CN116682167B - 基于集群式IoT的人脸特征提取方法 - Google Patents
基于集群式IoT的人脸特征提取方法 Download PDFInfo
- Publication number
- CN116682167B CN116682167B CN202310957359.7A CN202310957359A CN116682167B CN 116682167 B CN116682167 B CN 116682167B CN 202310957359 A CN202310957359 A CN 202310957359A CN 116682167 B CN116682167 B CN 116682167B
- Authority
- CN
- China
- Prior art keywords
- face
- feature
- iot device
- face photo
- photo
- 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
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 claims abstract description 12
- 239000000284 extract Substances 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 abstract description 4
- 230000007547 defect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 1
- 230000004793 poor memory Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
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
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/13—File access structures, e.g. distributed indices
- G06F16/137—Hash-based
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于集群式IoT的人脸特征提取方法，特征值的提取由不同的IoT设备分别完成；服务端生成与IoT设备对应的全量人脸特征文件，所述全量人脸特征文件中包含与IoT设备对应的人脸照片的标识信息、该部分人脸照片在文件存储服务中的链接以及该部分人脸照片已有的特征值；IoT设备依据全量人脸特征文件从文件存储服务中拉取缺少特征值的人脸照片；IoT设备完成特征值的提取后，将人脸照片的标识信息及对应的特征值发送至服务端。本发明避免了同一张照片重复提取的问题，减少了每一台IoT设备所要提取的数量，显著缩短了提取时间，同时也减少了网络流量的消耗，降低了编译、运维的成本和对资源的要求。
Description
技术领域
本发明涉及人脸特征识别领域，具体涉及一种人脸特征提取方法。
背景技术
人脸特征提取是一种利用计算机视觉技术，是从人脸图像中提取出能够区分不同人脸的特征值的过程。人脸特征提取在人脸识别、人脸检测、人脸跟踪等领域有着广泛的应用。
在诸如办公场所等场景下，通常要先得到人脸照片，然后从人脸照片中提取出相应的特征值，并将特征值按权限配置等需要下发到不同的IoT设备，从而对不同地点的通行权限进行灵活控制。
目前，应对上述应用场景的人脸特征提取方案主要有以下几种：
方案1、由IoT设备拍摄照片并提取特征值后，将照片及特征值上传到服务端保存。这种方案的缺点是：（1）操作繁琐，需要专业人员在现场进行拍摄，人员成本投入高；（2）用于提取特征值的IoT设备的算法版本是固定的，而在日常识别时，拍摄和识别人脸的各IoT设备所采用的算法版本并不完全一致，需要实现将不同版本的特征值都提取出来，显然该方式无法完成多版本特征值的提取，因而所提取的特征值只能在与其算法版本相同IoT设备上使用，无法在其它IoT设备上使用。
方案2、使用手机等拍照设备拍摄照片，提交照片到服务端，服务端仅将照片发放给不同算法版本的IoT设备，再由IoT设备提取出特征值并保存，服务端不存储特征值。这种方案虽然可以解决专业人员拍摄的问题和多版本特征值提取的问题，但也存在以下缺陷：（1）由于服务端不存储特征值，所以IoT设备每次进行全量生成时，都需对该台设备所有要识别的照片都进行一次特征提取，由于IoT设备内存及处理器性能较差，单个人脸特征值的提取需1-2秒左右时间，如果全量生成涉及的人脸照片为1000张，则每台IoT设备全量同步一次提取特征值需要耗时20-30分钟，耗时时间长，设备不可用时间也会相应变长；（2）全量同步时需要从服务端重新下载照片，单张照片文件最小也有200K，如果IoT设备10台、人脸照片为1000张，则一次全量同步需要2G流量，网络流量消耗大，同时网络下载过程中的等待时间也会影响提取速度，耗费更多的时间。
方案3、使用手机等拍照设备拍摄照片，提交照片到服务端，由服务端按不同版本提取特征值进行保存。该方式既解决了专业人员拍摄的问题和多版本特征值提取的问题，同时也避免了由IoT设备来提取特征所带来的时间过长的问题，但它仍存在以下缺陷：（1）编译成本高，服务端一般采用AMD架构，而IoT设备则采用ARM架构，同一版本的人脸特征提取算法至少需要编译出两个针对不同架构的子版本，并且还要保证在不同架构下两个子版本的运行结果一致；（2）运维成本高，在提取多版本人脸特征值时，服务端需按版本部署相应的提取程序，同一张照片需要流转多个提取程序才能完成所有版本特征值的提取；（3）资源消耗高，为了保证提取速度，服务端需采用分布式集群的方式部署提取程序，需耗费云端更多服务端资源。
综上所述，现有技术中的人脸特征提取方法，或者存在提取时间长、网络流量消耗大的问题，或者存在编译、运维成本高和资源消耗多的问题，二者无法兼顾。
发明内容
本发明提出了一种基于集群式IoT的人脸特征提取方法，其目的是：解决提取时间、网络流量消耗，与编译、运维成本和资源消耗，无法兼顾的问题。
本发明技术方案如下：
一种基于集群式IoT的人脸特征提取方法，特征值的提取由不同的IoT设备分别完成；
提取特征值时，服务端生成与IoT设备对应的全量人脸特征文件，所述全量人脸特征文件中包含与IoT设备对应的人脸照片的标识信息、该部分人脸照片在文件存储服务中的链接以及该部分人脸照片已有的特征值；
IoT设备依据全量人脸特征文件从文件存储服务中拉取缺少特征值的人脸照片；IoT设备完成特征值的识别提取后，将人脸照片的标识信息及对应的特征值发送至服务端。
作为所述基于集群式IoT的人脸特征提取方法的进一步改进：服务端保存有：人脸照片与IoT设备的对应关系，人脸照片在文件存储服务中的链接，人脸照片在不同算法版本下的特征值，以及各IoT设备与算法版本的对应关系。
作为所述基于集群式IoT的人脸特征提取方法的进一步改进：服务端生成全量人脸特征文件的过程为：对于某台IoT设备，先根据人脸照片与IoT设备的对应关系筛选出与该台IoT设备对应的人脸照片并得到该部分人脸照片的标识信息，再根据人脸照片在文件存储服务中的链接得到该部分人脸照片在文件存储服务中的链接，然后基于各IoT设备与算法版本的对应关系得到该台IoT设备对应的算法版本，再根据人脸照片在不同算法版本下的特征值判断该部分人脸照片在该台IoT设备对应的算法版本下是否存在已知的特征值，并获取已知的特征值；
所述全量人脸特征文件中的每一条记录对应一张与该台IoT设备对应的人脸照片，且每一条记录中包含以下信息：该人脸照片的标识信息，该人脸照片在文件存储服务中的链接以及该人脸照片的特征值，如果特征值当前未知则特征值设置为空或其它标识值。
作为所述基于集群式IoT的人脸特征提取方法的进一步改进：IoT设备将人脸照片的标识信息及对应的特征值发送至服务端之后，服务端将收到的特征值作为该人脸照片在本次提取对应的算法版本下的特征值进行保存。
作为所述基于集群式IoT的人脸特征提取方法的进一步改进：服务端生成全量人脸特征文件后，将全量人脸特征文件保存到文件存储服务，然后向IoT设备发送全量人脸特征同步指令，所述全量人脸特征同步指令中包含全量人脸特征文件在文件存储服务中的链接，IoT设备收到全量人脸特征同步指令后，根据解析出的链接从文件存储服务中拉取全量人脸特征文件。
作为所述基于集群式IoT的人脸特征提取方法的进一步改进：所述文件存储服务对保存的人脸照片进行Hash值提取并发送至服务端保存；
服务端将人脸照片的Hash值通过全量人脸特征文件下发给IoT设备；
IoT设备从文件存储服务拉取人脸照片时，如果本地拉取过的该人脸照片的Hash值与全量人脸特征文件中该人脸照片的Hash值相同，则跳过拉取，直接使用本地的人脸照片进行特征值的提取。
相对于现有技术，本发明具有以下积极效果：（1）本发明使用多台IoT设备共同完整人脸特征值的提取，对于每一台IoT设备，只需要针对与其对应的人脸照片中尚不存在人脸特征值的照片进行提取，从而避免了同一张照片重复提取的问题，也减少了每一台IoT设备所要提取的数量，显著缩短了每台IoT设备需要的提取时间，同时因为避免了重复提取，且全量人脸特征文件的大小相较于图片文件也非常小，所以客观上也减少了网络流量的消耗；（2）特征值的提取是由各IoT设备来完成的，服务端只负责相关数据记录的保存与全量人脸特征文件的生成，降低了编译、运维的成本和资源的消耗；（3）本发明充分利用了文件存储服务可以自动提取Hash值的特性，将Hash值加入到全量人脸特征文件中，IoT设备拉取人脸照片时可以先进行Hash值的比对，从而减少重复下载，进一步减少了流量的消耗，缩短了提取的时间。
附图说明
图1为本发明的流程示意图。
实施方式
下面结合附图详细说明本发明的技术方案：
一种基于集群式IoT的人脸特征提取方法，核心在于：特征值的提取由不同的IoT设备分别完成，最后统一保存在服务端（包括但不限于登记号为2016SR294652 的软件著作权所登记的WEDS集约化一卡通管理平台），并通过服务端、IoT设备和文件存储服务三者之间的协作，缩短每台IoT设备的提取时间，减少流量消耗。
首先，用户通过手机拍摄人脸照片，然后将照片文件上传到文件存储服务，同时将人员信息（即人脸照片的相关信息）上传到服务端，同时，文件存储服务将照片的Hash值发送到服务端。本实施例中，Hash值为md5值。
如图1，本方法的具体步骤为：
步骤1、服务端生成与IoT设备对应的全量人脸特征文件，所述全量人脸特征文件中包含与IoT设备对应的人脸照片的标识信息、该部分人脸照片在文件存储服务中的链接以及该部分人脸照片已有的特征值。
服务端保存有：人脸照片与IoT设备的对应关系，人脸照片在文件存储服务中的链接，人脸照片在不同算法版本下的特征值，以及各IoT设备与算法版本的对应关系。其中，服务端通过人脸照片的标识信息来代表人脸照片表示照片与其它信息之间的对应关系。
进一步的，服务端还保存有人脸照片的Hash值。
表1即为本实施例中服务端保存人脸照片在不同算法版本下的特征值的数据表格。其中，userId为人脸照片中人员的身份Id，同时也作为人脸照片的标识信息，md5为人脸照片的Hash值，version为算法版本，feature为特征值，updatetime为特征值的更新时间。
表1：记录人脸照片在不同算法版本下的特征值的数据表
。
其它数据亦通过数据表的形式保存在服务端中。
服务端生成全量人脸特征文件的过程为：对于某台IoT设备，先根据人脸照片与IoT设备的对应关系筛选出与该台IoT设备对应的人脸照片并得到该部分人脸照片的标识信息，再根据人脸照片在文件存储服务中的链接得到该部分人脸照片在文件存储服务中的链接，然后基于各IoT设备与算法版本的对应关系得到该台IoT设备对应的算法版本，再根据人脸照片在不同算法版本下的特征值判断该部分人脸照片在该台IoT设备对应的算法版本下是否存在已知的特征值，并获取已知的特征值。从而，所述全量人脸特征文件中的每一条记录对应一张与该台IoT设备对应的人脸照片，且每一条记录中包含以下信息：该人脸照片的标识信息，该人脸照片在文件存储服务中的链接以及该人脸照片的特征值，如果特征值当前未知则特征值设置为空或其它标识值。
表2为本实施例生成的针对某台IoT设备的全量人脸特征文件的数据结构。其中，userId为人脸照片的标识信息，location为人脸照片在文件存储服务中的链接，md5为人脸照片的Hash值，feature为特征值，updatetime为特征值的更新时间。全量人脸特征文件不包含算法版本version，原因是全量人脸特征文件是针对某一台特定的IoT设备的，其算法版本是确定的，所以无需在全量人脸特征文件中体现。
表2：全量人脸特征文件的数据结构表：
。
步骤3、服务端生成全量人脸特征文件后，将全量人脸特征文件保存到文件存储服务，然后向IoT设备发送全量人脸特征同步指令，所述全量人脸特征同步指令中包含全量人脸特征文件在文件存储服务中的链接。
步骤4、IoT设备收到全量人脸特征同步指令后，根据解析出的链接从文件存储服务中拉取全量人脸特征文件。
步骤5、IoT设备依据全量人脸特征文件从文件存储服务中拉取缺少特征值的人脸照片。
本实施例中，从全量人脸特征文件筛选出的缺少特征值的人脸照片为表2中userId为10001的照片。
IoT设备从文件存储服务拉取人脸照片时，如果本地拉取过的该人脸照片的Hash值与全量人脸特征文件中该人脸照片的Hash值相同，则跳过拉取，直接使用本地的人脸照片进行特征值的提取，从而避免图片的重复下载。
步骤6、IoT设备完成特征值的识别提取后，将人脸照片的标识信息及对应的特征值发送至服务端。发送的信息还可以包括人脸照片的md5值以及对应的算法版本。
步骤7、服务端直接通过IoT设备发送的信息得到算法版本，或者根据各IoT设备与算法版本的对应关系得到该台IoT设备对应的算法版本，然后将收到的特征值作为该人脸照片在该算法版本下的特征值进行保存。
参见表3，新提取的特征值将被自动加入到下一次发送的全量人脸特征文件中，从而避免重复提取。
表3：下一次生成的全量人脸特征文件的数据结构表：
。
Claims (5)
1.一种基于集群式IoT的人脸特征提取方法，其特征在于：特征值的提取由不同的IoT设备分别完成；
提取特征值时，服务端生成与IoT设备对应的全量人脸特征文件，所述全量人脸特征文件中包含与IoT设备对应的人脸照片的标识信息、人脸照片在文件存储服务中的链接以及人脸照片已有的特征值；
IoT设备依据全量人脸特征文件从文件存储服务中拉取缺少特征值的人脸照片；IoT设备完成特征值的识别提取后，将人脸照片的标识信息及对应的特征值发送至服务端；
具体的，服务端生成全量人脸特征文件后，将全量人脸特征文件保存到文件存储服务，然后向IoT设备发送全量人脸特征同步指令，所述全量人脸特征同步指令中包含全量人脸特征文件在文件存储服务中的链接，IoT设备收到全量人脸特征同步指令后，根据解析出的链接从文件存储服务中拉取全量人脸特征文件。
2.如权利要求1所述的基于集群式IoT的人脸特征提取方法，其特征在于，服务端保存有：人脸照片与IoT设备的对应关系，人脸照片在文件存储服务中的链接，人脸照片在不同算法版本下的特征值，以及各IoT设备与算法版本的对应关系。
3.如权利要求2所述的基于集群式IoT的人脸特征提取方法，其特征在于，服务端生成全量人脸特征文件的过程为：对于某台IoT设备，先根据人脸照片与IoT设备的对应关系筛选出与该台IoT设备对应的人脸照片并得到人脸照片的标识信息，再根据人脸照片在文件存储服务中的链接得到人脸照片在文件存储服务中的链接，然后基于各IoT设备与算法版本的对应关系得到该台IoT设备对应的算法版本，再根据人脸照片在不同算法版本下的特征值判断人脸照片在该台IoT设备对应的算法版本下是否存在已知的特征值，并获取已知的特征值；
所述全量人脸特征文件中的每一条记录对应一张与该台IoT设备对应的人脸照片，且每一条记录中包含以下信息：该人脸照片的标识信息，该人脸照片在文件存储服务中的链接以及该人脸照片的特征值，如果特征值当前未知则特征值设置为空或其它标识值。
4.如权利要求2所述的基于集群式IoT的人脸特征提取方法，其特征在于：IoT设备将人脸照片的标识信息及对应的特征值发送至服务端之后，服务端将收到的特征值作为该人脸照片在本次提取对应的算法版本下的特征值进行保存。
5.如权利要求1至4任一所述的基于集群式IoT的人脸特征提取方法，其特征在于：所述文件存储服务对保存的人脸照片进行Hash值提取并发送至服务端保存；
服务端将人脸照片的Hash值通过全量人脸特征文件下发给IoT设备；
IoT设备从文件存储服务拉取人脸照片时，如果本地拉取过的该人脸照片的Hash值与全量人脸特征文件中该人脸照片的Hash值相同，则跳过拉取，直接使用本地的人脸照片进行特征值的提取。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310957359.7A CN116682167B (zh) | 2023-08-01 | 2023-08-01 | 基于集群式IoT的人脸特征提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310957359.7A CN116682167B (zh) | 2023-08-01 | 2023-08-01 | 基于集群式IoT的人脸特征提取方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116682167A CN116682167A (zh) | 2023-09-01 |
| CN116682167B true CN116682167B (zh) | 2023-10-27 |
Family
ID=87789432
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310957359.7A Active CN116682167B (zh) | 2023-08-01 | 2023-08-01 | 基于集群式IoT的人脸特征提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116682167B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20060057109A (ko) * | 2004-11-23 | 2006-05-26 | 홍기천 | 얼굴 검출 및 인증 장치 및 그 방법 |
| US9798733B1 (en) * | 2011-12-08 | 2017-10-24 | Amazon Technologies, Inc. | Reducing file space through the degradation of file content |
| CN110334225A (zh) * | 2019-05-14 | 2019-10-15 | 上海韬安信息技术有限公司 | 一种兼容多算法的分布式人脸基础信息中间库服务的设计方法 |
| CN112114985A (zh) * | 2020-09-22 | 2020-12-22 | 杭州海康威视系统技术有限公司 | 一种人脸信息的下发方法、装置及设备 |
| CN112307247A (zh) * | 2020-10-14 | 2021-02-02 | 宁波博登智能科技有限责任公司 | 一种分布式人脸检索系统及方法 |
| CN113505260A (zh) * | 2021-07-16 | 2021-10-15 | 腾讯科技（深圳）有限公司 | 人脸识别方法、装置、计算机可读介质及电子设备 |
| CN113903072A (zh) * | 2021-11-10 | 2022-01-07 | 山西大学 | 一种面向课堂教学的分布式表情识别方法及系统 |
| CN115913730A (zh) * | 2022-11-29 | 2023-04-04 | 北方工业大学 | 基于物联网设备的信息处理方法、装置、设备及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| SG11201907943WA (en) * | 2017-03-02 | 2019-09-27 | Univ Singapore Technology & Design | Method and apparatus for determining an identity of an unknown internet-of-things (iot) device in a communication network |
-
2023
- 2023-08-01 CN CN202310957359.7A patent/CN116682167B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20060057109A (ko) * | 2004-11-23 | 2006-05-26 | 홍기천 | 얼굴 검출 및 인증 장치 및 그 방법 |
| US9798733B1 (en) * | 2011-12-08 | 2017-10-24 | Amazon Technologies, Inc. | Reducing file space through the degradation of file content |
| CN110334225A (zh) * | 2019-05-14 | 2019-10-15 | 上海韬安信息技术有限公司 | 一种兼容多算法的分布式人脸基础信息中间库服务的设计方法 |
| CN112114985A (zh) * | 2020-09-22 | 2020-12-22 | 杭州海康威视系统技术有限公司 | 一种人脸信息的下发方法、装置及设备 |
| CN112307247A (zh) * | 2020-10-14 | 2021-02-02 | 宁波博登智能科技有限责任公司 | 一种分布式人脸检索系统及方法 |
| CN113505260A (zh) * | 2021-07-16 | 2021-10-15 | 腾讯科技（深圳）有限公司 | 人脸识别方法、装置、计算机可读介质及电子设备 |
| CN113903072A (zh) * | 2021-11-10 | 2022-01-07 | 山西大学 | 一种面向课堂教学的分布式表情识别方法及系统 |
| CN115913730A (zh) * | 2022-11-29 | 2023-04-04 | 北方工业大学 | 基于物联网设备的信息处理方法、装置、设备及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 基于分布式集群的无人值守监控系统研究;罗松飞;王梓成;;科技资讯(第33期);正文 * |
| 基于前后端交互的人脸识别系统;侯景严;宋焕生;梁浩翔;贾金明;戴喆;;计算机系统应用(第10期);正文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116682167A (zh) | 2023-09-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109542865B (zh) | 分布式集群系统配置文件同步方法、装置、系统及介质 | |
| CN104199666B (zh) | 一种应用程序动态配置方法及装置 | |
| CN111263171A (zh) | 直播流的流媒体数据获取方法、边缘节点区域组网系统 | |
| CN107197036A (zh) | 一种基于区块链的信息一致处理方法及终端 | |
| CN110569911A (zh) | 图像识别方法、装置、系统、电子设备及存储介质 | |
| US12032557B2 (en) | Method, device, and computer program product for data management | |
| CN109842524B (zh) | 自动升级方法、装置、电子设备及计算机可读存储介质 | |
| CN112270600A (zh) | 一种多源数据的处理方法、系统及相关装置 | |
| CN110099128B (zh) | 一种认证数据同步方法及装置 | |
| CN116682167B (zh) | 基于集群式IoT的人脸特征提取方法 | |
| CN112835978A (zh) | 一种数据存储方法、装置及计算机设备 | |
| CN112000425A (zh) | 一种基于idv模式下的镜像管理系统 | |
| CN108989074A (zh) | 程序升级方法和程序升级装置 | |
| CN111327680A (zh) | 认证数据同步方法、装置、系统、计算机设备和存储介质 | |
| CN116193174A (zh) | 媒体资源的处理方法及系统 | |
| CN113760538B (zh) | 一种基于ai平台的加速卡类型管控方法、系统及装置 | |
| CN114020962A (zh) | 视频系统管理方法、电子设备和计算机可读存储介质 | |
| CN112989078A (zh) | 数据处理方法、装置、计算机设备及存储介质 | |
| CN111259178A (zh) | 图像数据同步方法、装置和系统 | |
| CN112667393A (zh) | 分布式任务计算调度框架搭建的方法、装置及计算机设备 | |
| CN111966650A (zh) | 一种运维大数据共享数据表的处理方法、装置及存储介质 | |
| CN111711639A (zh) | 终端、数据传输方法、系统、和计算机可读存储介质 | |
| CN112579809B (zh) | 一种数据处理方法和相关装置 | |
| CN111541864A (zh) | 一种数字视网膜软件定义摄像机方法及系统 | |
| CN117527833B (zh) | 一种数据同步方法 |
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 |