[发明专利]基于深度学习和大规模集群的智能人脸追逃系统及方法

权利要求书

1.一种基于深度学习和大规模集群的智能人脸追逃系统，包括：视频输入单元，分发服务器，人脸识别服务器集群，输出服务器，

所述视频输入单元，对多路网络摄像头采集的视频流进行解码，分析处理，并将处理后的视频帧传送给分发服务器，

所述分发服务器，将从所述视频输入单元获取的视频帧分发给所述人脸识别服务器集群中的人脸识别服务器进行分析，

所述人脸识别服务器集群，包含多个人脸识别服务器，每个人脸识别服务器对接收的视频帧调用基于深度学习的人脸识别算法进行分析处理，并将处理的结果发送到输出服务器上，人脸识别服务器进一步包括人脸检测服务器，人脸分发服务器和人脸匹配服务器，

所述人脸检测服务器基于深度学习的人脸识别算法检测人脸，并获得人脸特征数据，发送给人脸分发服务器；

所述人脸分发服务器从人脸检测服务器中获取识别出的人脸特征数据，并将接收到的人脸特征数据分发至人脸匹配服务器进行人脸匹配，最后对多个人脸匹配服务器返回的结果进行合并；

所述人脸匹配服务器，从人脸分发服务器接收人脸特征数据，使用深度学习方法与入库人脸进行比对，计算相似度，输出最相似前N个人脸至人脸分发服务器。

2.根据权利要求1所述的系统，所述视频输入单元进一步包括：图像采集单元，视频解码单元和图像预处理单元，

其中，所述图像采集单元，从多路网络摄像头采集已编码视频流信号，并将该信号输入至所述视频解码单元，

所述视频解码单元，对接收到的视频流信号进行解码，并将解码后的视频帧信息输入至所述图像预处理单元，

所述图像预处理单元，对解码后的视频帧进行预处理，最后将预处理后的视频帧作为结果传送至所述分发服务器。

3.根据权利要求1所述的系统，所述人脸识别服务器对分发服务器输入的视频帧，检测人脸，并进行质量判断，挑选满足要求的若干帧作为关键帧，并提取每一帧的人脸特征。

4.根据权利要求3所述的系统，所述人脸识别服务器进行质量判断，对每个检测到的人脸图像，首先判断两眼间距是否满足设定要求，若满足要求则计算检测到的人脸图像的人脸置信度得分是否满足设定要求，如继续满足，则计算正脸得分是否满足设定要求，如满足则判断该帧能够用于识别人脸；否则，任何一个不满足，舍弃该检测到的人脸图像。

5.根据权利要求3所述的系统，所述人脸识别服务器对已检测到人脸在后续帧中进行跟踪，所述人脸识别服务器每隔若干帧进行一次人脸检测，当检测到人脸时，对满足质量要求的人脸使用标记框对包括人脸的部分进行标记；判断标记的人脸面积与已检测到的人脸面积是否有重合，当重合度满足预设阈值时，则认为与已检测到的人脸为同一人脸，则对标记的人脸在标记框内进行人脸对齐，检测人脸关键点位置，计算人脸关键点外包围矩形，替换之前检测到的认为为同一人脸的标记框内的图像，否则认为当前标记的人脸为新的人脸，跟踪结束。

6.根据权利要求5所述的系统，人脸识别服务器，当判断新标记的人脸与已检测到的人脸为同一人脸时，将该新标记的人脸图像和已检测到的人脸使用相同的第二标识符标识。

7.根据权利要求1所述的系统，所述人脸识别服务器采用的基于深度学习的人脸识别算法为DeepId深度学习算法，先建立KD树，在查找时，建立KD树搜索K个近邻；遍历KD树，在遍历KD树时，每层选取人脸特征中的一维进行比较，以确定下一层检索的分支，最后确定与关键帧相似的多个人脸特征。

8.根据权利要求1所述的系统，人脸匹配服务器使用的人脸匹配，对具有相同标识符标识的M帧图像，根据是否正脸、清晰度计算一个质量分值q_i，i∈[1，M]；对M帧图像中的每帧图像，分别从人脸库中检索比对找出最相似的N个用户，对应相似度为S_i，userj，i∈[1，M]，j∈[1，N]；对M帧图像检索比对共得到K个用户，计算此K个用户中每个用户的相似度的得分，k∈[1，K]，K＝M×N；

根据对K个用户按降序排列，选取最相似的若干个用户。