[发明专利]一种基于安防视频识别面部特征的方法及系统

说明书

本发明提供了一种用于安防监控项目的室内定位方法及系统。该方法包括如下步骤：步骤1：通过架设好的安防监控摄像头进行实时影像采集，并实时回传监控摄像头的监控影像；步骤2：对监控影像进行预处理及面部遮挡物过滤计算；步骤3：对去除遮挡物后的待识别目标的面部特征进行还原；步骤4：对还原后的面部特征进行人脸比对；步骤5：根据人脸比对结果进行决策指挥。本发明利用公共安防布设的监控摄像头和图像自动识别技术以及优化的面部特征提取过滤方法和人工智能深度学习算法，解决目前安防领域面临的对人脸识别尤其是面部遮挡情况下的人脸识别准确率低，识别周期长的问题，为安防合成指挥决策提供了可靠依据，提高安防合成指挥的决策效率，降低了由于识别不准确而带来的公共安全隐患。

技术领域

本发明涉及一种公共安全治理的视频识别技术，尤其涉及一种智慧公安视频在面部遮挡情况下自动识别面部特征并进行人脸比对匹配的方法及系统。

背景技术

人脸识别作为模式识别领域的热点研究问题受到了广泛的关注，人脸识别技术在众多领域的身份验证中有着广阔的应用前景。在实际人脸图像处理过程中，人脸图像的遮挡会经常出现，如头发、口罩、围巾、大胡子等，而遮挡对人脸识别有很大的影响。因此，如何准确、自动地检测人脸遮挡区域成为遮挡人脸识别处理的关键问题之一。尤其在安防领域，部分极端分子蒙面罩袍、留大胡子给安全监控人身份识别造成很大困难，同时对公共安全防护存在巨大风险。人脸识别是当前公众安全领域内一项重要的应用，主要用以识别判断人员身份信息，而面部的遮挡对于身份识别的准确性造成很大的影响，在公安领域尤其是对防恐防暴的重点排查人员的识别上，如及时性不高则会对公众安全造成难以估量的损失，因此有效提高在面部被遮挡的情况下的快速、准确识别目标身份具有十分重大的社会价值。

目前主流的人脸遮挡区域检测方法是基于PCA分析检测方法。该方法包括两个关键步骤：在分析阶段，将遮挡人脸图像投影到人脸特征空间，并利用投影系数重建人脸；在检测阶段，将遮挡人脸图像与重建人脸图像进行比较，差异越大，判定为遮挡的可能性越大。遮挡区域根据重建人脸与原始遮挡人脸的差异来估计。基于平均人脸的人脸遮挡区域检测方法与基于PCA分析检测方法类似，只是参考图片选取的是平均脸图像。基于PCA或平均脸的分析检测方法在很大程度上依赖于参考样本，对于人脸的位置、姿势等十分敏感，而发型、胡子等遮挡往往伴随着不同的人脸姿势，这给面部识别的准确性和时效性带来很大的限制。

因此，需要一种快速、有效的基于安防视频识别面部特征的方法及系统。

发明内容

本发明的目的是解决现有实际情况的识别不准确、识别效率低下的问题，提供一种基于安防视频识别面部特征的方法和系统，通过利用安防、卡口等摄像头获取实时影像并上传至安全防控中心的安防视频识别系统中进行存储，并通过接收到的视频进行实时计算从而进行图像预处理，待识别目标如被遮挡则将图像交由遮挡物过滤处理模块进行过滤还原面部特征，再将还原的面部特征通过与公安各种人员信息库进行比对识别，最终将比对识别出的身份信息传送给公安指挥、反恐指挥、交管指挥、重大安全保障指挥等各个指挥应用系统，各个应用系统根据信息结果进行决策与行动指挥。

本发明的一个方面是提供了一种基于安防视频识别面部特征的方法，包括如下步骤：步骤1：通过架设好的安防监控摄像头进行实时影像采集，并实时回传监控摄像头的监控影像；步骤2：对监控影像进行预处理及面部遮挡物过滤计算；步骤3：对去除遮挡物后的待识别目标的面部特征进行还原；步骤4：对还原后的面部特征进行人脸比对；以及步骤5：根据人脸比对结果进行决策指挥。

优选地，步骤3中，对步骤2中传输到安防监控中心服务器上的实时影像进行预处理包括：步骤31：对所述实时影像进行初步筛选，判断影像及图片是否包含完整头部正面信息，自动过滤掉背影和不包含面部信息的影像和图片；步骤32：针对包含头部正面信息的影像和图片进行标记，主要标记图像内面部范围和轮廓。

优选地，步骤3中进行面部遮挡物过滤计算包括：对预处理标记的范围进行处理，将需要进行面部识别的影像通过遮挡物过滤处理模型去除遮挡物。