CN111026896B - 特征值存储、处理方法、设备及存储装置 - Google Patents
特征值存储、处理方法、设备及存储装置 Download PDFInfo
- Publication number
- CN111026896B CN111026896B CN201911121130.XA CN201911121130A CN111026896B CN 111026896 B CN111026896 B CN 111026896B CN 201911121130 A CN201911121130 A CN 201911121130A CN 111026896 B CN111026896 B CN 111026896B
- Authority
- CN
- China
- Prior art keywords
- image
- algorithm
- characteristic value
- feature value
- database file
- 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
- 238000003672 processing method Methods 0.000 title claims description 14
- 230000003068 static effect Effects 0.000 claims abstract description 49
- 238000000034 method Methods 0.000 claims abstract description 47
- 238000012545 processing Methods 0.000 claims abstract description 18
- 239000012634 fragment Substances 0.000 claims description 59
- 238000005192 partition Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/55—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
- G06V10/95—Hardware or software architectures specially adapted for image or video understanding structured as a network, e.g. client-server architectures
-
- 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
- G06V40/168—Feature extraction; Face representation
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Library & Information Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种特征值存储、处理方法、装置、设备及存储装置，该方法包括：获取第一图像，采用第一算法对图像进行特征值提取，得到所述图像对应的第一特征值；将所述第一特征值存入所述第一算法的厂商版本对应的第一数据库文件中。通过上述方式，能够达到在静态图片库及动态抓拍场景中，在同一数据库中对多算法提取的静态特征值和动态特征值进行存储、索引的目的。
Description
技术领域
本申请涉及图像处理技术领域，尤其涉及一种特征值存储、处理方法、装置、设备及存储装置。
背景技术
近年来，随着人工智能的发展，人脸识别技术在实际生活中的应用越来越广。各类厂商在实际应用中，发挥各自的优势，方便快捷了人类的生活。如何发挥各家厂商人脸识别技术的优势，显得尤为重要。
由于各厂商的特征值提取算法不尽相同，故而各类厂商之间提取出来的特征值也不一样，为了对厂商的算法进行比较，从而在实际应用场景中充分发挥各厂商的算法优势，取长补短，亟需要能够针对各类厂商版本特征值进行存储、索引以便对比各家厂商人脸识别技术优势的技术。
发明内容
本申请提供一种特征值存储、处理方法、装置、设备及存储装置，能够达到在静态图片库及动态抓拍场景中，在同一数据库中对多算法提取的静态特征值和动态特征值进行存储、索引的目的。
为解决上述技术问题，本申请采用的一个技术方案是：提供一种特征值存储方法，包括以下步骤：
获取第一图像，采用第一算法对图像进行特征值提取，得到与所述图像对应的第一特征值；
将所述第一特征值存入与所述第一算法的厂商版本对应的第一数据库文件中。
为解决上述技术问题，本申请采用的一个技术方案是：提供一种特征值处理方法，包括以下步骤：
获取第一图像，采用第一算法对图像进行特征值提取，得到与所述图像对应的第一特征值；
将所述第一特征值存入与所述第一算法的厂商版本对应的第一数据库文件中，并为所述第一特征值分配检索标识。
为解决上述技术问题，本申请采用的另一个技术方案是：提供一种特征值存储装置，包括：
特征值提取模块：用于获取第一图像，并采用第一算法对图像进行特征值提取，得到与所述图像对应的第一特征值；
特征值存储模块：用于将所述第一特征值存入与所述第一算法的厂商版本对应的第一数据库文件中。
为解决上述技术问题，本申请采用的另一个技术方案是：提供一种特征值处理装置，包括：
特征值提取模块：获取第一图像，采用第一算法对图像进行特征值提取，得到与所述图像对应的第一特征值；
特征值存储模块：将所述第一特征值存入与所述第一算法的厂商版本对应的第一数据库文件中；
特征值检索模块：用于为所述第一特征值分配检索标识及依据特征值检索指令进行检索。
为解决上述技术问题，本申请采用的另一个技术方案是：提供一种特征值处理设备，该特征值存储设备包括处理器、与所述处理器耦接的存储器，其中，所述存储器存储有用于实现上述特征值存储、处理方法的程序指令；所述处理器用于执行所述存储器存储的所述程序指令以对所述特征值进行存储、检索。
为解决上述技术问题，本申请采用的再一个技术方案是：提供一种存储装置，存储有能够实现上述特征值进行存储、处理方法的程序文件。
本申请的有益效果是：本发明的特征值存储、处理方法、装置、设备及存储装置通过对多厂商算法提取的图像特征值按厂商版本进行区别存储，并通过厂商版本进行检索，能够达到在静态图片库及动态抓拍场景中，在同一数据库中对多算法的静态特征值和动态特征值进行存储、索引的目的。
附图说明
图1是本发明第一实施例的特征值存储方法的流程示意图；
图2是本发明第二实施例的特征值存储方法的流程示意图；
图3是本发明第三实施例的特征值存储方法的流程示意图；
图4是本发明第一实施例的特征值处理方法的流程示意图；
图5是本发明一种实施例的特征值存储装置的结构示意图；
图6是本发明一种实施例的特征值处理装置的结构示意图；
图7是本发明一种实施例的特征值处理设备的结构示意图；
图8是本发明一种实施例的存储装置的结构示意图；
图9是本发明一种实施例中特征值存储方法的特征值结构的示意图；
图10是本发明一种实施例中第一静态数据库文件存储结构的示意图；
图11是本发明一种实施例中第一动态数据库文件存储结构的示意图。
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，所描述的实施例仅是本申请的一部分实施例，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做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。
本申请中的术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”、“第三”的特征可以明示或者隐含地包括至少一个该特征。本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。本申请实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。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、结构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。
图1是本发明第一实施例的特征值存储方法的流程示意图。需注意的是，若有实质上相同的结果，本发明的方法并不以图1所示的流程顺序为限。如图1所示，该方法包括步骤：
步骤S101：获取第一图像，采用第一算法对图像进行特征值提取，得到与所述图像对应的第一特征值。
需要说明的是，本发明中需要提取特征值的第一图像可以来源于存储待提取特征值的图像集、待提取特征值的前端图像采集设备实时抓拍到的图像，例如人脸图像，机动车图像等。
进一步地，采用特征值提取算法对图像进行特征值提取，得到图像对应的特征值，此提取特征值的过程采用惯用的特征值提取技术即可获得，在此不再对该过程进行赘述，其中，图像特征值可以为通过特征值提取算法提取的具有固定编码长度的编码报文。
本实施例中，获取到需要进行特征值提取的第一图像后，使用第一算法对所述第一图像提取特征值，得到与所述第一算法的厂商版本对应的第一特征值，所述第一特征值的编码长度为第一编码长度。对所述第一图像还可以采用另一厂商版本对应的第二算法提取特征值，由第二算法提取的特征值的编码长度为第二编码长度。由于不同厂商的特征提取算法不同，故同一图像通过不同厂商的特征值提取算法提取到的特征值的编码报文的编码长度不相同。
本实施例中，还可以获取第二图像，采用第二算法对所述第二图像进行特征值提取，得到与所述第二图像对应的第二特征值。步骤S102：将所述第一特征值存入所述第一算法的厂商版本对应的第一数据库文件中。
需要说明的是，对于用于存储特征值的数据库，可以先依据不同厂商版本进行分区，如所述第一算法的厂商版本对应的数据库分区为第一分区，在所述第一分区创建允许特征值写入的第一数据库文件，所述第一数据库文件包括至少一个固定大小的存储空间的预设分片，可选地，所述第一数据库文件可以在接收到所述第一算法的厂商版本对应的所述第一特征值存储指令时创建，也可以在接收所述第一特征值存储指令前预先按规划创建，按所述第一算法的厂商版本创建好所述第一数据库文件后，分配一个预设分片用于存储通过所述第一算法提取的所述第一特征值，每个数据库文件可以包括多个所述预设分片。
本发明第一个实施例的特征值存储方法通过对多厂商算法提取的图像特征值按厂商版本进行区别存储，达到在同一数据库中对多算法的特征值进行同时存储的目的。
图2是本发明第二实施例的特征值存储方法的流程示意图。需注意的是，若有实质上相同的结果，本发明的方法并不以图2所示的流程顺序为限。如图2所示，该方法包括步骤：
步骤S201：获取第一图像，采用第一算法对图像进行特征值提取，得到与所述图像对应的第一特征值。
在本实施例中，图2中的步骤S201和图1中的步骤S101类似，为简约起见，此处不再赘述。
步骤S202：获取所述第一图像的图像属性，若所述图片属性为静态，则执行步骤S203，若所述图片属性为动态，则执行步骤S204。
需要说明的是，本发明中需要提取特征值的第一图像可以来源于静态库，也可以来源于动态库，对于静态库，图像来源为待提取特征值的图像集，对于动态库，图像来源则为待提取特征值的前端图像采集设备实时抓拍到的图像，例如人脸图像，机动车图像等。
在本实施例中，获取所述第一图像的同时，可以根据图像的来源库获取图像属性，来源于静态库的图像属性为静态，来源于动态库的图像属性为动态。可选地，在所述第一数据库文件中，还可以按图像属性区分为第一静态数据库文件、第一动态数据库文件，其中所述第一静态数据库文件用于存储图像属性为静态的图像的特征值，所述第一动态数据库文件用于存储图像属性为动态的图像的特征值。
请一并参考图10，图10是本发明一种实施例中第一静态数据库文件存储结构的示意图，如图10所示：
对于所述第一静态数据库文件，所述预设分片的存储空间可以按固定大小进行分片，所述第一静态数据库文件至少分配一个所述预设分片，所述预设分片为依据所述第一算法的厂商版本对应的预设特征值长度及预设特征值个数计算获得，所述预设特征值长度及预设特征值个数可以依据用户需求进行设置，其中，所述预设特征值长度应大于等于所述第一特征值的所述第一编码长度。
请一并参考图11，图11是本发明一种实施例中第一动态数据库文件存储结构的示意图，如图11所示：
对于所述第一动态数据库文件，所述预设分片的存储空间可以按固定时间跨度进行分片，所述第一动态数据库文件至少分配一个所述预设分片，所述预设分片为依据预设时间跨度计算获得，所述预设时间跨度可以依据用户需求进行设置。
步骤S203：将所述第一特征值存入所述第一算法的厂商版本对应的第一静态数据库文件中。
具体的，根据所述第一图像的图像属性，若为静态，则将所述第一特征值存入所述第一静态数据库文件中。
步骤S204：将所述第一特征值存入所述第一算法的厂商版本对应的第一动态数据库文件中。
具体的，根据所述第一图像的图像属性，若为动态，则将所述第一特征值存入所述第一动态数据库文件中。
步骤S205：将第一数据库文件添加至云存储，并为该文件生成一个资源定位符。
进一步地，对于数据库文件中的预设分片还可以添加至云存储，可以按预设时间间隔同步添加至云存储，所述预设时间间隔可以人为设置，以此可以形成本地存储和云存储的双备份，防止本地存储出现故障时造成特征值的存储丢失，并且添加至云存储后可以为该数据库文件的预设分片生成一个统一资源定位符(Uniform Resource Locator，url)。用户根据每个文件的url，即可在云存储中访问所述数据库文件分片。
本发明第二实施例的特征值存储方法通过对多厂商算法提取的图像特征值按厂商版本进行区别存储，并区分静态特征值和动态特征值，达到在同一数据库中对同一算法的静态特征和动态特征进行同时存储的目的。
图3是本发明第三实施例的特征值存储方法的流程示意图。需注意的是，若有实质上相同的结果，本发明的方法并不以图3所示的流程顺序为限。如图3所示，该方法包括步骤：
步骤S301：获取第一图像，采用第一算法对图像进行特征值提取，得到与所述图像对应的第一特征值。
在本实施例中，图3中的步骤S301和图1中的步骤S101类似，为简约起见，此处不再赘述。
步骤S302：判断与所述第一算法的所述厂商版本对应的数据库中是否存在所述第一数据库文件，若存在所述第一数据库文件，则执行步骤S303，若不存在所述第一数据库文件，则执行步骤S304。
针对所述第一特征值需要存入对应的所述第一算法的厂商版本的所述第一数据库文件，首先判断数据库中是否存在所述第一算法的所述厂商版本对应的所述第一数据库文件。具体地，可以预先给数据库文件设定一个算法厂商版本标识，当所述第一特征值需要存入时，将所述第一特征值对应的所述第一算法的厂商版本与数据库文件中的所述算法厂商版本标识进行对比，如果为同一厂商版本则说明该数据库文件即为所述第一数据库文件，如果数据库文件中没有所述算法厂商版本标识与所述第一特征值对应的所述第一算法的厂商版本相同，则说明该数据库中没有所述第一数据库文件，此时，在对所述第一特征值进行存储的同时需要一并创建所述第一数据库文件。
步骤S303：将所述第一特征值写入所述第一算法的所述厂商版本对应的所述第一数据库文件。
如果存在所述第一数据库文件，则将所述第一特征值写入所述第一算法的所述厂商版本对应的所述第一数据库文件。
步骤S304：新建文件，将所述第一特征值写入所述新建文件中。
如果不存在所述第一数据库文件，则新建文件，将所述第一特征值写入所述新建文件中。
步骤S305：判断所述第一算法的厂商版本对应的所述第一数据库文件是否被写满，若未被写满，则执行步骤S306，若已被写满，则执行步骤S307。
步骤S306：将所述第一特征值写入所述第一算法的所述厂商版本对应的所述第一数据库文件。
如果所述第一算法的厂商版本对应的所述第一数据库文件未被写满，将所述第一特征值写入所述第一算法的所述厂商版本对应的所述第一数据库文件。
步骤S307：新建文件，将所述第一特征值写入所述新建文件中。
如果所述第一算法的厂商版本对应的所述第一数据库文件已被写满，则新建文件，将所述第一特征值写入所述新建文件中。
进一步地，将以上步骤中所述新建文件更新为所述第一算法的所述厂商版本对应的第一数据库文件。
针对所述第一特征值需要存入对应的所述第一算法的厂商版本的所述第一数据库文件，在所述第一数据库文件已经存在的情况下，首先判断所述第一数据库文件的每个所述预设分片是否被写满。具体地，可以预先为数据库文件中的每个预设分片设置一个文件分片是否写完标识，每当存入一个特征值即对所述文件分片是否写完标识进行刷新，如此数据库文件的预设分片未被写满则所述文件分片是否写完标识为0，如此数据库文件的预设分片已被写满则所述文件分片是否写完标识为1。
可选地，对于所述第一静态数据库文件的所述预设分片，当存入的特征值个数达到所述预设特征值个数时，则将所述预设分片的所述文件分片是否写完标识设置为1，当所述第一特征值需要存入时，需要新建一个预设分片，并将新建的所述预设分片与之前已写满的所述第一静态数据库文件中其他的预设分片一同存储到所述第一算法的厂商版本对应的所述第一分区下的所述第一静态数据库文件中。对于所述第一动态数据库文件，当所述预设分片中的最近存入的特征值的写入时间与最早存入的特征值的写入时间的时间跨度达到所述预设时间跨度时，则将所述预设分片的所述文件分片是否写完标识设置为1，当所述第一特征值需要存入时，需要新建一个预设分片，并将新建的所述预设分片与之前已写满的所述第一动态数据库文件中其他的预设分片一同存储到所述第一算法的厂商版本对应的所述第一分区下的所述第一动态数据库文件中。
步骤S308：为所述第一特征值增加第一存储记录后存入与所述第一算法的所述厂商版本对应的第一数据库文件中，所述第一存储记录用于记录所述第一特征值存入所述第一数据库文件后的状态信息。
在本实施例中，可选地，在将所述第一特征值存入所述第一数据库文件的步骤中，还可以为所述第一特征值增加第一存储记录，所述第一存储记录用于标记所述第一特征值存入所述第一算法的厂商版本对应的所述第一数据库文件后，所述第一数据库文件、所述第一特征值的状态信息，如上述的所述算法厂商版本标识、所述文件分片是否写完标识等均可在所述第一存储纪录中进行纪录。
请一并参考图9，图9是本发明一种实施例中特征值存储方法的特征值结构的示意图。在上述各实施例中，每张图像由固定大小的特征值表示，其中，Status表示特征值状态：0表示正常，1表示删除；
RepoId表示图像库标识信息，该字段为静态数据库所需字段；
ChannelId表示图像采集通道的标识信息，该字段为动态数据库所需字段；
Feature表示特征值，通过对图像进行特征值提取而得到；
FeatureId表示特征值的标识信息；
MemberId表示数据库成员的标识信息；
ByteSize表示特征值的大小；
Type表示目标属性类型，目标属性类型包括静态特征值和动态特征值；
Time表示特征值写入时间，该字段为动态数据库所需字段；
Reserved为预留字段。
以上，静态数据库中未用到的字段，相应的给该字段留出对应的空间大小，动态数据库亦如此，因此，对于静态数据库和动态数据库其特征值大小是固定且相等的，对于不同厂商版本的特征值提取算法提取的图像特征值字段中的Feature大小不同，因此生成的上述特征值长度不同。
步骤S309：将第一数据库文件添加至云存储，并为该文件生成一个资源定位符。
本实施例中，可以将数据库文件中已被写满的预设分片添加至云存储，并且为该数据库文件的已写满的预设分片生成一个统一资源定位符(Uniform Resource Locator，url)。用户根据每个文件的url，即可在云存储中访问所述数据库文件分片，以节省本地存储空间。
本发明第三个实施例的特征值存储方法通过对多厂商算法提取的图像特征值按厂商版本进行区别存储，并为特征值增加存储记录，结构化的存储结构使数据库使用情况更加清晰，便于对存储的特征值进行后续的操作。
图4是本发明第一实施例的特征值处理方法的流程示意图。需注意的是，若有实质上相同的结果，本发明的方法并不以图4所示的流程顺序为限。如图4所示，该方法包括步骤：
步骤S401：获取第一图像，采用第一算法对图像进行特征值提取，得到所述图像对应的第一特征值。
在本实施例中，图4中的步骤S401和图1中的步骤S101类似，为简约起见，在此不再赘述。
步骤S402：将所述第一特征值存入与所述第一算法的厂商版本对应的第一数据库文件中，并为所述第一特征值分配检索标识。
在本实施例步骤S402中，所述将所述第一特征值存入所述第一算法的厂商版本对应的第一数据库文件中和图1中的步骤S102类似，为简约起见，在此不再赘述。
对于步骤“为所述第一特征值分配检索标识”，如果所述第一图像的图像属性为静态，根据所述第一数据库文件中已写入的特征值的数量，为所述第一特征值分配对应的检索数值，如所述第一图像的图像属性为静态，按照特征值写入的顺序，为所述第一特征值分配的检索标识为检索数值：在为所述第一特征值分配对应的检索数值之前，首先识别待存入所述第一特征值的所述预设分片中已写入的特征值的数量，将已写入的特征值的数量加上预设步长，得到当前写入的所述第一特征值对应的检索数值，所述预设步长可以设置为1，则当前写入所述第一特征值为第三个写入的特征值时，所述预设分片中已写入的特征值的数量为2，则所述第一特征值对应的检索数值为3，由于所述第一静态数据库文件中可能存在多个预设分片，且每个预设分片的大小固定为fileSize＝预设特征值长度*预设特征值个数，如果从第一个预设分片开始，累计计算从第一个预设分片到当前预设分片的大小为currentSize，进而得出当前的文件分片的偏移量为：offset＝currentSize/fileSize，则可根据文件分片的偏移量为所述第一特征值分配检索标识，如每个预设分片大小为64bit*8，从第一个预设分片到当前预设分片的大小为1024bit，则当前预设分片的偏移量为2，如果当前预设分片已写入两个特征值，则所述第一特征值的检索标识为11。
如果所述第一图像的图像属性为动态，根据写入所述第一特征值的时间，为所述第一特征值分配对应的检索时间点。如所述第一图像的图像属性为动态，为所述第一特征值分配的检索标识为检索时间点。具体的，根据写入所述第一特征值的时间，为所述第一特征值分配对应的检索时间点。例如，写入所述第一特征值的时间为8点，则所述第一特征值对应的检索时间点为8点，写入所述第一特征值的时间为8点10分，则所述第一特征值对应的检索时间点为8点10分。
在接收到特征值检索指令时，所述检索指令包括算法厂商版本、第一检索标识，依据所述特征值检索指令中的所述算法厂商版本查找到所述厂商版本对应的数据库文件，在所述数据库文件中依据第一检索标识进行检索获取所需特征值，其中，对于图像属性为静态的特征值，当所述第一检索标识为检索数值时，则可实现批量检索，对于特性属性为动态的特征值，当所述第一检索标识为检索时间点时，则可实现批量检索。例如，若需检索的特征值的图像属性为静态，接收到特征值检索指令中的算法厂商版本信息为所述第一算法的厂商版本，第一检索标识为13至22，且在第一静态数据库文件中，第一个预设分片的检索标识范围为1至10，第二个预设分片的检索标识范围为11至20，第三个预设分片的检索标识范围为21至30，则所述第一检索标识为13至22的特征值为第二个预设分片的第三个特征值至第三个预设分片的第二个特征值为所述所需特征值。若需检索的特征值的图像属性为动态，接收到特征值检索指令中的算法厂商版本信息为所述第一算法的厂商版本，第一检索标识为8点10分至8点30，且在第一动态数据库文件中，第一个预设分片的检索标识范围为8点至8点10分，第二个预设分片的检索标识范围为8点10分至8点20分，第三个预设分片的检索标识范围为8点20分至8点30分，则所述第一检索标识为8点10分至8点30的特征值为第二个预设分片至第三个预设分片的特征值为所述所需特征值。
上述在所述第一动态数据库文件中检索特征值的场景中，由于存在所述第一检索标识的时间范围不是完整的预设分片的时间范围的情况，则在另一实施例中，对于特性属性为动态的特征值，当所述第一检索标识为检索时间点时，可以设置预设时间阈值，将所述第一检索标识中的开始时间点减去预设时间阈值得到最小时间点，将所述第一检索标识中的结束时间点加上预设时间阈值得到最大时间点，根据所述最小时间点和最大时间点确定所述第一检索标识范围信息，将特征值检索标识落在所述第一检索标识范围信息内的特征值确定为待检索的所述所需特征值，由于同一厂商版本对应的数据库文件中存储的特征值长度相同，所述预设时间阈值可以设置为一个特征值的时间跨度，还以上述例子进行说明，第一动态数据库文件中，第一个预设分片的检索标识范围为8点至8点10分，第二个预设分片的检索标识范围为8点10分至8点20分，第三个预设分片的检索标识范围为8点20分至8点30分，每个预设分片中包括2个特征值，则一个特征值的时间跨度为10分钟，将预设时间阈值设置为10分钟，若所述第一检索标识为8点15分至8点25，则所述第一检索标识范围信息为8点05分至8点35，包括在此时间段的特征值检索标识为第二个预设分片及第三个预设分片中的特征值为所述所需特征值。
本发明第一个实施例的特征值处理方法通过对多厂商算法提取的图像特征值按厂商版本进行区别存储，并区分静态特征值和动态特征值分配检索标识，达到在同一数据库中对多算法的静态特征和动态特征进行同时存储、检索的目的，便于不同厂商提取的特征值的检索和对比，提升用户体验。
图5是本发明一种实施例的特征值存储装置的结构示意图。如图5所示，该装置包括特征值提取模块31、特征值存储模块32。
特征值提取模块31用于获取第一图像，并采用第一算法对图像进行特征值提取，得到所述图像对应的第一特征值；
特征值存储模块32用于将所述第一特征值存入所述第一算法的厂商版本对应的第一数据库文件中。
可选地，特征值提取模块31还可以用于获取所述第一图像对应的图像属性，所述图像属性包括静态、动态。
可选地，特征值存储模块32还可以用于判断所述第一算法的所述厂商版本对应的数据库中是否存在所述第一数据库文件，如果存在，则将所述第一特征值写入所述第一算法的所述厂商版本对应的所述第一数据库文件；如果不存在，则新建文件，将所述第一特征值写入所述新建文件中，并将所述新建文件更新为所述第一算法的所述厂商版本对应的所述第一数据库文件。
可选地，特征值存储模块32还可以用于判断所述第一算法的厂商版本对应的所述第一数据库文件是否被写满，如果否，将所述第一特征值写入所述第一算法的所述厂商版本对应的所述第一数据库文件；如果是，则新建文件，将所述第一特征值写入所述新建文件中，并将所述新建文件更新为所述第一算法的所述厂商版本对应的第一数据库文件。
可以理解的是，上述特征值存储装置的各模块实现各功能的具体方式可参阅上述实施例对应的具体步骤，故在此不作赘述。
本发明特征值存储装置通过对多厂商算法提取的图像特征值按厂商版本进行区别存储，并区分静态特征值和动态特征值，达到在同一数据库中对多算法的静态特征和动态特征进行同时存储的目的。
图6是本发明一种实施例的特征值处理装置的结构示意图。如图6所示，该装置包括特征值提取模块41、特征值存储模块42、特征值检索模块43。
特征值提取模块41用于获取第一图像，采用第一算法对图像进行特征值提取，得到所述图像对应的第一特征值；
特征值存储模块42用于将所述第一特征值存入所述第一算法的厂商版本对应的第一数据库文件中；
特征值检索模块43用于为所述第一特征值分配检索标识及依据特征值检索指令进行检索。
可选地，特征值检索模块43还可以用于如果所述第一图像的图像属性为静态，则所述第一特征值分配检索标识为数值范围；如果所述第一图像的图像属性为动态，则所述第一特征值分配检索标识为时间范围。
可以理解的是，上述特征值处理装置的各模块实现各功能的具体方式可参阅上述实施例对应的具体步骤，故在此不作赘述。
本发明特征值处理装置通过对多厂商算法提取的图像特征值按厂商版本进行区别存储，并区分静态特征值和动态特征值分配检索标识，达到在同一数据库中对多算法的静态特征和动态特征进行同时存储、检索的目的，便于不同厂商提取的特征值的检索和对比，提升用户体验。
请参阅图7，图7为本发明一种实施例的特征值处理设备的结构示意图。如图7所示，该特征值处理设备包括处理器61及和处理器61耦接的存储器62。
存储器62存储有用于实现上述任一实施例所述的特征值处理方法的程序指令。
处理器61用于执行存储器62存储的程序指令以对所述特征值进行处理。
其中，处理器61还可以称为CPU(Central Processing Unit，中央处理单元)。处理器61可能是一种集成电路芯片，具有信号的处理能力。处理器61还可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
参阅图8，图8为本发明一种实施例的存储装置的结构示意图。本发明实施例的存储装置存储有能够实现上述所有方法的程序文件71，其中，该程序文件71可以以软件产品的形式存储在上述存储装置中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施方式所述方法的全部或部分步骤。而前述的存储装置包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质，或者是计算机、服务器、手机、平板等终端设备。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以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，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，机械或其它的形式。
另外，在本发明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，也可以采用软件功能单元的形式实现。以上仅为本申请的实施方式，并非因此限制本申请的专利范围，凡是利用本申请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，均同理包括在本申请的专利保护范围内。
Claims (12)
1.一种特征值存储方法，其特征在于，包括：
获取第一图像和第二图像，采用第一算法对所述第一图像进行特征值提取，得到所述第一图像对应的第一特征值；以及，采用第二算法对所述第二图像进行特征提取，得到所述第二图像对应的第二特征值；
为所述第一特征值增加第一存储记录后存入与所述第一算法的厂商版本对应的第一数据库文件中，以及，将所述第二特征值存入与所述第二算法的厂商版本对应的第二数据库文件中；其中，依据不同厂商版本进行数据库分区，所述数据库用于存储特征值，所述第一算法的厂商版本对应的数据库分区为第一分区，所述第一数据库文件在所述第一分区创建，所述第一数据库文件包括至少一个预设大小的存储空间的预设分片，所述第一存储记录用于标记所述第一特征值存入所述第一数据库文件后的状态信息，所述状态信息包括所述第一算法的厂商版本标识、所述第一数据库文件的预设分片是否写完标识。
2.根据权利要求1所述特征值存储方法，其特征在于，所述为所述第一特征值增加第一存储记录后存入与所述第一算法的厂商版本对应的第一数据库文件中，包括：
判断与所述第一算法的所述厂商版本对应的数据库中是否存在所述第一数据库文件，
如果存在，则将所述第一特征值写入与所述第一算法的所述厂商版本对应的所述第一数据库文件；
如果不存在，则新建文件，将所述第一特征值写入所述新建文件中，并将所述新建文件更新为与所述第一算法的所述厂商版本对应的所述第一数据库文件。
3.根据权利要求1所述特征值存储方法，其特征在于，所述为所述第一特征值增加第一存储记录后存入与所述第一算法的厂商版本对应的第一数据库文件中，包括：
判断与所述第一算法的厂商版本对应的所述第一数据库文件是否被写满，
如果否，将所述第一特征值写入与所述第一算法的所述厂商版本对应的所述第一数据库文件；
如果是，则新建文件，将所述第一特征值写入所述新建文件中，并将所述新建文件更新为与所述第一算法的所述厂商版本对应的第一数据库文件。
4.根据权利要求2或3所述特征值存储方法，其特征在于，所述获取第一图像还包括：
获取所述第一图像对应的图像属性，所述图像属性包括静态或者动态；
所述新建文件，包括：
如果所述图像属性为静态，为所述新建文件分配至少一个固定大小分片的存储空间，所述固定大小分片为依据与所述第一算法的所述厂商版本对应的预设特征值长度及预设特征值个数计算获得；
如果所述图像属性为动态，为所述新建文件分配至少一个固定时间段分片的存储空间，所述固定时间段分片为依据预设时间跨度计算获得。
5.根据权利要求1所述特征值存储方法，其特征在于，所述为所述第一特征值增加第一存储记录后存入与所述第一算法的厂商版本对应的第一数据库文件中后，还包括：
将所述第一数据库文件添加至云存储，并为该文件生成一个资源定位符。
6.根据权利要求1所述特征值存储方法，其特征在于，所述第一特征值与所述第二特征值的编码长度不同，与每个厂商版本对应提取的图像特征值为固定编码长度。
7.一种特征值处理方法，其特征在于，包括：
获取第一图像和第二图像，采用第一算法对所述第一图像进行特征值提取，得到所述第一图像对应的第一特征值；以及，采用第二算法对所述第二图像进行特征提取，得到所述第二图像对应的第二特征值；
为所述第一特征值增加第一存储记录后存入与所述第一算法的厂商版本对应的第一数据库文件中，以及将所述第二特征值存入与所述第二算法的厂商版本对应的第二数据库文件中，并为所述第一特征值分配检索标识以及为所述第二特征值分配检索标识；其中，依据不同厂商版本进行数据库分区，所述数据库用于存储特征值，所述第一算法的厂商版本对应的数据库分区为第一分区，所述第一数据库文件在所述第一分区创建，所述第一数据库文件包括至少一个预设大小的存储空间的预设分片，所述第一存储记录用于标记所述第一特征值存入所述第一数据库文件后的状态信息，所述状态信息包括所述第一算法的厂商版本标识、所述第一数据库文件的预设分片是否写完标识。
8.根据权利要求7所述特征值处理方法，其特征在于，所述特征值处理方法还包括：
接收特征值检索指令，依据所述特征值检索指令检索获取所需特征值，所述特征值检索指令包括算法厂商版本、第一检索标识。
9.根据权利要求8所述特征值处理方法，其特征在于，所述依据所述特征值检索指令检索获取所需特征值，包括：
依据所述特征值检索指令中的所述算法厂商版本获取对应数据库文件；
判断所述数据库文件中的检索标识中是否包括所述第一检索标识，如果是，该所述检索标识对应的特征值即为所述所需特征值。
10.根据权利要求9所述特征值处理方法，其特征在于，所述获取第一图像还包括获取所述第一图像对应的图像属性，所述图像属性包括静态或者动态，所述为所述第一特征值分配检索标识，包括：
如果所述第一图像的图像属性为静态，则所述第一特征值分配检索标识为数值范围；
如果所述第一图像的图像属性为动态，则所述第一特征值分配检索标识为时间范围；
所述第一检索标识，包括：
如果所述所需特征值的图像属性为静态，则所述第一检索标识为数值范围；
如果所述所需特征值的图像属性为动态，则所述第一检索标识为时间范围。
11.一种特征值处理设备，其特征在于，所述特征值存储设备包括处理器、与所述处理器耦接的存储器，其中，
所述存储器存储有用于实现如权利要求1-10中任一项所述方法的程序指令；
所述处理器用于执行所述存储器存储的所述程序指令以对所述特征值进行存储。
12.一种存储装置，其特征在于，存储有能够被处理器执行以实现如权利要求1-10中任一项所述方法的程序文件。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911121130.XA CN111026896B (zh) | 2019-11-15 | 2019-11-15 | 特征值存储、处理方法、设备及存储装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911121130.XA CN111026896B (zh) | 2019-11-15 | 2019-11-15 | 特征值存储、处理方法、设备及存储装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111026896A CN111026896A (zh) | 2020-04-17 |
| CN111026896B true CN111026896B (zh) | 2023-09-01 |
Family
ID=70200320
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911121130.XA Active CN111026896B (zh) | 2019-11-15 | 2019-11-15 | 特征值存储、处理方法、设备及存储装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111026896B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115098125B (zh) * | 2022-06-02 | 2025-03-25 | 厦门瑞为信息技术有限公司 | 一种人脸识别算法平滑升级方法、装置及可读介质 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0636994A1 (en) * | 1993-07-29 | 1995-02-01 | Canon Kabushiki Kaisha | Method of and apparatus for retrieving dynamic images and method of and apparatus for managing images |
| JP2007041762A (ja) * | 2005-08-02 | 2007-02-15 | Seiko Epson Corp | 画像認識装置 |
| WO2017020741A1 (zh) * | 2015-08-06 | 2017-02-09 | 阿里巴巴集团控股有限公司 | 图像检索、获取图像信息及图像识别方法、装置及系统 |
| CN108491542A (zh) * | 2018-04-03 | 2018-09-04 | 南昌奇眸科技有限公司 | 一种基于数据库搭建的商标检索系统及方法 |
| CN109165305A (zh) * | 2018-07-24 | 2019-01-08 | 浙江大华技术股份有限公司 | 一种特征值存储、检索方法及装置 |
| WO2019051795A1 (zh) * | 2017-09-15 | 2019-03-21 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、终端、服务器和计算机可读存储介质 |
| CN109634916A (zh) * | 2018-12-10 | 2019-04-16 | 平安科技（深圳）有限公司 | 文件存储及下载方法、装置及存储介质 |
| WO2019102072A1 (en) * | 2017-11-24 | 2019-05-31 | Heyday Oy | Method and system for identifying authenticity of an object |
| CN110019891A (zh) * | 2017-12-29 | 2019-07-16 | 浙江宇视科技有限公司 | 图像存储方法、图像检索方法及装置 |
| CN110209866A (zh) * | 2019-05-30 | 2019-09-06 | 苏州浪潮智能科技有限公司 | 一种图像检索方法、装置、设备及计算机可读存储介质 |
| CN110309337A (zh) * | 2018-03-14 | 2019-10-08 | 广州弘度信息科技有限公司 | 一种针对多种目标识别算法的特征值集中存储方法及装置 |
| CN110334225A (zh) * | 2019-05-14 | 2019-10-15 | 上海韬安信息技术有限公司 | 一种兼容多算法的分布式人脸基础信息中间库服务的设计方法 |
| CN110443310A (zh) * | 2019-08-07 | 2019-11-12 | 浙江大华技术股份有限公司 | 比对分析系统的更新方法、服务器及计算机存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017156043A1 (en) * | 2016-03-08 | 2017-09-14 | Nant Holdings Ip, Llc | Image feature combination for image-based object recognition |
-
2019
- 2019-11-15 CN CN201911121130.XA patent/CN111026896B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0636994A1 (en) * | 1993-07-29 | 1995-02-01 | Canon Kabushiki Kaisha | Method of and apparatus for retrieving dynamic images and method of and apparatus for managing images |
| JP2007041762A (ja) * | 2005-08-02 | 2007-02-15 | Seiko Epson Corp | 画像認識装置 |
| WO2017020741A1 (zh) * | 2015-08-06 | 2017-02-09 | 阿里巴巴集团控股有限公司 | 图像检索、获取图像信息及图像识别方法、装置及系统 |
| WO2019051795A1 (zh) * | 2017-09-15 | 2019-03-21 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、终端、服务器和计算机可读存储介质 |
| WO2019102072A1 (en) * | 2017-11-24 | 2019-05-31 | Heyday Oy | Method and system for identifying authenticity of an object |
| CN110019891A (zh) * | 2017-12-29 | 2019-07-16 | 浙江宇视科技有限公司 | 图像存储方法、图像检索方法及装置 |
| CN110309337A (zh) * | 2018-03-14 | 2019-10-08 | 广州弘度信息科技有限公司 | 一种针对多种目标识别算法的特征值集中存储方法及装置 |
| CN108491542A (zh) * | 2018-04-03 | 2018-09-04 | 南昌奇眸科技有限公司 | 一种基于数据库搭建的商标检索系统及方法 |
| CN109165305A (zh) * | 2018-07-24 | 2019-01-08 | 浙江大华技术股份有限公司 | 一种特征值存储、检索方法及装置 |
| CN109634916A (zh) * | 2018-12-10 | 2019-04-16 | 平安科技（深圳）有限公司 | 文件存储及下载方法、装置及存储介质 |
| CN110334225A (zh) * | 2019-05-14 | 2019-10-15 | 上海韬安信息技术有限公司 | 一种兼容多算法的分布式人脸基础信息中间库服务的设计方法 |
| CN110209866A (zh) * | 2019-05-30 | 2019-09-06 | 苏州浪潮智能科技有限公司 | 一种图像检索方法、装置、设备及计算机可读存储介质 |
| CN110443310A (zh) * | 2019-08-07 | 2019-11-12 | 浙江大华技术股份有限公司 | 比对分析系统的更新方法、服务器及计算机存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 监视图像的采集与特征值的存储检索策略;石跃祥;蔡自兴;屠添翼;;计算机工程(第03期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111026896A (zh) | 2020-04-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111444363B (zh) | 一种图片检索方法、装置、终端设备及存储介质 | |
| CN109271545B (zh) | 一种特征检索方法及装置、存储介质和计算机设备 | |
| CN105760199B (zh) | 一种应用资源加载方法及其设备 | |
| CN106293782A (zh) | 一种系统升级方法及终端 | |
| CN111061752B (zh) | 数据处理方法、装置及电子设备 | |
| CN106874281A (zh) | 实现数据库读写分离的方法和装置 | |
| CN110569218B (zh) | 一种ext文件系统离线修改方法、装置及存储介质 | |
| CN107748739B (zh) | 一种短信文本模版的提取方法及相关装置 | |
| CN112434711B (zh) | 一种数据管理方法、装置及电子设备 | |
| CN111026896B (zh) | 特征值存储、处理方法、设备及存储装置 | |
| CN111803917A (zh) | 资源的处理方法和装置 | |
| CN110737389B (zh) | 存储数据的方法和装置 | |
| CN113468274B (zh) | 数据存储方法和装置、存储介质及电子设备 | |
| CN107220146B (zh) | 一种文件扫描恢复方法及装置 | |
| CN110874416B (zh) | 一种图像特征值存储方法、装置和电子设备 | |
| US20080232764A1 (en) | Facilitating video clip identification from a video sequence | |
| CN109165305B (zh) | 一种特征值存储、检索方法及装置 | |
| CN113326141A (zh) | 一种区块链节点的内存管理方法和装置 | |
| CN109348438B (zh) | 一种短信通信过程中客户识别方法及装置 | |
| CN113905252B (zh) | 直播间的数据存储方法、装置、电子设备及存储介质 | |
| CN112989096B (zh) | 脸部特征迁移方法、电子设备及存储介质 | |
| US12079501B2 (en) | MON service migration method, apparatus, and device, and readable storage medium | |
| CN113254273A (zh) | 一种实时恢复主元数据的方法、系统、设备及介质 | |
| CN106991021B (zh) | 从现有数据文件构建新数据文件的方法及系统 | |
| CN111970675A (zh) | 一种预警方法及装置、存储介质 |
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 |