本技术涉及图像识别领域，具体涉及一种基于人脸识别设备的端侧算力协同控制方法及装置。
背景技术：
1、近年来,随着人工智能技术的快速发展,人脸识别技术在安防监控、智能门禁、人员管理等领域得到了广泛应用。人脸识别作为一种生物特征识别技术,利用人脸的独特特征进行个人身份的快速自动化识别,相比传统的密码、卡片等认证方式更加便捷可靠。
2、人脸识别技术的核心原理是通过图像采集设备捕获人脸图像,利用人工智能算法对人脸图像进行特征提取和模式识别,实现对被识别对象的身份认证。随着算法模型的不断优化和计算硬件性能的持续提升,人脸识别的识别准确率和识别速度都得到了显著提高。目前,人脸识别技术已广泛应用于各类安防监控、智能门禁、人员考勤、金融支付等场景。
3、当前，人脸识别技术得到了大规模的发展和应用，并且各个场景中都存在着大量的人脸识别设备，这些设备通常都具备一定的算力。然而，在一些场景中，仍然存在着许多非智能化的感知终端，如普通监控摄像头等。对于这些非智能化的感知终端，如果需要进行监控智能升级改造，传统的做法往往需要拆卸原有设备，然后安装智能化设备，这会带来较高的成本。因此，寻找一种能够利用端侧已安装人脸识别设备空余算力进行统一管理和调度，从而实现普通相机的无成本化智能化改造的方法显得尤为重要。
4、目前，尽管在各个场景中都存在着大量的人脸识别设备，但这些设备往往只用于特定的识别任务，其算力资源未能得到充分利用。另一方面，普通监控摄像头等非智能化感知终端通常缺乏人脸识别功能，但具备一定的网络连接能力。
5、目前业界已经有一些相关的技术方案尝试解决这一问题。例如,有些解决方案提出利用边缘计算技术,将部分人脸识别算法下沉至设备端,减轻了设备对云端计算资源的依赖,提高了系统的响应速度。但这种方案仍需要对原有设备进行一定程度的硬件改造,成本相对较高，并且，现有技术中的方案仅能通过边缘计算技术减轻设备对计算资源的依赖，无法解决设备本身计算资源利用率不高的问题，即设备处于空闲状态时其本技术的计算资源没有得到合理利用。
6、综上所述,现有的技术方案在解决人脸识别设备升级改造问题时,还存在一定的局限性和不足。极有必要提出一种新的技术方案,能够利用设备闲置的计算资源,实现无成本的智能化改造,提高人脸识别系统的整体管理效率。
技术实现思路
1、针对现有技术中的问题，本技术提供一种基于人脸识别设备的端侧算力协同控制方法及装置，能够在人脸识别终端设备之间实现算力的有效协同利用，提高整体系统的性能和效率。
2、为了解决上述问题中的至少一个，本技术提供以下技术方案：
3、第一方面，本技术提供一种基于人脸识别设备的端侧算力协同控制方法，包括：
4、获取系统中各人脸识别设备的硬件参数和网络参数，根据获取到的所述硬件参数、所述网络参数以及设定能力评估模型确定所述各人脸识别设备的端侧计算能力；
5、根据所述各人脸识别设备的端侧计算能力对预设人脸识别模型进行模型优化，并将经过所述模型优化后的人脸识别模型部署至对应的人脸识别设备；
6、根据所述各人脸识别设备的端侧计算能力、所述人脸识别模型以及端侧当前任务确定对应的端侧可分配计算资源，根据所述端侧可分配计算资源确定与目标识别任务对应的协同人脸识别设备并执行协同计算；
7、若所述协同计算的结果判定为图像异常时，触发生成一告警信号并发送至相应管理员端执行告警操作。
8、进一步地，在所述获取系统中各人脸识别设备的硬件参数和网络参数，根据获取到的所述硬件参数、所述网络参数以及设定能力评估模型确定所述各人脸识别设备的端侧计算能力之前，包括：
9、根据人脸识别设备的历史硬件参数、历史网络参数以及历史参数权重构建模型训练集；
10、将所述模型训练集输入预设回归分析模型并通过端侧计算能力影响程度的验证集进行模型训练，得到能力评估模型。
11、进一步地，所述获取系统中各人脸识别设备的硬件参数和网络参数，根据获取到的所述硬件参数、所述网络参数以及设定能力评估模型确定所述各人脸识别设备的端侧计算能力，包括：
12、获取系统中各人脸识别设备的计算核心参数和实时网络带宽，根据设定能力评估模型确定所述计算核心参数和所述实时网络带宽相应的参数权重；
13、根据所述计算核心参数、所述实时网络带宽以及所述参数权重计算得到所述各人脸识别设备的端侧计算能力。
14、进一步地， 所述根据所述各人脸识别设备的端侧计算能力对预设人脸识别模型进行模型优化，并将经过所述模型优化后的人脸识别模型部署至对应的人脸识别设备，包括：
15、判断所述各人脸识别设备的端侧计算能力是否超过上限阈值，若是，则将预设人脸识别模型去除冗余参数和层级后部署至对应的人脸识别设备；
16、否则，通过知识蒸馏算法将预设人脸识别模型的知识迁移至预设小模型，并将该小模型部署至对应的人脸识别设备。
17、进一步地，所述根据所述各人脸识别设备的端侧计算能力、所述人脸识别模型以及端侧当前任务确定对应的端侧可分配计算资源，包括：
18、根据端侧当前任务的任务复杂度和所述人脸识别模型的模型特性确定对应的计算资源需求；
19、根据所述计算资源需求和所述端侧计算能力确定对应的端侧可分配计算资源。
20、进一步地，所述根据所述端侧可分配计算资源确定与目标识别任务对应的协同人脸识别设备并执行协同计算，包括：
21、根据目标识别任务的任务复杂度和所述各人脸识别设备的端侧可分配计算资源匹配对应的至少一个协同人脸识别设备；
22、将所述目标识别任务分解为多个子任务并将各所述子任务分配至所述协同人脸识别设备处进行协同计算。
23、进一步地，所述若所述协同计算的结果判定为图像异常时，触发生成一告警信号并发送至相应管理员端执行告警操作，包括：
24、若所述协同计算的结果判定为图像异常，根据所述图像异常的异常类型触发生成对应的告警信号；
25、将所述告警信号发送至相应管理员端并执行相应的告警操作。
26、第二方面，本技术提供一种基于人脸识别设备的端侧算力协同控制装置，包括：
27、端侧计算能力确定模块，用于获取系统中各人脸识别设备的硬件参数和网络参数，根据获取到的所述硬件参数、所述网络参数以及设定能力评估模型确定所述各人脸识别设备的端侧计算能力；
28、模型优化部署模块，用于根据所述各人脸识别设备的端侧计算能力对预设人脸识别模型进行模型优化，并将经过所述模型优化后的人脸识别模型部署至对应的人脸识别设备；
29、协同计算模块，用于根据所述各人脸识别设备的端侧计算能力、所述人脸识别模型以及端侧当前任务确定对应的端侧可分配计算资源，根据所述端侧可分配计算资源确定与目标识别任务对应的协同人脸识别设备并执行协同计算；
30、联机告警模块，用于若所述协同计算的结果判定为图像异常时，触发生成一告警信号并发送至相应管理员端执行告警操作。
31、第三方面，本技术提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述的基于人脸识别设备的端侧算力协同控制方法的步骤。
32、第四方面，本技术提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述的基于人脸识别设备的端侧算力协同控制方法的步骤。
33、第五方面，本技术提供一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现所述的基于人脸识别设备的端侧算力协同控制方法的步骤。
34、由上述技术方案可知，本技术提供一种基于人脸识别设备的端侧算力协同控制方法及装置，通过获取到的硬件参数、网络参数以及设定能力评估模型确定各人脸识别设备的端侧计算能力；根据所述各人脸识别设备的端侧计算能力对预设人脸识别模型进行模型优化，并将经过所述模型优化后的人脸识别模型部署至对应的人脸识别设备；根据所述各人脸识别设备的端侧计算能力、所述人脸识别模型以及端侧当前任务确定对应的端侧可分配计算资源，根据所述端侧可分配计算资源确定与目标识别任务对应的协同人脸识别设备并执行协同计算，由此能够在人脸识别终端设备之间实现算力的有效协同利用，提高整体系统的性能和效率。
1.一种基于人脸识别设备的端侧算力协同控制方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于人脸识别设备的端侧算力协同控制方法，其特征在于，在所述获取系统中各人脸识别设备的硬件参数和网络参数，根据获取到的所述硬件参数、所述网络参数以及设定能力评估模型确定所述各人脸识别设备的端侧计算能力之前，包括：
3.根据权利要求1所述的基于人脸识别设备的端侧算力协同控制方法，其特征在于，所述获取系统中各人脸识别设备的硬件参数和网络参数，根据获取到的所述硬件参数、所述网络参数以及设定能力评估模型确定所述各人脸识别设备的端侧计算能力，包括：
4.根据权利要求1所述的基于人脸识别设备的端侧算力协同控制方法，其特征在于，所述根据所述各人脸识别设备的端侧计算能力对预设人脸识别模型进行模型优化，并将经过所述模型优化后的人脸识别模型部署至对应的人脸识别设备，包括：
5.根据权利要求1所述的基于人脸识别设备的端侧算力协同控制方法，其特征在于，所述根据所述各人脸识别设备的端侧计算能力、所述人脸识别模型以及端侧当前任务确定对应的端侧可分配计算资源，包括：
6.根据权利要求1所述的基于人脸识别设备的端侧算力协同控制方法，其特征在于，所述根据所述端侧可分配计算资源确定与目标识别任务对应的协同人脸识别设备并执行协同计算，包括：
7.根据权利要求1所述的基于人脸识别设备的端侧算力协同控制方法，其特征在于，所述若所述协同计算的结果判定为图像异常时，触发生成一告警信号并发送至相应管理员端执行告警操作，包括：
8.一种基于人脸识别设备的端侧算力协同控制装置，其特征在于，所述装置包括：
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至7任一项所述的基于人脸识别设备的端侧算力协同控制方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至7任一项所述的基于人脸识别设备的端侧算力协同控制方法的步骤。
