[发明专利]一种人脸识别大数据训练方法

说明书

本发明公开了一种人脸识别大数据训练方法，属于安防技术领域；本发明方法包括：将视频采集装置与太赫兹装置放置于同一视角；采集的太赫兹图像及人物视频流发至服务器进行预处理；将步骤200处理的数据导入大数据处理单元进行训练；将训练得到的模型存入神经网络模型的处理单元；本发明采用太赫兹+高清摄像头+深度相机构建了多模态人体数据并融合重组，融合后的图像便可避免太赫兹图像分辨率较低，白噪声过大的问题，同时骨骼关键点可以反映出人体大致信息，满足危险物部位的识别；本发明方法大幅度减少图像信息，利用骨骼重建的方式代替太赫兹图像中的人物主体信息，大大提高算法的精准度，应用于安检中可以实现无人值守识别。

技术领域

本发明属于安防技术领域，特别涉及一种人脸识别大数据训练方法。

背景技术

主流人体安检手段是在机场等重要场所由手持安检仪的安检人员或设置安检门、安检通道进行强制检测，其局限性在于对地点、设备、安检人员和被检人配合度高度依赖。随着图像技术的发展，人脸识别安检门、安检人脸识别系统等一体化安检系统逐渐投入使用，大幅提高了安检速度和精度，实现了安检系统的功能升级。但传统的手持安检仪、安检门等采用的电磁场、X射线和X射线背散射等技术，因其工作原理必须依赖有人值守式的强制安检，远远无法满足上述需求。随着科技发展，太赫兹人体安检仪依据太赫兹技术研发设计的，其工作原理是太赫兹人体安检仪通过被动接收人体自身向外辐射的太赫兹波，形成人体的二维太赫兹强度图，当人体携带违禁物品通过安检通道时，随身携带的物品会对人体发出的太赫兹波做不同程度的遮挡，并在对应部位留下物品形状阴影，检测人员通过阴影形状就可以判断人体是否携带危险物品，以及危险物品的种类。但太赫兹技术仍存在较大的不足如成像分辨率交底、报警准确率不高，仍需后台人员值守等问题。申请人依据上述情况进行分析造成上述问题的原因在于以下几个方面：1)目前采用人脸+太赫兹识别的方式进行安检设备的研发，而非利用人脸图像与太赫兹图像的数据融合；2)太赫兹图像分辨率较低，白噪声过大，进而导致完整的太赫兹图像进行大数据分析时多模图像的直接融合较为困难。

发明内容

(一)要解决的技术问题

(1)人脸+太赫兹的数据融合；

(2)基于人脸+太赫兹的大数据训练方法；。

(二)技术方案

本发明通过如下技术方案实现：一种人脸识别大数据训练方法；所述方法包括如下步骤：

步骤100：将视频采集装置与太赫兹装置放置于同一视角；

步骤200：采集的太赫兹图像及人物视频流发至服务器进行预处理；

步骤300：将步骤200处理的数据导入大数据处理单元进行训练；

步骤400：将训练得到的模型存入神经网络模型的处理单元。

作为上述方案的进一步说明，所述步骤100视频采集装置包括红外线发射器、RGB摄像头、深度感应器、高清摄像头；所述太赫兹装置为被动太赫兹成像装置、主动太赫兹成像装置中的一种；所述同一视角指视频采集装置与太赫兹装置的辐射视角一致。

作为上述方案的进一步说明，所述步骤200太赫兹图像预处理方式包括如下步骤：

步骤201：不同身高、体重的真人将危险物体放入任意身体部位；

步骤202：反复利用视频采集装置与太赫兹装置采集人物数据；

步骤203：利用图像分割算法提取太赫兹图像中危险物位置图像；

步骤204：根据身体部位对太赫兹图像进行分类并标注。

作为上述方案的进一步说明，所述步骤200人物视频流预处理方式包括如下步骤：

步骤205：根据太赫兹装置的帧率提取视频流中对应帧图像；