基于人脸识别的船员身份验证方法技术

本发明专利技术公开了一种基于人脸识别的船员身份验证方法，包括步骤：获取人脸信息样本库；构建人脸检测模型；将人脸信息样本库中的人脸信息输入到人脸检测模型，输出人脸信息的特征量；将待测船员的人脸信息输入到人脸检测模型，输出待测人脸信息的特征量；计算待测人脸信息与人脸信息样本库中人脸信息的相似度，得到相似度集合；判断目标身份信息是否为待测船员的真实身份信息，若是，则待测船员的身份验证成功，若否，则待测船员的身份验证有误，并将待测人脸信息传回人脸信息样本库。本发明专利技术能够实时、高效地验证船员身份，优化了人脸验证的夜间识别能力，提升了夜间人脸验证的准确率。提升了夜间人脸验证的准确率。提升了夜间人脸验证的准确率。

【技术实现步骤摘要】
基于人脸识别的船员身份验证方法


[0001]本专利技术涉及智能船舶信息化领域，具体涉及一种基于人脸识别的船员身份验证方法。

技术介绍

[0002]船舶航行过程中，特别是在经过海况复杂区域时，需要驾驶台内值班人员时刻保持工作状态，对船舱内设备进行检视，对航道进行瞭望，时刻观察船舶周围情况，避免事故的发生。而为了确认驾驶台内值班人员的在岗情况，需要对驾驶台内的行人进行身份验证。
[0003]现阶段驾控台的身份验证还是以人工验证为主，通过船长及岸端工作人员对签到表的检查，以及不定期抽查视频等手段，对人员值班情况进行统计。由于船舶靠港时间较短，航行时间较长，抽查的手段并不能很好地覆盖全部船舶，因此存在工作效率不高、重复劳动等问题。
[0004]目前，现有的身份验证方法，主要是通过人脸识别系统完成，由人脸检测及人脸比对两部分组成。近年来，绝大多数的人脸识别系统都是基于深度学习，其中，测试结果较高的人脸检测网络有RetinaFace，SCRFD等，人脸识别网络有ArcFace，DeepID等。这些方法都是基于二维平面图像(RGB图像为主)，对于白天、光照条件较好的情况，表现优良。但是在驾控台环境下，夜间航行、强逆光航行的情况比较多，现有的技术在这种条件下，不能很好地适应，测试得出的准确率不高。

技术实现思路

[0005]有鉴于此，本专利技术的目的是克服现有技术中的缺陷，提供基于人脸识别的船员身份验证方法，能够实时、高效地验证船员身份，优化了人脸验证的夜间识别能力，提升了夜间人脸验证的准确率。/>[0006]本专利技术的基于人脸识别的船员身份验证方法，包括如下步骤：
[0007]S1.采集船员人脸信息并对船员人脸信息进行身份标记，得到人脸信息样本库；
[0008]S2.构建人脸检测模型；
[0009]S3.将人脸信息样本库中的人脸信息输入到人脸检测模型，输出人脸信息的特征量，并将人脸信息的特征量更新到人脸信息；
[0010]S4.将待测船员的人脸信息输入到人脸检测模型，输出待测人脸信息的特征量，并将待测人脸信息的特征量更新到待测人脸信息；
[0011]S5.计算待测人脸信息与人脸信息样本库中人脸信息的相似度，得到相似度集合(S1，S2，...，S
i
，....，S
n
)；其中，S
i
为待测人脸信息与人脸信息样本库中第i个人脸信息的相似度，n为人脸信息样本库中人脸信息的个数；
[0012]S6.判断相似度集合中是否存在非零的最大相似度，若是，则将最大相似度对应的人脸信息作为目标人脸信息，将目标人脸信息对应的身份信息作为目标身份信息，并进入步骤S7；若否，则待测船员的人脸信息不在人脸信息样本库中，待测船员为可疑人员；
[0013]S7.判断目标身份信息是否为待测船员的真实身份信息，若是，则待测船员的身份验证成功，若否，则待测船员的身份验证有误，并将待测人脸信息传回人脸信息样本库。
[0014]进一步，步骤S1中，所述采集船员人脸信息，具体包括：
[0015]采集船员的人脸图片，得到人脸图片库；
[0016]以设定的人脸图片为参照，将人脸图片库中不满足清晰标准或人脸角度超过设定角度范围的人脸图片剔除，得到新的人脸图片库；并将新的人脸图片库作为船员人脸信息。
[0017]进一步，所述船员人脸信息包括正面人脸、左侧人脸、右侧人脸以及斜上方人脸。
[0018]进一步，对船员人脸信息进行身份标记，具体包括：
[0019]将船员的身份信息录入到船员人脸信息中，得到有身份标记的船员人脸信息；所述身份信息包括姓名、性别、职位以及证件号码。
[0020]进一步，步骤S2中，构建人脸检测模型，具体包括：
[0021]S21.采集人脸检测数据集；所述人脸检测数据集包括白天RGB图像集以及夜间红外图像集；
[0022]S22.对人脸检测数据集进行人脸标记，得到标记后的人脸检测数据集；
[0023]S23.分别对标记后的人脸检测数据集进行RGB图像特征提取以及红外图像特征提取，得到RGB图像特征以及红外图像特征；
[0024]S24.将RGB图像特征以及红外图像特征进行加权求和，得到加权后的图像特征；
[0025]S25.根据加权后的图像特征对标记后的人脸检测数据集进行网络训练，得到人脸检测网络；
[0026]S26.对人脸检测网络进行封装处理，得到人脸检测模型。
[0027]进一步，所述人脸检测数据集S为：
[0028][0029]其中，WilderFace(q)为公开的人脸检测数据集，q为公开的人脸检测数据集的数据量；R(m)为真实船只环境中船员人脸图像集，m为真实船只环境中船员人脸图像集的图像数量；T(t)为模拟船只环境中船员人脸图像集，t为模拟船只环境中船员人脸图像集的图像数量；δ、∈以及σ均为设定的阈值。
[0030]进一步，对人脸检测数据集进行人脸标记，具体包括：使用矩形框对人脸检测数据集中的人脸图像进行标记，并对所述人脸图像进行关键点标记；其中，所述关键点包括左眼中心、右眼中心、鼻尖、左嘴角以及右嘴角。
[0031]进一步，所述矩形框的上边对应于发际线的边沿，所述矩形框的下边对应于下巴的下边沿，所述矩形框的左边对应于一侧耳朵的前边沿，所述矩形框的右边对应于另一侧耳朵的前边沿。
[0032]进一步，所述人脸信息的特征量包括人脸框个数、人脸位置、人脸尺寸以及人脸关键点。
[0033]进一步，步骤S3中，还包括：对更新后的人脸信息进行预处理，得到处理后的人脸信息；所述预处理包括降噪处理、平滑处理以及高光抑制处理。
[0034]本专利技术的有益效果是：本专利技术公开的一种基于人脸识别的船员身份验证方法，能够实时、高效地验证船员身份，同时，优化了人脸检测、人脸验证的夜间识别能力，加强了对夜间红外图像的识别，提升了夜间人脸验证的准确率，从而加强了对船员的管控，保障了船舶的安全行驶。
附图说明
[0035]下面结合附图和实施例对本专利技术作进一步描述：
[0036]图1为本专利技术的船员身份验证方法流程示意图；
[0037]图2为本专利技术的多模态人脸检测训练流程示意图；
[0038]图3为本专利技术的对白天RGB图像进行人脸检测的效果图；
[0039]图4为本专利技术的对夜间红外图像进行人脸检测的效果图；
[0040]图5为本专利技术的人脸验证效果图。
具体实施方式
[0041]以下结合说明书附图对本专利技术做出进一步的说明，如图1所示：
[0042]本专利技术的基于人脸识别的船员身份验证方法，包括如下步骤：
[0043]S1.采集船员人脸信息并对船员人脸信息进行身份标记，得到人脸信息样本库；
[0044]S2.构建人脸检测模型；
[0045]S3.将人脸信息样本库中的人脸信息输入到人脸检测模型，输出人脸信息的特征量，并将人脸信息的特征本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人脸识别的船员身份验证方法，其特征在于：包括如下步骤：S1.采集船员人脸信息并对船员人脸信息进行身份标记，得到人脸信息样本库；S2.构建人脸检测模型；S3.将人脸信息样本库中的人脸信息输入到人脸检测模型，输出人脸信息的特征量，并将人脸信息的特征量更新到人脸信息；S4.将待测船员的人脸信息输入到人脸检测模型，输出待测人脸信息的特征量，并将待测人脸信息的特征量更新到待测人脸信息；S5.计算待测人脸信息与人脸信息样本库中人脸信息的相似度，得到相似度集合(S1，S2，...，S
i
，...，S
n
)；其中，S
i
为待测人脸信息与人脸信息样本库中第i个人脸信息的相似度，n为人脸信息样本库中人脸信息的个数；S6.判断相似度集合中是否存在非零的最大相似度，若是，则将最大相似度对应的人脸信息作为目标人脸信息，将目标人脸信息对应的身份信息作为目标身份信息，并进入步骤S7；若否，则待测船员的人脸信息不在人脸信息样本库中，待测船员为可疑人员；S7.判断目标身份信息是否为待测船员的真实身份信息，若是，则待测船员的身份验证成功，若否，则待测船员的身份验证有误，并将待测人脸信息传回人脸信息样本库。2.根据权利要求1所述的基于人脸识别的船员身份验证方法，其特征在于：步骤S1中，所述采集船员人脸信息，具体包括：采集船员的人脸图片，得到人脸图片库；以设定的人脸图片为参照，将人脸图片库中不满足清晰标准或人脸角度超过设定角度范围的人脸图片剔除，得到新的人脸图片库；并将新的人脸图片库作为船员人脸信息。3.根据权利要求1所述的基于人脸识别的船员身份验证方法，其特征在于：所述船员人脸信息包括正面人脸、左侧人脸、右侧人脸以及斜上方人脸。4.根据权利要求1所述的基于人脸识别的船员身份验证方法，其特征在于：对船员人脸信息进行身份标记，具体包括：将船员的身份信息录入到船员人脸信息中，得到有身份标记的船员人脸信息；所述身份信息包括姓名、性别、职位以及证件号码。5.根据权利要求1所述的基于人脸识别的...

【专利技术属性】
技术研发人员：杨东烨，王军群，张文风，
申请(专利权)人：中远海运科技股份有限公司，
类型：发明
国别省市：