一种轻型的人脸跟踪方法和存储设备与流程

本发明涉及软件调度
技术领域：
，特别涉及一种轻型的人脸跟踪方法和存储设备。
背景技术：
：npu的工作原理：1、打开npu专用芯片设备；2、传入模型文件，得到模型task；3、获取task的输入输出信息；4、拷贝输入数据到模型内存中；5、运行模型，得到输出数据。可以得出结论，npu一次只能执行一个模型。基于深度学习的人脸识别算法包括：人脸检测或人脸跟踪、活体检测、人脸识别三个模型。目前人脸识别算法普遍是运行在npu上，根据npu工作原理，这三个模型必须按照顺序，依次执行。这样导致极大地消耗ddr带宽资源。ddr带宽资源过高会影响设备整体功耗。技术实现要素：为此，需要提供一种轻型的人脸跟踪方法，用以解决现有人脸资源识别算法消耗ddr带宽资源过高的技术问题。具体技术方案如下：一种轻型的人脸跟踪方法，包括步骤：检测是否有人脸检测算法抢占不到npu，若有，判断抢占不到npu的人脸检测算法是否符合预设条件，若符合预设条件，则根据预设规则切换所述人脸检测算法至cpu上运行。进一步的，所述“判断抢占不到npu的人脸检测算法是否符合预设条件”，具体还包括步骤：判断抢占不到npu的人脸检测算法是否为对符合预设条件的对实时性要求高的算法。进一步的，所述“则根据预设规则切换所述人脸检测算法至cpu上运行”，具体还包括步骤：在cpu上通过opencv运行人脸检测算法。为解决上述技术问题，还提供了一种存储设备，具体技术方案如下：一种存储设备，其中存储有指令集，所述指令集用于执行：检测是否有人脸检测算法抢占不到npu，若有，判断抢占不到npu的人脸检测算法是否符合预设条件，若符合预设条件，则根据预设规则切换所述人脸检测算法至cpu上运行。进一步的，所述指令集还用于执行：所述“判断抢占不到npu的人脸检测算法是否符合预设条件”，具体还包括步骤：判断抢占不到npu的人脸检测算法是否为对符合预设条件的对实时性要求高的算法。进一步的，所述指令集还用于执行：所述“则根据预设规则切换所述人脸检测算法至cpu上运行”，具体还包括步骤：在cpu上通过opencv运行人脸检测算法。本发明的有益效果是：检测是否有人脸检测算法抢占不到npu，若有，判断抢占不到npu的人脸检测算法是否符合预设条件，若符合预设条件，则根据预设规则切换所述人脸检测算法至cpu上运行。通过上述步骤，可使得npu和cpu搭配运行人脸检测算法，使得不仅降低了cpu的使用频率，而且，npu的带宽也得到提高。附图说明图1为具体实施方式所述一种轻型的人脸跟踪方法的流程图；图2为具体实施方式所述一种轻型的人脸跟踪方法的应用示意图；图3为具体实施方式所述一种存储设备的模块示意图。附图标记说明：300、存储设备。具体实施方式为详细说明技术方案的技术内容、构造特征、所实现目的及效果，以下结合具体实施例并配合附图详予说明。请参阅图1，在本实施方式中，一种轻型的人脸跟踪方法可应用在存储设备上，所述存储设备内设置有npu和cpu。具体实施方式如下：步骤s101：是否有人脸检测算法抢占不到npu？步骤s102：抢占不到npu的人脸检测算法是否符合预设条件？步骤s103：根据预设规则切换所述人脸检测算法至cpu上运行。实时或定时监测是否有人脸检测算法抢占不到npu，若有抢占不到npu的人脸检测算法，则进一步判断抢占不到npu的人脸检测算法是否符合预设条件。在本实施方式中，优选为判断抢占不到npu的人脸检测算法是否为对符合预设条件的对实时性要求高的算法。而对于实时性的需求是和具体产品相关的，比如在人脸识别产品中，显示的人脸框是需要实时动态更新的，不能被卡住，这就要求人脸检测算法需要按一定的帧率执行，比如25fps。若抢占不到npu的人脸检测算法符合预设条件，则根据预设规则切换所述人脸检测算法至cpu上运行。如图2所示，则为部分人脸识别算法在npu上运行，而部分人脸识别算法则被切换到cpu上运行。检测是否有人脸检测算法抢占不到npu，若有，判断抢占不到npu的人脸检测算法是否符合预设条件，若符合预设条件，则根据预设规则切换所述人脸检测算法至cpu上运行。通过上述步骤，可使得npu和cpu搭配运行人脸检测算法，使得不仅降低了cpu的使用频率，而且，npu的带宽也得到提高。其中对比结果如下：cpu占用率(mediaserver)cpu带宽npu带宽帧率track_frame＝025.00％9.35％41.22％30track_frame＝520.00％10.85％11.43％30track_frame＝0：表示全部用npu进行检测。track_frame＝5：表示每5帧用npu检测一帧，其他帧用cpu跑。可见，通过在cpu上面运行脸轻型的人脸跟踪算法，不仅降低了cpu的使用频率，而且，npu的带宽提高了接近30％。进一步的，所述“则根据预设规则切换所述人脸检测算法至cpu上运行”，具体还包括步骤：在cpu上通过opencv运行人脸检测算法。避免了当npu被人脸识别算法独占的时候(一般人脸检测算法需要执行几百毫秒的时间)，人脸检测算法得不到执行的问题。请参阅图2至图3，在本实施方式中，一种存储设备300的具体实施方式如下：一种存储设备，其中存储有指令集，所述指令集用于执行：检测是否有人脸检测算法抢占不到npu，若有，判断抢占不到npu的人脸检测算法是否符合预设条件，若符合预设条件，则根据预设规则切换所述人脸检测算法至cpu上运行。实时或定时监测是否有人脸检测算法抢占不到npu，若有抢占不到npu的人脸检测算法，则进一步判断抢占不到npu的人脸检测算法是否符合预设条件。在本实施方式中，优选为判断抢占不到npu的人脸检测算法是否为对符合预设条件的对实时性要求高的算法。而对于实时性的需求是和具体产品相关的，比如在人脸识别产品中，显示的人脸框是需要实时动态更新的，不能被卡住，这就要求人脸检测算法需要按一定的帧率执行，比如25fps。若抢占不到npu的人脸检测算法符合预设条件，则根据预设规则切换所述人脸检测算法至cpu上运行。如图2所示，则为部分人脸识别算法在npu上运行，而部分人脸识别算法则被切换到cpu上运行。检测是否有人脸检测算法抢占不到npu，若有，判断抢占不到npu的人脸检测算法是否符合预设条件，若符合预设条件，则根据预设规则切换所述人脸检测算法至cpu上运行。通过上述步骤，可使得npu和cpu搭配运行人脸检测算法，使得不仅降低了cpu的使用频率，而且，npu的带宽也得到提高。其中对比结果如下：cpu占用率(mediaserver)cpu带宽npu带宽帧率track_frame＝025.00％9.35％41.22％30track_frame＝520.00％10.85％11.43％30track_frame＝0：表示全部用npu进行检测。track_frame＝5：表示每5帧用npu检测一帧，其他帧用cpu跑。可见，通过在cpu上面运行脸轻型的人脸跟踪算法，不仅降低了cpu的使用频率，而且，npu的带宽提高了接近30％。进一步的，所述指令集还用于执行：所述“则根据预设规则切换所述人脸检测算法至cpu上运行”，具体还包括步骤：在cpu上通过opencv运行人脸检测算法。避免了当npu被人脸识别算法独占的时候(一般人脸检测算法需要执行几百毫秒的时间)，人脸检测算法得不到执行的问题。需要说明的是，尽管在本文中已经对上述各实施例进行了描述，但并非因此限制本发明的专利保护范围。因此，基于本发明的创新理念，对本文所述实施例进行的变更和修改，或利用本发明说明书及附图内容所作的等效结构或等效流程变换，直接或间接地将以上技术方案运用在其他相关的
技术领域：
，均包括在本发明的专利保护范围之内。当前第1页12