CN112861779B - 分布式人脸识别方法、装置、设备和介质 - Google Patents

分布式人脸识别方法、装置、设备和介质 Download PDF

Info

Publication number
CN112861779B
CN112861779B CN202110245941.1A CN202110245941A CN112861779B CN 112861779 B CN112861779 B CN 112861779B CN 202110245941 A CN202110245941 A CN 202110245941A CN 112861779 B CN112861779 B CN 112861779B
Authority
CN
China
Prior art keywords
face
station
server
recognition
end equipment
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.)
Active
Application number
CN202110245941.1A
Other languages
English (en)
Other versions
CN112861779A (zh
Inventor
陈亮
李智宇
王煜恺
丁跃伟
王松旭
孙越
师进
张清华
王明晰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CRSC Research and Design Institute Group Co Ltd
Original Assignee
CRSC Research and Design Institute Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by CRSC Research and Design Institute Group Co Ltd filed Critical CRSC Research and Design Institute Group Co Ltd
Priority to CN202110245941.1A priority Critical patent/CN112861779B/zh
Publication of CN112861779A publication Critical patent/CN112861779A/zh
Application granted granted Critical
Publication of CN112861779B publication Critical patent/CN112861779B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
    • 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)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Collating Specific Patterns (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种分布式人脸识别方法、装置、设备和介质。方法包括：提取采集到的待识别人脸图像的人脸特征，并确定所属车站内所有可用第一前端设备存储的人脸数据块，基于确定的所有人脸数据块构建与服务器上人脸数据块相同数量长度的第一识别数组；若确定第一识别数组中任意位置的值为空，则基于所属车站的相邻车站内所有可用第二前端设备存储的人脸数据块更新第一识别数组；若确定更新后的第一识别数组中存在任意位置的值为空，则将人脸特征发送给服务器，以使服务器基于存储的多个人脸数据块并行对人脸特征进行人脸识别。本发明提高了前端设备本地人脸数量，以及提升了人脸识别性能及人脸识别稳定性。

Description

分布式人脸识别方法、装置、设备和介质
技术领域
本发明实施例涉及人脸识别技术领域，尤其涉及一种分布式人脸识别方法、装置、设备和介质。
背景技术
随着人工智能技术的不断发展，人脸识别技术逐步成熟并从研究阶段走向工业应用阶段。例如门禁、考勤和安检等领域，尤其是应用于轨道交通行业中城市轨道交通领域。其中人脸识别(Facial Recognition)，即是通过视觉采集设备获取用户的人脸图像，再利用相关算法对人脸图像上的五官位置、脸型和角度进行分析处理，以提取人脸特征，最后将该人脸特征与人脸数据库中的人脸进行比对，以确定出用户的真实身份。
目前人脸识别常采用如下方式；方式一，离线人脸识别；即，通过集成人脸识别算法的前端设备(例如人脸识别闸机)采集人脸图像，并提取该人脸图像的人脸特征，然后将人脸特征与本地存储的人脸数据库进行比对，以完成人脸识别和前端设备开关状态的控制。方式二，在线人脸识别；即，通过前端设备采集人脸图像，将该人脸图像发送给服务器，以使服务器利用相关算法提取该人脸图像的人脸特征，然后将人脸特征与人脸数据库进行比对，以完成人脸识别和设备开关状态的控制。
然而，上述两种方式存在如下问题，针对方式一：受限于前端设备的计算能力和存储能力，使得本地存储的人脸数据库数量无法满足大规模的人脸识别，并且需要借助外接设备进行人脸图像的导入或通过网络进行人脸图像的同步，使得维护管理成本极高；针对方式二：虽然能够满足大规模的人脸识别，但是多个设备高并发请求服务器进行人脸识别时，极易造成网络拥堵进而存在较高时延，并且还会造成服务器计算压力过大，影响识别性能。
发明内容
本发明实施例提供一种分布式人脸识别方法、装置、设备和介质，通过一种兼容人脸存储数量及人脸识别性能的方案，实现在提高前端设备本地人脸数量的基础上还能有效提升人脸识别性能及人脸识别稳定性。
第一方面，本发明实施例提供了一种分布式人脸识别方法，由设置于车站的第一前端设备执行，所述方法包括：
提取采集到的待识别人脸图像的人脸特征，并确定所属车站内所有可用第一前端设备存储的人脸数据块，基于确定的所有人脸数据块构建与服务器上人脸数据块相同数量长度的第一识别数组；
若确定所述第一识别数组中任意位置的值为空，则基于所属车站的相邻车站内所有可用第二前端设备存储的人脸数据块更新所述第一识别数组；
若确定更新后的第一识别数组中存在任意位置的值为空，则将所述人脸特征发送给服务器，以使所述服务器基于存储的多个人脸数据块并行对所述人脸特征进行人脸识别。
第二方面，本发明实施例还提供了一种分布式人脸识别方法，由服务器执行，所述方法包括：
接收各第一前端设备发送的人脸识别请求，所述人脸识别请求中包括待识别人脸图像的人脸特征和所述第一前端设备标识；
基于所有人脸数据块，对所述人脸特征进行并行识别得到识别结果；
基于所述第一前端设备标识，将所述识别结果发送给所述第一前端设备。
第三方面，本发明实施例还提供了一种分布式人脸识别装置，配置于设置于车站的第一前端，包括：
数组构建模块，用于提取采集到的待识别人脸图像的人脸特征，并确定所属车站内所有可用第一前端设备存储的人脸数据块标识，以基于确定的所有人脸数据块标识构建与服务器上人脸数据块相同数量长度的第一识别数组；
确定模块，用于若确定所述第一识别数组中任意位置的值为空，则基于所属车站的相邻车站内所有可用第二前端设备存储的人脸数据块更新所述第一识别数组；
第一识别模块，用于若确定更新后的第一识别数组中存在任意位置的值为空，则将所述人脸特征发送给服务器，以使所述服务器基于存储的多个人脸数据块并行对所述人脸特征进行人脸识别。
第四方面，本发明实施例还提供了一种分布式人脸识别装置，配置于服务器，包括：
请求接收模块，用于接收各第一前端设备发送的人脸识别请求，所述人脸识别请求中包括待识别人脸图像的人脸特征和所述第一前端设备标识；
第二识别模块，用于基于所有人脸数据块，对所述人脸特征进行并行识别得到识别结果；
结果发送模块，用于基于所述第一前端设备标识，将所述识别结果发送给所述第一前端设备。
第五方面，本发明实施例还提供了一种电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明实施例中任一所述的分布式人脸识别方法。
第六方面，本发明实施例还提供了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实现本发明实施例中任一所述的分布式人脸识别方法。
本发明实施例公开的技术方案，具有如下有益效果：
通过提取采集到的待识别人脸图像的人脸特征，并确定所属车站内所有可用第一前端设备存储的人脸数据块，以基于确定的所有人脸数据块构建与服务器上人脸数据块相同数量长度的第一识别数组，当确定第一识别数组中任意位置的值为空时，基于所属车站的相邻车站内所有可用第二前端设备存储的人脸数据块更新第一识别数组，当确定更新后的第一识别数组中存在任意位置的值为空时，将人脸特征发送给服务器，以使服务器对人脸特征进行人脸识别。本发明实施例采用分布式进行人脸识别，能够充分发挥前端设备和服务器各自的计算和存储优势，从而实现在提高前端设备本地人脸数量的基础上还能有效提升人脸识别性能及人脸识别稳定性。
附图说明
图1A是本发明实施例提供的一种在分布式人脸识别方法中存储人脸数据的流程示意图；
图1B是本发明实施例提供的一种人脸识别闸机的示意图；
图2是本发明实施例二提供的一种分布式人脸识别方法的流程示意图；
图3是本发明实施例三提供的一种分布式人脸识别方法的流程示意图；
图4是本发明实施例四提供的一种分布式人脸识别方法的流程示意图；
图5是本发明实施例五提供的一种在分布式人脸识别方法中存储人脸数据的流程示意图；
图6是本发明实施例六提供的一种分布式人脸识别方法的流程示意图；
图7是本发明实施例七提供的一个具体实施例的第一前端设备与服务器进行信令交互的示意图；
图8是本发明实施例八提供的一种分布式人脸识别装置的结构示意图；
图9是本发明实施例九提供的一种分布式人脸识别装置的结构示意图；
图10为本发明实施例十提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明实施例作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明实施例，而非对本发明实施例的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明实施例相关的部分而非全部结构。
下面参考附图对本发明实施例提供的一种分布式人脸识别方法、装置、设备和介质进行说明。首先，以设置于任意车站内的第一前端设备为执行主体为例，对本发明实施例的分布式人脸识别方法进行说明。
实施例一
为了更清楚说明本发明实施例提供的分布式人脸识别方法中对采集到的待识别人脸图像进行人脸识别的过程，下面首先对本发明实施例中分布式人脸识别方法中的人脸数据存储过程进行说明。
图1A是本发明实施例提供的一种在分布式人脸识别方法中存储人脸数据的流程示意图。本发明实施例可适用于人脸识别的场景，且该方法可由分布式人脸识别装置来执行，该装置可以由软件和/硬件实现，并可集成于第一前端设备中，该第一前端设备为车站内任意具有采集人脸图像及人脸识别功能的设备。优选的，第一前端设备为人脸识别闸机等，该人脸识别闸机结构如图1B所示，其中该人脸识别闸机包括：人脸图像采集设备(例如摄像头)、具有图像处理器(Graphics Processing Unit，简称GPU)的小型工作站和设备门(例如闸机门)。该方法包括如下步骤：
S101，在采集到新录入人脸图像时，提取所述新录入人脸图像的人脸特征。
可选的，当在采集到新录入人脸图像时，本实施例可采用特征提取算法从该新录入人脸图像中提取人脸特征。
具体的，采用特征提取算法从该新录入人脸图像中提取人脸特征时，可首先基于深度学习的人脸检测和人脸对齐方法(Multi-task Cascaded Convolutional Networks，简称MTCNN)从新录入人脸图像中包含人像的矩形R1，R2，…,Rn，以从多个矩形中选取面积最大的矩形Rt作为目标矩形框，并从新录入人脸图像中切割Rt得到矩形人像图像T。然后再基于FaceNet算法将矩形人像图像T转换成k维人脸特征向量FT＝[x1,x2,…,xk]，将k维人脸特征向量作为新录入人脸图像的人脸特征。本实施例中k维人脸特征向量优选为128维。
S102，将所述新录入人脸图像的人脸特征存储至设备第一存储区，并将所述新录入人脸图像的人脸特征发送给服务器，以使所述服务器将所述新录入人脸图像的人脸特征存储至服务器第一存储区。
通常，第一前端设备具有人脸特征存储区，以用于存储录入的人脸特征。但因为录入的人脸特征分为新录入人脸特征和历史录入人脸特征两种情况，那么如果将新录入人脸特征和历史录入人脸特征混合存储至一个人脸特征存储区，会导致后续人脸特征同步时需要将历史录入人脸特征重复同步，不仅浪费资源还会延长数据同步时长。
为此，本实施例可将第一前端设备的人脸特征存储区划分成设备第一存储区和设备第二存储区，以通过设备第一存储区存储新录入的人脸特征，以及通过设备第二存储区存储历史录入的人脸特征。即，在提取到新录入人脸图像的人脸特征后，可将提取的人脸特征存储至设备第一存储区。这样设置的好处在于，对人脸特征数据进行同步时仅需对设备第一存储区存储的新录入的人脸特征进行同步即可，从而减少数据同步的数据量，进而提高数据同步速度，缩短数据同步花费时长。其中，设备第一存储区可选的为设备增量数据存储区；设备第二存储区可选的为设备存量数据存储区。
本实施例中，将第一前端设备的人脸特征存储区划分成设备第一存储区和设备第二存储区可按照如下方式划分：假设第一前端设备的最大人脸特征存储区容量为TG，那么可将设备第一存储区TG new的存储容量划分成TG的五分之一，记为并将设备第二存储区TG old的存储容量划分成TG的五分之四，记为/>因为历史录入的人脸特征相较于新录入的人脸特征数据量要多，为此通过将设备第一存储区TG new的存储容量划分的少一些，不仅能够满足存储新录入的人脸特征，还能剩余较大容量存储历史录入的人脸特征。
进一步的，基于对第一前端的人脸特征存储区的划分原理，本实施例还可预先将服务器的人脸特征存储区划分成服务器第一存储区和服务器第二存储区，以通过服务器第一存储区存储前端设备发送的新录入的人脸特征，以及通过服务器第二存储区存储历史录入的人脸特征。其中，服务器第一存储区可选的为服务器增量数据存储区；服务器第二存储区可选的为服务器存量数据存储区。
本实施例中，将服务器的人脸特征存储区划分成服务器第一存储区和服务器第二存储区可按照如下方式划分：假设服务器的最大人脸特征存储区容量为TM，那么可将服务器第一存储区TM new的存储容量划分成TM的五分之一，记为并将设备第二存储区TM old的存储容量划分成TM的五分之四，记为/>因为历史录入的人脸特征相较于新录入的人脸特征数据量要多，为此通过将服务器第一存储区TM new的存储容量划分的少一些，不仅能够满足存储新录入的人脸特征，还能剩余较大容量存储历史录入的人脸特征。
也就是说，本实施例可将新录入人脸图像的人脸特征存储至设备第一存储区，并且在存储之后第一前端设备还可将新录入人脸图像的人脸特征发送给服务器，以使服务器将新录入人脸图像的人脸特征存储至服务器第一存储区，并将该新录入人脸图像的人脸特征发送至除第一前端设备之外其他车站内的种子前端设备，使得种子前端设备将该新录入人脸图像的人脸特征转发给所属车站内的非种子前端设备，以实现新录入人脸图像的人脸特征的分布式存储及即时同步目的。
需要说明的是，本实施例中第一前端设备所属车站，及其他车站内可分别设置至少两个前端设备，且每个车站(第一前端设备所属车站及其他车站)中均具有一个种子前端设备和至少一个非种子前端设备。该种子前端设备可分别与服务器和所属车站内的每个非种子前端设备建立连接，以传递人脸特征同步数据。其中，种子前端设备可采用不同方式确定。例如将每个车站内的编号为1的前端设备作为种子前端设备；或者，还可将每个车站内性能最好的一个前端设备作为种子前端设备等，此处对其不做具体限定。
S103，接收所述服务器发送的人脸数据块，将所述人脸数据块存储至设备第二存储区，并建立数据索引。
具体的，当任意第一前端设备将新录入人脸图像的人脸特征发送给服务器之后，服务器可在非工作状态时，将自身第一存储区存储的新录入人脸图像的人脸特征与自身第二存储区存储的历史录入人脸图像的人脸特征进行融合，并将融合后的人脸特征进行划分，得到多个人脸数据块，然后将人脸数据块按照预设方式发送给每个车站内的每个前端设备，以完成人脸特征数据的同步目的，使得任意车站内的任意前端设备可基于同步后的人脸特征进行人脸识别，以提高人脸识别准确性。
即，第一前端设备可接收服务器发送的人脸数据块，可确定或获取接收到的人脸数据块的人脸数据块标识，然后将该人脸数据块和人脸数据块标识存储至自身设备第二存储区，以为后续人脸识别提供条件。其中服务器除了发送人脸数据块之外，还可将自身的数据块数量一起发送给第一前端设备，以为后续进行人脸识别提供条件。
此外，为了提高基于接收到的人脸数据块进行人脸识别的速度，本实施例第一前端设备还可在设备第二存储区内使用K-d树建立该人脸数据块的高维数据索引。
在本发明的一个实施例中，由于每个车站内都具有一个种子前端设备，那么当第一前端设备为种子前端设备时，该第一前端设备将新录入人脸图像的人脸特征存储至设备第一存储区之后，还可将该人脸特征发送给自身所属车站内其他第一前端设备(非种子前端设备)，以使其他第一前端设备将第一前端设备发送的人脸特征存储至各自的设备第一存储区中，以完成同一车站内新录入人脸图像的人脸特征局部同步目的。
本发明实施例公开的技术方案，通过从新录入人脸图像中提取人脸特征，并将人脸特征发送给服务器，以使服务器存储并同步该人脸特征至每个车站内的前端设备，实现对服务器和不同车站内前端设备上的新录入人脸特征数据的即时同步，从而基于同步后的人脸特征数据进行分布式人脸识别时，不仅能够提高前端设备本地人脸数量还能提高人脸识别性能和识别稳定性。
实施例二
通过上述介绍可知，本申请实施例通过第一前端设备提取新录入人脸图像的人脸特征，并基于服务器对新录入人脸图像的人脸特征进行即时同步至每个车站内的每个前端设备，进而基于同步后的人脸特征，可为分布式人脸识别奠定基础。基于上述实施例描述的新录入人脸特征的存储及同步方案，下面对本发明实施例提供的分布式人脸识别方法进行说明。如图2所示，该方法包括如下步骤：
S201，提取采集到的待识别人脸图像的人脸特征，并确定所属车站内所有可用第一前端设备存储的人脸数据块，以基于确定的所有人脸数据块构建与服务器上人脸数据块相同数量长度的第一识别数组。
具体的，当采集到人脸图像时，第一前端设备可将该人脸图像作为待识别人脸图像，然后采用特征提取算法从该待识别人脸图像中提取人脸特征。本实施例可采用特征提取算法从该待识别人脸图像中提取人脸特征时，可首先基于深度学习的人脸检测和人脸对齐方法(Multi-task Cascaded Convolutional Networks，简称MTCNN)从待识别人脸图像中包含人像的矩形R1，R2，…,Rn，以从多个矩形中选取面积最大的矩形Rt作为目标矩形框，并从待识别人脸图像中切割Rt得到矩形人像图像T。然后再基于FaceNet算法将矩形人像图像T转换成k维人脸特征向量FT＝[x1,x2,…,xk]，将k维人脸特征向量作为待识别人脸图像的人脸特征。本实施例中k维人脸特征向量优选为128维。
此外，由于每个车站内各前端设备上均存储有人脸数据块，且每个车站内前端设备存储的人脸数据块数量与服务器的人脸数据块数量相同，因此为了实现分布式人脸识别，本实施例第一前端设备可基于服务器的人脸数据块数量，实时维护一个与该人脸数据块数量相同的第一识别数组，该第一识别数组中每一位置的初始值为空。例如，若服务器发送的人脸数据块数量为β个，则第一前端设备可维护一个长度为β，且每个位置的初始值为空的第一识别数组。
进而，在提取到待识别人脸图像的人脸特征之后，第一前端设备可通过网线构建的局域网向与自身所属车站内的每个其他第一前端设备发送心跳包，以确定所有可用第一前端设备，以及获取所有可用第一前端设备上存储的人脸数据块标识。其中，所有可用第一前端设备包括：第一前端设备和任意其他第一前端设备。然后，基于每个人脸数据块标识及对应存储的前端设备标识，对第一识别数组中的每个位置进行赋值。本实施例中人脸数据块标识，可以是任一能够唯一确定人脸数据块身份的信息，例如编号或序号等。相应的，前端设备标识也可以是任一能够唯一确定前端设备身份的信息，例如编号或序号等。
其中，对第一识别数组中的每个位置进行赋值具体包括：基于获取到的所有可用第一前端设备各自的设备标识及其存储的人脸数据块标识，对第一识别数组中的每个位置进行赋值。例如，每个位置的初始值为空的第一识别数组为：[x1,x2,x3,x4,x5]，那么当所有可用第一前端设备的设备标识为设备1、设备2、设备3、设备4、设备5和设备6，且设备1上存储的人脸数据块标识为：人脸数据块a；设备2上存储的人脸数据块标识为：人脸数据块b；设备3上存储的人脸数据块标识为：空；设备4上存储的人脸数据块标识为：人脸数据块d；设备5上存储的人脸数据块标识为：人脸数据块e；设备6上存储的人脸数据块标识为：人脸数据块a，则对第一识别数组中的每个位置进行赋值，得到第一识别数组为：[(设备1，人脸数据块a；设备6，人脸数据块a)，(设备2，人脸数据块b)，(设备3，空)，(设备4，人脸数据块d)，(设备5，人脸数据块e)]。
S202，若确定所述第一识别数组中任意位置的值为空，则基于所属车站的相邻车站内所有可用第二前端设备存储的人脸数据块更新所述第一识别数组。
具体的，对第一识别数据中每一位置进行赋值之后，第一前端设备可对第一识别数组进行分析，以确定该第一识别数组中是否存在任意位置的值仍为空。如果确定第一识别数组中存在任意位置的值仍为空，则第一前端设备确定自身所属车站内的所有可用第一前端设备上存储的人脸数据块少于服务器上人脸数据块，即不具有服务器上所有人脸数据。此时，如果基于自身所属车站内所有可用第一前端设备上存储的人脸数据块对待识别人脸图像的人脸特征进行识别，极易出现识别失败的情况。
因此为了提高人脸识别的成功率，在确定第一识别数组中任意位置的值为空时，通过与第一前端设备所属车站的相邻车站内的第二前端设备进行通信，以确定相邻车站内所有可用第二前端设备，并获取所有可用第二前端设备上存储的人脸数据块标识。然后，基于每个人脸数据块标识及对应存储的前端设备标识，对第一识别数组进行更新，并确定更新后的第一识别数组中是否存在任意位置的值为空。
继续以上述示例进行说明，假设相邻车站内的所有可用第二前端设备为设备11、设备12、设备13、设备14和设备15，且设备11上存储的人脸数据块标识为：人脸数据块a；设备12上存储的人脸数据块标识为：空；设备13上存储的人脸数据块标识为：空；设备14上存储的人脸数据块标识为：人脸数据块d；设备15上存储的人脸数据块标识为：人脸数据块e，则对第一识别数组[(设备1，人脸数据块a；设备6，人脸数据块a)，(设备2，人脸数据块b)，(设备2，空)，(设备4，人脸数据块d)，(设备5，人脸数据块e)]进行更新后，得到更新后的第一识别数组为：[(设备11，人脸数据块a)，(设备12，空)，(设备13，空)，(设备14，人脸数据块d)，(设备15，人脸数据块e)]。
S103，若确定更新后的第一识别数组中存在任意位置的值为空，则将所述人脸特征发送给服务器，以使所述服务器基于存储的多个人脸数据块并行对所述人脸特征进行人脸识别。
具体的，当基于与第一前端设备所属车站的相邻车站内所有可用第二前端设备存储的人脸数据块更新所述第一识别数组后，确定更新后的第一识别数组存在任意位置的值为空时，说明相邻车站内所有可用第二前端设备上存储的人脸数据块也少于服务器上人脸数据块，即不具有服务器上所有人脸数据。此时，如果基于相邻车站内所有可用第二前端设备上存储的人脸数据块对待识别人脸图像的人脸特征进行识别，也容易出现识别失败的情况。
又因为服务器上存储有所有录入的人脸特征数据，那么当确定更新后的第一识别数组中存在任意位置的值为空时，第一前端设备可将待识别人脸图像的人脸特征发送给服务器，以使服务器基于自身存储的多个人脸数据块对该待识别人脸图像的人脸特征进行并行识别，并将识别结果返回给第一前端设备，进而第一前端设备根据服务器返回的识别结果控制设备门开启或关闭操作。其中，识别结果包括：识别成功和识别失败。
具体的，在确定服务器返回的识别结果为识别成功时，控制设备门处于开启状态；在确定服务器返回的识别结果为识别失败时，控制所述设备门处于关闭状态。也就是说，当识别结果为识别成功时，说明待识别人脸图像为合法人脸图像，此时可控制设备门开启，以使该待识别人脸图像对应的用户通行；当识别结果为识别失败时，说明待识别人脸图像为非法人脸图像，此时可控制设备门关闭，以阻止该待识别人脸图像对应的用户通行，并提示用户进行进一步的身份认证。
本发明实施例提供的技术方案，通过提取采集到的待识别人脸图像的人脸特征，并确定所属车站内所有可用第一前端设备存储的人脸数据块，以基于确定的所有人脸数据块构建与服务器上人脸数据块相同数量长度的第一识别数组，当确定第一识别数组中任意位置的值为空时，基于所属车站的相邻车站内所有可用第二前端设备存储的人脸数据块更新第一识别数组，当确定更新后的第一识别数组中存在任意位置的值为空时，将人脸特征发送给服务器，以使服务器对人脸特征进行人脸识别。本发明实施例采用分布式进行人脸识别，能够充分发挥前端设备和服务器各自的计算和存储优势，从而实现在提高前端设备本地人脸数量的基础上还能有效提升人脸识别性能及人脸识别稳定性。
实施例三
图3是本发明实施例三提供的一种分布式人脸识别方法的流程示意图。具体的，前述实施例在构建第一识别数组之后，还包括：在确定所述第一识别数组中每个位置的值为非空时，将所述人脸特征并发至所属车站内每个可用第一前端设备，以使每个可用第一前端设备对所述人脸特征进行人脸识别得到识别结果。下面结合图3，对本发明实施例上述情况进行说明。如图3所示，该方法包括如下步骤：
S301，提取采集到的待识别人脸图像的人脸特征，并确定所属车站内所有可用第一前端设备存储的人脸数据块，基于确定的所有人脸数据块构建与服务器上人脸数据块相同数量长度的第一识别数组。
S302，若确定所述第一识别数组中每个位置的值为非空，则将所述人脸特征并发至所属车站内每个可用第一前端设备，以使每个可用第一前端设备对所述人脸特征进行人脸识别。
S303，在任意可用第一前端设备的识别结果为识别成功时，控制所述设备门处于开启状态。
S304，在所有可用第一前端设备的识别结果为识别失败时，控制所述设备门处于关闭状态。
具体的，基于所属车站内所有可用第一前端设备存储的人脸数据块，对第一识别数组中每一位置进行赋值之后，第一前端设备可对第一识别数组进行分析，以确定该第一识别数组中是否存在任意位置的值仍为空。如果确定第一识别数组中每个位置的值为非空，则确定自身所属车站内的所有可用第一前端设备上存储的人脸数据块与服务器上人脸数据块相同，即具有服务器上所有人脸数据。此时，第一前端设备可将提取到的人脸特征并发给所属车站内每个可用第一前端设备，以使每个可用第一前端设备基于自身存储的人脸数据块，对该人脸特征进行人脸识别，以得到识别结果。
本发明实施例中，第一前端设备所属车站内每个可用第一前端设备基于自身存储的人脸数据块，对该人脸特征进行人脸识别，具体包括：每个可用第一前端设备可计算自身存储的人脸数据块中每个人脸特征，与待识别人脸特征之间的距离，然后将计算得到的至少一个距离值与距离阈值进行比较。当任一距离小于或等于距离阈值时，说明待识别人脸特征与该距离对应的人脸特征相似，此时确定识别结果为识别成功。当所有距离均大于距离阈值时，说明待识别人脸特征与数据块中的每个人脸特征均不相似，此时确定识别结果为识别失败。其中距离阈值可根据识别精度需求进行设置，此时对其不做具体限定。
本发明实施例提供的技术方案，通过提取采集到的待识别人脸图像的人脸特征，并确定所属车站内所有可用第一前端设备存储的人脸数据块，以基于确定的所有人脸数据块构建与服务器上人脸数据块相同数量长度的第一识别数组，当确定第一识别数组中每个位置的值为非空时，将人脸特征并发至所属车站内每个可用第一前端设备，以使每个可用第一前端设备对人脸特征进行人脸识别。本发明实施例采用分布式进行人脸识别，能够充分发挥前端设备和服务器各自的计算和存储优势，从而实现在提高前端设备本地人脸数量的基础上还能有效提升人脸识别性能及人脸识别稳定性。
实施例四
图4是本发明实施例四提供的一种分布式人脸识别方法的流程示意图，在上述实施例的基础上，对“基于所属车站的相邻车站内所有可用第二前端设备存储的人脸数据块更新所述第一识别数组”进行优化。如图4所示，该方法包括如下步骤：
S401，提取采集到的待识别人脸图像的人脸特征，并确定所属车站内所有可用第一前端设备存储的人脸数据块，基于确定的所有人脸数据块构建与服务器上人脸数据块相同数量长度的第一识别数组。
S402，若确定所述第一识别数组中任意位置的值为空，则基于与所属车站前一相邻的第一车站，和/或与所属车站后一相邻的第二车站内所有可用第二前端设备存储的人脸数据块更新所述第一识别数组。
具体的，当确定第一识别数组中任意位置的值为空时，说明第一前端设备所属车站内的所有可用第一前端设备上存储的人脸数据块不具有服务器上所有人脸数据。此时，如果基于自身所属车站内所有可用第一前端设备上存储的人脸数据块对待识别人脸图像的人脸特征进行识别，极易出现识别失败的情况。
因为第一前端设备所属车站存在相邻的第一车站和第二车站，那么第一前端设备在确定第一识别数组中任意位置的值为空时，还可通过相邻车站之间建立通信的光纤向相邻的第一车站和第二车站发送心跳包，以确定与所属车站前一相邻的第一车站和第二车站内所有可用第二前端设备，并获取第一车站内所有可用第二前端设备上存储的人脸数据块标识，和第二车站内所有可用第二前端设备上存储的人脸数据块标识。然后，基于从第一车站内所有可用第二前端设备端获取的人脸数据块标识，和/或从第二车站内所有可用第二前端设备端获取的人脸数据块标识，对第一识别数组进行更新，以得到更新后的第一识别数组。
其中，通过相邻车站之间建立通信的光纤向相邻的第一车站和第二车站发送心跳包，具体是指向相邻的第一车站和第二车站内的种子前端设备发送心跳包，以通过种子前端确定自身所属车站内所有可用第二前端设备，并反馈确定结果。同样的，获取第一车站内所有可用第二前端设备上存储的人脸数据块标识，和第二车站内所有可用第二前端设备上存储的人脸数据块标识，也是通过第一车站和第二车站内的种子前端实现。
S403，若确定更新后的第一识别数组中每个位置的值为非空，则将所述人脸特征并发至所述第一车站和/或所述第二车站内每个可用第二前端设备，以使每个可用第二前端设备基于所述人脸特征进行人脸识别。
具体的，得到更新后的第一识别数组之后，第一前端设备可对更新后的第一数组中每一位置的值进行分析，确定更新后的第一识别数组中是否存在任意位置的值为空。如果确定更新后的第一识别数组中每个位置的值为非空，则确定与所属车站相邻的第一车站和/或第二车站内的所有可用第二前端设备上存储的人脸数据块与服务器上人脸数据块相同，即具有服务器上所有人脸数据。
此时，第一前端设备可将提取到的人脸特征并发给与所属车站相邻的第一车站和/或第二车站，以使第一车站和/或第二车站内每个可用第二前端设备基于自身存储的人脸数据块，对该人脸特征进行人脸识别，并接收第一车站和/或第二车站中通过种子前端设备反馈的识别结果。
其中，第一车站和/或第二车站内每个可用第二前端设备，对待识别人脸特征进行人脸识别过程，与前述第一前端设备识别过程原理相同，具体参见前述实施例此处对其不做过多赘述。
S404，在任意可用第二前端设备的识别结果为识别成功时，控制所述设备门处于开启状态。
S405，在所有可用第二前端设备的识别结果为识别失败时，控制所述设备门处于关闭状态。
本发明实施例提供的技术方案，通过提取采集到的待识别人脸图像的人脸特征，并确定所属车站内所有可用第一前端设备存储的人脸数据块，以基于确定的所有人脸数据块构建与服务器上人脸数据块相同数量长度的第一识别数组，当确定第一识别数组中任意位置的值为空时，基于与所属车站前一相邻的第一车站和/或与所属车站后一相邻的第二车站内所有可用第二前端设备存储的人脸数据块更新第一识别数组，并当更新后的第一识别数组中每个位置的值为非空时，将人脸特征并发至第一车站和/或第二车站内每个可用第二前端设备，以使每个可用第二前端设备对人脸特征进行人脸识别得到识别结果。本发明实施例采用分布式进行人脸识别，能够充分发挥前端设备和服务器各自的计算和存储优势，从而实现在提高前端设备本地人脸数量的基础上还能有效提升人脸识别性能及人脸识别稳定性。
实施例五
下面以服务器为执行主体，对本发明实施例提出的分布式人脸识别方法进行描述。为了更清楚说明本发明实施例提供的分布式人脸识别方法中对采集到的待识别人脸图像进行人脸识别的过程，下面首先对本发明实施例中执行主体为服务器时，对分布式人脸识别方法中的人脸数据存储过程进行说明。
图5是本发明实施例五提供的一种在分布式人脸识别方法中存储人脸数据的流程示意图。本发明实施例可适用于人脸识别的场景，且该方法可由分布式人脸识别装置来执行，该装置可以由软件和/硬件实现，并可集成于服务器中。该方法包括如下步骤：
S501，接收各第一前端设备发送的新录入人脸图像的人脸特征。
S502，将所述新录入人脸图像的人脸特征存储至服务器第一存储区，并将所述新录入人脸图像的人脸特征并发给除第一前端设备所属车站之外的其他车站中的种子前端设备，以使所述种子前端设备将所述新录入人脸图像的人脸特征存储至设备第一存储区以及转发至所属其他车站内的所有非种子前端设备的设备第一存储区。
本发明实施例中，服务器的人脸特征存储区可划分成服务器第一存储区和服务器第二存储区，其中服务器第一存储区用于存储前端设备发送的新录入的人脸特征；服务器第二存储区用于存储历史录入的人脸特征。其中，服务器的人脸特征存储区划分具体参见前述实施例，此处对其不做过多赘述。
具体的，服务器可实时获取各第一前端设备发送的新录入人脸图像的人脸特征，并将该新录入人脸图像的人脸特征存储至服务器第一存储区，并将该新录入人脸图像的人脸特征并发至除第一前端设备之外其他车站内的种子前端设备，使得种子前端设备将该新录入人脸图像的人脸特征转发给所属车站内的其他非种子前端设备，以实现新录入人脸图像的人脸特征的分布式存储及即时同步目的。
S503，在空闲时间段将服务器第一存储区中存储的人脸特征数据，移动至服务器第二存储区，并基于建立通信连接的多个车站的前端设备数量，确定每个车站、与所述每个车站前一相邻的第一车站，以及与所述每个车站后一相邻的第二车站的前端设备数量总和。
其中，空闲时间段是指服务器不处于工作状态的时间段。该空闲时间段可以预先设置，此处对其不做限制。
具体的，服务器将接收到新录入人脸图像的人脸特征存储之后，如果检测达到不处于工作状态的时间点时，将自身服务器第一存储区中存储的新录入人脸特征数据移动至服务器第二存储区中，以将服务器第一存储区中存储的新录入人脸特征数据与服务器第二存储区中存储的历史人脸特征数据进行融合。然后，确定与自身建立通信连接的多个车站内前端设备数量，并计算每个车站，与该每个车站前一相邻的第一车站，以及与每个车站后一相邻的第二车站的前端设备数量总和。
具体实现时，可通过如下公式，计算每个车站，与该每个车站前一相邻的第一车站，以及与每个车站后一相邻的第二车站的前端设备数量总和：
其中，λi表示第i个车站，与第i-1个车站以及与第i+1个车站的前端设备数量总和，t表示车站标识，Kt表示与车站标识对应车站的前端设备数量。
例如，若与服务器建立通信连接的多个车站有6个，分别为车站A、车站B、车站C、车站D、车站E和车站F，且车站A的前端设备数量为5个、车站B的前端设备数量为10个、车站C的前端设备数量为7个、车站D的前端设备数量为6个、车站E的前端设备数量为12个和车站F的前端设备数量为8个，那么服务器可分别计算车站F、车站A和车站B的前端设备数量总和为：8+5+10＝23；车站A、车站B和车站C的前端设备数量总和为：5+10+7＝22；车站B、车站C和车站D的前端设备数量总和为：10+7+6＝23；车站C、车站D和车站E的前端设备数量总和为：7+6+12＝25；车站D、车站E和车站F的前端设备数量总和为：6+12+8＝26；车站E、车站F和车站A的前端设备数量总和为：12+8+5＝25。
S504，依据从多个前端设备数量总和中选取最小和值，将所述服务器第二存储区中存储的人脸特征数据划分成多个人脸数据块。
继续以上述示例进行说明，根据车站A、车站B、车站C、车站D、车站E和车站F中各相邻车站的前端设备数量总和22可知，车站A、车站B和车站C的前端设备数量总和最小，此时服务器可将自身服务器第二存储区中存储的人脸特征数据，基于最小和值22划分成22个人脸数据块。
S505，按照预设方式将所述多个人脸数据块发送至每个车站内每个前端设备的设备第二存储区。
其中，预设方式可根据实际需要进行设置，此处对其不做具体限定。
可选的，本实施例可基于每个车站的前端设备数量，确定每个人脸数据块的目标前端设备，然后将每个人脸数据块发送给每个车站内目标前端设备的设备第二存储区，当然还可以采用其他方式，将多个人脸数据块发送至每个车站内每个前端设备的设备第二存储区，此处对其不做具体限制。
例如，假设多个人脸数据块为10个，分别为人脸数据块a’、人脸数据块b’、人脸数据块c’、人脸数据块d’、人脸数据块e’、人脸数据块f’、人脸数据块g’、人脸数据块h’、人脸数据块i’、人脸数据块g’，且车站为车站A。那么当车站A的前端设备数量为5个，可确定人脸数据块a’和人脸数据块f’的目标前端设备为前端设备1、人脸数据块b’和人脸数据块g’的目标前端设备为前端设备2、人脸数据块c’和人脸数据块h’的目标前端设备为前端设备3、人脸数据块d’和人脸数据块i’的目标前端设备为前端设备4，以及人脸数据块e’和人脸数据块g’的目标前端设备为前端设备5。然后，将人脸数据块a’和人脸数据块f’发送给前端设备1的设备第二存储区，人脸数据块b’和人脸数据块g’发送给前端设备2的设备第二存储区，人脸数据块c’和人脸数据块h’发送给前端设备3的设备第二存储区，人脸数据块d’和人脸数据块i’发送给前端设备4的设备第二存储区，以及人脸数据块e’和人脸数据块g’发送给前端设备5的设备第二存储区。
本发明实施例公开的技术方案，通过接收各第一前端设备发送的从新录入人脸图像中提取人脸特征，以存储并同步该人脸特征至每个车站内的前端设备，实现对服务器和不同车站内前端设备上的人脸特征进行即时同步，从而基于同步后的人脸特征数据进行分布式人脸识别时，不仅能够提高前端设备本地人脸数量还能提高人脸识别性能和识别稳定性。
实施例六
通过上述介绍可知，本申请实施例通过接收各第一前端设备发送的新录入人脸图像的人脸特征，并对新录入人脸图像的人脸特征进行及时同步至每个车站内的每个前端设备，进而基于同步后的人脸特征，可为人脸图像进行分布式识别奠定基础。基于上述实施例描述的新录入人脸特征的存储及同步方案，下面对本发明实施例提供的分布式人脸识别方法进行说明。如图6所示，该方法包括如下步骤：
S601，接收各第一前端设备发送的人脸识别请求，所述人脸识别请求中包括待识别人脸图像的人脸特征和所述第一前端设备标识。
S602，基于所有人脸数据块，对所述人脸特征进行并行识别得到识别结果。
S603，基于所述第一前端设备标识，将所述识别结果发送给第一前端设备。
其中，第一前端设备标识是指能够唯一确定前端设备身份的信息，例如编号或序号等，此处对其不做限制。
具体的，在接收到各第一前端设备发送的人脸识别请求时，通过对人脸识别请求进行解析，以获取待识别人脸图像的人脸特征，及发送人脸识别请求的第一前端设备标识。
然后，控制自身第二存储区中存储的多个人脸数据块，并行对获取到的待识别人脸图像的人脸特征进行人脸识别，以得到识别结果，并根据获取到的第一前端设备标识，将识别结果发送给与第一前端设备标识对应的第一前端设备。
本发明实施例中，服务器控制自身存储的多个人脸数据块，并行对获取到的待识别人脸图像的人脸特征进行人脸识别，具体包括：分别计算每个人脸数据块中每个人脸特征，与待识别人脸特征之间的距离，然后将计算得到的至少一个距离值与距离阈值进行比较。当任一距离小于或等于距离阈值时，说明待识别人脸特征与该距离对应的人脸特征相似，此时确定识别结果为识别成功。当所有距离均大于距离阈值时，说明待识别人脸特征与数据块中的每个人脸特征均不相似，此时确定识别结果为识别失败。其中距离阈值可根据识别精度需求进行设置，此时对其不做具体限定。
本发明实施例提供的技术方案，通过接收各第一前端设备发送的人脸识别请求，以基于自身存储的所有人脸数据块对人脸识别请求中携带的待识别人脸图像的人脸特征进行并行识别，并将识别结果发送给第一前端设备。本发明实施例采用分布式进行人脸识别，能够充分发挥前端设备和服务器各自的计算和存储优势，从而实现在提高前端设备本地人脸数量的基础上还能有效提升人脸识别性能及人脸识别稳定性。
实施例七
下面通过一个具体实施例，对上述实施例分布式人脸识别方法进行具体说明，具体参见图7。图7是本发明实施例七提供的一个具体实施例的第一前端设备与服务器进行信令交互的示意图。
假设本实施例中，第一前端设备可为n个，n为大于1的整数，分别为W1、W2、…Wn；服务器为Q，则第一前端设备W与服务器Q的交互过程可包括以下：需要说明的下面以第一前端设备为1个为例进行说明。
S701，第一前端设备W1在采集到新录入人脸图像时，提取新录入人脸图像的人脸特征，并将该人脸特征存储至设备第一存储区后，将该人脸特征发送给服务器Q。
S702，服务器Q接收第一前端设备W1发送的新录入人脸图像的人脸特征，将新录入人脸图像的人脸特征存储至服务器第一存储区，并将新录入人脸图像的人脸特征并发给除第一前端设备所属车站之外的其他车站中的种子前端设备。
具体的，将新录入人脸图像的人脸特征并发给其他车站中的种子前端设备，以使所述种子前端设备将所述新录入人脸图像的人脸特征存储至设备第一存储区以及转发至所属其他车站内的所有非种子前端设备的设备第一存储区。
S703，服务器Q在空闲时间段将服务器第一存储区中存储的人脸特征数据，移动至服务器第二存储区，并依据每个车站、与所述每个车站前一相邻的第一车站，以及与所述每个车站后一相邻的第二车站的前端设备数量的最小总和，将所述服务器第二存储区中存储的人脸特征数据划分成多个人脸数据块。
S704，服务器Q将所述多个人脸数据块发送至每个车站内每个前端设备的设备第二存储区。
其中，每个车站包括第一前端设备W1所属车站及其他车站。
S705，第一前端设备W1接收所述服务器发送的人脸数据块，将所述人脸数据块及所述人脸数据块标识存储至设备第二存储区，并建立数据索引。
S706，第一前端设备W1提取采集到的待识别人脸图像的人脸特征，并确定所属车站内所有可用第一前端设备存储的人脸数据块，以基于所有人脸数据块构建与服务器上人脸数据块相同数量长度的第一识别数组。
其中，每个可用第一前端设备上存储有所述服务器分配的至少一个人脸数据块
S707，第一前端设备W1在确定所述第一识别数组中任意位置的值为空时，基于所属车站的相邻车站内所有可用第二前端设备存储的人脸数据块更新所述第一识别数组。
S708，第一前端设备W1在确定更新后的第一识别数组中存在任意位置的值为空时，将所述人脸特征发送给服务器Q。
S709，服务器Q基于所有人脸数据块，对所述人脸特征进行并行识别得到识别结果，并发送识别结果至第一前端设备W1。
通过上述实施例提供的分布式人脸识别方法，采用分布式进行人脸识别，能够充分发挥前端设备和服务器各自的计算和存储优势，从而实现在提高前端设备本地人脸数量的基础上还能有效提升人脸识别性能及人脸识别稳定性。
实施例八
图8是本发明实施例八提供的一种分布式人脸识别装置的结构示意图。本实施例分布式人脸识别装置，可由硬件和/或软件组成，并可集成于配置于车站的第一前端设备中。如图8所示，本发明实施例提供的分布式人脸识别装置800包括：数组构建模块810、确定模块820和第一识别模块830。
其中，数组构建模块810，用于提取采集到的待识别人脸图像的人脸特征，并确定所属车站内所有可用第一前端设备存储的人脸数据块，基于确定的所有人脸数据块构建与服务器上人脸数据块相同数量长度的第一识别数组；
确定模块820，用于若确定所述第一识别数组中任意位置的值为空，则基于所属车站的相邻车站内所有可用第二前端设备存储的人脸数据块更新所述第一识别数组；
第一识别模块830，用于若确定更新后的第一识别数组中存在任意位置的值为空，则将所述人脸特征发送给服务器，以使所述服务器基于存储的多个人脸数据块并行对所述人脸特征进行人脸识别。
作为本发明实施例的一种可选的实现方式，还包括：控制模块；
其中，控制模块，用于在确定所述服务器返回的识别结果为识别成功时，控制设备门处于开启状态；
在确定所述服务器返回的识别结果为识别失败时，控制所述设备门处于关闭状态。
作为本发明实施例的一种可选的实现方式，还包括：第三识别模块；
其中，第三识别模块，用于若确定所述第一识别数组中每个位置的值为非空，则将所述人脸特征并发至所属车站内每个可用第一前端设备，以使每个可用第一前端设备对所述人脸特征进行人脸识别；
控制模块，具体用于：
在任意可用第一前端设备的识别结果为识别成功时，控制所述设备门处于开启状态；
在所有可用第一前端设备的识别结果为识别失败时，控制所述设备门处于关闭状态。
作为本发明实施例的一种可选的实现方式，所述所属车站的相邻车站包括：与所述所属车站前一相邻的第一车站，和与所属车站后一相邻的第二车站；
相应的，所述确定模块820，具体用于：
基于与所属车站前一相邻的第一车站，和/或与所属车站后一相邻的第二车站内所有可用第二前端设备存储的人脸数据块更新所述第一识别数组。
作为本发明实施例的一种可选的实现方式，还包括：第四识别模块；
其中，第四识别模块，用于若确定更新后的第一识别数组中每个位置的值为非空，则将所述人脸特征并发至所述第一车站和/或所述第二车站内每个可用第二前端设备，以使每个可用第二前端设备基于所述人脸特征进行人脸识别；
所述控制模块，还用于：
在任意可用第二前端设备的识别结果为识别成功时，控制所述设备门处于开启状态；
在所有可用第二前端设备的识别结果为识别失败时，控制所述设备门处于关闭状态。
作为本发明实施例的一种可选的实现方式，还包括：提取模块和第一发送模块；
其中，提取模块，用于在采集到新录入人脸图像时，提取所述新录入人脸图像的人脸特征；
第一发送模块，用于将所述新录入人脸图像的人脸特征存储至设备第一存储区，并将所述新录入人脸图像的人脸特征发送给服务器，以使所述服务器将所述新录入人脸图像的人脸特征存储至服务器第一存储区。
作为本发明实施例的一种可选的实现方式，还包括：第二发送模块；
其中，第二发送模块，用于将所述新录入人脸图像的人脸特征发送给所属车站内其他第一前端设备，以使所述其他第一前端设备将所述新录入人脸图像的人脸特征存储至其他设备第一存储区。
作为本发明实施例的一种可选的实现方式，还包括：数据接收模块；
其中，数据接收模块，用于接收所述服务器发送的人脸数据块，将所述人脸数据块存储至设备第二存储区，并建立数据索引。
需要说明的是，前述对分布式人脸识别方法实施例的解释说明也适用于该实施例的分布式人脸识别装置，其实现原理和实现效果类似，此处不再赘述。
实施例九
图9是本发明实施例九提供的一种分布式人脸识别装置的结构示意图。本实施例分布式人脸识别装置，可由硬件和/或软件组成，并可集成于服务器中。如图9所示，本发明实施例提供的分布式人脸识别装置900包括：请求接收模块910、第二识别模块920和结果发送模块930。
其中，请求接收模块910，用于接收各第一前端设备发送的人脸识别请求，所述人脸识别请求中包括待识别人脸图像的人脸特征和所述第一前端设备标识；
第二识别模块920，用于基于所有人脸数据块，对所述人脸特征进行并行识别得到识别结果；
结果发送模块930，用于基于所述第一前端设备标识，将所述识别结果发送给所述第一前端设备。
作为本发明实施例的一种可选的实现方式，还包括：特征接收模块和处理模块；
其中，特征接收模块，用于接收所述第一前端设备发送的新录入人脸图像的人脸特征；
处理模块，用于将所述新录入人脸图像的人脸特征存储至服务器第一存储区，并将所述新录入人脸图像的人脸特征并发给除第一前端设备所属车站之外的其他车站中的种子前端设备，以使所述种子前端设备将所述新录入人脸图像的人脸特征存储至设备第一存储区以及转发至所属其他车站内的各非种子前端设备的设备第一存储区。
作为本发明实施例的一种可选的实现方式，还包括：合并模块、数据划分模块和数据发送模块；
其中，合并模块，用于在空闲时间段将服务器第一存储区中存储的人脸特征数据，移动至服务器第二存储区，并基于建立通信连接的多个车站的前端设备数量，确定每个车站、与所述每个车站前一相邻的第一车站，以及与所述每个车站后一相邻的第二车站的前端设备数量总和；
数据划分模块，用于依据从多个前端设备数量总和中选取最小和值，将所述服务器第二存储区中存储的人脸特征数据划分成多个人脸数据块；
数据发送模块，用于按照预设方式将所述多个人脸数据块发送至每个车站内每个前端设备的设备第二存储区。
作为本发明实施例的一种可选的实现方式，数据发送模块，具体用于：
基于每个车站的前端设备数量，确定每个人脸数据块的目标前端设备；
将每个人脸数据块发送给每个车站内目标前端设备的设备第二存储区。
需要说明的是，前述对分布式人脸识别方法实施例的解释说明也适用于该实施例的分布式人脸识别装置，其实现原理和实现效果类似，此处不再赘述。
实施例十
图10为本发明实施例十提供的一种电子设备的结构示意图。图10示出了适于用来实现本发明实施方式的示例性电子设备1000的框图。图10显示的电子设备1000仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图10所示，电子设备1000以通用计算设备的形式表现。电子设备1000的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电子设备1000典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备1000访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。电子设备1000可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图10未显示，通常称为“硬盘驱动器”)。尽管图10中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如系统存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
电子设备1000也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该电子设备1000交互的设备通信，和/或与使得该电子设备1000能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，电子设备1000还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与电子设备1000的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备1000使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的一种配置于车站的第一前端设备的分布式人脸识别方法，所述方法包括：
提取采集到的待识别人脸图像的人脸特征，并确定所属车站内所有可用第一前端设备存储的人脸数据块，基于确定的所有人脸数据块构建与服务器上人脸数据块相同数量长度的第一识别数组；
若确定所述第一识别数组中任意位置的值为空，则基于所属车站的相邻车站内所有可用第二前端设备存储的人脸数据块更新所述第一识别数组；
若确定更新后的第一识别数组中存在任意位置的值为空，则将所述人脸特征发送给服务器，以使所述服务器基于存储的多个人脸数据块并行对所述人脸特征进行人脸识别。
或者，实现本发明实施例所提供的一种配置于服务器的分布式人脸识别方法，所述方法包括：
接收各第一前端设备发送的人脸识别请求，所述人脸识别请求中包括待识别人脸图像的人脸特征和所述第一前端设备标识；
基于所有人脸数据块，对所述人脸特征进行并行识别得到识别结果；
基于所述第一前端设备标识，将所述识别结果发送给所述第一前端设备。
需要说明的是，前述对分布式人脸识别方法实施例的解释说明也适用于该实施例的电子设备，其实现原理和实现效果类似，此处不再赘述。
实施例七
为了实现上述目的，本发明实施例七还提出了一种计算机可读存储介质。
本发明实施例提供的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实现一种配置于车站的第一前端设备的分布式人脸识别方法，所述方法包括：
提取采集到的待识别人脸图像的人脸特征，并确定所属车站内所有可用第一前端设备存储的人脸数据块，基于确定的所有人脸数据块构建与服务器上人脸数据块相同数量长度的第一识别数组；
若确定所述第一识别数组中任意位置的值为空，则基于所属车站的相邻车站内所有可用第二前端设备存储的人脸数据块更新所述第一识别数组；
若确定更新后的第一识别数组中存在任意位置的值为空，则将所述人脸特征发送给服务器，以使所述服务器基于存储的多个人脸数据块并行对所述人脸特征进行人脸识别。
或者，实现本发明实施例所提供的一种配置于服务器的分布式人脸识别方法，所述方法包括：
接收各第一前端设备发送的人脸识别请求，所述人脸识别请求中包括待识别人脸图像的人脸特征和所述第一前端设备标识；
基于所有人脸数据块，对所述人脸特征进行并行识别得到识别结果；
基于所述第一前端设备标识，将所述识别结果发送给所述第一前端设备。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络包括局域网(LAN)或广域网(WAN)连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (15)

1.一种分布式人脸识别方法，其特征在于，由设置于车站的第一前端设备执行，所述方法包括：
提取采集到的待识别人脸图像的人脸特征，并确定所属车站内所有可用第一前端设备存储的人脸数据块，基于确定的所有人脸数据块构建与服务器上人脸数据块相同数量长度的第一识别数组；
若确定所述第一识别数组中任意位置的值为空，则基于所属车站的相邻车站内所有可用第二前端设备存储的人脸数据块更新所述第一识别数组；
若确定更新后的第一识别数组中存在任意位置的值为空，则将所述人脸特征发送给服务器，以使所述服务器基于存储的多个人脸数据块并行对所述人脸特征进行人脸识别。
2.根据权利要求1所述的方法，其特征在于，所述将所述人脸特征发送给服务器，以使所述服务器基于存储的多个人脸数据块并行对所述人脸特征进行人脸识别之后，还包括：
在确定所述服务器返回的识别结果为识别成功时，控制设备门处于开启状态；
在确定所述服务器返回的识别结果为识别失败时，控制所述设备门处于关闭状态。
3.根据权利要求1所述的方法，其特征在于，所述确定所属车站内所有可用前端设备存储的人脸数据块，以基于确定的所有人脸数据块构建与服务器上人脸数据块数量相同长度的第一识别数组之后，还包括：
若确定所述第一识别数组中每个位置的值为非空，则将所述人脸特征并发至所属车站内每个可用第一前端设备，以使每个可用第一前端设备对所述人脸特征进行人脸识别；
在任意可用第一前端设备的识别结果为识别成功时，控制设备门处于开启状态；
在所有可用第一前端设备的识别结果为识别失败时，控制所述设备门处于关闭状态。
4.根据权利要求1所述的方法，其特征在于，所述所属车站的相邻车站包括：与所述所属车站前一相邻的第一车站，和与所述所属车站后一相邻的第二车站；
相应的，所述基于所属车站的相邻车站内所有可用第二前端设备存储的人脸数据块更新所述第一识别数组，包括：
基于与所属车站前一相邻的第一车站，和/或与所属车站后一相邻的第二车站内所有可用第二前端设备存储的人脸数据块更新所述第一识别数组。
5.根据权利要求4所述的方法，其特征在于，所述基于所属车站的相邻车站内所有可用第二前端设备存储的人脸数据块更新所述第一识别数组之后，还包括：
若确定更新后的第一识别数组中每个位置的值为非空，则将所述人脸特征并发至所述第一车站和/或所述第二车站内每个可用第二前端设备，以使每个可用第二前端设备基于所述人脸特征进行人脸识别；
在任意可用第二前端设备的识别结果为识别成功时，控制设备门处于开启状态；
在所有可用第二前端设备的识别结果为识别失败时，控制所述设备门处于关闭状态。
6.根据权利要求1所述的方法，其特征在于，所述提取采集到的待识别人脸图像的人脸特征之前，还包括：
在采集到新录入人脸图像时，提取所述新录入人脸图像的人脸特征；
将所述新录入人脸图像的人脸特征存储至所述第一前端设备的设备第一存储区，并将所述新录入人脸图像的人脸特征发送给服务器，以使所述服务器将所述新录入人脸图像的人脸特征存储至服务器第一存储区。
7.根据权利要求6所述的方法，其特征在于，还包括：
将所述新录入人脸图像的人脸特征发送给所属车站内其他第一前端设备，以使所述其他第一前端设备将所述新录入人脸图像的人脸特征存储至所述其他第一前端设备的设备第一存储区。
8.根据权利要求6所述的方法，其特征在于，所述将所述新录入人脸图像的人脸特征发送给服务器之后，还包括：
接收所述服务器发送的人脸数据块，将所述人脸数据块存储至所述第一前端设备的设备第二存储区，并建立数据索引。
9.一种分布式人脸识别方法，其特征在于，由服务器执行，所述方法包括：
接收各第一前端设备发送的人脸识别请求，所述人脸识别请求中包括待识别人脸图像的人脸特征和第一前端设备标识；
基于所有人脸数据块，对所述人脸特征进行并行识别得到识别结果；
基于所述第一前端设备标识，将所述识别结果发送给所述第一前端设备；
接收所述第一前端设备发送的新录入人脸图像的人脸特征；
将所述新录入人脸图像的人脸特征存储至服务器第一存储区，并将所述新录入人脸图像的人脸特征并发给除第一前端设备所属车站之外的其他车站中的种子前端设备，以使所述种子前端设备将所述新录入人脸图像的人脸特征存储至所述种子前端设备的设备第一存储区以及转发至所属其他车站内的各非种子前端设备的设备第一存储区。
10.根据权利要求9所述的方法，其特征在于，所述将所述新录入人脸图像的人脸特征并发给除第一前端设备所属车站之外的其他车站中的种子前端设备之后，还包括：
在空闲时间段将服务器第一存储区中存储的人脸特征数据，移动至服务器第二存储区，并基于建立通信连接的多个车站的前端设备数量，确定每个车站、与所述每个车站前一相邻的第一车站，以及与所述每个车站后一相邻的第二车站的前端设备数量总和；
依据从多个前端设备数量总和中选取最小和值，将所述服务器第二存储区中存储的人脸特征数据划分成多个人脸数据块；
按照预设方式将所述多个人脸数据块发送至每个车站内每个前端设备的设备第二存储区。
11.根据权利要求10所述的方法，其特征在于，所述按照预设方式将所述多个人脸数据块发送至每个车站内每个前端设备的设备存量数据存储区，包括：
基于每个车站的前端设备数量，确定每个人脸数据块的目标前端设备；
将每个人脸数据块发送给每个车站内目标前端设备的设备第二存储区。
12.一种分布式人脸识别装置，其特征在于，配置于设置于车站的第一前端，包括：
数组构建模块，用于提取采集到的待识别人脸图像的人脸特征，并确定所属车站内所有可用第一前端设备存储的人脸数据块标识，以基于确定的所有人脸数据块标识构建与服务器上人脸数据块相同数量长度的第一识别数组；
确定模块，用于若确定所述第一识别数组中任意位置的值为空，则基于所属车站的相邻车站内所有可用第二前端设备存储的人脸数据块更新所述第一识别数组；
第一识别模块，用于若确定更新后的第一识别数组中存在任意位置的值为空，则将所述人脸特征发送给服务器，以使所述服务器基于存储的多个人脸数据块并行对所述人脸特征进行人脸识别。
13.一种分布式人脸识别装置，其特征在于，配置于服务器，包括：
请求接收模块，用于接收各第一前端设备发送的人脸识别请求，所述人脸识别请求中包括待识别人脸图像的人脸特征和第一前端设备标识；
第二识别模块，用于基于所有人脸数据块，对所述人脸特征进行并行识别得到识别结果；
结果发送模块，用于基于所述第一前端设备标识，将所述识别结果发送给所述第一前端设备；
特征接收模块，用于接收所述第一前端设备发送的新录入人脸图像的人脸特征；
处理模块，用于将所述新录入人脸图像的人脸特征存储至服务器第一存储区，并将所述新录入人脸图像的人脸特征并发给除第一前端设备所属车站之外的其他车站中的种子前端设备，以使所述种子前端设备将所述新录入人脸图像的人脸特征存储至所述种子前端设备的设备第一存储区以及转发至所属其他车站内的各非种子前端设备的设备第一存储区。
14.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-11中任一所述的分布式人脸识别方法。
15.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-11中任一所述的分布式人脸识别方法。
CN202110245941.1A 2021-03-05 2021-03-05 分布式人脸识别方法、装置、设备和介质 Active CN112861779B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110245941.1A CN112861779B (zh) 2021-03-05 2021-03-05 分布式人脸识别方法、装置、设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110245941.1A CN112861779B (zh) 2021-03-05 2021-03-05 分布式人脸识别方法、装置、设备和介质

Publications (2)

Publication Number Publication Date
CN112861779A CN112861779A (zh) 2021-05-28
CN112861779B true CN112861779B (zh) 2024-01-23

Family

ID=75993799

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110245941.1A Active CN112861779B (zh) 2021-03-05 2021-03-05 分布式人脸识别方法、装置、设备和介质

Country Status (1)

Country Link
CN (1) CN112861779B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108335369A (zh) * 2018-02-28 2018-07-27 四川倍施特科技股份有限公司 一种客运站实名制验证检票系统
CN109118621A (zh) * 2018-07-24 2019-01-01 石数字技术成都有限公司 一种人脸识别门禁的人脸注册系统和在门禁控制的应用
WO2019051795A1 (zh) * 2017-09-15 2019-03-21 广东欧珀移动通信有限公司 图像处理方法、装置、终端、服务器和计算机可读存储介质
CN109753848A (zh) * 2017-11-03 2019-05-14 杭州海康威视数字技术股份有限公司 执行人脸识别处理的方法、装置和系统
CN109801420A (zh) * 2019-01-25 2019-05-24 大匠智联(深圳)科技有限公司 基于归类算法的多并发人脸识别门禁系统及其识别方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8824750B2 (en) * 2012-03-19 2014-09-02 Next Level Security Systems, Inc. Distributive facial matching and notification system

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019051795A1 (zh) * 2017-09-15 2019-03-21 广东欧珀移动通信有限公司 图像处理方法、装置、终端、服务器和计算机可读存储介质
CN109753848A (zh) * 2017-11-03 2019-05-14 杭州海康威视数字技术股份有限公司 执行人脸识别处理的方法、装置和系统
CN108335369A (zh) * 2018-02-28 2018-07-27 四川倍施特科技股份有限公司 一种客运站实名制验证检票系统
CN109118621A (zh) * 2018-07-24 2019-01-01 石数字技术成都有限公司 一种人脸识别门禁的人脸注册系统和在门禁控制的应用
CN109801420A (zh) * 2019-01-25 2019-05-24 大匠智联(深圳)科技有限公司 基于归类算法的多并发人脸识别门禁系统及其识别方法

Also Published As

Publication number Publication date
CN112861779A (zh) 2021-05-28

Similar Documents

Publication Publication Date Title
US20240394894A1 (en) Trajectory cluster model for learning trajectory patterns in video data
US20100239130A1 (en) System and method for performing rapid facial recognition
CN110309587B (zh) 决策模型构建方法、决策方法与决策模型
CN107491885A (zh) 一种用于钢贸金融业务的风控平台及风险控制管理方法
CN112200956B (zh) 一种门禁控制方法、系统、电子设备及存储介质
CN112131929B (zh) 一种基于区块链的跨摄像机行人跟踪系统及方法
CN113393474A (zh) 一种基于特征融合的三维点云的分类和分割方法
CN112799897B (zh) 一种基于大数据的信息管理方法、管理系统、存储介质
CN105046303A (zh) 一种基于分布式数据交互的生物识别方法及系统
CN109902681B (zh) 用户群体关系确定方法、装置、设备及存储介质
CN114553481A (zh) 网络攻击事件预测及最优主动防御策略选取系统
CN114429663A (zh) 人脸底库的更新方法、人脸识别方法、装置及系统
CN112861779B (zh) 分布式人脸识别方法、装置、设备和介质
CN110381310A (zh) 一种检测视觉系统的健康状态的方法及装置
CN113112654B (zh) 一种门禁服务主机切换方法和装置
CN117038040A (zh) 一种医疗影像信息管理系统及方法
CN108595469A (zh) 一种基于语义的农机监控视频图像节带化传输系统
CN112989083B (zh) 人员身份分析方法、装置、设备及存储介质
CN115810228A (zh) 人脸识别门禁管理方法、装置、电子设备和存储介质
CN104778014B (zh) 一种数据存储方法及系统
CN109190551A (zh) 一种基于gpu的大规模人脸识别系统
CN115695205B (zh) 一种拓扑网络结构优化方法、装置、设备和存储介质
CN113269022B (zh) 一种用于预测隐性特定人员的系统及方法
CN113268580B (zh) 会话主题迁移路径挖掘方法、装置、计算机设备及介质
RU2765439C1 (ru) Способ распознавания лица на системах контроля и управления доступом

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
GR01 Patent grant
GR01 Patent grant