[发明专利]人脸识别控制方法、装置、设备及存储介质在审

专利信息
申请号: 202011467998.8 申请日: 2020-12-14
公开(公告)号: CN112464890A 公开(公告)日: 2021-03-09
发明(设计)人: 邢斌;王开;张一帆;沈志勇;高宏 申请(专利权)人: 招商局金融科技有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62;H04L29/08;G06N3/04
代理公司: 深圳市沃德知识产权代理事务所(普通合伙) 44347 代理人: 高杰;于志光
地址: 518000 广东省深圳市福田区华富街*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 识别 控制 方法 装置 设备 存储 介质
【说明书】:

发明涉及数据处理领域,提供了一种人脸识别控制方法、装置、设备及存储介质。该方法包括:从预设数据库获取人脸图像集,基于人脸图像集训练预设模型集分别得到人脸检测模型及人脸识别模型;将人脸检测模型和人脸识别模型转换为预设格式,将转换格式后的人脸检测模型存储至第一模块,将转换格式后的人脸识别模型存储至第二模块;获取待识别的人脸图像,利用第一模块的人脸检测模型对待识别的人脸图像进行检测得到检测结果,对检测结果执行裁剪操作得到裁剪后的图像;利用第二模块的人脸识别模型对裁剪后的图像进行识别,将识别结果和人脸图片存储至预设数据库,本发明可以降低网络传输压力,提高人脸检测和识别的效率。

技术领域

本发明涉及数据处理领域,尤其涉及一种人脸识别控制方法、装置、设备及存储介质。

背景技术

目前,由于人脸检测和人脸识别模型直接在摄像机内部推理芯片上运行,不需要在云服务器之间来回传输数据,这样虽然降低了网络传输压力,减少网络拥堵,在无网络场景下也能够正常运行,但与云服务器相比,边缘侧的推理设备没有足够存储容量和计算能力,所以大模型很难在边缘侧运行起来,另外还需要定期将边缘设备的数据备份云端。通常这种带有推理能力的摄像机成本更高,功能上的灵活性也较低,而云服务器具有更强的计算能力、更大的存储和更好的物理安全性,但瓶颈出现在数据传输上,摄像机将所有视频流进行传输会浪费带宽,造成网络拥堵,而且无法在无网络场景下工作。

发明内容

鉴于以上内容,本发明提供一种人脸识别控制方法、装置、设备及存储介质,其目的在于解决现有技术中人脸检测和识别模型在摄像机内部推理芯片上运行时导致的系统资源浪费的技术问题。

为实现上述目的,本发明提供一种人脸识别控制方法,该方法包括:

当侦测到用户打开页面的请求时,从预设存储路径获取所述请求对应的页面信息,判断所述页面信息中是否存在该页面的浏览器版本信息;

当判断所述页面信息中不存在该页面的浏览器版本信息时,利用预设内核渲染该页面对应的目标文件,并实时判断所述目标文件中是否存在其它浏览器的对应的属性信息;

当判断所述目标文件中存在其它浏览器的对应的属性信息时,根据所述属性信息修改浏览器的版本信息,利用修改版本信息后的浏览器对应的内核打开所述页面。

优选的,所述预设模型集包括多任务卷积神经网络模型,所述人脸检测模型是基于所述多任务卷积神经网络模型训练得到的,所述多任务卷积神经网络模型包括用于生成人脸候选框的第一子网络、用于删除非人脸候选框的第二子网络及用于生成目标边界框与人脸关键点的第三子网络,所述第一子网络的第三层新增了一个残差模块。

优选的,所述预设模型集还包括卷积神经网络模型,所述人脸识别模型是基于所述卷积神经网络模型训练得到的,所述卷积神经网络模型删除了第18层及第27层的分类器分支,所述卷积神经网络模型倒数第三层的卷积核大小为5*5。

优选的,所述人脸识别模型的训练过程包括:

为所述人脸图像集中的各人脸图像标注预设标签,将人脸图像作为自变量、各人脸图像的预设标签作为因变量生成目标样本集;

将所述目标样本集按照预设比例分成训练集及验证集;

利用所述训练集中的各所述自变量及各所述因变量对所述卷积神经网络模型进行训练,每隔预设周期使用所述验证集对卷积神经网络模型进行验证,利用所述验证集中各所述自变量及各所述因变量对卷积神经网络模型的准确率进行验证;及

当验所述准确率大于预设阈值时结束训练,得到所述人脸识别模型。

优选的,所述第一模块部署在边缘侧,所述第二模块部署在云端。

为实现上述目的,本发明还提供一种人脸识别控制装置,该人脸识别控制装置包括:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于招商局金融科技有限公司,未经招商局金融科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011467998.8/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top