一种基于建筑信息模型的云端人脸识别与定位方法技术

本发明专利技术提出一种基于建筑信息模型的云端人脸识别与定位方法，包括：云端BIM信息库构建；人脸特征信息提取与云端存储；云端人脸识别实施；终端功能子系统接入云端系统。本发明专利技术由云端多源信息数据库、云端计算单元、云端管理平台、外部摄像装置等共同协调完成，可有效解决现有人脸识别技术速度不快、信息集成度不高、应用范围小、资源浪费严重、信息不能共享等问题，能够广泛应用于城乡建筑逻辑门禁、智能考勤、摄像定位、人员搜索管理、刷脸支付、120救护等方面。

A Cloud Face Recognition and Location Method Based on Architectural Information Model

The invention provides a cloud face recognition and location method based on building information model, including: cloud BIM information database construction; face feature information extraction and cloud storage; cloud face recognition implementation; terminal function subsystem access to cloud system. The invention is coordinated by cloud multi-source information database, cloud computing unit, cloud management platform, external camera device, etc. It can effectively solve the problems of low speed, low information integration, small application scope, serious waste of resources, information sharing and so on of existing face recognition technology, and can be widely used in urban and rural building logical access control, intelligent attendance, camera positioning. Personnel search management, face brushing payment, 120 rescue, etc.

【技术实现步骤摘要】
一种基于建筑信息模型的云端人脸识别与定位方法
本专利技术涉及土木建筑、图像处理、信息技术等交叉学科领域，具体涉及一种基于建筑信息模型的云端人脸识别与定位方法。
技术介绍
建筑信息模型(BIM,BuildingInformationModeling)是互联网时代，以三维数字技术为基础，集成了建筑工程项目规划、勘察、设计、建造、运维全生命周期的信息模型，包括建筑的几何、物理、性能、过程等信息。目前，与BIM融合的技术不断涌现，如BIM+VR、BIM+GIS、BIM+3D打印等。人脸识别技术是基于人的脸部特征信息进行身份识别的一种生物识别技术；用摄像头等图像采集设备采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部特征提取与信息应用的一系列相关技术。目前人脸识别技术在商场、办公楼、火车站等场所广泛应用，但是主要基础痛点在于“各元信息孤立封闭，识别模式传统单一”，即没有突破传统的理念束缚，只是在生物识别技术范畴内进行人脸特征信息的单一应用，如人脸识别解锁，人脸识别门禁、人脸识别考勤等，各系统独立性强，并没有实现真正意义上的多信息、多技术、多领域的技术集成融合。人与建筑是城市的两大核心要素，两者处于相互影响、相互作用、相互依存的动态系统之中，空间上人群的流动以及时间维度的变化，使人与建筑在城市(乡)域中形成了一个复杂多元的网络，迫切需要发展一种基于建筑物的更强大、精准的人脸识别新技术来打通城市人与建筑物信息关联的通道，实现在必要的空间或时间上对人的动态行为进行监管，同时将多源信息集成关联，构建门禁考勤、室内定位、刷脸支付等子系统，服务于城市域下的人群，构建人与建筑和谐共生的智慧生态网络。综上，本专利技术提出一种基于建筑信息模型的云端人脸识别与定位方法，实现城市内人与建筑的深度融合。
技术实现思路
本专利技术首次提出一种基于建筑信息模型的云端人脸识别与定位方法，其采用以下的技术方案实现：一种基于建筑信息模型的云端人脸识别与定位方法，包括：步骤A、云端BIM信息库的构建A1、利用BIM建模软件建立区域下的BIM建筑模型；A2、将BIM模型划分为具有层次的域，并将不同的域分别进行编码；A3、BIM模型导出IFC格式，用IFC解析工具剔除模型附带的属性信息，只保留建筑几何信息；A4、将剥离属性信息的BIM几何模型植入云端数据库，依据A2步骤中所分的区域及编码，在数据库设定每个区域的读取端口；步骤B、人脸特征信息提取与云端存储B1、获取特征信息；B2、人脸检测：依据人脸经验算法，对获取到的数据源进行人脸检测，进而轮廓线选择出人脸区域；B3、预处理：将彩色照片转化成灰度照片，继续转为像素点集，去掉人脸以外部分的冗余点数据，进一步稀释处理，去掉平滑过渡的点；B4、放大权重处理：引入放大权重处理系数s来表示其放大程度，对五官、人脸轮廓等关键特征点进行放大强化，s>1，对于脸部、头部等非关键特征点进行淡化，s<1；此操作进一步简化人脸特征脸比率的特征值矩阵，即去除某些不必要特征点的表达，加强人脸某些不易受表情、年龄等因素变化特征部位的表达；一般可放大权重的部位有人脸轮廓特征点组、眼部特征点组、嘴鼻特征点组及各组合间构成的特征比例等；放大权重处理的程度可用放大权重系数s表示。B5、将处理好的人脸特征值依据其常驻地点，按照步骤A2中的域进行分类，并植入云端数据库存储，根据对应关系映射至BIM数据库与用户信息数据库；步骤C、云端人脸识别实施；步骤D、终端功能子系统接入云端系统。进一步地，所述步骤C包括：C1、设备架设：建筑内部安装全景摄像头，全面覆盖建筑内部，依据步骤A2的分区，架设云端处理单元，用以运行该区域的人脸识别，各云端处理单元共用一套云端数据库；C2、人脸检测：依据人脸经验算法，对获取到的数据源进行人脸检测，进而用轮廓线选择出人脸区域；C3、人脸预处理：彩色照片转化成灰度照片，继续转为像素点集，去掉人脸以外部分的冗余点数据，进一步稀释处理，去掉平滑过渡的点；C4、人脸识别：设置判断阈值，依据步骤A2确定的域，域内摄像头进行人脸识别过程时，首先以数据库中该区域分类下的人脸为比对对象，将采集到的人脸特征值与其进行比较，计算相似点位占总点位的百分比，即为相似度，若其高于阈值，则判断通过，可认为是本人，有该区域权限；反之，不通过，则将相邻区域内人脸作为比对对象，继续进行对比；C5、若判断通过，则将该区域的编码输出至云端管理平台，通过编号与BIM数据库之间的对应关系，以BIM模型可视化的形式显示人员定位；C6、深度学习：引入加权系数r，在每一次人脸识别过程中，如识别通过，系统记录下该人本次的人脸特征值、识别人脸与目标人脸样本的相似度，并按照相似度超出大小所占的比例自动调整加权系数，将本次特征值与预存特征值进行加权平均，实现人脸信息随时间的微小过渡更新。本专利技术对人脸的关键点赋予权重，配合深度学习，人脸的关键点的作用在深度学习时，会一次一次放大，这样，人脸识别的准确性会提高，效率也会提高。进一步地，所述步骤D包括：根据需求建立功能子系统，包括：门禁系统、考勤系统、摄像监管系统、防走失寻人系统、刷脸支付系统和/或室内紧急救护系统。进一步地，所述步骤B1特征信息获取源包括：统一采集录入或视频录像帧提取或现有照片。与现有技术相比，本专利技术的优点和积极效果在于：在城市范围内，通过云端建立多源信息数据库，完成人脸信息、BIM信息、用户信息的映射关联，人脸特征信息“加权”选择性处理，实现人脸样本的轻量化处理，架构云端计算服务，实现城市级大范围、大体量的人脸识别。该专利技术可有效解决现有人脸识别技术速度不快、信息集成度不高、应用范围小、资源浪费严重、信息不能共享等问题，能够广泛应用于城乡建筑逻辑门禁、智能考勤、摄像定位、人员搜索管理、刷脸支付、120救护等方面。目前，人脸识别主要应用于商场、办公楼、火车站的门禁、支付等场景中，没有与建筑模型挂接，基于建筑的人脸识别应用场景受到制约。人脸识别与建筑的挂接十分重要，例如建筑物中有一逃犯，传统抓捕需要出动大量警力，挨点搜查，效率低下，采用该系统，一张逃犯的照片上传后，即可快速对建筑物内的所有人员进行比对，快速精准地锁定逃犯并显示其位置。又如，目前120救护，都要求病人家属在马路路口接救护车，一旦人脸识别与建筑挂接，通过家中摄像头即可定位到室内，120可预先规划最快最优路线，直达病人家中，同时救护人员也可远程看到病人状况，给予指导救护，提高了救护的效率。附图说明图1为本专利技术基于建筑信息模型的云端人脸识别流程图；图2为本专利技术BIM建模、人脸信息附模、BIM信息模型入库流程图；图3为本专利技术放大权重处理的人脸特征点分布图；图4为本专利技术基于云端系统配置终端具备使用功能的子系统框图。具体实施方式下面结合附图和具体项目实施例对本专利技术做进一步详细地说明。项目简介：绿空之城是一种节地型立体建筑，占地面积为121500㎡，主体建筑总建筑面积为708300㎡。设计242栋别墅、1栋商业餐饮楼、1栋健身娱乐楼、1栋幼儿与儿童乐园楼、1栋老年安居楼及4个立体停车场，最大停车数目可达3392辆，是一座以住宅为核心的综合体公共建筑。主体建筑共七层，二层距离地面13m，二到七层高度均为3本文档来自技高网...

【技术保护点】
1.一种基于建筑信息模型的云端人脸识别与定位方法，其特征在于包括：步骤A、云端BIM信息库的构建A1、利用BIM建模软件建立区域下的BIM建筑模型；A2、将BIM模型划分为具有层次的域，并将不同的域分别进行编码；A3、BIM模型导出IFC格式，用IFC解析工具剔除模型附带的属性信息，只保留建筑几何信息；A4、将剥离属性信息的BIM几何模型植入云端数据库，依据A2步骤中所分的区域及编码，在数据库设定每个区域的读取端口；步骤B、人脸特征信息提取与云端存储B1、获取特征信息；B2、人脸检测：依据人脸经验算法，对获取到的数据源进行人脸检测，进而轮廓线选择出人脸区域；B3、预处理：将彩色照片转化成灰度照片，继续转为像素点集，去掉人脸以外部分的冗余点数据，进一步稀释处理，去掉平滑过渡的点；B4、放大权重处理：引入放大权重处理系数s来表示其放大程度，对五官、人脸轮廓等关键特征点进行放大强化，s>1，对于脸部、头部等非关键特征点进行淡化，s

【技术特征摘要】
1.一种基于建筑信息模型的云端人脸识别与定位方法，其特征在于包括：步骤A、云端BIM信息库的构建A1、利用BIM建模软件建立区域下的BIM建筑模型；A2、将BIM模型划分为具有层次的域，并将不同的域分别进行编码；A3、BIM模型导出IFC格式，用IFC解析工具剔除模型附带的属性信息，只保留建筑几何信息；A4、将剥离属性信息的BIM几何模型植入云端数据库，依据A2步骤中所分的区域及编码，在数据库设定每个区域的读取端口；步骤B、人脸特征信息提取与云端存储B1、获取特征信息；B2、人脸检测：依据人脸经验算法，对获取到的数据源进行人脸检测，进而轮廓线选择出人脸区域；B3、预处理：将彩色照片转化成灰度照片，继续转为像素点集，去掉人脸以外部分的冗余点数据，进一步稀释处理，去掉平滑过渡的点；B4、放大权重处理：引入放大权重处理系数s来表示其放大程度，对五官、人脸轮廓等关键特征点进行放大强化，s>1，对于脸部、头部等非关键特征点进行淡化，s<1；B5、将处理好的人脸特征值依据其常驻地点，按照步骤A2中的域进行分类，并植入云端数据库存储，根据对应关系映射至BIM数据库与用户信息数据库；步骤C、云端人脸识别实施；步骤D、终端功能子系统接入云端系统。2.根据权利要求1所述的基于建筑信息模型的云端人脸识别与室内定位方法，其特征在于所述步骤C包括：C1、设备架设：建筑内部安装全景摄像头，全面覆盖建筑内部，依据步骤A2的分区，架设云端处理单元，用以运行该区域的人脸识别，各...

【专利技术属性】
技术研发人员：刘文锋，周正，王召猛，
申请(专利权)人：青岛理工大学，
类型：发明
国别省市：山东,37