本发明涉及人脸识别技术领域，且公开了一种基于人脸识别技术的校园身份智能管理系统，包括以下步骤：1)人脸检测与跟踪，从各种场景中检测出人脸的储存，并从场景中准确分离出人脸的区域，对图片库里所有的人脸图像进行分块。该基于用户大数据行为反馈数据的分布式存储方法，通过在人脸规整方面使用3D规整，方便人眼的直观认识和提高后期的机器学习与人脸识别效果，通过将特征处理由双层异构深度神经网络进行优化与学习，使得人脸的区分性更强，识别效果更佳，实现不同图像空间到相同特征空间的映射，在特征空间中，相同身份人脸图像的类内差异变小，而不同身份人脸图像的类间差异变大。
1.一种基于人脸识别技术的校园身份智能管理系统，其特征在于，包括以下步骤：
1)人脸检测与跟踪，从各种场景中检测出人脸的储存，并从场景中准确分离出人脸的区域，对图片库里所有的人脸图像进行分块；
2)步骤1)中人脸检测完成后，对人脸关键点进行检测，校正人脸尺度、光照以及旋转等方面的变化，得到规范的人脸图像，对每块区域提取局部特征，如LBP、SIFT形成局部特征描述；
3)步骤2)中人脸关键点检测完成后，对人脸进行规整，将人脸图片根据关键点进行平移、旋转和缩放等一系列手段，对齐到统一的标准人脸，完成人脸规整；
4)步骤3)中人脸规整完成后，进行特征提取，从人脸图像中提取出人脸具有代表性的特征信息，并用一定的方式加以描述，从而完成特征提取目的；
5)步骤4)中特征提取完成后，进行最终的人脸比对识别，根据所提取的特征信息，将待识别的人脸与数据库中人脸进行比较，找到数据库中最相似的人脸，从而完成信息确认。
2.根据权利要求1所述的一种基于人脸识别技术的校园身份智能管理系统，其特征在于，所述步骤1)中人脸检测利用softcascade筛选和vectorboosting的方法来对人脸进行检测并定位，所述步骤1)中的人脸跟踪利用粒子滤波算法和在线训练的特定人脸分类器来得到人脸在当前帧的位置，再根据离线训练的人脸定位模型对其调整定位。
3.根据权利要求1所述的一种基于人脸识别技术的校园身份智能管理系统，其特征在于，所述步骤2)中关键点检测是基于SDM算法技术，所述复杂环境包括有不同光照变换、各种姿态、表情变化与部分遮挡的人脸，所述检测模型比最好的公开测试准确率比传统检测比高出百分之五到百分之十，所述人脸关键点检测采用逐次迭代回归的方法。
4.根据权利要求1所述的一种基于人脸识别技术的校园身份智能管理系统，其特征在于，所述步骤3)中的人脸规整是利用3D规整方法，所述3D规整将侧面人脸通过重建3D人脸模型来还原出相应的正面人脸图像。
5.根据权利要求1所述的一种基于人脸识别技术的校园身份智能管理系统，其特征在于，所述步骤4)中的特征处理是通过双层异构深度神经网络模型区分人脸特征，所述双层异构深度神经网络模型中每层都是一个深度网络，所述深度网络指分别以两张照片为输入，采用二分类损失函数并对两个网络中对应权值的差异性进行正则化，得到不同图像空间到相同特征空间的映射，所述特征空间中，相同身份人脸图像的类内差异变小，不同身份人脸图像的类间差异变大。
6.根据权利要求1所述的一种基于人脸识别技术的校园身份智能管理系统，其特征在于，所述步骤5)中的比对识别人脸技术，是基于概率的线性判别分析PLDA算法，所述PLDA算法通过大量的学习数据，将每个人的深层特征与差异进行统一与放大，所述深度网络大数据通过分层矢量化多媒体信息表达体系采集，所述分层矢量化为一个多层的特征编码的过程，所述一个单层的特征编码处理过程为:①、对图片库里所有的人脸图像进行分块；②、对每块区域提取局部特征形成局部特征描述；③、对所有局部特征进行量化形成字典；④、根据字典信息和人脸图像的映射，编码形成人脸图像的特征向量。
一种基于人脸识别技术的校园身份智能管理系统
技术领域
[0001] 本发明涉及人脸识别技术领域，具体为一种基于人脸识别技术的校园身份智能管理系统。
背景技术
[0002] 校园中存在着大量不同身份的人员，既包括校园内学习工作的学生、教师，也包括后勤员工、校友、访问学者、学生家长、校外短期交流人员、游客等多种身份等人员，在我国大力开展无围墙大学建设等背景下，如何有效的管理不同人员的身份，既要保证无围墙大学的校园实体安全，又可以向各类身份人员提供不同的服务，提高高校整体管理和服务水平，就成了一个重要问题，近年来人脸识别技术取得了突飞猛进的发展，基于人脸识别技术，可以大大提升校园对不同身份人员的管理和服务水平，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一些智能分析与处理。
[0003] 传统的人脸识别技术主要是基于可见光图像的人脸识别，这也是人们熟悉的识别方式，已有三十多年的研发历史，但这种方式有着难以克服的缺陷，尤其在环境光照发生变化时，识别效果会急剧下降，无法满足实际系统的需要，解决光照问题的方案有三维图像人脸识别，和热成像人脸识别，但这两种技术还远不成熟，识别效果不尽人意。
[0004] 迅速发展起来的一种解决方案是基于主动近红外图像的多光源人脸识别技术，它可以克服光线变化的影响，已经取得了卓越的识别性能，在精度、稳定性和速度方面的整体系统性能超过三维图像人脸识别，这项技术在近两三年发展迅速，使人脸识别技术逐渐走向实用化，为加强校园安全管理，深入开展校园物联网信息采集工程建设，实验人工智能校园预警系统，迫切需要在校园搭建完善的物联网平台，以在校人员的行为数据为研究方向，建设独特的控制管理系统，故而提出一种基于人脸识别技术的校园身份智能管理系统来解决上述问题。
发明内容
[0005] (一)解决的技术问题
[0006] 针对现有技术的不足，本发明提供了一种基于人脸识别技术的校园身份智能管理系统，具备人脸识别等优点，解决了传统的人脸识别技术尤其在环境光照发生变化时，识别效果会急剧下降，无法满足实际系统的需要的问题。
[0007] (二)技术方案
[0008] 为实现上述人脸识别目的，本发明提供如下技术方案：一种基于人脸识别技术的校园身份智能管理系统，包括以下步骤：
[0009] 1)人脸检测与跟踪，从各种场景中检测出人脸的储存，并从场景中准确分离出人脸的区域，对图片库里所有的人脸图像进行分块；
[0010] 2)中人脸检测完成后，对人脸关键点进行检测，校正人脸尺度、光照以及旋转等方面的变化，得到规范的人脸图像，对每块区域提取局部特征，如 LBP、SIFT形成局部特征描述；
[0011] 3)中人脸关键点检测完成后，对人脸进行规整，将人脸图片根据关键点进行平移、旋转和缩放等一系列手段，对齐到统一的标准人脸，完成人脸规整；
[0012] 4)中人脸规整完成后，进行特征提取，从人脸图像中提取出人脸具有代表性的特征信息，并用一定的方式加以描述，从而完成特征提取目的；
[0013] 5)中特征提取完成后，进行最终的人脸比对识别，根据所提取的特征信息，将待识别的人脸与数据库中人脸进行比较，找到数据库中最相似的人脸，从而完成信息确认。
[0014] 优选的，所述步骤1)中人脸检测利用softcascade筛选和vectorboosting的方法来对人脸进行检测并定位，所述步骤1)中的人脸跟踪利用粒子滤波算法和在线训练的特定人脸分类器来得到人脸在当前帧的位置，再根据离线训练的人脸定位模型对其调整定位。
[0015] 优选的，所述步骤2)中关键点检测是基于SDM算法技术，所述复杂环境包括有不同光照变换、各种姿态、表情变化与部分遮挡的人脸，所述检测模型比最好的公开测试准确率比传统检测比高出百分之五到百分之十，所述人脸关键点检测采用逐次迭代回归的方法。
[0016] 优选的，所述步骤3)中的人脸规整是利用3D规整方法，所述3D规整将侧面人脸通过重建3D人脸模型来还原出相应的正面人脸图像。
[0017] 优选的，所述步骤4)中的特征处理是通过双层异构深度神经网络模型区分人脸特征，所述双层异构深度神经网络模型中每层都是一个深度网络，所述深度网络指分别以两张照片为输入，采用二分类损失函数并对两个网络中对应权值的差异性进行正则化，得到不同图像空间到相同特征空间的映射，所述特征空间中，相同身份人脸图像的类内差异变小，不同身份人脸图像的类间差异变大。
[0018] 优选的，所述步骤5)中的比对识别人脸技术，是基于概率的线性判别分析PLDA算法，所述PLDA算法通过大量的学习数据，将每个人的深层特征与差异进行统一与放大，所述深度网络大数据通过分层矢量化多媒体信息表达体系采集，所述分层矢量化为一个多层的特征编码的过程，所述一个单层的特征编码处理过程为:①、对图片库里所有的人脸图像进行分块；②、对每块区域提取局部特征形成局部特征描述；③、对所有局部特征进行量化形成字典；④、根据字典信息和人脸图像的映射，编码形成人脸图像的特征向量。
[0019] (三)有益效果
[0020] 与现有技术相比，本发明提供了一种基于人脸识别技术的校园身份智能管理系统，具备以下有益效果：
[0021] 1、该基于人脸识别技术的校园身份智能管理系统，通过在人脸规整方面使用3D规整，方便人眼的直观认识和提高后期的机器学习与人脸识别效果，通过将特征处理由双层异构深度神经网络进行优化与学习，使得人脸的区分性更强，识别效果更佳，实现不同图像空间到相同特征空间的映射，在特征空间中，相同身份人脸图像的类内差异变小，而不同身份人脸图像的类间差异变大，从而增强了特征的判别性，通过将人脸关键点检测基于SDM算法，能够在复杂环境下稳定地运行，包括不同光照变换、各种姿态、表情变化与部分遮挡的人脸，检测模型准确率高且速度快，方便人脸检测更加精准。
[0022] 2、该基于人脸识别技术的校园身份智能管理系统，通过结合校园场景，综合使用wifi嗅探、人脸识别、校园一卡通等技术或设施，多维实现人员识别和身份认定，解决由于光线不足、人员不配合、面部遮挡等因素造成单纯使用人脸识别技术识别率较低，或恶意规避视频采集设备人脸识别的情况，提高人员识别和身份认定的准确度，更好的为不同身份的人员提供不同的服务，通过将人脸识别能够与智慧校园平台及相关服务的建设相结合，起到提升校园迎新、校园智能导航、会议向导、学生安全管理、师生心理干预和校友返校服务等服务水平，做到线上线下统一的无感知个性化服务。
附图说明
[0023] 图1为本发明提出的一种基于人脸识别技术的校园身份智能管理系统流程图。
具体实施方式
[0024] 下面将结合本发明的实施例，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。
[0025] 请参阅图1，一种基于人脸识别技术的校园身份智能管理系统，包括以下步骤：基于人脸识别技术的校园身份智能管理系统，包括以下步骤：
[0026] 1)人脸检测与跟踪，从各种场景中检测出人脸的储存，并从场景中准确分离出人脸的区域，对图片库里所有的人脸图像进行分块，步骤1)中人脸检测利用softcascade筛选和vectorboosting的方法来对人脸进行检测并定位，步骤1)中的人脸跟踪利用粒子滤波算法和在线训练的特定人脸分类器来得到人脸在当前帧的位置，再根据离线训练的人脸定位模型对其调整定位。
[0027] 2)步骤1)中人脸检测完成后，对人脸关键点进行检测，校正人脸尺度、光照以及旋转等方面的变化，得到规范的人脸图像，对每块区域提取局部特征，如LBP、SIFT形成局部特征描述，步骤2)中关键点检测是基于SDM算法技术，复杂环境包括有不同光照变换、各种姿态、表情变化与部分遮挡的人脸，检测模型比最好的公开测试准确率比传统检测比高出百分之五到百分之十，人脸关键点检测采用逐次迭代回归的方法。
[0028] 3)步骤2)中人脸关键点检测完成后，对人脸进行规整，将人脸图片根据关键点进行平移、旋转和缩放等一系列手段，对齐到统一的标准人脸，完成人脸规整，步骤3)中的人脸规整是利用3D规整方法，3D规整将侧面人脸通过重建3D人脸模型来还原出相应的正面人脸图像。
[0029] 4)步骤3)中人脸规整完成后，进行特征提取，从人脸图像中提取出人脸具有代表性的特征信息，并用一定的方式加以描述，从而完成特征提取目的，步骤4)中的特征处理是通过双层异构深度神经网络模型区分人脸特征，双层异构深度神经网络模型中每层都是一个深度网络，深度网络指分别以两张照片为输入，采用二分类损失函数并对两个网络中对应权值的差异性进行正则化，得到不同图像空间到相同特征空间的映射，特征空间中，相同身份人脸图像的类内差异变小，不同身份人脸图像的类间差异变大。
[0030] 5)步骤4)中特征提取完成后，进行最终的人脸比对识别，根据所提取的特征信息，将待识别的人脸与数据库中人脸进行比较，找到数据库中最相似的人脸，从而完成信息确认，步骤5)中的比对识别人脸技术，是基于概率的线性判别分析PLDA算法，PLDA算法通过大量的学习数据，将每个人的深层特征与差异进行统一与放大，深度网络大数据通过分层矢量化多媒体信息表达体系采集，分层矢量化为一个多层的特征编码的过程，一个单层的特征编码处理过程为:①、对图片库里所有的人脸图像进行分块；②、对每块区域提取局部特征形成局部特征描述；③、对所有局部特征进行量化形成字典；④、根据字典信息和人脸图像的映射，编码形成人脸图像的特征向量。
[0031] 综上所述，该基于人脸识别技术的校园身份智能管理系统，通过在人脸规整方面使用3D规整，方便人眼的直观认识和提高后期的机器学习与人脸识别效果，通过将特征处理由双层异构深度神经网络进行优化与学习，使得人脸的区分性更强，识别效果更佳，实现不同图像空间到相同特征空间的映射，在特征空间中，相同身份人脸图像的类内差异变小，而不同身份人脸图像的类间差异变大，从而增强了特征的判别性，通过将人脸关键点检测基于SDM 算法，能够在复杂环境下稳定地运行，包括不同光照变换、各种姿态、表情变化与部分遮挡的人脸，检测模型准确率高且速度快，方便人脸检测更加精准。
[0032] 并且，该基于人脸识别技术的校园身份智能管理系统，通过结合校园场景，综合使用wifi嗅探、人脸识别、校园一卡通等技术或设施，多维实现人员识别和身份认定，解决由于光线不足、人员不配合、面部遮挡等因素造成单纯使用人脸识别技术识别率较低，或恶意规避视频采集设备人脸识别的情况，提高人员识别和身份认定的准确度，更好的为不同身份的人员提供不同的服务，通过将人脸识别能够与智慧校园平台及相关服务的建设相结合，起到提升校园迎新、校园智能导航、会议向导、学生安全管理、师生心理干预和校友返校服务等服务水平，做到线上线下统一的无感知个性化服务。
[0033] 尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
