图像特征提取方法、装置、存储介质及电子设备制造方法及图纸

本公开涉及一种图像特征提取方法、装置、存储介质及电子设备，以解决相关技术中图像特征提取存在的耗费大量网络带宽，以及耗费人脸识别终端大量计算资源的问题。本公开的图形特征提取方法包括：确定多个人脸识别终端的运行状况；根据各人脸识别终端的运行状况，将待进行特征提取的多个人员图像进行分包处理；将分包后的人员图像分发给对应运行状态的人脸识别终端，以使所述多个人脸识别终端对接收到的人员图像进行特征提取；分别接收所述多个人脸识别终端发送的特征信息。

【技术实现步骤摘要】
图像特征提取方法、装置、存储介质及电子设备
本公开涉及人脸识别
，具体地，涉及一种图像特征提取方法、装置、存储介质及电子设备。
技术介绍
人脸识别技术是是基于人的脸部特征信息进行身份识别的一种生物识别技术，其原理是将海量人员图像分别提取特征后存储在人脸识别终端中作为人脸识别数据库，然后对摄像头捕捉的图像进行提取特征后在人脸识别数据库中进行比对，人员图像的特征提取是人脸识别的基础。相关技术中，人员图像的特征提取主要是通过云端平台向各人脸识别终端下发所有待进行特征提取的人员图像，然后各人脸识别终端对所有的人员图像分别进行特征提取。如果待进行特征提取的人员图像数量众多，那么将所有人员图像下发到每个人脸识别终端就将耗费大量的网络带宽，并且，每个人脸识别终端对接收到的所有人员图像进行特征提取，还将耗费各人脸识别终端大量的计算资源。
技术实现思路
本公开的目的是提供一种图像特征提取方法、装置、存储介质及电子设备，以解决相关技术中图像特征提取存在的耗费大量网络带宽，以及耗费人脸识别终端大量计算资源的问题。第一方面，本公开提供一种图像特征提取方法，包括：确定多个人脸识别终端的运行状况；根据各人脸识别终端的运行状况，将待进行特征提取的多个人员图像进行分包处理；将分包后的人员图像分发给对应运行状态的人脸识别终端，以使所述多个人脸识别终端对接收到的人员图像进行特征提取；分别接收所述多个人脸识别终端发送的特征信息。可选地，在分别接收所述多个人脸识别终端发送的特征信息之后，还包括：按照各人脸识别终端的使用场景，将接收到的特征信息分发给所述多个人脸识别终端，以通过所述多个人脸识别终端进行人脸识别。可选地，所述按照各人脸识别终端的使用场景，将接收到的特征信息分发给所述多个人脸识别终端，包括：按照各人脸识别终端的使用场景，确定各人脸识别终端的识别人员；分别给每个人脸识别终端发送该人脸识别终端的识别人员对应的特征信息。可选地，在按照各人脸识别终端的使用场景，将接收到的特征信息分发给所述多个人脸识别终端之前，还包括：分别确定所述多个人脸识别终端的标识信息，其中，所述标识信息用于唯一标识各人脸识别终端；根据所述标识信息，确定各人脸识别终端的使用场景。可选地，所述确定多个人脸识别终端的运行状态，包括：获取所述多个人脸识别终端的中央处理器CPU使用率和/或内存使用率；根据所述CPU使用率和/或内存使用率，确定所述多个人脸识别终端的运行状况。第二方面，本公开还提供一种图像特征提取装置，所述装置包括：第一确定模块，用于确定多个人脸识别终端的运行状况；分包处理模块，用于根据各人脸识别终端的运行状况，将待进行特征提取的多个人员图像进行分包处理；第一发送模块，用于将分包后的人员图像分发给对应运行状态的人脸识别终端，以使所述多个人脸识别终端对接收到的人员图像进行特征提取；接收模块，用于分别接收所述多个人脸识别终端发送的特征信息。可选地，所述装置还包括：第二发送模块，用于按照各人脸识别终端的使用场景，将接收到的特征信息分发给所述多个人脸识别终端，以通过所述多个人脸识别终端进行人脸识别。可选地，所述第二发送模块包括：第二确定模块，用于按照各人脸识别终端的使用场景，确定各人脸识别终端的识别人员；第三发送模块，用于分别给每个人脸识别终端发送该人脸识别终端的识别人员对应的特征信息。可选地，所述装置还包括：第三确定模块，用于在按照各人脸识别终端的使用场景，将接收到的特征信息分发给所述多个人脸识别终端之前，分别确定所述多个人脸识别终端的标识信息，其中，所述标识信息用于唯一标识各人脸识别终端；第四确定模块，用于根据所述标识信息，确定各人脸识别终端的使用场景。可选地，所述第一确定模块用于获取所述多个人脸识别终端的中央处理器CPU使用率和/或内存使用率，并根据所述CPU使用率和/或内存使用率，确定所述多个人脸识别终端的运行状况。第三方面，本公开还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面里任一项所述方法的步骤。第四方面，本公开还提供一种电子设备，包括：存储器，其上存储有计算机程序；处理器，用于执行所述存储器中的所述计算机程序，以实现第一方面里任一项所述方法的步骤。通过上述技术方案，可以先确定多个人脸识别终端的运行状况，然后根据各人脸识别终端的运行状况，将待进行特征提取的多个人员图像进行分包处理，再将分包后的人员图像分发给对应运行状态的人脸识别终端，以使多个人脸识别终端对接收到的人员图像进行特征提取，最后分别接收多个人脸识别终端发送的特征信息。这样，各人脸识别终端不用接收所有待进行特征提取的人员图像，节省了网络带宽，并且，各人脸识别终端只需对接收到的人员图像进行特征提取，而不用对所有人员图像进行特征提取，因此，这也节省了各人脸识别终端的计算资源。本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。附图说明附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：图1是将本公开的图像特征提取方法应用于云端平台时云端平台与人脸识别终端的架构示意图；图2是根据本公开一示例性实施例示出的图像特征提取方法的流程图；图3是根据本公开一示例性实施例示出的图像特征提取装置的框图；图4是根据本公开一示例性实施例示出的一种电子设备的框图；图5是根据本公开一示例性实施例示出的另一种电子设备的框图。具体实施方式以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。首先说明本公开的图像特征提取方法的应用场景，本公开的图像特征提取方法可以应用于云端平台，比如，SaaS(Software-as-a-Service，软件即服务)平台，参照图1，云端平台下管理有多个人脸识别终端，云端平台可以通过网络与各人脸识别终端进行数据交互。当然，本公开还可以应用于人脸识别终端，比如，多个人脸识别终端通过网络互相连接，当某一个人脸识别终端获取到的人员图像较多时，就可以通过本公开的方法将人员图像分发给其他人脸识别终端，通过其他人脸识别终端进行特征提取。图2是根据本公开一示例性实施例示出的图像特征提取方法的流程图，参照图2，本公开的图像特征提取方法包括以下步骤：步骤S201，确定多个人脸识别终端的运行状况。步骤S202，根据各人脸识别终端的运行状况，将待进行特征提取的多个人员图像进行分包处理。步骤S203，将分包后的人员图像分发给对应运行状态的人脸识别终端，以使多个人脸识别终端对接收到的人员图像进行特征提取。步骤S204，分别接收多个人脸识别终端发送的特征信息。人脸识别终端的运行状态可以是表征人脸识别终端繁忙程度的状态，比如，不繁忙状态，较繁忙状态，繁忙状态，等等，本公开对此不作限定。确定多个人脸识别终端的运行状态可以是通过人脸识别终端的CPU(CentralProcessingUnit，中央处理器)使用率确定的，也可以是通过人脸识别终端的内存使用率确定的，还可以是通过结合人脸识别终端的CPU使用率和内存使用率确定的，等等，本公开对此不作限定。即，可选地，可以获取多个人脸识别终端的中央处理器CPU使用率和/或内本文档来自技高网...

【技术保护点】
1.一种图像特征提取方法，其特征在于，包括：确定多个人脸识别终端的运行状况；根据各人脸识别终端的运行状况，将待进行特征提取的多个人员图像进行分包处理；将分包后的人员图像分发给对应运行状态的人脸识别终端，以使所述多个人脸识别终端对接收到的人员图像进行特征提取；分别接收所述多个人脸识别终端发送的特征信息。

【技术特征摘要】
1.一种图像特征提取方法，其特征在于，包括：确定多个人脸识别终端的运行状况；根据各人脸识别终端的运行状况，将待进行特征提取的多个人员图像进行分包处理；将分包后的人员图像分发给对应运行状态的人脸识别终端，以使所述多个人脸识别终端对接收到的人员图像进行特征提取；分别接收所述多个人脸识别终端发送的特征信息。2.根据权利要求1所述的方法，其特征在于，在分别接收所述多个人脸识别终端发送的特征信息之后，还包括：按照各人脸识别终端的使用场景，将接收到的特征信息分发给所述多个人脸识别终端，以通过所述多个人脸识别终端进行人脸识别。3.根据权利要求2所述的方法，其特征在于，所述按照各人脸识别终端的使用场景，将接收到的特征信息分发给所述多个人脸识别终端，包括：按照各人脸识别终端的使用场景，确定各人脸识别终端的识别人员；分别给每个人脸识别终端发送该人脸识别终端的识别人员对应的特征信息。4.根据权利要求2所述的方法，其特征在于，在按照各人脸识别终端的使用场景，将接收到的特征信息分发给所述多个人脸识别终端之前，还包括：分别确定所述多个人脸识别终端的标识信息，其中，所述标识信息用于唯一标识各人脸识别终端；根据所述标识信息，确定各人脸识别终端的使用场景。5.根据权利要求1-4任一所述的方法，其特征在于，所述确定多个人脸识别终端的运行状态，包括：获取所述多个人脸识别终端的中央处理器CPU使...

【专利技术属性】
技术研发人员：郝伟，孙健，
申请(专利权)人：北京蜂盒科技有限公司，
类型：发明
国别省市：北京,11