CN113158744A - 一种基于人脸识别的安防管理系统 - Google Patents
一种基于人脸识别的安防管理系统 Download PDFInfo
- Publication number
- CN113158744A CN113158744A CN202110140997.0A CN202110140997A CN113158744A CN 113158744 A CN113158744 A CN 113158744A CN 202110140997 A CN202110140997 A CN 202110140997A CN 113158744 A CN113158744 A CN 113158744A
- Authority
- CN
- China
- Prior art keywords
- face
- module
- management system
- engine
- face recognition
- 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.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 claims description 39
- 230000009467 reduction Effects 0.000 claims description 34
- 238000001514 detection method Methods 0.000 claims description 18
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000000034 method Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 9
- 238000012795 verification Methods 0.000 claims description 9
- 230000001815 facial effect Effects 0.000 claims description 6
- 210000000056 organ Anatomy 0.000 claims description 4
- 239000013598 vector Substances 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 3
- 230000002349 favourable effect Effects 0.000 abstract description 3
- 238000012937 correction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 210000003491 skin Anatomy 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009432 framing Methods 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 210000002615 epidermis Anatomy 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- 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
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
- G07C9/30—Individual registration on entry or exit not involving the use of a pass
- G07C9/32—Individual registration on entry or exit not involving the use of a pass in combination with an identity check
- G07C9/37—Individual registration on entry or exit not involving the use of a pass in combination with an identity check using biometric data, e.g. fingerprints, iris scans or voice recognition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
Abstract
本发明公开了一种基于人脸识别的安防管理系统,包括预约信息采集系统、进门管理系统、出门管理系统、监管公共场所的监督系统以及监管场所安防管理平台,通过其相互的配合能够形成基于人脸识别的安防管理系统。本发明其能够更加有利于适合监管场所的安防管理,有利于防止被监管人员的逃出现象,更加适合监管场所的正常安全运行。
Description
技术领域
本发明涉及安防技术领域,尤其涉及一种基于人脸识别的安防管理系统。
背景技术
已知现有监管行业的中对于来访人员的安全监管工作压力较大,因为来访人员较为频繁和来访人员身份复杂,都可能存在潜在的安全隐患问题,也会存在被监管人员潜逃等安全事故。因此应当从监管场所源头上杜绝被监管人员逃跑现象,从而能够避免给社会稳定秩序带来不小冲击,同时也会耗费大量的人力、物力和财力进行缉拿被监管人员,如何能够实现对监管场所进行更加安全管理也成为亟待解决的问题。
发明内容
针对现有技术中的不足,本发明提供了一种基于人脸识别的安防管理系统,其能够更加有利于适合监管场所的安防管理,有利于防止被监管人员的逃出现象,更加适合监管场所的正常安全运行。
为了实现上述目的,本发明所采取的技术方案是:
一种基于人脸识别的安防管理系统,包括预约信息采集系统、进门管理系统、出门管理系统、监管公共场所的监督系统以及监管场所安防管理平台;
所述预约信息采集系统,采集来访人员身份证及照片的信息,采集到的访人员身份证及照片的信息传输给所述监管场所安防管理平台;
所述进门核实管理系统包括进口闸门和进入采集模块,所述进入采集模块采集现场来访人员的身份证及照片信息,并将身份识别卡号关联到监管场所安防管理平台中来访人员身份信息,并将采集到的现场照片和身份信息注册到进口人脸识别设备,采集结果通知进口闸门开闸放行;
所述出门管理系统包括出口闸门以及出去采集模块,所述出去采集模块采集现场来访人员的身份证及照片信息,并将身份识别卡号关联到监管场所安防管理平台中来访人员身份信息,并将采集到的现场照片和身份信息注册到出口人脸识别设备,采集结果通知出口闸门开闸放行;
所述监管公共场所的监督系统包括摄像机和视频矩阵,所述摄像机采集的视频信号经过所述视频矩阵压缩,所述视频矩阵压缩通过网络输入至所述监管场所安防管理平台;
所述监管场所安防管理平台包括储存单元、监管场所安防通讯模块和人脸识别系统,所述储存单元用于录入预约人身份信息并存储于储存单元中,所述人脸识别系统用于识别来访人员身份信息是否相一致,如相一致,则会通知所述进门核实管理系统的进口闸门放行进入,否则进口闸门会处于关闭状态,同时所述监管场所安防通讯模块预存与有关联采集来访人员身份相关的被监管人员,所述人脸识别系统通过所述监管场所安防通讯模块用语音模块通知被监管人员来会见,所述人脸识别系统识别所述出门管理系统中出去采集模块采集来访人员身份信息,其来访人员身份信息与所述进门核实管理系统中进入采集模块采集的现场来访人员相一致,则会通知所述出门管理系统的出口闸门放行出去。
进一步说,所述预约信息采集系统采用的智能客移动端。
所述进入采集模块和出去采集模块均包括读卡器和摄像机;所述读卡器,读二代身份证和身份识别卡号信息;所述摄像机,采集现场人员的照片,并将采集现场人员的照片分别对应给进口人脸识别设备和出口人脸识别设备。
进一步说,所述视频矩阵,是利用有限的监视设备,通过切换视频输入可以看到更多的视频输出,同时可以遥控相关的摄像机的云台和镜头,以便清楚的看到需要的情况,矩阵利用随机带的键盘可以把输入的图像任意切换到任意输出端上,同时可以控制云台的上下、左右,镜头的远近、长短以及摄像机的开关,上述遥控及切换可通过程序设定。
进一步说,所述人脸识别系统包括硬件设备和软件引擎,所述硬件设备包括计算机和交换机;
所述软件引擎包括人脸捕捉引擎、干扰还原引擎、人脸建模引擎和人脸比对引擎;
所述人脸捕捉引擎、干扰还原引擎、人脸建模引擎、人脸比对引擎均安装于计算机,所述计算机通过交换机连接所述监管公共场所的监督系统;
所述人脸捕捉引擎,通过视频输入设备采集并获取视频或图像信息中含有人脸生物特征的2D人像;
所述干扰还原引擎,对捕捉到的2D人像进行修正还原,并将不符合建模标准的人像去除;
所述人脸建模引擎,对采集到的符合建模条件的2D人像进行3D 展开和3D建模,生成3D特征值,存储在所述储存单元中;
所述人脸比对引擎,对获取的2D人像生成的3D特征值,与所述储存单元中照片生成的3D特征值进行比对,得出比对结果,所述人脸比对引擎组装了三种特征值比对模块:①:双眼间12像素~24像素比对模块即400点比对模块;②:双眼间24像素~40像素比对模块即1500点比对模块;③:双眼间40像素~60像素比对模块即4000点比对模块;系统自动计算人脸双眼间像素点的数量,根据人脸双眼间像素点的数量,自动选取上述三种比对模块中的相对应的一种,把三种比对模块组装一起,合成“三合一”比对引擎;
所述储存单元包括存储的照片库和特征值模板库,所述照片库和特征值模板库安装于计算机,所述照片库存储原始比对照片,所述人脸建模引擎对采集到的符合建模条件的2D人像进行3D 展开和3D建模,生成3D特征值,存储在所述特征值模板库中。
进一步说,所述人脸捕捉引擎,包括筛选模块、拼帧合成图像模块、背景处理模块和轨迹跟踪模块。
进一步说,所述干扰还原引擎,包括光干扰还原模块、肤色识别模块、年龄还原模块、表情还原模块、姿态还原模块和遮挡还原模块。
进一步说,所述人脸建模引擎对采集到的2D人像,通过面像五官轮廓的固定属性,包括:大小、比例、相对位置、距离,按3D面像器官模板进行展开,对应几何关系形成识别参数与数据,计算出相互间的关联几何矢量,即生成3D特征值。
进一步说,所述语音模块采用的是扩音器或者喇叭。
进一步说,还包括电子围墙设备,包括电子围栏、与所述电子围栏连接的脉冲探测装置和与所述脉冲探测装置连接的警报装置,定义所述目标区域的边界除所述行人出入口以外的其他边界为非通行边界,所述电子围栏沿所述非通行边界设置,所述警报装置用于获取所述脉冲探测装置的检测信号,且在所述检测信号异常时生成警报信号,并向所述监管场所安防管理平台发送所述警报信号。
进一步说,所述电子围栏设备还包括图像采集装置,所述图像采集装置用于采集所述电子围栏所在区域的图像数据,并向所述监管场所安防管理平台发送所述图像数据。
本发明的有益效果:
其一,本发明中包括预约信息采集系统、进门管理系统、出门管理系统、监管公共场所的监督系统以及监管场所安防管理平台,其中预约信息采集系统、进门管理系统、出门管理系统、监管公共场所的监督系统以及监管场所安防管理平台有机配合才能构成基于人脸识别的安防监控管理系统,更加有利于适合监管场所的安防监控管理,有利于防止被监管人员的逃出现象,更加适合监管场所的正常安全运行;
其二,本发明中通过预约信息采集系统事先远程采集来访人员信息,从而更够更好的收集来访人员的信息,这样有利于与现场来访人员信息进行匹配,当相一致时才能实现进入和放出,这样才能更好的提高监管场所的安防,避免被监管人员的逃出现象。
其三,本发明通过基于人脸识别的安防监控管理系统,也能够提高智能化管理,减轻人力管理劳动程度的问题。
附图说明
图1为本发明系统方框示意图。
图2为本发明的人脸识别系统方框示意图。
图3为本发明的储存单元方框示意图。
图4为本发明的监管场所安防管理平台与电子围墙设备连接示意图。
图5为本发明的数据库更新模块与进门管理系统、出门管理系统和监管公共场所的监督系统连接示意图。
图中:1,预约信息采集系统;2,进门管理系统;3,出门管理系统;4,监管公共场所的监督系统;5,监管场所安防管理平台;6,电子围墙设备;7,数据库更新模块;21,进口闸门;22,进入采集模块;23,进口人脸识别设备;31,出口闸门;32,出去采集模块;33,出口人脸识别设备;41,摄像机;42,视频矩阵;51,储存单元;52,监管场所安防通讯模块;53,人脸识别系统;54,语音模块;61,电子围栏;62,脉冲探测装置;63,警报装置;531,硬件设备;532,软件引擎;611,图像采集装置。
具体实施方式
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该发明产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位,以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本发明的描述中,还需要说明的是,除非另有明确的规定和限定,术语“设置”、“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
为使本发明的目的、技术方案和优点更加清楚明了,下面通过附图及实施例,对本发明进行进一步详细说明。但是应该理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限制本发明的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。
参阅图1,一种基于人脸识别的安防管理系统,包括预约信息采集系统1、进门管理系统2、出门管理系统3、监管公共场所的监督系统4以及监管场所安防管理平台5。
预约信息采集系统1,采集来访人员身份证及照片的信息,采集到的访人员身份证及照片的信息传输给监管场所安防管理平台5。预约信息采集系统采1用的智能客移动端,例如智能手机,通过在智能手机上采集来访人员身份证及照片的信息,从而能够存储到监管场所安防管理平台的存储单元中。
进门核实管理系统2包括进口闸门21和进入采集模块22,进入采集模块22采集现场来访人员的身份证及照片信息,并将身份识别卡号关联到监管场所安防管理平台5中来访人员身份信息,并将采集到的现场照片和身份信息注册到进口人脸识别设备23,采集结果通知进口闸门21开闸放行。
出门管理系统3包括出口闸门31以及出去采集模块32,出去采集模,32采集现场来访人员的身份证及照片信息,并将身份识别卡号关联到监管场所安防管理平台5中来访人员身份信息,并将采集到的现场照片和身份信息注册到出口人脸识别设备33,采集结果通知出口闸门31开闸放行。
监管公共场所的监督系统4包括摄像机41和视频矩阵42,摄像机41采集的视频信号经过视频矩阵42压缩,视频矩阵42压缩通过网络输入至监管场所安防管理平台5。
其中,视频矩阵42,是利用有限的监视设备,通过切换视频输入可以看到更多的视频输出,同时可以遥控相关的摄像机41的云台和镜头,以便清楚的看到需要监视的情况,矩阵利用随机带的键盘可以把输入的图像任意切换到任意输出端上,同时可以控制云台的上下、左右,镜头的远近、长短以及摄像机的开关,上述遥控及切换可通过程序设定。
监管场所安防管理平台5包括储存单元51、监管场所安防通讯模块52和人脸识别系统53,储存单元51用于录入预约人身份信息并存储于储存单元中,人脸识别系统53用于识别来访人员身份信息是否相一致,如相一致,则会通知进门核实管理系统2的进口闸门21放行进入,否则进口闸门21会处于关闭状态,同时监管场所安防通讯模块52预存与有关联采集来访人员身份相关的被监管人员,人脸识别系统53通过监管场所安防通讯模块52用语音模块54通知被监管人员来会见,人脸识别系统53识别出门管理系统3中出去采集模块32采集来访人员身份信息,其来访人员身份信息与进门核实管理系统2中进入采集模块22采集的现场来访人员相一致,则会通知出门管理系统3的出口闸门31放行出去。语音模块54采用的是扩音器或者喇叭。
其中,如图2所示,人脸识别系统53包括硬件设备531和软件引擎532,硬件设备531包括计算机和交换机。
软件引擎532包括人脸捕捉引擎、干扰还原引擎、人脸建模引擎和人脸比对引擎;人脸捕捉引擎、干扰还原引擎、人脸建模引擎、人脸比对引擎均安装于计算机,计算机通过交换机连接监管公共场所的监督系统;人脸捕捉引擎,通过视频输入设备采集并获取视频或图像信息中含有人脸生物特征的2D人像;干扰还原引擎,对捕捉到的2D人像进行修正还原,并将不符合建模标准的人像去除;人脸建模引擎,对采集到的符合建模条件的2D人像进行3D 展开和3D建模,生成3D特征值,存储在储存单元中;人脸比对引擎,对获取的2D人像生成的3D特征值,与储存单元中照片生成的3D特征值进行比对,得出比对结果,人脸比对引擎组装了三种特征值比对模块:①:双眼间12像素~24像素比对模块即400点比对模块;②:双眼间24像素~40像素比对模块即1500点比对模块;③:双眼间40像素~60像素比对模块即4000点比对模块;系统自动计算人脸双眼间像素点的数量,根据人脸双眼间像素点的数量,自动选取上述三种比对模块中的相对应的一种,把三种比对模块组装一起,合成“三合一”比对引擎。
其中,如图3所示,储存单元51包括存储的照片库511和特征值模板库512,照片库511和特征值模板库512安装于计算机,照片库511存储原始比对照片,人脸建模引擎对采集到的符合建模条件的2D人像进行3D 展开和3D建模,生成3D特征值,存储在特征值模板库中。
人脸捕捉引擎,包括筛选模块、拼帧合成图像模块、背景处理模块和轨迹跟踪模块。人脸捕捉引擎首先导入视频或图片并进行筛选,筛选模块具体包括如下三个步骤:步骤一,摄像机中的图像与人脸基本模板(二个眼睛与一个鼻子构成的三角区)的符合度检查,即人脸基本模板过滤法,符合条件的进入步骤二;步骤二,视频中人脸角度与人像比较,角度差范围在左右±15°/上下±15°/旋转±10°的符合条件进入步骤三;步骤三、双眼可见,双眼间像素点检查,根据摄像机总的像素值及双眼间区域面积占整个摄像画面的比例,计算出双眼间区域的像素点值,需要双眼间像素点值大于12,符合以上条件的做人脸采集。上述筛选可通过级联分类器筛选法:被检测的图像依次通过每一个分类器,可以通过的,即可判定为合格目标,进入下一个分类器。同时,为了考虑效率问题,可以将最严格的分类器放在整个级联分类器的最顶端,那样可以减少匹配次数。拼帧合成图像模块包括分帧及拼帧,在筛选模块判断出是人脸的视频流的前两秒的视频流分解成帧,每秒进行帧比较,具体而言就是将获得的每帧图像做可用像素点比较,挑选出可用像素点最多的帧用来作拼帧的帧,两秒中获得两张最清晰的图像帧。拼帧技术就是将上述两张最清晰的图像帧进行拼帧,以防止传输中丢帧,两帧一备一用。在实际操作中,分帧、帧比较、拼帧与筛选模块会多次交互。轨迹跟踪模块:系统对视频流分帧,从采集到第一帧可比对的人脸帧开始,在随后的2秒中内,系统会自动进行帧之间互相校验,从 50(2*25)帧内挑出最清晰的两幅人像帧作为比对帧,拼帧,合成,在比对模块中作为比对源;同时对采集到的人像进行标识,基于运动与模型相结合的算法,在前端进行比对跟踪,如果确认是同一人,将不做第二次人脸采集。这样大大节省了后台CPU、传输带宽、存储的硬件资源。
干扰还原引擎,包括光干扰还原模块、肤色识别模块、年龄还原模块、表情还原模块、姿态还原模块和遮挡还原模块。
干扰还原引擎,对捕捉到的人脸照片进行修正还原,具体来说,人脸还原引擎包括:光干扰还原、肤色识别、年龄还原、表情还原、姿态还原和遮挡还原。光干扰还原:光干扰主要是二种:阴阳脸和逆光。阴阳脸通过人脸对称的原理进行修正。逆光通过对背景和人像的亮度对比进行修正(光强)。年龄还原指对“一、特征点综述”中B类特征点,产生一组在某一范围内的变化值,作为附加特征值;年龄推算,决定正负修正值B 的大小(A± B%)。实际照片和库中的照片年龄相差越大,这个B值适当放大。在之后模块的比对过程中,这些附加特征值与该处的原特征参数一样,具有同样的权重权,譬如若该点的原特征值与被比对照片的值有差异,但在这组附加特征值中,却有符合的值,同样会提高比对的符合性。表情还原是指在一定范围内可以将变形不大的表情,还原到正常表情,按生理解剖原理,模拟每个表皮变动的点回归原位置,修正值修正法,具体算法。姿态还原本专利可对左右±15°/上下± 15°/旋转± 10°,双眼可见范围内照片进行姿态还原正位,达到双眼为水平坐标,对称,调整到正位。遮挡还原对眼镜/刘海/围巾/高领/帽檐等遮挡物进行缺损对称修正,或平均值补偿,譬如:左面部分被遮住,通过右脸和左脸对称的原理,进行修正,又如:下巴被高领挡住了,根据人种下巴平均值,作为这部分的特征值。
人脸建模引擎对采集到的2D人像,通过面像五官轮廓的固定属性,包括:大小、比例、相对位置、距离,按3D面像器官模板进行展开,对应几何关系形成识别参数与数据,计算出相互间的关联几何矢量,即生成3D特征值。人脸建模引擎是对采集到的符合建模条件的2D人像脸部的本质特征,五官轮廓的大小、位置、距离等固定属性,按3D面像器官模板进行展开,对应几何关系形成识别参数与数据,计算出相互间的关联几何矢量(特征值),即生成3D特征值。3D建模可以抵抗光线、皮肤色调、面部毛发、发型、眼镜、表情和姿态的变化,具有强大的可靠性。
其中,人脸识别技术常用的有Gabor小波、Adaboost学习算法及支持向量机等方法。本专利采用了对人脸特征点的比对,首先通过双眼间像素点的数量选定“三合一”比对引擎中相对应的一种比对模块,通过深度学习的神经元网络算法进行特征值比对。深度学习是由在计算机上模拟人类神经回路的“神经元网络”的一种结构信息算法。它能够通过多层次组合低层特征形成更抽象的高层特征,从而实现自动的学习特征,而不需要人参与特征的选取。深度学习神经元网络算法正是通过模拟人脑多层次的分析方式来提高分析的准确性和分析速度。
从“一、特征点综述”可以看出,各部分的比例变化,有的变化小,有的变化大,因此算法在确定特征点的权重时,其实是不同的。
点越少,A类点占的比重越大。对于A类特征点,因为他们在人的一身中,基本保持特定的比例关系,并具有唯一性,所以在求得人脸基本特征时,占据较大的权重,这类点在总共约4000个点上,占有56%的比例,而权重分配在60%以上;对于B类特征点,虽然随着人的一生,会有变化,但这种变化是可以预测的,因此,在比对时,可以进行冗余推演,这类点约占总点数的32%,权重分配在30%左右,而最后一类点,比如人脸轮廓线,随着年龄和环境的变化,会发生经常的变化,约占总点数的12%,因为变化较大,权重分配最小只有10%。依据以上原则,我们得出了人脸的基本特征点组群,并得到一部分特征值,但有时候这些偏差还是不能精准的反应人脸的唯一性。
因此本专利还采取了补充算法即人脸表面积算法,其理由是,通过研究,若将这4000个点周围的表面积作一个计算发现,每一个人的表面积的重合度概率要远远小于特征值重复的概率,因此我们将上述的特征点相互连接起来,使每个相邻的3个点组成正三角形(顶点在上,非“等边三角形”),在取这些点位时,已经考虑了其几何正三角形的位置因素,以保证能够取得这些正三角形,当然这些三角形其实也是有权重分配的,原则与特征点一致,采用高斯定理,通过计算 A\B\C三组正三角形所得到的面积,来形成一个冗余值,追加到特征值得参数端中。经过人脸表面积算法,人脸识别的准确度进一步提升,在实际运行中,已经可以分辨双胞胎。
人脸比对引擎将视频流中截取的人像帧建模生成的3D特征值与照片库中像片生成的3D特征值进行比对,得出对比结果。在实际测试中,比对相似度值大于0 .6,即基本可确定为同一人。
人脸识别系统53通过视频采集卡和驱动程序获取监视系统中模拟摄像机信号,获取到的视频信号为模拟量信号。人脸识别系统53通过网管进行码流转换与监视系统中数字摄像机通信,获取到的视频信号为数字量信号。人脸识别系统53通过TCP/IP协议、API接口与上级控制平台交换数据。人脸识别系统53还包括人机界面和数据库的API接口。
具体来说,进入采集模块22和出去采集模块32均包括读卡器和摄像机;读卡器,读二代身份证和身份识别卡号信息;摄像机,采集现场人员的照片,并将采集现场人员的照片分别对应给进口人脸识别设备和出口人脸识别设备。
在上述任一实施例中,如图4所示,还包括电子围墙设备6,包括电子围栏61、与电子围栏61连接的脉冲探测装置62和与脉冲探测装置62连接的警报装置63,定义目标区域的边界除行人出入口以外的其他边界为非通行边界,电子围栏61沿非通行边界设置,警报装置63用于获取脉冲探测装置62的检测信号,且在检测信号异常时生成警报信号,并向监管场所安防管理平台5发送警报信号。在电子围栏61收到破坏或非法翻阅时,脉冲探测装置62的检测信号便会发生异常(例如信号的频率不在预设频段内等),此时,警报装置63便会分析电子围栏61触发警报的位置,并根据触发警报的位置生成报警信号。监管场所安防管理平台5接收到警报信号时,基于警报信号向目标人员发送提示信息。目标人员为对处理上述电子围栏61的报警情况的人员,可具体为保安室的保安人员,在巡逻当中的巡逻人员等,以避免电子围栏61的失效导致区域进出管理的漏洞,此外还可有效的避免人员非法的进出目标区域,保证目标区域实现有效的封闭式管理。
其中,电子围栏设备61还包括图像采集装置611,图像采集装置611用于采集电子围栏61所在区域的图像数据,并向监管场所安防管理平台5发送图像数据。图像采集装置611可沿电子围栏61间隔设有多个,使图像采集装置611的图像采集范围可覆盖非通行边界。此种系统没有统一、全面的对不同方式进出区域的人员进行管控,不能很好的保证区域的封闭性,而且各种进出区域的数据没有进行统计与整合,容易出现管理漏洞,影响区域安全。
在上述任一实施例中,如图5所示,还包括数据库更新模块7,数据库更新模块7用于储存单元51预存的预约来访人员身份证及照片信息和被监管人员的身份证及照片信息不断更新,其中还存储有进门管理系统2和出门管理系统3中摄像机以及监管公共场所的监督系统4中摄像机41采集的图形数据,以此完成该人员信息的自动更新。因此,通过数据库更新模块7,实现了用户信息的自动更新,提高了人脸识别的准确性,避免了监控对用户大范围的定期数据采集与更新。
需要说明的是,尽管在本文中已经对上述各实施例进行了描述,但并非因此限制本发明的专利保护范围。因此,基于本发明的创新理念,对本文所述实施例进行的变更和修改,或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,直接或间接地将以上技术方案运用在其他相关的技术领域,均包括在本发明专利的保护范围之内。
Claims (10)
1.一种基于人脸识别的安防管理系统,其特征在于:包括预约信息采集系统、进门管理系统、出门管理系统、监管公共场的监督系统以及监管场所安防管理平台;
所述预约信息采集系统,采集来访人员身份证及照片的信息,采集到的访人员身份证及照片的信息传输给所述监管场所安防管理平台;
所述进门核实管理系统包括进口闸门和进入采集模块,所述进入采集模块采集现场来访人员的身份证及照片信息,并将身份识别卡号关联到监管场所安防管理平台中来访人员身份信息,并将采集到的现场照片和身份信息注册到进口人脸识别设备,采集结果通知进口闸门开闸放行;
所述出门管理系统包括出口闸门以及出去采集模块,所述出去采集模块采集现场来访人员的身份证及照片信息,并将身份识别卡号关联到监管场所安防管理平台中来访人员身份信息,并将采集到的现场照片和身份信息注册到出口人脸识别设备,采集结果通知出口闸门开闸放行;
所述监管公共场的监督系统包括摄像机和视频矩阵,所述摄像机采集的视频信号经过所述视频矩阵压缩,所述视频矩阵压缩通过网络输入至所述监管场所安防管理平台;
所述监管场所安防管理平台包括储存单元、监管场所安防通讯模块和人脸识别系统,所述储存单元用于录入预约人身份信息并存储于储存单元中,所述人脸识别系统用于识别来访人员身份信息是否相一致,如相一致,则会通知所述进门核实管理系统的进口闸门放行进入,否则进口闸门会处于关闭状态,同时所述监管场所安防通讯模块预存与有关联采集来访人员身份相关的被监管人员,所述人脸识别系统通过所述监管场所安防通讯模块用语音模块通知被监管人员来会见,所述人脸识别系统识别所述出门管理系统中出去采集模块采集来访人员身份信息,其来访人员身份信息与所述进门核实管理系统中进入采集模块采集的现场来访人员相一致,则会通知所述出门管理系统的出口闸门放行出去。
2.如权利要求1所述的一种基于人脸识别的安防管理系统,其特征在于:所述预约信息采集系统采用的智能客移动端。
3.如权利要求1所述的一种基于人脸识别的安防管理系统,其特征在于:所述进入采集模块和出去采集模块均包括读卡器和摄像机;所述读卡器,读二代身份证和身份识别卡号信息;所述摄像机,采集现场人员的照片,并将采集现场人员的照片分别对应给进口人脸识别设备和出口人脸识别设备。
4.如权利要求1所述的一种基于人脸识别的安防管理系统,其特征在于:所述视频矩阵,是利用有限的监视设备,通过切换视频输入可以看到更多的视频输出,同时可以遥控相关的摄像机的云台和镜头,以便清楚的看到需要的情况,矩阵利用随机带的键盘可以把输入的图像任意切换到任意输出端上,同时可以控制云台的上下、左右,镜头的远近、长短以及摄像机的开关,上述遥控及切换可通过程序设定。
5.如权利要求1所述的一种基于人脸识别的安防管理系统,其特征在于:所述人脸识别系统包括硬件设备和软件引擎,所述硬件设备包括计算机和交换机;
所述软件引擎包括人脸捕捉引擎、干扰还原引擎、人脸建模引擎和人脸比对引擎;
所述人脸捕捉引擎、干扰还原引擎、人脸建模引擎、人脸比对引擎均安装于计算机,所述计算机通过交换机连接所述监管公共场的监督系统;
所述人脸捕捉引擎,通过视频输入设备采集并获取视频或图像信息中含有人脸生物特征的2D人像;
所述干扰还原引擎,对捕捉到的2D人像进行修正还原,并将不符合建模标准的人像去除;
所述人脸建模引擎,对采集到的符合建模条件的2D人像进行3D 展开和3D建模,生成3D特征值,存储在所述储存单元中;
所述人脸比对引擎,对获取的2D人像生成的3D特征值,与所述储存单元中照片生成的3D特征值进行比对,得出比对结果,所述人脸比对引擎组装了三种特征值比对模块:①:双眼间12像素~24像素比对模块即400点比对模块;②:双眼间24像素~40像素比对模块即1500点比对模块;③:双眼间40像素~60像素比对模块即4000点比对模块;系统自动计算人脸双眼间像素点的数量,根据人脸双眼间像素点的数量,自动选取上述三种比对模块中的相对应的一种,把三种比对模块组装一起,合成“三合一”比对引擎;
所述储存单元包括存储的照片库和特征值模板库,所述照片库和特征值模板库安装于计算机,所述照片库存储原始比对照片,所述人脸建模引擎对采集到的符合建模条件的2D人像进行3D 展开和3D建模,生成3D特征值,存储在所述特征值模板库中。
6.如权利要求5所述的一种基于人脸识别的安防管理系统,其特征在于:所述人脸捕捉引擎,包括筛选模块、拼帧合成图像模块、背景处理模块和轨迹跟踪模块。
7.如权利要求5所述的一种基于人脸识别的安防管理系统,其特征在于:所述干扰还原引擎,包括光干扰还原模块、肤色识别模块、年龄还原模块、表情还原模块、姿态还原模块和遮挡还原模块。
8.如权利要求5所述的一种基于人脸识别的安防管理系统,其特征在于:所述人脸建模引擎对采集到的2D人像,通过面像五官轮廓的固定属性,包括:大小、比例、相对位置、距离,按3D面像器官模板进行展开,对应几何关系形成识别参数与数据,计算出相互间的关联几何矢量,即生成3D特征值。
9.如权利要求1所述的一种基于人脸识别的安防管理系统,其特征在于:所述语音模块采用的是扩音器或者喇叭。
10.如权利要求1所述的一种基于人脸识别的安防管理系统,其特征在于:还包括电子围墙设备,包括电子围栏、与所述电子围栏连接的脉冲探测装置和与所述脉冲探测装置连接的警报装置,定义所述目标区域的边界除所述行人出入口以外的其他边界为非通行边界,所述电子围栏沿所述非通行边界设置,所述警报装置用于获取所述脉冲探测装置的检测信号,且在所述检测信号异常时生成警报信号,并向所述监管场所安防管理平台发送所述警报信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110140997.0A CN113158744A (zh) | 2021-02-02 | 2021-02-02 | 一种基于人脸识别的安防管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110140997.0A CN113158744A (zh) | 2021-02-02 | 2021-02-02 | 一种基于人脸识别的安防管理系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113158744A true CN113158744A (zh) | 2021-07-23 |
Family
ID=76879179
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110140997.0A Pending CN113158744A (zh) | 2021-02-02 | 2021-02-02 | 一种基于人脸识别的安防管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113158744A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115273313A (zh) * | 2022-08-01 | 2022-11-01 | 青岛博宁福田智能交通科技发展有限公司 | 一种智能识别维修门及其认证识别方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102708606A (zh) * | 2012-03-26 | 2012-10-03 | 北京普惠恒丰科技有限公司 | 基于人脸识别的监狱会见区域进出监控系统 |
US20130279767A1 (en) * | 2012-04-24 | 2013-10-24 | Chih-Hsung Huang | Method of managing visiting guests by face recognition |
CN104951773A (zh) * | 2015-07-12 | 2015-09-30 | 上海微桥电子科技有限公司 | 一种实时人脸识别监视系统 |
CN106780256A (zh) * | 2016-12-16 | 2017-05-31 | 北京华鼎新铭智能科技发展有限公司 | 一种综合安防信息化管理系统 |
CN107862773A (zh) * | 2017-11-22 | 2018-03-30 | 上海亦源智能科技有限公司 | 可预约式人脸识别门禁访客系统及方法 |
CN109410387A (zh) * | 2018-09-30 | 2019-03-01 | 安徽灵图壹智能科技有限公司 | 一种人脸识别监狱安防管理方法及系统 |
CN109712290A (zh) * | 2018-12-26 | 2019-05-03 | 广东中安金狮科创有限公司 | 安防系统 |
-
2021
- 2021-02-02 CN CN202110140997.0A patent/CN113158744A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102708606A (zh) * | 2012-03-26 | 2012-10-03 | 北京普惠恒丰科技有限公司 | 基于人脸识别的监狱会见区域进出监控系统 |
US20130279767A1 (en) * | 2012-04-24 | 2013-10-24 | Chih-Hsung Huang | Method of managing visiting guests by face recognition |
CN104951773A (zh) * | 2015-07-12 | 2015-09-30 | 上海微桥电子科技有限公司 | 一种实时人脸识别监视系统 |
CN106780256A (zh) * | 2016-12-16 | 2017-05-31 | 北京华鼎新铭智能科技发展有限公司 | 一种综合安防信息化管理系统 |
CN107862773A (zh) * | 2017-11-22 | 2018-03-30 | 上海亦源智能科技有限公司 | 可预约式人脸识别门禁访客系统及方法 |
CN109410387A (zh) * | 2018-09-30 | 2019-03-01 | 安徽灵图壹智能科技有限公司 | 一种人脸识别监狱安防管理方法及系统 |
CN109712290A (zh) * | 2018-12-26 | 2019-05-03 | 广东中安金狮科创有限公司 | 安防系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115273313A (zh) * | 2022-08-01 | 2022-11-01 | 青岛博宁福田智能交通科技发展有限公司 | 一种智能识别维修门及其认证识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110491004B (zh) | 一种居民社区人员安全管理系统及方法 | |
CN109819208B (zh) | 一种基于人工智能动态监控的密集人群安防监控管理方法 | |
CN106650671B (zh) | 人脸识别方法、装置及系统 | |
CN108470169A (zh) | 人脸识别系统及方法 | |
CN109377616B (zh) | 一种基于二维人脸识别的门禁控制系统 | |
CN104951773B (zh) | 一种实时人脸识别监视系统 | |
KR101215948B1 (ko) | 신체정보 및 얼굴인식에 기반한 감시 시스템의 영상정보 마스킹 방법 | |
CN109815813A (zh) | 图像处理方法及相关产品 | |
US20230351809A1 (en) | Iris authentication device, iris authentication method, and recording medium | |
JP2009237993A (ja) | 画像監視装置 | |
CN105022999A (zh) | 一种人码伴随实时采集系统 | |
CN110288801A (zh) | 电力现场视频监控方法、装置、计算机设备和存储介质 | |
CN208351494U (zh) | 人脸识别系统 | |
CN110765828A (zh) | 视觉识别方法及其系统 | |
CN112183472A (zh) | 一种基于改进RetinaNet的试验现场人员是否穿着工作服检测方法 | |
CN112733802A (zh) | 图像的遮挡检测方法、装置、电子设备及存储介质 | |
CN111583485A (zh) | 小区门禁系统、门禁控制方法和装置、门禁单元及介质 | |
CN113223046A (zh) | 一种监狱人员行为识别的方法和系统 | |
CN110599657A (zh) | 一种基于图像识别技术的门禁监控控制系统及方法 | |
CN110390784A (zh) | 一种基于深度学习的输电线路防外破监控系统 | |
CN115917589A (zh) | 攀爬行为预警方法和装置、电子设备、存储介质 | |
CN114898443A (zh) | 一种人脸数据获取方法及装置 | |
CN113158744A (zh) | 一种基于人脸识别的安防管理系统 | |
CN114187561A (zh) | 异常行为的识别方法、装置、终端设备及存储介质 | |
CN110245648A (zh) | 基于人像识别的智慧单警系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210723 |
|
RJ01 | Rejection of invention patent application after publication |