CN111666443A - 业务处理方法、装置、电子设备及计算机可读存储介质 - Google Patents
业务处理方法、装置、电子设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN111666443A CN111666443A CN202010496795.5A CN202010496795A CN111666443A CN 111666443 A CN111666443 A CN 111666443A CN 202010496795 A CN202010496795 A CN 202010496795A CN 111666443 A CN111666443 A CN 111666443A
- Authority
- CN
- China
- Prior art keywords
- face
- target
- matching
- detected
- face data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—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
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0281—Customer communication at a business location, e.g. providing product or service information, consulting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Library & Information Science (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Human Computer Interaction (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Databases & Information Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Biology (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
Abstract
本申请提供了一种业务处理方法、装置、电子设备及计算机可读存储介质,涉及大数据领域。该方法包括:获取业务处理请求;所述业务处理请求包括待检测对象的人脸数据;当所述人脸数据满足预设的检测条件时,基于预设的临时数据库对所述人脸数据进行匹配;若匹配成功,则生成所述业务处理请求的第一处理结果,并基于所述人脸数据对所述临时数据库和预设的完整数据库进行更新;若匹配失败,则基于所述完整数据库对所述人脸数据进行匹配,得到匹配结果,并基于所述匹配结果生成所述业务处理请求对应的第二处理结果,以及基于所述人脸数据对所述完整数据库进行更新。本申请大大提高检索的效率和准确性,从而提高业务处理的效率和准确性。
Description
技术领域
本申请涉及大数据技术领域,具体而言,本申请涉及一种业务处理方法、装置、电子设备及计算机可读存储介质。
背景技术
人工智能技术目前在智慧零售领域有着广泛的应用,其中包括应用于智慧零售商场场景(比如顾客到场到店提醒方案)的推广和落地,赋能线下门店,打造新零售。
现有的顾客到场到店提醒方案包括获取顾客的人脸数据,然后基于人脸识别技术完成到场到店提醒业务。但是,现有的到场到店提醒方案存在下列缺点:
(1)算法性能较差。在人脸识别过程中,随着人脸数量的增长,人脸识别算法的准确率会明显下降;
(2)检索速度较慢:在人脸识别过程中,随着人脸数量的增长,导致识别速度较慢,对于提醒这一个实时性要求很高的业务来说将是一个巨大挑战。
发明内容
本申请提供了一种业务处理方法、装置、电子设备及计算机可读存储介质,可以解决上述问题。所述技术方案如下:
第一方面,提供了一种业务处理方法,该方法包括:
获取业务处理请求;所述业务处理请求包括待检测对象的人脸数据;
当所述人脸数据满足预设的检测条件时,基于预设的临时数据库对所述人脸数据进行匹配;所述临时数据库包括在预设时间段内获取并存储的至少一个人脸数据;
若匹配成功,则生成所述业务处理请求的第一处理结果,并基于所述人脸数据对所述临时数据库和预设的完整数据库进行更新;所述完整数据库包括获取并存储的所有人脸数据;
若匹配失败,则基于所述完整数据库对所述人脸数据进行匹配,得到匹配结果,并基于所述匹配结果生成所述业务处理请求对应的第二处理结果,以及基于所述人脸数据对所述完整数据库进行更新。
优选地,所述人脸数据包括采集到的待检测对象的至少一张待检测人脸图像;
所述人脸数据满足预设的检测条件,包括:
计算得到所有待检测人脸图像的质量评分,并将所有的质量评分与第一质量评分阈值进行比较;
当至少一张人脸图像的质量评分超过所述第一质量评分阈值时,判定所述人脸数据满足预设的检测条件;
获取质量评分超过所述第一质量评分阈值的各张人脸图像,并将质量评分最高的人脸图像作为目标待检测人脸图像。
优选地,所述业务处理请求还包括业务类型;所述临时数据库包括至少一个临时子库,各个临时子库各自具有对应的业务类型;
所述基于预设的临时数据库对所述人脸数据进行匹配,包括:
基于所述业务类型从各个临时子库中确定出目标临时子库,并在所述目标临时子库中对目标待检测人脸图像进行匹配。
优选地,每个临时子库包括至少一个第一标识信息,每个第一标识信息对应一个人脸数据,每个人脸数据包括至少一张第一历史人脸图像;
所述在所述目标临时子库中对目标待检测人脸图像进行匹配,包括:
获取所述目标待检测人脸图像对应的目标待检测人脸特征;
基于每个第一标识信息对应的各张第一历史人脸图像确定出各个第一标识信息各自对应的第一标识人脸特征;
将所述目标待检测人脸特征与各个第一标识人脸特征进行匹配,将匹配度最高的第一标识人脸特征作为第一目标标识人脸特征,以及将第一目标标识人脸特征对应的第一标识信息作为目标标识信息;
计算得到所述第一目标标识人脸特征的特征评分;
当所述第一目标标识人脸特征的特征评分超过第一特征评分阈值时,则判定匹配成功。
优选地,还包括:
当所述第一目标人脸识特征的特征评分不超过第一特征评分阈值时,则判定匹配失败;
生成新的标识信息,建立所述目标待检测人脸图像与所述新的标识信息的对应关系,并将所述新的标识信息作为目标标识信息。
优选地,基于所述人脸数据对所述临时数据库和所述完整数据库进行更新,包括:
当目标待检测人脸图像的质量评分超过第二质量评分阈值时,获取目标标识信息对应的第一历史人脸图像的数量;
基于所述数量和所述人脸数据对所述临时数据库和所述完整数据库进行更新。
优选地,所述基于所述数量和所述人脸数据对所述临时数据库和所述完整数据库进行更新,包括:
当所述数量等于1时,计算得到所述第一历史人脸图像的质量评分;
若所述质量评分不超过第三质量评分阈值,则将目标待检测人脸图像替换目标临时子库中的所述第一历史人脸图像,并将所述目标待检测人脸图像存储到完整数据库。
优选地,所述基于所述数量和所述人脸数据对所述临时数据库和所述完整数据库进行更新,包括:
若所述质量评分超过所述第三质量评分阈值,或所述数量大于1,则判断所述目标待检测人脸图像的评分是否超过第四质量评分阈值;
若是,则建立所述目标待检测人脸图像与目标标识信息的对应关系,将所述目标待检测人脸图像存储至目标临时子库,以及将所述目标待检测人脸图像存储到所完整数据库。
优选地,所述基于所述数量和所述人脸数据对所述临时数据库和所述完整数据库进行更新,包括:
当所述数量等于0时,将所述目标待检测人脸图像存储至目标临时子库,以及将所述目标待检测人脸图像存储到所完整数据库。
优选地,所述完整数据库包括至少一个完整子库,各个完整子库各自具有对应的业务类型;
基于预设的完整数据库对所述人脸数据进行匹配,得到匹配结果,包括:
基于所述业务类型从所述各个完整子库中确定出目标完整子库,并在所述目标完整子库中对目标待检测人脸图像进行匹配,得到匹配结果。
优选地,每个完整子库包括至少一个第二标识信息,每个第二标识信息对应至少一张第二历史人脸图像;
在所述目标完整子库中对目标待检测人脸图像进行匹配,包括:
从目标临时子库中获取新的标识信息以及目标待检测人脸图像;
基于每个第二标识信息对应的各张第二历史人脸图像确定出各个第二标识信息各自对应的第二标识人脸特征;
将所述目标待检测人脸特征与各个第二标识人脸特征进行匹配,将匹配度最高的第二标识人脸特征作为第二目标标识人脸特征;
计算得到所述第二目标标识人脸特征的特征评分;
当所述第二目标标识人脸特征的特征评分超过第二特征评分阈值时,判定匹配成功;
当所述第二目标人脸识特征的评分不超过第三特征评分阈值时,判定匹配失败。
优选地,生成所述业务处理请求的第一处理结果,包括:
生成待检测对象为已知对象的处理结果。
优选地,基于所述匹配结果生成所述业务处理请求对应的第二处理结果,包括:
若判定匹配成功,则生成待检测对象为已知对象的处理结果;
若判定匹配失败,则生成待检测对象为新对象的处理结果。
优选地,每个人脸数据具有时间信息;
所述方法还包括:
基于每个人脸数据的时间信息从所述临时数据库中确定出待删除的人脸数据;
将所述待删除的人脸数据从所述临时数据库中删除。
优选地,基于每个人脸数据的时间信息从所述临时数据库中确定出待删除的人脸数据,包括:
基于每个人脸数据的时间信息确定出所述临时数据库中每个人脸数据的已存储时间;
确定出已存储时间超过时间阈值的至少一个待删除的人脸数据。
优选地,基于每个人脸数据的时间信息从所述临时数据库中确定出待删除的人脸数据,包括:
每隔预设的时间间隔从所述临时数据库中随机获取预设数量的人脸数据;
基于每个人脸数据的时间信息确定出已获取的每个人脸数据的已存储时间;
确定出已存储时间超过时间阈值的至少一个待删除的人脸数据。
第二方面,提供了一种业务处理装置,该装置包括:
获取模块,用于获取业务处理请求;所述业务处理请求包括待检测对象的人脸数据;
匹配模块,用于当所述人脸数据满足预设的检测条件时,基于预设的临时数据库对所述人脸数据进行匹配;所述临时数据库包括在预设时间段内获取并存储的至少一个人脸数据;
第一处理模块,用于若匹配成功,则生成所述业务处理请求的第一处理结果,并基于所述人脸数据对所述临时数据库和预设的完整数据库进行更新;所述完整数据库包括获取并存储的所有人脸数据;
第二处理模块,用于若匹配失败,则基于所述完整数据库对所述人脸数据进行匹配,得到匹配结果,并基于所述匹配结果生成所述业务处理请求对应的第二处理结果,以及基于所述人脸数据对所述完整数据库进行更新。
优选地,所述人脸数据包括采集到的待检测对象的至少一张待检测人脸图像;
所述装置还包括检测模块,具体用于:
计算得到所有待检测人脸图像的质量评分,并将所有的质量评分与第一质量评分阈值进行比较;当至少一张人脸图像的质量评分超过所述第一质量评分阈值时,判定所述人脸数据满足预设的检测条件;获取质量评分超过所述第一质量评分阈值的各张人脸图像,并将质量评分最高的人脸图像作为目标待检测人脸图像。
优选地,所述业务处理请求还包括业务类型;所述临时数据库包括至少一个临时子库,各个临时子库各自具有对应的业务类型;
所述匹配模块具体用于:
基于所述业务类型从各个临时子库中确定出目标临时子库,并在所述目标临时子库中对目标待检测人脸图像进行匹配。
优选地,每个临时子库包括至少一个第一标识信息,每个第一标识信息对应一个人脸数据,每个人脸数据包括至少一张第一历史人脸图像;
所述匹配模块,包括:
第一获取子模块,用于获取所述目标待检测人脸图像对应的目标待检测人脸特征;
第一确定子模块,用于基于每个第一标识信息对应的各张第一历史人脸图像确定出各个第一标识信息各自对应的第一标识人脸特征;
第一匹配子模块,用于将所述目标待检测人脸特征与各个第一标识人脸特征进行匹配,将匹配度最高的第一标识人脸特征作为第一目标标识人脸特征,以及将第一目标标识人脸特征对应的第一标识信息作为目标标识信息;
第一计算子模块,用于计算得到所述第一目标标识人脸特征的特征评分;
第一判定子模块,用于当所述第一目标标识人脸特征的特征评分超过第一特征评分阈值时,则判定匹配成功。
优选地,所述匹配模块还包括:
所述第一判定子模块,还用于当所述第一目标人脸识特征的特征评分不超过第一特征评分阈值时,则判定匹配失败;
生成子模块,用于生成新的标识信息,建立所述目标待检测人脸图像与所述新的标识信息的对应关系,并将所述新的标识信息作为目标标识信息。
优选地,所述第一处理模块包括:
第二获取子模块,用于当目标待检测人脸图像的质量评分超过第二质量评分阈值时,获取目标标识信息对应的第一历史人脸图像的数量;
更新子模块,用于基于所述数量和所述人脸数据对所述临时数据库和所述完整数据库进行更新。
优选地,所述更新子模块具体用于:
当所述数量等于1时,计算得到所述第一历史人脸图像的质量评分;若所述质量评分不超过第三质量评分阈值,则将目标待检测人脸图像替换目标临时子库中的所述第一历史人脸图像,并将所述目标待检测人脸图像存储到完整数据库。
优选地,所述更新子模块具体用于:
若所述质量评分超过所述第三质量评分阈值,或所述数量大于1,则判断所述目标待检测人脸图像的评分是否超过第四质量评分阈值;若是,则建立所述目标待检测人脸图像与目标标识信息的对应关系,将所述目标待检测人脸图像存储至目标临时子库,以及将所述目标待检测人脸图像存储到所完整数据库。
优选地,所述更新子模块具体用于:
当所述数量等于0时,将所述目标待检测人脸图像存储至目标临时子库,以及将所述目标待检测人脸图像存储到所完整数据库。
优选地,所述完整数据库包括至少一个完整子库,各个完整子库各自具有对应的业务类型;
所述第二处理模块具体用于:
基于所述业务类型从所述各个完整子库中确定出目标完整子库,并在所述目标完整子库中对目标待检测人脸图像进行匹配,得到匹配结果。
优选地,每个完整子库包括至少一个第二标识信息,每个第二标识信息对应至少一张第二历史人脸图像;
所述第二处理模块包括:
第二获取子模块,用于从目标临时子库中获取新的标识信息以及目标待检测人脸图像;
第二确定子模块,用于基于每个第二标识信息对应的各张第二历史人脸图像确定出各个第二标识信息各自对应的第二标识人脸特征;
第二匹配子模块,用于将所述目标待检测人脸特征与各个第二标识人脸特征进行匹配,将匹配度最高的第二标识人脸特征作为第二目标标识人脸特征;
第二计算子模块,用于计算得到所述第二目标标识人脸特征的特征评分;
第二判定子模块,用于当所述第二目标标识人脸特征的特征评分超过第二特征评分阈值时,判定匹配成功;当所述第二目标人脸识特征的评分不超过第三特征评分阈值时,判定匹配失败。
优选地,所述第一处理模块具体用于:
生成待检测对象为已知对象的处理结果。
优选地,所述第二处理模块具体用于:
若判定匹配成功,则生成待检测对象为已知对象的处理结果;
若判定匹配失败,则生成待检测对象为新对象的处理结果。
优选地,每个人脸数据具有时间信息;
所述装置还包括:
确定模块,用于基于每个人脸数据的时间信息从所述临时数据库中确定出待删除的人脸数据;
删除模块,用于将所述待删除的人脸数据从所述临时数据库中删除。
优选地,所述确定模块包括:
第三计算子模块,用于基于每个人脸数据的时间信息确定出所述临时数据库中每个人脸数据的已存储时间;
第三确定子模块,用于确定出已存储时间超过时间阈值的至少一个待删除的人脸数据。
优选地,所述确定模块包括:
第三获取子模块,用于每隔预设的时间间隔从所述临时数据库中随机获取预设数量的人脸数据;
第四计算子模块,用于基于每个人脸数据的时间信息确定出已获取的每个人脸数据的已存储时间;
第四确定子模块,用于确定出已存储时间超过时间阈值的至少一个待删除的人脸数据。
第三方面,提供了一种电子设备,该电子设备包括:
处理器、存储器和总线;
所述总线,用于连接所述处理器和所述存储器;
所述存储器,用于存储操作指令;
所述处理器,用于通过调用所述操作指令,可执行指令使处理器执行如本申请的第一方面所示的业务处理方法对应的操作。
第四方面,提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,该程序被处理器执行时实现本申请第一方面所示的业务处理方法。
本申请提供的技术方案带来的有益效果是:
获取业务处理请求;所述业务处理请求包括待检测对象的人脸数据;当所述人脸数据满足预设的检测条件时,基于预设的临时数据库对所述人脸数据进行匹配;所述临时数据库包括在预设时间段内获取并存储的至少一个人脸数据;若匹配成功,则生成所述业务处理请求的第一处理结果,并基于所述人脸数据对所述临时数据库和预设的完整数据库进行更新;所述完整数据库包括获取并存储的所有人脸数据;若匹配失败,则基于所述完整数据库对所述人脸数据进行匹配,得到匹配结果,并基于所述匹配结果生成所述业务处理请求对应的第二处理结果,以及基于所述人脸数据对所述完整数据库进行更新。这样,先基于实时更新的临时数据库来进行人脸检索,当检索失败时再基于包括所有人脸数据的完整数据进行人脸检索,得到最终的检索结果。相较于现有技术中直接基于永久档案库进行检索的方式,本申请中临时数据库的规模会大幅下降,这将大大提高检索的效率和准确性,从而提高业务处理的效率和准确性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对本申请实施例描述中所需要使用的附图作简单地介绍。
图1本申请中业务处理的***架构图;
图2为本申请一个实施例提供的一种业务处理方法的流程示意图;
图3为本申请另一实施例提供的一种业务处理方法的流程示意图;
图4为本申请中检索临时数据库的流程示意图;
图5为本申请中检索完整数据库流程示意图;
图6为本申请中临时数据库的管理流程示意图;
图7为本申请应用于新老客户提醒的统计效果图;
图8-1为本申请又一实施例提供的一种业务处理装置的结构示意图;
图8-2为本申请又一实施例提供的一种业务处理装置的结构示意图;
图9为本申请又一实施例提供的一种业务处理的电子设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本申请,而不能解释为对本发明的限制。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
首先对本申请涉及的几个名词进行介绍和解释:
计算机视觉技术(Computer Vision,CV)计算机视觉是一门研究如何使机器“看”的科学,更进一步的说,就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图形处理,使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科,计算机视觉研究相关的理论和技术,试图建立能够从图像或者多维数据中获取信息的人工智能***。计算机视觉技术通常包括图像处理、图像识别、图像语义理解、图像检索、OCR、视频处理、视频语义理解、视频内容/行为识别、三维物体重建、3D技术、虚拟现实、增强现实、同步定位与地图构建等技术,还包括常见的人脸识别、指纹识别等生物特征识别技术。
基于上述技术本申请可以实现一种业务处理方法,具体可用于人脸检索的业务处理。
人脸识别,指提取人脸特征并进行相似度比对的过程。根据应用场景不同,人脸识别主要分为1:1人脸验证(Face Verification),1:N人脸识别(Face Recognition)和人脸检索(Face Retrieval)三个类别。其中,1:N人脸检索指的是在大规模人脸数据库中找出与待检索人脸相似度最高的一个或多个人脸。检索性能与数据库的规模大小相关。
参考图1,为本申请的***架构图。图像采集设备通过算法服务采集到人脸数据,然后将人脸数据输入消息队列中,人脸数据预处理服务从消息队列中消费人脸数据,并通过CV微服务对人脸数据进行CV处理,包括提取人脸数据中人脸图像的人脸特征、计算人脸图像的质量评分、提取用户属性,然后将人脸数据和CV处理后的数据缓存到Redis(RemoteDictionary Server,远程字典服务)集群(也就是临时数据库)中,并将人脸数据和CV处理后的数据持久化到Mysql集群(也就是完整数据库)中。
业务处理服务先对人脸数据基于人脸图像的质量评分进行过滤,再基于临时数据库进行检索,如果检索成功,则生成相应的业务处理结果反馈给业务需求方,并基于采集到的人脸数据对临时数据库和完整数据库进行更新;如果检索失败,则基于完整数据库进行检索,得到相应的检索结果,并基于不同的检索结果生成不同的业务处理结果反馈给业务需求方,然后基于采集到的人脸数据对临时数据库和完整数据库进行更新。
进一步,业务处理服务中还设置有临时数据库管理策略,用于对临时数据库进行实时更新,保证了临时数据库的规模大小可控和数据的时效性。
本申请可以应用于服务器中,服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式***,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。服务器可以与终端进行数据交互,终端可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等,但并不局限于此。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请在此不做限制。
本申请提供的业务处理方法、装置、电子设备和计算机可读存储介质,旨在解决现有技术的如上技术问题。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本申请的实施例进行描述。
在一个实施例中提供了一种业务处理方法,如图2所示,该方法包括:
步骤S201,获取业务处理请求;业务处理请求包括待检测对象的人脸数据;
其中,业务处理可以是针对人脸检索的结果进行提醒。比如,人员到场提醒、安防提醒、声音库检测等等。人员到场提醒具体可以包括商场或商店需要对进入商场或商店的用户进行提醒,可以是提醒该用户为新老用户、是否为VIP用户,也可以是提醒该用户是否为黑名单用户(比如小偷)等等。在实际应用中可以根据实际需求进行设置,本发明实施例对此不作限制。
具体而言,业务处理请求中可以包含待检测对象的人脸数据,也就是进入商场或商店的用户的人脸数据。用户的人脸数据包括但不限于用户的运行轨迹、轨迹ID、采集到的用户的至少一级人脸图像、每张人脸图像的采集时间、用户的区域信息等等。
其中,运行轨迹可以是用户在每个图像采集设备中的运动轨迹。轨迹ID为每个运动轨迹的标识,用于区分不同的运动轨迹,在实际应用中,轨迹ID的形式可以根据实际需求进行设置,只要是可以区分不同的运动轨迹,都适用于本发明实施例,本发明实施例对此不作限制。
用户的区域信息用于表征用户在商场或商店中的位置。由于商场或商店中不止一个图像采集设备,所以,每个图像采集设备负责一个区域,这样,不同的图像采集设备采集到用户的人脸数据,就可以确定出用户的区域信息了。
步骤S202,当人脸数据满足预设的检测条件时,基于预设的临时数据库对人脸数据进行匹配;临时数据库包括在预设时间段内获取并存储的至少一个人脸数据;
在基于人脸数据进行检索之前,可以先判断人脸数据是否满足预设的检测条件,主要是判断人脸数据中人脸图像的质量评分是否超过质量评分阈值,其中,人脸图像的质量评分可以基于光线、距离、清晰度等因素进行计算;如果不超过,那么就可以放弃对人脸图像进行检索;如果超过,那么就可以基于预设的临时数据库对人脸数据中的人脸图像进行匹配。其中,临时数据库中存储了图像采集设备采集到的至少一个用户的人脸数据,而且,每个人脸数据在临时数据库中存储的时间不能超过预设的时间阈值,即,人脸数据是临时存储在临时数据库中的,从而实现了对临时数据库中的人脸数据进行实时更新。
步骤S203,若匹配成功,则生成业务处理请求的第一处理结果,并基于人脸数据对临时数据库和预设的完整数据库进行更新;完整数据库包括获取并存储的所有人脸数据;
当基于临时数据库对人脸数据匹配成功,即,目标待检测人脸图像与目标临时子库匹配成功时,则表示该用户在时间阈值的时间段内出现过,而且采集到了该用户的人脸数据并存储在了临时数据库中,此时就可以生成业务请求的第一处理结果,并基于当前采集到的人脸数据对临时数据库和预设的完整数据库进行更新;其中,完整数据库包括已获取到的且已存储的所有人脸数据,也就是说,临时数据库中的人脸数据是完整数据库中的部分数据。
步骤S204,若匹配失败,则基于完整数据库对人脸数据进行匹配,得到匹配结果,并基于匹配结果生成业务处理请求对应的第二处理结果,以及基于人脸数据对完整数据库进行更新。
当采集到的人脸数据与临时数据库匹配失败,具体为人脸数据中的目标待检测人脸图像与目标临时子库匹配失败时,可以基于完整数据库对人脸数据进行匹配,得到匹配成功或者匹配失败的匹配结果,并基于不同的匹配结果生成业务处理请求对应的不同的第二处理结果,然后采用人脸数据对完整数据库进行更新即可。
在本发明实施例中,获取业务处理请求;业务处理请求包括待检测对象的人脸数据;当人脸数据满足预设的检测条件时,基于预设的临时数据库对人脸数据进行匹配;临时数据库包括在预设时间段内获取并存储的至少一个人脸数据;若匹配成功,则生成业务处理请求的第一处理结果,并基于人脸数据对临时数据库和预设的完整数据库进行更新;完整数据库包括获取并存储的所有人脸数据;若匹配失败,则基于完整数据库对人脸数据进行匹配,得到匹配结果,并基于匹配结果生成业务处理请求对应的第二处理结果,以及基于人脸数据对完整数据库进行更新。这样,先基于实时更新的临时数据库来进行人脸检索,当检索失败时再基于包括所有人脸数据的完整数据进行人脸检索,得到最终的检索结果。相较于现有技术中直接基于永久档案库进行检索的方式,本申请中临时数据库的规模会大幅下降,这将大大提高检索的效率和准确性,从而提高业务处理的效率和准确性。
在另一个实施例中提供了一种业务处理方法,如图3所示,该方法包括:
步骤S301,获取业务处理请求;业务处理请求包括待检测对象的人脸数据;
其中,业务处理可以是针对人脸检索的结果进行提醒。比如,人员到场提醒、安防提醒、声音库检测等等。人员到场提醒具体可以包括商场或商店需要对进入商场或商店的用户进行提醒,可以是提醒该用户为新老用户、是否为VIP用户,也可以是提醒该用户是否为黑名单用户(比如小偷)等等。在实际应用中可以根据实际需求进行设置,本发明实施例对此不作限制。为方便描述,本发明实施例以提醒用户为新老用户为例进行详细说明。
具体而言,业务处理请求中可以包含待检测对象的人脸数据,也就是进入商场或商店的用户的人脸数据。用户的人脸数据包括但不限于用户的运行轨迹、轨迹ID、采集到的用户的至少一级人脸图像、每张人脸图像的采集时间、用户的区域信息等等。
其中,运行轨迹可以是用户在每个图像采集设备中的运动轨迹。比如,某个用户在20:08:35出现在某个图像采集设备的图像采集区域中,20:09:12离开该图像采集区域,那么,在20:08:35~20:09:12期间该图像采集设备即可采集到该用户的运动轨迹,并生成对应的轨迹ID。轨迹ID为每个运动轨迹的标识,用于区分不同的运动轨迹,在实际应用中,轨迹ID的形式可以根据实际需求进行设置,只要是可以区分不同的运动轨迹,都适用于本发明实施例,本发明实施例对此不作限制。
在实际应用中,如果运动轨迹中存在较长时间停留的轨迹,那么可以将停留的轨迹从运动轨迹中删除。比如,某个用户在20:08:35出现在某个图像采集设备的图像采集区域中,20:08:50在该图像采集区域中坐着不动,直到20:15:47才开始移动,并于20:16:03离开该图像采集区域,那么采集到的运动轨迹的时间区间为20:08:35~20:16:03,由于20:08:50~20:15:47期间,用户一直处于静止状态,所以可以将该期间的运动轨迹删除,因此,得到该用户的运动轨迹的时间区间为20:08:35~20:08:50、20:15:47~20:16:03,然后生成对应的轨迹ID。
用户的区域信息用于表征用户在商场或商店中的位置。由于商场或商店中不止一个图像采集设备,所以,每个图像采集设备负责一个区域,这样,不同的图像采集设备采集到用户的人脸数据,就可以确定出用户的区域信息了。
步骤S302,当人脸数据满足预设的检测条件时,基于预设的临时数据库对人脸数据进行匹配;临时数据库包括在预设时间段内获取并存储的至少一个人脸数据;
在基于人脸数据进行检索之前,可以先判断人脸数据是否满足预设的检测条件,主要是判断人脸数据中人脸图像的质量评分是否超过质量评分阈值,如果不超过,那么就可以放弃对人脸图像进行检索;如果超过,那么就可以基于预设的临时数据库对人脸数据中的人脸图像进行匹配。其中,临时数据库中存储了图像采集设备采集到的至少一个用户的人脸数据,而且,每个人脸数据在临时数据库中存储的时间不能超过预设的时间阈值,即,人脸数据是临时存储在临时数据库中的,从而实现了对临时数据库中的人脸数据进行实时更新。
在本发明一种优选实施例中,人脸数据包括采集到的待检测对象的至少一张待检测人脸图像;
人脸数据满足预设的检测条件,包括:
计算得到所有待检测人脸图像的质量评分,并将所有的质量评分与第一质量评分阈值进行比较;
当至少一张人脸图像的质量评分超过第一质量评分阈值时,判定人脸数据满足预设的检测条件;
获取质量评分超过第一质量评分阈值的各张人脸图像,并将质量评分最高的人脸图像作为目标待检测人脸图像。
在实际应用中,针对采集到的人脸数据中的人脸图像,可以进行CV处理,包括但不限于提取人脸图像的人脸特征、计算人脸图像的质量评分、提取用户属性等等。其中,人脸特征可以基于人脸识别进行提取,人脸图像的质量评分可以基于光线、距离、清晰度等因素进行计算,用户属性包括但不限于用户的年龄、性别、身高、体型等等。然后将人脸数据和CV处理后的数据缓存到内存中,比如,可以在内存中设置Redis集群来存储人脸数据和处理后的数据,并基于轨迹ID和采集时间对各个数据进行排序,比如:“trace 1-time 1”、“trace2-time 2”等等。
进一步,业务处理***可以从Redis集群中不断读取数据并进行业务处理。具体而言,由于任一图像采集设备在采集用户的人脸图像时可能采集了不止一张,所以,需要计算出每张采集到的人脸图像的质量评分,然后将每张人脸图像的质量评分与第一质量评分阈值进行比较,如果至少一张人脸图像的质量评分超过第一质量评分阈值,那么就可以判定该人脸数据满足预设的检测条件,同时,获取质量评分超过第一质量评分阈值的所有人脸图像,再从所有人脸图像中确定出质量评分最高的人脸图像作为目标待检测人脸图像。
当然,在实际应用中,也可以先确定出质量评分最高的人脸图像,然后将该人脸图像的质量评分与第一质量评分阈值进行比较,如果超过,则判定该人脸数据满足预设的检测条件,并将该人脸图像作为目标待检测人脸图像;如果不超过,则结束流程。在实际应用中,可以根据实际需求进行设置,本发明实施例对此不作限制。
在本发明一种优选实施例中,业务处理请求还包括业务类型;临时数据库包括至少一个临时子库,各个临时子库各自具有对应的业务类型;
基于预设的临时数据库对人脸数据进行匹配,包括:
基于业务类型从各个临时子库中确定出目标临时子库,并在目标临时子库中对目标待检测人脸图像进行匹配。
由于本发明实施例可以对进入商场或商店的用户进行人脸检索,然后确定该用户是新用户、老用户等等,所以,业务请求处理中除了包括用户的人脸数据外,还需要包括业务类型,也就是针对检索结果生成对应业务类型的提醒。
因此,为了提高检索效率,本发明实施例可以在临时数据库中设置多个临时子库,每个临时子库对应一种业务类型。比如,新老客户的提醒对应新老客户临时子库,黑名单客户的提醒对应黑名单临时子库,VIP客户的提醒对应VIP临时子库等等。这样,在对人脸数据进行检索时,可以基于业务类型从各个临时子库中确定出需要使用的目标临时子库,然后在目标完整子库中对目标待检测人脸图像进行匹配,得到匹配结果,从而提高检索效率。
在本发明一种优选实施例中,每个临时子库包括至少一个第一标识信息,每个第一标识信息对应一个人脸数据,每个人脸数据包括至少一张第一历史人脸图像;
在目标临时子库中对目标待检测人脸图像进行匹配,包括:
获取目标待检测人脸图像对应的目标待检测人脸特征;
基于每个第一标识信息对应的各张第一历史人脸图像确定出各个第一标识信息各自对应的第一标识人脸特征;
将目标待检测人脸特征与各个第一标识人脸特征进行匹配,将匹配度最高的第一标识人脸特征作为第一目标标识人脸特征,以及将第一目标标识人脸特征对应的第一标识信息作为目标标识信息;
计算得到第一目标标识人脸特征的特征评分;
当第一目标标识人脸特征的特征评分超过第一特征评分阈值时,则判定匹配成功。
由于图像采集设备采集到的人脸数据和针对人脸图像进行CV处理后的数据会对临时数据库进行更新,所以,每个临时子库中的第一标识信息也可以是轨迹ID,每个轨迹ID对应一个人脸数据,每个人脸数据包括至少一张历史人脸图像,其中,历史人脸图像就是针对之前采集到的人脸数据进行业务处理之后存储在临时子库中的人脸图像。当然,临时子库中的每个轨迹ID除了对应一个人脸数据之外,也对应该人脸数据中人脸图像进行CV处理后的数据。
在确定出了目标临时子库之后,就可以基于目标临时子库对目标待检测人脸图像进行匹配。
具体而言,首先获取目标待检测人脸图像对应的目标待检测人脸特征,由于之前对采集到的人脸图像进行了CV处理,所以,可以直接从缓存中获取。
然后,基于每个第一标识信息对应的各张第一历史人脸图像确定出各个第一标识信息各自对应的第一标识人脸特征。具体地,针对任一第一标识信息,计算出其对应的每张历史人脸图像各自对应的历史人脸特征,然后基于各个历史人脸特征计算出历史人脸平均特征,并将历史人脸平均特征作为该第一标识信息对应的第一标识人脸特征。比如,目标临时子库中某个轨迹ID包括100张历史人脸图像,那么就先分别计算出100张历史人脸图像各自对应的历史人脸特征,然后基于100个历史人脸特征计算出历史人脸平均特征,并将该历史人脸平均特征作为该轨迹ID对应的标识人脸特征。依此类推,从而得到目标临时子库中的每个第一标识信息各自对应的第一标识人脸特征。当然,在实际应用中,如果历史人脸图像的数量较多时,也可以设置通过一定数量的历史人脸图像确定出历史人脸平均特征,在实际应用中可以根据实际需求进行设置,本发明实施例对此不作限制。
将目标待检测人脸特征与各个第一标识人脸特征进行匹配,将匹配度最高的第一标识人脸特征作为第一目标标识人脸特征,以及将第一目标标识人脸特征对应的第一标识信息作为目标标识信息。比如,目标待检测人脸特征a与各个第一标识人脸特征进行匹配后,确定出匹配度最高的第一标识人脸特征A,那么就将A作为第一目标标识人脸特征,并将A对应的轨迹ID作为目标标识信息。
再计算得到第一目标标识人脸特征的特征评分,当第一目标标识人脸特征的特征评分超过第一特征评分阈值时,则判定匹配成功。也就是说,如果计算得到的第一目标标识人脸特征的特征评分超过第一特征评分阈值,即可判定匹配成功,即,目标待检测人脸特征与第一目标标识人脸特征属于同一个标识信息,待检测对象为已知对象。
进一步,当第一目标人脸识特征的特征评分不超过第一特征评分阈值时,则判定匹配失败;
生成新的标识信息,建立目标待检测人脸图像与新的标识信息的对应关系,并将新的标识信息作为目标标识信息。
如果计算得到的第一目标标识人脸特征的特征评分不超过第一特征评分阈值,即可判定匹配失败,即,目标待检测人脸特征与第一目标标识人脸特征暂时不属于同一个标识信息。这是因为临时数据库中的数据是实时更新的,每个人脸数据在临时数据库中存储的时间不能超过预设的时间阈值,所以,可能会出现已经将匹配的第一目标标识人脸特征从临时数据库中删除了的情况。
比如,临时数据库设置的时间阈值是1小时,某个用户20:00:00进入商场时采集到了该用户的人脸数据并存储到了临时数据库中,该用户20:50:00离开该商场,21:00:00该用户的人脸数据从临时数据库中删除,21:01:00该用户再次进入该商场时再次采集到了该用户的人脸数据,此时通过临时数据库对人脸数据进行匹配则会匹配失败。
当判定匹配失败时,可以生成新的标识信息,建立该目标待检测人脸图像与该新的标识信息的对应关系,并将该新的标识信息作为目标标识信息。
步骤S303,若匹配成功,则生成业务处理请求的第一处理结果,并基于人脸数据对临时数据库和预设的完整数据库进行更新;完整数据库包括获取并存储的所有人脸数据;
当基于临时数据库对人脸数据匹配成功,即,目标待检测人脸图像与目标临时子库匹配成功时,则表示该用户在时间阈值的时间段内出现过,而且采集到了该用户的人脸数据并存储在了临时数据库中,此时就可以生成业务请求的第一处理结果,并基于当前采集到的人脸数据对临时数据库和预设的完整数据库进行更新;其中,完整数据库包括已获取到的且已存储的所有人脸数据,也就是说,临时数据库中的人脸数据是完整数据库中的部分数据。
其中,生成业务处理请求的第一处理结果,包括:
生成待检测对象为已知对象的处理结果。
具体而言,生成的第一处理结果可以是待检测对象是否属于业务请求中的业务类型。比如,如果业务请求是老客户的提醒,那么第一处理结果就可以是生成该用户为老客户的提醒,并将该提醒发送至业务处理的请求方,比如商店里的终端。
进一步,在确定了待检测对象为已知对象后,由于当前再次采集到了用户的人脸数据,所以,可以基于预设的策略对临时数据库和完整数据库进行更新。
在本发明一种优选实施例中,基于人脸数据对临时数据库和完整数据库进行更新,包括:
当目标待检测人脸图像的质量评分超过第二质量评分阈值时,获取目标标识信息对应的第一历史人脸图像的数量;
基于数量和人脸数据对临时数据库和完整数据库进行更新。
具体而言,判断目标待检测人脸图像的质量评分是否超过第二质量评分阈值,如果是,则确定出目标待检测人脸图像对应的目标标识信息,并获取目标标识信息对应的所有第一历史人脸图像的数量,不同的数量对应不同的更新策略;如果否,则结束流程。
在本发明一种优选实施例中,基于数量和人脸数据对临时数据库和完整数据库进行更新,包括:
当数量等于1时,计算得到第一历史人脸图像的质量评分;
若质量评分不超过第三质量评分阈值,则将目标待检测人脸图像替换目标临时子库中的第一历史人脸图像,并将目标待检测人脸图像存储到完整数据库。
具体地,当目标标识信息对应的所有第一历史人脸图像的数量等于1时,计算这一张第一历史人脸图像的质量评分,如果其质量评分不超过第三质量评分阈值,则将目标待检测人脸图像替换目标临时子库中的这一张第一历史人脸图像,同时将该目标待检测人脸图像存在到完整数据库中。也就是说,如果目标临时子库中只有一张该用户的历史人脸图像,且这一张的历史人脸图像的质量评分不超过第三评分阈值,那么就将当前采集到的目标待检测人脸图像替换掉目标临时子库中的这一张历史人脸图像,同时将该目标待检测人脸图像存储到完整数据库中。
在本发明一种优选实施例中,基于数量和人脸数据对临时数据库和完整数据库进行更新,包括:
若质量评分超过第三质量评分阈值,或数量大于1,则判断目标待检测人脸图像的评分是否超过第四质量评分阈值;
若是,则建立目标待检测人脸图像与目标标识信息的对应关系,将目标待检测人脸图像存储至目标临时子库,以及将目标待检测人脸图像存储到所完整数据库。
具体地,当目标临时子库中这一张历史人脸图像的质量评分超过第三评分阈值,或者,目标标识信息对应的所有第一历史人脸图像的数量大于1时,进一步判断目标待检测人脸图像的评分是否超过第四质量评分阈值,如果二者中任意一个条件满足,那么就建立该目标待检测人脸图像与目标标识信息的对应关系,并将当前采集到的目标待检测人脸图像存储至目标临时子库中,同时将该目标待检测人脸图像存储到完整数据库中。也就是说,当目标临时子库中只有一张该用户的历史人脸图像,且这一张的历史人脸图像的质量评分超过第三评分阈值,或者,目标临时子库中至少有两张该用户的历史人脸图像,那么就进一步判断当前采集到的目标待检测图像的评分是否超过第四质量评分阈值,如果是,就将该目标待检测图像存储至目标临时子库中,作为该用户的历史人脸图像,同时将该目标检测图像存储至完整数据库中。
在本发明一种优选实施例中,基于数量和人脸数据对临时数据库和完整数据库进行更新,包括:
当数量等于0时,将目标待检测人脸图像存储至目标临时子库,以及将目标待检测人脸图像存储到所完整数据库。
具体地,由于匹配失败时生成了新的标识信息,所以,新的标识信息是没有历史人脸图像,即当目标临时子库中第一历史人脸图像的数量等于0时,先将该目标待检测人脸图像存储至临时数据库中,以便于进一步通过完整数据库对该目标待检测人脸图像进行检索,再根据检索结果将该目标待检测人脸图像存储至完整数据库。
进一步,参照图4,为本申请中基于临时数据库的检索流程。具体的检索步骤可参考步骤S303,在此就不赘述了。
步骤S304,若匹配失败,则基于完整数据库对人脸数据进行匹配,得到匹配结果,并基于匹配结果生成业务处理请求对应的第二处理结果,以及基于人脸数据对完整数据库进行更新;
当采集到的人脸数据与临时数据库匹配失败,具体为人脸数据中的目标待检测人脸图像与目标临时子库匹配失败时,可以基于完整数据库对人脸数据进行匹配,得到匹配成功或者匹配失败的匹配结果,并基于不同的匹配结果生成业务处理请求对应的不同的第二处理结果,然后采用人脸数据对完整数据库进行更新即可。
其中,基于匹配结果生成业务处理请求对应的第二处理结果,包括:
若判定匹配成功,则生成待检测对象为已知对象的处理结果;
若判定匹配失败,则生成待检测对象为新对象的处理结果。
具体而言,生成的第二处理结果可以是待检测对象是否属于业务请求中的业务类型,若目标待检测人脸图像与完整数据库匹配成功,则生成待检测对象为业务类型中的已知对象的处理结果;若目标待检测人脸图像与完整数据库匹配失败,则生成待检测对象为业务类型中的新对象的处理结果。比如,如果业务请求是新老客户的提醒,那么第二处理结果就可以是生成该用户为老客户或者新客户的提醒,并将该提醒发送至业务处理的请求方,比如商店里的终端。
在本发明一种优选实施例中,完整数据库包括至少一个完整子库,各个完整子库各自具有对应的业务类型;
基于预设的完整数据库对人脸数据进行匹配,得到匹配结果,包括:
基于业务类型从各个完整子库中确定出目标完整子库,并在目标完整子库中对目标待检测人脸图像进行匹配,得到匹配结果。
为了提高检索效率,本发明实施例可以在完整数据库中设置多个完整子库,每个完整子库对应一种业务类型。比如,新老客户的提醒对应新老客户完整子库,黑名单客户的提醒对应黑名单完整子库,VIP客户的提醒对应VIP完整子库等等。这样,在对人脸数据进行检索时,可以基于业务类型从各个完整子库中确定出需要使用的目标完整子库,然后在目标完整子库中对目标待检测人脸图像进行匹配,得到匹配结果,从而提高检索效率。
在本发明一种优选实施例中,每个完整子库包括至少一个第二标识信息,每个第二标识信息对应至少一张第二历史人脸图像;
在目标完整子库中对目标待检测人脸图像进行匹配,包括:
从目标临时子库中获取新的标识信息以及目标待检测人脸图像;
基于每个第二标识信息对应的各张第二历史人脸图像确定出各个第二标识信息各自对应的第二标识人脸特征;
将目标待检测人脸特征与各个第二标识人脸特征进行匹配,将匹配度最高的第二标识人脸特征作为第二目标标识人脸特征;
计算得到第二目标标识人脸特征的特征评分;
当第二目标标识人脸特征的特征评分超过第二特征评分阈值时,判定匹配成功;
当第二目标人脸识特征的评分不超过第三特征评分阈值时,判定匹配失败。
在本发明实施例中,临时数据库中存储的数据是完整数据库中存储的数据的一部分,所以,临时数据库与完整数据库中存储的数据的形式是相同的,也就是说,每个完整子库中的第二标识信息也可以是轨迹ID,每个轨迹ID对应一个人脸数据,每个人脸数据包括至少一张历史人脸图像,其中,历史人脸图像就是针对之前采集到的人脸数据进行业务处理之后存储在完整子库中的人脸图像。当然,完整子库中的每个轨迹ID除了对应一个人脸数据之外,也对应该人脸数据中人脸图像进行CV处理后的数据。
在确定出了目标完整子库之后,就可以基于目标完整子库对目标待检测人脸图像进行匹配。
具体而言,首先从目标临时子库中获取新的标识信息,以及与新的标识信息对应的目标待检测人脸图像,然后,基于目标完整子库中每个第二标识信息对应的各张第二历史人脸图像确定出各个第二标识信息各自对应的第二标识人脸特征。具体地,针对任一第二标识信息,计算出其对应的每张历史人脸图像各自对应的历史人脸特征,然后基于各个历史人脸特征计算出历史人脸平均特征,并将历史人脸平均特征作为该第二标识信息对应的第二标识人脸特征。依此类推,从而得到目标完整子库中的每个第二标识信息各自对应的第二标识人脸特征。当然,在实际应用中,如果历史人脸图像的数量较多时,也可以设置通过一定数量的历史人脸图像确定出历史人脸平均特征,在实际应用中可以根据实际需求进行设置,本发明实施例对此不作限制。
再计算得到第二目标标识人脸特征的特征评分,当第二目标标识人脸特征的特征评分超过第二特征评分阈值时,则判定匹配成功;当第二目标标识人脸特征的特征评分不超过第三特征评分阈值时,则判定匹配失败;当第二目标标识人脸特征的特征评分介于第二特征评分阈值与第三特征评分阈值之前时,则流程结束。也就是说,如果计算得到的第二目标标识人脸特征的特征评分超过第二特征评分阈值,即可判定匹配成功,即,目标待检测人脸特征与第二目标标识人脸特征属于同一个标识信息,待检测对象为已知对象;如果计算得到的第二目标标识人脸特征的特征评分不超过第三特征评分阈值,即可判定匹配失败,即,目标待检测人脸特征与第二目标标识人脸特征不属于同一个标识信息,待检测对象为新对象。
进一步,若待检测对象为已知对象,那么就可以将待检测对象的人脸数据和CV处理后的数据存储到完整数据库中,并建立二者与第二目标标识人脸特征对应的标识信息的对应关系;若待检测对象为新对象,那么就可以将该新的标识信息和对应的人脸数据、CV处理后的数据存储到完整数据库中。
更进一步,参照图5,为本申请中基于完整数据库的检索流程。具体的检索步骤可参考步骤S304,在此就不赘述了。
步骤S305,基于每个人脸数据的时间信息从临时数据库中确定出待删除的人脸数据;
由于需要不断地对临时数据库中的数据进行实时更新,所以可以基于人脸数据的时间信息确定出临时数据库中待删除的人脸数据。其中,人脸数据的时间信息可以是人脸数据中采集人脸图像的时间,或者标识信息的生成时间。
进一步,待删除的人脸数据可以是标识信息对应的全部人脸数据和CV处理后的数据,那么此时人脸数据的时间信息就可以是该人脸数据对应的标识信息在临时数据库中的生成时间;也可以是人脸数据中的历史人脸图像和该历史人脸图像对应的CV处理后的数据,那么此时人脸数据的时间信息就可以是该人脸数据中每张历史人脸图像的采集时间。在实际应用中可以根据实际需求进行设置,本发明实施例对此不作限制。
在本发明一种优选实施例中,基于每个人脸数据的时间信息从临时数据库中确定出待删除的人脸数据,包括:
基于每个人脸数据的时间信息确定出临时数据库中每个人脸数据的已存储时间;
确定出已存储时间超过时间阈值的至少一个待删除的人脸数据。
具体而言,每次有业务处理请求触发采用临时数据库进行人脸检索时,在完成本次人脸检索之后,都会基于每个人脸数据的时间信息确定出临时数据库中每个人脸数据的已存储时间,然后将已存储时间超过时间阈值的至少一个人脸数据作为待删除数据。
在本发明一种优选实施例中,基于每个人脸数据的时间信息从临时数据库中确定出待删除的人脸数据,包括:
每隔预设的时间间隔从临时数据库中随机获取预设数量的人脸数据;
基于每个人脸数据的时间信息确定出已获取的每个人脸数据的已存储时间;
确定出已存储时间超过时间阈值的至少一个待删除的人脸数据。
具体而言,每隔预设的时间间隔就从临时数据库中随机获取一定数量的人脸数据,然后基于获取到的每个人脸数据的时间信息确定出每个人脸数据在临时数据库中的已存储时间,再将已存储时间超过时间阈值的至少一个人脸数据作为待删除数据。比如,每隔一小时从临时数据库中随机获取100个人脸数据,然后确定出这100个人脸数据的已存储时间,通过比较确定出其中的52个人脸数据的已存储时间超过了时间阈值,那么这52个人脸数据就是待删除数据。
需要说明的是,在确定待删除的人脸数据之前,如果还有其它的业务处理请求,那么就会优选处理其它的业务处理请求,当所有的业务处理请求全部处理完成之后,即可确定出待删除的人脸数据。
步骤S306,将待删除的人脸数据从临时数据库中删除。
在确定出待删除的人脸数据之后,即可将待删除的人脸数据从临时数据库中删除。
进一步,参照图6,为本申请中临时数据库的更新流程。具体的更新步骤可参考步骤S305~步骤S306,在此就不赘述了。
更进一步,将本发明实施例应用于新老客户的提醒时,新老客户的日常统计图可以如图7所示。
在本发明实施例中,获取业务处理请求;业务处理请求包括待检测对象的人脸数据;当人脸数据满足预设的检测条件时,基于预设的临时数据库对人脸数据进行匹配;临时数据库包括在预设时间段内获取并存储的至少一个人脸数据;若匹配成功,则生成业务处理请求的第一处理结果,并基于人脸数据对临时数据库和预设的完整数据库进行更新;完整数据库包括获取并存储的所有人脸数据;若匹配失败,则基于完整数据库对人脸数据进行匹配,得到匹配结果,并基于匹配结果生成业务处理请求对应的第二处理结果,以及基于人脸数据对完整数据库进行更新。这样,先基于实时更新的临时数据库来进行人脸检索,当检索失败时再基于包括所有人脸数据的完整数据进行人脸检索,得到最终的检索结果。相较于现有技术中直接基于永久档案库进行检索的方式,本申请中临时数据库的规模会大幅下降,这将大大提高检索的效率和准确性,从而提高业务处理的效率和准确性。
进一步,通过预设的更新策略对临时数据库进行实时的更新,保证了临时数据库的规模大小可控和数据的最新,使得在基于临时数据库进行检索时都是基于最新的数据进行检索,从而保证了检索结果的最新;同时,临时数据库的规模大小可控,也保证了临时数据库不需要占用过多的硬件资源,减少了硬件资源的消耗。
图8-1为本申请又一实施例提供的一种业务处理装置的结构示意图,如图8-1所示,本实施例的装置可以包括:
获取模块801,用于获取业务处理请求;业务处理请求包括待检测对象的人脸数据;
匹配模块802,用于当人脸数据满足预设的检测条件时,基于预设的临时数据库对人脸数据进行匹配;临时数据库包括在预设时间段内获取并存储的至少一个人脸数据;
第一处理模块803,用于若匹配成功,则生成业务处理请求的第一处理结果,并基于人脸数据对临时数据库和预设的完整数据库进行更新;完整数据库包括获取并存储的所有人脸数据;
第二处理模块804,用于若匹配失败,则基于完整数据库对人脸数据进行匹配,得到匹配结果,并基于匹配结果生成业务处理请求对应的第二处理结果,以及基于人脸数据对完整数据库进行更新。
在本发明一种优选实施例中,人脸数据包括采集到的待检测对象的至少一张待检测人脸图像;
装置还包括检测模块,具体用于:
计算得到所有待检测人脸图像的质量评分,并将所有的质量评分与第一质量评分阈值进行比较;当至少一张人脸图像的质量评分超过第一质量评分阈值时,判定人脸数据满足预设的检测条件;获取质量评分超过第一质量评分阈值的各张人脸图像,并将质量评分最高的人脸图像作为目标待检测人脸图像。
在本发明一种优选实施例中,业务处理请求还包括业务类型;临时数据库包括至少一个临时子库,各个临时子库各自具有对应的业务类型;
匹配模块具体用于:
基于业务类型从各个临时子库中确定出目标临时子库,并在目标临时子库中对目标待检测人脸图像进行匹配。
在本发明一种优选实施例中,每个临时子库包括至少一个第一标识信息,每个第一标识信息对应一个人脸数据,每个人脸数据包括至少一张第一历史人脸图像;
匹配模块,包括:
第一获取子模块,用于获取目标待检测人脸图像对应的目标待检测人脸特征;
第一确定子模块,用于基于每个第一标识信息对应的各张第一历史人脸图像确定出各个第一标识信息各自对应的第一标识人脸特征;
第一匹配子模块,用于将目标待检测人脸特征与各个第一标识人脸特征进行匹配,将匹配度最高的第一标识人脸特征作为第一目标标识人脸特征,以及将第一目标标识人脸特征对应的第一标识信息作为目标标识信息;
第一计算子模块,用于计算得到第一目标标识人脸特征的特征评分;
第一判定子模块,用于当第一目标标识人脸特征的特征评分超过第一特征评分阈值时,则判定匹配成功。
在本发明一种优选实施例中,匹配模块还包括:
第一判定子模块,还用于当第一目标人脸识特征的特征评分不超过第一特征评分阈值时,则判定匹配失败;
生成子模块,用于生成新的标识信息,建立目标待检测人脸图像与新的标识信息的对应关系,并将新的标识信息作为目标标识信息。
在本发明一种优选实施例中,第一处理模块包括:
第二获取子模块,用于当目标待检测人脸图像的质量评分超过第二质量评分阈值时,获取目标标识信息对应的第一历史人脸图像的数量;
更新子模块,用于基于数量和人脸数据对临时数据库和完整数据库进行更新。
在本发明一种优选实施例中,更新子模块具体用于:
当数量等于1时,计算得到第一历史人脸图像的质量评分;若质量评分不超过第三质量评分阈值,则将目标待检测人脸图像替换目标临时子库中的第一历史人脸图像,并将目标待检测人脸图像存储到完整数据库。
在本发明一种优选实施例中,更新子模块具体用于:
若质量评分超过第三质量评分阈值,或数量大于1,则判断目标待检测人脸图像的评分是否超过第四质量评分阈值;若是,则建立目标待检测人脸图像与目标标识信息的对应关系,将目标待检测人脸图像存储至目标临时子库,以及将目标待检测人脸图像存储到所完整数据库。
在本发明一种优选实施例中,更新子模块具体用于:
当数量等于0时,将目标待检测人脸图像存储至目标临时子库,以及将目标待检测人脸图像存储到所完整数据库。
在本发明一种优选实施例中,完整数据库包括至少一个完整子库,各个完整子库各自具有对应的业务类型;
第二处理模块具体用于:
基于业务类型从各个完整子库中确定出目标完整子库,并在目标完整子库中对目标待检测人脸图像进行匹配,得到匹配结果。
在本发明一种优选实施例中,每个完整子库包括至少一个第二标识信息,每个第二标识信息对应至少一张第二历史人脸图像;
第二处理模块包括:
第二获取子模块,用于从目标临时子库中获取新的标识信息以及目标待检测人脸图像;
第二确定子模块,用于基于每个第二标识信息对应的各张第二历史人脸图像确定出各个第二标识信息各自对应的第二标识人脸特征;
第二匹配子模块,用于将目标待检测人脸特征与各个第二标识人脸特征进行匹配,将匹配度最高的第二标识人脸特征作为第二目标标识人脸特征;
第二计算子模块,用于计算得到第二目标标识人脸特征的特征评分;
第二判定子模块,用于当第二目标标识人脸特征的特征评分超过第二特征评分阈值时,判定匹配成功;当第二目标人脸识特征的评分不超过第三特征评分阈值时,判定匹配失败。
在本发明一种优选实施例中,第一处理模块具体用于:
生成待检测对象为已知对象的处理结果。
在本发明一种优选实施例中,第二处理模块具体用于:
若判定匹配成功,则生成待检测对象为已知对象的处理结果;
若判定匹配失败,则生成待检测对象为新对象的处理结果。
在本发明一种优选实施例中,每个人脸数据具有时间信息;
如图8-2所示,装置还包括:
确定模块805,用于基于每个人脸数据的时间信息从临时数据库中确定出待删除的人脸数据;
删除模块806,用于将待删除的人脸数据从临时数据库中删除。
在本发明一种优选实施例中,确定模块包括:
第三计算子模块,用于基于每个人脸数据的时间信息确定出临时数据库中每个人脸数据的已存储时间;
第三确定子模块,用于确定出已存储时间超过时间阈值的至少一个待删除的人脸数据。
在本发明一种优选实施例中,确定模块包括:
第三获取子模块,用于每隔预设的时间间隔从临时数据库中随机获取预设数量的人脸数据;
第四计算子模块,用于基于每个人脸数据的时间信息确定出已获取的每个人脸数据的已存储时间;
第四确定子模块,用于确定出已存储时间超过时间阈值的至少一个待删除的人脸数据。
本实施例的业务处理装置可执行本申请第一个实施例、第二个实施例所示的业务处理方法,其实现原理相类似,此处不再赘述。
在本发明实施例中,获取业务处理请求;业务处理请求包括待检测对象的人脸数据;当人脸数据满足预设的检测条件时,基于预设的临时数据库对人脸数据进行匹配;临时数据库包括在预设时间段内获取并存储的至少一个人脸数据;若匹配成功,则生成业务处理请求的第一处理结果,并基于人脸数据对临时数据库和预设的完整数据库进行更新;完整数据库包括获取并存储的所有人脸数据;若匹配失败,则基于完整数据库对人脸数据进行匹配,得到匹配结果,并基于匹配结果生成业务处理请求对应的第二处理结果,以及基于人脸数据对完整数据库进行更新。这样,先基于实时更新的临时数据库来进行人脸检索,当检索失败时再基于包括所有人脸数据的完整数据进行人脸检索,得到最终的检索结果。相较于现有技术中直接基于永久档案库进行检索的方式,本申请中临时数据库的规模会大幅下降,这将大大提高检索的效率和准确性,从而提高业务处理的效率和准确性。
进一步,通过预设的更新策略对临时数据库进行实时的更新,保证了临时数据库的规模大小可控和数据的最新,使得在基于临时数据库进行检索时都是基于最新的数据进行检索,从而保证了检索结果的最新;同时,临时数据库的规模大小可控,也保证了临时数据库不需要占用过多的硬件资源,减少了硬件资源的消耗。
本申请的又一实施例中提供了一种电子设备,该电子设备包括:存储器和处理器;至少一个程序,存储于存储器中,用于被处理器执行时,与现有技术相比可实现获取业务处理请求;业务处理请求包括待检测对象的人脸数据;当人脸数据满足预设的检测条件时,基于预设的临时数据库对人脸数据进行匹配;临时数据库包括在预设时间段内获取并存储的至少一个人脸数据;若匹配成功,则生成业务处理请求的第一处理结果,并基于人脸数据对临时数据库和预设的完整数据库进行更新;完整数据库包括获取并存储的所有人脸数据;若匹配失败,则基于完整数据库对人脸数据进行匹配,得到匹配结果,并基于匹配结果生成业务处理请求对应的第二处理结果,以及基于人脸数据对完整数据库进行更新。这样,先基于实时更新的临时数据库来进行人脸检索,当检索失败时再基于包括所有人脸数据的完整数据进行人脸检索,得到最终的检索结果。相较于现有技术中直接基于永久档案库进行检索的方式,本申请中临时数据库的规模会大幅下降,这将大大提高检索的效率和准确性,从而提高业务处理的效率和准确性。
在一个可选实施例中提供了一种电子设备,如图9所示,图9所示的电子设备9000包括:处理器9001和存储器9003。其中,处理器9001和存储器9003相连,如通过总线9002相连。可选地,电子设备9000还可以包括收发器9004。需要说明的是,实际应用中收发器9004不限于一个,该电子设备9000的结构并不构成对本申请实施例的限定。
处理器9001可以是CPU,通用处理器,DSP,ASIC,FPGA或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器9001也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线9002可包括一通路,在上述组件之间传送信息。总线9002可以是PCI总线或EISA总线等。总线9002可以分为地址总线、数据总线、控制总线等。为便于表示,图9中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
存储器9003可以是ROM或可存储静态信息和指令的其他类型的静态存储设备,RAM或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM、CD-ROM或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
存储器9003用于存储执行本申请方案的应用程序代码,并由处理器9001来控制执行。处理器9001用于执行存储器9003中存储的应用程序代码,以实现前述任一方法实施例所示的内容。
其中,电子设备包括但不限于:移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。
本申请的又一实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,当其在计算机上运行时,使得计算机可以执行前述方法实施例中相应内容。与现有技术相比,获取业务处理请求;业务处理请求包括待检测对象的人脸数据;当人脸数据满足预设的检测条件时,基于预设的临时数据库对人脸数据进行匹配;临时数据库包括在预设时间段内获取并存储的至少一个人脸数据;若匹配成功,则生成业务处理请求的第一处理结果,并基于人脸数据对临时数据库和预设的完整数据库进行更新;完整数据库包括获取并存储的所有人脸数据;若匹配失败,则基于完整数据库对人脸数据进行匹配,得到匹配结果,并基于匹配结果生成业务处理请求对应的第二处理结果,以及基于人脸数据对完整数据库进行更新。这样,先基于实时更新的临时数据库来进行人脸检索,当检索失败时再基于包括所有人脸数据的完整数据进行人脸检索,得到最终的检索结果。相较于现有技术中直接基于永久档案库进行检索的方式,本申请中临时数据库的规模会大幅下降,这将大大提高检索的效率和准确性,从而提高业务处理的效率和准确性。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述仅是本发明的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (15)
1.一种业务处理方法,其特征在于,包括:
获取业务处理请求;所述业务处理请求包括待检测对象的人脸数据;
当所述人脸数据满足预设的检测条件时,基于预设的临时数据库对所述人脸数据进行匹配;所述临时数据库包括在预设时间段内获取并存储的至少一个人脸数据;
若匹配成功,则生成所述业务处理请求的第一处理结果,并基于所述人脸数据对所述临时数据库和预设的完整数据库进行更新;所述完整数据库包括获取并存储的所有人脸数据;
若匹配失败,则基于所述完整数据库对所述人脸数据进行匹配,得到匹配结果,并基于所述匹配结果生成所述业务处理请求对应的第二处理结果,以及基于所述人脸数据对所述完整数据库进行更新。
2.根据权利要求1所述的业务处理方法,其特征在于,所述人脸数据包括采集到的待检测对象的至少一张待检测人脸图像;
所述人脸数据满足预设的检测条件,包括:
计算得到所有待检测人脸图像的质量评分,并将所有的质量评分与第一质量评分阈值进行比较;
当至少一张人脸图像的质量评分超过所述第一质量评分阈值时,判定所述人脸数据满足预设的检测条件;
获取质量评分超过所述第一质量评分阈值的各张人脸图像,并将质量评分最高的人脸图像作为目标待检测人脸图像。
3.根据权利要求1或2所述的业务处理方法,其特征在于,所述业务处理请求还包括业务类型;所述临时数据库包括至少一个临时子库,各个临时子库各自具有对应的业务类型;
所述基于预设的临时数据库对所述人脸数据进行匹配,包括:
基于所述业务类型从各个临时子库中确定出目标临时子库,并在所述目标临时子库中对目标待检测人脸图像进行匹配。
4.根据权利要求3所述的业务处理方法,其特征在于,每个临时子库包括至少一个第一标识信息,每个第一标识信息对应一个人脸数据,每个人脸数据包括至少一张第一历史人脸图像;
所述在所述目标临时子库中对目标待检测人脸图像进行匹配,包括:
获取所述目标待检测人脸图像对应的目标待检测人脸特征;
基于每个第一标识信息对应的各张第一历史人脸图像确定出各个第一标识信息各自对应的第一标识人脸特征;
将所述目标待检测人脸特征与各个第一标识人脸特征进行匹配,将匹配度最高的第一标识人脸特征作为第一目标标识人脸特征,以及将第一目标标识人脸特征对应的第一标识信息作为目标标识信息;
计算得到所述第一目标标识人脸特征的特征评分;
当所述第一目标标识人脸特征的特征评分超过第一特征评分阈值时,则判定匹配成功。
5.根据权利要求4所述的业务处理方法,其特征在于,还包括:
当所述第一目标人脸识特征的特征评分不超过第一特征评分阈值时,则判定匹配失败;
生成新的标识信息,建立所述目标待检测人脸图像与所述新的标识信息的对应关系,并将所述新的标识信息作为目标标识信息。
6.根据权利要求1或5所述的业务处理方法,其特征在于,基于所述人脸数据对所述临时数据库和所述完整数据库进行更新,包括:
当目标待检测人脸图像的质量评分超过第二质量评分阈值时,获取目标标识信息对应的第一历史人脸图像的数量;
基于所述数量和所述人脸数据对所述临时数据库和所述完整数据库进行更新。
7.根据权利要求6所述的业务处理方法,其特征在于,所述基于所述数量和所述人脸数据对所述临时数据库和所述完整数据库进行更新,包括:
当所述数量等于1时,计算得到所述第一历史人脸图像的质量评分;
若所述质量评分不超过第三质量评分阈值,则将目标待检测人脸图像替换目标临时子库中的所述第一历史人脸图像,并将所述目标待检测人脸图像存储到完整数据库。
8.根据权利要求6所述的业务处理方法,其特征在于,所述基于所述数量和所述人脸数据对所述临时数据库和所述完整数据库进行更新,包括:
若所述质量评分超过所述第三质量评分阈值,或所述数量大于1,则判断所述目标待检测人脸图像的评分是否超过第四质量评分阈值;
若是,则建立所述目标待检测人脸图像与目标标识信息的对应关系,将所述目标待检测人脸图像存储至目标临时子库,以及将所述目标待检测人脸图像存储到所完整数据库。
9.根据权利要求6所述的业务处理方法,其特征在于,所述基于所述数量和所述人脸数据对所述临时数据库和所述完整数据库进行更新,包括:
当所述数量等于0时,将所述目标待检测人脸图像存储至目标临时子库,以及将所述目标待检测人脸图像存储到所完整数据库。
10.根据权利要求1所述的业务处理方法,其特征在于,所述完整数据库包括至少一个完整子库,各个完整子库各自具有对应的业务类型;
基于预设的完整数据库对所述人脸数据进行匹配,得到匹配结果,包括:
基于所述业务类型从所述各个完整子库中确定出目标完整子库,并在所述目标完整子库中对目标待检测人脸图像进行匹配,得到匹配结果。
11.根据权利要求6-10任一所述的业务处理方法,其特征在于,每个完整子库包括至少一个第二标识信息,每个第二标识信息对应至少一张第二历史人脸图像;
在所述目标完整子库中对目标待检测人脸图像进行匹配,包括:
从目标临时子库中获取新的标识信息以及目标待检测人脸图像;
基于每个第二标识信息对应的各张第二历史人脸图像确定出各个第二标识信息各自对应的第二标识人脸特征;
将所述目标待检测人脸特征与各个第二标识人脸特征进行匹配,将匹配度最高的第二标识人脸特征作为第二目标标识人脸特征;
计算得到所述第二目标标识人脸特征的特征评分;
当所述第二目标标识人脸特征的特征评分超过第二特征评分阈值时,判定匹配成功;
当所述第二目标人脸识特征的评分不超过第三特征评分阈值时,判定匹配失败。
12.根据权利要求1所述的业务处理方法,其特征在于,每个人脸数据具有时间信息;
所述方法还包括:
基于每个人脸数据的时间信息从所述临时数据库中确定出待删除的人脸数据;
将所述待删除的人脸数据从所述临时数据库中删除。
13.一种业务处理装置,其特征在于,包括:
获取模块,用于获取业务处理请求;所述业务处理请求包括待检测对象的人脸数据;
匹配模块,用于当所述人脸数据满足预设的检测条件时,基于预设的临时数据库对所述人脸数据进行匹配;所述临时数据库包括在预设时间段内获取并存储的至少一个人脸数据;
第一处理模块,用于若匹配成功,则生成所述业务处理请求的第一处理结果,并基于所述人脸数据对所述临时数据库和预设的完整数据库进行更新;所述完整数据库包括获取并存储的所有人脸数据;
第二处理模块,用于若匹配失败,则基于所述完整数据库对所述人脸数据进行匹配,得到匹配结果,并基于所述匹配结果生成所述业务处理请求对应的第二处理结果,以及基于所述人脸数据对所述完整数据库进行更新。
14.一种电子设备,其特征在于,其包括:
处理器、存储器和总线;
所述总线,用于连接所述处理器和所述存储器;
所述存储器,用于存储操作指令;
所述处理器,用于通过调用所述操作指令,执行上述权利要求1-12中任一项所述的业务处理方法。
15.一种计算机可读存储介质,其特征在于,所述计算机存储介质用于存储计算机指令,当其在计算机上运行时,使得计算机可以执行上述权利要求1-12中任一项所述的业务处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010496795.5A CN111666443A (zh) | 2020-06-03 | 2020-06-03 | 业务处理方法、装置、电子设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010496795.5A CN111666443A (zh) | 2020-06-03 | 2020-06-03 | 业务处理方法、装置、电子设备及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111666443A true CN111666443A (zh) | 2020-09-15 |
Family
ID=72385978
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010496795.5A Pending CN111666443A (zh) | 2020-06-03 | 2020-06-03 | 业务处理方法、装置、电子设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111666443A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112199530A (zh) * | 2020-10-22 | 2021-01-08 | 天津众颐科技有限责任公司 | 多维度脸库图片自动更新方法、***、设备及介质 |
CN112667691A (zh) * | 2021-03-16 | 2021-04-16 | 中汽数据有限公司 | 基于数据库的专利标引方法、装置、设备和存储介质 |
CN113326810A (zh) * | 2021-06-30 | 2021-08-31 | 商汤国际私人有限公司 | 人脸识别方法、***、装置、电子设备及存储介质 |
-
2020
- 2020-06-03 CN CN202010496795.5A patent/CN111666443A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112199530A (zh) * | 2020-10-22 | 2021-01-08 | 天津众颐科技有限责任公司 | 多维度脸库图片自动更新方法、***、设备及介质 |
CN112199530B (zh) * | 2020-10-22 | 2023-04-07 | 天津众颐科技有限责任公司 | 多维度脸库图片自动更新方法、***、设备及介质 |
CN112667691A (zh) * | 2021-03-16 | 2021-04-16 | 中汽数据有限公司 | 基于数据库的专利标引方法、装置、设备和存储介质 |
CN113326810A (zh) * | 2021-06-30 | 2021-08-31 | 商汤国际私人有限公司 | 人脸识别方法、***、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8971641B2 (en) | Spatial image index and associated updating functionality | |
US8798357B2 (en) | Image-based localization | |
CN111666443A (zh) | 业务处理方法、装置、电子设备及计算机可读存储介质 | |
US10650274B2 (en) | Image clustering method, image clustering system, and image clustering server | |
US8130285B2 (en) | Automated searching for probable matches in a video surveillance system | |
US8666123B2 (en) | Creating social network groups | |
CN108664914B (zh) | 人脸检索方法、装置及服务器 | |
CN109241325B (zh) | 一种基于深度特征的大规模人脸检索方法和设备 | |
US9442950B2 (en) | Systems and methods for dynamic visual search engine | |
CN109902681B (zh) | 用户群体关系确定方法、装置、设备及存储介质 | |
CN112860993A (zh) | 兴趣点的分类方法、装置、设备、存储介质及程序产品 | |
CN110688952B (zh) | 视频解析方法及装置 | |
US11829339B2 (en) | Efficient data scraping and deduplication system for registered sex offender queries | |
CN114528421A (zh) | 内容审核方法、装置、电子设备及存储介质 | |
CN111177450A (zh) | 一种图像检索云识别方法、***及计算机可读存储介质 | |
CN110750671A (zh) | 一种基于海量非结构化特征的行人检索方法及装置 | |
CN111126340B (zh) | 对象识别方法、装置、电子设备及计算机可读存储介质 | |
CN111414364B (zh) | 用户信息生成方法、装置、电子设备 | |
CN111522941B (zh) | 文本聚类方法、装置、电子设备及计算机存储介质 | |
CN114723454A (zh) | 身份识别方法、装置、电子设备及可读存储介质 | |
JP2013246550A (ja) | 画像検索システム及び画像検索方法 | |
CN111476616B (zh) | 轨迹确定方法、装置、电子设备及计算机存储介质 | |
CN110442656B (zh) | 一种确定共同关联对象的方法及装置 | |
CN111488472B (zh) | 一种图数据处理方法及*** | |
CN117223036A (zh) | 对象数据存储 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |