[发明专利]车载人脸识别算法优化方法及系统

说明书

本申请涉及一种车载人脸识别算法优化方法及系统，属于车载人脸识别系统的技术领域，其方法包括以下步骤：一、图像采集；二、一层筛选；三、二层筛选；四、缓存创建；五、名称过滤；六、图像过滤，系统包括总数据库、图像采集模块、一次筛选模块、二次筛选模块、存储模块、缓存模块、名称过滤模块和图像过滤模块，拍摄图像后根据图像进行两层筛选，并对筛选结果进行名称过滤和图像过滤，本发明具有能够短时间内判断人脸识别系统误报的结果，有效减少人脸识别系统误报的可能的效果。

技术领域

本发明涉及车载人脸识别系统的技术领域，尤其是涉及一种车载人脸识别算法优化方法及系统。

背景技术

目前人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。人脸识别系统主要包括四个组成部分，分别为：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。现在人脸识别系统在采集到图像后可以自动判断出图像中的人脸，并对人脸进行识别。

车载人脸识别系统可以用于安装在警车上对过路的行人进行身份识别。这种人脸识别系统需要对短时间内采集的图像进行人脸识别，对图像的清晰度、识别速度和准确度等都需要有很高的要求。

上述中的现有技术方案存在以下缺陷：车载人脸识别系统在对车载图像采集设备拍摄的视频进行人脸识别的时候，由于行人在不断运动，车辆可能也会发生运动，会导致识别出的人脸可能不属于同一人，识别过程中容易出现误报，误报会严重影响警方行动，警方又没有时间在后续进行识别结果的筛选判断，现有技术难以实现在短时间内减少人脸识别系统的误报数量。

发明内容

为了在短时间内减少人脸识别系统的误报数量，本申请提供一种车载人脸识别算法优化方法。

本申请提供的一种车载人脸识别算法优化方法采用如下的技术方案：

一种车载人脸识别算法优化方法，包括以下步骤：

一、图像采集：通过车载图像采集设备拍摄视频，将视频分解为多个图像；

二、一层筛选：通过欧氏距离寻找图像中最邻近的设定数量的人员资料，并通过欧式距离对人员资料进行筛选；建立特定存储单元，并将筛选出的人员名称和图像添加至对应计算结果的特定存储单元内；

三、二层筛选：对第二步筛选的结果通过余弦相似度进行筛选；将筛选出的人员名称和图像添加至对应计算结果的特定存储单元内；

四、缓存创建：根据追踪算法推算出人脸框的跟踪编号，建立图像缓存数据库和名称缓存数据库，将代表图像的图像编号和对应图像编号的跟踪编号绑定后存储于图像缓存数据库，将代表人名的名称编号和对应名称编号的跟踪编号绑定后存储于名称缓存数据库；

五、名称过滤：当特定存储单元内的人员名称达到设定数量时，筛选该特定存储单元内出现次数最多的人员名称，并删除其他人员名称以及名称缓存数据库中对应的名称编号和跟踪编号；

六、图像过滤：根据跟踪编号调用名称缓存数据库中出现次数最多的名称编号，并获取该名称编号出现的次数，当该名称编号出现的次数大于设定值时将该名称编号及对应的跟踪编号输出。

通过采用上述方案，警车在拍摄图像时对拍摄的视频进行人脸识别，在人脸识别过程中通过对图像进行二次筛选获得筛选结果，名称过滤能够过滤掉二次筛选后人脸框和人员名称不对应的结果，图像过滤能够将判断过程中判断准确度最高的结果筛选出来，将传统人脸识别算法对单帧图像的识别转化为对多帧图像的识别判断，能够有效减少最终获得的结果误判的可能，同时能够有效降低复杂环境对算法的不良影响。

优选的，步骤二具体设置为：

二a、通过欧氏距离计算图像中人脸与人员资料人脸的欧式距离值并筛选出最邻近的设定数量的人员资料，判断筛选出的人员资料对应的欧氏距离值是否呈平缓分布；