CN113095110B - 人脸数据动态入库的方法、装置、介质及电子设备 - Google Patents
人脸数据动态入库的方法、装置、介质及电子设备 Download PDFInfo
- Publication number
- CN113095110B CN113095110B CN201911338443.0A CN201911338443A CN113095110B CN 113095110 B CN113095110 B CN 113095110B CN 201911338443 A CN201911338443 A CN 201911338443A CN 113095110 B CN113095110 B CN 113095110B
- Authority
- CN
- China
- Prior art keywords
- data
- base map
- map data
- personnel
- target
- 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 44
- 230000005856 abnormality Effects 0.000 claims abstract description 17
- 230000002159 abnormal effect Effects 0.000 claims description 28
- 238000012216 screening Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 abstract description 6
- 239000002609 medium Substances 0.000 description 13
- 238000012545 processing Methods 0.000 description 11
- 230000008901 benefit Effects 0.000 description 7
- 238000007405 data analysis Methods 0.000 description 6
- 238000012790 confirmation Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000013500 data storage Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000013145 classification model Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000012120 mounting media Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
- 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
- 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
- G06F16/53—Querying
- G06F16/535—Filtering based on additional data, e.g. user or group profiles
-
- 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
- G06F16/55—Clustering; Classification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了一种人脸数据动态入库的方法、装置、介质及电子设备。该方法包括：若人员出入时检测到出入记录存在误识别异常，则从出入记录中获取记录的当前人员人脸数据；确定记录的当前人员人脸数据中与当前人员底图数据对比不符合对比阈值的人脸数据为目标数据；若存在与目标数据之间对比符合对比阈值的目标人员底图数据，则从所述目标数据中确定待确认底图数据；若检测到动态入库的触发事件，则将所述待确认底图数据动态替换为目标人员底图数据。通过执行本技术方案，可以通过人脸数据动态入库的方式，提高速通门闸机处人脸识别的准确性的效果。
Description
技术领域
本申请实施例涉及图像识别技术领域，尤其涉及一种人脸数据动态入库的方法、装置、介质及电子设备。
背景技术
目前，科技迅速发展，各种大小企业也迅速发展。在类似于写字楼的办公场所，以往的刷卡进出方式相对复杂，而且一旦出现卡片遗忘或者丢失现象进出写字楼更加繁琐。
目前，已经存在一种可以根据人脸图像进出写字楼的速通门闸机等场所的方式。具体是先将人脸数据入库，然后通过门禁位置的图像获取装置获取人脸图像，再与已经录入库中的人脸数据进行特征对比，如果匹配成功，则可以进出。这样配置的好处是可以无需用户拿卡进出，但是也存在一些问题，就是当用户众多的情况下，人脸识别难免出现错误的情况，例如人员B被误识别为人员A。而在这种情况下，如果不及时处理可能会存在一定的安全隐患。
发明内容
本申请实施例提供一种人脸数据动态入库的方法、装置、介质及电子设备，可以通过人脸数据动态入库的方式，提高速通门闸机处人脸识别的准确性的效果。
第一方面，本申请实施例提供了一种人脸数据动态入库的方法，该方法包括：
若人员出入时检测到出入记录存在误识别异常，则从出入记录中获取记录的当前人员人脸数据；
确定记录的当前人员人脸数据中与当前人员底图数据对比不符合对比阈值的人脸数据为目标数据；若存在与目标数据之间对比符合对比阈值的目标人员底图数据，则从所述目标数据中确定待确认底图数据；
或者，
采用预设特征筛选规则将记录的当前人员人脸数据划分为至少两个分类；将每一个类与所有人员底图数据进行对比，若存在与所有人员中当前人员以外的其他人员底图数据满足对比阈值的相似分类，则从所述相似分类中确定待确认底图数据；
若检测到动态入库的触发事件，则将所述待确认底图数据动态替换为目标人员底图数据。
可选的，若检测到动态入库的触发事件，则将所述待确认底图数据动态替换为目标人员底图数据，包括：
若检测到人员出入时的误识别异常人脸数据，且所述误识别异常人脸数据与目标人员底图数据对比符合对比阈值，则确定为动态入库的触发事件；
将所述待确认底图数据动态替换为目标人员底图数据。
可选的，将所述待确认底图数据动态替换为目标人员底图数据，包括：
将所述待确认底图数据与目标人员底图数据输入至第一识别模型和第二识别模型；其中，所述第一识别模型用于进行第一维度识别，第二识别模型用于进行第二维度识别；
若所述第一识别模型识别为符合第一预设替换阈值，且所述第二识别模型识别为符合第二预设替换阈值，则将所述待确认底图数据动态替换为目标人员底图数据。
可选的，确定记录的当前人员人脸数据中与当前人员底图数据对比不符合对比阈值的人脸数据为目标数据，包括：
对记录的当前人员人脸数据采用预设特征筛选规则进行分类，得到至少两个人脸数据类；其中每个人脸数据类中包括至少一个人脸数据；
确定至少两个人脸数据类，分别与当前人员底图数据进行特征对比，确定不符合对比阈值的人脸数据类中的人脸数据为目标数据。
可选的，若存在与目标数据之间对比符合对比阈值的目标人员底图数据，则从所述目标数据中确定待确认底图数据，包括：
若存在与人脸数据类之间对比符合对比阈值的目标人员底图数据，则确定该人脸数据类中人脸数据的质量分数；
根据所述质量分数，从该人脸数据类中确定待确认底图数据。
第二方面，本申请实施例提供了一种人脸数据动态入库的装置，该装置包括：
记录获取模块，用于若人员出入时检测到出入记录存在误识别异常，则从出入记录中获取记录的当前人员人脸数据；
待确认底图数据确定模块，用于确定记录的当前人员人脸数据中与当前人员底图数据对比不符合对比阈值的人脸数据为目标数据；若存在与目标数据之间对比符合对比阈值的目标人员底图数据，则从所述目标数据中确定待确认底图数据；
或者用于，
采用预设特征筛选规则将记录的当前人员人脸数据划分为至少两个分类；将每一个类与所有人员底图数据进行对比，若存在与所有人员中当前人员以外的其他人员底图数据满足对比阈值的相似分类，则从所述相似分类中确定待确认底图数据；
动态替换模块，用于若检测到动态入库的触发事件，则将所述待确认底图数据动态替换为目标人员底图数据。
可选的，所述动态替换模块，包括：
触发事件识别单元，用于若检测到人员出入时的误识别异常人脸数据，且所述误识别异常人脸数据与目标人员底图数据对比符合对比阈值，则确定为动态入库的触发事件；
动态替换单元，用于将所述待确认底图数据动态替换为目标人员底图数据。
可选的，所述动态替换单元，具体用于：
将所述待确认底图数据与目标人员底图数据输入至第一识别模型和第二识别模型；其中，所述第一识别模型用于进行第一维度识别，第二识别模型用于进行第二维度识别；
若所述第一识别模型识别为符合第一预设替换阈值，且所述第二识别模型识别为符合第二预设替换阈值，则将所述待确认底图数据动态替换为目标人员底图数据。
第三方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请实施例所述的人脸数据动态入库的方法。
第四方面，本申请实施例提供了一种电子设备，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如本申请实施例所述的人脸数据动态入库的方法。
本申请实施例所提供的技术方案，若人员出入时检测到出入记录存在误识别异常，则从出入记录中获取记录的当前人员人脸数据；确定记录的当前人员人脸数据中与当前人员底图数据对比不符合对比阈值的人脸数据为目标数据；若存在与目标数据之间对比符合对比阈值的目标人员底图数据，则从所述目标数据中确定待确认底图数据；或者，采用预设特征筛选规则将记录的当前人员人脸数据划分为至少两个分类；将每一个类与所有人员底图数据进行对比，若存在与所有人员中当前人员以外的其他人员底图数据满足对比阈值的相似分类，则从所述相似分类中确定待确认底图数据；若检测到动态入库的触发事件，则将所述待确认底图数据动态替换为目标人员底图数据。通过采用本申请所提供的技术方案，可以通过人脸数据动态入库的方式，提高速通门闸机处人脸识别的准确性的效果。
附图说明
图1是本申请实施例提供的人脸数据动态入库的方法的流程图；
图2是本申请实施例提供的人脸数据动态入库的装置的结构示意图；
图3是本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
图1是本申请实施例提供的人脸数据动态入库的方法的流程图，本实施例可适用于人脸底图库的动态更新的情况，该方法可以由本申请实施例所提供的人脸数据动态入库的装置执行，该装置可以由软件和/或硬件的方式来实现，并可集成于基于人脸底图库进行人脸识别的电子设备中。
如图1所示，所述人脸数据动态入库的方法包括：
S110、若人员出入时检测到出入记录存在误识别异常，则从出入记录中获取记录的当前人员人脸数据；并执行S120或者S130。
其中，人员出入时，可以通过安装在速通门闸机上面的图像获取装置，获取出入人员的人脸图像。其中图像获取装置可以是触发式自动拍照摄像头，并且可以在获取到人脸图像后，将人脸图像通过网络传输至速通门管理服务器等。在本方案中，可以在发现人员出现连续出两次而中间没有进入一次，或者连续进两次而中间没有出一次等，确定为误识别异常。
在确定误识别异常之后，可以从出入记录中获取记录的当前人员人脸数据。具体的，可以获取预设时间段内的记录，例如当前时间的前7天以内的出入记录，或者获取预设数量个记录，例如对当前人员的近20次出入的人脸识别记录。每次记录的信息可以是人脸图像以及出入时间，还可以包括其他信息。
S120、确定记录的当前人员人脸数据中与当前人员底图数据对比不符合对比阈值的人脸数据为目标数据；若存在与目标数据之间对比符合对比阈值的目标人员底图数据，则从所述目标数据中确定待确认底图数据。
确定记录的当前人员人脸数据中，各个人脸图像与当前人员底图数据对比，将不符合对比阈值的人脸数据为目标数据。如果符合对比阈值，则说明该人脸图像为当前人员的人脸图像，如果不符合对比阈值，则说明该人脸图像不是当前人员的人脸图像，是由于误识别造成的。由此，可以将不符合对比阈值的人脸数据为目标数据。
其中对比阈值，可以是在达到识别为当前人员人脸数据的基础上，更高的阈值，例如识别阈值可以是a，则对比阈值可以是a+n，其中n为提高的部分。这样设置的好处是可以在确定存在误识别的情况下，对所记录的人脸图像进行更精准的匹配，从而确定其中哪些是正确识别的人脸图像，哪些是错误识别为该人员的人脸图像。
其中，如果与所确定的目标数据之间，存在对比符合对比阈值的人员底图数据，则将该人员底图数据确定为目标人员底图数据。确定目标人员底图数据之后，还可以从目标数据中确定待确认底图数据。其中待确认底图数据可以是用来替代目标人员底图数据的人脸图像。
在本实施例中，可选的，确定记录的当前人员人脸数据中与当前人员底图数据对比不符合对比阈值的人脸数据为目标数据，包括：对记录的当前人员人脸数据采用预设特征筛选规则进行分类，得到至少两个人脸数据类；其中每个人脸数据类中包括至少一个人脸数据；确定至少两个人脸数据类，分别与当前人员底图数据进行特征对比，确定不符合对比阈值的人脸数据类中的人脸数据为目标数据。
其中，可以对当前人员人脸数据进行分类，例如输入至人脸特征数据分类模型中。得到多个类后，可以确定其中各个类与当前人员底图数据之间的匹配程度，进而确定与当前人员底图数据之间的匹配结果中，最低的一个或者多个类，为目标人脸数据类，并从中确定目标数据。本技术方案这样设置的好处是可以在确存在与当前人员底图数据不匹配的类之后，将其中所有的人脸数据确定为目标数据，进而对目标数据进行分析，确定其真实代表的用户是谁，从而解决人脸误识别的问题。
在本实施例中，可选的，若存在与目标数据之间对比符合对比阈值的目标人员底图数据，则从所述目标数据中确定待确认底图数据，包括：若存在与人脸数据类之间对比符合对比阈值的目标人员底图数据，则确定该人脸数据类中人脸数据的质量分数；根据所述质量分数，从该人脸数据类中确定待确认底图数据。
其中，由于各个人脸数据类是通过特征对比来划分的，因此，一个类中所有的人脸数据之间是存在一定的特征一致性的。此时，如果遍历人脸库中所有的人员的人脸底图数据，存在于与其中的一个类或者多个类相匹配的人员底图数据，则可以确定该人员底图数据为目标人员底图数据。
则确定该人脸数据类中人脸数据的质量分数；根据所述质量分数，从该人脸数据类中确定待确认底图数据。其中，可以是将其中的一个类或者多个类中的人脸数据进行评分，进而得到各个人脸数据的质量分数。从而确定其中质量分数最高的人脸数据为待确认底图数据。其中的质量评分可以是从清晰度、分辨率以及光线强度等参数的角度出发，对各个人脸数据进行综合评分。这样设置的好处是，可以确定一个相对清晰完整的待确认底图数据，以便后续使用过程中，提高人脸数据识别的准确性。
S130、采用预设特征筛选规则将记录的当前人员人脸数据划分为至少两个分类；将每一个类与所有人员底图数据进行对比，若存在与所有人员中当前人员以外的其他人员底图数据满足对比阈值的相似分类，则从所述相似分类中确定待确认底图数据。
其中，预设特征筛选规则可以是用于对记录的当前人员人脸数据进行特征对比的规则，例如，选取其中各数据的人脸特征，并进行对比，得到相似度符合一定标准的确定为一个分类，从而，可以得到至少两个分类。得到各个分类之后，可以将每一个类与所有人员底图数据进行对比，若存在与所有人员中当前人员以外的其他人员底图数据满足对比阈值的分类可以确定为该人员底图数据的相似分类，并且从所述相似分类中确定待确认底图数据。其中，可以是选择其中最清晰的，而且光线强度合适的作为该人员的待确认底图数据。
S140、若检测到动态入库的触发事件，则将所述待确认底图数据动态替换为目标人员底图数据。
在检测到动态入库的触发事件之后，可以将所述待确认底图数据动态替换为目标人员底图数据。这样设置的好处是可以实现人脸数据的动态入库，进而实现了对人脸库的信息进行及时的更新，从而可以提高人脸识别的准确性，为写字楼等场所的安全提供保障。
其中，动态入库的触发事件，可以是在检测到误识别数量达到预设阈值，例如，发现对人员A进行误识别的人脸图像与人员B的匹配次数达到三次，则对人员B的人脸底图数据进行更新。除此之外，还可以是对人员A进行误识别的人脸图像与人员B的匹配程度达到了一定程度，则可以对人员B的人脸底图数据进行更新。
本申请实施例所提供的技术方案，若人员出入时检测到出入记录存在误识别异常，则从出入记录中获取记录的当前人员人脸数据；确定记录的当前人员人脸数据中与当前人员底图数据对比不符合对比阈值的人脸数据为目标数据；若存在与目标数据之间对比符合对比阈值的目标人员底图数据，则从所述目标数据中确定待确认底图数据；或者，采用预设特征筛选规则将记录的当前人员人脸数据划分为至少两个分类；将每一个类与所有人员底图数据进行对比，若存在与所有人员中当前人员以外的其他人员底图数据满足对比阈值的相似分类，则从所述相似分类中确定待确认底图数据；若检测到动态入库的触发事件，则将所述待确认底图数据动态替换为目标人员底图数据。通过采用本申请所提供的技术方案，可以通过人脸数据动态入库的方式，提高速通门闸机处人脸识别的准确性的效果。
在上述各技术方案的基础上，可选的，若检测到动态入库的触发事件，则将所述待确认底图数据动态替换为目标人员底图数据，包括：若检测到人员出入时的误识别异常人脸数据，且所述误识别异常人脸数据与目标人员底图数据对比符合对比阈值，则确定为动态入库的触发事件；将所述待确认底图数据动态替换为目标人员底图数据。其中，如果检测到又一次的误识别异常，则可以确定将其中人员B的图像更新为待确认底图数据。这样设置的好处是可以提高人脸识别的准确性的同时，对误识别异常事件进行及时的处理，从而可以提高人脸数据动态入库的效率。
在上述各技术方案的基础上，可选的，将所述待确认底图数据动态替换为目标人员底图数据，包括：将所述待确认底图数据与目标人员底图数据输入至第一识别模型和第二识别模型；其中，所述第一识别模型用于进行第一维度识别，第二识别模型用于进行第二维度识别；若所述第一识别模型识别为符合第一预设替换阈值，且所述第二识别模型识别为符合第二预设替换阈值，则将所述待确认底图数据动态替换为目标人员底图数据。其中第一维度可以是高纬度，第二维度可以是低纬度。高纬度相对低纬度而言，识别起来可能更加复杂，但是识别的精度可以更高。通过两个模型对待确认底图数据进行分析，若均得到符合替代标准的结果，则可以确定将其替代目标人员底图数据。本技术方案这样设置的好处是可以提高对人脸数据进行动态入库的稳定性。
为了能够让本领域技术人员更加清楚的了解本方案，下面提供了一种优选的实施方式。
主要流程图可以分为三个模块：
1、出入记录处理模块：
处理当前异常的出入记录信息，传至人脸数据分析模块。
2、人脸数据分析模块：
对异常出入记录的人脸数据进行分析(若检测确实存在错误识别)，则将检测后的结果传入底图确认模块。
3、底图确认模块：
对于动态更新的人员底图进行数据确认，确认完成后正式投入使用。
一、出入记录处理模块。
1、出入记录处理模块：根据识别终端上传的出入记录信息以及联动红外的状态信息进行处理，检测是否存在异常；
2、出入记录处理模块：人员A若出现未进向仅有连续两次出向，若存在则将此异常出入记录信息传入人脸数据分析模块；
3、出入记录处理模块：人员A若出现未出向仅有连续两次进向，若存在则将此异常出入记录信息传入人脸数据分析模块；
4、出入记录处理模块：此处数据来源可以是人脸的出入记录信息，以及与人脸绑定的车辆出入记录信息，但一组异常的出入记录数据中，必须包含一条及以上的人脸数据，若不满足要求(仅为车辆数据)，则不进行出入记录处理模块进行数据分析处理。
二、人脸数据分析模块。
1、选择该组异常数据的人员最近的n条出入记录信息，且判断n条出入记录数据是否均为正常数据(无尾随、未进入、逆向闯入)等；
2、将此n条出入记录图片数据使用人脸筛选归类(阈值为C1)，归类后是否存在不同的人脸数据p1，p2，…，pn；
3、将归类后的人脸数据(p1，p2，…，pn)，使用复杂模型与该人员底库进行比对，若仅有一类人员数据P满足识别阈值(C1+n1)识别为人员A，且其他的归类人脸数据均不满足识别阈值(C1+n1)要求，且存在其他归类人脸数据Pm满足阈值要求(C1+n1)被识别成人员B，进行下一步判断；
4、满足识别阈值要求(C1+n1)的归类人脸数据P若能达到质量分数阈值Q1的要求(符合特征提取人员底图的质量要求)；
5、系统动态的将该人脸数据Pm新增到人员B的人脸底图中，将新增的底图状态置为待确认状态(暂不可使用)不同步下发到终端，将该异常的出入记录状态置为正常状态，将替换过底图的人员B数据传入到底图确认模块；
6、若2中条件不满足，则此组异常出入记录数据将不进行下一步操作，直接返回结果，将此次异常出入记录数据置为预期正常状态。
三、底图确认模块。
1、人员B添加动态底图后，检测是否后续生成了人员B识别数据或再次出现误识别人员A的数据且经过出入记录异常模块再次确认为人员B；
2、若满足步骤1，则将检测到的人脸数据与动态底图数据进行简单模型和复杂模型的比较，若简单模型阈值达到S1，复杂模型识别阈值达到C1，则默认达到识别要求；
3、若满足步骤2，则将人员B的动态底图正式启用，置为可使用状态，且将人脸数据同步下发到人脸识别终端；
4、若不满足步骤2，则不做任何处理，此流程结束。
本技术方案，通过异常的出入记录数据来触发判断误识别数据，根据异常出入记录信息进行人脸分类，再依靠算法模型进行识别比对，并进行动态入库的方式来替换底图，提高识别率，有效降低误识别率。
图2是本申请实施例提供的人脸数据动态入库的装置的结构示意图。如图2所示，所述人脸数据动态入库的装置，包括：
记录获取模块210，用于若人员出入时检测到出入记录存在误识别异常，则从出入记录中获取记录的当前人员人脸数据；
待确认底图数据确定模块220，用于确定记录的当前人员人脸数据中与当前人员底图数据对比不符合对比阈值的人脸数据为目标数据；若存在与目标数据之间对比符合对比阈值的目标人员底图数据，则从所述目标数据中确定待确认底图数据；
或者用于，
采用预设特征筛选规则将记录的当前人员人脸数据划分为至少两个分类；将每一个类与所有人员底图数据进行对比，若存在与所有人员中当前人员以外的其他人员底图数据满足对比阈值的相似分类，则从所述相似分类中确定待确认底图数据；
动态替换模块230，用于若检测到动态入库的触发事件，则将所述待确认底图数据动态替换为目标人员底图数据。
本申请实施例所提供的技术方案，若人员出入时检测到出入记录存在误识别异常，则从出入记录中获取记录的当前人员人脸数据；确定记录的当前人员人脸数据中与当前人员底图数据对比不符合对比阈值的人脸数据为目标数据；若存在与目标数据之间对比符合对比阈值的目标人员底图数据，则从所述目标数据中确定待确认底图数据；或者，采用预设特征筛选规则将记录的当前人员人脸数据划分为至少两个分类；将每一个类与所有人员底图数据进行对比，若存在与所有人员中当前人员以外的其他人员底图数据满足对比阈值的相似分类，则从所述相似分类中确定待确认底图数据；若检测到动态入库的触发事件，则将所述待确认底图数据动态替换为目标人员底图数据。通过采用本申请所提供的技术方案，可以通过人脸数据动态入库的方式，提高速通门闸机处人脸识别的准确性的效果。
在上述技术方案的基础上，可选的，所述动态替换模块，包括：
触发事件识别单元，用于若检测到人员出入时的误识别异常人脸数据，且所述误识别异常人脸数据与目标人员底图数据对比符合对比阈值，则确定为动态入库的触发事件；
动态替换单元，用于将所述待确认底图数据动态替换为目标人员底图数据。
在上述技术方案的基础上，可选的，所述动态替换单元，具体用于：
将所述待确认底图数据与目标人员底图数据输入至第一识别模型和第二识别模型；其中，所述第一识别模型用于进行第一维度识别，第二识别模型用于进行第二维度识别；
若所述第一识别模型识别为符合第一预设替换阈值，且所述第二识别模型识别为符合第二预设替换阈值，则将所述待确认底图数据动态替换为目标人员底图数据。
上述产品可执行本申请实施例所提供的方法，具备执行方法相应的功能模块和有益效果。
本申请实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种人脸数据动态入库的方法，该方法包括：
若人员出入时检测到出入记录存在误识别异常，则从出入记录中获取记录的当前人员人脸数据；
确定记录的当前人员人脸数据中与当前人员底图数据对比不符合对比阈值的人脸数据为目标数据；若存在与目标数据之间对比符合对比阈值的目标人员底图数据，则从所述目标数据中确定待确认底图数据；
或者，
采用预设特征筛选规则将记录的当前人员人脸数据划分为至少两个分类；将每一个类与所有人员底图数据进行对比，若存在与所有人员中当前人员以外的其他人员底图数据满足对比阈值的相似分类，则从所述相似分类中确定待确认底图数据；
若检测到动态入库的触发事件，则将所述待确认底图数据动态替换为目标人员底图数据。
存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括：安装介质，例如CD-ROM、软盘或磁带装置；计算机系统存储器或随机存取存储器，诸如DRAM、DDR RAM、SRAM、EDO RAM，兰巴斯(Rambus)RAM等；非易失性存储器，诸如闪存、磁介质(例如硬盘或光存储)；寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外，存储介质可以位于程序在其中被执行的计算机系统中，或者可以位于不同的第二计算机系统中，第二计算机系统通过网络(诸如因特网)连接到计算机系统。第二计算机系统可以提供程序指令给计算机用于执行。术语“存储介质”可以包括可以驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。
当然，本申请实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的人脸数据动态入库的操作，还可以执行本申请任意实施例所提供的人脸数据动态入库的方法中的相关操作。
本申请实施例提供了一种电子设备，该电子设备中可集成本申请实施例提供的人脸数据动态入库的装置。图3是本申请实施例提供的一种电子设备的结构示意图。如图3所示，本实施例提供了一种电子设备300，其包括：一个或多个处理器320；存储装置310，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器320执行，使得所述一个或多个处理器320实现本申请实施例所提供的人脸数据动态入库的方法，该方法包括：
若人员出入时检测到出入记录存在误识别异常，则从出入记录中获取记录的当前人员人脸数据；
确定记录的当前人员人脸数据中与当前人员底图数据对比不符合对比阈值的人脸数据为目标数据；若存在与目标数据之间对比符合对比阈值的目标人员底图数据，则从所述目标数据中确定待确认底图数据；
或者，
采用预设特征筛选规则将记录的当前人员人脸数据划分为至少两个分类；将每一个类与所有人员底图数据进行对比，若存在与所有人员中当前人员以外的其他人员底图数据满足对比阈值的相似分类，则从所述相似分类中确定待确认底图数据；
若检测到动态入库的触发事件，则将所述待确认底图数据动态替换为目标人员底图数据。
当然，本领域技术人员可以理解，处理器320还实现本申请任意实施例所提供的人脸数据动态入库的方法的技术方案。
图3显示的电子设备300仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图3所示，该电子设备300包括处理器320、存储装置310、输入装置330和输出装置340；电子设备中处理器320的数量可以是一个或多个，图3中以一个处理器320为例；电子设备中的处理器320、存储装置310、输入装置330和输出装置340可以通过总线或其他方式连接，图3中以通过总线350连接为例。
存储装置310作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块单元，如本申请实施例中的人脸数据动态入库的方法对应的程序指令。
存储装置310可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储装置310可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储装置310可进一步包括相对于处理器320远程设置的存储器，这些远程存储器可以通过网络连接。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置330可用于接收输入的数字、字符信息或语音信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入。输出装置340可包括显示屏、扬声器等设备。
本申请实施例提供的电子设备，可以通过人脸数据动态入库的方式，提高速通门闸机处人脸识别的准确性的效果。
上述实施例中提供的人脸数据动态入库的装置、介质及电子设备可执行本申请任意实施例所提供的人脸数据动态入库的方法，具备执行该方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节，可参见本申请任意实施例所提供的人脸数据动态入库的方法。
注意，上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解，本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由所附的权利要求范围决定。
Claims (8)
1.一种人脸数据动态入库的方法，其特征在于，包括：
若人员出入时检测到出入记录存在误识别异常，则从出入记录中获取记录的当前人员人脸数据；
确定记录的当前人员人脸数据中与当前人员底图数据对比不符合对比阈值的人脸数据为目标数据；若存在与目标数据之间对比符合对比阈值的目标人员底图数据，则从所述目标数据中确定待确认底图数据；
或者，
采用预设特征筛选规则将记录的当前人员人脸数据划分为至少两个分类；将每一个类与所有人员底图数据进行对比，若存在与所有人员中当前人员以外的其他人员底图数据满足对比阈值的相似分类，则从所述相似分类中确定待确认底图数据；
若检测到动态入库的触发事件，则将所述待确认底图数据动态替换为目标人员底图数据；
其中，所述若检测到动态入库的触发事件，则将所述待确认底图数据动态替换为目标人员底图数据，包括：
若检测到人员出入时的误识别异常人脸数据，且所述误识别异常人脸数据与目标人员底图数据对比符合对比阈值，则确定为动态入库的触发事件；
将所述待确认底图数据动态替换为目标人员底图数据。
2.根据权利要求1所述的方法，其特征在于，将所述待确认底图数据动态替换为目标人员底图数据，包括：
将所述待确认底图数据与目标人员底图数据输入至第一识别模型和第二识别模型；其中，所述第一识别模型用于进行第一维度识别，第二识别模型用于进行第二维度识别；
若所述第一识别模型识别为符合第一预设替换阈值，且所述第二识别模型识别为符合第二预设替换阈值，则将所述待确认底图数据动态替换为目标人员底图数据。
3.根据权利要求1所述的方法，其特征在于，确定记录的当前人员人脸数据中与当前人员底图数据对比不符合对比阈值的人脸数据为目标数据，包括：
对记录的当前人员人脸数据采用预设特征筛选规则进行分类，得到至少两个人脸数据类；其中每个人脸数据类中包括至少一个人脸数据；
确定至少两个人脸数据类，分别与当前人员底图数据进行特征对比，确定不符合对比阈值的人脸数据类中的人脸数据为目标数据。
4.根据权利要求3所述的方法，其特征在于，若存在与目标数据之间对比符合对比阈值的目标人员底图数据，则从所述目标数据中确定待确认底图数据，包括：
若存在与人脸数据类之间对比符合对比阈值的目标人员底图数据，则确定该人脸数据类中人脸数据的质量分数；
根据所述质量分数，从该人脸数据类中确定待确认底图数据。
5.一种人脸数据动态入库的装置，其特征在于，包括：
记录获取模块，用于若人员出入时检测到出入记录存在误识别异常，则从出入记录中获取记录的当前人员人脸数据；
待确认底图数据确定模块，用于确定记录的当前人员人脸数据中与当前人员底图数据对比不符合对比阈值的人脸数据为目标数据；若存在与目标数据之间对比符合对比阈值的目标人员底图数据，则从所述目标数据中确定待确认底图数据；
或者用于，
采用预设特征筛选规则将记录的当前人员人脸数据划分为至少两个分类；将每一个类与所有人员底图数据进行对比，若存在与所有人员中当前人员以外的其他人员底图数据满足对比阈值的相似分类，则从所述相似分类中确定待确认底图数据；
动态替换模块，用于若检测到动态入库的触发事件，则将所述待确认底图数据动态替换为目标人员底图数据；
其中，所述动态替换模块，包括：
触发事件识别单元，用于若检测到人员出入时的误识别异常人脸数据，且所述误识别异常人脸数据与目标人员底图数据对比符合对比阈值，则确定为动态入库的触发事件；
动态替换单元，用于将所述待确认底图数据动态替换为目标人员底图数据。
6.根据权利要求5所述的装置，其特征在于，所述动态替换单元，具体用于：
将所述待确认底图数据与目标人员底图数据输入至第一识别模型和第二识别模型；其中，所述第一识别模型用于进行第一维度识别，第二识别模型用于进行第二维度识别；
若所述第一识别模型识别为符合第一预设替换阈值，且所述第二识别模型识别为符合第二预设替换阈值，则将所述待确认底图数据动态替换为目标人员底图数据。
7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-4中任一项所述的人脸数据动态入库的方法。
8.一种电子设备，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-4中任一项所述的人脸数据动态入库的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911338443.0A CN113095110B (zh) | 2019-12-23 | 2019-12-23 | 人脸数据动态入库的方法、装置、介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911338443.0A CN113095110B (zh) | 2019-12-23 | 2019-12-23 | 人脸数据动态入库的方法、装置、介质及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113095110A CN113095110A (zh) | 2021-07-09 |
| CN113095110B true CN113095110B (zh) | 2024-03-08 |
Family
ID=76662891
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911338443.0A Active CN113095110B (zh) | 2019-12-23 | 2019-12-23 | 人脸数据动态入库的方法、装置、介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113095110B (zh) |
Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102542299A (zh) * | 2011-12-07 | 2012-07-04 | 惠州Tcl移动通信有限公司 | 人脸识别方法、装置及能识别人脸的移动终端 |
| CN103778409A (zh) * | 2014-01-02 | 2014-05-07 | 深圳市元轩科技发展有限公司 | 基于人脸特征数据挖掘的人脸识别方法与装置 |
| CN105512617A (zh) * | 2015-11-26 | 2016-04-20 | 广州华多网络科技有限公司 | 图像筛选方法及装置 |
| 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 |
| CN106156688A (zh) * | 2015-03-10 | 2016-11-23 | 上海骏聿数码科技有限公司 | 一种动态人脸识别方法及系统 |
| CN107066983A (zh) * | 2017-04-20 | 2017-08-18 | 腾讯科技（上海）有限公司 | 一种身份验证方法及装置 |
| CN107590212A (zh) * | 2017-08-29 | 2018-01-16 | 深圳英飞拓科技股份有限公司 | 一种人脸图片的入库系统及方法 |
| CN108228871A (zh) * | 2017-07-21 | 2018-06-29 | 北京市商汤科技开发有限公司 | 人脸图像动态入库方法和装置、电子设备、介质、程序 |
| CN108805054A (zh) * | 2018-05-29 | 2018-11-13 | 苏州大学 | 一种人脸图像分类方法、系统、设备及计算机存储介质 |
| CN108881813A (zh) * | 2017-07-20 | 2018-11-23 | 北京旷视科技有限公司 | 一种视频数据处理方法及装置、监控系统 |
| CN109800691A (zh) * | 2019-01-07 | 2019-05-24 | 深圳英飞拓科技股份有限公司 | 基于人脸识别技术的人口统计方法及系统 |
| CN109871767A (zh) * | 2019-01-17 | 2019-06-11 | 平安科技（深圳）有限公司 | 人脸识别方法、装置、电子设备及计算机可读存储介质 |
| CN109919093A (zh) * | 2019-03-07 | 2019-06-21 | 苏州科达科技股份有限公司 | 一种人脸识别方法、装置、设备及可读存储介质 |
| CN109919017A (zh) * | 2019-01-28 | 2019-06-21 | 平安科技（深圳）有限公司 | 人脸识别优化方法、装置、计算机设备和存储介质 |
| CN109919035A (zh) * | 2019-01-31 | 2019-06-21 | 平安科技（深圳）有限公司 | 提高考勤识别通过的方法、装置、计算机设备和存储介质 |
| CN110348315A (zh) * | 2019-06-14 | 2019-10-18 | 深圳英飞拓科技股份有限公司 | 动态更新人脸特征底库的方法及装置、人脸抓拍系统 |
| CN110390229A (zh) * | 2018-04-20 | 2019-10-29 | 杭州海康威视数字技术股份有限公司 | 一种人脸图片筛选方法、装置、电子设备及存储介质 |
| CN110458154A (zh) * | 2019-09-12 | 2019-11-15 | 腾讯科技（深圳）有限公司 | 人脸识别方法、装置和计算机可读存储介质 |
| CN110555931A (zh) * | 2019-08-31 | 2019-12-10 | 华南理工大学 | 一种基于深度学习识别的人脸检测与门禁系统装置 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050226509A1 (en) * | 2004-03-30 | 2005-10-13 | Thomas Maurer | Efficient classification of three dimensional face models for human identification and other applications |
| US8792684B2 (en) * | 2011-08-11 | 2014-07-29 | At&T Intellectual Property I, L.P. | Method and apparatus for automated analysis and identification of a person in image and video content |
-
2019
- 2019-12-23 CN CN201911338443.0A patent/CN113095110B/zh active Active
Patent Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102542299A (zh) * | 2011-12-07 | 2012-07-04 | 惠州Tcl移动通信有限公司 | 人脸识别方法、装置及能识别人脸的移动终端 |
| CN103778409A (zh) * | 2014-01-02 | 2014-05-07 | 深圳市元轩科技发展有限公司 | 基于人脸特征数据挖掘的人脸识别方法与装置 |
| CN106156688A (zh) * | 2015-03-10 | 2016-11-23 | 上海骏聿数码科技有限公司 | 一种动态人脸识别方法及系统 |
| CN105512617A (zh) * | 2015-11-26 | 2016-04-20 | 广州华多网络科技有限公司 | 图像筛选方法及装置 |
| 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 |
| CN107066983A (zh) * | 2017-04-20 | 2017-08-18 | 腾讯科技（上海）有限公司 | 一种身份验证方法及装置 |
| CN108881813A (zh) * | 2017-07-20 | 2018-11-23 | 北京旷视科技有限公司 | 一种视频数据处理方法及装置、监控系统 |
| CN108228871A (zh) * | 2017-07-21 | 2018-06-29 | 北京市商汤科技开发有限公司 | 人脸图像动态入库方法和装置、电子设备、介质、程序 |
| CN107590212A (zh) * | 2017-08-29 | 2018-01-16 | 深圳英飞拓科技股份有限公司 | 一种人脸图片的入库系统及方法 |
| CN110390229A (zh) * | 2018-04-20 | 2019-10-29 | 杭州海康威视数字技术股份有限公司 | 一种人脸图片筛选方法、装置、电子设备及存储介质 |
| CN108805054A (zh) * | 2018-05-29 | 2018-11-13 | 苏州大学 | 一种人脸图像分类方法、系统、设备及计算机存储介质 |
| CN109800691A (zh) * | 2019-01-07 | 2019-05-24 | 深圳英飞拓科技股份有限公司 | 基于人脸识别技术的人口统计方法及系统 |
| CN109871767A (zh) * | 2019-01-17 | 2019-06-11 | 平安科技（深圳）有限公司 | 人脸识别方法、装置、电子设备及计算机可读存储介质 |
| CN109919017A (zh) * | 2019-01-28 | 2019-06-21 | 平安科技（深圳）有限公司 | 人脸识别优化方法、装置、计算机设备和存储介质 |
| CN109919035A (zh) * | 2019-01-31 | 2019-06-21 | 平安科技（深圳）有限公司 | 提高考勤识别通过的方法、装置、计算机设备和存储介质 |
| CN109919093A (zh) * | 2019-03-07 | 2019-06-21 | 苏州科达科技股份有限公司 | 一种人脸识别方法、装置、设备及可读存储介质 |
| CN110348315A (zh) * | 2019-06-14 | 2019-10-18 | 深圳英飞拓科技股份有限公司 | 动态更新人脸特征底库的方法及装置、人脸抓拍系统 |
| CN110555931A (zh) * | 2019-08-31 | 2019-12-10 | 华南理工大学 | 一种基于深度学习识别的人脸检测与门禁系统装置 |
| CN110458154A (zh) * | 2019-09-12 | 2019-11-15 | 腾讯科技（深圳）有限公司 | 人脸识别方法、装置和计算机可读存储介质 |
Non-Patent Citations (3)
| Title |
|---|
| 人脸考勤系统的设计与实现;张哲等;广东农工商职业技术学院学报;20051230(第04期);70-73 * |
| 基于人脸检测与跟踪的智能监控系统;宋红等;北京理工大学学报;20041130(第11期);966-970 * |
| 基于人脸识别技术的智能门禁系统设计;陈彪等;现代建筑电气;20100430(第04期);1-5 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113095110A (zh) | 2021-07-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP2620896B1 (en) | System And Method For Face Capture And Matching | |
| US20180349685A1 (en) | Identity verification via validated facial recognition and graph database | |
| CN108038176B (zh) | 一种路人库的建立方法、装置、电子设备及介质 | |
| JP6446971B2 (ja) | データ処理装置、データ処理方法、及び、コンピュータ・プログラム | |
| US11495056B2 (en) | Intelligent gallery management for biometrics | |
| WO2018166116A1 (zh) | 车损识别方法、电子装置及计算机可读存储介质 | |
| EP3890333A1 (en) | Video cutting method and apparatus, computer device and storage medium | |
| US20120288165A1 (en) | Surveillance-based high-resolution facial recognition | |
| CN105404860A (zh) | 用于管理走失人员信息的方法和设备 | |
| WO2022156234A1 (zh) | 一种目标重识别方法、装置及计算机可读存储介质 | |
| CN111931548B (zh) | 人脸识别系统、建立人脸识别数据的方法及人脸识别方法 | |
| CN111881740A (zh) | 人脸识别方法、装置、电子设备及介质 | |
| CN113095110B (zh) | 人脸数据动态入库的方法、装置、介质及电子设备 | |
| CN118113898A (zh) | 同行人员分析方法、装置、设备、存储介质 | |
| CN112669509A (zh) | 门禁管理方法、系统、电子设备及存储介质 | |
| CN112417007A (zh) | 一种数据分析方法、装置、电子设备及存储介质 | |
| CN111339829A (zh) | 用户身份鉴定方法、装置、计算机设备和存储介质 | |
| CN116311405A (zh) | 一种人脸识别方法、装置、存储介质及电子设备 | |
| Harini et al. | Advanced Sound Detection and Behavior Examination for Real-Time Intruder Detection using Deep Learning: A Comprehensive Security Framework | |
| US20200293758A1 (en) | Object recognizer emulation | |
| CN117809132A (zh) | 违规搭建识别模型训练方法、违规搭建识别方法及装置 | |
| CN116416569A (zh) | 行为识别方法、装置、计算机设备和存储介质 | |
| CN115205742A (zh) | 一种视频处理方法、装置、电子设备及存储介质 | |
| CN117765426A (zh) | 视频数据标注方法、装置、电子设备和存储介质 | |
| CN118797526A (zh) | 一种事件告警方法、装置、终端设备及存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |