[发明专利]基于机器学习的面部信息识别监控方法及装置

权利要求书

1.一种基于机器学习的面部信息识别监控方法，其特征在于，包括：

从区块链网络的不同区块节点中获取监控目标的面部信息，并识别所述面部信息的肌肉特征；

根据完成训练的至少一个肌肉运动分类模型对所述肌肉特征进行分类处理，得到至少一个肌肉动作情感信息分类结果；

逐一判断所述肌肉动作情感信息分类结果是否匹配预设监控示警对应关系中的示警等级信息，所述预设监控示警对应关系包括不同肌肉动作情感信息分类结果与不同示警等级信息的对应关系；

若匹配，则发送携带有所述示警等级信息的示警信号。

2.根据权利要求1所述的方法，其特征在于，所述识别所述面部信息的肌肉特征包括：

对所述面部信息划分多个肌肉分布区域；

标记所述多个肌肉分布区域的平衡点，并基于所述平衡点之间的连线确定所述多个肌肉分布区域的主次关系；

基于所述主次关系确定所述面部信息的肌肉特征。

3.根据权利要求2所述的方法，其特征在于，所述基于所述平衡点之间的连线确定所述多个肌肉分布区域的主次关系包括：

连接处于相邻关系的所述平衡点，计算得到的各连线的倾斜角度；

根据所述倾斜角度确定所述平衡点对应肌肉分布区域中的主运动肌肉信息和次运动肌肉信息，得到主次关系。

4.根据权利要求3所述的方法，其特征在于，所述基于所述主次关系确定所述面部信息的肌肉特征包括：

根据预设面部肌肉运行列表获取所述主次关系中的主运动肌肉信息匹配的肌肉特征；和/或，

根据所述主次关系为所述主运动肌肉信息和所述次运动肌肉信息分配权重，计算所述主次关系对应的肌肉特征参数，确定肌肉特征。

5.根据权利要求1所述的方法，其特征在于，所述肌肉运动分类模型包括至少一个肌肉运动分类模型，所述肌肉运动分类模型的训练方法包括：

按照待训练的肌肉信息集中的任意两个肌肉信息生成包含有至少一个二分数组的肌肉特征训练数据；

配置与所述二分数组匹配的权重矩阵；

标记与所述肌肉特征训练数据匹配的肌肉动作情感信息；

基于所述肌肉特征训练数据、所述权重矩阵和所述肌肉动作情感信息训练预设的一层神经网络模型，得到至少一个肌肉运动分类模型。

6.根据权利要求5所述的方法，其特征在于，所述发送携带有所述示警等级信息的示警信号之后，还包括：

接收基于所述示警信号录入的分类结果确认信息；

解析所述分类结果确认信息中校正肌肉动作情感信息；

若所述校正肌肉动作情感信息与所述肌肉动作情感信息的相似度小于预设阈值，则根据所述校正肌肉动作情感信息对所述肌肉特征训练数据进行更新标记，以重新对所述肌肉运动分类模型进行训练。

7.根据权利要求1-6任一项所述的方法，其特征在于，所述从区块链网络的不同区块节点中获取监控目标的面部信息包括：

通过至少一个摄像设备实时采集监控目标的图像信息；

利用图像处理技术从所述图像信息中筛选面部信息；

所述识别所述面部信息的肌肉特征之前，还包括：

若所述图像信息未筛选出面部信息的时间信息大于预设告警时间，则发送携带有所述目标丢失的告警信号。

8.一种基于机器学习的面部信息识别监控装置，其特征在于，包括：

识别模块，用于从区块链网络的不同区块节点中获取监控目标的面部信息，并识别所述面部信息的肌肉特征；

处理模块，用于根据完成训练的至少一个肌肉运动分类模型对所述肌肉特征进行分类处理，得到至少一个肌肉动作情感信息分类结果；

判断模块，用于逐一判断所述肌肉动作情感信息分类结果是否匹配预设监控示警对应关系中的示警等级信息，所述预设监控示警对应关系包括不同肌肉动作情感信息分类结果与不同示警等级信息的对应关系；

发送模块，用于若匹配，则发送携带有所述示警等级信息的示警信号。