【技术实现步骤摘要】
支持高频使用缓冲机制的混合模式人脸识别方法与系统
本专利技术涉及人脸识别
，具体而言涉及一种支持高频使用缓冲机制的混合模式人脸识别方法与系统。
技术介绍
随着深度学习网络生成模型的工程化落地，人脸识别技术的精度得到了远远超越人眼的极大提升。在人脸识别门禁系统中，为了将算法模型运行在设备端，通常会将模型网络进行诸如“剪枝”、“蒸馏”等手段，缩小模型，以达到快速的设备端本地运行速度。但也正是因为对算法网络模型进行了优化精简，会带来较大的精度损失。例如，高精度深度网络模型如运行在服务端，利用其强大的硬件性能，在识别率99.97％以上的基准下，可以达到误识别率仅百万分之一的精度指标。如果移植模型到设备端本地运行，同样的识别率基准下，误识别率就会剧烈劣化到万分之五。对于人脸底库不大，比如两千人以下，且误识别率控制要求不是特别严苛的情况下，通过使用设备端离线识别技术，可以让人脸识别设备达到很好的识别响应速度。但是，如果用于大集团公司、学校、中大型工厂等大人脸底库场景时，大人脸底库带来的本地离线识别速度缓慢，检索量大...
【技术保护点】
1.一种支持高频使用缓冲机制的混合模式人脸识别方法，其特征在于，包括以下步骤：/n步骤1、在部署在服务器端与设备端的人脸识别系统中，在设备端部署人脸缓冲库，用于存储本地高频缓冲人脸特征数据；并且在服务器端配置不同的人脸识别算法，服务器端配置第一人脸识别算法，设备端配置第二人脸识别算法；所述服务器端配置有预先注册的人脸识别底库；/n步骤2、设备端持续根据所采集的图像进行人脸检测，当检测到人脸时，提取人脸特征，并与设备端部署的人脸缓冲库为基础，通过第二人脸识别算法进行人脸识别处理；如果识别验证通过，则输出验证通过比对结果，并在设备端部署的人脸缓冲库中更新当前识别人脸对应人员的使...
【技术特征摘要】
1.一种支持高频使用缓冲机制的混合模式人脸识别方法，其特征在于，包括以下步骤：
步骤1、在部署在服务器端与设备端的人脸识别系统中，在设备端部署人脸缓冲库，用于存储本地高频缓冲人脸特征数据；并且在服务器端配置不同的人脸识别算法，服务器端配置第一人脸识别算法，设备端配置第二人脸识别算法；所述服务器端配置有预先注册的人脸识别底库；
步骤2、设备端持续根据所采集的图像进行人脸检测，当检测到人脸时，提取人脸特征，并与设备端部署的人脸缓冲库为基础，通过第二人脸识别算法进行人脸识别处理；如果识别验证通过，则输出验证通过比对结果，并在设备端部署的人脸缓冲库中更新当前识别人脸对应人员的使用频率活跃度，并返回持续进行人脸检测与识别；如果识别验证不通过，则进入步骤3；
步骤3、将当前采集人脸图像上传到服务器端，在服务器端以人脸识别底库为基础，通过第一人脸识别算法进行人脸识别处理，如果识别验证通过，则进入步骤4，否则输出识别不通过结果，并返回步骤2持续进行人脸检测与识别；
步骤4、根据识别结果对应的人脸特征判定是否是设备端部署的人脸缓冲库中的人员，如果是，则在设备端部署的人脸缓冲库中更新当前识别人脸对应人员的使用频率活跃度，并返回步骤2持续进行人脸检测与识别，如果否，则添加到设备端部署的人脸缓冲库中，并返回步骤2持续进行人脸检测与识别。
2.根据权利要求1所述的支持高频使用缓冲机制的混合模式人脸识别方法，其特征在于，所述步骤1中，所述第一人脸识别算法与第二人脸识别算法不同，并且分别配置人脸识别比对过程中的相似度阈值标准。
3.根据权利要求2所述的支持高频使用缓冲机制的混合模式人脸识别方法，其特征在于，设备端配置的第二人脸识别算法对应的人脸识别相似度阈值K2大于服务器端配置的第一人脸识别算法对应的人脸识别相似度阈值K1的值。
4.根据权利要求2所述的支持高频使用缓冲机制的混合模式人脸识别方法，其特征在于，所述设备端配置的第二人脸识别算法对应的人脸识别相似度阈值K2大于90％。
5.根据权利要求1所述的支持高频使用缓冲机制的混合模式人脸识别方法，其特征在于，所述方法还包括以下步骤：
对设备端部署的人脸缓冲库进行低频使用人员的清理。
6.根据权利要求1...
【专利技术属性】
技术研发人员：杨帆，孙海军，
申请(专利权)人：南京甄视智能科技有限公司，
类型：发明
国别省市：江苏;32
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。