[发明专利]人脸识别方法及装置

说明书

技术领域

本发明涉及图像处理领域，具体而言，涉及一种人脸识别方法及装置。

背景技术

图像处理在计算机中体现为大量的浮点运算，因此非常消耗计算性能。在工业应用中，常常有专业的图站作为处理单元，为某类图像应用作支撑。

正是由于上述原因，图像处理的实时云服务变得更加的困难：在大规模并发的用户请求下，原本已高负荷运转的计算机很难有冗余开销为多用户调度，同时调度的难度更是从应用级升级到硬件级。

单纯的负载均衡不能够满足大规模实时人脸识别处理要求，因为单个计算机会常常处于高负载运行中，为了满足要求，需要海量的计算机作为计算支撑，但是这种要求是不可能实现的。

发明内容

有鉴于此，本发明实施例的目的在于提供一种人脸识别方法及装置。

本发明实施例提供的一种人脸识别方法，所述人脸识别方法包括：

将接收到的多次人脸识别请求进行数据封装得到任务数据包；

将所述任务数据包缓存至一任务堆栈等待处理；

当线程池中任意线程空闲时，获取所述堆栈中的任务数据包；以及

基于预设的神经网络模型对所述任务数据包中的多幅图像数据进行人脸识别，得到所述多幅图像数据的人脸识别结果。

本发明实施例还提供一种人脸识别装置，所述人脸识别装置包括：

封装模块，用于将接收到的多次人脸识别请求进行数据封装得到任务数据包；

缓存模块，用于将所述任务数据包缓存至一任务堆栈等待处理；

获取模块，用于当线程池中任意线程空闲时，获取所述堆栈中的任务数据包；以及

识别模块，用于基于预设的神经网络模型对所述任务数据包中的多幅图像数据进行人脸识别，得到所述多幅图像数据的人脸识别结果。

与现有技术相比，本发明实施例的人脸识别方法及装置，通过线程池调度缓存中排队的数据包，再利用的神经网络技术，一次性完成多个图像的识别。另外，不用部署现有方法的复杂spark架构的情况下就能够实现批量的人脸识别。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本发明较佳实施例提供的电子终端的方框示意图。

图2为本发明较佳实施例提供的人脸识别方法的流程图。

图3为本发明较佳实施例提供的电子终端的数据流向示意图。

图4为本发明较佳实施例提供的人脸识别方法的步骤S104的详细流程图。

图5为本发明另一较佳实施例提供的人脸识别方法的步骤S104的详细流程图。

图6为本发明较佳实施例提供的人脸识别装置的功能模块示意图。

具体实施方式

下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

如图1所示，是一电子终端100的方框示意图。所述电子终端100包括人脸识别装置110、存储器111、存储控制器112、处理器113、外设接口114、输入输出单元115、显示单元116。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对电子终端100的结构造成限定。例如，电子终端100还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。本实施例所述的电子终端100可以是个人计算机、图像处理服务器、或者移动电子设备等具有图像处理能力的计算设备。