[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

说明书

本发明涉及电力施工现场人脸识别方法，结合深度神经网络实现电力现场中人员身份的识别。该方法首先利用训练好的人脸检测模型和人脸特征提取模型，建立人脸特征库。在进行现场检测时，首先检测视频每一帧图像中的人脸，提取人脸的特征，并与特征库中的人脸进行对比，实现人员身份的识别。本发明在训练人脸检测和人脸特征提取模型时均采用了不同姿态的人脸数据，以保证模型的泛化能力。采用MTCNN人脸检测模型提取人脸的特征，并通过修改ResNet网络结构，提取512维的人脸特征，实现人脸特征更精细化的提取。同时采用KNN与阈值相结合的判别方法，进一步提高了人脸识别的精度。

技术领域

本发明属于人脸识别领域，涉及电力施工现场人员的身份识别方法，特别是一种基于深度神经网络的电力施工现场非法人员身份识别方法及系统。

背景技术

随着我国电网建设工程的不断增加，施工队伍需求量也在大量增加，这就导致施工队伍中存在一些施工人员缺乏基本的安全知识、安全意识不强、安全技能不高以及自我防护能力不够等问题，对自身和他人的生命安全存在威胁。

当前，影响施工安全的主要因素有两个，一个是非持证施工人员随意进入施工现场带来安全隐患；二是在关键过程中，施工人员随意出入，影响施工安全和施工效率。因此，如何利用先进的信息化技术手段，有效管控现场施工人员，提高施工安全监管水平，提高企业对施工风险的管控能力，具有重要的意义。

电力施工现场情况非常复杂，经常存在人员遮挡、施工机械作业遮挡、扬尘、光照、现场人员与监控摄像机距离较远等等环境因素的干扰。因此，很难将现有的适用于室内的人脸识别技术直接应用于户外场景人脸识别中。因此如何改进人脸识别技术，将视频监控技术与人脸识别技术结合起来，做到真正意义上的非接触式地主动身份识别，从智能化角度满足电力基建施工现场人员管控需要。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于深度神经网络的电力施工现场非法人员身份识别方法及系统。

本发明解决其技术问题是采取以下技术方案实现的：

一种电力施工现场的非法人员身份识别方法，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。

而且，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。

而且，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。

而且，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。

而且，所述人脸检测模型是用于检测图像中人脸区域的模型。