[发明专利]一种基于人脸识别的视频分析处理系统及方法

说明书

本发明涉及一种基于人脸识别的视频分析处理系统及方法，包括采集传输单元、数据存储单元、人脸识别单元、以及展示单元；所述人脸识别单元包括依次相连的用以对数据库中的人脸视频信息进行预处理得到人脸图像的第一处理模块、用以检测人脸图像中人脸部分的第二处理模块、用以采用据神经网络提取人脸特征的第三处理模块、用以采用神经网络提取的人脸特征构建AdaBoost级联分类器的第四处理模块、以及用以对人脸视频信息中人脸进行识别的第五处理模块。本发明通过建立数据库并采用AdaBoost级联分类器对人脸进行识别，使得人脸识别结果更加精确。

技术领域

本发明涉及人脸识别领域，特别是一种基于人脸识别的视频分析处理系统及方法。

背景技术

当前很多国家展开了有关人脸识别的研究，而国内关于人脸自动识别的研究始于二十世纪80年代，主要的研究单位有清华大学，哈尔滨工业大学，中科院计算所，中科院自动化所，复旦大学，北京科技大学等，并都取得了一定的成果。国内的研究工作主要是集中在三大类方法的研究：基于几何特征的人脸正面自动识别方法、基于代数特征的人脸正面自动识别方法和基于连接机制的人脸正面自动识别方法。研究人员实现了具有反馈机制的人脸正面识别系统，运用积分投影法提取面部特征的关键点并用于识别，同时也尝试了“稳定视点”特征提取方法，即为使识别系统中包含3D信息，对人脸侧面剪影识别做了一定的研究，并实现了正，侧面互相参照的识别系统。研究人员还对“特征脸”的方法做了进一步的发展，提出采用类间散布矩阵作为产生矩阵，进一步降低了产生矩阵的维数，在保持识别率的情况下，大大降低了运算量。另外，还有对同类图像的平均灰度图进行SVD分解得到特征脸空间，每一幅图像在特征脸空间上的投影作为其代数特征，然后利用层次判别进行分类。若采用对称主元分析神经网络，用去冗余和权值正交相结合的方法对人脸进行特征提取和识别。该方法所用特征数据量小，特征提取运算量也较小，比较好地实现了大量人脸样本的存储和人脸的快速识别。尽管现有的人脸识别系统在特定条件下已经具有较高的识别成功率，但是由于外界环境的改变，识别成功率还是会有所下降。

发明内容

有鉴于此，本发明的目的是提出一种基于人脸识别的视频分析处理方法，建立数据库并采用AdaBoost级联分类器对人脸进行识别，能够克服背景技术中的缺点，使得人脸识别结果更加精确。

本发明采用以下方案实现：一种基于人脸识别的视频分析处理系统，包括采集传输单元、数据存储单元、人脸识别单元、以及展示单元；

所述采集传输单元包括用以采集人脸视频信息的摄像头，所述采集传输单元与数据存储单元相连，用以将采集到的人脸视频信息传输至数据存储单元中建立数据库；所述采集传输单元还与所述人脸识别单元相连，用以将采集到的人脸视频信息传输至人脸识别单元中进行人脸识别；

所述人脸识别单元与所述数据存储单元、展示单元相连，用以将从采集传输单元接收到的人脸视频信息与所述数据存储单元中数据库里存储的人脸视频信息进行对比，若识别成功，则将识别成功的人脸通过展示单元进行显示，若识别失败，则将不可识别的人脸视频信息添加进入数据库中；

所述人脸识别单元包括依次相连的用以对数据库中的人脸视频信息进行预处理得到人脸图像的第一处理模块、用以检测人脸图像中人脸部分的第二处理模块、用以采用神经网络提取人脸特征的第三处理模块、用以采用神经网络提取的人脸特征构建AdaBoost级联分类器的第四处理模块、以及用以对人脸视频信息中人脸进行识别的第五处理模块。

进一步地，所述第二处理模块采用MTCNN人工神经网络检测出人脸图像中的人脸部分。

进一步地，所述第三处理模块采用FaceNet人工神经网络提取出第二处理模块检测出的人脸部分的特征。

本发明还采用以下方法实现：一种基于人脸识别的视频分析处理方法，包括以下步骤：