在立体的人脸、或者所述人脸红外数据不存在人脸时，认证失败。
6.根据权利要求1所述的方法，所述获取待认证用户的人脸可见光数据和人脸雷达数据，包括：由终端同时采集待认证用户的人脸可见光数据和人脸雷达数据；
所述基于所述人脸可见光数据识别人脸可见光特征；基于所述人脸雷达数据识别人脸雷达特征，包括：由终端基于所述人脸可见光数据识别人脸可见光特征；基于所述人脸雷达数据识别人脸雷达特征；
所述已核实人脸信息包括：对已认证的人脸可见光图像经过隐私处理后得到的已核实人脸隐私数据；
所述当人脸可见光特征和所述人脸雷达特征相匹配时，采用所述人脸可见光数据和所述用户的已核实人脸信息，对所述用户进行认证，包括：当所述人脸可见光特征和所述人脸雷达特征相匹配时，由终端对所述人脸可见光数据进行隐私处理后得到人脸可见光隐私数据，并上传至认证服务器；认证服务器根据所述已核实人脸隐私数据和所述人脸可见光隐私数据，对所述用户进行认证。
7.根据权利要求1所述的方法，所述人脸可见光特征包括：任意两个脸部器官之间的距离、某个脸部器官与脸部边界之间的距离中的一项到多项；所述人脸雷达特征包括：任意两个脸部器官之间的距离、某个脸部器官与脸部边界之间的距离、某个脸部器官到摄像头的距离中的一项到多项。
8.一种人脸认证的实现装置，包括：
数据获取单元，用于获取待认证用户的人脸可见光数据和人脸雷达数据；所述人脸可见光数据和人脸雷达数据同时采集；
特征识别单元，用于基于所述人脸可见光数据识别人脸可见光特征；基于所述人脸雷达数据识别人脸雷达特征；
用户认证单元，用于当所述人脸可见光特征和所述人脸雷达特征相匹配时，采用所述人脸可见光数据和所述用户的已核实人脸信息，对所述用户进行认证。
9.根据权利要求8所述的装置，还包括：轮廓识别单元，用于基于所述人脸可见光数据识别人脸可见光轮廓；基于所述人脸雷达数据识别人脸雷达轮廓；
所述用户认证单元具体用于：当所述人脸可见光特征和所述人脸雷达特征相匹配、所述人脸可见光轮廓和所述人脸雷达轮廓相匹配、并且所述人脸可见光轮廓和所述人脸雷达轮廓的位置相重合时，采用所述人脸可见光数据和所述用户的已核实人脸信息，对所述用户进行认证。
10.根据权利要求9所述的装置，所述数据获取单元具体用于：获取待认证用户的人脸可见光数据、人脸雷达数据和人脸红外数据；所述人脸可见光数据、人脸雷达数据和人脸红外数据同时采集；
所述装置还包括：红外轮廓单元，用于基于所述人脸红外数据识别人脸红外轮廓；
所述用户认证单元具体用于：当所述人脸可见光特征和所述人脸雷达特征相匹配、所述人脸可见光轮廓、所述人脸雷达轮廓和所述人脸红外轮廓相匹配、并且所述人脸可见光轮廓、所述人脸雷达轮廓的位置和所述人脸红外轮廓的位置相重合时，采用所述人脸可见光数据和所述用户的已核实人脸信息，对所述用户进行认证。
11.根据权利要求8所述的装置，还包括：人脸存在单元，用于基于所述人脸可见光数据判断是否存在人脸，基于所述人脸雷达数据判断是否存在立体的人脸；当所述人脸可见光数据不存在人脸或者所述人脸雷达数据不存在立体的人脸时，认证失败。
12.根据权利要求11所述的装置，所述数据获取单元具体用于：获取待认证用户的人脸可见光数据、人脸雷达数据和人脸红外数据；所述人脸可见光数据、人脸雷达数据和人脸红外数据同时采集；
所述人脸存在单元具体用于：基于所述人脸可见光数据判断是否存在人脸，基于所述人脸雷达数据判断是否存在立体的人脸，基于所述人脸红外数据判断是否存在人脸；当所述人脸可见光数据不存在人脸、所述人脸雷达数据不存在立体的人脸、或者所述人脸红外数据不存在人脸时，认证失败。
13.根据权利要求8所述的装置，所述数据获取单元具体用于：由终端同时采集待认证用户的人脸可见光数据和人脸雷达数据；
所述特征识别单元具体用于：由终端基于所述人脸可见光数据识别人脸可见光特征；基于所述人脸雷达数据识别人脸雷达特征；
所述已核实人脸信息包括：对已认证的人脸可见光图像经过隐私处理后得到的已核实人脸隐私数据；
所述用户认证单元具体用于：当所述人脸可见光特征和所述人脸雷达特征相匹配时，由终端对所述人脸可见光数据进行隐私处理后得到人脸可见光隐私数据，并上传至认证服务器；认证服务器根据所述已核实人脸隐私数据和所述人脸可见光隐私数据，对所述用户进行认证。
14.根据权利要求8所述的装置，所述人脸可见光特征包括：任意两个脸部器官之间的距离、某个脸部器官与脸部边界之间的距离中的一项到多项；所述人脸雷达特征包括：任意两个脸部器官之间的距离、某个脸部器官与脸部边界之间的距离、某个脸部器官到摄像头的距离中的一项到多项。
15.一种计算机设备，包括：存储器和处理器；所述存储器上存储有可由处理器运行的计算机程序；所述处理器运行所述计算机程序时，执行如权利要求1到7任意一项所述的方法。
16.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器运行时，执行如权利要求1到7任意一项所述的方法。
技术总结