CN109299683B - 一种基于人脸识别和行为大数据的安防评估系统 - Google Patents

Abstract

本发明公开一种基于人脸识别和行为大数据的安防评估系统，包括抓拍获取模块、预处理模块、数据库、行为判断识别模块、云服务器、通信传输模块和远程显示终端；抓拍获取模块分别与预处理模块和行为判断识别模块连接，云服务器分别与预处理模块、行为判断识别模块、数据库和通信传输模块连接，通信传输模块与远程显示终端连接。本发明提供的基于人脸识别和行为大数据的安全评估系统，提高了电梯内人员图像与数据库中存储的人员图像对比的准确性，且便于小区管理人员直观地了解各电梯的安全性，实现对各电梯的安全性进行有效地判断，具有及时性，提高了小区安全性的管控，大大提高了小区安防的准确性和安全性，为小区居民提供了安全性居住环境。

Description

一种基于人脸识别和行为大数据的安防评估系统

技术领域

本发明属于安防技术领域，涉及到一种基于人脸识别和行为大数据的安防评估系统。

背景技术

当今，安全是居民对住宅小区的首要要求，目前小区住宅内的安防系统主要由以下两种系统构成：闭路电视监控系统，其在小区主要通道、重要公建及周界设置前端摄像机，将图像传送到监控中心，监控中心可以对整个小区进行实时监控和记录；以及电子巡更系统，其采用离线式巡更技术，通过巡更棒对巡更点的信息读写及存储技术，来实现对巡更员的工作管理，从而最好的发挥小区安全管理中的人防作用。

然而，目前虽然很多小区电梯内安装有闭路电视监控系统，但是无法对进入电梯内的人员身份、行为以及所居住的楼栋号、楼层号进行分析统计，导致很多陌生人员通过进入电梯后对小区进行盗窃等，并随着电梯内抢劫、殴打以及其他不雅行为的出现频率越来越高，一旦电梯内发生事故，位于监控中心的管理人员无法第一时间了解事故的发生，进而无法保障居民的安全，为了提高小区的安防特性，现设计一种基于人脸识别和行为大数据的安防评估系统。

发明内容

本发明的目的在于提供一种基于人脸识别和行为大数据的安防评估系统，解决了现有小区安防系统，存在及时性差以及无法为居民提供安全的居住环境的问题，无法有效地判断进入电梯内人员的身份、动作、所按电梯的楼层等，进而降低了居民居住环境的安全性。

本发明的目的可以通过以下技术方案实现：

一种基于人脸识别和行为大数据的安防评估系统，包括抓拍获取模块、预处理模块、数据库、行为判断识别模块、云服务器、通信传输模块和远程显示终端；

抓拍获取模块分别与预处理模块和行为判断识别模块连接，云服务器分别与预处理模块、行为判断识别模块、数据库和通信传输模块连接，通信传输模块与远程显示终端连接；

抓拍获取模块包括若干图像抓取单元，图像抓拍单元为摄像头，用于实时拍摄电梯内的人员图像信息以及各人员在电梯内所按的电梯楼层图像，并将采集的人员图像信息发送至行为判断识别模块，将采集的人员图像信息以及人员所按的电梯楼层图像信息发送至预处理模块；

预处理模块用于接收抓拍获取模块发送的人员图像信息并获取拍摄该人员图像信息的图像抓拍单元的编号，提取接收的人员图像中人员的着装颜色以及发型，并对获取的同一人员的图像信息进行清晰度筛选，筛选出清晰度最高的图像信息，并将筛选出的图像进行图像放大，使得放大后的图像中人脸的尺寸为hxf，对放大后的图像进行等面积划分，划分为L个子图像，对划分的L个子图像按照从左至右以及从上到下的顺序依次进行编号，分别为1,2,...,L,依次对划分的L个子图像中的各子图像产生s维索引向量，根据维索引向量从子图像中提取特征并标记为，各子图像重复执行Y次,得到各子图像的Y个特征子集合，构成样本特征子集合,Y=1,2,...,Y,L=1,2,...,L,,表示为获取图像中第L个子图像中第Y个特征子集合，预处理模块将该图像对应的LxY个特征子集合发送至云服务器，同时，预处理模块接收抓拍获取模块发送的人员所按电梯楼层的图像信息，提取人员所按电梯楼层的图像信息中的电梯楼层信息以及按电梯的人员图像信息，将提取的按电梯的人员图像信息中人员着装颜色、发型分别与抓拍的人员图像信息中的人员着装颜色、发型进行逐一对比，以筛选匹配度最高的图像信息，预处理模块将筛选的电梯内的各人员对应的匹配度最高的图像对应的样本特征子集合、该图像中人员所按的电梯楼层数字以及拍摄该图像信息的图像抓拍单元编号依次发送至云服务器；

数据库用于存储事先录入的小区居民的人脸图像以及各人脸图像划分成若干子图像对应的样本特征子集合，其中，各居民按照录入的人脸图像对应的特征子集合先后顺序，对各居民进行编号分别为1,2,...,i,...,n，不同居民的人脸图像中不同位置的子图像对应的特征子集合不同，并存储各居民人脸图像对应的居民居住楼栋编号、楼层号以及存储人员的不同行为动作，行为动作按照设定的行为动作标准进行划分，划分为异常行为动作和正常行为动作；

行为判断识别模块用于接收抓拍获取模块发送的人员图像信息，对人员图像信息中人员行为动作进行提取，并将提取的人员行为动作发送至云服务器；

云服务器用于接收预处理模块发送的电梯内人员对应的匹配度最高的图像所对应的样本特征子集合以及该人员所按的电梯楼层数字，将接收的各人员图像对应的样本特征子集合与数据库中存储的各居民人脸图像对应的样本特征子集合进行一一对比，得到特征对比集合，表示为电梯内人员图像中第L个子图像中第Y个特征子集合与数据库中存储的第i个居民人员的第L个子图像中第Y个特征子集合对比数值，若电梯内人员图像中第L个子图像中第Y个特征子集合与数据库中存储的第i个居民人员的第L个子图像中第Y个特征子集合相一致，则取等于1，否则，取等于0，云服务器根据电梯内人员与数据库中各居民人员图像的对比，统计特征度匹配系数,提取特征度匹配度系数最高的特征度匹配系数，并将提取的特征度匹配系数与设定的特征度匹配系数阈值进行对比，若该特征度匹配系数小于设定的特征度匹配系数阈值，则表明该电梯内人员图像对应的人员为非小区居民，若该特征度匹配系数大于设定的特征度匹配系数阈值，则表明电梯内人员对应的人员为本小区居民；

云服务器从数据库中提取大于设定的特征度匹配系数阈值的最大特征度匹配度系数的人员对应的居民居住楼栋编号、楼层号，并将提取的楼栋编号与预处理模块发送的图像抓拍单元编号、楼层号与预处理模块发送的人员所按电梯楼层数字进行对比，若提取的楼栋编号与预处理模块发送的图像抓拍单元编号相同，且楼层号与预处理模块发送的人员所按电梯楼层数字相同，则人员所按电梯楼层正确，否则，人员所按电梯楼层错误；

云服务器接收行为判断识别模块发送的人员行为动作，对接收的人员行为动作与数据库中存储的人员行为动作进行逐一对比，以确定该人员是否发生异常行为动作，并判断发生的异常行为动作的种类；

云服务器根据电梯内人员是否为本小区居民、人员所按电梯楼层是否正确以及该人员的异常行为动作对应的种类，统计安全性评估系数，云服务器将各楼栋电梯内的安全性评估系数经通信传输模块发送至远程显示终端，同时，云服务器将安全性评估系数与设定的安全性评估系数阈值进行对比，若安全性评估系数小于设定的安全性评估系数阈值，云服务器发送报警信号至警示模块；

通信传输模块为无线通信网络，用于实现云服务器与远程显示终端连接，将接收的云服务器发送的各楼栋电梯内的安全性评估系数发送远程显示终端；

远程显示终端为智能手机或电脑，用于接收通信传输模块发送的各楼栋电梯内的安全性评估系数并进行显示。

进一步地，所述抓拍获取模块中的若干图像抓拍单元以楼栋进行划分，各楼栋对应的编号依次为1,2,...,f,...,g，对同一楼栋中的各图像抓拍单元分别进行编号，依次为1,2,...,j,...,h，j表示为各楼栋中的第j个图像抓拍单元。

进一步地，所述预处理模块接收抓拍获取模块发送的人员图像信息，以筛选出清晰度最高的图像信息的方法，包括以下步骤：

H1、依次接收人员图像信息；

H2、按照接收时间先后顺序，依次对接收的图像的清晰度进行识别；

H3、将前一图像的清晰度与后一图像的清晰度进行对比，剔除清晰度低的图像，保留清晰度高的图像；

H4、将清晰度高的图像依次与下一图像的清晰度进行对比，保留清晰度高的图像，直至剩余的图像数量为1时，将剩余的图像作为清晰度最高的图像信息。

进一步地，各居民的人脸图像对应的样本特征子集合的获取方法，包括以下步骤：

S1、获取各居民的正脸图像，图像的尺寸大小为hxf，并将每个图像按照相同划分方式划分成L个相等大小的子图像，每个子图像的大小为p=hxf/L，各居民的编号按照设定的顺序进行排序，分别为1,2,...,i,...,n，各居民的图像中的子图像按照从左到右以及从上到下的顺序依次对同一图像中的各子图像进行编号，分别为1,2,...,k,...,L,(k＜L)各居民的图像中的子图像构成独立子图像集合，表示为第i个居民图像对应的所有子图像集合，表示为第i个居民子图像集合中的第L个子图像；

S2、将所有居民图像中相同位置的子图像转换成列向量并按照各居民的编号顺序进行组合，形成L个子图像训练样本集合,子图像训练样本集合为，表示为第i个居民的第k个样本子图像；

S3、对各子图像训练样本集合中的各样本子图像中随机产生s维索引向量,根据维索引向量从提取特征并表示为,且i=1,2,...,i,...,n；

S4、重复执行步骤S3,直至执行Y次，得到Y个特征子集合，Y=1,2,...,Y；

S5、依次重复S3-S4步骤，对L个子图像训练样本集合中的n个样本子图像分别获得特征子集合，形成L个nxY的特征子集合，L个nxY的特征子集合构成样本特征集合，筛选样本特征集合中各居民人脸图像对应的样本特征子集合为，表示为第i个居民人脸图像对应的样本特征子集合，表示为第i个居民人脸图像中第L个子图像中的第Y个特征子集合。

进一步地，样本特征子集合中各特征子集合对应的比重分别为，表示为第i个居民人员的第L个子图像中第Y个特征子集合对比的比重，且。

进一步地，所述异常行为动作包括手持刀具、打架、破坏电梯正常运行、抽烟以及喝酒行为动作，对异常行为动作按照危险程度进行排序，分别为手持刀具、打架、破坏电梯正常运行、抽烟、喝酒，且各异常行为动作对应的危险系数分别为t1,t2,...，tv，tv表示为编号为第v的异常行为动作对应的危险系数。

进一步地，所述各电梯内的安全性评估系数的计算公式为，其中，x表示为电梯内的人员是否为本小区居民，若为本小区居民，x=1，否则，x=0.7，z表示为人员所按电梯的楼层是否在正确，若人员所按的楼层为该居民所居住楼栋号的楼层，则取z=1，否则，z=0.68，表示为人员在电梯内的异常行为动作的种类，且等于固定数值，表示为人员在电梯内的异常行为动作的种类对应的危险系数，若人员在电梯内为做第v个异常行为动作，则等于0。

进一步地，还包括警示模块，所述警示模块为处理器、蜂鸣器和LED灯，处理器分别与蜂鸣器和LED灯，用于接收云服务器发送的报警信号，根据接收的报警信号分别发送控制指令至蜂鸣器和LED灯，进行声报警和光报警。

本发明的有益效果：

本发明提供的基于人脸识别和行为大数据的安全评估系统，通过对小区内居民进行图像采集，对图像进行划分、特征提取，以获取各居民对应的样本特征子集合并将获取的样本特征集合存储至数据库，作为电梯内抓拍的人员图像对应的样本特征子集合的参考标准，提高了人员图像中特征子集合对比的准确性；

通过抓拍获取模块、预处理模块、行为判断识别模块并集合云服务器对各电梯内人员的图像、所按楼层以及行为动作进行分析处理，以统计各电梯内的安全性评估系数，并将获得的安全性评估系数发送至显示终端，便于小区管理人员直观地了解各电梯的安全性，实现对各电梯内的安全性进行有效地判断，具有安全性评估系数反馈的及时性高的特点，提高了小区安全性的管控，大大提高了小区安防的准确性和安全性，为小区居民提供了安全性居住环境。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一种基于人脸识别和行为大数据的安防评估系统的示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1所示，一种基于人脸识别和行为大数据的安防评估系统，包括抓拍获取模块、预处理模块、数据库、行为判断识别模块、云服务器、警示模块、通信传输模块和远程显示终端；抓拍获取模块分别与预处理模块和行为判断识别模块连接，云服务器分别与预处理模块、行为判断识别模块、数据库、警示模块和通信传输模块连接，通信传输模块与远程显示终端连接；

抓拍获取模块包括若干图像抓取单元，所述图像抓拍单元为摄像头，安装在小区内的各电梯内，用于实时拍摄电梯内的人员图像信息以及各人员在电梯内所按的电梯楼层图像，并将采集的人员图像信息发送至行为判断识别模块，将采集的人员图像信息以及人员所按的电梯楼层图像信息发送至预处理模块，其中，抓拍获取模块中的若干图像抓拍单元以楼栋进行划分，各楼栋对应的编号依次为1,2,...,f,...,g，对同一楼栋中的各图像抓拍单元分别进行编号，依次为1,2,...,j,...,h，j表示为各楼栋中的第j个图像抓拍单元；

预处理模块用于接收抓拍获取模块发送的人员图像信息并获取拍摄该人员图像信息的图像抓拍单元的编号，提取接收的人员图像中人员的着装颜色以及发型，并对获取的同一人员的图像信息进行清晰度筛选，筛选出清晰度最高的图像信息，并将筛选出的图像进行图像放大，使得放大后的图像中人脸的尺寸为hxf，对放大后的图像进行等面积划分，划分为L个子图像，对划分的L个子图像按照从左至右以及从上到下的顺序依次进行编号，分别为1,2,...,L,依次对划分的L个子图像中的各子图像产生s维索引向量，根据维索引向量从子图像中提取特征并标记为，各子图像重复执行Y次,得到各子图像的Y个特征子集合，构成样本特征子集合,Y=1,2,...,Y,L=1,2,...,L,,表示为获取图像中第L个子图像中第Y个特征子集合，预处理模块将该图像对应的LxY个特征子集合发送至云服务器，同时，预处理模块接收抓拍获取模块发送的人员所按电梯楼层的图像信息，提取人员所按电梯楼层的图像信息中的电梯楼层信息以及按电梯的人员图像信息，将提取的按电梯的人员图像信息中人员着装颜色、发型分别与抓拍的人员图像信息中的人员着装颜色、发型进行逐一对比，以筛选匹配度最高的图像信息，预处理模块将筛选的电梯内的各人员对应的匹配度最高的图像对应的样本特征子集合、该图像中人员所按的电梯楼层数字以及拍摄该图像信息的图像抓拍单元编号依次发送至云服务器；

其中，预处理模块接收抓拍获取模块发送的人员图像信息，以筛选出清晰度最高的图像信息的方法，包括以下步骤：

H1、依次接收人员图像信息；

H2、按照接收时间先后顺序，依次对接收的图像的清晰度进行识别；

H3、将前一图像的清晰度与后一图像的清晰度进行对比，剔除清晰度低的图像，保留清晰度高的图像；

H4、将清晰度高的图像依次与下一图像的清晰度进行对比，保留清晰度高的图像，直至剩余的图像数量为1时，将剩余的图像作为清晰度最高的图像信息。

数据库用于存储事先录入的小区居民的人脸图像以及各人脸图像划分成若干子图像对应的样本特征子集合，其中，各居民按照录入的人脸图像对应的特征子集合先后顺序，对各居民进行编号分别为1,2,...,i,...,n，不同居民的人脸图像中不同位置的子图像对应的特征子集合不同，并存储各居民人脸图像对应的居民居住楼栋编号、楼层号以及存储人员的不同行为动作，行为动作按照设定的行为动作标准进行划分，划分为异常行为动作和正常行为动作，所述异常行为动作包括手持刀具、打架、破坏电梯正常运行、抽烟以及喝酒等行为动作，对异常行为动作按照危险程度进行排序，分别为手持刀具、打架、破坏电梯正常运行、抽烟、喝酒等行为，且各异常行为动作对应的危险系数分别为t1,t2,...，tv，tv表示为编号为第v的异常行为动作对应的危险系数；

其中，各居民的人脸图像对应的样本特征子集合的获取方法，包括以下步骤：

S1、获取各居民的正脸图像，图像的尺寸大小为hxf，并将每个图像按照相同划分方式划分成L个相等大小的子图像，每个子图像的大小为p=hxf/L，各居民的编号按照设定的顺序进行排序，分别为1,2,...,i,...,n，各居民的图像中的子图像按照从左到右以及从上到下的顺序依次对同一图像中的各子图像进行编号，分别为1,2,...,k,...,L,(k＜L)各居民的图像中的子图像构成独立子图像集合，表示为第i个居民图像对应的所有子图像集合，表示为第i个居民子图像集合中的第L个子图像；

S2、将所有居民图像中相同位置的子图像转换成列向量并按照各居民的编号顺序进行组合，形成L个子图像训练样本集合,子图像训练样本集合为，表示为第i个居民的第k个样本子图像；

S3、对各子图像训练样本集合中的各样本子图像中随机产生s维索引向量,根据维索引向量从提取特征并表示为,且i=1,2,...,i,...,n；

S4、重复执行步骤S3,直至执行Y次，得到Y个特征子集合，Y=1,2,...,Y；

S5、依次重复S3-S4步骤，对L个子图像训练样本集合中的n个样本子图像分别获得特征子集合，形成L个nxY的特征子集合，L个nxY的特征子集合构成样本特征集合，筛选样本特征集合中各居民人脸图像对应的样本特征子集合为，表示为第i个居民人脸图像对应的样本特征子集合，表示为第i个居民人脸图像中第L个子图像中的第Y个特征子集合。

行为判断识别模块用于接收抓拍获取模块发送的人员图像信息，对人员图像信息中人员行为动作进行提取，并将提取的人员行为动作发送至云服务器；

云服务器用于接收预处理模块发送的电梯内人员对应的匹配度最高的图像所对应的样本特征子集合以及该人员所按的电梯楼层数字，将接收的各人员图像对应的样本特征子集合与数据库中存储的各居民人脸图像对应的样本特征子集合进行一一对比，得到特征对比集合，样本特征子集合中各特征子集合对应的比重分别为，表示为电梯内人员图像中第L个子图像中第Y个特征子集合与数据库中存储的第i个居民人员的第L个子图像中第Y个特征子集合对比数值，表示为第i个居民人员的第L个子图像中第Y个特征子集合对比的比重，且，若电梯内人员图像中第L个子图像中第Y个特征子集合与数据库中存储的第i个居民人员的第L个子图像中第Y个特征子集合相一致，则取等于1，否则，取等于0，云服务器根据电梯内人员与数据库中各居民人员图像的对比，统计特征度匹配系数,提取特征度匹配度系数最高的特征度匹配系数，并将提取的特征度匹配系数与设定的特征度匹配系数阈值进行对比，若该特征度匹配系数小于设定的特征度匹配系数阈值，则表明该电梯内人员图像对应的人员为非小区居民，若该特征度匹配系数大于设定的特征度匹配系数阈值，则表明电梯内人员对应的人员为本小区居民；

云服务器从数据库中提取大于设定的特征度匹配系数阈值的最大特征度匹配度系数的人员对应的居民居住楼栋编号、楼层号，并将提取的楼栋编号与预处理模块发送的图像抓拍单元编号、楼层号与预处理模块发送的人员所按电梯楼层数字进行对比，若提取的楼栋编号与预处理模块发送的图像抓拍单元编号相同，且楼层号与预处理模块发送的人员所按电梯楼层数字相同，则人员所按电梯楼层正确，否则，人员所按电梯楼层错误；

云服务器接收行为判断识别模块发送的人员行为动作，对接收的人员行为动作与数据库中存储的人员行为动作进行逐一对比，以确定该人员是否发生异常行为动作，并判断发生的异常行为动作的种类；

云服务器根据电梯内人员是否为本小区居民、人员所按电梯楼层是否正确以及该人员的异常行为动作对应的种类，统计安全性评估系数，其中，x表示为电梯内的人员是否为本小区居民，若为本小区居民，x=1，否则，x=0.7，z表示为人员所按电梯的楼层是否在正确，若人员所按的楼层为该居民所居住楼栋号的楼层，则取z=1，否则，z=0.68，表示为人员在电梯内的异常行为动作的种类，且等于固定数值，表示为人员在电梯内的异常行为动作的种类对应的危险系数，若人员在电梯内为做第v个异常行为动作，则等于0，安全性评估系数越高，表明小区的安防性越高，云服务器将各楼栋电梯内的安全性评估系数经通信传输模块发送至远程显示终端，同时，云服务器将安全性评估系数与设定的安全性评估系数阈值进行对比，若安全性评估系数小于设定的安全性评估系数阈值，云服务器发送报警信号至警示模块。

通信传输模块为无线通信网络，用于实现云服务器与远程显示终端连接，将接收的云服务器发送的各楼栋电梯内的安全性评估系数发送远程显示终端；

远程显示终端为智能手机或电脑，用于接收通信传输模块发送的各楼栋电梯内的安全性评估系数并进行显示，便于小区管理人员清楚地掌握各电梯内的安全性评估系数，提高了小区的安全性。

警示模块为处理器、蜂鸣器和LED灯，处理器分别与蜂鸣器和LED灯，用于接收云服务器发送的报警信号，根据接收的报警信号分别发送控制指令至蜂鸣器和LED灯，实现声报警和光报警。

本发明提供的基于人脸识别和行为大数据的安全评估系统，通过对小区内居民进行图像采集，对图像进行划分、特征提取，以获取各居民对应的样本特征子集合并将获取的样本特征集合存储至数据库，作为电梯内抓拍的人员图像对应的样本特征子集合的参考标准，提高了人员图像中特征子集合对比的准确性；

通过抓拍获取模块、预处理模块、行为判断识别模块并集合云服务器，对各电梯内人员的图像、所按楼层以及行为动作进行分析处理，以统计各电梯内的安全性评估系数，并将获得的安全性评估系数发送至显示终端，便于小区管理人员直观地了解各电梯的安全性，实现对各电梯内的安全性进行有效地判断，具有安全性评估系数反馈的及时性高的特点，提高了小区安全性的管控，大大提高了小区安防的准确性和安全性，为小区居民提供了安全性居住环境。

以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (8)

1.一种基于人脸识别和行为大数据的安防评估系统，其特征在于： 包括抓拍获取模块、预处理模块、数据库、行为判断识别模块、云服务器、通信传输模块和远程显示终端；

抓拍获取模块分别与预处理模块和行为判断识别模块连接，云服务器分别与预处理模块、行为判断识别模块、数据库和通信传输模块连接，通信传输模块与远程显示终端连接；

抓拍获取模块包括若干图像抓取单元，图像抓拍单元为摄像头，用于实时拍摄电梯内的人员图像信息以及各人员在电梯内所按的电梯楼层图像，并将采集的人员图像信息发送至行为判断识别模块，将采集的人员图像信息以及人员所按的电梯楼层图像信息发送至预处理模块；

预处理模块用于接收抓拍获取模块发送的人员图像信息并获取拍摄该人员图像信息的图像抓拍单元的编号，提取接收的人员图像中人员的着装颜色以及发型，并对获取的同一人员的图像信息进行清晰度筛选，筛选出清晰度最高的图像信息，并将筛选出的图像进行图像放大，使得放大后的图像中人脸的尺寸为hxf，对放大后的图像进行等面积划分，划分为L个子图像，对划分的L个子图像按照从左至右以及从上到下的顺序依次进行编号，分别为1,2,...,L,依次对划分的L个子图像中的各子图像产生s维索引向量，根据维索引向量从子图像中提取特征并标记为，各子图像重复执行Y次,得到各子图像的Y个特征子集合，构成样本特征子集合,Y=1,2,...,Y,L=1,2,...,L,,表示为获取图像中第L个子图像中第Y个特征子集合，预处理模块将该图像对应的LxY个特征子集合发送至云服务器，同时，预处理模块接收抓拍获取模块发送的人员所按电梯楼层的图像信息，提取人员所按电梯楼层的图像信息中的电梯楼层信息以及按电梯的人员图像信息，将提取的按电梯的人员图像信息中人员着装颜色、发型分别与抓拍的人员图像信息中的人员着装颜色、发型进行逐一对比，以筛选匹配度最高的图像信息，预处理模块将筛选的电梯内的各人员对应的匹配度最高的图像对应的样本特征子集合、该图像中人员所按的电梯楼层数字以及拍摄该图像信息的图像抓拍单元编号依次发送至云服务器；

数据库用于存储事先录入的小区居民的人脸图像以及各人脸图像划分成若干子图像对应的样本特征子集合，其中，各居民按照录入的人脸图像对应的特征子集合先后顺序，对各居民进行编号分别为1,2,...,i,...,n，不同居民的人脸图像中不同位置的子图像对应的特征子集合不同，并存储各居民人脸图像对应的居民居住楼栋编号、楼层号以及存储人员的不同行为动作，行为动作按照设定的行为动作标准进行划分，划分为异常行为动作和正常行为动作；

行为判断识别模块用于接收抓拍获取模块发送的人员图像信息，对人员图像信息中人员行为动作进行提取，并将提取的人员行为动作发送至云服务器；

云服务器用于接收预处理模块发送的电梯内人员对应的匹配度最高的图像所对应的样本特征子集合以及该人员所按的电梯楼层数字，将接收的各人员图像对应的样本特征子集合与数据库中存储的各居民人脸图像对应的样本特征子集合进行一一对比，得到特征对比集合，表示为电梯内人员图像中第L个子图像中第Y个特征子集合与数据库中存储的第i个居民人员的第L个子图像中第Y个特征子集合对比数值，若电梯内人员图像中第L个子图像中第Y个特征子集合与数据库中存储的第i个居民人员的第L个子图像中第Y个特征子集合相一致，则取等于1，否则，取等于0，云服务器根据电梯内人员与数据库中各居民人员图像的对比，统计特征度匹配系数,表示为第i个居民人员的第L个子图像中第Y个特征子集合对比的比重，提取特征度匹配度系数最高的特征度匹配系数，并将提取的特征度匹配系数与设定的特征度匹配系数阈值进行对比，若该特征度匹配系数小于设定的特征度匹配系数阈值，则表明该电梯内人员图像对应的人员为非小区居民，若该特征度匹配系数大于设定的特征度匹配系数阈值，则表明电梯内人员对应的人员为本小区居民；

云服务器从数据库中提取大于设定的特征度匹配系数阈值的最大特征度匹配度系数的人员对应的居民居住楼栋编号、楼层号，并将提取的楼栋编号与预处理模块发送的图像抓拍单元编号、楼层号与预处理模块发送的人员所按电梯楼层数字进行对比，若提取的楼栋编号与预处理模块发送的图像抓拍单元编号相同，且楼层号与预处理模块发送的人员所按电梯楼层数字相同，则人员所按电梯楼层正确，否则，人员所按电梯楼层错误；

云服务器接收行为判断识别模块发送的人员行为动作，对接收的人员行为动作与数据库中存储的人员行为动作进行逐一对比，以确定该人员是否发生异常行为动作，并判断发生的异常行为动作的种类；

云服务器根据电梯内人员是否为本小区居民、人员所按电梯楼层是否正确以及该人员的异常行为动作对应的种类，统计安全性评估系数，云服务器将各楼栋电梯内的安全性评估系数经通信传输模块发送至远程显示终端，同时，云服务器将安全性评估系数与设定的安全性评估系数阈值进行对比，若安全性评估系数小于设定的安全性评估系数阈值，云服务器发送报警信号至警示模块；

通信传输模块为无线通信网络，用于实现云服务器与远程显示终端连接，将接收的云服务器发送的各楼栋电梯内的安全性评估系数发送远程显示终端；

远程显示终端为智能手机或电脑，用于接收通信传输模块发送的各楼栋电梯内的安全性评估系数并进行显示。

2.根据权利要求1所述的一种基于人脸识别和行为大数据的安防评估系统，其特征在于：所述抓拍获取模块中的若干图像抓拍单元以楼栋进行划分，各楼栋对应的编号依次为1,2,...,f,...,g，对同一楼栋中的各图像抓拍单元分别进行编号，依次为1,2,...,j,...,h，j表示为各楼栋中的第j个图像抓拍单元。

3.根据权利要求1所述的一种基于人脸识别和行为大数据的安防评估系统，其特征在于：所述预处理模块接收抓拍获取模块发送的人员图像信息，以筛选出清晰度最高的图像信息的方法，包括以下步骤：

H1、依次接收人员图像信息；

H2、按照接收时间先后顺序，依次对接收的图像的清晰度进行识别；

H3、将前一图像的清晰度与后一图像的清晰度进行对比，剔除清晰度低的图像，保留清晰度高的图像；

H4、将清晰度高的图像依次与下一图像的清晰度进行对比，保留清晰度高的图像，直至剩余的图像数量为1时，将剩余的图像作为清晰度最高的图像信息。

4.根据权利要求1所述的一种基于人脸识别和行为大数据的安防评估系统，其特征在于：各居民的人脸图像对应的样本特征子集合的获取方法，包括以下步骤：

S1、获取各居民的正脸图像，图像的尺寸大小为hxf，并将每个图像按照相同划分方式划分成L个相等大小的子图像，每个子图像的大小为p=hxf/L，各居民的编号按照设定的顺序进行排序，分别为1,2,...,i,...,n，各居民的图像中的子图像按照从左到右以及从上到下的顺序依次对同一图像中的各子图像进行编号，分别为1,2,...,k,...,L,k＜L各居民的图像中的子图像构成独立子图像集合，表示为第i个居民图像对应的所有子图像集合，表示为第i个居民子图像集合中的第L个子图像；

S2、将所有居民图像中相同位置的子图像转换成列向量并按照各居民的编号顺序进行组合，形成L个子图像训练样本集合,子图像训练样本集合为，表示为第i个居民的第k个样本子图像；

S3、对各子图像训练样本集合中的各样本子图像中随机产生s维索引向量,根据维索引向量从提取特征并表示为,且i=1,2,...,i,...,n；

S4、重复执行步骤S3,直至执行Y次，得到Y个特征子集合，Y=1,2,...,Y；

S5、依次重复S3-S4步骤，对L个子图像训练样本集合中的n个样本子图像分别获得特征子集合，形成L个nxY的特征子集合，L个nxY的特征子集合构成样本特征集合，筛选样本特征集合中各居民人脸图像对应的样本特征子集合为，表示为第i个居民人脸图像对应的样本特征子集合，表示为第i个居民人脸图像中第L个子图像中的第Y个特征子集合。

5.根据权利要求1所述的一种基于人脸识别和行为大数据的安防评估系统，其特征在于：样本特征子集合中各特征子集合对应的比重分别为，表示为第i个居民人员的第L个子图像中第Y个特征子集合对比的比重，且。

6.根据权利要求1所述的一种基于人脸识别和行为大数据的安防评估系统，其特征在于：所述异常行为动作包括手持刀具、打架、破坏电梯正常运行、抽烟以及喝酒行为动作，对异常行为动作按照危险程度进行排序，分别为手持刀具、打架、破坏电梯正常运行、抽烟、喝酒，且各异常行为动作对应的危险系数分别为t1,t2,...，tv，tv表示为编号为第v的异常行为动作对应的危险系数。

7.根据权利要求1所述的一种基于人脸识别和行为大数据的安防评估系统，其特征在于：所述各电梯内的安全性评估系数的计算公式为，其中，x表示为电梯内的人员是否为本小区居民，若为本小区居民，x=1，否则，x=0.7，z表示为人员所按电梯的楼层是否在正确，若人员所按的楼层为该居民所居住楼栋号的楼层，则取z=1，否则，z=0.68，表示为人员在电梯内的异常行为动作的种类，且等于固定数值，表示为人员在电梯内的异常行为动作的种类对应的危险系数，若人员在电梯内为做第v个异常行为动作，则等于0。

8.根据权利要求1所述的一种基于人脸识别和行为大数据的安防评估系统，其特征在于：还包括警示模块，所述警示模块为处理器、蜂鸣器和LED灯，处理器分别与蜂鸣器和LED灯，用于接收云服务器发送的报警信号，根据接收的报警信号分别发送控制指令至蜂鸣器和LED灯，进行声报警和光报警。