[发明专利]基于MTCNN的多摄像头动态人脸识别系统与方法

说明书

本发明公开了基于MTCNN的多摄像头动态人脸识别系统与方法，适用场景为包括安装在管理区域的多个摄像头监控摄像头，多个监控系统通过摄像头从不同角度采集行人的视频，所有监控系统均通过网络连接到同一服务器并共享服务器的内网；方法包括步骤S1，从不同角度采集行人的视频，并逐帧从视频流中裁剪出脸部帧；步骤S2，采用MTCNN方法来对所有脸部帧提取人脸特征；步骤S3，对提取到的特征进行分类，以实现人脸识别。本发明结合多摄像头和服务器的硬件平台，将深度学习和特征识别应用在监控系统上面，对提高治安管理具有重要的意义。

技术领域

本发明涉及人脸识别技术领域，具体涉及一种基于MTCNN的多摄像头动态人脸识别系统，还涉及此系统的识别方法，可应用于安防监控系统。

背景技术

随着人工智能技术的迅猛发展和视频监控设备的日益普及，智能监控以其准确、及时和功能丰富而受到社会各界的广泛关注。目前，国内很多场合都布有监控，视频监控已经成为继数字电视、视频会议之后的又一个重大视频应用，而且日益成为“体量”最大的一个视频应用系统。治安管理监控作为视频监控领域的一个重要应用。可面对视频监控功能单一，记录繁多，智能监控在不同角度不同光照条件下对于人脸的特征学习率不高等诸多缺点，如何提高智能视频监控的特征提取率，如何使得智能监控在复杂环境下训练学习所得的模型欠拟合等问题面临重大挑战。随着未来安防系统性价比的不断提高和数字高清化、智能化等技术的发展，市场应用空间将不断增长。

目前，视频监控关键处理算法包括自动曝光算法、自动白平衡算法、自动聚焦算法、宽动态算法等。优良的处理算法可以实现更好的色彩还原，使所采集的图像更加逼真，在低照度和光线变化较大的情况下使监控场景的视频有更好的表现。而硬盘存储经常出现反复记录导致的硬盘碎片、突发掉电导致的硬盘数据损坏、多个硬盘工作时带来的高热和振动等问题，由于安防行业的特殊性，要求视音频数据存储全天24小时不间断稳定工作，应用场合较为复杂。智能视频分析技术是监控技术第三个发展阶段“机器眼+机器脑”中的“机器脑”部分，利用机器，将“人脑”对于视频画面的监控判断，进行数据分析提炼特征形成算法植入机器，形成“机器脑”对视频画面自动检测分析，并作出报警或其他动作。它借助计算机强大的数据处理能力过滤掉视频画面无用的或干扰信息、自动分析、抽取视频源中的关键有用信息，从而使摄像机不但成为人的眼睛，也使计算机成为人的大脑。

现有技术中对于智能视频监控进行特征提取仍然存在不能满足现实高要求的问题，例如：

1)缺乏针对不同光照对人脸识别率影响的研究，现有方案大都是只能在相似光照条件下对人脸进行识别匹配，而忽略了不同时间段不同地点的光照对监控效果的影响。

2)缺乏针对不同角度对人脸识别率影响的研究，现有监控方案忽略了监控视野范围内不同人人脸拍摄角度的影响，一旦超出一定倾斜范围就无法识别。

3)多摄像头模型共享动态监控问题：目前多摄像头实时的智能监控存在识别特征无法共享的问题。

发明内容

本发明的目的在于克服现有技术中的不足，提供了一种基于MTCNN的多摄像头动态人脸识别系统与方法，采用MTCNN框架对人脸多维度的特征进行建模匹配识别，可以提升识别率和加快运行速率。

为解决上述技术问题，本发明提供了一种基于MTCNN的多摄像头动态人脸识别系统，适用场景为包括安装在管理区域的多个摄像头监控摄像头，多个监控系统通过摄像头从不同角度采集行人的视频，所有监控系统均通过网络连接到同一服务器并共享服务器的内网；此人脸识别系统包括视频采集模块、特征提取模块和特征分类模块，

其中，视频采集模块，所有监控系统基于各自的摄像头从不同角度实时采集行人视频流；并将所有视频流发送至服务器；

特征提取模块，服务器中逐帧从视频流中裁剪出脸部帧，采用MTCNN算法来对脸部帧提取人脸特征；

特征分类模块，用来对提取到的人脸特征进行分类，以实现人脸识别。