[发明专利]数据清洗设备、数据清洗方法和人脸验证方法

权利要求书

1.一种数据清洗方法，其特征在于，包括：

获取训练人脸数据集，所述训练人脸数据集包括：多个训练图像，每个所述训练图像被标记有人员ID；

获取候选人脸验证模型，并利用所述多个训练图像训练所述候选人脸验证模型；

在所述训练后，从所述候选人脸验证模型中获取多个特征嵌套，并确定一个人员ID的平均特征嵌套与标记为所述同一个人员ID的每个图像之间的相似度；

从所述多个训练图像中提取至少一个所述相似度小于相似度阈值的训练图像；以及

响应于接收确认信号，删除提取的所述至少一个训练图像。

2.根据权利要求1所述的方法，其特征在于，在删除提取的所述至少一个训练图像的所述操作之前以及在提取至少一个训练图像的所述操作之后，所述方法还包括：

输出提取的所述至少一个训练图像以用于第一检查。

3.根据权利要求2所述的方法，其特征在于，删除提取的所述至少一个训练图像的所述操作，包括：

接收第一检查信号，其中所述第一检查信号为确认信号或拒绝信号；

响应于接收所述确认信号，删除提取的所述至少一个训练图像；或者响应于接收所述拒绝信号，保留提取的所述至少一个训练图像。

4.根据权利要求1所述的方法，其特征在于，在提取至少一个训练图像的所述操作之前，所述方法还包括：

定义小于或等于一上限值的所述相似度阈值。

5.根据权利要求4所述的方法，其特征在于，所述上限值为0.85。

6.根据权利要求1所述的方法，其特征在于，在获取训练人脸数据集的所述操作之后，所述方法还包括：

为所述多个训练图像生成列表“all.lst”；

在提取至少一个训练图像的所述操作之后，所述方法还包括：

为提取的所述至少一个训练图像生成列表“noisy.lst”；

在删除提取的所述至少一个训练图像的所述操作之后，所述方法还包括：

更新所述列表“all.lst”。

7.根据权利要求1所述的方法，其特征在于，还包括：

使用剩余的所述训练图像训练所述候选人脸验证模型；

在所述训练之后，获取多个特征嵌套；

形成多个对，每个所述对包括两个不同的人员ID；

计算每一个所述对的相似度；

提取至少一个相似度大于合并阈值的对；以及

根据第二检查信号处理提取的所述至少一个对。

8.根据权利要求7所述的方法，其特征在于，在提取至少一个相似度大于合并阈值的对的所述操作之后，包括：

输出提取的所述至少一个对；以及

接收执行在提取的所述至少一个对上的第二检查信号。

9.根据权利要求7所述的方法，其特征在于，所述第二检查信号为合并信号或非合并信号，根据所述检查信号处理提取的所述至少一个对的所述操作包括：

响应于接收所述合并信号，修改所述对中的至少一个人员ID；以及

响应于接收所述非合并信号，保留所述两个不同的人员ID。

10.根据权利要求9所述的方法，其特征在于，修改所述对中的至少一个人员ID的所述操作，包括：

将所述两个人员ID中的一个替换为另一个。

11.根据权利要求1所述的方法，其特征在于，在删除提取的所述至少一个训练图像的所述操作之后，所述方法还包括：

增大所述相似度阈值，并执行从所述多个训练图像中提取至少一个相似度小于相似度阈值的训练图像的所述操作。