[发明专利]一种用于预测隐性特定人员的系统及方法

权利要求书

1.一种用于预测隐性特定人员的方法，其特征在于，所述方法具体包括以下步骤：

步骤一、分别对每个特定人员的照片进行预处理，获得每个特定人员对应的预处理后的照片，再从预处理后的照片中截取出每个特定人员的人脸区域图像；

步骤二、利用人脸抓拍机抓拍人脸图像；

步骤三、对步骤二抓拍的人脸图像进行预处理，获得预处理后的图像；并从预处理后的图像中截取出人脸区域图像；

步骤四、分别计算出步骤三截取出的人脸区域图像与每个特定人员的人脸区域图像的相似度，选取出大于第一阈值的相似度所对应的特定人员的人脸区域图像；

步骤五、将步骤四中选取出的人脸区域图像分别输入构建的多通道卷积网络模型，分别得到选取出的每张人脸区域图像对应的特征向量；

所述步骤五的具体过程为：

构建多通道卷积网络模型，所述多通道卷积网络模型的结构具体包括三个通道，其中：第一通道包括3个串行的卷积层，第二通道包括5个串行的卷积层，第三通道包括7个串行的卷积层；

从步骤四选取出的人脸区域图像中再任意选择出一张图像，将选择出的该张图像分别作为多通道卷积网络模型的第一通道、第二通道和第三通道的输入，计算出第一通道输出的特征向量与第三通道输出的特征向量的欧氏距离以及第二通道输出的特征向量与第三通道输出的特征向量的欧氏距离其中，为第一通道输出的特征向量，为第二通道输出的特征向量，为第三通道输出的特征向量；

利用和为每个通道输出的特征向量分配权重，将第一通道、第二通道以及第三通道输出的特征向量按照权重进行融合，将融合结果作为选择出的该张图像对应的特征向量；

同理，即得到步骤四选取出的每张人脸区域图像所对应的特征向量；

步骤六、将步骤三截取出的人脸区域图像输入多通道卷积网络模型，通过多通道卷积网络模型输出步骤三截取出的人脸区域图像的特征向量；

步骤七、分别计算出步骤六获得的特征向量与步骤五获得的每个特征向量的匹配度，并从中选取出最小的匹配度值；

所述计算出步骤六获得的特征向量与步骤五获得的每个特征向量的匹配度，其具体过程为：

对于步骤五获得的任意一个特征向量，该特征向量与步骤六获得的特征向量的匹配度为：

其中，L代表匹配度，s_i为中的第i个元素，为融合结果，s′_i为步骤六获得的特征向量中的第i个元素；

若最小的匹配度值小于第二阈值，则认为步骤二抓拍的人脸图像中存在特定人员，并进一步判断步骤二抓拍的人脸图像中的其他人员是否为隐性特定人员；

否则，最小的匹配度值大于等于第二阈值，则步骤二抓拍的人脸图像中不存在特定人员，继续对抓拍的下一张人脸图像进行预测；

所述进一步判断步骤二抓拍的人脸图像中的其他人员是否为隐性特定人员，其具体过程为：

若某个人与特定人员一起被抓拍到，则对这个人的得分进行更新，更新标准是每抓拍到1次增加w₀分，同时，若这个人与特定人员存在同时入住同一酒店的情况，则每次出现同时入住同一酒店的情况时，这个人的得分增加w₁分；当这个人的得分达到第三阈值时，则认为这个人是隐性特定人员；

所述同时入住同一酒店的情况是指：这个人与特定人员均入住到同一酒店，且这个人与特定人员办理入住的时间差以及离开的时间差均不超过2小时。

2.根据权利要求1所述的一种用于预测隐性特定人员的方法，其特征在于，所述预处理是对图像进行增强处理，增强处理的方式为：

其中，m_j为图像中第j个像素点的灰度值，m₀为图像中全部像素点的平均灰度值，m′_j为增强处理后图像中第j个像素点的灰度值。

3.根据权利要求2所述的一种用于预测隐性特定人员的方法，其特征在于，所述步骤四中，分别计算出步骤三截取出的人脸区域图像与每个特定人员的人脸区域图像的相似度时采用的方法为图搜图算法。