[發(fā)明專(zhuān)利]基于神經(jīng)網(wǎng)絡(luò)的低網(wǎng)絡(luò)帶寬需求的監(jiān)控方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201910664304.0
• 申請(qǐng)日: 2019-07-23
• 公開(kāi)（公告）號(hào): CN110378296A
• 公開(kāi)（公告）日: 2019-10-25
• 發(fā)明（設(shè)計(jì)）人: 惠蘭清;鄧巍;曹姍;徐樹(shù)公;張舜卿
• 申請(qǐng)（專(zhuān)利權(quán)）人: 上海大學(xué)
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)號(hào): G06K9/00;G06K9/62;G06N3/08
• 代理公司: 上海交達(dá)專(zhuān)利事務(wù)所 31201
• 代理人: 王毓理;王錫麟

1.一種基于神經(jīng)網(wǎng)絡(luò)的低網(wǎng)絡(luò)帶寬需求的監(jiān)控方法，其特征在于，通過(guò)在檢測(cè)端部署用于人臉檢測(cè)的神經(jīng)網(wǎng)絡(luò)、在服務(wù)器端部署用于人臉識(shí)別的神經(jīng)網(wǎng)絡(luò)，通過(guò)對(duì)原始圖像進(jìn)行人臉檢測(cè)得到包含人臉信息的關(guān)鍵幀，在服務(wù)器端對(duì)關(guān)鍵幀進(jìn)行人臉識(shí)別實(shí)現(xiàn)監(jiān)控；

所述的用于人臉檢測(cè)的神經(jīng)網(wǎng)絡(luò)采用多任務(wù)級(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò)；

所述的用于人臉識(shí)別的神經(jīng)網(wǎng)絡(luò)采用FaceNet深度學(xué)習(xí)模型實(shí)現(xiàn)。

2.根據(jù)權(quán)利要求1所述的方法，其特征是，所述的FaceNet深度學(xué)習(xí)模型采用基于三聯(lián)子的最大邊界近鄰分類(lèi)的損失函數(shù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)直接輸出為128維度的向量空間；該triplets包括兩個(gè)匹配臉部縮略圖和一個(gè)非匹配的臉部縮略圖，損失函數(shù)目標(biāo)是通過(guò)距離邊界區(qū)分正負(fù)類(lèi)。

3.一種實(shí)現(xiàn)上述任一權(quán)利要求所述方法的神經(jīng)網(wǎng)絡(luò)的低網(wǎng)絡(luò)帶寬需求的監(jiān)控系統(tǒng)，其特征在于，包括：檢測(cè)端和與之相連的服務(wù)器端，其中：檢測(cè)端包括主控芯片、攝像頭和外接神經(jīng)網(wǎng)絡(luò)模塊；服務(wù)器端包括用于提供網(wǎng)絡(luò)服務(wù)的服務(wù)器框架和人臉識(shí)別模塊，外接神經(jīng)網(wǎng)絡(luò)模塊內(nèi)置MTCNN網(wǎng)絡(luò)以采集原始視頻中的人臉圖片，人臉識(shí)別模塊內(nèi)置人臉識(shí)別神經(jīng)網(wǎng)絡(luò)對(duì)人臉圖片與預(yù)設(shè)對(duì)象進(jìn)行識(shí)別。

4.根據(jù)權(quán)利要求1所述的系統(tǒng)，其特征是，所述的服務(wù)器框架采用workerman開(kāi)源服務(wù)器框架。