[發明專利]面向基層治安、維穩及反恐的特異人臉搜索方法

有效

• 申請號: 201410137540.4
• 申請日: 2014-04-08
• 公開（公告）號: CN103886305B
• 公開（公告）日: 2017-01-25
• 發明（設計）人: 謝劍斌;李沛秦;閆瑋;劉通;崔一兵;李欣
• 申請（專利權）人: 中國人民解放軍國防科學技術大學;武漢海辰友邦科技發展有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 湖南省國防科技工業局專利中心43102
• 代理人: 馮青

1.面向基層治安、維穩及反恐的特異人臉搜索方法，針對卡口、大門、通道重要場所的實時監視視頻流或者視頻存儲文件進行處理，其特征在于，首先提取其中的運動幀；然后在運動幀中采用基于聚類分析的快速AAM方法檢測、定位可能存在的人臉圖像，并將人臉圖像分割為局部部件；接著針對各部件基于動態聯合深度神經網絡提取其特征；最后將該特異性特征與目標人臉庫進行比對，返回比對結果，實現搜索；具體步驟如下：

步驟一、針對運動幀的目標提取

對視頻流或者視頻文件進行運動分析，僅針對視頻流中的連續n幀關鍵幀中發生了運動的部分，進行后續人臉檢測和搜索處理，其中n取3～5；

步驟二、采用結合動態聚類分析和AAM方法實現人臉快速檢測和分割

根據人臉區域內灰度變化緩慢的特點，針對檢測到的運動區域，首先對圖像灰度進行動態聚類分析，提取出灰度相近的若干區域；然后僅針對此類區域采用AAM方法檢測和定位人臉，當檢測到人臉時，AAM可同時實現人臉各部件的分割；

步驟三、采用深度神經網絡權重動態計算方法進行人臉特征提取

將人臉分割為左眉、右眉、左眼、右眼、鼻子、嘴、胡須、面部疤痕或胎記8種部件，對每一部件構造對應的DNN進行特征提取，對各DNN輸出結果進行動態加權綜合，使人臉部件的特異性特征得到體現；

步驟四、基于深度神經網絡動態聯合進行人臉特異性比對

在已建立人臉部件對應的多個DNN基礎上，將目標人臉和模板人臉部件分別輸入DNN，輸出兩種人臉各局部部件分類的類型及權重，在此基礎上，綜合生成兩種人臉的整體相似矢量，從而計算其最終相似度，實現人臉搜索。

2.根據權利要求1所述的面向基層治安、維穩及反恐的特異人臉搜索方法，其特征在于，所述步驟一包括如下步驟：

Step1：針對視頻文件進行解碼，提取連續n幀關鍵幀；

Step2：針對連續n幀關鍵幀，進行運動檢測，提取運動部分；

Step3：針對提取到的運動部分進行后續檢測、識別處理。

3.根據權利要求1所述的面向基層治安、維穩及反恐的特異人臉搜索方法，其特征在于，所述步驟二包括如下步驟：

(1)?動態聚類分析

Step2.1：初始化聚類中心

其中，為第1類聚類中心，為第類聚類中心；為聚類類型數量，?分別為各自迭代次數，針對人臉檢測應用，=2，即是人臉或不是人臉兩類；

Step2.2：假設已進行r-1次迭代運算，針對第r次迭代，所有采樣按照最小距離原則分類為類：

式中為采樣數據，為以為中心的分類；為第i類聚類中心，為第j類聚類中心，i，j為聚類序號；?

Step2.3：計算新分類的中心：

式中為從屬于分類的樣本數量；

Step2.4：如果，聚類結束，否則跳轉到step2.2；

其中，為圖像中求兩點距離運算，為該幅圖像中任意兩點距離的最大值，為聚類相似度閾值，?

基于上述處理，將原一幀圖像數據范圍，縮小到k個聚類區域，有效減少后續處理的范圍；同時，通過人工設置取不同的值，可調節該處理的迭代復雜度，從而調節處理時間。

4.根據權利要求1所述的面向基層治安、維穩及反恐的特異人臉搜索方法，其特征在于，所述步驟三包括如下步驟：

Step3.1：針對每一種單獨DNN，輸入對應人臉部件圖像進行訓練，建立該DNN；

Step3.2：將待處理人臉的部件圖像輸入已建立的對應DNN，令輸出的識別結果為該部件類型的第類，該DNN輸出值的權重為，且基于該DNN，第類標準類型的最終映射矢量為，待識別部件的最終映射矢量為，計算該DNN其待識別部件與分類結果的距離為：

Step3.3：計算該待處理人臉的整體識別模糊差異為：

Step3.4：采用拉格朗日最速下降法，計算該對應該人臉，各DNN輸出結果的動態最佳權重為：

通過上述處理，實現對每個待處理人臉，動態地對其8個部件圖像的DNN輸出結果賦予權重。

5.根據權利要求1所述的面向基層治安、維穩及反恐的特異人臉搜索方法，其特征在于，所述步驟四包括如下步驟：

Step4.1：將待處理人臉部件圖像和模板人臉部件圖像分別輸入對應DNN，得到兩種圖像各部件的分類結果，及其各部件權值，并構造相似性矢量為：

其中，為前文所述人臉部件序號，分別為模板人臉某一部件經過DNN分類后的類別及其權值，分別為待處理人臉某一部件經過DNN分類后的類別及其權值；

Step4.2：計算未知人臉與模板的總相似度為：

其中為類別判斷函數，其表達式為

Step4.3：判斷總相似度的大小，如其大于某一預設閾值，則認為待處理人臉與該模板人臉相似，返回搜索匹配結果。