CN111079566B - 一种大规模人脸识别模型优化系统 - Google Patents
一种大规模人脸识别模型优化系统 Download PDFInfo
- Publication number
- CN111079566B CN111079566B CN201911187251.4A CN201911187251A CN111079566B CN 111079566 B CN111079566 B CN 111079566B CN 201911187251 A CN201911187251 A CN 201911187251A CN 111079566 B CN111079566 B CN 111079566B
- Authority
- CN
- China
- Prior art keywords
- server
- face
- snapshot
- analysis
- training
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种大规模人脸识别模型优化系统,其包括应用服务器、人脸算法服务器、比对分析服务器、训练管理服务器、采集接入服务器、多路人脸抓拍摄像机,本发明为克服大规模人脸识别应用场景中的不足,从数据层面,提供一种在应用过程中产生的数据进行多维度分析整理,输出标注数据集,进而对算法进行优化训练与性能评估的系统。
Description
技术领域
本发明涉及一种人脸识别模型优化系统,特别是指一种在大规模人脸识别应用中对人脸识别算法模型进行优化训练与性能评估的系统。
背景技术
大规模人脸识别应用中,目前深度学习的人脸识别算法具有明显的优势,深度学习的识别算法有三个要素:算法、算力与数据,算法有专业算法厂商、学术机构与开源组织,算力有高性能服务器与GPU、NPU加速。
而数据则由于涉及个人隐私与肖像权问题,不能随意复制使用,企业或组织在有限范围内采集照片标注或通过互联网收集公众人物的照片标注(公开数据集)进行人脸算法模型的训练与评估,这些数据集通常与实际应用场景差异较大,造成算法的正确率在实际应用场景中明显下降。尤其在公共安全领域的大规人脸识别应用场景中,大量人脸抓拍摄像机分布于各人流密集区域,照片光照、角度差异较大,抓拍人脸的数量,在工程实施中,通常按15000张/天/路计算,单路摄像机1个月的抓拍数据量超过40万。随着时间的积累,海量的人脸照片,即使人脸算法误报率微小的差异,都会成倍数放大,严重影响实战效果。
发明内容
本发明的技术方案为:一种大规模人脸识别模型优化系统,其包括应用服务器(1)、人脸算法服务器(2)、比对分析服务器(3)、训练管理服务器(4)、采集接入服务器(5)、多路人脸抓拍摄像机(6),其中,该多路人脸抓拍摄像机(6)与该采集接入服务器(5)相连接,该采集接入服务器(5)与该人脸算法服务器(2)相连接,该人脸算法服务器(2)与该比对分析服务器(3)相连接,该比对分析服务器(3)与该训练管理服务器(4)相连接,同时,该人脸算法服务器(2)与该训练管理服务器(4)相连接,该应用服务器(1)同时与该人脸算法服务器(2)、该比对分析服务器(3)、该训练管理服务器(4)、该采集接入服务器(5)相连接。
其中,该多路人脸抓拍摄像机(6)用于采集人脸照片,并通过该采集接入服务器(5)接入该模型优化系统,该人脸算法服务器(2)用于对该采集接入服务器(5)传入的人脸照片进行特征提取以及算法模型的训练,该比对分析服务器(3)用于布控库的实时比对、人脸1:N/N:N比对分析以及抓拍人脸库的聚类分析,该训练管理服务器(4)用于标注数据集的多维度分析整理、存储与人工审核质检,训练计划与测试方案管理,该应用服务器(1)用于系统配置管理及人员入库、布控、告警、人脸1:N/N:N查询与抓拍时间、位置上的碰撞比对分析应用,并将应用过程中所进行标注/确认的数据记录到训练管理服务器(4)中形成标注数据集,该人脸算法服务器(2)、该比对分析服务器(3)以及该训练管理服务器(4)形成闭环。
本发明的有益效果为:本发明为克服大规模人脸识别应用场景中的不足,从数据层面,提供一种在应用过程中产生的数据进行多维度分析整理,输出标注数据集,进而对算法进行优化训练与性能评估的系统。
附图说明
图1为本发明的方框原理图。
具体实施方式
如图1所示,一种大规模人脸识别模型优化系统,其包括:应用服务器1、人脸算法服务器2、比对分析服务器3、训练管理服务器4、采集接入服务器5、多路人脸抓拍摄像机6。
其中,该多路人脸抓拍摄像机6与该采集接入服务器5相连接,该采集接入服务器5与该人脸算法服务器2相连接,该人脸算法服务器2与该比对分析服务器3相连接,该比对分析服务器3与该训练管理服务器4相连接,同时,该人脸算法服务器2与该训练管理服务器4相连接,该应用服务器1同时与该人脸算法服务器2、该比对分析服务器3、该训练管理服务器4、该采集接入服务器5相连接。
其中,该多路人脸抓拍摄像机6用于采集人脸照片,并通过该采集接入服务器5接入该模型优化系统。
该人脸算法服务器2用于对该采集接入服务器5传入的人脸照片进行特征提取以及算法模型的训练。
该比对分析服务器3用于布控库的实时比对、人脸1:N/N:N比对分析以及抓拍人脸库的聚类分析。
该训练管理服务器4用于标注数据集的多维度分析整理、存储与人工审核质检,训练计划与测试方案管理。
该应用服务器1用于系统配置管理及人员入库、布控、告警、人脸1:N/N:N查询与抓拍时间、位置上的碰撞比对分析应用,并将应用过程中所进行标注/确认的数据记录到训练管理服务器4中形成标注数据集。
利用该人脸算法服务器2、该比对分析服务器3,进行算法模型的分布式训练与测试并根据结果评估最优模型,进而升级或增加该人脸算法服务器2的计算模型,该人脸算法服务器2、该比对分析服务器3以及该训练管理服务器4形成闭环,通过迭代提升人脸识别在应用场景中的正确率。
上述方案中,该采集接入服务器5通过28181协议或SDK方式接入该多路人脸抓拍摄像机6。
上述方案中,该多路人脸抓拍摄像机6根据安装位置所属场景进行分类,如公交站、地铁口、商场、人行道及室内、室外等,该标注数据集根据场景进行分类。
上述方案中,用户通过该应用服务器1提供的用户界面,进行碰撞分析、报警通知/查询,以及人脸1:N、N:N查询等应用过程中所进行的人脸命中确认操作,将形成预标注数据记录到该训练管理服务器4中。
上述方案中,该训练管理服务器4通过计划执行,对抓拍照片集进行人脸聚类分析生成预标注数据集,具体的,逐步从抓拍照片集中取出人脸照片,调用该比对分析服务器3在剩下的照片中比对,相似度超过设定阈值的归为一类,同时将已归类的照片记录从抓拍照片集中取出,直到抓拍照片集中的人脸照片全部取完。
上述方案中,该训练管理服务器4从预标注数据集中抽取样本供专业标注人员进行标注验证,或导出数据集提供给外包专业标注团队,具体的,从抓拍时间、场景及抓拍位置抓拍数量等多个维度对预标注数据集分组抽取,以及加密导出、导入方式通过标注人员审核验证,形成最终标注数据集。
上述方案中,该人脸算法服务器2根据训练计划,在指定的标注数据集上完成模型训练以及测试数据集的特征提取。
上述方案中,该比对分析服务器3以欧式距离计算、余弦距离计算或SDK方式,对测试数据的特征值比对验证,统计FPR为1/105时的TPR作为评测指标。
上述方案中,该应用服务器1根据模型适用场景,以TPR排名选择最优模型,对不同场景中的人脸抓拍监控点进行人脸分析处理。
Claims (8)
1.一种大规模人脸识别模型优化系统,其特征在于,包括应用服务器(1)、人脸算法服务器(2)、比对分析服务器(3)、训练管理服务器(4)、采集接入服务器(5)、多路人脸抓拍摄像机(6),
其中,该多路人脸抓拍摄像机(6)与该采集接入服务器(5)相连接,该采集接入服务器(5)与该人脸算法服务器(2)相连接,该人脸算法服务器(2)与该比对分析服务器(3)相连接,该比对分析服务器(3)与该训练管理服务器(4)相连接,同时,该人脸算法服务器(2)与该训练管理服务器(4)相连接,该应用服务器(1)同时与该人脸算法服务器(2)、该比对分析服务器(3)、该训练管理服务器(4)、该采集接入服务器(5)相连接,
其中,该多路人脸抓拍摄像机(6)用于采集人脸照片,并通过该采集接入服务器(5)接入该模型优化系统,
该人脸算法服务器(2)用于对该采集接入服务器(5)传入的人脸照片进行特征提取以及算法模型的训练,
该比对分析服务器(3)用于布控库的实时比对、人脸1:N/N:N比对分析以及抓拍人脸库的聚类分析,
该训练管理服务器(4)用于标注数据集的多维度分析整理、存储与人工审核质检,训练计划与测试方案管理,
该应用服务器(1)用于系统配置管理及人员入库、布控、告警、人脸1:N/N:N查询与抓拍时间、位置上的碰撞比对分析应用,并将应用过程中所进行标注/确认的数据记录到训练管理服务器(4)中形成标注数据集,
该人脸算法服务器(2)、该比对分析服务器(3)以及该训练管理服务器(4)形成闭环。
2.如权利要求1所述的一种大规模人脸识别模型优化系统,其特征在于:该采集接入服务器(5)通过28181协议或SDK方式接入该多路人脸抓拍摄像机(6)。
3.如权利要求1所述的一种大规模人脸识别模型优化系统,其特征在于:用户通过该应用服务器(1)提供的用户界面,进行碰撞分析、报警通知/查询,以及人脸1:N、N:N查询应用过程中所进行的人脸命中确认操作,将形成预标注数据记录到该训练管理服务器(4)中。
4.如权利要求1所述的一种大规模人脸识别模型优化系统,其特征在于:该训练管理服务器(4)通过计划执行,对抓拍照片集进行人脸聚类分析生成预标注数据集,逐步从抓拍照片集中取出人脸照片,调用该比对分析服务器(3)在剩下的照片中比对,相似度超过设定阈值的归为一类,同时将已归类的照片记录从抓拍照片集中取出,直到抓拍照片集中的人脸照片全部取完。
5.如权利要求1所述的一种大规模人脸识别模型优化系统,其特征在于:该训练管理服务器(4)从预标注数据集中抽取样本供专业标注人员进行标注验证,或导出数据集,从抓拍时间、场景及抓拍位置抓拍数量等多个维度对预标注数据集分组抽取,以及加密导出、导入方式通过标注人员审核验证,形成最终标注数据集。
6.如权利要求1所述的一种大规模人脸识别模型优化系统,其特征在于:该人脸算法服务器(2)根据训练计划,在指定的标注数据集上完成模型训练以及测试数据集的特征提取。
7.如权利要求1所述的一种大规模人脸识别模型优化系统,其特征在于:该比对分析服务器(3)以欧式距离计算、余弦距离计算或SDK方式,对测试数据的特征值比对验证,统计FPR为1/105时的TPR作为评测指标。
8.如权利要求1所述的一种大规模人脸识别模型优化系统,其特征在于:该应用服务器(1)根据模型适用场景,以TPR排名选择最优模型,对不同场景中的人脸抓拍监控点进行人脸分析处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911187251.4A CN111079566B (zh) | 2019-11-28 | 2019-11-28 | 一种大规模人脸识别模型优化系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911187251.4A CN111079566B (zh) | 2019-11-28 | 2019-11-28 | 一种大规模人脸识别模型优化系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111079566A CN111079566A (zh) | 2020-04-28 |
CN111079566B true CN111079566B (zh) | 2023-05-02 |
Family
ID=70311938
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911187251.4A Active CN111079566B (zh) | 2019-11-28 | 2019-11-28 | 一种大规模人脸识别模型优化系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111079566B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11966453B2 (en) | 2021-02-15 | 2024-04-23 | International Business Machines Corporation | Ordering annotation sets for machine learning |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106407369A (zh) * | 2016-09-09 | 2017-02-15 | 华南理工大学 | 一种基于深度学习人脸识别的照片管理方法和系统 |
CN108806668A (zh) * | 2018-06-08 | 2018-11-13 | 国家计算机网络与信息安全管理中心 | 一种音视频多维度标注与模型优化方法 |
CN109086739A (zh) * | 2018-08-23 | 2018-12-25 | 成都睿码科技有限责任公司 | 一种无人脸数据训练的人脸识别方法和系统 |
WO2019127273A1 (zh) * | 2017-12-28 | 2019-07-04 | 深圳市锐明技术股份有限公司 | 一种多人脸检测方法、装置、服务器、系统及存储介质 |
WO2019128367A1 (zh) * | 2017-12-26 | 2019-07-04 | 广州广电运通金融电子股份有限公司 | 基于Triplet Loss的人脸认证方法、装置、计算机设备和存储介质 |
-
2019
- 2019-11-28 CN CN201911187251.4A patent/CN111079566B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106407369A (zh) * | 2016-09-09 | 2017-02-15 | 华南理工大学 | 一种基于深度学习人脸识别的照片管理方法和系统 |
WO2019128367A1 (zh) * | 2017-12-26 | 2019-07-04 | 广州广电运通金融电子股份有限公司 | 基于Triplet Loss的人脸认证方法、装置、计算机设备和存储介质 |
WO2019127273A1 (zh) * | 2017-12-28 | 2019-07-04 | 深圳市锐明技术股份有限公司 | 一种多人脸检测方法、装置、服务器、系统及存储介质 |
CN108806668A (zh) * | 2018-06-08 | 2018-11-13 | 国家计算机网络与信息安全管理中心 | 一种音视频多维度标注与模型优化方法 |
CN109086739A (zh) * | 2018-08-23 | 2018-12-25 | 成都睿码科技有限责任公司 | 一种无人脸数据训练的人脸识别方法和系统 |
Non-Patent Citations (2)
Title |
---|
基于深度学习算法的改进型人脸识别系统实现――以智慧校园安防系统为例;张怡等;《信息系统工程》;20180520(第05期);全文 * |
媒体融合统一内容管理中的AI应用;聂长生等;《广播电视信息》;20181015(第10期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111079566A (zh) | 2020-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6080940B2 (ja) | 人物検索方法及びホーム滞留人物検索装置 | |
CN110324787B (zh) | 一种手机信令数据的职住地获取方法 | |
CN111950937B (zh) | 一种基于融合时空轨迹的重点人员风险评估方法 | |
CN106469181B (zh) | 一种用户行为模式分析方法及装置 | |
CN109284988A (zh) | 数据分析系统及方法 | |
CN108269331A (zh) | 一种智能视频大数据处理系统 | |
CN107659754B (zh) | 一种树叶扰动情况下监控视频的有效浓缩方法 | |
CN110134719B (zh) | 一种结构化数据敏感属性的识别与分类分级方法 | |
CN107844914B (zh) | 基于集团管理的风险管控系统和实现方法 | |
WO2021063037A1 (zh) | 人口库分库方法和装置 | |
CN112232178A (zh) | 基于人像聚档的区域落脚点判定方法、系统、设备及介质 | |
CN102929887A (zh) | 一种基于声音特征识别的快速录像检索方法及系统 | |
Yao et al. | A survey of video violence detection | |
CN107403091A (zh) | 一种结合溯源路径和溯源图的实时入侵检测系统 | |
CN107465691A (zh) | 基于路由器日志分析的网络攻击检测系统及检测方法 | |
CN111079566B (zh) | 一种大规模人脸识别模型优化系统 | |
CN112766119A (zh) | 一种基于多维度人脸分析精准识别陌生人构建社区安防的方法 | |
CN108986143A (zh) | 一种视频中目标检测跟踪方法 | |
CN116384736A (zh) | 一种智慧城市的风险感知方法及系统 | |
CN116527362A (zh) | 一种基于LayerCFL入侵检测的数据保护方法 | |
CN117195250A (zh) | 一种数据安全管理方法及系统 | |
Hou et al. | Sound event detection with sequentially labelled data based on connectionist temporal classification and unsupervised clustering | |
CN111125925B (zh) | 一种飞行器航迹数据驱动的终端区空域时空相关分析方法 | |
CN115062725B (zh) | 酒店收益异常分析方法及系统 | |
CN113919994A (zh) | 基于图像聚类数据进行区域人口分类管理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: 518000 1001, building T3, Hualian Business Center, Nanshan community, Nanshan street, Nanshan District, Shenzhen City, Guangdong Province Patentee after: Shenzhen Radio & TV Xinyi Technology Co.,Ltd. Address before: 518000 zone a, 4th floor, building r1-a, 021 Gaoxin industrial village, South 4th Road, Gaoxin, Nanshan District, Shenzhen City, Guangdong Province Patentee before: SHENZHEN XINYI TECHNOLOGY Co.,Ltd. |