一种人脸识别系统及应用方法与流程

1.本发明涉及人脸识别技术领域，特别是一种人脸识别系统及应用方法。


背景技术：

2.由于近年来互联网、物联网、人工智能、大数据、云计算等技术的不断发展与成熟，智慧社区的建设得到了高度重视，人脸识别技术作为核心在其中发挥了不可替代的作用。目前应用于较多的基于人脸识别的小区门禁，给人们进出小区以及物业管理等带来了极大便利，并能起到防盗作用。
3.虽然现有基于人脸识别的门禁系统具有较多的优点，但是受到技术限制还是存在一些技术问题，具体体现如下。其一：居民出入门口时，需要等待人脸门禁机识别成功后方可出行，所以识别期间，居民只能原地等待。其二：小区门禁系统的安装位置无法满足不同身高差异的居民使用。其三：门禁系统对非本小区的随行人员(跟随前一个人脸识别成功的人员进入小区内)没有做进一步的处理，存在一定的安全隐患。综上，现有的基于人脸识别的门禁系统还存在很大改进余地。


技术实现要素：

4.为了克服现有基于人脸识别的门禁系统，由于技术所限存在如背景所述弊端，本发明提供了在相关软件单元及方法共同作用下，通过分析安装在出入口的普通摄像头实现对出入居民的身份识别，使得不同身高的居民在无感前提下，能进出小区，避免了行人的身高差异和居民出入门口的等待时间，对于非本小区的随行人员，能自动进行数据上报操作，由此实现了智能化管理，并给居民以及物业管理带来了便利，且尽可能防止了非法人员进入小区内的一种人脸识别系统及应用方法。
5.本发明解决其技术问题所采用的技术方案是：
6.一种人脸识别系统，包机安装在小区门口上方的摄像头，其特征在于还具有视频硬解码模块、视频流解码模块、行人检测模块、人脸检测模块、人脸矫正模块和人脸识别模块；所述视频硬解码模块、视频流解码模块、行人检测模块、人脸检测模块、人脸矫正模块和人脸识别模块是安装在上位机内的应用软件；所述摄像头用于采集区域内的视频数据流，并将视频数据流传输到视频硬解码模块、视频流解码模块；所述视频流解码模块能经视频硬解码模块，对摄像头传入的视频流进行硬解码操作，批量得到待分析的图片数据并输出到行人检测模块；所述行人检测模块具有行人检测模型，该模型基于ai技术采用大量的行人数据集进行机器学习，使其拥有针对不同环境中行人的检测能力，并给出检测结果的位置信息，用于人脸检测模块的运用；所述人脸检测模块具有一个人脸检测模型，该模型采用了大量的小区居民人脸数据集进行机器学习，使其拥有在摄像头下，对不同进出小区内外行人人脸的检测能力，并给出检测人脸的位置信息和人脸五个关键点(左眼，右眼，鼻子，左边嘴角，右边嘴角)的位置信息，用于后续人脸矫正模块的运用，人脸检测模块主要包括人脸的分类、人脸的区域回归、人脸关键点三个功能；所述人脸矫正模块能通过人脸检测模块
提供的人脸五个关键点的位置信息，进行人脸的矫正操作；所述人脸识别模块拥有一个人脸识别模型，该模型能把人脸检测模块检测到的人脸图像进行编码操作，并和人脸识别模块内的人脸库中的数据进行比对操作，进而识别当前未知行人的身份信息；一种人脸识别系统的应用方法如下，步骤a：视频流解码模块、视频硬解码模块对摄像头采集的进出小区内外居民的视频流进行硬解码，批量得到待分析的图片数据输出到行人检测模块；步骤b：行人检测模对摄像头可视区域里的行人图片进行检测，并将检测结果发送给人脸检测模块中进行计算，得到人脸区域和人脸的五个关键点坐标，再通过人脸识别模块对人脸区域进行特征提取，并将提取到的人脸特征与本地所存图片进行人脸比对，得到人脸比对结果，其中，人脸区域为包括人脸的区域图像；步骤c：人脸矫正模块对人脸区域中的人脸进行关键点矫正，在把矫正后的图片处理成方便特征分析的人脸图片，然后发送到人脸识别模块进行下一步计算；步骤d:人脸识别模块从矫正过后的人脸图像中提取人脸特征，计算出特征值，并调取人脸检测模块提取出的特征与人脸识别模块中的人脸数据特征进行对比，若比对不成功，则划分为陌生人脸；若比对成功，则构建人脸信息和比对结果上传到服务器。
7.进一步地，所述人脸识别模块内存有小区内所有居民的人脸特征值数据，作为比对的基础数据。
8.进一步地，所述人脸识别模块，能对行人检测模块截取出来的行人人脸图片进行一次性批量操作，可对多张人脸图片同时进行处理。
9.进一步地，所述人脸检测模块的人脸的分类公式如下，式中，pi表示是否为人脸的概率，是数据集中人工标记的人脸标签，表示第i张待检测的人脸属于真正人脸的分数。
10.进一步地，所述人脸检测模块的人脸区域回归的公式如下，表示人工标记的人脸区域位置，表示模型自我学习后得到的人脸区域预测位置，表示预测的人脸区域和真实的人脸区域相对距离。
11.进一步地，所述人脸关键点位置的分类公式如下，表示人工标记的人脸关键点的位置信息，表示模型自我学习后得到的人脸关键点预测位置，表示预测的人脸关键点位置与标记的人脸关键点的距离。
12.进一步地，所述人脸矫正模块进行人脸的矫正操作公式如下，
13.(α,β,γ)代表人脸姿态的三个可选择的角度，n代表一张人脸上标定的关键点的个数，qi表示待检测的底i个人脸关键点，pi代表着三维标准的人脸特征点模板，r代表旋转矩阵，t代表空间偏移量，c为伸缩因子；其中，r的具体形式如下三个矩阵相乘：
14.其中，α,β,γ分别为人脸上下翻转，左右翻转，平面内旋转的角度值。
15.进一步地，所述人脸识别模块的模型在训练时，采用了softmax loss进行分类损失函数构建，公式如下，xi表示第i个样本的深度特征，属于yi类。w为权重层，bj为偏置项，n和n分别为训练时的batch size和类别。
16.本发明有益效果是：本发明基于安装在小区等入口处较高位置的摄像头作为数据采集的基础，由于摄像头高度较高，能在较远距离有效采集需要进出小区的人员图像数据，不需要相关人员在摄像头前等待识别，且也不限制身高，应用中，在相关软件单元及方法共同作用下，通过分析安装在出入口的普通摄像头实现对出入居民的身份识别，使得不同身高的居民在无感前提下，能进出小区(识别成功后人脸识别模块输出指令到门禁系统信号输入端，门禁打开，如果是非允许进入人员则对门卫人员等进行提示)，避免了行人的身高差异和居民出入门口的等待时间，对于非本小区的随行人员，能自动进行数据上报操作，由此实现了智能化管理，并给居民以及物业管理带来了便利，且尽可能防止了非法人员进入小区。综上，本发明具有好的应用前景。
附图说明
17.图1是一种人脸识别系统的架构框图。
具体实施方式
18.图1所示，一种人脸识别系统，包机安装在小区门口上方的摄像头，还具有视频硬解码模块、视频流解码模块、行人检测模块、人脸检测模块、人脸矫正模块和人脸识别模块；视频硬解码模块、视频流解码模块、行人检测模块、人脸检测模块、人脸矫正模块和人脸识别模块是安装在上位机内的应用软件；摄像头，用于采集区域内的视频数据流，并将视频数据流传输到视频硬解码模块、视频流解码模块；视频流解码模块能经视频硬解码模块，对摄像头传入的视频流进行硬解码操作，批量得到待分析的图片数据并输出到行人检测模块；行人检测模块具有行人检测模型，该模型基于ai技术采用大量的行人数据集进行机器学习，使其拥有针对不同环境中行人的检测能力，并给出检测结果的位置信息，用于人脸检测模块的运用；人脸检测模块拥有一个人脸检测模型，该模型采用了大量的小区居民人脸数据集进行机器学习，使其拥有在摄像头下，对不同进出小区内外行人人脸的检测能力，并给出检测人脸的位置信息和人脸五个关键点的位置信息，用于后续人脸矫正模块的运用，人脸检测模块具体具有人脸的分类、人脸的区域回归、人脸关键点三个主要功能；人脸矫正模块能通过人脸检测模块提供的人脸五个关键点的位置信息，进行人脸的矫正操作；人脸识别模块拥有一个人脸识别模型，该模型能把人脸检测模块检测到的人脸图像进行编码操作，并和人脸识别模块内的人脸库中的数据进行比对操作，进而识别当前未知行人的身份信息，人脸识别模块内存有小区内所有居民的人脸特征值数据，作为比对的基础数据，人脸识别模块，能对行人检测模块截取出来的行人人脸图片进行一次性批量操作，可多张人脸图片同时进行处理。
19.图1所示，人脸检测模块中，人脸的分类公式如下，
式中，pi表示是否为人脸的概率，是数据集中人工标记的人脸标签，该标签能在模型自我学习时比对人脸的检测成功率，表示第i张待检测的人脸属于真正人脸的分数，若分数大于系统阈值，则认定当前待检测人脸为真，否则为假，为后续操作提供数据支持(log(x)表示关于x的对数函数)。
20.图1所示，人脸检测模块中，人脸区域回归公式如下，式中，表示人工标记的人脸区域位置，表示模型自我学习后得到的人脸区域预测位置，为得到最为准确的人脸区域，此处使用了l2正则。表示预测的人脸区域和真实的人脸区域相对距离，当越小时，模型学习到的特征就会越好，为后续操作提供数据的支持。
21.图1所示，人脸检测模块中，人脸关键点位置公式如下，式中，工标记的人脸关键点的位置信息，表示模型自我学习后得到的人脸关键点预测位置，为了得到最为准确的人脸关键点预测信息，本实施例使用了l2范数。表示预测的人脸关键点位置与标记的人脸关键点的距离。越小，代表着预测的人脸关键点位置就越正确，为后续人脸矫正提供数据支持。
22.图1所示，人脸矫正模块中，进行人脸的矫正操作公式如下，其中，(α,β,γ)代表人脸姿态的三个可选择的角度，n代表一张人脸上标定的关键点的个数，qi表示待检测的底i个人脸关键点，pi代表着三维标准的人脸特征点模板，r代表旋转矩阵，t代表空间偏移量，c为伸缩因子；其中，r的具体形式如下三个矩阵相乘：
23.其中，α,β,γ分别为人脸上下翻转，左右翻转，平面内旋转的角度值。通过上述公式，可通过前置计算得到的人脸关键点和标准人脸关键点的位置关系，矫正带检测的人脸角度，为后续的人脸识别做好数据支持，式中，sin(x),cos(x)表示正弦函数和余弦函数，用于计算人脸偏转的数值，r
x
(
·
)表示对应人脸偏转角度的矩阵。
24.图1所示，人脸识别模块中，为了使得人脸识别拥有更高的准确率，人脸识别模型在训练时，采用了softmax loss进行分类损失函数构建，公式如下其中，xi表示第i个样本的深度特征，属于yi类。w为权重层，bj为偏置项，n和n分别为训练时的batch size和类别，t表示矩阵转置操作，log(.)为对数函数。
25.图1所示，一种人脸识别系统的应用方法如下，步骤a：视频流解码模块、视频硬解码模块对摄像头采集的进出小区内外居民的视频流进行硬解码，批量得到待分析的图片数据输出到行人检测模块；步骤b：行人检测模对摄像头可视区域里的行人图片进行检测，并
将检测结果发送给人脸检测模块中进行计算，得到人脸区域和人脸的五个关键点坐标，再通过人脸识别模块对人脸区域进行特征提取，并将提取到的人脸特征与本地所存图片进行人脸比对，得到人脸比对结果，其中，人脸区域为包括人脸的区域图像；步骤c：人脸矫正模块对人脸区域中的人脸进行关键点矫正，在把矫正后的图片处理成方便特征分析的人脸图片，然后发送到人脸识别模块进行下一步计算；步骤d:人脸识别模块从矫正过后的人脸图像中提取人脸特征，计算出特征值，并调取人脸检测模块提取出的特征与人脸识别模块中的人脸数据特征进行对比，若比对不成功，则划分为陌生人脸；若比对成功，则构建人脸信息和比对结果上传到服务器。
26.图1所示，本发明基于安装在小区等入口处较高位置的摄像头作为数据采集的基础，由于摄像头高度较高，能在较远距离有效采集需要进出小区的人员图像数据，不需要相关人员在摄像头前等待识别，且也不限制身高，应用中，相关软件单元及方法共同作用下，通过分析安装在出入口的普通摄像头实现对出入居民的身份识别，使得不同身高的居民在无感前提下，能进出小区(识别成功后人脸识别模块输出指令到门禁系统信号输入端，门禁打开，如果是非允许进入人员则对门卫人员等进行提示)，避免了行人的身高差异和居民出入门口的等待时间，对于非本小区的随行人员，能自动进行数据上报操作，由此实现了智能化管理，并给居民以及物业管理带来了便利，且尽可能防止了非法人员进入小区。
27.以上仅为本发明的优选实施方案，但本发明的保护范围并不局限于此，任何不经过创造性劳动想到的变化或替换，都应涵盖在本发明的保护范围之内。