[发明专利]一种基于嵌入式人工智能芯片的人脸识别安防报警方法

权利要求书

1.一种基于嵌入式人工智能芯片的人脸识别安防报警的方法，其特征在于，所述基于嵌入式人工智能芯片的人脸识别安防报警的方法包括以下步骤：

步骤一，调用opencv库获取摄像头视频内容，将视频信息保存，采用TCP/IP协议，与远端主机建立连接并将识别的视频信息发送；

步骤二，采用深度学习方法，进行图像的矩阵卷积运算实现人脸定位，并以人脸识别模型进行人脸识别，将识别结果作报警结果来源；

步骤三，APP进行警报等级判断，同时进行证据存储，并将报警信息上传；利用开源的MQTT协议，启动报警等级，向用户APP推送报警信息；

步骤四，将视频数据传输到远端主机进行另存、视频上传外网服务器；

步骤五，用户端手机APP采用拉取RTMP视频流的方式显示实时监控画面，同时将MQTT的消息及时获取，实时报警通知。

2.如权利要求1所述基于嵌入式人工智能芯片的人脸识别安防报警的方法，其特征在于，步骤一具体包括：

采用Python语言驱动OpenCV函数库调用USB摄像头，将摄像头采集到的图像数据自动转换成Python语言中的numpy数组，图像数组的大小固定为Length*Weight(640*480)，然后将获得到的图像数组传递给实时检测模块，直接将视频信息读取到计算机内存中保存，等待识别和发送；

同时利用互联网，采用TCP/IP协议，与远端主机建立连接发送数据，将视频信息存储在局域网内的另一台电脑或者是局域网外的服务器的存储资源上，并进行人脸数据库初始化。

3.如权利要求2所述基于嵌入式人工智能芯片的人脸识别安防报警的方法，其特征在于，所述人脸数据库初始化，包括：

先将需要识别的人脸作为标准识别对象，将其这些标准识别对象的人脸图像经过深度学习模型的卷积特征向量提取，得到人脸特征值D₁*D₁*C，D₁表示每次的输出特征向量的大小，C表示输出特征向量的维度；经过多次这种特征向量提取步骤获得总的特征向量：其中，D_k*D_k简化为F_k，C为通道数n；

将这个特征向量由卷积神经网络的全连接层转换为一维向量{(X₀，Y₀)，(X₁，Y₁)，(X₂，Y₂)…(X_n，Y_n)}；

再将所有特征向量保存到程序的存储单元，将这些人脸特征向量记作已知人脸。

4.如权利要求1所述基于嵌入式人工智能芯片的人脸识别安防报警的方法，其特征在于，步骤二具体包括：

检测单元将视频采集到的图像获取后，将640*480的数组经过深度学习模型(MTCNN)的卷积定位运算，获取到人脸的位置Bounding Box(_X₀，_Y₀)、Length、High，分别人脸框中心，人脸框的长度，人脸框的高度；

然后通过OpenCV库将人脸框里的图像剪切下来，用于识别；识别之前已经获取了一张L*W大小的图像，将这个L*W固定为112*112大小，作为识别人脸的图像；将得到的112*112图像经过上述人脸特征向量提取步骤，得到当前检测图像的人脸特征向量{X_now，Y_now}；

将获取的当前图像人脸特征向量与初始化的人脸数据库的向量做欧式距离比较，距离为计算后得到一组距离值{D₀，D₁，D₂，D₃…，D_n}，

取最小值D_min作为判断标志，深度学习模型在训练中，以D_k≤1.24进行训练，D_min≤1.24时记录对应的人脸标签作为识别结果，若D_min＞1.24判断为陌生人记为Unknow标签。