1.一种基于三维人脸重建和智能识别的教室安防预警系统，其特征在于，包含：画面采集系统(11)，用于收集二维人脸图像；

人脸重建系统(12)，与所述画面采集系统(11)连接，接收所述画面采集系统(11)发送的所述二维人脸图像并生成对应的三维人脸图像；

人脸识别系统(13)，与所述人脸重建系统(12)连接，接收所述人脸重建系统(12)生成的所述三维人脸图像并进行识别得到当前三维人脸图像的嵌入信息，根据当前三维人脸图像的嵌入信息和数据库内预存的三维人脸图像的嵌入信息计算两个图像的余弦相似度，判断两类图像是否为同一人的人脸图像，若否，则人脸识别系统(13)发出报警指令；

警报预警系统(14)，与所述人脸识别系统(13)连接，接收所述人脸识别系统(13)发送的报警指令，并对应发送报警信息进行预警。

2.如权利要求1所述的教室安防预警系统，其特征在于，

所述画面采集系统(11)与一个或多个摄像头连接，接收所述摄像头采集的所述二维人脸图像；所述摄像头为高清摄像头和/红外摄像头。

3.如权利要求2所述的教室安防预警系统，其特征在于，

所述画面采集系统(11)的核心控制器(1101)由一台运行Ubuntu的上位机进行自组网，通过Wi-Fi建立本地局域网；其中，所述上位机连接各个摄像头，各个摄像头通过Wi-Fi上的协议栈进行组网，所述上位机将收集到的所述二维人脸图像发送给所述人脸重建系统(12)。

4.如权利要求1所述的教室安防预警系统，其特征在于，

人脸重建系统(12)运行在一台装有Ubuntu操作系统的计算机上，人脸重建系统(12)通过WebSocket协议与人脸识别系统(13)相连；

人脸识别系统(13)通过WebSocket协议发送报警指令给警报预警系统(14)。

5.如权利要求1所述的教室安防预警系统，其特征在于，

所述警报预警系统(14)接收所述人脸识别系统(13)的报警指令后，通过短信报警模块和/或邮件报警模块发送报警通知。

6.一种基于如权利要求1～5中任意一项所述的基于三维人脸重建和智能识别的教室安防预警系统的教室安防预警方法，其特征在于，该方法包含：步骤一：画面采集系统(11)收集二维人脸图像，将所述二维人脸图像传输给人脸重建系统(12)；

步骤二：所述人脸重建系统(12)接收所述画面采集系统(11)传输的所述二维人脸图像，并生成对应的三维人脸图像；

步骤三：所述人脸识别系统(13)接收所述人脸重建系统(12)输出的所述三维人脸图像并进行人脸图像识别，得到当前三维人脸图像的嵌入信息，再依据人脸数据库中预存的相应的人脸图像的嵌入信息，计算两类图像的余弦相似度，并判断两类图像是否为同一人的人脸；若否，则人脸识别系统(13)通过发送报警指令给警报预警系统(14)；

步骤四：所述警报预警系统(14)收到所述人脸识别系统(13)向其发送的报警指令后，通过报警模块发送报警通知。

7.如权利要求6所述的教室安防预警方法，其特征在于，

所述判断两类图像是否为同一人的人脸，进一步包含以下过程：判断计算得出的余弦相似度是否大于预设的相似度阈值：

(1)若是，则采集到的人脸图像与人脸数据库中预存的对应的人脸图像为同一人的人脸，且所述人脸识别系统(13)再根据权限控制数据库中的教室访问权限和/或实验室访问权限，查询该人员的教室访问权限和/或实验室访问权限，若不符合权限设定时，则人脸识别系统(13)发送报警指令给所述警报预警系统(14)；

(2)若否，则人脸识别系统(13)发送报警指令给所述警报预警系统(14)。

8.如权利要求6或7所述的教室安防预警方法，其特征在于，所述余弦相似度的计算方法如下：

其中，S代表当前三维人脸图像和数据库中人脸图像之间的余弦相似度；A、B分别是指当前得到的三维人脸图像的嵌入信息和数据库中人脸图像的嵌入信息的向量表示。

9.如权利要求6所述的教室安防预警方法，其特征在于，

所述人脸重建系统(12)通过生成对抗网络GAN算法生成对应的三维人脸图像，其进一步包含以下过程：S1、数据预处理：将收集到的所述二维人脸图像裁剪成指定分辨率大小，同时将裁剪后的二维人脸图像调整到合适的对比度和饱和度；

S2、数据清洗：对二维人脸图像进行清洗，保留成像效果满足要求的二维人脸图像，生成训练图像集；

S3、模型训练：采用生成对抗网络GAN算法作为训练模型进行训练，生成对抗网络包含生成器和判别器；其中，生成器采用多层卷积神经网络，根据接收到的二维人脸图像生成对应的三维人脸图像，判别器根据真实的三维人脸图像和生成的三维人脸图像进行比较，判定所述生成器的生成的有效性；

S4、参数更新：通过反向传播算法更新神经网络的训练参数，使得误差度量最小化；

S5、迭代更新：重复步骤S3～S4，直到误差度量的损失函数不再下降；

S6、固定模型：当训练收敛之后，保存生成对抗网络的参数，待人脸重建系统(12)使用。

10.如权利要求6或9所述的教室安防预警方法，其特征在于，所述人脸识别系统(13)通过FaceNet算法进行人脸图像识别得到当前三维人脸图像的嵌入信息，其进一步包含以下过程：T1、数据预处理：收集重建后的三维人脸图像，并清洗掉部分不符合要求的三维人脸图像；

T2、模型训练：采用多层卷积神经网络FaceNet算法，其输入为所述步骤T1预处理后的三维人脸图像，通过中间多层神经网络的处理，输出为三维人脸图像的嵌入信息；

T3、参数更新：通过反向传播算法更新神经网络模型的参数，使得损失函数的误差最小化；

T4、迭代更新：重复步骤T2～T3，直到误差度量的损失函数不再继续下降。

T5、固定模型：当训练参数收敛之后，保存多层卷积神经网络的参数。