CN113486749A - 图像数据收集方法、装置、电子设备和计算机可读介质 - Google Patents

Abstract

本公开的实施例公开了图像数据收集方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：获取图像数据，其中，图像数据包括目标人脸图像和参考人脸图像；将图像数据分别发送至本地人脸平台和第三方人脸引擎，以及获取本地人脸平台和第三方人脸引擎的比对结果；将本地人脸平台的比对结果与第三方人脸引擎的比对结果进行比较分析，根据分析结果，确定是否进行数据收集；响应于确定进行数据收集，对图像数据进行存储，生成案例图像集合。该实施方式利用现有的成熟领先的第三方人脸识别系统作为基础，与本地人脸平台的比对结果进行比较分析，从而实现本地人脸平台比对效果不佳的案例收集，进而解决无参考优化对象的问题。

Description

图像数据收集方法、装置、电子设备和计算机可读介质

技术领域

本公开的实施例涉及计算机技术领域，具体涉及图像数据收集方法、装置、电子设备和计算机可读介质。

背景技术

人脸识别通常指检测分析图片中的人脸(支持一至多张人脸)，获得面部关键点、年龄、性别、头部姿态、微笑检测、眼镜检测以及人脸质量等信息，并标记出边框。人脸比对通常指将两张人脸进行比对，来判断是否是同一个人，并给出置信度评分。即1:1身份验证。人脸查找通常是将一张人脸和N张人脸进行比对，找出最相似的一张或多张人脸。即1:N人脸搜索。

目前针对人脸比对效果的改进，基本只是厂家自身内部进行升级，可能存在算法过时，或不适用的情况。客户现场往往有多家人脸检测产品进行比较竞争。而不同厂家之间的研发技术通常是互相保密的。这就会导致厂家自身产品的比对效果不佳时，无参考优化对象。

发明内容

本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。本公开的一些实施例提出了用于分析电力系统安全性的方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。

第一方面，本公开的一些实施例提供了一种图像数据收集方法，包括：获取图像数据，其中，图像数据包括目标人脸图像和参考人脸图像；将图像数据分别发送至本地人脸平台和第三方人脸引擎，以及获取本地人脸平台和第三方人脸引擎的比对结果；将本地人脸平台的比对结果与第三方人脸引擎的比对结果进行比较分析，根据分析结果，确定是否进行数据收集；响应于确定进行数据收集，对图像数据进行存储，生成案例图像集合。

在一些实施例中，将本地人脸平台的比对结果与第三方人脸引擎的比对结果进行比较分析，包括：确定本地人脸平台的比对结果与第三方人脸引擎的比对结果的差值，以及将该差值与预设阈值进行比较。

在一些实施例中，若包含多个第三方人脸引擎，则将该差值与预设阈值进行比较，包括：将本地人脸平台的比对结果与各第三方人脸引擎的比对结果的差值中绝对值最大的差值，作为目标差值，以及将目标差值与预设阈值进行比较。

在一些实施例中，若包含多个第三方人脸引擎，则确定本地人脸平台的比对结果与第三方人脸引擎的比对结果的差值，包括：计算各第三方人脸引擎的比对结果的加权平均值，以及确定本地人脸平台的比对结果与该加权平均值的差值。

在一些实施例中，根据分析结果，确定是否进行数据收集，包括：响应于差值不小于预设阈值，确定进行数据收集。

在一些实施例中，该方法包括：通过第三方人脸引擎的应用程序接口API与第三方人脸引擎进行通信。

在一些实施例中，该方法还包括：根据案例图像集合中的图像数据，对本地人脸平台进行优化。

第二方面，本公开的一些实施例提供了一种图像数据收集装置，包括：获取单元，被配置成获取图像数据，其中，图像数据包括目标人脸图像和参考人脸图像；发送单元，被配置成将图像数据分别发送至本地人脸平台和第三方人脸引擎，以及获取本地人脸平台和第三方人脸引擎的比对结果；分析单元，被配置成将本地人脸平台的比对结果与第三方人脸引擎的比对结果进行比较分析，根据分析结果，确定是否进行数据收集；存储单元，被配置成响应于确定进行数据收集，对图像数据进行存储，生成案例图像集合。

在一些实施例中，分析单元进一步被配置成：确定本地人脸平台的比对结果与第三方人脸引擎的比对结果的差值，以及将该差值与预设阈值进行比较。

在一些实施例中，若包含多个第三方人脸引擎，则分析单元还进一步被配置成：将本地人脸平台的比对结果与各第三方人脸引擎的比对结果的差值中绝对值最大的差值，作为目标差值，以及将目标差值与预设阈值进行比较。

在一些实施例中，若包含多个第三方人脸引擎，则分析单元还进一步被配置成：计算各第三方人脸引擎的比对结果的加权平均值，以及确定本地人脸平台的比对结果与该加权平均值的差值。

在一些实施例中，分析单元进一步被配置成：响应于差值不小于预设阈值，确定进行数据收集。

在一些实施例中，该装置通过第三方人脸引擎的应用程序接口API与第三方人脸引擎进行通信。

在一些实施例中，该装置还包括：优化单元，被配置成根据案例图像集合中的图像数据，对本地人脸平台进行优化。

第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面中任一实现方式所描述的方法。

第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面中任一实现方式所描述的方法。

本公开的上述各个实施例具有如下有益效果：本公开的一些实施例的图像数据收集方法通过将获取的图像数据分别发送至本地人脸平台和第三方人脸引擎，来获取两者的比对结果。之后，将两者的比对结果进行比较分析。进而根据分析结果，来确定是否进行数据收集。并且在确定进行数据收集的情况下，对图像数据进行存储，从而生成案例图像集合。即实现本地人脸平台比对效果不佳的案例收集，以解决无参考优化对象的问题。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。

图1是本公开的一些实施例可以应用于其中的示例性系统的架构图；

图2是根据本公开的图像数据收集方法的一些实施例的流程图；

图3是根据本公开的图像数据收集装置的一些实施例的结构示意图；

图4是适于用来实现本公开的一些实施例的电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

下面将参考附图并结合实施例来详细说明本公开。

图1示出了可以应用本公开的一些实施例的图像数据收集方法或装置的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、网络103和服务器104。网络103可以用以在终端设备101、102和服务器104之间提供通信链路的介质。网络103可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102通过网络103与服务器104进行交互，以接收或发送消息等。终端设备101、102上可以安装有各种客户端应用，例如人脸识别对比类应用、图片查看类应用、网页浏览器和即时通讯工具等。

这里的终端设备101、102可以是硬件，也可以是软件。当终端设备101、102为硬件时，可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102为软件时，可以安装在上述所列举的电子设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器104可以是提供各种服务的服务器，例如可以是对终端设备101、102所安装的应用提供支持的后台服务器。后台服务器在接收到人脸图像比对指令时，可以将获取的图像数据分别发送至本地人脸平台和第三方人脸引擎，并对获取的比对结果进行分析处理。以及可以将处理结果(如比对结果的差值、案例图像集合)反馈给终端设备101、102。

这里的服务器104同样可以是硬件，也可以是软件。当服务器104为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器104为软件时，可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本公开的实施例所提供的图像数据收集方法可以由终端设备101、102执行，也可以由服务器104执行。相应地，图像数据收集装置可以设置于终端设备101、102中，也可以设置于服务器104中。在此不做具体限定。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实际需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，示出了根据本公开的图像数据收集方法的一些实施例的流程200。该方法包括以下步骤：

步骤201，获取图像数据。

在一些实施例中，图像数据收集方法的执行主体(例如图1所示的服务器104)可以通过有线连接或无线连接的方式，来获取图像数据。其中，图像数据可以包括目标人脸图像和参考人脸图像。可以理解的是的，图像数据可以是用户利用所使用的终端设备发送的，也可以是存储在执行主体或其他电子设备(如数据库)上。又或者，参考人脸图像可以预先存储在执行主体上，而目标人脸图像是用户通过终端设备发送的。此外，图像数据的具体格式在这里并不限制，只要能被执行主体所识别即可。

步骤202，将图像数据分别发送至本地人脸平台和第三方人脸引擎，以及获取本地人脸平台和第三方人脸引擎的比对结果。

在一些实施例中，执行主体可以将图像数据分别发送至本地人脸平台和第三方人脸引擎。并且可以获取到本地人脸平台对图像数据的比对结果，以及第三方人脸引擎对图像数据的比对结果。需要说明的是，本地人脸平台可以是由执行主体提供服务支持的，也可以是由其它服务器提供服务支持的。这里的第三方人脸引擎可以是现有技术比较成熟领先的人脸识别公司所提供的开放资源。

可以理解的是，基于互联网的应用正变得越来越普及，在这个过程中，有更多的站点将自身的资源开放给开发者来调用。对外提供的API(Application ProgrammingInterface，应用程序接口)调用使得站点之间的内容关联性更强，同时这些开放的平台也为用户、开发者和中小网站带来了更大的价值。为了对外提供统一的API接口，需要对开发者开放资源调用API的站点提供开放统一的API接口环境，来帮助使用者访问站点的功能和资源。在这种情况下，执行主体可以通过第三方人脸引擎的公共(在线或离线)API与第三方人脸引擎进行通信，即向其发送图像数据和接收比对结果。在进行本公开的方法之前，可以根据第三方人脸引擎的要求准备相关的资料，如账号申请和注册，从而实现顺利对接。

步骤203，将本地人脸平台的比对结果与第三方人脸引擎的比对结果进行比较分析，根据分析结果，确定是否进行数据收集。

在一些实施例中，基于步骤202获取的本地人脸平台的比对结果和第三方人脸引擎的比对结果，执行主体可以对两种比对结果进行比较分析。进而根据分析结果，来确定是否进行数据收集。

作为示例，首先，执行主体可以确定本地人脸平台的比对结果与第三方人脸引擎的比对结果的差值。接着，执行主体将该差值(或差值的绝对值)与预设阈值进行比较。这里的预设阈值可以根据实际需求进行设置。例如，若差值不小于预设阈值，则确定进行数据收集。又例如，若差值位于预设阈值范围内，则确定进行数据收集。

此外，在一些应用场景中，上述第三方人脸引擎可以为多家第三方人脸引擎。在这种情况下，可以将本地人脸平台的比对结果与各第三方人脸引擎的比对结果的差值中绝对值最大的差值，作为目标差值。从而将该目标差值与预设阈值进行比较。可选地，执行主体首先可以计算各第三方人脸引擎的比对结果的加权平均值。之后，确定本地人脸平台的比对结果与该加权平均值的差值。并将此差值(或绝对值)与预设阈值进行比较。

可以理解的是，为了提升数据的多样性，上述图像数据可以包括正样本图像数据和负样本图像数据。或者图像数据中的参考人脸图像可以包括正参考人脸图像和负参考人脸图像。这里的正样本图像数据(正参考人脸图像)主要是指包含相同人脸图像的图像。如参考人脸图像与目标人脸图像为同一人脸图像，或者参考人脸图像中至少包含目标人脸图像中的人脸图像。作为示例，参考人脸图像与目标人脸图像可以为某一人不同着装和/或不同视角下的图像。而负样本图像数据(负参考人脸图像)主要是指不包含相同人脸图像的图像。如参考人脸图像与目标人脸图像为非同一人脸图像，或者参考人脸图像中不包含目标人脸图像中的人脸图像。

步骤204，响应于确定进行数据收集，对图像数据进行存储，生成案例图像集合。

在一些实施例中，基于步骤203确定的进行数据收集，执行主体可以对相应的图像数据进行存储，从而生成案例图像集合。在这里，案例图像集合可以存储在执行主体本地。而为了减少对执行主体内存的占用，提升其数据处理效率，案例图像集合也可以存储在其他电子设备上。可以理解的是，案例图像集合中的图像数据(即目标人脸图像与参考人脸图像)存在对应关系。

进一步地，根据案例图像集合中的图像数据，执行主体可以对本地人脸平台进行优化，从而改善本地人脸平台的人脸比对效果。在一些应用场景中，在对图像数据进行存储收集的同时，还可以对第三方人脸引擎的比对结果和\或比较分析结果进行存储。这样，可以将其作为本地人脸平台的优化目标，从而提升优化效果。

可选地，执行主体还可以根据步骤203中的分析结果(如两个比对结果的差值)，来对需要收集的图像数据进行等级划分。从而生成不同等级的案例图像集合。作为示例，上述预设阈值可以包括第一预设阈值和第二预设阈值。其中，第一预设阈值小于第二预设阈值。若上述差值位于第一预设阈值与第二预设阈值之间，则可以将图像数据存储在第一案例图像集合中。若上述差值大于第二预设阈值，则可以将图像数据存储在第二案例图像集合中。其中，与第一案例图像集合中的图像数据的比对结果相比，本地人脸平台对第二案例图像集合中的图像数据的比对结果更不好，即比对效果更差。这样可以实现案例图像集合的进一步划分，以对本地人脸平台进行逐步优化。

本公开的一些实施例提供的方法通过将图像数据分别发送至本地人脸平台和第三方人脸引擎，从而可以将第三方人脸引擎的比对结果作为参考。进而将本地人脸平台比对效果不佳的图像数据进行收集，以对本地人脸平台进行优化与升级。

可以理解的是，上述方法可以采用计算机编程语言Python进行编写。通过集成、调用第三方人脸引擎API，实现一套迷你对比系统。可以简洁迅速的返回比对结果，从而辅助本公司所开发的人脸平台的人脸比对效果。方便收集效果不佳的案例，从而反馈给相关部门进行优化。

进一步参考图3，作为对上述各图所示方法的实现，本公开提供了一种图像数据收集装置的一些实施例，这些装置实施例与图2所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图3所示，一些实施例的图像数据收集装置300包括：获取单元301，被配置成获取图像数据，其中，图像数据包括目标人脸图像和参考人脸图像；发送单元302，被配置成将图像数据分别发送至本地人脸平台和第三方人脸引擎，以及获取本地人脸平台和第三方人脸引擎的比对结果；分析单元303，被配置成将本地人脸平台的比对结果与第三方人脸引擎的比对结果进行比较分析，根据分析结果，确定是否进行数据收集；存储单元304，被配置成响应于确定进行数据收集，对图像数据进行存储，生成案例图像集合。

在一些实施例中，上述分析单元303进一步被配置成：确定本地人脸平台的比对结果与第三方人脸引擎的比对结果的差值，以及将该差值与预设阈值进行比较。

在一些实施例中，若包含多个第三方人脸引擎，则分析单元303还可以进一步被配置成：将本地人脸平台的比对结果与各第三方人脸引擎的比对结果的差值中绝对值最大的差值，作为目标差值，以及将目标差值与预设阈值进行比较。

在一些实施例中，若包含多个第三方人脸引擎，则分析单元303还可以进一步被配置成：计算各第三方人脸引擎的比对结果的加权平均值，以及确定本地人脸平台的比对结果与该加权平均值的差值。

在一些实施例中，上述分析单元303进一步被配置成：响应于差值不小于预设阈值，确定进行数据收集。

在一些实施例中，该装置通过第三方人脸引擎的应用程序接口API与第三方人脸引擎进行通信。

在一些实施例中，该装置还包括：优化单元(图3中未示出)，被配置成根据案例图像集合中的图像数据，对本地人脸平台进行优化。

可以理解的是，该装置300中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置300及其中包含的单元，在此不再赘述。

下面参考图4，其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的服务器)400的结构示意图。图4示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图4所示，电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。

通常，以下装置可以连接至I/O接口405：包括例如触摸屏、触摸板、键盘、鼠标、麦克风、加速度计、陀螺仪等的输入装置406；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置408；以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图4中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置409从网络上被下载和安装，或者从存储装置408被安装，或者从ROM 402被安装。在该计算机程序被处理装置401执行时，执行本公开的一些实施例的方法中限定的上述功能。

需要说明的是，本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，终端设备、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取图像数据，其中，图像数据包括目标人脸图像和参考人脸图像；将图像数据分别发送至本地人脸平台和第三方人脸引擎，以及获取本地人脸平台和第三方人脸引擎的比对结果；将本地人脸平台的比对结果与第三方人脸引擎的比对结果进行比较分析，根据分析结果，确定是否进行数据收集；响应于确定进行数据收集，对图像数据进行存储，生成案例图像集合。

此外，可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、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，该模块、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，两个接连地表示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操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。

描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、发送单元、分析单元和存储单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取图像数据的单元”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (10)

1.一种图像数据收集方法，包括：

获取图像数据，其中，所述图像数据包括目标人脸图像和参考人脸图像；

将所述图像数据分别发送至本地人脸平台和第三方人脸引擎，以及获取所述本地人脸平台和所述第三方人脸引擎的比对结果；

将所述本地人脸平台的比对结果与所述第三方人脸引擎的比对结果进行比较分析，根据分析结果，确定是否进行数据收集；

响应于确定进行数据收集，对所述图像数据进行存储，生成案例图像集合。

2.根据权利要求1所述的图像数据收集方法，其中，所述将所述本地人脸平台的比对结果与所述第三方人脸引擎的比对结果进行比较分析，包括：

确定所述本地人脸平台的比对结果与所述第三方人脸引擎的比对结果的差值，以及将该差值与预设阈值进行比较。

3.根据权利要求2所述的图像数据收集方法，其中，若包含多个所述第三方人脸引擎，则所述将该差值与预设阈值进行比较，包括：

将所述本地人脸平台的比对结果与各所述第三方人脸引擎的比对结果的差值中绝对值最大的差值，作为目标差值，以及将所述目标差值与预设阈值进行比较。

4.根据权利要求2所述的图像数据收集方法，其中，若包含多个所述第三方人脸引擎，则所述确定所述本地人脸平台的比对结果与所述第三方人脸引擎的比对结果的差值，包括：

计算各所述第三方人脸引擎的比对结果的加权平均值，以及确定所述本地人脸平台的比对结果与该加权平均值的差值。

5.根据权利要求2所述的图像数据收集方法，其中，所述根据分析结果，确定是否进行数据收集，包括：

响应于差值不小于预设阈值，确定进行数据收集。

6.根据权利要求1所述的图像数据收集方法，其中，所述方法包括：通过所述第三方人脸引擎的应用程序接口API与所述第三方人脸引擎进行通信。

7.根据权利要求1-6之一所述的图像数据收集方法，其中，所述方法还包括：

根据所述案例图像集合中的图像数据，对所述本地人脸平台进行优化。

8.一种图像数据收集装置，包括：

获取单元，被配置成获取图像数据，其中，所述图像数据包括目标人脸图像和参考人脸图像；

发送单元，被配置成将所述图像数据分别发送至本地人脸平台和第三方人脸引擎，以及获取所述本地人脸平台和所述第三方人脸引擎的比对结果；

分析单元，被配置成将所述本地人脸平台的比对结果与所述第三方人脸引擎的比对结果进行比较分析，根据分析结果，确定是否进行数据收集；

存储单元，被配置成响应于确定进行数据收集，对所述图像数据进行存储，生成案例图像集合。

9.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，

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中任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。

Images