CN115909434A - 一种获取人脸图像特征的数据处理*** - Google Patents
一种获取人脸图像特征的数据处理*** Download PDFInfo
- Publication number
- CN115909434A CN115909434A CN202211089145.4A CN202211089145A CN115909434A CN 115909434 A CN115909434 A CN 115909434A CN 202211089145 A CN202211089145 A CN 202211089145A CN 115909434 A CN115909434 A CN 115909434A
- Authority
- CN
- China
- Prior art keywords
- image
- data processing
- target
- preset
- list
- 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.)
- Granted
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Collating Specific Patterns (AREA)
Abstract
本发明提供了一种获取人脸图像特征的数据处理***,***包括:数据库、处理器、存储有计算机程序的存储器、第一图像数据处理平台和N个第二图像数据处理平台,数据库中包括目标用户的初始人脸图像集和预设图像信息集合,当计算机程序被处理器执行时,实现以下步骤:根据初始人脸图像集获取第一人脸图像列表和第二人脸图像列表,对第一人脸图像进行处理获取第一人脸图像的第二目标图像特征并发送给第一目标用户,对第二人脸图像进行处理获取第二人脸图像的第二目标图像特征并发送给第二目标用户。本发明通过时间条件对初始人脸图像集分类,并动态调整时间对第一人脸图像列表和第二人脸图像列表进行处理,使得获取到的人脸图像特征的准确度较高。
Description
技术领域
本发明涉及图像处理技术领域,特别是涉及一种获取人脸图像特征的数据处理***。
背景技术
随着人脸图像识别技术的快速发展,人脸识别在公安案件侦查、车站机场检票***、住宅出入口管理、精准商业营销以及考场身份验证等领域展开了多元化的行业应用,目前,人脸图像识别方法多样化,如何对人脸图像进行处理,从而有效提高人脸图像的识别效率及准确度已经成为目前的主流研究方向,人脸图像识别速度和精确度的不断加强,能够为各个行业提供精准化服务。
已知一种现有技术,获取人脸图像特征的方法为:提取人脸图像的特征,利用欧式距离或余弦距离计算待查找人脸图像与目标数据库中的人脸图像向量的相似度,得到与待查找人脸特征的相似度满足预设条件的人脸图像特征,以上所述获取人脸图像特征的方法存在的问题:
一方面,因数据库人脸图像数量较大,通过与每个人脸图像的特征向量一一对比,人脸图像搜索识别范围扩大,降低了人脸识别的实时性;
另一方面,数据信息存储于同一平台中,数据存储空间过大,造成数据库中信息缺失,使得获取到的人脸图像特征的准确度较低。
发明内容
针对上述技术问题,本发明采用的技术方案为:一种获取人脸图像特征的数据处理***,***包括:数据库、处理器、存储有计算机程序的存储器、第一图像数据处理平台和N个第二图像数据处理平台,其中,数据库中包括目标用户的初始人脸图像集和预设图像信息集合,当计算机程序被处理器执行时,实现以下步骤:
S100,根据目标用户的初始人脸图像集,获取第一人脸图像列表A={A1,……,Ai,……,Aλ}和第二人脸图像列表B={B1,……,Bj,……,Bγ},Ai为第i个第一目标用户对应的第一人脸图像,i=1……λ,λ为第一目标用户的数量,Bj为第j个第二目标用户对应的第二人脸图像,j=1……γ,γ为第二目标用户的数量。
S200,将A和预设图像信息集合输入至第二图像数据处理平台中,获取A对应的第一目标图像特征集AC={AC1,……,ACi,……,ACλ},ACi为Ai对应的第一目标图像特征列表。
S300,根据ACi和第一图像数据处理平台,获取A对应的第二目标图像特征集AD={AD1,……,ADi,……,ADλ},ADi为Ai对应的第二目标图像特征列表。
S400,将ADi发送至第i个第一目标用户。
S500,将B和预设图像信息集合输入至第一图像数据处理平台中,获取B对应的第二目标图像特征集BD={BD1,……,BDj,……,BDγ},BDj为Bj对应的第二目标图像特征列表。
S600,将BDj发送至第j个第二目标用户。
本发明与现有技术相比具有明显的有益效果,借由上述技术方案,本发明提供的一种获取人脸图像特征的数据处理***可达到相当的技术进步性及实用性,并具有产业上的广泛利用价值,其至少具有以下有益效果:
本发明提供了一种获取人脸图像特征的数据处理***,***包括:数据库、处理器、存储有计算机程序的存储器、第一图像数据处理平台和N个第二图像数据处理平台,其中,数据库包括目标用户的初始人脸图像集和预设图像信息集合,当计算机程序被处理器执行时,实现以下步骤:根据初始人脸图像集获取第一人脸图像列表和第二人脸图像列表,将第一人脸图像列表和预设图像信息集合输入至N个第二图像数据处理平台中,获取第一人脸图像对应的第一目标图像特征集,根据第一目标图像特征集和第一图像数据处理平台获取第一人脸图像对应的第二目标图像特征集并发送至第一目标用户,将第二人脸图像列表和预设图像信息集合输入至第一图像数据处理平台中,获取第二人脸图像对应的第二目标图像特征集并发送至第二目标用户。可知,本发明一方面,通过对初始人脸图像进行分类处理,利用时间条件不同分别对不同类型初始人脸图像进行处理,使得人脸图像搜索范围缩小,提高了人脸识别的实时性;另一方面,动态调整时间条件,将数据信息存储于不同平台,通过建立关联性关系,减少了数据存储空间,在未造成数据库信息缺失的情况下,使得获取到的人脸图像特征的准确度较高。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂,以下特举较佳实施例,并配合附图,详细说明如下。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种获取人脸图像特征的数据处理***的执行计算机程序的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或服务器不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本实施例提供了一种获取人脸图像特征的数据处理***,其特征在于,所述***包括:数据库、处理器、存储有计算机程序的存储器、第一图像数据处理平台和N个第二图像数据处理平台,其中,所述数据库中包括目标用户的初始人脸图像集和预设图像信息集合,当所述计算机程序被处理器执行时,实现以下步骤,如图1所示:
S100,根据目标用户的初始人脸图像集,获取第一人脸图像列表A={A1,……,Ai,……,Aλ}和第二人脸图像列表B={B1,……,Bj,……,Bγ},Ai为第i个第一目标用户对应的第一人脸图像,i=1……λ,λ为第一目标用户的数量,Bj为第j个第二目标用户对应的第二人脸图像,j=1……γ,γ为第二目标用户的数量。
具体的,在S100中还包括如下步骤:
S101,从数据库中获取目标用户的初始人脸图像集Q={Q1,……,Qg,……,Qn},Qg为第g个目标用户的人脸图像,g=1……n,n为目标用户的数量。
S102,根据Q,获取Q对应的初始时间列表T={T1,……,Tg,……,Tn},Tg为Qg对应的初始时间节点。
S103,当T0-Tg≤T'时,将Tg对应的Qg***第一初始人脸图像列表A'={A'1,……,A'q,……,A'b},A'q为第q个第一初始目标用户对应的第一初始人脸图像,q=1……b,b为第一初始目标用户的数量,其中,T0为Q对应的当前时间节点,T'为预设的第一时间阈值。
具体的,所述T'的取值范围为90天~180天,本领域技术人员知晓,根据实际需求进行T'的选取,在此不再赘述。
S104,当T0-Tg>T'时,将Tg对应的Qg***第二初始人脸图像列表B'={B'1,……,B'L,……,B't},B'L为第L个第二初始目标用户对应的第二初始人脸图像,L=1……t,t为第二初始目标用户的数量。
S105,当b>λ0时,获取A=A'且B=B'。
S106,当b≤λ0时,将T'替换成T'1,其中,λ0为预设的图像数量阈值,T'1为预设的第二时间阈值。
具体的,根据第二图像数据处理平台能够存储的数据量进行λ0的选取,本领域技术人员知晓,在此不再赘述。
具体的,T'1>T'。
上述,通过扩大时间范围,使更多初始人脸图像分布到第一初始人脸图像集中,能够为后续减少与数据库中预设图像信息对比的数量,使得人脸图像搜索识别范围缩小,提高了人脸识别的实时性。
S107,当T0-TL≤T'1时,将B'L***A'中以获取A=A',其中,TL为B'L对应的时间节点。
S108,当T0-TL>T'1时,将B'j在B'中删除以获取B=B'。
上述,通过对目标用户的初始人脸图像进行划分,按照时间的不同进行分类,根据第二图像数据处理平台所能存储的数据量动态调整时间,将更多的人脸图像输入至第二数据平台中,能够缩小人脸图像搜索识别范围,提高了人脸识别的实时性。
S200,将A和预设图像信息集合输入至第二图像数据处理平台中,获取A对应的第一目标图像特征集AC={AC1,……,ACi,……,ACλ},ACi为Ai对应的第一目标图像特征列表。
具体的,在S200中还包括如下步骤:
S201,从数据库中获取预设图像信息集合M={M1,……,Ms,……,Mv},Ms为数据库中第s个预设图像信息,s=1……v,v为预设图像信息的数量。
S203,将M输入至N个第二图像数据处理平台中,获取每个第二图像数据处理平台对应的目标图像向量列表Ch={Ch0,……,Chk,……,Chμ},其中,Chk为第h个第二图像数据处理平台对应的第k个目标图像向量,h=1……N,Chk=Mh+k*N,Mh+k*N为M中第(h+k*N)个预设图像信息,k=0……μ,
上述,通过将预设图像信息输入至N个第二图像数据处理平台,使每个第二图像数据处理平台中存储一定数量的预设图像信息,通过将数据信息存储于不同平台,建立关联性关系,减少了数据存储空间,在未造成数据库信息缺失的情况下,使得获取到的人脸图像特征的准确度较高。
S205,对Chk进行处理,获取Ch对应的目标图像向量类型集合C'h={C'h1,……,C'hβ,……,C'ha},C'hβ={C'1 hβ,……,C'u hβ,……,C'w(β) hβ},C'u hβ为第h个第二图像数据处理平台中第β类中第u个目标图像向量,u=1……w(β),w(β)为第β类中目标图像向量的数量,β=1……a,a为C'h中目标图像向量类型的数量。
具体的,在S205中还包括如下步骤:
S2051,从Ch中获取中间图像向量类型集Hh={Hh1,……,Hhβ,……,Hha}和Hh对应的初始中心点集H1 h={H1 h1,……,H1 hβ,……,H1 ha},Hhβ为第h个第二图像数据处理平台中第β类中间图像向量,H1 hβ为初始未聚簇时从Ch中获取到的第β个样本的向量,其中,初始的Hhβ=Null。
S2052,根据Ch和H1 h,获取Chk对应的目标相似度列表HChk={HC1 hk,……,HCβ hk,……,HCa hk},HCβ hk为Chk与H1 hβ之间的目标相似度,本领域技术人员可根据任意模型进行目标相似度的计算,在此不再赘述。
S2053,当HCβ hk为HChk中最小值时,将Chk***到Hhβ中以获取C'hβ=Hhβ。
S2054,根据Hhβ,获取Hh对应的中间中心点集H2 h={H2 h1,……,H2 hβ,……,H2 ha},其中,H2 hβ符合如下条件:
S2055,重复执行S402~S404以获取Hh对应的目标中心点集HE h={HE h1,……,HE hβ,……,HE ha},其中,HE hβ为经过第(E-1)次聚簇后获取到的第β个目标中心点。
具体的,所述HE hβ的获取方式与H2 hβ的获取方式一致。
S2056,当HE hβ=HE-1 hβ时,使C'hβ=Hhβ。
上述,对每个第二图像数据处理平台中的预设图像信息进行聚类处理,通过将相似的图像聚成一类,后续将第一人脸图像与第二图像数据处理平台中的预设图像信息进行对比时,能够缩小人脸图像识别搜索范围,从而提高人脸识别的实时性。
具体的,在S205中,a符合如下条件:
a=r1(μ+1)3+r2(μ+1)2+r3(μ+1)+r4,其中,r1为预设的第一参数,r2为预设的第二参数,r3为预设的第三参数,r4为预设的第四参数。
具体的,r1的取值范围为-8e-13~-5e-12,其中,e为欧拉常数。
优选的,r1的取值为-4e-12。
具体的,r2的取值范围为2e-8~3e-6。
优选的,r2的取值为2e-7。
具体的,r3的取值范围为-1~1。
优选的,r3的取值为-0.0068。
具体的,r4的取值范围为50~100。
优选的,r4的取值为99.025。
上述,根据人脸图像数据量的大小进行人脸图像类型数量的调整,能够保证数据匹配时性能和召回率的平衡,使得在获取初始人脸图像特征时,保证数据运行的效率以及数据匹配的全面性,使得获取到的人脸图像特征的准确度较高。
S207,根据A和C'u hβ,获取A对应的第一目标图像特征集AC={AC1,……,ACi,……,ACλ},ACi为Ai对应的第一目标图像特征列表。
具体的,在S207中还包括如下步骤:
S2071,根据Ai和C'h,获取Ai对应的第一相似度列表Fi h={Fi h1,……,Fi hβ,……,Fi ha},Fi hβ为Ai与C'hβ的第一相似度。
具体的,在S2071中还包括如下步骤:
S20711,根据A,获取A对应的第一人脸图像向量列表A0={A0 1,……,A0 i,……,A0 λ},A0 i为Ai对应的第一人脸图像向量。
具体的,将第一人脸图像转化成第一人脸图像向量的模型本领域技术人员根据实际需求进行选取,在此不再赘述。
S20713,根据A0,获取A0 i=(A0 i1,……,A0 ix,……,A0 ip),其中,A0 ix为A0 i中第x位的bit值,x=1……p,p为第一人脸图像向量的维度。
S20715,根据C'h,获取C'u hβ=(C'u1 hβ,……,C'ux hβ,……,C'up hβ),其中,C'ux hβ为C'u hβ中第x位的bit值。
S20717,根据A0 ix和C'ux hβ,获取第一相似度Fi hβ,其中,Fi hβ符合如下条件:
S2073,当Fi hβ≥F0时,获取Ai对应的第二相似度列表Fi hβ={Fi1 hβ,……,Fiu hβ,……,Fiw(β) hβ},Fiu hβ为Ai与C'u hβ的第二相似度,F0为预设的第一相似度阈值。
具体的,Fiu hβ的获取方式和Fi hβ的获取方式一致。
具体的,F0的取值范围为0.85~0.9,本领域技术人员根据实际需求设置预设的相似度阈值,在此不再赘述。
S2075,当Fiu hβ≥F1时,获取ACi,其中F1为预设的第二相似度阈值。。
具体的,F1的取值范围为0.85~0.9,本领域技术人员根据实际需求设置预设的相似度阈值,在此不再赘述。
具体的,F0=F1。
具体的,所述第二图像数据处理平台还包括Ch对应的第一图像特征列表FCh={FCh0,……,FChk,……,FChμ},FChk={FC1 hk,……,FCθ hk,……,FCζ hk},FCθ hk为Chk对应第一图像特征列表中第θ个第一字段所包含的第一记录,θ=1……ζ,ζ为第一字段的数量。
具体的,在S2075中还包括如下步骤:
S20751,当Fiu hβ≥F0时,获取Fiu hβ对应的C'u hβ。
S20753,当C'u hβ=Chk时,获取ACi=FChk。
上述,首先将第一人脸图像与每个第二图像数据处理平台中的目标图像向量类型进行对比,根据预设的相似度阈值选择符合条件的目标图像向量类型,再通过与符合条件类型下的目标图像向量进行对比,能够使得人脸图像搜索范围缩小,提高了人脸识别的实时性,同时减少了数据存储空间,在未造成数据库信息缺失的情况下,使得获取到的人脸图像特征的准确度较高。
S300,根据ACi和第一图像数据处理平台,获取A对应的第二目标图像特征集AD={AD1,……,ADi,……,ADλ},ADi为Ai对应的第二目标图像特征列表。
具体的,所述第一图像数据处理平台还包括M对应的第二图像特征列表M'={M'1,……,M's,……,M'v},M's={M's1,……,M'sε,……,M'sη},M'sε为Ms对应的第二图像特征列表中第ε个第二字段所包含的第二记录,ε=1……η,η为第二字段的数量。
具体的,在S300中包括如下步骤:
S301,当第θ个第一字段为预设字段且第ε个第二字段为预设字段时,获取FCθ hk和M'sε,其中,所述预设字段为ID。
S303,当s=h+k*N时,获取ADi=M's。
上述,通过将第一图像数据处理平台中的数据与第二图像数据处理平台中的进行关联,使存储数据少的第二图像数据处理平台与第一图像数据处理平台进行相同ID匹配,从而获取到第一人脸图像的全部信息,既使得人脸图像搜索范围缩小,提高了人脸识别的实时性,同时在未造成数据库信息缺失的情况下,使得获取到的人脸图像特征的准确度较高。
S400,将ADi发送至第i个第一目标用户。
S500,将B和预设图像信息集合输入至第一图像数据处理平台中,获取B对应的第二目标图像特征集BD={BD1,……,BDj,……,BDγ},BDj为Bj对应的第二目标图像特征列表。
具体的,在S500中还包括如下步骤:
S501,根据B,获取B对应的第二人脸图像向量列表B0={B0 1,……,B0 j,……,B0 γ},B0 j为B中第j个第二人脸图像向量。
具体的,所述获取第二人脸图像向量的方式与获取第一人脸图像向量的方式一致,通过确保获取方式的一致,能够避免因不同方式使得获取到的向量形式不一致,影响后续相似度计算的准确性,从而影响获取到的人脸图像特征的准确度。
S503,根据B和M,获取Bj对应的第三相似度列表BMj={BM1 j,……,BMs j,……,BMv j},BMs j为Bj与Ms的第三相似度。
具体的,BMs j的获取方式、Fiu hβ的获取方式与BMs j的获取方式一致。
S505,当BMs j≥F2时,获取BDj,其中,F2为预设的第三相似度阈值。
具体的,F2的取值范围为0.85~0.9,本领域技术人员根据实际需求设置预设的相似度阈值,在此不再赘述。
具体的,F0=F1=F2。
具体的,在S505中还包括如下步骤:
S5051,当BMs j≥F0时,获取Bj对应的Ms。
S5053,根据Ms和M's,获取BDj={M's1,……,M'sε,……,M'sη}。
S600,将BDj发送至第j个第二目标用户。
本发明提供了一种获取人脸图像特征的数据处理***,***包括:数据库、处理器、存储有计算机程序的存储器、第一图像数据处理平台和N个第二图像数据处理平台,其中,数据库包括目标用户的初始人脸图像集和预设图像信息集合,当计算机程序被处理器执行时,实现以下步骤:根据初始人脸图像集获取第一人脸图像列表和第二人脸图像列表,将第一人脸图像列表和预设图像信息集合输入至N个第二图像数据处理平台中,获取第一人脸图像对应的第一目标图像特征集,根据第一目标图像特征集和第一图像数据处理平台获取第一人脸图像对应的第二目标图像特征集并发送至第一目标用户,将第二人脸图像列表和预设图像信息集合输入至第一图像数据处理平台中,获取第二人脸图像对应的第二目标图像特征集并发送至第二目标用户。可知,本发明一方面,通过对初始人脸图像进行分类处理,利用时间条件不同分别对不同类型初始人脸图像进行处理,使得人脸图像搜索范围缩小,提高了人脸识别的实时性;另一方面,动态调整时间条件,将数据信息存储于不同平台,通过建立关联性关系,减少了数据存储空间,在未造成数据库信息缺失的情况下,使得获取到的人脸图像特征的准确度较高。
虽然已经通过示例对本发明的一些特定实施例进行了详细说明,但是本领域的技术人员应该理解,以上示例仅是为了进行说明,而不是为了限制本发明的范围。本领域的技术人员还应理解,可以对实施例进行多种修改而不脱离本发明的范围和精神。本发明开的范围由所附权利要求来限定。
Claims (10)
1.一种获取人脸图像特征的数据处理***,其特征在于,所述***包括:数据库、处理器、存储有计算机程序的存储器、第一图像数据处理平台和N个第二图像数据处理平台,其中,所述数据库中包括目标用户的初始人脸图像集和预设图像信息集合,当所述计算机程序被处理器执行时,实现以下步骤:
S100,根据目标用户的初始人脸图像集,获取第一人脸图像列表A={A1,……,Ai,……,Aλ}和第二人脸图像列表B={B1,……,Bj,……,Bγ},Ai为第i个第一目标用户对应的第一人脸图像,i=1……λ,λ为第一目标用户的数量,Bj为第j个第二目标用户对应的第二人脸图像,j=1……γ,γ为第二目标用户的数量;
S200,将A和预设图像信息集合输入至第二图像数据处理平台中,获取A对应的第一目标图像特征集AC={AC1,……,ACi,……,ACλ},ACi为Ai对应的第一目标图像特征列表;
S300,根据ACi和第一图像数据处理平台,获取A对应的第二目标图像特征集AD={AD1,……,ADi,……,ADλ},ADi为Ai对应的第二目标图像特征列表;
S400,将ADi发送至第i个第一目标用户;
S500,将B和预设图像信息集合输入至第一图像数据处理平台中,获取B对应的第二目标图像特征集BD={BD1,……,BDj,……,BDγ},BDj为Bj对应的第二目标图像特征列表;
S600,将BDj发送至第j个第二目标用户。
2.根据权利要求1所述的获取人脸图像特征的数据处理***,其特征在于,在S100中还包括如下步骤:
S101,从数据库中获取目标用户的初始人脸图像集Q={Q1,……,Qg,……,Qn},Qg为第g个目标用户的人脸图像,g=1……n,n为目标用户的数量;
S102,根据Q,获取Q对应的初始时间列表T={T1,……,Tg,……,Tn},Tg为Qg对应的初始时间节点;
S103,当T0-Tg≤T'时,将Tg对应的Qg***第一初始人脸图像列表A'={A'1,……,A'q,……,A'b},A'q为第q个第一初始目标用户对应的第一初始人脸图像,q=1……b,b为第一初始目标用户的数量,其中,T0为Q对应的当前时间节点,T'为预设的第一时间阈值;
S104,当T0-Tg>T'时,将Tg对应的Qg***第二初始人脸图像列表B'={B'1,……,B'L,……,B't},B'L为第L个第二初始目标用户对应的第二初始人脸图像,L=1……t,t为第二初始目标用户的数量;
S105,当b>λ0时,获取A=A'且B=B';
S106,当b≤λ0时,将T'替换成T'1,其中,λ0为预设的图像数量阈值,T'1为预设的第二时间阈值;
S107,当T0-TL≤T'1时,将B'L***A'中以获取A=A',其中,TL为B'L对应的时间节点;
S108,当T0-TL>T'1时,将B'j在B'中删除以获取B=B'。
3.根据权利要求2所述的获取人脸图像特征的数据处理***,其特征在于,所述T'的取值范围为90天~180天。
4.根据权利要求2所述的获取人脸图像特征的数据处理***,其特征在于,T'1>T'。
5.根据权利要求1所述的获取人脸图像特征的数据处理***,其特征在于,在S200中包括如下步骤:
S201,从数据库中获取预设图像信息集合M={M1,……,Ms,……,Mv},Ms为数据库中第s个预设图像信息,s=1……v,v为预设图像信息的数量;
S203,将M输入至N个第二图像数据处理平台中,获取每个第二图像数据处理平台对应的目标图像向量列表Ch={Ch0,……,Chk,……,Chμ},其中,Chk为第h个第二图像数据处理平台对应的第k个目标图像向量,h=1……N,Chk=Mh+k*N,Mh+k*N为M中第(h+k*N)个预设图像信息,k=0……μ,
S205,对Chk进行处理,获取Ch对应的目标图像向量类型集合C'h={C'h1,……,C'hβ,……,C'ha},C'hβ={C'1 hβ,……,C'u hβ,……,C'w(β) hβ},C'u hβ为第h个第二图像数据处理平台中第β类中第u个目标图像向量,u=1……w(β),w(β)为第β类中目标图像向量的数量,β=1……a,a为C'h中目标图像向量类型的数量;
S207,根据A和C'u hβ,获取A对应的第一目标图像特征集AC={AC1,……,ACi,……,ACλ},ACi为Ai对应的第一目标图像特征列表,其中,在S207中还包括如下步骤:
S2071,根据Ai和C'h,获取Ai对应的第一相似度列表Fi h={Fi h1,……,Fi hβ,……,Fi ha},Fi hβ为Ai与C'hβ的第一相似度;
S2073,当Fi hβ≥F0时,获取Ai对应的第二相似度列表Fi hβ={Fi1 hβ,……,Fiu hβ,……,Fiw (β) hβ},Fiu hβ为Ai与C'u hβ的第二相似度,F0为预设的第一相似度阈值;
S2075,当Fiu hβ≥F1时,获取ACi,其中F1为预设的第二相似度阈值。
6.根据权利要求1所述的获取人脸图像特征的数据处理***,其特征在于,所述第二图像数据处理平台还包括Ch对应的第一图像特征列表FCh={FCh0,……,FChk,……,FChμ},FChk={FC1 hk,……,FCθ hk,……,FCζ hk},FCθ hk为Chk对应第一图像特征列表中第θ个第一字段所包含的第一记录,θ=1……ζ,ζ为第一字段的数量。
7.根据权利要求6所述的获取人脸图像特征的数据处理***,其特征在于,在S2075中包括如下步骤:
S20751,当Fiu hβ≥F1时,获取Fiu hβ对应的C'u hβ;
S20753,当C'u hβ=Chk时,获取ACi=FChk。
8.根据权利要求1所述的获取人脸图像特征的数据处理***,其特征在于,所述第一图像数据处理平台还包括M对应的第二图像特征列表M'={M'1,……,M's,……,M'v},M's={M's1,……,M'sε,……,M'sη},M'sε为Ms对应的第二图像特征列表中第ε个第二字段所包含的第二记录,ε=1……η,η为第二字段的数量。
9.根据权利要求8所述的获取人脸图像特征的数据处理***,其特征在于,在S300中包括如下步骤:
S301,当第θ个第一字段为预设字段且第ε个第二字段为预设字段时,获取FCθ hk和M'sε,其中,所述预设字段为ID;
S303,当s=h+k*N时,获取ADi=M's。
10.根据权利要求8所述的获取人脸图像特征的数据处理***,其特征在于,在S500中还包括如下步骤:
S501,根据B,获取B对应的第二人脸图像向量列表B0={B0 1,……,B0 j,……,B0 γ},B0 j为B中第j个第二人脸图像向量;
S503,根据B0和M,获取Bj对应的第三相似度列表BMj={BM1 j,……,BMs j,……,BMv j},BMs j为Bj与Ms的第三相似度;
S505,当BMs j≥F2时,获取BDj,其中,F2为预设的第三相似度阈值,其中,在S505中还包括如下步骤:
S5051,当BMs j≥F2时,获取Bj对应的Ms;
S5053,根据Ms和M's,获取BDj={M's1,……,M'sε,……,M'sη}。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211089145.4A CN115909434B (zh) | 2022-09-07 | 2022-09-07 | 一种获取人脸图像特征的数据处理*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211089145.4A CN115909434B (zh) | 2022-09-07 | 2022-09-07 | 一种获取人脸图像特征的数据处理*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115909434A true CN115909434A (zh) | 2023-04-04 |
CN115909434B CN115909434B (zh) | 2023-07-04 |
Family
ID=86476709
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211089145.4A Active CN115909434B (zh) | 2022-09-07 | 2022-09-07 | 一种获取人脸图像特征的数据处理*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115909434B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109241868A (zh) * | 2018-08-16 | 2019-01-18 | 平安科技(深圳)有限公司 | 人脸识别方法、装置、计算机设备及存储介质 |
CN111291678A (zh) * | 2020-02-06 | 2020-06-16 | 北京爱笔科技有限公司 | 一种基于多特征融合的人脸图像聚类方法及装置 |
WO2020147257A1 (zh) * | 2019-01-16 | 2020-07-23 | 平安科技(深圳)有限公司 | 一种人脸识别方法和装置 |
WO2021027343A1 (zh) * | 2019-08-12 | 2021-02-18 | 深圳市商汤科技有限公司 | 一种人脸图像识别方法及装置、电子设备和存储介质 |
US20210312166A1 (en) * | 2020-03-13 | 2021-10-07 | Espressif Systems (Shanghai) Co., Ltd. | System and method for face recognition based on dynamic updating of facial features |
CN113889214A (zh) * | 2021-10-11 | 2022-01-04 | 西安惠普生物科技有限公司 | 一种获取目标文本的数据处理*** |
CN113963303A (zh) * | 2021-11-11 | 2022-01-21 | 百果园技术(新加坡)有限公司 | 图像处理方法、视频识别方法、装置、设备及存储介质 |
-
2022
- 2022-09-07 CN CN202211089145.4A patent/CN115909434B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109241868A (zh) * | 2018-08-16 | 2019-01-18 | 平安科技(深圳)有限公司 | 人脸识别方法、装置、计算机设备及存储介质 |
WO2020147257A1 (zh) * | 2019-01-16 | 2020-07-23 | 平安科技(深圳)有限公司 | 一种人脸识别方法和装置 |
WO2021027343A1 (zh) * | 2019-08-12 | 2021-02-18 | 深圳市商汤科技有限公司 | 一种人脸图像识别方法及装置、电子设备和存储介质 |
CN111291678A (zh) * | 2020-02-06 | 2020-06-16 | 北京爱笔科技有限公司 | 一种基于多特征融合的人脸图像聚类方法及装置 |
US20210312166A1 (en) * | 2020-03-13 | 2021-10-07 | Espressif Systems (Shanghai) Co., Ltd. | System and method for face recognition based on dynamic updating of facial features |
CN113889214A (zh) * | 2021-10-11 | 2022-01-04 | 西安惠普生物科技有限公司 | 一种获取目标文本的数据处理*** |
CN113963303A (zh) * | 2021-11-11 | 2022-01-21 | 百果园技术(新加坡)有限公司 | 图像处理方法、视频识别方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115909434B (zh) | 2023-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110289050B (zh) | 一种基于图卷积和词向量的药物-靶标相互作用预测方法 | |
CN110852755B (zh) | 针对交易场景的用户身份识别方法和装置 | |
US9141853B1 (en) | System and method for extracting information from documents | |
CN103210368A (zh) | 软件应用程序识别 | |
CN113298197B (zh) | 数据聚类方法、装置、设备及可读存储介质 | |
CN109710402A (zh) | 处理资源获取请求的方法、装置、计算机设备和存储介质 | |
CN107679539B (zh) | 一种基于局部感知野的单卷积神经网络局部信息与全局信息整合方法 | |
CN112632248A (zh) | 问答方法、装置、计算机设备和存储介质 | |
CN110213660B (zh) | 节目的分发方法、***、计算机设备和存储介质 | |
CN115659226A (zh) | 一种获取app标签的数据处理*** | |
CN115221302A (zh) | 基于文本分析的人力资源推荐方法 | |
CN114494809A (zh) | 特征提取模型优化方法、装置及电子设备 | |
CN108153818B (zh) | 一种基于大数据的聚类方法 | |
US20040042663A1 (en) | Method, apparatus, and program for similarity judgment | |
CN111783088B (zh) | 一种恶意代码家族聚类方法、装置和计算机设备 | |
CN114118370A (zh) | 模型训练方法、电子设备和计算机可读存储介质 | |
US6070169A (en) | Method and system for the determination of a particular data object utilizing attributes associated with the object | |
CN110705572B (zh) | 一种图像识别方法 | |
CN115909434A (zh) | 一种获取人脸图像特征的数据处理*** | |
CN116453200A (zh) | 人脸识别方法、装置、电子设备及存储介质 | |
CN115661472A (zh) | 图像查重方法、装置、计算机设备及存储介质 | |
CN116050404A (zh) | 一种用于电子档案智能分类鉴定的方法及装置 | |
CN114756671A (zh) | 文章推荐方法、装置、计算机设备及存储介质 | |
CN115880745A (zh) | 一种获取人脸图像特征的数据处理*** | |
Villegas-Cortez et al. | Interest points reduction using evolutionary algorithms and CBIR for face recognition |
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 |