[发明专利]一种基于云边端架构的人脸识别方法和系统

说明书

本发明涉及一种基于云边端架构的人脸识别方法和系统，云边端架构包括依次通信连接的终端、边端和云端，终端与边端均安装在同一本地网段，云端安装在远程网段，方法包括通过终端实时采集人脸信息，对人脸信息进行质量检测和活体检测，然后将人脸信息推送给边端；在边端对终端推送的人脸信息进行特征提取，然后和从云端传送至边端的人脸特征数据进行比对，获取比对结果；根据该对比结果控制终端的动作；云端对边端的对比结果进行管理和存储，并与边端进行数据交互。与现有技术相比，本发明具有减少了网络带宽的压力，提升了人脸识别效率和可靠性等优点。

技术领域

本发明涉及人脸识别技术领域，尤其是涉及一种基于云边端架构的人脸识别方法和系统。

背景技术

伴随着人脸识别技术的发展，人脸识别越来越多得融入了我们的日常生活。面对多异地分布，多网段划分和多系统交互的情况，如何能将人脸识别技术安全有效得进行部署？目前已经有的人脸识别解决方案，大多是将人脸信息下发到终端，在终端获取人脸信息之后进行算法处理；或者是将终端获取的人脸信息传送到云端，在云端进行算法处理；还有使用云边端融合技术，在边端进行人脸数据处理，将获取的人脸信息返回到云端进行对比。这些方案都能实现人脸识别的功能，但实施起来都存在一些缺陷以待提升。

目前存在如下现有技术：

现有技术一：在终端进行人脸算法比对的解决方案：在终端采集人脸信息之后，在终端进行人脸检测和人脸特征值的提取，调用算法获取比对结果，然后将结果推送到终端，并在终端储存和管理数据。

现有技术一的缺点：1.将人脸信息和相关数据都存储在终端，这样会导致人脸信息的泄露，不能保证信息安全。2.由于是脱机环境，所以基础信息不方便从OA等系统中同步，例如人员特征值的增减，阈值的定制化管理等。3.ARM架构的终端设备性能非常有限，一旦人脸数量较多，比对的时间会大幅增大，导致体验不佳。

现有技术二：在云端进行人脸算法比对的解决方案：在终端采集人脸信息之后，将人脸信息传回云端，在云端进行算法的处理比对和数据的管理。

现有技术二的缺点：需要将数据传回后台，在传输过程中消耗大量时间。同时将算法处理和数据管理都放在云端处理，导致云端计算压力过大处理速度过慢，耦合度高。

现有技术三：使用云边端融合的技术，终端采集人脸信息，边端进行人脸检测，人脸跟踪和质量检测，然后向云端发送每个人脸图片对应的目标人脸图像，在云端进行人脸识别。

现有技术三的缺点：边端进行图像处理之后将图像返回给云端，相比较于技术二中不进行处理直接传输图像会减少冗余数据，但在传输的过程中仍会给传输网络带来负担。将人脸识别放在云端进行，对云端也会带来计算压力。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于云边端架构的人脸识别方法和系统，以解决用户人脸信息安全性问题，减少人脸图像大报文交互对网络带宽的压力，提升人脸识别效率和可靠性。

本发明的目的可以通过以下技术方案来实现：

一种基于云边端架构的人脸识别方法，所述云边端架构包括依次通信连接的终端、边端和云端，所述终端与边端均安装在同一本地网段，所述云端安装在远程网段，所述人脸识别方法包括以下步骤：

终端的数据处理步骤：通过终端实时采集人脸信息，对所述人脸信息进行质量检测和活体检测，若所述质量检测和活体检测均通过，则将所述人脸信息推送给边端；

边端的数据处理步骤：边端接收云端传输的人脸特征信息，根据终端传输的人脸信息进行特征提取，并与从云端传送至边端的人脸特征数据进行比对，获取对比结果；根据该对比结果控制所述终端的动作，并将对比结果推送至云端进行管理；

云端的数据处理步骤：对边端传输的数据进行统计、管理和存储，并与边端进行数据交互，根据人脸数据提取人脸特征信息。