KR20210054550A

KR20210054550A - 데이터 업데이트 방법과 장치, 전자 기기 및 저장 매체

Info

Publication number: KR20210054550A
Application number: KR1020217009545A
Authority: KR
Inventors: 홍빈 자오; 웬종 지앙; 이 리우
Original assignee: 선전 센스타임 테크놀로지 컴퍼니 리미티드
Priority date: 2019-07-16
Filing date: 2020-04-30
Publication date: 2021-05-13
Also published as: JP7110413B2; WO2021008195A1; TWI775091B; US20220092296A1; CN110363150A; TW202105199A; JP2021533443A

Abstract

본 발명의 실시예는 데이터 업데이트 방법과 장치, 전자 기기 및 저장 매체를 제공하며, 상기 방법은, 타깃 객체의 제1 이미지를 획득하여, 상기 제1 이미지의 제1 이미지 특징을 획득하는 단계; 로컬 안면 데이터베이스에서 제2 이미지 특징을 획득하는 단계; 상기 제1 이미지 특징과 상기 제2 이미지 특징의 유사도를 비교하여, 비교 결과를 얻는 단계; 상기 비교 결과가 특징 업데이트 임계값보다 클 경우, 상기 제1 이미지 특징과 상기 제2 이미지 특징의 차이 특징을 획득하여, 상기 차이 특징을 동적 업데이트 특징으로 사용하는 단계; 및 상기 동적 업데이트 특징에 따라 상기 제2 이미지 특징을 적응성 업데이트하여, 업데이트된 후의 상기 타깃 객체의 특징 데이터를 얻는 단계를 포함한다.

Description

데이터 업데이트 방법과 장치, 전자 기기 및 저장 매체

관련 출원의 상호 참조

본 발명은 출원번호가 201910642110.0이고, 출원일이 2019년 07월 16일인 중국 특허 출원에 기반해 제출하여, 당해 중국 특허 출원의 우선권을 주장하는 바, 당해 중국 특허 출원의 전문 내용은 참조로서 본 발명에 인용된다.

본 발명은 컴퓨터 비전 분야에 관한 것으로, 특히, 데이터 업데이트 방법과 장치, 전자 기기 및 저장 매체에 관한 것이다.

컴퓨터 비전의 데이터 매칭 시나리오에서, 안면 인식을 예로, 출퇴근 서명의 체크 시나리오 또는 내부 안전을 고려하는 체크 상황에 있어서, 체크 사용자에 대한 인식은, 현재는 수동 업데이트된 안면 데이터베이스 중의 안면 이미지를 통해 비교하므로 처리 효율이 낮다.

본 발명의 실시예는 데이터 업데이트 방법과 장치, 전자 기기 및 저장 매체를 제공한다.

본 발명의 실시예는 데이터 업데이트 방법을 제공하며, 상기 방법은,

타깃 객체의 제1 이미지를 획득하여, 상기 제1 이미지의 제1 이미지 특징을 획득하는 단계;

로컬 안면 데이터베이스에서 제2 이미지 특징을 획득하는 단계;

상기 제1 이미지 특징과 상기 제2 이미지 특징의 유사도를 비교하여, 비교 결과를 얻는 단계;

상기 비교 결과가 특징 업데이트 임계값보다 클 경우, 상기 제1 이미지 특징과 상기 제2 이미지 특징의 차이 특징을 획득하여, 상기 차이 특징을 동적 업데이트 특징으로 사용하는 단계; 및

상기 동적 업데이트 특징에 따라 상기 제2 이미지 특징을 적응성 업데이트하여, 업데이트된 후의 상기 타깃 객체의 특징 데이터를 얻는 단계를 포함한다.

일부 실시예에서, 상기 로컬 안면 데이터베이스에서 제2 이미지 특징을 획득하는 단계 이전에,

서버에서 발송하는 제2 이미지 특징을 수신하고, 상기 제2 이미지 특징을 상기 로컬 안면 데이터베이스에 저장하는 단계를 포함한다.

일부 실시예에서, 상기 동적 업데이트 특징에 따라 상기 제2 이미지 특징을 적응성 업데이트하는 단계는,

상기 차이 특징 및 상기 제2 이미지 특징에 대해 가중치 융합을 진행하여, 업데이트된 후의 상기 타깃 객체의 특징 데이터를 얻는 단계를 포함한다.

일부 실시예에서, 상기 업데이트된 후의 상기 타깃 객체의 특징 데이터를 상기 제2 이미지 특징으로 사용하고, 상기 제2 이미지 특징을 저장한다.

일부 실시예에서, 상기 방법은,

상기 비교 결과가 인식 임계값보다 큰 경우에 응답하여, 상기 타깃 객체의 인식 성공 프롬프트를 디스플레이하는 단계를 더 포함하고, 상기 인식 임계값은 상기 특징 업데이트 임계값보다 작다.

본 발명의 실시예는 데이터 업데이트 장치를 제공하며, 상기 장치는,

타깃 객체의 제1 이미지를 획득하여, 상기 제1 이미지의 제1 이미지 특징을 획득하도록 구성되는 수집 유닛;

로컬 안면 데이터베이스에서 제2 이미지 특징을 획득하도록 구성되는 획득 유닛;

상기 제1 이미지 특징과 상기 제2 이미지 특징의 유사도를 비교하여, 비교 결과를 얻도록 구성되는 비교 유닛;

상기 비교 결과가 특징 업데이트 임계값보다 클 경우, 상기 제1 이미지 특징과 상기 제2 이미지 특징의 차이 특징을 획득하여, 상기 차이 특징을 동적 업데이트 특징으로 사용하도록 구성되는 차이 특징 획득 유닛; 및

상기 동적 업데이트 특징에 따라 상기 제2 이미지 특징을 적응성 업데이트하여, 업데이트된 후의 상기 타깃 객체의 특징 데이터를 얻도록 구성되는 업데이트 유닛을 포함한다.

일부 실시예에서, 상기 장치는,

서버에서 발송하는 제2 이미지 특징을 수신하고, 상기 제2 이미지 특징을 상기 로컬 안면 데이터베이스에 저장하도록 구성되는 저장 유닛을 더 포함한다.

일부 실시예에서, 상기 업데이트 유닛은,

상기 차이 특징 및 상기 제2 이미지 특징에 대해 가중치 융합을 진행하여, 업데이트된 후의 상기 타깃 객체의 특징 데이터를 얻도록 구성된다.

일부 실시예에서, 상기 장치는,

상기 업데이트된 후의 상기 타깃 객체의 특징 데이터를 상기 제2 이미지 특징으로 사용하고, 상기 제2 이미지 특징을 저장하도록 구성되는 저장 유닛을 더 포함한다.

일부 실시예에서, 상기 장치는,

상기 비교 결과가 인식 임계값보다 큰 경우에 응답하여, 상기 타깃 객체의 인식 성공 프롬프트를 디스플레이하도록 구성되는 인식 유닛을 더 포함하고, 상기 인식 임계값은 상기 특징 업데이트 임계값보다 작다.

본 발명의 실시예는, 전자 기기를 제공하며, 상기 전자 기기는,

프로세서; 및

프로세서에 의해 실행 가능 명령을 저장하도록 구성되는 메모리를 포함하고;

상기 프로세서는 상기 데이터 업데이트 방법을 수행하도록 구성된다.

본 발명의 실시예는 컴퓨터 프로그램 명령이 저장되는 컴퓨터 판독 가능 저장 매체를 제공하고, 상기 컴퓨터 프로그램 명령은 프로세서에 의해 실행될 경우, 상기 데이터 업데이트 방법을 수행한다.

본 발명의 실시예는 컴퓨터 프로그램 제품을 제공하며, 상기 컴퓨터 프로그램 제품은 컴퓨터 실행 가능 명령을 포함하고, 상기 컴퓨터 실행 가능 명령이 실행된 후, 상기 데이터 업데이트 방법을 구현할 수 있다.

본 발명의 실시예에서, 타깃 객체의 제1 이미지를 획득하여, 상기 제1 이미지의 제1 이미지 특징을 획득하고; 로컬 안면 데이터베이스에서 제2 이미지 특징을 획득하며; 상기 제1 이미지 특징과 상기 제2 이미지 특징의 유사도를 비교하여, 비교 결과를 얻고; 상기 비교 결과가 특징 업데이트 임계값보다 클 경우, 상기 제1 이미지 특징과 상기 제2 이미지 특징의 차이 특징을 획득하여, 상기 차이 특징을 동적 업데이트 특징으로 사용하며; 상기 동적 업데이트 특징에 따라 상기 제2 이미지 특징을 적응성 업데이트하여, 업데이트된 후의 상기 타깃 객체의 특징 데이터를 얻는다. 제1 이미지 특징(타깃 객체를 인식하기 위한 안면 이미지의 이미지 특징)과 제2 이미지 특징(타깃 객체의 안면 데이터베이스에 저장된 안면 이미지의 이미지 특징)의 이미지 특징 유사도를 비교함으로써, 비교 결과 및 특징 업데이트 임계값에 따라 제2 이미지 특징에 대해 적응성 업데이트를 구현하고, 인식될 타깃 객체에 대응되는 제1 이미지 특징 및 안면 데이터베이스에서 적응성 업데이트된 제2 이미지 특징을 비교하며, 안면 데이터베이스 중의 베이스 라이브러리 이미지를 빈번하게 수동 업데이트할 필요가 없으므로, 안면 인식율 효율을 향상시킬 수 있다.

여기의 도면은 명세서에 병합되어 명세서의 일부분을 구성하고, 이들 도면은 본 발명에 부합되는 실시예를 도시하여, 명세서와 함께 본 발명의 기술적 해결수단을 설명한다.
도 1은 본 발명의 실시예에 따른 데이터 업데이트 방법의 흐름도를 도시한 것이고;
도 2는 본 발명의 실시예에 따른 데이터 업데이트 방법의 흐름도를 도시한 것이며;
도 3은 본 발명의 실시예에 따른 데이터 업데이트 방법의 흐름도를 도시한 것이고;
도 4는 본 발명의 실시예에 따른 데이터 업데이트 방법의 흐름도를 도시한 것이며;
도 5는 본 발명의 실시예에 따른 데이터 업데이트 장치의 블록도를 도시한 것이고;
도 6은 본 발명의 실시예에 따른 전자 기기의 블록도를 도시한 것이며;
도 7은 본 발명의 실시예에 따른 전자 기기의 블록도를 도시한 것이다.

이하, 도면을 참조하여 본 발명의 다양한 예시적 실시예, 특징 및 양태를 상세히 설명할 것이다. 도면에서 동일한 도면 부호는 기능이 동일하거나 유사한 소자를 나타낸다. 비록, 도면에 실시예의 다양한 양태를 도시하였지만, 달리 언급되지 않는 한, 도면은 일정한 비율로 그려질 필요는 없다.

여기서, “예시적”이라는 단어는 “예, 실시예 또는 설명으로 사용되는” 것을 의미한다. 여기서, “예시적”으로 설명되는 임의의 실시예는 다른 실시예보다 우수하거나 좋다고 해석할 필요는 없다.

본문에서, 용어 “및/또는”은, 관련 대상을 설명하는 관련 관계일 뿐이고, 예를 들어, A 및/또는 B는 A가 단독으로 존재, A와 B가 동시에 존재 및 B가 단독으로 존재 등과 같은 3가지 관계를 나타낼 수 있다. 이외에, 본문에서 “적어도 하나”라는 용어는 복수에서 임의의 하나 또는 복수에서 적어도 두 가지의 임의의 조합을 나타내고, 예를 들어, A, B 및 C 중의 적어도 하나는, A, B 및 C로 구성된 집합에서 선택한 임의의 하나 또는 복수의 원소를 포함하는 것을 나타낼 수 있다.

이외에, 본 발명의 실시예를 더 잘 설명하기 위해, 하기의 구체적인 실시형태에서 다양한 구체적인 세부사항이 제공된다. 본 발명의 분야에서 통상의 지식을 가진 자라면, 특정한 구체적인 세부사항이 없어도 본 발명의 실시예는 마찬가지로 실시될 수 있음을 이해해야 한다. 일부 구현예에서, 본 발명의 실시예의 취지를 강조하기 위해, 본 발명의 분야에서 통상의 지식을 가진 자가 숙지하고 있는 방법, 수단, 소자 및 회로에 대해서는 상세히 설명하지 않는다.

안면 인식의 응용 시나리오에서, 직원의 출퇴근 서명은 타임 레코더를 통해 체크 인식을 진행해야 하거나, 회사 내부의 안전 수요에 의해, 권한이 있는 인원이 특수한 사무 영역에 진입할 수 있고, 체크 인식이 필요된다. 일부 모니터링 분야에서도, 출입 인원에 대해 체크 인식이 필요된다. 체크 인식의 과정은, 현장에서 실시간으로 포착된 안면 이미지 특징과 안면 데이터베이스에서 기존의 안면 이미지 특징의 이미지 특징을 비교한다. 그러나, 안면 데이터베이스에 저장된 기존의 안면 이미지 특징은, 애초에 타깃 객체에 대해 이미지 수집할 때 수집한 것이 정확하지 않거나, 타깃 객체가 헤어 스타일을 바꾸거나, 타깃 객체 얼굴이 뚱뚱해지거나 야위지는 등 원인으로 인해, 인식이 실패되고, 안면 인식율이 낮다. 안면 인식율을 향상시키기 위해, 안면 데이터베이스 중의 베이스 라이브러리 이미지(예를 들어, 최초에 타깃 객체에 대해 이미지 수집할 때 얻은 등록 이미지)를 빈번하게 수동 업데이트해야 하는데, 이러한 수동 업데이트의 처리 방식은, 처리 효율이 낮다. 이에, 본 발명의 실시예는 안면 데이터베이스 중의 등록 이미지를 적응성 업데이트함으로써, 다시 말하면, 이미 등록된 프로필 사진의 특징 값을 부단히 최적화함으로써, 안면 인식율을 향상시키고, 안면 데이터베이스에서 이미지 업데이트의 처리 효율을 향상시킬 수 있다.

도 1은 본 발명의 실시예에 따른 데이터 업데이트 방법의 흐름도를 도시한 것이고, 상기 데이터 업데이트 방법은 데이터 업데이트 장치에 응용되며, 예를 들어, 데이터 업데이트 장치는 단말 기기 또는 서버 또는 다른 처리 기기에 의해 실행될 수 있고, 여기서, 단말 기기는 사용자 단말(User Equipment, UE), 모바일 기기, 셀룰러 폰, 무선 전화, 개인용 정보 단말기(Personal Digital Assistant, PDA), 핸드 헬드 기기, 컴퓨팅 기기, 차량 탑재 기기 및 웨어러블 기기 등일 수 있다. 일부 실시예에서, 상기 데이터 업데이트 방법은 프로세서에 의해 메모리에 저장된 컴퓨터 판독 가능 명령을 호출하는 방식을 통해 구현될 수 있다. 도 1에 도시된 바와 같이, 상기 과정은 하기와 같은 단계를 포함한다.

단계 S101: 타깃 객체의 제1 이미지를 획득하여, 상기 제1 이미지의 제1 이미지 특징을 획득한다.

일 예시에서, 타깃 객체(특정 회사의 직원)가 출입 통제를 통과할 경우, 타임 레코더를 통해 체크 인식을 진행해야 한다. 체크 인식은 지문 인식을 통해 진행될 수 있거나, 안면 인식을 통해 진행될 수도 있다. 안면 인식의 경우, 카메라를 사용하여 타깃 객체를 현장 실시간 포착하여 얻은 안면 이미지는 상기 제1 이미지이다.

일 예시에서, 제1 이미지에서 제1 이미지 특징을 추출하고, 특징 추출 네트워크(예를 들어, 컨볼루션 신경망)에 따라 상기 제1 이미지에 대해 특징 추출을 진행하여, 상기 제1 이미지에 대응되는 하나 또는 복수의 특징 벡터를 얻으며, 상기 하나 또는 복수의 특징 벡터에 따라 상기 제1 이미지 특징을 얻을 수 있다. 특징 추출 네트워크 외에, 다른 네트워크를 사용할 수도 있고, 특징 추출을 구현할 수 있는 것은 모두 본 발명의 실시예의 보호범위 내에 포함된다.

단계 S102: 로컬 안면 데이터베이스에서 제2 이미지 특징을 획득한다.

일 예시에서, 안면 인식을 진행하는 것은 현장 실시간 포착된 안면 이미지 특징과 안면 데이터베이스의 기존의 안면 이미지 특징의 이미지 특징을 비교하는 것이고, 안면 데이터베이스의 기존의 안면 이미지 특징은 상기 제2 이미지 특징이다. 제2 이미지 특징은, 1) 최초에 타깃 객체에 대해 이미지 수집할 때 얻은 등록 이미지에 대응되는 특징; 및 2) 본 발명의 실시예의 데이터 업데이트 과정에서 얻은 이전 업데이트에 대응되는 업데이트된 후의 제2 이미지 특징을 포함하지만 이에 제한되지 않는다.

단계 S103: 상기 제1 이미지 특징과 상기 제2 이미지 특징의 유사도를 비교하여, 비교 결과를 얻는다.

일 예시에서, 이미지에 대해 특징 추출을 진행하는 과정에서, 상기 제1 이미지에서 제1 이미지 특징을 추출할 수 있고, 상기 제2 이미지에서 제2 이미지 특징을 추출할 수 있으며, 상기 제1 이미지 특징과 제2 이미지 특징에 대해 이미지 특징 유사도를 진행하여, 유사도 점수를 얻고, 상기 유사도 점수는 상기 비교 결과이다. 여기서, 상기 제1 이미지 특징 및 상기 제2 이미지 특징은 대신 지칭하여 설명하기 위한 것일 뿐이고, 하나의 특징에 제한되지 않으며, 복수의 특징일 수 있다.

여기서, 인식 속도 및 인식 정확율 수요를 고려하여, 만약 제2 이미지 특징은 인식을 수행할 시 제2 이미지에서 실시간으로 추출하여 얻은 것이면, 인식 속도 및 인식 정확율을 저하시킬 수 있다. 따라서, 일부 실시예에서, 제2 이미지 특징은 서버에서 발송되어 로컬에 미리 저장되고, 즉, 상기 로컬 안면 데이터베이스에서 제2 이미지 특징을 획득하는 단계 이전에, 서버에서 발송하는 제2 이미지 특징을 수신하고, 상기 제2 이미지 특징을 상기 로컬 안면 데이터베이스에 저장하는 단계를 포함한다. 예를 들어, “로컬 인식기 + 서버 모드”를 사용하여, 서버에서 제2 이미지 특징에 대한 추출 처리를 진행한 후, 서버에 의해 제2 이미지 특징(즉, 등록 이미지의 이미지 특징)을 로컬 인식기에 발송한 후, 로컬에서 비교하고, 비교 결과에 따라 로컬 안면 데이터베이스에 발송되는 제2 이미지 특징을 업데이트하며, 업데이트된 후 얻은 제2 이미지 특징은, 여전히 로컬 안면 데이터베이스에 저장된다. 업데이트된 후 얻은 제2 이미지 특징을 서버에 업로드하지 않고 로컬에 저장하는 것은, 각각의 서버가 N개의 로컬 인식기에 대응될 수 있고, 각각의 로컬 인식기 하드웨어 배치 또는 소프트웨어 운영 환경이 다름으로 인해, 이미지 특징이 다를 수도 있으며, 다시 말해서, 업데이트된 후 얻은 제2 이미지 특징을 로컬에 저장하는 것은, 간단하고, 고효율적이며 인식율이 높은 방식이다. “로컬 인식기 + 서버 모드”를 사용하는 경우에 인식할 때마다 비교 결과와 특징 업데이트 임계값을 비교하고, 비교 결과가 특징 업데이트 임계값보다 클 경우, 상기 제1 이미지 특징과 상기 제2 이미지 특징의 차이 특징을 획득하여, 상기 차이 특징을 동적 업데이트 특징으로 사용하며, 상기 동적 업데이트 특징에 따라 상기 제2 이미지 특징을 적응성 업데이트하여, 업데이트된 후의 상기 타깃 객체의 특징 데이터를 얻는다.

단계 S104: 상기 비교 결과가 특징 업데이트 임계값보다 클 경우, 상기 제1 이미지 특징과 상기 제2 이미지 특징의 차이 특징을 획득하여, 상기 차이 특징을 동적 업데이트 특징으로 사용한다.

일 예시에서, 이미지에 대해 특징 추출을 진행하고, 제1 이미지에 대응되는 제1 이미지 특징과 제2 이미지에 대응되는 제2 이미지 특징의 이미지 특징 유사도를 비교하여, 유사도 점수(상기 유사도 점수는 상기 비교 결과의 일 예시이고, 비교 결과는 유사도에 제한되지 않으며, 2개의 이미지 비교에 사용되는 다른 파라미터일 수도 있음)를 얻은 후, 유사도 점수 및 특징 업데이트 임계값에 따라, 제2 이미지 특징을 적응성 업데이트하고, 유사도 점수가 특징 업데이트 임계값보다 클 경우, 상기 제1 이미지 특징과 상기 제2 이미지 특징의 차이 특징을 획득하여, 예를 들어, 유사도 점수에 따라 상기 제1 이미지에서 제2 이미지와 다른 이미지 특징을 상기 제2 이미지에 대한 차이 특징으로 사용하며, 상기 차이 특징을 동적 업데이트 특징으로 사용한다. 상기 차이 특징은, 다른 헤어 스타일 및 안경 착용 여부 등 특징일 수 있다.

단계 S105: 상기 동적 업데이트 특징에 따라 상기 제2 이미지 특징을 적응성 업데이트하여, 업데이트된 후의 상기 타깃 객체의 특징 데이터를 얻는다.

일부 실시예에서, 상기 동적 업데이트 특징에 따라 상기 제2 이미지 특징을 적응성 업데이트하는 단계는, 상기 차이 특징 및 상기 제2 이미지 특징에 대해 가중치 융합을 진행하여, 업데이트된 후의 상기 타깃 객체의 특징 데이터를 얻는 단계를 포함한다. 상기 업데이트된 후의 상기 타깃 객체의 특징 데이터를 상기 제2 이미지 특징으로 사용하고, 상기 제2 이미지 특징을 로컬 안면 데이터베이스에 저장할 수 있다.

일부 실시예에서, 상기 방법은, 상기 비교 결과가 인식 임계값보다 큰 경우에 응답하여, 상기 타깃 객체의 인식 성공 프롬프트를 디스플레이하는 단계를 더 포함하고, 여기서, 상기 인식 임계값은 상기 특징 업데이트 임계값보다 작다. 비교 결과와 인식 임계값을 비교하든, 아니면 비교 결과와 특징 업데이트 임계값을 비교하든, 상기 비교 결과는 동일한 유사도 점수일 수 있고, 인식 임계값은 상기 특징 업데이트 임계값보다 작다. 우선 비교 결과와 인식 임계값을 비교하여, 인식이 통과되어 본인임이 증명된 후, 비교 결과와 특징 업데이트 임계값을 비교할 수 있다.

지적해야 할 것은, 제1차 적응성 업데이트 과정에서, 직원 출퇴근 서명의 체크 시나리오를 예로, 체크 시 현장 실시간 포착된 안면 이미지 특징과 등록 이미지 특징(최초에 타깃 객체에 대해 이미지 수집 시 얻은 등록 이미지의 대응 특징은, 안면 데이터베이스에 저장하고, 이 등록 이미지는 원 이미지임)의 이미지 특징을 비교한다. 제1차 적응성 업데이트된 후의 매차의 업데이트 과정에서, 체크 시 현장 실시간 포착된 안면 이미지 특징과 업데이트된 동적 이미지 특징(이전 적응성 업데이트된 후 얻은 동적 이미지의 대응 특징)을 비교한다.

본 발명의 실시예에서, 예를 들어 체크 시나리오에서 현장 실시간 포착된 안면 이미지 특징과 같은 제1 이미지 특징(인식해야 하는 타깃 객체의 안면 이미지 특징)과, 예를 들어 안면 데이터베이스에서 기존의 안면 이미지 특징과 같은 제2 이미지 특징(안면 데이터베이스에 저장된 타깃 객체의 안면 이미지 특징)의 이미지 특징을 비교할 경우, 안면 데이터베이스에 저장된 기존의 안면 이미지 특징(등록 이미지 또는 원 이미지에 대응되는 특징이라 칭함)을 고려하여, 애초에 타깃 객체에 대해 이미지 수집 시 수집한 것이 정확하지 않거나, 타깃 객체가 헤어 스타일을 바꾸거나, 타깃 객체 얼굴이 뚱뚱해지거나 또는 야위여지거나, 대상이 화장하는지 여부 등은 모두 인식 실패를 초래하고, 안면 인식 성공률이 낮을 수 있다. 현장 실시간 포착된 안면 이미지의 이미지 특징과 적응성 업데이트를 통해 안면 데이터베이스에서 기존의 안면 이미지 특징을 부단히 최적화한 업데이트 이미지의 이미지 특징 유사도를 비교하여, 인식율을 향상시키고, 또한, 교체 관련 기술에서 안면 데이터베이스의 기존의 안면 이미지를 수동 업데이트하여, 안면 데이터베이스의 이미 저장된 이미지를 빈번하게 수동 업데이트할 필요 없고, 현장 실시간 포착된 안면 이미지 특징과 이미 저장된 안면 이미지 특징에 대한 비교를 통해, 안면 데이터베이스에서 이미 저장된 안면 이미지 특징을 부단히 업데이트함으로써, 안면 데이터베이스에서 안면 이미지 특징 업데이트의 인식 효율을 향상시킨다.

도 2는 본 발명의 실시예에 따른 데이터 업데이트 방법의 흐름도를 도시한 것이고, 상기 데이터 업데이트 방법은 데이터 업데이트 장치에 응용되며, 예를 들어, 데이터 업데이트 장치는 단말 기기 또는 서버 또는 다른 처리 기기에 의해 실행될 수 있고, 여기서, 단말 기기는 사용자 단말(User Equipment, UE), 모바일 기기, 셀룰러 폰, 무선 전화, 개인용 정보 단말기(Personal Digital Assistant, PDA), 핸드 헬드 기기, 컴퓨팅 기기, 차량 탑재 기기 및 웨어러블 기기 등일 수 있다. 일부 실시예에서, 상기 데이터 업데이트 방법은 프로세서에 의해 메모리에 저장된 컴퓨터 판독 가능 명령을 호출하는 방식을 통해 구현될 수 있다. 도 2에 도시된 바와 같이, 제2 이미지는 타깃 객체가 최초에 안면 인식 시스템에 등록할 경우 얻은 등록 이미지이고, 비교 결과에서 제1 이미지 및 제2 이미지(등록 이미지)에서 양자의 이미지 유사도가 가장 높은 것을 동적 업데이트 특징으로 사용하며, 상기 과정은 하기와 같은 단계를 포함한다.

단계 S201: 타깃 객체에 대해 안면 인식을 진행할 경우, 제1 이미지를 수집하여 얻는다.

일 예시에서, 예를 들어, 타깃 객체(특정 회사의 직원)가 출퇴근 서명할 경우, 타임 레코더를 통해 체크 인식을 진행해야 한다. 체크 인식은 지문 인식을 통해 진행될 수 있거나, 안면 인식을 통해 진행될 수도 있다. 안면 인식하는 경우, 카메라를 사용하여 타깃 객체를 현장 실시간 포착하여 얻은 안면 이미지는 상기 제1 이미지이다.

단계 S202: 로컬 안면 데이터베이스에서 타깃 객체에 대응되는 제2 이미지 특징을 획득한다.

일 예시에서, 안면 인식을 진행하는 것은 현장 실시간 포착된 안면 이미지 특징과 안면 데이터베이스에서 기존의 안면 이미지 특징의 이미지 특징을 비교하는 것이고, 안면 데이터베이스에서 기존의 안면 이미지 특징은 상기 제2 이미지 특징이다. 제2 이미지 특징은 최초에 타깃 객체에 대해 이미지 수집 시 얻은 등록 이미지이다.

단계 S203: 제1 이미지 특징과 등록 이미지 특징의 이미지 특징 유사도를 비교하여, 비교 결과를 얻는다.

일 예시에서, 이미지에 대해 특징 추출을 진행하는 과정에서, 상기 제1 이미지에서 제1 이미지 특징을 추출할 수 있고, 제1 이미지 특징과 제2 이미지 특징(등록 이미지 특징)의 이미지 특징 유사도를 비교하여, 유사도 점수를 얻고, 상기 유사도 점수는 상기 비교 결과이다. 여기서, 상기 제1 이미지 특징 및 상기 제2 이미지 특징은 대신 지칭하여 설명하기 위한 것일 뿐이고, 하나의 특징에 제한되지 않으며, 복수의 특징일 수 있다.

단계 S204: 비교 결과가 하나이고 비교 결과가 특징 업데이트 임계값보다 클 경우, 제1 이미지 특징과 등록 이미지 특징의 차이 특징을 획득하고, 차이 특징을 동적 업데이트 특징으로 사용한다.

유사도 점수 및 특징 업데이트 임계값에 따라, 등록 이미지 특징을 적응성 업데이트하고, 유사도 점수가 특징 업데이트 임계값보다 클 경우, 상기 제1 이미지 특징과 등록 이미지 특징의 차이 특징을 획득하며, 예를 들어, 유사도 점수에 따라 상기 제1 이미지에서 등록 이미지와 다른 이미지 특징을 차이 특징으로 사용하고, 상기 차이 특징을 동적 업데이트 특징으로 사용한다.

단계 S205: 상기 동적 업데이트 특징에 따라 상기 등록 이미지 특징을 적응성 업데이트하여, 업데이트된 후의 상기 타깃 객체의 특징 데이터를 얻는다.

본 발명의 실시예에서, 예를 들어 체크 시나리오에서 현장 실시간 포착된 안면 이미지 특징과 같은 제1 이미지 특징(인식해야 하는 타깃 객체의 안면 이미지 특징)과, 제2 이미지 특징(안면 데이터베이스에 저장된 타깃 객체의 등록 이미지 또는 원 이미지에 대응되는 특징이라 칭함)의 이미지 특징을 비교할 경우는, 제1차 적응성 업데이트의 과정에 속한다. 안면 데이터베이스에 저장된 기존의 안면 이미지 특징(등록 이미지 또는 원 이미지에 대응되는 특징이라 칭함)을 고려하여, 애초에 타깃 객체에 대해 이미지 수집시 수집한 것이 정확하지 않거나, 타깃 객체가 헤어 스타일을 바꾸거나, 타깃 객체 얼굴이 뚱뚱해지거나 또는 야위여지거나, 대상이 화장하는지 여부 등은 모두 인식 실패를 초래하고, 안면 인식율을 감소시킬 수 있다. 현장 실시간 포착된 안면 이미지 및 적응성 업데이트를 통해 안면 데이터베이스에서 기존의 안면 이미지 특징(등록 이미지 또는 원 이미지에 대응되는 특징이라 칭함)을 부단히 최적화한 업데이트 이미지의 이미지 특징 유사도를 비교하여, 인식율을 향상시키고, 또한, 교체 관련 기술에서 안면 데이터베이스의 기존의 안면 이미지를 수동 업데이트하여, 안면 데이터베이스의 이미 저장된 이미지를 빈번하게 수동 업데이트할 필요 없고, 특징, 현장 실시간 포착된 안면 이미지 특징과 이미 저장된 안면 이미지 특징을 비교하여, 안면 데이터베이스에서 이미 저장된 안면 이미지 특징을 부단히 업데이트함으로써, 안면 데이터베이스에서 안면 이미지 특징 업데이트의 처리 효율을 향상시킨다.

도 3은 본 발명의 실시예에 따른 데이터 업데이트 방법의 흐름도를 도시한 것이고, 상기 데이터 업데이트 방법은 데이터 업데이트 장치에 응용되며, 예를 들어, 데이터 업데이트 장치는 단말 기기 또는 서버 또는 다른 처리 기기에 의해 실행될 수 있고, 여기서, 단말 기기는 사용자 단말(User Equipment, UE), 모바일 기기, 셀룰러 폰, 무선 전화, 개인용 정보 단말기(Personal Digital Assistant, PDA), 핸드 헬드 기기, 컴퓨팅 기기, 차량 탑재 기기 및 웨어러블 기기 등일 수 있다. 일부 실시예에서, 상기 데이터 업데이트 방법은 프로세서에 의해 메모리에 저장된 컴퓨터 판독 가능 명령을 호출하는 방식을 통해 구현될 수 있다. 도 3에 도시된 바와 같이, 제2 이미지는 이전 적응성 업데이트된 후 얻은 업데이트된 후의 안면 이미지 특징 또는 동적 업데이트 이미지 특징이라 칭하고, 비교 결과에서 제1 이미지 특징 및 제2 이미지 특징(등록 이미지 기초상에서 부단히 최적화하여 업데이트한 제2 이미지 특징, 즉, 상기 업데이트된 후의 안면 이미지 특징)에서 양자의 이미지 특징 유사도가 가장 높은 것을 동적 업데이트 특징으로 사용하며, 상기 과정은 하기와 같은 단계를 포함한다.

단계 S301: 타깃 객체에 대해 안면 인식을 진행할 경우, 제1 이미지를 수집하여 얻는다.

일 예시에서, 타깃 객체(특정 회사의 직원)가 출퇴근 서명할 경우, 타임 레코더를 통해 체크 인식을 진행해야 한다. 체크 인식은 지문 인식을 통해 진행될 수 있거나, 안면 인식을 통해 진행될 수도 있다. 안면 인식할 경우, 카메라를 사용하여 타깃 객체를 현장 실시간 포착하여 얻은 안면 이미지는 상기 제1 이미지이다.

단계 S302: 로컬 안면 데이터베이스에서 타깃 객체에 대응되는 제2 이미지 특징을 획득한다.

일 예시에서, 안면 인식을 진행하는 것은 현장 실시간 포착된 안면 이미지 특징과 안면 데이터베이스에서 기존의 안면 이미지 특징의 이미지 특징을 비교하는 것이고, 안면 데이터베이스에서 기존의 안면 이미지 특징은 상기 제2 이미지 특징이다. 제2 이미지 특징은 본 발명의 실시예의 데이터 업데이트 과정을 통해 얻은 이전 업데이트된 후 얻은 제2 이미지 특징이다.

단계 S303: 제1 이미지 특징과 이전 적응성 업데이트된 후의 안면 이미지 특징의 이미지 특징 유사도를 비교하여, 비교 결과를 얻는다.

일 예시에서, 이미지에 대해 특징 추출을 진행하는 과정에서, 상기 제1 이미지에서 추출한 제1 이미지 특징과 이전 적응성 업데이트된 후의 안면 이미지 특징의 이미지 특징 유사도를 비교하여, 유사도 점수를 얻을 수 있고, 상기 유사도 점수는 상기 비교 결과이다. 여기서, 상기 제1 이미지 특징 및 상기 제2 이미지 특징은 대신 지칭하여 설명하기 위한 것일 뿐이고, 하나의 특징에 제한되지 않으며, 복수의 특징일 수 있다.

단계 S304: 상기 비교 결과가 하나이고 비교 결과가 특징 업데이트 임계값보다 클 경우, 제1 이미지 특징과 이전 적응성 업데이트된 후의 안면 이미지 특징의 차이 특징을 획득하고, 차이 특징을 동적 업데이트 특징으로 사용한다.

유사도 점수 및 특징 업데이트 임계값에 따라, 상기 이전 적응성 업데이트된 후의 안면 이미지 특징을 적응성 업데이트하고, 유사도 점수가 특징 업데이트 임계값보다 클 경우, 상기 제1 이미지 특징과 상기 이전 적응성 업데이트된 후의 안면 이미지 특징의 차이 특징을 획득하며, 예를 들어, 유사도 점수에 따라 상기 제1 이미지에서 상기 이전 적응성 업데이트된 후의 안면 이미지 특징과 다른 안면 이미지 특징을 차이 특징으로 사용하고, 상기 차이 특징을 동적 업데이트 특징으로 사용한다.

단계 S305: 상기 동적 업데이트 특징에 따라 상기 등록 이미지 특징을 적응성 업데이트하여, 업데이트된 후의 상기 타깃 객체의 특징 데이터를 얻는다.

본 발명의 실시예에서, 예를 들어, 체크 시나리오에서 현장 실시간 포착된 안면 이미지 특징과 같은 제1 이미지 특징(인식해야 하는 타깃 객체의 안면 이미지 특징)과 제2 이미지 특징(안면 데이터베이스에 저장된 타깃 객체의 상기 이전 적응성 업데이트된 후의 안면 이미지 특징)의 이미지 특징을 비교할 경우는, 제2차 및 그 이상의 적응성 업데이트 과정에 속한다. 안면 데이터베이스에 저장된 초기 기존의 안면 이미지 특징(등록 이미지 또는 원 이미지에 대응되는 특징이라 칭함)을 고려하여, 애초에 타깃 객체에 대해 이미지 수집 시 수집한 것이 정확하지 않거나, 타깃 객체가 헤어 스타일을 바꾸거나, 타깃 객체 얼굴이 뚱뚱해지거나 또는 야위여지거나, 사용자가 화장하는지 여부 등은 모두 인식 실패를 초래하고, 안면 인식율을 감소시킬 수 있다. 현장 실시간 포착된 안면 이미지 및 적응성 업데이트를 통해 안면 데이터베이스에서 기존의 안면 이미지(등록 이미지 또는 원 이미지에 대응되는 특징이라 칭함)를 부단히 최적화한 업데이트 이미지의 이미지 특징 유사도를 비교하고, 제2차 및 그 이상의 적응성 업데이트 과정에서 상기 이전 적응성 업데이트된 후의 안면 이미지 특징과 부단히 유사도 비교를 진행하여, 인식율을 향상시키고, 또한, 교체 관련 기술에서 안면 데이터베이스의 기존의 안면 이미지 특징을 수동 업데이트하여, 안면 데이터베이스의 이미 저장된 이미지 특징을 빈번하게 수동 업데이트할 필요 없고, 특징, 현장 실시간 포착된 안면 이미지 특징과 이미 저장된 안면 이미지 특징을 비교하여, 안면 데이터베이스에서 이미 저장된 안면 이미지 특징을 부단히 업데이트함으로써, 안면 데이터베이스에서 안면 이미지 특징 업데이트의 처리 효율을 향상시킨다.

일부 실시예에서, 동적 업데이트 특징에 따라 상기 제2 이미지 특징을 적응성 업데이트하는 단계는, 상기 동적 업데이트 특징을, 배치된 가중치에 따라 이전 적응성 업데이트된 후 얻은 제2 이미지 특징의 기존의 특징 값에 융합하여, 상기 적응성 업데이트를 구현한다. 본 발명의 실시예는 새로운 유사도 점수가 높은 특징 값을 기설된 가중치에 따라 원 특징 값(현장 이미지의 안면 특징을 캡처하여 특징 값 융합을 진행함으로써, 다양한 인식 환경에서의 인식 통과율을 더 향상시킬 수 있음)에 융합하여, 이미 등록된 프로필 사진의 특징 값을 부단히 최적화할 수 있다.

일 예시에서, 상기 적응성 업데이트에서, 체크의 시나리오에서, 제1 이미지는 사용자가 체크 시 수집된 현재 안면 이미지를 표시하고; 제2 이미지는 안면 데이터베이스에서 초기 등록 이미지로부터 부단히 적응성 업데이트하고 최적화하여 얻은 동적 특징 융합된 후의 안면 이미지를 표시하며, 여기서, 등록 이미지는 사용자가 체크 시스템에 초기 등록 시 얻은 것이고 상기 안면 데이터베이스에 저장되는 이미지이다. 이미지 비교 시 이미지 특징 비교를 구체적으로 사용하므로, 제1 이미지에 대응되는 특징은 x'로 표시되어, 이번 체크 경우에서 현장 실시간 포착된 안면 이미지에 대응되는 특징을 가리키고; 제2 이미지에 대응되는 특징은 x로 표시되어, 동적 업데이트 특징(적응성 업데이트 과정에서 제2 이미지 안면 특징에 업데이트되는 융합될 특징)을 기존의 이미지에서 얻은 업데이트된 후의 제2 이미지(등록 이미지 기초상에서 부단히 최적화하고 업데이트하여 얻은 제2 이미지, 즉, 상기 업데이트된 후의 안면 이미지)에 대응되는 특징에 융합하는 것을 가리키며; 등록 이미지에 대응되는 특징은 x₀로 표시되어, 사용자가 안면 인식 시스템에 등록된 원 이미지 또는 등록 이미지로 칭한 것을 가리킨다. x'와 x를 비교함으로써, 비교 결과(예를 들어, 이미지 특징의 유사도를 비교하여 유사도 점수를 얻음)를 얻고, 만약 유사도 점수가 인식 임계값보다 크면, 인식이 통과되어, 체크가 성공된다. 인식이 통과된 후, 사용자 본인임이 증명되고, 안면 데이터베이스에서 기존의 이미지 특징의 적응성 업데이트가 트리거되며, 사용되는 공식은

이고, 예를 들어, α=0.95를 선택할 수 있지만, 이번 적응성 업데이트 과정을 거쳐, 동적 업데이트 특징(적응성 업데이트 과정에서 제2 이미지 안면 특징에 업데이트되는 융합될 특징)을 기존의 이미지에 융합하여 얻은 업데이트된 후의 제2 이미지에 대응되는 특징x는 등록 이미지에 대응되는 특징 x₀와의 거리가 지나치게 크지 않게 유지하여,

을 만족시켜야 하고; 여기서, α는 특징 업데이트 임계값이고, β는 가중치이다.

일 예시에서, 상기 제1 이미지 특징과 상기 제2 이미지 특징의 이미지 특징 유사도를 비교하여, 비교 결과를 얻는 단계 이전에, 상기 방법은, 제1 이미지 특징 및 상기 제2 이미지 특징에 대해 이미지 특징 매칭하여 매칭 결과가 인식 임계값보다 클 경우, 상기 타깃 객체에 대해 체크 인식이 통과되는 명령을 발송하는 단계; 및 상기 제2 이미지에 대해 적응성 업데이트 처리가 트리거되는 단계를 포함한다. 본 발명의 실시예에서 인식 임계값과 매칭된 후, 타깃 객체가 본인임을 증명한 후 데이터 업데이트가 트리거되고, 구체적으로, 유사도 점수와 특징 업데이트 임계값을 비교하는 것이며, 만약 이 특징 업데이트 임계값보다 크면, 예를 들어 안경 착용, 컬러 렌즈 착용 또는 머리 염색 등과 같은 현재 추출한 “동적 업데이트 특징”(또는 “동적 특징 값”으로 약칭)을, 이전 등록 이미지 기초 위에서 부단히 최적화하고 업데이트하여 얻은 업데이트되고 최적화된 제2 이미지에 융합하여, 즉, 상기 업데이트된 후의 안면 이미지에 융합하여, 안면 이미지의 부단한 적응성 업데이트를 구현한다. 여기서, 상기 비교 인식 임계값에 매칭하여, 본인임을 증명하는 것은, 1) 현장 실시간 포착된 안면 이미지(예를 들어, 체크 이미지) 및 최초에 타깃 객체를 이미지 수집하여 얻은 등록 이미지에 대해 매칭하는 것이고, 및 2) 현장 실시간 포착된 안면 이미지(예를 들어, 체크 이미지) 및 업데이트된 후의 제2 이미지(본 발명의 실시예의 데이터 업데이트 과정을 통해 얻은 이전 업데이트에 대응되는 업데이트된 후의 이미지)에 대해 매칭하는 것이다. 여기서, 동적 업데이트 특징(또는 “동적 특징 값”으로 약칭)은 적응성 업데이트 과정에서 제2 이미지 안면 특징의 융합될 특징에 업데이트된다.

도 4는 본 발명의 실시예에 따른 데이터 업데이트 방법의 흐름도를 도시한 것이며, 상기 예시에서, 적응성 업데이트 과정에서 현재 안면 특징에 기반한 유사도 점수와 특징 업데이트 임계값을 비교할 경우, 등록 시의 등록 안면 특징과 비교할 수 있고, 업데이트된 후의 안면 특징과 비교할 수도 있다. 적응성 업데이트 과정에서 등록 시의 등록 안면 특징과 비교하는 것에 대해 말하자면, 포함된 내용은 도 4에 도시된 바와 같다. 1) 인식 통과: 직원이 회사의 안면 인식 시스템을 이용하여 안면 체크 인식을 진행하되, 우선 안면 데이터베이스에 안면 한 장을 등록하여, 등록 안면 이미지를 얻는다. 직원이 사용할 경우, 카메라에 의해 캡처된 현재 체크 안면 특징(즉, 현장 포착된 안면 이미지에 대응되는 안면 특징)과 안면 데이터베이스에서 이미 저장된 안면 특징(제1차 적응성 업데이트 시의 등록 안면 특징 및 등록 이미지 기초상에서 부단히 최적화하고 업데이트된 후 얻은 업데이트된 후의 안면 이미지를 포함함)을 비교하고, 만약 유사도가 설정된 인식 임계값보다 크면, 상기 직원이 본인임이 인식된다. 2) 적응성 업데이트: 직원 현재의 체크 안면 특징과 안면 데이터베이스에 이미 저장된 안면 특징(제1차 적응성 업데이트 시의 등록 안면 특징 및 등록 이미지 기초상에서 부단히 최적화하고 업데이트된 후 얻은 업데이트된 후의 안면 이미지를 포함함)을 비교하고, 만약 비교 결과(예를 들어, 유사도 점수)가 설정된 특징 업데이트 임계값(예를 들어, 0.91)보다 크면, 체크 안면 특징이 상기 업데이트된 후의 안면 이미지 특징과 다른 동적 특징 값에 따라 이미지 적응성 업데이트를 진행하며, 즉, 현재 체크 안면 특징 및 이전 적응성 업데이트된 후 얻은 업데이트된 후의 안면 이미지 특징에 대해 재차 융합한다. 여기서, 동적 특징 값=updateFeature(동적 특징 값, 등록 안면의 특징 값, 현재 체크 안면의 특징 값)이다. 다음에 사용자가 다시 체크 시 카메라로 캡처된 현재 체크 안면 특징과 이전 적응성 업데이트된 후 얻은 업데이트된 후의 안면 특징을 비교하는 것이다. 지적해야 할 것은, 적응성 업데이트하기 전에 체크 안면 특징과 등록 이미지의 초기 특징을 비교하여, 특징 업데이트 임계값보다 클 경우에야만 적응성 업데이트가 트리거되고, 좋은 점은, 융합된 상기 동적 특징 값과 등록 안면의 초기 특징의 차이가 지나치게 커서 특징 업데이트가 정확하지 않는 것을 방지할 수 있다.

응용 예시:

현재 동적 업데이트되어 안면 데이터베이스에 융합되는 사용자의 안면 특징 x를 고려하여, 이번 현장 카메라에 의해 체크 안면 특징 x'가 수집되고 체크가 성공되면,

이며, 예를 들어, α=0.95를 선택할 수 있지만, 상기 체크 안면 특징x는 안면 데이터베이스에서 초기 등록 이미지 특징 x₀와의 거리가 지나치게 크지 않게 유지하여,

를 만족시켜야 한다. 여기서, α는 특징 업데이트 임계값이고, β는 가중치이다.

상기 방법은 주로 인식이 통과되어 유사도 점수가 설정된 특징 업데이트 임계값(update_threshold)보다 클 경우, 점수가 높은 새로운 특징 값을 특정한 가중치에 따라 원 특징 값에 융합하고, 이미 등록된 프로필 사진의 특징 값을 부단히 최적화함으로써, 개인 재검율(recall)을 향상시키는 작용을 달성하며, 다시 말하면, 타깃 객체에 대한 안면 인식율을 향상시키는 작용을 달성한다.

상기 방법을 사용하는 것은 하기와 같은 내용을 포함한다.

1) 우선 초기 값을 설정할 수 있고, 하기와 같다.

update_threshold: 현장 본인의 새로운 유사도 점수가 상기 특징 업데이트 임계값보다 클 경우에만, 상기 방법을 호출하여 기존의 특징 값을 업데이트해야 하고;

minimum_update_weight: 최소 가중치, 현 단계는 0.85로 설정하고, 실제 수요에 따라 수정할 수 있으며;

maximum_update_weight: 최대 가중치, 현 단계는 0.95, 실제 수요에 따라 수정할 수 있다.

가중치에 있어서, 상기 특징 업데이트 임계값을 특성화하는 값 범위는 0.85-0.95이고, 예를 들어 0.91을 취할 수 있다.

상기 설정된 호출 방법은, 우선 update_threshold 파라미터를 호출하여, 최소 가중치 및 최대 가중치를 얻고, update_threshold 파라미터 지정 값은 0.85-0.95의 값 범위 내에서 변동한다.

2) 3개의 특징 값을 설정할 수 있는 바, 하나는 등록 안면 이미지의 특징 값이고, 다른 하나는 현재 안면 데이터베이스에서 안면 이미지의 특징 값이며, 또 다른 하나는 현재 현장 포착 이미지(즉, 현재 체크 이미지)의 특징 값이고, 비교는 현재 현장 포착 이미지의 특징 값과 현재 안면 데이터베이스의 특징 값을 비교하는 것이며, 비교 결과와 특징 업데이트 임계값 사이의 관계에 따라 적응성 업데이트를 진행하는 것은 현재 안면 데이터베이스의 특징 값이다. 여기서, 융합하는 상기 “동적 업데이트 특징”(또는 “동적 특징 값”이라 약칭)과 등록 안면 원 이미지의 초기 특징 차이가 지나치게 큰 것을 방지하기 위해, 적응성 업데이트하기 전에 등록 안면의 초기 특징과 현재 현장 포착 이미지의 특징을 비교하여, 특징 업데이트 임계값보다 클 경우 업데이트를 진행한다. 2개의 임계값을 설정할 수 있는 바, 하나는 인식 임계값이고, 다른 하나는 특징 업데이트 임계값이며, 특징 업데이트 임계값은 일반적으로 인식 임계값보다 크다.

이미지 적응성 업데이트하기 전에 인식이 통과되는 과정을 더 추가할 수 있는 바, compare_threshold를 사용하여 비교 시의 인식 임계값을 표시하고, 만약 이미지 특징 값의 비교 결과(체크 안면 특징 및 이전 적응성 업데이트된 후 얻은 업데이트된 후의 안면 특징)가 인식 임계값보다 크면, 인식 성공인 것으로 결정하여, 인식 성공의 프롬프트를 디스플레이한다.

3) 후속의 안면 특징 비교 과정에서, 이미지 특징의 유사도 비교(체크 안면 특징과 이전 적응성 업데이트된 후 얻은 업데이트된 후의 안면 특징을 비교함)가 update_threshold의 특징 값보다 큰 것을 발견하면, 하기의 방법을 호출하여 안면의 특징 값을 업데이트한다. 예를 들어, 안면 데이터베이스에서 상기 사용자에 대응되는 모든 안면 특징을 추출하고, 상기 사용자 현재 안면 동적 특징(업데이트된 후의 안면 특징에 사용되는 융합될 특징) 및 사용자 현재 체크 안면 특징을 추출한다. 상기 현재 체크 안면 동적 특징과 이전 적응성 업데이트된 후 얻은 안면 특징의 유사도 점수를 계산하여, 상기 유사도 점수와 update_threshold을 비교하고, 만약 상기 유사도 점수가 상기 update_threshold보다 크면, 동적 특징 값을 안면 데이터베이스의 기존의 안면 특징에 업데이트하며, 구체적으로, 동적 특징 값은 현재 체크 안면 특징이 업데이트된 후의 안면 이미지 특징과 다른 특징 값이다.

본 발명의 분야에서 통상의 지식을 가진 자에게 있어서, 구체적인 실시형태의 상기 방법에서, 각 단계의 작성 순서는 엄격한 실행 순서를 의미하지 않고 실시 과정에 대해 제한하지 않으며, 각 단계의 구체적인 실행 순서는 기능 및 가능한 내재적 논리에 따라 결정되어야 한다는 것을 이해할 수 있다.

본 발명에서 언급된 상기 각각의 방법 실시예는, 원리 논리를 위배하지 않는 상황에서, 모두가 서로 결합되어 결합된 실시예를 형성할 수 있다.

이외에, 본 발명의 실시예는 데이터 업데이트 장치, 전자 기기, 컴퓨터 판독 가능 저장 매체, 프로그램을 더 제공하고, 상기 모두는 본 발명의 실시예에서 제공하는 임의의 하나의 데이터 업데이트 방법을 구현할 수 있으며, 상응하는 기술적 해결수단 및 설명은 방법 부분의 상응한 기재를 참조한다.

도 5는 본 발명의 실시예에 따른 데이터 업데이트 장치의 블록도를 도시한 것이고, 도 5에 도시된 바와 같이, 본 발명의 실시예의 데이터 업데이트 장치는, 타깃 객체의 제1 이미지를 획득하여, 상기 제1 이미지의 제1 이미지 특징을 획득하도록 구성되는 수집 유닛(31); 로컬 안면 데이터베이스에서 제2 이미지 특징을 획득하도록 구성되는 획득 유닛(32); 상기 제1 이미지 특징과 상기 제2 이미지 특징의 유사도를 비교하여, 비교 결과를 얻도록 구성되는 비교 유닛(33); 상기 비교 결과가 특징 업데이트 임계값보다 클 경우, 상기 제1 이미지 특징과 상기 제2 이미지 특징의 차이 특징을 획득하여, 상기 차이 특징을 동적 업데이트 특징으로 사용하도록 구성되는 차이 특징 획득 유닛(34); 및 상기 동적 업데이트 특징에 따라 상기 제2 이미지 특징을 적응성 업데이트하여, 업데이트된 후의 상기 타깃 객체의 특징 데이터를 얻도록 구성되는 업데이트 유닛(35)을 포함한다.

일부 실시예에서, 상기 장치는, 서버에서 발송하는 제2 이미지 특징을 수신하고, 상기 제2 이미지 특징을 상기 로컬 안면 데이터베이스에 저장하도록 구성되는 저장 유닛을 더 포함한다.

일부 실시예에서, 상기 업데이트 유닛은, 상기 차이 특징 및 상기 제2 이미지 특징에 대해 가중치 융합을 진행하여, 업데이트된 후의 상기 타깃 객체의 특징 데이터를 얻도록 구성된다.

일부 실시예에서, 상기 장치는, 상기 업데이트된 후의 상기 타깃 객체의 특징 데이터를 상기 제2 이미지 특징으로 사용하고, 상기 제2 이미지 특징을 저장하도록 구성되는 저장 유닛을 더 포함한다.

일부 실시예에서, 상기 장치는, 상기 비교 결과가 인식 임계값보다 큰 경우에 응답하여, 상기 타깃 객체의 인식 성공 프롬프트를 디스플레이하도록 구성되는 인식 유닛을 더 포함하고, 여기서, 상기 인식 임계값은 상기 특징 업데이트 임계값보다 작다.

일부 실시예에서, 본 발명의 실시예에서 제공하는 장치가 갖는 기능 또는 포함된 모듈은 상기 방법 실시예에서 설명되는 방법을 진행할 수 있고, 이는 상기 방법 실시예를 참조하는 설명을 구체적으로 구현할 수 있다.

본 발명의 실시예는 컴퓨터 프로그램 명령이 저장된 컴퓨터 판독 가능 저장 매체를 더 제공하고, 상기 컴퓨터 프로그램 명령이 프로세서에 의해 실행될 경우, 상기 방법을 구현한다. 컴퓨터 판독 가능 저장 매체는 비휘발성 컴퓨터 판독 가능 저장 매체일 수 있다.

본 발명의 실시예는, 프로세서; 및 프로세서에 의해 실행 가능 명령을 저장하도록 구성되는 메모리를 포함하는 전자 기기를 더 제공하고; 여기서, 상기 프로세서는 상기 방법을 수행하도록 구성된다.

전자 기기는 단말기, 서버 또는 다른 형태의 기기로 제공될 수 있다.

도 6은 예시적 실시예에 따른 전자 기기(800)의 블록도를 나타낸 것이다. 예를 들어, 전자 기기(800)는 휴대폰, 컴퓨터, 디지털 방송 단말기, 메시지 송수신 기기, 게임 콘솔, 태블릿 기기, 의료 기기, 헬스 기기 및 개인용 정보 단말기 등의 단말기일 수 있다.

도 6을 참조하면, 전자 기기(800)는, 프로세싱 컴포넌트(802), 메모리(804), 전원 컴포넌트(806), 멀티미디어 컴포넌트(808), 오디오 컴포넌트(810), 입력/출력(Input/Output, I/O) 인터페이스(812), 센서 컴포넌트(814) 및 통신 컴포넌트(816) 중의 하나 또는 복수의 컴포넌트를 포함할 수 있다.

일반적으로, 프로세싱 컴포넌트(802)는, 예를 들어, 디스플레이, 전화 통화, 데이터 통신, 카메라 조작 및 기록 조작에 관련된 조작과 같은 전자 기기(800)의 전반적 조작을 제어한다. 프로세싱 컴포넌트(802)는 상기 방법의 전부 또는 부분적 단계를 완료하기 위해 하나 또는 복수의 프로세서(820)를 포함하여 명령을 수행할 수 있다. 이외에, 프로세싱 컴포넌트(802)는, 프로세싱 컴포넌트(802)와 다른 컴포넌트 사이의 인터랙션의 편의를 위해 하나 또는 복수의 모듈을 포함할 수 있다. 예를 들어, 프로세싱 컴포넌트(802)는, 멀티미디어 컴포넌트(808)와 프로세싱 컴포넌트(802) 사이의 인터랙션의 편의를 위해 멀티미디어 모듈을 포함할 수 있다.

메모리(804)는, 다양한 타입의 데이터를 저장하여 전자 기기(800)의 조작을 지지하도록 구성된다. 이러한 데이터의 예시는, 전자 기기(800)에서 조작되는 임의의 응용 프로그램 또는 방법의 명령, 연락처 데이터, 전화번호부 데이터, 메시지, 사진 및 동영상 등을 포함한다. 메모리(804)는, 예를 들어, 정적 랜덤 액세스 메모리(SRAM, Static Random Access Memory), 전기적 소거 가능 프로그램 가능 판독 전용 메모리(EEPROM, Electrically Erasable Programmable Read Only Memory), 소거 가능 프로그램 가능 판독 전용 메모리(EPROM, Erasable Programmable Read Only Memory), 프로그램 가능 판독 전용 메모리(PROM, Programmable Read Only Memory), 판독 전용 메모리(ROM, Read Only Memory), 자기 메모리, 플래시 메모리, 자기 디스크 또는 광 디스크와 같은 임의의 타입의 휘발성 또는 비휘발성 저장 기기 또는 이들의 조합으로 구현될 수 있다.

전원 컴포넌트(806)는 전자 기기(800)의 다양한 컴포넌트를 위해 전력을 제공한다. 전원 컴포넌트(806)는, 전원 관리 시스템, 하나 또는 복수의 전원, 및 전자 기기(800)에 의한 전력의 생성, 관리 및 분배와 관련된 다른 컴포넌트를 포함할 수 있다.

멀티미디어 컴포넌트(808)는 상기 전자 기기(800)와 사용자 사이에 제공되는 출력 인터페이스의 스크린을 포함한다. 일부 실시예에서, 스크린은 액정 디스플레이(LCD, Liquid Crystal Display) 및 터치 패널(TP, TouchPanel)을 포함할 수 있다. 만약 스크린이 터치 패널을 포함하면, 스크린은 터치 스크린으로 구현되어, 사용자의 입력 신호를 수신할 수 있도록 구현된다. 터치 패널은, 터치, 슬라이딩 및 터치 패널의 제스처를 감지하는 하나 또는 복수의 터치 센서를 포함한다. 상기 터치 센서는 터치 또는 슬라이딩 동작의 경계를 감지하고, 또한 상기 터치 또는 슬라이딩 조작에 관련된 지속시간 및 압력을 감지할 수 있다. 일부 실시예에서, 멀티미디어 컴포넌트(808)는 전방 카메라 및/또는 후방 카메라를 포함한다. 전자 기기(800)가 예를 들어 촬영 모드 또는 동영상 모드와 같은 조작 모드에 처할 경우, 전방 카메라 및/또는 후방 카메라는 외부의 멀티미디어 데이터를 수신할 수 있다. 각각의 전방 카메라 및 후방 카메라는 고정된 광학 렌즈 시스템이거나 초점거리와 광학 줌 능력을 가질 수 있다.

오디오 컴포넌트(810)는 오디오 신호를 출력 및/또는 입력하도록 구성된다. 예를 들어, 오디오 컴포넌트(810)는 마이크(MIC, Microphone)를 포함하고, 전자 기기(800)가 예를 들어 통화 모드, 기록 모드 및 음성 인식 모드와 같은 조작 모드에 처할 경우, 마이크는 외부의 오디오 신호를 수신하도록 구성된다. 수신된 오디오 신호는 메모리(804)에 저장되거나 통신 컴포넌트(816)를 통해 송신될 수 있다. 일부 실시예에서, 오디오 컴포넌트(810)는 오디오 신호를 출력하는 스피커를 더 포함한다.

I/O 인터페이스(812)는 프로세싱 컴포넌트(802)와 주변 인터페이스 모듈 사이에 제공되는 인터페이스이고, 상기 주변 인터페이스 모듈은 키보드, 클릭 휠 및 버튼 등일 수 있다. 이러한 버튼은, 홈 버튼, 볼륨 버튼, 시작 버튼 및 잠금 버튼을 포함할 수 있지만, 이에 제한되지 않는다.

센서 컴포넌트(814)는, 전자 기기(800)를 위해 각 방면의 상태 평가를 제공하는 하나 또는 복수의 센서를 포함한다. 예를 들어, 센서 컴포넌트(814)는 전자 기기(800)의 온/오프 상태 및 컴포넌트의 상대적 위치를 감지할 수 있고, 예를 들어, 상기 컴포넌트는 전자 기기(800)의 디스플레이 및 키보드이며, 센서 컴포넌트(814)는 전자 기기(800) 또는 전자 기기(800)의 컴포넌트의 위치 변화, 사용자가 전자 기기(800)와 접촉하는지 여부, 전자 기기(800)의 방향 또는 가속/감속과 전자 기기(800) 온도의 변화를 더 감지할 수 있다. 센서 컴포넌트(814)는, 어떠한 물리적 접촉이 없을 경우에 주변 물체의 존재를 감지하도록 구성되는 근접 센서를 포함할 수 있다. 센서 컴포넌트(814)는, 예를 들어 이미징 응용에 사용되는 상보성 금속 산화물 반도체(Complementary Metal Oxide Semiconductor, CMOS) 또는 전하 결합 소자(Charge Coupled Device, CCD) 이미지 센서와 같은 광 센서를 포함할 수 있다. 일부 실시예에서, 상기 센서 컴포넌트(814)는, 가속도 센서, 자이로 센서, 자기 센서, 압력 센서 또는 온도 센서를 더 포함할 수 있다.

통신 컴포넌트(816)는 전자 기기(800)와 다른 기기 사이의 유선 또는 무선 형태의 통신에 편의하도록 구성된다. 전자 기기(800)는 예를 들어 WiFi, 2G 또는 3G, 또는 이들의 조합과 같은 통신 표준에 기반한 무선 네트워크에 접속할 수 있다. 예시적 실시예에서, 통신 컴포넌트(816)는 방송 채널을 통해 외부 방송 관리 시스템으로부터 방송 신호 또는 방송 관련 정보를 수신한다. 예시적 실시예에서, 상기 통신 컴포넌트(816)는, 단거리 통신을 촉진하는 근거리 통신(NFC, Near Field Communication) 모듈을 더 포함한다. 예를 들어, NFC 모듈은 무선 주파수 인식(RFID, Radio Frequency Identification) 기술, 적외선 데이터 연관(IrDA, Infrared Data Association) 기술, 초광대역(UWB, Ultra Wide Band) 기술, 블루투스(BT, Bluetooth) 기술 및 다른 기술에 기반하여 구현될 수 있다.

예시적 실시예에서, 전자 기기(800)는, 상기 방법을 수행하기 위한 하나 또는 복수의 전용 집적회로(ASIC, Application Specific Integrated Circuit), 디지털 신호 프로세서(DSP, Digital Signal Process), 디지털 신호 처리 기기(DSPD, Digital Signal Process Device), 프로그램 가능 논리 소자(PLD, Programmable Logic Device), 현장 필드 프로그램 가능 게이트 어레이(FPGA, Field Programmable Gate Array), 제어기, 마이크로 제어기, 마이크로 프로세서 또는 다른 전자 컴포넌트에 의해 구현될 수 있다.

예시적 실시예에서, 예를 들어, 컴퓨터 프로그램 명령을 포함하는 메모리(804)와 같은 비휘발성 컴퓨터 판독 가능 저장 매체를 더 제공하고, 상기 컴퓨터 프로그램 명령은 상기 방법을 완료하기 위해 전자 기기(800)의 프로세서(820)에 의해 수행될 수 있다.

도 7은 예시적 실시예에 따른 전자 기기(900)의 블록도를 나타낸 것이다. 예를 들어, 전자 기기(900)는 서버로 제공될 수 있다. 도 7을 참조하면, 전자 기기(900)는, 하나 또는 복수의 프로세서를 더 포함하는 프로세싱 컴포넌트(922), 및 프로세싱 컴포넌트(922)에 의해 예를 들어 응용 프로그램과 같은 실행 가능 명령을 저장하기 위한 메모리(932)를 대표로 하는 메모리 자원을 포함한다. 메모리(932)에 저장된 응용 프로그램은 한 그룹 명령에 각각 대응되는 하나 이상의 모듈을 포함할 수 있다. 이외에, 프로세싱 컴포넌트(922)는 상기 방법을 수행하기 위한 명령을 수행하도록 구성된다.

전자 기기(900)는, 전자 기기(900)의 전원 관리를 수행하도록 구성되는 전원 컴포넌트(926), 전자 기기(900)를 네트워크에 연결하도록 구성되는 유선 또는 무선 네트워크 인터페이스(950), 및 입력/출력(I/O) 인터페이스(958)를 포함할 수 있다. 전자 기기(900)는, 예를 들어, Windows ServerTM, Mac OS XTM, UnixTM, LinuxTM, FreeBSDTM 또는 유사한 것과 같은 메모리(932)에 저장된 조작 시스템을 기반으로 조작할 수 있다.

예시적 실시예에서, 예를 들어, 컴퓨터 프로그램 명령을 포함하는 메모리(932)와 같은 비휘발성 컴퓨터 판독 가능 저장 매체를 더 제공하고, 상기 컴퓨터 프로그램 명령은, 상기 방법을 완료하기 위한 전자 기기(900)의 프로세싱 컴포넌트(922)에 의해 수행될 수 있다.

본 발명의 실시예는 시스템, 방법 및/또는 컴퓨터 프로그램 제품일 수 있다. 컴퓨터 프로그램 제품은 컴퓨터 판독 가능 저장 매체를 포함할 수 있고, 여기에는 프로세서가 본 발명의 실시예의 각 양태를 구현하도록 하는 컴퓨터 판독 가능 프로그램 명령이 로딩되어 있다.

컴퓨터 판독 가능 저장 매체는 명령에 의해 실행되는 기기를 유지 및 저장하는 명령의 유형의 기기일 수 있다. 컴퓨터 판독 가능 저장 매체는 전기 저장 기기, 자기 저장 기기, 광학 저장 기기, 전자기 저장 기기, 반도체 저장 기기 또는 상기 임의의 적절한 조합일 수 있지만 이에 한정되지 않는다. 컴퓨터 판독 가능 저장 매체의 보다 구체적인 예는(완전하지 않은 리스트) 휴대용 컴퓨터 디스크, 하드 디스크, 랜덤 액세스 메모리(RAM, Random Access Memory), 판독 전용 메모리(ROM), 소거 및 프로그램 가능 판독 전용 메모리(EPROM 또는 플래시 메모리), 정적 랜덤 액세스 메모리(SRAM), 휴대용 컴팩트 판독 전용 메모리(CD-ROM, Compact Disk-Read Only Memory), 디지털 비디오 디스크(DVD, Digital Video Disc), 메모리스틱, 플로피 디스켓, 기계 코딩 기기, 예를 들어, 여기에 명령이 저장되는 천공 카드 또는 요홈 내 돌기 구조, 및 상기 임의의 적절한 조합을 포함한다. 여기서 사용되는 컴퓨터 판독 가능 저장 매체는 예컨대 무선파 또는 다른 자유 전파되는 전자파, 도파관 또는 다른 매체를 통해 전송되는 전자파(예를 들면, 광 섬유 와이어의 라이트 펄스), 또는 전선으로 전송되는 전기 신호와 같은 순간 신호 자체로 해석되지 않는다.

본 명세서에서 설명되는 컴퓨터 판독 가능 프로그램 명령은 컴퓨터 판독 가능 저장 매체에서 각각의 컴퓨팅/프로세싱 기기로 다운로드되거나, 예를 들어, 인터넷, 근거리 통신망, 광역 통신망 및/또는 무선 네트워크와 같은 네트워크를 통해 외부 컴퓨터 또는 외부 저장 기기에 다운도르될 수 있다. 네트워크는, 구리 전송 케이블, 광섬유 전송, 무선 전송, 라우터, 방화벽, 교환기, 게이트웨이 컴퓨터 및/또는 프린지 서버를 포함할 수 있다. 각각의 컴퓨팅/프로세싱 기기 중의 네트워크 어댑터 카드 또는 네트워크 인터페이스는 네트워크에서 컴퓨터 판독 가능 프로그램 명령을 수신하고, 상기 컴퓨터 판독 가능 프로그램 명령을 전달하여, 각각의 컴퓨팅/프로세싱 기기의 컴퓨터 판독 가능 저장 매체에 저장되도록 한다.

본 발명의 조작을 수행하는 컴퓨터 프로그램 명령은, 어셈블리 명령, 명령어 집합(ISA, Instruction Set Architecture) 명령, 기계적 명령, 기계 관련 명령, 마이크로 코드, 펌웨어 명령, 상태 설정 데이터, 또는 하나 이상의 프로그래밍 언어의 임의의 조합으로 작성된 소스 코드 또는 타깃 코드일 수 있고, 상기 프로그래밍 언어는 예를 들어, Smalltalk 및 C++ 등과 같은 객체 지향 프로그래밍 언어, 및 예를 들어 “C”언어 또는 유사한 프로그래밍 언어와 같은 기존 절차적 프로그래밍 언어를 포함한다. 컴퓨터 판독 가능 프로그램 명령은, 완전히 사용자 컴퓨터에서 실행되거나, 부분적으로 사용자 컴퓨터에서 실행되거나, 독립형 소프트웨어 패키지로서 실행되거나, 일부는 사용자의 컴퓨터에서 실행되고 일부는 원격 컴퓨터에서 실행되거나, 또는 완전히 원격 컴퓨터 또는 서버에서 실행될 수 있다. 원격 컴퓨터의 경우, 원격 컴퓨터는 모든 종류의 네트워크(LAN 또는 WAN을 포함함)를 통해 사용자의 컴퓨터에 연결되거나 외부 컴퓨터에 연결될 수 있다(예를 들어, 인터넷 서비스 제공 업체를 이용하여 인터넷을 통해 연결함). 일부 실시예에서, 컴퓨터 판독 가능 프로그램 명령의 상태 정보를 통해 프로그램 가능 논리 회로, 필드 프로그램 가능 게이트 어레이(FPGA) 또는 프로그램 가능 논리 어레이(PLA)와 같은 전자 회로를 맞춤형 제작하며, 상기 전자 회로는 컴퓨터 판독 가능 프로그램 명령을 수행하여 본 발명의 실시예의 각 양태를 구현할 수 있다.

여기서 본 발명의 실시예에 따른 방법, 장치(시스템) 및 컴퓨터 프로그램 제품의 흐름도/블록도를 참조하여 본 발명의 실시예의 각 양태를 설명한다. 흐름도 및/또는 블록도의 각 하나의 블록 및 흐름도 및/또는 블록도의 각 블록의 조합은 모두 컴퓨터 판독 가능 프로그램 명령에 의해 구현될 수 있음을 이해해야 한다.

이러한 컴퓨터 판독 가능 프로그램 명령은 범용 컴퓨터, 전용 컴퓨터 또는 다른 프로그램 가능 데이터 처리 장치의 프로세서에 제공되어 한 가지 기기를 생산하여 이러한 명령이 컴퓨터 또는 다른 프로그램 가능 데이터 처리 장치의 프로세서에서 실행될 경우, 흐름도 및/또는 블록도 중의 하나 또는 복수의 블록에 규정된 기능/동작을 구현하는 장치를 생성하였다. 또 이러한 컴퓨터 판독 가능 프로그램 명령을 컴퓨터 판독 가능 저장 매체에 저장할 수 있으며, 이러한 명령은 컴퓨터, 프로그램 가능 데이터 처리 및/또는 다른 기기가 특정된 방식으로 작동되도록 하며, 이로써 명령이 저장된 컴퓨터 판독 가능 매체가 하나의 완제품을 포함하도록 하며, 이는 흐름도 및/또는 블록도 중의 하나 또는 복수의 블록에 규정된 기능/동작의 각 양태의 명령을 구현한다.

컴퓨터 판독 가능 프로그램 명령을 컴퓨터, 다른 프로그램 가능 데이터 처리, 또는 다른 기기에 로딩시켜, 컴퓨터, 다른 프로그램 가능 데이터 처리 또는 다른 기기에서 일련의 동작 단계를 수행하도록 하여, 컴퓨터 구현의 과정을 생성함으로써, 컴퓨터, 다른 프로그램 가능 데이터 처리, 또는 다른 기기에서 실행되는 명령이 흐름도 및/또는 블록도 중의 하나 또는 복수의 블록에 규정된 기능/동작을 구현한다.

도면의 흐름도 및 블록도는 본 발명의 다양한 실시예에 따른 시스템, 방법 및 컴퓨터 프로그램 제품의 구현 가능한 아키텍처, 기능 및 조작을 디스플레이한다. 이 점에서, 흐름도 또는 블록도의 각 블록은 지정된 논리 기능을 구현하기 위한 하나 또는 하나 이상의 실행 가능 명령을 포함하는 모듈, 프로그램 세그먼트 또는 코드의 일부를 나타낼 수 있다. 일부 대안적인 구현에서, 블록에 마크업된 기능은 또한 도면에 도시된 것과 다른 순서로 발생할 수 있다. 예를 들어, 연속적인 2개의 블록은 실제로 병렬로 실행될 수 있고, 관련 기능에 따라 때때로 역순으로 실행될 수도 있다. 또한, 블록도 및/또는 흐름도의 각 블록, 및 블록도 및/또는 흐름도에서 블록의 조합은 지정된 기능 또는 동작을 수행하는 전용 하드웨어 기반 시스템에서 구현될 수 있거나 전용 하드웨어와 컴퓨터 명령을 조합하여 구현할 수도 있음에 유의해야 한다.

상기와 같이 본 발명의 각 실시예를 설명하였고, 상기 설명은 예시적인 것으로서 완전한 것이 아니며, 또한 공개된 각 실시예에 의해 한정되지 않는다. 설명되는 각 실시예의 범위 및 정신을 벗어나지 않는 상황에서, 본 기술분야의 통상의 기술자에게 있어서 많은 보정과 변경은 모두 자명한 것이다. 본 명세서에서 사용되는 용어의 선택은 실시예의 원리, 실제 응용 또는 시장에서 기술에 대한 기술 개진으로 해석됨이 바람직하며, 또는 본 기술분야의 통상의 기술자는 본 명세서에서 공개된 각 실시예를 이해할 수 있다.

상기와 같이, 본 발명의 실시예의 구체적인 실시형태일 뿐, 본 발명의 실시예의 보호범위는 이에 한정되지 않으며, 임의의 본 기술분야를 숙지한 기술자는 본 발명의 실시예에 개시된 기술 범위 내에서 쉽게 생각해낼 수 있는 변경 또는 교체는 모두 본 발명의 실시예의 보호범위 내에 포함되어야 한다. 따라서, 본 발명의 실시예의 보호범위는 청구 보호 범위를 기준으로 해야 한다.

본 발명의 실시예에서 데이터 업데이트 장치는, 타깃 객체의 제1 이미지를 획득하여, 상기 제1 이미지의 제1 이미지 특징을 획득하고; 로컬 안면 데이터베이스에서 제2 이미지 특징을 획득하며; 상기 제1 이미지 특징 및 상기 제2 이미지 특징의 유사도를 비교하여, 비교 결과를 얻고; 상기 비교 결과가 특징 업데이트 임계값보다 클 경우, 상기 제1 이미지 특징과 상기 제2 이미지 특징의 차이 특징을 획득하여, 상기 차이 특징을 동적 업데이트 특징으로 사용하며; 상기 동적 업데이트 특징에 따라 상기 제2 이미지 특징을 적응성 업데이트하여, 업데이트된 후의 상기 타깃 객체의 특징 데이터를 얻는다. 본 발명의 실시예에서 데이터 업데이트 장치는 안면 데이터베이스 중의 베이스 라이브러리 이미지를 빈번하게 수동 업데이트할 필요가 없으므로, 인식 효율을 향상시킨다.

Claims

데이터 업데이트 방법으로서,
타깃 객체의 제1 이미지를 획득하여, 상기 제1 이미지의 제1 이미지 특징을 획득하는 단계;
로컬 안면 데이터베이스에서 제2 이미지 특징을 획득하는 단계;
상기 제1 이미지 특징과 상기 제2 이미지 특징의 유사도를 비교하여, 비교 결과를 얻는 단계;
상기 비교 결과가 특징 업데이트 임계값보다 클 경우, 상기 제1 이미지 특징과 상기 제2 이미지 특징의 차이 특징을 획득하여, 상기 차이 특징을 동적 업데이트 특징으로 사용하는 단계; 및
상기 동적 업데이트 특징에 따라 상기 제2 이미지 특징을 적응성 업데이트하여, 업데이트된 후의 상기 타깃 객체의 특징 데이터를 얻는 단계를 포함하는 데이터 업데이트 방법.
제1항에 있어서,
상기 로컬 안면 데이터베이스에서 제2 이미지 특징을 획득하는 단계 이전에,
서버에서 발송하는 제2 이미지 특징을 수신하고, 상기 제2 이미지 특징을 상기 로컬 안면 데이터베이스에 저장하는 단계를 포함하는 데이터 업데이트 방법.
제1항 또는 제2항에 있어서,
상기 동적 업데이트 특징에 따라 상기 제2 이미지 특징을 적응성 업데이트하는 단계는,
상기 차이 특징 및 상기 제2 이미지 특징에 대해 가중치 융합을 진행하여, 업데이트된 후의 상기 타깃 객체의 특징 데이터를 얻는 단계를 포함하는 데이터 업데이트 방법.
제1항 또는 제3항에 있어서,
상기 업데이트된 후의 상기 타깃 객체의 특징 데이터를 상기 제2 이미지 특징으로 사용하고, 상기 제2 이미지 특징을 저장하는 데이터 업데이트 방법.
제1항 내지 제4항 중 어느 한 항에 있어서,
상기 비교 결과가 인식 임계값보다 큰 경우에 응답하여, 상기 타깃 객체의 인식 성공 프롬프트를 디스플레이하는 단계를 더 포함하고, 상기 인식 임계값은 상기 특징 업데이트 임계값보다 작은 데이터 업데이트 방법.
데이터 업데이트 장치로서,
타깃 객체의 제1 이미지를 획득하여, 상기 제1 이미지의 제1 이미지 특징을 획득하도록 구성되는 수집 유닛;
로컬 안면 데이터베이스에서 제2 이미지 특징을 획득하도록 구성되는 획득 유닛;
상기 제1 이미지 특징과 상기 제2 이미지 특징의 유사도를 비교하여, 비교 결과를 얻도록 구성되는 비교 유닛;
상기 비교 결과가 특징 업데이트 임계값보다 클 경우, 상기 제1 이미지 특징과 상기 제2 이미지 특징의 차이 특징을 획득하여, 상기 차이 특징을 동적 업데이트 특징으로 사용하도록 구성되는 차이 특징 획득 유닛; 및
상기 동적 업데이트 특징에 따라 상기 제2 이미지 특징을 적응성 업데이트하여, 업데이트된 후의 상기 타깃 객체의 특징 데이터를 얻도록 구성되는 업데이트 유닛을 포함하는 데이터 업데이트 장치.
제6항에 있어서,
서버에서 발송하는 제2 이미지 특징을 수신하고, 상기 제2 이미지 특징을 상기 로컬 안면 데이터베이스에 저장하도록 구성되는 저장 유닛을 더 포함하는 데이터 업데이트 장치.
제6항 또는 제7항에 있어서,
상기 업데이트 유닛은,
상기 차이 특징 및 상기 제2 이미지 특징에 대해 가중치 융합을 진행하여, 업데이트된 후의 상기 타깃 객체의 특징 데이터를 얻도록 구성되는 데이터 업데이트 장치.
제6항 또는 제8항에 있어서,
상기 업데이트된 후의 상기 타깃 객체의 특징 데이터를 상기 제2 이미지 특징으로 사용하고, 상기 제2 이미지 특징을 저장하도록 구성되는 저장 유닛을 더 포함하는 데이터 업데이트 장치.
제6항 내지 제9항 중 어느 한 항에 있어서,
상기 비교 결과가 인식 임계값보다 큰 경우에 응답하여, 상기 타깃 객체의 인식 성공 프롬프트를 디스플레이하도록 구성되는 인식 유닛을 더 포함하고, 상기 인식 임계값은 상기 특징 업데이트 임계값보다 작은 데이터 업데이트 장치.
전자 기기로서,
프로세서; 및
프로세서에 의해 실행 가능 명령을 저장하도록 구성되는 메모리를 포함하고;
상기 프로세서는 제1항 내지 제5항 중 어느 한 항에 따른 방법을 수행하도록 구성되는 전자 기기.
컴퓨터 프로그램 명령이 저장되는 컴퓨터 판독 가능 저장 매체로서,
상기 컴퓨터 프로그램 명령이 프로세서에 의해 실행될 경우, 제1항 내지 제5항 중 어느 한 항에 따른 방법을 수행하는 컴퓨터 판독 가능 저장 매체.
컴퓨터 프로그램 제품으로서,
상기 컴퓨터 프로그램 제품은 컴퓨터 실행 가능 명령을 포함하고, 상기 컴퓨터 실행 가능 명령이 실행된 후, 제1항 내지 제5항 중 어느 한 항에 따른 방법을 구현 가능한 컴퓨터 프로그램 제품.