CN111680175A - 人脸数据库建库方法、计算机设备和计算机可读存储介质 - Google Patents
人脸数据库建库方法、计算机设备和计算机可读存储介质 Download PDFInfo
- Publication number
- CN111680175A CN111680175A CN202010411898.7A CN202010411898A CN111680175A CN 111680175 A CN111680175 A CN 111680175A CN 202010411898 A CN202010411898 A CN 202010411898A CN 111680175 A CN111680175 A CN 111680175A
- Authority
- CN
- China
- Prior art keywords
- face
- picture
- face picture
- database
- predicted
- 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
Images
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
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- 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
- G06F16/53—Querying
- G06F16/535—Filtering based on additional data, e.g. user or group profiles
-
- 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
-
- 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)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- Software Systems (AREA)
- Collating Specific Patterns (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及一种人脸数据库建库方法、装置、计算机设备和计算机可读存储介质,其中,该人脸数据库建库方法包括:获取待入库的人脸图片信息;确定人脸图片的图片质量;在图片质量未满足预设图片质量标准的情况下,从预设数据库中查询与人脸身份标识对应的备选人脸图片信息,并将根据新鲜度和图片质量从备选人脸图片信息中确定的最佳人脸图片信息存入人脸数据库。通过本申请,解决了相关技术中采用人工干预、图片需要对比且不能自动入库的问题,实现了质量佳的人脸图片自动入库,质量不佳的人脸图片采用轮询预设数据库补充人脸图片,并优选出最佳人脸图片后入库。
Description
技术领域
本申请涉及人脸识别、图像预处理领域,特别是涉及人脸数据库建库方法、装置、计算机设备和计算机可读存储介质。
背景技术
人脸识别技术,是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部对比的一系列相关技术,通常也叫做人像识别、面部识别。人脸识别技术是通过人脸图像特征的提取与对比来进行的,人脸识别系统将提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配,通过设定一个阈值,当相似度超过这一阈值,则把匹配得到的结果输出。
现有中,从海量人脸数据库图片中使用人工的方式去甄别哪些图片能用于做人脸识别比对,势必需要消耗大量的人力和财力。为减少使用人力进行人脸甄别,现有技术会对图片进行图片质量分析,将符合要求的图片进行入库,用于人脸识别和比对,提高比对的精准度,减少不必要的误报。
为完成上述中用于提供人脸识别和对比的精准度,一种提高识别通过率的人脸识别方法、系统及装置,通过把采集到的人脸图像与人脸数据库中的基准人脸图像进行比对,当识别通过但是低于预设阈值时,自动采集人脸图像并生成备份人脸图像,当备份人脸图像质量优于基准人脸图像后,经过人工确认,用备份人脸图像直接替换基准人脸图像。
上述专利及现有技术中用于人脸识别的技术方案存在大量的人工干预过程,且现有技术每产生一张抓拍人脸图片就需要和基准人脸数据库中去比对,当基准人脸数据库很庞大时,比对效率往往会很低下,且会影响原有的业务系统。
目前针对相关技术中质量佳的人脸图片不能自动入库、人脸图片需要进行对比后才能入库的问题,尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种人脸数据库建库方法、装置、计算机设备和计算机可读存储介质,以至少解决相关技术中质量佳的人脸图片不能自动入库、人脸图片需要进行对比后才能入库的问题。
第一方面,本申请实施例提供了一种人脸数据库建库方法,包括:
获取待入库的人脸图片信息,其中,所述人脸图片信息至少包括人脸图片、人脸身份标识、拍摄时间;
确定所述人脸图片的图片质量;
在所述图片质量未满足预设图片质量标准的情况下,从预设数据库中查询与所述人脸身份标识对应的备选人脸图片信息,并将根据新鲜度和图片质量从所述备选人脸图片信息中确定的最佳人脸图片信息存入人脸数据库,其中,所述新鲜度是基于人脸图片的拍摄时间确定的人脸图片存在时间。
在其中一些实施例中,在所述图片质量满足所述预设图片质量标准的情况下,将所述人脸图片信息存入所述人脸数据库,并将所述人脸数据库中存储的所述人脸图片信息标记为最佳人脸图片信息。
在其中一些实施例中,所述确定所述人脸图片的图片质量包括:根据图片质量因子计算所述人脸图片的图片质量,其中,所述图片质量因子包括以下至少之一:图片宽高、图片清晰度、图片中人脸的角度。
在其中一些实施例中,所述方法还包括:在所述图片质量未满足预设图片质量标准的情况下,从所述预设数据库中查询与所述人脸身份标识对应的所述备选人脸图片信息,将根据所述备选人脸图片信息中的备选人脸图片预测生成的预测人脸图片及其拍摄时间和人脸身份标识存入所述人脸数据库,并将所述人脸数据库中存储的所述预测人脸图片标记为预测图,其中,所述预测人脸图片的预测生成时间作为所述预测人脸图片的拍摄时间。
在其中一些实施例中,所述将根据所述备选人脸图片信息中的备选人脸图片预测生成的预测人脸图片及其拍摄时间和人脸身份标识存入所述人脸数据库包括:
确定所述备选人脸图片信息中的人脸图片的新鲜度和图片质量;
在所述备选人脸图片信息中的人脸图片的新鲜度小于预设新鲜度阈值且其图片质量未满足所述预设图片质量标准的情况下,基于所述备选人脸图片信息中的人脸图片预测生成预测人脸图片,将所述预测人脸图片及其拍摄时间和人脸身份标识存入所述人脸数据库,并将所述人脸数据库中存储的所述预测人脸图片标记为预测图。
在其中一些实施例中,所述将根据新鲜度和图片质量从所述备选人脸图片信息中确定的最佳人脸图片信息存入人脸数据库包括:
确定所述备选人脸图片信息中的人脸图片的新鲜度和图片质量;
在所述备选人脸图片信息中的人脸图片的新鲜度小于预设新鲜度阈值且其图片质量满足所述预设图片质量标准的情况下,将所述备选人脸图片信息存入所述人脸数据库,并将所述人脸数据库中存储的所述备选人脸图片信息标记为最佳人脸图片信息。
在其中一些实施例中,在确定所述备选人脸图片信息中的人脸图片的新鲜度和图片质量之后,所述方法还包括:
在所述备选人脸图片信息中的人脸图片的新鲜度大于所述预设新鲜度阈值的情况下,基于所述备选人脸图片信息中的人脸图片预测生成预测人脸图片,将所述预测人脸图片及其拍摄时间和人脸身份标识存入所述人脸数据库,并将所述预测人脸图片标记为预测图,其中,所述预测人脸图片的预测生成时间作为所述预测人脸图片的拍摄时间。
在其中一些实施例中,在将所述预测人脸图片及其拍摄时间和人脸身份标识存入所述人脸数据库,并将所述预测人脸图片标记为预测图之后,所述方法还包括:
读取存入所述人脸数据库中的所述人脸图片信息的入库登记信息,其中,所述入库登记信息记录有存入所述人脸数据库中的最佳人脸图片信息和预测图对应的人脸图片信息的标记;
根据所述入库登记信息确定人脸图片信息的标记;
在根据所述标记确定人脸图片信息为预测图对应的人脸图片信息的情况下,将根据设定的时间间隔重新获取的人脸图片信息更新为所述待入库的人脸图片信息,并重复进行根据人脸图片的图片质量和新鲜度确定出最佳人脸图片信息的步骤,直至获取最佳人脸图片信息。
在其中一些实施例中,在将所述预测人脸图片及其拍摄时间和人脸身份标识存入所述人脸数据库,并将所述人脸数据库中存储的所述预测人脸图片标记为预测图之后,所述方法还包括:
读取存入所述人脸数据库中的所述人脸图片信息的入库登记信息,其中,所述入库登记信息记录有存入所述人脸数据库中的最佳人脸图片信息和预测图对应的人脸图片信息的标记;
根据所述入库登记信息确定人脸图片信息的标记;
在根据所述标记确定人脸图片信息为预测图对应的人脸图片信息的情况下,将根据设定的时间间隔重新获取的人脸图片信息更新为所述待入库的人脸图片信息,并重复进行根据人脸图片的图片质量和新鲜度确定出最佳人脸图片信息的步骤,直至获取最佳人脸图片信息。
第二方面,本申请实施例提供了一种人脸数据库建库装置,包括:
获取模块,获取待入库的人脸图片信息,其中,所述人脸图片信息至少包括人脸图片、人脸身份标识、拍摄时间;
确定模块,用于确定所述人脸图片的图片质量;
处理模块,用于在所述图片质量未满足预设图片质量标准的情况下,从预设数据库中查询与所述人脸身份标识对应的备选人脸图片信息,并将根据新鲜度和图片质量从所述备选人脸图片信息中确定的最佳人脸图片信息存入人脸数据库,其中,所述新鲜度是基于人脸图片的拍摄时间确定的人脸图片存在时间。
第三方面,本申请实施例提供了一种计算机设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面所述的一种人脸数据库建库方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述第一方面所述的一种人脸数据库建库方法。
相比于相关技术,本申请实施例提供的人脸数据库建库方法、装置、计算机设备和计算机可读存储介质,通过获取待入库的人脸图片信息;然后,确定人脸图片的图片质量;最后,在图片质量未满足预设图片质量标准的情况下,从预设数据库中查询与人脸身份标识对应的备选人脸图片信息,并将根据新鲜度和图片质量从备选人脸图片信息中确定的最佳人脸图片信息存入人脸数据库,解决了相关技术中质量佳的人脸图片不能自动入库、人脸图片需要进行对比后才能入库的问题,实现了质量佳的人脸图片自动入库,质量不佳的人脸图片采用轮询预设数据库补充人脸图片,并优选出最佳人脸图片后实现自动入库。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例的人脸数据库建库方法的流程图;
图2是根据本申请优选实施例的人脸数据库建库方法的流程图一;
图3是根据本申请优选实施例的人脸数据库建库方法的流程图二;
图4是根据本申请优选实施例的人脸数据库建库方法的流程图三;
图5是根据本申请优选实施例的人脸数据库建库方法的流程图四;
图6是根据本申请优选实施例的人脸数据库建库方法的流程图五;
图7是根据本申请实施例的人脸数据库建库装置的结构框图;
图8是根据本申请实施例的计算机设备的硬件结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行描述和说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。基于本申请提供的实施例,本领域普通技术人员在没有作出创造性劳动的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。
显而易见地,下面描述中的附图仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其他类似情景。此外,还可以理解的是,虽然这种开发过程中所作出的努力可能是复杂并且冗长的,然而对于与本申请公开的内容相关的本领域的普通技术人员而言,在本申请揭露的技术内容的基础上进行的一些设计,制造或者生产等变更只是常规的技术手段,不应当理解为本申请公开的内容不充分。
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。本领域普通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在不冲突的情况下,可以与其它实施例相结合。
除非另作定义,本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制,可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“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模块(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,而是可以还包括没有列出的步骤或单元,或可以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。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电气的连接,不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象,不代表针对对象的特定排序。
本申请中描述的各种技术可用于各种人脸识别、图像预处理系统及设备中。
人脸识别技术,是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部对比的一系列相关技术,通常也叫做人像识别、面部识别。
人脸识别技术是通过人脸图像特征的提取与对比来进行的,人脸识别系统将提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配,通过设定一个阈值,当相似度超过这一阈值,则把匹配得到的结果输出。
本实施例提供了一种人脸数据库建库方法。图1是根据本申请实施例的一种人脸数据库建库方法的流程图,如图1所示,该流程包括如下步骤:
步骤S101,获取待入库的人脸图片信息,其中,人脸图片信息至少包括人脸图片、人脸身份标识、拍摄时间。
在本实施例中,人脸图片信息中包括人脸身份标识,且每个人的人脸身份标识是唯一的,通过识别该人脸身份标识能够实现人脸图片的存储、查询和匹配。人脸身份标识可以是由系统随机或按照设定规则分配的唯一标识,也可以是人脸图像对应的人员的其他唯一标识信息,例如:工号、身份证号等信息。
步骤S102,确定人脸图片的图片质量。
在本实施例中,人脸图片的图片质量可以通过分析人脸图片的宽高、清晰度及人脸角度等质量因子是否满足设定值。该设定值是根据经验或者实验预先设定的,设定值可以是一个或者多个数值,也可以是一个或者多个数值区间。通过分析人脸图片的宽高、清晰度、人脸角度等是否大于某个设定值,或者是否落入设定值的某个数值区间内,从而确定图片质量。图片质量可以通过对上述质量因子的归一化及量化后,以图片质量数值的方式呈现,也可以是根据上述质量因子计算得到的图片质量等级。例如,可以将图片质量分为好、中、差三个图片质量等级,通过对每个人脸图片的质量因子进行归一化及量化后,按照设定权重确定图片质量数值;进而还可以根据图片质量数值落入的数值区间,确定图片质量等级。
步骤S103,在图片质量未满足预设图片质量标准的情况下,从预设数据库中查询与人脸身份标识对应的备选人脸图片信息,并将根据新鲜度和图片质量从备选人脸图片信息中确定的最佳人脸图片信息存入人脸数据库,其中,新鲜度是基于人脸图片的拍摄时间确定的人脸图片存在时间。
本实施例中至少从图片质量和新鲜度两个维度来确定是否将人脸图像存入人脸数据库;若最新获取的人脸图像的图片质量不能够满足预设图片质量标准,则根据人脸身份标识信息从预设数据库中查询备选人脸图片,并将查询到的备选人脸图片中新鲜度和图片质量均最高的人脸图像,或者为新鲜度和图片质量分配设定的权重后计算的加权和最高的人脸图像确定为最佳人脸图片,并将对应的人脸图片信息存入人脸数据库。
通过上述步骤S101至步骤S103,采用获取待入库的人脸图片信息;确定人脸图片的图片质量;在图片质量未满足预设图片质量标准的情况下,从预设数据库中查询与人脸身份标识对应的备选人脸图片信息,并将根据新鲜度和图片质量从备选人脸图片信息中确定的最佳人脸图片信息存入人脸数据库;解决了相关技术中质量佳的人脸图片不能自动入库、人脸图片需要进行对比后才能入库的问题,实现了优选质量佳的人脸图片自动入库,无需人工干预,且不涉及图片的比对,不会影响原有的对比业务;质量不佳的人脸图片采用轮询预设数据库补充人脸图片,并优选出最佳人脸图片后实现自动入库。
在其中一些实施例中,图2是根据本申请优选实施例的人脸数据库建库方法的流程图一,如图2所示,该流程包括如下步骤:
步骤S201,获取待入库的人脸图片信息,其中,人脸图片信息至少包括人脸图片、人脸身份标识、拍摄时间。
步骤S202,确定人脸图片的图片质量。
步骤S203,判断图片质量是否满足预设图片质量标准;
步骤S204,在图片质量满足预设图片质量标准的情况下,将人脸图片信息存入人脸数据库,并将人脸数据库中存储的该人脸图片信息标记为最佳人脸图片信息。
在本实施例中,从获取的待入库的人脸图片信息对应的人脸图片判断为符合条件(预设图片质量标准)的人脸图片,该人脸图片为优选图片,也就是最佳人脸图片,此时,将人脸图片及人脸图片信息存入人脸数据库中,完成优选图片的入库,并将人脸图片信息标记为最佳人脸图片信息并记录在入库登记信息中。
人脸数据库中对于相同人脸身份标识可能存储一个人脸图片信息,也可以存储多个人脸图片信息。在仅存储一个人脸图片信息的情况下,每当确定该人脸身份标识的最佳人脸图片信息后,则将人脸数据库中该人脸身份标识的其他人脸图片信息删除。在一些实施例中,也可以不删除其他的人脸图片信息,而是将做这些人脸图片信息标记为无效,并在人脸数据库中保留一定的时间,避免人脸图片信息被误删而无法恢复。通常而言,在人脸数据库中被标记为最佳人脸图片信息的数量为一个。
在其中一些实施例中,可以根据图片质量因子来计算人脸图片的图片质量,其中,图片质量因子包括但不限于以下至少之一:图片宽高、图片清晰度、图片中人脸的角度。上述的人脸图片的质量因子可以通过深度学习算法或者目标检测算法提取。
本实施例还提供了一种人脸数据库建库方法。图3是根据本申请优选实施例的人脸数据库建库方法的流程图二。如图3所示,该流程包括如下步骤:
步骤S301,获取待入库的人脸图片信息,其中,人脸图片信息至少包括人脸图片、人脸身份标识、拍摄时间。
步骤S302,确定人脸图片的图片质量。
步骤S303,在图片质量未满足预设图片质量标准的情况下,从预设数据库中查询与人脸身份标识对应的备选人脸图片信息,将根据备选人脸图片信息中的备选人脸图片预测生成的预测人脸图片及其拍摄时间和人脸身份标识存入人脸数据库,并将人脸数据库中存储的预测人脸图片标记为预测图,其中,预测人脸图片的预测生成时间作为预测人脸图片的拍摄时间。
通过上述步骤S301至步骤S303,采用对从预设数据库中查询与人脸身份标识对应的备选人脸图片信息计算其图片质量,在图片质量不满足预设图片质量标准的情况下,采用预测技术预测生成人脸图片入库,还解决了质量不佳人脸图片无法入库及建库问题。
在其中一些实施例中,将根据备选人脸图片信息中的备选人脸图片预测生成的预测人脸图片及其拍摄时间和人脸身份标识存入人脸数据库包括如下步骤:
步骤11,确定备选人脸图片信息中的人脸图片的新鲜度和图片质量。
步骤12,在备选人脸图片信息中的人脸图片的新鲜度小于预设新鲜度阈值且其图片质量未满足预设图片质量标准的情况下,基于备选人脸图片信息中的人脸图片预测生成预测人脸图片,将预测人脸图片及其拍摄时间和人脸身份标识存入人脸数据库,并将人脸数据库中存储的预测人脸图片标记为预测图。
通过上述步骤11至步骤12,采用对从预设数据库选出的备选人脸图片计算备选人脸图片的新鲜度和图片质量,在图片新鲜度满足条件,而图片质量未满足条件时,采用预测技术预测生成预人脸图片入库,解决了质量不佳人脸图片无法入库及建库问题。
在其中一些实施例中,将根据新鲜度和图片质量从备选人脸图片信息中确定的最佳人脸图片信息存入人脸数据库包括如下步骤:
步骤21,确定备选人脸图片信息中的人脸图片的新鲜度和图片质量。
步骤22,在备选人脸图片信息中的人脸图片的新鲜度小于预设新鲜度阈值且其图片质量满足预设图片质量标准的情况下,将备选人脸图片信息存入人脸数据库,并将人脸数据库中存储的备选人脸图片信息标记为最佳人脸图片信息。
通过上述步骤21至步骤22,采用对从预设数据库选出的备选人脸图片计算备选人脸图片的新鲜度和图片质量,在图片新鲜度和图片质量均满足条件时,将备选人脸图片作为最佳人脸图片存入人脸数据库,完成优选图片的入库,并将人脸图片信息标记为最佳人脸图片信息并记录在入库登记信息中。
在其中一些实施例中,在步骤21之后,还包括下列步骤:在备选人脸图片信息中的人脸图片的新鲜度大于预设新鲜度阈值的情况下,基于备选人脸图片信息中的人脸图片预测生成预测人脸图片,将预测人脸图片及其拍摄时间和人脸身份标识存入人脸数据库,并将预测人脸图片标记为预测图,其中,预测人脸图片的预测生成时间作为预测人脸图片的拍摄时间。
通过上述步骤,采用对从预设数据库选出的备选人脸图片计算备选人脸图片的新鲜度和图片质量,在图片新鲜度未满足条件时,采用预测技术预测生成预人脸图片入库,并将预测人脸图片信息进行标记和记录在入库登记信息中,等待下一轮获取新的最佳人脸图片信息,解决了质量不佳人脸图片无法入库及建库问题。
在本实施例中,通过判断从预设数据库中选出备选人脸图片的拍摄日期是否符合要求(比如是5年),且获取的备选人脸图片是否预设图片质量标准;如果未满足,则采用人脸预测技术,基于备选人脸图片中的人脸生成当前时间的预测人脸图片,标记为预测图,并进行入库,准备下个轮询中获取最佳图片。
需要说明的是,本申请实施例中的预测人脸图片的人脸预测技术可以为相关技术中任一项人脸预测技术,例如基于生成对抗网络的脸部变化预测方法。本申请实施例中如何利用备选人脸图片的人脸预测生成预测人脸图片的原理,此处不再赘述。同时,需要说明的是,本申请实施例中所描述的预测图的拍摄时间为预测生成预测人脸图片的时间,也就是将预测人脸图片的预测生成时间(当前)等同于拍摄出该预测人脸图片的拍摄时间,只是,预测人脸图片为预测生成,而非拍摄而成。
需要说明的是,在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本实施例还提供了一种人脸数据库建库方法。图4是根据本申请优选实施例的人脸数据库建库方法的流程图三。如图4所示,该流程包括如下步骤:
步骤S401,获取待入库的人脸图片信息,其中,人脸图片信息至少包括人脸图片、人脸身份标识、拍摄时间;
步骤S402,确定人脸图片的图片质量。
步骤S403,在图片质量未满足预设图片质量标准的情况下,从预设数据库中查询与所述人脸身份标识对应的备选人脸图片信息,确定备选人脸图片信息中的人脸图片的新鲜度和图片质量,并判断备选人脸图片信息中的人脸图片的新鲜度是否大于预设新鲜度阈值,如果是,执行步骤S406,否则,执行步骤S404。
步骤S404,判断备选人脸图片信息中的人脸图片的图片质量是否满足预设图片质量标准,如果是,执行步骤S405,否则,执行步骤S406。
步骤S405,将备选人脸图片信息存入人脸数据库,并将人脸数据库中存储的备选人脸图片信息标记为最佳人脸图片信息;并结束该次人脸数据库建库流程。
步骤S406,基于备选人脸图片信息中的人脸图片预测生成预测人脸图片。
步骤S407,将预测人脸图片及其拍摄时间和人脸身份标识存入人脸数据库,并将预测人脸图片标记为预测图,其中,预测人脸图片的预测生成时间作为所述预测人脸图片的拍摄时间。
步骤S408,读取存入人脸数据库中的所述人脸图片信息的入库登记信息,其中,入库登记信息记录有存入人脸数据库中的最佳人脸图片信息和预测图对应的人脸图片信息的标记。
步骤S409,根据入库登记信息确定人脸图片信息的标记。
步骤S410,在根据标记确定人脸图片信息为预测图对应的人脸图片信息的情况下,将根据设定的时间间隔重新获取的人脸图片信息更新为所述待入库的人脸图片信息,然后执行步骤S401。
通过上述步骤S401至步骤S410,通过人脸图片质量和新鲜度的优选策略和预测策略选取最佳图片,并通过轮询机制,确保有新鲜的人脸图片能被更新,从而满足人脸数据库建库需求。
需要说明的是,在上述步骤S401至步骤S410中,判断备选人脸图片信息中的人脸图片的新鲜度及其图片质量是可以不分先后的。
需要说明的是,在本实施例的轮询机制中,设定的时间间隔是可以根据需要变化进行设定的,通过设定对应的时间间隔,能通过轮询而确保有人脸图片被及时更新并满足人脸数据库建库的需求。
在其中一些实施例中,在步骤S408之后,还包括下列步骤:在查询到人脸图片标记为最佳人脸图片信息的情况下,将人脸图片信息标记为建库成功并将对应的人脸图片信息入库。
本实施例还提供了一种人脸数据库建库方法。图5是根据本申请优选实施例的人脸数据库建库方法的流程图四。如图5所示,该流程包括如下步骤:
步骤S501,获取待入库的人脸图片信息,其中,人脸图片信息至少包括人脸图片、人脸身份标识、拍摄时间。
步骤S502,确定人脸图片的图片质量。
步骤S503,在图片质量未满足预设图片质量标准的情况下,从预设数据库中查询与人脸身份标识对应的备选人脸图片信息,确定备选人脸图片信息中的人脸图片的新鲜度和图片质量,在备选人脸图片信息中的人脸图片的新鲜度小于预设新鲜度阈值的情况下,判断人脸图片的图片质量是否满足预设图片质量标准,如果是,执行步骤S504,否则,执行步骤S505。
步骤S504,将备选人脸图片信息存入人脸数据库,并将人脸数据库中存储的备选人脸图片信息标记为最佳人脸图片信息;并结束该次人脸数据库建库流程。
步骤S505,基于备选人脸图片信息中的人脸图片预测生成预测人脸图片。
步骤S506,将预测人脸图片及其拍摄时间和人脸身份标识存入人脸数据库,并将人脸数据库中存储的预测人脸图片标记为预测图。
步骤S507,读取存入人脸数据库中的人脸图片信息的入库登记信息,其中,入库登记信息记录有存入人脸数据库中的最佳人脸图片信息和预测图对应的人脸图片信息的标记。
步骤S508,根据入库登记信息确定人脸图片信息的标记。
步骤S509,在根据标记确定人脸图片信息为预测图对应的人脸图片信息的情况下,将根据设定的时间间隔重新获取的人脸图片信息更新为待入库的人脸图片信息,并重复进行根据人脸图片的图片质量和新鲜度确定出最佳人脸图片信息的步骤,直至获取最佳人脸图片信息。
需要说明的是,在上述步骤S501至步骤S509中,判断备选人脸图片信息中的人脸图片的新鲜度及其图片质量是可以不分先后的。
通过上述步骤S501至步骤S509,实现通过人脸图片质量和新鲜度的优选策略和预测策略选取最佳图片,并通过轮询机制,确保有新鲜的人脸图片能被更新,从而满足人脸数据库建库需求。
在其中一些实施例中,在步骤S508之后,还包括下列步骤:在查询到人脸图片标记为最佳人脸图片信息的情况下,将人脸图片信息标记为建库成功并将对应的人脸图片信息入库。
图6是根据本申请优选实施例的人脸数据库建库方法的流程图五。如图6所示,该流程包括如下步骤:
步骤S601,获取待入库的人脸图片信息。
步骤S602,判断获取的人脸图片信息是否为最佳人脸图片信息,如果是,执行步骤S603,否则,执行步骤S604。
步骤S603,将最佳人脸图片信息存入人脸数据库。
步骤S604,从预设数据库中获取与人脸身份标识对应的备选人脸图片信息。
步骤S605,根据新鲜度和图片质量判断获取的备选人脸图片信息是否为最佳人脸图片信息,如果是,执行步骤S603,否则,执行步骤S606。
步骤S606,将根据备选人脸图片信息中的备选人脸图片预测生成的预测人脸图片及其拍摄时间和人脸身份标识存入人脸数据库、标记预测人脸图片为预测图。
步骤S607,判断存入人脸数据库中的人脸图片信息是否为预测图,如果是,执行步骤S608,否则,执行步骤S609。
步骤S608,按设定的时间间隔重新获取待入库的人脸图片信息,然后执行步骤S601。
步骤S609,完成该次人脸图片信息的入库。
本实施例还提供了一种人脸数据库建库装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图7是根据本申请实施例的人脸数据库建库装置的结构框图。如图7所示,该装置包括:
获取模块71,用于获取待入库的人脸图片信息,其中,人脸图片信息至少包括人脸图片、人脸身份标识、拍摄时间;
确定模块72,与获取模块71耦合连接,用于确定人脸图片的图片质量;
第一处理模块73,与确定模块72耦合连接,用于在图片质量未满足预设图片质量标准的情况下,从预设数据库中查询与人脸身份标识对应的备选人脸图片信息,并将根据新鲜度和图片质量从备选人脸图片信息中确定的最佳人脸图片信息存入人脸数据库,其中,新鲜度是基于人脸图片的拍摄时间确定的人脸图片存在时间。
在其中一些实施例中,装置还包括:第二处理模块,与确定模块72耦合连接,用于在图片质量满足预设图片质量标准的情况下,将人脸图片信息存入人脸数据库,并将人脸数据库中存储的人脸图片信息标记为最佳人脸图片信息。
在其中一些实施例中,确定模块72用于根据图片质量因子计算人脸图片的图片质量,其中,图片质量因子包括以下至少之一:图片宽高、图片清晰度、图片中人脸的角度。
在其中一些实施例中,装置还包括:第三处理模块,与确定模块72耦合连接,用于在图片质量未满足预设图片质量标准的情况下,从预设数据库中查询与人脸身份标识对应的备选人脸图片信息,将根据备选人脸图片信息中的备选人脸图片预测生成的预测人脸图片及其拍摄时间和人脸身份标识存入人脸数据库,并将人脸数据库中存储的预测人脸图片标记为预测图,其中,预测人脸图片的预测生成时间作为预测人脸图片的拍摄时间。
在其中一些实施例中,第三处理模块,用于确定备选人脸图片信息中的人脸图片的新鲜度和图片质量;在备选人脸图片信息中的人脸图片的新鲜度小于预设新鲜度阈值且其图片质量未满足预设图片质量标准的情况下,基于备选人脸图片信息中的人脸图片预测生成预测人脸图片,将预测人脸图片及其拍摄时间和人脸身份标识存入人脸数据库,并将人脸数据库中存储的预测人脸图片标记为预测图。
在其中一些实施例中,第一处理模块73,用于确定备选人脸图片信息中的人脸图片的新鲜度和图片质量;在备选人脸图片信息中的人脸图片的新鲜度小于预设新鲜度阈值且其图片质量满足预设图片质量标准的情况下,将备选人脸图片信息存入人脸数据库,并将人脸数据库中存储的备选人脸图片信息标记为最佳人脸图片信息
在其中一些实施例中,装置还包括:第四处理模块,与第一处理模块73耦合连接,用于在备选人脸图片信息中的人脸图片的新鲜度大于预设新鲜度阈值的情况下,基于备选人脸图片信息中的人脸图片预测生成预测人脸图片,将预测人脸图片及其拍摄时间和人脸身份标识存入人脸数据库,并将预测人脸图片标记为预测图,其中,预测人脸图片的预测生成时间作为预测人脸图片的拍摄时间。
在其中一些实施例中,装置还包括:第五处理模块,与第三处理模块和/或第四处理模块耦合连接,用于读取存入人脸数据库中的人脸图片信息的入库登记信息,其中,入库登记信息记录有存入人脸数据库中的最佳人脸图片信息和预测图对应的人脸图片信息的标记;根据入库登记信息确定人脸图片信息的标记;在根据标记确定人脸图片信息为预测图对应的人脸图片信息的情况下,将间隔设定时间间隔后重新获取的人脸图片信息更新为待入库的人脸图片信息,并重复进行根据人脸图片的图片质量和新鲜度确定出最佳人脸图片信息的步骤,直至获取最佳人脸图片信息。
在其中一些实施例中,装置还包括:第六处理模块,与第三处理模块耦合连接,用于读取存入所述人脸数据库中的所述人脸图片信息的入库登记信息,其中,所述入库登记信息记录有存入所述人脸数据库中的最佳人脸图片信息和预测图对应的人脸图片信息的标记;根据所述入库登记信息确定人脸图片信息的标记;在根据所述标记确定人脸图片信息为预测图对应的人脸图片信息的情况下,将根据设定的时间间隔重新获取的人脸图片信息更新为所述待入库的人脸图片信息,并重复进行根据人脸图片的图片质量和新鲜度确定出最佳人脸图片信息的步骤,直至获取最佳人脸图片信息。
需要说明的是,上述各个模块可以是功能模块也可以是程序模块,既可以通过软件来实现,也可以通过硬件来实现。对于通过硬件来实现的模块而言,上述各个模块可以位于同一处理器中;或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
另外,结合图1至图6中任一描述的本申请实施例一种人脸数据库建库方法可以由一种计算机设备来实现。图7为根据本申请实施例的一种计算机设备的硬件结构示意图。
本申请实施例的一种计算机设备可以包括处理器81以及存储有计算机程序指令的存储器82。
具体地,上述处理器81可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,简称为ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
其中,存储器82可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器82可包括硬盘驱动器(Hard Disk Drive,简称为HDD)、软盘驱动器、固态驱动器(SolidState Drive,简称为SSD)、闪存、光盘、磁光盘、磁带或通用串行总线(Universal SerialBus,简称为USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器82可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器82可在数据处理装置的内部或外部。在特定实施例中,存储器82是非易失性(Non-Volatile)存储器。在特定实施例中,存储器82包括只读存储器(Read-Only Memory,简称为ROM)和随机存取存储器(RandomAccess Memory,简称为RAM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(Programmable Read-Only Memory,简称为PROM)、可擦除PROM(Erasable ProgrammableRead-Only Memory,简称为EPROM)、电可擦除PROM(Electrically Erasable ProgrammableRead-Only Memory,简称为EEPROM)、电可改写ROM(Electrically Alterable Read-OnlyMemory,简称为EAROM)或闪存(FLASH)或者两个或更多个以上这些的组合。在合适的情况下,该RAM可以是静态随机存取存储器(Static Random-Access Memory,简称为SRAM)或动态随机存取存储器(Dynamic Random Access Memory,简称为DRAM),其中,DRAM可以是快速页模式动态随机存取存储器(Fast Page Mode Dynamic Random Access Memory,简称为FPMDRAM)、扩展数据输出动态随机存取存储器(Extended Date Out Dynamic RandomAccess Memory,简称为EDODRAM)、同步动态随机存取内存(Synchronous Dynamic Random-Access Memory,简称SDRAM)等。
存储器82可以用来存储或者缓存需要处理和/或通信使用的各种数据文件,以及处理器81所执行的可能的计算机程序指令。
处理器81通过读取并执行存储器82中存储的计算机程序指令,以实现上述实施例中的任意一种人脸数据库建库方法。
在其中一些实施例中,一种计算机设备还可包括通信接口83和总线80。其中,如图8所示,处理器81、存储器82、通信接口83通过总线80连接并完成相互间的通信。
通信接口83用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。通信接口83还可以实现与其他部件例如:外接设备、图像/数据采集设备、数据库、外部存储以及图像/数据处理工作站等之间进行数据通信。
总线80包括硬件、软件或两者,将计算机设备的部件彼此耦接在一起。总线80包括但不限于以下至少之一:数据总线(Data Bus)、地址总线(Address Bus)、控制总线(Control Bus)、扩展总线(Expansion Bus)、局部总线(Local Bus)。举例来说而非限制,总线80可包括图形加速接口(Accelerated Graphics Port,简称为AGP)或其他图形总线、增强工业标准架构(Extended Industry Standard Architecture,简称为EISA)总线、前端总线(Front Side Bus,简称为FSB)、超传输(Hyper Transport,简称为HT)互连、工业标准架构(Industry Standard Architecture,简称为ISA)总线、无线带宽(InfiniBand)互连、低引脚数(Low Pin Count,简称为LPC)总线、存储器总线、微信道架构(Micro ChannelArchitecture,简称为MCA)总线、外围组件互连(Peripheral Component Interconnect,简称为PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(Serial AdvancedTechnology Attachment,简称为SATA)总线、视频电子标准协会局部(Video ElectronicsStandards Association Local Bus,简称为VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线80可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线,但本申请考虑任何合适的总线或互连。
该计算机设备可以基于获取到的人脸图片信息,执行本申请实施例中的一种人脸数据库建库方法,从而实现结合图1到图6中任一描述的人脸数据库建库方法。
另外,结合上述实施例中的提高人脸数据库建库质量方法,本申请实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例中的任意一种人脸数据库建库方法。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (12)
1.一种人脸数据库建库方法,其特征在于,包括:
获取待入库的人脸图片信息,其中,所述人脸图片信息至少包括人脸图片、人脸身份标识、拍摄时间;
确定所述人脸图片的图片质量;
在所述图片质量未满足预设图片质量标准的情况下,从预设数据库中查询与所述人脸身份标识对应的备选人脸图片信息,并将根据新鲜度和图片质量从所述备选人脸图片信息中确定的最佳人脸图片信息存入人脸数据库,其中,所述新鲜度是基于人脸图片的拍摄时间确定的人脸图片存在时间。
2.根据权利要求1所述的方法,其特征在于,在确定所述人脸图片的图片质量之后,所述方法还包括:
在所述图片质量满足所述预设图片质量标准的情况下,将所述人脸图片信息存入所述人脸数据库,并将所述人脸数据库中存储的所述人脸图片信息标记为最佳人脸图片信息。
3.根据权利要求1所述的方法,其特征在于,所述确定所述人脸图片的图片质量包括:
根据图片质量因子计算所述人脸图片的图片质量,其中,所述图片质量因子包括以下至少之一:图片宽高、图片清晰度、图片中人脸的角度。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在所述图片质量未满足预设图片质量标准的情况下,从所述预设数据库中查询与所述人脸身份标识对应的所述备选人脸图片信息,将根据所述备选人脸图片信息中的备选人脸图片预测生成的预测人脸图片及其拍摄时间和人脸身份标识存入所述人脸数据库,并将所述人脸数据库中存储的所述预测人脸图片标记为预测图,其中,所述预测人脸图片的预测生成时间作为所述预测人脸图片的拍摄时间。
5.根据权利要求4所述的方法,其特征在于,所述将根据所述备选人脸图片信息中的备选人脸图片预测生成的预测人脸图片及其拍摄时间和人脸身份标识存入所述人脸数据库包括:
确定所述备选人脸图片信息中的人脸图片的新鲜度和图片质量;
在所述备选人脸图片信息中的人脸图片的新鲜度小于预设新鲜度阈值且其图片质量未满足所述预设图片质量标准的情况下,基于所述备选人脸图片信息中的人脸图片预测生成预测人脸图片,将所述预测人脸图片及其拍摄时间和人脸身份标识存入所述人脸数据库,并将所述人脸数据库中存储的所述预测人脸图片标记为预测图。
6.根据权利要求1所述的方法,其特征在于,所述将根据新鲜度和图片质量从所述备选人脸图片信息中确定的最佳人脸图片信息存入人脸数据库包括:
确定所述备选人脸图片信息中的人脸图片的新鲜度和图片质量;
在所述备选人脸图片信息中的人脸图片的新鲜度小于预设新鲜度阈值且其图片质量满足所述预设图片质量标准的情况下,将所述备选人脸图片信息存入所述人脸数据库,并将所述人脸数据库中存储的所述备选人脸图片信息标记为最佳人脸图片信息。
7.根据权利要求6所述的方法,其特征在于,在确定所述备选人脸图片信息中的人脸图片的新鲜度和图片质量之后,所述方法还包括:
在所述备选人脸图片信息中的人脸图片的新鲜度大于所述预设新鲜度阈值的情况下,基于所述备选人脸图片信息中的人脸图片预测生成预测人脸图片,将所述预测人脸图片及其拍摄时间和人脸身份标识存入所述人脸数据库,并将所述预测人脸图片标记为预测图,其中,所述预测人脸图片的预测生成时间作为所述预测人脸图片的拍摄时间。
8.根据权利要求7所述的方法,其特征在于,在将所述预测人脸图片及其拍摄时间和人脸身份标识存入所述人脸数据库,并将所述预测人脸图片标记为预测图之后,所述方法还包括:
读取存入所述人脸数据库中的所述人脸图片信息的入库登记信息,其中,所述入库登记信息记录有存入所述人脸数据库中的最佳人脸图片信息和预测图对应的人脸图片信息的标记;
根据所述入库登记信息确定人脸图片信息的标记;
在根据所述标记确定人脸图片信息为预测图对应的人脸图片信息的情况下,将根据设定的时间间隔重新获取的人脸图片信息更新为所述待入库的人脸图片信息,并重复进行根据人脸图片的图片质量和新鲜度确定出最佳人脸图片信息的步骤,直至获取最佳人脸图片信息。
9.根据权利要求5所述的方法,其特征在于,在将所述预测人脸图片及其拍摄时间和人脸身份标识存入所述人脸数据库,并将所述人脸数据库中存储的所述预测人脸图片标记为预测图之后,所述方法还包括:
读取存入所述人脸数据库中的所述人脸图片信息的入库登记信息,其中,所述入库登记信息记录有存入所述人脸数据库中的最佳人脸图片信息和预测图对应的人脸图片信息的标记;
根据所述入库登记信息确定人脸图片信息的标记;
在根据所述标记确定人脸图片信息为预测图对应的人脸图片信息的情况下,将根据设定的时间间隔重新获取的人脸图片信息更新为所述待入库的人脸图片信息,并重复进行根据人脸图片的图片质量和新鲜度确定出最佳人脸图片信息的步骤,直至获取最佳人脸图片信息。
10.一种人脸数据库建库装置,其特征在于,包括:
获取模块,用于获取待入库的人脸图片信息,其中,所述人脸图片信息至少包括人脸图片、人脸身份标识、拍摄时间;
确定模块,用于确定所述人脸图片的图片质量;
处理模块,用于在所述图片质量未满足预设图片质量标准的情况下,从预设数据库中查询与所述人脸身份标识对应的备选人脸图片信息,并将根据新鲜度和图片质量从所述备选人脸图片信息中确定的最佳人脸图片信息存入人脸数据库,其中,所述新鲜度是基于人脸图片的拍摄时间确定的人脸图片存在时间。
11.一种计算机设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至9中任一项所述的一种人脸数据库建库方法。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至9中任一项所述的一种人脸数据库建库方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010411898.7A CN111680175B (zh) | 2020-05-15 | 2020-05-15 | 人脸数据库建库方法、计算机设备和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010411898.7A CN111680175B (zh) | 2020-05-15 | 2020-05-15 | 人脸数据库建库方法、计算机设备和计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111680175A true CN111680175A (zh) | 2020-09-18 |
CN111680175B CN111680175B (zh) | 2023-04-25 |
Family
ID=72434045
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010411898.7A Active CN111680175B (zh) | 2020-05-15 | 2020-05-15 | 人脸数据库建库方法、计算机设备和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111680175B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113792168A (zh) * | 2021-08-11 | 2021-12-14 | 同盾科技有限公司 | 人脸底库自维护的方法、系统、电子装置和存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080013829A1 (en) * | 2006-03-28 | 2008-01-17 | Stebbings David W | System and method for the identification of motional media in players and recorders without Internet access |
CN107590212A (zh) * | 2017-08-29 | 2018-01-16 | 深圳英飞拓科技股份有限公司 | 一种人脸图片的入库系统及方法 |
CN109376690A (zh) * | 2018-11-22 | 2019-02-22 | 大连智讯科技有限公司 | 人脸识别打卡系统 |
CN109919035A (zh) * | 2019-01-31 | 2019-06-21 | 平安科技(深圳)有限公司 | 提高考勤识别通过的方法、装置、计算机设备和存储介质 |
CN110490162A (zh) * | 2019-08-23 | 2019-11-22 | 北京搜狐新时代信息技术有限公司 | 基于人脸识别解锁功能显示人脸变化的方法、装置和系统 |
CN110647823A (zh) * | 2019-09-02 | 2020-01-03 | 中国建设银行股份有限公司 | 一种优化人脸底库的方法和装置 |
CN110866418A (zh) * | 2018-08-27 | 2020-03-06 | 阿里巴巴集团控股有限公司 | 图像底库生成方法、装置、设备、系统及存储介质 |
-
2020
- 2020-05-15 CN CN202010411898.7A patent/CN111680175B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080013829A1 (en) * | 2006-03-28 | 2008-01-17 | Stebbings David W | System and method for the identification of motional media in players and recorders without Internet access |
CN107590212A (zh) * | 2017-08-29 | 2018-01-16 | 深圳英飞拓科技股份有限公司 | 一种人脸图片的入库系统及方法 |
CN110866418A (zh) * | 2018-08-27 | 2020-03-06 | 阿里巴巴集团控股有限公司 | 图像底库生成方法、装置、设备、系统及存储介质 |
CN109376690A (zh) * | 2018-11-22 | 2019-02-22 | 大连智讯科技有限公司 | 人脸识别打卡系统 |
CN109919035A (zh) * | 2019-01-31 | 2019-06-21 | 平安科技(深圳)有限公司 | 提高考勤识别通过的方法、装置、计算机设备和存储介质 |
CN110490162A (zh) * | 2019-08-23 | 2019-11-22 | 北京搜狐新时代信息技术有限公司 | 基于人脸识别解锁功能显示人脸变化的方法、装置和系统 |
CN110647823A (zh) * | 2019-09-02 | 2020-01-03 | 中国建设银行股份有限公司 | 一种优化人脸底库的方法和装置 |
Non-Patent Citations (1)
Title |
---|
王孝国;张雄伟;: "基于DSP的嵌入式图像识别系统设计与实现" * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113792168A (zh) * | 2021-08-11 | 2021-12-14 | 同盾科技有限公司 | 人脸底库自维护的方法、系统、电子装置和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111680175B (zh) | 2023-04-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106446816B (zh) | 人脸识别方法及装置 | |
CN108733819B (zh) | 一种人员档案建立方法和装置 | |
CN111949827B (zh) | 视频抄袭检测方法、装置、设备和介质 | |
CN109801260B (zh) | 牲畜个数的识别方法、装置、控制装置及可读存储介质 | |
CN110913243B (zh) | 一种视频审核的方法、装置和设备 | |
EP2742442B1 (en) | A method for detecting a copy of a reference video, corresponding apparatus for extracting a spatio-temporal signature from video data and corresponding computer readable storage medium | |
CN108038176B (zh) | 一种路人库的建立方法、装置、电子设备及介质 | |
CN108985162A (zh) | 目标实时跟踪方法、装置、计算机设备及存储介质 | |
EP2806374A1 (en) | Method and system for automatic selection of one or more image processing algorithm | |
CN109816200B (zh) | 任务推送方法、装置、计算机设备和存储介质 | |
CN109547748B (zh) | 对象落脚点确定方法、装置及存储介质 | |
CN110826418B (zh) | 脸部特征提取方法及装置 | |
CN105320923A (zh) | 车型识别方法及装置 | |
CN111191568A (zh) | 翻拍图像识别方法、装置、设备及介质 | |
CN111368867B (zh) | 档案归类方法及系统、计算机可读存储介质 | |
CN111144332A (zh) | 一种图片聚档方法、装置和电子设备 | |
CN112116556A (zh) | 一种客流量统计方法、装置和计算机设备 | |
CN111860590A (zh) | 车牌投票方法、装置、计算机设备和存储介质 | |
CN111680175A (zh) | 人脸数据库建库方法、计算机设备和计算机可读存储介质 | |
CN111783910A (zh) | 建筑项目管理方法、电子设备及相关产品 | |
CN111611821B (zh) | 二维码识别方法、装置、计算机设备和可读存储介质 | |
CN112883213B (zh) | 一种图片归档方法、装置及电子设备 | |
CN112052251B (zh) | 目标数据更新方法和相关装置、设备及存储介质 | |
CN108985240B (zh) | 评估对象检测算法的方法、装置、电子设备和存储介质 | |
CN111274965A (zh) | 人脸识别方法、装置、计算机设备和存储介质 |
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 |