[发明专利]嫌疑人人脸识别认定系统及方法

权利要求书

1.一种嫌疑人人脸识别认定系统, 有数据存贮单元、“人脸比对识别引擎”，其特征在于，还有多引擎调度模块和二次综合分析处理模块；

多引擎调度模块：包含数据减法模型；

二次综合分析处理模块：包含统计模型、加权模型、综合相似度计算模型；

所述的数据存贮单元有： 全景图片库；

多引擎调度模块将原图片数据I推送分发到各“人脸比对识别引擎”m输入接口，当“人脸比对识别引擎”m接收到图片数据I’时，进行图片数据I’回传，在多引擎调度模块中数据减法模型将图片数据I’与原图片数据I进行减法比对，当得数为零则通过；得数不为零则重发；

多引擎调度模块向n个 “人脸比对识别引擎” 输入同一张待识别人脸图片，各“人脸比对识别引擎”m进行单独引擎识别；

各“人脸比对识别引擎”m通过相似度计算模型、命中概率排序模型计算，设A为相似度阈值；得到前30名排序作为Top-1～Top-30列表，记为Listm；

统计模型从List1， List2，List3到Listn中筛选出被n个“人脸比对识别引擎”在Top-1～Top-30内命中的次数≥2次的记录集中，并重新列表，记为初选结果列表F0；

加权模型对初选结果列表F0的每条记录，根据其对应的各单引擎相似度值进行加权平均；

计算Listm相似度分布的均值mum和方差sigmam；以均值mum、方差sigmam的高斯分布在单引擎相似度sm的累积概率作为权重wm；

综合相似度计算模型计算综合相似度：综合相似度=(w1*s1+w2*s2+w3*s3+……+ wn*sn)/(w1+w2+w3+……+wn)；

输出综合相似度分析结果，从最高值开始排列出阈值以上的前10名。

2.如权利要求1所述的嫌疑人人脸识别认定系统,其特征在于，全景图片进行标签确定后存入全景图片库；标签有：拍摄机位、拍摄时间，在图片入库时自动存入。

3.如权利要求1所述的嫌疑人人脸识别认定系统,其特征在于，所述的数据存贮单元还有局部图片库：人脸图片进行了关联结构化数据存入局部图片库；结构化数据包含人员户籍地、违法记录、关系人姓名。

4.如权利要求1所述的嫌疑人人脸识别认定系统,其特征在于，所述的数据存贮单元还有关注人员小视频库：关注人员包括有身份人员和临时补充标注人员；根据人脸图片的时间和地点，在全景图片库中调取一段小视频片段，存入关注人员小视频库。

5.一种嫌疑人人脸识别认定方法,其特征在于，选择多个“人脸比对识别引擎”；

A：多引擎调度模块将原图片数据I推送分发到各“人脸比对识别引擎”输入接口，当“人脸比对识别引擎”接收到图片数据I’时，进行图片数据I’回传，在多引擎调度模块中数据减法模型将图片数据I’与原图片数据I进行减法比对，当得数为零则通过；得数不为零则重发；

B：二次综合分析处理模块给各家“人脸比对识别引擎”设定编号：m=1、2、3到n；

C：向 n 个“人脸比对识别引擎”输入同一张待识别人的人脸图片，各个“人脸比对识别引擎”进行单独引擎识别；

D：各个“人脸比对识别引擎”通过相似度计算模型、命中概率排序模型计算，统一设A为相似度阈值；得到前30名排序作为Top-1～Top-30列表；记为Listm；

E：统计模型从List1，List2，List3到Listn中筛选出被n个“人脸比对识别引擎”在Top-1～Top-30内命中的次数≥2次的记录，并集中重新列表，记为初选结果列表F0；

F：加权模型对初选结果列表F0的每条记录，根据其对应的各单引擎相似度值进行加权平均；

G：计算Listm相似度分布的均值mum和方差sigmam；

H：以均值mum、方差sigmam的高斯分布在单引擎相似度sm的累积概率作为权重wm；

I：综合相似度计算模型计算综合相似度：综合相似度=(w1*s1+w2*s2+w3*s3+……+wn*sn)/(w1+w2+w3+……+wn)；

J：输出分析结果，从最高值开始排列出阈值以上的前10名。