虹软人脸识别SDK - Java服务端的那些事 [复制链接]

2019-4-16 17:12
虹哥聊AI 阅读:144 评论:0 赞:0
Tag:  

最近有项目需要服务端人脸识别,下载了虹软SDK,发现开发文档、Demo资料挺全的,但针对服务端的介绍比较少,自己花了2天时间研究了下,发现有不少的点还是有讲究的,跟大家分享下

影响性能的几个关键点

1、人脸检测

人脸检测接口就是可以把一张图片的人脸照片图, 经过FaceEngine的处理,检测出人人脸框信息。检测模式有两种,image模式和video模式,image模式对于人脸检测准确率比较高,但性能没有video模式高。video模式适用于在视频流模式下,在视频流模式有更快的处理性能和更好的人脸框稳定性。Video模式下,处理一帧图片在10毫秒内,所以在30帧的视频中,可以轻松的对每帧进行人脸检测。

2、特征提取

特征提取是在检测出人脸框的基础上,寻找出该人脸最具特别性的描述,该描述可被传输和保存,在ArcFace2.0中,一个特征占用1032字节,特征提取要花100-150毫秒,所以每帧都做特征提取是不可行的,但借助TrackID,可以做到一张人脸只要提取一次人脸特征。

3、人脸比对

人脸比对即特征比对,对两张人脸照片图分别提取特征,然后进行比较,获取相似度。该比对的时间是微妙级的,但在实际的应用过程中,往往是几千个特征甚至几万个特征进行比对,所以处理时间要成倍的增加。假设处理一个特征需要3微妙,那么在5万的特征库中进行比较,时间就是3*50000=150毫秒

如何应对实时性高的场景

无感是永远的痛
人脸识别经常用在一些实时性比较高的场合,比如门禁这类系统,客户往往要求我们要“无感”通过。这些实时性高的系统,通常利用网络传输视频流,服务器来处理再反馈结果,如果没有在网络,内存,CPU上做足够的优化,往往带来的就是延迟高,响应慢。
光看上面文字,大家可能没什么印象。咱们还是来一张图,一起来直观的感受一下耗时分析

咱们来算算,假设100个设备,每秒钟30帧的照片,每帧100K,那么每秒钟有多少流量?每分钟有多少?每天呢?
按照标准的算法,每个设备每秒钟流量:1*30帧*100KB=3MB
换算到分的话3MB*60秒=16MB/分
1天的话16MB*60分钟*24小时=23040MB/天
100个设备的话23040MB*100=2T/天,也就是每天有T级别流量
哇,这么一算,一般的服务器和网络怎么受得了
老规矩,咱们看图来分析下现状

如上图,照片实时上传到服务器,服务器人脸检测和特征提取,服务器特征比对,排序,结果输出。
全部交给服务器处理,服务器压力太了,让客户端分担点吧 。

优化后...


把人脸检测和特征提取全放客户端,客户端每次上传人脸特征,服务端做特征比对、排序,结果输出。

分享到:
我来说两句
facelist
您需要登录后才可以评论 登录 | 立即注册
所有评论(0)

领先的中文移动开发者社区
18620764416
7*24全天服务
意见反馈:1294855032@qq.com

扫一扫关注我们

Powered by Discuz! X3.2© 2001-2019 Comsenz Inc.( 粤ICP备15117877号 )