[发明专利]一种适用人脸识别算法的边缘计算工程处理方法和装置

权利要求书

1.一种适用人脸识别算法的边缘计算工程处理方法，其特征在于，包括以下步骤：

基于预设的人脸识别处理终端将人脸待处理数据分流至边缘节点；

采用所述边缘节点对所述人脸待处理数据进行分析，获得人脸数据特征；其中，所述分析具体为基于人脸中心区域为坐标轴向各个方向拆分图像层以获取特征点坐标；所述人脸数据特征具体为五官；

采集数据特征点坐标；其中，所述数据特征点坐标具体为以人脸中心区域为坐标轴的人脸各个区域的特征点坐标；

基于所述边缘节点整合所述人脸数据特征和特征点坐标以获取人脸数据。

2.根据权利要求1所述的适用人脸识别算法的边缘计算工程处理方法，其特征在于，所述采集数据特征点坐标的步骤中，包括：

基于已获得的人脸数据特征采集所述人脸数据特征中的数据特征点；所述数据特征点具体为人脸五官基于人脸中心区域的坐标位置；

捕捉所述人脸数据特征中的独特特征；所述独特特征包括但不限于是人脸五官中独有的斑点、疤痕或皱纹；

基于所述人脸数据布局所述独特特征的坐标，获得所述独特特征的坐标轴方位；所述坐标轴方位具体为以人脸中心区域布局的X、Y轴方位。

3.根据权利要求1所述的适用人脸识别算法的边缘计算工程处理方法，其特征在于，所述采用所述边缘节点对所述人脸待处理数据进行分析，获得人脸数据特征的步骤中，包括：

基于预设的高斯矩阵对所述人脸待处理数据进行卷积；所述高斯矩阵由高斯函数生成，具体为；基于所述高斯矩阵的坐标原点G为中心基点，以所述坐标原点水平向右的坐标列为x点，向上的坐标列为y点。

4.根据权利要求1所述的适用人脸识别算法的边缘计算工程处理方法，其特征在于，所述基于预设的人脸识别处理终端将人脸待处理数据分流至边缘节点的步骤前，包括：

通过所述预设的人脸识别处理终端对视频进行数据获取，获得可采集所述人脸图像数据的人脸检测区域；

捕捉所述人脸检测区域中的人脸图像数据；所述人脸图像数据包括正脸数据和侧脸数据。

5.根据权利要求1所述的适用人脸识别算法的边缘计算工程处理方法，其特征在于，所述基于所述边缘节点整合所述人脸数据特征和特征点坐标以获取人脸数据的步骤中，包括：

基于人脸中心区域并根据所述人脸数据特征和特征点坐标布局人脸特征；所述人脸特征包括五官基于人脸中心区域为坐标轴的五个坐标方位；

将所述人脸特征输入至预设的梯度模型中进行投影，获取到对应的人脸数据。

6.根据权利要求5所述的适用人脸识别算法的边缘计算工程处理方法，其特征在于，所述将所述人脸特征输入至预设的梯度模型中进行投影，获取到对应的人脸数据的步骤中，包括：

若获取所述人脸特征为眼部数据，则将所述眼部数据输入到梯度模型中进行投影，投影出所述眼部数据的眼睛部分；所述眼睛部分具体为眼睛带有的特征，包括眼皮、眼睫毛和眼袋；其中，所述投影模型是利用已知的眼部数据，基于卷积神经网络训练得到；

若获取所述人脸特征为鼻部数据，则将所述鼻部数据输入到梯度模型中进行投影，投影出所述鼻部数据的鼻子部分；所述鼻子部分具体为鼻子带有的特征，包括鼻头、鼻翼和鼻孔；其中，所述投影模型是利用已知的鼻部数据，基于卷积神经网络训练得到；

若获取所述人脸特征为嘴部数据，则将所述嘴部数据输入到梯度模型中进行投影，投影出所述嘴部数据的嘴部部分；所述嘴部部分具体为嘴巴带有的特征，包括嘴唇和嘴角；其中，所述投影模型是利用已知的嘴部数据，基于卷积神经网络训练得到；

若获取所述人脸特征为眉部数据，则将所述眉部数据输入到梯度模型中进行投影，投影出所述眉部数据的眼眉部分；所述眼眉部分具体为眉毛带有的特征，包括眉心和眉峰；其中，所述投影模型是利用已知的眉部数据，基于卷积神经网络训练得到；

若获取所述人脸特征为耳部数据，则将所述耳部数据输入到梯度模型中进行投影，投影出所述耳部数据的耳朵部分；所述耳朵部分具体为耳朵带有的特征，包括耳高和耳垂；其中，所述投影模型是利用已知的耳部数据，基于卷积神经网络训练得到。