TWI775091B - 資料更新方法、電子設備和儲存介質 - Google Patents

資料更新方法、電子設備和儲存介質 Download PDF

Info

Publication number
TWI775091B
TWI775091B TW109118779A TW109118779A TWI775091B TW I775091 B TWI775091 B TW I775091B TW 109118779 A TW109118779 A TW 109118779A TW 109118779 A TW109118779 A TW 109118779A TW I775091 B TWI775091 B TW I775091B
Authority
TW
Taiwan
Prior art keywords
feature
image
update
face
image feature
Prior art date
Application number
TW109118779A
Other languages
English (en)
Other versions
TW202105199A (zh
Inventor
趙宏斌
蔣文忠
劉毅
Original Assignee
中國商深圳市商湯科技有限公司
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 中國商深圳市商湯科技有限公司 filed Critical 中國商深圳市商湯科技有限公司
Publication of TW202105199A publication Critical patent/TW202105199A/zh
Application granted granted Critical
Publication of TWI775091B publication Critical patent/TWI775091B/zh

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
    • 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
    • G06V40/168—Feature extraction; Face representation
    • 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)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Oral & Maxillofacial Surgery (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)

Abstract

本申請實施例提供一種資料更新方法、電子設備和儲存介質，其中，該方法包括：獲取目標物件的第一圖像，並獲取所述第一圖像的第一圖像特徵；從本地人臉資料庫中獲取第二圖像特徵；將所述第一圖像特徵和所述第二圖像特徵進行相似度比對，得到比對結果；所述比對結果大於特徵更新閾值的情況下，獲取所述第一圖像特徵與所述第二圖像特徵的差異特徵，並將所述差異特徵作為動態更新特徵；根據所述動態更新特徵對所述第二圖像特徵進行自適應更新，得到更新後的所述目標物件的特徵資料。

Description

資料更新方法、電子設備和儲存介質
本申請涉及電腦視覺領域，尤其涉及一種資料更新方法、電子設備和儲存介質。
電腦視覺的資料匹配場景中，以人臉識別為例，對於上下班簽到的打卡場景、或者出於內部安全考慮的打卡情況，對打卡使用者的識別，目前是透過與手動更新的人臉資料庫中的人臉圖像進行比對，處理效率低下。
本申請實施例提供一種資料更新方法、電子設備和儲存介質。
本申請實施例提供一種資料更新方法，所述方法包括： 獲取目標物件的第一圖像，並獲取所述第一圖像的第一圖像特徵； 從本地人臉資料庫中獲取第二圖像特徵； 將所述第一圖像特徵和所述第二圖像特徵進行相似度比對，得到比對結果； 所述比對結果大於特徵更新閾值的情況下，獲取所述第一圖像特徵與所述第二圖像特徵的差異特徵，並將所述差異特徵作為動態更新特徵； 根據所述動態更新特徵對所述第二圖像特徵進行自適應更新，得到更新後的所述目標物件的特徵資料。
在一些實施例中，在所述從本地人臉資料庫中獲取第二圖像特徵之前，包括： 接收伺服器下發的第二圖像特徵，並將所述第二圖像特徵儲存在所述本地人臉資料庫。
在一些實施例中，所述根據所述動態更新特徵對所述第二圖像特徵進行自適應更新，包括： 將所述差異特徵與所述第二圖像特徵進行加權融合，得到更新後的所述目標物件的特徵資料。
在一些實施例中，將所述更新後的所述目標物件的特徵資料作為所述第二圖像特徵，並儲存該第二圖像特徵。
在一些實施例中，所述方法還包括： 回應於所述比對結果大於識別閾值的情況下，顯示對所述目標物件識別成功的提示，其中，所述識別閾值小於所述特徵更新閾值。
本申請實施例提供一種資料更新裝置，所述裝置包括： 採集單元，配置為獲取目標物件的第一圖像，並獲取所述第一圖像的第一圖像特徵； 獲取單元，配置為從本地人臉資料庫中獲取第二圖像特徵； 比對單元，配置為將所述第一圖像特徵和所述第二圖像特徵進行相似度比對，得到比對結果； 差異特徵獲取單元，配置為所述比對結果大於特徵更新閾值的情況下，獲取所述第一圖像特徵與所述第二圖像特徵的差異特徵，並將所述差異特徵作為動態更新特徵； 更新單元，配置為根據所述動態更新特徵對所述第二圖像特徵進行自適應更新，得到更新後的所述目標物件的特徵資料。
在一些實施例中，所述裝置還包括儲存單元，配置為： 接收伺服器下發的第二圖像特徵，並將所述第二圖像特徵儲存在所述本地人臉資料庫。
在一些實施例中，所述更新單元，配置為； 將所述差異特徵與所述第二圖像特徵進行加權融合，得到更新後的所述目標物件的特徵資料。
在一些實施例中，所述裝置還包括儲存單元，配置為： 將所述更新後的所述目標物件的特徵資料作為所述第二圖像特徵，並儲存該第二圖像特徵。
在一些實施例中，所述裝置還包括識別單元，配置為： 回應於所述比對結果大於識別閾值的情況下，顯示對所述目標物件識別成功的提示，其中，所述識別閾值小於所述特徵更新閾值。
本申請實施例提供一種電子設備，包括： 處理器； 配置為儲存處理器可執行指令的記憶體； 其中，所述處理器被配置為：執行上述資料更新方法。
本申請實施例提供一種電腦可讀儲存介質，其上儲存有電腦程式指令，所述電腦程式指令被處理器執行時實現上述資料更新方法。
本申請實施例提供一種計算程式產品，其中，所述電腦程式產品包括電腦可執行指令，該電腦可執行指令被執行後，能夠實現上述資料更新方法。
在本申請實施例中，獲取目標物件的第一圖像，並獲取所述第一圖像的第一圖像特徵；從本地人臉資料庫中獲取第二圖像特徵；將所述第一圖像特徵和所述第二圖像特徵進行相似度比對，得到比對結果；所述比對結果大於特徵更新閾值的情況下，獲取所述第一圖像特徵與所述第二圖像特徵的差異特徵，並將所述差異特徵作為動態更新特徵；根據所述動態更新特徵對所述第二圖像特徵進行自適應更新，得到更新後的所述目標物件的特徵資料。透過將第一圖像特徵（目標物件需要識別的人臉圖像的圖像特徵）與第二圖像特徵（目標物件儲存於人臉資料庫中的人臉圖像的圖像特徵）進行圖像特徵相似度的比對，根據比對結果和特徵更新閾值可以對第二圖像特徵實現自適應更新，將待識別目標物件對應的第一圖像特徵與人臉資料庫中自適應更新的第二圖像特徵進行比對，且不需要頻繁去手動更新人臉資料庫中的底庫圖片，提高了人臉識別率效率。
以下將參考附圖詳細說明本申請的各種示例性實施例、特徵和方面。附圖中相同的附圖標記表示功能相同或相似的元件。儘管在附圖中示出了實施例的各種方面，但是除非特別指出，不必按比例繪製附圖。
在這裡專用的詞「示例性」意為「用作例子、實施例或說明性」。這裡作為「示例性」所說明的任何實施例不必解釋為優於或好於其它實施例。
本文中術語「和/或」，僅僅是一種描述關聯物件的關聯關係，表示可以存在三種關係，例如，A和/或B，可以表示：單獨存在A，同時存在A和B，單獨存在B這三種情況。另外，本文中術語「至少一種」表示多種中的任意一種或多種中的至少兩種的任意組合，例如，包括A、B、C中的至少一種，可以表示包括從A、B和C構成的集合中選擇的任意一個或多個元素。
另外，為了更好的說明本申請實施例，在下文的具體實施方式中給出了眾多的具體細節。本領域技術人員應當理解，沒有某些具體細節，本申請實施例同樣可以實施。在一些實例中，對於本領域技術人員熟知的方法、手段、元件和電路未作詳細描述，以便於凸顯本申請實施例的主旨。
人臉識別的應用場景中，員工上下班簽到需要透過打卡機進行打卡識別，或者處於公司內部的安全需要，有權限的人員可以進入特殊的辦公區域，需要進行打卡識別。在一些監控領域，也需要對出入人員進行打卡識別。在打卡識別的過程中，是將現場即時拍攝的人臉圖像特徵與人臉資料庫中已有的人臉圖像特徵進行圖像特徵比對。然而，儲存於人臉資料庫中已有的人臉圖像特徵，可能由於當初對目標物件進行圖像採集時採集的不準確，或者目標物件換了髮型，或者目標物件臉變胖或變瘦等等，這些都可能導致識別失敗，導致人臉識別率低。為了提高人臉識別率，需要頻繁去手動更新人臉資料庫中的底庫圖片（如最初對目標物件進行圖像採集時所得到的註冊圖像），這種手動更新的處理方式，其處理效率低下。對此，本申請實施例透過對人臉資料庫中的註冊圖像進行自適應更新，換言之，透過不斷的最佳化已註冊的頭像的特徵值，可以提高人臉識別率，提高人臉資料庫中圖像更新的處理效率。
第1圖示出根據本申請實施例的資料更新方法的流程圖，該資料更新方法應用於資料更新裝置，例如，資料更新裝置可以由終端設備或伺服器或其它處理設備執行，其中，終端設備可以為使用者設備（UE，User Equipment）、移動設備、蜂窩電話、無線電話、個人數位助理（PDA，Personal Digital Assistant）、手持設備、計算設備、車載設備、可穿戴設備等。在一些實施例中，該資料更新方法可以透過處理器調用記憶體中儲存的電腦可讀指令的方式來實現。如第1圖所示，該流程包括：
步驟S101、獲取目標物件的第一圖像，並獲取所述第一圖像的第一圖像特徵。
一示例中，目標物件（某公司員工）在通過門禁時，需要透過打卡機進行打卡識別。打卡識別可以透過指紋識別，也可以透過人臉識別。在人臉識別的情況下，採用攝影機對目標物件現場即時拍攝，得到的人臉圖像為所述第一圖像。
一示例中，從第一圖像中提取出第一圖像特徵，可以根據特徵提取網路（如圖卷積神經網路）對所述第一圖像進行特徵提取，得到所述第一圖像對應的一個或多個特徵向量，根據所述一個或多個特徵向量得到所述第一圖像特徵。除了特徵提取網路，還可以採用其他網路，能實現特徵提取的，都包含在本申請實施例的保護範圍內。
步驟S102、從本地人臉資料庫中獲取第二圖像特徵。
一示例中，進行人臉識別是將現場即時拍攝的人臉圖像特徵與人臉資料庫中已有的人臉圖像特徵進行圖像特徵比對，人臉資料庫中已有的人臉圖像特徵為所述第二圖像特徵。第二圖像特徵包括但不限於：1）最初對目標物件進行圖像採集時得到的註冊圖像對應的特徵；以及2）透過本申請實施例的資料更新流程所得到的上一次更新對應的更新後第二圖像特徵。
步驟S103、將所述第一圖像特徵和所述第二圖像特徵進行相似度比對，得到比對結果。
一示例中，對圖像進行特徵提取的過程中，可以從所述第一圖像中提取第一圖像特徵，可以從所述第二圖像中提取第二圖像特徵，將所述第一圖像特徵和第二圖像特徵進行圖像特徵相似度，得到相似度分值，該相似度分值即為所述比對結果。其中，所述第一圖像特徵和所述第二圖像特徵只是為了指代並進行說明，不限於一個特徵，可以是多個特徵。
其中，考慮到識別速度和識別準確率需求，如果第二圖像特徵是在識別時從第二圖像中即時提取得到的，可能會降低識別速度和識別準確率。因此，在一些實施例中，第二圖像特徵從伺服器下發並預先儲存於本地，即：在所述從本地人臉資料庫中獲取第二圖像特徵之前，包括：接收伺服器下發的第二圖像特徵，並將所述第二圖像特徵儲存在所述本地人臉資料庫。比如，採用「本地識別機+伺服器模式」，在伺服器執行對第二圖像特徵的提取處理，然後伺服器會下發第二圖像特徵（也就是註冊圖的圖像特徵）到本地識別機，然後本地進行比對，根據比對結果更新下發到本地人臉資料的第二圖像特徵，更新後得到的第二圖像特徵，仍然儲存於本地人臉資料庫。將更新後得到的第二圖像特徵存於本地而不是上傳到伺服器，是因為每台伺服器可能會對應N臺本地識別機，每個本地識別機硬體設定或者軟體運行環境的不同，也可能造成圖像特徵的不同，也就是說，將更新後得到的第二圖像特徵存於本地，是一種簡單、高效且識別率高的方式。且在採用「本地識別機+伺服器模式」情況下每次識別時都會進行比對結果與特徵更新閾值的比較，比對結果大於特徵更新閾值的情況下，獲取所述第一圖像特徵與所述第二圖像特徵的差異特徵，並將所述差異特徵作為動態更新特徵，根據所述動態更新特徵對所述第二圖像特徵進行自適應更新，得到更新後的所述目標物件的特徵資料。
步驟S104、所述比對結果大於特徵更新閾值的情況下，獲取所述第一圖像特徵與所述第二圖像特徵的差異特徵，並將所述差異特徵作為動態更新特徵。
一示例中，對圖像進行特徵提取，將對應第一圖像的第一圖像特徵與對應第二圖像的第二圖像特徵進行圖像特徵相似度比對，得到相似度分值（該相似度分值為所述比對結果的一個示例，比對結果不限於相似度，還可以是其他用於評估兩個圖像比對的參數）後，根據相似度分值和特徵更新閾值，對第二圖像特徵進行自適應更新，當相似度分值大於特徵更新閾值的情況下，獲取所述第一圖像特徵與所述第二圖像特徵的差異特徵，比如，根據相似度分值將所述第一圖像中不同於第二圖像的圖像特徵作為針對所述第二圖像的差異特徵，將所述差異特徵作為動態更新特徵。所述的差異特徵，可以為不同的髮型、是否戴眼鏡等特徵。
步驟S105、根據所述動態更新特徵對所述第二圖像特徵進行自適應更新，得到更新後的所述目標物件的特徵資料。
在一些實施例中，根據所述動態更新特徵對所述第二圖像特徵進行自適應更新，包括：將所述差異特徵與所述第二圖像特徵進行加權融合，得到更新後的所述目標物件的特徵資料。可以將所述更新後的所述目標物件的特徵資料作為所述第二圖像特徵，並儲存該第二圖像特徵到本地人臉資料庫中。
在一些實施例中，所述方法還包括：回應於所述比對結果大於識別閾值的情況下，顯示對所述目標物件識別成功的提示，其中，所述識別閾值小於所述特徵更新閾值。無論對於將比對結果與識別閾值進行比對，還是將比對結果與特徵更新閾值進行比對，該比對結果可以為同一個相似度分值，識別閾值小於所述特徵更新閾值。可以先進行比對結果與識別閾值的比對，識別通過證明是本人後，再進行比對結果與特徵更新閾值的比對。
需要指出的是：在第一次自適應更新的過程中，以員工上下班簽到的打卡場景為例，是將打卡時現場即時拍攝的人臉圖像特徵與註冊圖像特徵（最初對目標物件進行圖像採集時所得到的註冊圖像對應特徵，並儲存於人臉資料庫中，這個註冊圖像是原圖）進行圖像特徵比對。而第一次自適應更新後的每一次更新過程中，是將打卡時現場即時拍攝的人臉圖像特徵與已更新動態圖像特徵（上一次自適應更新後得到的動態圖對應特徵）來比對。
本申請實施例在將第一圖像特徵（目標物件需要識別的人臉圖像特徵）如打卡場景中現場即時拍攝的人臉圖像特徵與第二圖像特徵（目標物件儲存於人臉資料庫中的人臉圖像特徵）如人臉資料庫中已有的人臉圖像特徵進行圖像特徵比對的情況下，考慮到儲存於人臉資料庫中已有的人臉圖像特徵（註冊圖像或稱原圖對應的特徵），可能由於當初對目標物件進行圖像採集時採集的不準確，或者目標物件換了髮型，或者目標物件臉變胖或變瘦等等，或者物件化妝或不化妝這些都可能導致識別失敗，導致人臉識別成功率低。將現場即時拍攝的人臉圖像的圖像特徵與透過自適應更新並不斷對人臉資料庫中已有的人臉圖像特徵進行優化的更新圖像進行圖像特徵相似度的比對，不僅提高了識別率，而且，由於替代相關技術中手動更新人臉資料庫中的已有人臉圖像，不需要頻繁去手動更新人臉資料庫中的已存圖像，而是透過現場即時拍攝的人臉圖像特徵與已存人臉圖像特徵的比對，來不斷更新人臉資料庫中的已存人臉圖像特徵，從而提高了人臉資料庫中人臉圖像特徵更新的識別效率。
第2圖示出根據本申請實施例的資料更新方法的流程圖，該資料更新方法應用於資料更新裝置，例如，資料更新裝置可以由終端設備或伺服器或其它處理設備執行，其中，終端設備可以為使用者設備（UE，User Equipment）、移動設備、蜂窩電話、無線電話、個人數位助理（PDA，Personal Digital Assistant）、手持設備、計算設備、車載設備、可穿戴設備等。在一些實施例中，該資料更新方法可以透過處理器調用記憶體中儲存的電腦可讀指令的方式來實現。如第2圖所示，第二圖像為目標物件初始註冊到人臉識別系統情況下所得到的註冊圖像，將比對結果中第一圖像和第二圖像（註冊圖像）這二者圖像相似度最高的，作為動態更新特徵，該流程包括：
步驟S201、對目標物件進行人臉識別的情況下，採集得到第一圖像。
一示例中，例如目標物件（某公司員工）在上下班簽到時，需要透過打卡機進行打卡識別。打卡識別可以透過指紋識別，也可以透過人臉識別。在人臉識別的情況下，採用攝影機對目標物件現場即時拍攝，得到的人臉圖像為所述第一圖像。
步驟S202、從本地人臉資料庫中獲取對應目標物件的第二圖像特徵。
一示例中，進行人臉識別是將現場即時拍攝的人臉圖像特徵與人臉資料庫中已有的人臉圖像特徵進行圖像特徵比對，人臉資料庫中已有的人臉圖像特徵為所述第二圖像特徵。第二圖像特徵為最初對目標物件進行圖像採集時得到的註冊圖像。
步驟S203、將第一圖像特徵和註冊圖像特徵進行圖像特徵相似度的比對，得到比對結果。
一示例中，對圖像進行特徵提取的過程中，可以從所述第一圖像中提取第一圖像特徵，將第一圖像特徵與第二圖像特徵（註冊圖像特徵）進行圖像特徵相似度比對，得到相似度分值，該相似度分值即為所述比對結果。其中，所述第一圖像特徵和所述第二圖像特徵只是為了指代並進行說明，不限於一個特徵，可以是多個特徵。
步驟S204、比對結果為一個且比對結果大於特徵更新閾值的情況下，獲取第一圖像特徵與註冊圖像特徵的差異特徵，並將差異特徵作為動態更新特徵。
根據相似度分值和特徵更新閾值，對註冊圖像特徵進行自適應更新，當相似度分值大於特徵更新閾值的情況下，獲取所述第一圖像特徵與註冊圖像特徵的差異特徵，比如，根據相似度分值將所述第一圖像中不同於註冊圖像的圖像特徵作為差異特徵，將所述差異特徵作為動態更新特徵。
步驟S205、根據所述動態更新特徵對所述註冊圖像特徵進行自適應更新，得到更新後的所述目標物件的特徵資料。
本申請實施例在將第一圖像特徵（目標物件需要識別的人臉圖像特徵）如打卡場景中現場即時拍攝的人臉圖像特徵與第二圖像特徵（目標物件儲存於人臉資料庫中的註冊圖像或稱原圖對應特徵）進行圖像特徵比對的情況下，屬於第一次自適應更新的過程。考慮到儲存於人臉資料庫中已有的人臉圖像特徵（註冊圖像或稱原圖對應特徵），可能由於當初對目標物件進行圖像採集時採集的不準確，或者目標物件換了髮型，或者目標物件臉變胖或變瘦等等，或者物件化妝或不化妝這些都可能導致識別失敗，導致人臉識別率低。將現場即時拍攝的人臉圖像與透過自適應更新並不斷對人臉資料庫中已有的人臉圖像特徵（註冊圖像或稱原圖對應特徵）進行優化的更新圖像進行圖像特徵相似度的比對，不僅提高了識別率，而且，由於替代相關技術中手動更新人臉資料庫中的已有人臉圖像，不需要頻繁去手動更新人臉資料庫中的已存圖像特徵，而是透過現場即時拍攝的人臉圖像特徵與已存人臉圖像特徵的比對，來不斷更新人臉資料庫中的已存人臉圖像特徵，從而提高了人臉資料庫中人臉圖像特徵更新的處理效率。
第3圖示出根據本申請實施例的資料更新方法的流程圖，該資料更新方法應用於資料更新裝置，例如，資料更新裝置可以由終端設備或伺服器或其它處理設備執行，其中，終端設備可以為使用者設備（UE，User Equipment）、移動設備、蜂窩電話、無線電話、個人數位助理（PDA，Personal Digital Assistant）、手持設備、計算設備、車載設備、可穿戴設備等。在一些實施例中，該資料更新方法可以透過處理器調用記憶體中儲存的電腦可讀指令的方式來實現。如第3圖所示，第二圖像為上一次自適應更新後得到的更新後人臉圖像特徵或稱為動態更新圖像特徵，將比對結果中第一圖像特徵和第二圖像特徵（在註冊圖像基礎上不斷最佳化更新的第二圖像特徵，即該更新後人臉圖像特徵）這二者圖像特徵相似度最高的，作為動態更新特徵，該流程包括：
步驟S301、對目標物件進行人臉識別的情況下，採集得到第一圖像。
一示例中，目標物件（某公司員工）在上下班簽到時，需要透過打卡機進行打卡識別。打卡識別可以透過指紋識別，也可以透過人臉識別。在人臉識別的情況下，採用攝影機對目標物件現場即時拍攝，得到的人臉圖像為所述第一圖像。
步驟S302、從本地人臉資料庫中獲取對應目標物件的第二圖像特徵。
一示例中，進行人臉識別是將現場即時拍攝的人臉圖像特徵與人臉資料庫中已有的人臉圖像特徵進行圖像特徵比對，人臉資料庫中已有的人臉圖像特徵為所述第二圖像特徵。第二圖像特徵為透過本申請實施例的資料更新流程所得到的上一次更新後得到的第二圖像特徵。
步驟S303、將第一圖像特徵和上一次自適應更新後人臉圖像特徵進行圖像特徵相似度的比對，得到比對結果。
一示例中，對圖像進行特徵提取的過程中，可以從所述第一圖像中提取第一圖像特徵與上一次自適應更新後人臉圖像特徵進行圖像特徵相似度比對，得到相似度分值，該相似度分值即為所述比對結果。其中，所述第一圖像特徵和所述第二圖像特徵只是為了指代並進行說明，不限於一個特徵，可以是多個特徵。
步驟S304、所述比對結果為一個且比對結果大於特徵更新閾值的情況下，獲取第一圖像特徵與上一次自適應更新後人臉圖像特徵的差異特徵，並將差異特徵作為動態更新特徵。
根據相似度分值和特徵更新閾值，對該上一次自適應更新後人臉圖像特徵進行自適應更新，當相似度分值大於特徵更新閾值的情況下，獲取所述第一圖像特徵與該上一次自適應更新後人臉圖像特徵的差異特徵，比如，根據相似度分值將所述第一圖像中不同於該上一次自適應更新後人臉圖像特徵作為差異特徵，將所述差異特徵作為動態更新特徵。
步驟S305、根據所述動態更新特徵對所述註冊圖像特徵進行自適應更新，得到更新後的所述目標物件的特徵資料。
本申請實施例在將第一圖像特徵（目標物件需要識別的人臉圖像特徵）如打卡場景中現場即時拍攝的人臉圖像特徵與第二圖像特徵（目標物件儲存於人臉資料庫中該上一次自適應更新後人臉圖像特徵）進行圖像特徵比對的情況下，屬於第二次及以上自適應更新的過程。考慮到儲存於人臉資料庫中初始已有的人臉圖像特徵（註冊圖像或稱原圖對應特徵），可能由於當初對目標物件進行圖像採集時採集的不準確，或者目標物件換了髮型，或者目標物件臉變胖或變瘦等等，或者用戶化妝或不化妝這些都可能導致識別失敗，導致人臉識別率低。將現場即時拍攝的人臉圖像與透過自適應更新並不斷對人臉資料庫中已有的人臉圖像（註冊圖像或稱原圖對應特徵）進行最佳化的更新圖像進行圖像特徵相似度的比對，在第二次及以上自適應更新的過程中不斷與該上一次自適應更新後人臉圖像特徵進行相似度比對，不僅提高了識別率，而且，由於替代相關技術中手動更新人臉資料庫中的已有人臉圖像特徵，不需要頻繁去手動更新人臉資料庫中的已存圖像特徵，而是透過現場即時拍攝的人臉圖像特徵與已存人臉圖像特徵的比對，來不斷更新人臉資料庫中的已存人臉圖像特徵，從而，提高了人臉資料庫中人臉圖像特徵更新的處理效率。
在一些實施例中，根據動態更新特徵對所述第二圖像特徵進行自適應更新，包括：將所述動態更新特徵，按照配置的權重值融合到上一次自適應更新後得到的第二圖像特徵的已有特徵值中，以實現所述自適應更新。本申請實施例可以把新的相似度分數高的特徵值按照預設的權重融合到原有的特徵值（透過抓取現場圖人臉特徵進行特徵值融合，能夠更好提高在不同識別環境下識別透過率），不斷的最佳化已註冊的頭像的特徵值。
一示例中，在所述自適應更新中，一個打卡的場景中，第一圖像表示使用者打卡時所採集到的當前人臉圖像；第二圖像表示在人臉資料庫中從初始註冊圖像不斷自適應更新而最佳化得到的動態特徵融合後的人臉圖，其中，註冊圖像為使用者初始註冊到打卡系統時得到的圖像並儲存於該人臉資料庫中。由於在圖像比對時具體採用圖像特徵比對，因此，對應第一圖像的特徵以
Figure 02_image001
表示，指本次打卡情況下現場即時拍攝人臉圖像對應的特徵；對應第二圖像的特徵以x表示，指將動態更新特徵（用於自適應更新過程中更新到第二圖像人臉特徵的待融合特徵）融合到已有圖像中所得到更新後第二圖像（在註冊圖像基礎上不斷最佳化更新所得到的第二圖像，即該更新後人臉圖像）對應的特徵；對應註冊圖像的特徵以
Figure 02_image003
表示，指使用者註冊到人臉識別系統中的原圖或稱註冊圖像。透過將
Figure 02_image001
和x進行比對，得到比對結果（如進行圖像特徵相似度的比對以得到相似度分值），如果相似度分值大於識別閾值，則識別透過，打卡成功。識別透過後，可以證明是用戶本人，觸發人臉資料庫中已有圖像特徵的自適應更新，採用的公式為：
Figure 02_image005
，比如可選取
Figure 02_image007
=0.95，但應保持經本次自適應更新過程中，將動態更新特徵（用於自適應更新過程中更新到第二圖像人臉特徵的待融合特徵）融合到已有圖像中所得到更新後第二圖像對應的特徵x不與註冊圖像對應的特徵
Figure 02_image003
距離太大，要滿足
Figure 02_image009
；其中，
Figure 02_image007
為特徵更新閾值，
Figure 02_image011
為權重。
一示例中，將所述第一圖像特徵和所述第二圖像特徵進行圖像特徵相似度的比對，得到比對結果之前，所述方法還包括：將第一圖像特徵和所述第二圖像特徵進行圖像特徵匹配且匹配結果大於識別閾值的情況下，對所述目標物件發出打卡識別通過的指令；觸發對所述第二圖像進行自適應更新的處理。本申請實施例與識別閾值匹配後，證明是目標物件本人後觸發資料更新，具體的，是將相似度分值與特徵更新閾值去比對，如果高於這個特徵更新閾值，則將當前提取的「動態更新特徵」（或簡稱「動態特徵值」）如戴眼鏡，戴彩瞳或者染了頭髮等特徵，融合到之前在註冊圖像基礎上不斷最佳化更新所得到更新最佳化的第二圖像，即該更新後人臉圖像中，實現人臉圖像不斷的自適應更新。其中，與該比對識別閾值去匹配，證明是本人，包括：1）將現場即時拍攝的人臉圖像（如打卡圖像）與最初對目標物件進行圖像採集時得到的註冊圖像去匹配，以及2）將現場即時拍攝的人臉圖像（如打卡圖像）與更新後第二圖像（透過本申請實施例的資料更新流程所得到的上一次更新對應的更新後圖像）去匹配。其中，動態更新特徵（或簡稱「動態特徵值」）用於自適應更新過程中更新到第二圖像人臉特徵的待融合特徵。
第4圖示出根據本申請實施例的資料更新方法的流程圖，該示例中，自適應更新過程中基於當前人臉特徵的相似度分數與特徵更新閾值比對的情況下，可以與註冊時的註冊人臉特徵比對，也可以與更新後人臉特徵比對。自適應更新過程中以與註冊時的註冊人臉特徵比對而言，包括的內容如第4圖所示：1）識別透過：員工使用公司的人臉識別系統進行人臉打卡識別，首先要往人臉資料庫中註冊一張人臉，得到註冊人臉圖像。員工使用的時候會用攝影機抓取到的當前打卡人臉特徵（即現場拍攝人臉圖像對應的人臉特徵）和人臉資料庫中已存人臉特徵（包括第一次自適應更新時的註冊人臉特徵、及在註冊圖像基礎上不斷最佳化更新後得到的更新後人臉圖像）做比對，如果相似度大於設置的識別閾值，則認為是該員工本人。2）自適應更新：拿著員工當前的打卡人臉特徵和人臉資料庫中已存人臉特徵（包括第一次自適應更新時的註冊人臉特徵、及在註冊圖像基礎上不斷最佳化更新後得到的更新後人臉圖像）做比對，如果比對結果（如相似度分數）大於了設置的特徵更新閾值（如0.91），則根據打卡人臉特徵不同於該更新後人臉圖像特徵的動態特徵值去做圖像自適應更新，即將當前打卡人臉特徵和上一次自適應更新後得到的更新後人臉圖像特徵再次融合。其中，動態特徵值=updateFeature（動態特徵值，註冊人臉的特徵值，當前打卡人臉的特徵值）。下次用戶再打卡的時候就是用攝影機抓取到的當前打卡人臉特徵和上一次自適應更新後得到的更新後人臉特徵做比對。需要指出的是，還可以在自適應更新前將打卡人臉特徵與註冊圖像的初始特徵進行一次比對，大於特徵更新閾值才觸發自適應更新，好處是：可以避免用於融合的該動態特徵值與註冊人臉的初始特徵相差太大導致特徵更新不準確。
應用示例：
考慮使用者的當前需要動態更新並融合到人臉資料庫中的人臉特徵x，本次現場攝影機採集的打卡人臉特徵
Figure 02_image013
且打卡成功，則
Figure 02_image005
，比如可選取
Figure 02_image007
=0.95，但應保持該打卡人臉特徵x不與人臉資料庫中初始的註冊圖像特徵
Figure 02_image003
距離太大，要滿足
Figure 02_image009
。其中，
Figure 02_image007
為特徵更新閾值，
Figure 02_image011
為權重。
這個方法主要是透過在識別通過並且相似度分數高於設置的特徵更新閾值(update_threshold)情況下，透過把新的分數高的特徵值按照一定的權重融合到原有的特徵值，不斷的最佳化已註冊的頭像的特徵值，從而達到提高本人召回率(recall)的作用，換言之，達到對目標物件人臉識別率的作用。
使用該方法包括如下內容：
1)可以首先設置初始值，如下所示：update_threshold：現場本人新的相似度分數高於這個特徵更新閾值，才需要調用這個方法來更新已有的特徵值；minimum_update_weight：最小權重，現階段設置為0.85，根據實際需求可以修改；maximum_update_weight：最大權重，現階段設置為0.95，根據實際需求可以修改。
對於權重而言，用於表徵該特徵更新閾值可能的取值範圍為0.85-0.95，比如可以取0.91。
上述設置的調用方法，先調用update_threshold參數，獲得最小權重和最大權重，將update_threshold參數賦值為在0.85-0.95的取值範圍內浮動。
2)可以設置三個特徵值，一個是註冊人臉圖像的特徵值，一個當前人臉資料庫裡人臉圖像的特徵值，還有一個當前現場拍攝圖(即當前打卡圖像)的特徵值，比對是用當前現場拍攝圖的特徵值和當前人臉資料庫裡的特徵值進行對比，根據比對結果與特徵更新閾值之間的關係進行自適應更新。其中，為了防止用於融合的該「動態更新特徵」(或簡稱「動態特徵值」)與註冊人臉這原圖的初始特徵相差太大，自適應更新前可以將註冊人臉的初始特徵與當前現場拍攝圖的特徵進行一次比對，大於特徵更新閾值才去更新。可以設置有兩個閾值，一個是識別閾值，一個是特徵更新閾值，特徵更新閾值一般大於識別閾值。
在圖像自適應更新之前還可以增加一識別通過的過程，採用compare_threshold表示比對時候的識別閾值，如果圖像特徵值的比對結果(打卡人臉特徵和上一次自適應更新後得到的更新後人臉特徵)高於識別閾值，則確定識別成功，顯示識別成功的提示。
3)在後續人臉特徵比對的過程中，發現圖像特徵的相似度比對(打卡人臉特徵和上一次自適應更新後得到的更新後人臉特徵進行比對)高於update_threshold的特徵值，就調用以下的方法來更新人臉的特徵值。如，提取人臉資料庫中該使用者對應的所有人臉特徵，提取該使用者當前人臉動態特徵(用於更新後人臉特徵的待融合特徵)，提取該使用者當前打卡人臉特徵。計算該當前打卡人臉動態特徵與上一次自適應更新後得到的人臉特徵的相似度分數，將該相似度分數與update_threshold比較，如果該相似度分數高於該update_threshold，則將動態特徵值更新到人臉資料庫已有人臉特徵中，具體的，動態特徵值為當前打卡人臉特徵不同於更新後人臉圖像特徵的特徵值。
本領域技術人員可以理解，在具體實施方式的上述方法中，各步驟的撰寫順序並不意味著嚴格的執行順序而對實施過程構成任何限定，各步驟的具體執行順序應當以其功能和可能的內在邏輯確定。
本申請提及的上述各個方法實施例，在不違背原理邏輯的情況下，均可以彼此相互結合形成結合後的實施例。
此外，本申請實施例還提供了資料更新裝置、電子設備、電腦可讀儲存介質、程式，上述均可用來實現本申請實施例提供的任一種資料更新方法，相應技術方案和描述和參見方法部分的相應記載。
第5圖示出根據本申請實施例的資料更新裝置的框圖，如第5圖所示，本申請實施例的資料更新裝置，包括：採集單元31，配置為獲取目標物件的第一圖像，並獲取所述第一圖像的第一圖像特徵；獲取單元32，配置為從本地人臉資料庫中獲取第二圖像特徵；比對單元33，配置為將所述第一圖像特徵和所述第二圖像特徵進行相似度比對，得到比對結果；差異特徵獲取單元34，配置為所述比對結果大於特徵更新閾值的情況下，獲取所述第一圖像特徵與所述第二圖像特徵的差異特徵，並將所述差異特徵作為動態更新特徵；更新單元35，配置為根據所述動態更新特徵對所述第二圖像特徵進行自適應更新，得到更新後的所述目標物件的特徵資料。
在一些實施例中，所述裝置還包括儲存單元，配置為：接收伺服器下發的第二圖像特徵，並將所述第二圖像特徵儲存在所述本地人臉資料庫。
在一些實施例中，所述更新單元，配置為：將所述差異特徵與所述第二圖像特徵進行加權融合，得到更新後的所述目標物件的特徵資料。
在一些實施例中，所述裝置還包括儲存單元，配置為：將所述更新後的所述目標物件的特徵資料作為所述第二圖像特徵，並儲存該第二圖像特徵。
在一些實施例中，所述裝置還包括識別單元，配置為：回應於所述比對結果大於識別閾值的情況下，顯示對所述目標物件識別成功的提示，其中，所述識別閾值小於所述特徵更新閾值。
在一些實施例中，本申請實施例提供的裝置具有的功能或包含的模組可以配置為執行上文方法實施例描述的方法，其具體實現可以參照上文方法實施例的描述。
本申請實施例還提出一種電腦可讀儲存介質，其上儲存有電腦程式指令，所述電腦程式指令被處理器執行時實現上述方法。電腦可讀儲存介質可以是非易失性電腦可讀儲存介質。
本申請實施例還提出一種電子設備，包括：處理器；配置為儲存處理器可執行指令的記憶體；其中，所述處理器被配置為上述方法。
電子設備可以被提供為終端、伺服器或其它形態的設備。
第6圖是根據一示例性實施例示出的一種電子設備800的框圖。例如，電子設備800可以是行動電話、電腦、數位廣播終端、消息收發設備、遊戲控制台、平板設備、醫療設備、健身設備、個人數位助理等終端。
參照第6圖，電子設備800可以包括以下一個或多個元件：處理元件802、記憶體804、電源元件806、多媒體元件808、音訊元件810、輸入/輸出（I/O，Input/Output）的介面812、感測器元件814、以及通訊元件816。
處理元件802通常控制電子設備800的整體操作，諸如與顯示、電話呼叫、資料通訊、相機操作和記錄操作相關聯的操作。處理元件802可以包括一個或多個處理器820來執行指令，以完成上述的方法的全部或部分步驟。此外，處理元件802可以包括一個或多個模組，便於處理元件802和其他元件之間的交互。例如，處理元件802可以包括多媒體模組，以方便多媒體元件808和處理元件802之間的交互。
記憶體804被配置為儲存各種類型的資料以支援在電子設備800的操作。這些資料的示例包括用於在電子設備800上操作的任何應用程式或方法的指令、連絡人資料、電話簿資料、消息、圖片、影片等。記憶體804可以由任何類型的易失性或非易失性存放裝置或者它們的組合實現，如靜態隨機存取記憶體（SRAM，Static Random Access Memory）、電可擦除可程式設計唯讀記憶體（EEPROM，Electrically Erasable Programmable Read Only Memory）、可擦除可程式設計唯讀記憶體（EPROM，Erasable Programmable Read Only Memory）、可程式設計唯讀記憶體（PROM，Programmable Read Only Memory）、唯讀記憶體（ROM，Read Only Memory）、磁記憶體、快閃記憶體、磁片或光碟。
電源元件806為電子設備800的各種元件提供電力。電源元件806可以包括電源管理系統、一個或多個電源，及其他與為電子設備800生成、管理和分配電力相關聯的組件。
多媒體元件808包括在所述電子設備800和使用者之間的提供一個輸出介面的螢幕。在一些實施例中，螢幕可以包括液晶顯示器（LCD，Liquid Crystal Display）和觸控面板（TP，TouchPanel）。如果螢幕包括觸控面板，螢幕可以被實現為觸控式螢幕，以接收來自使用者的輸入信號。觸控面板包括一個或多個觸控感測器以感測觸摸、滑動和觸控面板上的手勢。所述觸控感測器可以不僅感測觸摸或滑動動作的邊界，而且還檢測與所述觸摸或滑動操作相關的持續時間和壓力。在一些實施例中，多媒體元件808包括一個前置攝影機和/或後置攝影機。當電子設備800處於操作模式，如拍攝模式或視訊模式時，前置攝影機和/或後置攝影機可以接收外部的多媒體資料。每個前置攝影機和後置攝影機可以是一個固定的光學透鏡系統或具有焦距和光學變焦能力。
音訊元件810被配置為輸出和/或輸入音訊信號。例如，音訊元件810包括一個麥克風（MIC，Microphone），當電子設備800處於操作模式，如呼叫模式、記錄模式和語音辨識模式時，麥克風被配置為接收外部音訊信號。所接收的音訊信號可以被進一步儲存在記憶體804或經由通訊元件816發送。在一些實施例中，音訊元件810還包括一個揚聲器，用於輸出音訊信號。
I/O介面812為處理元件802和周邊介面模組之間提供介面，上述周邊介面模組可以是鍵盤、點擊輪、按鈕等。這些按鈕可包括但不限於：主頁按鈕、音量按鈕、啟動按鈕和鎖定按鈕。
感測器元件814包括一個或多個感測器，用於為電子設備800提供各個方面的狀態評估。例如，感測器元件814可以檢測到電子設備800的打開/關閉狀態，元件的相對定位，例如所述元件為電子設備800的顯示器和小鍵盤，感測器元件814還可以檢測電子設備800或電子設備800一個元件的位置改變，使用者與電子設備800接觸的存在或不存在，電子設備800方位或加速/減速和電子設備800的溫度變化。感測器元件814可以包括接近感測器，被配置用來在沒有任何的物理接觸時檢測附近物體的存在。感測器元件814還可以包括光感測器，如互補金屬氧化物半導體（CMOS，Complementary Metal Oxide Semiconductor）或電荷耦合器件（CCD，Charge Coupled Device）圖像感測器，用於在成像應用中使用。在一些實施例中，該感測器元件814還可以包括加速度感測器、陀螺儀感測器、磁感測器、壓力感測器或溫度感測器。
通訊元件816被配置為便於電子設備800和其他設備之間有線或無線方式的通訊。電子設備800可以接入基於通訊標準的無線網路，如WiFi、2G或3G、或它們的組合。在一個示例性實施例中，通訊元件816經由廣播通道接收來自外部廣播管理系統的廣播信號或廣播相關資訊。在一個示例性實施例中，所述通訊元件816還包括近場通訊（NFC，Near Field Communication）模組，以促進短程通訊。例如，在NFC模組可基於射頻識別（RFID，Radio Frequency Identification）技術，紅外資料協會（IrDA，Infrared Data Association）技術、超寬頻（UWB，Ultra Wide Band）技術、藍牙（BT，Bluetooth）技術和其他技術來實現。
在示例性實施例中，電子設備800可以被一個或多個應用專用積體電路（ASIC，Application Specific Integrated Circui t）、數位訊號處理器（DSP，Digital Signal Process）、數位信號處理設備（DSPD，Digital Signal Process Device）、可程式設計邏輯器件（PLD，Programmable Logic Device）、現場可程式設計閘陣列（FPGA，Field Programmable Gate Array）、控制器、微控制器、微處理器或其他電子元件實現，用於執行上述方法。
在示例性實施例中，還提供了一種非易失性電腦可讀儲存介質，例如包括電腦程式指令的記憶體804，上述電腦程式指令可由電子設備800的處理器820執行以完成上述方法。
第7圖是根據一示例性實施例示出的一種電子設備900的框圖。例如，電子設備900可以被提供為一伺服器。參照第7圖，電子設備900包括處理元件922，其進一步包括一個或多個處理器，以及由記憶體932所代表的記憶體資源，用於儲存可由處理元件922的執行的指令，例如應用程式。記憶體932中儲存的應用程式可以包括一個或一個以上的每一個對應於一組指令的模組。此外，處理元件922被配置為執行指令，以執行上述方法。
電子設備900還可以包括一個電源元件926被配置為執行電子設備900的電源管理，一個有線或無線網路介面950被配置為將電子設備900連接到網路，和一個輸入輸出（I/O）介面958。電子設備900可以操作基於儲存在記憶體932的作業系統，例如Windows ServerTM、Mac OS XTM、UnixTM、LinuxTM、FreeBSDTM或類似。
在示例性實施例中，還提供了一種非易失性電腦可讀儲存介質，例如包括電腦程式指令的記憶體932，上述電腦程式指令可由電子設備900的處理元件922執行以完成上述方法。
本申請實施例可以是系統、方法和/或電腦程式產品。電腦程式產品可以包括電腦可讀儲存介質，其上載有用於使處理器實現本申請實施例的各個方面的電腦可讀程式指令。
電腦可讀儲存介質可以是可以保持和儲存由指令執行設備使用的指令的有形設備。電腦可讀儲存介質例如可以是但不限於：電存放裝置、磁存放裝置、光存放裝置、電磁存放裝置、半導體存放裝置或者上述的任意合適的組合。電腦可讀儲存介質的更具體的例子（非窮舉的列表）包括：可攜式電腦盤、硬碟、隨機存取記憶體（RAM，Random Access Memory）、唯讀記憶體（ROM）、可擦式可程式設計唯讀記憶體（EPROM或快閃記憶體）、靜態隨機存取記憶體（SRAM）、可攜式壓縮磁碟唯讀記憶體（CD-ROM，Compact Disk-Read Only Memory）、數位多功能盤（DVD，Digital Video Disc）、記憶棒、軟碟、機械編碼設備、例如其上儲存有指令的打孔卡或凹槽內凸起結構、以及上述的任意合適的組合。這裡所使用的電腦可讀儲存介質不被解釋為暫態信號本身，諸如無線電波或者其他自由傳播的電磁波、透過波導或其他傳輸媒介傳播的電磁波（例如，透過光纖電纜的光脈衝）、或者透過電線傳輸的電信號。
這裡所描述的電腦可讀程式指令可以從電腦可讀儲存介質下載到各個計算/處理設備，或者透過網路、例如網際網路、區域網路、廣域網路和/或無線網下載到外部電腦或外部存放裝置。網路可以包括銅傳輸電纜、光纖傳輸、無線傳輸、路由器、防火牆、交換機、閘道電腦和/或邊緣伺服器。每個計算/處理設備中的網路介面卡或者網路介面從網路接收電腦可讀程式指令，並轉發該電腦可讀程式指令，以供儲存在各個計算/處理設備中的電腦可讀儲存介質中。
用於執行本申請實施例操作的電腦程式指令可以是彙編指令、指令集架構（ISA，Instruction Set Architecture）指令、機器指令、機器相關指令、微代碼、韌體指令、狀態設置資料、或者以一種或多種程式設計語言的任意組合編寫的原始程式碼或目標代碼，所述程式設計語言包括物件導向的程式設計語言，諸如Smalltalk、C++等，以及常規的過程式程式設計語言，諸如「C」語言或類似的程式設計語言。電腦可讀程式指令可以完全地在使用者電腦上執行、部分地在使用者電腦上執行、作為一個獨立的套裝軟體執行、部分在使用者電腦上部分在遠端電腦上執行、或者完全在遠端電腦或伺服器上執行。在涉及遠端電腦的情形中，遠端電腦可以透過任意種類的網路（包括區域網路或廣域網路）連接到使用者電腦，或者，可以連接到外部電腦（例如利用網際網路服務提供者來透過網際網路連接）。在一些實施例中，透過利用電腦可讀程式指令的狀態資訊來個性化定制電子電路，例如可程式設計邏輯電路、現場可程式設計閘陣列（FPGA）或可程式設計邏輯陣列（PLA，Programmable Logic Arrays），該電子電路可以執行電腦可讀程式指令，從而實現本申請實施例的各個方面。
這裡參照根據本申請實施例的方法、裝置（系統）和電腦程式產品的流程圖和/或框圖描述了本申請實施例的各個方面。應當理解，流程圖和/或框圖的每個方框以及流程圖和/或框圖中各方框的組合，都可以由電腦可讀程式指令實現。
這些電腦可讀程式指令可以提供給通用電腦、專用電腦或其它可程式設計資料處理裝置的處理器，從而生產出一種機器，使得這些指令在透過電腦或其它可程式設計資料處理裝置的處理器執行時，產生了實現流程圖和/或框圖中的一個或多個方框中規定的功能/動作的裝置。也可以把這些電腦可讀程式指令儲存在電腦可讀儲存介質中，這些指令使得電腦、可程式設計資料處理裝置和/或其他設備以特定方式工作，從而，儲存有指令的電腦可讀介質則包括一個製造品，其包括實現流程圖和/或框圖中的一個或多個方框中規定的功能/動作的各個方面的指令。
也可以把電腦可讀程式指令載入到電腦、其它可程式設計資料處理裝置、或其它設備上，使得在電腦、其它可程式設計資料處理裝置或其它設備上執行一系列操作步驟，以產生電腦實現的過程，從而使得在電腦、其它可程式設計資料處理裝置、或其它設備上執行的指令實現流程圖和/或框圖中的一個或多個方框中規定的功能/動作。
附圖中的流程圖和框圖顯示了根據本申請的多個實施例的系統、方法和電腦程式產品的可能實現的體系架構、功能和操作。在這點上，流程圖或框圖中的每個方框可以代表一個模組、程式段或指令的一部分，所述模組、程式段或指令的一部分包含一個或多個用於實現規定的邏輯功能的可執行指令。在有些作為替換的實現中，方框中所標注的功能也可以以不同於附圖中所標注的順序發生。例如，兩個連續的方框實際上可以基本並行地執行，它們有時也可以按相反的循序執行，這依所涉及的功能而定。也要注意的是，框圖和/或流程圖中的每個方框、以及框圖和/或流程圖中的方框的組合，可以用執行規定的功能或動作的專用的基於硬體的系統來實現，或者可以用專用硬體與電腦指令的組合來實現。
以上已經描述了本申請的各實施例，上述說明是示例性的，並非窮盡性的，並且也不限於所披露的各實施例。在不偏離所說明的各實施例的範圍和精神的情況下，對於本技術領域的普通技術人員來說許多修改和變更都是顯而易見的。本文中所用術語的選擇，旨在最好地解釋各實施例的原理、實際應用或對市場中技術的技術改進，或者使本技術領域的其它普通技術人員能理解本文披露的各實施例。
以上所述，僅為本申請實施例的具體實施方式，但本申請實施例的保護範圍並不局限於此，任何熟悉本技術領域的技術人員在本申請實施例揭露的技術範圍內，可輕易想到變化或替換，都應涵蓋在本申請實施例的保護範圍之內。因此，本申請實施例的保護範圍應以所述請求項的保護範圍為准。 工業實用性
本申請實施例中資料更新裝置獲取目標物件的第一圖像，並獲取所述第一圖像的第一圖像特徵；從本地人臉資料庫中獲取第二圖像特徵；將所述第一圖像特徵和所述第二圖像特徵進行相似度比對，得到比對結果；所述比對結果大於特徵更新閾值的情況下，獲取所述第一圖像特徵與所述第二圖像特徵的差異特徵，並將所述差異特徵作為動態更新特徵；根據所述動態更新特徵對所述第二圖像特徵進行自適應更新，得到更新後的所述目標物件的特徵資料。本申請實施例中資料更新裝置不需要頻繁去手動更新人臉資料庫中的底庫圖片，從而提高了識別效率。
S101,S102,S103,S104,S105:步驟 S201,S202,S203,S204,S205:步驟 S301,S302,S303,S304,S305:步驟 31:採集單元 32:獲取單元 33:比對單元 34:差異特徵獲取單元 35:更新單元 800:電子設備 802:處理器 804:記憶體 806:電源元件 808:多媒體元件 810:音訊元件 812:輸入/輸出介面 814:感測器元件 816:通訊元件 820:處理器 900:電子設備 922:處理元件 926:電源元件 932:記憶體 950:網路介面 958:輸入輸出介面
此處的附圖被併入說明書中並構成本說明書的一部分，這些附圖示出了符合本申請的實施例，並與說明書一起用於說明本申請實施例的技術方案。
第1圖示出根據本申請實施例的資料更新方法的流程圖； 第2圖示出根據本申請實施例的資料更新方法的流程圖； 第3圖示出根據本申請實施例的資料更新方法的流程圖； 第4圖示出根據本申請實施例的資料更新方法的流程圖； 第5圖示出根據本申請實施例的資料更新裝置的框圖； 第6圖示出根據本申請實施例的電子設備的框圖； 第7圖示出根據本申請實施例的電子設備的框圖。
S101,S102,S103,S104,S105:步驟

Claims (5)

  1. 一種資料更新方法，其中，所述方法應用於處理器，所述方法包括：獲取目標物件的第一圖像，並獲取所述第一圖像的第一圖像特徵；從本地人臉資料庫中獲取第二圖像特徵；將所述第一圖像特徵和所述第二圖像特徵進行相似度比對，得到比對結果，其中，所述比對結果包括相似度分值；所述比對結果大於特徵更新閾值的情況下，獲取所述第一圖像特徵與所述第二圖像特徵的差異特徵，並將所述差異特徵作為動態更新特徵；根據所述動態更新特徵對所述第二圖像特徵進行更新，得到更新後的所述目標物件的特徵資料；其中，所述方法還包括：回應於所述比對結果大於識別閾值的情況下，顯示對所述目標物件識別成功的提示，其中，所述識別閾值小於所述特徵更新閾值；其中，所述根據所述動態更新特徵對所述第二圖像特徵進行更新，包括：將所述差異特徵與所述第二圖像特徵進行加權融合，得到更新後的所述目標物件的特徵資料。
  2. 根據請求項1所述的方法，其中，在所述從本地人臉資料庫中獲取第二圖像特徵之前，包括：接收伺服器下發的第二圖像特徵，並將所述第二圖像特徵儲存在所述本地人臉資料庫。
  3. 根據請求項1或2所述的方法，其中，將所述更新後的所述目標物件的特徵資料作為所述第二圖像特徵，並儲存該第二圖像特徵。
  4. 一種電子設備，其中，所述電子設備包括： 處理器；配置為儲存處理器可執行指令的記憶體；其中，所述處理器被配置為：執行請求項1至3中任意一項所述的方法。
  5. 一種電腦可讀儲存媒體，其上儲存有電腦程式指令，所述電腦程式指令被處理器執行時實現請求項1至3中任意一項所述的方法。
TW109118779A 2019-07-16 2020-06-04 資料更新方法、電子設備和儲存介質 TWI775091B (zh)

Applications Claiming Priority (2)

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

Publications (2)

Publication Number Publication Date
TW202105199A TW202105199A (zh) 2021-02-01
TWI775091B true TWI775091B (zh) 2022-08-21

Family

ID=68220153

Family Applications (1)

Application Number Title Priority Date Filing Date
TW109118779A TWI775091B (zh) 2019-07-16 2020-06-04 資料更新方法、電子設備和儲存介質

Country Status (6)

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

Families Citing this family (24)

* 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
CN112418006A (zh) * 2020-11-05 2021-02-26 北京迈格威科技有限公司 目标识别方法、装置和电子系统
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
CN114332297A (zh) * 2021-12-31 2022-04-12 深圳Tcl新技术有限公司 图像的绘制方法、装置、计算机设备和存储介质
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
CN105917361A (zh) * 2014-01-28 2016-08-31 高通股份有限公司 动态地更新含有对应于已知目标对象的特征的特征数据库

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
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
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
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
CN105917361A (zh) * 2014-01-28 2016-08-31 高通股份有限公司 动态地更新含有对应于已知目标对象的特征的特征数据库

Also Published As

Publication number Publication date
JP7110413B2 (ja) 2022-08-01
US20220092296A1 (en) 2022-03-24
TW202105199A (zh) 2021-02-01
KR20210054550A (ko) 2021-05-13
WO2021008195A1 (zh) 2021-01-21
CN110363150A (zh) 2019-10-22
JP2021533443A (ja) 2021-12-02

Similar Documents

Publication Publication Date Title
TWI775091B (zh) 資料更新方法、電子設備和儲存介質
EP3179408B1 (en) Picture processing method and apparatus, computer program and recording medium
WO2021031609A1 (zh) 活体检测方法及装置、电子设备和存储介质
TW202029055A (zh) 一種行人識別方法、裝置、電子設備及非臨時性電腦可讀儲存介質
US20160314442A1 (en) Numerical value transfer method, terminal, cloud server and storage medium
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
EP3246850A1 (en) Image sending method and apparatus, computer program and recording medium
EP3261046A1 (en) Method and device for image processing
CN110796094A (zh) 基于图像识别的控制方法及装置、电子设备和存储介质
CN108154466A (zh) 图像处理方法及装置
CN109039877A (zh) 一种显示未读消息数量的方法、装置、电子设备及存储介质
CN109101542B (zh) 图像识别结果输出方法及装置、电子设备和存储介质
CN112188091B (zh) 人脸信息识别方法、装置、电子设备及存储介质
KR20160150635A (ko) 클라우드 카드를 추천하기 위한 방법 및 장치
CN112101216A (zh) 人脸识别方法、装置、设备及存储介质
US10950272B2 (en) Method and apparatus for obtaining audio-visual information, device, and storage medium
CN112434338A (zh) 图片分享方法、装置、电子设备及存储介质
CN107734303B (zh) 视频标识方法及装置
TWI770531B (zh) 人臉識別方法、電子設備和儲存介質
CN111062407B (zh) 图像处理方法及装置、电子设备和存储介质
CN105653623B (zh) 图片收集方法及装置
CN111651627A (zh) 数据处理方法及装置、电子设备和存储介质
CN107239490B (zh) 一种命名人脸图像的方法、装置及计算机可读存储介质
CN114356529A (zh) 图像处理方法及装置、电子设备和存储介质

Legal Events

Date Code Title Description
GD4A Issue of patent certificate for granted invention patent