图像识别方法、设备及系统技术方案

本申请公开了一种图像识别方法、设备及系统。所述方法包括：图像识别设备获取待识别数据；向多个计算设备发送待识别数据，图像识别设备与多个计算设备通过第一协议通信；图像识别设备接收多个计算设备发送的至少一个识别结果；图像识别设备根据至少一个识别结果，确定待识别数据的识别结果。以此解决图像识别过程耗时较长的问题，提高图像识别的效率。

【技术实现步骤摘要】
图像识别方法、设备及系统
本申请涉及电子
，特别涉及一种图像识别方法、设备及系统。
技术介绍
随着电子技术的发展，图像识别，尤其是人脸图像识别的应用越来越广。用于进行人脸图像识别的图像识别设备设置有一人脸图像数据库，该人脸图像数据库中存储有多个参考人脸图像和每个图像对应的特征向量，每个参考人脸特征向量与一标签对应，标签用于标识参考人脸特征向量所对应的人，如该标签为“张三”。图像识别设备在对目标图像进行人脸图像识别时，主要是在人脸图像数据库中确定与目标图像相似度最高的目标参考数据的过程。示例的，可以确定表征目标图像中人脸的目标人脸特征向量，并在人脸图像数据底库中确定与该目标人脸特征向量相似度最高的目标参考人脸特征向量，进而可以将该相似度最高的目标参考人脸特征向量对应的标签确定为目标图像的标签，这样便完成了目标图像的识别。传统的图像识别设备由一个人工智能(artificialintelligence，AI)芯片和一个或多个中央处理器(centralprocessingunit，CPU)组成。该AI芯片需要计算待识别图像和数据库中所有图像的相似度，最终确定相似度最高的图像为识别结果。但是，上述处理过程存在计算耗时长的问题。如何提供一种高速有效的图像识别方法成为亟待解决的问题。
技术实现思路
本申请提供了一种图像识别方法、设备及系统，可以解决图像识别过程耗时较长的问题，提高图像识别的效率。第一方面，本申请提供一种图像识别方法，该方法包括：首先，图像识别设备获取待识别数据；然后，图像识别设备向多个计算设备发送所述待识别数据，图像识别设备与各个计算设备通过第一协议通信；再接收各个计算设备发送的至少一个识别结果；最后，再根据接收的至少一个识别结果，确定待识别数据的识别结果。由于本申请中待识别数据的识别结果是根据多个计算设备确定的至少一个识别结果得出的，故待识别数据的识别结果的准确率较高，且图像识别效率较高。作为一种可能的实现方式，图像识别设备将原始数据库中的数据划分成至少两个集合，并将每个集合分配给多个计算设备中的一个计算设备，此时该至少一个识别结果为：多个计算设备中每个计算设备采用比对算法分别对分配的一个集合的数据和待识别数据进行比对获得的，每个计算设备使用的比对算法相同。由于每个计算设备采用的比对算法均相同，避免了不同计算设备对相同的原始数据与待识别数据进行比对得出的识别结果不同，保证了各个计算设备得出的至少一个识别结果中必然存在超过半数的识别结果，确保可以采用少数服从多数的思想确定待识别数据的识别结果。作为另一种可能的实现方式，计算设备的个数为n，n≥3，图像识别设备将原始数据库中的数据划分成至少两个集合，包括：图像识别设备将原始数据库中的数据划分为与n个计算设备一一对应的n个集合，其中，每个集合包括原始数据库中的部分数据，对于原始数据库中的每个数据，在n个集合中至少存在与数据相同的a个数据，a为大于n/2的最小正整数。由于计算设备较多，且每个计算设备需处理的数据为原始数据库中的部分数据，故进行图像识别的耗时较短，图像识别的速度较快。作为另一种可能的实现方式，n个集合中任意n-x个集合至少包括原始数据库中的全部数据，1≤x≤n-1，当n个计算设备均处于正常工作状态时，该至少一个识别结果包括：n个计算设备中每个计算设备采用比对算法分别对分配的一个集合的数据和待识别数据进行比对，确定的n个识别结果；当n个计算设备中存在k1个计算设备处于异常工作状态时，该至少一个识别结果包括：n-k1个计算设备中每个计算设备采用比对算法分别对分配的一个集合中的数据与待识别数据进行比对，确定的n-k1个识别结果，n-k1个计算设备为n个计算设备中除该k1个计算设备之外的计算设备，1≤k1≤x。由于图像识别设备划分的n个集合中存在任意n-x个集合至少包括原始数据库中的全部数据，故即使存在处于异常工作状态的计算设备，图像识别系统仍然可以正常地进行图像识别，且在处于异常工作状态的计算设备恢复正常工作状态后，其上存储的集合可以快速地恢复，故图像识别系统的可靠性较高。作为另一种可能的实现方式，图像识别设备根据该至少一个识别结果，确定待识别数据的识别结果，包括：当n个计算设备均处于正常工作状态时，图像识别设备统计n个识别结果中相同的识别结果的个数，并将个数大于n/2的识别结果，确定为待识别数据的识别结果。作为另一种可能的实现方式，原始数据库中的数据与待识别数据的数据类型相同，且均按照相同的采集方式得到，数据类型用于指示数据的格式，图像识别设备根据该至少一个识别结果，确定待识别数据的识别结果，包括：当n个计算设备中存在k1个计算设备处于异常工作状态时，图像识别设备统计n-k1个识别结果中相同的识别结果的个数；当n-k1个识别结果中存在相同的识别结果的个数大于n/2时，图像识别设备将个数大于n/2的识别结果确定为待识别数据的识别结果；当n-k1个识别结果中不存在相同的识别结果的个数大于n/2时，图像识别设备将n-k1个识别结果中与待识别数据相似度最高的识别结果，确定为待识别数据的识别结果。由于图像识别设备可以仅确定该至少一个识别结果中多于半数的识别结果就可以确定待识别数据的识别结果，无需再进行一次相似度的计算，故图像识别的识别过程较为简便，识别效率较高。作为另一种可能的实现方式，原始数据库中数据的总数为m，图像识别设备将原始数据库中的数据划分为与n个计算设备一一对应的n个集合，包括：图像识别设备确定每个集合中数据的个数L，L满足≤M，表示向上取整；接着按照预置顺序以及每个集合中数据的个数L，将原始数据库中的数据依次划分为与n个计算设备一一对应的n个集合；其中，n个集合中数据的总数为m的整数倍。图像识别设备划分的n个集合中数据的总数可以为原始数据库中原始数据的个数的整数倍，也即是可以使该n个集合包括的数据总个数取最小值，以使得计算设备处理的数据量较小，提高了图像识别速率。作为另一种可能的实现方式，计算设备包括人工智能AI芯片，计算设备的个数为奇数。作为另一种可能的实现方式，该方法还包括：图像识别设备在该k1个计算设备中的某一计算设备恢复正常工作状态后，基于n-k1个计算设备中的集合，恢复某一计算设备中的集合。作为另一种可能的实现方式，原始数据库中的数据与待识别数据类型相同，且均按照相同的采集方式得到，该至少一个识别结果中每个识别结果为：一个计算设备确定的向其分配的一个集合中与待识别数据相似度最高的数据。作为另一种可能的实现方式，原始数据库中的数据与待识别数据均为特征向量，每个与待识别数据相似度最高的数据为：一个计算设备采用支持向量聚类算法，确定的向其分配的一个集合中与待识别数据的欧氏距离最小的数据。作为另一种可能的实现方式，待识别数据为人脸特征向量。作为另一种可能的实现方式，原始数据库中的数据与多个标签分别对应，该方法还包括：图像识别设备将待识别数据的识别结果对应的标签，确定为待识别数据的标签。第二方面，本申请提供本文档来自技高网...

【技术保护点】
1.一种图像识别方法，其特征在于，所述方法包括：/n图像识别设备获取待识别数据；/n所述图像识别设备向多个计算设备发送所述待识别数据，所述图像识别设备与所述多个计算设备通过第一协议通信；/n所述图像识别设备接收所述多个计算设备发送的至少一个识别结果；/n所述图像识别设备根据所述至少一个识别结果，确定所述待识别数据的识别结果。/n

【技术特征摘要】
1.一种图像识别方法，其特征在于，所述方法包括：
图像识别设备获取待识别数据；
所述图像识别设备向多个计算设备发送所述待识别数据，所述图像识别设备与所述多个计算设备通过第一协议通信；
所述图像识别设备接收所述多个计算设备发送的至少一个识别结果；
所述图像识别设备根据所述至少一个识别结果，确定所述待识别数据的识别结果。


2.根据权利要求1所述的方法，其特征在于，在所述图像识别设备获取待识别数据之前，所述方法还包括：
所述图像识别设备将原始数据库中的数据划分成至少两个集合；
所述图像识别设备将每个所述集合分配给所述多个计算设备中的一个计算设备；
则所述至少一个识别结果为：所述多个计算设备中每个计算设备采用比对算法分别对分配的一个集合的数据和所述待识别数据进行比对获得，所述每个计算设备使用的比对算法相同。


3.根据权利要求2所述的方法，其特征在于，所述计算设备的个数为n，n≥3，所述图像识别设备将原始数据库中的数据划分成至少两个集合，包括：
所述图像识别设备将所述原始数据库中的数据划分为与n个计算设备一一对应的n个集合，其中，每个集合包括所述原始数据库中的部分数据，对于所述原始数据库中的每个数据，在所述n个集合中至少存在与所述数据相同的a个数据，所述a为大于n/2的最小正整数。


4.根据权利要求3所述的方法，其特征在于，所述n个集合中任意n-x个集合至少包括所述原始数据库中的全部数据，1≤x≤n-1，
当所述n个计算设备均处于正常工作状态时，所述至少一个识别结果包括：所述n个计算设备中每个计算设备采用比对算法分别对分配的一个集合的数据和所述待识别数据进行比对，确定的n个识别结果；
当所述n个计算设备中存在k1个计算设备处于异常工作状态时，所述至少一个识别结果包括：n-k1个计算设备中每个计算设备采用比对算法分别对分配的一个集合中的数据与所述待识别数据进行比对，确定的n-k1个识别结果，所述n-k1个计算设备为所述n个计算设备中除所述k1个计算设备之外的计算设备，1≤k1≤x。


5.根据权利要求4所述的方法，其特征在于，所述图像识别设备根据所述至少一个识别结果，确定所述待识别数据的识别结果，包括：
当所述n个计算设备均处于正常工作状态时，所述图像识别设备统计所述n个识别结果中相同的识别结果的个数；
所述图像识别设备将个数大于n/2的识别结果，确定为所述待识别数据的识别结果。


6.根据权利要求4所述的方法，其特征在于，所述原始数据库中的数据与所述待识别数据的数据类型相同，且均按照相同的采集方式得到，所述数据类型用于指示数据的格式，所述图像识别设备根据所述至少一个识别结果，确定所述待识别数据的识别结果，包括：
当所述n个计算设备中存在k1个计算设备处于异常工作状态时，所述图像识别设备统计所述n-k1个识别结果中相同的识别结果的个数；
当所述n-k1个识别结果中存在相同的识别结果的个数大于n/2时，所述图像识别设备将个数大于n/2的识别结果确定为所述待识别数据的识别结果；
当所述n-k1个识别结果中不存在相同的识别结果的个数大于n/2时，所述图像识别设备将所述n-k1个识别结果中与所述待识别数据相似度最高的识别结果，确定为所述待识别数据的识别结果。


7.根据权利要求3至6任一所述的方法，其特征在于，所述原始数据库中数据的总数为m，所述图像识别设备将所述原始数据库中的数据划分为与n个计算设备一一对应的n个集合，包括：
所述图像识别设备确定每个所述集合中数据的个数L，L满足≤M，所述M≥表示向上取整；
所述图像识别设备按照预置顺序，以及所述每个所述集合中数据的个数L，将所述原始数据库中的数据依次划分为与所述n个计算设备一一对应的所述n个集合；
其中，所述n个集合中数据的总数为所述m的整数倍。


8.根据权利要求1至7任一所述的方法，其特征在于，所述计算设备包括人工智能AI芯片，所述计算设备的...

【专利技术属性】
技术研发人员：徐宽，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：广东;44