特征信息的压缩方法、装置、设备及存储介质与流程

1.本技术涉及互联网和计算机领域，特别涉及一种特征信息的压缩方法、装置、设备及存储介质。


背景技术：

2.目前，在神经网络提取特征信息后，可以将特征信息作为中间信息进行压缩存储，以便于后续的可解释性研究。
3.在相关技术中，将待处理信息输入至特征提取网络，进而获取特征提取网络所输出的特征信息。之后，在一种情况中，可以直接将特征信息作为中间信息进行存储；在一种情况中，可以对特征信息进行压缩以减少存储空间后，再将压缩后的特征信息作为中间信息进行存储。
4.然而，在上述相关技术中，对全量的特征信息进行压缩后存储，由于特征信息所包含的数据量大，导致特征信息与压缩后的特征信息之间的压缩比低。


技术实现要素：

5.本技术实施例提供了一种特征信息的压缩方法、装置、设备及存储介质，实现了对特征信息的简化，在保证特征信息高可用性的同时，保证了特征信息存储的高压缩比。所述技术方案如下。
6.根据本技术实施例的一个方面，提供了一种特征信息的压缩方法，所述方法包括以下步骤：
7.获取待处理信息的特征信息，所述特征信息中包括至少一个通道特征信息，所述通道特征信息中包括至少一个特征元素；其中，不同的通道特征信息对应不同的特征提取维度；
8.对所述特征信息中的各个特征元素分别进行特征量化，得到量化特征信息，所述量化特征信息中包括至少一个量化通道特征信息；
9.去除各个所述量化通道特征信息中的冗余特征信息，得到简化特征信息，所述简化特征信息中包括至少一个简化后的量化通道特征信息；
10.对所述简化特征信息进行压缩编码，得到所述待处理信息的压缩特征信息。
11.根据本技术实施例的一个方面，提供了一种特征信息的压缩装置，所述装置包括以下模块：
12.特征获取模块，用于获取待处理信息的特征信息，所述特征信息中包括至少一个通道特征信息，所述通道特征信息中包括至少一个特征元素；其中，不同的通道特征信息对应不同的特征提取维度；
13.特征量化模块，用于对所述特征信息中的各个特征元素分别进行特征量化，得到量化特征信息，所述量化特征信息中包括至少一个量化通道特征信息；
14.特征简化模块，用于去除各个所述量化通道特征信息中的冗余特征信息，得到简
化特征信息，所述简化特征信息中包括至少一个简化后的量化通道特征信息；
15.特征压缩模块，用于对所述简化特征信息进行压缩编码，得到所述待处理信息的压缩特征信息。
16.根据本技术实施例的一个方面，本技术实施例提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一段程序，所述至少一段程序由所述处理器加载并执行以实现上述特征信息的压缩方法。
17.根据本技术实施例的一个方面，本技术实施例提供了一种计算机可读存储介质，所述存储介质中存储有至少一段程序，所述至少一段程序由处理器加载并执行以实现上述特征信息的压缩方法。
18.根据本技术实施例的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述特征信息的压缩方法。
19.本技术实施例提供的技术方案可以带来如下有益效果：
20.通过冗余特征信息去除处理，去除量化通道特征信息中的冗余特征信息，实现了对量化特征信息的简化，从侧面实现了对特征信息的简化，以简化特征信息为基准进行压缩编码，得到待处理信息的压缩特征信息，压缩特征信息与原始的特征信息之间的压缩比高，且冗余特征信息不会影响原始的特征信息的精度，在保证特征信息高可用性的同时，保证了特征信息存储的高压缩比，有效减少了压缩特征信息所需的存储空间，进而在有限的存储空间中能够存储更多的特征信息，提高了特征信息的存储效果。
附图说明
21.图1是本技术一个实施例提供的信息处理系统的示意图；
22.图2示例性示出了一种信息处理系统的示意图；
23.图3是本技术一个实施例提供的特征信息的压缩方法的流程图；
24.图4示例性示出了一种特征量化方式的示意图；
25.图5示例性示出了一种逐差处理前的特征信息的示意图；
26.图6示例性示出了一种逐差处理后的特征信息的示意图；
27.图7示例性示出了一种特征信息的压缩方法的流程的示意图；
28.图8是本技术一个实施例提供的特征信息的压缩装置的框图；
29.图9是本技术另一个实施例提供的特征信息的压缩装置的框图；
30.图10是本技术一个实施例提供的计算机设备的结构框图。
具体实施方式
31.为使本技术的目的、技术方案和优点更加清楚，下面将结合附图对本技术实施方式作进一步地详细描述。
32.请参考图1，其示出了本技术一个实施例提供的信息处理系统的示意图。该信息处理系统可以包括终端设备10和服务器20。
33.终端设备10可以为诸如手机、平板电脑、pc(personal computer，个人计算机)、智
能语音交互设备、智能家电、车载终端、飞行器等电子设备，本技术实施例对此不作限定。
34.服务器20可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、cdn、以及大数据和人工智能平台等基础云计算服务的云服务器。
35.上述终端设备10以及上述服务器20可以通过有线或无线通信方式进行直接或间接地连接，本技术在此不做限制。
36.在一些实施例中，终端设备10中包括任意具有信息收集功能的应用程序，如社交应用程序、购物应用程序、即时通信应用程序等，本技术实施例对此不作限定。其中，该应用程序可以是需要下载安装的应用程序，也可以是即点即用的应用程序，本技术实施例对此不作限定。
37.在一些实施例中，由终端设备10获取待处理信息，并对待处理信息的特征信息进行压缩后发送至服务器20。示例性地，如图2所示，终端设备10获取待处理信息，并对该待处理信息进行特征提取处理，以获取待处理信息的特征信息。其中，该特征信息中包括至少一个通道特征信息，一个通道特征信息中包括至少一个特征元素，且不同的通道特征信息对应不同的特征提取维度。终端设备10在获取上述特征信息，通过特征量化将特征信息中的特征元素由浮点数格式转换为整数格式，得到量化特征信息，其中，量化特征信息中包括至少一个量化通道特征信息；通过通道逐差去除相邻的量化通道特征信息之间的冗余特征信息，得到简化特征信息，简化特征信息中包括至少一个简化后的量化通道特征信息；通过维度变换对简化特征信息进行通道维度展平处理，得到维度展平特征信息；通过压缩编码对维度展平特征信息进行压缩编码，得到待处理信息的压缩特征信息。之后，终端设备10向服务器20发送该压缩特征信息，服务器20根据该压缩特征信息确定待处理信息的特征信息，进而对该特征信息进行后续处理。
38.需要说明的一点是，上述终端设备10和服务器20之间的交互介绍只是示例性和解释性的，在示例性实施例中，可以对终端设备10和服务器20之间的交互方式进行灵活设置和调整，本技术实施例对此不作限定。示例性地，可以由终端设备10直接向服务器20发送待处理信息，进而由服务器20根据该待处理信息生成特征信息并进行后续处理；以及，服务器20将特征信息确定为待处理信息的中间特征信息，通过特征量化、通道逐差、维度变换和压缩编码得到压缩特征信息，并对压缩特征信息进行存储。
39.请参考图3，其示出了本技术一个实施例提供的特征信息的压缩方法的流程图。该方法中个步骤可以由上述图1中的终端设备10和/或服务器20(以下统称为“计算机设备”)执行，如各步骤的执行主体可以为终端设备10中应用程序的客户端。该方法可以包括以下几个步骤(301～304)中的至少一个步骤：
40.步骤301，获取待处理信息的特征信息。
41.待处理信息是指通过客户端获取的信息。在一些实施例中，该待处理信息包括但不限于以下至少一项：图像信息、文本信息、音频信息等，本技术实施例对此不作限定。在一些实施例中，计算机设备通过上述应用程序获取待处理信息。其中，上述待处理信息可以是实时获取的信息，也可以是预先获取并存储的信息，本技术实施例对此不作限定。
42.在本技术实施例中，计算机设备在获取上述待处理信息之后，获取该待处理信息
的特征信息。其中，该特征信息中包括至少一个通道特征信息，通道特征信息中包括至少一个特征元素，且不同的通道特征信息对应不同的特征提取维度。在一些实施例中，计算机设备在获取待处理信息之后，将该待处理信息输入值特征提取网络，进而获取该特征提取网络输出的待处理信息的特征信息。其中，特征提取网络是指预先训练得到的，用于进行特征提取的神经网络。在一些实施例中，不同类型的待处理信息对应有不同的特征提取网络。
43.在一种可能的实施方式中，不同类型的待处理信息包含的信息类型不同。示例性地，若待处理信息中包括图像信息，则特征提取网络为图像特征提取网络；若待处理信息中包括文本信息，则特征提取网络为文本特征提取网络；若待处理信息中包括音频信息，则特征提取网络为音频特征提取网络；等等。
44.在另一种可能的实施方式中，不同类型的待处理信息对应有不同的作用。示例性地，若待处理信息用于身份识别，则特征提取网络为身份识别模型中的网络；若待处理信息用于车辆定位，则特征提取网络为车辆定位模型中的网络；若待处理信息用于人机自动答复，则特征提取网络为自动答复模型中的网络；等等。需要说明一点是，若特征提取网络是模型中的网络，则该特征提取网络的训练是在模型训练过程中实现的。
45.步骤302，对特征信息中的各个特征元素分别进行特征量化，得到量化特征信息。
46.在本技术实施例中，计算机设备在获取上述特征信息之后，对该特征信息中的各个特征元素分别进行特征量化，得到量化特征信息。其中，该量化特征信息中包括至少一个量化通道特征信息，量化通道特征信息中包括至少一个量化特征元素。在一些实施例中，量化特征信息中的量化通道特征信息的数量，与上述特征信息中的通道特征信息的数量相同；且对于量化特征信息中的目标量化通道特征信息，该目标量化通道特征信息中量化特征元素的数量，与对应的目标通道特征信息中特征元素的数量相同。
47.在一些实施例中，特征量化是指将信号的连续取值(或者大量可能的离散取值)近似为有限多个(或较少的)离散值的过程。在本技术实施例中，特征量化是指将浮点型数据转换为整数型数据。在示例性实施例中，上述步骤302包括以下至少一个步骤：
48.1、从特征信息中获取特征元素最大值和特征元素最大值；
49.2、获取特征元素的整数取值范围；
50.3、根据特征元素最大值、特征元素最大值和整数取值范围，分别将各个特征元素由浮点数格式转换为整数格式，得到量化特征信息。
51.在一些实施例中，上述整数取值范围为预先设定的范围，该范围可以根据实际情况进行灵活设置和调整，本技术实施例对此不作限定。示例性地，该整数取值范围为[0,255]，包括边界值0和255。
[0052]
在本技术实施例中，计算机设备在获取上述特征信息之后，对该特征信息中的特征元素进行遍历，从该特征信息确定特征元素最大值和特征元素最小值，进一步，根据特征元素最大值、特征元素最大值和整数取值范围，分别对各个特征元素进行特征量化，以实现特征元素由浮点数格式向整数格式的转换，进而得到上述量化特征信息。其中，浮点数格式的特征元素即为浮点型数据，整数格式的特征元素即为整数型数据。示例性地，假设整数取值范围为[0,255]，包括边界值0和255，针对特征元素x的特征量化公式为：floor((x-min)/(max-min)*255)，如图4所示，特征信息41通过特征量化公式得到量化特征信息42。
[0053]
在一些实施例中，上述特征量化对应有特征反量化。其中，特征反量化是指将特征
量化后得到的整数型数据还原至浮点型数据。示例性地，针对上述特征元素x，上述特征量化公式对应的特征反量化公式为：x*(max-min)/255+min，其中，x是指特征量化后的x，如图4所示，量化特征信息42通过特征反量化公式得到反量化特征信息43。
[0054]
另外，由上述图4可知，虽然反量化特征信息43相对于特征信息41，原始精度有少量损失但是大量提高了存储的压缩比例，特征量化在精度和空间的权衡中能够获得较高的收益。
[0055]
步骤303，去除各个量化通道特征信息中的冗余特征信息，得到简化特征信息。
[0056]
在本技术实施例中，计算机设备在获取上述量化特征信息之后，对于量化特征信息中的各个量化通道特征信息，分别去除各个量化通道特征信息中的冗余特征信息，得到简化特征信息。其中，该简化特征信息中包括至少一个简化后的量化通道特征信息，简化后的量化通道特征信息中包括至少一个简化后的量化特征元素。
[0057]
在一些实施例中，由于上述特征提取网络中往往会使用dropout层，进而导致不同通道间相同位置的相似度高，因此，在本技术实施例中，可以通过通道逐差的处理方式，对上述去除各个量化通道特征信息中的冗余特征信息，以得到上述简化特征信息，具体参见下文介绍，在此不作赘述。
[0058]
步骤304，对简化特征信息进行压缩编码，得到待处理信息的压缩特征信息。
[0059]
在本技术实施例中，计算机设备在获取上述简化特征信息之后，对该简化特征信息进行压缩编码，进而得到待处理信息的压缩特征信息。
[0060]
在一些实施例中，为了提高压缩效果，可以对简化特征信息进行维度变换后再进行压缩编码。在示例性实施例中，上述步骤304包括以下至少一个步骤：
[0061]
1、对简化特征信息进行通道维度展平处理对简化特征信息进行通道维度展平处理，得到维度展平特征信息；
[0062]
2、对维度展平特征信息进行压缩编码，得到待处理信息的压缩特征信息。
[0063]
在一些实施例中，通过通道维度展平处理实现维度变换。在本技术实施例中，计算机设备在获取上述简化特征信息之后，对该简化特征信息进行通道维度展平处理，得到维度展平特征信息，进而对该维度展平特征信息进行压缩编码，以得到上述待处理信息的压缩特征信息。示例性地，以图像信息为例，简化特征信息[h*w*c]通过通道维度展平处理后，得到维度展平特征信息[(h*sqrt(c))*(w*sqrt(c))*1]，其中，h是指图像信息的高度、w是指图像信息的长度，c是指图像信息的通道个数。在一些实施例中，不同类型的维度展平特征信息对应不同的压缩编码方式。
[0064]
在一种可能的实施方式中，计算机设备在获取压缩特征信息时，获取待处理特征信息对应的压缩编码方式，并基于该压缩编码方式，确定简化特征信息对应的维度展平方式；进一步地，采用该维度展平方式，对简化特征信息进行通道维度展平处理，得到维度展平特征信息。其中，上述压缩编码方式可以为预先确定的编码方式。示例性地，选择压缩损失最小的压缩方式作为上述压缩编码方式。在这种情况下，基于选定好的压缩编码方式，将简化特征信息通过维度变换转换为与压缩编码方式相匹配的维度展平特征信息，使得通过该压缩编码方式，能够对维度展平特征信息进行压缩编码，提高了整体方案的兼容性，维度展平特征信息能够适用于预先设定的压缩编码方式，即不需要考虑待处理信息所包含的信息类型，只要将待处理信息处理至维度展平特征信息，即可通过预先设定的压缩编码方式
得到待处理信息的压缩特征信息。
[0065]
在另一种可能的实施方式中，计算机设备在获取压缩编码特征信息时，对简化特征信息进行通道维度展平处理，得到维度展平特征信息，进而根据该维度展平特征信息确定压缩编码方式，并采用该压缩编码方式对维度展平特征信息进行压缩编码，以得到上述待处理信息的压缩特征信息。其中，该压缩编码方式是指基于维度展平特征信息的类型所选择的，合适的压缩方式。示例性地，基于维度展平特征信息的类型，选择压缩损失最小的压缩方式作为上述压缩编码方式。
[0066]
在一些实施例中，计算机设备在获取上述压缩特征信息之后，可以直接在本地对该压缩特征信息进行处理，也可以将该压缩特征信息发送至其它设备。
[0067]
在一种可能的实施方式中，计算机设备在获取上述压缩特征信息之后，可直接在本地对该压缩特征信息进行处理。在一些实施例中，计算机设备在获取上述特征信息之后，根据该特征信息执行后续步骤，如身份识别、信息分类等；并且，根据该特征信息获取待处理信息的压缩特征信息，并对该压缩特征信息进行存储。
[0068]
在另一种可能的实施方式中，计算机设备在获取上述压缩特征信息之后，向其它设备发送该压缩特征信息。在一些实施例中，计算机设备在获取上述特征信息之后，根据该特征信息获取待处理信息的压缩特征信息，并向其它设备发送该压缩特征信息，由该其它设备基于该压缩特征信息执行后续步骤。
[0069]
在一些实施例中，计算机设备可以根据实际情况灵活确定针对压缩特征信息的处理方式。示例性地，若计算机设备的负荷允许，则继续在本地对压缩特征信息进行处理；若计算机设备的负荷不允许，则向其它设备发送该压缩特征信息，由其它设备对该压缩特征信息进行处理。
[0070]
综上所述，本技术实施例提供的技术方案中，通过冗余特征信息去除处理，去除量化通道特征信息中的冗余特征信息，实现了对量化特征信息的简化，从侧面实现了对特征信息的简化，以简化特征信息为基准进行压缩编码，得到待处理信息的压缩特征信息，压缩特征信息与原始的特征信息之间的压缩比高，且冗余特征信息不会影响原始的特征信息的精度，在保证特征信息高可用性的同时，保证了特征信息存储的高压缩比，有效减少了压缩特征信息所需的存储空间，进而在有限的存储空间中能够存储更多的特征信息，提高了特征信息的存储效果。
[0071]
下面，对上述简化特征信息的获取方式进行介绍。
[0072]
在示例性实施例中，上述步骤303包括以下至少一个步骤：
[0073]
1、获取各个量化通道特征信息分别对应的通道序号。
[0074]
在一些实施例中，一个通道对应一个通道序号，计算机设备以不同的通道序号区分不同的通道。示例性地，若上述待处理信息为图像信息，则特征信息中包括r通道特征信息、g通道特征信息和b通道特征信息；其中，r通道的通道序号可以为1，g通道的通道序号可以为2，b通道的通道序号可以为3。
[0075]
在本技术实施例中，计算机设备在获取简化特征信息之后，获取各个量化通道特征信息分别对应的通道序号。需要说明的一点是，量化特征信息中的目标量化通道特征信息对应的通道序号，与对应的目标通道特征信息对应的通道序号相同。
[0076]
2、根据通道序号的排列顺序，对各个量化通道特征信息分别进行逐差处理，得到
初始简化特征信息。
[0077]
在本技术实施例中，计算机设备在获取通道序号之后，根据通道序号的排列顺序，对各个量化通道特征信息分别进行逐差处理，得到初始简化特征信息。其中，初始简化特征信息中包括至少一个初始简化后的量化通道特征信息，初始简化后的量化通道特征信息中包括至少一个初始简化处理后的量化特征元素。在一些实施例中，初始简化特征信息中的初始简化后的量化通道特征信息的数量，与上述特征信息中的通道特征信息的数量相同；且对于初始简化特征信息中的目标初始简化后的量化通道特征信息，目标初始简化后的量化通道特征信息中的初始简化处理后的量化特征元素的数量，与对应的目标通道特征信息中特征元素的数量相同。
[0078]
在一些实施例中，以通道序号的逆序方式，对各个量化通道特征信息分别进行逐差处理。示例性地，量化特征信息中的量化通道特征信息为n，且n为正整数。计算机设备在进行逐差处理时，在k不为1的情况下，采用第k个通道的量化通道特征信息减去第k-1个通道的量化通道特征信息，得到第k个通道的初始简化后的量化通道特征信息，例如，第k个通道的量化通道特征信息为a[i,j,k]，第k-1个通道的量化通道特征信息为a[i,j,k-1]，则第k个通道的初始简化后的量化通道特征信息为a[i,j,k]＝a[i,j,k]-a[i,j,k-1]；在i为1的情况下，将第1个通道的量化通道特征信息，确定为第1个通道的初始简化后的量化通道特征信息。其中，上述k为大于或等于1且小于或等于n的正整数，(i,j)为量化通道特征信息中量化特征元素的位置索引。
[0079]
3、对初始简化特征信息中的各个特征元素分别进行元素拆分，得到简化特征信息。
[0080]
在本技术实施例中，计算机设备在获取上述初始简化特征信息之后，对初始简化特征信息中的各个特征元素分别进行元素拆分，得到简化特征信息。在一些实施例中，简化特征信息中包括第一简化特征信息和第二简化特征信息。
[0081]
在一些实施例中，由于逐差法扩大了量化特征元素的取值范围，计算机设备在获取上述简化特征信息时，根据各个初始简化处理后的量化特征元素从小到大的顺序，对各个初始简化处理后的量化特征元素分别进行重新编号。其中，重新编号的特征元素均为大于或等于零的正整数。示例性地，量化特征元素的取值范围为[0,255]，包括边界值0和255，通过逐差法扩大了量化特征元素的取值范围，使得初始简化处理后的量化特征元素的取值范围为[-255,255]，包括边界值-255和255，进一步地，经过重新编号后，重新编号的特征元素的取值范围为[0,510]，包括边界值0和510。
[0082]
在一些实施例中，在对初始简化处理后的量化特征元素重新编号后，计算机设备根据上述特征元素的整数取值范围，对各个重新编号后的特征元素分别进行最大取值处理，得到各个重新编号后的特征元素分别对应的第一特征元素，进而生成第一简化特征信息。其中，第一简化特征信息中包括至少一个第一简化通道特征信息，第一简化通道特征信息中包括至少一个第一特征元素。在一些实施例中，第一简化特征信息中第一简化通道特征信息的数量，与上述特征信息中的通道特征信息的数量相同；且对于第一简化特征信息中第一目标简化通道特征信息，第一目标简化通道特征信息中第一特征元素的数量，与对应的目标通道特征信息中特征元素的数量相同。其中，上述最大取值处理是指从整数取值范围的最大取值和重新编号后的特征元素中，选择最大数值作为重新编码后的特征元素对
应的第一特征元素。示例性地，计算机设备在获取上述特征元素的整数取值范围和上述重新编号后的特征元素之后，确定整数取值范围的最大取值，进而将该最大取值与重新编码后的特征元素进行比较，选择较大的数值作为上述重新编码后的特征元素对应的第一特征元素。
[0083]
在一些实施例中，在获取上述第一简化特征信息之后，计算机设备基于该第一简化特征信息和上述初始简化特征信息，生成第二简化特征信息。其中，第二简化特征信息包括至少一个第二简化通道特征信息，第二简化通道特征信息中包括至少一个第二特征元素。在一些实施例中，第二简化特征信息中第二简化通道特征信息的数量，与上述特征信息中的通道特征信息的数量相同；且对于第二简化特征信息中第二目标简化通道特征信息，第二目标简化通道特征信息中第二特征元素的数量，与对应的目标通道特征信息中特征元素的数量相同。以初始简化特征信息中的目标特征元素为例，计算机设备根据目标特征元素对应的重新编号的特征元素，以及目标特征元素对应的第一特征元素，确定目标特征元素对应的第二特征元素，进而生成第二简化特征信息。
[0084]
在一些实施例中，上述第一简化特征信息和上述第二简化特征信息能够合并生成上述初始简化特征信息。示例性地，假设初始简化特征信息为a[i,j,k]，特征元素的整数取值范围为[0,255]，包括边界值0和255，则最大取值处理后第一简化特征信息a1＝max(a,255)，对应地，第二简化特征信息为a2＝a-a1，即第一简化特征信息和第二简化特征信息合并后能够得到初始简化特征信息，a1+a2＝a。在这种情况下，第一简化特征信息中第一简化特征元素的取值范围为[0,255]，且第二简化特征信息中第二简化特征元素的取值范围也为[0,255]，减小了初始简化特征信息中特征元素的取值范围，有利于提高特征元素的压缩效果。
[0085]
综上所述，本技术实施例提供的技术方案中，通过通道逐差的方式，去除相邻的量化通道特征信息中的冗余特征信息，如图5和图6所示，在通道逐差处理之后，除了第一个通道的量化通道特征信息得以保留，剩余通道的量化通道特征信息去除了冗余特征信息，提高了初始简化特征信息中的平滑效果。
[0086]
另外，结合参考图7，以身份识别为例对本技术中特征信息的压缩方法进行完整介绍。具体步骤如下：
[0087]
步骤701，应用程序的客户端获取待处理图像信息。
[0088]
在一些实施例中，待处理图像信息可以包括至少一张用户的面部图像。在一种可能的实施方式中，客户端调用终端设备的拍照组件直接获取用户的面部图像。在另一种可能的实施方式中，客户端调用终端设备的拍摄组件获取用户的面部视频，并对该面部视频进行分帧处理，并将清晰度满足条件的图像帧确定为用户的面部图像。
[0089]
需要说明的一点是，上述对待处理图像信息的介绍只是示例性和解释性的，在示例性实施例中，可以根据实际情况对该待处理图像信息进行灵活设置和调整，如待处理信息还可以包括用户的全身图像、半身图像等，本技术实施例对此不作限定。
[0090]
步骤702，客户端将待处理图像信息输入值特征提取网络，获取待处理图像信息的特征信息。
[0091]
在一些实施例中，特征提取网络为身份识别模型中的网络。
[0092]
步骤703，客户端通过特征量化、通道准差、维度变换和压缩编码，得到待处理信息
的压缩特征信息。
[0093]
步骤704，客户端向服务器发送压缩特征信息。对应地，服务器接收该压缩特征信息。
[0094]
步骤705，服务器根据该压缩特征信息，确定待处理图像信息的特征信息。
[0095]
步骤706，服务器将特征信息输入值身份识别网络，得到身份识别网络的输出结果。
[0096]
在一些实施例中，身份识别网络为身份识别模型中的网络。
[0097]
步骤707，服务器以身份识别网络的输出结果为基准，基于特征计算抓拍用户与各个底库用户的特征相似度。
[0098]
步骤708，服务器根据相似度阈值确定待处理图像信息对应的用户身份。
[0099]
需要说明的一点是，上述图7实施例是以身份识别为例，对本技术中特征信息的压缩方法，在示例性实施例中，特征信息的压缩方法可以应用至其它场景，如文本分类场景、图像分类场景、关键信息提取场景等，本技术实施例对此不作限定。
[0100]
下述为本技术装置实施例，可以用于执行本技术方法实施例。对于本技术装置实施例中未披露的细节，请参照本技术方法实施例。
[0101]
请参考图8，其示出了本技术一个实施例提供的特征信息的压缩装置的框图。该装置具有实现上述特征信息的压缩方法的功能，所述功能可以由硬件实现，也可以由硬件执行相应的软件实现。该装置可以是计算机设备，也可以设置计算机设备中。该装置800可以包括：特征获取模块810、特征量化模块820、特征简化模块830和特征压缩模块840。
[0102]
特征获取模块810，用于获取待处理信息的特征信息，所述特征信息中包括至少一个通道特征信息，所述通道特征信息中包括至少一个特征元素；其中，不同的通道特征信息对应不同的特征提取维度。
[0103]
特征量化模块820，用于对所述特征信息中的各个特征元素分别进行特征量化，得到量化特征信息，所述量化特征信息中包括至少一个量化通道特征信息。
[0104]
特征简化模块830，用于去除各个所述量化通道特征信息中的冗余特征信息，得到简化特征信息，所述简化特征信息中包括至少一个简化后的量化通道特征信息。
[0105]
特征压缩模块840，用于对所述简化特征信息进行压缩编码，得到所述待处理信息的压缩特征信息。
[0106]
在示例性实施例中，如图9所示，所述特征简化模块830，包括：序号确定单元831、特征简化单元832和特征拆分单元833。
[0107]
序号确定单元831，用于获取各个所述量化通道特征信息分别对应的通道序号。
[0108]
特征简化单元832，用于根据所述通道序号的排列顺序，对各个所述量化通道特征信息分别进行逐差处理，得到初始简化特征信息；其中，所述初始简化特征信息中包括至少一个初始简化后的量化通道特征信息，所述初始简化后的量化通道特征信息中包括至少一个初始简化处理后的量化特征元素。
[0109]
特征拆分单元833，用于对所述初始简化特征信息中的各个特征元素分别进行元素拆分，得到所述简化特征信息。
[0110]
在示例性实施例中，所述量化特征信息中的量化通道特征信息为n，所述n为正整数；所述特征简化单元832，还用于：
[0111]
在k不为1的情况下，采用第k个通道的量化通道特征信息减去第k-1个通道的量化通道特征信息，得到所述第k个通道的初始简化后的量化通道特征信息；其中，k为大于或等于1且小于或等于n的正整数；
[0112]
在k为1的情况下，将第1个通道的量化通道特征信息，确定为所述第1个通道的初始简化后的量化通道特征信息。
[0113]
在示例性实施例中，所述特征拆分单元833，还用于：
[0114]
根据各个所述初始简化处理后的量化特征元素从小到大的顺序，对各个所述初始简化后的量化通道特征信息分别进行重新编号；其中，重新编号的特征元素均为大于或等于零的正整数；
[0115]
根据所述特征元素的整数取值范围，对各个所述重新编号后的特征元素分别进行最大取值处理，得到各个所述重新编号后的特征元素分别对应的第一特征元素，以生成第一简化特征信息；其中，所述第一简化特征信息中包括至少一个第一简化通道特征信息，所述第一简化通道特征信息中包括至少一个第一特征元素；
[0116]
对于所述初始简化特征信息中的目标特征元素，根据所述目标特征元素对应的重新编号的特征元素，以及所述目标特征元素对应的第一特征元素，确定所述目标特征元素对应的第二特征元素，以生成第二简化特征信息；其中，所述第二简化特征信息包括至少一个第二简化通道特征信息，所述第二简化通道特征信息中包括至少一个第二特征元素；
[0117]
其中，所述简化特征信息中包括所述第一简化特征信息和所述第二简化特征信息。
[0118]
在示例性实施例中，所述特征量化模块820，还用于：
[0119]
从所述特征信息中获取特征元素最大值和特征元素最大值；
[0120]
获取所述特征元素的整数取值范围；
[0121]
根据所述特征元素最大值、所述特征元素最大值和所述整数取值范围，分别将各个所述特征元素由浮点数格式转换为整数格式，得到所述量化特征信息。
[0122]
在示例性实施例中，如图9所示，所述特征压缩模块840，包括：特征展平单元841和特征压缩单元842。
[0123]
特征展平单元841，用于对所述简化特征信息进行通道维度展平处理，得到维度展平特征信息。
[0124]
特征压缩单元842，用于对所述维度展平特征信息进行压缩编码，得到所述待处理信息的压缩特征信息。
[0125]
在示例性实施例中，所述特征展平单元841，还用于：
[0126]
获取所述待处理特征信息对应的压缩编码方式；
[0127]
基于所述压缩编码方式，确定所述简化特征信息对应的维度展平方式；
[0128]
采用所述维度展平方式，对所述简化特征信息进行通道维度展平处理，得到所述维度展平特征信息。
[0129]
综上所述，本技术实施例提供的技术方案中，通过冗余特征信息去除处理，去除量化通道特征信息中的冗余特征信息，实现了对量化特征信息的简化，从侧面实现了对特征信息的简化，以简化特征信息为基准进行压缩编码，得到待处理信息的压缩特征信息，压缩特征信息与原始的特征信息之间的压缩比高，且冗余特征信息不会影响原始的特征信息的
精度，在保证特征信息高可用性的同时，保证了特征信息存储的高压缩比，有效减少了压缩特征信息所需的存储空间，进而在有限的存储空间中能够存储更多的特征信息，提高了特征信息的存储效果。
[0130]
需要说明的是，上述实施例提供的装置，在实现其功能时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的装置与方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
[0131]
请参考图10，其示出了本技术一个实施例提供的计算机设备的结构框图。该计算机设备可用于实现上述特征信息的压缩方法的功能。具体来讲：
[0132]
计算机设备1000包括中央处理单元(central processing unit，cpu)1001、包括随机存取存储器(random access memory，ram)1002和只读存储器(read only memory，rom)1003的系统存储器1004，以及连接系统存储器1004和中央处理单元1001的系统总线1005。计算机设备1000还包括帮助计算机内的各个器件之间传输信息的基本输入/输出系统(input/output，i/o系统)1006，和用于存储操作系统1013、应用程序1014和其他程序模块1015的大容量存储设备1007。
[0133]
基本输入/输出系统1006包括有用于显示信息的显示器1008和用于用户输入信息的诸如鼠标、键盘之类的输入设备1009。其中显示器1008和输入设备1009都通过连接到系统总线1005的输入输出控制器1010连接到中央处理单元1001。基本输入/输出系统1006还可以包括输入输出控制器1010以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地，输入输出控制器1010还提供输出到显示屏、打印机或其他类型的输出设备。
[0134]
大容量存储设备1007通过连接到系统总线1005的大容量存储控制器(未示出)连接到中央处理单元1001。大容量存储设备1007及其相关联的计算机可读介质为计算机设备1000提供非易失性存储。也就是说，大容量存储设备1007可以包括诸如硬盘或者cd-rom(compact disc read-only memory，只读光盘)驱动器之类的计算机可读介质(未示出)。
[0135]
不失一般性，计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括ram、rom、eprom(erasable programmable read only memory，可擦除可编程只读存储器)、eeprom(electrically erasable programmable read only memory，电可擦可编程只读存储器)、闪存或其他固态存储设备，cd-rom、dvd(digital video disc，高密度数字视频光盘)或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然，本领域技术人员可知计算机存储介质不局限于上述几种。上述的系统存储器1004和大容量存储设备1007可以统称为存储器。
[0136]
根据本技术的各种实施例，计算机设备1000还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即计算机设备1000可以通过连接在系统总线1005上的网络接口单元1011连接到网络1012，或者说，也可以使用网络接口单元1011来连接到其他类型的网络或远程计算机系统(未示出)。
[0137]
所述存储器还包括计算机程序，该计算机程序存储于存储器中，且经配置以由一个或者一个以上处理器执行，以实现上述特征信息的压缩方法。
[0138]
在示例性实施例中，还提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或所述指令集在被处理器执行时以实现上述特征信息的压缩方法。
[0139]
可选地，该计算机可读存储介质可以包括：rom(read only memory，只读存储器)、ram(random access memory，随机存取记忆体)、ssd(solid state drives，固态硬盘)或光盘等。其中，随机存取记忆体可以包括reram(resistance random access memory，电阻式随机存取记忆体)和dram(dynamic random access memory，动态随机存取存储器)。
[0140]
在示例性实施例中，还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述特征信息的压缩方法。
[0141]
应当理解的是，在本文中提及的“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。另外，本文中描述的步骤编号，仅示例性示出了步骤间的一种可能的执行先后顺序，在一些其它实施例中，上述步骤也可以不按照编号顺序来执行，如两个不同编号的步骤同时执行，或者两个不同编号的步骤按照与图示相反的顺序执行，本技术实施例对此不作限定。
[0142]
以上所述仅为本技术的示例性实施例，并不用以限制本技术，凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。