CN112507975A - 一种基于科技成果数据库的人证识别数据处理方法及系统 - Google Patents

Abstract

本发明涉及科技成果数据库技术领域，具体而言，涉及一种基于科技成果数据库的人证识别数据处理方法及系统。本发明获取目标对象终端在当前时刻拍摄的目标人证图像数据；根据所述目标客户终端对应的入库人证图像数据，获得所述目标客户终端对应的库存人证图像数据；当所述目标人证图像数据与所述库存人证图像匹配数据两者的匹配度超出预设阈值时，判断所述目标用户终端拍摄在当前时刻的目标人证图像数据不匹配。本发明能够动态的结合库存人证图像匹配数据对目标对象终端在当前时刻拍摄的目标人证图像数据进行对比判断，从而提升人证对比识别处理准确度。

Description

一种基于科技成果数据库的人证识别数据处理方法及系统

技术领域

本发明涉及科技成果数据库技术领域，具体而言，涉及一种基于科技成果数据库的人证识别数据处理方法及系统。

背景技术

科技成果转化是需要系统性的以追求各要素之间的相关性来提升大数据对接匹配效率，实现大规模的成功对接转化合作的运作体系。基于科技成果转化所形成的区域创新系统，以加强政府对区域科技创新管理为基本要求，以企业创新数据、园区载体信息数据、政府统计数据等为基础，开发、建设科技创新全要素大数据管理平台，协助地方政府对区域内科技创新要素实施精细化管理，推动区域科技创新生态化、持续化发展。随着区域创新系统的智能化升级，需要对区域创新系统中的技术人才新用户进行人证合一的安全性实名认证。但是，如何对区域创新系统中的技术人才新用户进行安全性及准确性的人证合一的实名认证成为当前亟待解决的技术难题。然而，目前的一些人证对比识别处理技术方式不够灵活，没有考虑到终端设备与数据库预设的实际库存人证图像数据信息状态，从而导致人证对比识别的准确度较低。

发明内容

本申请的目的在于提供一种基于科技成果数据库的人证识别数据处理方法及系统，以解决上述技术难题；能够动态的结合库存人证图像匹配数据对目标对象终端在当前时刻拍摄的目标人证图像数据进行对比判断，从而提升人证对比识别处理准确度。

为了实现上述目的，本申请采用的技术方案如下：

第一方面，本申请提供一种基于科技成果数据库的人证识别数据处理方法，应用于人证识别系统中的处理系统，所述人证识别系统还包括分别与所述处理系统均建立通信的多个客户终端；所述方法包括：

获取目标对象终端在当前时刻拍摄的目标人证图像数据；其中，所述目标对象终端为所述多个客户终端中的任意一个；

根据所述目标客户终端对应的入库人证图像数据，获得所述目标客户终端对应的库存人证图像数据；其中，所述入库人证图像数据为所述目标客户终端在所述当前时刻对应的多个入库人证图像数据；

根据所述目标客户终端对应的入库人证图像特征数据，获得所述目标客户终端对应的库存匹配调整量；其中，所述入库人证图像特征数据为所述目标客户终端在所述当前时刻的前一次的入库人证图像特征数据；

利用设定的目标预测人证图像数据以及所述库存匹配调整量更新所述库存人证图像数据，得到更新后的库存人证图像匹配数据；

当所述目标人证图像数据与所述库存人证图像匹配数据两者的匹配度超出预设阈值时，判断所述目标用户终端拍摄在当前时刻的目标人证图像数据不匹配。

第二方面，本申请提供一种处理系统，所述处理系统包括存储器，用于存储一个或多个程序；处理器；当所述一个或多个程序被所述处理器执行时，实现上述的基于科技成果数据库的人证识别数据处理方法。

本发明提供的一种基于科技成果数据库的人证识别数据处理方法及系统，先根据所述目标客户终端对应的入库人证图像数据，获得所述目标客户终端对应的库存人证图像数据，并根据当所述目标人证图像数据与所述库存人证图像匹配数据两者的匹配度超出预设阈值时，判断所述目标用户终端拍摄在当前时刻的目标人证图像数据不匹配；相比于现有技术，本发明能够动态的结合库存人证图像匹配数据对目标对象终端在当前时刻拍摄的目标人证图像数据进行对比判断，从而提升人证对比识别处理准确度。

为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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它相关的附图。

图1示出本申请提供的基于科技成果数据库的人证识别数据处理方法的一种示意性流程框图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请的一些实施例中的附图，对本申请中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请选定的一些实施例。基于本申请中的一部分实施例，本领域普通技术人员在没有作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。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

在例如上述的对人证识别系统的人证图像数据进行对比判断的场景中，一些常见的匹对判断方式为固定设置一异常阈值，将人证识别系统实际的人证图像数据与该异常阈值进行比较，从而判断人证图像数据是否异常。

然而，这种对比判断方法仅仅是机械式的将人证识别系统的人证图像数据与异常阈值进行比较，而忽略了人证识别系统库存人证图像数据更新不及时而造成数据缺漏，从而导致对比判断的准确度较低，时常出现误对比判断等情况。

为此，基于上述缺陷，本申请提供的一种可能的实现方式为：先根据所述目标客户终端对应的入库人证图像数据，获得所述目标客户终端对应的库存人证图像数据，然后根据所述目标客户终端对应的入库人证图像特征数据，获得所述目标客户终端对应的库存匹配调整量；进而利用设定的目标预测人证图像数据以及所述库存匹配调整量更新所述库存人证图像数据，得到更新后的库存人证图像匹配数据；并根据当所述目标人证图像数据与所述库存人证图像匹配数据两者的匹配度超出预设阈值时，判断所述目标用户终端拍摄在当前时刻的目标人证图像数据不匹配；相比于现有技术，本发明能够动态的结合目标客户终端是在前一次的入库人证图像特征数据对目标对象终端在当前时刻拍摄的目标人证图像数据进行对比判断，从而提升人证对比识别处理准确度。

下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。

请参阅图1，图1示出本申请提供的基于科技成果数据库的人证识别数据处理方法的一种示意性流程框图。在本申请的一些实施例中，处理系统可以与多个客户终端位于无线网络或有线网络中，通过该无线网络或有线网络，处理系统可以与多个客户终端建立通信以进行数据交互；比如，客户终端可以将客户群体的人证图像数据上传给处理系统，而处理系统可以向客户终端发送控制指令，以控制客户终端执行相应的操作。

在本申请的一些实施例中，处理系统可采用移动终端设备，例如可以包括智能手机、个人电脑（personal computer，PC）、平板电脑、手持式控制器等等；当然，处理系统也可以是服务器。

本申请提供的一种基于科技成果数据库的人证识别数据处理方法，可以应用于上述的处理系统，该处理系统中可以安装有应用程序，与客户终端相对应，用于为用户提供服务，本申请提供的基于科技成果数据库的人证识别数据处理方法可以通过该处理系统中安装的应用程序实现。

在本发明实施例中，该基于科技成果数据库的人证识别数据处理方法可包括以下步骤：

步骤110，获取目标对象终端在当前时刻拍摄的目标人证图像数据；

步骤120，根据目标客户终端对应的入库人证图像数据，获得目标客户终端对应的库存人证图像数据；

步骤130，根据目标客户终端对应的入库人证图像特征数据，获得目标客户终端对应的库存匹配调整量；

步骤140，利用设定的目标预测人证图像数据以及库存匹配调整量更新库存人证图像数据，得到更新后的库存人证图像匹配数据；

步骤150，当目标人证图像数据与库存人证图像匹配数据两者的匹配度超出预设阈值时，判断所述目标用户终端拍摄在当前时刻的目标人证图像数据不匹配。

在一实施例中，客户终端可以按照设定的上传速度向处理系统上传客户群体的人证图像数据，比如人证图像数据中的人脸图像数据、人证图像数据中的身份证证件图像数据、人证合一图像数据等；相应地，处理系统记录每一用户的人证图像数据。

于是，将与处理系统连接的多个客户终端中的任意一个作为目标客户终端为例，处理系统在判断目标客户终端是否出现人证图像数据异常时，可以在接收该客户终端发送的人证图像数据时作为当前时刻，获取目标对象终端在当前时刻拍摄的目标人证图像数据。

然后，处理系统可以根据保存的所有客户终端各自的人证图像数据，将目标客户终端在当前时刻对应的多个入库人证图像数据作为入库人证图像数据，从而根据目标客户终端对应的该入库人证图像数据，获得目标客户终端对应的库存人证图像数据，该库存人证图像数据表征的即为处理系统预测的目标客户终端在当前时刻的人证图像数据。

另外，作为一种可能的实现方式，在执行步骤120时，处理系统可以利用入库人证图像数据包括的多个人证图像数据进行数值拟合，以获得库存人证图像数据。

例如，在一种可能的实现方式中，处理系统可以根据入库人证图像数据包括的多个人证图像数据，确定从相同人证图像节点且设定的人证图像数据特征相关联的至少两个连续的人证图像数据中分别获取对应的人证图像变化状态的变化序列，其中，所述变化序列可以用于表征所述人证图像变化状态在每个预设库存量内的变化情况；

将所述变化序列输入到经过上一次更新后的人脸图像数据拟合模型的第二模型节点中，得到多个第一人脸图像数据拟合目标以及每一个第一人脸图像数据拟合目标对应的第二预测特征序列；其中，所述人脸图像数据拟合模型包括第一模型节点和第二模型节点，所述第一模型节点用于提取人证图像变化状态的变化序列，所述第二模型节点用于根据变化序列生成人证图像变化状态的多个第一人脸图像数据拟合目标以及对各第一人脸图像数据拟合目标生成第二预测特征序列；

根据所述第二预测特征序列，从多个第一人脸图像数据拟合目标中选取出多个人脸图像数据拟合目标以及所述多个人脸图像数据拟合目标各自对应的第一预测特征序列，其中，每一个所述人脸图像数据拟合目标对应的第一预测特征序列基于经过上一次更新后的人脸图像数据拟合模型对该人脸图像数据拟合目标内进行分析得到，所述人证图像变化状态包括至少一个人证图像变动数据段，一个人证图像变动数据段对应至少一个人脸图像数据拟合目标，所述人证图像变化状态中添加有各人证图像变动数据段的分别对应的数据统计模块的统计信息；

根据所述第一预测特征序列从所述多个人脸图像数据拟合目标中选取至少一个目标人脸图像数据拟合目标，形成目标人脸图像数据拟合目标组，并根据所述目标人脸图像数据拟合目标组中的各目标人脸图像数据拟合目标与所述人证图像变化状态中的各人证图像变动数据段的数据统计模块之间的覆盖范围值确定所述人脸图像数据拟合模型所对应的数值拟合序列组，其中，所述数值拟合序列组包括覆盖范围值大于设定范围值对应的目标人脸图像数据拟合目标的统计信息；

根据所述人脸图像数据拟合模型所对应的数值拟合序列组，从所述数值拟合序列组的初始拟合节点中，对比判断出目标拟合节点的拟合数值信息；

将所述初始拟合节点作为前一拟合节点以及将所述拟合数值信息作为前一拟合数值信息，按照所述前一拟合数值信息和目标拟合节点策略之间的数值转换关系，对所述前一拟合节点的后一拟合节点进行数值转换，得到所述后一拟合节点中的拟合数值信息，其中，所述目标拟合节点策略用于表示预先设置的目标拟合节点的预设拟合范围信息；

对所述后一拟合节点中的拟合数值信息进行对比判断，得到所述后一拟合节点中的目标拟合节点的第一拟合信息；

将所述后一拟合节点作为前一拟合节点以及将所述后一拟合节点中的目标拟合节点的第一拟合信息作为前一拟合信息，返回所述按照所述前一拟合信息和目标拟合节点策略之间的数值转换关系，对所述前一拟合节点的后一拟合节点进行数值转换，得到所述后一拟合节点中的拟合数值信息的步骤，以进行迭代处理，直至得到所述数值拟合序列组的最后一个拟合节点中的目标拟合节点的第一拟合信息；

将所述最后一个拟合节点当作所述初始拟合节点的前一拟合节点，参照所述最后一个拟合节点中的目标拟合节点的第一拟合信息，确定所述初始拟合节点中最终的目标拟合节点的第一拟合信息；

在所述数值拟合序列组中按照设定拟合顺序依次选取当前处理的拟合节点，并从在所述数值拟合序列组中的设定拟合顺序位于当前处理的拟合节点之前的拟合节点中，确定相对拟合节点，其中，所述相对拟合节点为与所述当前处理的拟合节点对应的设定拟合顺序相关联的拟合节点；

获取所述相对拟合节点中目标拟合节点的第一拟合信息，其中，所述第一拟合信息为时序特征信息或者空序特征信息；

参照所述第一拟合信息和所述目标拟合节点策略之间的数值转换关系，对当前处理的拟合节点进行数值转换，得到当前处理的拟合节点的拟合数值信息；

对所述拟合数值信息进行对比判断，得到目标拟合节点的第二拟合信息，并从所述拟合数值信息中确定目标拟合节点，得到目标拟合节点的聚集信息；

当所述相对拟合节点为多个时，对依照每个相对拟合节点中目标拟合节点的第一拟合信息所确定出的目标拟合节点的聚集信息进行分类，得到最终的目标拟合节点的聚集信息；

分别依照每个相对拟合节点中目标拟合节点的第一拟合信息所确定出的第二拟合信息，得到最终的目标拟合节点的第二拟合信息；

将所述最终的目标拟合节点的聚集信息和所述最终的目标拟合节点的第二拟合信息映射至所述当前处理的拟合节点，并进行依次统计排列得到库存人证图像数据，比如可以将排列最靠前的数据作为库存人证图像数据。

如此，通过不停的拟合迭代，能够使得到的库存人证图像数据更加贴近实际的人证图像数据，提高人证对比识别处理准确度。

接下来，处理系统可以根据保存的所有客户终端各自的人证图像数据，将该目标客户终端在当前时刻的前一次的入库人证图像特征数据作为入库人证图像特征数据；如此，处理系统则可以根据该目标客户终端对应的入库人证图像特征数据，获得目标客户终端对应的库存匹配调整量，该库存匹配调整量表征的是处理系统对库存人证图像数据进行调整的幅度。

另外，为了结合生产企业的生产实际，在一实施例中，可以为当前时刻设定一目标预测人证图像数据，该目标预测人证图像数据表征的是当前时刻期望的预测数据；其中，该目标预测人证图像数据可以是接收用户输入的，也可以是默认设置的值，本申请对于目标预测人证图像数据具体数值的获取方式不进行限定。

因此，处理系统在获得库存人证图像数据以及库存匹配调整量后，可以利用设定的目标预测人证图像数据以及库存匹配调整量更新库存人证图像数据，得到更新后的库存人证图像匹配数据，从而使客户终端的异常对比判断更为精准。

如此，处理系统在获得库存人证图像匹配数据后，可以利用该库存人证图像匹配数据对目标客户终端所采集的人证图像数据是否异常进行判断，比如将库存人证图像匹配数据与目标人证图像数据两者进行差值计算，当库存人证图像匹配数据与目标人证图像数据两者的差值未超出设定的阈值时，处理系统可以判定该目标客户终端所采集的人证图像数据正常；反之，当库存人证图像匹配数据与目标人证图像数据两者的匹配度超出预设阈值时，处理系统即可以确定该目标客户终端发生所采集的人证图像数据异常，此时处理系统可以记录目标客户终端发生所采集的人证图像数据异常的信息，或者是向一监听设备发送报警信息等。

可见，基于上述设计，本申请提供的基于科技成果数据库的人证识别数据处理方法，先根据所述目标客户终端对应的入库人证图像数据，获得所述目标客户终端对应的库存人证图像数据，然后根据所述目标客户终端对应的入库人证图像特征数据，获得所述目标客户终端对应的库存匹配调整量；进而利用设定的目标预测人证图像数据以及所述库存匹配调整量更新所述库存人证图像数据，得到更新后的库存人证图像匹配数据；并根据当所述目标人证图像数据与所述库存人证图像匹配数据两者的匹配度超出预设阈值时，判断所述目标用户终端拍摄在当前时刻的目标人证图像数据不匹配；相比于现有技术，本发明能够动态的结合更新后的库存人证图像匹配数据对目标对象终端在当前时刻拍摄的目标人证图像数据进行对比判断，从而提升人证对比识别处理准确度

其中，作为一种可能的实现方式，在一实施例中，步骤140可以包括以下子步骤：

步骤140-1，利用库存匹配调整量对库存人证图像数据进行处理，得到库存人证图像特征匹配数据；

步骤140-2，判断库存人证图像特征匹配数据是否小于目标预测人证图像数据；当为是时，执行步骤140-3；当为否时，执行步骤140-4；

步骤140-3，将库存人证图像特征匹配数据确定为库存人证图像匹配数据；

步骤140-4，将目标预测人证图像数据确定为库存人证图像匹配数据。

在一实施例中，上述设定的目标预测人证图像数据可以用于表征在当前时刻时该目标客户终端的人证图像数据上限，处理系统在当前时刻对目标客户终端的预测值不能高于该目标预测人证图像数据。

因此，处理系统在执行步骤140时，可以先利用库存匹配调整量对库存人证图像数据进行调整处理，从而得到库存人证图像特征匹配数据；然后将该库存人证图像特征匹配数据与目标预测人证图像数据进行比对，当库存人证图像特征匹配数据小于目标预测人证图像数据时，处理系统则将库存人证图像特征匹配数据确定为库存人证图像匹配数据；反之，当库存人证图像特征匹配数据大于或等于目标预测人证图像数据时，处理系统则将目标预测人证图像数据确定为库存人证图像匹配数据。

也就是说，在执行步骤140-1利用库存匹配调整量对库存人证图像数据进行处理，得到库存人证图像特征匹配数据后，处理系统可以将库存人证图像特征匹配数据与目标预测人证图像数据进行比对，将两者中的较小者确定为库存人证图像匹配数据，从而使处理系统确定出的库存人证图像匹配数据符合企业实际的所采集的人证图像数据需求。

另外，作为一种可能的实现方式，在一实施例中，步骤140-1可以包括以下子步骤：

步骤140-1a，根据预设的特征匹配调整策略，获得当前时刻对应的目标调节比例系数；

步骤140-1b，利用目标调节比例系数对库存匹配调整量进行调节，并将调整后的库存匹配调整量与库存人证图像数据进行加权求和，得到库存人证图像特征匹配数据。

在一些可能的应用场景中，同一天内的不同时刻，客户终端的工作状态可能不尽相同；因此，在一实施例中，可以通过为不同的时刻设置不同的比例系数，从而根据实际的所采集的人证图像数据场景，对不同时刻的库存匹配调整量进行不同幅度的预调整。

因此，在一些可能的实现方式中，处理系统可以记录有一特征匹配调整策略，该特征匹配调整策略记录有多个人证图像特征与多个调节比例系数的对应关系，比如该特征匹配调整策略可以记录在一人证图像特征调整表中。

于是，处理系统在执行步骤140-1时，可以先根据记录的特征匹配调整策略，比如查询上述的人证图像特征调整表，以获得当前时刻对应的目标调节比例系数。

然后，处理系统可以结合该目标调节比例系数先对库存匹配调整量进行调节，以对库存匹配调整量进行对应比例的缩放；再将调整后的库存匹配调整量与库存人证图像数据进行加权求和，从而得到库存人证图像特征匹配数据，使当前时刻的库存人证图像匹配数据能够更加精准。

需要说明的是，在执行步骤140-1b时，库存匹配调整量和库存人证图像数据各自的加权系数可以是处理系统默认设置的系数，也可以是处理系统接收其他设备或者是用户输入的系数，本申请对于库存匹配调整量和库存人证图像数据各自的加权系数的获取方式不进行限定。

另外，作为一种可能的实现方式，在一实施例中，步骤130可以包括以下子步骤：

步骤130-1，求取历史入库人证图像特征数据以及预测入库人证图像特征数据之差，得到初始调整量；

步骤130-2，对初始调整量及设定的调整量阈值进行加权求和，以得到库存匹配调整量。

在一实施例中，目标客户终端对应的入库人证图像特征数据，可以包括目标客户终端在当前时刻的前一次的历史入库人证图像特征数据以及预测入库人证图像特征数据；该历史入库人证图像特征数据即为前一次时目标客户终端实际的人证图像数据，而预测入库人证图像特征数据即为前一次时目标客户终端对应的库存人证图像匹配数据。

于是，处理系统在执行步骤130时，可以先求取历史入库人证图像特征数据以及预测人证图像数据之差，从而得到初始调整量。

然后，处理系统再对该初始调整量及设定的调整量阈值进行加权求和，以得到库存匹配调整量；其中，该设定的调整量阈值为库存匹配调整量的调节参数，从而降低初始调整量的对库存匹配调整量的灵敏度。

另外，需要说明的是，在执行步骤130-2时，初始调整量与调整量阈值各自的加权系数，可以是处理系统默认设置的值，也可以是处理系统接收其他设备或者是接收用户输入的值，本申请对此不进行限定。

并且，作为一种可能的实现方式，在一实施例中，步骤130-2可以包括以下子步骤：

步骤130-2a，判断初始调整量是否小于调整量阈值；当为是时，执行步骤130-2b；当为否时，执行步骤130-2c；

步骤130-2b，利用第一加权参数对初始调整量及调整量阈值进行加权求和，以得到库存匹配调整量；

步骤130-2c，利用第二加权参数对初始调整量及调整量阈值进行加权求和，以得到库存匹配调整量；

在一实施例中，处理系统可以记录至少两组加权参数以执行步骤130-2，比如可以包括第一加权参数和第二加权参数，其中，第二加权参数中初始调整量的比重大于第一加权参数中初始调整量的比重；比如，第一加权参数中初始调整量和调整量阈值的加权参数可以分别为0.7、0.3，而第二加权参数中初始调整量和调整量阈值的加权参数可以分别为0.4、0.6。

因此，在执行步骤130-2时，处理系统可以先判断初始调整量与调整量阈值两者的大小；当初始调整量小于调整量阈值时，处理系统可以利用第一加权参数对初始调整量及调整量阈值进行加权求和，以得到库存匹配调整量，比如利用上述示例的0.7、0.3执行步骤130-2；反之，当初始调整量大于或等于调整量阈值时，处理系统可以利用第二加权参数对初始调整量及调整量阈值进行加权求和，以得到库存匹配调整量，比如利用上述示例的0.4、0.6执行步骤130-2；如此，能够在加权求取库存匹配调整量时，能够更加靠近调整量阈值，避免库存匹配调整量出现大幅波动。

另外，在一些可能的实现方式中，还可以对调整量阈值进行不停的迭代，从而使调整量阈值与实际的调整量更接近。

比如，作为一种可能的实现方式，该基于科技成果数据库的人证识别数据处理方法还可以包括以下步骤：

步骤210，当初始调整量大于或等于调整量阈值时，根据库存匹配调整量，更新调整量阈值。

在一实施例中，当执行步骤130-2时，若初始调整量大于或等于设定的调整量阈值，表征处理系统计算得到的初始调整量超出设定的调整量上限，此时可以根据获得的库存匹配调整量，更新该调整量阈值；比如将该库存匹配调整量作为新的调整量阈值；或者是，按照设定的比例系数将库存匹配调整量进行缩放后，将缩放后的库存匹配调整量与调整量阈值求和，从而得到更新后的调整量阈值。如此，通过对调整量阈值有条件地更新，能够使计算得到的库存匹配调整量与实际计算得到的初始调整量更接近。

在本申请所提供的实施例中，应该理解到，所揭露的系统和方法，也可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的一些实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。

也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。

也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本申请的一些实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能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介质中。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）执行本申请的一些实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本申请的部分实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其它的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (8)

1.一种基于科技成果数据库的人证识别数据处理方法，其特征在于，应用于人证识别系统中的处理系统，所述人证识别系统还包括分别与所述处理系统均建立通信的多个客户终端；所述方法包括：

获取目标对象终端在当前时刻拍摄的目标人证图像数据；其中，所述目标对象终端为所述多个客户终端中的任意一个；

根据所述目标客户终端对应的入库人证图像数据，获得所述目标客户终端对应的库存人证图像数据；其中，所述入库人证图像数据为所述目标客户终端在所述当前时刻对应的多个入库人证图像数据；

根据所述目标客户终端对应的入库人证图像特征数据，获得所述目标客户终端对应的库存匹配调整量；其中，所述入库人证图像特征数据为所述目标客户终端在所述当前时刻的前一次的入库人证图像特征数据；

利用设定的目标预测人证图像数据以及所述库存匹配调整量更新所述库存人证图像数据，得到更新后的库存人证图像匹配数据；

当所述目标人证图像数据与所述库存人证图像匹配数据两者的匹配度超出预设阈值时，判断所述目标用户终端拍摄在当前时刻的目标人证图像数据不匹配。

2.如权利要求1所述的方法，其特征在于，利用设定的目标预测人证图像数据以及所述库存匹配调整量更新所述库存人证图像数据，得到更新后的库存人证图像匹配数据的步骤，包括：

利用所述库存匹配调整量对所述库存人证图像数据进行处理，得到库存人证图像特征匹配数据；

当所述库存人证图像特征匹配数据小于所述目标预测人证图像数据时，将所述库存人证图像特征匹配数据确定为所述库存人证图像匹配数据；

当所述库存人证图像特征匹配数据大于或等于所述目标预测人证图像数据时，将所述目标预测人证图像数据确定为所述库存人证图像匹配数据。

3.如权利要求2所述的方法，其特征在于，利用所述库存匹配调整量对所述库存人证图像数据进行处理，得到库存人证图像特征匹配数据的步骤，包括：

根据预设的特征匹配调整策略，获得所述当前时刻对应的目标调节比例系数；其中，所述特征匹配调整策略记录有多个人证图像特征与多个调节比例系数的对应关系；

利用所述目标调节比例系数对所述库存匹配调整量进行调节，并将调整后的库存匹配调整量与所述库存人证图像数据进行加权求和，得到所述库存人证图像特征匹配数据。

4.如权利要求1所述的方法，其特征在于，根据所述目标客户终端对应的入库人证图像数据，获得所述目标客户终端对应的库存人证图像数据的步骤，包括：

利用所述入库人证图像数据包括的多个人证图像数据进行数值拟合，以获得所述库存人证图像数据，具体包括：

根据入库人证图像数据包括的多个人证图像数据，确定从相同人证图像节点且设定的人证图像数据特征相关联的至少两个连续的人证图像数据中分别获取对应的人证图像变化状态的变化序列，其中，所述变化序列可以用于表征所述人证图像变化状态在每个预设库存量内的变化情况；

将所述变化序列输入到经过上一次更新后的人脸图像数据拟合模型的第二模型节点中，得到多个第一人脸图像数据拟合目标以及每一个第一人脸图像数据拟合目标对应的第二预测特征序列；其中，所述人脸图像数据拟合模型包括第一模型节点和第二模型节点，所述第一模型节点用于提取人证图像变化状态的变化序列，所述第二模型节点用于根据变化序列生成人证图像变化状态的多个第一人脸图像数据拟合目标以及对各第一人脸图像数据拟合目标生成第二预测特征序列；

根据所述第二预测特征序列，从多个第一人脸图像数据拟合目标中选取出多个人脸图像数据拟合目标以及所述多个人脸图像数据拟合目标各自对应的第一预测特征序列，其中，每一个所述人脸图像数据拟合目标对应的第一预测特征序列基于经过上一次更新后的人脸图像数据拟合模型对该人脸图像数据拟合目标内进行分析得到，所述人证图像变化状态包括至少一个人证图像变动数据段，一个人证图像变动数据段对应至少一个人脸图像数据拟合目标，所述人证图像变化状态中添加有各人证图像变动数据段的分别对应的数据统计模块的统计信息；

根据所述第一预测特征序列从所述多个人脸图像数据拟合目标中选取至少一个目标人脸图像数据拟合目标，形成目标人脸图像数据拟合目标组，并根据所述目标人脸图像数据拟合目标组中的各目标人脸图像数据拟合目标与所述人证图像变化状态中的各人证图像变动数据段的数据统计模块之间的覆盖范围值确定所述人脸图像数据拟合模型所对应的数值拟合序列组，其中，所述数值拟合序列组包括覆盖范围值大于设定范围值对应的目标人脸图像数据拟合目标的统计信息；

根据所述人脸图像数据拟合模型所对应的数值拟合序列组，从所述数值拟合序列组的初始拟合节点中，对比判断出目标拟合节点的拟合数值信息，将所述初始拟合节点作为前一拟合节点以及将所述拟合数值信息作为前一拟合数值信息，按照所述前一拟合数值信息和目标拟合节点策略之间的数值转换关系，对所述前一拟合节点的后一拟合节点进行数值转换，得到所述后一拟合节点中的拟合数值信息，其中，所述目标拟合节点策略用于表示预先设置的目标拟合节点的预设拟合范围信息；

对所述后一拟合节点中的拟合数值信息进行对比判断，得到所述后一拟合节点中的目标拟合节点的第一拟合信息，将所述后一拟合节点作为前一拟合节点以及将所述后一拟合节点中的目标拟合节点的第一拟合信息作为前一拟合信息，返回所述按照所述前一拟合信息和目标拟合节点策略之间的数值转换关系，对所述前一拟合节点的后一拟合节点进行数值转换，得到所述后一拟合节点中的拟合数值信息的步骤，以进行迭代处理，直至得到所述数值拟合序列组的最后一个拟合节点中的目标拟合节点的第一拟合信息；

将所述最后一个拟合节点当作所述初始拟合节点的前一拟合节点，参照所述最后一个拟合节点中的目标拟合节点的第一拟合信息，确定所述初始拟合节点中最终的目标拟合节点的第一拟合信息，在所述数值拟合序列组中按照设定拟合顺序依次选取当前处理的拟合节点，并从在所述数值拟合序列组中的设定拟合顺序位于当前处理的拟合节点之前的拟合节点中，确定相对拟合节点，其中，所述相对拟合节点为与所述当前处理的拟合节点对应的设定拟合顺序相关联的拟合节点；

获取所述相对拟合节点中目标拟合节点的第一拟合信息，其中，所述第一拟合信息为时序特征信息或者空序特征信息；

参照所述第一拟合信息和所述目标拟合节点策略之间的数值转换关系，对当前处理的拟合节点进行数值转换，得到当前处理的拟合节点的拟合数值信息，对所述拟合数值信息进行对比判断，得到目标拟合节点的第二拟合信息，并从所述拟合数值信息中确定目标拟合节点，得到目标拟合节点的聚集信息，当所述相对拟合节点为多个时，对依照每个相对拟合节点中目标拟合节点的第一拟合信息所确定出的目标拟合节点的聚集信息进行分类，得到最终的目标拟合节点的聚集信息；

分别依照每个相对拟合节点中目标拟合节点的第一拟合信息所确定出的第二拟合信息，得到最终的目标拟合节点的第二拟合信息，并将所述最终的目标拟合节点的聚集信息和所述最终的目标拟合节点的第二拟合信息映射至所述当前处理的拟合节点，并进行依次统计排列得到库存人证图像数据。

5.如权利要求1所述的方法，其特征在于，所述入库人证图像特征数据为所述目标客户终端在所述当前时刻的前一次的历史入库人证图像特征数据以及预测入库人证图像特征数据；

根据所述目标客户终端对应的入库人证图像特征数据，获得所述目标客户终端在所述当前时间节点对应的库存匹配调整量的步骤，包括：

求取所述历史入库人证图像特征数据以及所述预测入库人证图像特征数据之差，得到初始调整量；

对所述初始调整量及设定的调整量阈值进行加权求和，以得到所述库存匹配调整量。

6.如权利要求5所述的方法，其特征在于，对所述初始调整量及设定的调整量阈值进行加权求和，以得到所述库存匹配调整量的步骤，包括：

当所述初始调整量小于所述调整量阈值时，利用第一加权参数对所述初始调整量及所述调整量阈值进行加权求和，以得到所述库存匹配调整量；

当所述初始调整量大于或等于所述调整量阈值时，利用第二加权参数对所述初始调整量及所述调整量阈值进行加权求和，以得到所述库存匹配调整量；其中，所述第二加权参数中所述初始调整量的比重大于所述第一加权参数中所述初始调整量的比重。

7.如权利要求5所述的方法，其特征在于，所述方法还包括：

当所述初始调整量大于或等于所述调整量阈值时，根据所述库存匹配调整量，更新所述调整量阈值。

8.一种处理系统，其特征在于，包括：

存储器，用于存储一个或多个程序；

处理器；

当所述一个或多个程序被所述处理器执行时，实现如权利要求1-7中任一项所述的方法。

Images