CN114333005A - 对象识别方法、系统及存储介质 - Google Patents
对象识别方法、系统及存储介质 Download PDFInfo
- Publication number
- CN114333005A CN114333005A CN202111619572.4A CN202111619572A CN114333005A CN 114333005 A CN114333005 A CN 114333005A CN 202111619572 A CN202111619572 A CN 202111619572A CN 114333005 A CN114333005 A CN 114333005A
- Authority
- CN
- China
- Prior art keywords
- node
- data
- feature
- warehousing
- adopting
- 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
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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例公开了一种对象识别方法、系统及存储介质;其中,所述对象识别方法,应用于对象识别系统,所述对象识别系统包括管理节点和服务节点;采用所述管理节点获取至少一个入库对象的特征数据库;采用所述服务节点基于所述特征数据库,对待识别对象进行识别,以得到所述待识别对象的识别结果。
Description
技术领域
本申请实施例涉及信息技术领域,尤其涉及一种对象识别方法、系统及存储介质。
背景技术
相关技术中,通常需将事先存储的人脸图像传输至人脸识别终端,并在人脸识别终端采集到待识别人脸图像的情况下,基于事先存储的人脸图像以实现人脸识别;这样,无法保证事先存储的人脸图像的隐私性。
发明内容
本申请实施例提供一种对象识别技术方案。
本申请实施例的技术方案是这样实现的:
本申请实施例提供一种对象识别方法,应用于对象识别系统,所述对象识别系统包括管理节点和服务节点;
采用所述管理节点获取至少一个入库对象的特征数据库;
采用所述服务节点基于所述特征数据库,对待识别对象进行识别,以得到所述待识别对象的识别结果。
在一些实施例中,所述管理节点包括数据节点和特征节点,所述采用所述管理节点获取至少一个入库对象的特征数据库,包括:采用所述数据节点获取所述至少一个入库对象中每一入库对象的第一数据;采用所述特征节点对所述每一入库对象的第一数据进行特征提取,得到所述每一入库对象的目标特征;采用所述数据节点获取所述每一入库对象的身份标识;采用所述数据节点基于所述每一入库对象的目标特征和身份标识,确定所述至少一个入库对象的特征数据库。如此,能够将每一入库对象的相关数据存储事先转换为对应的特征数据,进而能够提高入库对象的相关数据的隐私性。
在一些实施例中,所述采用所述数据节点获取所述至少一个入库对象中每一入库对象的第一数据,包括:采用所述数据节点获取所述每一入库对象的第二数据;采用所述特征节点对所述每一入库对象的第二数据进行质量检测,得到所述第二数据对应的检测结果;采用所述数据节点基于所述检测结果对所述每一入库对象的第二数据进行过滤,得到所述每一入库对象的第一数据。如此,能够提高得到的每一入库对象的第一数据的质量。
在一些实施例中,所述采用所述特征节点对所述每一入库对象的第一数据进行特征提取,得到所述每一入库对象的目标特征,包括:采用所述数据节点确定目标提取模型;采用所述特征节点基于所述目标提取模型对所述每一入库对象的第一数据进行特征提取,得到所述每一入库对象的目标特征。如此,能够提高得到目标特征的效率。
在一些实施例中,所述采用所述数据节点确定目标提取模型,包括:响应于所述数据节点发送的查询请求,采用所述特征节点统计所述特征节点内部存储的特征提取模型得到特征提取模型列表,并将所述特征提取模型列表发送至所述数据节点;采用所述数据节点从所述特征提取模型列表中确定所述目标提取模型。如此,能够提高确定的目标提起模型的准确度和效率。
在一些实施例中,所述响应于所述数据节点发送的查询请求,采用所述特征节点统计所述特征节点内部存储的特征提取模型得到特征提取模型列表,并将所述特征提取模型列表发送至所述数据节点之前,所述方法还包括:采用所述数据节点发送与所述服务节点关联的特征提取模型至所述特征节点;采用所述特征节点,在所述特征节点内部存储所述服务节点关联的特征提取模型。如此,能够基于事先存储的特征提取模型执行相关特征提取操作,进而能够提高提取目标特征的效率。
在一些实施例中,所述采用所述数据节点获取所述每一入库对象的身份标识,包括:采用所述数据节点获取所述每一入库对象的身份信息集;采用所述服务节点基于所述每一入库对象的身份信息集生成所述每一入库对象的身份标识;采用所述服务节点将所述每一入库对象的身份标识发送至所述数据节点。如此,能够提高确定的每一入库对象的身份标识的效率和准确度。
在一些实施例中,所述服务节点包括至少一个应用节点和与所述应用节点关联的至少一个终端节点,所述采用所述服务节点基于所述特征数据库,对待识别对象进行识别,以得到所述待识别对象的识别结果,包括:采用所述至少一个应用节点基于所述特征数据库,确定与所述应用节点属性信息关联的目标对象的目标特征数据库;采用所述至少一个终端节点基于所述目标特征数据库对所述待识别对象进行身份识别,确定所述待识别对象的身份信息。如此,能够在进行相关身份验证的过程中,不涉及原始数据的图像信息等,仅涉及特征数据,能够提高原始数据的隐私性。
在一些实施例中,所述采用所述终端节点基于所述目标特征数据库对所述待识别对象进行身份识别,确定所述待识别对象的身份信息,包括:采用所述终端节点基于与所述终端节点关联的特征提取模型,对采集到的所述待识别对象输入的待识别数据进行特征提取,得到待比对特征数据;采用所述终端节点,从所述目标特征数据库查找与所述待比对特征数据相似的特征数据,得到查找结果;采用所述终端节点,基于所述查找结果确定所述待识别对象的身份信息。如此,能够基于相关对象的特征数据实现身份验证,能够保证相关对象的相关信息的隐私性。
在一些实施例中,所述方法还包括:采用所述终端节点在确定所述待识别对象的身份信息之后,将所述待识别数据进行删除。如此,能够进一步提高待识别对象的相关信息的隐私性。
本申请实施例提供一种对象识别系统,所述对象识别系统包括:管理节点和服务节点,其中:
所述管理节点,用于获取至少一个入库对象的特征数据库;
所述服务节点,用于基于所述特征数据库,对待识别对象进行识别,以得到所述待识别对象的识别结果。
本申请实施例提供一种计算机存储介质,所述计算机存储介质上存储有计算机可执行指令,所述计算机可执行指令被执行后,能够实现上述的对象识别方法。
本申请实施例提供一种对象识别方法、系统及存储介质,其中,所述对象识别方法应用于对象识别系统,所述对象识别系统包括管理节点和服务节点,其中,采用所述管理节点获取至少一个入库对象的特征数据库,然后采用所述服务节点获取该至少一个入库对象的特征数据库;最后采用所述服务节点基于该特征数据库,对待识别对象进行识别,以得到待识别对象的识别结果。如此,能够实现以特征数据的形式存储和传输对象的相关信息,进而能够提高数据存储和传输过程中的隐私性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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申请实施例的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图,其中:
图1为本申请实施例提供的第一种对象识别方法的流程示意图;
图2为本申请实施例提供的第二种对象识别方法的流程示意图;
图3为本申请实施例提供的第三种对象识别方法的流程示意图;
图4为应用本申请实施例提供的一种对象识别系统的系统架构示意图;
图5为基于本申请实施例提供的对象识别系统来实现对象识别方法的一种流程示意图;
图6为本申请实施例提供的一种对象识别系统的组成示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对发明的具体技术方案做进一步详细描述。以下实施例用于说明本申请实施例,但不用来限制本申请实施例的范围。
在以下的描述中,涉及到“一些实施例”,其描述了所有可能实施例的子集,但是可以理解,“一些实施例”可以是所有可能实施例的相同子集或不同子集,并且可以在不冲突的情况下相互结合。
在以下的描述中,所涉及的术语“第一\第二\第三”仅仅是是区别类似的对象,不代表针对对象的特定排序,可以理解地,“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序,以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请实施例的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的,不是旨在限制本申请实施例。
对本申请实施例进行进一步详细说明之前,对本申请实施例中涉及的名词和术语进行说明,本申请实施例中涉及的名词和术语适用于如下的解释。
人脸识别:是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部识别的一系列相关技术,通常也叫做人像识别、面部识别。
下面说明本申请实施例提供的对象识别系统的示例性应用,本申请实施例提供的对象识别系统可以实施为具有图像采集功能的笔记本电脑,平板电脑,台式计算机,相机,移动设备(例如,个人数字助理,专用消息设备,便携式游戏设备)等各种类型的用户终端,也可以实施为服务器。下面,将说明设备实施为终端或服务器时示例性应用。
本申请实施例提供一种对象识别方法,应用于对象识别系统,所述对象识别系统包括管理节点和服务节点;如图1所示,示出本申请实施例提供的第一种对象识别方法的流程示意图;结合图1所示步骤进行说明:
步骤S101,采用所述管理节点获取至少一个入库对象的特征数据库。
在一些实施例中,对象识别系统可以是人脸识别系统,还可以是指纹识别的系统。其中,对象识别系统可以包括多个处理终端或处理节点,且多个处理终端之间可以位于同一区域,也可以同时位于多个不同区域。同时对象识别系统中的对象可以指代人、终端、动物等,同时在对象为人的情况下,对象识别系统中可以对人脸或指纹或声音进行识别。
在一些实施例中,对象识别系统包括管理节点和服务节点;其中,管理节点可以指代对象识别系统的数据中心,即信息处理中心,其可以用于获取以及存储需入库对象的相关数据信息。其中,管理节点可以有一个数据处理终端,也可以具有多个数据处理终端。同时入库对象即为需在对象识别系统对应的数据库中事先进行相关信息存储的对象。且服务节点可以指代对象识别系统的应用中心,即可采用该服务节点基于该至少一个入库对象的特征数据库,以实现对相关对象进行识别的过程。
在一些实施例中,管理节点可以包括数据节点和特征节点;其中,可采用数据节点获取每一入库对象的原始数据,比如:每一入库对象的原始图像、原始指纹信息、原始声音信息,同时可以采用该特征节点对每一入库对象输入的原始数据进行特征提取,以得到每一入库对象的特征数据库。其中,每一入库对象的特征数据库中的特征数量可以有多个;同时每一入库对象的特征数据库中的特征数据可以是每一入库对象的原始数据对应的特征值;其中,该特征值可以使用向量进行表示。
在一些实施例中,对象识别系统中的入库对象的数量可以是一个,或两个及以上,同时在入库对象的数量为两个及以上的情况下,每两个入库对象各自对应的特征数据库中的特征数据不同。示例性地,入库对象为某一学校的全部师生,对应地,入库对象的特征数据库中的特征数据,可以是某位师生对应的图像信息进行特征提取后得到的特征数据;入库对象为某一公司的全部员工,对应地,入库对象的特征数据库中的特征数据,可以是某位员工对应的图像信息进行特征提取后得到的特征数据。
步骤S102,采用所述服务节点基于所述特征数据库,对待识别对象进行识别,以得到所述待识别对象的识别结果。
在一些实施例中,可以将至少一个入库对象的特征数据库,下发至对象识别系统中的服务节点,进而采用该服务节点基于特征数据库,对需要识别的待识别对象进行识别,以得到待识别对象的识别结果。其中,服务节点的数量可以有多个。
在一些实施例中,在服务节点为多个的情况下,可以基于服务节点的属性信息,比如服务节点的接口属性对服务节点进行划分,比如:用于进行考勤业务的服务节点,用于进行监控业务的服务节点,同时每一类服务节点可以包括部署在不同区域的多个子服务节点。在一些实施例中,服务节点可以包括多个不同属性的应用节点,每一应用节点关联多个不同的终端节点;其中,每一终端节点用于采集待识别对象输入的待识别数据,并基于至少一个入库对象的特征数据库,对待识别数据进行特征比对,以得到待识别对象的识别结果。
在一些实施例中,对象识别系统可采用服务节点,基于特征数据库,对采集到的待识别对象输入的待识别数据进行数据识别,以得到待识别对象的识别结果。其中,待识别对象的识别结果,可以用于表征该待识别对象是否属于该入库对象中的一个。
在一些实施例中,服务节点可以为某一公司的考勤系统对应的应用节点,用于基于事先存储的该公司的每一员工的特征数据库,对进入该应用节点管理区域的待识别对象进行身份识别,以得到该待识别对象的识别结果。其中,识别结果表征为通过,则表征该待识别对象为该公司的某一员工,若识别结果表针为未通过,则表征该待识别对象非该公司的员工。
在一些实施例中,对象识别系统基于管理节点,确定每一入库对象的特征数据库;如此,能够实现将事先存储的每一入库对象的原始数据,比如:图像或指纹等进行特征转换,以特征数据进行存储,进而能够提高每一入库对象的数据存储的隐私性。同时在基于该特征数据库进行相关应用的过程中,可以直接下发每一入库对象的特征数据库至对应的应用节点,而非下发每一入库对象的原始数据,比如:图像或指纹等,如此,能够实现每一入库对象的隐私数据以特征数据形式传输,即进一步在传输过程保证数据隐私性。
本申请实施例提供的对象识别方法,所述对象识别方法应用于对象识别系统,所述对象识别系统包括管理节点和服务节点,其中,采用所述管理节点获取至少一个入库对象的特征数据库,然后采用所述服务节点获取该至少一个入库对象的特征数据库;最后采用所述服务节点基于该特征数据库,对待识别对象进行识别,以得到待识别对象的识别结果。如此,能够实现以特征数据的形式存储和传输对象的相关信息,进而能够提高数据存储和传输过程中的隐私性。
在一些实施例中,在管理节点包括数据节点和特征节点的情况下,采用数据节点获取每一入库对象的第一数据和身份标识,并采用特征节点对每一入库对象的第一数据进行特征提取,得到每一入库对象的目标特征,进而基于每一入库对象的目标特征和身份标识,来确定每一入库对象的特征数据库;如此,能够将每一入库对象的相关数据存储事先转换为对应的特征数据,进而能够提高入库对象的相关数据的隐私性,即上述步骤S101可以通过以下步骤来实现。如图2所示,图2为本申请实施例提供的第二种对象识别方法的流程实现图;结合图1和图2所示的步骤进行以下说明:
步骤S201,采用所述数据节点获取所述至少一个入库对象中每一入库对象的第一数据。
在一些实施例中,采用数据节点获取至少一个入库对象中每一入库对象的第一数据;其中,第一数据可以是每一入库对象的底图数据、指纹数据或声音信息等。同时可以是采用数据节点来采集每一入库对象输入的第二数据,并对第二数据进行质量过滤,以确定每一入库对象的第一数据,即第一数据是入库对象输入至数据节点且经过信息过滤后得到的数据。
在一种可行的实现方式中,首先对获取的每一入库对象的第二数据进行质量检测,得到对应的检测结果,进而基于对应的检测结果对每一入库对象的第二数据进行过滤,得到每一入库对象的第一数据;如此,能够提高得到的每一入库对象的第一数据的质量;即上述步骤S201可以通过以下步骤S2011至步骤S2013来实现(图中未示出):
步骤S2011,采用所述数据节点获取所述每一入库对象的第二数据。
在一些实施例中,可以采用数据节点采集以获取每一入库对象的第二数据,其中,该第二数据可以是每一入库对象输入至数据节点的原始图像、原始指纹、原始声音信息等。
其中,第二数据可以包括但不限于:入库对象的人脸图像信息、身体图像信息、指纹信息、声音信息等,同时第二数据的存储形式可以是图片、音频、视频等。
步骤S2012,采用所述特征节点对所述每一入库对象的第二数据进行质量检测,得到所述第二数据对应的检测结果。
在一些实施例中,可以将获取的每一入库对象的第二数据,传输至特征节点,以使特征节点对每一入库对象的第二数据进行质量检测,即采用特征节点对接收到的每一入库对象的第二数据进行质量检测,得到第二数据对应的检测结果;其中,第二数据对应的检测结果,可以是检测通过,或检测不通过。
示例性地,在第二数据为每一入库对象的人脸图像的情况下,第二数据中人脸模糊、存在多张人脸、第二数据对应的图像尺寸过大或过小,人脸遮挡较多等,对应地,第二数据对应的检测结果为不通过;同时第二数据中的人脸清晰度较高且仅存在一张人脸,对应地,第二数据对应的检测结果为通过。
步骤S2013,采用所述数据节点基于所述检测结果对所述每一入库对象的第二数据进行过滤,得到所述每一入库对象的第一数据。
在一些实施例中,可以将所述第二数据对应的检测结果反馈至数据节点,并采用数据节点基于该检测结果对每一入库对象的第二数据进行过滤,以得到每一入库对象的第一数据;其中,每一入库对象的第一数据中的数据即为符合要求,即质量检测通过的数据。
其中,每一入库对象的第一数据可以包括多个数据,比如,可以同时包括每一入库对象的人脸图像、指纹信息以及声音信息。
在一些实施例中,通过对每一入库对象的原始数据进行信息过滤,即对原始数据进行质量检测,以过滤掉质量检测结果为不符合预设标准的数据,进而使得存储至数据节点中的第一数据的质量更高,且能够进一步优化存储效率和存储空间。
步骤S202,采用所述特征节点对所述每一入库对象的第一数据进行特征提取,得到所述每一入库对象的目标特征。
在一些实施例中,将进行质量过滤后得到的每一入库对象的第一数据,从数据节点传输至特征节点,并采用特征节点对每一入库对象的第一数据进行特征提取,以得到每一入库对象的目标特征;比如,第一数据为入库对象的人脸图像时,每一入库对象的目标特征即为每一入库对象的人脸特征值。第一数据为入库对象的声音信息时,每一入库对象的目标特征即为每一入库对象的声音特征。
在一些可能的实现方式中,基于事先设定好的目标提取模型对每一入库对象的第一数据进行特征提取,得到每一入库对象的目标特征;如此,能够提高得到目标特征的效率。即上述步骤S202可以通过以下步骤S2021和步骤S2022来实现(图中未示出):
步骤S2021,采用所述数据节点确定目标提取模型。
在一些实施例中,可以采用数据节点确定进行特征提取所使用的算法模型,即目标提取模型。
这里,目标提取模型可以是数据节点基于特征节点当前内部存储的特征提取模型集合来确定,如此,能够提高确定的目标提起模型的准确度和效率;即上述步骤S2021可以通过以下步骤S2211和步骤S2212的方式来实现(图中未示出):
步骤S2211,响应于所述数据节点发送的查询请求,采用所述特征节点统计所述特征节点内部存储的特征提取模型得到特征提取模型列表,并将所述特征提取模型列表发送至所述数据节点。
在一些实施例中,数据节点发起一查询请求至特征节点,特征节点响应于该查询请求,以统计特征节点内部存储的特征提取模型,进而得到特征提取模型列表。其中,该特征提取模型列表中包括至少一个特征提取模型,该特征提取模型列表可以是特征节点中内部存储的可用的特征提取模型集合对应的列表信息。
在一些实施例中,采用特征节点将统计得到的特征提取模型列表发送至数据节点,以使数据节点获知特征节点中能够使用的特征提取模型。
这里,特征节点内部存储的特征提取模型可以是数据节点事先上传至特征节点的;如此,能够基于事先存储的特征提取模型执行相关特征提取操作,进而能够提高提取目标特征的效率。即在执行步骤S2211之前,还可以执行以下过程:
第一步,采用所述数据节点发送与所述服务节点关联的特征提取模型至所述特征节点。
第二步,采用所述特征节点,在所述特征节点内部存储所述服务节点关联的特征提取模型。
在一些实施例中,对象识别系统中的数据节点,可以事先获取与服务节点关联的特征提取模型,并将该特征提取模型上传至特征节点,以使特征节点内部存储该特征提取模型。其中,与服务节点关联的特征提取模型,可以是服务节点对应的终端节点关联的特征提取模型,即终端节点内部存储的可用的特征提取模型。
步骤S2212,采用所述数据节点从所述特征提取模型列表中确定所述目标提取模型。
在一些实施例中,可以采用数据节点从特征提取模型列表中确定目标提取模型,以便特征节点基于确定的目标提取模型,对每一入库对象的第一数据进行特征提取,得到每一入库对象对应的目标特征。
步骤S2022,采用所述特征节点基于所述目标提取模型对所述每一入库对象的第一数据进行特征提取,得到所述每一入库对象的目标特征。
在一些实施例中,特征节点基于数据节点指定的目标提取模型对每一入库对象的第一数据进行特征提取,得到每一入库对象的目标特征。
步骤S203,采用所述数据节点获取所述每一入库对象的身份标识。
在一些实施例中,同时对象识别系统可以采用数据节点来获取每一入库对象的身份标识;其中,该身份标识可以用于表针每一入库对象的唯一标识。
在一些可能的实现方式中,可以基于每一入库对象的身份信息集,确定每一入库对象的身份标识;如此,能够提高确定的每一入库对象的身份标识的效率和准确度;即上述步骤S203可以通过以下步骤S2031至步骤S2033来实现(图中未示出):
步骤S2031,采用所述数据节点获取所述每一入库对象的身份信息集。
在一些实施例中,可采用数据节点来获取每一入库对象输入的身份信息集,其中,每一入库对象的身份信息集中可以包括但不限于:每一入库对象的姓名、身份证号码、工号、学号等。这里每一入库对象的第二数据和身份信息集可以是每一入库对象同时输入至数据节点的。
步骤S2032,采用所述服务节点基于所述每一入库对象的身份信息集生成所述每一入库对象的身份标识。
在一些实施例中,可以将每一入库对象的身份信息集传递至服务节点,以使服务节点保存每一入库对象的身份信息集,同时该服务节点还可以基于每一入库对象的身份信息集,生成与每一入库对象的身份标识。
步骤S2033,采用所述服务节点将所述每一入库对象的身份标识发送至所述数据节点。
在一些实施例中,服务节点可以将每一入库对象的身份标识发送至数据节点,以使数据节点基于该身份标识对相关入库对象进行信息更改、删除或增加等。
步骤S204,采用所述数据节点基于所述每一入库对象的目标特征和身份标识,确定所述至少一个对象的特征数据库。
在一些实施例中,基于数据节点确定的每一入库对象的目标特征和身份标识,进而将每一入库对象对应的目标特征和身份标识记性关联,以确定至少一个入库对象中每一入库对象的特征数据库。
在一些实施例中,采用数据节点获取每一入库对象的身份信息集和第二数据,然后分别采用特征节点对每一入库对象的第二数据进行信息过滤以及特征提取,得到每一入库对象的目标特征,以及采用服务节点基于每一入库对象的身份信息集进行身份标识,以得到每一入库对象的身份标识,然后采用数据节点基于每一入库对象的身份标识和目标特征,得到每一入库对象的特征数据库。这样,能够提高得到的特征数据库的准确和效率。
在一些实施例中,在所述服务节点包括至少一个应用节点和与所述应用节点关联的至少一个终端节点的情况下,对采集到的待识别对象输入的待识别数据进行身份识别,确定所述待识别对象的身份信息,基于事先存储好的至少一个入库对象的特征数据库,对待识别对象进行身份识别,以确定待识别对象的身份信息,能够在进行相关身份验证的过程中,不涉及原始数据的图像信息等,仅涉及特征数据,能够提高原始数据的隐私性。如图3所示,图3为本申请实施例提供的第三种对象识别方法的流程实现图;结合图1和图3所示的步骤进行以下说明:
步骤S301,采用所述至少一个应用节点基于所述特征数据库,确定与所述应用节点属性信息关联的目标对象的目标特征数据库。
在一些实施例中,对象识别系统可以基于不同应用节点的属性信息,从至少一个入库对象的特征数据库中,确定与应用节点属性信息关联的目标对象的目标特征数据库。
在一些实施例中,应用节点为学生宿舍门禁系统对应的节点的情况下,确定与应用节点属性信息关联的目标对象,可以是该校全部住校学生的特征数据库,即目标特征数据库;在应用节点为教师宿舍门禁系统对应的节点的情况下,确定与应用节点属性信息关联的目标对象的目标特征数据库,可以是该校全部住校老师的特征数据库。
步骤S302,采用所述至少一个终端节点基于所述目标特征数据库对所述待识别对象进行身份识别,确定所述待识别对象的身份信息。
在一些实施例中,采用与应用节点关联的终端节点,获取该目标特征数据库,并在获取到该目标特征数据库之后,对待识别对象进行身份识别,以确定待识别对象的身份信息。
在一些实施例中,可以采用与终端节点关联的特征提取模型,基于目标特征数据集库对采集到的待识别对象输入的待识别数据进行特征比对,以确定待识别对象的身份信息,即能够直接基于获取的特征数据与采集得到的待识别数据进行特征比对,得到待识别对象的身份信息。这里,即能够基于相关对象的特征数据实现身份验证,能够保证相关对象的相关信息的隐私性,即上述步骤S302可以通过以下步骤S3021至步骤S3023来实现(图中未示出):
步骤S3021,采用所述终端节点基于与所述终端节点关联的特征提取模型,对采集到的所述待识别对象输入的待识别数据进行特征提取,得到待比对特征数据。
在一些实施例中,采用与终端节点关联的特征提取模型,对采集到的待识别对象输入的待识别数据进行特征提取,得到待比对特征数据。这里,待比对特征数据的数据形式与管理节点获取的至少一个入库对象的特征数据库中特征数据的数据形式相同。
步骤S3022,采用所述终端节点,从所述目标特征数据库查找与所述待比对特征数据相似的特征数据,得到查找结果。
在一些实施例中,采用该终端节点,从目标特征数据库中查找与待比对特征数据相似的特征数据,得到查找结果;其中,该查找结果可以使用未查找到,和查找到进行表示,也可以是0和1进行表示。
步骤S3023,采用所述终端节点,基于所述查找结果确定所述待识别对象的身份信息。
在一些实施例中,采用该终端节点,基于查找结果确定待识别对象的身份信息,其中,若查找结果表征未查找到,则表明该待识别对象的身份信息无法被识别,则可以使用“错误身份信息”或“不正确的身份信息”或“无法识别的身份信息”进行表示。若查找结果表征查找到,则使用查找到的特征数据对应的身份标识来表征该待识别对象。
这里,可以采用所述终端节点将获取到的身份信息上传至与终端节点关联的应用节点,即实现识别结果及时上传。
在一些可能的实现方式中,采用终端节点对待识别对象进行身份信息确定之后,可以将待识别对象输入的待识别数据进行删除,以进一步提高待识别对象的相关信息的隐私性,即在执行步骤S3023之后,本申请实施例提供的对象识别方法还可以执行以下过程:
采用所述终端节点在确定所述待识别对象的身份信息之后,将所述待识别数据进行删除。
在一些实施例中,采用终端节点对待识别对象的身份信息进行确定之后,将待识别对象输入至终端节点的待识别数据进行删除,即不保存该待识别数据。如此,能够进一步提高对待识别对象的相关信息的隐私性。
下面结合一个具体实施例对上述对象识别方法进行说明,然而值得注意的是,该具体实施例仅是为了更好地说明本申请实施例,并不构成对本申请实施例的不当限定。
人脸识别,是基于人的脸部特征信息进行身份识别的一种生物识别技术,人脸识别的基本过程为:人脸检测、活体检测、人脸跟踪、特征提取、人脸比对、输出结果等。得益于其非接触性、自然性、防伪性等优点,人脸识别技术非常适合用于门禁、打卡、签到等需要进行高频人员身份核验的业务场景。
其中,常见的人脸识别系统组成架构为:人脸识别终端+管理平台。其中,人脸识别终端主要负责图像采集、活体检测、特征提取、特征比对,并根据人脸识别结果执行联动操作(如开门等);管理平台为用户提供人脸信息管理、人脸信息下发、记录查询等功能。同时随着人脸识别系统的发展,人脸识别系统的隐私安全愈发受到关注。目前业内常见的人脸识别系统的隐私保护方案和措施通常有以下几种:
1、加密存储:在人脸识别终端及管理平台采用强加密算法对人脸信息进行加密存储;
2、加密传输:管理平台可采用安全套接层(Secure Sockets Layer,SSL)、高级加密标准(Advanced Encryption Standard,AES)等加密协议实现安全传输层协议(Transport Layer Security,TLS)加密。且人脸识别终端可以采用超文本传输安全协议(Hyper Text Transfer Protocol over Secure Socket Layer,HTTPS)接口向服务端传输数据,以保障传输数据全链路处于加密状态。
3、访问控制:提供权限设置功能,依据最小必要原则开放人脸信息访问权限。
4、展示限制:对人脸信息去标识化处理,例如,人脸识别终端和/或管理界面对显示的人脸进行马赛克处理。
然而,即便采取了上述几种措施,人脸信息依旧会存储于人脸识别终端及管理平台中,同时人脸信息会在管理平台和人脸识别终端之间进行传输。在政府或校园或部分企业等场景应用中,用户对人脸识别系统提出了“无痕”要求,即以下要求:
1、存储安全:人脸识别系统的终端及管理平台中,不存储任何人脸图像。
2、传输安全:人脸识别系统的终端与管理平台通信过程中,不直接传输人脸图像。
即目前常见的人脸识别系统隐私保护方案存在以下不足:
1、人脸图像仍旧存储在人脸识别终端和管理平台中,仍旧有被泄漏破解的风险;
2、在人脸下发、记录上传过程中,人脸识别终端和管理平台间会传输人脸图像,有可能被截取破解造成隐私数据泄漏。
基于此,本申请实施例提供一种对象识别系统,由“数据节点、特征节点、应用节点、终端设备”组成。依据“最小够用”原则,可以实现人脸图像在整个人脸识别系统的最小化存储和传输。如图4所示,为应用本申请实施例提供的一种对象识别系统的系统架构示意图;其中,401为数据节点,402为特征节点,403为多个不同属性的应用节点,404为应用节点A对应的多个终端设备。其主要技术实现为:
1、数据节点:负责存储用户的原始人脸底图数据及基本信息;且一个系统架构中数据节点通常只有一个,且部署在可信环境中。
2、特征节点:负责接收数据节点的原始人脸底图,将其转化为与人脸识别终端算法模型相匹配的特征值,其并不存储原始人脸图像。其中,系统结构中特征节点的数量可为一个或多个,具备多种算法模型的特征提取能力,部署在可信环境中。
3、应用节点:负责接收特征值以及用户的基本信息,并将特征值以及用户的基本信息下发到指定的人脸识别终端上,其不存储原始人脸图像。应用节点可以根据实际需要部署多套(例如:人脸门禁系统、人脸布控系统、人脸考勤系统等),可部署在非可信环境中。
4、终端设备:负责现场人脸图像采集的人脸识别终端。终端设备本地采用人脸特征进行身份认证,并在认证完成后立即删除原始抓拍图像。终端设备不存储、不上传原始人脸底图及抓拍图图像。
基于图4提供的系统架构图,以实现以下步骤,如图5所示,为基于本申请实施例提供的对象识别系统来实现对象识别方法的一种流程示意图;其主要划分为五大步骤:质量检测、特征提取、人员入库、人员下发以及身份认证;其中:
1、质量检测:即执行步骤501至步骤503,数据节点将人脸图片传递给特征节点,特征节点对人脸图片进行质量检测,以得到对应的质量检测结果;然后将特征节点会将质量检测结果反馈至数据节点;数据节点会基于该质量检测结果对对不合格的人脸图片(例如:没有人脸、多人脸、尺寸过大和/或过小、人脸遮挡较多等情形)进行过滤和拒绝。
2、特征提取:首先上传算法模型,即执行步骤504:数据节点提取与终端设备一致的算法模型,并将其上传至特征节点;特征节点保存该算法模型,即执行步骤505以及反馈模型上传结果506;其中,该算法模型是特征节点对人脸图片进行特征提取时所采用的算法模型。
其次,数据节点查询算法模型版本:数据节点向特征节点查询可用的算法模型版本,特征节点响应于数据节点发送的查询模型版本的请求,并返回可用的算法模型版本列表至数据节点;即执行步骤507至步骤509。
最后,数据节点可基于该算法模型版本列表,指定一个或多个可用的算法模型版本,将满足入库质量要求的人脸图片传递给特征节点,特征节点对人脸图片进行特征提取,返回对应的人脸特征,数据节点保存该人脸特征;即执行步骤510至步骤512。
3、人员入库:首先,基本信息入库:数据节点将人员的基本信息(如姓名、工号、学号、卡号、身份证号等)传递给应用节点,应用节点保存人员信息,并返回对应的人员唯一标识(此标识可用于后续的人员信息变更/查询/删除);其次,特征入库:数据节点将内部存储的人员唯一标识、算法模型版本、人脸特征传递给应用节点,应用节点保存人员与人脸特征的关联关系,即执行步骤513至步骤515。
4、人员下发:即数据节点通过调用应用节点的人员下发接口(如新建组、将人员添加到组、将组与下发给设备等),向不同的设备下发不同人员的人脸特征值,即执行步骤516至步骤519:基于应用节点的属性信息不同,下发不同人员的人脸特征至对应的应用节点。
5、身份认证:人脸识别终端采集人脸图像,即执行步骤520:人员刷脸,并在人员刷脸之后提取对应的待识别人脸特征与本地特征库进行比对,完成人员身份认证后向应用节点上传识别结果记录;其中,本地特征库即步骤519中执行的人员下发。同时人脸识别终端不存储任何人脸底图或人脸抓拍图,且不上传人脸抓拍图给应用节点。
基于以上步骤,相比以往的人脸识别系,能够采用特征节点、应用节点分离的“双节点”方案,能够实现非可信环境下人脸图像数据的最小化存储。即可以实现:
1、存储安全:人脸识别系统的终端及管理平台中,不存储任何人脸图像。
2、传输安全:人脸识别系统的终端与管理平台通信过程中,不直接传输人脸图像。
3、传输效率高:相关技术中,人脸底图必须从数据节点通过网络依次传输到应用节点和终端设备,整体传输数据量较大,占用带宽高。基于以上步骤采用特征下发的方式,能够大大降低人脸下发这一过程的传输耗时。
4、拓展性强:基于以上步骤可实现数据节点对接多套人脸识别应用系统,维护不同系统所需的人脸特征关系,在保证隐私安全的前提下将人脸特征下发给不同终端设备。
本申请实施例提供的对象识别方法以及对象识别系统,可以应用于校园多人脸应用系统部署案例;其中,在校园场景内,学生个人信息通常由信息处统一管理,而各类人脸识别应用系统则由对应行政机构统一维护,例如:宿舍人脸门禁系统由后勤处管理维护;校园人脸监控系统由保卫处管理维护;学生人脸考勤系统由教务处管理维护;为保证学生信息安全,这些应用系统可以采用本申请实施例提供的对象识别系统进行统一部署管理,即信息处作为统一数据中心,在可信环境内部署特征节点,将人脸原始图片转化为特征值后,分别下发给不同应用系统,即可实现在不泄漏学生原始人脸数据的前提下满足各类系统的正常使用。
本申请实施例提供一种对象识别系统,图6为本申请实施例提供的对象识别系统的结构组成示意图,如图6所示,所述对象识别系统600包括:
所述管理节点601,用于获取至少一个入库对象的特征数据库;
所述服务节点602,用于基于所述特征数据库,对待识别对象进行识别,以得到所述待识别对象的识别结果。
在一些实施例中,所述管理节点包括数据节点和特征节点,在所述对象识别系统600中,所述数据节点,用于获取所述至少一个入库对象中每一入库对象的第一数据;所述特征节点,用于对所述每一入库对象的第一数据进行特征提取,得到所述每一入库对象的目标特征;所述数据节点,还用于获取所述每一入库对象的身份标识;所述数据节点,还用于基于所述每一入库对象的目标特征和身份标识,确定所述至少一个入库对象的特征数据库。
在一些实施例中,在所述对象识别系统600中,所述数据节点,还用于获取所述每一入库对象的第二数据;所述特征节点,还用于对所述每一入库对象的第二数据进行质量检测,得到所述第二数据对应的检测结果;所述数据节点,还用于基于所述检测结果对所述每一入库对象的第二数据进行过滤,得到所述每一入库对象的第一数据。
在一些实施例中,在所述对象识别系统600中,所述数据节点,还用于确定目标提取模型;所述特征节点,还用于所述目标提取模型对所述每一入库对象的第一数据进行特征提取,得到所述每一入库对象的目标特征。
在一些实施例中,在所述对象识别系统600中,所述数据节点,用于响应于所述数据节点发送的查询请求,统计所述特征节点内部存储的特征提取模型得到特征提取模型列表,并将所述特征提取模型列表发送至所述数据节点;所述数据节点,还用于从所述特征提取模型列表中确定所述目标提取模型。
在一些实施例中,在所述对象识别系统600中,所述数据节点,还用于发送与所述服务节点关联的特征提取模型至所述特征节点;述特征节点,还用于在所述特征节点内部存储所述服务节点关联的特征提取模型。
在一些实施例中,在所述对象识别系统600中,所述数据节点,还用于获取所述每一入库对象的身份信息集;所述服务节点,还用于基于所述每一入库对象的身份信息集生成所述每一入库对象的身份标识;所述服务节点,还用于将所述每一入库对象的身份标识发送至所述数据节点。
在一些实施例中,所述服务节点包括至少一个应用节点和与所述应用节点关联的至少一个终端节点,在所述对象识别系统600中,所述至少一个应用节点,用于基于所述特征数据库,确定与所述应用节点属性信息关联的目标对象的目标特征数据库;所述至少一个终端节点,用于基于所述目标特征数据库对所述待识别对象进行身份识别,确定所述待识别对象的身份信息。
在一些实施例中,在所述对象识别系统600中,所述终端节点,还用于基于与所述终端节点关联的特征提取模型,对采集到的所述待识别对象输入的待识别数据进行特征提取,得到待比对特征数据;所述终端节点,还用于从所述目标特征数据库查找与所述待比对特征数据相似的特征数据,得到查找结果;所述终端节点,还用于基于所述查找结果确定所述待识别对象的身份信息。
在一些实施例中,所述方法还包括:采用所述终端节点在确定所述待识别对象的身份信息之后,将所述待识别数据进行删除。
需要说明的是,以上系统实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本申请系统实施例中未披露的技术细节,请参照本申请方法实施例的描述而理解。
需要说明的是,本申请实施例中,如果以软件功能模块的形式实现上述的对象识别方法,并作为独立的产品销售或使用时,也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,本申请实施例的技术方案本质上或者说对现有技术做出贡献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(可以是终端、服务器等)执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括:U盘、运动硬盘、只读存储器(Read Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的介质。这样,本申请实施例不限制于任何特定的硬件和软件结合。
对应地,本申请实施例再提供一种计算机程序产品,所述计算机程序产品包括计算机可执行指令,该计算机可执行指令被执行后,能够实现本申请实施例提供的对象识别方法。
相应的,本申请实施例再提供一种计算机存储介质,所述计算机存储介质上存储有计算机可执行指令,所述计算机可执行指令被处理器执行时实现上述实施例提供的对象识别方法。
以上对象识别装置、计算机设备和存储介质实施例的描述,与上述方法实施例的描述是类似的,具有同相应方法实施例相似的技术描述和有益效果,限于篇幅,可按照上述方法实施例的记载,故在此不再赘述。对于本申请对象识别装置、计算机设备和存储介质实施例中未披露的技术细节,请参照本申请方法实施例的描述而理解。
应理解,说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请实施例的至少一个实施例中。因此,在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外,这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解,在本申请实施例的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。需要说明的是,在本文中,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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
在本申请实施例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。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,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,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,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全部单元来实现本实施例方案的目的。
另外,在本申请实施例各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集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。本领域普通技术人员可以理解:实现上述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计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本申请实施例上述集成的单元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,也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,本申请实施例的技术方案本质上或者说对现有技术做出贡献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)执行本申请实施例各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。以上所述,仅为本申请实施例的具体实施方式,但本申请实施例的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请实施例揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请实施例的保护范围之内。因此,本申请实施例的保护范围应以所述权利要求的保护范围为准。
Claims (12)
1.一种对象识别方法,其特征在于,应用于对象识别系统,所述对象识别系统包括管理节点和服务节点;其中:
采用所述管理节点获取至少一个入库对象的特征数据库;
采用所述服务节点基于所述特征数据库,对待识别对象进行识别,以得到所述待识别对象的识别结果。
2.根据权利要求1所述的方法,其特征在于,所述管理节点包括数据节点和特征节点,所述采用所述管理节点获取至少一个入库对象的特征数据库,包括:
采用所述数据节点获取所述至少一个入库对象中每一入库对象的第一数据;
采用所述特征节点对所述每一入库对象的第一数据进行特征提取,得到所述每一入库对象的目标特征;
采用所述数据节点获取所述每一入库对象的身份标识;
采用所述数据节点基于所述每一入库对象的目标特征和身份标识,确定所述至少一个入库对象的特征数据库。
3.根据权利要求2所述的方法,其特征在于,所述采用所述数据节点获取所述至少一个入库对象中每一入库对象的第一数据,包括:
采用所述数据节点获取所述每一入库对象的第二数据;
采用所述特征节点对所述每一入库对象的第二数据进行质量检测,得到所述第二数据对应的检测结果;
采用所述数据节点基于所述检测结果对所述每一入库对象的第二数据进行过滤,得到所述每一入库对象的第一数据。
4.根据权利要求2或3所述的方法,其特征在于,所述采用所述特征节点对所述每一入库对象的第一数据进行特征提取,得到所述每一入库对象的目标特征,包括:
采用所述数据节点确定目标提取模型;
采用所述特征节点基于所述目标提取模型对所述每一入库对象的第一数据进行特征提取,得到所述每一入库对象的目标特征。
5.根据权利要求4所述的方法,其特征在于,所述采用所述数据节点确定目标提取模型,包括:
响应于所述数据节点发送的查询请求,采用所述特征节点统计所述特征节点内部存储的特征提取模型得到特征提取模型列表,并将所述特征提取模型列表发送至所述数据节点;
采用所述数据节点从所述特征提取模型列表中确定所述目标提取模型。
6.根据权利要求5所述的方法,其特征在于,所述响应于所述数据节点发送的查询请求,采用所述特征节点统计所述特征节点内部存储的特征提取模型得到特征提取模型列表,并将所述特征提取模型列表发送至所述数据节点之前,所述方法还包括:
采用所述数据节点发送与所述服务节点关联的特征提取模型至所述特征节点;
采用所述特征节点,在所述特征节点内部存储所述服务节点关联的特征提取模型。
7.根据权利要求2至6任一所述的方法,其特征在于,所述采用所述数据节点获取所述每一入库对象的身份标识,包括:
采用所述数据节点获取所述每一入库对象的身份信息集;
采用所述服务节点基于所述每一入库对象的身份信息集生成所述每一入库对象的身份标识;
采用所述服务节点将所述每一入库对象的身份标识发送至所述数据节点。
8.根据权利要求1至7任一所述的方法,其特征在于,所述服务节点包括至少一个应用节点和与所述应用节点关联的至少一个终端节点,所述采用所述服务节点基于所述特征数据库,对待识别对象进行识别,以得到所述待识别对象的识别结果,包括:
采用所述至少一个应用节点基于所述特征数据库,确定与所述应用节点属性信息关联的目标对象的目标特征数据库;
采用所述至少一个终端节点基于所述目标特征数据库对所述待识别对象进行身份识别,确定所述待识别对象的身份信息。
9.根据权利要求8所述的方法,其特征在于,所述采用所述终端节点基于所述目标特征数据库对所述待识别对象进行身份识别,确定所述待识别对象的身份信息,包括:
采用所述终端节点基于与所述终端节点关联的特征提取模型,对采集到的所述待识别对象输入的待识别数据进行特征提取,得到待比对特征数据;
采用所述终端节点,从所述目标特征数据库查找与所述待比对特征数据相似的特征数据,得到查找结果;
采用所述终端节点,基于所述查找结果确定所述待识别对象的身份信息。
10.根据权利要求9所述的方法,其特征在于,所述方法还包括:
采用所述终端节点在确定所述待识别对象的身份信息之后,将所述待识别数据进行删除。
11.一种对象识别系统,其特征在于,所述对象识别系统包括:管理节点和服务节点,其中:
所述管理节点,用于获取至少一个入库对象的特征数据库;
所述服务节点,用于基于所述特征数据库,对待识别对象进行识别,以得到所述待识别对象的识别结果。
12.一种计算机存储介质,其特征在于,所述计算机存储介质上存储有计算机可执行指令,该计算机可执行指令被执行后,能够实现权利要求1至10任一项所述的对象识别方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111619572.4A CN114333005A (zh) | 2021-12-27 | 2021-12-27 | 对象识别方法、系统及存储介质 |
PCT/CN2022/126822 WO2023124448A1 (zh) | 2021-12-27 | 2022-10-21 | 对象识别方法、系统、存储介质及程序 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111619572.4A CN114333005A (zh) | 2021-12-27 | 2021-12-27 | 对象识别方法、系统及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114333005A true CN114333005A (zh) | 2022-04-12 |
Family
ID=81014096
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111619572.4A Pending CN114333005A (zh) | 2021-12-27 | 2021-12-27 | 对象识别方法、系统及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114333005A (zh) |
WO (1) | WO2023124448A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115080775A (zh) * | 2022-08-24 | 2022-09-20 | 深圳市亲邻科技有限公司 | 门禁设备人脸数据的存储方法、装置、服务器及存储介质 |
WO2023124448A1 (zh) * | 2021-12-27 | 2023-07-06 | 上海商汤智能科技有限公司 | 对象识别方法、系统、存储介质及程序 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015025704A1 (ja) * | 2013-08-23 | 2015-02-26 | 日本電気株式会社 | 映像処理装置、映像処理方法および映像処理プログラム |
CN113554046A (zh) * | 2020-04-24 | 2021-10-26 | 阿里巴巴集团控股有限公司 | 图像处理方法和系统、存储介质及计算设备 |
CN113095430B (zh) * | 2021-04-26 | 2022-02-01 | 北京瑞莱智慧科技有限公司 | 可保护隐私的模型更新方法、对象识别方法、系统、装置、介质和设备 |
CN114333005A (zh) * | 2021-12-27 | 2022-04-12 | 深圳市商汤科技有限公司 | 对象识别方法、系统及存储介质 |
-
2021
- 2021-12-27 CN CN202111619572.4A patent/CN114333005A/zh active Pending
-
2022
- 2022-10-21 WO PCT/CN2022/126822 patent/WO2023124448A1/zh unknown
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023124448A1 (zh) * | 2021-12-27 | 2023-07-06 | 上海商汤智能科技有限公司 | 对象识别方法、系统、存储介质及程序 |
CN115080775A (zh) * | 2022-08-24 | 2022-09-20 | 深圳市亲邻科技有限公司 | 门禁设备人脸数据的存储方法、装置、服务器及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2023124448A1 (zh) | 2023-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6687671B2 (en) | Method and apparatus for automatic collection and summarization of meeting information | |
US9740940B2 (en) | Event triggered location based participatory surveillance | |
CN104850969B (zh) | 执法仪音视频证据警情联动管理系统 | |
WO2023124448A1 (zh) | 对象识别方法、系统、存储介质及程序 | |
CN109903414A (zh) | 一种基于物联网监控办公考勤控制系统及方法 | |
KR20210032316A (ko) | 인증된 데이터의 캡쳐 및 표시 | |
CN105844246A (zh) | 单摄像头柜机人证识别系统 | |
CN108711207A (zh) | 基于区块链的机房管理系统及方法 | |
CN106485225A (zh) | 基于生物特性识别的身份证核验方法及系统 | |
CN111860523B (zh) | 一种声像档案的智能著录系统与方法 | |
WO2018144692A1 (en) | System and method for synchronizing notary meeting interactions between multiple software clients | |
CN110033399A (zh) | 一种基于人脸识别的智慧班牌的信息发布、提取方法与系统 | |
CN111385530A (zh) | 一种智能摄像机组合加密方法及系统 | |
CN201518138U (zh) | 公众服务身份认证终端机 | |
CN113507588A (zh) | 一种基于人工智能的智慧校园人流量监测系统 | |
Yasmeen et al. | Intelligent systems powered hourly attendance capturing system | |
CN114666133B (zh) | 一种基于原笔迹签名的远程问询取证系统及方法 | |
Kadhim et al. | A multimodal biometric database and case study for face recognition based deep learning | |
CN211669640U (zh) | 一种军队科技声像档案管理系统 | |
CN108228839A (zh) | 一种高校录取考生交友系统及计算机介质 | |
KR100874354B1 (ko) | Rfid 인증 시스템 및 단말기, 방법 | |
CN211015623U (zh) | 电子证据采集装置及管理系统 | |
Geetha et al. | Implementation of a Blockchain Based Attendance Tracking System | |
CN201628976U (zh) | 公众服务自助终端机 | |
CN110309745A (zh) | 一种用于新生入学迎新的人脸识别系统 |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40063395 Country of ref document: HK |