JP7110413B2 - データ更新方法及び装置、電子機器並びに記憶媒体 - Google Patents

データ更新方法及び装置、電子機器並びに記憶媒体 Download PDF

Info

Publication number
JP7110413B2
JP7110413B2 JP2020573232A JP2020573232A JP7110413B2 JP 7110413 B2 JP7110413 B2 JP 7110413B2 JP 2020573232 A JP2020573232 A JP 2020573232A JP 2020573232 A JP2020573232 A JP 2020573232A JP 7110413 B2 JP7110413 B2 JP 7110413B2
Authority
JP
Japan
Prior art keywords
feature
image
features
update
recognition
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.)
Active
Application number
JP2020573232A
Other languages
English (en)
Other versions
JP2021533443A (ja
Inventor
宏斌 ▲趙▼
文忠 ▲蒋▼
毅 ▲劉▼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Sensetime Technology Co Ltd
Original Assignee
Shenzhen Sensetime Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Sensetime Technology Co Ltd filed Critical Shenzhen Sensetime Technology Co Ltd
Publication of JP2021533443A publication Critical patent/JP2021533443A/ja
Application granted granted Critical
Publication of JP7110413B2 publication Critical patent/JP7110413B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/23—Updating
    • G06F16/235—Update request formulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • 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
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • 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
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • 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
    • G06V40/50—Maintenance of biometric data or enrolment thereof

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Library & Information Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Mathematical Physics (AREA)
  • Collating Specific Patterns (AREA)
  • Image Analysis (AREA)
  • Credit Cards Or The Like (AREA)

Description

（関連出願の相互参照）
本願は、２０１９年０７月１６日に提出された出願番号２０１９１０６４２１１０．０の中国特許出願に基づく優先権を主張し、該中国特許出願の全内容が参照として本願に組み込まれる。
本願は、コンピュータビジョン分野に関し、特にデータ更新方法及び装置、電子機器並びに記憶媒体に関する。
コンピュータビジョンのデータマッチングシーンにおいて、顔認識を例として、出退勤時のチェックインを行う打刻シーン又は内部の安全性を考慮した打刻の場合、打刻ユーザに対する認識について、現在、手動で更新された顔データベースにおける顔画像と比較する。これは、処理効率が低い。
本願の実施例は、データ更新方法及び装置、電子機器並びに記憶媒体を提供する。
本願の実施例は、データ更新方法を提供する。前記方法は、
ターゲット対象の第１画像を取得し、前記第１画像の第１画像特徴を取得することと、
ローカル顔データベースから、第２画像特徴を取得することと、
前記第１画像特徴と前記第２画像特徴に対して類似度比較を行い、比較結果を得ることと、
前記比較結果が特徴更新閾値より大きい場合、前記第１画像特徴と前記第２画像特徴との差異特徴を取得し、前記差異特徴を動的更新特徴とすることと、
前記動的更新特徴に基づいて、前記第２画像特徴に対して自己適応的更新を行い、更新された前記ターゲット対象の特徴データを得ることと、を含む。
幾つかの実施例において、ローカル顔データベースから、第２画像特徴を取得する前に、
サーバから送信された第２画像特徴を受信し、前記第２画像特徴を前記ローカル顔データベースに記憶することを含む。
幾つかの実施例において、前記動的更新特徴に基づいて、前記第２画像特徴に対して自己適応的更新を行うことは、
前記差異特徴と前記第２画像特徴に対して加重融合を行い、更新された前記ターゲット対象の特徴データを得ることを含む。
幾つかの実施例において、前記方法は、前記更新された前記ターゲット対象の特徴データを前記第２画像特徴とし、該第２画像特徴を記憶することを更に含む。
幾つかの実施例において、前記方法は、
前記比較結果が認識閾値より大きいことに応答して、前記ターゲット対象の認識に成功したことを表すリマインド情報を表示することであって、前記認識閾値は、前記特徴更新閾値未満であること、を更に含む。
本願の実施例は、データ更新装置を提供する。前記装置は、
ターゲット対象の第１画像を取得し、前記第１画像の第１画像特徴を取得するように構成される収集ユニットと、
ローカル顔データベースから、第２画像特徴を取得するように構成される取得ユニットと、
前記第１画像特徴と前記第２画像特徴に対して類似度比較を行い、比較結果を得るように構成される比較ユニットと、
前記比較結果が特徴更新閾値より大きい場合、前記第１画像特徴と前記第２画像特徴との差異特徴を取得し、前記差異特徴を動的更新特徴とするように構成される差異特徴取得ユニットと、
前記動的更新特徴に基づいて、前記第２画像特徴に対して自己適応的更新を行い、更新された前記ターゲット対象の特徴データを得るように構成される更新ユニットと、を備える。
幾つかの実施例において、前記装置は、
サーバから送信された第２画像特徴を受信し、前記第２画像特徴を前記ローカル顔データベースに記憶するように構成される記憶ユニットを更に備える。
幾つかの実施例において、前記更新ユニットは、
前記差異特徴と前記第２画像特徴に対して加重融合を行い、更新された前記ターゲット対象の特徴データを得るように構成される。
幾つかの実施例において、前記装置は、
前記更新された前記ターゲット対象の特徴データを前記第２画像特徴とし、該第２画像特徴を記憶するように構成される記憶ユニットを更に備える。
幾つかの実施例において、前記装置は、
前記比較結果が認識閾値より大きいことに応答して、前記ターゲット対象の認識に成功したことを表すリマインド情報を表示するように構成される認識ユニットであって、前記認識閾値は、前記特徴更新閾値未満である、認識ユニットを更に備える。
本願の実施例は、電子機器を提供する。前記電子機器は、
プロセッサと、
プロセッサによる実行可能な命令を記憶するように構成されるメモリと、を備え、
前記プロセッサは、上記データ更新方法を実行するように構成される。
本願の実施例は、コンピュータ可読記憶媒体を提供する。該コンピュータ可読記憶媒体には、コンピュータに、上記データ更新方法を実行させるためのコンピュータプログラムが記憶される。
本願の実施例は、コンピュータプログラムを提供する。前記コンピュータプログラムは、コンピュータに、上記データ更新方法を実行させることができる。
本願の実施例において、ターゲット対象の第１画像を取得し、前記第１画像の第１画像特徴を取得し、ローカル顔データベースから、第２画像特徴を取得し、前記第１画像特徴と前記第２画像特徴に対して類似度比較を行い、比較結果を得て、前記比較結果が特徴更新閾値より大きい場合、前記第１画像特徴と前記第２画像特徴との差異特徴を取得し、前記差異特徴を動的更新特徴とし、前記動的更新特徴に基づいて、前記第２画像特徴に対して自己適応的更新を行い、更新された前記ターゲット対象の特徴データを得る。本願の実施例では、第１画像特徴（認識されるべき、ターゲット対象の顔画像の画像特徴）と第２画像特徴（顔データベースに記憶された、ターゲット対象の顔画像の画像特徴）に対して画像特徴類似度比較を行い、比較結果及び特徴更新閾値に基づいて、第２画像特徴に対して自己適応的更新を行い、認識されるべきターゲット対象に対応する第１画像特徴を顔データベースにおける自己適応的更新された第２画像特徴と比較することができる。これによって、顔データベースに記憶されたベースピクチャを手動で頻繁に更新する必要がなく、顔認識の効率を向上させる。
本願の実施例によるデータ更新方法を示すフローチャートである。 本願の実施例によるデータ更新方法を示すフローチャートである。 本願の実施例によるデータ更新方法を示すフローチャートである。 本願の実施例によるデータ更新方法を示すフローチャートである。 本願の実施例によるデータ更新装置を示すブロック図である。 本願の実施例による電子機器を示すブロック図である。 本願の実施例による電子機器を示すブロック図である。
ここで添付した図面は、明細書に引き入れて本明細書の一部分を構成し、本発明に適合する実施例を示し、かつ、明細書とともに本願の技術的解決手段を解釈することに用いられる。
以下、図面を参照しながら本願の種々の例示的な実施例、特徴及び態様を詳しく説明する。図面における同一の符号は、同一または類似する機能を有する要素を示す。図面は、実施例の種々の態様を示しているが、特別な説明がない限り、必ずしも比率どおりの図面ではない。
ここで使用した「例示的」という用語は「例、実施例として用いられるか、または説明のためのものである」ことを意味する。ここで、「例示的なもの」として説明される如何なる実施例は、他の実施例より好適または有利であると必ずしも解釈されるべきではない。
本明細書において、用語「及び／又は」は、関連対象の関連関係を説明するためのものであり、３通りの関係が存在することを表す。例えば、Ａ及び／又はＢは、Ａのみが存在すること、ＡとＢが同時に存在すること、Ｂのみが存在するという３つの場合を表す。また、本明細書において、用語「少なくとも１つ」は、複数のうちのいずれか１つ又は複数のうちの少なくとも２つの任意の組み合わせを表す。例えば、Ａ、Ｂ、Ｃのうちの少なくとも１つを含むことは、Ａ、Ｂ及びＣからなる集合から選ばれるいずれか１つ又は複数の要素を含むことを表す。
なお、本願をより良く説明するために、以下の具体的な実施形態において具体的な細部を多く記載した。当業者は、これら具体的な詳細に関わらず、本開示は同様に実施可能であると理解すべきである。本発明の主旨を明確にするために、一部の実例において、当業者に熟知されている方法、手段、素子及び回路については詳しく説明しないことにする。
顔認識の適用シーンにおいて、従業員の出退勤時のチェックインを行う時、タイムレコーダにより打刻認識を行う必要がある。又は、会社内部のセキュリティー要件に応じて、権限を有する者が特殊のオフィスエリアに入る時、打刻認識を行う必要がある。幾つかのモニタリング領域において、出入者に対して打刻認識を行う必要もある。打刻認識プロセスにおいて、現場でリアルタイムに捕捉された顔画像特徴を顔データベースにおける既存の顔画像特徴と比較する。しかしながら、当初、ターゲット対象に対して画像を収集する時に収集された画像が不正確であるか、ターゲット対象の髪型が変更されたか、又はターゲット対象の顔が太ったり痩せたりすることにより、顔データベースに記憶された既存の顔画像特徴に基づいて認識を行う時に失敗してしまう可能性がある。これは、顔認識率が低くなることを引き起こしてしまう。顔認識率を向上させるために、顔データベースに記憶されたベースピクチャ（例えば、最初、ターゲット対象に対して画像収集を行うことで得られた登録画像）を手動で頻繁に更新する必要がある。このような手動更新による処理方式は、処理効率が低い。これに対して、本願の実施例は、顔データベースにおける登録画像に対して自己適応的更新を行う。換言すれば、登録された顔画像の特徴値を絶え間なく最適化する。これにより、顔の認識率を向上させ、顔データベースにおける画像の更新の処理効率を向上させることができる。
図１は、本願の実施例によるデータ更新方法を示すフローチャートである。該データ更新方法は、データ更新装置に適用される。例えば、データ更新装置は、端末装置、サーバ又は他の処理装置により実行されてもよい。ここで、端末装置は、ユーザ装置（Ｕｓｅｒ Ｅｑｕｉｐｍｅｎｔ：ＵＥ）、携帯機器、ユーザ端末、端末、セルラ電話、コードレス電話、パーソナルデジタルアシスタント（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔ：ＰＤＡ）、ハンドヘルドデバイス、コンピューティングデバイス、車載機器、ウェアブル機器、身分検証機器などであってもよい。幾つかの考えられる実現形態において、該データ更新方法は、プロセッサによりメモリに記憶されているコンピュータ可読命令を呼び出すことで実現することができる。図１に示すように、該プロセスは以下を含む。
ステップＳ１０１において、ターゲット対象の第１画像を取得し、前記第１画像の第１画像特徴を取得する。
一例において、ターゲット対象（会社の従業員）は、ゲートを通過する場合、タイムレコーダにより打刻認識を行う必要がある。打刻認識は、指紋認識により実現してもよく、顔認識により実現してもよい。顔認識の場合、カメラによりターゲット対象に対して現場でリアルタイムに画像を捕捉する。得られた顔画像は、前記第１画像である。
一例において、第１画像から、第１画像特徴を抽出する。特徴抽出ネットワーク（例えば、グラフ畳み込みニューラルネットワーク）により、前記第１画像に対して特徴抽出を行い、前記第１画像に対応する１つ又は複数の特徴ベクトルを得る。前記１つ又は複数の特徴ベクトルに基づいて前記第１画像特徴を得る。特徴抽出ネットワークに加えて、他のネットワークを利用してもよい。特徴抽出を実現できるネットワークは、いずれも本願の実施例の保護範囲内に含まれる。
ステップＳ１０２において、ローカル顔データベースから第２画像特徴を取得する。
一例において、顔認識の場合、現場でリアルタイムに捕捉された顔画像特徴を顔データベースにおける既存の顔画像特徴と比較する。顔画像データベースにおける既存の顔画像特徴は、前記第２画像特徴である。第２画像特徴は、１）最初、ターゲット対象に対して画像収集を行った時に得られた登録画像に対応する特徴、及び２）本願の実施例のデータ更新プロセスにより得られた前回の更新に対応する更新された第２画像特徴を含むが、これらに限定されない。
ステップＳ１０３において、前記第１画像特徴と前記第２画像特徴に対して類似度比較を行い、比較結果を得る。
一例において、画像に対して特徴抽出を行う過程において、前記第１画像から第１画像特徴を抽出し、前記第２画像から、第２画像特徴を抽出し、前記第１画像特徴と前記第２画像特徴に対して画像特徴類似度比較を行い、類似度スコアを得て、該類似度スコアは、前記比較結果である。ここで、前記第１画像特徴及び前記第２画像特徴は特徴を説明するためのものに過ぎず、１つの特徴に限定されず、複数の特徴であってもよい。
ここで、認識速度及び認識正確率の需要を考慮とすると、第２画像特徴は、認識の場合、第２画像からリアルタイムに抽出されたものであれば、認識速度及び認識の正確率を低減させる可能性がある。従って、幾つかの実施例において、第２画像特徴は、サーバから送信されてローカルに事前記憶される。つまり、ローカル顔データベースから、第２画像特徴を取得する前に、サーバから送信された第２画像特徴を受信し、前記第２画像特徴を前記ローカル顔データベースに記憶することを含む。例えば、「ローカル認識機＋サーバのモード」を利用して、サーバで、第２画像特徴の抽出処理を実行する。続いて、サーバは、第２画像特徴（つまり、登録画像の画像特徴）をローカル認識機に送信する。続いて、ローカルで比較を行い、比較結果に基づいて、ローカル顔データベースに送信された第２画像特徴を更新する。更新した後に得られた第２画像特徴は、依然としてローカル顔データベースに記憶される。各サーバがＮ台のローカル認識機に対応する可能性があり、各ローカル認識機のハードウェア構成又はソフトウェア実行環境によって、画像特徴が異なることがあるため、更新された第２画像特徴を、サーバにアップロードすることなく、ローカルに記憶する。つまり、更新された第２画像特徴をローカルに記憶することは、簡単で、効率的で、且つ認識率が高い方式である。また、「ローカル認識機＋サーバのモード」を利用する場合、認識を行うたびに、比較結果を特徴更新閾値と比較する。比較結果が特徴更新閾値より大きい場合、前記第１画像特徴と前記第２画像特徴との差異特徴を取得し、前記差異特徴を動的更新特徴とし、前記動的更新特徴に基づいて、前記第２画像特徴に対して自己適応的更新を行い、更新された前記ターゲット対象の特徴データを得る。
ステップＳ１０４において、前記比較結果が特徴更新閾値より大きい場合、前記第１画像特徴と前記第２画像特徴との差異特徴を取得し、前記差異特徴を動的更新特徴とする。
一例において、画像に対して特徴抽出を行い、第１画像に対応する第１画像特徴と第２画像に対応する第２画像特徴に対して画像特徴類似度比較を行い、類似度スコア（該類似度スコアは、前記比較結果の一例であり、比較結果は、類似度に限定されず、２つの画像の比較を評価するための他のパラメータであってもよい）を得た後、類似度スコア及び特徴更新閾値に基づいて、第２画像特徴に対して自己適応的更新を行い、類似度スコアが特徴更新閾値より大きい場合、前記第１画像特徴と前記第２画像特徴との差異特徴を取得する。例えば、類似度スコアに基づいて、前記第１画像における、第２画像の画像特徴と異なる画像特徴を、前記第２画像に対する差異特徴とし、前記差異特徴を動的更新特徴とする。前記差異特徴は、様々な髪型、メガネをかけているかどうかなどの特徴であってもよい。
ステップＳ１０５において、前記動的更新特徴に基づいて、前記第２画像特徴に対して自己適応的更新を行い、更新された前記ターゲット画像の特徴データを得る。
幾つかの実施例において、前記動的更新特徴に基づいて、前記第２画像特徴に対して自己適応的更新を行うことは、前記差異特徴と前記第２画像特徴に対して加重融合を行い、更新された前記ターゲット対象の特徴データを得ることを含む。前記更新された前記ターゲット対象の特徴データを前記第２画像特徴とし、該第２画像特徴をローカル顔データベースに記憶することができる。
幾つかの実施例において、前記方法は、前記比較結果が認識閾値より大きいことに応答して、前記ターゲット対象の認識に成功したことを表すリマインド情報を表示することであって、前記認識閾値は、前記特徴更新閾値未満であること、を更に含む。比較結果と認識閾値との比較、比較結果と特徴更新閾値との比較を問わず、該比較結果は、同一の類似度スコアであってもよく、認識閾値は、前記特徴更新閾値未満である。まず、比較結果と認識閾値との比較を行い、認識に合格して、本人であることを証明した後、比較結果と特徴更新閾値との比較を行う。
１回目の自己適応的更新プロセスにおいて、従業員の出退勤時のチェックインを行う打刻シーンを例として、打刻時に現場でリアルタイムに捕捉された顔画像特徴と登録画像特徴（最初、ターゲット対象に対して画像収集を行う時に得られた登録画像に対応する特徴であり、これは、顔データベースに記憶されており、該登録画像は、原画像である）に対して画像特徴比較を行うことに留意されたい。１回目の自己適応的更新を行った後、更新を行うたびに、打刻時に現場でリアルタイムに捕捉された顔画像特徴を更新された動的画像特徴（前回の自己適応的更新を行った後に得られた動的画像特徴）と比較する。
本願の実施例は、打刻シーンにおける現場でリアルタイムに捕捉された顔画像特徴のような、第１画像特徴（認識されるべき、ターゲット対象の顔画像特徴）と、顔データベースにおける既存の顔画像特徴のような、第２画像特徴（顔データベースに記憶された、ターゲット対象の顔画像特徴）と、に対して画像特徴比較を行う場合、当初、ターゲット対象に対して画像を収集する時に収集された画像が不正確であるか、ターゲット対象の髪型が変更されたか、ターゲット対象の顔が太ったり痩せたりしたか、又はターゲット対象が化粧したり化粧しなかったりすることにより、顔データベースに記憶された既存の顔画像特徴（登録画像又は原画像に対応する特徴）に基づいて認識を行う時に失敗してしまう可能性があり、顔認識の成功率が低くなる。現場でリアルタイムに捕捉された顔画像の画像特徴を、自己適応的更新されて絶え間なく最適化された顔データベースにおける既存の顔画像特徴と比較することで、認識率を向上させるだけでなく、また、顔データベースにおける既存の顔画像を手動で更新する関連技術に取って代わったため、顔データベースにおける既存の画像を頻繁に手動で更新する必要がなく、現場でリアルタイムに捕捉された顔画像特徴を既存の顔画像特徴と比較することで、顔データベースにおける既存の顔画像特徴を絶え間なく更新し、顔データベースにおける画像特徴更新による認識効率を向上させる。
図２は、本願の実施例によるデータ更新方法を示すフローチャートである。該データ更新方法は、データ更新装置に適用される。例えば、データ更新装置は、端末装置、サーバ又は他の処理装置により実行されてもよい。ここで、端末装置は、ユーザ装置（Ｕｓｅｒ Ｅｑｕｉｐｍｅｎｔ：ＵＥ）、携帯機器、ユーザ端末、端末、セルラ電話、コードレス電話、パーソナルデジタルアシスタント（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔ：ＰＤＡ）、ハンドヘルドデバイス、コンピューティングデバイス、車載機器、ウェアブル機器、身分検証機器などであってもよい。幾つかの考えられる実現形態において、該データ更新方法は、プロセッサによりメモリに記憶されているコンピュータ可読命令を呼び出すことで実現することができる。図２に示すように、第２画像は、ターゲット対象が最初、顔認識システムに登録することで得られた登録画像である。比較結果における、第１画像と第２画像（登録画像）との類似度が最も高いものを動的更新特徴とする。該プロセスは、以下を含む。
ステップＳ２０１において、ターゲット対象に対して顔認識を行う場合、第１画像を収集する。
一例において、ターゲット対象（会社の従業員）は、出退勤時のチェックインを行う場合、タイムレコーダにより打刻認識を行う必要がある。打刻認識は、指紋認識により実現してもよく、顔認識により実現してもよい。顔認識の場合、カメラによりターゲット対象に対して現場でリアルタイムに画像を捕捉する。得られた顔画像は、前記第１画像である。
ステップＳ２０２において、ローカル顔データベースから、ターゲット対象に対応する第２画像特徴を取得する。
一例において、顔認識を行う場合、現場でリアルタイムに捕捉された顔画像特徴と顔データベースにおける既存の顔画像特徴に対して画像特徴比較を行う。顔データベースにおける既存の顔画像特徴は、前記第２画像特徴である。第２画像特徴は、最初、ターゲット対象に対して画像収集を行う時に得られた登録画像である。
ステップＳ２０３において、第１画像特徴と登録画像特徴に対して画像特徴類似度比較を行い、比較結果を得る。
一例において、画像に対して特徴抽出を行うプロセスにおいて、前記第１画像から第１画像特徴を抽出し、第１画像特徴と第２画像特徴（登録画像特徴）に対して画像特徴類似度比較を行い、類似度スコアを得る。該類似度スコアは、前記比較結果である。ここで、前記第１画像特徴及び前記第２画像特徴は、説明するためのものに過ぎず、１つの特徴に限定されず、複数の特徴であってもよい。
ステップＳ２０４において、比較結果が１つであり、且つ比較結果が特徴更新閾値より大きい場合、第１画像特徴と登録画像特徴との差異特徴を取得し、差異特徴を動的更新特徴とする。
類似度スコア及び特徴更新閾値に基づいて、登録画像に対して自己適応的更新を行う。類似度スコアが特徴更新閾値より大きい場合、前記第1画像特徴と登録画像特徴との差異特徴を取得する。例えば、類似度スコアに基づいて、前記第１画像における、登録画像の画像特徴と異なる画像特徴を差異特徴とし、前記差異特徴を動的更新特徴とする。
ステップ２０５において、前記動的更新特徴に基づいて、前記登録画像特徴に対して自己適応的更新を行い、更新された前記ターゲット対象の特徴データを得る。
本願の実施例において、打刻シーンにおける現場でリアルタイムに捕捉された顔画像特徴のような、第１画像特徴（認識されるべき、ターゲット対象の顔画像特徴）と、第２画像特徴（顔データベースに記憶された、ターゲット対象の登録画像又は元画像に対応する特徴）と、に対する画像特徴比較は、１回目の自己適応的更新プロセスである。当初、ターゲット対象に対して画像を収集する時に収集された画像が不正確であるか、ターゲット対象の髪型が変更されたか、ターゲット対象の顔が太ったり痩せたりするか、又はターゲット対象が化粧したり化粧しなかったりすることにより、顔データベースに記憶された既存の顔画像特徴（登録画像又は原画像に対応する特徴）に基づいて認識を行う時に失敗してしまう可能性があり、顔認識の成功率が低くなる。現場でリアルタイムに捕捉された顔画像の画像特徴を、自己適応的更新されて絶え間なく最適化された顔データベースにおける既存の顔画像特徴（登録画像又は原画像に対応する特徴）と比較することで、認識率を向上させるだけでなく、また、顔データベースにおける既存の顔画像を手動で更新する関連技術に取って代わったため、顔データベースにおける既存の画像を頻繁に手動で更新する必要がなく、現場でリアルタイムに捕捉された顔画像特徴を既存の顔画像特徴と比較することで、顔データベースにおける既存の顔画像特徴を絶え間なく更新し、顔データベースにおける画像特徴更新の処理効率を向上させる。
図３は、本願の実施例によるデータ更新方法を示すフローチャートである。該データ更新方法は、データ更新装置に適用される。例えば、データ更新装置は、端末装置、サーバ又は他の処理装置により実行されてもよい。ここで、端末装置は、ユーザ装置（Ｕｓｅｒ Ｅｑｕｉｐｍｅｎｔ：ＵＥ）、携帯機器、ユーザ端末、端末、セルラ電話、コードレス電話、パーソナルデジタルアシスタント（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔ：ＰＤＡ）、ハンドヘルドデバイス、コンピューティングデバイス、車載機器、ウェアブル機器、身分検証機器などであってもよい。幾つかの考えられる実現形態において、該データ更新方法は、プロセッサによりメモリに記憶されているコンピュータ可読命令を呼び出すことで実現することができる。図３に示すように、第２画像は、前回の自己適応的更新を行った後に得られた更新された顔画像特徴である。又は、動的更新画像特徴と呼ばれる。比較結果における、第１画像特徴と第２画像特徴（登録画像に対して絶え間なく最適化更新を行うことで得られた第２画像特徴であり、即ち、該更新された顔画像特徴である）との類似度が最も高いものを動的更新特徴とする。該プロセスは、以下を含む。
ステップＳ３０１において、ターゲット対象に対して顔認識を行う場合、第１画像を収集する。
一例において、ターゲット対象（会社の従業員）は、出退勤時のチェックインを行う場合、タイムレコーダにより打刻認識を行う必要がある。打刻認識は、指紋認識により実現してもよく、顔認識により実現してもよい。顔認識の場合、カメラによりターゲット対象に対して現場でリアルタイムに画像を捕捉する。得られた顔画像は、前記第１画像である。
ステップＳ３０２において、ローカル顔データベースから、ターゲット対象に対応する第２画像特徴を取得する。
一例において、顔認識を行う場合、現場でリアルタイムに捕捉された顔画像特徴と顔データベースにおける既存の顔画像特徴に対して画像特徴比較を行う。顔データベースにおける既存の顔画像特徴は、前記第２画像特徴である。第２画像特徴は、本願の実施例のデータ更新プロセスを行った後に得られた前回の更新された第２画像特徴である。
ステップＳ３０３において、第１画像特徴と前回の自己適応的更新を行った後に得られた顔画像特徴に対して画像特徴類似度比較を行い、比較結果を得る。
一例において、画像に対して特徴抽出を行うプロセスにおいて、前記第１画像から第１画像特徴を抽出する。前記第１画像特徴と前回の自己適応的更新を行った後に得られた顔画像特徴に対して画像特徴類似度比較を行い、類似度スコアを得る。該類似度スコアは、前記比較結果である。ここで、前記第１画像特徴及び前記第２画像特徴は、説明するためのものに過ぎず、１つの特徴に限定されず、複数の特徴であってもよい。
ステップＳ３０４において、比較結果が１つであり、且つ比較結果が特徴更新閾値より大きい場合、第１画像特徴と前回の自己適応的更新を行った後に得られた顔画像特徴との差異特徴を取得し、差異特徴を動的更新特徴とする。
類似度スコア及び特徴更新閾値に基づいて、前回の自己適応的更新を行った後に得られた該顔画像特徴に対して自己適応的更新を行う。類似度スコアが特徴更新閾値より大きい場合、前記第1画像特徴と前回の自己適応的更新を行った後に得られた該顔画像特徴との差異特徴を取得する。例えば、類似度スコアに基づいて、前記第１画像における、前回の自己適応的更新を行った後に得られた該顔画像特徴と異なる画像特徴を差異特徴とし、前記差異特徴を動的更新特徴とする。
ステップＳ３０５において、前記動的更新特徴に基づいて、前記登録画像特徴に対して自己適応的更新を行い、更新された前記ターゲット対象の特徴データを得る。
本願の実施例において、打刻シーンにおける現場でリアルタイムに捕捉された顔画像特徴のような、第１画像特徴（認識されるべき、ターゲット対象の顔画像特徴）と、第２画像特徴（顔データベースに記憶された、前回の自己適応的更新を行った後に得られたターゲット対象の顔画像特徴）、に対する画像特徴比較は、２回目以上の自己適応的更新プロセスである。当初、ターゲット対象に対して画像を収集する時に収集された画像が不正確であるか、ターゲット対象の髪型が変更されたか、ターゲット対象の顔が太ったり痩せたりするか、又はターゲット対象が化粧したり化粧しなかったりすることにより、顔データベースに記憶された既存の顔画像特徴（登録画像又は原画像に対応する特徴）に基づいて認識を行う時に失敗してしまう可能性があり、顔認識の成功率が低くなる。現場でリアルタイムに捕捉された顔画像の画像特徴を、自己適応的更新されて絶え間なく最適化された顔データベースにおける既存の顔画像特徴（登録画像又は原画像に対応する特徴）と比較し、２回目の自己適応的更新プロセスにおいて、前回の自己適応的更新を行った後に得られた該顔画像特徴と類似度照会を絶え間なく行うことで、認識率を向上させるだけでなく、また、顔データベースにおける既存の顔画像を手動で更新する関連技術に取って代わったため、顔データベースにおける既存の画像を頻繁に手動で更新する必要がなく、現場でリアルタイムに捕捉された顔画像特徴を既存の顔画像特徴と比較することで、顔データベースにおける既存の顔画像特徴を絶え間なく更新し、顔データベースにおける画像特徴更新の処理効率を向上させる。
幾つかの実施例において、前記動的更新特徴に基づいて、前記第２画像特徴に対して自己適応的更新を行うことは、前記動的更新特徴を所定の重み値に応じて、前回の自己適応的更新を行うこと出られた第２画像特徴の既存の特徴値に融合し、前記自己適応的更新を実現させる。本願の実施例は、類似度スコアが高い新たな特徴値を所定の重みに応じて、既存の特徴値に融合し（現場で顔特徴を捕捉し、特徴値融合を行うことで、様々な認識環境での認識成功率をより好適に向上させることができる）、登録された画像の特徴値を絶え間なく最適化することができる。
一例において、前記自己適応的更新において、打刻シーンで、第１画像は、ユーザが打刻を行う時に収集された現在の顔画像を表す。第２画像は、顔データベースにおいて、初期登録画像を絶え間なく自己適応的更新して最適化することで得られた動的特徴融合した顔画像を表す。ここで、登録画像は、ユーザが打刻システムに登録する時に得られた初期画像であり、該顔データベースに記憶される。画像比較を行う場合、具体的には、画像特徴比較を行う。従って、第１画像に対応する特徴は、ｘ’で表され、今回の打刻の場合、現場でリアルタイムに捕捉された顔画像に対応する特徴を指す。第２画像に対応する特徴は、ｘで表され、動的更新特徴（自己適応的更新プロセスにおいて第２画像特徴に更新されるための融合されるべき特徴）を既存の画像に融合することで得られた更新した第２画像（登録画像に対して絶え間なく最適化更新を行うことで得られた第２画像であり、即ち、該更新された顔画像である）に対応する特徴を指す。登録画像に対応する特徴は、ｘ0で表され、ユーザにより顔認識システムに登録された原画像又は登録画像である。ｘ’とｘを比較することで、比較結果を得る（例えば、画像特徴類似度比較を行い、類似度スコアを得る）。類似度スコアが認識閾値より大きいと、認識に合格し、打刻に成功する。認識に合格した後、ユーザ本人であることを証明し、顔データベースにおける既存の画像特徴の自己適応更新をトリガする。用いられる式は、ｘ←αｘ＋（１－α）ｘ’である。例えば、α＝０．９５としてもよいが、今回の自己適応的更新プロセスにおいて、動的更新特徴（自己適応的更新プロセスにおいて第２画像特徴に更新されるための融合されるべき特徴）を既存の画像に融合することで得られた第２画像に対応する特徴ｘと登録画像に対応する特徴ｘ0との距離が大きすぎないことを確保する必要がある。||ｘ-ｘ0||2＜βを満たす必要がある。ここで、αは、特徴更新閾値であり、βは、重みである。
一例において、前記第１画像特徴と前記第２画像特徴に対して画像特徴類似度比較を行い、比較結果を得る前に、前記方法は、第１画像特徴と前記第２画像特徴に対して画像特徴マッチングを行い、マッチング結果が認識閾値より大きい場合、前記ターゲット対象に対して、打刻認識に合格した命令を出すことと、前記第２画像に対する自己適応的更新処理をトリガすることと、を更に含む。本願の実施例において、認識閾値とマッチングし、ターゲット対象本人であることを証明した後、データ更新を更新する。具体的には、類似度スコアを特徴更新閾値と比較する。該特徴更新閾値より大きいと、メガネ、美容用コンタクトレンズをかけているか又は髪を染めた特徴のような、現在抽出された「動的更新特徴」（又は「動的特徴値」）を、登録画像に対して絶え間なく最適化更新を行うことで得られた更新最適化された第２画像である該更新された顔画像に融合する。顔画像を絶え間なく自己適応的更新することを実現させる。ここで、該比較認識閾値とマッチングし、本人であることを証明することは、以下を含む。１）において、現場でリアルタイムに捕捉された顔画像（例えば、打刻画像）を最初、ターゲット画像に対して画像収集することで得られた登録画像とマッチングする。２）において、現場でリアルタイムに捕捉された顔画像（例えば、打刻画像）を更新された第２画像（本願の実施例のデータ更新プロセスにより得られた前回の更新に対応する更新された画像）とマッチングする。ここで、動的更新特徴（又は、「動的特徴値」）は、自己適応的更新プロセスにおいて第２画像特徴に更新されるための融合されるべき特徴である。
図４は、本願の実施例によるデータ更新方法を示すフローチャートである。該例において、自己適応的更新プロセスにおいて、現在の顔特徴の類似度スコアと特徴更新閾値に基づいて照会を行う場合、登録時の登録顔特徴と照会してもよく、更新された顔特徴と照会してもよい。自己適応的更新プロセスにおいて、登録時の登録顔特徴と照会することは、図４に示すように、以下を含む。１）において、認識を行う。従業員は、会社の顔認識システムにより、顔打刻認識を行う。まず、顔データベースに顔を登録し、登録顔画像を得る。従業員の顔打刻認識を行う時、カメラにより捕捉された現在の打刻顔特徴（現場で捕捉された顔画像に対応する顔特徴）を顔データベースに記憶された顔特徴（１回目の自己適応的更新の場合の登録顔特徴、及び登録画像に対して絶え間なく最適化更新を行うことで得られた更新された顔画像を含む）と比較し、類似度が所定の認識閾値より大きいと、該従業員本人であると認められる。２）において、自己適応的更新を行う。従業員の現在の打刻された顔特徴を顔データベースに記憶された顔特徴（１回目の自己適応的更新の場合の登録顔特徴、及び登録画像に対して絶え間なく最適化更新を行うことで得られた更新された顔画像を含む）と比較する。比較結果（例えば、類似度スコア）が所定の特徴更新閾値（例えば、０．９１）より大きいと、打刻顔特徴の、該更新された顔特徴と異なる動的特徴値に基づいて、画像自己適応的更新を行う。つまり、現在の打刻顔特徴と前回の自己適応的更新を行った後に得られた顔画像特徴を更に融合する。ここで、動的特徴値＝ｕｐｄａｔｅＦｅａｔｕｒｅ（動的特徴値、登録顔の特徴値、現在打刻顔の特徴値）である。ユーザが次回で打刻を行う場合、カメラにより捕捉された現在の打刻顔特徴を、前回の自己適応的更新を行った後に得られた顔特徴と比較する。自己適応的更新を行う前に打刻顔特徴を登録画像の初期特徴と比較し、特徴更新閾値より大きい場合のみ、自己適応的更新をトリガすることもできる。その利点は、融合のための該動的特徴値と登録顔の初期特徴との差が大きすぎることにより特徴更新が不正確になることを避けることができることである。
適用例：
ユーザの現在の動的更新されて顔データベースに融合されるべき顔特徴はｘであり、今回、現場でカメラにより収集された打刻顔特徴は、ｘ’であり、且つ打刻に成功したことを考慮すると、ｘ←αｘ＋（１－α）ｘ’である。例えば、α＝０．９５としてもよいが、打刻顔特徴ｘと顔データベースにおける初期登録画像特徴ｘ0との距離が大きすぎないことを確保する必要がある。||ｘ-ｘ0||2＜βを満たす必要がある。ここで、αは、特徴更新閾値であり、βは、重みである。
該方法において、主に、認識に成功し、且つ類似度スコアが所定の特徴更新閾値（ｕｐｄａｔｅ＿ｔｈｒｅｓｈｏｌｄ）より大きい場合、スコアが高い新たな特徴値を所定の重みに応じて元の特徴値に融合し、登録された顔画像の特徴値を絶え間なく最適化することで、本人リコール率（ｒｅｃａｌｌ）を向上させるという役割を果たす。換言すれば、ターゲット対象の顔認識率の向上の役割を果たす。
該方法は、以下を含む。
１）まず、以下のように、初期値を設定する。
ｕｐｄａｔｅ＿ｔｈｒｅｓｈｏｌｄについて、現場の本人に関わる新たな類似度スコアが該特徴更新閾値より高い場合のみ、該方法を呼び出して既存の特徴を更新する。
ｍｉｎｉｍｕｍ＿ｕｐｄａｔｅ＿ｗｅｉｇｈｔは、最小重みである。現在の段階で０．８５とする。実際の需要に応じて修正することができる。
ｍａｘｉｍｕｍ＿ｕｐｄａｔｅ＿ｗｅｉｇｈｔは、最大重みである。現在の段階で０．９５とする。実際の需要に応じて修正することができる。
重みについて、該特徴更新閾値の可能な数値範囲は、０．８５－０．９５であってもよく、例えば、０．９１としてもよい。
上記呼出し方法において、まず、ｕｐｄａｔｅ＿ｔｈｒｅｓｈｏｌｄパラメータを呼び出し、最小重み及び最大重みを取得し、ｕｐｄａｔｅ＿ｔｈｒｅｓｈｏｌｄパラメータを０．８５－０．９５の範囲で変動させるようにする。
２）において、登録顔画像の特徴値、現在の顔データベースにおける顔画像の特徴値及び現在、現場で捕捉された画像（即ち、現在の打刻画像）の特徴という３つの特徴値を設定する。比較の場合、現場で捕捉された画像の特徴値と現在の顔データベースにおける特徴値を比較し、比較結果と特徴更新閾値との関係に基づいて現在の顔データベースにおける特徴値に対して自己適応的更新を行う。ここで、融合のための該「動的更新特徴」（又は「動的特徴値」と呼ばれる）と登録顔の原画像の初期特徴との差が大きすぎることを防止するために、自己適応的更新を行う前に、登録顔の初期特徴と現場で捕捉された画像の特徴を比較し、特徴更新閾値より大きい場合のみ、更新を行う。認識閾値及び特徴更新閾値という２つの閾値を設定してもよい。特徴更新閾値は、一般的には認識閾値より大きい。
画像の自己適応的更新を行う前に、認識プロセスを追加してもよい。ｃｏｍｐａｒｅ＿ｔｈｒｅｓｈｏｌｄで比較の場合の認識閾値を表す。画像特徴値の比較結果（打刻顔特徴及び前回の自己適応的更新を行った後に得られた更新された顔特徴）が認識閾値より高いと、認識に成功したと決定し、認識に成功したことを表すリマインド情報を表示する。
３）において、後続の顔特徴比較プロセスにおいて、画像特徴の類似度比較結果（打刻顔特徴と前回の自己適応的更新を行った後に得られた更新された顔特徴を比較する）がｕｐｄａｔｅ＿ｔｈｒｅｓｈｏｌｄの特徴値より高いことを発見すると、下記方法を呼び出して顔の特徴値を更新する。例えば、顔データベースにおける該ユーザに対応する全ての顔特徴を抽出し、該ユーザの現在の顔動的特徴（更新された顔特徴と融合すべき特徴）及びユーザの現在の打刻顔特徴を抽出する。該打刻顔の動的特徴と前回の自己適応的更新を行った後に得られた更新された顔特徴との類似度スコアを算出し、該類似度スコアをｕｐｄａｔｅ＿ｔｈｒｅｓｈｏｌｄと比較する。類似度スコアが該ｕｐｄａｔｅ＿ｔｈｒｅｓｈｏｌｄより高いと、動的特徴値を顔データベースにおける既存の顔特徴に更新する。具体的には、動的特徴値は、現在の打刻顔特徴の、更新された顔画像特徴と異なる特徴値である。
具体的な実施形態の上記方法において、各ステップの記述順番は、厳しい実行順番として実施過程を限定するものではなく、各ステップの具体的な実行順番はその機能及び考えられる内在的論理により決まることは、当業者であれば理解すべきである。
本願に言及した上記各方法の実施例は、原理や論理から逸脱しない限り、互いに組み合わせることで組み合わせた実施例を構成することができる。
なお、本願は、データ更新装置、電子機器、コンピュータ可読記憶媒体、プログラムを更に提供する。上記はいずれも、本願で提供されるいずれか１つのデータ更新方法を実現させるためのものである。対応する技術的解決手段及び説明は、方法に関連する記述を参照されたい。
図５は、本願の実施例によるデータ更新装置を示すブロック図である。図５に示すように、本願の実施例のデータ更新装置は、ターゲット対象の第１画像を取得し、前記第１画像の第１画像特徴を取得するように構成される収集ユニット３１と、ローカル顔データベースから、第２画像特徴を取得するように構成される取得ユニット３２と、前記第１画像特徴と前記第２画像特徴に対して類似度比較を行い、比較結果を得るように構成される比較ユニット３３と、前記比較結果が特徴更新閾値より大きい場合、前記第１画像特徴と前記第２画像特徴との差異特徴を取得し、前記差異特徴を動的更新特徴とするように構成される差異特徴取得ユニット３４と、前記動的更新特徴に基づいて、前記第２画像特徴に対して自己適応的更新を行い、更新された前記ターゲット対象の特徴データを得るように構成される更新ユニット３５と、を備える。
幾つかの実施例において、前記装置は、サーバから送信された第２画像特徴を受信し、前記第２画像特徴を前記ローカル顔データベースに記憶するように構成される記憶ユニットを更に備える。
幾つかの実施例において、前記更新ユニットは、前記差異特徴と前記第２画像特徴に対して加重融合を行い、更新された前記ターゲット対象の特徴データを得るように構成される。
幾つかの実施例において、前記装置は、前記更新された前記ターゲット対象の特徴データを前記第２画像特徴とし、該第２画像特徴を記憶するように構成される記憶ユニットを更に備える。
幾つかの実施例において、前記装置は、前記比較結果が認識閾値より大きいことに応答して、前記ターゲット対象の認識に成功したことを表すリマインド情報を表示するように構成される認識ユニットであって、前記認識閾値は、前記特徴更新閾値未満である、認識ユニットを更に備える。
幾つかの実施例において、本願の実施例で提供される装置における機能及びモジュールは、上記方法実施例に記載の方法を実行するために用いられ、具体的な実現形態は上記方法実施例の説明を参照されたい。
本願の実施例はコンピュータ可読記憶媒体を更に提供する。該コンピュータ可読記憶媒体にはコンピュータプログラム命令が記憶されており、前記コンピュータプログラム命令がプロセッサにより実行される時、上記方法を実現させる。コンピュータ可読記憶媒体は不揮発性コンピュータ可読記憶媒体であってもよい。
本願の実施例は電子機器を更に提供する。該電子機器は、プロセッサと、プロセッサによる実行可能な命令を記憶するように構成されるメモリと、を備え、プロセッサは、上記方法を実行するように構成される。
電子機器は、端末、サーバ又は他の形態の機器として提供されてもよい。
図６は一例示的な実施例による電子機器８００を示すブロック図である。例えば、電子機器８００は、携帯電話、コンピュータ、デジタル放送端末、メッセージング装置、ゲームコンソール、タブレットデバイス、医療機器、フィットネス機器、パーソナルデジタルアシスタントなどの端末であってもよい。
図６を参照すると、電子機器８００は、処理コンポーネント８０２、メモリ８０４、電源コンポーネント８０６、マルチメディアコンポーネント８０８、オーディオコンポーネント８１０、入力／出力（Ｉｎｐｕｔ Ｏｕｔｐｕｔ：Ｉ／Ｏ）インタフェース８１２、センサコンポーネント８１４及び通信コンポーネント８１６のうちの１つ又は複数を備えてもよい。
処理コンポーネント８０２は一般的には、電子機器８００の全体操作を制御する。例えば、表示、通話呼、データ通信、カメラ操作及び記録操作に関連する操作を制御する。処理コンポーネント８０２は、指令を実行するための１つ又は複数のプロセッサ８２０を備えてもよい。それにより上記方法の全て又は一部のステップを実行する。なお、処理コンポーネント８０２は、他のユニットとのインタラクションのために、１つ又は複数のモジュールを備えてもよい。例えば、処理コンポーネント８０２はマルチメディアモジュールを備えることで、マルチメディアコンポーネント８０８と処理コンポーネント８０２とのインタラクションに寄与する。
メモリ８０４は、各種のデータを記憶することで電子機器８００における操作をサポートするように構成される。これらのデータの例として、電子機器８００上で操作れる如何なるアプリケーション又は方法の命令、連絡先データ、電話帳データ、メッセージ、イメージ、ビデオ等を含む。メモリ８０４は任意のタイプの揮発性または不揮発性記憶装置、あるいはこれらの組み合わせにより実現される。例えば、スタティックランダムアクセスメモリ（Ｓｔａｔｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ：ＳＲＡＭ）、電気的消去可能なプログラマブル読み出し専用メモリ（Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ－Ｏｎｌｙ Ｍｅｍｏｒｙ：ＥＥＰＲＯＭ）、電気的に消去可能なプログラマブル読出し専用メモリ（Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ－Ｏｎｌｙ Ｍｅｍｏｒｙ：ＥＰＲＯＭ）、プログラマブル読出し専用メモリ（Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ－Ｏｎｌｙ Ｍｅｍｏｒｙ：ＰＲＯＭ）、読出し専用メモリ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ：ＲＯＭ）、磁気メモリ、フラッシュメモリ、磁気もしくは光ディスクを含む。
電源コンポーネント８０６は電子機器８００の様々なユニットに電力を提供する。電源コンポーネント８０６は、電源管理システム、１つ又は複数の電源、及び電子機器８００のための電力生成、管理、分配に関連する他のユニットを備えてもよい。
マルチメディアコンポーネント８０８は、上記電子機器８００とユーザとの間に出力インタフェースを提供するためのスクリーンを備える。幾つかの実施例において、スクリーンは、液晶ディスプレイ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ：ＬＣＤ）及びタッチパネル（Ｔｏｕｃｈ Ｐａｎｅｌ：ＴＰ）を含む。スクリーンは、タッチパネルを含むと、タッチパネルとして実現され、ユーザからの入力信号を受信する。タッチパネルは、タッチ、スライド及びパネル上のジェスチャを感知する１つ又は複数のタッチセンサを備える。上記タッチセンサは、タッチ又はスライド動作の境界を感知するだけでなく、上記タッチ又はスライド操作に関連する持続時間及び圧力を検出することもできる。幾つかの実施例において、マルチメディアコンポーネント８０８は、フロントカメラ及び／又はリアカメラを備える。電子機器８００が、撮影モード又はビデオモードのような操作モードであれば、フロントカメラ及び／又はリアカメラは外部からのマルチメディアデータを受信することができる。各フロントカメラ及びリアカメラは固定した光学レンズシステム又は焦点及び光学ズーム能力を持つものであってもよい。
オーディオコンポーネント８１０は、オーディオ信号を出力及び／又は入力するように構成される。例えば、オーディオコンポーネント８１０は、マイクロホン（Ｍｉｃｒｏｐｈｏｎｅ：ＭＩＣ）を備える。電子機器８００が、通話モード、記録モード及び音声識別モードのような操作モードであれば、マイクロホンは、外部からのオーディオ信号を受信するように構成される。受信したオーディオ信号を更にメモリ８０４に記憶するか、又は通信コンポーネント８１６を経由して送信することができる。幾つかの実施例において、オーディオコンポーネント８１０は、オーディオ信号を出力するように構成されるスピーカーを更に備える。
Ｉ／Ｏインタフェース８１２は、処理コンポーネント８０２と周辺インタフェースモジュールとの間のインタフェースを提供する。上記周辺インタフェースモジュールは、キーボード、クリックホイール、ボタン等であってもよい。これらのボタンは、ホームボダン、ボリュームボタン、スタートボタン及びロックボタンを含むが、これらに限定されない。
センサコンポーネント８１４は、１つ又は複数のセンサを備え、電子機器８００のために様々な状態の評価を行うように構成される。例えば、センサコンポーネント８１４は、電子機器８００のオン／オフ状態、ユニットの相対的な位置決めを検出することができる。例えば、上記ユニットが電子機器８００のディスプレイ及びキーパッドである。センサコンポーネント８１４は電子機器８００又は電子機器８００における１つのユニットの位置の変化、ユーザと電子機器８００との接触の有無、電子機器８００の方位又は加速／減速及び電子機器８００の温度の変動を検出することもできる。センサコンポーネント８１４は近接センサを備えてもよく、いかなる物理的接触もない場合に周囲の物体の存在を検出するように構成される。センサコンポーネント８１４は、金属酸化膜半導体素子（Ｃｏｍｐｌｅｍｅｎｔａｒｙ Ｍｅｔａｌ－Ｏｘｉｄｅ Ｓｅｍｉｃｏｎｄｕｃｔｏｒ：ＣＭＯＳ）又は電荷結合素子（Ｃｈａｒｇｅ Ｃｏｕｐｌｅｄ Ｄｅｖｉｃｅ：ＣＣＤ）画像センサのような光センサを備えてもよく、結像に適用されるように構成される。幾つかの実施例において、該センサコンポーネント８１４は、加速度センサ、ジャイロセンサ、磁気センサ、圧力センサ又は温度センサを備えてもよい。
通信コンポーネント８１６は、電子機器８００と他の機器との有線又は無線方式の通信に寄与するように構成される。電子機器８００は、ＷｉＦｉ、２Ｇ又は３Ｇ、又はそれらの組み合わせのような通信規格に基づいた無線ネットワークにアクセスできる。一例示的な実施例において、通信コンポーネント８１６は放送チャネルを経由して外部放送チャネル管理システムからの放送信号又は放送関連する情報を受信する。一例示的な実施例において、上記通信コンポーネント８１６は、近接場通信（Ｎｅａｒ Ｆｉｅｌｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ：ＮＦＣ）モジュールを更に備えることで近距離通信を促進する。例えば、ＮＦＣモジュールは、無線周波数識別（Ｒａｄｉｏ Ｆｒｅｑｕｅｎｃｙ Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ：ＲＦＩＤ）技術、赤外線データ協会（Ｉｎｆｒａｒｅｄ Ｄａｔａ Ａｓｓｏｃｉａｔｉｏｎ：ＩｒＤＡ）技術、超広帯域（Ｕｌｔｒａ ＷｉｄｅＢａｎｄ：ＵＷＢ）技術、ブルートゥース（ＢｌｕｅＴｏｏｔｈ：ＢＴ）技術及び他の技術に基づいて実現される。
例示的な実施例において、電子機器８００は、１つ又は複数の特定用途向け集積回路（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ：ＡＳＩＣ）、デジタル信号プロセッサ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ：ＤＳＰ）、デジタル信号処理機器（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓ：ＤＳＰＤ）、プログラマブルロジックデバイス（Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｄｅｖｉｃｅ：ＰＬＤ）、フィールドプログラマブルゲートアレイ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ：ＦＰＧＡ）、コントローラ、マイクロコントローラ、マイクロプロセッサ又は他の電子素子により実現され、上記方法を実行するように構成されてもよい。
例示的な実施例において、コンピュータプログラム命令を記憶したメモリ８０４のような不揮発性コンピュータ可読記憶媒体を更に提供する。上記コンピュータプログラム命令は、電子機器８００のプロセッサ８２０により実行され上記方法を完了する。
図７は、一例示的な実施例による電子機器９００を示すブロック図である。例えば、電子機器９００は、サーバとして提供されてもよい。図７を参照すると、電子機器９００は、処理コンポーネント９２２を備える。それは1つ又は複数のプロセッサと、メモリ９３２で表されるメモリリソースを更に備える。該メモリリースは、アプリケーションプログラムのような、処理コンポーネント９２２により実行される命令を記憶するためのものである。メモリ９３２に記憶されているアプリケーションプログラムは、それぞれ一組の命令に対応する１つ又は1つ以上のモジュールを含んでもよい。なお、処理コンポーネント９２２は、命令を実行して、上記方法を実行するように構成される。
電子機器９００は、電子機器９００の電源管理を実行するように構成される電源コンポーネント９２６と、電子機器９００をネットワークに接続するように構成される有線又は無線ネットワークインタフェース９５０と、入力出力（Ｉ／Ｏ）インタフェース９５８を更に備えてもよい。電子機器９００は、Ｗｉｎｄｏｗｓ ＳｅｒｖｅｒＴＭ、Ｍａｃ ＯＳ ＸＴＭ、ＵｎｉｘＴＭ， ＬｉｎｕｘＴＭ、ＦｒｅｅＢＳＤＴＭ又は類似した等の、メモリ９３２に記憶されているオペレーティングシステムを実行することができる。
例示的な実施例において、例えば、コンピュータプログラム命令を含むメモリ９３２のような不揮発性コンピュータ可読記憶媒体を更に提供する。上記コンピュータプログラム命令は、電子機器９００の処理コンポーネント９２２により実行されて上記方法を完了する。
本願は、システム、方法及び／又はコンピュータプログラム製品であってもよい。コンピュータプログラム製品は、コンピュータ可読記憶媒体を備えてもよく、プロセッサに本願の各態様を実現させるためのコンピュータ可読プログラム命令がそれに記憶されている。
コンピュータ可読記憶媒体は、命令実行装置に用いられる命令を保持又は記憶することができる有形装置であってもよい。コンピュータ可読記憶媒体は、例えば、電気記憶装置、磁気記憶装置、光記憶装置、電磁記憶装置、半導体記憶装置又は上記の任意の組み合わせであってもよいが、これらに限定されない。コンピュータ可読記憶媒体のより具体的な例（非網羅的なリスト）は、ポータブルコンピュータディスク、ハードディスク、ランダムアクセスメモリ（ＲＡＭ：Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、読み出し専用メモリ（ＲＯＭ）、消去可能なプログラマブル読み出し専用メモリ（ＥＰＲＯＭ又はフラッシュ）、スタティックランダムアクセスメモリ（ＳＲＡＭ）、ポータブルコンパクトディスク読み出し専用メモリ（ＣＤ－ＲＯＭ：Ｃｏｍｐａｃｔ Ｄｉｓｋ－Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、デジタル多目的ディスク（ＤＶＤ：Ｄｉｇｉｔａｌ Ｖｉｄｅｏ Ｄｉｓｃ）、メモリスティック、フレキシブルディスク、命令が記憶されているパンチカード又は凹溝内における突起構造のような機械的符号化装置、及び上記任意の適切な組み合わせを含む。ここで用いられるコンピュータ可読記憶媒体は、電波もしくは他の自由に伝搬する電磁波、導波路もしくは他の伝送媒体を通って伝搬する電磁波（例えば、光ファイバケーブルを通過する光パルス）、または、電線を通して伝送される電気信号などの、一時的な信号それ自体であると解釈されるべきではない。
ここで説明されるコンピュータ可読プログラム命令を、コンピュータ可読記憶媒体から各コンピューティング／処理装置にダウンロードすることができるか、又は、インターネット、ローカルエリアネットワーク、ワイドエリアネットワーク及び／又は無線ネットワークのようなネットワークを経由して外部コンピュータ又は外部記憶装置にダウンロードすることができる。ネットワークは、伝送用銅線ケーブル、光ファイバー伝送、無線伝送、ルータ、ファイアウォール、交換機、ゲートウェイコンピュータ及び／又はエッジサーバを含んでもよい。各コンピューティング／処理装置におけるネットワークインターフェースカード又はネットワークインタフェースは、ネットワークからコンピュータ可読プログラム命令を受信し、該コンピュータ可読プログラム命令を転送し、各コンピューティング／処理装置におけるコンピュータ可読記憶媒体に記憶する。
本願の操作を実行するためのコンピュータ可読プログラム命令は、アセンブラ命令、命令セットアーキテクチャ（ＩＳＡ：Ｉｎｓｔｒｕｃｔｉｏｎ Ｓｅｔ Ａｒｃｈｉｔｅｃｔｕｒｅ）命令、マシン命令、マシン依存命令、マイクロコード、ファームウェア命令、状態設定データ、又は１つ又は複数のプログラミング言語で記述されたソースコード又はターゲットコードであってもよい。前記プログラミング言語は、Ｓｍａｌｌｔａｌｋ、Ｃ＋＋などのようなオブジェクト指向プログラミング言語と、「Ｃ」プログラミング言語又は類似したプログラミング言語などの従来の手続型プログラミング言語とを含む。コンピュータ可読プログラム命令は、ユーザコンピュータ上で完全に実行してもよいし、ユーザコンピュータ上で部分的に実行してもよいし、独立したソフトウェアパッケージとして実行してもよいし、ユーザコンピュータ上で部分的に実行してリモートコンピュータ上で部分的に実行してもよいし、又はリモートコンピュータ又はサーバ上で完全に実行してもよい。リモートコンピュータの場合に、リモートコンピュータは、任意の種類のネットワーク（ローカルエリアネットワークやワイドエリアネットワークを含む）を通じてユーザのコンピュータに接続するか、または、外部のコンピュータに接続することができる（例えばインターネットサービスプロバイダを用いてインターネットを通じて接続する）。幾つかの実施例において、コンピュータ可読プログラム命令の状態情報を利用して、プログラマブル論理回路、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）又はプログラマブル論理アレイ（ＰＬＡ：Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ａｒｒａｙｓ）のような電子回路をカスタマイズする。該電子回路は、コンピュータ可読プログラム命令を実行することで、本願の各態様を実現させることができる。
ここで、本願の実施例の方法、装置（システム）及びコンピュータプログラム製品のフローチャート及び／又はブロック図を参照しながら、本願の各態様を説明する。フローチャート及び／又はブロック図の各ブロック及びフローチャート及び／又はブロック図における各ブロックの組み合わせは、いずれもコンピュータ可読プログラム命令により実現できる。
これらのコンピュータ可読プログラム命令は、汎用コンピュータ、専用コンピュータまたはその他プログラマブルデータ処理装置のプロセッサに提供でき、それによって機器を生み出し、これら命令はコンピュータまたはその他プログラマブルデータ処理装置のプロセッサにより実行される時、フローチャート及び/又はブロック図における１つ又は複数のブロック中で規定している機能/操作を実現する装置を生み出した。これらのコンピュータ可読プログラム命令をコンピュータ可読記憶媒体に記憶してもよい。これらの命令によれば、コンピュータ、プログラマブルデータ処理装置及び／又は他の装置は特定の方式で動作する。従って、命令が記憶されているコンピュータ可読記憶媒体は、フローチャート及び／又はブロック図おける１つ又は複数のブロック中で規定している機能/操作を実現する各態様の命令を含む製品を備える。
コンピュータ可読プログラム命令をコンピュータ、他のプログラマブルデータ処理装置又は他の装置にロードしてもよい。これにより、コンピュータ、他のプログラマブルデータ処理装置又は他の装置で一連の操作の工程を実行して、コンピュータで実施されるプロセスを生成する。従って、コンピュータ、他のプログラマブルデータ処理装置又は他の装置で実行される命令により、フローチャート及び／又はブロック図における１つ又は複数のブロック中で規定している機能/操作を実現させる。
図面におけるフローチャート及びブック図は、本願の複数の実施例によるシステム、方法及びコンピュータプログラム製品の実現可能なアーキテクチャ、機能および操作を例示するものである。この点で、フローチャート又はブロック図における各ブロックは、１つのモジュール、プログラムセグメント又は命令の一部を表すことができる。前記モジュール、プログラムセグメント又は命令の一部は、１つまたは複数の所定の論理機能を実現するための実行可能な命令を含む。いくつかの取り替えとしての実現中に、ブロックに表記される機能は図面中に表記される順序と異なる順序で発生することができる。例えば、二つの連続するブロックは実際には基本的に並行して実行でき、場合によっては反対の順序で実行することもでき、これは関係する機能から確定する。ブロック図及び／又はフローチャートにおける各ブロック、及びブロック図及び／又はフローチャートにおけるブロックの組み合わせは、所定の機能又は操作を実行するための専用ハードウェアベースシステムにより実現するか、又は専用ハードウェアとコンピュータ命令の組み合わせにより実現することができる。
以上は本発明の各実施例を説明したが、前記説明は例示的なものであり、網羅するものではなく、且つ開示した各実施例に限定されない。説明した各実施例の範囲と趣旨から脱逸しない場合、当業者にとって、多くの修正及び変更は容易に想到しえるものである。本明細書に用いられる用語の選択は、各実施例の原理、実際の応用、或いは市場における技術の改善を最もよく解釈すること、或いは他の当業者が本明細書に開示された各実施例を理解できることを目的とする。
以上は本願の具体的な実施形態に過ぎず、本願の保護の範囲はそれらに制限されるものではなく、当業者が本願に開示された技術範囲内で容易に想到しうる変更や置換はいずれも、本願の保護範囲内に含まれるべきである。従って、本願の保護範囲は特許請求の範囲の保護範囲を基準とするべきである。
本願の実施例において、ターゲット対象の第１画像を取得し、前記第１画像の第１画像特徴を取得し、ローカル顔データベースから、第２画像特徴を取得し、前記第１画像特徴と前記第２画像特徴に対して類似度比較を行い、比較結果を得て、前記比較結果が特徴更新閾値より大きい場合、前記第１画像特徴と前記第２画像特徴との差異特徴を取得し、前記差異特徴を動的更新特徴とし、前記動的更新特徴に基づいて、前記第２画像特徴に対して自己適応的更新を行い、更新された前記ターゲット対象の特徴データを得る。本願の実施例におけるデータ更新装置は、顔データベースに記憶されたベースピクチャを頻繁に手動で更新する必要がなく、顔認識の効率を向上させる。
３１ 収集ユニット
３２ 取得ユニット
３３ 比較ユニット
３４ 差異特徴取得ユニット
３５ 更新ユニット
８００ 電子機器
８０２ 処理コンポーネント
８０４ メモリ
８０６ 電源コンポーネント
８０８ マルチメディアコンポーネント
８１０ オーディオコンポーネント
８１２ Ｉ／Ｏインタフェース
８１４ センサコンポーネント
８１６ 通信コンポーネント
８２０ プロセッサ
９００ 電子機器
９２２ 処理コンポーネント
９２６ 電源コンポーネント
９３２ メモリ
９５０ 無線ネットワークインタフェース
９５８ 入力出力（Ｉ／Ｏ）インタフェース

Claims (13)

  1. ターゲット対象の第１画像を取得し、前記第１画像の第１画像特徴を取得することと、
    ローカル顔データベースから、第２画像特徴を取得することと、
    前記第１画像特徴と前記第２画像特徴に対して類似度比較を行い、比較結果を得ることと、
    前記比較結果が特徴更新閾値より大きい場合、前記第１画像特徴と前記第２画像特徴との差異特徴を取得し、前記差異特徴を動的更新特徴とすることであって、前記比較結果が認識閾値より大きい場合、前記ターゲット対象の認識に成功したことを表し、前記認識閾値は、前記特徴更新閾値未満であり、前記差異特徴は、前記比較結果における、前記第１画像特徴と前記第２画像特徴との類似度が最も高い特徴であることと、
    前記動的更新特徴に基づいて、前記第２画像特徴に対して自己適応的更新を行い、更新された前記ターゲット対象の特徴データを得ることと、を含む、データ更新方法。
  2. 前記第１画像の第１画像特徴を取得することは、
    グラフ畳み込みニューラルネットワークにより、前記第１画像に対して特徴抽出を行い、前記第１画像特徴を取得することを含み、
    前記ローカル顔データベースから、第２画像特徴を取得する前に、
    サーバから送信された第２画像特徴を受信し、前記第２画像特徴を前記ローカル顔データベースに記憶することを含むことを特徴とする
    請求項１に記載の方法。
  3. 前記動的更新特徴に基づいて、前記第２画像特徴に対して自己適応的更新を行うことは、
    前記差異特徴と前記第２画像特徴に対して加重融合を行い、更新された前記ターゲット対象の特徴データを得ることを含むことを特徴とする
    請求項１又は２に記載の方法。
  4. 前記更新された前記ターゲット対象の特徴データを前記第２画像特徴とし、該第２画像特徴を記憶することを更に含むことを特徴とする
    請求項１又は３に記載の方法。
  5. 前記比較結果が認識閾値より大きいことに応答して、前記ターゲット対象の認識に成功したことを表すリマインド情報を表示すること、を更に含むことを特徴とする
    請求項１から４のうちいずれか一項に記載の方法。
  6. ターゲット対象の第１画像を取得し、前記第１画像の第１画像特徴を取得するように構成される収集ユニットと、
    ローカル顔データベースから、第２画像特徴を取得するように構成される取得ユニットと、
    前記第１画像特徴と前記第２画像特徴に対して類似度比較を行い、比較結果を得るように構成される比較ユニットと、
    前記比較結果が特徴更新閾値より大きい場合、前記第１画像特徴と前記第２画像特徴との差異特徴を取得し、前記差異特徴を動的更新特徴とするように構成され、前記比較結果が認識閾値より大きい場合、前記ターゲット対象の認識に成功したことを表し、前記認識閾値は、前記特徴更新閾値未満であり、前記差異特徴は、前記比較結果における、前記第１画像特徴と前記第２画像特徴との類似度が最も高い特徴である、差異特徴取得ユニットと、
    前記動的更新特徴に基づいて、前記第２画像特徴に対して自己適応的更新を行い、更新された前記ターゲット対象の特徴データを得るように構成される更新ユニットと、を備える、データ更新装置。
  7. 前記取得ユニットは更に、
    グラフ畳み込みニューラルネットワークにより、前記第１画像に対して特徴抽出を行い、前記第１画像特徴を取得するように構成され、
    サーバから送信された第２画像特徴を受信し、前記第２画像特徴を前記ローカル顔データベースに記憶するように構成される記憶ユニットを更に備えることを特徴とする
    請求項６に記載の装置。
  8. 前記更新ユニットは、
    前記差異特徴と前記第２画像特徴に対して加重融合を行い、更新された前記ターゲット対象の特徴データを得るように構成されることを特徴とする
    請求項６又は７に記載の装置。
  9. 前記更新された前記ターゲット対象の特徴データを前記第２画像特徴とし、該第２画像特徴を記憶するように構成される記憶ユニットを更に備えることを特徴とする
    請求項６又は８に記載の装置。
  10. 前記比較結果が認識閾値より大きいことに応答して、前記ターゲット対象の認識に成功したことを表すリマインド情報を表示するように構成される認識ユニットを更に備えることを特徴とする
    請求項６から９のうちいずれか一項に記載の装置。
  11. プロセッサと、
    プロセッサによる実行可能な命令を記憶するように構成されるメモリと、を備え、
    前記プロセッサは、請求項１から５のうちいずれか一項に記載の方法を実行するように構成される、電子機器。
  12. コンピュータに、請求項１から５のうちいずれか一項に記載の方法を実行させるためのコンピュータプログラムを記憶した、コンピュータ可読記憶媒体。
  13. コンピュータに、請求項１から５のうちいずれか一項に記載の方法を実行させるためのコンピュータプログラム。
JP2020573232A 2019-07-16 2020-04-30 データ更新方法及び装置、電子機器並びに記憶媒体 Active JP7110413B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201910642110.0 2019-07-16
CN201910642110.0A CN110363150A (zh) 2019-07-16 2019-07-16 数据更新方法及装置、电子设备和存储介质
PCT/CN2020/088330 WO2021008195A1 (zh) 2019-07-16 2020-04-30 数据更新方法及装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
JP2021533443A JP2021533443A (ja) 2021-12-02
JP7110413B2 true JP7110413B2 (ja) 2022-08-01

Family

ID=68220153

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020573232A Active JP7110413B2 (ja) 2019-07-16 2020-04-30 データ更新方法及び装置、電子機器並びに記憶媒体

Country Status (6)

Country Link
US (1) US20220092296A1 (ja)
JP (1) JP7110413B2 (ja)
KR (1) KR20210054550A (ja)
CN (1) CN110363150A (ja)
TW (1) TWI775091B (ja)
WO (1) WO2021008195A1 (ja)

Families Citing this family (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110363150A (zh) * 2019-07-16 2019-10-22 深圳市商汤科技有限公司 数据更新方法及装置、电子设备和存储介质
CN111241928B (zh) * 2019-12-30 2024-02-06 新大陆数字技术股份有限公司 人脸识别底库优化方法、系统、设备、可读存储介质
CN111405249A (zh) * 2020-03-20 2020-07-10 腾讯云计算（北京）有限责任公司 监控方法、装置及服务器和计算机可读存储介质
CN111626173B (zh) * 2020-05-21 2023-09-08 上海集成电路研发中心有限公司 一种更新数据库中人脸特征向量的方法
CN111814570B (zh) * 2020-06-12 2024-04-30 深圳禾思众成科技有限公司 一种基于动态阈值的人脸识别方法、系统及存储介质
CN111858548B (zh) * 2020-07-07 2022-05-17 北京工业大学 一种存储介质特征数据库的构建及更新方法
CN112036446B (zh) * 2020-08-06 2023-12-12 汇纳科技股份有限公司 目标识别特征融合的方法、系统、介质及装置
US11775615B2 (en) * 2020-12-04 2023-10-03 Toyota Research Institute, Inc. System and method for tracking detected objects
CN112541446B (zh) * 2020-12-17 2023-09-05 杭州海康威视数字技术股份有限公司 一种生物特征库更新方法、装置及电子设备
CN112948402A (zh) * 2021-01-15 2021-06-11 浙江大华技术股份有限公司 数据库更新方法、装置、电子设备、计算机可读存储介质
CN112818784B (zh) * 2021-01-22 2024-02-06 浙江大华技术股份有限公司 一种门禁设备的控制方法、装置及存储介质
CN112507980B (zh) * 2021-02-02 2021-06-18 红石阳光（北京）科技股份有限公司 一种安防系统中人脸跟踪图片优化存储方法
CN113362499A (zh) * 2021-05-25 2021-09-07 广州朗国电子科技有限公司 嵌入式人脸识别智能门锁
CN113486749A (zh) * 2021-06-28 2021-10-08 中星电子股份有限公司 图像数据收集方法、装置、电子设备和计算机可读介质
CN113569676B (zh) * 2021-07-16 2024-06-11 北京市商汤科技开发有限公司 图像处理方法、装置、电子设备及存储介质
CN113792168A (zh) * 2021-08-11 2021-12-14 同盾科技有限公司 人脸底库自维护的方法、系统、电子装置和存储介质
CN113723520A (zh) * 2021-08-31 2021-11-30 深圳市中博科创信息技术有限公司 基于特征更新的人员轨迹追踪方法、装置、设备及介质
CN115346333A (zh) * 2022-07-12 2022-11-15 北京声智科技有限公司 信息提示方法、装置、ar眼镜、云服务器及存储介质
CN115641234B (zh) * 2022-10-19 2024-04-26 北京尚睿通教育科技股份有限公司 一种基于大数据的远程教育系统
CN116030417B (zh) * 2023-02-13 2023-08-04 四川弘和数智集团有限公司 一种员工识别方法、装置、设备、介质及产品
CN116010725B (zh) * 2023-03-23 2023-10-13 北京白龙马云行科技有限公司 地图点位集合动态展示方法、装置、计算机设备及介质
CN117011922B (zh) * 2023-09-26 2024-03-08 荣耀终端有限公司 人脸识别方法、设备和存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008140024A (ja) 2006-11-30 2008-06-19 Toshiba Corp 入場管理システムおよび入場管理方法

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3621245B2 (ja) * 1997-12-12 2005-02-16 株式会社東芝 人物認識装置、人物認識方法、および、人物認識プログラムの記録媒体
KR100438841B1 (ko) * 2002-04-23 2004-07-05 삼성전자주식회사 이용자 검증 및 데이터 베이스 자동 갱신 방법, 및 이를이용한 얼굴 인식 시스템
CN101477621B (zh) * 2009-02-20 2012-07-04 华为终端有限公司 一种基于人脸识别的图像更新方法及装置
CN102982321B (zh) * 2012-12-05 2016-09-21 深圳Tcl新技术有限公司 人脸库采集方法及装置
CN103714347B (zh) * 2013-12-30 2017-08-25 汉王科技股份有限公司 人脸识别方法及人脸识别装置
CN103778409A (zh) * 2014-01-02 2014-05-07 深圳市元轩科技发展有限公司 基于人脸特征数据挖掘的人脸识别方法与装置
US10083368B2 (en) * 2014-01-28 2018-09-25 Qualcomm Incorporated Incremental learning for dynamic feature database management in an object recognition system
CN104537336B (zh) * 2014-12-17 2017-11-28 厦门立林科技有限公司 一种具备自学习功能的人脸识别方法和系统
CN106845385A (zh) * 2017-01-17 2017-06-13 腾讯科技（上海）有限公司 视频目标跟踪的方法和装置
CN107292300A (zh) * 2017-08-17 2017-10-24 湖南创合未来科技股份有限公司 一种人脸识别设备及方法
CN108446387A (zh) * 2018-03-22 2018-08-24 百度在线网络技术（北京）有限公司 用于更新人脸注册库的方法和装置
CN109145717B (zh) * 2018-06-30 2021-05-11 东南大学 一种在线学习的人脸识别方法
CN110363150A (zh) * 2019-07-16 2019-10-22 深圳市商汤科技有限公司 数据更新方法及装置、电子设备和存储介质

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008140024A (ja) 2006-11-30 2008-06-19 Toshiba Corp 入場管理システムおよび入場管理方法

Also Published As

Publication number Publication date
WO2021008195A1 (zh) 2021-01-21
KR20210054550A (ko) 2021-05-13
TWI775091B (zh) 2022-08-21
US20220092296A1 (en) 2022-03-24
CN110363150A (zh) 2019-10-22
TW202105199A (zh) 2021-02-01
JP2021533443A (ja) 2021-12-02

Similar Documents

Publication Publication Date Title
JP7110413B2 (ja) データ更新方法及び装置、電子機器並びに記憶媒体
JP7110412B2 (ja) 生体検出方法及び装置、電子機器並びに記憶媒体
US10643054B2 (en) Method and device for identity verification
CN109934275B (zh) 图像处理方法及装置、电子设备和存储介质
JP2021515945A (ja) 画像処理方法及び装置、電子機器並びに記憶媒体
CN110287671B (zh) 验证方法及装置、电子设备和存储介质
CN110569777B (zh) 图像处理方法及装置、电子设备和存储介质
WO2021093375A1 (zh) 检测同行人的方法及装置、系统、电子设备和存储介质
EP3176709A1 (en) Video categorization method and apparatus, computer program and recording medium
CN111435432B (zh) 网络优化方法及装置、图像处理方法及装置、存储介质
CN109543536B (zh) 图像标识方法及装置、电子设备和存储介质
US20170371506A1 (en) Method, device, and computer-readable medium for message generation
JP7482326B2 (ja) 身元認証方法および装置、電子機器並びに記憶媒体
JP6343388B2 (ja) クラウド名刺の推薦方法及び装置
CN109101542B (zh) 图像识别结果输出方法及装置、电子设备和存储介质
CN112270288A (zh) 活体识别、门禁设备控制方法和装置、电子设备
CN114648796A (zh) 用户识别方法、装置、存储介质及电子设备
CN110781842A (zh) 图像处理方法及装置、电子设备和存储介质
US10095911B2 (en) Methods, devices, and computer-readable mediums for verifying a fingerprint
CN110969067B (zh) 用户注册、认证方法及装置
CN111275055A (zh) 网络训练方法及装置、图像处理方法及装置
CN110781975A (zh) 图像处理方法及装置、电子设备和存储介质
US10198614B2 (en) Method and device for fingerprint recognition
CN112949568A (zh) 人脸和人体匹配的方法及装置、电子设备和存储介质
CN111753753A (zh) 图像识别方法及装置、电子设备和存储介质

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20201225

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220131

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220406

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20220711

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220720

R150 Certificate of patent or registration of utility model

Ref document number: 7110413

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150