[发明专利]一种基于边云协同的自适应人脸识别方法及系统

权利要求书

1.一种基于边云协同的自适应人脸识别方法，其特征在于，包括以下步骤：

基于边缘设备采集目标人脸图像，得到目标图像；

对目标图像进行特征提取并计算特征范数；

判断到特征范数大于预设阈值，基于边缘设备进行余弦相似度匹配并展示匹配结果；

判断到特征范数小于预设阈值，将目标图像上传至云平台进行识别，并将识别结果返回边缘设备展示。

2.根据权利要求1所述一种基于边云协同的自适应人脸识别方法，其特征在于，所述对目标图像进行特征提取并计算特征范数这一步骤，其具体包括：

对目标图像进行图像预处理，得到预处理后图像；

基于MobileFaceNet-Coo网络对预处理后图像进行特征提取，得到第一人脸特征向量；

根据所有的第一人脸特征向量向量计算特征范数。

3.根据权利要求2所述一种基于边云协同的自适应人脸识别方法，其特征在于，所述对目标图像进行图像预处理，得到预处理后图像这一步骤，其具体包括：

对目标图像进行灰度化和直方图均衡化处理，得到均衡图像；

基于多任务卷积神经网络对均衡图像进行人脸检测，得到人脸区域和关键点坐标；

基于仿射函数，根据关键点坐标对人脸区域进行校正，得到预处理后图像。

4.根据权利要求2所述一种基于边云协同的自适应人脸识别方法，其特征在于，所述特征范数的计算公式如下：

上式中，表示特征范数，a_i表示该特征向量第i个维度数值，n表示表示人脸特征向量维度的数量。

5.根据权利要求2所述一种基于边云协同的自适应人脸识别方法，其特征在于，所述判断到特征范数大于预设阈值，基于边缘设备进行余弦相似度匹配并展示匹配结果这一步骤，其具体包括：

判断到特征范数大于预设阈值；

基于边缘设备将第一人脸特征向量与第一网络人脸特征数据库中的标准人脸特征向量进行余弦相似度匹配，得到第一比较信息；

根据第一比较信息选择相似度最高对应的人脸信息进行展示。

6.根据权利要求2所述一种基于边云协同的自适应人脸识别方法，其特征在于，所述判断到特征范数小于预设阈值，将目标图像上传至云平台进行识别，并将识别结果返回边缘设备展示这一步骤，其具体包括：

判断到特征范数小于预设阈值，将目标图像上传至云平台；

对目标图像进行图像预处理，得到预处理后图像；

基于SEFaceNet网络对预处理后图像进行特征提取，得到第二特征向量；

将第一人脸特征向量与第一网络人脸特征数据库中的标准人脸特征向量进行余弦相似度匹配，得到第二比较信息；

根据第二比较信息选择相似度最高对应的人脸信息，得到识别结果；

将识别结果返回边缘设备展示。

7.根据权利要求6所述一种基于边云协同的自适应人脸识别方法，其特征在于，所述判断到特征范数小于预设阈值，将目标图像上传至云平台进行识别，并将识别结果返回边缘设备展示这一步骤，还包括：

基于MobileFaceNet-Coo网络对预处理后图像进行特征提取，得到第三特征向量；

判断到传输网络空闲，边缘设备从云平台下载第三特征向量至第一网络人脸特征数据库。

8.一种基于边云协同的自适应人脸识别系统，其特征在于，包括：

边缘计算模块，基于边缘设备采集目标人脸图像，得到目标图像；对目标图像进行特征提取并计算特征范数；判断到特征范数大于预设阈值，基于边缘设备进行余弦相似度匹配并展示匹配结果；

云计算模块，判断到特征范数小于预设阈值，将人脸图像上传至云平台进行识别，并将识别结果返回边缘设备展示。