CN112906568B - 动态阈值管理方法、***、电子设备及介质 - Google Patents
动态阈值管理方法、***、电子设备及介质 Download PDFInfo
- Publication number
- CN112906568B CN112906568B CN202110192083.9A CN202110192083A CN112906568B CN 112906568 B CN112906568 B CN 112906568B CN 202110192083 A CN202110192083 A CN 202110192083A CN 112906568 B CN112906568 B CN 112906568B
- Authority
- CN
- China
- Prior art keywords
- comparison
- threshold
- target object
- image processing
- distribution result
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种动态阈值管理方法、***、电子设备及介质,所述的方法包括:通过人脸图像的相似度比对,获取比对分值分布结果;根据所述比对分值分布结果,动态调整图像处理设备或每个目标对象的比对阈值。为了克服应用环境、应用设备以及底库质量等实际工况条件对通过率和误识率的影响,根据目标对象为本人或者非本人的比对分值分布结果的分布规律,动态地调整图像处理设备或每个目标对象的比对阈值,保障较高的通过率和较低的误识率。
Description
本申请是针对申请日为2020年07月16日、申请号为202010683491X、发明名称为“一种动态阈值管理方法、***、设备及介质”的专利申请的分案申请。
技术领域
本发明涉及图像识别技术,特别是涉及动态阈值管理方法、***、电子设备及介质。
背景技术
在人脸识别过程,人脸识别的判断阈值的选定尤为关键,现有技术中,通过设定静态阈值进行人脸识别,可能会造成:阈值越高,通过率和误识率越低;阈值越低,通过率和误识率越高。
人脸识别设备的交付过程中,因为不同交付人员的经验偏差和交付现场的环境复杂多变,使得依据经验和交付现场情况的调试阈值的工作困难重重,一方面会浪费交付人员的大量时间,另一方面还会因为刚开始没有调节到合适的阈值导致通过率和误识率过高或者过低的情况,影响识别精准度。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种动态阈值管理方法、***、电子设备及介质,用于解决现有技术中设定静态阈值进行人脸识别导致的误识率和通过率不理想的问题。
为实现上述目的及其他相关目的,本发明提供一种动态阈值管理方法,包括:
通过人脸图像的相似度比对,获取比对分值分布结果;
根据所述比对分值分布结果,动态调整图像处理设备或每个目标对象的比对阈值。
可选的,根据所述比对分值分布结果,动态调整图像处理设备或每个目标对象的比对阈值的步骤包括:
根据所述比对分值分布结果,获取非本人比对分值的最大值,并将非本人比对分值的最大值作为所述图像处理设备或每个所述目标对象的比对阈值。
可选的,在通过人脸图像的相似度比对,获取比对分值分布结果的步骤之后,还包括:
判断比对分值分布结果的波形,若波形为三波峰及三波峰以上时,则跳过动态调整图像处理设备或每个目标对象的比对阈值。
可选的,根据所述比对分值分布结果,动态调整图像处理设备或每个目标对象的比对阈值的步骤还包括:
判断比对分值分布结果的波形,若波形为双波峰,获取第一波形中比对分值的最大值并作为非本人比对分值的最大值,将非本人比对分值的最大值作为所述图像处理设备或每个所述目标对象的比对阈值,其中,所述第一波形为比对分值较小的波形。
可选的,根据所述比对分值分布结果,动态调整图像处理设备或每个目标对象的比对阈值的步骤还包括:
判断比对分值分布结果的波形,若波形为单波峰,则确定该波形的比对分值分布结果的均值;
若比对分值分布结果的均值小于预设阈值,则获取波形中比对分值的最大值并作为非本人比对分值的最大值,将非本人比对分值的最大值作为所述图像处理设备或每个所述目标对象的比对阈值。
可选的,确定该波形的比对分值分布结果的均值的步骤包括:
通过正态分布曲线算法拟合比对分值分布结果,并确定比对分值分布结果的均值。
可选的,根据所述比对分值分布结果,动态调整图像处理设备或每个目标对象的比对阈值的步骤还包括:
记录图像处理设备或每个目标对象的比对阈值;
根据所述比对分值分布结果,获取当前的图像处理设备或每个目标对象的比对阈值;
将当前的比对阈值与记录的比对阈值进行比对,并取较大值作为更新的比对阈值;
根据更新的比对阈值,对图像处理设备或每个目标对象进行比对阈值的动态调整。
可选的,根据所述比对分值分布结果,动态调整图像处理设备或每个目标对象的比对阈值的步骤还包括:
遍历图像处理设备的底库,若无目标对象的人脸图像时,获取非本人比对分值的最大值,并将非本人比对分值的最大值作为所述图像处理设备的比对阈值。
可选的,根据所述比对分值分布结果,动态调整图像处理设备或每个目标对象的比对阈值的步骤还包括:
遍历每个所述目标对象,获取对应的目标对象的非本人比对分值的最大值,并将非本人比对分值的最大值作为所述目标对象的比对阈值。
一种动态阈值管理***,包括:
采集模块,用于通过人脸图像的相似度比对,获取比对分值分布结果;
调整模块,用于根据所述比对分值分布结果动态调整图像处理设备或每个目标对象的比对阈值。
可选的,根据所述比对分值分布结果,动态调整图像处理设备或每个目标对象的比对阈值的步骤包括:
根据所述比对分值分布结果,获取非本人比对分值的最大值,并将非本人比对分值的最大值作为所述图像处理设备或每个所述目标对象的比对阈值。
可选的,在通过人脸图像的相似度比对,获取比对分值分布结果的步骤之后,还包括:
判断比对分值分布结果的波形,若波形为三波峰及三波峰以上时,则跳过动态调整图像处理设备或每个目标对象的比对阈值。
可选的,根据所述比对分值分布结果,动态调整图像处理设备或每个目标对象的比对阈值的步骤还包括:
判断比对分值分布结果的波形,若波形为双波峰,获取第一波形中比对分值的最大值并作为非本人比对分值的最大值,将非本人比对分值的最大值作为所述图像处理设备或每个所述目标对象的比对阈值,其中,所述第一波形为比对分值较小的波形。
可选的,根据所述比对分值分布结果,动态调整图像处理设备或每个目标对象的比对阈值的步骤还包括:
判断比对分值分布结果的波形,若波形为单波峰,则确定该波形的比对分值分布结果的均值;
若比对分值分布结果的均值小于预设阈值,则获取波形中比对分值的最大值并作为非本人比对分值的最大值,将非本人比对分值的最大值作为所述图像处理设备或每个所述目标对象的比对阈值。
可选的,确定该波形的比对分值分布结果的均值的步骤包括:
通过正态分布曲线算法拟合比对分值分布结果,并确定比对分值分布结果的均值。
可选的,根据所述比对分值分布结果,动态调整图像处理设备或每个目标对象的比对阈值的步骤还包括:
记录图像处理设备或每个目标对象的比对阈值;
根据所述比对分值分布结果,获取当前的图像处理设备或每个目标对象的比对阈值;
将当前的比对阈值与记录的比对阈值进行比对,并取较大值作为更新的比对阈值;
根据更新的比对阈值,对图像处理设备或每个目标对象进行比对阈值的动态调整。
可选的,根据所述比对分值分布结果,动态调整图像处理设备或每个目标对象的比对阈值的步骤还包括:
遍历图像处理设备的底库,若无目标对象的人脸图像时,获取非本人比对分值的最大值,并将非本人比对分值的最大值作为所述图像处理设备的比对阈值。
可选的,根据所述比对分值分布结果,动态调整图像处理设备或每个目标对象的比对阈值的步骤还包括:
遍历每个所述目标对象,获取对应的目标对象的非本人比对分值的最大值,并将非本人比对分值的最大值作为所述目标对象的比对阈值。
一种设备,包括:
一个或多个处理器;和
其上存储有指令的一个或多个机器可读介质,当所述一个或多个处理器执行时,使得所述设备执行一个或多个所述的方法。
一个或多个机器可读介质,其上存储有指令,当由一个或多个处理器执行时,使得设备执行一个或多个所述的方法。
如上所述,本发明提供的一种动态阈值管理方法、***、电子设备及介质,具有以下有益效果:
为了克服应用环境、应用设备以及底库质量等实际工况条件对通过率和误识率的影响,根据目标对象为本人或者非本人的比对分值分布结果的分布规律,动态地调整图像处理设备或每个目标对象的比对阈值,保障较高的通过率和较低的误识率。
附图说明
图1为本发明实施例提供的动态阈值管理方法的流程示意图。
图2为对分值分布结果的波形为双波峰时的示意图。
图3为对分值分布结果的波形为单波峰时的示意图。
图4为图3中非本人比对分值的最大值的示意图。
图5为本发明另一实施里提供的S2的流程示意图。
图6为本发明实施例提供的动态阈值管理***的结构示意图。
图7为一实施例提供的终端设备的硬件结构示意图。
图8为另一实施例提供的终端设备的硬件结构示意图。
元件标号说明
1100 输入设备
1101 第一处理器
1102 输出设备
1103 第一存储器
1104 通信总线
1200 处理组件
1201 第二处理器
1202 第二存储器
1203 通信组件
1204 电源组件
1205 多媒体组件
1206 语音组件
1207 输入/输出接口
1208 传感器组件
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
发明人发现:设定静态阈值进行人脸识别,可能会造成:阈值越高,通过率和误识率越低;阈值越低,通过率和误识率越高,进而不能较好地兼顾通过率和误识率的要求,因此,本发明提供一种动态阈值管理方法,请参阅图1,所述的方法包括:
S1:通过人脸图像的相似度比对,获取比对分值分布结果;例如,不同的图像处理设备的光线、角度、底库质量等都会影响对目标对象的识别,可以通过图像处理设备采集和处理人脸图像的相似度,并获取相应的比对分值分布结果,该比对分值分布结果展现的特性能够体现出目标对象为本人或者非本人,进而通过掌握目标对象为本人或者非本人的比对分值分布结果的分布规律,达到较为理想的高通过率和低误识率;
S2:根据所述比对分值分布结果,动态调整图像处理设备或每个目标对象的比对阈值,为了克服应用环境、应用设备以及底库质量等实际工况条件对通过率和误识率的影响,根据目标对象为本人或者非本人的比对分值分布结果的分布规律,动态地调整图像处理设备或每个目标对象的比对阈值,保障较高的通过率和较低的误识率。
在一些实施过程中,根据所述比对分值分布结果,动态调整图像处理设备或每个目标对象的比对阈值的S2步骤包括:
根据所述比对分值分布结果,确定比对分值分布结果中的非本人比对分值和本人比对分值,获取非本人比对分值的最大值,并将非本人比对分值的最大值作为所述图像处理设备或每个所述目标对象的比对阈值,进而能够较为精确、高效地区分目标对象的人脸图像是否为本人,提高识别效率和通过率,且降低误识率。
在一些实施过程中,在通过人脸图像的相似度比对,获取比对分值分布结果的S1步骤之后,还包括:
判断比对分值分布结果的波形,若波形为三波峰及三波峰以上时,则跳过动态调整图像处理设备或每个目标对象的比对阈值。当在相似度的比对过程中,出现三波峰及三波峰以上的多波峰情况时,该比对分值分布结果的分布规律并不能够较好地区别本人或者非本人,即不能通过波峰及比对分值分布结果来判定目标对象是否存在于底库中,因此,该种情况下的不对已经设定的图像处理设备或者目标对象的比对阈值进行调整,以避免调整比对阈值,影响通过率及识别率的精度。
在一些实施过程中,根据所述比对分值分布结果,动态调整图像处理设备或每个目标对象的比对阈值的S2步骤还包括:
判断比对分值分布结果的波形,若波形为双波峰,获取第一波形中比对分值的最大值并作为非本人比对分值的最大值,将非本人比对分值的最大值作为所述图像处理设备或每个所述目标对象的比对阈值,其中,所述第一波形为比对分值较小的波形,请参阅图2。当比对分值分布结果的波形为双波峰时,说明比对分值分布结果有明显的本人分布和非本人分布,选取非本人分布中比对分值的最大值作为比对阈值,能够在充分保证较低的误识率的条件下,降低比对分值以及比对阈值的数值,对通过率有较大的提升。
在一些实施过程中,根据所述比对分值分布结果,动态调整图像处理设备或每个目标对象的比对阈值的步骤还包括:
判断比对分值分布结果的波形,若波形为单波峰,则确定该波形的比对分值分布结果的均值;
若比对分值分布结果的均值小于预设阈值(例如,可根据通过率及误识率的要求,预设阈值可以设定为60,还可以设定为50或者70),请参阅图3,在一些实施过程中,通过正态分布曲线算法拟合比对分值分布结果,并确定比对分值分布结果的均值μ,可认为此时目标对象为非本人,即底库中并没有该目标对象的人脸照片,则获取波形中比对分值的最大值并作为非本人比对分值的最大值,请参阅图4,将非本人比对分值的最大值作为所述图像处理设备或每个所述目标对象的比对阈值,进一步的,每当遍历一个新的底库中无人脸图像的目标对象时,会用当前的非本人比对分的最大值和上一轮的最大值做比较,如果大于上一轮的最大值,则保存本轮的最大值,并设定为比对阈值。
为了便于比对阈值的动态设置以及调节,请参阅图5,在一些实施过程中,根据所述比对分值分布结果,动态调整图像处理设备或每个目标对象的比对阈值S2的步骤还包括:
S21:记录图像处理设备或每个目标对象的比对阈值,例如,将每条人脸图像的相似度比对进行记录,记录包括目标对象的ID、图像处理设备的ID、交付现场ID、比对分值和抓拍时间,并把这5个字段接入动态阈值的MySQL数据库,通过算法将该记录遍历底库中每个目标对象;
S22:根据所述比对分值分布结果,获取当前的图像处理设备或每个目标对象的比对阈值;
S23:将当前的比对阈值与记录的比对阈值进行比对,并取较大值作为更新的比对阈值;
S24:根据更新的比对阈值,对图像处理设备或每个目标对象进行比对阈值的动态调整。在人脸识别的动态过程中,不断将当前的比对阈值与记录的比对阈值进行比对和更新,为了降低误识率,取当前的比对阈值与记录的比对阈值中的较大值作为更新的比对阈值,以适应不同的实际应用环境和工况要求。
在一些实施过程中,根据所述比对分值分布结果,动态调整图像处理设备或每个目标对象的比对阈值S2的步骤还包括:
遍历图像处理设备的底库,若无目标对象的人脸图像时,获取非本人比对分值的最大值,并将非本人比对分值的最大值作为所述图像处理设备的比对阈值,便于将该图像处理设备应用在实际的或者动态的应用场景中,保障较高的通过率以及较低的误识率;
或者,遍历每个所述目标对象,获取对应的目标对象的非本人比对分值的最大值,并将非本人比对分值的最大值作为所述目标对象的比对阈值,便于对每个目标对象设定相对应的对比阈值,以应用在实际的或者动态的应用场景中,保障较高的通过率以及较低的误识率。
请参阅图6,本发明还提供一种动态阈值管理***,包括:
采集模块10,用于通过人脸图像的相似度比对,获取比对分值分布结果;
调整模块20,用于根据所述比对分值分布结果动态调整图像处理设备或每个目标对象的比对阈值。为了克服应用环境、应用设备以及底库质量等实际工况条件对通过率和误识率的影响,根据目标对象为本人或者非本人的比对分值分布结果的分布规律,动态地调整图像处理设备或每个目标对象的比对阈值,保障较高的通过率和较低的误识率。
可选的,根据所述比对分值分布结果,动态调整图像处理设备或每个目标对象的比对阈值的步骤包括:
根据所述比对分值分布结果,获取非本人比对分值的最大值,并将非本人比对分值的最大值作为所述图像处理设备或每个所述目标对象的比对阈值。
可选的,在通过人脸图像的相似度比对,获取比对分值分布结果的步骤之后,还包括:
判断比对分值分布结果的波形,若波形为三波峰及三波峰以上时,则跳过动态调整图像处理设备或每个目标对象的比对阈值。
可选的,根据所述比对分值分布结果,动态调整图像处理设备或每个目标对象的比对阈值的步骤还包括:
判断比对分值分布结果的波形,若波形为双波峰,获取第一波形中比对分值的最大值并作为非本人比对分值的最大值,将非本人比对分值的最大值作为所述图像处理设备或每个所述目标对象的比对阈值,其中,所述第一波形为比对分值较小的波形。
可选的,根据所述比对分值分布结果,动态调整图像处理设备或每个目标对象的比对阈值的步骤还包括:
判断比对分值分布结果的波形,若波形为单波峰,则确定该波形的比对分值分布结果的均值;
若比对分值分布结果的均值小于预设阈值,则获取波形中比对分值的最大值并作为非本人比对分值的最大值,将非本人比对分值的最大值作为所述图像处理设备或每个所述目标对象的比对阈值。
可选的,确定该波形的比对分值分布结果的均值的步骤包括:
通过正态分布曲线算法拟合比对分值分布结果,并确定比对分值分布结果的均值。
可选的,根据所述比对分值分布结果,动态调整图像处理设备或每个目标对象的比对阈值的步骤还包括:
记录图像处理设备或每个目标对象的比对阈值;
根据所述比对分值分布结果,获取当前的图像处理设备或每个目标对象的比对阈值;
将当前的比对阈值与记录的比对阈值进行比对,并取较大值作为更新的比对阈值;
根据更新的比对阈值,对图像处理设备或每个目标对象进行比对阈值的动态调整。
可选的,根据所述比对分值分布结果,动态调整图像处理设备或每个目标对象的比对阈值的步骤还包括:
遍历图像处理设备的底库,若无目标对象的人脸图像时,获取非本人比对分值的最大值,并将非本人比对分值的最大值作为所述图像处理设备的比对阈值。
可选的,根据所述比对分值分布结果,动态调整图像处理设备或每个目标对象的比对阈值的步骤还包括:
遍历每个所述目标对象,获取对应的目标对象的非本人比对分值的最大值,并将非本人比对分值的最大值作为所述目标对象的比对阈值。
本发明提供一种设备,包括:一个或多个处理器;和其上存储有指令的一个或多个机器可读介质,当所述一个或多个处理器执行时,使得所述设备执行一个或多个所述的方法。
本发明提供一个或多个机器可读介质,其上存储有指令,当由一个或多个处理器执行时,使得设备执行一个或多个所述的方法。
本申请实施例还提供了一种设备,该设备可以包括:一个或多个处理器;和其上存储有指令的一个或多个机器可读介质,当由所述一个或多个处理器执行时,使得所述设备执行图1所述的方法。在实际应用中,该设备可以作为终端设备,也可以作为服务器,终端设备的例子可以包括:智能手机、平板电脑、电子书阅读器、MP3(动态影像专家压缩标准语音层面3,Moving Picture Experts Group Audio Layer III)播放器、MP4(动态影像专家压缩标准语音层面4,Moving Picture Experts Group Audio Layer IV)播放器、膝上型便携计算机、车载电脑、台式计算机、机顶盒、智能电视机、可穿戴设备等等,本申请实施例对于具体的设备不加以限制。
本申请实施例还提供了一种非易失性可读存储介质,该存储介质中存储有一个或多个模块(programs),该一个或多个模块被应用在设备时,可以使得该设备执行本申请实施例的图4中数据处理方法所包含步骤的指令(instructions)。
图7为本申请一实施例提供的终端设备的硬件结构示意图。如图所示,该终端设备可以包括:输入设备1100、第一处理器1101、输出设备1102、第一存储器1103和至少一个通信总线1104。通信总线1104用于实现元件之间的通信连接。第一存储器1103可能包含高速RAM存储器,也可能还包括非易失性存储NVM,例如至少一个磁盘存储器,第一存储器1103中可以存储各种程序,用于完成各种处理功能以及实现本实施例的方法步骤。
可选的,上述第一处理器1101例如可以为中央处理器(Central ProcessingUnit,简称CPU)、应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,该第一处理器1101通过有线或无线连接耦合到上述输入设备1100和输出设备1102。
可选的,上述输入设备1100可以包括多种输入设备,例如可以包括面向用户的用户接口、面向设备的设备接口、软件的可编程接口、摄像头、传感器中至少一种。可选的,该面向设备的设备接口可以是用于设备与设备之间进行数据传输的有线接口、还可以是用于设备与设备之间进行数据传输的硬件***接口(例如USB接口、串口等);可选的,该面向用户的用户接口例如可以是面向用户的控制按键、用于接收语音输入的语音输入设备以及用户接收用户触摸输入的触摸感知设备(例如具有触摸感应功能的触摸屏、触控板等);可选的,上述软件的可编程接口例如可以是供用户编辑或者修改程序的入口,例如芯片的输入引脚接口或者输入接口等;输出设备1102可以包括显示器、音响等输出设备。
在本实施例中,该终端设备的处理器包括用于执行各设备中语音识别装置各模块的功能,具体功能和技术效果参照上述实施例即可,此处不再赘述。
图8为本申请的一个实施例提供的终端设备的硬件结构示意图。图8是对图7在实现过程中的一个具体的实施例。如图所示,本实施例的终端设备可以包括第二处理器1201以及第二存储器1202。
第二处理器1201执行第二存储器1202所存放的计算机程序代码,实现上述实施例中图4所述方法。
第二存储器1202被配置为存储各种类型的数据以支持在终端设备的操作。这些数据的示例包括用于在终端设备上操作的任何应用程序或方法的指令,例如消息,图片,视频等。第二存储器1202可能包含随机存取存储器(random access memory,简称RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
可选地,第二处理器1201设置在处理组件1200中。该终端设备还可以包括:通信组件1203,电源组件1204,多媒体组件1205,语音组件1206,输入/输出接口1207和/或传感器组件1208。终端设备具体所包含的组件等依据实际需求设定,本实施例对此不作限定。
处理组件1200通常控制终端设备的整体操作。处理组件1200可以包括一个或多个第二处理器1201来执行指令,以完成上述数据处理方法中的全部或部分步骤。此外,处理组件1200可以包括一个或多个模块,便于处理组件1200和其他组件之间的交互。例如,处理组件1200可以包括多媒体模块,以方便多媒体组件1205和处理组件1200之间的交互。
电源组件1204为终端设备的各种组件提供电力。电源组件1204可以包括电源管理***,一个或多个电源,及其他与为终端设备生成、管理和分配电力相关联的组件。
多媒体组件1205包括在终端设备和用户之间的提供一个输出接口的显示屏。在一些实施例中,显示屏可以包括液晶显示器(LCD)和触摸面板(TP)。如果显示屏包括触摸面板,显示屏可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。
语音组件1206被配置为输出和/或输入语音信号。例如,语音组件1206包括一个麦克风(MIC),当终端设备处于操作模式,如语音识别模式时,麦克风被配置为接收外部语音信号。所接收的语音信号可以被进一步存储在第二存储器1202或经由通信组件1203发送。在一些实施例中,语音组件1206还包括一个扬声器,用于输出语音信号。
输入/输出接口1207为处理组件1200和***接口模块之间提供接口,上述***接口模块可以是点击轮,按钮等。这些按钮可包括但不限于:音量按钮、启动按钮和锁定按钮。
传感器组件1208包括一个或多个传感器,用于为终端设备提供各个方面的状态评估。例如,传感器组件1208可以检测到终端设备的打开/关闭状态,组件的相对定位,用户与终端设备接触的存在或不存在。传感器组件1208可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在,包括检测用户与终端设备间的距离。在一些实施例中,该传感器组件1208还可以包括摄像头等。
通信组件1203被配置为便于终端设备和其他设备之间有线或无线方式的通信。终端设备可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个实施例中,该终端设备中可以包括SIM卡插槽,该SIM卡插槽用于***SIM卡,使得终端设备可以登录GPRS网络,通过互联网与服务器建立通信。
由上可知,在图8实施例中所涉及的通信组件1203、语音组件1206以及输入/输出接口1207、传感器组件1208均可以作为图7实施例中的输入设备的实现方式。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (14)
1.一种动态阈值管理方法,其特征在于,包括:
通过人脸图像的相似度比对,获取比对分值分布结果;
根据所述比对分值分布结果,动态调整图像处理设备或每个目标对象的比对阈值,其步骤包括:根据所述比对分值分布结果,获取非本人比对分值的最大值,并将非本人比对分值的最大值作为所述图像处理设备或每个所述目标对象的比对阈值;判断比对分值分布结果的波形,若波形为单波峰,则确定该波形的比对分值分布结果的均值;若比对分值分布结果的均值小于预设阈值,则获取波形中比对分值的最大值并作为非本人比对分值的最大值,将非本人比对分值的最大值作为所述图像处理设备或每个所述目标对象的比对阈值;
在通过人脸图像的相似度比对,获取比对分值分布结果的步骤之后,还包括:
判断比对分值分布结果的波形,若波形为三波峰以上时,则跳过动态调整图像处理设备或每个目标对象的比对阈值。
2.根据权利要求1所述的动态阈值管理方法,其特征在于,根据所述比对分值分布结果,动态调整图像处理设备或每个目标对象的比对阈值的步骤还包括:
判断比对分值分布结果的波形,若波形为双波峰,获取第一波形中比对分值的最大值并作为非本人比对分值的最大值,将非本人比对分值的最大值作为所述图像处理设备或每个所述目标对象的比对阈值,其中,所述第一波形为比对分值较小的波形。
3.根据权利要求1所述的动态阈值管理方法,其特征在于,确定该波形的比对分值分布结果的均值的步骤包括:
通过正态分布曲线算法拟合比对分值分布结果,并确定比对分值分布结果的均值。
4.根据权利要求1或者2所述的动态阈值管理方法,其特征在于,根据所述比对分值分布结果,动态调整图像处理设备或每个目标对象的比对阈值的步骤还包括:
记录图像处理设备或每个目标对象的比对阈值;
根据所述比对分值分布结果,获取当前的图像处理设备或每个目标对象的比对阈值;
将当前的比对阈值与记录的比对阈值进行比对,并取较大值作为更新的比对阈值;
根据更新的比对阈值,对图像处理设备或每个目标对象进行比对阈值的动态调整。
5.根据权利要求1所述的动态阈值管理方法,其特征在于,根据所述比对分值分布结果,动态调整图像处理设备或每个目标对象的比对阈值的步骤还包括:
遍历图像处理设备的底库,若无目标对象的人脸图像时,获取非本人比对分值的最大值,并将非本人比对分值的最大值作为所述图像处理设备的比对阈值。
6.根据权利要求1所述的动态阈值管理方法,其特征在于,根据所述比对分值分布结果,动态调整图像处理设备或每个目标对象的比对阈值的步骤还包括:
遍历每个所述目标对象,获取对应的目标对象的非本人比对分值的最大值,并将非本人比对分值的最大值作为所述目标对象的比对阈值。
7.一种动态阈值管理***,其特征在于,包括:
采集模块,用于通过人脸图像的相似度比对,获取比对分值分布结果;
调整模块,用于根据所述比对分值分布结果动态调整图像处理设备或每个目标对象的比对阈值,根据所述比对分值分布结果,获取非本人比对分值的最大值,并将非本人比对分值的最大值作为所述图像处理设备或每个所述目标对象的比对阈值,判断比对分值分布结果的波形,若波形为单波峰,则确定该波形的比对分值分布结果的均值,若比对分值分布结果的均值小于预设阈值,则获取波形中比对分值的最大值并作为非本人比对分值的最大值,将非本人比对分值的最大值作为所述图像处理设备或每个所述目标对象的比对阈值;
在通过人脸图像的相似度比对,获取比对分值分布结果的步骤之后,还包括:
判断比对分值分布结果的波形,若波形为三波峰以上时,则跳过动态调整图像处理设备或每个目标对象的比对阈值。
8.根据权利要求7所述的动态阈值管理***,其特征在于,根据所述比对分值分布结果,动态调整图像处理设备或每个目标对象的比对阈值的步骤还包括:
判断比对分值分布结果的波形,若波形为双波峰,获取第一波形中比对分值的最大值并作为非本人比对分值的最大值,将非本人比对分值的最大值作为所述图像处理设备或每个所述目标对象的比对阈值,其中,所述第一波形为比对分值较小的波形。
9.根据权利要求7所述的动态阈值管理***,其特征在于,确定该波形的比对分值分布结果的均值的步骤包括:
通过正态分布曲线算法拟合比对分值分布结果,并确定比对分值分布结果的均值。
10.根据权利要求7或者8所述的动态阈值管理***,其特征在于,根据所述比对分值分布结果,动态调整图像处理设备或每个目标对象的比对阈值的步骤还包括:
记录图像处理设备或每个目标对象的比对阈值;
根据所述比对分值分布结果,获取当前的图像处理设备或每个目标对象的比对阈值;
将当前的比对阈值与记录的比对阈值进行比对,并取较大值作为更新的比对阈值;
根据更新的比对阈值,对图像处理设备或每个目标对象进行比对阈值的动态调整。
11.根据权利要求7所述的动态阈值管理***,其特征在于,根据所述比对分值分布结果,动态调整图像处理设备或每个目标对象的比对阈值的步骤还包括:
遍历图像处理设备的底库,若无目标对象的人脸图像时,获取非本人比对分值的最大值,并将非本人比对分值的最大值作为所述图像处理设备的比对阈值。
12.根据权利要求7所述的动态阈值管理***,其特征在于,根据所述比对分值分布结果,动态调整图像处理设备或每个目标对象的比对阈值的步骤还包括:
遍历每个所述目标对象,获取对应的目标对象的非本人比对分值的最大值,并将非本人比对分值的最大值作为所述目标对象的比对阈值。
13.一种电子设备,其特征在于,包括:
一个或多个处理器;和
其上存储有指令的一个或多个机器可读介质,当所述一个或多个处理器执行时,使得所述设备执行如权利要求1-6中一个或多个所述的方法。
14.一种机器可读介质,其特征在于,其上存储有指令,当由一个或多个处理器执行时,使得设备执行如权利要求1-6中一个或多个所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110192083.9A CN112906568B (zh) | 2020-07-16 | 2020-07-16 | 动态阈值管理方法、***、电子设备及介质 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110192083.9A CN112906568B (zh) | 2020-07-16 | 2020-07-16 | 动态阈值管理方法、***、电子设备及介质 |
CN202010683491.XA CN111898495B (zh) | 2020-07-16 | 2020-07-16 | 一种动态阈值管理方法、***、设备及介质 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010683491.XA Division CN111898495B (zh) | 2020-07-16 | 2020-07-16 | 一种动态阈值管理方法、***、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112906568A CN112906568A (zh) | 2021-06-04 |
CN112906568B true CN112906568B (zh) | 2021-11-12 |
Family
ID=73192061
Family Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110192083.9A Active CN112906568B (zh) | 2020-07-16 | 2020-07-16 | 动态阈值管理方法、***、电子设备及介质 |
CN202010683491.XA Active CN111898495B (zh) | 2020-07-16 | 2020-07-16 | 一种动态阈值管理方法、***、设备及介质 |
CN202110195658.2A Active CN112906574B (zh) | 2020-07-16 | 2020-07-16 | 一种动态阈值管理方法及*** |
Family Applications After (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010683491.XA Active CN111898495B (zh) | 2020-07-16 | 2020-07-16 | 一种动态阈值管理方法、***、设备及介质 |
CN202110195658.2A Active CN112906574B (zh) | 2020-07-16 | 2020-07-16 | 一种动态阈值管理方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (3) | CN112906568B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113469015B (zh) * | 2021-06-29 | 2024-08-16 | 浙江大华技术股份有限公司 | 人脸识别方法、装置、电子设备及计算机存储介质 |
CN115588216A (zh) * | 2021-07-06 | 2023-01-10 | 中兴通讯股份有限公司 | 人脸识别方法、设备及存储介质 |
CN113255631B (zh) * | 2021-07-15 | 2021-10-15 | 浙江大华技术股份有限公司 | 相似度阈值更新方法、人脸识别方法及相关装置 |
CN113688708A (zh) * | 2021-08-12 | 2021-11-23 | 北京数美时代科技有限公司 | 一种基于概率特征的人脸识别方法、***及存储介质 |
CN113807319A (zh) * | 2021-10-15 | 2021-12-17 | 云从科技集团股份有限公司 | 人脸识别优化方法、装置、设备和介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106156776A (zh) * | 2015-04-18 | 2016-11-23 | 宁波中国科学院信息技术应用研究院 | 一种交通视频监控中的光照识别方法 |
CN108241836A (zh) * | 2016-12-23 | 2018-07-03 | 同方威视技术股份有限公司 | 用于安检的方法及装置 |
CN108875493A (zh) * | 2017-10-12 | 2018-11-23 | 北京旷视科技有限公司 | 人脸识别中相似度阈值的确定方法以及确定装置 |
CN110059596A (zh) * | 2019-04-03 | 2019-07-26 | 北京字节跳动网络技术有限公司 | 一种图像识别方法、装置、介质和电子设备 |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7492943B2 (en) * | 2004-10-29 | 2009-02-17 | George Mason Intellectual Properties, Inc. | Open set recognition using transduction |
JP2006277415A (ja) * | 2005-03-29 | 2006-10-12 | Sanyo Electric Co Ltd | 登録方法および装置ならびに認証方法および装置 |
US8712109B2 (en) * | 2009-05-08 | 2014-04-29 | Microsoft Corporation | Pose-variant face recognition using multiscale local descriptors |
US9317933B2 (en) * | 2011-05-27 | 2016-04-19 | Sony Corporation | Image processing device and method |
CN103136533B (zh) * | 2011-11-28 | 2015-11-25 | 汉王科技股份有限公司 | 基于动态阈值的人脸识别方法及装置 |
US11089247B2 (en) * | 2012-05-31 | 2021-08-10 | Apple Inc. | Systems and method for reducing fixed pattern noise in image data |
JP6418033B2 (ja) * | 2015-03-30 | 2018-11-07 | オムロン株式会社 | 個人識別装置、識別閾値設定方法、およびプログラム |
CN106295672B (zh) * | 2015-06-12 | 2019-10-29 | 中移信息技术有限公司 | 一种人脸识别方法及装置 |
CN106169071B (zh) * | 2016-07-05 | 2019-06-21 | 厦门理工学院 | 一种基于动态人脸与胸卡识别的考勤方法及*** |
US10062152B2 (en) * | 2016-07-27 | 2018-08-28 | Sharp Laboratories Of America, Inc. | System for conversion of low dynamic range images to high dynamic range images |
CN107452113A (zh) * | 2017-08-09 | 2017-12-08 | 郝建 | 具有人脸识别功能的智能准入*** |
CN108875522B (zh) * | 2017-12-21 | 2022-06-10 | 北京旷视科技有限公司 | 人脸聚类方法、装置和***及存储介质 |
CN108805048B (zh) * | 2018-05-25 | 2020-01-31 | 腾讯科技(深圳)有限公司 | 一种人脸识别模型的调整方法、装置和存储介质 |
US11391819B2 (en) * | 2018-07-18 | 2022-07-19 | Qualcomm Incorporate | Object verification using radar images |
CN109614881B (zh) * | 2018-11-19 | 2021-04-27 | 中国地质大学(武汉) | 可自适应调节阈值的生物识别认证方法、设备及存储设备 |
CN109741369B (zh) * | 2019-01-03 | 2021-07-23 | 北京邮电大学 | 一种用于机器人跟踪目标行人的方法及*** |
CN110276243B (zh) * | 2019-05-07 | 2024-08-16 | 平安科技(深圳)有限公司 | 分数映射方法、人脸比对方法、装置、设备及存储介质 |
CN110705475B (zh) * | 2019-09-30 | 2022-05-17 | 北京地平线机器人技术研发有限公司 | 用于目标对象识别的方法、装置、介质以及设备 |
CN110929619A (zh) * | 2019-11-15 | 2020-03-27 | 云从科技集团股份有限公司 | 一种基于图像处理的目标对象追踪方法、***、设备及可读介质 |
CN111178162B (zh) * | 2019-12-12 | 2023-11-07 | 北京迈格威科技有限公司 | 图像识别方法、装置、计算机设备和存储介质 |
-
2020
- 2020-07-16 CN CN202110192083.9A patent/CN112906568B/zh active Active
- 2020-07-16 CN CN202010683491.XA patent/CN111898495B/zh active Active
- 2020-07-16 CN CN202110195658.2A patent/CN112906574B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106156776A (zh) * | 2015-04-18 | 2016-11-23 | 宁波中国科学院信息技术应用研究院 | 一种交通视频监控中的光照识别方法 |
CN108241836A (zh) * | 2016-12-23 | 2018-07-03 | 同方威视技术股份有限公司 | 用于安检的方法及装置 |
CN108875493A (zh) * | 2017-10-12 | 2018-11-23 | 北京旷视科技有限公司 | 人脸识别中相似度阈值的确定方法以及确定装置 |
CN110059596A (zh) * | 2019-04-03 | 2019-07-26 | 北京字节跳动网络技术有限公司 | 一种图像识别方法、装置、介质和电子设备 |
Non-Patent Citations (2)
Title |
---|
Face recognition method based on dynamic threshold local binary pattern;Weisheng Li 等;《ICIMCS "12: Proceedings of the 4th International Conference on Internet Multimedia Computing and Service》;20120909;第20-24页 * |
联合多任务学习的人脸超分辨率重建;王欢等;《中国图象图形学报》;20200228;第25卷(第2期);第229-240页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111898495A (zh) | 2020-11-06 |
CN112906574B (zh) | 2022-03-01 |
CN112906574A (zh) | 2021-06-04 |
CN112906568A (zh) | 2021-06-04 |
CN111898495B (zh) | 2021-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112906568B (zh) | 动态阈值管理方法、***、电子设备及介质 | |
CN108920070B (zh) | 基于异形显示屏的分屏方法、装置、存储介质及移动终端 | |
CN111310725A (zh) | 一种对象识别方法、***、机器可读介质及设备 | |
CN111178455B (zh) | 图像聚类方法、***、设备及介质 | |
CN111914693A (zh) | 一种人脸姿态调整方法、***、装置、设备及介质 | |
CN110766837A (zh) | 一种通行设备控制方法、装置、机器可读介质及设备 | |
CN112529939A (zh) | 一种目标轨迹匹配方法、装置、机器可读介质及设备 | |
CN111142650B (zh) | 一种屏幕亮度调节方法、屏幕亮度调节装置及终端 | |
CN111626229A (zh) | 一种对象管理方法、装置、机器可读介质及设备 | |
CN112069184A (zh) | 一种向量检索方法、***、设备及介质 | |
CN107223226B (zh) | 用于多点触摸输入的装置和方法 | |
CN112417197B (zh) | 一种排序方法、装置、机器可读介质及设备 | |
CN112051270B (zh) | 一种输电线缺陷检测方法、***、设备及介质 | |
CN111710011B (zh) | 一种漫画生成方法、***、电子设备及介质 | |
CN111813988B (zh) | 用于图像特征库的hnsw节点删除方法、***、设备和介质 | |
CN111626369B (zh) | 一种人脸识别算法效果评估方法、装置、机器可读介质及设备 | |
CN112347982A (zh) | 基于视频的无监督难例数据挖掘方法、装置、介质及设备 | |
CN111626223A (zh) | 一种设备状态检测方法、装置、电子设备及介质 | |
CN111915422A (zh) | 一种风控模型调度方法、装置、机器可读介质及设备 | |
CN111626192A (zh) | 一种活体检测方法、***、设备及介质 | |
CN111091152A (zh) | 图像聚类方法、***、设备及机器可读介质 | |
CN111243254A (zh) | 无线传输电路、装置及设备 | |
CN116468883B (zh) | 一种高精度图像数据体积雾识别方法及装置 | |
CN111224936B (zh) | 用户异常请求检测方法、***、设备以及机器可读介质 | |
CN110766842B (zh) | 通行设备控制方法、装置、机器可读介质及设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |