基于物联网与大数据结合的人脸识别身份核验系统及方法技术方案

本发明专利技术涉及一种基于物联网与大数据结合的人脸识别身份核验系统及方法，通过物联网端摄像机采集人脸图像源数据；基于物联网端的摄像机物理地址为人脸图像源数据添加标签；然后通过大数据采集端采集所有带标签的人脸图像源数据形成训练的样本集；然后构建投影空间，为投影空间输入训练样本得到投影特征矩阵、主成分向量，为投影特征矩阵、主成分向量增加参数；循环训练并优化参数；基于优化参数后的投影特征矩阵、主成分向量对数据分类；在多次数据分类中通过校验再次优化参数。本申请通过增加参数和校验参数尽可能保留原数据多维度信息的；还能充分利用物联网端相机的大数据，且不需要人脸图像上真人身份即可添加标签，数据量大大增多。量大大增多。

【技术实现步骤摘要】
基于物联网与大数据结合的人脸识别身份核验系统及方法


[0001]本专利技术涉及一种基于物联网与大数据结合的人脸识别身份核验系统及方法。

技术介绍

[0002]相关的技术专利文献CN111144245A公开了一种人脸识别技术，该技术通过二维主成分分析法对人脸识别核验，其目的在于节省数据复杂度，节省数据处理的时间；其核心技术在于构造投影空间对数据转化，但其源数据处理中转化过程中会丢失数据的的多维度信息。

技术实现思路

[0003]为了克服现有的技术存在的不足，本专利技术提供一种基于物联网与大数据结合的人脸识别身份核验系统及方法。
[0004]本专利技术解决其技术问题所采用的技术方案：基于物联网与大数据结合的人脸识别身份核验方法，包括步骤有：
[0005]通过物联网端摄像机采集人脸图像源数据；基于物联网端的摄像机物理地址为人脸图像源数据添加标签；然后通过大数据采集端采集所有带标签的人脸图像源数据形成训练的样本集；然后构建投影空间，为投影空间输入训练样本得到投影特征矩阵、主成分向量，为投影特征矩阵、主成分向量增加参数；循环训练并优化参数；基于优化参数后的投影特征矩阵、主成分向量对数据分类；在多次数据分类中通过校验再次优化参数。
[0006]进一步，所述构建投影空间包括有通过样本协方差矩阵计算特征值与对应特征向量，以特征向量构建投影空间。
[0007]进一步，基于物联网端的摄像机物理地址为人脸图像源数据添加标签，具体地，为每一个物联网端相机分配一个与其物理地址对应的ID；对于从物联网端相机输出的人脸图像源数据为其分配一个专属标签，该专属标签人脸图像源数据由对应的ID、时间戳唯一确定。
[0008]进一步，所述通过校验再次优化参数，具体地，首先将为人脸图像源数据添加的所有标签转化为一个时序组(t1,t2,t3......t
n
‑1，t
n
)其中共有n个标签，按照时序组的时间顺序将n个标签对应的所有人脸图像源数据分别输入到投影空间、增加参数、分类输出，得到带有时序的分类输出标签，并计算每一个标签的检验单值然后存储；
[0009]检验单值为f(t
i
)，f(t
i
)＝ln(1+p1*t
i
)*(p1*t
i
+1)
‑2，其中p1为常数；t
i
＝t1,t2......t
n
；
[0010]检验单值对应的时序组为(f(t1)，f(t2)，........f(t
i
))；
[0011]然后计算检验综合值：
[0012]根据T与阈值的差值调整修改参数，直到T满足阈值；所述T可以综合反映分类输出的标签与原添加标签的整体性特点。
[0013]基于物联网与大数据结合的人脸识别身份核验系统，
[0014]包括物联网端摄像机，用于采集人脸图像源数据；
[0015]标签分配单元，用于基于物联网端的摄像机物理地址为人脸图像源数据添加标签；
[0016]大数据采集端，用于采集所有带标签的人脸图像源数据；
[0017]训练单元，用于通过大数据采集端采集所有带标签的人脸图像源数据形成训练的样本集；然后构建投影空间，为投影空间输入训练样本得到投影特征矩阵、主成分向量，为投影特征矩阵、主成分向量增加参数；还用于循环训练并优化参数；
[0018]分类单元，用于基于优化参数后的投影特征矩阵、主成分向量对数据分类；
[0019]校验单元，用于在多次数据分类中通过校验再次优化参数。
[0020]有益效果
[0021]本申请通过增加参数和校验参数尽可能保留原数据多维度信息的；还能充分利用物联网端相机的大数据，且不需要人脸图像上真人身份即可添加标签，数据量大大增多。
具体实施方式
[0022]本申请公开了基于物联网与大数据结合的人脸识别身份核验方法，其包括步骤有：
[0023]通过物联网端摄像机采集人脸图像源数据；基于物联网端的摄像机物理地址为人脸图像源数据添加标签；然后通过大数据采集端采集所有带标签的人脸图像源数据形成训练的样本集；然后构建投影空间，为投影空间输入训练样本得到投影特征矩阵、主成分向量，为投影特征矩阵、主成分向量增加参数；循环训练并优化参数；基于优化参数后的投影特征矩阵、主成分向量对数据分类；在多次数据分类中通过校验再次优化参数；本申请通过增加参数和校验参数尽可能保留原数据多维度信息的；还能充分利用物联网端相机的大数据，且不需要人脸图像上真人身份即可添加标签，数据量大大增多。
[0024]具体的所述构建投影空间包括有通过样本协方差矩阵计算特征值与对应特征向量，以特征向量构建投影空间；基于物联网端的摄像机物理地址为人脸图像源数据添加标签，具体地，为每一个物联网端相机分配一个与其物理地址对应的ID；对于从物联网端相机输出的人脸图像源数据为其分配一个专属标签，该专属标签人脸图像源数据由对应的ID、时间戳唯一确定。
[0025]优选的所述通过校验再次优化参数，具体地，首先将为人脸图像源数据添加的所有标签转化为一个时序组(t1,t2,t3......t
n
‑1，t
n
)其中共有n个标签，按照时序组的时间顺序将n个标签对应的所有人脸图像源数据分别输入到投影空间、增加参数、分类输出，得到带有时序的分类输出标签，并计算每一个标签的检验单值然后存储；
[0026]检验单值为f(t
i
)，f(t
i
)＝ln(1+p1*t
i
)*(p1*t
i
+1)
‑2，其中p1为常数；t
i
＝t1,t2......t
n
；
[0027]检验单值对应的时序组为(f(t1)，f(t2)，........f(t
i
))；
[0028]然后计算检验综合值：
[0029]根据T与阈值的差值调整修改参数，直到T满足阈值；所述T可以综合反映分类输出
的标签与原添加标签的整体性特点。
[0030]本申请还公开了基于物联网与大数据结合的人脸识别身份核验系统，包括物联网端摄像机，用于采集人脸图像源数据；
[0031]标签分配单元，用于基于物联网端的摄像机物理地址为人脸图像源数据添加标签；
[0032]大数据采集端，用于采集所有带标签的人脸图像源数据；
[0033]训练单元，用于通过大数据采集端采集所有带标签的人脸图像源数据形成训练的样本集；然后构建投影空间，为投影空间输入训练样本得到投影特征矩阵、主成分向量，为投影特征矩阵、主成分向量增加参数；还用于循环训练并优化参数；
[0034]分类单元，用于基于优化参数后的投影特征矩阵、主成分向量对数据分类；
[0035]校验单元，用于在多次数据分类中通过校验再次优化参数。
[0036]另用于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于物联网与大数据结合的人脸识别身份核验方法，其特征在于，包括步骤有：通过物联网端摄像机采集人脸图像源数据；基于物联网端的摄像机物理地址为人脸图像源数据添加标签；然后通过大数据采集端采集所有带标签的人脸图像源数据形成训练的样本集；然后构建投影空间，为投影空间输入训练样本得到投影特征矩阵、主成分向量，为投影特征矩阵、主成分向量增加参数；循环训练并优化参数；基于优化参数后的投影特征矩阵、主成分向量对数据分类；在多次数据分类中通过校验再次优化参数。2.根据权利要求1所述的基于物联网与大数据结合的人脸识别身份核验方法，其特征在于，所述构建投影空间包括有通过样本协方差矩阵计算特征值与对应特征向量，以特征向量构建投影空间。3.根据权利要求1所述的基于物联网与大数据结合的人脸识别身份核验方法，其特征在于，基于物联网端的摄像机物理地址为人脸图像源数据添加标签，具体地，为每一个物联网端相机分配一个与其物理地址对应的ID；对于从物联网端相机输出的人脸图像源数据为其分配一个专属标签，该专属标签人脸图像源数据由对应的ID、时间戳唯一确定。4.根据权利要求1所述的基于物联网与大数据结合的人脸识别身份核验方法，其特征在于，所述通过校验再次优化参数，具体地，首先将为人脸图像源数据添加的所有标签转化为一个时序组(t1,t2,t3......t
n
‑1，t
n
)其中共有n个标签，按照时序组的时间顺序将n个...

【专利技术属性】
技术研发人员：张小勇，
申请(专利权)人：张小勇，
类型：发明
国别省市：