[發明專利]一種視頻監控場景下的人工智能人臉異常檢測系統及方法

在審

• 申請號: 202010425077.9
• 申請日: 2020-05-19
• 公開（公告）號: CN111695432A
• 公開（公告）日: 2020-09-22
• 發明（設計）人: 彭瀅;吳杰
• 申請（專利權）人: 中國電子科技網絡信息安全有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/08
• 代理公司: 成都九鼎天元知識產權代理有限公司 51214
• 代理人: 管高峰

1.一種視頻監控場景下的人工智能人臉異常檢測系統，包括：預處理模塊、人臉異常識別模塊和預警模塊；

所述預處理模塊用于獲取監控視頻中的人臉信息；

所述人臉異常識別模塊用于判斷是否存在人臉遮擋現象并識別遮擋物；

所述預警模塊根據人臉異常識別模塊傳來的識別結果，進行異常人臉備檔和異常現象預警；

其特征在于，所述預處理模塊包括人臉檢測模型和人臉姿態估計模型；所述人臉檢測模型用于檢測視頻中人臉位置；所述人臉姿態估計模型用于計算人臉偏轉角度，篩選出人臉正面圖像；

所述人臉異常識別模塊包括人臉異常分類模型；所述人臉異常分類模型用于識別人臉異常遮擋物。

2.根據權利要求1所述的一種視頻監控場景下的人工智能人臉異常檢測系統，其特征在于，所述人臉異常分類模型可識別區分的類別包括：正面裸臉類、戴透明眼鏡人臉類、戴墨鏡人臉類、戴口罩人臉類、戴鴨舌帽人臉類、戴頭盔人臉類、戴綁匪頭套人臉類、側面人臉類和環境背景類。

3.根據權利要求1所述的一種視頻監控場景下的人工智能人臉異常檢測系統，其特征在于，所述人臉偏轉角度包括：仰俯角、旋轉角和偏航角。

4.根據權利要求1-3任一所述的一種視頻監控場景下的人工智能人臉異常檢測系統，其特征在于，所述人臉偏轉角度的閾值為45°。

5.根據權利要求1所述的一種視頻監控場景下的人工智能人臉異常檢測方法，其特征在于，包括：

步驟1：從監控視頻中讀入監控圖像，開始人臉異常檢測；

步驟2：通過人臉檢測模型檢測監控圖像中是否存在人臉，若否，返回步驟1，若是，則獲得監控圖像中人臉的坐標位置；

步驟3：根據監控圖像中人臉的坐標位置，提取監控圖像中的人臉圖片，并將提取的人臉圖片存入人臉圖片集合中；

步驟4：通過人臉姿態估計模型在人臉圖片集合中篩選出正面人臉圖片，并將正面人臉圖片存入人臉圖片集合，篩選完成后，若人臉圖片集合中不存在正面人臉圖片，則返回步驟1；

步驟5：通過人臉異常分類模型對人臉圖片集合中的正面人臉圖片進行人臉異常分類識別，得到正面人臉圖片的分類標簽；

步驟6：根據分類標簽，識別正面人臉圖片是否存在異常遮擋現象，若是，則發出警示并將圖片存檔；若不是，則返回步驟1。

6.根據權利要求5所述的一種視頻監控場景下的人工智能人臉異常檢測方法，其特征在于，所述步驟1之前還包括訓練創建人臉檢測模型、人臉姿態估計模型和人臉異常分類模型。

7.根據權利要求6所述的一種視頻監控場景下的人工智能人臉異常檢測方法，其特征在于，所述訓練創建人臉異常分類模型包括以下步驟：

A：根據實際需求，確定人臉異常分類模型需要識別哪些類型的異常遮擋物，并設計相應的異常遮擋物分類標簽；

B：從公開數據集中收集人臉圖片和環境背景類圖片，為每張圖片貼上分類標簽制作成樣本，對樣本進行等距抽樣，抽出來的樣本作為驗證集，其余剩下的樣本作為訓練集；

C：通過在ImageNet數據集上預訓練Resnet-50神經網絡模型精調得到人臉異常分類初始模型，使該初始模型配合訓練集進行訓練，訓練完成后，得到人臉異常分類模型；再配合驗證集測試分類正確率，若分類正確率合格，則判斷該人臉異常分類模型合格，若不合格，則重新進行訓練。

8.根據權利要求5所述的一種視頻監控場景下的人工智能人臉異常檢測方法，其特征在于，所述分類標簽包括：戴墨鏡人臉標簽、戴口罩人臉標簽、戴鴨舌帽人臉標簽、戴頭盔人臉標簽、戴綁匪頭套人臉標簽、戴透明眼鏡人臉標簽、正常裸臉標簽、環境背景標簽和側面人臉標簽。

9.根據權利要求8所述的一種視頻監控場景下的人工智能人臉異常檢測方法，其特征在于，所述步驟6中，識別正面人臉圖片存在異常遮擋現象的分類標簽包括：戴墨鏡人臉標簽、戴口罩人臉標簽、戴鴨舌帽人臉標簽、戴頭盔人臉標簽和戴綁匪頭套人臉標簽。