[发明专利]基于人脸识别的人员管理方法及系统

权利要求书

1.基于人脸识别的人员管理方法，其特征在于，包括以下步骤；

步骤1：对待识别用户的人脸图像进行采集，采集的为正面人脸且亮度适中可识别的人脸图像；

步骤2：将采集到的人脸图像统一尺寸后进行图像去噪处理、图像增强、彩色图像转变成灰度图、灰度图转化成二值图、边缘检测分割，并通过Adaboost算法获取图像中的人脸特征信息；

步骤3：将步骤2中获取的人脸特征信息数据进行保存并与录入人员信息进行关联，关联后的信息作为录入人员的人脸特征数据样本保存于人脸数据库中；

步骤4：对经过的用户进行人脸信息采集，根据用户驻留时间对人脸图像进行多张采集，每秒采集一帧人脸图像；

步骤5：将步骤4采集到的动态图像经过图像预处理后与数据库中录入的人脸特征信息进行匹配；若与数据库中的人脸特征信息匹配成功，则系统通过语音和界面提示为本系统人员，若与数据库中的人脸特征信息比对失败，则系统通过语音和界面提示为陌生人；

步骤6：将步骤5中匹配成功的最新动态人脸特征信息更新到人脸数据库，新的人脸特征信息将会覆盖旧的人脸特征信息；

再次出现人脸特征信息时重复步骤4到步骤6。

2.根据权利要求1所述的基于人脸识别的人员管理方法，其特征在于，所述步骤2算法具体为，

1.假设训练样本为(x_i,y_i)，i＝0,1,...,n，y_i取值为0(负样本)、1(正样本)；

2.初始化权重其中m表示负样本的个数，l表示正样本的个数；

3.For t＝1,2,...,T；

1)归一化权值：

2)对于每个特征，训练一个分类器(h_j)，每个分类器只使用一种Haar特征进行训练，分类误差为ε_j＝∑_iω_i|h_j(x_i)-y_i|，h_j为特征分类器，x_i为训练图像样本；

3)选择最低误差的分类器h_t；

4)更新训练样本的权值分类正确e_i＝0，分类错误e_i＝1，

4.最后的强分类器为：

其中，

3.根据权利要求1所述的基于人脸识别的人员管理方法，其特征在于，所述步骤3中特征提取过程如下：

(1)对样本生成特征向量矩阵；

(2)先计算每一列特征的平均值，然后每一维度都需要减去该列的特征平均值；

(3)计算特征的协方差矩阵；

(4)针对协方差矩阵进行特征值和特征向量的计算；

(5)对计算得到的特征值进行从大到小的排序；

(6)取出前K个特征向量和特征值，并进行回退，即得到了降维后的特征矩阵。

4.根据权利要求1所述的基于人脸识别的人员管理方法，其特征在于，所述步骤5具体为，通过Arcface进行匹配；

(1)利用MTCNN检测出人脸；

(2)利用Arcface输出人脸特征向量；

(3)比较特征向量之间的距离，小于指定阈值则认为是同一张人脸，否则就不是。

5.根据权利要求1所述的基于人脸识别的人员管理方法，其特征在于，所述步骤6具体为：

(1)将分离出来的人脸进行一些基础编码，得到一系列特征码；

(2)将特征值经过分类、校准、降维、3D建模等相关技术，重新生成人脸信息特征值；

(3)通过哈希等算法检索人脸库中特征信息，与当前做比对，得到最相近的人脸值。