CN109002765A - 一种动态人脸识别数据处理方法及系统 - Google Patents
一种动态人脸识别数据处理方法及系统 Download PDFInfo
- Publication number
- CN109002765A CN109002765A CN201810644888.0A CN201810644888A CN109002765A CN 109002765 A CN109002765 A CN 109002765A CN 201810644888 A CN201810644888 A CN 201810644888A CN 109002765 A CN109002765 A CN 109002765A
- Authority
- CN
- China
- Prior art keywords
- personnel
- picture
- face
- personal information
- distributed memory
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种动态人脸识别数据处理方法及系统,涉及人脸识别技术领域,主要目的在于通过分布式存储对大量的人脸识别数据进行存储与处理,以提高人脸识别的处理效率。本发明主要的技术方案为:获取动态人脸识别系统采集的人脸图片以及对应的人员信息;将所述人脸图片以及对应的人员信息发送至分布式存储系统;向所述分布式存储系统发送人员查询请求,所述人员查询请求中至少包含待查询人员的人脸特征信息或人员信息;接收所述分布式存储系统反馈的查询匹配信息,所述查询匹配信息用于确定所述待查询人员是否为可疑人员。本发明主要用于人脸识别数据处理。
Description
技术领域
本发明涉及人脸识别技术领域,尤其涉及一种动态人脸识别数据处理方法及系统。
背景技术
现代社会安全问题愈发重要,保障城市安全有着显而易见的重要意义,利用先进的人脸识别技术针对摄像头前出现的人员进行实时告警有着十分广泛的应用场景。
然而,在实际人脸识别监控系统中,由于数据量的大规模增长,需要处理的数据越来越多,一味地靠硬件提高数据处理效率及增加存储量,不仅成本过高,并且无法满足日益增长的数据处理需求,处理效率提升较少,同时随着存储量的增加,往往导致识别速度越来越慢。在现有技术中,并没有一种人脸识别的系统可以满足在人脸识别过程中日益增长的数据储存与数据处理需求。
发明内容
鉴于上述问题,本发明提出了一种动态人脸识别数据处理方法及系统,主要目的在于通过分布式存储对大量的人脸识别数据进行存储与处理,以提高人脸识别的处理效率。
为达到上述目的,本发明主要提供如下技术方案:
一方面,本发明提供一种动态人脸识别数据处理方法,具体包括:
获取动态人脸识别系统采集的人脸图片以及对应的人员信息;
将所述人脸图片以及对应的人员信息发送至分布式存储系统;
向所述分布式存储系统发送人员查询请求,所述人员查询请求中至少包含待查询人员的人脸特征信息或人员信息;
接收所述分布式存储系统反馈的查询匹配信息,所述查询匹配信息用于确定所述待查询人员是否为可疑人员。
优选的,所述获取动态人脸识别系统采集的人脸图片以及对应的人员信息包括:
从抓拍图片中提取单个人员的人脸图片,所述抓拍图片为含有至少一个人员的图片;
根据所述人脸图片匹配对应的人员信息。
优选的,所述将所述人脸图片以及对应的人员信息发送至分布式存储系统包括:
从所述人脸图片中提取人脸特征;
将所述人脸特征与所述人脸图片以及对应的人员信息合并为待存储人员信息;
将所述待存储人员信息发送至分布式存储系统。
优选的,所述方法还包括:
当所述待查询人员为可疑人员时,从所述分布式存储系统中获取预置时间段内所述待查询人员的人员轨迹以对应的轨迹图片;
根据所述轨迹图片以及所述待查询人员在所述轨迹图片中的位置获取与所述待查询人员的同行人员信息。
优选的,所述分布式存储系统为Hadoop大数据系统。
另一方面,本发明提供一种动态人脸识别数据处理系统,具体包括:
采集单元,用于获取动态人脸识别系统采集的人脸图片以及对应的人员信息;
发送单元,用于将所述采集单元得到的人脸图片以及对应的人员信息发送至分布式存储系统;
查询单元,用于向所述分布式存储系统发送人员查询请求,所述人员查询请求中至少包含待查询人员的人脸特征信息或人员信息;
接收单元,用于接收所述分布式存储系统反馈的查询匹配信息,所述查询匹配信息用于确定所述待查询人员是否为可疑人员。
优选的,所述采集单元包括:
提取模块,用于从抓拍图片中提取单个人员的人脸图片,所述抓拍图片为含有至少一个人员的图片;
匹配模块,用于根据所述提取模块得到的人脸图片匹配对应的人员信息。
优选的,所述发送单元包括:
提取模块,用于从所述人脸图片中提取人脸特征;
信息生成模块,用于将所述提取模块提取的人脸特征与所述人脸图片以及对应的人员信息合并为待存储人员信息;
发送模块,用于将所述信息生成模块得到的待存储人员信息发送至分布式存储系统。
优选的,所述系统还包括:
人员轨迹获取单元,用于当确定所述接收单元接收的查询匹配信息中待查询人员为可疑人员时,从所述分布式存储系统中获取预置时间段内所述待查询人员的人员轨迹以对应的轨迹图片;
通行人员匹配单元,用于根据所述轨迹图片以及所述待查询人员在所述轨迹图片中的位置获取与所述待查询人员的同行人员信息。
优选的,所述分布式存储系统为Hadoop大数据系统。
另一方面,本发明提供一种存储介质,所述存储介质用于存储的计算机程序,其中,所述计算机程序运行时控制所述存储介质所在设备执行上述的动态人脸识别数据处理方法。
另一方面,本发明提供一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行上述的动态人脸识别数据处理方法。
借由上述技术方案,本发明提供的一种动态人脸识别数据处理方法及系统,通过加入分布式存储系统将动态人脸识别系统采集的大量数据加以存储,从而实现在分布式存储系统中构建人员信息库,在需要进行人员查询时,可以直接从分布式存储系统的人员信息库中快速检索出符合人员查询请求的匹配信息,并以此判断待查询人员是否为可疑人员,得到最终的查询结果。相对于现有的动态人脸识别技术,本发明是将动态人脸识别技术与分布式存储系统相结合,利用分布式存储系统对大数据的处理与分析能力提高动态人脸识别系统的数据存储与查询能力,将原本在动态人脸识别系统中执行的部分分析与处理功能分散到分布式存储系统中,使得动态人脸识别系统可以直接基于分布式存储系统反馈的结果进行人员识别,并可进一步执行相关增值服务的运算,让用户得到更为高效的应用体验。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明实施例提出的一种动态人脸识别数据处理方法的流程图;
图2示出了本发明实施例提出的另一种动态人脸识别数据处理方法的流程图;
图3示出了本发明实施例提出的一种动态人脸识别数据处理系统的组成框图;
图4示出了本发明实施例提出的另一种动态人脸识别数据处理系统的组成框图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
本发明实施例提供了一种动态人脸识别数据处理方法,该方法用于处理动态人脸识别系统所产生的大量人脸数据以及对待识别人员的查询需求。本方法具体步骤如图1所示,该方法包括:
步骤101、获取动态人脸识别系统采集的人脸图片以及对应的人员信息。
其中,人脸图片是指动态人脸识别系统采集的单个人员的完整人脸图像,在实际应用中,动态人脸识别系统所采集的人脸数据可以是从人员证件中获取的证件照片,如在闸机上录入的身份证、护照等证件中的证件照,也可以是从摄像设备所拍摄的视频中截取的一帧图像或抓拍的图像。而对于后者,所获取的图像中往往会有多个人员,对此,动态人脸识别系统会将该图像按照单个人员提取对应的人脸图片,确保人脸图片中只有一个人员。
对于人员信息,则是对应于人脸图片获取的,用于说明人脸图片中的人员身份标识。获取的方式可以自动获取,比如在闸机上录入证件照片时,自动获取该证件中的人员名称、地址、国籍等身份信息,也可以是根据所识别出的人员由人工录入相关的身份信息,对于人员信息的获取方式本发明不做具体限定。
步骤102、将人脸图片以及对应的人员信息发送至分布式存储系统。
分布式存储系统是通过网络连接动态人脸识别系统,具体的连接方式需要根据不同的分布式存储系统的通讯协议而设置。由于分布式存储系统自身具有着高可靠、高扩展、高容错、低成本等特性。因此,相对于在本地存储大量的人脸数据,将动态人脸识别系统所采集的大量数据存储至分布式存储系统可以实现数据的高效存储与备份。而由于不同的分布式存储系统对所存储的数据格式存在一定的要求,因此,本发明所发送的人脸图片以及对应的人员信息是在动态人脸识别系统中进行格式化处理后的数据。
上述的两个步骤是将动态人脸识别系统所采集的数据进行存储,从而构成基础的人脸信息库,用于对待识别人员的查询。而在该人脸信息库中,还可以根据实际应用的需求创建子库,比如,将确定为可疑人员的数据存储到单独的可疑人员库中,以此来减少在查询过程中所需要匹配的数据量,提高查询效率。
步骤103、向分布式存储系统发送人员查询请求,该人员查询请求中至少包含待查询人员的人脸特征信息或人员信息。
其中,一般在实际应用中的人员查询请求是要查询人员的身份是否可疑,为此,所提供的人员查询请求中就需要携带待查询人员的人脸特征信息或人员信息,人脸特征信息可以通过待查询人员的人脸照片提取,而人员信息则是指待查询人员的身份信息。
步骤104、接收分布式存储系统反馈的查询匹配信息,该查询匹配信息用于确定待查询人员是否为可疑人员。
其中,查询匹配信息是对应人员查询请求的查询结果,也就是说,分布式存储系统可以根据人员查询请求直接基于所存储的数据内容进行匹配分析,得出符合人员查询请求的结果。由此可见,上述步骤103与步骤104的执行,对于动态人脸识别系统而言只是请求的发送与结果的接收,而未进行其他的处理,而所有的数据分析、匹配工作都是由分布式存储系统完成的。相对于现有的分布式存储系统一般只提供数据的存储与读取功能,在本发明实施例中,当动态人脸识别系统需要进行数据查询时,则是直接从分布式存储系统中读取结果,省去了动态人脸识别系统处理,由此可以大幅减少对动态人脸识别系统的处理资源占用,使得该系统能够将更多的处理资源用于数据采集以及用户的请求响应中,从而提升用户的应用体验。
而要实现在分布式存储系统中对人员查询请求的分析与计算,就需要在分布式存储系统嵌入相关查询算法的策略,即将在动态人脸识别系统中执行的查询算法通过模块化的封装嵌入分布式存储系统,用于接收动态人脸识别系统发送的人员查询请求,进而响应该人员查询请求,在分布式存储系统中计算查询匹配信息,并将其反馈给动态人脸识别系统。
通过上述实例可见,本发明实施例所提供的一种动态人脸识别数据处理方法,主要是将动态人脸识别系统中的本地存储更换为分布式存储系统,并基于与该分布式存储系统的交互实现动态人脸识别的数据存储、查询匹配等功能,从而提升动态人脸识别系统的数据存储效率以及执行数据查询的用户体验。本发明所提出动态人脸识别数据处理方法,并不是简单地将动态人脸识别系统与分布式存储系统的简单结合,而是在动态人脸识别系统对所采集的数据进行格式处理后再发给分布式存储系统,同时,在执行人员查询过程中,将查询过程转移至分布式存储系统,可见,本发明是在将动态人脸识别系统与分布式存储系统进行功能深化整合后的提出的态人脸识别方法,相对于现有的动态人脸识别系统的实现方式,本发明不仅能够确保大量人脸数据的存储,更重要的是在数据查询过程中,可以利用分布式存储系统的处理资源得到查询结果,从而实现在海量数据中的高效匹配查询,提升用户的应用体验。
为了详细说明上述图1所示实施例提出的动态人脸识别数据处理方法,特别是动态人脸识别系统与分布式存储系统进行数据交互过程中,动态人脸识别系统与分布式存储系统各自执行具体操作,将通过图2所示的实施例详细说明,具体步骤如下:
步骤201、从抓拍图片中提取单个人员的人脸图片。
其中,动态人脸识别系统在采集人脸数据时,本发明实施例中的一种实现方式是通过抓拍图片采集。
具体的,抓拍时,一般是由摄像头针对所设置的公共场所定期拍摄得到的图片,而抓拍图片大多数为含有多个人员的图片,但是也存在不含有人员的情况,为此,对于抓拍图片也需要先进行判断,判断其中是否含有人员,若不含有人员,则放弃处理该抓拍图片。也就是说,需要处理的抓拍图片是含有至少一个人员的图片。
当抓拍图片中存在多个人员时,需要将其中的多个人员逐一提取出来,得到针对单个人员的人脸图片。具体的提取可通过现有的人脸识别算法确定抓拍图片中人脸的位置,再根据该位置截取抓拍图片,从而得到人脸图片。
步骤202、根据人脸图片匹配对应的人员信息。
具体的,在为人脸图片匹配人员信息时,需要先校验该人脸图片中的人员是否已存在与分布式存储系统的人脸数据库中,其校验过程可通过提取人脸图片中的人脸特征,将该人脸特征发送至分布式存储系统进行特征匹配,若分布式存储系统反馈的已存在该人员,则放弃对该人脸图片匹配对应的人员信息,反之,则执行匹配人员信息的操作。在本实施例中,人员信息的匹配可通过获取该人员的证件信息匹配,也可以由人工校验进行录入。
步骤203、从人脸图片中提取人脸特征,并与人脸图片以及对应的人员信息合并为待存储人员信息。
其中,提取人脸特征的方式在本发明中不做限定,多采用的深度学习神经网络模型处理人脸图片,以提取图片中的人脸特征。
步骤204、将待存储人员信息发送至分布式存储系统。
本实施例中,发送至分布式存储系统的人脸数据为一组数据,包括人脸图片,对应提取的人脸特征,以及对应图片中人员的人员信息。动态人脸识别系统将这样一组数据合并为待存储人员信息后,根据分布式存储系统对存储数据的格式要求进行格式转换,之后发送至分布式存储系统。
而分布式存储系统再收到待存储人员信息后,由于数据格式已转化为可识别的格式,分布式存储系统仅需要解析出其中的人脸特征、人员信息以及人脸图片,就可以根据预置的存储策略将这些信息进行格式化存储,并保存至相应的存储节点中。
在本发明实施例中,分布式存储系统将采用Hadoop大数据系统,Hadoop实现了一个分布式文件系统(Hadoop Distributed File System),简称HDFS。HDFS有高容错性的特点,并且设计用来部署在低廉的(low-cost)硬件上;而且它提供高吞吐量(highthroughput)来访问应用程序的数据,适合那些有着超大数据集(large data set)的应用程序。HDFS放宽了(relax)POSIX的要求,可以以流的形式访问(streaming access)文件系统中的数据。Hadoop的框架最核心的设计就是:HDFS和MapReduce。HDFS为海量的数据提供了存储,而MapReduce为海量的数据提供了计算。Hadoop是一个能够对大量数据进行分布式处理的软件框架。Hadoop以一种可靠、高效、可伸缩的方式进行数据处理。Hadoop的可靠,是因为它假设计算元素和存储会失败,因此它维护多个工作数据副本,确保能够针对失败的节点重新分布处理;Hadoop的高效,是因为它以并行的方式工作,通过并行处理加快处理速度。Hadoop还是可伸缩的,能够处理PB级数据。
步骤205、向分布式存储系统发送人员查询请求,该人员查询请求中至少包含待查询人员的人脸特征信息或人员信息。
步骤206、接收分布式存储系统反馈的查询匹配信息,该查询匹配信息用于确定待查询人员是否为可疑人员。
上述步骤205与206的实现与图1中的步骤103与104相同,具体内容不再赘述。
进一步的,当根据查询匹配信息确定待查询人员为可疑人员时,动态人脸识别系统将从分布式存储系统中获取预置时间段内该待查询人员的人员轨迹以对应的轨迹图片。进而,动态人脸识别系统还可以根据轨迹图片以及待查询人员在轨迹图片中的位置获取与该待查询人员的同行人员信息。
具体的,对于识别出待查询人员为可疑人员后,动态人脸识别系统一般会发出报警信息,并进一步的调取该可疑人员的移动轨迹,为此,分布式存储系统可以进一步地将该可疑人员的所有相关信息,主要是含有该可疑人员的图片检索出来,并根据动态人脸识别系统所指定的时间段或者是预置的时间段(比如以人员查询请求时间点为中心前后一定时间所构成的时间段),提取在对应时间段内的图片发送给动态人脸识别系统,由该动态人脸识别系统根据图片的位置信息合成为人员轨迹,此次告知监控人员该可疑人员在监控区域内的移动路线。其中的位置信息不限定是图片自身的定位信息,或者是基于图片所在抓拍图片中的位置,利用三维重建技术计算得到的位置信息。
而根据得到的人员轨迹,进一步识别可疑人员所在的抓拍图片中可疑人员周边是否存在相同的人员,即判断可疑人员周边是否存在有移动轨迹与可疑人员相同的人员,若存在,说明该人员可能与可疑人员为同伙,进而可以将该人员也确定为可疑人员。
进一步的,作为对上述图1与图2所示方法的实现,本发明实施例提供了一种动态人脸识别数据处理系统,该系统主要用于处理动态人脸识别系统所产生的大量人脸数据以及对待识别人员的查询需求。为便于阅读,本系统实施例不再对前述方法实施例中的细节内容进行逐一赘述,但应当明确,本实施例中的系统能够对应实现前述方法实施例中的全部内容。该系统如图3所示,具体包括:
采集单元31,用于获取动态人脸识别系统采集的人脸图片以及对应的人员信息;
发送单元32,用于将所述采集单元31得到的人脸图片以及对应的人员信息发送至分布式存储系统;
查询单元33,用于向所述分布式存储系统发送人员查询请求,所述人员查询请求中至少包含待查询人员的人脸特征信息或人员信息;
接收单元34,用于接收所述分布式存储系统反馈的查询匹配信息,所述查询匹配信息用于确定所述待查询人员是否为可疑人员。
进一步的,如图4所示,所述采集单元31包括:
提取模块311,用于从抓拍图片中提取单个人员的人脸图片,所述抓拍图片为含有至少一个人员的图片;
匹配模块312,用于根据所述提取模块311得到的人脸图片匹配对应的人员信息。
进一步的,如图4所示,所述发送单元32包括:
提取模块321,用于从所述人脸图片中提取人脸特征;
信息生成模块322,用于将所述提取模块321提取的人脸特征与所述人脸图片以及对应的人员信息合并为待存储人员信息;
发送模块323,用于将所述信息生成模块322得到的待存储人员信息发送至分布式存储系统。
进一步的,如图4所示,所述系统还包括:
人员轨迹获取单元35,用于当确定所述接收单元34接收的查询匹配信息中待查询人员为可疑人员时,从所述分布式存储系统中获取预置时间段内所述待查询人员的人员轨迹以对应的轨迹图片;
通行人员匹配单元36,用于根据所述人员轨迹获取单元35获取的轨迹图片以及所述待查询人员在所述轨迹图片中的位置获取与所述待查询人员的同行人员信息。
进一步的,所述分布式存储系统为Hadoop大数据系统。
综上所述,本发明实施例所采用的动态人脸识别数据处理方法及系统,是将动态人脸识别系统与分布式存储系统进行整合后得到的新的人脸识别图像的数据处理系统,并基于该数据处理系统而开发出的一套动态人脸识别数据处理方法。通过设定动态人脸识别系统与分布式存储系统之间的数据交互流程,使得动态人脸识别数据处理系统具有更为高效的数据处理能力,能够快速处理海量的图像视频数据,同时,还具有更为快速的数据分析与匹配能力,使得用户在使用过程能够得到快速响应,从而提升用户的应用体验。
进一步的,本发明实施例还提供了一种存储介质,该存储介质用于存储的计算机程序,其中,所述计算机程序运行时控制所述存储介质所在设备执行上述的动态人脸识别数据处理方法。
另外,本发明实施例还提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行上述的动态人脸识别数据处理方法。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
可以理解的是,上述方法及系统中的相关特征可以相互参考。另外,上述实施例中的“第一”、“第二”等是用于区分各实施例,而并不代表各实施例的优劣。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,系统和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
此外,存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品,该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flashRAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种动态人脸识别数据处理方法,其特征在于,所述方法包括:
获取动态人脸识别系统采集的人脸图片以及对应的人员信息;
将所述人脸图片以及对应的人员信息发送至分布式存储系统;
向所述分布式存储系统发送人员查询请求,所述人员查询请求中至少包含待查询人员的人脸特征信息或人员信息;
接收所述分布式存储系统反馈的查询匹配信息,所述查询匹配信息用于确定所述待查询人员是否为可疑人员。
2.根据权利要求1所述的方法,其特征在于,所述获取动态人脸识别系统采集的人脸图片以及对应的人员信息包括:
从抓拍图片中提取单个人员的人脸图片,所述抓拍图片为含有至少一个人员的图片;
根据所述人脸图片匹配对应的人员信息。
3.根据权利要求1所述的方法,其特征在于,所述将所述人脸图片以及对应的人员信息发送至分布式存储系统包括:
从所述人脸图片中提取人脸特征;
将所述人脸特征与所述人脸图片以及对应的人员信息合并为待存储人员信息;
将所述待存储人员信息发送至分布式存储系统。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当所述待查询人员为可疑人员时,从所述分布式存储系统中获取预置时间段内所述待查询人员的人员轨迹以对应的轨迹图片;
根据所述轨迹图片以及所述待查询人员在所述轨迹图片中的位置获取与所述待查询人员的同行人员信息。
5.根据权利要求1-4中任一项所述的方法,其特征在于,所述分布式存储系统为Hadoop大数据系统。
6.一种动态人脸识别数据处理系统,其特征在于,所述系统包括:
采集单元,用于获取动态人脸识别系统采集的人脸图片以及对应的人员信息;
发送单元,用于将所述采集单元得到的人脸图片以及对应的人员信息发送至分布式存储系统;
查询单元,用于向所述分布式存储系统发送人员查询请求,所述人员查询请求中至少包含待查询人员的人脸特征信息或人员信息;
接收单元,用于接收所述分布式存储系统反馈的查询匹配信息,所述查询匹配信息用于确定所述待查询人员是否为可疑人员。
7.根据权利要求6所述的系统,其特征在于,所述采集单元包括:
提取模块,用于从抓拍图片中提取单个人员的人脸图片,所述抓拍图片为含有至少一个人员的图片;
匹配模块,用于根据所述提取模块得到的人脸图片匹配对应的人员信息。
8.根据权利要求6所述的系统,其特征在于,所述发送单元包括:
提取模块,用于从所述人脸图片中提取人脸特征;
信息生成模块,用于将所述提取模块提取的人脸特征与所述人脸图片以及对应的人员信息合并为待存储人员信息;
发送模块,用于将所述信息生成模块得到的待存储人员信息发送至分布式存储系统。
9.一种存储介质,其特征在于,所述存储介质用于存储计算机程序,其中,所述计算机程序运行时控制所述存储介质所在设备执行权利要求1-5中任意一项所述的动态人脸识别数据处理方法。
10.一种处理器,其特征在于,所述处理器用于运行计算机程序,其中,所述计算机程序运行时执行权利要求1-5中任意一项所述的动态人脸识别数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810644888.0A CN109002765A (zh) | 2018-06-21 | 2018-06-21 | 一种动态人脸识别数据处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810644888.0A CN109002765A (zh) | 2018-06-21 | 2018-06-21 | 一种动态人脸识别数据处理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109002765A true CN109002765A (zh) | 2018-12-14 |
Family
ID=64601965
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810644888.0A Withdrawn CN109002765A (zh) | 2018-06-21 | 2018-06-21 | 一种动态人脸识别数据处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109002765A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110210340A (zh) * | 2019-05-20 | 2019-09-06 | 深圳供电局有限公司 | 一种人脸特征值比对方法及其系统、可读存储介质 |
CN112200034A (zh) * | 2020-09-28 | 2021-01-08 | 武汉虹信技术服务有限责任公司 | 一种数据清除装置、方法及分布式人脸识别系统 |
CN112241684A (zh) * | 2020-09-16 | 2021-01-19 | 四川天翼网络服务有限公司 | 一种人脸检索分布式计算方法及系统 |
CN112396016A (zh) * | 2020-11-26 | 2021-02-23 | 武汉宏数信息技术有限责任公司 | 一种基于大数据技术的人脸识别系统 |
CN113064935A (zh) * | 2021-03-30 | 2021-07-02 | 重庆中科云从科技有限公司 | 数据分析方法、装置及介质 |
-
2018
- 2018-06-21 CN CN201810644888.0A patent/CN109002765A/zh not_active Withdrawn
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110210340A (zh) * | 2019-05-20 | 2019-09-06 | 深圳供电局有限公司 | 一种人脸特征值比对方法及其系统、可读存储介质 |
CN112241684A (zh) * | 2020-09-16 | 2021-01-19 | 四川天翼网络服务有限公司 | 一种人脸检索分布式计算方法及系统 |
CN112200034A (zh) * | 2020-09-28 | 2021-01-08 | 武汉虹信技术服务有限责任公司 | 一种数据清除装置、方法及分布式人脸识别系统 |
CN112200034B (zh) * | 2020-09-28 | 2023-04-28 | 武汉虹信技术服务有限责任公司 | 一种数据清除装置、方法及分布式人脸识别系统 |
CN112396016A (zh) * | 2020-11-26 | 2021-02-23 | 武汉宏数信息技术有限责任公司 | 一种基于大数据技术的人脸识别系统 |
CN112396016B (zh) * | 2020-11-26 | 2021-07-23 | 武汉宏数信息技术有限责任公司 | 一种基于大数据技术的人脸识别系统 |
CN113064935A (zh) * | 2021-03-30 | 2021-07-02 | 重庆中科云从科技有限公司 | 数据分析方法、装置及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109002765A (zh) | 一种动态人脸识别数据处理方法及系统 | |
CN102222213B (zh) | 一种基于开放式Web Service架构的分布式视觉计算方法 | |
CN111447102B (zh) | Sdn网络设备访问方法、装置、计算机设备及存储介质 | |
CN111241073B (zh) | 一种数据质量检查方法及装置 | |
CN111859076B (zh) | 数据爬取方法、装置、计算机设备及计算机可读存储介质 | |
CN111797294A (zh) | 可视化方法及相关设备 | |
CN111708794B (zh) | 基于大数据平台的数据比对方法、装置和计算机设备 | |
CN110704418A (zh) | 区块链信息查询方法、装置和设备 | |
CN110445689A (zh) | 识别物联网设备类型的方法、装置及计算机设备 | |
Omri et al. | Cloud-ready biometric system for mobile security access | |
CN112235396B (zh) | 内容处理链路调整方法、装置、计算机设备和存储介质 | |
CN109857891A (zh) | 一种查询方法及装置 | |
Cattaneo et al. | A scalable approach to source camera identification over Hadoop | |
Du | Mobile payment recognition technology based on face detection algorithm | |
CN111651522B (zh) | 一种数据同步方法及装置 | |
CN111897828A (zh) | 数据批处理实现方法、装置、设备及存储介质 | |
Cattaneo et al. | An efficient implementation of the algorithm by Lukáš et al. on Hadoop | |
CN114048512A (zh) | 一种处理敏感数据的方法及装置 | |
CN112258369A (zh) | 统一数据平台和基于统一数据平台的数据处理方法 | |
CN112732335B (zh) | 目标代码提取方法、装置、计算机设备和存储介质 | |
EP4195068B1 (en) | Storing and retrieving media recordings in an object store | |
Cattaneo et al. | Achieving efficient source camera identification on Hadoop | |
CN116028233B (zh) | 一种ai计算资源的数字对象组织与共享方法和装置 | |
CN112702368B (zh) | 服务请求的处理方法和装置 | |
US20230247168A1 (en) | Systems and methods for exporting video sections with overlays |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20181214 |
|
WW01 | Invention patent application withdrawn after publication |