CN115938031B - 一种基于大数据的数据识别管理系统及方法 - Google Patents

Abstract

本发明涉及大数据技术领域，具体为一种基于大数据的数据识别管理系统及方法，包括：数据采集模块、数据库、识别数据分析模块、数据识别管理模块和识别终端管理模块，通过数据采集模块采集门禁设备信息、识别数据和监控信息，通过数据库存储采集到的全部数据，通过识别数据分析模块调取监控信息，分析进行识别管理的必要度，通过数据识别管理模块预测不同队伍当前完成识别需要的时间，提醒用户选择最佳的队伍等待识别，通过识别终端管理模块调整识别终端中数据删除的时间，减少了终端数据占用，帮助用户选择等待时间最短、最佳的队伍，减少了等待时间，也一定程度上改善了设备前拥堵的问题。

Description

一种基于大数据的数据识别管理系统及方法

技术领域

本发明涉及大数据技术领域，具体为一种基于大数据的数据识别管理系统及方法。

背景技术

数据识别包括条码识别技术、生物识别技术、图像识别技术等，人脸识别是基于人的脸部特征信息进行识别的一种生物识别技术，用人脸识别设备的摄像机采集含有人脸的图像，并自动在图像中检测和跟踪人脸，企业建筑楼下一般都设置有人脸识别设备，能够供员工进行人脸识别后顺利通过门禁闸机；

现有的人脸数据识别管理方式仍存在一些问题：首先，由于设置的识别设备数量有限，在上下班等高峰期时人流量过多，需要在设备前等待识别，在设置多个识别设备的基础上，人们往往会通过目测的方式判断排队队伍人数，但是每个人进行识别的速度不同，存在选择错误队伍导致等待时间延长甚至迟到的可能性，现有技术无法利用大数据技术为未识别的用户选择最佳的队伍等待识别，不能帮助用户尽快通过门禁设备，无法改善设备前拥堵问题；其次，识别到的温度数据等一般会存储到终端中，现有技术无法选择最佳的删除数据时间，不利于识别设备的正常使用。

所以，人们需要一种基于大数据的数据识别管理系统及方法来解决上述问题。

发明内容

本发明的目的在于提供一种基于大数据的数据识别管理系统及方法，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：一种基于大数据的数据识别管理系统，所述系统包括：数据采集模块、数据库、识别数据分析模块、数据识别管理模块和识别终端管理模块；

所述数据采集模块的输出端连接所述数据库的输入端，所述数据库的输出端连接所述识别数据分析模块的输入端，所述识别数据分析模块的输出端连接所述数据识别管理模块的输入端，所述数据识别管理模块的输出端连接所述识别终端管理模块的输入端；

通过所述数据采集模块采集门禁设备信息、识别数据和监控信息，将采集到的全部数据传输到所述数据库中；

通过所述数据库存储采集到的全部数据；

通过所述识别数据分析模块调取监控信息，分析进行识别管理的必要度；

通过所述数据识别管理模块预测不同队伍当前完成识别需要的时间，提醒用户选择最佳的队伍等待识别；

通过所述识别终端管理模块调整识别终端中数据删除的时间。

进一步的，所述数据采集模块包括设备信息采集单元、识别数据采集单元和监控信息采集单元；

所述设备信息采集单元、识别数据采集单元和监控信息采集单元的输出端连接所述数据库的输入端；

所述设备信息采集单元用于采集用于人脸识别的门禁设备数量信息；

所述识别数据采集单元用于采集以往不同时间段进行人脸识别的人数信息；

所述监控信息采集单元用于采集实时监控信息。

进一步的，所述识别数据分析模块包括监控信息调取单元、人流量统计单元和识别管理选择单元；

所述监控信息调取单元的输入端连接所述数据库的输出端，所述监控信息调取单元的输出端连接所述人流量统计单元的输入端，所述人流量统计单元的输出端连接所述识别管理选择单元的输入端；

所述监控信息调取单元用于调取实时监控信息；

所述人流量统计单元用于统计当前在门禁设备前等待进出的人流量；

所述识别管理选择单元用于分析当前进出门禁设备的人员拥挤程度，设置人员拥挤程度阈值，在拥挤程度超出阈值时，选择进行识别队伍管理。

进一步的，所述数据识别管理模块包括识别时长预测单元、轨迹长度获取单元和队伍选择提醒单元；

所述识别时长预测单元的输入端连接所述识别管理选择单元的输出端，所述识别时长预测单元的输出端连接轨迹长度获取单元的输入端；所述轨迹长度获取单元的输出端连接所述队伍选择提醒单元的输入端；

所述识别时长预测单元用于在选择进行人脸识别管理时，在当前不同门禁设备前排队用户中，预测用户完成人脸识别需要的时长信息；

所述轨迹长度获取单元用于调取监控信息，提取当前不同门禁设备前的队伍轨迹长度；

所述队伍选择提醒单元用于结合预测的时常信息和轨迹长度分析不同队伍完成识别需要的时间，并提醒用户选择最佳的队伍等待识别。

进一步的，所述识别终端管理模块包括存储数据分析单元和删除时间调整单元；

所述存储数据分析单元的输入端连接所述人流量统计单元的输出端，所述存储数据分析单元的输出端连接所述删除时间调整单元的输入端；

所述存储数据分析单元用于分析当前识别终端中存储的数据量以及不同时间段的人流量信息；

所述删除时间调整单元用于依据数据量和人流量信息设置删除终端中存储数据的最佳时间。

一种基于大数据的数据识别管理方法，包括以下步骤：

S01：采集门禁设备信息、识别数据和监控信息；

S02：调取监控信息，分析进行识别管理的必要度；

S03：在有必要进行识别管理时，预测不同队伍当前完成识别需要的时间，提醒用户选择最佳的队伍等待识别；

S04：调整识别终端中数据删除的时间。

进一步的，在步骤S01中：采集到当前门禁设备的数量为m，利用监控摄像头对人脸识别环境进行实时监控，并采集监控信息，将一天平均分为n个时间段，采集以往f天各个时间段进行人脸识别的人数和识别时长，获取到采集到以往随机一天各个时间段内在随机一个门禁设备前进行人脸识别的人数集合为A＝{A1，A2，…，An}，采集到门禁设备识别终端中存储的最大数据量为q，每次人脸识别后存储的数据量为v；

在步骤S02中：调取监控信息，调取到当前不同门禁设备前等待进入的人员数量集合为C＝{C1，C2，…，Cm}，等待出去的人员数量集合为B＝{B1，B2，…，Bm)，获取到不同门禁设备前，随机一个已完成人脸识别通过门禁设备的用户花费的识别时长集合为t＝{t1，t2，…，tm}，随机一个已通过门禁设备出去的用户花费的时长集合为T＝{T1，T2，…，Tm}，根据公式计算得到当前进出门禁设备的人员拥挤程度W，其中，Ci表示当前随机一个门禁设备前等待进入的人员数量，Bi表示对应门禁设备前等待出去的人员数量，ti表示随机一个已完成人脸识别通过随机一个门禁设备的用户花费的识别时长，Ti表示已通过随机一个门禁设备出去的随机一个用户花费的时长，设置人流拥挤程度阈值为w，比较W和w：若W≤w，判断进行识别管理的必要度低，选择不进行识别队伍管理；若W＞w，判断进行识别管理的必要度高，选择进行识别队伍管理，通过识别数据联合监控数据，利用大数据技术采集用户通过识别后进入花费的时长、人数数据，分析不同门禁设备前的人员拥挤程度的目的在于选择性地判断是否需要对队伍进行管理工作，若不拥挤则无须对队伍进行管理，减少了数据识别管理的工作量，由于存在同时想进去和想出去的人，在计算拥挤程度的基础上添加等待出去的人员数量、识别时长参数，提高了拥挤判断结果的准确性。

进一步的，在步骤S03中：调取到以往f天与当前时间所属时间段为同一个时间段内平均每个用户在随机一个门禁设备前完成人脸识别花费的时长序列为E⁽⁰⁾＝{E⁽⁰⁾(1)，E⁽⁰⁾(2)，…，E⁽⁰⁾(f)}，令X⁽¹⁾为E⁽¹⁾的紧邻均值生成序列，X⁽¹⁾＝{X⁽¹⁾(2)，X⁽¹⁾(3)…，X⁽¹⁾(f)}，其中，X⁽¹⁾(g)＝0.5E⁽¹⁾(g)+0.5E⁽¹⁾(g-1)，其中，E⁽¹⁾为E⁽⁰⁾的一次累加生成序列， 构造矩阵Y和向量Z，其中，根据下列公式预测得到当前时间所属时间段内平均每个用户完成人脸识别花费的时长E⁽⁰⁾(f+1)：

其中，I表示内生控制灰数，J表示发展灰数，由于用户的上班时间通常是固定的，对于同一时间段的识别时长存在识别时长相近的可能性，通过采集历史数据，分析以往同一时间段进行人脸识别的时长数据，预测当前时间段平均每个用户完成人脸识别花费的时长，目的在于预测当前队伍完成识别需要的时间，利用灰度预测法进行预测，提高了预测结果的精度。

进一步的，调取监控信息，获取到当前对应门禁设备前的队伍轨迹长度为Li，队伍的第一个人到第二个人的间距为di，预测得到当前对应门禁设备前的队伍人数为(Li/di)+1，根据下列公式预测得到对应队伍当前完成识别需要的时间Hi：

Hi＝E⁽⁰⁾(f+1)*[(Li/di)+1]；

通过相同方式预测得到m个队伍当前完成识别需要的时间集合为H＝{H1，H2，...，Hi，...，Hm}，比较不同队伍当前完成识别需要的时间，筛选出需要的时间最短的队伍为最佳的队伍，提醒未排队的用户选择最佳的队伍等待识别，结合监控信息分析队伍轨迹长度，相对于用户目测人数而言，能够更精准地判断排队人数，结合排队人数与预测到的平均每个用户识别花费的时长数据预测不同队伍完成识别需要的时间，有利于帮助用户选择等待时间最短、最佳的队伍，一方面减少了等待时间，另一方面也一定程度上改善了设备前拥堵的问题。

进一步的，在步骤S04中：根据公式计算得到以往随机一天各个时间段随机一个门禁设备完成人脸识别后识别终端中累加的数据量Qk，Qk≤q，其中，k＝1，2，…，n，得到以往随机一天各个时间段随机一个门禁设备完成人脸识别后，识别终端中剩余数据量为q-Qk，设置剩余数据量阈值为L，比较q-Qk和L，统计到以往f天中各个时间段剩余数据量小于L且与L的差值最小的天数集合为F＝{F1，F2，…，Fn}，得到最多天数为Fmax，设置对应门禁设备每天识别终端中数据删除的时间为：Fmax对应的时间段的结束时间，通过采集历史数据，分析各个时间段累计存储的数据量，分析剩余数据量小于L且与L的差值最小时间段，选择出现剩余数据量小于L且与L的差值最小情况最多的时间段作为最佳的删除数据时间，有利于在减少终端数据占用、保证识别设备的正常使用的同时，减少了删除数据的频繁程度。

与现有技术相比，本发明所达到的有益效果是：

本发明通过识别数据联合监控数据，利用大数据技术采集用户通过识别后进入花费的时长、人数数据，分析不同门禁设备前的人员拥挤程度，选择性地判断是否需要对队伍进行管理工作，减少了数据识别管理的工作量，在计算拥挤程度的基础上添加等待出去的人员数量、识别时长参数，提高了拥挤判断结果的准确性；通过采集历史数据，分析以往同一时间段进行人脸识别的时长数据，预测当前时间段平均每个用户完成人脸识别花费的时长，利用灰度预测法进行预测，提高了预测结果的精度，结合监控信息分析队伍轨迹长度，相对于用户目测人数而言，能够更精准地判断排队人数，结合排队人数与预测到的平均每个用户识别花费的时长数据预测不同队伍完成识别需要的时间，帮助用户选择等待时间最短、最佳的队伍，减少了等待时间，也一定程度上改善了设备前拥堵的问题；选择最佳的删除数据时间，在减少终端数据占用、保证识别设备的正常使用的同时，减少了删除数据的频繁程度。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明一种基于大数据的数据识别管理系统的结构图；

图2是本发明一种基于大数据的数据识别管理方法的流程图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

下面结合图1-图2和具体实施例对本发明作进一步的说明。

实施例一：

如图1所示，本实施例提供了一种基于大数据的数据识别管理系统，系统包括：数据采集模块、数据库、识别数据分析模块、数据识别管理模块和识别终端管理模块；

数据采集模块的输出端连接数据库的输入端，数据库的输出端连接识别数据分析模块的输入端，识别数据分析模块的输出端连接数据识别管理模块的输入端，数据识别管理模块的输出端连接识别终端管理模块的输入端；

通过数据采集模块采集门禁设备信息、识别数据和监控信息，将采集到的全部数据传输到数据库中；

通过数据库存储采集到的全部数据；

通过识别数据分析模块调取监控信息，分析进行识别管理的必要度；

通过数据识别管理模块预测不同队伍当前完成识别需要的时间，提醒用户选择最佳的队伍等待识别；

通过识别终端管理模块调整识别终端中数据删除的时间。

数据采集模块包括设备信息采集单元、识别数据采集单元和监控信息采集单元；

设备信息采集单元、识别数据采集单元和监控信息采集单元的输出端连接数据库的输入端；

设备信息采集单元用于采集用于人脸识别的门禁设备数量信息；

识别数据采集单元用于采集以往不同时间段进行人脸识别的人数信息；

监控信息采集单元用于采集实时监控信息。

识别数据分析模块包括监控信息调取单元、人流量统计单元和识别管理选择单元；

监控信息调取单元的输入端连接数据库的输出端，监控信息调取单元的输出端连接人流量统计单元的输入端，人流量统计单元的输出端连接识别管理选择单元的输入端；

监控信息调取单元用于调取实时监控信息；

人流量统计单元用于统计当前在门禁设备前等待进出的人流量；

识别管理选择单元用于分析当前进出门禁设备的人员拥挤程度，设置人员拥挤程度阈值，在拥挤程度超出阈值时，选择进行识别队伍管理。

数据识别管理模块包括识别时长预测单元、轨迹长度获取单元和队伍选择提醒单元；

识别时长预测单元的输入端连接识别管理选择单元的输出端，识别时长预测单元的输出端连接轨迹长度获取单元的输入端；轨迹长度获取单元的输出端连接队伍选择提醒单元的输入端；

识别时长预测单元用于在选择进行人脸识别管理时，在当前不同门禁设备前排队用户中，预测用户完成人脸识别需要的时长信息；

轨迹长度获取单元用于调取监控信息，提取当前不同门禁设备前的队伍轨迹长度；

队伍选择提醒单元用于结合预测的时常信息和轨迹长度分析不同队伍完成识别需要的时间，并提醒用户选择最佳的队伍等待识别。

识别终端管理模块包括存储数据分析单元和删除时间调整单元；

存储数据分析单元的输入端连接人流量统计单元的输出端，存储数据分析单元的输出端连接删除时间调整单元的输入端；

存储数据分析单元用于分析当前识别终端中存储的数据量以及不同时间段的人流量信息；

删除时间调整单元用于依据数据量和人流量信息设置删除终端中存储数据的最佳时间。

实施例二：

如图2所示，本实施例提供了一种基于大数据的数据识别管理方法，其基于实施例中的数据识别管理系统实现，具体包括以下步骤：

S01：采集门禁设备信息、识别数据和监控信息，采集到当前门禁设备的数量为m，利用监控摄像头对人脸识别环境进行实时监控，并采集监控信息，将一天平均分为n＝6个时间段，采集以往f＝3天各个时间段进行人脸识别的人数和识别时长，获取到采集到以往随机一天各个时间段内在随机一个门禁设备前进行人脸识别的人数集合为A＝{A1，A2，A3，A4，A5，A6}＝{15，20，10，2，5，6}，采集到门禁设备识别终端中存储的最大数据量为q＝1，单位为：GB，每次人脸识别后存储的数据量为v＝10，单位为：KB；

S02：调取监控信息，分析进行识别管理的必要度，调取监控信息，调取到当前不同门禁设备前等待进入的人员数量集合为C＝{C1，C2，…，Cm}，等待出去的人员数量集合为B＝{B1，B2，…，Bm}，获取到不同门禁设备前，随机一个已完成人脸识别通过门禁设备的用户花费的识别时长集合为t＝{t1，t2，…，tm}，随机一个已通过门禁设备出去的用户花费的时长集合为T＝{T1，T2，…，Tm}，根据公式计算得到当前进出门禁设备的人员拥挤程度W，其中，Ci表示当前随机一个门禁设备前等待进入的人员数量，Bi表示对应门禁设备前等待出去的人员数量，ti表示随机一个已完成人脸识别通过随机一个门禁设备的用户花费的识别时长，Ti表示已通过随机一个门禁设备出去的随机一个用户花费的时长，设置人流拥挤程度阈值为w，比较W和w：若W≤w，判断进行识别管理的必要度低，选择不进行识别队伍管理；

例如：调取到当前不同门禁设备前等待进入的人员数量集合为C＝{C1，C2，C3}＝{5，6，3}，等待出去的人员数量集合为B＝{B1，B2，B3}＝{2，1，4}，获取到不同门禁设备前，随机一个已完成人脸识别通过门禁设备的用户花费的识别时长集合为t＝{t1，t2，t3}＝{10，8，15}，随机一个已通过门禁设备出去的用户花费的时长集合为T＝{T1，T2，T3}＝{8，5，12}，单位为：秒，根据公式计算得到当前进出门禁设备的人员拥挤程度W≈70，设置人流拥挤程度阈值为w＝100，比较W和w：W＜w，判断进行识别管理的必要度低，选择不进行识别队伍管理；

若W＞w，判断进行识别管理的必要度高，选择进行识别队伍管理；

例如：调取到当前不同门禁设备前等待进入的人员数量集合为C＝{C1，C2，C3}＝{12，15，16}，等待出去的人员数量集合为B＝{B1，B2，B3}＝{5，6，4}，获取到不同门禁设备前，随机一个已完成人脸识别通过门禁设备的用户花费的识别时长集合为t＝{t1，t2，t3}＝{10，8，15}，随机一个已通过门禁设备出去的用户花费的时长集合为T＝{T1，T2，T3}＝{8，5，12}，根据公式计算得到当前进出门禁设备的人员拥挤程度W≈200，设置人流拥挤程度阈值为w，比较W和w：W＞w，判断进行识别管理的必要度高，选择进行识别队伍管理；

S03：在有必要进行识别管理时，预测不同队伍当前完成识别需要的时间，提醒用户选择最佳的队伍等待识别，调取到以往f＝3天与当前时间所属时间段为同一个时间段内平均每个用户在随机一个门禁设备前完成人脸识别花费的时长序列为E⁽⁰⁾＝{E⁽⁰⁾(1)，E⁽⁰⁾(2)，E⁽⁰⁾(3)}＝{10，8，7}，令X⁽¹⁾为E⁽¹⁾的紧邻均值生成序列，X⁽¹⁾＝{X⁽¹⁾(2)，X⁽¹⁾(3)}＝{14，21.5}，其中，X⁽¹⁾(g)＝0.5E⁽¹⁾(g)+0.5E⁽¹⁾(g-1)，其中，E⁽¹⁾为E⁽⁰⁾的一次累加生成序列， 构造矩阵Y和向量Z，其中， 根据公式预测得到当前时间所属时间段内平均每个用户完成人脸识别花费的时长E⁽⁰⁾(f+1)≈9，其中，I表示内生控制灰数，J表示发展灰数，调取监控信息，获取到当前对应门禁设备前的队伍轨迹长度为Li＝8，队伍的第一个人到第二个人的间距为di＝0.4，预测得到当前对应门禁设备前的队伍人数为(Li/di)+1＝21，根据公式Hi＝E⁽⁰⁾(f+1)*[(Li/di)+1]预测得到对应队伍当前完成识别需要的时间Hi＝189，通过相同方式预测得到m＝3个队伍当前完成识别需要的时间集合为H＝{H1，H2，H3}＝{189，160，200}，比较不同队伍当前完成识别需要的时间，筛选出需要的时间最短的队伍：第二个队伍为最佳的队伍，提醒未排队的用户选择第二个队伍等待识别；

S04：调整识别终端中数据删除的时间，根据公式计算得到以往随机一天各个时间段随机一个门禁设备完成人脸识别后识别终端中累加的数据量Qk，Qk≤q，得到各个时间段累加的数据量集合为{150，350，450，470，520，580}，得到以往随机一天各个时间段随机一个门禁设备完成人脸识别后，识别终端中剩余数据量为q-Qk，剩余数据量集合为{874，674，574，554，504，444}，设置剩余数据量阈值为L＝512，比较q-Qk和L，统计到以往f＝＝3天中各个时间段剩余数据量小于L且与L的差值最小的天数集合为F＝{F1，F2，F3，F4，F5，F6}＝{2，1，0，0，3，2}，得到最多天数为Fmax＝3，设置对应门禁设备每天识别终端中数据删除的时间为：第五个时间段的结束时间。

最后应说明的是：以上所述仅为本发明的优选实例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，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。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种基于大数据的数据识别管理方法，其特征在于：包括以下步骤：

S01：采集门禁设备信息、识别数据和监控信息；

S02：调取监控信息，分析进行识别管理的必要度；

S03：在有必要进行识别管理时，预测不同队伍当前完成识别需要的时间，提醒用户选择最佳的队伍等待识别；

S04：调整识别终端中数据删除的时间；

在步骤S01中：采集到当前门禁设备的数量为m，利用监控摄像头对人脸识别环境进行实时监控，并采集监控信息，将一天平均分为n个时间段，采集以往f天各个时间段进行人脸识别的人数和识别时长，获取到采集到以往随机一天各个时间段内在随机一个门禁设备前进行人脸识别的人数集合为A＝{A1，A2，…，An}，采集到门禁设备识别终端中存储的最大数据量为q，每次人脸识别后存储的数据量为v；

在步骤S02中：调取监控信息，调取到当前不同门禁设备前等待进入的人员数量集合为C＝{C1，C2，…，Cm}，等待出去的人员数量集合为B＝{B1，B2，…，Bm}，获取到不同门禁设备前，随机一个已完成人脸识别通过门禁设备的用户花费的识别时长集合为t＝{t1，t2，…，tm}，随机一个已通过门禁设备出去的用户花费的时长集合为T＝{T1，T2，…，Tm}，根据公式 计算得到当前进出门禁设备的人员拥挤程度W，其中，Ci表示当前随机一个门禁设备前等待进入的人员数量，Bi表示对应门禁设备前等待出去的人员数量，ti表示随机一个已完成人脸识别通过随机一个门禁设备的用户花费的识别时长，Ti表示已通过随机一个门禁设备出去的随机一个用户花费的时长，设置人流拥挤程度阈值为w，比较W和w：若W≤w，判断进行识别管理的必要度低，选择不进行识别队伍管理；若W>w，判断进行识别管理的必要度高，选择进行识别队伍管理；

在步骤S03中：调取到以往f天与当前时间所属时间段为同一个时间段内平均每个用户在随机一个门禁设备前完成人脸识别花费的时长序列为E⁽⁰⁾＝{E⁽⁰⁾(1)，E⁽⁰⁾(2)，…，E⁽⁰⁾(f)}，令X⁽¹⁾为E⁽¹⁾的紧邻均值生成序列，X⁽¹⁾＝{X⁽¹⁾(2)，X⁽¹⁾(3)...，X⁽¹⁾(f)}，其中，X⁽¹⁾(g)＝0.5E⁽¹⁾(g)+0.5E⁽¹⁾(g-1)，其中，E⁽¹⁾为E⁽⁰⁾的一次累加生成序列，g＝1,2,…，f，构造矩阵Y和向量Z，其中， 根据下列公式预测得到当前时间所属时间段内平均每个用户完成人脸识别花费的时长E⁽⁰⁾(f+1)：

其中，I表示内生控制灰数，J表示发展灰数，

调取监控信息，获取到当前对应门禁设备前的队伍轨迹长度为Li，队伍的第一个人到第二个人的间距为di，预测得到当前对应门禁设备前的队伍人数为(Li/di)+1，根据下列公式预测得到对应队伍当前完成识别需要的时间Hi：

Hi＝E⁽⁰⁾(f+1)*[(Li/di)+1]；

通过相同方式预测得到m个队伍当前完成识别需要的时间集合为H＝{H1，H2，...，Hi，...，Hm}，比较不同队伍当前完成识别需要的时间，筛选出需要的时间最短的队伍为最佳的队伍，提醒未排队的用户选择最佳的队伍等待识别。

2.根据权利要求1所述的一种基于大数据的数据识别管理方法，其特征在于：在步骤S04中：根据公式计算得到以往随机一天各个时间段随机一个门禁设备完成人脸识别后识别终端中累加的数据量Qk，Qk≤q，其中，k＝1,2,…,n，得到以往随机一天各个时间段随机一个门禁设备完成人脸识别后，识别终端中剩余数据量为q-Qk，设置剩余数据量阈值为L，比较q-Qk和L，统计到以往f天中各个时间段剩余数据量小于L且与L的差值最小的天数集合为F＝{F1，F2，…，Fn}，得到最多天数为Fmax，设置对应门禁设备每天识别终端中数据删除的时间为：Fmax对应的时间段的结束时间。

3.一种基于大数据的数据识别管理系统，应用于如权利要求1所述的一种基于大数据的数据识别管理方法，其特征在于：所述系统包括：数据采集模块、数据库、识别数据分析模块、数据识别管理模块和识别终端管理模块；

所述数据采集模块的输出端连接所述数据库的输入端，所述数据库的输出端连接所述识别数据分析模块的输入端，所述识别数据分析模块的输出端连接所述数据识别管理模块的输入端，所述数据识别管理模块的输出端连接所述识别终端管理模块的输入端；

通过所述数据采集模块采集门禁设备信息、识别数据和监控信息，将采集到的全部数据传输到所述数据库中；

通过所述数据库存储采集到的全部数据；

通过所述识别数据分析模块调取监控信息，分析进行识别管理的必要度；

通过所述数据识别管理模块预测不同队伍当前完成识别需要的时间，提醒用户选择最佳的队伍等待识别；

通过所述识别终端管理模块调整识别终端中数据删除的时间；

所述数据采集模块包括设备信息采集单元、识别数据采集单元和监控信息采集单元；

所述设备信息采集单元、识别数据采集单元和监控信息采集单元的输出端连接所述数据库的输入端；

所述设备信息采集单元用于采集用于人脸识别的门禁设备数量信息；

所述识别数据采集单元用于采集以往不同时间段进行人脸识别的人数信息；

所述监控信息采集单元用于采集实时监控信息；

所述识别数据分析模块包括监控信息调取单元、人流量统计单元和识别管理选择单元；

所述监控信息调取单元的输入端连接所述数据库的输出端，所述监控信息调取单元的输出端连接所述人流量统计单元的输入端，所述人流量统计单元的输出端连接所述识别管理选择单元的输入端；

所述监控信息调取单元用于调取实时监控信息；

所述人流量统计单元用于统计当前在门禁设备前等待进出的人流量；

所述识别管理选择单元用于分析当前进出门禁设备的人员拥挤程度，设置人员拥挤程度阈值，在拥挤程度超出阈值时，选择进行识别队伍管理；

所述数据识别管理模块包括识别时长预测单元、轨迹长度获取单元和队伍选择提醒单元；

所述识别时长预测单元的输入端连接所述识别管理选择单元的输出端，所述识别时长预测单元的输出端连接轨迹长度获取单元的输入端；所述轨迹长度获取单元的输出端连接所述队伍选择提醒单元的输入端；

所述识别时长预测单元用于在选择进行人脸识别管理时，在当前不同门禁设备前排队用户中，预测用户完成人脸识别需要的时长信息；

所述轨迹长度获取单元用于调取监控信息，提取当前不同门禁设备前的队伍轨迹长度；

所述队伍选择提醒单元用于结合预测的时常信息和轨迹长度分析不同队伍完成识别需要的时间，并提醒用户选择最佳的队伍等待识别。

4.根据权利要求3所述的一种基于大数据的数据识别管理系统，其特征在于：所述识别终端管理模块包括存储数据分析单元和删除时间调整单元；

所述存储数据分析单元的输入端连接所述人流量统计单元的输出端，所述存储数据分析单元的输出端连接所述删除时间调整单元的输入端；

所述存储数据分析单元用于分析当前识别终端中存储的数据量以及不同时间段的人流量信息；

所述删除时间调整单元用于依据数据量和人流量信息设置删除终端中存储数据的最佳时间。