[发明专利]一种高硬件弹性的精准人脸采样和识别方法

说明书

技术领域

本发明机构涉及一种精准人脸采样和识别方法，具体说是一种高硬件弹性的精准人脸采样和识别方法，属于信息采集识别技术领域。

背景技术

现有常见的人脸识别技术大多集中在常规的考勤和安防领域，由系统集成商提供以硬件设备为主的实现方案，由于设备计算能力有限，仅能采集非常有限的平面人脸信息，因此无法兼容面部旋转、佩戴饰品、发型变化等常见情况，用户体验较差。

现有少量能够做到对人脸进行较精准识别的企业，通过提取更多的人脸面部信息从而能够实现更好的兼容性和用户体验，但随着数据的巨幅提升，相关的识别和匹配计算则无法由常规计算机完成，因此不利于常规应用铺开。而且当前端设备出现并发的多个请求时，非常容易出现阻塞或延迟；前端设备类型或场景需求量变化时，无法自动智能适配，需要对后端处理平台进行频繁的重新配置。

发明内容

针对上述现有技术的缺点，本发明设计了一种高硬件弹性的精准人脸采样和识别方法，通过引入“互联网+”和“云计算”理念实现前端和后端的无察觉分离，并巧妙的利用队列思路实现“现场设备”和“高速计算云”之间的双重透明代理。

为了解决以上技术问题，本发明提供一种高硬件弹性的精准人脸采样和识别方法,包括人脸采样建库方法和人脸识别方法,

所述人脸采样建库方法首先获取原始图片到内存矩阵中；针对获取原始图片，去除冗余信息并进行压缩，通过可配置化服务按预期采集人脸的特征码，并存入特征库；将入库的资料与对应的身份信息进行逻辑关联；

所述人脸识别方法首先起始于采集的一张样本照片或视频的某个帧，进行与人脸采样建库方法相同的特征码提取工作，从而将图形转换为计算机可进行浮点运算的矩阵样本；随后分批的与内存中缓存的特征码进行相似度拟合运算，根据矢量差异计算出最终的评分值从而得到可读的、量化的相似度数据；系统采用自适应的相似度阈值规则来决定返回标识符，随后根据人脸库和数据库的索引机制，快速检索相关的出入记录和身份信息，达成最终的识别目的。

本发明的人脸识别方法将核心的运算逻辑部署在云端服务器，采集提取特征码的工作放在用户本地，本地采集特征码完成后，通过互联网将特征码传输到云端服务器进行比对分析；互联网传输采用HTTPS网络传输协议，特征码容量压缩到3KB以下，即可以确保传输速率也可以到达安全的目的。

本发明的进一步限定技术方案，前述的高硬件弹性的精准人脸采样和识别方法, 所述获取原始图片由照片、视频以摄像头图像设备获取，或者由Web页面和读卡器身份信息设备获取。

前述的高硬件弹性的精准人脸采样和识别方法,所述人脸采样建库方法和人脸识别方法的核心的运算逻辑部署在云端服务器。

本发明的实现方法在结构设计时充分考虑了各种部署可能性，同一套方案，既可以用在单机，也可以用于工作组，还可以用在云集群上，无需任何修改。就能将硬件性能最大的发挥出来。不光是对服务器硬件有弹性，对客户端也有同样的弹性，无论是电脑，平板，手机，开发板，树莓派，只要能联网的设备，都能作为采集终端或者识别终端。

本发明的有益效果是：本发明系统整体架构充分采用“互联网+”思维进行全新设计，将核心的运算逻辑部署在云端服务器，来自世界各地的细化业务请求通过标准的互联网协议汇总到云端服务器陆续处理并返回，因此对于人脸应用的终端设备几乎不存在任何性能门槛，办公电脑、手机或其它移动终端、广告终端，甚至是树莓派主板都能成为完美的用户接口，使应用企业的成本分布更加合理化。为应对并发压力，云端系统采用了高伸缩性的“队列+抢占式处理器”机制，根据不同的应用范围和投入预算，既可以支持单机单GPU提供服务，也可以支持单机多GPU提供服务，同样可以支持服务器集群+多GPU方案，完全不必顾虑任何能力瓶颈。而且，全平台皆基于可扩展性的思路进行架构，为未来的识别模型升级、人脸库升级、网络或硬件升级等皆预留了足够的空间。

本发明利用云思路部署集中的计算能力，允许多个低端设备同时共享一套计算设备；控制成本同时也避免资源浪费。高硬件弹性结构的优势还体现在最终客户可以选择上云或者不上云，为应用和成本之间的最优平衡提供可能性。该技术方案下的高速运算中心，也能够根据实际应用随意扩展、删减或迁移；小到单点服务器、工作组，大到活动目录域、甚至基于林的集群。

附图说明

图1为本发明的人脸识别示意图。

图2为本发明的建库流程示意图。

具体实施方式

下面对本发明做进一步的详细说明：