基于分布式云变平台的人像动态比对系统的利记博彩app
【技术领域】
[0001]本发明涉及一种人像比对系统，具体地涉及一种基于分布式云变平台的人像动态比对系统。
【背景技术】
[0002]云变平台是在云代理(Cloud Agent)技术和普适计算(Ubiquitous Computing)基础上发展起来的动态计算平台技术。云变技术研宄针对海量信息采集，传输，存储和分析计算所涉及的效率，可用性和可靠性方法的分布计算技术。它采用了云代理(Cloud Agent)技术对各种信息设备进行动态深度虚拟来提升海量节点系统的实时性，可控性，计算和传输效率，从而使具有海量物联网节点的系统能更高效和更可靠地运行。
[0003]云变技术不仅解决并发性并行计算的问题，更解决软件动态结构的问题，使资源更容易共享，资源更容易优化使用，从结构上保证了对现有资源和未来资源的统一管理使用。从设计上保证了现有技术和未来技术的可用性。既可满足当前需要，又可轻松扩展匹配未来发展需要，更能满足大规模应用要求。
[0004]云变技术可以轻松将各级单位计算机资源进行统一远程自主管理和维护，资源可以互相调配，使资源使用效率最大化。既解决了各校维护能力弱，又解决了各单位信息化设备使用水平不均造成的浪费。
[0005]云变平台提供了一个模仿人类获取，积累和应用知识平台。为智能系统所必须的自学习和自适应功能提供了基础。
[0006]人脸识别的技术关键之一是通过特征提取方法把在高维空间的变量投影到低维子空间并让鉴别信息不受损失。由此产生了线性(主成分分析、线形鉴别分析)和非线性(核方法、流形学习)两类方法。云联科技的人脸识别采用了非线性方法，其主要特点为:
基于云变技术的云代理可以使人脸特征提取，特征比对，人脸特征库训练的速度大幅
[0007]基于人工神经网络(ANN)的智能学习方法可以通过大量的机器训练和学习来快速提尚人脸检测精度。
[0008]基于Haar-1ike特征的Adaboost人脸检测算法方法更可以通过训练和学习来自适应选择最佳特征组合达到来95%的人脸检测精度，在云变平台的基础上，一幅图像的检测速度也小于几分之一秒。
[0009]主成分分析(或称Karhunen - Ιχι?νθ变换)方法使人脸检测精度在以正面人脸为主的标准图像库上可达90%以上。
【发明内容】
[0010]本发明目的是:提供一种基于分布式云变平台的人像动态比对系统，充分利用云代理机制和云平台管理功能对人像比对服务进行统一全面的管理，具有高性能比对分析计算能力，结构简单、操作简便。
[0011]本发明的技术方案是:
一种基于分布式云变平台的人像动态比对系统，包括:
视频监控模块，用于对摄像机拍摄的视频图像进行实时浏览监控，提取人脸，并提取人脸特征数据；
在线比对模块，将提取的人脸特征数据与后台比对库模块中的人脸特征数据进行实时比对当两者相似度达到一定精度时报警，并与警务通通信；
比对库模块，用于分类存储人脸数据；
报警查询模块，用于查看某个时间段的报警事件与报警状态；
通讯模块，用于与终端设备进行通信。
[0012]优选的，所述视频监控模块支持GIS地图，可以对建筑物内的摄像机进行实时视频图像浏览。
[0013]优选的，还包括离线对比模块，用于创建一个比对任务，输入人像图片执行人像比对。
[0014]优选的，还包括统计模块，对比对事件进行统计分析，对处警效果进行多维度评价。
[0015]优选的，还包括系统管理模块，用于对登录用户和监控视频进行管理；所述系统管理模块包括:
用户管理，负责用户的创建和删除；
角色授权，用于管理不同权限的角色组；
分管区域，对角色组中的不同使用部门进行管理；
菜单授权，对角色组设置不同的权限；
监控视频分组，对区域内的设备添加，删除和编辑；
日志，用于查看或者导出操作日志和运行日志。
[0016]本发明的优点是:
1.人像静态比对系统将运行在基于云变技术的分布式计算平台中，分布式计算平台建设是针对大数据的高性能计算服务能力，利用多台性价比较高的X86服务器，利用分布式架构，搭建海量人像数据的存储和人像比对计算平台，给用户提供高性能的人像分析计算能力。
[0017]2.人像静态比对系统通过云变系统云管理平台的资源管理和任务动态调度能力，实现水平扩展和简易物理部署。当系统运行任务量剧增或当前机器不能满足现有用户比对请求量或比对算法程序需求更多资源时，可以通过增加服务的方式，在不停机的情况下进行扩充物理计算节点。
[0018]当增加物理服务器后，首先在云管理平台中注册服务类型，不同类型的服务云管理平台会自动配置不同的云代理运行程序。系统可以指定该服务器是用作比对计算用途扩充计算资源；还是分布式人像数据存储增加存储空间；还是内部数据总线增加网络带宽，提高网络数据传输量。
【附图说明】
[0019]下面结合附图及实施例对本发明作进一步描述:图1为本发明基于分布式云变平台的人像动态比对系统的系统框图。
【具体实施方式】
[0020]为使本发明的目的、技术方案和优点更加清楚明了，下面结合【具体实施方式】并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
[0021]实施例:
基于分布式云变平台的人像动态比对系统充分利用云代理机制和云平台管理功能对人像比对服务进行统一全面的管理。平台设计将遵循兼容性、扩展性、安全性和开放性原则来进行总体设计。
[0022]系统流程图如图1所示，云管理平台部署在中心机房，系统通过云管理平台的资源管理对算法的注册、审核进行管理；通过云管理平台的任务管理功能对任务的调度和任务运行状况进行全程监管。通过服务管理对服务的请求过程进行管理。
[0023]多个人像比对算法部署在分布式集群环境，不同人像识别算法在统一平台下通过云代理的方式共同运行，并对不同算法进行统一服务接口封装发布，通过人像服务发布到内部服务总线对外提供统一接口访问。
[0024]云代理OServer程序是不同人像程序运行的载体，云代理负责人像算法和云管理平台的控制数据的对接和通讯管理数据的对接。人像算法程序和云代理OServer是相互独立运行的，云代理程序不会对人像算法程序作任何修改，人像算法程序本身的运行依赖于底层系统环境和云代理程序无关。但人像算法程序本身无法独立运行在本平台为应用方提供服务，人像算法程序的接口必须满足本系统平台对于人像服务的接口规范才能被云代理OServer程序识别并带起运行。
[0025]基于云变技术的云代理可以使人脸特征提取，特征比对，人脸特征库训练的速度大巾畐提尚。
[0026]基于人工神经网络(ANN)的智能学习方法可以通过大量的机器训练和学习来快速提尚人脸检测精度。
[0027]基于Haar-1ike特征的Adaboost人脸检测算法方法更可以通过训练和学习来自适应选择最佳特征组合达到95%的人脸检测精度，在云变平台的基础上，一幅图像的检测速度也小于几分之一秒。
[0028]主成分分析(或称Karhunen - Ιχι?νθ变换)方法使人脸检测精度在以正面人脸为主的标准图像库上可达90%以上。
[0029]基于分布式云变平台的人像动态比对系统包括以下模块:
一、视频监控模块