CN106384087A - 一种基于多层网络人体特征的身份识别方法 - Google Patents
一种基于多层网络人体特征的身份识别方法 Download PDFInfo
- Publication number
- CN106384087A CN106384087A CN201610801159.2A CN201610801159A CN106384087A CN 106384087 A CN106384087 A CN 106384087A CN 201610801159 A CN201610801159 A CN 201610801159A CN 106384087 A CN106384087 A CN 106384087A
- Authority
- CN
- China
- Prior art keywords
- identification
- human body
- angle
- subnet
- subset
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明属于生物特征识别领域,提供了一种基于多层网络人体特征的身份识别方法。本发明为了解决现有身份识别方法的局限性,如人脸识别必须有完整清晰的面部图像,无法根据侧影或背影进行身份识别;采用多个子网对人体的多角度特征进行提取学习,然后将多种特征的识别结果按照一定的权值结合对被识别对象进行最终身份确认,实现了人体多角度的身份识别,同时扩大了身份识别的可应用场景。
Description
技术领域
本发明属于生物特征识别领域,具体涉及一种基于多层网络人体特征的身份识别方法。
背景技术
生物识别技术是指利用人体生物特征进行身份认证的一种技术。通过计算机与光学、声学、生物传感器和生物统计学原理等技术手段密切结合,利用人体固有的生理特性和行为特征来进行个人身份的确认。
目前主流的身份识别方法有指纹识别、人脸识别和虹膜识别等。其中指纹识别和虹膜识别等方法需要被识别对象主动接受识别,智能性较低。人脸识别目前虽可主动捕捉被识别对象进行识别,但是受光线、遮挡以及人的姿态等因素影响较大。现有身份识别方法的局限性,如人脸识别必须有完整清晰的面部图像,无法根据侧影或背影进行识别。基于多层网络提取人体特征的身份识别方法可有效克服人脸识别等方法在一些特殊条件下使用的局限性。
发明内容
本发明为了克服现有技术中存在的问题,提出了一种基于多层网络人体特征的身份识别方法。本方法特点在于:采用多个子网对人体的多角度特征进行提取学习,然后将多种特征的识别结果按照一定的权值结合对被识别对象进行最终身份确认,实现了人体多角度的身份识别,同时扩大了身份识别的可应用场景。
本发明的技术方案为,一种基于多层网络人体特征的身份识别方法,包括如下步骤:
步骤1,通过视频监控获取人物目标的多角度图像,构建多层网络的数据集。选取n个角度作为网络的输入,每个角度建立一个子集,共n个子集,每个子集将图像数量按照3:1:1的比例划分为训练集、验证集和测试集。需要识别的对象数量为m,每个识别对象具有唯一的身份id,id=1,2,…,m。
步骤2,利用卷积神经网络的n个子网对数据集的n个子集分别进行学习,得到n个角度人体特征的独立模型,计算各角度人体特征的权值,建立最终的身份识别模型。
步骤2.1,将n个子集的训练集和验证集输入卷积神经网络的n个子网进行学习,提取待识别目标的多角度特征,得到n个角度人体特征的独立模型;
步骤2.2,将n个子集的测试集分别输入对应的子网,计算其识别的准确度,记为a1,a2,…,an,进行归一化处理,得到各角度人体特征的权值ω1,ω2,…,ωn,并得到最终的网络模型。
步骤3,利用模型进行目标识别,并根据识别结果提示确认身份或报警。
步骤3.1,通过n个子网对待识别目标的n个角度图像分别进行识别,计算概率值并记为其中id为身份编号(id=1,2,…,m),n为子网编号(n=1,2,…,n),按照概率值由大到小,取出识别概率的前j位,j≤m。
步骤3.2,n个角度人体特征的权值为ω1,ω2,…,ωn,识别目标为某人的概率为只计算识别结果的前j位,以减少计算量,如果某人没有出现在第k个子网识别结果的前j位中,则将Pid值最大的作为最终的识别结果,并根据结果进行身份确认或报警。
本发明有益效果为,本发明采用多个子网对人体多角度的特征进行学习,将多种特征按照一定的权值结合对被识别对象进行身份确认,实现了人体多角度的身份识别,相比单独的人脸识别,多角度身份识别能较好地解决非人脸的人体身份识别等相关问题,尤其是当无法获取清晰的面部图像时,本方法能够取得更好的识别效果。而且,子网数量越多,能够提取的人体特征越多,识别的准确度也就越高。
附图说明
图1为本发明基于多层网络人体特征的身份识别方法的流程图。
具体实施方式
下面结合具体实施例和附图,对本发明的技术方案进行详细描述。
本实施例以三层子网为例,选取角度为正面、侧面和背面,构建三个子网,具体实施包括以下步骤:
步骤1,从视频监控中获取待识别对象的正面、侧面和背面图像,建立三个子集,正面子集、侧面子集和背面子集,每个子集图像总数的3/5作为训练集,1/5作为验证集,1/5作为测试集,并进行标注,使每个识别对象具有唯一的身份id(id=1,2,…,m)。
步骤2,构建卷积神经网络,正面子网、侧面子网和背面子网。
步骤2.1,将正面图像子集输入正面子网进行学习,得到人体正面特征的模型。
步骤2.2,将侧面图像子集输入侧面子网进行学习,得到人体侧面特征的模型。
步骤2.3,将背面图像子集输入背面子网进行学习,得到人体背面特征的模型。
步骤2.4,计算正面子网权值ω1、侧面子网权值ω2和背面子网权值ω3,得到最终网络模型。
步骤3,身份识别
步骤3.1,通过正面识别子网对目标的正面图像进行识别,计算概率值并记为id为身份编号,取出识别概率最大的前五位。
步骤3.2,通过侧面识别子网对目标的侧面图像进行识别,计算概率值并记为id为身份编号,取出识别概率最大的前五位。
步骤3.3,通过背面识别子网对目标的背面图像进行识别,计算概率值并记为id为身份编号,取出识别概率最大的前五位。
步骤3.4,识别目标为某人的概率这里只计算识别结果的前五位,如果某人没有出现在第k个子网识别结果的前五位中,则将概率值Pid最大的id作为最后的身份识别结果,并根据结果进行身份确认或报警。
Claims (2)
1.一种基于多层网络人体特征的身份识别方法,其特征在于,包括如下步骤:
步骤1,通过视频监控获取人物目标的多角度图像,构建多层网络的数据集;选取n个角度作为网络的输入,每个角度建立一个子集,共n个子集,每个子集将图像数量按照3:1:1的比例划分为训练集、验证集和测试集;需要识别的对象数量为m,每个识别对象具有唯一的身份id(id=1,2,…,m);
步骤2,利用卷积神经网络的n个子网对数据集的n个子集分别进行学习,得到n个角度人体特征的独立模型,计算各角度人体特征的权值,建立最终的身份识别模型;
步骤2.1,将n个子集的训练集和验证集输入卷积神经网络的n个子网进行学习,提取待识别目标的多角度特征,得到n个角度人体特征的独立模型;
步骤2.2,将n个子集的测试集分别输入对应的子网,计算其识别的准确度,记为a1,a2,…,an,进行归一化处理,得到各角度人体特征的权值ω1,ω2,…,ωn,并得到最终的网络模型;
步骤3,利用模型进行目标识别,并根据识别结果提示确认身份或报警。
2.根据权利要求1所述的一种基于多层网络人体特征的身份识别方法,其特征在于,所述步骤3是按如下步骤实施:
步骤3.1,通过n个子网对待识别目标的n个角度图像分别进行识别,计算概率值并记为其中id为身份编号(id=1,2,…,m),n为子网编号(n=1,2,…,n),按照概率值由大到小,取出识别概率的前j位,j≤m;
步骤3.2,n个角度人体特征的权值为ω1,ω2,…,ωn,识别目标为某人的概率为只计算识别结果的前j位,以减少计算量,如果某人没有出现在第k个子网识别结果的前j位中,则将Pid值最大的作为最终的识别结果,并根据结果进行身份确认或报警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610801159.2A CN106384087A (zh) | 2016-09-05 | 2016-09-05 | 一种基于多层网络人体特征的身份识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610801159.2A CN106384087A (zh) | 2016-09-05 | 2016-09-05 | 一种基于多层网络人体特征的身份识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106384087A true CN106384087A (zh) | 2017-02-08 |
Family
ID=57938004
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610801159.2A Pending CN106384087A (zh) | 2016-09-05 | 2016-09-05 | 一种基于多层网络人体特征的身份识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106384087A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107330992A (zh) * | 2017-06-29 | 2017-11-07 | 上海斐讯数据通信技术有限公司 | 考勤装置和方法、考勤验证装置和方法及计算机处理设备 |
CN107704812A (zh) * | 2017-09-18 | 2018-02-16 | 维沃移动通信有限公司 | 一种人脸识别方法及移动终端 |
CN108229549A (zh) * | 2017-12-28 | 2018-06-29 | 杭州大搜车汽车服务有限公司 | 一种智能识别车商装修程度的方法、电子设备和存储介质 |
CN108269371A (zh) * | 2017-09-27 | 2018-07-10 | 缤果可为(北京)科技有限公司 | 商品自动结算方法、装置、自助收银台 |
CN108304829A (zh) * | 2018-03-08 | 2018-07-20 | 北京旷视科技有限公司 | 人脸识别方法、装置及系统 |
CN108320404A (zh) * | 2017-09-27 | 2018-07-24 | 缤果可为(北京)科技有限公司 | 基于神经网络的商品识别方法、装置、自助收银台 |
CN109063580A (zh) * | 2018-07-09 | 2018-12-21 | 北京达佳互联信息技术有限公司 | 人脸识别方法、装置、电子设备及存储介质 |
CN109598737A (zh) * | 2018-12-04 | 2019-04-09 | 广东智媒云图科技股份有限公司 | 一种图像边缘识别方法及系统 |
CN110008925A (zh) * | 2019-04-15 | 2019-07-12 | 中国医学科学院皮肤病医院 | 一种基于集成学习的皮肤自动检测方法 |
CN110458130A (zh) * | 2019-08-16 | 2019-11-15 | 百度在线网络技术(北京)有限公司 | 人物识别方法、装置、电子设备及存储介质 |
CN111259183A (zh) * | 2020-02-21 | 2020-06-09 | 北京百度网讯科技有限公司 | 图像识图方法、装置、电子设备和介质 |
CN111680622A (zh) * | 2020-06-05 | 2020-09-18 | 上海一由科技有限公司 | 一种基于托育环境的身份识别方法 |
CN113052150A (zh) * | 2021-05-24 | 2021-06-29 | 腾讯科技(深圳)有限公司 | 活体检测方法、装置、电子设备和计算机可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101271515A (zh) * | 2007-03-21 | 2008-09-24 | 株式会社理光 | 能识别多角度目标的图像检测装置 |
CN101414348A (zh) * | 2007-10-19 | 2009-04-22 | 三星电子株式会社 | 多角度人脸识别方法和系统 |
US20100303338A1 (en) * | 2009-05-27 | 2010-12-02 | Zeitera, Llc | Digital Video Content Fingerprinting Based on Scale Invariant Interest Region Detection with an Array of Anisotropic Filters |
CN103971106A (zh) * | 2014-05-27 | 2014-08-06 | 深圳市赛为智能股份有限公司 | 多视角人脸图像性别识别方法及装置 |
-
2016
- 2016-09-05 CN CN201610801159.2A patent/CN106384087A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101271515A (zh) * | 2007-03-21 | 2008-09-24 | 株式会社理光 | 能识别多角度目标的图像检测装置 |
CN101414348A (zh) * | 2007-10-19 | 2009-04-22 | 三星电子株式会社 | 多角度人脸识别方法和系统 |
US20100303338A1 (en) * | 2009-05-27 | 2010-12-02 | Zeitera, Llc | Digital Video Content Fingerprinting Based on Scale Invariant Interest Region Detection with an Array of Anisotropic Filters |
CN103971106A (zh) * | 2014-05-27 | 2014-08-06 | 深圳市赛为智能股份有限公司 | 多视角人脸图像性别识别方法及装置 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107330992A (zh) * | 2017-06-29 | 2017-11-07 | 上海斐讯数据通信技术有限公司 | 考勤装置和方法、考勤验证装置和方法及计算机处理设备 |
CN107704812A (zh) * | 2017-09-18 | 2018-02-16 | 维沃移动通信有限公司 | 一种人脸识别方法及移动终端 |
CN108269371A (zh) * | 2017-09-27 | 2018-07-10 | 缤果可为(北京)科技有限公司 | 商品自动结算方法、装置、自助收银台 |
CN108320404A (zh) * | 2017-09-27 | 2018-07-24 | 缤果可为(北京)科技有限公司 | 基于神经网络的商品识别方法、装置、自助收银台 |
CN108229549A (zh) * | 2017-12-28 | 2018-06-29 | 杭州大搜车汽车服务有限公司 | 一种智能识别车商装修程度的方法、电子设备和存储介质 |
CN108304829B (zh) * | 2018-03-08 | 2020-03-06 | 北京旷视科技有限公司 | 人脸识别方法、装置及系统 |
CN108304829A (zh) * | 2018-03-08 | 2018-07-20 | 北京旷视科技有限公司 | 人脸识别方法、装置及系统 |
CN109063580A (zh) * | 2018-07-09 | 2018-12-21 | 北京达佳互联信息技术有限公司 | 人脸识别方法、装置、电子设备及存储介质 |
CN109598737A (zh) * | 2018-12-04 | 2019-04-09 | 广东智媒云图科技股份有限公司 | 一种图像边缘识别方法及系统 |
CN110008925A (zh) * | 2019-04-15 | 2019-07-12 | 中国医学科学院皮肤病医院 | 一种基于集成学习的皮肤自动检测方法 |
CN110458130A (zh) * | 2019-08-16 | 2019-11-15 | 百度在线网络技术(北京)有限公司 | 人物识别方法、装置、电子设备及存储介质 |
CN111259183A (zh) * | 2020-02-21 | 2020-06-09 | 北京百度网讯科技有限公司 | 图像识图方法、装置、电子设备和介质 |
CN111259183B (zh) * | 2020-02-21 | 2023-08-01 | 北京百度网讯科技有限公司 | 图像识图方法、装置、电子设备和介质 |
CN111680622A (zh) * | 2020-06-05 | 2020-09-18 | 上海一由科技有限公司 | 一种基于托育环境的身份识别方法 |
CN111680622B (zh) * | 2020-06-05 | 2023-08-01 | 上海一由科技有限公司 | 一种基于托育环境的身份识别方法 |
CN113052150A (zh) * | 2021-05-24 | 2021-06-29 | 腾讯科技(深圳)有限公司 | 活体检测方法、装置、电子设备和计算机可读存储介质 |
CN113052150B (zh) * | 2021-05-24 | 2021-07-30 | 腾讯科技(深圳)有限公司 | 活体检测方法、装置、电子设备和计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106384087A (zh) | 一种基于多层网络人体特征的身份识别方法 | |
CN105138993B (zh) | 建立人脸识别模型的方法及装置 | |
CN107886064B (zh) | 一种基于卷积神经网络的人脸识别场景适应的方法 | |
Okokpujie et al. | Design and implementation of a student attendance system using iris biometric recognition | |
CN107392082B (zh) | 一种基于深度学习的小面积指纹比对方法 | |
CN104915643B (zh) | 一种基于深度学习的行人再标识方法 | |
CN103793690B (zh) | 一种基于皮下血流探测的人体生物活体检测方法及应用 | |
CN114067358B (zh) | 一种基于关键点检测技术的人体姿态识别方法及系统 | |
CN105095870B (zh) | 基于迁移学习的行人重识别方法 | |
Yao et al. | Robust CNN-based gait verification and identification using skeleton gait energy image | |
CN106778785B (zh) | 构建图像特征提取模型的方法及图像识别的方法、装置 | |
CN104866829A (zh) | 一种基于特征学习的跨年龄人脸验证方法 | |
CN109346159A (zh) | 病例图像分类方法、装置、计算机设备及存储介质 | |
CN103778414A (zh) | 基于深度神经网络的实时人脸识别方法 | |
CN106372656B (zh) | 获取深度一次性学习模型的方法、图像识别方法及装置 | |
CN106650694A (zh) | 一种以卷积神经网络作为特征提取器的人脸识别方法 | |
CN109902615A (zh) | 一种基于对抗网络的多个年龄段图像生成方法 | |
CN110490227A (zh) | 一种基于特征转换的少样本图像分类方法 | |
CN110163567A (zh) | 基于多任务级联卷积神经网络的课堂点名系统 | |
CN109615616A (zh) | 一种基于abc-pcnn的裂缝识别方法及系统 | |
KR20180038169A (ko) | 딥 러닝 기반의 데이터특징을 이용한 도시영상의 안전도 분류방법 | |
CN107423727A (zh) | 基于神经网络的人脸复杂表情识别方法 | |
CN107451594A (zh) | 一种基于多元回归的多视角步态分类方法 | |
CN107242876A (zh) | 一种用于精神状态辅助诊断的计算机视觉方法 | |
CN110929243B (zh) | 一种基于手机惯性传感器的行人身份识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170208 |