[发明专利]一种基于边缘计算和最大似然估计的人脸识别系统优化方法

说明书

本发明公开了一种基于边缘计算和最大似然估计的人脸识别系统优化方法。该方法采用边缘计算和最大似然估计的方法优化边缘端和云端人脸识别系统的计算力分配。本发明的具体步骤为：(1)、从历史访问数据库中获取历史访问数据，根据数据预测将来一段时间内的系统压力情况；(2)、从摄像头采集图像数据，并进行预处理；(3)、在边缘计算模块中根据压力情况分配计算力；(4)、进行本地端或是云端的人脸识别；(5)、从本地端或云端获取结果并返回到系统。本发明在使用云服务的同时又充分挖掘了边缘端设备的计算能力，通过边缘端和云端的交互优化，实现了一个成本低，识别准确率高，应对大压力冲击能力强的人脸识别系统。

技术领域

本发明涉及计算机视觉领域，具体涉及一种基于边缘计算和最大似然估计的人脸识别系统优化方法，特别是涉及一种使用边缘计算和最大似然估计的知识优化人脸识别系统的方法。

背景技术

现有技术中，人脸识别是人工智能与计算机视觉交叉的一个重要领域，对人脸识别系统的评价往往从准确率，成本，速度等角度进行。同时，随着边缘计算浪潮而兴起的边缘智能也在越来越吸引人们的关注；边缘智能具有低时延，减少网络负载，降低成本，保护隐私等重要优势。但大多数现有的边缘智能的研究往往关注于普适的计算任务，没有聚焦到具体的场景和应用，而人脸识别系统也没有和边缘计算中的优化方法进行深度融合，因此本发明将人脸识别技术与边缘计算相融合，使用边缘计算的方法对人脸识别系统进行优化，以降低边缘端人脸识别系统的成本，提高速度。

发明内容

针对上述问题，本发明提供了一种基于边缘计算和最大似然估计的人脸识别系统优化方法；本发明聚焦于在例如打卡签到系统等具有区域化特征的应用场景下构建高效的边缘端人脸识别系统，目的在于在使用云服务的同时又充分挖掘边缘端设备的计算能力，通过边缘端和云端的交互优化，实现一个成本低，识别准确率高，应对大压力冲击能力强的人脸识别系统。

本发明的技术方案是：一种基于边缘计算和最大似然估计的人脸识别系统优化方法，具体操作过程的步骤如下：

步骤(1.1)：从历史压力数据库中获取历史访问数据，根据获取到的历史访问数据预测未来24H内人脸识别系统的压力情况，

步骤(1.2)：从图像采集模块中获取图像数据，并对图像数据进行预处理，

步骤(1.3)：在边缘计算模块中根据人脸识别系统的压力情况分配计算力；当预计压力小时，则对预处理后的图像数据进行本地人脸检测与特征提取，并将其与人脸数据库中原始的数据信息相对比，从而进行本地人脸识别；

当预计压力大时，则调用人脸识别云服务API，将预处理后的图像数据作为云服务的输入数据；

步骤(1.4)：从本地人脸识别或人脸识别云服务API中获取识别出人脸信息的结果，并将获取的结构返回到人脸识别系统。

进一步的，所述步骤(1.1)中，将获取的每条历史访问数据记录为(a_i，w_i，t_i)，所述(a_i，w_i，t_i)分别表示访问人的编号、访问的日期数(以从1月1号起的天数记)以及访问的分钟数(从0到1439，表示一天内从0时0分起到访问时经过的分钟数)。

进一步的，所述步骤(1.2)中，所述的预处理：是指将图像数据尺寸剪裁到224*224，并对剪裁过的图像数据进行灰度化。

进一步的，步骤(1.3)中所述边缘计算模块的计算过程具体步骤如下：

(1.3.1)：预测过程开始，从历史压力数据库中获取历史压力数据，对历史压力数据进行K-means聚类，再进行参数估计及概率密度叠加，从而得到未来24小时内每一分钟的压力预测数据，将压力预测数据等待后续使用，同时预测结束；

(1.3.2)：以一分钟为一个时间单位，一个新的时间单位开始；