[發明專利]支持高頻使用緩沖機制的混合模式人臉識別方法與系統

有效

• 申請號: 202011488409.4
• 申請日: 2020-12-16
• 公開（公告）號: CN112597861B
• 公開（公告）日: 2022-03-18
• 發明（設計）人: 楊帆;孫海軍
• 申請（專利權）人: 南京甄視智能科技有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06K9/62;G06V10/74
• 代理公司: 南京行高知識產權代理有限公司 32404
• 代理人: 王培松;王菊花

本發明提供一種支持高頻使用緩沖機制的混合模式人臉識別方法與系統，在部署在服務器端與設備端的人臉識別系統中，在設備端部署人臉緩沖庫，用于存儲本地高頻緩沖人臉特征數據；并且配置不同的人臉識別算法，服務器端配置第一人臉識別算法，設備端配置第二人臉識別算法；所述服務器端配置有預先注冊的人臉識別底庫。針對海量人臉底庫的情況的人臉識別問題，本發明結合設備端本地采用輕量級模離線識別與服務器端采用高精度模型準確識別的混合人臉識別方式，同時，輔以高頻使用人員動態緩存進出機制以及高識別閾值控制，以平衡本地設備端的人臉識別比對的效率和準確性的問題。

技術領域

本發明涉及人臉識別技術領域，具體而言涉及一種支持高頻使用緩沖機制的混合模式人臉識別方法與系統。

背景技術

隨著深度學習網絡生成模型的工程化落地，人臉識別技術的精度得到了遠遠超越人眼的極大提升。在人臉識別門禁系統中，為了將算法模型運行在設備端，通常會將模型網絡進行諸如“剪枝”、“蒸餾”等手段，縮小模型，以達到快速的設備端本地運行速度。但也正是因為對算法網絡模型進行了優化精簡，會帶來較大的精度損失。

例如，高精度深度網絡模型如運行在服務端，利用其強大的硬件性能，在識別率99.97%以上的基準下，可以達到誤識別率僅百萬分之一的精度指標。如果移植模型到設備端本地運行，同樣的識別率基準下，誤識別率就會劇烈劣化到萬分之五。

對于人臉底庫不大，比如兩千人以下，且誤識別率控制要求不是特別嚴苛的情況下，通過使用設備端離線識別技術，可以讓人臉識別設備達到很好的識別響應速度。但是，如果用于大集團公司、學校、中大型工廠等大人臉底庫場景時，大人臉底庫帶來的本地離線識別速度緩慢，檢索量大，誤識別率很高的結果，使得人臉識別的實用性大為降低。

因此，在大人臉底庫識別的場景中，一般采用服務端識別的方式來在一定程度上解決上述問題。但是，某些時候，由于網絡條件差或斷網、以及服務端服務能力的波峰波谷等情況，會直接導致人臉門禁設備識別緩慢、甚至是不能正常使用。

發明內容

本發明目的在于提供一種支持高頻使用緩沖機制的混合模式人臉識別方法與系統，針對海量人臉底庫的情況的人臉識別問題，本發明結合設備本地離線識別（輕量級模型）與服務端識別（高精度模型）的混合人臉識別方式，同時，輔以高頻使用人員動態緩存進出機制以及高識別閾值控制，以平衡本地設備端的人臉識別比對的效率和準確性的問題。

根據本發明改進的第一方面提出一種支持高頻使用緩沖機制的混合模式人臉識別方法，包括以下步驟：

步驟1、在部署在服務器端與設備端的人臉識別系統中，在設備端部署人臉緩沖庫，用于存儲本地高頻緩沖人臉特征數據；并且在服務器端配置不同的人臉識別算法，服務器端配置第一人臉識別算法，設備端配置第二人臉識別算法；所述服務器端配置有預先注冊的人臉識別底庫；

步驟2、設備端持續根據所采集的圖像進行人臉檢測，當檢測到人臉時，提取人臉特征，并以設備端部署的人臉緩沖庫為基礎，通過第二人臉識別算法進行人臉識別處理；如果識別驗證通過，則輸出驗證通過比對結果，并在設備端部署的人臉緩沖庫中更新當前識別人臉對應人員的使用頻率活躍度，并返回持續進行人臉檢測與識別；如果識別驗證不通過，則進入步驟3；

步驟3、將當前采集人臉圖像上傳到服務器端，在服務器端以人臉識別底庫為基礎，通過第一人臉識別算法進行人臉識別處理，如果識別驗證通過，則進入步驟4，否則輸出識別不通過結果，并返回步驟2持續進行人臉檢測與識別；

步驟4、根據識別結果對應的人臉特征判定是否是設備端部署的人臉緩沖庫中的人員，如果是，則在設備端部署的人臉緩沖庫中更新當前識別人臉對應人員的使用頻率活躍度，并返回步驟2持續進行人臉檢測與識別，如果否，則添加到設備端部署的人臉緩沖庫中，并返回步驟2持續進行人臉檢測與識別。

優選地，所述步驟1中，所述第一人臉識別算法與第二人臉識別算法不同，并且分別配置人臉識別比對過程中的相似度閾值標準。