技术领域
[0001] 本
发明属于
人脸识别领域，尤其涉及一种大数据人脸监控系统。
背景技术
[0002] 随着经济的发展，城镇建设速度加快，导致城市中人口密集，流动人口增加，社会犯罪率呈逐年升高，引发了城市建设中的交通、社会治安、重点区域防范等城市管理问题。针对犯罪分子流动性较强，情况比较复杂，重点人员布控困难等情况，当前流行的方法是建立一套高效的视频监控系统平台。
[0003] 大量的平安城市和社会监控的高清普及，为人脸识别应用提供
基础。在案发之后利用视频录像提取人脸识别对比，利用人脸卡口轨迹线索分析等能有效
定位嫌疑人员。人脸实时布控系统，能够广泛应用于商场、酒店、网吧、出租屋、
汽车站、火站车、广场、交通要道等场所进行人脸实时布控、人脸黑白名单等需求迫切。
[0004] 根据人脸识别技术的最新研究成果，将人脸识别应用于视频图像环境的“非
接触生物特征识别技术”中，人脸生物识别是不需要使用者配合的生物识别方法，因而操作隐蔽性强，特别适合于公安部
门的安全防范、罪犯监控、罪犯抓捕等。形成高智能的、社会化的、规模化的公安防范体系，提供了有效的技术手段。
[0005] 现有的人脸视频布控，主要利用城市监控摄像机，采集人脸，利用网络传输的模式把人脸发送至后台进行人脸比对，该方法的缺点是不同的系统之间数据不互通，不能共享数据，不利于提升系统的
稳定性与可靠性，故而不能有效地对公安系统内可疑人员进行大范围地监控与追踪。
[0006] 针对上述问题，本发明实现了分布式多级联网的人脸识别中心监控系统，满足社区级(包括车站、酒店、机场、社区、出租屋等)、派出所级、省市公安局级的多级平台联网应用，为反恐、刑侦提供实战型技术平台。
发明内容
[0007] 为了解决上述技术问题，本发明提供了一种基于人脸大数据的监控系统，应用于前端实时采集系统，包括：
[0008] 视频抓取设备，所述视频抓取设备配置标准高清摄像头，采用一个或多个摄像头进行多方位人脸监控；所述视频抓取设备与人脸识别模组相连；实时采集被监控场所出入口视频，同时将采集的视频传输至人脸识别模组。
[0009] 人脸识别模组，所述人脸识别模组与视频抓取设备及人脸比对
服务器相连，接收来自视频抓取设备上传的监控视频，然后对所述监控视频进行抽样获取图像
帧，抽样
频率为1/N，然后对抽样的图像帧进行
人脸检测，标记检测到的每一张人脸，并记录每一张人脸的原始
像素大小，同时对检测到的每一张人脸进行
跟踪；在连续被检测到属于同一个人的多张人脸中挑选最大的一张人脸作为最佳人脸，记录最佳人脸以及包含最佳人脸的图像帧，对最佳人脸进行人脸特征提取，获得最佳人脸的特征序列；然后将最佳人脸图像、包含最佳人脸的图像帧以及最佳人脸特征序列上传至人脸比对服务器；
[0010] 人脸检测与特征提取方法优选为深度
卷积神经网络学习
算法。
[0011] 人证比对设备：所述人证比对设备与人脸比对服务器相连，由视频抓取模
块、人脸
机芯模块、二代身份证读取模块、显示屏和网络连接模块构成，人脸机芯模块对视频抓取模块获得的高清人脸图像以及从二代身份证读取装置中获得的人脸图像进行人脸检测，特征提取，然后进行人脸比对，将比对结果通过显示屏显示。若比对通过，则上传所述人脸的基本个人信息、高清人脸图像以及所述高清人脸图像对应的人脸特征序列至人脸比对服务器；否则进行人工确认人证比对结果，若确认为同一个人，则上传所述人脸的基本个人信息，高清人脸以及所述的高清人脸特征序列。
[0012] 人脸比对服务器：所述人脸比对服务器与人脸识别模组、人证比对设备以及人脸监控中心管理系统相连，接收并保存来自人脸识别模组以及人证比对设备上传的人脸数据；同时为新出现的人脸建立独立的人脸存储单元。
[0013] 若上传的人脸数据包含身份证信息，则根据身份证信息在所述的人脸比对服务器
数据库中进行查询，若查询结果显示已有所述人脸存储单元的历史数据，则将上传的人脸数据添加至所述的人脸存储单元历史数据中；若查询结果显示没有所述人脸的历史记录，则在所述数据库中进行人脸特征序列比对，比对方法步骤如下：
[0014] 步骤一，计算新上传的人脸特征序列与数据库中保存的基准人脸特征序列的负距离： 其中Di表示数据库中第i个人脸特征序列与新上传的人脸特征序列的距离的负数，ν0,i，νi,j分别表示新上传的人脸特征序列、数据库中第i个人脸特征序列的元素，N表示人脸特征序列包含的元素数目。
[0015] 步骤二，对人脸特征序列的负距离进行线性拟合：
[0016]
[0017] 其中a1,a2,b1,b2为分别为线性拟合参数，0
0，b2>0，th1为第一门限值。[0018] 步骤三，计算人脸特征序列负距离的S曲线值：
[0019] Si＝exp(Di′)/(1+exp(Di′))
[0020] 其中exp(x)为指数为e的指数函数。
[0021] 步骤四，将计算的S曲线值Si与预设的第二门限值th2进行比较，获得相似性比较结果SIMi：
[0022]
[0023] 若比较结果SIMi值为真的人脸存储单元只有一个，则将上传的人脸数据添加至上述人脸存储单元的历史数据中；若有多个，则弹出提示，进行人工确认，选择其中一个或者都不选择。
[0024] 否则，为上述人脸创建新的人脸存储单元，分配人脸存储单元唯一标识码，同时将上传的人脸特征序列设置为基准人脸特征序列，存储人脸的个人基本信息，高清人脸图像，人脸特征序列，图像的拍摄日期时间，设备的类型与地址等信息。
[0025] 若上传的人脸数据不包含身份证信息，则按照上述步骤与所述人脸比对服务器数据库中的人脸特征序列进行比对，若比对结果中只有一个相似的结果，则将上传的人脸数据添加至上述人脸存储单元的历史数据中；若有多个，则弹出提示，进行人工确认，选择其中一个或者都不选择。
[0026] 若比对结果无相似的结果，为上述人脸创建新的人脸存储单元，分配人脸存储单元唯一标识码，同时存储人脸的个人基本信息，高清人脸图像，人脸特征序列，图像拍摄的日期时间，设备的类型与地址等信息。
[0027] 所述人脸比对服务器接收来自人脸监控中心管理系统的黑白名单及人脸特征序列，人脸比对时，将新输入的人脸特征序列与所有的黑白名单的人脸特征序列进行比对，若比对结果中，有出现在黑名单中的人脸，则输出告警信息，并将告警信息反馈至人脸监控中心管理系统。
[0028] 所述人脸比对服务器定期与人脸监控中心管理系统的数据进行数据同步，同步方式为增量同步，只更新与最近一次同步后新增的人脸数据。
[0029] 本发明还提供一种人脸监控中心管理系统，包括：
[0030] 黑白名单管理模块：所述黑白名单管理模块与中心数据库及人脸特征管理模块相连，通过添加、或编辑、或删除等操作更新黑白名单中的人脸图像及个人基本信息，然后将黑白名单中的人脸图像输入至人脸特征管理模块，所述人脸特征管理模块对黑白名单中的人脸图像进行人脸检测、特征提取，获得黑白名单的人脸特征序列；然后将所述的黑白名单中的人脸图像、个人基本信息、人脸特征序列下发至与人脸监控中心管理系统连接的实时采集前端系统中的人脸比对服务器，或下发至人脸识别模组，或人证比对设备等。
[0031] 人脸特征管理模块：所述人脸特征管理模块与中心数据库及黑白名单管理模块相连，对黑白名单管理模块的人脸图像进行人脸检测与特征提取，获取人脸特征序列，将人脸特征序列反馈至黑白名单管理模块，优选的，人脸检测与特征提取方法优选为深度卷积神经网络学习算法。
[0032] 所述人脸特征管理模块检测中心数据库中基准人脸特征序列对应的基准人脸图像是否低于预设的
分辨率门限M*N，若所述的基准人脸图像的分辨率低于预设的分辨率门限，则检查所述人脸存储空间是否包含有通过人证比对的高清人脸图像，若有，则将所述的高清人脸图像的人脸特征序列设置为基准人脸特征序列，否则维持原有的基准人脸特征序列。
[0033] 轨迹分析模块：所述轨迹分析模块与中心数据库相连，内置第三方地图模块，将前端实时采集系统中的视频抓取设备及人证比对设备的地理
位置坐标置放于地图模块中；管理员输入被搜索对象的人脸图像、身份证号码等信息后，所述轨迹分析模块从中心数据库中调取被搜索对象的人脸原始图像，将所述的人脸原始图像以及拍摄的时间显示于地图上；
[0034] 进一步的，所述轨迹分析模块根据同一人脸出现在实时采集点的次数进行统计直方图分析，输出某个时间段内的所述人脸在各采集点出现频次的直方图，用于分析重点嫌疑人的生活习惯。
[0035] 报警管理模块：所述报警管理模块与中心数据库相连，接收来自前端实时采集系统中人脸比对服务器上传的报警信息，以系统消息通知形式通知管理员进行确认，对于确认的报警信息，系统进行永久存储，对于确认的无效报警或未确认的报警信息，系统将定期删除。
[0036] 中心数据库：所述中心数据库与黑白名单管理模块、人脸特征管理模块、轨迹分析模块、报警管理模块以及人脸比对模块相连，周期性与人脸比对服务器进行数据增量同步，即若人脸比对服务器中的用户数据有更新，则进行同步，否则不进行同步；
[0037] 同步时，以人脸存储单元为单位进行数据同步，步骤如下：
[0038] 步骤一：若被同步的人脸存储单元是初次进行同步，进入步骤三，否则判断所述的人脸存储单元的新增数据是否包含身份证信息；若新增数据不包含身份证信息，进入步骤二，否则判断中心数据库中的人脸存储单元是否包含身份证信息，若包含身份证信息，则只在中心数据库的所述人脸存储单元中添加新增的人脸数据，否则，除了在中心数据库的所述人脸存储单元中添加新增的人脸数据之外，更新所述人脸存储单元的身份证信息。
[0039] 步骤二：判断中心数据库中的人脸存储单元是否包含身份证信息，若包含身份证信息，则更新人脸比对服务器的人脸存储单元的身份证信息，然后在中心数据库的所述人脸存储单元中添加新增的人脸数据；否则只在中心数据库的所述人脸存储单元中添加新增的人脸数据。
[0040] 步骤三：判断新增数据是否包含身份证信息，若不包含身份证信息，则进入步骤四，否则根据身份证信息在中心数据库中进行匹配搜索，若有唯一匹配结果，则更新人脸比对服务器中所述人脸存储单元的唯一标识码，同时，在中心数据库的所述人脸存储单元中添加新增的人脸数据；否则进入步骤四。
[0041] 步骤四：将新增人脸数据中包含第一人脸特征序列输入至人脸比对模块，人脸比对模块将上述的人脸特征序列与中心数据库中所有的人脸存储单元的基准特征序列进行比对，获得比对结果，若比对结果中只有一个人脸存储单元符合匹配条件，则进入步骤五，若没有符合匹配条件的人脸存储单元，则进入步骤六，否则进入步骤七。
[0042] 步骤五：将人脸比对服务器的人脸存储单元的唯一标识码更新为中心数据库中的人脸存储单元的唯一标识码；然后在中心数据库的人脸存储单元中添加新增的人脸数据，同时更新所述人脸存储单元的身份证信息。
[0043] 步骤六：在中心数据库中创建新的人脸存储单元，并为所述的人脸存储单元分配唯一标识码，同时在上述人脸存储单元中添加新增的人脸数据与身份证信息。
[0044] 步骤七：将符合条件的人脸存储单元按匹配值从高到低进行排序，提示系统管理员进行手动选择，管理员根据视觉判断选择其中一个，然后根据选择的结果更新人脸比对服务器的人脸存储单元的唯一标识码，同时在中心数据库被选中的人脸存储单元中添加新增的人脸数据。
[0045] 人脸比对模块：所述人脸比对模块与中心数据库相连，将来自于人脸比对服务器的人脸存储单元的第一人脸特征序列与中心数据库人脸存储单元中的基准特征序列进行比对，比对方法如下：
[0046] 计算人脸存储单元中归一化的第一人脸特征序列 与基准人脸特征序列的欧式距离的平方，计算公式如下：
[0047]
[0048] 其中，N为人脸特征序列的元素数目，νR,MAX为第一人脸特征序列中的最大值，νi,MAX为第i个基准人脸特征序列的最大值。
[0049] 然后将计算的归一化欧式距离的平方与固定的门限进行比较，获得比较结果SIMCENi：
[0050]
[0051] 其中Th3为预设的匹配条件门限值。比较结果值SIMCENi等于真的人脸存储单元即为与第一人脸特征序列相似的人脸存储单元。
[0052] 本发明的上述方案至少具有以下有益效果：
[0053] 有效地解决了当前城市人脸监控系统相互独立，数据分离，不利于构建精确犯罪嫌疑人追踪系统的问题。
[0054] 通过在现有的系统监控系统上添加新的设备与系统，级联大区域内的相关设备，不仅有利于大区域内的人员精准管理，还对追踪嫌疑人，分析重点人员的生活习惯提供了有利的大数据
支撑。
附图说明
[0055] 此处所说明的附图用来提供对本发明的进一步理解，构成本
申请的一部分，本发明的示意性
实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
[0056] 图1是本发明的大数据人脸监控系统及装置的组成示意图；
[0058] 图3是人脸图像存储单元的结构示意图；
[0059] 图4是人脸比对服务器人脸
数据处理流程图；
[0060] 图5是中心数据库人脸数据处理流程图。
具体实施方式
[0061] 以下描述和附图充分地示出本发明的具体实施方案，以使本领域的技术人员能够实践它们。其他实施方案可以包括结构的、逻辑的、过程的以及其他的改变。实施例仅代表可能的变化。除非明确要求，否则单独的部件和功能是可选的，并且操作的顺序可以变化。一些实施方案的部分和特征可以被包括在或替换其他实施方案的部分和特征。本发明的实施方案的范围包括
权利要求书的整个范围，以及权利要求书的所有可获得的等同物。在本文中，本发明的这些实施方案可以被单独地或总地用术语“发明”来表示，这仅仅是为了方便，并且如果事实上公开了超过一个的发明，不是要自动地限制该应用的范围为任何单个发明或发明构思。
[0062] 如图1所示，本发明的实施例中，包括：
[0063] 视频抓取设备101，所述视频抓取设备配置标准高清摄像头，采用一个或多个摄像头，摄像头主要特征如下：
[0064] 采用标准H.264 High profile视频压缩技术，压缩比高，码流控制准确、稳定；
[0065] 采用高性能2M(1920*1080)CMOS图像
传感器，图像清晰度高；
[0066] 支持超低照度(0.002Lux彩色/0.0002Lux黑白)监控录像，可分辨真实物体等；
[0067] 优选的，所述视频抓取设备与人脸识别模组102通过有线方式相连；
[0068] 所述视频抓取设备实时采集重点被监控场所进出口视频，同时将采集的视频传输至人脸识别模组102。
[0069] 本发明上述实施例中，还包括：
[0070] 人脸识别模组102，所述人脸识别模组与人脸比对服务器103相连，接收来自视频抓取设备上传的监控视频，然后对所述监控视频进行抽样获取图像帧，抽样频率为1/N，比如：N＝5，然后对抽样的图像帧进行人脸检测，若检测到所述图像帧中含有人脸，则为检测到的每一张人脸进行分配唯一的编号i进行标记，记录每一张人脸的原始像素大小Ri,j×Ci,j，其中Ri,j表示第i张人脸图像在
采样的第j帧中行像素数，Ci,j示第i张人脸图像在采样的第j帧中列像素数，否则读取下一个抽样的图像帧。
[0071] 进一步的，对检测到的人脸图像进行特征提取，并与上一帧图像中的所有人脸图像特征序列进行比对，比对方法与人脸比对服务器中的方法相同，将比对结果等于真的人脸归类为同一个人的人脸，然后在连续被检测到属于同一个人的多张人脸中挑选最大的一张人脸Ri,max×Ci,max作为最佳人脸，记录最佳人脸以及包含最佳人脸的图像帧，最佳人脸特征序列等；然后将最佳人脸图像、包含最佳人脸的图像帧以及最佳人脸特征序列上传至人脸比对服务器；
[0072] 优选的，人脸检测与特征提取方法优选为深度卷积神经网络学习算法。处理流程如图2所示。
[0073] 本发明上述实施例中，还包括：
[0074] 人证比对设备104：所述人证比对设备与人脸比对服务器103相连，由视频抓取模块、人脸机芯模块、二代身份证读取模块、显示屏和网络连接模块构成，人脸机芯模块对视频抓取模块获得的高清人脸图像以及从二代身份证读取装置中获得的人脸图像进行人脸检测，特征提取，然后进行人脸比对，将比对结果通过显示屏显示。若比对通过，则上传所述人脸的个人基本信息、高清人脸图像以及所述高清人脸图像对应的人脸特征序列至人脸比对服务器，其中，个人基本信息包括姓名，身份证号码，性别，年龄，住址等；否则进行人工确认人证比对结果，若确认为同一个人，则上传所述人脸的基本个人信息，高清人脸以及第二人脸特征序列。
[0075] 本发明上述实施例中，还包括：
[0076] 人脸比对服务器103：所述人脸比对服务器与人脸识别模组102、人证比对设备104以及人脸监控中心管理系统12相连，接收并保存来自人脸识别模组以及人证比对设备上传的人脸数据，其中人脸数据包括个人基本信息，人脸检测获得的第一人脸图像，包含第一人脸图像的原始图像，记为第二人脸图像，第一人脸特征序列，图像拍摄的日期与时间，设备的类型以及地址等；同时为新出现的人脸建立独立的人脸存储单元。人脸存储单元示意图如图3所示。
[0077] 进一步的，若上传的人脸数据中包含身份证号码，则根据身份证号码在所述的人脸比对服务器数据库中进行查询，若查询结果显示已有所述人脸存储单元的历史数据，则将上传的人脸数据添加至所述的人脸存储单元历史数据中；若查询结果显示没有所述人脸的历史记录，则在所述数据库中进行人脸特征序列比对，比对方法步骤如下：
[0078] 步骤一，计算新上传的人脸特征序列 与数据库中保存的基准人脸特征序列的负距离：
[0079]
[0080] 其中Di表示数据库中第i个人脸特征序列与新上传的人脸特征序列的距离的负数，ν0,i，νi,j分别表示新上传的人脸特征序列、数据库中第i个人脸特征序列的元素，优选为浮点值，N表示人脸特征序列包含的元素数目，比如N＝128。
[0081] 步骤二，对人脸特征序列的负距离进行线性拟合：
[0082]
[0083] 其中a1,a2,b1,b2为分别为线性拟合参数，0
0，b2>0，th1为第一门限值,比如：a1＝0.34，b1＝6.87，a2＝0.45，b2＝8.57，th1＝-15.32。[0084] 步骤三，计算人脸特征序列负距离的S曲线值：
[0085] Si＝exp(Di′)/(1+exp(Di′))
[0086] 其中exp(x)为指数为e的指数函数。
[0087] 步骤四，将计算的S曲线值Si与预设的第二门限值th2进行比较，比如：th2＝0.85，获得相似性比较结果SIMi：
[0088]
[0089] 进一步的，若比较结果SIMi值为真的人脸存储单元只有一个，则将上传的人脸数据添加至上述人脸存储单元的历史数据中；若有多个，则弹出提示，进行人工确认，选择其中一个或者都不选择。
[0090] 否则，为上述人脸创建新的人脸存储单元，分配人脸存储单元唯一标识码，比如：16位的阿拉伯数字1000 2345 5678 8976，将上传的人脸特征序列设置为基准人脸特征序列，存储人脸的个人基本信息，高清人脸图像，人脸特征序列，图像的拍摄日期时间，设备的类型与地址等信息。
[0091] 进一步的，若上传的人脸数据不包含身份证号码，则按照上述步骤与所述人脸比对服务器数据库中的人脸特征序列进行比对，若比对结果中只有一个相似的结果，则将上传的人脸数据添加至上述人脸存储单元的历史数据中；若有多个，则弹出提示，进行人工确认，选择其中一个或者都不选择。
[0092] 若比对结果无相似的结果，为上述人脸创建新的人脸存储单元，分配人脸存储单元唯一标识，将上传的人脸特征序列设置为基准人脸特征序列，并存储人脸的个人基本信息，高清人脸图像，人脸特征序列，图像拍摄的日期时间，设备的类型与地址等信息。上述人脸数据处理流程如图4所示。
[0093] 进一步的，所述人脸比对服务器103定期与人脸监控中心管理系统12的数据进行数据同步，同步方式为增量同步，只更新与最近一次同步后新增的人脸数据。
[0094] 如图1所示，本发明的另一实施例中还提供一种人脸监控中心管理系统12，包括：
[0095] 黑白名单管理模块201：所述黑白名单管理模块与中心数据库204及人脸特征管理模块203相连，通过添加、或编辑、或删除等操作更新黑白名单中的人脸图像及个人基本信息，进一步的，个人基本信息包括姓名、生日、性别、城市、证件类型、证件号码，以及最新的人脸图像等；然后将黑白名单中的人脸图像输入至人脸特征管理模块203，所述人脸特征管理模块203对黑白名单中的人脸图像进行人脸检测、特征提取，获得黑白名单的人脸特征序列。
[0096] 进一步的，将所述的黑白名单中的人脸图像、个人基本信息、人脸特征序列下发至与人脸监控中心管理系统12连接的实时采集前端系统11中的人脸比对服务器103，或下发至人脸识别模组102，或人证比对设备104等。
[0097] 本发明上述实施例中，还包括：
[0098] 人脸特征管理模块：所述人脸特征管理模块203与中心数据库204及黑白名单管理模块201相连，对黑白名单管理模块的人脸图像进行人脸检测与特征提取，获取人脸特征序列，将人脸特征序列反馈至黑白名单管理模块，优选的，人脸检测与特征提取方法优选为深度卷积神经网络学习算法。
[0099] 进一步的，所述人脸特征管理模块203周期检测中心数据库204中基准人脸特征序列对应的基准人脸图像是否低于预设的分辨率门限M*N，比如：100*120，若人脸图像行像素数低于M或列像素数低于N都视为低于分辨率门限值，否则认为高于分辨率门限值；若所述的基准人脸图像的分辨率低于预设的分辨率门限，则检查所述人脸存储单元是否包含有通过人证比对的高清人脸照片，若有，则将所述的最新高清人脸照片的人脸特征序列设置为基准人脸特征序列，否则维持原有的基准人脸特征序列。
[0100] 本发明上述实施例中，还包括：
[0101] 轨迹分析模块：所述轨迹分析模块202与中心数据库204相连，内置第三方地图模块，比如：百度地图模块，将前端实时采集系统中的视频抓取设备及人证比对设备的地理位置坐标置放于所述地图模块中；在系统管理员输入被搜索对象的人脸图像、身份证号码等信息后，所述轨迹分析模块从中心数据库中调取被搜索对象符合条件的人脸存储单元的所有人脸原始图像，将所述的人脸原始图像按拍摄的时间先后顺序显示于地图上。
[0102] 进一步的，所述轨迹分析模块202根据同一人脸出现在实时采集点的次数进行统计直方图分析，输出某个时间段内的所述人脸在各采集点出现频次的直方图，用于分析重点嫌疑人的生活习惯。
[0103] 本发明上述实施例中，还包括：
[0104] 报警管理模块：所述报警管理模块206与中心数据库204相连，接收来自前端实时采集系统11中人脸比对服务器103上传的报警信息，以系统消息通知形式通知管理员进行确认，对于确认的报警信息，系统进行永久存储，对于确认的无效报警或未确认的报警信息，系统将定期删除。
[0105] 本发明上述实施例中，还包括：
[0106] 中心数据库：所述中心数据库204与黑白名单管理模块201、人脸特征管理模块203、轨迹分析模块202、报警管理模块206以及人脸比对模块205相连，周期性与人脸比对服务器103进行数据增量同步，即若人脸比对服务器中的人脸数据有更新，则进行同步，否则不进行同步。
[0107] 同步时，以人脸存储单元为单位进行数据同步，具体步骤如下：
[0108] 步骤一：判断被同步的人脸存储单元是否初次进行同步，根据人脸比对服务器的人脸存储单元唯一标识码与中心数据库的人脸存储单元唯一标识码是一致来判断是否为初次同步，若不相同，则表示初次同步，否则表示已经同步过；若是初次同步则进入步骤三，否则判断所述的人脸比对服务器的人脸存储单元新增人脸数据是否包含身份证号码；若新增数据不包含身份证号码，进入步骤二，否则判断中心数据库中的人脸存储单元是否包含身份证号码，若包含身份证号码，则只在中心数据库所述人脸存储单元中添加新增的人脸数据，包括第一人脸图像，第一人脸特征序列，第二人脸图像，人脸图像拍摄的日期时间，地址以及设备类型等，否则，除了在中心数据库的所述人脸存储单元中添加新增的人脸数据外，更新中心数据库所述人脸存储单元的身份证号码以及相关个人基本信息。
[0109] 步骤二：判断中心数据库中的人脸存储单元是否包含身份证号码，若包含身份证号码，则更新人脸比对服务器的人脸存储单元的身份证号码以及相关的个人基本信息，然后在中心数据库的所述人脸存储单元中添加新增的人脸数据；否则只在中心数据库的所述人脸存储单元中添加新增的人脸数据。
[0110] 步骤三：判断新增人脸数据是否包含身份证号码，若不包含身份证号码，则进入步骤四，否则根据身份证号码在中心数据库中进行匹配搜索，若有唯一匹配结果，则更新人脸比对服务器中所述人脸存储单元的唯一标识码，同时，在中心数据库的所述人脸存储单元中添加新增的人脸数据；否则进入步骤四。
[0111] 步骤四：将新增人脸数据中包含第一人脸特征序列输入至人脸比对模块205，人脸比对模块205将上述的人脸特征序列与中心数据库中所有的人脸存储单元的基准特征序列进行比对，获得比对结果，若比对结果中只有一个人脸存储单元符合匹配条件，则进入步骤五，若没有符合匹配条件的人脸存储单元，则进入步骤六，否则进入步骤七。
[0112] 步骤五：将人脸比对服务器的人脸存储单元的唯一标识码更新为中心数据库中的人脸存储单元的唯一标识码；然后在中心数据库的人脸存储单元中添加新增的人脸数据，或同时更新所述人脸存储单元的身份证号码及相关个人基本信息。
[0113] 步骤六：在中心数据库中创建新的人脸存储单元，并为所述的人脸存储单元分配唯一标识码，同时在上述人脸存储单元中添加新增的人脸数据，或身份证号码及相关个人基本信息。
[0114] 步骤七：将符合匹配条件的人脸存储单元按匹配值从高到低进行排序，比如：匹配值为人脸比对模块205的计算结果，提示系统管理员进行手动选择，管理员根据视觉判断选择其中一个，然后根据选择的结果更新人脸比对服务器的人脸存储单元的唯一标识码，同时为中心数据库被选中的人脸存储单元中添加新增的人脸数据，或身份证号码及相关个人基本信息。其处理流程如图5所示。
[0115] 本发明上述实施例中，还包括：
[0116] 人脸比对模块：所述人脸比对模块205与中心数据库204相连，将来自于人脸比对服务器103的人脸存储单元的特征序列与中心数据库人脸存储单元中的基准特征序列进行比对，比对方法如下：计算人脸存储单元中归一化的第一人脸特征序列与基准人脸特征序列的欧式距离的平方，计算公式如下：
[0117]
[0118] 其中，N为人脸特征序列的元素数目，比如N＝128，νR,MAX为第一人脸特征序列中的最大值，νi,MAX为第i个基准人脸特征序列的最大值。
[0119] 然后将计算的归一化欧式距离的平方与固定的门限进行比较，获得比较结果SIMCENi：
[0120]
[0121] 其中Th3为预设的匹配条件门限值,比如：Th3＝0.15。比较结果值SIMCENi等于真的人脸存储单元即为与第一人脸特征序列相似的人脸存储单元。
[0122] 以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
