[發明專利]基于深度學習和人臉識別特征的校園人員安全管理系統

在審

• 申請號: 201911117504.0
• 申請日: 2019-11-15
• 公開（公告）號: CN110910549A
• 公開（公告）日: 2020-03-24
• 發明（設計）人: 張小飛;金良;鮑宇;葉潤東
• 申請（專利權）人: 江蘇高泰軟件技術有限公司;中國礦業大學
• 主分類號: G07C9/27
• 分類號: G07C9/27;G07C9/37;G07C9/38;G07C1/10;G06K9/00
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 黃雪蘭

1.一種基于深度學習和人臉識別特征的校園人員安全管理系統，其特征在于，包括后臺管理系統、多個門禁系統組成的通道組；所述的通道組根據不同人員通過方式分為障礙通道組與無障礙通道組，其中障礙通道組配設刷卡設備或視頻識別設備；當學生和教師刷校園卡通過障礙通道組時，由刷卡設備采集校園卡的信息，或由視頻識別設備采集通過人員的人臉圖像，經網絡傳輸至識別設備，由識別設備根據識別方法，對預先在后臺系統數據庫內設定的學生和教師的校園卡識別碼，或對已經存入數據庫的個人照片信息進行對比識別；系統在人員數據庫中查詢到該人員后，記入相應的進出時間記錄，辨別學生是否通過通道組進校、離校、出入宿舍，以及學生教師是否正常出勤；在數據庫中查詢不到該人員時，判斷為有可疑人員進入校園；當外來無卡人員通過無障礙通道組進入校園時，視頻識別設備會自動進行抓拍記錄，相關信息會被存入后臺數據庫，并通知相關人員；在通道組管理中，障礙通道組支持刷卡或者人臉識別方法通過，無障礙通道組用于無卡進入校園使用；障礙通道組內設有刷卡設備和視頻識別設備，無障礙通道組內設置視頻識別設備，視頻識別設備中包含高清攝像頭、紅外感應設備和前端嵌入式識別模塊；所述的視頻識別方法在視頻識別過程中包含人臉圖像獲取、人臉識別對比和人臉深度學習模型訓練；

所述的人臉圖像獲取是當有人進入到攝像頭的紅外感應范圍時，攝像設備開始攝錄，通過攝像設備的幀切割來獲取人物進出圖像；該過程首先是對視頻中不同的幀進行識別，對發現移動人物存在的幀進行圖像上傳，由前端嵌入式識別模塊進行圖像中的人臉識別；

所述的人臉識別的過程中包含人臉預處理、特征提取、特征對比和結果輸出；在上傳至前端嵌入式識別模塊的圖像中，前端嵌入式識別模塊會利用人臉定位算法進行圖像人臉定位，定位成功后進行特征值提取，與已存儲在存儲器中的特征模型參數進行對比，對比對成功的數據判定為合法人員，否則為可疑人員；

所述的模型訓練包含從人臉數據庫中通過經驗描述因子與CNN深度學習算法獲取的人臉特征模型參數。

2.根據權利要求1所述的一種基于深度學習和人臉識別特征的校園人員安全管理系統，其特點是：所述的人臉識別的技術，其特征在于，包括以下步驟：

步驟1)人臉跟蹤，獲取圖像差分值，判斷相鄰幀的人臉差異，如果差異超過閾值，閾值設定為0.025到0.08之間，則進入新的識別過程，否則丟棄該幀；

步驟2)判斷圖像質量，利用梯度算法計算圖像清晰度，利用灰度圖像均值方法測算亮度，利用RGB三通道或四通道均值法測算色溫；偏離超出設定的閾值；梯度閾值需要訓練，預設值為0.2-6，亮度值取灰度圖中位值*0.8為下限，亮度值取灰度圖中位值*1.2為上限，色溫取中位值*0.7為下限，色溫取中位值*1.25為上限；

步驟3)利用Tensorflow中64層以上的CNN算法，提取詳細的人臉特征數據，形成CNN算法中的權重輸出，作為數據庫特征數據；

步驟4)人臉比對，將該人臉特征數據與人臉數據庫中的每一個人臉的特征數據進行比對，獲得其相似性，具體方法為：

步驟4.1)選取數據庫中的一個人臉k的特征模板庫

步驟4.2)對特征模板計算輸入人臉的特征與之間的相似度S_kji；

步驟4.3)計算輸入人臉與特征模板的相似度；

步驟4.4)計算輸入人臉與人臉k的相似度為

步驟4.5)重復步驟4.1)-4.4)，獲得輸入人臉與數據庫中所有K個人臉的相似度，取其中最大者得到其對應的人臉k’；其中，M為人的特征模板個數，N為選取的人的人臉特征點個數，i為人臉特征；

步驟5)判斷是否已找到匹配的人臉；δ為相似度閾值，設定為0.75到0.9之間，若S_max＞δ，則判斷輸入人臉與數據庫中的人臉k’相匹配；

步驟6)判斷表情是否有顯著變化；根據連續多幀人臉特征點進行分析，包括但不限于：嘴巴的張開與閉合，眼睛的張開與閉合，判斷人臉的表情是否發生了顯著的變化；

步驟7)在人臉表情有顯著變化時，輸出比中的人臉。