人脸识别方法及装置制造方法及图纸

本发明专利技术实施例提供一种人脸识别方法及装置。在一个实施例中，所述人脸识别方法包括：将接收到的多次人脸识别请求进行数据封装得到任务数据包；将所述任务数据包缓存至一任务堆栈等待处理；当线程池中任意线程空闲时，获取所述堆栈中的任务数据包；以及基于预设的神经网络模型对所述任务数据包中的多幅图像数据进行人脸识别，得到所述多幅图像数据的人脸识别结果。

Face recognition method and device

An embodiment of the invention provides a face recognition method and a device. In one embodiment, the method includes face recognition face recognition: multiple requests received data packet encapsulation task; the task of packet buffer to a task stack for processing; when any threads in the thread pool is idle, get the stack stack in the task of data packet; and a neural network model based on preset face recognition of the task in the data packet data of a plurality of images, face recognition results to obtain the image data.

【技术实现步骤摘要】
人脸识别方法及装置
本专利技术涉及图像处理领域，具体而言，涉及一种人脸识别方法及装置。
技术介绍
图像处理在计算机中体现为大量的浮点运算，因此非常消耗计算性能。在工业应用中，常常有专业的图站作为处理单元，为某类图像应用作支撑。正是由于上述原因，图像处理的实时云服务变得更加的困难：在大规模并发的用户请求下，原本已高负荷运转的计算机很难有冗余开销为多用户调度，同时调度的难度更是从应用级升级到硬件级。单纯的负载均衡不能够满足大规模实时人脸识别处理要求，因为单个计算机会常常处于高负载运行中，为了满足要求，需要海量的计算机作为计算支撑，但是这种要求是不可能实现的。
技术实现思路
有鉴于此，本专利技术实施例的目的在于提供一种人脸识别方法及装置。本专利技术实施例提供的一种人脸识别方法，所述人脸识别方法包括：将接收到的多次人脸识别请求进行数据封装得到任务数据包；将所述任务数据包缓存至一任务堆栈等待处理；当线程池中任意线程空闲时，获取所述堆栈中的任务数据包；以及基于预设的神经网络模型对所述任务数据包中的多幅图像数据进行人脸识别，得到所述多幅图像数据的人脸识别结果。本专利技术实施例还提供一种人脸识别装置，所述人脸识别装置包括：封装模块，用于将接收到的多次人脸识别请求进行数据封装得到任务数据包；缓存模块，用于将所述任务数据包缓存至一任务堆栈等待处理；获取模块，用于当线程池中任意线程空闲时，获取所述堆栈中的任务数据包；以及识别模块，用于基于预设的神经网络模型对所述任务数据包中的多幅图像数据进行人脸识别，得到所述多幅图像数据的人脸识别结果。与现有技术相比，本专利技术实施例的人脸识别方法及装置，通过线程池调度缓存中排队的数据包，再利用的神经网络技术，一次性完成多个图像的识别。另外，不用部署现有方法的复杂spark架构的情况下就能够实现批量的人脸识别。为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，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相关的附图。图1为本专利技术较佳实施例提供的电子终端的方框示意图。图2为本专利技术较佳实施例提供的人脸识别方法的流程图。图3为本专利技术较佳实施例提供的电子终端的数据流向示意图。图4为本专利技术较佳实施例提供的人脸识别方法的步骤S104的详细流程图。图5为本专利技术另一较佳实施例提供的人脸识别方法的步骤S104的详细流程图。图6为本专利技术较佳实施例提供的人脸识别装置的功能模块示意图。具体实施方式下面将结合本专利技术实施例中附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本专利技术的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。如图1所示，是一电子终端100的方框示意图。所述电子终端100包括人脸识别装置110、存储器111、存储控制器112、处理器113、外设接口114、输入输出单元115、显示单元116。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对电子终端100的结构造成限定。例如，电子终端100还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。本实施例所述的电子终端100可以是个人计算机、图像处理服务器、或者移动电子设备等具有图像处理能力的计算设备。所述存储器111、存储控制器112、处理器113、外设接口114、输入输出单元115及显示单元116各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述人脸识别装置110包括至少一个可以软件或固件(Firmware)的形式存储于所述存储器111中或固化在所述电子终端100的操作系统(OperatingSystem，OS)中的软件功能模块。所述处理器113用于执行存储器中存储的可执行模块，例如所述人脸识别装置110包括的软件功能模块或计算机程序。其中，所述存储器111可以是，但不限于，随机存取存储器(RandomAccessMemory，RAM)，只读存储器(ReadOnlyMemory，ROM)，可编程只读存储器(ProgrammableRead-OnlyMemory，PROM)，可擦除只读存储器(ErasableProgrammableRead-OnlyMemory，EPROM)，电可擦除只读存储器(ElectricErasableProgrammableRead-OnlyMemory，EEPROM)等。其中，存储器111用于存储程序，所述处理器113在接收到执行指令后，执行所述程序，本专利技术实施例任一实施例揭示的过程定义的电子终端100所执行的方法可以应用于处理器113中，或者由处理器113实现。所述处理器113可能是一种集成电路芯片，具有信号的处理能力。上述的处理器113可以是通用处理器，包括中央处理器(CentralProcessingUnit，简称CPU)、网络处理器(NetworkProcessor，简称NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)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。可以实现或者执行本专利技术实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。所述外设接口114将各种输入/输入装置耦合至处理器113以及存储器111。在一些实施例中，外设接口114，处理器113以及存储控制器112可以在单个芯片中实现。在其他一些实例中，他们可以分别由独立的芯片实现。所述输入输出单元115用于提供给用户输入数据。所述输入输出单元115可以是，但不限于，鼠标和键盘等。所述显示单元116在所述电子终端100与用户之间提供一个交互界面(例如用户操作界面)或用于显示图像数据给用户参考。在本实施例中，所述显示单元可以是液晶显示器或触控显示器。若为触控显示器，其可为支持单点和多点触控操作的电容式触控屏或电阻式触控屏等。支持单点和多点触控操作是指触控显示器能感应到来自该触控显示器上一个或多个位置处同时产生的触控操作，并将该感应到的触控操作交由处理器进行计算和处理。为了实现在大规模并发的人脸识别请求，现有技术中，最为接近解决方案的是spark流式处理。所述spark流式处理是通过一套完整的架构，将硬件底层接管过来，然后将流式计算分解成一系列短小的批处本文档来自技高网...

【技术保护点】
一种人脸识别方法，其特征在于，所述人脸识别方法包括：将接收到的多次人脸识别请求进行数据封装得到任务数据包；将所述任务数据包缓存至一任务堆栈等待处理；当线程池中任意线程空闲时，获取所述堆栈中的任务数据包；以及基于预设的神经网络模型对所述任务数据包中的多幅图像数据进行人脸识别，得到所述多幅图像数据的人脸识别结果。

【技术特征摘要】
1.一种人脸识别方法，其特征在于，所述人脸识别方法包括：将接收到的多次人脸识别请求进行数据封装得到任务数据包；将所述任务数据包缓存至一任务堆栈等待处理；当线程池中任意线程空闲时，获取所述堆栈中的任务数据包；以及基于预设的神经网络模型对所述任务数据包中的多幅图像数据进行人脸识别，得到所述多幅图像数据的人脸识别结果。2.如权利要求1所述的人脸识别方法，其特征在于，所述基于预设的神经网络模型对所述任务数据包中的多幅图像数据进行人脸识别，得到所述多幅图像数据的人脸识别结果的步骤包括：将所述任务数据包进行解封装得到多幅图像数据；检测出所述多幅图像数据中的人脸图像；将所述人脸图像进行校正；将校正后的人脸图像输入神经网络的模型中进行训练得到人脸特征，将每个人脸图像对应的人脸特征作为对应的人脸识别请求的人脸识别结果。3.如权利要求1所述的人脸识别方法，其特征在于，所述方法还包括：当得到所述人脸识别结果后，启动一线程将所述人脸识别结果存储到一数据库中。4.如权利要求1所述的人脸识别方法，其特征在于，所述将接收到的多次人脸识别请求进行数据封装得到任务数据包的步骤包括：将接收到的人脸识别请求中的人脸图像数据进行数据封装得到任务数据包；为所述任务数据包添加任务标签，所述任务标签包括任务内容及任务量。5.如权利要求1-4任意一项所述的人脸识别方法，其特征在于，所述基于预设的神经网络模型对所述任务数据包中的多幅图像数据进行人脸识别，得到所述多幅图像数据的人脸识别结果的步骤包括：检测出所述多幅图像数据中的多个人脸图像；将所述多个人脸图像输入神经网络的模型中进行训练得到多组人脸特征；将多组所述人脸特征分别与预设的对照特征进行匹配，根据匹配结果得到每个人脸图像...

【专利技术属性】
技术研发人员：孙晓刚，廖俊宁，滕龙，李泽原，王曦，万磊，胡城，李相宇，谢文吉，蒋勇，周宗成，解至煊，杨杰，
申请(专利权)人：深圳市中钞信达金融科技有限公司，沈阳中钞信达金融设备有限公司，
类型：发明
国别省市：广东,44