一种智能识别系统技术方案

本发明专利技术公开了一种智能识别系统，涉及人脸识别技术领域，具体为S1、人脸特征录入；S2、摄像头安装；S3、监控和S4、分析。该智能识别系统，基于面部特征的人脸识别技术，通过对脸部进行拍摄比对，有利于区别出注意力不集中的人员数量、次数并生成图像，并通过比对可记录下不在考勤空间内的人员，方便管理员查看，并由此作为依据，对分析人员的考勤情况，对每位人员的考勤情况进行评分，降低人工考核负担，通过智能化人脸识别有利于解决人员冒名顶替、中途脱离的问题。离的问题。离的问题。

【技术实现步骤摘要】
一种智能识别系统


[0001]本专利技术涉及人脸识别
，具体为一种智能识别系统。

技术介绍

[0002]现有的考勤既耗费精力有浪费时间，而且由于会出现冒名顶替、中途离开等现象，无法有效监督出勤。

技术实现思路

[0003]针对现有技术的不足，本专利技术提供了一种智能识别系统，解决了上述
技术介绍
中提出现有的考勤既耗费精力有浪费时间，而且由于会出现冒名顶替、中途离开等现象，无法有效监督出勤的问题。
[0004]为实现以上目的，本专利技术通过以下技术方案予以实现：一种智能识别系统，包括下述操作：
[0005]S1、人脸特征录入：
[0006]录入人脸数据并提取人脸特征点，再将人脸数据与人脸特征点存入至对应的数据库；
[0007]S2、摄像头安装：
[0008]于合适位置安装摄像头，安装的摄像头保证正常使用期间，不出现脸部被遮挡的情况；
[0009]S3、监控：
[0010]摄像头实时监控情况，并将视频流传回服务器；
[0011]S4、分析：
[0012]由中心服务器接收视频并进行分析处理，处理内容主要包含以下部分：
[0013]A、根据输入视频流的设备信息，确定对应监控区域的编号，获取对应人脸信息库；
[0014]B、检测视频流中出现的人脸，与对应数据库中保存的人脸进行比对识别，并统计人员考勤情况；
[0015]人脸检测与识别主要包含以下几个步骤：
[0016]人脸检测、人脸对齐、人脸相似性度量即人脸识别。
[0017]可选的，所述S1步骤中，人脸特征点包括眼睛张合度、嘴部张合度。
[0018]可选的，所述眼睛张合度的计算：基于人脸识别，得到人脸特征点中，分别有六个特征点标志出眼睛的位置，某一只眼的六个特征点的坐标依次为 (x1,y1)，(x2,y2)，(x3,y3)，(x4,y4)，(x5,y5)，(x6,y6)；
[0019]令点簇最初的minx＝min{x1,x2,x3,x4,x5,x6}，maxx＝ max{x1,x2,x3,x4,x5,x6}，miny＝min{y1,y2,y3,y4,y5,y6}，maxy＝ max{y1,y2,y3,y4,y5,y6}，确定最初的外接矩形，求外接矩形的面积，然后对点簇进行旋转，按照下面公式：
[0020]x
′
＝x
×
cos b
‑
y
×
sin b
[0021]y
′
＝x
×
sin b+y
×
cos b
[0022]其中b为旋转角度；
[0023]旋转之后，求出新的minx，maxx，miny，maxy，计算此时的面积，直到面积达到最小，令
[0024]f＝(maxy
‑
miny)/(maxx
‑
minx)
[0025]计算出两个f值之后，取平均值，作为眼睛张合度。
[0026]可选的，所述嘴部张合度的计算：基于人脸识别，得到人脸特征点中，有二十个嘴部的特征点。嘴部张合度的计算与眼睛张合度的计算类似，区别就在于最初的minx＝min{x1,x2,x3,
…
,x
19
,x
20
}，maxx＝ max{x1,x2,x3,
…
,x
19
,x
20
}，miny＝min{y1,y2,y3,
…
,y
19
,y
20
}，maxy＝ max{y1,y2,y3,
…
,y
19
,y
20
}。
[0027]可选的，所述S2步骤中，摄像头数量为2
‑
3个，摄像头安装至教室讲台所靠近的墙面顶部，安装优先位置是该墙面与其余墙面的转角位置，再是该墙面中部。
[0028]可选的，所述S4步骤中，人脸检测使用MTCNN算法，该算法包括三层网络：
[0029](1)、第一层P
‑
Net将经过卷积，池化操作后输出分类即对应像素点是否存在人脸和回归box结果。
[0030](2)、第二层网络将第一层输出的结果使用非极大值抑制来去除高度重合的候选框，并将这些候选框放入R
‑
Net中进行精细的操作，拒绝大量错误框，再对回归框做校正，并使用NMS去除重合框，输出分支同样两个分类和回归；
[0031](3)、最后将R
‑
Net输出认为是人脸的候选框输入到O
‑
Net中再一次进行精细操作，拒绝掉错误的框。
[0032]可选的，所述S4步骤中，人脸对齐是指在检测出人脸之后，能定位到人脸的每个部件，提取相应的部件特征，人脸对齐采用ASM算法，改算法分为训练过程和搜索过程。
[0033]可选的，所述训练过程如下所示：
[0034]在训练过程，先搜集T个训练样本，样本的数量举例为100，之后手动标记n个脸部特征点，人脸特征点举例为68个，即这里的n取68，将记录下来的坐标点的位置，按照顺序连成向量，每一个样本描述为一个向量，如下：
[0035]X
i
＝[x
i0
,y
i0
,x
i1
,y
i1
,
…
x
i(n
‑
1)
,y
i(n
‑
1)
]T
[0036]其中，x,y表示坐标点的二维位置信息。
[0037]最后在不改变点分布模型的基础上，利用简单的平移、旋转、缩放，将样本中多个人脸归一化到一个统一的标准。
[0038]最后为每个特征点构建局部特征，本专利技术选用的方法为，在特征点附近的矩形框搜索，以迭代的方式寻找新的特征点匹配位置。采取的特征点描述如下：
[0039]对于第i(i<T)个样本，第k(k<n)个点，沿着垂直于其相邻两个点连线的垂直方向，两个各选择m个点，构成一个长度为(2m+1)的向量，对该向量所包含的像素灰度求导，得到一个局部纹理值g
ik
，对其他样本中对应点执行同样的操作，就得到第k个特征点对应的局部纹理序列：
[0040]{g
i0
,g
i1
,g
i2
,
…
,g
ik
,
…
,g
in
}
[0041]实验均值和方差来描述第k个特征点对应的局部特征：
[0042][0043][0044]特征点与样本特征的比对采用马氏距离：
[0045][0046]可选的，所述搜索过程如下所示：
[0047]在搜索过程中先要初始化对齐人脸，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能识别系统，其特征在于：包括下述操作：S1、人脸特征录入：录入人脸数据并提取人脸特征点，再将人脸数据与人脸特征点存入至对应的数据库；S2、摄像头安装：于合适位置安装摄像头，安装的摄像头保证正常使用期间，不出现脸部被遮挡的情况；S3、监控：摄像头实时监控情况，并将视频流传回服务器；S4、分析：由中心服务器接收视频并进行分析处理，处理内容主要包含以下部分：A、根据输入视频流的设备信息，确定对应监控区域的编号，获取对应人脸信息库；B、检测视频流中出现的人脸，与对应数据库中保存的人脸进行比对识别，并统计人员考勤情况；人脸检测与识别主要包含以下几个步骤：人脸检测、人脸对齐、人脸相似性度量即人脸识别。2.根据权利要求1所述的一种智能识别系统，其特征在于：所述S1步骤中，人脸特征点包括眼睛张合度、嘴部张合度。3.根据权利要求2所述的一种智能识别系统，其特征在于：所述眼睛张合度的计算：基于人脸识别，得到人脸特征点中，分别有六个特征点标志出眼睛的位置，某一只眼的六个特征点的坐标依次为(x1,y1)，(x2,y2)，(x3,y3)，(x4,y4)，(x5,y5)，(x6,y6)；令点簇最初的minx＝min{x1,x2,x3,x4,x5,x6}，maxx＝max{x1,x2,x3,x4,x5,x6}，miny＝min{y1,y2,y3,y4,y5,y6}，maxy＝max{y1,y2,y3,y4,y5,y6}，确定最初的外接矩形，求外接矩形的面积，然后对点簇进行旋转，按照下面公式：x'＝x
×
cosb
‑
y
×
sinby'＝x
×
sinb+y
×
cosb其中b为旋转角度；旋转之后，求出新的minx，maxx，miny，maxy，计算此时的面积，直到面积达到最小，令f＝(maxy
‑
miny)/(maxx
‑
minx)计算出两个f值之后，取平均值，作为眼睛张合度。4.根据权利要求2所述的一种智能识别系统，其特征在于：所述嘴部张合度的计算：基于人脸识别，得到人脸特征点中，有二十个嘴部的特征点。嘴部张合度的计算与眼睛张合度的计算类似，区别就在于最初的minx＝min{x1,x2,x3,
…
,x
19
,x
20
}，maxx＝max{x1,x2,x3,
…
,x
19
,x
20
}，miny＝min{y1,y2,y3,
…
,y
19
,y
20
}，maxy＝max{y1,y2,y3,
…
,y
19
,y
20
}。5.根据权利要求1所述的一种智能识别系统，其特征在于：所述S2步骤中，摄像头数量为2
‑
3个，摄像头安装至教室讲台所靠近的墙面顶部，安装优先位置是该墙面与其余墙面的转角位置，再是该墙面中部。6.根据权利要求1所述的一种智能识别系统，其特征在于：所述S4步骤中，人脸检测使用MTCNN算法，该算法包括三层网络：(1)、第一层P
‑
Net将经过卷积，池化操作后输出分类即对应像素点是否存在人脸和回归box结果。
(2)、第二层网络将第一层输出的结果使用非极大值抑制来去除高度重合的候选框，并将这些候选框放入R
‑
Net中进行精细的操作，拒绝大量错误框，再对回归框做校正，并使用NMS去除重合框，输出分支同样两个分类和回归；(3)、最后将R
‑
Net输出认为是人脸的候选框输入到O
‑
Net中再一次进行精细操作，拒绝掉错误...

【专利技术属性】
技术研发人员：韩学龙，胡志峰，奚笑晨，
申请(专利权)人：江苏鼎峰信息技术有限公司，
类型：发明
国别省市：