一种人脸识别系统和方法
【技术领域】
[0001] 本公开设及视频监控领域，特别设及一种人脸识别系统和方法。
【背景技术】
[0002] 目前很多行业为了吸收、维护更多有价值、有潜力的贵宾(VIP)客户，越来越重视 对贵宾客户提供更优质、有针对性的服务。传统行业会使用VIP卡等形式来区分客户，但是 携带卡片，报卡号等方式并不人性化、便捷化。而人脸识别技术是依据人脸部的特征信息进 行身份识别的一种技术，具有非接触性、并发性、非强制性、直观性等优点。
【发明内容】
[0003] 针对上述部分问题，本公开提供了一种人脸识别系统和方法，所述系统借助深度 学习技术进行人脸识别，提供一套完善的视频监控人脸识别系统，利用所述系统可W为银 行VIP识别、Π 店迎宾、监控场景人脸识别提供服务支持;若利用系统中检测到人脸的时间、 地点和时长，可W进一步实现客流统计，为改进服务或查询特殊用户提供帮助。另外，本公 开还提供了一种实现本公开系统的方法。
[0004] 一种人脸识别系统，所述系统至少包括:数据输入模块、人脸分析模块和数据输出 模块；
[0005] 所述数据输入模块用于将欲检测图像序列传送给人脸分析模块；
[0006] 所述数据输出模块包括图像输出单元和/或消息订阅单元；
[0007] 所述图像输出单元用于将人脸分析模块中得到的人脸进行标识，并将该人脸相关 的信息叠加到原始视频上；
[000引所述消息订阅单元用于往终端订阅用户发送事件消息；
[0009] 其中，所述人脸分析模块用于检测分析识别欲检测图像序列中的人脸，至少包括 下述单元：
[0010] U100、人脸检测跟踪单元:对接收的图像，检测跟踪图像中的人脸，并进行质量判 断，挑选满足要求的若干帖作为关键帖，传递给人脸比对单元；
[0011] U200、人脸比对单元:接收所述关键帖并提取每一帖的人脸特征，在用户信息数据 库中查找并选择多个相似的人脸特征进行比对分析；
[0012] 其中:所述人脸特征使用多维特征向量表示；
[0013] 所述用户信息数据库允许单人有Μ张人脸图像使用相同的第一标识符标识存入。
[0014] 为了方便实现本系统，在一个实施例中，提供了一种实现本公开系统的方法，即： 一种人脸识别方法，所述方法至少包括：
[0015] S100、对人脸进行检测跟踪:接收的欲检测图像序列，对欲检测的图像，检测跟踪 图像中的人脸，并进行质量判断，挑选满足要求的若干帖作为关键帖用于比对分析;所述欲 检测图像序列为在一定时间间隔内的若干帖图像；
[0016] S200、对人脸进行比对分析:提取所述关键帖的人脸特征，在用户信息数据库中查 找并选择多个相似的人脸特征进行比对分析；
[0017] 其中:所述人脸特征使用多维特征向量表示；
[0018] 所述用户信息数据库允许单人有Μ张人脸图像使用相同的第一标识符标识存入所 述数据输出模块包括图像输出单元和/或消息订阅单元；
[0019] S300、输出结果:将关键帖中检测到的人脸使用标识框标识，并将与该人脸相关的 信息叠加到原始视频上；W及/或向终端用户发送订阅的事件消息。
【具体实施方式】
[0020] 在一个基础实施例中，提供了一种人脸识别系统，所述系统至少包括:数据输入模 块、人脸分析模块和数据输出模块；
[0021 ]所述数据输入模块用于将欲检测图像序列传送给人脸分析模块；
[0022] 所述数据输出模块包括图像输出单元和/或消息订阅单元；
[0023] 所述图像输出单元用于将人脸分析模块中得到的人脸进行标识，并将该人脸相关 的信息叠加到原始视频上；
[0024] 所述消息订阅单元用于往终端订阅用户发送事件消息；
[0025] 其中，所述人脸分析模块用于检测分析识别欲检测图像序列中的人脸，至少包括 下述单元：
[0026] U100、人脸检测跟踪单元:对接收的图像，检测跟踪图像中的人脸，并进行质量判 断，挑选满足要求的若干帖作为关键帖，传递给人脸比对单元；
[0027] U200、人脸比对单元:接收所述关键帖并提取每一帖的人脸特征，在用户信息数据 库中查找并选择多个相似的人脸特征进行比对分析；
[0028] 其中:所述人脸特征使用多维特征向量表示；
[0029] 所述用户信息数据库允许单人有Μ张人脸图像使用相同的第一标识符标识存入。
[0030] 在运个实施例中，数据输入模块的输出是人脸图像，其输入可W是多重网络视频 源、图像序列、离线视频或者实时视频，只要经过处理后可W获得带有人脸的图像即可。在 对图像进行检测时，可W对接收的所有图像进行检测，也可W优选的对图像进行检测。所述 欲检测图像序列可W是在一定时间间隔内采集的若干帖图像，也可W是人为挑选的若干帖 图像。在一个实施例中，系统每隔6帖进行一次人脸检测。在对图像进行检测时，提取图像中 的人脸位置、人脸关键点信息，所述人脸关键点信息可包括眼角、眉毛的末端、嘴角、鼻尖等 位置信息。当所述图像序列为单帖时，该图像本身为关键帖;所述图像序列为多帖时，从该 序列中挑选质量好的Ν帖作为关键帖。其中，质量的判断可W通过对后述指标进行打分后， 选取得分高的前Ν帖作为关键帖。所述指标包括人脸图片清晰度、大小、真实人脸、遮挡、光 照等等。所述人脸特征通过多维特征向量表示，在一个实施例中，使用约180维特征向量来 表示人脸特征。对已检测到人脸，在后续帖中进行跟踪。在查找时，将Ν组人脸特征作为一个 整体，在用户信息数据库中检索相似人脸，选择得分最高的几个人脸作为返回结果。而比对 分析的结果即所述视频组装分发单元W及原图像可W通过ht化协议或消息服务器发送至 图像输出单元。在一个实施例中，当在监控区域识别人脸库人脸，系统立即发布通知或报 警，消息包括往订阅者发送其关注的特殊人员比如VIP、可疑人等识别结果、地点时间、人脸 图片等信息。
[0031] 在一个实施例中，给出了一种用于UlOO中所述质量判断的方法，即包括下述步骤：
[0032] S1010、对每个检测到的人脸图像，首先判断两眼间距是否满足设定要求，若满足 要求则执行步骤S1011;否则，舍弃该检测到的人脸图像；
[0033] S1011、计算检测到的人脸图像的人脸置信度得分是否满足设定要求，若满足要求 则执行步骤S1012;否则，舍弃该检测到的人脸图像；
[0034] S1012、计算正脸得分是否满足设定要求，如满足则判断该帖能够用于识别人脸； 否则，舍弃该检测到的人脸图像。
[0035] 在一个实施例中，提供了一种具体挑选关键帖的实现方式。在运个实施例中，对单 个跟踪抓拍的人脸，根据两眼间距>25,人脸置信度得分>0.95,正脸得分，判断该帖是否用 于识别。进一步地，在运个实施例中还提供了通过程序实现挑选关键帖的方法，即对每个跟 踪为同一人脸的图像，内部维护一个关键帖容器，容量为10。开始时，若不满10帖，则每帖均 存储入容器内；满10帖后，适合用于识别的帖，且与最后存入的帖号间隔大于10,则替换掉 已知质量最差的帖;记录单个跟踪为同一人脸的图像已被处理的帖数，若帖数大于20,则结 束跟踪。
[0036] 在一个实施例中，给出了一种用于所述U100中检测跟踪包括下述步骤，其步骤为：
[0037] S101、每隔若干帖进行一次人脸检测，当检测到人脸时，对满足质量要求的人脸使 用标记框对包括人脸的部分进行标记；
[0038] S102、判断标记的人脸面积与已检测到的人脸面积是否有重合，当重合度满足预 设阔值时，则认为与已检测到的人脸为同一人脸，则进入步骤S103;否则认为当前标记的人 脸为新的人脸，跟踪结束；
[0039] S103、对标记的人脸在标记框内进行人脸对齐，检测人脸关键点位置，计算人脸关 键点外包围矩形，替换之前检测到的认为为同一人脸的标记框内的图像。
[0040] 在运个实施例中，使用标记框对包括人脸的部分进行标记，所标记的部分可W是 头部，更优的，还可W包括肩部，在包括肩部的标记方式中，可W提高识别率。不论采用哪种 方式，重合度的计算均可W通过置信度来度量，当计算的置信度达到一定的范围时，可W认 为两个对象为同一对象。而所应达到的范围可W通过试验的方式来确定。
[0041] 优选的，使用多库与并行检索，即：所述U200中的用户信息数据库包括多个子数据 库，则所述查找为基于多个子数据库进行并行检索。而比对分析则在检索结果的基础上进 行比对，然后合并分析结果。运种方式不仅支持将大量人脸图像导入用户信息数据库，同时 又不加大检索时间。每个子数据库导入一定量的人脸图像，单人的多个人脸图像导入相同 的数据库。在检索时，在一个实施例中采用多线程并行检索每个数据库的方式，然后根据比 较分析的结果合并多个子数据库的结果。
[0042] 在一个实施例中，给出了关于入库的人脸图像中人脸特征的获取方法，即：所述 U200中的提取使用Deepid深度学习算法提取人脸特征。运种方式获取人脸特征能够有助于 精准的识别人脸。在一个实施例中，使用运种提取人脸特征提取方式，提取约180维的特征 向量。
[0043] 基于人脸特征使用多维特征向量表示，在一个实施例中，给出了一种在查找相似 特征向量时，减少比较次数加速比对过程方法，即:所述U200中的相似的人脸特征通过下述 步骤获得：
[0044] S2011、建立KD树:在查找时，建立KD树捜索Κ个近邻，Κ > Μ;
[0045