[发明专利]基于运动场景及深度学习的车载人脸识别系统及方法

说明书

本发明公开了基于运动场景及深度学习的车载人脸识别实时监控系统及方法，包括：设置于警用车车顶板的摄像装置、服务器和终端；所述摄像装置实时采集数据，对采集的视频进行处理后传输至服务器；所述服务器包括人脸识别模块和系统人脸数据库，人脸识别模块为训练好的模型，采用深度学习方法进行人脸特征提取，进而比对摄像装置视频中的人脸和系统人脸数据库中的人脸，若一致，则将信息发送至终端。通过与服务器所述的身份数据库进行人脸比对，发现可疑人员后通过网络对终端发出提醒和报警，第一时间锁定嫌犯，采取控制措施，避免不必要的伤亡，提升安全性。

技术领域

本发明属于机动车领域，尤其涉及基于运动场景及深度学习的车载人脸识别实时监控系统及方法。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

随着人工智能技术的不断进步，各行各业都在发生翻天覆地的变化，尤其是人脸识别在系统进行嫌疑人的监控侦查中起到重要作用。

发明人在研究中发现，现阶段的监控系统大多存在于道路监控，现用的道路监控系统虽然采用了监控摄像头对情况进行全天候的录像监控，但监控范围太广，只有在紧急事件发生后，才会对事发时间段内的道路监控录像进行提取和反复比对，是一种离线被动状态，等找到证据的时候往往为时已晚，时效性大大减低，整体运行成本过高。但是随着嫌疑人抓捕过程中，侦查实时性的要求，目前还未出现将人脸识别技术应用在警用车联网识别验证，联网授权，实时监控出警情况的综合应用系统。

目前的人脸识别技术，大多针对受控条件下的情况，人脸姿态变化小，光照影响不明显，多采用传统机器学习的方法，对于运动场景下的人脸识别依然是一个难以解决的问题，此时人脸非受控且由场景和运动造成的识别困难制约着这一领域的发展。

发明内容

为克服上述现有技术的不足，本发明提供了一种基于运动场景及深度学习的车载人脸识别实时监控系统，第一时间锁定嫌犯，采取控制措施，避免不必要的伤亡，提升监控的时效性。

为实现上述目的，本发明的一个或多个实施样例提供了如下技术方案：

基于运动场景及深度学习的车载人脸识别实时监控系统，包括:

设置于警用车车顶的摄像装置、服务器和终端系统；

所述摄像装置实时采集数据，对采集的视频进行处理后传输至服务器；

所述服务器包括人脸识别模块和系统人脸数据库，人脸识别模块为训练好的模型，采用深度学习方法进行人脸特征提取，进而比对摄像装置视频中的人脸和系统人脸数据库中的人脸，若一致，则将信息发送至终端。

进一步的技术方案，所述终端包括蓝牙端、中心服务器和报警系统，所述服务器通过网络与所述终端相连接，通过蓝牙与蓝牙端相连接，所述蓝牙端佩戴在出警人员耳朵上，所述蓝牙端和所述报警系统均与所述中心服务器相连接。

进一步的技术方案，所述摄像装置包括中央处理器和均与所述中央处理器电性连接的采集摄像模块、抓拍摄像模块及通讯模块；

采集摄像模块包括采集摄像电荷藕合器件图像CCD传感器和与所述采集摄像电荷藕合器件图像CCD传感器电性连接的采集摄像视频编码单元。

本发明还公开基于运动场景及深度学习的车载人脸识别实时监控方法，包括：

收集系统的人脸库人脸图像并处理；

对提出的卷积神经网络模型进行深度学习训练；

建立训练好的卷积神经网络模型；

用训练好的卷积神经网络模型把采集的运动场景的人脸和人脸库中的人脸特征进行对比，得到的人脸身份信息；

将检测到的人脸身份传送到终端。