人脸识别系统和轨迹跟踪系统的制作方法

本申请涉及人脸识别技术，特别是一种人脸识别系统和轨迹跟踪系统。

背景技术：

近年来，随着人脸识别技术的迅速发展，已经在各类应的应用场景当中进行的实现，比如在交通系统管理、小区安防管理、公共场所人流管理以及商业消费的支付认证的方面，同时随着应用场景的范围不断增大，应用业务的细化、整合及延伸不断，涉及需要比对的人库容量逐渐增大，同时在海量人库的比对数据更是越发缩减，并且在硬件低投入的情况下更多的提现比对策略的高效需要，更在一些实施例中满足市场和业务需要。

随着识别库容量的增加，识别效率下降；大量对比的同时容易出现大量错误比对结果，影响业务准确性和真实性。

技术实现要素：

有鉴于此，本申请的目的在于：提供一种人脸识别系统和轨迹跟踪系统，以在同等的硬件条件下提升人脸识别的效率，提升识别准确度。

第一方面，本申请实施例提供了：

一种人脸识别系统，包括：

第一数据管理模块，用于根据原始图像的至少两个属性的取值将多个所述原始图像分类到多个数据容器中，其中，所述至少两个属性均包括多个取值范围；所述原始图像的数据容器按照所述至少两个属性的取值范围进行标识；

第一业务模块，用于获取待识别对象以及所述至少两个属性的目标取值，根据所述至少两个属性的目标取值匹配数据容器，根据所述待识别对象在匹配到的数据容器中进行人脸识别。

在一些实施例中，所述数据容器由所述第一数据管理模块在获得对应于该数据容器的分类的第一个原始图像时建立。

在一些实施例中，各所述数据容器的存储数量相同且均小于10000。

在一些实施例中，所述第一数据管理模块还用于：当第一数据容器的存储数量达到最大值，建立与所述第一数据容器的标识相同的第二数据容器；

对所述第一数据容器和所述第二数据容器进行数量平衡，以使第一数据容器和所述第二数据容器中的所述原始图像的数量之差或者数量之比在预设范围内。

在一些实施例中，所述取值范围中包括至少一个取值。

在一些实施例中，所述属性包括时间属性和位置属性。

第二方面，本申请实施例提供了：

一种轨迹跟踪系统，包括：

第二数据管理模块，用于根据原始图像的时间属性和位置属性的取值将多个所述原始图像分类到多个数据容器中，其中，所述时间属性和位置属性均包括多个取值范围；所述原始图像的数据容器按照所述时间属性的取值范围和位置属性的取值范围进行标识；

第二业务模块，用于获取待识别对象以及所述时间属性的目标取值和所述位置属性的目标取值，根据所述时间属性的目标取值和所述位置属性的目标取值匹配数据容器，根据所述待识别对象在匹配到的数据容器中进行人脸识别，得到命中的若干个所述原始图像，根据命中的若干个所述原始图像的时间属性和位置属性，得到所述待识别对象的轨迹。

在一些实施例中，所述数据容器由所述第二数据管理模块在获得对应于该数据容器的分类的第一个原始图像时建立。

在一些实施例中，各所述第二数据容器的存储数量相同且均小于10000。

在一些实施例中，所述数据管理模块还用于：当第一数据容器的存储数量达到最大值，建立与所述第一数据容器的标识相同的第二数据容器；

对所述第一数据容器和所述第二数据容器进行数量平衡，以使第一数据容器和所述第二数据容器中的所述原始图像的数量之差或者数量之比在预设范围内。

本申请实施例通过设置至少两个属性来对原始图像进行分类，形成以属性标识的小库，在识别时，基于属性的目标取值来匹配数据容器，可以大大缩小人脸识别的原始图像的数据量，同时可以准确命中业务所需的目标，这样不仅减少了人脸识别的次数缩短了匹配时间，而且在小库中进行匹配，可以减少错误匹配的概率，一定程度上提升了准确度。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图做一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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。

图1是根据本申请实施例提供的一种人脸识别系统的模块框图；

图2是根据本申请实施例提供的一种轨迹跟踪系统的模块框图；

图3是根据本申请实施例提供的一种属性划分的示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，以下将参照本申请实施例中的附图，通过实施方式清楚、完整地描述本申请的技术方案，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

参照图1，本实施例公开了一种人脸识别系统，其包括：

第一数据管理模块，用于根据原始图像的至少两个属性的取值将多个所述原始图像分类到多个数据容器中，其中，所述至少两个属性均包括多个取值范围；所述原始图像的数据容器按照所述至少两个属性的取值范围进行标识；

第一业务模块，用于获取待识别对象以及所述至少两个属性的目标取值，根据所述至少两个属性的目标取值匹配数据容器，根据所述待识别对象在匹配到的数据容器中进行人脸识别。

需要理解的是，在本实施例中属性可以诸如时间、位置、天气、照片内容等等。其中，对于时间可以按小时进行取值范围的划分，位置可以根据地图进行划分，其中，位置属性是的取值是坐标，可以用一个二维坐标范围来限定位置属性的取值。天气，可以分为晴天、阴天、雨天等等，由获取原始图像的设备进行标注。照片内容可以根据实际情况而分，例如，可以分为车道的图像和人行道的图像。属性的一个取值范围也可以理解为一个选项，例如，对于图像内容的属性，每个取值范围实际上只有一个值。那么通过对属性的取值范围进行划分，可以在每个属性下划分出不同的等级的分类，每个等级下有若干个分类(即若干个取值范围或者选项)，通过将两个以上的属性下属的取值范围进行组合，可以得到n*m个组合。其中n是第一种属性的取值范围的数量，m是第二种属性的取值范围的数量。

例如，可以将时间属性划分为24个小时，将位置属性划分为48个位置，那么将会得到1152个组合。在本实施例中，在一天中会生成1152个数据容器，这些数据容器将会与原始图像关联在一起。当需要匹配早上8点中a位置的图像时，只需要找到以早上8点和a位置标识的数据容器，根据数据容器中的映射关系找到原始图像，即可以快速缩小比对范围，从而增加图像识别的效率，同时在小范围进行比对，可以减少错误结果的出现，从整体上提高最终结果的准确度。

在一些实施例中，所述数据容器由所述第一数据管理模块在获得对应于该数据容器的分类的第一个原始图像时建立。其中，为了空间分配更加灵活，在获得属于该分类的原始图像以后才会建立数据容器。

在一些实施例中，各所述数据容器的存储数量相同且均小于10000。在本实施例中为了控制数据容器的体积以避免数据容器过大拖慢匹配过程，因此，将存储数量设置10000以内。当然，根据业务需要和服务器性能，该值可以设置为5000或者8000等等。

在一些实施例中，所述第一数据管理模块还用于：当第一数据容器的存储数量达到最大值，建立与所述第一数据容器的标识相同的第二数据容器；

对所述第一数据容器和所述第二数据容器进行数量平衡，以使第一数据容器和所述第二数据容器中的所述原始图像的数量之差或者数量之比在预设范围内。

需要理解的是，数据容器中存储数量越小处理速度越快，当一个数据容器的存储数量大于阈值以后，可以生成另一个与其标识相同的数据容器，并对两个容器的存储数量进行均衡，一般两者的存储数量与阈值之比的差不大于10％，这样的方式有助于采用并发线程进行同步处理，可以增加处理效率。

参照图2，本实施例公开了一种轨迹跟踪系统，其包括：

第二数据管理模块，用于根据原始图像的时间属性和位置属性的取值将多个所述原始图像分类到多个数据容器中，其中，所述时间属性和位置属性均包括多个取值范围；所述原始图像的数据容器按照所述时间属性的取值范围和位置属性的取值范围进行标识；

第二业务模块，用于获取待识别对象以及所述时间属性的目标取值和所述位置属性的目标取值，根据所述时间属性的目标取值和所述位置属性的目标取值匹配数据容器，根据所述待识别对象在匹配到的数据容器中进行人脸识别，得到命中的若干个所述原始图像，根据命中的若干个所述原始图像的时间属性和位置属性，得到所述待识别对象的轨迹。

可以理解的是，通过上述方式可以在一定的时间和区域内筛选出待识别对象相关的原始图像，并根据原始图像的时间属性和位置属性，拼接处待识别对象的轨迹，例如发现目标的三个原始图像，对应的是8点10分在位置a1、8点15在位置a2和8点20在位置a3，根据时间先后顺序，可以确定目标的轨迹是从a1到a2再到a3。通过本实施例的方案实现，可以增加业务的响应速度，同时增加准确率。

在一些实施例中，所述数据容器由所述第二数据管理模块在获得对应于该数据容器的分类的第一个原始图像时建立。

在一些实施例中，各所述第二数据容器的存储数量相同且均小于10000。

在一些实施例中，所述数据管理模块还用于：当第一数据容器的存储数量达到最大值，建立与所述第一数据容器的标识相同的第二数据容器；

对所述第一数据容器和所述第二数据容器进行数量平衡，以使第一数据容器和所述第二数据容器中的所述原始图像的数量之差或者数量之比在预设范围内。

需要理解的是在轨迹跟踪系统中，与人脸识别系统相对应的技术特征可以产生对应的技术效果。

参照图3，本实施例提供了一种原始图像的属性的划分方式，在该划分方式中分为三级。其中，第一级为时间和位置，第二级和第三级对时间和位置进行进一步的划分。这样形成一个树状的结构，以便于快速确定需要查找的数据容器的标识。

在本实施例中，a属性为时间，b属性为位置，其中，a属性在第二级划分为0-12和12-24两个大的区间，然后在这两个区间下再细分到每个小时。对于位置属性以广州市的派出所为例，b属性在第二级被划分为越秀区、天河区、番禺区等，然后在第三级划分为每个区下属的派出所所分管的片区。假设在本实施例中，派出所的数量为48个，则在一天内一共创建1152个数据容器。

在查找数据容器时，可以基于图3中的树状结构进行查找，例如要查找早上8点在番禺大石派出所辖区内的原始图像，首先，确定出时间位于0-12点这一分支，再确定出属于该分支的第三级区间，即8～9点，同时，根据位置也会确定出数据容器的位置属性标识位于番禺区，再确定出番禺区下属的大石派出所。然后结合着两个标识，可以确定出数据容器。然后将数据容器中关联的原始图像和待识别对象进行人脸识别。

根据以上数据规则定义的定义，系统自动完成框架的建立，形成相应小库的数据容器，完成模式框架容器的建立，系统通过多线程及多并发读取需要注册的人脸及其数据属性，通过数据属性在数据规则定义进行分类，把对应的人脸数据注册到相应的数据容器，如单个容器实际库容数值多余容器规划库容数值，机制会新增第二、第三甚至更多同类容器，完成本框架数据注册动作就完成本模式框架的启动工作。根据以上的三级数据分类后，已采集的数据就根据本来数据的时间和位置进行分区处理；例如，根据以上派出所的举例为基础，每个容器储存数据量的峰值是5000张照片，那么通过时间和位置两个数据，系统根据每一个小时结合每一个派出所进行关联自动建立数据比对库数据容器，默认建立1152个数据容器，系统就会根据历史采集数据分别往这1152个容器进行填充，譬如一张张三在昨天早上8:32在番禺区大石所辖区拍到的照片，就会被自动储存到标记是8点和大石派出所的容器里；当其中一个容器填满5000张照片，系统会自动按相同数据规则条件生成第二个容器继续装填数据；就如上述条件，假设系统默认生成的8点和大石所的容器已经装填5000张照片的数据，系统自动建立2号8点和大石所的容器继续对后续相同规则数据进行装填，如数据更多，则按这个规则建立3号、4号等更多的容器，如此类推。

根据需要比对的业务或比对照片数据属性，系统从第一级到最终端的人脸库属性规则自动匹配一个或多个目标库，完成匹配目标库后系统开始对在一个或多个目标库中开始进行人脸比对，并对根据业务需要返回相应数量结果进行返回，系统把一套或多套返回的结果进行汇总和排序，再根据业务需要返回相应数量在汇总清单上进行筛选并返回最终结果，完成一整套比对模式操作流程。例如根据前述举例为基础，完成数据装填后，业务需要通过张三的一张证件照片获取他在番禺区8:00-10:00在大石所辖区的轨迹，那么系统会把张三证件照片和8点大石所的容器和9点大石所得容器进行比对碰撞，把两个容器比对出同人照片的结果结合，并通过分数高到低进行排序，并把结果返回业务系统进行呈现或处理。这样单次比对的照片量就大大减少，单次比对的时间和硬件资源就更少，同时比对准确率就会更高。

注意，上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解，本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由所附的权利要求范围决定。