CN109284596A - 人脸解锁方法及装置 - Google Patents

Abstract

本发明揭示了一种人脸解锁方法及装置，其中，人脸解锁方法包括以下步骤：获取第一人脸图像；定位第一人脸图像眼睛周围的多个特征点；根据多个特征点计算眼睛的第一开合度，判断眼睛的第一开合度是否大于预设的第二开合度；当获取第一开合度大于第二开合度的结果后，检测第一人脸图像对应的人体是否为活体；当获取人体为活体的结果后，比对第一人脸图像的特征和预存的第二人脸图像的特征是否相同；当获取第一人脸图像的特征和第二人脸图像的特征相同的结果后，激活解锁控制指令以对电子设备进行解锁。本发明可避免因为光线不好、眼睛较小或眯眼时误判眼睛的状态。

Description

人脸解锁方法及装置

技术领域

本发明涉及电子设备解锁领域，具体涉及一种人脸解锁方法及装置。

背景技术

人脸信息是每个人独一无二的生物特征，随着人脸识别技术飞速发展和广阔应用，目前越来越多的电子设备(手机、平板电脑等)厂商将人脸识别技术应用于电子设备解锁，但现有的人脸解锁方法在光线不好、眼睛较小或眯眼等情况下，难以准确检测出眼睛开闭状态。

发明内容

本发明提供一种人脸解锁方法及装置，旨在解决现有技术中光线不好、眼睛较小或眯眼等情况下，难以准确检测出眼睛开闭状态的问题。

本发明提出一种人脸解锁方法，包括以下步骤：

获取第一人脸图像；

定位所述第一人脸图像眼睛周围的多个特征点；

根据所述多个特征点计算所述眼睛的第一开合度，判断所述眼睛的第一开合度是否大于预设的第二开合度；

当获取所述第一开合度大于所述第二开合度的结果后，检测所述第一人脸图像对应的人体是否为活体；

当获取所述人体为活体的结果后，比对所述第一人脸图像的特征和预存的第二人脸图像的特征是否相同；

当获取所述第一人脸图像的特征和所述第二人脸图像的特征相同的结果后，激活解锁控制指令以对电子设备进行解锁。

进一步，所述定位所述第一人脸图像眼睛周围的多个特征点的步骤包括：

定位所述第一人脸图像第一眼睛上眼皮的第一特征点、第二特征点，定位所述第一眼睛下眼皮的第三特征点、第四特征点，定位所述第一眼睛左眼角的第五特征点、定位所述第一眼睛右眼角的第六特征点。

进一步，所述根据所述多个特征点计算所述眼睛的第一开合度，判断所述眼睛的第一开合度是否大于预设的第二开合度的步骤包括：

计算所述第一特征点和所述第三特征点的距离，记为L1；

计算所述第二特征点和所述第四特征点的距离，记为L2；

计算所述第五特征点和所述第六特征点的距离，记为L3；

计算所述第一眼睛的第一开合度，其中，所述第一眼睛的第一开合度记为Q1，所述Q1＝(L2+L3)/2×L1，所述第二开合度记为Q2；

判断所述Q1是否大于或等于Q2；

当所述Q1大于或等于Q2时，生成“所述第一开合度的值大于所述第二开合度”的结果。

进一步，所述定位所述第一人脸图像眼睛周围的多个特征点的步骤包括：

定位所述第一人脸图像第二眼睛上眼皮的第七特征点、第八特征点，定位所述第二眼睛下眼皮的第九特征点、第十特征点，定位所述第二眼睛左眼角的第十一特征点、定位所述第二眼睛右眼角的第十二特征点。

进一步，所述根据所述多个特征点计算所述眼睛的第一开合度，判断所述眼睛的第一开合度是否大于预设的第二开合度的步骤包括：

计算所述第七特征点和所述第九特征点的距离，记为R1；

计算所述第八特征点和所述第十特征点的距离，记为R2；

计算所述第十一特征点和所述第十二特征点的距离，记为R3；

计算所述第二眼睛的第一开合度，其中，所述第二眼睛的第一开合度记为Q3，所述Q3＝(R2+R3)/2×R1，所述第二开合度记为Q2；

判断所述Q3是否大于或等于Q2；

当所述Q3大于或等于Q2时，生成“所述第一开合度的值大于所述第二开合度”的结果。

进一步，所述“定位”是基于经过训练的卷积神经网络进行，其中，所述卷积神经网络用于对所述第一人脸图像进行特征提取和处理，并输出所述多个特征点。

本发明还提出一种人脸解锁装置，包括：

获取单元，用于获取第一人脸图像；

定位单元，用于定位所述第一人脸图像眼睛周围的多个特征点；

计算单元，用于根据所述多个特征点计算所述眼睛的第一开合度，判断所述眼睛的第一开合度是否大于预设的第二开合度；

检测单元，用于当所述第一开合度大于所述第二开合度时，检测所述第一人脸图像对应的人体是否为活体；

比对单元，用于当所述人体为活体时，比对所述第一人脸图像的特征和预存的第二人脸图像的特征是否相同；

激活单元，用于当所述第一人脸图像的特征和所述第二人脸图像的特征相同时，激活解锁控制指令以对电子设备进行解锁。

进一步，所述定位单元包括：

第一定位模块，用于定位所述第一人脸图像第一眼睛上眼皮的第一特征点、第二特征点，定位所述第一眼睛下眼皮的第三特征点、第四特征点，定位所述第一眼睛左眼角的第五特征点、定位所述第一眼睛右眼角的第六特征点。

进一步，所述计算单元包括：

第一计算模块，用于计算所述第一特征点和所述第三特征点的距离，记为L1；

第二计算模块，用于计算所述第二特征点和所述第四特征点的距离，记为L2；

第三计算模块，用于计算所述第五特征点和所述第六特征点的距离，记为L3；

第四计算模块，用于计算所述第一眼睛的第一开合度，其中，所述第一眼睛的第一开合度记为Q1，所述Q1＝(L2+L3)/2×L1，所述第二开合度记为Q2；

第一判断模块，用于判断所述Q1是否大于或等于Q2；

第一生产模块，用于当所述Q1大于或等于Q2时，生成“所述第一开合度的值大于所述第二开合度”的结果。

进一步，所述定位单元包括：

第二定位模块，用于定位所述第一人脸图像第二眼睛上眼皮的第七特征点、第八特征点，定位所述第二眼睛下眼皮的第九特征点、第十特征点，定位所述第二眼睛左眼角的第十一特征点、定位所述第二眼睛右眼角的第十二特征点。

本发明的有益效果：设置第二开合度作为阈值，当第一人脸图像眼睛的第一开合度大于第二开合度时，可以得出第一人脸图像对应人体的眼睛是睁开状态，通过开合度的比对，可以更准确检测出人体眼睛的状态，避免因为光线不好、眼睛较小或眯眼时误判眼睛的状态。

使用经过训练的卷积神经网络对人眼周围的特征进行回归定位，可以得到多个特征点的准确位置，使计算出的第一开合度更为精准，增强了检测眼睛开闭状态的稳定性和准确性，且基于深度学习的卷积神经网络使检测具有更好的鲁棒性，可进一步避免因为光线不好、眼睛较小或眯眼时误判眼睛的状态。

附图说明

图1是本发明实施例提供的一种人脸解锁方法的基本流程图；

图2是本发明实施例提供的一种人脸解锁方法的另一实施例的具体流程图；

图3是本发明实施例提供的一种人脸解锁方法的又一实施例的具体流程图；

图4是本发明实施例提供的一种眼睛区域图像示意图；

图5是本发明实施例提供的一种人脸解锁装置的基本结构框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参见图1-图4，示出本发明一种人脸解锁方法的一实施例，包括：

S10、获取第一人脸图像。

S20、定位第一人脸图像眼睛周围的多个特征点。

S30、根据多个特征点计算眼睛的第一开合度，判断眼睛的第一开合度是否大于预设的第二开合度。

S40、当获取第一开合度大于第二开合度的结果后，检测第一人脸图像对应的人体是否为活体。

S50、当获取人体为活体的结果后，比对第一人脸图像的特征和预存的第二人脸图像的特征是否相同。

S60、当获取第一人脸图像的特征和第二人脸图像的特征相同的结果后，激活解锁控制指令以对电子设备进行解锁。

本实施例中，人脸解锁方法的执行主体是手机、平板电脑、计算机等电子设备。

本实施例中，设置第二开合度作为阈值，当第一人脸图像眼睛的第一开合度大于第二开合度时，可以得出第一人脸图像对应人体的眼睛是睁开状态，通过开合度的比对，可以更准确检测出人体眼睛的状态，避免因为光线不好、眼睛较小或眯眼时误判眼睛的状态。

在上述S10步骤中，第一人脸图像是手机、平板电脑等电子设备解锁时获取的人脸图像。

在一可选实施例中，S20、定位第一人脸图像眼睛周围的多个特征点的步骤包括：

定位第一人脸图像第一眼睛上眼皮的第一特征点11、第二特征点12，定位第一眼睛下眼皮的第三特征点13、第四特征点14，定位第一眼睛左眼角的第五特征点15、定位第一眼睛右眼角的第六特征点16。

请再次参见图4，本实施例中，第一眼睛可以是左眼睛，第一眼睛上眼皮的第一特征点11、第二特征点12可以位于第一眼睛上眼皮的周沿且靠近第一眼睛下眼皮，在其他实施例中，第一特征点11、第二特征点12也可以位于第一眼睛上眼皮的其他位置，例如，位于第一眼睛上眼皮外表面的中部；第一眼睛下眼皮的第三特征点13、第四特征点14可以位于第一眼睛下眼皮的周沿且靠近第一眼睛上眼皮，在其他实施例中，第三特征点13、第四特征点14也可以位于第一眼睛下眼皮的其他位置，例如，位于第一眼睛下眼皮外表面的中部。

本实施例中，S30、根据多个特征点计算眼睛的第一开合度，判断眼睛的第一开合度是否大于预设的第二开合度的步骤包括：

S301、计算第一特征点11和第三特征点13的距离，记为L1。

S302、计算第二特征点12和第四特征点14的距离，记为L2。

S303、计算第五特征点15和第六特征点16的距离，记为L3。

S304、计算第一眼睛的第一开合度，其中，第一眼睛的第一开合度记为Q1，Q1＝(L2+L3)/2×L1，第二开合度记为Q2。

S305、判断Q1是否大于或等于Q2。

S306、当Q1大于或等于Q2时，生成“第一开合度的值大于第二开合度”的结果。

在上述S305步骤中，若Q1小于Q2，则判定第一人脸图像的第一眼睛为闭眼状态，解锁失败。

本实施例中，只要有一只眼睛的第一开合度大于或等于第二开合度，就可以判定第一人脸图像对应的人体为睁眼状态。

在一可选实施例中，S20、定位第一人脸图像眼睛周围的多个特征点的步骤包括：

定位第一人脸图像第二眼睛上眼皮的第七特征点21、第八特征点22，定位所述第二眼睛下眼皮的第九特征点23、第十特征点24，定位所述第二眼睛左眼角的第十一特征点25、定位所述第二眼睛右眼角的第十二特征点26。

请再次参见图4，本实施例中，第二眼睛可以是右眼睛，第二眼睛上眼皮的第七特征点21、第八特征点22可以位于第二眼睛上眼皮的周沿且靠近第二眼睛下眼皮，在其他实施例中，第七特征点21、第八特征点22也可以位于第二眼睛上眼皮的其他位置，例如，位于第二眼睛上眼皮外表面的中部；第二眼睛下眼皮的第九特征点23、第十特征点24可以位于第二眼睛下眼皮的周沿且靠近第二眼睛上眼皮，在其他实施例中，第九特征点23、第十特征点24也可以位于第二眼睛下眼皮的其他位置，例如，位于第二眼睛下眼皮外表面的中部。

本实施例中，S30、根据多个特征点计算眼睛的第一开合度，判断眼睛的第一开合度是否大于预设的第二开合度的步骤包括：

S311、计算第七特征点21和第九特征点23的距离，记为R1。

S312、计算第八特征点22和第十特征点24的距离，记为R2。

S313、计算第十一特征点25和第十二特征点26的距离，记为R3。

S314、计算第二眼睛的第一开合度，其中，第二眼睛的第一开合度记为Q3，Q3＝(R2+R3)/2×R1，第二开合度记为Q2。

S315、判断Q3是否大于或等于Q2。

S316、当Q3大于或等于Q2时，生成“第一开合度的值大于第二开合度”的结果。

在上述S315步骤中，若Q3小于Q2，则判定第一人脸图像的第二眼睛为闭眼状态，解锁失败。

本实施例中，只要有一只眼睛的第一开合度大于或等于第二开合度，则就可以判定第一人脸图像对应的人体为睁眼状态。

在一可选实施例中，S20、定位第一人脸图像眼睛周围的多个特征点中的“定位”是基于经过训练的卷积神经网络进行，其中，卷积神经网络用于对第一人脸图像进行特征提取和处理，并输出多个特征点。例如，上述实施例中，第一人脸图像经过卷积神经网络进行特征提取和处理后，得到第一特征点11、第二特征点12、第三特征点13、第四特征点14、第五特征点15、第六特征点16的准确坐标，或者得到第七特征点21、第八特征点22、第九特征点23、第十特征点24、第十一特征点25、第十二特征点26的准确坐标。

本实施例中，卷积层可以包括相互连接卷积层和全连接层，其中，卷积层包括依次连接的第一卷积层、第二卷积层、第三卷积层和第四卷积层，全连接层包括依次连接第一全连接层、第二全连接层和第三全连接层，以使得到的特征点的坐标更加准确。

本实施例中，根据预先获取的人脸图像数据集合，对人脸图像集合进行人脸检测，之后用人脸关键点检测器对检测出的人脸进行人脸对齐，定位出人脸68个特征点，截取眼睛区域图像(如图4所示)，设置图像尺寸，使得所有截取的眼睛区域图像的尺寸大小都保持一致。最后针对每张眼睛区域图像，记录眼睛周围的多个特征点坐标，以生成数据集对卷积神经网络进行训练，多个特征点坐标可以是上述实施例中第一特征点11、第二特征点12、第三特征点13、第四特征点14、第五特征点15、第六特征点16、第七特征点21、第八特征点22、第九特征点23、第十特征点24、第十一特征点25、第十二特征点26的坐标。

本实施例中，使用经过训练的卷积神经网络对人眼周围的特征进行回归定位，可以得到多个特征点的准确位置，使计算出的第一开合度更为精准，增强了检测眼睛开闭状态的稳定性和准确性，且基于深度学习的卷积神经网络使检测具有更好的鲁棒性，可进一步避免因为光线不好、眼睛较小或眯眼时误判眼睛的状态。

在上述S40步骤中，检测第一人脸图像对应的人体是否为活体的方法可以是在一个时间段内获取多张第一人脸图像，比对多张第一人脸图像同一眼睛的开合度是否相同，若同一眼睛的开合度不同，则判定第一人脸图像对应的人体为活体，反之，则为假体，解锁失败。应当理解，在其他实施例中，也可以通过其他常规的方法判断第一人脸图像对应的人体是否为活体。

在上述S50步骤中，比对第一人脸图像的特征和预存的第二人脸图像的特征是否相同的方法可以是比对第一人脸图像和第二人脸图像的相似度是否达到百分之九十以上，若是，则判定第一人脸图像的特征和第二人脸图像的特征相同，第一人脸图像和第二人脸图像对应的是同一人。否则，判定第一人脸图像的特征和第二人脸图像的特征不相同，第一人脸图像和第二人脸图像对应的不是同一人，解锁失败。应当理解，在其他实施例中，也可以通过其他常规的方法判断第一人脸图像的特征和第二人脸图像的特征是否相同。

参见图5，示出本发明一种人脸解锁装置的一实施例，包括：

获取单元100，用于获取第一人脸图像。

定位单元200，用于定位第一人脸图像眼睛周围的多个特征点。

计算单元300，用于根据多个特征点计算眼睛的第一开合度，判断眼睛的第一开合度是否大于预设的第二开合度。

检测单元400，用于当第一开合度大于第二开合度时，检测第一人脸图像对应的人体是否为活体。

比对单元500，用于当人体为活体时，比对第一人脸图像的特征和预存的第二人脸图像的特征是否相同。

激活单元600，用于当第一人脸图像的特征和第二人脸图像的特征相同时，激活解锁控制指令以对电子设备进行解锁。

本实施例中，设置第二开合度作为阈值，当第一人脸图像眼睛的第一开合度大于第二开合度时，可以得出第一人脸图像对应人体的眼睛是睁开状态，通过开合度的比对，可以更准确检测出人体眼睛的状态，避免因为光线不好、眼睛较小或眯眼时误判眼睛的状态。

本实施例中，第一人脸图像是手机、平板电脑等电子设备解锁时获取的人脸图像。

在一可选实施例中，定位单元200包括第一定位模块，第一定位模块用于定位第一人脸图像第一眼睛上眼皮的第一特征点11、第二特征点12，定位第一眼睛下眼皮的第三特征点13、第四特征点14，定位第一眼睛左眼角的第五特征点15、定位第一眼睛右眼角的第六特征点16。

请再次参见图4，本实施例中，第一眼睛可以是左眼睛，第一眼睛上眼皮的第一特征点11、第二特征点12可以位于第一眼睛上眼皮的周沿且靠近第一眼睛下眼皮，在其他实施例中，第一特征点11、第二特征点12也可以位于第一眼睛上眼皮的其他位置，例如，位于第一眼睛上眼皮外表面的中部；第一眼睛下眼皮的第三特征点13、第四特征点14可以位于第一眼睛下眼皮的周沿且靠近第一眼睛上眼皮，在其他实施例中，第三特征点13、第四特征点14也可以位于第一眼睛下眼皮的其他位置，例如，位于第一眼睛下眼皮外表面的中部。

本实施例中，计算单元300包括第一计算模块、第二计算模块、第三计算模块、第四计算模块、第一判断模块和第一生产模块；第一计算模块用于计算第一特征点11和第三特征点13的距离，记为L1。第二计算模块用于计算第二特征点12和第四特征点14的距离，记为L2。第三计算模块用于计算第五特征点15和第六特征点16的距离，记为L3。第四计算模块用于计算第一眼睛的第一开合度，其中，第一眼睛的第一开合度记为Q1，Q1＝(L2+L3)/2×L1，第二开合度记为Q2。第一判断模块用于判断Q1是否大于或等于Q2。第一生产模块用于当Q1大于或等于Q2时，生成“第一开合度的值大于第二开合度”的结果。

本实施例中，若Q1小于Q2，则第一判断模块判定第一人脸图像的第一眼睛为闭眼状态，解锁失败。

本实施例中，只要有一只眼睛的第一开合度大于或等于第二开合度，就可以判定第一人脸图像对应的人体为睁眼状态。

在一可选实施例中，定位单元200包括第二定位模块，第二定位模块用于定位第一人脸图像第二眼睛上眼皮的第七特征点21、第八特征点22，定位所述第二眼睛下眼皮的第九特征点23、第十特征点24，定位所述第二眼睛左眼角的第十一特征点25、定位所述第二眼睛右眼角的第十二特征点26。

请再次参见图4，本实施例中，第二眼睛可以是右眼睛，第二眼睛上眼皮的第七特征点21、第八特征点22可以位于第二眼睛上眼皮的周沿且靠近第二眼睛下眼皮，在其他实施例中，第七特征点21、第八特征点22也可以位于第二眼睛上眼皮的其他位置，例如，位于第二眼睛上眼皮外表面的中部；第二眼睛下眼皮的第九特征点23、第十特征点24可以位于第二眼睛下眼皮的周沿且靠近第二眼睛上眼皮，在其他实施例中，第九特征点23、第十特征点24也可以位于第二眼睛下眼皮的其他位置，例如，位于第二眼睛下眼皮外表面的中部。

本实施例中，计算单元300包括第五计算模块、第六计算模块、第七计算模块、第八计算模块、第二判断模块和第二生产模块；第五计算模块用于计算第七特征点21和第九特征点23的距离，记为R1。第六计算模块用于计算第八特征点22和第十特征点24的距离，记为R2。第七计算模块用于计算第十一特征点25和第十二特征点26的距离，记为R3。第八计算模块用于计算第二眼睛的第一开合度，其中，第二眼睛的第一开合度记为Q3，Q3＝(R2+R3)/2×R1，第二开合度记为Q2。第二判断模块用于判断Q3是否大于或等于Q2。

第二生产模块用于当Q3大于或等于Q2时，生成“第一开合度的值大于第二开合度”的结果。

本实施例中，若Q3小于Q2，则第二判断模块判定第一人脸图像的第二眼睛为闭眼状态，解锁失败。

本实施例中，只要有一只眼睛的第一开合度大于或等于第二开合度，则就可以判定第一人脸图像对应的人体为睁眼状态。

在一可选实施例中，定位单元200中的“定位”是基于经过训练的卷积神经网络进行，其中，卷积神经网络用于对第一人脸图像进行特征提取和处理，并输出多个特征点。例如，上述实施例中，第一人脸图像经过卷积神经网络进行特征提取和处理后，得到第一特征点11、第二特征点12、第三特征点13、第四特征点14、第五特征点15、第六特征点16的准确坐标，或者得到第七特征点21、第八特征点22、第九特征点23、第十特征点24、第十一特征点25、第十二特征点26的准确坐标。

本实施例中，卷积层可以包括相互连接卷积层和全连接层，其中，卷积层包括依次连接的第一卷积层、第二卷积层、第三卷积层和第四卷积层，全连接层包括依次连接第一全连接层、第二全连接层和第三全连接层，以使得到的特征点的坐标更加准确。

本实施例中，根据预先获取的人脸图像数据集合，对人脸图像集合进行人脸检测，之后用人脸关键点检测器对检测出的人脸进行人脸对齐，定位出人脸68个特征点，截取眼睛区域图像(如图4所示)，设置图像尺寸，使得所有截取的眼睛区域图像的尺寸大小都保持一致。最后针对每张眼睛区域图像，记录眼睛周围的多个特征点坐标，以生成数据集对卷积神经网络进行训练，多个特征点坐标可以是上述实施例中第一特征点11、第二特征点12、第三特征点13、第四特征点14、第五特征点15、第六特征点16、第七特征点21、第八特征点22、第九特征点23、第十特征点24、第十一特征点25、第十二特征点26的坐标。

本实施例中，使用经过训练的卷积神经网络对人眼周围的特征进行回归定位，可以得到多个特征点的准确位置，使计算出的第一开合度更为精准，增强了检测眼睛开闭状态准确性，且基于深度学习的卷积神经网络使检测具有更好的鲁棒性，可进一步避免因为光线不好、眼睛较小或眯眼时误判眼睛的状态。

本实施例中，检测单元400检测第一人脸图像对应的人体是否为活体的方法可以是在一个时间段内获取多张第一人脸图像，比对多张第一人脸图像同一眼睛的开合度是否相同，若同一眼睛的开合度不同，则判定第一人脸图像对应的人体为活体，反之，则为假体，解锁失败。应当理解，在其他实施例中，也可以通过其他常规的方法判断第一人脸图像对应的人体是否为活体。

本实施例中，比对单元500，比对第一人脸图像的特征和预存的第二人脸图像的特征是否相同的方法可以是比对第一人脸图像和第二人脸图像的相似度是否达到百分之九十以上，若是，则判定第一人脸图像的特征和第二人脸图像的特征相同，第一人脸图像和第二人脸图像对应的是同一人。否则，判定第一人脸图像的特征和第二人脸图像的特征不相同，第一人脸图像和第二人脸图像对应的不是同一人，解锁失败。应当理解，在其他实施例中，也可以通过其他常规的方法判断第一人脸图像的特征和第二人脸图像的特征是否相同。

以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种人脸解锁方法，其特征在于，包括以下步骤：

获取第一人脸图像；

定位所述第一人脸图像眼睛周围的多个特征点；

根据所述多个特征点计算所述眼睛的第一开合度，判断所述眼睛的第一开合度是否大于预设的第二开合度；

当获取所述第一开合度大于所述第二开合度的结果后，检测所述第一人脸图像对应的人体是否为活体；

当获取所述人体为活体的结果后，比对所述第一人脸图像的特征和预存的第二人脸图像的特征是否相同；

当获取所述第一人脸图像的特征和所述第二人脸图像的特征相同的结果后，激活解锁控制指令以对电子设备进行解锁。

2.如权利要求1所述的人脸解锁方法，其特征在于，所述定位所述第一人脸图像眼睛周围的多个特征点的步骤包括：

定位所述第一人脸图像第一眼睛上眼皮的第一特征点、第二特征点，定位所述第一眼睛下眼皮的第三特征点、第四特征点，定位所述第一眼睛左眼角的第五特征点、定位所述第一眼睛右眼角的第六特征点。

3.如权利要求2所述的人脸解锁方法，其特征在于，所述根据所述多个特征点计算所述眼睛的第一开合度，判断所述眼睛的第一开合度是否大于预设的第二开合度的步骤包括：

计算所述第一特征点和所述第三特征点的距离，记为L1；

计算所述第二特征点和所述第四特征点的距离，记为L2；

计算所述第五特征点和所述第六特征点的距离，记为L3；

计算所述第一眼睛的第一开合度，其中，所述第一眼睛的第一开合度记为Q1，所述Q1＝(L2+L3)/2×L1，所述第二开合度记为Q2；

判断所述Q1是否大于或等于Q2；

当所述Q1大于或等于Q2时，生成“所述第一开合度的值大于所述第二开合度”的结果。

4.如权利要求1所述的人脸解锁方法，其特征在于，所述定位所述第一人脸图像眼睛周围的多个特征点的步骤包括：

定位所述第一人脸图像第二眼睛上眼皮的第七特征点、第八特征点，定位所述第二眼睛下眼皮的第九特征点、第十特征点，定位所述第二眼睛左眼角的第十一特征点、定位所述第二眼睛右眼角的第十二特征点。

5.如权利要求4所述的人脸解锁方法，其特征在于，所述根据所述多个特征点计算所述眼睛的第一开合度，判断所述眼睛的第一开合度是否大于预设的第二开合度的步骤包括：

计算所述第七特征点和所述第九特征点的距离，记为R1；

计算所述第八特征点和所述第十特征点的距离，记为R2；

计算所述第十一特征点和所述第十二特征点的距离，记为R3；

计算所述第二眼睛的第一开合度，其中，所述第二眼睛的第一开合度记为Q3，所述Q3＝(R2+R3)/2×R1，所述第二开合度记为Q2；

判断所述Q3是否大于或等于Q2；

当所述Q3大于或等于Q2时，生成“所述第一开合度的值大于所述第二开合度”的结果。

6.如权利要求1所述的人脸解锁方法，其特征在于，所述“定位”是基于经过训练的卷积神经网络进行，其中，所述卷积神经网络用于对所述第一人脸图像进行特征提取和处理，并输出所述多个特征点。

7.一种人脸解锁装置，其特征在于，包括：

获取单元，用于获取第一人脸图像；

定位单元，用于定位所述第一人脸图像眼睛周围的多个特征点；

计算单元，用于根据所述多个特征点计算所述眼睛的第一开合度，判断所述眼睛的第一开合度是否大于预设的第二开合度；

检测单元，用于当所述第一开合度大于所述第二开合度时，检测所述第一人脸图像对应的人体是否为活体；

比对单元，用于当所述人体为活体时，比对所述第一人脸图像的特征和预存的第二人脸图像的特征是否相同；

激活单元，用于当所述第一人脸图像的特征和所述第二人脸图像的特征相同时，激活解锁控制指令以对电子设备进行解锁。

8.如权利要求7所述的人脸解锁装置，其特征在于，所述定位单元包括：

第一定位模块，用于定位所述第一人脸图像第一眼睛上眼皮的第一特征点、第二特征点，定位所述第一眼睛下眼皮的第三特征点、第四特征点，定位所述第一眼睛左眼角的第五特征点、定位所述第一眼睛右眼角的第六特征点。

9.如权利要求8所述的人脸解锁装置，其特征在于，所述计算单元包括：

第一计算模块，用于计算所述第一特征点和所述第三特征点的距离，记为L1；

第二计算模块，用于计算所述第二特征点和所述第四特征点的距离，记为L2；

第三计算模块，用于计算所述第五特征点和所述第六特征点的距离，记为L3；

第四计算模块，用于计算所述第一眼睛的第一开合度，其中，所述第一眼睛的第一开合度记为Q1，所述Q1＝(L2+L3)/2×L1，所述第二开合度记为Q2；

第一判断模块，用于判断所述Q1是否大于或等于Q2；

第一生产模块，用于当所述Q1大于或等于Q2时，生成“所述第一开合度的值大于所述第二开合度”的结果。

10.如权利要求7所述的人脸解锁装置，其特征在于，所述定位单元包括：

第二定位模块，用于定位所述第一人脸图像第二眼睛上眼皮的第七特征点、第八特征点，定位所述第二眼睛下眼皮的第九特征点、第十特征点，定位所述第二眼睛左眼角的第十一特征点、定位所述第二眼睛右眼角的第十二特征点。