[发明专利]基于人脸识别的动态人员分类与存储方法

说明书

本发明提供一种基于人脸识别的动态人员分类与存储方法，涉及图像识别处理技术领域。该方法首先获取监控摄像的连续视频序列，定时采集图像帧，并进行图像预处理；然后对经过预处理的图像进行人脸检测和特征提取；逐一计算安防系统人脸库中的人脸特征矩阵与提取出来的人脸特征矩阵的余弦相似度，并取得余弦相似度最大值；最后根据余弦相似度最大值与系统预设阈值进行比较，判断图像中人脸所归属的人群类别，并展示和存储出入记录。本发明方法，能够实时发现安防系统预设黑名单人员，降低犯罪发生概率。同时，可以保存海量不同类别人群的出入记录。

技术领域

本发明涉及图像识别处理技术领域，尤其涉及一种基于人脸识别的动态人员分类与存储方法。

背景技术

人脸识别是一种基于人的脸部特征信息进行身份识别的生物识别技术。人脸识别技术在实际应用过程中主要使用摄像机或摄像头，采集含有人脸的图像或视频流，并自动检测和跟踪图像中的人脸，从而达到检测和识别人脸的目的。

近年来，随着科学技术水平的不断提升，人脸识别算法技术得到极大发展。针对静态图像的人脸识别技术已经取得很大的进步，但鲜有针对动态视频人脸识别技术的研究，现存少量能应用于视频中的人脸识别方法也存在着检测准确率低和漏检率高等问题。能够将动态人脸识别技术应用于传统安防系统的方法更是少之又少。传统的安防系统存在无法检索、数据分散、存储周期短等问题，并且无法对指定人员进行追踪。如果有犯罪案件发生，还必须人工调取各个监控视频进行比对，耗时费力，且效果很差。将动态人脸识别技术和传统安防系统相结合，打造智慧安防系统具有重要意义和价值。

发明内容

本发明要解决的技术问题是针对上述现有技术的不足，提供一种基于人脸识别的动态人员分类与存储方法，实现对视频中的人脸进行动态识别分类与存储。

为解决上述技术问题，本发明所采取的技术方案是：基于人脸识别的动态人员分类与存储方法，包括以下步骤：

步骤1：获取监控摄像的连续视频序列，定时采集图像帧，将得到的图像进行图像灰度化处理和图像尺寸缩放的预处理操作；

步骤2：对经过预处理的图像进行人脸检测和特征提取，得到人脸特征矩阵；

步骤2.1：将完成预处理的图像通过人脸检测方法利用滑动窗口筛选出图像中出现的人脸，并将人脸区域切割出来；

步骤2.2：利用人脸对齐方法对切割出来的人脸区域进行特征点定位，标注出人脸区域中的五个特征点；所述五个特征点分别为两个瞳孔、鼻尖和两个嘴角；

步骤2.3：将经过人脸对齐处理后标注特征点的人脸图像通过卷积神经网络来提取人脸特征，并最终输出一维的人脸特征矩阵Feature；

步骤3：按照不同人群类别人脸库的优先级顺序遍历预先存储在安防系统数据库中的各个类别的人脸特征库，逐一计算人脸库中的人脸特征矩阵与步骤2中提取出来的人脸特征矩阵Feature的余弦相似度，并取得余弦相似度最大值Max_Similarity；

步骤4：将步骤3中得到的相似度最大值Max_Similarity与安防系统预设的阈值进行比较；

如果相似度最大值Max_Similarity大于或等于安防系统预设阈值，则继续判断与人脸特征矩阵Feature做相似度比较的人脸特征矩阵属于数据库中的哪个人群类别；若此人脸特征矩阵Feature属于数据库中的“黑名单”类别，则立刻触发报警，向安保机构发送报警信息；否则，在安防系统前端做相应人群类别下的出入记录展示；

如果相似度最大值Max_Similarity小于系统预设阈值，则将该人脸自动归类为陌生人类别，并在安防系统前端做陌生人类别的出入记录展示；