[发明专利]基于人脸特征的陌生人监控方法、装置、设备及存储介质

权利要求书

1.一种基于人脸特征的陌生人监控方法，其特征在于，所述方法包括：

获取实时监控视频流，并对所述视频流进行解帧得到监控图像；

利用预先训练的检测模型判断所述监控图像存在人体活动时，提取所述监控图像中的人脸特征，将所述人脸特征与预设的人脸数据库中已知人脸特征进行匹配识别，得到识别结果；

当所述识别结果为所述预设的人脸数据库不存在所述人脸特征时，标记所述监控图像中人员为陌生人员，将所述陌生人员对应的人脸特征存储在预设的监控缓存中；

利用所述陌生人员的人脸特征对所述陌生人进行轨迹追踪，得到所述陌生人员的实时监控轨迹视频；

根据所述陌生人员的监控轨迹视频，判断所述陌生人员具有异常行为时，标记所述陌生人员为异常人员，对所述异常人员进行实时监控，存储对应的监控轨迹视频，并将所述异常人员的人脸特征、对应的异常行为及监控轨迹视频发送给预设的管理员。

2.如权利要求1所述的基于人脸特征的陌生人监控方法，其特征在于，所述利用预先训练的检测模型判断所述监控图像存在人体活动，包括：

利用所述检测模型对所述监控图像进行卷积、最大池化处理，得到池化图像；

对所述池化图像进行全连接处理，得到全连接特征图；

对全连接特征图进行特征提取，得到监控图像特征；

利用预设的激活函数计算所述监控图像特征属于预设人体特征的概率值；

根据所述概率值，判断所述监控图像是否存在人体活动。

3.如权利要求1所述的基于人脸特征的陌生人监控方法，其特征在于，所述提取所述监控图像中的人脸特征，包括：

对所述监控图像进行归一化处理，得到标准化监控图像；

计算所述标准化监控图像的像素点的梯度值及梯度方向；

对所述标准化监控图像进行分割，得到图像单元；

根据所述图像单元的像素点的梯度值及梯度方向，构建每个所述图像单元的梯度直方图；

在所述图像单元中，将N个相邻的图像单元组成一个图像块，归一化所述图像块中的梯度直方图，得到所述图像块的方向梯度直方图特征，其中，所述N为大于1的自然数；

汇聚所述图像块的方向梯度直方图特征，得到所述监控图像特征；

利用预先训练的级联分类器对所述监控图像特征进行识别，得到所述监控图像中的人脸特征。

4.如权利要求3所述的基于人脸特征的陌生人监控方法，其特征在于，所述利用预先训练的级联分类器对所述监控图像特征进行识别，得到所述监控图像中的人脸特征，包括：

利用所述级联分类器对所述监控图像特征进行人脸检测，判断所述监控图像中是否存在人脸；

当所述监控图像中不存在人脸时，返回获取实时监控视频流的步骤；

当所述监控图像中存在人脸时，利用所述级联分类器识别所述监控图像特征中的人脸特征。

5.如权利要求3所述的基于人脸特征的陌生人监控方法，其特征在于，所述利用预先训练的级联分类器对所述监控图像特征进行识别之前，所述方法还包括：

获取训练样本；

构建合页损失函数；

根据所述合页损失函数构建级联分类器；

利用所述级联分类器计算所述训练样本中的人脸特征，并通过将计算得到的人脸特征与所述训练样本的真实人脸特征进行比较，执行对所述级联分类器的迭代训练。

6.如权利要求1所述的基于人脸特征的陌生人监控方法，其特征在于，所述将所述人脸特征与预设的人脸数据库中已知人脸特征进行匹配识别，得到识别结果，包括：

计算所述人脸特征与所述预设的人脸数据库中已知人脸特征之间的相似度；

通过将所述相似度与预设的相似度阈值进行比较，得到所述预设的人脸数据库是否存在所述人脸特征的识别结果。

7.如权利要求1所述的基于人脸特征的陌生人监控方法，其特征在于，所述根据所述陌生人员的监控轨迹视频，判断所述陌生人员具有异常行为之前，所述方法还包括：

提取所述陌生人员的监控轨视频迹中陌生人员的轨迹信息；

根据所述轨迹信息，判断所述陌生人员是否具有异常行为。