【技术实现步骤摘要】
本专利技术涉及识别数据处理，具体涉及一种人脸识别系统。
技术介绍
1、人脸识别数据传输涉及隐私和安全等重要问题，需要遵循相关法律法规和标准，确保个人信息不被滥用或泄露。
2、现有的人脸识别方案在实施时，部分应用场景对人脸识别数据传输的实时性有较高要求，需要保证数据传输的低延迟和高可靠性，然而，在多处理对象采用混合传输处理的方式时，不能自适应的对高安全要求的人脸识别数据在处理时实施针对性的处理对象数据分析并动态选择调控，导致进行人脸识别后的识别数据处理效果不佳。
技术实现思路
1、本专利技术的目的在于提供一种人脸识别系统，用于解决现有方案中进行人脸识别后的识别数据处理效果不佳的技术问题。
2、本专利技术的目的可以通过以下技术方案实现：
3、一种人脸识别系统，包括：
4、人脸识别数据识别处理模块，用于对请求人脸识别的数据进行监测统计，并对请求人脸识别的数据进行图像识别和处理，得到识别数据包并实时发送至识别数据处理监测统计模块；
5、识别数据处理监测统计模块，用于对处理对象每次实施识别数据包的传输处理进行监测以及数据处理，得到个体处理监测数组，利用个体处理监测数组对识别数据包的处理状态进行分析归类，并对所属的监测时间段进行动态标记；
6、其中，提取个体处理监测数组中传输延迟元素对应的数值并将其标记为核验值，将核验值与预设的标准延迟阈值进行比对分析得到处理正常标签或者处理异常标签，并利用处理异常标签获取识别数据包对应的
7、数据分析利用管理模块，用于利用动态标记的监测时间段来对监测时间段数据表中不同监测时间段对应的阶段处理影响进行数字化处理以及风险标识更新，得到监测时间段标识表；
8、识别数据处理动态调控模块，用于根据风险标识更新的监测时间段标识表来对后续不同监测时间段人脸识别数据对应的识别数据包处理进行动态调控；
9、其中，获取后续识别数据包传输时所属的目标时间段，将目标时间段与所有处理对象关联的监测时间段标识表进行检索遍历，利用遍历获取的所有监测时间段标识表中相同目标时间段关联的风险标识来进行处理对象筛选获取最优的选中对象。
10、优选地，当监测到请求人脸识别的数据时生成识别请求指令，并根据识别请求指令对请求人脸识别的数据进行处理获取待识别图像，对待识别图像进行图像预处理获取对应的目标特征。
11、优选地，将目标特征输入至样本特征数据库中通过人脸识别算法进行遍历匹配并输出识别结果，将识别结果与待识别图像和目标特征进行组合，得到识别数据包。
12、优选地，根据识别数据包关联的识别标签来对其传输请求生成监管指令，利用监管指令获取识别数据包对应的数据占存，并对识别数据包传输处理对应的开始时间点、结束时间点以及对应的传输延迟进行监测统计；
13、计算开始时间点和结束时间点之间的传输时差，提取识别数据包对应数据传输的开始时间点、结束时间点、传输时差、传输延迟和数据占存的数值并组合，得到个体处理监测数组。
14、优选地，根据处理异常标签通过公式计算获取识别数据包对应的处理影响度cy；式中，y为核验值，y′为标准延迟阈值，t′为传输时差；
15、将获取的处理影响度通过预构建的处理影响评估模型进行处理影响程度评估并输出影响权重；
16、根据影响权重中0或1的数值将个体处理监测数组对应选中时间段的低影响处理总次数加一或者高影响处理总次数加一。
17、优选地，处理影响评估模型的表达式为：；式中，k为大于一百的实数。
18、优选地，选中时间段的获取步骤包括：
19、获取个体处理监测数组中的开始时间点和传输时差，提取开始时间点中的所有时间数值并输入至监测时间段数据表中进行遍历检索获取所属的监测时间段，对监测时间段的连续性进行核验确定选中时间段；
20、计算个体处理监测数组中的传输时差与标准时差之间的差值并分析，若差值不大于零，则生成不连续标签并将监测时间段标记为唯一选中时间段；
21、若差值大于零，则生成连续标签并将监测时间段以及下一个监测时间段分别标记为第一选中时间段和第二选中时间段。
22、优选地，根据唯一选中时间段或者第一选中时间段和第二选中时间段将监测时间段数据表中对应位置的监测时间段进行异常标记，并对监测时间段数据表中的选中时间段对应的阶段处理影响进行数字化处理；
23、依次统计不同选中时间段关联的低影响处理总次数n′和高影响处理总次数n″并通过公式yz=n′+2×n″计算获取对应的影响整合度yz。
24、优选地，提取影响整合度的数值并将其设定为风险标识，并将风险标识与对应选中时间段进行关联，将更新风险标识的监测时间段数据表标记为监测时间段标识表。
25、相比于现有方案，本专利技术实现的有益效果：
26、本专利技术通过对识别数据包每次的数据处理过程进行监测统计以及数据处理得到对应的个体处理监测数组，通过对个体处理监测数组中的数据选择性的进行数据处理和计算分析，可以获取到对应识别数据包的数据处理状态是否正常，同时还可以为后续预先划分的若干监测时间段的影响状态标记提供可靠的依据。
27、本专利技术通过利用个体处理监测数组的分析结果来对预设的监测时间段进行影响标记更新，对监测时间段数据表中不同监测时间段对应的阶段处理影响进行数字化处理以及风险标识更新获取监测时间段标识表，利用监测时间段标识表可以为后续识别数据包在不同传输时刻及时高效的获取传输性能优秀的处理对象提供可靠的数据支持，提高了不同处理对象在不同处理时刻对应处理性能分析的整体效果。
28、本专利技术根据风险标识更新的监测时间段标识表来对后续不同监测时间段人脸识别数据对应的识别数据包处理进行动态调控，实现了识别数据包在不同处理时刻可以及时高效的自适应选择传输性能优异的处理对象进行数据传输处理，同时还对处理过程的数据进行监测分析并利用，实现了对前期整合分析的监测时间段标识表数据进行动态更新，进而可以对不同处理对象在不同处理时刻的处理性能进行更新完善。
本文档来自技高网...【技术保护点】
1.一种人脸识别系统，其特征在于，包括：
2.根据权利要求1所述的一种人脸识别系统，其特征在于，当监测到请求人脸识别的数据时生成识别请求指令，并根据识别请求指令对请求人脸识别的数据进行处理获取待识别图像，对待识别图像进行图像预处理获取对应的目标特征。
3.根据权利要求2所述的一种人脸识别系统，其特征在于，将目标特征输入至样本特征数据库中通过人脸识别算法进行遍历匹配并输出识别结果，将识别结果与待识别图像和目标特征进行组合，得到识别数据包。
4.根据权利要求3所述的一种人脸识别系统，其特征在于，根据识别数据包关联的识别标签来对其传输请求生成监管指令，利用监管指令获取识别数据包对应的数据占存，并对识别数据包传输处理对应的开始时间点、结束时间点以及对应的传输延迟进行监测统计；
5.根据权利要求4所述的一种人脸识别系统，其特征在于，根据处理异常标签通过公式计算获取识别数据包对应的处理影响度Cy；式中，Y为核验值，Y′为标准延迟阈值，T′为传输时差；
6.根据权利要求5所述的一种人脸识别系统，其特征在于，处理影响评估模型的表达式为：
7.根据权利要求6所述的一种人脸识别系统，其特征在于，选中时间段的获取步骤包括：
8.根据权利要求7所述的一种人脸识别系统，其特征在于，根据唯一选中时间段或者第一选中时间段和第二选中时间段将监测时间段数据表中对应位置的监测时间段进行异常标记，并对监测时间段数据表中的选中时间段对应的阶段处理影响进行数字化处理；
9.根据权利要求8所述的一种人脸识别系统，其特征在于，提取影响整合度的数值并将其设定为风险标识，并将风险标识与对应选中时间段进行关联，将更新风险标识的监测时间段数据表标记为监测时间段标识表。
...【技术特征摘要】
1.一种人脸识别系统，其特征在于，包括：
2.根据权利要求1所述的一种人脸识别系统，其特征在于，当监测到请求人脸识别的数据时生成识别请求指令，并根据识别请求指令对请求人脸识别的数据进行处理获取待识别图像，对待识别图像进行图像预处理获取对应的目标特征。
3.根据权利要求2所述的一种人脸识别系统，其特征在于，将目标特征输入至样本特征数据库中通过人脸识别算法进行遍历匹配并输出识别结果，将识别结果与待识别图像和目标特征进行组合，得到识别数据包。
4.根据权利要求3所述的一种人脸识别系统，其特征在于，根据识别数据包关联的识别标签来对其传输请求生成监管指令，利用监管指令获取识别数据包对应的数据占存，并对识别数据包传输处理对应的开始时间点、结束时间点以及对应的传输延迟进行监测统计；
5.根据权利要求4所述的一种人脸识别系统，其特征在于，根...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。