[发明专利]一种基于深度学习的ATM机异常人脸检测方法

说明书

本发明适用于图像识别技术改进领域，提供了一种基于深度学习的ATM机异常人脸检测方法，包括：S1、异常人脸的训练样本采集和整理；S2、构建卷积神经网络并制作异常人脸分类器；S3、将样本输入构建好的模型训练获得各个异常人脸的类别；S4、将获取前景人脸图像输入多标签卷积神经网络，得到图像的各标签的置信度根据规则判断目标是否为异常人脸。本方法可以消除各个异常人脸的属性分类的互相干扰情况，增强了预测的准确性；不直接提供异常人脸预测结果，而是提供人脸图片各属性的可信度，配置人员可以参考各个人脸属性的置信度来灵活的调整异常人脸的预警策略。

技术领域

本发明属于计算机视觉技术改进领域，尤其涉及一种基于深度学习的ATM机异常人脸检测方法。

背景技术

人脸分类和检测是计算机视觉应用得运用比较广泛的一个方向，人的脸部虽然拥有共同特征，比如五官的存在，眼睛与口鼻的相对位置等。但是在细节上，每个人脸，在形态，大小，肤质方面都拥有一定的差异性，所以一般情况下可以通过人脸图像的这些面部特征来区分不同种类的人脸。但在现实应用场景当中，我们获取的人脸图像会受到周围环境或者采集设备带来的各种干扰，比如明暗，方向不同的各种光源照射至脸部会引发人脸图像灰度值剧变，对人脸的特征提取和分类带来巨大挑战，致使人脸分类算法在大部分实际情况可用性不佳。但是，现如今深度学习的出现，为人脸识别带来新的可能，相较于传统机器学习算法人为设计人脸特征各种局限，深度学习可以通过大量的样本学习到表达能力强的，鲁棒的人脸特征，可以适应大部分情况下的人脸分类任务，比如ATM的异常人脸识别，ATM机的拍摄的人脸图像，可能由于人的高矮，摄像头安装的位置问题，可能呈现各种不同角度，不同形态下的人脸，普通机器学习算法可能难以达到相对准确的预测，通过输入各种异常人脸图片对模型进行训练，可以对各种姿态下的ATM前景人脸进行准确的分类图像。

发明内容

本发明的目的在于提供一种基于深度学习的ATM机异常人脸检测方法，旨在解决上述的技术问题。

本发明是这样实现的，一种基于深度学习的ATM机异常人脸检测方法，所述方法包括以下步骤：

S1、异常人脸的训练样本采集和整理；

S2、构建卷积神经网络并制作异常人脸分类器；

S3、将样本输入构建好的模型训练获得各个异常人脸的类别；

S4、将获取前景人脸图像输入多标签卷积神经网络，得到图像的各标签的置信度根据规则判断目标是否为异常人脸。

本发明的进一步技术方案是：所述步骤S1中还包括以下步骤：

S11、通过关键字抓取网络上的异常人脸图片形成初步异常人脸训练样本；

S12、对所有初始训练样本通过框选形成样本集。

本发明的进一步技术方案是：所述步骤S11中还包括以下步骤：

S111、利用整理开放的人脸识别数据库图像作为补充形成初步异常人脸训练样本。

本发明的进一步技术方案是：所述步骤S2中还包括以下步骤：

S21、以MobileNet作为基础搭建卷积神经网络结构；

S22、通过搭建的卷积神经网络结构构建训练多标签分类器。

本发明的进一步技术方案是：所述步骤S3包括以下步骤：

S31、获取ATM机背景建模算法截取到的包含人脸的图块；

S32、通过图像清晰度标签的置信度判断该图像的特征是否明显；

S33、判断清洗置信度是否大于设定阈值，如是，则进入其余多标签规则判断，如否，则认为图像质量有问题放弃当前图像并继续获取下一张图像；