CN115909434A

CN115909434A - 一种获取人脸图像特征的数据处理***

Info

Publication number: CN115909434A
Application number: CN202211089145.4A
Authority: CN
Inventors: 刘晓文; 李凡平; 石柱国
Original assignee: ISSA Technology Co Ltd
Current assignee: ISSA Technology Co Ltd
Priority date: 2022-09-07
Filing date: 2022-09-07
Publication date: 2023-04-04
Anticipated expiration: 2042-09-07
Also published as: CN115909434B

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

一种获取人脸图像特征的数据处理***

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，……，A_i，……，A_λ}和第二人脸图像列表B＝{B₁，……，B_j，……，B_γ}，A_i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，B_j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,……，AC_i,……，AC_λ}，AC_i为A_i对应的第一目标图像特征列表。

S300，根据AC_i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,……，AD_i,……，AD_λ}，AD_i为A_i对应的第二目标图像特征列表。

S400，将AD_i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,……，BD_j,……，BD_γ}，BD_j为B_j对应的第二目标图像特征列表。

S600，将BD_j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：

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，……，Q_g，……，Q_n}，Q_g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，……，T_g，……，T_n}，T_g为Q_g对应的初始时间节点。

S103，当T⁰-T_g≤T'时，将T_g对应的Q_g***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-T_g＞T'时，将T_g对应的Q_g***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-T_L≤T'₁时，将B'_L***A'中以获取A＝A'，其中，T_L为B'_L对应的时间节点。

S108，当T⁰-T_L＞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。

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，……，M_s，……，M_v}，M_s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C_h＝{C_h0，……，C_hk，……，C_hμ}，其中，C_hk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，C_hk＝M_h+k*N，M_h+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C_hk进行处理，获取C_h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C_h中获取中间图像向量类型集H_h＝{H_h1，……，H_hβ，……，H_ha}和H_h对应的初始中心点集H¹ _h＝{H¹ _h1，……，H¹ _hβ，……，H¹ _ha}，H_hβ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C_h中获取到的第β个样本的向量，其中，初始的H_hβ＝Null。

S2052，根据C_h和H¹ _h，获取C_hk对应的目标相似度列表HC_hk＝{HC¹ _hk，……，HC^β _hk，……，HC^a _hk}，HC^β _hk为C_hk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HC^β _hk为HC_hk中最小值时，将C_hk***到H_hβ中以获取C'_hβ＝H_hβ。

S2054，根据H_hβ，获取H_h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：

其中，Y¹ _y为经过第1次聚簇后H_hβ中第y个预设图像信息，η₁(H_hβ)为经过第1次聚簇后H_hβ中预设图像信息的数量。

S2055，重复执行S402～S404以获取H_h对应的目标中心点集H^E _h＝{H^E _h1，……，H^E _hβ，……，H^E _ha}，其中，H^E _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H^E _hβ的获取方式与H² _hβ的获取方式一致。

S2056，当H^E _hβ＝H^E-1 _hβ时，使C'_hβ＝H_hβ。

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,……，AC_i,……，AC_λ}，AC_i为A_i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A_i和C'_h，获取A_i对应的第一相似度列表Fⁱ _h＝{Fⁱ _h1，……，Fⁱ _hβ，……，Fⁱ _ha}，Fⁱ _hβ为A_i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A_i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A_i对应的第二相似度列表Fⁱ _hβ＝{Fⁱ¹ _hβ，……，F^iu _hβ，……，F^iw(β) _hβ}，F^iu _hβ为A_i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，F^iu _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F^iu _hβ≥F₁时，获取AC_i，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C_h对应的第一图像特征列表FC_h＝{FC_h0,……，FC_hk，……，FC_hμ}，FC_hk＝{FC¹ _hk，……，FC^θ _hk，……，FC^ζ _hk}，FC^θ _hk为C_hk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F^iu _hβ≥F₀时，获取F^iu _hβ对应的C'^u _hβ。

S20753，当C'^u _hβ＝C_hk时，获取AC_i＝FC_hk。

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。

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M_s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FC^θ _hk和M'_sε，其中，所述预设字段为ID。

S303，当s＝h+k*N时，获取AD_i＝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AD_i发送至第i个第一目标用户。

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B_j对应的第三相似度列表BM_j＝{BM¹ _j，……，BM^s _j，……，BM^v _j}，BM^s _j为B_j与M_s的第三相似度。

具体的，BM^s _j的获取方式、F^iu _hβ的获取方式与BM^s _j的获取方式一致。

S505，当BM^s _j≥F₂时，获取BD_j，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BM^s _j≥F₀时,获取B_j对应的M_s。

S5053，根据M_s和M'_s，获取BD_j＝{M'_s1，……，M'_sε，……，M'_sη}。

S600，将BD_j发送至第j个第二目标用户。

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

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，……，A_i，……，A_λ}和第二人脸图像列表B＝{B₁，……，B_j，……，B_γ}，A_i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，B_j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,……，AC_i,……，AC_λ}，AC_i为A_i对应的第一目标图像特征列表；

S300，根据AC_i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,……，AD_i,……，AD_λ}，AD_i为A_i对应的第二目标图像特征列表；

S400，将AD_i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,……，BD_j,……，BD_γ}，BD_j为B_j对应的第二目标图像特征列表；

S600，将BD_j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，……，Q_g，……，Q_n}，Q_g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，……，T_g，……，T_n}，T_g为Q_g对应的初始时间节点；

S103，当T⁰-T_g≤T'时，将T_g对应的Q_g***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-T_g＞T'时，将T_g对应的Q_g***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-T_L≤T'₁时，将B'_L***A'中以获取A＝A'，其中，T_L为B'_L对应的时间节点；

S108，当T⁰-T_L＞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，……，M_s，……，M_v}，M_s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；

S205，对C_hk进行处理，获取C_h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,……，AC_i,……，AC_λ}，AC_i为A_i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A_i和C'_h，获取A_i对应的第一相似度列表Fⁱ _h＝{Fⁱ _h1，……，Fⁱ _hβ，……，Fⁱ _ha}，Fⁱ _hβ为A_i与C'_hβ的第一相似度；

S2073，当Fⁱ _hβ≥F₀时，获取A_i对应的第二相似度列表Fⁱ _hβ＝{Fⁱ¹ _hβ，……，F^iu _hβ，……，F^iw ^(β) _hβ}，F^iu _hβ为A_i与C'^u _hβ的第二相似度，F₀为预设的第一相似度阈值；

S2075，当F^iu _hβ≥F₁时，获取AC_i，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C_h对应的第一图像特征列表FC_h＝{FC_h0,……，FC_hk，……，FC_hμ}，FC_hk＝{FC¹ _hk，……，FC^θ _hk，……，FC^ζ _hk}，FC^θ _hk为C_hk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F^iu _hβ≥F₁时，获取F^iu _hβ对应的C'^u _hβ；

S20753，当C'^u _hβ＝C_hk时，获取AC_i＝FC_hk。

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M_s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FC^θ _hk和M'_sε，其中，所述预设字段为ID；

S303，当s＝h+k*N时，获取AD_i＝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B_j对应的第三相似度列表BM_j＝{BM¹ _j，……，BM^s _j，……，BM^v _j}，BM^s _j为B_j与M_s的第三相似度；

S505，当BM^s _j≥F₂时，获取BD_j，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BM^s _j≥F₂时,获取B_j对应的M_s；