CN116157792A - 数据库管理方法、人脸认证方法、设备及存储介质 - Google Patents
数据库管理方法、人脸认证方法、设备及存储介质 Download PDFInfo
- Publication number
- CN116157792A CN116157792A CN202180002656.5A CN202180002656A CN116157792A CN 116157792 A CN116157792 A CN 116157792A CN 202180002656 A CN202180002656 A CN 202180002656A CN 116157792 A CN116157792 A CN 116157792A
- Authority
- CN
- China
- Prior art keywords
- user
- server
- target
- database
- face authentication
- 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
- 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
- G06F16/53—Querying
- G06F16/532—Query formulation, e.g. graphical querying
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Collating Specific Patterns (AREA)
Abstract
一种数据库管理方法、人脸认证方法、设备及存储介质,属于计算机技术领域。应用于人脸识别平台,所述人脸识别平台与总行的中心服务器连接,所述中心服务器通过其下属分行的分行服务器,与所述分行下属网点的网点服务器连接,所述方法包括:获取目标用户的用户数据(101);从各所述网点中筛选出于所述用户数据相匹配的目标网点(102);控制所述中心服务器将所述目标用户的用户特征,通过所述分行服务器下发至所述目标网点的目标网点服务器中,以使得所述目标网点服务器根据所述用户特征对所述目标用户进行人脸识别(103)。
Description
本公开属于计算机技术领域,特别涉及一种数据库管理方法、人脸认证方法、设备及存储介质。
随着银行智慧网点的改造的进行,各种智能终端,摄像头设备接入网点,进而各种人脸检测、人脸识别、行为识别、客流分析等应用场景落地智慧网点。每个网点侧对人脸认证的并发需求越来越高,如果每个网点单独部署一套AI识别系统会形成资源浪费。集中部署一套AI识别系统,全网各个网点的终端并发会对中心服务器的计算压力要求非常高,响应也会变得延迟。
概述
本公开提供的一种数据库管理方法、人脸认证方法、设备及存储介质。
本公开一些实施方式提供一种数据库管理方法,应用于人脸识别平台,所述人脸识别平台与总行的中心服务器连接,所述中心服务器通过其下属分行的分行服务器,与所述分行下属网点的网点服务器连接,所述方法包括:
获取目标用户的用户数据;
从各所述网点中筛选出于所述用户数据相匹配的目标网点;
控制所述中心服务器将所述目标用户的用户特征,通过所述分行服务器下发至所述目标网点的目标网点服务器中,以使得所述目标网点服务器根据所述用户特征对所述目标用户进行人脸识别。
可选地,所述用户数据包括:用户常驻位置;
所述从各所述网点中筛选出于所述用户数据相匹配的目标网点,包括:
计算各所述网点的网点位置与所述用户常驻位置之间的位置距离;
将所述位置距离符合服务距离要求的网点作为目标网点。
可选地,所述将所述位置距离符合服务距离要求的网点作为目标网点,包括:
在所述用户常驻位置包括居住位置时,将与所述居住位置之间的位置距离最小的至少三个网点,作为目标网点。
可选地,所述将所述位置距离符合服务距离要求的网点作为目标网点, 包括:
在所述用户常驻位置包括居住位置、活动位置时,将与所述居住位置之间的位置距离最小至少一个网点,以及与所述活动位置之间的位置距离最小的至少两个网点,作为目标网点。
可选地,所述计算各所述网点的网点位置与所述用户常驻位置之间的位置距离,包括:
计算所述用户常驻位置与所述网点位置之间的矢量比较值,其中所述网点位置是由省、市、县、乡镇、街道、社区组成的矢量;
将所述矢量比较值大于比较值阈值的网点作为目标网点。
可选地,所述将所述矢量比较值大于比较值阈值的网点作为目标网点,包括:
将所述矢量比较值大于比较值阈值的网点作为候选网点;
在所述候选网点的数量小于或等于数量阈值时,将所述候选网点作为目标网点;
在所述候选网点的数量大于数量阈值时,将与所述用户常驻位置之间的位置距离最近的目标数量个候选网点作为目标网点。
可选地,所述用户数据包括:用户业务类型;
所述从各所述网点中筛选出于所述用户数据相匹配的目标网点,包括:
将各所述网点的业务服务范围包含所述用户业务类型的网点,作为目标网点。
本公开一些实施方式提供一种人脸认证方法,应用于网点的网点服务器,所述网点服务器通过上述的数据库管理方法获取用户特征,所述方法包括:
接收携带有人脸图像的人脸认证请求;
在本地的网点数据库未查询到与所述人脸图像相匹配的用户特征时,将所述人脸认证请求发送至分行的分行服务器;
接收所述分行服务器根据所述人脸认证请求发送的人脸认证结果,并从所述分行服务器同步所述用户特征。
可选地,所述方法还包括:
按照预设时间周期统计各所述用户特征的使用频率;
从所述本地网点数据库中删除所述使用频率小于频率阈值的用户特征。
本公开实施例提供一种人脸认证方法,应用于分行的分行服务器,所述 分行服务器通过上述的数据库管理方法获取用户特征,所述方法包括:
接收网点的网点服务器发送的携带有人脸图像的人脸认证请求;
在本地的分行数据库中未查询到与所述人脸图像相匹配的用户特征时,将所述人脸认证请求发送至总行的中心服务器;
接收所述中心服务器根据所述人脸认证请求发送的人脸认证结果,并将所述人脸认证结果转发至所述网点服务器;
从所述中心服务器同步所述用户特征,并将所述用户特征同步值所述网点服务器。
可选地,所述分行数据库包括:高频数据库和低频数据库;
在所述在本地的网点数据库未查询到与所述人脸图像相匹配的用户特征时,将所述人脸认证请求发送至分行的分行服务器之前,所述方法还包括:
在高频数据库中未查询到与所述人脸图像相匹配的用户特征时,在所述低频数据库中查询与所述人脸图像相匹配的用户特征。
可选地,所述方法还包括:
在所述低频数据库的数据量大于所述高频数据库时,删除所述低频数据库中使用频率最低的预设数据量占比的用户特征。
在所述低频数据库的数据量小于所述高频数据库时,删除所述低频数据库中使用频率小于使用频率阈值的用户特征。
本公开一些实施方式提供一种数据库管理装置,应用于人脸识别平台,所述人脸识别平台与总行的中心服务器连接,所述中心服务器通过其下属分行的分行服务器,与所述分行下属网点的网点服务器连接,所述装置包括:
第一接收模块,被配置为获取目标用户的用户数据;
第一处理模块,被配置为从各所述网点中筛选出于所述用户数据相匹配的目标网点;
第一同步模块,被配置为控制所述中心服务器将所述目标用户的用户特征,通过所述分行服务器下发至所述目标网点的目标网点服务器中,以使得所述目标网点服务器根据所述用户特征对所述目标用户进行人脸识别。
可选地,所述用户数据包括:用户常驻位置;
所述第一处理模块,还被配置为:
计算各所述网点的网点位置与所述用户常驻位置之间的位置距离;
将所述位置距离符合服务距离要求的网点作为目标网点。
可选地,所述第一处理模块,还被配置为:
在所述用户常驻位置包括居住位置时,将与所述居住位置之间的位置距离最小的至少三个网点,作为目标网点。
可选地,所述第一处理模块,还被配置为:
在所述用户常驻位置包括居住位置、活动位置时,将与所述居住位置之间的位置距离最小至少一个网点,以及与所述活动位置之间的位置距离最小的至少两个网点,作为目标网点。
可选地,所述第一处理模块,还被配置为:
计算所述用户常驻位置与所述网点位置之间的矢量比较值,其中所述网点位置是由省、市、县、乡镇、街道、社区组成的矢量;
将所述矢量比较值大于比较值阈值的网点作为目标网点。
可选地,所述第一处理模块,还被配置为:
将所述矢量比较值大于比较值阈值的网点作为候选网点;
在所述候选网点的数量小于或等于数量阈值时,将所述候选网点作为目标网点;
在所述候选网点的数量大于数量阈值时,将与所述用户常驻位置之间的位置距离最近的目标数量个候选网点作为目标网点。
可选地,所述用户数据包括:用户业务类型;
所述第一处理模块,还被配置为:
将各所述网点的业务服务范围包含所述用户业务类型的网点,作为目标网点。
本公开一些实施方式提供一种人脸认证装置,应用于网点的网点服务器,所述网点服务器通过上述的数据库管理装置获取用户特征,所述装置包括:
第二接收模块,被配置为接收携带有人脸图像的人脸认证请求;
第二处理模块,被配置为在本地的网点数据库未查询到与所述人脸图像相匹配的用户特征时,将所述人脸认证请求发送至分行的分行服务器;
第二同步模块,被配置为接收所述分行服务器根据所述人脸认证请求发送的人脸认证结果,并从所述分行服务器同步所述用户特征。
可选地,所述装置还包括:第一更新模块,被配置为:
按照预设时间周期统计各所述用户特征的使用频率;
从所述本地网点数据库中删除所述使用频率小于频率阈值的用户特征。
本公开实施例提供一种人脸认证装置,应用于分行的分行服务器,所述 分行服务器通过上述的数据库管理装置获取用户特征,所述装置包括:
第三接收模块,被配置为接收网点的网点服务器发送的携带有人脸图像的人脸认证请求;
第三处理模块,被配置为在本地的分行数据库中未查询到与所述人脸图像相匹配的用户特征时,将所述人脸认证请求发送至总行的中心服务器;
接收所述中心服务器根据所述人脸认证请求发送的人脸认证结果,并将所述人脸认证结果转发至所述网点服务器;
第三同步模块,被配置为从所述中心服务器同步所述用户特征,并将所述用户特征同步值所述网点服务器。
可选地,所述分行数据库包括:高频数据库和低频数据库;
所述第三处理模块,还被配置为
在高频数据库中未查询到与所述人脸图像相匹配的用户特征时,在所述低频数据库中查询与所述人脸图像相匹配的用户特征。
可选地,所述装置还包括:第二更新模块,被配置为
在所述低频数据库的数据量大于所述高频数据库时,删除所述低频数据库中使用频率最低的预设数据量占比的用户特征。
在所述低频数据库的数据量小于所述高频数据库时,删除所述低频数据库中使用频率小于使用频率阈值的用户特征。
本公开一些实施例提供一种计算处理设备,包括:
存储器,其中存储有计算机可读代码;
一个或多个处理器,当所述计算机可读代码被所述一个或多个处理器执行时,所述计算处理设备执行如上述的数据库管理方法或人脸认证方法。
本公开一些实施例提供一种计算机程序,包括计算机可读代码,当所述计算机可读代码在计算处理设备上运行时,导致所述计算处理设备执行如上述的数据库管理方法或人脸认证方法。
本公开一些实施例提供一种非瞬态计算机可读介质,其中存储了如上述的数据库管理方法或人脸认证方法。
上述说明仅是本公开技术方案的概述,为了能够更清楚了解本公开的技术手段,而可依照说明书的内容予以实施,并且为了让本公开的上述和其它目的、特征和优点能够更明显易懂,以下特举本公开的具体实施方式。
附图简述
为了更清楚地说明本公开实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本公开的一些实施例,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他的附图。
图1示意性地示出了本公开一些实施例提供的一种数据库管理方法的流程示意图;
图2示意性地示出了本公开一些实施例提供的一种人脸认证系统的流架构示意图;
图3示意性地示出了本公开一些实施例提供的另一种数据库管理方法的流程示意图之一;
图4示意性地示出了本公开一些实施例提供的另一种数据库管理方法的流程示意图之二;
图5示意性地示出了本公开一些实施例提供的一种业务类型词典的原理示意图;
图6示意性地示出了本公开一些实施例提供的另一种数据库管理方法的逻辑示意图;
图7示意性地示出了本公开一些实施例提供的一种人脸认证方法的流程示意图之一;
图8示意性地示出了本公开一些实施例提供的一种人脸认证方法的流程示意图之二;
图9示意性地示出了本公开一些实施例提供的另一种人脸认证方法的流程示意图之一;
图10示意性地示出了本公开一些实施例提供的另一种人脸认证方法的流程示意图之二;
图11示意性地示出了本公开一些实施例提供的一种数据库管理装置的结构示意图;
图12示意性地示出了本公开一些实施例提供的一种人脸认证装置的结构示意图;
图13示意性地示出了本公开一些实施例提供的另一种人脸认证装置的结构示意图;
图14示意性地示出了用于执行根据本公开一些实施例的方法的计算处理设备的框图;
图15示意性地示出了用于保持或者携带实现根据本公开一些实施例的方法的程序代码的存储单元。
详细描述
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本公开一部分实施例,而不是全部的实施例。基于本公开中的实施例,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,都属于本公开保护的范围。
图1示意性地示出了本公开提供的一种数据库管理方法的流程示意图,应用于人脸识别平台,所述人脸识别平台与总行的中心服务器连接,所述中心服务器通过其下属分行的分行服务器,与所述分行下属网点的网点服务器连接,所述方法包括:
需要说明的是,总行、分行、网点依次属于隶属关系,即总行下属有若干个分行,分行下属有若干个网点,例如在银行场景下,银行总行可以在不同个城市中下设银行分行,而不同城市的银行分行可以在城市的不同位置下设银行网点;或者在物流场景下,总行可以是省份的物流中心,而分行可以是该物流中心下属在该省份中各城市的物流中转站,网点可以是各物流中转站所对接的配送点;或者在电力场景下,总行可以是某省份的供电总公司,分行可以是该省份中各城市的供电分公司,网点则是各供电分公司所下属的供电站,当然此处只是示例性描述,具体可以根据实际需求设置,此处不做限定。
参照图2,示出本公开实施例提供的一种人脸认证系统的结构示意图,本公开实施例采用三层服务器架构,在通过人脸认证平台1对各服务器进行管理的基础上,分别在总行的中心服务器2、分行的分行服务器3、网点的网点服务器4设置用于人脸认证的服务器,并且各服务器中均设置有用于存储用户特征的数据库,以使得各服务器可以通过本地数据库中的用户特征对用户进行人脸认证。其中,人脸认证平台1通过API(Application Programming Interface,应用程序接口)的方式分别与总行的中心服务器2、分行的分行服务器3之间进行数据传输。中心服务器2与分行读取器3之间通过HTTP协议(HyperText Transfer Protocol,超文本传输协议)进行数据传输,分行服务器3与网点服务器 之间通过HTTP协议或MQTT(Message Queuing Telemetry Transport,消息队列遥测传输)协议进行数据传输。
具体的,人脸认证平台1是提供人脸认证服务的应用平台,具体可以通过向服务器提供用于人脸认证的应用程序和后台数据支持,还可以对各不同层级的各服务器之间的数据同步进行协调,以及对各服务器中数据库的数据更新进行管理。
总行的中心服务器2中包含有总行管理系统,用于对所有分行的用户特征进行存储和管理,并且通过数据可视化显示以供用户进行查询;该中心服务器2中还包含有综合计算节点,可以处理和传输千万级的数据量,特点是大而全且执行效率低下。
分行的分行服务器3中包含有分行管理系统,用于对该分行下设的所有网点的用户特征进行存储和管理,并通过数据可视化显示以供用户进行查询,以对各网点的设备和算法模型进行管理;该分行服务器3中还包含有分行数据节点,可以处理和传输百万级的数据量,特点是两级居中且执行效率相对总行计算节点较高,但是仍然也偏低。
网点的网点服务器4中包含有网点计算节点,可以处理和传输十万级的数据量,并且各网点服务器4可以与各种具有图像采集功能的图像拍摄终端5进行通讯连接,从而通过网络或者USB(Universal Serial Bus,通用串行总线)等上传方法来获取到用户的人脸图像。
需要说明的是,本公开实施例中的中心服务器2、分行服务器3、网点服务器4均具有人脸认证功能,可以通过本地数据库或者异地数据库中的用户特征对用户的人脸图像进行人脸认证。
步骤101,获取目标用户的用户数据。
在本公开实施例中,目标用户是需要进行人脸认证的用户,用户在首次进行人脸认证时,需要通过上传自己的用户数据来在人脸认证平台进行注册,该用户数据除了是用于进行人脸认证的用户特征以外,还可以是可以用户住所、工作、喜好偏好、业务需求等信息,具体可以根据实际需求设置,此处不做限定。
在实际应用中,用户通过安装有人脸认证应用的手机、电脑等终端设备或者堡垒机等服务设备来进行用户特征的采集和填写各种用户数据后,将用户数据集成在注册请求中上传给网点服务器,网点服务器将携带有用户数据的注册请求再转发至分行服务器,由分行服务器 再将该注册请求直接发送给人脸认证平台或者是通过中心服务器转发给人脸认证平台。
步骤102,从各所述网点中筛选出于所述用户数据相匹配的目标网点。
在本公开实施例中,人脸认证平台在根据注册请求中的用户数据为目标用户完成注册后,将基于用户数据从各网点中筛选出用户可能会到访的目标网点。示例性的,可以筛选在用户活动范围内或者用户活动范围周边的网点作为目标网点,由于目标网点出于用户的活动范围内或周边,因此用户前往这些目标网点办理业务的可能性较大;还可以筛选可以承办用户常办理业务的网点作为目标网点,由于只有这些目标网点可以承办用户所需办理的业务,因此这些目标网点被用户关顾的可能性也较大;还可以基于用户数据通过行为预测模型对用户未来可能前往的地点进行预测或者是用户未来可能办理的业务类型进行预测,从而可以将预测得到的地点周边的网点,或者是可以承办预测业务类型的网点作为目标网点,从而可以预先筛选出用户较大可能会到访的网点,当然此处只是示例性描述,只要可以筛选出用户大概率会关顾的网点即可,此处对筛选方式不做限定。
步骤103,控制所述中心服务器将所述目标用户的用户特征,通过所述分行服务器下发至所述目标网点的目标网点服务器中,以使得所述目标网点服务器根据所述用户特征对所述目标用户进行人脸识别。
需要说明的是,用户特征是指用于对用户上传的人脸图像进行比对,以实现人脸认证的特征信息,可以是预先通过对用户提供的标准人脸图像进行特征采集得到。
在本公开实施例中,人脸认证平台在确定用户较高概率到访的目标网点后,将通过向中心服务器发送指令,使得中心服务器向该目标网点将目标用户的用户特征同步至该目标网点所属的分行的分行服务器的网点数据库中,从而通过分行服务器将该用户特征再同步至目标网点的网点数据库中。从而该目标用户在前往该目标网点办理业务且需要进行人脸认证时,目标网点的网点服务器即可通过在本地的网点数据库中来查询目标用户的用户特征,在本地通过将用户当前提供的人脸图像与用户特征进行比对来完成人脸认证,无需每次人脸认证均需将人脸图像交由分行服务器或者中心服务器进行认证,不仅减轻了 分行服务器和中心服务器的数据处理压力,而且减少了数据传输延迟所带来的认证结果获取缓慢的问题,提高了人脸认证的效率。
本公开实施例通过依据用户数据从各网点中筛选出用户可能到访的目标网点,从而将用户特征下发至这些目标网点,使得目标网点的网点服务器可以基于本地数据库中的用户特征对目标用户进行人脸认证,不仅减轻了分行服务器和中心服务器的数据处理压力,而且提高了人脸认证的效率。
可选地,所述用户数据包括:用户常驻位置,参照图3,所述步骤102,可以包括:
步骤201,计算各所述网点的网点位置与所述用户常驻位置之间的位置距离。
需要说明的是,用户常驻位置是指用户日常出现概率较高的地理位置,可以将出现概率大于预设概率的用户出现位置作为该用户常驻位置,也可以是用户自行输入的居住位置、工作位置以及其他期望位置,具体可以根据实际需求设置,此处不做限定。网点位置是可以反映网点所在地理位置的信息。
在本公开实施例中,可以通过依据用户常驻位置和网点位置的经度和维度,通过三角函数求对角线距离的方式计算两点之间的直线距离。当然还可以通过道路信息来计算用户常驻位置和网点位置之间的行径路线来作为位置距离。具体可以根据实际需求设置,此处不做限定。
步骤202,将所述位置距离符合服务距离要求的网点作为目标网点。
在本公开实施例中,由于通常用户会前往距自己较劲的网点办理业务,因此位置距离约近的网点被用户关顾的概率越高,但是考虑到用户在其常驻位置的周边也会活动,因此可将位置距离排名前3或者前5的网点作为用户大概率会关顾的目标网点,从而使得所确定的目标网点更加准确,提高了后续用户特征下发的准确性。
可选地,所述步骤202,可以包括:在所述用户常驻位置包括居住位置时,将与所述居住位置之间的位置距离最小的至少三个网点,作为目标网点。
在本公开实施例中,如果用户常驻位置仅包括居住位置,则为保 证用户居住位置周边的网点均可以存储有该用户的用户特征,因此在筛选网点时,可以筛选出于用户的居住位置检的位置距离最小的至少三个网点作为目标网点,从而使得用户在其居住位置周边范围内的网点中均存储有其用户特征,提高了后续用户特征下发的准确性。
可选地,所述步骤202,可以包括:在所述用户常驻位置包括居住位置、活动位置时,将与所述居住位置之间的位置距离最小至少一个网点,以及与所述活动位置之间的位置距离最小至少两个网点,作为目标网点。
需要说明的是,活动位置是指用户处理居住位置外,用户日常生活中经常所在的地址位置,例如用户的工作位置、娱乐位置等等,具体可以根据实际需求设置,此处不做限定。
在本公开实施例中,如果用户常驻位置中同时包含有居住位置和活动位置,考虑客户周末办理业务的概率明显会高于工作等时间,因此居住位置周边选取至少两个目标网点,各活动位置周边选取至少一个网点,从而可以更好地覆盖客户的活动空间特性。
可选的,参照图4,所述步骤201,可以包括:
步骤2011,计算所述用户常驻位置与所述网点位置之间的矢量比较值,其中所述网点位置是由省、市、县、乡镇、街道、社区组成的矢量。
在本公开实施例中,将网点的网点位置和用户常驻位置设置为由省、市、县、乡镇、街道、社区或周边等多个维度的向量形式,从而可以通过计算网点位置和用户常驻位置之间的矢量比较值来反映可以反映用户常驻位置和网点位置之间的位置远近。
步骤2012,将所述矢量比较值大于比较值阈值的网点作为目标网点。
在本公开实施例中,矢量比较值越大,表明网点与用户常驻位置之间的距离越近,因此可通过预设比较值阈值的方式来从中筛选出矢量比较值大于比较值阈值的目标网点。
可选地,所述步骤2012,可以包括:
A1,将所述矢量比较值大于比较值阈值的网点作为候选网点;
A2,在所述候选网点的数量小于或等于数量阈值时,将所述候选网点作为目标网点;
A3,在所述候选网点的数量大于数量阈值时,将与所述用户常驻位置之间的位置距离最近的目标数量个候选网点作为目标网点。
在本公开实施例中,考虑到一个城市范围内进行距离计算,也就是说两个网点之间的距离一般不会超过200公里。由于范围小,可以认为经线和纬线是直线,先求出两个网点南北方向距离A,然后东西方向距离B,最后求矩形对角线距离,即sqrt(A*A+B*B),我们使用其为比较距离值。这种比较方法,相对于真实的曲面距离的计算方式,这种计算方式结合实际业务和网点分布特性,即能满足业务需求,也能大幅度提高计算效率。即使有极少量的误差值,也可以通过后续的动态特征库的优化机制,进行整体的数据库值优化。
可选地,所述用户数据包括:用户业务类型,所述步骤102,可以包括:将各所述网点的业务服务范围包含所述用户业务类型的网点,作为目标网点。
在本公开实施例中,用户业务类型是指可以反映用户大概率会办理业务的用户标签,可以通过对用户的所属客群、工作类型、历史业务记录等进行字典分析得到。示例性的,参照图5,该字典中可以对于用户数据中用户属于学生群体的用户映射到出国留学的业务类型,可以将年龄大于60的老年群体映射到养老金/保险的业务类型,将存款净值大于500W的用户映射到私行理财的业务类型,可以将属于企业专员的用户映射到对公业务的业务类型,当然此处只是示例性说明,具体的基于业务类型的匹配机制可以根据实际需求设置,此处不做限定。
进一步的,针对基于居住位置、活动位置、业务匹配的机制,所筛选出的目标网点的数量设置可以参见下表1:
居住位置匹配 | 活动位置匹配 | 业务匹配 | |
网点数 | 1 | 1 | 1 |
网点数 | 2 | 0 | 1 |
网点数 | 2 | 1 | 0 |
网点数 | 3 | 0 | 0 |
表1
参照图6,人脸认证平台在获取到用户数据后,首先基于用户业务类型进行业务匹配;若匹配成功则为增设与该用户业务类型相匹配的1个目标网点,并进入活动位置匹配;若匹配失败则直接进入活动位置匹配,并为后续居住地点匹配的目标网点数量+1;若活动位置匹配成 功则增设与该活动位置相匹配的1个目标网点;若活动位置匹配失败则并为后续居住地点匹配的目标网点数量+1;原始的居住位置匹配的目标网点的数量为1,若在业务匹配阶段中+1,活动位置匹配阶段+1,则基于居住位置匹配目标网点的数量为1+1+1=3;若在业务匹配阶段中+0,在活动位置匹配阶段+1,则基于居住位置匹配目标网点的数量为0+1+1=2;若在业务匹配阶段中+1,在活动位置匹配阶段+0,则基于居住位置匹配目标网点的数量为1+0+1=2;若在业务匹配阶段中+0,在活动位置匹配阶段+0,则基于居住位置匹配目标网点的数量为0+0+1=1,从而始终保持所筛选出的目标网点的数量为3。
在本公开的一些实施例中,各网点数据库的数据中的用户特征的使用频次统计上报到人脸认证平台上,通过Socket长连接,统计分析实际用户特征分布及使用量,行内管理人员可根据边缘设备的实际情况作出调整硬件配置,例如计算量经常负荷的终端适当边缘盒子数量,计算量富裕的终端设备,可以适当减少终端设备的数量。
图7示意性地示出了本公开提供的一种人脸认证方法,应用于网点的网点服务器,所述网点服务器通过上述的数据库管理方法获取用户特征,所述方法包括:
步骤401,接收携带有人脸图像的人脸认证请求。
在本公开实施例中,用户可以通过安装有人脸认证应用客户端的终端设备来拍摄或上传输入人脸图像,从而向网点服务器发送携带有人脸图像的人脸认证请求。
步骤402,在本地的网点数据库未查询到与所述人脸图像相匹配的用户特征时,将所述人脸认证请求发送至分行的分行服务器。
在本公开实施例中,若网点服务器在本地的网点数据库中查询到与人脸图像相匹配的用户特征,则直接从网点数据库中提取该用户特征与人脸图像进行比对,输出人脸认证结果。
若网点服务器在本地的网点数据库中未查询到与人脸图像相匹配的用户特征,则需要将人脸认证请求转发至所处的分行的分行服务器进行进一步认证,分行再在其分行数据库中进一步查询于该人脸图像相匹配的用户特征,若查询到将在由分行服务器对该人脸图像进行认证,认证完成后分行服务器将向网点服务器返回认证结果。
步骤403,接收所述分行服务器根据所述人脸认证请求发送的人脸 认证结果,并从所述分行服务器同步所述用户特征。
在本公开实施例中,网点服务器在接收到分行服务器返回的认证结果后,向终端设备发送认证结果,并将自身认定为该用户大概率到访的目标网点,从分行服务器同步该用户的用户特征,以供该用户下次到访时进行人脸认证使用,无需请求分行服务器进行认证。
本公开实施例在网点的网点服务器初次对用户进行人脸认证后,将该用户的用户特征从分行服务器中同步到网点服务器,从而使得目标网点的网点服务器可以基于本地数据库中的用户特征对目标用户进行人脸认证,不仅减轻了分行服务器和中心服务器的数据处理压力,而且提高了人脸认证的效率。
可选地,参照图8,所述方法还包括:
步骤501,按照预设时间周期统计各所述用户特征的使用频率。
步骤502,从所述本地网点数据库中删除所述使用频率小于频率阈值的用户特征。
在本公开的一些实施例中,可以通过预设时间周期,按照例如半年或者一年的时间维度统计各用户特征进行人脸认证的使用频率,按照优先级排序,将使用频率低于频率阈值的用户特征认定为长时间没有使用,从而删除网点数据库中的该类用户特征,避免由于用户人员流动或者其他个人因素导致网点数据库中长时间存储无用用户特征,导致网点数据库冗余的情况出现。
图9示意性地示出了本公开提供的一种人脸认证方法,应用于分行的分行服务器,所述分行服务器通过上述的数据库管理方法获取用户特征,所述方法包括:
步骤601,接收网点的网点服务器发送的携带有人脸图像的人脸认证请求。
在本公开实施例中,网点的网点服务器在本地未查询到与人脸认证请求中的人脸图像相匹配的用户特征时,将人脸认证请求转发至分行的分行服务器。
步骤602,在本地的分行数据库中未查询到与所述人脸图像相匹配的用户特征时,将所述人脸认证请求发送至总行的中心服务器。
在本公开实施例中,若分行服务器在本地的分行数据库中查询到与人脸图像相匹配的用户特征,则直接从网点数据库中提取该用户特 征与人脸图像进行比对,输出人脸认证结果。若分行服务器在分行书库中未查询到与人脸图像相匹配的用户特征,则将人脸认证请求转发至总行的中心服务器进行处理。
步骤603,接收所述中心服务器根据所述人脸认证请求发送的人脸认证结果,并将所述人脸认证结果转发至所述网点服务器。
在本公开实施例中,由于中心服务器中存储有所有分行的用户特征,因此可以在中心服务器在总行数据库中查询到与人脸图像相匹配的用户特征后,由中心服务器对人脸图像和用户特征进行比对输出认证结果,并将认证结果返回给分行服务器,分行服务器再将认证结果转发给网点服务器,完成人脸认证。
步骤604,从所述中心服务器同步所述用户特征,并将所述用户特征同步值所述网点服务器。
在本公开实施例中,分行服务器从中心服务器中同步该用户特征,并将该用户特征同步值网点服务器,从而使得分行服务器和网点服务器在下次接收到该用户的人脸认证请求时,可以在本地完成对于该用户的人脸认证过程。
本公开实施例在分行的分行服务器初次对用户进行人脸认证后,将该用户的用户特征从总行服务器中同步到分行服务器,再由分行服务器同步到网点服务器,从而在用户下次在该分行所下属的网点进行人脸认证时可以基于本地数据库中的用户特征对目标用户进行人脸认证,不仅减轻了分行服务器和中心服务器的数据处理压力,而且提高了人脸认证的效率。
可选地,所述分行数据库包括:高频数据库和低频数据库,在所述步骤602之前,所述方法还包括:在高频数据库中未查询到与所述人脸图像相匹配的用户特征时,在所述低频数据库中查询与所述人脸图像相匹配的用户特征。
在本公开实施例中,可以通过计算所有用户特征的使用频次平均值,高于平均值的划分到高频数据库,低于平均值的划分到低频数据库,分成高频库和低频库,从而在查询用户特征时可以首先在高频数据库中进行查询,若高频数据库查询不到才在低频数据库中进行查询,这样可以数据库查询的数据量,增加用户特征计算的命中率,进而提高了人脸认证的效率。
可选地,参照图10,所述方法还包括:
步骤701,在所述低频数据库的数据量大于所述高频数据库时,删除所述低频数据库中使用频率最低的预设数据量占比的用户特征。
在本公开实施例中,比较低频数据库与高频数据库的数据量,当低频特征库数量大于高频特征库的时候,移除低频特征库中高出部分最低频数据的例如10%预设数据量占比的用户特征,这里也可以通过参数设置其他的百分值如:5%、20%等,也可以根据实际的特征库的变化情况,调整参数。这种调整方式运算速度快,移除用户特征的状态比较平缓稳定。还可以通过阈值的调整变更优化的幅度。
步骤702,在所述低频数据库的数据量小于所述高频数据库时,删除所述低频数据库中使用频率小于使用频率阈值的用户特征。
在本公开实施例中,当低频数据库的数据量长时间小于高频书库库时,例如1年或者2年的预设时间,这个预设时间也可以设定的默认值,通常分行数据库应该对用户特征的留存时间高于网点数据库的留存时间,则会触发该机制,会直接强制删除低频数据库中用户特征的使用频次小于使用频率阈值的用户特征,从而减轻分行数据库的数据存储压力。
图11示意性地示出了本公开提供的一种数据库管理装置80的结构示意图,应用于人脸识别平台,所述人脸识别平台与总行的中心服务器连接,所述中心服务器通过其下属分行的分行服务器,与所述分行下属网点的网点服务器连接,所述装置包括:
第一接收模块801,被配置为获取目标用户的用户数据;
第一处理模块802,被配置为从各所述网点中筛选出于所述用户数据相匹配的目标网点;
第一同步模块803,被配置为控制所述中心服务器将所述目标用户的用户特征,通过所述分行服务器下发至所述目标网点的目标网点服务器中,以使得所述目标网点服务器根据所述用户特征对所述目标用户进行人脸识别。
可选地,所述用户数据包括:用户常驻位置;
所述第一处理模块802,还被配置为:
计算各所述网点的网点位置与所述用户常驻位置之间的位置距离;
将所述位置距离符合服务距离要求的网点作为目标网点。
可选地,所述第一处理模块802,还被配置为:
在所述用户常驻位置包括居住位置时,将与所述居住位置之间的位置距离最小的至少三个网点,作为目标网点。
可选地,所述第一处理模块802,还被配置为:
在所述用户常驻位置包括居住位置、活动位置时,将与所述居住位置之间的位置距离最小至少一个网点,以及与所述活动位置之间的位置距离最小至少两个网点,作为目标网点。
可选地,所述第一处理模块802,还被配置为:
计算所述用户常驻位置与所述网点位置之间的矢量比较值,其中所述网点位置是由省、市、县、乡镇、街道、社区组成的矢量;
将所述矢量比较值大于比较值阈值的网点作为目标网点。
可选地,所述第一处理模块802,还被配置为:
将所述矢量比较值大于比较值阈值的网点作为候选网点;
在所述候选网点的数量小于或等于数量阈值时,将所述候选网点作为目标网点;
在所述候选网点的数量大于数量阈值时,将与所述用户常驻位置之间的位置距离最近的目标数量个候选网点作为目标网点。
可选地,所述用户数据包括:用户业务类型;
所述第一处理模块802,还被配置为:
将各所述网点的业务服务范围包含所述用户业务类型的网点,作为目标网点。
本公开实施例通过依据用户数据从各网点中筛选出用户可能到访的目标网点,从而将用户特征下发至这些目标网点,使得目标网点的网点服务器可以基于本地数据库中的用户特征对目标用户进行人脸认证,不仅减轻了分行服务器和中心服务器的数据处理压力,而且提高了人脸认证的效率。
图12示意性地示出了本公开提供的一种人脸认证装置90的结构示意图,应用于网点的网点服务器,所述网点服务器通过上述的数据库管理装置获取用户特征,所述装置包括:
第二接收模块901,被配置为接收携带有人脸图像的人脸认证请求;
第二处理模块902,被配置为在本地的网点数据库未查询到与所述人脸图像相匹配的用户特征时,将所述人脸认证请求发送至分行的分行服务器;
第二同步模块903,被配置为接收所述分行服务器根据所述人脸认证请求发送的人脸认证结果,并从所述分行服务器同步所述用户特征。
可选地,所述装置还包括:第一更新模块,被配置为:
按照预设时间周期统计各所述用户特征的使用频率;
从所述本地网点数据库中删除所述使用频率小于频率阈值的用户特征。
本公开实施例在网点的网点服务器初次对用户进行人脸认证后,将该用户的用户特征从分行服务器中同步到网点服务器,从而使得目标网点的网点服务器可以基于本地数据库中的用户特征对目标用户进行人脸认证,不仅减轻了分行服务器和中心服务器的数据处理压力,而且提高了人脸认证的效率。
图13示意性地示出了本公开提供的一种人脸认证装置100的结构示意图,应用于分行的分行服务器,所述分行服务器通过上述的数据库管理装置获取用户特征,所述装置包括:
第三接收模块1001,被配置为接收网点的网点服务器发送的携带有人脸图像的人脸认证请求;
第三处理模块1002,被配置为在本地的分行数据库中未查询到与所述人脸图像相匹配的用户特征时,将所述人脸认证请求发送至总行的中心服务器;
接收所述中心服务器根据所述人脸认证请求发送的人脸认证结果,并将所述人脸认证结果转发至所述网点服务器;
第三同步模块1003,被配置为从所述中心服务器同步所述用户特征,并将所述用户特征同步值所述网点服务器。
可选地,所述分行数据库包括:高频数据库和低频数据库;
所述第三处理模块1003,还被配置为
在高频数据库中未查询到与所述人脸图像相匹配的用户特征时,在所述低频数据库中查询与所述人脸图像相匹配的用户特征。
可选地,所述装置还包括:第二更新模块,被配置为
在所述低频数据库的数据量大于所述高频数据库时,删除所述低 频数据库中使用频率最低的预设数据量占比的用户特征。
在所述低频数据库的数据量小于所述高频数据库时,删除所述低频数据库中使用频率小于使用频率阈值的用户特征。
本公开实施例在分行的分行服务器初次对用户进行人脸认证后,将该用户的用户特征从总行服务器中同步到分行服务器,再由分行服务器同步到网点服务器,从而在用户下次在该分行所下属的网点进行人脸认证时可以基于本地数据库中的用户特征对目标用户进行人脸认证,不仅减轻了分行服务器和中心服务器的数据处理压力,而且提高了人脸认证的效率。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者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者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
本公开的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本公开实施例的计算处理设备中的一些或者全部部件的一些或者全部功能。本公开还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本公开的程序可以存储在非瞬态计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
例如,图14示出了可以实现根据本公开的方法的计算处理设备。该计算处理设备传统上包括处理器1110和以存储器1120形式的计算机程序产品或者非瞬态计算机可读介质。存储器1120可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。存储器1120具有用于执行上述方法中的任何方法步骤的程序代码1131的存储空间1130。例如,用于程序代码的存储空间1130可以包括分别用于实现上面的方法中的各种步骤的各个程序代码1131。这些程序代码可以从一个或 者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。这些计算机程序产品包括诸如硬盘,紧致盘(CD)、存储卡或者软盘之类的程序代码载体。这样的计算机程序产品通常为如参考图15所述的便携式或者固定存储单元。该存储单元可以具有与图14的计算处理设备中的存储器1120类似布置的存储段、存储空间等。程序代码可以例如以适当形式进行压缩。通常,存储单元包括计算机可读代码1131’,即可以由例如诸如1110之类的处理器读取的代码,这些代码当由计算处理设备运行时,导致该计算处理设备执行上面所描述的方法中的各个步骤。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本文中所称的“一个实施例”、“实施例”或者“一个或者多个实施例”意味着,结合实施例描述的特定特征、结构或者特性包括在本公开的至少一个实施例中。此外,请注意,这里“在一个实施例中”的词语例子不一定全指同一个实施例。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本公开的实施例可以在没有这些具体细节的情况下被实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本公开可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
最后应说明的是:以上实施例仅用以说明本公开的技术方案,而非对其 限制;尽管参照前述实施例对本公开进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本公开各实施例技术方案的精神和范围。
Claims (14)
- 一种数据库管理方法,其特征在于,应用于人脸识别平台,所述人脸识别平台与总行的中心服务器连接,所述中心服务器通过其下属分行的分行服务器,与所述分行下属网点的网点服务器连接,所述方法包括:获取目标用户的用户数据;从各所述网点中筛选出于所述用户数据相匹配的目标网点;控制所述中心服务器将所述目标用户的用户特征,通过所述分行服务器下发至所述目标网点的目标网点服务器中,以使得所述目标网点服务器根据所述用户特征对所述目标用户进行人脸识别。
- 根据权利要求1所述的方法,其特征在于,所述用户数据包括:用户常驻位置;所述从各所述网点中筛选出于所述用户数据相匹配的目标网点,包括:计算各所述网点的网点位置与所述用户常驻位置之间的位置距离;将所述位置距离符合服务距离要求的网点作为目标网点。
- 根据权利要求2所述的方法,其特征在于,所述将所述位置距离符合服务距离要求的网点作为目标网点,包括:在所述用户常驻位置包括居住位置时,将与所述居住位置之间的位置距离最小的至少三个网点,作为目标网点。
- 根据权利要求2所述的方法,其特征在于,所述将所述位置距离符合服务距离要求的网点作为目标网点,包括:在所述用户常驻位置包括居住位置、活动位置时,将与所述居住位置之间的位置距离最小至少一个网点,以及与所述活动位置之间的位置距离最小至少两个网点,作为目标网点。
- 根据权利要求2所述的方法,其特征在于,所述计算各所述网点的网点位置与所述用户常驻位置之间的位置距离,包括:计算所述用户常驻位置与所述网点位置之间的矢量比较值,其中所述网点位置是由省、市、县、乡镇、街道、社区组成的矢量;将所述矢量比较值大于比较值阈值的网点作为目标网点。
- 根据权利要求5所述的方法,其特征在于,所述将所述矢量比 较值大于比较值阈值的网点作为目标网点,包括:将所述矢量比较值大于比较值阈值的网点作为候选网点;在所述候选网点的数量小于或等于数量阈值时,将所述候选网点作为目标网点;在所述候选网点的数量大于数量阈值时,将与所述用户常驻位置之间的位置距离最近的目标数量个候选网点作为目标网点。
- 根据权利要求1所述的方法,其特征在于,所述用户数据包括:用户业务类型;所述从各所述网点中筛选出于所述用户数据相匹配的目标网点,包括:将各所述网点的业务服务范围包含所述用户业务类型的网点,作为目标网点。
- 一种人脸认证方法,其特征在于,应用于网点的网点服务器,所述网点服务器通过所述权利要求1至7中任一所述的数据库管理方法获取用户特征,所述方法包括:接收携带有人脸图像的人脸认证请求;在本地的网点数据库未查询到与所述人脸图像相匹配的用户特征时,将所述人脸认证请求发送至分行的分行服务器;接收所述分行服务器根据所述人脸认证请求发送的人脸认证结果,并从所述分行服务器同步所述用户特征。
- 根据权利要求8所述的方法,其特征在于,所述方法还包括:按照预设时间周期统计各所述用户特征的使用频率;从所述本地网点数据库中删除所述使用频率小于频率阈值的用户特征。
- 一种人脸认证方法,其特征在于,应用于分行的分行服务器,所述分行服务器通过所述权利要求1至7中任一所述的数据库管理方法获取用户特征,所述方法包括:接收网点的网点服务器发送的携带有人脸图像的人脸认证请求;在本地的分行数据库中未查询到与所述人脸图像相匹配的用户特征时,将所述人脸认证请求发送至总行的中心服务器;接收所述中心服务器根据所述人脸认证请求发送的人脸认证结果,并将所述人脸认证结果转发至所述网点服务器;从所述中心服务器同步所述用户特征,并将所述用户特征同步值所述网点服务器。
- 根据权利要求10所述的方法,其特征在于,所述分行数据库包括:高频数据库和低频数据库;在所述在本地的网点数据库未查询到与所述人脸图像相匹配的用户特征时,将所述人脸认证请求发送至分行的分行服务器之前,所述方法还包括:在高频数据库中未查询到与所述人脸图像相匹配的用户特征时,在所述低频数据库中查询与所述人脸图像相匹配的用户特征。
- 根据权利要求11所述的方法,其特征在于,所述方法还包括:在所述低频数据库的数据量大于所述高频数据库时,删除所述低频数据库中使用频率最低的预设数据量占比的用户特征;在所述低频数据库的数据量小于所述高频数据库时,删除所述低频数据库中使用频率小于使用频率阈值的用户特征。
- 一种计算处理设备,其特征在于,包括:存储器,其中存储有计算机可读代码;一个或多个处理器,当所述计算机可读代码被所述一个或多个处理器执行时,所述计算处理设备执行如权利要求1至7中任一项所述的数据库管理方法或权利要求8至12中任一项所述的人脸认证方法。
- 一种非瞬态计算机可读介质,其特征在于,其中存储了如权利要求1至7中任一项所述的数据库管理方法或权利要求8至12中任一项所述的人脸认证方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2021/119957 WO2023044671A1 (zh) | 2021-09-23 | 2021-09-23 | 数据库管理方法、人脸认证方法、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116157792A true CN116157792A (zh) | 2023-05-23 |
Family
ID=85719156
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180002656.5A Pending CN116157792A (zh) | 2021-09-23 | 2021-09-23 | 数据库管理方法、人脸认证方法、设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN116157792A (zh) |
WO (1) | WO2023044671A1 (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105141615A (zh) * | 2015-09-07 | 2015-12-09 | 天地融科技股份有限公司 | 一种远程开户方法和系统及其身份验证方法和系统 |
CN107169861A (zh) * | 2017-04-07 | 2017-09-15 | 平安科技(深圳)有限公司 | 网点销售服务系统及方法 |
CN111178568B (zh) * | 2019-12-31 | 2023-06-23 | 中国银行股份有限公司 | 业务预约请求的处理方法、装置、服务器和存储介质 |
CN111967964B (zh) * | 2020-08-18 | 2023-09-19 | 中国银行股份有限公司 | 银行客户端网点的智能推荐方法及装置 |
CN112084355A (zh) * | 2020-09-14 | 2020-12-15 | 重庆农村商业银行股份有限公司 | 一种人脸分库更新方法、装置、设备及存储介质 |
-
2021
- 2021-09-23 CN CN202180002656.5A patent/CN116157792A/zh active Pending
- 2021-09-23 WO PCT/CN2021/119957 patent/WO2023044671A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2023044671A1 (zh) | 2023-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10474727B2 (en) | App recommendation using crowd-sourced localized app usage data | |
US9300704B2 (en) | Crowd formation based on physical boundaries and other rules | |
US11681744B2 (en) | Methods and systems for updating a database based on object recognition | |
US20080320087A1 (en) | Swarm sensing and actuating | |
WO2013184383A2 (en) | App recommendation using crowd-sourced localized app usage data | |
US20200159764A1 (en) | Method for Processing and Displaying Real-Time Social Data on Map | |
US20220358171A1 (en) | Efficient freshness crawl scheduling | |
CN110046174B (zh) | 一种基于大数据的人口迁移分析方法和系统 | |
CN104598503A (zh) | 地理信息数据查询方法、装置及系统 | |
CN111311193B (zh) | 公共服务资源的配置方法和装置 | |
CN111400520B (zh) | 人脸识别库的构建方法、人脸支付方法、装置和系统 | |
CN111770152B (zh) | 一种边缘数据管理方法、介质、边缘服务器和系统 | |
CN111044062A (zh) | 路径规划、推荐方法和装置 | |
CN116157792A (zh) | 数据库管理方法、人脸认证方法、设备及存储介质 | |
CN111611337B (zh) | 终端数据处理系统 | |
CN112333182B (zh) | 档案处理方法、装置、服务器及存储介质 | |
US11418503B2 (en) | Sensor-based authentication, notification, and assistance systems | |
CN111611336B (zh) | 终端数据处理系统 | |
CN114884946B (zh) | 基于人工智能的异地多活实现方法及相关设备 | |
CN114298729A (zh) | 基于区块链的航空乘客画像处理方法、装置、介质及区块链节点 | |
CN114185949A (zh) | 信息登记方法、装置、计算机设备、存储介质和程序产品 | |
CN116578571A (zh) | 客群数据更新方法、装置、计算机设备、存储介质 | |
CN117035135A (zh) | 产品预约方法、装置、计算机设备和存储介质 | |
CN114217946A (zh) | 一种基于lbs的边缘计算方法和机制 | |
CN114201501A (zh) | 一种消息处理方法、装置、电子设备及存储介质 |
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 |