一种基于人脸识别技术的智能安防预警方法与流程

1.本发明涉及安防预警技术领域，具体涉及一种基于人脸识别技术的智能安防预警方法。


背景技术：

2.目前，视频监控已经成为现代安防防范系统的一个重要的组成部分，视频监控的方法是目前常用的安全防范手段，且随着监控视频范围的不断增长，需要识别海量的视频信息中的人脸信息进行识别。
3.现有的基于人脸识别的安防预警技术，大多对人脸特征信息进行单次比对，即得出识别结果，使得进行人脸识别时经常出现识别错误。而随着监控视频范围的不断增长，需要识别在海量的人脸信息库中进行识别，人脸识别的准确性，难以保证。


技术实现要素：

4.本发明的目的在于提供一种基于人脸识别技术的智能安防预警方法，解决以下技术问题：
5.现有的基于人脸识别的安防预警技术，需要识别在海量的人脸信息库中进行识别，使得进行人脸识别时经常出现识别错误。
6.本发明的目的可以通过以下技术方案实现：
7.一种基于人脸识别技术的智能安防预警方法，包括以下步骤：
8.通过人脸卡口相机对人脸图像进行实时拍摄，并将拍摄数据传输至人脸识别服务器；
9.人脸识别模块对人脸卡口相机拍摄的图片进行分析，提取图片中的人脸图像，对提取的人脸图像进行识别，将人脸图像与人脸数据库中已注册人员名单中的人脸数据进行比对，并判断提取的人脸图像是否在已注册人员名单中，若提取的人脸图像在已注册人员名单中，则安全检测通过；否则，将数据传输至监控平台；
10.监控平台将获取到的人脸图像进行图像处理后与人脸数据库中已注册人员名单的数据再次进行对比，若确认提取的人脸图像不在已注册人员名单中，则提示是未注册人员。
11.作为本发明进一步的方案：监控平台将获取到的人脸图像进行图像处理后与人脸数据库中已注册人员名单的数据再次进行对比，包括以下步骤：
12.s1：对获取到的人脸图像进行预处理；
13.s2：预处理后的人脸图像通过卷积神经网络进行人脸特征提取；将获取到的人脸特征对比人脸数据库中已注册人员名单的人脸特征进行比对；
14.s4：对获取到的人脸特征的比对结果分为：该目标在已注册人员名单中和该目标不在已注册人员名单中；
15.s5：若识别结果为该目标在已注册人员名单中，则不进行处理。
16.作为本发明进一步的方案：所述步骤s1中，对获取到的人脸图像进行预处理，包括以下步骤：将获取到的人脸图像通过同态滤波进行图像处理增强，再通过gamma矫正进行处理。
17.作为本发明进一步的方案：步骤s2中预处理后的人脸图像通过卷积神经网络进行人脸特征提取，包括以下步骤：
18.s201：对预处理后的人脸图像进行扫描，将人脸图像分割为四个部分，分别为上庭图像、中庭右图像、中庭左图像和下庭图像；
19.s202：通过卷积神经网络比对中庭右图像、中庭左图像中提取特征数据，并与人脸数据库进行比对，筛选出初步匹配人脸数据；
20.s203：上庭图像和下庭图像与人脸数据库进行比对，筛选出匹配度最高的人脸数据，判定为已识别人脸数据。
21.作为本发明进一步的方案：所述步骤s201中将人脸图像分割为四个部分，包括以下步骤：
22.s2011：通过卷积神经网络提取人脸数据库中人脸图像的基准眼部轮廓，基于基准眼部轮廓在待识别图像中识别出眼部图像，基于眼部图像在人脸图像中的位置，将人脸图像中的眼部图像以上的图像部分分割，获得上庭图像；
23.s2012：获取人脸数据库中人脸图像的基准鼻部轮廓，基于基准鼻部轮廓在待识别图像中识别出鼻部图像，基于鼻部图像在人脸图像中的位置，将人脸图像中的鼻部图像以下的图像部分分割，获得下庭图像；
24.s2013：人脸图像中上庭图像和下庭图像之间的图像部分为中庭图像，将中庭图像沿中心线分为左右两部分，获得中庭右图像、中庭左图像。
25.作为本发明进一步的方案：所述步骤s202包括以下步骤：
26.s2021：对中庭右图像和中庭左图像进行扫描，通过卷积神经网络提取中庭右图像中的右半鼻部特征数据和右眼轮廓特征数据，以及中庭左图像中的左半鼻部特征数据和左眼轮廓特征数据；
27.s2022：人脸数据库预先存储了每一个面部图像的眼部对称性偏差数据和鼻部对称性偏差数据，以及每一个面部图像的上庭和下庭轮廓扫描数据；
28.s2023：将右半鼻部特征数据与左半鼻部特征数据进行比对，获取右半鼻部特征数据与左半鼻部特征数据之间的鼻部特征偏差数据；
29.s2024：将鼻部特征偏差数据与人脸数据库中的鼻部对称性偏差数据进行比对，筛选数匹配度最高的50～100组面部图像数据；
30.s2025：通过右眼轮廓特征数据与左眼轮廓特征数据与人脸数据库中筛选出的进行分析比对，筛选出初步匹配人脸数。
31.作为本发明进一步的方案：所述步骤s2025，包括以下步骤：
32.将右眼轮廓特征数据与左眼轮廓特征数据进行比对，获取右眼轮廓特征数据与左眼轮廓特征数据之间的眼部特征偏差数据；
33.将眼部特征偏差数据与人脸数据库中筛选出的50～100组面部图像数据中的眼部对称性偏差数据进行比对，筛选出的眼部对称性偏差数据与眼部特征偏差数据之间的差值在设定阈值之内的人脸数据，判定为初步匹配人脸数据；若没有初步匹配人脸数据，则判定
为未匹配到人脸数据。
34.作为本发明进一步的方案：所述步骤s203，包括以下步骤：
35.s2031：对上庭图像和下庭图像进行扫描，获取上庭图像的轮廓扫描数据和下庭图像的轮廓扫描数据；
36.s2032：将获取的上庭图像的轮廓扫描数据与人脸数据库中筛选出的初步匹配人脸数据的上庭轮廓扫描数据进行比对，将下庭图像的轮廓扫描数据与与人脸数据库中筛选出的初步匹配人脸数据的下庭轮廓扫描数据进行比对，筛选出匹配度最高的人脸数据，判定为已识别人脸数据。
37.本发明的有益效果：
38.本发明通过监管平台对人脸图像进行二次识别，可以进一步提高识别率，从而减少误报率。通过设置人脸数据库中的已注册人员名单，可以有效的识别人员是否为已注册人员。
附图说明
39.下面结合附图对本发明作进一步的说明。
40.图1是本发明的流程示意图。
具体实施方式
41.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
42.请参阅图1所示，本发明为一种基于人脸识别技术的智能安防预警方法，包括以下步骤：
43.通过人脸卡口相机对人脸图像进行实时拍摄，并将拍摄数据传输至人脸识别服务器；
44.人脸识别模块对人脸卡口相机拍摄的图片进行分析，提取图片中的人脸图像，对提取的人脸图像进行识别，将人脸图像与人脸数据库中已注册人员名单中的人脸数据进行比对，并判断提取的人脸图像是否在已注册人员名单中，若提取的人脸图像在已注册人员名单中，则安全检测通过；否则，将数据传输至监控平台；
45.监控平台将获取到的人脸图像进行图像处理后与人脸数据库中已注册人员名单的数据再次进行对比，若确认提取的人脸图像不在已注册人员名单中，则提示是未注册人员。
46.具体的，通过监管平台对人脸图像进行二次识别，可以进一步提高识别率，从而减少误报率。通过设置人脸数据库中的已注册人员名单，可以有效的识别人员是否为已注册人员。
47.在本发明其中一个实施例中，监控平台将获取到的人脸图像进行图像处理后与人脸数据库中已注册人员名单的数据再次进行对比，包括以下步骤：
48.s1：对获取到的人脸图像进行预处理；
49.s2：预处理后的人脸图像通过卷积神经网络进行人脸特征提取；将获取到的人脸特征对比人脸数据库中已注册人员名单的人脸特征进行比对；
50.s4：对获取到的人脸特征的比对结果分为：该目标在已注册人员名单中和该目标不在已注册人员名单中；
51.s5：若识别结果为该目标在已注册人员名单中，则不进行处理。
52.在本发明其中一个实施例中，所述步骤s1中，对获取到的人脸图像进行预处理，包括以下步骤：将获取到的人脸图像通过同态滤波进行图像处理增强，再通过gamma矫正进行处理。
53.在本发明其中一个实施例中，步骤s2中预处理后的人脸图像通过卷积神经网络进行人脸特征提取，包括以下步骤：
54.s201：对预处理后的人脸图像进行扫描，将人脸图像分割为四个部分，分别为上庭图像、中庭右图像、中庭左图像和下庭图像；
55.s202：通过卷积神经网络比对中庭右图像、中庭左图像中提取特征数据，并与人脸数据库进行比对，筛选出初步匹配人脸数据；
56.s203：上庭图像和下庭图像与人脸数据库进行比对，筛选出匹配度最高的人脸数据，判定为已识别人脸数据。
57.在本发明其中一个实施例中，所述步骤s201中将人脸图像分割为四个部分，包括以下步骤：
58.s2011：通过卷积神经网络提取人脸数据库中人脸图像的基准眼部轮廓，基于基准眼部轮廓在待识别图像中识别出眼部图像，基于眼部图像在人脸图像中的位置，将人脸图像中的眼部图像以上的图像部分分割，获得上庭图像；
59.s2012：获取人脸数据库中人脸图像的基准鼻部轮廓，基于基准鼻部轮廓在待识别图像中识别出鼻部图像，基于鼻部图像在人脸图像中的位置，将人脸图像中的鼻部图像以下的图像部分分割，获得下庭图像；
60.s2013：人脸图像中上庭图像和下庭图像之间的图像部分为中庭图像，将中庭图像沿中心线分为左右两部分，获得中庭右图像、中庭左图像。
61.在本发明其中一个实施例中，所述步骤s202包括以下步骤：
62.s2021：对中庭右图像和中庭左图像进行扫描，通过卷积神经网络提取中庭右图像中的右半鼻部特征数据和右眼轮廓特征数据，以及中庭左图像中的左半鼻部特征数据和左眼轮廓特征数据；
63.s2022：人脸数据库预先存储了每一个面部图像的眼部对称性偏差数据和鼻部对称性偏差数据，以及每一个面部图像的上庭和下庭轮廓扫描数据；
64.s2023：将右半鼻部特征数据与左半鼻部特征数据进行比对，获取右半鼻部特征数据与左半鼻部特征数据之间的鼻部特征偏差数据；
65.s2024：将鼻部特征偏差数据与人脸数据库中的鼻部对称性偏差数据进行比对，筛选数匹配度最高的50～100组面部图像数据；
66.s2025：通过右眼轮廓特征数据与左眼轮廓特征数据与人脸数据库中筛选出的进行分析比对，筛选出初步匹配人脸数。
67.在本发明其中一个实施例中，所述步骤s2025，包括以下步骤：
68.将右眼轮廓特征数据与左眼轮廓特征数据进行比对，获取右眼轮廓特征数据与左眼轮廓特征数据之间的眼部特征偏差数据；
69.将眼部特征偏差数据与人脸数据库中筛选出的50～100组面部图像数据中的眼部对称性偏差数据进行比对，筛选出的眼部对称性偏差数据与眼部特征偏差数据之间的差值在设定阈值之内的人脸数据，判定为初步匹配人脸数据；若没有初步匹配人脸数据，则判定为未匹配到人脸数据。
70.在本发明其中一个实施例中，所述步骤s203，包括以下步骤：
71.s2031：对上庭图像和下庭图像进行扫描，获取上庭图像的轮廓扫描数据和下庭图像的轮廓扫描数据；
72.s2032：将获取的上庭图像的轮廓扫描数据与人脸数据库中筛选出的初步匹配人脸数据的上庭轮廓扫描数据进行比对，将下庭图像的轮廓扫描数据与与人脸数据库中筛选出的初步匹配人脸数据的下庭轮廓扫描数据进行比对，筛选出匹配度最高的人脸数据，判定为已识别人脸数据。
73.本发明通过由于人脸中庭图像中特征信息较多，而下庭和上庭轮廓随年纪增长变化较大，则先通过人脸中庭图像特征对人脸部信息特征数据提取比对，有助于快速对面部图像进行识别匹配，同时通过卷积神经网络提取中庭右图像中的右半鼻部特征数据和右眼轮廓特征数据，以及中庭左图像中的左半鼻部特征数据和左眼轮廓特征数据，再通过获取右半鼻部特征数据与左半鼻部特征数据之间的鼻部特征偏差数据；将鼻部特征偏差数据与人脸数据库中已经存在的鼻部特征数据中的鼻部对称性偏差数据进行比对，由于人的左右面部特征随着时间推移会产生变化，但是由于人面部特征填充同步变化，则通过面部对称性特征对人面部进行对称性特征的比对，有助于更加快速准确的对人脸图像进行识别。
74.在本发明的描述中，需要理解的是，术语“上”、“下”、“左”、“右”等指示方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以及特定的方位构造和操作，因此，不能理解为对本发明的限制。此外，“第一”、“第二”仅由于描述目的，且不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。因此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者多个该特征。本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
75.在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”“相连”“连接”等应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接连接，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
76.以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。

技术特征：
1.一种基于人脸识别技术的智能安防预警方法，其特征在于，包括以下步骤：通过人脸卡口相机对人脸图像进行实时拍摄，并将拍摄数据传输至人脸识别服务器；人脸识别模块对人脸卡口相机拍摄的图片进行分析，提取图片中的人脸图像，对提取的人脸图像进行识别，将人脸图像与人脸数据库中已注册人员名单中的人脸数据进行比对，并判断提取的人脸图像是否在已注册人员名单中，若提取的人脸图像在已注册人员名单中，则安全检测通过；否则，将数据传输至监控平台；监控平台将获取到的人脸图像进行图像处理后与人脸数据库中已注册人员名单的数据再次进行对比，若确认提取的人脸图像不在已注册人员名单中，则提示是未注册人员。2.根据权利要求1所述的一种基于人脸识别技术的智能安防预警方法,其特征在于，监控平台将获取到的人脸图像进行图像处理后与人脸数据库中已注册人员名单的数据再次进行对比，包括以下步骤：s1：对获取到的人脸图像进行预处理；s2：预处理后的人脸图像通过卷积神经网络进行人脸特征提取；将获取到的人脸特征对比人脸数据库中已注册人员名单的人脸特征进行比对；s4：对获取到的人脸特征的比对结果分为：该目标在已注册人员名单中和该目标不在已注册人员名单中；s5：若识别结果为该目标在已注册人员名单中，则不进行处理。3.根据权利要求2所述的一种基于人脸识别技术的智能安防预警方法,其特征在于，所述步骤s1中，对获取到的人脸图像进行预处理，包括以下步骤：将获取到的人脸图像通过同态滤波进行图像处理增强，再通过gamma矫正进行处理。4.根据权利要求2所述的一种基于人脸识别技术的智能安防预警方法,其特征在于，步骤s2中预处理后的人脸图像通过卷积神经网络进行人脸特征提取，包括以下步骤：s201：对预处理后的人脸图像进行扫描，将人脸图像分割为四个部分，分别为上庭图像、中庭右图像、中庭左图像和下庭图像；s202：通过卷积神经网络比对中庭右图像、中庭左图像中提取特征数据，并与人脸数据库进行比对，筛选出初步匹配人脸数据；s203：上庭图像和下庭图像与人脸数据库进行比对，筛选出匹配度最高的人脸数据，判定为已识别人脸数据。5.根据权利要求4所述的一种基于人脸识别技术的智能安防预警方法,其特征在于，所述步骤s201中将人脸图像分割为四个部分，包括以下步骤：s2011：通过卷积神经网络提取人脸数据库中人脸图像的基准眼部轮廓，基于基准眼部轮廓在待识别图像中识别出眼部图像，基于眼部图像在人脸图像中的位置，将人脸图像中的眼部图像以上的图像部分分割，获得上庭图像；s2012：获取人脸数据库中人脸图像的基准鼻部轮廓，基于基准鼻部轮廓在待识别图像中识别出鼻部图像，基于鼻部图像在人脸图像中的位置，将人脸图像中的鼻部图像以下的图像部分分割，获得下庭图像；s2013：人脸图像中上庭图像和下庭图像之间的图像部分为中庭图像，将中庭图像沿中心线分为左右两部分，获得中庭右图像、中庭左图像。6.根据权利要求4所述的一种基于人脸识别技术的智能安防预警方法,其特征在于，所
述步骤s202包括以下步骤：s2021：对中庭右图像和中庭左图像进行扫描，通过卷积神经网络提取中庭右图像中的右半鼻部特征数据和右眼轮廓特征数据，以及中庭左图像中的左半鼻部特征数据和左眼轮廓特征数据；s2022：人脸数据库预先存储了每一个面部图像的眼部对称性偏差数据和鼻部对称性偏差数据，以及每一个面部图像的上庭和下庭轮廓扫描数据；s2023：将右半鼻部特征数据与左半鼻部特征数据进行比对，获取右半鼻部特征数据与左半鼻部特征数据之间的鼻部特征偏差数据；s2024：将鼻部特征偏差数据与人脸数据库中的鼻部对称性偏差数据进行比对，筛选数匹配度最高的50～100组面部图像数据；s2025：通过右眼轮廓特征数据与左眼轮廓特征数据与人脸数据库中筛选出的进行分析比对，筛选出初步匹配人脸数。7.根据权利要求6所述的一种基于人脸识别技术的智能安防预警方法,其特征在于，所述步骤s2025，包括以下步骤：将右眼轮廓特征数据与左眼轮廓特征数据进行比对，获取右眼轮廓特征数据与左眼轮廓特征数据之间的眼部特征偏差数据；将眼部特征偏差数据与人脸数据库中筛选出的50～100组面部图像数据中的眼部对称性偏差数据进行比对，筛选出的眼部对称性偏差数据与眼部特征偏差数据之间的差值在设定阈值之内的人脸数据，判定为初步匹配人脸数据；若没有初步匹配人脸数据，则判定为未匹配到人脸数据。8.根据权利要求4所述的一种基于人脸识别技术的智能安防预警方法,其特征在于，所述步骤s203，包括以下步骤：s2031：对上庭图像和下庭图像进行扫描，获取上庭图像的轮廓扫描数据和下庭图像的轮廓扫描数据；s2032：将获取的上庭图像的轮廓扫描数据与人脸数据库中筛选出的初步匹配人脸数据的上庭轮廓扫描数据进行比对，将下庭图像的轮廓扫描数据与与人脸数据库中筛选出的初步匹配人脸数据的下庭轮廓扫描数据进行比对，筛选出匹配度最高的人脸数据，判定为已识别人脸数据。

技术总结
本发明公开了一种基于人脸识别技术的智能安防预警方法，包括：通过人脸卡口相机对人脸图像进行实时拍摄，并将拍摄数据传输至人脸识别服务器；人脸识别模块对人脸卡口相机拍摄的图片进行分析，提取图片中的人脸图像，对提取的人脸图像进行识别，将人脸图像与人脸数据库中已注册人员名单中的人脸数据进行比对，并判断提取的人脸图像是否在已注册人员名单中，若提取的人脸图像在已注册人员名单中，则安全检测通过；否则，将数据传输至监控平台；通过监管平台对人脸图像进行二次识别，可以进一步提高识别率，从而减少误报率。通过设置人脸数据库中的已注册人员名单，可以有效的识别人员是否为已注册人员。否为已注册人员。否为已注册人员。


技术研发人员：李环寰 杨春合 刘成龙 莫申林 卫彪 唐飞 李凯 汪彬彬 郭旭 江建宇 叶能锋 汪成军 赵成亮
受保护的技术使用者：四创电子股份有限公司
技术研发日：2023.04.19
技术公布日：2023/9/20