一种基于人脸识别的访客辨识方法、存储介质及电子设备技术

本发明专利技术涉及智能安防技术领域，特别是涉及一种基于人脸识别的访客辨识方法、存储介质及电子设备。包括：对第一视频流进行访客特征处理，生成对应的第一特征值；对第二视频流进行访客特征处理，生成离开访客第二特征值；计算第二特征值与已生成的第一特征值的相似度；若第二特征值与已生成的第一特征值的相似度大于第一相似度阈值，则确定离开访客与对应的进入访客为同一访客。本发明专利技术通过将离开访客与已进入的访客进行相似度比较，进而可以通过相似度对要离开的访客与已进入的访客进行匹配，如果匹配成功则可以放行，如果匹配失败则告警。由此，可以保证可以离开的访客必然为已进入的访客中的一位，进而可以避免访客在进出过程中的错出问题。的错出问题。的错出问题。

【技术实现步骤摘要】
一种基于人脸识别的访客辨识方法、存储介质及电子设备


[0001]本专利技术涉及智能安防
，特别是涉及一种基于人脸识别的访客辨识方法、存储介质及电子设备。

技术介绍

[0002]在当前的安全监控和人员管理领域，对于实时视频流的处理和人员特征识别的需求越来越多。传统的安全监控系统通常依赖于人工操作和分析，耗时且容易出错。随着计算机视觉技术的发展，也出现了一些基于人脸识别技术的门禁系统，用于检查访客的进出权限，并根据进出权限进行放行与拦截。但是，现有的门禁系统无法有效辨识大批量访客在进出过程中的错出问题。

技术实现思路

[0003]针对上述技术问题，本专利技术采用的技术方案为：
[0004]根据本专利技术的一个方面，提供了一种基于人脸识别的访客辨识方法，该方法包括如下步骤：
[0005]获取进入访客位于第一目标区域中时产生的第一视频流，第一视频流中包括多帧第一待检测图像；
[0006]对第一视频流中的每一帧第一待检测图像进行访客特征处理，生成进入访客对应的第一特征值；
[0007]获取离开访客位于第二目标区域中时产生的第二视频流，第二视频流中包括多帧第二待检测图像；
[0008]对第二视频流中的每一帧第二待检测图像进行访客特征处理，生成离开访客对应的第二特征值；
[0009]计算离开访客对应的第二特征值与已生成的每一第一特征值的相似度；
[0010]若离开访客对应的第二特征值与已生成的任一第一特征值的相似度大于第一相似度阈值，则确定离开访客与任一第一特征值对应的进入访客为同一访客；
[0011]访客特征处理，包括：
[0012]将待检测图像输入SCRFD模型中，以识别待检测图像中是否有人脸图像；待检测图像包括第一待检测图像及第二待检测图像；
[0013]若待检测图像中有人脸图像，则将待检测图像分别输入RepVGG模型、IResNet模型及DeepSORT模型，生成人脸图像对应的正位参数、人脸特征值及人脸跟踪标识；
[0014]RepVGG模型用于生成人脸图像的脸部正位参数，脸部正位参数用于表示人脸图像与目标正脸图像之间的接近程度；IResNet模型用于生成人脸图像的人脸特征值；每一人脸图像唯一对应一个人脸特征值；DeepSORT模型用于生成人脸图像的人脸跟踪标识；同一访客的人脸图像对应同一人脸跟踪标识；
[0015]从同一视频流对应的所有待检测图像中，筛选出每一访客对应的目标特征值，目
标特征值为同一人脸跟踪标识对应的多个人脸特征值中，最大正位参数所对应的人脸特征值。
[0016]进一步的，在生成进入访客对应的第一特征值之后，该方法还包括：
[0017]为第一特征值配置进入标签；
[0018]将第一特征值及对应的进入标签存入进入访客数据库中。
[0019]进一步的，在生成离开访客对应的第二特征值之后，该方法还包括：
[0020]为第二特征值配置离开标签；
[0021]将第二特征值及对应的离开标签存入离开访客数据库中。
[0022]进一步的，在将第二特征值及对应的离开标签存入离开访客数据库中之后，该方法还包括：
[0023]到达预设时间时，计算进入访客数据库中已有的每一第一特征值分别与离开访客数据库中已有的每一第二特征值的相似度，生成每一第一特征值及第二特征值对应的相似度序列；其中，A
Ji
为进入访客数据库中已有的第i个第一特征值对应的相似度序列，A
Ji
＝(A
Ji1
、A
Ji2
、
…
、A
Jin
、
…
、A
Jif(L)
)，i＝1、2、
…
、f(J)，f(J)为进入访客数据库中已有的第一特征值的总数量；A
Jin
为进入访客数据库中已有的第i个第一特征值与离开访客数据库中已有的第n个第二特征值之间的相似度，n＝1、2、
…
、f(L)，f(L)为离开访客数据库中已有的第二特征值的总数量；
[0024]对每一第一特征值及第二特征值对应的相似度序列分别进行异常检测，若Max(A
Ji1
、A
Ji2
、
…
、A
Jin
、
…
、A
Jif(L)
)<Y2；则A
Ji
对应的第一特征值配置异常标签；其中，Y2为第二相似度阈值。
[0025]进一步的，在从同一视频流对应的所有待检测图像中，筛选出每一访客对应的目标特征值之后，访客特征处理还包括：
[0026]使用Base64加密算法对目标特征值进行加密，生成第一加密特征值。
[0027]进一步的，在计算离开访客对应的第二特征值与已生成的每一第一特征值的相似度之前，该方法还包括：
[0028]使用Base64解密算法对第一加密特征值进行解密，生成第一加密特征值对应的第一解密特征值，第一解密特征值为具有固定长度的二进制字符串。
[0029]进一步的，第一特征值及第二特征值均为具有固定长度的二进制字符串；
[0030]计算离开访客对应的第二特征值与已生成的每一第一特征值的相似度，包括：
[0031]将要进行相似度计算的第二特征值转化为对应的第二特征向量；
[0032]将要进行相似度计算的第一特征值转化为对应的第一特征向量；第一特征向量与第二特征向量的长度相同；
[0033]使用余弦相似度计算第二特征向量与第一特征向量之间的夹角余弦值Cosβ；
[0034]对Cosβ进行相似度转化处理，生成对应的第二特征值与对应的第一特征值之间的相似度Pmeβ；Pmeβ∈[0，1]。
[0035]进一步的，Pmeβ满足如下条件：
[0036]Pmeβ＝(Cosβ+1)*50％。
[0037]根据本专利技术的第二个方面，提供了一种非瞬时性计算机可读存储介质，非瞬时性计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述的一种基于
人脸识别的访客辨识方法。
[0038]根据本专利技术的第三个方面，提供了一种电子设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述的一种基于人脸识别的访客辨识方法。
[0039]本专利技术至少具有以下有益效果：
[0040]本专利技术中，在访客进入目标区域时，会获取访客位于第一目标区域中时产生的第一视频流，并对第一视频流进行访客特征处理，以生成最能准确表示该待进入访客脸部特征的第一特征值，并保存。同理，在访客离开目标区域时，会获取访客对应的第二视频流并进行访客特征处理，同样会生成一个最能准确表示该待离开访客脸部特征的第二特征值。然后将第二特征值与已经存在的每一第一特征值进行相似度计算，当相似度大于第一相似度阈值时，确定该待离开的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人脸识别的访客辨识方法，其特征在于，所述方法包括如下步骤：获取进入访客位于第一目标区域中时产生的第一视频流，所述第一视频流中包括多帧第一待检测图像；对所述第一视频流中的每一帧第一待检测图像进行访客特征处理，生成所述进入访客对应的第一特征值；获取离开访客位于第二目标区域中时产生的第二视频流，所述第二视频流中包括多帧第二待检测图像；对所述第二视频流中的每一帧第二待检测图像进行访客特征处理，生成所述离开访客对应的第二特征值；计算所述离开访客对应的第二特征值与已生成的每一第一特征值的相似度；若所述离开访客对应的第二特征值与已生成的任一第一特征值的相似度大于第一相似度阈值，则确定所述离开访客与所述任一第一特征值对应的进入访客为同一访客；所述访客特征处理，包括：将待检测图像输入SCRFD模型中，以识别所述待检测图像中是否有人脸图像；所述待检测图像包括第一待检测图像及第二待检测图像；若所述待检测图像中有人脸图像，则将所述待检测图像分别输入RepVGG模型、IResNet模型及DeepSORT模型，生成所述人脸图像对应的正位参数、人脸特征值及人脸跟踪标识；所述RepVGG模型用于生成所述人脸图像的脸部正位参数，所述脸部正位参数用于表示所述人脸图像与目标正脸图像之间的接近程度；所述IResNet模型用于生成所述人脸图像的人脸特征值；每一所述人脸图像唯一对应一个人脸特征值；DeepSORT模型用于生成所述人脸图像的人脸跟踪标识；同一访客的人脸图像对应同一人脸跟踪标识；从同一视频流对应的所有待检测图像中，筛选出每一访客对应的目标特征值，所述目标特征值为同一人脸跟踪标识对应的多个人脸特征值中，最大正位参数所对应的人脸特征值。2.根据权利要求1所述的方法，其特征在于，在生成所述进入访客对应的第一特征值之后，所述方法还包括：为所述第一特征值配置进入标签；将所述第一特征值及对应的进入标签存入进入访客数据库中。3.根据权利要求2所述的方法，其特征在于，在生成所述离开访客对应的第二特征值之后，所述方法还包括：为所述第二特征值配置离开标签；将所述第二特征值及对应的离开标签存入离开访客数据库中。4.根据权利要求3所述的方法，其特征在于，在将所述第二特征值及对应的离开标签存入离开访客数据库中之后，所述方法还包括：到达预设时间时，计算所述进入访客数据库中已有的每一第一特征值分别与所述离开访客数据库中已有的每一第二特征值的相似度，生成每一第一特征值及第二特征值对应的相似度序列；其中，A
Ji
为进入访客数据库中已有的第i个第一特征值对应的相似度序列，A
Ji
＝(A
Ji1
、A
Ji2
、
…
、A
Jin<...

【专利技术属性】
技术研发人员：徐湛，李凡平，王堃，
申请(专利权)人：青岛以萨数据技术有限公司，
类型：发明
国别省市：