人像比对在视频中的应用技术

摘要

本发明公开了一种人像比对在视频中的应用技术，包括以下步骤，步骤1：获取实时视频并提取目标人物头像相片；通过摄像头实时获取预设区域的所有人物视频并同时提取即时头像照片，当即时头像照片中人物两眼的瞳孔中心点的距离为10～100像素并且所述的摄像头与该即时头像照片中人物的头部的拍摄垂直角度为0～90°时，则把该即时头像照片判断为是目标人物头像相片；步骤2：人像比对。本发明旨在提供一种提供操作简单、分辨迅速、准确率高的人像比对在视频中的应用技术。

权利要求

1.一种人像比对在视频中的应用方法，其特征在于，包括以下步骤：

步骤1：获取实时视频并提取目标人物头像相片；通过摄像头实时获取预设区域的所有人物视频并同时提取即时头像照片，当即时头像照片中人物两眼的瞳孔中心点的距离为

10～100像素并且所述的摄像头与该即时头像照片中人物的头部的拍摄垂直角度为0～

90°时，则把该即时头像照片判断为是目标人物头像相片，拍摄垂直角度的角度判断方法为：对即时头像照片中人物进行双眼定位，并以定位的双眼的中线为基准线，将双眼映射双眼于脸部左右上下的基准角度判断为所述摄像头与该即时头像照片中人物头部的拍摄垂直角度；

判断所述的摄像头与该即时头像照片中人物的头部的拍摄水平角度是否为0～90°，若是，则进行步骤2，若否，则保存该帧即时头像照片, 其中，拍摄水平角度以双眼瞳孔的连线与水平线的夹角进行判断；

步骤2：人像比对；将步骤1中所提取目标人物头像相片发送给服务器，并通过所述的服务器将该目标人物头像相片与已有的头像照片进行相似度比对，当已有的头像照片中存在符合预设的第一阈值的已有头像照片时，即判断该目标人物头像相片中的人物与已有头像照片为同一人并输出对应的人物信息，反之，则输出无对应人物的提示信息，步骤2包括：子步骤201：人脸定位及双眼定位，利用设定阀值自动将人眼与人脸其它部分和背景分离或利用人眼灰度值进行眼睛定位；通过对灰度图像进行垂直和水平灰度投影后，对人脸初步定位；用瞳孔大小的方框搜索人脸，落入框内的黑色像素个数达到最大时，框的位置即是瞳孔位置；

子步骤202：影像校正，校正人脸区域的倾斜角度，并根据子步骤201中所确定的双眼瞳孔的位置确定所述的双眼瞳孔中心的距离，并根据双眼瞳孔中心的距离与预设的双眼瞳孔中心的距离的比值，调整人脸区域的像素；

子步骤203：影像预处理，对子步骤202中校正过的人脸区域进行预处理，具体包括脸部的色彩、脸部曝光、脸部光线均匀、脸部平均色彩、脸部高光、模糊度、亮度均值、灰度动态范围、不均匀性、过曝光比例、欠曝光比例、图像锐度、图像模糊度的处理；

子步骤204：提取人脸特征集群，对经子步骤203获取的人脸区域提取不少于一个的人脸特征值，所述的头像照片的人脸特征值的集合为头像照片的人脸特征集群；

子步骤205：将所述的人物头像相片的人脸特征集群与服务器中存储的已有的头像照片的人脸特征集群进行比对，计算符合预设的第三阈值的的人脸特征值的数量，并根据符合预设的第三阈值的的人脸特征值的数量获得相似度；

子步骤206：判断所述的相似度是否符合第一阈值，若是，则提取和输出对应的目标人物信息。

2.根据权利要求1所述的人像比对在视频中的应用方法，其特征在于，所述的步骤1具体包括以下子步骤：子步骤11：通过摄像头检测环境光线强度，当所述的环境光线强度小于预设的第二阈值时，则补光；

子步骤12：通过摄像头实时获取预设区域的所有人物视频，判断所述的视频中含有的人物的个数；若目标人物的个数为单个，则针对单个目标人物实时提取目标人物头像照片，若目标人物的个数为多个，则针对每一个目标人物分别实时提取目标人物头像照片。

3.根据权利要求2所述的人像比对在视频中的应用方法，其特征在于，对水平拍摄角度判断步骤中判断能够进入步骤2的目标人物头像相片先进行剪裁步骤后再进入步骤2，其中，所述的剪裁步骤为：对所获取的目标人物头像相片进行剪裁，使所述的目标人物的人脸至少占所述的剪裁后的目标人物头像相片的面积的3/4。

4.根据权利要求3所述的人像比对在视频中的应用方法，其特征在于，若子步骤206中得到的符合第一阈值的已有头像照片为多张，则根据多张已有头像照片对应的相似度，选择相似度最大的已有头像照片并判断该已有头像照片中的人物与目标人物头像相片中的人物为同一人并输出对应的人物信息。

5.根据权利要求4所述的人像比对在视频中的应用方法，其特征在于，在所述的子步骤206中，若输出对应的目标人物信息时，网络状况变差无法传输，则将所述的对应的目标人物信息存储在服务器中，当网络状况变好后，输出对应的目标人物信息。

6.根据权利要求1～5任一所述的人像比对在视频中的应用方法，其特征在于，在步骤

2中，输出对应的人物信息至人脸共享服务平台。

7.根据权利要求1～5任一所述的人像比对在视频中的应用方法，其特征在于，所述的对应的人物信息包括目标人物头像相片、对应的已有的头像照片和对应的身份信息。

说明书

人像比对在视频中的应用技术

技术领域

[0001] 本发明涉及人像比对检测领域，特别是人像比对在视频中的应用技术。

背景技术

[0002] 人脸识别是一项热门的计算机技术研究领域，它属于生物特征识别技术，是对生物体(一般特指人)本身的生物特征来区分生物体个体。生物特征识别技术所研究的生物特征包括脸、指纹、手掌纹、虹膜、视网膜、声音(语音)、体形等。这其中，只有人脸特征是最直观、最可靠、最准确的，利用人脸特征进行身份验证是最自然、最直接的手段。相比其它人体生物特征识别，人脸特征识别不需对象行为的配合就能方便有效地核查对象的身份，不易被察觉，因而具有优良的防伪、防欺诈、直接、友好、方便等特点。经过几十年的研究，人脸识别技术已广泛的应用在安防、门禁、考勤等领域。

[0003] 人脸识别主要包括人脸的定位、图片预处理、人脸的特征点的识别、人脸的特征点的特征值的提取、特征值比对等，其中，人脸定位可以实现的方法很多，比如基于知识的方法(Knowledge-based)、特征不变量方法(Feature invariant)，其中较为经典的为adaboost方法、模板匹配的方法(Template matching)等。图片预处理包括人脸的角度调整，对于垂直于照片平面区域的倾斜角度校正通常通过以下几种理论进行：1)基于Garbor小波变换的方法(文献1：Y.Li and X.Y.Lin,“Face hallucination with pose variation”in Pro.6th IEEE Int.Conf.Automatic Face and Gesture Recognition,2004，pp.723–728)；2)基 于 张 量 分 解 的 方 法(文 献2：K.Jia and S.G.Gong,“Multi-modal tensor face for simultaneoussuper-resolution and recognition,”in Proc.IEEE Int.Conf.ComputerVision,2005,pp.1683-1690；文 献3：
K.Jia and S.G.Gong,“Generalizedfacesuper-resolution,”IEEETrans.ImageProcessing,vol.17,no.6,pp.873886,Ju n.2008)；3)改进的点对应算法和线性物体类的原理构造正脸合成的方法(文献4：陈家大、赖剑煌、冯国灿，“一种人脸姿势判别与正脸合成的新方法”，计算机研究与发展，2006)，通过上述任一种方法即可达到对照片倾斜角度的调整；人脸特征点的识别和提取如中国专利申请CN201310746593.1中，提出了一种新的人脸特征值提取的算法。中国专利申请CN2008100003131.1公开了一种人脸检测和追踪的方法，上述的技术发展使人脸识别技术发展迅速，应用前景广泛。

[0004] 据不完全统计，中国正进入流动时代。2011年，全国流动人口达到2.3亿人，占总人口的17％，即每6名中国人中就有1人是流动人口。未来20年，还将有3亿农村人口进入城镇。随着流动人口大量增加，面临着流动人口结构复杂、人员信息不透明，流动人口数量庞大，

[0005] 流动人员管理困难等局面，尤其是在流动人员中夹杂着刑嫌人员，流窜逃逸，伺机作案，更有部分人员犯罪后“漂白身份”潜入异地继续生活，如何能够有效的抑制和发现混淆在庞大的流动人口中的重点人员，成为目前面临的重要课题，给社会综合管理带来挑战，使得公安机关等部门作为社会公安安全管理的主力军，身上的责任和义务更加沉重。

[0006] 随着经济的高速发展以及城镇化进程的加快，城市人口日趋密集，城市人口数量和流动性也大大增加，加强对城市人员信息的管理对社会治安、重点区域防范、维稳等方面意义重大。另外，近年来社会犯罪率呈逐年升高的态势，高科技犯罪以及伪造身份信息犯罪层出不穷，犯罪行为的突发性、不确定性增强，给防范和侦破工作带来极大的困难。最近，恐怖分子实施爆炸、砍刀伤人等恐怖活动频发。反恐部门一直在研究对策，基于目前没有足够的警力进行监控；即使通过人来实时监控，还是无法及时有效地将事件辨识出来。开展反恐怖图像监控智能分析系统研究，将有效防止恐怖事件的发生。开展研究反恐怖图像监控智能分析系统迫在眉睫。

[0007] 随着人员流动性的增大，在视频中及时的分析并获得人物信息是非常关键的，特别是随着云计算和数据通信技术的发展，数据的存储和计算并不仅仅局限于本地计算机中，大型的计算机不断的投入运行，因此开发出一种计算量小，准确率高的通过监控视频实现的人像对比技术是非常具有市场前景的。

发明内容

[0008] 本发明的目的是提供操作简单、分辨迅速、准确率高的人像比对在视频中的应用技术。

[0009] 本发明提供的技术方案为：

[0010] 一种人像比对在视频中的应用技术，包括以下步骤：步骤1：获取实时视频并提取目标人物头像相片；通过摄像头实时获取预设区域的所有人物视频并同时提取即时头像照片，当即时头像照片中人物两眼的瞳孔中心点的距离为10～100像素并且所述的摄像头与该即时头像照片中人物的头部的拍摄垂直角度为0～90°时，则把该即时头像照片判断为是目标人物头像相片；其中即时头像照片中人物两眼的瞳孔中心点的距离优选为60～90像素并且所述的摄像头与该即时头像照片中人物的头部的拍摄垂直角度优选为30～
70°时，则把该即时头像照片判断为是目标人物头像相片；步骤2：人像比对，将步骤1中所提取目标人物头像相片发送给服务器，并通过所述的服务器将该目标人物头像相片与已有的头像照片进行相似度比对，当已有的头像照片中存在符合预设的第一阈值的已有头像照片时，即判断该目标人物头像相片中的人物与已有头像照片为同一人并输出对应的人物信息，反之，则输出无对应人物的提示信息。

[0011] 在上述的人像比对在视频中的应用技术中，所述的步骤1具体包括以下子步骤：子步骤11：通过摄像头检测环境光线强度，当所述的环境光线强度小于预设的第二阈值时，则补光；子步骤12：通过摄像头实时获取预设区域的所有人物视频，判断所述的视频中含有的人物的个数；若目标人物的个数为单个，则针对单个目标人物提取目标人物头像照片，若目标人物的个数为多个，则针对每一个目标人物分别提取目标人物头像照片。

[0012] 在上述的人像比对在视频中的应用技术中，所述的步骤1中拍摄垂直角度的角度判断方法为：对即时头像照片中人物进行双眼定位，并以定位的双眼的中线为基准线，将双眼映射双眼于脸部左右上下的基准角度来判断所述的摄像头与该即时头像照片中人物的头部的拍摄垂直角度。

[0013] 在上述的人像比对在视频中的应用技术中，在所述的步骤1和步骤2之间还包括有拍摄水平角度判断步骤：

[0014] 拍摄水平角度判断步骤：判断所述的摄像头与该即时头像照片中人物的头部的拍摄水平角度是否为0～90°，若是，则进行步骤2，若否，则保存该帧即时头像照片。

[0015] 在上述的人像比对在视频中的应用技术中，对水平拍摄角度判断步骤中判断能够进入步骤2的目标人物头像相片先进行剪裁步骤后再进入步骤2，其中，所述的剪裁步骤为：对所获取的目标人物头像相片进行剪裁，使所述的目标人物的人脸至少占所述的剪裁后的目标人物头像相片的面积的3/4。

[0016] 在上述的人像比对在视频中的应用技术中，在步骤2中，所述的服务器将目标人物头像相片与存储在服务器中的已有的头像照片进行比对具体包括以下子步骤：子步骤201：人脸定位，从目标人物头像相片的背景中分离出人脸区域；子步骤202：双眼定位，从子步骤201中获取的人脸区域中确定双眼瞳孔的位置；子步骤203：影像校正，校正人脸区域的倾斜角度，并根据子步骤202中所确定的双眼瞳孔的位置确定所述的双眼瞳孔中心的距离，并根据双眼瞳孔中心的距离与预设的双眼瞳孔中心的距离的比值，调整人脸区域的像素；子步骤204：影像预处理，对子步骤203中校正过的人脸区域进行预处理，具体包括脸部的色彩、脸部曝光、脸部光线均匀、脸部平均色彩、脸部高光、模糊度、亮度均值、灰度动态范围、不均匀性、过曝光比例、欠曝光比例、图像锐度、图像模糊度的处理；子步骤205：提取人脸特征集群，对经子步骤204获取的人脸区域提取不少于一个的人脸特征值，所述的头像照片的人脸特征值的集合为头像照片的人脸特征集群；子步骤206：将所述的人物头像相片的人脸特征集群与服务器中存储的已有的头像照片的人脸特征集群进行比对，计算符合预设的第三阈值的的人脸特征值的数量，并根据符合预设的第三阈值的的人脸特征值的数量获得相似度；子步骤207：判断所述的相似度是否符合第一阈值，若是，则提取和输出对应的目标人物信息。

[0017] 在上述的人像比对在视频中的应用技术中，若子步骤207中得到的符合第一阈值的已有头像照片为多张，则根据多张已有头像照片对应的相似度，选择相似度最大的已有头像照片并判断该已有头像照片中的人物与目标人物头像相片中的人物同一人并输出对应的人物信息。

[0018] 在上述的人像比对在视频中的应用技术中，在所述的子步骤207中，若输出对应的目标人物信息时，网络状况变差无法传输，则将所述的对应的目标人物信息存储在服务器中，当网络状况变好后，输出对应的目标人物信息。

[0019] 在上述的人像比对在视频中的应用技术中，在步骤2中，输出对应的人物信息至人脸共享服务平台。

[0020] 在上述的人像比对在视频中的应用技术中，所述的对应的人物信息包括目标人物头像相片、对应的已有的头像照片和对应的身份信息。

[0021] 本发明通过设定特定的瞳距、拍摄角度以及拍摄光线，来获得符合要求的即时头像照片，并通过人像比对技术快速的得到处理结果，通过上述的处理可以有效的降低数据处理量，提高比对精度，降低比对的用时。

[0022] 若服务器繁忙无法比对，则将提取的目标人物头像相片发送至人脸共享服务平台，由人脸共享服务平台继续识别，提高了识别效率。

附图说明

[0023] 图1是本发明具体实施例1的流程方框图；

[0024] 图2是本发明具体实施例1的子步骤的流程方框图；

[0025] 图3是本发明具体实施例1的子步骤的流程方框图；

[0026] 图4是本发明具体实施例1的流程方框图。

具体实施方式

[0027] 下面结合具体实施方式，对本发明的技术方案作进一步的详细说明，但不构成对本发明的任何限制。

[0028] 本发明的核心构思之一在于，通过设定特定的瞳距、拍摄角度以及拍摄光线，来获得符合要求的即时头像照片，并通过人像比对技术快速的得到处理结果，通过上述的处理可以有效的降低数据处理量，提高比对精度，降低比对的用时。

[0029] 具体实施例1：

[0030] 如图1所示，一种人像比对在视频中的应用技术，包括以下步骤：

[0031] 步骤1：获取实时视频并提取目标人物头像相片；通过摄像头实时获取预设区域的所有人物视频并同时提取即时头像照片，当即时头像照片中人物两眼的瞳孔中心点的距离为10～100像素并且所述的摄像头与该即时头像照片中人物的头部的拍摄垂直角度为0～90°时，则把该即时头像照片判断为是目标人物头像相片；需要说明的是，在本实施例中对实时视频并不进行图像提取等操作，通过摄像头进行实时视频的拍摄并抓拍目标人物头像相片，目标人物头像相片的获取可以通过摄像头获取也可以通过自动抓拍机进行，优选为采用同一个摄像头进行。所述的摄像头传感器参数为：1/2.5英寸CMOS有效像素：300万镜头接口：C/CS最大分辨率：1920×1200最低照度：0.3Lux F1.4帧率：1920×108029fps1600×120031fps，大大提高了图像的信息量。需要说明的是，本实施例所述的目标人物的定义为摄像头所能拍摄到的所有的人。我国的东北、西北地区(新疆、内蒙、黑龙江)冬季气温可达-40摄氏度，户外的维护极为不便，对系统的稳定性要求极高，摄像头采用嵌入式设计，所有的器件选用工业级器件，能有效应对低温、高温等极端气候条件，能够有效保证系统的稳定。内置“看门狗”等硬件电路，相当于有人在前端进行24小时不间断值守，有效的保证了系统长期、稳定、连续运行。

[0032] 如图2所示，所述的步骤1具体包括以下子步骤：

[0033] 子步骤11：通过摄像头检测环境光线强度，当所述的环境光线强度小于预设的第二阈值时，则补光；在本实施例中，第二阈值为亮度500-1000lux；低于该阈值，则补光，当然为本行业通用的，补光的方式并不仅仅限于通过LED灯补光，还可以通过增加柔光箱等补光措施，提高光照环境质量，以保证采集的视频质量。

[0034] 子步骤12：通过摄像头实时获取预设区域的所有人物视频，判断所述的视频中含有的人物的个数；若目标人物的个数为单个，则针对单个目标人物实时提取目标人物头像照片，若目标人物的个数为多个，则针对每一个目标人物分别实时提取目标人物头像照片。

[0035] 在实际应用中，关于视频中人脸跟踪的方案已经十分成熟，本实施例根据运动目标检测技术，通过本帧和上一帧的边缘图像的变化确定人体和人脸区域，在确定人脸区域后，根据预先设定好的人脸上双眼距离所占比例的普遍规则，预估双眼的瞳孔中心点的距离，比如，预设的规则是双眼瞳孔中心点的距离占人脸宽度的50％～65％，如果现在测得的人脸宽度为100像素，则双眼的瞳孔的中心点的距离为50～65像素，通过这种方法可以显著的提高计算速度。当然本实施例并不仅仅限于上述的方法，在本领域中还可以采用通过上一帧和下一帧图片的变化，检测相邻两帧图片中人脸的特征值并比对，确定为同一人后确定双眼位置并计算双眼距离。

[0036] 当目标人物两眼的瞳孔中心点的距离不为10～100像素时，将该帧即时头像照片保存在服务器中。当然也可以保存在摄像头的SD卡中。

[0037] 当拍摄水平角度或拍摄垂直角度不为0～90°时，将该帧即时头像照片保存在服务器中。当然也可以保存在摄像头的SD卡中。

[0038] 拍摄垂直角度的判断本实施例给出两种具体的实现方法：

[0039] 方法1：在子步骤12中，根据确定的人脸区域确定人脸区域的中心点位置；

[0040] 确定摄像头的中心点

[0041] 根据摄像头的中心点、变焦倍数、人脸区域的中心点位置确定摄像头和人的头部的拍摄水平角度和拍摄垂直角度。每个时刻的变焦倍数都存储在摄像头中，服务器可以提取任何时刻的变焦倍数。

[0042] 方法2：对即时头像照片中人物进行双眼定位，并以定位的双眼的中线为基准线，将双眼映射双眼于脸部左右上下的基准角度来判断所述的摄像头与该即时头像照片中人物的头部的拍摄垂直角度。

[0043] 在子步骤12之后还包括子步骤13：拍摄水平角度判断步骤：判断所述的摄像头与该即时头像照片中人物的头部的拍摄水平角度是否为0～90°，若是，则进行子步骤14，若否，则保存该帧即时头像照片。

[0044] 其具体为以双眼瞳孔的连线与水平线的夹角进行判断。

[0045] 子步骤14：对所获取的目标人物头像相片进行剪裁，使所述的目标人物的人脸至少占所述的剪裁后的目标人物头像相片的面积的3/4。

[0046] 步骤2：人像比对，将步骤1中所提取目标人物头像相片发送给服务器，并通过所述的服务器将该目标人物头像相片与已有的头像照片进行相似度比对，当已有的头像照片中存在符合预设的第一阈值的已有头像照片时，即判断该目标人物头像相片中的人物与已有头像照片为同一人并输出对应的人物信息，反之，则输出无对应人物的提示信息。本服务器中存储的已有的头像照片可以根据用户的需要自主设置，比如，如果是银行系统，在服务器中存储具有通行权利的人的照片，照片大小为3Kb，当检测到不为具有通行权利的人，则报警，比如，如果是公安部门，则在服务器中存储通缉犯的照片，比如，如果是教育部门，则在服务器中存储考场中考生预先存入的照片。为了保证及时的进行人脸识别，降低服务器的数据处理量，本服务器中存储的已有头像照片优选于少于一万张。对于不同业务类型的人脸相片，支持分类建库，支持按性别、区域(如户籍所在地、籍贯)、年龄段、国籍、民族、照片质量等规则分类建库。

[0047] 建库过程中需要注意如下事项：

[0048] (1)单张人脸照片模板大小<3KB；

[0049] (2)二代证或质量类似的照片的入库率≥99％；

[0050] (3)100万库容(二代证或质量类似的照片)条件下，建模时间<3天；

[0051] (4)100万库容(二代证或质量类似的照片)条件下，1：N全库比对速度<1.5秒；

[0052] (5)100万库容(二代证或质量类似的照片)条件下，1：N全库比对首位命中率>90％；前100选命中率>96％；

[0053] 其中，建库导入有三种方式进行添加，分别是前端摄像机、已有照片和身份证照。目前识别率最高的是通过前端摄像机采集的人脸照片作为黑名单，其次是已有照片(其他摄像机的照片或数码相机照的相片等)，最后是公安库中的二代身份证照片。

[0054] 注释：

[0055] 比对速度＝比对总时间/比对总次数；

[0056] 前N选命中率＝返回前N个图像中和测试图像是同一个人的次数/比对总次数*100％。

[0057] 如图3所示，所述的步骤2中，所述的服务器将目标人物头像相片与存储在服务器中的已有的头像照片进行比对具体包括以下子步骤：

[0058] 子步骤201：人脸定位，从目标人物头像相片的背景中分离出人脸区域；

[0059] 子步骤202：双眼定位，从子步骤201中获取的人脸区域中确定双眼瞳孔的位置；采用adaboost基于人脸特征的方法可以有效的确定双眼瞳孔的位置，在现有技术中，人脸特征点的定位已经开发出若干种方法，在此不一一详述，上述具体的方法并不仅仅限于adaboost基于人脸特征的方法。

[0060] 在实际应用中，由于现有的移动终端的计算能力受制于体积、芯片发展程度的限制，其计算速度与固定式的计算机存在一定的差距，为了进一步提高本技术在移动终端中的运算速度，上述的人脸定位和双眼定位采用如下的方法：

[0061] 1)利用设定阀值自动将人眼与人脸其它部分和背景分离或利用人眼灰度值进行眼睛定位；

[0062] 2)通过对灰度图像进行垂直和水平灰度投影后，对人脸初步定；

[0063] 3)用瞳孔大小的方框搜索人脸，落入框内的黑色像素个数达到最大时，框的位置即是眼睛位置。

[0064] 子步骤203：影像校正，校正人脸区域的倾斜角度，并根据子步骤202中所确定的双眼瞳孔的位置确定所述的双眼瞳孔中心的距离，并根据双眼瞳孔中心的距离与预设的双眼瞳孔中心的距离的比值，调整人脸区域的像素；在具体应用中，人脸区域的倾斜角度的校正包括两个方面，即照片平面区域的倾斜角度的校正和垂直于照片平面区域的倾斜角度的校正，对于照片平面区域的倾斜角度校正通过两眼通孔中心的连线倾斜角度的计算既可以获知需要校正的角度，人脸区域的像素主要根据双眼瞳孔中心的距离与预设的双眼瞳孔中心的距离的比值进行调整，比如拍照时获取的双眼瞳孔的距离为63像素，而预设的双眼瞳孔中心的距离为65像素，则移动终端的图片处理模块则根据上述像素的比例进行适当增大。上述角度和像素的调整都是微调，通过较小的计算量既可以得到本子步骤33所要求的处理结果。

[0065] 子步骤204：影像预处理，对子步骤203中校正过的人脸区域进行预处理，具体包括脸部的色彩、脸部曝光、脸部光线均匀、脸部平均色彩、脸部高光、模糊度、亮度均值、灰度动态范围、不均匀性、过曝光比例、欠曝光比例、图像锐度、图像模糊度、配戴眼镜、人脸左右两侧、上下偏转角度的处理；

[0066] 子步骤205：提取人脸特征集群，对经子步骤204获取的人脸区域提取不少于一个的人脸特征值，所述的头像照片的人脸特征值的集合为头像照片的人脸特征集群。

[0067] 子步骤206：将所述的人物头像相片的人脸特征集群与服务器中存储的已有的头像照片的人脸特征集群进行比对，计算符合预设的第三阈值的的人脸特征值的数量，并根据符合预设的第三阈值的的人脸特征值的数量获得相似度；

[0068] 子步骤207：判断所述的相似度是否符合第一阈值，若是，则提取和输出对应的目标人物信息至人脸共享服务平台，同时发送告警信息给设定的对象，比如监考老师，警察等；人脸共享服务平台为各省公安厅建立的数据库服务器。需要说明的是，本实施例所述的目标人物信息包括目标人物头像相片、对应的已有的头像照片和对应的身份信息。

[0069] 若子步骤207中得到的符合第一阈值的已有头像照片为多张，则根据多张已有头像照片对应的相似度，选择相似度最大的已有头像照片并判断该已有头像照片中的人物与目标人物头像相片中的人物同一人。

[0070] 在子步骤207中，若输出对应的目标人物信息时，网络状况变差，则将所述的对应的目标人物信息存储在服务器中，当网络状况变好后，输出对应的目标人物信息。

[0071] 在本实施例中，操作人员还可以在人脸共享服务平台上进行后台操作，进行人工操作或者干预，主要是人工建模、对摄像头的控制、手工采集目标人物相片等操作。

[0072] 在本实施例中，抓拍的目标人物头像相片中同时记载有摄像头的编号、拍摄时间、以及在拍摄画面内有多个人物时各人物之间服务器也给了不同人物的编号，在后续的工作人员如果想调取该目标人物的视频只要有目标人物头像照片即可以顺利的调取录像。录像存储在摄像头的存储中，并且定期传递给服务器或者人脸共享服务平台，定期删除清理数据。

[0073] 如图4所示，在本实施例中，所述的步骤1结束后，若服务器繁忙无法进行步骤2，则进行：

[0074] 步骤3：通过服务器将所述的目标人物头像相片发送至人脸共享服务平台，所述的人脸共享服务平台存储有多张已有头像照片，通过所述的人脸共享服务平台进行人脸比对，找出符合第一阈值的已有头像照片并并判断该已有头像照片中的人物与目标人物头像相片中的人物同一人。

[0075] 服务器对不能完成人脸识别的人脸相片须产生报警信息提示用户，提供用户人工干预入口，可在客户端进行手工人脸定位建模；具备同步干预和异步干预选择，可由系统参数控制；可按时间点、业务类型等条件分类展示和查询,再次进行手工建模；对不能进行成功建模图像给出评价，并提供改进提示。

[0076] 在步骤2中，人脸比对具体来说具有如下注意事项：(1)支持照片的缩放、剪辑、压缩等功能。人脸相片文件格式支持JPEG、BMP等主流格式。

[0077] (2)比对前人脸照片质量检测功能，比对前必须经过包括对人脸照片的文件压缩格式、大小、尺寸(像素)、模糊度、色彩位数、人脸照片的人脸个数、两眼距离、配戴眼镜、光线均匀度、人脸左右两侧、上下偏转角度等项检测。以保证待比对的照片都必须符合人脸识别要求。

[0078] (3)提供OCX或其他控件形式的比对前人脸照片预处理功能，如模糊质量优化、修正等。

[0079] (4)支持单张相片比对和批量相片比对。

[0080] (5)支持多条件分类、分库比对，即输入相片的人脸身份特征的单个或多个条件能在分类中实现更快速的比对。

[0081] (6)支持按优先级建立比对人物，人物调度方法支持多策略，并可由用户根据业务要求进行动态配置。

[0082] (7)比对相片建模比对后，模板自动保存到特征库中。

[0083] (8)比对结果包括相片ID、相似度(分数)或其他要求的信息等，可由参数决定，按照排序输出；比对返回结果大小由参数决定。

[0084] (9)比对结果支持文件和数据库方式等方式输出。支持包括导出WORD、EXCEL、TXT等格式。

[0085] 通过设定特定的瞳距、拍摄角度以及拍摄光线，来获得符合要求的即时头像照片，并通过人像比对技术快速的得到处理结果，通过上述的处理可以有效的降低数据处理量，提高比对精度，降低比对的用时。

[0086] 通过本实施例，基于<＝5万布控名单时，正确辨识率>＝75％；基于<＝10万布控名单时，正确辨识率>＝70％；基于<＝20万布控名单时，正确辨识率>＝65％；基于>20万布控名单时，正确辨识率>＝60％；(不包括侧身、低头、脸部被局部遮挡)；

[0087] 基于<＝5万布控名单时，错误辨识率<＝5‰；基于<＝10万布控名单时，错误辨识率<＝1％；基于<＝20万布控名单时，错误辨识率<＝3％；基于>20万布控名单时，错误辨识率<＝5％；(不包括侧身、低头、脸部被局部遮挡)，报警响应时间<＝3秒(与网络传输速度有关)。

[0088] 以上所述的仅为本发明的较佳实施例，凡在本发明的精神和原则范围内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。