隨着用戶量的增加，以及更復雜的場景需求，公司原來的後臺人臉服務已經無法滿足要求，受限於人數，這個任務自然落到的我身上，首先是人臉服務的源碼進行解讀，結合前臺刷臉驗證，大致流程如下，這裏介紹一下，人臉底層基於CPU處理的 V1.5版本的免費的虹軟人臉識別技術，當有新生錄入，或者原來的師生照片需要更換時，其人臉特徵會對應的進行更換，爲了達到實時性的目的，這裏源碼採用了每5分鐘查詢一次的人員數據庫特徵表的線程任務，作爲比對的人臉庫。
可以看到，這裏確實存在有部分優化的空間
①沒必要每5分鐘查詢特徵庫，耗時，耗內存，畢竟每個人臉特徵都很長
②沒必要全部特徵一起遍歷，可以拆分成教師，學生，家長三塊
③沒必要頻繁從數據庫讀取人臉特徵，畢竟都IO數據，相對會耗時，次數越少越好
④ V1.5人臉版本老舊，效率和準確率有待提高
針對，這裏源碼提出的三部分優化方向，大致構造了優化後的邏輯草圖，在結合虹軟人臉識別服務的新版本 ，當時是V2.2，後來出了V3.0，疫情之後還出了一個效率還可行的口罩版本（收費），當然這些升級都是基於人臉引擎的參數優化，對識別效率和準確率都有一定的提升