【技术实现步骤摘要】
一种基于人脸边缘计算的身份核验方法、系统与设备
本专利技术涉及卷积神经网络
，更具体地说是涉及一种基于人脸边缘计算的身份核验方法、系统与设备。
技术介绍
目前，基于人脸识别的身份核验技术的应用场景越来越丰富，例如人脸门禁、人脸门锁、社区中基于人脸识别的报刊或快递寄存柜、家庭中通过人脸识别实现个性化控制的家用电器和智能家居等；具体的，关于人脸识别，有很多经典的算法，而卷积神经网络算法具有较高的准确率、较强的鲁棒性，因此受到越来越多的关注，卷积神经网络的人脸识别器包含训练和识别两个过程，其中，训练过程分为信息的正向传播和误差的反向传播，即将一定数量的人脸样本作为输入训练数据，从神经网络中逐层正向传播，获得人脸识别器的输出误差，并判断误差是否在可以接受的区间内，如果不在该区间，则进行误差的反向传播，逐层调节权值，反复迭代直至误差达到可以接受的区间，则完成对卷积神经网络的人脸识别器的训练，训练完成后的卷积神经网络的人脸识别器可以根据输入的人脸数据进行人物身份的识别核验。但是，卷积神经网络的训练需要较大的数据处理量和较强...
【技术保护点】
1.一种基于人脸边缘计算的身份核验方法，其特征在于，包括如下步骤：/nS1、在终端设备上安装身份核验设备作为网络的边缘节点；/nS2、将一定数量的人脸训练样本上传至云端服务器，利用人脸训练样本对云端服务器的卷积神经网络进行训练，获取训练完成的云端服务器的卷积神经网络；/nS3、将云端服务器的卷积神经网络的各层权值进行整合，获得权值配置脚本，并通过网络下发至边缘节点；/nS4、由身份核验设备下载权值配置脚本，并参照权值配置脚本对身份核验设备中采用卷积神经网络的人脸识别器进行各层权值的调节。/n
【技术特征摘要】
1.一种基于人脸边缘计算的身份核验方法，其特征在于，包括如下步骤：
S1、在终端设备上安装身份核验设备作为网络的边缘节点；
S2、将一定数量的人脸训练样本上传至云端服务器，利用人脸训练样本对云端服务器的卷积神经网络进行训练，获取训练完成的云端服务器的卷积神经网络；
S3、将云端服务器的卷积神经网络的各层权值进行整合，获得权值配置脚本，并通过网络下发至边缘节点；
S4、由身份核验设备下载权值配置脚本，并参照权值配置脚本对身份核验设备中采用卷积神经网络的人脸识别器进行各层权值的调节。
2.根据权利要求1所述的一种基于人脸边缘计算的身份核验方法，其特征在于，所述卷积神经网络包括输入层、卷积层、池化层、全连接层以及分类输出层。
3.根据权利要求1所述的一种基于人脸边缘计算的身份核验方法，其特征在于，所述S2中对神经网络训练的具体过程为：由所述输入层获取人脸训练样本，并传输至所述卷积层；所述卷积层提取人脸训练样本的特征，并传输至所述池化层；所述池化层对提取的人脸训练样本的特征进行池化操作，降低特征数据的维度，并提取出的特征传输至所述全连接层；所述全连接层对提取的人脸训练样本的特征进行分类，获得分类模型，并传输至所述分类输出层，输出人脸识别结果；将输出的人脸识别结果与期望值进行比对，获得输出结果与期望值的误差；将误差反向传递，计算每一层的误差，依据误差进行每层权值的更新，直至输出的人脸识别结果在期望值可以接受的区间，获得一个训练完成的能够进行人脸识别的卷积神经网络。
4.根据权利要求1所述的一种基于人脸边缘计算的身份核验方法，其特征在于，还包括如下步骤：由所述身份核验设备依据现场采集的人脸图像，对所述人脸识别器进行自主训练，获得权值的调节系数；在S4调节获得的权值的基础上，对权值和调节系数进行乘法运算，完成权值的二次训练调节。
5.一种基于人脸边缘计算的身份核验系统，其特征在于，包括配置模块(1)、身份核验设备(2)、云端服务器(3)；其中，
所述身份核验设备(2)包括权值调节单元(22)、权值配置单元(21)、人脸识别器(23)；
所述云端服务器(3)包括虚拟训练单元(31)、整合单元(32)；
所述配置模块(1)用于在所述终端设备上安装所述身份核验设备(2)作为网络的边缘节点；
所述虚拟训练单元(31)用于获取一定数量的人脸训练样本，利用人脸训练样本对所述云端服务器(3)的卷积神经网络进行训练，获取训练完成的所述云端服务器(3)的卷积神经网...
【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：重庆特斯联智慧科技股份有限公司，
类型：发明
国别省市：重庆;50
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。