一种基于人脸识别的案件智能化串并的方法与流程

本发明属于科技强警技术领域，具体一种基于人脸识别的案件智能化串并的方法。

背景技术：

随着经济的快速发展，近年来盗窃、诈骗犯罪案件数占刑事案件立案数的比重越来越大，且此类案件日渐呈现犯罪流窜化、团队化、职业化的特征，对社会的繁荣稳定产生了极大影响。盗窃、诈骗犯罪案件常为系列案件，即在一个阶段时期内，一个或一伙犯罪分子进行连续多次犯案，构成了一批看似各自独立，实则有内在联系的案件。而实际工作中，由于案件数据涉及的范围广，彼此独立，如何有效地将系列案件进行串并分析是公安侦查办案过程中一个重要的课题。

现今“平安城市”、“3111工程”、“城市立体化治安防控”、“智慧城市”等科技强警项目不断深入的开展，视频监控技术已在国内普遍开展应用，已经实现了视频的清晰化和高效存储，基于视频技术的案件侦查越来越广泛应用，并产生了大量的图像线索信息。而随着云计算、大数据、人工智能等高科技的快速发展，人脸识别技术在视频监控领域应用越加深入。如何有效地结合人脸识别技术智能化的串并案件，减少人力资源投入，提升案件串并效率，是案件串并领域一个值得研究方向。

技术实现要素：

本发明的目的是克服上述现有技术的不足，提供一种基于人脸识别的案件智能化串并的方法；本发明能有效的将人脸识别技术、案件智能化分析技术以及侦查人员实战经验和知识相结合，从而为侦查人员提供更准确的串并案信息，能显著提高案件侦查的效率。

为实现上述目的，本发明采用了以下技术方案：

一种基于人脸识别的案件智能化串并的方法，包括以下步骤：

1)、建立嫌疑目标底库；

建立嫌疑目标底库，并将侦查过程中上传的嫌疑人图像人脸识别后，存入嫌疑目标底库；存入信息至少包括人脸识别结构化信息、所属案件以及上传时间；

2)、嫌疑目标底库的更新及嫌疑人图像人脸检索；

每当侦查过程中出现新的可进行人脸识别的嫌疑人图像，则对该嫌疑人图像进行人脸识别后存入嫌疑目标底库；同时，遍历嫌疑目标底库中的每一张嫌疑人图像，检索出与该新的嫌疑人图像的相似度满足阈值的图像，并对检索结果进行展示；

3)、人工复核和标记检索结果；

在获得步骤2)中的检索结果后，人工结合存入信息再对该检索结果进行复核，并在复核时判定为同一个目标或相关目标的，通过手动的方式进行标记；

4)、基于步骤3)的标记情况，形成案件、嫌疑人图像以及被标记目标的映射关系；

5)、基于映射关系，形成串并案列表。

优选的，所述步骤1)及2)中，人脸识别和存入嫌疑目标底库的流程包括以下子步骤：

01、输入嫌疑人图像：

根据案件侦办情况，将侦查中所获得的嫌疑人图像上传至系统；

02、图像预处理：

利用gamma校正、差分高斯滤波和直方图均衡化依次对输入的嫌疑人图像进行预处理；

03、人脸检测：

基于gabor+bp神经网络的人脸检测算法，检测嫌疑人图像中是否有人脸，并将人脸图像从背景中分割出来，获取人脸图像或人脸图像上的特定器官在嫌疑人图像上的位置；

04、人脸特征提取与入库存储：

对上一步骤中检测到的人脸图像进行分块，提取每块区域的lbp特征形成局部特征描述，再将该局部特征描述映射成一个编码值，最后将人脸图像与编码值、所属案件以及上传时间共同存入嫌疑目标底库中。

优选的，所述所属案件至少包括以下信息：案件类型、案发地点、案发时间、案件描述。

本发明的有益效果在于：

1)、本发明结合了人脸识别技术、案件智能化分析技术以及侦查人员实战经验和知识，首先通过静态人脸识别算法，对案件侦查过程中所上传的嫌疑人图像进行人脸识别，从而建立嫌疑目标底库。之后，再对每次上传的新的嫌疑人图像重复进行上述人脸识别，并同步进行该嫌疑人图像的人脸检索。再后，考虑到人脸识别技术的误差率，再结合人工干预，从而实现对检索结果的复核和人工标记，最后也就形成了案件、嫌疑人图像以及标记目标的映射关系，并随之形成串并案列表以供侦查人员参考和使用。通过上述方法，本发明可有效实现案件的智能化串并，极大地减少案件串并的人工投入，降低了侦查人员的劳动强度，并避免了巨大的重复性的劳动量下的人工误差性，在提升案件侦办的精确性的同时又随之有效提高了案件侦办的效率性，成效显著。

附图说明

图1为本发明的流程示意框图；

图2为本发明中案件、人脸图像与标记目标之间的关系图；

图3为人脸识别、存入嫌疑目标底库以及人脸比对的流程示意图。

具体实施方式

为便于理解，此处结合图1-3，对本发明的具体结构及工作方式作以下进一步描述：

本发明提供了一种基于人脸识别的案件智能化串并的方法，其核心思想在于：首先，建立嫌疑目标底库；基于案件侦查过程中上传的嫌疑人图像，在人脸识别处理后，存入嫌疑目标底库。接着，在案件侦查过程中，对采集到的新的嫌疑人图像重复前述人脸识别处理及存入操作，然后再根据该新的嫌疑人图像在嫌疑目标底库中进行自动的人脸检索处理，获得检索结果。再后，通过人工干预的方式，标记上述检索结果，获得标记目标。最后，基于检索结果以及人工标记情况，结合所属案件以及上传时间等信息，形成案件、嫌疑人图像以及标记人脸的映射关系，最终自动形成串并案列表，具体流程参照图1所示。

图2所示为案件、人脸图像与标记目标的关系，案件与嫌疑人图像的映射关系为1：n，而嫌疑人图像与标记人脸的映射关系为n：m。也即一个案件，会有一到多个嫌疑人图像来匹配，并有一到多处的标记人脸出现。

如图3所示为人脸识别、存入嫌疑目标底库以及人脸比对的流程示意图，步骤如下：

01、输入嫌疑人图像：

根据案件侦办情况，将侦查中所获得的嫌疑人图像上传至系统。嫌疑人图像的获取途径包括在视频监控实况或录像中截取的案件相关嫌疑人图像，或通过社会资源、公安网资源等途径获取嫌疑人图像等。

02、图像预处理：

利用gamma校正、差分高斯滤波和直方图均衡化依次对输入的嫌疑人图像进行预处理，以消除因光照变化引起的人脸识别率低的情况。

03、人脸检测：

基于gabor+bp神经网络的人脸检测算法，检测嫌疑人图像中是否有人脸，并将人脸图像从背景中分割出来，获取人脸图像或人脸图像上的特定器官在嫌疑人图像上的位置；

04、人脸特征提取与入库存储：

对上一步骤中检测到的人脸图像进行分块，提取每块区域的lbp特征形成局部特征描述，再将该局部特征描述映射成一个编码值，最后将人脸图像与编码值、所属案件以及上传时间共同存入嫌疑目标底库中。换言之，可将其看成是将已有信息也即每块区域的lbp特征形成概念信息也即局部特征描述，再将概念信息转换为系统可读取的逻辑信息也即编码值。系统在进行相似度判断时，编码值的相似度是重要的判断元素。

05、每当新上传一份嫌疑人图像时，都需要根据图3所示流程加以处理。并在处理后，根据该新的嫌疑人图像来遍历嫌疑目标底库中的每一张嫌疑人图像，从而检索出相似度在阈值范围内的嫌疑人图像，之后即可输出检索结果。

而在侦查人员进行对检索结果的人工干预及标记时，判断过程应当涉及所属案件的信息复核，包括案件类型、案发地点、案发时间、案件描述等，以便综合该复核信息来更准确的标记目标，进而快速形成串并案列表。阈值的选定则根据实际情况酌情选定，如人为划分编码值的相似度的百分比等，从而获得满足阈值的检索结果。

综上所述，首先通过静态人脸识别算法，对案件侦查过程中所上传的嫌疑人图像进行人脸识别，从而建立嫌疑目标底库。之后，再对每次上传的新的嫌疑人图像重复进行上述人脸识别，并同步进行该嫌疑人图像的人脸检索。再后，考虑到人脸识别技术的误差率，再通过一线的侦查人员等对检索结果进行人工干预，从而实现对检索结果的复核和人工标记，随之获得案件、嫌疑人图像以及标记目标的映射关系，并最终形成串并案列表以供侦查人员参考和使用。通过上述方法，本发明可有效实现案件的智能化串并，极大地减少案件串并的人工投入，降低了侦查人员的劳动强度，并避免了巨大的重复性的劳动量下的人工误差性，在提升案件侦办的精确性的同时又随之有效提高了案件侦办的效率性，成效显著。