地铁线网多级人脸聚类的方法及系统与流程

本发明属于计算机，具体涉及一种地铁线网多级人脸聚类的方法及系统。

背景技术：

1、人脸识别是图像处理领域用摄像头视频流采集包含人脸的图像，并在图像中进行人脸的检测和追踪，基于人的面部特征信息进行生物识别和提取的技术。随着安防要求的提升、监控设备的增长，轨道交通地铁线网中产生了海量的人脸数据。对提取的所有的人脸特征进行分析，确定归属同一个人的人脸的过程叫做聚类。如何结合地铁线路场景，在尽可能利用现有硬件资源条件下，对数据进行高效的分析聚类，对地铁线网中人员的活动轨迹、活动频率、客流统计等一系列数据进行采集处理，对地铁的运营、治安防控和智慧交通提供助力。

2、传统的人脸聚类方法无法解决数据量和规模大了以后的计算效率问题和准确度下降问题，无法很好的结合地铁轨道线路进行业务应用。

技术实现思路

1、鉴于以上存在的问题，本发明提供一种地铁线网多级人脸聚类的系统，用于减少全局聚类的数据压力，解决单机硬件资源不足的缺陷，提升系统可用性，提高了大量数据下人脸聚类的效率。

2、为解决上述技术问题，本发明采用如下的技术方案：

3、本发明一方面提供一种地铁线网多级人脸聚类的方法，包括以下步骤：

4、将地铁线网中的监控设备按站点和线路进行分组管理，分为站点级分组和线路级分组；

5、通过采集监控设备采集视频流中的图像帧，在图像中检测和追踪人脸；

6、提取检测出的人脸特征信息，进行特征储存且根据站点级分组id发送至对应的一级聚类模块；

7、采用一级聚类模块进行一级聚类，所述一级聚类模块包括多个一级聚类任务节点，每个一级聚类任务节点进行一个站点级的人脸特征数据聚类，接收发送过来人脸特征，根据其所在站点级分组id进行聚类，一级聚类人脸特征聚类完成后发送至对应线路的二级聚类模块；

8、采用二级聚类模块进行二级聚类，所述二级聚类模块包括多个二级聚类节点，每个二级聚类节点进行一个线路级的人脸特征数据聚类，接收一级聚类模块发送过来的人脸特征信息，根据其所在线路分组id进行聚类，每条线路数据对应一个二级聚类模块，二级聚类人脸特征聚类完成后发送至全局聚类模块；

9、采用全局聚类模块进行全局聚类，所述全局聚类模块包括一个聚类服务节点，对应地铁线网中所有的人员特征数据，接收二级聚类模块发送过来的特征信息，进行人脸相似阈值判定，若比中，判定为同一类人脸，更新该节点对应的类；否则，在该节点创建一个新的类。

10、一种可能的实施方式中，进一步包括业务应用，所述业务应用将各级聚类结果数据结合地铁线网线路图实现地铁线网级、线路级、站点级人员出行情况、轨迹分析和一人一档业务应用。

11、一种可能的实施方式中，所述通过采集监控设备采集视频流中的图像帧，在图像中检测和追踪人脸包括：通过人脸质量分计算，跟踪到的同一人脸序列仅保留一张最优脸，质量分的判定因素包含遮挡、模糊和偏转，当特征质量分数低于质量分阈值时判定为质量分数较低，进行丢弃处理。

12、一种可能的实施方式中，所述提取检测出的人脸特征信息包括：对获取的人脸图进行特征提取，提取后的特征写入到特征文件中，并通过mq消息中间件发送至一级聚类模块。

13、一种可能的实施方式中，所述每个一级聚类任务节点进行一个站点级的人脸特征数据聚类包括：若分组所在聚类节点不存在时，进行分组节点创建；人脸特征数据和对应一级聚类任务的类中心进行比较，判断人脸图片对应的人脸是否和某一类人脸的相似度高于或等于预设相似阈值；若相似度高于或等于预设第一相似阈值，则比中，判定为同一类人脸，更新该类的类中心；否则，用该人脸特征在该节点创建一个新的类。

14、一种可能的实施方式中，所述根据其所在线路分组id进行聚类包括：聚类过程进行人脸相似阈值的判定，若比中任务中已有相似人脸类特征，则判定为同一类人脸，更新该节点对应的类；否则，在该任务节点创建一个新的类特征。

15、本发明又一方面提供一种地铁线网多级人脸聚类的系统，包括设备管理模块、人脸识别模块、特征提取模块、一级聚类模块、二级聚类模块和全局聚类模块，

16、所述设备管理模块用于将地铁线网中的监控设备按站点和线路进行分组管理，分为站点级分组和线路级分组；

17、所述人脸识别模块用于通过采集监控设备视频流中的图像帧，在图像中检测和追踪人脸；

18、所述特征提取模块用于提取人脸识别模块中检测出的人脸特征信息，进行特征储存且根据站点级分组id发送至对应的一级聚类模块；

19、所述一级聚类模块包括多个一级聚类任务节点，每个一级聚类任务节点进行一个站点级的人脸特征数据聚类，接收发送过来人脸特征，根据其所在站点级分组id进行聚类，一级聚类人脸特征聚类完成后发送至对应线路的二级聚类模块；

20、所述二级聚类模块包括多个二级聚类节点，每个二级聚类节点进行一个线路级的人脸特征数据聚类，接收一级聚类模块发送过来的人脸特征信息，根据其所在线路分组id进行聚类，每条线路数据对应一个二级聚类模块，二级聚类人脸特征聚类完成后发送至全局聚类模块；

21、所述全局聚类模块包括一个聚类服务节点，对应地铁线网中所有的人员特征数据，接收二级聚类模块发送过来的特征信息，进行人脸相似阈值判定，若比中，判定为同一类人脸，更新该节点对应的类；否则，在该节点创建一个新的类。

22、一种可能的实施方式中，进一步包括业务应用模块，所述业务应用模块用于将各级聚类结果数据结合地铁线网线路图实现地铁线网级、线路级、站点级人员出行情况、轨迹分析和一人一档业务应用。

23、一种可能的实施方式中，所述脸识别模块用于通过采集监控设备视频流中的图像帧，在图像中检测和追踪人脸包括：通过人脸质量分计算，跟踪到的同一人脸序列仅保留一张最优脸，质量分的判定因素包含遮挡、模糊和偏转，当特征质量分数低于质量分阈值时判定为质量分数较低，进行丢弃处理。

24、一种可能的实施方式中，所述特征提取模块用于提取人脸识别模块中检测出的人脸特征信息包括：所述特征提取模块对人脸识别模块获取的人脸图进行特征提取，提取后的特征写入到特征文件中，并通过mq消息中间件发送至一级聚类模块。

25、一种可能的实施方式中，所述每个一级聚类任务节点进行一个站点级的人脸特征数据聚类包括：若分组所在聚类节点不存在时，进行分组节点创建；人脸特征数据和对应一级聚类任务的类中心进行比较，判断人脸图片对应的人脸是否和某一类人脸的相似度高于或等于预设相似阈值；若相似度高于或等于预设第一相似阈值，则比中，判定为同一类人脸，更新该类的类中心；否则，用该人脸特征在该节点创建一个新的类。

26、一种可能的实施方式中，所述根据其所在线路分组id进行聚类包括：聚类过程进行人脸相似阈值的判定，若比中任务中已有相似人脸类特征，则判定为同一类人脸，更新该节点对应的类；否则，在该任务节点创建一个新的类特征。

27、一种可能的实施方式中，所述全局聚类模块中设置多张显卡。

28、采用本发明具有如下的有益效果：由于同一人员在同一站点、同一线路中出现的概率相对较高，通过将监控设备按地铁站点、地铁线路进行分组单独聚类。分组聚类后产生的数据经判断后是否需要进行归档或后续级别的聚类。一级、二级聚类任务可分配到不同的服务器和显卡上，分别对应站点级、线路级人员出现情况，结合地铁线网轨道图，无需复杂的逻辑处理即可实现站点级、线路级人员轨迹、人员出现规律，热力统计等应用展示。减少了全局聚类的数据压力，解决了单机硬件资源不足的缺陷，提升了系统可用性，提高了大量数据下人脸聚类的效率。