[发明专利]基于城市复杂场景下海量图像预处理网络方法

说明书

本发明提出基于城市复杂场景下海量图像预处理网络方法，搭建了海量图像过滤预处理网络系统，利用评价图像清晰度的SSIM网络、判定人脸旋转角度的3DDFA人脸重构网络、判定人脸遮挡率的MTCNN网络，并将上述三个图像信息评判网络进行结合成一个预处理系统，且根据实际运用场景的不同使用者可以将上述三个评判网络自由搭配，以达到在检测识别时有针对性并有效的提高人员特征信息的提取，增强检测功能的准确度。通过分析人员行为检测模块所得到的数据，对人员在某特定区域滞留的时间超过阈值，及时进行报警并统计其行踪轨迹。

技术领域

本发明为基于城市复杂场景下海量图像预处理网络方法，属于人脸识别、智能安全领域。

背景技术

目前在城市的复杂场景下每个摄像头每时会产生海量图像且将这些海量图像数据不经过某种特定方式的筛选直接传入到各种检测识别网络会使系统检测识别的准确率得不到提升，且会得到许多误判。即需要提前过滤掉海量无用数据再传入到各种检测识别网络中以达到我们所期待的效果。目前在城市的复杂环境中缺乏对海量图像进行过滤的预处理网络，以至于许多网络在实际应用中得到很多误判的结果。如今，运用将多种评判图像质量网络进行结合的海量图像过滤预处理网络系统，且利用一些深度学习模型框架与图像预处理网络的结合实现对海量图像进行过滤以实现减少误判情况的产生并提高检测识别的准确率。

发明内容

针对在复杂的城市场景下产生的海量数据中存在大量无用数据并将其直接送入到检测识别网络中去，导致系统检测精度不高，识别实施不准等问题，本发明提出了基于城市复杂场景下海量图像预处理网络方法，搭建了海量图像过滤预处理网络系统，利用评价图像清晰度的SSIM网络；判定人脸旋转角度的3DDFA人脸重构网络；判定人脸遮挡率的MTCNN网络。并将上述三个图像信息评判网络进行结合成一个预处理系统，且根据实际运用场景的不同使用者可以将上述三个评判网络自由搭配，以达到在检测识别时有针对性并有效的提高人员特征信息的提取，增强检测功能的准确度。本发明的技术方案如下：

包括数据采集模块、预处理模块、数据输出处理模块。

所述的数据采集模块，用于采集海量数据，

所述的预处理模块与数据采集模块相连，对数据采集模块获取的数据进行预处理；

所述的数据输出处理模块与预处理模块相连，对预处理模块处理后的人脸图像进行识别处理。

所述的预处理模块包括SSIM图像清晰度评价网络、3DDFA人脸旋转角度评判网络、人脸遮挡率评判网络至少一种，且根据实际运用场景的不同使用者可以将上述三个评判网络自由搭配，如需要清晰度预处理，则加入SSIM网络；如需要旋转人脸角度与处理，则加入3DDFA网络；如需要人脸遮挡率预处理，则加入MTCNN网络。并且实际过程中可以对三种网络根据实际需要进行自由组合。

所述的SSIM图像清晰度评价网络，用于根据检测识别网络对图像清晰度的需求对海量图像进行清晰度的判定并根据判定结果过滤掉不满足需求的无用图像数据；对所有海量图像数据进行高斯处理并与原始图像组成数据对送入SSIM评价网络并把与物体结构相关的亮度和对比度作为图像中结构信息的定义，计算得到SSIM图像清晰度评价值并对清晰度低于一定阈值的图像进行过滤，以保证经过此图像数据评判网络后，人脸检测识别网络的准确率得到一定的提高。

所述的3DDFA人脸旋转角度评判网络，用于根据识别网络对人脸旋转角度的需求，对海量图像进行清晰度的判定并根据判定结果过滤掉不满足需求的无用图像数据；将人脸的关键点在3D空间中重构并结合三角计算计算出其人脸的旋转角度(欧拉角)并对旋转角度高于阈值的图像进行过滤，以保证经过此图像数据评判网络后，人脸检测识别网络的准确率得到一定的提高。