[发明专利]一种校园用人脸识别安全隐患报警装置

说明书

本发明公开了一种校园用人脸识别安全隐患报警装置，包括(1)本地服务器通过图像采集装置采集人脸图像；(2)本地服务器将采集的人脸图像发送给远端服务器；(3)远端服务器对图像信息进行初步处理；(4)远端服务器对进行了初步处理后的图像信息进行人脸特征的提取；(5)远端服务器对提取的人脸特征进行人脸验证分析；(6)远端服务器对经过验证分析后的人脸图像信息进行数据库匹配计算等步骤。本发明提供一种校园用人脸识别安全隐患报警装置，能够有效的完成校园中图片信息的采集，并将采集后的图片信息发送到公安部门与数据库中的相关图像信息进行对比，最终根据图像信息对比的结果判断是否需要进行报警。

技术领域

本发明属于校园安全领域，具体是指一种校园用人脸识别安全隐患报警装置。

背景技术

校园安全与每个师生、家长和社会都有着密切的关系。从广义上讲，校园事故是指学生在校期间，由于某种偶然突发的因素而导致的人为伤害事件。就其特点而言，一般是因为责任人疏忽大意过失失职而不是因为故意而导致事故的发生。

随着社会的发展与进步，尤其是近年来在国内外不时出现的各类校园安全事故，也使得广大院校愈发的重视校园的安全问题。全国许多校园为了提高校园的安全性，降低校园的安全隐患，也逐步与公安部门进行了联动，通过图像等数据传输比对的方式对进入校园的人员进行识别与辨认，以降低校园内安全事故的发生机率。

但是，如何更好的对图像信息进行对比，提高图像信息对比的准确度，以避免发生误会则需要更加细致的研究与设计。

发明内容

本发明的目的在于克服上述问题，提供一种校园用人脸识别安全隐患报警装置，能够有效的完成校园中图片信息的采集，并将采集后的图片信息发送到公安部门与数据库中的相关图像信息进行对比，最终根据图像信息对比的结果判断是否需要进行报警。

本发明的目的通过下述技术方案实现：

一种校园用人脸识别安全隐患报警装置，包括以下步骤：

(1)本地服务器通过图像采集装置采集人脸图像；

(2)本地服务器将采集的人脸图像发送给远端服务器；

(3)远端服务器对图像信息进行初步处理；

(4)远端服务器对进行了初步处理后的图像信息进行人脸特征的提取；

(5)远端服务器对提取的人脸特征进行人脸验证分析；

(6)远端服务器对经过验证分析后的人脸图像信息进行数据库匹配计算；

(7)远端服务器将匹配结果反馈给本地服务器；

(8)本地服务器在反馈结果为安全时显示安全，在反馈结果为危险时显示危险并通过外接的报警器报警提示。

步骤(3)的具体处理算法为：

其中，F(w)为“傅里叶变换-自变量”，f(t)为“时间信号”，WT函数为求积分，-iwt为“整数小波变换”，dt为“时间轴”。

步骤(4)的人脸特征提取网络基于简单的卷积网络其中layer3和layer4共同连接到DeepID2layer上，同时layer3和layer4采用了局部权值共享的卷积方式；

卷积神经网络在DeepID中的作用是学习特征，即将图片输入进去，学习到一个160维的向量，然后在这个160维向量上，套用现有的分类器，即可得到结果；DeepID之所以有效，首先在于卷积神经网络学习到的特征的区分能力比较强，为了得到比较强的结果，DeepID采取了增大数据集的手法，只有大的数据集才能使得卷积神经网络训练的更加的充分，增大数据集采用两种手法的组合：