一种基于负载均衡的车站多刷脸阵列人脸库分割方法技术

本发明专利技术提供了一种基于负载均衡的车站多刷脸阵列人脸库分割方法，属于城市轨道交通智能化技术领域，首先利用终端阵列中每个端设备的运行信息，通过周期性的收集每个终端节点的负载运行情况，得到每个终端设备的CPU使用率、内存占用率以及节点的网络带宽使用率，然后根据这三个负载指标以及熵权法，得到每个终端节点的负载权值，进而量化每个端节点处理能力的强弱，最后将车站部署的人脸数据库按照负载权值的比例分为一个个小的人脸库分发至不同的终端设备，由多个人脸识别终端协同完成特征对比，最后将识别结果统一汇总，返回至上传人脸特征的终端设备。从而减少响应得时间，加快乘客过闸得速度，实现在一组闸机上多终端协同分库计算的操作。库计算的操作。库计算的操作。

【技术实现步骤摘要】
一种基于负载均衡的车站多刷脸阵列人脸库分割方法


[0001]本专利技术属于城市轨道交通智能化
，具体涉及一种基于负载均衡的车站多刷脸阵列人脸库分割方法。

技术介绍

[0002]近年来，深度学习的蓬勃发展，以人脸识别为代表的生物识别特征技术走入了我们的生活。人脸识别主要包含人脸图像的采集和预处理、人脸检测、人脸对齐、人脸特征提取以及特征比对这五个计算操作，在实际应用中，人脸识别技术一般分为1:1和1:N两种识别模式。在1:1这种模式下的人脸识别过闸支付相对来说比较简单，乘客进站时，闸机通过蓝牙、NFC或RFID等其他形式的个人唯一uID与闸机进行交互，并同时通过闸机上方的摄像头采集乘客人脸信息，与乘客手机本地保存的人脸信息进行1:1识别匹配，完成乘客过闸，最终通过清分系统对uID进行OD闭合，形成交易记录，然后发起自动扣费交易，在实践中，额外的和用户身份进行绑定的信息的获得成本较高，被动式的无线射频信息，如蓝牙和RFID的获得仍需要额外的设备支持；而NFC之类的获得方式和传统的IC卡相比几无区别，没有比较优势。
[0003]基于人脸本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于负载均衡的车站多刷脸阵列人脸库分割方法，其特征在于，包括以下步骤：步骤1：周期性地收集车站多刷脸阵列中每个终端设备的运行信息，计算得到每个端节点的负载性能指标；步骤2：利用熵权法，结合步骤1得到的负载性能指标，量化每个终端设备的负载权值，即处理任务能力的大小；步骤3：根据步骤2中每个终端设备的负载权值，将人脸库按照权值比例分割成人脸库；步骤4：将步骤3得到的人脸库下发至不同的终端设备。2.根据权利要求1所述的一种基于负载均衡的车站多刷脸阵列人脸库分割方法，其特征在于，步骤1中的负载性能指标包括CPU使用率、内存占用率以及节点的网络带宽使用率。3.根据权利要求1所述的一种基于负载均衡的车站多刷脸阵列人脸库分割方法，其特征在于，步骤2中，所述的终端设备为人脸识别终端，所述的人脸识别终端采用linux系统，在系统的/proc/stat文件中保存着CPU的使用情况，CPU使用率U
cpu
计算表达式如下所示：其中idle1，idle2分别表示T1，T2时CPU空闲的时间，T
cpu1
，T
cpu2
表示系统自开机之后T1，T2时CPU总的使用时间，通过统计两个时间节点内的CPU使用总时间以及空闲时间，得到某一时间段内的CPU使用率。4.根据权利要求3所述的一种基于负载均衡的车站多刷脸阵列人脸库分割方法，其特征在于，步骤2中，所述的linux系统，在系统的/proc/meminfo文件记录着当前时刻的内存使用情况，内存占用率U
mem
计算表达式如下所示：其中，MemTotal表示终端节点总内存的大小；MemFree表示终端节点在当前时刻空闲的内存空间大小；Buffers表示磁盘缓冲大小，Cached表示磁盘缓存的大小。5.根据权利要求4所述的一种基于负载均衡的车站多刷脸阵列人脸库分割方法，其特征在于，步骤2中，所述的linux系统，节点的网络带框使用情况被记录在/proc/net/dev文件中，该文件统计的是从系统开机到当前时刻网络流量的使用情况，网络带宽使用率U
net
计算表达式如下所示：在上式中，Receive1，Receive2表示T1,T2时输入字节数大小，Transmit1，Transmit2表示T1,T2时输出字节数大小，Net表示终端节点的网口的带宽大小，通过统计两个时间点...

【专利技术属性】
技术研发人员：吴娟，王宏博，林磊，陆赛杰，张亦然，徐健洲，张义鑫，何跃齐，李道全，刘光杰，王耀，司光字，
申请(专利权)人：南京信息工程大学北京城建设计发展集团股份有限公司，
类型：发明
国别省市：