CN111382286A - 数据处理方法及相关产品 - Google Patents

数据处理方法及相关产品 Download PDF

Info

Publication number
CN111382286A
CN111382286A CN201811615599.4A CN201811615599A CN111382286A CN 111382286 A CN111382286 A CN 111382286A CN 201811615599 A CN201811615599 A CN 201811615599A CN 111382286 A CN111382286 A CN 111382286A
Authority
CN
China
Prior art keywords
face image
target
reference face
retrieved
image
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
Application number
CN201811615599.4A
Other languages
English (en)
Other versions
CN111382286B (zh
Inventor
郑文先
尹义
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Intellifusion Technologies Co Ltd
Original Assignee
Shenzhen Intellifusion Technologies Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Intellifusion Technologies Co Ltd filed Critical Shenzhen Intellifusion Technologies Co Ltd
Priority to CN201811615599.4A priority Critical patent/CN111382286B/zh
Publication of CN111382286A publication Critical patent/CN111382286A/zh
Application granted granted Critical
Publication of CN111382286B publication Critical patent/CN111382286B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (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)
  • Processing Or Creating Images (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请实施例提供一种数据处理方法及相关产品，其中，所述方法包括：接收第一用户终端发送的待检索人脸图像以及人脸图像数据库的数据库标识；向多个第二用户终端发送检索请求，所述检索请求携带所述待检索人脸图像和所述数据库标识，所述检索请求用于指示所述多个第二用户终端在所述人脸图像数据库中检索出所述待检索人脸图像对应的参考检索结果图像；接收所述多个第二用户终端中的每个第二用户终端发送的所述参考检索结果图像；按照预设的处理方式，对所述参考检索结果图像进行处理，得到目标检索结果图像；将所述目标检索结果图像发送给所述第一用户终端，因此，能够提升人脸识别时的准确性。

Description

数据处理方法及相关产品
技术领域
本申请涉及数据处理技术领域，具体涉及一种数据处理方法及相关产品。
背景技术
随人工智能的不断发展，使得人脸识别技术得到了飞速的发展。当前现有的人脸识别技术的算法已经成熟，不同的企业、公司的人脸识别算法都具有其自己突出的优势。但是，现有的对人脸进行识别时，由于各个企业、公司之间的技术封存，导致采用不同企业的终端中的人脸识别算法，对人脸进行识别时仍然存在诸多不足的地方，导致对人脸进行识别时的准确性降低。
发明内容
本申请实施例提供一种数据处理方法及相关产品，能够提升人脸识别时的准确性。
本申请实施例的第一方面提供了一种数据处理方法，所述方法包括：
接收第一用户终端发送的待检索人脸图像以及人脸图像数据库的数据库标识；
向多个第二用户终端发送检索请求，所述检索请求携带所述待检索人脸图像和所述数据库标识，所述检索请求用于指示所述多个第二用户终端在所述人脸图像数据库中检索出所述待检索人脸图像对应的参考检索结果图像；
接收所述多个第二用户终端中的每个第二用户终端发送的所述参考检索结果图像；
按照预设的处理方式，对所述参考检索结果图像进行处理，得到目标检索结果图像；
将所述目标检索结果图像发送给所述第一用户终端。
结合本申请实施例的第一坊面，在第一方面的第一种可能的实现方式中，所述参考检索结果图像包括参考人脸图像集合以及多个身份信息，所述参考人脸图像集合中包括多张参考人脸图像，所述多个身份信息与所述多张参考人脸图像相对应，所述按照预设的处理方式，对所述参考检索结果图像进行处理，得到目标检索结果图像，包括：
获取所述待检索人脸图像的参考身份信息；
从所述多个第二用户终端中每个第二用户终端的参考人脸图像集合中确定出第一目标参考人脸图像集合，所述第一目标参考人脸图像集合包括至少一个目标参考人脸图像，所述目标参考人脸图像的身份信息与所述参考身份信息相同；
获取所述至少一个目标参考人脸图像与所述待检索人脸图像之间的相似度；
根据所述相似度对所述至少一个目标参考人脸图像进行排序，得到第二目标参考人脸图像集合，所述第二目标参考人脸图像集合包含所述每个第二用户终端的第一目标参考人脸图像集合，将所述第二目标参考人脸图像集合作为所述目标检索结果图像。
结合本申请实施例的第一方面的第一种可能的实现方式，在第一方面的第二种可能的实现方式中，所述方法还包括：
对所述待检索人脸图像进行轮廓提取，得到所述待检索人脸图像的人脸轮廓；
根据所述待检索人脸图像的人脸轮廓，确定出所述待检索人脸图像的人脸轮廓清晰度；
获取所述第二目标参考人脸图像集合中的每个目标参考人脸图像的轮廓清晰度，以及获取所述每个目标参考人脸图像的特征点分布密度；
根据所述待检索人脸图像的人脸轮廓清晰度、所述每个目标参考人脸图像的轮廓清晰度，确定出每个目标参考人脸图像的第一排序位置；
根据所述每个目标参考人脸图像的特征点分布密度，确定出每个目标参考人脸图像的第一排序位置的修正值，得到多个目标修正值；
根据所述多个目标修正值和所述每个目标参考人脸图像的第一排序位置，确定出每个参考人脸图像的第二排序位置；
采用的第二排序位置对所述第二目标参考人脸图像集合中的目标参考人脸图像进行排序，得到排序后的第二目标参考人脸图像集合。
本申请实施例的第二方面提供了一种数据处理装置，所述装置包括第一接收单元、第一发送单元、第二接收单元、处理单元和第二发送单元，其中，
所述第一接收单元，用于接收第一用户终端发送的待检索人脸图像以及人脸图像数据库的数据库标识；
所述第一发送单元，用于向多个第二用户终端发送检索请求，所述检索请求携带所述待检索人脸图像和所述数据库标识，所述检索请求用于指示所述多个第二用户终端在所述人脸图像数据库中检索出所述待检索人脸图像对应的参考检索结果图像；
所述第二接收单元，用于接收所述多个第二用户终端中的每个第二用户终端发送的所述参考检索结果图像；
所述处理单元，用于按照预设的处理方式，对所述参考检索结果图像进行处理，得到目标检索结果图像；
所述第二发送单元，用于将所述目标检索结果图像发送给所述第一用户终端。
结合本申请实施例的第二坊面，在第二方面的第一种可能的实现方式中，所述参考检索结果图像包括参考人脸图像集合以及多个身份信息，所述参考人脸图像集合中包括多张参考人脸图像，所述多个身份信息与所述多张参考人脸图像相对应，在所述按照预设的处理方式，对所述参考检索结果图像进行处理，得到目标检索结果图像方面，所述处理单元具体用于：
获取所述待检索人脸图像的参考身份信息；
从所述多个第二用户终端中每个第二用户终端的参考人脸图像集合中确定出第一目标参考人脸图像集合，所述第一目标参考人脸图像集合包括至少一个目标参考人脸图像，所述目标参考人脸图像的身份信息与所述参考身份信息相同；
获取所述至少一个目标参考人脸图像与所述待检索人脸图像之间的相似度；
根据所述相似度对所述至少一个目标参考人脸图像进行排序，得到第二目标参考人脸图像集合，所述第二目标参考人脸图像集合包含所述每个第二用户终端的第一目标参考人脸图像集合，将所述第二目标参考人脸图像集合作为所述目标检索结果图像。
结合本申请实施例的第二方面的第一种可能的实现方式，在第二方面的第二种可能的实现方式中，所述装置还用于：
对所述待检索人脸图像进行轮廓提取，得到所述待检索人脸图像的人脸轮廓；
根据所述待检索人脸图像的人脸轮廓，确定出所述待检索人脸图像的人脸轮廓清晰度；
获取所述第二目标参考人脸图像集合中的每个目标参考人脸图像的轮廓清晰度，以及获取所述每个目标参考人脸图像的特征点分布密度；
根据所述待检索人脸图像的人脸轮廓清晰度、所述每个目标参考人脸图像的轮廓清晰度，确定出每个目标参考人脸图像的第一排序位置；
根据所述每个目标参考人脸图像的特征点分布密度，确定出每个目标参考人脸图像的第一排序位置的修正值，得到多个目标修正值；
根据所述多个目标修正值和所述每个目标参考人脸图像的第一排序位置，确定出每个参考人脸图像的第二排序位置；
采用的第二排序位置对所述第二目标参考人脸图像集合中的目标参考人脸图像进行排序，得到排序后的第二目标参考人脸图像集合。
本申请实施例的第三方面提供一种终端，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如本申请实施例第一方面中的步骤指令。
本申请实施例的第四方面提供了一种计算机可读存储介质，其中，上述计算机可读存储介质存储用于电子数据交换的计算机程序，其中，上述计算机程序使得计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。
本申请实施例的第五方面提供了一种计算机程序产品，其中，上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，上述计算机程序可操作来使计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
实施本申请实施例，至少具有如下有益效果：
通过本申请实施例，接收第一用户终端发送的待检索人脸图像以及人脸图像数据库的数据库标识，向多个第二用户终端发送检索请求，所述检索请求携带所述待检索人脸图像和所述数据库标识，所述检索请求用于指示所述多个第二用户终端在所述人脸图像数据库中检索出所述待检索人脸图像对应的参考检索结果图像，接收所述多个第二用户终端中的每个第二用户终端发送的所述参考检索结果图像，按照预设的处理方式，对所述参考检索结果图像进行处理，得到目标检索结果图像，将所述目标检索结果图像发送给所述第一用户终端，相对于现有方案中，仅采用单一的用户终端中的人脸识别算法对人脸图像进行识别，本方案中，采用多个第二用户终端对待检索人脸图像采用人脸图像数据库进行检索，从而可以通过多个用户终端对人脸图像进行检索，并对检索结果进行处理，得到目标检索结果图像，因此，能够一定程度上提升对人脸识别时的准确性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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了一种数据处理方法应用场景示意图；
图2A为本申请实施例提供了一种数据处理方法的流程示意图；
图2B为本申请实施例提供了一种目标展示图的示意图；
图2C为本申请实施例提供了一种对参考检索结果图像进行处理的方法的示意图；
图3为本申请实施例提供了另一种数据处理方法的流程示意图；
图4为本申请实施例提供了另一种数据处理方法的流程示意图；
图5为本申请实施例提供的一种终端的结构示意图；
图6为本申请实施例提供了一种数据处理装置的结构示意图。
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，所描述的实施例仅仅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。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”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，而是可选的还包括没有列出的步骤或单元，或可选的还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本申请中提及“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，本申请所描述的实施例可以与其它实施例相结合。
本申请实施例所涉及到的电子装置可以包括各种具有无线通信功能的手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其他处理设备，以及各种形式的用户设备(user equipment，UE)，移动台(mobile station，MS)，终端设备(terminaldevice)等等。为方便描述，上面提到的设备统称为电子装置。
为了更好的理解本申请实施例提供的数据处理方法，下面首先对数据处理方法的应用场景进行简要介绍。请参阅图1，图1为本申请实施例提供了一种数据处理方法应用场景示意图。如图1所示，图像融合平台102接收第一用户终端101发送的待检索人脸图像以及人脸图像数据库的数据库标识，图像融合平台102向多个第二用户终端103发送检索请求，其中，所述检索请求携带所述待检索人脸图像和所述数据库标识，所述检索请求用于指示所述多个第二用户终端在所述人脸图像数据库中检索出所述待检索人脸图像对应的参考检索结果图像，多个第二用户终端可以是具有不同厂商的人脸识别算法的用户终端，多个第二用户终端103将待检索人脸图像在于数据库标识对应的数据库中进行检索，得到参考检索结果图像，多个第二用户终端103将参考检索结果发送给图像融合平台102，图像融合平台102接收多个第二用户终端103发送的参考检索结果图像，图像融合平台102按照预设的处理方式，对参考检索结果图像进行处理，得到目标检索结果图像，图像融合平台102将目标检索结果图像发送给第一用户终端101，因此，相对于现有方案中，相对于现有方案中，仅采用单一的用户终端中的人脸识别算法对人脸图像进行识别，本方案中，采用多个第二用户终端对待检索人脸图像采用人脸图像数据库进行检索，从而可以通过多个用户终端对人脸图像进行检索，并对检索结果进行处理，得到目标检索结果图像，因此，能够一定程度上提升对人脸识别时的准确性。
请参阅图2A，图2A为本申请实施例提供了一种数据处理方法的流程示意图。如图2A所示，数据处理方法包括步骤201-205，具体如下：
201、接收第一用户终端发送的待检索人脸图像以及人脸图像数据库的数据库标识。
可选的，待检索人脸图像包含人脸属性，可以为姓名、身份证号码等信息，其中，人脸属性中的姓名、身份证号码等信息为设定的信息，不一定为与待检索人脸图像中的人脸图像在实际中相对应，例如，待检索人脸图像为犯罪分子的人脸图像，人脸属性可以为与该犯罪分子的疑似姓名、疑似身份证号码，疑似身份证号和疑似姓名，为可能的姓名和可能的身份证号码。人脸图像数据库可以灵活选择，即不规定人脸图像数据库的数据源，用户可以自备人脸图像数据库作为检索库，数据库标识为人脸图像数据库的唯一标识，可以通过数据库标识调用人脸图像数据库中人脸图像数据。
可选的，为了保证系统的安全性，第一用户终端和图像融合平台发送信息之前，可以在图像融合平台与第一用户终端之间建立安全通信通道，一种可能的建立安全通信通道的方法涉及图像融合平台、第一用户终端和代理设备，代理设备为可信的第三方设备，具体包括如下步骤：
A1、初始化：初始化阶段主要完成图像融合平台、第一用户终端在代理设备的注册，主题的订阅以及系统参数的生成。图像融合平台、第一用户终端向代理设备进行注册，只有通过注册的图像融合平台和第一用户终端才能参与主题的发布与订阅，第一用户终端向代理设备订阅相关主题。代理设备生成系统公开参数(PK)及主密钥(MSK)，将PK发送给已注册的图像融合平台和第一用户终端。
A2、加密、发布：加密、发布阶段主要是图像融合平台对要发布的主题对应的载荷进行加密，并发送给代理设备。首先图像融合平台采用对称加密算法加密载荷，生成密文(CT)，然后制定访问结构
Figure BDA0001925761120000071
根据图像融合平台生成的PK和
Figure BDA0001925761120000072
加密对称密钥，最后将加密后的密钥和加密的载荷发送给代理设备。代理设备在接收到图像融合平台发送的加密后的密钥与CT后，过滤并转发给该第一用户终端。
可选的，访问结构
Figure BDA0001925761120000081
是一种访问树结构。访问树的每一个非叶子节点是一个门限，用Kx表示，0<＝Kx<＝num(x)，num(x)表示其子节点数。当Kx＝num(x)时，非叶子节点代表与门；当Kx＝1时，非叶子节点代表或门；访问树的每一个叶子节点代表一种属性。属性集合满足一个访问树结构可以定义为：设T是以r为根节点的访问树，Tx是以x为根节点的T的子树。如果Tx(S)＝1，则说明属性集合S满足访问结构Tx。如果节点x是叶子节点，当且仅当叶子节点x关联的属性att(x)是属性集合S的元素时，Tx(S)＝1。若节点x是非叶子节点时，至少Kx个子节点z满足Tz(S)＝1时，Tx(S)＝1。
A3、私钥生成：私钥生成阶段主要是代理设备为第一用户终端生成相应的密钥，用于解密其后收到的CT。第一用户终端向代理设备提供属性集合Ai(属性可以是订阅端的特征，角色等信息)，代理设备根据PK、属性集合Ai以及主密钥MSK生成私钥SK，然后将生成的私钥发送到该第一用户终端。
可选的，属性集合Ai为全局集合U＝{A1，A2，…，An}的一个子集。属性集合Ai表示第一用户终端i(第i个第一用户终端)的属性信息，可以是第一用户终端的特征、角色等，为第一用户终端的默认属性，全局集合U表示所有第一用户终端属性信息的集合。
A4、解密：解密阶段主要是第一用户终端对加密载荷进行解密提取文明的过程。第一用户终端在接收到代理设备发送的加密后的密钥和CT后，根据PK以及SK解密加密后的密钥得到对称密钥。若其属性集合Ai满足密文的访问结构
Figure BDA0001925761120000082
则能成功解密密文，以此保障了通信过程的安全性。
通过构建安全通信通道，能够一定程度上保证第一用户终端与图像融合平台之间通信的安全性，减少非法第一用户终端对合法第一用户终端与图像融合平台之间传输的数据进行窃取的可能性，同时也减少了非法第一用户终端通过入侵系统、篡改系统，使得系统中的重要数据遭到窃取的情况的发生。
202、向多个第二用户终端发送检索请求，所述检索请求携带所述待检索人脸图像和所述数据库标识，所述检索请求用于指示所述多个第二用户终端在所述人脸图像数据库中检索出所述待检索人脸图像对应的参考检索结果图像。
其中，第二用户终端可以是具有不同厂商的人脸识别算法的用户终端，人脸识别算法为用户终端中具有的能够运行的人脸识别算法，此处的具体体现为，人脸图像的对比算法等。
可选的，图像融合平台再向第二用户终端发送检索请求之前也可以建立安全通信通道，具体可以参照上述步骤A1-A4中的具体内容。
203、接收所述多个第二用户终端中的每个第二用户终端发送的所述参考检索结果图像。
其中，参考检索结果图像中可包括参考人脸图像集合以及多个身份信息，人脸图像集合中包括多张参考人脸图像，所述多个身份信息与所述多张参考人脸图像相对应。参考人脸图像集合中包括的参考图像的数目可以通过经验值或历史数据设定，例如，10、20等，此处仅为举例说明，不作具体限定。
204、按照预设的处理方式，对所述参考检索结果图像进行处理，得到目标检索结果图像。
可选的，参考检索结果图像中可包括参考人脸图像集合以及多个身份信息，人脸图像集合中包括多张参考人脸图像，所述多个身份信息与所述多张参考人脸图像相对应，一种可能的对参考人脸图像结果进行处理，得到目标检索结果图像的方法包括步骤B1-B4，具体如下：
B1、获取所述待检索人脸图像的参考身份信息；
其中，参考身份信息可以为待检索人脸图像的人脸属性，人脸属性可以为身份证号码、姓名等。
B2、从所述多个第二用户终端中每个第二用户终端的参考人脸图像集合中确定出第一目标参考人脸图像集合，所述第一目标参考人脸图像集合包括至少一个目标参考人脸图像，所述目标参考人脸图像的身份信息与所述参考身份信息相同；
其中，每个参考人脸图像具有与其唯一对应的身份信息，身份信息可包括身份证号码、姓名、手机号码等。参考人脸图像集合中的参考人脸图像为与待检索人脸图像之间的相似度排名较高的参考人脸图像，例如，参考人脸图像集合中参考人脸图像的个数为20个，则参考人脸图像与待检索人脸图像之间的相似度为，该数据库中所有图形与待检索人脸图像之间的相似度从最高值开始，依次取19个，作为参考人脸图像集合中的人脸图像。
B3、获取所述至少一个目标参考人脸图像与所述待检索人脸图像之间的相似度；
B4、根据所述相似度对所述至少一个目标参考人脸图像进行排序，得到第二目标参考人脸图像集合，所述第二目标参考人脸图像集合包含所述每个第二用户终端的第一目标参考人脸图像集合，将所述第二目标参考人脸图像集合作为所述目标检索结果图像。
可选的，根据相似度对至少一个目标参考人脸图像进行排序，得到第二目标参考人脸图像集合的方法可以为：假设第二用户终端分别为第二用户终端11、第二用户终端12、第二用户终端13和第二用户终端14，每个参考图像集合中包括20张参考人脸图像。第二用户终端11的参考人脸图像集合为A集合、第二用户终端12的参考人脸图像集合为B集合、第二用户终端13的参考人脸图像集合为C集合、第二用户终端14的参考人脸图像集合为D集合。在A集合中确定出的第一目标参考人脸图像集合中的目标参考人脸图像的个数为4个，分别为目标参考人脸图像a、目标参考人脸图像b、目标参考人脸图像c、目标参考人脸图像d，相似度分别为0.9、0.7、0.6、0.3；在B集合中确定出的第一目标参考人脸图像集合中的目标参考人脸图像的个数为3个分别为目标参考人脸图像a、目标参考人脸图像e、目标参考人脸图像f，相似度分别为0.7、0.7、0.1；在C集合中确定出的第一目标参考人脸图像集合中的目标参考人脸图像的个数为3个分别为目标参考人脸图像a、目标参考人脸图像c、目标参考人脸图像g，相似度分别为0.8、0.65、0.6；在D集合中确定出的第一目标参考人脸图像集合中的目标参考人脸图像的个数为2个，分别为目标参考人脸图像e、目标参考人脸图像g，相似度分别为0.85、0.7。获取每个目标参考人脸图像在参考人脸图像集合中的出现次数，次数越高排序越前；次数相同时，则获取根据相似度之和进行排序，相似度之和越大，则排序越前，具体的，目标参考人脸图像a出现了3次，相似度之和为2.4，目标参考人脸图像b出现了1次，相似度之和为0.7，目标参考人脸图像c出现了2次，相似度之和为1.25，目标参考人脸图像d出现了1次，相似度之和为0.3，目标参考人脸图像e出现了2次，相似度之和为1.55，目标参考人脸图像f出现了1次，相似度之和为0.1，目标参考人脸图像g出现了2次，相似度之和为1.3，因此，对目标参考人脸图像a、目标参考人脸图像b、目标参考人脸图像c、目标参考人脸图像d、目标参考人脸图像e、目标参考人脸图像f、目标参考人脸图像g进行排序，排序结果为：目标参考人脸图像a、目标参考人脸图像e、目标参考人脸图像g、目标参考人脸图像c、目标参考人脸图像b、目标参考人脸图像d、目标参考人脸图像f，从而得到第二目标参考人脸图像集合。
本示例中，通过人脸图像在人脸图像集合中出现的次数以及相似度，来确定出排序的顺序，能够较为真实的反映出人脸的匹配结果的精细度，从而一定程度上为用户进行图片的选择或比对提供了较好的选择，可提升用户体验。
可选的，另一种可能的排序方法包括：提取每个目标参考人脸图像在每个参考人脸图像集中的排序号，根据每个目标参考人脸图像出现的次数和排序号进行排序，出现次数越多，排序越前，出现的次数相同时，排序号则越高，排序越后，与排序号之和成反相关。
请参阅图2C，图2C为本申请实施例提供了一种对参考检索结果图像进行处理的方法的示意图。如图2C所示，根据待检索人脸图像的人脸属性采用各个厂商提供人脸识别算法对进行检索，例如“李四”；其中，厂商可以对应为不同的第二用户终端。
在A厂商的人脸图像集中检索出人脸属性带有“李四”的人脸图像为4个，分别为目标1、目标2、目标3、目标4，它们在A厂商的人脸图像集中相似度排序分别在第2、4、6、8位；
在B厂商的人脸图像集中检索出的人脸属性带有“李四”的人脸图像为3个，分别为目标1、目标5、目标6，它们在B厂商的人脸图像集中相似度排序分别在第4、5、6位；
在C厂商的人脸图像集中检索出的人脸属性带有“李四”的人脸图像为3个，分别为目标1、目标2、目标3，它们在C厂商的人脸图像集中相似度排序分别在第6、7、8位；
其中，目标1被3个厂商检索到，目标2和目标3被2个厂商检索到，则目标1优先排序，排序方法图如图3所示；具体的，目标2在各厂商的人脸图像集的排位之和为11，目标3在各厂商的人脸图像集中排位之和为14，则目标2定义为优于目标3；则在最优检索结果图像集中，目标1优先于目标2优先于目标3优先于其他目标进行排序，将排序完成的目标作为目标检索结果图像。
205、将所述目标检索结果图像发送给所述第一用户终端。
可选的，一种可能的将目标检索结果图像发送给第一用户终端的方法包括步骤C1-C2，具体如下：
C1、根据所述目标检索结果图像，生成目标展示图；
如图2B所示，图2B为一种可能的目标展示图的示意图。其中，a为目标参考人脸图像a，e为目标参考人脸图像e，A为第二用户终端11的参考人脸图像集合，B为第二用户终端12的参考人脸图像集合、C为第二用户终端13的参考人脸图像集合、D为第二用户终端14的参考人脸图像集合。
C2、将所述目标展示图发送给所述第一用户终端。
本示例中，通过对检索结果图像生成展示图，并将展示图发送到第一用户终端，从而可以直观的反映出检索结果图像，从而可以一定程度上提升用户体验。
一个可能的示例中，可以对第二用户终端进行选取，一种可能的确定第二用户终端的方法包括步骤D1-D4，具体如下：
D1、获取所述第一用户终端的用户等级；
可选的，提取第一用户终端的网络地址，可以根据预设的用户终端的网络地址与用户等级之间的映射关系，确定出与第一用户终端的网络地址相对应的第一用户终端的用户等级。根据预设的用户终端的网络地址与用户等级之间的映射关系可以由图像融合平台预先建立并存储。
D2、根据所述用户等级，确定出与所述第一用户终端相对应的目标权限；
其中，不同的用户等级具有不同的权限等级，不同的权限等级具有不同的权限，可以判断用户等级所对应的权限等级，从而得到目标权限，例如，权限等级包括第一权限等级、第二权限等级、第三权限等级、第四权限等级，权限等级越高，则具有的权限越多，权限等级越低，具有的权限越少；用户等级包括第一用户等级、第二用户等级、第三用户等级、第四用户等级，第一用户等级具有第一权限等级、第二用户等级具有第二权限等级、第三用户等级具有第三权限等级、第四用户等级具有第四权限等级。因此，可以直接通过上述关系，得到与第一用户终端相对应的目标权限。
D3、根据预设的权限与终端之间的映射关系，确定出与所述目标权限相对应的终端集合，所述终端集合中包括多个终端；
其中，预设的权限与终端之间的映射关系可以通过神经网络模型训练得到，一种可能的对神经网络模型进行训练的方法为：对神经网络模型进行训练时可以包括正向训练和反向训练，神经网络模型可以包括N层神经网络，在训练时，可以将样本数据输入到该N层神经网络的第一层，通过第一层进行正向运算后得到第一运算结果，然后将第一运算结果输入到第二层进行正向运算，得到第二结果，以此，直至第N-1结果输入到第N层进行正向运算，得到第N运算结果，在对第N运算结果执行反向训练，以此重复执行正向训练和反向训练，直至神经网络模型训练完成。训练样本为：权限与终端。
D4、将与所述目标权限相对应的终端集合中的终端作为所述多个第二用户终端。
一个可能的示例中，数据处理方法还可以包括步骤E1-E7，具体如下：
E1、对所述待检索人脸图像进行轮廓提取，得到所述待检索人脸图像的人脸轮廓；
可选的，对待检测图像进行轮廓提取的方法可包括以下至少一种：LBP(LocalBinary Patterns，局部二值模式)特征提取算法、HOG(Histogram of Oriented Gradient,方向梯度直方图)特征提取算法、LoG(Laplacian of Gaussian，二阶拉普拉斯-高斯)特征提取算法等等，在此不做限定。
E2、根据所述待检索人脸图像的人脸轮廓，确定出所述待检索人脸图像的人脸轮廓清晰度；
可选的，确定待检索人脸图像的人脸轮廓清晰度时，可以通过人脸轮廓的像素点的灰度值进行确定，与灰度值成反比，灰度值越低，则轮廓清晰度越高，灰度值越高，则轮廓清晰度越低。
E3、获取所述第二目标参考人脸图像集合中的每个目标参考人脸图像的轮廓清晰度，以及获取所述每个目标参考人脸图像的特征点分布密度；
其中，每个目标参考人脸图像的特征点的分布密度可以理解为，提取的人脸图像中，每一平方厘米中包括的特征点的个数的均值，作为特征点的分布密度。
E4、根据所述待检索人脸图像的人脸轮廓清晰度、所述每个目标参考人脸图像的轮廓清晰度，确定出每个目标参考人脸图像的第一排序位置；
可选的，目标参考人脸图像的轮廓清晰度与待检索人脸图像的人脸轮廓清晰度之间的差值越小，排序位置越前，差值越大，排序位置越后。
E5、根据所述每个目标参考人脸图像的特征点分布密度，确定出每个目标参考人脸图像的第一排序位置的修正值，得到多个目标修正值；
可选的，可以将特征点分布密度值除以预设值，得到第一排序位置的修正值，其中，预设值可以通过经验值或历史数据设定，例如，特征点分布密度的最大值为10至20之间的整数，则预设值可以设定为10，特征点分布密度的最大值为20至30之间的整数，则预设值可以设定为20。此处仅为举例说明，不作具体限定
E6、根据所述多个目标修正值和所述每个目标参考人脸图像的第一排序位置，确定出每个参考人脸图像的第二排序位置；
其中，将修正值乘以第一排序位置，得到第二排序位置。若乘积值为非整数，采用延后法进行排序位置顺延，例如，排序位置为9.5和9则，排序位置为9.5的排序位置为10。
E7、采用的第二排序位置对所述第二目标参考人脸图像集合中的目标参考人脸图像进行排序，得到排序后的第二目标参考人脸图像集合。
本示例中，通过对待检索人脸图像进行轮廓提取，并根据轮廓的清晰度，以及目标参考人脸图像中的轮廓清晰度，特征点分布密度，生成第二排序位置，对第二目标参考人脸图像集合中的人脸图像再次进行排序，从而可以一定程度上提升排序时的准确性。
请参阅图3，图3为本申请实施例提供了另一种数据处理方法的流程示意图。如图3所示，数据处理方法包括步骤301-308，具体如下：
301、接收第一用户终端发送的待检索人脸图像以及人脸图像数据库的数据库标识；
302、向多个第二用户终端发送检索请求，所述检索请求携带所述待检索人脸图像和所述数据库标识，所述检索请求用于指示所述多个第二用户终端在所述人脸图像数据库中检索出所述待检索人脸图像对应的参考检索结果图像；
303、接收所述多个第二用户终端中的每个第二用户终端发送的所述参考检索结果图像；
其中，所述参考检索结果图像包括参考人脸图像集合以及多个身份信息，所述参考人脸图像集合中包括多张参考人脸图像，所述多个身份信息与所述多张参考人脸图像相对应
304、获取所述待检索人脸图像的参考身份信息；
305、从所述多个第二用户终端中每个第二用户终端的参考人脸图像集合中确定出第一目标参考人脸图像集合，所述第一目标参考人脸图像集合包括至少一个目标参考人脸图像，所述目标参考人脸图像的身份信息与所述参考身份信息相同；
306、获取所述至少一个目标参考人脸图像与所述待检索人脸图像之间的相似度；
307、根据所述相似度对所述至少一个目标参考人脸图像进行排序，得到第二目标参考人脸图像集合，所述第二目标参考人脸图像集合包含所述每个第二用户终端的第一目标参考人脸图像集合，将所述第二目标参考人脸图像集合作为所述目标检索结果图像；
308、将所述目标检索结果图像发送给所述第一用户终端。
本示例中，通过对参考检索结果图像提取，得到第一目标参考人脸图像集合，并对第一目标参考人脸图像集合进行排序，并将排序后的结果发送给第一用户终端，从而能够直观的反映出与待检索人脸图像匹配的人脸图像，从而可以一定程度上提升用户体验。
请参阅图4，图4为本申请实施例提供了另一种数据处理方法的流程示意图。如图4所示，数据处理方法包括步骤401-412，具体如下：
401、接收第一用户终端发送的待检索人脸图像以及人脸图像数据库的数据库标识；
402、向多个第二用户终端发送检索请求，所述检索请求携带所述待检索人脸图像和所述数据库标识，所述检索请求用于指示所述多个第二用户终端在所述人脸图像数据库中检索出所述待检索人脸图像对应的参考检索结果图像；
403、接收所述多个第二用户终端中的每个第二用户终端发送的所述参考检索结果图像；
404、按照预设的处理方式，对所述参考检索结果图像进行处理，得到目标检索结果图像；
其中，所述参考检索结果图像包括参考人脸图像集合以及多个身份信息，所述参考人脸图像集合中包括多张参考人脸图像，所述多个身份信息与所述多张参考人脸图像相对应，按照预设的处理方式，对所述参考检索结果图像进行处理，得到目标检索结果图像包括：获取所述待检索人脸图像的参考身份信息；从所述多个第二用户终端中每个第二用户终端的参考人脸图像集合中确定出第一目标参考人脸图像集合，所述第一目标参考人脸图像集合包括至少一个目标参考人脸图像，所述目标参考人脸图像的身份信息与所述参考身份信息相同；获取所述至少一个目标参考人脸图像与所述待检索人脸图像之间的相似度；根据所述相似度对所述至少一个目标参考人脸图像进行排序，得到第二目标参考人脸图像集合，所述第二目标参考人脸图像集合包含所述每个第二用户终端的第一目标参考人脸图像集合，将所述第二目标参考人脸图像集合作为所述目标检索结果图像。
405、将所述目标检索结果图像发送给所述第一用户终端；
406、对所述待检索人脸图像进行轮廓提取，得到所述待检索人脸图像的人脸轮廓；
407、根据所述待检索人脸图像的人脸轮廓，确定出所述待检索人脸图像的人脸轮廓清晰度；
408、获取所述第二目标参考人脸图像集合中的每个目标参考人脸图像的轮廓清晰度，以及获取所述每个目标参考人脸图像的特征点分布密度；
409、根据所述待检索人脸图像的人脸轮廓清晰度、所述每个目标参考人脸图像的轮廓清晰度，确定出每个目标参考人脸图像的第一排序位置；
410、根据所述每个目标参考人脸图像的特征点分布密度，确定出每个目标参考人脸图像的第一排序位置的修正值，得到多个目标修正值；
411、根据所述多个目标修正值和所述每个目标参考人脸图像的第一排序位置，确定出每个参考人脸图像的第二排序位置；
412、采用的第二排序位置对所述第二目标参考人脸图像集合中的目标参考人脸图像进行排序，得到排序后的第二目标参考人脸图像集合。
本示例中，通过对待检索人脸图像进行轮廓提取，并根据轮廓的清晰度，以及目标参考人脸图像中的轮廓清晰度，特征点分布密度，生成第二排序位置，对第二目标参考人脸图像集合中的人脸图像再次进行排序，从而可以一定程度上提升排序时的准确性。
与上述实施例一致的，请参阅图5，图5为本申请实施例提供的一种终端的结构示意图，如图所示，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，上述程序包括用于执行以下步骤的指令；
接收第一用户终端发送的待检索人脸图像以及人脸图像数据库的数据库标识；
向多个第二用户终端发送检索请求，所述检索请求携带所述待检索人脸图像和所述数据库标识，所述检索请求用于指示所述多个第二用户终端在所述人脸图像数据库中检索出所述待检索人脸图像对应的参考检索结果图像；
接收所述多个第二用户终端中的每个第二用户终端发送的所述参考检索结果图像；
按照预设的处理方式，对所述参考检索结果图像进行处理，得到目标检索结果图像；
将所述目标检索结果图像发送给所述第一用户终端。
本示例中，接收第一用户终端发送的待检索人脸图像以及人脸图像数据库的数据库标识，向多个第二用户终端发送检索请求，所述检索请求携带所述待检索人脸图像和所述数据库标识，所述检索请求用于指示所述多个第二用户终端在所述人脸图像数据库中检索出所述待检索人脸图像对应的参考检索结果图像，接收所述多个第二用户终端中的每个第二用户终端发送的所述参考检索结果图像，按照预设的处理方式，对所述参考检索结果图像进行处理，得到目标检索结果图像，将所述目标检索结果图像发送给所述第一用户终端，相对于现有方案中，仅采用单一的用户终端中的人脸识别算法对人脸图像进行识别，本方案中，采用多个第二用户终端对待检索人脸图像采用人脸图像数据库进行检索，从而可以通过多个用户终端对人脸图像进行检索，并对检索结果进行处理，得到目标检索结果图像，因此，能够一定程度上提升对人脸识别时的准确性。
上述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，终端为了实现上述功能，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，结合本文中所提供的实施例描述的各示例的单元及算法步骤，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上述方法示例对终端进行功能单元的划分，例如，可以对应各个功能划分各个功能单元，也可以将两个或两个以上的功能集成在一个处理单元中。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。需要说明的是，本申请实施例中对单元的划分是示意性的，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。
与上述一致的，请参阅图6，图6为本申请实施例提供了一种数据处理装置的结构示意图。如图6所示，所述装置包括第一接收单元601、第一发送单元602、第二接收单元603、处理单元604和第二发送单元605，其中，
所述第一接收单元601，用于接收第一用户终端发送的待检索人脸图像以及人脸图像数据库的数据库标识；
所述第一发送单元602，用于向多个第二用户终端发送检索请求，所述检索请求携带所述待检索人脸图像和所述数据库标识，所述检索请求用于指示所述多个第二用户终端在所述人脸图像数据库中检索出所述待检索人脸图像对应的参考检索结果图像；
所述第二接收单元603，用于接收所述多个第二用户终端中的每个第二用户终端发送的所述参考检索结果图像；
所述处理单元604，用于按照预设的处理方式，对所述参考检索结果图像进行处理，得到目标检索结果图像；
所述第二发送单元605，用于将所述目标检索结果图像发送给所述第一用户终端。
本示例中，接收第一用户终端发送的待检索人脸图像以及人脸图像数据库的数据库标识，向多个第二用户终端发送检索请求，所述检索请求携带所述待检索人脸图像和所述数据库标识，所述检索请求用于指示所述多个第二用户终端在所述人脸图像数据库中检索出所述待检索人脸图像对应的参考检索结果图像，接收所述多个第二用户终端中的每个第二用户终端发送的所述参考检索结果图像，按照预设的处理方式，对所述参考检索结果图像进行处理，得到目标检索结果图像，将所述目标检索结果图像发送给所述第一用户终端，相对于现有方案中，仅采用单一的用户终端中的人脸识别算法对人脸图像进行识别，本方案中，采用多个第二用户终端对待检索人脸图像采用人脸图像数据库进行检索，从而可以通过多个用户终端对人脸图像进行检索，并对检索结果进行处理，得到目标检索结果图像，因此，能够一定程度上提升对人脸识别时的准确性。
可选的，所述参考检索结果图像包括参考人脸图像集合以及多个身份信息，所述参考人脸图像集合中包括多张参考人脸图像，所述多个身份信息与所述多张参考人脸图像相对应，在所述按照预设的处理方式，对所述参考检索结果图像进行处理，得到目标检索结果图像方面，所述处理单元604具体用于：
获取所述待检索人脸图像的参考身份信息；
从所述多个第二用户终端中每个第二用户终端的参考人脸图像集合中确定出第一目标参考人脸图像集合，所述第一目标参考人脸图像集合包括至少一个目标参考人脸图像，所述目标参考人脸图像的身份信息与所述参考身份信息相同；
获取所述至少一个目标参考人脸图像与所述待检索人脸图像之间的相似度；
根据所述相似度对所述至少一个目标参考人脸图像进行排序，得到第二目标参考人脸图像集合，所述第二目标参考人脸图像集合包含所述每个第二用户终端的第一目标参考人脸图像集合，将所述第二目标参考人脸图像集合作为所述目标检索结果图像。
可选的，在所述将所述目标检索结果发送给所述第一用户终端方面，所述第二发送单元605具体用于：
根据所述目标检索结果图像，生成目标展示图；
将所述目标展示图发送给所述第一用户终端。
可选的，所述数据处理装置还具体用于：
获取所述第一用户终端的用户等级；
根据所述用户等级，确定出与所述第一用户终端相对应的目标权限；
根据预设的权限与终端之间的映射关系，确定出与所述目标权限相对应的终端集合，所述终端集合中包括多个终端；
将与所述目标权限相对应的终端集合中的终端作为所述多个第二用户终端。
可选的，所述数据处理装置还用于：
对所述待检索人脸图像进行轮廓提取，得到所述待检索人脸图像的人脸轮廓；
根据所述待检索人脸图像的人脸轮廓，确定出所述待检索人脸图像的人脸轮廓清晰度；
获取所述第二目标参考人脸图像集合中的每个目标参考人脸图像的轮廓清晰度，以及获取所述每个目标参考人脸图像的特征点分布密度；
根据所述待检索人脸图像的人脸轮廓清晰度、所述每个目标参考人脸图像的轮廓清晰度，确定出每个目标参考人脸图像的第一排序位置；
根据所述每个目标参考人脸图像的特征点分布密度，确定出每个目标参考人脸图像的第一排序位置的修正值，得到多个目标修正值；
根据所述多个目标修正值和所述每个目标参考人脸图像的第一排序位置，确定出每个参考人脸图像的第二排序位置；
采用的第二排序位置对所述第二目标参考人脸图像集合中的目标参考人脸图像进行排序，得到排序后的第二目标参考人脸图像集合。
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电子数据交换的计算机程序，该计算机程序使得计算机执行如上述方法实施例中记载的任何一种数据处理方法的部分或全部步骤。
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，该计算机程序使得计算机执行如上述方法实施例中记载的任何一种数据处理方法的部分或全部步骤。
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优选实施例，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，在申请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(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、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、随机存取器、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)

1.一种数据处理方法，其特征在于，所述方法包括：
接收第一用户终端发送的待检索人脸图像以及人脸图像数据库的数据库标识；
向多个第二用户终端发送检索请求，所述检索请求携带所述待检索人脸图像和所述数据库标识，所述检索请求用于指示所述多个第二用户终端在所述人脸图像数据库中检索出所述待检索人脸图像对应的参考检索结果图像；
接收所述多个第二用户终端中的每个第二用户终端发送的所述参考检索结果图像；
按照预设的处理方式，对所述参考检索结果图像进行处理，得到目标检索结果图像；
将所述目标检索结果图像发送给所述第一用户终端。
2.根据权利要求1所述的方法，其特征在于，所述参考检索结果图像包括参考人脸图像集合以及多个身份信息，所述参考人脸图像集合中包括多张参考人脸图像，所述多个身份信息与所述多张参考人脸图像相对应，所述按照预设的处理方式，对所述参考检索结果图像进行处理，得到目标检索结果图像，包括：
获取所述待检索人脸图像的参考身份信息；
从所述多个第二用户终端中每个第二用户终端的参考人脸图像集合中确定出第一目标参考人脸图像集合，所述第一目标参考人脸图像集合包括至少一个目标参考人脸图像，所述目标参考人脸图像的身份信息与所述参考身份信息相同；
获取所述至少一个目标参考人脸图像与所述待检索人脸图像之间的相似度；
根据所述相似度对所述至少一个目标参考人脸图像进行排序，得到第二目标参考人脸图像集合，所述第二目标参考人脸图像集合包含所述每个第二用户终端的第一目标参考人脸图像集合，将所述第二目标参考人脸图像集合作为所述目标检索结果图像。
3.根据权利要求1或2所述的方法，其特征在于，所述将所述目标检索结果发送给所述第一用户终端，包括：
根据所述目标检索结果图像，生成目标展示图；
将所述目标展示图发送给所述第一用户终端。
4.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：
获取所述第一用户终端的用户等级；
根据所述用户等级，确定出与所述第一用户终端相对应的目标权限；
根据预设的权限与终端之间的映射关系，确定出与所述目标权限相对应的终端集合，所述终端集合中包括多个终端；
将与所述目标权限相对应的终端集合中的终端作为所述多个第二用户终端。
5.根据权利要求2所述的方法，其特征在于，所述方法还包括：
对所述待检索人脸图像进行轮廓提取，得到所述待检索人脸图像的人脸轮廓；
根据所述待检索人脸图像的人脸轮廓，确定出所述待检索人脸图像的人脸轮廓清晰度；
获取所述第二目标参考人脸图像集合中的每个目标参考人脸图像的轮廓清晰度，以及获取所述每个目标参考人脸图像的特征点分布密度；
根据所述待检索人脸图像的人脸轮廓清晰度、所述每个目标参考人脸图像的轮廓清晰度，确定出每个目标参考人脸图像的第一排序位置；
根据所述每个目标参考人脸图像的特征点分布密度，确定出每个目标参考人脸图像的第一排序位置的修正值，得到多个目标修正值；
根据所述多个目标修正值和所述每个目标参考人脸图像的第一排序位置，确定出每个参考人脸图像的第二排序位置；
采用的第二排序位置对所述第二目标参考人脸图像集合中的目标参考人脸图像进行排序，得到排序后的第二目标参考人脸图像集合。
6.一种数据处理装置，其特征在于，所述装置包括：
第一接收单元，用于接收第一用户终端发送的待检索人脸图像以及人脸图像数据库的数据库标识；
第一发送单元，用于向多个第二用户终端发送检索请求，所述检索请求携带所述待检索人脸图像和所述数据库标识，所述检索请求用于指示所述多个第二用户终端在所述人脸图像数据库中检索出所述待检索人脸图像对应的参考检索结果图像；
第二接收单元，用于接收所述多个第二用户终端中的每个第二用户终端发送的所述参考检索结果图像；
处理单元，用于按照预设的处理方式，对所述参考检索结果图像进行处理，得到目标检索结果图像；
第二发送单元，用于将所述目标检索结果图像发送给所述第一用户终端。
7.根据权利要求6所述的装置，其特征在于，所述参考检索结果图像包括参考人脸图像集合以及多个身份信息，所述参考人脸图像集合中包括多张参考人脸图像，所述多个身份信息与所述多张参考人脸图像相对应，在所述按照预设的处理方式，对所述参考检索结果图像进行处理，得到目标检索结果图像方面，所述处理单元具体用于：
获取所述待检索人脸图像的参考身份信息；
从所述多个第二用户终端中每个第二用户终端的参考人脸图像集合中确定出第一目标参考人脸图像集合，所述第一目标参考人脸图像集合包括至少一个目标参考人脸图像，所述目标参考人脸图像的身份信息与所述参考身份信息相同；
获取所述至少一个目标参考人脸图像与所述待检索人脸图像之间的相似度；
根据所述相似度对所述至少一个目标参考人脸图像进行排序，得到第二目标参考人脸图像集合，所述第二目标参考人脸图像集合包含所述每个第二用户终端的第一目标参考人脸图像集合，将所述第二目标参考人脸图像集合作为所述目标检索结果图像。
8.根据权利要求6或7所述的装置，其特征在于，在所述将所述目标检索结果发送给所述第一用户终端方面，所述第二发送单元具体用于：
根据所述目标检索结果图像，生成目标展示图；
将所述目标展示图发送给所述第一用户终端。
9.一种终端，其特征在于，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1-5任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1-5任一项所述的方法。
CN201811615599.4A 2018-12-27 2018-12-27 数据处理方法及相关产品 Active CN111382286B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811615599.4A CN111382286B (zh) 2018-12-27 2018-12-27 数据处理方法及相关产品

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811615599.4A CN111382286B (zh) 2018-12-27 2018-12-27 数据处理方法及相关产品

Publications (2)

Publication Number Publication Date
CN111382286A true CN111382286A (zh) 2020-07-07
CN111382286B CN111382286B (zh) 2023-05-12

Family

ID=71214514

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811615599.4A Active CN111382286B (zh) 2018-12-27 2018-12-27 数据处理方法及相关产品

Country Status (1)

Country Link
CN (1) CN111382286B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN205451095U (zh) * 2015-12-02 2016-08-10 深圳市商汤科技有限公司 一种人脸识别装置
CN106227851A (zh) * 2016-07-29 2016-12-14 汤平 基于深度卷积神经网络端对端的通过分层深度搜索的图像检索方法
WO2017107957A1 (zh) * 2015-12-22 2017-06-29 中兴通讯股份有限公司 人脸图像的检索方法及装置
CN107704520A (zh) * 2017-09-05 2018-02-16 小草数语（北京）科技有限公司 基于人脸识别的多文件检索方法和装置
CN108563792A (zh) * 2018-05-02 2018-09-21 百度在线网络技术（北京）有限公司 图像检索处理方法、服务器、客户端及存储介质
CN108664914A (zh) * 2018-05-04 2018-10-16 腾讯科技（深圳）有限公司 人脸检索方法、装置及服务器

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN205451095U (zh) * 2015-12-02 2016-08-10 深圳市商汤科技有限公司 一种人脸识别装置
WO2017107957A1 (zh) * 2015-12-22 2017-06-29 中兴通讯股份有限公司 人脸图像的检索方法及装置
CN106227851A (zh) * 2016-07-29 2016-12-14 汤平 基于深度卷积神经网络端对端的通过分层深度搜索的图像检索方法
CN107704520A (zh) * 2017-09-05 2018-02-16 小草数语（北京）科技有限公司 基于人脸识别的多文件检索方法和装置
CN108563792A (zh) * 2018-05-02 2018-09-21 百度在线网络技术（北京）有限公司 图像检索处理方法、服务器、客户端及存储介质
CN108664914A (zh) * 2018-05-04 2018-10-16 腾讯科技（深圳）有限公司 人脸检索方法、装置及服务器

Also Published As

Publication number Publication date
CN111382286B (zh) 2023-05-12

Similar Documents

Publication Publication Date Title
Zhang et al. Robust coverless image steganography based on DCT and LDA topic classification
CN110677411B (zh) 一种基于云存储的数据共享方法及系统
CN108924109B (zh) 数据传输方法、装置及处理设备
CN103391196A (zh) 一种资产数字认证方法与设备
CN111401277A (zh) 人脸识别模型更新方法、装置、设备和介质
CN111340247A (zh) 纵向联邦学习系统优化方法、设备及可读存储介质
CN103415856A (zh) 在线存储设备及方法、发送设备及方法、接收设备及方法
CN112003888B (zh) 基于区块链的证件照管理方法、装置、设备及可读介质
CN107315812A (zh) 一种云环境下基于词袋模型的图像安全检索方法
CN116383793B (zh) 人脸数据处理方法、装置、电子设备和计算机可读介质
CN113343000A (zh) 基于国密算法的图像加密方法、装置、电子设备及介质
CN111651779B (zh) 一种在区块链中进行加密图像检索的隐私保护方法
Li et al. New secret sharing scheme based on faster R-CNNs image retrieval
Li et al. Coverless image steganography using morphed face recognition based on convolutional neural network
Sultan et al. A novel image-based homomorphic approach for preserving the privacy of autonomous vehicles connected to the cloud
CN112860933B (zh) 密文图像检索方法、装置、终端设备及存储介质
CN109856979B (zh) 环境调节方法、系统、终端及介质
KR101444828B1 (ko) 암호화된 이미지의 저장 및 검색 방법
CN111382286B (zh) 数据处理方法及相关产品
CN115114667A (zh) 一种安全芯片的隐私信息处理分类方法及装置
Jin et al. Efficient blind face recognition in the cloud
CN111382296B (zh) 数据处理方法、装置、终端及存储介质
Bindu et al. A survey on multimedia content protection mechanisms
CN112702623A (zh) 视频处理方法、装置、设备及存储介质
CN113051418A (zh) 一种图像来源追踪方法、装置、存储介质及电子设备

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