[发明专利]通过云边协同从监控视频流中进行人脸检测和识别的方法

说明书

本发明公开了通过云边协同从监控视频流中进行人脸检测和识别的方法，包括以下步骤：S1、通过边缘设备扫描并添加图像采集设备，并拉取所述图像采集设备的视频流；S2、分离出所述视频流中的压缩数据，并对所述压缩数据解码获取全局图像帧数据；S3、抽取所述全局图像帧数据中的局部图像帧数据进行人脸特征点检测，并生成含有人脸位置数据和人脸图像数据的数据包；S4、根据所述数据包对所述全局图像帧数据进行人脸跟踪识别，输出特征人脸图像数据；S5、将所述特征人脸图像数据上传至云服务器，所述云服务器接收到所述特征人脸图像数据后，根据所述特征人脸图像数据对云数据库进行对比识别，并得到对比识别数据。

技术领域

本发明涉及视频图像抓取、人脸检测和识别等技术领域，具体涉及通过云边协同从监控视频流中进行人脸检测和识别的方法。

背景技术

目前的监控人脸识别需要前端部署专用人脸抓拍机设备进行人脸检测抓怕，搭配NVR设备做人脸对比识别。

现有的监控人脸检测识别：需要部署NVR设备和人脸抓拍机，成本较高，人脸对比识别局限在单个NVR系统内，无法形成多NVR汇聚，形成人脸信息孤岛，无法利用原有普通视频监控摄像头进行人脸检测抓拍。

发明内容

针对现有技术中的缺陷，本发明提供通过云边协同从监控视频流中进行人脸检测和识别的方法,主要利用边缘设备对普通视频监控摄像头进行人脸检测，不需要单独部署人脸抓拍机，边缘设备可以同时处理多路视频流，云端进行人脸对比识别，形成云端人脸识别汇聚，解决单NVR设备人脸识别局限性和人脸信息孤岛问题。

通过云边协同从监控视频流中进行人脸检测和识别的方法，包括以下步骤：S1、通过边缘设备扫描并添加图像采集设备，并拉取所述图像采集设备的视频流；S2、分离出所述视频流中的压缩数据，并对所述压缩数据解码获取全局图像帧数据；S3、抽取所述全局图像帧数据中的局部图像帧数据进行人脸特征点检测，并生成含有人脸位置数据和人脸图像数据的数据包；S4、根据所述数据包对所述全局图像帧数据进行人脸跟踪识别，输出特征人脸图像数据；S5、将所述特征人脸图像数据上传至云服务器，所述云服务器接收到所述特征人脸图像数据后，根据所述特征人脸图像数据对云数据库进行对比识别，并得到对比识别数据。

本发明通过使用边缘设备实时对普通摄像头的视频流进行人脸检测，减少传输成本，云端人脸汇聚进行人脸对比识别，能够降低视频监控人脸检测识别成本，云端人脸汇聚识别解决传统NVR人脸识别信息孤岛问题。不需要专门装备NVR设备或人脸抓拍机，通过普通视频流即可抓取人脸数据，大大减少了设备成本。

进一步的，为了提高该方法的协同性、灵活性，所述步骤S1中所述边缘设备通过ONVIF协议扫描并添加图像采集设备，并通过RTSP协议拉取所述图像采集设备的视频流。ONVIF规范描述了网络视频的模型、接口、数据类型以及数据交互的模式，并且包括一些现有标准。

进一步的，所述压缩数据为H.264格式的数据，采用该格式的数据拥有低码率、高质量、容错率高以及网络适应性强等优点。

进一步的，为了方便实时应用，所述压缩数据通过OpenCV来解码获取全局图像帧数据。

进一步的，为了增大兼容性，所述步骤S3中通过Dlib人脸检测模块进行人脸特征点检测。

进一步的，所述步骤S3中所述抽取所述全局图像帧数据中的局部图像帧数据的具体步骤为：

从所述全局图像帧数据里每5帧连续图像中，任意抽取1帧图像做为局部图像帧数据。

进一步的，所述步骤S4中所述人脸跟踪识别通过人脸跟踪模块或人脸跟踪算法完成。

进一步的，所述步骤S4中获取所述特征人脸图像数据具体步骤为：