CN109583278A - 人脸识别报警的方法、装置、系统及计算机设备 - Google Patents

Abstract

本发明公开了一种人脸识别报警的方法、装置、系统及计算机设备，属于安防技术领域。所述方法包括：获取至少两个图像采集设备采集的监控图像和参考对象的人脸特征；提取各个图像采集设备采集的监控图像中目标对象的人脸特征，并确定各个目标对象的人脸特征与参考对象的人脸特征之间的特征相似度；根据所述特征相似度对各个图像采集设备采集的监控图像进行关联验证；当关联验证的结果满足报警条件时，进行报警。采用本发明，通过对各个图像采集设备采集到的监控图像进行关联验证，可以减少漏报率，进而增加了人脸识别报警的准确率。

Description

人脸识别报警的方法、装置、系统及计算机设备

技术领域

本发明涉及安防技术领域，特别涉及一种人脸识别报警的方法、装置、系统及计算机设备。

背景技术

随着科技的进步，图像处理技术越来越成熟，基于图像处理技术的人脸识别报警技术在生产生活中的应用也越来越广泛。此外，在实际应用过程中，为了获取更全面的图像，常常在安防场景中布局多个图像采集设备，通过图像采集设备采集到的监控图像实现人脸识别，进而根据识别结果进行是否报警的处理。

相关技术在实现人脸识别报警时，获取到每个图像采集设备采集到的监控图像后，分析和提取每个监控图像中的人脸特征，并确定每个监控图像中的人脸特征与数据库的目标特征的相似度，当任一监控图像中的人脸特征与目标特征的相似度达到预先设置的报警阈值，则触发报警。

在实现本发明的过程中，发明人发现相关技术至少存在如下缺陷：

由于是根据每个图像采集设备单独采集的监控图像进行是否报警的处理，报警与否取决于每个监控图像中人脸特征与目标特征的相似度，因而报警的准确率不高；此外，由于图像采集设备会分布在不同的位置，采集监控图像的角度、距离、时间以及光照等因素的不同，采集到的监控图像多种多样，例如采集的监控图像为目标人物戴口罩的图像，侧脸图像等。因此，可对比的人脸特征则会变少，导致相似度的参考性不高，因而进一步降低了报警的准确率。

发明内容

本发明实施例提供了一种人脸识别报警的方法、装置、系统及计算机设备，可解决上述相关技术存在的报警的准确率不高的问题。所述技术方案如下：

第一方面，提供了一种人脸识别报警的方法，所述方法包括：

获取至少两个图像采集设备采集的监控图像和参考对象的人脸特征；

提取各个图像采集设备采集的监控图像中目标对象的人脸特征，并确定各个目标对象的人脸特征与所述参考对象的人脸特征之间的特征相似度；

根据所述特征相似度对各个图像采集设备采集的监控图像进行关联验证；

当关联验证的结果满足报警条件时，进行报警。

可选的，所述根据所述特征相似度对各个图像采集设备采集的监控图像进行关联验证，包括：

当各个目标对象的人脸特征与所述参考对象的人脸特征之间的特征相似度均小于第一阈值时，对各个图像采集设备采集的监控图像进行关联验证。

可选的，所述根据所述特征相似度对各个图像采集设备采集的监控图像进行关联验证，包括：

对各个图像采集设备采集的监控图像中的目标对象进行聚类；

当任一类别下的目标对象的数量不小于第二阈值，且对应的特征相似度均不小于第三阈值时，关联验证的结果满足报警条件。

可选的，所述根据所述特征相似度对各个图像采集设备采集的监控图像进行关联验证，包括：

确定各个图像采集设备采集的监控图像中特征相似度满足验证阈值的监控图像的数量，所述验证阈值小于第一阈值；

当所述特征相似度满足验证阈值的监控图像的数量达到目标数目时，关联验证的结果满足报警条件。

可选的，所述根据所述特征相似度对各个图像采集设备采集的监控图像进行关联验证，包括：

对于各个图像采集设备采集的监控图像中的任一监控图像，确定其他监控图像对应的特征相似度对所述任一监控图像的相似度贡献权重；

根据所述其他监控图像对应的特征相似度对所述任一监控图像的相似度贡献权重计算所述任一监控图像对应的关联相似度；

当任一监控图像对应的关联相似度不小于第四阈值时，关联验证的结果满足报警条件。

可选的，所述根据所述特征相似度对各个图像采集设备采集的监控图像进行关联验证，包括：

确定各个图像采集设备对应的权重；

根据所述各个图像采集设备对应的权重及采集的监控图像对应的特征相似度计算综合相似度；

当所述综合相似度不小于第五阈值时，关联验证的结果满足报警条件。

可选的，所述根据所述特征相似度对各个图像采集设备采集的监控图像进行关联验证，包括：

获取各个图像采集设备采集的监控图像中特征相似度达到基础阈值的监控图像，所述基础阈值小于第一阈值；

计算所述特征相似度达到基础阈值的监控图像的综合概率；

当存在至少两个综合概率不小于综合概率阈值的监控图像时，关联验证结果满足报警条件。

可选的，所述方法，还包括：

当任一目标对象的人脸特征与所述参考对象的人脸特征之间的特征相似度不小于所述第一阈值时，进行报警。

可选的，所述进行报警，包括：

获取目标图像采集设备的位置信息及采集监控图像的时间信息，所述目标图像采集设备采集的监控图像包含所述目标对象；

获取所述参考对象的资料信息；

显示所述位置信息、时间信息及资料信息，并发出报警提示信号。

可选的，所述方法还包括：

获取所述图像采集设备所在监控区域的地图信息；

根据所述位置信息、时间信息及地图信息确定所述目标对象的活动区域及可行路线；

显示所述目标对象的活动区域及可行路线。

第二方面，提供了一种人脸识别报警的装置，所述装置包括：

获取模块，用于获取至少两个图像采集设备采集的监控图像和参考对象的人脸特征；

提取模块，用于提取各个图像采集设备采集的监控图像中目标对象的人脸特征；

确定模块，用于确定各个目标对象的人脸特征与所述参考对象的人脸特征之间的特征相似度；

验证模块，用于根据所述特征相似度对各个图像采集设备采集的监控图像进行关联验证；

报警模块，用于当关联验证的结果满足报警条件时，进行报警。

可选的，所述验证模块，用于当各个目标对象的人脸特征与所述参考对象的人脸特征之间的特征相似度均小于第一阈值时，对各个图像采集设备采集的监控图像进行关联验证。

可选的，所述验证模块，用于对各个图像采集设备采集的监控图像中的目标对象进行聚类；当任一类别下的目标对象的数量不小于第二阈值，且对应的特征相似度均不小于第三阈值时，关联验证的结果满足报警条件。

可选的，所述验证模块，用于确定各个图像采集设备采集的监控图像中特征相似度满足验证阈值的监控图像的数量，所述验证阈值小于第一阈值；当所述特征相似度满足验证阈值的监控图像的数量达到目标数目时，关联验证的结果满足报警条件。

可选的，所述验证模块，用于对于各个图像采集设备采集的监控图像中的任一监控图像，确定其他监控图像对应的特征相似度对所述任一监控图像的相似度贡献权重；根据所述其他监控图像对应的特征相似度对所述任一监控图像的相似度贡献权重计算所述任一监控图像对应的关联相似度；当任一监控图像对应的关联相似度不小于第四阈值时，关联验证的结果满足报警条件。

可选的，所述验证模块，用于确定各个图像采集设备对应的权重；根据所述各个图像采集设备对应的权重及采集的监控图像对应的特征相似度计算综合相似度；当所述综合相似度不小于第五阈值时，关联验证的结果满足报警条件。

可选的，所述验证模块，用于获取各个图像采集设备采集的监控图像中特征相似度达到基础阈值的监控图像，所述基础阈值小于第一阈值；计算所述特征相似度达到基础阈值的监控图像的综合概率；当存在至少两个综合概率不小于综合概率阈值的监控图像时，关联验证结果满足报警条件。

可选的，所述报警模块，还用于当任一目标对象的人脸特征与所述参考对象的人脸特征之间的特征相似度不小于所述第一阈值时，进行报警。

可选的，所述报警模块，用于获取目标图像采集设备的位置信息及采集监控图像的时间信息，所述目标图像采集设备采集的监控图像包含所述目标对象；获取所述参考对象的资料信息；显示所述位置信息、时间信息及资料信息，并发出报警提示信号。

可选的，所述报警模块，还用于获取所述图像采集设备所在监控区域的地图信息；根据所述位置信息、时间信息及地图信息确定所述目标对象的活动区域及可行路线；显示所述目标对象的活动区域及可行路线。

第三方面，提供了一种人脸识别报警的系统，所述系统包括至少两个图像采集设备及服务器；

其中，所述图像采集设备采集监控图像，所述服务器包括上述第二方面提供的所述的人脸识别报警的装置。

第四方面，提供了一种计算机设备，所述计算机设备包含处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行，以实现如上述第一方面所述的人脸识别报警的方法。

第五方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行，以实现如上述第一方面所述的人脸识别报警的方法。

本发明实施例提供的技术方案带来的有益效果是：

本发明实施例中，在获取各个目标对象的人脸特征与参考对象的人脸特征之间的特征相似度之后，通过根据特征相似度对各个图像采集设备采集的监控图像进行关联验证，以实现结合各个图像采集设备采集到的监控图像进行联合验证，并当关联验证的结果满足报警条件时，进行报警，从而可以减少漏报率，进而提高人脸识别报警的准确率。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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。

图1是本发明实施例提供的一种人脸识别报警的系统架构图；

图2是本发明实施例提供的一种人脸识别报警的方法流程图；

图3是本发明实施例提供的特征相似度和相似度贡献权重的对应关系示意图；

图4是本发明实施例提供的一种人脸识别报警的方法流程图；

图5是本发明实施例提供的一种人脸识别报警的装置结构示意图；

图6是本发明实施例提供的一种服务器的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

在生活中，图像采集设备(例如：摄像机)的使用越来越广泛，随着人们安全意识的提高，利用图像采集设备采集图像，基于图像处理技术的人脸识别报警技术在生产生活中的应用也越来越广泛。对此，本发明实施例提供了一种人脸识别报警的方法，该方法可以应用于有监控或识别对象等需求的各个场景中。例如，银行机构利用图像采集设备采集到的监控图像，识别会员客户；公安系统通过图像采集设备采集到的监控图像，识别待寻找人员(例如，走失儿童、老人)等。

此外，为了更全面的监控，一般会在监控区域的不同位置设置若干图像采集设备(即至少两个图像采集设备)，本发明实施例提供的人脸识别报警的方法可应用于包括多个图像采集设备的系统环境中，由该图像采集设备实现人脸识别报警。可选地，该多个图像采集设备还可以分别连接到服务器，则本发明实施例提供的人脸识别报警的方法可应用于图1所示的系统中。如图1所示，该系统包括至少两个图像采集设备11和至少一个服务器12。

其中，该图像采集设备11可以是摄像机等能够采集图像的设备。具体实施时，可以选取两个及两个以上的图像采集设备11布局在应用场景中。以应用场景为银行机构为例，可以在银行机构的门口布局一个图像采集设备11，在银行机构的大厅内布局一个图像采集设备11，在银行机构的业务办理柜台旁布局一个图像采集设备11，以及在银行机构的取款机旁布局一个图像采集设备11等。当然，除了银行机构，还可以是其他应用场景，且除了示例中提到的布局位置，还可以在应用场景的其他位置布局图像采集设备，本实施例不对图像采集设备11的数量及具体布局位置进行限定，可根据应用场景及需求进行设置。

服务器12可以是一台服务器，或者是由若干台服务器组成的服务器集群，或者是一个虚拟化平台，或者是一个云计算服务中心，本发明实施例对此不做具体限定。其中，服务器可以包括处理器、存储器、收发器等部件。处理器可以为CPU(Central ProcessingUnit，中央处理单元)等，可以执行确定特征相似度等处理。存储器可以为RAM(RandomAccess Memory，随机存取存储器)，Flash(闪存)等，可以用于存储接收到的数据、处理过程所需的数据、处理过程中生成的数据等，如图像采集设备11发送的监控图像数据等。收发器可以用于接收图像采集设备11发送的数据，收发器可以包括天线、匹配电路、调制解调器等。

为了实现图像采集设备11与服务器12之间的通信，图像采集设备11和服务器12通过有线或无线的方式进行通信连接。通信网络使用标准通信技术和/或协议。网络通常为因特网、但也可以是任何网络，包括但不限于局域网(Local Area Network，LAN)、城域网(Metropolitan Area Network，MAN)、广域网(Wide Area Network，WAN)、移动、有线或者无线网络、专用网络或者虚拟专用网络的任何组合)。在一些实施例中，使用包括超文本标记语言(Hyper Text Mark-up Language，HTML)、可扩展标记语言(Extensible MarkupLanguage，XML)等的技术和/或格式来代表通过网络交换的数据。此外还可以使用诸如安全套接字层(Secure Socket Layer，SSL)、传输层安全(Trassport Layer Security，TLS)、虚拟专用网络(Virtual Private Network，VPN)、网际协议安全(Internet ProtocolSecurity，IPsec)等常规加密技术来加密所有或者一些链路。在另一些实施例中，还可以使用定制和/或专用数据通信技术取代或者补充上述数据通信技术。

基于上述应用场景介绍以及图1所示的实施环境，本发明一示例性实施例提供了一种人脸识别报警的方法。该方法可以由与图像采集设备通信连接的服务器实现。

可选地，该方法也可以通过由具有人脸识别功能的图像采集设备实现，例如，智能摄像机。

以服务器执行该方法为例，如图2所示，该方法的处理流程可以包括如下的步骤：

步骤101，获取至少两个图像采集设备采集的监控图像和参考对象的人脸特征。

在实施中，图像采集设备可以将采集到的监控图像(即图像数据)发送给服务器。其中，图像采集设备向服务器发送监控图像的方式可以是实时发送，也可以是周期性发送。例如，可以为图像采集设备预先设置一个发送周期，图像采集设备每隔发送周期的时间长度即可向服务器发送采集到的监控图像。为了提高发送监控图像的即时性，可以将发送周期设置的小一些(如3秒、5秒等)。相应的，服务器通过接收至少两个图像采集设备发送的监控图像，即获取到用于人脸识别报警的监控图像。

此外，为了识别在监控区域中出现的指定人物(即参考对象)，服务器还会获取参考对象的人脸特征。例如，后台技术人员会在服务器中预先录入参考对象的资料信息，该资料信息中包括有参考对象的图像，还可以包括参考对象的姓名、年龄、性别等信息。服务器通过对参考对象的图像进行人脸特征的提取，得到参考对象的人脸特征。关于人脸特征的提取，具体可参考下面步骤102的叙述。当然，除了由进行人脸识别报警的当前服务器对参考对象的图像进行人脸特征的提取之外，也可以由当前服务器从其它服务器直接导入参考对象的人脸特征。例如，其它服务器已经对参考对象进行了图像采集，并提取了人脸特征，当前服务器无需再进行人脸特征的提取，可以直接从其它服务器中获取参考对象的人脸特征，并存储获取到的参考对象的人脸特征即可。

需要说明的是，参考对象的人脸特征可以是多个，参考对象也可以是多个，服务器在获取到参考对象的人脸特征之后，可以将参考对象与其人脸特征进行对应存储。

步骤102，提取各个监控图像中目标对象的人脸特征，并确定各个目标对象的人脸特征与参考对象的人脸特征之间的特征相似度。

在实施中，服务器对获取到的监控图像进行人脸识别，得到人脸区域，并对人脸区域进行人脸特征的提取，以得到各个监控图像中目标对象的人脸特征。其中，人脸识别及人脸特征的提取方法可以采用深度学习的网络模型实现。或者，也可以采用模板的方式实现。例如，预先设计一个或多个标准人脸模板，将获取到的监控图像作为测试样品，计算测试样品与标准人脸模板之间的匹配程度，如果匹配程度达到匹配阈值，则判断存在人脸，并对其进行特征提取。当然，除了采用模板的方式，还可以采用其他人脸识别及人脸特征提取的方式，本实施例对此不做具体限定。

无论采用哪种方式，服务器得到每个监控图像中目标对象的人脸特征之后，将上述监控图像中目标对象的人脸特征与获取到的参考对象的人脸特征进行比对，得到各个监控图像中的目标对象与参考对象的人脸特征之间的特征相似度。比对时，可以在提取所有监控图像中目标对象的人脸特征之后，再将每个监控图像中目标对象的人脸特征与获取到的参考对象的人脸特征进行比对，即集中比对。可选的，还可以每提取一个监控图像中目标对象的人脸特征之后，就将该监控图像中每个目标对象的人脸特征与获取到的参考对象的人脸特征进行比对，即单独比对。无论是集中比对，还是单独比对，具体实施时，可以采用模式识别中人工神经网络的方法，得到监控图像中的目标对象与参考对象的人脸特征之间的特征相似度。例如，通过对参考对象的人脸图像样品集和非参考对象的人脸图像样品集对初始模型进行训练学习，产生得到分类器，之后将获取到的监控图像中目标对象的人脸特征输入至该分类器，输出得到目标对象的人脸特征与参考对象的人脸特征之间的特征相似度。除了采用神经网络模型的方式确定特征相似度，还可以通过概率拟合，或者通过对比人脸特征中相同特征的数目等方式得出特征相似度。例如，先确定目标对象的人脸特征与参考对象的人脸特征之间相同特征的数目，将相同特征的数目和参考对象的人脸特征的数目之间的比值确定为特征相似度。当然，除了上述特征相似度的确定方式，还可以采用其他方式，本发明实施例对此不做具体限定。

需要说明的是，如果有多个参考对象，则服务器可以计算目标对象的人脸特征分别与每个参考对象的人脸特征之间的特征相似度。本发明实施例仅以一个参考对象的人脸特征为例进行说明，其余参考对象的处理方式与此同理，不再一一赘述。

步骤103，当任一特征相似度不小于第一阈值时，进行报警。

针对该步骤，可以是在每提取一个监控图像中目标对象的人脸特征，并确定该目标对象的人脸特征与参考对象的人脸特征之间的特征相似度之后，即可将该特征相似度与第一阈值进行比较，如果不小于第一阈值，则进行报警。具体实施时，服务器中可以预先设置一个特征相似度的阈值，即第一阈值，通过该第一阈值指示基本报警条件，为了提高报警的准确性，可以将该第一阈值设置的较高，满足该基本报警条件，说明目标对象与参考对象的相似度较高，可以将目标对象确定为参考对象。该第一阈值的大小可以根据实际情况进行设置，例如，可以将该第一阈值设置为90％。则该步骤可以将步骤102中得到的特征相似度与第一阈值进行比较，如果任一特征相似度不小于第一阈值，则说明目标对象与参考对象的相似度较高，可以判定为目标对象即为参考对象，因而服务器会进行报警。

其中，进行报警的方法可以是服务器将参考对象的姓名、达到第一阈值的监控图像对应的图像采集设备的位置信息、以及监控图像的采集时间等信息在服务器连接的显示设备主页面进行显示。或者，播放一段报警录音，或者，将上述参考对象的姓名、达到第一阈值的监控图像对应的图像采集设备的位置信息、以及监控图像的采集时间等信息进行语音播放。当然，还可以采用其他报警方式，本发明实施例不对具体报警方式进行限定。

步骤104，当各个特征相似度均小于第一阈值时，对各个监控图像进行关联验证。

针对该步骤，如果各个特征相似度均小于第一阈值，说明还未达到基本报警条件，但为了避免因人脸存在遮挡、或者光照等原因影响报警准确率，本发明实施例提供的方法当在步骤102中各个监控图像中的目标对象的人脸特征与参考对象的人脸特征的特征相似度均小于第一阈值时，可以对各个监控图像进行关联验证，即对特征相似度小于第一阈值的目标对象进行关联验证，从而将一些虽然低于第一阈值却需要报警的情况筛选出来进行报警，以降低漏报的机率。

其中，对各个监控图像进行关联验证的方式，即相当于采用大数据的处理方式，综合考虑各个图像采集设备采集的监控图像来确定是否进行报警。此外，在经过步骤102得到各个目标对象的人脸特征与参考对象的人脸特征之间的特征相似度之后，可以实时进行关联验证，也可以预先设置一个验证周期，在达到该预设的验证周期时长后开始关联验证，还可以设置一个触发条件，当达到该触发条件时，开始按照预设的验证周期对监控图像进行关联验证。例如，服务器可以在图像采集设备采集到有人脸特征的监控图像之后，每隔预设的周期时长，对监控图像进行一次关联验证。具体实施时，关联验证的方式包括但不限于如下方式中的任一种：

第一种关联验证的方式：对各个监控图像中的目标对象进行聚类，当任一类别下的目标对象的数量不小于第二阈值，且对应的特征相似度均不小于第三阈值时，关联验证的结果满足报警条件。

针对该种关联验证的方式，由于对目标对象进行聚类，能够统计出各个图像采集设备采集到的监控图像中包括同一目标对象的数量，如果任一类别下的目标对象的数量不小于第二阈值，且对应的特征相似度均不小于第三阈值，说明同一目标对象被多个图像采集设备采集到，且均与参考对象的相似度较高，则可以认为目标对象即为参考对象，进而触发报警，以减少漏报的情况。

其中，第二阈值用于反映聚类的目标对象的数量是否满足报警的条件，第三阈值小于第一阈值，用于反映目标对象与参考对象达到何种相似程度才能触发报警。如果第三阈值设置的跟第一阈值太过相近，可能最终的验证结果也未能起到降低漏报的效果。但如果第三阈值设置的太低，又有可能会在目标对象与参考对象相似度较低时触发报警，从而加大了误报率。因此，第三阈值的大小，对报警精度起到比较大的作用。具体应用过程中，可以结合实际经验进行设置，如利用历史数据进行模拟分析，根据分析结果设置该第三阈值。且为了便于后续使用，可以在服务器中预先设置一个第二阈值和小于第一阈值的第三阈值，第二阈值和第三阈值的大小，均可以根据实际情况进行设置，或者依据实际情况进行调整，本实施例对此不做具体限定。

具体的，对各个监控图像进行聚类处理时，聚类处理可以是谱系聚类、快速聚类、两阶段聚类等聚类处理方法，本实施例不对具体聚类处理方式进行限定。服务器获取聚类处理后的每一类监控图像中的目标对象的数量，如果任一类中目标对象的数量不小于第二阈值，且目标对象的人脸特征与参考对象的人脸特征的特征相似度不小于第三阈值，则可以得出关联验证的结果满足报警条件。

例如，有3台图像采集设备，设置的第二阈值为2，第三阈值为0.6，如果对各个监控图像进行聚类之后得到2个类别，其中，第一个类别中目标对象的数量为2，且特征相似度一个为0.7，一个为0.6；第二个类别中目标对象的数量为1，特征相似度为0.6。由于第一个类别中目标对象的数量不小于2，且特征相似度均不小于第三阈值，因而可以认为关联验证结果满足报警条件。

第二种关联验证的方式：确定特征相似度满足验证阈值的监控图像的数量，验证阈值小于第一阈值；当特征相似度满足验证阈值的监控图像的数量达到目标数目时，关联验证的结果满足报警条件。

在实施中，可以预先设置一个目标数目和一个验证阈值，目标数目和验证阈值均可以根据实际情况进行设置，或者依据实际情况进行调整，还可以通过实际经验进行设置或调整。例如，可以利用历史数据进行模拟分析，根据分析结果设置目标数目和验证阈值。服务器可以从至少两个图像采集设备发送的所有监控图像中确定出特征相似度满足验证阈值的监控图像。如果特征相似度满足验证阈值的监控图像的数量达到了预设的目标数目，则认为关联验证的结果满足报警条件。

例如，设目标数目为3，验证阈值为特征相似度达到70％，服务器则将一个验证周期内各个图像采集设备采集的监控图像中特征相似度达到70％的监控图像筛选出来，如果筛选出的监控图像的数目达到了3个，则该验证周期的关联验证结果满足报警条件。

第三种关联验证的方式：对于任一监控图像，确定其他监控图像对应的特征相似度对任一监控图像的相似度贡献权重，根据其他监控图像对应的特征相似度对任一监控图像的相似度贡献权重计算任一监控图像对应的关联相似度，当任一监控图像对应的关联相似度不小于第四阈值时，关联验证的结果满足报警条件。

在实施中，相似度贡献权重可以通过监控图像的特征相似度获得，例如，可以通过比例运算等方式，预先确定并存储特征相似度与相似度贡献权重的对应关系。服务器中可以预先设置一个第四阈值，该第四阈值可以根据实际情况进行设置，或者依据实际情况进行调整，还可以通过实际经验进行设置或调整。例如，可以利用历史数据进行模拟分析，根据分析结果设置第四阈值。当在步骤102中各个监控图像中的目标对象的人脸特征与参考对象的人脸特征的特征相似度均小于第一阈值时，则获取特征相似度和相似度贡献权重的对应关系，根据步骤102中得到的监控图像的特征相似度确定该特征相似度对应的相似度贡献权重，然后，根据任一监控图像的特征相似度和除该监控图像之外的其他监控图像对应的相似度贡献权重计算关联相似度，如果该关联相似度不小于第四阈值，则关联验证的结果满足报警条件。

例如，3张监控图像的特征相似度分别为第一张0.6、第二张0.65、第三张0.7，特征相似度和相似度贡献权重的对应关系如图3所示，设第四阈值为0.85，则第一张的关联相似度为0.6+0.6*0.15+0.6*0.2＝0.81，第二张的关联相似度为0.65*0.1+0.65+0.65*0.2＝0.845，第三张的关联相似度为0.7*0.1+0.7*0.15+0.7＝0.875，第三张的关联相似度0.875不小于第四阈值0.85，由于存在关联相似度不小于第四阈值的情况，则会认为关联验证的结果满足报警条件。

第四种关联验证的方式：确定各个图像采集设备对应的权重，根据各个图像采集设备对应的权重及采集的监控图像对应的特征相似度计算综合相似度，当综合相似度不小于第五阈值时，关联验证的结果满足报警条件。

在实施中，服务器可以预先为每个图像采集设备设置一个权值，并设置一个第五阈值，其中，权值可以根据图像采集设备的安装位置、拍摄距离、角度等因素设置，第五阈值可以根据实际情况进行设置，或者依据实际情况进行调整，还可以通过实际经验进行设置或调整。例如，可以利用历史数据进行模拟分析，根据分析结果设置第五阈值。在步骤102中各个监控图像中的目标对象的人脸特征与参考对象的人脸特征的特征相似度均小于第一阈值时，服务器可以将加权后的监控图像中目标对象的特征相似度进行累加得到一个综合相似度，然后将该综合相似度与第五阈值进行比较，如果该综合相似度不小于第五阈值，则认为关联验证结果满足报警条件。

例如，有3个图像采集设备，权值分别为0.2,0.5,0.6，3个图像采集设备采集到的一组监控图像的特征相似度为分别0.5,0.6,0.7，设第一阈值为0.9，第五阈值为0.8，则可得到该组监控图像的综合相似度为0.2*0.5+0.5*0.6+0.6*0.7＝0.82，综合相似度不小于第五阈值，则关联验证的结果满足报警条件。

除上述几种关联验证的方式之外，还可以对监控图像进行概率分析，然后通过计算后验概率或者进行概率建模等概率分析的方法进行关联验证。例如，详见下面第五种关联验证的方式。

第五种关联验证的方式：获取特征相似度达到基础阈值的监控图像，基础阈值小于第一阈值；计算特征相似度达到基础阈值的监控图像的综合概率；当至少两个特征相似度达到基础阈值的监控图像的综合概率不小于综合概率阈值时，关联验证结果满足报警条件。

在实施时，可以预先设置一个综合概率阈值和一个基础阈值，基础阈值是一个特征相似度的阈值，用来筛选特征相似度达到该基础阈值的特征，综合概率阈值用于反映所有监控图像整体与参考对象的相似情况。服务器获取每个验证周期内至少两个图像采集设备采集的每个监控图像，并从中提取与参考对象的人脸特征的特征相似度达到上述基础阈值的人脸特征。之后，将特征相似度达到基础阈值的人脸特征进行汇总，去除重复的人脸特征，将不重复的人脸特征的数量作为第一数值，参考对象的人脸特征的数量为第二数值。接下来，计算第一数值与第二数值的比值，并将该比值作为得到的综合概率，即特征相似度达到基础阈值的监控图像的综合概率。综合概率阈值和基础阈值均可以根据实际情况进行设置，或者依据实际情况进行调整，还可以通过实际经验进行设置或调整。例如，可以利用历史数据进行模拟分析，根据分析结果设置综合概率阈值和基础阈值。

例如，设综合概率阈值为0.8，参考对象的人脸特征有a、b、c、d、e、f，服务器在某一验证周期获取到3张监控图像，第一张监控图像中特征相似度达到基础阈值的人脸特征有a、b和c，第二张监控图像中特征相似度达到基础阈值的人脸特征有b、c和e，第三张监控图像中特征相似度达到基础阈值的人脸特征有b、c和d，则将特征相似度达到基础阈值的人脸特征进行汇总，去除重复的人脸特征之后，得到的人脸特征有a、b、c、d和e，即第一数值为5，而参考对象的人脸特征的数量为6，即第二数值为6。因此，综合概率约为0.83，达到了综合概率阈值0.8，则关联验证结果满足报警条件。

步骤105，当关联验证的结果满足报警条件时，进行报警。

在实施中，当在步骤102中各个监控图像中的目标对象的人脸特征与参考对象的人脸特征的特征相似度均小于第一阈值时，采用关联验证，如果关联验证的结果满足报警条件时，服务器则会进行报警。

在关联验证结果满足报警条件时，可以直接发出报警提示信号，例如，通过屏幕显示告警信息“当前监控区域出现目标对象”。可选的，报警时，还可以获取目标图像采集设备的位置信息及采集监控图像的时间信息，获取参考对象的资料信息；显示位置信息、时间信息及资料信息，并发出报警提示信号。

其中，由于图像采集设备采集的监控图像不一定都包含目标对象，当通过关联验证确定需要进行报警时，将采集的监控图像中包含目标对象的图像采集设备作为目标采集设备，该目标采集设备的位置及采集到监控图像的时间可以反映出目标对象出现的实际位置及实际时间，因而为了在报警时提供更有针对性的可供参考的信息，本发明实施例提供的方法在报警时，可以获取出现目标对象的每一张监控图像对应的图像采集设备的位置信息，和采集监控图像的时间信息。此外，服务器还可以获取目标对象对应的参考对象的资料信息。例如，在银行监控系统中，资料信息可以包括姓名，客户等级等，相关业务等；在公安监控系统中，资料信息可以包括姓名，籍贯，涉案信息，通缉等级等。之后，服务器可以通过自身连接的显示设备显示上述位置信息、时间信息和资料信息，并发出报警提示信号，以使监控人员能获取目标对象最近时间所在位置。

或者，在服务器获取到上述位置信息、时间信息和资料信息后，结合各个监控设备所在的监控区域的地图信息确定目标对象的活动区域和所有可行路线，将上述活动区域、可行路线作为报警信息显示在显示设备上。其中，可行路线可以是目标对象的可行路线，以此提示目标对象的行动去向。可选的，该可行路线还可以是除目标对象之外的其他对象的可行路线，如寻人机器人或者安保人员的可行路线，以此提示寻找目标对象的可行线路。例如，服务器在获取到目标对象出现的第一时间为门口，第二时间为大厅，第三时间为楼梯口，则服务器可以确定可行路线为上楼，可能的活动区域为楼上或楼梯附近，之后服务器可以获取目标对象对应的参考对象的姓名、性别、年龄、客户等级、以及相关业务等资料信息，并将上述信息显示在报警显示器上，并发出报警提示信号。

需要说明的是，监控区域的地图信息可以预先输入至服务器中，或者服务器通过与导航服务器进行通信，从导航服务器中获取监控区域的地图信息，本发明实施例不对获取监控区域的地图信息的方式进行限定。

本发明实施例提供的方法，在获取各个目标对象的人脸特征与参考对象的人脸特征之间的特征相似度之后，通过根据特征相似度对各个图像采集设备采集的监控图像进行关联验证，以实现结合各个图像采集设备采集到的监控图像进行联合验证，并当关联验证的结果满足报警条件时，进行报警，从而可以减少漏报率，进而提高人脸识别报警的准确率。

此外，当任一目标对象的人脸特征与参考对象的人脸特征之间的特征相似度不小于第一阈值时，进行报警，可以提高人脸识别报警的时效性。与关联验证的方式配合使用，可以提高报警的整体性能。

本发明再一示例性实施例示出了一种人脸识别报警的方法，如图4所示，该方法包括：

步骤201，获取至少两个图像采集设备采集的监控图像和参考对象的人脸特征。

步骤202，提取各个监控图像中目标对象的人脸特征，并确定各个目标对象的人脸特征与参考对象的人脸特征之间的特征相似度。

步骤203，根据特征相似度对各个监控图像进行关联验证。

步骤204，当关联验证的结果满足报警条件时，进行报警。

本实施例的方法与前一实施例的区别之处在于，在步骤202中得到人脸特征后，无需与第一阈值进行比对，而是可以直接进行关联验证，根据关联验证的结果决定是否进行报警。上述各个步骤的具体执行过程参照前一实施例的方法中对应的步骤，这里不再一一赘述。

本实施例提供的方法，在获取各个目标对象的人脸特征与参考对象的人脸特征之间的特征相似度之后，通过根据特征相似度对各个监控图像进行关联验证，以实现结合各个图像采集设备采集到的监控图像进行联合验证，并当关联验证的结果满足报警条件时，进行报警，从而可以减少漏报率，进而提高人脸识别报警的准确率。

本发明再一示例性实施例示出了一种人脸识别报警的装置，作为可选的实施方式，该装置可应用于图像采集设备中，也可以应用于与图像采集设备相连的服务器中。如图5所示，该装置包括：

获取模块51，用于获取至少两个图像采集设备采集的监控图像和参考对象的人脸特征；

提取模块52，用于提取各个图像采集设备采集的监控图像中目标对象的人脸特征；

确定模块53，用于确定各个目标对象的人脸特征与参考对象的人脸特征之间的特征相似度；

验证模块54，用于根据特征相似度对各个图像采集设备采集的监控图像进行关联验证；

报警模块55，用于当关联验证的结果满足报警条件时，进行报警。

可选的，验证模块54，用于当各个目标对象的人脸特征与参考对象的人脸特征之间的特征相似度均小于第一阈值时，对各个图像采集设备采集的监控图像进行关联验证。

可选的，验证模块54，用于对各个图像采集设备采集的监控图像中的目标对象进行聚类；当任一类别下的目标对象的数量不小于第二阈值，且对应的特征相似度均不小于第三阈值时，关联验证的结果满足报警条件。

可选的，验证模块54，用于确定各个图像采集设备采集的监控图像中特征相似度满足验证阈值的监控图像的数量，验证阈值小于第一阈值；当特征相似度满足验证阈值的监控图像的数量达到目标数目时，关联验证的结果满足报警条件。

可选的，验证模块54，用于对于各个图像采集设备采集的监控图像中的任一监控图像，确定其他监控图像对应的特征相似度对任一监控图像的相似度贡献权重；根据其他监控图像对应的特征相似度对任一监控图像的相似度贡献权重计算任一监控图像对应的关联相似度；当任一监控图像对应的关联相似度不小于第四阈值时，关联验证的结果满足报警条件。

可选的，验证模块54，用于确定各个图像采集设备对应的权重；根据各个图像采集设备对应的权重及采集的监控图像对应的特征相似度计算综合相似度；当综合相似度不小于第五阈值时，关联验证的结果满足报警条件。

可选的，验证模块54，用于获取各个图像采集设备采集的监控图像中特征相似度达到基础阈值的监控图像，基础阈值小于第一阈值；计算特征相似度达到基础阈值的监控图像的综合概率；当存在至少两个综合概率不小于综合概率阈值的监控图像时，关联验证结果满足报警条件。

可选的，报警模块55，还用于当任一目标对象的人脸特征与参考对象的人脸特征之间的特征相似度不小于第一阈值时，进行报警。

可选的，报警模块55，用于获取目标图像采集设备的位置信息及采集监控图像的时间信息，目标图像采集设备采集的监控图像包含目标对象；获取参考对象的资料信息；显示位置信息、时间信息及资料信息，并发出报警提示信号。

可选的，报警模块55，还用于获取图像采集设备所在监控区域的地图信息；根据位置信息、时间信息及地图信息确定目标对象的活动区域及可行路线；显示目标对象的活动区域及可行路线。

本发明实施例提供的装置，在获取各个目标对象的人脸特征与参考对象的人脸特征之间的特征相似度之后，通过根据特征相似度对各个图像采集设备采集的监控图像进行关联验证，以实现结合各个图像采集设备采集到的监控图像进行联合验证，并当关联验证的结果满足报警条件时，进行报警，从而可以减少漏报率，进而提高人脸识别报警的准确率。

此外，当任一目标对象的人脸特征与参考对象的人脸特征之间的特征相似度不小于第一阈值时，进行报警，可以提高人脸识别报警的时效性。与关联验证的方式配合使用，可以提高报警的整体性能。

需要说明的是：上述实施例提供的人脸识别报警的装置仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的人脸识别报警的装置与人脸识别报警的方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

本发明再一示例性实施例示出了一种服务器的结构示意图。该服务器可以是监控后台服务器等，如图6所示：

服务器1900可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器(central processing units，CPU)1922(例如，一个或一个以上处理器)和存储器1932，一个或一个以上存储应用程序1942或数据1944的存储介质1930(例如一个或一个以上海量存储设备)。其中，存储器1932和存储介质1930可以是短暂存储或持久存储。存储在存储介质1930的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器1922可以设置为与存储介质1930通信，在服务器1900上执行存储介质1930中的一系列指令操作。

服务器1900还可以包括一个或一个以上电源1926，一个或一个以上有线或无线网络接口1950，一个或一个以上输入输出接口1958，一个或一个以上键盘1956，和/或，一个或一个以上操作系统1941，例如Windows ServerTM，Mac OS XTM，UnixTM，LinuxTM，FreeBSDTM等等。

服务器1900可以包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行一个或者一个以上程序包含用于进行上述人脸识别报警操作的指令。

本发明实施例中，获取至少两个图像采集设备采集的监控图像和参考对象的人脸特征，提取各个监控图像中目标对象的人脸特征，并确定各个目标对象的人脸特征与参考对象的人脸特征之间的特征相似度，当各个特征相似度均小于第一阈值时，对各个监控图像进行关联验证，当关联验证的结果满足报警条件时，进行报警。这样，可以通过提高第一阈值，提高实时报警的准确率，同时，通过增加关联验证减少漏报率，进而增加了人脸识别报警的准确率。

本发明实施例还提供了一种计算机设备，该计算机设备包含处理器和存储器，存储器中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行，以实现上述人脸识别报警的方法。

本发明实施例还提供了一种计算机可读存储介质，存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行，以实现上述人脸识别报警的方法。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (22)

1.一种人脸识别报警的方法，其特征在于，所述方法包括：

获取至少两个图像采集设备采集的监控图像和参考对象的人脸特征；

提取各个图像采集设备采集的监控图像中目标对象的人脸特征，并确定各个目标对象的人脸特征与所述参考对象的人脸特征之间的特征相似度；

根据所述特征相似度对各个图像采集设备采集的监控图像进行关联验证；

当关联验证的结果满足报警条件时，进行报警。

2.根据权利要求1所述的方法，其特征在于，所述根据所述特征相似度对各个图像采集设备采集的监控图像进行关联验证，包括：

当各个目标对象的人脸特征与所述参考对象的人脸特征之间的特征相似度均小于第一阈值时，对各个图像采集设备采集的监控图像进行关联验证。

3.根据权利要求1或2所述的方法，其特征在于，所述根据所述特征相似度对各个图像采集设备采集的监控图像进行关联验证，包括：

对各个图像采集设备采集的监控图像中的目标对象进行聚类；

当任一类别下的目标对象的数量不小于第二阈值，且对应的特征相似度均不小于第三阈值时，关联验证的结果满足报警条件。

4.根据权利要求1或2所述的方法，其特征在于，所述根据所述特征相似度对各个图像采集设备采集的监控图像进行关联验证，包括：

确定各个图像采集设备采集的监控图像中特征相似度满足验证阈值的监控图像的数量，所述验证阈值小于第一阈值；

当所述特征相似度满足验证阈值的监控图像的数量达到目标数目时，关联验证的结果满足报警条件。

5.根据权利要求1或2所述的方法，其特征在于，所述根据所述特征相似度对各个图像采集设备采集的监控图像进行关联验证，包括：

对于各个图像采集设备采集的监控图像中的任一监控图像，确定其他监控图像对应的特征相似度对所述任一监控图像的相似度贡献权重；

根据所述其他监控图像对应的特征相似度对所述任一监控图像的相似度贡献权重计算所述任一监控图像对应的关联相似度；

当任一监控图像对应的关联相似度不小于第四阈值时，关联验证的结果满足报警条件。

6.根据权利要求1或2所述的方法，其特征在于，所述根据所述特征相似度对各个图像采集设备采集的监控图像进行关联验证，包括：

确定各个图像采集设备对应的权重；

根据所述各个图像采集设备对应的权重及采集的监控图像对应的特征相似度计算综合相似度；

当所述综合相似度不小于第五阈值时，关联验证的结果满足报警条件。

7.根据权利要求1或2所述的方法，其特征在于，所述根据所述特征相似度对各个图像采集设备采集的监控图像进行关联验证，包括：

获取各个图像采集设备采集的监控图像中特征相似度达到基础阈值的监控图像，所述基础阈值小于第一阈值；

计算所述特征相似度达到基础阈值的监控图像的综合概率；

当存在至少两个综合概率不小于综合概率阈值的监控图像时，关联验证结果满足报警条件。

8.根据权利要求2所述的方法，其特征在于，所述方法，还包括：

当任一目标对象的人脸特征与所述参考对象的人脸特征之间的特征相似度不小于所述第一阈值时，进行报警。

9.根据权利要求1或8所述的方法，其特征在于，所述进行报警，包括：

获取目标图像采集设备的位置信息及采集监控图像的时间信息，所述目标图像采集设备采集的监控图像包含所述目标对象；

获取所述参考对象的资料信息；

显示所述位置信息、时间信息及资料信息，并发出报警提示信号。

10.根据权利要求9所述的方法，其特征在于，所述方法还包括：

获取所述图像采集设备所在监控区域的地图信息；

根据所述位置信息、时间信息及地图信息确定所述目标对象的活动区域及可行路线；

显示所述目标对象的活动区域及可行路线。

11.一种人脸识别报警的装置，其特征在于，所述装置包括：

获取模块，用于获取至少两个图像采集设备采集的监控图像和参考对象的人脸特征；

提取模块，用于提取各个图像采集设备采集的监控图像中目标对象的人脸特征；

确定模块，用于确定各个目标对象的人脸特征与所述参考对象的人脸特征之间的特征相似度；

验证模块，用于根据所述特征相似度对各个图像采集设备采集的监控图像进行关联验证；

报警模块，用于当关联验证的结果满足报警条件时，进行报警。

12.根据权利要求11所述的装置，其特征在于，所述验证模块，用于当各个目标对象的人脸特征与所述参考对象的人脸特征之间的特征相似度均小于第一阈值时，对各个图像采集设备采集的监控图像进行关联验证。

13.根据权利要求11或12所述的装置，其特征在于，所述验证模块，用于对各个图像采集设备采集的监控图像中的目标对象进行聚类；当任一类别下的目标对象的数量不小于第二阈值，且对应的特征相似度均不小于第三阈值时，关联验证的结果满足报警条件。

14.根据权利要求11或12所述的装置，其特征在于，所述验证模块，用于确定各个图像采集设备采集的监控图像中特征相似度满足验证阈值的监控图像的数量，所述验证阈值小于第一阈值；当所述特征相似度满足验证阈值的监控图像的数量达到目标数目时，关联验证的结果满足报警条件。

15.根据权利要求11或12所述的装置，其特征在于，所述验证模块，用于对于各个图像采集设备采集的监控图像中的任一监控图像，确定其他监控图像对应的特征相似度对所述任一监控图像的相似度贡献权重；根据所述其他监控图像对应的特征相似度对所述任一监控图像的相似度贡献权重计算所述任一监控图像对应的关联相似度；当任一监控图像对应的关联相似度不小于第四阈值时，关联验证的结果满足报警条件。

16.根据权利要求11或12所述的装置，其特征在于，所述验证模块，用于确定各个图像采集设备对应的权重；根据所述各个图像采集设备对应的权重及采集的监控图像对应的特征相似度计算综合相似度；当所述综合相似度不小于第五阈值时，关联验证的结果满足报警条件。

17.根据权利要求11或12所述的装置，其特征在于，所述验证模块，用于获取各个图像采集设备采集的监控图像中特征相似度达到基础阈值的监控图像，所述基础阈值小于第一阈值；计算所述特征相似度达到基础阈值的监控图像的综合概率；当存在至少两个综合概率不小于综合概率阈值的监控图像时，关联验证结果满足报警条件。

18.根据权利要求11所述的装置，其特征在于，所述报警模块，还用于当任一目标对象的人脸特征与所述参考对象的人脸特征之间的特征相似度不小于所述第一阈值时，进行报警。

19.根据权利要求11或18所述的装置，其特征在于，所述报警模块，用于获取目标图像采集设备的位置信息及采集监控图像的时间信息，所述目标图像采集设备采集的监控图像包含所述目标对象；获取所述参考对象的资料信息；显示所述位置信息、时间信息及资料信息，并发出报警提示信号。

20.根据权利要求19所述的装置，其特征在于，所述报警模块，还用于获取所述图像采集设备所在监控区域的地图信息；根据所述位置信息、时间信息及地图信息确定所述目标对象的活动区域及可行路线；显示所述目标对象的活动区域及可行路线。

21.一种人脸识别报警的系统，其特征在于，所述系统包括至少两个图像采集设备及服务器；

其中，所述图像采集设备采集监控图像，所述服务器包括权利要求11-20中任一所述的装置。

22.一种计算机设备，其特征在于，所述计算机设备包含处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行，以实现如权利要求1至10任一所述的人脸识别报警的方法。