[发明专利]一种人脸识别大数据训练新系统

说明书

本发明公开了一种人脸识别大数据训练新系统，属于大数据技术领域，包括：门禁单元、图像获取单元、图像拆分单元、大数据处理单元、深度学习单元，监控单元；所述门禁单元用于识别人的基本信息；所述图像获取单元用于获取人物动态影像；所述图像拆分单元用于将人物动态影像进行分帧、筛除、抽帧；所述大数据处理单元用于图像拆分单元抽帧图像的处理；所述深度学习单元用于利用大数据处理单元构建深度学习模型；所述监控单元用于一定空间范围内基于构建的大数据深度学习模型识别人物；本发明的优点在于利用每日打卡的时间提取人物视频流，通过视频流构建大数据，利用大数据训练深度学习模型，进一步提高人员定位精度和速度。

技术领域

本发明属于大数据技术领域，特别涉及一种人脸识别大数据训练新系统。

背景技术

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。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术，通常也叫做人像识别、面部识别。人脸识别技术在安全系统、商业领域和日常生活中已经有了都有成熟的应用，人脸识别通过视频采集设备获取用户的面部图像，再利用核心的算法对其脸部的五官位置、脸型和角度进行计算分析，进而和自身数据库里已有的范本进行比对，从而判断出用户的真实身份。

传统的人脸识别算法步骤是：根据人脸检测的框位置，先初始化初始脸部轮廓位置；进行上一步位置和图形特征检测下一步位置；进行迭代，最终得到相对准确的轮廓位置。但传统的算法识别精度较差，因此随着科技的发展，研究人员提出了深度学习与人脸识别的结合，深度学习算法步骤：对图像进行轮廓定位态校正；全局粗定位；局部精细定位。但深度学习的缺点在于只能提供有限数据量的应用场景下，深度学习算法不能够对数据的规律进行无偏差的估计。因此为了达到很好的人脸识别精度，需要大数据支撑。深度学习和大数据系统融合，是将深度学习和大数据系统打通，具体来说，就是深度学习模型在大数据系统集群上进行训练和预测。但是目前商用人脸识别场景下要构建大数据数据库并不简单，如何能够实时更新系统，提高识别精度和速度是目前需要关注的问题。

发明内容

(一)要解决的技术问题

基于上述的背景技术和不足，申请人意在利用每日打卡的时间提取人物视频流，通过视频流构建大数据，利用大数据训练深度学习模型，利用高精度的深度学习模型进一步提高监控模块定位人员的精度和速度。

(二)技术方案

本发明通过如下技术方案实现：一种人脸识别大数据训练新系统，所述系统包括：门禁单元、图像获取单元、图像拆分单元、大数据处理单元、深度学习单元，监控单元；

所述门禁单元用于识别人的基本信息；

所述图像获取单元用于获取人物动态影像；

所述图像拆分单元用于将人物动态影像进行分帧、筛除、抽帧；

所述大数据处理单元用于图像拆分单元抽帧图像的处理；

所述深度学习单元用于利用大数据处理单元构建深度学习模型；

所述监控单元用于一定空间范围内基于构建的大数据深度学习模型识别人物。

作为上述方案的进一步说明，所述门禁单元具体的利用门禁卡身份识别信息进行定标确定人物信息，利用确定的人物信息辅助后续的深度学习模型的构建。

作为上述方案的进一步说明，所述图像获取单元具体的利用人脸识别装置的摄像单元获取人物在通过某一特定空间时一段时间内的动态影像；基于获取的动态影像利用图像拆分单元对动态影像进行拆分，并筛选其中可以识别特征元素的关键帧，并将关键帧图像抽出。