CN113190707A - 一种人脸库管理系统、方法、装置、存储设备及存储介质 - Google Patents
一种人脸库管理系统、方法、装置、存储设备及存储介质 Download PDFInfo
- Publication number
- CN113190707A CN113190707A CN202110567083.2A CN202110567083A CN113190707A CN 113190707 A CN113190707 A CN 113190707A CN 202110567083 A CN202110567083 A CN 202110567083A CN 113190707 A CN113190707 A CN 113190707A
- Authority
- CN
- China
- Prior art keywords
- face
- storage device
- library
- feature information
- base map
- 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.)
- Granted
Links
Images
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
- G06F16/58—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
- 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
- G06F16/25—Integrating or interfacing systems involving database management systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- Collating Specific Patterns (AREA)
- Processing Or Creating Images (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种人脸库管理系统、方法、装置、存储设备及存储介质，所述系统包括：客户端设备、第一存储设备和至少一个第二存储设备；所述客户端设备，用于向所述第一存储设备发送人脸库中的人脸底图；所述第一存储设备，用于提取接收到的所述人脸底图的特征信息，生成人脸特征信息库；并将所述人脸特征信息库发送至所述至少一个第二存储设备；所述至少一个第二存储设备，用于接收所述人脸特征信息库。节约了运算资源、提高了导入速度、降低了多个存储设备生成人脸特征信息库的时间，进而提高了人脸比对的效率，人脸比对的实时性较好。
Description
技术领域
本发明涉及人脸库管理技术领域，尤其涉及一种人脸库管理系统、方法、装置、存储设备及存储介质。
背景技术
服务器端的人脸比对功能是基于深度学习算法的视频图像结构化技术，实现精确的人脸分析。人脸比对是对采集到的人脸进行特征提取得到人脸特征信息，然后将得到的人脸特征信息与保存的人脸特征信息库中的人脸特征信息进行比对。
传统的对人脸特征信息库管理方法是用户通过客户端的本地界面进行导入操作，存储设备对人脸库中的人脸底图进行特征提取生成人脸特征信息库。但随着人脸库中人脸底图的数量越来越大，有的需要增加高达30w张人脸底图，导入时间就越来越长，若用户需要对多台存储设备进行导入，每台存储设备导入都需要进行特征属性的提取生成特征信息库，就需要花费很长时间才能导入完成。
随着人脸库底图数量的增大，多个存储设备生成人脸特征信息库的时间较长，进而导致人脸比对的效率降低，人脸比对的实时性较差。
发明内容
本发明实施例提供了一种人脸库管理系统、方法、装置、存储设备及存储介质，用以解决多个存储设备生成人脸特征信息库的时间较长，进而导致人脸比对的效率降低，人脸比对的实时性较差的问题。
本发明实施例提供了一种人脸库管理系统，所述系统包括：客户端设备、第一存储设备和至少一个第二存储设备；
所述客户端设备，用于向所述第一存储设备发送人脸库中的人脸底图；
所述第一存储设备，用于提取接收到的所述人脸底图的特征信息，生成人脸特征信息库；并将所述人脸特征信息库发送至所述至少一个第二存储设备；
所述至少一个第二存储设备，用于接收所述人脸特征信息库。
进一步地，所述客户端设备，还用于向所述第一存储设备发送所述至少一个第二存储设备的标识信息；
所述第一存储设备，具体用于根据所述至少一个第二存储设备的标识信息，将所述人脸特征信息库发送至所述至少一个第二存储设备。
进一步地，所述客户端设备，还用于向所述第一存储设备发送所述人脸库中的人脸底图的数量信息；
所述第一存储设备，具体用于按照预设的提取数量分批提取所述人脸底图的特征信息；
所述第一存储设备，还用于根据所述人脸底图的数量信息，确定提取到所有人脸底图的特征信息时，向所述客户端设备发送特征提取完毕的指示信息。
进一步地，所述存储设备，还用于获取自身的每个智能运算卡对应的每个图像采集设备；针对所述每个智能运算卡，根据预设第一时间长度内，所述人脸库中的每张人脸底图对应的人脸在该智能运算卡对应的每个图像采集设备中出现的次数，确定所述人脸库中的每张人脸底图的频率等级，根据所述每张人脸底图的频率等级，确定该智能运算卡对应的不同等级的人脸特征信息子库，其中，人脸底图的频率等级越高，对应的人脸特征信息子库的等级越高。
进一步地，所述存储设备，具体用于针对所述每个智能运算卡，根据预设第一时间长度内，所述人脸库中的每张人脸底图对应的人脸在该智能运算卡对应的每个图像采集设备中出现的次数，以及预设的所述每个图像采集设备对应的第一权重值，确定所述人脸库中的每张人脸底图的频率等级。
进一步地，所述存储设备，具体用于针对所述每个智能运算卡，根据预设第一时间长度内，所述人脸库中的每张人脸底图对应的人脸在该智能运算卡对应的每个图像采集设备中出现的次数，以及预设的所述每个图像采集设备对应的第一权重值，确定所述人脸库中的每张人脸底图的候选频率等级；根据设定数量的每个第一时间长度内确定的候选频率等级，以及预设的每个第一时间长度对应的第二权重值，确定所述人脸库中的每张人脸底图的频率等级；其中，距离当前时间越近的第一时间长度对应的第二权重值越大。
进一步地，所述存储设备，还用于当接收到人脸比对指令，按照人脸特征信息子库等级由高到低的顺序进行人脸比对。
另一方面，本发明实施例提供了一种人脸库管理方法，所述方法包括：
第一存储设备接收客户端设备发送的人脸库中的人脸底图；
提取所述人脸底图的特征信息，生成人脸特征信息库；
将所述人脸特征信息库发送至至少一个第二存储设备。
进一步地，所述将所述人脸特征信息库发送至至少一个第二存储设备之前，所述方法还包括：
接收客户端设备发送的所述至少一个第二存储设备的标识信息；
将所述人脸特征信息库发送至至少一个第二存储设备包括：
根据所述至少一个第二存储设备的标识信息，将所述人脸特征信息库发送至所述至少一个第二存储设备。
进一步地，所述提取所述人脸底图的特征信息，生成人脸特征信息库之前，所述方法还包括：
接收客户端设备发送的所述人脸库中的人脸底图的数量信息；
所述提取所述人脸底图的特征信息包括：
按照预设的提取数量分批提取所述人脸底图的特征信息；
所述方法还包括：
根据所述人脸底图的数量信息，确定提取到所有人脸底图的特征信息时，向所述客户端设备发送特征提取完毕的指示信息。
进一步地，所述方法还包括：
获取自身的每个智能运算卡对应的每个图像采集设备；
针对所述每个智能运算卡，根据预设第一时间长度内，所述人脸库中的每张人脸底图对应的人脸在该智能运算卡对应的每个图像采集设备中出现的次数，确定所述人脸库中的每张人脸底图的频率等级，根据所述每张人脸底图的频率等级，确定该智能运算卡对应的不同等级的人脸特征信息子库，其中，人脸底图的频率等级越高，对应的人脸特征信息子库的等级越高。
进一步地，所述针对所述每个智能运算卡，根据预设第一时间长度内，所述人脸库中的每张人脸底图对应的人脸在该智能运算卡对应的每个图像采集设备中出现的次数，确定所述人脸库中的每张人脸底图的频率等级包括：
针对所述每个智能运算卡，根据预设第一时间长度内，所述人脸库中的每张人脸底图对应的人脸在该智能运算卡对应的每个图像采集设备中出现的次数，以及预设的所述每个图像采集设备对应的第一权重值，确定所述人脸库中的每张人脸底图的频率等级。
进一步地，所述针对所述每个智能运算卡，根据预设第一时间长度内，所述人脸库中的每张人脸底图对应的人脸在该智能运算卡对应的每个图像采集设备中出现的次数，以及预设的所述每个图像采集设备对应的第一权重值，确定所述人脸库中的每张人脸底图的频率等级包括：
针对所述每个智能运算卡，根据预设第一时间长度内，所述人脸库中的每张人脸底图对应的人脸在该智能运算卡对应的每个图像采集设备中出现的次数，以及预设的所述每个图像采集设备对应的第一权重值，确定所述人脸库中的每张人脸底图的候选频率等级；根据设定数量的每个第一时间长度内确定的候选频率等级，以及预设的每个第一时间长度对应的第二权重值，确定所述人脸库中的每张人脸底图的频率等级；其中，距离当前时间越近的第一时间长度对应的第二权重值越大。
进一步地，所述方法还包括：
当接收到人脸比对指令，按照人脸特征信息子库等级由高到低的顺序进行人脸比对。
另一方面，本发明实施例提供了一种人脸库管理装置，所述装置包括：
接收模块，用于接收客户端设备发送的人脸库中的人脸底图；
提取模块，用于提取所述人脸底图的特征信息，生成人脸特征信息库；
发送模块，用于将所述人脸特征信息库发送至至少一个第二存储设备。
进一步地，所述接收模块，还用于接收客户端设备发送的所述至少一个第二存储设备的标识信息；
所述发送模块，具体用于根据所述至少一个第二存储设备的标识信息，将所述人脸特征信息库发送至所述至少一个第二存储设备。
进一步地，所述接收模块，还用于接收客户端设备发送的所述人脸库中的人脸底图的数量信息；
所述提取模块，具体用于按照预设的提取数量分批提取所述人脸底图的特征信息；
所述发送模块，还用于根据所述人脸底图的数量信息，确定提取到所有人脸底图的特征信息时，向所述客户端设备发送特征提取完毕的指示信息。
进一步地，所述装置还包括：
确定模块，用于获取自身的每个智能运算卡对应的每个图像采集设备；针对所述每个智能运算卡，根据预设第一时间长度内，所述人脸库中的每张人脸底图对应的人脸在该智能运算卡对应的每个图像采集设备中出现的次数，确定所述人脸库中的每张人脸底图的频率等级，根据所述每张人脸底图的频率等级，确定该智能运算卡对应的不同等级的人脸特征信息子库，其中，人脸底图的频率等级越高，对应的人脸特征信息子库的等级越高。
进一步地，所述确定模块，具体用于针对所述每个智能运算卡，根据预设第一时间长度内，所述人脸库中的每张人脸底图对应的人脸在该智能运算卡对应的每个图像采集设备中出现的次数，以及预设的所述每个图像采集设备对应的第一权重值，确定所述人脸库中的每张人脸底图的频率等级。
进一步地，所述确定模块，具体用于针对所述每个智能运算卡，根据预设第一时间长度内，所述人脸库中的每张人脸底图对应的人脸在该智能运算卡对应的每个图像采集设备中出现的次数，以及预设的所述每个图像采集设备对应的第一权重值，确定所述人脸库中的每张人脸底图的候选频率等级；根据设定数量的每个第一时间长度内确定的候选频率等级，以及预设的每个第一时间长度对应的第二权重值，确定所述人脸库中的每张人脸底图的频率等级；其中，距离当前时间越近的第一时间长度对应的第二权重值越大。
进一步地，所述装置还包括：
比对模块，用于当接收到人脸比对指令，按照人脸特征信息子库等级由高到低的顺序进行人脸比对。
再一方面，本发明实施例提供了一种存储设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述任一项所述的方法步骤。
再一方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法步骤。
本发明实施例提供了一种人脸库管理系统、方法、装置、存储设备及存储介质，所述系统包括：客户端设备、第一存储设备和至少一个第二存储设备；所述客户端设备，用于向所述第一存储设备发送人脸库中的人脸底图；所述第一存储设备，用于提取接收到的所述人脸底图的特征信息，生成人脸特征信息库；并将所述人脸特征信息库发送至所述至少一个第二存储设备；所述至少一个第二存储设备，用于接收所述人脸特征信息库。
上述的技术方案具有如下优点或有益效果：
本发明实施例提供的人脸库管理系统中，客户端设备向第一存储设备发送人脸库中的人脸底图，第一存储设备提取接收到的人脸底图的特征信息，生成人脸特征信息库；然后将人脸特征信息库发送至所述至少一个第二存储设备。客户端设备只需要导入一次人脸库，只有第一存储设备提取特征信息，然后第一存储设备将提取特征信息之后生成的人脸特征信息库发送至其它第二存储设备，就能把人脸库导入到批量的存储设备中。节约了运算资源、提高了导入速度、降低了多个存储设备生成人脸特征信息库的时间，进而提高了人脸比对的效率，人脸比对的实时性较好。
附图说明
为了更清楚地说明本发明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要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，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为本发明实施例1提供的人脸库管理系统结构示意图；
图2为本发明实施例7提供的人脸库管理过程示意图；
图3为本发明实施例7提供的另一人脸库管理过程示意图；
图4为本发明实施例7提供的人脸库管理流程图；
图5为本发明实施例7提供的运算智能卡与IPC对应关系示意图；
图6为本发明实施例8提供的人脸库管理装置结构示意图；
图7为本发明实施例8提供的存储设备结构示意图。
具体实施方式
下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
实施例1：
图1为本发明实施例提供的人脸库管理系统结构示意图，所述系统包括：客户端设备11、第一存储设备12和至少一个第二存储设备13；
所述客户端设备11，用于向所述第一存储设备12发送人脸库中的人脸底图；
所述第一存储设备12，用于提取接收到的所述人脸底图的特征信息，生成人脸特征信息库；并将所述人脸特征信息库发送至所述至少一个第二存储设备13；
所述至少一个第二存储设备13，用于接收所述人脸特征信息库。
本发明实施例中，人脸库管理系统包括多个存储设备，将其中的任意一个存储设备作为第一存储设备，将除第一存储设备之外的存储设备称为第二存储设备。人脸库管理系统还包括客户端设备，客户端设备仅向第一存储设备发送人脸库中的人脸底图，第一存储设备接收到人脸底图之后，提取接收到的人脸底图的特征信息并生成人脸特征信息库，再将人脸特征信息库发送到至少一个第二存储设备。如果第二存储设备为多个，则第一存储设备将人脸特征信息库分别发送到每个第二存储设备。至少一个第二存储设备用于接收所述人脸特征信息库。
本发明实施例提供的人脸库管理系统中，客户端设备向第一存储设备发送人脸库中的人脸底图，第一存储设备提取接收到的人脸底图的特征信息，生成人脸特征信息库；然后将人脸特征信息库发送至所述至少一个第二存储设备。客户端设备只需要导入一次人脸库，只有第一存储设备提取特征信息，然后第一存储设备将提取特征信息之后生成的人脸特征信息库发送至其它第二存储设备，就能把人脸库导入到批量的存储设备中。节约了运算资源、提高了导入速度、降低了多个存储设备生成人脸特征信息库的时间，进而提高了人脸比对的效率，人脸比对的实时性较好。
实施例2：
为了保证第一存储设备将所述人脸特征信息库发送至所述至少一个第二存储设备。在上述实施例的基础上，在本发明实施例中，所述客户端设备，还用于向所述第一存储设备发送所述至少一个第二存储设备的标识信息；
所述第一存储设备，具体用于根据所述至少一个第二存储设备的标识信息，将所述人脸特征信息库发送至所述至少一个第二存储设备。
在本发明实施例中，客户端设备中预先保存至少一个第二存储设备的标识信息，客户端设备向第一存储设备发送人脸库中的人脸底图以及至少一个第二存储设备的标识信息。需要说明的是，客户端设备中预先保存第一存储设备的标识信息，客户端设备是根据第一存储设备的标识信息来向第一存储设备发送人脸库中的人脸底图以及至少一个第二存储设备的标识信息的。第一存储设备根据至少一个第二存储设备的标识信息，将人脸特征信息库发送到至少一个第二存储设备。
由于在本发明实施例中，客户端设备还用于向所述第一存储设备发送所述至少一个第二存储设备的标识信息，从而保证了第一存储设备根据至少一个第二存储设备的标识信息准确地将人脸特征信息库发送至所述至少一个第二存储设备。
实施例3：
为了及时通知客户端设备特征提取已完毕，在上述各实施例的基础上，在本发明实施例中，所述客户端设备，还用于向所述第一存储设备发送所述人脸库中的人脸底图的数量信息；
所述第一存储设备，具体用于按照预设的提取数量分批提取所述人脸底图的特征信息；
所述第一存储设备，还用于根据所述人脸底图的数量信息，确定提取到所有人脸底图的特征信息时，向所述客户端设备发送特征提取完毕的指示信息。
在本发明实施例中，客户端设备还用于向第一存储设备发送人脸库中的人脸底图的数量信息，第一存储设备具体用于按照预设的提取数量分批提取人脸底图的特征信息。例如客户端设备发送的数量信息为1000张，预设的提取数量为100张，则第一存储设备每次提取100张人脸底图的特征信息，提取10次则确定特征提取到所有人脸底图的特征信息。此时第一存储设备向客户端设备发送特征提取完毕的指示信息，该指示信息用于提示客户端设备此次所有人脸底图的特征信息已提取完毕。
实施例4：
存储设备中包括多个智能运算卡，每个智能运算卡对应固定的几路图像采集设备进行人脸比对分析，为了提高人脸比对分析效率，可以针对每个智能运算卡生成不同等级的人脸特征信息子库，存储设备，还用于当接收到人脸比对指令，按照人脸特征信息子库等级由高到低的顺序进行人脸比对。基于上述考虑，在上述各实施例的基础上，在本发明实施例中，所述存储设备，还用于获取自身的每个智能运算卡对应的每个图像采集设备；针对所述每个智能运算卡，根据预设第一时间长度内，所述人脸库中的每张人脸底图对应的人脸在该智能运算卡对应的每个图像采集设备中出现的次数，确定所述人脸库中的每张人脸底图的频率等级，根据所述每张人脸底图的频率等级，确定该智能运算卡对应的不同等级的人脸特征信息子库，其中，人脸底图的频率等级越高，对应的人脸特征信息子库的等级越高。
上述实施例中的第一存储设备和至少一个第二存储设备在本发明实施例中统称为存储设备。存储设备首先获取自身的每个智能运算卡对应的每个图像采集设备。然后针对自身的每个智能运算卡，统计预设第一时间长度内，人脸库中的每张人脸底图对应的人脸在该智能运算卡对应的每个图像采集设备中出现的次数。预设第一时间长度可以是距离当前时间最近的10个小时、1天、2天等等。然后根据预设第一时间长度内，人脸库中的每张人脸底图对应的人脸在该智能运算卡对应的每个图像采集设备中出现的次数确定人脸库中的每张人脸底图的频率等级。其中，针对人脸库中的每张人脸底图，可以将该人脸底图在该智能运算卡对应的每个图像采集设备中出现的次数的和作为该人脸底图的频率等级。
存储设备针对自身的每个智能运算卡，确定出人脸库中的每张人脸底图的频率等级之后，根据每张人脸底图的频率等级将每张人脸底图划分到不同等级的人脸特征信息子库中，其中，人脸底图的频率等级越高，对应的人脸特征信息子库的等级越高。具体的，存储设备可以设置不同的频率等级阈值，根据不同的频率等级阈值，将不同频率等级的人脸底图划分到不同等级的人脸特征信息子库中。存储设备当接收到人脸比对指令，按照人脸特征信息子库等级由高到低的顺序进行人脸比对，从而提高人脸比对分析效率。
实施例5：
为了使确定的每张人脸底图的频率等级更准确，在上述各实施例的基础上，在本发明实施例中，所述存储设备，具体用于针对所述每个智能运算卡，根据预设第一时间长度内，所述人脸库中的每张人脸底图对应的人脸在该智能运算卡对应的每个图像采集设备中出现的次数，以及预设的所述每个图像采集设备对应的第一权重值，确定所述人脸库中的每张人脸底图的频率等级。
在本发明实施例中，存储设备中保存有预设的每个图像采集设备对应的第一权重值，例如每个图像采集设备对应的第一权重值可以根据图像采集设备的安装位置确定，不同安装位置的图像采集设备对应不同的第一权重值。针对每个智能运算卡，根据预设第一时间长度内，人脸库中的每张人脸底图对应的人脸在该智能运算卡对应的每个图像采集设备中出现的次数，以及预设的每个图像采集设备对应的第一权重值，计算每张人脸底图对应的次数加权平均值，将每张人脸底图对应的次数加权平均值作为确定出的每张人脸底图的频率等级。
实施例6：
为了进一步使确定的每张人脸底图的频率等级更准确，在上述各实施例的基础上，在本发明实施例中，所述存储设备，具体用于针对所述每个智能运算卡，根据预设第一时间长度内，所述人脸库中的每张人脸底图对应的人脸在该智能运算卡对应的每个图像采集设备中出现的次数，以及预设的所述每个图像采集设备对应的第一权重值，确定所述人脸库中的每张人脸底图的候选频率等级；根据设定数量的每个第一时间长度内确定的候选频率等级，以及预设的每个第一时间长度对应的第二权重值，确定所述人脸库中的每张人脸底图的频率等级；其中，距离当前时间越近的第一时间长度对应的第二权重值越大。
在本发明实施例中，针对每个智能运算卡，根据预设第一时间长度内，人脸库中的每张人脸底图对应的人脸在该智能运算卡对应的每个图像采集设备中出现的次数，以及预设的每个图像采集设备对应的第一权重值，计算每张人脸底图对应的次数加权平均值，将每张人脸底图对应的次数加权平均值作为确定出的每张人脸底图的候选频率等级。存储设备分别确定出设定数量的每个第一时间长度内的候选频率等级，并且预设的每个第一时间长度对应的第二权重值；其中，距离当前时间越近的第一时间长度对应的第二权重值越大。然后再计算每个候选频率等级和对应的第二权重值的加权平均值，得到人脸库中的每张人脸底图的频率等级。
实施例7：
图2为本发明实施例提供的人脸库管理过程示意图，该过程包括以下步骤：
S101：第一存储设备接收客户端设备发送的人脸库中的人脸底图。
S102：提取所述人脸底图的特征信息，生成人脸特征信息库。
S103：将所述人脸特征信息库发送至至少一个第二存储设备。
所述将所述人脸特征信息库发送至至少一个第二存储设备之前，所述方法还包括：
接收客户端设备发送的所述至少一个第二存储设备的标识信息；
将所述人脸特征信息库发送至至少一个第二存储设备包括：
根据所述至少一个第二存储设备的标识信息，将所述人脸特征信息库发送至所述至少一个第二存储设备。
所述提取所述人脸底图的特征信息，生成人脸特征信息库之前，所述方法还包括：
接收客户端设备发送的所述人脸库中的人脸底图的数量信息；
所述提取所述人脸底图的特征信息包括：
按照预设的提取数量分批提取所述人脸底图的特征信息；
所述方法还包括：
根据所述人脸底图的数量信息，确定提取到所有人脸底图的特征信息时，向所述客户端设备发送特征提取完毕的指示信息。
所述方法还包括：
获取自身的每个智能运算卡对应的每个图像采集设备；
针对所述每个智能运算卡，根据预设第一时间长度内，所述人脸库中的每张人脸底图对应的人脸在该智能运算卡对应的每个图像采集设备中出现的次数，确定所述人脸库中的每张人脸底图的频率等级，根据所述每张人脸底图的频率等级，确定该智能运算卡对应的不同等级的人脸特征信息子库，其中，人脸底图的频率等级越高，对应的人脸特征信息子库的等级越高。
所述针对所述每个智能运算卡，根据预设第一时间长度内，所述人脸库中的每张人脸底图对应的人脸在该智能运算卡对应的每个图像采集设备中出现的次数，确定所述人脸库中的每张人脸底图的频率等级包括：
针对所述每个智能运算卡，根据预设第一时间长度内，所述人脸库中的每张人脸底图对应的人脸在该智能运算卡对应的每个图像采集设备中出现的次数，以及预设的所述每个图像采集设备对应的第一权重值，确定所述人脸库中的每张人脸底图的频率等级。
所述针对所述每个智能运算卡，根据预设第一时间长度内，所述人脸库中的每张人脸底图对应的人脸在该智能运算卡对应的每个图像采集设备中出现的次数，以及预设的所述每个图像采集设备对应的第一权重值，确定所述人脸库中的每张人脸底图的频率等级包括：
针对所述每个智能运算卡，根据预设第一时间长度内，所述人脸库中的每张人脸底图对应的人脸在该智能运算卡对应的每个图像采集设备中出现的次数，以及预设的所述每个图像采集设备对应的第一权重值，确定所述人脸库中的每张人脸底图的候选频率等级；根据设定数量的每个第一时间长度内确定的候选频率等级，以及预设的每个第一时间长度对应的第二权重值，确定所述人脸库中的每张人脸底图的频率等级；其中，距离当前时间越近的第一时间长度对应的第二权重值越大。
所述方法还包括：
当接收到人脸比对指令，按照人脸特征信息子库等级由高到低的顺序进行人脸比对。
图3为本发明实施例提供的人脸库管理过程示意图，包括以下步骤：
S201：第一存储设备接收客户端设备发送的人脸库中的人脸底图、所述至少一个第二存储设备的标识信息、以及所述人脸库中的人脸底图的数量信息。
S202：按照预设的提取数量分批提取所述人脸底图的特征信息，根据所述人脸底图的数量信息，确定提取到所有人脸底图的特征信息时，向所述客户端设备发送特征提取完毕的指示信息。
S203：根据所述至少一个第二存储设备的标识信息，将所述人脸特征信息库发送至所述至少一个第二存储设备。
S204：第一存储设备获取自身的每个智能运算卡对应的每个图像采集设备，针对所述每个智能运算卡，根据预设第一时间长度内，所述人脸库中的每张人脸底图对应的人脸在该智能运算卡对应的每个图像采集设备中出现的次数，以及预设的所述每个图像采集设备对应的第一权重值，确定所述人脸库中的每张人脸底图的候选频率等级；根据设定数量的每个第一时间长度内确定的候选频率等级，以及预设的每个第一时间长度对应的第二权重值，确定所述人脸库中的每张人脸底图的频率等级；其中，距离当前时间越近的第一时间长度对应的第二权重值越大，当接收到人脸比对指令，按照人脸特征信息子库等级由高到低的顺序进行人脸比对。
下面结合流程图对本发明实施例提供的人脸库管理方案进行详细说明。
存储设备导入人脸库，先从客户端设备批量导入人脸底图，存储设备接收到人脸底图后，再提取特征信息，然后把人脸底图及特征信息存储在本地人脸特征信息库中；人脸比对时，再把待检测图片的特征信息与人脸特征信息库中的特征信息进行比对运算得出比对结果。
本发明实施例的思路1是：
客户端设备把人脸库导入到单台存储设备(第一存储设备)，第一存储设备提取人脸底图的特征信息，生成人脸特征信息库之后，再将人脸特征信息库发送至其它多台同类存储设备(至少一个第二存储设备)。
具体步骤如图4所示(以三个存储设备为例)：
step1：客户端设备先发送人脸库准备导入消息到存储设备1，准备导入消息包含此次批量导入需要导入那些存储设备的标识信息，人脸底图的张数等信息；
step2：存储设备1在收到准备导入信息后，进行信息转换，把存储设备1的软件版本信息及需要导入的人脸底图张数发送到存储设备2；
step3:存储设备1在收到准备导入信息后，进行信息转换，把存储设备1的软件版本信息及需要导入的人脸底图张数发送到存储设备3；
step4：存储设备1回复客户端设备，所有存储设备已经准备就绪；
step5：客户端设备批量发送人脸底图到存储设备1；
step6：存储设备1提取N张人脸底图的特征信息；
step7：把N张图片及对应的特征信息存储在本地人脸特征库中及打包；
step8：把打包后的人脸底图及人脸特征信息发送到存储设备2；
step9：把打包后的人脸底图及人脸特征信息发送到存储设备3；
step10：持续step6-step9。直到所有人脸底图全部导入完毕；
step11：存储设备2回复给存储设备1消息，表示已经全部导入完毕；
step12：存储设备3回复给存储设备1消息，表示已经全部导入完毕；
step13：存储设备1回复给客户端设备消息，表示已经全部导入完毕。
带多智能运算卡的IVSS存储设备结构图如图5所示。
人脸比对都是智能运算卡中进行运算得到，人脸特征信息库加载到智能运算卡中的内存里，每次人脸识别时，就是把待识别人脸图片中的特征新与人脸特征信息库进行比较运算得到比对结果。随着人脸库数量越来越大，比对的实时性和效率就显著降低。
本发明实施例的思路2是：
每张智能运算卡是对固定的几路IPC码流进行人脸比对分析，比如图5中，智能运算卡1只对存储设备上第1-10通道内IPC进行人脸比对；智能运算卡2只对存储设备上第11-20通道内IPC进行人脸比对。我们按照过去一段时间内，人脸在这些IPC摄像区域内出现频率的加权平均值组成人脸特征信息子库。人脸比对时，依序先去加权平均值高的人脸特征信息子库进行比对，若没有运算出结果再依序去其它人脸特征信息子库进行比对。具体算法如下：
以一个单位时间t(天数)内为统计计算基准。以智能运算卡1为例，它只对第1-10路的IPC进行人脸比对分析。根据每路IPC的特点赋予不同的权重(K1—Kn)。在一个单位时间内人脸A出现在第1-10路IPC人脸的次数分别为(M1-Mn)。单位时间内人脸A的加权频率平均值为P＝M1*K1+M2*K2+…+Mn*Kn。对人脸A统计最近b个单位时间内的加权频率平均值，它们分别是P1，P2，P3……Pb。对过去b个单位时间赋予不同的权重，按照时间的先后顺序赋予权重，时间最近的一个单位时间权重值为1，其它的依次为(b-1)/b、(b-2)/b、……、1/b。
人脸A在b个单位时间内总加权频率平均值为PB＝P1*(b/b)+P2*(b-1/b)+P3*(b-2/b)+…+Pb*(1/b)；根据以上计算出人脸对应的总加权频率平均值按照表1进行分类。加权等级高的组成人脸特征向量库Q1，加权等级次高的组成人脸特征向量库Q2，加权等级中的组成人脸特征向量库Q3，加权等级低的组成人脸特征向量库Q4。
表1人脸对应的加权频率平均值等级
人脸总加权频率平均值每隔1个单位时间t(天数)统计运算一次，也动态更新对应的人脸特征向量库。
本发明实施例提供的人脸库管理方案优势是，客户端设备只需要导入一次人脸库，在存储设备上只提取一次特征信息，就能把人脸库导入到批量存储设备中。节约了运算资源、提高了导入速度、提高了易用性。现有技术方案只能每次导入一台存储设备、每台存储设备都要进行特征信息提取。本发明实施例客户端设备先把人脸库导入到存储设备1，在存储设备1上进行特征信息提取，把提取后的特征信息及对应的图片打包后批量传输到其它相同型号的存储设备中。
在人脸比对时，对人脸特征库按照人脸对应的总加权频率平均值算法分类成几个特征信息子库，这些特征信息子库会根据算法进行动态更新。根据子库的等级进行依序比对，在高等级特征向量库中比对上了就不需要再比对其它子库。优点是：通过对人脸特征库按照优先级进行分类成子库后，不必对所有的人脸特征值进行比对，极大提高了人脸比对效率。而现有技术方案中，随着人脸库的容量越来越大，比对的实时性及效率就显著降低。
本发明实施例提供的人脸库管理方案如下：
1、根据IPC部署位置特定赋予每个IPC不同的权重，在单位时间内，根据每个人脸出现的次数来计算该人脸对应的加权频率平均值。
2、对连续最新的b个加权频率平均值，根据时间的先后顺序赋予不同的权重，计算出该人脸总的加权频率平均值。
3、根据该人脸对应的总的加权频率平均值按照值的大小，分成高、次高、中、低四个等级。把对应的特征向量值组成四个特征向量子库。
4、人脸比对时，依序从高等级特征向量子库进行比对。比对成功则不必跟其它子库进行比对。通过对人脸特征库按照优先级分类后，不必对所有的人脸特征值进行比对，极大提高了比对效率。
5、客户端把人脸库导入到单台设备，在设备上提取特征值后再同时把处理后的图片及特征值传输到其它多台同类设备。通过此方法导入人脸库，只需要操作一次，只提取一次特征值，提高了资源利用率、减少了导入时间、提高了易用性。
实施例8：
图6为本发明实施例提供的人脸库管理装置结构示意图，所述装置包括：
接收模块41，用于接收客户端设备发送的人脸库中的人脸底图；
提取模块42，用于提取所述人脸底图的特征信息，生成人脸特征信息库；
发送模块43，用于将所述人脸特征信息库发送至至少一个第二存储设备。
所述接收模块41，还用于接收客户端设备发送的所述至少一个第二存储设备的标识信息；
所述发送模块43，具体用于根据所述至少一个第二存储设备的标识信息，将所述人脸特征信息库发送至所述至少一个第二存储设备。
所述接收模块41，还用于接收客户端设备发送的所述人脸库中的人脸底图的数量信息；
所述提取模块42，具体用于按照预设的提取数量分批提取所述人脸底图的特征信息；
所述发送模块43，还用于根据所述人脸底图的数量信息，确定提取到所有人脸底图的特征信息时，向所述客户端设备发送特征提取完毕的指示信息。
所述装置还包括：
确定模块44，用于获取自身的每个智能运算卡对应的每个图像采集设备；针对所述每个智能运算卡，根据预设第一时间长度内，所述人脸库中的每张人脸底图对应的人脸在该智能运算卡对应的每个图像采集设备中出现的次数，确定所述人脸库中的每张人脸底图的频率等级，根据所述每张人脸底图的频率等级，确定该智能运算卡对应的不同等级的人脸特征信息子库，其中，人脸底图的频率等级越高，对应的人脸特征信息子库的等级越高。
所述确定模块44，具体用于针对所述每个智能运算卡，根据预设第一时间长度内，所述人脸库中的每张人脸底图对应的人脸在该智能运算卡对应的每个图像采集设备中出现的次数，以及预设的所述每个图像采集设备对应的第一权重值，确定所述人脸库中的每张人脸底图的频率等级。
所述确定模块44，具体用于针对所述每个智能运算卡，根据预设第一时间长度内，所述人脸库中的每张人脸底图对应的人脸在该智能运算卡对应的每个图像采集设备中出现的次数，以及预设的所述每个图像采集设备对应的第一权重值，确定所述人脸库中的每张人脸底图的候选频率等级；根据设定数量的每个第一时间长度内确定的候选频率等级，以及预设的每个第一时间长度对应的第二权重值，确定所述人脸库中的每张人脸底图的频率等级；其中，距离当前时间越近的第一时间长度对应的第二权重值越大。
所述装置还包括：
比对模块45，用于当接收到人脸比对指令，按照人脸特征信息子库等级由高到低的顺序进行人脸比对。
实施例9：
在上述各实施例的基础上，本发明实施例中还提供了一种存储设备，如图7所示，包括：处理器301、通信接口302、存储器303和通信总线304，其中，处理器301，通信接口302，存储器303通过通信总线304完成相互间的通信；
所述存储器303中存储有计算机程序，当所述程序被所述处理器301执行时，使得所述处理器301执行如下步骤：
第一存储设备接收客户端设备发送的人脸库中的人脸底图；
提取所述人脸底图的特征信息，生成人脸特征信息库；
将所述人脸特征信息库发送至至少一个第二存储设备。
基于同一发明构思，本发明实施例中还提供了一种存储设备，由于上述存储设备解决问题的原理与人脸库管理方法相似，因此上述存储设备的实施可以参见方法的实施，重复之处不再赘述。
本发明实施例提供的存储设备具体可以为桌面计算机、便携式计算机、智能手机、平板电脑、个人数字助理(Personal Digital Assistant，PDA)、网络侧设备等。
上述存储设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口302用于上述存储设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选地，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述处理器可以是通用处理器，包括中央处理器、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(Digital Signal Processing，DSP)、专用集成电路、现场可编程门陈列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
在本发明实施例中处理器执行存储器上所存放的程序时，实现接收客户端设备发送的人脸库中的人脸底图；提取所述人脸底图的特征信息，生成人脸特征信息库；将所述人脸特征信息库发送至至少一个第二存储设备。客户端设备向第一存储设备发送人脸库中的人脸底图，第一存储设备提取接收到的人脸底图的特征信息，生成人脸特征信息库；然后将人脸特征信息库发送至所述至少一个第二存储设备。客户端设备只需要导入一次人脸库，只有第一存储设备提取特征信息，然后第一存储设备将提取特征信息之后生成的人脸特征信息库发送至其它第二存储设备，就能把人脸库导入到批量的存储设备中。节约了运算资源、提高了导入速度、降低了多个存储设备生成人脸特征信息库的时间，进而提高了人脸比对的效率，人脸比对的实时性较好。
实施例10：
在上述各实施例的基础上，本发明实施例还提供了一种计算机存储可读存储介质，所述计算机可读存储介质内存储有可由存储设备执行的计算机程序，当所述程序在所述存储设备上运行时，使得所述存储设备执行时实现如下步骤：
第一存储设备接收客户端设备发送的人脸库中的人脸底图；
提取所述人脸底图的特征信息，生成人脸特征信息库；
将所述人脸特征信息库发送至至少一个第二存储设备。
基于同一发明构思，本发明实施例中还提供了一种计算机可读存储介质，由于处理器在执行上述计算机可读存储介质上存储的计算机程序时解决问题的原理与人脸库管理方法相似，因此处理器在执行上述计算机可读存储介质存储的计算机程序的实施可以参见方法的实施，重复之处不再赘述。
上述计算机可读存储介质可以是存储设备中的处理器能够存取的任何可用介质或数据存储设备，包括但不限于磁性存储器如软盘、硬盘、磁带、磁光盘(MO)等、光学存储器如CD、DVD、BD、HVD等、以及半导体存储器如ROM、EPROM、EEPROM、非易失性存储器(NANDFLASH)、固态硬盘(SSD)等。
在本发明实施例中提供的计算机可读存储介质内存储计算机程序，计算机程序被处理器执行时实现接收客户端设备发送的人脸库中的人脸底图；提取所述人脸底图的特征信息，生成人脸特征信息库；将所述人脸特征信息库发送至至少一个第二存储设备。客户端设备向第一存储设备发送人脸库中的人脸底图，第一存储设备提取接收到的人脸底图的特征信息，生成人脸特征信息库；然后将人脸特征信息库发送至所述至少一个第二存储设备。客户端设备只需要导入一次人脸库，只有第一存储设备提取特征信息，然后第一存储设备将提取特征信息之后生成的人脸特征信息库发送至其它第二存储设备，就能把人脸库导入到批量的存储设备中。节约了运算资源、提高了导入速度、降低了多个存储设备生成人脸特征信息库的时间，进而提高了人脸比对的效率，人脸比对的实时性较好。
本发明是参照根据本发明实施例的方法、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。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (23)
1.一种人脸库管理系统，其特征在于，所述系统包括：客户端设备、第一存储设备和至少一个第二存储设备；
所述客户端设备，用于向所述第一存储设备发送人脸库中的人脸底图；
所述第一存储设备，用于提取接收到的所述人脸底图的特征信息，生成人脸特征信息库；并将所述人脸特征信息库发送至所述至少一个第二存储设备；
所述至少一个第二存储设备，用于接收所述人脸特征信息库。
2.如权利要求1所述的系统，其特征在于，所述客户端设备，还用于向所述第一存储设备发送所述至少一个第二存储设备的标识信息；
所述第一存储设备，具体用于根据所述至少一个第二存储设备的标识信息，将所述人脸特征信息库发送至所述至少一个第二存储设备。
3.如权利要求1所述的系统，其特征在于，所述客户端设备，还用于向所述第一存储设备发送所述人脸库中的人脸底图的数量信息；
所述第一存储设备，具体用于按照预设的提取数量分批提取所述人脸底图的特征信息；
所述第一存储设备，还用于根据所述人脸底图的数量信息，确定提取到所有人脸底图的特征信息时，向所述客户端设备发送特征提取完毕的指示信息。
4.如权利要求1所述的系统，其特征在于，所述存储设备，还用于获取自身的每个智能运算卡对应的每个图像采集设备；针对所述每个智能运算卡，根据预设第一时间长度内，所述人脸库中的每张人脸底图对应的人脸在该智能运算卡对应的每个图像采集设备中出现的次数，确定所述人脸库中的每张人脸底图的频率等级，根据所述每张人脸底图的频率等级，确定该智能运算卡对应的不同等级的人脸特征信息子库，其中，人脸底图的频率等级越高，对应的人脸特征信息子库的等级越高。
5.如权利要求4所述的系统，其特征在于，所述存储设备，具体用于针对所述每个智能运算卡，根据预设第一时间长度内，所述人脸库中的每张人脸底图对应的人脸在该智能运算卡对应的每个图像采集设备中出现的次数，以及预设的所述每个图像采集设备对应的第一权重值，确定所述人脸库中的每张人脸底图的频率等级。
6.如权利要求5所述的系统，其特征在于，所述存储设备，具体用于针对所述每个智能运算卡，根据预设第一时间长度内，所述人脸库中的每张人脸底图对应的人脸在该智能运算卡对应的每个图像采集设备中出现的次数，以及预设的所述每个图像采集设备对应的第一权重值，确定所述人脸库中的每张人脸底图的候选频率等级；根据设定数量的每个第一时间长度内确定的候选频率等级，以及预设的每个第一时间长度对应的第二权重值，确定所述人脸库中的每张人脸底图的频率等级；其中，距离当前时间越近的第一时间长度对应的第二权重值越大。
7.如权利要求4至6任一项所述的系统，其特征在于，所述存储设备，还用于当接收到人脸比对指令，按照人脸特征信息子库等级由高到低的顺序进行人脸比对。
8.一种人脸库管理方法，其特征在于，所述方法包括：
第一存储设备接收客户端设备发送的人脸库中的人脸底图；
提取所述人脸底图的特征信息，生成人脸特征信息库；
将所述人脸特征信息库发送至至少一个第二存储设备。
9.如权利要求8所述的方法，其特征在于，所述将所述人脸特征信息库发送至至少一个第二存储设备之前，所述方法还包括：
接收客户端设备发送的所述至少一个第二存储设备的标识信息；
将所述人脸特征信息库发送至至少一个第二存储设备包括：
根据所述至少一个第二存储设备的标识信息，将所述人脸特征信息库发送至所述至少一个第二存储设备。
10.如权利要求8所述的方法，其特征在于，所述提取所述人脸底图的特征信息，生成人脸特征信息库之前，所述方法还包括：
接收客户端设备发送的所述人脸库中的人脸底图的数量信息；
所述提取所述人脸底图的特征信息包括：
按照预设的提取数量分批提取所述人脸底图的特征信息；
所述方法还包括：
根据所述人脸底图的数量信息，确定提取到所有人脸底图的特征信息时，向所述客户端设备发送特征提取完毕的指示信息。
11.如权利要求8所述的方法，其特征在于，所述方法还包括：
获取自身的每个智能运算卡对应的每个图像采集设备；
针对所述每个智能运算卡，根据预设第一时间长度内，所述人脸库中的每张人脸底图对应的人脸在该智能运算卡对应的每个图像采集设备中出现的次数，确定所述人脸库中的每张人脸底图的频率等级，根据所述每张人脸底图的频率等级，确定该智能运算卡对应的不同等级的人脸特征信息子库，其中，人脸底图的频率等级越高，对应的人脸特征信息子库的等级越高。
12.如权利要求11所述的方法，其特征在于，所述针对所述每个智能运算卡，根据预设第一时间长度内，所述人脸库中的每张人脸底图对应的人脸在该智能运算卡对应的每个图像采集设备中出现的次数，确定所述人脸库中的每张人脸底图的频率等级包括：
针对所述每个智能运算卡，根据预设第一时间长度内，所述人脸库中的每张人脸底图对应的人脸在该智能运算卡对应的每个图像采集设备中出现的次数，以及预设的所述每个图像采集设备对应的第一权重值，确定所述人脸库中的每张人脸底图的频率等级。
13.如权利要求11所述的方法，其特征在于，所述针对所述每个智能运算卡，根据预设第一时间长度内，所述人脸库中的每张人脸底图对应的人脸在该智能运算卡对应的每个图像采集设备中出现的次数，以及预设的所述每个图像采集设备对应的第一权重值，确定所述人脸库中的每张人脸底图的频率等级包括：
针对所述每个智能运算卡，根据预设第一时间长度内，所述人脸库中的每张人脸底图对应的人脸在该智能运算卡对应的每个图像采集设备中出现的次数，以及预设的所述每个图像采集设备对应的第一权重值，确定所述人脸库中的每张人脸底图的候选频率等级；根据设定数量的每个第一时间长度内确定的候选频率等级，以及预设的每个第一时间长度对应的第二权重值，确定所述人脸库中的每张人脸底图的频率等级；其中，距离当前时间越近的第一时间长度对应的第二权重值越大。
14.如权利要求11至13任一项所述的方法，其特征在于，所述方法还包括：
当接收到人脸比对指令，按照人脸特征信息子库等级由高到低的顺序进行人脸比对。
15.一种人脸库管理装置，其特征在于，所述装置包括：
接收模块，用于接收客户端设备发送的人脸库中的人脸底图；
提取模块，用于提取所述人脸底图的特征信息，生成人脸特征信息库；
发送模块，用于将所述人脸特征信息库发送至至少一个第二存储设备。
16.如权利要求15所述的装置，其特征在于，所述接收模块，还用于接收客户端设备发送的所述至少一个第二存储设备的标识信息；
所述发送模块，具体用于根据所述至少一个第二存储设备的标识信息，将所述人脸特征信息库发送至所述至少一个第二存储设备。
17.如权利要求15所述的装置，其特征在于，所述接收模块，还用于接收客户端设备发送的所述人脸库中的人脸底图的数量信息；
所述提取模块，具体用于按照预设的提取数量分批提取所述人脸底图的特征信息；
所述发送模块，还用于根据所述人脸底图的数量信息，确定提取到所有人脸底图的特征信息时，向所述客户端设备发送特征提取完毕的指示信息。
18.如权利要求15所述的装置，其特征在于，所述装置还包括：
确定模块，用于获取自身的每个智能运算卡对应的每个图像采集设备；针对所述每个智能运算卡，根据预设第一时间长度内，所述人脸库中的每张人脸底图对应的人脸在该智能运算卡对应的每个图像采集设备中出现的次数，确定所述人脸库中的每张人脸底图的频率等级，根据所述每张人脸底图的频率等级，确定该智能运算卡对应的不同等级的人脸特征信息子库，其中，人脸底图的频率等级越高，对应的人脸特征信息子库的等级越高。
19.如权利要求18所述的装置，其特征在于，所述确定模块，具体用于针对所述每个智能运算卡，根据预设第一时间长度内，所述人脸库中的每张人脸底图对应的人脸在该智能运算卡对应的每个图像采集设备中出现的次数，以及预设的所述每个图像采集设备对应的第一权重值，确定所述人脸库中的每张人脸底图的频率等级。
20.如权利要求18所述的装置，其特征在于，所述确定模块，具体用于针对所述每个智能运算卡，根据预设第一时间长度内，所述人脸库中的每张人脸底图对应的人脸在该智能运算卡对应的每个图像采集设备中出现的次数，以及预设的所述每个图像采集设备对应的第一权重值，确定所述人脸库中的每张人脸底图的候选频率等级；根据设定数量的每个第一时间长度内确定的候选频率等级，以及预设的每个第一时间长度对应的第二权重值，确定所述人脸库中的每张人脸底图的频率等级；其中，距离当前时间越近的第一时间长度对应的第二权重值越大。
21.如权利要求18至20任一项所述的装置，其特征在于，所述装置还包括：
比对模块，用于当接收到人脸比对指令，按照人脸特征信息子库等级由高到低的顺序进行人脸比对。
22.一种存储设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求8-14任一项所述的方法步骤。
23.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求8-14任一项所述的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110567083.2A CN113190707B (zh) | 2021-05-24 | 2021-05-24 | 一种人脸库管理系统、方法、装置、存储设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110567083.2A CN113190707B (zh) | 2021-05-24 | 2021-05-24 | 一种人脸库管理系统、方法、装置、存储设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113190707A true CN113190707A (zh) | 2021-07-30 |
| CN113190707B CN113190707B (zh) | 2023-04-07 |
Family
ID=76985009
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110567083.2A Active CN113190707B (zh) | 2021-05-24 | 2021-05-24 | 一种人脸库管理系统、方法、装置、存储设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113190707B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110688510A (zh) * | 2018-06-20 | 2020-01-14 | 浙江宇视科技有限公司 | 人脸背景图像获取方法及系统 |
| WO2020108268A1 (zh) * | 2018-11-28 | 2020-06-04 | 杭州海康威视数字技术股份有限公司 | 一种人脸识别系统、方法及装置 |
| CN111950364A (zh) * | 2020-07-07 | 2020-11-17 | 北京思特奇信息技术股份有限公司 | 千万级底库的分库人脸识别系统和方法 |
| CN112287753A (zh) * | 2020-09-23 | 2021-01-29 | 武汉天宝莱信息技术有限公司 | 一种基于机器学习提升人脸识别精度的系统及其算法 |
| CN112381000A (zh) * | 2020-11-16 | 2021-02-19 | 深圳前海微众银行股份有限公司 | 基于联邦学习的人脸识别方法、装置、设备及存储介质 |
-
2021
- 2021-05-24 CN CN202110567083.2A patent/CN113190707B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110688510A (zh) * | 2018-06-20 | 2020-01-14 | 浙江宇视科技有限公司 | 人脸背景图像获取方法及系统 |
| WO2020108268A1 (zh) * | 2018-11-28 | 2020-06-04 | 杭州海康威视数字技术股份有限公司 | 一种人脸识别系统、方法及装置 |
| CN111241868A (zh) * | 2018-11-28 | 2020-06-05 | 杭州海康威视数字技术股份有限公司 | 一种人脸识别系统、方法及装置 |
| CN111950364A (zh) * | 2020-07-07 | 2020-11-17 | 北京思特奇信息技术股份有限公司 | 千万级底库的分库人脸识别系统和方法 |
| CN112287753A (zh) * | 2020-09-23 | 2021-01-29 | 武汉天宝莱信息技术有限公司 | 一种基于机器学习提升人脸识别精度的系统及其算法 |
| CN112381000A (zh) * | 2020-11-16 | 2021-02-19 | 深圳前海微众银行股份有限公司 | 基于联邦学习的人脸识别方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113190707B (zh) | 2023-04-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110874440B (zh) | 一种信息推送及其模型训练的方法、装置及电子设备 | |
| CN107547746A (zh) | 资源配置方法及相关产品 | |
| CN111954173B (zh) | 发送短信的方法、装置、服务器及计算机可读存储介质 | |
| CN111163072B (zh) | 机器学习模型中特征值的确定方法、装置及电子设备 | |
| CN111275491A (zh) | 一种数据处理方法及装置 | |
| CN109933610B (zh) | 数据处理方法、装置、计算机设备及存储介质 | |
| CN109800675A (zh) | 一种确定人脸对象的识别图像的方法及装置 | |
| CN111026969A (zh) | 一种内容推荐方法、装置及存储介质和服务器 | |
| CN111275599B (zh) | 一种基于大数据集成算法的群租房预警方法、装置、存储介质及终端 | |
| CN111488529A (zh) | 信息处理方法、装置、服务器及存储介质 | |
| CN112596985A (zh) | 一种it资产探测方法、装置、设备和介质 | |
| CN107277640A (zh) | 基于直播平台的互动方法、装置和存储介质 | |
| CN113190707B (zh) | 一种人脸库管理系统、方法、装置、存储设备及存储介质 | |
| CN110704182A (zh) | 深度学习的资源调度方法、装置及终端设备 | |
| CN111669765B (zh) | 网络扩容方法、装置、控制设备及存储介质 | |
| CN112396326B (zh) | 互联网获取新客户的代理人分配方法、装置及存储介质 | |
| CN112488825B (zh) | 基于区块链的对象交易方法及装置 | |
| CN112002352B (zh) | 随机播放音乐方法、装置、计算机设备及存储介质 | |
| CN112235723A (zh) | 定位方法、装置、电子设备及计算机可读存储介质 | |
| CN111191612B (zh) | 视频图像匹配方法、装置、终端设备及可读存储介质 | |
| CN111010599B (zh) | 一种处理多场景视频流的方法、装置及计算机设备 | |
| CN112764923A (zh) | 计算资源分配方法、装置、计算机设备及存储介质 | |
| CN113115301B (zh) | 一种确定方法、设备以及可读存储介质 | |
| CN105468603A (zh) | 数据选择方法及装置 | |
| CN115208831B (zh) | 请求处理方法、装置、设备及存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |