CN110768707A - 一种用于高精度人脸识别算法的训练数据集的收集方法及系统 - Google Patents
一种用于高精度人脸识别算法的训练数据集的收集方法及系统 Download PDFInfo
- Publication number
- CN110768707A CN110768707A CN201911223561.7A CN201911223561A CN110768707A CN 110768707 A CN110768707 A CN 110768707A CN 201911223561 A CN201911223561 A CN 201911223561A CN 110768707 A CN110768707 A CN 110768707A
- Authority
- CN
- China
- Prior art keywords
- mobile terminal
- relay
- face recognition
- training data
- data set
- 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.)
- Pending
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/155—Ground-based stations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/0226—Traffic management, e.g. flow control or congestion control based on location or mobility
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/0231—Traffic management, e.g. flow control or congestion control based on communication conditions
- H04W28/0236—Traffic management, e.g. flow control or congestion control based on communication conditions radio quality, e.g. interference, losses or delay
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种用于高精度人脸识别算法的训练数据集的收集方法,包括:由移动终端收集用于高精度人脸识别算法的训练数据集;由移动终端向中继移动终端请求进行中继传输;响应于接收到移动终端发送的进行中继传输的请求,由中继移动终端判断中继移动终端的剩余电池电量是否大于电池电量门限值;如果中继移动终端的剩余电池电量大于电池电量门限值,则由中继移动终端向基站发送中继开始协助消息;响应于接收到中继开始协助消息,由基站首先判断中继移动终端与基站之间的通信链路的链路质量是否大于通信质量门限值;如果中继移动终端与基站之间的通信链路的链路质量小于通信质量门限值,则由基站向中继移动终端发送拒绝进行中继传输的指示。
Description
技术领域
本发明是关于人脸识别技术领域,特别是关于一种用于高精度人脸识别算法的训练数据集的收集方法及系统。
背景技术
人脸描述是人脸识别的核心问题之一,人脸识别的研究实践表明:在人脸三维形状信息难以准确获取的条件下,从图像数据中提取多方向、多尺度的Gabor特征是一种合适的选择。使用Gabor特征进行人脸识别的典型方法包括弹性图匹配方法(EGM)和Gabor特征判别分类法(GFC)。
现有技术CN106034146B公开了一种信息交互方法及系统,其中,信息交互方法包括:判断是否接收到退出命令,若未接收到,则从第一设备读取当前权重信息,并根据读取到的当前权重信息计算梯度信息;以及向第一设备返回大于等于预设梯度阈值的梯度信息,以使第一设备根据返回的梯度信息重新计算权重信息,并将大于等于预设权重阈值的权重信息作为当前权重信息,重复执行上述操作,直至接收到退出命令。
公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
发明内容
本发明的目的在于提供一种用于高精度人脸识别算法的训练数据集的收集方法及系统,其能够克服现有技术的缺点。
为实现上述目的,本发明提供了一种用于高精度人脸识别算法的训练数据集的收集方法,其特征在于:用于高精度人脸识别算法的训练数据集的收集方法包括如下步骤:
由移动终端收集用于高精度人脸识别算法的训练数据集;
由移动终端向中继移动终端请求进行中继传输;
响应于接收到移动终端发送的进行中继传输的请求,由中继移动终端判断中继移动终端的剩余电池电量是否大于电池电量门限值;
如果中继移动终端的剩余电池电量大于电池电量门限值,则由中继移动终端向基站发送中继开始协助消息,其中,中继开始协助消息包括中继移动终端与基站之间的通信链路的链路质量、请求由中继移动终端进行中继传输的移动终端的数量以及中继移动终端的移动速度;
响应于接收到中继开始协助消息,由基站首先判断中继移动终端与基站之间的通信链路的链路质量是否大于通信质量门限值;
如果中继移动终端与基站之间的通信链路的链路质量小于通信质量门限值,则由基站向中继移动终端发送拒绝进行中继传输的指示。
在一优选的实施方式中,用于高精度人脸识别算法的训练数据集的收集方法包括如下步骤:
如果中继移动终端与基站之间的通信链路的链路质量大于通信质量门限值,则由基站继续判断中继移动终端的移动速度是否大于速度门限值;
如果判断中继移动终端的移动速度大于速度门限值,则由基站向中继移动终端发送拒绝进行中继传输的指示;
如果判断中继移动终端的移动速度小于速度门限值,则由基站向中继移动终端发送关于开始进行中继传输的指示,其中,关于开始进行中继传输的指示包括用于进行中继传输的专用资源;
响应于接收到关于开始进行中继传输的指示,由中继移动终端在用于进行中继传输的专用资源上广播中继移动终端消息,其中,中继移动终端消息至少包括对用于进行中继传输的专用资源的指示、中继移动终端的PLMN身份标识以及中继移动终端的身份标识,并且其中,响应于接收到拒绝进行中继传输的指示,中继移动终端不广播中继移动终端消息;
由移动终端尝试监听中继移动终端消息,如果移动终端在预定时间内监听到中继移动终端消息,则由移动终端在用于进行中继传输的专用资源上向中继移动终端发送用于高精度人脸识别算法的训练数据集;
响应于接收到用于高精度人脸识别算法的训练数据集,由中继移动终端将用于高精度人脸识别算法的训练数据集发送给基站;
响应于接收到用于高精度人脸识别算法的训练数据集,由基站将用于高精度人脸识别算法的训练数据集发送给人脸识别中心服务器。
在一优选的实施方式中,用于高精度人脸识别算法的训练数据集的收集方法包括如下步骤:
在由中继移动终端在用于进行中继传输的专用资源上广播中继移动终端消息的同时,由中继移动终端监听由移动终端发送的用于高精度人脸识别算法的训练数据集;
如果中继移动终端在第二预定时间内没有监听到由移动终端发送的用于高精度人脸识别算法的训练数据集,则由中继移动终端停止广播中继移动终端消息;
响应于停止广播中继移动终端消息,由中继移动终端监听由移动终端发送的中继传输请求消息。
在一优选的实施方式中,用于高精度人脸识别算法的训练数据集的收集方法包括如下步骤:
如果移动终端在预定时间内没有监听到中继移动终端消息,则由移动终端主动广播中继传输请求消息,其中,中继传输请求消息至少包括移动终端的PLMN身份标识以及移动终端的身份标识;
响应于广播中继传输请求消息,由移动终端监听由中继移动终端广播的响应;
响应于接收到中继传输请求消息,由中继移动终端广播中继传输响应消息,其中,中继传输响应消息中至少包括对用于进行中继传输的专用资源的指示、中继移动终端的PLMN身份标识、中继移动终端的身份标识以及用于移动终端的发送定时。
在一优选的实施方式中,用于高精度人脸识别算法的训练数据集的收集方法包括如下步骤:
响应于接收到中继传输响应消息,由移动终端在用于进行中继传输的专用资源上,按照发送定时向中继移动终端发送用于高精度人脸识别算法的训练数据集;
响应于接收到用于高精度人脸识别算法的训练数据集,由中继移动终端将用于高精度人脸识别算法的训练数据集发送给基站;
响应于接收到用于高精度人脸识别算法的训练数据集,由基站将用于高精度人脸识别算法的训练数据集发送给人脸识别中心服务器。
本发明提供了一种用于高精度人脸识别算法的训练数据集的收集系统,其特征在于:用于高精度人脸识别算法的训练数据集的收集系统包括:
用于由移动终端收集用于高精度人脸识别算法的训练数据集的单元;
用于由移动终端向中继移动终端请求进行中继传输的单元;
用于响应于接收到移动终端发送的进行中继传输的请求,由中继移动终端判断中继移动终端的剩余电池电量是否大于电池电量门限值的单元;
用于如果中继移动终端的剩余电池电量大于电池电量门限值,则由中继移动终端向基站发送中继开始协助消息的单元,其中,中继开始协助消息包括中继移动终端与基站之间的通信链路的链路质量、请求由中继移动终端进行中继传输的移动终端的数量以及中继移动终端的移动速度;
用于响应于接收到中继开始协助消息,由基站首先判断中继移动终端与基站之间的通信链路的链路质量是否大于通信质量门限值的单元;
用于如果中继移动终端与基站之间的通信链路的链路质量小于通信质量门限值,则由基站向中继移动终端发送拒绝进行中继传输的指示的单元。
在一优选的实施方式中,用于高精度人脸识别算法的训练数据集的收集系统包括:
用于如果中继移动终端与基站之间的通信链路的链路质量大于通信质量门限值,则由基站继续判断中继移动终端的移动速度是否大于速度门限值的单元;
用于如果判断中继移动终端的移动速度大于速度门限值,则由基站向中继移动终端发送拒绝进行中继传输的指示的单元;
用于如果判断中继移动终端的移动速度小于速度门限值,则由基站向中继移动终端发送关于开始进行中继传输的指示的单元,其中,关于开始进行中继传输的指示包括用于进行中继传输的专用资源;
用于响应于接收到关于开始进行中继传输的指示,由中继移动终端在用于进行中继传输的专用资源上广播中继移动终端消息的单元,其中,中继移动终端消息至少包括对用于进行中继传输的专用资源的指示、中继移动终端的PLMN身份标识以及中继移动终端的身份标识,并且其中,响应于接收到拒绝进行中继传输的指示,中继移动终端不广播中继移动终端消息;;
用于由移动终端尝试监听中继移动终端消息,如果移动终端在预定时间内监听到中继移动终端消息,则由移动终端在用于进行中继传输的专用资源上向中继移动终端发送用于高精度人脸识别算法的训练数据集的单元;
用于响应于接收到用于高精度人脸识别算法的训练数据集,由中继移动终端将用于高精度人脸识别算法的训练数据集发送给基站的单元;
用于响应于接收到用于高精度人脸识别算法的训练数据集,由基站将用于高精度人脸识别算法的训练数据集发送给人脸识别中心服务器的单元。
在一优选的实施方式中,用于高精度人脸识别算法的训练数据集的收集系统包括:
用于在由中继移动终端在用于进行中继传输的专用资源上广播中继移动终端消息的同时,由中继移动终端监听由移动终端发送的用于高精度人脸识别算法的训练数据集的单元;
用于如果中继移动终端在第二预定时间内没有监听到由移动终端发送的用于高精度人脸识别算法的训练数据集,则由中继移动终端停止广播中继移动终端消息的单元;
用于响应于停止广播中继移动终端消息,由中继移动终端监听由移动终端发送的中继传输请求消息的单元。
在一优选的实施方式中,用于高精度人脸识别算法的训练数据集的收集系统包括:
用于如果移动终端在预定时间内没有监听到中继移动终端消息,则由移动终端主动广播中继传输请求消息的单元,其中,中继传输请求消息至少包括移动终端的PLMN身份标识以及移动终端的身份标识;
用于响应于广播中继传输请求消息,由移动终端监听由中继移动终端广播的响应的单元;
用于响应于接收到中继传输请求消息,由中继移动终端广播中继传输响应消息的单元,其中,中继传输响应消息中至少包括对用于进行中继传输的专用资源的指示、中继移动终端的PLMN身份标识、中继移动终端的身份标识以及用于移动终端的发送定时。
在一优选的实施方式中,用于高精度人脸识别算法的训练数据集的收集系统包括:
用于响应于接收到中继传输响应消息,由移动终端在用于进行中继传输的专用资源上,按照发送定时向中继移动终端发送用于高精度人脸识别算法的训练数据集的单元;
用于响应于接收到用于高精度人脸识别算法的训练数据集,由中继移动终端将用于高精度人脸识别算法的训练数据集发送给基站的单元;
用于响应于接收到用于高精度人脸识别算法的训练数据集,由基站将用于高精度人脸识别算法的训练数据集发送给人脸识别中心服务器的单元。
与现有技术相比,本发明具有如下优点:当我们谈论日常生活中的人脸识别时,人们的自然反应可能是人脸识别就是利用人脸进行解锁、自动考勤甚至公共安全应用。但是事实上,人脸解锁和基于人脸识别的自动考勤,甚至是基于人脸识别来判别犯罪嫌疑人都是基于人脸识别算法的,而人脸识别算法的基础是通过训练数据集来训练人工智能,以便最终达成人脸识别的目的,也就是说,训练数据集的获取是人脸识别算法的基础和开端。一般而言,只要能够控制数据质量,那么数据量越大,人工智能的训练效果越好,而为了获得海量数据,就必须具有过硬的数据上传方法。随着科学技术的进步,5G已经开始部署,而5G部署中一个重要特点就是毫微微小区的大量应用,届时,在5G系统中将存在大量移动终端频繁处于小区边缘,从而导致数据传输缓慢的问题,为了解决这一问题,本申请提出了一种用于高精度人脸识别算法的训练数据集的收集方法。
附图说明
图1是根据本发明一实施方式的系统结构示意图。
图2是根据本发明一实施方式的方法流程图。
具体实施方式
下面结合附图,对本发明的具体实施方式进行详细描述,但应当理解本发明的保护范围并不受具体实施方式的限制。
除非另有其它明确表示,否则在整个说明书和权利要求书中,术语“包括”或其变换如“包含”或“包括有”等等将被理解为包括所陈述的元件或组成部分,而并未排除其它元件或其它组成部分。
图1是根据本发明一实施方式的系统结构示意图。如图所示,本发明具有在基站覆盖范围内的中继移动终端,以及位于基站覆盖范围外的移动终端。
图2是根据本发明一实施方式的方法流程图。如图所示,本发明的方法包括如下步骤:
步骤101:由移动终端收集用于高精度人脸识别算法的训练数据集;
步骤102:由移动终端向中继移动终端请求进行中继传输;
步骤103:响应于接收到移动终端发送的进行中继传输的请求,由中继移动终端判断中继移动终端的剩余电池电量是否大于电池电量门限值;
步骤104:如果中继移动终端的剩余电池电量大于电池电量门限值,则由中继移动终端向基站发送中继开始协助消息,其中,中继开始协助消息包括中继移动终端与基站之间的通信链路的链路质量、请求由中继移动终端进行中继传输的移动终端的数量以及中继移动终端的移动速度;
步骤105:响应于接收到中继开始协助消息,由基站首先判断中继移动终端与基站之间的通信链路的链路质量是否大于通信质量门限值;
步骤106:如果中继移动终端与基站之间的通信链路的链路质量小于通信质量门限值,则由基站向中继移动终端发送拒绝进行中继传输的指示。
在一优选的实施方式中,用于高精度人脸识别算法的训练数据集的收集方法包括如下步骤:
如果中继移动终端与基站之间的通信链路的链路质量大于通信质量门限值,则由基站继续判断中继移动终端的移动速度是否大于速度门限值;
如果判断中继移动终端的移动速度大于速度门限值,则由基站向中继移动终端发送拒绝进行中继传输的指示;
如果判断中继移动终端的移动速度小于速度门限值,则由基站向中继移动终端发送关于开始进行中继传输的指示,其中,关于开始进行中继传输的指示包括用于进行中继传输的专用资源;
响应于接收到关于开始进行中继传输的指示,由中继移动终端在用于进行中继传输的专用资源上广播中继移动终端消息,其中,中继移动终端消息至少包括对用于进行中继传输的专用资源的指示、中继移动终端的PLMN身份标识以及中继移动终端的身份标识,并且其中,响应于接收到拒绝进行中继传输的指示,中继移动终端不广播中继移动终端消息;
由移动终端尝试监听中继移动终端消息,如果移动终端在预定时间内监听到中继移动终端消息,则由移动终端在用于进行中继传输的专用资源上向中继移动终端发送用于高精度人脸识别算法的训练数据集;
响应于接收到用于高精度人脸识别算法的训练数据集,由中继移动终端将用于高精度人脸识别算法的训练数据集发送给基站;
响应于接收到用于高精度人脸识别算法的训练数据集,由基站将用于高精度人脸识别算法的训练数据集发送给人脸识别中心服务器(例如APP提供商架设的服务器或者租赁的服务器)。
在一优选的实施方式中,用于高精度人脸识别算法的训练数据集的收集方法包括如下步骤:
在由中继移动终端在用于进行中继传输的专用资源上广播中继移动终端消息的同时,由中继移动终端监听由移动终端发送的用于高精度人脸识别算法的训练数据集;
如果中继移动终端在第二预定时间内没有监听到由移动终端发送的用于高精度人脸识别算法的训练数据集,则由中继移动终端停止广播中继移动终端消息;
响应于停止广播中继移动终端消息,由中继移动终端监听由移动终端发送的中继传输请求消息。
在一优选的实施方式中,用于高精度人脸识别算法的训练数据集的收集方法包括如下步骤:
如果移动终端在预定时间内没有监听到中继移动终端消息,则由移动终端主动广播中继传输请求消息,其中,中继传输请求消息至少包括移动终端的PLMN身份标识以及移动终端的身份标识;
响应于广播中继传输请求消息,由移动终端监听由中继移动终端广播的响应;
响应于接收到中继传输请求消息,由中继移动终端广播中继传输响应消息,其中,中继传输响应消息中至少包括对用于进行中继传输的专用资源的指示、中继移动终端的PLMN身份标识、中继移动终端的身份标识以及用于移动终端的发送定时。
在一优选的实施方式中,用于高精度人脸识别算法的训练数据集的收集方法包括如下步骤:
响应于接收到中继传输响应消息,由移动终端在用于进行中继传输的专用资源上,按照发送定时向中继移动终端发送用于高精度人脸识别算法的训练数据集;
响应于接收到用于高精度人脸识别算法的训练数据集,由中继移动终端将用于高精度人脸识别算法的训练数据集发送给基站;
响应于接收到用于高精度人脸识别算法的训练数据集,由基站将用于高精度人脸识别算法的训练数据集发送给人脸识别中心服务器。
本发明提供了一种用于高精度人脸识别算法的训练数据集的收集系统,其特征在于:用于高精度人脸识别算法的训练数据集的收集系统包括:
用于由移动终端收集用于高精度人脸识别算法的训练数据集的单元;
用于由移动终端向中继移动终端请求进行中继传输的单元;
用于响应于接收到移动终端发送的进行中继传输的请求,由中继移动终端判断中继移动终端的剩余电池电量是否大于电池电量门限值的单元;
用于如果中继移动终端的剩余电池电量大于电池电量门限值,则由中继移动终端向基站发送中继开始协助消息的单元,其中,中继开始协助消息包括中继移动终端与基站之间的通信链路的链路质量、请求由中继移动终端进行中继传输的移动终端的数量以及中继移动终端的移动速度;
用于响应于接收到中继开始协助消息,由基站首先判断中继移动终端与基站之间的通信链路的链路质量是否大于通信质量门限值的单元;
用于如果中继移动终端与基站之间的通信链路的链路质量小于通信质量门限值,则由基站向中继移动终端发送拒绝进行中继传输的指示的单元。
在一优选的实施方式中,用于高精度人脸识别算法的训练数据集的收集系统包括:
用于如果中继移动终端与基站之间的通信链路的链路质量大于通信质量门限值,则由基站继续判断中继移动终端的移动速度是否大于速度门限值的单元;
用于如果判断中继移动终端的移动速度大于速度门限值,则由基站向中继移动终端发送拒绝进行中继传输的指示的单元;
用于如果判断中继移动终端的移动速度小于速度门限值,则由基站向中继移动终端发送关于开始进行中继传输的指示的单元,其中,关于开始进行中继传输的指示包括用于进行中继传输的专用资源;
用于响应于接收到关于开始进行中继传输的指示,由中继移动终端在用于进行中继传输的专用资源上广播中继移动终端消息的单元,其中,中继移动终端消息至少包括对用于进行中继传输的专用资源的指示、中继移动终端的PLMN身份标识以及中继移动终端的身份标识,并且其中,响应于接收到拒绝进行中继传输的指示,中继移动终端不广播中继移动终端消息;;
用于由移动终端尝试监听中继移动终端消息,如果移动终端在预定时间内监听到中继移动终端消息,则由移动终端在用于进行中继传输的专用资源上向中继移动终端发送用于高精度人脸识别算法的训练数据集的单元;
用于响应于接收到用于高精度人脸识别算法的训练数据集,由中继移动终端将用于高精度人脸识别算法的训练数据集发送给基站的单元;
用于响应于接收到用于高精度人脸识别算法的训练数据集,由基站将用于高精度人脸识别算法的训练数据集发送给人脸识别中心服务器的单元。
在一优选的实施方式中,用于高精度人脸识别算法的训练数据集的收集系统包括:
用于在由中继移动终端在用于进行中继传输的专用资源上广播中继移动终端消息的同时,由中继移动终端监听由移动终端发送的用于高精度人脸识别算法的训练数据集的单元;
用于如果中继移动终端在第二预定时间内没有监听到由移动终端发送的用于高精度人脸识别算法的训练数据集,则由中继移动终端停止广播中继移动终端消息的单元;
用于响应于停止广播中继移动终端消息,由中继移动终端监听由移动终端发送的中继传输请求消息的单元。
在一优选的实施方式中,用于高精度人脸识别算法的训练数据集的收集系统包括:
用于如果移动终端在预定时间内没有监听到中继移动终端消息,则由移动终端主动广播中继传输请求消息的单元,其中,中继传输请求消息至少包括移动终端的PLMN身份标识以及移动终端的身份标识;
用于响应于广播中继传输请求消息,由移动终端监听由中继移动终端广播的响应的单元;
用于响应于接收到中继传输请求消息,由中继移动终端广播中继传输响应消息的单元,其中,中继传输响应消息中至少包括对用于进行中继传输的专用资源的指示、中继移动终端的PLMN身份标识、中继移动终端的身份标识以及用于移动终端的发送定时。
在一优选的实施方式中,用于高精度人脸识别算法的训练数据集的收集系统包括:
用于响应于接收到中继传输响应消息,由移动终端在用于进行中继传输的专用资源上,按照发送定时向中继移动终端发送用于高精度人脸识别算法的训练数据集的单元;
用于响应于接收到用于高精度人脸识别算法的训练数据集,由中继移动终端将用于高精度人脸识别算法的训练数据集发送给基站的单元;
用于响应于接收到用于高精度人脸识别算法的训练数据集,由基站将用于高精度人脸识别算法的训练数据集发送给人脸识别中心服务器的单元。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请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,本申请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。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
前述对本发明的具体示例性实施方案的描述是为了说明和例证的目的。这些描述并非想将本发明限定为所公开的精确形式,并且很显然,根据上述教导,可以进行很多改变和变化。对示例性实施例进行选择和描述的目的在于解释本发明的特定原理及其实际应用,从而使得本领域的技术人员能够实现并利用本发明的各种不同的示例性实施方案以及各种不同的选择和改变。本发明的范围意在由权利要求书及其等同形式所限定。
Claims (10)
1.一种用于高精度人脸识别算法的训练数据集的收集方法,其特征在于:所述用于高精度人脸识别算法的训练数据集的收集方法包括如下步骤:
由移动终端收集用于高精度人脸识别算法的训练数据集;
由移动终端向中继移动终端请求进行中继传输;
响应于接收到所述移动终端发送的进行中继传输的请求,由中继移动终端判断所述中继移动终端的剩余电池电量是否大于电池电量门限值;
如果所述中继移动终端的剩余电池电量大于电池电量门限值,则由中继移动终端向基站发送中继开始协助消息,其中,所述中继开始协助消息包括所述中继移动终端与所述基站之间的通信链路的链路质量、请求由所述中继移动终端进行中继传输的移动终端的数量以及所述中继移动终端的移动速度;
响应于接收到所述中继开始协助消息,由基站首先判断所述中继移动终端与所述基站之间的通信链路的链路质量是否大于通信质量门限值;
如果所述中继移动终端与所述基站之间的通信链路的链路质量小于通信质量门限值,则由基站向所述中继移动终端发送拒绝进行中继传输的指示。
2.如权利要求1所述的用于高精度人脸识别算法的训练数据集的收集方法,其特征在于:所述用于高精度人脸识别算法的训练数据集的收集方法包括如下步骤:
如果所述中继移动终端与所述基站之间的通信链路的链路质量大于通信质量门限值,则由基站继续判断所述中继移动终端的移动速度是否大于速度门限值;
如果判断所述中继移动终端的移动速度大于速度门限值,则由基站向所述中继移动终端发送拒绝进行中继传输的指示;
如果判断所述中继移动终端的移动速度小于速度门限值,则由基站向所述中继移动终端发送关于开始进行中继传输的指示,其中,所述关于开始进行中继传输的指示包括用于进行中继传输的专用资源;
响应于接收到所述关于开始进行中继传输的指示,由中继移动终端在所述用于进行中继传输的专用资源上广播中继移动终端消息,其中,所述中继移动终端消息至少包括对所述用于进行中继传输的专用资源的指示、所述中继移动终端的PLMN身份标识以及所述中继移动终端的身份标识,并且其中,响应于接收到拒绝进行中继传输的指示,中继移动终端不广播所述中继移动终端消息;
由移动终端尝试监听所述中继移动终端消息,如果所述移动终端在预定时间内监听到所述中继移动终端消息,则由移动终端在所述用于进行中继传输的专用资源上向所述中继移动终端发送所述用于高精度人脸识别算法的训练数据集;
响应于接收到所述用于高精度人脸识别算法的训练数据集,由中继移动终端将所述用于高精度人脸识别算法的训练数据集发送给所述基站;
响应于接收到所述用于高精度人脸识别算法的训练数据集,由基站将所述用于高精度人脸识别算法的训练数据集发送给人脸识别中心服务器。
3.如权利要求2所述的用于高精度人脸识别算法的训练数据集的收集方法,其特征在于:所述用于高精度人脸识别算法的训练数据集的收集方法包括如下步骤:
在由中继移动终端在所述用于进行中继传输的专用资源上广播中继移动终端消息的同时,由中继移动终端监听由移动终端发送的用于高精度人脸识别算法的训练数据集;
如果所述中继移动终端在第二预定时间内没有监听到所述由移动终端发送的用于高精度人脸识别算法的训练数据集,则由中继移动终端停止广播所述中继移动终端消息;
响应于停止广播所述中继移动终端消息,由中继移动终端监听由移动终端发送的中继传输请求消息。
4.如权利要求3所述的用于高精度人脸识别算法的训练数据集的收集方法,其特征在于:所述用于高精度人脸识别算法的训练数据集的收集方法包括如下步骤:
如果所述移动终端在预定时间内没有监听到所述中继移动终端消息,则由移动终端主动广播中继传输请求消息,其中,所述中继传输请求消息至少包括所述移动终端的PLMN身份标识以及所述移动终端的身份标识;
响应于广播中继传输请求消息,由移动终端监听由中继移动终端广播的响应;
响应于接收到所述中继传输请求消息,由中继移动终端广播中继传输响应消息,其中,所述中继传输响应消息中至少包括对所述用于进行中继传输的专用资源的指示、所述中继移动终端的PLMN身份标识、所述中继移动终端的身份标识以及用于所述移动终端的发送定时。
5.如权利要求4所述的用于高精度人脸识别算法的训练数据集的收集方法,其特征在于:所述用于高精度人脸识别算法的训练数据集的收集方法包括如下步骤:
响应于接收到所述中继传输响应消息,由移动终端在所述用于进行中继传输的专用资源上,按照所述发送定时向所述中继移动终端发送所述用于高精度人脸识别算法的训练数据集;
响应于接收到所述用于高精度人脸识别算法的训练数据集,由中继移动终端将所述用于高精度人脸识别算法的训练数据集发送给所述基站;
响应于接收到所述用于高精度人脸识别算法的训练数据集,由基站将所述用于高精度人脸识别算法的训练数据集发送给人脸识别中心服务器。
6.一种用于高精度人脸识别算法的训练数据集的收集系统,其特征在于:所述用于高精度人脸识别算法的训练数据集的收集系统包括:
用于由移动终端收集用于高精度人脸识别算法的训练数据集的单元;
用于由移动终端向中继移动终端请求进行中继传输的单元;
用于响应于接收到所述移动终端发送的进行中继传输的请求,由中继移动终端判断所述中继移动终端的剩余电池电量是否大于电池电量门限值的单元;
用于如果所述中继移动终端的剩余电池电量大于电池电量门限值,则由中继移动终端向基站发送中继开始协助消息的单元,其中,所述中继开始协助消息包括所述中继移动终端与所述基站之间的通信链路的链路质量、请求由所述中继移动终端进行中继传输的移动终端的数量以及所述中继移动终端的移动速度;
用于响应于接收到所述中继开始协助消息,由基站首先判断所述中继移动终端与所述基站之间的通信链路的链路质量是否大于通信质量门限值的单元;
用于如果所述中继移动终端与所述基站之间的通信链路的链路质量小于通信质量门限值,则由基站向所述中继移动终端发送拒绝进行中继传输的指示的单元。
7.如权利要求6所述的用于高精度人脸识别算法的训练数据集的收集系统,其特征在于:所述用于高精度人脸识别算法的训练数据集的收集系统包括:
用于如果所述中继移动终端与所述基站之间的通信链路的链路质量大于通信质量门限值,则由基站继续判断所述中继移动终端的移动速度是否大于速度门限值的单元;
用于如果判断所述中继移动终端的移动速度大于速度门限值,则由基站向所述中继移动终端发送拒绝进行中继传输的指示的单元;
用于如果判断所述中继移动终端的移动速度小于速度门限值,则由基站向所述中继移动终端发送关于开始进行中继传输的指示的单元,其中,所述关于开始进行中继传输的指示包括用于进行中继传输的专用资源;
用于响应于接收到所述关于开始进行中继传输的指示,由中继移动终端在所述用于进行中继传输的专用资源上广播中继移动终端消息的单元,其中,所述中继移动终端消息至少包括对所述用于进行中继传输的专用资源的指示、所述中继移动终端的PLMN身份标识以及所述中继移动终端的身份标识,并且其中,响应于接收到拒绝进行中继传输的指示,中继移动终端不广播所述中继移动终端消息;;
用于由移动终端尝试监听所述中继移动终端消息,如果所述移动终端在预定时间内监听到所述中继移动终端消息,则由移动终端在所述用于进行中继传输的专用资源上向所述中继移动终端发送所述用于高精度人脸识别算法的训练数据集的单元;
用于响应于接收到所述用于高精度人脸识别算法的训练数据集,由中继移动终端将所述用于高精度人脸识别算法的训练数据集发送给所述基站的单元;
用于响应于接收到所述用于高精度人脸识别算法的训练数据集,由基站将所述用于高精度人脸识别算法的训练数据集发送给人脸识别中心服务器的单元。
8.如权利要求7所述的用于高精度人脸识别算法的训练数据集的收集系统,其特征在于:所述用于高精度人脸识别算法的训练数据集的收集系统包括:
用于在由中继移动终端在所述用于进行中继传输的专用资源上广播中继移动终端消息的同时,由中继移动终端监听由移动终端发送的用于高精度人脸识别算法的训练数据集的单元;
用于如果所述中继移动终端在第二预定时间内没有监听到所述由移动终端发送的用于高精度人脸识别算法的训练数据集,则由中继移动终端停止广播所述中继移动终端消息的单元;
用于响应于停止广播所述中继移动终端消息,由中继移动终端监听由移动终端发送的中继传输请求消息的单元。
9.如权利要求8所述的用于高精度人脸识别算法的训练数据集的收集系统,其特征在于:所述用于高精度人脸识别算法的训练数据集的收集系统包括:
用于如果所述移动终端在预定时间内没有监听到所述中继移动终端消息,则由移动终端主动广播中继传输请求消息的单元,其中,所述中继传输请求消息至少包括所述移动终端的PLMN身份标识以及所述移动终端的身份标识;
用于响应于广播中继传输请求消息,由移动终端监听由中继移动终端广播的响应的单元;
用于响应于接收到所述中继传输请求消息,由中继移动终端广播中继传输响应消息的单元,其中,所述中继传输响应消息中至少包括对所述用于进行中继传输的专用资源的指示、所述中继移动终端的PLMN身份标识、所述中继移动终端的身份标识以及用于所述移动终端的发送定时。
10.如权利要求9所述的用于高精度人脸识别算法的训练数据集的收集系统,其特征在于:所述用于高精度人脸识别算法的训练数据集的收集系统包括:
用于响应于接收到所述中继传输响应消息,由移动终端在所述用于进行中继传输的专用资源上,按照所述发送定时向所述中继移动终端发送所述用于高精度人脸识别算法的训练数据集的单元;
用于响应于接收到所述用于高精度人脸识别算法的训练数据集,由中继移动终端将所述用于高精度人脸识别算法的训练数据集发送给所述基站的单元;
用于响应于接收到所述用于高精度人脸识别算法的训练数据集,由基站将所述用于高精度人脸识别算法的训练数据集发送给人脸识别中心服务器的单元。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911223561.7A CN110768707A (zh) | 2019-12-04 | 2019-12-04 | 一种用于高精度人脸识别算法的训练数据集的收集方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911223561.7A CN110768707A (zh) | 2019-12-04 | 2019-12-04 | 一种用于高精度人脸识别算法的训练数据集的收集方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110768707A true CN110768707A (zh) | 2020-02-07 |
Family
ID=69340874
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911223561.7A Pending CN110768707A (zh) | 2019-12-04 | 2019-12-04 | 一种用于高精度人脸识别算法的训练数据集的收集方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110768707A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104936247A (zh) * | 2014-03-20 | 2015-09-23 | 中国电信股份有限公司 | 用于重选中继终端的方法、基站和系统 |
CN104936267A (zh) * | 2014-03-20 | 2015-09-23 | 中国电信股份有限公司 | 用于选择中继终端的方法、基站和系统 |
CN105188099A (zh) * | 2015-08-21 | 2015-12-23 | 北京邮电大学 | 基于d2d通信的中继设备重选方法 |
US20160286471A1 (en) * | 2015-03-27 | 2016-09-29 | Qualcomm Incorporated | Selection of proximity services relay |
US20160295471A1 (en) * | 2015-03-31 | 2016-10-06 | Verizon Patent And Licensing Inc. | Inter-frequency cell reselection |
CN110035125A (zh) * | 2019-04-15 | 2019-07-19 | 中国水利水电科学研究院 | 一种基于物联网的工业企业用水量异常监测方法及系统 |
CN110351806A (zh) * | 2019-07-31 | 2019-10-18 | 苏州昆益链网络科技有限公司 | 一种区块链电子健康病历信息的传输方法及系统 |
-
2019
- 2019-12-04 CN CN201911223561.7A patent/CN110768707A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104936247A (zh) * | 2014-03-20 | 2015-09-23 | 中国电信股份有限公司 | 用于重选中继终端的方法、基站和系统 |
CN104936267A (zh) * | 2014-03-20 | 2015-09-23 | 中国电信股份有限公司 | 用于选择中继终端的方法、基站和系统 |
US20160286471A1 (en) * | 2015-03-27 | 2016-09-29 | Qualcomm Incorporated | Selection of proximity services relay |
US20160295471A1 (en) * | 2015-03-31 | 2016-10-06 | Verizon Patent And Licensing Inc. | Inter-frequency cell reselection |
CN105188099A (zh) * | 2015-08-21 | 2015-12-23 | 北京邮电大学 | 基于d2d通信的中继设备重选方法 |
CN110035125A (zh) * | 2019-04-15 | 2019-07-19 | 中国水利水电科学研究院 | 一种基于物联网的工业企业用水量异常监测方法及系统 |
CN110351806A (zh) * | 2019-07-31 | 2019-10-18 | 苏州昆益链网络科技有限公司 | 一种区块链电子健康病历信息的传输方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11178275B2 (en) | Method and apparatus for detecting abnormality of caller | |
CN110443110B (zh) | 基于多路摄像的人脸识别方法、装置、终端及存储介质 | |
CN111881707B (zh) | 图像翻拍检测方法、身份验证方法、模型训练方法及装置 | |
CN110619889A (zh) | 体征数据识别方法、装置、电子设备和存储介质 | |
CN110969215A (zh) | 聚类处理方法和装置、存储介质及电子装置 | |
CN112020026A (zh) | 一种用于智慧医疗的医疗数据传输方法及系统 | |
CN109412832B (zh) | 用户服务提供方法及系统 | |
CN112299172A (zh) | 手势求救的识别方法、装置及存储介质 | |
CN113840040A (zh) | 一种人机协作的外呼方法、装置、设备及存储介质 | |
CN114553625B (zh) | 响应设备的确定方法和装置、存储介质及电子装置 | |
CN111241873A (zh) | 图像翻拍检测方法及其模型的训练方法、支付方法及装置 | |
CN114612011A (zh) | 一种风险防控决策方法及装置 | |
CN110768707A (zh) | 一种用于高精度人脸识别算法的训练数据集的收集方法及系统 | |
CN111739558A (zh) | 监控系统、方法、装置、服务器及存储介质 | |
CN110944152A (zh) | 一种红外人脸图像数据的采集方法及系统 | |
CN113516167A (zh) | 生物特征识别方法及装置 | |
CN109376228B (zh) | 一种信息推荐方法、装置、设备及介质 | |
CN107832690B (zh) | 人脸识别的方法及相关产品 | |
CN110991253A (zh) | 一种基于区块链的人脸数字身份识别方法和装置 | |
CN115578101A (zh) | 网点用户身份识别方法及装置 | |
CN109447051A (zh) | 声波人脸无感识别方法、装置及其识别系统 | |
CN110972082B (zh) | 一种基于物联网的心脏康复相关信息的传输系统及计算机可读存储介质 | |
CN114241752A (zh) | 场端拥堵提示方法、装置、设备及计算机可读存储介质 | |
CN114241363A (zh) | 工序识别方法、装置、电子设备和存储介质 | |
CN115713751A (zh) | 疲劳驾驶检测方法、设备、存储介质及装置 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200207 |