数据处理方法及装置与流程

1.本说明书实施例涉及计算机技术领域，特别涉及一种数据处理方法。


背景技术：

2.随着物联网技术的快速发展，物联网设备的种类也越来越丰富，而针对不用种类的物联网设备，需要为其配置不同类型的数据处理逻辑，从而对物联网设备产生的数据进行处理；例如，在物联网设备为摄像头的情况下，需要为摄像头配置对应的图像处理算法，在物联网设备为麦克风的情况下，需要为麦克风配置对应的语音处理算法等等。
3.由于不同终端上部署的物联网设备的种类不同，因此现有技术是将多种类型的数据处理逻辑打包为逻辑包，并发布至不同的终端上；之后从多种类型的数据处理逻辑中，选择与终端上部署的物联网设备所对应的数据处理逻辑，对该物联网设备产生的数据进行处理。
4.但是，现有技术中打包后所获得的逻辑包较大，许多终端无法与较大的逻辑包相兼容，因此，亟需提供一种能够在终端上为物联网设备部署对应的数据处理逻辑，且数据处理逻辑与该终端相兼容的方法。


技术实现要素：

5.有鉴于此，本说明书实施例提供了一种数据处理方法。本说明书一个或者多个实施例同时涉及一种数据处理装置，一种计算设备，一种计算机可读存储介质，一种计算机程序，以解决现有技术中存在的技术缺陷。
6.根据本说明书实施例的第一方面，提供了一种数据处理方法，应用于终端，包括：
7.基于物联网设备的设备参数，为所述物联网设备确定待获取的数据处理对象，其中，所述物联网设备与所述终端关联；
8.基于所述待获取的数据处理对象的对象信息，从对象管理端获取所述数据处理对象；
9.基于所述数据处理对象，对所述物联网设备产生的待处理数据进行处理。
10.根据本说明书实施例的第二方面，提供了一种数据处理装置，应用于终端，包括：
11.确定模块，被配置为基于物联网设备的设备参数，为所述物联网设备确定待获取的数据处理对象，其中，所述物联网设备与所述终端关联；
12.获取模块，被配置为基于所述待获取的数据处理对象的对象信息，从对象管理端获取所述数据处理对象；
13.处理模块，被配置为基于所述数据处理对象，对所述物联网设备产生的待处理数据进行处理。
14.根据本说明书实施例的第三方面，提供了一种计算设备，包括：
15.存储器和处理器；
16.所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行
指令，该计算机可执行指令被处理器执行时实现上述数据处理方法的步骤。
17.根据本说明书实施例的第四方面，提供了一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现所述数据处理方法的步骤。
18.根据本说明书实施例的第五方面，提供了一种计算机程序，其中，当所述计算机程序在计算机中执行时，令计算机执行权利要求所述数据处理方法的步骤。
19.本说明书一个实施例提供的数据处理方法，应用于终端，包括：基于物联网设备的设备参数，为所述物联网设备确定待获取的数据处理对象，其中，所述物联网设备与所述终端关联；基于所述待获取的数据处理对象的对象信息，从对象管理端获取所述数据处理对象；基于所述数据处理对象，对所述物联网设备产生的待处理数据进行处理。
20.具体的，该方法基于具体物联网设备的设备参数，为该物联网设备准确的确定待获取的数据处理对象，并从对象管理端获取该数据处理对象，之后利用该数据处理对象对物联网设备产生的待处理数据进行处理。从而避免了将所有数据处理对象打包发送至终端，导致终端与较大的数据处理对象包不兼容的问题，实现了在终端上为物联网设备部署对应的数据处理对象，且数据处理对象与该终端相兼容。
附图说明
21.图1是本说明书一个实施例提供的一种数据处理方法的应用示意图；
22.图2是本说明书一个实施例提供的一种数据处理方法的流程图；
23.图3是本说明书一个实施例提供的一种数据处理方法的处理过程流程图；
24.图4是本说明书一个实施例提供的一种数据处理装置的结构示意图；
25.图5是本说明书一个实施例提供的一种计算设备的结构框图。
具体实施方式
26.在下面的描述中阐述了很多具体细节以便于充分理解本说明书。但是本说明书能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本说明书内涵的情况下做类似推广，因此本说明书不受下面公开的具体实施的限制。
27.在本说明书一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本说明书一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
28.应当理解，尽管在本说明书一个或多个实施例中可能采用术语第一、第二等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书一个或多个实施例范围的情况下，第一也可以被称为第二，类似地，第二也可以被称为第一。取决于语境，如在此所使用的词语“如果”可以被解释成为“在
……
时”或“当
……
时”或“响应于确定”。
29.首先，对本说明书一个或多个实施例涉及的名词术语进行解释。
30.npu：嵌入式神经网络处理器，该npu采用“数据驱动并行计算”的架构，特别擅长处理视频、图像类的海量多媒体数据和深度学习模型。
31.3d：三维是指在平面二维系中又加入了一个方向向量构成的空间系。在本说明书实施例中，该3d指的是3d摄像头采集的、且具有深度的图像；需要说明的是，该图像可以为任意类型的图像，例如，该3d可以3d摄像头采集的面部的深度图像。
32.ir(infrared radiation)：是红外线的简称，在本说明书实施例中，该ir是指近红外图像，也即是通过ir摄像头采集的图像；需要说明的是，该图像可以为任意类型的图像，在实际应用中，该近红外图像可以为近红外面部图像。
33.模态：指的是多模态摄像头，采集的rgb/ir/3d不同的图像；需要说明的是，该图像可以为任意类型的图像，在实际应用中，该图像可以为面部图像。
34.大小核：大核/性能核(p-core)以及小核/能效核(e-core)混搭配置的方案。
35.gpu(graphics processing uni)：图形处理器。
36.2d摄像头：能够采集2d图像的摄像头。
37.3d摄像头：能够采集2d图像的摄像头。
38.ir摄像头：红外摄像头，是指通过红外光技术录制的红外夜视摄像设备。
39.md5(md5 message-digest algorithm)：信息摘要算法，一种被广泛使用的密码散列函数。
40.随着物联网技术的快速发展，物联网设备的种类也越来越丰富，而针对不用种类的物联网设备，需要为其配置不同类型的数据处理逻辑，从而对物联网设备产生的数据进行处理；比如，以物联网设备为图像采集设备为例，随着iot(物联网)的发展，刷脸支付/核身所支持的图像采集设备的种类越来越丰富；
41.有2d和3d摄像头的，有2d ir摄像头的，有只支持2d摄像头的，还有同时支持2d ir 3d摄像头的。需要说明的是，该图像采集设备为终端上部署的、且能够采集图像的设备，比如摄像头；在实际应用中，一个终端上可以部署一种或多种类型的图像采集设备。
42.而不同的摄像头采集图像，对应了全链路不同的模态检测/识别算法，比如2d检测/关键点/质量/识别算法，ir检测/关键点/质量/识别算法，3d检测/关键点/质量/识别算法；另一方面不同的图像采集设备的算力差别大，有8核的，有4核的，有大核的，也有只有4个小核的低算力设备，有带gpu的，也有带npu高算力的，不同的算力对模型的大小和性能要求也不同。因此，在只有小核的硬件设备上，尽可能只用小模型，在大核或者npu高算力设备上，尽可能用大模型；从而在充分发挥算力的同时，追求更高性价比的图像识别性能。
43.由于不同类型的图像采集设备所需要的模型不同，因此，许多为图像采集设备提供模型的机构；会将所有类型的图像采集设备所对应的算法模型进行打包，并将算法模型包作为对外交付物，发送至部署该图像采集设备的终端上，从而满足部署了不同图像采集设备的终端的图像处理需求。
44.但是，针对由于终端(比如，android设备)对包大小的要求，无法与较大的算法模型包相兼容，因此，不能把所有的模型都放在一个包里，再根据场景来启动不同的模型。针对这个问题，本说明书提供的一种方案是，根据不同硬件和模型的差异，进行分渠道打包；也即是，为不同厂家或不同类型的终端，分别确定对应的模型，并将算法模型打包发给不同的厂家或终端。从而降低算法模型包的大小。
45.但是，该方案的确定在于，对于生态合作伙伴(不同厂家或终端)而言，交付物过于碎片化；使得生态合作伙伴在“理解场景”，“理解硬件”，“包选择”，“链路对接”等方面的配
置复杂度都显著提高。
46.基于此，在本说明书中，提供了一种数据处理方法，本说明书同时涉及一种数据处理装置，一种计算设备，一种计算机可读存储介质以及一种计算机程序，在下面的实施例中逐一进行详细说明。
47.图1示出了根据本说明书一个实施例提供的一种数据处理方法的应用示意图，参见图1，该图1中的终端能够基于该摄像头的设备参数，为该摄像头确定对应的待获取模型，并基于该待获取模型的模型标识，向云端模型池请求模型；而该云端模型池基于该终端的请求，下发模型至终端，使得终端能够获得对该摄像头采集的图像进行处理的图像处理模型；之后，该终端将该终端采集的图像输入图像处理模型中进行处理。
48.其中，需要说明的是，该摄像头可以理解为物联网设备；该待获取模型可以理解为待获取的数据处理对象；该图像处理模型可以理解为数据处理对象；该云端模型池可以理解为对象管理端；该模型标识可以理解为对象信息；该摄像头采集的图像可以理解为待处理数据。
49.本说明书实施例提供的数据处理方法，提供了一种自适应算力和模态的算法动态化加载方案，可以实现场景硬件感知，并自动化完成模型动态加载和配置，显著提升生态引入的效率，降低了模型配置的难度，使得终端能够快速的获取所需的模型，提高数据处理效率。
50.图2示出了根据本说明书一个实施例提供的一种数据处理方法的流程图，该方法应用于终端，具体包括以下步骤。
51.步骤202：基于物联网设备的设备参数，为所述物联网设备确定待获取的数据处理对象，其中，所述物联网设备与所述终端关联。
52.其中，该终端可以理解为用户终端，或者服务器。该物联网设备包括但不限于图像采集设备、音频采集设备、检测设备等等，本说明书对此不作具体限定。
53.图像采集设备可以理解为采集图像数据的设备，需要说明的是，本说明书实施例中的音频采集设备可以为任意类型的音频采集设备，本说明书中对此不作具体限制；例如，该音频采集设备可以为摄像头、扫描仪等；其中，该摄像头可以为任意类型的摄像头，比如，2d摄像头、3d摄像头、ir摄像头等。
54.该音频采集设备可以理解为采集音频数据的设备，需要说明的是，本说明书实施例中的音频采集设备可以为任意类型的音频采集设备，本说明书中对此不作具体限制；例如，该音频采集设备可以为麦克风、拾音器、录音笔等。其中，该麦克风可以为任意类型的麦克风，比如电容麦克风、动圈麦克风等。
55.该检测装置可以理解为传感器设备；需要说明的是，本说明书实施例中的传感器设备可以为任意类型的传感器设备，本说明书中对该传感器设备的类型不作具体限制，例如，该传感器设备可以为温度传感器、湿度传感器、压力传感器。
56.需要说明的是，在本说明书一实施例中，物联网设备与终端关联可以理解为该物联网设备部署在终端上，例如，该终端为手机，该物联网设备与部署在手机上的摄像头。或者，在本说明书另一实施例中，物联网设备与终端关联可以理解为该物联网设备与终端之间相互连接，且该物联网设备独立于终端之外存在，相连接的物联网设备与终端向之间能够进行数据传输；例如，该终端为电脑，该物联网设备为与该电脑相连接的摄像头，该摄像
头能够将采集的图像，传输至与其相连接的电脑。需要说明的是，物联网设备与终端之间的连接方法可以为有线连接，或无线连接。
57.设备参数可以理解为表征该物联网设备的设备情况的参数，包括但不限于该物联网设备的类型参数、算力参数、性能参数等等。其中，该类型参数可以理解为表征该物联网设备的类型的参数，例如，摄像头的型号、或摄像头的类型(比如2d摄像头类型、3d摄像头类型等)、麦克风的类型等。
58.其中，该算力参数可以理解为表征该物联网设备的计算能力的参数；包括但不限于物联网被配置的计算单元信息(比如，摄像头被配置为cpu/gpu/npu的数量、型号等信息)；终端为物联网设备分配的计算单元信息(比如，手机从自身的cpu/gpu/npu等计算资源中，给摄像头配置为cpu/gpu/npu的数量、型号等信息)。
59.其中，该性能参数可以理解为与该摄像头相匹配的数据处理对象所需要具有的性能参数。在实际应用中，不同的摄像头由于其自身的采集效率、所采集的图像等因素的不同；因此，为每个摄像头配置的数据处理对象的性能，也需要不同。比如，该数据处理对象为图像处理模型，基于此，在摄像头所采集的图像质量较高，且图像数量较多的情况下，需要为该摄像头配置一个能够快速对高质量图像进行处理的模型，从而与该摄像头相兼容，能够快速的对摄像头采集的质量较高，且数量较多的图像进行处理。
60.此外，在不同应用场景下，与该摄像头相匹配的模型也需要具有不同的性能参数，例如，在刷脸支付场景下，由于该场景对面部识别的准确性要求较高，因此，需要为该摄像头匹配一个面部图像识别准确性较高的模型。再例如，在门禁场景下，由于该场景对面部识别的准确性要求不高，但是对于面部识别的效率有较高的要求，因此，需要为该摄像头匹配一个面部图像效率较高的模型，从而快速的摄像头采集的用户的面部图像进行识别。
61.该数据处理对象可以理解为能够对物联网设备产生的待处理数据进行处理的对象，该数据处理对象包括但不限于算法模型、脚本、程序、驱动或设备等等能够对待处理数据进行处理的工具。也即是说，该数据处理对象可以为数据处理模型、数据处理程序、数据处理脚本、数据处理驱动，或者数据处理设备。
62.该待处理数据可以理解为该物联网设备所产生的数据；在物联网设备为不同的情况下，该待处理数据也不同；例如，在物联网设备为图像采集设备的情况下，该待处理数据为图像采集设备所采集的图像数据(如，面部图像、二维码图像等)；在物联网设备为音频采集设备的情况下，该待处理数据为音频采集设备所采集的音频数据；在物联网设备为温度传感器的情况下，该待处理数据为温度传感器所采集的当前环境的温度数据。也即是说，该待处理数据可以为待处理图像、待处理音频、待处理环境数据等。
63.此外，在本说明书提供的数据处理方法应用于面部识别场景的情况下，该物联网设备可以为图像采集设备；该待处理数据可以为图像采集设备所采集的面部图像；该数据处理对象可以为面部识别模型。基于该面部识别模型能够对图像采集设备所采集的面部图像进行面部识别；从而获得面部识别结果。
64.下面以在本说明书提供的数据处理方法在面部识别场景的应用为例，对为物联网设备确定待获取的数据处理对象做进一步说明。该物联网设备为摄像头、该数据处理对象为面部识别模型；基于此，本说明书提供的数据处理方法，能够基于该摄像头的摄像头类型参数、算力参数、性能参数，为该摄像头确定一个相匹配的面部识别模型。
65.在本说明书提供的实施例中，为了快速的确定设备参数，物联网设备提供了快速获取该设备参数的接口；以及为了快速确定待获取的数据处理对象，终端本地配置有对象配置单元，能够基于该对象配置单元，快速的为物联网设备确定待获取的数据处理对象，具体的，所述基于物联网设备的设备参数，为所述物联网设备确定待获取的数据处理对象，包括：
66.基于物联网设备相关联的参数获取接口，获得所述物联网设备的设备参数；
67.基于所述设备参数，利用对象配置单元为所述物联网设备匹配待获取的数据处理对象。
68.其中，该参数获取接口可以理解为能够获取该设备参数的接口。需要说明的是，物联网设备具有多种类型的设备参数时，该参数获取接口也具有多个，例如，该参数获取接口包括系统接口、摄像头接口；通过该系统接口能够获取根据不同场景预先为摄像头配置的性能参数；通过该摄像头接口能够获取摄像头的算力参数、摄像头类型参数等。
69.该对象配置单元可以理解为能够基于该设备参数为该物联网设备确定待获取的数据处理对象的程序或脚本；也即是说，该对象配置单元可以为对象配置程序、对象配置脚本。
70.具体的，本说明书提供的数据处理方法，能够通过物联网设备相关联的参数获取接口，获得该物联网设备的设备参数，并基于该设备参数，利用对象配置单元为物联网设备匹配待获取的数据处理对象。
71.在本说明书提供的一实施例中，考虑到上述由于将所有类型的图像采集设备所对应的算法模型进行打包，所导致的终端无法与较大的算法模型包相兼容的问题，以及根据不同硬件和模型的差异分渠道打包，所导致的交付物过于碎片化、配置复杂度较高等问题，本说明书提供的数据处理方法，能够为所有终端提供统一的程序包(即交付物)，通过该统一交付物，做到场景硬件感知，自动化完成动态加载和配置，显著提升生态引入的效率。其中，该交付的程序包中可以不包含算法文件(算法模型)，只包含支持动态化配置的文件；并且，该程序包大小统一且小。其中，该支持动态化配置的文件，可以理解为该程序包中能够实现根据场景硬件(物联网设备)的不同，自动化完成模型动态加载和配置的模块。也即是，动态化配置模块。具体地，在本说明书提供的实施例中，所述基于物联网设备相关联的参数获取接口，获得所述物联网设备的设备参数，包括：
72.通过运行在所述终端上的对象管理模块，确定与所述物联网设备相关联的参数获取接口，并通过所述参数获取接口，获得所述物联网设备的设备参数。
73.其中，该对象管理模块可以理解为能够根据该物联网设备的设备参数，为该物联网设备确定待获取的数据处理对象，且能够从对象管理端获取该数据处理对象的模块；例如，上述程序包。
74.也即是说，本说明书提供的数据处理方法，可以利用该对象管理模块，基于物联网设备的设备参数为该物联网设备确定待获取的数据处理对象，并且，利用该对象管理模块，基于待获取的数据处理对象的对象信息从对象管理端获取数据处理对象。
75.需要说明的是，该对象管理模块可以从对象管理端中将数据处理对象下载至终端。之后，该对象管理模块，基于该数据处理对象，对所述物联网设备产生的待处理数据进行处理。也即是说，本说明书提供的数据处理方法，可以应用于终端上运行的对象管理模
块。
76.具体的，通过运行在终端上的对象管理模块，确定与物联网设备相关联的参数获取接口，并通过参数获取接口获得物联网设备的设备参数。
77.进一步的，为了实现通过该统一程序包做到场景硬件感知，以及自动化完成模型动态加载和配置，该终端上需要获取并运行该程序包，具体的，所述基于物联网设备的设备参数，为所述物联网设备确定待获取的数据处理对象之前，还包括：
78.获取对象管理端为所述终端提供的对象管理模块，并运行所述对象管理模块。
79.其中，获取对象管理端为终端提供的对象管理模块，可以理解为终端接收对象管理端发送的对象管理模块；或者，终端向对象管理端请求该对象管理模块，具体的，终端向对象管理端发送模块获取请求，该对象管理端响应于该模块获取请求，从自身确定与该模块获取请求中携带的模块标识所对应的对象管理模块，并将该对象管理模块返回该终端。其中，该模块标识可以理解为唯一标识一个对象管理模块的信息，在对象管理模块为程序包的情况下，该模块标识可以理解为该程序包的名称。
80.其中，该对象管理端可以理解为对数据处理对象或对象管理模块进行下发管理的服务端，也即是说，该对象管理端可以为服务端，例如，该对象管理端可以为模型资源池。
81.具体的，该终端能够从对象管理端获取，该对象管理端为包含不同类型物联网设备的终端所提供的对象管理模块。之后，该终端在获取该对象管理模块之后，能够运行该对象管理模块。
82.沿用上例，该终端向模型资源池请求获取程序包，并在获得该模型资源池下发的程序包之后，在本地运行该程序包。
83.进一步的，在本说明书提供的实施例中，该终端本地具有一个模型配置库文件，该文件中存储有与所有类型的物联网设备相匹配的模型配置信息，因此，基于该物联网设备的设备信息，能够快速的从该模型配置库文件中，为该物联网设备匹配对应的模型。具体地，所述基于所述设备参数，从对象配置单元中为所述物联网设备匹配待获取的数据处理对象，包括：
84.从对象配置单元所包含的对象配置参数中，确定与所述设备参数相匹配的目标对象配置参数；
85.将所述目标对象配置参数对应的数据处理对象，确定为所述物联网设备所对应的待获取的数据处理对象。
86.其中，该对象配置单元还可以理解为存储有对象配置参数的单元，需要说明的是，该单元可以为一个文件，例如，模型配置库文件，该文件可以存储在终端的缓存、寄存器中；或者存储在终端从内存或本地磁盘中划分出的一块存储区域中。
87.需要说明的是，该对象配置单元可以属于对象管理模块，也即是说，在本说明书提供的实施例中，该对象管理模块中包含该对象配置单元。
88.该对象配置参数可以理解为表征不同类型的数据处理对象的配置的参数。也即是说，在数据处理对象为数据处理模型的情况下，该对象配置参数可以为模型配置参数，例如，该数据处理对象的性能参数、该数据处理对象所能够处理的数据类型等。其中，数据处理对象所能够处理的数据类型可以理解为，模型a能对2d摄像头所采集的2d图像进行处理；模型b能够对3d摄像头所采集的3d图像进行处理等等。
89.沿用上例，该物联网设备可以为3d摄像头，该数据处理对象为图像处理模型，该对象配置单元为模型配置库文件，基于此，终端或者运行在终端上的程序能够通过模型动态化配置的方式，基于该3d摄像头的设备信息，为3d摄像头动态化配置一个模型。具体的，终端或者运行在终端上的程序，能够基于该3d摄像头的设备信息，从模型配置库文件中为该3d摄像头匹配对应的目标对象配置参数，并将该目标对象配置参数对应的模型，确定为与该3d摄像头相匹配的模型。
90.为了便于对模型动态化配置做进一步解释，通过下述表1展示基于摄像头的设备信息，为该摄像头匹配模型的方式。该表1可以为一个模型配置文件。具体定义如下。
91.表1
[0092][0093][0094]
其中，表1中的“摄像头”行，用于表示一台终端上可以部署的摄像头类型；表1中的“算力类型、算力大小”行，用于表示一台终端上部署摄像头所具有的计算单元类型，以及计算单元数量；表1中的“性能参数”行，用于表示与该每个摄像头相匹配的模型的性能参数；表1中的“模型文件”行，用于表示与该每个摄像头相匹配的模型类型。需要说明的是，一个摄像头可以被匹配一个或多种模型；之后，通过一个或多个模型对该摄像头采集的图像进行识别。例如，表1中的“2d检测/识别模型组合1”，用于表示，为2d摄像头所匹配的模型包括2d检测模型和2d识别模型。
[0095]
步骤204：基于所述待获取的数据处理对象的对象信息，从对象管理端获取所述数据处理对象。
[0096]
其中，该对象信息可以理解为该待获取的数据处理对象的标识信息，在数据处理对象为数据处理模型的情况，该标识信息的模型标识信息，比如，模型的名称、模型的编号等。
[0097]
或者，该对象信息可以为待获取的数据处理对象的对象配置参数。
[0098]
后续，该对象管理端能够将与该标识信息对应的数据处理对象，发送至终端；或者，该对象管理模块能够将与对象配置参数为一致的数据处理对象，发送至终端。
[0099]
具体的，所述基于所述待获取的数据处理对象的对象信息，从对象管理端获取所述数据处理对象，包括：
[0100]
基于所述待获取的数据处理对象的对象信息，生成对象获取请求，并将所述对象获取请求发送至对象管理端；
[0101]
接收所述对象管理端响应于所述对象获取请求发送的、与所述对象信息对应的数据处理对象。
[0102]
沿用上例，该对象信息为模型标识信息。基于此，该终端或者终端上运行的程序，能够基于待获得的面部识别模型a的模型标识信息a1，生成一个模型获取请求，并该模型获取请求发送至该云端模型池；该云端模型池响应于接收到的模型获取请求，从自身存储的多个模型中，确定与该模型标识信息a1对应的面部识别模型a，并将该面部识别模型a发送至终端，使得终端获取到该面部识别模型a。
[0103]
步骤206：基于所述数据处理对象，对所述物联网设备产生的待处理数据进行处理。
[0104]
具体的，该终端能够基于该数据处理对象，对该物联网设备产生的待处理数据进行处理；获得处理结果。
[0105]
沿用上例，该终端或者终端上运行的程序，能够通过面部识别模型对该摄像头采集到的面部图像进行处理，获得面部识别结果。
[0106]
进一步的，在本说明书提供的实施例中，终端为了保证接收到的数据处理对象的准确性，避免使用错误的数据处理对象对待处理数据进行处理，因此，需要对接收到的数据处理对象进行校验。具体的，所述基于所述数据处理对象，对所述物联网设备产生的待处理数据进行处理，包括：
[0107]
基于所述数据处理对象的对象校验信息，对所述数据处理对象进行校验，其中，所述对象校验信息为所述对象管理端提供的信息；
[0108]
在确定校验通过的情况下，基于所述数据处理对象，对所述物联网设备产生的待处理数据进行处理。
[0109]
其中，该对象校验信息可以理解为对该数据处理对象的正确性进行校验的信息，例如，该数据处理对象的摘要信息。
[0110]
具体地，在从对象管理端获取该数据处理对象之后，能够确定对象管理端下发的、与该数据处理对象对应的对象校验信息。之后，基于该对象校验信息对该数据处理对象的正确性进行校验，并在校验通过的情况下，基于该数据处理对象对物联网设备所产生的待处理数据进行处理。
[0111]
在本说明书提供的一实施例中，为了保证数据处理对象的正确性，可以通过将数据处理对象的对象校验信息与本地保存的本地对象校验信息进行比对，在两者为一致的情况下，确定数据处理对象是正确的。具体的，所述基于所述数据处理对象的对象校验信息，对所述数据处理对象进行校验，包括：
[0112]
确定所述数据处理对象的对象校验信息，以及所述待获取的数据处理对象对应的本地对象校验信息；
[0113]
基于所述本地对象校验信息对所述对象校验信息进行正确性校验。
[0114]
其中，该本地对象校验信息可以理解为本地保存的、针对该数据处理对象进行校验的信息。例如，该本地对象校验信息为本地保存的摘要信息。在实际应用中，在为该物联网设备确定待获取的数据处理对象的过程中，会确定该待获取的数据处理对象所对应的摘要信息，并将摘要信息作为后续对获取到的数据处理对象进行正确性校验的信息。需要说明的是，该摘要信息可以通过任意一种摘要计算方式获取，本说明书对此不作具体限制。例如，通过md5摘要算法计算摘要。
[0115]
具体的，为了保证数据处理对象的正确性，终端或对象管理模型，需要确定该数据
处理对象的对象校验信息，以及该待获取的数据处理对象所对应的本地对象校验信息，并基于该本地对象校验信息与对象校验信息进行一致性匹配，在匹配结果为一致的情况下，确定该数据处理对象为正确。
[0116]
例如，该对象校验信息为摘要信息，基于此，在从云端模型池中获取该面部识别模型的同时，能够接收到云端资源池发送的、与面部识别模型对应的摘要信息；之后，从本地中确定待获取的面部识别模型所对应的本地摘要信息，然后，将两个摘要信息进行一致性比较，在比较结果为一致的情况下，确定云端资源池下发的面部识别模型是正确的模型。
[0117]
在本说明书提供的实施中，所述数据处理对象为至少两个；
[0118]
相应地，所述基于所述数据处理对象，对所述物联网设备产生的待处理数据进行处理，包括：
[0119]
接收数据处理请求，其中，所述数据处理请求中携带有所述物联网设备产生的待处理数据，以及所述待处理数据对应的数据类型；
[0120]
基于所述数据类型对应的对象处理策略，对至少两个数据处理对象进行编排，获得数据处理对象链路；
[0121]
基于所述数据处理对象链路，对所述待处理数据进行处理。
[0122]
其中，该数据处理链路可以理解为由多个数据处理对象构成的、用于对该待处理数据进行处理的链路。
[0123]
其中，该数据类型可以理解为该待处理数据所对应的应用场景，例如，该待处理图像是应用于面部支付场景、或门禁场景等等。不同的应用场景，需要不同的模型以不同的组合方式，对该待处理图像进行处理。
[0124]
对象处理策略可以理解为对该数据处理对象进行编排的策略，需要说明的是，该对象处理策略是预设限制的，且每种数据类型(也即是不同的场景)可以对应不同的对象处理策略。
[0125]
该数据处理请求可以理解为对该待处理数据进行处理的请求，例如，对面部图像进行识别处理的面部识别请求、或者，将待处理音频转换为文字的语音转换请求。
[0126]
例如，该对象处理策略为针对模型的预设编排策略，数据处理对象为面部检测模型、面部识别模型a、面部识别模型b。基于此，当接收到面部识别请求的情况下，能够获取该面部识别请求中携带的面部图像，以及该面部图像所应用的场景。
[0127]
在场景为面部支付场景的情况下，考虑到该场景对面部识别的准确度较高，因此，根据该场景对应的预设编排策略，将面部检测模型、面部识别模型a、面部识别模型b，编排为面部检测模型
→
面部识别模型a
→
面部识别模型b；该“面部检测模型
→
面部识别模型a
→
面部识别模型b”可以理解为一个算法链路。基于三个模型按照先后顺序对该面部图像进行处理，并且通过面部识别模型a、面部识别模型b保证了面部识别的准确性。
[0128]
在场景为门禁场景的情况下，考虑到该场景对面部识别的效率较高，因此，根据该场景对应的预设编排策略，从上述三个模型中，选择面部检测模型、面部识别模型a，并将其编排为面部检测模型
→
面部识别模型a；该“面部检测模型
→
面部识别模型a”可以理解为一个算法链路。基于这两个模型按照先后顺序对该面部图像进行处理，并且仅通过面部识别模型a对面部图像进行处理，提高了面部识别的效率。
[0129]
在本说明书提供的一实施例中，所述物联网设备为图像采集设备，所述数据处理
对象为图像处理模型；
[0130]
相应地，所述基于所述数据处理对象，对所述物联网设备产生的待处理数据进行处理，包括：
[0131]
基于所述图像处理模型，对所述图像采集设备采集的待处理图像进行处理。
[0132]
针对该实施例的解释，可以参见上述实施例中对应或相应的内容。
[0133]
在本说明书提供的实施例一中，所述图像采集设备为至少两种，至少两种图像采集设备分别对应不同的所述图像处理模型；
[0134]
相应地，所述基于所述数据处理对象，对所述物联网设备产生的待处理数据进行处理，包括：
[0135]
基于所述至少两种图像采集设备对应的图像处理模型，对所述至少两种图像采集设备所采集的待处理图像进行处理。
[0136]
针对该实施例的解释，可以参见上述实施例中对应或相应的内容。
[0137]
本说明书提供的数据处理方法，基于具体物联网设备的设备参数，为该物联网设备准确的确定待获取的数据处理对象，并从对象管理端获取该数据处理对象，之后利用该数据处理对象对物联网设备产生的待处理数据进行处理。从而避免了将所有数据处理对象打包发送至终端，导致终端与较大的数据处理对象包不兼容的问题，实现了在终端上为物联网设备部署对应的数据处理对象，且数据处理对象与该终端相兼容。
[0138]
下述结合附图3，以本说明书提供的数据处理方法在面部识别场景下的应用为例，对所述数据处理方法进行进一步说明。其中，图3示出了本说明书一个实施例提供的一种数据处理方法的处理过程流程图，具体包括以下步骤。
[0139]
步骤302：设备参数感知。
[0140]
具体的，图像处理程序中的动态化配置模块，具有设备感知能力，图像处理程序(即客户端)能够通过系统接口、摄像头接口，获取到摄像头设备的算力参数，和摄像头所支持的模态，也即是，摄像头参数。
[0141]
需要说明的是，该图像处理程序可以理解为上述对象管理模型。该图像处理程序运行在终端上，该图像处理程序的类型统一且小，能够提供给所有类型的终端，从而基于图像处理程序实现自动化完成模型配置和加载的工作。
[0142]
步骤304：匹配模型配置库文件。
[0143]
具体的，图像处理程序中的动态化配置模块，在获得设备参数之后，能够基于该摄像头参数、算力参数、结合场景的性能参数等设备参数，与模型配置库文件中所包含的模型配置参数进行匹配，从而为该摄像头，最大化匹配一个优秀模型组合。
[0144]
需要说明的是，该模型可以为面部识别模型。
[0145]
步骤306：模型配置文件生成。
[0146]
其中，模型配置文件可以参考上述表1。
[0147]
具体的，该图像处理程序中的动态化配置模块，在基于设备参数为摄像头匹配模型的过程中，会生成一个模型配置文件，该模型配置文件中记载有摄像头的设备参数，与摄像头相匹配的模型之间的对应关系。
[0148]
之后，动态化配置模块基于摄像头相匹配的模型的模型标识，生成模型获取请求，并将模型获取请求上传的云端模型池。
[0149]
步骤308：模型下发。
[0150]
具体的，云端模型池，响应于动态化配置模块发送的模型获取请求，从本地持有的模型中，确定与模型获取请求中携带的模型标识所对应的模型；并通过大数据通道将该模型下发至图像处理程序。
[0151]
步骤310：本地模型拉取。
[0152]
具体的，该图像处理程序，接收到云端模型池下发的模型。该本地模型可以理解为云端模型池下发至终端本地的模型。
[0153]
步骤312：模型正确性校验。
[0154]
具体的，该图像处理程序在获取模型之后，为了保证模型的正确性，会对模型进行正确性校验。具体的，该图像处理程序，确定云端资源池发送的、与接收到的模型所对应的摘要；之后将摘要与本地保存的本地摘要进行一致性比对；在两者为一致的情况下，确定模型是正确的模型。
[0155]
需要说明的是，该本地摘要是图像处理程序从模型配置库文件中，为摄像头所匹配的模型的摘要。
[0156]
步骤314：本地模型加载。
[0157]
具体的，在模型正确性校验通过的情况下，图像处理程序加载该本地模型。
[0158]
步骤316：构建算法链路。
[0159]
根据模型配置和摄像头输入，选取正确的模型构建算法链路并执行。
[0160]
具体的，图像处理程序在获取与摄像头相匹配的模型之后，能够接收到图像处理请求，该图像处理请求中携带有摄像头采集的用户面部图像，以及该面部图像对应的应用场景(比如门禁场景、刷脸支付场景等)。其中，与摄像头相匹配的模型可以为多个。
[0161]
之后，该图像处理程序，根据不同的场景，从多个脸部识别模型中选取对应的模型，并将该模型构建为模型算法链路。之后，将摄像头采集的脸部图像输入至模型算法链路中，获得面部识别结果。
[0162]
本说明书中的数据处理方法，提供了一种自适应算力和模态的算法动态化加载方案，可以有效统一交付物，算法做到场景硬件感知，自动化完成动态加载和配置，显著提升生态引入的效率。该方案在不同的硬件、设备上使用统一的交付包(即程序)和配置，并且，程序启动后根据硬件的差异联网下载不同的模型。
[0163]
与上述方法实施例相对应，本说明书还提供了数据处理装置实施例，图3示出了本说明书一个实施例提供的一种数据处理装置的结构示意图。如图3所示，该装置应用于终端，包括：
[0164]
确定模块402，被配置为基于物联网设备的设备参数，为所述物联网设备确定待获取的数据处理对象，其中，所述物联网设备与所述终端关联；
[0165]
获取模块404，被配置为基于所述待获取的数据处理对象的对象信息，从对象管理端获取所述数据处理对象；
[0166]
处理模块406，被配置为基于所述数据处理对象，对所述物联网设备产生的待处理数据进行处理。
[0167]
可选地，所述确定模块402，还被配置为：
[0168]
基于物联网设备相关联的参数获取接口，获得所述物联网设备的设备参数；
[0169]
基于所述设备参数，利用对象配置单元为所述物联网设备匹配待获取的数据处理对象。
[0170]
可选地，所述确定模块402，还被配置为：
[0171]
通过运行在所述终端上的对象管理模块，确定与所述物联网设备相关联的参数获取接口，并通过所述参数获取接口，获得所述物联网设备的设备参数。
[0172]
可选地，所述数据处理装置，还包括运行模块，被配置为：
[0173]
获取对象管理端为所述终端提供的对象管理模块，并运行所述对象管理模块。
[0174]
可选地，所述确定模块402，还被配置为：
[0175]
从对象配置单元所包含的对象配置参数中，确定与所述设备参数相匹配的目标对象配置参数；
[0176]
将所述目标对象配置参数对应的数据处理对象，确定为所述物联网设备所对应的待获取的数据处理对象。
[0177]
可选地，所述获取模块404，还被配置为：
[0178]
基于所述待获取的数据处理对象的对象信息，生成对象获取请求，并将所述对象获取请求发送至对象管理端；
[0179]
接收所述对象管理端响应于所述对象获取请求发送的、与所述对象信息对应的数据处理对象。
[0180]
可选地，所述处理模块406，还被配置为：
[0181]
基于所述数据处理对象的对象校验信息，对所述数据处理对象进行校验，其中，所述对象校验信息为所述对象管理端提供的信息；
[0182]
在确定校验通过的情况下，基于所述数据处理对象，对所述物联网设备产生的待处理数据进行处理。
[0183]
可选地，所述处理模块406，还被配置为：
[0184]
确定所述数据处理对象的对象校验信息，以及所述待获取的数据处理对象对应的本地对象校验信息；
[0185]
基于所述本地对象校验信息对所述对象校验信息进行正确性校验。
[0186]
可选地，所述数据处理对象为至少两个；
[0187]
相应地，可选地，所述处理模块406，还被配置为：
[0188]
接收数据处理请求，其中，所述数据处理请求中携带有所述物联网设备产生的待处理数据，以及所述待处理数据对应的数据类型；
[0189]
基于所述数据类型对应的对象处理策略，对至少两个数据处理对象进行编排，获得数据处理对象链路；
[0190]
基于所述数据处理对象链路，对所述待处理数据进行处理。
[0191]
可选地，所述物联网设备为图像采集设备，所述数据处理对象为图像处理模型；
[0192]
相应地，可选地，所述处理模块406，还被配置为：
[0193]
基于所述图像处理模型，对所述图像采集设备采集的待处理图像进行处理。
[0194]
可选地，所述图像采集设备为至少两种，至少两种图像采集设备分别对应不同的所述图像处理模型；
[0195]
相应地，可选地，所述处理模块406，还被配置为：
[0196]
基于所述至少两种图像采集设备对应的图像处理模型，对所述至少两种图像采集设备所采集的待处理图像进行处理。
[0197]
本说明书提供的数据处理装置，基于具体物联网设备的设备参数，为该物联网设备准确的确定待获取的数据处理对象，并从对象管理端获取该数据处理对象，之后利用该数据处理对象对物联网设备产生的待处理数据进行处理。从而避免了将所有数据处理对象打包发送至终端，导致终端与较大的数据处理对象包不兼容的问题，实现了在终端上为物联网设备部署对应的数据处理对象，且数据处理对象与该终端相兼容。
[0198]
上述为本实施例的一种数据处理装置的示意性方案。需要说明的是，该数据处理装置的技术方案与上述的数据处理方法的技术方案属于同一构思，数据处理装置的技术方案未详细描述的细节内容，均可以参见上述数据处理方法的技术方案的描述。
[0199]
图5示出了根据本说明书一个实施例提供的一种计算设备500的结构框图。该计算设备500的部件包括但不限于存储器510和处理器520。处理器520与存储器510通过总线530相连接，数据库550用于保存数据。
[0200]
计算设备500还包括接入设备540，接入设备540使得计算设备500能够经由一个或多个网络560通信。这些网络的示例包括公用交换电话网(pstn)、局域网(lan)、广域网(wan)、个域网(pan)或诸如因特网的通信网络的组合。接入设备540可以包括有线或无线的任何类型的网络接口(例如，网络接口卡(nic))中的一个或多个，诸如ieee802.11无线局域网(wlan)无线接口、全球微波互联接入(wi-max)接口、以太网接口、通用串行总线(usb)接口、蜂窝网络接口、蓝牙接口、近场通信(nfc)接口，等等。
[0201]
在本说明书的一个实施例中，计算设备500的上述部件以及图5中未示出的其他部件也可以彼此相连接，例如通过总线。应当理解，图5所示的计算设备结构框图仅仅是出于示例的目的，而不是对本说明书范围的限制。本领域技术人员可以根据需要，增添或替换其他部件。
[0202]
计算设备500可以是任何类型的静止或移动计算设备，包括移动计算机或移动计算设备(例如，平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如，智能手机)、可佩戴的计算设备(例如，智能手表、智能眼镜等)或其他类型的移动设备，或者诸如台式计算机或pc的静止计算设备。计算设备500还可以是移动式或静止式的服务器。
[0203]
其中，处理器520用于执行如下计算机可执行指令，该计算机可执行指令被处理器执行时实现上述数据处理方法的步骤。
[0204]
上述为本实施例的一种计算设备的示意性方案。需要说明的是，该计算设备的技术方案与上述的数据处理方法的技术方案属于同一构思，计算设备的技术方案未详细描述的细节内容，均可以参见上述数据处理方法的技术方案的描述。
[0205]
本说明书一实施例还提供一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现上述数据处理方法的步骤。
[0206]
上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是，该存储介质的技术方案与上述的数据处理方法的技术方案属于同一构思，存储介质的技术方案未详细描述的细节内容，均可以参见上述数据处理方法的技术方案的描述。
[0207]
本说明书一实施例还提供一种计算机程序，其中，当所述计算机程序在计算机中
执行时，令计算机执行上述数据处理方法的步骤。
[0208]
上述为本实施例的一种计算机程序的示意性方案。需要说明的是，该计算机程序的技术方案与上述的数据处理方法的技术方案属于同一构思，计算机程序的技术方案未详细描述的细节内容，均可以参见上述数据处理方法的技术方案的描述。
[0209]
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
[0210]
所述计算机指令包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
[0211]
需要说明的是，对于前述的各方法实施例，为了简便描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本说明书实施例并不受所描述的动作顺序的限制，因为依据本说明书实施例，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定都是本说明书实施例所必须的。
[0212]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。
[0213]
以上公开的本说明书优选实施例只是用于帮助阐述本说明书。可选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书实施例的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本说明书实施例的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本说明书。本说明书仅受权利要求书及其全部范围和等效物的限制。