【技术实现步骤摘要】
本专利技术涉及一种人脸识别方法，尤其涉及一种人脸识别特征数据动态匹配方法、系统、装置和介质，属于人工智能。
技术介绍
1、现有技术中，智能终端上普遍存在的鉴权方式包括物理介质(银行卡、身份证等)、短信验证码、二维码、人脸识别等。其中，人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术，相比于其他鉴权方式，具有不依赖其他介质，通过用户自身的生物特征即可完成身份识别等优点。
2、目前，人脸识别技术主要通过提取人脸特征数据，并动态绑定到人脸识别算法来提供识别服务的。在没有人脸数据的前提下，人脸识别方法的流程如下：首先由管理员在人脸库页面中创建人员，并上传人员图片，调用人脸特征数据提取算法提取人员图片的人脸特征；然后对一批人员进行标签划分，将人员和标签绑定，并将标签绑定到人脸识别算法上，该人脸识别算法即可拥有此标签下全部的人脸特征数据，使得被绑定的人员能够被识别出来。并且，已提取的人脸特征数据可以跨平台使用，具备一次提取，多处使用的能力。
3、由此可见，以往的人脸识别方法具有如下技术缺陷：其一、人脸特征数据提取与算法绑定需要非常专业的人员才能操作，导致开发使用门槛非常高；其二、人脸特征样本数据少，导致人脸识别结果不理想，从而无法提供可靠的识别服务；其三、需要先对人脸特征进行提取，并将人脸特征数据内置到人脸识别算法里，如果人员和人脸特征数据出现变动，则需要重新制作人脸识别算法，这样无疑增加了开发人员的算法维护工作量，不仅增加了维护的难度，而且提高了使用成本。
4、因此，亟待研发一种新的人脸识别
技术实现思路
1、针对上述现存的技术问题，本专利技术提供一种人脸识别特征数据动态匹配方法、系统、装置和介质，将人脸图像特征数据从人脸识别算法中抽离出来，并动态匹配到相应的人脸识别算法中，以达到提高人脸识别算法的识别准确率和可用性的技术目的。
2、为实现上述目的，本专利技术提供一种人脸识别特征数据动态匹配方法，包括如下步骤：
3、获取所有人员图片，并通过人脸图像特征提取算法提取每张人员图片的人脸图像特征数据；然后将人脸图像特征数据和对应的人员图片建立绑定关系；
4、将所有人员归类到标签中，并将每张人员图片的人脸图像特征数据与对应的标签建立绑定关系；然后将每个标签与对应的人脸识别算法建立绑定关系；再将每个人脸识别算法绑定的所有人脸图像特征数据合并成相应的人脸特征库；
5、选择人脸识别算法，并获取人脸识别请求；
6、获取选择的人脸识别算法的识别标识，并通过识别标识判断该人脸识别算法是否存在识别能力；
7、仅当选择的人脸识别算法存在识别能力，且当前处于启用状态时，根据人脸识别请求，通过该人脸识别算法对相应的人脸特征库进行检索匹配，得出匹配结果。
8、本专利技术方法进一步的，所述获取所有人员图片，包括：
9、获取鉴权信息，并进行鉴权校验；
10、若校验通过，则获取人员信息，并创建人员；
11、导入人员图片，并检测是否存在人脸图像特征提取算法；若是，则进行下一步。
12、本专利技术方法具体的，所述人脸图像特征提取算法采用arcface模型。
13、本专利技术方法进一步的，所述将所有人员归类到标签中，人员与标签为一对多的绑定关系，且标签与人员也是一对多的绑定关系。
14、本专利技术方法更进一步的，所述将每张人员图片的人脸图像特征数据与对应的标签建立绑定关系中，人脸图像特征数据与标签为一对多的绑定关系，且标签与人脸图像特征数据也是一对多的绑定关系。
15、本专利技术方法更进一步的，所述将每个标签与对应的人脸识别算法建立绑定关系中，标签与人脸识别算法为一对多的绑定关系，且人脸识别算法与标签也是一对多的绑定关系。
16、本专利技术方法进一步的，所述获取人脸识别请求，包括：
17、获取人脸识别请求，并存储在数据库中；
18、获取人脸识别请求的鉴权信息，并进行鉴权校验；若校验通过，则进入下一步。
19、由上述技术方案可知，本专利技术方法的工作原理和技术效果如下：
20、（1）通过对人脸特征库进行维护，本专利技术能够非常方便地将对人员图片进行人脸特征提取，从而快速形成高识别率的人脸识别服务。并且，由于本专利技术支持将人员与标签进行多对多的绑定，标签与人脸识别算法进行多对一的绑定，因此随着人员图片的丰富，人脸特征库也越来越丰富，人脸识别的准确率也越来越高。
21、（2）通过将标签与人脸识别算法进行绑定，本专利技术能够支持人员的变动，一旦人员变动后，与人脸识别算法绑定的人脸特征库会相应的进行更新，从而无需重新发布人脸识别算法。并且，通过人脸图像特征数据动态绑定的方式，大幅度提升了人脸识别算法的可用性，降低了开发人员的维护成本。
22、并且，本专利技术又提供一种人脸识别特征数据动态匹配系统，包括特征数据模块、人脸特征库模块、识别请求模块、识别能力模块、人脸识别模块；
23、所述特征数据模块，用于获取所有人员图片，并通过人脸图像特征提取算法提取每张人员图片的人脸图像特征数据；然后将人脸图像特征数据和对应的人员图片建立绑定关系；
24、所述人脸特征库模块，用于将所有人员归类到标签中，并将每张人员图片的人脸图像特征数据与对应的标签建立绑定关系；然后将每个标签与对应的人脸识别算法建立绑定关系；再将每个人脸识别算法绑定的所有人脸图像特征数据合并成相应的人脸特征库；
25、所述识别请求模块，用于选择人脸识别算法，并获取人脸识别请求；
26、所述识别能力模块，用于获取选择的人脸识别算法的识别标识，并通过识别标识判断该人脸识别算法是否存在识别能力；
27、所述人脸识别模块，用于仅当选择的人脸识别算法存在识别能力，且当前处于启用状态时，根据人脸识别请求，通过该人脸识别算法对相应的人脸特征库进行检索匹配，得出匹配结果。
28、接着，本专利技术再提供一种人脸识别特征数据动态匹配装置，包括存储器和处理器；所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现所述的一种人脸识别特征数据动态匹配方法。
29、此外，本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述的一种人脸识别特征数据动态匹配方法。
30、综上，本专利技术通过人脸图像特征提取算法对人员图片的人脸图像特征进行提取，同时将人脸图像特征数据从人脸识别算法中抽离出来，通过构建人脸特征库的方式动态匹配到相应的人脸识别算法上，不仅提高了人脸识别算法的可用性，还通过日常的算法识别服务的积累，大大的丰富了人脸特征库，并且提高了人脸识别算法的准确率。
31、相比现有技术，本专利技术的技术优势在于：
32、1、以人脸识别算法为维度，将每个人脸识别算法下的所有人脸本文档来自技高网...
【技术保护点】
1.一种人脸识别特征数据动态匹配方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种人脸识别特征数据动态匹配方法，其特征在于，所述获取所有人员图片，包括：
3.根据权利要求1或2所述的一种人脸识别特征数据动态匹配方法，其特征在于，所述人脸图像特征提取算法采用ARCFace模型。
4.根据权利要求1所述的一种人脸识别特征数据动态匹配方法，其特征在于，所述将所有人员归类到标签中，人员与标签为一对多的绑定关系，且标签与人员也是一对多的绑定关系。
5.根据权利要求1或4所述的一种人脸识别特征数据动态匹配方法，其特征在于，所述将每张人员图片的人脸图像特征数据与对应的标签建立绑定关系中，人脸图像特征数据与标签为一对多的绑定关系，且标签与人脸图像特征数据也是一对多的绑定关系。
6.根据权利要求1或4所述的一种人脸识别特征数据动态匹配方法，其特征在于，所述将每个标签与对应的人脸识别算法建立绑定关系中，标签与人脸识别算法为一对多的绑定关系，且人脸识别算法与标签也是一对多的绑定关系。
7.根据权利要求1所述的一种人脸识
8.一种人脸识别特征数据动态匹配系统，其特征在于，包括特征数据模块、人脸特征库模块、识别请求模块、识别能力模块、人脸识别模块；
9.一种人脸识别特征数据动态匹配装置，包括存储器和处理器；所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的一种人脸识别特征数据动态匹配方法。
10.一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，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的一种人脸识别特征数据动态匹配方法。
...【技术特征摘要】
1.一种人脸识别特征数据动态匹配方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种人脸识别特征数据动态匹配方法，其特征在于，所述获取所有人员图片，包括：
3.根据权利要求1或2所述的一种人脸识别特征数据动态匹配方法，其特征在于，所述人脸图像特征提取算法采用arcface模型。
4.根据权利要求1所述的一种人脸识别特征数据动态匹配方法，其特征在于，所述将所有人员归类到标签中，人员与标签为一对多的绑定关系，且标签与人员也是一对多的绑定关系。
5.根据权利要求1或4所述的一种人脸识别特征数据动态匹配方法，其特征在于，所述将每张人员图片的人脸图像特征数据与对应的标签建立绑定关系中，人脸图像特征数据与标签为一对多的绑定关系，且标签与人脸图像特征数据也是一对多的绑定关系。
6.根据权利要求1或4所述的一种人脸识别特征数据...
【专利技术属性】
技术研发人员：粟玉雄，黄育新，
申请(专利权)人：千巡科技深圳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。