CN112507980B - 一种安防系统中人脸跟踪图片优化存储方法 - Google Patents

Abstract

本发明提供了一种安防系统中人脸跟踪图片优化存储方法，包括：将抓拍到的历史人脸图片进行人脸特征分析，并将历史人脸特征参数存储到数据库；获取待存储的当前人脸图片和当前人脸特征参数，将所述当前人脸特征参数与所述数据库中的历史人脸特征参数进行比较，获取人脸匹配度最高的历史人脸图片；将所述当前人脸图片和匹配度最高的历史人脸图片进行差分得到差分数据，并对所述差分数据进行存储，本发明通过对图片进行差分得到差分数据，只需对差分数据进行存储，保留图片的差异部分来实现对人脸的跟踪，从而降低存储图片所占用的空间，同时方便了对图片的查找。

Description

一种安防系统中人脸跟踪图片优化存储方法

技术领域

本发明涉及图片存储领域，特别涉及一种安防系统中人脸跟踪图片优化存储方法。

背景技术

安防系统：这里指安全防范系统，（security&protection system，SPS）以维护社会公共安全为目的，运用安全防范产品和其它相关产品所构成的入侵报警系统、视频安防监控系统、出入口控制系统、防爆安全检查系统等；或由这些系统为子系统组合或集成的电子系统或网络。本方法中主要是视频安防监控系统。

人脸识别：是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术，通常也叫做人像识别、面部识别。

在社区、园区、大厦的等安防系统中，人脸识别技术已经大范围在应用，当摄像头抓拍的到人脸之后，把图片存储于文件系统中。随着摄像技术的发展，图像像素数越来越大，对存储空间要求越来越大。一般情况下，需要对存储的图像进行周期的清理，导致后期查找图片的时候发现图片已经被清除了。本方法提出了一种人脸图片优化存储的方式，既可以保留图片的差异部分来实现对人脸的跟踪，又可以降低图片存储所占用的空间，让图片尽量存储较长时间，还方便对图片的查找。

发明内容

本发明提供一种安防系统中人脸跟踪图片优化存储方法，通过对图片进行差分得到差分数据，只需对差分数据进行存储，保留图片的差异部分来实现对人脸的跟踪，从而降低存储图片所占用的空间，同时方便了对图片的查找。

本发明提供一种安防系统中人脸跟踪图片优化存储方法，包括：

步骤1：将抓拍到的历史人脸图片进行人脸特征分析，并将历史人脸特征参数存储到数据库；

步骤2：获取待存储的当前人脸图片和当前人脸特征参数，将所述当前人脸特征参数与所述数据库中的历史人脸特征参数进行比较，获取人脸匹配度最高的历史人脸图片；

步骤3：将所述当前人脸图片和匹配度最高的历史人脸图片进行差分得到差分数据，并对所述差分数据进行存储。

在一种可能实现的方式中，

步骤1中，将抓拍到的历史人脸图片进行人脸特征分析，并将历史人脸特征参数存储到数据库包括：

将所述历史人脸图片进行图片增强、图片标准化处理；

将处理后的历史人脸图片输入至人工神经网络模型中进行训练，得到第一特征，计算所述第一特征与标准人脸特征的误差，并判断所述误差是否在预设范围内；

若是，将所述第一特征作为第二特征；

否则，调整所述人工神经网络模型中隐藏层的层数，并进行再次训练，得到第二特征；

将所述第二特征的范数进行累加后开平方得到所述历史人脸图片的加权值，将所述加权值加入至人工神经网络模型的训练过程中，对所述历史人脸图片进行再次训练，得到历史人脸特征参数，并将所述历史人脸特征参数存储到数据库。

在一种可能实现的方式中，

步骤2中，获取待存储的当前人脸图片和当前人脸特征参数包括：

抓拍所述待存储的当前人脸图片，并获取所述当前人脸图片的像素点的亮度检测值；

预先将亮度值按照预设规则进行划分，生成若干亮度值区域，将所述像素点基于所述亮度检测值按照所述预设规则分别划分到所述若干亮度值区域中，并获取所述若干亮度值区域中包含像素点最多的亮度值区域的亮度平均值，并将所述亮度平均值作为所述抓拍所述待存储的当前人脸图片的周围环境的环境亮度值；

判断所述环境亮度值是否大于预设亮度值；

若是，获取所述当前人脸图片的背景区域的第一灰度图像，并对所述第一灰度图像进行高斯平滑处理得到灰度数据，采集所述灰度数据对所述灰度图像进行拟合得到第二灰度图像，基于所述第二灰度图像的像素值对所述当前人脸图片进行亮度校正，得到校正后的当前人脸图片，并获得所述当前人脸特征参数；

否则，直接基于所述当前人脸图片获得所述当前人脸特征参数。

在一种可能实现的方式中，

步骤2中，将所述当前人脸特征参数与所述数据库中的人脸特征参数进行比较，获取人脸匹配度最高的历史人脸图片包括：

分别对所述当前人脸特征参数和历史人脸特征参数进行解析，分别得到当前人脸特征和历史人脸特征的第一特征值和第二特征值及其所在的位置，并对所述位置进行编号，并建立所述编号与所述第一特征值和第二特征值的连接关系；

其中，所述第一特征值和第二特征值为多个且一一对应；

基于所述连接关系，提取同一编号的第一特征值和第二特征值并进行匹配获得特征匹配度，取所述特征匹配度的均值作为人脸匹配度，并从所述数据库中提取人脸匹配度最高的历史人脸图片；

其中，当最高的人脸匹配度小于预设匹配度时，将不选择历史人脸图片，并将所述当前人脸图片及当前人脸特征参数存储至所述数据库。

在一种可能实现的方式中，

步骤3中，将所述当前人脸图片和匹配度最高的历史人脸图片进行差分得到差分数据之前，还包括：

将所述当前人脸图片和匹配度最高的历史人脸图片进行统一化，包括：

获取所述匹配度最高的历史人脸图片的第一格式；

获取所述当前人脸图片的第二格式；

检测所述第一格式与第二格式是否相同，若不同，将所述第二格式转化为第一格式，否则，不对所述第二格式进行转化；

其中，转化的方式为：

基于图片质量检测模型对所述当前人脸图片进行质量检测，获取所述当前人脸图片的质量特征向量，并利用主成分分析法对所述质量特征向量进行压缩降维得到编码特征向量；

基于所述编码特征向量获得所述当前人脸图片的解码信息，并基于所述解码信息从预设的解码器表中选择最优解码器对所述当前人脸图片进行解码得到属性数据；

对所述属性数据随机选取预编码参数进行预编码，得到预编码质量参数；

获取所述匹配度最高的历史人脸图片的编码参数，并将所述预编码质量参数与所述编码参数得到的比值作为权值，对所述编码参数基于所述权值进行加权得到加权编码参数；

其中，所述预编码质量参数与所述编码参数为多个，且一一对应；

基于所述加权编码参数对所述属性数据进行编码，得到格式为第二格式的当前人脸图片。

在一种可能实现的方式中，

将所述当前人脸图片和匹配度最高的历史人脸图片进行统一化，还包括：

获取所述匹配度最高的历史人脸图片的第一图片大小；

获取与所述匹配度最高的历史人脸图片格式相同的当前人脸图片的第二图片大小；

判断所述第一图片大小和第二图片大小的差值是否在预设范围内，若是，不改变当前人脸图片的第二图片大小；

否则，当所述差值为正时，基于所述差值对当前人脸图片进行放大；当所述差值为负时，基于所述差值对当前人脸图片进行压缩；得到第一图片大小的当前人脸图片。

在一种可能实现的方式中，

步骤3中，对所述差分数据进行存储包括：

获取所述匹配度最高的历史人脸图片的原始数据，并获取所述原始数据的第一偏移地址；

确定所述原始数据的维度以及每个维度的层连接关系，基于所述层连接关系获得维度的优先级顺序；

基于所述差分数据的参数信息将所述差分数据与所述原始数据的各个维度进行匹配，且按照所述维度的优先级顺序进行匹配；

确定所述差分数据匹配至所述原始数据中的相关数据，确定所述相关数据及相关数据之前的数据的第一偏移子地址；

在所述相关数据之后插入所述差分数据，并获取所述差分数据的第二偏移子地址；

确定所述相关数据之后的数据新的第三偏移子地址；

将插入所述差分数据的原始数据作为目标数据进行存储，且将所述第一偏移子地址、第二偏移子地址和第三偏移子地址依次排序组成第二偏移地址，作为所述目标数据的地址；

从存放偏移地址的存储空间中将所述第一偏移地址使用所述第二偏移地址进行替换，并建立所述第二偏移地址与数据库中历史人脸图片的人脸特征参数建立索引。

在一种可能实现的方式中，

步骤3中，将所述当前人脸图片和匹配度最高的历史人脸图片进行差分得到差分数据，包括：

获取所述当前人脸图片的像素矩阵，作为第一像素矩阵，并确定所述第一像素矩阵中像素点的第一色度值；

获取所述匹配度最高的历史人脸图片的像素矩阵，作为第二像素矩阵，并确定所述第二像素矩阵中像素点的第二色度值；

其中，所述第一色度值和第二色度值一一对应；

确定所述第一色度值和第二色度值的差值大于预设差值的所对应的部分像素矩阵，并从所述第二像素矩阵中截取所述部分像素矩阵作为预测差分区域；

根据如下公式计算所述预测差分区域的准确值：

其中，

表示所述预测差分区域的准确值，

表示所述第一色度值的标准差，

表示所述第二色度值的标准差，

表示所述预测差分区域中色度值的标准差，

表示第i个像素点中第一色度值和第二色度值的差值，n表示所述第一像素矩阵或第二像素矩阵中像素点的个数，

表示在所述第一色度值和第二色度值的差值大于预设差值的情况下，第j个像素点中第一色度值和第二色度值的差值，m表示所述预测差分区域中像素点的个数，且n>m，

表示所述预测差分区域的对色度的敏感度，取值为[0.3，0.7]；

判断所述预测差分区域的准确值是否大于预设准确值，

若是，将所述预测差分区域作为目标差分区域，并获取所述目标差分区域的差分数据；

否则，根据如下公式计算所述预测差分区域的修正值：

其中，P表示所述预测差分区域的修正值，

表示所述预测差分区域的尺度度量值,取值为（0,1），

表示所述预测差分区域的第j个像素点的色度值，m表示所述预测差分区域中像素点的个数，

表示误差系数，取值为[0.1，0.4]，R表示预设标准色度值，

所述预测差分区域的边缘模糊率，取值为[0.2，0.6]；

基于所述修正值调取修正方法，并按照所述修正方法对所述预测差分区域进行修正，得到目标差分区域。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例中一种安防系统中人脸跟踪图片优化存储方法的流程图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

实施例1

本发明实施例提供一种安防系统中人脸跟踪图片优化存储方法，如图1所示，包括：

步骤1：将抓拍到的历史人脸图片进行人脸特征分析，并将历史人脸特征参数存储到数据库；

步骤2：获取待存储的当前人脸图片和当前人脸特征参数，将所述当前人脸特征参数与所述数据库中的历史人脸特征参数进行比较，获取人脸匹配度最高的历史人脸图片；

步骤3：将所述当前人脸图片和匹配度最高的历史人脸图片进行差分得到差分数据，并对所述差分数据进行存储。

在该实施例中，所述历史人脸特征参数包括眼睛、鼻子、嘴、眉毛、脸颊等特征参数。

上述设计方案的有益效果是：通过将当前人脸特征参数与所述数据库中的历史人脸特征参数进行比较，得到人脸匹配度最高的历史人脸图片，并将当前人脸图片和匹配度最高的历史人脸图片进行差分得到差分数据，提高匹配的准确性，并且只需要对差分数据进行存储即可，既可以保留图片的差异部分来实现对人脸的跟踪，又可以降低图片存储所占用的空间，让图片尽量存储较长时间，同时方便了对图片的查找。

实施例2

基于实施例1的基础上，本发明提供一种安防系统中人脸跟踪图片优化存储方法，步骤1中，将抓拍到的历史人脸图片进行人脸特征分析，并将历史人脸特征参数存储到数据库包括：

将所述历史人脸图片进行图片增强、图片标准化处理；

将处理后的历史人脸图片输入至人工神经网络模型中进行训练，得到第一特征，计算所述第一特征与标准人脸特征的误差，并判断所述误差是否在预设范围内；

若是，将所述第一特征作为第二特征；

否则，调整所述人工神经网络模型中隐藏层的层数，并进行再次训练，得到第二特征；

将所述第二特征的范数进行累加后开平方得到所述历史人脸图片的加权值，将所述加权值加入至人工神经网络模型的训练过程中，对所述历史人脸图片进行再次训练，得到历史人脸特征参数，并将所述历史人脸特征参数存储到数据库。

在该实施例中，所述第一特征与第二特征都是为可以表现人脸特征的，第二特征可以是第一特征或基于第一特征获得的。

在该实施例中，所述第二特征的范数是指用来度量所述第二特征的长度或大小。

上述设计方案的有益效果是：通过对人工神经网络模型的隐藏层的层数进行调整，以及加入加权值至人工神经网络模型的训练过程中，使最终得到的历史人脸特征参数更加能够体现人脸的特征，提高图片匹配的准确度，为后续得到精确的差分数据提供有效基础，进一步降低图片存储所占用的空间。

实施例3

基于实施例1的基础上，本发明提供一种安防系统中人脸跟踪图片优化存储方法，步骤2中，获取待存储的当前人脸图片和当前人脸特征参数包括：

抓拍所述待存储的当前人脸图片，并获取所述当前人脸图片的像素点的亮度检测值；

预先将亮度值按照预设规则进行划分，生成若干亮度值区域，将所述像素点基于所述亮度检测值按照所述预设规则分别划分到所述若干亮度值区域中，并获取所述若干亮度值区域中包含像素点最多的亮度值区域的亮度平均值，并将所述亮度平均值作为所述抓拍所述待存储的当前人脸图片的周围环境的环境亮度值；

判断所述环境亮度值是否大于预设亮度值；

若是，获取所述当前人脸图片的背景区域的第一灰度图像，并对所述第一灰度图像进行高斯平滑处理得到灰度数据，采集所述灰度数据对所述灰度图像进行拟合得到第二灰度图像，基于所述第二灰度图像的像素值对所述当前人脸图片进行亮度校正，得到校正后的当前人脸图片，并获得所述当前人脸特征参数；

否则，直接基于所述当前人脸图片获得所述当前人脸特征参数。

在该实施例中，所述预设规则例如可以是将亮度值划分为0-31、32-63、64-127、...192-255等区域，如果亮度值在32-63区域内的划分最多，则将32-63区域内的平均值作为环境亮度值，所述预设规则可以根据不通风的情况进行不同的划分。

在该实施例中，所述高斯平滑处理可以消除了当前人脸图片的非线性畸变,而且提高了插值精度和图像灰度曲面的光滑性，使当前人脸图片更接近真实景象。

上述设计方案的有益效果是：通过基于当前人脸图片的环境亮度对人脸图片进行亮度校正后，再获取当前人脸特征参数，使得到的人脸特征参数更加精确，通过得到人脸特征参数，辅助实现对人脸的跟踪。

实施例4

基于实施例1的基础上，本发明提供一种安防系统中人脸跟踪图片优化存储方法，步骤2中，将所述当前人脸特征参数与所述数据库中的人脸特征参数进行比较，获取人脸匹配度最高的历史人脸图片包括：

分别对所述当前人脸特征参数和历史人脸特征参数进行解析，分别得到当前人脸特征和历史人脸特征的第一特征值和第二特征值及其所在的位置，并对所述位置进行编号，并建立所述编号与所述第一特征值和第二特征值的连接关系；

其中，所述第一特征值和第二特征值为多个且一一对应；

基于所述连接关系，提取同一编号的第一特征值和第二特征值并进行匹配获得特征匹配度，取所述特征匹配度的均值作为人脸匹配度，并从所述数据库中提取人脸匹配度最高的历史人脸图片；

其中，当最高的人脸匹配度小于预设匹配度时，将不选择历史人脸图片，并将所述当前人脸图片及当前人脸特征参数存储至所述数据库。

在该实施例中，所述第一特征值和第二特征值分别为当前人脸特征和历史人脸特征中表征包括眼睛、鼻子、嘴、眉毛、脸颊等的特征值。

在该实施例中，所述当前人脸特征和历史人脸特征所在的位置即为眼睛、鼻子、嘴、眉毛、脸颊等的位置。

上述设计方案的有益效果是：通过当前人脸特征参数和历史人脸特征参数进行解析并进行一一匹配，得到匹配度最高的历史人脸图片，为进行图片差分提供精确文本，实现对人脸的跟踪。

实施例5

基于实施例1的基础上，本发明提供一种安防系统中人脸跟踪图片优化存储方法，步骤3中，将所述当前人脸图片和匹配度最高的历史人脸图片进行差分得到差分数据之前，还包括：

将所述当前人脸图片和匹配度最高的历史人脸图片进行统一化，包括：

获取所述匹配度最高的历史人脸图片的第一格式；

获取所述当前人脸图片的第二格式；

检测所述第一格式与第二格式是否相同，若不同，将所述第二格式转化为第一格式，否则，不对所述第二格式进行转化；

其中，转化的方式为：

基于图片质量检测模型对所述当前人脸图片进行质量检测，获取所述当前人脸图片的质量特征向量，并利用主成分分析法对所述质量特征向量进行压缩降维得到编码特征向量；

基于所述编码特征向量获得所述当前人脸图片的解码信息，并基于所述解码信息从预设的解码器表中选择最优解码器对所述当前人脸图片进行解码得到属性数据；

对所述属性数据随机选取预编码参数进行预编码，得到预编码质量参数；

获取所述匹配度最高的历史人脸图片的编码参数，并将所述预编码质量参数与所述编码参数得到的比值作为权值，对所述编码参数基于所述权值进行加权得到加权编码参数；

其中，所述预编码质量参数与所述编码参数为多个，且一一对应；

基于所述加权编码参数对所述属性数据进行编码，得到格式为第二格式的当前人脸图片。

在该实施例中，所述第一格式为所述匹配度最高的历史人脸图片的初始格式。

在该实施例中，所述第二格式为所述当前人脸图片的初始格式。

在该实施例中，所述编码特征向量表示为利用所述编码特征向量进行编码可得到当前人脸图片，且当前人脸图片的格式为第二格式。

在该实施例中，所述主成分分析法为通过对所述对质量特征向量进行正交变换得到不相关的向量，所述不相关的向量即为主成分。

在该实施例中，所述属性数据为表示所述当前人脸图片的属性，例如类型、特性等。

在该实施例中，所述预编码质量参数与预编码参数对应。

在该实施例中，所述加权编码参数与所述预编码质量参数和匹配度最高的历史人脸图片的编码参数相关。

上述设计方案的有益效果是：在对图片进行差分之前对图片的格式进行统一化，为进行数据差分提供格式基础，最终降低图片存储所占用的空间。

实施例6

基于实施例5的基础上，本发明提供一种安防系统中人脸跟踪图片优化存储方法，将所述当前人脸图片和匹配度最高的历史人脸图片进行统一化，还包括：

获取所述匹配度最高的历史人脸图片的第一图片大小；

获取与所述匹配度最高的历史人脸图片格式相同的当前人脸图片的第二图片大小；

判断所述第一图片大小和第二图片大小的差值是否在预设范围内，若是，不改变当前人脸图片的第二图片大小；

否则，当所述差值为正时，基于所述差值对当前人脸图片进行放大；当所述差值为负时，基于所述差值对当前人脸图片进行压缩；得到第一图片大小的当前人脸图片。

上述设计方案的有益效果是：在对图片进行差分之前对图片的大小进行统一，为进行数据差分提供了容量基础，最终降低图片存储所占用的空间。

实施例7

基于实施例1的基础上，本发明提供一种安防系统中人脸跟踪图片优化存储方法，步骤3中，对所述差分数据进行存储包括：

获取所述匹配度最高的历史人脸图片的原始数据，并获取所述原始数据的第一偏移地址；

确定所述原始数据的维度以及每个维度的层连接关系，基于所述层连接关系获得维度的优先级顺序；

基于所述差分数据的参数信息将所述差分数据与所述原始数据的各个维度进行匹配，且按照所述维度的优先级顺序进行匹配；

确定所述差分数据匹配至所述原始数据中的相关数据，确定所述相关数据及相关数据之前的数据的第一偏移子地址；

在所述相关数据之后插入所述差分数据，并获取所述差分数据的第二偏移子地址；

确定所述相关数据之后的数据新的第三偏移子地址；

将插入所述差分数据的原始数据作为目标数据进行存储，且将所述第一偏移子地址、第二偏移子地址和第三偏移子地址依次排序组成第二偏移地址，作为所述目标数据的地址；

从存放偏移地址的存储空间中将所述第一偏移地址使用所述第二偏移地址进行替换，并建立所述第二偏移地址与数据库中历史人脸图片的人脸特征参数建立索引。

在该实施例中，所述原始数据的维度例如可以是类型代表一个维度，特性代表一个维度等，所述层连接关系表示各个维度之间的联系。

上述设计方案的有益效果是：将所述差分数据与原始数据进行整合存储，降低了图片存储所占用的空间，让图片尽量存储较长时间，方便了对图片的查找。

实施例8

基于实施例1的基础上，本发明提供一种安防系统中人脸跟踪图片优化存储方法，步骤3中，将所述当前人脸图片和匹配度最高的历史人脸图片进行差分得到差分数据，包括：

获取所述当前人脸图片的像素矩阵，作为第一像素矩阵，并确定所述第一像素矩阵中像素点的第一色度值；

获取所述匹配度最高的历史人脸图片的像素矩阵，作为第二像素矩阵，并确定所述第二像素矩阵中像素点的第二色度值；

其中，所述第一色度值和第二色度值一一对应；

确定所述第一色度值和第二色度值的差值大于预设差值的所对应的部分像素矩阵，并从所述第二像素矩阵中截取所述部分像素矩阵作为预测差分区域；

根据如下公式计算所述预测差分区域的准确值：

其中，

表示所述预测差分区域的准确值，

表示所述第一色度值的标准差，

表示所述第二色度值的标准差，

表示所述预测差分区域中色度值的标准差，

表示第i个像素点中第一色度值和第二色度值的差值，n表示所述第一像素矩阵或第二像素矩阵中像素点的个数，

表示在所述第一色度值和第二色度值的差值大于预设差值的情况下，第j个像素点中第一色度值和第二色度值的差值，m表示所述预测差分区域中像素点的个数，且n>m，

表示所述预测差分区域的对色度的敏感度，取值为[0.3，0.7]；

判断所述预测差分区域的准确值是否大于预设准确值，

若是，将所述预测差分区域作为目标差分区域，并获取所述目标差分区域的差分数据；

否则，根据如下公式计算所述预测差分区域的修正值：

其中，P表示所述预测差分区域的修正值，

表示所述预测差分区域的尺度度量值,取值为（0,1），

表示所述预测差分区域的第j个像素点的色度值，m表示所述预测差分区域中像素点的个数，

表示误差系数，取值为[0.1，0.4]，R表示预设标准色度值，

所述预测差分区域的边缘模糊率，取值为[0.2，0.6]；

基于所述修正值调取修正方法，并按照所述修正方法对所述预测差分区域进行修正，得到目标差分区域。

在该实施例中，所述第一色度值和第二色度值均用来表示图片的不同颜色在RGB通道上的取值。

在该实施例中，所述预测差分区域的边缘模糊率可以所述预设差分区域的质量，通过加入所述边缘模糊率对差分区域进行修正可以提高修正后的边缘区域质量。

上述设计方案的有益效果是：通过对当前人脸图片和匹配度最高的历史人脸图片进行差分得到差分数据，并在获得差分数据的过程中对差分区域进行修正，得到精确得差分数据，在后续得图片存储中降低了图片存储所占用的空间。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (7)

1.一种安防系统中人脸跟踪图片优化存储方法，其特征在于，包括：

步骤1：将抓拍到的历史人脸图片进行人脸特征分析，并将历史人脸特征参数存储到数据库；

步骤2：获取待存储的当前人脸图片和当前人脸特征参数，将所述当前人脸特征参数与所述数据库中的历史人脸特征参数进行比较，获取人脸匹配度最高的历史人脸图片；

步骤3：将所述当前人脸图片和匹配度最高的历史人脸图片进行差分得到差分数据，并对所述差分数据进行存储；

其中，步骤3中，将所述当前人脸图片和匹配度最高的历史人脸图片进行差分得到差分数据，包括：

获取所述当前人脸图片的像素矩阵，作为第一像素矩阵，并确定所述第一像素矩阵中像素点的第一色度值；

获取所述匹配度最高的历史人脸图片的像素矩阵，作为第二像素矩阵，并确定所述第二像素矩阵中像素点的第二色度值；

其中，所述第一色度值和第二色度值一一对应；

确定所述第一色度值和第二色度值的差值大于预设差值的所对应的部分像素矩阵，并从所述第二像素矩阵中截取所述部分像素矩阵作为预测差分区域；

根据如下公式计算所述预测差分区域的准确值：

其中，

表示所述预测差分区域的准确值，

表示所述第一色度值的标准差，

表示所述第二色度值的标准差，

表示所述预测差分区域中色度值的标准差，

表示第i个像素点中第一色度值和第二色度值的差值，n表示所述第一像素矩阵或第二像素矩阵中像素点的个数，

表示在所述第一色度值和第二色度值的差值大于预设差值的情况下，第j个像素点中第一色度值和第二色度值的差值，m表示所述预测差分区域中像素点的个数，且n>m，

表示所述预测差分区域的对色度的敏感度，取值为[0.3，0.7]；

判断所述预测差分区域的准确值是否大于预设准确值，

若是，将所述预测差分区域作为目标差分区域，并获取所述目标差分区域的差分数据；

否则，根据如下公式计算所述预测差分区域的修正值：

其中，P表示所述预测差分区域的修正值，

表示所述预测差分区域的尺度度量值,取值为（0，1），

表示所述预测差分区域的第j个像素点的色度值，m表示所述预测差分区域中像素点的个数，

表示误差系数，取值为[0.1，0.4]，R表示预设标准色度值，

所述预测差分区域的边缘模糊率，取值为[0.2，0.6]；

基于所述修正值调取修正方法，并按照所述修正方法对所述预测差分区域进行修正，得到目标差分区域。

2.根据权利要求1所述的一种安防系统中人脸跟踪图片优化存储方法，其特征在于，步骤1中，将抓拍到的历史人脸图片进行人脸特征分析，并将历史人脸特征参数存储到数据库包括：

将所述历史人脸图片进行图片增强、图片标准化处理；

将处理后的历史人脸图片输入至人工神经网络模型中进行训练，得到第一特征，计算所述第一特征与标准人脸特征的误差，并判断所述误差是否在预设范围内；

若是，将所述第一特征作为第二特征；

否则，调整所述人工神经网络模型中隐藏层的层数，并进行再次训练，得到第二特征；

将所述第二特征的范数进行累加后开平方得到所述历史人脸图片的加权值，将所述加权值加入至人工神经网络模型的训练过程中，对所述历史人脸图片进行再次训练，得到历史人脸特征参数，并将所述历史人脸特征参数存储到数据库。

3.根据权利要求1所述的一种安防系统中人脸跟踪图片优化存储方法，其特征在于，步骤2中，获取待存储的当前人脸图片和当前人脸特征参数包括：

抓拍所述待存储的当前人脸图片，并获取所述当前人脸图片的像素点的亮度检测值；

预先将亮度值按照预设规则进行划分，生成若干亮度值区域，将所述像素点基于所述亮度检测值按照所述预设规则分别划分到所述若干亮度值区域中，并获取所述若干亮度值区域中包含像素点最多的亮度值区域的亮度平均值，并将所述亮度平均值作为所述抓拍所述待存储的当前人脸图片的周围环境的环境亮度值；

判断所述环境亮度值是否大于预设亮度值；

若是，获取所述当前人脸图片的背景区域的第一灰度图像，并对所述第一灰度图像进行高斯平滑处理得到灰度数据，采集所述灰度数据对所述灰度图像进行拟合得到第二灰度图像，基于所述第二灰度图像的像素值对所述当前人脸图片进行亮度校正，得到校正后的当前人脸图片，并获得所述当前人脸特征参数；

否则，直接基于所述当前人脸图片获得所述当前人脸特征参数。

4.根据权利要求1所述的一种安防系统中人脸跟踪图片优化存储方法，其特征在于，步骤2中，将所述当前人脸特征参数与所述数据库中的人脸特征参数进行比较，获取人脸匹配度最高的历史人脸图片包括：

分别对所述当前人脸特征参数和历史人脸特征参数进行解析，分别得到当前人脸特征和历史人脸特征的第一特征值和第二特征值及其所在的位置，并对所述位置进行编号，并建立所述编号与所述第一特征值和第二特征值的连接关系；

其中，所述第一特征值和第二特征值为多个且一一对应；

基于所述连接关系，提取同一编号的第一特征值和第二特征值并进行匹配获得特征匹配度，取所述特征匹配度的均值作为人脸匹配度，并从所述数据库中提取人脸匹配度最高的历史人脸图片；

其中，当最高的人脸匹配度小于预设匹配度时，将不选择历史人脸图片，并将所述当前人脸图片及当前人脸特征参数存储至所述数据库。

5.根据权利要求1所述的一种安防系统中人脸跟踪图片优化存储方法，其特征在于，步骤3中，将所述当前人脸图片和匹配度最高的历史人脸图片进行差分得到差分数据之前，还包括：

将所述当前人脸图片和匹配度最高的历史人脸图片进行统一化，包括：

获取所述匹配度最高的历史人脸图片的第一格式；

获取所述当前人脸图片的第二格式；

检测所述第一格式与第二格式是否相同，若不同，将所述第二格式转化为第一格式，否则，不对所述第二格式进行转化；

其中，转化的方式为：

基于图片质量检测模型对所述当前人脸图片进行质量检测，获取所述当前人脸图片的质量特征向量，并利用主成分分析法对所述质量特征向量进行压缩降维得到编码特征向量；

基于所述编码特征向量获得所述当前人脸图片的解码信息，并基于所述解码信息从预设的解码器表中选择最优解码器对所述当前人脸图片进行解码得到属性数据；

对所述属性数据随机选取预编码参数进行预编码，得到预编码质量参数；

获取所述匹配度最高的历史人脸图片的编码参数，并将所述预编码质量参数与所述编码参数得到的比值作为权值，对所述编码参数基于所述权值进行加权得到加权编码参数；

其中，所述预编码质量参数与所述编码参数为多个，且一一对应；

基于所述加权编码参数对所述属性数据进行编码，得到格式为第二格式的当前人脸图片。

6.根据权利要求5所述的一种安防系统中人脸跟踪图片优化存储方法，其特征在于，将所述当前人脸图片和匹配度最高的历史人脸图片进行统一化，还包括：

获取所述匹配度最高的历史人脸图片的第一图片大小；

获取与所述匹配度最高的历史人脸图片格式相同的当前人脸图片的第二图片大小；

判断所述第一图片大小和第二图片大小的差值是否在预设范围内，若是，不改变当前人脸图片的第二图片大小；

否则，当所述差值为正时，基于所述差值对当前人脸图片进行放大；当所述差值为负时，基于所述差值对当前人脸图片进行压缩；得到第一图片大小的当前人脸图片。

7.根据权利要求1所述的一种安防系统中人脸跟踪图片优化存储方法，其特征在于，步骤3中，对所述差分数据进行存储包括：

获取所述匹配度最高的历史人脸图片的原始数据，并获取所述原始数据的第一偏移地址；

确定所述原始数据的维度以及每个维度的层连接关系，基于所述层连接关系获得维度的优先级顺序；

基于所述差分数据的参数信息将所述差分数据与所述原始数据的各个维度进行匹配，且按照所述维度的优先级顺序进行匹配；

确定所述差分数据匹配至所述原始数据中的相关数据，确定所述相关数据及相关数据之前的数据的第一偏移子地址；

在所述相关数据之后插入所述差分数据，并获取所述差分数据的第二偏移子地址；

确定所述相关数据之后的数据新的第三偏移子地址；

将插入所述差分数据的原始数据作为目标数据进行存储，且将所述第一偏移子地址、第二偏移子地址和第三偏移子地址依次排序组成第二偏移地址，作为所述目标数据的地址；

从存放偏移地址的存储空间中将所述第一偏移地址使用所述第二偏移地址进行替换，并建立所述第二偏移地址与数据库中历史人脸图片的人脸特征参数建立索引。

Images