用于K12教育阶段的人脸识别校园区域预警方法及系统与流程

本发明涉及人脸识别安全预警技术领域，具体为一种用于k12教育阶段的人脸识别校园区域预警方法及系统。

背景技术：

校园在运作过程中，为了满足孩子学习和活动的需求，建立了各种不同功能的场所，但并不是所有场所都适合幼儿出入。处于幼儿阶段的孩子，好奇心旺盛，且没有安全意识。虽然有诸多安全设置，但孩子众多，难免有所疏漏。

现有的安全管理主要是通过视频监控，但仅依靠教职工人员管控无法及时发现孩子处于危险区域。目前危险区域监控技术是通过实时拍摄图像与原始图像对比，若检测到实时图像与原始图像不一致，且连续几帧都出现不属于原始图像的物体，形成运动轨迹，则发生警报。这种识别方式导致任何运动物体都有可能误触警报，容易消耗监视人员的精力。当真正发生幼儿闯入危险区域的时候，很可能引起“狼来了”效应，导致没有引起足够的重视而发生事故。

技术实现要素：

本发明目的在于提供一种用于k12教育阶段的人脸识别校园区域预警方法及系统，解决现有校园危险区域监控技术中的识别方式导致任何运动物体都有可能误触警报，容易消耗监视人员的精力的技术问题。

本发明所述的一种用于k12教育阶段的人脸识别校园区域预警方法，包括以下步骤：

建立危险区域模型，界定需要管控的区域，设置安全和预警范围；

判断视频中出现的人员是否为内部人员以及对出现在视频中的人体行进方向进行分析，判断其是否有进入危险区域的趋势；

对进入管控区域的人员进行甄别，提醒安保人员注意管控区域的异常状态。

本发明所述的用于k12教育阶段的人脸识别校园区域预警系统，包括：

危险区域界定模块，用于界定需要管控的区域，设置安全和预警范围；

行为分析模块，用于判断视频中出现的人员是否为内部人员以及对出现在视频中的人体行进方向进行分析，判断其是否有进入危险区域的趋势；

预警模块，用于对进入管控区域的人员进行甄别，提醒安保人员注意管控区域的异常状态。

本发明提供的用于k12教育阶段的人脸识别校园区域预警方法及系统，采用区域识别方式，基于人脸识别和行为分析，双重鉴别进入管控区域的人员，可明确鉴别人体和物体，并且进一步区分校外和校内人员，有效降低现有危险区域预警技术中的误报率，具有针对性的发出警报，提高预警准确性，降低了在识别过程中产生的遇到任何运动物体都有可能误触警报的概率，以及解决了容易消耗监视人员的精力的技术问题。

附图说明

图1为本发明行人趋势判断流程图；

图2为本发明危险区域界定流程图；

图3为本发明人脸检测流程图；

图4为本发明行为判断流程图；

图5为本发明一种用于k12教育阶段基于人脸识别的校园危险区域预警系统模块运作流程示意图。

具体实施方式

如图1所示，一种用于k12教育阶段的人脸识别校园区域预警方法，包括以下步骤：

建立危险区域模型，界定需要管控的区域，设置安全和预警范围；

判断视频中出现的人员是否为内部人员,以及对出现在视频中的人体行进方向进行分析，判断其是否有进入危险区域的趋势；

对进入管控区域的人员进行甄别，提醒安保人员注意管控区域的异常状态。

如图2所示，界定需要管控的区域，设置安全和预警范围，具体包括：

在需要管控的危险区域建立危险区域模型；

将拍摄的视频按预先设置的时间段截取，形成多个视频流进行储存；

随机抽取视频流的一帧图片，依据预先设计的危险区域模型，判断识别区域内是否有符合危险区域模型的物体，并将符合危险区域模型的外围的固定距离作为预警范围。

其中，通过摄像装置运作过程中，将拍摄的视频按预先设置的时间段截取，形成多个视频流进行储存。根据视频流，随机抽取一帧图片，依据预先设计的危险区域模型，判断识别区域内是否有符合危险区域模型的物体。如有，则判定该区域为危险区域，并将区域外围的固定距离作为预警范围。

如图3所示，判断视频中出现的人员是否为内部人，具体包括：

根据视频流，随机抽取一帧图片，进行人脸检测，判断图片是否有符合要求的面部特征；

对检测到面部特征的图片进行裁剪，提取储存库中的人像模板，对照人像特征，进行比对。

其中，根据视频流，随机抽取一帧图片，进行人脸检测，判断图片是否有符合要求的面部特征。若检测到符合要求的面部特征，则对检测到面部特征的图片进行裁剪，提取储存库中的人像模板，对照人像特征，进行比对。若比对成功，则判断人员为内部人员；若比对不成功，则判断人员为外部人员。

如图4所示，对出现在视频中的人体行进方向进行分析，判断其是否有进入危险区域的趋势，具体包括：

根据视频流，随机抽取一帧图片，进行人体骨骼特征检测，判断图片中是否有行人；

根据视频中行人的人体骨骼定位，运用点到超平面距离计算出人体行进趋势，超平面的计算方程写成以下形式：，计算样本点到平面的距离，x为样本中的一个点，其中w表示为特征变量，该点到超平面的距离就可以用如下公式进行计算：

其中||w||为超平面的范数，常数b为截距。

其中，根据视频流，随机抽取一帧图片，进行人体骨骼特征检测，判断图片中是否有行人，如有行人则据视频中行人的人体骨骼定位，运用点到超平面距离计算出人体行进趋势，如没有行人则通过摄像装置继续获取射频。

计算人体行进方向有无靠近危险区域趋势时，若得出结果判断为有靠近趋势，则对进入管控区域的人员进行甄别，提醒安保人员注意管控区域的异常状态。对于发生了预警的视频流，本地服务器上传至云服务器备份，其他视频流则放弃。若得出结果判断为无靠近趋势，在行人离开摄像头监控范围后，自动放弃该段视频流，仅保存抽取的图片。

采用区域识别方式，基于人脸识别和行为分析，双重鉴别进入管控区域的人员，可明确鉴别人体和物体，并且进一步区分校外和校内人员，有效降低现有危险区域预警技术中的误报率，具有针对性的发出警报，提高预警准确性，消除了在识别过程中产生的任何运动物体都有可能误触警报，容易消耗监视人员的精力的技术问题。

如图5所示，一种用于k12教育阶段的人脸识别校园区域预警系统，包括：

危险区域界定模块，用于界定需要管控的区域，设置安全和预警范围；

行为分析模块，用于判断视频中出现的人员是否为内部人员以及对出现在视频中的人体行进方向进行分析，判断其是否有进入危险区域的趋势；

预警模块，用于对进入管控区域的人员进行甄别，提醒安保人员注意管控区域的异常状态。

其中，危险区域界定模块包括：

危险区域模型模块，用于在需要管控的危险区域建立危险区域模型；

储存模块，用于将拍摄的视频按预先设置的时间段截取，形成多个视频流进行储存；

判断识别模块，用于随机抽取视频流的一帧图片，依据预先设计的危险区域模型，判断识别区域内是否有符合危险区域模型的物体，并将符合危险区域模型的外围的固定距离作为预警范围。

行为分析模块包括：

人脸识别模块，用于判断视频中出现的人员是否为内部人员；

人体行进趋势分析模块，用于对出现在视频中的人体行进方向进行分析，判断其是否有进入危险区域的趋势。

人脸识别模块包括：

人脸检测模块，用于根据视频流，随机抽取一帧图片，进行人脸检测，判断图片是否有符合要求的面部特征；

人脸面部特征对比模块，用于对检测到面部特征的图片进行裁剪，提取储存库中的人像模板，对照人像特征，进行比对。

人体行进趋势分析模块包括：

人体骨骼特征检测模块，用于根据视频流，随机抽取一帧图片，进行人体骨骼特征检测，判断图片中是否有行人；

超平面计算模块，用于根据视频中行人的人体骨骼定位，运用点到超平面距离计算出人体行进趋势，超平面的计算方程写成以下形式：，计算样本点到平面的距离，x为样本中的一个点，其中w表示为特征变量，该点到超平面的距离就可以用如下公式进行计算：

其中||w||为超平面的范数，常数b为截距。

采用区域识别方式，基于人脸识别和行为分析，双重鉴别进入管控区域的人员，可明确鉴别人体和物体，并且进一步区分校外和校内人员，有效降低现有危险区域预警技术中的误报率，有针对性的发出警报，提高预警准确性，降低了在识别过程中产生的遇到任何运动物体都有可能误触警报的概率，以及解决了误报容易消耗监视人员精力的技术问题。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。