一种基于轮盘赌的车站降级人脸识别库配发方法技术

本发明专利技术公开了一种基于轮盘赌的车站降级人脸识别库配发方法，步骤如下：基于乘客刷脸过闸出行的大数据OD进行统计预处理；基于统计区间集合上的统计矩阵，通过多元线性回归计算所有乘客在所有车站的经常率矩阵；对经常率矩阵进行归一化处理；在归一化处理后的矩阵上基于轮盘赌方法从所有旅客中选择既定数量的降级人脸库并配发到各车站。本发明专利技术配发到各车站的降级人脸库具有规模小且覆盖率高的优点，并可以根据乘客的出行规律动态滚动，能有效支撑线网平台可用情况下车站自主实现人脸识别计算。算。算。

【技术实现步骤摘要】
一种基于轮盘赌的车站降级人脸识别库配发方法


[0001]本专利技术涉及城市轨道交通，特别是一种基于轮盘赌的车站降级人脸识别库配发方法。

技术介绍

[0002]城市轨道的不断发展，越来越多的城市人群选择地铁作为日常的通勤工具，与此同时，机器视觉技术的不断发展，以人脸识别为代表的生物特征识别技术走进了我们的日常生活中，典型人脸识别架构包括终端服务和云服务，其中终端既可以采集人脸图像，也能够提取人脸图像特征，云平台负责人脸库的保存和人脸特征的比对，即向终端设备提供人脸识别服务。轨道交通用于刷脸过闸的人脸识别系统，通过需要在线路和线网配置高并发、高实时、高可靠的人脸识别云平台以刷脸过闸可以达到支付级别。刷脸终端设备采集人脸信息并发送到云平台上实现在大规模人脸数据库中的快速比对。
[0003]在实际运用中，终端设备和通常通过线网的云平台之间依赖网络通信实现人脸的识别，但是当出现网络通信故障或者人脸识别云平台出现故障时就会使得刷脸过闸服务失去可用性。为了保障系统的可用性，通常需要在车站配置部署支持降级使用的人脸识别服务器。考虑到投资建设的经济性和车站级降级使用的具体的要求，该服务器不可能支持整线网的乘客的快速比对，需要配发专用的降级的人脸库。为了能够在车站级的降级人脸库中更高概率地匹配到乘客，保障降级模式下的人脸识别服务具备一定的可用性，需要一种有效的人脸数据库的配发方法。

技术实现思路

[0004]专利技术目的：本专利技术的目的是提供一种基于轮盘赌的车站降级人脸识别库配发方法，使得配发到各车站的降级人脸库具有规模小且覆盖率高的优点，并可以根据乘客的出行规律动态滚动。
[0005]技术方案：本专利技术所述的一种基于轮盘赌的车站降级人脸识别库配发方法，包括以下步骤：（1）基于乘客刷脸过闸出行的大数据OD进行统计预处理；设共有n个乘客，m个站点，在统计区间t中，乘客在站点的刷入刷出的次数可以用矩阵C表示：在连续的统计区间集合上，能够得到各统计区间的其矩阵元素为。
[0006]其中c
ij
表示在统计区间t内乘客i在j站的刷脸进出次数。对不同的统计区间t，可以得到不同的统计结果C(t)。针对统计区间集合，可以得到各统计区间的C(t
k
)其矩阵元素为。由于OD数据是长期连续的，因此我们可以通过滑动观测窗口K的方式，在长期连续的OD数据上建立连续观测。
[0007]（2）基于统计区间集合上的统计矩阵，计算所有乘客在所有车站的经常率矩阵n个乘客在m个车站上的经常率矩阵R： 的计算方法如下：回归参数通过如下回归问题的最小二乘法获得，即在滑动贯彻窗口中，构造如下的回归问题：其中，为前述定义乘客在站点i和j的刷入刷出的次数， V为实施参数回归估计采用的序列样本的数量。
[0008]（3）对经常率矩阵进行归一化处理，得到矩阵；；其中，为前述定位的经常率矩阵的元素，表征乘客在站点i和j刷入刷出的经常性。
[0009]（4）在归一化处理后的矩阵上基于轮盘赌方法从所有旅客中选择既定数量的降级人脸库并配发到各车站。
[0010]所述步骤（4）中在归一化处理后的矩阵上，首先进行列积分得到，再基于轮盘赌方法从所有旅客中选择既定数量的降级人脸库并配发到各车站，其中，在列积分基于轮盘赌方法从所有旅客中选择既定数量的降级人脸库的步骤具体为：（4.1）生成符合[0,1]均匀分布的随机数r；（4.2）寻找序号i，使得如下式满足：
（4.3）将序号i对应的乘客ID和人脸特征库放到车站j的降级人脸库中，如果库中已有i的ID，则跳过；（4.4）库中的ID数量是否达到设定的数量N，如果没有，返回步骤（4.1）；如果已达到，跳转到步骤（4.5）；（4.5）输出车站j配发的人脸数据库。
[0011]一种计算机存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述的一种基于轮盘赌的车站降级人脸识别库配发方法。
[0012]一种计算机设备，包括储存器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的一种基于轮盘赌的车站降级人脸识别库配发方法。
[0013]有益效果：与现有技术相比，本专利技术具有如下优点：1、通过对乘客刷脸出行的大数据进行多元线性回归分析，可以得到更为接近实际乘客在各车站出行规律的预测结果；2、通过轮盘赌模式从所有乘客中选择规模较小且具有较高经常率的降级人脸数据库，既适应车站级计算资源的限制条件，又能尽可能满足更可能多的经常性的乘客的刷脸出行需要；3、降级的人脸数据库配发方法，可以根据乘客的出行规律动态滚动，始终保持配发的降级人脸库具有较好的实际适应性。
附图说明
[0014]图1是本专利技术基于轮盘赌的车站降级人脸识别库配发方法的流程图；图2基于轮盘赌的降级数据库生成方法。
具体实施方式
[0015]下面结合附图对本专利技术的技术方案作进一步说明。
[0016]如图1所示，一种基于轮盘赌的车站降级人脸识别库配发方法，包括以下步骤：S1、基于乘客刷脸过闸出行的大数据OD进行统计预处理；设共有n个乘客，m个站点，在统计区间t中，乘客在站点的刷入刷出的次数可以用矩阵C表示：在连续的统计区间集合上，能够得到各统计区间的C(t
k
)其矩阵元素为。
[0017]其中c
ij
表示在统计区间t内乘客i在j站的刷脸进出次数。对不同的统计区间t，可
以得到不同的统计结果C(t)。针对统计区间集合，可以得到各统计区间的C(t
k
)其矩阵元素为。由于OD数据是长期连续的，因此我们可以通过滑动观测窗口K的方式，在长期连续的OD数据上建立连续观测。
[0018]S2、基于统计区间集合上的统计矩阵，计算所有乘客在所有车站的经常率矩阵n个乘客在m个车站上的经常率矩阵R：乘客在m个车站上的经常率矩阵R：的计算方法如下：回归参数通过如下回归问题的最小二乘法获得，即在滑动贯彻窗口中，构造如下的回归问题：其中，为前述定义乘客在站点i和j的刷入刷出的次数，V为实施参数回归估计采用的序列样本的数量。
[0019]S3、对经常率矩阵进行归一化处理，得到矩阵；其中，为前述定位的经常率矩阵的元素，表征乘客在站点i和j刷入刷出的经常性。
[0020]S4、如图2所示，在归一化处理后的矩阵上基于轮盘赌方法，对车站j=1,2,...,m的所有旅客中选择既定数量的降级人脸库并配发到各车站，具体步骤如下：S4.1、对矩阵进行列积分，以列j为例；通过逐点积分可以得到：其中：
根据的定义，显然。
[0021]最终可以得到矩阵：S4.2、对矩阵的列j（即j车站），每个车站分配N个乘客，按照轮盘赌流程进行乘客ID的选择，具体步骤如下：S4.2.1、生成符合[0,1]均匀分布的随机数r；S4.2.2、寻找序号i，使得如下式满足：S4.2.3、将序号i对应的乘客ID和人脸特征库放到车站j的降级人脸库中，如果库中已有i的ID，则跳过；S4.2.4、库中的ID数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于轮盘赌的车站降级人脸识别库配发方法，其特征在于，包括以下步骤：（1）基于乘客刷脸过闸出行的大数据OD进行统计预处理；（2）基于统计区间集合上的统计矩阵，计算所有乘客在所有车站的经常率矩阵；（3）对经常率矩阵进行归一化处理；（4）在归一化处理后的矩阵上基于轮盘赌方法从所有旅客中选择既定数量的降级人脸库并配发到各车站。2.根据权利要求1所述的一种基于轮盘赌的车站降级人脸识别库配发方法，其特征在于，所述步骤（1）具体为：设共有n个乘客，m个站点，在统计区间t中，乘客在站点的刷入刷出的次数可以用矩阵C表示：在连续的统计区间集合上，能够得到各统计区间的其矩阵元素为。3.根据权利要求1所述的一种基于轮盘赌的车站降级人脸识别库配发方法，其特征在于，所述步骤（2）中计算所有乘客在所有车站的经常率矩阵的步骤具体为：于，所述步骤（2）中计算所有乘客在所有车站的经常率矩阵的步骤具体为：的计算方法如下：回归参数通过如下回归问题的最小二乘法获得：其中，为前述定义乘客在站点i和j的刷入刷出的次数，V为实施参数回归估计采用的序列样本的数量。4.根据权利要求1所述的一种基于轮盘赌的车站降级人脸识别库配发方法，其特征在于，所述步骤（3）中对矩阵R的归一化的计算为：
其中，为前述定位的经常率矩阵的...

【专利技术属性】
技术研发人员：焦科杰，陆斌，刘光杰，张鹏，高申，吴娟，熊伟，顾伟，王松松，胡天澍，潘辉，桂大发，徐亮，李熙源，张建，闫震，
申请(专利权)人：南京熊猫信息产业有限公司，
类型：发明
国别省市：