[发明专利]一种基于Docker容器的人脸识别终端平台虚拟化的方法

说明书

一种基于Docker容器的人脸识别终端平台虚拟化的方法，包括步骤：S1：人脸识别算法模型设计和训练；S2：Docker封装；S3：Web前端设计；以及S4：Docker部署。本发明的基于Docker容器的人脸识别终端平台虚拟化的方法，将人脸识别算法封装到Docker容器中运行，并使用web前端页面，进行简易的参数设置。可以使得算法在PC电脑上开发完，通过Docker容器的方式发布，然后直接在各种芯片平台上运行，无需再次开发调试，最后通过web前端网页，简易设置算法相关参数，针对人脸识别算法，极大地提高开发效率，减少重复性开发工作。

技术领域

本发明涉及计算机技术领域，特别涉及一种基于Docker容器的人脸识别终端平台虚拟化的方法。

背景技术

随着深度学习和神经网络技术的不断成熟，基于卷积神经网络的人脸识别算法，在智能终端设备上，得到大规模应用。比如：人脸识别的闸机、人脸识别的门禁、人脸识别的考勤打卡机、监控视频中的人脸追踪、人脸识别移动支付等等。这些设备多种多样，部署到了不同环境下的各种场合，极大的方便了人们的生活。

上面的人脸识别算法，应用范围广泛，这就意味着算法本身，要适应不同环境，比如不同的光照强度、不同肤色的种族人群、不同的芯片设备、不同的控制对象、不同的安全系数等等。在现有的技术中，一般采用定制化方式来实现。定制化操作流程一般为：①在PC电脑上，一般使用Python语言，将算法设计好；②然后，根据芯片型号，一般使用C/C++语言，在芯片上重新实现该算法逻辑；③算法在某款芯片平台运行起来后，还需要技术人员，根据算法的应用场合和环境条件，比如根据光照、相机角度、人物成像大小等，设置config配置文件，并编译代码。至此，算法才能正常工作。上述开发流程，工作量极大、耗时长、技术难度高、稳定性不可控。每做一个人脸识别的应用，都要重做上面的开发流程，存在大量不必要的重复性劳动。

发明内容

本发明提供了一种基于Docker容器的人脸识别终端平台虚拟化的方法，利用Docker的虚拟化特性和Web网页前端的易用性，为人脸识别算法提供高可用、易配置的运行环境，以此解决人脸识别算法在不同智能终端设备可移植性差、配置复杂的问题。

本发明的技术方案如下：

一种基于Docker容器的人脸识别终端平台虚拟化的方法，包括以下步骤：S1：人脸识别算法模型设计和训练；S2：Docker封装；S3：Web前端设计；以及S4：Docker部署。

优选的，在上述基于Docker容器的人脸识别终端平台虚拟化的方法中，在步骤S1中，首先在PC电脑上，对人脸识别算法模型进行设计，建立卷积神经网络模型，并使用人脸图片数据集对人脸识别算法模型进行训练。

优选的，在上述基于Docker容器的人脸识别终端平台虚拟化的方法中，在步骤S2中，在PC电脑上，将人脸识别算法模型放入Docker容器内，并将Docker容器打包成Docker镜像。

优选的，在上述基于Docker容器的人脸识别终端平台虚拟化的方法中，在步骤S2中，使用Docker守护进程的命令，将Docker容器打包成为Docker镜像。

优选的，在上述基于Docker容器的人脸识别终端平台虚拟化的方法中，在步骤S3中，根据经验，将人脸识别算法中需要人为配置的参数，在web前端网页展示出来。

优选的，在上述基于Docker容器的人脸识别终端平台虚拟化的方法中，在步骤S3中，人脸识别算法运行在统一的Docker运行环境内，为Web前端做一个统一的参数配置接口，使其可以连接到所有的人脸识别算法的智能终端设备上，以此快速有效地配置人脸识别算法的参数。