CN112487082B - 一种生物特征识别的方法及相关设备 - Google Patents

Abstract

本申请提供了一种生物特征识别的方法和相关设备。其中，该方法包括：第一边缘节点接收第二边缘节点发送的包括第一生物特征的广播信息；第一边缘节点确定该第一生物特征出现在该第一边缘节点所管理范围内的概率值大于或等于预设阈值，第一边缘节点将该第一生物特征存储于第一边缘生物特征库；第一边缘节点利用第一边缘生物特征库对在第一边缘节点管理范围内采集的生物特征进行识别。上述方法能够提高生物特征识别的响应速度，保证生物特征识别的实时性和稳定性。

Description

一种生物特征识别的方法及相关设备

技术领域

本申请涉及生物特征识别技术领域，尤其涉及一种生物特征识别的方法及相关设备。

背景技术

生物特征识别，例如人脸识别、虹膜识别、步态识别等，是利用人的生理特征或行为特征来进行个人身份的鉴定。其中，人脸识别是一种重要的生物特征识别技术，是通过计算机自动判断两幅人脸图像相似度的技术统称。目前人脸识别广泛应用于安防、零售、金融、办公等各个行业和场景。要实现人脸识别首先需要构建人脸库，通过摄像头拍摄、抓取人脸图像、人脸对比、身份识别等步骤完成，对实时性和稳定性要求较高，通常响应时间要求小于1秒。

而生物特征库(例如人脸库)的规模一般较大，需要较大的存储资源，此外，生物特征对比的计算量较大，需要较大的计算资源。为了满足生物特征识别所需要的存储资源和计算资源，一般将生物特征库建立在云环境中，生物特征识别也在云环境中进行。但是云环境离终端设备(例如摄像头、传感器等)较远，传输生物特征信息到云环境中的时延较大，且容易受到网络波动等因素的影响，不能满足实时性和稳定性的要求。

因此，如何减小生物特征识别的时延，保证生物特征识别的实时性和稳定性的要求是目前亟待解决的技术问题。

发明内容

本申请提供了一种生物特征识别的方法及相关设备，可以保证生物特征识别的实时性和稳定性要求，提高生物特征识别的响应速度。

第一方面，提供了一种生物特征识别的方法，包括：第一边缘节点接收第二边缘节点发送的广播信息，所述广播信息包括第一生物特征，该第一边缘节点存储第一边缘生物特征库，所述第一边缘生物特征库包括至少一个生物特征；第一边缘节点确定所述第一生物特征出现在所述第一边缘节点管理范围的概率值大于或等于预设阈值，所述第一边缘节点将所述第一生物特征存储于所述第一边缘生物特征库；第一边缘节点利用所述第一边缘生物特征库对在所述第一边缘节点管理范围内采集的生物特征进行识别。

在本申请实施例中，第一边缘节点通过对接收到的由第二边缘节点广播的第一生物特征进行判断，在该第一生物特征出现在第一边缘节点管理范围内的概率值大于或等于预设阈值的情况下将其存储于第一生物特征库，并利用该第一生物特征库进行生物特征识别，可以提高生物特征识别的响应速度，保证生物特征识别的实时性和稳定性。

结合第一方面，在第一方面一种可能的实现方式中，第一边缘节点向云端管理器查询与所述第一生物特征对应的社交关系信息，所述云端管理器包括社交关系库，所述社交关系库包括生物特征对应的社交关系信息；所述第一边缘节点根据所述第一生物特征对应的社交关系信息，计算所述第一生物特征与所述第一边缘节点的关联度，所述关联度用于指示所述第一生物特征出现在所述第一边缘节点所管理范围内的概率；所述第一边缘节点确定所述关联度的值大于或等于所述预设阈值。

在本申请实施例中，第一边缘节点利用第一生物特征对应的社交关系信息计算第一边缘节点和第一生物特征的关联度，通过该关联度与预设阈值的大小关系确定是否存储该第一生物特征，可以保证所存储的第一生物特征与第一边缘节点的关联度较高，即该第一生物特征出现在第一边缘节点管理范围内的概率较大，可以提高第一生物特征的识别速度，保证识别的实时性和稳定性。

结合第一方面，在第一方面一种可能的实现方式中，所述第一边缘节点读取所述第一边缘生物特征库中的生物特征，并向所述云端管理器查询所述第一生物特征与所述第一边缘生物特征库中的生物特征的社交关系亲密度；所述第一边缘节点向所述云端管理器查询所述第一生物特征对应的个人标签信息和活动轨迹信息。

在本申请实施例中，第一边缘节点通过查询第一生物特征与第一边缘生物特征库中的生物特征的社交关系亲密度，以及该第一生物特征对应的个人标签信息和活动轨迹信息从而得到第一生物特征对应的社交关系信息，保证所获取的社交关系信息的全面性，保证计算得到的关联度的可靠性。

结合第一方面，在第一方面一种可能的实现方式中，所述广播信息还包括所述第二边缘节点的地理位置信息和所述第二边缘节点的标签信息；所述第一边缘节点根据所述第一边缘节点的标签信息和所述第二边缘节点的标签信息，计算第一标签相似度，所述第一边缘节点的标签信息用于指示所述第一边缘节点的类型，所述第二边缘节点的标签信息用于指示所述第二边缘节点的类型；所述第一边缘节点根据第一边缘节点的地理位置信息和所述第二边缘节点的地理位置信息，计算所述第一边缘节点与所述第二边缘节点的距离，根据所述距离和所述活动轨迹信息计算地理位置相似度；所述第一边缘节点根据所述第一边缘节点的标签信息和所述第一生物特征对应的个人标签信息，计算第二标签相似度；所述第一边缘节点根据所述社交关系亲密度、所述第一标签相似度、所述第二标签相似度和所述地理位置相似度中的任意一个或多个，计算所述第一生物特征与所述第一边缘节点的关联度。

在本申请实施例中，第一边缘节点通过先计算第一标签相似度、第二标签相似度、地理位置相似度以及社交关系亲密度，从而根据它们其中的一个或多个进一步计算第一边缘节点与第一生物特征的关联度，可以保证自由灵活的计算得到关联度的值，进而提高生物特征识别的实时性和稳定性。

结合第一方面，在第一方面一种可能的实现方式中，当所述第一边缘节点的存储资源小于预设存储阈值时，所述第一边缘节点按照预设规则删除生物特征；所述预设规则包括：将出现次数小于第一阈值的生物特征进行删除；或者是，将与所述第一边缘节点标签信息的相似度小于第二阈值的生物特征进行删除；或者是，将最后出现时间距离当前时间超过第三阈值的生物特征进行删除。

在本申请实施例中，第一边缘节点在存储资源不足时，按照预设规则删除部分生物特征，可以保证第一边缘节点能够预留足够的存储资源来存储其它边缘节点广播的生物特征，保证生物识别的实时性和稳定性。

结合第一方面，在第一方面一种可能的实现方式中，所述第一边缘节点向云端管理器查询与所述第一边缘节点的距离小于预设距离的第三边缘节点的地址信息，所述云端管理器包括边缘节点信息库，所述边缘节点信息库中包括边缘节点的地理位置信息和地址信息；所述第一边缘节点根据所述第三边缘节点的地址信息，向所述第三边缘节点发送第二广播信息，所述第二广播信息包括第二生物特征。

在本申请实施例中，第一边缘节点不仅接收其它相邻边缘节点广播的生物特征，第一边缘节点还可以通过查询得到其它相邻边缘节点的地址信息，从而向其它边缘节点广播采集得到的第二生物特征，保证其它边缘节点可以对第二生物特征进行判断并存储，从而提高生物特征识别的实时性和稳定性。

第二方面，本申请提供了一种边缘节点，包括：边缘生物特征数据库，用于存储至少一个生物特征；生物特征提取单元，用于接收第二边缘节点广播信息并提取所述广播信息中包括第一生物特征；生物特征管理单元，用于确定所述第一生物特征出现在所述边缘节点所管理范围的概率值大于或等于预设阈值，并将所述第一生物特征存储于所述边缘生物特征数据库；生物特征识别单元，用于利用所述边缘生物特征数据库对在所述边缘节点管理范围内采集的生物特征进行识别。

结合第二方面，在第二方面一种可能的实现方式中，所述生物特征管理单元，还用于：向云端管理器查询与所述第一生物特征对应的社交关系信息，所述云端管理器包括社交关系库，所述社交关系库包括生物特征对应的社交关系信息；根据所述第一生物特征对应的社交关系信息，计算所述第一生物特征与所述边缘节点的关联度，所述关联度用于指示所述第一生物特征出现在所述边缘节点所管理范围内的概率；确定所述关联度的值大于或等于所述预设阈值。

结合第二方面，在第二方面一种可能的实现方式中，所述生物特征管理单元，还用于：读取所述边缘生物特征库中的生物特征，并向所述云端管理器查询所述第一生物特征与所述边缘生物特征库中的生物特征的社交关系亲密度；向所述云端管理器查询所述第一生物特征对应的个人标签信息和活动轨迹信息。

结合第二方面，在第二方面一种可能的实现方式中，所述广播信息还包括所述第二边缘节点的地理位置信息和所述第二边缘节点的标签信息；所述生物特征管理单元，还用于：根据所述边缘节点的标签信息和所述第二边缘节点的标签信息，计算第一标签相似度，所述边缘节点的标签信息用于指示所述边缘节点的类型，所述第二边缘节点的标签信息用于指示所述第二边缘节点的类型；根据所述边缘节点的地理位置信息和所述第二边缘节点的地理位置信息计算所述边缘节点与所述第二边缘节点的距离，根据所述距离和所述活动轨迹信息计算地理位置相似度；根据所述边缘节点的标签信息和所述第一生物特征对应的个人标签信息，计算第二标签相似度；根据所述社交关系亲密度、所述第一标签相似度、所述第二标签相似度和所述地理位置相似度中的任意一个或多个，计算所述第一生物特征与所述边缘节点的关联度。

结合第二方面，在第二方面一种可能的实现方式中，所述生物特征管理单元，还用于：当所述边缘节点的存储资源小于预设存储阈值时，按照预设规则删除生物特征；所述预设规则包括：将出现次数小于第一阈值的生物特征进行删除；或者是，将与所述边缘节点的标签信息的相似度小于第二阈值的生物特征进行删除；或者是，将最后出现时间距离当前时间超过第三阈值的生物特征进行删除。

结合第二方面，在第二方面一种可能的实现方式中，所述生物特征管理单元，还用于向云端管理器查询与所述边缘节点的距离小于预设距离的第三边缘节点的地址信息，所述云端管理器包括边缘节点信息库，所述边缘节点信息库中包括边缘节点的地理位置信息和地址信息；所述生物特征管理单元，还用于根据所述第三边缘节点的地址信息，向所述第三边缘节点发送第二广播信息，所述第二广播信息包括第二生物特征。

第三方面，本申请提供了一种计算设备集群，所述计算设备集群包括至少一个计算设备，每个计算设备包括处理器和存储器，所述至少一个计算设备的处理器用于调用所述至少一个计算设备的存储器中的程序代码以执行上述第一方面以及结合上述第一方面中的任意一种实现方式的方法。

第四方面，本申请提供了一种计算机存储介质，所述计算机存储介质存储有计算机程序，当该计算机程序被处理器执行时实现上述第一方面以及结合上述第一方面中的任意一种实现方式所提供的方法的流程。

第五方面，本申请提供了一种计算机程序，该计算机程序包括指令，当该计算机程序被计算机执行时，使得计算机可以执行上述第一方面以及结合上述第一方面中的任意一种实现方式所提供的方法的流程。

附图说明

图1为本申请实施例提供的一种生物特征识别的流程示意图；

图2为本申请实施例提供的一种人脸识别系统的结构示意图；

图3为本申请实施例提供的一种生物特征识别系统的结构示意图；

图4为本申请实施例提供的一种系统架构示意图；

图5为本申请实施例提供的又一种生物特征识别系统的结构示意图；

图6为本申请实施例提供的一种生物特征识别的方法的流程示意图；

图7为本申请实施例提供的一种计算设备的结构示意图；

图8为本申请实施例提供的一种计算设备集群的结构示意图。

具体实施方式

下面结合附图对本申请实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。

首先，结合附图对本申请中所涉及的部分用语和相关技术进行解释说明，以便于本领域技术人员理解。

生物特征识别技术是指通过计算机与光学、声学、生物传感器和生物统计学原理等高科技手段密切结合，利用人体固有的生理特征和行为特征来进行个人身份的鉴定，已被用于生物识别的生物特征有手形、指纹、脸形、虹膜、视网膜、脉搏、耳廓等。

参见图1，图1是一种生物特征识别的流程示意图。如图1所示，信息采集模块110首先需要进行信息采集，例如利用摄像头或红外相机等光学传感设备采集人脸图像，然后由预处理模块120进行预处理，预处理是指将采集得到的包含生物特征信息的数据进行处理，确定生物特征所在的区域。接着特征处理模块130进行特征处理，将预处理后的信息进行进一步处理，即将生物特征信息转换为表征其特性的一串“数字码”，将最终得到的生物特征存储在生物特征数据库140中，以便于后续进行比对和识别。在生物特征数据库140建立完成后，可以利用该生物特征数据库140对待识别的生物特征进行识别。具体的，信息采集模块110采集包括待识别生物特征信息的数据，预处理模块120对该数据进行预处理，然后特征处理模块130进行特征处理，得到待识别生物特征，之后特征比对模块150将得到的生物特征与生物特征数据库140中所存储的生物特征进行比对，识别出该生物特征的身份。

需要说明的是，要完成生物特征识别，需要事先构建生物特征数据库以及进行生物特征比对。而生物特征数据库的规模比较大，从百万级到亿级，需要较大的存储空间进行存储；此外，由于生物特征数据库较大，因此在进行生物特征比对时，计算量也较大，即需要的计算资源较大。云环境是指云服务提供商拥有的，用于提供计算、存储、通信资源的中心计算设备集群，具备较大的存储资源和计算资源，满足生物特征识别的要求，因此生物特征数据库的建立以及生物特征的比对都是在云环境中进行的。

应理解，云环境虽然可以满足生物特征识别的存储和计算要求，但是云环境离终端设备(例如摄像头、传感器等)较远，在进行生物特征识别时，需要先把生物特征上传到云环境中，待识别完成后，再由云环境返回识别结果。如图2所示，在人脸识别中，摄像头210采集到人脸图像之后发送给边缘节点220，边缘节点220中的人脸特征提取模块221对接收到的人脸图像进行处理，提取人脸特征，然后将该人脸特征上传至云环境中的中心计算设备230，中心计算设备230将接收到的人脸特征与人脸数据库231中人脸特征进行一一比对，若在人脸数据库231中存在与该接收到的人脸特征匹配的人脸特征，则将该人脸特征对应的身份信息返回给边缘节点220；若在人脸数据库231中不存在与该接收到的人脸特征匹配的人脸特征，则返回不存在该人脸特征的消息给边缘节点220。通过上述方式虽然可以完成人脸识别，但是传输人脸特征至云环境，以及从云环境返回识别结果耗时较长，时延较大，而且在传输过程中容易遭受网络波动等因素的影响。

为了减小生物特征识别的时延，可以利用边缘环境(即在地理位置上距离终端设备较近的，用于提供计算、存储、通信资源的边缘计算设备集群)中的边缘节点分担一部分云环境中的中心计算设备的任务和功能，即在边缘节点中构建一个边缘生物特征数据库，该边缘生物特征数据库中包含部分中心生物特征数据库(云环境中所存储的生物特征数据库)中的生物特征数据，并利用该边缘生物特征数据库完成生物特征识别。如图3所示，边缘节点320接收生物特征数据采集设备310采集的包含生物特征的数据，边缘节点320中的生物特征提取模块321对该数据进行处理，提取生物特征，然后将该生物特征与边缘生物特征数据库322中的生物特征进行一一比对，得到生物特征识别的结果。

上述生物特征识别方式可以使得生物特征识别过程在本地就可以完成，但是由于边缘节点的存储资源和计算资源有限，因此只能支持较小规模的边缘生物特征数据库，不能满足大规模生物特征识别场景的需求。此外，若在边缘数据库中没有找到匹配的生物特征，还是需要上传至云环境，由云环境完成生物特征识别过程。

综上所述，本申请提供了一种生物特征识别的方法及相关设备，可以提高生物特征识别的实时性和稳定性，提高生物特征识别的响应速度。

本申请实施例的技术方案可以应用于各种生物特征识别的场景，包括但不限于人脸识别、指纹识别、虹膜识别等。

在一个具体的实施例中，如图4所示，生物特征识别系统可以部署在云环境和边缘环境，具体为云环境上的一个或多个计算设备(例如中心服务器)和边缘环境中的一个或多个计算设备(边缘计算设备)上，边缘计算设备可以为服务器。原始数据采集设备采集生物特征识别所需要的生物特征数据，包括但不限于摄像头、红外相机等。此外，生物特征识别系统包括多个部分(例如包括多个子系统，每个子系统包括多个单元)，各个部分可以分布式部署在不同的环境中。例如，可以在云环境、边缘环境、原始数据采集设备中的三个，或其中任意两个环境上分别部署生物特征识别系统的一部分。

生物特征识别系统用于根据原始数据采集设备采集到的生物特征数据进行生物特征识别，生物特征识别系统内部的单元可以有多种划分方式，本申请对此不作限制。图5为一种示例性的划分方式，如图5所示，生物特征识别系统500包括多个边缘节点510和中心节点520。下面分别简述每个设备及其包括的功能单元的功能。

所示边缘节点510用于接收至少一个原始数据采集设备采集到的生物特征数据。边缘节点510中包括多个功能单元，其中，边缘生物特征数据库511，用于存储边缘节点缓存的生物特征；生物特征提取单元512，用于提取生物特征数据中的生物特征；生物特征识别单元513，用于将生物特征提取单元512得到的生物特征与边缘生物特征数据库511中所存储的生物特征进行一一比对，完成生物特征识别；生物特征管理单元514，用于对边缘生物特征数据库511所存储的生物特征进行管理，例如向相邻的边缘节点广播生物特征、广播本边缘节点的节点信息(例如地理位置信息、标签信息等)，以及是否对接收到的其它相邻边缘节点广播的生物特征进行存储。

可选的，边缘节点510还包括业务处理单元515，用于在生物特征识别单元513完成生物特征识别之后进行相应的业务处理(例如识别到陌生人告警等)。

所示中心节点520用于与边缘节点510进行通信，协助边缘节点510完成生物特征识别。中心节点520包括多个功能单元，其中，中心生物特征数据库521，用于存储一个区域内的所有人脸特征，即中心生物特征数据库521存储了所有边缘生物特征数据库511所存储的生物特征；社交关系库522，用于存储每一个生物特征对应的社交关系信息，例如每个生物特征关联的其它生物特征、个人标签、活动轨迹等；边缘节点位置信息管理单元523，用于存储和管理所有边缘节点的边缘节点标签所对应的地理位置信息(例如经纬度等)和地址信息(例如IP地址等)。

本申请中，生物特征识别系统500可以为软件系统，其内部包括的各部分以及功能单元部署在硬件设备上的形式比较灵活，如图4所示，整个系统可以分布式部署在两个或三个环境中的一台或多台计算设备中。

请参见图6，图6为本申请实施例提供的一种生物特征识别的方法的流程示意图。如图6所示，该方法包括但不限于以下步骤：

S601：第一边缘节点接收第二边缘节点发送的广播信息。

具体地，第一边缘节点和第二边缘节点可以是边缘环境中的计算设备，第一边缘节点所发送的广播信息包括第一生物特征，该生物特征可以是人脸特征、指纹特征、虹膜特征等。

进一步的，第一边缘节点和第二边缘节点各自绑定了一个或多个摄像头，利用该摄像头可以采集生物特征数据(例如人脸图像)。此外，它们各自包括一个边缘生物特征数据库，该边缘生物特征数据库可以是图5中所示的边缘生物特征数据库511，该边缘生物特征数据库存储了多个生物特征，在采集到生物特征数据之后，可以利用生物特征提取单元512对生物特征数据进行特征提取得到相应的生物特征，然后生物特征识别单元513将其与边缘生物特征数据库511中的生物特征进行一一比对，从而可以完成对提取得到的生物特征的识别，并根据识别结果进行相应的处理。

可以理解，若利用边缘生物特征数据库能够完成对待识别生物特征的识别，可以不必将该待识别生物特征发送至云环境中的中心节点520，减小生物特征识别过程的时延，提高生物特征识别速度。

第二边缘节点在通过绑定的摄像头采集到生物特征数据之后利用第二边缘生物特征数据库进行生物特征识别，若第二边缘生物特征数据库中存在与待识别生物特征匹配的生物特征，则说明识别成功，第二边缘节点需要向相邻的第一边缘节点广播该生物特征，以使得第一边缘节点可以接收到该生物特征并决定是否对其进行存储；若第二边缘生物特征数据库中不存在与待识别生物特征匹配的生物特征，则说明识别失败，第二边缘节点需要向云环境中的中心节点520发送该生物特征并请求访问部署于云环境中的中心生物特征数据库521，该中心生物特征数据库521中存储了一个区域内的所有边缘生物特征数据库511中的人脸特征，换句话说，每一个边缘生物特征数据库相当于中心生物特征数据库的一个子集，若中心生物特征数据库521中存在与第二边缘节点采集到的待识别生物特征匹配的生物特征，则向第二边缘节点返回该匹配的生物特征，第二边缘节点将其存储至第二边缘生物特征数据库后向相邻的第一边缘节点广播该生物特征；若中心生物特征数据库521中不存在与第二边缘节点采集到的待识别生物特征匹配的生物特征，则说明该生物特征是第一次出现，需要将其补充至中心生物特征数据库521。

需要说明的是，中心生物特征数据库521的建立以及将新出现的生物特征补充至中心生物特征数据库521都可以通过人为的手动输入至云环境中的中心节点中。

此外，第二边缘节点在向相邻的边缘节点发送广播信息之前，需要先获取与该第二边缘节点距离小于预设距离的边缘节点的地址信息。可选的，中心节点520中的边缘节点位置信息管理单元523中存储了所有边缘节点的地理位置信息和地址信息，第二边缘节点向中心节点520发送请求消息，中心节点520在接收到该请求消息之后查询与第二边缘节点的地理位置距离小于预设距离的边缘节点，并将其对应的地址信息返回给第二边缘节点。第二边缘节点在接收到中心计算设备返回的地址信息之后，向该地址信息对应的相邻边缘节点(例如第一边缘节点)发送广播信息，其中，地理位置信息可以是每个边缘节点的经纬度，预设距离可以根据需要进行设置，本申请对此不作限定，地址信息可以包括IP地址或其他用于将广播信息发送至边缘节点所需的信息。或者是，每个边缘节点存储了自身所属区域的所有其它边缘节点的地理位置信息和对应的地址信息，第二边缘节点直接查询并确定距离小于预设距离的边缘节点并向其发送广播信息。

S602：第一边缘节点判断第一边缘生物特征数据库是否包括广播信息中的生物特征，若包括，执行步骤S606；若不包括，执行步骤S603。

具体地，第一边缘节点在接收到第二边缘节点广播的生物特征之后，查询第一边缘生物特征数据库，若第一边缘生物特征数据库中已经存储了该生物特征，则说明当该生物特征出现在第一边缘节点所管理范围内时，第一边缘节点在本地即可以对该生物特征进行识别，确定该生物特征对应的身份，不需要再将该生物特征发送至云环境进行识别，可以提高生物特征识别响应速度，减小生物特征识别的时延；若第一边缘生物特征数据库未存储该生物特征，则第一边缘节点需要进一步处理，判断是否需要将该生物特征存储至第一边缘生物特征数据库。

S603：第一边缘节点判断广播信息中的生物特征出现在所述第一边缘节点所管理范围的概率值是否大于或等于预设阈值，若是，执行步骤S604；否则执行步骤S606。

容易理解，每个地点出现的生物特征有很大一部分是固定的，若将这部分生物特征存储至边缘生物特征数据库，则可以在本地实现生物识别的过程，提高响应速度。因此，第一边缘节点需要在接收到第二边缘节点广播的生物特征之后，进一步判断该生物特征出现在第一边缘节点所管理范围内的概率值是否大于或等于预设阈值，并在概率值大于或等于预设阈值的情况下，将该生物特征存储至第一边缘生物特征数据库。其中，预设阈值可以根据实际需要进行设置，例如可以设置为0.5，本申请对此不作限定。

在一种可能的实现方式中，第一边缘节点向云端管理器查询与第一生物特征(即第二边缘节点广播的生物特征)对应的社交关系信息；第一边缘节点根据第一生物特征对应的社交关系信息，计算第一生物特征与第一边缘节点的关联度；第一边缘节点判断该关联度的值是否大于或等于预设阈值。

具体地，部署在云环境中的云端管理器包括社交关系库，该社交关系库可以是图5中所示的社交关系库存储单元522。该社交关系库522中存储了所有生物特征对应的社交关系信息，第一边缘节点根据该社交关系信息可以计算出用于指示第一生物特征出现在第一边缘节点管理范围内的概率的关联度，最终根据计算结果进行判断和后续处理。

在一具体的实施例中，第一边缘节点读取第一边缘人脸数据库中的生物特征，第一边缘节点可以读取第一边缘生物特征数据库所存储的所有生物特征或者部分生物特征，并向云端管理器查询第一生物特征与第一边缘生物特征数据库中的生物特征的社交关系亲密度；第一边缘节点向云端管理器查询该第一生物特征对应的个人标签信息和活动轨迹信息。

需要说明的是，对于每一个生物特征来说，它与其它的生物特征之间的互动、好友关系等可以用社交关系亲密度进行表示，亲密度的值可以是0-1之间的一个值，当亲密度的值越接近于1，则说明两个生物特征之间互动越频繁、越可能是好友；当亲密度的值越接近于0，则说明两个生物特征之间几乎没有互动、越可能是陌生人。此外，每一个生物特征都存在一个对应的个人标签，该个人标签用于指示该生物特征对应的爱好，例如，当某个生物特征对应的个人标签是咖啡时，则说明该生物特征比较喜欢喝咖啡，可能会经常出入咖啡厅；当某个生物特征对应的个人标签是红酒时，则说明该生物特征比较喜欢喝红酒，可能会经常出入酒庄。另外，每个生物特征都存在一个活动轨迹，即该生物特征活动(出现)的地理范围，一般活动轨迹是指该生物特征在以某一个地理位置为中心，半径为固定值的范围内活动。

应理解，每个生物特征与其它生物特征的社交关系亲密度、个人标签以及活动轨迹等在构建中心生物特征数据库时也一并缓存至云环境中，可以是人工手动录入，也可以是通过其它方式获取并存储，本申请对此不作限定。

进一步的，第二边缘节点所发送的广播信息中除了第一生物特征之外，还包括第二边缘节点的地理位置信息以及第二边缘节点的标签信息。第二边缘节点的地理位置信息可以是第二边缘节点所处地理位置的经纬度；第二边缘节点的标签信息用于表示第二边缘节点的类型，例如，可以是西餐厅、牛排、咖啡等。第一边缘节点在接收到第二边缘节点发送的广播信息之后，根据第一边缘节点的标签信息和第二边缘节点的标签信息，计算得到第一标签相似度。第一边缘节点根据第一边缘节点的地理位置信息和第二边缘节点的地理位置信息计算得到两个边缘节点之间的距离，然后根据该距离与查询得到的第一生物特征对应的活动半径，计算地理位置相似度。第一边缘节点根据第一边缘节点的标签信息和查询得到的第一生物特征对应的个人标签信息，计算得到第二标签相似度。第一边缘节点根据第一生物特征对应的社交关系亲密度、第一标签相似度、第二标签相似度和地理位置相似度中的任意一个或多个，计算出第一生物特征与第一边缘节点的关联度。

容易理解，当第一生物特征与第一边缘生物特征数据库中的生物特征亲密度越高，则说明第一生物特征出现在第一边缘节点所管理的范围内的概率越大；当第一边缘节点的标签信息与第二边缘节点的标签信息的相似度越高，则说明第一生物特征出现在第一边缘节点所管理的范围内的概率越大，示例性的，当第一边缘节点的标签是西餐厅，第二边缘节点的标签是牛排，则在第二边缘节点管理范围内出现的第一生物特征极有可能出现在第一边缘节点管理的范围内；当第一边缘节点的标签信息与第一生物特征对应的个人标签信息的相似度越高，则说明第一生物特征出现在第一边缘节点所管理范围内的概率越大；当第一边缘节点和第二边缘节点之间的距离与第一生物特征对应的活动半径的相似度越高，则说明第一生物特征出现在第一边缘节点所管理范围内的概率越大。

在一种可能的实现方式中，第一边缘节点利用加权平均算法对计算得到的第一生物特征对应的社交关系亲密度、第一标签相似度、第二标签相似度和地理位置相似度进行加权求和，得到第一生物特征与第一边缘节点的关联度。

具体地，每个维度的权重可以根据实际需要进行设置，所有权重因子的和为1，示例性的，可以通过下述公式1计算得到第一生物特征与第一边缘节点的关联度：

I＝D*W1+S*W2+P*W3+L*W4 公式1

其中，I表示第一生物特征与第一边缘节点的关联度，D表示地理位置相似度，S表示社交关系亲密度，P表示第二标签相似度，L表示第一标签相似度。W1、W2、W3、W4分别表示权重因子，它们之和为1，例如，W1＝0.4、W2＝0.3、W3＝0.2、W1＝0.1。

可选的，D的值可以利用下述公式2计算得到：

D＝(1-|A-R|)/(A+R) 公式2

其中，A表示第一边缘节点和第二边缘节点之间的距离，R表示第一生物特征对应的活动半径。应理解，也可以通过其它方式计算D的值，本申请对此不作限定。

S的值可以通过以下方式进行计算得到：将第一边缘生物特征数据库中的生物特征与第一生物特征的亲密度，按照值的大小进行排序；按照亲密度值的大小，从高到低依次选取固定个数的亲密度的值；将选取得到的固定个数的亲密度的值进行求平均，最终得到S。需要说明的是，固定个数可以根据需要进行设置，若第一边缘生物特征数据库中的人脸特征的个数小于待选取的固定个数，则将少于部分与第一生物特征的亲密度的值记为0。例如，第一边缘生物特征数据库中存在5个生物特征，而需要选取的亲密度的值的固定个数为6，那么在计算S时，需要将该5个生物特征与第一生物特征的亲密度的值相加，然后再除以6得到S。应理解，也可以通过其它方式计算得到S的值，本申请对此不作限定。

可选的，L和P可以是余弦相似度，即通过将第一边缘节点和第二边缘节点的标签信息以及第一生物特征对应的个人标签信息转换为向量，计算第一边缘节点的标签信息所对应的向量与第二边缘节点的标签信息所对应的向量的夹角的余弦值，从而得到L；计算第一边缘节点的标签信息所对应的向量与个人标签所对应的向量的夹角的余弦值，从而得到P。余弦相似度的取值范围是{-1,1}，越接近于1，则说明两个向量的夹角越接近于0°，则两个向量越相似；相反，越接近于-1，则说明两个向量的夹角越接近于180°，则两个向量不相似。应理解，也可以通过其它方式计算得到L和P的值，本申请对此不作限定。

需要说明的是，上述实施例是综合考虑多个因素，从而计算得到第一生物特征与第一边缘节点的亲密度，即多维度计算亲密度，当然也可以只考虑其中一个维度或者部分维度(即几个维度的组合)，例如只考虑地理位置相似度、第一标签相似度、第二标签相似度和社交关系亲密度中的一个，或者它们的任意组合，其具体实现过程和逻辑与上述一致，为了简洁，在此不再赘述。

S604：第一边缘节点将该生物特征存储至第一边缘生物特征数据库。

具体地，第一边缘节点计算得到第一生物特征与第一边缘节点的关联度之后，判断该关联度的值与预设阈值的大小关系，若关联度的值大于或等于预设阈值，则说明第一生物特征出现在第一边缘节点所管理范围内的概率较大，第一边缘节点需要将其存储至第一边缘生物特征数据库。预设阈值可以根据需要进行设置，例如，可以设置为0.5，当I大于或等于0.5时，第一边缘节点需要存储该第一生物特征。

在一种可能的实现方式中，当第一边缘节点的存储资源小于预设存储阈值时，第一边缘节点按照预设规则删除部分生物特征。

具体地，第一边缘节点的存储资源有限，不能存储过多的生物特征，当存储资源小于预设存储阈值时，需要删除部分生物特征以保证预留足够的存储资源用于存储新的生物特征(例如第二边缘节点广播的第一生物特征)。

可选的，将最近一段时间(例如一个月)内每个生物特征出现的次数按照大小进行排序，将出现次数小于第一阈值的生物特征进行删除，即优先保存出现次数较多的生物特征；或者是，将每个生物特征对应的个人标签信息与第一边缘节点的标签信息的相似度的值按照大小进行排序，将小于第二阈值的相似度所对应的生物特征进行删除；或者是，将每个生物特征最后出现的时间按照先后顺序进行排序，将最后出现时间距离当前时间超过第三阈值的生物特征进行删除；或者是根据其它条件删除部分生物特征。此外，第一边缘节点还可以同时考虑上述多个因素从而决定删除哪些生物特征，例如，同时考虑每个生物特征的出现次数和最后出现时间；同时考虑每个生物特征的出现次数和与第一边缘节点的标签信息的相似度；同时考虑每个生物特征的出现次数、最后出现时间以及与第一边缘节点的标签信息的相似度。

应理解，预设规则可以根据需要进行设置，本申请对第一边缘节点具体选用何种规则不作限定。同时，第一阈值、第二阈值、第三阈值也是根据需要进行设置。

可以理解，第一边缘节点在存储资源不足的情况下，按照预设规则删除部分生物特征，保证可以存储第二边缘节点广播的第一生物特征，提高第一生物特征的识别速度。

S605：第一边缘节点利用第一边缘生物特征数据库对在该第一边缘节点管理范围内采集的生物特征进行识别。

具体地，当第一边缘节点将第二边缘节点广播的第一生物特征存储至第一边缘生物特征数据库之后，第一边缘节点可以利用该第一边缘生物特征数据库对在该第一边缘节点管理范围内采集的生物特征进行识别。特别的，在第一生物特征出现在第一边缘节点所管理范围内时，由于第一边缘生物特征数据库中存储了该第一生物特征，因此，第一边缘节点在本地就可以完成对该第一生物特征的识别，不需要再次将该第一生物特征上传至云环境中，由云环境中的中心节点完成识别，大大提高了生物特征识别的响应速度，缩短了生物特征识别的时延，保证了生物特征识别的实时性和稳定性。

在一种可能的实现方式中，第一边缘节点向云端管理器查询与第一边缘节点的距离小于预设距离的第三边缘节点的地址信息。可选的，第一边缘节点向边缘节点位置信息管理单元523发送请求消息，请求获取第三边缘节点的地址信息，第一边缘节点根据第三边缘节点的地址信息，向该第三边缘节点发送第二广播信息，该第二广播信息包括第二生物特征。

容易理解，第一边缘节点不仅需要接收相邻边缘节点广播的生物特征并判断是否需要将其存储至第一边缘生物特征数据库，同时，第一边缘节点也需要向其它相邻边缘节点广播所采集到的第二生物特征，以使得其它相邻边缘节点能够接收到第一边缘节点广播的第二生物特征，并判断是否需要将其存储至边缘生物特征数据库。第一边缘节点可以从边缘节点位置信息管理单元523中获取第三边缘节点的地址信息，也可以是第一边缘节点本身存储了第三边缘节点的地理位置信息和地址信息，直接查询得到第三边缘节点的地址信息。其它相邻边缘节点(例如第三边缘节点)与第一边缘节点类似，对于接收到第二生物特征之后的处理流程与第一边缘节点一致，为了简洁，在此不再赘述。

S606：第一边缘节点放弃存储所述第一人脸特征。

上述详细阐述了本申请实施例的方法，为了便于更好地实施本申请实施例的上述方案，相应地，下面还提供用于配合实施上述方案的相关设备。

本申请实施例还提供一种边缘节点，如图5中的边缘节点510，该边缘节点用于执行前述生物特征识别的方法。本申请对该边缘节点的功能单元的划分不做限定，可以根据需要对该边缘节点中的各个单元进行增加、减少或合并。图5示例性的提供了一种功能单元的划分：

边缘节点510包括边缘生物特征数据库511、生物特征提取单元512、生物特征识别单元513和生物特征管理单元514。

具体地，所述生物特征提取单元512用于执行前述步骤S601，且可选的执行前述步骤中可选的方法，获取到第一生物特征。

所述生物特征管理单元514用于执行前述步骤S602-S604以及步骤S606，且可选的执行前述步骤中可选的方法，计算第一生物特征与边缘节点的关联度，并确定是否将其存储于所述边缘生物特征数据库511。

所述生物特征识别单元513用于执行前述步骤S605，且可选的执行前述步骤中可选的方法，利用边缘生物特征数据库511对边缘节点管理范围内采集的生物特征进行识别。

上述四个单元之间互相可通过通信通路进行数据传输，应理解，边缘节点510包括的各单元可以为软件单元、也可以为硬件单元、或部分为软件单元部分为硬件单元。

参见图7，图7是本申请实施例提供的一种计算设备的结构示意图。如图7所示，该计算设备700包括：处理器710、通信接口720以及存储器730，所述处理器710、通信接口720以及存储器730通过内部总线740相互连接。应理解，该计算设备可以是通用服务器。

所述处理器710可以由一个或者多个通用处理器构成，例如中央处理器(centralprocessing unit，CPU)，或者CPU和硬件芯片的组合。上述硬件芯片可以是专用集成电路(application-specific integrated circuit，ASIC)、可编程逻辑器件(programmablelogic device，PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(complexprogrammable logic device，CPLD)、现场可编程逻辑门阵列(field-programmable gatearray，FPGA)、通用阵列逻辑(generic array logic，GAL)或其任意组合。

总线740可以是外设部件互连标准(peripheral component interconnect，PCI)总线或扩展工业标准结构(extended industry standard architecture，EISA)总线等。所述总线740可以分为地址总线、数据总线、控制总线等。为便于表示，图7中仅用一条粗线表示，但不表示仅有一根总线或一种类型的总线。

存储器730可以包括易失性存储器(volatile memory)，例如随机存取存储器(random access memory，RAM)；存储器730也可以包括非易失性存储器(non-volatilememory)，例如只读存储器(read-only memory，ROM)、快闪存储器(flash memory)、硬盘(hard disk drive，HDD)或固态硬盘(solid-state drive，SSD)；存储器730还可以包括上述种类的组合。程序代码可以是用来实现边缘节点510所示的的功能模块，或者用于实现图6所示的方法实施例中以第一边缘节点为执行主体的方法步骤。

本申请实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时，可以实现上述方法实施例中记载的任意一种的部分或全部步骤，以及实现上述图5所描述的任意一个功能模块的功能。

如图8所示，本申请还提供一种计算设备集群，该计算设备集群包括多个计算设备800。每个计算设备800的组织结构与计算设备700相同，包括处理器810、通信接口820以及存储器830，所述处理器810、通信接口820以及存储器830通过内部总线840相互连接。

每个计算设备800间通过通信网络建立通信通路。每个计算设备800上运行边缘生物特征数据库511、生物特征提取单元512、生物特征识别单元513和生物特征管理单元514中的任意一个或多个。任一计算设备800可以为边缘计算设备系统中的计算设备，或终端计算设备。

本申请实施例还提供了一种计算机程序产品，当其在计算机或处理器上运行时，使得计算机或处理器执行上述任一个方法中的一个或多个步骤。上述所涉及的设备的各组成模块如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在所述计算机可读取存储介质中。

在上述实施例中，对各个实施例的描述各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。

应理解，本文中涉及的第一、第二、第三、第四以及各种数字编号仅为描述方便进行的区分，并不用来限制本申请的范围。

应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

还应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

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、装置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。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

本申请实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。

本申请实施例装置中的模块可以根据实际需要进行合并、划分和删减。

以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。

Claims (14)

1.一种生物特征识别的方法，其特征在于，包括：

第一边缘节点接收第二边缘节点发送的广播信息，所述广播信息包括第一生物特征，所述第一边缘节点存储第一边缘生物特征库，所述第一边缘生物特征库包括至少一个生物特征；所述第一边缘节点和所述第二边缘节点是边缘环境中的计算设备；

确定所述第一生物特征出现在所述第一边缘节点所管理范围的概率值大于或等于预设阈值，所述第一边缘节点将所述第一生物特征存储于所述第一边缘生物特征库；

所述第一边缘节点利用所述第一边缘生物特征库对在所述第一边缘节点管理范围内采集的生物特征进行识别。

2.如权利要求1所述的方法，其特征在于，所述第一边缘节点确定所述第一生物特征出现在所述第一边缘节点所管理范围的概率值大于或等于预设阈值，包括：

所述第一边缘节点向云端管理器查询与所述第一生物特征对应的社交关系信息，所述云端管理器包括社交关系库，所述社交关系库包括生物特征对应的社交关系信息；所述社交关系信息包括生物特征关联的其他生物特征、个人标签、活动轨迹中的至少一个；

所述第一边缘节点根据所述第一生物特征对应的社交关系信息，计算所述第一生物特征与所述第一边缘节点的关联度，所述关联度用于指示所述第一生物特征出现在所述第一边缘节点所管理范围内的概率；

所述第一边缘节点确定所述关联度的值大于或等于所述预设阈值。

3.如权利要求2所述的方法，其特征在于，所述第一边缘节点向云端管理器查询与所述第一生物特征对应的社交关系信息，包括：

所述第一边缘节点读取所述第一边缘生物特征库中的生物特征，并向所述云端管理器查询所述第一生物特征与所述第一边缘生物特征库中的生物特征的社交关系亲密度；所述社交关系亲密度表征生物体征之间的互动或好友关系，所述社交关系亲密度的值越大表征互动越频繁或越可能是好友，所述社交关系亲密度的值越小表征互动越少或越可能是陌生人；

所述第一边缘节点向所述云端管理器查询所述第一生物特征对应的个人标签信息和活动轨迹信息。

4.如权利要求3所述的方法，其特征在于，所述广播信息还包括所述第二边缘节点的地理位置信息和所述第二边缘节点的标签信息；所述第一边缘节点计算所述第一生物特征与所述第一边缘节点的关联度，包括：

所述第一边缘节点根据所述第一边缘节点的标签信息和所述第二边缘节点的标签信息，计算第一标签相似度，所述第一边缘节点的标签信息用于指示所述第一边缘节点的类型，所述第二边缘节点的标签信息用于指示所述第二边缘节点的类型；

所述第一边缘节点根据第一边缘节点的地理位置信息和所述第二边缘节点的地理位置信息，计算所述第一边缘节点与所述第二边缘节点的距离，根据所述距离和所述活动轨迹信息计算地理位置相似度；

所述第一边缘节点根据所述第一边缘节点的标签信息和所述第一生物特征对应的个人标签信息，计算第二标签相似度；

所述第一边缘节点根据所述社交关系亲密度、所述第一标签相似度、所述第二标签相似度和所述地理位置相似度中的任意一个或多个，计算所述第一生物特征与所述第一边缘节点的关联度。

5.如权利要求1-4任一项所述的方法，其特征在于，所述方法还包括：

当所述第一边缘节点的存储资源小于预设存储阈值时，所述第一边缘节点按照预设规则删除生物特征；

所述预设规则包括：

将出现次数小于第一阈值的生物特征进行删除；或者是，

将与第一边缘节点的标签信息的相似度小于第二阈值的生物特征进行删除；或者是，

将最后出现时间距离当前时间超过第三阈值的生物特征进行删除；所述第一边缘节点的标签信息用于指示所述第一边缘节点的类型。

6.如权利要求1-4任一项所述的方法，其特征在于，所述方法还包括：

所述第一边缘节点向云端管理器查询与所述第一边缘节点的距离小于预设距离的第三边缘节点的地址信息，所述云端管理器包括边缘节点信息库，所述边缘节点信息库中包括边缘节点的地理位置信息和地址信息；

所述第一边缘节点根据所述第三边缘节点的地址信息，向所述第三边缘节点发送第二广播信息，所述第二广播信息包括第二生物特征。

7.一种生物特征识别的装置，其特征在于，所述装置为第一边缘节点，包括：

边缘生物特征数据库，用于存储至少一个生物特征；

生物特征提取单元，用于接收第二边缘节点广播信息并提取所述广播信息中包括的第一生物特征；所述第一边缘节点和所述第二边缘节点是边缘环境中的计算设备；

生物特征管理单元，用于确定所述第一生物特征出现在所述第一边缘节点所管理范围的概率值大于或等于预设阈值，并将所述第一生物特征存储于所述边缘生物特征数据库；

生物特征识别单元，用于利用所述边缘生物特征数据库对在所述第一边缘节点管理范围内采集的生物特征进行识别。

8.如权利要求7所述的装置，其特征在于，

所述生物特征管理单元，还用于：

向云端管理器查询与所述第一生物特征对应的社交关系信息，所述云端管理器包括社交关系库，所述社交关系库包括生物特征对应的社交关系信息；所述社交关系信息包括生物特征关联的其他生物特征、个人标签、活动轨迹中的至少一个；

根据所述第一生物特征对应的社交关系信息，计算所述第一生物特征与所述第一边缘节点的关联度，所述关联度用于指示所述第一生物特征出现在所述第一边缘节点所管理范围内的概率；

确定所述关联度的值大于或等于所述预设阈值。

9.如权利要求8所述的装置，其特征在于，

所述生物特征管理单元，还用于：

读取所述边缘生物特征库中的生物特征，并向所述云端管理器查询所述第一生物特征与所述边缘生物特征库中的生物特征的社交关系亲密度；所述社交关系亲密度表征生物体征之间的互动或好友关系，所述社交关系亲密度的值越大表征互动越频繁或越可能是好友，所述社交关系亲密度的值越小表征互动越少或越可能是陌生人；

向所述云端管理器查询所述第一生物特征对应的个人标签信息和活动轨迹信息。

10.如权利要求9所述的装置，其特征在于，所述广播信息还包括所述第二边缘节点的地理位置信息和所述第二边缘节点的标签信息；

所述生物特征管理单元，还用于：

根据所述边缘节点的标签信息和所述第二边缘节点的标签信息，计算第一标签相似度，所述边缘节点的标签信息用于指示所述第一边缘节点的类型，所述第二边缘节点的标签信息用于指示所述第二边缘节点的类型；

根据所述第一边缘节点的地理位置信息和所述第二边缘节点的地理位置信息计算所述第一边缘节点与所述第二边缘节点的距离，根据所述距离和所述活动轨迹信息计算地理位置相似度；

根据所述第一边缘节点的标签信息和所述第一生物特征对应的个人标签信息，计算第二标签相似度；

根据所述社交关系亲密度、所述第一标签相似度、所述第二标签相似度和所述地理位置相似度中的任意一个或多个，计算所述第一生物特征与所述边缘节点的关联度。

11.如权利要求7-10任一项所述的装置，其特征在于，

所述生物特征管理单元，还用于：

当所述第一边缘节点的存储资源小于预设存储阈值时，按照预设规则删除生物特征；

所述预设规则包括：

将出现次数小于第一阈值的生物特征进行删除；或者是，

将与第一边缘节点的标签信息的相似度小于第二阈值的生物特征进行删除；或者是，

将最后出现时间距离当前时间超过第三阈值的生物特征进行删除；所述第一边缘节点的标签信息用于指示所述第一边缘节点的类型。

12.如权利要求7-10任一项所述的装置，其特征在于，

所述生物特征管理单元，还用于向云端管理器查询与所述第一边缘节点的距离小于预设距离的第三边缘节点的地址信息，所述云端管理器包括边缘节点信息库，所述边缘节点信息库中包括边缘节点的地理位置信息和地址信息；

所述生物特征管理单元，还用于根据所述第三边缘节点的地址信息，向所述第三边缘节点发送第二广播信息，所述第二广播信息包括第二生物特征。

13.一种计算设备集群，其特征在于，所述计算设备集群包括至少一个计算设备，每个计算设备包括存储器和处理器，所述至少一个计算设备的处理器执行所述至少一个计算设备的存储器存储的计算机指令，使得所述至少一个计算设备执行权利要求1-6任一项所述的方法。

14.一种计算机存储介质，所述计算机存储介质存储有计算机程序，当该计算机程序被处理器执行时实现权利要求1-6任一项所述的方法。