JP2022501750A - 顔サンプルライブラリのデプロイ方法、顔認識による業務処理方法及び装置 - Google Patents

Abstract

本願は、顔サンプルライブラリのデプロイ方法、顔認識による業務処理方法及び装置を提供し、データ処理分野に関する。当該顔サンプルライブラリのデプロイ方法は、暗号と顔サンプルライブラリにおける顔サンプル数が予め設定されたサンプル数の閾値以上である場合、暗号と顔サンプルライブラリにおける顔サンプルに対応するユーザの履歴業務情報を取得することと、履歴業務情報に基づいて、暗号と顔サンプルライブラリを分割して、Ｍ階層の顔サンプルサブライブラリを取得することと、を含み、同じ暗号と顔サンプルライブラリにおける顔サンプルに対応するユーザの機密業務暗号は、同じであり、Ｍは、正の整数である。本願の技術案を利用すると、顔認識を利用した業務処理の正確率を向上することができる。【選択図】図１

Description

本願は、２０１９年０４月３０日に提出された発明名称「顔サンプルライブラリのデプロイ方法、顔認識による業務処理方法及び装置」の中国特許出願２０１９１０３６２６９１．２号の優先権を主張し、当該出願の全ての内容は、参照により本明細書に組み込まれる。

本願は、データ処理分野に関し、特に、顔サンプルライブラリのデプロイ方法、顔認識による業務処理方法及び装置に関する。

近年、顔認識技術は、例えば、交通分野、ビジネス分野、公共安全分野等、様々な分野で、ますます広く使用されるようになっている。ユーザの生活や仕事などをより便利にするために、顔認識技術を導入した業務処理が増えている。例えば、支払い業務、ログイン業務等は、特定の機密性を有するものである。これらの業務において、顔認識１：Ｎモードが採用されることが多い。

顔認識１：Ｎモードとは、顔認識の過程において、顔サンプルライブラリが既に存在することを指す。顔サンプルライブラリには、Ｎ個のサンプルを有する。認識された顔の画像と顔サンプルライブラリにおけるＮ個のサンプルとを比較して、認識された顔の画像が顔サンプルライブラリにおけるＮ個のサンプルのうちの一つに属するか否かを認識する。

しかしながら、顔サンプルライブラリ内のサンプル数が多すぎると、顔認識の正確率が著しく低下し、顔認識１：Ｎモードを利用する業務処理のエラー率が高くなる。

本願の実施例は、顔認識を利用した業務処理の正確率を向上させることができる顔サンプルライブラリのデプロイ方法、顔認識による業務処理方法及び装置を提供する。

第１の態様において、本願の実施例は、暗号と顔サンプルライブラリにおける顔サンプル数が予め設定されたサンプル数の閾値以上である場合、前記暗号と顔サンプルライブラリにおける顔サンプルに対応するユーザの履歴業務情報を取得することと、前記履歴業務情報に基づいて、前記暗号と顔サンプルライブラリを分割して、Ｍ階層の顔サンプルサブライブラリを取得することと、を含み、同じ前記暗号と顔サンプルライブラリにおける顔サンプルに対応するユーザの機密業務コマンドは、同じであり、Ｍは、正の整数である、顔サンプルライブラリのデプロイ方法を提供する。

第２の態様において、本願の実施例は、機密業務暗号及び検出された顔画像を含むユーザの業務要求情報を取得することと、前記機密業務暗号に対応する暗号と顔サンプルライブラリにおける顔サンプル数が予め設定されたサンプル数の閾値以上である場合、前記暗号と顔サンプルライブラリにおける一つのｉ階層顔サンプルサブライブラリを呼び出し、前記一つのｉ階層顔サンプルサブライブラリにおいて、前記検出された顔画像とマッチングする顔サンプルを検索することと、を含み、前記暗号と顔サンプルライブラリは、Ｍ階層の顔サンプルサブライブラリを含み、前記Ｍ階層の顔サンプルサブライブラリは、顔サンプルに対応するユーザの履歴業務情報に基づいて分割されたものであり、各階層の各顔サンプルサブライブラリにおける顔サンプル数は、前記暗号と顔サンプルライブラリにおける顔サンプル数よりも小さく、ただし、Ｍ、ｉは、正の整数であり、且つ、１≦ｉ≦Ｍである、顔認識による業務処理方法を提供する。

第３の態様において、本願の実施例は、暗号と顔サンプルライブラリにおける顔サンプル数が予め設定されたサンプル数の閾値以上である場合、前記暗号と顔サンプルライブラリにおける顔サンプルに対応するユーザの履歴業務情報を取得するための情報取得モジュールと、前記履歴業務情報に基づいて、前記暗号と顔サンプルライブラリを分割して、Ｍ階層の顔サンプルサブライブラリを取得するためのサブライブラリ分割モジュールと、を含み、同じ前記暗号と顔サンプルライブラリにおける顔サンプルに対応するユーザの機密業務暗号は、同じであり、Ｍは、正の整数である、顔サンプルライブラリデプロイ装置を提供する。

第４の態様において、本願の実施例は、機密業務暗号及び検出された顔画像を含むユーザの業務要求情報を取得するための請求取得モジュールと、前記機密業務暗号に対応する暗号と顔サンプルライブラリにおける顔サンプル数が予め設定されたサンプル数の閾値以上である場合、前記暗号と顔サンプルライブラリにおける一つのｉ階層顔サンプルサブライブラリを呼び出し、前記一つのｉ階層顔サンプルサブライブラリにおいて、前記検出された顔画像とマッチングする顔サンプルを検索するための認識モジュールと、を含み、前記暗号と顔サンプルライブラリは、Ｍ階層の顔サンプルサブライブラリを含み、前記Ｍ階層の顔サンプルサブライブラリは、顔サンプルに対応するユーザの履歴業務情報に基づいて分割されたものであり、各階層の各顔サンプルサブライブラリにおける顔サンプル数は、前記暗号と顔サンプルライブラリにおける顔サンプル数よりも小さく、ただし、Ｍ、ｉは、正の整数であり、且つ、１≦ｉ≦Ｍである、顔認識による業務処理装置を提供する。
第５の態様において、本願の実施例は、プロセッサと、メモリと、前記メモリに記憶され前記プロセッサで実行可能なコンピュータプログラムと、含み、前記コンピュータプログラムが前記プロセッサによって実行される場合、第１の態様に記載の顔サンプルライブラリのデプロイ方法のステップを実現する業務デバイスを提供する。

第６の態様において、本願の実施例は、プロセッサと、メモリと、前記メモリに記憶され前記プロセッサで実行可能なコンピュータプログラムと、含み、前記コンピュータプログラムが前記プロセッサによって実行される場合、第２の態様に記載の顔サンプルライブラリのデプロイ方法のステップを実現する業務デバイスを提供する。

第７の態様において、本願の実施例は、前記コンピュータプログラムがプロセッサによって実行される場合、第１の態様に記載の顔サンプルライブラリのデプロイ方法のステップを実現するコンピュータプログラムが記憶されたコンピュータ読み取り可能な記憶媒体を提供する。

第８の態様において、本願の実施例は、前記コンピュータプログラムがプロセッサによって実行される場合、第２の態様に記載の顔サンプルライブラリのデプロイ方法のステップを実現するコンピュータプログラムが記憶されたコンピュータ読み取り可能な記憶媒体を提供する。

本願の実施例は、顔サンプルライブラリのデプロイ方法、顔認識による業務処理方法及び装置を提供し、暗号と顔サンプルライブラリにおける顔サンプル数が予め設定されたサンプル数の閾値以上である場合、暗号と顔サンプルライブラリにおける顔サンプルに対応するユーザの履歴業務情報に基づいて、暗号と顔サンプルライブラリを分割して、Ｍ階層の顔サンプルサブライブラリを取得する。顔サンプルサブライブラリは、顔認識に利用できる。ユーザの機密業務暗号に対応する暗号と顔サンプルライブラリにおける顔サンプル数が予め設定されたサンプル数の閾値以上である場合、当該暗号と顔サンプルライブラリが分割された一つのｉ階層顔サンプルサブライブラリを呼び出し、当該ｉ階層顔サンプルサブライブラリにおいて、検出された顔画像とマッチングする顔サンプルを検索する。当該ｉ階層顔サンプルサブライブラリにおける顔サンプル数は、暗号と顔サンプルライブラリにおける顔サンプル数よりも小さい。そのため、本願の実施例における顔サンプルサブライブラリを利用して各種類の業務での顔認識を行うと、顔認識を行う顔サンプルの数量を減少でき、顔認識を利用した業務処理の正確率を向上することができる。

以下、本願は、添付の図面を参照して本願の具体的な実施形態の説明からよりよく理解させるであろう。ここで、同じ又は類似の符号は、同じ又は類似の特徴を示す。
図１は、本願の一実施例における顔サンプルライブラリのデプロイ方法のフローチャートである。 図２は、本願の他の一実施例における顔サンプルライブラリのデプロイ方法のフローチャート。 図３は、本願の一実施例における顔認識による業務処理方法のフローチャートである。 図４は、本願の別の一実施例における顔認識による業務処理方法のフローチャートである。 図５は、本願のさらに別の一実施例における顔認識による業務処理方法のフローチャートである。 図６は、本願のさらに別の一実施例における顔認識による業務処理方法のフローチャートである。 図７は、本願の実施例における顔サンプルライブラリデプロイ装置の構造モード図である。 図８は、本願の実施例における顔認識による業務処理装置の構造モード図である。 図９は、本願の実施例における業務デバイスの構造モード図である。

以下、本願の様々な態様の特徴及び例示的な実施例を詳細に説明する。以下の詳細な説明において、本願を全般的に理解させるために、多くの具体的な詳細が提出されている。しかしながら、本願がこれらの具体的な詳細における一部の詳細が省略された場合でも実施できることは、当業者にとって明らかである。以下の実施例の説明は、本願の例示によって本願のよりよい理解を提供するためのものである。本願は、以下で提案された任意の特定の構成及びアルゴリズムに限定されるものではなく、本願の精神から逸脱しない範囲内で、要素、部材及びアルゴリズムの任意の補正、置き換え及び改善をカバーする。図面及び以下の説明では、本願に対する不要な曖昧さを避けるために、周知の構造及び技術は示されていない。

本願の実施例は、顔サンプルライブラリのデプロイ方法、顔認識による業務処理方法、装置、端末デバイス及び記憶媒体を提供し、例えば、ログイン業務や、取引業務などの顔認識による様々な業務に適用することができるが、ここでは限定されない。顔サンプルライブラリのデプロイ方法、顔認識による業務処理方法は、具体的に例えばサーバーなどの業務デバイスによって実行することができる。本願の実施例において、顔サンプルライブラリをデプロイし、デプロイされた顔サンプルライブラリにおいて、顔認識を行って、顔認識による業務処理の正確率を向上させることができる。

図１は、本願の一実施例における顔サンプルライブラリのデプロイ方法のフローチャートである。図１に示すように、当該顔サンプルライブラリのデプロイ方法は、ステップＳ１０１とステップＳ１０２を含む。

ステップＳ１０１において、暗号と顔サンプルライブラリにおける顔サンプル数が予め設定されたサンプル数の閾値以上である場合、暗号と顔サンプルライブラリにおける顔サンプルに対応するユーザの履歴業務情報を取得する。

ここで、物理記憶環境では、全ての顔サンプルが物理テーブルに記憶される。物理テーブルにおける機密業務暗号が同じ顔サンプルは、当該機密業務暗号に対応する暗号と顔サンプルライブラリを構成することができる。暗号と顔サンプルライブラリを呼び出す場合、物理テーブルに記憶された機密業務暗号が同じ顔サンプルを、暗号と顔サンプルライブラリとして呼び出してもよい。一つの暗号と顔サンプルライブラリは、複数の顔サンプルを含み、且つ、同じ暗号と顔サンプルライブラリにおける顔サンプルに対応するユーザの機密業務暗号は、同じである。即ち、一つの暗号と顔サンプルライブラリは、一つの機密業務暗号に対応する。なお、機密業務暗号は、ユーザにとっては機密性を有するが、異なるユーザが同じ機密業務暗号を使用する場合もあるが、異なるユーザが相手の機密業務暗号を知ることができない。

予め設定されたサンプル数の閾値は、顔認識の正確率が許容範囲に達することを保証することができる顔サンプル数の値である。暗号と顔サンプルライブラリにおける顔サンプル数が当該予め設定されたサンプル数の閾値以上である場合、当該暗号と顔サンプルライブラリ内で顔認識を行う正確率は、許容範囲外となる。顔認識の正確率の許容範囲は、具体的な作業場面及び作業ニーズに応じて設定することができ、ここでは限定されない。

業務履歴情報は、ユーザによる業務操作の履歴記録情報である。例えば、ユーザによる業務操作の履歴時間、ユーザによる業務操作の履歴頻度、業務操作のための履歴業務内容等は、ここでは限定されない。

ステップＳ１０２において、履歴業務情報に基づいて、暗号と顔サンプルライブラリを分割して、Ｍ階層の顔サンプルサブライブラリを取得する。

履歴業務情報に基づいて、暗号と顔サンプルライブラリにおける顔サンプルを分類して、Ｍ階層の顔サンプルサブライブラリを取得する。具体的には、異なる階層の顔サンプルサブライブラリは、履歴業務情報の種類に基づいて分割されたものであり、同一階層の異なる顔サンプルサブライブラリは、履歴業務情報の属性に基づいて分割される。

ここで、各階層の各顔サンプルサブライブラリにおける顔サンプル数は、暗号と顔サンプルライブラリにおける顔サンプル数よりも小さく、Ｍは正の整数である。Ｍの値は、暗号と顔サンプルライブラリにおける顔サンプル数、資源管理ニーズ及び後続顔認識効率に基づいて設定することができるが、ここでは限定されない。例えば、Ｍは３であってもよい。上位階層の一つの顔サンプルサブライブラリを分割して、少なくとも一つの下位階層の顔サンプルライブラリを取得でき、上位階層のこの一つの顔サンプルサブライブラリにおける顔サンプル数は、分割された下位階層のいずれかの顔サンプルサブライブラリにおける顔サンプル数よりも多い。同一階層の異なる顔サンプルサブライブラリにおける顔サンプル数は、同じであってもよく、異なってもよいが、ここでは限定されない。暗号と顔サンプルライブラリが分割された全ての１階層顔サンプルサブライブラリにおける顔サンプル数の合計は、当該暗号と顔サンプルライブラリにおける顔サンプル数以下である。上位階層の一つの顔サンプルサブライブラリが分割された全ての下位階層の顔サンプルサブライブラリにおける顔サンプル数の和は、当該上位階層の一つの顔サンプルサブライブラリにおける顔サンプル数以下である。

例えば、暗号と顔サンプルライブラリＡ１における顔サンプル数は、２２００である。暗号と顔サンプルライブラリＡ１が二つの１階層顔サンプルサブライブラリＡ１１及びＡ１２に分割され、１階層顔サンプルサブライブラリＡ１１における顔サンプル数が１７００であり、１階層顔サンプルサブライブラリＡ１２における顔サンプル数が５００である。１階層顔サンプルサブライブラリＡ１１が三つの２階層顔サンプルサブライブラリＡ１１１、Ａ１１２及びＡ１１３に分割された。２階層顔サンプルサブライブラリＡ１１１における顔サンプル数は、５００であり、２階層顔サンプルサブライブラリＡ１１２における顔サンプル数は、４００であり、２階層顔サンプルサブライブラリＡ１１３における顔サンプル数は、５００である。

なお、上記ステップＳ１０１及びステップＳ１０２は、暗号と顔サンプルライブラリ毎に行われる操作である。異なる暗号と顔サンプルライブラリが分割された顔サンプル数が最も少ない顔サンプルサブライブラリの階層は異なってもよい。例えば、暗号と顔サンプルライブラリＡ１が三つの階層の顔サンプルサブライブラリ、即ち、１階層顔サンプルサブライブラリ、２階層顔サンプルサブライブラリ及び３階層顔サンプルサブライブラリに分割される。暗号と顔サンプルライブラリＡ２が四つの階層の顔サンプルサブライブラリ、即ち、１階層顔サンプルサブライブラリ、２階層顔サンプルサブライブラリ、３階層顔サンプルサブライブラリ及び４階層顔サンプルサブライブラリに分割される。

本願の実施例において、暗号と顔サンプルライブラリにおける顔サンプル数が予め設定されたサンプル数の閾値以上である場合、暗号と顔サンプルライブラリにおける顔サンプルに対応するユーザの履歴業務情報に基づいて、暗号と顔サンプルライブラリを分割して、Ｍ階層の顔サンプルサブライブラリを取得する。顔サンプルサブライブラリは、顔認識に利用できる。各階層の各顔サンプルサブライブラリにおける顔サンプル数は、暗号と顔サンプルライブラリにおける顔サンプル数よりも少ない。そのため、本願の実施例における顔サンプルサブライブラリを利用して各種類の業務における顔認識を行うと、顔認識を行う顔サンプルの数量を減少でき、顔認識を使用した業務処理の正確率を向上することができる。顔サンプルサブライブラリにおける顔サンプル数が少ないため、顔認識を利用した業務処理の速度もある程度向上することができる。また、本願の実施例を利用してデプロイされた顔サンプルライブラリによって業務処理を行う場合、ユーザにより補助情報を追加入力する必要がなく、即ち、顔認識を利用した業務処理の正確率を向上させ、操作を簡素化し、業務処理コストを低下し、ユーザーエクスペリエンスを向上することができる。

図２は、本願の別の一実施例における顔サンプルライブラリのデプロイ方法のフローチャートである。図２と図１との相違点とは、図１に示すステップＳ１０２が図２に示すステップＳ１０２１乃至ステップＳ１０２３に細分化される点である。

ステップＳ１０２１において、一種類の履歴業務情報の属性に基づいて、少なくとも一つの暗号と顔サンプルライブラリを分割して、少なくとも一つの１階層顔サンプルサブライブラリを取得する。

本願の実施例において、暗号と顔サンプルライブラリ毎に少なくとも一つの１階層顔サンプルの分割を行う必要はない。具体的にどの暗号と顔サンプルライブラリに対してサンプルサブライブラリの分割を行うかは、サンプルライブラリがデプロイされる具体的な作業場面及び具体的な作業ニーズに基づいて決定することができる。

履歴業務情報は、種類別に幾つかの履歴業務情報に分類される。暗号と顔サンプルライブラリをＭ階層の顔サンプルサブライブラリに分割する過程において、顔サンプルサブライブラリの階層は、異なる種類の履歴業務情報によって決定される。例えば、履歴業務情報は、三種類の履歴業務情報に分けることができ、１階層顔サンプルサブライブラリは、第１種類の履歴業務情報の属性に基づいて分割され、２階層顔サンプルサブライブラリは、第２種類の履歴業務情報の属性に基づいて分割され、３階層顔サンプルサブライブラリは、第３種類の履歴業務情報の属性に基づいて分割されてもよい。

例えば，履歴業務情報には、業務操作を行う位置情報及び業務操作を行う時間情報が含まれる。業務操作の位置情報に基づいて、暗号と顔サンプルライブラリを分割して、１階層顔サンプルサブライブラリを取得してもよい。業務操作を行う時間情報に基づいて、１階層顔サンプルサブライブラリを分割して、２階層顔サンプルサブライブラリを取得する。

ここで、１階層顔サンプルサブライブラリの数は、一つ又は複数である。同じ１階層顔サンプルサブライブラリにおける顔サンプルに対応するユーザの一種類の履歴業務情報の属性は、同じである。一種類の履歴業務情報の属性は、一種類又は複数種類である。例えば、１階層顔サンプルサブライブラリの数は、三つである。一種類の履歴業務情報は、業務操作を行う位置情報であり、業務操作を行う位置情報の属性は、場所１、場所２及び場所３を含む。即ち、一番目の１階層顔サンプルサブライブラリにおける顔サンプルに対応するユーザの業務操作を行う位置情報の属性は、いずれも場所１であり、二番目の１階層顔サンプルサブライブラリにおける顔サンプルに対応するユーザの業務操作を行う位置情報の属性は、いずれも場所２であり、三番目の１階層顔サンプルサブライブラリにおける顔サンプルに対応するユーザの業務操作を行う位置情報の属性は、いずれも場所３である。

ステップＳ１０２２において、１階層顔サンプルサブライブラリ毎に、１階層顔サンプルサブライブラリにおける顔サンプル数を取得し、１階層顔サンプルサブライブラリにおける顔サンプル数が予め設定されたサンプル数の閾値以上である場合、他の種類の履歴業務情報の属性に基づいて、１階層顔サンプルサブライブラリを分割して、少なくとも一つの２階層顔サンプルサブライブラリを取得する。

ここで、２階層顔サンプルサブライブラリの数は、一つ又は複数である。同じ２階層顔サンプルサブライブラリにおける顔サンプルに対応するユーザの一種類の履歴業務情報の属性は同じであり、且つ他の一種類の履歴業務情報の属性も同じである。２階層顔サンプルサブライブラリと他の一種類の履歴業務情報の属性との関係は、１階層顔サンプルサブライブラリと一種類の履歴業務情報の属性を参照することができるので、ここでは詳述しない。

ステップＳ１０２３において、２階層顔サンプルサブライブラリ毎に、２階層顔サンプルサブライブラリにおける顔サンプル数を取得し、ある一種類の履歴業務情報の属性に基づいて分割されたＭ階層顔サンプルサブライブラリにおける顔サンプル数が予め設定されたサンプル数の閾値未満になったら分割を停止する。

ここで、Ｍ階層顔サンプルサブライブラリの数は、一つ又は複数である。同じＭ階層顔サンプルサブライブラリにおける顔サンプルに対応するユーザの一種類の履歴業務情報の属性は同じであり、他の一種類の履歴業務情報の属性も同じであり、これにより、Ｍ階層顔サンプルサブライブラリに分割されたある一種類の履歴業務情報の属性は、同じである。Ｍ階層顔サンプルサブライブラリとＭ階層顔サンプルサブライブラリを分割した、ある一種類の履歴業務情報の属性との関係は、１階層顔サンプルサブライブラリと一種類の履歴業務情報の属性を参照することができるので、ここでは詳述しない。上記を纏めると、同じｉ階層顔サンプルサブライブラリにおける顔サンプルに対応するユーザのｉ階層顔サンプルサブライブラリを分割するある一種類の履歴業務情報の属性は、同じである。ｉは、正の整数であり、且つ、ｉ≦Ｍである。

顔サンプルサブライブラリを利用して業務操作を行う高い正確率に達するために、取得されたＭ階層顔サンプルサブライブラリにおける顔サンプル数が予め設定されたサンプル数の閾値を下回ったら、顔サンプルサブライブラリの分割を停止する。

履歴業務情報の種類及び属性を利用して、異なる顔サンプルサブライブラリを逐次に分割して、異なるユーザの顔サンプルを一定のルールに従って分割する。後で顔サンプルライブラリを利用する過程において、検出された顔画像の検索及び認識の速度を大幅に向上させることができる。

幾つかの例において、各階層の各顔サンプルサブライブラリにおける顔サンプルに対応するユーザの履歴業務情報の属性を認識し易くするために、顔サンプルサブライブラリ毎に分類データタグを設置することができる。分類データタグは、顔サンプルサブライブラリにおける顔サンプルに対応するユーザの履歴業務情報の属性をマークするのに用いられる。

例示的に、分類データタグは、時間タグ、位置タグ、業務内容タグ、業務提供者タグ、要求回数タグ及び要求頻度タグの一種類以上を含むが、これらに限定されない。

ここで、時間タグは、顔サンプルに対応するユーザによる業務要求の時間又は期間を表すことができる。位置タグは、顔サンプルに対応するユーザによる業務要求の場所位置を表すことができる。業務内容タグは、顔サンプルに対応するユーザによる業務要求の業務内容を表すことができる。業務提供者タグは、顔サンプルに対応するユーザによる業務の提供者を表すことができる。要求回数タグは、顔サンプルに対応するユーザによる業務要求の回数を表すことができる。要求頻度タグは、顔サンプルに対応するユーザによる業務要求の頻度を表すことができる。

分類データタグは、１階層分類データタグからＭ階層分類データタグを含む。ｉ階層顔サンプルサブライブラリには、１階層分類データタグ乃至ｉ階層分類データタグが設置されている。ここで、ｉは、正の整数であり、且つ、ｉ≦Ｍである。

デプロイにより取得された顔サンプルライブラリは、顔の検索及び認識に利用することができる。具体的に、顔サンプルライブラリに対して設置される分類データタグによって、検索を行ってもよい。幾つかの例において、ｉ−１次分類データタグの検索優先度は、ｉ階層分類データタグの検索優先度よりも高く、ここで、ｉ＞１である。他の幾つかの例において、各階層の分類データタグの検索優先度は、区別されない。

例えば、１階層分類データタグ乃至Ｍ階層分類データタグは、具体的に、時間タグ、位置タグ、業務内容タグ、業務提供者タグ、要求回数タグ及び要求頻度タグ等の分類データタグのいずれかであり、具体的な作業場面及び作業ニーズによって設定できるが、ここでは限定されない。

顔サンプルサブライブラリに分類データタグを追加することで、分類データタグから、当該顔サンプルサブライブラリにおける顔サンプルに対応するユーザの履歴情報の種類、属性をより直観的に検索して取得することができる。これにより、後続の処理業務における顔サンプルライブラリを利用してユーザを認識する過程において、認識されたユーザとマッチングする顔サンプルサブライブラリをより迅速に呼び出し、顔認識を利用した業務処理の速度をさらに向上することができる。

幾つかの例において、顔サンプルデータベースは継続的に更新されるため、顔サンプルデータベースに新たな顔サンプルが追加される。各階層の各顔サンプルサブライブラリにおける顔サンプル数を一定の数の範囲内に保つことを保証するために、業務要求の活躍度が低いユーザの顔サンプルを顔サンプルサブライブラリから削除してもよい。

例えば、現在時刻から予め設定された期間内で発生した業務要求の回数が保留を示す回数の閾値を下回ったユーザの顔サンプルを一つの顔サンプルサブライブラリから削除する。保留を示す回数の閾値の設定は、具体的な作業場面及び作業ニーズに応じて設定できるが、ここでは限定されない。例えば、ある顔サンプルサブライブラリ内の過去３ヶ月間で発生した業務要求の回数が５回を下回ったユーザの顔サンプルを、当該顔サンプルサブライブラリから削除してもよい。

顔サンプルサブライブラリは、リアルタイム又は定期的に更新され、一方、顔サンプルサブライブラリに要求の活躍度の高いユーザの顔サンプルを含むことを保証でき、要求の活躍度の高いユーザが再び業務要求を開始する可能性が高く、顔サンプルサブライブラリから、検出された顔画像とマッチングする顔サンプルを検索する可能性がより高くなり、もう一方、顔サンプルサブライブラリにおける顔サンプル数を一つの比較的安定的な状態に保つことを保証でき、一つの顔サンプルサブライブラリにおける顔サンプル数が持続的に増加することはなく、顔認識を利用した業務処理の正確率を保証することができる。

上記実施例における顔サンプルライブラリを利用すると、顔認識による業務処理方法を実現することができる。図３は、本願の一実施例における顔認識による業務処理方法のフローチャートである。図３に示すように、当該顔認識による業務処理方法は、ステップＳ２０１及びステップＳ２０２を含む。

ステップＳ２０１において、ユーザの業務要求情報を取得する。

ここで、業務要求情報は、機密業務暗号及び検出された顔画像を含む。機密業務暗号に関する内容は、上記実施例における関連説明を参照することができるため、ここでは詳述しない。 検出された顔画像は、業務要求情報を発信したユーザの顔画像である。

ステップＳ２０２において、機密業務暗号に対応する暗号と顔サンプルライブラリにおける顔サンプル数が予め設定されたサンプル数の閾値以上である場合、暗号と顔サンプルライブラリにおける一つのｉ階層顔サンプルサブライブラリを呼び出し、一つのｉ階層顔サンプルサブライブラリにおいて、検出された顔画像とマッチングする顔サンプルを検索する。

ユーザの機密業務暗号を取得すると、当該機密業務暗号に対応する暗号と顔サンプルライブラリにおける顔サンプル数が予め設定されたサンプル数の閾値以上であるか否かを判定する。当該機密業務暗号に対応する暗号と顔サンプルライブラリにおける顔サンプル数が予め設定されたサンプル数の閾値以上である場合、当該暗号と顔サンプルライブラリが分割されたＭ階層の顔サンプルサブライブラリにおける一つの顔サンプルサブライブラリを呼び出してもよい。呼び出された顔サンプルサブライブラリを利用して顔認識を行い、呼び出された顔サンプルサブライブラリにおいて、検出された顔画像とマッチングする顔サンプルが存在するか否かを検索する。当該機密業務暗号に対応する暗号と顔サンプルライブラリにおける顔サンプル数が予め設定されたサンプル数の閾値未満である場合、当該暗号と顔サンプルライブラリを呼び出すことができ、当該暗号と顔サンプルライブラリにおいて、検出された顔画像とマッチングする顔サンプルが存在するか否かを検索する。

暗号と顔サンプルライブラリは、Ｍ階層の顔サンプルサブライブラリを含む。Ｍ階層の顔サンプルサブライブラリは、顔サンプルに対応するユーザの履歴業務情報に応じて分割されたものである。各階層の各顔サンプルサブライブラリにおける顔サンプル数は、暗号と顔サンプルライブラリにおける顔サンプル数よりも小さい。ここで、Ｍ、ｉは、正の整数であり、且つ、１≦ｉ≦Ｍである。暗号と顔サンプルライブラリ及びＭ階層の顔サンプルサブライブラリに関する内容は、上記実施例における関連説明を参照することができるので、ここでは詳述しない。

幾つかの例において、呼び出された一つのｉ階層顔サンプルサブライブラリから、検出された顔画像とマッチングする顔サンプルが検索された場合、ユーザに業務処理成功メッセージをフィードバックすることができる。呼び出された一つのｉ階層顔サンプルサブライブラリから、検出された顔画像とマッチングする顔サンプルが検索されない場合、ユーザに業務処理失敗メッセージをフィードバックすることもできる。

本願の実施例において、ユーザの機密業務暗号に対応する暗号と顔サンプルライブラリにおける顔サンプル数が予め設定されたサンプル数の閾値以上である場合、当該暗号と顔サンプルライブラリが分割された一つのｉ階層顔サンプルサブライブラリを呼び出し、当該ｉ階層顔サンプルサブライブラリにおいて、検出された顔画像とマッチングする顔サンプルを検索する。ｉ階層顔サンプルサブライブラリは、暗号と顔サンプルライブラリにおける顔サンプルに対応するユーザの履歴業務情報に応じて分割されたＭ階層の顔サンプルサブライブラリ内の一つの顔サンプルサブライブラリである。当該ｉ階層顔サンプルサブライブラリにおける顔サンプル数は、暗号と顔サンプルライブラリにおける顔サンプル数よりも少ない。そのため、当該ｉ階層顔サンプルサブライブラリを呼び出して、各種類の業務処理における顔認識を行うと、顔認識１：Ｎモードを利用する顔サンプルの数量を減少し、顔認識による業務処理の正確率を向上することができる。ｉ階層顔サンプルサブライブラリにおける顔サンプル数が少ないため、顔認識による業務処理の速度をある程度向上することができる。さらに、顔認識による業務処理を行う過程において、ユーザによる補助情報の追加入力の必要がなく、顔認識を利用した業務処理の正確率を向上し、操作を簡略化し、業務処理コストを低下し、ユーザが顔認識による業務処理過程全体で感知していないため、ユーザの体験を向上することができる。

幾つかの例において、同じｉ階層顔サンプルサブライブラリにおける顔サンプルに対応するユーザのｉ階層履歴業務情報の属性は、同じである。

ここで、履歴業務情報に関する内容は、上記実施例における関連説明を参照することができるので、ここでは詳述しない。

検索し易くするために、本願の実施例における顔サンプルサブライブラリには、分類データタグが設置されてもよい。分類データタグは、顔サンプルサブライブラリにおける顔サンプルに対応するユーザの履歴業務情報の属性をマークするのに用いられる。

例示的に、分類データタグは、時間タグ、位置タグ、業務内容タグ、業務提供者タグ、要求回数タグ及び要求頻度タグの一種類以上を含むが、これらに限定されない。

幾つかの例において、分類データタグは、１階層分類データタグ乃至Ｍ階層分類データタグを含み、ｉ階層顔サンプルサブライブラリには、１階層分類データタグ乃至ｉ階層分類データタグが設置されている。

ここで、分類データタグに関する内容は、上記実施例における関連説明を参照することができるので、ここでは詳述しない。

分類データタグによって顔サンプルサブライブラリにおける顔サンプルのユーザの履歴業務情報の属性を迅速且つ直観的に検索できるため、処理業務において顔サンプルライブラリを利用してユーザを認識する過程において、認識されたユーザとマッチングする顔サンプルサブライブラリをより迅速に呼び出すことができ、顔認識を利用した業務処理の速度をさらに向上することができる。

幾つかの例において、ユーザの現在業務情報を取得し、ユーザの現在業務情報に基づいて、呼び出された顔サンプルサブライブラリの選択を補助することもできる。図４は、本願の別の一実施例における顔認識による業務処理方法のフローチャートである。図４と図３との相違点とは、図４に示す顔認識による業務処理方法がさらにステップＳ２０３を含む点である。図３に示すステップＳ２０２は、図４に示すステップＳ２０２１及びステップＳ２０２２に細分化することができる。

ステップＳ２０３において、ユーザの現在業務情報を取得する。

ここで、ユーザの現在業務情報は、ユーザによる業務要求に関する情報である。例えば、ユーザの現在業務情報は、現在の業務時間情報、現在の業務位置情報、現在の業務内容情報、現在の業務提供者情報、現在の業務要求回数情報及び現在の業務要求頻度情報の一種類以上を含むが、これらに限定されない。

ステップＳ２０２１において、各第１の目標顔サンプルサブライブラリにおける顔サンプル数を取得し、第１の目標顔サンプルサブライブラリ毎に、第１の目標顔サンプルサブライブラリにおける顔サンプル数が予め設定されたサンプル数の閾値未満である場合、第１の目標顔サンプルサブライブラリを呼び出し、第１の目標顔サンプルサブライブラリにおいて、検出された顔画像とマッチングする顔サンプルを検索する。

ここで、ユーザの現在業務情報の属性は一種類又は複数種類である。例えば、ユーザの現在業務情報には、現在業務提供者情報が含まれ、現在の業務提供者情報の属性には、提供者１、提供者２、提供者３及び提供者４が含まれる。

第１の目標顔サンプルサブライブラリは、１階層分類データタグとユーザの現在業務情報の属性とが一致する１階層顔サンプルサブライブラリである。１階層分類データタグによりマークされたのは、１階層顔サンプルサブライブラリにおける顔サンプルに対応するユーザの履歴業務情報の属性である。１階層分類データタグとユーザの現在業務情報の属性とが一致するとは、１階層分類データタグによりマークされた１階層顔サンプルサブライブラリにおける顔サンプルに対応するユーザの履歴業務情報の属性とユーザの現在業務情報の属性とが一致することを指す。

例えば、暗号と顔サンプルライブラリＡ１は、Ａ１１、Ａ１２、Ａ１３及びＡ１４のような四つの１階層顔サンプルサブライブラリを含む。１階層顔サンプルサブライブラリＡ１１の１階層分類データタグによりマークされた履歴業務情報の属性は提供者１であり、１階層顔サンプルサブライブラリＡ１２の１階層分類データタグによりマークされた履歴業務情報の属性は提供者２であり、１階層顔サンプルサブライブラリＡ１３の１階層分類データタグによりマークされた履歴業務情報の属性は提供者３であり、１階層顔サンプルサブライブラリＡ１４の１階層分類データタグによりマークされた履歴業務情報の属性は提供者４である。ユーザの現在業務情報が提供者３である場合、第１の目標顔サンプルサブライブラリは、１階層顔サンプルサブライブラリＡ１３である。

第１の目標顔サンプルサブライブラリにおける顔サンプル数が予め設定されたサンプル数の閾値未満である場合、第１の目標顔サンプルサブライブラリ内で顔認識を行う正確率が許容範囲内であることを表す。そのため、第１の目標顔サンプルサブライブラリを呼び出し、第１の目標顔サンプルサブライブラリ内で顔認識を行うことができる。

ステップＳ２０２２において、第１の目標顔サンプルサブライブラリにおける顔サンプル数が予め設定されたサンプル数の閾値以上である場合、各第２の目標顔サンプルサブライブラリにおける顔サンプル数を取得し、顔サンプル数が予め設定されたサンプル数の閾値未満である第ｉの目標顔サンプルサブライブラリが得られたら、第ｉの目標顔サンプルサブライブラリを呼び出し、第ｉの目標顔サンプルサブライブラリにおいて、検出された顔画像とマッチングする顔サンプルを検索する。

第１の目標顔サンプルサブライブラリにおける顔サンプル数が予め設定されたサンプル数の閾値以上である場合、第１の目標顔サンプルサブライブラリ内で顔認識を行う正確率が許容範囲外であることを表す。顔サンプルサブライブラリに基づく顔サンプルの数量をさらに縮小し、第２の目標顔サンプルサブライブラリを取得する必要がある。

第２の目標顔サンプルサブライブラリは、１階層分類データタグ及び２階層分類データタグとユーザの現在業務情報の属性とが一致する２階層顔サンプルサブライブラリである。２階層分類データタグによりマークされたのは、２階層顔サンプルサブライブラリにおける顔サンプルに対応するユーザの履歴業務情報の属性である。２階層分類データタグとユーザの現在業務情報の属性とが一致するとは、１階層分類データタグ及び２階層分類データタグによりマークされた２階層顔サンプルサブライブラリにおける顔サンプルに対応するユーザの履歴業務情報の属性とユーザの現在業務情報の属性とが一致することを指す。

例えば、ユーザの現在業務情報には、現在業務位置情報も含まれ、且つ、ユーザの現在業務情報における現在の業務位置情報の属性は、場所２である。上記の第１の目標顔サンプルサブライブラリが１階層顔サンプルサブライブラリＡ１３である例に加えて、１階層顔サンプルサブライブラリＡ１３における顔サンプル数が予め設定されたサンプル数の閾値以上である場合、１階層顔サンプルサブライブラリＡ１３が分割された２階層顔サンプルサブライブラリＡ１３１、Ａ１３２及びＡ１３３それぞれの２階層分類データタグを検索する（なお、２階層顔サンプルサブライブラリＡ１３１、Ａ１３２及びＡ１３３それぞれの１階層分類数タグは、いずれも１階層顔サンプルサブライブラリＡ１３の１階層分類データタグと同じである）。２階層顔サンプルサブライブラリＡ１３１の２階層分類データタグによりマークされた履歴業務情報の属性は場所１であり、２階層顔サンプルサブライブラリＡ１３２の２階層分類データタグによりマークされた履歴業務情報の属性は場所２であり、２階層顔サンプルサブライブラリＡ１３３の２階層分類データタグによりマークされた履歴業務情報の属性は場所３である。第２の目標顔サンプルサブライブラリは、２階層顔サンプルサブライブラリＡ１３２である。

ステップＳ２０２１と同様に、第２の目標顔サンプルサブライブラリにおける顔サンプル数と予め設定されたサンプル数の閾値との比較が継続される。同様に、顔サンプル数が予め設定されたサンプル数の閾値未満である第ｉの目標顔サンプルサブライブラリが得られたら、第ｉの目標顔サンプルサブライブラリを呼び出し、第ｉの目標顔サンプルサブライブラリにおいて、検出された顔画像とマッチングする顔サンプルを検索する。

ここで、第ｉの目標顔サンプルサブライブラリは、１階層分類データタグ乃至ｉ階層分類データタグとユーザの現在業務情報の属性とが一致するｉ階層顔サンプルサブライブラリである。

顔サンプル数が予め設定されたサンプル数の閾値未満である第ｉの目標顔サンプルサブライブラリを取得し、第ｉの目標顔サンプルサブライブラリを呼び出し、第ｉの目標顔サンプルサブライブラリにおいて、検出された顔画像とマッチングする顔サンプルの内容を検索することに関して、上記したＳ２０２１における第１の目標顔サンプルサブライブラリに関する説明を参照することができるので、ここでは詳述しない。

ユーザの現在業務情報の層毎に顔サンプルサブライブラリを検索することで、認識されるユーザのユーザの現在業務情報とマッチングする顔サンプルサブライブラリを位置決めして取得し、検出された顔画像の検索及び認識の正確率を向上する。

他の幾つかの例において、ユーザの現在業務情報も取得され、ユーザの現在業務情報に基づいて、呼び出されるべき顔サンプルサブライブラリに比較的直接に位置決めすることができる。図５は、本願の別の一実施例における顔認識による業務処理方法のフローチャートである。図５と図３との相違点とは、図５に示す顔認識による業務処理方法は、ステップＳ２０３をさらに含む点である。図３に示すステップＳ２０２は、図５に示すステップＳ２０２３及びステップＳ２０２４に細分化することができる。

ステップＳ２０２３において、暗号と顔サンプルライブラリ内の候補顔サンプルサブライブラリを決定する。

ここで、候補顔サンプルサブライブラリは、顔サンプル数が予め設定されたサンプル数の閾値未満である全てのｉ階層顔サンプルサブライブラリである。

顔認識を利用した業務処理の速度をさらに高めるために、先ず、暗号と顔サンプルライブラリにおいて、顔サンプル数が予め設定されたサンプル数の閾値未満である全てのｉ階層顔サンプルサブライブラリを決定し、即ち、先ず、暗号と顔サンプルライブラリにおいて顔認識を行う正確率が許容範囲内である顔サンプルサブライブラリを決定してもいい。

候補顔サンプルサブライブラリの数は、一つ又は複数であってもよく、候補顔サンプルサブライブラリの数が一つである場合、当該候補顔サンプルサブライブラリを直接に呼び出することができる。候補顔サンプルサブライブラリの数が複数である場合、以下のステップＳ２０２４を実行してもよい。

ステップＳ２０２４において、候補顔サンプルサブライブラリから、１階層分類データタグ乃至ｉ階層分類データタグとユーザの現在業務情報の属性とが一致する一つのｉ階層顔サンプルサブライブラリを選択して呼び出す。

例えば、候補顔サンプルサブライブラリは、２階層顔サンプルサブライブラリであり、且つ、２階層顔サンプルサブライブラリの１階層分類データタグは、業務提供者タグであり、２階層分類データタグは、位置タグである。このような場合、当該暗号と顔サンプルライブラリ内の全ての２階層顔サンプルサブライブラリにおいて、業務提供者タグ及び位置タグがいずれもユーザの現在業務情報における現在の業務提供者情報の属性及び現在の業務位置情報の属性に一致する２階層顔サンプルサブライブラリを決定し、当該２階層顔サンプルサブライブラリを呼び出す。

先ず、暗号と顔サンプルライブラリにおいて顔認識を行う正確率が許容範囲内である顔サンプルサブライブラリを決定し、ユーザの現在業務情報をさらに利用して、呼び出されるべき顔サンプルサブライブラリに直接に位置決めして、顔認識を利用した業務処理の速度をさらに向上させる。

幾つかの例において、さらに、顔認識による業務処理過程において、顔サンプルライブラリ内の的顔サンプルサブライブラリに対して、最近最も使われなかったものアルゴリズム（Ｌｅａｓｔ Ｒｅｃｅｎｔｌｙ Ｕｓｅｄ，ＬＲＵ）を利用して更新することができる。図６は、本願のさらに別の一実施例における顔認識による業務処理方法のフローチャートである。図６と図３との相違点とは、図６に示す顔認識による業務処理方法がステップＳ２０４乃至ステップＳ２０７をさらに含む点である。

ステップＳ２０４において、呼び出された一つのｉ階層顔サンプルサブライブラリから、検出された顔画像とマッチングする顔サンプルが検索されない場合、ユーザに二段階認証メッセージをフィードバックする。

ここで、二段階認証メッセージは、ユーザに指示して補助情報を提供するのに用いられる。呼び出された顔サンプルサブライブラリから、検出された顔画像とマッチングする顔サンプルが検索されない場合、検出された顔画像を認識するために、ユーザに補助操作を要求して、顔認識を利用した業務処理の成功を保証する。

ステップＳ２０５において、ユーザが入力した補助情報を受信し、検出された顔画像と、暗号と顔ライブラリにおける補助情報に対応する顔サンプルをマッチングする。

補助情報は、暗号と顔サンプルライブラリから検出された顔画像とマッチングする顔サンプルを検索する範囲を狭める役割を有する。暗号と顔サンプルライブラリから当該補助情報に対応する顔サンプルを検索して、１：１モードでの顔認識又は小規模の１：Ｎモードでの顔認識を行い、検出された顔画像と当該補助情報に対応する顔サンプルとがマッチングするか否かを判定する。これにより、ユーザの業務の成功を保証することができる。

具体的に、補助情報は、携帯電話番号、携帯電話番号の下数桁等であってもよいが、これらに限定されない。

ステップＳ２０６において、検出された顔画像と、暗号と顔ライブラリにおける補助情報に対応する顔サンプルとのマッチングが成功すると、検出された顔画像又は暗号と顔ライブラリにおける補助情報に対応する顔サンプルを、呼び出された一つのｉ階層顔サンプルサブライブラリに追加する。

検出された顔画像に対応するユーザのユーザの現在業務情報に基づいて、呼び出されたｉ階層顔サンプルサブライブラリを決定することができ、検出された顔画像に対応するユーザと呼び出されたｉ階層顔サンプルサブライブラリにおける顔サンプルに対応するユーザとの相関度が高いことを示し、即ち、検出された顔画像に対応するユーザのユーザの現在業務情報と呼び出されたｉ階層顔サンプルサブライブラリにおける顔サンプルに対応するユーザの履歴業務情報との相関度が高い。

補助情報を利用した検出された顔画像と顔サンプルとのマッチングが成功した場合、当該検出された顔画像又は暗号と顔ライブラリにおける補助情報に対応する顔サンプルを、当該呼び出された一つのｉ階層顔サンプルサブライブラリに追加することができ、当該検出された顔画像に対応するユーザが再び業務処理を行う場合、マッチングされる顔サンプルサブライブラリを迅速に呼び出すことができ、且つ、顔認識の成功を保証することができる。

ステップＳ２０７において、一つのｉ階層顔サンプルサブライブラリにおける顔サンプル数が予め設定されたサンプル数の閾値以上である場合、一つのｉ階層顔サンプルサブライブラリから、現在の時刻から予め設定された期間内で発生した業務要求の回数が保留を示す回数の閾値未満であるユーザの顔サンプルを削除する。

幾つかの例において、ステップＳ２０６において、検出された顔画像又は補助情報に対応する顔サンプルを顔サンプルとして、呼び出された一つのｉ階層顔サンプルサブライブラリに追加した後、当該ｉ階層顔サンプルサブライブラリにおける顔サンプル数が予め設定されたサンプル数の閾値以上になる可能性がある。当該ｉ階層顔サンプルサブライブラリにおける顔サンプル数が予め設定されたサンプル数の閾値を下回ることを保証し、当該ｉ階層顔サンプルサブライブラリを利用した顔認識の正確率が許容範囲内であることを保証するために、当該ｉ階層顔サンプルサブライブラリから、現在の時刻から予め設定された期間内で発生した業務要求の回数が保留を示す回数の閾値未満であるユーザの顔サンプルを削除して、当該ｉ階層顔サンプルサブライブラリにおける顔サンプル数が予め設定されたサンプル数の閾値未満であることを保証する。

予め設定された期間及び保留を示す回数の閾値は、具体的な作業場面及び作業ニーズによって設定できるが、ここでは限定されなく、例えば、予め設定された期間は１カ月であり、保留を示す回数の閾値は１である。

顔サンプルサブライブラリは、リアルタイム又は定期的に更新される。一方、顔サンプルサブライブラリに要求の活躍度の高いユーザの顔サンプルが含まれることを保証でき、要求の活躍度の高いユーザが再び業務要求を開始する可能性は、比較的高く、顔サンプルサブライブラリから、検出された顔画像とマッチングする顔サンプルを検索する可能性がさらに高い。他方、顔サンプルサブライブラリにおける顔サンプル数を一つの比較的安定的な状態に保つことを保証でき、一つの顔サンプルサブライブラリにおける顔サンプル数を増加し続けることはなく、顔認識を利用した業務処理の正確率を保証することができる。

本願の実施例における顔認識による業務処理方法は、例えば、取引場面、ログイン場面などの、顔認識を利用した業務処理の場面に適用することができる。以下、より明瞭に説明するために、取引場面で説明する。

取引場面：
取引場面において、機密業務暗号は、具体的に、例えば支払いパスワードなどの支払い暗号であってもよい。

取引のための顔サンプルライブラリを予めデプロイしてもよい。支払いコマンドに基づいて、暗号と顔サンプルライブラリを構築する。一つの暗号と顔サンプルライブラリは、一つの支払い暗号に対応する。各顔サンプルライブラリについて、暗号と顔サンプルライブラリにおける顔サンプル数が予め設定されたサンプル数の閾値以上である場合、当該暗号と顔サンプルライブラリにおける顔サンプルに対応するユーザのある種類の履歴業務情報に基づいて、当該暗号と顔サンプルライブラリを分割して、少なくとも一つの１階層顔サンプルサブライブラリを取得する。各１階層顔サンプルサブライブラリについて、１階層顔サンプルサブライブラリにおける顔サンプル数が予め設定されたサンプル数の閾値以上である場合、当該１階層顔サンプルサブライブラリにおける顔サンプルに対応するユーザの他の一種類の履歴業務情報に基づいて、当該１階層顔サンプルサブライブラリを分割して、少なくとも一つの２階層顔サンプルサブライブラリを取得する。Ｍ−１次顔サンプルサブライブラリが分割されたＭ階層顔サンプルサブライブラリにおける顔サンプル数が予め設定されたサンプル数の閾値を下回ったら、前述の分割を停止する。

後続の業務処理を容易にするために、各階層の各顔サンプルサブライブラリに分類データタグを設置してもよい。取引場面において、分類データタグは、取引過程に係るユーザ、マーチャント、端末、アクワイアラ等のデータ情報に関連することができるが、上記情報に限定されるものではない。

例えば，分類データタグは、取引時間タグ、取引金額タグ、取引マーチャント番号タグ、取引アクワイアラタグ、取引端末番号タグ、取引発生地理位置タグ、取引回数タグ等の一種類以上を含むが、これらに限定されない。取引時間タグは、例えば、過去３カ月、過去１週間などの、現在の取引時刻から予め設定された期間を表してもよい。取引時間タグは、例えば午前、午後、夕方などの取引発生の期間を表してもよい。

上記各暗号と顔サンプルライブラリ及び各階層の各顔サンプルサブライブラリを動的にメンテナンスし更新することができる。

例えば、新たな顔サンプルが暗号と顔サンプルライブラリに追加され、新たな顔サンプルが暗号と顔サンプルライブラリに追加される前に、当該暗号と顔サンプルライブラリにおける顔サンプル数が予め設定されたサンプル数の閾値未満であると仮定する。新たな顔サンプルが暗号と顔サンプルライブラリに追加された後、当該暗号と顔サンプルライブラリにおける顔サンプル数が予め設定されたサンプル数の閾値以上である場合、新たな顔サンプルに対応するユーザの履歴業務情報、及び当該暗号と顔サンプルライブラリの元の顔サンプルに対応するユーザの履歴業務情報に基づいて、新たな顔サンプルが追加された暗号と顔サンプルライブラリを分割して、Ｍ階層の顔サンプルサブライブラリを取得する。Ｍの値は、具体的な作業場面及び作業ニーズに基づき設定されてもよい。

新たな顔サンプルが暗号と顔サンプルライブラリに追加された後、当該暗号と顔サンプルライブラリにおける顔サンプル数が予め設定されたサンプル数の閾値未満である場合、新たな顔サンプルが追加された暗号と顔サンプルライブラリを分割してＭ階層の顔サンプルサブライブラリを取得する必要がない。

また例えば、Ｍ階層の顔サンプルサブライブラリが既に存在する場合、新たな顔サンプルが暗号と顔サンプルライブラリに追加されると、新たな顔サンプルに対応するユーザの履歴業務情報に基づいて、新たな顔サンプルを、分類データタグと履歴業務情報の属性とが一致するｉ階層顔サンプルサブライブラリに追加してもよい。新たな顔サンプルがｉ階層顔サンプルサブライブラリに追加された後、当該ｉ階層顔サンプルサブライブラリにおける顔サンプル数が予め設定されたサンプル数の閾値以上である場合、当該ｉ階層顔サンプルサブライブラリにおける顔サンプル数が予め設定されたサンプル数の閾値を下回ったら、当該ｉ階層顔サンプルサブライブラリにおける、現在の時刻から予め設定された期間内で取引要求が発生した回数が保留を示す回数の閾値未満である顔サンプルを削除する。これにより、本願の実施例における顔サンプルライブラリ内の暗号と顔サンプルライブラリ及び各階層の各顔サンプルサブライブラリの動的なメンテナンス及び更新を実現して、暗号と顔サンプルライブラリ及び各階層の各顔サンプルサブライブラリを現在の実情により近づけることができるようにする。

以下、顔認識による業務処理を二つの形態の例で説明する。

例一：顔認識による業務処理を行う過程において、ユーザの支払い暗号及び検出された顔画像を取得し、支払い暗号は、１３５３２３である。予め設定されたサンプル数の閾値は、１０００である。キャラクタ暗号１３５３２３に対応する暗号と顔サンプルライブラリＡ１における顔サンプル数を決定する。暗号と顔サンプルライブラリＡ１における顔サンプル数が１０００を下回る場合、直接に暗号と顔サンプルライブラリＡ１において、１：Ｎモードの顔認識を行う。

暗号と顔サンプルライブラリＡ１における顔サンプル数が１０００以上である場合、暗号と顔サンプルライブラリＡ１が分割された１階層顔サンプルサブライブラリＡ１１における顔サンプル数を決定する。１階層顔サンプルサブライブラリＡ１１に、１階層顔サンプルサブライブラリＡ１１に過去３カ月内に取引要求が発信されたユーザの顔サンプルが含まれることを表す１階層分類データタグ「３カ月」が設置される。１階層顔サンプルサブライブラリＡ１１における顔サンプル数が１０００を下回る場合、１階層顔サンプルサブライブラリＡ１１において、１：Ｎモードの顔認識を行う。１階層顔サンプルサブライブラリＡ１１における顔サンプル数が１０００以上である場合、１階層顔サンプルサブライブラリＡ１１が分割された各２階層顔サンプルサブライブラリにおける顔サンプル数を決定する。

２階層顔サンプルサブライブラリには、２階層顔サンプルサブライブラリＡ１１１及びＡ１１２が含まれる。２階層顔サンプルサブライブラリＡ１１１には、１階層分類データタグ「３カ月」及び２階層分類データタグ「上海」が設置され、２階層顔サンプルサブライブラリＡ１１２には、１階層分類データタグ「３カ月」及び２階層分類データタグ「北京」が設置されている。２階層顔サンプルサブライブラリＡ１１１の２階層分類データタグ「上海」は、２階層顔サンプルサブライブラリＡ１１１には取引要求が上海で発生したユーザの顔サンプルが含まれることを表す。２階層顔サンプルサブライブラリＡ１１２の２階層分類データタグ「北京」は、２階層顔サンプルサブライブラリＡ１１２には取引要求が北京で発生したユーザの顔サンプルが含まれることを表す。ユーザの現在業務情報を取得し、ユーザが現在取引要求を発信する場所が上海であることを取得する。このような場合、２階層顔サンプルサブライブラリＡ１１１における顔サンプル数を決定する。２階層顔サンプルサブライブラリＡ１１１における顔サンプル数が１０００を下回り、２階層顔サンプルサブライブラリＡ１１１において１：Ｎモードの顔認識を行う。

例二：顔認識による業務処理を行う過程において、ユーザの支払い暗号及び検出された顔画像を取得し、支払い暗号は、１３５３２３である。予め設定されたサンプル数の閾値は、１０００である。キャラクタ暗号１３５３２３に対応する暗号と顔サンプルライブラリは、暗号と顔サンプルライブラリＡ１である。暗号と顔サンプルライブラリＡ１が分割された１階層顔サンプルサブライブラリは、１階層顔サンプルサブライブラリＡ１１を含む。１階層顔サンプルサブライブラリＡ１１が分割された２階層顔サンプルサブライブラリは、２階層顔サンプルサブライブラリＡ１１１及びＡ１１２を含む。ここで、２階層顔サンプルサブライブラリＡ１１１及びＡ１１２それぞれの顔サンプル数は、いずれも１０００を下回る。

２階層顔サンプルサブライブラリＡ１１１には、１階層分類データタグ「３カ月」及び２階層分類データタグ「上海」が設置され、２階層顔サンプルサブライブラリＡ１１２には、１階層分類データタグ「３カ月」及び２階層分類データタグ「北京」が設置されている。

ユーザの現在業務情報を取得し、ユーザが現在取引要求を発信する場所が上海であることを取得する。このような場合、２階層顔サンプルサブライブラリＡ１１１を呼び出し、２階層顔サンプルサブライブラリＡ１１１において１：Ｎモードの顔認識を行う。

上記例における１階層分類データタグ乃至Ｍ階層分類データタグは、具体的に、取引時間タグ、取引金額タグ、取引マーチャント番号タグ、取引アクワイアラタグ、取引端末番号タグ、取引発生地理位置タグ、取引回数タグ等の複数種類のうちのいくつかであり、ここで、異なる階層の分類データタグ間の組み合わせを限定されるものではなく、異なる階層の分類データタグ間の組み合わせは、具体的な作業場面及びニーズに応じて設定でき、ここでは限定されない。

なお、上記の例では、２階層顔サンプルサブライブラリＡ１１１において１：Ｎモードの顔認識を行い、検出された顔画像とマッチングする顔サンプルが認識されないと、携帯電話番号又は携帯電話番号の下数桁を入力するようユーザに促す提示情報を発信してもよい。これにより、ユーザが入力した携帯電話番号又は携帯電話番号の下数桁に基づいて、１：１モードの顔認識を行うか、或いは、範囲が収められた１：Ｎモードの顔認識を行う。当該検出された顔画像を顔サンプルとして２階層顔サンプルサブライブラリＡ１１１に追加することもできる。２階層顔サンプルサブライブラリＡ１１１に当該検出された顔画像が追加された後、顔サンプル数が１０００以上である場合、当該２階層顔サンプルサブライブラリＡ１１１における取引要求が最も少ないユーザの顔サンプルを削除することができる。

なお、ログイン場面は上記取引場面を参照でき、ログイン場面は、ウェブサイトのログイン、職場での出勤等の具体的な場面に適用することができるが、ここでは限定されない。

相違点とは、ログイン場面における機密業務暗号は、例えばログインパスワードなどのログイン暗号である。ログイン場面における分類データタグは、ログイン時間タグ、ログイン位置タグ、ログインシステム領域タグ等の一種類以上を含むことができるが、これらに限定されない。ログイン時間タグは、例えば過去１カ月、過去２週間などの現在のログイン時刻から予め設定された期間を表してもよい。ログイン時間タグは、例えば午前、午後、夕方などのログインが発生した期間を表してもよい。ログイン位置タグは、ログインが発生した位置を保証することができる。ログインシステム領域タグは、ログインされたシステム及びシステムにおける領域等を表すことができる。

図７は、本願の実施例における顔サンプルライブラリデプロイ装置の構造モード図である。図７に示すように、当該顔サンプルライブラリデプロイ装置３００は、情報取得モジュール３０１及びサブライブラリ分割モジュール３０２を備えることができる。

情報取得モジュール３０１は、暗号と顔サンプルライブラリにおける顔サンプル数が予め設定されたサンプル数の閾値以上である場合、暗号と顔サンプルライブラリにおける顔サンプルに対応するユーザの履歴業務情報を取得するのに用いられる。

ここで、同じ暗号と顔サンプルライブラリにおける顔サンプルに対応するユーザの機密業務暗号は、同じである。

サブライブラリ分割モジュール３０２は、履歴業務情報に基づいて、暗号と顔サンプルライブラリを分割して、Ｍ階層の顔サンプルサブライブラリを取得するのに用いられる。

ここで、各階層の各顔サンプルサブライブラリにおける顔サンプル数は、暗号と顔サンプルライブラリにおける顔サンプル数よりも小さく、Ｍは、正の整数である。

本願の実施例において、暗号と顔サンプルライブラリにおける顔サンプル数が予め設定されたサンプル数の閾値以上である場合、暗号と顔サンプルライブラリにおける顔サンプルに対応するユーザの履歴業務情報に基づいて、暗号と顔サンプルライブラリを分割して、Ｍ階層の顔サンプルサブライブラリを取得する。顔サンプルサブライブラリは、顔認識に利用できる。各階層の各顔サンプルサブライブラリにおける顔サンプル数は、暗号と顔サンプルライブラリにおける顔サンプル数よりも小さい。そのため、本願の実施例における顔サンプルサブライブラリを利用して各種類の業務での顔認識を行うと、顔認識を行う顔サンプルの数量を減少でき、顔認識を利用した業務処理の正確率を向上することができる。顔サンプルサブライブラリにおける顔サンプル数が少ないため、顔認識を利用した業務処理の速度をある程度向上させることができる。しかも、本願の実施例を利用してデプロイされた顔サンプルライブラリで業務処理を行うと、ユーザが補助情報を追加入力する必要がなく、すなわち、顔認識を利用した業務処理の正確率を向上させ、操作を簡略化し、業務処理コストを低下し、ユーザの体験を向上させることができる。

幾つかの例において、サブライブラリ分割モジュール３０２は、具体的に、一種類の履歴業務情報の属性に基づいて、少なくとも一つの暗号と顔サンプルライブラリを分割して、少なくとも一つの１階層顔サンプルサブライブラリを取得すること、１階層顔サンプルサブライブラリ毎に、１階層顔サンプルサブライブラリにおける顔サンプル数を取得し、１階層顔サンプルサブライブラリにおける顔サンプル数が予め設定されたサンプル数の閾値以上である場合、他の一種類の履歴業務情報の属性に基づいて、１階層顔サンプルサブライブラリを分割して、少なくとも一つの２階層顔サンプルサブライブラリを取得すること、２階層顔サンプルサブライブラリ毎に、２階層顔サンプルサブライブラリにおける顔サンプル数を取得し、ある一種類の履歴業務情報の属性に基づいて分割されたＭ階層顔サンプルサブライブラリにおける顔サンプル数が予め設定されたサンプル数の閾値を下回ったら、分割を停止する。

幾つかの例では、サブライブラリ分割モジュール３０２は、さらに、顔サンプルサブライブラリ毎に分類データタグを設置するのに用いられる。

ここで、分類データタグは、顔サンプルサブライブラリにおける顔サンプルに対応するユーザの履歴業務情報の属性をマークするのに用いられる。

例えば、分類データタグは、時間タグ、位置タグ、業務内容タグ、業務提供者タグ、要求回数タグ及び要求頻度タグの一種類以上を含むが、これらに限定されない。

具体的に、分類データタグは、１階層分類データタグ乃至Ｍ階層分類データタグを含む。ｉ階層顔サンプルサブライブラリには、１階層分類データタグ乃至ｉ階層分類データタグが設置され、ｉは、正の整数であり、且つ、ｉ≦Ｍである。

ここで、同じｉ階層顔サンプルサブライブラリにおける顔サンプルに対応するユーザのｉ階層履歴業務情報の属性は、同じである。ｉは、正の整数であり、且つ、ｉ≦Ｍである。

幾つかの例において、サブライブラリ分割モジュール３０２は、さらに、一つの顔サンプルサブライブラリから、現在の時刻から予め設定された期間内で業務要求が発生した回数が保留を示す回数の閾値未満であるユーザの顔サンプルを削除するのに用いられる。

図８は、本願の実施例における顔認識による業務処理装置の構造モード図である。図８に示すように、当該顔認識による業務処理装置４００は、要求取得モジュール４０１及び認識モジュール４０２を含むことができる。

要求取得モジュール４０１は、ユーザの業務要求情報を取得するのに用いられる。

ここで、業務要求情報は、機密業務暗号及び検出された顔画像を含む。

認識モジュール４０２は、機密業務暗号に対応する暗号と顔サンプルライブラリにおける顔サンプル数が予め設定されたサンプル数の閾値以上である場合、暗号と顔サンプルライブラリ内の一つのｉ階層顔サンプルサブライブラリを呼び出して、一つのｉ階層顔サンプルサブライブラリにおいて、検出された顔画像とマッチングする顔サンプルを検索するのに用いられる。

ここで、暗号と顔サンプルライブラリは、Ｍ階層の顔サンプルサブライブラリを含む。Ｍ階層の顔サンプルサブライブラリは、顔サンプルに対応するユーザの履歴業務情報毎に分割されたものである。各階層の各顔サンプルサブライブラリにおける顔サンプル数は、暗号と顔サンプルライブラリにおける顔サンプル数よりも少ない。ただし、Ｍ、ｉは、正の整数であり、且つ、１≦ｉ≦Ｍである。

本願の実施例において、ユーザの機密業務暗号に対応する暗号と顔サンプルライブラリにおける顔サンプル数が予め設定されたサンプル数の閾値以上である場合、当該暗号と顔サンプルライブラリが分割された一つのｉ階層顔サンプルサブライブラリを呼び出し、当該ｉ階層顔サンプルサブライブラリにおいて、検出された顔画像とマッチングする顔サンプルを検索する。ｉ階層顔サンプルサブライブラリは、暗号と顔サンプルライブラリにおける顔サンプルに対応するユーザの履歴業務情報に基づき分割されたＭ階層の顔サンプルサブライブラリ内の一つの顔サンプルサブライブラリである。当該ｉ階層顔サンプルサブライブラリにおける顔サンプル数は、暗号と顔サンプルライブラリにおける顔サンプル数よりも少ない。そのため、当該ｉ階層顔サンプルサブライブラリを呼び出して各種類の業務処理での顔認識を行うと、顔認識１：Ｎモードを利用する顔サンプルの数量を減少し、顔認識による業務処理の正確率を向上することができる。ｉ階層顔サンプルサブライブラリにおける顔サンプル数が少ないため、顔認識による業務処理の速度をある程度向上することができる。さらに、顔認識による業務処理を行う過程において、ユーザが補助情報を追加入力する必要がなく、顔認識を利用した業務処理の正確率を向上し、操作を簡素化し、業務処理コストを低下し、顔認識による業務処理過程全体でユーザが感知しないようにして、ユーザの体験を向上することができる。

幾つかの例において、同じｉ階層顔サンプルサブライブラリにおける顔サンプルに対応するユーザの履歴業務情報の属性は、同じである。

幾つかの例において、顔サンプルサブライブラリには、分類データタグが設置されている。分類データタグは、顔サンプルサブライブラリにおける顔サンプルに対応するユーザの履歴業務情報の属性をマークするのに用いられる。

さらに、分類データタグは、１階層分類データタグ乃至Ｍ階層分類データタグを含む。ｉ階層顔サンプルサブライブラリには、１階層分類データタグ乃至ｉ階層分類データタグが設置されている。

幾つかの例において、上記要求取得モジュール４０１は、さらに、ユーザの現在業務情報を取得するのに用いられる。

例えば、ユーザの現在業務情報は、現在の業務時間情報、現在の業務位置情報、現在の業務内容情報、現在の業務提供者情報、現在の業務要求回数情報及び現在の業務要求頻度情報の一種類以上を含むが、これらに限定されない。

上記認識モジュール４０２は、具体的に、各第１の目標顔サンプルサブライブラリにおける顔サンプル数を取得し、第１の目標顔サンプルサブライブラリ毎に、第１の目標顔サンプルサブライブラリにおける顔サンプル数が予め設定されたサンプル数の閾値未満である場合、第１の目標顔サンプルサブライブラリを呼び出すこと、第１の目標顔サンプルサブライブラリにおける顔サンプル数が予め設定されたサンプル数の閾値以上である場合、各第２の目標顔サンプルサブライブラリにおける顔サンプル数を取得し、顔サンプル数が予め設定されたサンプル数の閾値未満である第ｉの目標顔サンプルサブライブラリを取得したら、第ｉの目標顔サンプルサブライブラリを呼び出すことに用いられる。

ここで、第１の目標顔サンプルサブライブラリは、１階層分類データタグとユーザの現在業務情報の属性とが一致する１階層顔サンプルサブライブラリである。第２の目標顔サンプルサブライブラリは、１階層分類データタグ及び２階層分類データタグとユーザの現在業務情報の属性とが一致する２階層顔サンプルサブライブラリである。第ｉの目標顔サンプルサブライブラリは、１階層分類データタグ乃至ｉ階層分類データタグとユーザの現在業務情報の属性とが一致するｉ階層顔サンプルサブライブラリである。

他の例において、上記認識モジュール４０２は、具体的に、暗号と顔サンプルライブラリ内の顔サンプル数が予め設定されたサンプル数の閾値未満である全てのｉ階層顔サンプルサブライブラリである候補顔サンプルサブライブラリを決定すること、候補顔サンプルサブライブラリから、１階層分類データタグ乃至ｉ階層分類データタグとユーザの現在業務情報の属性とが一致する一つのｉ階層顔サンプルサブライブラリを選択して呼び出すことに用いられる。

幾つかの例において、上記認識モジュール４０２は、さらに、呼び出された一つのｉ階層顔サンプルサブライブラリから、検出された顔画像とマッチングする顔サンプルが検索されない場合、補助情報を提供するようユーザに促すための二段階認証メッセージを、ユーザにフィードバックすることと、ユーザが入力した補助情報を受信し、検出された顔画像と暗号と顔ライブラリにおける補助情報に対応する顔サンプルとをマッチングすることと、に用いられる。

上記認識モジュール４０２は、検出された顔画像と暗号と顔ライブラリにおける補助情報に対応する顔サンプルとのマッチングが成功した場合、検出された顔画像又は暗号と顔ライブラリにおける補助情報に対応する顔サンプルを、呼び出された一つのｉ階層顔サンプルサブライブラリに追加するのに用いられる。

幾つかの例において、上記認識モジュール４０２は、さらに、一つのｉ階層顔サンプルサブライブラリにおける顔サンプル数が予め設定されたサンプル数の閾値以上である場合、一つのｉ階層顔サンプルサブライブラリから、現在の時刻から予め設定された期間内で業務要求が発生した回数が保留を示す回数の閾値未満であるユーザの顔サンプルを削除するのに用いられる。

幾つかの例において、機密業務暗号は、支払い暗号又はログイン暗号を含む。

幾つかの例において、分類データタグは、時間タグ、位置タグ、業務内容タグ、業務提供者タグ、要求回数タグ及び要求頻度タグの一種類以上を含むが、これらに限定されない。

図９は、本願の実施例における業務デバイスの構造モード図である。図９に示すように、業務デバイス５００は、メモリ５０１と、プロセッサ５０２と、メモリ５０１に記憶されプロセッサ５０２で実行されるコンピュータプログラムと、を含む。

一例において、上記プロセッサ５０２は、中央処理装置（ＣＰＵ）、又は特定用途向け集積回路（ＡＳＩＣ）を含んでもよく、或いは、本願の実施例を実施するように配置された一つ又は複数の集積回路を含んでもよい。

メモリ５０１は、データ又は命令のための大容量メモリを含むことができる。例として、メモリ５０１は、ＨＤＤ、フロッピーディスクドライブ、フラッシュメモリ、光ディスク、磁気光学ディスク、磁気テープ又はユニバーサルシリアルバス（ＵＳＢ）ドライブ又は二つ以上のこれら組み合わせを含み得るが、これらに限定されない。必要に応じて、メモリ５０１は、取り外し可能又は取り外し不可能な（又は固定された）媒体を含み得る。必要に応じて、メモリ５０１は、端末ホットスポットによって業務デバイス５００の内部又は外部を開けてもよい。特定の実施例において、メモリ５０１は、不揮発性固体メモリである。特定の実施例において、メモリ５０１は、読み取り専用メモリ（ＲＯＭ）を含む。必要に応じて、当該ＲＯＭは、マスクプログラマブルＲＯＭ、プログラマブルＲＯＭ（ＰＲＯＭ）、電気的消去可能なＰＲＯＭ（ＥＰＲＯＭ）、電気的消去可能なＰＲＯＭ（ＥＥＰＲＯＭ）、電気的書き換え可能なＲＯＭ（ＥＡＲＯＭ）又はフラッシュメモリ又は二つ以上のこれら組み合わせであってもよい。

プロセッサ５０２は、メモリ５０１に記憶された実行可能なプログラムコードを読み出して実行可能なプログラムコードに対応するコンピュータプログラムを実行することで、上記実施例における顔サンプルライブラリのデプロイ方法及び／又は顔認識による業務処理方法を実現する。

一例において、業務デバイス５００は、通信インターフェース５０３及びバス５０４をさらに含む。ここで、図９に示すように、メモリ５０１、プロセッサ５０２、通信インターフェース５０３は、バス５０４を介して接続されて、互いの通信を完成する。

通信インターフェース５０３は、主に、本願の実施例における各モジュール、装置、ユニット及び／又はデバイス間の通信を実現するのに用いられる。通信インターフェース５０３を介して、入力デバイス及び／又は出力デバイスにアクセスすることもできる。

バス５０４は、ハードウェア、ソフトウェア、又は両者を含み、業務デバイス５００の部材を互いに結合する。例として、バス５０４は、高速グラフィックスポート（ＡＧＰ）又はその他のグラフィックスバス、拡張業界標準アーキテクチャ（ＥＩＳＡ）バス、フロントサイドバス（ＦＳＢ）、ハイパートランスポート（ＨＴ）インターコネクト、業界標準アーキテクチャ（ＩＳＡ）バス、無制限帯域幅インターコネクト、低ピン数（ＬＰＣ）バス、メモリバス、マイクロチャネルアーキテクチャ（ＭＣＡ）バス、ペリフェラルコンポーネントインターコネクト（ＰＣＩ）バス、ＰＣＩ−Ｅｘｐｒｅｓｓ（ＰＣＩ−Ｘ）バス、シリアルアドバンスドテクノロジーアタッチメント（ＳＡＴＡ）バス、ビデオエレクトロニクススタンダーズアソシエーションローカル（ＶＬＢ）バス又はその他の適切なバス又は二つ以上のこれらの組み合わせを含み得るが、これらに限定されない。必要に応じて、バス５０４は、一つ又は複数のバスを含み得る。本願の実施例は、特定のバスを説明及び示しているが、本願は、任意の適切なバス又は相互接続を考慮する。

本願の一実施例は、さらに、コンピュータプログラムが記憶されたコンピュータ読み取り可能な記憶媒体を提供し、当該コンピュータプログラムがプロセッサにより実行されると、上記実施例における顔サンプルライブラリのデプロイ方法及び／又は顔認識による業務処理方法を実現することができる。

なお、本明細書における各実施例は、いずれも漸進的に記載され、各実施例間の同一又は類似の部分は互いに参照すればよく、各実施例は、その他の実施例との相違に焦点を合わせている。装置の実施例、業務デバイスの実施例及びコンピュータ読み取り可能な記憶媒体の実施例について、関連する詳細は、方法の実施例の説明部分を参照することができる。本願は、前述の説明及び図に示す特定のステップ及び構造に限定されない。当業者は、様々な変更、修正及び追加を行うか、或いは、ステップ間の順序を変更してもよい。また、簡潔にするために、既知の方法の技術の詳細な説明はここでは詳述しない。

当業者は、上記の実施例がいずれも例示的であって、限定的ではないことを理解すべきである。異なる実施例で現れる異なる技術的特徴を組み合わせて、有益な効果を達成することができる。当業者は、図面、明細書及び特許請求の範囲を研究することによって、開示された実施例の他の修正された実施例を理解し、実施できるべきである。特許請求の範囲において、「含む」、「備える」、「有する」という用語は、その他の装置又はステップを除外せず、「一つ」、「一」は、複数を除外せず、「第１」、「第２」という用語は、特定の順序を表すものではなく、名称を表すために用いられる。特許請求の範囲に記載の任意の符号は、いずれも、保護の範囲を制限するものとして解釈されてはいけない。特許請求の範囲に記載の複数の部分の機能は、単一のハードウェアまたはソフトウェアモジュールによって実現することができる。異なる従属クレームに特定の技術的特徴が現れることは、これらの技術的特徴を組み合わせて有益な効果を達成できないことを意味するものではない。

Claims (24)

1. 暗号と顔サンプルライブラリにおける顔サンプル数が予め設定されたサンプル数の閾値以上である場合、前記暗号と顔サンプルライブラリにおける顔サンプルに対応するユーザの履歴業務情報を取得することと、
   前記履歴業務情報に基づいて、前記暗号と顔サンプルライブラリを分割してＭ階層の顔サンプルサブライブラリを取得することと、
   を含み、
   同じ前記暗号と顔サンプルライブラリにおける顔サンプルに対応するユーザの機密業務暗号は、同じであり、
   Ｍは、正の整数である、
   顔サンプルライブラリのデプロイ方法。
2. 前記履歴業務情報に基づいて、前記暗号と顔サンプルライブラリを分割してＭ階層の顔サンプルサブライブラリを得ることは、
   一種類の履歴業務情報の属性に基づいて、少なくとも一つの前記暗号と顔サンプルライブラリを分割して、少なくとも一つの１階層顔サンプルサブライブラリを取得することと、
   １階層顔サンプルサブライブラリ毎に、１階層顔サンプルサブライブラリにおける顔サンプル数を取得し、１階層顔サンプルサブライブラリにおける顔サンプル数が前記予め設定されたサンプル数の閾値以上である場合、他の一種類の履歴業務情報の属性に基づいて、前記１階層顔サンプルサブライブラリを分割して、少なくとも一つの２階層顔サンプルサブライブラリを取得することと、
   ２階層顔サンプルサブライブラリ毎に、２階層顔サンプルサブライブラリにおける顔サンプル数を取得し、ある一種類の履歴業務情報の属性に基づいて分割されたＭ階層顔サンプルサブライブラリにおける顔サンプル数が前記予め設定されたサンプル数の閾値未満になったら分割を停止することと、
   を含む、請求項１に記載の顔サンプルライブラリのデプロイ方法。
3. 顔サンプルサブライブラリ毎に、顔サンプルサブライブラリにおける顔サンプルに対応するユーザの前記履歴業務情報の属性をマークするための分類データタグが設置される、
   請求項１又は２に記載の顔サンプルライブラリのデプロイ方法。
4. 前記分類データタグは、１階層分類データタグ乃至Ｍ階層分類データタグを含み、
   ｉ階層顔サンプルサブライブラリには、１階層分類データタグ乃至ｉ階層分類データタグが設置され、
   同じｉ階層顔サンプルサブライブラリにおける顔サンプルに対応するユーザの前記履歴業務情報の属性は、同じであり、ｉは、正の整数であり、且つ、ｉ≦Ｍである、
   請求項３に記載の顔サンプルライブラリのデプロイ方法。
5. 一つの顔サンプルサブライブラリから、現在の時刻から予め設定された期間内で業務要求が発生した回数が保留を示す回数の閾値未満であるユーザの顔サンプルを削除すること、
   をさらに含む、請求項１に記載の顔サンプルライブラリのデプロイ方法。
6. 前記分類データタグは、時間タグ、位置タグ、業務内容タグ、業務提供者タグ、要求回数タグ及び要求頻度タグの一種類又は複数の種類を含む、
   請求項３に記載の顔サンプルライブラリのデプロイ方法。
7. 機密業務暗号及び検出された顔画像を含むユーザの業務要求情報を取得することと、
   前記機密業務暗号に対応する暗号と顔サンプルライブラリにおける顔サンプル数が予め設定されたサンプル数の閾値以上である場合、前記暗号と顔サンプルライブラリにおける一つのｉ階層顔サンプルサブライブラリを呼び出し、前記一つのｉ階層顔サンプルサブライブラリにおいて、前記検出された顔画像とマッチングする顔サンプルを検索することと、
   を含み、
   前記暗号と顔サンプルライブラリは、Ｍ階層の顔サンプルサブライブラリを含み、前記Ｍ階層の顔サンプルサブライブラリは、顔サンプルに対応するユーザの履歴業務情報に基づいて分割されたものであり、各階層の各顔サンプルサブライブラリにおける顔サンプル数は、前記暗号と顔サンプルライブラリにおける顔サンプル数よりも小さく、ただし、Ｍ、ｉは、正の整数であり、且つ、１≦ｉ≦Ｍである、
   顔認識による業務処理方法。
8. 同じｉ階層顔サンプルサブライブラリにおける顔サンプルに対応するユーザの前記履歴業務情報の属性は、同じである、
   請求項７に記載の顔認識による業務処理方法。
9. 前記顔サンプルサブライブラリには、顔サンプルサブライブラリにおける顔サンプルに対応するユーザの前記履歴業務情報の属性をマークするための分類データタグが設置される、
   請求項７又は８に記載の顔認識による業務処理方法。
10. 前記分類データタグは、１階層分類データタグ乃至Ｍ階層分類データタグを含み、ｉ階層顔サンプルサブライブラリには、１階層分類データタグ乃至ｉ階層分類データタグが設置される、
    請求項９に記載の顔認識による業務処理方法。
11. ユーザの現在業務情報を取得することをさらに含み、
    前記暗号と顔サンプルライブラリにおける一つのｉ階層顔サンプルサブライブラリを呼び出すことは、
    各第１の目標顔サンプルサブライブラリにおける顔サンプル数を取得し、前記第１の目標顔サンプルサブライブラリ毎に、前記第１の目標顔サンプルサブライブラリにおける顔サンプル数が前記予め設定されたサンプル数の閾値未満である場合、前記第１の目標顔サンプルサブライブラリを呼び出すことと、
    前記第１の目標顔サンプルサブライブラリにおける顔サンプル数が前記予め設定されたサンプル数の閾値以上である場合、各第２の目標顔サンプルサブライブラリにおける顔サンプル数を取得し、顔サンプル数が前記予め設定されたサンプル数の閾値未満である第ｉの目標顔サンプルサブライブラリを取得したら、第ｉの目標顔サンプルサブライブラリを呼び出すことと、
    を含み、
    前記第１の目標顔サンプルサブライブラリは、１階層分類データタグと前記ユーザの現在業務情報の属性とが一致する１階層顔サンプルサブライブラリであり、前記第２の目標顔サンプルサブライブラリは、１階層分類データタグ及び２階層分類データタグと前記ユーザの現在業務情報の属性とが一致する２階層顔サンプルサブライブラリであり、前記第ｉの目標顔サンプルサブライブラリは、１階層分類データタグ乃至ｉ階層分類データタグと前記ユーザの現在業務情報の属性とが一致するｉ階層顔サンプルサブライブラリである、
    請求項１０に記載の顔認識による業務処理方法。
12. ユーザの現在業務情報を取得することをさらに含み、
    前記暗号と顔サンプルライブラリにおける一つのｉ階層顔サンプルサブライブラリを呼び出すことは、
    前記暗号と顔サンプルライブラリにおける、顔サンプル数が前記予め設定されたサンプル数の閾値未満である全てのｉ階層顔サンプルサブライブラリである候補顔サンプルサブライブラリを決定することと、
    候補顔サンプルサブライブラリから、１階層分類データタグ乃至ｉ階層分類データタグと前記ユーザの現在業務情報の属性とが一致する一つのｉ階層顔サンプルサブライブラリを選択して呼び出すことと、
    を含む、
    請求項１０に記載の顔認識による業務処理方法。
13. 前記ユーザの現在業務情報は、現在の業務時間情報、現在の業務位置情報、現在の業務内容情報、現在の業務提供者情報、現在の業務要求回数情報及び現在の業務要求頻度情報の一種類以上を含む、
    請求項１１又は１２に記載の顔認識による業務処理方法。
14. 呼び出された一つのｉ階層顔サンプルサブライブラリにおいて、前記検出された顔画像とマッチングする顔サンプルが検索されない場合、補助情報を提供するよう前記ユーザに促すため二段階認証メッセージを、前記ユーザにフィードバックすることと、
    前記ユーザが入力した前記補助情報を受信し、前記検出された顔画像と前記暗号と顔ライブラリにおける前記補助情報に対応する顔サンプルをマッチングすることと、
    をさらに含む、請求項８に記載の顔認識による業務処理方法。
15. 前記検出された顔画像と前記暗号と顔ライブラリにおける前記補助情報に対応する顔サンプルとのマッチングが成功した場合、前記検出された顔画像又は前記暗号と顔ライブラリにおける前記補助情報に対応する顔サンプルを、前記呼び出された一つのｉ階層顔サンプルサブライブラリに追加すること、
    をさらに含む、請求項１４に記載の顔認識による業務処理方法。
16. 一つのｉ階層顔サンプルサブライブラリにおける顔サンプル数が前記予め設定されたサンプル数の閾値以上である場合、前記一つのｉ階層顔サンプルサブライブラリから、現在の時刻から予め設定された期間内で業務要求が発生した回数が保留を示す回数の閾値未満であるユーザの顔サンプルを削除すること、
    をさらに含む、請求項１５に記載の顔認識による業務処理方法。
17. 前記機密業務暗号は、支払い暗号又はログイン暗号を含む、
    請求項７に記載の顔認識による業務処理方法。
18. 前記分類データタグは、時間タグ、位置タグ、業務内容タグ、業務提供者タグ、要求回数タグ及び要求頻度タグの一種類以上を含む、
    請求項９に記載の顔認識による業務処理方法。
19. 暗号と顔サンプルライブラリにおける顔サンプル数が予め設定されたサンプル数の閾値以上である場合、前記暗号と顔サンプルライブラリにおける顔サンプルに対応するユーザの履歴業務情報を取得するための情報取得モジュールと、
    前記履歴業務情報に基づいて、前記暗号と顔サンプルライブラリを分割してＭ階層の顔サンプルサブライブラリを取得するためのサブライブラリ分割モジュールと、
    を含み、
    同じ前記暗号と顔サンプルライブラリにおける顔サンプルに対応するユーザの機密業務暗号は、同じであり、
    Ｍは、正の整数である、
    顔サンプルライブラリデプロイ装置。
20. 機密業務暗号及び検出された顔画像を含むユーザの業務要求情報を取得するための請求取得モジュールと、
    前記機密業務暗号に対応する暗号と顔サンプルライブラリにおける顔サンプル数が予め設定されたサンプル数の閾値以上である場合、前記暗号と顔サンプルライブラリにおける一つのｉ階層顔サンプルサブライブラリを呼び出し、前記一つのｉ階層顔サンプルサブライブラリにおいて、前記検出された顔画像とマッチングする顔サンプルを検索するための認識モジュールと、
    を含み、
    前記暗号と顔サンプルライブラリは、Ｍ階層の顔サンプルサブライブラリを含み、前記Ｍ階層の顔サンプルサブライブラリは、顔サンプルに対応するユーザの履歴業務情報に基づいて分割されたものであり、各階層の各顔サンプルサブライブラリにおける顔サンプル数は、前記暗号と顔サンプルライブラリにおける顔サンプル数よりも小さく、ただし、Ｍ、ｉは、正の整数であり、且つ、１≦ｉ≦Ｍである、
    顔認識による業務処理装置。
21. プロセッサと、メモリと、前記メモリに記憶され前記プロセッサで実行可能なコンピュータプログラムと、含み、
    前記コンピュータプログラムが前記プロセッサによって実行される場合、請求項１乃至６のいずれかに記載の顔サンプルライブラリのデプロイ方法のステップを実現する、
    業務デバイス。
22. プロセッサと、メモリと、前記メモリに記憶され前記プロセッサで実行可能なコンピュータプログラムと、含み、
    前記コンピュータプログラムが前記プロセッサによって実行される場合、請求項７乃至１８のいずれかに記載の顔認識による業務処理方法のステップを実現する、
    業務デバイス。
23. コンピュータプログラムがプロセッサによって実行される場合、請求項１乃至６のいずれかに記載の顔サンプルライブラリのデプロイ方法のステップを実現する前記コンピュータプログラムが記憶された、
    コンピュータ読み取り可能な記憶媒体。
24. コンピュータプログラムがプロセッサによって実行される場合、請求項７乃至１８のいずれかに記載の顔認識による業務処理方法のステップを実現する前記コンピュータプログラムが記憶された、
    コンピュータ読み取り可能な記憶媒体。

Images