CN111178135A - 一种用于深度学习的人面部信息的传输方法及系统 - Google Patents
一种用于深度学习的人面部信息的传输方法及系统 Download PDFInfo
- Publication number
- CN111178135A CN111178135A CN201911223491.5A CN201911223491A CN111178135A CN 111178135 A CN111178135 A CN 111178135A CN 201911223491 A CN201911223491 A CN 201911223491A CN 111178135 A CN111178135 A CN 111178135A
- Authority
- CN
- China
- Prior art keywords
- mobile terminal
- deep learning
- base station
- paging message
- human face
- 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.)
- Granted
Links
- 238000013135 deep learning Methods 0.000 title claims abstract description 187
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000004044 response Effects 0.000 claims abstract description 73
- 238000012544 monitoring process Methods 0.000 claims abstract description 53
- 230000005540 biological transmission Effects 0.000 claims description 25
- 230000001815 facial effect Effects 0.000 claims description 10
- 238000010586 diagram Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Images
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W76/00—Connection management
- H04W76/10—Connection setup
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W76/00—Connection management
- H04W76/20—Manipulation of established connections
- H04W76/28—Discontinuous transmission [DTX]; Discontinuous reception [DRX]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种用于深度学习的人面部信息的传输方法,包括:由移动终端收集用于深度学习的人面部信息;由移动终端接收由基站广播的配置信息;如果移动终端被配置为以第一模式接收寻呼消息,则由移动终端接收由基站广播的系统信息;响应于接收到由基站广播的系统信息,由移动终端基于UTC更新移动终端的内部时间T;由移动终端基于公式计算T1值,当移动终端的内部时间T等于T1值时,由移动终端开始监测寻呼消息;如果移动终端在预定时间内没有监测到寻呼消息,则由移动终端将N值增加1,并再次计算T1值;当移动终端的内部时间T再次等于T1值时,由移动终端再次监测寻呼消息。
Description
技术领域
本发明是关于面部识别技术领域,特别是关于一种用于深度学习的人面部信息的传输方法及系统。
背景技术
人脸识别的研究起源比较早,Galton 在1888年和1910年就已在Nature杂志发表两篇关于如何使用人脸进行身份识别的论文。在他的文章,他使用一组数字表示相异的人脸侧面特征,同时还对人类本身的人脸识别能进行了研究分析。自动人脸的研究历史相对比较短,到现在不过五十多年的时间。不过1990年以来,才得到了长足的进步。现在,已变成计算机视觉领域的一个焦点,很多著名的大学和IT公司都有研究组在从事这发面的研究。
现有技术CN106909873B公开了一种人脸识别的方法和装置。所述方法包括:分别获取目标人脸的三维点云图像和二维图像;根据所述目标人脸的三维点云图像和二维图像进行特征提取得到所述目标人脸的基础面部特征,并对所述目标人脸的基础面部特征进行特征约简处理,得到所述目标人脸的面部特征;将所述目标人脸面部特征与预先存储的人脸特征数据库中的面部特征进行匹配,得到所述目标人脸的识别结果。
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深度学习的人面部信息的传输方法及系统,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深度学习的人面部信息的传输方法,其特征在于:用于深度学习的人面部信息的传输方法包括如下步骤:
由移动终端收集用于深度学习的人面部信息;
由移动终端接收由基站广播的配置信息,其中,配置信息指示移动终端以第一模式、第二模式或者第三模式中的任意一种模式接收寻呼消息;
如果移动终端被配置为以第一模式接收寻呼消息,则由移动终端接收由基站广播的系统信息,其中,系统信息中包括协调世界时UTC、初始时间值A以及DRX周期B;
响应于接收到由基站广播的系统信息,由移动终端基于UTC更新移动终端的内部时间T;
由移动终端基于以下公式计算T1值,当移动终端的内部时间T等于T1值时,由移动终端开始监测寻呼消息,其中,寻呼消息是由移动性管理实体生成并由基站发送的:
T1=A+N*B,其中,N是正整数;
如果移动终端在预定时间内没有监测到寻呼消息,则由移动终端将N值增加1,并再次计算T1值;
当移动终端的内部时间T再次等于T1值时,由移动终端再次监测寻呼消息。
在一优选的实施方式中,用于深度学习的人面部信息的传输方法包括如下步骤:
如果移动终端监测到寻呼消息,则由移动终端建立与基站的RRC连接;
响应于与基站建立RRC连接,由移动终端向基站发送用于深度学习的人面部信息;
响应于接收到用于深度学习的人面部信息,由基站将用于深度学习的人面部信息发送到核心网;
由核心网将用于深度学习的人面部信息发送到用于深度学习的面部识别服务器。
在一优选的实施方式中,用于深度学习的人面部信息的传输方法包括如下步骤:
如果移动终端被配置为以第二模式接收寻呼消息,则由移动终端接收由基站广播的第二系统信息,其中,第二系统消息向移动终端指示正常DRX周期以及延长DRX周期;
响应于接收到由基站广播的第二系统信息,由移动终端在延长DRX周期的起点处开始监测寻呼消息,其中,寻呼消息是由移动性管理实体生成并由基站发送的;
如果移动终端在延长DRX周期的起点处之后的一段时间内监测到寻呼消息,则由移动终端建立与基站的RRC连接,其中,移动终端被配置为:如果在延长DRX周期的起点处之后的一段时间内监测到寻呼消息,则在下一个延长DRX周期的起点处再次监测另一个寻呼消息;
响应于与基站建立RRC连接,由移动终端向基站发送用于深度学习的人面部信息;
响应于接收到用于深度学习的人面部信息,由基站将用于深度学习的人面部信息发送到核心网;
由核心网将用于深度学习的人面部信息发送到用于深度学习的面部识别服务器。
在一优选的实施方式中,用于深度学习的人面部信息的传输方法包括如下步骤:
如果移动终端在延长DRX周期的起点处之后的一段时间内接收到寻呼消息,但是没有成功解码寻呼消息,则移动终端不向基站发送用于深度学习的人面部信息;
如果移动性管理实体在预定时间内没有接收到用于深度学习的人面部信息,则由移动性实体在随后的正常DRX周期的起点处重新发送寻呼消息;
响应于没有成功解码寻呼消息,由移动终端在随后的正常DRX周期的起点处开始监测寻呼消息;
如果移动终端在随后的正常DRX周期的起点处之后的一段时间内监测到寻呼消息,则由移动终端建立与基站的RRC连接,其中,移动终端被配置为:如果在随后的正常DRX周期的起点处之后的一段时间内监测到寻呼消息,则在下一个延长DRX周期的起点处再次开始监测另一个寻呼消息;
响应于与基站建立RRC连接,由移动终端向基站发送用于深度学习的人面部信息;
响应于接收到用于深度学习的人面部信息,由基站将用于深度学习的人面部信息发送到核心网;
由核心网将用于深度学习的人面部信息发送到用于深度学习的面部识别服务器。
在一优选的实施方式中,用于深度学习的人面部信息的传输方法包括如下步骤:
如果移动终端被配置为以第三模式接收寻呼消息,则由移动终端接收由基站广播的第三系统信息,其中,第三系统消息向移动终端指示正常DRX周期以及延长DRX周期;
响应于接收到由基站广播的第三系统信息,由移动终端在正常DRX周期的起点处以及延长DRX周期的起点处开始监测寻呼消息;
如果移动终端在正常DRX周期的起点处之后的一段时间内或者延长DRX周期的起点处之后的一段时间内中的任一者监测到寻呼消息,则由移动终端建立与基站的RRC连接,其中,移动终端被配置为:如果在正常DRX周期的起点处之后的一段时间内或者延长DRX周期的起点处之后的一段时间内中的任一者监测到寻呼消息,则在下一个延长DRX周期的起点处再次开始监测另一个寻呼消息,如果在正常DRX周期的起点处之后的一段时间内或者延长DRX周期的起点处之后的一段时间内中的任一者都没有监测到寻呼消息,则在下一个正常DRX周期的起点处再次开始监测另一个寻呼消息;
响应于与基站建立RRC连接,由移动终端向基站发送用于深度学习的人面部信息;
响应于接收到用于深度学习的人面部信息,由基站将用于深度学习的人面部信息发送到核心网;
由核心网将用于深度学习的人面部信息发送到用于深度学习的面部识别服务器。
本发明提供了一种用于深度学习的人面部信息的传输系统,其特征在于:用于深度学习的人面部信息的传输系统包括:
用于由移动终端收集用于深度学习的人面部信息的单元;
用于由移动终端接收由基站广播的配置信息的单元,其中,配置信息指示移动终端以第一模式、第二模式或者第三模式中的任意一种模式接收寻呼消息;
用于如果移动终端被配置为以第一模式接收寻呼消息,则由移动终端接收由基站广播的系统信息的单元,其中,系统信息中包括协调世界时UTC、初始时间值A以及DRX周期B;
用于响应于接收到由基站广播的系统信息,由移动终端基于UTC更新移动终端的内部时间T的单元;
用于由移动终端基于以下公式计算T1值,当移动终端的内部时间T等于T1值时,由移动终端开始监测寻呼消息的单元,其中,寻呼消息是由移动性管理实体生成并由基站发送的:
T1=A+N*B,其中,N是正整数;
用于如果移动终端在预定时间内没有监测到寻呼消息,则由移动终端将N值增加1,并再次计算T1值的单元;
用于当移动终端的内部时间T再次等于T1值时,由移动终端再次监测寻呼消息的单元。
在一优选的实施方式中,用于深度学习的人面部信息的传输系统包括:
用于如果移动终端监测到寻呼消息,则由移动终端建立与基站的RRC连接的单元;
用于响应于与基站建立RRC连接,由移动终端向基站发送用于深度学习的人面部信息的单元;
用于响应于接收到用于深度学习的人面部信息,由基站将用于深度学习的人面部信息发送到核心网的单元;
用于由核心网将用于深度学习的人面部信息发送到用于深度学习的面部识别服务器的单元。
在一优选的实施方式中,用于深度学习的人面部信息的传输系统包括:
用于如果移动终端被配置为以第二模式接收寻呼消息,则由移动终端接收由基站广播的第二系统信息的单元,其中,第二系统消息向移动终端指示正常DRX周期以及延长DRX周期;
用于响应于接收到由基站广播的第二系统信息,由移动终端在延长DRX周期的起点处开始监测寻呼消息的单元,其中,寻呼消息是由移动性管理实体生成并由基站发送的;
用于如果移动终端在延长DRX周期的起点处之后的一段时间内监测到寻呼消息,则由移动终端建立与基站的RRC连接的单元,其中,移动终端被配置为:如果在延长DRX周期的起点处之后的一段时间内监测到寻呼消息,则在下一个延长DRX周期的起点处再次监测另一个寻呼消息;
用于响应于与基站建立RRC连接,由移动终端向基站发送用于深度学习的人面部信息的单元;
用于响应于接收到用于深度学习的人面部信息,由基站将用于深度学习的人面部信息发送到核心网的单元;
用于由核心网将用于深度学习的人面部信息发送到用于深度学习的面部识别服务器的单元。
在一优选的实施方式中,用于深度学习的人面部信息的传输系统包括:
用于如果移动终端在延长DRX周期的起点处之后的一段时间内接收到寻呼消息,但是没有成功解码寻呼消息,则移动终端不向基站发送用于深度学习的人面部信息的单元;
用于如果移动性管理实体在预定时间内没有接收到用于深度学习的人面部信息,则由移动性实体在随后的正常DRX周期的起点处重新发送寻呼消息的单元;
用于响应于没有成功解码寻呼消息,由移动终端在随后的正常DRX周期的起点处开始监测寻呼消息的单元;
用于如果移动终端在随后的正常DRX周期的起点处之后的一段时间内监测到寻呼消息,则由移动终端建立与基站的RRC连接的单元,其中,移动终端被配置为:如果在随后的正常DRX周期的起点处之后的一段时间内监测到寻呼消息,则在下一个延长DRX周期的起点处再次开始监测另一个寻呼消息;
用于响应于与基站建立RRC连接,由移动终端向基站发送用于深度学习的人面部信息的单元;
用于响应于接收到用于深度学习的人面部信息,由基站将用于深度学习的人面部信息发送到核心网的单元;
用于由核心网将用于深度学习的人面部信息发送到用于深度学习的面部识别服务器的单元。
在一优选的实施方式中,用于深度学习的人面部信息的传输系统包括:
用于如果移动终端被配置为以第三模式接收寻呼消息,则由移动终端接收由基站广播的第三系统信息的单元,其中,第三系统消息向移动终端指示正常DRX周期以及延长DRX周期;
用于响应于接收到由基站广播的第三系统信息,由移动终端在正常DRX周期的起点处以及延长DRX周期的起点处开始监测寻呼消息的单元;
用于如果移动终端在正常DRX周期的起点处之后的一段时间内或者延长DRX周期的起点处之后的一段时间内中的任一者监测到寻呼消息,则由移动终端建立与基站的RRC连接的单元,其中,移动终端被配置为:如果在正常DRX周期的起点处之后的一段时间内或者延长DRX周期的起点处之后的一段时间内中的任一者监测到寻呼消息,则在下一个延长DRX周期的起点处再次开始监测另一个寻呼消息,如果在正常DRX周期的起点处之后的一段时间内或者延长DRX周期的起点处之后的一段时间内中的任一者都没有监测到寻呼消息,则在下一个正常DRX周期的起点处再次开始监测另一个寻呼消息;
用于响应于与基站建立RRC连接,由移动终端向基站发送用于深度学习的人面部信息的单元;
用于响应于接收到用于深度学习的人面部信息,由基站将用于深度学习的人面部信息发送到核心网的单元;
用于由核心网将用于深度学习的人面部信息发送到用于深度学习的面部识别服务器的单元。
与现有技术相比,本发明具有如下优点:人脸识别算法的一个基础是训练数据的收集,只有收集到了足够的数据,才能够训练出稳定可靠的人脸识别机器,从而达到准确的人脸识别的效果。随着移动终端的发展,目前大部分的人脸识别技术都是在移动终端上进行应用,而很多有价值的人脸识别训练数据也相应的保存在移动终端上,如何能够保证移动终端稳定、快速且低耗电的将人脸图像数据传输到服务器中,是一个非常重要的问题。本申请提出了一种用于深度学习的人面部信息的传输方法及系统,本申请能够使得人脸识别服务器能够稳定、快速的得到人脸图像数据,并且能够降低移动终端的耗电。
附图说明
图1是根据本发明一实施方式的第二模式传输时间关系示意图。
图2是根据本发明一实施方式的第三模式传输时间关系示意图。
图3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3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深度学习的人面部信息;
步骤102:由移动终端接收由基站广播的配置信息,其中,配置信息指示移动终端以第一模式、第二模式或者第三模式中的任意一种模式接收寻呼消息;
步骤103:如果移动终端被配置为以第一模式接收寻呼消息,则由移动终端接收由基站广播的系统信息,其中,系统信息中包括协调世界时UTC、初始时间值A以及DRX周期B;
步骤104:响应于接收到由基站广播的系统信息,由移动终端基于UTC更新移动终端的内部时间T;
步骤105:由移动终端基于以下公式计算T1值,当移动终端的内部时间T等于T1值时,由移动终端开始监测寻呼消息,其中,寻呼消息是由移动性管理实体生成并由基站发送的:
T1=A+N*B,其中,N是正整数;
步骤106:如果移动终端在预定时间内没有监测到寻呼消息,则由移动终端将N值增加1,并再次计算T1值;
步骤107:当移动终端的内部时间T再次等于T1值时,由移动终端再次监测寻呼消息。
计算举例(由于真实系统中的数值不利于说明问题,所以计算举例中使用假设的数值,假设的数值仅仅是为了如何计算而虚拟的数值,不是真实系统中的值):假设移动终端接收的协调世界时UTC是100,则移动终端将自己内部的时间调整为100,假设移动终端接收的初始时间值A是30,DRX周期B为5,此时移动终端可以计算N的初始值(N的初始值=(100-30)/5=14),由于在完成计算之后,当前移动终端内部时间必定大于100,所以移动终端将N调整为15,并计算得到T1值为105,此时移动终端等待内部时间T到达105以便开始监听寻呼消息。
在一优选的实施方式中,用于深度学习的人面部信息的传输方法包括如下步骤:
如果移动终端监测到寻呼消息,则由移动终端建立与基站的RRC连接;
响应于与基站建立RRC连接,由移动终端向基站发送用于深度学习的人面部信息;
响应于接收到用于深度学习的人面部信息,由基站将用于深度学习的人面部信息发送到核心网;
由核心网将用于深度学习的人面部信息发送到用于深度学习的面部识别服务器。
在一优选的实施方式中,用于深度学习的人面部信息的传输方法包括如下步骤:
如果移动终端被配置为以第二模式接收寻呼消息,则由移动终端接收由基站广播的第二系统信息,其中,第二系统消息向移动终端指示正常DRX周期以及延长DRX周期;
响应于接收到由基站广播的第二系统信息,由移动终端在延长DRX周期的起点处开始监测寻呼消息,其中,寻呼消息是由移动性管理实体生成并由基站发送的;
如果移动终端在延长DRX周期的起点处之后的一段时间内监测到寻呼消息,则由移动终端建立与基站的RRC连接,其中,移动终端被配置为:如果在延长DRX周期的起点处之后的一段时间内监测到寻呼消息,则在下一个延长DRX周期的起点处再次监测另一个寻呼消息;
响应于与基站建立RRC连接,由移动终端向基站发送用于深度学习的人面部信息;
响应于接收到用于深度学习的人面部信息,由基站将用于深度学习的人面部信息发送到核心网;
由核心网将用于深度学习的人面部信息发送到用于深度学习的面部识别服务器。
在一优选的实施方式中,用于深度学习的人面部信息的传输方法包括如下步骤:
如果移动终端在延长DRX周期的起点处之后的一段时间内接收到寻呼消息,但是没有成功解码寻呼消息,则移动终端不向基站发送用于深度学习的人面部信息;
如果移动性管理实体在预定时间内没有接收到用于深度学习的人面部信息,则由移动性实体在随后的正常DRX周期的起点处重新发送寻呼消息;
响应于没有成功解码寻呼消息,由移动终端在随后的正常DRX周期的起点处开始监测寻呼消息;
如果移动终端在随后的正常DRX周期的起点处之后的一段时间内监测到寻呼消息,则由移动终端建立与基站的RRC连接,其中,移动终端被配置为:如果在随后的正常DRX周期的起点处之后的一段时间内监测到寻呼消息,则在下一个延长DRX周期的起点处再次开始监测另一个寻呼消息;
响应于与基站建立RRC连接,由移动终端向基站发送用于深度学习的人面部信息;
响应于接收到用于深度学习的人面部信息,由基站将用于深度学习的人面部信息发送到核心网;
由核心网将用于深度学习的人面部信息发送到用于深度学习的面部识别服务器。
在一优选的实施方式中,用于深度学习的人面部信息的传输方法包括如下步骤:
如果移动终端被配置为以第三模式接收寻呼消息,则由移动终端接收由基站广播的第三系统信息,其中,第三系统消息向移动终端指示正常DRX周期以及延长DRX周期;
响应于接收到由基站广播的第三系统信息,由移动终端在正常DRX周期的起点处以及延长DRX周期的起点处开始监测寻呼消息;
如果移动终端在正常DRX周期的起点处之后的一段时间内或者延长DRX周期的起点处之后的一段时间内中的任一者监测到寻呼消息,则由移动终端建立与基站的RRC连接,其中,移动终端被配置为:如果在正常DRX周期的起点处之后的一段时间内或者延长DRX周期的起点处之后的一段时间内中的任一者监测到寻呼消息,则在下一个延长DRX周期的起点处再次开始监测另一个寻呼消息,如果在正常DRX周期的起点处之后的一段时间内或者延长DRX周期的起点处之后的一段时间内中的任一者都没有监测到寻呼消息,则在下一个正常DRX周期的起点处再次开始监测另一个寻呼消息;
响应于与基站建立RRC连接,由移动终端向基站发送用于深度学习的人面部信息;
响应于接收到用于深度学习的人面部信息,由基站将用于深度学习的人面部信息发送到核心网;
由核心网将用于深度学习的人面部信息发送到用于深度学习的面部识别服务器。
本发明提供了一种用于深度学习的人面部信息的传输系统,其特征在于:用于深度学习的人面部信息的传输系统包括:
用于由移动终端收集用于深度学习的人面部信息的单元;
用于由移动终端接收由基站广播的配置信息的单元,其中,配置信息指示移动终端以第一模式、第二模式或者第三模式中的任意一种模式接收寻呼消息;
用于如果移动终端被配置为以第一模式接收寻呼消息,则由移动终端接收由基站广播的系统信息的单元,其中,系统信息中包括协调世界时UTC、初始时间值A以及DRX周期B;
用于响应于接收到由基站广播的系统信息,由移动终端基于UTC更新移动终端的内部时间T的单元;
用于由移动终端基于以下公式计算T1值,当移动终端的内部时间T等于T1值时,由移动终端开始监测寻呼消息的单元,其中,寻呼消息是由移动性管理实体生成并由基站发送的:
T1=A+N*B,其中,N是正整数;
用于如果移动终端在预定时间内没有监测到寻呼消息,则由移动终端将N值增加1,并再次计算T1值的单元;
用于当移动终端的内部时间T再次等于T1值时,由移动终端再次监测寻呼消息的单元。
在一优选的实施方式中,用于深度学习的人面部信息的传输系统包括:
用于如果移动终端监测到寻呼消息,则由移动终端建立与基站的RRC连接的单元;
用于响应于与基站建立RRC连接,由移动终端向基站发送用于深度学习的人面部信息的单元;
用于响应于接收到用于深度学习的人面部信息,由基站将用于深度学习的人面部信息发送到核心网的单元;
用于由核心网将用于深度学习的人面部信息发送到用于深度学习的面部识别服务器的单元。
在一优选的实施方式中,用于深度学习的人面部信息的传输系统包括:
用于如果移动终端被配置为以第二模式接收寻呼消息,则由移动终端接收由基站广播的第二系统信息的单元,其中,第二系统消息向移动终端指示正常DRX周期以及延长DRX周期;
用于响应于接收到由基站广播的第二系统信息,由移动终端在延长DRX周期的起点处开始监测寻呼消息的单元,其中,寻呼消息是由移动性管理实体生成并由基站发送的;
用于如果移动终端在延长DRX周期的起点处之后的一段时间内监测到寻呼消息,则由移动终端建立与基站的RRC连接的单元,其中,移动终端被配置为:如果在延长DRX周期的起点处之后的一段时间内监测到寻呼消息,则在下一个延长DRX周期的起点处再次监测另一个寻呼消息;
用于响应于与基站建立RRC连接,由移动终端向基站发送用于深度学习的人面部信息的单元;
用于响应于接收到用于深度学习的人面部信息,由基站将用于深度学习的人面部信息发送到核心网的单元;
用于由核心网将用于深度学习的人面部信息发送到用于深度学习的面部识别服务器的单元。
在一优选的实施方式中,用于深度学习的人面部信息的传输系统包括:
用于如果移动终端在延长DRX周期的起点处之后的一段时间内接收到寻呼消息,但是没有成功解码寻呼消息,则移动终端不向基站发送用于深度学习的人面部信息的单元;
用于如果移动性管理实体在预定时间内没有接收到用于深度学习的人面部信息,则由移动性实体在随后的正常DRX周期的起点处重新发送寻呼消息的单元;
用于响应于没有成功解码寻呼消息,由移动终端在随后的正常DRX周期的起点处开始监测寻呼消息的单元;
用于如果移动终端在随后的正常DRX周期的起点处之后的一段时间内监测到寻呼消息,则由移动终端建立与基站的RRC连接的单元,其中,移动终端被配置为:如果在随后的正常DRX周期的起点处之后的一段时间内监测到寻呼消息,则在下一个延长DRX周期的起点处再次开始监测另一个寻呼消息;
用于响应于与基站建立RRC连接,由移动终端向基站发送用于深度学习的人面部信息的单元;
用于响应于接收到用于深度学习的人面部信息,由基站将用于深度学习的人面部信息发送到核心网的单元;
用于由核心网将用于深度学习的人面部信息发送到用于深度学习的面部识别服务器的单元。
在一优选的实施方式中,用于深度学习的人面部信息的传输系统包括:
用于如果移动终端被配置为以第三模式接收寻呼消息,则由移动终端接收由基站广播的第三系统信息的单元,其中,第三系统消息向移动终端指示正常DRX周期以及延长DRX周期;
用于响应于接收到由基站广播的第三系统信息,由移动终端在正常DRX周期的起点处以及延长DRX周期的起点处开始监测寻呼消息的单元;
用于如果移动终端在正常DRX周期的起点处之后的一段时间内或者延长DRX周期的起点处之后的一段时间内中的任一者监测到寻呼消息,则由移动终端建立与基站的RRC连接的单元,其中,移动终端被配置为:如果在正常DRX周期的起点处之后的一段时间内或者延长DRX周期的起点处之后的一段时间内中的任一者监测到寻呼消息,则在下一个延长DRX周期的起点处再次开始监测另一个寻呼消息,如果在正常DRX周期的起点处之后的一段时间内或者延长DRX周期的起点处之后的一段时间内中的任一者都没有监测到寻呼消息,则在下一个正常DRX周期的起点处再次开始监测另一个寻呼消息;
用于响应于与基站建立RRC连接,由移动终端向基站发送用于深度学习的人面部信息的单元;
用于响应于接收到用于深度学习的人面部信息,由基站将用于深度学习的人面部信息发送到核心网的单元;
用于由核心网将用于深度学习的人面部信息发送到用于深度学习的面部识别服务器的单元。
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)
1.一种用于深度学习的人面部信息的传输方法,其特征在于:所述用于深度学习的人面部信息的传输方法包括如下步骤:
由移动终端收集用于深度学习的人面部信息;
由移动终端接收由基站广播的配置信息,其中,所述配置信息指示所述移动终端以第一模式、第二模式或者第三模式中的任意一种模式接收寻呼消息;
如果移动终端被配置为以第一模式接收寻呼消息,则由移动终端接收由基站广播的系统信息,其中,所述系统信息中包括协调世界时UTC、初始时间值A以及DRX周期B;
响应于接收到所述由基站广播的系统信息,由移动终端基于所述UTC更新所述移动终端的内部时间T;
由移动终端基于以下公式计算T1值,当所述移动终端的内部时间T等于T1值时,由移动终端开始监测寻呼消息,其中,所述寻呼消息是由移动性管理实体生成并由所述基站发送的:
T1=A+N*B,其中,N是正整数;
如果移动终端在预定时间内没有监测到所述寻呼消息,则由移动终端将所述N值增加1,并再次计算T1值;
当所述移动终端的内部时间T再次等于T1值时,由移动终端再次监测寻呼消息。
2.如权利要求1所述的用于深度学习的人面部信息的传输方法,其特征在于:所述用于深度学习的人面部信息的传输方法包括如下步骤:
如果移动终端监测到所述寻呼消息,则由移动终端建立与所述基站的RRC连接;
响应于与所述基站建立RRC连接,由移动终端向所述基站发送所述用于深度学习的人面部信息;
响应于接收到所述用于深度学习的人面部信息,由基站将所述用于深度学习的人面部信息发送到核心网;
由核心网将所述用于深度学习的人面部信息发送到用于深度学习的面部识别服务器。
3.如权利要求2所述的用于深度学习的人面部信息的传输方法,其特征在于:所述用于深度学习的人面部信息的传输方法包括如下步骤:
如果移动终端被配置为以第二模式接收寻呼消息,则由移动终端接收由基站广播的第二系统信息,其中,所述第二系统消息向所述移动终端指示正常DRX周期以及延长DRX周期;
响应于接收到所述由基站广播的第二系统信息,由移动终端在所述延长DRX周期的起点处开始监测寻呼消息,其中,所述寻呼消息是由移动性管理实体生成并由所述基站发送的;
如果所述移动终端在所述延长DRX周期的起点处之后的一段时间内监测到所述寻呼消息,则由移动终端建立与所述基站的RRC连接,其中,所述移动终端被配置为:如果在所述延长DRX周期的起点处之后的一段时间内监测到所述寻呼消息,则在下一个延长DRX周期的起点处再次监测另一个寻呼消息;
响应于与所述基站建立RRC连接,由移动终端向所述基站发送所述用于深度学习的人面部信息;
响应于接收到所述用于深度学习的人面部信息,由基站将所述用于深度学习的人面部信息发送到核心网;
由核心网将所述用于深度学习的人面部信息发送到用于深度学习的面部识别服务器。
4.如权利要求3所述的用于深度学习的人面部信息的传输方法,其特征在于:所述用于深度学习的人面部信息的传输方法包括如下步骤:
如果所述移动终端在所述延长DRX周期的起点处之后的一段时间内接收到所述寻呼消息,但是没有成功解码所述寻呼消息,则所述移动终端不向所述基站发送所述用于深度学习的人面部信息;
如果所述移动性管理实体在预定时间内没有接收到所述用于深度学习的人面部信息,则由移动性实体在随后的正常DRX周期的起点处重新发送所述寻呼消息;
响应于没有成功解码所述寻呼消息,由移动终端在随后的正常DRX周期的起点处开始监测所述寻呼消息;
如果所述移动终端在所述随后的正常DRX周期的起点处之后的一段时间内监测到所述寻呼消息,则由移动终端建立与所述基站的RRC连接,其中,所述移动终端被配置为:如果在所述随后的正常DRX周期的起点处之后的一段时间内监测到所述寻呼消息,则在下一个延长DRX周期的起点处再次开始监测另一个寻呼消息;
响应于与所述基站建立RRC连接,由移动终端向所述基站发送所述用于深度学习的人面部信息;
响应于接收到所述用于深度学习的人面部信息,由基站将所述用于深度学习的人面部信息发送到核心网;
由核心网将所述用于深度学习的人面部信息发送到用于深度学习的面部识别服务器。
5.如权利要求4所述的用于深度学习的人面部信息的传输方法,其特征在于:所述用于深度学习的人面部信息的传输方法包括如下步骤:
如果移动终端被配置为以第三模式接收寻呼消息,则由移动终端接收由基站广播的第三系统信息,其中,所述第三系统消息向所述移动终端指示正常DRX周期以及延长DRX周期;
响应于接收到所述由基站广播的第三系统信息,由移动终端在所述正常DRX周期的起点处以及所述延长DRX周期的起点处开始监测寻呼消息;
如果所述移动终端在所述正常DRX周期的起点处之后的一段时间内或者所述延长DRX周期的起点处之后的一段时间内中的任一者监测到所述寻呼消息,则由移动终端建立与所述基站的RRC连接,其中,所述移动终端被配置为:如果在所述正常DRX周期的起点处之后的一段时间内或者所述延长DRX周期的起点处之后的一段时间内中的任一者监测到所述寻呼消息,则在下一个延长DRX周期的起点处再次开始监测另一个寻呼消息,如果在所述正常DRX周期的起点处之后的一段时间内或者所述延长DRX周期的起点处之后的一段时间内中的任一者都没有监测到所述寻呼消息,则在下一个正常DRX周期的起点处再次开始监测另一个寻呼消息;
响应于与所述基站建立RRC连接,由移动终端向所述基站发送所述用于深度学习的人面部信息;
响应于接收到所述用于深度学习的人面部信息,由基站将所述用于深度学习的人面部信息发送到核心网;
由核心网将所述用于深度学习的人面部信息发送到用于深度学习的面部识别服务器。
6.一种用于深度学习的人面部信息的传输系统,其特征在于:所述用于深度学习的人面部信息的传输系统包括:
用于由移动终端收集用于深度学习的人面部信息的单元;
用于由移动终端接收由基站广播的配置信息的单元,其中,所述配置信息指示所述移动终端以第一模式、第二模式或者第三模式中的任意一种模式接收寻呼消息;
用于如果移动终端被配置为以第一模式接收寻呼消息,则由移动终端接收由基站广播的系统信息的单元,其中,所述系统信息中包括协调世界时UTC、初始时间值A以及DRX周期B;
用于响应于接收到所述由基站广播的系统信息,由移动终端基于所述UTC更新所述移动终端的内部时间T的单元;
用于由移动终端基于以下公式计算T1值,当所述移动终端的内部时间T等于T1值时,由移动终端开始监测寻呼消息的单元,其中,所述寻呼消息是由移动性管理实体生成并由所述基站发送的:
T1=A+N*B,其中,N是正整数;
用于如果移动终端在预定时间内没有监测到所述寻呼消息,则由移动终端将所述N值增加1,并再次计算T1值的单元;
用于当所述移动终端的内部时间T再次等于T1值时,由移动终端再次监测寻呼消息的单元。
7.如权利要求6所述的用于深度学习的人面部信息的传输系统,其特征在于:所述用于深度学习的人面部信息的传输系统包括:
用于如果移动终端监测到所述寻呼消息,则由移动终端建立与所述基站的RRC连接的单元;
用于响应于与所述基站建立RRC连接,由移动终端向所述基站发送所述用于深度学习的人面部信息的单元;
用于响应于接收到所述用于深度学习的人面部信息,由基站将所述用于深度学习的人面部信息发送到核心网的单元;
用于由核心网将所述用于深度学习的人面部信息发送到用于深度学习的面部识别服务器的单元。
8.如权利要求7所述的用于深度学习的人面部信息的传输系统,其特征在于:所述用于深度学习的人面部信息的传输系统包括:
用于如果移动终端被配置为以第二模式接收寻呼消息,则由移动终端接收由基站广播的第二系统信息的单元,其中,所述第二系统消息向所述移动终端指示正常DRX周期以及延长DRX周期;
用于响应于接收到所述由基站广播的第二系统信息,由移动终端在所述延长DRX周期的起点处开始监测寻呼消息的单元,其中,所述寻呼消息是由移动性管理实体生成并由所述基站发送的;
用于如果所述移动终端在所述延长DRX周期的起点处之后的一段时间内监测到所述寻呼消息,则由移动终端建立与所述基站的RRC连接的单元,其中,所述移动终端被配置为:如果在所述延长DRX周期的起点处之后的一段时间内监测到所述寻呼消息,则在下一个延长DRX周期的起点处再次监测另一个寻呼消息;
用于响应于与所述基站建立RRC连接,由移动终端向所述基站发送所述用于深度学习的人面部信息的单元;
用于响应于接收到所述用于深度学习的人面部信息,由基站将所述用于深度学习的人面部信息发送到核心网的单元;
用于由核心网将所述用于深度学习的人面部信息发送到用于深度学习的面部识别服务器的单元。
9.如权利要求8所述的用于深度学习的人面部信息的传输系统,其特征在于:所述用于深度学习的人面部信息的传输系统包括:
用于如果所述移动终端在所述延长DRX周期的起点处之后的一段时间内接收到所述寻呼消息,但是没有成功解码所述寻呼消息,则所述移动终端不向所述基站发送所述用于深度学习的人面部信息的单元;
用于如果所述移动性管理实体在预定时间内没有接收到所述用于深度学习的人面部信息,则由移动性实体在随后的正常DRX周期的起点处重新发送所述寻呼消息的单元;
用于响应于没有成功解码所述寻呼消息,由移动终端在随后的正常DRX周期的起点处开始监测所述寻呼消息的单元;
用于如果所述移动终端在所述随后的正常DRX周期的起点处之后的一段时间内监测到所述寻呼消息,则由移动终端建立与所述基站的RRC连接的单元,其中,所述移动终端被配置为:如果在所述随后的正常DRX周期的起点处之后的一段时间内监测到所述寻呼消息,则在下一个延长DRX周期的起点处再次开始监测另一个寻呼消息;
用于响应于与所述基站建立RRC连接,由移动终端向所述基站发送所述用于深度学习的人面部信息的单元;
用于响应于接收到所述用于深度学习的人面部信息,由基站将所述用于深度学习的人面部信息发送到核心网的单元;
用于由核心网将所述用于深度学习的人面部信息发送到用于深度学习的面部识别服务器的单元。
10.如权利要求9所述的用于深度学习的人面部信息的传输系统,其特征在于:所述用于深度学习的人面部信息的传输系统包括:
用于如果移动终端被配置为以第三模式接收寻呼消息,则由移动终端接收由基站广播的第三系统信息的单元,其中,所述第三系统消息向所述移动终端指示正常DRX周期以及延长DRX周期;
用于响应于接收到所述由基站广播的第三系统信息,由移动终端在所述正常DRX周期的起点处以及所述延长DRX周期的起点处开始监测寻呼消息的单元;
用于如果所述移动终端在所述正常DRX周期的起点处之后的一段时间内或者所述延长DRX周期的起点处之后的一段时间内中的任一者监测到所述寻呼消息,则由移动终端建立与所述基站的RRC连接的单元,其中,所述移动终端被配置为:如果在所述正常DRX周期的起点处之后的一段时间内或者所述延长DRX周期的起点处之后的一段时间内中的任一者监测到所述寻呼消息,则在下一个延长DRX周期的起点处再次开始监测另一个寻呼消息,如果在所述正常DRX周期的起点处之后的一段时间内或者所述延长DRX周期的起点处之后的一段时间内中的任一者都没有监测到所述寻呼消息,则在下一个正常DRX周期的起点处再次开始监测另一个寻呼消息;
用于响应于与所述基站建立RRC连接,由移动终端向所述基站发送所述用于深度学习的人面部信息的单元;
用于响应于接收到所述用于深度学习的人面部信息,由基站将所述用于深度学习的人面部信息发送到核心网的单元;
用于由核心网将所述用于深度学习的人面部信息发送到用于深度学习的面部识别服务器的单元。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911223491.5A CN111178135B (zh) | 2019-12-04 | 2019-12-04 | 一种用于深度学习的人面部信息的传输方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911223491.5A CN111178135B (zh) | 2019-12-04 | 2019-12-04 | 一种用于深度学习的人面部信息的传输方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111178135A true CN111178135A (zh) | 2020-05-19 |
CN111178135B CN111178135B (zh) | 2024-05-24 |
Family
ID=70657268
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911223491.5A Active CN111178135B (zh) | 2019-12-04 | 2019-12-04 | 一种用于深度学习的人面部信息的传输方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111178135B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101730229A (zh) * | 2004-06-25 | 2010-06-09 | Lg电子株式会社 | 用于空闲模式移动用户站的位置更新的方法 |
CN102057734A (zh) * | 2008-06-13 | 2011-05-11 | 高通股份有限公司 | 用于管理drx周期和寻呼周期之间的交互的方法和装置 |
US20140256365A1 (en) * | 2013-03-07 | 2014-09-11 | Intel Mobile Communications GmbH | Communication terminal, communication device, method for processing a paging message and method for controlling a communication terminal |
-
2019
- 2019-12-04 CN CN201911223491.5A patent/CN111178135B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101730229A (zh) * | 2004-06-25 | 2010-06-09 | Lg电子株式会社 | 用于空闲模式移动用户站的位置更新的方法 |
CN102057734A (zh) * | 2008-06-13 | 2011-05-11 | 高通股份有限公司 | 用于管理drx周期和寻呼周期之间的交互的方法和装置 |
CN103347269A (zh) * | 2008-06-13 | 2013-10-09 | 高通股份有限公司 | 用于管理drx 周期和寻呼周期之间的交互的方法和装置 |
US20140256365A1 (en) * | 2013-03-07 | 2014-09-11 | Intel Mobile Communications GmbH | Communication terminal, communication device, method for processing a paging message and method for controlling a communication terminal |
Non-Patent Citations (1)
Title |
---|
余明强;: "CDMA网络寻呼策略优化探讨", 数字通信 * |
Also Published As
Publication number | Publication date |
---|---|
CN111178135B (zh) | 2024-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9742710B2 (en) | Mood information processing method and apparatus | |
CN105118198A (zh) | 实现抢答的方法、装置、服务器及系统 | |
CN104238752B (zh) | 一种信息处理方法及第一可穿戴式设备 | |
CN112423349B (zh) | 一种新能源大数据平台数据清洗方法及系统 | |
CN109067883B (zh) | 信息推送方法及装置 | |
CN112235090A (zh) | 基于物联网系统的人工智能教育教学评测方法、系统及计算机可读存储介质 | |
CN103886288A (zh) | 一种瞌睡检测方法及其系统 | |
CN114697047A (zh) | 物联网中的子设备注册方法、云服务器及网关设备 | |
CN111178135B (zh) | 一种用于深度学习的人面部信息的传输方法及系统 | |
CN113420230B (zh) | 基于群聊的匹配咨询推送方法、相关装置、设备及介质 | |
CN109376228B (zh) | 一种信息推荐方法、装置、设备及介质 | |
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 | |
CN105812343A (zh) | 一种可穿戴业务认证方法、云平台、可穿戴设备及终端 | |
CN111711791A (zh) | 数据处理方法及装置 | |
US20220382821A1 (en) | Method for recommending social user, electronic device and non-transitory computer-readable storage medium | |
CN115601850A (zh) | 一种考勤方法、装置、计算机设备及存储介质 | |
CN113329502B (zh) | 一种基于可变二维码的多环节独立设备标识方法及系统 | |
CN114785954A (zh) | 处理器唤醒方法以及装置、系统、存储介质、ar眼镜 | |
CN112333823A (zh) | 基于云端计算的用于智能教育的vr资源传输方法及系统 | |
CN107071335A (zh) | 一种数据处理方法及装置、设备 | |
CN112968820A (zh) | 基于信息反馈设计的智能楼宇综合信息传输方法及系统 | |
CN112492552A (zh) | 一种控制用于儿科病房的护理机器人的方法及系统 | |
CN112217892A (zh) | 一种基于区块链系统的智慧城市监控信息传输方法及系统 | |
CN107357423B (zh) | 一种信息显示方法和第一电子设备 | |
CN111194096B (zh) | 一种用于智慧社区的服务信息的传输方法及系统 |
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 |