车载人脸识别算法优化方法及系统与流程

[0001]
本发明涉及车载人脸识别系统的技术领域，尤其是涉及一种车载人脸识别算法优化方法及系统。


背景技术：

[0002]
目前人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。人脸识别系统主要包括四个组成部分，分别为：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。现在人脸识别系统在采集到图像后可以自动判断出图像中的人脸，并对人脸进行识别。
[0003]
车载人脸识别系统可以用于安装在警车上对过路的行人进行身份识别。这种人脸识别系统需要对短时间内采集的图像进行人脸识别，对图像的清晰度、识别速度和准确度等都需要有很高的要求。
[0004]
上述中的现有技术方案存在以下缺陷：车载人脸识别系统在对车载图像采集设备拍摄的视频进行人脸识别的时候，由于行人在不断运动，车辆可能也会发生运动，会导致识别出的人脸可能不属于同一人，识别过程中容易出现误报，误报会严重影响警方行动，警方又没有时间在后续进行识别结果的筛选判断，现有技术难以实现在短时间内减少人脸识别系统的误报数量。


技术实现要素：

[0005]
为了在短时间内减少人脸识别系统的误报数量，本申请提供一种车载人脸识别算法优化方法。
[0006]
本申请提供的一种车载人脸识别算法优化方法采用如下的技术方案：一种车载人脸识别算法优化方法，包括以下步骤：一、图像采集：通过车载图像采集设备拍摄视频，将视频分解为多个图像；二、一层筛选：通过欧氏距离寻找图像中最邻近的设定数量的人员资料，并通过欧式距离对人员资料进行筛选；建立特定存储单元，并将筛选出的人员名称和图像添加至对应计算结果的特定存储单元内；三、二层筛选：对第二步筛选的结果通过余弦相似度进行筛选；将筛选出的人员名称和图像添加至对应计算结果的特定存储单元内；四、缓存创建：根据追踪算法推算出人脸框的跟踪编号，建立图像缓存数据库和名称缓存数据库，将代表图像的图像编号和对应图像编号的跟踪编号绑定后存储于图像缓存数据库，将代表人名的名称编号和对应名称编号的跟踪编号绑定后存储于名称缓存数据库；五、名称过滤：当特定存储单元内的人员名称达到设定数量时，筛选该特定存储单元内出现次数最多的人员名称，并删除其他人员名称以及名称缓存数据库中对应的名称编号和跟踪编号；六、图像过滤：根据跟踪编号调用名称缓存数据库中出现次数最多的名称编号，并获取
该名称编号出现的次数，当该名称编号出现的次数大于设定值时将该名称编号及对应的跟踪编号输出。
[0007]
通过采用上述方案，警车在拍摄图像时对拍摄的视频进行人脸识别，在人脸识别过程中通过对图像进行二次筛选获得筛选结果，名称过滤能够过滤掉二次筛选后人脸框和人员名称不对应的结果，图像过滤能够将判断过程中判断准确度最高的结果筛选出来，将传统人脸识别算法对单帧图像的识别转化为对多帧图像的识别判断，能够有效减少最终获得的结果误判的可能，同时能够有效降低复杂环境对算法的不良影响。
[0008]
优选的，步骤二具体设置为：二a、通过欧氏距离计算图像中人脸与人员资料人脸的欧式距离值并筛选出最邻近的设定数量的人员资料，判断筛选出的人员资料对应的欧氏距离值是否呈平缓分布；二b、若欧氏距离值呈平缓分布，则判断为误识别；二c、若欧式距离值存在较大差值，则判断为正常识别；二d、建立特定存储单元，并将筛选出的人员名称和图像添加至对应计算结果的特定存储单元内。
[0009]
通过采用上述方案，在一层筛选过程中能够自动判断人脸识别过程中出现的误识别，进一步减少最终获得的结果误判的可能。
[0010]
优选的，步骤六还包括：六a、在根据跟踪编号调用名称缓存数据库中出现次数最多的名称编号前，先名称缓存数据库中出现次数小于2的跟踪编号进行忽略。
[0011]
通过采用上述方案，有效增加系统判断精度，避免系统判断错误。
[0012]
优选的，步骤六还包括：六b、当特定存储单元的图像信息在特定存储单元内的存储时间超过设定时间时查找该图像信息对应的跟踪编号，在图像缓存数据库和名称缓存数据库中将该跟踪编号及对应的图像编号和名称编号删除。
[0013]
通过采用上述方案，自动将陈旧的历史信息进行删除，避免历史信息影响正常判断。
[0014]
优选的，步骤一还包括：一a、判断分解后的图像是否清晰，将清晰度低于设定值的图像筛选出来；一b、判断筛选出的图像邻近图像中人脸框的坐标并调用该人脸框对应的人员资料；一c、选出模糊图像中对应人脸框的坐标，通过该人员资料对模糊图像中对应坐标内的内容进行清晰化处理。
[0015]
通过采用上述方案，因为拍摄环境复杂，所以容易出现模糊图像，需要对模糊图像进行清晰化处理以保证模糊图像也可以用于进行人脸识别。
[0016]
优选的，步骤一还包括：一d、若相邻预设数量的图像均为模糊图像则对所有模糊图像进行人脸识别，将识别出人脸框的图像筛选出来并标记识别出的人脸框，根据标记的人脸框寻找最接近的人员资料，筛选出出现次数最多的人员资料。
[0017]
通过采用上述方案，若无法保证模糊图像进行清晰化处理的结果，可以计算出最接近的人员资料，供用户参考。
[0018]
为了在短时间内减少人脸识别系统的误报数量，本申请提供一种车载人脸识别算法优化系统。
[0019]
本申请提供的一种车载人脸识别算法优化系统采用如下的技术方案：一种车载人脸识别算法优化系统，包括总数据库、图像采集模块、一次筛选模块、二次筛选模块、存储模块、缓存模块、名称过滤模块和图像过滤模块；所述总数据库存储有人员资料；所述图像采集模块包括车载图像采集设备并且接收车载图像采集设备传输的视频信息，图像采集模块将视频信息分解为多个图像信息并传输给一次筛选模块；所述一次筛选模块接收图像信息后通过欧氏距离计算调用总数据库中最邻近的设定数量的人员资料，并记录每个调用的人员资料对应的欧式距离值，若相邻欧式距离值之间的差值大于设定范围，则将对应的图像信息、人员资料和欧式距离值传输给二次筛选模块；所述二次筛选模块接收图像信息、人员资料和欧式距离值后通过余弦相似度进行筛选，将筛选出的人员资料、图像信息和追踪算法对应的人脸框传输给缓存模块；所述存储模块调用一次筛选模块和二次筛选模块筛选出的图像信息和人员资料，并根据调用的信息建立特定存储单元，将调用的图像信息和人员资料存储于对应的特定存储单元；所述缓存模块接收人员资料、图像信息和追踪算法对应的人脸框后，根据人员资料生成名称编号，根据图像信息生成图像编号。根据追踪算法对应的人脸框生成跟踪编号，缓存模块建立图像缓存数据库和名称缓存数据库，缓存模块将跟踪编号和对应跟踪编号的图像编号存储于图像缓存数据库，缓存模块将跟踪编号和对应跟踪编号的名称编号存储于名称缓存数据库；所述名称过滤模块监测特定存储单元内人员资料的数量，当人员资料的数量等于设定数量时，名称过滤模块筛选该特定存储单元内出现次数最多的人员资料，在名称缓存数据库中检索其余人员资料对应的名称编号，将特定存储单元内存储的其余人员资料删除，并将名称缓存数据库中存储的检索出的名称编号及其对应的跟踪编号删除；所述图像过滤模块筛选并调用名称缓存数据库中出现次数最多的名称编号，并获取该名称编号出现的次数，当该名称编号出现的次数大于设定值时将该名称编号及对应的跟踪编号输出。
[0020]
通过采用上述方案，警车在拍摄图像时系统自动对拍摄的视频进行人脸识别，在人脸识别过程中系统通过对图像进行二次筛选获得筛选结果，名称过滤模块能够过滤掉二次筛选后人脸框和人员名称不对应的结果，图像过滤模块能够将判断过程中判断准确度最高的结果筛选出来，系统将传统人脸识别算法对单帧图像的识别转化为对多帧图像的识别判断，能够有效减少最终获得的结果误判的可能，同时能够有效降低复杂环境对算法的不良影响。
[0021]
优选的，图像过滤模块在筛选名称缓存数据库中出现次数最多的名称编号前筛选名称缓存数据库中出现次数小于2的跟踪编号，并将筛选出的跟踪编号及其对应的名称编号进行省略。
[0022]
通过采用上述方案，能够有效增加系统判断精度，避免系统判断错误。
[0023]
优选的，还包括存储时间记录模块，所述存储时间记录模块监测特定存储单元，当
特定存储单元存储图像信息时记录该图像信息的存储时间并进行计时，当存储时间记录模块记录的特定存储单元中的图像信息存储的时间超过设定时间时查找该图像信息对应的图像编号，并根据图像编号在图像缓存数据库中查找对应的跟踪编号，图像过滤模块将图像缓存数据库和名称缓存数据库中的查找出的跟踪编号和对应该跟踪编号的图像编号与名称编号删除。
[0024]
通过采用上述方案，系统自动将陈旧的历史信息进行删除，避免历史信息影响正常判断。
[0025]
优选的，还包括模糊判断模块、坐标查找模块、清晰处理模块和名称建议模块；所述模糊判断模块接收图像采集模块输出的图像信息并判断图像信息是否模糊，若图像信息为模糊则将该图像信息传输给坐标查找模块；所述坐标查找模块接收到图像信息后查找图像采集模块中临近该图像信息的清晰图像信息，若查找到清晰图像信息，则根据该图像信息在二次筛选模块中检索该图像信息的人脸框并计算人脸框的坐标，将坐标、模糊图像信息和清晰图像信息传输给清晰处理模块，若没有查找到临近的清晰图像信息，则将该图像信息临近的所有图像信息传输给一次筛选模块进行人脸识别，一次筛选模块将获得的人员资料传输给名称建议模块；所述清晰处理模块接收坐标、模糊图像信息和清晰图像信息后根据坐标计算出模糊图像信息上的人脸框区域，将清晰图像信息对应人脸框区域内的图像与模糊图像信息的人脸框区域的图像进行对比，若差距小于设定值则将清晰图像信息中人脸框区域内的图像替换模糊图像信息的人脸框区域的图像，若差距大于设定值则将模糊图像信息中人脸框区域内的图像向靠近清晰图像信息中人脸框区域内的图像方向进行清晰化处理；所述名称建议模块接收到人员资料后将人员资料按照出现次数进行排序并输出。
[0026]
通过采用上述方案，因为拍摄环境复杂，所以容易出现模糊图像，需要对模糊图像进行清晰化处理以保证模糊图像也可以用于进行人脸识别。若无法保证模糊图像进行清晰化处理的结果，可以计算出最接近的人员资料，供用户参考。
[0027]
综上所述，本发明具有以下有益效果：1. 警车在拍摄图像时系统自动对拍摄的视频进行人脸识别，在人脸识别过程中系统通过对图像进行二次筛选获得筛选结果，名称过滤模块能够过滤掉二次筛选后人脸框和人员名称不对应的结果，图像过滤模块能够将判断过程中判断准确度最高的结果筛选出来，系统将传统人脸识别算法对单帧图像的识别转化为对多帧图像的识别判断，能够有效减少最终获得的结果误判的可能，同时能够有效降低复杂环境对算法的不良影响。
附图说明
[0028]
图1是本申请实施例车载人脸识别算法优化系统的整体系统框图。
[0029]
图中，1、总数据库；2、图像采集模块；21、图像采集设备；3、一次筛选模块；31、二次筛选模块；4、存储模块；41、存储时间记录模块；5、缓存模块；6、名称过滤模块；61、图像过滤模块；7、模糊判断模块；8、坐标查找模块；81、名称建议模块；82、清晰处理模块。
具体实施方式
[0030]
以下结合附图1对本申请作进一步详细说明。
[0031]
本申请实施例公开一种车载人脸识别算法优化方法，具体步骤如下：步骤一、图像采集：通过车载图像采集设备21拍摄视频，将视频分解为多个图像。判断分解后的图像是否清晰，将清晰度低于设定值的图像筛选出来。判断筛选出的图像邻近图像中人脸框的坐标并调用该人脸框对应的人员资料。选出模糊图像中对应人脸框的坐标，通过该人员资料对模糊图像中对应坐标内的内容进行清晰化处理。若相邻预设数量的图像均为模糊图像则对所有模糊图像进行人脸识别，将识别出人脸框的图像筛选出来并标记识别出的人脸框，根据标记的人脸框寻找最接近的人员资料，筛选出出现次数最多的人员资料。因为拍摄环境复杂，所以容易出现模糊图像，需要对模糊图像进行清晰化处理以保证模糊图像也可以用于进行人脸识别。若无法保证模糊图像进行清晰化处理的结果，可以计算出最接近的人员资料，供用户参考。
[0032]
步骤二：一层筛选：通过欧氏距离计算图像中人脸与人员资料人脸的欧式距离值并筛选出最邻近的设定数量的人员资料，判断筛选出的人员资料对应的欧氏距离值是否呈平缓分布。若欧氏距离值呈平缓分布，则判断为误识别。若欧式距离值存在较大差值，则判断为正常识别。建立特定存储单元，并将筛选出的人员名称和图像添加至对应计算结果的特定存储单元内。在一层筛选过程中能够自动判断人脸识别过程中出现的误识别，进一步减少最终获得的结果误判的可能。
[0033]
步骤三、二层筛选：对第二步筛选的结果通过余弦相似度进行筛选；将筛选出的人员名称和图像添加至对应计算结果的特定存储单元内。
[0034]
步骤四、缓存创建：根据追踪算法推算出人脸框的跟踪编号，建立图像缓存数据库和名称缓存数据库。将代表图像的图像编号和对应图像编号的跟踪编号绑定后存储于图像缓存数据库。将代表人名的名称编号和对应名称编号的跟踪编号绑定后存储于名称缓存数据库。
[0035]
步骤五、名称过滤：当特定存储单元内的人员名称达到设定数量时，筛选该特定存储单元内出现次数最多的人员名称，并删除其他人员名称以及名称缓存数据库中对应的名称编号和跟踪编号。
[0036]
步骤六、图像过滤：对名称缓存数据库中出现次数小于2的跟踪编号进行忽略。根据跟踪编号调用名称缓存数据库中出现次数最多的名称编号，并获取该名称编号出现的次数，当该名称编号出现的次数大于设定值时将该名称编号及对应的跟踪编号输出。
[0037]
当特定存储单元的图像信息在特定存储单元内的存储时间超过设定时间时查找该图像信息对应的跟踪编号，在图像缓存数据库和名称缓存数据库中将该跟踪编号及对应的图像编号和名称编号删除。自动将陈旧的历史信息进行删除，避免历史信息影响正常判断。
[0038]
本申请实施例一种车载人脸识别算法优化方法的实施原理为：警车在拍摄图像时对拍摄的视频进行人脸识别，在人脸识别过程中通过对图像进行二次筛选获得筛选结果，名称过滤能够过滤掉二次筛选后人脸框和人员名称不对应的结果，图像过滤能够将判断过程中判断准确度最高的结果筛选出来，将传统人脸识别算法对单帧图像的识别转化为对多帧图像的识别判断，能够有效减少最终获得的结果误判的可能，同时能够有效降低复杂环境对算法的不良影响。
[0039]
本申请实施例公开一种车载人脸识别算法优化系统，如图1所示，包括总数据库1、
图像采集模块2、一次筛选模块3、二次筛选模块31、存储模块4、缓存模块5、名称过滤模块6、图像过滤模块61、存储时间记录模块41、模糊判断模块7、坐标查找模块8、清晰处理模块82和名称建议模块81。
[0040]
如图1所示，总数据库1存储有人员资料。总数据库1为警方的数据库，内部存储有所有备案的人员资料。图像采集模块2包括车载图像采集设备21并且接收车载图像采集设备21传输的视频信息，图像采集模块2将视频信息分解为多个图像信息并传输给一次筛选模块3。车载图像采集设备21可以设置为车载高清摄像头、行车记录仪等。
[0041]
如图1所示，一次筛选模块3接收图像信息后通过欧氏距离计算调用总数据库1中最邻近的设定数量的人员资料，并记录每个调用的人员资料对应的欧式距离值。若相邻欧式距离值之间的差值大于设定范围，则将对应的图像信息、人员资料和欧式距离值传输给二次筛选模块31。二次筛选模块31接收图像信息、人员资料和欧式距离值后通过余弦相似度进行筛选，将筛选出的人员资料、图像信息和追踪算法对应的人脸框传输给缓存模块5。欧氏距离计算能够用于计算人员资料的相片与拍摄的图像之间的差距，余弦相似度算法能够计算出最接近的人员资料。
[0042]
如图1所示，存储模块4调用一次筛选模块3和二次筛选模块31筛选出的图像信息和人员资料，并根据调用的信息建立特定存储单元，将调用的图像信息和人员资料存储于对应的特定存储单元。缓存模块5接收人员资料、图像信息和追踪算法对应的人脸框后，根据人员资料生成名称编号，根据图像信息生成图像编号。根据追踪算法对应的人脸框生成跟踪编号，缓存模块5建立图像缓存数据库和名称缓存数据库。缓存模块5将跟踪编号和对应跟踪编号的图像编号存储于图像缓存数据库。缓存模块5将跟踪编号和对应跟踪编号的名称编号存储于名称缓存数据库。
[0043]
如图1所示，名称过滤模块6监测特定存储单元内人员资料的数量，当人员资料的数量等于设定数量时，名称过滤模块6筛选该特定存储单元内出现次数最多的人员资料，在名称缓存数据库中检索其余人员资料对应的名称编号，将特定存储单元内存储的其余人员资料删除，并将名称缓存数据库中存储的检索出的名称编号及其对应的跟踪编号删除。
[0044]
如图1所示，图像过滤模块61筛选名称缓存数据库中出现次数小于2的跟踪编号，并将筛选出的跟踪编号及其对应的名称编号进行省略，然后筛选并调用名称缓存数据库中出现次数最多的名称编号，并获取该名称编号出现的次数，当该名称编号出现的次数大于设定值时将该名称编号及对应的跟踪编号输出。
[0045]
如图1所示，存储时间记录模块41监测特定存储单元，当特定存储单元存储图像信息时记录该图像信息的存储时间并进行计时，当存储时间记录模块41记录的特定存储单元中的图像信息存储的时间超过设定时间时查找该图像信息对应的图像编号，并根据图像编号在图像缓存数据库中查找对应的跟踪编号。图像过滤模块61将图像缓存数据库和名称缓存数据库中的查找出的跟踪编号和对应该跟踪编号的图像编号与名称编号删除。系统自动将陈旧的历史信息进行删除，避免历史信息影响正常判断。
[0046]
如图1所示，模糊判断模块7接收图像采集模块2输出的图像信息并判断图像信息是否模糊，若图像信息为模糊则将该图像信息传输给坐标查找模块8。坐标查找模块8接收到图像信息后查找图像采集模块2中临近该图像信息的清晰图像信息，若查找到清晰图像信息，则根据该图像信息在二次筛选模块31中检索该图像信息的人脸框并计算人脸框的坐
标，将坐标、模糊图像信息和清晰图像信息传输给清晰处理模块82。若没有查找到临近的清晰图像信息，则将该图像信息临近的所有图像信息传输给一次筛选模块3进行人脸识别。一次筛选模块3将获得的人员资料传输给名称建议模块81。
[0047]
如图1所示，清晰处理模块82接收坐标、模糊图像信息和清晰图像信息后根据坐标计算出模糊图像信息上的人脸框区域。清晰处理模块82将清晰图像信息对应人脸框区域内的图像与模糊图像信息的人脸框区域的图像进行对比。若差距小于设定值则将清晰图像信息中人脸框区域内的图像替换模糊图像信息的人脸框区域的图像。若差距大于设定值则将模糊图像信息中人脸框区域内的图像向靠近清晰图像信息中人脸框区域内的图像方向进行清晰化处理。名称建议模块81接收到人员资料后将人员资料按照出现次数进行排序并输出。因为警车的拍摄环境复杂，所以容易出现模糊图像，需要对模糊图像进行清晰化处理以保证模糊图像也可以用于进行人脸识别。若无法保证模糊图像进行清晰化处理的结果，可以计算出最接近的人员资料，供用户参考。
[0048]
系统将传统人脸识别算法对单帧图像的识别转化为对多帧图像的识别判断，能够有效减少最终获得的结果误判的可能，同时能够有效降低复杂环境对算法的不良影响。
[0049]
本具体实施方式的实施例均为本发明的较佳实施例，并非依此限制本发明的保护范围，故：凡依本发明的结构、形状、原理所做的等效变化，均应涵盖于本发明的保护范围之内。