CN116521093B - 一种智慧社区人脸数据存储方法及*** - Google Patents
一种智慧社区人脸数据存储方法及*** Download PDFInfo
- Publication number
- CN116521093B CN116521093B CN202310797180.XA CN202310797180A CN116521093B CN 116521093 B CN116521093 B CN 116521093B CN 202310797180 A CN202310797180 A CN 202310797180A CN 116521093 B CN116521093 B CN 116521093B
- Authority
- CN
- China
- Prior art keywords
- data
- sequence
- matched
- face
- additional item
- 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
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000013500 data storage Methods 0.000 title claims description 13
- 238000007906 compression Methods 0.000 claims abstract description 99
- 230000006835 compression Effects 0.000 claims abstract description 99
- 108091026890 Coding region Proteins 0.000 claims description 17
- 238000013144 data compression Methods 0.000 claims description 4
- 230000006837 decompression Effects 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 6
- 238000013475 authorization Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
- G06F3/0601—Interfaces specially adapted for storage systems
- G06F3/0602—Interfaces specially adapted for storage systems specifically adapted to achieve a particular effect
- G06F3/0608—Saving storage space on storage systems
-
- 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
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2291—User-Defined Types; Storage management thereof
-
- 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
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Multimedia (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本发明涉及编码压缩技术领域,具体涉及一种智慧社区人脸数据存储方法及***,包括:根据人脸数据序列中每种数据的频率构建初始的压缩字典,对人类数据序列进行压缩的过程中,预测待匹配数据与附加项形成的序列的局部重复概率,根据局部重复概率对压缩字典进行更新,使得局部重复概率大的数据位于压缩字典中较为靠前的位置,进而使得得到的编码序列中数值都较小且重复率较大,对编码序列进行进一步压缩的效果更好,节省了人脸数据的存储空间。
Description
技术领域
本发明涉及编码压缩技术领域,具体涉及一种智慧社区人脸数据存储方法及***。
背景技术
智慧社区是一种基于信息技术的社区管理模式,通过建立智能化的社区管理平台以及社区内部的信息交互和连接,实现社区居民生活的智能化、便利化和人性化,提升社区治理水平和居民满意度。
智能化门禁是智慧社区中的一种智能化技术,通过采集人脸数据,快速区分用户身份,并根据不同用户的权限进行安全授权认证。
由于社区人员较多,人脸数据的数据量庞大,为节省存储空间,需要对人脸数据进行压缩存储。现有的压缩方法如LZW编码通过边构建压缩字典边压缩,对人脸数据的压缩效果较好。但对LZW编码的编码结果转换为二进制进行存储时,由于编码结果中数值较大,导致编码结果转换为二进制的位数较长,占用存储空间较大,不利于人脸数据的存储。
发明内容
本发明提供一种智慧社区人脸数据存储方法及***,以解决现有的问题。
本发明的一种智慧社区人脸数据存储方法采用如下技术方案:
本发明一个实施例提供了一种智慧社区人脸数据存储方法,该方法包括以下步骤:
采集人脸图像,将人脸图像转换为人脸数据序列;
将人脸数据序列中相同的数值视作一种数据,获取人脸数据序列中每种数据的频率,根据每种数据的频率构建初始的压缩字典;构建一个空的序列,记为已编码序列;
对人脸数据序列进行压缩:
S1:将人脸数据序列中第一个数据作为待匹配数据P;
S2:将人脸数据序列中下一个数据作为附加项C;
S3:在压缩字典中查找待匹配数据P与附加项C形成的序列P+C:
S301:若待匹配数据P与附加项C形成的序列P+C在压缩字典中存在,将待匹配数据P与附加项C形成的序列P+C作为新的待匹配数据P;
S302:若待匹配数据P与附加项C形成的序列P+C在压缩字典中不存在,输出编码结果;将待匹配数据P添加到已编码序列中;根据待匹配数据P中的每个数据在人脸数据序列以及已编码序列中的频率,获取待匹配数据P与附加项C形成的序列P+C的局部重复概率;根据局部重复概率更新压缩字典;将附加项C作为新的待匹配数据P;
S4:重复S2-S3,将输出的所有编码结果构成编码序列;
S5:对编码序列进行压缩,得到压缩数据;
对压缩数据进行存储。
优选的,所述根据每种数据的频率构建初始的压缩字典,包括的具体步骤如下:
构建一个空的字典,字典包含序号列以及数据列;按照人脸数据序列中每种数据的频率从大到小的顺序对所有种数据进行排序,按照排序结果将所有种数据依次添加到字典的数据列,字典的序号列的值从1开始依次递增,将该字典作为初始的压缩字典。
优选的,所述输出编码结果,包括的具体步骤如下:
将待匹配数据P在字典中对应的序号作为编码结果进行输出。
优选的,所述获取待匹配数据P与附加项C形成的序列P+C的局部重复概率,包括的具体步骤如下:
其中,为待匹配数据P与附加项C形成的序列P+C的局部重复概率;/>为待匹配数据P中包含的每一个数据在人脸数据序列中的频率构成的集合;/>为最小值函数;/>为待匹配数据P中第/>个数据在已编码序列中出现的频率;/>为待匹配数据P中包含的数据的个数;/>为已编码序列中包含待匹配数据P的第/>个元素中每个数据在人脸数据序列中的频率构成的集合;/>为已编码序列中包含待匹配数据P的元素的个数;/>为以自然常数为底的指数函数。
优选的,所述根据局部重复概率更新压缩字典,包括的具体步骤如下:
当待匹配数据P与附加项C形成的序列P+C的局部重复概率大于或等于预设的重复阈值时,将待匹配数据P与附加项C形成的序列P+C添加到压缩字典的数据列中P所在的位置,将压缩字典的数据列中P以及之后的所有数据依次向后移动一位;
当待匹配数据P与附加项C形成的序列P+C的局部重复概率小于预设的重复阈值时,将待匹配数据P与附加项C形成的序列P+C添加到压缩字典数据列的末尾。
本发明实施例提出一种智慧社区人脸数据存储***,所述***包括:
人脸数据采集模块,采集人脸图像,将人脸图像转换为人脸数据序列;
压缩字典构建模块,将人脸数据序列中相同的数值视作一种数据,获取人脸数据序列中每种数据的频率,根据每种数据的频率构建初始的压缩字典;
人脸数据压缩模块,构建一个空的序列,记为已编码序列;
对人脸数据序列进行压缩:
S1:将人脸数据序列中第一个数据作为待匹配数据P;
S2:将人脸数据序列中下一个数据作为附加项C;
S3:在压缩字典中查找待匹配数据P与附加项C形成的序列P+C:
S301:若待匹配数据P与附加项C形成的序列P+C在压缩字典中存在,将待匹配数据P与附加项C形成的序列P+C作为新的待匹配数据P;
S302:若待匹配数据P与附加项C形成的序列P+C在压缩字典中不存在,输出编码结果;将待匹配数据P添加到已编码序列中;根据待匹配数据P中的每个数据在人脸数据序列以及已编码序列中的频率,获取待匹配数据P与附加项C形成的序列P+C的局部重复概率;根据局部重复概率更新压缩字典;将附加项C作为新的待匹配数据P;
S4:重复S2-S3,将输出的所有编码结果构成编码序列;
S5:对编码序列进行压缩,得到压缩数据;
人脸数据存储模块,对压缩数据进行存储;
人脸数据解压模块,对压缩数据进行解压。
本发明的技术方案的有益效果是:LZW编码的编码结果中大部分数值都较大,对LZW编码的编码结果进行存储时,需将其转换为二进制,二进制数据的长度取决于编码结果中最大的数值,由于编码结果中数值较大,导致编码结果转换为二进制的位数较长,占用存储空间较大。本发明根据待匹配数据P预测待匹配数据P与附加项C形成的序列P+C的局部重复概率,根据局部重复概率将序列P+C添加到压缩字典中,使得局部重复概率大的数据位于压缩字典中较为靠前的位置,当人脸数据序列中该数据再次出现时,可用较小的数值对该数据进行编码。通过动态调整压缩字典中数据的位置,使得所有局部重复率大的数据都可用较小的数值进行编码,使得编码序列中数值都较小且重复率较大,对编码序列进行进一步压缩的压缩效果更好,节省了人脸数据的存储空间。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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为本发明的一种智慧社区人脸数据存储方法的步骤流程图;
图2为本发明的一种智慧社区人脸数据存储***的结构框图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种智慧社区人脸数据存储方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种智慧社区人脸数据存储方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种智慧社区人脸数据存储方法的步骤流程图,该方法包括以下步骤:
S001.采集人脸数据。
在经过用户授权后,通过智慧社区APP采集社区内人员的人脸图像,将人脸图像的大小记为M×N。为了便于后续对人脸图像的压缩以及存储,按照zigzag扫描方式对人脸图像中所有像素点的灰度值进行扫描,将人脸图像中所有像素点的灰度值展开成一个一维的序列,记为人脸数据序列。在其他实施例中,实施人员也可采用其他扫描方式。
至此,实现了人脸数据的采集,得到了人脸数据序列。
S002.构建初始的压缩字典。
需要说明的是,LZW编码是一种数据压缩方法,通过边构建压缩字典边压缩的方法对数据进行压缩,本发明实施例为对LZW编码的改进,因此首先需要构建初始的压缩字典。为了确保人脸数据序列中出现频率较大的数据的编码结果小,需要根据人脸数据序列中数据的频率构建初始的压缩字典,同时初始的压缩字典需要涵盖人脸数据序列中所有不同的数值。
在本发明实施例中,构建一个空的字典,字典包含序号列以及数据列。序号列用来存放数据的序号,数据列用来存放编码对象。序号列的值从1开始依次递增。
将人脸数据序列中相同的数值视作一种数据,统计人脸数据序列中每种数据的频率,并按照频率从大到小的顺序对所有种数据进行排序,按照排序结果将所有种数据依次添加到字典的数据列,将该字典作为初始的压缩字典。
至此,获取了初始的压缩字典。
S003.对人脸数据序列进行压缩,得到压缩数据。
需要说明的是,LZW编码在编码过程中不断向压缩字典添加数据中出现的长度大于1的字符串,使得数据中相同的字符串再次出现时,可根据压缩字典将该长度大于1的字符串编码成一个值,从而实现数据的压缩。LZW编码的编码结果中数值的重复率非常小,且由于对于数据中出现的每个字符串都需要添加到LZW编码的压缩字典的末尾,使得压缩字典数据量非常大,导致LZW编码的编码结果中大部分数值都较大。在计算机内部所有数据都是以二进制形式存储的,对LZW编码的编码结果进行存储时,需将其转换为二进制,二进制数据的长度取决于编码结果中最大的数值,由于编码结果中数值较大,导致编码结果转换为二进制的位数较长,占用存储空间较大。因此需要结合字符串在接下来重复出现的概率,将字符串动态添加到压缩字典较为靠前的位置,使得编码结果中的数值都较小,且重复率较大,提高LZW编码的效率,后续对编码结果可进行进一步压缩,进一步提高压缩效率。
在本发明实施例中,构建一个空的序列,记为已编码序列,用来存在人脸数据序列中已编码的数据。
对人脸数据序列进行压缩:
1.将人脸数据序列中第一个数据作为待匹配数据P;
2.将人脸数据序列中下一个数据作为附加项C;
3.在压缩字典中查找待匹配数据P与附加项C形成的序列P+C:
(1)若待匹配数据P与附加项C形成的序列P+C在压缩字典中存在,则将待匹配数据P与附加项C形成的序列P+C作为新的待匹配数据P;
(2)若待匹配数据P与附加项C形成的序列P+C在压缩字典中不存在,则将待匹配数据P在字典中对应的序号作为编码结果进行输出,将待匹配数据P添加到已编码序列中。
计算待匹配数据P与附加项C形成的序列P+C的局部重复概率:
其中,为待匹配数据P与附加项C形成的序列P+C的局部重复概率;/>为待匹配数据P中包含的每一个数据在人脸数据序列中的频率构成的集合;/>为最小值函数,用于获取集合Q中的最小值,待匹配数据P在人脸数据序列中的频率由构成待匹配数据P的所有数据的频率决定,待匹配数据P的频率最大为/>;/>为待匹配数据P中第/>个数据在已编码序列中出现的频率;/>为待匹配数据P中包含的数据的个数,即待匹配数据P的长度;/>为待匹配数据P中所有数据在已编码序列中出现的频率之和,/>表示待匹配数据P中所有数据已编码的比例,当待匹配数据P中所有数据已编码的比例越小时,说明待匹配数据P在之后的重复的可能性越大;/>为已编码序列中包含待匹配数据P的第/>个元素中每个数据在人脸数据序列中的频率构成的集合,/>为已编码序列中包含待匹配数据P的第/>个元素的最大可能频率,/>为已编码序列中包含待匹配数据P的元素的个数;/>为以自然常数为底的指数函数;/>为已编码序列中包含待匹配数据P的所有元素的最大可能频率之和,由于已编码序列中包含待匹配数据P的所有元素均与序列P+C不同,因此/>表示待匹配数据P与除C外其余数据构成的序列的比例,由于人脸数据序列的局部相似性,当该比例越大,序列P+C在之后重复出现的可能性越小,当该比例越小,序列P+C在之后重复出现的可能性越大,即待匹配数据P与附加项C形成的序列P+C的局部重复概率越大。
预设一个重复阈值T,其中本实施例以T=0.5为例进行叙述,本实施例不进行具体限定,其中T可根据具体实施情况而定。当待匹配数据P与附加项C形成的序列P+C的局部重复概率大于或等于重复阈值T时,对压缩字典进行更新:将待匹配数据P与附加项C形成的序列P+C添加到压缩字典的数据列中P所在的位置,将压缩字典的数据列中P以及之后的所有数据依次向后移动一位。需要说明的是,在对压缩字典进行更新时,仅调整压缩字典的数据列中数据的位置,不调整序号列中序号的位置。
当待匹配数据P与附加项C形成的序列P+C的局部重复概率小于重复阈值T时,将待匹配数据P与附加项C形成的序列P+C添加到压缩字典数据列的末尾。
将附加项C作为新的待匹配数据P。
4.重复步骤2-3,直到人脸数据序列中所有数据都已编码完成时停止迭代。将输出的所有编码结果构成一个一维的序列,记为编码序列。
5.对编码序列利用霍夫曼编码进行压缩,得到压缩数据。需要说明的是,在其他实施例中实施人员也可采用其他压缩方法对编码序列进行压缩,包括但不限于香农编码、算数编码。
至此,实现了对人脸数据序列的压缩,得到了压缩数据。
需要说明的是,本发明实施例根据待匹配数据P预测待匹配数据P与附加项C形成的序列P+C的局部重复概率,根据局部重复概率将序列P+C添加到压缩字典中,使得局部重复概率大的数据位于压缩字典中较为靠前的位置,当人脸数据序列中该数据再次出现时,可用较小的数值对该数据进行编码。通过动态调整压缩字典中数据的位置,使得所有局部重复率大的数据都可用较小的数值进行编码,使得编码序列中数值都较小且重复率较大。利用霍夫曼编码对编码序列进行进一步压缩的压缩效果更好。
S004.对压缩数据进行存储。
将压缩数据以及步骤S002获得的人脸数据序列中每种数据的频率、步骤S001获得的人脸图像的大小M×N存储在人脸数据存储服务器上。
S005.对压缩数据进行解压。
当需要读取人脸数据时,需要对压缩数据进行解压,具体为:
根据人脸数据序列中每种数据的频率利用步骤S002中的方法构建初始的压缩字典。利用霍夫曼编码对压缩数据进行解压得到编码序列。
构建一个空的序列,记为已编码序列。
对编码序列进行解码:
1.编码序列中第一个元素作为待解码元素;
2.获取压缩字典中与待解码元素相同的序号对应的数据,作为解码数据,记为P。
3.将解码数据P添加到已编码序列中。由于附加项C是解码数据P在人脸数据序列中的后一个数据,在未对后一个数据进行解码时,附加项C未知。此时将附加项C作为未知数,根据解码数据P获取序列P+C的局部重复概率,当局部重复概率大于或等于重复阈值T时,将压缩字典中P以及之后的所有数据依次向后移动一位,将压缩字典中P原本的位置作为空白位。
需要说明的是,序列P+C的局部重复概率的计算仅与P相关,因此在附加项C为未知数时,仅根据P即可获得序列P+C的局部重复概率。
4.将编码序列中下一个元素作为新的待解码元素,获取压缩字典中与待解码元素相同的序号对应的数据中第一个数据作为附加项C,将序列P+C添加到压缩字典的空白位中。获取压缩字典中与待解码元素相同的序号对应的数据,作为新的解码数据P。
5.重复步骤3-4,直到编码序列中的所有元素都已遍历时停止迭代,将已编码序列中长度大于1的元素拆分成多个长度为1的元素,构成新的序列,记为人脸数据序列。
将人脸数据序列填充到M×N大小的空矩阵中,得到人脸图像。
通过以上步骤,完成了人脸数据的压缩存储以及解压。
请参阅图2,其示出了本发明一个实施例所提供的一种智慧社区人脸数据存储***的结构框图,该***包括:
人脸数据采集模块,采集人脸图像,将人脸图像转换为人脸数据序列。
压缩字典构建模块,将人脸数据序列中相同的数值视作一种数据,获取人脸数据序列中每种数据的频率,根据每种数据的频率构建初始的压缩字典。
人脸数据压缩模块,构建一个空的序列,记为已编码序列。
对人脸数据序列进行压缩:
1:将人脸数据序列中第一个数据作为待匹配数据P。
2:将人脸数据序列中下一个数据作为附加项C。
3:在压缩字典中查找待匹配数据P与附加项C形成的序列P+C:
(1):若待匹配数据P与附加项C形成的序列P+C在压缩字典中存在,将待匹配数据P与附加项C形成的序列P+C作为新的待匹配数据P。
(2):若待匹配数据P与附加项C形成的序列P+C在压缩字典中不存在,输出编码结果;将待匹配数据P添加到已编码序列中;根据待匹配数据P中的每个数据在人脸数据序列以及已编码序列中的频率,获取待匹配数据P与附加项C形成的序列P+C的局部重复概率;根据局部重复概率更新压缩字典;将附加项C作为新的待匹配数据P。
4:重复2-3,将输出的所有编码结果构成编码序列。
5:对编码序列进行压缩,得到压缩数据。
人脸数据存储模块,对压缩数据进行存储。
人脸数据解压模块,对压缩数据进行解压。
本发明实施例通过待匹配数据P预测待匹配数据P与附加项C形成的序列P+C的局部重复概率,根据局部重复概率将序列P+C添加到压缩字典中,使得局部重复概率大的数据位于压缩字典中较为靠前的位置,当人脸数据序列中该数据再次出现时,可用较小的数值对该数据进行编码。通过动态调整压缩字典中数据的位置,使得所有局部重复率大的数据都可用较小的数值进行编码,使得编码序列中数值都较小且重复率较大,对编码序列进行进一步压缩的压缩效果更好,节省了人脸数据的存储空间。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种智慧社区人脸数据存储方法,其特征在于,该方法包括以下步骤:
采集人脸图像,将人脸图像转换为人脸数据序列;
将人脸数据序列中相同的数值视作一种数据,获取人脸数据序列中每种数据的频率,根据每种数据的频率构建初始的压缩字典;构建一个空的序列,记为已编码序列;
对人脸数据序列进行压缩:
S1:将人脸数据序列中第一个数据作为待匹配数据P;
S2:将人脸数据序列中下一个数据作为附加项C;
S3:在压缩字典中查找待匹配数据P与附加项C形成的序列P+C:
S301:若待匹配数据P与附加项C形成的序列P+C在压缩字典中存在,将待匹配数据P与附加项C形成的序列P+C作为新的待匹配数据P;
S302:若待匹配数据P与附加项C形成的序列P+C在压缩字典中不存在,输出编码结果;将待匹配数据P添加到已编码序列中;根据待匹配数据P中的每个数据在人脸数据序列以及已编码序列中的频率,获取待匹配数据P与附加项C形成的序列P+C的局部重复概率;根据局部重复概率更新压缩字典;将附加项C作为新的待匹配数据P;
S4:重复S2-S3,将输出的所有编码结果构成编码序列;
S5:对编码序列进行压缩,得到压缩数据;
对压缩数据进行存储;
所述获取待匹配数据P与附加项C形成的序列P+C的局部重复概率,包括的具体步骤如下:
其中,为待匹配数据P与附加项C形成的序列P+C的局部重复概率;/>为待匹配数据P中包含的每一个数据在人脸数据序列中的频率构成的集合;/>为最小值函数;/>为待匹配数据P中第/>个数据在已编码序列中出现的频率;/>为待匹配数据P中包含的数据的个数;为已编码序列中包含待匹配数据P的第/>个元素中每个数据在人脸数据序列中的频率构成的集合;/>为已编码序列中包含待匹配数据P的元素的个数;/>为以自然常数为底的指数函数;
所述根据局部重复概率更新压缩字典,包括的具体步骤如下:
当待匹配数据P与附加项C形成的序列P+C的局部重复概率大于或等于预设的重复阈值时,将待匹配数据P与附加项C形成的序列P+C添加到压缩字典的数据列中P所在的位置,将压缩字典的数据列中P以及之后的所有数据依次向后移动一位;
当待匹配数据P与附加项C形成的序列P+C的局部重复概率小于预设的重复阈值时,将待匹配数据P与附加项C形成的序列P+C添加到压缩字典数据列的末尾。
2.根据权利要求1所述的一种智慧社区人脸数据存储方法,其特征在于,所述根据每种数据的频率构建初始的压缩字典,包括的具体步骤如下:
构建一个空的字典,字典包含序号列以及数据列;按照人脸数据序列中每种数据的频率从大到小的顺序对所有种数据进行排序,按照排序结果将所有种数据依次添加到字典的数据列,字典的序号列的值从1开始依次递增,将该字典作为初始的压缩字典。
3.根据权利要求1所述的一种智慧社区人脸数据存储方法,其特征在于,所述输出编码结果,包括的具体步骤如下:
将待匹配数据P在字典中对应的序号作为编码结果进行输出。
4.一种智慧社区人脸数据存储***,其特征在于,所述***包括:
人脸数据采集模块,采集人脸图像,将人脸图像转换为人脸数据序列;
压缩字典构建模块,将人脸数据序列中相同的数值视作一种数据,获取人脸数据序列中每种数据的频率,根据每种数据的频率构建初始的压缩字典;
人脸数据压缩模块,构建一个空的序列,记为已编码序列;
对人脸数据序列进行压缩:
S1:将人脸数据序列中第一个数据作为待匹配数据P;
S2:将人脸数据序列中下一个数据作为附加项C;
S3:在压缩字典中查找待匹配数据P与附加项C形成的序列P+C:
S301:若待匹配数据P与附加项C形成的序列P+C在压缩字典中存在,将待匹配数据P与附加项C形成的序列P+C作为新的待匹配数据P;
S302:若待匹配数据P与附加项C形成的序列P+C在压缩字典中不存在,输出编码结果;将待匹配数据P添加到已编码序列中;根据待匹配数据P中的每个数据在人脸数据序列以及已编码序列中的频率,获取待匹配数据P与附加项C形成的序列P+C的局部重复概率;根据局部重复概率更新压缩字典;将附加项C作为新的待匹配数据P;
S4:重复S2-S3,将输出的所有编码结果构成编码序列;
S5:对编码序列进行压缩,得到压缩数据;
人脸数据存储模块,对压缩数据进行存储;
人脸数据解压模块,对压缩数据进行解压;
所述获取待匹配数据P与附加项C形成的序列P+C的局部重复概率,包括的具体步骤如下:
其中,为待匹配数据P与附加项C形成的序列P+C的局部重复概率;/>为待匹配数据P中包含的每一个数据在人脸数据序列中的频率构成的集合;/>为最小值函数;/>为待匹配数据P中第/>个数据在已编码序列中出现的频率;/>为待匹配数据P中包含的数据的个数;为已编码序列中包含待匹配数据P的第/>个元素中每个数据在人脸数据序列中的频率构成的集合;/>为已编码序列中包含待匹配数据P的元素的个数;/>为以自然常数为底的指数函数;
所述根据局部重复概率更新压缩字典,包括的具体步骤如下:
当待匹配数据P与附加项C形成的序列P+C的局部重复概率大于或等于预设的重复阈值时,将待匹配数据P与附加项C形成的序列P+C添加到压缩字典的数据列中P所在的位置,将压缩字典的数据列中P以及之后的所有数据依次向后移动一位;
当待匹配数据P与附加项C形成的序列P+C的局部重复概率小于预设的重复阈值时,将待匹配数据P与附加项C形成的序列P+C添加到压缩字典数据列的末尾。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310797180.XA CN116521093B (zh) | 2023-07-03 | 2023-07-03 | 一种智慧社区人脸数据存储方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310797180.XA CN116521093B (zh) | 2023-07-03 | 2023-07-03 | 一种智慧社区人脸数据存储方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116521093A CN116521093A (zh) | 2023-08-01 |
CN116521093B true CN116521093B (zh) | 2023-09-15 |
Family
ID=87399720
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310797180.XA Active CN116521093B (zh) | 2023-07-03 | 2023-07-03 | 一种智慧社区人脸数据存储方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116521093B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116975897B (zh) * | 2023-09-22 | 2023-12-19 | 青岛国信城市信息科技有限公司 | 一种智慧社区人员隐私信息安全管理*** |
CN117557582B (zh) * | 2024-01-02 | 2024-03-12 | 深圳翰博设计股份有限公司 | 基于人工智能的建筑景观设计图像处理*** |
CN117811589B (zh) * | 2024-03-01 | 2024-05-10 | 广州润普网络科技有限公司 | 一种基于人工智能的企业数据压缩方法及*** |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1991013395A1 (en) * | 1990-02-26 | 1991-09-05 | Fujitsu Limited | Data compression and restoration method and device therefor |
US6597812B1 (en) * | 1999-05-28 | 2003-07-22 | Realtime Data, Llc | System and method for lossless data compression and decompression |
CN1539203A (zh) * | 2001-08-02 | 2004-10-20 | ����ɭ�绰�ɷ�����˾ | 用于快速最长匹配搜索的方法和设备 |
CN104753540A (zh) * | 2015-03-05 | 2015-07-01 | 华为技术有限公司 | 数据压缩方法、数据解压方法和装置 |
CN105284052A (zh) * | 2012-11-26 | 2016-01-27 | 思杰***有限公司 | 用于基于字典的压缩的***和方法 |
CN108768403A (zh) * | 2018-05-30 | 2018-11-06 | 中国人民解放军战略支援部队信息工程大学 | 基于lzw的无损数据压缩、解压方法及lzw编码器、解码器 |
CN109120272A (zh) * | 2018-07-16 | 2019-01-01 | 南京航空航天大学 | 一种面向离散制造车间的rfid标签数据压缩方法 |
CN109690957A (zh) * | 2016-09-23 | 2019-04-26 | 国际商业机器公司 | 熵编码的***级测试 |
CN114128240A (zh) * | 2019-02-28 | 2022-03-01 | 华为技术有限公司 | 实现内部网关协议的网络中的压缩数据传输 |
CN116192971A (zh) * | 2023-04-24 | 2023-05-30 | 江阴市华明电力发展集团有限公司 | 智能云能源运维服务平台数据管理方法 |
-
2023
- 2023-07-03 CN CN202310797180.XA patent/CN116521093B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1991013395A1 (en) * | 1990-02-26 | 1991-09-05 | Fujitsu Limited | Data compression and restoration method and device therefor |
US6597812B1 (en) * | 1999-05-28 | 2003-07-22 | Realtime Data, Llc | System and method for lossless data compression and decompression |
CN1539203A (zh) * | 2001-08-02 | 2004-10-20 | ����ɭ�绰�ɷ�����˾ | 用于快速最长匹配搜索的方法和设备 |
CN105284052A (zh) * | 2012-11-26 | 2016-01-27 | 思杰***有限公司 | 用于基于字典的压缩的***和方法 |
CN104753540A (zh) * | 2015-03-05 | 2015-07-01 | 华为技术有限公司 | 数据压缩方法、数据解压方法和装置 |
CN109690957A (zh) * | 2016-09-23 | 2019-04-26 | 国际商业机器公司 | 熵编码的***级测试 |
CN108768403A (zh) * | 2018-05-30 | 2018-11-06 | 中国人民解放军战略支援部队信息工程大学 | 基于lzw的无损数据压缩、解压方法及lzw编码器、解码器 |
CN109120272A (zh) * | 2018-07-16 | 2019-01-01 | 南京航空航天大学 | 一种面向离散制造车间的rfid标签数据压缩方法 |
CN114128240A (zh) * | 2019-02-28 | 2022-03-01 | 华为技术有限公司 | 实现内部网关协议的网络中的压缩数据传输 |
CN116192971A (zh) * | 2023-04-24 | 2023-05-30 | 江阴市华明电力发展集团有限公司 | 智能云能源运维服务平台数据管理方法 |
Non-Patent Citations (1)
Title |
---|
基于大字典的LZW压缩算法的降熵改进;陆振龙;张箐;;计算机应用与软件(06);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116521093A (zh) | 2023-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116521093B (zh) | 一种智慧社区人脸数据存储方法及*** | |
CN101243611B (zh) | 变换块的高效编码和解码 | |
US5818877A (en) | Method for reducing storage requirements for grouped data values | |
US7365658B2 (en) | Method and apparatus for lossless run-length data encoding | |
KR101678223B1 (ko) | 멀티미디어 서명 코딩 및 디코딩 | |
CN110021369B (zh) | 基因测序数据压缩解压方法、***及计算机可读介质 | |
CN115866287B (zh) | 一种智慧校园管理平台的数据高效传输方法 | |
CN114520659A (zh) | 结合rANS和LZ4编码的数据无损压缩、解码方法 | |
CN116614139A (zh) | 一种售酒小程序内用户交易信息压缩存储方法 | |
CN117177100B (zh) | 一种智能ar偏振数据传输方法 | |
CN111274950B (zh) | 特征向量数据编解码方法及服务器和终端 | |
CN111711511B (zh) | 频域数据有损压缩方法 | |
CN116168790B (zh) | 一种临床试验的大数据招募*** | |
CN114900195B (zh) | 一种用于粉罐车的安全状态监测*** | |
Shoba et al. | A Study on Data Compression Using Huffman Coding Algorithms | |
Chandrasekha et al. | Low-rate image retrieval with tree histogram coding | |
CN117119120B (zh) | 基于多台无人驾驶矿车的协同控制方法 | |
CN117156014B (zh) | 一种工程造价数据优化存储方法及*** | |
CN118101763B (zh) | 一种用于自助销售柜的存取控制方法 | |
CN117544177A (zh) | 一种雷达数据无损压缩方法、计算机设备及介质 | |
CN117221414B (zh) | 一种调制解调器数据智能传输方法 | |
Pavlidis et al. | Data coding and image compression | |
CN117333559A (zh) | 图像压缩方法、装置、电子设备及存储介质 | |
CN113989398A (zh) | Ct数据无损压缩、解压方法、***、电子设备及存储介质 | |
CN116389745A (zh) | 图像无损压缩方法、装置和电子设备 |
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 |