CN114694008A - 一种远程人脸识别*** - Google Patents
一种远程人脸识别*** Download PDFInfo
- Publication number
- CN114694008A CN114694008A CN202111645008.XA CN202111645008A CN114694008A CN 114694008 A CN114694008 A CN 114694008A CN 202111645008 A CN202111645008 A CN 202111645008A CN 114694008 A CN114694008 A CN 114694008A
- Authority
- CN
- China
- Prior art keywords
- module
- face
- image
- data
- face recognition
- 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
Links
- 238000012545 processing Methods 0.000 claims abstract description 33
- 238000012549 training Methods 0.000 claims abstract description 10
- 230000001815 facial effect Effects 0.000 claims description 37
- 239000011159 matrix material Substances 0.000 claims description 26
- 238000004891 communication Methods 0.000 claims description 24
- 238000012544 monitoring process Methods 0.000 claims description 23
- 230000009467 reduction Effects 0.000 claims description 23
- 238000001514 detection method Methods 0.000 claims description 22
- 230000005540 biological transmission Effects 0.000 claims description 16
- 238000011156 evaluation Methods 0.000 claims description 16
- 238000000034 method Methods 0.000 claims description 16
- 238000005516 engineering process Methods 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 13
- 238000007781 pre-processing Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 4
- 230000001502 supplementing effect Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 3
- 238000009432 framing Methods 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 2
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 230000001131 transforming effect Effects 0.000 claims 1
- 238000011161 development Methods 0.000 abstract description 3
- 210000000887 face Anatomy 0.000 description 15
- 230000006872 improvement Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 4
- 239000000047 product Substances 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- QNRATNLHPGXHMA-XZHTYLCXSA-N (r)-(6-ethoxyquinolin-4-yl)-[(2s,4s,5r)-5-ethyl-1-azabicyclo[2.2.2]octan-2-yl]methanol;hydrochloride Chemical compound Cl.C([C@H]([C@H](C1)CC)C2)CN1[C@@H]2[C@H](O)C1=CC=NC2=CC=C(OCC)C=C21 QNRATNLHPGXHMA-XZHTYLCXSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及人脸识别技术领域，具体地说，涉及一种远程人脸识别***。包括基础建设单元、数据处理单元、人脸识别单元和应用管理单元；基础建设单元用于对支撑***运行的基础进行管控；数据处理单元用于获取包含人脸的图像并进行处理；人脸识别单元用于对人脸进行识别；应用管理单元用于根据不同的应用场景对***的功能服务进行管理。本发明设计可以实时远程的人脸识别；可以更准确地识别人员身份，并通过标签标识及反馈提醒手段，使相关工作人员可以有针对性地开展服务工作，提高商企客户的体感；可根据不同的应用场景设置不同参数及进行不同人脸特征的训练，有效扩大***的应用范围，可以促进智慧城市的发展，提高政务、商企的服务管理水平。
Description
技术领域
本发明涉及人脸识别技术领域，具体地说，涉及一种远程人脸识别***。
背景技术
人脸识别技术属于生物特征识别技术之一，特指利用分析比较的计算机技术，基于人的脸部特征，判断是否存在人脸并进一步给出每个脸的位置、大小和各个主要面部器官的位置信息，并依据这些信息提取每个人脸的身份特征，将其与已知的人脸进行对比以达到识别出每个人脸身份的目的。广义的人脸识别包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等一系列相关技术。目前，人脸识别技术一般主要应用于门禁管理、电子产品解锁、电子支付等，这些应用场景一般都需用户与识别终端距离很近，且一般需要用户主动进行，应用的限制很大。随着智慧城市的快速发展，智慧交通、智慧安防、智慧商企服务管理等领域也不断发展，若能够将人脸识别技术应用于这些领域，并从远程对相关人群的身份进行识别，则有望提高智慧城市的管理水平，使相关企业的工作人员可以有针对性地进行服务工作，减少大量无用功。然而，目前却没有可广泛应用的远程人脸识别***。
发明内容
本发明的目的在于提供了一种远程人脸识别***，以解决上述背景技术中提出的问题。
为实现上述技术问题的解决，本发明的目的之一在于，提供了一种远程人脸识别***，包括
基础建设单元、数据处理单元、人脸识别单元和应用管理单元；所述基础建设单元、所述数据处理单元、所述人脸识别单元与所述应用管理单元依次通过网络通信连接；所述基础建设单元用于对支撑***运行的设备、数据基础进行管控分配；所述数据处理单元用于从影像数据获取包含大量人脸的图像并对图像进行处理；所述人脸识别单元用于通过多种人脸识别技术对图像中的人脸进行识别以判断其身份；所述应用管理单元用于根据不同的应用场景对人脸识别***的功能服务进行管理；
所述基础建设单元包括设备管理模块、基础数库模块、参数预设模块和通讯支撑模块；
所述数据处理单元包括影像摄录模块、无损传输模块、图像管理模块和分布存储模块；
所述人脸识别单元包括识别模式模块、对比识别模块、评估排序模块和结果输出模块；
所述应用管理单元包括应用场景模块、标签展示模块、反馈提醒模块和补充更新模块。
作为本技术方案的进一步改进，所述设备管理模块、所述基础数库模块、所述参数预设模块依次通过网络通信连接；所述设备管理模块用于对构建成支持***运行的网络架构的各类设备进行连接控制及管理；所述基础数库模块用于通过数据管理器构建数据库以存储预先录入过的相关人员的人脸图像及相关信息；所述参数预设模块用于预先设定相关人员信息的标签信息及***运行过程中的相关限制参数；所述通讯支撑模块用于通过多种通信手段在***各设备、各层面之间搭建信号连接和数据传输的通道。
其中，基础设备包括计算机、处理器、显示器、监控摄像头等。
其中，基础数据库包含的数据来源于网上公开人员、知名人士、企业客户及企业工作人员进行登记过的等人员的人脸信息及相关***息。
其中，预设的参数包括固定人群的标签数据、一个监控摄像头内可同时识别的人脸数量、***可并行处理的数据量、一组人脸识别操作的时间限定等。
其中，通信手段包括有线网、局域网、工作专用网、无线网等。
作为本技术方案的进一步改进，所述影像摄录模块的信号输出端与所述无损传输模块的信号输入端连接，所述无损传输模块的信号输出端与所述图像管理模块的信号输入端连接，所述图像管理模块的信号输出端与所述分布存储模块的信号输入端连接；所述影像摄录模块用于通过监控摄像头实时拍摄其视野范围内的影像视频；所述无损传输模块用于将摄录的影像数据实时无损地传输到***的处理层；所述图像管理模块用于从视频影像中截取含有人脸的图像，并对图像进行处置管理以便进行人脸身份到的识别判断；所述分布存储模块用于将原始图像及处理过程中生成的各类图像数据分别进行存储管理。
作为本技术方案的进一步改进，所述图像管理模块包括图形预处理模块、PCA降维模块、特征提取模块、特征分类模块和级联检测模块；所述图形预处理模块的信号输出端与所述PCA降维模块的信号输入端连接，所述PCA降维模块的信号输出端与所述特征提取模块的信号输入端连接，所述特征提取模块的信号输出端与所述特征分类模块的信号输入端连接，所述特征分类模块的信号输出端与所述级联检测模块的信号输入端连接；所述图形预处理模块用于从视频影像中截取包含人脸的清晰图像，对图像进行裁切、缩放、图像增强、彩色二值化等处理操作；所述PCA降维模块用于通过线性变换将原始数据变换为一组各维度线性无关的表示以提取数据的主要特征分量以实现高维数据的降维；所述特征提取模块用于采集用户的人脸图像并提取图像中的面部特征点；所述特征分类模块用于将提取出的特征点置于线性SVM中作分类以训练处能分辨图像是否为人脸图像的SVM模型；所述级联检测模块用于通过级联检测分类器对图像进行面部检测和矫正操作。
作为本技术方案的进一步改进，所述PCA降维模块中，PCA降维算法的步骤如下：
输入：训练样本集$D＝{x{(1)}，x{(2)}，...，xΛ{(m)}}，低维空间维数d′$；
算法过程：
Step1、对所有样本进行中心化，即去均值操作：
Step2、计算样本的协方差矩阵XXT；
Step3、对协方差矩阵XXT做特征值分解；
Step4、取最大的d′个特征值所对应的特征向量w1，w2，...，wd′；
Step5、将原样本矩阵与投影矩阵相乘：X·W，即为降维后的数据集X′，其中 X为m×n维，W＝[w1，w2，...，wd′]为n×d′维；
输出：降维后的数据集X′。
其中，协方差矩阵的表达式如下：
(1)特征Xi与特征Xj的协方差为：
其中，
表示特征Xi，Xj的第k个样本中的取值，而
则是表示两个特征的样本均值；
可以看出，当Xi＝Xj时，协方差即为方差；
(2)对于一个只有两个特征的样本来说，其协方差矩阵为：
当特征数为n时，协方差矩阵为n×n维的矩阵，且对角线为各特征的方差值。
其中，特征向量与特征值的定义为：
对于矩阵A，若满足Aξ＝λζ，则称ζ是矩阵A的特征向量，而λ则是矩阵A 的特征值；将特征值按照从大到小的顺序进行排序，选择前k个特征值所对应的特征向量即为所求投影向量。
作为本技术方案的进一步改进，所述级联检测模块中，简单的级联检测分类器的表达式为：
式中，ci代表的是第i个弱分类器，X代表的是特征向量，F代表分类得分，每个ci会根据自己的分类方法对X输出一个分类结果。
作为本技术方案的进一步改进，所述识别模式模块的信号输出端与所述对比识别模块的信号输入端连接，所述对比识别模块的信号输出端与所述评估排序模块的信号输入端连接，所述评估排序模块的信号输出端与所述结果输出模块的信号输入端连接；所述识别模式模块用于调用不同的算法进行不同模式的人脸识别操作；所述对比识别模块用于将处理后的面部信息与用户数据库中的人脸图像进行比对；所述评估排序模块用于以百分比计算获取的图像和数据库的图像中两张人脸的相似度，并对多张都存在相似性的人脸数据按照相似度从高到低进行排序；所述结果输出模块用于对识别相似度达到百分百的人脸身份结果及其对应的相关信息进行输出。
作为本技术方案的进一步改进，所述识别模式模块包括面部特征模块、脸型眼型模块、面相识别模块和佩戴识别模块；所述面部特征模块、所述脸型眼型模块、所述面相识别模块与所述佩戴识别模块依次通过网络通信连接且并列运行；所述面部特征模块用于通过检测图像中人脸的眼、口、鼻轮廓等72各关键点的定位以便精准地通过面部特征判识人脸的身份；所述脸型眼型模块用于在检测出人脸后对人脸的眼型、眼距、脸型进行关键点定位分析，以得出脸型眼型的面部特征数据，从而可更精确地进行人脸识别的判断；所述面相识别模块用于对人脸进行标记分析，获取面部各关键特征点，准确识别多种面相特征，结合用户的心理需求以适用于营销互动活动的引流；所述佩戴识别模块用于基于大规模佩戴安全物品的数据识别训练，配合现场摄像头、结合人脸识别技术，自动识别现场人员的安全物品的佩戴情况，并将结果对应到人以实现精准高效率的监管。
其中，脸型眼型的类型包括圆脸、方脸、长脸、倒三角脸、菱形脸、上扬眼、下垂眼、圆眼等。
其中，佩戴识别的对象可以为安全帽(适用于大规模的施工场所)、口罩(适用于医疗机构、疫情环境下的大多数人群聚集的场合、车站等，还可适用于针对佩戴有口罩的人员身份识别)、安全带等。
作为本技术方案的进一步改进，所述评估排序模块中，对两张人脸的相似度进行评估时采用余弦相似度算法，其算法定义为：
其中：
式中，数据x和y均具有n个多元属性。
具体地，从几何角度看，余弦相似度就是两个向量之间的夹角；在获取余弦相似度的夹角后，将夹角的度数转换为百分比。
作为本技术方案的进一步改进，所述应用场景模块、所述标签展示模块、所述反馈提醒模块与所述补充更新模块依次通过网络通信连接；所述应用场景模块用于预设***的应用场景以供选择，并针对每个应用场景设定不同的运行参数，训练不同侧重特征的人脸数据；所述标签展示模块用于在监控视频中框出识别出的人员身份并将该人员所属的人群标签进行标记展示；所述反馈提醒模块用于在识别出特定人群的身份时以多种方式反馈到工作人员；所述补充更新模块用于将初次被***识别的新的人员的人脸数据及相关信息自动或通人工手动地补充更新到***的数据库中。
其中，应用场景的类型包括智慧安防、商企VIP客户管理、解锁门禁、金融政务服务、身份认证、公共场合卫生安全管理、大型工程场地管理、智慧城市服务、智慧交通管理等。
其中，人群标签包括VIP客户(适用于商企、地产商售楼部等)、知名人士/演员/明星/歌手(适用于公共场合的秩序管理)、信用黑名单(适用于金融机构、交通出行售票等)、惯偷扒手(适用于商业监控、公共交通、安防管理等)、未佩戴安全帽/口罩/安全带/头盔(适用于工地、疫情防控、智慧交通管理等)等。
其中，反馈提醒的方式包括弹窗、警示音、短信息等。
本发明的目的之二在于，提供了一种远程人脸识别***的运行方法，包括：
首先搭建包括处理器、数据库、监控摄像头等的网络架构及***平台，对各基础设备进行安装连接及试运行，选择***的应用场景，根据应用场景设定相关的限制参数，导入或录入基础数据，***运行时，通过监控摄像头实时摄录影像视频并传输到***处理层，处理器从视频中提取包含人脸的图像，对图像进行预处理、提取人脸特征，将人脸特征与数据库中已存的人脸数据进行比对，输出识别结果，在视频上对识别出的人脸身份或对应的人群标签进行标记展示，同时将识别结果反馈到相关管理人员。
本发明的目的之三在于，提供了一种远程人脸识别***的运行装置，包括处理器、存储器以及存储在存储器中并在处理器上运行的计算机程序，处理器用于执行计算机程序时实现上述任一的远程人脸识别***。
本发明的目的之四在于，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述任一的远程人脸识别***。
与现有技术相比，本发明的有益效果：
1.该远程人脸识别***通过设置可连接多个监控摄像头的***平台，载入多种人脸识别算法，可以实时对监控视频中的人脸信息进行对比识别，实现远程的人脸识别；
2.该远程人脸识别***通过多种模式的人脸识别模式，相较于传统的人脸识别技术，可以更准确地识别人员身份，并通过标签标识及反馈提醒手段，使相关工作人员可以有针对性地开展服务工作，减少无用功的浪费，也可提高商企客户的体感；
3.该远程人脸识别***通过设置多种应用场景，可根据不同的应用场景设置不同参数及进行不同人脸特征的训练，有效扩大了***的应用范围，可以促进智慧城市的发展，提高政务、商企的服务管理水平。
附图说明
图1为本发明的示例性整体***产品架构框图；
图2为本发明的整体***装置结构图；
图3为本发明的局部***装置结构图之一；
图4为本发明的局部***装置结构图之二；
图5为本发明的局部***装置结构图之三；
图6为本发明的局部***装置结构图之四；
图7为本发明的局部***装置结构图之五；
图8为本发明的局部***装置结构图之六；
图9为本发明的示例性云平台装置结构示意图。
图中各个标号意义为：
1、计算处理器；2、人脸识别技术软件；3、人脸数据库；4、监控摄像头；5、显示大屏；
100、基础建设单元；101、设备管理模块；102、基础数库模块；103、参数预设模块；104、通讯支撑模块；
200、数据处理单元；201、影像摄录模块；202、无损传输模块；203、图像管理模块；2031、图形预处理模块；2032、PCA降维模块；2033、特征提取模块；2034、特征分类模块；2035、级联检测模块；204、分布存储模块；
300、人脸识别单元；301、识别模式模块；3011、面部特征模块；3012、脸型眼型模块；3013、面相识别模块；3014、佩戴识别模块；302、对比识别模块；303、评估排序模块；304、结果输出模块；
400、应用管理单元；401、应用场景模块；402、标签展示模块；403、反馈提醒模块；404、补充更新模块。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
如图1-图9所示，本实施例提供了一种远程人脸识别***，包括
基础建设单元100、数据处理单元200、人脸识别单元300和应用管理单元400；基础建设单元100、数据处理单元200、人脸识别单元300与应用管理单元400依次通过网络通信连接；基础建设单元100用于对支撑***运行的设备、数据基础进行管控分配；数据处理单元200用于从影像数据获取包含大量人脸的图像并对图像进行处理；人脸识别单元 300用于通过多种人脸识别技术对图像中的人脸进行识别以判断其身份；应用管理单元400 用于根据不同的应用场景对人脸识别***的功能服务进行管理；
基础建设单元100包括设备管理模块101、基础数库模块102、参数预设模块103和通讯支撑模块104；
数据处理单元200包括影像摄录模块201、无损传输模块202、图像管理模块203和分布存储模块204；
人脸识别单元300包括识别模式模块301、对比识别模块302、评估排序模块303和结果输出模块304；
应用管理单元400包括应用场景模块401、标签展示模块402、反馈提醒模块403和补充更新模块404。
本实施例中，设备管理模块101、基础数库模块102、参数预设模块103依次通过网络通信连接；设备管理模块101用于对构建成支持***运行的网络架构的各类设备进行连接控制及管理；基础数库模块102用于通过数据管理器构建数据库以存储预先录入过的相关人员的人脸图像及相关信息；参数预设模块103用于预先设定相关人员信息的标签信息及***运行过程中的相关限制参数；通讯支撑模块104用于通过多种通信手段在***各设备、各层面之间搭建信号连接和数据传输的通道。
其中，基础设备包括计算机、处理器、显示器、监控摄像头等。
其中，基础数据库包含的数据来源于网上公开人员、知名人士、企业客户及企业工作人员进行登记过的等人员的人脸信息及相关***息。
其中，预设的参数包括固定人群的标签数据、一个监控摄像头内可同时识别的人脸数量、***可并行处理的数据量、一组人脸识别操作的时间限定等。
其中，通信手段包括有线网、局域网、工作专用网、无线网等。
本实施例中，影像摄录模块201的信号输出端与无损传输模块202的信号输入端连接，无损传输模块202的信号输出端与图像管理模块203的信号输入端连接，图像管理模块203 的信号输出端与分布存储模块204的信号输入端连接；影像摄录模块201用于通过监控摄像头实时拍摄其视野范围内的影像视频；无损传输模块202用于将摄录的影像数据实时无损地传输到***的处理层；图像管理模块203用于从视频影像中截取含有人脸的图像，并对图像进行处置管理以便进行人脸身份到的识别判断；分布存储模块204用于将原始图像及处理过程中生成的各类图像数据分别进行存储管理。
进一步地，图像管理模块203包括图形预处理模块2031、PCA降维模块2032、特征提取模块2033、特征分类模块2034和级联检测模块2035；图形预处理模块2031的信号输出端与PCA降维模块2032的信号输入端连接，PCA降维模块2032的信号输出端与特征提取模块2033的信号输入端连接，特征提取模块2033的信号输出端与特征分类模块2034 的信号输入端连接，特征分类模块2034的信号输出端与级联检测模块2035的信号输入端连接；图形预处理模块2031用于从视频影像中截取包含人脸的清晰图像，对图像进行裁切、缩放、图像增强、彩色二值化等处理操作；PCA降维模块2032用于通过线性变换将原始数据变换为一组各维度线性无关的表示以提取数据的主要特征分量以实现高维数据的降维；特征提取模块2033用于采集用户的人脸图像并提取图像中的面部特征点；特征分类模块2034用于将提取出的特征点置于线性SVM中作分类以训练处能分辨图像是否为人脸图像的SVM模型；级联检测模块2035用于通过级联检测分类器对图像进行面部检测和矫正操作。
具体地，PCA降维模块2032中，PCA降维算法的步骤如下：
输入：训练样本集$D＝{x{(1)}，x{(2)}，...，xΛ{(m)}}，低维空间维数d′$；
算法过程：
Step1、对所有样本进行中心化，即去均值操作：
Step2、计算样本的协方差矩阵XXT；
Step3、对协方差矩阵XXT做特征值分解；
Step4、取最大的d′个特征值所对应的特征向量w1，w2，...，wd′；
Step5、将原样本矩阵与投影矩阵相乘：X·W，即为降维后的数据集X′，其中 X为m×n维，W＝[w1，w2，...，wd′]为n×d′维；
输出：降维后的数据集X′。
其中，协方差矩阵的表达式如下：
(1)特征Xi与特征Xj的协方差为：
其中，
表示特征Xi，Xj的第k个样本中的取值，而
则是表示两个特征的样本均值；
可以看出，当Xi＝Xj时，协方差即为方差；
(2)对于一个只有两个特征的样本来说，其协方差矩阵为：
当特征数为n时，协方差矩阵为n×n维的矩阵，且对角线为各特征的方差值。
其中，特征向量与特征值的定义为：
对于矩阵A，若满足Aξ＝λζ，则称ζ是矩阵A的特征向量，而λ则是矩阵A 的特征值；将特征值按照从大到小的顺序进行排序，选择前k个特征值所对应的特征向量即为所求投影向量。
具体地，级联检测模块2035中，简单的级联检测分类器的表达式为：
式中，ci代表的是第i个弱分类器，X代表的是特征向量，F代表分类得分，每个ci会根据自己的分类方法对X输出一个分类结果。
本实施例中，识别模式模块301的信号输出端与对比识别模块302的信号输入端连接，对比识别模块302的信号输出端与评估排序模块303的信号输入端连接，评估排序模块303 的信号输出端与结果输出模块304的信号输入端连接；识别模式模块301用于调用不同的算法进行不同模式的人脸识别操作；对比识别模块302用于将处理后的面部信息与用户数据库中的人脸图像进行比对；评估排序模块303用于以百分比计算获取的图像和数据库的图像中两张人脸的相似度，并对多张都存在相似性的人脸数据按照相似度从高到低进行排序；结果输出模块304用于对识别相似度达到百分百的人脸身份结果及其对应的相关信息进行输出。
进一步地，识别模式模块301包括面部特征模块3011、脸型眼型模块3012、面相识别模块3013和佩戴识别模块3014；面部特征模块3011、脸型眼型模块3012、面相识别模块3013与佩戴识别模块3014依次通过网络通信连接且并列运行；面部特征模块3011用于通过检测图像中人脸的眼、口、鼻轮廓等72各关键点的定位以便精准地通过面部特征判识人脸的身份；脸型眼型模块3012用于在检测出人脸后对人脸的眼型、眼距、脸型进行关键点定位分析，以得出脸型眼型的面部特征数据，从而可更精确地进行人脸识别的判断；面相识别模块3013用于对人脸进行标记分析，获取面部各关键特征点，准确识别多种面相特征，结合用户的心理需求以适用于营销互动活动的引流；佩戴识别模块3014用于基于大规模佩戴安全物品的数据识别训练，配合现场摄像头、结合人脸识别技术，自动识别现场人员的安全物品的佩戴情况，并将结果对应到人以实现精准高效率的监管。
其中，脸型眼型的类型包括圆脸、方脸、长脸、倒三角脸、菱形脸、上扬眼、下垂眼、圆眼等。
其中，佩戴识别的对象可以为安全帽(适用于大规模的施工场所)、口罩(适用于医疗机构、疫情环境下的大多数人群聚集的场合、车站等，还可适用于针对佩戴有口罩的人员身份识别)、安全带、头盔等。
具体地，评估排序模块303中，对两张人脸的相似度进行评估时采用余弦相似度算法，其算法定义为：
其中：
式中，数据x和y均具有n个多元属性。
具体地，从几何角度看，余弦相似度就是两个向量之间的夹角；在获取余弦相似度的夹角后，将夹角的度数转换为百分比。
本实施例中，应用场景模块401、标签展示模块402、反馈提醒模块403与补充更新模块404依次通过网络通信连接；应用场景模块401用于预设***的应用场景以供选择，并针对每个应用场景设定不同的运行参数，训练不同侧重特征的人脸数据；标签展示模块402用于在监控视频中框出识别出的人员身份并将该人员所属的人群标签进行标记展示；反馈提醒模块403用于在识别出特定人群的身份时以多种方式反馈到工作人员；补充更新模块404用于将初次被***识别的新的人员的人脸数据及相关信息自动或通人工手动地补充更新到***的数据库中。
其中，应用场景的类型包括智慧安防、商企VIP客户管理、解锁门禁、金融政务服务、身份认证、公共场合卫生安全管理、大型工程场地管理、智慧城市服务、智慧交通管理等。
其中，人群标签包括VIP客户(适用于商企、地产商售楼部等)、知名人士/演员/明星/歌手(适用于公共场合的秩序管理)、信用黑名单(适用于金融机构、交通出行售票等)、惯偷扒手(适用于商业监控、公共交通、安防管理等)、未佩戴安全帽/口罩/安全带/头盔(适用于工地、疫情防控、智慧交通管理等)等。
其中，反馈提醒的方式包括弹窗、警示音、短信息等。
本实施例还提供了一种远程人脸识别***的运行方法，包括：
首先搭建包括处理器、数据库、监控摄像头等的网络架构及***平台，对各基础设备进行安装连接及试运行，选择***的应用场景，根据应用场景设定相关的限制参数，导入或录入基础数据，***运行时，通过监控摄像头实时摄录影像视频并传输到***处理层，处理器从视频中提取包含人脸的图像，对图像进行预处理、提取人脸特征，将人脸特征与数据库中已存的人脸数据进行比对，输出识别结果，在视频上对识别出的人脸身份或对应的人群标签进行标记展示，同时将识别结果反馈到相关管理人员。
如图1所示，本实施例还提供了一种远程人脸识别***的示例性产品架构，包括计算处理器1，计算处理器1内装载有多重人脸识别技术软件2，计算处理器1外通讯连接有人脸数据库3，若干监控摄像头4与计算处理器1通讯连接，用于摄录监控视频并传输到处理器，计算处理器1外信号连接有显示大屏5，显示大屏5可以为单一窗口或多窗口格式。
如图9所示，本实施例还提供了一种远程人脸识别***的运行装置，该装置包括处理器、存储器以及存储在存储器中并在处理器上运行的计算机程序。
处理器包括一个或一个以上处理核心，处理器通过总线与存储器相连，存储器用于存储程序指令，处理器执行存储器中的程序指令时实现上述的远程人脸识别***。
可选的，存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随时存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
此外，本发明还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述的远程人脸识别***。
可选的，本发明还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述各方面远程人脸识别***。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，程序可以存储于计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.一种远程人脸识别***，其特征在于：包括
基础建设单元(100)、数据处理单元(200)、人脸识别单元(300)和应用管理单元(400)；所述基础建设单元(100)、所述数据处理单元(200)、所述人脸识别单元(300)与所述应用管理单元(400)依次通过网络通信连接；所述基础建设单元(100)用于对支撑***运行的设备、数据基础进行管控分配；所述数据处理单元(200)用于从影像数据获取包含大量人脸的图像并对图像进行处理；所述人脸识别单元(300)用于通过多种人脸识别技术对图像中的人脸进行识别以判断其身份；所述应用管理单元(400)用于根据不同的应用场景对人脸识别***的功能服务进行管理；
所述基础建设单元(100)包括设备管理模块(101)、基础数库模块(102)、参数预设模块(103)和通讯支撑模块(104)；
所述数据处理单元(200)包括影像摄录模块(201)、无损传输模块(202)、图像管理模块(203)和分布存储模块(204)；
所述人脸识别单元(300)包括识别模式模块(301)、对比识别模块(302)、评估排序模块(303)和结果输出模块(304)；
所述应用管理单元(400)包括应用场景模块(401)、标签展示模块(402)、反馈提醒模块(403)和补充更新模块(404)；
该远程人脸识别***在运行时，首先搭建包括处理器、数据库、监控摄像头等的网络架构及***平台，对各基础设备进行安装连接及试运行，选择***的应用场景，根据应用场景设定相关的限制参数，导入或录入基础数据，***运行时，通过监控摄像头实时摄录影像视频并传输到***处理层，处理器从视频中提取包含人脸的图像，对图像进行预处理、提取人脸特征，将人脸特征与数据库中已存的人脸数据进行比对，输出识别结果，在视频上对识别出的人脸身份或对应的人群标签进行标记展示，同时将识别结果反馈到相关管理人员。
2.根据权利要求1所述的远程人脸识别***，其特征在于：所述设备管理模块(101)、所述基础数库模块(102)、所述参数预设模块(103)依次通过网络通信连接；所述设备管理模块(101)用于对构建成支持***运行的网络架构的各类设备进行连接控制及管理；所述基础数库模块(102)用于通过数据管理器构建数据库以存储预先录入过的相关人员的人脸图像及相关信息；所述参数预设模块(103)用于预先设定相关人员信息的标签信息及***运行过程中的相关限制参数；所述通讯支撑模块(104)用于通过多种通信手段在***各设备、各层面之间搭建信号连接和数据传输的通道。
3.根据权利要求1所述的远程人脸识别***，其特征在于：所述影像摄录模块(201)的信号输出端与所述无损传输模块(202)的信号输入端连接，所述无损传输模块(202)的信号输出端与所述图像管理模块(203)的信号输入端连接，所述图像管理模块(203)的信号输出端与所述分布存储模块(204)的信号输入端连接；所述影像摄录模块(201)用于通过监控摄像头实时拍摄其视野范围内的影像视频；所述无损传输模块(202)用于将摄录的影像数据实时无损地传输到***的处理层；所述图像管理模块(203)用于从视频影像中截取含有人脸的图像，并对图像进行处置管理以便进行人脸身份到的识别判断；所述分布存储模块(204)用于将原始图像及处理过程中生成的各类图像数据分别进行存储管理。
4.根据权利要求3所述的远程人脸识别***，其特征在于：所述图像管理模块(203)包括图形预处理模块(2031)、PCA降维模块(2032)、特征提取模块(2033)、特征分类模块(2034)和级联检测模块(2035)；所述图形预处理模块(2031)的信号输出端与所述PCA降维模块(2032)的信号输入端连接，所述PCA降维模块(2032)的信号输出端与所述特征提取模块(2033)的信号输入端连接，所述特征提取模块(2033)的信号输出端与所述特征分类模块(2034)的信号输入端连接，所述特征分类模块(2034)的信号输出端与所述级联检测模块(2035)的信号输入端连接；所述图形预处理模块(2031)用于从视频影像中截取包含人脸的清晰图像，对图像进行裁切、缩放、图像增强、彩色二值化等处理操作；所述PCA降维模块(2032)用于通过线性变换将原始数据变换为一组各维度线性无关的表示以提取数据的主要特征分量以实现高维数据的降维；所述特征提取模块(2033)用于采集用户的人脸图像并提取图像中的面部特征点；所述特征分类模块(2034) 用于将提取出的特征点置于线性SVM中作分类以训练处能分辨图像是否为人脸图像的SVM模型；所述级联检测模块(2035)用于通过级联检测分类器对图像进行面部检测和矫正操作。
5.根据权利要求4所述的远程人脸识别***，其特征在于：所述PCA降维模块(2032)中，PCA降维算法的步骤如下：
输入：训练样本集$D＝{x{(1)}，x{(2)}，...，xΛ{(m)}}，低维空间维数d′$；
算法过程：
Step1、对所有样本进行中心化，即去均值操作：
Step2、计算样本的协方差矩阵XXT；
Step3、对协方差矩阵XXT做特征值分解；
Step4、取最大的d′个特征值所对应的特征向量w1，w2，...，wd′；
Step5、将原样本矩阵与投影矩阵相乘：X·W，即为降维后的数据集X′，其中X为m×n维，W＝[w1，w2，...，wd′]为n×d′维；
输出：降维后的数据集X′。
6.根据权利要求4所述的远程人脸识别***，其特征在于：所述级联检测模块(2035)中，简单的级联检测分类器的表达式为：
式中，ci代表的是第i个弱分类器，X代表的是特征向量，F代表分类得分，每个ci会根据自己的分类方法对X输出一个分类结果。
7.根据权利要求1所述的远程人脸识别***，其特征在于：所述识别模式模块(301) 的信号输出端与所述对比识别模块(302)的信号输入端连接，所述对比识别模块(302)的信号输出端与所述评估排序模块(303)的信号输入端连接，所述评估排序模块(303)的信号输出端与所述结果输出模块(304)的信号输入端连接；所述识别模式模块(301)用于调用不同的算法进行不同模式的人脸识别操作；所述对比识别模块(302)用于将处理后的面部信息与用户数据库中的人脸图像进行比对；所述评估排序模块(303)用于以百分比计算获取的图像和数据库的图像中两张人脸的相似度，并对多张都存在相似性的人脸数据按照相似度从高到低进行排序；所述结果输出模块(304)用于对识别相似度达到百分百的人脸身份结果及其对应的相关信息进行输出。
8.根据权利要求7所述的远程人脸识别***，其特征在于：所述识别模式模块(301)包括面部特征模块(3011)、脸型眼型模块(3012)、面相识别模块(3013)和佩戴识别模块(3014)；所述面部特征模块(3011)、所述脸型眼型模块(3012)、所述面相识别模块(3013)与所述佩戴识别模块(3014)依次通过网络通信连接且并列运行；所述面部特征模块(3011)用于通过检测图像中人脸的眼、口、鼻轮廓等72各关键点的定位以便精准地通过面部特征判识人脸的身份；所述脸型眼型模块(3012)用于在检测出人脸后对人脸的眼型、眼距、脸型进行关键点定位分析，以得出脸型眼型的面部特征数据，从而可更精确地进行人脸识别的判断；所述面相识别模块(3013)用于对人脸进行标记分析，获取面部各关键特征点，准确识别多种面相特征，结合用户的心理需求以适用于营销互动活动的引流；所述佩戴识别模块(3014)用于基于大规模佩戴安全物品的数据识别训练，配合现场摄像头、结合人脸识别技术，自动识别现场人员的安全物品的佩戴情况，并将结果对应到人以实现精准高效率的监管。
9.根据权利要求7所述的远程人脸识别***，其特征在于：所述评估排序模块(303)中，对两张人脸的相似度进行评估时采用余弦相似度算法，其算法定义为：
其中：
式中，数据x和y均具有n个多元属性。
10.根据权利要求1所述的远程人脸识别***，其特征在于：所述应用场景模块(401)、所述标签展示模块(402)、所述反馈提醒模块(403)与所述补充更新模块(404)依次通过网络通信连接；所述应用场景模块(401)用于预设***的应用场景以供选择，并针对每个应用场景设定不同的运行参数，训练不同侧重特征的人脸数据；所述标签展示模块(402)用于在监控视频中框出识别出的人员身份并将该人员所属的人群标签进行标记展示；所述反馈提醒模块(403)用于在识别出特定人群的身份时以多种方式反馈到工作人员；所述补充更新模块(404)用于将初次被***识别的新的人员的人脸数据及相关信息自动或通人工手动地补充更新到***的数据库中。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111645008.XA CN114694008A (zh) | 2021-12-30 | 2021-12-30 | 一种远程人脸识别*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111645008.XA CN114694008A (zh) | 2021-12-30 | 2021-12-30 | 一种远程人脸识别*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114694008A true CN114694008A (zh) | 2022-07-01 |
Family
ID=82137687
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111645008.XA Pending CN114694008A (zh) | 2021-12-30 | 2021-12-30 | 一种远程人脸识别*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114694008A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116580445A (zh) * | 2023-07-14 | 2023-08-11 | 江西脑控科技有限公司 | 一种大语言模型人脸特征分析方法、***及电子设备 |
-
2021
- 2021-12-30 CN CN202111645008.XA patent/CN114694008A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116580445A (zh) * | 2023-07-14 | 2023-08-11 | 江西脑控科技有限公司 | 一种大语言模型人脸特征分析方法、***及电子设备 |
| CN116580445B (zh) * | 2023-07-14 | 2024-01-09 | 江西脑控科技有限公司 | 一种大语言模型人脸特征分析方法、***及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109271554B (zh) | 一种智能视频识别***及其应用 | |
| US20220092881A1 (en) | Method and apparatus for behavior analysis, electronic apparatus, storage medium, and computer program | |
| CN111488804A (zh) | 基于深度学习的劳保用品佩戴情况检测和身份识别的方法 | |
| CN109819208A (zh) | 一种基于人工智能动态监控的密集人群安防监控管理方法 | |
| CN108229335A (zh) | 关联人脸识别方法和装置、电子设备、存储介质、程序 | |
| CN105469029A (zh) | 用于对象再识别的***和方法 | |
| CN106156688A (zh) | 一种动态人脸识别方法及*** | |
| CN111353338B (zh) | 一种基于营业厅视频监控的能效改进方法 | |
| JPWO2017122258A1 (ja) | 混雑状況監視システム及び混雑状況監視方法 | |
| WO2016190814A1 (en) | Method and system for facial recognition | |
| JP5785667B1 (ja) | 人物特定システム | |
| Ancheta et al. | FEDSecurity: implementation of computer vision thru face and eye detection | |
| CN109784199A (zh) | 同行分析方法及相关产品 | |
| KR20190093799A (ko) | Cctv를 통한 실시간 실종자 얼굴 인식 시스템 및 그 방법 | |
| CN113269091A (zh) | 一种面向智慧园区的人员轨迹分析方法、设备及介质 | |
| CN113743256A (zh) | 一种工地安全智能预警方法与装置 | |
| Kalunga et al. | Development of fingerprint biometrics verification and vetting management system | |
| CN115861940A (zh) | 基于人体跟踪及识别技术的工作场景行为评估方法及*** | |
| CN114694008A (zh) | 一种远程人脸识别*** | |
| CN114581990A (zh) | 一种跑步智能测试方法以及装置 | |
| Sharma et al. | Suspect face retrieval via multicriteria decision process | |
| Pinthong et al. | The License Plate Recognition system for tracking stolen vehicles | |
| Peng et al. | [Retracted] Helmet Wearing Recognition of Construction Workers Using Convolutional Neural Network | |
| CN115908493A (zh) | 一种小区人员轨迹管理与展示方法及其*** | |
| CN114898287A (zh) | 用于餐盘检测预警的方法、装置、电子设备、存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination |