[發明專利]一種人臉識別大數據訓練新系統

在審

• 申請號: 202110910546.0
• 申請日: 2021-08-09
• 公開（公告）號: CN113627524A
• 公開（公告）日: 2021-11-09
• 發明（設計）人: 吳澤徐;許曉東;程超超
• 申請（專利權）人: 福建平潭瑞謙智能科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00;G06N3/08
• 代理公司: 廈門原創專利事務所(普通合伙) 35101
• 代理人: 黃燦林

本發明公開了一種人臉識別大數據訓練新系統，屬于大數據技術領域，包括：門禁單元、圖像獲取單元、圖像拆分單元、大數據處理單元、深度學習單元，監控單元；所述門禁單元用于識別人的基本信息；所述圖像獲取單元用于獲取人物動態影像；所述圖像拆分單元用于將人物動態影像進行分幀、篩除、抽幀；所述大數據處理單元用于圖像拆分單元抽幀圖像的處理；所述深度學習單元用于利用大數據處理單元構建深度學習模型；所述監控單元用于一定空間范圍內基于構建的大數據深度學習模型識別人物；本發明的優點在于利用每日打卡的時間提取人物視頻流，通過視頻流構建大數據，利用大數據訓練深度學習模型，進一步提高人員定位精度和速度。

技術領域

本發明屬于大數據技術領域，特別涉及一種人臉識別大數據訓練新系統。

背景技術

人臉識別，是基于人的臉部特征信息進行身份識別的一種生物識別技術。用攝像機或攝像頭采集含有人臉的圖像或視頻流，并自動在圖像中檢測和跟蹤人臉，進而對檢測到的人臉進行臉部識別的一系列相關技術，通常也叫做人像識別、面部識別。人臉識別技術在安全系統、商業領域和日常生活中已經有了都有成熟的應用，人臉識別通過視頻采集設備獲取用戶的面部圖像，再利用核心的算法對其臉部的五官位置、臉型和角度進行計算分析，進而和自身數據庫里已有的范本進行比對，從而判斷出用戶的真實身份。

傳統的人臉識別算法步驟是：根據人臉檢測的框位置，先初始化初始臉部輪廓位置；進行上一步位置和圖形特征檢測下一步位置；進行迭代，最終得到相對準確的輪廓位置。但傳統的算法識別精度較差，因此隨著科技的發展，研究人員提出了深度學習與人臉識別的結合，深度學習算法步驟：對圖像進行輪廓定位態校正；全局粗定位；局部精細定位。但深度學習的缺點在于只能提供有限數據量的應用場景下，深度學習算法不能夠對數據的規律進行無偏差的估計。因此為了達到很好的人臉識別精度，需要大數據支撐。深度學習和大數據系統融合，是將深度學習和大數據系統打通，具體來說，就是深度學習模型在大數據系統集群上進行訓練和預測。但是目前商用人臉識別場景下要構建大數據數據庫并不簡單，如何能夠實時更新系統，提高識別精度和速度是目前需要關注的問題。

發明內容

(一)要解決的技術問題

基于上述的背景技術和不足，申請人意在利用每日打卡的時間提取人物視頻流，通過視頻流構建大數據，利用大數據訓練深度學習模型，利用高精度的深度學習模型進一步提高監控模塊定位人員的精度和速度。

(二)技術方案

本發明通過如下技術方案實現：一種人臉識別大數據訓練新系統，所述系統包括：門禁單元、圖像獲取單元、圖像拆分單元、大數據處理單元、深度學習單元，監控單元；

所述門禁單元用于識別人的基本信息；

所述圖像獲取單元用于獲取人物動態影像；

所述圖像拆分單元用于將人物動態影像進行分幀、篩除、抽幀；

所述大數據處理單元用于圖像拆分單元抽幀圖像的處理；

所述深度學習單元用于利用大數據處理單元構建深度學習模型；

所述監控單元用于一定空間范圍內基于構建的大數據深度學習模型識別人物。

作為上述方案的進一步說明，所述門禁單元具體的利用門禁卡身份識別信息進行定標確定人物信息，利用確定的人物信息輔助后續的深度學習模型的構建。

作為上述方案的進一步說明，所述圖像獲取單元具體的利用人臉識別裝置的攝像單元獲取人物在通過某一特定空間時一段時間內的動態影像；基于獲取的動態影像利用圖像拆分單元對動態影像進行拆分，并篩選其中可以識別特征元素的關鍵幀，并將關鍵幀圖像抽出。