[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

说明书

本发明公开了一种基于边云协同的自适应人脸识别方法及系统，该方法包括：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。该系统包括：边缘计算模块和云计算模块。通过使用本发明，能够降低边缘设备负担，同时不影响识别效果。本发明作为一种基于边云协同的自适应人脸识别方法及系统，可广泛应用于人脸识别领域。

技术领域

本发明涉及人脸识别领域，尤其涉及一种基于边云协同的自适应人脸识别方法及系统。

背景技术

人脸识别作为一种高效准确的身份认证技术，在解锁终端，移动支付，登陆应用等领域应用日趋广泛。常用的人脸识别策略是在边缘设备采集人脸图片再将采集到的目标人脸发送至云平台进行识别，现有人脸识别系统多运行于互联网覆盖率高，网络情况良好的发达地区，采集人像的设备性能优良，而在互联网覆盖率低，公用网络带宽低，时延高，采集人像的边缘设备性能较差的欠发达地区，现有的人脸识别系统往往起不到预期的效果，实时性和准确率都不能满足用户的要求。

发明内容

为了解决上述技术问题，本发明的目的是提供一种基于边云协同的自适应人脸识别方法及系统，能够降低边缘设备负担，同时不影响识别效果。

本发明所采用的第一技术方案是：一种于边云协同的自适应人脸识别方法，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。

进一步，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。

进一步，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。

进一步，所述这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。

进一步，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。

进一步，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：