本发明属于人脸识别技术领域，特别是涉及一种提升人脸识别准确率的方法和人脸识别系统。
背景技术：
目前，人脸识别技术随着摄像头、算法、数据量等方面条件的成熟，逐渐成为一种底层应用工具类技术，得到不断普及。
利用人脸识别技术实现考勤管理、安防验证等构思已经不再罕见。其基本原理如下，通过设置在合适区域的摄像设备来采集通过的人群的脸部数据，将该数据与系统预存的人脸数据进行比对，从而实现身份验证与识别判断。
相较于传统的刷卡、刷指纹、刷脸而言，现在的人脸识别技术的难度在于不给被扫描对象任何打扰感，不要求被扫描对象的专门配合。传统的刷卡、刷指纹、刷脸，尤其是刷脸，虽然也是通过面部识别来实现身份认证，但是其要求对象在特定位置保持特定姿势，这样的应用场景，对于高流量，免打扰的应用场景还不够完美。然而，在非干预的情况下，自然流动的人群，可能出现眼镜、口罩、侧脸、低头、帽子等多种因素的干扰，导致识别准确率大大降低。
虽然可以通过深度学习、数据训练等方式，不断提高识别准确率，也可以通过设置更强的摄像设备，提高采集到的脸部数据量，甚至增加三维建模还原真实脸部轮廓等技术来实现识别准确率的进一步提升，但是在当前的计算能力和设备硬件能力的情况下，仅从单一镜头识别的角度出发去做改进，识别准确率的提升效率，随着识别准确率变得越来越高，则提升难度越来越大。
专利文献cn104899579a公开了人脸识别方法，方法包括：
根据预设的深度学习模型提取待识别人脸图像以及人脸图像样本的人脸特征向量；
基于提取出的人脸特征向量计算所述待识别人脸图像与所述人脸图像样本的相似度取值；
根据计算出的所述相似度取值对所述待识别人脸图像进行人脸识别。该专利通过根据预设的深度学习模型提取待识别人脸图像以及人脸图像样本的人脸特征向量，并基于提取出的人脸特征向量计算所述待识别人脸图像与所述人脸图像样本的相似度取值，然后根据计算出的所述相似度取值对所述待识别人脸图像进行人脸识别。但该专利仍然是单一的人脸识别，无法突破该设备所处环境、设备性能等局限，无法基于识别对象进行归档，使得人脸识别效率低，利用效果差且不能通过归档信息校验提升识别准确率。
专利文献cn106355138a公开的基于深度学习和关键点特征提取的人脸识别方法包括以下步骤，
步骤1、获取视频图像，提取视频图像中的类哈尔特征；
步骤2、根据类哈尔特征，构建级联的强分类器，再利用强分类器检测出视频图像中的人眼区域图像；
步骤3、对人眼区域图像对称设置至少7个关键点，再对其进行区域划分，获得局部图像块；
步骤4、获取人脸数据库中设置有相同关键点的预处理局部图像块，将其匹配局部图像块获得对应关键点的图像块对，再利用深度卷积神经网络提取出图像块对的特征向量；
步骤5、计算特征向量的分类器决策分，判断出分类器决策分最高的图像块对，其中属于人脸数据库中的预处理局部图像块所在人脸图像作为识别的输出结果。该专利降低非限定条件下人脸识别的错误率，但该专利仍然是单一的人脸识别，无法突破该设备所处环境、设备性能等局限，无法基于识别对象进行归档，使得人脸识别效率低，利用效果差且不能通过归档信息校验提升识别准确率。
技术实现要素：
针对现有技术中存在的问题，本发明提供一种提升人脸识别准确率的方法和人脸识别系统，人脸识别系统对识别准确率大于预定准确率的所述一个或多个人脸识别设备以识别对象为标的进行人脸图像归档处理，基于识别对象进行归档，使得人脸识别效率高且利用效果好且通过归档信息校验提升识别准确率。
本发明的目的是通过以下技术方案予以实现：
本发明的一方面，一种提升人脸识别准确率的方法包括如下步骤：
在不同识别位置布置人脸识别设备，多个人脸识别设备采集和识别人脸图像，对识别准确率大于预定准确率的所述一个或多个人脸识别设备以识别对象为标的进行人脸图像归档处理，结合所述归档处理的归档信息对人脸识别设备的识别结果校验以提升人脸识别准确率。
在所述的一种提升人脸识别准确率的方法中，人脸识别系统采集每个人脸识别设备的识别参数，识别参数包括拍摄所述人脸图像的人脸识别设备的性能参数、环境参数和/或占用人脸识别系统的资源参数，人脸识别系统对识别准确率大于预定准确率的所述一个或多个人脸识别设备以识别对象为标的进行人脸图像和相应的识别参数归档处理。
在所述的一种提升人脸识别准确率的方法中，所述性能参数包括人脸识别设备的分辨率、清晰度、信噪比和/或白平衡参数，所述环境参数包括人脸识别设备的识别位置、识别角度、人脸识别完整度和/或环境光强，所述占用人脸识别系统的资源参数包括占用识别系统的cpu使用率、内存使用率。
在所述的一种提升人脸识别准确率的方法中，基于识别参数给每个人脸识别设备设置权重系数，每个人脸识别设备识别人脸图像的识别结果和数据库中的图像数据比较获得识别准确率，识别准确率乘以权重系数得到每个人脸识别设备的权重识别准确率，人脸识别系统对所述权重识别准确率大于预定准确率的所述一个或多个人脸识别设备以识别对象为标的进行人脸图像归档处理。
在所述的一种提升人脸识别准确率的方法中，通过以识别对象为标的归档信息验证预定人脸识别设备的识别结果，循环优化人脸识别系统以获得最佳权重系数。
在所述的一种提升人脸识别准确率的方法中，通过数据验证调整所述权重系数使得识别准确率逼近最高概率值以获得每个人脸识别设备的最佳权重系数。
在所述的一种提升人脸识别准确率的方法中，所述权重系数为加权权重参数，所述加权权重系数通过对性能参数权重系数、环境参数权重系数和/或占用人脸识别系统的资源参数权重系数加权获得。
在所述的一种提升人脸识别准确率的方法中，所述识别参数包括识别时间和识别备注信息，人脸识别系统结合归档信息对当前的人脸识别设备的识别结果校验后重新排序。
在所述的一种提升人脸识别准确率的方法中，所述识别对象指的是不需要具体身份且仅是通过人脸识别设备识别到的对象，归档处理得到的归档信息是所述识别对象在人脸识别系统中的识别结果的组合。
在所述的一种提升人脸识别准确率的方法中，查询预定的识别对象时，基于预定的识别对象在所述归档信息中整理出识别对象的活动轨迹和最后出现的位置。
在本发明的所述的一种提升人脸识别准确率的方法的优选实施例中，将预定区域的归档信息与具有身份档案的静态数据库进行校验以命中待查询的识别对象，以及分析所述识别对象的活动轨迹。
在本发明的所述的一种提升人脸识别准确率的方法的优选实施例中，根据归档信息生成识别对象的活动范围或者活动时间的热度图。
在本发明的所述的一种提升人脸识别准确率的方法的优选实施例中，基于识别参数给每个人脸识别设备设置权重系数，每个人脸识别设备识别人脸图像的识别结果和数据库中的图像数据比较获得识别准确率，识别准确率乘以权重系数得到每个人脸识别设备的权重识别准确率，人脸识别系统对所述权重识别准确率大于预定准确率的所述一个或多个人脸识别设备以识别对象为标的进行人脸图像归档处理，将权重识别准确率高的人脸识别设备获得的人脸图像更新为归档信息中表征该识别对象的数据。
根据本发明的另一方面，一种实施提升人脸识别准确率的方法的人脸识别系统包括多个布置在不同识别位置的人脸识别设备和处理器，所述处理器包括判断识别准确率是否大于预定准确率的判断器和用于以识别对象为标的进行人脸图像归档处理的归档器和将所述归档处理的归档信息和人脸识别设备的识别结果校验的校验器。
在所述的人脸识别系统中，人脸识别系统包括用于采集识别参数的数据采集装置，处理器连接所述人脸识别设备和数据采集装置，处理器还包括用于设置人脸识别设备权重系数的权重单元、将识别结果和数据库中的图像数据比较获得概率值的比较单元、连接所述权重单元和比较单元的排序单元和自学习单元，排序单元将概率值乘以权重系数得到每个人脸识别设备的识别准确率从大到小排序，所述自学习单元通过数据验证调整所述权重系数使得识别准确率逼近最高概率值以获得每个人脸识别设备的最佳权重系数。
与现有技术相比，本发明具有以下有益的技术效果：
现有技术中，现有技术的人脸识别技术，往往通过深度学习、算法改进，数据量完善等方式，不断提高单次识别的成功率，但是如上所述，这种识别成功率受限于单次识别所拿到的数据量大小，是存在识别准确率上限的。即使，算法再好，训练再充分，但是如果拿到的用户脸部数据只有80*80的像素分辨率，那么识别准确率可想而知，必然受限。本发明将各个人脸识别设备所识别到的对象，根据区域、性质等不同属性进行归档，本发明人脸识别系统对识别准确率大于预定准确率的所述一个或多个人脸识别设备以识别对象为标的进行人脸图像归档处理，通过形成人脸识别系统，基于识别对象进行归档，使得人脸识别效率高且利用效果好，进一步能够通过对于系统部署的不同人脸识别设备的识别结果进行权重分析判断，对于条件较好的设备的识别结果给予更高的权重，从整体上提高人脸识别的准确率，本发明结合识别对象的归档信息来对当前识别结果进行再评价，从而可靠提升识别的准确率。
上述说明仅是本发明技术方案的概述，为了能够使得本发明的技术手段更加清楚明白，达到本领域技术人员可依照说明书的内容予以实施的程度，并且为了能够让本发明的上述和其它目的、特征和优点能够更明显易懂，下面以本发明的具体实施方式进行举例说明。
附图说明
通过阅读下文优选的具体实施方式中的详细描述，本发明各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。说明书附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。显而易见地，下面描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
在附图中：
图1为本发明的一个实施例的提升人脸识别准确率的方法的步骤示意图；
图2为本发明的一个实施例的人脸识别系统的结构示意图。
以下结合附图和实施例对本发明作进一步的解释。
具体实施方式
下面将参照附图更详细地描述本发明的具体实施例。虽然附图中显示了本发明的具体实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
需要说明的是，在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可以理解，技术人员可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名词的差异来作为区分组件的方式，而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”或“包括”为一开放式用语，故应解释成“包含但不限定于”。说明书后续描述为实施本发明的较佳实施方式，然所述描述乃以说明书的一般原则为目的，并非用以限定本发明的范围。本发明的保护范围当视所附权利要求所界定者为准。
为便于对本发明实施例的理解，下面将结合附图以几个具体实施例为例做进一步的解释说明，且各个附图并不构成对本发明实施例的限定。
图1为本发明的一个实施例的提升人脸识别准确率的方法的步骤示意图，一种提升人脸识别准确率的方法包括如下步骤：
在不同识别位置布置人脸识别设备，多个人脸识别设备采集和识别人脸图像，对识别准确率大于预定准确率的所述一个或多个人脸识别设备以识别对象为标的进行人脸图像归档处理，结合所述归档处理的归档信息对人脸识别设备的识别结果校验以提升人脸识别准确率。
现有技术中对于识别结果的处理是即时的，以安防排查或者网上追逃为例，每次的识别结果，马上就行处理，安防的处理结果通常是放行或者拦阻，追逃的处理结果通常是放行或者抓捕。但是这种识别结果的利用是不充分的。举例而言，一个犯人在实施犯罪行为之前，可能并不具备任何识别可能性；反过来说，一个商场或者一个服务场所的vip客户，可能也并不具备任何后续处理可能，虽然从商场或者该服务场所而言，很有意愿提前获得该客户的身份识别信息。
本发明的人脸识别系统对于识别数据有能力进行归档处理。以高速公路的车辆识别为例，在高速公路入口、关键通行口、各个出口，均能准确获得某一特定车辆的通行数据，该通行数据包括车辆经过该特定地点的时间，车辆概况照片等等。如果能够将每次识别的结果，一旦确认无误后，都分类归置在与该车辆对象相关的识别结果下，则能够快速反应一个对象的历史情况。
现有技术中，并没有以识别对象为标的做归档处理，通常仅是基于一个完整的视频记录进行保存，并且保存时间往往是一个较短的时间。所以一个常见的例子是，当需要复盘查询某个对象的情况时，一个可行的方法，往往是根据已有线索去推断该对象可能在哪个时段出现在哪个位置，然后通过人工排查的方式去回顾该段视频内容。这样的方式既容易找不到对象，并且也不可能实现即时性，往往耗时甚久。
本申请方案中，通过对识别对象的识别结果的分析，将其中识别权重较高或者识别准确率阈值设置较高的识别结果，作为可信识别结果存档下来，并将相应的识别位置、识别时间、识别备注等信息都归档处理。
由于这种归档是基于具有较高识别权重可能或者在设置了较高准确率阈值的情况下才实施的，所以归档得到的识别结果是相对可信的，能够较为真实的反应该识别对象的情况。此时，当需要对识别对象进行搜寻的时候，能够很容易的反查该识别对象的踪迹。仍以上述人脸识别部署系统的实施例进行说明的话，在一个大型活动的展馆内，可能具有40个开放出入口，每个出入口部署了高配置的摄像设备，然后在大部分通道部署了120处通道摄像设备，最后在各场馆内，部署了40个广角摄像设备。其中，仅对出入口摄像设备和通道摄像设备的人脸识别结果进行归档处理，并且仅对那些识别准确率在90％以上的识别结果进行归档处理。如此，能够可靠得到大量的以识别对象为基础的归档数据。
这种归档数据，能够实现大量的衍生用途，比如该活动的现场导演需要寻找活动现场某嘉宾的时候，该嘉宾可能正处于某通信信号不好的化妆室内，此时，能够迅速调取基于该嘉宾的识别结果归档信息，判断出该嘉宾在展馆内的历史活动信息，根据其活动轨迹推断出该嘉宾最有可能所在的位置。上述示例中，导演、嘉宾等都是事先具有身份认证信息的对象，系统根据这些有身份的认证对象，来做1比n的比对，然后将其识别结果归档到系统内，以备后续使用。
事实上，对于无明确身份的对象也可以通过新建档案的方式，来实施归档。比如系统在出入口第一次拍摄得到一个新用户时，将该用户识别对象归置到新用户数据库中，然后在整个活动过程中，不断拍摄到该用户的识别结果，并且不断丰富该识别对象的历史活动信息。其用处在于，能够有效帮助系统用户做场景排查。所谓场景排查，比如包括身份猜测。一个频繁活动在活动工作区附近的对象，可能是一个未安排身份的现场活动辅助人员；一个频繁活动在出入口附近的对象，可能是一个黄牛；在有了比较可信的识别对象归档档案的情况下，能够基于该档案做出很多场景排查与分析，并且这种场景排查与分析的结果反馈是接近即时性的。
在某些场合，对于识别对象的识别结果的准确率要求更高，如果能够在大家的命中率都是95％的情况下，将准确率结果进一步提升，即使只是一点点，也是了不起的进步，尤其是在数据查询量巨大，甚至可能接近亿级的情况下，一点点的准确率提升，在庞大的基数之下，也就意味着后续处理工作的效率极大的提升。
可以想象一下，一个部署在火车站的追逃系统，如果每分钟都报警2次，并且命中率不高，那么没多久，这个系统就成为摆设。但是如果这个追逃系统无论其报警频率如何，其命中率提升了一倍，这个系统就有可能得到重视。
然而，在当前所有的研究重点都放在系统深度学习，去获取更多数据量进行训练，寻找更好的数据源等方面时，本申请从另一个角度，提供了跨维度的识别验证机制。
如上所述，只要对尽可能多的识别对象建立了识别结果归档机制，并且在一个系统部署识别的环境下，具有了较多的归档信息的情况下，那么就有可能针对单次识别，提高其识别率。
以商场为例，当在商场的高权重、高准确率阈值的连续几个电梯通道摄像设备1楼到3楼通道的识别下，均发现某一特定对象的识别结果归档记录，那么在4楼范围内的所有普通通道摄像设备捕捉下，发现该特定对象的可疑记录时，即使当前普通通道摄像设备的识别结果可能性是较低的，也可通过前述其他归档记录的验证，来提升该识别结果的可靠性，将该识别结果的准确性概率排位向前提升。
类似道理，在城市天网系统下，在火车站的普通通道摄像设备中发现了监视其活动范围的对象的识别结果，此时，只要调取该识别对象的归档记录，如果发现在其他可信度更高的识别条件下，判断出的识别结果，也就是归档记录，反映该识别对象在相近时间出现在另一合理场所，并且该场所与当前火车站位置不存在符合时间逻辑和行动逻辑的关联性，那么可以肯定的排除该火车站普通通道摄像设备的识别结果的正确性。
由于本申请通过不同维度和环境下的其他识别对象归档记录，反过来去帮助验证当前任意条件下的识别设备的识别结果，所以能够在不对环境和设备、资源投入等方面进行改造的情况下，有效提升当前识别结果的准确性。
在本发明的所述的一种提升人脸识别准确率的方法的优选实施例中，人脸识别系统采集每个人脸识别设备的识别参数，识别参数包括拍摄所述人脸图像的人脸识别设备的性能参数、环境参数和/或占用人脸识别系统的资源参数，人脸识别系统对识别准确率大于预定准确率的所述一个或多个人脸识别设备以识别对象为标的进行人脸图像和相应的识别参数归档处理。
本发明的识别参数包括很多方面，比如环境光、照明光、拍摄角度、室内外环境等。比较好的识别参数，典型的包括正常光照环境下的商场内的电梯通道，或者正常光照环境下的展会安检门处。此类环境下，由于是室内，所以通常被识别对象有较高几率脱掉帽子、口罩等遮掩物；由于环境光正常，所以既能保证拍照的时候的亮度，同时对象摘除室外佩戴的墨镜的可能性较高；由于处于通道位置，所以经过该通道的可能性较高；由于通道较为狭窄，所以同时通过的识别对象不会太多；由于类似电梯或者安检门的通道，所以对象有较高可能正脸朝向前方行走方向。总之，综合了上述所有的条件，在此处适当位置设置的摄像装置，能够较高几率的得到非常适合于实施人脸识别的图像数据，并且，也是由于位置较好，在这样地段所部署的摄像装置也可能采用更高成本，更高性能的装置，从而进一步提升最终的对象识别率。
在本发明的所述的一种提升人脸识别准确率的方法的优选实施例中，基于识别参数给每个人脸识别设备设置权重系数，每个人脸识别设备识别人脸图像的识别结果和数据库中的图像数据比较获得识别准确率，识别准确率乘以权重系数得到每个人脸识别设备的权重识别准确率，人脸识别系统对所述权重识别准确率大于预定准确率的所述一个或多个人脸识别设备以识别对象为标的进行人脸图像归档处理。
在本发明的所述的一种提升人脸识别准确率的方法的优选实施例中，所述性能参数包括人脸识别设备的分辨率、清晰度、信噪比和/或白平衡参数，所述环境参数包括人脸识别设备的识别位置、识别角度、人脸识别完整度和/或环境光强，所述占用人脸识别系统的资源参数包括占用识别系统的cpu使用率、内存使用率。
在本发明的所述的一种提升人脸识别准确率的方法的优选实施例中，基于识别参数给每个人脸识别设备设置权重系数，每个人脸识别设备识别人脸图像的识别结果和数据库中的图像数据比较获得识别准确率，识别准确率乘以权重系数得到每个人脸识别设备的权重识别准确率，人脸识别系统对所述权重识别准确率大于预定准确率的所述一个或多个人脸识别设备以识别对象为标的进行人脸图像归档处理。
基于此，在一个人脸识别系统中部署有多个如摄像装置的人脸识别设备，均可以进行人脸识别或者图像识别的情况下，可以根据摄像装置的性能、摄像装置所处环境的便利性、给摄像装置所分配的系统计算资源等不同识别条件，来对该摄像装置所得到的识别结果给予权重认定。举例来说，在如上所述的最优位置，配置有最佳摄像设备，并且系统给予最高支持的计算资源的情况下，在该处得到的判断结果应该给予最高权重。也就是说，在同样发现识别对象的情况下，该识别条件下的识别结果是最可信的。接下来，对于整体识别条件在其中某些方面不如上述最佳条件的那些摄像点所获得的识别结果则进一步降低其判断结果的可信权重。对于那些识别条件最差的识别结果，比如人流量巨大、极大分散了计算资源，并且环境光复杂，有各种光斑阴影等情况的大型通道，典型的，比如旧式的海关楼过关通道，由于缺乏环境改造基础，加上人流量巨大，人员佩戴各种口罩、帽子、围巾，人员脸部姿势各异，人员行动速度较快的恶劣环境，在此处取得的识别结果就相对权重较低。
现有技术下，人脸识别的输出结果往往是一个可能性，无论是1比1，1比n还是n比n的比较条件下，人脸识别的识别结果往往给出一个可能性。本发明的提升人脸识别准确率的方法通过在不同识别位置布置人脸识别设备，多个人脸识别设备采集和识别人脸图像，人脸识别系统采集每个人脸识别设备的识别参数，基于识别参数给每个人脸识别设备设置权重系数，基于权重系数调整输出的识别结果。对较高权重识别参数识别条件较好的识别设备所识别的结果，给予更高权重，这显著提高了人脸识别的准确率。
另外，上述权重分析，还可结合识别结果的阈值设置。举例来说，对于上述识别参数最好的系统部署点而言，在该处实施1比n的比对方式时，比如对于追逃系统而言，采集到了一个对象的脸部数据，与系统内置的逃犯脸部数据库进行比对，该比对结果由系统判断与数据库内某个逃犯甲相同的盖然性必然是处于某个数值范围内，由于该处识别参数较好，当识别盖然性处于90％以上时，必然要通知警员去进行盘查，但是当识别盖然性低于70％时，则可以不必进行盘查。当然，上述排查策略仅是示意性的，该排查策略中的阈值，应该根据实际环境进行调整，可以理解，对于高危险防范要求的场合，这种判断阈值可进一步下调，对于低危险防范要求的场合，这种判断阈值可进一步上调。这种调整的结果就是，对于机场安检这样的环境，即使追逃系统判断相同的可能性相对较低，但是也应该提醒实施排查，对于一般公共场合环境，即使追逃系统判断相同的可能性相对较高，但是也可以放弃排查。
事实上，这种阈值的选择，还可根据识别对象数据库的性质，做进一步调整。比如，对于高危险的逃犯，可以加强排查，即使盖然性可能较低，也可通知排查，对于普通逃犯，则可以放松排查，提高整个系统的运行效率。
另外，上述权重结果也可以与排查结果进行整合，从而提高最高权重级别的数据信赖度，对于经过人脸识别，并且经过实际身份排查确认身份的情形而言，这样的数据显然具有最高的权重，能够毫无疑义的说明该对象的身份。
在本发明的所述的一种提升人脸识别准确率的方法的优选实施例中，通过以识别对象为标的归档信息验证预定人脸识别设备的识别结果，循环优化人脸识别系统以获得最佳权重系数。
在本发明的所述的一种提升人脸识别准确率的方法的优选实施例中，通过数据验证调整所述权重系数使得识别准确率逼近最高概率值以获得每个人脸识别设备的最佳权重系数。
在本发明的所述的一种提升人脸识别准确率的方法的优选实施例中，所述权重系数为加权权重参数，所述加权权重系数通过对性能参数权重系数、环境参数权重系数和/或占用人脸识别系统的资源参数权重系数加权获得。
在本发明的所述的一种提升人脸识别准确率的方法的优选实施例中，所述识别参数包括识别时间和识别备注信息，人脸识别系统结合归档信息对当前的人脸识别设备的识别结果校验后重新排序。
在本发明的所述的一种提升人脸识别准确率的方法的优选实施例中，所述识别参数包括识别时间和识别备注信息，人脸识别系统基于识别对象及其识别参数构建识别对象的移动轨迹。
在本发明的所述的一种提升人脸识别准确率的方法的优选实施例中，其中，所述识别对象指的是不需要具体身份且仅是通过人脸识别设备识别到的对象，归档处理得到的归档信息是所述识别对象在人脸识别系统中的识别结果的组合。
在本发明的所述的一种提升人脸识别准确率的方法的优选实施例中，查询预定的识别对象时，基于预定的识别对象在所述归档信息中整理出识别对象的活动轨迹和最后出现的位置。
在本发明的所述的一种提升人脸识别准确率的方法的优选实施例中，将预定区域的归档信息与具有身份档案的静态数据库进行校验以命中待查询的识别对象，以及分析所述识别对象的活动轨迹。追逃应用场景中，根据交通节点和布控地点的初步验证数据，去调取该数据在敏感区域、嫌疑区域的结果，用来验证可能性。通俗的说，就是在地铁口发现一个命中率90％的用户，那么回溯该用户之前的履历，发现该用户的活动区域在敏感区域，比如酒吧、治安敏感区域，该用户的活动时间昼伏夜出等，可反过来提升该命中率的报警优先级别。
在本发明的所述的一种提升人脸识别准确率的方法的优选实施例中，根据归档信息生成识别对象的活动范围或者活动时间的热度图。
在本发明的所述的一种提升人脸识别准确率的方法的优选实施例中，基于识别参数给每个人脸识别设备设置权重系数，每个人脸识别设备识别人脸图像的识别结果和数据库中的图像数据比较获得识别准确率，识别准确率乘以权重系数得到每个人脸识别设备的权重识别准确率，人脸识别系统对所述权重识别准确率大于预定准确率的所述一个或多个人脸识别设备以识别对象为标的进行人脸图像归档处理，将权重识别准确率高的人脸识别设备获得的人脸图像更新为归档信息中表征该识别对象的数据。具体地，根据在权重高区域获得的更好的结构化特征数据来更新该归档数据中表征该对象唯一性的数据。通俗的说，之前在某个区域抓拍到一张比较好的人脸，以此为基准建立了结构化数据及其对应的属性档案，之后在更好的区域，更好的环境下，抓到了一张更好的人脸数据，那么可以把根据这张更好的人脸数据所制作的结构化数据作为该对象的特征数据，并且将之前归档的数据仍然对应在这个更新后的结构化特征数据名下。图2为本发明的一个实施例的人脸识别系统的结构示意图，一种实施提升人脸识别准确率的方法的人脸识别系统包括多个布置在不同识别位置的人脸识别设备1和处理器3，所述处理器包括判断识别准确率是否大于预定准确率的判断器8和用于以识别对象为标的进行人脸图像归档处理的归档器9和将所述归档处理的归档信息和人脸识别设备的识别结果校验的校验器10。
在本发明的人脸识别系统的优选实施例中，人脸识别系统包括用于采集识别参数的数据采集装置2，处理器3连接所述人脸识别设备1和数据采集装置2，处理器3还包括用于设置人脸识别设备权重系数的权重单元4、将识别结果和数据库中的图像数据比较获得概率值的比较单元5、连接所述权重单元4和比较单元5的排序单元6，排序单元6将概率值乘以权重系数得到每个人脸识别设备1的识别准确率从大到小排序。
在本发明的人脸识别系统的优选实施例中，人脸识别系统包括用于采集识别参数的数据采集装置2，处理器3连接所述人脸识别设备1和数据采集装置2，处理器3还包括用于设置人脸识别设备权重系数的权重单元4、将识别结果和数据库中的图像数据比较获得概率值的比较单元5、连接所述权重单元4和比较单元5的排序单元6和自学习单元7，排序单元6将概率值乘以权重系数得到每个人脸识别设备1的识别准确率从大到小排序，所述自学习单元7通过数据验证调整所述权重系数使得识别准确率逼近最高概率值以获得每个人脸识别设备1的最佳权重系数。
在本发明的人脸识别系统的优选实施例中，所述识别系统是云端服务器，所述服务器包括处理器、硬盘、内存、总线和用于与人脸识别设备1交互的通信端口。
在一个实施例中，处理器3包括通用处理器、数字信号处理器、专用集成电路asic或现场可编程门阵列fpga。
在一个实施例中，所述处理器3包括存储器，所述存储器包括一个或多个只读存储器rom、随机存取存储器ram、快闪存储器或电子可擦除可编程只读存储器eeprom。
现有技术的人脸识别技术，往往通过深度学习、算法改进，数据量完善等方式，不断提高单次识别的成功率，但是如上所述，这种识别成功率受限于单次识别所拿到的数据量大小，是存在识别准确率上限的。即使，算法再好，训练再充分，但是如果拿到的用户脸部数据只有80*80的像素分辨率，那么识别准确率可想而知，必然受限。但是根据本申请方案，可以结合识别对象的归档信息来对当前识别结果进行再评价，从而可靠提升识别的准确率。所谓归档信息再评价的一个简单例子，比如当发现系统部署下另一个更加可信的摄像设备所识别出的识别对象中，包括了当前的一个怀疑对象，也就是说，该对象在相近时间内更加可信的出现在另一地点，而当前的时间差不足以合理的让该对象移动到当前识别位置，此时可以排除该怀疑对象的可能性；类似的，当关联位置曾经在合理时间内出现过有效识别对象的识别结果时，则可以根据关联位置与当前位置的相关程度，提升该对象的识别几率。
尽管以上结合附图对本发明的实施方案进行了描述，但本发明并不局限于上述的具体实施方案和应用领域，上述的具体实施方案仅仅是示意性的、指导性的，而不是限制性的。本领域的普通技术人员在本说明书的启示下和在不脱离本发明权利要求所保护的范围的情况下，还可以做出很多种的形式，这些均属于本发明保护之列。