CN113971739A - 基于互联网的人脸识别警用信息追踪平台 - Google Patents

Abstract

本发明公开了基于互联网的人脸识别警用信息追踪平台，包括人脸分析模块、身份制定模块、警员中心模块和实时监控模块；人脸分析模块包括人脸信息提取单元，人脸分析模块用于识别人脸的面部特征信息并对面部特征信息进行提取分析；身份制定模块用于在所述人脸分析模块的基础上对面部特征信息进行个人的身份制定；警员中心模块包括警情接收单元和警员出警方案制定单元，警员中心模块用于警员接收报警信息后对处理方式和需要出动的警力进行预判；实时监控模块包括行踪轨迹实时监控单元和警情现场实时监控单元，实时监控模块用于监控人脸识别后人物的行踪轨迹以及发生警情时的现场画面。

Description

基于互联网的人脸识别警用信息追踪平台

技术领域

本发明涉及警用信息技术领域，具体为基于互联网的人脸识别警用信息追踪平台。

背景技术

随着社会的不断发展，人脸识别的应用已经普遍生活的各个角落，但由于当前疫情的影响，在公共场所出行的群众需要佩戴口罩，遮挡住了大部分脸部特征，给人脸识别带了新的挑战；与此同时，现代化数字信息与人脸识别的结合由于系统的复杂性，实施起来容易造成系统分散，识别功能不具备智能化且识别不具有人性化，导致案件效率低下，部门之间存在信息孤岛、案件信息利用率低等问题。

发明内容

本发明的目的在于提供基于互联网的人脸识别警用信息追踪平台，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：基于互联网的人脸识别警用信息追踪平台，包括人脸分析模块、身份制定模块、警员中心模块和实时监控模块，人脸分析模块用于识别人脸的面部特征信息并对面部特征信息进行提取分析；身份制定模块用于在人脸分析模块的基础上对面部特征信息进行个人的身份制定；警员中心模块用于警员接收报警信息后对处理方式和需要出动的警力进行预判；实时监控模块用于监控人脸识别后人物的行踪轨迹以及发生警情时的现场画面。

进一步的，人脸分析模块包括人脸信息提取单元，人脸信息提取单元提取识别人物的面部特征，面部特征包括脖颈、发型特征和眼纹特征，然后人脸信息提取单元对识别人物的进行性别和年龄阶段的判断，并将面部特征和性别信息传递给身份制定模块，且人脸信息提取单元在对识别人物进行信息提取的同时，人脸信息提取单元会传输信号给实时监控模块；对人脸进行性别的判断和对面部特征的提取过程如下：

步骤S100：人脸信息提取单元判断识别人物脖颈处的凸起，若识别人物脖颈处的凸起大于系统预设男士凸起的角度阈值则为男性，则将识别人物的性别信息和发型特征、眼纹特征进行记录；若识别人物的脖颈处被遮挡或者凸起角度小于系统预设男士凸起的角度阈值，人脸信息提取单元无法判断，则将继续下述步骤；

步骤S200：人脸信息提取单元对发型特征进行识别，发型特征包括发量特征、发色特征和长短特征；人脸信息提取单元通过识别发型特征判断识别人物的性别，并记录发型特征和人物性别；

步骤S300：人脸信息提取单元基于步骤S200对识别人物性别的判断后对眼纹特征进行识别，眼纹特征包括眼纹的深浅，人脸信息提取单元通过识别眼纹特征判断识别人物的年龄阶段，并记录该识别人物的性别、发型特征和年龄阶段。

人脸信息提取单元针对脖颈、发型特征和眼纹特征三种信息进行提取是为了避免因口罩遮挡的面部其他信息带来的困扰，既能对人物进行识别，又可以抓住识别人物的典型特征，作为储备资料。人脸信息提取单元首先利用显著特征对性别进行判断，可以迅速划分人物界限，奠定了后续判断的基调，为警用信息提供了人物方向。

进一步的，步骤S200中的通过识别发型特征判断识别人物的性别，具体过程如下：

步骤S210：当识别人物相邻每平方厘米的发量之差与系统预设每平方厘米发量之差进行作差比较，得到发量特征值a；当发量特征值为负值，取其绝对值。

步骤S220：将识别人物的发色特征与系统预设女性发色分类进行比较，发色分类包括第一类发色和第二类发色，第一类发色设有第一类发色阈值，第二类发色设有第二类发色阈值，若识别人物的发色特征为系统预设女性发色分类，则该识别人物为发色特征值为b，b＝{第一类发色阈值，第二类发色阈值}；

步骤S230：识别人物的长短特征值与系统预设的长短特征分界值作差比较，得到长短特征差值c，当c为负值时，取其绝对值；当c为正值时，取为0；

步骤S240：利用步骤S210中的a、步骤S220中的b和步骤S230中的c求加权平均值，分别设发量特征的权重为a₁，发色特征的权重为b₁，长短特征的权重为c₁；利用公式：

求出识别人物为男性的特征值为E，其中权重10＞＞a₁>c₁>b₁＞＞1；设系统预设男性特征值为E'，当求出的男性特征值大E于系统预设的男性特征值E'时，识别人物为男性；反之为女性。

人脸信息提取单元首先对发量进行判断，且设发量特征的权重较大，是因为当代男性与女性在发量上的区别较为明显尤其是中年男女，故该算法可以更加精确的判断识别人物的性别；利用发色特征进行判断因在现实生活中没有用发色可直接区分男女的明显差异，故该权重的最小；利用长短特征进行判断是因头发的长短是男性女性之间相对明显的特点，故该权重为三者中间值，利用加权平均可以得出该识别人物最大可能的性别。

进一步的，步骤S300中对眼纹特征进行识别，其具体过程如下：

步骤S310：人脸信息提取单元对眼部进行图像的提取，得到眼部细节图，利用眼部细节图判断是否具有眼纹，若没有则为青年人；若有则继续判断；

步骤S320：人脸信息提取单元将眼部细节图还原成黑白图像，黑白图像包含所有眼纹e_i，i＝{1,2,3,.....c}，眼纹e_i按从上到下1,2,3,.....c的顺序排列，且黑白图像中的眼纹为黑色图像，将黑白图像进行一定倍数的放大，计算放大后的图像中黑色图像的面积；

步骤S330：将眼纹e_i中的水平横向长度最长的一条作为矩形的长W₁，眼纹e₁最高点到眼纹e_c最低点的纵向距离W₂作为矩形的宽构成一个眼纹矩形，所述眼纹矩形的面积为W，再分别计算各眼纹e_i的面积w_i，将眼纹e_i放大后看成三角形，各眼纹e_i的面积为以眼纹聚集点为顶点，且顶点在眼纹矩阵的边上，人脸信息提取单元提取该顶点到眼纹e_i顶点相对底边的垂直距离l_i以及底边距离d_i；

利用公式：

W＝W₁×W₂；

其中，k为眼纹深浅比例系数；

步骤S340：人脸信息提取单元预设中年眼纹标准阈值K；当眼纹深浅比例系数k大于中年眼纹标准阈值K，则判定识别人物为老年人，反之，则为中年人。

人脸信息提取单元对眼纹特征进行识别增大了识别成功的可能性，因眼部在监控下无法遮蔽，且眼部纹路是判断一个人年龄阶段最直接的证据且是可靠性较高的证据，因眼纹的深浅是代表年龄的显著特征，将眼部图像进行提取放大，先根据有无眼纹有效的将青年人排除，减少了系统的算法，且将图像放大有效的将眼部纹路从肉眼可见的一条细线转化成可以计算面积三角形状；因眼部纹路的不规则，为了可以概括所有纹路的计算，取眼纹中最长的的一条作矩形的长，最上和最下的距离作宽，然后计算纹路面积与整体矩形面积的占比，可以有效的分析出该识别人物的眼纹深浅程度；除此之外，年龄阶段的判断有助于警员出警方案制定单元的实施。

进一步的，眼纹深浅比例系数k与中年眼纹标准阈值K数值相近时，无法精确判断该识别人物的年龄阶段，将进行如下步骤：

步骤S341：人脸信息提取单元提取眉毛以下、颧骨以上的眼周图像，将眼周图像进行面积处理，人脸信息提取单元提取m个识别人物的眼周图像面积，求其眼周面积平均值m作为标准眼周面积值；

步骤S342：眼周图像进行图像二值化处理，将眼纹的灰度值设定为255，其余除眼纹之外的图像灰度值设为0；人脸信息提取单元提取眼纹的条数为h，计算眼纹在标准眼周面积下的密度值

步骤S343：将步骤S342中的密度值与系统预设的每平方厘米眼纹的条数

进行比较，当在标准眼周面积下的密度值γ>系统预设的眼纹密度值

时，进一步判定该识别人物为老年人；若在标准眼周面积下的密度值γ<系统预设的眼纹密度值

时，进一步判定该识别人物为中年人。

当对眼部进行局部的放大可能会带来一定的误差，所以将对眼周整体进行识别判断，对眼部纹路的进一步细化可以避免因中年人与老年人在交界处出现的提前老化或者保养较好等不常规现象对计算带来的误差，且将眼周图像进行二值化，突出眼纹线条，使人脸面部信息提取单元更精准的提取眼纹的条数，计算在整个眼周眼纹的密度，故不管是深浅还是长短都不能影响密度的变化，随着年龄的提高，眼周的纹路的数量会有一定程度的提高，故利用密度计算提高了根据眼纹对识别年龄阶段的准确性。

进一步的，身份制定模块在人脸信息提取单元对人脸面部信息提取的同时进行身份制定，身份制定模块将识别人物的性别、发量特征、发色特征、长短特征和眼纹深浅进行记录，制成身份表I的第一要素；

同时人脸面部信息提取单元传递信号给实时监控模块，实时监控模块对识别人物进行行踪轨迹的识别监控，实时监控模块将识别人物的行踪轨迹的信息传递给身份制定单元，识别人物的行踪轨迹构成身份表I的第二要素，身份表I由第一要素和第二要素构成；身份表I对识别人物第一次进行识别的信息记为初始身份表I₁，身份表I用于当有警情发生时，对现场人员进行身份特征信息的提取和判定。

制定身份表包含的第一要素一方面是为了记录识别人物的面部特征信息，为了在其他场景监控下的识别作用，另一方面是为了提高人物锁定效率，可以同时提取身份表中与第一要素相关的第二要素信息；制定身份表有助于警员中心模块提取警情现场相关人员的身份信息，有利于信息的共享和利用，节省了人力物力资源，达到了信息流通的有益效果。

进一步的，实时监控模块包括行踪轨迹实时监控单元和警情现场实时监控单元；行踪轨迹实时监控单元用于对识别人物在人脸识别后的行踪轨迹进行识别；警情现场实时监控单元用于在警情发生时对现场情况的监控和调取现场信息；

行踪轨迹监控单元依据身份表I中的第一要素对识别人物进行跟踪识别，行踪轨迹监控单元记录识别人物的每次监控时长为h：从人脸信息提取单元开始工作到该识别人物未出现在监控中的时间超过系统限定时间为此次监控的结束；记录识别人物每次出现在监控下的人物图像，人物图像包含地点信息和时间信息，行踪轨迹监控单元将识别人物的监控时长h内所有人物图像按时间顺序排列，再将人物图像上的地点信息连接成行踪轨迹线存入身份制定模块；

人脸信息提取单元对同一识别人物在不同时间的识别得到辅助身份表I_j，j＝{2,3,4......}；辅助身份表I_j与初始身份表I₁进行比较，若相同则保留初始身份表I₁的第一要素且忽略辅助身份表I_j中的第一要素，若不相同则将辅助身份表I_j的第一要素更新到初始身份表I₁上得到最新身份表I_1i，i＝{1,2,3,4......}，且最新身份表I_1i每次更新均保留原有信息，行踪轨迹实时监控单元依据最新身份表I_1i中的第一要素对识别人物进行行踪轨迹线的记录，且行踪轨迹线同步更新到最新身份表I_1i中；

警情现场实时监控单元锁定现场相关人员，对相关人员进行身份表信息的提取，警情现场实时监控单元将监控画面传递给警员中心模块。

实时监控模块利用身份表信息，又为身份表完善身份信息，达到了双向共赢的效果，且身份表中的信息更新并不覆盖过往信息，为数据处理提供了有效的依据，且为警员出警方案制定单元提供了可行的出行方案。

进一步的，警员中心模块包括警情接收单元和警员出警方案制定单元；警情接收单元用于报警信息的接收和处理，警员出警方案制定单元用于根据对报警信息处理后制定出警方案；警情接收单元具体实施过程如下：

警情接收单元接收报警信息，警情接收单元将报警人员的音频信息进行拆解为n个音频单元，音频单元为相邻两个字的音频，警情接收单元分析每个音频单元中的时间长度t_n，n＝{1,2,3......}，t_n表示第n个音频单元的时间长度，利用公式：

其中

表示音频信息中平均每个音频单元的时间长度；

警情接收单元预设每个音频单元的时间长度为

当

时，警情接收单元判定该警情为非紧急情况；当

时，警情接收单元判定该警情为紧急情况；警情接收单元将警情情况传递给警员出警方案制定单元。

警情接收单元对报警信息进行分割判断字与字之间的时间间隔，时间间隔代表着报警人员对警情预判的重要程度，系统进行快速拆分计算，有效的为警情划分等级，警情接收单元对报警信息的预判可以节省警力，避免警力的浪费使用，有效的为案件的处理提供最快速的选择方案。

进一步的，警员出警方案制定单元的具体实施过程如下：

警员出警方案制定单元对非紧急情况的警情按时间顺序排序进行出警，并按系统设置的空闲警员比例出警；警员出警方案制定单元对紧急情况的警情直接排到首位进行出警；同时警员出警方案制定单元调取警情现场实时监控单元中的监控信息进行判断：当监控信息为交通堵塞的地方，警员出警方案制定单元将优先派遣警员驾驶警用摩托出警；若为交通正常的地方，警员出警方案制定单元调度空闲警车出警。

当监控画面涉及监控画面较多的公共场所时，实时监控模块调取所识别到人物的最新身份表I_1i信息，警员出警方案制定单元根据最新身份表I_1i中的第一要素判断：当识别人物为老年人时，警员出警方案制定单元判断是否拨打120急救电话，是否准备老年人急救包；当识别人物为女性时，判断是否怀孕需要拨打120急救电话，以及是否派遣女性警员进行出警；当识别人物的发色和长短特征在最新身份表的历史记录中每次更新均有变化，警员出警方案制定单元判断该人物是否存在异常问题。

警员出警方案制定单元依据身份表的第一要素进行判断，可以充分的对现场情况进行了解，减少因未顾及特殊人群的特殊需求而造成的损失，使出警更加人性化，警员解决迅速解决问题的可能性更高；而且警员出警方案制定单元利用身份表中的特征信息可对警情现场的特殊人群进行照顾，例如老人是否存在突发疾病的可能，女人是否怀孕或者其他不便有需要女警出警的需求，或者外貌特征异常的情况进行预判。

进一步的，警员出警方案制定单元根据最新身份表I_1i中的第二要素判断：警员出警方案制定单元通过对第一要素的识别提取相对最新身份表I_1i中第二要素，判断识别人物的行踪轨迹；

警员出警方案制定单元将识别人物的最新身份表I_1i中的行踪轨迹进行展开排查，将最新身份表I_1i历史记录中相同图片表示的地点作为起始点g，将最新身份表I_1i中的初始终点记为x₁，将最新身份表I_1i中的除初始终点的其它终点记录为x_i-1，分别计算各终点与起始点的直线距离：x₁-g、x₂-g、......x_i-1-g，以及各终点与初始终点的直线距离：x_i-1-x₁......x₂-x₁；利用公式：

α_i-1＝arccosα_i-1

其中α_i-1为第i次行踪轨迹的夹角，

为该识别人物的行踪轨迹的平均角度，警员出警方案制定单元预设人物活动范围的标准行踪轨迹角度阈值

若

警员出警方案制定单元判定该识别人物为活动异常，且将该行踪轨迹记录在案；若

警员出警方案制定单元判定该识别人物正常活动，不必记录在案。

警员出警方案制定单元对行踪轨迹的预判可以有效节省警员的记录在案的工作量，也可对案情现场的人员历史轨迹进行了解，为下一步对现场人员的判断提供了依据，使得信息流通双向化，提高身份表的利用率；因行踪轨迹在一定程度的缩小比例的地图上可以看成弯曲程度不高的直线，故将每次行踪轨迹的起始点和终点作为该直线的连段两端点，也可以有效的计算大致长度，将除初次行踪轨迹外的每次行踪轨迹与初次行踪轨迹可构成三角形，计算平均两者之间的偏离角度来估算此识别人物是否存在行踪异常的情况或者对这些行踪轨迹信息进行提取，快速有效地为警员办案提供了有利信息。

与现有技术相比，本发明所达到的有益效果是：基于互联网的人脸识别警用信息追踪平台以人脸识别为基础，在面部大部分被遮挡的情况下增强了人脸识别的准确性，以及利用人脸特征信息结合相应的警用装置，使得信息利用率更高，以及在案情发生时可以有效的将信息进行整合分析，智能化的对警用信息作出人性化的判断，提高警用信息的利用率。

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是本发明基于互联网的人脸识别警用信息追踪平台的流程示意图；

图2是本发明基于互联网的人脸识别警用信息追踪平台的通过人脸进行性别的判断和对面部特征的提取方法；

图3是本发明基于互联网的人脸识别警用信息追踪平台的通过识别发型特征判断识别人物性别的方法；

图4是本发明基于互联网的人脸识别警用信息追踪平台的对眼纹特征进行识别的方法；

图5是本发明基于互联网的人脸识别警用信息追踪平台中当无法精确判断该识别人物的年龄阶段时利用的方法。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，本发明提供技术方案：基于互联网的人脸识别警用信息追踪平台，包括人脸分析模块、身份制定模块、警员中心模块和实时监控模块，人脸分析模块用于识别人脸的面部特征信息并对面部特征信息进行提取分析；身份制定模块用于在人脸分析模块的基础上对面部特征信息进行个人的身份制定；警员中心模块用于警员接收报警信息后对处理方式和需要出动的警力进行预判；实时监控模块用于监控人脸识别后人物的行踪轨迹以及发生警情时的现场画面。

人脸分析模块包括人脸信息提取单元，人脸信息提取单元提取识别人物的面部特征，面部特征包括脖颈、发型特征和眼纹特征，然后人脸信息提取单元对识别人物的进行性别和年龄阶段的判断，并将面部特征和性别信息传递给身份制定模块，且人脸信息提取单元在对识别人物进行信息提取的同时，人脸信息提取单元会传输信号给实时监控模块。

人脸信息提取单元针对脖颈、发型特征和眼纹特征三种信息进行提取是为了避免因口罩遮挡的面部其他信息带来的困扰，既能对人物进行识别，又可以抓住识别人物的典型特征，作为储备资料。

对人脸进行性别的判断和对面部特征的提取过程如下：

步骤S100：人脸信息提取单元判断识别人物脖颈处的凸起，若识别人物脖颈处的凸起大于系统预设男士凸起的角度阈值则为男性，则将识别人物的性别信息和发型特征、眼纹特征进行记录；若识别人物的脖颈处被遮挡或者凸起角度小于系统预设男士凸起的角度阈值，人脸信息提取单元无法判断，则将继续下述步骤；

步骤S200：人脸信息提取单元对发型特征进行识别，发型特征包括发量特征、发色特征和长短特征；人脸信息提取单元通过识别发型特征判断识别人物的性别，并记录发型特征和人物性别；

步骤S200中的通过识别发型特征判断识别人物的性别，具体过程如下：

步骤S210：当识别人物相邻每平方厘米的发量之差与系统预设每平方厘米发量之差进行作差比较，得到发量特征值a；当发量特征值为负值，取其绝对值。

若系统预设每平方厘米发量之差为25，识别人物的相邻每平方厘米的发量之差为80，作差得a＝80-25＝55；

步骤S220：将识别人物的发色特征与系统预设女性发色分类进行比较，发色分类包括第一类发色和第二类发色，第一类发色设有第一类发色阈值，第二类发色设有第二类发色阈值，若识别人物的发色特征为系统预设女性发色分类，则该识别人物为发色特征值为b，b＝{第一类发色阈值，第二类发色阈值}；

设第一类发色阈值为暗色系百分比数值55％，第二类发色阈值为亮色系百分比数值45％，当识别人物的发色为暗色系则b＝55，若识别人物的发色为亮色系则b＝45；

步骤S230：识别人物的长短特征值与系统预设的长短特征分界值作差比较，得到长短特征差值c，当c为负值时，取其绝对值；当c为正值时，取为0；

设系统预设的长短特征分界值为25，识别人物的头发长度为2，即c＝25-2>0，故c＝0；

步骤S240：利用步骤S210中的a、步骤S220中的b和步骤S230中的c求加权平均值，分别设发量特征的权重为a₁，发色特征的权重为b₁，长短特征的权重为c₁；利用公式：

求出识别人物为男性的特征值为E，其中权重10＞＞a₁>c₁>b₁＞＞1；设系统预设男性特征值为E'，当求出的男性特征值大E于系统预设的男性特征值E'时，识别人物为男性；反之为女性。

设权重值a₁＝7，b₁＝2，c₁＝4时，计算

将此数值与系统预设的男性特征值进行比较。

人脸信息提取单元首先对发量进行判断，且设发量特征的权重较大，是因为当代男性与女性在发量上的区别较为明显尤其是中年男女，故该算法可以更加精确的判断识别人物的性别；利用发色特征进行判断因在现实生活中没有用发色可直接区分男女的明显差异，故该权重的最小；利用长短特征进行判断是因头发的长短是男性女性之间相对明显的特点，故该权重为三者中间值，利用加权平均可以得出该识别人物最大可能的性别。

步骤S300：人脸信息提取单元基于步骤S200对识别人物性别的判断后对眼纹特征进行识别，眼纹特征包括眼纹的深浅，人脸信息提取单元通过识别眼纹特征判断识别人物的年龄阶段，并记录该识别人物的性别、发型特征和年龄阶段。

人脸信息提取单元针对脖颈、发型特征和眼纹特征三种信息进行提取是为了避免因口罩遮挡的面部其他信息带来的困扰，既能对人物进行识别，又可以抓住识别人物的典型特征，作为储备资料；人脸信息提取单元首先利用显著特征对性别进行判断，可以迅速划分人物界限，奠定了后续判断的基调，为警用信息提供了人物方向。

步骤S300中对眼纹特征进行识别，其具体过程如下：

步骤S310：人脸信息提取单元对眼部进行图像的提取，得到眼部细节图，利用眼部细节图判断是否具有眼纹，若没有则为青年人；若有则继续判断；

步骤S320：人脸信息提取单元将眼部细节图还原成黑白图像，黑白图像包含所有眼纹e_i，i＝{1,2,3,.....c}，眼纹e_i按从上到下1,2,3,.....c的顺序排列，且黑白图像中的眼纹为黑色图像，将黑白图像进行一定倍数的放大，计算放大后的图像中黑色图像的面积；

步骤S330：将眼纹e_i中的水平横向长度最长的一条作为矩形的长W₁，眼纹e₁最高点到眼纹e_c最低点的纵向距离W₂作为矩形的宽构成一个眼纹矩形，所述眼纹矩形的面积为W，再分别计算各眼纹e_i的面积w_i，将眼纹e_i放大后看成三角形，各眼纹e_i的面积为以眼纹聚集点为顶点，且顶点在眼纹矩阵的边上，人脸信息提取单元提取该顶点到眼纹e_i顶点相对底边的垂直距离l_i以及底边距离d_i；

利用公式：

W＝W₁×W₂；

其中，k为眼纹深浅比例系数；

若眼纹矩形横向距离W₁＝2.8，眼纹矩形纵向距离W₂＝1.6，W＝2.8×1.6＝4.48；假设该识别人物有三条眼纹，w₁＝0.09、w₂＝0.12、w₃＝0.05；得到眼纹深浅比例系数：

步骤S340：人脸信息提取单元预设中年眼纹标准阈值K；当眼纹深浅比例系数k大于中年眼纹标准阈值K，则判定识别人物为老年人，反之，则为中年人。

人脸信息提取单元对眼纹特征进行识别增大了识别成功的可能性，因眼部在监控下无法遮蔽，且眼部纹路是判断一个人年龄阶段最直接的证据且是可靠性较高的证据，因眼纹的深浅是代表年龄的显著特征，将眼部图像进行提取放大，先根据有无眼纹有效的将青年人排除，减少了系统的算法，且将图像放大有效的将眼部纹路从肉眼可见的一条细线转化成可以计算面积三角形状；因眼部纹路的不规则，为了可以概括所有纹路的计算，取眼纹中最长的的一条作矩形的长，最上和最下的距离作宽，然后计算纹路面积与整体矩形面积的占比，可以有效的分析出该识别人物的眼纹深浅程度；除此之外，年龄阶段的判断有助于警员出警方案制定单元的实施。

眼纹深浅比例系数k与中年眼纹标准阈值K数值相近时，无法精确判断该识别人物的年龄阶段，将进行如下步骤：

步骤S341：人脸信息提取单元提取眉毛以下、颧骨以上的眼周图像，将眼周图像进行面积处理，人脸信息提取单元提取m个识别人物的眼周图像面积，求其眼周面积平均值m作为标准眼周面积值；

步骤S342：眼周图像进行图像二值化处理，将眼纹的灰度值设定为255，其余除眼纹之外的图像灰度值设为0；人脸信息提取单元提取眼纹的条数为h，计算眼纹在标准眼周面积下的密度值

步骤S343：将步骤S342中的密度值与系统预设的每平方厘米眼纹的条数

进行比较，当在标准眼周面积下的密度值γ>系统预设的眼纹密度值

时，进一步判定该识别人物为老年人；若在标准眼周面积下的密度值γ<系统预设的眼纹密度值

时，进一步判定该识别人物为中年人。

设求出的标准眼周面积值

平方厘米，识别出的眼纹h为12条，则密度值γ为0.3条/每平方厘米，再将系统预设的眼纹密度值

与其进行比较；

当对眼部进行局部的放大可能会带来一定的误差，所以将对眼周整体进行识别判断，对眼部纹路的进一步细化可以避免因中年人与老年人在交界处出现的提前老化或者保养较好等不常规现象对计算带来的误差，且将眼周图像进行二值化，突出眼纹线条，使人脸面部信息提取单元更精准的提取眼纹的条数，计算在整个眼周眼纹的密度，故不管是深浅还是长短都不能影响密度的变化，随着年龄的提高，眼周的纹路的数量会有一定程度的提高，故利用密度计算提高了根据眼纹对识别年龄阶段的准确性。

身份制定模块在人脸信息提取单元对人脸面部信息提取的同时进行身份制定，身份制定模块将识别人物的性别、发量特征、发色特征、长短特征和眼纹深浅进行记录，制成身份表I的第一要素；

同时人脸面部信息提取单元传递信号给实时监控模块，实时监控模块对识别人物进行行踪轨迹的识别监控，实时监控模块将识别人物的行踪轨迹的信息传递给身份制定单元，识别人物的行踪轨迹构成身份表I的第二要素，身份表I由第一要素和第二要素构成；身份表I对识别人物第一次进行识别的信息记为初始身份表I₁，身份表I用于当有警情发生时，对现场人员进行身份特征信息的提取和判定。

制定身份表包含的第一要素一方面是为了记录识别人物的面部特征信息，为了在其他场景监控下的识别作用，另一方面是为了提高人物锁定效率，可以同时提取身份表中与第一要素相关的第二要素信息；制定身份表有助于警员中心模块提取警情现场相关人员的身份信息，有利于信息的共享和利用，节省了人力物力资源，达到了信息流通的有益效果。

实时监控模块包括行踪轨迹实时监控单元和警情现场实时监控单元；行踪轨迹实时监控单元用于对识别人物在人脸识别后的行踪轨迹进行识别；警情现场实时监控单元用于在警情发生时对现场情况的监控和调取现场信息；

行踪轨迹监控单元依据身份表I中的第一要素对识别人物进行跟踪识别，行踪轨迹监控单元记录识别人物的每次监控时长为h：从人脸信息提取单元开始工作到该识别人物未出现在监控中的时间超过系统限定时间为此次监控的结束；记录识别人物每次出现在监控下的人物图像，人物图像包含地点信息和时间信息，行踪轨迹监控单元将识别人物的监控时长h内所有人物图像按时间顺序排列，再将人物图像上的地点信息连接成行踪轨迹线存入身份制定模块；

人脸信息提取单元对同一识别人物在不同时间的识别得到辅助身份表I_j，j＝{2,3,4......}；辅助身份表I_j与初始身份表I₁进行比较，若相同则保留初始身份表I₁的第一要素且忽略辅助身份表I_j中的第一要素，若不相同则将辅助身份表I_j的第一要素更新到初始身份表I₁上得到最新身份表I_1i，i＝{1,2,3,4......}，且最新身份表I_1i每次更新均保留原有信息，行踪轨迹实时监控单元依据最新身份表I_1i中的第一要素对识别人物进行行踪轨迹线的记录，且行踪轨迹线同步更新到最新身份表I_1i中；

警情现场实时监控单元锁定现场相关人员，对相关人员进行身份表信息的提取，警情现场实时监控单元将监控画面传递给警员中心模块。

实时监控模块利用身份表信息，又为身份表完善身份信息，达到了双向共赢的效果，且身份表中的信息更新并不覆盖过往信息，为数据处理提供了有效的依据，且为警员出警方案制定单元提供了可行的出行方案。

警员中心模块包括警情接收单元和警员出警方案制定单元；警情接收单元用于报警信息的接收和处理，警员出警方案制定单元用于根据对报警信息处理后制定出警方案；警情接收单元具体实施过程如下：

警情接收单元接收报警信息，警情接收单元将报警人员的音频信息进行拆解为n个音频单元，音频单元为相邻两个字的音频，警情接收单元分析每个音频单元中时间长度t_n，n＝{1,2,3......}，t_n表示第n个音频单元的时间长度，利用公式：

其中

表示音频信息中平均每个音频单元的时间长度；

若音频信息拆结成6个音频单元，t₁＝0.15、t₂＝0.14、t₃＝0.21、t₄＝0.25、t₅＝0.32、t₆＝0.35，则

将

与预设每个音频单元的时间长度为

进行比较；

警情接收单元预设每个音频单元的时间长度为

当

时，警情接收单元判定该警情为非紧急情况；当

时，警情接收单元判定该警情为紧急情况；警情接收单元将警情情况传递给警员出警方案制定单元。

警情接收单元对报警信息进行分割判断字与字之间的时间间隔，时间间隔代表着报警人员对警情预判的重要程度，系统进行快速拆分计算，有效的为警情划分等级，警情接收单元对报警信息的预判可以节省警力，避免警力的浪费使用，有效的为案件的处理提供最快速的选择方案。

警员出警方案制定单元的具体实施过程如下：

警员出警方案制定单元对非紧急情况的警情按时间顺序排序进行出警，并按系统设置的空闲警员比例出警；警员出警方案制定单元对紧急情况的警情直接排到首位进行出警；同时警员出警方案制定单元调取警情现场实时监控单元中的监控信息进行判断：当监控信息为交通堵塞的地方，警员出警方案制定单元将优先派遣警员驾驶警用摩托出警；若为交通正常的地方，警员出警方案制定单元调度空闲警车出警。

当监控画面涉及监控画面较多的公共场所时，实时监控模块调取所识别到人物的最新身份表I_1i信息，警员出警方案制定单元根据最新身份表I_1i中的第一要素判断：当识别人物为老年人时，警员出警方案制定单元判断是否拨打120急救电话，是否准备老年人急救包；当识别人物为女性时，判断是否怀孕需要拨打120急救电话，以及是否派遣女性警员进行出警；当识别人物的发色和长短特征在最新身份表的历史记录中每次更新均有变化，警员出警方案制定单元判断该人物是否存在异常问题。

警员出警方案制定单元依据身份表的第一要素进行判断，可以充分的对现场情况进行了解，减少因未顾及特殊人群的特殊需求而造成的损失，使出警更加人性化，警员解决迅速解决问题的可能性更高；而且警员出警方案制定单元利用身份表中的特征信息可对警情现场的特殊人群进行照顾，例如老人是否存在突发疾病的可能，女人是否怀孕或者其他不便有需要女警出警的需求，或者外貌特征异常的情况进行预判。

警员出警方案制定单元根据最新身份表I_1i中的第二要素判断：警员出警方案制定单元通过对第一要素的识别提取相对最新身份表I_1i中第二要素，判断识别人物的行踪轨迹；

警员出警方案制定单元将识别人物的最新身份表I_1i中的行踪轨迹进行展开排查，将最新身份表I_1i历史记录中相同图片表示的地点作为起始点g，将最新身份表I_1i中的初始终点记为x₁，将最新身份表I_1i中的除初始终点的其它终点记录为x_i-1，分别计算各终点与起始点的直线距离：x₁-g、x₂-g、......x_i-1-g，以及各终点与初始终点的直线距离：x_i-1-x₁......x₂-x₁；利用公式：

α_i-1＝arccosα_i-1

若识别人物的最新身份表共记录三次行踪轨迹，记初始终点与起始点的直线距离为10.6km，第二次终点与起始点的直线距离为8.2km，第三次终点与起始点的直线距离为16.5km，初始终点与第二次终点的直线距离为5.1km，第三次终点与初始终点直线距离为13.7km，计算第二次行踪轨迹与初始轨迹的夹角：

α₁＝arc0.89≈28.36°；第三次行踪轨迹与初始轨迹的夹角：

α₂＝arc0.56≈55.93°；求得

将

与

进行比较；

其中α_i-1为每次行踪轨迹的夹角，

为该识别人物的行踪轨迹的平均角度，警员出警方案制定单元预设人物活动范围的标准行踪轨迹角度阈值

若

警员出警方案制定单元判定该识别人物为活动异常，且将该行踪轨迹记录在案；若

警员出警方案制定单元判定该识别人物正常活动，不必记录在案。

警员出警方案制定单元对行踪轨迹的预判可以有效节省警员的记录在案的工作量，也可对案情现场的人员历史轨迹进行了解，为下一步对现场人员的判断提供了依据，使得信息流通双向化，提高身份表的利用率；因行踪轨迹在一定程度的缩小比例的地图上可以看成弯曲程度不高的直线，故将每次行踪轨迹的起始点和终点作为该直线的连段两端点，也可以有效的计算大致长度，将除初次行踪轨迹外的每次行踪轨迹与初次行踪轨迹可构成三角形，计算平均两者之间的偏离角度来估算此识别人物是否存在行踪异常的情况或者对这些行踪轨迹信息进行提取，快速有效地为警员办案提供了有利信息。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。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 (10)

1.基于互联网的人脸识别警用信息追踪平台，其特征在于，包括人脸分析模块、身份制定模块、警员中心模块和实时监控模块，所述人脸分析模块用于识别人脸的面部特征信息并对面部特征信息进行提取分析；所述身份制定模块用于在所述人脸分析模块的基础上对面部特征信息进行个人的身份制定；所述警员中心模块用于警员接收报警信息后对处理方式和需要出动的警力进行预判；所述实时监控模块用于监控人脸识别后人物的行踪轨迹以及发生警情时的现场画面。

2.根据权利要求1所述的基于互联网的人脸识别警用信息追踪平台，其特征在于：所述人脸分析模块包括人脸信息提取单元，所述人脸信息提取单元提取识别人物的面部特征，所述面部特征包括脖颈、发型特征和眼纹特征，然后所述人脸信息提取单元对识别人物的进行性别和年龄阶段的判断，并将面部特征和性别信息传递给所述身份制定模块，且所述人脸信息提取单元在对识别人物进行信息提取的同时，所述人脸信息提取单元会传输信号给所述实时监控模块；其中对人脸进行性别的判断和对面部特征的提取过程如下：

步骤S100：所述人脸信息提取单元判断识别人物脖颈处的凸起，若识别人物脖颈处的凸起大于系统预设男士凸起的角度阈值则为男性，则将识别人物的性别信息和发型特征、眼纹特征进行记录；若识别人物的脖颈处被遮挡或者凸起角度小于系统预设男士凸起的角度阈值，所述人脸信息提取单元无法判断，则将继续下述步骤；

步骤S200：所述人脸信息提取单元对发型特征进行识别，所述发型特征包括发量特征、发色特征和长短特征；所述人脸信息提取单元通过识别发型特征判断识别人物的性别，并记录发型特征和人物性别；

步骤S300：所述人脸信息提取单元基于步骤S200对识别人物性别的判断后对眼纹特征进行识别，所述眼纹特征包括眼纹的深浅，所述人脸信息提取单元通过识别眼纹特征判断识别人物的年龄阶段，并记录该识别人物的性别、发型特征和年龄阶段。

3.根据权利要求2所述的基于互联网的人脸识别警用信息追踪平台，其特征在于：所述步骤S200中的通过识别发型特征判断识别人物的性别，具体过程如下：

步骤S210：当识别人物相邻每平方厘米的发量之差与系统预设每平方厘米发量之差进行作差比较，得到发量特征值a；当发量特征值为负值，取其绝对值。

步骤S220：将识别人物的发色特征与系统预设女性发色分类进行比较，所述系统预设女性发色分类包括第一类发色和第二类发色，所述第一类发色设有第一类发色阈值，所述第二类发色设有第二类发色阈值，若识别人物的发色特征为系统预设女性发色分类，则该识别人物为发色特征值为b，b＝{第一类发色阈值，第二类发色阈值}；

步骤S230：所述识别人物的发型长短特征值与系统预设的长短特征分界值作差比较，得到长短特征差值c，当c为负值时，取其绝对值；当c为正值时，取为0。

步骤S240：利用步骤S210中的a、步骤S220中的b和步骤S230中的c求加权平均值，分别设发量特征的权重为a₁，发色特征的权重为b₁，长短特征的权重为c₁；利用公式：

求出所述识别人物为男性的特征值为E，其中权重10＞＞a₁>c₁>b₁＞＞1；设系统预设男性特征值为E'，当求出的男性特征值大E于系统预设的男性特征值E'时，所述识别人物为男性；反之为女性。

4.根据权利要求3所述的基于互联网的人脸识别警用信息追踪平台，其特征在于：所述步骤S300中对所述眼纹特征进行识别，其具体过程如下：

步骤S310：所述人脸信息提取单元对眼部进行图像的提取，得到眼部细节图，利用所述眼部细节图判断是否具有眼纹，若没有则为青年人；若有则继续判断；

步骤S320：所述人脸信息提取单元将所述眼部细节图还原成黑白图像，所述黑白图像包含所有眼纹e_i，i＝{1,2,3,.....c}，且眼纹e_i按从上到下1,2,3,.....c的顺序排列，且所述黑白图像中的眼纹为黑色图像，将所述黑白图像进行一定倍数的放大，计算放大后的图像中黑色图像的面积；

步骤S330：将眼纹e_i中的水平横向长度最长的一条作为矩形的长W₁，眼纹e₁最高点到眼纹e_c最低点的纵向距离W₂作为矩形的宽构成一个眼纹矩形，所述眼纹矩形的面积为W，再分别计算各眼纹e_i的面积w_i，将眼纹e_i放大后看成三角形，各眼纹e_i的面积为以眼纹聚集点为顶点，且所述顶点在眼纹矩阵的边上，所述人脸信息提取单元提取该顶点到眼纹e_i顶点相对底边的垂直距离l_i以及底边距离d_i；

利用公式：

W＝W₁×W₂；

其中，k为眼纹深浅比例系数；

步骤S340：所述人脸信息提取单元预设中年眼纹标准阈值K；当所述眼纹深浅比例系数k大于所述中年眼纹标准阈值K，则判定所述识别人物为老年人，反之，则为中年人。

5.根据权利要求4所述的基于互联网的人脸识别警用信息追踪平台，其特征在于：所述步骤S340中，眼纹深浅比例系数k与中年眼纹标准阈值K数值相近时，无法精确判断该识别人物的年龄阶段，将进行如下步骤：

步骤S341：所述人脸信息提取单元提取眉毛以下、颧骨以上的眼周图像，将所述眼周图像进行面积处理，所述人脸信息提取单元提取m个识别人物的眼周图像面积，求其眼周面积平均值m作为标准眼周面积值；

步骤S342：所述眼周图像进行图像二值化处理，将眼纹的灰度值设定为255，其余除眼纹之外的图像灰度值设为0；所述人脸信息提取单元提取眼纹的条数为h，计算眼纹在标准眼周面积下的密度值

步骤S343：将步骤S342中的密度值与系统预设的每平方厘米眼纹的条数

进行比较，当在标准眼周面积下的密度值γ>系统预设的眼纹密度值

时，进一步判定该识别人物为老年人；若在标准眼周面积下的密度值γ<系统预设的眼纹密度值

时，进一步判定该识别人物为中年人。

6.根据权利要求5所述的基于互联网的人脸识别警用信息追踪平台，其特征在于：所述身份制定模块在所述人脸信息提取单元对人脸面部信息提取的同时进行身份制定，所述身份制定模块将所述识别人物的性别、发量特征、发色特征、长短特征和眼纹深浅进行记录，制成身份表I的第一要素；

同时所述人脸面部信息提取单元传递信号给所述实时监控模块，所述实时监控模块对所述识别人物进行行踪轨迹的识别监控，所述实时监控模块将所述识别人物的行踪轨迹的信息传递给所述身份制定单元，所述识别人物的行踪轨迹构成身份表I的第二要素，身份表I由第一要素和第二要素构成；身份表I对所述识别人物第一次进行识别的信息记为初始身份表I₁，身份表I用于当有警情发生时，对现场人员进行身份特征信息的提取和判定。

7.根据权利要求6所述的基于互联网的人脸识别警用信息追踪平台，其特征在于：所述实时监控模块包括行踪轨迹实时监控单元和警情现场实时监控单元；所述行踪轨迹实时监控单元用于对识别人物在人脸识别后的行踪轨迹进行识别；所述警情现场实时监控单元用于在警情发生时对现场情况的监控和调取现场信息；

所述行踪轨迹监控单元依据身份表I中的第一要素对识别人物进行跟踪识别，所述行踪轨迹监控单元记录识别人物的每次监控时长为h：从所述人脸信息提取单元开始工作到该识别人物未出现在监控中的时间超过系统限定时间为此次监控的结束；记录识别人物每次出现在监控下的人物图像，所述人物图像包含地点信息和时间信息，所述行踪轨迹监控单元将识别人物的监控时长h内所有人物图像按时间顺序排列，再将所述人物图像上的地点信息连接成行踪轨迹线存入所述身份制定模块；

所述人脸信息提取单元对同一识别人物在不同时间的识别得到辅助身份表I_j，j＝{2,3,4......}；所述辅助身份表I_j与初始身份表I₁进行比较，若相同则保留初始身份表I₁的第一要素且忽略辅助身份表I_j中的第一要素，若不相同则将辅助身份表I_j的第一要素更新到初始身份表I₁上得到最新身份表I_1i，i＝{1,2,3,4......}，且所述最新身份表I_1i每次更新均保留原有信息，所述行踪轨迹实时监控单元依据所述最新身份表I_1i中的第一要素对识别人物进行行踪轨迹线的记录，且所述行踪轨迹线同步更新到最新身份表I_1i中；

所述警情现场实时监控单元锁定现场相关人员，对相关人员进行身份表信息的提取，所述警情现场实时监控单元将监控画面传递给所述警员中心模块。

8.根据权利要求7所述的基于互联网的人脸识别警用信息追踪平台，其特征在于：所述警员中心模块包括警情接收单元和警员出警方案制定单元；所述警情接收单元用于报警信息的接收和处理，所述警员出警方案制定单元用于根据对报警信息处理后制定出警方案；所述警情接收单元具体实施过程如下：

所述警情接收单元接收报警信息，所述警情接收单元将报警人员的音频信息进行拆解为n个音频单元，所述音频单元为相邻两个字的音频，所述警情接收单元分析每个音频单元中时间长度t_n，n＝{1,2,3......}，t_n表示第n个音频单元的时间长度，利用公式：

其中

表示音频信息中平均每个音频单元的时间长度；

所述警情接收单元预设每个音频单元的时间长度为

当

时，所述警情接收单元判定该警情为非紧急情况；当

时，所述警情接收单元判定该警情为紧急情况；所述警情接收单元将警情情况传递给所述警员出警方案制定单元。

9.根据权利要求8所述的基于互联网的人脸识别警用信息追踪平台，其特征在于：所述警员出警方案制定单元的具体实施过程如下：

所述警员出警方案制定单元对非紧急情况的警情按时间顺序排序进行出警，并按系统设置的空闲警员比例出警；所述警员出警方案制定单元对紧急情况的警情直接排到首位进行出警；同时所述警员出警方案制定单元调取所述警情现场实时监控单元中的监控信息进行判断：当监控信息为交通堵塞的地方，所述警员出警方案制定单元将优先派遣警员驾驶警用摩托出警；若为交通正常的地方，所述警员出警方案制定单元调度空闲警车出警。

当监控画面涉及监控画面较多的公共场所时，所述实时监控模块调取所识别到人物的最新身份表I_1i信息，所述警员出警方案制定单元根据最新身份表I_1i中的第一要素判断：当所述识别人物为老年人时，所述警员出警方案制定单元判断是否拨打120急救电话，是否准备老年人急救包；当所述识别人物为女性时，判断是否怀孕需要拨打120急救电话，以及是否派遣女性警员进行出警；当识别人物的发色和长短特征在最新身份表的历史记录中每次更新均有变化，警员出警方案制定单元判断该人物是否存在异常问题。

10.根据权利要求9所述的基于互联网的人脸识别警用信息追踪平台，其特征在于：所述警员出警方案制定单元根据最新身份表I_1i中的第二要素判断：所述警员出警方案制定单元通过对第一要素的识别提取相对最新身份表I_1i中第二要素，判断识别人物的行踪轨迹；

所述警员出警方案制定单元将识别人物的最新身份表I_1i中的行踪轨迹进行展开排查，将最新身份表I_1i历史记录中相同图片表示的地点作为起始点g，将最新身份表I_1i中的初始终点记为x₁，将最新身份表I_1i中的除初始终点的其它终点记录为x_i，分别计算各终点与起始点的直线距离：x₁-g、x₂-g、......x_i-1-g，以及各终点与初始终点的直线距离：x_i-1-x₁......x₂-x₁；利用公式：

α_i-1＝arccosα_i-1

其中α_i-1为第i次行踪轨迹的夹角，

为该识别人物的行踪轨迹的平均角度，所述警员出警方案制定单元预设人物活动范围的标准行踪轨迹角度阈值

若

所述警员出警方案制定单元判定该识别人物为活动异常，且将该行踪轨迹记录在案；若

所述警员出警方案制定单元判定该识别人物正常活动，不记录在案。

Images