CN108875016A - 一种基于人脸识别应用的样本共享技术和评价方法 - Google Patents

Abstract

本发明属于人脸识别的人工智能应用领域,具体涉及一种基于人脸识别应用的样本共享技术和评价方法，方法包括：构造用户节点以及用户节点数据结构，用户节点之间更新信息，计算用户节点的相似度，评价用户节点。本发明通过人脸识别的应用技术，提出了用户节点的样本共享技术，同时分析用户节点的数据结构和相似度，以及对用户节点重要程度进行评价。

Description

一种基于人脸识别应用的样本共享技术和评价方法

技术领域

本发明属于人脸识别的人工智能应用领域,具体涉及一种基于人脸识别应用的样本共享技术和评价方法。

背景技术

人脸识别的理论和技术方面的研究至今有30多年，而技术成熟是在最近几年时间里，特别以美国的大学和中国的大学的研究作为基础，以国际大公司的应用作为先锋和开拓，这几年人脸识别技术和产品呈现比较多，在很多领域的应用开始成熟，论文和专利也比较多，这方面的技术开发和理论研究从来没有停止过，人脸识别所涉及到的数据存储技术以及分布式数据存储技术和结构，研究和应用也逐渐增加，技术也开始成熟。

人脸识别技术作为人工智能领域的研究和应用的体现，已经在金融，安全，生活等方面获得成功应用，这些得益于信息技术的硬件条件提高和相关的理论改进，但是涉及人脸识别应用的人脸数据的样本共享方面的技术和应用却还很少。

发明内容

本发明的目的在于提供一种基于人脸识别应用的样本共享技术和评价方法，通过人脸识别的应用技术，提出了用户节点的样本共享技术，同时分析用户节点的数据结构和相似度，以及对用户节点重要程度评价方法。

为实现上述目的，设计一种基于人脸识别应用的样本共享技术和评价方法，所述方法具体步骤如下：

第一步：构造用户节点以及用户节点数据结构；

第二步：用户节点之间更新信息，其步骤如下：

步骤a：每个用户节点用于识别人脸时，采用自己的人脸样本库，或者采用其他用户节点的人脸样本库；

步骤b：每个用户节点完成识别一个或者多个人脸识别的结果后，存储在自己的人脸样本库；

步骤c：完成识别的用户节点关联通知其他用户节点样本库的更新数量；

步骤d：其他用户节点接收所述完成识别的用户节点的更新数量，并更新自己的人脸样本库；

步骤e：循环步骤a-d，每个用户节点在完成人脸识别后，更新自己的人脸样本库，并通知其他用户节点；

第三步：计算用户节点的相似度；

第四步：评价用户节点。

所述第一步构造用户节点以及用户节点数据结构，其具体步骤如下：

步骤a：设定N个用户节点，N为自然数；

步骤b：每个用户节点存在已知的人脸样本的集合{M1，M2，M3，……MJ}，J为自然数；

步骤c：每个用户节点的J不一样大,即每个用户节点的样本容量不一致。

所述第三步计算用户节点的相似度，其具体步骤如下：

步骤a：选择用户节点N1，计算与其他用户节点的相似度；

步骤b：选择用户节点Nn，n位自然数，计算与其他用户节点的相似度；

步骤c：重复步骤b，直到完成所有用户节点与其他用户节点的相似度；

所述计算与其他用户节点的相似度的计算公式为：该用户节点的相似度 = 100 *（相同的样本数/自己的总样本数），单位为百分数。

所述第四步评价用户节点的具体步骤如下：

步骤a：记录其他用户节点关注该用户节点的总次数X，X为自然数；

步骤b：记录其他用户节点在人脸识别时引用该用户节点的总样本数量Y，Y为自然数；

步骤c：运用评价公式评价该用户节点，评价公式如下：该用户节点的重要程度 = A*X+ (1-A)*Y ，其中 A是0到1之间的数；

步骤d：步骤c中计算得到的重要程度越大，说明该用户节点越重要。

本发明有益效果体现于：

1．共享了用户节点的人脸识别的样本库；

2．能够对用户节点的人脸识别的样本库的相似度计算并对其重要程度进行评价。

具体实施方式

下面结合实例对本发明作进一步说明，这种技术的原理对本专业的人来说是非常清楚的，应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

一种基于人脸识别应用的样本共享技术和评价方法，所述方法具体步骤如下：

第一步：构造用户节点以及用户节点数据结构；

第二步：用户节点之间更新信息，其步骤如下：

步骤a：每个用户节点用于识别人脸时，采用自己的人脸样本库，或者采用其他用户节点的人脸样本库；

步骤b：每个用户节点完成识别一个或者多个人脸识别的结果后，存储在自己的人脸样本库；

步骤c：完成识别的用户节点关联通知其他用户节点样本库的更新数量；

步骤d：其他用户节点接收所述完成识别的用户节点的更新数量，并更新自己的人脸样本库；

步骤e：循环步骤a-d，每个用户节点在完成人脸识别后，更新自己的人脸样本库，并通知其他用户节点；

第三步：计算用户节点的相似度；

第四步：评价用户节点。

所述第一步构造用户节点以及用户节点数据结构，其具体步骤如下：

步骤a：设定N个用户节点，N为自然数；

步骤b：每个用户节点存在已知的人脸样本的集合{M1，M2，M3，……MJ}，J为自然数；

步骤c：每个用户节点的J不一样大,即每个用户节点的样本容量不一致。

所述第三步计算用户节点的相似度，其具体步骤如下：

步骤a：选择用户节点N1，计算与其他用户节点的相似度；

步骤b：选择用户节点Nn，n位自然数，计算与其他用户节点的相似度；

步骤c：重复步骤b，直到完成所有用户节点与其他用户节点的相似度；

所述计算与其他用户节点的相似度的计算公式为：该用户节点的相似度 = 100 *（相同的样本数/自己的总样本数），单位为百分数。

所述第四步评价用户节点的具体步骤如下：

步骤a：记录其他用户节点关注该用户节点的总次数X，X为自然数；

步骤b：记录其他用户节点在人脸识别时引用该用户节点的总样本数量Y，Y为自然数；

步骤c：运用评价公式评价该用户节点，评价公式如下：该用户节点的重要程度 = A*X+ (1-A)*Y ，其中 A是0到1之间的数；

步骤d：步骤c中计算得到的重要程度越大，说明该用户节点越重要。

Claims (4)

1.一种基于人脸识别应用的样本共享技术和评价方法，其特征在于：所述方法具体步骤如下：

第一步：构造用户节点以及用户节点数据结构；

第二步：用户节点之间更新信息，其步骤如下：

步骤a：每个用户节点用于识别人脸时，采用自己的人脸样本库，或者采用其他用户节点的人脸样本库；

步骤b：每个用户节点完成识别一个或者多个人脸识别的结果后，存储在自己的人脸样本库；

步骤c：完成识别的用户节点关联通知其他用户节点样本库的更新数量；

步骤d：其他用户节点接收所述完成识别的用户节点的更新数量，并更新自己的人脸样本库；

步骤e：循环步骤a-d，每个用户节点在完成人脸识别后，更新自己的人脸样本库，并通知其他用户节点；

第三步：计算用户节点的相似度；

第四步：评价用户节点。

2.如权利要求1所述一种基于人脸识别应用的样本共享技术和评价方法，其特征在于：所述第一步构造用户节点以及用户节点数据结构，其具体步骤如下：

步骤a：设定N个用户节点，N为自然数；

步骤b：每个用户节点存在已知的人脸样本的集合{M1，M2，M3，……MJ}，J为自然数；

步骤c：每个用户节点的J不一样大,即每个用户节点的样本容量不一致。

3.如权利要求1所述一种基于人脸识别应用的样本共享技术和评价方法，其特征在于：所述第三步计算用户节点的相似度，其具体步骤如下：

步骤a：选择用户节点N1，计算与其他用户节点的相似度；

步骤b：选择用户节点Nn，n位自然数，计算与其他用户节点的相似度；

步骤c：重复步骤b，直到完成所有用户节点与其他用户节点的相似度；

所述计算与其他用户节点的相似度的计算公式为：该用户节点的相似度 = 100 *（相同的样本数/自己的总样本数），单位为百分数。

4.如权利要求1所述一种基于人脸识别应用的样本共享技术和评价方法，其特征在于：所述第四步评价用户节点的具体步骤如下：

步骤a：记录其他用户节点关注该用户节点的总次数X，X为自然数；

步骤b：记录其他用户节点在人脸识别时引用该用户节点的总样本数量Y，Y为自然数；

步骤c：运用评价公式评价该用户节点，评价公式如下：该用户节点的重要程度 = A*X+ (1-A)*Y ，其中 A是0到1之间的数；

步骤d：步骤c中计算得到的重要程度越大，说明此用户节点越重要。