一种走失人员识别的方法、系统、装置及存储介质制造方法及图纸

本发明专利技术涉及人员识别领域，具体公开了一种走失人员识别的方法、系统、装置及存储介质，通过走失人员识别方法，利用智能摄像头在多种易发生人员走失的公众场合进行布控，使用了人脸识别算法、精神异常人员识别算法、老人/小孩识别算法和基于社交距离检测的走失判别算法四种技术结合，自动识别走失人员、可疑人员，并自动发出告警。本发明专利技术弥补现有走失人员查阅视频在复杂场景下人工成本高，实时性差，容易误判和漏判和无法针对人员在场所内走失的情况进行预警的缺陷；使视频监控不再受限于人力物力，有助于提升查全率。

【技术实现步骤摘要】
一种走失人员识别的方法、系统、装置及存储介质
本专利技术涉及人员识别领域，尤其涉及一种走失人员识别的方法、系统、装置及存储介质。
技术介绍
现有的走失人员搜寻方案大多以视频监控技术为基础。视频监控技术具有悠久的历史，是协助公安部门搜索走失儿童、老人的重要技术手段。其中传统的视频监控系统通过摄像机对监控区域的视频图像进行采集，主要起到记录的作用，如果没有人力干预，则不能实时发现目标人物、预报紧急情况，无法起到预警的作用；这就使得传统的视频监控系统使用起来需要耗费较多的人力物力以及时间。还有其他相关技术就是在被监护人身上安置具有可识别信息的识别标签；监护人的移动设备端与识别标签关联；在监测地点的出入口以及关键位置放置识别标签检测终端；标签检测终端以固定间隔时长检测一定距离范围内识别标签的出现情况，可监控被监护人在一个固定场所出入口的活动情况，当被监护人可能出门时监护人可收到预警报警，从而防止儿童和老人从固定场所走失。但是采用上述方法，仅能预警被监护人走出出入口的情况，无法针对人员在场所内走失的情况进行预警，且在开放式的场景难以运用，如没有围墙的村镇、林区等。
技术实现思路
为了克服人工监测的方法人工成本高且效率较低，人工判断需要长时间观察，因此容易导致设防区监控的人工成本较高，且人工容易出现视觉疲劳从而产生误判和漏判的问题；以及现有的人员监控系统仅能预警走失人员走出出口的情况，无法针对人员在场所内走失的情况进行预警的问题。本专利技术提供一种走失人员识别的方法、系统、装置及存储介质，通过走失人员识别方法，利用智能摄像头在多种易发生人员走失的公众场合进行布控，使用了人脸识别算法，精神异常人员识别算法，老人/小孩识别算法和基于社交距离检测的走失判别算法四种技术结合起来，弥补现有方案在复杂场景下人工成本高，实时性差，容易误判和漏判和无法针对人员在场所内走失的情况进行预警的缺陷。本专利技术采用的技术方案是：一种走失人员识别的方法，实现步骤如下：S1、获得摄像头拍摄的视频流数据；S2、通过人脸识别算法对每个视频流数据进行人脸识别，识别出视频流数据中的现场人员；S3、通过特征比对算法将现场人员的人脸特征信息与走失人员人脸特征信息库中的人脸特征信息进行相似度计算；S3.1、如果现场人员的人脸特征信息与走失人员人脸特征信息库中的人脸特征信息的相似度>第一阈值，触发自动告警；S4、通过特征比对算法将现场人员的人脸特征信息与严重精神疾病管控人员库中的人脸特征信息进行相似度计算；S4.1、如果现场人员的人脸特征信息与严重精神疾病管控人员库的人脸特征信息的相似度>第一阈值，触发自动告警；S5、采用精神异常人员识别算法对现场人员进行识别，判断是否存在精神异常人员；S5.1、如果识别到精神异常人员，则对视频中的图像进行校准，然后对图像中的精神异常人员做社交距离检测，计算精神异常人员与正常人的距离；S5.2、如果精神异常人员与正常人的像素距离的最小值大于告警阈值，触发自动告警；S6、使用老人/小孩识别算法判断现场人员是否为老人或小孩；S6.1、如果识别到现场人员是老人或小孩，则对视频中的图像进行校准，然后对图像中的老人或小孩做社交距离检测，计算视频中出现的老人或小孩与非老幼人员的像素距离；S6.2、如果老人或小孩与非老幼人员的像素距离的最小值大于告警阈值，触发自动告警。优选的，所述人脸识别算法是通过如下步骤实现：A1、建立人脸识别深度学习模型；A2、输入大量的人脸特征信息，人工标注人脸特征信息，划分成训练集、验证集、测试集；A3、使用训练集来训练人脸识别深度学习模型，训练自动定位人脸，截取人脸检测框中的人脸并提取特征；A4、使用验证集验证人脸识别深度学习模型的收敛情况A5、使用测试集测试人脸识别深度学习模型，测试通过则输出人脸识别深度学习模型为人脸识别算法。优选的，所述精神异常人员识别算法是通过如下步骤实现：B1、建立精神异常人员识别深度学习模型；B2、采集大量精神异常人员的图片并打上“精神异常人员”的标签，采集大量正常人的图片并打上“正常人”的标签，并划分训练集、验证集、测试集；B3、使用训练集来训练精神异常人员识别深度学习模型进行特征提取和分类，设置置信度为第二阈值,当识别到的人员属于精神异常人员一类的概率大于第二阈值时，输出其为精神异常人员，当识别到的人员属于正常人一类的概率大于第二阈值时，输出其为正常人；B4、使用验证集验证精神异常人员识别深度学习模型的收敛情况；B5、使用测试集测试精神异常人员识别深度学习模型，测试通过则输出精神异常人员识别深度学习模型为精神异常人员识别算法。优选的，所述的老人/小孩识别算法是通过如下步骤实现：D1、建立老人/小孩识别深度学习模型；D2、采集大量包含老人的图片并打上“老人”的标签，采集大量包含小孩的图片并打上“小孩”的标签，采集大量非老幼人员的图片并打上“非老幼人员”的标签，划分训练集、验证集、测试集；D3、使用训练集来训练老人/小孩识别深度学习模型进行特征提取和分类，设置置信度为第二阈值,当模型的识别到的人员属于老人的概率大于第二阈值时，输出为老人；当模型的识别到的人员属于小孩的概率大于第二阈值时，输出为小孩，当模型的识别到的人员属于老幼人员的概率大于第二阈值时，输出为非老幼人员；D4、使用验证集验证老人/小孩识别深度学习模型的收敛情况；D5、使用测试集测试老人/小孩识别深度学习模型，测试通过则输出老人/小孩识别深度学习模型为老人/小孩识别算法。优选的，所述的社交距离检测方法实现步骤如下：C1、获取所需检测人员的边界框底部的中点在鸟瞰图对应的像素坐标；C2、采用欧式距离计算方式，计算视频中所需检测人员之间的像素距离。优选的，所述特征比对算法中的相似度计算，采用余弦距离计算方法。优选的，所述对视频中的图像进行校准的实现方法步骤如下：E1、在透视图中选择四个点，然后将四个点映射到鸟瞰图中矩形的角上；E2、通过四个坐标点间的对应关系，基于getPerspectiveTransform()函数，获得地平面到图像平面间的投影变换关系H；E3、通过warpPerspective()函数对图像进行逆向映射到地平面空间中,实现图片的鸟瞰转换，使之变成鸟瞰图。优选的，所述的告警阈值，是将以像素为单位的距离映射到实际可测量的长度单位，并设定告警阈值的实际长度单位对应的距离。一种走失人员识别系统，包括模块如下：视频采集模块，用于接入摄像头并获取视频流数据，所述视频流数据包括从视频流的图片信息，时间和位置信息；走失人员人脸特征信息库模块，用于保存走失人员的信息以及人脸特征信息以供调用；严重精神疾病管控人员模块，用于保存严重精神疾病管控人员的信息以及人脸特征信息以供调用；人脸识本文档来自技高网...

【技术保护点】
1.一种走失人员识别的方法，其特征是：实现步骤如下：/nS1、获得摄像头拍摄的视频流数据；/nS2、通过人脸识别算法对每个视频流数据进行人脸识别，识别出视频流数据中的现场人员；/nS3、通过特征比对算法将现场人员的人脸特征信息与走失人员人脸特征信息库中的人脸特征信息进行相似度计算；/nS3.1、如果现场人员的人脸特征信息与走失人员人脸特征信息库中的人脸特征信息的相似度>第一阈值，触发自动告警；/nS4、通过特征比对算法将现场人员的人脸特征信息与严重精神疾病管控人员库中的人脸特征信息进行相似度计算；/nS4.1、如果现场人员的人脸特征信息与严重精神疾病管控人员库的人脸特征信息的相似度>第一阈值，触发自动告警；/nS5、采用精神异常人员识别算法对现场人员进行识别，判断是否存在精神异常人员；/nS5.1、如果识别到精神异常人员，则对视频中的图像进行校准，然后对图像中的精神异常人员做社交距离检测，计算精神异常人员与正常人的距离；/nS5.2、如果精神异常人员与正常人的像素距离的最小值大于告警阈值，触发自动告警；/nS6、使用老人/小孩识别算法判断现场人员是否为老人或小孩；/nS6.1、如果识别到现场人员是老人或小孩，则对视频中的图像进行校准，然后对图像中的老人或小孩做社交距离检测，计算视频中出现的老人或小孩与非老幼人员的像素距离；/nS6.2、如果老人或小孩与非老幼人员的像素距离的最小值大于告警阈值，触发自动告警。/n...

【技术特征摘要】
1.一种走失人员识别的方法，其特征是：实现步骤如下：
S1、获得摄像头拍摄的视频流数据；
S2、通过人脸识别算法对每个视频流数据进行人脸识别，识别出视频流数据中的现场人员；
S3、通过特征比对算法将现场人员的人脸特征信息与走失人员人脸特征信息库中的人脸特征信息进行相似度计算；
S3.1、如果现场人员的人脸特征信息与走失人员人脸特征信息库中的人脸特征信息的相似度>第一阈值，触发自动告警；
S4、通过特征比对算法将现场人员的人脸特征信息与严重精神疾病管控人员库中的人脸特征信息进行相似度计算；
S4.1、如果现场人员的人脸特征信息与严重精神疾病管控人员库的人脸特征信息的相似度>第一阈值，触发自动告警；
S5、采用精神异常人员识别算法对现场人员进行识别，判断是否存在精神异常人员；
S5.1、如果识别到精神异常人员，则对视频中的图像进行校准，然后对图像中的精神异常人员做社交距离检测，计算精神异常人员与正常人的距离；
S5.2、如果精神异常人员与正常人的像素距离的最小值大于告警阈值，触发自动告警；
S6、使用老人/小孩识别算法判断现场人员是否为老人或小孩；
S6.1、如果识别到现场人员是老人或小孩，则对视频中的图像进行校准，然后对图像中的老人或小孩做社交距离检测，计算视频中出现的老人或小孩与非老幼人员的像素距离；
S6.2、如果老人或小孩与非老幼人员的像素距离的最小值大于告警阈值，触发自动告警。


2.根据权利要求1所述的一种走失人员识别的方法，其特征是：所述人脸识别算法是通过如下步骤实现：
A1、建立人脸识别深度学习模型；
A2、输入大量的人脸特征信息，人工标注人脸特征信息，划分成训练集、验证集、测试集；
A3、使用训练集来训练人脸识别深度学习模型，训练自动定位人脸，截取人脸检测框中的人脸并提取特征；
A4、使用验证集验证人脸识别深度学习模型的收敛情况
A5、使用测试集测试人脸识别深度学习模型，测试通过则输出人脸识别深度学习模型为人脸识别算法。


3.根据权利要求1所述的一种走失人员识别的方法，其特征是：所述精神异常人员识别算法是通过如下步骤实现：
B1、建立精神异常人员识别深度学习模型；
B2、采集大量精神异常人员的图片并打上“精神异常人员”的标签，采集大量正常人的图片并打上“正常人”的标签，并划分训练集、验证集、测试集；
B3、使用训练集来训练精神异常人员识别深度学习模型进行特征提取和分类，设置置信度为第二阈值,当识别到的人员属于精神异常人员一类的概率大于第二阈值时，输出其为精神异常人员，当识别到的人员属于正常人一类的概率大于第二阈值时，输出其为正常人；
B4、使用验证集验证精神异常人员识别深度学习模型的收敛情况；
B5、使用测试集测试精神异常人员识别深度学习模型，测试通过则输出精神异常人员识别深度学习模型为精神异常人员识别算法；
所述的老人/小孩识别算法是通过如下步骤实现：
D1、建立老人/小孩识别深度学习模型；
D2、采集大量包含老人的图片并打上“老人”的标签，采集大量包含小孩的图片并打上“小孩”的标签，采集大量非老幼人员的图片并打上“非老幼人员”的标签，划分训练集、验证集、测试集；
D3、使用训练集来训练老人/小孩识别深度...

【专利技术属性】
技术研发人员：苏如春，陈三明，李旭，
申请(专利权)人：广州瀚信通信科技股份有限公司，
类型：发明
国别省市：广东;44