一种人脸识别安防系统及可疑人员检测与预警方法技术方案

本发明专利技术属于人脸识别技术领域，公开了一种人脸识别安防系统及可疑人员检测与预警方法，对监控图像内的人脸进行精确定位，快速准确的抓取监控图像内的人脸信息，通过图像预处理减少由于人为姿势或外界环境造成的负面影响；通过获取进入监控区域的每个人员的活动轨迹行为数据，判断活动轨迹行为数据是否包括异常行为数据，确定该活动轨迹行为数据的所属人员为可疑人员。本发明专利技术根据活动轨迹行为数据对该人员是否为可疑人员进行判断，不再只是依赖于危险人员人脸数据库，能够根据行为特征有效识别出可疑人员，提高了识别的准确度，并且能够在发生违法犯罪行为前进行识别，能够进行违法犯罪前的事前预防。

【技术实现步骤摘要】
一种人脸识别安防系统及可疑人员检测与预警方法
本专利技术属于人脸识别
，尤其涉及一种人脸识别安防系统及可疑人员检测与预警方法。
技术介绍
目前：随着监控技术的提高，监控视频愈加清晰，为通过视频监控在短时间内准确的识别出具有犯罪动机的可疑人员提供了良好的硬件基础。与此同时，也使得可疑身份识别从受控环境向非受控环境转变，识别效果也是不可控的。身份识别所使用的环境不再是受控的，在采集被测者信息时存在遮挡和姿态等动态变换问题，会影响对监控区域内的人脸进行定位和图像采集。而且身份数据库中并不一定存在被测者的身份信息，过于依赖于可疑人员人脸数据库，对于不在危险人员数据库名单上的人，无法提供有效的方法，识别的准确度无法保障。通过上述分析，现有技术存在的问题及缺陷为：(1)当监控区域内的人员存在遮挡和姿态等动态变换问题时，不易进行人脸定位和图像采集。(2)过于依赖于可疑人员人脸数据库，对于不在危险人员数据库名单上的人，无法提供有效的方法，识别的准确度无法保障。
技术实现思路
针对现有技术存在的问题，本专利技术提供了一种人脸识别安防系统及可疑人员检测与预警方法。本专利技术是这样实现的，一种可疑人员检测与预警方法，所述可疑人员检测与预警方法具体包括：步骤一，通过多个不同位置的摄像头对不同的监控区域进行实时监控，获取摄像头采集的监控区域内人员的人脸图像；所述对不同的监控区域进行实时监控时，首先对监控图像内的人脸进行精确定位，获取摄像头采集的监控区域内人员的人脸图像；具体包括以下步骤：对人脸上的多个关键点如眼角点、嘴角点的随机森林分类器分别训练，再综合嘴角和眼角点的位置关系，定位人脸关键点；将以眼角和嘴角6个点S＝(x1，y1，…，x6，y6)的6个图像块送入其本身的随机森林分类器后得到的概率之和是最大的图像块；预先对训练集中人工标定的6个关键点的位置进行主分量分析(PCA)，得到前m个PCA参数；将PCA参数加入惩罚项最后通过联合优化得到其关键点的定位结果；所述联合优化采用的具体方法为：将初始的6个点的位置设置为当δ＞0.5时，则执行：1)划定初始6个点S周围5×5块内，将随机森林分类器输出的概率最大的6个点位置检测并选择，然后代替即为2)优化最优的m个PCA参数αi(i＝1，…，m)，使得：3)计算δ＝||αnew-α||，令α＝αnew；输出最优的参数α，通过α得到最优的6个点位置S(α)；步骤二，对人脸图像进行预处理，消除人脸图像采集过程中不同的光照强度、人脸姿态与摄像机焦距远近带来的影响；步骤三，提取人脸图像中的人脸特征，并对具有相同人脸特征的人脸图像在监控区域内出现的次数和活动轨迹行为数据进行记录；步骤四，将所述活动轨迹行为数据与异常行为特征库中的特征数据进行对比，以判断所述活动轨迹行为数据是否包括异常行为数据；步骤五，若所述活动轨迹行为数据包括异常行为数据，则确定该活动轨迹行为数据的所属人员为可疑人员，进入步骤七，否则无操作；步骤六，计算步骤二中提取的人脸特征与可疑人员数据库中的可疑人员的人脸特征的相似度；步骤七，当人脸特征的相似度达到设定阈值时，判断与所述人脸特征对应的人员为可疑人员；步骤八，若为可疑人员，将可疑人员的行为数据或可疑人员数据库中相匹配的人员信息，以及采集到可疑人员摄像头所处的位置信息发送到监控中心。进一步，步骤二中，所述对人脸图像进行预处理包括以下步骤：(1)对由于不同的成像距离及人脸姿势造成的人脸角度倾斜和尺寸上的差异进行矫正；(2)对不同的光照强度、光源方向环境下取得的人脸图像进行补偿，实现对单纯由光照变化造成图像信号变化的减弱；(3)通过对原始图像的灰度非线性变换，使其直方图达到基本均匀分布，对图像灰度值的动态范围进行扩充，使图像整体对比度和清晰度得到增强。进一步，步骤三中，所述人脸图像中的人脸特征包括形状特征和纹理特征；所述形状特征的提取方式为：从人脸图像中提取关键的特征点，这些特征点包括人脸轮廓、眼睛、眉毛、鼻尖及嘴巴等多个位置，在得到这些特征点位置后，利用特征点间的几何位置关系计算人脸形状特征；所述纹理特征的提取方式为：首先分块处理人脸图像，然后采用LBP算子提取纹理特征，再拼接所有提取到的纹理特征形成新的纹理持征，最后通过LDA变换降维后得到最终的纹理特征。进一步，所述从人脸图像中提取关键的特征点包括以下步骤：1)通过多张人脸图像生成三维人脸模型；2)对三维人脸模型进行预切割；3)提取三维人脸的纵向轮廓线和横向轮廓线，利用轮廓线提取人脸五官特征点；4)利用轮廓线和特征点计算人脸偏移量和旋转量，并矫正人脸；5)重复步骤3)-4)逐次改善效果，直到误差小于给定阈值或达到迭代次数的上限；6)对人脸进行再切割和移动。进一步，所述通过多张人脸图像生成三维人脸模型，具体为：步骤A，获取采集的人脸图像；步骤B：进行人脸图像中相关特征点的预定义；步骤C：进行三维人脸模型的脸部结构重构；步骤D：进行标准三维人体模型的构建，并输出人体三维模型。进一步，所述对人脸进行再切割和移动具体为：根据得到的矫正的人脸和特征点，以鼻尖为中心，R为半径，将与鼻尖点距离超过R的部分删除，再将人脸平移，使鼻尖和坐标原点重合。本专利技术的另一目的在于提供一种人脸识别安防系统，所述人脸识别安防系统包括：图像采集模块，与中央处理和控制模块连接，用于通过多个不同位置的摄像头对不同区域内的人脸图像进行实时采集；图像预处理模块，与中央处理和控制模块连接，用于对采集的图像进行预处理，消除采集过程中存在的负面影响；所述图像预处理模块包括：几何归一化单元，用于对由于不同的成像距离及人脸姿势造成的人脸角度倾斜和尺寸上的差异进行矫正；灰度归一化单元，用于对不同的光照强度、光源方向环境下取得的人脸图像进行补偿，实现对单纯由光照变化造成图像信号变化的减弱；直方图均衡单元，用于将所有的灰度值平均分布到各个区域，削减占有比例很高的灰度值，填补占有比例很低甚至没有的灰度值，对图像灰度值的动态范围进行扩充；人脸特征提取模块，与中央处理和控制模块连接，用于对预处理后的人脸图像进行人脸特征提取；活动轨迹记录模块，与中央处理和控制模块连接，用于对具有相同人脸特征的人员在同一监控区域内出现的次数和活动轨迹行为数据进行记录；中央处理和控制模块，与图像采集模块、图像预处理模块、人脸特征提取模块、活动轨迹记录模块、云存储模块、定位模块、可疑人员检测模块和预警模块连接，用于对采集信息进行处理，并根据处理结果和预设信息对各个模块进行协调控制；云存储模块，与中央处理和控制模块连接，用于通过构建可疑人员数据库对可疑人员的人脸特征进行存储；定位模块，与中央处理和控制模块连接本文档来自技高网...

【技术保护点】
1.一种可疑人员检测与预警方法，其特征在于，所述可疑人员检测与预警方法具体包括：/n步骤一，通过多个不同位置的摄像头对不同的监控区域进行实时监控，获取摄像头采集的监控区域内人员的人脸图像；/n所述对不同的监控区域进行实时监控时，首先对监控图像内的人脸进行精确定位，获取摄像头采集的监控区域内人员的人脸图像；具体包括以下步骤：/n对人脸上的多个关键点如眼角点、嘴角点的随机森林分类器分别训练，再综合嘴角和眼角点的位置关系，定位人脸关键点；/n将以眼角和嘴角6个点S＝(x

【技术特征摘要】
1.一种可疑人员检测与预警方法，其特征在于，所述可疑人员检测与预警方法具体包括：
步骤一，通过多个不同位置的摄像头对不同的监控区域进行实时监控，获取摄像头采集的监控区域内人员的人脸图像；
所述对不同的监控区域进行实时监控时，首先对监控图像内的人脸进行精确定位，获取摄像头采集的监控区域内人员的人脸图像；具体包括以下步骤：
对人脸上的多个关键点如眼角点、嘴角点的随机森林分类器分别训练，再综合嘴角和眼角点的位置关系，定位人脸关键点；
将以眼角和嘴角6个点S＝(x1，y1，…，x6，y6)的6个图像块送入其本身的随机森林分类器后得到的概率之和是最大的图像块；
预先对训练集中人工标定的6个关键点的位置进行主分量分析(PCA)，得到前m个PCA参数；
将PCA参数加入惩罚项最后通过联合优化得到其关键点的定位结果；
所述联合优化采用的具体方法为：
将初始的6个点的位置设置为当δ＞0.5时，则执行：
1)划定初始6个点S周围5×5块内，将随机森林分类器输出的概率最大的6个点位置检测并选择，然后代替即为
2)优化最优的m个PCA参数αi(i＝1，…，m)，使得：



3)计算δ＝||αnew-α||，令α＝αnew；
输出最优的参数α，通过α得到最优的6个点位置S(α)；
步骤二，对人脸图像进行预处理，消除人脸图像采集过程中不同的光照强度、人脸姿态与摄像机焦距远近带来的影响；
步骤三，提取人脸图像中的人脸特征，并对具有相同人脸特征的人脸图像在监控区域内出现的次数和活动轨迹行为数据进行记录；
步骤四，将所述活动轨迹行为数据与异常行为特征库中的特征数据进行对比，以判断所述活动轨迹行为数据是否包括异常行为数据；
步骤五，若所述活动轨迹行为数据包括异常行为数据，则确定该活动轨迹行为数据的所属人员为可疑人员，进入步骤七，否则无操作；
步骤六，计算步骤二中提取的人脸特征与可疑人员数据库中的可疑人员的人脸特征的相似度；
步骤七，当人脸特征的相似度达到设定阈值时，判断与所述人脸特征对应的人员为可疑人员；
步骤八，若为可疑人员，将可疑人员的行为数据或可疑人员数据库中相匹配的人员信息，以及采集到可疑人员摄像头所处的位置信息发送到监控中心。


2.如权利要求1所述的可疑人员检测与预警方法，其特征在于，步骤二中，所述对人脸图像进行预处理包括以下步骤：
(1)对由于不同的成像距离及人脸姿势造成的人脸角度倾斜和尺寸上的差异进行矫正；
(2)对不同的光照强度、光源方向环境下取得的人脸图像进行补偿，实现对单纯由光照变化造成图像信号变化的减弱；
(3)通过对原始图像的灰度非线性变换，使其直方图达到基本均匀分布，对图像灰度值的动态范围进行扩充，使图像整体对比度和清晰度得到增强。


3.如权利要求1所述的可疑人员检测与预警方法，其特征在于，步骤三中，所述人脸图像中的人脸特征包括形状特征和纹理特征；
所述形状特征的提取方式为：从人脸图像中提取关键的特征点，这些特征点包括人脸轮廓、眼睛、眉毛、鼻尖及嘴巴等多个位置，在得到这些特征点位置后，利用特征点间的几何位置关系计算人脸形状特征；
所述纹理特征的提取方式为：首先分块处理人脸图像，然后采用LBP算子提取纹理特征，再拼接所有提取到的纹理特征形成新的纹理持征，最后通过LDA变换降维后得到最终的纹理特征。


4.如权利要求3所述的可疑人员检测与预警方法，其特征在于，所述从人脸图像中提取关键的特征点包括以下步骤：
1)通过多张人脸图像生成三维人脸模...

【专利技术属性】
技术研发人员：杨晓峰，张颖，
申请(专利权)人：广州市标准化研究院，
类型：发明
国别省市：广东;44