CN106156688A - 一种动态人脸识别方法及系统 - Google Patents

Abstract

本发明公开了一种动态人脸识别方法，所述方法包括提取人脸特征数据以建立重点人群数据库、对监控视频进行运动物体跟踪、检测跟踪的运动物体中是否存在人脸并进行排序、根据最优人脸图像提取出人脸特征数据、将获得的人脸特征数据与重点人群数据库中的人脸特征数据进行比对、若发现与库中人员具有高相似度的人脸则发出提示信息等步骤。本发明还公开了一种动态人脸识别系统，所述系统包括数据库模块、运动跟踪模块、图像获取模块、特征提取模块、特征比对模块和提示模块，进一步的，包括最优人脸判断模块和摄像机驱动模块。本发明提供的动态人脸识别方法及系统，能提取监控视频中的人脸特征进行比对，并在发现相似度较高的结果时发出提示信息。

Description

一种动态人脸识别方法及系统

技术领域

本发明涉及人脸识别技术领域，尤其涉及一种动态人脸识别方法及系统。

背景技术

由于反恐、国土安全、社会安全的需要，世界上各个国家都对安防领域加大了投入。而身份识别正是安防的一个核心问题。然而在目前的身份识别过程中主要采用的都是人工盘查方式，这样的方式仅能在小范围人群中采用，一旦进入大流量人群或者特定环境下的人群身份识别的话则明显暴露了其缺点：浪费人力资源，识别精度有限，管理困难，难以保证迅速准确有效地识别身份信息，并作出相应处理措施。

近年来，随着计算机技术的迅速发展，生物特征的自动识别技术得到广泛研究与开发，如指纹识别、掌形识别等。人脸识别是基于脸像的身份鉴别，旨在使计算机具有通过脸像来鉴别身份的功能，是一种依托于图像理解、模式识别、计算机视觉等高技术的智能系统，与其它人体生物特征识别技术相比具有直接、友好、方便的特点，是最自然直接的手段，易于为用户所接受。人脸识别技术应用前景广泛,可用于银行、海关的监控系统及自动门卫系统等。特别是在非接触环境和不惊动被检测人的情况下，人脸识别技术的优越性远远超过已有的指纹等检测方法。较之于其它的生物识别技术，人脸识别技术的优势非常明显。首先，作为识别特征，人脸具有稳定、可靠、安全、便利等特点。在一般情况下，人的面部特征是非常稳定可靠的，“携带”便利。面像也是用于区分人的首要特征。正因为如此，在公安、安全部门的侦查、在安全保卫、出入控制中，人像得到广泛的应用。其次，人脸图像的采集非常方便，尤其是基于标准视频的图像采集方式。

但是，目前针对公安安防领域的视频监控系统，其主要的应用还是依靠采集到的视频图像进行事后的分析，事前预警和防控能力有限，给侦破案件的效率大打折扣。因此，各级公安机关以及国家安全部门在打击各类犯罪，维持社会稳定与国家安全的过程中，亟须引入先进而又有效的科技手段，全面提升对各类案件的侦查能力。

发明内容

鉴于目前身份识别的现状，本发明提供一种动态人脸识别方法及系统，能提取监控视频中的最优人脸特征进行实时比对，并在发现相似度较高的比对结果时及时提示。

为达到上述目的，本发明的实施例采用如下技术方案：

一种动态人脸识别方法，所述动态人脸识别方法包括以下步骤：

提取人脸特征数据以建立重点人群数据库；

对实时动态监控视频进行运动物体跟踪；

检测跟踪的运动物体中是否存在人脸并进行排序；

根据最优人脸图像提取出人脸特征数据录入人脸特征数据库；

将获得的人脸特征数据与重点人群数据库中的人脸特征数据进行比对；

若发现与重点人群数据库中人员具有高相似度的人员则发出提示信息。

依照本发明的一个方面，所述检测跟踪的运动物体中是否存在人脸并进行排序具体可为：检测跟踪的运动物体中是否存在人脸，并根据人脸的运动轨迹以及轮廓特征，通过大量样本训练得到人脸检测器，根据人脸眼睛开闭情况、视线方向和人脸朝向进行最优人脸图像排序。

依照本发明的一个方面，所述动态人脸识别方法还包括以下步骤：若发现与重点人群数据库中人员具有高相似度的人员反复在同一监控区域被识别到，则可认定该人员在此区域徘徊，并发出提示信息。

依照本发明的一个方面，所述动态人脸识别方法还包括以下步骤：若发现多名与重点人群数据库中人员具有高相似度的人员在同一监控区域被识别到，则发出提示信息。

依照本发明的一个方面，所述根据最优人脸图像并提取出人脸特征数据包括：

对模糊图像进行还原，姿态矫正；

进行特征值定位；

定位后对图片进行归一化处理；

根据处理后的图片计算出特征值。

依照本发明的一个方面，所述根据最优人脸图像提取出人脸特征数据录入人脸特征数据库包括：

跟踪最优人脸图像；

采用内联函数和定点运算对截取的人脸图像进行特征点定位和特征值提取；

将提取出的人脸特征值录入人脸特征数据库。

依照本发明的一个方面，所述若发现与重点人群数据库中人员具有高相似度的人员则发出提示信息具体可为：若发现与重点人群数据库中人员具有高相似度的人员，则在监控画面中进行标示，显示该人员的照片以及相关个人信息，发出特定级别的提示信息。

一种动态人脸识别系统，所述动态人脸识别系统包括：

数据库模块，用于提取人脸特征数据以建立重点人群数据库；

运动跟踪模块，用于对实时动态监控视频进行运动物体跟踪；

图像获取模块，用于检测跟踪的运动物体中是否存在人脸并进行排序；

特征提取模块，用于根据最优人脸图像提取出人脸特征数据录入人脸特征数据库；

特征比对模块，用于将获得的人脸特征数据与重点人群数据库中的人脸特征数据进行比对；

提示模块，用于在发现与重点人群数据库中人员具有高相似度的人员时发出提示信息。

依照本发明的一个方面，所述图像获取模块包括：最优人脸判断模块，用于根据人脸的运动轨迹以及轮廓特征，通过大量样本训练得到人脸检测器，根据人脸眼睛开闭情况、视线方向和人脸朝向进行最优人脸图像排序。

依照本发明的一个方面，所述根据最优人脸图像提取出人脸特征数据录入人脸特征数据库包括：

跟踪最优人脸图像；

采用内联函数和定点运算对截取的人脸图像进行特征点定位和特征值提取；

将提取出的人脸特征值录入人脸特征数据库。

本发明实施的优点：本发明所述的动态人脸识别方法包括以下步骤：提取人脸特征数据以建立重点人群数据库；对实时动态监控视频进行运动物体跟踪；检测跟踪的运动物体中是否存在人脸并进行排序；根据最优人脸图像提取出人脸特征数据录入人脸特征数据库；将获得的人脸特征数据与重点人群数据库中的人脸特征数据进行比对；若发现与重点人群数据库中人员具有高相似度的人员则发出提示信息，可以在无需人员配合的情况下，自动提取监控视频中的最优人脸，入库保存并与后台重点人群数据库进行实时比对，发现相似度较高的比对结果及时提示，满足了公共安防视频监控领域对各类人员高效管控的应用需求。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明所述的一种动态人脸识别方法实施例一示意图；

图2为本发明所述的一种动态人脸识别系统的结构示意图；

图3为本发明所述的一种动态人脸识别方法实施例二示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

一种动态人脸识别方法实施例一

如图1所示，一种动态人脸识别方法，所述动态人脸识别方法包括以下步骤：

步骤S1：提取人脸特征数据以建立重点人群数据库；

所述步骤S1提取人脸特征数据以建立重点人群数据库的具体实施方式可为：通过与国家公安系统、户籍系统获得相关人员身份信息，及重点人群数据库中人员信息，通过已有的照片图像等获得所有人员的人脸特征数据，建立人群数据库，针对重点人群数据库中人员建立重点人群数据库。

在实际应用中，所述重点人群数据库中人员可为高危人群，例如全国在逃人员、恐怖分子和前科人员等，可将这些高危人群设置为黑名单。

在实际应用中，所述重点人群数据库中人员可为特别通行人群，例如某栋大楼的管理人员、特别许可的通行人员、武警、公安等，可将这类人群设置为白名单。

步骤S2：对实时动态监控视频进行运动物体跟踪；

所述步骤S2对实时动态监控视频进行运动物体跟踪的具体实施方式可为：通过观察实时动态监控视频，对视频内出现的运动物体进行跟踪。

在实际应用中，所述实时动态监控视频是通过DSP摄像机或网络IP高清摄像机进行监控摄制的，可在所述DSP摄像机或网络IP高清摄像机中执行步骤S4。

步骤S3：检测跟踪的运动物体中是否存在人脸并进行排序；

所述步骤S3检测跟踪的运动物体中是否存在人脸并进行排序的具体实施方式可为：检测跟踪的运动物体中是否存在人脸，并根据人脸的运动轨迹以及轮廓特征，通过大量样本训练得到人脸检测器，根据人脸眼睛开闭情况、视线方向和人脸朝向进行最优人脸图像排序。

在实际应用中，最优人脸可以是以二代身份证证件照为标准，正脸无表情，光线均匀，无模糊，睁着眼睛的人脸图像。

在实际应用中，最优人脸的识别可包括如下方式：

五官定位----判断表情；

姿态算法----判断人脸朝向；

光照算法----判断光度是否均匀，是强光或者背光；

模糊度判断---图像是否模糊。在实际应用中，在检测跟踪的运动物体中是否存在人脸时，通过跟踪目标物体运动，检测是否是人员，然后继续检测视频中是否出现该人员的人脸，然后才对人脸进行跟踪判断最优人脸。

在实际应用中，在检测跟踪的运动物体中是否存在人脸并进行排序时，可自动锁定画面出现的每一个人，对于在画面中徘徊的人不反复识别，最大程度降低干扰。

步骤S4：根据最优人脸图像提取出人脸特征数据录入人脸特征数据库；

所述步骤S4根据最优人脸图像提取出人脸特征数据录入人脸特征数据库具体可包括以下步骤：

跟踪最优人脸图像；

采用内联函数和定点运算对截取的人脸图像进行特征点定位和特征值提取；

将提取出的人脸特征值录入人脸特征数据库。

在实际应用中，根据最优人脸图像并提取出人脸特征数据可包括：

对模糊图像进行还原，姿态矫正；

进行特征值定位，包括脸庞定位，五官定位等；

定位后对图片进行归一化处理；

根据处理后的图片计算出特征值，具体可通过几何定位，用小波换算等方式计算出特征值。

在实际应用中，特征值可包括：几何关系；颜色；特殊特征，比如脸部的痣，胎记等。

在实际应用中，跟踪最优人脸图像的具体实施方式可为：对最优人脸图像进行图像预处理；对预处理后的图像进行人脸检测；对检测出的人脸进行算法跟踪。

在实际应用中，所述采用内联函数和定点运算对截取的人脸图像进行特征点定位和特征值提取具体实施时是在DSP摄像机或网络IP高清摄像机中执行的，其中内联函数为所述摄像机中芯片对应的硬件内联函数。

在实际应用中，所述将提取出的人脸特征值录入人脸特征数据库执行前，所述摄像机需要将提取出的人脸特征值及其它人脸信息数据传输给服务器以录入人脸特征数据库。

在实际应用中，所述采用内联函数和定点运算对截取的人脸图像进行特征点定位和特征值提取的具体实现过程可如下：

采用一种基于几何投影和模板匹配相结合的人脸特征点定位算法；首先运用投影法粗定位眼睛位置；然后在此结果上采用PCA模板匹配法精确定位；最后根据眼睛的定位位置，采用投影法定位鼻子的2个角点及鼻尖。

特征提取的主要步骤如下：

根据人脸的测量关系抽取眉毛和眼睛窗；

向眉毛和眼睛窗内投影粗定位眼睛位置；得到的眉毛和眼睛窗为矩形框，设矩形框左上顶点坐标和右下顶点的坐标，根据投影函数关系，计算框内任意一点在水平方向上和垂直方向上的平均灰度值，眉毛和眼珠较于其他位置比较黑，灰度值在水平方向上在眉毛和眼珠处出现2个灰度谷点，同时眼珠又在眉毛的下方，由此利用灰度的水平坐标确定眼睛中心在垂直方向上的坐标；根据得到的眉毛及眼睛中心的坐标重新抽取只含有眼睛的窗口，由于瞳孔较黑且眼眶的水平边缘比较明显，眼睛窗内灰度的垂直投影及水平边缘的垂直投影确定眼睛中心的水平坐标；

眼部归一化校准；

PCA模板匹配精确定位眼睛；

根据人脸的测量关系抽取鼻子窗；

窗内投影确定鼻子位置；

通过利用离散余弦变换DCT及PCA模板匹配法提取表达人脸信息能力强的局部特征，该局部特征包括眼睛、鼻子及嘴巴，同时利用人脸识别Fisherface方法和简单频谱脸方法提取人脸的整体特征，融合局部特征和整体特征。

用特征向量来表述人脸的步骤如下：

利用特征点定位算法得到人脸器官的位置信息，根据人脸的结构特点分割各器官区域；其中，眼睛区域的中心位于两眼中心连线的中点处，大小为1.6de×0.5de，de为归化后两眼中心间距离；鼻子区域的高度为大小为0.6de×0.5de；

设I(x,y)、Ic(x,y)和In(x,y)分别为人脸图像、眼睛区域图像和鼻子区域图像，分别用DCT提取各个图像信息：

Xh＝Reshape(F(I),nh)

Xe＝Reshape(F(Ie),ne)

Xn＝Reshape(F(In),nn)

其中，Xh,Xe和Xn分别为人脸图像、眼睛区域和鼻子区域的DCT特征，函数Reshape(A,n)的功能是抽取二维矩阵A的左上n×n子矩阵并将此子矩阵转换为一个n2维列向量；采用串联方法，将向量Xh,Xe和Xn串联形成融合特征向量Y0：Y0＝(XhT,XeT,XnT)T；

去均值归一化后得到人脸组合特征向量Y：Y＝(Y0-μ)/σ；

式中,μ＝E(Y0)训练样本融合特征的均值向量；E()为数学期望函数，σ为相应的方差向量。

步骤S5：将获得的人脸特征数据与重点人群数据库中的人脸特征数据进行比对；

所述步骤S5将获得的人脸特征数据与重点人群数据库中的人脸特征数据进行比对的具体实施方式可为：将获得最优人脸图像的特征值与重点人群数据库中重点人群标准证件照特征值进行识别比对后生成的相似度，相似度超过预设阀值，则提取出所有高于预设阈值的人员图像，并且按照相似度高低排序，并对应某个具体人员。

在实际应用中，所述比对过程中时，具体是将所述最优人脸图像的特征值与所述黑名单中的人脸特征进行比对。

在实际应用中，所述比对过程中时，具体是将所述最优人脸图像的特征值与所述白名单中的人脸特征进行比对。

步骤S6：若发现与重点人群数据库中人员具有高相似度的人员则发出提示信息。

在所述步骤S5执行完后，会获得按相似度高低排序的与重点人群数据库中人员中具体人员相似的对比结果，然后根据这个对比结果发出提示信息。

在实际应用中，根据对比结果进行判断，若发现与重点人群数据库中人员中黑名单具有高相似度的人员，则在监控画面中进行标示，显示该人员的照片以及相关个人信息，发出特定级别的提示信息。

在实际应用中，根据对比结果进行判断，若发现与重点人群数据库中人员中黑名单具有高相似度的人员，则在视频画面中进行标示，显示该黑名单人员的照片以及相关个人信息，结合当前的监控地点，发出不同级别的警报，提示值班、巡逻安保人员进一步的详细跟踪比对。

在实际应用中，根据对比结果进行判断，若发现与重点人群数据库中人员中白名单具有高相似度的人员，则在监控画面中进行标示，显示该人员的照片以及相关个人信息，并发出提示信息通知管理人员进行进一步确认。

本实施例所述的动态人脸识别方法可以在无需人员配合的情况下，自动提取监控视频中的最优人脸，入库保存并与后台重点人群数据库进行实时比对，发现相似度较高的比对结果及时预警，满足了公共安防视频监控领域对各类人员高效管控的应用需求。

一种动态人脸识别方法实施例二

如图3所示，一种动态人脸识别方法，所述动态人脸识别方法包括以下步骤：

步骤S1：提取人脸特征数据以建立重点人群数据库；

所述步骤S1提取人脸特征数据以建立重点人群数据库的具体实施方式可为：通过与国家公安系统、户籍系统获得相关人员身份信息，及重点人群数据库中人员信息，通过已有的照片图像等获得所有人员的人脸特征数据，建立人群数据库，针对重点人群数据库中人员建立重点人群数据库。

在实际应用中，所述重点人群数据库中人员可为高危人群，例如全国在逃人员、恐怖分子和前科人员等，可将这些高危人群设置为黑名单。

在实际应用中，所述重点人群数据库中人员可为特别通行人群，例如某栋大楼的管理人员、特别许可的通行人员、武警、公安等，可将这类人群设置为白名单。

步骤S2：对实时动态监控视频进行运动物体跟踪；

所述步骤S2对实时动态监控视频进行运动物体跟踪的具体实施方式可为：通过观察实时动态监控视频，对视频内出现的运动物体进行跟踪。

在实际应用中，所述实时动态监控视频是通过DSP摄像机或网络IP高清摄像机进行监控摄制的，可在所述DSP摄像机或网络IP高清摄像机中执行步骤S4。

步骤S3：检测跟踪的运动物体中是否存在人脸并进行排序；

所述步骤S3检测跟踪的运动物体中是否存在人脸并进行排序的具体实施方式可为：检测跟踪的运动物体中是否存在人脸，并根据人脸的运动轨迹以及轮廓特征，通过大量样本训练得到人脸检测器，根据人脸眼睛开闭情况、视线方向和人脸朝向进行最优人脸图像排序。

在实际应用中，最优人脸可以是以二代身份证证件照为标准，正脸无表情，光线均匀，无模糊，睁着眼睛的人脸图像。

在实际应用中，最优人脸的识别可包括如下方式：

五官定位----判断表情；

姿态算法----判断人脸朝向；

光照算法----判断光度是否均匀，是强光或者背光；

模糊度判断---图像是否模糊。在实际应用中，在检测跟踪的运动物体中是否存在人脸时，通过跟踪目标物体运动，检测是否是人员，然后继续检测视频中是否出现该人员的人脸，然后才对人脸进行跟踪判断最优人脸。

在实际应用中，在检测跟踪的运动物体中是否存在人脸并进行排序时，可自动锁定画面出现的每一个人，对于在画面中徘徊的人不反复识别，最大程度降低干扰。

步骤S4：根据最优人脸图像提取出人脸特征数据录入人脸特征数据库；

所述步骤S4根据最优人脸图像提取出人脸特征数据录入人脸特征数据库具体可包括以下步骤：

跟踪最优人脸图像；

采用内联函数和定点运算对截取的人脸图像进行特征点定位和特征值提取；

将提取出的人脸特征值录入人脸特征数据库。

在实际应用中，根据最优人脸图像并提取出人脸特征数据可包括：

对模糊图像进行还原，姿态矫正；

进行特征值定位，包括脸庞定位，五官定位等；

定位后对图片进行归一化处理；

根据处理后的图片计算出特征值，具体可通过几何定位，用小波换算等方式计算出特征值。

在实际应用中，特征值可包括：几何关系；颜色；特殊特征，比如脸部的痣，胎记等。

在实际应用中，跟踪最优人脸图像的具体实施方式可为：对最优人脸图像进行图像预处理；对预处理后的图像进行人脸检测；对检测出的人脸进行算法跟踪。

在实际应用中，所述采用内联函数和定点运算对截取的人脸图像进行特征点定位和特征值提取具体实施时是在DSP摄像机或网络IP高清摄像机中执行的，其中内联函数为所述摄像机中芯片对应的硬件内联函数。

在实际应用中，所述将提取出的人脸特征值录入人脸特征数据库执行前，所述摄像机需要将提取出的人脸特征值及其它人脸信息数据传输给服务器以录入人脸特征数据库。

在实际应用中，所述采用内联函数和定点运算对截取的人脸图像进行特征点定位和特征值提取的具体实现过程可如下：

采用一种基于几何投影和模板匹配相结合的人脸特征点定位算法；首先运用投影法粗定位眼睛位置；然后在此结果上采用PCA模板匹配法精确定位；最后根据眼睛的定位位置，采用投影法定位鼻子的2个角点及鼻尖。

特征提取的主要步骤如下：

根据人脸的测量关系抽取眉毛和眼睛窗；

向眉毛和眼睛窗内投影粗定位眼睛位置；得到的眉毛和眼睛窗为矩形框，设矩形框左上顶点坐标和右下顶点的坐标，根据投影函数关系，计算框内任意一点在水平方向上和垂直方向上的平均灰度值，眉毛和眼珠较于其他位置比较黑，灰度值在水平方向上在眉毛和眼珠处出现2个灰度谷点，同时眼珠又在眉毛的下方，由此利用灰度的水平坐标确定眼睛中心在垂直方向上的坐标；根据得到的眉毛及眼睛中心的坐标重新抽取只含有眼睛的窗口，由于瞳孔较黑且眼眶的水平边缘比较明显，眼睛窗内灰度的垂直投影及水平边缘的垂直投影确定眼睛中心的水平坐标；

眼部归一化校准；

PCA模板匹配精确定位眼睛；

根据人脸的测量关系抽取鼻子窗；

窗内投影确定鼻子位置；

通过利用离散余弦变换DCT及PCA模板匹配法提取表达人脸信息能力强的局部特征，该局部特征包括眼睛、鼻子及嘴巴，同时利用人脸识别Fisherface方法和简单频谱脸方法提取人脸的整体特征，融合局部特征和整体特征。

用特征向量来表述人脸的步骤如下：

利用特征点定位算法得到人脸器官的位置信息，根据人脸的结构特点分割各器官区域；其中，眼睛区域的中心位于两眼中心连线的中点处，大小为1.6de×0.5de，de为归化后两眼中心间距离；鼻子区域的高度为大小为0.6de×0.5de；

设I(x,y)、Ic(x,y)和In(x,y)分别为人脸图像、眼睛区域图像和鼻子区域图像，分别用DCT提取各个图像信息：

Xh＝Reshape(F(I),nh)

Xe＝Reshape(F(Ie),ne)

Xn＝Reshape(F(In),nn)

其中，Xh,Xe和Xn分别为人脸图像、眼睛区域和鼻子区域的DCT特征，函数Reshape(A,n)的功能是抽取二维矩阵A的左上n×n子矩阵并将此子矩阵转换为一个n2维列向量；采用串联方法，将向量Xh,Xe和Xn串联形成融合特征向量Y0：Y0＝(XhT,XeT,XnT)T；

去均值归一化后得到人脸组合特征向量Y：Y＝(Y0-μ)/σ；

式中,μ＝E(Y0)训练样本融合特征的均值向量；E()为数学期望函数，σ为相应的方差向量。

步骤S5：将获得的人脸特征数据与重点人群数据库中的人脸特征数据进行比对；

所述步骤S5将获得的人脸特征数据与重点人群数据库中的人脸特征数据进行比对的具体实施方式可为：将获得最优人脸图像的特征值与重点人群数据库中重点人群标准证件照特征值进行识别比对后生成的相似度，相似度超过预设阀值，则提取出所有高于预设阈值的人员图像，并且按照相似度高低排序，并对应某个具体人员。

在实际应用中，所述比对过程中时，具体是将所述最优人脸图像的特征值与所述黑名单中的人脸特征进行比对。

在实际应用中，所述比对过程中时，具体是将所述最优人脸图像的特征值与所述白名单中的人脸特征进行比对。

步骤S6：若发现与重点人群数据库中人员具有高相似度的人员则发出提示信息。

在所述步骤S5执行完后，会获得按相似度高低排序的与重点人群数据库中人员中具体人员相似的对比结果，然后根据这个对比结果发出提示信息。

在实际应用中，根据对比结果进行判断，若发现与重点人群数据库中人员中黑名单具有高相似度的人员，则在监控画面中进行标示，显示该人员的照片以及相关个人信息，发出特定级别的提示信息。

在实际应用中，根据对比结果进行判断，若发现与重点人群数据库中人员中黑名单具有高相似度的人员，则在视频画面中进行标示，显示该黑名单人员的照片以及相关个人信息，结合当前的监控地点，发出不同级别的警报，提示值班、巡逻安保人员进一步的详细跟踪比对。

在实际应用中，根据对比结果进行判断，若发现与重点人群数据库中人员中白名单具有高相似度的人员，则在监控画面中进行标示，显示该人员的照片以及相关个人信息，并发出提示信息通知管理人员进行进一步确认。

步骤S7：根据特征值在监控视频中对人脸进行跟踪；

所述步骤S7根据特征值在监控视频中对人脸进行跟踪的具体实施方式可为：根据步骤S4提取出的人脸面部特征值跟踪人脸，在跟踪过程中需要根据人脸特征不断变化特征值，比如正面转为侧面特征值就会随着变化。从而可以对符合某些特征值得人进行追踪。

在实际应用中，通过公共安全人脸识别系统建设，实现人员跟踪及预警方式由信息的人工事后收集向动态实时采集信息(人脸属性)的转变，充分掌握宾馆酒店、网吧、卡口、等全方位的动态信息，公安相关部门建设人脸识别比对云计算平台，对重点人员进行“事前预警、事中取证、事后跟踪”全过程监控，实现“让每个摄像头都成为24小时全天候的电子警察”，体现公安科技强警，提高现有社会视频的科学性和高效性，使公安及时、准确、动态地掌握地方安全情况，实现事前预防的新效果。

本实施例所述的动态人脸识别方法可以在无需人员配合的情况下，自动提取监控视频中的最优人脸，入库保存并与后台重点人群数据库进行实时比对，发现相似度较高的比对结果及时预警，满足了公共安防视频监控领域对各类人员高效管控的应用需求。

一种动态人脸识别系统实施例

如图2所示，一种动态人脸识别系统，所述动态人脸识别系统包括：

数据库模块1，用于提取人脸特征数据以建立重点人群数据库；

运动跟踪模块2，用于对实时动态监控视频进行运动物体跟踪；

图像获取模块3，用于检测跟踪的运动物体中是否存在人脸并进行排序；

特征提取模块4，用于根据最优人脸图像提取出人脸特征数据录入人脸特征数据库；

特征比对模块5，用于将获得的人脸特征数据与重点人群数据库中的人脸特征数据进行比对；

提示模块6，用于在发现与重点人群数据库中人员具有高相似度的人员时发出提示信息。

在实际应用中，所述图像获取模块3包括：最优人脸判断模块，用于根据人脸的运动轨迹以及轮廓特征，通过大量样本训练得到人脸检测器，根据人脸眼睛开闭情况、视线方向和人脸朝向进行最优人脸图像排序。

在实际应用中，所述动态人脸识别系统还可包括摄像机驱动模块，所述摄像机驱动模块是根据各厂家SDK来编写驱动，可以接收并解码摄像机视频。

其中，所述根据最优人脸图像提取出人脸特征数据录入人脸特征数据库包括：

跟踪最优人脸图像；

采用内联函数和定点运算对截取的人脸图像进行特征点定位和特征值提取；

将提取出的人脸特征值录入人脸特征数据库。

本发明实施的优点：本发明所述的动态人脸识别方法包括以下步骤：提取人脸特征数据以建立重点人群数据库；对实时动态监控视频进行运动物体跟踪；检测跟踪的运动物体中是否存在人脸并进行排序；根据最优人脸图像提取出人脸特征数据录入人脸特征数据库；将获得的人脸特征数据与重点人群数据库中的人脸特征数据进行比对；若发现与重点人群数据库中人员具有高相似度的人员则发出提示信息，可以在无需人员配合的情况下，自动提取监控视频中的最优人脸，入库保存并与后台重点人群数据库进行实时比对，发现相似度较高的比对结果及时提示，满足了公共安防视频监控领域对各类人员高效管控的应用需求。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本领域技术的技术人员在本发明公开的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种动态人脸识别方法，其特征在于，所述动态人脸识别方法包括以下步骤：

提取人脸特征数据以建立重点人群数据库；

对实时动态监控视频进行运动物体跟踪；

检测跟踪的运动物体中是否存在人脸并进行排序；

根据最优人脸图像提取出人脸特征数据录入人脸特征数据库；

将获得的人脸特征数据与重点人群数据库中的人脸特征数据进行比对；

若发现与重点人群数据库中人员具有高相似度的人员则发出提示信息。

2.根据权利要求1所述的动态人脸识别方法，其特征在于，所述检测跟踪的运动物体中是否存在人脸并进行排序具体可为：检测跟踪的运动物体中是否存在人脸，并根据人脸的运动轨迹以及轮廓特征，通过大量样本训练得到人脸检测器，根据人脸眼睛开闭情况、视线方向和人脸朝向进行最优人脸图像排序。

3.根据权利要求1所述的动态人脸识别方法，其特征在于，所述动态人脸识别方法还包括以下步骤：若发现与重点人群数据库中人员具有高相似度的人员反复在同一监控区域被识别到，则可认定该人员在此区域徘徊，并发出提示信息。

4.根据权利要求1所述的动态人脸识别方法，其特征在于，所述动态人脸识别方法还包括以下步骤：若发现多名与重点人群数据库中人员具有高相似度的人员在同一监控区域被识别到，则发出提示信息。

5.根据权利要求1所述的动态人脸识别方法，其特征在于，所述根据最优人脸图像并提取出人脸特征数据包括：

对模糊图像进行还原，姿态矫正；

进行特征值定位；

定位后对图片进行归一化处理；

根据处理后的图片计算出特征值。

6.根据权利要求1至5之一所述的动态人脸识别方法，其特征在于，所述根据最优人脸图像提取出人脸特征数据录入人脸特征数据库包括：

跟踪最优人脸图像；

采用内联函数和定点运算对截取的人脸图像进行特征点定位和特征值提取；

将提取出的人脸特征值录入人脸特征数据库。

7.根据权利要求6所述的动态人脸识别方法，其特征在于，所述若发现与重点人群数据库中人员具有高相似度的人员则发出提示信息具体可为：若发现与重点人群数据库中人员具有高相似度的人员，则在监控画面中进行标示，显示该人员的照片以及相关个人信息，发出特定级别的提示信息。

8.一种动态人脸识别系统，其特征在于，所述动态人脸识别系统包括：

数据库模块，用于提取人脸特征数据以建立重点人群数据库；

运动跟踪模块，用于对实时动态监控视频进行运动物体跟踪；

图像获取模块，用于检测跟踪的运动物体中是否存在人脸并进行排序；

特征提取模块，用于根据最优人脸图像提取出人脸特征数据录入人脸特征数据库；

特征比对模块，用于将获得的人脸特征数据与重点人群数据库中的人脸特征数据进行比对；

提示模块，用于在发现与重点人群数据库中人员具有高相似度的人员时发出提示信息。

9.根据权利要求8所述的动态人脸识别系统，其特征在于，所述图像获取模块包括：最优人脸判断模块，用于根据人脸的运动轨迹以及轮廓特征，通过大量样本训练得到人脸检测器，根据人脸眼睛开闭情况、视线方向和人脸朝向进行最优人脸图像排序。

10.根据权利要求8至9之一所述的动态人脸识别系统，其特征在于，所述根据最优人脸图像提取出人脸特征数据录入人脸特征数据库包括：

跟踪最优人脸图像；

采用内联函数和定点运算对截取的人脸图像进行特征点定位和特征值提取；

将提取出的人脸特征值录入人脸特征数据库。