数据处理方法、装置、计算机可读存储介质和电子设备制造方法及图纸

本申请涉及一种数据处理方法、装置、计算机可读存储介质和电子设备。所述方法包括：获取第一运行环境中存储的人脸识别模型；在所述第一运行环境中将所述人脸识别模型进行初始化，并将初始化后的人脸识别模型分割成至少两个模型数据包；依次将所述模型数据包从所述第一运行环境传入到第二运行环境，并在所述第二运行环境中根据所述模型数据包生成目标人脸识别模型；其中，所述第一运行环境的存储空间大于所述第二运行环境的存储空间，所述目标人脸识别模型用于对图像进行人脸识别处理。上述数据处理方法、装置、计算机可读存储介质和电子设备，可以提高数据处理的效率。

【技术实现步骤摘要】
数据处理方法、装置、计算机可读存储介质和电子设备
本申请涉及计算机
，特别是涉及一种数据处理方法、装置、计算机可读存储介质和电子设备。
技术介绍
人脸识别技术的应用逐渐被应用到人们的工作和生活中，比如可以采集人脸图像进行支付认证、解锁认证，还可以对拍摄的人脸图像进行美颜处理。通过人脸识别技术中可以对图像中的人脸进行检测，还可以识别图像中的人脸是属于哪一个人的人脸，从而识别用户的身份。由于人脸识别的算法本身比较复杂，所以用于人脸识别处理的算法模型占用的存储空间也比较大。
技术实现思路
本申请实施例提供一种数据处理方法、装置、计算机可读存储介质和电子设备，可以提高数据处理的效率。一种数据处理方法，所述方法包括：获取第一运行环境中存储的人脸识别模型；在所述第一运行环境中将所述人脸识别模型进行初始化，并将初始化后的人脸识别模型分割成至少两个模型数据包；依次将所述模型数据包从所述第一运行环境传入到第二运行环境，并在所述第二运行环境中根据所述模型数据包生成目标人脸识别模型；其中，所述第一运行环境的存储空间大于所述第二运行环境的存储空间，所述目标人脸识别模型用于对图像进行人脸识别处理。一种数据处理装置，所述装置包括：模型获取模块，用于获取第一运行环境中存储的人脸识别模型；模型分割模块，用于在所述第一运行环境中将所述人脸识别模型进行初始化，并将初始化后的人脸识别模型分割成至少两个模型数据包；模型传输模块，用于依次将所述模型数据包从所述第一运行环境传入到第二运行环境，并在所述第二运行环境中根据所述模型数据包生成目标人脸识别模型；其中，所述第一运行环境的存储空间大于所述第二运行环境的存储空间，所述目标人脸识别模型用于对图像进行人脸识别处理。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如下步骤：获取第一运行环境中存储的人脸识别模型；在所述第一运行环境中将所述人脸识别模型进行初始化，并将初始化后的人脸识别模型分割成至少两个模型数据包；依次将所述模型数据包从所述第一运行环境传入到第二运行环境，并在所述第二运行环境中根据所述模型数据包生成目标人脸识别模型；其中，所述第一运行环境的存储空间大于所述第二运行环境的存储空间，所述目标人脸识别模型用于对图像进行人脸识别处理。一种电子设备，包括存储器及处理器，所述存储器中储存有计算机可读指令，所述指令被所述处理器执行时，使得所述处理器执行如下步骤：获取第一运行环境中存储的人脸识别模型；在所述第一运行环境中将所述人脸识别模型进行初始化，并将初始化后的人脸识别模型分割成至少两个模型数据包；依次将所述模型数据包从所述第一运行环境传入到第二运行环境，并在所述第二运行环境中根据所述模型数据包生成目标人脸识别模型；其中，所述第一运行环境的存储空间大于所述第二运行环境的存储空间，所述目标人脸识别模型用于对图像进行人脸识别处理。上述数据处理方法、装置、计算机可读存储介质和电子设备，可以将人脸识别模型存储在第一运行环境中，然后在第一运行环境中将人脸识别模型初始化之后，再将初始化后的人脸识别模型分成至少两个模型数据包，然后再将数据包传到第二运行环境中。由于第二运行环境中的存储空间小于第一运行环境中的存储空间，所以在第一运行环境中将人脸识别模型进行初始化，可以提高人脸识别模型的初始化效率，降低第二运行环境中的资源占用率，提高数据处理速度。同时将人脸识别模型分成多个数据包进行传输，提高了数据的传输的效率。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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的附图。图1为一个实施例中电子设备的内部结构示意图；图2为一个实施例中数据处理方法的流程图；图3为另一个实施例中数据处理方法的流程图；图4为一个实施例中实现数据处理方法的系统示意图；图5为一个实施例中分割人脸识别模型的示意图；图6为又一个实施例中数据处理方法的流程图；图7为一个实施例中计算深度信息的原理图；图8为又一个实施例中数据处理方法的流程图；图9为一个实施例中实现数据处理方法的硬件结构图；图10为一个实施例中数据处理装置的结构示意图；图11为另一个实施例中数据处理装置的结构示意图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。可以理解，本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一客户端称为第二客户端，且类似地，可将第二客户端称为第一客户端。第一客户端和第二客户端两者都是客户端，但其不是同一客户端。图1为一个实施例中电子设备的内部结构示意图。如图1所示，该电子设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该处理器用于提供计算和控制能力，支撑整个电子设备的运行。存储器用于存储数据、程序等，存储器上存储至少一个计算机程序，该计算机程序可被处理器执行，以实现本申请实施例中提供的适用于电子设备的数据处理方法。存储器可包括磁碟、光盘、只读存储记忆体(Read-OnlyMemory，ROM)等非易失性存储介质，或随机存储记忆体(Random-Access-Memory，RAM)等。例如，在一个实施例中，存储器包括非易失性存储介质及内存储器。非易失性存储介质存储有操作系统和计算机程序。该计算机程序可被处理器所执行，以用于实现以下各个实施例所提供的一种数据处理方法。内存储器为非易失性存储介质中的操作系统计算机程序提供高速缓存的运行环境。网络接口可以是以太网卡或无线网卡等，用于与外部的电子设备进行通信。该电子设备可以是手机、平板电脑或者个人数字助理或穿戴式设备等。图2为一个实施例中数据处理方法的流程图。如图2所示，该数据处理方法包括步骤202至步骤206。其中：步骤202，获取第一运行环境中存储的人脸识别模型。具体的，电子设备可包括处理器，处理器可以对数据进行存储、计算、传输等处理。电子设备中的处理器可以在不同的环境中运行，例如处理器可以在TEE(TrustedExecutionEnvironment，可信执行环境)中运行，也可以在REE(RichExecutionEnvironment，自然运行环境)中运行，在TEE中运行时，数据的安全性更高；在REE中运行时，数据的安全性更低。电子设备可以对处理器的资源进行分配，对不同的运行环境划分不同的资源。例如，一般情况下电子设备中的安全性要求较高的进程会比较少，普通进程会比较多，那么电子设备就可以将处理器的小部分资源划分到安全性较高的运行环境中，将大部分资源划分到安全性没那么高的运行环境中。人脸识别模型是用于对图像中的人脸进行识别处理的算法模型，一般通过文件的形式进行存储。可以理解的是，由于对图像中的人脸进行识别的算法比较复杂，所以存储人脸识别模型时所占用的存储空间也比较大。电子设备对处理器划分不本文档来自技高网...

【技术保护点】
1.一种数据处理方法，其特征在于，所述方法包括：获取第一运行环境中存储的人脸识别模型；在所述第一运行环境中将所述人脸识别模型进行初始化，并将初始化后的人脸识别模型分割成至少两个模型数据包；依次将所述模型数据包从所述第一运行环境传入到第二运行环境，并在所述第二运行环境中根据所述模型数据包生成目标人脸识别模型；其中，所述第一运行环境的存储空间大于所述第二运行环境的存储空间，所述目标人脸识别模型用于对图像进行人脸识别处理。

【技术特征摘要】
1.一种数据处理方法，其特征在于，所述方法包括：获取第一运行环境中存储的人脸识别模型；在所述第一运行环境中将所述人脸识别模型进行初始化，并将初始化后的人脸识别模型分割成至少两个模型数据包；依次将所述模型数据包从所述第一运行环境传入到第二运行环境，并在所述第二运行环境中根据所述模型数据包生成目标人脸识别模型；其中，所述第一运行环境的存储空间大于所述第二运行环境的存储空间，所述目标人脸识别模型用于对图像进行人脸识别处理。2.根据权利要求1所述的方法，其特征在于，所述依次将所述模型数据包从所述第一运行环境传入到第二运行环境，包括：依次将所述模型数据包从所述第一运行环境传入到共享缓冲区，并将所述模型数据包从所述共享缓冲区传入到第二运行环境。3.根据权利要求2所述的方法，其特征在于，所述将初始化后的人脸识别模型分割成至少两个模型数据包，包括：获取所述共享缓冲区的空间容量，并根据所述空间容量将所述人脸识别模型分割成至少两个模型数据包；其中，所述模型数据包的数据量小于或等于所述空间容量。4.根据权利要求1所述的方法，其特征在于，所述依次将所述模型数据包从所述第一运行环境传入到第二运行环境，并在所述第二运行环境中根据所述模型数据包生成目标人脸识别模型包括：对每个模型数据包赋予对应的数据编号，按照所述数据编号依次将所述模型数据包从所述第一运行环境传入到第二运行环境；在所述第二运行环境中根据所述数据编号将所述模型数据包进行拼接，生成目标人脸识别模型。5.根据权利要求1至4中任一项所述的方法，其特征在于，所述依次将所述模型数据包从所述第一运行环境传入到第二运行环境，包括：将所述模型数据包进行加密处理，并将加密处理后的模型数据包从所述第一运行环境传入到第二运行环境；在所述第二运行环境中对所述加密处理后的模型数据包进行解密处理。6.根据权利要求5所述的方法，其特征在于，所述将所述初始化后的人脸识别模型从所述共享缓冲区传入到第二运行环境中进行存储之后，还包括：当检测到人脸识别指令时，判断所述人脸识别指令的安全等...

【专利技术属性】
技术研发人员：郭子青，周海涛，欧锦荣，谭筱，
申请(专利权)人：OPPO广东移动通信有限公司，
类型：发明
国别省市：广东,44