基于集群式IoT的人脸特征提取方法技术

本发明专利技术公开了一种基于集群式IoT的人脸特征提取方法，特征值的提取由不同的IoT设备分别完成；服务端生成与IoT设备对应的全量人脸特征文件，所述全量人脸特征文件中包含与IoT设备对应的人脸照片的标识信息、该部分人脸照片在文件存储服务中的链接以及该部分人脸照片已有的特征值；IoT设备依据全量人脸特征文件从文件存储服务中拉取缺少特征值的人脸照片；IoT设备完成特征值的提取后，将人脸照片的标识信息及对应的特征值发送至服务端。本发明专利技术避免了同一张照片重复提取的问题，减少了每一台IoT设备所要提取的数量，显著缩短了提取时间，同时也减少了网络流量的消耗，降低了编译、运维的成本和对资源的要求。运维的成本和对资源的要求。运维的成本和对资源的要求。

【技术实现步骤摘要】
基于集群式IoT的人脸特征提取方法


[0001]本专利技术涉及人脸特征识别领域，具体涉及一种人脸特征提取方法。

技术介绍

[0002]人脸特征提取是一种利用计算机视觉技术，是从人脸图像中提取出能够区分不同人脸的特征值的过程。人脸特征提取在人脸识别、人脸检测、人脸跟踪等领域有着广泛的应用。
[0003]在诸如办公场所等场景下，通常要先得到人脸照片，然后从人脸照片中提取出相应的特征值，并将特征值按权限配置等需要下发到不同的IoT设备，从而对不同地点的通行权限进行灵活控制。
[0004]目前，应对上述应用场景的人脸特征提取方案主要有以下几种：方案1、由IoT设备拍摄照片并提取特征值后，将照片及特征值上传到服务端保存。这种方案的缺点是：（1）操作繁琐，需要专业人员在现场进行拍摄，人员成本投入高；（2）用于提取特征值的IoT设备的算法版本是固定的，而在日常识别时，拍摄和识别人脸的各IoT设备所采用的算法版本并不完全一致，需要实现将不同版本的特征值都提取出来，显然该方式无法完成多版本特征值的提取，因而所提取的特征值只能在与其算法版本相同IoT设备上使用，无法在其它IoT设备上使用。
[0005]方案2、使用手机等拍照设备拍摄照片，提交照片到服务端，服务端仅将照片发放给不同算法版本的IoT设备，再由IoT设备提取出特征值并保存，服务端不存储特征值。这种方案虽然可以解决专业人员拍摄的问题和多版本特征值提取的问题，但也存在以下缺陷：（1）由于服务端不存储特征值，所以IoT设备每次进行全量生成时，都需对该台设备所有要识别的照片都进行一次特征提取，由于IoT设备内存及处理器性能较差，单个人脸特征值的提取需1
‑
2秒左右时间，如果全量生成涉及的人脸照片为1000张，则每台IoT设备全量同步一次提取特征值需要耗时20
‑
30分钟，耗时时间长，设备不可用时间也会相应变长；（2）全量同步时需要从服务端重新下载照片，单张照片文件最小也有200K，如果IoT设备10台、人脸照片为1000张，则一次全量同步需要2G流量，网络流量消耗大，同时网络下载过程中的等待时间也会影响提取速度，耗费更多的时间。
[0006]方案3、使用手机等拍照设备拍摄照片，提交照片到服务端，由服务端按不同版本提取特征值进行保存。该方式既解决了专业人员拍摄的问题和多版本特征值提取的问题，同时也避免了由IoT设备来提取特征所带来的时间过长的问题，但它仍存在以下缺陷：（1）编译成本高，服务端一般采用AMD架构，而IoT设备则采用ARM架构，同一版本的人脸特征提取算法至少需要编译出两个针对不同架构的子版本，并且还要保证在不同架构下两个子版本的运行结果一致；（2）运维成本高，在提取多版本人脸特征值时，服务端需按版本部署相应的提取程序，同一张照片需要流转多个提取程序才能完成所有版本特征值的提取；（3）资源消耗高，为了保证提取速度，服务端需采用分布式集群的方式部署提取程序，需耗费云端更多服务端资源。
[0007]综上所述，现有技术中的人脸特征提取方法，或者存在提取时间长、网络流量消耗大的问题，或者存在编译、运维成本高和资源消耗多的问题，二者无法兼顾。

技术实现思路

[0008]本专利技术提出了一种基于集群式IoT的人脸特征提取方法，其目的是：解决提取时间、网络流量消耗，与编译、运维成本和资源消耗，无法兼顾的问题。
[0009]本专利技术技术方案如下：一种基于集群式IoT的人脸特征提取方法，特征值的提取由不同的IoT设备分别完成；提取特征值时，服务端生成与IoT设备对应的全量人脸特征文件，所述全量人脸特征文件中包含与IoT设备对应的人脸照片的标识信息、该部分人脸照片在文件存储服务中的链接以及该部分人脸照片已有的特征值；IoT设备依据全量人脸特征文件从文件存储服务中拉取缺少特征值的人脸照片；IoT设备完成特征值的识别提取后，将人脸照片的标识信息及对应的特征值发送至服务端。
[0010]作为所述基于集群式IoT的人脸特征提取方法的进一步改进：服务端保存有：人脸照片与IoT设备的对应关系，人脸照片在文件存储服务中的链接，人脸照片在不同算法版本下的特征值，以及各IoT设备与算法版本的对应关系。
[0011]作为所述基于集群式IoT的人脸特征提取方法的进一步改进：服务端生成全量人脸特征文件的过程为：对于某台IoT设备，先根据人脸照片与IoT设备的对应关系筛选出与该台IoT设备对应的人脸照片并得到该部分人脸照片的标识信息，再根据人脸照片在文件存储服务中的链接得到该部分人脸照片在文件存储服务中的链接，然后基于各IoT设备与算法版本的对应关系得到该台IoT设备对应的算法版本，再根据人脸照片在不同算法版本下的特征值判断该部分人脸照片在该台IoT设备对应的算法版本下是否存在已知的特征值，并获取已知的特征值；所述全量人脸特征文件中的每一条记录对应一张与该台IoT设备对应的人脸照片，且每一条记录中包含以下信息：该人脸照片的标识信息，该人脸照片在文件存储服务中的链接以及该人脸照片的特征值，如果特征值当前未知则特征值设置为空或其它标识值。
[0012]作为所述基于集群式IoT的人脸特征提取方法的进一步改进：IoT设备将人脸照片的标识信息及对应的特征值发送至服务端之后，服务端将收到的特征值作为该人脸照片在本次提取对应的算法版本下的特征值进行保存。
[0013]作为所述基于集群式IoT的人脸特征提取方法的进一步改进：服务端生成全量人脸特征文件后，将全量人脸特征文件保存到文件存储服务，然后向IoT设备发送全量人脸特征同步指令，所述全量人脸特征同步指令中包含全量人脸特征文件在文件存储服务中的链接，IoT设备收到全量人脸特征同步指令后，根据解析出的链接从文件存储服务中拉取全量人脸特征文件。
[0014]作为所述基于集群式IoT的人脸特征提取方法的进一步改进：所述文件存储服务对保存的人脸照片进行Hash值提取并发送至服务端保存；服务端将人脸照片的Hash值通过全量人脸特征文件下发给IoT设备；IoT设备从文件存储服务拉取人脸照片时，如果本地拉取过的该人脸照片的Hash
值与全量人脸特征文件中该人脸照片的Hash值相同，则跳过拉取，直接使用本地的人脸照片进行特征值的提取。
[0015]相对于现有技术，本专利技术具有以下积极效果：（1）本专利技术使用多台IoT设备共同完整人脸特征值的提取，对于每一台IoT设备，只需要针对与其对应的人脸照片中尚不存在人脸特征值的照片进行提取，从而避免了同一张照片重复提取的问题，也减少了每一台IoT设备所要提取的数量，显著缩短了每台IoT设备需要的提取时间，同时因为避免了重复提取，且全量人脸特征文件的大小相较于图片文件也非常小，所以客观上也减少了网络流量的消耗；（2）特征值的提取是由各IoT设备来完成的，服务端只负责相关数据记录的保存与全量人脸特征文件的生成，降低了编译、运维的成本和资源的消耗；（3）本专利技术充分利用了文件存储服务可以自动提取Hash值的特性，将Hash值加入到全量人脸特征文件中，IoT设备拉本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于集群式IoT的人脸特征提取方法，其特征在于：特征值的提取由不同的IoT设备分别完成；提取特征值时，服务端生成与IoT设备对应的全量人脸特征文件，所述全量人脸特征文件中包含与IoT设备对应的人脸照片的标识信息、该部分人脸照片在文件存储服务中的链接以及该部分人脸照片已有的特征值；IoT设备依据全量人脸特征文件从文件存储服务中拉取缺少特征值的人脸照片；IoT设备完成特征值的识别提取后，将人脸照片的标识信息及对应的特征值发送至服务端。2.如权利要求1所述的基于集群式IoT的人脸特征提取方法，其特征在于，服务端保存有：人脸照片与IoT设备的对应关系，人脸照片在文件存储服务中的链接，人脸照片在不同算法版本下的特征值，以及各IoT设备与算法版本的对应关系。3.如权利要求2所述的基于集群式IoT的人脸特征提取方法，其特征在于，服务端生成全量人脸特征文件的过程为：对于某台IoT设备，先根据人脸照片与IoT设备的对应关系筛选出与该台IoT设备对应的人脸照片并得到该部分人脸照片的标识信息，再根据人脸照片在文件存储服务中的链接得到该部分人脸照片在文件存储服务中的链接，然后基于各IoT设备与算法版本的对应关系得到该台IoT设备对应的算法版本，再根据人脸照片在不同算法版本下的特征值判断该部分人脸照片在该台IoT设备对应的算法版本下是否存在已知的特征值，并获取已知的特征值；所述全量人...

【专利技术属性】
技术研发人员：迟新林，尹孟磊，
申请(专利权)人：山东威尔数据股份有限公司，
类型：发明
国别省市：