[发明专利]基于图像识别技术的异常人物关系网络挖掘方法

权利要求书

1.基于图像识别技术的异常人物关系网络挖掘方法，其特征在于，结合人脸识别技术构建人物关系网络并进行异常子图检测，包括以下步骤：

1)首先输入多张图片，需要输入的图片是围绕关键人物与其他人的合照；

2)对于输入的多张图片，使用人脸识别dlib深度学习算法实现人脸聚类；

3)根据聚类结果，构建社交关系网络，其中节点为关系，节点权重为关系的程度，边为人；

4)由步骤3)得到的关系网络，使用NPHGS非参数图统计方法对其进行异常检测；

5)有步骤4)找出关键人物及关键人物的异常关系；

具体的，步骤2)包括以下步骤：

(2-1)前期准备：从http://dlib.net/files/下载获得人脸关键点检测器文件1.dat,人脸识别模型文件2.dat；模型数据文件是用来估计人脸上68个特征点(x,y)的坐标位置；

(2-2)将68个特征点映射到128维的空间中，计算彼此之间的欧式距离：

若是同一张脸则更加接近，反之距离更远；

二维欧式距离：

三维欧式距离：

依次类推

而判定的标准阈值由自己选定，通常是0.6；

(2-3)具体实现：上述过程主要包括三个子函数fun1，fun2，fun3，其中fun1函数功能是得到一张相片的特征值,fun2函数功能是得到多张相片的特征值库,fun3函数功能是计算待识别人脸相片的特征值和特征值库的欧式距离,输出距离最小者；

(2-4)为每个人设置一个文件夹，将距离小于标准阈值的视为同一个人放入相应文件夹中，实现人脸的聚类。

2.根据权利要求1所述的基于图像识别技术的异常人物关系网络挖掘方法，其特征在于，所述步骤3)具体为：

(3-1)将步骤2)中人脸聚类结果首先构建以人作为节点，人与人之间的关系作为边的网络；关系的判定根据是否出现在同一张图片中，一张图片中的所有人中都有关系，则都有边相连，权重为出现在同一张图片的个数，表示关系的程度；

(3-2)将上述的社交网络转换成关系为节点，节点的权重表示关系的程度，人作为边的网络。