[发明专利]基于网络视频的逃犯识别方法、设备、存储介质及装置

说明书

本发明公开了一种基于网络视频的逃犯识别方法、设备、存储介质及装置，该方法包括：对待处理人像视频进行人脸图片截取，获得多张待处理人脸图片；将各所述待处理人脸图片与预设在逃人员图片库中的各在逃人脸图片进行比对，获得各所述待处理人脸图片与各所述在逃人脸图片之间的人脸相似度；根据所述人脸相似度从各所述待处理人脸图片中选取目标在逃人员图像。基于人工智能，通过对视频与预设在逃人员图片库中的各在逃人脸图片进行比对，从而提高识别逃犯的准确度和效率，降低识别逃犯的工作量。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于网络视频的逃犯识别方法、设备、存储介质及装置。

背景技术

现有技术中，追寻逃犯的方式比较单一，需要通过巡逻盘查中，警员进行现场拍照收集数据，再对收集的照片数据进行比对分析，收集的照片数量有限，涉及的范围有限，导致很多逃犯不能及时被识别到，警员的工作量大且任务重。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种基于网络视频的逃犯识别方法、设备、存储介质及装置，旨在解决现有技术中逃犯识别效率低的技术问题。

为实现上述目的，本发明提供一种基于网络视频的逃犯识别方法，所述基于网络视频的逃犯识别方法包括以下步骤：

对待处理人像视频进行人脸图片截取，获得多张待处理人脸图片；

将各所述待处理人脸图片与预设在逃人员图片库中的各在逃人脸图片进行比对，获得各所述待处理人脸图片与各所述在逃人脸图片之间的人脸相似度；

根据所述人脸相似度从各所述待处理人脸图片中选取目标在逃人员图像。

优选地，所述对待处理人像视频进行人脸图片截取，获得多张待处理人脸图片之前，所述基于网络视频的逃犯识别方法还包括：

监听目标应用程序的请求，通过视频入库脚本对监听到的请求进行解析，获得请求地址；

根据所述请求地址提取目标统一资源定位符，根据所述目标统一资源定位符通过所述视频入库脚本下载网络视频；

对所述网络视频进行人脸检测，若检测到的所述网络视频包括人脸特征，则将包括所述人脸特征的网络视频作为待处理人像视频。

优选地，所述对所述网络视频进行人脸检测，若检测到的所述网络视频包括人脸特征，则将包括所述人脸特征的网络视频作为待处理人像视频，具体包括：

通过基于快速候选区域的卷积神经网络Faster R-CNN算法对所述网络视频进行人脸检测，若检测到的所述网络视频包括人脸特征，则将包括所述人脸特征的网络视频作为待处理人像视频。

优选地，所述对待处理人像视频进行人脸图片截取，获得多张待处理人脸图片，具体包括：

对待处理人像视频进行抽帧处理，获得帧图片；

绘制所述帧图片中的脸部位置，对所述脸部位置进行截取，获得多张待处理人脸图片。

优选地，所述将各所述待处理人脸图片与预设在逃人员图片库中的各在逃人脸图片进行比对，获得各所述待处理人脸图片与各所述在逃人脸图片之间的人脸相似度，具体包括：

对各所述待处理人脸图片进行面部特征点定位，获得各所述待处理人脸图片对应的待处理人脸特征点；

将所述待处理人脸特征点与预设正脸特征点进行比较，获得单应性矩阵；

通过所述单应性矩阵对所述待处理人脸图片中的人脸进行变换，获得校准人脸图片；