千万级底库的分库人脸识别系统和方法与流程

本发明涉及数据库技术领域，尤其涉及一种千万级底库的分库人脸识别系统和一种千万级底库的分库人脸识别方法。

背景技术：

智慧营业厅项目在产品落地过程中，基于ai的人脸识别技术存在人脸底库的建库需求，而且人脸底库数据为重中之重，而现有的产品很少有10w级以上体量的人脸底库。当人脸底库达到10w级以上的时候，会存在识别准确性低和性能不足的问题，所以分库策略成为一个专项策略需要解决的问题。

技术实现要素：

针对上述问题，本发明提供了一种千万级底库的分库人脸识别系统和方法，通过分布式处理的分库策略，将人脸识别过程结合营业厅图像采集设备的厅店属性进行数据路由，将千万量级数据分布于多个十万级或百万级的数据底库中进行处理，在保证千万量级数据底库功能运行的同时，降低开发成本和硬件成本，提升开发效率，提升人脸数据底库的横向拓展新增能力，提升人脸识别系统的高可用性。

为实现上述目的，本发明提供了一种千万级底库的分库人脸识别系统，包括：图像采集模块、数据分析模块、熟客库模块、地市库模块、沉默库模块、陌生人库模块和图像识别模块；所述图像采集模块用于采集人脸图片；所述数据分析模块用于获取所述图像采集模块的设备信息和所在组织机构及所属区域，并确定所属区域对应的数据底库；所述熟客库模块、所述地市库模块、所述沉默库模块和所述陌生人库模块分别用于分库存储客户人脸图片和到访记录信息；所述图像识别模块用于将采集到的人脸图片与所述熟客库模块、所述地市库模块和所述沉默库模块中的客户人脸图片进行逐级识别对比，并在识别成功时获取该人脸图片对应的自然人信息，在识别不成功时判定该人脸图片对应客户为陌生人，并将识别信息发送至陌生人底库。

在上述技术方案中，优选地，千万级底库的分库人脸识别系统还包括数据更新模块和数据推送模块，在获得所述人脸图片对应的自然人信息后，所述数据更新模块更新查询自然人表，并获取该自然人上次被采集到的时间，根据预设逻辑以及两次被采集人脸图片的时间差，判断此次人脸图片采集是否为新的到访；如果此次人脸图片采集为新的到访，则生成新的到访记录，并将采集到的人脸图片与到访记录匹配后入库；如果此次人脸图片采集不是新的到访，则查询到访记录，并将采集到的人脸图片与最新的到访记录匹配后入库；根据入库的人脸图片更新所述自然人表，识别所述自然人表并通过所述数据推送模块推送至指定方。

在上述技术方案中，优选地，千万级底库的分库人脸识别系统还包括数据修正模块，所述数据修正模块获取所述记录表或所述自然人表的信息，并结合大数据模块对识别到的人脸图片进行解析，查询人脸图片在对应的数据底库中是否存在，若存在，则获取该数据底库对应的归属区域，判断该数据底库是否匹配，若不匹配则进行底库数据迁移；若不存在，则查询陌生人底库，并将所述陌生人底库中的数据迁移至相应归属区域的地市库中。

在上述技术方案中，优选地，所述熟客库模块为预设时间内被采集人脸次数达到预设数量的客户数据库，所述沉默库模块为预设时间内未被采集人脸的客户数据库，所述地市库模块为采集人脸的图像采集设备归属区域对应的客户数据库。

本发明还提出一种千万级底库的分库人脸识别方法，应用于如上述技术方案中任一项所述的千万级底库的分库人脸识别系统，包括：接收图像采集设备采集到的人脸图片，并获取所述图像采集设备的信息和所在组织机构及所属区域；根据所述图像采集设备的信息确定所述图像采集设备归属区域对应的数据底库；在熟客库中对所述人脸图片进行识别，若所述熟客库中未识别出，则在所述图像采集设备对应的地市库中对所述人脸图片进行识别，若所述地市库中未识别出，则在预设时间内未被图像采集设备采集的沉默库中对所述人脸图片进行识别；若所述熟客库、所述地市库或所述沉默库中识别出所述人脸图片，则获取所述人脸图片对应的自然人信息；若所述沉默库中仍未识别出，则判断所述人脸图片对应客户为陌生人，并将所述人脸图片对应的识别信息发送至陌生人底库。

在上述技术方案中，优选地，千万级底库的分库人脸识别方法还包括：在获得所述人脸图片对应的自然人信息后，更新查询自然人表，并获取该自然人上次被采集到的时间，根据预设逻辑以及两次被采集人脸图片的时间差，判断此次人脸图片采集是否为新的到访；如果此次人脸图片采集为新的到访，则生成新的到访记录，并将采集到的人脸图片与到访记录匹配后入库；如果此次人脸图片采集不是新的到访，则查询到访记录，并将采集到的人脸图片与最新的到访记录匹配后入库；根据入库的人脸图片更新所述自然人表，识别所述自然人表并推送至指定方。

在上述技术方案中，优选地，所述判断所述人脸图片对应客户为陌生人并将所述人脸图片对应的识别信息发送至陌生人底库具体包括：判断所述人脸图片对应客户为陌生人后，针对所述人脸图片进行再次识别，若识别成功，则将所述人脸图片入库至陌生人表，若未识别成功，则先将所述人脸图片入库至陌生人底库，再入库至所述陌生人表；根据所述陌生人表，将新入库的陌生人信息更新至记录表，识别所述记录表并推送至指定方。

在上述技术方案中，优选地，千万级底库的分库人脸识别方法还包括：获取所述记录表或所述自然人表的信息，对识别到的人脸图片进行解析；查询人脸图片在对应的数据底库中是否存在，若存在，则获取该数据底库对应的归属区域，判断该数据底库是否匹配，若不匹配则进行底库数据迁移；若人脸图片在对应的数据底库中不存在，则查询陌生人底库，并将所述陌生人底库中的数据迁移至相应归属区域的地市库中。

在上述技术方案中，优选地，结合大数据模块对识别到的人脸图片进行解析和查询，以将数据底库进行迁移实现数据修正。

在上述技术方案中，优选地，将所述沉默库中被采集人脸的客户数据迁移至图像采集设备所述区域的地市库，将所述地市库中在预设时间内被采集人脸次数达到预设数量的客户数据迁移至所述熟客库中，将所述地市库中在预设时间内被采集人脸次数未达到预设数量的客户数据迁移至所述沉默库中。

与现有技术相比，本发明的有益效果为：通过分布式处理的分库策略，将人脸识别过程结合营业厅图像采集设备的厅店属性进行数据路由，将千万量级数据分布于多个十万级或百万级的数据底库中进行处理，在保证千万量级数据底库功能运行的同时，降低了开发成本和硬件成本，提升了开发效率，提升了人脸数据底库的横向拓展新增能力，提升了人脸识别系统的高可用性。

附图说明

图1为本发明一种实施例公开的千万级底库的分库人脸识别系统的结构示意框图；

图2为本发明一种实施例公开的千万级底库的分库人脸识别方法的流程示意图；

图3为本发明一种实施例公开的数据修正方法的流程示意图。

图中，各组件与附图标记之间的对应关系为：

11.图像采集模块，12.数据分析模块，13.熟客库模块，14.地市库模块，15.沉默库模块，16.陌生人库模块，17.图像识别模块，18.数据更新模块，19.数据推送模块，20.数据修正模块。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

下面结合附图对本发明做进一步的详细描述：

如图1所示，根据本发明提供的一种千万级底库的分库人脸识别系统，包括：图像采集模块11、数据分析模块12、熟客库模块13、地市库模块14、沉默库模块15、陌生人库模块16和图像识别模块17；图像采集模块11用于采集人脸图片；数据分析模块12用于获取图像采集模块11的设备信息和所在组织机构及所属区域，并确定所属区域对应的数据底库；熟客库模块13、地市库模块14、沉默库模块15和陌生人库模块16分别用于分库存储客户人脸图片和到访记录信息；图像识别模块17用于将采集到的人脸图片与熟客库模块13、地市库模块14和沉默库模块15中的客户人脸图片进行逐级识别对比，并在识别成功时获取该人脸图片对应的自然人信息，在识别不成功时判定该人脸图片对应客户为陌生人，并将识别信息发送至陌生人底库。

在该实施例中，通过分布式处理的分库策略，将人脸识别过程结合营业厅图像采集设备的厅店属性进行数据路由，将千万量级数据分布于多个十万级或百万级的数据底库中进行处理，在保证千万量级数据底库功能运行的同时，降低了开发成本和硬件成本，提升了开发效率，提升了人脸数据底库的横向拓展新增能力，提升了人脸识别系统的高可用性。

优选地，熟客库模块13为预设时间内被采集人脸次数达到预设数量的客户数据库，沉默库模块15为预设时间内未被采集人脸的客户数据库，地市库模块14为采集人脸的图像采集设备归属区域对应的客户数据库。

具体地，在该实施例中，以智慧营业厅的人脸识别系统为例，图像采集模块11为营业厅中的图像采集设备(优选为摄像头)，熟客库模块13、地市库模块14、沉默库模块15和陌生人库模块16为不同的数据底库，分别用于存储到访智慧营业厅的到访客户的人脸图片和到访记录信息。数据分析模块12通过分析图像采集设备所属的组织机构代码、所属区域、设备ip和设备id等信息，确定与该图像采集设备所述区域相对应的数据底库，以便通过所属区域的分库策略支撑更大量级的人脸数据底库。

图像识别模块17用于通过将图像采集设备在营业厅抓拍采集到的人脸图片与不同级别的数据底库分别进行对比识别，判断各数据底库中是否包括与该人脸图片相匹配的人脸信息。通过人脸图片对比识别的顺序由高频率到访营业厅的数据底库向低频率到访营业厅的数据底库进行，各数据底库根据到访频次和所属区域进行分类，该分库策略与人脸识别流程嵌套设计，通过十万量级或百万量级的较小数据库分布式地实现千万量级或更高量级的数据底库的功能。

在上述实施例中，优选地，千万级底库的分库人脸识别系统还包括数据更新模块18和数据推送模块19，在获得人脸图片对应的自然人信息后，数据更新模块18更新查询自然人表，并获取该自然人上次被采集到的时间，根据预设逻辑以及两次被采集人脸图片的时间差，判断此次人脸图片采集是否为新的到访；如果此次人脸图片采集为新的到访，则生成新的到访记录，并将采集到的人脸图片与到访记录匹配后入库；如果此次人脸图片采集不是新的到访，则查询到访记录，并将采集到的人脸图片与最新的到访记录匹配后入库；根据入库的人脸图片更新自然人表，识别自然人表并通过数据推送模块19推送至指定方。

通过图像识别模块17与熟客库模块13、地市库模块14和沉默库模块15之间的对比识别，数据更新模块18根据对比识别结果将人脸识别系统中的到访记录和陌生访客表进行更新，并将相应的人脸图片入库至对应的数据底库中，并通过数据推送模块19将人脸图片和表信息推送至预设的指定方，比如数据修正模块。

在上述实施例中，优选地，千万级底库的分库人脸识别系统还包括数据修正模块20，数据修正模块20获取记录表或自然人表的信息，并结合大数据模块对识别到的人脸图片进行解析，查询人脸图片在对应的数据底库中是否存在，若存在，则获取该数据底库对应的归属区域，判断该数据底库是否匹配，若不匹配则进行底库数据迁移；若不存在，则查询陌生人底库，并将陌生人底库中的数据迁移至相应归属区域的地市库中。

如图2所示，本发明还提出一种千万级底库的分库人脸识别方法，应用于如上述实施例中任一项提出的千万级底库的分库人脸识别系统，包括：接收图像采集设备采集到的人脸图片，并获取图像采集设备的信息和所在组织机构及所属区域；根据图像采集设备的信息确定图像采集设备归属区域对应的数据底库；在熟客库中对人脸图片进行识别，若熟客库中未识别出，则在图像采集设备对应的地市库中对人脸图片进行识别，若地市库中未识别出，则在预设时间内未被图像采集设备采集的沉默库中对人脸图片进行识别；若熟客库、地市库或沉默库中识别出人脸图片，则获取人脸图片对应的自然人信息；若沉默库中仍未识别出，则判断人脸图片对应客户为陌生人，并将人脸图片对应的识别信息发送至陌生人底库。

在该实施例中，通过将图像采集设备在营业厅抓拍采集到的人脸图片与不同级别的数据底库分别进行对比识别，判断各数据底库中是否包括与该人脸图片相匹配的人脸信息。通过人脸图片对比识别的顺序由高频率到访营业厅的数据底库向低频率到访营业厅的数据底库进行，各数据底库根据到访频次和所属区域进行分类，该分库策略与人脸识别流程嵌套设计，通过十万或百万量级的较小数据库分布式地实现千万量级或更高量级的数据底库的功能。

在上述实施例中，优选地，千万级底库的分库人脸识别方法还包括：在获得人脸图片对应的自然人信息后，更新查询自然人表，并获取该自然人上次被采集到的时间，根据预设逻辑以及两次被采集人脸图片的时间差，判断此次人脸图片采集是否为新的到访；如果此次人脸图片采集为新的到访，则生成新的到访记录，并将采集到的人脸图片与到访记录匹配后入库；如果此次人脸图片采集不是新的到访，则查询到访记录，并将采集到的人脸图片与最新的到访记录匹配后入库；根据入库的人脸图片更新自然人表，识别自然人表并推送至指定方。通过将人脸图片与熟客库模块13、地市库模块14和沉默库模块15之间的对比识别，根据对比识别结果将人脸识别系统中的到访记录和陌生访客表进行更新，并将相应的人脸图片入库至对应的数据底库中，并将人脸图片和表信息推送至预设的指定方。

在上述实施例中，优选地，判断人脸图片对应客户为陌生人并将人脸图片对应的识别信息发送至陌生人底库具体包括：判断人脸图片对应客户为陌生人后，针对人脸图片进行再次识别，若识别成功，则将人脸图片入库至陌生人表，若未识别成功，则先将人脸图片入库至陌生人底库，再入库至陌生人表；根据陌生人表，将新入库的陌生人信息更新至记录表，识别记录表并推送至指定方。

如图3所示，在上述实施例中，优选地，千万级底库的分库人脸识别方法还包括：获取记录表或自然人表的信息，结合大数据模块对识别到的人脸图片进行解析；结合大数据模块查询人脸图片在对应的数据底库中是否存在，若存在，则获取该数据底库对应的归属区域，判断该数据底库是否匹配，若不匹配则进行底库数据迁移；若人脸图片在对应的数据底库中不存在，则查询陌生人底库，并将陌生人底库中的数据迁移至相应归属区域的地市库中。

在上述实施例中，优选地，在数据修正过程中，将沉默库中被采集人脸的客户数据迁移至图像采集设备区域的地市库，将地市库中在预设时间内被采集人脸次数达到预设数量的客户数据迁移至熟客库中，将地市库中在预设时间内被采集人脸次数未达到预设数量的客户数据迁移至沉默库中。

通过后台对数据底库中的数据进行位置迁移，由于各数据底库根据到访频次和所属区域进行分类，因此，迁移过程根据记录表或自然人表中到访频次信息的更新，将数据迁移至对应到访频次的数据底库中，实现数据修正，以便为新的到访客户进行更快速、更优化的识别。

以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。