CN104318217A - 一种基于分布式云计算的人脸识别情报分析方法和系统 - Google Patents

Abstract

本发明公开一种基于分布式云计算的人脸识别情报分析方法和系统，方法包括步骤：步骤1：子数据中心接收第一人脸特征集群和对应的已有人物信息并存储至人脸特征数据库；步骤2：子数据中心通过摄像装置获取现场人物的第二人脸特征集群和对应的即时人物信息，并将第二人脸特征集群和对应的即时人物信息存储至采集数据库；步骤3：子数据中心将第二人脸特征集群和人脸特征数据库中的第一人脸特征集群进行比对，判断是否存在符合预设的第一阈值的第一人脸特征集群；步骤4：总数据中心从子数据中心提取数据并生成分析情报。本发明还提供实现上述分析方法的系统。本发明的方法和系统可大规模部署，具有将数据进行整合分析的能力、处理速度快的能力。

Description

一种基于分布式云计算的人脸识别情报分析方法和系统

技术领域

本发明涉及人像比对监控领域，特别是一种基于分布式云计算的人脸识别情报分析方法及实现该方法的系统。

背景技术

人脸识别是一项热门的计算机技术研究领域，它属于生物特征识别技术，是对生物体(一般特指人)本身的生物特征来区分生物体个体。生物特征识别技术所研究的生物特征包括脸、指纹、手掌纹、虹膜、视网膜、声音(语音)、体形等。这其中，只有人脸特征是最直观、最可靠、最准确的，利用人脸特征进行身份验证是最自然、最直接的手段。相比其它人体生物特征识别，人脸特征识别不需对象行为的配合就能方便有效地核查对象的身份，不易被察觉，因而具有优良的防伪、防欺诈、直接、友好、方便等特点。经过几十年的研究，人脸识别技术已广泛的应用在安防、门禁、考勤等领域。

在中国专利申请CN201210464255.4专利名称为一种人脸识别跟踪方法及系统，其公开了根据任务指令通过多个监控平台跟踪目标人物并将目标人物的位置呈现给用户，虽然这种方法有效的实现了多平台的人脸跟踪，但是其无法整合多种信息资源，无法提供给客户全面的人物信息和关联的人物信息，在大数据化的今天，数据的获取和关联是潜在的发展趋势。

据不完全统计，中国正进入流动时代。2011年，全国流动人口达到2.3亿人，占总人口的17％，即每6名中国人中就有1人是流动人口。未来20年，还将有3亿农村人口进入城镇。随着流动人口大量增加，面临着流动人口结构复杂、人员信息不透明，流动人口数量庞大，流动人员管理困难等局面，尤其是在流动人员中夹杂着刑嫌人员，流窜逃逸，伺机作案，更有部分人员犯罪后“漂白身份”潜入异地继续生活，如何能够有效的抑制和发现混淆在庞大的流动人口中的重点人员，成为目前面临的重要课题，给社会综合管理带来挑战，使得公安机关等部门作为社会公安安全管理的主力军，身上的责任和义务更加沉重。

随着经济的高速发展以及城镇化进程的加快，城市人口日趋密集，城市人口数量和流动性也大大增加，加强对城市人员信息的管理对社会治安、重点区域防范、维稳等方面意义重大。另外，近年来社会犯罪率呈逐年升高的态势，高科技犯罪以及伪造身份信息犯罪层出不穷，犯罪行为的突发性、不确定性增强，给防范和侦破工作带来极大的困难。最近，恐怖分子实施爆炸、砍刀伤人等恐怖活动频发。反恐部门一直在研究对策，基于目前没有足够的警力进行监控；即使通过人来实时监控，还是无法及时有效地将事件辨识出来。开展反恐怖图像监控智能分析系统研究，将有效防止恐怖事件的发生。开展研究反恐怖图像监控智能分析系统迫在眉睫。

发明内容

本发明的一个目的是提供一种可以大规模部署，具有将数据进行整合分析的能力的基于分布式云计算的人脸识别情报分析方法。

本发明的另一个目的在于还提供一种实现上述人脸识别情报分析方法的系统。

本发明提供的技术方案为：一种基于分布式云计算的人脸识别情报分析方法，所述人脸识别情报分析方法通过摄像装置、子数据中心和总数据中心实施，所述的总数据中心设有含有多张已有头像照片和已有头像照片对应的已有人物信息的身份信息库，所述的子数据中心设有人脸特征数据库、识别采集数据库和采集数据库，所述的方法包括以下步骤：步骤1：总数据中心根据已有头像照片提取第一人脸特征集群，并将第一人脸特征集群和对应的已有人物信息发送至子数据中心，子数据中心接收第一人脸特征集群和对应的已有人物信息并存储至人脸特征数据库；步骤2：子数据中心通过摄像装置获取现场人物的第二人脸特征集群和对应的即时人物信息，并将所述的第二人脸特征集群和对应的即时人物信息存储至采集数据库；其中，所述的即时人物信息包括摄像装置获取现场人物出现的时间信息和地点信息；步骤3：子数据中心将第二人脸特征集群和人脸特征数据库中的第一人脸特征集群进行比对，判断是否存在符合预设的第一阈值的第一人脸特征集群，若存在，即将符合预设的第一阈值的第一人脸特征集群所对应的即时人物信息和已有人物信息存储至识别采集数据库，若不存在，即丢弃该第二人脸特征集群；步骤4：子数据中心根据总数据中心发送的情报分析指令从步骤3所述的识别采集数据库中获取符合情报分析指令的即时人物信息和已有人物信息，并发送到总数据中心；所述的总数据中心用于根据用户输入的情报分析命令生成情报分析指令，并根据子数据中心发送的即时人物信息和已有人物信息生成分析情报。

优选地，在上述的基于分布式云计算的人脸识别情报分析方法中，所述的子数据中心还设有归档存储数据库，在所述的步骤2中还包括：子数据中心通过摄像装置获取现场人物的视频数据，并将所述的视频数据存储至归档数据库。

优选地，在上述的基于分布式云计算的人脸识别情报分析方法中，在所述的步骤4中，还包括子步骤41：子数据中心根据符合情报分析指令的即时人物信息，从归档数据库中提取对应的视频数据，并将所述的视频数据发送到总数据中心，所述的总数据中心用于根据子数据中心发送的即时人物信息、已有人物信息和视频数据生成分析情报。

优选地，在上述的基于分布式云计算的人脸识别情报分析方法中，所述的步骤3中还包括：子步骤31：子数据中心对识别采集数据库中存储的对应的即时人物信息和已有人物信息进行时间和地点上的排序，并按照已有人物信息进行索引；所述的步骤4中子数据中心根据总数据中心发送的情报分析指令从识别采集数据库中获取符合情报分析指令的即时人物信息和已有人物信息具体为：子数据中心根据总数据中心发送的情报分析指令从经过子步骤31处理后的即时人物信息和已有人物信息中获取符合情报分析指令的即时人物信息和已有人物信息；在步骤3中，若人脸特征数据库中不存在符合预设的第一阈值的第一人脸特征集群时，在丢弃该第二人脸特征集群时，先将第二人脸特征集群发送到总数据中心，并通过总数据中心判断在总数据中心是否存在符合第一阈值的第一人脸特征集群，若存在，则将符合预设的第一阈值的第一人脸特征集群所对应的即时人物信息和已有人物信息发送到对应的子数据中心并存储至该子数据中心的识别采集数据库，若不存在，再丢弃该第二人脸特征集群。

需要说明的是，在本发明中，总数据中心也设有用于存储第一人脸特征集群和对应的已有人物信息的相应的数据库，在总数据中心将第一人脸特征集群和对应的已有人物信息发送到各子数据中心时，该第一人脸特征集群和对应的已有人物信息预先存储在该数据库中。这样做的目的在于，受制于子数据中心的处理能力，总数据中心分析能力和分析速度均优于子数据中心，并且，总数据中心的数据库存储的第一人脸特征集群和对应的已有人物信息更新更加及时，在处理及时性和准确性上要优于子数据中心，通过上述设定能够有效的避免子数据中心的漏判，提高本发明的方案的实用性能。更进一步说明的是，第一阈值在子数据中心和总数据中心均可以根据需要设置，比如，总数据中心的第一阈值可以设置得更高，当没有匹配到相关信息时，适当降低第一阈值，是非常有利于本发明的方案的。

优选地，在上述的基于分布式云计算的人脸识别情报分析方法中，所述摄像装置包括光传感器、高清摄像头、红外摄像头、控制器、电源、定位模块、第二人脸识别模块以及第一通信模块，所述光传感器、高清摄像头、红外摄像头、电源、定位模块、第二人脸识别模块以及第一通信模块分别与控制器相连；在步骤2中，子数据中心通过摄像装置获取现场人物的第二人脸特征集群和对应的即时人物信息具体包括以下子步骤：子步骤21：通过光传感器获取外界环境中的光线强度，判断是否符合预设的第二阈值，若是，则进行子步骤22，若否，则进行子步骤23；子步骤22：通过高清摄像头采集即时头像照片，并获取所述即时头像照片对应的即时人物信息，以及，采用所述的定位模块获取即时人物信息中的地点信息；子步骤23：通过红外摄像头采集即时头像照片，并获取所述即时头像照片对应的即时人物信息，其中即时人物信息中的地点信息通过所述的定位模块获取；子步骤24：通过第二人脸识别模块从子步骤22或子步骤23所获取的即时头像照片中提取第二人脸特征集群；子步骤25：通过所述第一通信模块将步骤24所获得的第二人脸特征集群和即时人物信息发送至子数据中心。

优选地，在上述的基于分布式云计算的人脸识别情报分析方法中，在所述子步骤22中，通过高清摄像头采集即时头像照片的具体过程为：通过高清摄像头识别人脸轮廓，并根据所述人脸轮廓进行跟踪定位，并判断人脸的在高清摄像头中的位置是否符合预设的第三阈值，若是，则采集即时头像照片，若否，即继续跟踪。

优选地，在上述的基于分布式云计算的人脸识别情报分析方法，在所述子步骤23中，通过红外摄像头采集即时头像照片的具体过程为：通过红外摄像头识别人脸轮廓，并根据所述人脸轮廓进行跟踪定位，并判断人脸的在红外摄像头中的位置是否符合预设的第四阈值，若是，则采集即时头像照片。

本发明还提供一种基于分布式云计算的人脸识别情报分析方法的系统，包括多个摄像装置、总数据中心、至少一个子数据中心；各子数据中心至少与一个摄像装置相连，各子数据中心分别与总数据中心连接，其中，所述的子数据中心包括：第三控制器；人脸特征数据库，所述人脸特征数据库用于存储第一人脸特征集群和和对应的已有人物信息；采集数据库，所述采集数据库用于存储第二人脸特征集群和对应的即时人物信息；识别采集数据库，所述识别采集数据库用于存储相似度符合第一阈值的第一人脸特征集群所对应的即时人物信息和已有人物信息；归档存储数据库，所述归档存储数据库用于存储通过摄像装置获取的视频数据，所述视频数据包括多帧图片组成的视频、视频拍摄时的地理位置、视频拍摄的时间；比对模块，所述比对模块用于将所述第二人脸特征集群和所述第一人脸特征集群进行对比，判断所述第二人脸特征集群和所述第一人脸特征集群的相似度是否符合第一阈值；第三通信模块，所述的第三通信模块用于与摄像装置和总数据中心进行通信；所述的人脸特征数据库、采集数据库、识别采集数据库、归档存储数据库、比对模块、第三通信模块分别与所述第三控制器连接。

优选地，在上述基于分布式云计算的人脸识别情报分析系统中，所述摄像装置包括：光传感器，所述光传感器用于获取外界环境中的光线强度；定位模块，所述定位模块用于获取摄像装置当前地理位置数据；第二人脸识别模块，所述第二人脸识别模块用于根据所述即时头像照片获取第二人脸特征集群；高清摄像头，所述高清摄像头用于采集即时头像照片和视频数据；红外摄像头，所述红外摄像头用于采集即时头像照片和视频数据；第一控制器，所述第一控制器用于根据所述光线强度选择高清摄像头或红外摄像头采集即时头像照片，获取采集时间数据，对视频数据进行压缩，并根据当前网络状况决定是否发送压缩的视频数据给子数据中心；第一通信模块，所述第一通信模块用于接收来自于子数据中心的控制信号，发送第二人脸特征集群、对应的人物采集信息和压缩的视频数据至所述摄像装置对应的子数据中心；所述光传感器、高清摄像头、红外摄像头、电源、定位模块、第二人脸识别模块以及第一通信模块分别与第一控制器连接。

优选地，在上述基于分布式云计算的人脸识别情报分析系统中，所述的总数据中心包括：第二控制器；身份信息库，所述的身份信息库用于存储多张已有头像照片和已有头像照片对应的已有人物信息；第一人脸识别模块，所述的第一人脸识别模块用于根据已有头像照片提取第一人脸特征集群；第二通信模块，所述的第二通信模块用于将第一人脸特征集群、对应的已有人物信息以及根据用户输入的情报分析命令生成的情报分析指令发送到子数据中心，并接收来自于子数据中心的符合情报分析指令的即时人物信息、已有人物信息和视频数据；所述的身份信息库、第一人脸识别模块、第二通信模块分别与第二控制器相连。

本发明有机的将人脸采集，身份识别，网络传输，数据分析整合成一个统一的平台，通过这个平台，可以节省大量的人力物力，提高效率，节省成本。

相比于传统的人脸识别设备，其采集到人像图片后发给处理器进行处理，这种传统的处理方式仅适用于摄像头少、监控范围小、监控要求低的场合，在现在的大范围、高要求、检索条件多、处理速度要求高、冗杂信息少的要求下，传统的人脸设备设备很明显已经无法适应。本发明为此提出了适用于分布式、能够降低数据传输量、提高处理速度、能够高精度分析的人脸识别情报分析方法，通过摄像装置采集第二人脸特征集群，通过总数据中心采集第一人脸特征集群并通过子数据中心进行比对分析，综合第一人脸特征集群、第二人脸特征集群对应的信息以及视频数据，可以得到连续的、高效的分析结果。更为重要的是，摄像装置、子数据中心、总数据中心在后台运行的过程中，并不会产生大量的数据交互，只是进行有限的已有人物信息和即时人物信息的交互，数据传输量小，数据处理分布到各摄像装置和子数据中心进行，可以适用于大范围的分布，即时在摄像装置再增多的情况下，子数据中心和总数据中心的处理量也不会明显增多，可以达到高效、快速的处理的目的。

附图说明

图1为本发明的方法的流程图；

图2为本发明的方法中的步骤2中通过摄像装置获取第二人脸特征集群的流程图；

图3为本发明的系统的结构图；

图4为本发明的系统中摄像装置的结构方框图；

图5为本发明的系统中子数据中心的结构方框图；

图6为本发明的系统中总数据中心的结构方框图。

具体实施方式

下面结合具体实施方式，对本发明的技术方案作进一步的详细说明，但不构成对本发明的任何限制。

本发明的核心构思之一在于，通过分布式的摄像装置1、管理多个摄像装置1的子数据中心3和和管理多个子数据中心3的总数据中心2达到对摄像装置1中的人脸的跟踪、识别、信息提取、相关联的的信息的分析得到情报信息，提高监控效率，降低监控成本。

实施例1：

如图1～4所示，一种基于分布式云计算的人脸识别情报分析方法，所述人脸识别情报分析方法通过摄像装置1、子数据中心3和总数据中心2实施，所述的总数据中心2设有含有多张已有头像照片和已有头像照片对应的已有人物信息的身份信息库21，所述的子数据中心3设有人脸特征数据库31、识别采集数据库33、采集数据库32和归档存储数据库34，所述的方法包括以下步骤：

步骤1：总数据中心2根据已有头像照片提取第一人脸特征集群，并将第一人脸特征集群和对应的已有人物信息发送至子数据中心3，子数据中心3接收第一人脸特征集群和对应的已有人物信息并存储至人脸特征数据库31；

在实际应用中，身份信息库21中存储有用户预先存储的已有人物信息，其来源可以根据用户的需要自由设置，比如通过全国户籍网络中心、公安机关的犯罪分子的资料库获得，此外，如果是用于考场监控、展会监控、企业、小区等，可以通过考试资料库、展会主办方、企业员工资料库、小区业主资料库提供的相关人员资料等来获得。此外，本身份信息库21还可以采用即时输入的方法，比如本系统和交通控制系统、车站售票系统、ATM自动取款系统结合，通过上述系统的摄像装置1和其他附带信息如车牌号码、购票证件、取款卡片号码等来生成已有人物信息，达到人车合一、人票合一、人卡合一的效果。

总数据中心2根据已有头像照片提取第一人脸特征集群前还包括对已有头像的人脸双眼瞳孔定位、裁剪和预处理，即判断人脸的两眼的瞳孔中心点的距离是否为30～100像素，若是，则判断人脸和高清摄像头12的水平拍摄角度和垂直拍摄角度是否均为0～20°，若是，则将已有头像照片剪裁，使人脸至少占剪裁后的已有头像照片的面积的3/4，然后对其进行影像预处理，具体包括对剪裁后的当前帧照片的脸部的色彩、脸部曝光、脸部光线均匀、脸部平均色彩、脸部高光、模糊度、亮度均值、灰度动态范围、不均匀性、过曝光比例、欠曝光比例、图像锐度、图像模糊度的处理，再进行第一人脸特征集群的提取，提高准确度。

步骤2：子数据中心3通过摄像装置1获取现场人物的第二人脸特征集群和对应的即时人物信息，并将所述的第二人脸特征集群和对应的即时人物信息存储至采集数据库32；其中，所述的即时人物信息包括摄像装置1获取现场人物出现的时间信息和地点信息；同时子数据中心3通过摄像装置1获取现场人物的视频数据，并将所述的视频数据存储至归档数据库。其中，所述视频数据包括多帧图片组成的视频、视频拍摄时的地理位置、视频拍摄的时间。视频的长度可以根据可用的网络情况设置合适的长度，比如10s、20s、30s、1min等为一个视频段，这样可以方便索引和发送。

所述摄像装置1包括光传感器11、高清摄像头12、红外摄像头13、第一控制器17、电源14、定位模块15、第二人脸识别模块16以及第一通信模块18，所述光传感器11、高清摄像头12、红外摄像头13、电源14、定位模块15、第二人脸识别模块16以及第一通信模块18分别与第一控制器17相连，所述通过摄像装置1获取即时人物信息和第二人脸特征集群具体包括以下子步骤，具体如图2所示：

子步骤21：通过光传感器11获取外界环境中的光线强度，判断是否符合预设的第二阈值，若是，则进行子步骤22，若否，则进行子步骤23；

子步骤22：通过高清摄像头12采集即时头像照片，并获取所述即时头像照片对应的即时人物信息；

子步骤23：通过红外摄像头13采集即时头像照片，并获取所述即时头像照片对应的即时人物信息；所述的定位模块15用于获取即时人物信息中的地点信息；

需要说明的是，子步骤22和子步骤23中的即时头像照片的获取通过以下方法进行：高清摄像头12或者红外摄像头13判断拍摄范围内具有多少个人脸，并分别进行跟踪，当人脸的参数符合预设的第三阈值(对应高清摄像头12)或第四阈值(对应红外摄像头13)时进行即时头像照片的采集，具体来说，对高清摄像头12或红外摄像头13中当前帧照片的人脸双眼瞳孔定位，判断人脸的两眼的瞳孔中心点的距离是否为30～100像素，若是，则判断人脸和高清摄像头12的水平拍摄角度和垂直拍摄角度是否均为0～20°，若是，则将当前帧照片剪裁，使人脸至少占剪裁后的当前帧照片的面积的3/4，然后对其进行影像预处理，具体包括对剪裁后的当前帧照片的脸部的色彩、脸部曝光、脸部光线均匀、脸部平均色彩、脸部高光、模糊度、亮度均值、灰度动态范围、不均匀性、过曝光比例、欠曝光比例、图像锐度、图像模糊度的处理；得到即时头像照片。

子步骤24：通过第二人脸识别模块16从所述即时头像照片中提取第二人脸特征集群；

子步骤25：通过所述第一通信模块18将第二人脸特征集群和即时人物信息发送至子数据中心3。

步骤3：子数据中心3将第二人脸特征集群和人脸特征数据库31中的第一人脸特征集群进行比对，判断是否存在符合预设的第一阈值的第一人脸特征集群，若是，将符合预设的第一阈值的第一人脸特征集群所对应的即时人物信息和已有人物信息存储至识别采集数据库33，第一阈值根据用户需要自由设定，可以设定为80％、90％、95％等；并且子数据中心3对识别采集数据库33中存储的对应的即时人物信息和已有人物信息进行时间和地点上的排序，并按照已有人物信息进行索引；具体来说，识别采集数据库33是识别并且符合第一阈值的第一人脸特征集群和第二人脸特征集群所对应的即时人物信息和已有人物信息，其中包括已有头像照片所对应的各类身份信息，子数据中心3对同一已有人物信息根据对应的即时人物信息中的时间信息进行时间先后的排序和进行地点变化进行排序，得到同一人物的移动轨迹；若判断不存在符合预设的第一阈值的第一人脸特征集群，先将第二人脸特征集群发送到总数据中心，并通过总数据中心判断在总数据中心是否存在符合第一阈值的第一人脸特征集群，若存在，则将符合预设的第一阈值的第一人脸特征集群所对应的即时人物信息和已有人物信息发送到对应的子数据中心并存储至该子数据中心的识别采集数据库，若不存在，再丢弃该第二人脸特征集群。需要说明的是，在本发明中，总数据中心也设有用于存储第一人脸特征集群和对应的已有人物信息的相应的数据库，在总数据中心将第一人脸特征集群和对应的已有人物信息发送到各子数据中心时，该第一人脸特征集群和对应的已有人物信息预先存储在该数据库中。这样做的目的在于，受制于子数据中心的处理能力，总数据中心分析能力和分析速度均优于子数据中心，并且，总数据中心的数据库存储的第一人脸特征集群和对应的已有人物信息更新更加及时，在处理及时性和准确性上要优于子数据中心，通过上述设定能够有效的避免子数据中心的漏判，提高本发明的方案的实用性能。更进一步说明的是，第一阈值在子数据中心和总数据中心均可以根据需要设置，比如，总数据中心的第一阈值可以设置得更高，当没有匹配到相关信息时，适当降低第一阈值，是非常有利于本发明的方案的。。

步骤4：子数据中心3根据总数据中心2发送的情报分析指令从识别采集数据库33中获取符合情报分析指令的即时人物信息和已有人物信息，并发送到总数据中心2；所述的总数据中心2用于根据用户输入的情报分析命令生成情报分析指令，并根据子数据中心3发送的即时人物信息和已有人物信息生成分析情报。

所述的步骤4中子数据中心3根据总数据中心2发送的情报分析指令从识别采集数据库33中获取符合情报分析指令的即时人物信息和已有人物信息具体为：子数据中心3根据总数据中心2发送的情报分析指令从经过子步骤1处理后的即时人物信息和已有人物信息中获取符合情报分析指令的即时人物信息和已有人物信息。

在所述的步骤4中，还包括子步骤41：

子数据中心3根据符合情报分析指令的即时人物信息，从归档数据库中提取对应的视频数据，并将所述的视频数据发送到总数据中心2，所述的总数据中心2用于根据子数据中心3发送的即时人物信息、已有人物信息和视频数据生成分析情报。

在实际应用中，用户输入的情报分析命令可以为预设在总数据中心2的，也可以使用户即时输入的，如用户预设在总数据中心2的情报分析指令，总数据中心2一旦检测到与已有头像照片中对应的现场人物立即跟踪并报警，自动生成分析情报并输出，也可以用户即时输入的情报分析命令，比如公共场所发送骚乱，用户设置摄像头中某一人为目标人物，并要求总数据中心2分析该目标人物的活动轨迹，总数据中心2根据该命令生成情报分析指令，并下达给各子数据中心3，子数据中心3根据该情报分析指令对该目标人物的即时人物信息进行排序索引并输出至总数据中心2，由总数据中心2进行整理后输出分析情报给用户。当然在实际应用中，还可以整合即时人物信息对应的视频数据，生成分析情报。

通过上述步骤，摄像装置1完成现场人物的捕捉和第二人脸特征集群的分析和信息提取，总数据中心2完成已有头像照片的第一人脸特征集群的分析和已有人物信息的提取，子数据中心3对第二人脸特征集群和第一人脸特征集群进行比对，得到比对结果，并根据情报分析指令输出已有人物信息、即时人物信息和对应的视频信息至总数据中心2，由总数据中心2生成分析情报。

采用上述分布式的布置，实现了摄像装置1、子数据中心3和总数据中心2的信息交互的最小化，实现了计算速度的最大化，降低了子数据中心3和总数据中心2的处理器的处理量，实现快速、高效的人脸识别情报分析。

实施例2

如图3至图6所示，本发明还提供一种基于分布式云计算的人脸识别情报分析系统，包括多个摄像装置1、总数据中心2、至少一个子数据中心3；各子数据中心3至少与一个摄像装置1相连，各子数据中心3分别与总数据中心2连接，其中，所述的子数据中心3包括：

人脸特征数据库31，所述人脸特征数据库31用于存储第一人脸特征集群和和对应的已有人物信息；

采集数据库32，所述采集数据库32用于存储第二人脸特征集群和对应的即时人物信息；

识别采集数据库33，所述识别采集数据库33用于存储相似度符合第一阈值的第一人脸特征集群所对应的即时人物信息和已有人物信息；

归档存储数据库34，所述归档存储数据库34用于存储通过摄像装置1获取的视频数据，所述视频数据包括多帧图片组成的视频、视频拍摄时的地理位置、视频拍摄的时间；

比对模块35，所述比对模块35用于将所述第二人脸特征集群和所述第一人脸特征集群进行对比，判断所述第二人脸特征集群和所述第一人脸特征集群的相似度是否符合第一阈值。

此外，子数据中心3还包括必要的第三通信模块36，以实现和下述的第一通信模块18、第二通信模块23的信息的交互。

子数据中心3还包括第三控制器37，第三控制器37用于对识别采集数据库33中的即时人物信息和已有人物信息进行排序和索引，将各类数据存储至对应的数据库，控制第三通信模块36的通信，对总数据中心2发送的情报分析指令进行执行等，第三控制器37分别与人脸特征数据库31、采集数据库32、识别采集数据库33、归档存储数据库34、比对模块35、第三通信模块36连接。

所述摄像装置1包括：

光传感器11，所述光传感器11用于获取外界环境中的光线强度；

定位模块15，所述定位模块15用于获取摄像装置1当前地理位置数据；

第二人脸识别模块16，所述第二人脸识别模块16用于根据所述即时头像照片获取第二人脸特征集群；

高清摄像头12，所述高清摄像头12用于采集即时头像照片和视频数据；

红外摄像头13，所述红外摄像头13用于采集即时头像照片和视频数据；

第一控制器17，所述第一控制器17用于根据所述光线强度选择高清摄像头12或红外摄像头13采集即时头像照片，获取采集时间数据，对视频数据进行压缩，并根据当前网络状况决定是否发送压缩的视频数据给子数据中心3；

第一通信模块18，所述第一通信模块18用于接收来自于子数据中心3的控制信号，发送第二人脸特征集群、对应的人物采集信息和压缩的视频数据至所述摄像装置1对应的子数据中心3；

所述光传感器11、高清摄像头12、红外摄像头13、电源14、定位模块15、第二人脸识别模块16以及第一通信模块18分别与第一控制器17相连。

所述的总数据中心2包括：

身份信息库21，所述的身份信息库21用于存储多张已有头像照片和已有头像照片对应的已有人物信息；

第一人脸识别模块22，所述的第一人脸识别模块22用于根据已有头像照片提取第一人脸特征集群；

第二通信模块23，所述的第二通信模块23用于将第一人脸特征集群、对应的已有人物信息以及根据用户输入的情报分析命令生成的情报分析指令发送到子数据中心3，并接收来自于子数据中心3的符合情报分析指令的即时人物信息、已有人物信息和视频数据。

必要的，总数据中心2还设有第二控制器24，其用于生成情报分析指令、情报信息并控制第二通信模块23的通信，控制第一人脸识别模块22的识别等，在此不作过多限制。

实施例3

如图3至图6所示，本发明还提供结合上述系统进行案件侦破的具体实施例。

本实施例将上述系统用于犯罪分子抓获和犯罪集团的捣毁。

在身份信息库212中存储有犯罪团伙成员A的已有人物信息，具体包括已有头像照片和对应的人物身份信息。

当其中某一成员A进入到监控摄像装置1网中任一摄像装置1的监控范围后，摄像装置1根据光传感器11的数据，采用高清摄像头12进行监控、视频数据的采集和即时头像照片的采集，当摄像装置1的第一控制器17判断当前帧中人脸位置符合第三阈值，当符合第三阈值时，高清摄像头12采集即时头像照片，通过定位模块15获取当前地理位置数据，通过第一控制器17获取采集时间数据，并通过第二人脸识别模块16获取第二人脸特征集群，通过第一通信模块18将即时人物信息、第二人脸特征集群发送到采集数据库32，根据网络情况，适时将视频数据发送到数据归档数据库。

在子数据中心3的人脸特征库中存储有第一人脸特征集群和已有人物信息，通过识别模块将犯罪分子A的第一人脸特征集群和第二人脸特征集群进行比对，判断是否符合预设的第一阈值，若是，判断即时头像照片中的人物为犯罪分子A，此时，总数据中心2根据预设的用户指令，即一旦子数据中心3检索到犯罪分子，则生成关于该犯罪分子A经过哪些路线、接触过哪些人的情报信息。

所有的子数据中心3将犯罪分子A的已有人物信息、即时人物信息和视频数据发送到总数据中心2，总数据中心2综合各子数据中心3汇总的数据，将人物采集信息按时间进行索引排序，根据地理位置数据生成行进路线图。

同时，子数据中心3还根据用户的索引数据，即采集时间数据和地理位置数据将所有非犯罪分子A的即时人物信息和视频数据发送到总数据中心2，总数据中心2将犯罪分子A各个时间各个位置接触的人一一列出。

甚至更进一步地，可以根据用户需要，判断出那些人是与犯罪分子A有过密切接触的，比如根据接触时间、在相同空间出现的次数进行排序，列出最可以人员，并重复采用上述跟踪方法，确定这些可疑人员还跟哪些人有过接触等。

通过上述的系统和操作可以有效的提高破案效果、降低分析成本、提高分析速度。

当然，本系统和方法并不仅仅限于上述应用，还可以应用于交通、生产、学习等领域中，本实施例是对本发明的进一步说明以证明其优越性。

在本发明中“第一”、“第二”等限制语并不表示其装置结构不同或数据的组成不同，仅表示不同的对象所拥有的或所得到结构或数据。

以上所述的仅为本发明的较佳实施例，凡在本发明的精神和原则范围内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于分布式云计算的人脸识别情报分析方法，其特征在于，所述人脸识别情报分析方法通过摄像装置、子数据中心和总数据中心实施，所述的总数据中心设有含有多张已有头像照片和与所述已有头像照片对应的已有人物信息的身份信息库，所述的子数据中心设有人脸特征数据库、识别采集数据库和采集数据库，所述的方法包括以下步骤：

步骤1：总数据中心根据已有头像照片提取第一人脸特征集群，并将第一人脸特征集群和对应的已有人物信息发送至子数据中心，子数据中心接收第一人脸特征集群和对应的已有人物信息并存储至人脸特征数据库；

步骤2：子数据中心通过摄像装置获取现场人物的第二人脸特征集群和对应的即时人物信息，并将所述的第二人脸特征集群和对应的即时人物信息存储至采集数据库；其中，所述的即时人物信息包括摄像装置获取现场人物出现的时间信息和地点信息；

步骤3：子数据中心将第二人脸特征集群和人脸特征数据库中的第一人脸特征集群进行比对，判断是否存在符合预设的第一阈值的第一人脸特征集群，若存在，即将符合预设的第一阈值的第一人脸特征集群所对应的即时人物信息和已有人物信息存储至识别采集数据库，若不存在，则丢弃该第二人脸特征集群；

步骤4：子数据中心根据总数据中心发送的情报分析指令从步骤3所述的识别采集数据库中获取符合情报分析指令的即时人物信息和已有人物信息，并发送到总数据中心；所述的总数据中心用于根据用户输入的情报分析命令生成情报分析指令，并根据子数据中心反馈的即时人物信息和已有人物信息生成分析情报。

2.根据权利要求1所述的基于分布式云计算的人脸识别情报分析方法，其特征在于，所述的子数据中心还设有归档存储数据库，在所述的步骤2中还包括：

子数据中心通过摄像装置获取现场人物的视频数据，并将所述的视频数据存储至归档数据库。

3.根据权利要求2所述的基于分布式云计算的人脸识别情报分析方法，其特征在于，在所述的步骤4中，还包括子步骤41：

子数据中心根据符合情报分析指令的即时人物信息，从归档数据库中提取对应的视频数据，并将所述的视频数据发送到总数据中心，所述的总数据中心用于根据子数据中心发送的即时人物信息、已有人物信息和视频数据生成分析情报。

4.根据权利要求1所述的基于分布式云计算的人脸识别情报分析方法，其特征在于，所述的步骤3中还包括：

子步骤31：子数据中心对识别采集数据库中存储的对应的即时人物信息和已有人物信息进行时间和地点上的排序，并按照已有人物信息进行索引；

所述的步骤4中子数据中心根据总数据中心发送的情报分析指令从识别采集数据库中获取符合情报分析指令的即时人物信息和已有人物信息具体为：子数据中心根据总数据中心发送的情报分析指令从经过子步骤31处理后的即时人物信息和已有人物信息中获取符合情报分析指令的即时人物信息和已有人物信息；

在步骤3中，若人脸特征数据库中不存在符合预设的第一阈值的第一人脸特征集群时，在丢弃该第二人脸特征集群之前，先将第二人脸特征集群发送到总数据中心，并通过总数据中心判断在总数据中心是否存在符合第一阈值的第一人脸特征集群，若存在，则将符合预设的第一阈值的第一人脸特征集群所对应的即时人物信息和已有人物信息发送到对应的子数据中心并存储至该子数据中心的识别采集数据库，若不存在，再丢弃该第二人脸特征集群。

5.根据权利要求1所述的基于分布式云计算的人脸识别情报分析方法，其特征在于，所述摄像装置包括光传感器、高清摄像头、红外摄像头、控制器、电源、定位模块、第二人脸识别模块以及第一通信模块，所述光传感器、高清摄像头、红外摄像头、电源、定位模块、第二人脸识别模块以及第一通信模块分别与控制器相连；在步骤2中，子数据中心通过摄像装置获取现场人物的第二人脸特征集群和对应的即时人物信息具体包括以下子步骤：

子步骤21：通过光传感器获取外界环境中的光线强度，判断是否符合预设的第二阈值，若是，则进行子步骤22，若否，则进行子步骤23；

子步骤22：通过高清摄像头采集即时头像照片，并获取所述即时头像照片对应的即时人物信息，以及，采用所述的定位模块获取即时人物信息中的地点信息；

子步骤23：通过红外摄像头采集即时头像照片，并获取所述即时头像照片对应的即时人物信息，其中即时人物信息中的地点信息通过所述的定位模块获取；

子步骤24：通过第二人脸识别模块从子步骤22或子步骤23所获取的即时头像照片中提取第二人脸特征集群；

子步骤25：通过所述第一通信模块将步骤24所获得的第二人脸特征集群和即时人物信息发送至子数据中心。

6.根据权利要求5所述的基于分布式云计算的人脸识别情报分析方法，其特征在于，

在所述子步骤22中，通过高清摄像头采集即时头像照片的具体过程为：通过高清摄像头识别人脸轮廓，并根据所述人脸轮廓进行跟踪定位，并判断人脸的在高清摄像头中的位置是否符合预设的第三阈值，若是，则采集即时头像照片，若否，即继续跟踪。

7.根据权利要求5或6所述基于分布式云计算的人脸识别情报分析方法，其特征在于，

在所述子步骤23中，通过红外摄像头采集即时头像照片的具体过程为：通过红外摄像头识别人脸轮廓，并根据所述人脸轮廓进行跟踪定位，并判断人脸的在红外摄像头中的位置是否符合预设的第四阈值，若是，则采集即时头像照片。

8.一种实现权利要求1所述方法的基于分布式云计算的人脸识别情报分析系统，其特征在于，包括多个摄像装置、总数据中心、至少一个子数据中心；各子数据中心至少与一个摄像装置相连，各子数据中心分别与总数据中心连接，其中，所述的子数据中心包括：

第三控制器；

人脸特征数据库，所述人脸特征数据库用于存储第一人脸特征集群和和对应的已有人物信息；

采集数据库，所述采集数据库用于存储第二人脸特征集群和对应的即时人物信息；

识别采集数据库，所述识别采集数据库用于存储相似度符合第一阈值的第一人脸特征集群所对应的即时人物信息和已有人物信息；

归档存储数据库，所述归档存储数据库用于存储通过摄像装置获取的视频数据，所述视频数据包括多帧图片组成的视频、视频拍摄时的地理位置、视频拍摄的时间；

比对模块，所述比对模块用于将所述第二人脸特征集群和所述第一人脸特征集群进行对比，判断所述第二人脸特征集群和所述第一人脸特征集群的相似度是否符合第一阈值；

第三通信模块，所述的第三通信模块用于与摄像装置和总数据中心进行通信；

所述的人脸特征数据库、采集数据库、识别采集数据库、归档存储数据库、比对模块、第三通信模块分别与所述第三控制器连接。

9.根据权利要求8所述基于分布式云计算的人脸识别情报分析系统，其特征在于，所述摄像装置包括：

光传感器，所述光传感器用于获取外界环境中的光线强度；

定位模块，所述定位模块用于获取摄像装置当前地理位置数据；

第二人脸识别模块，所述第二人脸识别模块用于根据所述即时头像照片获取第二人脸特征集群；

高清摄像头，所述高清摄像头用于采集即时头像照片和视频数据；

红外摄像头，所述红外摄像头用于采集即时头像照片和视频数据；

第一控制器，所述第一控制器用于根据所述光线强度选择高清摄像头或红外摄像头采集即时头像照片，获取采集时间数据，对视频数据进行压缩，并根据当前网络状况决定是否发送压缩的视频数据给子数据中心；

第一通信模块，所述第一通信模块用于接收来自于子数据中心的控制信号，发送第二人脸特征集群、对应的人物采集信息和压缩的视频数据至所述摄像装置对应的子数据中心；

所述光传感器、高清摄像头、红外摄像头、电源、定位模块、第二人脸识别模块以及第一通信模块分别与第一控制器连接。

10.根据权利要求8所述基于分布式云计算的人脸识别情报分析系统，其特征在于，所述的总数据中心包括：

第二控制器；

身份信息库，所述的身份信息库用于存储多张已有头像照片和已有头像照片对应的已有人物信息；

第一人脸识别模块，所述的第一人脸识别模块用于根据已有头像照片提取第一人脸特征集群；

第二通信模块，所述的第二通信模块用于将第一人脸特征集群、对应的已有人物信息以及根据用户输入的情报分析命令生成的情报分析指令发送到子数据中心，并接收来自于子数据中心的符合情报分析指令的即时人物信息、已有人物信息和视频数据；

所述的身份信息库、第一人脸识别模块、第二通信模块分别与第二控制器相连。