[发明专利]一种基于刷脸出行大数据的车站降级人脸库生成方法

权利要求书

1.一种基于刷脸出行大数据的车站降级人脸库生成方法，其特征在于，包括以下步骤：

步骤S1、利用乘客刷脸出行的大数据进行加工，得到乘客在不同站点的得分；

步骤S2、对所有站点进行编号，将步骤S1中乘客在所有站点的得分进行拼接，组成向量；

步骤S3、将步骤S2组成的向量进行拼接，组成一个二维矩阵；

步骤S4、选取前三个月、前一个月、前一周的刷脸出行大数据，对前一周的数据进行变动得到本周的通行数据；

步骤S5、随机初始化加权决策函数中的α、β以及γ，利用加权决策函数将前三个月、前一个月、前一周的得分向量进行融合得到当前周的通行数据；

步骤S6、对于步骤S4和S5得到的本周通行数据，利用均方误差函数得到的总误差，进行反向传播，从而对α、β以及γ的取值进行修正，得到最终的加权决策函数；

步骤S7、根据车站人脸库大小以及不同站点的人脸得分情况降级处理。

2.根据权利要求1所述的一种基于刷脸出行大数据的车站降级人脸库生成方法，其特征在于，所述的步骤S1中，利用乘客刷脸出行的大数据进行加工得到乘客在不同站点的得分，大数据包括：乘客的乘坐次数C、刷脸频率F以及乘坐站点的空间分布s。

3.根据权利要求1所述的一种基于刷脸出行大数据的车站降级人脸库生成方法，其特征在于，所述的步骤S2中，

每位乘客在所有站点得分所组成的向量P_i表示为：

P_i＝(P_i1,P_i2,...,P_im)

所述的步骤S3中，将所有乘客融合的向量进行拼接，组成一个二维矩阵P，具体为：

假设共有n个人，m个站点，则二维矩阵的阶数为n*m，其具体表示为：

4.根据权利要求3所述的一种基于刷脸出行大数据的车站降级人脸库生成方法，其特征在于，所述的步骤S4中，选取前三个月、前一个月、前一周的刷脸出行大数据，对前一周的数据进行变动得到本周的通行数据，具体为：

假定每个乘客的刷脸次数在10％上下波动，按照每个时间段的时长比例对前三个月的数据进行缩放，得到前一个月和前一周的刷脸数据；

假定95％的乘客其行程轨迹不变，其余5％的乘客行程轨迹发生改变，对前一周的数据进行变动，就得到本周的刷脸数据。

5.根据权利要求4所述的一种基于刷脸出行大数据的车站降级人脸库生成方法，其特征在于，所述的步骤S5中，随机初始化加权决策函数中的α、β和γ的值，利用加权决策函数将前三个月、前一个月、前一周的得分向量进行融合得到当前周的通行数据，其中加权决策函数F(P_i)为：

F(P_i)＝αP_i¹+βP_i²+γP_i³

随机初始化α、β以及γ，利用上式的加权决策函数得到当前周的通行数据。

6.根据权利要求5所述的一种基于刷脸出行大数据的车站降级人脸库生成方法，其特征在于，所述的步骤S6中，对于得到的本周通行数据，利用均方误差函数得到的总误差，进行反向传播，从而对α、β以及γ的取值进行修正，得到最终的加权决策函数，其中均方误差函数MSE为：

轮询得到的所有矩阵后，当MSE的值为最小时，得出最终的α、β以及γ，进而得到最终的加权决策函数。

7.根据权利要求6所述的一种基于刷脸出行大数据的车站降级人脸库生成方法，其特征在于，所述的步骤S7中，根据车站人脸库大小以及不同站点的人脸得分情况降级处理，其中，不同站点的人脸权值得分即为加权决策函数F(P_i)的值，将得到的不同站点的F(P_i)的值按照从大到小的顺序进行排列，对应各自的站点编号；在1：N的识别模式下，根据每个终端节点的计算资源的大小，将端侧人脸数据库按照比例分成不同规模的小的人脸库；对每个站点的人脸得分进行降序排列，然后根据具体的车站容量对人脸得分从大到小依次下发。