CN109558789A - 一种基于分布式计算的生物特征快速识别*** - Google Patents

一种基于分布式计算的生物特征快速识别*** Download PDF

Info

Publication number
CN109558789A
CN109558789A CN201811172035.8A CN201811172035A CN109558789A CN 109558789 A CN109558789 A CN 109558789A CN 201811172035 A CN201811172035 A CN 201811172035A CN 109558789 A CN109558789 A CN 109558789A
Authority
CN
China
Prior art keywords
cluster
client
biological characteristic
message queue
request
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201811172035.8A
Other languages
English (en)
Inventor
徐向华
包风华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhuhai Deyuan Billion Information Technology Co Ltd
Original Assignee
Zhuhai Deyuan Billion Information Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhuhai Deyuan Billion Information Technology Co Ltd filed Critical Zhuhai Deyuan Billion Information Technology Co Ltd
Priority to CN201811172035.8A priority Critical patent/CN109558789A/zh
Publication of CN109558789A publication Critical patent/CN109558789A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/70—Multimodal biometrics, e.g. combining information from different biometric modalities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/54—Interprogram communication
    • G06F9/546—Message passing systems or structures, e.g. queues
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/94—Hardware or software architectures specially adapted for image or video understanding

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • General Engineering & Computer Science (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明包括一种基于分布式计算的生物特征快速识别***，包括：客户端，用于通过消息队列发送生物特征的注册和识别请求；消息队列，用于创建消息队列，向消息队列发布及监听消息；集群管理***，用于对节点列表进行维护及调度；注册服务端，接收来自客户端的注册请求，以及通过消息队列向客户端发送注册结果；识别服务端，接收来自客户端的生物识别请求，以及通过消息队列向客户端发送识别结果；生物特征样本库，用于存储多种格式的生物特征样本。本发明的有益效果为：用于将海量的生物特征数据样本库拆分成小的生物特征样本集，由分布式集群的生物特征识别服务节点对生物特征样本集中的样本进行并行检索，从而大大缩短生物特征识别的响应时间。

Description

一种基于分布式计算的生物特征快速识别***
技术领域
本发明涉及一种基于分布式计算的生物特征快速识别***，属于计算机数据处理领域。
背景技术
大数据时代，互联网平台需要处理大量的业务请求，像2016年的双十一期间，阿里的支付宝创下了一秒钟处理12万笔支付的纪录，这个纪录的背后，分布式计算扮演了极为重要的角色，正是因为有了分布式计算，才可能处理如此大的交易量。
何谓分布式计算？分布式计算是一种计算方法，和集中式计算是相对的。随着计算技术的发展，有些应用需要非常巨大的计算能力才能完成，如果采用集中式计算，需要耗费相当长的时间来完成。分布式计算将该应用分解成许多小的部分，分配给多台计算机进行处理。这样可以节约整体计算时间，大大提高计算效率。另外，一些计算任务，需要形成集群，对集群内的计算资源进行动态分配，以满足业务的需求，比如支付宝，在双十一期间，可以根据预测，为支付***分配足够的计算资源，从而满足双十一期间瞬时的大规模交易请求。
分布式计算的核心和本质，是计算任务的分配和调度，即如何将计算任务分配到合适的计算资源上去，并且将计算结果快速返回给计算请求者。分布式计算的挑战也在于此。
分布式计算有非常高的技术门槛，因此分布式计算能力事实上已经被大型互联网平台所垄断，小的互联网平台，没有能力开发分布式计算***，也造成了这些小的互联网平台没法在技术上做出大的创新，计算资源没法根据业务的需求进行扩展，限制了进一步发展。
随着技术的发展，尤其是深度学习/人工智能技术的发展，人的生物特征识别的准确率(比如人脸、虹膜，指纹)越来越高，与之相应，越来越多的场景会使用到生物识别技术来解决用户的身份识别和鉴定。相较于密码等传统的身份鉴别手段，生物特征识别更安全，而且使用也更方便。但生物特征识别需要用到深度学习/人工智能技术，需要大量的计算，当生物特征样本库的样本数量达到百万/千万乃至亿级的时候，运用传统的深度学习和人工智能，每次识别过程将耗费大量的时间，这将大大限制生物特征识别技术在实际***中的大规模应用。本专利将一个大的生物特征样本库划分成若干个小的、虚拟的生物特征样本集，然后用分布式计算技术，组成生物特征识别集群，集群中的每个节点，只负责一个或者几个生物特征样本集的识别，从而保证识别的响应时间。
CSV，有时也称为字符分隔值，因为分隔字符也可以不是逗号，其文件以纯文本形式存储表格数据(数字和文本)。纯文本意味着该文件是一个字符序列，不含必须像二进制数字那样被解读的数据。CSV文件由任意数目的记录组成，记录间以某种换行符分隔；每条记录由字段组成，字段间的分隔符是其它字符或字符串，最常见的是逗号或制表符。
本专利的目标，是设计一种基于分布式计算的生物特征快速识别***，让***能在千万级/亿级的生物特征样本库中，快速找出匹配的生物样本。
发明内容
针对现有技术的不足，一种基于分布式计算的生物特征快速识别***，让***能在千万级/亿级的生物特征样本库中，快速找出匹配的生物样本。
本发明的技术方案包括一种基于分布式计算的生物特征快速识别***，包括客户端、集群管理***、消息队列、识别服务端、注册服务端及生物特征样本库，其特征在于：客户端，用于通过消息队列发送生物特征的注册和识别请求；消息队列，用于创建消息队列，向消息队列发布及监听消息，其中，消息队列包括集群消息队列、服务端消息队列及客户端消息队列，
服务端消息队列：用户接收来自客户端的计算请求，并将计算请求通过调度给计算节点(比如注册服务端和识别服务端)。有两种调度策略，第一种式轮询策略，将计算请求调度给集群中的一个计算节点；第二种是广播，即将计算请求调度给集群中的所有计算节点；
客户端消息队列：计算节点向客户端消息队列发送计算结果，客户端通过该消息队列接收来自计算节点的计算结果；
集群管理***，用于对服务端节点列表进行维护及调度，其中服务端包括识别服务端和注册服务端；注册服务端，用于接收生物特征注册服务的节点，通过监听服务端消息队列，接收来自客户端的生物特征注册请求，以及通过消息队列向客户端发送生物特征注册结果；识别服务端，用于接收生物特征识别服务的端节点，通过监听服务端消息队列，接收来自客户端的生物识别请求，以及通过消息队列向客户端发送识别结果；生物特征样本库，用于存储多种格式的生物特征样本。
根据所述的基于分布式计算的生物特征快速识别***，所述的客户端包括：注册请求模块，向生物特征注册集群消息队列发送生物特征注册请求；识别请求模块，向生物特征识别集群消息队列发送生物特征识别请求。
根据所述的基于分布式计算的生物特征快速识别***，所述注册模块用于执行以下步骤：S31，通过集群管理***，连接到生物特征注册集群的消息队列；S32，基于S31向生物特征注册集群的消息队列发送注册请求，其中生物特征注册请求包括，***唯一的用户标识码，以及包含用户生物特征的原始图像数据，其中每个用户标识对应的多个生物特征；S33，所述集群管理***接到生物特征注册请求后，对请求进行调度，进一步将对应请求分配到集群中一个生物特征注册服务节点；S34，生物特征注册服务节点接到注册请求后，对用户生物特征的原始数据进行生物特征识别，并将识别到的生物特征和对应的客户端标识符进行关联，进而将生物特征存储至生物特征样本库中；S35，将注册请求的处理结果发送至只客户端消息队列。
根据所述的基于分布式计算的生物特征快速识别***，所述识别模块的用于执行以下步骤：S41，通过集群管理***连接到生物特征注册集群的消息队列；S42，基于步骤S41向生物特征识别集群消息队列发送识别请求，生物特征识别请求里包含了用户生物特征的原始图像数据；S43，所述集群管理***接到生物特别识别请求后，对请求进行调度，从而将该请求向生物特征识别集群中所有生物特征识别服务节点进行广播；S44，生物特征识别服务节点接到识别请求后，对包含用户生物特征的原始数据进行生物特征识别，并与服务节点所相应的生物特征样本集中的样本进行比较；S35，通过S44找到匹配的样本后，将样本所对应的用户唯一标识发送至客户端消息队列。
根据所述基于分布式计算的生物特征快速识别***，其特征在于，所述的集群管理***包括：分布式管理模块，用于对请求和回应队列进行动态维护，实时维护集群内处于服务状态的计算节点列表；分布式计算模块：用于当客户端向集群发起计算请求时，集群通过串行式计算和并行式将该计算请求分配到集群内的计算节点。
根据所述的基于分布式计算的生物特征快速识别***，所述分布式管理模块的用于执行以下步骤：S61，计算节点声明自己的集群名称，并向***注册自身；S62，***在收到注册请求后，会到集群列表中查询，是否已经存在相同名称的集群，如果没有，则会为该集群建立一个请求队列，并将该集群加入集群列表，否则自动将该计算节点加入集群的请求队列；S63，当计算节点掉线时，以及者主动离开时，***会主动将该计算节点从对应的集群删除。
根据所述的基于分布式计算的生物特征快速识别***，所述分布式计算模块的串行式计算用于执行以下步骤：S71，客户端向集群的请求队列中发送计算请求；S72，客户端向计算集群申请一个该客户端的回应队列，监听来自该队列的计算结果；S73，计算集群从请求队列中得到等待时间最长的计算请求，通过轮询算法找出计算节点，将计算请求分配给该计算节点；S74，选中的计算节点执行计算请求，并将计算结果通过回应消息队列返回给客户端。
根据所述的基于分布式计算的生物特征快速识别***，所述分布式计算模块的并行式计算用于执行以下步骤：S81，客户端向集群的请求队列中发送计算请求；S82，客户端向计算集群申请一个该客户端的回应，监听来自该队列的计算结果；S83，计算集群从请求中得到最开始的计算请求，并将该计算请求分配给集群中所有计算节点；S84，对集群所有的计算节点执行计算请求，并将每个节点的计算结果通过回应消息队列返回给客户端，对于在生物特征样本集中找到匹配的用户的节点，则将计算结果返回给客户端，否则则结束计算，不反悔结果。
根据所述的基于分布式计算的生物特征快速识别***，其特征在于：所述的生物特征样本库可以是传统的文件***，CSV文件格式、结构化数据库及非结构化数据库。
根据上述任意所述的基于分布式计算的生物特征快速识别***，其特征在于，所述生物特征包括但不限于：人脸、指纹、虹膜。
本发明的有益效果为：能够将海量的生物特征数据样本库拆分成小的生物特征样本集，由分布式集群的生物特征识别服务节点对生物特征样本集中的样本进行并行检索，从而大大缩短生物特征识别的响应时间，将大大推进基于生物特征的身份鉴别技术在各个领域(包括交易、支付、安全等)的应用。
附图说明
图1所示为根据本发明实施方式的总体结构图；
图2所示为根据本发明实施方式的总体技术架构图；
图3所示为根据本发明实施方式的送注册请求的流程图；
图4所示为根据本发明实施方式的送识别请求的流程图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。本发明的游戏图形需求和设计的***和方法适用于游戏动画图像的开发。
图1所示为根据本发明实施方式的总体结构图。如图所示本发明的***包括客户端、集群管理***、消息队列、识别服务端、注册服务端及生物特征样本库，其特征在于：客户端，用于通过消息队列发送生物特征的注册和识别请求；消息队列，用于创建消息队列，向消息队列发布及监听消息，其中消息队列包括集群消息队列、服务端消息队列及客户端消息队列；集群管理***，用于对节点列表进行维护及调度；注册服务端，用于接收并处理生物特征注册服务的节点，通过监听服务端消息队列，接收来自客户端的注册请求，以及通过消息队列向客户端发送注册结果；识别服务端，用于接收生物特征识别请求的节点，通过监听服务端消息队列，接收来自客户端的生物识别请求，以及通过消息队列向客户端发送识别结果；生物特征样本库，用于存储多种格式的生物特征样本。
图2所示为根据本发明实施方式的总体技术架构图。总体技术架构如上图所示，其中：
(101)客户端，包含以下主要功能：
(a)向生物特征注册集群消息队列发送人脸注册请求；
(b)向生物特征识别集群消息队列发送人脸识别请求。
(102)消息队列，包含以下主要功能：
(a)创建消息队列；
(b)向消息队列发布消息；
(c)监听消息。
消息队列主要维护以下三类消息队列：
(a)集群消息队列：每个集群有一个唯一的消息队列，通过唯一的集群名称来标识，客户端向集群消息队列发送计算请求，然后由集群管理***将计算请求发送到服务端消息队列；
(b)服务端消息队列：每个服务端(注册服务端/识别服务端)节点有一个唯一的消息队列，由服务端节点的唯一ID标识。
(1023)客户端消息队列：每个客户端都有一个唯一的消息队列，由客户端的唯一ID标识。
(103)集群管理，包含以下主要功能：
(a)维护集群的服务端节点列表；
(b)维护集群的客户端节点列表；
(c)计算请求调度。
(104)注册服务端，包含以下主要功能：
(a)向集群管理***注册生物特征集群注册的服务端节点；
(b)通过监听服务端消息队列，接收来自客户端的注册请求；
(c)通过消息队列向客户端发送注册结果。
(105)识别服务端，包含以下功能：
(a)向集群管理***注册生物特征识别集群的服务端节点；
(b)通过监听服务端消息队列，接收来自客户端的生物识别请求；
(c)通过消息队列向客户端发送识别结果；
(d)生物特征样本库，生物特征样本库可以任意格式存储生物特征样本库，比如传统的文件***，CSV格式、结构化数据库、非结构化数据库等。
(107)生物特征样本集，生物特征样本集是生物特征样本库的一个子集，每个样本集包含了固定数量的生物样本。
图3所示为根据本发明实施方式的送注册请求的流程图。其实施流程如下所示：
1.通过集群管理***，连接到生物特征注册集群的消息队列；
2.判断连接是否成功？如果连接成功，则转到步骤3，否则转到21,若步骤21出错，结束整个流程
3.通过205向生物特征注册集群的消息队列发送注册请求，生物特征注册请求里包含了***唯一的用户ID，以及包含用户生物特征的原始图像数据，同时执行31和4；
31.监听客户端消息队列，从这个队列可以获得注册结果；
4.集群管理***接到生物特征注册请求后，对该请求进行调度，从而将该请求分配到集群中一个生物特征注册服务节点；
5.生物特征注册服务节点接到注册请求后，对包含用户生物特征的原始数据进行生物特征识别，并将识别到的生物特征和该用户的ID进行关联，放到生物特征样本库里。
6.生物特征注册服务节点处理完注册请求后，将注册请求的处理结果发送到客户端的消息队列里。
图4所示为根据本发明实施方式的送识别请求的流程图。
1.通过集群管理***，连接到生物特征注册集群的消息队列；
2.判断连接是否成功？如果连接成功，则转到步骤3，否则转到21，若21出错，结束整个流程；通过205向生物特征识别集群消息队列发送识别请求，生物识别请求里包含了用户生物特征的原始数据，同时执行31和4；
31.监听客户端消息队列，从这个队列可以获得识别结果；
4.集群管理***接到生物特别识别请求后，对该请求进行调度，从而将该请求向生物特征识别集群中所有生物特征识别服务节点进行广播；
生物特征识别服务节点接到识别请求后，对包含用户生物特征的原始数据进行生物特征识别，并和服务节点所负责的生物特征样本集中的样本进行比较。
5.如果某个生物特征识别服务节点从样本集中找到了和原始生物特征相匹配的样本，则将该样本所对应的用户标识发到客户端的消息队列里去。
以上所述，只是本发明的较佳实施例而已，本发明并不局限于上述实施方式，只要其以相同的手段达到本发明的技术效果，都应属于本发明的保护范围。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。

Claims (10)

1.一种基于分布式计算的生物特征快速识别***，包括客户端、集群管理***、消息队列、识别服务端、注册服务端及生物特征样本库，其特征在于：
客户端，用于通过消息队列发送生物特征的注册和识别请求；
消息队列，用于创建消息队列，向消息队列发布及监听消息，其中消息队列包括集群消息队列、服务端消息队列及客户端消息队列；
集群管理***，用于对服务端节点列表进行维护及调度，其中服务端包括识别服务端和注册服务端；
注册服务端，用于接收生物特征注册服务的节点，通过监听服务端消息队列，接收来自客户端的生物特征注册请求，以及通过消息队列向客户端发送生物特征注册结果；
识别服务端，用于接收生物特征识别服务的端节点，通过监听服务端消息队列，接收来自客户端的生物识别请求，以及通过消息队列向客户端发送识别结果；
生物特征样本库，用于存储多种格式的生物特征样本。
2.根据权利要求1所述的基于分布式计算的生物特征快速识别***，其特征在于，所述的客户端包括：
注册请求模块，向生物特征注册集群消息队列发送生物特征注册请求；
识别请求模块，向生物特征识别集群消息队列发送生物特征识别请求。
3.根据权利要求2所述的基于分布式计算的生物特征快速识别***，其特征在于，所述注册模块用于执行以下步骤：
S31，通过集群管理***，连接到生物特征注册集群的消息队列；
S32，基于S31向生物特征注册集群的消息队列发送注册请求，其中生物特征注册请求包括，***唯一的用户标识码，以及包含用户生物特征的原始图像数据，其中每个用户标识对应的多个生物特征；
S33，所述集群管理***接到生物特征注册请求后，对请求进行调度，进一步将对应请求分配到集群中一个生物特征注册服务节点；
S34，生物特征注册服务节点接到注册请求后，对用户生物特征的原始数据进行生物特征识别，并将识别到的生物特征和对应的客户端标识符进行关联，进而将生物特征存储至生物特征样本库中；
S35，将注册请求的处理结果发送至只客户端消息队列。
4.根据权利要求2所述的基于分布式计算的生物特征快速识别***，其特征在于，所述识别模块的用于执行以下步骤：
S41，通过集群管理***连接到生物特征注册集群的消息队列；
S42，基于步骤S41向生物特征识别集群消息队列发送识别请求，生物特征识别请求里包含了用户生物特征的原始图像数据；
S43，所述集群管理***接到生物特别识别请求后，对请求进行调度，从而将该请求向生物特征识别集群中所有生物特征识别服务节点进行广播；
S44，生物特征识别服务节点接到识别请求后，对包含用户生物特征的原始数据进行生物特征识别，并与服务节点所相应的生物特征样本集中的样本进行比较；
S35，通过S44找到匹配的样本后，将样本所对应的用户唯一标识发送至客户端消息队列。
5.根据权利要求1基于分布式计算的生物特征快速识别***，其特征在于，所述的集群管理***包括：
分布式管理模块，用于对请求和回应队列进行动态维护，实时维护集群内处于服务状态的计算节点列表；
分布式计算模块：用于当客户端向集群发起计算请求时，集群通过串行式计算和并行式将该计算请求分配到集群内的计算节点。
6.根据权利要求5所述的基于分布式计算的生物特征快速识别***，其特征在于，所述分布式管理模块的用于执行以下步骤：
S61，计算节点声明自己的集群名称，并向***注册自身；
S62，***在收到注册请求后，会到集群列表中查询，是否已经存在相同名称的集群，如果没有，则会为该集群建立一个请求队列，并将该集群加入集群列表，否则自动将该计算节点加入集群的请求队列；
S63，当计算节点掉线时，以及者主动离开时，***会主动将该计算节点从对应的集群删除。
7.根据权利要求5所述的基于分布式计算的生物特征快速识别***，其特征在于，所述分布式计算模块的串行式计算用于执行以下步骤：
S71，客户端向集群的请求队列中发送计算请求；
S72，客户端向计算集群申请一个该客户端的回应队列，监听来自该队列的计算结果；
S73，计算集群从请求队列中得到等待时间最长的计算请求，通过轮询算法找出计算节点，将计算请求分配给该计算节点；
S74，选中的计算节点执行计算请求，并将计算结果通过回应消息队列返回给客户端。
8.根据权利要求5所述的基于分布式计算的生物特征快速识别***，其特征在于，所述分布式计算模块的并行式计算用于执行以下步骤：
S81，客户端向集群的请求队列中发送计算请求；
S82，客户端向计算集群申请一个该客户端的回应，监听来自该队列的计算结果；
S83，计算集群从请求中得到最开始的计算请求，并将该计算请求分配给集群中所有计算节点；
S84，对集群所有的计算节点执行计算请求，并将每个节点的计算结果通过回应消息队列返回给客户端，对于在生物特征样本集中找到匹配的用户的节点，则将计算结果返回给客户端，否则则结束计算，不反悔结果。
9.根据权利要求5所述的基于分布式计算的生物特征快速识别***，其特征在于：
所述的生物特征样本库可以是传统的文件***，CSV文件格式、结构化数据库及非结构化数据库。
10.根据权利要求1-9任意所述的基于分布式计算的生物特征快速识别***，其特征在于，所述生物特征包括但不限于：
人脸、指纹、虹膜。
CN201811172035.8A 2018-10-09 2018-10-09 一种基于分布式计算的生物特征快速识别*** Pending CN109558789A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811172035.8A CN109558789A (zh) 2018-10-09 2018-10-09 一种基于分布式计算的生物特征快速识别***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811172035.8A CN109558789A (zh) 2018-10-09 2018-10-09 一种基于分布式计算的生物特征快速识别***

Publications (1)

Publication Number Publication Date
CN109558789A true CN109558789A (zh) 2019-04-02

Family

ID=65864791

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811172035.8A Pending CN109558789A (zh) 2018-10-09 2018-10-09 一种基于分布式计算的生物特征快速识别***

Country Status (1)

Country Link
CN (1) CN109558789A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111130999A (zh) * 2019-12-23 2020-05-08 飞天诚信科技股份有限公司 一种适用于分布式消息传输的方法及总线适配器
CN113792649A (zh) * 2021-09-13 2021-12-14 广州广电运通金融电子股份有限公司 一种基于指静脉生物识别技术的快速认证方法、设备及介质

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101483524A (zh) * 2009-02-25 2009-07-15 李苏 网络分布式指纹识别***及其实现方法
CN103118341A (zh) * 2013-01-04 2013-05-22 深圳市中兴移动通信有限公司 一种移动终端的分布式网络日程的实现方法及移动终端
CN103188245A (zh) * 2011-12-31 2013-07-03 上海火瀑云计算机终端科技有限公司 一种对战类游戏服务端***
CN103379021A (zh) * 2012-04-24 2013-10-30 中兴通讯股份有限公司 实现分布式消息队列的方法及***
CN103455633A (zh) * 2013-09-24 2013-12-18 浪潮齐鲁软件产业有限公司 一种海量网络***明细数据分布式分析方法
CN103744734A (zh) * 2013-12-24 2014-04-23 中国科学院深圳先进技术研究院 一种任务作业处理方法、装置及***
CN104036557A (zh) * 2013-03-06 2014-09-10 中国科学技术大学苏州研究院 基于b/s架构的分布式人脸识别考勤***及其考勤方法
US20140330656A1 (en) * 2011-07-18 2014-11-06 Andrew H B Zhou Mobile and wearable device payments via free cross-platform messaging service, free voice over internet protocol communication, free over-the-top content communication, and universal digital mobile and wearable device currency faces
CN105046303A (zh) * 2015-08-03 2015-11-11 深圳市科锐奇科技有限公司 一种基于分布式数据交互的生物识别方法及***
CN105610987A (zh) * 2016-03-18 2016-05-25 车智互联（北京）科技有限公司 管理服务器集群的方法、应用及***
CN106373288A (zh) * 2016-11-03 2017-02-01 深圳市亚略特生物识别科技有限公司 ***理自助终端
CN106484530A (zh) * 2016-09-05 2017-03-08 努比亚技术有限公司 一种分布式任务调度运维监控***及方法
CN107666399A (zh) * 2016-07-28 2018-02-06 北京京东尚科信息技术有限公司 一种监控数据的方法和装置
CN107770271A (zh) * 2017-10-20 2018-03-06 南方电网科学研究院有限责任公司 集群机器人云控制方法、装置和***
CN108536532A (zh) * 2018-04-23 2018-09-14 中国农业银行股份有限公司 一种批量任务处理方法及***

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101483524A (zh) * 2009-02-25 2009-07-15 李苏 网络分布式指纹识别***及其实现方法
US20140330656A1 (en) * 2011-07-18 2014-11-06 Andrew H B Zhou Mobile and wearable device payments via free cross-platform messaging service, free voice over internet protocol communication, free over-the-top content communication, and universal digital mobile and wearable device currency faces
US20140349692A1 (en) * 2011-07-18 2014-11-27 Andrew H B Zhou Systems and methods for messaging, calling, digital multimedia capture and payment transactions
CN103188245A (zh) * 2011-12-31 2013-07-03 上海火瀑云计算机终端科技有限公司 一种对战类游戏服务端***
CN103379021A (zh) * 2012-04-24 2013-10-30 中兴通讯股份有限公司 实现分布式消息队列的方法及***
CN103118341A (zh) * 2013-01-04 2013-05-22 深圳市中兴移动通信有限公司 一种移动终端的分布式网络日程的实现方法及移动终端
CN104036557A (zh) * 2013-03-06 2014-09-10 中国科学技术大学苏州研究院 基于b/s架构的分布式人脸识别考勤***及其考勤方法
CN103455633A (zh) * 2013-09-24 2013-12-18 浪潮齐鲁软件产业有限公司 一种海量网络***明细数据分布式分析方法
CN103744734A (zh) * 2013-12-24 2014-04-23 中国科学院深圳先进技术研究院 一种任务作业处理方法、装置及***
CN105046303A (zh) * 2015-08-03 2015-11-11 深圳市科锐奇科技有限公司 一种基于分布式数据交互的生物识别方法及***
CN105610987A (zh) * 2016-03-18 2016-05-25 车智互联（北京）科技有限公司 管理服务器集群的方法、应用及***
CN107666399A (zh) * 2016-07-28 2018-02-06 北京京东尚科信息技术有限公司 一种监控数据的方法和装置
CN106484530A (zh) * 2016-09-05 2017-03-08 努比亚技术有限公司 一种分布式任务调度运维监控***及方法
CN106373288A (zh) * 2016-11-03 2017-02-01 深圳市亚略特生物识别科技有限公司 ***理自助终端
CN107770271A (zh) * 2017-10-20 2018-03-06 南方电网科学研究院有限责任公司 集群机器人云控制方法、装置和***
CN108536532A (zh) * 2018-04-23 2018-09-14 中国农业银行股份有限公司 一种批量任务处理方法及***

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
BENFANO SOEWITO 等: "Smartphone for next generation attendance system and human resources payroll system", 《2017 4TH INTERNATIONAL CONFERENCE ON ELECTRICAL ENGINEERING, COMPUTER SCIENCE AND INFORMATICS (EECSI)》 *
王雅哲 等: "智能云电视公共安全服务平台建设", 《中国科学:信息科学》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111130999A (zh) * 2019-12-23 2020-05-08 飞天诚信科技股份有限公司 一种适用于分布式消息传输的方法及总线适配器
CN111130999B (zh) * 2019-12-23 2021-08-31 飞天诚信科技股份有限公司 一种适用于分布式消息传输的方法及总线适配器
CN113792649A (zh) * 2021-09-13 2021-12-14 广州广电运通金融电子股份有限公司 一种基于指静脉生物识别技术的快速认证方法、设备及介质

Similar Documents

Publication Publication Date Title
CN107301229B (zh) 基于语义分析的反馈指派方法及***
US20210097089A1 (en) Knowledge graph building method, electronic apparatus and non-transitory computer readable storage medium
US10282366B2 (en) Multi-dimensional decomposition computing method and system
CN105095223B (zh) 文本分类方法及服务器
CN106407208B (zh) 一种城市管理本体知识库的构建方法及***
CN106685916A (zh) 电子会议智能
CN110287268A (zh) 一种基于区块链的数字资产处理方法和***
CN109584094B (zh) 一种人际路径快速定位***、方法及介质
CN110659134A (zh) 一种应用于人工智能平台的数据处理方法及装置
CN112732949B (zh) 一种业务数据的标注方法、装置、计算机设备和存储介质
WO2022160442A1 (zh) 答案生成方法、装置、电子设备及可读存储介质
CN111191039A (zh) 知识图谱创建方法、装置和计算机可读存储介质
CN113239249A (zh) 一种对象关联识别方法、装置和存储介质
Wang et al. Time-variant graph classification
CN113127633A (zh) 智能会议管理方法、装置、计算机设备及存储介质
CN109558789A (zh) 一种基于分布式计算的生物特征快速识别***
CN109561100A (zh) 基于分布式与人工智能的双工赋能网络攻防的方法及***
CN114124968A (zh) 基于行情数据的负载均衡方法、装置、设备及介质
Sha et al. Matching user accounts across social networks based on users message
CN108564155A (zh) 智能卡定制方法、装置及服务器
CN115131052A (zh) 一种数据处理方法、计算机设备和存储介质
CN110909072B (zh) 一种数据表建立方法、装置及设备
CN115146653B (zh) 对话剧本构建方法、装置、设备及存储介质
CN112286662B (zh) 基于共享资源的任务推送方法、装置、设备及存储介质
CN115168609A (zh) 一种文本匹配方法、装置、计算机设备和存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
AD01 Patent right deemed abandoned
AD01 Patent right deemed abandoned

Effective date of abandoning: 20220614