[发明专利]一种动态的人脸布控方法和系统

权利要求书

1.一种动态的人脸布控方法，其特征在于，包括：

S1、获取待检测人脸图像；

S2、提取所述待检测人脸图像的人脸特征；

S3、对提取到的所述人脸特征进行深度特征质量分析，保留优质人脸特征；

S4、计算所述优质人脸特征与人脸数据库中的人脸特征的相似度，若相似度大于相似度设定阈值，则跳转步骤S5，否则跳转步骤S6；

S5、输出计算出的相似度，以及该人脸图像和其在人脸数据库中对应的身份信息；

S6、将所述优质人脸特征以及其对应的人脸图像添加进所述人脸数据库中，然后经步骤S1～4对该优质人脸特征的人脸进行识别。

2.如权利要求1所述的动态的人脸布控方法，其特征在于，步骤S2具体为：将所述待检测人脸图像输入至训练好的用于人脸特征提取的神经网络模型，输出所述待检测人脸图像的人脸特征。

3.如权利要求2所述的动态的人脸布控方法，其特征在于，步骤S2中，训练所述用于人脸特征提取的神经网络模型，具体包括：

S21、采用Inception模块和ResNet模块构建神经网络模型；

S22、将MS-Celeb-1M人脸数据集作为训练集，对神经网络进行训练；采用的损失函数为：

其中，m表示批尺寸(batchsize)，i表示样本标注，x_i表示第i个样本，y_i表示第i个样本的标签，T表示转置操作，j表示标签标注，n表示类别总数，λ表示超参数，c表示类中心。

4.如权利要求1所述的动态的人脸布控方法，其特征在于，步骤S3具体为：计算提取到的所述人脸特征的L2范数，保留L2范数大于所述图像质量设定阈值的人脸特征作为优质人脸特征。

5.如权利要求4所述的动态的人脸布控方法，其特征在于，L2范数的计算公式为：

其中，x表示人脸特征的512维特征向量，||x||₂表示人脸特征的L2范数，i表示第i维，x_i表示第i维特征向量。

6.如权利要求1所述的动态的人脸布控方法，其特征在于，步骤S4具体为：利用余弦距离公式计算所述优质人脸特征与当前人脸数据库中的人脸特征的相似度；

所述余弦距离公式为：

其中A和B表示两个人脸特征，n表示人脸特征的维度大小，i表示第i维。

7.一种动态的人脸布控系统，其特征在于，包括：连接至同一以太网的监控摄像头、应用服务器、存储服务器和客户端；

所述监控摄像头，用于采集待检测人脸图像；

所述存储服务器，用于存储人脸数据库；

所述应用服务器，用于利用所述人脸数据库对所述待检测人脸图像进行人脸识别；

所述客户端，用于显示所述人脸识别的识别结果；

所述应用服务器进行人脸识别的具体过程为：

S1、获取待检测人脸图像；

S2、提取所述待检测人脸图像的人脸特征；

S3、对提取到的所述人脸特征进行深度特征质量分析，保留优质人脸特征；

S4、计算所述优质人脸特征与人脸数据库中的人脸特征的相似度，若相似度大于相似度设定阈值，则跳转步骤S5，否则跳转步骤S6；

S5、输出计算出的相似度，以及该人脸图像和其在人脸数据库中对应的身份信息；

S6、将所述优质人脸特征以及其对应的人脸图像添加进所述人脸数据库中，然后经步骤S1～4对该优质人脸特征的人脸进行识别。

8.如权利要求7所述的动态的人脸布控系统，其特征在于，所述人脸数据库存储有人脸图像、人脸图像对应的身份信息和人脸特征。

9.如权利要求8所述的动态的人脸布控系统，其特征在于，还包括：连接至所述以太网的管理服务器；

所述管理服务器，用于手动添加人脸数据库存储的人脸图像、人脸图像对应的身份信息和人脸特征。