CN110472526A - 一种基于人脸识别的边缘处理设备及方法 - Google Patents
一种基于人脸识别的边缘处理设备及方法 Download PDFInfo
- Publication number
- CN110472526A CN110472526A CN201910681816.8A CN201910681816A CN110472526A CN 110472526 A CN110472526 A CN 110472526A CN 201910681816 A CN201910681816 A CN 201910681816A CN 110472526 A CN110472526 A CN 110472526A
- Authority
- CN
- China
- Prior art keywords
- face
- recognition
- calculate node
- central host
- identified
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- 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
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
- H04L67/1004—Server selection for load balancing
- H04L67/1008—Server selection for load balancing based on parameters of servers, e.g. available memory or workload
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Computer Security & Cryptography (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Library & Information Science (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种基于人脸识别的边缘处理设备及方法,包括中心主机、交换机和多个计算节点,多个计算节点均通过交换机与中心主机连接。中心主机接收请求,进行合法性验证;当接收到人脸注册请求时,根据每个计算节点的当前运行状态进行匹配,将人脸特征信息下发至所匹配的计算节点进行存储;当接收到人脸识别请求时,将采集到的待识别图片并发至各计算节点;各计算节点根据各自存储的人脸特征库对待识别图片进行检测和识别,并将识别结果返回至中心主机进行聚合分析,输出最终结果。本发明大大提高人脸特征库的数量,避免了大容量底库识别速度慢的问题,既可以满足小容量底库的应用场景,又适用于大容量、高效率的场景,大大降低了设备的成本。
Description
技术领域
本发明涉及一种人脸识别的边缘处理设备及方法,适用于停车场、小区、展览馆、园区、地铁等安全要求较高的场所,用于人脸识别,身份认证,属于生物识别领域。
背景技术
在计算机及网络技术高速发展的现代社会中,信息安全显示出前所未有的重要性。身份识别及鉴定是保证系统安全的重要前提,在国家安全、公安、司法、电子商务、电子政务、安全检查、保安监控等应用领域,都需要准确的身份识别及鉴定。目前,个人身份鉴别主要依靠ID卡和密码等手段,由于技术的发展,这些手段安全性越来越得不到保障,因此,目前广泛使用的依靠证件、个人识别号码、口令等传统的方法来确认个人身份的技术面临着严峻的挑战,已不能适应现代科技发展和社会进步的需要。
随着现代科技的发展,尤其是生物特征识别技术的突破,基于人脸的个人身份识别具有更好的安全性、可靠性和有效性,应用也越来越广泛。同时,还能够对人脸识别的结果做进一步分析,得到相关人员的性别、年龄、表情等诸多信息,扩展了人脸识别的应用前景。业内专家估计,未来5年,中国将形成近百亿元的市场。
但是目前要想做到较高的识别精准度,计算压力也较大,识别速度较慢。
发明内容
发明目的:为了提高人脸识别速度,本发明提供一种基于人脸识别的边缘处理设备。
本发明的另一目的是提供一种基于人脸识别的边缘处理方法。
技术方案:一种基于人脸识别的边缘处理设备,包括中心主机、交换机和多个计算节点,多个计算节点均通过交换机与中心主机连接,所述中心主机用于接收人脸特征信息并将人脸特征信息下发至匹配的计算节点进行存储;中心主机用于接收人脸识别请求并将待识别图片并发至多个计算节点进行识别;中心主机用于接收多个计算节点发送的识别结果并将识别结果进行聚合分析,输出最终结果;所述计算节点用于存储人脸特征库、对待识别图片进行识别、将识别结果返回给中心主机。
进一步的,还包括显示装置,所述显示装置与中心主机连接,显示装置用于显示中心主机的运行状态、各计算节点的运行状态和参数、人脸特征库及识别结果。
进一步的,所述计算节点采用安卓主板。
进一步的,还包括电源装置,所述电源装置用于为中心主机、交换机、计算节点供电;电源装置还包括应急电源,应急电源用于异常断电后的数据存储。
进一步的,中心主机还用于对计算节点进行动态分配地址和下发参数,监控计算节点的运行状态,对异常计算节点进行报警提醒。
一种基于人脸识别的边缘处理方法,包括以下步骤:
中心主机对与中心主机连接的计算节点分配地址并下发参数;
中心主机接收请求,对请求报文格式和请求地址进行合法性验证,验证通过后执行:
当接收到人脸注册请求时,根据每个计算节点的当前运行状态进行匹配,将采集到的人脸特征信息下发至所匹配的计算节点进行存储,形成人脸特征库;
当接收到人脸识别请求时,将采集到的待识别图片并发至各计算节点;各计算节点根据各自存储的人脸特征库对待识别图片进行检测和识别,并将识别结果返回至中心主机;中心主机对识别结果进行聚合分析,输出最终结果。
进一步的,根据每个计算节点的当前运行状态进行匹配时,中心主机先监控每个计算节点的运行状态,对异常状态的计算节点进行报警提醒;对于正常状态的计算节点,根据人脸特征库数量、CPU使用率、内存占用率进行匹配,将当前人脸特征信息下发至匹配的计算节点进行存储。
进一步的,所述计算节点的当前运行状态包括当前人脸特征库数量、CPU使用率、内存占用率、IO使用情况。
进一步的,所述采集到的人脸特征信息和采集到的待识别图片由人脸识别终端采集而来,在人脸识别终端中,人脸特征信息和待识别图片为脱密数据;人脸识别边缘处理设备接收到人脸特征信息和待识别图片后先进行加密处理再发送至计算节点。
进一步的,中心主机对与中心主机连接的计算节点分配地址并下发参数,其中计算节点根据需要进行动态扩展,将新增的计算节点注册到中心主机中。
有益效果:本发明提供一种基于人脸识别的边缘处理设备及方法,将人脸特征库进行分计算节点存储,运用中心主机进行管理的方法,可以大大提高人脸特征库的数量,避免了大容量底库识别速度慢的问题。通过动态添加计算节点的方式,既可以满足小容量底库的应用场景,又适用于大容量、高效率的场景。采用安卓主板作为计算节点,相比于同等性能的人脸识别服务器,大大降低了设备的成本。本发明适用于人脸考勤、门禁、展览馆、社区、园区、地铁等场景,市场前景较为可观。
附图说明
图1为人脸识别边缘处理设备框架图;
图2为人脸识别边缘处理设备应用架构图;
图3为人脸识别边缘处理方法流程图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明。
一种基于人脸识别的边缘处理设备,用于人脸检测和识别,实现个人身份认证,主要包括中心主机、计算节点、交换机、电源装置以及显示装置。如图1,多个计算节点均通过交换机与中心主机连接,显示装置与中心主机连接,显示监控运行状态,电源装置为其他部分供电,并可以保证断电情况下数据的存储。
以下将对设备内所包含的部件做进一步详细的介绍:
中心主机:中心主机对计算节点进行管理和监控。
(1)中心主机对请求报文格式和请求地址进行合法性验证,过滤掉异常报文并记录。
(2)当有新的人脸注册进来时,中心主机根据每个计算节点的当前运行状态(节点内人脸特征库数量、CPU使用率、内存占用率等信息)进行匹配,将当前人脸特征信息下发到最适合的计算节点进行存储,最适合的计算节点指当前所有计算节点中,CPU使用率、内存占用率以及人脸特征库都相对其他计算节点较小的,可以将三个参数量化,比如:当前计算节点的值=人脸库数量x0.2+CPU使用率x0.4+内存占用率x0.4,具体的系数根据设备的性能进行设置,最合适的即为计算节点的值最小的。
(3)当接收到人脸识别请求时,中心主机将待识别图片信息并发至每一个计算节点进行检测和识别,并将返回的计算结果进行聚合分析,完成后输出最终结果。
(4)对注册进来的计算节点进行动态分配地址和下发参数,该参数主要指计算节点的运行参数,包括节点编号、请求地址、采样频率、功能配置等,监控每一个计算节点的运行状态,对异常节点进行报警提醒。
计算节点:采用安卓主板作为计算节点,用于人脸特征库的存储、更新、删除,对图像进行人脸检测和识别,同时可以输出人脸其他特征信息(如:年龄、性别、表情等)。根据实际使用情况,对计算节点进行动态扩展,新增的计算节点会主动注册到中心主机,并获取地址和参数。计算节点检测自身运行状态,主要包括当前人脸特征库数量、CPU使用率、内存占用率、IO使用情况等,主动上传至中心主机进行监控。
交换机:主要用于中心主机与计算节点之间的网络传输。
电源装置:为整个设备提供电源,以及保证异常断电之后的数据存储,避免数据丢失。
显示装置:提供可视化的数据监控管理。显示中心主机的当前运行状态、每个计算节点的运行状态和参数、人脸特征库信息、异常请求信息、异常报警信息等,同时可以通过显示装置,对中心主机以及计算节点参数进行人工配置。
该基于人脸识别的边缘处理设备与人脸识别终端连接,人脸识别终端采集人脸信息后将其传输给边缘处理设备。
本实施例可适用于人脸考勤、门禁、展览馆、社区、园区、地铁等多个场景,如图3所示,设备与各场景下的人脸识别终端连接。同时对于接入的人脸识别终端设备而言,所有的数据是脱密的,涉密数据在人脸识别边缘处理设备中进行加密处理,保证了数据的安全性。
如图3,一种基于人脸识别的边缘处理方法如下:
中心主机对与中心主机连接的计算节点分配地址并下发参数;
中心主机接收请求,首先对请求地址进行授权验证,然后对报文合法性进行校验,两次验证完成后后执行:
当接收到人脸注册请求时,根据每个计算节点的当前运行状态进行匹配,将采集到的人脸特征信息下发至所匹配的计算节点进行存储,形成人脸特征库,各计算节点存储有各自的人脸特征库;
当有人员使用人脸识别终端进行身份认证时,人脸识别终端将抽取的图像信息通过接口发送到人脸识别边缘处理设备,中心主机在接收到人脸识别请求时,将请求图像信息并发至每个计算节点,计算节点根据收到的图像信息到各自的人脸特征库中去比对,返回比对结果至中心主机。中心主机对计算节点的返回数据进行聚合分析,将结果返回至人脸识别终端。
在人脸识别边缘处理设备上增加了显示模块,通过可视化的显示效果将整个设备的运行状态和数据进行展示,更加直观。
Claims (10)
1.一种基于人脸识别的边缘处理设备,其特征在于,包括中心主机、交换机和多个计算节点,多个计算节点均通过交换机与中心主机连接,所述中心主机用于接收人脸特征信息并将人脸特征信息下发至匹配的计算节点进行存储;中心主机用于接收人脸识别请求并将待识别图片并发至多个计算节点进行识别;中心主机用于接收多个计算节点发送的识别结果并将识别结果进行聚合分析,输出最终结果;所述计算节点用于存储人脸特征库、对待识别图片进行识别、将识别结果返回给中心主机。
2.根据权利要求1所述的基于人脸识别的边缘处理设备,其特征在于,还包括显示装置,所述显示装置与中心主机连接,显示装置用于显示中心主机的运行状态、各计算节点的运行状态和参数、人脸特征库及识别结果。
3.根据权利要求1所述的基于人脸识别的边缘处理设备,其特征在于,所述计算节点采用安卓主板。
4.根据权利要求1所述的基于人脸识别的边缘处理设备,其特征在于,还包括电源装置,所述电源装置用于为中心主机、交换机、计算节点供电;电源装置还包括应急电源,应急电源用于异常断电后的数据存储。
5.根据权利要求1所述的基于人脸识别的边缘处理设备,其特征在于,中心主机还用于对计算节点进行动态分配地址和下发参数,监控计算节点的运行状态,对异常计算节点进行报警提醒。
6.一种基于人脸识别的边缘处理方法,其特征在于,包括以下步骤:
中心主机对与中心主机连接的计算节点分配地址并下发参数;
中心主机接收请求,对请求报文格式和请求地址进行合法性验证,验证通过后执行:
当接收到人脸注册请求时,根据每个计算节点的当前运行状态进行匹配,将采集到的人脸特征信息下发至所匹配的计算节点进行存储,形成人脸特征库;
当接收到人脸识别请求时,将采集到的待识别图片并发至各计算节点;各计算节点根据各自存储的人脸特征库对待识别图片进行检测和识别,并将识别结果返回至中心主机;中心主机对识别结果进行聚合分析,输出最终结果。
7.根据权利要求6所述的基于人脸识别的边缘处理方法,其特征在于,根据每个计算节点的当前运行状态进行匹配时,中心主机先监控每个计算节点的运行状态,对异常状态的计算节点进行报警提醒;对于正常状态的计算节点,根据人脸特征库数量、CPU使用率、内存占用率进行匹配,将当前人脸特征信息下发至匹配的计算节点进行存储。
8.根据权利要求6所述的基于人脸识别的边缘处理方法,其特征在于,所述计算节点的当前运行状态包括当前人脸特征库数量、CPU使用率、内存占用率、IO使用情况。
9.根据权利要求6所述的基于人脸识别的边缘处理方法,其特征在于,所述采集到的人脸特征信息和采集到的待识别图片由人脸识别终端采集而来,在人脸识别终端中,人脸特征信息和待识别图片为脱密数据;人脸识别边缘处理设备接收到人脸特征信息和待识别图片后先进行加密处理再发送至计算节点。
10.根据权利要求6所述的基于人脸识别的边缘处理方法,其特征在于,中心主机对与中心主机连接的计算节点分配地址并下发参数,其中计算节点根据需要进行动态扩展,将新增的计算节点注册到中心主机中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910681816.8A CN110472526A (zh) | 2019-07-26 | 2019-07-26 | 一种基于人脸识别的边缘处理设备及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910681816.8A CN110472526A (zh) | 2019-07-26 | 2019-07-26 | 一种基于人脸识别的边缘处理设备及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110472526A true CN110472526A (zh) | 2019-11-19 |
Family
ID=68509094
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910681816.8A Pending CN110472526A (zh) | 2019-07-26 | 2019-07-26 | 一种基于人脸识别的边缘处理设备及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110472526A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112488028A (zh) * | 2020-12-10 | 2021-03-12 | 马健 | 一种无需采集人脸的人脸识别方法及身份识别模块 |
CN113886081A (zh) * | 2021-09-29 | 2022-01-04 | 南京地铁建设有限责任公司 | 一种基于负载均衡的车站多刷脸阵列人脸库分割方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1822025A (zh) * | 2006-03-08 | 2006-08-23 | 北京邮电大学 | 一种基于网格的并行、分布式识别人脸的方法 |
CN101201894A (zh) * | 2007-11-06 | 2008-06-18 | 重庆大学 | 基于网格计算技术的大规模人脸数据库人脸识别方法 |
CN105005363A (zh) * | 2015-07-14 | 2015-10-28 | 深圳市英飞云智能技术有限公司 | 基于通用型arm架构的服务器平台 |
CN105528283A (zh) * | 2015-12-10 | 2016-04-27 | 北京邮电大学 | 一种移动应用检测负载均衡算法中计算负载值的方法 |
CN106570087A (zh) * | 2016-10-20 | 2017-04-19 | 中国电子科技集团公司第二十八研究所 | 一种基于分布式的人脸识别系统 |
CN108446680A (zh) * | 2018-05-07 | 2018-08-24 | 西安电子科技大学 | 一种基于边缘计算的人脸认证系统中的隐私保护方法 |
CN109614951A (zh) * | 2018-12-27 | 2019-04-12 | 广东金杭科技有限公司 | 人像对比任务分发处理算法 |
CN109858401A (zh) * | 2019-01-15 | 2019-06-07 | 安徽杰锐达智能科技有限公司 | 人脸相似特征对比识别分析系统及方法 |
-
2019
- 2019-07-26 CN CN201910681816.8A patent/CN110472526A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1822025A (zh) * | 2006-03-08 | 2006-08-23 | 北京邮电大学 | 一种基于网格的并行、分布式识别人脸的方法 |
CN101201894A (zh) * | 2007-11-06 | 2008-06-18 | 重庆大学 | 基于网格计算技术的大规模人脸数据库人脸识别方法 |
CN105005363A (zh) * | 2015-07-14 | 2015-10-28 | 深圳市英飞云智能技术有限公司 | 基于通用型arm架构的服务器平台 |
CN105528283A (zh) * | 2015-12-10 | 2016-04-27 | 北京邮电大学 | 一种移动应用检测负载均衡算法中计算负载值的方法 |
CN106570087A (zh) * | 2016-10-20 | 2017-04-19 | 中国电子科技集团公司第二十八研究所 | 一种基于分布式的人脸识别系统 |
CN108446680A (zh) * | 2018-05-07 | 2018-08-24 | 西安电子科技大学 | 一种基于边缘计算的人脸认证系统中的隐私保护方法 |
CN109614951A (zh) * | 2018-12-27 | 2019-04-12 | 广东金杭科技有限公司 | 人像对比任务分发处理算法 |
CN109858401A (zh) * | 2019-01-15 | 2019-06-07 | 安徽杰锐达智能科技有限公司 | 人脸相似特征对比识别分析系统及方法 |
Non-Patent Citations (1)
Title |
---|
李海跃 等: "海量视频人脸提取与识别并行框架设计及优化", 《计算机应用研究》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112488028A (zh) * | 2020-12-10 | 2021-03-12 | 马健 | 一种无需采集人脸的人脸识别方法及身份识别模块 |
CN113886081A (zh) * | 2021-09-29 | 2022-01-04 | 南京地铁建设有限责任公司 | 一种基于负载均衡的车站多刷脸阵列人脸库分割方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104605939B (zh) | 生理信息处理方法及信息处理装置 | |
CN105975964B (zh) | 一种基于感知通道的智能综合应用平台 | |
US20100239130A1 (en) | System and method for performing rapid facial recognition | |
CN111918039B (zh) | 基于5g网络的人工智能高风险作业管控系统 | |
CN205334561U (zh) | 一种基于多模态生物识别技术的云考勤系统 | |
CN112328995B (zh) | 一种基于tof图像传感器验证的社会管理系统 | |
CN113176978A (zh) | 基于日志文件的监控方法、系统、设备及可读存储介质 | |
CN106296017A (zh) | 一种客房入住的管理方法及装置 | |
CN111476171A (zh) | 分布式对象识别系统、方法及边缘计算设备 | |
CN113792836B (zh) | 多层级安全智慧园区控制方法和系统 | |
Sha et al. | Data quality challenges in cyber-physical systems | |
CN110472526A (zh) | 一种基于人脸识别的边缘处理设备及方法 | |
CN112507314B (zh) | 客户身份核实方法、装置、电子设备及存储介质 | |
CN111597589A (zh) | 信息真实性的保护方法及系统 | |
CN114861211B (zh) | 一种面向元宇宙场景的数据隐私保护方法、系统、存储介质 | |
CN113949652A (zh) | 基于人工智能的用户异常行为检测方法、装置及相关设备 | |
CN113127904B (zh) | 一种访问控制策略智能优化系统及方法 | |
CN110288731A (zh) | 一种解锁方法、装置及电子门锁 | |
CN109542723A (zh) | 一种公安部门机房管理系统及管理方法 | |
CN109801394A (zh) | 一种工作人员考勤方法及装置、电子设备和可读存储介质 | |
CN109409295A (zh) | 多终端立体化智能人证核验系统 | |
CN113301566B (zh) | 基于5g边缘计算的二标四实数据安全访问系统 | |
CN208337765U (zh) | 执勤管理系统 | |
CN110490123A (zh) | 来访人员识别方法及装置 | |
CN115292272B (zh) | 企业级权限管理的方法、系统、电子设备以及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191119 |