(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210487113.3 (22)申请日 2022.05.06 (71)申请人 深圳英飞拓智能技 术有限公司 地址 518000 广东省深圳市龙华区观湖街 道鹭湖社区观宝路12 号英飞拓科技股 份有限公司厂房3 01 (72)发明人 王维治　 (74)专利代理 机构 深圳市精英专利事务所 44242 专利代理师 冯筠 (51)Int.Cl. G06V 40/16(2022.01) G06V 20/40(2022.01) G06V 10/74(2022.01) G06V 10/82(2022.01)G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于巡逻车智能摄像机的人脸识别方法、 系 统及相关组件 (57)摘要 本发明公开了基于巡逻车智能摄像机的人 脸识别方法、 系统及相关组件， 该方法包括： 获取 人脸样本图像进行预处理后的人脸样本图像集， 利用人脸样本图像集对基于深度学习的神经网 络模型进行训练， 得到目标神经网络模型； 获取 摄像机采集的运动视频， 将每一帧运动图像输入 至目标神经网络模型进行识别， 获取每一帧运动 图像中每个人脸ID对应的人脸图像和人脸属性； 将人脸图像和人脸属性上传至后端平台， 基于人 脸图像和人脸属性在黑名单库进行人脸ID比对， 若存在相同人脸ID， 则向外报警。 本发明通过训 练目标神经网络模型， 从而 得以识别各种运动图 像中的人脸图像和人脸属性， 并通过后端平台进 行人脸比对， 从而提高了人脸识别效率以及识别 准确性。 权利要求书2页 说明书9页 附图1页 CN 115035564 A 2022.09.09 CN 115035564 A 1.一种基于 巡逻车智能摄 像机的人脸识别方法， 其特 征在于， 包括： 获取人脸样本 图像集， 并对所述人脸样本 图像集中的人脸样本 图像进行预处理， 利用 所述人脸样本图像集对基于深度学习的神经网络模型进行训练， 得到目标神经网络模型； 获取摄像机采集的运动视频， 并将所述运动视频中的每一帧运动图像输入至所述目标 神经网络模型进行识别， 获取每一帧运动图像中每 个人脸ID对应的人脸图像和人脸属性； 将所述人脸图像和人脸属性上传至后端平台， 并基于所述人脸图像和人脸属性在黑名 单库进行 人脸ID比对， 若存在相同人脸 ID， 则向外报警。 2.根据权利要求1所述的基于巡逻车智能摄像机的人脸识别方法， 其特征在于， 所述获 取摄像机采集的运动视频， 并将所述运动视频中的每一帧运动图像输入至所述目标神经网 络模型进行识别， 获取每一帧运动图像中每 个人脸ID对应的人脸图像和人脸属性， 包括： 计算所述运动视频中每一帧人脸图像的人脸移动距离， 并判断所述人脸移动距离是否 小于人脸跟踪阈值； 若所述人脸移动距离小于或等于人脸跟踪阈值， 则判定相邻帧人脸图像 中的人脸ID为 相同人脸 ID， 并输出 该人脸ID对应的人脸图像和人脸属性； 若所述人脸移动距离大于人脸跟踪阈值， 则判定相邻帧人脸图像中的人脸ID为不同人 脸ID， 并输出每 个人脸ID对应的人脸图像和人脸属性。 3.根据权利要求1所述的基于巡逻车智能摄像机的人脸识别方法， 其特征在于， 所述获 取每一帧运动图像中每 个人脸ID对应的人脸图像和人脸属性， 包括： 计算每一帧所述人脸图像中的每 个人脸ID的人脸评分； 统计相同人脸ID的人脸评分， 并筛选出分数最高的人脸图像作为该人脸ID的最优人脸 图像。 4.根据权利要求3所述的基于巡逻车智能摄像机的人脸识别方法， 其特征在于， 所述计 算每一帧所述人脸图像中的每 个人脸ID的人脸评分， 包括： 获取所述人脸图像的人脸框， 并根据所述人脸框的坐标计算人脸面积， 按照预设的评 分规则对人脸 面积进行评分； 以及， 获取所述人脸图像中的人脸关键点信息， 根据所述人脸关键点信息计算人脸角 度， 并按照预设的评分规则对人脸角度进行评分； 以及， 通过拉普拉斯算法计算人脸图像中人脸的清晰度， 并按照预设的评分规则对人 脸清晰度进行评分； 以及， 获取所述人脸图像中每个人脸的人脸框位置， 计算每个人脸对应的人脸框位置 之间的重 叠度， 并按照预设的评分规则对人脸重 叠度进行评分； 根据人脸面积评分、 人脸角度评分、 人脸清晰度评分和人脸重叠度评分计算人脸图像 中每个人脸ID对应的人脸评分。 5.根据权利要求4所述的基于巡逻车智能摄像机的人脸识别方法， 其特征在于， 所述根 据人脸面积评分、 人脸角度评分、 人脸清晰度评分和人脸重叠度评分计算人脸图像中每个 人脸ID对应的人脸评分， 包括： 获取每个人脸ID在每一帧人脸图像中的人脸面积评分、 人脸角度评分、 人脸清晰度评 分和人脸重叠度评分， 并判断当前人脸ID在每一帧人脸图像中的所述人脸面积评分、 人脸 角度评分、 人脸清晰度评分和人脸重 叠度评分是否均大于预设阈值；权　利　要　求　书 1/2 页 2 CN 115035564 A 2若当前人脸ID在当前帧人脸图像中的所述人脸面积评分、 人脸角度评分、 人脸清晰度 评分和人脸重叠度评分均大于预设阈值， 则判断当前帧人脸图像为当前人脸ID的有效图 像， 并获取当前 人脸ID的有效图像的人脸评分。 6.根据权利要求5所述的基于巡逻车智能摄像机的人脸识别方法， 其特征在于， 所述将 所述运动视频中的每一帧运动图像输入至所述目标神经网络模型进行识别， 获取每一帧运 动图像中的每 个人脸ID对应人脸图像和人脸属性之后， 包括： 若检测到新的人脸 ID， 则根据快速优选策略获取 所述新的人脸 ID的最优人脸图像； 若在指定时间内无法检测到人脸ID， 则根据最优优选策略获取所述人脸ID对应的人脸 评分最高的最优人脸图像。 7.根据权利要求3所述的基于巡逻车智能摄像机的人脸识别方法， 其特征在于， 所述统 计相同人脸ID的人脸评分， 并筛选出分数最高的人脸图像作为该人脸ID的最优人脸图像， 包括： 获取所述最优人脸图像的人脸关键点， 并根据所述人脸关键点 提取当前 人脸特征码； 获取一段时间内的历史最优人脸图像的历史人脸特征码， 并将所述当前人脸特征码与 历史人脸特 征码进行相似度比较； 若所述当前人脸特征码与历史人脸特征码的相似度超过相似度阈值， 则判定所述当前 人脸特征码与历史人脸特 征码为相同人脸 ID， 并过滤所述最优人脸图像； 若所述当前人脸特征码与历史人脸特征码的相似度不超过相似度阈值， 则判定所述当 前人脸特征码与历史人脸特 征码为不同人脸 ID， 并输出 所述最优人脸图像。 8.一种基于 巡逻车智能摄 像机的人脸识别系统， 其特 征在于， 包括： 目标神经网络模型获取单元， 用于获取人脸样本 图像集， 并对所述人脸样本 图像集中 的人脸样本图像进行预 处理， 利用所述人脸样本图像集对基于深度学习的神经网络模型进 行训练， 得到目标神经网络模型； 人脸图像及属性获取单元， 用于获取摄像机采集的运动视频， 并将所述运动视频中的 每一帧运动图像输入至所述目标神经网络模型进 行识别， 获取每一帧运动图像中每个人脸 ID对应的人脸图像和人脸属性； 人脸比对单元， 用于将所述人脸图像和人脸属性上传至后端平台， 并基于所述人脸图 像和人脸属性在黑名单库进行 人脸ID比对， 若存在相同人脸 ID， 则向外报警。 9.一种计算机设备， 包括存储器、 处理器及存储在所述存储器上并可在所述处理器上 运行的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求1至7 中任一项所述的基于 巡逻车智能摄 像机的人脸识别方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有计算机程 序， 所述计算机程序当被处理器执行时使 所述处理器执行如权利要求 1至7任一项 所述的基 于巡逻车智能摄 像机的人脸识别方法。权　利　要　求　书 2/2 页 3 CN 115035564 A 3