[发明专利]一种电力施工现场的非法人员身份识别方法及系统

权利要求书

1.一种电力施工现场的非法人员身份识别方法，其特征在于：包括如下步骤：

步骤一，标记具有不同姿态的电力施工现场中的人脸目标框，获得人脸图片；

步骤二，基于标记的人脸图片训练MTCNN网络模型，获取训练好的人脸检测模型；

步骤三，获取现有数据库中具有不同姿态的人脸数据集；

步骤四，基于获取的人脸数据集，通过修改ResNet-101网络结构，实现人脸特征提取模型的训练；

步骤五，利用训练好的人脸检测模型和人脸特征提取模型，建立现场施工人员特征库；

步骤六，获取待检测的图像，利用训练好的人脸检测模型和人脸特征提取模型提取待检测图像中人脸的特征，形成人脸特征矩阵；

步骤七，采用KNN和阈值相结合的方法，将形成的人脸特征矩阵与特征库内的人员进行对比，实现人员身份的识别。

2.根据权利要求1所述的一种电力施工现场的非法人员身份识别方法，其特征在于：所述标记电力施工现场中的人脸目标框的方法为：以矩阵或正方形的方式标记图片中的所有人脸区域。

3.根据权利要求1所述的一种电力施工现场的非法人员身份识别方法，其特征在于：所述不同姿态的人脸数据包括不同形式的侧脸、不同光线下的人脸以及不同遮挡下的人脸数据。

4.根据权利要求1所述的一种电力施工现场的非法人员身份识别方法，其特征在于：所述基于标记的人脸图片训练MTCNN网络模型，获取训练好的人脸检测模型的方法为：

修改已标注数据的地址、训练的次数以及模型保存路径参数，利用设置的前向传播与反向过程，不断的更新MTCNN模型的参数，当达到预设的训练次数时则训练停止，当前获取的模型为最优的人脸检测模型，模型保存在设置的目录下。

5.根据权利要求1所述的一种电力施工现场的非法人员身份识别方法，其特征在于：所述基于获取的人脸数据集，通过修改ResNet-101网络结构，实现人脸特征提取模型的训练的方法为：

首先需要获取用于训练的人脸数据；

选择当前人脸数据集中，具有不同姿态的人脸数据集；

获取ResNet-101网路结构后，首先去掉网络结构的最后一层，修改为节点为512的全连接层；

确定好网络结构后，需要训练获取网络结构的参数；

在训练时，首先训练全连接层，然后进行整个网络的训练，实现网络结构的微调；最终获取人脸特征提取模型的所有参数。

6.根据权利要求1所述的一种电力施工现场的非法人员身份识别方法，其特征在于：所述人脸特征提取模型是提取人脸512维的特征。

7.根据权利要求1所述的一种电力施工现场的非法人员身份识别方法，其特征在于：所述利用训练好的人脸检测模型和人脸特征提取模型，建立现场施工人员特征库的方法为：

获取需要入库的现场人员的图片，照片的数量可任意选择，并将它们放在不同的文件夹中，文件夹以其内部人员的名字命名；

采用人脸检测模型获取人脸的位置，利用人脸识别模型提取所有人脸的特征；

MTCNN算法检测到人脸时会给出人脸的位置以及人脸对应的分值，选择该判别阈值为0.96，当分值大于0.96时保留该框，否则舍弃该框；同时如果该图片中检测到的人脸数量大于1时，则放弃该图片，最终以字典的形式保存所有现场人员的人脸特征，形成现场人员特征库；其中字典的键为现场人员的名称，值为该人员的特征序列。

8.根据权利要求1所述的一种电力施工现场的非法人员身份识别方法，其特征在于：所述采用KNN和阈值相结合的方法，将形成的人脸特征矩阵与特征库内的人员进行对比，实现人员身份的识别的方法为：

首先利用KNN技术选择出距离目标样本最近的k个样本，基于k个样本的名称，选择数量最多的样本所对应的名称作为初始判断的名称；

然后在对应名称下的p个距离中选择最小距离a，并将a与设置的阈值b进行对比判断是否为库内人员，当小于b时，则为库内人员，否则为非库内人员，进行相应的告警；此处选择k为5，阈值为1.35。

9.一种电力施工现场的非法人员身份识别系统，主要包括人脸检测模块、人脸特征提取模块、人脸特征库建立模块以及人脸判别指标建立模块，其中人脸检测模块用于提取图像中人脸框的位置；人脸特征提取模块用于提取检测到的人脸的特征；人脸特征库建立模块用于通过利用训练好的人脸检测模型和人脸识别模型保存现场人员的人脸特征；人脸判别指标建立模块用于待识别人员与库内人员的精确匹配，当该系统检测到的人员是库内人员时会显示该人员的名称，否则将进行告警。