本发明专利技术涉及一种基于人脸识别和行为大数据的综合安防评估系统及方法,在安防视频中获取待识别目标的人脸图像数据与行为图像数据,首先判断人脸图像数据的分辨率是否满足阈值,如果满足则通过成熟的卷积神经网络模型对人脸图像数据识别并输出结果,如不满足则通过成熟的行为图像识别函数先对行为图像数据进行分类;然后通过成熟的卷积神经网络模型对人脸图像数据进行分类,如成熟的行为图像识别函数与成熟的卷积神经网络模型输出分类一致则结束分类,否则进行修改;如一致则输出该一致的分类,否则输出分类未决,本申请对人脸面部表情进行分类检测识别的准确率更高。情进行分类检测识别的准确率更高。
【技术实现步骤摘要】
基于人脸识别和行为大数据的综合安防评估系统及方法
[0001]本专利技术涉及一种基于人脸识别和行为大数据的综合安防评估系统及方法。
技术介绍
[0002]在现有技术中,对于人脸的面部表情的识别成功率并不是特别高,人脸识别的成功率并不能够使得安防系统对人脸识别的结果做出精准的判断,在现有技术中,为了实现人脸识别与智能安防的结合,需要对人脸识别的面部表情进行评估,在相关的现有技术中,比如专利文献CN110532900B,公开了一种对人脸表情进行识别的方法,在该技术中,通过获取训练的样本,然后使用卷积神经网络的模型对训练的样本进行训练,在此基础上人脸表情进行分类检测,那么该类技术分类检测对人脸面部表情进行分类检测识别的准确率并不能够达到预期的目的。
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人脸识别和行为大数据的综合安防评估系统及方法。
[0004]本专利技术解决其技术问题所采用的技术方案:基于人脸识别和行为大数据的综合安防评估方法包括步骤:
[0005]采集带有标签的人脸图像数据以及带有标签的行为图像数据,其中的标签具体为对人脸图像数据、行为图像数据的分类标签;
[0006]基于人脸图像数据对卷积神经网络模型初步训练得到成熟的卷积神经网络模型;基于行为图像数据建立行为图像识别函数,行为图像识别函数用于输入行为图像数据输出对行为图像数据的分类,并且通过训练修改行为图像识别函数的参数得到成熟的行为图像识别函数;预先将人脸面部表情划分为m个类别;m等于6则面部表情类别分别为m1类,m2类,m3类....m6类;采集未有标签的人脸图像数据并输入到成熟的卷积神经网络模型然后统计所有识别错误的数据;在所有识别错误数据中统计成熟的卷积神经网络模型将m个类别中一种表情识别为另外一种错误表情的所有概率:
[0007]P
ij
其中i≠j,i=1,2,3,4,5,6;j=1,2,3,4,5,6;P
ij
即为成熟的卷积神经网络模型将第m
i
类表情识别为第m
j
类表情的概率;
[0008]在安防视频中获取待识别目标的人脸图像数据与行为图像数据,首先判断人脸图像数据的分辨率是否满足阈值,如果满足则通过成熟的卷积神经网络模型对人脸图像数据识别并输出结果,如不满足则通过成熟的行为图像识别函数先对行为图像数据进行分类;然后通过成熟的卷积神经网络模型对人脸图像数据进行分类,如成熟的行为图像识别函数与成熟的卷积神经网络模型输出分类一致则结束分类,否则根据P
ij
对“成熟的卷积神经网络模型对人脸图像数据的分类”进行修改;
[0009]如成熟的行为图像识别函数输出分类与“对“成熟的卷积神经网络模型对人脸图像数据的分类”修改后分类”一致则输出该一致的分类,否则输出分类未决。
[0010]进一步,所述根据P
ij
对“成熟的卷积神经网络模型对人脸图像数据的分类”进行修改,具体地,P
ij
共计有30个值,按照大小将P
ij
的30个值分成5个层级,每个层级6个值;当P
ij
的值越大则层级越高,P
ij
的层级较低时则将其标记为不具有参考性,否则标记为具有参考性,当“成熟的卷积神经网络模型对人脸图像数据的分类”结果中其表情类为第m
j
类表情时则判断相应的P
ij
是否为具有参考性的,如否则结束,如是则将“成熟的卷积神经网络模型对人脸图像数据的分类”修改为第m
j
类表情;其中i≠j,i=1,2,3,4,5,6;j=1,2,3,4,5,6。
[0011]进一步,所述卷积神经网络模型的构建基于深度神经网络U
‑
nct和局部监督卷积神经网络LS
‑
CNN构建。
[0012]一种基于人脸识别和行为大数据的综合安防评估系统,包括,
[0013]图像采集单元,用于采集带有标签的人脸图像数据以及带有标签的行为图像数据,其中的标签具体为对人脸图像数据、行为图像数据的分类标签;
[0014]训练单元,用于基于人脸图像数据对卷积神经网络模型初步训练得到成熟的卷积神经网络模型;还用于基于行为图像数据建立行为图像识别函数,行为图像识别函数用于输入行为图像数据输出对行为图像数据的分类,并且通过训练修改行为图像识别函数的参数得到成熟的行为图像识别函数;
[0015]表情分类单元,用于预先将人脸面部表情划分为m个类别;m等于6则面部表情类别分别为m1类,m2类,m3类....m6类;
[0016]统计单元,用于采集未有标签的人脸图像数据并输入到成熟的卷积神经网络模型然后统计所有识别错误的数据;在所有识别错误数据中统计成熟的卷积神经网络模型将m个类别中一种表情识别为另外一种错误表情的所有概率:
[0017]P
ij
其中i≠j,i=1,2,3,4,5,6;j=1,2,3,4,5,6;P
ij
即为成熟的卷积神经网络模型将第m
i
类表情识别为第m
j
类表情的概率;
[0018]判断单元,用于在安防视频中获取待识别目标的人脸图像数据与行为图像数据,首先判断人脸图像数据的分辨率是否满足阈值,如果满足则通过成熟的卷积神经网络模型对人脸图像数据识别并输出结果,如不满足则通过成熟的行为图像识别函数先对行为图像数据进行分类;然后通过成熟的卷积神经网络模型对人脸图像数据进行分类,如成熟的行为图像识别函数与成熟的卷积神经网络模型输出分类一致则结束分类,否则根据P
ij
对“成熟的卷积神经网络模型对人脸图像数据的分类”进行修改;如成熟的行为图像识别函数输出分类与“对“成熟的卷积神经网络模型对人脸图像数据的分类”修改后分类”一致则输出该一致的分类,否则输出分类未决。
[0019]进一步,还包括处理器,其用于执行图像采集单元、训练单元、表情分类单元、统计单元、判断单元对应的可执行代码。
[0020]有益效果
[0021]在安防视频中获取待识别目标的人脸图像数据与行为图像数据,首先判断人脸图像数据的分辨率是否满足阈值,如果满足则通过成熟的卷积神经网络模型对人脸图像数据识别并输出结果,如不满足则通过成熟的行为图像识别函数先对行为图像数据进行分类;然后通过成熟的卷积神经网络模型对人脸图像数据进行分类,如成熟的行为图像识别函数与成熟的卷积神经网络模型输出分类一致则结束分类,否则根据P
ij
对“成熟的卷积神经网络模型对人脸图像数据的分类”进行修改;如成熟的行为图像识别函数输出分类与“对“成
熟的卷积神经网络模型对人脸图像数据的分类”修改后分类”一致则输出该一致的分类,否则输出分类未决,本申请对人脸面部表情进行分类检测识别的准确率更高。
具体实施方式
[0022]本申请公开了基于人脸识别和行为大数据的综合安防本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于人脸识别和行为大数据的综合安防评估方法,其特征在于,包括步骤采集带有标签的人脸图像数据以及带有标签的行为图像数据,其中的标签具体为对人脸图像数据、行为图像数据的分类标签;基于人脸图像数据对卷积神经网络模型初步训练得到成熟的卷积神经网络模型;基于行为图像数据建立行为图像识别函数,行为图像识别函数用于输入行为图像数据输出对行为图像数据的分类,并且通过训练修改行为图像识别函数的参数得到成熟的行为图像识别函数;预先将人脸面部表情划分为m个类别;m等于6则面部表情类别分别为m1类,m2类,m3类....m6类;采集未有标签的人脸图像数据并输入到成熟的卷积神经网络模型然后统计所有识别错误的数据;在所有识别错误数据中统计成熟的卷积神经网络模型将m个类别中一种表情识别为另外一种错误表情的所有概率:P
ij
其中i≠j,i=1,2,3,4,5,6;j=1,2,3,4,5,6;P
ij
即为成熟的卷积神经网络模型将第m
i
类表情识别为第m
j
类表情的概率;在安防视频中获取待识别目标的人脸图像数据与行为图像数据,首先判断人脸图像数据的分辨率是否满足阈值,如果满足则通过成熟的卷积神经网络模型对人脸图像数据识别并输出结果,如不满足则通过成熟的行为图像识别函数先对行为图像数据进行分类;然后通过成熟的卷积神经网络模型对人脸图像数据进行分类,如成熟的行为图像识别函数与成熟的卷积神经网络模型输出分类一致则结束分类,否则根据P
ij
对“成熟的卷积神经网络模型对人脸图像数据的分类”进行修改;如成熟的行为图像识别函数输出分类与“对“成熟的卷积神经网络模型对人脸图像数据的分类”修改后分类”一致则输出该一致的分类,否则输出分类未决。2.根据权利要求1所述的一种基于人脸识别和行为大数据的综合安防评估方法,其特征在于,所述根据P
ij
对“成熟的卷积神经网络模型对人脸图像数据的分类”进行修改,具体地,P
ij
共计有30个值,按照大小将P
ij
的30个值分成5个层级,每个层级6个值;当P
ij
的值越大则层级越高,P
ij
的层级较低时则将其标记为不具有参考性,否则标记为具有参考性,当“成熟的卷积神经网络模型对人脸图像数据的分类”结果中其表情类为第m
j
类表情时则判断相应的P
ij
是否为具有参考性的,如否则结束,如是则将“成熟的...
【专利技术属性】
技术研发人员:陈灿平,
申请(专利权)人:陈灿平,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。