CN112949346A - 一种特征库更新方法、装置、推理服务器及存储介质 - Google Patents

一种特征库更新方法、装置、推理服务器及存储介质 Download PDF

Info

Publication number
CN112949346A
CN112949346A CN201911175578.XA CN201911175578A CN112949346A CN 112949346 A CN112949346 A CN 112949346A CN 201911175578 A CN201911175578 A CN 201911175578A CN 112949346 A CN112949346 A CN 112949346A
Authority
CN
China
Prior art keywords
face
features
user
updating
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.)
Pending
Application number
CN201911175578.XA
Other languages
English (en)
Inventor
王甫龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
ZTE Corp
Original Assignee
ZTE Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by ZTE Corp filed Critical ZTE Corp
Priority to CN201911175578.XA priority Critical patent/CN112949346A/zh
Priority to PCT/CN2020/129823 priority patent/WO2021104128A1/zh
Publication of CN112949346A publication Critical patent/CN112949346A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • 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
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C9/00—Individual registration on entry or exit
    • G07C9/30—Individual registration on entry or exit not involving the use of a pass
    • G07C9/32—Individual registration on entry or exit not involving the use of a pass in combination with an identity check
    • G07C9/37—Individual registration on entry or exit not involving the use of a pass in combination with an identity check using biometric data, e.g. fingerprints, iris scans or voice recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Security & Cryptography (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本申请提出一种特征库更新方法、装置、推理服务器及存储介质，所述方法应用于推理服务器，所述方法包括：基于接收到的人脸图像，进行人脸认证；在人脸认证成功的情况下，基于人脸图像中提取出的人脸特征通过聚类算法对特征库中用户特征进行更新。

Description

一种特征库更新方法、装置、推理服务器及存储介质
技术领域
本申请涉及人工智能技术领域，具体涉及一种特征库更新方法、装置、推理服务器及存储介质。
背景技术
深度学习算法作为推动人工智能发展的核心驱动力，已经逐渐深入人心，各种产品的落地也让人感受到了人工智能带来的便利，尤其是俗称刷脸的人脸认证通行场景，不仅为人们的出行供给了更高的安全保证，还为管理者带来多的便利。刷脸通行场景中，将采集到的人脸信息与后台系统中录入的人脸信息进行匹配，一旦匹配成功，便会放行通过。
为了提高人脸认证的精度，一般会采用自学习的方法进行模型训练。现有的自学习方法往往需要长时间采集数据后进行模型训练，除了必须的推理服务器外，用户还需要购买昂贵的训练服务器和显卡，而且每次更换人脸模型后还需要对存储的比对库的图片进行重新提取特征，形成新的特征库，迭代周期长、工作量大，造成系统资源的浪费。
发明内容
本申请提供用于特征库更新的方法、装置、推理服务器及存储介质。
第一方面，本申请实施例提供一种特征库更新方法，所述方法应用于推理服务器，所述方法包括：
基于接收到的人脸图像，进行人脸认证；
在人脸认证成功的情况下，基于人脸图像中提取出的人脸特征通过聚类算法对特征库中用户特征进行更新。
第二方面，本申请实施例提供一种特征库更新装置，所述装置配置于推理服务器，所述装置包括：
人脸认证模块，被配置为基于接收到的人脸图像，进行人脸认证；
特征库更新模块，被配置为在人脸认证成功的情况下，基于人脸图像中提取出的人脸特征通过聚类算法对特征库中用户特征进行更新。
第三方面，本申请实施例提供一种推理服务器，其特征在于，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本申请实施例中的任意一种方法。
第四方面，本申请实施例提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本申请实施例中的任意一种方法。
关于本申请的以上实施例和其他方面以及其实现方式，在附图说明、具体实施方式和权利要求中提供更多说明。
附图说明
图1为本申请实施例提供的一种特征库更新方法的流程示意图；
图2是本申请实施例提供的一种人脸认证系统的结构示意图；
图3是本申请实施例提供的一种用户刷脸通行方法的流程图；
图4是本申请实施例提供的一种用户特征自动更新方法的流程图；
图5为本申请实施例提供的一种特征库更新装置的结构示意图；
图6是本申请提供的一种推理服务器的结构示意图。
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明白，下文中将结合附图对本申请的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。
在附图的流程图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。
人脸认证是指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术，在智能人机交互、智能视频监控、自动门禁、人脸登录等各领域有着重要的实用价值。人脸认证是人脸识别的一个分支，当某人进行人脸认证时，通常先声明自己的身份信息，认证系统根据声明的信息从验证数据库中找到该信息对应的分类器模型，采用该分类器模型对该人进行人脸认证，若认证的结果与此人声明的身份信息吻合，则表示认证通过，否则表示认证未通过。
图1为本申请实施例提供的一种特征库更新方法的流程示意图。该方法可以适用于在推理服务器上使用机器学习的算法对用户的特征库进行更新的情况。该方法可以由本申请提供的特征库更新装置执行，该特征库更新装置可以由软件和/或硬件实现，该方法应用于推理服务器上。
如图1所示，本申请实施例提供的特征库更新方法主要包括步骤S11和S12。
S11、基于接收到的人脸图像，进行人脸认证；
S12、在人脸认证成功的情况下，基于人脸图像中提取出的人脸特征通过聚类算法对特征库中用户特征进行更新。
在一个示例性的实时方式中，所述基于接收到的人脸图像，进行人脸认证，包括：将接收到的人脸图像进行人脸检测和特征提取，得到人脸特征；其中所述人脸图像由设置在闸机端的摄像头采集并发送；将所述人脸特征在所述特征库中进行检索；在所述特征库中存在与所述人脸特征的相似度大于通行阈值的用户特征的情况下，确定人脸认证成功。
进一步的，所述人脸图像由设置在闸机端的摄像头采集并发送。
在一个示例性的实时方式中，基于人脸图像中提取出的人脸特征通过聚类算法对特征库中用户特征进行更新，包括：在所述特征库中存在与所述人脸特征的相似度大于精准认证阈值的用户特征的情况下，将所述人脸特征进行存储，其中，所述精准认证阈值大于通行阈值；在存储的人脸特征的数量超过数量阈值的情况下，通过聚类算法对特征库中用户特征进行更新。在所述特征库中所有的用户特征与所述人脸特征的相似度均小于精准认证阈值的情况下，将所述人脸特征丢弃。
在一个示例性的实施方式中，所述通过聚类算法对特征库中用户特征进行更新，包括：将所有人脸特征进行聚类计算得到平均特征；将所述平均特征与特征库中的用户特征进行匹配；基于匹配结果对特征库中用户特征进行更新。
进一步的，所述基于匹配结果对特征库中用户特征进行更新，包括：在所述平均特征与所述用户特征的相似度大于更新阈值的情况下，将所述平均特征替换所述用户特征。
本申请提供了一种轻量级的解决方案，在推理服务器上，在不更新通用模型的情况下，不断对认证为同一人的抓拍图片进行聚类、迭代更新，使特征库的用户照片越来越还原用户当前的样貌、越来越趋近真实场景，也会随着用户年龄增长面貌改变而跟着改变，从而提高认证精度和通行速度，实现越用越准、越用越快。
在一个应用性实例中，图2是本申请实施提供的一种人脸认证系统的结构示意图，如图2所示，所述人脸认证系统包括终端21和服务端22。其中，终端21包括摄像头212和刷脸闸机终端213。服务端22包括人脸比对模块221、人脸特征库222、抓拍特征库223和聚类更新模块224。
刷脸闸机终端213检测由用户通过闸机时，启动摄像头212采集用户的人脸图像，并将采集到的人脸图像发送至服务端22。
人脸比对模块221模块和传统的人脸比对模块一致，通过训练好的模型对刷脸闸机终端213抓拍送过来的人脸图像进行人脸检测、特征提取，将提取出的人脸特征在预先导入的人脸特征库222中进行检索，根据检索结果返回该目标是否为特征库中注册的人员。
人脸特征库222用于存储人脸特征也是底库特征，每一个特征值标志了个体的人脸信息。与传统人脸识别不同的是，这个特征库中的特征值并非在一开始就固定不变，而是通过定时任务动态更新的，随着用户刷脸通行次数增加，特征值不断优化越来越接近用户的当前样貌。
抓拍特征库223用于存储用户通行时抓拍的人脸特征，传统人脸识别场景下抓拍图片的人脸特征一般不进行存储，比对完成后直接丢弃，而本申请将这些人脸特征进行筛选，把相似度超过精准认证阈值的人脸图像的人脸特征记录入库保存，由聚类更新的模块定时调用。其中，精准认证阈值需要大于用户通行时认证的通行阈值，比如通行阈值为70，则精准认证阈值可以设置为90。
聚类更新模块224采用k-means聚类算法，通过定时任务检查用户对应的抓拍特征库223中精准认证的人脸特征，抓拍特征库223中精准认证的人脸特征，如果达到了一定的数量(比如可以设置为一个月内有超过20次的精准认证)，则将这些人脸特征拿出进行聚类计算出平均特征。对于计算出的平均特征，为了确保其真实可靠，还需要和用户在系统里录入的特征值进行比对，相似度达到一定阈值再进行替换该用户的当前特征，从而达到了自动学习、自动更新的目的。其中，聚类的过程在推理服务器上执行。
进一步的，为了使聚类更新的过程不影响用户的正常使用，可以通过设置定时任务在晚上执行。
该系统通过以上四个模块耦合，将用户日常使用过程中产生的重要数据充分利用，在不占用系统资源的情况下进行快速迭代，实现系统的自主学习功能。
通过此方法，解决了目前业内人脸识别认证通行系统对认证图库照片不能自动迭代更新的问题，使人脸识别更加智能，能适应不同的场景，给用户带来越用越好的体验。
同时，作为轻量级的运作方案，用户无需购置训练用服务器也无需提供大量的系统资源来为这一自学习过程买单，将日常运行过程中采集的数据入库并充分利用，形成了产生数据-迭代更新-反馈用户的闭环。
用户在人脸识别闸机系统管理页面上传认证库片，经过人脸算法模型提取特征后进入人脸特征库长期存储，此时用户上传的照片可能为证件照与本人样貌不完全符合，可以在用户进行刷脸通行的时候比对成功，但可能需要用户调整刷脸角度，影响了比对速度和用户体验。
用户进行人脸特征比对模块的刷脸认证后，该次比对进入筛选流程，系统会根据认证成功时的相似度，把满足条件的人脸特征移入抓拍特征库保存，并和每个用户相关联，抓拍特征库可以设置有效时间，定期进行清理。
聚类更新模块定时对抓拍特征库的用户进行判断，如果该用户的抓拍特征库有更新且精准认证次数达到一定数量，就对这些特征进行聚类计算出平均特征，该平均特征在经过一次判断流程，更新到用户的人脸特征库中。
长此以往，人像库中特征就会越来越逼近用户的真实面部特征，也会随着用户的年龄增长、样貌变化而随之一同变化，完成迭代更新的过程。
在一个应用性实例中，在某公司的闸机刷脸通行场景下，用户通过长时间使用人脸识别系统，满足条件后进行对比对库图片进行聚类更新。
在人脸识别投入使用之前，需要用户提供姓名、工号、证件照等相关信息给系统管理员，系统管理人员将上述相关信息录入人脸认证通行系统。图3是本申请实施例提供的一种用户刷脸通行方法的流程图。如图3所示，本申请实施例提供的用户刷脸通行方法主要包括步骤S20、S21、S22、S23、S24、S25、S26、S27、S28和S29。
S20、用户经过刷脸闸机终端，面对摄像头。
S21、摄像头采集用户的人脸图像。
S22、人脸比对模块对所述人脸图像进行人脸检测和特征提取。
S23、将提取到的人脸特征在人脸特征库中进行检索，选取人脸特征库中与所述人脸特征相似度最高的用户特征。
S24、判断最高相似度是否超过通行阈值，若是，则执行S26、若否，则执行S25。
S25、刷脸闸机终端允许用户通行。
S26、刷脸闸机终端禁止用户通行。
S27、在刷脸闸机终端允许用户通信的情况下，判断最高相似度是否大于精准认证阈值，若是，则执行S28，若否，则执行S29。
S28、将上述提取到的人脸特征存储至抓拍特征库。
S29、丢弃上述提取到的人脸特征。
图4是本申请实施例提供的一种用户特征自动更新方法的流程图。如图4所示，本申请实施例中提供的用户特征自动更新方法主要包括步骤S30、S31、S32、S33、S34、S35和S36。
S30、下班时间过后系统检查抓拍特征库是否有更新，若有，则执行S31、若无，则执行S32。
S31、判断存储的人脸特征的数量是否超过数量阈值，若是，则执行S33、若否，则执行S32。
S32、不进行聚类更新。
S33、将所有人脸特征进行聚类计算得到平均特征；
S34、将平均特征与特征库中的用户特征进行相似度计算。
S35、判断上述相似度是否达到更新阈值，若是，则执行S36、若否，则执行S32。
S36、将此次的平均特征写入人脸特征库，完成用户特征更新。
图5为本申请实施例提供的一种特征库更新装置的结构示意图。该方法可以适用于在推理服务器上使用机器学习的算法对用户的特征库进行更新的情况。该特征库更新装置可以由软件和/或硬件实现，该装置配置于推理服务器上。
如图5所示，本申请实施例提供的特征库更新装置主要包括人脸认证模块51和特征库更新模块52。
人脸认证模块51，被配置为基于接收到的人脸图像，进行人脸认证；
特征库更新模块52，被配置为在人脸认证成功的情况下，基于人脸图像中提取出的人脸特征通过聚类算法对特征库中用户特征进行更新。
在一个示例性的实施方式中，人脸认证模块51，被配置为将接收到的人脸图像进行人脸检测和特征提取，得到人脸特征；其中所述人脸图像由设置在闸机端的摄像头采集并发送；将所述人脸特征在所述特征库中进行检索；在所述特征库中存在与所述人脸特征的相似度大于通行阈值的用户特征的情况下，确定人脸认证成功。
在一个示例性的实施方式中，所述人脸图像由设置在闸机端的摄像头采集并发送。
在一个示例性的实施方式中，特征库更新模块52，包括存储单元和更新单元，其中，
存储单元，被配置为在所述特征库中存在与所述人脸特征的相似度大于精准认证阈值的用户特征的情况下，将所述人脸特征进行存储，其中，所述精准认证阈值大于通行阈值；
更新单元，被配置为在存储的人脸特征的数量超过数量阈值的情况下，通过聚类算法对特征库中用户特征进行更新。
在一个示例性的实施方式中，存储单元，被配置为在所述特征库中所有的用户特征与所述人脸特征的相似度均小于精准认证阈值的情况下，将所述人脸特征丢弃。
在一个示例性的实施方式中，更新单元，被配置为将所有人脸特征进行聚类计算得到平均特征；将所述平均特征与特征库中的用户特征进行匹配；基于匹配结果对特征库中用户特征进行更新。
在一个示例性的实施方式中，更新单元，被配置为在所述平均特征与所述用户特征的相似度大于更新阈值的情况下，将所述平均特征替换所述用户特征。
本申请实施例还提供了一种推理服务器，图6是本申请提供的一种推理服务器的结构示意图，如图6所示，本申请提供的推理服务器，包括一个或多个处理器61和存储器62；该推理服务器中的处理器61可以是一个或多个，图6中以一个处理器61为例；存储器62用于存储一个或多个程序；所述一个或多个程序被所述一个或多个处理器61执行，使得所述一个或多个处理器61实现如本发明实施例中所述的方法。
推理服务器还包括：通信装置63、输入装置63和输出装置64。
推理服务器中的处理器61、存储器62、输入装置63和输出装置64可以通过总线或其他方式连接，图6中以通过总线连接为例。
输入装置63可用于接收输入的数字或字符信息，以及产生与推理服务器的用户设置以及功能控制有关的按键信号输入。输出装置64可包括显示屏等显示推理服务器。
存储器62作为一种计算机可读存储介质，可设置为存储软件程序、计算机可执行程序以及模块，如本申请实施例所述特征库更新方法对应的程序指令/模块(例如，特征库更新装置中人脸认证模块51、特征库更新模块52)。存储器62可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据推理服务器的使用所创建的数据等。此外，存储器62可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器62可进一步包括相对于处理器61远程设置的存储器，这些远程存储器可以通过网络连接至推理服务器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本申请实施例还提供一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本申请实施例中任一所述的方法。所述方法包括：
基于接收到的人脸图像，进行人脸认证；
在人脸认证成功的情况下，基于人脸图像中提取出的人脸特征通过聚类算法对特征库中用户特征进行更新。
以上所述，仅为本申请的示例性实施例而已，并非用于限定本申请的保护范围。
本领域内的技术人员应明白，术语用户终端涵盖任何适合类型的无线用户设备，例如移动电话、便携数据处理装置、便携网络浏览器或车载移动台。
一般来说，本申请的多种实施例可以在硬件或专用电路、软件、逻辑或其任何组合中实现。例如，一些方面可以被实现在硬件中，而其它方面可以被实现在可以被控制器、微处理器或其它计算装置执行的固件或软件中，尽管本申请不限于此。
本申请的实施例可以通过移动装置的数据处理器执行计算机程序指令来实现，例如在处理器实体中，或者通过硬件，或者通过软件和硬件的组合。计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码。
本申请附图中的任何逻辑流程的框图可以表示程序步骤，或者可以表示相互连接的逻辑电路、模块和功能，或者可以表示程序步骤与逻辑电路、模块和功能的组合。计算机程序可以存储在存储器上。存储器可以具有任何适合于本地技术环境的类型并且可以使用任何适合的数据存储技术实现，例如但不限于只读存储器(ROM)、随机访问存储器(RAM)、光存储器装置和系统(数码多功能光碟DVD或CD光盘)等。计算机可读介质可以包括非瞬时性存储介质。数据处理器可以是任何适合于本地技术环境的类型，例如但不限于通用计算机、专用计算机、微处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、可编程逻辑器件(FGPA)以及基于多核处理器架构的处理器。
通过示范性和非限制性的示例，上文已提供了对本申请的示范实施例的详细描述。但结合附图和权利要求来考虑，对以上实施例的多种修改和调整对本领域技术人员来说是显而易见的，但不偏离本发明的范围。因此，本发明的恰当范围将根据权利要求确定。

Claims (10)

1.一种特征库更新方法，其特征在于，所述方法应用于推理服务器，所述方法包括：
基于接收到的人脸图像，进行人脸认证；
在人脸认证成功的情况下，基于人脸图像中提取出的人脸特征通过聚类算法对特征库中用户特征进行更新。
2.根据权利要求1所述的方法，其特征在于，所述基于接收到的人脸图像，进行人脸认证，包括：
将接收到的人脸图像进行人脸检测和特征提取，得到人脸特征；其中所述人脸图像由设置在闸机端的摄像头采集并发送；
将所述人脸特征在所述特征库中进行检索；
在所述特征库中存在与所述人脸特征的相似度大于通行阈值的用户特征的情况下，确定人脸认证成功。
3.根据权利要求2所述的方法，其特征在于，所述人脸图像由设置在闸机端的摄像头采集并发送。
4.根据权利要求1所述的方法，其特征在于，基于人脸图像中提取出的人脸特征通过聚类算法对特征库中用户特征进行更新，包括：
在所述特征库中存在与所述人脸特征的相似度大于精准认证阈值的用户特征的情况下，将所述人脸特征进行存储，其中，所述精准认证阈值大于通行阈值；
在存储的人脸特征的数量超过数量阈值的情况下，通过聚类算法对特征库中用户特征进行更新。
5.根据权利要求4所述的方法，其特征在于，基于人脸图像中提取出的人脸特征通过聚类算法对特征库中用户特征进行更新，还包括：
在所述特征库中所有的用户特征与所述人脸特征的相似度均小于精准认证阈值的情况下，将所述人脸特征丢弃。
6.根据权利要求4所述的方法，其特征在于，所述通过聚类算法对特征库中用户特征进行更新，包括：
将所有人脸特征进行聚类计算得到平均特征；
将所述平均特征与特征库中的用户特征进行匹配；
基于匹配结果对特征库中用户特征进行更新。
7.根据权利要求6所述的方法，其特征在于，所述基于匹配结果对特征库中用户特征进行更新，包括：
在所述平均特征与所述用户特征的相似度大于更新阈值的情况下，将所述平均特征替换所述用户特征。
8.一种特征库更新装置，其特征在于，所述装置配置于推理服务器，所述装置包括：
人脸认证模块，被配置为基于接收到的人脸图像，进行人脸认证；
特征库更新模块，被配置为在人脸认证成功的情况下，基于人脸图像中提取出的人脸特征通过聚类算法对特征库中用户特征进行更新。
9.一种推理服务器，其特征在于，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7任一项所述的方法。
10.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-7任一项所述的方法。
CN201911175578.XA 2019-11-26 2019-11-26 一种特征库更新方法、装置、推理服务器及存储介质 Pending CN112949346A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201911175578.XA CN112949346A (zh) 2019-11-26 2019-11-26 一种特征库更新方法、装置、推理服务器及存储介质
PCT/CN2020/129823 WO2021104128A1 (zh) 2019-11-26 2020-11-18 特征库更新方法和装置、推理服务器及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911175578.XA CN112949346A (zh) 2019-11-26 2019-11-26 一种特征库更新方法、装置、推理服务器及存储介质

Publications (1)

Publication Number Publication Date
CN112949346A true CN112949346A (zh) 2021-06-11

Family

ID=76130217

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911175578.XA Pending CN112949346A (zh) 2019-11-26 2019-11-26 一种特征库更新方法、装置、推理服务器及存储介质

Country Status (2)

Country Link
CN (1) CN112949346A (zh)
WO (1) WO2021104128A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113743308A (zh) * 2021-09-06 2021-12-03 汇纳科技股份有限公司 基于特征质量的人脸识别方法、装置、存储介质及系统

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113420688A (zh) * 2021-06-30 2021-09-21 平安科技（深圳）有限公司 自适应人脸识别处理方法、装置、电子设备及存储介质
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

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100886557B1 (ko) * 2007-05-03 2009-03-02 삼성전자주식회사 적응형 학습에 기반한 얼굴 인식 시스템 및 방법
JP2013077068A (ja) * 2011-09-29 2013-04-25 Sogo Keibi Hosho Co Ltd 顔認証データベース管理方法、顔認証データベース管理装置及び顔認証データベース管理プログラム
CN106295482B (zh) * 2015-06-11 2019-10-29 中移信息技术有限公司 一种人脸数据库的更新方法及装置
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
CN109376686A (zh) * 2018-11-14 2019-02-22 睿云联(厦门)网络通讯技术有限公司 一种多维度人脸数据采集方案、采集系统及采集方法
CN109872406B (zh) * 2019-01-23 2021-07-09 北京影谱科技股份有限公司 一种渐进式的判断更新方法、装置和人脸打卡系统
CN110175555A (zh) * 2019-05-23 2019-08-27 厦门市美亚柏科信息股份有限公司 人脸图像聚类方法和装置
CN110334690A (zh) * 2019-07-16 2019-10-15 上海博康易联感知信息技术有限公司 人脸特征更新方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113743308A (zh) * 2021-09-06 2021-12-03 汇纳科技股份有限公司 基于特征质量的人脸识别方法、装置、存储介质及系统
CN113743308B (zh) * 2021-09-06 2023-12-12 汇纳科技股份有限公司 基于特征质量的人脸识别方法、装置、存储介质及系统

Also Published As

Publication number Publication date
WO2021104128A1 (zh) 2021-06-03

Similar Documents

Publication Publication Date Title
CN109359548B (zh) 多人脸识别监控方法及装置、电子设备及存储介质
US11191342B2 (en) Techniques for identifying skin color in images having uncontrolled lighting conditions
EP3989111A1 (en) Video classification method and apparatus, model training method and apparatus, device and storage medium
CN104537389B (zh) 人脸识别方法和装置
WO2021104128A1 (zh) 特征库更新方法和装置、推理服务器及存储介质
CN112364827B (zh) 人脸识别方法、装置、计算机设备和存储介质
CN108108711B (zh) 人脸布控方法、电子设备及存储介质
CN102857693A (zh) 图像处理设备及其控制方法和存储介质
US10970953B2 (en) Face authentication based smart access control system
CN113033404B (zh) 人脸攻击事件检测方法、装置、设备及存储介质
Shrivastava et al. Conceptual model for proficient automated attendance system based on face recognition and gender classification using Haar-Cascade, LBPH algorithm along with LDA model
CN111080827A (zh) 考勤系统及方法
Bekzod Face recognition based automated student attendance system
CN113837006A (zh) 一种人脸识别方法、装置、存储介质及电子设备
Boka et al. Person recognition for access logging
Rosy et al. An enhanced intelligent attendance management system for smart campus
Rajput et al. Attendance Management System using Facial Recognition
Yadav et al. In-browser attendance system using face recognition and serverless edge computing
CN112132218B (zh) 图像处理方法、装置、电子设备及存储介质
CN113128452A (zh) 一种基于图像识别的绿化满意度采集方法和系统
Gavriell et al. Implementation of Face Recognition Method for Attendance in Class
Rathinamala et al. Automatic attendance monitoring system using LBPH and HAAR algorithm
Rathi et al. Multi-Facial Automated Attendance System using Haar Cascade, LBPH, and OpenCV-Based Face Detection and Recognition
RU2758966C1 (ru) Способ определения подлинности лица по маскам сегментации
Sriman et al. Robust Smart Face Recognition System Based on Integration of Local Binary Pattern (LBP), CNN and MTCNN for Attendance Registration

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