CN112487997B - 一种人像特征提取方法及装置 - Google Patents
一种人像特征提取方法及装置 Download PDFInfo
- Publication number
- CN112487997B CN112487997B CN202011389484.5A CN202011389484A CN112487997B CN 112487997 B CN112487997 B CN 112487997B CN 202011389484 A CN202011389484 A CN 202011389484A CN 112487997 B CN112487997 B CN 112487997B
- Authority
- CN
- China
- Prior art keywords
- feature extraction
- data source
- image data
- interface
- feature
- 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
- 238000000605 extraction Methods 0.000 title claims abstract description 294
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 135
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000000034 method Methods 0.000 claims description 31
- 238000004590 computer program Methods 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012549 training Methods 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
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/467—Encoded features or binary features, e.g. local binary patterns [LBP]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Library & Information Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
- Processing Or Creating Images (AREA)
Abstract
本申请涉及图像识别技术领域，尤其涉及一种人像特征提取方法及装置，分别根据获取到的各数据源标识，从预设的图像数据库中获取与各数据源标识对应的图像数据源，读取各图像数据源的名称格式，并分别将各图像数据源的名称格式转换为标准格式；将转换后的各图像数据源发送给特征服务器，并接收特征服务器返回的每一种特征提取算法下的各人像特征；分别将每一种特征提取算法下的各人像特征存储至与该特征提取算法对应的特征数据库中，以使用户根据各人像特征进行相应的业务处理，这样，将各图像数据源的名称格式转换为标准格式，能够保证在特征提取时不同图像数据源之间的兼容性。
Description
技术领域
本申请涉及图像识别技术领域，尤其涉及一种人像特征提取方法及装置。
背景技术
目前，随着人脸识别技术的发展，该技术已经应用到多种不同的领域中，例如，可应用到安全领域的监控系统中。现有技术中，由于不同的图像数据源的名称字段不同，因此，在同时调用特征服务器对不同的图像数据源中包含的人脸图像进行特征提取时，会出现各图像数据源之间不兼容的情况，导致特征服务器无法识别不同的图像数据源中包含的人脸图像。
发明内容
本申请实施例提供一种人像特征提取方法及装置，以实现同时对不同图像数据源的人脸图像进行特征提取。
本申请实施例提供的具体技术方案如下：
一种人像特征提取方法，应用于服务器，包括：
分别根据获取到的各数据源标识，从预设的图像数据库中获取与所述各数据源标识对应的图像数据源，其中，每个图像数据源中包含有多个人脸图像；
读取各图像数据源的名称格式，并分别将所述各图像数据源的名称格式转换为标准格式，其中，所述标准格式表征特征服务器能够识别的图像数据源的名称的格式；
将转换后的各图像数据源发送给所述特征服务器，并接收所述特征服务器返回的每一种特征提取算法下的各人像特征，其中，每一种特征提取算法下的各人像特征为所述特征服务器识别转换后的各图像数据，并分别根据各特征提取算法，对转换后的各图像数据源中的各人脸图像进行特征提取进而获得的；
分别将所述每一种特征提取算法下的各人像特征存储至与该特征提取算法对应的特征数据库中，以使用户根据所述各人像特征进行相应的业务处理。
可选的，将转换后的各图像数据源发送给所述特征服务器，具体包括：
根据获取到的各接口标识，确定出与所述各接口标识对应的接口访问地址，并根据确定出的各接口访问地址，确定出与所述各访问地址对应的特征提取接口；
向确定出的各特征提取接口发送连接请求；
若确定接收到所述各特征提取接口根据连接请求返回的返回值，则确定所述各特征提取接口连接成功，调用所述各特征提取接口，并将转换后的各图像数据源通过所述各特征提取接口发送给所述特征服务器。
可选的，分别根据获取到的各数据源标识，从预设的图像数据库中获取与所述各数据源标识对应的图像数据源之前，进一步包括：
获取所述特征提取服务器发送的各特征提取接口的接口信息，其中，接口信息中至少包括特征提取接口的接口标识和对应的特征提取算法的版本信息；
分别针对所述各接口信息中的特征提取算法，若确定任意一种特征提取算法的接口信息中的版本信息与预设在算法数据库中的版本信息不相同，则确定执行根据获取到的各数据源标识，从预设的图像数据库中获取与所述各数据源标识对应的图像数据源的步骤。
可选的，从预设的图像数据库中获取与所述各数据源标识对应的图像数据源之后，进一步包括：
分别针对所述各人脸图像，若确定任意一张人脸图像中的像素点数量大于预设的数量阈值，则确定该人脸图像为成功获取到的人脸图像；
确定所述各人脸图像均为成功获取到的人脸图像。
可选的，分别根据获取到的各数据源标识，从预设的图像数据库中获取与所述各数据源标识对应的图像数据源之前，进一步包括：
若确定所述图像数据库中包含有新增的人脸图像，则判断所述服务器中的增量特征提取开关的连接状态是否为已连接；
若确定所述服务器中的增量特征提取开关的连接状态为已连接，则获取预先设置的时间戳；
则分别根据获取到的各数据源标识，从预设的图像数据库中获取与所述各数据源标识对应的图像数据源，具体包括：
根据获取到的各数据源标识，以及所述时间戳，从预设的图像数据库中确定出与所述各数据源标识对应的图像数据源的新增的人脸图像。
一种人像特征提取装置，应用于服务器，包括：
第一获取模块，用于分别根据获取到的各数据源标识，从预设的图像数据库中获取与所述各数据源标识对应的图像数据源，其中，每个图像数据源中包含有多个人脸图像；
转换模块，用于读取各图像数据源的名称格式，并分别将所述各图像数据源的名称格式转换为标准格式，其中，所述标准格式表征特征服务器能够识别的图像数据源的名称的格式；
特征提取模块，用于将转换后的各图像数据源发送给所述特征服务器，并接收所述特征服务器返回的每一种特征提取算法下的各人像特征，其中，每一种特征提取算法下的各人像特征为所述特征服务器识别转换后的各图像数据，并分别根据各特征提取算法，对转换后的各图像数据源中的各人脸图像进行特征提取进而获得的；
处理模块，用于分别将所述每一种特征提取算法下的各人像特征存储至与该特征提取算法对应的特征数据库中，以使用户根据所述各人像特征进行相应的业务处理。
可选的，将转换后的各图像数据源发送给所述特征服务器，特征提取模块具体用于：
根据获取到的各接口标识，确定出与所述各接口标识对应的接口访问地址，并根据确定出的各接口访问地址，确定出与所述各访问地址对应的特征提取接口；
向确定出的各特征提取接口发送连接请求；
若确定接收到所述各特征提取接口根据连接请求返回的返回值，则确定所述各特征提取接口连接成功，调用所述各特征提取接口，并将转换后的各图像数据源通过所述各特征提取接口发送给所述特征服务器。
可选的，分别根据获取到的各数据源标识，从预设的图像数据库中获取与所述各数据源标识对应的图像数据源之前，进一步包括：
第二获取模块，用于获取所述特征提取服务器发送的各特征提取接口的接口信息，其中，接口信息中至少包括特征提取接口的接口标识和对应的特征提取算法的版本信息；
第一确定模块，用于分别针对所述各接口信息中的特征提取算法，若确定任意一种特征提取算法的接口信息中的版本信息与预设在算法数据库中的版本信息不相同，则确定执行根据获取到的各数据源标识，从预设的图像数据库中获取与所述各数据源标识对应的图像数据源的步骤。
可选的，从预设的图像数据库中获取与所述各数据源标识对应的图像数据源之后，进一步包括：
第二确定模块，用于分别针对所述各人脸图像，若确定任意一张人脸图像中的像素点数量大于预设的数量阈值，则确定该人脸图像为成功获取到的人脸图像；
第三确定模块，用于确定所述各人脸图像均为成功获取到的人脸图像。
可选的，分别根据获取到的各数据源标识，从预设的图像数据库中获取与所述各数据源标识对应的图像数据源之前，进一步包括：
判断模块，用于若确定所述图像数据库中包含有新增的人脸图像，则判断所述服务器中的增量特征提取开关的连接状态是否为已连接；
第三获取模块，用于若确定所述服务器中的增量特征提取开关的连接状态为已连接，则获取预先设置的时间戳；
则第一获取模块具体用于：
根据获取到的各数据源标识，以及所述时间戳，从预设的图像数据库中确定出与所述各数据源标识对应的图像数据源的新增的人脸图像。
一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述人像特征提取方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述人像特征提取方法的步骤。
本申请实施例中，分别根据获取到的各数据源标识，从预设的图像数据库中获取与各数据源标识对应的图像数据源，读取各图像数据源的名称格式，并分别将各图像数据源的名称格式转换为特征服务器能够识别的图像数据源的名称的标准格式，将转换后的各图像数据源发送给特征服务器，并接收特征服务器返回的每一种特征提取算法下的各人像特征，每一种特征提取算法下的各人像特征为特征服务器识别转换后的各图像数据，并分别根据各特征提取算法，对转换后的各图像数据源中的各人脸图像进行特征提取进而获得的，分别将每一种特征提取算法下的各人像特征存储至与该特征提取算法对应的特征数据库中，以使用户根据各人像特征进行相应的业务处理，这样，当需要对不同的图像数据源中包含的各人脸图像进行特征提取时，首先分别将各图像数据源的名称格式转换为特征服务器能够识别的标准格式，然后调用特征服务器对各图像数据源中包含的各人脸图像进行特征提取，能够保证各图像数据源之间的兼容性，满足同时对不同的图像数据源中包含的人脸图像进行特征提取的需求。
附图说明
图1为本申请实施例中一种人像特征提取方法的流程图；
图2为本申请实施例中智能安全网关管控平台的结构示意图；
图3为本申请实施例中一种全量特征提取方法的流程图；
图4为本申请实施例中一种增量特征提取方法的流程图；
图5为本申请实施例中人像特征提取装置的结构示意图；
图6为本申请实施例中电子设备的结构示意图。
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，并不是全部的实施例。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。
目前，随着人脸识别技术的发展，该技术已经应用到多种不同的领域中，例如，可应用到安全领域的监控系统中，对关注的人员进行识别。现有技术中，由于不同的图像数据源的名称字段不同，因此，只能基于单一的特征提取算法对单一的图像数据源中包含的各人脸图像进行特征提取。手段单一，方式不灵活，无法满足使用不同特征提取算法的前端系统同时接入的需求。如果需要同时调用特征服务器对不同的图像数据源中包含的人脸图像进行特征提取时，会出现各图像数据源之间不兼容的情况，导致特征服务器无法识别不同的图像数据源中包含的人脸图像。
为了实现同时对不同的图像数据源的各人脸图像进行特征提取，本申请实施例中，提供了一种人像特征提取方法，分别根据获取到的各数据源标识，从预设的图像数据库中获取与各数据源标识对应的图像数据源，读取各图像数据源的名称格式，并分别将各图像数据源的名称格式转换为特征服务器能够识别的图像数据源的名称的标准格式，将转换后的各图像数据源发送给特征服务器，并接收特征服务器返回的每一种特征提取算法下的各人像特征，每一种特征提取算法下的各人像特征为特征服务器识别转换后的各图像数据，并分别根据各特征提取算法，对转换后的各图像数据源中的各人脸图像进行特征提取进而获得的，分别将每一种特征提取算法下的各人像特征存储至与该特征提取算法对应的特征数据库中，以使用户根据各人像特征进行相应的业务处理，这样，对不同图像数据源的名称格式进行转换，将各图像数据源的名称格式转换为特征服务器能够识别的标准格式，并调用特征服务器对各标准格式的图像数据源中包含的各人脸图像进行特征提取，能够保证各图像数据源之间的兼容性，满足同时对不同的图像数据源中包含的人脸图像进行特征提取的需求。
基于上述实施例，参阅图1所示，为本申请实施例中一种人像特征提取方法的流程图，具体包括：
步骤100：分别根据获取到的各数据源标识，从预设的图像数据库中获取与各数据源标识对应的图像数据源。
其中，每个图像数据源中包含有多个人脸图像。
本申请实施例中，获取用户输入的各数据源标识，并根据各数据源标识，从预设的图像数据库中获取到与各数据源标识对应的图像数据源。
其中，每一个图像数据源对应一个数据源标识。
图像数据库中至少包括有多个不同的图像数据源，这些图像数据源为获取到的不同来源的图像集合，每一个图像数据源中包含有多个人脸图像。
需要说明的是，由于图像数据源的来源不同，因此，这些图像数据源的名称格式可能是不同的。
其中，名称格式例如可以为名称字段。
例如，假设图像数据库的其中一个图像数据源的名称格式为“图像：A1数据源”，另一个图像数据源的名称格式为“image：A2数据源”，而特征服务器能够识别的图像数据源的名称格式为“tuxiang：X数据源”。
进一步地，服务器中还设置有算法数据库，算法数据库用于对特征服务器中的特征提取算法进行管理。当算法数据库中的特征提取算法的版本信息更新之后，还可以根据更新后的特征提取算法，重新对各图像数据源中包含的各人脸图像进行特征提取，下面对本申请实施例中判断特征提取算法的版本信息更新的步骤进行详细阐述，具体包括：
S1：获取特征提取服务器发送的各特征提取接口的接口信息。
其中，接口信息中至少包括特征提取接口的接口标识和对应的特征提取算法的版本信息。
本申请实施例中，首先，服务器向特征服务器发送版本查询指令，特征服务器响应接收到的版本查询指令，读取各特征提取接口的接口标识以及对应的特征提取算法的版本信息。
然后，分别针对各特征提取接口，根据任意一个特征提取接口的接口标识，以及该特征提取接口对应的特征提取算法的版本信息生成接口信息，从而获得各特征提取接口的接口信息。
最后，将各特征提取接口的接口信息发送给服务器，从而服务器能够实现从特征服务器获取各特征提取接口的接口信息。
例如，假设特征提取接口为A1，对应的接口标识为1，并且，与该特征提取接口对应的特征提取算法为线性判别分析(Linear Discriminant Analysis，LDA)，LDA的版本信息为1.14.0。
S2：分别针对各接口信息中的特征提取算法，若确定任意一种特征提取算法的接口信息中的版本信息与预设在算法数据库中的版本信息不相同，则确定执行根据获取到的各数据源标识，从预设的图像数据库中获取与各数据源标识对应的图像数据源的步骤。
本申请实施例中，分别针对接收到的各接口信息中包含的特征提取算法，判断任意一种特征提取算法的接口信息中的版本信息与预设在算法数据库中的版本信息是否相同，若确定该特征提取算法的接口信息中的版本信息与预设在算法数据库中的版本信息相同，则无需重新对各图像数据源中包含的各人脸图像重新进行特征提取，若确定该特征提取算法的接口信息中的版本信息与预设在算法数据库中的版本信息不相同，则确定此时算法数据库中的特征提取算法进行了升级。因此，需要特征服务器基于更新的特征提取算法，重新对各图像数据源中包含的各人脸图像进行特征提取，执行根据获取到的各数据源标识，从预设的图像数据库中获取与各数据源标识对应的图像数据源的步骤。
例如，假设从特征服务器获取到的LDA的版本信息为1.16.2，在预设的算法数据库中设置的LDA的版本信息为1.16.3，则确定特征提取服务器中的LDA需要更新，并需要基于更新后的版本信息为1.16.3的LDA重新对各图像数据源中包含的各人脸图像进行特征提取。
进一步地，为了保证能够获取到的人脸图像的清晰度，在从预设的图像数据库中获取与各数据源标识对应的图像数据源之后，还可以对获取到的人脸图像进行清晰度的校验，具体包括：
S1：分别针对各人脸图像，若确定任意一张人脸图像中的像素点数量大于预设的数量阈值，则确定该人脸图像为成功获取到的人脸图像。
本申请实施例中，读取各待识别图像，分别针对各人脸图像，计算任意一张人脸图像中包含的像素点的数量，并判断该人脸图像中的像素点数量是否大于预设的数量阈值，若确定该人脸图像中的像素点数量大于预设的数量阈值，则确定该人脸图像满足清晰度条件，为成功获取到的人脸图像。
S2：确定各人脸图像均为成功获取到的人脸图像。
本申请实施例中，确定各人脸图像均为成功获取到的人脸图像，才执行读取各图像数据源的名称格式的步骤。
这样，在获取到各图像数据源中包含的各人脸图像之后，筛选掉清晰度不高的人脸图像，能够进一步提高特征提取的准确性。
进一步地，在获取图像数据源的人脸图像之前，还可以判断是否能够获取到图像数据源中包含的各人脸图像，例如，可以判断获取到的人脸图像的大小，若确定获取到的人脸图像大小大于预设的阈值，则确定能够获取到人脸图像。
当获取人脸图像失败时，可以生成数据源连接异常信息，并将数据源连接异常信息记录至日志中，以使相关工作人员能够根据异常信息进行调试和检测。
进一步地，本申请实施例中，当图像数据库中新增的人脸图像之后，用户可以输入特征提取指令至服务器，进而服务器将自身的增量特征提取开关的连接状态设置为已连接，下面对本申请实施例中对新增的人脸图像进行特征提取的步骤进行详细阐述，具体包括：
S1：若确定图像数据库中包含有新增的人脸图像，则判断服务器中的增量特征提取开关的连接状态是否为已连接。
本申请实施例中，判断图像数据库中是否包含有新增的人脸图像，若确定图像数据库中包含有新增的人脸图像，则判断服务器中的增量特征提取开关的连接状态是否为已连接。
其中，增量特征提取开关的连接状态是由用户输入的特征提取指令来确定的。当增量特征提取开关的连接状态为已连接时，则此时仅对图像数据库中新增的人脸图像进行特征提取，可以将对图像数据库中新增的人脸图像进行特征值提取的步骤叫做增量特征提取。当特征提取开关的连接状态为未连接时，则此时对需要进行特征提取的图像数据源包含的人脸图像进行特征提取。
S2：若确定服务器中的增量特征提取开关的连接状态为已连接，则获取预先设置的时间戳。
本申请实施例中，若确定服务器中的增量特征提取开关的连接状态为已连接，则确定此时需要对新增的人脸图像进行特征提取，获取预先设定的时间戳。
其中，时间戳可以为用户预先设定在服务器中的。
因此，在执行分别根据获取到的各数据源标识，从预设的图像数据库中获取与各数据源标识对应的图像数据源的步骤时，具体包括：
根据获取到的各数据源标识，以及时间戳，从预设的图像数据库中确定出与各数据源标识对应的图像数据源的新增的人脸图像。
本申请实施例中，根据时间戳，定时根据各数据源标识，从预设的图像数据库中确定出与各数据源标识对应的图像数据源，并获取到各图像数据源中新增的人脸图像，然后将新增的人脸图像发送给特征服务器进行特征提取。
需要说明的是，若特征提取发生异常，可以对时间戳和提取状态进行修改，并手动进行增量特征提取。
进一步地，还可以为每一个特征提取算法设置特征提取开关，若开关的连接状态为已连接，则每日定时根据时间戳，对各图像数据源的增量数据进行特征提取。
步骤110：读取各图像数据源的名称格式，并分别将各图像数据源的名称格式转换为标准格式。
其中，标准格式表征特征服务器能够识别的图像数据源的名称的格式。
本申请实施例中，由于各图像数据源的名称格式可能是不相同的，因此，在同时对各图像数据源中包含的各人脸图像进行特征提取时，可能会出现不兼容的问题，即，特征服务器无法识别各图像数据源的名称格式，进而无法对各图像数据源中包含的各人脸图像进行特征提取。为了解决上述提出的问题，本申请实施例中，在获取到的各图像数据源之后，首先，读取各图像数据源的属性信息中的名称格式。然后，获取预设在服务器中的格式映射表，基于该格式映射表，分别对各图像数据源进行格式映射处理，将每一个图像数据源的名称格式转换为标准格式，从而获得标准格式下的转换后的各人图像数据源。
这样，将每一个图像数据源的名称格式均转换为特征服务器能够识别的标准格式，能够避免因格式不同导致特征服务器无法兼容的情况发生。
例如，例如，假设图像数据库的其中一个图像数据源的名称格式为“图像：A1数据源”，另一个图像数据源的名称格式为“image：A2数据源”，而特征服务器能够识别的图像数据源的名称格式为“tuxiang：X数据源”，因此，A1数据源和A2数据源的名称格式与特征服务器能够识别的图像数据源的名称格式均不相同，因此，需要将A1数据源和A2数据源的名称格式转换为特征服务器能够识别的图像数据源的标准格式，即，将A1数据源转换为标准格式“tuxiang：A1数据源”，并将A2数据源转换为标准格式“tuxiang：A2数据源”。
步骤120：将转换后的各图像数据源发送给特征服务器，并接收特征服务器返回的每一种特征提取算法下的各人像特征。
其中，每一种特征提取算法下的各人像特征为特征服务器识别转换后的各图像数据，并分别根据各特征提取算法，对转换后的各图像数据源中的各人脸图像进行特征提取进而获得的。
本申请实施例中，调用特征服务器上的各特征提取接口，并通过各特征提取接口，将转换后的各图像数据源发送给特征服务器，以使特征服务器在接收到转换后的各图像数据源之后，采用与各特征提取接口对应的特征提取算法，对转换后的各图像数据源中包含的各人脸图像进行特征提取，获得每一种特征提取算法下的各人像特征，最后，将获得的每一种特征提取算法下的各人像特征发送给服务器。
需要说明的是，本申请实施例中，特征服务器在基于特征提取算法对各人脸图像进行特征提取时，是对获取到的所有的转换后的图像数据源中包含的每一个人脸图像均进行特征提取，因此，经过特征提取后得到的各人像特征为所有的转换后的图像数据源中包含的各人脸图像的人像特征。
例如，假设图像数据源为A1和A2，特征提取算法分别为LDA算法和局部二值模式(Local Binary Pattern，LBP)算法，则基于LDA算法对A1和A2中的每一个人脸图像均进行特征提取，获得在LDA算法下的各人像特征，并基于LBP算法对A1和A2中的每一个人脸图像均进行特征提取，获得在LBP算法下的各人像特征。
进一步地，本申请实施例中，在将转换后的图像数据源发送给特征服务器进行特征提取时，还可以通过指定的特征提取接口将转换后的图像数据源发送给特征服务器，并基于指定的特征提取接口对应的特征提取算法进行特征提取，具体包括：
S1：根据获取到的各接口标识，确定出与各接口标识对应的接口访问地址，并根据确定出的各接口访问地址，确定出与各访问地址对应的特征提取接口。
本申请实施例中，获取用户输入的各接口标识，并根据获取到的各接口标识，确定出与各接口标识对应的接口访问地址，然后，根据确定出的各接口访问地址，确定出与各访问地址对应的特征提取接口。
进一步地，为了简便计算，还可以建立接口标识与特征提取接口之间的关联关系，这样，可以根据接口标识，直接确定出与该接口标识对应的特征提取接口。
其中，每一个接口标识对应一个接口访问地址，每一个接口访问地址对应一个特征提取接口。
S2：向确定出的各特征提取接口发送连接请求。
本申请实施例中，在确定出各特征提取接口之后，向确定出的各特征提取接口发送连接请求，进而各特征提取接口对连接请求进行响应，各特征提取接口判断是否能够与服务器成功连接，若确定能够与服务器连接，则生成一个返回值，并将返回值发送给服务器。
其中，连接请求用于向特征提取接口请求与服务器连接。
S3：确定接收到各特征提取接口根据连接请求返回的返回值，则确定各特征提取接口连接成功，调用各特征提取接口，并将转换后的各图像数据源通过各特征提取接口发送给特征服务器。
本申请实施例中，若确定接收到各特征提取接口根据连接请求返回的返回值，则确定各特征提取接口连接成功，调用各特征提取接口，并将各标准字段的图像数据源通过各特征提取接口发送给特征服务器。接口响应于连接请求返回的返回值，则确定各特征提取接口连接成功，进而服务器能够调用各特征提取接口。
步骤130：分别将每一种特征提取算法下的各人像特征存储至与该特征提取算法对应的特征数据库中，以使用户根据各人像特征进行相应的业务处理。
本申请实施例中，分别针对各特征提取算法，将任意一种特征提取算法下的各人像特征存储到与该特征提取算法对应的特征数据库中，这样，用户就能够根据各特征数据库中存储的人像特征进行相应的业务处理。
其中，每一种特征提取算法对应一个特征数据库。
例如，将经过LDA算法确定出的各人像特征存储到LDA算法对应的特征数据库中，将经过LBP算法确定出的各人像特征存储到LBP算法对应的特征数据库中。
本申请实施例中，分别根据获取到的各数据源标识，从预设的图像数据库中获取与各数据源标识对应的图像数据源，读取各图像数据源的名称格式，并分别将各图像数据源的名称格式转换为特征服务器能够识别的图像数据源的名称的标准格式，将转换后的各图像数据源发送给特征服务器，并接收特征服务器返回的每一种特征提取算法下的各人像特征，每一种特征提取算法下的各人像特征为特征服务器识别转换后的各图像数据，并分别根据各特征提取算法，对转换后的各图像数据源中的各人脸图像进行特征提取进而获得的，分别将每一种特征提取算法下的各人像特征存储至与该特征提取算法对应的特征数据库中，以使用户根据各人像特征进行相应的业务处理，这样，能够满足不同特征提取算法的前端系统同时接入的需求，还能够满足不同类型关注人员的数据源管理和特征提取需求。
基于上述实施例，参阅图2所示，为本申请实施例中智能安全网关管控平台的结构示意图，智能安全网关管控平台中至少包括算法管理模块、图像数据源管理模块、全量特征提取模块和增量特征提取模块。
1、算法管理模块。
支持多种特征提取算法，对各特征提取算法的算法名称、版本信息、接口访问地址和性能参数进行登记。
其中，性能参数例如可以为，同时能够对多少张人脸图像进行特征提取。
2、图像数据源管理模块。
支持不同类型关注人员的图像数据源管理，对各图像数据源的地址、数据表名、字段映射等进行登记。
3、全量特征提取模块。
新增特征提取算法或更新特征提取算法的版本信息后，手动对不同的图像数据源进行一次全量特征提取，由于人像引擎接口或图像数据库连接问题等原因造成全量特征无法提取时，可重新进行全量特征提取。
4、增量特征提取模块。
检测每个特征提取算法的增量提取开关，若开关的连接状态为已连接，则每日定时根据时间戳，对各图像数据源的增量数据进行特征提取。若提取发生异常，可对提取时间戳和提取状态进行修改，并手动进行增量特征提取。
基于上述实施例，参阅图3所示，为本申请实施例中一种全量特征提取方法的流程图，具体包括：
步骤300：获取算法标识和数据源标识。
步骤301：分别根据获取到的各数据源标识，从预设的图像数据库中获取与各数据源标识对应的关注人员的图像数据源。
其中，每一个图像数据源中包含有各人脸图像。
步骤302：判断是否能够获取到各人脸图像，若是，则执行步骤303，若否，则执行步骤311。
步骤303：读取各图像数据源的名称格式，并分别将各图像数据源的名称格式转换为标准格式。
其中，标准格式表征特征服务器能够识别的图像数据源的名称的格式。
步骤304：根据获取到的各接口标识，确定出与各接口标识对应的接口访问地址，并根据确定出的各接口访问地址，确定出与各访问地址对应的特征提取接口。
步骤305：向确定出的各特征提取接口发送连接请求。
步骤306：判断是否能够接收到返回值，若是，则执行步骤307，若否，则执行步骤312。
步骤307：调用各特征提取接口，并将转换后的各图像数据源发送给特征服务器。
步骤308：判断是否接收到特征服务器返回的每一种特征提取算法下的各人像特征，若是，则执行步骤309，若否，则执行步骤313。
步骤309：分别将每一种特征提取算法下的各人像特征存储至与该特征提取算法对应的特征数据库中。
步骤310：记录日志。
步骤311：图像数据源连接异常。
步骤312：特征提取接口调用失败。
步骤313：特征提取失败。
本申请实施例中，能够实现对多种类型关注人员的人脸图像进行全量特征提取，满足不同类型关注人员的图像数据源管理和特征提取需求。
基于上述实施例，参阅图4所示，为本申请实施例中一种增量特征提取方法的流程图，具体包括：
步骤400：开始。
步骤401：获取算法标识、数据源标识和时间戳。
步骤402：判断服务器中的增量特征提取开关的连接状态是否为已连接，若是，则执行步骤403，若否，则执行步骤416。
步骤403：根据获取到的各数据源标识，以及时间戳，从预设的图像数据库中确定出与各数据源标识对应的图像数据源的新增的人脸图像。
步骤404：判断是否能够获取到各人脸图像，若是，则执行步骤405，若否，则执行步骤413。
步骤405：读取各图像数据源的名称格式，并分别将各图像数据源的名称格式转换为标准格式。
其中，标准格式表征特征服务器能够识别的图像数据源的名称的格式。
步骤406：根据获取到的各接口标识，确定出与各接口标识对应的接口访问地址，并根据确定出的各接口访问地址，确定出与各访问地址对应的特征提取接口。
步骤407：向确定出的各特征提取接口发送连接请求。
步骤408：判断是否能够接收到返回值，若是，则执行步骤409，若否，则执行步骤414。
步骤409：调用各特征提取接口，并将转换后的各图像数据源发送给特征服务器。
步骤410：判断是否接收到特征服务器返回的每一种特征提取算法下的各人像特征，若是，则执行步骤411，若否，则执行步骤415。
步骤411：分别将每一种特征提取算法下的各人像特征存储至与该特征提取算法对应的特征数据库中。
步骤412：记录日志。
步骤413：图像数据源连接异常。
步骤414：特征提取接口调用失败。
步骤415：特征提取失败。
步骤416：结束。
本申请实施例中，能够实现对多种类型关注人员的人脸图像进行增量特征提取，满足不同类型关注人员的图像数据源管理和特征提取需求。
基于同一发明构思，本申请实施例中还提供了一种人像特征提取装置，该人像特征提取装置例如可以是前述实施例中的服务器，该人像特征提取模型的训练装置可以是硬件结构、软件模块、或硬件结构加软件模块。基于上述实施例，参阅图5所示，为本申请实施例中人像特征提取装置的结构示意图，具体包括：
第一获取模块500，用于分别根据获取到的各数据源标识，从预设的图像数据库中获取与所述各数据源标识对应的图像数据源，其中，每个图像数据源中包含有多个人脸图像；
转换模块510，用于读取各图像数据源的名称格式，并分别将所述各图像数据源的名称格式转换为标准格式，其中，所述标准格式表征特征服务器能够识别的图像数据源的名称的格式；
特征提取模块520，用于将转换后的各图像数据源发送给所述特征服务器，并接收所述特征服务器返回的每一种特征提取算法下的各人像特征，其中，每一种特征提取算法下的各人像特征为所述特征服务器识别转换后的各图像数据，并分别根据各特征提取算法，对转换后的各图像数据源中的各人脸图像进行特征提取进而获得的；
处理模块530，用于分别将所述每一种特征提取算法下的各人像特征存储至与该特征提取算法对应的特征数据库中，以使用户根据所述各人像特征进行相应的业务处理。
可选的，将转换后的各图像数据源发送给所述特征服务器，特征提取模块520具体用于：
根据获取到的各接口标识，确定出与所述各接口标识对应的接口访问地址，并根据确定出的各接口访问地址，确定出与所述各访问地址对应的特征提取接口；
向确定出的各特征提取接口发送连接请求；
若确定接收到所述各特征提取接口根据连接请求返回的返回值，则确定所述各特征提取接口连接成功，调用所述各特征提取接口，并将转换后的各图像数据源通过所述各特征提取接口发送给所述特征服务器。
可选的，分别根据获取到的各数据源标识，从预设的图像数据库中获取与所述各数据源标识对应的图像数据源之前，进一步包括：
第二获取模块540，用于获取所述特征提取服务器发送的各特征提取接口的接口信息，其中，接口信息中至少包括特征提取接口的接口标识和对应的特征提取算法的版本信息；
第一确定模块550，用于分别针对所述各接口信息中的特征提取算法，若确定任意一种特征提取算法的接口信息中的版本信息与预设在算法数据库中的版本信息不相同，则确定执行根据获取到的各数据源标识，从预设的图像数据库中获取与所述各数据源标识对应的图像数据源的步骤。
可选的，从预设的图像数据库中获取与所述各数据源标识对应的图像数据源之后，进一步包括：
第二确定模块560，用于分别针对所述各人脸图像，若确定任意一张人脸图像中的像素点数量大于预设的数量阈值，则确定该人脸图像为成功获取到的人脸图像；
第三确定模块570，用于确定所述各人脸图像均为成功获取到的人脸图像。
可选的，分别根据获取到的各数据源标识，从预设的图像数据库中获取与所述各数据源标识对应的图像数据源之前，进一步包括：
判断模块580，用于若确定所述图像数据库中包含有新增的人脸图像，则判断所述服务器中的增量特征提取开关的连接状态是否为已连接；
第三获取模块590，用于若确定所述服务器中的增量特征提取开关的连接状态为已连接，则获取预先设置的时间戳；
则第一获取模块500具体用于：
根据获取到的各数据源标识，以及所述时间戳，从预设的图像数据库中确定出与所述各数据源标识对应的图像数据源的新增的人脸图像。
基于上述实施例，参阅图6所示为本申请实施例中电子设备的结构示意图。
本申请实施例提供了一种电子设备，该电子设备可以包括处理器610(CenterProcessing Unit，CPU)、存储器620、输入设备630和输出设备640等，输入设备630可以包括键盘、鼠标、触摸屏等，输出设备640可以包括显示设备，如液晶显示器(Liquid CrystalDisplay，LCD)、阴极射线管(Cathode Ray Tube，CRT)等。
存储器620可以包括只读存储器(ROM)和随机存取存储器(RAM)，并向处理器610提供存储器620中存储的程序指令和数据。在本申请实施例中，存储器620可以用于存储本申请实施例中任一种人像特征提取方法的程序。
处理器610通过调用存储器620存储的程序指令，处理器610用于按照获得的程序指令执行本申请实施例中任一种人像特征提取方法。
基于上述实施例，本申请实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意方法实施例中的人像特征提取方法。
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。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (8)
1.一种人像特征提取方法，其特征在于，应用于服务器，包括：
获取特征服务器发送的各特征提取接口的接口信息，其中，接口信息中至少包括特征提取接口的接口标识和对应的特征提取算法的版本信息；
分别针对所述各接口信息中的特征提取算法，若确定任意一种特征提取算法的接口信息中的版本信息与预设在算法数据库中的版本信息不相同，则确定执行根据获取到的各数据源标识，从预设的图像数据库中获取与所述各数据源标识对应的图像数据源的步骤；
分别根据获取到的各数据源标识，从预设的图像数据库中获取与所述各数据源标识对应的图像数据源，其中，每个图像数据源中包含有多个人脸图像；
读取各图像数据源的属性信息中的名称格式；
获取预设在服务器中的格式映射表，基于所述格式映射表，分别对各图像数据源进行格式映射处理，将每一个图像数据源的名称格式转换为标准格式，从而获得标准格式下的转换后的各人图像数据源，其中，所述标准格式表征特征服务器能够识别的图像数据源的名称的格式；
将转换后的各图像数据源发送给所述特征服务器，并接收所述特征服务器返回的每一种特征提取算法下的各人像特征，其中，每一种特征提取算法下的各人像特征为所述特征服务器识别转换后的各图像数据，并分别根据各特征提取算法，对转换后的各图像数据源中的各人脸图像进行特征提取进而获得的；
分别将所述每一种特征提取算法下的各人像特征存储至与该特征提取算法对应的特征数据库中，以使用户根据所述各人像特征进行相应的业务处理。
2.如权利要求1所述的方法，其特征在于，将转换后的各图像数据源发送给所述特征服务器，具体包括：
根据获取到的各接口标识，确定出与所述各接口标识对应的接口访问地址，并根据确定出的各接口访问地址，确定出与所述各访问地址对应的特征提取接口；
向确定出的各特征提取接口发送连接请求；
若确定接收到所述各特征提取接口根据连接请求返回的返回值，则确定所述各特征提取接口连接成功，调用所述各特征提取接口，并将转换后的各图像数据源通过所述各特征提取接口发送给所述特征服务器。
3.如权利要求1所述的方法，其特征在于，从预设的图像数据库中获取与所述各数据源标识对应的图像数据源之后，进一步包括：
分别针对所述各人脸图像，若确定任意一张人脸图像中的像素点数量大于预设的数量阈值，则确定该人脸图像为成功获取到的人脸图像；
确定所述各人脸图像均为成功获取到的人脸图像。
4.如权利要求1所述的方法，其特征在于，分别根据获取到的各数据源标识，从预设的图像数据库中获取与所述各数据源标识对应的图像数据源之前，进一步包括：
若确定所述图像数据库中包含有新增的人脸图像，则判断所述服务器中的增量特征提取开关的连接状态是否为已连接；
若确定所述服务器中的增量特征提取开关的连接状态为已连接，则获取预先设置的时间戳；
则分别根据获取到的各数据源标识，从预设的图像数据库中获取与所述各数据源标识对应的图像数据源，具体包括：
根据获取到的各数据源标识，以及所述时间戳，从预设的图像数据库中确定出与所述各数据源标识对应的图像数据源的新增的人脸图像。
5.一种人像特征提取装置，其特征在于，应用于服务器，包括：
第二获取模块，用于获取特征服务器发送的各特征提取接口的接口信息，其中，接口信息中至少包括特征提取接口的接口标识和对应的特征提取算法的版本信息；
第一确定模块，用于分别针对所述各接口信息中的特征提取算法，若确定任意一种特征提取算法的接口信息中的版本信息与预设在算法数据库中的版本信息不相同，则确定执行根据获取到的各数据源标识，从预设的图像数据库中获取与所述各数据源标识对应的图像数据源的步骤；
第一获取模块，用于分别根据获取到的各数据源标识，从预设的图像数据库中获取与所述各数据源标识对应的图像数据源，其中，每个图像数据源中包含有多个人脸图像；
转换模块，用于读取各图像数据源的属性信息中的名称格式；获取预设在服务器中的格式映射表，基于所述格式映射表，分别对各图像数据源进行格式映射处理，将每一个图像数据源的名称格式转换为标准格式，从而获得标准格式下的转换后的各人图像数据源，其中，所述标准格式表征特征服务器能够识别的图像数据源的名称的格式；
特征提取模块，用于将转换后的各图像数据源发送给所述特征服务器，并接收所述特征服务器返回的每一种特征提取算法下的各人像特征，其中，每一种特征提取算法下的各人像特征为所述特征服务器识别转换后的各图像数据，并分别根据各特征提取算法，对转换后的各图像数据源中的各人脸图像进行特征提取进而获得的；
处理模块，用于分别将所述每一种特征提取算法下的各人像特征存储至与该特征提取算法对应的特征数据库中，以使用户根据所述各人像特征进行相应的业务处理。
6.如权利要求5所述的装置，其特征在于，将转换后的各图像数据源发送给所述特征服务器，特征提取模块具体用于：
根据获取到的各接口标识，确定出与所述各接口标识对应的接口访问地址，并根据确定出的各接口访问地址，确定出与所述各访问地址对应的特征提取接口；
向确定出的各特征提取接口发送连接请求；
若确定接收到所述各特征提取接口根据连接请求返回的返回值，则确定所述各特征提取接口连接成功，调用所述各特征提取接口，并将转换后的各图像数据源通过所述各特征提取接口发送给所述特征服务器。
7.一种电子设备，包括存储器、处理器及存储在存储器上并可在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程序时实现权利要求1-4任一项所述方法的步骤。
8.一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：所述计算机程序被处理器执行时实现权利要求1-4任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011389484.5A CN112487997B (zh) | 2020-12-01 | 2020-12-01 | 一种人像特征提取方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011389484.5A CN112487997B (zh) | 2020-12-01 | 2020-12-01 | 一种人像特征提取方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112487997A CN112487997A (zh) | 2021-03-12 |
| CN112487997B true CN112487997B (zh) | 2024-04-09 |
Family
ID=74938764
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011389484.5A Active CN112487997B (zh) | 2020-12-01 | 2020-12-01 | 一种人像特征提取方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112487997B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113886477B (zh) * | 2021-09-28 | 2023-01-06 | 北京三快在线科技有限公司 | 一种人脸识别的方法及装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104090896A (zh) * | 2013-12-19 | 2014-10-08 | 深圳市腾讯计算机系统有限公司 | 一种导入数据的方法、装置和系统 |
| CN108038239A (zh) * | 2017-12-27 | 2018-05-15 | 中科鼎富（北京）科技发展有限公司 | 一种异构数据源规范化处理方法、装置及服务器 |
| CN109993020A (zh) * | 2017-12-29 | 2019-07-09 | 浙江宇视科技有限公司 | 人脸布控报警方法及装置 |
| US10445170B1 (en) * | 2018-11-21 | 2019-10-15 | Fmr Llc | Data lineage identification and change impact prediction in a distributed computing environment |
| CN110866443A (zh) * | 2019-10-11 | 2020-03-06 | 厦门身份宝网络科技有限公司 | 人像存储方法、人脸识别方法、设备及存储介质 |
| CN111400392A (zh) * | 2020-06-03 | 2020-07-10 | 上海冰鉴信息科技有限公司 | 多源异构数据处理方法及装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2011047200A2 (en) * | 2009-10-14 | 2011-04-21 | Great Connection, Inc. | Systems and methods for converting and delivering medical images to mobile devices and remote communications systems |
-
2020
- 2020-12-01 CN CN202011389484.5A patent/CN112487997B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104090896A (zh) * | 2013-12-19 | 2014-10-08 | 深圳市腾讯计算机系统有限公司 | 一种导入数据的方法、装置和系统 |
| CN108038239A (zh) * | 2017-12-27 | 2018-05-15 | 中科鼎富（北京）科技发展有限公司 | 一种异构数据源规范化处理方法、装置及服务器 |
| CN109993020A (zh) * | 2017-12-29 | 2019-07-09 | 浙江宇视科技有限公司 | 人脸布控报警方法及装置 |
| US10445170B1 (en) * | 2018-11-21 | 2019-10-15 | Fmr Llc | Data lineage identification and change impact prediction in a distributed computing environment |
| CN110866443A (zh) * | 2019-10-11 | 2020-03-06 | 厦门身份宝网络科技有限公司 | 人像存储方法、人脸识别方法、设备及存储介质 |
| CN111400392A (zh) * | 2020-06-03 | 2020-07-10 | 上海冰鉴信息科技有限公司 | 多源异构数据处理方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112487997A (zh) | 2021-03-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108984388B (zh) | 一种生成自动化测试用例的方法及终端设备 | |
| CN111739620A (zh) | 检测信息管理方法、装置、设备及存储介质 | |
| CN113360519B (zh) | 数据处理方法、装置、设备和存储介质 | |
| CN107169094A (zh) | 信息聚合方法及装置 | |
| WO2013152729A1 (zh) | 用于向终端设备提供软件的方法及装置 | |
| CN112487997B (zh) | 一种人像特征提取方法及装置 | |
| CN112612690A (zh) | 一种用户界面信息处理方法、装置、电子设备及存储介质 | |
| CN113626512A (zh) | 数据处理方法、装置、设备及可读存储介质 | |
| CN112671878A (zh) | 一种区块链的信息订阅方法、装置、服务器和存储介质 | |
| CN110059184B (zh) | 一种作业错题收集分析方法及系统 | |
| JP2014026411A (ja) | ヘルスケアシステム及びそのサーバ | |
| CN114221883B (zh) | 消息测试方法、装置、服务器及存储介质 | |
| CN112148574B (zh) | 一种性能数据采集方法、计算机设备及存储介质 | |
| CN115757107A (zh) | 埋点检测方法、装置、服务器及存储介质 | |
| CN112182413B (zh) | 一种基于教学大数据的智能推荐方法及服务器 | |
| CN114996080A (zh) | 数据处理方法、装置、设备及存储介质 | |
| CN113342430A (zh) | 故障码的处理方法、装置、终端设备及可读存储介质 | |
| CN114547182A (zh) | 人员信息同步方法、终端设备及存储介质 | |
| CN111710406A (zh) | 医疗设备的远程维护方法、设备及可读存储介质 | |
| CN112581337A (zh) | 一种判断实有人口是否漏登的方法及终端 | |
| CN111444253A (zh) | 数据导入方法、装置、计算机可读存储介质和计算机设备 | |
| CN112445811A (zh) | 基于sql配置的数据服务方法、装置、存储介质及组件 | |
| CN114818645B (zh) | 基于数据主体的自动化报告生成方法、装置、设备及介质 | |
| CN116259399A (zh) | 一种康复信息管理系统 | |
| CN115396525B (zh) | 基于服务模板映射的数据交互方法及装置 |
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 |