[发明专利]一种基于建筑信息模型的云端人脸识别与定位方法

权利要求书

1.一种基于建筑信息模型的云端人脸识别与定位方法，其特征在于包括：

步骤A、云端BIM信息库的构建

A1、利用BIM建模软件建立区域下的BIM建筑模型；

A2、将BIM模型划分为具有层次的域，并将不同的域分别进行编码；

A3、BIM模型导出IFC格式，用IFC解析工具剔除模型附带的属性信息，只保留建筑几何信息；

A4、将剥离属性信息的BIM几何模型植入云端数据库，依据A2步骤中所分的区域及编码，在数据库设定每个区域的读取端口；

步骤B、人脸特征信息提取与云端存储

B1、获取特征信息；

B2、人脸检测：依据人脸经验算法，对获取到的数据源进行人脸检测，进而轮廓线选择出人脸区域；

B3、预处理：将彩色照片转化成灰度照片，继续转为像素点集，去掉人脸以外部分的冗余点数据，进一步稀释处理，去掉平滑过渡的点；

B4、放大权重处理：引入放大权重处理系数s来表示其放大程度，对五官、人脸轮廓等关键特征点进行放大强化，s1，对于脸部、头部等非关键特征点进行淡化，s1；

B5、将处理好的人脸特征值依据其常驻地点，按照步骤A2中的域进行分类，并植入云端数据库存储，根据对应关系映射至BIM数据库与用户信息数据库；

步骤C、云端人脸识别实施；

C1、设备架设：建筑内部安装全景摄像头，全面覆盖建筑内部，依据步骤A2的分区，架设云端处理单元，用以运行该区域的人脸识别，各云端处理单元共用一套云端数据库；

C2、人脸检测：依据人脸经验算法，对获取到的数据源进行人脸检测，进而用轮廓线选择出人脸区域；

C3、人脸预处理：彩色照片转化成灰度照片，继续转为像素点集，去掉人脸以外部分的冗余点数据，进一步稀释处理，去掉平滑过渡的点；

C4、人脸识别：设置判断阈值，依据步骤A2确定的域，域内摄像头进行人脸识别过程时，首先以数据库中该区域分类下的人脸为比对对象，将采集到的人脸特征值与其进行比较，计算相似点位占总点位的百分比，即为相似度，若其高于阈值，则判断通过，可认为是本人，有该区域权限；反之，不通过，则将相邻区域内人脸作为比对对象，继续进行对比；

C5、若判断通过，则将该区域的编码输出至云端管理平台，通过编号与BIM数据库之间的对应关系，以BIM模型可视化的形式显示人员定位；

C6、深度学习：引入加权系数r，在每一次人脸识别过程中，如识别通过，系统记录下该人本次的人脸特征值、识别人脸与目标人脸样本的相似度，并按照相似度超出大小所占的比例自动调整加权系数，将本次特征值与预存特征值进行加权平均，实现人脸信息随时间的微小过渡更新；

步骤D、终端功能子系统接入云端系统。

2.根据权利要求1所述的基于建筑信息模型的云端人脸识别与定位 方法，其特征在于所述步骤D包括：根据需求建立功能子系统，包括：门禁系统、考勤系统、摄像监管系统、防走失寻人系统、刷脸支付系统和/或室内紧急救护系统。

3.根据权利要求1所述的基于建筑信息模型的云端人脸识别与定位 方法，其特征在于：所述步骤B1特征信息获取源包括：统一采集录入或视频录像帧提取或现有照片。