[发明专利]一种基于数据融合技术的人像识别告警方法及系统

说明书

一种基于数据融合技术的人像识别告警方法及系统，方法包括：建立BP神经网络模型，并训练该BP神经网络模型，对于每个训练样本，通过后向传播修改权重使得网络预测和实际目标值之间的均方误差最小；通过前端采集设备采集人像数据；以设定的目标库中的人像数据为比对对象，通过多个算法厂家提供的人像比对算法对采集的人像数据进行相似度比对计算，得到多组原始相似度数据；将多组所述原始相似度数据作为输入层经训练完毕的BP神经网络模型后输出最终相似度数据；将得到的最终相似度数据进行排序，将达到或超过设定报警阈值的数据推送至告警平台产生告警。

技术领域

本发明涉及公安接警领域，具体涉及一种基于数据融合技术的人像识别告警方法及系统。

背景技术

随着城市视频监控项目建设的不断发展和网络规模的扩大，监控系统每日采集了大量的人像画面并产生了海量的人像告警。其中错误或无效告警的过多出现给操作员正常操作带来了严重干扰，大量无效告警也严重影响了运维效率。

发明内容

为解决上述技术问题，本发明提供一种基于数据融合技术的人像识别告警方法及系统，采用多个算法厂家提供的人像比对算法结果通过数据融合技术在一定准则下加以自动分析、综合的方法使之产生更为准确、可靠的相似度值，以大幅降低无效告警，发现真正有价值的告警，从而显著的提高公安的工作效率，降低干警工作强度，令告警性能满足公安业务需求。本发明的技术方案如下：

作为本发明的第一方面，提供一种基于数据融合技术的人像识别告警方法，所述方法包括：

S1：建立BP神经网络模型，并训练该BP神经网络模型，对于每个训练样本，通过后向传播修改权重使得网络预测和实际目标值之间的均方误差最小；

S2：通过前端采集设备采集人像数据；

S3：以设定的目标库中的人像数据为比对对象，通过多个算法厂家提供的人像比对算法对采集的人像数据进行相似度比对计算，得到多组原始相似度数据；

S4：将多组所述原始相似度数据作为输入层经训练完毕的BP神经网络模型后输出最终相似度数据；

S5：将得到的最终相似度数据进行排序，将达到或超过设定报警阈值的数据推送至告警平台产生告警。

进一步地，步骤1中，所述前端采集设备包括高清摄像机和人脸卡口。

进一步地，步骤2中，所述目标库中存储着布控的人像数据。

进一步地，S3中具体包括：

建立BP神经网络模型，所述BP神经网络模型包括输入层、隐含层和输出层；

输入层的神经元个数设为m个；任意输入层神经元记为xi，i＝1、2...m；

隐含层的神经元个数为h个，其中h为隐含层节点数目，m为输入层节点数目，n为输出层节点数目，a为1～10之间的调节常数；

输出层的神经元个数设为n个；任意输出层神经元记为de，e＝1、2...n；

正向传递过程如下：

设节点i和节点j之间的权值为w_ij，节点j的阀值为b_j，每个节点的输出值为x_j，而每个节点的输出值是根据上层所有节点的输出值、当前节点与上一层所有节点的权值和当前节点的阀值还有激活函数来实现的；具体计算公式如下：

x_j＝f(s_j)；

其中，b_j为0，f为激活函数，这里选用sigmoid函数。

反向传递子过程如下：