人脸底库更新方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术提供一种人脸底库更新方法、装置、电子设备及存储介质，该方法包括：基于目标图片集中的图片获取时间、预设偏移量，确定目标图片集中每一张图片对应的图片权重；目标图片集包括待筛选图片集以及人脸底库图片；提取目标图片集对应的特征向量集，并基于特征向量集，确定图片相似度矩阵；基于图片权重以及图片相似度矩阵，确定目标图片集中每一个图片对应的特征分数；基于每一个图片对应的特征分数，以及预设的相似度阈值，确定优选图片，并基于优选图片对人脸底库进行更新。本发明专利技术提供的人脸底库更新方法、装置、电子设备及存储介质，可以解决现有技术中更新人脸识别底库难度大的缺陷，实现降低更新人脸识别底库的难度。实现降低更新人脸识别底库的难度。实现降低更新人脸识别底库的难度。

【技术实现步骤摘要】
人脸底库更新方法、装置、电子设备及存储介质


[0001]本专利技术涉及图像处理
，尤其涉及一种人脸底库更新方法、装置、电子设备及存储介质。

技术介绍

[0002]随着计算机视觉技术的发展，以人脸识别为代表的可视化生物识别技术快速发展。人脸识别指通过基于个人的面部轮廓比较和分析模式，唯一地识别或验证人的生物测定技术。而深度学习技术的出现和广泛应用使人工智能领域得以蓬勃的发展，人脸识别作为其中的一个重要分支，在我们实际生活工作中有广泛的应用。
[0003]人脸识别技术应用越来越广泛，人脸识别算法也越来越准确,但是随着时间的变化，人的外貌会发生巨大变化，包括现场场景的变化如光线等对识别的影响,都会导致用过一段时间后的人脸识别算法误识率和拒识率明显增多了，这个时候需要费时费力的去重新采集人脸图片，更新人脸识别底库才能有效解决该问题，而这样操作的难度非常大。

技术实现思路

[0004]本专利技术提供一种人脸底库更新方法、装置、电子设备及存储介质，用以解决现有技术中更新人脸识别底库难度大的缺陷，实现降低更新人脸识别底库的难度。
[0005]本专利技术提供一种人脸底库更新方法，包括：
[0006]基于所述目标图片集中的图片获取时间、预设偏移量，确定所述目标图片集中每一张图片对应的图片权重；其中，所述目标图片集包括待筛选图片集以及人脸底库图片；
[0007]提取所述目标图片集对应的特征向量集，并基于所述特征向量集，确定图片相似度矩阵；
[0008]基于所述图片权重以及所述图片相似度矩阵，确定所述目标图片集中每一个图片对应的特征分数；
[0009]基于所述每一个图片对应的特征分数，以及预设的相似度阈值，确定优选图片，并基于所述优选图片对人脸底库进行更新。
[0010]根据提高的人脸底库更新方法，所述基于所述目标图片集中的图片获取时间、预设偏移量，确定所述目标图片集中每一张图片对应的图片权重，包括：
[0011]基于如下公式确定所述目标图片集中每一张图片对应的图片权重：
[0012]w
i
＝b
‑
(k*i)
+ot
[0013]其中，w
i
为所述目标图片集中第i张图片对应的权重，b为基础参数，k为索引参数，ot为预设偏移量。
[0014]根据提高的人脸底库更新方法，所述基础参数满足1＜b＜3，所述索引参数满足1≤k＜2，所述预设偏移量满足0＜ot＜0.8。
[0015]根据提高的人脸底库更新方法，所述基于所述图片权重以及所述图片相似度矩阵，确定所述目标图片集中每一个图片对应的特征分数，包括：
[0016]基于所述图片权重以及所述图片相似度矩阵，得到所述目标图片集中，每一图片与其他图片的相似度加权平均值，并基于所述相似度加权平均值，得到所述目标图片集中每一个图片对应的特征分数。
[0017]根据提高的人脸底库更新方法，所述基于所述每一个图片对应的特征分数，以及预设的相似度阈值，确定优选图片，包括：
[0018]基于所述每一个图片对应的特征分数，确定最高特征分数；
[0019]在所述最高特征分数大于所述预设的相似度阈值的情况下，将所述最高特征分数对应图片，作为所述优选图片。
[0020]根据提高的人脸底库更新方法，所述基于所述每一个图片对应的特征分数，以及预设的相似度阈值，确定优选图片，还包括：
[0021]在所述最高特征分数不大于预设的相似度阈值的情况下，将所述人脸底库图片，作为所述优选图片。
[0022]本专利技术还提供一种人脸底库更新装置，包括：
[0023]权重设置模块，用于基于所述目标图片集中的图片获取时间、预设偏移量，确定所述目标图片集中每一张图片对应的图片权重；其中，所述目标图片集包括待筛选图片集以及人脸底库图片；
[0024]相似度确定模块，用于提取所述目标图片集对应的特征向量集，并基于所述特征向量集，确定图片相似度矩阵；
[0025]特征分数确定模块，用于基于所述图片权重以及所述图片相似度矩阵，确定所述目标图片集中每一个图片对应的特征分数；
[0026]更新模块，用于基于所述每一个图片对应的特征分数，以及预设的相似度阈值，确定优选图片，并基于所述优选图片对人脸底库进行更新。
[0027]本专利技术还提供一种电子设备，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上述任一种所述人脸底库更新方法的步骤。
[0028]本专利技术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如上述任一种所述人脸底库更新方法的步骤。
[0029]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述人脸底库更新方法的步骤。
[0030]本专利技术提供的人脸底库更新方法、装置、电子设备及存储介质，通过基于目标图片集中的图片获取时间，确定图片权重后，再结合图片的特征向量集所确定的图片相似度矩阵，确定每张图片的特征分数，最后将得到的特征分数与预设的相似度阈值进行比对，确定优选图片，对人脸底库进行动态更新。即使人脸随着时间发生变化，还是可以基于实时动态更新的人脸底库，对人脸进行识别，本专利技术可以解决现有技术中更新人脸识别底库难度大的缺陷，实现降低更新人脸识别底库的难度，以及提高人脸识别能力。
附图说明
[0031]为了更清楚地说明本专利技术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专利技术的一
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。
[0032]图1是本专利技术提供的人脸底库更新方法的流程示意图之一；
[0033]图2是本专利技术提供的人脸底库更新方法的流程示意图之二；
[0034]图3是本专利技术提供的人脸底库更新装置的结构示意图；
[0035]图4是本专利技术提供的电子设备的结构示意图。
具体实施方式
[0036]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。
[0037]下面结合图1
‑
图4描述本专利技术的人脸底库更新方法、装置、电子设备及存储介质。
[0038]如图1所示，本专利技术提供的一种人脸底库更新方法，其特征在于，包括：
[0039]步骤110、基于所述目标图片集中的图片获取时间、预设偏移量，确定所述目标图片集中每一张图片对应的图片权重；其中，所述目标图片集包括待筛选图片集以及人脸底库图片。
[0040]可以理解的是本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人脸底库更新方法，其特征在于，包括：基于所述目标图片集中的图片获取时间、预设偏移量，确定所述目标图片集中每一张图片对应的图片权重；其中，所述目标图片集包括待筛选图片集以及人脸底库图片；提取所述目标图片集对应的特征向量集，并基于所述特征向量集，确定图片相似度矩阵；基于所述图片权重以及所述图片相似度矩阵，确定所述目标图片集中每一个图片对应的特征分数；基于所述每一个图片对应的特征分数，以及预设的相似度阈值，确定优选图片，并基于所述优选图片对人脸底库进行更新。2.根据权利要求1所述的人脸底库更新方法，其特征在于，所述基于所述目标图片集中的图片获取时间、预设偏移量，确定所述目标图片集中每一张图片对应的图片权重，包括：基于如下公式确定所述目标图片集中每一张图片对应的图片权重：w
i
＝b
‑
(k*i)
+ot其中，w
i
为所述目标图片集中第i张图片对应的权重，b为基础参数，k为索引参数，ot为预设偏移量。3.根据权利要求2所述的人脸底库更新方法，其特征在于，所述基础参数满足1＜b＜3，所述索引参数满足1≤k＜2，所述预设偏移量满足0＜ot＜0.8。4.根据权利要求1所述的人脸底库更新方法，其特征在于，所述基于所述图片权重以及所述图片相似度矩阵，确定所述目标图片集中每一个图片对应的特征分数，包括：基于所述图片权重以及所述图片相似度矩阵，得到所述目标图片集中，每一图片与其他图片的相似度加权平均值，并基于所述相似度加权平均值，得到所述目标图片集中每一个图片对应的特征分数。5.根据权利要求1
‑
4任一项所述的人脸底库更新方法，其特征在于，所述基于所述...

【专利技术属性】
技术研发人员：张学阳，李学军，张翔，郑辉，刘红，余舟航，
申请(专利权)人：精伦电子股份有限公司，
类型：发明
国别省市：