[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

本公開涉及一種基于深度學習和大規模集群的智能人臉追逃系統及方法。該系統包括視頻輸入單元，分發服務器，人臉識別服務器集群，流媒體服務器，分布式文件服務器，消息中心服務器，web前端服務器，及常見操作系統的客戶端。該系統利用通過大規模集群服務器和基于深度學習的人臉識別技術，能夠在圖像質量下降的情況下依然保持較高的識別率，更重要的是在大規模數據庫中保持較低的誤報率與漏檢率，從而保證智能追逃系統的可靠性與魯棒性，使基于人臉識別的智能追逃系統在安防領域達到真實可用。

技術領域

本發明屬于安防監控領域，具體來說涉及一種基于深度學習和大規模集群的人臉追逃系統及方法。

背景技術

隨著經濟的高速發展以及城鎮建設速度的加快，導致城市中人口密集，流動人口增加，社會犯罪率呈逐年上升的趨勢，引發了城市建設中的交通、社會治安、重點區域防范等城市管理問題。因此，近年來，針對犯罪分子流動性較強，情況比較復雜，重點人員布控困難等情況，人臉智能布控和追逃系統應運而生。此類系統可應用于傳統視頻布控網絡，并且無需使用者配合，因而操作隱蔽性強，特別適合于公安部門的安全防范、罪犯監控、罪犯抓捕等。為公安防范體系提供簡單且高效的技術手段。此外，隨著大眾的安全意識的增強，以及對個人生命財產的自我保護，現在商業中民用的安全保護體系也快速發展，基于人臉識別的智能安全系統也得到越來越廣泛的應用。

現有的人臉識別技術，對于限定在一定條件下的人臉圖像，例如，正面人臉、光照條件良好、無遮擋物體、無眼鏡反光情況下獲取的人臉圖像，其識別率可以滿足一些民用領域的低端應用(如門禁、考勤等)的要求。然而，現有的人臉視頻布控主要利用城市中已有的監控攝像機采集人臉圖像，因此很容易受到光照、姿態、遮擋、外表附屬物以及圖像采集設備的影響。當上述一個或多個條件發生變化時，識別效果會大大降低。再者，當數據庫規模達到一定數量級后(如百萬級)，目前人臉識別系統的誤報警率與漏檢率會大幅升高，造成不法份子躲過檢查的幾率大大提高。因此，很大程度上限制了基于人臉識別的智能監控系統在公共安全防范領域的大規模應用。此外，隨著視頻監控的廣泛普及，大規模視頻監控網絡已在全國各地建成。這給人臉追逃系統布控的實時性，準確性，可擴展性等提出了非常高的要求。

發明內容

本發明為了有效地解決上述問題，提出了一種基于深度學習的智能人臉追逃系統。

本發明設計的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，

所述視頻輸入單元，主要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，

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入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。

本發明還涉及一種基于深度學習和大規模集群的智能人臉追逃方法，該方法的步驟包括：

步驟S1，視頻輸入單元從多路網絡攝像頭采集視頻流，并對所述視頻流進行解碼，分析處理，并將處理后的視頻幀傳送給分發服務器；

步驟S2，所述分發服務器將從視頻輸入單元獲取的視頻幀分發給特定的人臉識別服務器進行分析；

步驟S3，人臉識別服務器對接入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；

步驟S4，人臉識別服務器將處理的結果發送到相關的輸出服務器上。

本發明通過深度學習(deep learning)，能夠在圖像質量下降的情況下依然保持較高的識別率，更重要的是在大規模數據庫中保持較低的誤報率與漏檢率，從而保證智能追逃系統的可靠性與魯棒性，使基于人臉識別的智能追逃系統在安防領域達到真實可用。