[发明专利]一种数据处理方法、设备及存储介质

说明书

本发明实施例公开一种数据处理方法、设备及存储介质，其中方法包括：从多个多媒体数据中分别获取样本对象数据，提取样本对象数据的对象特征信息；根据对象特征信息对多个样本对象数据进行聚类，得到多个具有不同簇标签的第一对象特征簇；清理每个第一对象特征簇中的异类对象数据，将清理后的第一对象特征簇确定为第二对象特征簇；在多个第二对象特征簇之间进行同类簇合并，生成多个具有不同簇标签的第三对象特征簇，将样本对象数据的对象标签更新为所属的第三对象特征簇的簇标签；基于每个第三对象特征簇中的样本对象数据的对象标签和对象特征信息，训练对象识别模型。采用本发明，可以提高人脸识别的准确率。

技术领域

本发明涉及电子技术领域，尤其涉及一种数据处理方法、设备及存储介质。

背景技术

随着人脸识别技术在实际应用中的不断推广，人脸识别存在的问题和难点也逐渐凸显出来，在不可靠的采集环境中，用户的面部表现以及环境状态千变万化，其复杂程度远远超出了标准评测中获取的图片，例如，遮挡会导致人脸特征发生变化，会增加人脸识别的困难，增加拒识率；光照、姿态和表情的变化，也会导致一个人的不同环境下的人脸特征差异很大，降低了识别率，还可能会增加错误识别。目前，为了提升人脸识别技术在实际应用场景中的性能，最为直接有效的方法是通过增加大量的有身份标签的人脸训练数据，现实场景(如监控、商场、社区等)中存在的大量的人脸数据，但是绝大多数是没有身份标签的人脸数据，无法大量获取有身份标签的人脸训练数据，则无法通过增加人脸训练数据提升人脸识别性能。

发明内容

本发明实施例提供一种数据处理方法、设备及存储介质，可以提高人脸识别的准确率。

本发明实施例一方面提供了一种数据处理方法，可包括：

从多个多媒体数据中分别获取样本对象数据，提取所述样本对象数据的对象特征信息；

根据所述对象特征信息对多个样本对象数据进行聚类，得到多个具有不同簇标签的第一对象特征簇；所有样本对象数据的对象标签均与所属的第一对象特征簇的簇标签相同；

分别清理每个第一对象特征簇中的异类对象数据，将清理后的第一对象特征簇确定为第二对象特征簇；

在多个第二对象特征簇之间进行同类簇合并，生成多个具有不同簇标签的第三对象特征簇，将所述样本对象数据的对象标签更新为所属的所述第三对象特征簇的簇标签；

基于所述每个第三对象特征簇中的所述样本对象数据的对象标签和所述对象特征信息，训练对象识别模型；所述对象识别模型用于识别待预测对象数据与目标对象数据之间的相似度。

其中，所述从多个多媒体数据中分别获取样本对象数据，提取所述样本对象数据对应的对象特征信息，包括：

获取多个多媒体数据中的对象位置信息，根据所述对象位置信息从每个多媒体数据中分别获取具有目标尺寸的对象区域，将所述对象区域中的图像内容确定为样本对象数据，获取所述每个样本对象数据的对象特征信息；

若所述多媒体数据为图像数据，则为所述图像数据中的所述样本对象数据随机设置对象标签；

若所述多媒体数据为视频数据，则检测所述样本对象数据在所述视频数据中的跟踪轨迹信息，将具有相同所述跟踪轨迹信息的样本对象数据设置关联属性，并为具有所述关联属性的样本对象数据设置相同的对象标签。

其中，所述将所述对象区域中的图像内容确定为样本对象数据，包括：

将所述对象区域中的图像内容进行基于目标方位的仿射变换，将仿射变换后的图像内容确定为样本对象数据；所述样本对象数据中的对象处于所述目标方位；

则所述方法还包括：

获取待预测多媒体数据；