本發(fā)明機構涉及一種精準人臉采樣和識別方法，具體說是一種高硬件彈性的精準人臉采樣和識別方法，屬于信息采集識別技術領域。

背景技術：

現有常見的人臉識別技術大多集中在常規(guī)的考勤和安防領域，由系統集成商提供以硬件設備為主的實現方案，由于設備計算能力有限，僅能采集非常有限的平面人臉信息，因此無法兼容面部旋轉、佩戴飾品、發(fā)型變化等常見情況，用戶體驗較差。

現有少量能夠做到對人臉進行較精準識別的企業(yè)，通過提取更多的人臉面部信息從而能夠實現更好的兼容性和用戶體驗，但隨著數據的巨幅提升，相關的識別和匹配計算則無法由常規(guī)計算機完成，因此不利于常規(guī)應用鋪開。而且當前端設備出現并發(fā)的多個請求時，非常容易出現阻塞或延遲；前端設備類型或場景需求量變化時，無法自動智能適配，需要對后端處理平臺進行頻繁的重新配置。

技術實現要素：

針對上述現有技術的缺點，本發(fā)明設計了一種高硬件彈性的精準人臉采樣和識別方法，通過引入“互聯網+”和“云計算”理念實現前端和后端的無察覺分離，并巧妙的利用隊列思路實現“現場設備”和“高速計算云”之間的雙重透明代理。

為了解決以上技術問題，本發(fā)明提供一種高硬件彈性的精準人臉采樣和識別方法,包括人臉采樣建庫方法和人臉識別方法,

所述人臉采樣建庫方法首先獲取原始圖片到內存矩陣中；針對獲取原始圖片，去除冗余信息并進行壓縮，通過可配置化服務按預期采集人臉的特征碼，并存入特征庫；將入庫的資料與對應的身份信息進行邏輯關聯；

所述人臉識別方法首先起始于采集的一張樣本照片或視頻的某個幀，進行與人臉采樣建庫方法相同的特征碼提取工作，從而將圖形轉換為計算機可進行浮點運算的矩陣樣本；隨后分批的與內存中緩存的特征碼進行相似度擬合運算，根據矢量差異計算出最終的評分值從而得到可讀的、量化的相似度數據；系統采用自適應的相似度閾值規(guī)則來決定返回標識符，隨后根據人臉庫和數據庫的索引機制，快速檢索相關的出入記錄和身份信息，達成最終的識別目的。

本發(fā)明的人臉識別方法將核心的運算邏輯部署在云端服務器，采集提取特征碼的工作放在用戶本地，本地采集特征碼完成后，通過互聯網將特征碼傳輸到云端服務器進行比對分析；互聯網傳輸采用https網絡傳輸協議，特征碼容量壓縮到3kb以下，即可以確保傳輸速率也可以到達安全的目的。

本發(fā)明的進一步限定技術方案，前述的高硬件彈性的精準人臉采樣和識別方法,所述獲取原始圖片由照片、視頻以攝像頭圖像設備獲取，或者由web頁面和讀卡器身份信息設備獲取。

前述的高硬件彈性的精準人臉采樣和識別方法,所述人臉采樣建庫方法和人臉識別方法的核心的運算邏輯部署在云端服務器。

本發(fā)明的實現方法在結構設計時充分考慮了各種部署可能性，同一套方案，既可以用在單機，也可以用于工作組，還可以用在云集群上，無需任何修改。就能將硬件性能最大的發(fā)揮出來。不光是對服務器硬件有彈性，對客戶端也有同樣的彈性，無論是電腦，平板，手機，開發(fā)板，樹莓派，只要能聯網的設備，都能作為采集終端或者識別終端。

本發(fā)明的有益效果是：本發(fā)明系統整體架構充分采用“互聯網+”思維進行全新設計，將核心的運算邏輯部署在云端服務器，來自世界各地的細化業(yè)務請求通過標準的互聯網協議匯總到云端服務器陸續(xù)處理并返回，因此對于人臉應用的終端設備幾乎不存在任何性能門檻，辦公電腦、手機或其它移動終端、廣告終端，甚至是樹莓派主板都能成為完美的用戶接口，使應用企業(yè)的成本分布更加合理化。為應對并發(fā)壓力，云端系統采用了高伸縮性的“隊列+搶占式處理器”機制，根據不同的應用范圍和投入預算，既可以支持單機單gpu提供服務，也可以支持單機多gpu提供服務，同樣可以支持服務器集群+多gpu方案，完全不必顧慮任何能力瓶頸。而且，全平臺皆基于可擴展性的思路進行架構，為未來的識別模型升級、人臉庫升級、網絡或硬件升級等皆預留了足夠的空間。

本發(fā)明利用云思路部署集中的計算能力，允許多個低端設備同時共享一套計算設備；控制成本同時也避免資源浪費。高硬件彈性結構的優(yōu)勢還體現在最終客戶可以選擇上云或者不上云，為應用和成本之間的最優(yōu)平衡提供可能性。該技術方案下的高速運算中心，也能夠根據實際應用隨意擴展、刪減或遷移；小到單點服務器、工作組，大到活動目錄域、甚至基于林的集群。

附圖說明

圖1為本發(fā)明的人臉識別示意圖。

圖2為本發(fā)明的建庫流程示意圖。

具體實施方式

下面對本發(fā)明做進一步的詳細說明：

本實施例提供一種高硬件彈性的精準人臉采樣和識別方法,包括人臉采樣建庫方法和人臉識別方法,結構如圖1至圖2所示，人臉采樣建庫方法是全平臺的基礎機制，特征庫和身份信息是所有應用最核心的基礎數據。最初輸入源可以同時是照片、視頻、攝像頭等各類圖像設備，以及web頁面、讀卡器等各類身份信息設備，系統的前端接口將使用標準的通用協議對接這些設備接口，獲取到必要的圖像信息和身份信息；針對圖像，首先去除冗余信息并進行壓縮，通過可配置化服務按預期采集人臉的特征碼，并存入特征庫（本地庫或云端庫），入庫的資料將與對應的身份信息進行邏輯關聯，以便于未來使用時取用。入庫行為發(fā)生在隨時隨地、來自各類攝像設備，因此此流程中亦大量采用分批策略和隊列負載策略來達成最終的采集目的；人臉庫的初期數據一般來自客戶提供，而后續(xù)的數據則會在使用過程中持續(xù)的累計、豐富。

人臉識別方法是應用實現的核心流程。雖然基礎流程是類似的，但根據不同的硬件條件和需求級別，調整配置參數以優(yōu)化針對性的功能也是非常有必要的工作。相似度檢測（識別）起始于一張樣本照片或某個視頻幀，它首先也會進行與建庫操作類似的特征碼提取工作，從而將圖形轉換為計算機可進行浮點運算的矩陣樣本；隨后分批的與內存中緩存的特征碼（人臉庫緩存）進行相似度擬合運算，根據矢量差異計算出最終的評分值從而得到可讀的、量化的相似度數據；系統采用自適應的相似度閾值規(guī)則來決定返回標識符，隨后根據人臉庫和數據庫的索引機制，快速檢索相關的出入記錄和身份信息，達成最終的識別目的，這項流程依然是在服務端進行的，對客戶端不存在任何性能門檻。

除上述實施例外，本發(fā)明還可以有其他實施方式。凡采用等同替換或等效變換形成的技術方案，均落在本發(fā)明要求的保護范圍。

技術特征：

技術總結
本發(fā)明公開了一種高硬件彈性的精準人臉采樣和識別方法，包括人臉采樣建庫方法和人臉識別方法,通過引入“互聯網+”和“云計算”理念實現前端和后端的無察覺分離，并巧妙的利用隊列思路實現“現場設備”和“高速計算云”之間的雙重透明代理。本發(fā)明利用云思路部署集中的計算能力，允許多個低端設備同時共享一套計算設備；控制成本同時也避免資源浪費。高硬件彈性結構的優(yōu)勢還體現在最終客戶可以選擇上云或者不上云，為應用和成本之間的最優(yōu)平衡提供可能性。

技術研發(fā)人員：張瑩;馬偉明;張睿;祖亞飛;谷慧娟
受保護的技術使用者：易容智能科技（蘇州）有限公司
技術研發(fā)日：2017.06.22
技術公布日：2017.10.13