[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

说明书

本公开涉及一种基于深度学习和大规模集群的智能人脸追逃系统及方法。该系统包括视频输入单元，分发服务器，人脸识别服务器集群，流媒体服务器，分布式文件服务器，消息中心服务器，web前端服务器，及常见操作系统的客户端。该系统利用通过大规模集群服务器和基于深度学习的人脸识别技术，能够在图像质量下降的情况下依然保持较高的识别率，更重要的是在大规模数据库中保持较低的误报率与漏检率，从而保证智能追逃系统的可靠性与鲁棒性，使基于人脸识别的智能追逃系统在安防领域达到真实可用。

技术领域

本发明属于安防监控领域，具体来说涉及一种基于深度学习和大规模集群的人脸追逃系统及方法。

背景技术

随着经济的高速发展以及城镇建设速度的加快，导致城市中人口密集，流动人口增加，社会犯罪率呈逐年上升的趋势，引发了城市建设中的交通、社会治安、重点区域防范等城市管理问题。因此，近年来，针对犯罪分子流动性较强，情况比较复杂，重点人员布控困难等情况，人脸智能布控和追逃系统应运而生。此类系统可应用于传统视频布控网络，并且无需使用者配合，因而操作隐蔽性强，特别适合于公安部门的安全防范、罪犯监控、罪犯抓捕等。为公安防范体系提供简单且高效的技术手段。此外，随着大众的安全意识的增强，以及对个人生命财产的自我保护，现在商业中民用的安全保护体系也快速发展，基于人脸识别的智能安全系统也得到越来越广泛的应用。

现有的人脸识别技术，对于限定在一定条件下的人脸图像，例如，正面人脸、光照条件良好、无遮挡物体、无眼镜反光情况下获取的人脸图像，其识别率可以满足一些民用领域的低端应用(如门禁、考勤等)的要求。然而，现有的人脸视频布控主要利用城市中已有的监控摄像机采集人脸图像，因此很容易受到光照、姿态、遮挡、外表附属物以及图像采集设备的影响。当上述一个或多个条件发生变化时，识别效果会大大降低。再者，当数据库规模达到一定数量级后(如百万级)，目前人脸识别系统的误报警率与漏检率会大幅升高，造成不法份子躲过检查的几率大大提高。因此，很大程度上限制了基于人脸识别的智能监控系统在公共安全防范领域的大规模应用。此外，随着视频监控的广泛普及，大规模视频监控网络已在全国各地建成。这给人脸追逃系统布控的实时性，准确性，可扩展性等提出了非常高的要求。

发明内容

本发明为了有效地解决上述问题，提出了一种基于深度学习的智能人脸追逃系统。

本发明设计的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，

所述视频输入单元，主要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，

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入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。

本发明还涉及一种基于深度学习和大规模集群的智能人脸追逃方法，该方法的步骤包括：

步骤S1，视频输入单元从多路网络摄像头采集视频流，并对所述视频流进行解码，分析处理，并将处理后的视频帧传送给分发服务器；

步骤S2，所述分发服务器将从视频输入单元获取的视频帧分发给特定的人脸识别服务器进行分析；

步骤S3，人脸识别服务器对接入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；

步骤S4，人脸识别服务器将处理的结果发送到相关的输出服务器上。

本发明通过深度学习(deep learning)，能够在图像质量下降的情况下依然保持较高的识别率，更重要的是在大规模数据库中保持较低的误报率与漏检率，从而保证智能追逃系统的可靠性与鲁棒性，使基于人脸识别的智能追逃系统在安防领域达到真实可用。