[发明专利]基于机器学习的人脸特征识别安防控制方法及系统

说明书

本发明涉及安防技术领域，公开了基于机器学习的人脸特征识别安防控制方法，包括如下步骤：获取包括目标面部的采样视频；在目标面部的指定位置设置动态标识；根据动态标识获取与采样视频对应的标准图片；根据标准图片判断目标面部的安全等级，并根据安全等级调整更新指定位置。能够进行变化的动态标识决定了标准图片相应也会发生变化，提高了第二次安全等级判断发生改变的几率，外来使用者也无法准确的知晓动态标识的变化逻辑，也无法准确的做出相应的伪装，从而能够提升整体的安防安全性能。

技术领域

本发明涉及安防技术领域，具体涉及基于机器学习的人脸特征识别安防控制方法及系统。

背景技术

目前，门禁安防的相关系统主要包括使用IC卡、图像识别、指纹识别等识别方式的系统，但其安全性都较低，图像、指纹、 IC卡都可以被人为盗用，从而轻松攻破安防系统。随着技术的进一步成熟和社会认同度的提高，人脸识别技术将应用在更多的领域。

人脸识别技术是基于人的脸部特征，对输入的人脸图像或者视频进行判断，目前已经取得了许多重要突破。人脸识别技术是基于人的脸部特征，对输入的人脸图像或者视频进行判断，系统输入一般是一张或者一系列含有未确定身份的人脸图像，系统输出则是一系列相似度得分，可根据得分情况进行是否准入的判断。

比如，采用训练样本对神经网络模型进行训练，将训练完成的神经网络模型作为识别模块，后将采集到的人脸图片发送识别模块进行处理，可以快速的对身份是否符合要求进行确定，输出一个符合某种级别安全等级的概率值，概率值越高，则认为属于该安全等级的置信度越高，当置信度超过一定的数值，则可以输出安全等级的判断。

然而，现有的人脸识别虽然已经能够实现较高的识别准确度，但是在系统输入阶段，依然存在可能导致识别准确度下降的问题，比如，外来人员事先知晓识别判断的逻辑为脸部整体轮廓，会刻意采用相关手段对脸部轮廓进行修饰，来逃避安全审查，以此能够骗过神经网络模型的自动识别，毕竟神经网络模型的训练样本有限，在训练时也都是采用的人脸整体作为样本进行训练，因此可能导致安全等级判断失误的情况发生。

发明内容

本发明的目的在于提供基于机器学习的人脸特征识别安防控制方法及系统，解决以下技术问题：

如何提供一种更加准确安全的人脸特征识别安防控制方法。

本发明的目的可以通过以下技术方案实现：

基于机器学习的人脸特征识别安防控制方法，包括如下步骤：

S100，获取包括目标面部的采样视频；

S200，在所述目标面部的指定位置设置动态标识；

S300，根据所述动态标识获取与所述采样视频对应的标准图片；

S400，根据所述标准图片判断所述目标面部的安全等级，并根据所述安全等级调整更新所述指定位置。

通过上述技术方案，可在目标面部上设置的动态标识可以根据后续判断得到的安全等级进行变化，从而进一步的对标准图片进行重新获取并进行识别，将后续判断的安全等级作为真正的评判结果，也就是说，能够进行变化的动态标识决定了标准图片相应也会发生变化，因此从提高了第二次安全等级判断发生改变的几率，外来使用者也无法准确的知晓动态标识的变化逻辑，因此也无法准确的做出相应的伪装，从而能够提升整体的安防安全性能。

作为本发明进一步的方案：所述步骤S200包括：

获取所述采样视频中的采样帧；其中，所述采样视频中包括面部指导框，所述面部指导框用于引导使用者调整面部位置；

当所述使用者的面部位置与所述面部指导框一致，启动所述动态标识；

所述采样帧的时间戳包含于所述动态标识的启动时间内。