CN109815839A - 微服务架构下的徘徊人员识别方法及相关产品 - Google Patents

Abstract

本申请实施例提供了一种徘徊人员识别方法及相关产品，所述方法包括：获取由指定范围内的摄像头拍摄的拍摄数据，根据预设算法将拍摄数据划分为N个分区数据，并将N个分区数据分别存储到N个存储区域，获取N个微服务实例，通过N个微服务实例中每一微服务实例对对应的分区数据进行处理，得到至少一个徘徊对象，如此，当拍摄数据较为庞大时，可将摄像头拍摄的拍摄数据分为多个分区数据，通过多个微服务实例同步处理多个分区数据，从而，减少CPU消耗和内存消耗。

Description

微服务架构下的徘徊人员识别方法及相关产品

技术领域

本申请涉及视频监控技术领域，具体涉及一种微服务架构下的徘徊人员识别方法及相关产品。

背景技术

随着经济、社会、文化的快速发展，国内外影响力的与日俱增，越来越多外来人口流向城市，这些人口增加在加快城市化进程的同时，也为城市管理带来更大的挑战，虽然，视频监控对城市安全提供了技术支持，目前来看，摄像头已经在城市中布局开来，摄像头可对城市的安全进行有效监控，以及为相关机构的安保提供有效帮助。

现有技术中，通过摄像头对可疑人员的进行识别，可实现对可疑人员的有效监控，但是，当摄像头获取的拍摄数据的数据量庞大时，例如，同时对多个摄像头获取的大量拍摄数据进行处理，会受到内存的限制，从而影响拍摄数据处理的效率，因此，如何在对可以可疑人员进行识别的过程中提高处理数据的性能的问题亟待解决。

发明内容

本申请实施例提供了一种微服务架构下的徘徊人员识别方法及相关产品，可以在识别徘徊人员的过程中，当拍摄数据较为庞大时，通过多个微服务实例同步处理拍摄数据，从而，充分利用CPU资源，减少CPU消耗和内存消耗。

本申请实施例第一方面提供了一种微服务架构下的徘徊人员识别方法，包括：

获取由指定范围内的摄像头拍摄的拍摄数据；

根据预设算法将所述拍摄数据划分为N个分区数据，并将所述N个分区数据分别存储到N个存储区域，N为大于1的整数；

获取N个微服务实例，所述N个微服务实例与所述N个存储区域的N个分区数据一一对应；

通过所述N个微服务实例中每一微服务实例对对应的分区数据进行处理，得到至少一个徘徊对象。

本申请实施例第二方面提供了一种徘徊人员识别装置，包括:

获取单元，用于获取由指定范围内的摄像头拍摄的拍摄数据；

划分单元，用于根据预设算法将所述拍摄数据划分为N个分区数据，并将所述N个分区数据分别存储到N个存储区域，N为大于1的整数；

所述获取单元，还用于获取N个微服务实例，所述N个微服务实例与所述N个存储区域的N个分区数据一一对应；

处理单元，用于通过所述N个微服务实例中每一微服务实例对对应的分区数据进行处理，得到至少一个徘徊对象。

本申请第三方面提供了一种徘徊人员识别装置，包括：处理器和存储器；以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置成由所述处理器执行，所述程序包括用于如第一方面中所描述的部分或全部步骤的指令。

第四方面，本申请实施例提供了一种计算机可读存储介质，其中，所述计算机可读存储介质用于存储计算机程序，其中，所述计算机程序使得计算机执行如本申请实施例第一方面中所描述的部分或全部步骤的指令。

第五方面，本申请实施例提供了一种计算机程序产品，其中，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机程序可操作来使计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。

实施本申请实施例，具有如下有益效果：

可以看出，通过本申请实施例所描述的徘徊人员识别方法及相关产品，获取由指定范围内的摄像头拍摄的拍摄数据，根据预设算法将拍摄数据划分为N个分区数据，并将N个分区数据分别存储到N个存储区域，获取N个微服务实例，通过N个微服务实例中每一微服务实例对对应的分区数据进行处理，得到至少一个徘徊对象，如此，可将摄像头拍摄的拍摄数据分为多个分区数据，通过多个微服务实例同步处理多个分区数据，从而，减少CPU消耗和内存消耗。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的一种徘徊人员识别方法的实施例流程示意图；

图2是本申请实施例提供的一种徘徊人员识别方法的另一实施例流程示意图；

图3是本申请实施例提供的一种徘徊人员识别方法的另一实施例流程示意图；

图4是本申请实施例提供的一种徘徊人员识别装置的实施例结构示意图；

图5是本申请实施例提供的另一种徘徊人员识别装置的实施例结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置展示该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

本申请实施例所描述徘徊人员识别装置可以包括智能手机(如Android手机、iOS手机、Windows Phone手机等)、平板电脑、掌上电脑、笔记本电脑、移动互联网设备(MID，Mobile Internet Devices)或穿戴式设备等，上述仅是举例，而非穷举，包含但不限于上述装置，当然，上述徘徊人员识别装置还可以为服务器。

需要说明的是，本申请实施例中的徘徊人员识别装置可与多个摄像头连接，每一摄像头均可用于抓拍人脸图像，每一摄像头均可有一个与之对应的位置标记，或者，可有一个与之对应的编号。通常情况下，摄像头可设置在公共场所，例如，学校、博物馆、十字路口、步行街、写字楼、车库、机场、医院、地铁站、车站、公交站台、超市、酒店、娱乐场所等等。摄像头在拍摄到人脸图像后，可将该人脸图像保存到徘徊人员识别装置所在系统的存储器。存储器中可存储有目标对象列表，目标对象列表可包含根据摄像头已经获取的拍摄数据处理后得到的多个对象，每一目标对象对应至少一个已经处理过的第二人脸图像，多个目标对象中每一目标对象对应一个人脸记录，每一目标对象对应的人脸记录用于记录该目标对象出现的数据，人脸记录可包括对应的目标对象出现的时间、位置、出现时的抓拍的至少一张第二人脸图像等数据，例如，若目标对象A被摄像头在不同时间抓拍到多次，则目标对象A对应的人脸记录可记录目标对象A每一次出现的时间、位置、出现时的抓拍的至少一张第二人脸图像等数据，当再次抓拍到目标对象A的第一人脸图像时，可将目标对象A出现的数据添加至该人脸记录中。

进一步可选地，本申请实施例中，摄像头拍摄的每一人脸图像均对应一个属性信息，属性信息为以下至少一种：人脸图像的拍摄时间、人脸图像的位置、视频图像的属性参数(格式、大小、分辨率等)、人脸图像的编号和人脸图像中的人物特征属性。上述视频图像中的人物特征属性可包括但不仅限于：视频图像中的人物个数、人物位置、人物角度值、年龄、图像质量等等。

进一步需要说明的是，每一摄像头采集的人脸图像通常为动态人脸图像，因而，本申请实施例中可以对人脸图像的角度值信息进行规划，上述角度值信息可包括但不仅限于：水平转动角度值、俯仰角或者倾斜度。例如，可定义动态人脸图像数据要求两眼间距不小于30像素，建议60像素以上。水平转动角度值不超过±30°、俯仰角不超过±20°、倾斜角不超过±45°。建议水平转动角度值不超过±15°、俯仰角不超过±10°、倾斜角不超过±15°。例如，还可对人脸图像是否被其他物体遮挡进行筛选，通常情况下，饰物不应遮挡脸部主要区域，饰物如深色墨镜、口罩和夸张首饰等，当然，也有可能摄像头上面布满灰尘，导致人脸图像被遮挡。本申请实施例中的人脸图像的图片格式可包括但不仅限于：BMP，JPEG，JPEG2000，PNG等等，其大小可以在10-30KB之间，每一视频图像还可以对应一个拍摄时间、以及拍摄该人脸图像的摄像头统一编号、与人脸图像对应的全景大图的链接等信息(人脸图像和全局图片建立特点对应性关系文件)。

请参阅图1，为本申请实施例提供的一种微服务架构下的徘徊人员识别方法的实施例流程示意图。本实施例中所描述的徘徊人员识别方法，包括以下步骤：

101、获取由指定范围内的摄像头拍摄的拍摄数据。

其中，上述拍摄数据可以是视频片段或者人脸图像，可对视频片段进一步进行解析得到人脸图像，上述指定范围可以由用户自行设置或者系统默认。

本申请实施例中，可由指定范围内的至少一个摄像头视频片段或者人脸图像，具体实现中，徘徊人员识别装置可以获取由指定范围内的至少一个摄像头拍摄的至少一个视频片段，当然，上述至少一个视频片段可以来自于一个摄像头或者多个摄像头。

可选地，上述步骤101，获取由指定范围内的摄像头拍摄的拍摄数据，可包括如下步骤：

11、获取所述指定范围内的至少一个摄像头，每一摄像头对应一个环境参数；

12、按照预设的环境参数与拍摄参数之间的映射关系，确定所述至少一个摄像头中每一摄像头对应的目标拍摄参数；

13、控制所述至少一个摄像头依据其对应的目标拍摄参数以及预设时间间隔进行拍摄，得到拍摄数据。

其中，不同的摄像头，由于其角度不一样，其对应的环境参数也不一样。本申请实施例中，环境参数可以为以下至少一种：环境光亮度、温度、湿度、地理位置、磁场干扰强度等等，在此不做限定，环境参数可以由环境传感器采集得到，上述环境传感器可以为以下至少一种：环境光传感器、温度传感器、湿度传感器、定位传感器、磁场检测传感器，等等，在此不作限定。上述拍摄参数可以为以下至少一种：曝光时长、感光度ISO、拍摄模式、白平衡参数等等，在此不做限定，徘徊人员识别装置中还可以预先存储预设的环境参数与拍摄参数之间的映射关系，依据该映射关系可以确定上述至少一个摄像头中每一摄像头对应的目标拍摄参数，进而，控制上述至少一个摄像头依据其对应的目标拍摄参数以及预设时间间隔进行拍摄，得到视频片段或者多张人脸图像上述预设时间间隔可以由用户自行设置或者系统默认，如此，可以得到与环境相宜的拍摄参数，有助于拍到清晰的视频图像。

102、根据预设算法将所述拍摄数据划分为N个分区数据，并将所述N个分区数据分别存储到N个存储区域，N为大于1的整数。

其中，上述预设算法是指可将拍摄数据均匀地分发到多个存储区域的负载均衡算法，预设算法例如进行可以是哈希算法，通过哈希算法可将拍摄数据划分为N个分区数据，拍摄数据的目标人脸图像数量越大，划分的存储区域的个数越多。

103、获取N个微服务实例，所述N个微服务实例与所述N个存储区域的N个分区数据一一对应。

本申请实施例中，考虑到在微服务架构下，当摄像头获取的拍摄数据中，人脸图像数量较大时，单个微服务实例获取存储器中的拍摄数据的能力有限制，可通过多个微服务实例对多个分区数据进行同步处理，发挥多个微服务实例处理数据的优势，突破单个微服务实例的限制，充分利用CPU等资源。

可选地，上述步骤103中，获取N个微服务实例，可包括以下步骤：

31、确定所述拍摄数据的目标人脸图像数量；

32、按照预设的人脸图像数量与微服务实例数量之间的映射关系，确定所述目标人脸图像数量对应的M，并获取M个微服务实例，M为正整数；

33、若所述M小于N，将所述M个微服务实例扩展至所述N个微服务实例。

其中，在微服务架构在下，可根据拍摄数据的目标人脸图像数量确定M个微服务实例，若M小于N，则需要将M个微服务实例扩展至N个微服务实例，使N个分区数据可以同步被N个微服务实例进行处理，N个微服务实例中每一微服务实例处理一个存储区域的分区数据，从而在摄像头获取到大量的拍摄数据时，可通过多个微服务实例对分区后的拍摄数据进行同步处理，充分利用CPU资源。

此外，当多个微服务实例中存在微服务实例出现处理故障时，可将出现故障的微服务实例对应的分区数据转移到其他正常的微服务实例进行处理，从而可提高数据处理过程中的容错性。

104、通过所述N个微服务实例中每一微服务实例对对应的分区数据进行处理，得到至少一个徘徊对象。

针对N个微服务实例中每一微服务实例对对应的分区数据进行处理，分区数据可包括多个第一人脸图像，第一人脸图像是指未处理过的人脸图像，可通过微服务实例对每一第一人脸图像进行处理，具体地，可通过微服务实例将每一第一人脸图像与目标对象列表进行比对，目标对象列表中包含多个目标对象，每一目标对象对应至少一个第二人脸图像，多个目标对象与多个人脸记录一一对应，多个人脸记录中每一人脸记录用于记录对应目标对象出现的数据，若目标对象列表中存在与第一人脸图像比对成功的第二人脸图像，说明第一人脸图像对应的人物不是第一次被抓拍，可在第二人脸图像对应的目标对象的人脸记录中添加包含所述比对成功的第一人脸图像的记录，其中，第二人脸图像是指已经处理过的人脸图像，若目标对象列表中不存在与第一人脸图像比对成功的目标人脸图像，表明第一人脸图像对应的人物是第一次被抓拍到，可在目标对象列表中添加比对失败的第一人脸图像对应的新的目标对象，添加新的目标对象对应的人脸记录，最后，可选取目标对象列表中所有目标对象的所有人脸记录中目标对象出现的出现次数超过预设阈值的目标人脸记录，得到至少一个目标人脸记录，将至少一个目标人脸记录对应的目标对象确认为徘徊对象。

可选地，上述步骤104中，通过所述N个微服务实例中每一微服务实例对对应的分区数据进行处理，得到至少一个徘徊对象，可包括以下步骤：

41、以预设数量为单位，通过所述N个微服务实例中每一微服务实例获取对应存储区域中的分区数据的数据流；

42、在微服务实例i获取到对应分区数据中的所述预设数量的数据流后，通过所述微服务实例i中的所述预设数量的线程对所述预设数量的数据流进行处理，得到至少一个徘徊对象，每一线程对应一个数据流，所述微服务实例i为所述N个微服务实例中的任一微服务实例。

其中，在将拍摄数据存储至各个存储区域后，N个微服务实例中每一微服务实例可从对应的存储区域获取分区数据。

本申请实施例中，为了平衡微服务架构中通过摄像头获取拍摄数据的能力和对存储区域中的分区数据进行处理的能力，针对每一微服务实例对分区数据的处理过程，可采用流处理的方式对存储区域的分区数据进行处理，具体地，可通过预设的接收数据流的窗口获取分区数据中的数据流。

其中，以预设数量为单位，获取微服务实例对应的存储区域中的分区数据的数据流，可通过微服务实例开启窗口获取来自存储区域的数据流，当窗口获取到预设数量的数据流时，关闭窗口，下一次开启窗口，接收预设数量的数据流后再关闭窗口，例如，可设定每接收到10条数据后，关闭一次窗口。

其中，可在每次获取到预设数量的数据流后，同步对预设数量的数据流进行处理，具体地，可通过多个线程分别对预设数量的数据流进行处理，每一线程可在较短时间内对对应的数据流进行处理，在每次将预设数量的数据流进行处理后，可再次开启窗口，通过窗口再次获取预设数量的数据流。

可选地，上述步骤42中，所述数据流包括人脸图像集合，所述人脸图像集合包括多个第一人脸图像，所述通过所述微服务实例i中的所述预设数量的线程对所述预设数量的数据流进行处理，得到至少一个徘徊对象，可包括以下步骤：

A1、通过所述微服务实例i中的所述预设数量的线程中每一线程对对应的所述人脸图像集合中每一第一人脸图像与目标对象列表进行比对，所述目标对象列表中包含多个目标对象，每一目标对象对应至少一个第二人脸图像，所述多个目标对象与多个人脸记录一一对应，所述多个人脸记录中每一人脸记录用于记录对应目标对象出现的数据；

A2、若所述目标对象列表中存在与所述每一第一人脸图像比对成功的第二人脸图像，在所述第二人脸图像对应的目标对象的人脸记录中添加包含所述比对成功的第一人脸图像的记录；

A3、若所述目标对象列表中不存在与所述每一第一人脸图像比对成功的第二人脸图像，在所述目标对象列表中添加比对失败的第一人脸图像对应的新的目标对象，添加所述新的目标对象对应的人脸记录；

A4、选取所述目标对象列表中所有目标对象的所有人脸记录中目标对象出现的出现次数超过预设阈值的目标人脸记录，得到至少一个目标人脸记录；

A5、将所述至少一个目标人脸记录对应的目标对象确认为徘徊对象。

其中，可将数据流对应的人脸图像集合中的每一第一人脸图像集合与目标对象列表进行比对，具体地，针对每一第一人脸图像，可筛选目标对象列表中多个目标对象中每一目标对象对应的质量最佳的多个第二人脸图像，然后将第一人脸图像依次与多个第二人脸图像进行比对，直到与第一人脸图像比对成功的第二人脸图像，举例说明，假定目标对象列表中包括100个目标对象，100个对象中每一目标对象对应至少一个第二人脸图像，每一目标对象对应的至少一个第二人脸图像是已经记录的关于目标对象已经出现过的记录，可筛选出100个目标对象中每一目标对象对应的质量最佳的第二人脸图像，得到100张质量最佳的第二人脸图像，然后将第一人脸图像依次与100张质量最佳的第二人脸图像进行比对，直到得到比对成功的第二人脸图像。

其中，若目标对象列表中存在与第一人脸图像比对成功的第二人脸图像，表明第一人脸图像对应的人物不是初次被抓拍，在目标对象列表已经记录了该人物已经出现的数据，即比对成功的第二人脸对象对应的人脸记录，从而，可在第二人脸图像对应的目标对象的人脸记录中添加包含比对成功的第一人脸图像的记录，即，同一目标对象每一次出现，都会被记录在对应的人脸记录中，此外，第一人脸图像也会作为新的第二人脸图像，用于与后面的第一人脸图像进行比对，从而，可将已经处理过的第一人脸图像比对的结果进行保存，用于后面的第一人脸图像的比对。

若所述目标对象列表中不存在与第一人脸图像比对成功的第二人脸图像，表明第一人脸图像对应的人物是初次被抓拍，可在目标对象列表中添加比对失败的第一人脸图像对应的新的目标对象，添加所述新的目标对象对应的人脸记录，例如，第一人脸图像为人物甲的人脸图像，若目标对象列表中不存在与第一人脸图像比对成功的第二人脸图像，表明目标对象列表中不包含人物甲，也不存在人物甲出现多的人脸记录，因此，可在目标对象列表中添加人物甲，以及添加人物甲在第一人脸图像中出现的时间、位置等数据，并将第一人脸图像添加至人物甲的人脸记录中，作为人物甲的第二人脸图像，从而，当摄像头再次抓拍到人物甲的新的第一人脸图像，则可将该新的第一人脸图像与已经处理过的第二人脸图像进行比对，如此，可将处理过的第一人脸图像进行存储，用于后面的第一人脸图像的处理过程中。

可选地，上述步骤104中，通过所述N个微服务实例中每一微服务实例对对应的分区数据进行处理，得到至少一个徘徊对象，可包括以下步骤：

43、以预设时间长度为单位，通过所述N个微服务实例中每一微服务实例获取对应存储区域中的分区数据的数据流；

44、在所述微服务实例i获取到对应分区数据中的所述预设时间长度内的目标数量的数据流后，通过所述微服务实例i中的所述目标数量的线程对所述目标数量的数据流进行处理，得到至少一个徘徊对象，每一线程对应一个数据流。

其中，以预设时间长度为单位，获取N个微服务实例中的任一微服务实例对应的分区数据的数据流，可通过微服务实例开启窗口获取来自存储区域的数据流，当窗口开启预设时间长度，可获取到第一目标数量的数据流，关闭窗口，下一次开启窗口，窗口开启预设时间长度，接收第二目标数量的数据流后，再关闭窗口，例如，可设定预设时间长度为10秒，即每次开启窗口10秒，获取目标数量的数据流后，关闭窗口，然后再次开启10秒，如此反复。

其中，可在每次获取预设时间长度的数据流后，同时对预设时间长度内获取的目标数量的数据流进行处理，具体地，可通过多个线程对目标数量的数据流进行处理，在每次将目标数量的数据流进行处理后，可再次开启窗口，通过窗口再次获取预设时间长度的数据流，从而，可平衡微服务架构中通过摄像头获取拍摄数据的能力和微服务实例对存储区域中的分区数据进行处理的能力。

可以理解，针对步骤43中以预设时间长度为单位获取的数据流，可通过目标数量的线程对预设时间长度获取的目标数量的数据流进行处理，每一线程处理对应数据流中的人脸图像的方式可参照上述步骤，此处不再赘述。

进一步地，在检测到徘徊对象时，可以进行告警操作，以提示对徘徊人员进行排查，或者，安全预警。当然，还可以删除非徘徊对象的拍摄数据，如此，可以减少内存占用率，提升系统效率。

可选地，上述步骤A5，将所述至少一个目标人脸记录对应的目标对象确认为徘徊对象，可包括如下步骤：

B1、从所述至少一个目标人脸记录中每一目标人脸记录对应的至少一张第二人脸图像中选取一个图像质量最好的第一目标人脸图像，得到至少一个第一目标人脸图像；

B2、通过预设白名单库对所述至少一个第一目标人脸图像进行筛选，得到与所述预设白名单中的任一人脸模板匹配失败的至少一个第二目标人脸图像；

B3、将所述至少一个第一目标人脸图像与预设黑名单库中的人脸模板进行匹配，得到至少一个第三目标人脸图像，每一第三目标人脸图像与所述预设黑名单库中的任一人脸模板匹配成功；

B4、将所述至少一个第二目标人脸图像对应的对象确认为徘徊对象。

其中，上述预设白名单库、预设黑名单库均可以由用户自行设置或者系统默认，预设白名单库可以包括至少一个对象及其人脸模板，每一对象可以理解为不能被标记为徘徊对象的人，例如，指定范围的治安人员、清洁人员，或者其他指定人员，预设黑名单库可以包括至少一个对象，每一对象可以理解为危险分子，或者，犯罪嫌疑分子。具体实现中，徘徊人员识别装置可以从至少一个目标人脸记录中每一目标人脸记录对应的目标对象的至少一张第二人脸图像中选取一个图像质量最好的第一目标人脸图像，得到至少一个第一目标人脸图像，具体地，可采用至少一个图像质量评价指标对每一目标类中的每一图像进行图像质量评价，得到图像质量评价值，选取图像质量评价值最大的图像作为质量最好的图像，图像质量评价指标可包括以下至少一种：平均灰度、均方差、熵、边缘保持度、信噪比等等，在此不做限定。可定义为得到的评价值越大，则图像质量越好。

进一步地，通过预设白名单库对至少一个第一目标人脸图像进行筛选，得到与预设白名单中的任一人脸模板匹配失败的至少一个第二目标人脸图像，即该至少一个第一目标人脸图像与预设白名单库中的任一人脸模板不匹配，将至少一个第二目标人脸图像与预设黑名单库中的人脸模板进行匹配，得到至少一个第三目标人脸图像，每一第三目标人脸图像与预设黑名单库中的任一人脸模板匹配成功，将至少一个第二目标人脸图像对应的对象确认为徘徊对象，如此，即可以实现排除白名单，而仅仅关注黑名单，有助于实现重点布控，提升监控效率。

可以看出，通过本申请实施例所描述的徘徊人员识别方法，获取由指定范围内的摄像头拍摄的拍摄数据，根据预设算法将拍摄数据划分为N个分区数据，并将N个分区数据分别存储到N个存储区域，获取N个微服务实例，通过N个微服务实例中每一微服务实例对对应的分区数据进行处理，得到至少一个徘徊对象，如此，可将摄像头拍摄的拍摄数据分为多个分区数据，通过多个微服务实例同步处理多个分区数据，从而，减少CPU消耗和内存消耗。

与上述一致地，请参阅图2，为本申请实施例提供的一种微服务架构下的徘徊人员识别方法的实施例流程示意图。本实施例中所描述的徘徊人员识别方法，包括以下步骤：

201、获取由指定范围内的摄像头拍摄的拍摄数据。

202、根据预设算法将所述拍摄数据划分为N个分区数据，并将所述N个分区数据分别存储到N个存储区域，N为大于1的整数。

203、获取N个微服务实例，所述N个微服务实例与所述N个存储区域的N个分区数据一一对应。

204、以预设数量为单位，通过所述N个微服务实例中每一微服务实例获取对应存储区域中的分区数据的数据流。

205、在微服务实例i获取到对应分区数据中的所述预设数量的数据流后，通过所述微服务实例i中的所述预设数量的线程对所述预设数量的数据流进行处理，得到至少一个徘徊对象，每一线程对应一个数据流，所述微服务实例i为所述N个微服务实例中的任一微服务实例。

206、以预设时间长度为单位，通过所述N个微服务实例中每一微服务实例获取对应存储区域中的分区数据的数据流。

207、在所述微服务实例i获取到对应分区数据中的所述预设时间长度内的目标数量的数据流后，通过所述微服务实例i中的所述目标数量的线程对所述目标数量的数据流进行处理，得到至少一个徘徊对象，每一线程对应一个数据流。

其中，上述步骤201-步骤207所描述的徘徊人员识别方法可参考图1所描述的徘徊人员识别方法的对应步骤。

可以看出，通过本申请实施例所描述的徘徊人员识别方法，获取由指定范围内的摄像头拍摄的拍摄数据，根据预设算法将拍摄数据划分为N个分区数据，并将N个分区数据分别存储到N个存储区域，获取N个微服务实例，以预设数量为单位，获取N个微服务实例中的任一微服务实例对应的存储区域中的分区数据的数据流，在任一微服务实例i获取到对应分区数据中的预设数量的数据流后，通过微服务实例i中的预设数量的线程对预设数量的数据流进行处理，得到至少一个徘徊对象，或者，以预设时间长度为单位，获取N个微服务实例中的任一微服务实例对应的分区数据的数据流，在微服务实例i获取到对应分区数据中的所述预设时间长度内的目标数量的数据流后，通过微服务实例i中的目标数量的线程对目标数量的数据流进行处理，得到至少一个徘徊对象，如此，可将摄像头拍摄的拍摄数据分为多个分区数据，通过多个微服务实例同步处理多个分区数据，从而，减少CPU消耗和内存消耗，此外，微服务实例针对每一分区数据通过数据流方式数据，并通过多个线程同步处理，可平衡微服务架构中通过摄像头获取拍摄数据的能力和微服务实例对存储区域中的分区数据进行处理的能力，提高徘徊人员识别的效率。

与上述一致地，请参阅图3，为本申请实施例提供的另一种微服务架构下的徘徊人员识别方法的实施例流程示意图。本实施例中所描述的徘徊人员识别方法，包括以下步骤：

301、获取由指定范围内的摄像头拍摄的拍摄数据。

302、根据预设算法将所述拍摄数据划分为N个分区数据，并将所述N个分区数据分别存储到N个存储区域，N为大于1的整数。

303、获取N个微服务实例，所述N个微服务实例与所述N个存储区域的N个分区数据一一对应。

304、以预设数量为单位，获取所述N个微服务实例中的任一微服务实例对应的存储区域中的分区数据的数据流，所述数据流包括人脸图像集合，所述人脸图像集合包括多个第一人脸图像。

305、在微服务实例i获取到对应分区数据中的所述预设数量的数据流后，通过所述微服务实例i中的所述预设数量的线程中每一线程对对应的所述人脸图像集合中每一第一人脸图像与目标对象列表进行比对，所述目标对象列表中包含多个目标对象，每一目标对象对应至少一个第二人脸图像，所述多个目标对象与多个人脸记录一一对应，所述多个人脸记录中每一人脸记录用于记录对应目标对象出现的数据，所述微服务实例i为所述N个微服务实例中的任一微服务实例。

306、若所述目标对象列表中存在与所述每一第一人脸图像比对成功的第二人脸图像，在所述第二人脸图像对应的目标对象的人脸记录中添加包含所述比对成功的第一人脸图像的记录。

307、若所述目标对象列表中不存在与所述每一第一人脸图像比对成功的目标人脸图像，在所述目标对象列表中添加比对失败的第一人脸图像对应的新的目标对象，添加所述新的目标对象对应的人脸记录。

308、选取所述目标对象列表中所有目标对象的所有人脸记录中目标对象出现的出现次数超过预设阈值的目标人脸记录，得到至少一个目标人脸记录。

309、将所述至少一个目标人脸记录对应的目标对象确认为徘徊对象。

其中，上述步骤301-步骤309所描述的徘徊人员识别方法可参考图1所描述的徘徊人员识别方法的对应步骤。

可以看出，通过本申请实施例所描述的徘徊人员识别方法，获取由指定范围内的摄像头拍摄的拍摄数据，根据预设算法将拍摄数据划分为N个分区数据，并将N个分区数据分别存储到N个存储区域，确定用于对拍摄数据进行处理的N个微服务实例，以预设数量为单位，获取N个微服务实例中的任一微服务实例对应的存储区域中的分区数据的数据流，在任一微服务实例i获取到对应分区数据中的预设数量的数据流后，通过微服务实例i中的预设数量的线程对预设数量的数据流进行处理，得到至少一个徘徊对象，或者，以预设时间长度为单位，获取N个微服务实例中的任一微服务实例对应的分区数据的数据流，在微服务实例i获取到对应分区数据中的所述预设时间长度内的目标数量的数据流后，通过微服务实例i中的目标数量的线程对目标数量的数据流进行处理，得到至少一个徘徊对象，如此，可将摄像头拍摄的拍摄数据分为多个分区数据，通过多个微服务实例同步处理多个分区数据，从而，减少CPU消耗和内存消耗，此外，微服务实例针对每一分区数据通过数据流方式数据，并通过多个线程同步处理，可平衡微服务架构中通过摄像头获取拍摄数据的能力和微服务实例对存储区域中的分区数据进行处理的能力，提高徘徊人员识别的效率。

与上述一致地，以下为实施上述徘徊人员识别方法的装置，具体如下：

请参阅图4，图4为本申请实施例提供的一种徘徊人员识别装置的结构示意图，如图4所示，该徘徊人员识别装置包括处理器、存储器、通信接口，以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，上述程序包括用于执行以下步骤的指令：

获取由指定范围内的摄像头拍摄的拍摄数据；

根据预设算法将所述拍摄数据划分为N个分区数据，并将所述N个分区数据分别存储到N个存储区域，N为大于1的整数；

获取N个微服务实例，所述N个微服务实例与所述N个存储区域的N个分区数据一一对应；

通过所述N个微服务实例中每一微服务实例对对应的分区数据进行处理，得到至少一个徘徊对象。

在一个可能的示例中，在所述获取N个微服务实例方面，上述程序包括用于执行以下步骤的指令：

确定所述拍摄数据的目标人脸图像数量；

按照预设的人脸图像数量与微服务实例数量之间的映射关系，确定所述目标人脸图像数量对应的M，并获取M个微服务实例，M为正整数；

若所述M小于N，将所述M个微服务实例扩展至所述N个微服务实例。

在一个可能的示例中，在所述通过所述N个微服务实例中每一微服务实例对对应的分区数据进行处理，得到至少一个徘徊对象方面，上述程序包括用于执行以下步骤的指令：

以预设数量为单位，通过所述N个微服务实例中每一微服务实例获取对应存储区域中的分区数据的数据流；

在微服务实例i获取到对应分区数据中的所述预设数量的数据流后，通过所述微服务实例i中的所述预设数量的线程对所述预设数量的数据流进行处理，得到至少一个徘徊对象，每一线程对应一个数据流，所述微服务实例i为所述N个微服务实例中的任一微服务实例。

在一个可能的示例中，在所述通过所述N个微服务实例中每一微服务实例对对应的分区数据进行处理，得到至少一个徘徊对象方面，上述程序包括用于执行以下步骤的指令：

以预设时间长度为单位，通过所述N个微服务实例中每一微服务实例获取对应存储区域中的分区数据的数据流；

在所述微服务实例i获取到对应分区数据中的所述预设时间长度内的目标数量的数据流后，通过所述微服务实例i中的所述目标数量的线程对所述目标数量的数据流进行处理，得到至少一个徘徊对象，每一线程对应一个数据流。

在一个可能的示例中，所述数据流包括人脸图像集合，所述人脸图像集合包括多个第一人脸图像，在所述通过所述微服务实例i中的所述预设数量的线程对所述预设数量的数据流进行处理方面，上述程序包括用于执行以下步骤的指令：

通过所述微服务实例i中的所述预设数量的线程中每一线程对对应的所述人脸图像集合中每一第一人脸图像与目标对象列表进行比对，所述目标对象列表中包含多个目标对象，每一目标对象对应至少一个第二人脸图像，所述多个目标对象与多个人脸记录一一对应，所述多个人脸记录中每一人脸记录用于记录对应目标对象出现的数据；

若所述目标对象列表中存在与所述每一第一人脸图像比对成功的第二人脸图像，在所述第二人脸图像对应的目标对象的人脸记录中添加包含所述比对成功的第一人脸图像的记录；

若所述目标对象列表中不存在与所述每一第一人脸图像比对成功的目标人脸图像，在所述目标对象列表中添加比对失败的第一人脸图像对应的新的目标对象，添加所述新的目标对象对应的人脸记录；

选取所述目标对象列表中所有目标对象的所有人脸记录中目标对象出现的出现次数超过预设阈值的目标人脸记录，得到至少一个目标人脸记录；

将所述至少一个目标人脸记录对应的目标对象确认为徘徊对象。

本申请实施例可以根据上述方法示例对服务器进行功能单元的划分，例如，可以对应各个功能划分各个功能单元，也可以将两个或两个以上的功能集成在一个处理单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。需要说明的是，本申请实施例中对单元的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

请参阅图5，为本申请实施例提供的一种徘徊人员识别装置的实施例结构示意图。本实施例中所描述的徘徊人员识别装置，包括：获取单元501、划分单元502和处理单元503，具体如下：

获取单元501，用于获取由指定范围内的摄像头拍摄的拍摄数据；

划分单元502，用于根据预设算法将所述拍摄数据划分为N个分区数据，并将所述N个分区数据分别存储到N个存储区域，N为大于1的整数；

所述获取单元501，还用于获取N个微服务实例，所述N个微服务实例与所述N个存储区域的N个分区数据一一对应；

处理单元504，用于通过所述N个微服务实例中每一微服务实例对对应的分区数据进行处理，得到至少一个徘徊对象。

可选地，在所述获取N个微服务实例方面，所述获取单元501具体用于：

确定所述拍摄数据的目标人脸图像数量；

按照预设的人脸图像数量与微服务实例数量之间的映射关系，确定所述目标人脸图像数量对应的M，并获取M个微服务实例，M为正整数；

若所述M小于N，将所述M个微服务实例扩展至所述N个微服务实例。

可选地，所述处理单元503具体用于：

以预设数量为单位，通过所述N个微服务实例中每一微服务实例获取对应存储区域中的分区数据的数据流；

在微服务实例i获取到对应分区数据中的所述预设数量的数据流后，通过所述微服务实例i中的所述预设数量的线程对所述预设数量的数据流进行处理，得到至少一个徘徊对象，每一线程对应一个数据流，所述微服务实例i为所述N个微服务实例中的任一微服务实例。

可选地，所述处理单元503具体用于：

以预设时间长度为单位，通过所述N个微服务实例中每一微服务实例获取对应存储区域中的分区数据的数据流；

在所述微服务实例i获取到对应分区数据中的所述预设时间长度内的目标数量的数据流后，通过所述微服务实例i中的所述目标数量的线程对所述目标数量的数据流进行处理，得到至少一个徘徊对象，每一线程对应一个数据流。

可选地，所述数据流包括人脸图像集合，所述人脸图像集合包括多个第一人脸图像，在所述通过所述微服务实例i中的所述预设数量的线程对所述预设数量的数据流进行处理，得到至少一个徘徊对象方面，所述处理单元503具体用于：

通过所述微服务实例i中的所述预设数量的线程中每一线程对对应的所述人脸图像集合中每一第一人脸图像与目标对象列表进行比对，所述目标对象列表中包含多个目标对象，每一目标对象对应至少一个第二人脸图像，所述多个目标对象与多个人脸记录一一对应，所述多个人脸记录中每一人脸记录用于记录对应目标对象出现的数据；

若所述目标对象列表中存在与所述每一第一人脸图像比对成功的第二人脸图像，在所述第二人脸图像对应的目标对象的人脸记录中添加包含所述比对成功的第一人脸图像的记录；

若所述目标对象列表中不存在与所述每一第一人脸图像比对成功的目标人脸图像，在所述目标对象列表中添加比对失败的第一人脸图像对应的新的目标对象，添加所述新的目标对象对应的人脸记录；

选取所述目标对象列表中所有目标对象的所有人脸记录中目标对象出现的出现次数超过预设阈值的目标人脸记录，得到至少一个目标人脸记录；

将所述至少一个目标人脸记录对应的目标对象确认为徘徊对象。

可以看出，通过本申请实施例所描述的徘徊人员识别装置，获取由指定范围内的摄像头拍摄的拍摄数据，根据预设算法将拍摄数据划分为N个分区数据，并将N个分区数据分别存储到N个存储区域，获取N个微服务实例，通过N个微服务实例中每一微服务实例对对应的分区数据进行处理，得到至少一个徘徊对象，如此，可将摄像头拍摄的拍摄数据分为多个分区数据，通过多个微服务实例同步处理多个分区数据，从而，减少CPU消耗和内存消耗。

本申请实施例还提供一种计算机存储介质，其中，该计算机存储介质可存储有程序，该程序执行时包括上述方法实施例中记载的任何一种徘徊人员识别方法的部分或全部步骤。

尽管在此结合各实施例对本申请进行了描述，然而，在实施所要求保护的本申请过程中，本领域技术人员通过查看所述附图、公开内容、以及所附权利要求书，可理解并实现所述公开实施例的其他变化。在权利要求中，“包括”(comprising)一词不排除其他组成部分或步骤，“一”或“一个”不排除多个的情况。单个处理器或其他单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施，但这并不表示这些措施不能组合起来产生良好的效果。

本领域技术人员应明白，本申请的实施例可提供为方法、装置(设备)、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。计算机程序存储/分布在合适的介质中，与其它硬件一起提供或作为硬件的一部分，也可以采用其他分布形式，如通过Internet或其它有线或无线电信系统。

本申请是参照本申请实施例的方法、装置(设备)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装置。

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装置的制造品，该指令装置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。

尽管结合具体特征及其实施例对本申请进行了描述，显而易见的，在不脱离本申请的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是所附权利要求所界定的本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (10)

1.一种微服务架构下的徘徊人员识别方法，其特征在于，包括：

获取由指定范围内的摄像头拍摄的拍摄数据；

根据预设算法将所述拍摄数据划分为N个分区数据，并将所述N个分区数据分别存储到N个存储区域，N为大于1的整数；

获取N个微服务实例，所述N个微服务实例与所述N个存储区域的N个分区数据一一对应；

通过所述N个微服务实例中每一微服务实例对对应的分区数据进行处理，得到至少一个徘徊对象。

2.根据权利要求1所述的方法，其特征在于，所述获取N个微服务实例，包括：

确定所述拍摄数据的目标人脸图像数量；

按照预设的人脸图像数量与微服务实例数量之间的映射关系，确定所述目标人脸图像数量对应的M，并获取M个微服务实例，M为正整数；

若所述M小于N，将所述M个微服务实例扩展至所述N个微服务实例。

3.根据权利要求1或2所述的方法，其特征在于，所述通过所述N个微服务实例中每一微服务实例对对应的分区数据进行处理，得到至少一个徘徊对象，包括：

以预设数量为单位，通过所述N个微服务实例中每一微服务实例获取对应存储区域中的分区数据的数据流；

在微服务实例i获取到对应分区数据中的所述预设数量的数据流后，通过所述微服务实例i中的所述预设数量的线程对所述预设数量的数据流进行处理，得到至少一个徘徊对象，每一线程对应一个数据流，所述微服务实例i为所述N个微服务实例中的任一微服务实例。

4.根据权利要求3所述的方法，其特征在于，所述数据流包括人脸图像集合，所述人脸图像集合包括多个第一人脸图像，所述通过所述微服务实例i中的所述预设数量的线程对所述预设数量的数据流进行处理，得到至少一个徘徊对象，包括：

通过所述微服务实例i中的所述预设数量的线程中每一线程对对应的所述人脸图像集合中每一第一人脸图像与目标对象列表进行比对，所述目标对象列表中包含多个目标对象，每一目标对象对应至少一个第二人脸图像，所述多个目标对象与多个人脸记录一一对应，所述多个人脸记录中每一人脸记录用于记录对应目标对象出现的数据；

若所述目标对象列表中存在与所述每一第一人脸图像比对成功的第二人脸图像，在所述第二人脸图像对应的目标对象的人脸记录中添加包含所述比对成功的第一人脸图像的记录；

若所述目标对象列表中不存在与所述每一第一人脸图像比对成功的目标人脸图像，在所述目标对象列表中添加比对失败的第一人脸图像对应的新的目标对象，添加所述新的目标对象对应的人脸记录；

选取所述目标对象列表中所有目标对象的所有人脸记录中目标对象出现的出现次数超过预设阈值的目标人脸记录，得到至少一个目标人脸记录；

将所述至少一个目标人脸记录对应的目标对象确认为徘徊对象。

5.根据权利要求1或2所述的方法，其特征在于，所述通过所述N个微服务实例中每一微服务实例对对应的分区数据进行处理，得到至少一个徘徊对象，包括：

以预设时间长度为单位，通过所述N个微服务实例中每一微服务实例获取对应存储区域中的分区数据的数据流；

在所述微服务实例i获取到对应分区数据中的所述预设时间长度内的目标数量的数据流后，通过所述微服务实例i中的所述目标数量的线程对所述目标数量的数据流进行处理，得到至少一个徘徊对象，每一线程对应一个数据流。

6.一种徘徊人员识别装置，其特征在于，包括:

获取单元，用于获取由指定范围内的摄像头拍摄的拍摄数据；

划分单元，用于根据预设算法将所述拍摄数据划分为N个分区数据，并将所述N个分区数据分别存储到N个存储区域，N为大于1的整数；

所述获取单元，还用于获取N个微服务实例，所述N个微服务实例与所述N个存储区域的N个分区数据一一对应；

处理单元，用于通过所述N个微服务实例中每一微服务实例对对应的分区数据进行处理，得到至少一个徘徊对象。

7.根据权利要求6所述的装置，其特征在于，在所述获取N个微服务实例方面，所述获取单元具体用于：

确定所述拍摄数据的目标人脸图像数量；

按照预设的人脸图像数量与微服务实例数量之间的映射关系，确定所述目标人脸图像数量对应的M，并获取M个微服务实例，M为正整数；

若所述M小于N，将所述M个微服务实例扩展至所述N个微服务实例。

8.根据权利要求6或7所述的装置，其特征在于，所述处理单元具体用于：

以预设数量为单位，通过所述N个微服务实例中每一微服务实例获取对应存储区域中的分区数据的数据流；

在微服务实例i获取到对应分区数据中的所述预设数量的数据流后，通过所述微服务实例i中的所述预设数量的线程对所述预设数量的数据流进行处理，得到至少一个徘徊对象，每一线程对应一个数据流，所述微服务实例i为所述N个微服务实例中的任一微服务实例。

9.一种徘徊人员识别装置，其特征在于，包括处理器、存储器，所述存储器用于存储一个或多个程序，并且被配置由所述处理器执行，所述程序包括用于执行如权利要求1-5任一项所述的方法中的步骤的指令。

10.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行以实现如权利要求1-5任一项所述的方法。