[發(fā)明專利]一種基于邊緣計算和最大似然估計的人臉識別系統(tǒng)優(yōu)化方法

有效

• 申請?zhí)枺?/td>: 202010528145.4
• 申請日: 2020-06-11
• 公開（公告）號: CN111860145B
• 公開（公告）日: 2022-08-26
• 發(fā)明（設計）人: 趙海濤;吳永琦;陳志遠;于建國;劉洪久;魯中林
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/94;H04L67/10
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 曹坤

1.一種基于邊緣計算和最大似然估計的人臉識別系統(tǒng)優(yōu)化方法，其特征在于，具體操作過程的步驟如下：

步驟(1.1)：從歷史壓力數(shù)據(jù)庫中獲取歷史訪問數(shù)據(jù)，根據(jù)獲取到的歷史訪問數(shù)據(jù)預測未來24H內(nèi)人臉識別系統(tǒng)的壓力情況，

步驟(1.2)：從圖像采集模塊中獲取圖像數(shù)據(jù)，并對圖像數(shù)據(jù)進行預處理，

步驟(1.3)：在邊緣計算模塊中根據(jù)人臉識別系統(tǒng)的壓力情況分配計算力；當預計壓力小時，則對預處理后的圖像數(shù)據(jù)進行本地人臉檢測與特征提取，并將其與人臉數(shù)據(jù)庫中原始的數(shù)據(jù)信息相對比，從而進行本地人臉識別；

當預計壓力大時，則調(diào)用人臉識別云服務API，將預處理后的圖像數(shù)據(jù)作為云服務的輸入數(shù)據(jù)；

步驟(1.4)：從本地人臉識別或人臉識別云服務API中獲取識別出人臉信息的結果，并將獲取的結構返回到人臉識別系統(tǒng)。

2.根據(jù)權利要求1所述的一種基于邊緣計算和最大似然估計的人臉識別系統(tǒng)優(yōu)化方法，其特征在于，所述步驟(1.1)中，將獲取的每條歷史訪問數(shù)據(jù)記錄為(a_i，w_i，t_i)，所述(a_i，w_i，t_i)分別表示訪問人的編號、訪問的日期數(shù)以及訪問的分鐘數(shù)。

3.根據(jù)權利要求1所述的一種基于邊緣計算和最大似然估計的人臉識別系統(tǒng)優(yōu)化方法，其特征在于，所述步驟(1.2)中，所述的預處理：是指將圖像數(shù)據(jù)尺寸剪裁到224*224，并對剪裁過的圖像數(shù)據(jù)進行灰度化。

4.根據(jù)權利要求1所述的一種基于邊緣計算和最大似然估計的人臉識別系統(tǒng)優(yōu)化方法，其特征在于，步驟(1.3)中所述邊緣計算模塊的計算過程具體步驟如下：

(1.3.1)：預測過程開始，從歷史壓力數(shù)據(jù)庫中獲取歷史壓力數(shù)據(jù)，對歷史壓力數(shù)據(jù)進行K-means聚類，再進行參數(shù)估計及概率密度疊加，從而得到未來24小時內(nèi)每一分鐘的壓力預測數(shù)據(jù)，將壓力預測數(shù)據(jù)等待后續(xù)使用，同時預測結束；

(1.3.2)：以一分鐘為一個時間單位，一個新的時間單位開始；

(1.3.3)：等待用戶開始進行人臉識別，當用戶輸入圖像數(shù)據(jù)之后，將用戶本次的訪問數(shù)據(jù)加入歷史壓力數(shù)據(jù)庫并對圖像進行預處理；

(1.3.4)：獲得預處理過的圖像數(shù)據(jù)后，將壓力預測數(shù)據(jù)與邊緣端進行人臉識別服務最大壓力承受能力進行對比，

如邊緣端的人臉識別足夠處理，則調(diào)用本地人臉識別方案，反之，則調(diào)用人臉識別云服務API；

(1.3.5)：從本地人臉識別方案或人臉識別云服務API中收集返回數(shù)據(jù)并返回人臉識別結果；

查詢一個時間單位是否結束，如結束，則更新當前時間單位的壓力預測數(shù)據(jù)，即獲取下一個時間單位的壓力情況預測值，開始下一個時間單位，否則返回(1.3.3)繼續(xù)等待用戶開始進行人臉識別。

5.根據(jù)權利要求4所述的一種基于邊緣計算和最大似然估計的人臉識別系統(tǒng)優(yōu)化方法，其特征在于，步驟(1.3.1)中所述的壓力預測數(shù)據(jù)的計算步驟具體如下：

(1.3.1.1)：設所有歷史訪問數(shù)據(jù)構成的集合為S，每個人分別編號1到n，記錄每個人的在與本日同星期數(shù)的訪問數(shù)據(jù)的集合分別為Q_i，獲取本日的星期數(shù)w；

(1.3.1.2)：獲取S中的一個新的元素(a_i，w_i，t_i)，將日期w_i轉(zhuǎn)化為星期數(shù)w′_i；

(1.3.1.3)：如果星期數(shù)w′_i＝w，則將數(shù)據(jù)t_i加入到Q_ai中；

(1.3.1.4)：用記錄a_i的總訪問次數(shù)，

(1.3.1.5)：如果當前元素是新的一天，則

(1.3.1.6)：如果沒有遍歷S中的所有元素，回到(1.3.1.2)；

(1.3.1.7)：對于每個人i，計算

(1.3.1.8)：對于使用K-means進行聚類，分成k個類，每一類用集合J_i表示；

(1.3.1.9)：對于每個J_i中的元素，使用正態(tài)分布的極大似然估計公式得到μ和σ；

(1.3.1.10)：使用高斯積分計算以μ為中心，σ為方差的正態(tài)分布在每分鐘上的概率，用表示第j個人在第i分鐘預計可能造成的壓力；

(1.3.1.11)：如果沒有遍歷每個人，返回(1.3.1.7)；

(1.3.1.12)：將每個人計算出的概率密度進行疊加，即

得到總的壓力預測數(shù)據(jù)D_i。