[发明专利]通过大数据筛选进行人员入户安全验证的工作方法

说明书

本发明提出了一种通过大数据筛选进行人员入户安全验证的工作方法，包括：S1，在入户小区范围内采集图像数据，分别归类为移动图像数据和面部图像数据；S2，对移动图像和面部图像进行筛选去燥，提取出去燥后的移动特征帧图像和面部特征帧图像；S3，设置图像筛选条件，通过半监督最大值优化方法的设置条件，对图像进行输出。提高人员安全认证的精度，降低误判率，实现大数据图像环境下的图像过滤效果。

技术领域

本发明涉及大数据挖掘领域，尤其涉及一种通过大数据筛选进行人员入户安全验证的工作方法。

背景技术

现实生活中人们在入户小区地下车库进出，但是由于人员或者车辆进入视频采集设备时，无法判断是否是本小区的人员或者车辆时，安全巡查人员又无法进行有效的监督，这就带来了安全性风险，而且现有技术中采用的视频图像采集需要监控室工作人员人工检测，费时费力，这就亟需本领域技术人员解决相应的技术问题。

发明内容

本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种通过大数据筛选进行人员入户安全验证的工作方法。

为了实现本发明的上述目的，本发明提供了一种通过大数据筛选进行人员入户安全验证的工作方法，包括如下步骤：

S1，在入户小区范围内采集图像数据，分别归类为移动图像数据和面部图像数据；

S2，对移动图像和面部图像进行筛选去燥，提取出去燥后的移动特征帧图像和面部特征帧图像；

S3，设置图像筛选条件，通过半监督最大值优化方法的设置条件，对图像进行输出。

优选的，所述S1包括：

对移动图像和面部图像进行筛选和去燥处理，在相似性判断中，基于灰度变换的特征因子，进行特征提取，精确捕捉图像的特征，为提高相似性判断结果的准确性，对用户图像进行收集，全部图像p＝{p(i,j)|i∈M,j∈N}，i为用户移动图像集M中的移动特征帧图像，j为用户面部图像集N中的面部特征帧图像，形成图像特征集合p(i,j)，其中面部特征帧变化为一定尺寸的搜索窗内的所有像素；

通过灰度变换提取公式分别对移动图像和面部图像进行提取

其中，

式中，h为图像噪声调节参数，用于控制图像噪声的衰减程度，决定图像噪声滤波程度；μ为图像校正参数，h(i)是移动特征帧图像i的特征函数，h(j)是面部特征帧图像j的特征函数，移动图像获取速度判断阈值K_i和捕捉移动图像判断阈值L_i的取值取决于图像帧的像素值，m为移动特征帧图像采集值，面部图像获取速度判断阈值O_j和捕捉面部图像判断阈值P_j的取值取决于图像帧的像素值，n为移动特征帧图像采集值，为移动特征帧预测模型，通过获取移动特征帧视觉角度θ_i的随机分量与之积进行移动图像参数校正，其中b_i为移动特征帧的权重，为面部特征帧预测模型，通过获取面部特征帧视觉角度θ_j的随机分量与之积进行面部图像参数校正，其中b_j为移动特征帧的权重，其中α为图像动态变化分量，B_i为获取移动图像的权重，B_j为获取移动图像的权重，C_i为移动特征帧每一时间点的噪声，C_j为面部特征帧每一时间点的噪声，C_i和C_j取值范围[-1,1]，值越大，表示去噪后图像失真越小。代表卷积运算。

优选的，所述S2包括：

经过降噪处理之后的移动特征帧图像和面部特征帧图像提取之后，进行图像筛选操作，设置筛选中间值均值