CN106228146A - 一种分区域动态识别方法及系统 - Google Patents

Abstract

本发明涉及一种分区域动态识别方法及系统，方法包括：步骤1：将当前图像按照预设分割为至少两个区域，得到至少两个子图像；步骤2：将所有子图像分别与缓存区中预存的所有图像进行匹配，对于匹配的子图像，执行步骤4；对于不匹配的子图像，执行步骤3；步骤3:将所述子图像与数据库中预存的所有图像进行匹配，对于匹配的子图像，执行步骤4；对于不匹配的子图像，将子图像存入数据库，执行步骤4；步骤4：判断当前图像对应的所有子图像是否都已匹配完成，如果是，将所有子图像存入缓存区，执行步骤5；否则，间隔设定时间循环步骤4；步骤5：判断采集设备是否还发送图像，如果是，执行步骤1；否则，结束。本发明节约了时间，提高了效率。

Description

一种分区域动态识别方法及系统

技术领域

本发明涉及一种分区域动态识别方法及系统，属于计算机技术领域。

背景技术

目前生物识别技术已广泛用于政府、军队、银行、社会福利保障、电子商务、安全防务等领域。例如，一位储户走进了银行，他既没带银行卡，也没有回忆密码就径直提款，当他在提款机上提款时，一台摄像机对该用户的眼睛扫描，然后迅速而准确地完成了用户身份鉴定，办理完业务。这是美国德克萨斯州联合银行的一个营业部中发生的一个真实的镜头。而该营业部所使用的正是现代生物识别技术中的“虹膜识别系统”。此外，美国“9.11”事件后，反恐怖活动已成为各国政府的共识，加强机场的安全防务十分重要。美国维萨格公司的脸像识别技术在美国的两家机场大显神通，它能在拥挤的人群中挑出某一张面孔，判断他是不是通缉犯。

随着技术的进一步成熟和社会认同度的提高，人脸识别技术将应用在更多的领域。

1、企业、住宅安全和管理。如人脸识别门禁考勤系统，人脸识别防盗门等。

2、电子护照及身份证。这或许是未来规模最大的应用，国际民航组织(ICAO)已确定，从2010年起，其118个成员国家和地区，必须使用机读护照，人脸识别技术是首推识别模式，该规定已经成为国际标准。中国的电子护照计划公安部一所正在加紧规划和实施。

3、公安、司法和刑侦。如利用人脸识别系统和网络，在全国范围内搜捕逃犯。

4、自助服务。如银行的自动提款机，如果用户卡片和密码被盗，就会被他人冒取现金。如果同时应用人脸识别就会避免这种情况的发生。

5、信息安全。如计算机登录、电子政务和电子商务。在电子商务中交易全部在网上完成，电子政务中的很多审批流程也都搬到了网上。而当前，交易或者审批的授权都是靠密码来实现，如果密码被盗，就无法保证安全。但是使用生物特征，就可以做到当事人在网上的数字身份和真实身份统一，从而大大增加电子商务和电子政务系统的可靠性。

发明内容

本发明所要解决的技术问题是针对现有技术中进行图像比对时，没有对图像直接进行比对的不足，提供一种对图像进行分区域比对的分区域动态识别方法及系统。

本发明解决上述技术问题的技术方案如下：一种分区域动态识别方法，包括以下步骤：

步骤1：接收采集设备采集的图像作为当前图像，将当前图像按照预设的数量和大小分割为至少两个区域，得到至少两个子图像；

步骤2：将所有子图像分别与缓存区中预存的所有图像进行匹配，对于存在匹配图像的子图像，执行步骤4；对于不存在匹配图像的子图像，执行步骤3；

步骤3:将所述子图像与数据库中预存的所有图像进行匹配，对于存在匹配图像的子图像，执行步骤4；对于不存在匹配图像的子图像，将所述子图像存入数据库，执行步骤4；

步骤4：判断当前图像对应的所有子图像是否都已匹配完成，如果是，将不存在匹配图像的子图像存入缓存区，将存在匹配的图像存入数据库或删除，执行步骤5；否则，间隔设定时间循环步骤4；

步骤5：判断采集设备是否发送图像，如果是，执行步骤1；否则，结束。

本发明的有益效果是：多区域人脸识别技术主要是对图像进行分区域的比对，且是不等面积的分区，这样不仅节约了时间，也降低图像比对引擎系统压力，从而提高了效率。另外，这样不断强大了数据库，以便于找到更多的可靠信息。

在上述技术方案的基础上，本发明还可以做如下改进。

进一步，所述步骤2和步骤3中子图像与预存的图像进行匹配时，当相似度大于或等于最低预设值，判定所述子图像与所述图像相互匹配。

进一步，所述子图像与匹配的图像相似度大于或等于最低预设值且小于或等于最高预设值时，将子图像增加到数据库中对应所述图像所在位置，构成一个图像集合。

进一步，所述当前图像对应的子图像与图像集合中的图像进行匹配时，仅与最后存入的图像进行匹配。

进一步，所述子图像与匹配的图像相似度大于最高预设值时，删除所述子图像。

采用上述进一步方案的有益效果是，当子图像与预存图像的相似度大于或等于最低预设值时，即可判断子图像与图像中的物品或人为同一个，在这种情况下还存在两种情况，在同一个人或物品的情况下，当相似度大于最高预设值时，代表基本没有变化，在这种情况下，不需要将新的子图像进行保存，但是如果小于或等于最高预设值，代表虽然是同一个人或物品，但外观有所改变，此时需要将新的子图像存入对应此人或物品的图像集合中，以待下次进行匹配。

进一步，所述缓存区包括临时缓存区和历史缓存区；

所述临时缓存区中保存的图像为从采集设备接收的上一个图像分割得到的所有子图像；所述历史缓存区保存的图像为设定时间内接收的所有图像分割得到的所有子图像。

进一步，所述步骤2具体包括以下步骤：

步骤2.1：将当前图像对应的所有子图像分别与临时缓存区中预存的所有图像进行匹配，对于存在匹配图像的子图像，执行步骤4；对于不存在匹配图像的子图像，执行步骤2.2；

步骤2.2：将所有子图像分别与历史缓存区中预存的所有图像进行匹配，对于存在匹配图像的子图像，执行步骤4；对于不存在匹配图像的子图像，执行步骤3。

采用上述进一步方案的有益效果是，当临时缓存区中存在匹配时，则无需再到历史缓存区中进行匹配，历史缓存区中存在匹配时，就无需到数据库中进行匹配，由于数据库中的图像量是否庞大，因此，采用临时缓存区和历史缓存区相结合的方式，可以使图像匹配更快速。

进一步，所述步骤2.1中将子图像与临时缓存区中的图像进行匹配时，首先将所述子图像与临时缓存区中对应位置的图像进行匹配，当不匹配时，将所述子图像依次与其他位置的图像进行匹配。

采用上述进一步方案的有益效果是，上一时刻出现在图像某一位置的人或物品，在下一时刻的图像中，出现上一时刻对应的位置的几率大于出现在其他位置的几率，因此，本发明将当前图像中某一位置的子图像首先与上一个图像中对应位置的图像进行匹配。

进一步，所述步骤4中当当前图像对应的所有子图像都已完成匹配，将当前图像中不存在匹配图像的子图像分别存入临时缓存区和历史缓存区。

采用上述进一步方案的有益效果是，在当前图像中的所有子图像都完成匹配后，当前图像变为上一个图像，因此，将当前所有子图像存入临时缓存区；同时，此时当前所有子图像同样成为历史图像，所以存入历史缓存区。

本发明解决上述技术问题的技术方案如下：一种分区域动态识别系统，包括：

接收分割模块，接收采集设备采集的图像作为当前图像，将当前图像按照预设分割为至少两个区域，得到至少两个子图像；

第一匹配模块，将所有子图像分别与缓存区中预存的所有图像进行匹配，对于存在匹配图像的子图像，触发判断模块；对于不存在匹配图像的子图像，发送到第二匹配模块；

第二匹配模块，将所述子图像与数据库中预存的所有图像进行匹配，对于存在匹配图像的子图像，触发判断模块；对于不存在匹配图像的子图像，将所述子图像存入数据库，触发判断模块；

判断模块，判断当前图像对应的所有子图像是否都已匹配完成，如果是，将不存在匹配图像的子图像存入缓存区，将存在匹配的图像存入数据库或删除；否则，间隔设定时间循环触发判断模块。

附图说明

图1为本发明实施例1所述的一种分区域动态识别方法流程图；

图2为本发明实施例2所述的一种分区域动态识别系统结构示意图；

图3为本发明具体示例所述的一种分区域动态识别方法分割图像示意图；

图4为本发明具体示例所述的一种分区域动态识别方法比对示意图；

图5为本发明具体示例所述的一种分区域动态识别方法中临时缓存区结构示意图；

图6为本发明具体示例所述的一种分区域动态识别方法中历史缓存区结构示意图。

附图中，各标号所代表的部件列表如下：

1、接收分割模块，2、第一匹配模块，3、第二匹配模块，4、判断模块。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

如图1所示，为本发明实施例1所述的一种分区域动态识别方法，包括以下步骤：

步骤1：接收采集设备采集的图像作为当前图像，将当前图像按照预设的数量和大小分割为至少两个区域，得到至少两个子图像；

步骤2：将所有子图像分别与缓存区中预存的所有图像进行匹配，对于存在匹配图像的子图像，执行步骤4；对于不存在匹配图像的子图像，执行步骤3；

步骤3:将所述子图像与数据库中预存的所有图像进行匹配，对于存在匹配图像的子图像，执行步骤4；对于不存在匹配图像的子图像，将所述子图像存入数据库，执行步骤4；

步骤4：判断当前图像对应的所有子图像是否都已匹配完成，如果是，将不存在匹配图像的子图像存入缓存区，将存在匹配的图像存入数据库或删除，执行步骤5；否则，间隔设定时间循环步骤4；

步骤5：判断采集设备是否发送图像，如果是，执行步骤1；否则，结束。

所述步骤2和步骤3中子图像与预存的图像进行匹配时，当相似度大于或等于最低预设值，判定所述子图像与所述图像相互匹配。

所述子图像与匹配的图像相似度大于或等于最低预设值且小于或等于最高预设值时，将子图像增加到数据库中对应所述图像所在位置，构成一个图像集合。

所述当前图像对应的子图像与图像集合中的图像进行匹配时，仅与最后存入的图像进行匹配。

所述子图像与匹配的图像相似度大于最高预设值时，删除所述子图像。

所述缓存区包括临时缓存区和历史缓存区；

所述临时缓存区中保存的图像为从采集设备接收的上一个图像分割得到的所有子图像；所述历史缓存区保存的图像为设定时间内接收的所有图像分割得到的所有子图像。

所述步骤2具体包括以下步骤：

步骤2.1：将当前图像对应的所有子图像分别与临时缓存区中预存的所有图像进行匹配，对于存在匹配图像的子图像，执行步骤4；对于不存在匹配图像的子图像，执行步骤2.2；

步骤2.2：将所有子图像分别与历史缓存区中预存的所有图像进行匹配，对于存在匹配图像的子图像，执行步骤4；对于不存在匹配图像的子图像，执行步骤3。

所述步骤2.1中将子图像与临时缓存区中的图像进行匹配时，首先将所述子图像与临时缓存区中对应位置的图像进行匹配，当不匹配时，将所述子图像依次与其他位置的图像进行匹配。

所述步骤4中当当前图像对应的所有子图像都已完成匹配，将当前图像中不存在匹配图像的子图像分别存入临时缓存区和历史缓存区。

如图2所示，为本发明实施例2所述的一种分区域动态识别系统，包括：

接收分割模块1，接收采集设备采集的图像作为当前图像，将当前图像按照预设的数量和大小分割为至少两个区域，得到至少两个子图像；

第一匹配模块2，将所有子图像分别与缓存区中预存的所有图像进行匹配，对于存在匹配图像的子图像，触发判断模块4；对于不存在匹配图像的子图像，发送到第二匹配模块3；

第二匹配模块3，将所述子图像与数据库中预存的所有图像进行匹配，对于存在匹配图像的子图像，触发判断模块4；对于不存在匹配图像的子图像，将所述子图像存入数据库，触发判断模块4；

判断模块4，判断当前图像对应的所有子图像是否都已匹配完成，如果是，将不存在匹配图像的子图像存入缓存区，将存在匹配的图像存入数据库或删除；否则，间隔设定时间循环触发判断模块4。

本发明具体示例所述的一种分区域动态识别方法，在具体实施过程中，包括以下步骤：

将整个区域分成个区域，每个区域可以是等分的，也可以是不等分的，根据实际来考虑，按预估人员密集程度来分，一般是不规则的区域，这里以来说明，每个区域用对应大写字母来表示。分割块从A到I,如图3所示。也是按图像均衡来考虑的。在进行图像比对时，采用并行的方式进行，分别与每个对应的模块进行比对。

阈值设定：在人脸识别中，阈值是指某个预先设定的相似度值，当样本与模板的相似度值达到或超过此值时为肯定匹配，低于此值时为否定匹配，这个阈值可根据具体情况进行设定。

系统整体架构：从某个区域开始，以A区域来说明，将人脸抽出，启动图像引擎，然后进行比对，对于实时图像的对比是采用并行的方式。每一个区域比对的时间是不等的，用来表示对应区域比对需要的时间。如图3所示，将实时图像分成若干区域，此时的实时图像将与temporary buffer进行比对，比对时间分别为若阈值大于0.80(用户设定)，就将图像加入到data base中，即在data base中再开辟一个block来存放新的图像信息；若阈值大于0.95(用户设定)，相似度太高，几乎是一样的，我们就不进行数据库更新。如图4所示，首先将分割的图像在temporary buffer进行匹配，如果在temporary buffer中没有找到相关图像信息，在进行比对的时候，我们会进行temporary buffer的遍历，如找到对应，此子图像匹配完成；temporary buffer表示临时缓存区，它包含了上一次出现的人脸图像信息。我们将它分割块从B_A到B_I如图5所示。若在相关块也没有，就将分割图像与history buffer中的图像进行匹配，history buffer表示历史缓存区，如图6所示，保存设定时间内的所有图像分割成的子图像，判断是否有对应分割图像的人脸的图像信息，比对结果及操作也是按照temporary buffer里面一样的模式进行的。如果可以找到图像信息。若在history buffer中未能匹配成功，未能找到匹配的图像信息，就要在history buffer中增加一个位置，并存放新的图像。并将分割图像与data base中的图像进行匹配，如存在匹配，再根据相似度判断是否需要对data base进行更新；如果不存在匹配，在data base中也要增加一个位置。

比对可能性分析：

1、在A对应的temporary buffer里面并没有某个人的图像信息，就直接在数据库中追加更新这个图像信息，以便以后使用。

2、在A对应的temporary buffer里面，但比对结果相似度，即阈值，当阈值大于0.8，且小于0.95，就要在数据库里面加一个模块。若阈值大于0.95，相似度太高，几乎是一样的，我们就不进行数据库更新。

3、若在A对应的temporary buffer面没有，在相邻的有，同样进行阈值的比较，当阈值大于0.8，且小于0.95，就要在数据库里面加一个模块。若阈值大于0.95，相似度太高，几乎是一样的，我们就不进行数据库更新。

4、若在A对应的temporary buffer里面没有，在相邻的也没有，就判断在historybuffer中是否有某个人的图像信息。我们就在history buffer中进行比对，如果可以找到图像信息，比对结果及操作也是按照temporary buffer里面一样的模式进行的。如果未能找到图像信息，就要在history buffer中增加一个位置，并存放新的图像。同时在database中也要增加一个位置。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种分区域动态识别方法，其特征在于，包括以下步骤：

步骤1：接收采集设备采集的图像作为当前图像，将当前图像按照预设的数量和大小分割为至少两个区域，得到至少两个子图像；

步骤2：将所有子图像分别与缓存区中预存的所有图像进行匹配，对于存在匹配图像的子图像，执行步骤4；对于不存在匹配图像的子图像，执行步骤3；

步骤3:将所述子图像与数据库中预存的所有图像进行匹配，对于存在匹配图像的子图像，执行步骤4；对于不存在匹配图像的子图像，将所述子图像存入数据库，执行步骤4；

步骤4：判断当前图像对应的所有子图像是否都已匹配完成，如果是，将不存在匹配图像的子图像存入缓存区，将存在匹配的图像存入数据库或删除，执行步骤5；否则，间隔设定时间循环步骤4；

步骤5：判断采集设备是否发送图像，如果是，执行步骤1；否则，结束。

2.根据权利要求1所述的一种分区域动态识别方法，其特征在于，所述步骤2和步骤3中子图像与预存的图像进行匹配时，当相似度大于或等于最低预设值，判定所述子图像与所述图像相互匹配。

3.根据权利要求2所述的一种分区域动态识别方法，其特征在于，所述子图像与匹配的图像相似度大于或等于最低预设值且小于或等于最高预设值时，将子图像增加到数据库中对应所述图像所在位置，构成一个图像集合。

4.根据权利要求3所述的一种分区域动态识别方法，其特征在于，所述当前图像对应的子图像与图像集合中的图像进行匹配时，仅与最后存入的图像进行匹配。

5.根据权利要求2-4任一项所述的一种分区域动态识别方法，其特征在于，所述子图像与匹配的图像相似度大于最高预设值时，删除所述子图像。

6.根据权利要求1所述的一种分区域动态识别方法，其特征在于，所述缓存区包括临时缓存区和历史缓存区；

所述临时缓存区中保存的图像为从采集设备接收的上一个图像分割得到的所有子图像；所述历史缓存区保存的图像为设定时间内接收的所有图像分割得到的所有子图像。

7.根据权利要求6所述的一种分区域动态识别方法，其特征在于，所述步骤2具体包括以下步骤：

步骤2.1：将当前图像对应的所有子图像分别与临时缓存区中预存的所有图像进行匹配，对于存在匹配图像的子图像，执行步骤4；对于不存在匹配图像的子图像，执行步骤2.2；

步骤2.2：将所有子图像分别与历史缓存区中预存的所有图像进行匹配，对于存在匹配图像的子图像，执行步骤4；对于不存在匹配图像的子图像，执行步骤3。

8.根据权利要求7所述的一种分区域动态识别方法，其特征在于，所述步骤2.1中将子图像与临时缓存区中的图像进行匹配时，首先将所述子图像与临时缓存区中对应位置的图像进行匹配，当不匹配时，将所述子图像依次与其他位置的图像进行匹配。

9.根据权利要求6-8任一项所述的一种分区域动态识别方法，其特征在于所述步骤4中当当前图像对应的所有子图像都已完成匹配，将当前图像中不存在匹配图像的子图像分别存入临时缓存区和历史缓存区。

10.一种分区域动态识别系统，其特征在于，包括：

接收分割模块，接收采集设备采集的图像作为当前图像，将当前图像按照预设的数量和大小分割为至少两个区域，得到至少两个子图像；

第一匹配模块，将所有子图像分别与缓存区中预存的所有图像进行匹配，对于存在匹配图像的子图像，触发判断模块；对于不存在匹配图像的子图像，发送到第二匹配模块；

第二匹配模块，将所述子图像与数据库中预存的所有图像进行匹配，对于存在匹配图像的子图像，触发判断模块；对于不存在匹配图像的子图像，将所述子图像存入数据库，触发判断模块；

判断模块，判断当前图像对应的所有子图像是否都已匹配完成，如果是，将不存在匹配图像的子图像存入缓存区，将存在匹配的图像存入数据库或删除；否则，间隔设定时间循环触发判断模块。