[发明专利]一种分布式人脸检索系统及方法

权利要求书

1.一种分布式人脸检索系统，其特征在于，包括数据库、消息队列、分布式文件系统、冷启动服务模块、特征提取服务模块、特征切片服务模块、检索服务模块、热更新服务模块、备份与恢复服务模块、日志服务模块；

所述数据库包括人脸图像库、人脸特征库和日志库，所述人脸图像库保存人脸图像信息，所述人脸特征库保存人脸特征信息，所述日志库保存日志；

所述消息队列包括图像消息队列、特征消息队列、切片消息队列和检索消息队列，所述图像消息队列是用于被特征提取的人脸图像信息的容器，所述特征消息队列是用于人脸特征提取后的特征信息的容器，所述切片消息队列是当特征提取结束时用于特征切片信息的容器，所述检索消息队列是检索请求信息的容器；

所述分布式文件系统采用分布式的方式部署存储资源，以解决存储容量持续扩增以及节点迁移的需求；

所述冷启动服务模块对所述分布式人脸检索系统中的其他模块发送启动信标；

所述特征提取服务模块使用预先训练好的特征提取模型提取人脸图像的特征，完成后发送特征提取完成信标以及切片规则给所述特征切片服务模块；

响应于所述切片规则，所述特征切片服务模块把提取后的人脸特征进行分组切片，写入所述分布式文件系统，完成后发送切片完成信标给所述检索服务模块；

响应于所述切片完成信标，所述检索服务模块建立检索图准备接受检索请求，并通知所述热更新服务模块启动；

所述日志服务模块对人脸特征提取过程以及所述检索图的恢复与备份进行监听；

响应于更新请求，所述热更新服务模块调度所述特征提取服务模块、所述检索服务模块对所述检索图进行更新；

响应于所述恢复与备份服务模块定时发送的持久化请求，所述检索服务模块所述检索图写入所述分布式文件系统。

2.如权利要求1所述的分布式人脸检索系统，其特征在于，所述特征提取服务模块为多个，用于提高并发性能。

3.如权利要求1所述的分布式人脸检索系统，其特征在于，所检索服务模块为多个，用于提高并发性能。

4.一种分布式人脸检索方法，其特征在于，基于如权利要求1-3任一所述的分布式人脸检索系统，包括如下步骤：

步骤S100，训练模型，训练人脸目标识别模型和人脸特征提取模型；

步骤S200，建立人脸特征库，对于所述人脸图像库中的人脸图像利用深度学习神经网络模型，提取对应的人脸特征写入所述人脸特征库；

步骤S300，写入分布式文件系统，把所述人脸特征库中的人脸特征写入文件，确保人脸特征能够被快速读取；

步骤S400，处理图像信息和检索请求，响应于图像信息，所述检索服务模块建立检索图，响应于检索请求，所述检索服务模块进行检索；

步骤S500，实时更新检索服务模块信息，所述热更新服务模块调度所述检索服务模块实时更新检索图；

步骤S600，定时备份或恢复，响应于所述备份与恢复服务模块定时分发的备份或恢复请求，所述检索服务模块执行备份或者恢复操作。

5.如权利要求4所述的分布式人脸检索方法，其特征在于，所述步骤S100包括：

S110，开源数据集读取，读取开源数据集中的人脸图像信息；

S120，人脸目标识别模型训练，采用人脸目标框和目标分类损失函数作为目标，直到其精度不再显著提升时，结束整个深度学习框架的训练，保存对应的神经网络参数；

S130，人脸识别结果预处理，对输入的人脸识别结果，即人脸图像大小进行预处理，将所有人脸图像都调整为相同宽高，以便于生成相同维度的人脸特征；

S140，人脸特征提取模型训练，采用人脸分类损失函数作为目标，直到其精度不再显著提升时，结束整个深度学习框架的训练，保存对应的神经网络参数；

S150，实现推理提速，也叫做模型转换，训练完成后，将人脸目标识别模型和人脸特征提取模型转换为可被TensorRT架构读取的onnx或trt文件结构，提升模型的推理速度。