CN111126219A - 一种基于人工智能的变电站人员的身份识别系统和方法 - Google Patents

Abstract

本发明公开了一种基于人工智能的变电站人员的身份识别系统和方法。本发明的身份识别系统，其包括现场人员身份判定系统、现场人员安全帽佩戴识别系统和现场变电站区域安全边界管制系统；现场人员身份判定系统包括人员信息采集终端、处理模块、报警模块和应用管理服务器；人员信息采集终端采集人员信息，经处理模块处理人员信息，提取应用管理服务器中预存的人员信息，并进行分析对比，如不符合要求，向报警模块发送报警信号，报警模块在接收到处理模块发出报警信号后发出警报。本发明可以减少施工作业的不安全因素，从源头上最大限度地降低和减少各类作业风险和事故的发生。

Description

一种基于人工智能的变电站人员的身份识别系统和方法

技术领域

本发明涉及变电站技术领域，尤其是一种基于人工智能的变电站人员身份识别系统和身份识别方法。

背景技术

根据现代信息网络时代的发展，在各种领域都需要对人员信息、特征进行自助采集和身份识别。通过先进的设备对人员身份证信息、指纹信息、头像信息、签字信息等进行采集，并对面部特征和指纹特征进行提取，形成该人员的电子档案，通过网络上传到服务器端，以便于在各种场景中进行应用，同时人员可以通过身份证与指纹体征、面部特征进行身份识别。

在变电站行业中，生物特征识别对于变电站企业的安全生产有着重要的作用。变电站企业的发展离不开施工单位，很多工作都是施工单位来完成的。变电站企业属于高风险施工行业，具有作业面狭窄、作业交叉集中、用火用电频繁等特点，存在着较大的危害因素，作业中不可预见因素多、难度大，极易发生事故。目前，变电站企业通过对施工单位作业人员进行教育培训，来提升施工单位作业人员安全意识，使其掌握变电站企业施工作业必备的安全知识和技能。施工单位作业人员只有培训合格后方可进入现场施工作业。

然而由于施工单位人员流动性强，经常存在没有接受过教育培训的人员或者顶替培训合格进入现场施工作业，增加了施工作业不安全因素，增加了施工单位安全事故的发生的概率。

由此可见，迫切需要提出一种基于人工智能的变电站人员身份识别系统。

发明内容

为解决上述现有技术中存在的问题，本发明提供一种基于人工智能的变电站人员身份识别系统和身份识别方法，以便减少施工作业的不安全因素，从源头上最大限度地降低和减少各类作业风险和事故的发生。

本发明采用的一种技术方案是：一种基于人工智能的变电站人员的身份识别系统，其包括现场人员身份判定系统、现场人员安全帽佩戴识别系统和现场变电站区域安全边界管制系统；

现场人员身份判定系统包括人员信息采集终端、处理模块、报警模块和应用管理服务器；人员信息采集终端采集人员信息，经处理模块处理人员信息，提取应用管理服务器中预存的人员信息，并进行分析对比，如不符合要求，向报警模块发送报警信号，报警模块在接收到处理模块发出报警信号后发出警报；

现场人员安全帽佩戴识别系统包括红外活体采集模块、通信模块、显示屏和图像抓取模块；红外活体采集模块采集现场人员的安全帽佩戴图像信息，并将安全帽佩戴图像信息通过通信模块发送至处理模块和显示屏，图像抓取模块针对于显示屏中显示的安全帽佩戴图像信息进行抓取识别，识别出未佩戴安全帽的信息后发送至处理模块，处理模块向报警模块发送报警信号，报警模块在接收到处理模块发出报警信号后发出警报；

现场变电站区域安全边界管制系统包括红外边界摄像头、通信模块和越界判断模块；红外边界摄像头设有若干个，分别安装于现场变电站区域安全边界位置，红外边界摄像头采集现场人员和场外人员的位置信息，并将位置信息通过通信模块发送至处理模块和越界判断模块，越界判断模块针对于采集现场人员和场外人员的位置信息进行抓取识别，识别出现场人员出界或场外人员进界的异常位置信息后，将异常位置信息发送至处理模块，处理模块向报警模块发送报警信号，报警模块在接收到处理模块发出报警信号后发出警报。

本发明的身份识别系统用于现场人员身份判定、现场人员安全帽佩戴识别和现场变电站区域安全边界管制。现场人员身份判定包括捕捉视频人脸信息，与系统录用合法人员人脸作实时匹配，对非法人员作报警提示。现场人员安全帽佩戴识别包括捕捉视频人像，识别站内人员是否正确佩戴安全帽，针对人员未佩戴安全帽作报警提示。现场变电站区域安全边界管制包括捕捉视频人像并结合人脸识别，进行监控区域安全越界分析，针对未授权人员越界作报警提示，或针对现场授权人员操作越界危险提示报警。

进一步的，人员信息采集终端包括头像采集模块；头像采集模块采集人员头像信息，将人员头像信息发送至处理模块，处理模块处理人员头像信息，提取应用管理服务器中预存的人员头像信息，并与对应的人员头像信息进行分析对比，对比的相似度小于预设阈值时，向报警模块发送报警信号。

进一步的，人员信息采集终端还包括指纹采集模块；头像采集模块采集人员头像信息，将人员头像信息发送至处理模块，处理模块处理人员头像信息，提取应用管理服务器中预存的人员头像信息，并与对应的人员头像信息进行分析对比，对比的相似度小于预设阈值时，向报警模块发送报警信号。

进一步的，人员信息采集终端还包括签字信息采集模块；签字信息采集模块采集人员签字信息，将人员签字信息发送至处理模块，处理模块处理人员签字信息，提取应用管理服务器中预存的人员签字信息，并与对应的人员签字信息进行分析对比，对比的相似度小于预设阈值时，向报警模块发送报警信号。

进一步的，人员信息采集终端还包括射频识别模块；射频识别模块采集人员工作证或出入证的信息，将人员工作证或出入证的信息发送至处理模块，处理模块处理人员工作证或出入证的信息，提取应用管理服务器中预存的人员工作证或出入证的信息，并与对应的人员工作证或出入证的信息进行分析对比，无此人员工作证或出入证的信息时，向报警模块发送报警信号。

进一步的，应用管理服务器包括数据处理模块、数据存储数据库和数据查询模块，数据存储数据库分别与数据处理模块和数据查询模块连接；应用管理服务器与处理模块连接。应用管理服务器用于存储人员头像信息，人员指纹信息，人员签字信息和人员工作证或出入证的信息。

本发明采用的另一种技术方案是：一种基于人工智能的变电站人员的身份识别方法，其包括以下步骤：

步骤1：采集人员头像信息，采集人员指纹信息，采集人员签字信息，采集人员工作证或出入证的信息，采集现场人员的安全帽佩戴图像信息，采集现场人员和场外人员的位置信息；

步骤2：将步骤1采集的人员头像信息、人员指纹信息、人员签字信息、人员工作证或出入证的信息发送至处理模块，处理模块处理人员头像信息、人员指纹信息、人员签字信息、人员工作证或出入证的信息，提取应用管理服务器中预存的人员头像信息、人员指纹信息、人员签字信息、人员工作证或出入证的信息，并与对应的人员头像信息、人员指纹信息、人员签字信息、人员工作证或出入证的信息进行分析对比，人员头像信息、人员指纹信息、人员签字信息的对比的相似度小于预设阈值时或无此人员工作证或出入证的信息时，向报警模块发送报警信号；

步骤3：将步骤1采集的安全帽佩戴图像信息通过通信模块发送至处理模块和显示屏，图像抓取模块针对于显示屏中显示的安全帽佩戴图像信息进行抓取识别，识别出未佩戴安全帽的信息后发送至处理模块，处理模块向报警模块发送报警信号；

步骤4：将步骤1采集的位置信息通过通信模块发送至处理模块和越界判断模块，越界判断模块针对于采集现场人员和场外人员的位置信息进行抓取识别，识别出现场人员出界或场外人员进界的异常位置信息后，将异常位置信息发送至处理模块，处理模块向报警模块发送报警信号；

步骤5：报警模块接收到步骤2-步骤4中处理模块发出报警信号后发出警报。

进一步的，步骤2-步骤4中包括人员身份判定算法；人员身份判定算法包括以下步骤：

步骤1)：通过头像采集模块、红外活体采集模块或红外边界摄像头进行人脸定位，定位人脸区域及脸部特征，实施拍照或视频截图，灰度化处理后获得人脸初步图像；将人脸初步图像传输到计算机中，计算机将接收到的人脸初步图像按帧依次存储到应用管理服务器的存储器中，记录人脸初步图像的位置信息及面部信息，得到具体的人脸图像信息；

步骤2)：将采集到的人脸图像信息导入应用管理服务器；应用管理服务器将采集到的人脸图像信息进行特征化分析，得出各器官之间的人脸特征信息；人脸特征信息包括如下内容：左眼中心点到右眼中心点的间距、左眼中心点到鼻尖之间的间距、右眼中心点到鼻尖之间的间距、鼻尖到左嘴角的间距、鼻尖到右嘴角的间距、右嘴角到左嘴角的间距、右嘴角到右耳底部的距离及左嘴角到左耳底部的距离；

步骤3)：将采集到的人脸图像信息导入应用管理服务器；应用管理服务器将采集到的人脸图像信息进行模块化分析，模块化分析包括左眼模块模块化分析、右眼模块模块化分析、鼻子模块模块化分析、嘴模块模块化分析、左耳模块模块化分析、右耳模块模块化分析及其他面部特征模块模块化分析，并对每一模块的长度、宽度及形状进行数据采集，得到模块化数据信息；

步骤4)：将特征化分析的人脸特征信息和模块化分析的模块化数据信息与应用管理服务器中的预存人脸图像信息一一进行判定算法；判定算法时带入加权系数w(x，y)；加权系数w(x，y)的公式为：

其中，人脸图像信息中A点坐标(x，y)处的像素值记为A(x，y)，预存人脸信息中B点坐标(x，y)处的像素值记为B(x，y)；得到加权识别后对应点(x，y)处的像素C(x，y)＝F[A(x，y)，B(x，y)]＝w(x，y)*A(x，y)*B(x，y)；

步骤5)：根据判定算法后的人脸图像进行图像识别配对。

与现有技术相比，本发明具有的优点在于：本发明的身份系统用于现场人员身份判定、现场人员安全帽佩戴识别和现场变电站区域安全边界管制。现场人员身份判定包括捕捉视频人脸信息，与系统录用合法人员人脸作实时匹配，对非法人员作报警提示。现场人员安全帽佩戴识别包括捕捉视频人像，识别站内人员是否正确佩戴安全帽，针对人员未佩戴安全帽作报警提示。现场变电站区域安全边界管制包括捕捉视频人像并结合人脸识别，进行监控区域安全越界分析，针对未授权人员越界作报警提示，或针对现场授权人员操作越界危险提示报警。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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为本发明身份识别系统的结构示意图。

图2为本发明应用管理服务器结构示意图。

图3为本发明身份识别方法的判定流程逻辑示意图。

具体实施方式

下面将参照附图更详细地描述本发明公开的示例性实施例，这些实施例是为了能够更透彻地理解本发明，并且能够将本发明公开的范围完整的传达给本领域的技术人员。虽然附图中显示了本发明公开的示例性实施例，然而应当理解，本发明而不应被这里阐述的实施例所限制。

实施例1

本实施例提供一种基于人工智能的变电站人员的身份识别系统，如图1所示，身份识别系统用于现场人员身份判定、现场人员安全帽佩戴识别和现场变电站区域安全边界管制。

本发明的身份识别系统包括现场人员身份判定系统、现场人员安全帽佩戴识别系统和现场变电站区域安全边界管制系统。

现场人员身份判定系统包括人员信息采集终端、处理模块、报警模块和应用管理服务器；人员信息采集终端采集人员信息，经处理模块处理人员信息，提取应用管理服务器中预存的人员信息，并进行分析对比，如不符合要求，向报警模块发送报警信号，报警模块在接收到处理模块发出报警信号后发出警报。

现场人员安全帽佩戴识别系统包括红外活体采集模块、通信模块、显示屏和图像抓取模块；红外活体采集模块采集现场人员的安全帽佩戴图像信息，并将安全帽佩戴图像信息通过通信模块发送至处理模块和显示屏，图像抓取模块针对于显示屏中显示的安全帽佩戴图像信息进行抓取识别，识别出未佩戴安全帽的信息后发送至处理模块，处理模块向报警模块发送报警信号，报警模块在接收到处理模块发出报警信号后发出警报。

现场变电站区域安全边界管制系统包括红外边界摄像头、通信模块和越界判断模块；红外边界摄像头设有若干个，分别安装于现场变电站区域安全边界位置，红外边界摄像头采集现场人员和场外人员的位置信息，并将位置信息通过通信模块发送至处理模块和越界判断模块，越界判断模块针对于采集现场人员和场外人员的位置信息进行抓取识别，识别出现场人员出界或场外人员进界的异常位置信息后，将异常位置信息发送至处理模块，处理模块向报警模块发送报警信号，报警模块在接收到处理模块发出报警信号后发出警报。

人员信息采集终端包括头像采集模块、指纹采集模块、签字信息采集模块和射频识别模块。

头像采集模块采集人员头像信息，将人员头像信息发送至处理模块，处理模块处理人员头像信息，提取应用管理服务器中预存的人员头像信息，并与对应的人员头像信息进行分析对比，对比的相似度小于预设阈值时，向报警模块发送报警信号。

头像采集模块采集人员头像信息，将人员头像信息发送至处理模块，处理模块处理人员头像信息，提取应用管理服务器中预存的人员头像信息，并与对应的人员头像信息进行分析对比，对比的相似度小于预设阈值时，向报警模块发送报警信号。

签字信息采集模块采集人员签字信息，将人员签字信息发送至处理模块，处理模块处理人员签字信息，提取应用管理服务器中预存的人员签字信息，并与对应的人员签字信息进行分析对比，对比的相似度小于预设阈值时，向报警模块发送报警信号。

射频识别模块采集人员工作证或出入证的信息，将人员工作证或出入证的信息发送至处理模块，处理模块处理人员工作证或出入证的信息，提取应用管理服务器中预存的人员工作证或出入证的信息，并与对应的人员工作证或出入证的信息进行分析对比，无此人员工作证或出入证的信息时，向报警模块发送报警信号。

如图2所示，应用管理服务器包括数据处理模块、数据存储数据库和数据查询模块，数据存储数据库分别与数据处理模块和数据查询模块连接；应用管理服务器与处理模块连接。应用管理服务器用于存储人员头像信息，人员指纹信息，人员签字信息和人员工作证或出入证的信息。

实施例2

本实施例提供一种基于人工智能的变电站人员的身份识别方法，如图3所示，包括以下步骤：

步骤1：采集人员头像信息，采集人员指纹信息，采集人员签字信息，采集人员工作证或出入证的信息，采集现场人员的安全帽佩戴图像信息，采集现场人员和场外人员的位置信息。

步骤2：将步骤1采集的人员头像信息、人员指纹信息、人员签字信息、人员工作证或出入证的信息发送至处理模块，处理模块处理人员头像信息、人员指纹信息、人员签字信息、人员工作证或出入证的信息，提取应用管理服务器中预存的人员头像信息、人员指纹信息、人员签字信息、人员工作证或出入证的信息，并与对应的人员头像信息、人员指纹信息、人员签字信息、人员工作证或出入证的信息进行分析对比，人员头像信息、人员指纹信息、人员签字信息的对比的相似度小于预设阈值时或无此人员工作证或出入证的信息时，向报警模块发送报警信号。其中，步骤2中包括人员身份判定算法。

步骤3：将步骤1采集的安全帽佩戴图像信息通过通信模块发送至处理模块和显示屏，图像抓取模块针对于显示屏中显示的安全帽佩戴图像信息进行抓取识别，识别出未佩戴安全帽的信息后发送至处理模块，处理模块向报警模块发送报警信号。其中，步骤3中包括人员身份判定算法。

步骤4：将步骤1采集的位置信息通过通信模块发送至处理模块和越界判断模块，越界判断模块针对于采集现场人员和场外人员的位置信息进行抓取识别，识别出现场人员出界或场外人员进界的异常位置信息后，将异常位置信息发送至处理模块，处理模块向报警模块发送报警信号(这一部分在图3中没有体现)。其中，步骤4中包括人员身份判定算法。

步骤5：报警模块接收到步骤2-步骤4中处理模块发出报警信号后发出警报。

步骤2-步骤4中的人员身份判定算法包括以下步骤：

步骤(1)：通过头像采集模块、红外活体采集模块或红外边界摄像头进行人脸定位，定位人脸区域及脸部特征，实施拍照或视频截图，灰度化处理后获得人脸初步图像。将人脸初步图像传输到计算机中，计算机将接收到的人脸初步图像按帧依次存储到应用管理服务器的存储器中，记录人脸初步图像的位置信息及面部信息，得到具体的人脸图像信息。

步骤(2)：将采集到的人脸图像信息导入应用管理服务器。应用管理服务器将采集到的人脸图像信息进行特征化分析，得出各器官之间的人脸特征信息。人脸特征信息包括如下内容：左眼中心点到右眼中心点的间距、左眼中心点到鼻尖之间的间距、右眼中心点到鼻尖之间的间距、鼻尖到左嘴角的间距、鼻尖到右嘴角的间距、右嘴角到左嘴角的间距、右嘴角到右耳底部的距离及左嘴角到左耳底部的距离。

步骤(3)：将采集到的人脸图像信息导入应用管理服务器。应用管理服务器将采集到的人脸图像信息进行模块化分析，模块化分析包括左眼模块模块化分析、右眼模块模块化分析、鼻子模块模块化分析、嘴模块模块化分析、左耳模块模块化分析、右耳模块模块化分析及其他面部特征模块模块化分析，并对每一模块的长度、宽度及形状进行数据采集，得到模块化数据信息。

步骤(4)：将特征化分析的人脸特征信息和模块化分析的模块化数据信息与应用管理服务器中的预存人脸图像信息一一进行判定算法。判定算法时需要带入加权系数w(x，y)。加权系数w(x，y)的公式为：

其中，人脸图像信息中A点坐标(x，y)处的像素值记为A(x，y)，预存人脸信息中B点坐标(x，y)处的像素值记为B(x，y)。得到加权识别后对应点(x，y)处的像素C(x，y)＝F[A(x，y)，B(x，y)]＝w(x，y)*A(x，y)*B(x，y)。

步骤(5)：根据判定算法后的人脸图像进行图像识别配对。

尽管已经对上述各实施例进行了描述，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改，所以以上仅为本发明的实施例，并非因此限制本发明的专利保护范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围之内。

Claims (8)

1.一种基于人工智能的变电站人员的身份识别系统，其特征在于，包括现场人员身份判定系统、现场人员安全帽佩戴识别系统和现场变电站区域安全边界管制系统；

所述的现场人员身份判定系统包括人员信息采集终端、处理模块、报警模块和应用管理服务器；所述的人员信息采集终端采集人员信息，经处理模块处理人员信息，提取应用管理服务器中预存的人员信息，并进行分析对比，如不符合要求，向报警模块发送报警信号，报警模块在接收到处理模块发出报警信号后发出警报；

所述的现场人员安全帽佩戴识别系统包括红外活体采集模块、通信模块、显示屏和图像抓取模块；红外活体采集模块采集现场人员的安全帽佩戴图像信息，并将安全帽佩戴图像信息通过通信模块发送至处理模块和显示屏，图像抓取模块针对于显示屏中显示的安全帽佩戴图像信息进行抓取识别，识别出未佩戴安全帽的信息后发送至处理模块，处理模块向所述报警模块发送报警信号，报警模块在接收到处理模块发出报警信号后发出警报；

所述的现场变电站区域安全边界管制系统包括红外边界摄像头、通信模块和越界判断模块；红外边界摄像头设有若干个，分别安装于现场变电站区域安全边界位置，红外边界摄像头采集现场人员和场外人员的位置信息，并将位置信息通过通信模块发送至处理模块和越界判断模块，越界判断模块针对于采集现场人员和场外人员的位置信息进行抓取识别，识别出现场人员出界或场外人员进界的异常位置信息后，将异常位置信息发送至处理模块，处理模块向所述报警模块发送报警信号，报警模块在接收到处理模块发出报警信号后发出警报。

2.根据权利要求1所述的基于人工智能的变电站人员的身份识别系统，其特征在于，所述的人员信息采集终端包括头像采集模块；

所述的头像采集模块采集人员头像信息，将所述人员头像信息发送至处理模块，处理模块处理所述人员头像信息，提取应用管理服务器中预存的人员头像信息，并与对应的人员头像信息进行分析对比，对比的相似度小于预设阈值时，向所述报警模块发送报警信号。

3.根据权利要求2所述的基于人工智能的变电站人员的身份识别系统，其特征在于，所述的人员信息采集终端还包括指纹采集模块；

所述的头像采集模块采集人员头像信息，将所述人员头像信息发送至处理模块，处理模块处理所述人员头像信息，提取应用管理服务器中预存的人员头像信息，并与对应的人员头像信息进行分析对比，对比的相似度小于预设阈值时，向所述报警模块发送报警信号。

4.根据权利要求2所述的基于人工智能的变电站人员的身份识别系统，其特征在于，所述的人员信息采集终端还包括签字信息采集模块；

所述的签字信息采集模块采集人员签字信息，将所述人员签字信息发送至处理模块，处理模块处理所述人员签字信息，提取应用管理服务器中预存的人员签字信息，并与对应的人员签字信息进行分析对比，对比的相似度小于预设阈值时，向所述报警模块发送报警信号。

5.根据权利要求2所述的基于人工智能的变电站人员的身份识别系统，其特征在于，所述的人员信息采集终端还包括射频识别模块；

所述的射频识别模块采集人员工作证或出入证的信息，将所述人员工作证或出入证的信息发送至处理模块，处理模块处理所述人员工作证或出入证的信息，提取应用管理服务器中预存的人员工作证或出入证的信息，并与对应的人员工作证或出入证的信息进行分析对比，无此人员工作证或出入证的信息时，向所述报警模块发送报警信号。

6.根据权利要求1-5任一项所述的基于人工智能的变电站人员的身份识别系统，其特征在于，所述的应用管理服务器包括数据处理模块、数据存储数据库和数据查询模块，数据存储数据库分别与数据处理模块和数据查询模块连接；所述应用管理服务器与所述处理模块连接。

7.一种基于人工智能的变电站人员的身份识别方法，其特征在于，包括以下步骤：

步骤1：采集人员头像信息，采集人员指纹信息，采集人员签字信息，采集人员工作证或出入证的信息，采集现场人员的安全帽佩戴图像信息，采集现场人员和场外人员的位置信息；

步骤2：将步骤1采集的人员头像信息、人员指纹信息、人员签字信息、人员工作证或出入证的信息发送至处理模块，处理模块处理人员头像信息、人员指纹信息、人员签字信息、人员工作证或出入证的信息，提取应用管理服务器中预存的人员头像信息、人员指纹信息、人员签字信息、人员工作证或出入证的信息，并与对应的人员头像信息、人员指纹信息、人员签字信息、人员工作证或出入证的信息进行分析对比，人员头像信息、人员指纹信息、人员签字信息的对比的相似度小于预设阈值时或无此人员工作证或出入证的信息时，向报警模块发送报警信号；

步骤3：将步骤1采集的安全帽佩戴图像信息通过通信模块发送至处理模块和显示屏，图像抓取模块针对于显示屏中显示的安全帽佩戴图像信息进行抓取识别，识别出未佩戴安全帽的信息后发送至处理模块，处理模块向所述报警模块发送报警信号；

步骤4：将步骤1采集的位置信息通过通信模块发送至处理模块和越界判断模块，越界判断模块针对于采集现场人员和场外人员的位置信息进行抓取识别，识别出现场人员出界或场外人员进界的异常位置信息后，将异常位置信息发送至处理模块，处理模块向所述报警模块发送报警信号；

步骤5：报警模块接收到步骤2-步骤4中处理模块发出报警信号后发出警报。

8.根据权利要求7所述的基于人工智能的变电站人员的身份识别系统，其特征在于，所述步骤2-步骤4中包括人员身份判定算法；所述人员身份判定算法包括以下步骤：

步骤1)：通过头像采集模块、红外活体采集模块或红外边界摄像头进行人脸定位，定位人脸区域及脸部特征，实施拍照或视频截图，灰度化处理后获得人脸初步图像；将人脸初步图像传输到计算机中，计算机将接收到的人脸初步图像按帧依次存储到应用管理服务器的存储器中，记录人脸初步图像的位置信息及面部信息，得到具体的人脸图像信息；

步骤2)：将采集到的人脸图像信息导入所述应用管理服务器；应用管理服务器将采集到的人脸图像信息进行特征化分析，得出各器官之间的人脸特征信息；所述人脸特征信息包括如下内容：左眼中心点到右眼中心点的间距、左眼中心点到鼻尖之间的间距、右眼中心点到鼻尖之间的间距、鼻尖到左嘴角的间距、鼻尖到右嘴角的间距、右嘴角到左嘴角的间距、右嘴角到右耳底部的距离及左嘴角到左耳底部的距离；

步骤3)：将采集到的人脸图像信息导入所述应用管理服务器；应用管理服务器将采集到的人脸图像信息进行模块化分析，模块化分析包括左眼模块模块化分析、右眼模块模块化分析、鼻子模块模块化分析、嘴模块模块化分析、左耳模块模块化分析、右耳模块模块化分析及其他面部特征模块模块化分析，并对每一模块的长度、宽度及形状进行数据采集，得到模块化数据信息；

步骤4)：将特征化分析的人脸特征信息和模块化分析的模块化数据信息与应用管理服务器中的预存人脸图像信息一一进行判定算法；判定算法时带入加权系数w(x，y)；所述加权系数w(x，y)的公式为：

其中，人脸图像信息中A点坐标(x，y)处的像素值记为A(x，y)，预存人脸信息中B点坐标(x，y)处的像素值记为B(x，y)；得到加权识别后对应点(x，y)处的像素C(x，y)＝F[A(x，y)，B(x，y)]＝w(x，y)*A(x，y)*B(x，y)；

步骤5)：根据判定算法后的人脸图像进行图像识别配对。

Images