[发明专利]一种用于高精度人脸识别算法的训练数据集的收集方法及系统

说明书

本发明公开了一种用于高精度人脸识别算法的训练数据集的收集方法，包括：由移动终端收集用于高精度人脸识别算法的训练数据集；由移动终端向中继移动终端请求进行中继传输；响应于接收到移动终端发送的进行中继传输的请求，由中继移动终端判断中继移动终端的剩余电池电量是否大于电池电量门限值；如果中继移动终端的剩余电池电量大于电池电量门限值，则由中继移动终端向基站发送中继开始协助消息；响应于接收到中继开始协助消息，由基站首先判断中继移动终端与基站之间的通信链路的链路质量是否大于通信质量门限值；如果中继移动终端与基站之间的通信链路的链路质量小于通信质量门限值，则由基站向中继移动终端发送拒绝进行中继传输的指示。

技术领域

本发明是关于人脸识别技术领域，特别是关于一种用于高精度人脸识别算法的训练数据集的收集方法及系统。

背景技术

人脸描述是人脸识别的核心问题之一，人脸识别的研究实践表明：在人脸三维形状信息难以准确获取的条件下，从图像数据中提取多方向、多尺度的Gabor特征是一种合适的选择。使用Gabor特征进行人脸识别的典型方法包括弹性图匹配方法（EGM）和Gabor特征判别分类法（GFC）。

现有技术CN106034146B公开了一种信息交互方法及系统，其中，信息交互方法包括：判断是否接收到退出命令，若未接收到，则从第一设备读取当前权重信息，并根据读取到的当前权重信息计算梯度信息；以及向第一设备返回大于等于预设梯度阈值的梯度信息，以使第一设备根据返回的梯度信息重新计算权重信息，并将大于等于预设权重阈值的权重信息作为当前权重信息，重复执行上述操作，直至接收到退出命令。

公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。

发明内容

本发明的目的在于提供一种用于高精度人脸识别算法的训练数据集的收集方法及系统，其能够克服现有技术的缺点。

为实现上述目的，本发明提供了一种用于高精度人脸识别算法的训练数据集的收集方法，其特征在于：用于高精度人脸识别算法的训练数据集的收集方法包括如下步骤：

由移动终端收集用于高精度人脸识别算法的训练数据集；

由移动终端向中继移动终端请求进行中继传输；

响应于接收到移动终端发送的进行中继传输的请求，由中继移动终端判断中继移动终端的剩余电池电量是否大于电池电量门限值；

如果中继移动终端的剩余电池电量大于电池电量门限值，则由中继移动终端向基站发送中继开始协助消息，其中，中继开始协助消息包括中继移动终端与基站之间的通信链路的链路质量、请求由中继移动终端进行中继传输的移动终端的数量以及中继移动终端的移动速度；

响应于接收到中继开始协助消息，由基站首先判断中继移动终端与基站之间的通信链路的链路质量是否大于通信质量门限值；

如果中继移动终端与基站之间的通信链路的链路质量小于通信质量门限值，则由基站向中继移动终端发送拒绝进行中继传输的指示。

在一优选的实施方式中，用于高精度人脸识别算法的训练数据集的收集方法包括如下步骤：

如果中继移动终端与基站之间的通信链路的链路质量大于通信质量门限值，则由基站继续判断中继移动终端的移动速度是否大于速度门限值；

如果判断中继移动终端的移动速度大于速度门限值，则由基站向中继移动终端发送拒绝进行中继传输的指示；

如果判断中继移动终端的移动速度小于速度门限值，则由基站向中继移动终端发送关于开始进行中继传输的指示，其中，关于开始进行中继传输的指示包括用于进行中继传输的专用资源；