基于人脸识别的智慧校园安全管理方法及系统技术方案

本发明专利技术涉及校园管理技术领域，具体涉及基于人脸识别的智慧校园安全管理方法及系统，包括以下步骤：获取校园内各区域的实时视频流；对视频流进行预处理；运用深度学习算法对预处理后的视频帧中的人脸进行检测识别；将学生、教职工的人脸信息预先录入存储库，将S3中的检测识别结果输入存储库进行比对；若检测到未授权人员，立即触发报警并记录相关信息；持续对授权人员进行行为轨迹分析，以识别异常轨迹；针对差异化识别问题，通过部分人脸信息，利用三维人脸重建技术，重建半虚拟三维人脸，将重建的半虚拟三维人脸与存储库进行对比。本发明专利技术，通过持续对授权人员进行行为轨迹分析，及时发现和应对异常行为，进一步增强了校园的安全防范能力。

【技术实现步骤摘要】

本专利技术涉及校园管理，尤其涉及基于人脸识别的智慧校园安全管理方法及系统。

技术介绍

1、随着社会的发展，校园安全问题日益受到人们的关注。传统的校园安全管理方式存在一系列问题：监控盲区大、反应速度慢、识别准确性不高等。尤其在人员巡逻和监控设备布设方面，依赖于人力和固定设备的模式已经不能满足校园安全管理的需求。此外，现有的人脸识别技术虽然在识别准确性方面有所提升，但仍然存在着识别速度慢、不同光照、角度和佩戴口罩或眼镜等情况下的识别困难等问题。

2、综上所述，基于人脸识别的智慧校园安全管理方法在提高校园安全管理水平、提高安全管理效率与准确性以及预防和应对安全事件等方面具有重要意义和广阔应用前景。

技术实现思路

1、基于上述目的，本专利技术提供了基于人脸识别的智慧校园安全管理方法及系统。

2、基于人脸识别的智慧校园安全管理方法，包括以下步骤：

3、s1：获取校园内各区域的实时视频流；

4、s2：对视频流进行预处理；

5、s3：运用深度学习算法对预处理后的视本文档来自技高网...

【技术保护点】

1.基于人脸识别的智慧校园安全管理方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于人脸识别的智慧校园安全管理方法，其特征在于，所述S3中的深度学习算法采用RetinaFace模型，所述RetinaFace模型是基于深度卷积神经网络的目标检测模型，RetinaFace模型结构包括主干网络和检测头，主干网络采用轻量级的骨干网络，用于提取图像特征，检测头负责在不同尺度上预测人脸框的位置和类别信息；

3.根据权利要求2所述的基于人脸识别的智慧校园安全管理方法，其特征在于，所述S3中还包括引入表情变化感知机制，所述表情变化感知机制包括表情识别模块，用于识别学生...

【技术特征摘要】

1.基于人脸识别的智慧校园安全管理方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于人脸识别的智慧校园安全管理方法，其特征在于，所述s3中的深度学习算法采用retinaface模型，所述retinaface模型是基于深度卷积神经网络的目标检测模型，retinaface模型结构包括主干网络和检测头，主干网络采用轻量级的骨干网络，用于提取图像特征，检测头负责在不同尺度上预测人脸框的位置和类别信息；

3.根据权利要求2所述的基于人脸识别的智慧校园安全管理方法，其特征在于，所述s3中还包括引入表情变化感知机制，所述表情变化感知机制包括表情识别模块，用于识别学生的表情状态，采用基于循环神经网络rnn的表情识别模型，输出各种表情的置信度得分，根据表情识别模型输出的表情置信度，动态调整retinaface模型的人脸检测阈值；

4.根据权利要求3所述的基于...

【专利技术属性】
技术研发人员：尹光忠，栾晓齐，
申请(专利权)人：山东海博信息科技有限公司，
类型：发明
国别省市：