[发明专利]一种端及云人脸识别架构

说明书

本发明涉及人脸算力边缘和中心结合技术领域，尤其是一种端及云人脸识别架构，包括包括以下主线：参数设置：通过APP界面端设定参数调用网关（Soul）,转发请求到设备管理系统（ESD）到设备设置中心（Canary）,通知Lookup找到连接设备的流媒体服务器（Relay）将设置参数送到设备端，参数设置信息包括：服务端赋予人脸识别能力集；设备人脸识别开关；设备人脸识别算法参数；设备人脸识别能力集；设备人脸识别配置；参数获取：设备调用流媒体服务器（Relay），流媒体服务器调用设备管理中心（ESD）从配置中心（canary）拉取到配置数据；删除人脸数据Meta；人脸数据meta同步。本发明降低人脸识别算力；边缘计算应用，基于元数据的一致性。

技术领域

本发明涉及人脸算力边缘和中心结合技术领域，尤其涉及一种端及云人脸识别架构。

背景技术

端及云人脸识别系统，主要是指设备端和云端两端人脸识别系统，既可以利用设备自身的资源进行人脸识别，也可以利用云端服务器进行识别，设备端识别是为了充分利用设备识别的灵活性，降低人脸在云端识别的压力，以提高人脸识别的效率；随着技术的不断进步，市场需求的不断变化，人脸技术也有了新发展，主要表现在边缘计算和云计算两个方面；边缘计算起源于传媒领域，是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务，其应用程序在边缘侧发起，产生更快的网络服务响应，满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。边缘计算处于物理实体和工业连接之间，或处于物理实体的顶端，而云端计算，仍然可以访问边缘计算的历史数据，云计算指的是通过网络“云”将巨大的数据计算处理程序分解成无数个小程序，然后，通过多部服务器组成的系统进行处理和分析这些小程序得到结果并返回给用户，在这种情况下，设备产生的就近源分析、处理数据，没有数据的流转，进而减少网络流量和响应时间，比传统意义上的云端识别更加有效，人脸识别算力要求非常高，QPS无法提高，成本较高，在toC场景下利用边缘计算的方式利用端上的算力降低成本，减少对业务的影响，遂设计本方案。

发明内容

本发明的目的在于提供一种端及云人脸识别架构，以解决上述背景技术中提出的问题。

为了实现上述目的，本发明采用了如下技术方案：

设计一种端及云人脸识别架构，包括以下主线：

主线一：参数设置：通过APP界面端设定参数调用网关（Soul）,转发请求到设备管理系统（ESD）到设备设置中心（Canary）,通知Lookup找到连接设备的流媒体服务器（Relay）将设置参数送到设备端；

主线二：参数获取：设备调用流媒体服务器（Relay），流媒体服务器调用设备管理中心（ESD）从配置中心（canary）拉取到配置数据；

主线三：删除人脸数据Meta: 通过app界面端删除指定人脸，请求通过网关（soul）转发到人脸数据存储系统（FaceAPI）操作完成后，分别调用Lookup 通知设备端删除缓存的此人脸，同时通知云端识别系统（FaceServer）也删除响应的缓存数据；

主线四：人脸数据meta同步：由于设备数据不保存数据，存放在内存中，所以设备在重启的状况下需要从云端拉取数据，通过流媒体服务器（Relay），调用人脸数据存储系统（FaceAPI）获取数据；

主线五：人脸数据meta上传：即设备端识别到的数据需要存储到云端，通过流媒体服务器（Relay）调用人脸数据存储系统（FaceAPI）把数据存储起来；

主线六：人脸数据合并：主要是为了提高识别效率：人脸识别毕竟是机器识别，存在一定的误识别率，通过人为干扰提高识别率：把误识别的图片指定为一个人以提高此人的识别率。

优选的，主线一中参数设置信息包括：服务端赋予人脸识别能力集；设备人脸识别开关；设备人脸识别算法参数；设备人脸识别能力集；设备人脸识别配置。

优选的，主线二中参数获取每次启动获取一次，这个就是canary配置获取一样。