Nothing Special   »   [go: up one dir, main page]

CN110765303A - 一种更新数据库的方法及系统 - Google Patents

一种更新数据库的方法及系统 Download PDF

Info

Publication number
CN110765303A
CN110765303A CN201910958870.2A CN201910958870A CN110765303A CN 110765303 A CN110765303 A CN 110765303A CN 201910958870 A CN201910958870 A CN 201910958870A CN 110765303 A CN110765303 A CN 110765303A
Authority
CN
China
Prior art keywords
evaluation index
database
current
data
image
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
Application number
CN201910958870.2A
Other languages
English (en)
Inventor
张立
彭骏
吉纲
张艳红
郑卓鑫
张艳君
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
ROUTON ELECTRONIC CO Ltd
Wuhan Puli Commercial Machine Co Ltd
Original Assignee
ROUTON ELECTRONIC CO Ltd
Wuhan Puli Commercial Machine Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by ROUTON ELECTRONIC CO Ltd, Wuhan Puli Commercial Machine Co Ltd filed Critical ROUTON ELECTRONIC CO Ltd
Priority to CN201910958870.2A priority Critical patent/CN110765303A/zh
Publication of CN110765303A publication Critical patent/CN110765303A/zh
Pending legal-status Critical Current

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
    • 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
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Library & Information Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明实施例提供一种更新数据库的方法及系统，该方法包括：获取目标当前环境下的当前数据，并计算所述当前数据的评价指标；获取数据库中所述目标对应的基准数据的评价指标，所述基准数据的评价指标在所述数据库中所述目标对应的所有参考数据的评价指标中最小；若判断获知所述当前数据的评价指标大于所述基准数据的评价指标，将所述当前数据加入到所述数据库中，并删除所述基准数据。本发明实施例提供的一种更新数据库的方法及系统，用当前数据代替基准数据，将较优质的数据加入到数据库中，保证了数据库的实时更新，从而提高了目标识别的准确率。

Description

一种更新数据库的方法及系统
技术领域
本发明涉及计算机技术领域，尤其涉及一种更新数据库的方法及系统。
背景技术
随着移动互联网的发展，社会的开放程度也越来越高，用户通过智能终 端(例如手机、平板电脑等)能做很多的事情，与此同时，对智能终端进行安 全保护也日益重要。
人脸识别技术作为一种新的识别技术，目前已被应用在智能终端中，以 实现对智能终端的安全保护。进行人脸识别的过程中，需要将人当场抓拍的 环境照片与照片库中存储的参考照片进行匹配，已进行人脸识别。
对某一目标而言，照片库中存储的该目标的参考照片质量对人脸识别的 效果有很大的影响，质量不佳的参考照片容易导致误识和拒识，现有技术中 照片库中的更新一般是通过人工筛选获得，容易受筛选人主管意识的影响， 从而使得人脸识别造成较大偏差。
发明内容
针对上述问题，本发明实施例提供一种更新数据库的方法及系统。
第一方面，本发明实施例提供一种更新数据库的方法，包括：
获取目标当前环境下的当前数据，并计算所述当前数据的评价指标；
获取数据库中所述目标对应的基准数据的评价指标，所述基准数据的评 价指标在所述数据库中所述目标对应的所有参考数据的评价指标中最小；
若判断获知所述当前数据的评价指标大于所述基准数据的评价指标，将 所述当前数据加入到所述数据库中，并删除所述基准数据。
优选地，所述当前数据为当前图像，所述基准数据为基准图像，所述参 考数据为参考图像。
优选地，所述评价指标包括质量和置信度，相应地，所述计算所述当前 数据的评价指标具体包括：
计算所述当前图像的质量和所述当前图像的置信度；
将所述当前图像的质量和所述当前图像的置信度相加，获得所述当前图 像的评价指标。
优选地，所述获取数据库中所述目标对应的基准数据的评价指标具体包 括：
获取所述数据库中所述目标对应的所有参考图像；
计算每一参考图像的质量和每一参考图像的置信度；
对于任一参考图像，将所述任一参考图像的质量和所述任一参考图像的 置信度相加，获的所述任一参考图像的评价指标；
将所有参考图像中评价指标最小的参考图像作为所述基准图像，并获取 所述基准图像的评价指标。
优选地，所述评价指标包括质量和置信度，相应地，所述计算所述当前 数据的评价指标具体包括：
计算所述当前图像的质量和所述当前图像的置信度；
根据所述当前图像的质量、第一预设权重、所述当前图像的置信度、第 二预设权重，得到所述当前图像的评价指标。
优选地，所述获取数据库中所述目标对应的基准数据的评价指标具体包 括：
获取所述数据库中所述目标的所有参考图像；
计算每一参考图像的质量和每一参考图像的置信度；
对于任一参考图像，根据所述任一参考图像的质量、所述第一预设权重、 所述任一参考图像的置信度和所述第二预设权重，获取所述任一参考图像的 评价指标；
将所有参考图像中评价指标最小的参考图像作为所述基准图像，并获取 所述基准图像的评价指标。
优选地，所述数据库中所述目标的所有参考数据的个数为3。
第二方面，本发明实施例提供一种更新数据库的系统，包括：
当前模块，用于获取目标当前环境下的当前数据，并计算所述当前数据 的评价指标；
基准模块，用于获取数据库中所述目标对应的基准数据的评价指标，所 述基准数据的评价指标在所述数据库中所述目标对应的所有参考数据的评价 指标中最小；
更新模块，用于若判断获知所述当前数据的评价指标大于所述基准数据 的评价指标，将所述当前数据加入到所述数据库中，并删除所述基准数据。
第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存 储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序 时实现如第一方面提供的一种更新数据库的方法的步骤。
第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存 储有计算机程序，该计算机程序被处理器执行时实现如第一方面提供的一种 更新数据库的方法的步骤。
本发明实施例提供的一种更新数据库的方法及系统，通过将目标每次获 得的当前数据与数据库中存储目标的参考数据进行对比，如果当前数据的评 价指标比所有参考数据中最小的评价指标大，说明当前数据的比参考数据好， 用当前数据代替基准数据，将较优质的数据加入到数据库中，保证了数据库 的实时更新，从而提高了目标识别的准确率。
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一简单地介绍，显而易见地，下 面描述中的附图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更新数据库的方法的流程图；
图2为本发明实施例提供的一种更新数据库的系统的结构示意图；
图3为本发明实施例提供的一种电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，本领域普通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。
图1为本发明实施例提供的一种更新数据库的方法的流程图，如图1所 示，该方法包括：
S1，获取目标当前环境下的当前数据，并计算所述当前数据的评价指标；
S2，获取数据库中所述目标对应的基准数据的评价指标，所述基准数据 的评价指标在所述数据库中所述目标对应的所有参考数据的评价指标中最 小；
S3，若判断获知所述当前数据的评价指标大于所述基准数据的评价指标， 将所述当前数据加入到所述数据库中，并删除所述基准数据。
本发明实施例中数据库中存储了所有需要进行识别的目标的多个参考数 据，这些参考数据可以是目标的图像、目标的虹膜数据或者目标的声音数据 等。
在对目标进行识别的时候，获取到该目标在当前环境下的当前数据，并 计算当前数据的评价指标，评价指标可以根据实际需要进行具体的设定，本 发明实施例在此不进行具体的限定。
然后获取数据库中该目标对应的所有参考数据，并按照相同的方法计算 每个参考数据的评价指标，选取出最小的评价指标，并将最小的评价指标对 应的参考数据作为基准数据。
将当前数据的评价指标与基准数据的评价指标进行比较，如果当前数据 的评价指标比基准数据的评价指标大，说明当前数据比基准数据好，将当前 数据加入数据库中，为了保持数据库的平衡，将基准数据进行删除。
本发明实施例提供的一种更新数据库的方法，通过将目标每次获得的当 前数据与数据库中存储目标的参考数据进行对比，如果当前数据的评价指标 比所有参考数据中最小的评价指标大，说明当前数据的比参考数据好，用当 前数据代替基准数据，将较优质的数据加入到数据库中，保证了数据库的实 时更新，从而提高了目标识别的准确率。
在上述实施例的基础上，优选地，所述当前数据为当前图像，所述基准 数据为基准图像，所述参考数据为参考图像。
具体地，本发明实施例中数据库中数据是指图像，获取目标的当前数据 是指获取目标的当前图像，基准数据是指基准图像，参考数据是指参考图像。
在上述实施例的基础上，优选地，所述评价指标包括质量和置信度，相 应地，所述计算所述当前数据的评价指标具体包括：
计算所述当前图像的质量和所述当前图像的置信度；
将所述当前图像的质量和所述当前图像的置信度相加，获得所述当前图 像的评价指标。
具体地，对于照片的评价指标，本发明实施例通过质量和置信度来进行 评价，质量表示照片拍摄的质量，置信度也称为可靠度、置信水平或置信系 数，即在抽样对总体参数作出估计时，由于样本的随机性，其结论总是不确 定的。因此，采用一种概率的陈述方法，也就是数理统计中的区间估计法， 即估计值与总体参数在一定允许的误差范围以内，其相应的概率有多大，这 个相应的概率称作置信度。
在上述实施例的基础上，优选地，所述获取数据库中所述目标对应的基 准数据的评价指标具体包括：
获取所述数据库中所述目标对应的所有参考图像；
计算每一参考图像的质量和每一参考图像的置信度；
对于任一参考图像，将所述任一参考图像的质量和所述任一参考图像的 置信度相加，获的所述任一参考图像的评价指标；
将所有参考图像中评价指标最小的参考图像作为所述基准图像，并获取 所述基准图像的评价指标。
具体地，计算数据库中基准数据的评价指标的方法如下：
从数据库中筛选出目标对应的所有参考图像，利用相关算法计算出每个 参考图像的质量和每个参考图像的置信度，以其中一个参考图像为例，将该 参考图像的质量和置信度相加，得到该参考图像的评价指标，按照这个方法 得到每个参考图像的评价指标。
将所有参考图像中评价指标最小的那个图像作为基准图像，并获取基准 图像的评价指标。
在上述实施例的基础上，优选地，所述评价指标包括质量和置信度，相 应地，所述计算所述当前数据的评价指标具体包括：
计算所述当前图像的质量和所述当前图像的置信度；
根据所述当前图像的质量、第一预设权重、所述当前图像的置信度、第 二预设权重，得到所述当前图像的评价指标。
具体地，评价指标还可以通过另外一种方法计算得到，评价指标包括照 片的质量和置信度两个方面，本方法通过权重相加来进行计算，具体如下：
首先计算出当前图像的质量和当前图像的置信度，对质量和置信度分别 分配一个权重，第一预设权重和第二预设权重都是事先设定好的，第一预设 权重和第二预设权重可以根据实际需要具体设定，如果对质量的要求比较高， 那么将第一预设权重的值设置的较大，如果对置信度的要求比较高，可以对 第二预设权重的值设置的大一点。
具体地，当前图像的评价指标可以通过下面的公式计算出来：
J＝q1*D+q2*M， (1)
q1+q2＝1， (2)
其中，J表示评价指标，q1表示第一预设权重，D表示质量，q2表示第二 预设权重，M表示置信度。
在上述实施例的基础上，优选地，所述获取数据库中所述目标对应的基 准数据的评价指标具体包括：
获取所述数据库中所述目标的所有参考图像；
计算每一参考图像的质量和每一参考图像的置信度；
对于任一参考图像，根据所述任一参考图像的质量、所述第一预设权重、 所述任一参考图像的置信度和所述第二预设权重，获取所述任一参考图像的 评价指标；
将所有参考图像中评价指标最小的参考图像作为所述基准图像，并获取 所述基准图像的评价指标。
具体地，数据库中参考图像的评价指标也是按照同样的方法计算得到的， 首先获取数据库中该目标对应的所有参考图像，然后利用相关算法计算得到 每个参考图像的质量和每个参考图像的置信度，按照公式(1)和公式(2) 计算出每个参考图像的评价指标，并将所有参考图像中最小评价指标对应的 图像作为基准图像，并获取该基准图像的评价指标。
在上述实施例的基础上，优选地，所述数据库中所述目标的所有参考数 据的个数为3。
具体地，本发明实施例中数据库中每个目标有3张参考图像，通过大量 实验证明，3张参考图像既保证了目标识别的精度，又保证了目标识别的效 率。
图2为本发明实施例提供的一种更新数据库的系统的结构示意 图，如图2所示，该系统包括：当前模块201、基准模块202和更新 模块203，其中：
当前模块201用于获取目标当前环境下的当前数据，并计算所述当前数 据的评价指标；
基准模块202用于获取数据库中所述目标对应的基准数据的评价指标， 所述基准数据的评价指标在所述数据库中所述目标对应的所有参考数据的评 价指标中最小；
更新模块203用于若判断获知所述当前数据的评价指标大于所述基准数 据的评价指标，将所述当前数据加入到所述数据库中，并删除所述基准数据。
具体地，在对目标进行识别的时候，当前模块201获取到该目标在当前 环境下的当前数据，并计算当前数据的评价指标；然后基准模块202获取数 据库中该目标对应的所有参考数据，并按照相同的方法计算每个参考数据的 评价指标，选取出最小的评价指标，并将最小的评价指标对应的参考数据作 为基准数据。更新模块203将当前数据的评价指标与基准数据的评价指标进 行比较，如果当前数据的评价指标比基准数据的评价指标大，说明当前数据 比基准数据好，将当前数据加入数据库中，为了保持数据库的平衡，将基准 数据进行删除。
本系统实施例的具体执行过程与上述方法实施例的执行过程相同，详情 请参考上述方法实施例，本系统实施例在此不再赘述。
本发明实施例提供的一种更新数据库的系统，通过将目标每次获得的当 前数据与数据库中存储目标的参考数据进行对比，如果当前数据的评价指标 比所有参考数据中最小的评价指标大，说明当前数据的比参考数据好，用当 前数据代替基准数据，将较优质的数据加入到数据库中，保证了数据库的实 时更新，从而提高了目标识别的准确率。
图3为本发明实施例提供的一种电子设备的实体结构示意图，如图3所 示，该服务器可以包括：处理器(processor)310、通信接口(Communications Interface)320、存储器(memory)330和通信总线340，其中，处理器310，通信 接口320，存储器330通过通信总线340完成相互间的通信。处理器310可 以调用存储器330中的逻辑指令，以执行如下方法：
获取目标当前环境下的当前数据，并计算所述当前数据的评价指标；
获取数据库中所述目标对应的基准数据的评价指标，所述基准数据的评 价指标在所述数据库中所述目标对应的所有参考数据的评价指标中最小；
若判断获知所述当前数据的评价指标大于所述基准数据的评价指标，将 所述当前数据加入到所述数据库中，并删除所述基准数据。
此外，上述的存储器330中的逻辑指令可以通过软件功能单元的形式实 现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质 中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献 的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软 件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可 以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方 法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储 器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上 存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例 提供的传输方法，例如包括：
获取目标当前环境下的当前数据，并计算所述当前数据的评价指标；
获取数据库中所述目标对应的基准数据的评价指标，所述基准数据的评 价指标在所述数据库中所述目标对应的所有参考数据的评价指标中最小；
若判断获知所述当前数据的评价指标大于所述基准数据的评价指标，将 所述当前数据加入到所述数据库中，并删除所述基准数据。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明 的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或 者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络 单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例 方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以 理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实 施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬 件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部 分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可 读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台 计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施 例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其 限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术 人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或 者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技 术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种更新数据库的方法，其特征在于，包括：
获取目标当前环境下的当前数据，并计算所述当前数据的评价指标；
获取数据库中所述目标对应的基准数据的评价指标，所述基准数据的评价指标在所述数据库中所述目标对应的所有参考数据的评价指标中最小；
若判断获知所述当前数据的评价指标大于所述基准数据的评价指标，将所述当前数据加入到所述数据库中，并删除所述基准数据。
2.根据权利要求1所述更新数据库的方法，其特征在于，所述当前数据为当前图像，所述基准数据为基准图像，所述参考数据为参考图像。
3.根据权利要求2所述更新数据库的方法，其特征在于，所述评价指标包括质量和置信度，相应地，所述计算所述当前数据的评价指标具体包括：
计算所述当前图像的质量和所述当前图像的置信度；
将所述当前图像的质量和所述当前图像的置信度相加，获得所述当前图像的评价指标。
4.根据权利要求3所述更新数据库的方法，其特征在于，所述获取数据库中所述目标对应的基准数据的评价指标具体包括：
获取所述数据库中所述目标对应的所有参考图像；
计算每一参考图像的质量和每一参考图像的置信度；
对于任一参考图像，将所述任一参考图像的质量和所述任一参考图像的置信度相加，获的所述任一参考图像的评价指标；
将所有参考图像中评价指标最小的参考图像作为所述基准图像，并获取所述基准图像的评价指标。
5.根据权利要求2所述更新数据库的方法，其特征在于，所述评价指标包括质量和置信度，相应地，所述计算所述当前数据的评价指标具体包括：
计算所述当前图像的质量和所述当前图像的置信度；
根据所述当前图像的质量、第一预设权重、所述当前图像的置信度、第二预设权重，得到所述当前图像的评价指标。
6.根据权利要求5所述更新数据库的方法，其特征在于，所述获取数据库中所述目标对应的基准数据的评价指标具体包括：
获取所述数据库中所述目标的所有参考图像；
计算每一参考图像的质量和每一参考图像的置信度；
对于任一参考图像，根据所述任一参考图像的质量、所述第一预设权重、所述任一参考图像的置信度和所述第二预设权重，获取所述任一参考图像的评价指标；
将所有参考图像中评价指标最小的参考图像作为所述基准图像，并获取所述基准图像的评价指标。
7.根据权利要求1所述更新数据库的方法，其特征在于，所述数据库中所述目标的所有参考数据的个数为3。
8.一种更新数据库的系统，其特征在于，包括：
当前模块，用于获取目标当前环境下的当前数据，并计算所述当前数据的评价指标；
基准模块，用于获取数据库中所述目标对应的基准数据的评价指标，所述基准数据的评价指标在所述数据库中所述目标对应的所有参考数据的评价指标中最小；
更新模块，用于若判断获知所述当前数据的评价指标大于所述基准数据的评价指标，将所述当前数据加入到所述数据库中，并删除所述基准数据。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述更新数据库方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述更新数据库方法的步骤。
CN201910958870.2A 2019-10-10 2019-10-10 一种更新数据库的方法及系统 Pending CN110765303A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910958870.2A CN110765303A (zh) 2019-10-10 2019-10-10 一种更新数据库的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910958870.2A CN110765303A (zh) 2019-10-10 2019-10-10 一种更新数据库的方法及系统

Publications (1)

Publication Number Publication Date
CN110765303A true CN110765303A (zh) 2020-02-07

Family

ID=69331595

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910958870.2A Pending CN110765303A (zh) 2019-10-10 2019-10-10 一种更新数据库的方法及系统

Country Status (1)

Country Link
CN (1) CN110765303A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115292339A (zh) * 2022-08-31 2022-11-04 北京百度网讯科技有限公司 数据库更新方法、装置、电子设备和存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105913051A (zh) * 2016-05-26 2016-08-31 京东方科技集团股份有限公司 一种识别人脸图像的模版库的更新装置及方法
CN105938552A (zh) * 2016-06-29 2016-09-14 北京旷视科技有限公司 底图自动更新的人脸识别方法及装置
CN108170750A (zh) * 2017-12-21 2018-06-15 深圳英飞拓科技股份有限公司 一种人脸数据库更新方法、系统及终端设备
CN108446387A (zh) * 2018-03-22 2018-08-24 百度在线网络技术（北京）有限公司 用于更新人脸注册库的方法和装置
CN110008821A (zh) * 2019-02-02 2019-07-12 阿里巴巴集团控股有限公司 一种预测人像底图更新的方法和设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105913051A (zh) * 2016-05-26 2016-08-31 京东方科技集团股份有限公司 一种识别人脸图像的模版库的更新装置及方法
CN105938552A (zh) * 2016-06-29 2016-09-14 北京旷视科技有限公司 底图自动更新的人脸识别方法及装置
CN108170750A (zh) * 2017-12-21 2018-06-15 深圳英飞拓科技股份有限公司 一种人脸数据库更新方法、系统及终端设备
CN108446387A (zh) * 2018-03-22 2018-08-24 百度在线网络技术（北京）有限公司 用于更新人脸注册库的方法和装置
CN110008821A (zh) * 2019-02-02 2019-07-12 阿里巴巴集团控股有限公司 一种预测人像底图更新的方法和设备

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115292339A (zh) * 2022-08-31 2022-11-04 北京百度网讯科技有限公司 数据库更新方法、装置、电子设备和存储介质

Similar Documents

Publication Publication Date Title
CN106682906B (zh) 一种风险识别、业务处理方法和设备
CN107305611B (zh) 恶意账号对应的模型建立方法和装置、恶意账号识别的方法和装置
CN110457175B (zh) 业务数据处理方法、装置、电子设备及介质
CN112948614B (zh) 图像处理方法、装置、电子设备及存储介质
CN113992340B (zh) 用户异常行为识别方法、装置、设备和存储介质
CN113657249B (zh) 训练方法、预测方法、装置、电子设备以及存储介质
CN113627361B (zh) 人脸识别模型的训练方法、装置及计算机程序产品
CN112182520B (zh) 非法账号的识别方法、装置、可读介质及电子设备
CN110020728B (zh) 业务模型强化学习方法以及装置
CN110008077B (zh) 一种异常报警监控方法及装置、一种计算设备及存储介质
CN108108299B (zh) 一种用户界面测试方法及装置
CN113157956B (zh) 图片搜索方法、系统、移动终端及存储介质
CN110765303A (zh) 一种更新数据库的方法及系统
CN114157480A (zh) 网络攻击方案的确定方法、装置、设备和存储介质
CN116628507B (zh) 数据处理方法、装置、设备及可读存储介质
CN110781410A (zh) 一种社群检测方法及装置
CN111652304B (zh) 人员亲密度分析方法、终端及存储介质
CN111291259B (zh) 一种数据筛选方法、装置、电子设备和存储介质
CN110856159B (zh) 确定家庭圈成员的方法、装置及存储介质
CN113742593A (zh) 用于推送信息的方法和装置
CN114666123B (zh) 异常对象识别方法及装置
CN117932474B (zh) 一种通信缺失数据确定模型的训练方法、装置、设备及存储介质
CN111242656A (zh) 一种基于电信大数据的用户信用评价方法及系统
CN115511015B (zh) 一种样本筛选方法、装置、设备及计算机可读存储介质
CN111144471B (zh) 一种检测方法、装置、设备及存储介质

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200207

RJ01 Rejection of invention patent application after publication