[发明专利]一种支持边缘计算的人脸识别方法及主板

说明书

本发明公开了一种支持边缘计算的人脸识别方法及主板，克服了现有技术设备功耗大、散热量大和生产加工装配难度大的问题，包括AI处理器单元、电源单元、DDR单元、EMMC单元和接口单元；判断AI处理器当前结温是否高于AI处理器结温阈值，如果是，选择云端算力比对，否则采用本地算力；如果本地人脸特征库存有该人脸信息，则输出比对结果，否则进行云端比对；在云端比对成功后，对当前人脸比对频率进行判断，如果大于平均频率，则将该人脸特征更新到本地特征库；本发明采用本地算力与云端算力相结合的方式，降低本地算力要求；采用无风扇设计，结构紧凑，降低了功耗；将高频率人脸更新到本地特征库，进一步提高本地比对成功率。

技术领域

本发明涉及人脸识别领域，尤其是涉及一种支持边缘计算的人脸识别方法及主板。

背景技术

人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术，人脸识别设备利用单目或者双目摄像头采集含有人脸的图像或视频流，在图像中检测和跟踪人脸，进而对检测到的人脸图像进行一系列的相关应用操作；包括图像采集、特征定位、身份的确认和查找等，而人脸识别主板则是支撑整个系统核心运转的关键。

例如，一种在中国专利文献上公开的“一种人脸识别主板结构”，其公告号CN211454631U，包括主板本体，主板本体四角均套接设有减震套，主板本体表面平行设有散热板，散热板四边固定连接若干安装支架，安装支架底部一侧固定连接底板，底板顶部设有固定套筒，固定套筒内部两侧设有滑槽，底板顶部平行设有减震板，减震板底部设有减震杆，减震杆底端连接支撑板，支撑板两端通过连接件转动连接滑轮，且滑轮滑动连接滑槽，支撑板底部固定连接弹簧；通过减震杆、减震板、弹簧等结构的设置，缓冲风扇运转时的震动感，让主板本体具备良好的抗震效果；主板本体四角均套接设有减震套，让主板本体具备一定的防撞效果，避免主板本体的损坏；上述技术方案为人脸识设备采集人脸信息，同时采用本地算法进行本地比对，人脸信息不需要传输到后台云端；为提高人脸识别效率，对本地算力要求较高，因而普遍存在设备功耗大，散热量大的问题，需要进行苛刻的散热处理；为减少风扇震动，还需要减震杆、减震板、弹簧等复杂结构配合，就会造成生产加工装配难度大，不便于批量化生产的问题。

发明内容

本发明的目的在于克服现有技术设备功耗大、散热量大和生产加工装配难度大的问题提供了一种支持边缘计算的人脸识别方法及主板，采用本地算力与云端算力相结合的方式，降低本地算力要求，进而降低功耗，做到可以采用无风扇设计，结构紧凑，同时提升了人脸识别效率。

为了实现上述目的，本发明采用以下技术方案：一种支持边缘计算的人脸识别方法，包括以下步骤：

S1：判断AI处理器当前结温是否高于AI处理器结温阈值，如果是，进入步骤S2，否则进入步骤S3；

S2：采用云端算力进行人脸图像预处理，将人脸数据进行云端比对，然后进入步骤S4同时输出比对结果；

S3：采用本地算力进行比对，将人脸数据在本地人脸特征库中进行检索，如果本地人脸特征库存有该人脸信息，则代表检索成功，输出比对结果，否则进入步骤S2；

S4：云端比对成功后，对当前人脸比对频率进行判断，如果大于平均人脸比对频率，进入步骤S5；

S5：将该人脸特征更新到本地特征库,并输出比对结果。

本发明针对人脸识别，提出了一种支持边缘计算的人脸识别方法，采用本地算力与云端算力相结合的方式，降低本地算力要求，基于AI处理器结温对本地和云端算力资源进行选择的策略，判断AI处理器当前结温是否高于AI处理器结温阈值，如果是，则优先选择云端算力进行比对，否则采用本地算力；以此有效控制AI处理器当前结温，进而使人脸识别主板温度不至于过高；如果AI处理器当前结温低于AI处理器结温阈值，则优先选择本地算力进行比对，如果本地人脸特征库存有该人脸信息，则输出比对结果，否则进行云端比对；在云端比对成功后，对当前人脸比对频率进行判断，如果大于平均人脸比对频率，即该人脸的使用频率较高，则将该人脸特征更新到本地特征库，以此进一步提高本地比对成功率。