[發明專利]基于深度學習和大規模集群的智能人臉追逃系統及方法

有效

• 申請號: 201510946890.X
• 申請日: 2015-12-16
• 公開（公告）號: CN105574506B
• 公開（公告）日: 2020-03-17
• 發明（設計）人: 張偉;陳朝軍;李慶林;梁伯均;蘇哲昆;張帥;王晶;黃展鵬;劉祖希;魯洋;呂亦琛;張廣程
• 申請（專利權）人: 深圳市商湯科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京中濟緯天專利代理有限公司 11429
• 代理人: 張曉霞

1.一種基于深度學習和大規模集群的智能人臉追逃系統，包括：視頻輸入單元，分發服務器，人臉識別服務器集群，輸出服務器，

所述視頻輸入單元，對多路網絡攝像頭采集的視頻流進行解碼，分析處理，并將處理后的視頻幀傳送給分發服務器，

所述分發服務器，將從所述視頻輸入單元獲取的視頻幀分發給所述人臉識別服務器集群中的人臉識別服務器進行分析，

所述人臉識別服務器集群，包含多個人臉識別服務器，每個人臉識別服務器對接收的視頻幀調用基于深度學習的人臉識別算法進行分析處理，并將處理的結果發送到輸出服務器上，人臉識別服務器進一步包括人臉檢測服務器，人臉分發服務器和人臉匹配服務器，

所述人臉檢測服務器基于深度學習的人臉識別算法檢測人臉，并獲得人臉特征數據，發送給人臉分發服務器；

所述人臉分發服務器從人臉檢測服務器中獲取識別出的人臉特征數據，并將接收到的人臉特征數據分發至人臉匹配服務器進行人臉匹配，最后對多個人臉匹配服務器返回的結果進行合并；

所述人臉匹配服務器，從人臉分發服務器接收人臉特征數據，使用深度學習方法與入庫人臉進行比對，計算相似度，輸出最相似前N個人臉至人臉分發服務器。

2.根據權利要求1所述的系統，所述視頻輸入單元進一步包括：圖像采集單元，視頻解碼單元和圖像預處理單元，

其中，所述圖像采集單元，從多路網絡攝像頭采集已編碼視頻流信號，并將該信號輸入至所述視頻解碼單元，

所述視頻解碼單元，對接收到的視頻流信號進行解碼，并將解碼后的視頻幀信息輸入至所述圖像預處理單元，

所述圖像預處理單元，對解碼后的視頻幀進行預處理，最后將預處理后的視頻幀作為結果傳送至所述分發服務器。

3.根據權利要求1所述的系統，所述人臉識別服務器對分發服務器輸入的視頻幀，檢測人臉，并進行質量判斷，挑選滿足要求的若干幀作為關鍵幀，并提取每一幀的人臉特征。

4.根據權利要求3所述的系統，所述人臉識別服務器進行質量判斷，對每個檢測到的人臉圖像，首先判斷兩眼間距是否滿足設定要求，若滿足要求則計算檢測到的人臉圖像的人臉置信度得分是否滿足設定要求，如繼續滿足，則計算正臉得分是否滿足設定要求，如滿足則判斷該幀能夠用于識別人臉；否則，任何一個不滿足，舍棄該檢測到的人臉圖像。

5.根據權利要求3所述的系統，所述人臉識別服務器對已檢測到人臉在后續幀中進行跟蹤，所述人臉識別服務器每隔若干幀進行一次人臉檢測，當檢測到人臉時，對滿足質量要求的人臉使用標記框對包括人臉的部分進行標記；判斷標記的人臉面積與已檢測到的人臉面積是否有重合，當重合度滿足預設閾值時，則認為與已檢測到的人臉為同一人臉，則對標記的人臉在標記框內進行人臉對齊，檢測人臉關鍵點位置，計算人臉關鍵點外包圍矩形，替換之前檢測到的認為為同一人臉的標記框內的圖像，否則認為當前標記的人臉為新的人臉，跟蹤結束。

6.根據權利要求5所述的系統，人臉識別服務器，當判斷新標記的人臉與已檢測到的人臉為同一人臉時，將該新標記的人臉圖像和已檢測到的人臉使用相同的第二標識符標識。

7.根據權利要求1所述的系統，所述人臉識別服務器采用的基于深度學習的人臉識別算法為DeepId深度學習算法，先建立KD樹，在查找時，建立KD樹搜索K個近鄰；遍歷KD樹，在遍歷KD樹時，每層選取人臉特征中的一維進行比較，以確定下一層檢索的分支，最后確定與關鍵幀相似的多個人臉特征。

8.根據權利要求1所述的系統，人臉匹配服務器使用的人臉匹配，對具有相同標識符標識的M幀圖像，根據是否正臉、清晰度計算一個質量分值q_i，i∈[1，M]；對M幀圖像中的每幀圖像，分別從人臉庫中檢索比對找出最相似的N個用戶，對應相似度為S_i，userj，i∈[1，M]，j∈[1，N]；對M幀圖像檢索比對共得到K個用戶，計算此K個用戶中每個用戶的相似度的得分，k∈[1，K]，K＝M×N；

根據對K個用戶按降序排列，選取最相似的若干個用戶。