一种安防系统中人脸识别照片优化方法技术方案

本发明专利技术公开了一种安防系统中人脸识别照片优化方法，通过保存用户人脸的特征码，将现场待对比人脸提取得到的特征码与保存的用户人脸特征码相匹配，根据匹配到的相同特征码，给出人脸比对结果。包括以下具体步骤：步骤一：将用户上传的人脸图像进行原始人脸特征码提取，并将原始人脸特征码存储到数据库中；步骤二：将经终端设备抓取的现场人脸照片中提取得到的终端人脸特征码，与数据库中的原始人脸特征码进行比对,匹配相同的人脸特征码，生成人脸比对结果。本发明专利技术具有能够有效提高人脸上传精确率和工作效率的特点。精确率和工作效率的特点。

【技术实现步骤摘要】
一种安防系统中人脸识别照片优化方法


[0001]本专利技术涉及一种安防系统人脸识别方法，特别是一种安防系统中人脸识别照片优化方法。

技术介绍

[0002]随着社会的不断进步以及各方面对于快速有效的自动身份验证的迫切要求，生物特征识别技术在近几十年中得到了飞速的发展。作为人的一种内在属性，并且具有很强的自身稳定性及个体差异性，生物特征成为了自动身份验证的最理想依据。当前的生物特征识别技术主要包括有：指纹识别，视网膜识别，虹膜识别，步态识别，静脉识别，人脸识别等。与其他识别方法相比，人脸识别由于具有直接、友好、方便的特点，使用者无任何心理障碍，易于为用户所接受，从而得到了广泛的研究与应用。
[0003]目前市面上的人脸大多数都是基于人脸照片来的，但是人脸涉及到用户隐私性、存储在哪里以及存储安全性等原因，用户有很多顾虑。小区人脸终端设备出于人脸隐私安全问题，都是基于局域网通讯的，业主如果想要利用人脸通行覆盖小区内可通行的区域，必须去物业中心去登记。物业工作人员必须要确认业主身份可通行区域也要对每台设备进行人脸下发，工作量繁琐也容易出错，人脸上传精确率不高，同时也给业主带来了极大的不方便。因此，现有的技术存在着人脸上传精确率较低以及效率较低的问题。

技术实现思路

[0004]本专利技术的目的在于，提供一种安防系统中人脸识别照片优化方法。本专利技术具有能够有效提高人脸上传精确率和工作效率的特点。
[0005]本专利技术的技术方案：一种安防系统中人脸识别照片优化方法，通过保存用户人脸的特征码，将现场待对比人脸提取得到的特征码与保存的用户人脸特征码相匹配，根据匹配到的相同特征码，给出人脸比对结果。
[0006]前述的一种安防系统中人脸识别照片优化方法中，包括以下具体步骤：
[0007]步骤一：将用户上传的人脸图像进行原始人脸特征码提取，并将原始人脸特征码存储到数据库中；
[0008]步骤二：将经终端设备抓取的现场人脸照片中提取得到的终端人脸特征码，与数据库中的原始人脸特征码进行比对,匹配相同的人脸特征码，生成人脸比对结果。
[0009]前述的一种安防系统中人脸识别照片优化方法中，步骤一的具体过程为：
[0010]A、构建特征脸子空间；
[0011]a1、将用户上传的人脸图像即原始人脸图像x存成大小是n维的向量，
[0012]a2、将原始人脸图像减去平均人脸图像，计算离散差值，将图像中心化；
此时
[0013]a3、将中心化之后的人脸图像组成一个大小为n
×
p的矩阵：
[0014]a4、计算得到协方差矩阵Ω：a4、计算得到协方差矩阵Ω：为的转置矩阵；
[0015]a5、求解得到协方差矩阵Ω的k个非零特征值以及所对应的特征向量；
[0016]所有的非零特征值对应的特征向量所组成的特征空间，即为特征脸子空间；
[0017]B、利用公式计算得到每一幅经过中心化处理后的人脸图像的坐标系数，即每一幅人脸图像的人脸特征码；
[0018]C、将所有的人脸特征码保存至人脸服务器数据库中。
[0019]前述的一种安防系统中人脸识别照片优化方法中，步骤a5中，非零特征值和所对应的特征向量的计算方法为：利用公式ΛU＝UΩ，计算特征值和特征向量，其中U为对应于特征值的特征向量集；
[0020]前述的一种安防系统中人脸识别照片优化方法中，步骤二中，比对的具体过程为：
[0021]将现场人脸特征脸标示为：其中k＝1、2...M；对于第k个特征脸u
k
，计算对应的权重，M个权重构成成一个向量：Ω
T
＝[ω1，ω2，.......，ω
M
]；
[0022]随后利用公式计算欧式距离，ε
k
＝||Ω
‑
Ω
k
||2，其中Ω代表要判别的人脸，Ω
k
代表人脸服务器数据库内的某个人脸；
[0023]当欧式距离小于阈值时，表明待判别的现场人脸和人脸服务器数据库中的第k个脸是同一个人的。
[0024]与现有技术相比，本专利技术通过保存用户人脸特征码以及通过人脸特征码比对来实现人脸对比的方式，来取代传统通过保存用户人脸图像以及直接通过用户人脸图像比对的方式，相比较于传统人脸上传92％左右的准确率，根据本专利技术的人脸识别优化方法可以有效筛选有效人脸，有效人脸上传精准率达到97％以上；同时，采用本专利技术人脸识别优化方法可以充分保证用户隐私，进而可以让物业基层人员减少重复性工作，工作提高效率50％以上；还能够方便小区物业人员，提高物业人员工作效率以及去中心化业主自助服务带来的能效提升，实现了“最多录一次”，无需在每个人脸识别系统重复录入，极大的方便了业主。综上所述，本专利技术具有能够有效提高人脸上传精确率和工作效率的特点。
具体实施方式
[0025]下面结合实施例对本专利技术作进一步的说明，但并不作为对本专利技术限制的依据。
[0026]实施例。一种安防系统中人脸识别照片优化方法，通过保存用户人脸的特征码，将现场待对比人脸提取得到的特征码与保存的用户人脸特征码相匹配，根据匹配到的相同特征码，给出人脸比对结果。
[0027]包括以下具体步骤：
[0028]步骤一：将用户上传的人脸图像进行原始人脸特征码提取，并将原始人脸特征码
存储到数据库中；
[0029]步骤二：将经终端设备抓取的现场人脸照片中提取得到的终端人脸特征码，与数据库中的原始人脸特征码进行比对,匹配相同的人脸特征码，生成人脸比对结果。
[0030]步骤一的具体过程为：
[0031]A、构建特征脸子空间；
[0032]a1、将用户上传的人脸图像即原始人脸图像x存成大小是n维的向量，
[0033]a2、将原始人脸图像减去平均人脸图像，计算离散差值，将图像中心化；此时
[0034]a3、将中心化之后的人脸图像组成一个大小为n
×
p的矩阵：
[0035]a4、计算得到协方差矩阵Ω：a4、计算得到协方差矩阵Ω：为的转置矩阵；
[0036]a5、求解得到协方差矩阵Ω的k个非零特征值以及所对应的特征向量；
[0037]所有的非零特征值对应的特征向量所组成的特征空间，即为特征脸子空间；
[0038]B、利用公式计算得到每一幅经过中心化处理后的人脸图像的坐标系数，即每一幅人脸图像的人脸特征码；
[0039]C、将所有的人脸特征码保存至人脸服务器数据库中。
[0040]步骤a5中，非零特征值和所对应的特征向量的计算方法为：利用公式ΛU＝UΩ，计算特征值和特征向量，其中U为对应于特征值的特征向量集；
[0041]步骤二中，比对的具体过程为：
[0042]将现场人脸特征脸标示为：其中k＝1、2...M；对于第k个特征脸u
k
，计算对应的权重，M个权重构成成一个向量：Ω
T
＝[ω本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种安防系统中人脸识别照片优化方法，其特征在于：通过保存用户人脸的特征码，将现场待对比人脸提取得到的特征码与保存的用户人脸特征码相匹配，根据匹配到的相同特征码，给出人脸比对结果。2.根据权利要求1所述的一种安防系统中人脸识别照片优化方法，其特征在于，包括以下具体步骤：步骤一：将用户上传的人脸图像进行原始人脸特征码提取，并将原始人脸特征码存储到数据库中；步骤二：将经终端设备抓取的现场人脸照片中提取得到的终端人脸特征码，与数据库中的原始人脸特征码进行比对,匹配相同的人脸特征码，生成人脸比对结果。3.根据权利要求2所述的一种安防系统中人脸识别照片优化方法，其特征在于：步骤一的具体过程为：A、构建特征脸子空间；a1、将用户上传的人脸图像即原始人脸图像x存成大小是n维的向量，a2、将原始人脸图像减去平均人脸图像，计算离散差值，将图像中心化；此时a3、将中心化之后的人脸图像组成一个大小为n
×
p的矩阵：a4、计算得到协方差矩阵Ω：a4、计算得到协方差矩阵Ω：为的转置矩阵；a5、求解得到协方差矩阵Ω的k个非零特征值以及所对应的特征向量；所有的非零特征值对应的特征向量所组成的特征空间，即为特征脸子...

【专利技术属性】
技术研发人员：方雪明，刘潘，刘燕，
申请(专利权)人：浙江易云物联科技有限公司，
类型：发明
国别省市：