一种特征库更新方法、装置、推理服务器及存储介质制造方法及图纸

本申请提出一种特征库更新方法、装置、推理服务器及存储介质，所述方法应用于推理服务器，所述方法包括：基于接收到的人脸图像，进行人脸认证；在人脸认证成功的情况下，基于人脸图像中提取出的人脸特征通过聚类算法对特征库中用户特征进行更新。

【技术实现步骤摘要】
一种特征库更新方法、装置、推理服务器及存储介质
本申请涉及人工智能
，具体涉及一种特征库更新方法、装置、推理服务器及存储介质。
技术介绍
深度学习算法作为推动人工智能发展的核心驱动力，已经逐渐深入人心，各种产品的落地也让人感受到了人工智能带来的便利，尤其是俗称刷脸的人脸认证通行场景，不仅为人们的出行供给了更高的安全保证，还为管理者带来多的便利。刷脸通行场景中，将采集到的人脸信息与后台系统中录入的人脸信息进行匹配，一旦匹配成功，便会放行通过。为了提高人脸认证的精度，一般会采用自学习的方法进行模型训练。现有的自学习方法往往需要长时间采集数据后进行模型训练，除了必须的推理服务器外，用户还需要购买昂贵的训练服务器和显卡，而且每次更换人脸模型后还需要对存储的比对库的图片进行重新提取特征，形成新的特征库，迭代周期长、工作量大，造成系统资源的浪费。
技术实现思路
本申请提供用于特征库更新的方法、装置、推理服务器及存储介质。第一方面，本申请实施例提供一种特征库更新方法，所述方法应用于推理服务器，所述方法包括：基于接收到的人脸图像，进行人脸认证；在人脸认证成功的情况下，基于人脸图像中提取出的人脸特征通过聚类算法对特征库中用户特征进行更新。第二方面，本申请实施例提供一种特征库更新装置，所述装置配置于推理服务器，所述装置包括：人脸认证模块，被配置为基于接收到的人脸图像，进行人脸认证；特征库更新模块，被配置为在人脸认证成功的情况下，基于人脸图像中提取出的人脸特征通过聚类算法对特征库中用户特征进行更新。第三方面，本申请实施例提供一种推理服务器，其特征在于，包括：一个或多个处理器；存储器，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执行，使得所述一个或多个处理器实现本申请实施例中的任意一种方法。第四方面，本申请实施例提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本申请实施例中的任意一种方法。关于本申请的以上实施例和其他方面以及其实现方式，在附图说明、具体实施方式和权利要求中提供更多说明。附图说明图1为本申请实施例提供的一种特征库更新方法的流程示意图；图2是本申请实施例提供的一种人脸认证系统的结构示意图；图3是本申请实施例提供的一种用户刷脸通行方法的流程图；图4是本申请实施例提供的一种用户特征自动更新方法的流程图；图5为本申请实施例提供的一种特征库更新装置的结构示意图；图6是本申请提供的一种推理服务器的结构示意图。具体实施方式为使本申请的目的、技术方案和优点更加清楚明白，下文中将结合附图对本申请的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行。并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。人脸认证是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，在智能人机交互、智能视频监控、自动门禁、人脸登录等各领域有着重要的实用价值。人脸认证是人脸识别的一个分支，当某人进行人脸认证时，通常先声明自己的身份信息，认证系统根据声明的信息从验证数据库中找到该信息对应的分类器模型，采用该分类器模型对该人进行人脸认证，若认证的结果与此人声明的身份信息吻合，则表示认证通过，否则表示认证未通过。图1为本申请实施例提供的一种特征库更新方法的流程示意图。该方法可以适用于在推理服务器上使用机器学习的算法对用户的特征库进行更新的情况。该方法可以由本申请提供的特征库更新装置执行，该特征库更新装置可以由软件和/或硬件实现，该方法应用于推理服务器上。如图1所示，本申请实施例提供的特征库更新方法主要包括步骤S11和S12。S11、基于接收到的人脸图像，进行人脸认证；S12、在人脸认证成功的情况下，基于人脸图像中提取出的人脸特征通过聚类算法对特征库中用户特征进行更新。在一个示例性的实时方式中，所述基于接收到的人脸图像，进行人脸认证，包括：将接收到的人脸图像进行人脸检测和特征提取，得到人脸特征；其中所述人脸图像由设置在闸机端的摄像头采集并发送；将所述人脸特征在所述特征库中进行检索；在所述特征库中存在与所述人脸特征的相似度大于通行阈值的用户特征的情况下，确定人脸认证成功。进一步的，所述人脸图像由设置在闸机端的摄像头采集并发送。在一个示例性的实时方式中，基于人脸图像中提取出的人脸特征通过聚类算法对特征库中用户特征进行更新，包括：在所述特征库中存在与所述人脸特征的相似度大于精准认证阈值的用户特征的情况下，将所述人脸特征进行存储，其中，所述精准认证阈值大于通行阈值；在存储的人脸特征的数量超过数量阈值的情况下，通过聚类算法对特征库中用户特征进行更新。在所述特征库中所有的用户特征与所述人脸特征的相似度均小于精准认证阈值的情况下，将所述人脸特征丢弃。在一个示例性的实施方式中，所述通过聚类算法对特征库中用户特征进行更新，包括：将所有人脸特征进行聚类计算得到平均特征；将所述平均特征与特征库中的用户特征进行匹配；基于匹配结果对特征库中用户特征进行更新。进一步的，所述基于匹配结果对特征库中用户特征进行更新，包括：在所述平均特征与所述用户特征的相似度大于更新阈值的情况下，将所述平均特征替换所述用户特征。本申请提供了一种轻量级的解决方案，在推理服务器上，在不更新通用模型的情况下，不断对认证为同一人的抓拍图片进行聚类、迭代更新，使特征库的用户照片越来越还原用户当前的样貌、越来越趋近真实场景，也会随着用户年龄增长面貌改变而跟着改变，从而提高认证精度和通行速度，实现越用越准、越用越快。在一个应用性实例中，图2是本申请实施提供的一种人脸认证系统的结构示意图，如图2所示，所述人脸认证系统包括终端21和服务端22。其中，终端21包括摄像头212和刷脸闸机终端213。服务端22包括人脸比对模块221、人脸特征库222、抓拍特征库223和聚类更新模块224。刷脸闸机终端213检测由用户通过闸机时，启动摄像头212采集用户的人脸图像，并将采集到的人脸图像发送至服务端22。人脸比对模块221模块和传统的人脸比对模块一致，通过训练好的模型对刷脸闸机终端213抓拍送过来的人脸图像进行人脸检测、特征提取，将提取出的人脸特征在预先导入的人脸特征库222中进行检索，根据检索结果返回该目标是否为特征库中注册的人员。人脸特征库222用于存储人脸特征也是底库特征，每一个特征值标志了个体的人脸信息。与传统人脸识别不同的是，这个特征库中的特征值并非在一开始就固定不变，而是通过定时任务动态更新的，随着用户刷脸通行次数增加，特征值不断优化越来越接近用户的当前样貌。抓拍特征库223用于存储用户通行时抓拍的本文档来自技高网...

【技术保护点】
1.一种特征库更新方法，其特征在于，所述方法应用于推理服务器，所述方法包括：/n基于接收到的人脸图像，进行人脸认证；/n在人脸认证成功的情况下，基于人脸图像中提取出的人脸特征通过聚类算法对特征库中用户特征进行更新。/n

【技术特征摘要】
1.一种特征库更新方法，其特征在于，所述方法应用于推理服务器，所述方法包括：
基于接收到的人脸图像，进行人脸认证；
在人脸认证成功的情况下，基于人脸图像中提取出的人脸特征通过聚类算法对特征库中用户特征进行更新。


2.根据权利要求1所述的方法，其特征在于，所述基于接收到的人脸图像，进行人脸认证，包括：
将接收到的人脸图像进行人脸检测和特征提取，得到人脸特征；其中所述人脸图像由设置在闸机端的摄像头采集并发送；
将所述人脸特征在所述特征库中进行检索；
在所述特征库中存在与所述人脸特征的相似度大于通行阈值的用户特征的情况下，确定人脸认证成功。


3.根据权利要求2所述的方法，其特征在于，所述人脸图像由设置在闸机端的摄像头采集并发送。


4.根据权利要求1所述的方法，其特征在于，基于人脸图像中提取出的人脸特征通过聚类算法对特征库中用户特征进行更新，包括：
在所述特征库中存在与所述人脸特征的相似度大于精准认证阈值的用户特征的情况下，将所述人脸特征进行存储，其中，所述精准认证阈值大于通行阈值；
在存储的人脸特征的数量超过数量阈值的情况下，通过聚类算法对特征库中用户特征进行更新。


5.根据权利要求4所述的方法，其特征在于，基于人脸图像中提取出的人脸特征通过聚类算法对特征库中用户特征进行更新，还包括：
在所述特征库中...

【专利技术属性】
技术研发人员：王甫龙，
申请(专利权)人：中兴通讯股份有限公司，
类型：发明
国别省市：广东;44