一种用于人员居所精确定位的方法、系统及设备技术方案

本申请公开了一种用于人员居所精确定位的方法、系统及设备，该方法包括：采集待识别人员在门禁入口处刷卡时的多幅人脸图像；将人脸图像输入训练后的深度神经网络模型中，生成待识别人员的人脸关键点特征；该深度神经网络模型利用同时具有人脸特征标签和视角区间标签的样本人脸图像进行训练；将人脸关键点特征与已登记人员的人脸图像特征进行比对，如两者之间的相似度小于预设值，则获取待识别人员持有的门禁卡所关联的楼栋房间信息，实现居所精确定位。本发明专利技术结合人脸识别精确定位居所变迁人员及其对应的居所，并通过主动推送信息，辅助相关管理人员进行信息采集，有效解决目前居所变迁人员信息无法及时掌握、采集效率低、周期长等问题。长等问题。长等问题。

【技术实现步骤摘要】
一种用于人员居所精确定位的方法、系统及设备


[0001]本申请涉及物联网安防
，更具体地，涉及一种用于人员居所精确定位的方法、系统及设备。

技术介绍

[0002]随着我国工业化、城镇化、信息化的加速推进，社会流动性不断增强，跨地区流动已成为常态，越来越多的人口向大城市或中心城镇集聚。人口流动一方面为当地提供了充足的劳动力资源，促进了当地经济的发展，另一方面也带来了一系列的社会问题，给当地的治安环境带来了一定的安全隐患，所以居所变迁人员的基本信息的掌握是社会治理中极其重要的一环。
[0003]传统的居所变迁人员的信息管理，主要依靠居所变迁人员主动上报，但现实情况中居所变迁人员主动上报情况较少。同时，采取管理人员入户采集，现场填写纸质表册资料的方式进行采集。此种方式仍存在如下不足：无法精确采集目标，采用扫楼式摸排，耗时耗力；若被采集对象不在家，需反复上门，极易漏采；现场登记纸质文件，极其繁琐，同时采集后汇总相当麻烦，需要制作电子表格，耗时耗力。现在也存在部分自助上报、人为采集的手机APP，但仍无法解决精确定位，有效采集的问题。
[0004]申请公布号为CN201810738539.5的专利技术专利公开了“一种基于人脸识别技术的智慧社区人员信息采集系统”，技术方案中包括人脸识别采集装置、身份证读卡器、居住证读卡器、识别控制主机、LED显示器、管理服务器，人脸识别采集装置采用高清摄像头对社区人员进行脸部照片录入，并利用人脸识别技术进行人员身份确认；该技术方案虽然满足了人证合一的人员信息采集要求，但是，一方面，其无法精确定位具体的人员居所，只是单纯的信息的录入采集，假如无法主动判断是否为居所变迁人员及其对应的具体居所，在使用过程中将无法应用，导致实际应用效果较差；另一方面，受限于人脸图像抓拍时存在的姿态、遮挡等问题，致使人脸识别的准确性有待提高，若无法准确识别出人员身份，则后续的居所定位将无法顺利实施。

技术实现思路

[0005]针对现有技术的至少一个缺陷或改进需求，本专利技术提供了一种用于人员居所精确定位的方法、系统及设备，结合人脸识别技术实现居所变迁人员的判定及居所精确定位，将符合条件的居所变迁人员判定信息推送给对应管理人员，由管理人员根据具体定位的居所上门主动采集，杜绝了实际场景下的居所变迁人员定位难及被动采集难的问题，提高居所变迁人员信息采集的准确性和采集效率。
[0006]为实现上述目的，按照本专利技术的第一个方面，提供一种用于人员居所精确定位的方法，该方法包括：
[0007]采集待识别人员在门禁入口处刷门禁卡时的多幅人脸图像；
[0008]将所述人脸图像输入训练后的深度神经网络模型中，生成所述待识别人员的人脸
关键点特征；所述深度神经网络模型利用同时具有人脸特征标签和视角区间标签的样本人脸图像进行训练；
[0009]将所述人脸关键点特征与已登记人员的人脸图像特征进行比对，如两者之间的相似度小于预设值，则获取待识别人员持有的门禁卡所关联的楼栋房间信息，实现居所精确定位。
[0010]进一步地，上述用于人员居所精确定位的方法中，所述深度神经网络模型的训练过程包括：
[0011]将具有人脸特征标签和视角区间标签的样本人脸图像输入待训练的深度神经网络模型中，生成人脸特征预测数据及视角预测数据；
[0012]分别计算所述人脸特征标签与人脸特征预测数据之间的第一误差，以及所述视角区间标签与视角预测数据之间的第二误差；
[0013]反向调整所述待训练的深度神经网络模型的模型参数，直至损失函数最小化；所述损失函数为所述第一误差与第二误差的加权和。
[0014]进一步地，上述用于人员居所精确定位的方法中，所述采集待识别人员在门禁入口处刷门禁卡时的多幅人脸图像之后，还包括：
[0015]根据每幅所述人脸图像中人脸的左右偏转角度、上下俯仰角度及斜方向翻转角度确定人脸图像的质量分数；
[0016]将各幅人脸图像对应的所述质量分数进行排序，取质量分数大于预设人脸质量阈值的人脸图像输入深度神经网络模型中。
[0017]进一步地，上述用于人员居所精确定位的方法中，所述将人脸图像输入训练后的深度神经网络模型中，生成所述待识别人员的人脸关键点特征，包括：
[0018]对人脸图像进行空间变换，分别提取每幅人脸图像中的人脸特征及多视角特征，生成多个人脸候选框；
[0019]根据置信度对多个人脸候选框进行排序，取置信度不低于预设的人脸置信度的人脸候选框进行关键点定位，生成人脸关键点特征。
[0020]进一步地，上述用于人员居所精确定位的方法还包括：
[0021]获取待识别人员持有的门禁卡所关联的楼栋房间内的其他登记人员的信息，将待识别人员的人脸关键点特征与其他登记人员的人脸图像特征进行逐一比对；
[0022]若待识别人员的人脸关键点特征与每个其他登记人员的人脸图像特征之间的相似度均小于预设值，则生成居所变迁人员推送信息；所述居所变迁人员推送信息包括待识别人员的人脸图像及持有的门禁卡所关联的楼栋房间信息。
[0023]进一步地，上述用于人员居所精确定位的方法还包括：
[0024]根据待识别人员的人脸图像进行搜图，获得该人脸图像对应的所有抓拍人脸图像及抓拍的场景图像；
[0025]根据抓拍的时间点以及场景图像中对应的抓拍位置，按照时间顺序对待识别人员进行轨迹追踪。
[0026]按照本专利技术的第二个方面，还提供一种用于人员居所精确定位的系统，其包括：
[0027]人脸识别模块，其被配置为采集待识别人员在门禁入口处刷门禁卡时的多幅人脸图像，并将所述人脸图像输入训练后的深度神经网络模型中，生成所述待识别人员的人脸
关键点特征；所述深度神经网络模型利用同时具有人脸特征标签和视角区间标签的样本人脸图像进行训练；
[0028]数据分析模块，其被配置为将所述人脸关键点特征与已登记人员的人脸图像特征进行比对，如两者之间的相似度小于预设值，则获取待识别人员持有的门禁卡所关联的楼栋房间信息，实现居所精确定位。
[0029]进一步地，上述用于人员居所精确定位的系统中，所述数据分析模块还用于获取待识别人员持有的门禁卡所关联的楼栋房间内的其他登记人员的信息，将待识别人员的人脸关键点特征与其他登记人员的人脸图像特征进行逐一比对；
[0030]若待识别人员的人脸关键点特征与每个其他登记人员的人脸图像特征之间的相似度均小于预设值，则生成居所变迁人员推送信息；所述居所变迁人员推送信息包括待识别人员的人脸图像及持有的门禁卡所关联的楼栋房间信息。
[0031]进一步地，上述用于人员居所精确定位的系统还包括：
[0032]门禁管理模块，其被配置为生成待识别人员在门禁入口处的刷卡通行记录；所述刷卡通行记录包括卡号、所刷门禁点位、通行楼栋单元号、刷卡时间；
[0033]移动客户端，其被配置为接收数据分析模块发送的居所变迁人员推送信息并显示。
[0034]按照本专利技术的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于人员居所精确定位的方法，其特征在于，包括：采集待识别人员在门禁入口处刷卡时的多幅人脸图像；将所述人脸图像输入训练后的深度神经网络模型中，生成所述待识别人员的人脸关键点特征；所述深度神经网络模型利用同时具有人脸特征标签和视角区间标签的样本人脸图像进行训练；将所述人脸关键点特征与已登记人员的人脸图像特征进行比对，如两者之间的相似度小于预设值，则获取待识别人员持有的门禁卡所关联的楼栋房间信息，实现居所精确定位。2.如权利要求1所述的用于人员居所精确定位的方法，其特征在于，所述深度神经网络模型的训练过程包括：将具有人脸特征标签和视角区间标签的样本人脸图像输入待训练的深度神经网络模型中，生成人脸特征预测数据及视角预测数据；分别计算所述人脸特征标签与人脸特征预测数据之间的第一误差，以及所述视角区间标签与视角预测数据之间的第二误差；反向调整所述待训练的深度神经网络模型的模型参数，直至损失函数最小化；所述损失函数为所述第一误差与第二误差的加权和。3.如权利要求1所述的用于人员居所精确定位的方法，其特征在于，所述采集待识别人员在门禁入口处刷门禁卡时的多幅人脸图像之后，还包括：根据每幅所述人脸图像中人脸的左右偏转角度、上下俯仰角度及斜方向翻转角度确定人脸图像的质量分数；将各幅人脸图像对应的所述质量分数进行排序，取质量分数大于预设人脸质量阈值的人脸图像输入深度神经网络模型中。4.如权利要求1所述的用于人员居所精确定位的方法，其特征在于，所述将人脸图像输入训练后的深度神经网络模型中，生成所述待识别人员的人脸关键点特征，包括：对人脸图像进行空间变换，分别提取每幅人脸图像中的人脸特征及多视角特征，生成多个人脸候选框；根据置信度对多个人脸候选框进行排序，取置信度不低于预设的人脸置信度的人脸候选框进行关键点定位，生成人脸关键点特征。5.如权利要求1所述的用于人员居所精确定位的方法，其特征在于，还包括：获取待识别人员持有的门禁卡所关联的楼栋房间内的其他登记人员的信息，将待识别人员的人脸关键点特征与其他登记人员的人脸图像特征进行逐一比对；若待识别人员的人脸关键点特征与每个其他登记人员...

【专利技术属性】
技术研发人员：张松，黄晓艳，孙含福，
申请(专利权)人：武汉虹信技术服务有限责任公司，
类型：发明
国别省市：