一种高拍仪自动识别客户人脸信息的方法技术

本发明专利技术特别涉及一种高拍仪自动识别客户人脸信息的方法。该高拍仪自动识别客户人脸信息的方法，通过基于深度学习残差网络ResNet

【技术实现步骤摘要】
一种高拍仪自动识别客户人脸信息的方法


[0001]本专利技术涉及人脸识别
，特别涉及一种高拍仪自动识别客户人脸信息的方法。

技术介绍

[0002]随着近几年运营商业务的不断更新迭代以及信息化的高度发展，运营商业务也在信息化，高效化以及安全性等方面提出了更高的要求。
[0003]CRM(CustomerRelationshipManagement)系统是服务于客户，紧密连接客户与运营商的客户关系管理系统。信息服务提供商通过CRM系统给客户办理业务，使客户得到良好的体验。
[0004]为了提高运营商为客户办理业务的效率以及安全性，并且增加更多的自助业务模式，本专利技术提出了一种高拍仪自动识别客户人脸信息的方法。

技术实现思路

[0005]本专利技术为了弥补现有技术的缺陷，提供了一种简单高效的高拍仪自动识别客户人脸信息的方法。
[0006]本专利技术是通过如下技术方案实现的：
[0007]一种高拍仪自动识别客户人脸信息的方法，其特征在于：通过基于深度学习残差网络ResNet
‑
10在图像的单通道SSD中检测多个人脸，并与CRM系统中的存量客户图片信息进行比对和计算，自动识别客户信息；
[0008]当客户通过运营商提供的自助服务APP用摄像头进行信息验证或客户在营业厅通过柜台的高拍仪办理业务时，在CRM系统内识别业务办理人与证件所有者是否是同一人，以便快速在系统中提取客户信息。
[0009]CRM系统内置基于深度学习残差网络ResNet<br/>‑
10的SSD(SingleShotDetector，多分类单通道检测器)算法，用于实现人脸模型的提取、训练与分析处理。
[0010]本专利技术高拍仪自动识别客户人脸信息的方法，用Python封装基于深度学习残差网络ResNet
‑
10，加载训练SSD算法模型；
[0011]web前端采用Javascript与Ajax技术获取高拍仪拍摄的人脸图像信息，web后台通过Spring框架实现，采用java语言调用人脸识别算法并获取结果返回客户信息。
[0012]包括以下步骤：
[0013]步骤S1、获取前台图片信息
[0014]利用前台js脚本获取高拍仪识别到的客户图片信息，并将获取到的图片数据通过Ajax请求的方式作为数据传到java后台；
[0015]步骤S2、封装图片，训练识别的公共方法；
[0016]步骤S3、Java后台得到前台传递的后台图片信息后，调用图片训练识别的公共方法，并返回具体识别信息；
[0017]步骤S4、Java后台得到人像比对结果，并进行信息确认，识别并返回客户信息。
[0018]所述步骤S2中，实现步骤如下：
[0019]步骤S1.1、加载经过预训练的SSD算法模型；
[0020]步骤S1.2、数据预处理，将前台采集到的原始人脸以及身份证图片转换为指定格式和大小，并进行存储；
[0021]步骤S1.3、将经过预处理的原始人脸以及身份证图片送入SSD算法模型；
[0022]步骤S1.4、通过SSD算法模型推理与分析，实现人脸检测；
[0023]步骤S1.5、遍历所有的人脸图片和身份证图片
[0024]步骤S1.6、设置置信度，通过阈值过滤不置信的人脸；
[0025]步骤S1.7、训练人脸边框坐标点，获取在置信度范围内的人脸图片的人脸边框坐标点。
[0026]所述人脸图片用数组表达，数组的第3位用于存放置信度，数组的第4～7位用于存放检测出来的人脸矩形框左上角和右下角的坐标。
[0027]所述步骤S1.2中，原始人脸以及身份证图片为blob格式。
[0028]一种高拍仪自动识别客户人脸信息的设备，其特征在于：包括存储器和处理器；所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序时实现上述的方法步骤。
[0029]一种可读存储介质，其特征在于：所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法步骤。
[0030]本专利技术的有益效果是：该高拍仪自动识别客户人脸信息的方法，可以准确识别业务办理人与证件所有者是否是同一人，快速在系统中提取客户信息，有效解决了业务办理缓慢问题的情况，大大提高了运营商为客户办理业务的效率以及安全性，还能增加更多的自助业务模式。
附图说明
[0031]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0032]附图1为本专利技术高拍仪自动识别客户人脸信息的方法示意图。
具体实施方式
[0033]为了使本
的人员更好的理解本专利技术中的技术方案，下面将结合本专利技术实施例，对本专利技术实施例中的技术方案进行清楚，完整的描述。显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0034]在过去几年中，相比与传统的非机器学习的人脸识别算法在准确度和灵活度的欠缺，深度残差网络(deepResidualNetwork，简称ResNet网络)成为在计算机视觉、深度学习社区等领域中比较具有突破性的成果。ResNet网络在VGG19网络基础上进行修改，并通过短
路机制加入了残差单元得到的。变化主要体现在ResNet网络直接使用stride＝2的卷积做下采样，并且用globalaveragepool层替换了全连接层。ResNet网络的一个重要设计原则是：当featuremap大小降低一半时，featuremap的数量增加一倍。这一原则保持了网络层的复杂度，很好的解决了网络退化的问题，从而实现了对于图像的精准分析、学习以及识别。
[0035]该高拍仪自动识别客户人脸信息的方法，通过基于深度学习残差网络ResNet
‑
10在图像的单通道SSD中检测多个人脸，并与CRM系统中的存量客户图片信息进行比对和计算，自动识别客户信息；
[0036]当客户通过运营商提供的自助服务APP用摄像头进行信息验证或客户在营业厅通过柜台的高拍仪办理业务时，在CRM系统内识别业务办理人与证件所有者是否是同一人，以便快速在系统中提取客户信息。
[0037]CRM系统内置基于深度学习残差网络ResNet
‑
10的SSD(SingleShotDetector，多分类单通道检测器)算法，用于实现人脸模型的提取、训练与分析处理。
[0038]鉴于Python在机器学习和人工智能方面的独特优势，该高拍仪自动识别客户人脸信息的方法，用Python封装基于深度学习残差网络ResNet
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高拍仪自动识别客户人脸信息的方法，其特征在于：通过基于深度学习残差网络ResNet
‑
10在图像的单通道SSD中检测多个人脸，并与CRM系统中的存量客户图片信息进行比对和计算，自动识别客户信息；当客户通过运营商提供的自助服务APP用摄像头进行信息验证或客户在营业厅通过柜台的高拍仪办理业务时，在CRM系统内识别业务办理人与证件所有者是否是同一人，以便快速在系统中提取客户信息。2.根据权利要求1所述的高拍仪自动识别客户人脸信息的方法，其特征在于：CRM系统内置基于深度学习残差网络ResNet
‑
10的SSD算法模型，用于实现人脸模型的提取、训练与分析处理。3.根据权利要求2所述的高拍仪自动识别客户人脸信息的方法，其特征在于：用Python封装基于深度学习残差网络ResNet
‑
10，加载训练SSD算法模型；web前端采用Javascript与Ajax技术获取高拍仪拍摄的人脸图像信息，web后台通过Spring框架实现，采用java语言调用人脸识别算法并获取结果返回客户信息。4.根据权利要求3所述的高拍仪自动识别客户人脸信息的方法，其特征在于：包括以下步骤：步骤S1、获取前台图片信息利用前台js脚本获取高拍仪识别到的客户图片信息，并将获取到的图片数据通过Ajax请求的方式作为数据传到java后台；步骤S2、封装图片，训练识别的公共方法；步骤S3、Java后台得到前台传递的后台图片信息后，调用图片训练识别的公共方法...

【专利技术属性】
技术研发人员：陈贻钢，刘延亮，
申请(专利权)人：浪潮通信信息系统有限公司，
类型：发明
国别省市：