一种生理特征数据处理方法及装置制造方法及图纸

本发明专利技术公开了一种生理特征数据处理方法及装置，其中该方法包括:从原始的生理特征图像数据库中获取第一特征图像；利用预置的噪点处理方式对第一特征图像进行处理，生成至少一个第二特征图像，并存储至多图特征数据库；通过特征识别算法对第二特征图像进行计算，对应生成第一计算结果，并将第一计算结果存储至多图特征数据库；当确定出特征识别算法更新时，利用更新后的特征识别算法对多第二特征图像进行计算并更新。本发明专利技术实施例利用预先保存生理特征图像数据的方式，当特征识别算法更新时，实现自学习特征识别；可通过噪点处理方式对保存生理特征图像进行处理，合成不同效果的图像，以在特征鉴权时提高特征识别率。

【技术实现步骤摘要】

本专利技术属于通信
，尤其涉及一种生理特征数据处理方法及装置。
技术介绍
人脸识别属于生物特征识别技术，是对生物体(一般特指人)本身的生物特征来区分生物体个体，特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。目前，人脸识别系统在升级了识别算法后，在用户第一次进行人脸鉴权时，客户端需要重新获取用户人脸信息，使用新算法重新计算用户人脸特征，重新对比，即不能实时获取到被抓拍的人像的比对结果，识别效率较低；同时，升级识别算法后无法很好的维护对比库中人像及相关信息，以及无法很好的实现数据的识别和管理。
技术实现思路
本专利技术的目的在于提供一种生理特征数据处理方法及装置，旨在实现实时获取人脸识别结果，提高识别效率，更好的管理生理特征数据，以改善服务器资源管理。为解决上述技术问题，本专利技术实施例提供以下技术方案:一种生理特征数据处理方法，其中包括:从原始的生理特征图像数据库中获取第一特征图像；利用预置的噪点处理方式对所述第一特征图像进行处理，生成至少一个第二特征图像，并存储至多图特征数据库；通过特征识别算法对所述第二特征图像进行计算，对应生成第一计算结果，并将所述第一计算结果存储至所述多图特征数据库；当确定出所述特征识别算法更新时，利用更新后的特征识别算法对所述多第二特征图像进行计算，并更新所述第一计算结果。为解决上述技术问题，本专利技术实施例还提供以下技术方案:一种生理特征数据处理装置，其中包括:第一获取模块，用于从原始的生理特征图像数据库中获取第一特征图像；处理存储模块，用于利用预置的噪点处理方式对所述第一特征图像进行处理，生成至少一个第二特征图像，并存储至多图特征数据库；计算存储模块，用于通过特征识别算法对所述第二特征图像进行计算，对应生成第一计算结果，并将所述第一计算结果存储至所述多图特征数据库；计算更新模块，用于当确定出所述特征识别算法更新时，利用更新后的特征识别算法对所述多第二特征图像进行计算，并更新所述第一计算结果。相对于现有技术，本实施例，利用预先保存生理特征图像数据的方式，当确定出特征识别算法更新时，利用更新后的特征识别算法对保存的生理特征图像数据进行计算并保存计算结果，从而可以实现自学习特征识别，在特征鉴权时，可实时获取到比对结果，提高识别效率，更好的实现数据的识别和管理；同时，可通过噪点处理方式对保存生理特征图像进行处理，合成不同效果的图像，以在特征鉴权时提高特征识别率。【附图说明】下面结合附图，通过对本专利技术的【具体实施方式】详细描述，将使本专利技术的技术方案及其它有益效果显而易见。图1是本专利技术第一实施例提供的生理特征数据处理方法的流程示意图；图2为本专利技术第二实施例提供的生理特征数据处理方法的流程示意图；图3为本专利技术第三实施例提供的生理特征数据处理方法的流程示意图；图4为本专利技术第四实施例提供的生理特征数据处理装置的结构示意图；图5为本专利技术第五实施例提供的生理特征数据处理装置的结构示意图；图6为本专利技术第六实施例提供的服务器的结构示意图。【具体实施方式】请参照图式，其中相同的组件符号代表相同的组件，本专利技术的原理是以实施在一适当的运算环境中来举例说明。以下的说明是基于所例示的本专利技术具体实施例，其不应被视为限制本专利技术未在此详述的其它具体实施例。在以下的说明中，本专利技术的具体实施例将参考由一部或多部计算机所执行的步骤及符号来说明，除非另有述明。因此，这些步骤及操作将有数次提到由计算机执行，本文所指的计算机执行包括了由代表了以一结构化型式中的数据的电子信号的计算机处理单元的操作。此操作转换该数据或将其维持在该计算机的内存系统中的位置处，其可重新配置或另外以本领域测试人员所熟知的方式来改变该计算机的运作。该数据所维持的数据结构为该内存的实体位置，其具有由该数据格式所定义的特定特性。但是，本专利技术原理以上述文字来说明，其并不代表为一种限制，本领域测试人员将可了解到以下所述的多种步骤及操作亦可实施在硬件当中。本文所使用的术语「模块」可看做为在该运算系统上执行的软件对象。本文所述的不同组件、模块、引擎及服务可看做为在该运算系统上的实施对象。而本文所述的装置及方法优选的以软件的方式进行实施，当然也可在硬件上进行实施，均在本专利技术保护范围之内。第一实施例请参阅图1，图1是本专利技术第一实施例提供的生理特征数据处理方法的流程示意图。所述方法包括:在步骤SlOl中，从原始的生理特征图像数据库中获取第一特征图像。在步骤S102中，利用预置的噪点处理方式对所述第一特征图像进行处理，生成至少一个第二特征图像，并存储至多图特征数据库。其中，所述步骤SlOl与步骤S102可具体为:可以理解的是，所述原始的生理特征图像数据库可以预先进行设置，用于存储原始的生理特征图像，为方便描述，本专利技术将原始的生理特征图像数据库中的生理特征图像称为第一特征图像，将经过噪点处理的第一特征图像称为第二特征图像，此处所述“第一”、“第二”仅为区分识别，不构成对本专利技术的限定。进一步的，从原始的生理特征图像数据库中获取第一特征图像后，后台系统利用各种噪点处理方式对其进行美化处理，生成一张或多张新的特征图像，即第二特征图像，并将其存储至多图特征数据库。本专利技术实施例中所述第一特征图像和第二特征图像可以具体为人脸图像、指纹图像信息，此处不作具体限定。在步骤S103中，通过特征识别算法对所述第二特征图像进行计算，对应生成第一计算结果，并将所述第一计算结果存储至所述多图特征数据库。在步骤S104中，当确定出所述特征识别算法更新时，利用更新后的特征识别算法对所述多第二特征图像进行计算，并更新所述第一计算结果。其中，所述步骤S103与步骤S104可具体为:可以理解的是，所述特征识别算法可以预先进行设置，以对第二特征图像进行计算，生成第一计算结果，其中所述第一计算结果可作为表示所述第二特征图像的标识，可选的所述第一计算结果可具体为以哈希hash值或MD5值等，此处不作具体限定。另外，当检测出所述特征识别算法有更新时，利用更新后的特征识别算法自动重新的对多图特征数据库里面的第二特征图像进行计算，并更新所述第一计算结果。以在特征鉴权时，无需重新计算并建立对比库，可实时获取到比对结果，提高识别效率。由上述可知，本实施例提供的生理特征数据处理方法，利用预先保存生理特征图像数据的方式，当确定出特征识别算法更新时，利用更新后的特征识别算法对保存的生理特征图像数据进行计算并保存计算结果，从而可以实现自学习特征识别，在特征鉴权时，可实时获取到比对结果，提高识别效率，更好的实现数据的识别和管理；同时，可通过噪点处理方式对保存生理特征图像进行处理，合成不同效果的图像，以在特征鉴权时提高特征识别率。第二实施例请参阅图2，图2为本专利技术第二实施例提供的生理特征数据处理方法的流程示意图。区别于第一实施例，本实施例主要针对原始的生理特征图像数据库的建立、以及对第一特征图像进行处理的过程进行详细说明。所述方法包括:在步骤S201中，获取生理特征视频流。在步骤S202中，从所述生理特征视频流中抽取特征图像确定为第一特征图像。在步骤S203中，将所述第一特征图像上传至所述原始的生理特征图像数据库并保存。其中，所述步骤S201至步骤S203可具体为建立原始的生理特征图像数据库的优选实现方式；以特征本文档来自技高网...

【技术保护点】
一种生理特征数据处理方法，其特征在于，包括：从原始的生理特征图像数据库中获取第一特征图像；利用预置的噪点处理方式对所述第一特征图像进行处理，生成至少一个第二特征图像，并存储至多图特征数据库；通过特征识别算法对所述第二特征图像进行计算，对应生成第一计算结果，并将所述第一计算结果存储至所述多图特征数据库；当确定出所述特征识别算法更新时，利用更新后的特征识别算法对所述多第二特征图像进行计算，并更新所述第一计算结果。

【技术特征摘要】

【专利技术属性】
技术研发人员：柯向荣，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44