本发明涉及高效应用算法处理技术领域,具体为人像对比任务分发处理算法。
背景技术:
现在市面上所有的针对于人像识别和人像比对的算法在最底层的处理方式上,均是同时但线程进行流程分析处理,如在日常比较简单和处理数量不多的情况下,基本不存在有影响。但随着大数据技术的发展,市场对大数据需求的增加,针对人像分析平台也逐渐迈向大数据架构建设。
在面对现在我们面向的市场和客户构架的都是大数据架构的人像分析平台,单位时间处理人像照片数量已经远远超出算法本身单线程处理的能力,所以需要有多线程多并发的处理机制来进行对需求支撑,同时根据同的使用场景的变化,可以动态根据配置项来对并发数量、单线程处理数量峰值控制和总线程处理数量峰值控制等进行处理。
技术实现要素:
(一)解决的技术问题
针对现有技术的不足,本发明提供了人像对比任务分发处理算法,具备提高处理效率和有限资源处理更加海量数据等优点,解决了在面对现在我们面向的市场和客户构架的都是大数据架构的人像分析平台,单位时间处理人像照片数量已经远远超出算法本身单线程处理的能力的问题。
(二)技术方案
为实现提高处理效率和有限资源处理更加海量数据的目的,本发明提供如下技术方案:人像对比任务分发处理算法,包括用于人机交互的第三者单元、进行人脸建模识别和反馈信息的人脸控制器、多个负责人脸的比对和提取特征点的算法节点,所述第三者单元与人脸控制器通过无线通信相互信号连接,所述人脸控制器与多个算法节点之间通过无线通信相互信号连接。
优选的,所述第三者单元内包含人脸识别请求模块和比对信号接收模块。
优选的,所述人脸控制器内包含负责提取人脸特征点和将特征点注册到比对算法节点里去的人脸建模控制器和负责人脸比对的人脸比对控制器。
优选的,人脸识别请求模块通过无线信号与人脸建模控制器信号连接,所述人脸比对控制器通过无线通信与比对信号接收模块信号连接。
优选的,所述人脸控制器实现动态加载控制、动态多任务并发分发控制和简易扩容控制机制。
优选的,所述算法节点单独部署在多台设备上,根据设备硬件的配置情况部署对应数量的节点服务。
优选的,所述算法节点对外通过http协议提供接口,以实现算法节点的分布式部署,从而实现人脸比对的分布式比对,以达到人脸比对效率的最大化和人脸库数量的最大化。
人像对比任务分发处理算法,包括如下步骤:
步骤一:第三者发起对照片进行提取特征点的请求;
步骤二:通过人脸识别请求模块向人脸建模控制器发出信号,人脸建模控制器提取人脸特征点和将特征点注册到算法节点中进行比对,人脸建模控制器将请求下发到建模算法节点中的一个节点去,当请求数比较多的时候,均匀的把请求分发到下面的建模算法节点,以实现并发请求的最大化;
步骤三:每个算法节点比对完成自己的人脸库后,再将符合条件的人脸信息返回给人脸比对控制器;
步骤四:人脸控制器在将所有人脸比对节点的结果进行整合过滤,把分值最高的结果返回给第三者。
(三)有益效果
与现有技术相比,本发明提供了人像对比任务分发处理算法,具备以下有益效果:
该人像对比任务分发处理算法,通过针对现有的人像比对算法面对海量数据短时间提高效率的方式进行处理,同时在不同需求和不同硬件资源的条件下进行较优化和较高效配置并发处理数量的实现处理,从而对用户的使用提高处理效率和有限资源处理更加海量数据的方法,有效解决了目前大量前端采集人像数据进行对并发特征点提取处理,有效支撑大量人像比对任务处理,以及能对大批量人像特征数据多并发快速加载和分发处理,对平台在人像数据处理针对在提取,加载和比对的业务处理上有更高的处理效率。
附图说明
图1为本发明提出的人像对比任务分发处理算法流程结构示意图。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,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。
请参阅图1,人像对比任务分发处理算法,包括用于人机交互的第三者单元、进行人脸建模识别和反馈信息的人脸控制器、多个负责人脸的比对和提取特征点的算法节点,所述第三者单元与人脸控制器通过无线通信相互信号连接,所述人脸控制器与多个算法节点之间通过无线通信相互信号连接。
第三者单元内包含人脸识别请求模块和比对信号接收模块。
人脸控制器内包含负责提取人脸特征点和将特征点注册到比对算法节点里去的人脸建模控制器和负责人脸比对的人脸比对控制器。
人脸识别请求模块通过无线信号与人脸建模控制器信号连接,所述人脸比对控制器通过无线通信与比对信号接收模块信号连接。
人脸控制器实现动态加载控制、动态多任务并发分发控制和简易扩容控制机制,动态加载控制实现的是实现针对项目需要,进行在不同的算法节点进行不同数量和不同处理类型的差异化加载,实现针对同一场景下不同硬件配置和不同的处理资源条件下,实现资源更优化的合理安排和使用;动态多任务并发分发控制实现对实时多任务并发传入处理任务,算法通过对比对节点的任务数量记录,对增加的要处理任务安排到可使用资源最多的几个算法节点进行处理,因为每个算法节点处理速度存在差异,所以算法控制器在接收到最快返回的一个或多个结果后,控制节点就完成任务,向任务发起端返回任务结果,实现任务零时间等待,相比传统分布式处理模式提升了相应输出和单位时间的处理效率;简易扩容控制机制实现在相同控制器情况下,如业务需要增加处理设备,可以实现简单软件配置对接增加的算法节点,增加处理能力,同时如业务需要减少处理设备,同理的实现简单软件配置去掉算法节点,就能快速有限变更整体处理机制的容量。
算法节点单独部署在多台设备上,根据设备硬件的配置情况部署对应数量的节点服务。
算法节点对外通过http协议提供接口,以实现算法节点的分布式部署,从而实现人脸比对的分布式比对,以达到人脸比对效率的最大化和人脸库数量的最大化。
人像对比任务分发处理算法,包括如下步骤:
步骤一:第三者发起对照片进行提取特征点的请求;
步骤二:通过人脸识别请求模块向人脸建模控制器发出信号,人脸建模控制器提取人脸特征点和将特征点注册到算法节点中进行比对,人脸建模控制器将请求下发到建模算法节点中的一个节点去,当请求数比较多的时候,均匀的把请求分发到下面的建模算法节点,以实现并发请求的最大化;
步骤三:每个算法节点比对完成自己的人脸库后,再将符合条件的人脸信息返回给人脸比对控制器;
步骤四:人脸控制器在将所有人脸比对节点的结果进行整合过滤,把分值最高的结果返回给第三者。
综上所述,该人像对比任务分发处理算法,使用时,通过针对现有的人像比对算法面对海量数据短时间提高效率的方式进行处理,同时在不同需求和不同硬件资源的条件下进行较优化和较高效配置并发处理数量的实现处理,从而对用户的使用提高处理效率和有限资源处理更加海量数据的方法,有效解决了目前大量前端采集人像数据进行对并发特征点提取处理,有效支撑大量人像比对任务处理,以及能对大批量人像特征数据多并发快速加载和分发处理,对平台在人像数据处理针对在提取,加载和比对的业务处理上有更高的处理效率。
需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。