[发明专利]一种基于深度学习的大型安保活动人脸搜索方法

说明书

本发明公开了一种基于深度学习的大型安保活动人脸搜索方法，通过设置模型训练单元，对人脸训练数据进行备份和预处理，利用人脸检测和关键点算法将人脸图像归一到预定规格的彩色图像上，并搭建分布式深度学习训练框架对人脸识别模型进行训练，提高了人脸识别模型的识别准确率，节省了安保人员锁定对应人员的时间，提高大型活动安全有序进行的安全系数，通过设置搜索匹配单元，对人脸底库特征库进行构建和人脸搜索匹配，生成搜索排序数据，并将其传输至显示单元进行展示，根据抓拍摄像机编号和图像抓拍时间匹配出该被识别人员的行动路径，快速确认被识别人员的准确位置和具体行进路线，方便安保人员对被识别人的查找，提高了安保反应能力。

技术领域

本发明涉及一种人脸搜索方法，具体为一种基于深度学习的大型安保活动人脸搜索方法。

背景技术

大型活动中由于人员聚集，管理和调度相对复杂，对于安全监控和防护的压力也比较大，所以在大型活动中基本都设置有多个摄像头对活动参与人员的人脸图像进行提取。

大型活动中抓拍的人脸图像可能存在拍摄角度不正、光线变化复杂、分辨率较低、遮挡等不利条件，导致人脸识别的准确率不高，难以做到对参与活动人员的快速定位，安保的快速反应能力得不到保证，为此，我们一种基于深度学习的大型安保活动人脸搜索方法。

发明内容

本发明的目的就在于提供一种基于深度学习的大型安保活动人脸搜索方法，通过设置模型训练单元，对人脸训练数据进行备份和预处理，利用人脸检测和关键点算法将人脸特征归一化到预定规格的彩色图像上，并搭建分布式深度学习训练框架对人脸识别模型进行训练，提高了人脸识别模型的识别准确度，节省了安保人员锁定对应人员的时间，提高大型活动安全有序进行的安全系数，通过设置搜索匹配单元，对人脸底库特征库进行构建和人脸搜索匹配，生成搜索排序数据，并将其传输至显示单元进行展示，根据抓拍摄像机编号和图像抓拍时间匹配出该被识别人员的行动路径，快速确认被识别人员的准确位置和具体行进路线，方便安保人员对被识别人的查找，提高了安保反应能力。

本发明所解决的技术问题为：

(1)如何通过设置模型训练单元，对人脸训练数据进行备份和预处理，利用人脸检测和关键点算法将人脸图像归一化到预定规格的彩色图像上，并搭建分布式深度学习训练框架对人脸识别模型进行训练，解决现有技术中人脸识别模型识别效率和精确度不高的问题；

(2)如何通过设置搜索匹配单元，对人脸底库特征库进行构建和人脸搜索匹配，生成搜索排序数据，并将其传输至显示单元进行展示，根据抓拍摄像机编号和图像抓拍时间匹配出该被识别人员的行动路径，解决现有技术中无法根据识别的图像进行路径分析的问题。

本发明的目的可以通过以下技术方案实现：一种基于深度学习的大型安保活动人脸搜索方法，该大型安保活动人脸搜索方法具体包括：

步骤一：通过图像采集单元对每一位进入活动现场的人员的人脸图像进行采集并将其传输至数据存储单元进行存储，数据存储单元中人脸训练数据，所述人脸训练数据包括公开人脸数据集和私有人脸数据集；

步骤二：模型训练单元从数据存储单元中提取人脸训练数据，并对其进行模型训练，得到人脸识别模型后将其发送至数据存储单元进行存储，图像采集单元对每一位进入活动现场的人员进行人脸图像进行采集并将其传输至数据存储单元进行存储；

步骤三：搜索匹配单元进行人脸底库特征库的构建和人脸搜索匹配，得到人脸轨迹，并将人脸轨迹传输至显示单元，显示单元将人脸轨迹按照抓拍摄像机编号和图像抓拍时间的顺序进行展示。

本发明的进一步技术改进在于：所述模型训练单元对人脸训练数据进行模

型训练的具体步骤如下：