面向基层治安、维稳及反恐的特异人脸搜索方法

摘要

本发明涉及面向基层治安、维稳及反恐的特异人脸搜索方法。该方法首先提取其中的运动帧，然后在运动帧中结合动态聚类分析和AAM方法快速检测、定位可能存在的人脸图像，并将人脸图像分割为局部部件，再针对各部件基于动态联合深度神经网络提取其特征，最后将该特异性特征与目标人脸库进行比对，返回比对结果，实现搜索。该方法只针对连续n帧关键帧的运动部分进行人脸检测和识别、搜索处理，有效降低处理资源，缩小处理范围，提高处理效率；基于动态加权的方法融合多个局部人脸部件分类结果，可有效体现局部部件特异性的强弱，使搜索结果更准确。

主权项

面向基层治安、维稳及反恐的特异人脸搜索方法，针对卡口、大门、通道重要场所的实时监视视频流或者视频存储文件进行处理，其特征在于，首先提取其中的运动帧；然后在运动帧中采用基于聚类分析的快速AAM即“Active Appearance Mode”方法检测、定位可能存在的人脸图像，并将人脸图像分割为局部部件；接着针对各部件基于动态联合深度神经网络提取其特征；最后将该特征与目标人脸库进行比对，返回比对结果，实现搜索；具体步骤如下：步骤一、针对运动帧的目标提取对视频流或者视频文件进行运动分析，仅针对视频流中的连续n 帧关键帧中发生了运动的部分，进行后续人脸检测和搜索处理，其中n 取3～5；步骤二、采用结合动态聚类分析和AAM即“Active Appearance Mode”方法实现人脸快速检测和分割根据人脸区域内灰度变化缓慢的特点，针对检测到的运动区域，首先对图像灰度进行动态聚类分析，提取出灰度相近的若干区域；然后仅针对此类区域采用AAM即“Active Appearance Mode”方法检测和定位人脸，当检测到人脸时，AAM即“Active Appearance Mode”可同时实现人脸各部件的分割；步骤三、采用深度神经网络权重动态计算方法进行人脸特征提取将人脸分割为左眉、右眉、左眼、右眼、鼻子、嘴、胡须、面部疤痕或胎记8种部件，对每一部件构造对应的DNN即“Deeply Neural Network”进行特征提取，对各DNN输出结果进行动态加权综合，使人脸部件的特异性特征得到体现；步骤四、基于深度神经网络动态联合进行人脸特异性比对在已建立人脸部件对应的多个DNN即“Deeply Neural Network”基础上，将目标人脸和模板人脸部件分别输入DNN即“Deeply Neural Network”，输出两种人脸各局部部件分类的类型及权重，在此基础上，综合生成两种人脸的整体相似矢量，从而计算其最终相似度，实现人脸搜索。