[发明专利]一种用于人员居所精确定位的方法、系统及设备

权利要求书

1.一种用于人员居所精确定位的方法，其特征在于，包括：

采集待识别人员在门禁入口处刷卡时的多幅人脸图像；

将所述人脸图像输入训练后的深度神经网络模型中，生成所述待识别人员的人脸关键点特征；所述深度神经网络模型利用同时具有人脸特征标签和视角区间标签的样本人脸图像进行训练；

将所述人脸关键点特征与已登记人员的人脸图像特征进行比对，如两者之间的相似度小于预设值，则获取待识别人员持有的门禁卡所关联的楼栋房间信息，实现居所精确定位。

2.如权利要求1所述的用于人员居所精确定位的方法，其特征在于，所述深度神经网络模型的训练过程包括：

将具有人脸特征标签和视角区间标签的样本人脸图像输入待训练的深度神经网络模型中，生成人脸特征预测数据及视角预测数据；

分别计算所述人脸特征标签与人脸特征预测数据之间的第一误差，以及所述视角区间标签与视角预测数据之间的第二误差；

反向调整所述待训练的深度神经网络模型的模型参数，直至损失函数最小化；所述损失函数为所述第一误差与第二误差的加权和。

3.如权利要求1所述的用于人员居所精确定位的方法，其特征在于，所述采集待识别人员在门禁入口处刷门禁卡时的多幅人脸图像之后，还包括：

根据每幅所述人脸图像中人脸的左右偏转角度、上下俯仰角度及斜方向翻转角度确定人脸图像的质量分数；

将各幅人脸图像对应的所述质量分数进行排序，取质量分数大于预设人脸质量阈值的人脸图像输入深度神经网络模型中。

4.如权利要求1所述的用于人员居所精确定位的方法，其特征在于，所述将人脸图像输入训练后的深度神经网络模型中，生成所述待识别人员的人脸关键点特征，包括：

对人脸图像进行空间变换，分别提取每幅人脸图像中的人脸特征及多视角特征，生成多个人脸候选框；

根据置信度对多个人脸候选框进行排序，取置信度不低于预设的人脸置信度的人脸候选框进行关键点定位，生成人脸关键点特征。

5.如权利要求1所述的用于人员居所精确定位的方法，其特征在于，还包括：

获取待识别人员持有的门禁卡所关联的楼栋房间内的其他登记人员的信息，将待识别人员的人脸关键点特征与其他登记人员的人脸图像特征进行逐一比对；

若待识别人员的人脸关键点特征与每个其他登记人员的人脸图像特征之间的相似度均小于预设值，则生成居所变迁人员推送信息；所述居所变迁人员推送信息包括待识别人员的人脸图像及持有的门禁卡所关联的楼栋房间信息。

6.如权利要求1所述的用于人员居所精确定位的方法，其特征在于，还包括：

根据待识别人员的人脸图像进行搜图，获得该人脸图像对应的所有抓拍人脸图像及抓拍的场景图像；

根据抓拍的时间点以及场景图像中对应的抓拍位置，按照时间顺序对待识别人员进行轨迹追踪。

7.一种用于人员居所精确定位的系统，其特征在于，包括：

人脸识别模块，其被配置为采集待识别人员在门禁入口处刷卡时的多幅人脸图像，并将所述人脸图像输入训练后的深度神经网络模型中，生成所述待识别人员的人脸关键点特征；所述深度神经网络模型利用同时具有人脸特征标签和视角区间标签的样本人脸图像进行训练；

数据分析模块，其被配置为将所述人脸关键点特征与已登记人员的人脸图像特征进行比对，如两者之间的相似度小于预设值，则获取待识别人员持有的门禁卡所关联的楼栋房间信息，实现居所精确定位。

8.如权利要求7所述的用于人员居所精确定位的系统，其特征在于，所述数据分析模块还用于获取待识别人员持有的门禁卡所关联的楼栋房间内的其他登记人员的信息，将待识别人员的人脸关键点特征与其他登记人员的人脸图像特征进行逐一比对；

若待识别人员的人脸关键点特征与每个其他登记人员的人脸图像特征之间的相似度均小于预设值，则生成居所变迁人员推送信息；所述居所变迁人员推送信息包括待识别人员的人脸图像及持有的门禁卡所关联的楼栋房间信息。