[發明專利]提升特征識別度的離線學習方法、系統、設備及存儲介質

在審

• 申請號: 201910797348.0
• 申請日: 2019-08-27
• 公開（公告）號: CN110516597A
• 公開（公告）日: 2019-11-29
• 發明（設計）人: 黃慜哲;林昱
• 申請（專利權）人: 睿云聯(廈門)網絡通訊技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 35232 廈門創象知識產權代理有限公司
• 代理人: 吳慧敏<國際申請>=<國際公布>=<進入

本發明提供一種提升特征識別度的離線學習方法，包括獲取前一次處理得到的特征圖樣本庫；向獲取的特征圖樣本庫中輸入當次處理的新特征圖；通過特征圖樣本庫對輸入的新特征圖進行特征判別，并生成特征判別結果；根據特征判斷結果，從增加、更新、刪除以及不變四種操作中選擇一種來對新特征圖進行處理，并保存當次處理后得到的特征圖樣本庫。本發明還提供一種方法所對應的系統、設備及存儲介質。本發明優點在于：可很好的消除僅更新特征存在的過擬合問題，從而使得特征識別度不會隨著時間的影響而變得不可靠。

技術領域

本發明涉及特征識別領域，特別涉及一種提升特征識別度的離線學習方法、系統、設備及存儲介質。

背景技術

眾所周知，人的外貌特征會隨著時間的增長而發生細微的改變，雖然有一些細微的改變對于人肉眼來說是難以察覺到的，但是，對于基于深度學習技術的人臉識別而言，則會將這些細微的改變進行區分開，并可能會造成巨大的誤差，從而導致出現誤判。其中，深度學習技術是機器學習研究中的一個新的領域，其動機在于建立、模擬人腦進行分析學習的神經網絡，用它模仿人腦的機制來解釋數據，例如圖像、聲音、文本等。

為了減少因特征的細微改變而導致出現的誤判，現有的人臉識別產品都是采用更新特征的方式，即通過及時獲取到待識別人物的較新特征，并將獲取到的較新特征更新到特征樣本庫中，以此來增加特征的識別度。但是，在實際更新的過程中，常常會遇到特征過擬合(為了得到一致假設而使假設變得過度復雜稱為過擬合)的問題，并導致稍早的特征變得不明顯，隨著時間的不斷增加，特征識別度將逐漸降低，因此，采用更新特征的方式是無法保證特征識別的可靠性的。

發明內容

本發明要解決的技術問題，在于提供一種提升特征識別度的離線學習方法、系統及計算機設備，解決現有技術中隨著時間的不斷增加，特征識別度將逐漸降低的問題。

本發明是這樣實現的：提升特征識別度的離線學習方法，所述方法包括：

獲取前一次處理得到的特征圖樣本庫；

向獲取的特征圖樣本庫中輸入當次處理的新特征圖；

通過特征圖樣本庫對輸入的新特征圖進行特征判別，并生成特征判別結果；

根據特征判斷結果，從增加、更新、刪除以及不變四種操作中選擇一種來對新特征圖進行處理，并保存當次處理后得到的特征圖樣本庫；

或者根據特征判斷結果，從增加、刪除以及不變三種操作中選擇一種來對新特征圖進行處理，并保存當次處理后得到的特征圖樣本庫；

或者根據特征判斷結果，從更新、刪除以及不變三種操作中選擇一種來對新特征圖進行處理，并保存當次處理后得到的特征圖樣本庫；

又或者根據特征判斷結果，從刪除以及不變兩種操作中選擇一種來對新特征圖進行處理，并保存當次處理后得到的特征圖樣本庫。

進一步地，所述根據特征判斷結果，從增加、更新、刪除以及不變四種操作中選擇一種來對新特征圖進行處理，并保存當次處理后得到的特征圖樣本庫具體為：

將特征判別結果與預設的各操作條件進行比對，且如果特征判別結果滿足預設的增加操作條件，則將輸入的新特征圖增加到特征圖樣本庫中；如果特征判別結果滿足預設的更新操作條件，則從特征圖樣本庫的各特征圖中隨機選擇一張特征圖，并將隨機選擇的該特征圖替換為輸入的新特征圖；如果特征判別結果滿足預設的刪除操作條件，則從特征圖樣本庫中隨機選擇一張對新特征圖判別通過的特征圖進行刪除，同時移除輸入的新特征圖；如果特征判別結果滿足預設的不變操作條件，則移除輸入的新特征圖，并保持特征圖樣本庫不變；

將當次處理后從十二種操作狀態中獲得的一種操作狀態的特征圖樣本庫保存到特征識別終端中，同時，刪除存儲的前一次處理后得到的特征圖樣本庫；

其中，