12、基于云计算和AI边缘的物联网人脸识别系统

基于云计算和AI边缘的物联网人脸识别系统

1. 引言

随着物联网（IoT）的快速发展，越来越多的传感器被连接到网络中。视觉传感器因其高传输速率和大数据量的特点，广泛应用于安全、医疗保健等领域。传统的基于云的人脸识别系统虽然结构简单、设备成本低，但依赖网络上传图像数据，容易受到网络状态的影响，尤其是在处理大量视觉传感器时，计算开销和延迟问题尤为突出。本文提出了一种结合边缘AI和云计算的人脸识别系统（AE-FRS），旨在减少响应延迟、降低成本并简化安装过程。

2. 系统架构

AE-FRS通过利用边缘AI的强大计算能力，在本地完成部分图像处理工作，从而大大减少了响应延迟。同时，由于边缘AI和复杂的识别计算需求，不会增加本地设备的过度负担。具体架构如图3所示：

graph TD;
    A[视觉传感器] --> B[边缘AI设备];
    B --> C[云服务中心];
    C --> D[数据库];
    B --> E[本地存储];
    E --> F[用户界面];

在该架构中，视觉传感器获取的图像数据首先在边缘AI设备上进行预处理，然后再上传到云服务中心进行最终的识别和分析。本地存储用于临时保存预处理结果，用户界面则用于展示识别结果。

3. 预处理步骤

预处理是AE-FRS的核心环节，主要包括以下四个步骤：

3.1 背景信息处理

背景信息处理的主要目的是消除人脸背景干扰，例如海报、广告牌和其他静态人脸图像。系统使用基于均匀模式L