(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210765415.2 (22)申请日 2022.07.01 (71)申请人 中铁第四勘察设计院集团有限公司 地址 430063 湖北省武汉市杨园和平大道 745号 (72)发明人 杨承东　曹进　凌力　李波　习博　 胡祖翰　张伟　熊朝辉　石先明　 陈莉　李杰　董江　 (74)专利代理 机构 武汉东喻专利代理事务所 (普通合伙) 42224 专利代理师 张英 (51)Int.Cl. G06F 21/62(2013.01) G06V 10/96(2022.01) G06V 10/94(2022.01)G06V 40/16(2022.01) (54)发明名称 一种基于云边端协同的人脸识别方法 (57)摘要 本发明涉及边缘计算、 云计算以及人脸识别 技术领域， 公开了一种基于云边端协同的人脸识 别方法， 包括步骤： 将人脸识别模型划分为若干 个逻辑层， 构建计算图模型， 以最小化计算图模 型完成单次计算过程的计算时间为优化目标获 取人脸识别模 型的分割点； 根据分割点调整人脸 识别模型， 在端设备上计算分割点之前的所有逻 辑层， 由边对分割点之后的人脸识别模型进行计 算， 将计算产生的数据和分割点发送至云， 通过 云完成所述人脸识别模型的计算， 输出识别结 果。 通过云存储 人脸数据提供充足的存储空间和 保密性， 通过边缘服务器作为端设备和云之间的 中间计算资源， 有效缓解通信条件恶化带来的人 脸识别计算延迟， 保障了人脸识别的实时性、 隐 私性和稳定性。 权利要求书2页 说明书7页 附图2页 CN 115114663 A 2022.09.27 CN 115114663 A 1.一种基于云边端协同的人脸识别方法， 其特 征在于， 包括： 将人脸识别模型划分为若干个逻辑层， 获取每个逻辑层在端设备上的计算 时延以及每 个逻辑层输出的数据量； 构建所述人脸识别模型的计算图模型， 所述计算图模型将逻辑层作为计算图模型的顶 点， 根据逻辑层输出的数据量构建顶点之间的边； 从端设备获取当前的网络带宽， 根据每个逻辑层的计算时延、 输出的数据量以及所述 网络带宽计算所述计算图模型完成单次计算过程的计算时间， 以所述计算时间最小化为优 化目标获取最优的人脸识别模型的分割点； 根据所述分割点调 整所述人脸识别模型， 在端设备上计算所述分割点之前的所有逻辑 层， 并将所述分割点和计算逻辑层产生的数据量同步至边； 根据所述分割点和计算逻辑层产生的数据量， 由边对分割点之后的人脸识别模型进行 计算， 将当前人脸识别模型计算产生的数据和所述分割点发送至云， 通过云完成所述人脸 识别模型的计算， 输出识别结果。 2.根据权利要求1所述的一种基于云边端协同的人脸识别方法， 其特征在于， 在对人脸 识别模型进行划分时， 根据人脸识别模型 的网络结构， 将并行计算层具有跳转结构的层作 为一个逻辑层。 3.根据权利要求1所述的一种基于云边端协同的人脸识别方法， 其特征在于， 在端设备 上使用测试图像数据对所述人脸识别模型中前若干层的逻辑层进 行计算， 获取每个逻辑层 在端设备 上的计算时延以及每 个逻辑层输出的数据量。 4.根据权利要求3所述的一种基于云边端协同的人脸识别方法， 其特征在于， 根据每个 逻辑层的计算时延、 输出的数据量以及所述网络带宽计算所述计算图模型完成单次计算过 程的计算时间， 包括： 从端设备 获取当前的网络 带宽B； 计算图模型共 n层， 获取第i层逻辑层的计算时延Ei， 通 过第i层逻辑层输出的数据量Di和网络带宽B获取 数据传输时延； 获取所述计算图模型完成单次计算过程的计算时间Ttotal： 5.根据权利要求4所述的一种基于云边端协同的人脸识别方法， 其特征在于， 在以所述 计算时间最小化为优化目标获取最优的人脸识别模型的分割点的过程中， 以端设备运行人 脸识别模型的最大功率Rmax为约束， 获取计算第i层逻辑层的计算能耗C1,i和数据传输能耗 Pi， 约束条件为： C1,i+Pi＝k*cpusize*(f)2+ps*Tup≤Rmax； Tup＝Di/R,R＝B*l og2(1+ps*hn2/N0)； 其中， k是与硬件架构相关的常数， N0是信道噪声， hn是相应的瑞利衰落信道系数， cpusize为CPU计 算第i层逻 辑层所需的周期数， ps为数据 传输功率， Tup为数据传输时间， f为 CPU频率。 6.根据权利要求1所述的一种基于云边端协同的人脸识别方法， 其特征在于， 根据 所述 分割点和计算逻辑层产生的数据量， 由边对分割点之后的人脸识别模型进行计算， 并获取 实时的网络通信带宽；权　利　要　求　书 1/2 页 2 CN 115114663 A 2当网络通信带宽大于等于带宽阈值后， 将当前人脸识别模型计算产生的数据和所述分 割点发送至云。 7.根据权利要求6所述的一种基于云边端协同的人脸识别方法， 其特征在于， 云根据从 边接收到的计算数据和所述分割点， 根据人脸识别模型进行计算， 将获取 的图像数据与人 脸注册库进行匹配， 并输出识别结果。 8.一种基于云边端协同的人脸识别系统， 其特 征在于， 包括： 划分模块， 用于将人脸识别模型划分为若干个逻辑层， 获取每个逻辑层在端设备上的 计算时延以及每 个逻辑层输出的数据量； 计算图模型构建模块， 用于构建所述人脸识别模型的计算图模型， 所述计算图模型将 逻辑层作为计算图模型的顶点， 根据逻辑层输出的数据量构建顶点之间的边； 分割点求解模块， 用于从端设备获取当前的网络带宽， 根据每个逻辑层的计算时延、 输 出的数据量以及所述网络带宽计算所述计算图模型完成单次计算过程的计算时间， 获取所 述计算时间为 最小值时逻辑层的分割点作为 最优分割点； 协同计算模块， 用于根据所述最优点分割点调整所述人脸识别模型， 计算所述最优分 割点之前的所有逻辑层， 并将所述 最优分割点和计算逻辑层产生的数据同步至边； 将计算产生的数据和所述最优分割点发送至云， 通过云完成所述人脸识别模型的计 算， 输出识别结果。 9.一种非暂态计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机 程序被处理器执行时实现如权利要求1至7任一项所述基于云边端协同的人脸识别方法的 步骤。权　利　要　求　书 2/2 页 3 CN 115114663 A 3