CN114677750A - 基于大数据的智慧商场人脸识别系统和方法 - Google Patents
基于大数据的智慧商场人脸识别系统和方法 Download PDFInfo
- Publication number
- CN114677750A CN114677750A CN202210577827.3A CN202210577827A CN114677750A CN 114677750 A CN114677750 A CN 114677750A CN 202210577827 A CN202210577827 A CN 202210577827A CN 114677750 A CN114677750 A CN 114677750A
- Authority
- CN
- China
- Prior art keywords
- face
- identity
- unit
- recognition
- target user
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/10009—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Toxicology (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Evolutionary Biology (AREA)
- Electromagnetism (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于大数据的智慧商场人脸识别系统和方法,包括检测单元、采集单元、提取单元、特征识别单元、匹配单元、身份识别单元和替代单元,提取单元从生物特征数据中提取目标用户的人脸图像,并选择清晰度高于预设清晰度阈值的人脸图像作为目标用户的人脸图像,特征识别单元利用由通用人脸数据库和最新人脸数据库训练而成的人脸识别模型对人脸图像进行特征识别,能够有效识别随着时间变化而导致面部轮廓发生变化的用户,及时更新记录用户最新人脸图像和面部特征,提高了人脸识别的准确性,进而提高了用户身份识别的准确性,有效保障了商场安全。
Description
技术领域
本发明属于人脸识别技术领域,特别涉及一种基于大数据的智慧商场人脸识别系统和人脸识别方法。
背景技术
为了更加有效率地完成社会治安的管理,在人力防范和实体防范的基础上,引入更加科学、先进的技防手段是更为行之有效的管理办法,视频监控已经成为现代安全防范系统的一个重要组成部分,通过视频监控来管理辖区内的重点人员的活动能够从根本上预防违法行为,是常用的安全防范手段;但是随着视频监控范围的扩大,采用传统人工肉眼识别来处理海量的视频信息,寻找特定人员的图像信息不仅会耗费大量的人力资源,而且处理周期长、效率低、可靠性低,目前的商场人员的识别只能凭裸眼观察和结合熟悉面孔进行模糊判断,主观判断的准确性低,并且商场对人员的具体活动范围难以实时掌握,受限于信息数据不完善,无法达到商场的智慧管理效果。
发明内容
本发明之目的在于提供一种基于大数据的智慧商场人脸识别系统和方法,解决现有技术中的问题,实现商场内智能人脸识别检测,有效提高身份识别准确率。
为实现上述目的,本发明提供如下技术方案:一种基于大数据的智慧商场人脸识别系统,包括:检测单元,检测是否有用户进入识别区域;采集单元,用于当检测到用户进入识别区域时,采集用户的生物特征数据;提取单元,用于从所述生物特征数据中提取目标用户的人脸图像;特征识别单元,用于利用人脸识别模型对所述人脸图像进行特征识别,得到所述人脸图像对应的目标身份特征;其中,所述人脸识别模型为深度卷积神经网络模型,并且所述人脸识别模型由通用人脸数据库和最新人脸数据库训练而成;匹配单元,用于将所述目标身份特征与两个样本身份特征进行匹配操作;替换单元,匹配成功后,将提取单元提取的人脸图像导入最新人脸数据库、并替换最新人脸数据库中的原有数据;身份识别单元,用于根据匹配结果进行身份识别。
优选的,所述身份识别单元,包括:确定子单元,用于根据匹配结果确定所述目标用户的第一身份信息;检测子单元,用于检测所述目标用户是否携带有电子标签;读取子单元,用于在所述检测子单元检测出目标用户携带有所述电子标签时,读取所述电子标签的标签信息,以得到所述电子标签对应的第二身份信息;识别子单元,用于根据所述第一身份信息与所述第二身份信息对所述目标用户进行身份识别。
优选的,还包括:确定单元,用于在所述身份识别单元根据匹配结果进行身份识别之后,确定所述目标用户的身份类别;比对单元,用于将所述目标用户的身份类别与预设的商场区域权限表进行比对,得到所述目标用户的区域权限等级;判断单元,用于判断所述区域权限等级与所述识别区域是否匹配;更新单元,用于在所述判断单元判断出所述区域权限等级与所述识别区域匹配时,根据所述识别区域的位置信息更新所述目标用户的商场活动轨迹。
优选的,包括:获取单元,用于在所述判断单元判断出所述区域权限等级与所述识别区域不匹配时,获取预设时间段内目标用户对所述识别区域的访问次数以及累积访问时长;所述判断单元,还用于判断所述访问次数是否大于预设访问次数阈值以及所述累积访问时长是否大于预设访问时长阈值;提示单元,用于在所述判断单元判断出所述访问次数大于所述预设访问次数阈值,并且所述累积访问时长大于所述预设访问时长阈值时,向目标用户发出警告提示信息,以提示目标用户离开所述识别区域。
本发明还提供一种基于大数据的智慧商场人脸识别系统的人脸识别方法,包括:检测是否有用户进入识别区域;当检测到用户进入识别区域时,采集用户的生物特征数据;从所述生物特征数据中提取目标用户的人脸图像;利用人脸识别模型对所述人脸图像进行特征识别,得到所述人脸图像对应的目标身份特征;其中,所述人脸识别模型为深度卷积神经网络模型,并且所述人脸识别模型由通用人脸数据库和最新人脸数据库训练而成;将所述目标身份特征与若干个样本身份特征进行匹配操作;将提取单元提取的人脸图像导入最新人脸数据库、并替换最新人脸数据库中的原有数据;根据匹配结果进行身份识别。
优选的,所述根据匹配结果进行身份识别,包括:根据匹配结果确定所述目标用户的第一身份信息;检测所述目标用户是否携带有电子标签;如果是,读取所述电子标签的标签信息,以得到所述电子标签对应的第二身份信息;根据所述第一身份信息与所述第二身份信息对所述目标用户进行身份识别。
与现有技术相比,本发明的有益效果如下:本发明基于大数据和深度神经网络训练而成的人脸识别模型对用户进行身份识别,能够有效识别随着时间变化而导致面部轮廓发生变化的用户,及时更新记录用户最新人脸图像和面部特征,相比起现有的身份识别系统、提高了人脸识别的准确性,进而提高了用户身份识别的准确性,有效保障了商场安全。
附图说明
图1为本发明的基于大数据的智慧商场人脸识别系统的框图。
图2为本发明实施例的流程图。
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。
参阅图1,本实施例提供一种基于大数据的智慧商场人脸识别系统,包括检测单元、采集单元、提取单元、特征识别单元、匹配单元、身份识别单元和替代单元。
检测单元,检测是否有用户进入识别区域;如果是、触发执行下一步;如果否、继续执行该步骤。采集单元,用于当检测到用户进入识别区域时,采集用户的生物特征数据,生物特征数据包括但不仅限于人脸图像。提取单元,用于从所述生物特征数据中提取目标用户的人脸图像;从生物特征数据中提取若干幅人脸图像,并选择清晰度高于预设清晰度阈值的人脸图像作为目标用户的人脸图像。
特征识别单元,用于利用人脸识别模型对所述人脸图像进行特征识别,得到所述人脸图像对应的目标身份特征;其中,所述人脸识别模型为深度卷积神经网络模型,并且所述人脸识别模型由通用人脸数据库和最新人脸数据库训练而成;分别获取通用人脸数据库以及最新人脸数据库;通过卷积神经网络提取最新人脸数据库中人脸图像的特征向量;其中,该最新人脸数据库包括按照近期(上一次)获取的人脸图像;获取特征向量的范数和归一化向量,基于该人脸图像的分类特征更新与上述归一化向量对应的分类损失;以及基于上述时间损失与分类损失的联合损失训练上述卷积神经网络;训练完毕后利用通用人脸数据库中的人脸图像对该卷积神经网络进行测试和验证,得到测试和验证后的人脸识别模型。
匹配单元,用于将所述目标身份特征与两个样本身份特征进行匹配操作。
替换单元,匹配成功后,将提取单元提取的人脸图像导入最新人脸数据库、并替换最新人脸数据库中的原有数据。
身份识别单元,用于根据匹配结果进行身份识别。身份识别单元包括确定子单元、检测子单元、读取子单元、确实单元、获取单元、比对单元、判断单元、更新单元、获取单元和提示单元。
1、确定子单元,用于根据匹配结果确定所述目标用户的第一身份信息。2、检测子单元,用于检测所述目标用户是否携带有电子标签。3、读取子单元,用于在所述检测子单元检测出目标用户携带有所述电子标签时,读取所述电子标签的标签信息,以得到所述电子标签对应的第二身份信息。4、识别子单元,用于根据所述第一身份信息与所述第二身份信息对所述目标用户进行身份识别。电子标签可以是RFID(射频识别)电子标签,能够通过识别区域设置的RFID读卡装置对其进行读取和识别,该电子标签可以植入在用户的手机,每个电子标签可以对应绑定唯一的用户身份信息。5、确定单元,用于在所述身份识别单元根据匹配结果进行身份识别之后,确定所述目标用户的身份类别。6、比对单元,用于将所述目标用户的身份类别与预设的商场区域权限表进行比对,得到所述目标用户的区域权限等级。7、判断单元,用于判断所述区域权限等级与所述识别区域是否匹配,还用于判断所述访问次数是否大于预设访问次数阈值以及所述累积访问时长是否大于预设访问时长阈值。8、更新单元,用于在所述判断单元判断出所述区域权限等级与所述识别区域匹配时,根据所述识别区域的位置信息更新所述目标用户的商场活动轨迹。9、获取单元,用于在所述判断单元判断出所述区域权限等级与所述识别区域不匹配时,获取预设时间段内目标用户对所述识别区域的访问次数以及累积访问时长。10、提示单元,用于在所述判断单元判断出所述访问次数大于所述预设访问次数阈值,并且所述累积访问时长大于所述预设访问时长阈值时,向目标用户发出警告提示信息,以提示目标用户离开所述识别区域。
参阅图2,本实施例还提供一种基于大数据的智慧商场人脸识别系统的人脸识别方法,包括:
1、检测是否有用户进入识别区域。
2、当检测到用户进入识别区域时,采集用户的生物特征数据。
3、从所述生物特征数据中提取目标用户的人脸图像。人脸图像的提取过程是:根据锐化程度对所述人脸范围的边界进行边缘锐化,并将人脸范围边缘锐化后的所述目标图像输入至预设分割模型,在预设分割模型中对人脸图像进行分割生成人脸面部图像;对人脸图像进行高斯模糊、均值滤波、高反差保留、Gabor滤波以及色彩灰化处理,得到初步处理后的人像图片;求取初步处理后的人像图片中像素点的梯度,并根据梯度将人脸图像表示为二值图;将二值图进行轮廓纵坐标重建,并获取重建后的二值图中轮廓区域,得到经处理后的人脸图像。
4、利用人脸识别模型对所述人脸图像进行特征识别,得到所述人脸图像对应的目标身份特征;其中,所述人脸识别模型为深度卷积神经网络模型,并且所述人脸识别模型由通用人脸数据库和最新人脸数据库训练而成。
5、将所述目标身份特征与若干个样本身份特征进行匹配操作。
6、根据匹配结果进行身份识别,包括:根据匹配结果确定所述目标用户的第一身份信息,检测所述目标用户是否携带有电子标签;如果是,读取所述电子标签的标签信息,以得到所述电子标签对应的第二身份信息;根据所述第一身份信息与所述第二身份信息对所述目标用户进行身份识别。
7、根据匹配结果进行身份识别,同时,将提取单元提取的人脸图像导入最新人脸数据库、并替换最新人脸数据库中的原有数据。
根据匹配结果进行身份识别(步骤6)之后,还包括:确定所述目标用户的身份类别;将所述目标用户的身份类别与预设的商场区域权限表进行比对,得到所述目标用户的区域权限等级;判断所述区域权限等级与所述识别区域是否匹配;如果所述区域权限等级与所述识别区域匹配,根据所述识别区域的位置信息更新所述目标用户的商场活动轨迹。
如果所述区域权限等级与所述识别区域不匹配,所述方法还包括:获取预设时间段内目标用户对所述识别区域的访问次数以及累积访问时长;判断所述访问次数是否大于预设访问次数阈值以及所述累积访问时长是否大于预设访问时长阈值;如果所述访问次数大于所述预设访问次数阈值,并且所述累积访问时长大于所述预设访问时长阈值,向目标用户发出警告提示信息,以提示目标用户离开所述识别区域。
可见,本实施例能够基于大数据和深度神经网络训练而成的人脸识别模型对用户进行身份识别,有效识别随着时间变化而导致面部轮廓发生变化的用户,及时更新记录用户最新人脸图像和面部特征,相比起现有的身份识别系统、提高了人脸识别的准确性,进而提高了用户身份识别的准确性,有效保障了商场安全。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (4)
1.一种基于大数据的智慧商场人脸识别系统,其特征在于,包括:
检测单元,检测是否有用户进入识别区域;
采集单元,用于当检测到用户进入识别区域时,采集用户的生物特征数据;
提取单元,用于从所述生物特征数据中提取目标用户的人脸图像;
特征识别单元,用于利用人脸识别模型对所述人脸图像进行特征识别,得到所述人脸图像对应的目标身份特征;其中,所述人脸识别模型为深度卷积神经网络模型,并且所述人脸识别模型由通用人脸数据库和最新人脸数据库训练而成;
匹配单元,用于将所述目标身份特征与两个样本身份特征进行匹配操作;
替换单元,匹配成功后,将提取单元提取的人脸图像导入最新人脸数据库、并替换最新人脸数据库中的原有数据;
身份识别单元,用于根据匹配结果进行身份识别。
2.根据权利要求1所述的基于大数据的智慧商场人脸识别系统,其特征在于:所述身份识别单元,包括:确定子单元,用于根据匹配结果确定所述目标用户的第一身份信息;检测子单元,用于检测所述目标用户是否携带有电子标签;读取子单元,用于在所述检测子单元检测出目标用户携带有所述电子标签时,读取所述电子标签的标签信息,以得到所述电子标签对应的第二身份信息;识别子单元,用于根据所述第一身份信息与所述第二身份信息对所述目标用户进行身份识别。
3.一种采用如权利要求1所述的基于大数据的智慧商场人脸识别系统的人脸识别方法,其特征在于,包括:检测是否有用户进入识别区域;
当检测到用户进入识别区域时,采集用户的生物特征数据;
从所述生物特征数据中提取目标用户的人脸图像;
利用人脸识别模型对所述人脸图像进行特征识别,得到所述人脸图像对应的目标身份特征;其中,所述人脸识别模型为深度卷积神经网络模型,并且所述人脸识别模型由通用人脸数据库和最新人脸数据库训练而成;
将所述目标身份特征与若干个样本身份特征进行匹配操作;
将提取单元提取的人脸图像导入最新人脸数据库、并替换最新人脸数据库中的原有数据;
根据匹配结果进行身份识别。
4.根据权利要求3所述的基于大数据的智慧商场人脸识别系统的人脸识别方法,其特征在于:所述根据匹配结果进行身份识别,包括:
根据匹配结果确定所述目标用户的第一身份信息;
检测所述目标用户是否携带有电子标签;
如果是,读取所述电子标签的标签信息,以得到所述电子标签对应的第二身份信息;
根据所述第一身份信息与所述第二身份信息对所述目标用户进行身份识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210577827.3A CN114677750A (zh) | 2022-05-26 | 2022-05-26 | 基于大数据的智慧商场人脸识别系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210577827.3A CN114677750A (zh) | 2022-05-26 | 2022-05-26 | 基于大数据的智慧商场人脸识别系统和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114677750A true CN114677750A (zh) | 2022-06-28 |
Family
ID=82079197
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210577827.3A Pending CN114677750A (zh) | 2022-05-26 | 2022-05-26 | 基于大数据的智慧商场人脸识别系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114677750A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115798023A (zh) * | 2023-02-13 | 2023-03-14 | 成都睿瞳科技有限责任公司 | 一种人脸识别认证方法、装置、存储介质及处理器 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111178136A (zh) * | 2019-12-03 | 2020-05-19 | 广东马上信息科技有限公司 | 一种基于大数据的智慧校园身份识别方法及系统 |
CN113762211A (zh) * | 2021-09-23 | 2021-12-07 | 吴庆锋 | 一种基于大数据的人脸识别系统及方法 |
CN114445879A (zh) * | 2021-12-30 | 2022-05-06 | 信丰世嘉科技有限公司 | 一种高精度人脸识别方法及人脸识别设备 |
-
2022
- 2022-05-26 CN CN202210577827.3A patent/CN114677750A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111178136A (zh) * | 2019-12-03 | 2020-05-19 | 广东马上信息科技有限公司 | 一种基于大数据的智慧校园身份识别方法及系统 |
CN113762211A (zh) * | 2021-09-23 | 2021-12-07 | 吴庆锋 | 一种基于大数据的人脸识别系统及方法 |
CN114445879A (zh) * | 2021-12-30 | 2022-05-06 | 信丰世嘉科技有限公司 | 一种高精度人脸识别方法及人脸识别设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115798023A (zh) * | 2023-02-13 | 2023-03-14 | 成都睿瞳科技有限责任公司 | 一种人脸识别认证方法、装置、存储介质及处理器 |
CN115798023B (zh) * | 2023-02-13 | 2023-04-18 | 成都睿瞳科技有限责任公司 | 一种人脸识别认证方法、装置、存储介质及处理器 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | A thermal hand vein pattern verification system | |
CN102945366B (zh) | 一种人脸识别的方法及装置 | |
CN103778409A (zh) | 基于人脸特征数据挖掘的人脸识别方法与装置 | |
CN106203294A (zh) | 基于人脸属性分析的人证合一身份验证方法 | |
CN104851140A (zh) | 基于人脸识别的考勤门禁系统 | |
CN104036254A (zh) | 一种人脸识别方法 | |
CN107169479A (zh) | 基于指纹验证的智能移动设备敏感数据防护方法 | |
CN111178136A (zh) | 一种基于大数据的智慧校园身份识别方法及系统 | |
CN111488798B (zh) | 指纹识别方法、装置、电子设备及存储介质 | |
CN116702069A (zh) | 一种基于状态感知的介质销毁的方法 | |
CN114218543A (zh) | 一种基于多场景表情识别的加密解锁系统及方法 | |
CN114677750A (zh) | 基于大数据的智慧商场人脸识别系统和方法 | |
CN108648312A (zh) | 人脸识别智能迎宾方法及系统 | |
Yang et al. | Detection and segmentation of latent fingerprints | |
CN110015023A (zh) | 一种带有指纹识别及支付系统的充电桩 | |
Patel et al. | Human identification by partial iris segmentation using pupil circle growing based on binary integrated edge intensity curve | |
CN107705370A (zh) | 一种brt快速公交自动检票机智能票卡验票系统 | |
Liu et al. | The research and design of an efficient verification system based on biometrics | |
Chen et al. | FV-UPatches: Enhancing Universality in Finger Vein Recognition | |
CN110826384A (zh) | 增强虹膜识别精度的系统和方法 | |
Aydoğdu et al. | A study on liveness analysis for palmprint recognition system | |
Chen | An efficient palmprint recognition method based on block dominat orientation code | |
Naim et al. | Classification of thumbprint using artificial neural network (ANN) | |
CN106250842A (zh) | 一种基于脉向检测的指静脉识别技术 | |
CN112801034A (zh) | 一种指静脉识别装置 |
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: 20220628 |
|
RJ01 | Rejection of invention patent application after publication |