CN114840748A - 基于人脸识别的信息推送方法、装置、设备及存储介质 - Google Patents
基于人脸识别的信息推送方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114840748A CN114840748A CN202210414255.7A CN202210414255A CN114840748A CN 114840748 A CN114840748 A CN 114840748A CN 202210414255 A CN202210414255 A CN 202210414255A CN 114840748 A CN114840748 A CN 114840748A
- Authority
- CN
- China
- Prior art keywords
- face
- information
- feature
- public health
- identity information
- 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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种基于人脸识别的信息推送方法、装置、设备及存储介质,通过设于检测区域中的人脸检测模块和Harr特征提取模型实时采集待识别对象的人脸图像特征,通过人脸图像特征以直方图矩阵的方式识别出身份信息,基于身份信息检索从所述公共卫生大数据信息系统检索出与所述身份信息对应的公共卫生防控信息,并打包主动推出去,实现了信息查询方式只需要待识别对象面对人脸检测模块进行一次人脸识别操作即可得到个人的公共卫生防控信息,可以满足大规模流动人群的自动筛选情况和防控常态化的实时检测的安排和部署。同时,主动推动方式也可以有效的解决疾病突发地的高访问量对服务器造成的负担和风险,提高信息的读取速度。
Description
技术领域
本发明涉及互联网技术领域,尤其涉及一种基于人脸识别的信息推送方法、装置、设备及存储介质。
背景技术
随着全球科技、经济的发展,人们对于疾病公共卫生的预防也越来越重视,尤其是传染性疾病,有些疾病已成为全球防疫的常态化,这样给人们的生活方式带来了变化,在出入公共场所、超市、地铁、小区都需要向防疫人员出示个人信息。采用什么技术可以高效、快捷的对大规模人群、流动性人群以及高风险人群的个人信息进行快速查找成为需要解决的问题。
目前,个人信息获取主要流程为:被检测人通过智能手机扫描指定二维码,识别成功后显示该人的相关信息。这种方式相较于传统的贴纸条、人工手写登记有了改进和升级,但是操作繁琐程度和检测效率也存在一定的不足。对于较大规模的疾病突发区域,采用基于二维码技术的防疫机制会导致后台服务器存在突发的访问流量过大,导致访问速度过慢,人们会频繁的刷新扫描界面和个人信息界面,使得人的流动过程遭受停滞,对后台服务器造成宕机风险。其次,不同地区防护方式要求和系统的不同,导致存在二维码复杂多样和扫码App混乱的情况,对人们无法一一对应,使得正常的出行带来麻烦,特别是针对于老年人,操作较为复杂,从而严重危害了地区公共卫生安全,造成疾病扩散的风险。
发明内容
本发明的主要目的在于提供了一种基于人脸识别的信息推送方法、装置、设备及存储介质,以解决现有的扫码获取个人公共卫生信息方案,在访问聚集的情况下,导致服务器负担过重,数据读取缓慢的技术问题。
本发明第一方面提供了一种基于人脸识别的信息推送方法,所述基于人脸识别的信息推送方法包括:
在待识别对象进入检测区域时,通过设于所述检测区域上的人脸检测模块采集所述待识别对象的人脸数据,并利用Harr特征提取模型对各人脸数据提取对应的Harr特征值,得到各待识别对应的人脸图像特征;
调用预先训练好的人脸识别模型,计算所述人脸图像特征对应的直方图矩阵,并基于所述直方图矩阵确定对应的身份信息;
根据所述身份信息和预先设置的身份信息与公共卫生大数据信息系统的关联性,利用数据库信息管理技术从所述公共卫生大数据信息系统检索出与所述身份信息对应的公共卫生防控信息;
基于数据传输协议对所述公共卫生防控信息进行打包,并推送至与所述待识别对象对应的终端上。
可选的,所述通过设于所述检测区域上的人脸检测模块采集所述待识别对象的人脸数据,并利用Harr特征提取模型对各人脸数据提取对应的Harr特征值,得到各待识别对应的人脸图像特征,包括:
通过设于所述检测区域上的人脸检测模块进行人脸区域定位,确定待识别对象;
从不同角度对所述待识别对象进行采集,得到人脸图片集;
利用Harr特征提取模型计算出所述人脸图片集中各图片的特征算子,其中所述特征算子包括边缘特征、线性特征和点特征;
基于所述边缘特征、线性特征和点特征对对应的图片中的特征进行调整,提取出对应的Harr特征值;
基于所述Harr特征值构建对应的人脸图像特征。
可选的,所述调用预先训练好的人脸识别模型,计算所述人脸图像特征对应的直方图矩阵,并基于所述直方图矩阵确定对应的身份信息,包括:
利用LBP算法计算所述人脸图像特征中各像素的LBP编码值,并基于所有像素的LBP编码值,生成对应的直方图矩阵;
以行为主序,将所述直方图矩阵转换为单行多列的向量矩阵;
计算所述向量矩阵与预设的人脸模型库中各人脸图像的直方图之间的距离,并筛选出所述距离小于预设置信度的人脸图像;
对筛选出所述距离小于预设置信度的人脸图像,按照距离大小进行排序,选择所述距离最小的一个人脸图像,并提取对应的标签信息;
对所述标签信息进行解析,得到对应的身份信息。
可选的,所述根据所述身份信息和预先设置的身份信息与公共卫生大数据信息系统的关联性,利用数据库信息管理技术从所述公共卫生大数据信息系统检索出与所述身份信息对应的公共卫生防控信息,包括:
提取所述身份信息中的人脸ID号;
以所述人脸ID号作为检索的唯一标识,从所述公共卫生大数据信息系统中的基本信息表获取各数据库的访问接口以及对应的个人信息;
将所述身份信息与所述个人信息进行匹配;
在匹配满足预设条件后,以所述身份信息中的身份证号作为主要检索索引,基于访问接口从各数据库中读取对应的个人卫生检测数据,并生成与所述身份信息对应的公共卫生防控信息。
可选的,所述公共卫生防控信息包括健康码、行程码和核酸检测报告;
所述以所述身份信息中的身份证号作为主要检索索引,基于访问接口从各数据库中读取对应的个人卫生检测数据,并生成与所述身份信息对应的公共卫生防控信息,包括:
以所述身份信息中的身份证号作为主要检索索引,基于第一访问接口从健康码信息数据库中查询出对应的健康码;
以所述身份信息中的身份证号作为主要检索索引,基于第二访问接口从行程码信息数据库中查询出对应的行程码;
以所述身份信息中的身份证号作为主要检索索引,基于第三访问接口从核酸检测信息数据库中查询出对应的核酸检测报告;
将所述健康码、所述行程码和所述核酸检测报告进行重新编码,生成对应的公共卫生防控信息。
可选的,所述信息推送方法,还包括:
从开源的人脸数据库中获取人脸样本图像;
利用Harr特征提取算法,分别对所述人脸样本图像进行特征的提取,以及计算各特征的特征算子类型;
基于所述特征算子类型,计算所述人脸样本图像的白色区域像素的第一总和以及黑色矩形区域像素的第二总和,并基于所述第一总和和第二总和得到样本Harr特征值;
通过构建图像旋转积分图的方式,对所述样本Harr特征值的大小和位置,得到多个样本Harr特征值,其中所述多个样本Harr特征值包括人脸特征值和非人脸特征值;
基于所述人脸特征值和非人脸特征值进行特征训练,得到特征提取模型;
利用AdaBoost算法,对所述人脸特征值和所述非人脸特征值进行矩阵特征组合,并基于所述矩阵特征组合进行分类训练,得到特征分类器;
根据所述特征提取模型和所述特征分类器构建Harr特征提取模型。
可选的,所述信息推送方法,还包括:
利用LBP算法对所述人脸样本图像进行二值化处理,并对二值化处理后的图像中的各像素点进行LBP编码,得到局部二进制编码直方图;
通过双线性差值的方式,对所述局部二进制编码直方图中的各像素的LBP编码值进行调整,得到多个LBP图像;
基于所述多个LBP图像构建对应的直方图矩阵,并进行关联,得到人脸识别样本数据;
根据所述人脸识别样本数据进行识别训练,得到人脸识别模型。
本发明第二方面提供了基于人脸识别的信息推送装置,包括:
人脸检测模块,用于在待识别对象进入检测区域时,采集所述待识别对象的人脸数据,并利用Harr特征提取模型对各人脸数据提取对应的Harr特征值,得到各待识别对应的人脸图像特征;
人脸识别模块,用于调用预先训练好的人脸识别模型,计算所述人脸图像特征对应的直方图矩阵,并基于所述直方图矩阵确定对应的身份信息;
检索模块,用于根据所述身份信息和预先设置的身份信息与公共卫生大数据信息系统的关联性,利用数据库信息管理技术从所述公共卫生大数据信息系统检索出与所述身份信息对应的公共卫生防控信息;
推送模块,用于基于数据传输协议对所述公共卫生防控信息进行打包,并推送至与所述待识别对象对应的终端上。
可选的,所述人脸检测模块包括:
定位单元,用于通过设于所述检测区域上的人脸检测模块进行人脸区域定位,确定待识别对象;
采集单元,用于从不同角度对所述待识别对象进行采集,得到人脸图片集;
算子计算单元,用于利用Harr特征提取模型计算出所述人脸图片集中各图片的特征算子,其中所述特征算子包括边缘特征、线性特征和点特征;
Harr特征单元,用于基于所述边缘特征、线性特征和点特征对对应的图片中的特征进行调整,提取出对应的Harr特征值;
构建单元,用于基于所述Harr特征值构建对应的人脸图像特征。
可选的,所述人脸识别模块包括:
矩阵生成单元,用于利用LBP算法计算所述人脸图像特征中各像素的LBP编码值,并基于所有像素的LBP编码值,生成对应的直方图矩阵;
转换单元,用于以行为主序,将所述直方图矩阵转换为单行多列的向量矩阵;
筛选单元,用于计算所述向量矩阵与预设的人脸模型库中各人脸图像的直方图之间的距离,并筛选出所述距离小于预设置信度的人脸图像;
第一提取单元,用于对筛选出所述距离小于预设置信度的人脸图像,按照距离大小进行排序,选择所述距离最小的一个人脸图像,并提取对应的标签信息;
解析单元,用于对所述标签信息进行解析,得到对应的身份信息。
可选的,所述检索模块包括:
第二提取单元,用于提取所述身份信息中的人脸ID号;
获取单元,用于以所述人脸ID号作为检索的唯一标识,从所述公共卫生大数据信息系统中的基本信息表获取各数据库的访问接口以及对应的个人信息;
匹配单元,用于将所述身份信息与所述个人信息进行匹配;
检索单元,用于在匹配满足预设条件后,以所述身份信息中的身份证号作为主要检索索引,基于访问接口从各数据库中读取对应的个人卫生检测数据,并生成与所述身份信息对应的公共卫生防控信息。
可选的,所述公共卫生防控信息包括健康码、行程码和核酸检测报告;
所述检索单元具体用于:
以所述身份信息中的身份证号作为主要检索索引,基于第一访问接口从健康码信息数据库中查询出对应的健康码;
以所述身份信息中的身份证号作为主要检索索引,基于第二访问接口从行程码信息数据库中查询出对应的行程码;
以所述身份信息中的身份证号作为主要检索索引,基于第三访问接口从核酸检测信息数据库中查询出对应的核酸检测报告;
将所述健康码、所述行程码和所述核酸检测报告进行重新编码,生成对应的公共卫生防控信息。
可选的,所述信息推送装置还包括第一训练模块,其具体用于:
从开源的人脸数据库中获取人脸样本图像;
利用Harr特征提取算法,分别对所述人脸样本图像进行特征的提取,以及计算各特征的特征算子类型;
基于所述特征算子类型,计算所述人脸样本图像的白色区域像素的第一总和以及黑色矩形区域像素的第二总和,并基于所述第一总和和第二总和得到样本Harr特征值;
通过构建图像旋转积分图的方式,对所述样本Harr特征值的大小和位置,得到多个样本Harr特征值,其中所述多个样本Harr特征值包括人脸特征值和非人脸特征值;
基于所述人脸特征值和非人脸特征值进行特征训练,得到特征提取模型;
利用AdaBoost算法,对所述人脸特征值和所述非人脸特征值进行矩阵特征组合,并基于所述矩阵特征组合进行分类训练,得到特征分类器;
根据所述特征提取模型和所述特征分类器构建Harr特征提取模型。
可选的,所述信息推送装置还包括第二训练模块,其具体用于:
利用LBP算法对所述人脸样本图像进行二值化处理,并对二值化处理后的图像中的各像素点进行LBP编码,得到局部二进制编码直方图;
通过双线性差值的方式,对所述局部二进制编码直方图中的各像素的LBP编码值进行调整,得到多个LBP图像;
基于所述多个LBP图像构建对应的直方图矩阵,并进行关联,得到人脸识别样本数据;
根据所述人脸识别样本数据进行识别训练,得到人脸识别模型。
本发明第三方面提供了一种电子设备,包括:存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述第一方面提供的基于人脸识别的信息推送方法中的各个步骤。
本发明的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面提供的基于人脸识别的信息推送方法中的各个步骤。
有益效果:
本发明的技术方案中,通过设于检测区域中的人脸检测模块和Harr特征提取模型实时采集待识别对象的人脸图像特征,通过人脸图像特征以直方图矩阵的方式识别出身份信息,基于身份信息检索从所述公共卫生大数据信息系统检索出与所述身份信息对应的公共卫生防控信息,并打包主动推出去,实现健康状态查询,将原手动扫码机制,改为人脸智能识别的主动推动方式。使得现有的信息查询方式只需要待识别对象面对人脸检测模块进行一次人脸识别操作即可得到个人的公共卫生防控信息,可以满足大规模流动人群的自动筛选情况和防控常态化的实时检测的安排和部署。同时,主动推动方式也可以有效的解决疾病突发地的高访问量对服务器造成的负担和风险,提高信息的读取速度。
附图说明
图1为本发明提供的基于人脸识别的信息推送方法的逻辑框架图;
图2为本发明提供的基于人脸识别的信息推送方法的第一个实施例示意图;
图3为本发明提供的基于人脸识别的信息推送方法的第二个实施例示意图;
图4为本发明提供的防疫检测系统的结构示意图;
图5为本发明提供的特征算子类型的一种示意图;
图6为本发明提供的特征分类器训练的特征选取的流程示意图;
图7为本发明提供的特征分类器的结构示意图;
图8为本发明提供的人脸信息防疫数据库的结构示意图;
图9为本发明提供的基于人脸识别的信息推送装置的一个实施例示意图;
图10为本发明提供的基于人脸识别的信息推送装置的另一个实施例示意图;
图11为本发明提供的电子设备的一个实施例示意图。
具体实施方式
针对于终端访问聚集、多人频繁访问导致服务器负担过重和地区网络信号差等原因导致数据读取缓慢的问题,本发明提出了一种基于人脸识别的信息推送方法,应用与公共卫生防护管理,具体是以人脸信息作为主要身份识别信息,在需要进行核验的时候访问数据库,并由上至下的将个人核酸检测记录、健康码、行程码等相关信息进行主动推送,克服了因局部地区个人终端访问聚集、多人频繁访问导致服务器负担过重和地区网络信号差等原因导致数据读取缓慢,造成检测过程不流畅、速度慢等原因,影响检测效率。
通过人脸识别技术和主动推送方式可以有效地克服这些问题,保证当前传染病常态化防控方案安全有效的实施、高效开展大规模健康状态筛查,提高检测工作效率。
本发明主要应用领域包括图像识别领域、生物医疗、公共卫生安全领域,该技术可以支持在公共服务社区、企业、办公大厦以及需要重点开展大规模人群检测的区域场景,可以大大提高疫情监测、核酸检测过程的流畅性、便捷性及工作效率。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1和2所示,本发明实施例中基于人脸识别的信息推送方法的第一个实施例,在实际应用中,该方法主要应用于疾病的大规模检测场景中的数据采集和监控系统,该场景下的所有信息均是在法律允许的条件下做的采集,如人脸图像,个人信息等,该信息推送方法包括以下步骤:
101、在待识别对象进入检测区域时,通过设于检测区域上的人脸检测模块采集待识别对象的人脸数据,并利用Harr特征提取模型对各人脸数据提取对应的Harr特征值,得到各待识别对应的人脸图像特征;
该步骤中,所述待识别对象可以理解为是被检测人,在检测区域中设置有基于人脸识别的信息推送装置,具体包括消毒柜、设于消毒柜上的人脸检测模块、显示屏和公共卫生管理平台,其中人脸检测模块、显示屏和公共卫生管理平台三者通过互联网和/或通信线路连接。
在实际应用中,该消毒柜上设有消毒液喷口,该人脸检测模块包括感应单元和采集单元,其中感应单元可以为红外传感器,采集单元可以为摄像头,通过感应单元实时采集消毒柜内的对象,在感应单元感应到有对象进入消毒柜后,启动消毒液喷口喷出雾状的消毒液对对象进行消毒,并控制采集单元对消毒柜内的人脸进行定位标注,如在人脸位置添加标记窗口,以标记窗口为识别对象进行聚焦从不同角度拍摄标记窗口内的人脸图像,最后将拍摄到的同一个标记窗口的人脸图像进行打包,形成待识别图像的人脸数据,可选的,该人脸数据可以是图片集,也可以是视频帧序列。
在采集到待识别对象的人脸数据后,调用Harr特征提取模型或者将人脸数据依次输入至Harr特征提取模型中,由Harr特征提取模型对各人脸数据进行特征的提取,得到Harr特征值。在实际应用中,在提取Harr特征值时,具体是对人脸数据中的每个像素进行LBP编码后,提取得到,然后将提取到的Harr特征值进行聚合,得到人脸图像特征。
在本实施例中,具体的可以通过以下步骤实现:
通过设于所述检测区域上的人脸检测模块进行人脸区域定位,确定待识别对象;
从不同角度对所述待识别对象进行采集,得到人脸图片集;
利用Harr特征提取模型计算出所述人脸图片集中各图片的特征算子,其中所述特征算子包括边缘特征、线性特征和点特征;
基于所述边缘特征、线性特征和点特征对对应的图片中的特征进行调整,提取出对应的Harr特征值;
基于所述Harr特征值构建对应的人脸图像特征。
在实际应用中,该人脸图像特征除了基于人脸上的Harr特征值生成之外,还可以通过待识别对象的其他生物特征生成,例如指纹、声纹、虹膜,通过基于疾病的传染性和防护管控要求,确定生物特征的类型,基于生物特征的类型采集除人脸之外的其他生物特征,然后通过Harr特征提取模型对采集到的数据中提取出对应的生物特征,将提取到的所有生物特征构建一个综合人脸图像特征。
102、调用预先训练好的人脸识别模型,计算人脸图像特征对应的直方图矩阵,并基于直方图矩阵确定对应的身份信息;
该步骤中,该人脸识别模型具体是基于LBPH算法构建的模型,通过人脸图像特征(可以理解为是只包含特征的人脸图像)输入至该人脸识别模型,由该人脸识别模型对人脸图像特征LBP编码,即是对人脸图像特征进行局部二值化处理。在实际应用中,通过人脸检测模块进行特征提取时,具体是将人脸数据进行人脸特征和非人脸特征进行区分标记,得到人脸图像特征,然后基于LBP算法对其中的人脸特征进行LBP编码,得到多个LBP图像,然后构建直方图矩阵,基于直方图矩阵与预设直方图矩阵进行特征距离的计算,得到两者之间的相似度,从而基于相似度选择出最接近的一个,并读取选择的预设直方图矩阵对应的标签,最后获取到对应的身份信息。
在本实施例中,该步骤具体可以通过以下方式实现:
利用LBP算法计算所述人脸图像特征中各像素的LBP编码值,并基于所有像素的LBP编码值,生成对应的直方图矩阵;
以行为主序,将所述直方图矩阵转换为单行多列的向量矩阵;
计算所述向量矩阵与预设的人脸模型库中各人脸图像的直方图之间的距离,并筛选出所述距离小于预设置信度的人脸图像;
对筛选出所述距离小于预设置信度的人脸图像,按照距离大小进行排序,选择所述距离最小的一个人脸图像,并提取对应的标签信息;
对所述标签信息进行解析,得到对应的身份信息。
在实际应用中,这里的身份信息包括人脸ID号、姓名、身份证信息、通讯信息和个人二维码信息等等。
103、根据身份信息和预先设置的身份信息与公共卫生大数据信息系统的关联性,利用数据库信息管理技术从公共卫生大数据信息系统检索出与身份信息对应的公共卫生防控信息;
该步骤中,所述公共卫生大数据信息系统包括不同地区的不同平台,各平台均通过互联网实现数据的相互共享,而每个平台的数据均存储于对应的数据库中,通过在公共卫生大数据信息系统的本地上设有访问接口与数据库或者平台之间的对应关系的基本信息表格,同时该基本信息表格还包括各识别对象的身份信息。这些信息都是各识别对象预先就医或者被检时留下的历史数据,基于这些历史数据构建公共卫生信息数据库,而在被检测人再次受检测或者就医时,可自动被调取出来展示,以便于核对当次被检时的个人信息,使得工作人员可以判断其是否符合被检条件。
在本实施例中,该步骤具体可以通过以下方式实现:
提取所述身份信息中的人脸ID号;
以所述人脸ID号作为检索的唯一标识,从所述公共卫生大数据信息系统中的基本信息表获取各数据库的访问接口以及对应的个人信息;
将所述身份信息与所述个人信息进行匹配;
在匹配满足预设条件后,以所述身份信息中的身份证号作为主要检索索引,基于访问接口从各数据库中读取对应的个人卫生检测数据,并生成与所述身份信息对应的公共卫生防控信息。
在实际应用中,首先通过人脸ID作为索引去检索存储与公共卫生发数据信息系统本地的基本信息表,同时还定位出待识别对象所在的地区,然后从基本信息表中找到对应的历史记录并调取对应该地区的数据访问信息,以访问对应的各数据库以获取该待识别对象的所有公共卫生信息,然后基于该信息推送装置的检测配置筛选出对应的公共卫生信息,组合成该该识别对象的公共卫生防控信息。
104、基于数据传输协议对公共卫生防控信息进行打包,并推送至与待识别对象对应的终端上。
本实施例中,这里的数据传输协议具体根据触发信息获取的主体来确定,例如是信息推送装置本身,则数据库访问协议,如果是用户终端在访问延时的条件下触发的,则是终端通信协议。
在确定了数据传输协议后,将获取到的公共卫生防控信息中的不同信息进行去重拼接得到,最后拼接得到的信息形式可以是二维码信息,也可以是表格信息等形式。
在实际应用中,在推送时,具体是包括两种推送,一种是直接推送至当前检测的系统中的显示屏上直接信息,二种是打包完成后,获取待识别对象的通信信息以短信的信息推送至对应的用户终端上,以供该识别对象进行呈现展示。
本发明实施例中,通过设于检测区域中的人脸检测模块和Harr特征提取模型实时采集待识别对象的人脸图像特征,通过人脸图像特征以直方图矩阵的方式识别出身份信息,基于身份信息检索从所述公共卫生大数据信息系统检索出与所述身份信息对应的公共卫生防控信息,并打包主动推出去。采用人脸识别技术较为准确的识别身份,具有身份识别的唯一性,其原理可靠、操作简便、价格便宜,可以有效的提升当前常态化防疫过程中的工作效率。同时主动推动方式也可以有效的解决疾病突发地的高访问量对服务器造成的负担和风险。解决了现有的扫码获取个人公共卫生信息方案,在访问聚集的情况下,导致服务器负担过重,数据读取缓慢的技术问题。
请参阅图3,本发明实施例中基于人脸识别的信息推送方法的第二个实施例,该实施例以具体的应用场景进行说明,如新冠疫情防疫中的核酸检测场景,目前在核酸检测场景下,用户通过自助在现场扫码或者自助访问对应的健康信息平台获取能对个人身份信息识别特征信息和信息载体,但是这样的方式由于是集中核酸检测,会存在访问不了,反应时间过长,导致检测工作的滞后,基于此,采用人脸智能识别技术和后台的自动访问技术,采集现场的被检测人的人脸特征,自动访问后台以获取个人的防疫信息进行推送展示。
具体通过摄像头实时检测监测区域的被检人,获取到人脸特征后,通过人脸检测和人脸特征识别技术对被检人的身份进行获取,通过识别到的人脸信息检索自主构建的防疫智能信息数据库,通过其对接的相关卫生防疫安全数据库(健康码数据库、行程码数据库、核酸检测记录数据库)获取到个人防疫信息,将所有疫情防疫详细信息主动推送到受检现场前端,实现健康状态查询,将原手动扫码机制,改为人脸智能识别的主动疫情推动方式。该技术使得现有的疫情信息查询方式只需要被检测面对摄像头进行一次人脸识别操作即可得到个人的个人疫情信息,可以满足大规模流动人群的疫情筛选情况和疫情常态化的实时防疫检测的安排和部署。同时,主动推动方式也可以有效的解决疫情突发地的高访问量对服务器造成的负担和风险,该信息推送方法基于图4提供的防疫检测系统提出,具体包括以下步骤:
201、检测被检测人是否进入检测区域;
该步骤中,可以通过图4中设置的人脸识别摄像头1,也可以通过另外设置红外传感器等设备进行检测。
具体的,在图4中的检测区域内,当人脸识别摄像头1采集到的图像中有人像,或者红外传感器被触发,则确定检测区域内有被检测人进行,则执行步骤202。
进一步的,若检测区域内原来就存在被检测人时,则需要通过人脸识别摄像头1实时采集多张图像,并比对图像中是否有新的人像出现,若存在则执行步骤202。
进一步的,控制防疫检测系统中的酒精消毒液喷口3喷出雾状消毒液对被检测人进行消毒。
202、采集被检测人的多张人脸图像;
具体的,通过设于所述检测区域上的人脸识别摄像头1进行人脸区域定位,确定待识别对象;从不同角度对所述待识别对象进行采集,得到人脸图片集。
203、对多张人脸图像进行检测,提取人脸的Harr特征值;
该步骤,优选的选择用基于Harr特征提取算法构建的人脸检测模型(Harr特征提取模型)实现,其提取过程为:
利用Harr特征提取模型计算出所述人脸图片集中各图片的特征算子,其中所述特征算子包括边缘特征、线性特征和点特征;
基于所述边缘特征、线性特征和点特征对对应的图片中的特征进行调整,提取出对应的Harr特征值;
基于所述Harr特征值构建对应的人脸图像特征。
在实际应用中,在进行特征值提取之前,需要确保待检测人的个人人像信息和个人基本信息已在数据库系统中,如果没有,则需要先构建人像模型数据和个人基本信息,具体的:
1)采集人像数据。输入个人基本信息后,采集对象面向摄像头,根据界面提示系统通过人脸检测技术直接抓取若干张不同角度的人像图片。
2)人像模型训练。对抓拍后的图像进行图像预处理操作,对处理后的图片进行LBPH编码,再通过AdaBoost算法训练得到人脸模型数据库。
同时也需要更新人脸检测模型,而人像模型数据的更新可以在更新人脸检测模型的过程中实现,即是训练人脸检测模型时构建人像模型,该人脸检测模型的训练具体为:
从开源的人脸数据库中获取人脸样本图像;
利用Harr特征提取算法,分别对所述人脸样本图像进行特征的提取,以及计算各特征的特征算子类型;
基于所述特征算子类型,计算所述人脸样本图像的白色区域像素的第一总和以及黑色矩形区域像素的第二总和,并基于所述第一总和和第二总和得到样本Harr特征值;
通过构建图像旋转积分图的方式,对所述样本Harr特征值的大小和位置,得到多个样本Harr特征值,其中所述多个样本Harr特征值包括人脸特征值和非人脸特征值;
基于所述人脸特征值和非人脸特征值进行特征训练,得到特征提取模型;
利用AdaBoost算法,对所述人脸特征值和所述非人脸特征值进行矩阵特征组合,并基于所述矩阵特征组合进行分类训练,得到特征分类器;
根据所述特征提取模型和所述特征分类器构建Harr特征提取模型。
在实际应用中,该模型主要采集人脸图像和个人基本身份信息来构建基于人脸模型的信息数据库,通过人脸检测算法对摄像头获取的图像中人脸区域定位,并保存若干张不同角度人脸图片用于训练人脸识别模型数据文件,从而为后续根据人脸进行身份识别提供模型支撑。
在人脸检测过程中主要采用Harr特征提取的人脸检测算法,该算法相对于目前市面上常见的深度学习算法中,具有模型简单,平台性能要求不高,算法速度稳定、高效等特点;当得到待检测人脸数据后,应用LBPH对人脸特征进行编码,再应用AdaBoost训练多级联分类器,通过相似度计算公式计算人脸图像后,完成根据人脸图像信息进行人脸识别。
1)构建基于Harr特征提取算法的人脸检测模块;
a)数据准备;
在训练人脸检测模块时,采用开源的人脸数据库进行人脸检测分类器的训练数据,其中包括正样本人脸数据1500个正样本(正规人脸面部图像)和5000个负样本(非人脸面部图像),训练图像尺寸样本按照24*24的像素大小进行统一缩放。
b)计算Harr特征值;
harr特征计算子有三大类型:边缘特征、线性特征(包含对角特征)、点特征(中心特征),如图5所示,根据这些特征算子类型,将图像的白色区域像素之和减去黑色矩形区域像素之和就得到了对应特征值,通过改变特征模版的大小和位置,可在图像子窗口中穷举出所有的特征。
有如下计算公式可以计算这些矩形特征的特征值数量:
其中,z为矩形45度旋转后最小外接矩形长度。
c)采用积分图加速特征值计算;
为了保证计算效率,采用图像积分图的方式来优化特征计算方法,只需要遍历一次图像就可以求出图像中所有区域像素和的快速算法,大大的提高了图像特征值计算的效率。积分图的构造方式是图像位置[i,j]处的像素值SAT(x,y)是由原图像[i,j]左上角方向所有像素的和:
构造旋转积分图中,每个点存储的是左上方延伸出的45度区域范围内所有像素之和:
这样只需要查找积分图,4次就可以求出任意矩形特征内像素值的和,极大的提高的检测效率。在确定了训练子窗口中的矩形特征数量和特征值后,需要对每一个特征训练一个弱分类器。
d)训练AdaBoost人脸检测分类器;
为了能够从上面数十万个矩形特征中找到一种组合可以更好的区分出人脸和非人脸,这就需要将多个弱分类器组合成一个强分类器,利用AdaBoost算法可以帮助我们选择更好的矩阵特征组合,同时,分类器将矩阵特征组合按二叉决策树的形式存储起来,最终得到了人脸检测分类器。其特征和样本表达式为:
①初始化样本权重
②权重归一化
③弱分类器训练和选取
更新每个样本对应的权重:
④强分类器构建
组合所有的弱分类器形成强分类器,通过比较这些弱分类器投票的加权和与平均投票结果来检测图像。
其中:
⑤级联分类器构建
在实际应用中,使用一个强分类器往往无法精确解决一些复杂的分类问题,并同时达到高检出率和低误检率的要求,通常使用级联的强分类器(cascade classifier)来解决这一问题,具体如图7所示。
204、基于Harr特征值进行人脸识别,得到身份信息;
该步骤,具体的利用LBP算法计算所述人脸图像特征中各像素的LBP编码值,并基于所有像素的LBP编码值,生成对应的直方图矩阵;
以行为主序,将所述直方图矩阵转换为单行多列的向量矩阵;
计算所述向量矩阵与预设的人脸模型库中各人脸图像的直方图之间的距离,并筛选出所述距离小于预设置信度的人脸图像;
对筛选出所述距离小于预设置信度的人脸图像,按照距离大小进行排序,选择所述距离最小的一个人脸图像,并提取对应的标签信息;
对所述标签信息进行解析,得到对应的身份信息。
在本实施例中,上述过程具体是通过预先构建的人脸识别模型实现,该人脸识别模型的构建过程,主要是基于人脸检测模型的样本数据来实现:
利用LBP算法对所述人脸样本图像进行二值化处理,并对二值化处理后的图像中的各像素点进行LBP编码,得到局部二进制编码直方图;
通过双线性差值的方式,对所述局部二进制编码直方图中的各像素的LBP编码值进行调整,得到多个LBP图像;
基于所述多个LBP图像构建对应的直方图矩阵,并进行关联,得到人脸识别样本数据;
根据所述人脸识别样本数据进行识别训练,得到人脸识别模型。
在实际应用中,人脸识别模型的构建具体过程可以为:
a)获取待训练人像数据和个人数据信息
通过前面的人脸检测算法,获取到该人的个人人脸图像特征,同时录入个人基本信息并分配一个id号,形成对应图像和对应的标签信息。
b)模型训练
①计算LBP(局部二值)编码
以窗口中心像素为阈值,设置编码半径R,按照顺时针方向开始遍历,若像素值大于或等于中心像素值,则该像素点的位置被标记为1,否则为0。
②计算直方图
③训练
首先设置跟新模型图像的数据和对应标签初始化,按照①②过程迭代训练若干次后保存训练好的模型文件,得到人像模型库。
④预测
205、基于身份信息从人脸信息防疫数据库中检索对应的公共卫生防控信息;
该步骤中,若人脸识别失败时,则将该被检测人的个人基本信息录入至人脸信息防疫数据库中,并建立人像模型存储至人脸信息防疫数据库,并关联数据库中的各种防疫信息。
在本实施例中,所述公共卫生防控信息包括健康码、行程码和核酸检测报告;其检索过程为:
以所述身份信息中的身份证号作为主要检索索引,基于第一访问接口从健康码信息数据库中查询出对应的健康码;
以所述身份信息中的身份证号作为主要检索索引,基于第二访问接口从行程码信息数据库中查询出对应的行程码;
以所述身份信息中的身份证号作为主要检索索引,基于第三访问接口从核酸检测信息数据库中查询出对应的核酸检测报告;
将所述健康码、所述行程码和所述核酸检测报告进行重新编码,生成对应的公共卫生防控信息。
在实际应用中,所述人脸信息防疫数据库为存储有个被检测人的历史检测数据和健康信息,并且还可以根据实时检测更新历史检测数据和健康信息。具体的,将人像模型库中的人脸Id号和个人基本信息进行关联,通过对识别人脸检测技术检索图像人脸区域,应用人脸识别技术将人脸区域图片与人脸数据库作对比。得到人脸Id号后,通过此Id号获取此人的基本信息,将这些关键信息传递给其他关联的疫情防疫数据库及系统关联检索。由此,可得到此人的健康码、行程码、核酸检测报告等信息,再将该信息主动推送到前端,结构如图8所示。构建人脸信息防疫数据主要步骤如下:
1)创建个人基本信息数据表
以人像模型库中的各个人像Id号作为检索的唯一标识,根据不同疫情防疫大数据平台检索所需要的提供的个人信息创建基本信息表,主要信息包括个人姓名、身份证号、电话号码、个人二维码信息。
2)创建防疫大数据平台数据接口
本发明构建了基本信息表作为防疫系统及平台的数据接口,通过基本信息数据表与各个疫情防疫数据库进行关联,以个人基本信息作为检索信息在各个数据库中进行检索。如要获取个人健康码信息,将基本信息表中的身份证号信息作为主要检索以及,再以姓名或其他信息作为验证检索信息,即可完成信息的检索。
进一步的,由于不同防疫大数据系统查询需要的个人信息不同,通过创建人像模型库和个人基本信息构成的人脸基本防疫数据库,实现不同类型的防疫大数据可以只需要人像图片即可获得所有的防疫信息。由此完成不同防疫系统和不同防疫数据库的关联。
206、将公共卫生防控信息推送至屏幕显示;
该步骤中,如图4所示,通过显示屏2与人脸信息防疫数据库的通信连接,将对应的被检测人的公共卫生防控信息在显示屏2上显示,同时还可以在被检测人的人像的头顶位置显示。
207、将公共卫生防控信息以短信方式推送至被检测人终端。
在该步骤中,摄像头拍摄待检测人的图像进行人脸识别,当完成查询信息后,系统后台通过网络传输,将待识别人的防疫信息整合后主动推动到显示终端。同时以电话短信方式将个人检测信息发送至待检测人。即是将查询的防疫信息(健康码、行程码、核酸检测报告等)通过以太网主动推送到前端显示屏。在人脸查询到个人基本信息时,可以获取到个人手机号码,可以将防疫信息通过短信平台以短信的方式主动发送给待检测人,由此完成防疫信息的主动推送。
通过对上述方法的实施,当待检测人进入到识别区域正向面对摄像头,首先通过人脸检测技术自动获取图像上的人像图片,图像通过矩形框显示人像区域,同时系统主动通过抓取出来的人脸信息与人像模型库中的人像进行匹配,找到最佳的对应人,通过个人基本信息查询防疫大数据系统中的各项基本疫情防疫信息,并主动推送到检测区域显示屏同时发送防疫短信到个人移动电话中,由此完成了人脸识别的防疫信息主动推送方式。
相比于现有技术,本申请采用基于人像信息的生物特征识别技术的防疫信息查询技术。通过人脸识别技术,待测试面对摄像头后,通过人脸识别技术与后台人像模型匹配后,直接主动推送个人疫情防疫信息,一次完成各项防疫信息查询。
综上,通过摄像头实时检测监测区域的被检人,获取到人脸特征后,通过人脸检测和人脸特征识别技术对被检人的身份进行获取,通过识别到的人脸信息检索自主构建的防疫智能信息数据库,通过其对接的相关卫生防疫安全数据库(健康码数据库、行程码数据库、核酸检测记录数据库)获取到个人防疫信息,将所有疫情防疫详细信息主动推送到受检现场前端,实现健康状态查询,将原手动扫码机制,改为人脸智能识别的主动疫情推动方式。该技术使得现有的疫情信息查询方式只需要被检测面对摄像头进行一次人脸识别操作即可得到个人的个人疫情信息,可以满足大规模流动人群的疫情筛选情况和疫情常态化的实时防疫检测的安排和部署。同时,主动推动方式也可以有效的解决疫情突发地的高访问量对服务器造成的负担和风险。
上面对本发明实施例中基于人脸识别的信息推送方法进行了描述,下面对本发明实施例中基于人脸识别的信息推送装置进行描述,请参阅图9,本发明实施例中基于人脸识别的信息推送装置一个实施例包括:
人脸检测模块901,用于在待识别对象进入检测区域时,采集所述待识别对象的人脸数据,并利用Harr特征提取模型对各人脸数据提取对应的Harr特征值,得到各待识别对应的人脸图像特征;
人脸识别模块902,用于调用预先训练好的人脸识别模型,计算所述人脸图像特征对应的直方图矩阵,并基于所述直方图矩阵确定对应的身份信息;
检索模块903,用于根据所述身份信息和预先设置的身份信息与公共卫生大数据信息系统的关联性,利用数据库信息管理技术从所述公共卫生大数据信息系统检索出与所述身份信息对应的公共卫生防控信息;
推送模块904,用于基于数据传输协议对所述公共卫生防控信息进行打包,并推送至与所述待识别对象对应的终端上。
本实施例提供的装置,通过人脸识别技术解决对待识别人的身份信息进行验证自动获得待识别人的身份信息Id号,避免采用二维码扫码方式手动的手动数据获取;通过数据库信息管理技术,将个人身份信息与防疫大数据信息系统进行关联,根据个人信息检索疫情防疫信息,打包整理并主动推送到本地,同时通过短信平台以短信的方式主动发送出去,实现基于人脸识别的防疫信息智能识取与主动推送方式。
进一步地,请参阅图10,图10为基于人脸识别的信息推送装置各个模块的细化示意图.
在本实施例另一实施例中,所述人脸检测模块901包括:
定位单元9011,用于通过设于所述检测区域上的人脸检测模块进行人脸区域定位,确定待识别对象;
采集单元9012,用于从不同角度对所述待识别对象进行采集,得到人脸图片集;
算子计算单元9013,用于利用Harr特征提取模型计算出所述人脸图片集中各图片的特征算子,其中所述特征算子包括边缘特征、线性特征和点特征;
Harr特征单元9014,用于基于所述边缘特征、线性特征和点特征对对应的图片中的特征进行调整,提取出对应的Harr特征值;
构建单元9015,用于基于所述Harr特征值构建对应的人脸图像特征。
可选的,所述人脸识别模块902包括:
矩阵生成单元9021,用于利用LBP算法计算所述人脸图像特征中各像素的LBP编码值,并基于所有像素的LBP编码值,生成对应的直方图矩阵;
转换单元9022,用于以行为主序,将所述直方图矩阵转换为单行多列的向量矩阵;
筛选单元9023,用于计算所述向量矩阵与预设的人脸模型库中各人脸图像的直方图之间的距离,并筛选出所述距离小于预设置信度的人脸图像;
第一提取单元9024,用于对筛选出所述距离小于预设置信度的人脸图像,按照距离大小进行排序,选择所述距离最小的一个人脸图像,并提取对应的标签信息;
解析单元9025,用于对所述标签信息进行解析,得到对应的身份信息。
可选的,所述检索模块903包括:
第二提取单元9031,用于提取所述身份信息中的人脸ID号;
获取单元9032,用于以所述人脸ID号作为检索的唯一标识,从所述公共卫生大数据信息系统中的基本信息表获取各数据库的访问接口以及对应的个人信息;
匹配单元9033,用于将所述身份信息与所述个人信息进行匹配;
检索单元9034,用于在匹配满足预设条件后,以所述身份信息中的身份证号作为主要检索索引,基于访问接口从各数据库中读取对应的个人卫生检测数据,并生成与所述身份信息对应的公共卫生防控信息。
可选的,所述公共卫生防控信息包括健康码、行程码和核酸检测报告;
所述检索单元9034具体用于:
以所述身份信息中的身份证号作为主要检索索引,基于第一访问接口从健康码信息数据库中查询出对应的健康码;
以所述身份信息中的身份证号作为主要检索索引,基于第二访问接口从行程码信息数据库中查询出对应的行程码;
以所述身份信息中的身份证号作为主要检索索引,基于第三访问接口从核酸检测信息数据库中查询出对应的核酸检测报告;
将所述健康码、所述行程码和所述核酸检测报告进行重新编码,生成对应的公共卫生防控信息。
可选的,所述信息推送装置还包括第一训练模块905,其具体用于:
从开源的人脸数据库中获取人脸样本图像;
利用Harr特征提取算法,分别对所述人脸样本图像进行特征的提取,以及计算各特征的特征算子类型;
基于所述特征算子类型,计算所述人脸样本图像的白色区域像素的第一总和以及黑色矩形区域像素的第二总和,并基于所述第一总和和第二总和得到样本Harr特征值;
通过构建图像旋转积分图的方式,对所述样本Harr特征值的大小和位置,得到多个样本Harr特征值,其中所述多个样本Harr特征值包括人脸特征值和非人脸特征值;
基于所述人脸特征值和非人脸特征值进行特征训练,得到特征提取模型;
利用AdaBoost算法,对所述人脸特征值和所述非人脸特征值进行矩阵特征组合,并基于所述矩阵特征组合进行分类训练,得到特征分类器;
根据所述特征提取模型和所述特征分类器构建Harr特征提取模型。
可选的,所述信息推送装置还包括第二训练模块906,其具体用于:
利用LBP算法对所述人脸样本图像进行二值化处理,并对二值化处理后的图像中的各像素点进行LBP编码,得到局部二进制编码直方图;
通过双线性差值的方式,对所述局部二进制编码直方图中的各像素的LBP编码值进行调整,得到多个LBP图像;
基于所述多个LBP图像构建对应的直方图矩阵,并进行关联,得到人脸识别样本数据;
根据所述人脸识别样本数据进行识别训练,得到人脸识别模型。
通过上述装置的实施,应用于疫情场景下,基于人脸识别的防疫信息智能识取与疫情主动推送方式,以人脸信息作为主要身份识别信息,在需要进行核验的时候访问数据库,并由上至下的将个人核酸检测记录、健康码、行程码等相关信息进行主动推送,克服了因局部地区个人终端访问聚集、多人频繁访问导致服务器负担过重和地区网络信号差等原因导致数据读取缓慢,造成检测过程不流畅、速度慢等原因,影响检测效率。通过人脸识别技术和主动推送方式可以有效地克服这些问题,保证当前新冠肺炎疫情常态化防控方案安全有效的实施、高效开展大规模核酸健康状态筛查,提高核酸检测工作效率。
本发明主要应用领域包括图像识别领域、生物医疗、公共卫生安全领域,该技术可以支持在公共服务社区、企业、办公大厦以及需要重点开展大规模人群检测的区域场景,可以大大提高疫情监测、核酸检测过程的流畅性、便捷性及工作效率。
上面图9和图10从模块化功能实体的角度对本发明实施例中的基于人脸识别的信息推送装置进行详细描述,下面从硬件处理的角度对本发明实施例中电子设备进行详细描述。
图11是本发明实施例提供了一种电子设备的结构示意图,该电子设备1100可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(centralprocessingunits,CPU)1110(例如,一个或一个以上处理器)和存储器1120,一个或一个以上存储应用程序1133或数据1132的存储介质1130(例如一个或一个以上海量存储设备)。其中,存储器1120和存储介质1130可以是短暂存储或持久存储。存储在存储介质1130的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对电子设备1100中的一系列指令操作。更进一步地,处理器1110可以设置为与存储介质1130通信,在电子设备1100上执行存储介质1130中的一系列指令操作。在实际应用中,该应用程序1133可以被分割成人脸检测模块901、人脸识别模块902、检索模块903、推送模块904、第一训练模块905和第二训练模块906(虚拟装置中的模块)的功能。
电子设备1100还可以包括一个或一个以上电源1140,一个或一个以上有线或无线网络接口1150,一个或一个以上输入输出接口1160,和/或,一个或一个以上操作系统1131,例如:WindowsServe,MacOSX,Unix,Linux,FreeBSD等等。本领域技术人员可以理解,图11示出的电子设备结构还可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本发明实施例还提供了一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述实施例提供的基于人脸识别的信息推送方法中的各个步骤。
本发明实施例还提供了一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令或计算机程序,当所述指令或计算机程序被运行时,使得计算机执行上述实施例提供的基于人脸识别的信息推送方法的各个步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统或装置、单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-onlymemory,ROM)、随机存取存储器(randomaccessmemory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解: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;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于人脸识别的信息推送方法,其特征在于,所述基于人脸识别的信息推送方法包括:
在待识别对象进入检测区域时,通过设于所述检测区域上的人脸检测模块采集所述待识别对象的人脸数据,并利用Harr特征提取模型对各人脸数据提取对应的Harr特征值,得到各待识别对应的人脸图像特征;
调用预先训练好的人脸识别模型,计算所述人脸图像特征对应的直方图矩阵,并基于所述直方图矩阵确定对应的身份信息;
根据所述身份信息和预先设置的身份信息与公共卫生大数据信息系统的关联性,利用数据库信息管理技术从所述公共卫生大数据信息系统检索出与所述身份信息对应的公共卫生防控信息;
基于数据传输协议对所述公共卫生防控信息进行打包,并推送至与所述待识别对象对应的终端上。
2.根据权利要求1所述的基于人脸识别的信息推送方法,其特征在于,所述通过设于所述检测区域上的人脸检测模块采集所述待识别对象的人脸数据,并利用Harr特征提取模型对各人脸数据提取对应的Harr特征值,得到各待识别对应的人脸图像特征,包括:
通过设于所述检测区域上的人脸检测模块进行人脸区域定位,确定待识别对象;
从不同角度对所述待识别对象进行采集,得到人脸图片集;
利用Harr特征提取模型计算出所述人脸图片集中各图片的特征算子,其中所述特征算子包括边缘特征、线性特征和点特征;
基于所述边缘特征、线性特征和点特征对对应的图片中的特征进行调整,提取出对应的Harr特征值;
基于所述Harr特征值构建对应的人脸图像特征。
3.根据权利要求1所述的基于人脸识别的信息推送方法,其特征在于,所述调用预先训练好的人脸识别模型,计算所述人脸图像特征对应的直方图矩阵,并基于所述直方图矩阵确定对应的身份信息,包括:
利用LBP算法计算所述人脸图像特征中各像素的LBP编码值,并基于所有像素的LBP编码值,生成对应的直方图矩阵;
以行为主序,将所述直方图矩阵转换为单行多列的向量矩阵;
计算所述向量矩阵与预设的人脸模型库中各人脸图像的直方图之间的距离,并筛选出所述距离小于预设置信度的人脸图像;
对筛选出所述距离小于预设置信度的人脸图像,按照距离大小进行排序,选择所述距离最小的一个人脸图像,并提取对应的标签信息;
对所述标签信息进行解析,得到对应的身份信息。
4.根据权利要求1-3中任一项所述的基于人脸识别的信息推送方法,其特征在于,所述根据所述身份信息和预先设置的身份信息与公共卫生大数据信息系统的关联性,利用数据库信息管理技术从所述公共卫生大数据信息系统检索出与所述身份信息对应的公共卫生防控信息,包括:
提取所述身份信息中的人脸ID号;
以所述人脸ID号作为检索的唯一标识,从所述公共卫生大数据信息系统中的基本信息表获取各数据库的访问接口以及对应的个人信息;
将所述身份信息与所述个人信息进行匹配;
在匹配满足预设条件后,以所述身份信息中的身份证号作为主要检索索引,基于访问接口从各数据库中读取对应的个人卫生检测数据,并生成与所述身份信息对应的公共卫生防控信息。
5.根据权利要求4所述的基于人脸识别的信息推送方法,其特征在于,所述公共卫生防控信息包括健康码、行程码和核酸检测报告;
所述以所述身份信息中的身份证号作为主要检索索引,基于访问接口从各数据库中读取对应的个人卫生检测数据,并生成与所述身份信息对应的公共卫生防控信息,包括:
以所述身份信息中的身份证号作为主要检索索引,基于第一访问接口从健康码信息数据库中查询出对应的健康码;
以所述身份信息中的身份证号作为主要检索索引,基于第二访问接口从行程码信息数据库中查询出对应的行程码;
以所述身份信息中的身份证号作为主要检索索引,基于第三访问接口从核酸检测信息数据库中查询出对应的核酸检测报告;
将所述健康码、所述行程码和所述核酸检测报告进行重新编码,生成对应的公共卫生防控信息。
6.根据权利要求5所述的基于人脸识别的信息推送方法,其特征在于,所述信息推送方法,还包括:
从开源的人脸数据库中获取人脸样本图像;
利用Harr特征提取算法,分别对所述人脸样本图像进行特征的提取,以及计算各特征的特征算子类型;
基于所述特征算子类型,计算所述人脸样本图像的白色区域像素的第一总和以及黑色矩形区域像素的第二总和,并基于所述第一总和和第二总和得到样本Harr特征值;
通过构建图像旋转积分图的方式,对所述样本Harr特征值的大小和位置,得到多个样本Harr特征值,其中所述多个样本Harr特征值包括人脸特征值和非人脸特征值;
基于所述人脸特征值和非人脸特征值进行特征训练,得到特征提取模型;
利用AdaBoost算法,对所述人脸特征值和所述非人脸特征值进行矩阵特征组合,并基于所述矩阵特征组合进行分类训练,得到特征分类器;
根据所述特征提取模型和所述特征分类器构建Harr特征提取模型。
7.根据权利要求6所述的基于人脸识别的信息推送方法,其特征在于,所述信息推送方法,还包括:
利用LBP算法对所述人脸样本图像进行二值化处理,并对二值化处理后的图像中的各像素点进行LBP编码,得到局部二进制编码直方图;
通过双线性差值的方式,对所述局部二进制编码直方图中的各像素的LBP编码值进行调整,得到多个LBP图像;
基于所述多个LBP图像构建对应的直方图矩阵,并进行关联,得到人脸识别样本数据;
根据所述人脸识别样本数据进行识别训练,得到人脸识别模型。
8.一种基于人脸识别的信息推送装置,其特征在于,所述基于人脸识别的信息推送装置包括:
人脸检测模块,用于在待识别对象进入检测区域时,采集所述待识别对象的人脸数据,并利用Harr特征提取模型对各人脸数据提取对应的Harr特征值,得到各待识别对应的人脸图像特征;
人脸识别模块,用于调用预先训练好的人脸识别模型,计算所述人脸图像特征对应的直方图矩阵,并基于所述直方图矩阵确定对应的身份信息;
检索模块,用于根据所述身份信息和预先设置的身份信息与公共卫生大数据信息系统的关联性,利用数据库信息管理技术从所述公共卫生大数据信息系统检索出与所述身份信息对应的公共卫生防控信息;
推送模块,用于基于数据传输协议对所述公共卫生防控信息进行打包,并推送至与所述待识别对象对应的终端上。
9.一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的基于人脸识别的信息推送方法中的各个步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的基于人脸识别的信息推送方法中的各个步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210414255.7A CN114840748A (zh) | 2022-04-20 | 2022-04-20 | 基于人脸识别的信息推送方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210414255.7A CN114840748A (zh) | 2022-04-20 | 2022-04-20 | 基于人脸识别的信息推送方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114840748A true CN114840748A (zh) | 2022-08-02 |
Family
ID=82565967
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210414255.7A Pending CN114840748A (zh) | 2022-04-20 | 2022-04-20 | 基于人脸识别的信息推送方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114840748A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116734927A (zh) * | 2023-08-14 | 2023-09-12 | 四川省林业勘察设计研究院有限公司 | 一种高原林业生态环境检测装置 |
-
2022
- 2022-04-20 CN CN202210414255.7A patent/CN114840748A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116734927A (zh) * | 2023-08-14 | 2023-09-12 | 四川省林业勘察设计研究院有限公司 | 一种高原林业生态环境检测装置 |
CN116734927B (zh) * | 2023-08-14 | 2023-10-20 | 四川省林业勘察设计研究院有限公司 | 一种高原林业生态环境检测装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109644255B (zh) | 标注包括一组帧的视频流的方法和装置 | |
CN108805076B (zh) | 环境影响评估报告书表格文字的提取方法及系统 | |
CN114067160A (zh) | 基于嵌入平滑图神经网络的小样本遥感图像场景分类方法 | |
CN105913507B (zh) | 一种考勤方法及系统 | |
CN110728252B (zh) | 一种应用于区域人员运动轨迹监控的人脸检测方法 | |
CN112464843A (zh) | 一种基于人脸人形的精准客流统计系统、方法、及其装置 | |
CN111444793A (zh) | 基于ocr的票据识别方法、设备、存储介质及装置 | |
Voronov et al. | Faces 2D-recognition аnd identification using the HOG descriptors method | |
CN115862113A (zh) | 陌生人异常识别方法、装置、设备及存储介质 | |
CN114625901B (zh) | 一种多算法整合方法及装置 | |
CN111898418A (zh) | 一种基于t-tiny-yolo网络的人体异常行为检测方法 | |
Kumar et al. | Face Recognition Attendance System Using Local Binary Pattern Algorithm | |
CN114840748A (zh) | 基于人脸识别的信息推送方法、装置、设备及存储介质 | |
CN116630100A (zh) | 旅游数据处理方法、装置、设备及存储介质 | |
CN114971294A (zh) | 数据采集方法、装置、设备及存储介质 | |
CN117372956A (zh) | 一种变电站屏柜设备状态检测方法及装置 | |
CN112686180A (zh) | 一种封闭空间人员数量计算方法 | |
CN112183460A (zh) | 一种智能识别环境卫生的方法及装置 | |
US10929697B2 (en) | Image processing for identifying individuals | |
CN116959099A (zh) | 一种基于时空图卷积神经网络的异常行为识别方法 | |
CN115510248A (zh) | 基于深度学习的人员行为特征知识图谱构建与分析方法 | |
Gomathy et al. | Face recognition based student detail collection using opencv | |
JP2003281157A (ja) | 人物検索システム、人物追跡システム、人物検索方法および人物追跡方法 | |
CN115223003A (zh) | 基于YOLOv5的入侵检测模型的训练方法和装置 | |
CN114360057A (zh) | 数据处理方法及相关装置 |
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 |