CN112183161B - 人脸数据库的处理方法、装置及设备 - Google Patents
人脸数据库的处理方法、装置及设备 Download PDFInfo
- Publication number
- CN112183161B CN112183161B CN201910598921.5A CN201910598921A CN112183161B CN 112183161 B CN112183161 B CN 112183161B CN 201910598921 A CN201910598921 A CN 201910598921A CN 112183161 B CN112183161 B CN 112183161B
- Authority
- CN
- China
- Prior art keywords
- face
- database
- identity
- model
- face model
- 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 abstract description 14
- 238000000034 method Methods 0.000 claims abstract description 66
- 238000012545 processing Methods 0.000 claims abstract description 43
- 238000004590 computer program Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 abstract description 27
- 238000010586 diagram Methods 0.000 description 16
- 238000004458 analytical method Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 7
- 230000007246 mechanism Effects 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
- 230000000694 effects Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/50—Maintenance of biometric data or enrolment thereof
-
- 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)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供的人脸数据库的处理方法、装置及设备,应用设备从服务设备接收到第一人脸模型的人脸比对结果后,若人脸比对结果指示的是与第一人脸模型的相似度满足预设条件的人脸模型对应的第一身份标识,则应用设备将第一人脸模型添加至第二人脸数据库中与第一身份标识对应的人脸模型列表中,并将第二人脸数据库增量下发至服务设备,以使服务设备增量更新第一人脸数据库,使得第一人脸数据库与第二人脸数据库一致。通过上述过程,应用设备将识别到的人脸模型保留到人脸数据库中,可以动态增加人脸数据库中的样本数量,使得每个人员对应有多角度的人脸模型,提高人脸数据库的样本多样性,从而提高人脸识别的准确率。
Description
技术领域
本发明实施例涉及智能安防技术领域,尤其涉及一种人脸数据库的处理方法、装置及设备。
背景技术
目前,在需要对人员身份进行核实的场景,经常用到人脸比对技术。人脸比对技术是指采集待识别人员的人脸图片,采用人脸识别分析算法,得到该人脸图片对应的人脸模型,将该人脸模型与人脸数据库中的各已知身份人员对应的人脸模型进行比对,从而确定出该待识别人员的身份。
人脸数据库用于存储已知身份人员对应的人脸模型。将这些已知身份人员称为样本人员。通常,这些样本人员是由样本采集机构提供的,样本采集机构负责采集样本人员的人脸图片,并确定样本人员的身份。通过对这些样本人员的人脸图片进行人脸识别分析,得到人脸模型后,将这些人脸模型与其对应的样本人员的身份记录到人脸数据库中。
然而,在使用上述人脸数据库进行人脸比对时,人脸识别的准确率不高。
发明内容
本发明实施例提供一种人脸数据库的处理方法、装置及设备,用以提高人脸识别的准确率。
第一方面,本发明实施例提供一种人脸数据库的处理方法,包括:
应用设备将第一人脸模型发送至服务设备,所述服务设备用于将所述第一人脸模型与第一人脸数据库进行比对,得到人脸比对结果;所述第一人脸数据库用于存储样本人员的身份标识和所述身份标识对应的人脸模型列表;
所述应用设备从所述服务设备接收所述人脸比对结果;
若所述人脸比对结果用于指示与所述第一人脸模型的相似度满足预设条件的人脸模型对应的第一身份标识,则所述应用设备将所述第一人脸模型添加至第二人脸数据库中与所述第一身份标识对应的人脸模型列表中,在所述添加之前,所述第一人脸数据库与所述第二人脸数据库一致;
所述应用设备将所述第二人脸数据库增量下发至所述服务设备,所述服务设备用于增量更新所述第一人脸数据库,使得所述第一人脸数据库与所述第二人脸数据库一致。
可选的,所述应用设备将所述第一人脸模型添加至第二人脸数据库中与所述第一身份标识对应的人脸模型列表中,包括:
所述应用设备从第一身份标识对应的人脸模型列表中,确定出质量评分最低的第二人脸模型;
若确定所述第二人脸模型对应的质量评分低于所述第一人脸模型对应的质量评分,则所述应用设备将所述第一人脸模型添加至所述第一身份标识对应的人脸模型列表中,并删除所述第二人脸模型。
可选的,在所述应用设备从第一身份标识对应的人脸模型列表中,确定出质量评分最低的第二人脸模型之前,所述方法还包括:
所述应用设备获取所述第二人脸数据库中所述第一身份标识对应的人脸模型的数量;
所述应用设备确定所述第一身份标识对应的人脸模型的数量大于或等于第二预设阈值。
可选的,所述人脸比对结果还用于指示所述第一人脸模型与所述第一人脸数据库中的多个人脸模型的相似度,所述应用设备从所述服务设备接收所述人脸比对结果之后,所述方法还包括:
若在所述多个人脸模型中,确定存在与所述第一人脸模型的相似度大于或等于第三预设阈值的至少两个人脸模型,且,所述至少两个人脸模型包括已知样本人员的人脸模型和未知样本人员的人脸模型,则将所述第二人脸数据库中的所述未知样本人员的身份标识修改为与所述已知样本人员的身份标识一致。
可选的,所述方法还包括:
若所述人脸比对结果用于指示所述第一人脸数据库中不存在与所述第一人脸模型的相似度满足预设条件的人脸模型;
所述应用设备在所述第二人脸数据库中新增未知样本人员的身份标识,并将所述第一人脸模型添加至所述未知样本人员的身份标识对应的人脸模型列表中。
可选的,所述应用设备将第一人脸模型发送至服务设备之前,还包括:
所述应用设备获取第二人脸数据库,所述第二人脸数据库中包括至少一个样本人员对应的身份标识和身份标识对应的人脸模型;
所述应用设备将第二人脸数据库中的各样本人员的身份标识和身份标识对应的人脸模型发送至所述服务设备,所述服务设备用于将各样本人员的身份标识和身份标识对应的人脸模型存储到第一人脸数据库中。
第二方面,本发明实施例提供一种人脸数据库的处理装置,应用于应用设备,所述装置包括:
发送模块,用于将第一人脸模型发送至服务设备,所述服务设备用于将所述第一人脸模型与第一人脸数据库进行比对,得到人脸比对结果;所述第一人脸数据库用于存储样本人员的身份标识和所述身份标识对应的人脸模型列表;
接收模块,用于从所述服务设备接收所述人脸比对结果;
处理模块,用于若所述人脸比对结果用于指示与所述第一人脸模型的相似度满足预设条件的人脸模型对应的第一身份标识,则将所述第一人脸模型添加至第二人脸数据库中与所述第一身份标识对应的人脸模型列表中,在所述添加之前,所述第一人脸数据库与所述第二人脸数据库一致;
发送模块,还用于将所述第二人脸数据库增量下发至所述服务设备,所述服务设备用于增量更新所述第一人脸数据库,使得所述第一人脸数据库与所述第二人脸数据库一致。
可选的,所述处理模块具体用于:
从第一身份标识对应的人脸模型列表中,确定出质量评分最低的第二人脸模型;
若确定所述第二人脸模型对应的质量评分低于所述第一人脸模型对应的质量评分,则将所述第一人脸模型添加至所述第一身份标识对应的人脸模型列表中,并删除所述第二人脸模型。
可选的,所述处理模块还具体用于:
获取所述第二人脸数据库中所述第一身份标识对应的人脸模型的数量;
确定所述第一身份标识对应的人脸模型的数量大于或等于第二预设阈值。
可选的,所述人脸比对结果还用于指示所述第一人脸模型与所述第一人脸数据库中的多个人脸模型的相似度,所述处理模块还用于:
若在所述多个人脸模型中,确定存在与所述第一人脸模型的相似度大于或等于第三预设阈值的至少两个人脸模型,且,所述至少两个人脸模型包括已知样本人员的人脸模型和未知样本人员的人脸模型,则将所述第二人脸数据库中的所述未知样本人员的身份标识修改为与所述已知样本人员的身份标识一致。
可选的,所述处理模块还用于:
若所述人脸比对结果用于指示所述第一人脸数据库中不存在与所述第一人脸模型的相似度满足预设条件的人脸模型,所述应用设备在所述第二人脸数据库中新增未知样本人员的身份标识,并将所述第一人脸模型添加至所述未知样本人员的身份标识对应的人脸模型列表中。
可选的,所述装置还包括:
获取模块,用于获取第二人脸数据库,所述第二人脸数据库中包括至少一个样本人员对应的身份标识和身份标识对应的人脸模型;
所述发送模块,还用于将第二人脸数据库中的各样本人员的身份标识和身份标识对应的人脸模型发送至所述服务设备,所述服务设备用于将各样本人员的身份标识和身份标识对应的人脸模型存储到第一人脸数据库中。
第三方面,本发明实施例提供一种人脸数据库的处理设备,其特征在于,包括:存储器、处理器以及计算机程序,所述计算机程序存储在所述存储器中,所述处理器运行所述计算机程序执行如第一方面任一项所述的方法。
第四方面,本发明实施例提供一种计算机可读存储介质,所述计算机可读存储介质包括计算机程序,所述计算机程序被处理器执行时实现如第一方面任一项所述的方法。
本发明实施例提供的人脸数据库的处理方法、装置及设备,应用设备从服务设备接收到第一人脸模型的人脸比对结果后,若人脸比对结果指示的是与第一人脸模型的相似度满足预设条件的人脸模型对应的第一身份标识,则应用设备将第一人脸模型添加至第二人脸数据库中与第一身份标识对应的人脸模型列表中,并将第二人脸数据库增量下发至服务设备,以使服务设备增量更新第一人脸数据库,使得第一人脸数据库与第二人脸数据库一致。通过上述过程,应用设备将识别到的人脸模型保留到人脸数据库中,可以动态增加人脸数据库中的样本数量,使得每个人员对应有多角度的人脸模型,提高人脸数据库的样本多样性,从而提高人脸识别的准确率。
附图说明
为了更清楚地说明本发明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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例适应的人脸比对场景示意图;
图2为本发明一实施例提供的人脸数据库的处理方法的流程示意图;
图3为本发明实施例提供的人脸数据库同步过程的示意图;
图4为本发明实施例提供的人脸比对过程示意图;
图5为本发明实施例提供的人脸数据库增量更新过程的示意图;
图6为本发明另一实施例提供的人脸数据库的处理方法的流程示意图;
图7为本发明实施例提供的人脸数据库的更新过程的示意图;
图8为本发明又一实施例提供的人脸数据库的处理方法的流程示意图;
图9为本发明实施例提供的人脸数据库的更新过程的示意图;
图10为本发明一实施例提供的人脸数据库的处理装置的结构示意图;
图11为本发明另一实施例提供的人脸数据库的处理装置的结构示意图;
图12为本发明实施例提供的人脸数据库的处理设备的硬件结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,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、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
图1为本发明实施例适应的人脸比对场景示意图。如图1所示,该场景包括:建模设备、应用设备和服务设备。
其中,建模设备用于对人脸图片进行人脸检测、分析和建模,得到人脸模型。人脸模型是根据人脸建模算法将人脸图片换算出的一组二进制数据。可以理解的,人脸图片越清晰,得到的人脸模型的质量评分越高。同一个人脸建模算法换算出的两个人脸模型之间可以互相比对,得出两个人脸模型的相似度。
服务设备是用于对人脸模型进行比对的设备。本申请实施例中,服务设备是指人脸模型比对服务器,具有对两个人脸模型进行算法匹配,识别出人脸相似度的能力。服务设备中设置有人脸比对算法和人脸数据库。人脸数据库中存储了已知样本人员的身份标识和人脸模型。对于输入至服务设备的待识别的人脸模型,服务设备通过执行人脸比对算法,将待识别的人脸模型和人脸数据库中的人脸模型进行比对,得到相似度满足预设条件的人脸模型,从而确定出待识别的人脸模型对应的身份标识。
应用设备是与具体的应用场景相关的智能设备。应用设备用于根据当前的应用场景实现该场景对应的人员识别需求。本发明实施例所适应的应用场景包括但不限于:无人商店场景、客流统计场景、人员预警场景、学校、医院、车站、机场、门禁、闸机等。
需要说明的是,一些应用场景下,图1中的建模设备、应用设备和服务设备均可以是集群设备。
以应用于门禁场景为例,首先,由样本采集机构预先采集该门禁对应的样本人员的身份标识和人脸图片。为了描述方便,将有权限通过该门禁的人员称为样本人员。然后,通过建模设备对采集到的人脸图片进行人脸检测、分析和建模,得到各样本人员对应的人脸模型。将各样本人员的身份标识和人脸模型存储至人脸数据库中。
本实施例场景中,服务设备是用于执行人脸比对算法的设备。而应用设备是与具体的应用场景相关,因此,应用设备用于存储和维护该场景对应的人脸数据库。
示例性的,应用设备本地得到人脸数据库后,将人脸数据库发送至服务设备,使得服务设备在本地生成一份人脸数据库。可以理解的,服务设备本地的人脸数据库和应用设备本地的人脸数据库存储的内容一致。为了描述方便,本申请实施例中,将服务设备本地的人脸数据库称为第一人脸数据库,将应用设备本地的人脸数据库称为第二人脸数据库。
下面依然以门禁场景为例,描述具体的人员识别过程。示例性的,在门禁入口处设置采集装置,当人员进入门禁处时,采集装置采集该人员的人脸图片,并将人脸图片发送至建模设备。建模设备通过对人脸图片进行人脸检测、分析和建模,生成人脸模型,并将该人脸模型发送至门禁应用设备。门禁应用设备将该人脸模型发送至服务设备进行人脸比对。具体的,服务设备将该人脸模型与第一人脸数据库中的人脸模型分别进行比对,确定出相似度。示例性的,假设该人脸模型与第一人脸数据库中的人员A的人脸模型的相似度满足预设条件,则确定当前人员为人员A。并将人脸比对结果发送至门禁应用设备。门禁应用设备接收到人脸比对结果后,确定该人员A是有权限进入门禁的,则控制门禁打开,使得人员可以通过。
需要说明的是,上述门禁场景的描述是为了方便理解本发明的方案而进行的示例性说明。但是,本发明实施例的应用场景并不限于此。在应用到不同的应用场景时,上述的人员识别过程可能有所不同。本实施例对此不一一列举。
现有技术中,由样本采集机构采集样本人员的身份标识和人脸图片。通过建模设备对采集到的人脸图片进行人脸检测、分析和建模,得到各样本人员对应的人脸模型。将各样本人员的身份标识和人脸模型存储至应用设备中的第二人脸数据库中。然后,由应用设备将第二人脸数据库中的数据同步至服务设备,使得服务设备中的第二人脸数据库与第一人脸数据库的内容保持一致。
然而,由于实际应用中,抓拍到的人脸图片的角度、清晰度等具有多样性,服务设备使用第二人脸数据库进行人脸比对时,人脸识别的准确率不高。
为了解决上述问题,本发明实施例提供一种人脸数据库的处理方法,能够实时根据人脸模型的比对结果,对人脸数据库进行更新,以动态扩容人脸数据库中的样本数量,提高人脸数据库的样本多样性,从而提高人脸识别的准确率。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
图2为本发明一实施例提供的人脸数据库的处理方法的流程示意图。本实施例的方法可以有图1中的应用设备执行。
如图2所示,本实施例的方法包括:
S201:应用设备将第一人脸模型发送至服务设备,所述服务设备用于将所述第一人脸模型与第一人脸数据库进行比对,得到人脸比对结果;所述第一人脸数据库用于存储样本人员的身份标识和所述身份标识对应的人脸模型列表。
S202:所述应用设备从所述服务设备接收所述人脸比对结果。
其中,第一人脸模型是待识别的人脸图片对应的人脸模型。示例性的,可以通过图1中的建模设备对待识别的人脸图片进行人脸检测、分析和建模,得到第一人脸模型。
一种可能的实施方式中,建模设备向应用设备输出第一人脸模型的同时,还会向应用设备输出第一人脸模型对应的质量评分。其中,本发明实施例中,人脸模型对应的质量评分用于指示该人脸模型的可识别度。可以理解的,人脸模型的可识别度与人脸图片的拍摄角度、清晰度等有关。人脸模型的质量评分越高,说明该人脸模型的质量越高,对于人脸识别的准确性的贡献越高。
本实施例中,应用设备从建模设备获取第一人脸模型后,将第一人脸模型发送至服务设备。进而,服务设备将该第一人脸模型与第一人脸数据库中的各人脸模型进行比对,得到人脸比对结果。其中,第一人脸数据库中存储的是样本人员的身份标识和所述身份标识对应的人脸模型列表。
本申请实施例的应用场景中,应用设备一侧设置有第二人脸数据库,服务设备一侧设置有第一人脸数据库。第一人脸数据库与第二人脸数据库的存储内容一致。
一种可能的实施方式中,第一人脸数据库是从第二人脸数据库整量同步得到的。
具体的,应用设备获取第二人脸数据库,所述第二人脸数据库中包括至少一个样本人员对应的身份标识和身份标识对应的人脸模型。示例性的,应用设备获取第二人脸数据库的过程可以为:由样本采集机构采集样本人员的人脸图片和身份标识,通过建模设备对各人脸图片进行人脸检测、分析和建模,得到人脸图片对应的人脸模型。应用设备根据样本人员的身份标识和人脸模型生成第二人脸数据库。
所述应用设备将第二人脸数据库中的各样本人员的身份标识和身份标识对应的人脸模型发送至所述服务设备,所述服务设备用于将各样本人员的身份标识和身份标识对应的人脸模型存储到第一人脸数据库中,使得第一人脸数据库与第二人脸数据库的存储内容一致。
图3为本发明实施例提供的人脸数据库同步过程的示意图。如图3所示,应用设备生成的第二人脸数据库中包括3个样本人员的人脸模型,分别为:人员A的人脸模型、人员B的人脸模型、人员C的人脸模型。应用设备将三个人员的人脸模型下发至服务设备,服务设备将这三个人员的人脸模型存储至第一人脸数据库中,从而第一人脸数据库与第二人脸数据库的存储内容一致。
本实施例中,图3所示的人脸数据库的同步过程也可以称为整量同步,或者全量同步。整量同步适用于首次同步数据库的场景,或者周期性同步数据库的场景。示例性的,应用设备第一次向服务设备下发人脸模型时,采用整量同步的方式,将所有样本人员的人脸模型下发到服务设备。或者,应用设备每隔一定周期,例如一周,采用整量同步的方式向服务设备下发一次所有样本人员的人脸模型。
本申请实施例中,数据库中存储的每个样本人员的人脸模型可以有一个或者多个,本实施例对此不作具体限定。
图4为本发明实施例提供的人脸比对过程示意图。如图4所示,假设当前第一人脸数据库和第二人脸数据库中存储了三个样本人员的人脸模型,分别为:人员A的人脸模型、人员B的人脸模型、人员C的人脸模型。将当前待识别的人员称为未知人员X。如图4所示,应用设备将未知人员X的人脸模型输入至服务设备,服务设备将未知人员X的人脸模型分别与人员A、人员B和人员C的人脸模型进行比对,得到未知人员X的人脸模型与上述三个样本人员的人脸模型的相似度,进而,根据各相似度,确定出该未知人员X的身份标识。示例性的,如图4所示,服务设备通过对比确定出未知人员X与样本人员A的人脸模型的相似度满足预设条件,因此,将未知人员的身份标识确定为人员A。服务设备向应用设备发送的人脸比对结果中指示了该未知人员X为人员A。
S203:若所述人脸比对结果用于指示与所述第一人脸模型的相似度满足预设条件的人脸模型对应的第一身份标识,则所述应用设备将所述第一人脸模型添加至第二人脸数据库中与所述第一身份标识对应的人脸模型列表中,在所述添加之前,所述第一人脸数据库与所述第二人脸数据库一致。
S204:所述应用设备将所述第二人脸数据库增量下发至所述服务设备,所述服务设备用于增量更新所述第一人脸数据库,使得所述第一人脸数据库与所述第二人脸数据库一致。
服务设备将第一人脸模型与第一数据库中的各人脸模型进行比对,若第一人脸模型与某个样本人员的人脸模型的相似度满足预设条件,则将该样本人员的身份标识作为人脸比对结果。结合图4,服务设备判断人员X的人脸模型与人员A的人脸模型的相似度大于或等于预设阈值,则将人员X确定为人员A。
本申请实施例中,应用设备收到人脸比对结果后,如果该人脸比对结果指示的是与第一人脸模型的相似度满足预设条件的人脸模型对应的第一身份标识,则将第一人脸模型添加至第二人脸数据库中与第一身份标识对应的人脸模型列表中。也就是说,将第一人脸模型也作为第二人脸数据库中的样本。
进一步的,由于第二人脸数据库的存储内容发生变化,应用设备将第二人脸数据库增量下发至服务设备,进而,服务设备增量更新第一人脸数据库,使得第一人脸数据库与第二人脸数据库一致。
图5为本发明实施例提供的人脸数据库增量更新过程的示意图。如图5所示,应用设备将图4中识别到的人员A的人脸模型添加至第二人脸数据库中。可以理解的,新添加的人脸模型作为人员A的多样本,相当于增加了人员A的样本数量。需要说明的是,图5中为了示例方便,将新添加的人脸模型标记为人员A1,实际上,人员A和人员A1表示的均为人员A。
进一步的,继续参见图5,应用设备对第二人脸数据库进行更新后,将第二人脸数据库增量下发至服务设备。示例性的,将在第二人脸数据库中添加的人脸模型增量下发至服务设备,使得服务设备增量更新第一人脸数据库。即,服务设备将人员A1也添加至第一人脸数据库中,从而保证第一人脸数据库与第二人脸数据库保持一致。
本实施例提供的人脸数据库的处理方法,应用设备从服务设备接收到第一人脸模型的人脸比对结果后,若人脸比对结果指示的是与第一人脸模型的相似度满足预设条件的人脸模型对应的第一身份标识,则应用设备将第一人脸模型添加至第二人脸数据库中与第一身份标识对应的人脸模型列表中,并将第二人脸数据库增量下发至服务设备,以使服务设备增量更新第一人脸数据库,使得第一人脸数据库与第二人脸数据库一致。通过上述过程,应用设备将识别到的人脸模型保留到人脸数据库中,可以动态增加人脸数据库中的样本数量,使得每个人员对应有多角度的人脸模型,提高人脸数据库的样本多样性,从而提高人脸识别的准确率。
图2所示的实施例中,步骤S203中,应用设备将第一人脸模型添加至第二数据库中,具体可以有多种实施方式。一种可能的实施方式中,只要接收到第一人脸模型的人脸比对结果,就将该第一人脸模型添加至第二数据库中。另一种可能的实施方式中,将第一人脸模型替换掉第二数据库中质量评分低的人脸模型。下面结合图6对第二种可能的实施方式进行详细描述。图6是对S203的进一步细化。
图6为本发明另一实施例提供的人脸数据库的处理方法的流程示意图。如图6所示,该方法包括:
S601:应用设备获取所述第二人脸数据库中所述第一身份标识对应的人脸模型的数量。
S602:判断所述第一身份标识对应的人脸模型的数量是否大于或等于第二预设阈值。
其中,第二预设阈值可以是第二人脸数据库中每个人员对应的人脸模型的数量的最大值。若是,则说明第一身份标识对应的人脸模型的数量已经达到最大值,执行S603,将第一人脸模型替换掉第二人脸数据库中评分质量低的人脸模型。若否,则说明第一身份标识对应的人脸模型的数量还未达到最大值,执行S605,直接将第一人脸模型添加至第二人脸数据库中。
S603:所述应用设备从第一身份标识对应的人脸模型列表中,确定出质量评分最低的第二人脸模型。
S604:若确定所述第二人脸模型对应的质量评分低于所述第一人脸模型对应的质量评分,则所述应用设备将所述第一人脸模型添加至所述第一身份标识对应的人脸模型列表中,并删除所述第二人脸模型。
S605:所述应用设备将所述第一人脸模型添加至所述第一身份标识对应的人脸模型列表中。
下面结合举例进行说明。假设第二人脸数据库中的存储的各人脸模型分别为:(人员A,95),(人员A1,92),(人员B,90),(人员C,94)。假设第二预设阈值为2,即,人脸数据库中每个人员对应的人脸模型的数量最大为2。
假设第一人脸模型的质量评分为96。若第一人脸模型对应的人脸比对结果为用户A,由于第二人脸数据库中存储的人员A的人脸模型的数量已达到最大值2,则将第一人脸模型替换掉质量最低的人脸模型,即,将(人员A1,92)替换为质量评分更高的第一人脸模型。通过上述过程,能够不断完善人脸数据库中的人脸模型的质量评分,提高人脸数据库中的样本质量,从而提高人脸识别的准确率。
假设第一人脸模型的质量评分为96。若第一人脸模型对应的人脸比对结果为用户B,由于第二人脸数据库中存储的用户B的人脸模型的数量还未达到最大值2,则可以直接将第一人脸模型添加至第二人脸数据库中,增加用户B的人脸模型的多样性,从而提高人脸识别的准确率。
可以理解的,通过上述对第二人脸数据库的更新过程后,应用设备可以将第二人脸数据库增量下发至服务设备,使得服务设备能够及时增量更新第一人脸数据库。
本实施例中,采用人脸模型替换机制,利用抓拍识别到的高质量评分的人脸模型替换掉低质量评分的人脸模型,在应用设备接收到人脸比对结果后自动进行上述替换过程,不需人为参与,可以利用大量的抓拍图片来提升人脸数据库中的人脸模型的质量,从而,提升人脸比对的准确率。
上述实施例中,服务设备对第一人脸模型进行识别时,有可能识别不出第一人脸模型的身份标识。识别不出的原因可能有多种,例如:由于第一人脸模型的质量评分较低,可识别度较低,或者,第一人脸模型对应的人员确实不在人脸数据库中。
一种可能的实施方式中,若所述人脸比对结果用于指示所述第一人脸数据库中不存在与所述第一人脸模型的相似度满足预设条件的人脸模型,即,人脸比对结果指示的是无法识别出第一人脸模型的身份标识;则,应用设备在第二人脸数据库中新增未知样本人员的身份标识,并将所述第一人脸模型添加至所述未知样本人员的身份标识对应的人脸模型列表中。
示例性的,当服务设备无法识别未知人员X的人脸模型时,应用设备将该人脸模型作为“路人”存储至第二人脸数据库中。
图7为本发明实施例提供的人脸数据库的更新过程的示意图。如图7所示,应用设备将未知人员X1、未知人员X2、未知人员X3、未知人员X4、未知人员X5对应的人脸模型发送至服务设备。应用设备从服务设备接收到的人脸比对结果中指示了:未知人员X1、未知人员X4和未知人员X5均为路人,未知人员X2为人员B,未知人员X3为人员A。应用设备将上述5个人脸模型作为多样本添加至第二人脸数据库中。可以理解的,应用设备还可以将第二人脸数据库增量下发至服务设备中,增量下发过程与上述实施例类似,此处不再赘述。
实际应用中,对于抓拍到的人员A的人脸图片,由于拍摄角度或者清晰度等原因,服务设备有可能出现对比错误将其识别为路人。这样,就导致在人脸数据库中存在人员A对应的2个或多个不同的身份标识,即,数据库中人员A和路人其实对应的是同一人员。“一人多档”会影响后续的比对结果的准确性。
为了解决上述问题,本发明实施例还提供一种人脸数据库的更新方法,在进行人脸比对过程中,若发现第一人脸模型与用户A的人脸模型和路人的人脸模型的相似度均较高,则判定路人和人员A其实为同一人员,则将路人合并为人员A。
图8为本发明又一实施例提供的人脸数据库的处理方法的流程示意图。如图8所示,
S801:所述应用设备从所述服务设备接收所述人脸比对结果,所述人脸比对结果还用于指示所述第一人脸模型与所述第一人脸数据库中的多个人脸模型的相似度。
S802:若在所述多个人脸模型中,确定存在与所述第一人脸模型的相似度大于或等于第三预设阈值的至少两个人脸模型,且,所述至少两个人脸模型包括已知样本人员的人脸模型和未知样本人员的人脸模型,则将所述第二人脸数据库中的所述未知样本人员的身份标识修改为与所述已知样本人员的身份标识一致。
其中,本实施例中,已知样本人员是指具有确定身份的人员,如上述举例中的人员A、人员B和人员C。未知样本人员是指未识别到身份的人员,如上述举例中的路人。
S803:所述应用设备将所述第二人脸数据库增量下发至所述服务设备,所述服务设备用于增量更新所述第一人脸数据库,使得所述第一人脸数据库与所述第二人脸数据库一致。
下面结合图9进行举例说明。图9为本发明实施例提供的人脸数据库的更新过程的示意图。如图9所示,应用设备将人员X的人脸模型发送至服务设备,服务身对该人脸模型进行比对,得到人脸比对结果。应用设备接收到的人脸比对结果中指示:该人脸模型与人员A的相似度为95%,与人员A1的相似度为93%,与路人1的相似度为94%,与路人2的相似度为93%,与路人3的相似度为97%。
参见图9,应用设备对上述相似度进行分析发现,该人脸模型与人员A、人员A1、路人1、路人2、路人3的相似度都极高(超过第三预设阈值90%)。因此,应用设备判断路人1、路人2和路人3与人员A为同一人员。将路人1、路人2和路人3的身份标识修改为人员A。
上述更新之后,第二人脸数据库中,人员A对应的人脸模型的数量为5个,超过了每个人员对应的人脸模型的数量最大为2(假设第二预设阈值为2),可以采用上述实施例中的高质量替换的方法,将路人2的人脸模型(质量评分96分)替换掉人员A的人脸模型(质量评分88分),并且,将路人3的人脸模型(质量评分92分)替换掉人员A1的人脸模型(质量评分89分)。
经过上述合并和替换处理后,第二人脸数据库中的存储内容如图9所示。应用设备将第二人脸数据库增量下发至服务设备,使得服务设备增量更新第一人脸数据库,保证第一人脸数据库与更新后的第二人脸数据库一致。
本发明实施例中,当由于拍摄角度等原因导致人脸模型无法识别的情况时,会首先将该人脸模型作为路人保留在人脸数据库中。当后续检测到该路人和其他样本人员同时与当前检测的人脸模型的相似度较高时,将路人与样本人员合并为同一人员。通过上述过程,能够降低人脸比对失败的影响,提升人脸比对成功的几率。进一步的,将路人归档在人脸数据库中,也便于后续的大数据处理过程,具有对数据二次挖掘的价值。
图10为本发明一实施例提供的人脸数据库的处理装置的结构示意图。如图10所示,本实施例提供的人脸数据库的处理装置1000,包括:发送模块1001、接收模块1002、处理模块1003。
其中,发送模块1001,用于将第一人脸模型发送至服务设备,所述服务设备用于将所述第一人脸模型与第一人脸数据库进行比对,得到人脸比对结果;所述第一人脸数据库用于存储样本人员的身份标识和所述身份标识对应的人脸模型列表;
接收模块1002,用于从所述服务设备接收所述人脸比对结果;
处理模块1003,用于若所述人脸比对结果用于指示与所述第一人脸模型的相似度满足预设条件的人脸模型对应的第一身份标识,则将所述第一人脸模型添加至第二人脸数据库中与所述第一身份标识对应的人脸模型列表中,在所述添加之前,所述第一人脸数据库与所述第二人脸数据库一致;
发送模块1001,还用于将所述第二人脸数据库增量下发至所述服务设备,所述服务设备用于增量更新所述第一人脸数据库,使得所述第一人脸数据库与所述第二人脸数据库一致。
本实施例提供的人脸数据库的处理装置,可以用于执行如图2所示的方法实施例,其实现原理和技术效果类似,此处不再赘述。
图11为本发明另一实施例提供的人脸数据库的处理装置的结构示意图。如图11所示,在图10所示实施例的基础上,本实施例的人脸数据库的处理装置1000,还可以包括获取模块1004。
可选的,所述处理模块1003具体用于:
从第一身份标识对应的人脸模型列表中,确定出质量评分最低的第二人脸模型;
若确定所述第二人脸模型对应的质量评分低于所述第一人脸模型对应的质量评分,则将所述第一人脸模型添加至所述第一身份标识对应的人脸模型列表中,并删除所述第二人脸模型。
可选的,所述处理模块1003还具体用于:
获取所述第二人脸数据库中所述第一身份标识对应的人脸模型的数量;
确定所述第一身份标识对应的人脸模型的数量大于或等于第二预设阈值。
可选的,所述人脸比对结果还用于指示所述第一人脸模型与所述第一人脸数据库中的多个人脸模型的相似度,所述处理模块1003还用于:
若在所述多个人脸模型中,确定存在与所述第一人脸模型的相似度大于或等于第三预设阈值的至少两个人脸模型,且,所述至少两个人脸模型包括已知样本人员的人脸模型和未知样本人员的人脸模型,则将所述第二人脸数据库中的所述未知样本人员的身份标识修改为与所述已知样本人员的身份标识一致。
可选的,所述处理模块1003还用于:
若所述人脸比对结果用于指示所述第一人脸数据库中不存在与所述第一人脸模型的相似度满足预设条件的人脸模型,所述应用设备在所述第二人脸数据库中新增未知样本人员的身份标识,并将所述第一人脸模型添加至所述未知样本人员的身份标识对应的人脸模型列表中。
可选的,所述获取模块1004,用于获取第二人脸数据库,所述第二人脸数据库中包括至少一个样本人员对应的身份标识和身份标识对应的人脸模型;
所述发送模块1001,还用于将第二人脸数据库中的各样本人员的身份标识和身份标识对应的人脸模型发送至所述服务设备,所述服务设备用于将各样本人员的身份标识和身份标识对应的人脸模型存储到第一人脸数据库中。
本实施例提供的人脸数据库的处理装置,可用于执行上述任一方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
图12为本发明实施例提供的人脸数据库的处理设备的硬件结构示意图。如图12所示,本实施例提供的人脸数据库的处理设备1200,包括:处理器1201以及存储器1202;其中,存储器1202,用于存储计算机程序;处理器1201,用于执行存储器存储的计算机程序,以实现上述实施例中的人脸数据库的处理方法。具体可以参见前述方法实施例中的相关描述。
可选地,存储器1202既可以是独立的,也可以跟处理器1201集成在一起。
当所述存储器1202是独立于处理器1201之外的器件时,所述人脸数据库的处理设备1200还可以包括:总线1203,用于连接所述存储器1202和处理器1201。
本实施例提供的人脸数据库的处理设备,可用于执行上述任一方法实施例中的技术方案,其实现原理和技术效果类似,本实施例此处不再赘述。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质包括计算机程序,所述计算机程序用于实现如上任一方法实施例中的技术方案。
本发明实施例还提供一种芯片,包括:存储器、处理器以及计算机程序,所述计算机程序存储在所述存储器中,所述处理器运行所述计算机程序执行上述任一方法实施例中的技术方案。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。例如,以上所描述的设备实施例仅仅是示意性的,例如,所述模块的划分,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,例如多个模块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,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块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模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个单元中。上述模块成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能模块的形式实现的集成的模块,可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中,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(英文:processor)执行本发明各个实施例所述方法的部分步骤。
应理解,上述处理器可以是中央处理单元(英文:Central Processing Unit,简称:CPU),还可以是其他通用处理器、数字信号处理器(英文:Digital Signal Processor,简称:DSP)、专用集成电路(英文:Application Specific Integrated Circuit,简称:ASIC)等。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。结合申请所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器,也可能还包括非易失性存储NVM,例如至少一个磁盘存储器,还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。
总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral Component,PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,本发明附图中的总线并不限定仅有一根总线或一种类型的总线。
上述存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的存储介质耦合至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(Application Specific Integrated Circuits,简称:ASIC)中。当然,处理器和存储介质也可以作为分立组件存在于电子设备或主控设备中。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种人脸数据库的处理方法,其特征在于,包括:
应用设备将第一人脸模型发送至服务设备,所述服务设备用于将所述第一人脸模型与第一人脸数据库进行比对,得到人脸比对结果;所述第一人脸数据库用于存储样本人员的身份标识和所述身份标识对应的人脸模型列表;
所述应用设备从所述服务设备接收所述人脸比对结果;
若所述人脸比对结果用于指示与所述第一人脸模型的相似度满足预设条件的人脸模型对应的第一身份标识,则所述应用设备将所述第一人脸模型添加至第二人脸数据库中与所述第一身份标识对应的人脸模型列表中,在所述添加之前,所述第一人脸数据库与所述第二人脸数据库一致;
所述应用设备将所述第二人脸数据库增量下发至所述服务设备,所述服务设备用于增量更新所述第一人脸数据库,使得所述第一人脸数据库与所述第二人脸数据库一致。
2.根据权利要求1所述的方法,其特征在于,所述应用设备将所述第一人脸模型添加至第二人脸数据库中与所述第一身份标识对应的人脸模型列表中,包括:
所述应用设备从第一身份标识对应的人脸模型列表中,确定出质量评分最低的第二人脸模型;
若确定所述第二人脸模型对应的质量评分低于所述第一人脸模型对应的质量评分,则所述应用设备将所述第一人脸模型添加至所述第一身份标识对应的人脸模型列表中,并删除所述第二人脸模型。
3.根据权利要求2所述的方法,其特征在于,在所述应用设备从第一身份标识对应的人脸模型列表中,确定出质量评分最低的第二人脸模型之前,所述方法还包括:
所述应用设备获取所述第二人脸数据库中所述第一身份标识对应的人脸模型的数量;
所述应用设备确定所述第一身份标识对应的人脸模型的数量大于或等于第二预设阈值。
4.根据权利要求1所述的方法,其特征在于,所述人脸比对结果还用于指示所述第一人脸模型与所述第一人脸数据库中的多个人脸模型的相似度,所述应用设备从所述服务设备接收所述人脸比对结果之后,所述方法还包括:
若在所述多个人脸模型中,确定存在与所述第一人脸模型的相似度大于或等于第三预设阈值的至少两个人脸模型,且,所述至少两个人脸模型包括已知样本人员的人脸模型和未知样本人员的人脸模型,则将所述第二人脸数据库中的所述未知样本人员的身份标识修改为与所述已知样本人员的身份标识一致。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若所述人脸比对结果用于指示所述第一人脸数据库中不存在与所述第一人脸模型的相似度满足预设条件的人脸模型,所述应用设备在所述第二人脸数据库中新增未知样本人员的身份标识,并将所述第一人脸模型添加至所述未知样本人员的身份标识对应的人脸模型列表中。
6.根据权利要求1所述的方法,其特征在于,所述应用设备将第一人脸模型发送至服务设备之前,还包括:
所述应用设备获取第二人脸数据库,所述第二人脸数据库中包括至少一个样本人员对应的身份标识和身份标识对应的人脸模型;
所述应用设备将第二人脸数据库中的各样本人员的身份标识和身份标识对应的人脸模型发送至所述服务设备,所述服务设备用于将各样本人员的身份标识和身份标识对应的人脸模型存储到第一人脸数据库中。
7.一种人脸数据库的处理装置,其特征在于,应用于应用设备,所述装置包括:
发送模块,用于将第一人脸模型发送至服务设备,所述服务设备用于将所述第一人脸模型与第一人脸数据库进行比对,得到人脸比对结果;所述第一人脸数据库用于存储样本人员的身份标识和所述身份标识对应的人脸模型列表;
接收模块,用于从所述服务设备接收所述人脸比对结果;
处理模块,用于若所述人脸比对结果用于指示与所述第一人脸模型的相似度满足预设条件的人脸模型对应的第一身份标识,则将所述第一人脸模型添加至第二人脸数据库中与所述第一身份标识对应的人脸模型列表中,在所述添加之前,所述第一人脸数据库与所述第二人脸数据库一致;
发送模块,还用于将所述第二人脸数据库增量下发至所述服务设备,所述服务设备用于增量更新所述第一人脸数据库,使得所述第一人脸数据库与所述第二人脸数据库一致。
8.根据权利要求7所述的装置,其特征在于,所述人脸比对结果还用于指示所述第一人脸模型与所述第一人脸数据库中的多个人脸模型的相似度,所述处理模块还用于:
若在所述多个人脸模型中,确定存在与所述第一人脸模型的相似度大于或等于第三预设阈值的至少两个人脸模型,且,所述至少两个人脸模型包括已知样本人员的人脸模型和未知样本人员的人脸模型,则将所述第二人脸数据库中的所述未知样本人员的身份标识修改为与所述已知样本人员的身份标识一致。
9.一种人脸数据库的处理设备,其特征在于,包括:存储器、处理器以及计算机程序,所述计算机程序存储在所述存储器中,所述处理器运行所述计算机程序执行如权利要求1至6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,所述计算机可读存储介质包括计算机程序,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910598921.5A CN112183161B (zh) | 2019-07-04 | 2019-07-04 | 人脸数据库的处理方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910598921.5A CN112183161B (zh) | 2019-07-04 | 2019-07-04 | 人脸数据库的处理方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112183161A CN112183161A (zh) | 2021-01-05 |
CN112183161B true CN112183161B (zh) | 2024-02-20 |
Family
ID=73915939
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910598921.5A Active CN112183161B (zh) | 2019-07-04 | 2019-07-04 | 人脸数据库的处理方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112183161B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113220942A (zh) * | 2021-05-31 | 2021-08-06 | 杭州海康威视数字技术股份有限公司 | 一种关联对象的查找方法、装置及设备 |
CN113538721A (zh) * | 2021-06-28 | 2021-10-22 | 福建数博讯信息科技有限公司 | 一种考勤数据交互的优化方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015030643A1 (en) * | 2013-08-30 | 2015-03-05 | Telefonaktiebolaget L M Ericsson (Publ) | Method and apparatus for determining the status of a communications terminal |
CN106934364A (zh) * | 2017-03-09 | 2017-07-07 | 腾讯科技(上海)有限公司 | 人脸图片的识别方法及装置 |
CN106998444A (zh) * | 2017-02-14 | 2017-08-01 | 北京中科天云科技有限公司 | 一种大数据人脸监控系统及装置 |
CN107808149A (zh) * | 2017-11-17 | 2018-03-16 | 腾讯数码(天津)有限公司 | 一种人脸信息标注方法、装置和存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6268960B2 (ja) * | 2013-11-15 | 2018-01-31 | オムロン株式会社 | 画像認識装置及び画像認識装置に対するデータ登録方法 |
-
2019
- 2019-07-04 CN CN201910598921.5A patent/CN112183161B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015030643A1 (en) * | 2013-08-30 | 2015-03-05 | Telefonaktiebolaget L M Ericsson (Publ) | Method and apparatus for determining the status of a communications terminal |
CN106998444A (zh) * | 2017-02-14 | 2017-08-01 | 北京中科天云科技有限公司 | 一种大数据人脸监控系统及装置 |
CN106934364A (zh) * | 2017-03-09 | 2017-07-07 | 腾讯科技(上海)有限公司 | 人脸图片的识别方法及装置 |
CN107808149A (zh) * | 2017-11-17 | 2018-03-16 | 腾讯数码(天津)有限公司 | 一种人脸信息标注方法、装置和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112183161A (zh) | 2021-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108733819B (zh) | 一种人员档案建立方法和装置 | |
CN111368622B (zh) | 人员识别方法及装置、存储介质 | |
CN108446681B (zh) | 行人分析方法、装置、终端及存储介质 | |
US20220092881A1 (en) | Method and apparatus for behavior analysis, electronic apparatus, storage medium, and computer program | |
CN108091140B (zh) | 一种确定套牌车辆的方法和装置 | |
CN111368619B (zh) | 可疑人员的检测方法、装置及设备 | |
CN107886079A (zh) | 对象识别方法、装置及系统 | |
CN110874878B (zh) | 行人分析方法、装置、终端及存储介质 | |
CN110414376B (zh) | 更新人脸识别模型的方法、人脸识别相机及服务器 | |
CN107122650B (zh) | 一种多层次人脸识别身份认证系统 | |
CN109885597B (zh) | 基于机器学习的用户分群处理方法、装置及电子终端 | |
US9947105B2 (en) | Information processing apparatus, recording medium, and information processing method | |
CN112183161B (zh) | 人脸数据库的处理方法、装置及设备 | |
CN111611894A (zh) | 人员轨迹预测方法、装置、计算机设备及存储介质 | |
CN109784220B (zh) | 一种确定路人轨迹的方法及装置 | |
CN111931548B (zh) | 人脸识别系统、建立人脸识别数据的方法及人脸识别方法 | |
CN109800318A (zh) | 一种归档方法及装置 | |
CN111400550A (zh) | 一种目标运动轨迹构建方法、设备以及计算机存储介质 | |
CN113762106A (zh) | 人脸识别方法、装置、电子设备及存储介质 | |
US11763613B2 (en) | Automatic creation and management of digital identity profiles for access control | |
CN113075212B (zh) | 一种车辆验证方法及装置 | |
CN109359689A (zh) | 一种数据识别方法及装置 | |
CN112164223B (zh) | 基于云平台的智能交通信息处理方法及装置 | |
CN111079469B (zh) | 人脸图像的处理方法、装置、设备及可读存储介质 | |
CN113642455B (zh) | 行人数量确定方法、装置以及计算机可读存储介质 |
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 |