[发明专利]一种可离线低成本的端云结合的人脸识别方法在审
申请号: | 202011613977.2 | 申请日: | 2020-12-30 |
公开(公告)号: | CN112580603A | 公开(公告)日: | 2021-03-30 |
发明(设计)人: | 岳洪震 | 申请(专利权)人: | 杭州视洞科技有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G07C9/37 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 310012 浙江省杭州市*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 离线 低成本 结合 识别 方法 | ||
本发明公开了一种可离线低成本的端云结合的人脸识别方法,包括以下步骤;步骤一、智能门铃被唤醒后,将与云端进行人脸同步;步骤二、设备启动后,会不断的判断设备自身的人脸识别次数是否超过了限制;步骤三、判断如果超过了限制人脸将由云端进行处理;步骤四、如果没有超过次数的限制设备使用自身的人脸识别;步骤五、云端获取到人脸信息后,按照需求对该人脸进行后续处理。本发明在离线或限制次数以内不需要与云端交互,直接的提高人脸识别速度,提升用户体验,同时减少了设备端因大量人脸识别带来的性能和存储空间上的成本,设备自行的人脸识别也相对减少了云端的算力成本,在次数限制范围外,又通过云端识别,保证了人脸识别的实时性和连续性。
技术领域
本发明涉及智能摄像机应用技术领域,具体为一种可离线低成本的端云结合的人脸识别方法。
背景技术
目前智能门铃功能越来越丰富,尤其是人脸识别功能,更能获得用户喜爱,人脸识别有纯云端识别方案,即智能设备传视频到云端,云端解析视频进行人脸识别,这种方法要实时解析视频,数据量大、需要的云端算力较高,云端产生的成本也会较高,还有纯端上人脸识别,这种方法人脸将在智能设备上进行检测和识别,将检测结果上传云端,云端不再需要算力,但对智能设备的性能和存储空间要求较高,造成了成本提升,再有传统的端加云方案,智能设备只做检测,将人脸从画面中扣出并上传,在云端进行识别,这种方法云端不需要进行实时的视频解析节省算力,对智能设备端要求同样不高,但受到网络传输延时的影响,识别速度比纯设备端识别要慢,而且无法离线识别人脸。
发明内容
本发明的目的在于提供一种可离线低成本的端云结合的人脸识别方法,以解决智能门铃场景下,人脸仅在设备端识别,和仅在云端识别的高成本问题,并解决传统端加云人脸识别速度较慢,以及在离线情况下无法识别的问题。
为实现上述目的,本发明提供如下技术方案:一种可离线低成本的端云结合的人脸识别方法,包括以下步骤;
步骤一、智能门铃被唤醒后,将与云端进行人脸同步,由于设备端和云端均有可能独立地进行人脸识别,所以通过同步将人脸信息统一,去除重复人脸;
步骤二、设备启动后,会不断的判断设备自身的人脸识别次数是否超过了限制;
步骤三、判断如果超过了限制人脸将由云端进行处理;
步骤四、如果没有超过次数的限制设备使用自身的人脸识别;
步骤五、云端获取到人脸信息后,按照需求对该人脸进行后续处理。
优选的,步骤三中判断如果超过了限制人脸将由云端进行处理;将会判断人脸同步是否成功,如果成功了,则将人脸从画面中抠出,以图片的形式上传到云端,如果人脸同步失败,则返回步骤二;云端接收到图片后,进行人脸识别,拿到该人脸的信息,这是智能设备端人脸识别的延伸,保证了人脸识别的连续性和时效性。
优选的,步骤三中如果没有超过次数的限制;设备使用自身的人脸识别,不断地获取整个画面,识别画面中的人脸,如果没有识别到人脸,则返回步骤二继续识别,识别到人脸后,如果本地没有该人脸信息,则直接保存该信息,如果本地已经存在了该人脸信息,则不保存,此时根据人脸信息做对应的离线处理。
优选的,步骤五中人脸后续处理包括存储在数据库或消息推送。
优选的,人脸信息拿到以后,播放欢迎此人脸的音乐,这种情况是可以离线工作的。
本发明提出的一种可离线低成本的端云结合的人脸识别方法,有益效果在于:
本发明对拥有人脸识别能力的智能门铃,每次开机都对设备本身的人脸识别次数进行限制,在离线或限制次数以内不需要与云端交互,直接的提高人脸识别速度,提升用户体验,同时减少了设备端因大量人脸识别带来的性能和存储空间上的成本,设备自行的人脸识别也相对减少了云端的算力成本,在次数限制范围外,又通过云端识别,保证了人脸识别的实时性和连续性。
附图说明
图1为本发明的原理框图。
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杭州视洞科技有限公司,未经杭州视洞科技有限公司许可,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/202011613977.2/2.html,转载请声明来源钻瓜专利网。