CN109992681B - 数据融合方法及相关产品 - Google Patents
数据融合方法及相关产品 Download PDFInfo
- Publication number
- CN109992681B CN109992681B CN201910031281.XA CN201910031281A CN109992681B CN 109992681 B CN109992681 B CN 109992681B CN 201910031281 A CN201910031281 A CN 201910031281A CN 109992681 B CN109992681 B CN 109992681B
- Authority
- CN
- China
- Prior art keywords
- face data
- physical address
- fusion
- data
- threshold
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
Abstract
本申请实施例提供一种数据融合方法,该方法应用于数据融合装置,该方法包括:获取预设范围内的无线设备的物理地址集,所述物理地址集中包含至少一个无线设备的物理地址;采集人脸数据;将所述人脸数据和所述物理地址集进行融合,得到融合信息;将所述融合信息保存至预先构建的人员信息库。本申请实施例有利于增加数据融合方式。
Description
技术领域
本申请涉及数据处理领域,具体涉及一种数据融合方法及相关产品。
背景技术
随着科技的发展以及人工智能技术的进步,人们对数据认识的增多,从而在大数据条件下,对不同领域的数据进行分析,以掌握该技术领域的发展趋势,并对未来的发展方向做出预测,所以不同技术领域的应用或者分析系统都在完善各自的数据化系统功能,以精确分析收集到的大量数据。甚至,可以将相同技术领域的数据进行融合,以实现更加精确的分析功能,例如,将面部数据和声纹数据融合,得到融合信息,将融合信息用于身份识别,提高身份识别的精确度,解决误识别问题。但是,对于不同维度或者不同技术领域的数据来说,由于数据用途不同,如何将不同维度或者不同技术领域的数据进行融合,仍然面临巨大挑战,所以,目前的数据融合方式单一、融合技术存在缺陷、无法满足数据多样化的需求。
发明内容
本申请实施例提供了一种数据融合方法,以期将不同维度的数据进行融合,得到多维度下的数据,从而为精准识别提供数据支持。
第一方面,本申请实施例提供一种数据融合方法,所述方法包括:
获取预设范围内的无线设备的物理地址集,所述物理地址集中包含至少一个无线设备的物理地址;
采集人脸数据;
将所述人脸数据和所述物理地址集进行融合,得到融合信息;
将所述融合信息保存至预先构建的人员信息库。
第二方面,本申请实施例提供一种数据融合装置,其特征在于,所述装置包括:
获取模块,用于获取预设范围内的无线设备的物理地址集,所述物理地址集中包含至少一个无线设备的物理地址;
采集模块,用于采集人脸数据;
融合模块,用于将所述人脸数据和所述物理地址集进行融合,得到融合信息;
保存模块,用于将所述融合信息保存至预先构建的人员信息库。
第三方面,本申请实施例提供一种数据融合装置,包括处理器、存储器、通信接口以及一个或多个程序,其中,所述一个或多个程序被存储在所述存储器中,并且被配置由所述处理器执行,所述程序包括用于执行如第一方面所述的方法中的步骤的指令。
第四方面,本申请实施例提供一种计算机可读存储介质,其存储用于电子数据交换的计算机程序,其中,所述计算机程序使得计算机执行如第一方面所述的方法。
第五方面,本申请实施例提供一种计算机程序产品,所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,所述计算机可操作来使计算机执行如第一方面所述的方法。
实施本申请实施例,具有如下有益效果:
可以看出,在本申请实施例中,获取无线设备的物理地址,同时采集人脸数据,将物理地址和人脸数据进行融合,从而得到高维度数据,构建出用户的完整画像,将不可融合的数据进行融合,增加了数据融合的方式,而且该融合后的数据,即完整画像可为后续精确识别身份提供数据支持,提高身份识别的精确度。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种数据融合方法的流程示意图;
图2为本申请实施例提供的另一种数据融合方法的流程示意图;
图3为本申请实施例提供的一种数据融合装置的结构示意图;
图4为本申请实施例提供的一种数据融合装置的功能单元组成框图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结果或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本申请中的数据融合装置可以包括智能手机(如Android手机、iOS手机、WindowsPhone手机等)、平板电脑、掌上电脑、笔记本电脑、移动互联网设备MID(Mobile InternetDevices,简称:MID)或穿戴式设备等,上述数据融合装置仅是举例,而非穷举,包含但不限于上述数据融合装置。
首先参阅图1,图1为本申请实施例提供的一种数据融合方法的流程示意图,该方法应用于数据融合装置,该数据融合装置包括WIFI探针、人脸采集模块以及处理器,该方法包括如步骤S101~S104中所示的内容:
步骤S101、所述数据融合装置获取预设范围内的无线设备的物理地址集,所述物理地址集中包含至少一个无线设备的物理地址。
可选的,在触发该数据融合装置人脸识别时,该数据融合装置开启WIFI探针,通过WIFI探针获取预设范围内的无线设备的物理地址MAC,其采集原理为:当无线设备在WIFI探针的侦听范围内,无线设备发送任何一帧数据时,WIFI探针截取该帧数据,并分析该帧数据中的MAC层与物理层的信息,得到该无线设备的MAC地址。当然,WIFI探针可抓取其他无线数据,例如,WIFI信号强度、数据格式、无线设备的唯一标识,等等,本申请以获取物理地址为例做具体说明,当然,通过WIFI探针抓取其他具有唯一标识作用的无线数据,将该无线数据与人脸数据进行融合,得到融合信息的方式,均在本申请的保护范围内。
其中,该预设范围可以为以该数据融合装置为中心,半径为r的圆形区域,或者,边长为d的方形区域,等等,其中,r和d均为大于1的整数,单位为m。
步骤S102、所述数据融合装置采集人脸数据。
一般来讲,该人脸数据为面部图像或者该面部图像的特征向量,在该数据融合装置开启人脸识别时,通过人脸采集模块采集人脸数据。
步骤S103、所述数据融合装置将所述人脸数据和所述物理地址集进行融合,得到融合信息。
可选的,处理器将所述人脸数据和所述物理地址集进行融合,得到融合信息的实现过程可以为:判断本次的融合操作是否为首次融合操作,如否,在对本次的人脸数据和物理地址融合之前,处理器获取人员信息库中已保存的融合信息,基于该保存的融合信息对该人脸数据和物理地址集进行融合,可以理解的是,如本次融合操作为首次融合操作,直接将该人脸数据与该物理地址集进行融合,建立人脸数据与物理地址集的对应关系,得到融合信息,即该个人脸数据对应该至少一个无线设备的物理地址。
步骤S104、所述数据融合装置将所述融合信息保存至预先构建的人员信息库。
可选的,将该融合后的信息保存至预先建立的人员信息库,得到人脸数据与物理地址对应的人员信息库。
可以看出,在本申请实施例中,通过WIFI探针获取MAC地址,通过人脸采集模块采集人脸数据,将该MAC地址和WIFI数据进行融合,得到多维度的数据信息,依据该多维度数据信息可构建用户的完整画像,从而为身份识别提供精确数据,提高身份识别的精确度。
在一可能的示例中,将所述物理地址和所述人脸数据进行融合,得到融合信息的实现过程可以为:基于人员信息库中已保存的融合信息,将所述人脸数据与所述已保存的融合信息中每个融合信息中的人脸数据进行匹配,得到若干个匹配度,所述人员信息库中每个融合信息中至少对应一个物理地址;获取所述若干个匹配度中的最大匹配度,在确定所述最大匹配度大于第一阈值时,将所述最大匹配度对应的第一人脸数据与所述物理地址集进行融合,得到所述第一人脸数据与所述物理地址集对应的融合信息。
其中,第一阈值可以为90%、95%或者其他值。
在上述可能的示例中,每个人脸数据对应一个人员身份,在最大匹配度大于第一阈值时,确定本次采集到的人脸数据为已保存的融合信息的人员身份中一人员身份的置信度为100%,然后,将本次采集到的人脸数据与物理地址集融合,得到本次的融合信息,可以理解的是,本次融合的信息和已保存的融合信息相比,可能相同也可能不同,在相同时,可提高人脸数据以及与该人脸数据对应的物理地址的同时出现次数,提高该人脸数据与该物理地址匹配成功的概率,在不同时,通过构建融合信息,尽可能的将人脸数据和对应的物理地址建立在同一个融合信息下。
举例来说,如本次采集的人脸数据为A,在A携带无线设备的情况下,在采集人脸数据时,其周围的人员分别为B、C,故采集到的物理地址在很大程度上为与A、B、C对应的MAC1、MAC2和MAC3,如已保存的融合信息中,在采集人脸数据A时,其周围的人员也为B和C时,对应的融合信息为同时,如在采集人脸数据A时,其周围的人员为D和E(对应的MAC地址分别为MAC4和MAC5),则保存的融合信息为所以,本次融合信息可以和已保存的融合信息相同,也可以不同。
在一可能的示例中,将所述物理地址和所述人脸数据进行融合,得到融合信息的实现过程还可以为:在确定所述最大匹配度小于第二阈值时,将所述人脸数据与所述物理地址集进行融合,得到所述人脸数据与所述物理地址集对应的融合信息,其中,所述第一阈值大于所述第二阈值。
其中,该第二阈值可以为5%、10%或者其他值。
可选的,当该最大匹配度小于第一阈值时,确定该人脸数据为该已保存的融合信息中一人员身份的置信度为0,即在本次采集到该人脸数据之前,该人脸采集模块并未采集过该人脸数据,也是说首次采集到该人脸数据,故该人脸数据与物理地址集的融合操作为首次融合,所以,直接建立该人脸数据与物理地址集的对应关系,得到融合信息,并将融合信息存放在人员信息库中。
在一可能的示例中,将所述物理地址和所述人脸数据进行融合,得到融合信息的实现过程可以为:在所述匹配度最高值介于所述第二阈值和所述第一阈值之间时,基于所述人员信息库中已保存的融合信息,获取与所述人脸数据对应的第一人脸数据集合,获取与所述物理地址集对应的第二人脸数据集合,基于所述第一人脸数据集合以及所述第二人脸数据集合确定目标人脸数据,将所述目标人脸数据与所述物理地址进行融合,得到所述目标人脸数据与所述物理地址集对应的融合信息。
可选的,当匹配度最大值介于第二阈值和第一阈值之间时,可设定确定该人脸数据为该已保存的融合信息中一人员身份的置信度为50%,即无100%把握确定该人脸数据对应的人员身份,也无法确定该人脸数据为首次出现的人脸数据,然后,采用物理地址匹配和人脸数据匹配协同工作确定目标人脸数据。
可选的,在上述可能的示例中,获取与所述人脸数据对应的第一人脸数据集合的实现过程可以为:获取所述若干个匹配度中介于第三阈值和第四阈值之间的所有匹配度;确定与所述所有匹配度对应的所有人脸数据,将所述所有人脸数据组成第一人脸数据集合,其中,所述第三阈值大于第二阈值小于第四阈值,所述第四阈值小于所述第一阈值。
其中,第三阈值可以为60%、70%或者其他值;
其中,第四阈值可以为75%、80%或者其他值。
可选的,为了减少第二阈值和第一阈值区间之间存在可匹配的人脸数据过多,故可在第二阈值和第一阈值构成的区间中设置第三阈值和第四阈值的区间,以减少第一人脸数据集合中人脸数据的数量,减少数据计算的复杂度。
可选的,在上述可能的示例中,获取与所述物理地址对应的第二人脸数据集合的实现过程可以为将所述物理地址集中的每个物理地址与所述已保存的融合信息进行比对,获取所述已保存的融合信息的物理地址中包含该物理地址的所有融合信息,确定所述所有融合信息中对应的所有人脸数据,确定所述所有人脸数据中每个人脸数据的出现次数,将出现次数最多的人脸数据作为该物理地址对应的目标人脸数据;获取所述物理地址集中所有物理地址对应的所有目标人脸数据,将所述所有目标人脸数据组成第二人脸数据集合。
可选的,遍历已保存的融合信息,确定每个已保存的融合信息中每个人脸数据对应的多个物理地址,将本次获取到的物理地址集中每个物理地址与该人脸数据对应的多个物理地址进行比对,确定该多个物理地址中是否包含该物理地址,如是,确定物理地址集中的物理地址与该人脸数据匹配,即该物理地址与该人脸数据所在的融合信息匹配,然后,将该物理地址与该已保存的融合信息进行比对,确定该已保存的融合信息中与该物理地址匹配的所有融合信息,确定该所有融合信息对应的人脸数据,统计每个人脸数据的出现次数,将出现次数最多的人脸数据作为该物理地址对应的目标人脸数据,然后,获取该物理地址集中每个物理地址对应的目标人脸数据,将所有物理地址的目标人脸数据组成第二人脸数据集合。
在一可能的示例中,基于所述第一人脸数据集合以及所述第二人脸数据集合确定目标人脸数据的实现过程可以为:获取所述第一人脸数据集合中最大匹配度对应的所述第一人脸数据;获取所述第二人脸数据集合中出现次数最多对应的第二人脸数据;如所述第一人脸数据和所述第二人脸数据一致,确定所述第一人脸数据或所述第二人脸数据为目标人脸数据;如所述第一人脸数据和所述第二人脸数据不一致,计算所述第一人脸数据集合中每个人脸数据的匹配分,得到若干个第一匹配分,计算所述第二人脸数据集合中每个人脸数据的匹配分,得到若干个第二匹配分;确定所述若干个第一匹配分和所述若干个第二匹配分中的最大匹配分,将所述最大匹配分对应的人脸数据作为所述目标人脸数据。
其中,第一人脸数据和第二人脸数据一致具体指第一人脸数据和第二人脸数据为同一人员的人脸数据,如不一致,基于匹配分数计算公式计算第一人脸数据集合中和第二人脸数据集合中每个人脸数据的匹配分数。
可选的,计算所述第一人脸数据集合或者所述第二人脸数据集合中每个人脸数据的匹配分具体包括如下步骤:计算每个人脸数据在预设的物理地址匹配维度下的第一匹配分,计算所述每个人脸数据在预设的人脸匹配维度下的第二匹配分,获取预设的物理地址匹配维度的权重系数α1和人脸匹配维度的权重系数α2;基于所述权重系数α1和α2对所述第一匹配分和第二匹配分进行加权,得到所述每个人脸数据的匹配分。
首先说明,对于物理地址匹配维度来说,获取物理地址与人脸数据同时出现的次数,如同时出现的次数越多,确定该两者的匹配程度越大,当同时出现的次数大于一定阈值时,确定两者为同一个人员的数据信息,同时,对于不同的场景来说,由于在该场景活动的人数不同,故其对应的阈值不同,所以,对每个场景预先设置一个可靠匹配次数阈值,当物理地址与人脸数据同时出现的次数远大于该可靠匹配次数阈值,则说明该物理地址与人脸数据精准匹配,即确定该物理地址与人脸数据为同一人员的数据信息;对于人脸匹配来说,当人脸数据与已融合信息中的人脸数据(相当于人脸数据模板)的匹配度越大,确定人脸数据为人脸数据模板对应的人员的置信度越大,故可预先设定一个可靠匹配度阈值,当人脸数据与人脸数据模板的匹配度远大于该可靠匹配度阈值时,确定人脸数据对应的人员即为该人脸数据模板对应的人员。
在一可能的示例中,可通过如下匹配分数计算公式计算第一人脸数据集合或者第二数据人脸集合中每个人脸数据的匹配分:
S=(实际匹配次数-可靠匹配次数阈值)/可靠匹配次数阈值*α1+(实际匹配度-可靠匹配度阈值)/可靠匹配度阈值*α2。
其中,S,为每个人脸数据的匹配分,实际匹配次数为所述物理地址集中每个物理地址与该人脸数据同时出现的次数之和,可靠匹配次数阈值和可靠匹配度为与场景对应的预设参数值,α1和α2为预设的权重系数。
举例来说,如该物理地址集中的物理地址分别为MAC1、MAC2和MAC3,如人脸数据为D,如已保存的融合信息中存在6个融合信息,具体为:
假设,D与A的匹配度如60%、与B的匹配度为75%、与C的匹配度为70%,假设第三阈值为70%,第四阈值为80%,则确定第一人脸数据集合为{B,C},且最大匹配度对应的第一人脸数据为B;确定与MAC1匹配的人脸数据为A、B和C,且同时出现次数为2、1和1,故MAC1对应的目标人脸数据为A,MAC2匹配的人脸数据为A、B和C,且同时出现次数为1、2和1,故MAC2对应的目标人脸数据为B,MAC3匹配的人脸数据为A、B和C,且且同时出现次数为1、1和3,故MAC3对应的目标人脸数据为C,故第二人脸数据集合为{A,B,C},且该第二人脸数据集合中出现次数最多的第二人脸数据为C,由于B和C不一致,即第一人脸数据和第二人脸数据不一致,需单独计算第一人脸集合中和第二人脸集合中每个人脸数据的匹配分。
具体来说,以计算第一人脸数据集合中人脸数据的匹配分数为例做具体说明,对于B来说,在物理地址维度计算匹配分时,统计B的实际出现次数,即统计出MAC1对应的出现次数为1,MAC2对应的出现次数为2,MAC3对应的出现次数为1,故B的实际出现次数为4,如预设的可靠匹配次数阈值为2、可靠匹配度阈值为35%时,α1为0.4,α2为0.6,则人脸数据B对应的匹配分数为SB=(4-2)/2*0.4+(75%-35%)/35%*0.6=1.09,同理可计算得到第一人脸数据集合中人脸数据C的匹配分数SC=(7-2)/2*0.4+(70%-35%)/35%*0.6=1.60。同理计算得到第二人脸数据集合中人脸数据A的匹配分数SA=(4-2)/2*0.4+(60%-35%)/35%*0.6=0.83,SB=1.09,SC=1.60,故可以看出匹配分分数最高的人脸数据为C,故确定人脸数据C为目标人脸数据。
需要说明的是,上述的计算匹配分数的方式仅为示例说明,不对计算公式做唯一限定。
在一可能的示例中,在构建人员信息库后,所述方法还包括:
在预设时间段后,获取所述人员信息库中已保存的融合信息中第i个人脸数据,确定与所述第i个人脸数据对应的第j个物理地址同时出现的次数,在所述同时出现的次数大于预设阈值时,确定所述第i个人脸数据的目标物理地址为所述第j个物理地址,将所述第i个人脸数据与所述j个物理地址对应存储,将对应存储的数据作为所述第i个人脸数据对应的人员身份的模板数据;其中,所述第i个人脸数据为所述已保存的融合信息中任意一个融合信息对应的人脸数据,所述第j个物理地址所述第i个人脸数据对应的多个物理地址中的任意一个物理地址。
其中,该预设阈值为1000、2000、5000或者其他值。
参阅图2,图2为本申请实施例提供的另一种数据融合方法的流程示意图,该方法应用于数据融合装置,该数据融合装置包括WIFI探针、人脸采集模块以及处理器,该方法包括如步骤S201~S211中所示的内容:
步骤S201、所述数据融合装置获取预设范围内的无线设备的物理地址集,所述物理地址集中包含至少一个无线设备的物理地址。
步骤S202、所述数据融合装置采集人脸数据。
步骤S203、所述数据融合装置,基于人员信息库中已保存的融合信息,将所述人脸数据与所述已保存的融合信息中每个融合信息中的人脸数据进行匹配,得到若干个匹配度,获取所述若干个匹配度中的最大匹配度。
步骤S204、所述数据融合装置确定所述最大匹配度是否大于第一阈值;
如是,执行步骤S205;
如否,执行步骤S206。
步骤S205、所述数据融合装置将所述最大匹配度对应的第一人脸数据与所述物理地址集进行融合,得到所述第一人脸数据与所述物理地址集对应的融合信息。
步骤S206、所述数据融合装置确定所述最大匹配度是否小于第二阈值;
如是,执行步骤S207;
如否,执行步骤S208。
步骤S207、所述数据融合装置将所述人脸数据与所述物理地址集进行融合,得到所述人脸数据与所述物理地址集对应的融合信息。
步骤S208、所述数据融合装置基于所述人员信息库中已保存的融合信息,获取与所述人脸数据对应的第一人脸数据集合,获取与所述物理地址集对应的第二人脸数据集合。
步骤S209、所述数据融合装置基于基于所述第一人脸数据集合以及所述第二人脸数据集合确定目标人脸数据。
步骤S210、所述数据融合装置将所述目标人脸数据与所述物理地址进行融合,得到所述目标人脸数据与所述物理地址集对应的融合信息。
步骤211、所述数据融合装置将融合信息保存至预先构建的人员信息库。
可以看出,在本申请实施例中,通过WIFI探针获取MAC地址,通过人脸采集模块采集人脸数据,将该MAC地址和WIFI数据进行融合,得到多维度的数据信息,依据该多维度数据信息可构建用户的完整画像,从而为身份识别提供精确数据,提高身份识别的精确度。
需要说明的是,图2所示的方法的各个步骤的具体实现过程可参见上述方法所述的具体实现过程,在此不再叙述。
上述实施例主要从方法侧执行过程的角度对本申请实施例的方案进行了介绍。可以理解的是,电子装置为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,结合本文中所公开的实施例描述的各示例的模块及算法步骤,本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
本申请实施例可以根据所述方法示例对电子装置进行功能模块的划分,例如,可以对应各个功能划分各个功能模块,也可以将两个或两个以上的功能集成在一个处理模块中。所述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。需要说明的是,本申请实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
与上述图1、图2所示的实施例一致的,请参阅图3,图3为本申请实施例提供的一种数据融合装置300的结构示意图,如图3所示,该数据融合装置300包括WIFI探针、人脸采集模块、处理器、存储器、通信接口以及一个或多个程序,其中,上述一个或多个程序不同于上述一个或多个应用程序,且上述一个或多个程序被存储在上述存储器中,并且被配置由上述处理器执行,上述程序包括用于执行以下步骤的指令:
所述WIFI探针获取预设范围内的无线设备的物理地址集,所述物理地址集中包含至少一个无线设备的物理地址;
所述人脸采集模块采集人脸数据;
所述处理器将所述人脸数据和所述物理地址集进行融合,得到融合信息;
所述处理器将所述融合信息保存至预先构建的人员信息库。
在一可能的示例中,在将所述物理地址和所述人脸数据进行融合,得到融合信息时,上述程序具体用于执行以下步骤的指令:
基于人员信息库中已保存的融合信息,将所述人脸数据与所述已保存的融合信息中每个融合信息中的人脸数据进行匹配,得到若干个匹配度,所述人员信息库中每个融合信息中至少对应一个物理地址;
获取所述若干个匹配度中的最大匹配度,在确定所述最大匹配度大于第一阈值时,将所述最大匹配度对应的第一人脸数据与所述物理地址集进行融合,得到所述第一人脸数据与所述物理地址集对应的融合信息。
在一可能的示例中,在将所述物理地址和所述人脸数据进行融合,得到融合信息时,上述程序还用于执行以下步骤的指令:
在确定所述最大匹配度小于第二阈值时,将所述人脸数据与所述物理地址集进行融合,得到所述人脸数据与所述物理地址集对应的融合信息,其中,所述第一阈值大于所述第二阈值。
在一可能的示例中,在将所述物理地址和所述人脸数据进行融合,得到融合信息时,上述程序还用于执行以下步骤的指令:
在所述匹配度最高值介于所述第二阈值和所述第一阈值之间时,基于所述人员信息库中已保存的融合信息,获取与所述人脸数据对应的第一人脸数据集合,获取与所述物理地址集对应的第二人脸数据集合,基于所述第一人脸数据集合以及所述第二人脸数据集合确定目标人脸数据,将所述目标人脸数据与所述物理地址进行融合,得到所述目标人脸数据与所述物理地址集对应的融合信息。
在一可能的示例中,在获取与所述人脸数据对应的第一人脸数据集合时,上述程序具体用于执行以下步骤的指令:
获取所述若干个匹配度中介于第三阈值和第四阈值之间的所有匹配度;
确定与所述所有匹配度对应的所有人脸数据,将所述所有人脸数据组成第一人脸数据集合,其中,所述第三阈值大于第二阈值小于第四阈值,所述第四阈值小于所述第一阈值。
在一可能的示例中,在获取与所述物理地址集对应的第二人脸数据集合时,上述程序具体用于执行以下步骤的指令:
将所述物理地址集中的每个物理地址与所述已保存的融合信息进行比对,获取所述已保存的融合信息的物理地址中包含该物理地址的所有融合信息,确定所述所有融合信息中对应的所有人脸数据,确定所述所有人脸数据中每个人脸数据的出现次数,将出现次数最多的人脸数据作为该物理地址对应的目标人脸数据;
获取所述物理地址集中所有物理地址对应的所有目标人脸数据,将所述所有目标人脸数据组成第二人脸数据集合。
在一可能的示例中,在获取与所述物理地址集对应的第二人脸数据集合时,上述程序具体用于执行以下步骤的指令:
获取所述第一人脸数据集合中最大匹配度对应的所述第一人脸数据;
获取所述第二人脸数据集合中出现次数最多对应的第二人脸数据;
如所述第一人脸数据和所述第二人脸数据一致,确定所述第一人脸数据或所述第二人脸数据为目标人脸数据;
如所述第一人脸数据和所述第二人脸数据不一致,计算所述第一人脸数据集合中每个人脸数据的匹配分,得到若干个第一匹配分,计算所述第二人脸数据集合中每个人脸数据的匹配分,得到若干个第二匹配分;
确定所述若干个第一匹配分和所述若干个第二匹配分中的最大匹配分,将所述最大匹配分对应的人脸数据作为所述目标人脸数据。
参阅图4,图4示出了上述实施例中所涉及的的数据融合装置400的一种可能的功能单元的组成框图,数据融合装置400包括:获取模块401、采集模块402、融合模块403和保存模块404;
获取模块401,用于获取预设范围内的无线设备的物理地址集,所述物理地址集中包含至少一个无线设备的物理地址;
采集模块402,用于采集人脸数据;
融合模块403,用于将所述人脸数据和所述物理地址集进行融合,得到融合信息;
保存模块404,用于将所述融合信息保存至预先构建的人员信息库。
在一可能的示例中,在将所述物理地址和所述人脸数据进行融合,得到融合信息时,融合模块403,具体用于:基于人员信息库中已保存的融合信息,将所述人脸数据与所述已保存的融合信息中每个融合信息中的人脸数据进行匹配,得到若干个匹配度,所述人员信息库中每个融合信息中至少对应一个物理地址;获取所述若干个匹配度中的最大匹配度,在确定所述最大匹配度大于第一阈值时,将所述最大匹配度对应的第一人脸数据与所述物理地址集进行融合,得到所述第一人脸数据与所述物理地址集对应的融合信息。
在一可能的示例中,在将所述物理地址和所述人脸数据进行融合,得到融合信息时,融合模块403,具体用于:在确定所述最大匹配度小于第二阈值时,将所述人脸数据与所述物理地址集进行融合,得到所述人脸数据与所述物理地址集对应的融合信息,其中,所述第一阈值大于所述第二阈值。
在一可能的示例中,在将所述物理地址和所述人脸数据进行融合,得到融合信息时,融合模块403,具体用于:在所述匹配度最高值介于所述第二阈值和所述第一阈值之间时,基于所述人员信息库中已保存的融合信息,获取与所述人脸数据对应的第一人脸数据集合,获取与所述物理地址集对应的第二人脸数据集合,基于所述第一人脸数据集合以及所述第二人脸数据集合确定目标人脸数据,将所述目标人脸数据与所述物理地址进行融合,得到所述目标人脸数据与所述物理地址集对应的融合信息。
在一可能的示例中,在获取与所述人脸数据对应的第一人脸数据集合时,融合模块403,具体用于:获取所述若干个匹配度中介于第三阈值和第四阈值之间的所有匹配度;确定与所述所有匹配度对应的所有人脸数据,将所述所有人脸数据组成第一人脸数据集合,其中,所述第三阈值大于第二阈值小于第四阈值,所述第四阈值小于所述第一阈值。
在一可能的示例中,在获取与所述物理地址集对应的第二人脸数据集合时,融合模块403,具体用于:将所述物理地址集中的每个物理地址与所述已保存的融合信息进行比对,获取所述已保存的融合信息的物理地址中包含该物理地址的所有融合信息,确定所述所有融合信息中对应的所有人脸数据,确定所述所有人脸数据中每个人脸数据的出现次数,将出现次数最多的人脸数据作为该物理地址对应的目标人脸数据;获取所述物理地址集中所有物理地址对应的所有目标人脸数据,将所述所有目标人脸数据组成第二人脸数据集合。
在一可能的示例中,在基于所述第一人脸数据集合以及所述第二人脸数据集合确定目标人脸数据时,融合模块403,具体用于:获取所述第一人脸数据集合中最大匹配度对应的所述第一人脸数据;获取所述第二人脸数据集合中出现次数最多对应的第二人脸数据;如所述第一人脸数据和所述第二人脸数据一致,确定所述第一人脸数据或所述第二人脸数据为目标人脸数据;如所述第一人脸数据和所述第二人脸数据不一致,计算所述第一人脸数据集合中每个人脸数据的匹配分,得到若干个第一匹配分,计算所述第二人脸数据集合中每个人脸数据的匹配分,得到若干个第二匹配分;确定所述若干个第一匹配分和所述若干个第二匹配分中的最大匹配分,将所述最大匹配分对应的人脸数据作为所述目标人脸数据。
本申请实施例还提供一种计算机存储介质,其中,该计算机存储介质存储用于存储计算机程序,其中,该计算机程序被处理器执行,以实现如上述方法实施例中记载的任何的部分或全部步骤。
本申请实施例还提供一种计算机程序产品,所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,所述计算机程序可操作来使计算机执行如上述方法实施例中记载的任何的部分或全部步骤。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于可选实施例,所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,可通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件程序模块的形式实现。
所述集成的单元如果以软件程序模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储器中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储器包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储器中,存储器可以包括:闪存盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取器(英文:Random Access Memory,简称:RAM)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种数据融合方法,其特征在于,所述方法包括:
获取预设范围内的无线设备的物理地址集,所述物理地址集中包含至少一个无线设备的物理地址;
采集人脸数据;
将所述人脸数据和所述物理地址集进行融合,得到融合信息;
将所述融合信息保存至预先构建的人员信息库;
在预设时间段后,获取所述人员信息库中已保存的融合信息中第i个人脸数据,确定与所述第i个人脸数据对应的第j个物理地址同时出现的次数,在所述同时出现的次数大于预设阈值时,确定所述第i个人脸数据的目标物理地址为所述第j个物理地址,将所述第i个人脸数据与所述j个物理地址对应存储,将对应存储后的所述第i个人脸数据与所述j个物理地址作为所述第i个人脸数据对应的人员身份的模板数据;其中,所述第i个人脸数据为所述已保存的融合信息中任意一个人脸数据,所述第j个物理地址为所述第i个人脸数据对应的多个物理地址中的任意一个物理地址。
2.根据权利要求1所述的方法,其特征在于,所述将所述物理地址和所述人脸数据进行融合,得到融合信息具体包括:
基于人员信息库中已保存的融合信息,将所述人脸数据与所述已保存的融合信息中每个融合信息中的人脸数据进行匹配,得到若干个匹配度,所述人员信息库中每个融合信息中至少对应一个物理地址;
获取所述若干个匹配度中的最大匹配度,在确定所述最大匹配度大于第一阈值时,将所述最大匹配度对应的第一人脸数据与所述物理地址集进行融合,得到所述第一人脸数据与所述物理地址集对应的融合信息。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
在确定所述最大匹配度小于第二阈值时,将所述人脸数据与所述物理地址集进行融合,得到所述人脸数据与所述物理地址集对应的融合信息,其中,所述第一阈值大于所述第二阈值。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
在所述匹配度最高值介于所述第二阈值和所述第一阈值之间时,基于所述人员信息库中已保存的融合信息,获取与所述人脸数据对应的第一人脸数据集合,获取与所述物理地址集对应的第二人脸数据集合,基于所述第一人脸数据集合以及所述第二人脸数据集合确定目标人脸数据,将所述目标人脸数据与所述物理地址进行融合,得到所述目标人脸数据与所述物理地址集对应的融合信息。
5.根据权利要求4所述的方法,其特征在于,所述获取与所述人脸数据对应的第一人脸数据集合具体包括:
获取所述若干个匹配度中介于第三阈值和第四阈值之间的所有匹配度;
确定与所述所有匹配度对应的所有人脸数据,将所述所有人脸数据组成第一人脸数据集合,其中,所述第三阈值大于第二阈值小于第四阈值,所述第四阈值小于所述第一阈值。
6.根据权利要求4所述的方法,其特征在于,所述获取与所述物理地址集对应的第二人脸数据集合具体包括:
将所述物理地址集中的每个物理地址与所述已保存的融合信息进行比对,获取所述已保存的融合信息的物理地址中包含该物理地址的所有融合信息,确定所述所有融合信息中对应的所有人脸数据,确定所述所有人脸数据中每个人脸数据的出现次数,将出现次数最多的人脸数据作为该物理地址对应的目标人脸数据;
获取所述物理地址集中所有物理地址对应的所有目标人脸数据,将所述所有目标人脸数据组成第二人脸数据集合。
7.根据权利要求6所述的方法,其特征在于,所述基于所述第一人脸数据集合以及所述第二人脸数据集合确定目标人脸数据具体包括:
获取所述第一人脸数据集合中最大匹配度对应的所述第一人脸数据;
获取所述第二人脸数据集合中出现次数最多对应的第二人脸数据;
如所述第一人脸数据和所述第二人脸数据一致,确定所述第一人脸数据或所述第二人脸数据为目标人脸数据;
如所述第一人脸数据和所述第二人脸数据不一致,计算所述第一人脸数据集合中每个人脸数据的匹配分,得到若干个第一匹配分,计算所述第二人脸数据集合中每个人脸数据的匹配分,得到若干个第二匹配分;
确定所述若干个第一匹配分和所述若干个第二匹配分中的最大匹配分,将所述最大匹配分对应的人脸数据作为所述目标人脸数据。
8.一种数据融合装置,其特征在于,所述装置包括:
获取模块,用于获取预设范围内的无线设备的物理地址集,所述物理地址集中包含至少一个无线设备的物理地址;
采集模块,用于采集人脸数据;
融合模块,用于将所述人脸数据和所述物理地址集进行融合,得到融合信息;
保存模块,用于将所述融合信息保存至预先构建的人员信息库以及在预设时间段后,获取所述人员信息库中已保存的融合信息中第i个人脸数据,确定与所述第i个人脸数据对应的第j个物理地址同时出现的次数,在所述同时出现的次数大于预设阈值时,确定所述第i个人脸数据的目标物理地址为所述第j个物理地址,将所述第i个人脸数据与所述j个物理地址对应存储,将对应存储后的所述第i个人脸数据与所述j个物理地址作为所述第i个人脸数据对应的人员身份的模板数据;其中,所述第i个人脸数据为所述已保存的融合信息中任意一个人脸数据,所述第j个物理地址为所述第i个人脸数据对应的多个物理地址中的任意一个物理地址。
9.一种数据融合装置,其特征在于,包括处理器、存储器、通信接口以及一个或多个程序,其中,所述一个或多个程序被存储在所述存储器中,并且被配置由所述处理器执行,所述程序包括用于执行权利要求1-7任一项方法中的步骤的指令。
10.一种计算机可读存储介质,其特征在于,其用于存储计算机程序,其中,所述计算机程序被处理器执行,以实现如权利要求1-7任一项所述的方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811626838 | 2018-12-28 | ||
CN2018116268386 | 2018-12-28 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109992681A CN109992681A (zh) | 2019-07-09 |
CN109992681B true CN109992681B (zh) | 2021-07-06 |
Family
ID=67129887
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910031281.XA Active CN109992681B (zh) | 2018-12-28 | 2019-01-14 | 数据融合方法及相关产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109992681B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110852372B (zh) * | 2019-11-07 | 2022-05-31 | 北京爱笔科技有限公司 | 一种数据关联方法、装置、设备及可读存储介质 |
CN112668605A (zh) * | 2020-12-01 | 2021-04-16 | 深圳力维智联技术有限公司 | 基于生物和物理特征单点融合信息采集方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104992075A (zh) * | 2015-07-30 | 2015-10-21 | 浙江宇视科技有限公司 | 一种基于大数据的多源信息关联方法 |
CN105790955A (zh) * | 2016-04-06 | 2016-07-20 | 深圳市博康智能信息技术有限公司 | 一种基于mac地址与人脸信息关联的方法和系统 |
CN106874347A (zh) * | 2016-12-26 | 2017-06-20 | 深圳市深网视界科技有限公司 | 一种匹配人体特征与mac地址的方法及系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7680324B2 (en) * | 2000-11-06 | 2010-03-16 | Evryx Technologies, Inc. | Use of image-derived information as search criteria for internet and other search engines |
JP5873236B2 (ja) * | 2010-08-11 | 2016-03-01 | Kddi株式会社 | 出席管理方法およびシステム |
CN105208528B (zh) * | 2015-09-24 | 2018-05-22 | 山东合天智汇信息技术有限公司 | 一种用于识别同行人员的系统及方法 |
CN106548164A (zh) * | 2016-11-28 | 2017-03-29 | 中通服公众信息产业股份有限公司 | 人脸图像与移动设备的关联性识别方法 |
CN107888715B (zh) * | 2017-11-28 | 2021-08-20 | 新华三技术有限公司 | 一种mac地址与人脸特征的绑定方法、装置及设备 |
CN107948341B (zh) * | 2017-11-30 | 2019-05-17 | 杭州中奥科技有限公司 | Mac地址匹配方法及装置 |
CN108235321A (zh) * | 2018-01-03 | 2018-06-29 | 深圳正品创想科技有限公司 | 一种智能wifi接入方法、装置及无人商店 |
-
2019
- 2019-01-14 CN CN201910031281.XA patent/CN109992681B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104992075A (zh) * | 2015-07-30 | 2015-10-21 | 浙江宇视科技有限公司 | 一种基于大数据的多源信息关联方法 |
CN105790955A (zh) * | 2016-04-06 | 2016-07-20 | 深圳市博康智能信息技术有限公司 | 一种基于mac地址与人脸信息关联的方法和系统 |
CN106874347A (zh) * | 2016-12-26 | 2017-06-20 | 深圳市深网视界科技有限公司 | 一种匹配人体特征与mac地址的方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109992681A (zh) | 2019-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109858371B (zh) | 人脸识别的方法及装置 | |
CN107066983B (zh) | 一种身份验证方法及装置 | |
CN109815818B (zh) | 目标人物追踪方法、系统及相关装置 | |
US10616475B2 (en) | Photo-taking prompting method and apparatus, an apparatus and non-volatile computer storage medium | |
CN105160739B (zh) | 自动识别设备、方法以及门禁系统 | |
AU2017201463B2 (en) | Methods and systems for authenticating users | |
CN109285234B (zh) | 人脸识别考勤方法、装置、计算机装置及存储介质 | |
CN107527046B (zh) | 解锁控制方法及相关产品 | |
CN108229262B (zh) | 一种色情视频检测方法及装置 | |
CN111050130B (zh) | 一种摄像头控制方法、装置及存储介质 | |
CN107888715B (zh) | 一种mac地址与人脸特征的绑定方法、装置及设备 | |
CN107480601B (zh) | 检测方法及相关产品 | |
CN116051115A (zh) | 一种刷脸支付提示方法、装置及设备 | |
CN106778450A (zh) | 一种面部识别方法和装置 | |
CN109872407B (zh) | 一种人脸识别方法、装置、设备及打卡方法、装置和系统 | |
CN109992681B (zh) | 数据融合方法及相关产品 | |
CN109559336B (zh) | 对象追踪方法、装置及存储介质 | |
CN107909011B (zh) | 人脸识别方法及相关产品 | |
CN107622246B (zh) | 人脸识别方法及相关产品 | |
US20190116310A1 (en) | Method of processing object in image and apparatus for same | |
CN109886239B (zh) | 人像聚类方法、装置及系统 | |
CN107291238B (zh) | 一种数据处理方法与装置 | |
CN111783714A (zh) | 一种胁迫人脸识别方法、装置、设备和存储介质 | |
CN107832690B (zh) | 人脸识别的方法及相关产品 | |
CN110490106B (zh) | 信息管理方法及相关设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |