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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。