一种黑名单人员识别系统、方法、介质及电子设备技术方案

本发明专利技术涉及人工智能识别技术，特别涉及一种黑名单人员识别系统、方法、介质及电子设备。所述黑名单人员识别系统包括服务器端、边缘终端及图像采集终端，通过利用边缘终端进行人脸检测、人脸识别及人脸比对，能够实现黑名单人员识别的目的。相较于传统的云计算服务器识别，本发明专利技术的识别系统具有更快的响应速度，不仅能够极大节省带宽、提升服务响应速度与可靠性，还能避免数据泄漏、降低服务器能耗及成本，满足监控安防业务的基本需求。满足监控安防业务的基本需求。满足监控安防业务的基本需求。

【技术实现步骤摘要】
一种黑名单人员识别系统、方法、介质及电子设备


[0001]本专利技术涉及人工智能识别技术，特别涉及一种黑名单人员识别系统、方法、介质及电子设备。

技术介绍

[0002]随着智能监控系统对海量视频采集的不断发展，传统的监控人员通过人工审核方式很难做到保持24小时实时监控，而随着人脸检测、人脸识别(以下人脸检测和识别统称为人脸识别)等AI技术快速发展，其在减少人工审核成本上有得天独厚的优势。
[0003]目前，传统的人脸识别一般是通过先将视频或图片数据上传到服务器端，再由性能较好的服务器端进行人脸识别。而服务器端上一般是部署了参数较多、网络层数较深且较复杂的深度神经网络模型，并通过API接口的形式，将边缘终端上采集的视频或图片数据上传到服务器端，服务器端再识别分析并返回人脸识别结果给边缘终端。然而，上述人脸识别方式使得边缘终端过度依赖服务器端，不论是边缘终端向服务器端实时传输用户数据还是服务器端向边缘终端实时返回结果都极其依赖双方的网络质量，并且还需要大量的并发来处理相关的传输数据，容易在密集使用期间造成服务器端的压力过大，造成服务响应延迟，从而极大影响用户体验。特别是需要大范围人脸识别监测时，还存在数据网络传输延时高、网络带宽消耗大、云计算数据中心能耗高、数据安全性差和隐私性差等诸多问题。

技术实现思路

[0004]为解决上述现有技术中人脸云计算识别存在的数据网络传输延时高、网络带宽消耗大、云计算数据中心能耗高、数据安全性差和隐私性差等至少一个不足，本专利技术提供一种黑名单人员识别系统，包括服务器端、边缘终端及图像采集终端，所述图像采集终端用于采集待识别的视频数据或图片数据并传输给边缘终端；所述服务器端用于进行卷积神经网络训练和转化以得到边缘终端专用的人脸检测模型和人脸识别模型并传输给边缘终端；
[0005]所述边缘终端包括：
[0006]人脸检测模块，具有所述边缘终端专用的人脸检测模型，用于接收待识别的视频数据或图片数据，并采用所述边缘终端专用的人脸检测模型对所述视频或图片进行人脸检测以获得含有人脸的图片；
[0007]人脸识别模块，具有所述边缘终端专用的人脸识别模型，用于将含有人脸的图片输入至所述人脸识别模型中以提取出相关人员的待识别人脸特征向量；
[0008]数据库模块，用于存储黑名单人员的人脸特征向量；
[0009]比对模块，用于将所述相关人员的待识别人脸特征向量与所述黑名单人员的人脸特征向量进行一一比对以获取相关人员的人脸相似度分值；若所述相关人员的人脸相似度分值大于等于预设阈值，则判定所述相关人员为黑名单人员；若所述相关人员的人脸相似度分值小于预设阈值，则判定所述相关人员不是黑名单人员。
[0010]在一实施例中，还包括显示模块，所述显示模块用于显示被判定为黑名单人员的
相关人员并进行预警或标记。
[0011]在一实施例中，所述边缘终端专用的人脸识别模型为瑞芯微开发板上使用的RKNN模型或英伟达Jetson系列产品上使用的TensorRT(TRT)模型，所述人脸检测模块为RKNN模型或TRT模型。
[0012]在一实施例中，所述边缘终端采用含有瑞芯微RK3588处理器的开发板或英伟达Jetson系列产品。
[0013]在一实施例中，所述人脸识别模块还具有预处理单元，所述预处理单元用于将含有人脸的图片进行裁剪并进行图像增强处理。
[0014]在一实施例中，所述图像增强处理包括对图像进行缩放、高斯滤波处理、对比度改变、锐化处理、人脸矫正中至少一种或多种。
[0015]本专利技术还包括一种黑名单人员识别方法，包括以下步骤：
[0016]图像采集步骤，通过图像采集终端采集待识别的视频数据或图片数据并传输给所述边缘终端；
[0017]数据传输步骤，通过所述服务器端进行卷积神经网络训练和转化以得到边缘终端专用的人脸检测模型和人脸识别模型；
[0018]人脸检测步骤，接收待识别的视频数据或图片数据，并采用所述边缘终端专用的人脸检测模型对所述视频或图片进行人脸检测以获得含有人脸的图片；
[0019]人脸识别步骤，将含有人脸的图片输入至所述边缘终端专用的人脸识别模型中以提取出相关人员的待识别人脸特征向量；
[0020]数据库存储步骤，存储黑名单人员的人脸特征向量；
[0021]比对步骤，将所述相关人员的待识别人脸特征向量与所述黑名单人员的人脸特征向量进行一一比对以获取相关人员的人脸相似度分值；若所述相关人员的人脸相似度分值大于等于预设阈值，则判定所述相关人员为黑名单人员；若所述相关人员的人脸相似度分值小于预设阈值，则判定所述相关人员不是黑名单人员。
[0022]在一实施例中，还包括显示步骤，将被判定为黑名单人员的相关人员显示在黑名单人员识别系统上并进行预警或标记。
[0023]本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机被处理器执行时实现如上任一实施例所述的黑名单人员识别方法。
[0024]本专利技术还提供一种电子设备，包括至少一个处理器及与所述处理器通信连接的存储器，其中所述存储器存储可被至少一个处理器执行的指令，所述指令被至少一个处理器执行，以使所述处理器执行如上任一实施例所述的黑名单人员识别方法。
[0025]基于上述，与现有技术相比，本专利技术提供的黑名单人员识别系统通过利用边缘终端进行人脸检测、人脸识别及人脸比对，能够实现黑名单人员识别的目的。相较于传统的云计算服务器识别，本专利技术的识别系统具有更快的响应速度，不仅能够极大节省带宽、提升服务响应速度与可靠性，还能避免数据泄漏、降低服务器能耗及成本，满足监控安防业务的基本需求。
[0026]本专利技术的其它特征和有益效果将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他有益效果可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
[0027]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一简单地介绍，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；在下面描述中附图所述的位置关系，若无特别指明，皆是图示中组件绘示的方向为基准。
[0028]图1为本专利技术一实施例提供的黑名单人员识别系统的结构框图；
[0029]图2为显示模块的系统界面显示图；
[0030]图3为本专利技术一实施例提供的黑名单人员识别方法的步骤流程图。
具体实施方式
[0031]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例；下面所描述的本专利技术不同实施方式中所设计的技术特征只要彼此之间未构成冲突就可以相互结合本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种黑名单人员识别系统，其特征在于，包括服务器端、边缘终端及图像采集终端，所述图像采集终端用于采集待识别的视频数据或图片数据并传输给边缘终端；所述服务器端用于进行卷积神经网络训练和转化以得到边缘终端专用的人脸检测模型和人脸识别模型并传输给边缘终端；所述边缘终端包括：人脸检测模块，具有所述边缘终端专用的人脸检测模型，用于接收待识别的视频数据或图片数据，并采用所述边缘终端专用的人脸检测模型对所述视频或图片进行人脸检测以获得含有人脸的图片；人脸识别模块，具有所述边缘终端专用的人脸识别模型，用于将含有人脸的图片输入至所述人脸识别模型中以提取出相关人员的待识别人脸特征向量；数据库模块，用于存储黑名单人员的人脸特征向量；比对模块，用于将所述相关人员的待识别人脸特征向量与所述黑名单人员的人脸特征向量进行一一比对以获取相关人员的人脸相似度分值；若所述相关人员的人脸相似度分值大于等于预设阈值，则判定所述相关人员为黑名单人员；若所述相关人员的人脸相似度分值小于预设阈值，则判定所述相关人员不是黑名单人员。2.根据权利要求1所述的黑名单人员识别系统，其特征在于：还包括显示模块，所述显示模块用于显示被判定为黑名单人员的相关人员并进行预警或标记。3.根据权利要求1所述的黑名单人员识别系统，其特征在于：所述边缘终端专用的人脸识别模型为瑞芯微开发板上使用的RKNN模型或英伟达Jetson系列产品上使用的TensorRT(TRT)模型，所述人脸检测模块为RKNN模型或TRT模型。4.根据权利要求1所述的黑名单人员识别系统，其特征在于：所述边缘终端采用含有瑞芯微RK3588处理器的开发板或英伟达Jetson系列产品。5.根据权利要求1所述的黑名单人员识别系统，其特征在于：所述人脸识别模块还具有预处理单元，所述预处理单元用于将含有人脸的...

【专利技术属性】
技术研发人员：陈坤龙，庄国强，薛鑫伟，章瑶，
申请(专利权)人：易联众智鼎厦门科技有限公司，
类型：发明
国别省市：