[发明专利]一种基于大数据机器学习的特定人群视频识别方法

说明书

公开了一种基于大数据机器学习的特定人群视频识别方法，该方法包括：(1)提供原始数据；(2)设置检测数据；(3)计算机在测量检测数据时，首先对原始数据进行图像的采集和规格化，然后对图像中出现的全部人脸进行识别，并测量所需要的特征数据，以及与现有知识之间的对应关系；(4)数据关联度分析；(5)建设分级的特征库；(6)针对每级特征库，进行比对，从而获得识别结果；(7)对计算机识别结果进行评判，如果结果错误则对步骤(4)、(5)进行修正。还有基于大数据机器学习的特定人群视频识别系统。

技术领域

本发明涉及视频智能识别的技术领域，尤其涉及一种基于大数据机器学习的特定人群视频识别方法，以及基于大数据机器学习的特定人群视频识别系统。

背景技术

目前的视频识别技术和产品基本上都是基于“有特征模型”的前提下，提取待识别的视频图像的特征，并与特征库进行比对，识别出所需的信息。例如用于交通行业的车牌号码识别，视频监控领域的人脸识别技术等，它们的主要技术特点都是预先建立好待识别图像的特征库。

这种技术对于有特征库的识别需求可以工作的很好，并且识别的精确度很高；但是对于没有特征库的视频图像就无法识别了。比如：去识别一大群人中的一个陌生的人。

在现实生活中却是有这样的需求的，并且按照人的经验也是能做到识别的。例如：有经验的警察可以在车站码头的熙熙攘攘的人群中发现可疑分子，尽管这个可疑分子警察事前根本不认识。再比如：有经验的销售人员能从顾客的神态中辨认出这个人是否是真心想购买商品。这个问题在现有的产品和技术中还没有很好的解决。

另外，这个特征库因为是依靠人去建立的，在系统工作过程中，也不会自动的更新或者完善特征库，当外界条件发生变化时，系统的识别精度便会受到影响。而有时候有的特征库是很好建设的(比如汽车的车牌号、某些确定的人的人脸)，但有时候特征库却是难于建设的，比如一个未曾谋面的人的人脸。

另外，对于海量的视频数据，如果使用目前的视频识别技术(对待识别的视频信号进行规格化-降维-对比等方法)，其数据运算量极大，需要较大量的计算资源来支撑，系统的投资比较大。

发明内容

为克服现有技术的缺陷，本发明要解决的技术问题是提供了一种基于大数据机器学习的特定人群视频识别方法，其具有通用性，可以在没有特征库的情况下进行视频图像识别，能够使用较少的计算量来完成对于从海量视频数据中快速识别所需要图像的工作。

本发明的技术方案是：这种基于大数据机器学习的特定人群视频识别方法，该方法包括以下步骤：

(1)提供原始数据：先给计算机若干段视频信息，并且告诉计算机，这些视频中的期望寻找对象；

(2)设置检测数据：告诉计算机需要从哪些数据中去学习；

(3)计算机在测量检测数据时，首先对原始数据进行图像的采集和规格化，然后对图像中出现的全部人脸进行识别，并测量所需要的特征数据，以及与现有知识之间的对应关系；

(4)数据关联度分析：对采集的数据进行分析，分析出为所需时对应的参数的分布情况，以及不为所需时对应的参数目的分布情况；然后对这些分布情况进行统计和分析，找出各个参数分布的方差，以及各个参数分布重心的距离；

(5)建设分级的特征库：对特征数据建设一级特征库和二级特征库；

(6)针对每级特征库，进行比对，从而获得识别结果；

(7)对计算机识别结果进行评判，如果结果错误则对步骤(4)、(5)进行修正。