監(jiān)控場景下基于深度學習的人臉識別系統(tǒng)的制作方法
【專利說明】監(jiān)控場景下基于深度學習的人臉識別系統(tǒng)
[0001]
技術領域
[0002]本發(fā)明屬于智能視頻監(jiān)控領域，涉及到模式識別、人工智能等技術，特別涉及到監(jiān)控場景下智能人臉識別方面。
[0003]
【背景技術】
[0004]人臉識別技術是依據(jù)人臉部的特征信息進行身份識別的生物識別技術之一。人臉識別技術成為一種可靠地身份識別依據(jù)，而且具有非接觸性、并發(fā)性、非強制性、直觀性等優(yōu)點。目前人臉識別主要應用于考勤、門禁身份驗證等領域，在智能監(jiān)控領域的應用還不完善，還沒有比較完備的人臉識別監(jiān)控設備應用在監(jiān)控場景中。
[0005]本發(fā)明旨在應用在智能監(jiān)控領域，通過監(jiān)控，將目標與場景中的人臉進行識別比對匹配，得到搜索的人物信息。在遠距離情況下快速確認目標身份，實現(xiàn)智能預警的功能。通過在重要保護場所如學校、車站、超市、廣場、住宅區(qū)等進行實時采集視頻信息并進行人臉識別，從而快速鎖定出入人員的信息，判斷是否為危險分子，從而實現(xiàn)預警，保護人們的人身財產(chǎn)安全。隨著人們安全防范意識的提高，急需人臉識別系統(tǒng)應用于監(jiān)控領域，并且，這對加強我國治安管理水平有重要的作用。
[0006]

【發(fā)明內(nèi)容】

[0007]為解決上述問題，本發(fā)明的目的在于提供監(jiān)控場景下基于深度學習的人臉識別系統(tǒng)。
[0008]本系統(tǒng)在監(jiān)控場景下，能夠檢測到人臉并進行快速分析匹配，及早辨別出身份信息，判斷是否為危險人物并及早預警。本系統(tǒng)具有友好、易采集性、非強制性、檢測可靠等優(yōu)點，具有較高的智能化水平。
[0009]本發(fā)明采用的技術方案是:監(jiān)控場景下基于深度學習的人臉識別系統(tǒng)包括視頻采集單元、人臉檢測單元、顯示單元、存儲單元。
[0010]其中，所述視頻采集單元包括嵌入式高清相機和視頻編碼器。
[0011]其中，所述人臉檢測單元包括人臉數(shù)據(jù)庫模塊、深度學習模塊、人臉判別模塊、特征提取模塊、人臉匹配模塊和通信模塊a。
[0012]所述人臉數(shù)據(jù)庫模塊是存放待訓練的人臉。
[0013]所述深度學習模塊包括神經(jīng)網(wǎng)絡各層的建立過程。所建立的神經(jīng)網(wǎng)絡，包含輸入層、輸出層、五層隱層，只有相鄰層節(jié)點之間有連接，同一層以及跨層節(jié)點之間相互無連接。訓練過程包括前向訓練和后向訓練。前向訓練過程為自下而上的非監(jiān)督學習，即從底層開始，一層一層的往頂層訓練，訓練過程中，訓練學習得到第η-1層參數(shù)后，將η-1層的輸出作為第η層的輸入，訓練第η層，由此分別得到各層的參數(shù)；后向訓練過程為自上而下的監(jiān)督學習，即訓練誤差自頂向下傳輸，對參數(shù)進行微調(diào)。
[0014]所述人臉判別模塊，指的是通過深度學習各層神經(jīng)網(wǎng)絡的學習，將視頻圖像中出現(xiàn)的人臉信息檢測出來。
[0015]所述特征提取模塊是依據(jù)人臉數(shù)據(jù)庫模塊中的人臉樣本學習規(guī)則，提取出人臉判別模塊中提取得到的人臉的特征信息。
[0016]所述人臉匹配模塊為人臉判別模塊中提取得到的待檢測人臉與已經(jīng)存儲的人臉數(shù)據(jù)庫模塊中的人臉進行比對匹配的過程。通過比對人臉判別模塊中提取得到的待檢測人臉和人臉數(shù)據(jù)庫模塊中的人臉的特征信息，找出匹配的人臉對應的身份信息。
[0017]所述通信模塊a負責將人臉匹配模塊提取得到的匹配的人臉信息傳輸?shù)斤@示單元，通過PCI總線進行數(shù)據(jù)傳輸。
[0018]其中，所述顯示單元包括通信模塊b、解碼模塊和顯示模塊。
[0019]所述通信模塊b負責接收人臉檢測單元傳輸?shù)钠ヅ淙四樀奶卣餍畔⒑鸵曨l采集單元經(jīng)過壓縮編碼的視頻信息，通過PCI總線進行數(shù)據(jù)傳輸。
[0020]所述解碼模塊負責將接收到的視頻采集單元傳輸?shù)囊曨l信息進行解碼。
[0021]所述顯示模塊指的是LED顯示屏，顯示人臉匹配模塊得到的人臉的身份信息以及實時監(jiān)控錄像。
[0022]其中，所述存儲單元為云盤存儲，將視頻采集單元采集到的場景信息通過光纖電纜傳輸?shù)皆票P并存儲，同時，將人臉檢測單元中人臉匹配模塊得到的人臉的身份信息進行存儲。
[0023]所述視頻采集單元的嵌入式高清相機將采集到的視頻信息通過網(wǎng)線傳輸?shù)饺四槞z測單元的人臉判別模塊，同時經(jīng)光纖電纜傳輸?shù)酱鎯卧拇鎯σ曨l模塊進行數(shù)據(jù)備份；人臉檢測單元將人臉數(shù)據(jù)庫模塊中的人臉數(shù)據(jù)傳到深度學習模塊，進行神經(jīng)網(wǎng)絡的自學習建模，建立好的神經(jīng)網(wǎng)絡模型參數(shù)傳輸?shù)饺四樑袆e模塊；人臉判別模塊利用深度學習模塊建立的神經(jīng)網(wǎng)絡模型對視頻采集單元傳輸來的視頻信息進行人臉判別，得到視頻中人臉圖像信息；特征提取模塊將人臉判別模塊中提取到的人臉信息進一步進行特征提取，人臉匹配模塊將提取到的人臉特征與人臉數(shù)據(jù)庫模塊中的人臉進行比對匹配，找到匹配度最高的人臉信息，同時，并將人臉匹配結果傳輸?shù)酱鎯卧拇鎯ζヅ浣Y果模塊進行儲存；進而，匹配得到的人臉特征信息通過通信模塊a以PCI總線方式傳輸?shù)斤@示單元；顯示單元通過通信模塊b接收人臉檢測單元傳輸來的匹配的人臉信息和視頻采集單元壓縮編碼后的視頻信息，并利用解碼模塊進行對視頻解碼；解碼模塊解碼后的視頻傳到顯示模塊；顯示模塊顯示匹配的人臉信息，同時實時顯示視頻信息。
[0024]本發(fā)明的有益效果是:該裝置采集到的圖像信息能夠快速識別出人臉并準確判定出對應的身份信息，能夠通過非接觸、友好地完成信息身份檢查確認，能夠?qū)崿F(xiàn)危險人物的預警，提早采取相應措施，保護人們的生命財產(chǎn)安全，對我國治安的協(xié)助維持有重要的作用。
[0025]【附圖說明】
[0026]附圖用來提供對本發(fā)明的進一步理解，并且構成說明書的一部分，與本發(fā)明的實例一起用于解釋本發(fā)明，并不構成對本發(fā)明的限制。在附圖中:
圖1是本發(fā)明系統(tǒng)圖。
[0027]圖2是本發(fā)明處理流程圖。
[0028]
【具體實施方式】
[0029]下面結合具體實例來說明本發(fā)明技術方案所涉及到的各個細節(jié)問題。應指出的是，所描述的實例僅旨在便于對本發(fā)明的理解，并不因此而限定本發(fā)明的保護范圍。
[0030]如圖1所示，本發(fā)明采用的技術方案是:監(jiān)控場景下基于深度學習的人臉識別系統(tǒng)包括視頻采集單元1、人臉檢測單元2、顯示單元3、存儲單元4。
[0031]其中，所述視頻采集單元I包括嵌入式高清相機11和視頻編碼器12。
[0032]其中，所述人臉檢測單元2包括人臉數(shù)據(jù)庫模塊21、深度學習模塊22、人臉判別模塊23、特征提取模塊24、人臉匹配模塊25和通信模塊a 26。
[0033]所述人臉數(shù)據(jù)庫模塊21是存放待訓練的人臉。
[0034]所述深度學習模塊22包括神經(jīng)網(wǎng)絡各層的建立過程。所建立的神經(jīng)網(wǎng)絡，包含輸入層、輸出層、五層隱層，只有相鄰層節(jié)點之間有連接，同一層以