具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

需要说明的是，本申请所涉及的用户信息（包括但不限于用户设备信息、用户个人信息等）和数据（包括但不限于用于展示的数据、分析的数据等），均为经用户授权或者经过各方充分授权的信息和数据；对应的，本申请还提供有相应的用户授权入口，供用户选择授权或者选择拒绝。

在一个实施例中，如图1所示，提供了一种换流站进出站人员识别方法，本实施例以该方法应用于服务器进行举例说明，可以理解的是，该方法也可以应用于终端，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。本实施例中，该方法包括以下步骤：

步骤101，采集待识别身份的进出站人员的第一原始面部图像，基于所述第一原始面部图像的多个色彩通道，对所述第一原始面部图像进行细节优化处理，得到第一处理后面部图像；

在实际应用中，可以将换流站的当前进出站人员作为待识别身份的进出站人员，通过采集待识别身份的进出站人员的第一原始面部图像，进而基于该第一原始面部图像的多个色彩通道，对第一原始面部图像进行细节优化处理，可以得到第一处理后面部图像。

具体地，可以对采集到的第一原始面部图像进行预处理，基于第一原始面部图像的RGB色彩通道，对第一原始面部图像进行细节优化后得到第一处理后面部图像，从而能够增强图像中的人脸面部细节，提高后续识别的准确率。

步骤102，根据所述第一处理后面部图像中的多个图像区域的特征提取结果，得到第一面部特征；

在得到第一处理后面部图像后，可以将该第一处理后面部图像划分为互不重叠的多个图像区域，进而可以根据多个图像区域的特征提取结果，得到第一面部特征，以作为待识别的面部特征进行后续特征比对，该第一面部特征可以通过特征向量进行表征。

在一示例中，将第一处理后面部图像划分为互不重叠的多个图像区域后，可以对各图像区域进行特征提取，得到各图像区域对应的特征向量，进而可以通过将各图像区域对应的特征向量进行合并，得到第一面部特征，即第一原始面部图像对应的特征向量，从而基于划分图像再分别提取特征向量进行合并，能够充分利用原始面部图像中的有效信息进行后续特征比对，确保了识别的准确率。

步骤103，将所述第一面部特征和预设的多个候选面部特征进行逐一比对，得到各所述候选面部特征对应的特征差异值；所述候选面部特征通过对日常进出站人员的第二原始面部图像进行特征提取得到；每个候选面部特征具有关联的人员身份信息；

作为一示例，特征差异值可以为汉明距离，如针对第一面部特征和某个候选面部特征，可以将特征向量之间计算得到的汉明距离，作为特征比对的特征差异值。

在得到第一面部特征后，根据对日常进出站人员的第二原始面部图像进行特征提取得到的多个候选面部特征，可以将第一面部特征和预设的多个候选面部特征进行逐一比对，进而可以得到各候选面部特征对应的特征差异值。

在一个可选实施例中，通过对日常进出站人员的第二原始面部图像进行特征提取，可以得到多个候选面部特征，每个候选面部特征可以具有关联的人员身份信息，如日常进出站人员的人员身份信息，该候选面部特征可以通过特征向量进行表征，进而采用多个候选面部特征，可以构建日常进出换流站人员的面部图像的特征向量库。

在一示例中，针对换流站的当前进出站人员（即待识别身份的进出站人员），可以通过将当前进出站人员的原始面部图像对应的特征向量（即第一面部特征）在特征向量库中进行遍历，并逐一计算当前进出站人员的原始面部图像对应的特征向量与特征向量库中的特征向量（即多个候选面部特征）的汉明距离（即特征差异值）。

步骤104，若最小特征差异值小于预设阈值，将所述最小特征差异值对应的候选面部特征作为目标面部特征，并将所述目标面部特征所关联的人员身份信息，作为所述第一原始面部图像的人员识别结果。

在具体实现中，可以找出最小特征差异值，且该最小特征差异值小于预设阈值时，则可以将最小特征差异值对应的候选面部特征作为目标面部特征，进而根据目标面部特征所关联的人员身份信息，可以得到第一原始面部图像的人员识别结果。

例如，针对计算得到的最小汉明距离（即最小特征差异值），且该最小汉明距离低于预设阈值时，可以根据最小汉明距离对应的特征向量库中特征向量，将该特征向量（即目标面部特征）关联的身份信息作为人员识别结果进行输出，从而通过计算进出站人员的原始面部图像的特征向量与特征向量库中的特征向量的汉明距离，以识别出进出站人员的身份信息，可以实现自动识别、登记，提升了识别效率和识别准确率。

在一示例中，针对两个相同长度的向量，通过对比两个向量对应位置的元素，可以得到向量对应位置中不同元素的个数，即汉明距离，如可以对两个向量进行异或运算（不同元素为1，相同元素为0），并统计结果为1的个数，进而可以计算得到两个向量的汉明距离。

在又一示例中，基于汉明距离可以有效比较二进制图像，例如，在图像为64个像素时，通过对比不同图片的64个像素中不同元素的个数，可以计算出汉明距离，即两张图片之间不相同的数据位数量，其中，汉明距离越大，则表征两张图片的差异越大，若不相同的数据位不超过5，说明两张图片较相似，若不相同的数据位大于10，说明两张图片为不同图片。

上述换流站进出站人员识别方法中，通过采集待识别身份的进出站人员的第一原始面部图像，基于第一原始面部图像的多个色彩通道，对第一原始面部图像进行细节优化处理，得到第一处理后面部图像，然后根据第一处理后面部图像中的多个图像区域的特征提取结果，得到第一面部特，进而将第一面部特征和预设的多个候选面部特征进行逐一比对，得到各候选面部特征对应的特征差异值，若最小特征差异值小于预设阈值，将最小特征差异值对应的候选面部特征作为目标面部特征，并将目标面部特征所关联的人员身份信息，作为第一原始面部图像的人员识别结果，实现了针对换流站进出站人员的自动识别、登记，通过对原始图像的细节优化处理，能够增强图像中的人脸面部细节，提高了后续识别的准确率，根据面部特征比对得到的特征差异值确定人员识别结果，提升了识别效率和识别准确率。

在一个实施例中，所述基于所述第一原始面部图像的多个色彩通道，对所述第一原始面部图像进行细节优化处理，得到第一处理后面部图像，可以包括如下步骤：

根据所述第一原始面部图像的多个色彩通道，对所述第一原始面部图像进行图像色彩分离，得到各所述色彩通道对应的通道分量图像；确定各所述通道分量图像对应的高频分量图像和低频分量图像；基于各所述通道分量图像对应的高频分量图像和低频分量图像的图像处理结果，得到所述第一处理后面部图像。

在实际应用中，可以将第一原始面部图像的RGB色彩通道进行分离，得到R分量图像、G分量图像、B分量图像（即各色彩通道对应的通道分量图像），并可以获取R分量图像对应的R低频分量图像、R高频分量图像，G分量图像对应的G低频分量图像、G高频分量图像，B分量图像对应的B低频分量图像、B高频分量图像（即各通道分量图像对应的高频分量图像和低频分量图像），进而可以基于各通道分量图像对应的高频分量图像和低频分量图像进行图像处理，得到细节优化后的第一处理后面部图像。

本实施例中，通过根据第一原始面部图像的多个色彩通道，对第一原始面部图像进行图像色彩分离，得到各色彩通道对应的通道分量图像，并确定各通道分量图像对应的高频分量图像和低频分量图像，进而基于各通道分量图像对应的高频分量图像和低频分量图像的图像处理结果，得到第一处理后面部图像，能够增强图像中的人脸面部细节，提高后续识别的准确率。

在一个实施例中，所述基于各所述通道分量图像对应的高频分量图像和低频分量图像的图像处理结果，得到所述第一处理后面部图像，可以包括如下步骤：

对各所述通道分量图像对应的低频分量图像进行低频抑制，得到各所述通道分量图像对应的低频抑制图像；

在一示例中，可以对R低频分量图像、G低频分量图像、B低频分量图像分别执行低频抑制，进而可以得到R分量低频抑制图像、G分量低频抑制图像、B分量低频抑制图像。

对各所述通道分量图像对应的高频分量图像进行增强处理，得到各所述通道分量图像对应的高频增强图像；

在一示例中，可以对R高频分量图像、G高频分量图像、B高频分量图像分别进行增强处理，进而可以得到R高频分量增强图像、G高频分量增强图像、G高频分量增强图像。

针对每个通道分量图像，根据所述低频抑制图像和所述高频增强图像生成分量优化图像；

在一示例中，根据R分量低频抑制图像、R高频分量增强图像，可以生成R分量优化图像；根据G分量低频抑制图像、G高频分量增强图像，可以生成G分量优化图像；根据B分量低频抑制图像、B高频分量增强图像，可以生成B分量优化图像

将多个所述分量优化图像进行合成，得到所述第一处理后面部图像。

在实际应用中，基于R分量优化图像、G分量优化图像、B分量优化图像可以合成得到第一处理后面部图像。

本实施例中，通过对各通道分量图像对应的低频分量图像进行低频抑制，得到各通道分量图像对应的低频抑制图像，对各通道分量图像对应的高频分量图像进行增强处理，得到各通道分量图像对应的高频增强图像，然后针对每个通道分量图像，根据低频抑制图像和高频增强图像生成分量优化图像，进而将多个分量优化图像进行合成，得到第一处理后面部图像，可以增强图像中的人脸面部细节，提高了后续识别的准确率。

在一个实施例中，所述根据所述第一处理后面部图像中的多个图像区域的特征提取结果，得到第一面部特征，可以包括如下步骤：

将所述第一处理后面部图像划分为互不重叠的多个图像区域；确定各所述图像区域对应的第二面部特征；将多个所述第二面部特征按照顺序进行拼接，得到所述第一面部特征。

在实际应用中，通过将第一处理后面部图像划分为互不重叠的多个图像区域，可以针对各图像区域进行特征提取，得到各图像区域对应的第二面部特征，进而可以将多个第二面部特征按照顺序进行拼接，得到第一面部特征。

例如，可以将第一处理后面部图像划分为互不重叠的多个子区域（即图像区域），通过构建的多个不同滤波参数的差分滤波器进行滤波处理，可以得到各子区域对应的滤波结果，针对每个子区域，可以对滤波结果进行编码，得到该子区域的特征向量（即第二面部特征），进而可以将全部子区域的特征向量按照顺序进行拼接，得到拼接后特征向量（即第一面部特征）。

本实施例中，通过将第一处理后面部图像划分为互不重叠的多个图像区域，然后确定各图像区域对应的第二面部特征，进而将多个第二面部特征按照顺序进行拼接，得到第一面部特征，可以基于划分图像再分别提取特征向量进行合并，能够充分利用原始面部图像中的有效信息进行后续特征比对，确保了识别的准确率。

在一个实施例中，所述确定各所述图像区域对应的第二面部特征，可以包括如下步骤：

获取构建的多个差分滤波器；不同的差分滤波器具有不同的滤波参数，所述多个图像区域与所述多个差分滤波器一一对应；针对每个图像区域，采用所述图像区域对应的差分滤波器进行卷积处理，得到滤波结果；基于所述滤波结果中的每个像素点的像素值，得到所述像素点的编码结果；将所述滤波结果中的多个所述像素点的编码结果进行拼接，得到所述第二面部特征。

作为一示例，可以预先构建多个差分滤波器，不同的差分滤波器可以具有不同的滤波参数，多个图像区域与多个差分滤波器一一对应。

在实际应用中，可以获取构建的多个差分滤波器，然后针对每个图像区域，可以采用该图像区域对应的差分滤波器进行卷积处理，得到滤波结果，通过对滤波结果进行编码，基于滤波结果中的每个像素点的像素值可以得到像素点的编码结果，进而可以将滤波结果中的多个像素点的编码结果进行拼接，得到第二面部特征。

具体的，针对每个子区域（即图像区域），可以通过对子区域与差分滤波器进行卷积，得到滤波结果，然后针对滤波结果中的每个像素点，可以根据像素点的像素值符号进行0-1编码，如将像素值符号为正的编码为1，像素值符号为负的编码为0，进而可以根据滤波结果中的各像素点编码结果，按照顺序拼接得到子区域的特征向量（即第二面部特征）。

在一个可选实施例中，构建的多个差分滤波器，可以使用基于随机变量X的二维高斯函数作为核：

其中，变量和分别表示第i叶正向高斯滤波的中心位置和尺度，变量和分别表示第j叶负向高斯滤波的中心位置和尺度，N_p、N_n分别表示正负叶的个数，C_p、C_n>0，分别表示正负叶的权重。

本实施例中，通过获取构建的多个差分滤波器，针对每个图像区域，采用图像区域对应的差分滤波器进行卷积处理，得到滤波结果，然后基于滤波结果中的每个像素点的像素值，得到像素点的编码结果，进而将滤波结果中的多个像素点的编码结果进行拼接，得到第二面部特征，可以划分图像分别提取特征向量，能够充分获取原始面部图像中的有效信息，提升了后续特征比对的识别准确率。

在一个实施例中，在所述将所述第一面部特征和预设的多个候选面部特征进行逐一比对，得到各所述候选面部特征对应的特征差异值的步骤之前，还可以包括如下步骤：

采集多个日常进出站人员的第二原始面部图像，基于所述第二原始面部图像的多个色彩通道，对所述第二原始面部图像进行细节优化处理，得到第二处理后面部图像；根据多个所述第二处理后面部图像中的多个图像区域的特征提取结果，得到所述多个候选面部特征。

在实际应用中，通过预先采集多个日常进出站人员的第二原始面部图像，可以对第二原始面部图像进行预处理，即基于第二原始面部图像的RGB色彩通道，对第二原始面部图像进行细节优化后得到第二处理后面部图像，然后可以根据多个第二处理后面部图像中的多个图像区域的特征提取结果，得到多个候选面部特征，细节优化步骤和特征提取步骤的具体限定可以参见上文，在此不再赘述。其中，每个候选面部特征可以具有关联的人员身份信息，如日常进出站人员的人员身份信息，该候选面部特征可以通过特征向量进行表征，进而采用多个候选面部特征，可以构建日常进出换流站人员的面部图像的特征向量库。

本实施例中，通过采集多个日常进出站人员的第二原始面部图像，基于第二原始面部图像的多个色彩通道，对第二原始面部图像进行细节优化处理，得到第二处理后面部图像，进而根据多个第二处理后面部图像中的多个图像区域的特征提取结果，得到多个候选面部特征，能够预先构建日常进出换流站人员的面部图像的特征向量库，为后续特征比对提供了数据支持。

在一个实施例中，如图2所示，提供了另一种换流站进出站人员识别方法的流程示意图。本实施例中，该方法包括以下步骤：

在步骤201中，采集多个日常进出站人员的第二原始面部图像，基于所述第二原始面部图像的多个色彩通道，对所述第二原始面部图像进行细节优化处理，得到第二处理后面部图像。在步骤202中，根据多个所述第二处理后面部图像中的多个图像区域的特征提取结果，得到所述多个候选面部特征。在步骤203中，采集待识别身份的进出站人员的第一原始面部图像，基于所述第一原始面部图像的多个色彩通道，对所述第一原始面部图像进行细节优化处理，得到第一处理后面部图像。在步骤204中，将所述第一处理后面部图像划分为互不重叠的多个图像区域。在步骤205中，获取构建的多个差分滤波器；不同的差分滤波器具有不同的滤波参数，所述多个图像区域与所述多个差分滤波器一一对应。在步骤206中，针对每个图像区域，采用所述图像区域对应的差分滤波器进行卷积处理，得到滤波结果。在步骤207中，基于所述滤波结果中的每个像素点的像素值，得到所述像素点的编码结果。在步骤208中，将所述滤波结果中的多个所述像素点的编码结果进行拼接，得到所述第二面部特征。在步骤209中，将多个所述第二面部特征按照顺序进行拼接，得到所述第一面部特征。在步骤210中，将所述第一面部特征和预设的多个候选面部特征进行逐一比对，得到各所述候选面部特征对应的特征差异值；所述候选面部特征通过对日常进出站人员的第二原始面部图像进行特征提取得到；每个候选面部特征具有关联的人员身份信息。在步骤211中，若最小特征差异值小于预设阈值，将所述最小特征差异值对应的候选面部特征作为目标面部特征，并将所述目标面部特征所关联的人员身份信息，作为所述第一原始面部图像的人员识别结果。需要说明的是，上述步骤的具体限定可以参见上文对一种换流站进出站人员识别方法的具体限定，在此不再赘述。

应该理解的是，虽然图1-2的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1-2中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图3所示，提供了一种换流站进出站人员识别装置，包括：

图像细节优化模块301，用于采集待识别身份的进出站人员的第一原始面部图像，基于所述第一原始面部图像的多个色彩通道，对所述第一原始面部图像进行细节优化处理，得到第一处理后面部图像；

第一面部特征得到模块302，用于根据所述第一处理后面部图像中的多个图像区域的特征提取结果，得到第一面部特征；

面部特征比对模块303，用于将所述第一面部特征和预设的多个候选面部特征进行逐一比对，得到各所述候选面部特征对应的特征差异值；所述候选面部特征通过对日常进出站人员的第二原始面部图像进行特征提取得到；每个候选面部特征具有关联的人员身份信息；

人员识别结果得到模块304，用于若最小特征差异值小于预设阈值，将所述最小特征差异值对应的候选面部特征作为目标面部特征，并将所述目标面部特征所关联的人员身份信息，作为所述第一原始面部图像的人员识别结果。

在一个实施例中，所述图像细节优化模块301包括：

图像色彩分离子模块，用于根据所述第一原始面部图像的多个色彩通道，对所述第一原始面部图像进行图像色彩分离，得到各所述色彩通道对应的通道分量图像；

高频分量图像和低频分量图像得到子模块，用于确定各所述通道分量图像对应的高频分量图像和低频分量图像；

第一处理后面部图像得到子模块，用于基于各所述通道分量图像对应的高频分量图像和低频分量图像的图像处理结果，得到所述第一处理后面部图像。

在一个实施例中，所述第一处理后面部图像得到子模块包括：

低频抑制单元，用于对各所述通道分量图像对应的低频分量图像进行低频抑制，得到各所述通道分量图像对应的低频抑制图像；

高频增强单元，用于对各所述通道分量图像对应的高频分量图像进行增强处理，得到各所述通道分量图像对应的高频增强图像；

分量优化图像生成单元，用于针对每个通道分量图像，根据所述低频抑制图像和所述高频增强图像生成分量优化图像；

合成单元，用于将多个所述分量优化图像进行合成，得到所述第一处理后面部图像。

在一个实施例中，所述第一面部特征得到模块302包括：

图像划分子模块，用于将所述第一处理后面部图像划分为互不重叠的多个图像区域；

第二面部特征得到子模块，用于确定各所述图像区域对应的第二面部特征；

拼接子模块，用于将多个所述第二面部特征按照顺序进行拼接，得到所述第一面部特征。

在一个实施例中，所述第二面部特征得到子模块包括：

差分滤波器获取单元，用于获取构建的多个差分滤波器；不同的差分滤波器具有不同的滤波参数，所述多个图像区域与所述多个差分滤波器一一对应；

滤波结果得到单元，用于针对每个图像区域，采用所述图像区域对应的差分滤波器进行卷积处理，得到滤波结果；

编码单元，用于基于所述滤波结果中的每个像素点的像素值，得到所述像素点的编码结果；

编码结果拼接单元，用于将所述滤波结果中的多个所述像素点的编码结果进行拼接，得到所述第二面部特征。

在一个实施例中，所述装置还包括：

第二原始面部图像采集模块，用于采集多个日常进出站人员的第二原始面部图像，基于所述第二原始面部图像的多个色彩通道，对所述第二原始面部图像进行细节优化处理，得到第二处理后面部图像；

候选面部特征得到模块，用于根据多个所述第二处理后面部图像中的多个图像区域的特征提取结果，得到所述多个候选面部特征。

在一个实施例中，如图4所示，提供了一种换流站进出站人员识别系统，可以包括图像采集模块、图像预处理模块、面部特征提取模块、图像识别模块，具体的，该系统可以包括：

所述图像采集模块用于采集待识别身份的进出站人员的第一原始面部图像和多个日常进出站人员的第二原始面部图像；

所述图像预处理模块用于基于所述第一原始面部图像的多个色彩通道，对所述第一原始面部图像进行细节优化处理，得到第一处理后面部图像，以及基于所述第二原始面部图像的多个色彩通道，对所述第二原始面部图像进行细节优化处理，得到第二处理后面部图像；

所述面部特征提取模块用于根据所述第一处理后面部图像中的多个图像区域的特征提取结果，得到第一面部特征，以及根据多个所述第二处理后面部图像中的多个图像区域的特征提取结果，得到所述多个候选面部特征；

所述图像识别模块用于对待识别身份的第一面部特征和预设的多个候选面部特征进行逐一比对，并根据比对得到的特征差异值确定所述第一原始面部图像的人员识别结果。

该系统还可以包括特征向量库构建模块，所述特征向量库构建模块可以用于采用多个候选面部特征构建日常进出换流站人员的面部图像的特征向量库。

需要说明的是，上述系统的具体限定可以参见上文对一种换流站进出站人员识别方法的具体限定，在此不再赘述。

关于一种换流站进出站人员识别装置的具体限定可以参见上文中对于一种换流站进出站人员识别方法的限定，在此不再赘述。上述一种换流站进出站人员识别装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储换流站进出站人员识别数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现换流站进出站人员识别方法。

本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：

采集待识别身份的进出站人员的第一原始面部图像，基于所述第一原始面部图像的多个色彩通道，对所述第一原始面部图像进行细节优化处理，得到第一处理后面部图像；

根据所述第一处理后面部图像中的多个图像区域的特征提取结果，得到第一面部特征；

将所述第一面部特征和预设的多个候选面部特征进行逐一比对，得到各所述候选面部特征对应的特征差异值；所述候选面部特征通过对日常进出站人员的第二原始面部图像进行特征提取得到；每个候选面部特征具有关联的人员身份信息；

若最小特征差异值小于预设阈值，将所述最小特征差异值对应的候选面部特征作为目标面部特征，并将所述目标面部特征所关联的人员身份信息，作为所述第一原始面部图像的人员识别结果。

在一个实施例中，处理器执行计算机程序时还实现上述其他实施例中的换流站进出站人员识别方法的步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

采集待识别身份的进出站人员的第一原始面部图像，基于所述第一原始面部图像的多个色彩通道，对所述第一原始面部图像进行细节优化处理，得到第一处理后面部图像；

根据所述第一处理后面部图像中的多个图像区域的特征提取结果，得到第一面部特征；

将所述第一面部特征和预设的多个候选面部特征进行逐一比对，得到各所述候选面部特征对应的特征差异值；所述候选面部特征通过对日常进出站人员的第二原始面部图像进行特征提取得到；每个候选面部特征具有关联的人员身份信息；

若最小特征差异值小于预设阈值，将所述最小特征差异值对应的候选面部特征作为目标面部特征，并将所述目标面部特征所关联的人员身份信息，作为所述第一原始面部图像的人员识别结果。

在一个实施例中，计算机程序被处理器执行时还实现上述其他实施例中的换流站进出站人员识别方法的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-Only Memory，ROM）、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（Dynamic Random Access Memory，DRAM）等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。