The invention belongs to the field of intelligent recognition technology, and discloses a face recognition and security alarm method based on the embedded artificial intelligence chip. Based on the embedded artificial intelligence chip, video acquisition, transmission, storage, face location, face recognition, alarm information and video information can be sent; specifically, video information can be collected through the video data acquisition module, and data transfer module Transfer the uploaded data, and the recognition and judgment module judges whether there is any intrusion through face recognition on the local development board. After recognition, it judges and starts the alarm, and the alarm information is sent to the user, so that the user can obtain the alarm result and process it in time. The invention directly carries out real-time face recognition for the transmitted video, and does not need to send data to a third-party server for recognition, so it can achieve real-time monitoring alarm, evidence saving and the user can directly use the mobile app to play and display the real-time picture.
【技术实现步骤摘要】
一种基于嵌入式人工智能芯片的人脸识别安防报警方法
本专利技术属于智能识别
,尤其涉及一种基于嵌入式人工智能芯片的人脸识别安防报警方法。具体涉及一种基于嵌入式人工智能芯片的可进行视频获取、传输、保存;人脸定位、人脸识别以及报警信息、视频信息发送的人脸识别安防报警方法。
技术介绍
目前,最接近的现有技术:安防问题一直是一个生活中突出的问题,无论是门禁还是监控方式都存在着一些不能解决的问题,如:实时报警,证据视频保存,机器主动识别等。在当今这个大的环境下,无论是家庭安防、店铺安防,还是公司安防都存在着诸多的问题,虽然市面上可见的安防产品层出不穷,但是实时监控报警手段却不太理想,有的只能做监控,有的需要触碰红线,也有一部分是做门禁,但这些都不够灵活,在对付那些有经验的入侵者时很难做到安全防护。现有技术不能及时报警且不能将入侵证据长效保存,而且人脸识别流程不完善,几乎所有能人脸识别的产品都是发送数据给第三方服务器来识别,而不是产品本身识别,这样就产生了一些问题(如延时、安全、数据丢失等);而偏智能化的一些产品成本普遍较高。综上所述,现有技术存在的问题是:(1)现有技术不能将入侵证据长效保存。(2)现有技术人脸识别流程不完善,存在延时、安全、数据丢失等问题。(3)现有技术大多以依赖第三方服务器资源来做人脸识别,这导致识别过程需要经过网络通道,则必然存在延时长,数据丢失等问题,实时性能不好。(4)现有技术不能实现智能提取入侵证据并保存,只能保存所采集的监控视频, ...
【技术保护点】
1.一种基于嵌入式人工智能芯片的人脸识别安防报警的方法,其特征在于,所述基于嵌入式人工智能芯片的人脸识别安防报警的方法包括以下步骤:/n步骤一,调用opencv库获取摄像头视频内容,将视频信息保存,采用TCP/IP协议,与远端主机建立连接并将识别的视频信息发送;/n步骤二,采用深度学习方法,进行图像的矩阵卷积运算实现人脸定位,并以人脸识别模型进行人脸识别,将识别结果作报警结果来源;/n步骤三,APP进行警报等级判断,同时进行证据存储,并将报警信息上传;利用开源的MQTT协议,启动报警等级,向用户APP推送报警信息;/n步骤四,将视频数据传输到远端主机进行另存、视频上传外网服务器;/n步骤五,用户端手机APP采用拉取RTMP视频流的方式显示实时监控画面,同时将MQTT的消息及时获取,实时报警通知。/n
【技术特征摘要】
1.一种基于嵌入式人工智能芯片的人脸识别安防报警的方法,其特征在于,所述基于嵌入式人工智能芯片的人脸识别安防报警的方法包括以下步骤:
步骤一,调用opencv库获取摄像头视频内容,将视频信息保存,采用TCP/IP协议,与远端主机建立连接并将识别的视频信息发送;
步骤二,采用深度学习方法,进行图像的矩阵卷积运算实现人脸定位,并以人脸识别模型进行人脸识别,将识别结果作报警结果来源;
步骤三,APP进行警报等级判断,同时进行证据存储,并将报警信息上传;利用开源的MQTT协议,启动报警等级,向用户APP推送报警信息;
步骤四,将视频数据传输到远端主机进行另存、视频上传外网服务器;
步骤五,用户端手机APP采用拉取RTMP视频流的方式显示实时监控画面,同时将MQTT的消息及时获取,实时报警通知。
2.如权利要求1所述基于嵌入式人工智能芯片的人脸识别安防报警的方法,其特征在于,步骤一具体包括:
采用Python语言驱动OpenCV函数库调用USB摄像头,将摄像头采集到的图像数据自动转换成Python语言中的numpy数组,图像数组的大小固定为Length*Weight(640*480),然后将获得到的图像数组传递给实时检测模块,直接将视频信息读取到计算机内存中保存,等待识别和发送;
同时利用互联网,采用TCP/IP协议,与远端主机建立连接发送数据,将视频信息存储在局域网内的另一台电脑或者是局域网外的服务器的存储资源上,并进行人脸数据库初始化。
3.如权利要求2所述基于嵌入式人工智能芯片的人脸识别安防报警的方法,其特征在于,所述人脸数据库初始化,包括:
先将需要识别的人脸作为标准识别对象,将其这些标准识别对象的人脸图像经过深度学习模型的卷积特征向量提取,得到人脸特征值D1*D1*C,D1表示每次的输出特征向量的大小,C表示输出特征向量的维度;经过多次这种特征向量提取步骤获得总的特征向量:其中,Dk*Dk简化为Fk,C为通道数n;
将这个特征向量由卷积神经网络的全连接层转换为一维向量{(X0,Y0),(X1,Y1),(X2,Y2)…(Xn,Yn)};
再将所有特征向量保存到程序的存储单元,将这些人脸特征向量记作已知人脸。
4.如权利要求1所述基于嵌入式人工智能芯片的人脸识别安防报警的方法,其特征在于,步骤二具体包括:
检测单元将视频采集到的图像获取后,将640*480的数组经过深度学习模型(MTCNN)的卷积定位运算,获取到人脸的位置BoundingBox(_X0,_Y0)、Length、High,分别人脸框中心,人脸框的长度,人脸框的高度;
然后通过OpenCV库将人...
【专利技术属性】
技术研发人员:熊杰,马博,涂俊峰,刘华祠,刘建,杜峰,马兰芳,
申请(专利权)人:长江大学,
类型:发明
国别省市:湖北;42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。