CN109145742B - 一种行人识别方法及系统 - Google Patents
一种行人识别方法及系统 Download PDFInfo
- Publication number
- CN109145742B CN109145742B CN201810794484.XA CN201810794484A CN109145742B CN 109145742 B CN109145742 B CN 109145742B CN 201810794484 A CN201810794484 A CN 201810794484A CN 109145742 B CN109145742 B CN 109145742B
- Authority
- CN
- China
- Prior art keywords
- face
- image
- pedestrian
- gait
- preset feature
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
- G06V40/25—Recognition of walking or running movements, e.g. gait recognition
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Image Processing (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种行人识别方法及系统,包括:检测待处理图像中行人的人脸图像;确定所述人脸图像的预设特征评分;判断所述预设特征评分是否满足人脸识别条件;若满足人脸识别条件,提取所述人脸图像中的人脸特征并比对人脸特征库,确定所述行人的识别标识;若不满足人脸识别条件,提取所述行人的步态信息,以便基于所述步态信息确定所述行人的识别标识。本发明提供的技术方案步态识别与人脸识别两套框架的高层逻辑关系,人脸好则只识别人脸即可;人脸不好则识别步态,这样在逻辑上节省了大量时间,提高识别的效率。
Description
技术领域
本发明属于身份识别领域,尤其涉及一种行人识别方法及系统。
背景技术
生物特征识别技术是利用人体生物特征进行身份识别的一种技术。这些生物特征包括:指纹、掌纹、虹膜、人脸等等,已经广泛应用安防、银行、海关边检、物业管理等各种安全领域中,提高了识别的准确率又大大降低了人力和物力,越来越受到社会各界的青睐。
人脸识别是一种非接触式生物特征识别,不需要人的行为配合,特别适用于远距离的身份识别,可以用于智能视频监控系统。步态识别(也称步态识别技术)是根据走路的姿势来识别目标人物身份的一种技术,具有非接触远距离和不容易伪装等特点,近年来得到了越来越多的研究人员关注。
但现有技术基于人脸检测和步态识别相结合的身份识别,由于人脸检测和步态识别是两个独立的计算模块,在识别的过程中,必需上述两模块同时运行计算,并且还需要将此两个模块得到的结果加权后通过分类器处理后才能得到结果,运算量十分庞大,使得运行效率缓慢,且对运行的硬件有很高的要求。
发明内容
为了解决现有技术计算量过大的问题,本发明提供了一种行人识别方法及系统。
一种行人识别方法,包括:
检测待处理图像中行人的人脸图像;
确定所述人脸图像的预设特征评分;
判断所述预设特征评分是否满足人脸识别条件;
若满足人脸识别条件,提取所述人脸图像中的人脸特征并比对人脸特征库,确定所述行人的识别标识;
若不满足人脸识别条件,提取所述行人的步态信息,以便基于所述步态信息确定所述行人的识别标识。
进一步的,所述方法还包括:
提取所述待处理图像所对应的至少一个关联图像中所述行人的步态信息;
基于所述行人在所述待处理图像和至少一个关联图像中步态信息,确定所述行人的步态特征;
比对所述步态特征与步态特征库,确定所述行人的识别标识。
进一步的,所述待处理图像为实时视频中的当前帧图像;所述关联图像为所述当前帧图像之前的帧图像。
进一步的,所述待处理图像为视频文件中的任意一帧图像,所述关联图像为与所述待处理图像时序相邻的帧图像。
进一步的,判断所述预设特征评分是否满足人脸识别条件,包括:
判断所述预设特征评分是否大于或等于评分阈值;
若大于或等于评分阈值,确定满足预设人脸识别条件。
进一步的,所述方法还包括:获取所述待处理图像所对应的至少一个关联图像的预设特征评分;
判断所述预设特征评分是否满足人脸识别条件,包括:
判断所述预设特征评分是否大于或等于所有关联图像的预设特征评分;
若大于或等于所有关联图像的预设特征评分,判断所述预设特征评分是否大于或等于评分阈值;
若大于或等于评分阈值,确定满足人脸识别条件。
进一步的,所述检测待处理图像中行人的人脸图像,包括:
确定待处理图像中行人的人体区域;
基于人脸与人体的几何关系,确定所述人体区域中的人脸区域;
获取所述人脸区域的图像作为人脸图像。
一种行人识别系统,包括:
识别模块,用于检测待处理图像中行人的人脸图像;
评分模块,用于确定所述人脸图像的预设特征评分;
判断模块,用于判断所述预设特征评分是否满足人脸识别条件;
人脸识别模块,用于人脸图像的预设特征评分满足人脸识别条件时,提取所述人脸图像中的人脸特征并比对人脸特征库,确定所述行人的识别标识;
第一步态提取模块,用于人脸图像的预设特征评分不满足人脸识别条件时,提取所述行人的步态信息,以便基于所述步态信息确定所述行人的识别标识。
进一步的,所述系统还包括:
第二步态提取模块,用于提取所述待处理图像所对应的至少一个关联图像中所述行人的步态信息;
确定模块,用于基于所述行人在所述待处理图像和至少一个关联图像中步态信息,确定所述行人的步态特征;
步态识别模块,用于比对所述步态特征与步态特征库,确定所述行人的识别标识。
进一步的,所述判断模块,用于,
判断所述预设特征评分是否大于或等于评分阈值;
若大于或等于评分阈值,确定满足预设人脸识别条件。
进一步的,还包括:获取模块,用于获取所述待处理图像所对应的至少一个关联图像的预设特征评分;
所述判断模块,用于,
判断所述预设特征评分是否大于或等于所有关联图像的预设特征评分;
若大于或等于所有关联图像的预设特征评分,判断所述预设特征评分是否大于或等于评分阈值;
若大于或等于评分阈值,确定满足人脸识别条件。
进一步的,所述识别模块,用于,
确定待处理图像中行人的人体区域;
基于人脸与人体的几何关系,确定所述人体区域中的人脸区域;
获取所述人脸区域的图像作为人脸图像。
本发明提供的技术方案存在如下有益效果:
本发明提供的技术方案先对待处理图像进行人脸识别,在不满足人脸识别的情况再进行步态提取,采取其中一种识别方式最终确认行人的身份。只需要采用人脸识别或是步态识别中的一种即可识别行人身份,实现了在确保识别准确度的同时,大大的减小的运算量,不仅调高了识别的效率,而且降低了对硬件质量的要求,特别是芯片的要求。
本发明提供的技术方案步态识别与人脸识别两套框架的高层逻辑关系,人脸好则只识别人脸即可;人脸不好则识别步态,这样在逻辑上节省了大量时间。
附图说明
图1是本发明实施例提供的监控系统结构示意图;
图2是本发明流程示意图;
图3是本发明实施例中提供的一种行人识别流程示意图;
图4是本发明实施例中提供的另一种行人识别流程示意图;
图5是本发明实施例中提供的另一行人识别流程示意图;
图6是本发明实施例中提供的另一行人识别流程示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请实施例提供了一种行人识别方法,应用于监控系统,如图1所示,该系统包括:摄像头20和处理设备10,其中,人经过摄像头,摄像头采集行人的图像或视频,在采集的图像或视频中,可以包括:人脸、姿态、服装、服装颜色、交通工具等信息。当对行人识别时,可以利用人脸,也可以利用步态进行行人的识别。
图2为本申请实施例提供的一种行人识别方法的流程示意图。如图2所示,该方法可以包括以下步骤:
S101,检测待处理图像中行人的人脸图像;
S102,确定所述人脸图像的预设特征评分;
S103,判断所述预设特征评分是否满足人脸识别条件;
S104,若满足人脸识别条件,提取所述人脸图像中的人脸特征并比对人脸特征库,确定所述行人的识别标识;
S105,若不满足人脸识别条件,提取所述行人的步态信息,以便基于所述步态信息确定所述行人的识别标识。
在本申请实施例中,首先检测待处理图像中行人的人脸图像;然后对人脸图像的预设特征进行评分;判断评分是否满足人脸识别条件;最后,若满足人脸识别条件的进行人脸特征提取,与人脸特征库比对,确定出行人的身份;若不满足人脸识别条件的提取行人的步态信息,以便后期基于步态信息确定行人身份。该方法先对待处理图像进行人脸识别,在不满足人脸识别的情况再进行步态提取,采取其中一种识别方式最终确认行人的身份。本申请实施例中,只需要采用人脸识别或是步态识别中的一种即可识别行人身份,这样使得计算量小,运行速度快,身份识别的效率提高。
在本申请一些实施例中,如图3所示,在步骤S105采集步态信息后,该方法还包括:
S106,提取所述待处理图像所对应的至少一个关联图像中所述行人的步态信息;
S107,基于所述行人在所述待处理图像和至少一个关联图像中步态信息,确定所述行人的步态特征;
S108,比对所述步态特征与步态特征库,确定所述行人的识别标识。
也就是说,在本申请一些实施例中,提取与待处理图像相关联图像的步态信息,再与待处理图像的步态信息一起确定出行人的步态特征,最后与步态特征库进行比对,确定出行人的身份。在不能进行人脸识别时,提取多个步态进行步态特征识别,进而提高身份识别的效率。
下面对本申请实施例提供的该行人识别方法进行详细描述。
在本申请一些实施例中,针对录像、监控采集的视频段或其他视频材料进行识别,视频段中会包括多帧图像,当需要对某一个行人进行识别时,可以先确定该行人出现的视频段,然后对这个视频段进行处理。
在利用该方法之前,提取视频段中的每一帧图像,以第N帧为例,如图4所示,应用该方法包括:
S201,检测视频段中第N帧图像中行人的人脸图像;
首先确定待处理图像中行人的人体区域;然后,基于人脸与人体的几何关系,确定所述人体区域中的人脸区域;最后获取所述人脸区域的图像作为人脸图像。
不再用全局图像进行人脸识别,而是先识别出人体区域,然后再利用人体区域确定人脸区域,缩短人脸图像的识别时间,提高效率。
S202,确定所述人脸图像的预设特征评分;
预设特征包括:左眼,右眼,鼻尖,左嘴角,右嘴角;基于全卷积网络得到这5个特征的得分,将得分相加得到人脸图像的预设特征评分。
S203,判断所述预设特征评分是否满足人脸识别条件;
首先判断所述预设特征评分是否大于或等于评分阈值;若大于或等于评分阈值,确定满足预设人脸识别条件。
应用上述方法对视频段中的每一帧图像进行处理,将每一帧图像的预设特征评分均与评分阈值比较;获取其中大于或等于评分阈值的人脸图像;将每个大于或等于评分阈值的帧图像均提取人脸特征,并与人脸特征库进行比对,确认行人身份。为了提高效率,还可以同时对视频段中的多个帧图像进行识别,比较评分,选评分最高的人脸图像进行人脸特征提取,并与人脸特征库进行比对,确认行人身份。
S204,若满足人脸识别条件,提取所述人脸图像中的人脸特征并比对人脸特征库,确定所述行人的识别标识;
若检测到的人脸质量大于或等于阈值,则基于深度卷积神经网络对对齐后的人脸进行特征提取,将提取的特征与数据库中预先存储的特征模板进行搜索匹配,设定一个相似度阈值,当相似度超过这一阈值,则确定出该人脸图像对应的行人身份。
S205,若不满足人脸识别条件,提取所述行人的步态信息,以便基于所述步态信息确定所述行人的识别标识。
针对视频段中的图像,通过采集每一帧图像中行人的人脸图像,并对人脸图像的预设特征进行评分,将评分满足人脸识别条件的人脸图像进行人脸识别,最终确认出行人身份;若评分不满足人脸识别条件的人脸图像,则进行步态提取。
在另一些实施例中,若无法识别人脸,为了对行人识别,还可以利用步态识别,在进行步态识别时,需要多帧图像才能确定步态特征,因此,在步骤S205采集到步态信息后,如图5所示,该方法还可以包括:
S206,提取所述第N帧图像所对应的至少一个关联图像中所述行人的步态信息;
关联图像包括但不限制于:视频段中的与第N帧图像相邻且连续的前X帧图像、与第N帧图像相邻且连续的后Y帧图像,或与第N帧图像相邻且连续的前X帧图像以及与第N帧图像相邻且连续的后Y帧图像。
S207,基于所述行人在所述第N帧图像和至少一个关联图像中步态信息,确定所述行人的步态特征;
S208,比对所述步态特征与步态特征库,确定所述行人的识别标识。
在另一些实施例中,所述检测待处理图像中行人的人脸图像,包括:
确定待处理图像中行人的人体区域;
基于人脸与人体的几何关系,确定所述人体区域中的人脸区域;
获取所述人脸区域的图像作为人脸图像。
在本申请另一些实施例中,针对实时传输的监控视频,为了识别的及时性、准确性,识别到了视频段中的人,但人已经走了,因此需要在实时视频中进行识别,由于视频是一帧一帧传输,所以需要一帧一帧的进行识别。
以第N帧为例,对第N帧图像进行识别,如图6所示,该方法包括:
S301,检测第N帧图像中行人的人脸图像;
S302,确定所述人脸图像的预设特征评分;
S303,判断所述预设特征评分是否满足人脸识别条件;
S304,若满足人脸识别条件,提取所述人脸图像中的人脸特征并比对人脸特征库,确定所述行人的识别标识;
S305,若不满足,进行步态识别
进行步态识别时,需要考虑第N帧相邻的帧图像,若N等于1,那么就需要等待对后续帧图像进行识别,若N大于1,则可以获取之前的帧图像进行识别,当然也可以获取之后的帧图像进行识别。
若结合第N帧和其相邻的相关图像的步态信息识别不出行人,则对第N+1图像进行识别,包括:先进行人脸识别,若识别不出行人身份,则进行步态提取,结合相关图像的步态信息进行步态识别,直至识别出行人身份。
其中,关联图像为前面相邻的若干帧图像。
其中,确定待处理图像中行人的人体区域使用基于深度学习的行人检测器,该检测器能够对行人的尺度、光照、模糊等条件不敏感,获得每个人的位置;在行人检测的基础上,考虑到人脸与全身的几何关系,不必在全图检测人脸,而是仅在人体区域内检测人脸,效率提高。更具体地,当存在多个人时,分别对每个人体区域都要检测人脸,由于和人数有关,为了获得更高的执行效率,我们采用基于传统的Harr特征的人脸检测,相比基于深度学习的人脸检测器,检测速度更快。除了行人检测之外,步态识别还需要进行行人跟踪,即获得同一个人的步态序列。对于检测和跟踪之后的行人,使用基于深度学习的人形分割算法,将前景与背景分离开来,得到黑白的剪影作为步态的输入。这种黑白剪影能够避免衣着颜色的干扰,使步态识别模型真正关注人走路的方式而非衣着信息。对于获取的人脸图像,使用基于全卷积网络进行人脸图像的预设特征即5个关键点的评分,这5个关键点分别是:左眼,右眼,鼻尖,左嘴角,右嘴角。当目标行人侧脸时,部分关键点会缺失;当存在模糊时,各个部位的得分都有所降低;当目标戴墨镜时,眼睛位置的得分很低;当强光照在人脸上时,部分关键点得分降低。将5个关键点的得分相加,作为整张人脸的得分,得分越高,代表质量越好。更具体地,当人脸质量得分达到足够高阈值时,才认为该人脸质量高。
对于人脸识别过程,为了提高识别的准确率,还可以将关键点用来做对齐,即将5个关键点放置到固定位置,这样可以将一定角度范围内的侧面人脸旋转成正面人脸,进而提高识别准确率。若检测到的人脸质量大于或等于阈值,则基于深度卷积神经网络对对齐后的人脸进行特征提取,将提取的特征与数据库中预先存储的特征模板进行搜索匹配,设定一个相似度阈值,当相似度超过这一阈值,则确定出该人脸图像对应的行人身份。步态提取过程包括:基于深度卷积神经网络对步态序列进行特征提取,并与已有的步态数据库比对,给出识别结果。
基于相同的发明构思本发明还提供了一种行人识别系统,包括:
识别模块,用于检测待处理图像中行人的人脸图像;
评分模块,用于确定所述人脸图像的预设特征评分;
判断模块,用于判断所述预设特征评分是否满足人脸识别条件;
人脸识别模块,用于人脸图像的预设特征评分满足人脸识别条件时,提取所述人脸图像中的人脸特征并比对人脸特征库,确定所述行人的识别标识;
第一步态提取模块,用于人脸图像的预设特征评分不满足人脸识别条件时,提取所述行人的步态信息,以便基于所述步态信息确定所述行人的识别标识。
优选的,所述系统还包括:
第二步态提取模块,用于提取所述待处理图像所对应的至少一个关联图像中所述行人的步态信息;
确定模块,用于基于所述行人在所述待处理图像和至少一个关联图像中步态信息,确定所述行人的步态特征;
步态识别模块,用于比对所述步态特征与步态特征库,确定所述行人的识别标识。
优选的,所述判断模块,用于,
判断所述预设特征评分是否大于或等于评分阈值;
若大于或等于评分阈值,确定满足预设人脸识别条件。
优选的,所述系统还包括:获取模块,用于获取所述待处理图像所对应的至少一个关联图像的预设特征评分;
所述判断模块,用于,
判断所述预设特征评分是否大于或等于所有关联图像的预设特征评分;
若大于或等于所有关联图像的预设特征评分,判断所述预设特征评分是否大于或等于评分阈值;
若大于或等于评分阈值,确定满足人脸识别条件。
优选的,所述识别模块,用于,
确定待处理图像中行人的人体区域;
基于人脸与人体的几何关系,确定所述人体区域中的人脸区域;
获取所述人脸区域的图像作为人脸图像。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
可以理解的是,本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现,处理单元可以实现在一个或多个专用集成电路(ApplicationSpecific Integrated Circuits,ASIC)、数字信号处理器(Digital Signal Processing,DSP)、数字信号处理设备(DSP Device,DSPD)、可编程逻辑设备(Programmable LogicDevice,PLD)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。
对于软件实现,可通过执行本文所述功能的单元来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种行人识别方法,其特征在于,包括:
检测待处理图像中行人的人脸图像;
确定所述人脸图像的预设特征评分;
判断所述预设特征评分是否满足人脸识别条件;
若满足人脸识别条件,提取所述人脸图像中的人脸特征并比对人脸特征库,确定所述行人的识别标识;
若不满足人脸识别条件,提取所述行人的步态信息,以便基于所述步态信息确定所述行人的识别标识;
其中,所述确定所述人脸图像的预设特征评分包括:
获取所述人脸图像的五个关键点,其中,所述五个关键点放置到固定位置,以将一定角度范围内的侧面人脸旋转成正面人脸;
分别对上述五个关键点进行评分;
计算五个所述评分的加和值,并将所述加和值作为预设特征评分;
其中,所述方法还包括:将所述五个关键点设于固定位置;
其中,所述方法还包括:
获取所述待处理图像所对应的至少一个关联图像的预设特征评分;
判断所述预设特征评分是否满足人脸识别条件,包括:
判断所述预设特征评分是否大于或等于所有关联图像的预设特征评分;
若大于或等于所有关联图像的预设特征评分,判断所述预设特征评分是否大于等于评分阈值;
若大于等于所述评分阈值,确定满足人脸识别条件;
其中,在提取所述行人的步态信息之后,所述方法还包括:采用基于深度学习的人形分割算法将前景与背景分离开来,得到黑白的剪影作为步态的输入。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
提取所述待处理图像所对应的至少一个关联图像中所述行人的步态信息;
基于所述行人在所述待处理图像和至少一个关联图像中步态信息,确定所述行人的步态特征;
比对所述步态特征与步态特征库,确定所述行人的识别标识。
3.根据权利要求2所述的方法,其特征在于,所述待处理图像为实时视频中的当前帧图像;所述关联图像为所述当前帧图像之前的帧图像。
4.根据权利要求2所述的方法,其特征在于,所述待处理图像为视频文件中的任意一帧图像,所述关联图像为与所述待处理图像时序相邻的帧图像。
5.根据权利要求1所述的方法,其特征在于,所述检测待处理图像中行人的人脸图像,包括:
确定待处理图像中行人的人体区域;
基于人脸与人体的几何关系,确定所述人体区域中的人脸区域;
获取所述人脸区域的图像作为人脸图像。
6.一种行人识别系统,其特征在于,包括:
识别模块,用于检测待处理图像中行人的人脸图像;
评分模块,用于确定所述人脸图像的预设特征评分;
判断模块,用于判断所述预设特征评分是否满足人脸识别条件;
人脸识别模块,用于人脸图像的预设特征评分满足人脸识别条件时,提取所述人脸图像中的人脸特征并比对人脸特征库,确定所述行人的识别标识;
第一步态提取模块,用于人脸图像的预设特征评分不满足人脸识别条件时,提取所述行人的步态信息,以便基于所述步态信息确定所述行人的识别标识;
其中,所述评分模块具体用于:
获取所述人脸图像的五个关键点,其中,所述五个关键点放置到固定位置,以将一定角度范围内的侧面人脸旋转成正面人脸;
分别对上述五个关键点进行评分;
计算五个所述评分的加和值,并将所述加和值作为预设特征评分;
其中,所述系统还用于:将所述五个关键点设于固定位置;
其中,所述系统还用于:
获取所述待处理图像所对应的至少一个关联图像的预设特征评分;
判断所述预设特征评分是否满足人脸识别条件,包括:
判断所述预设特征评分是否大于或等于所有关联图像的预设特征评分;
若大于或等于所有关联图像的预设特征评分,判断所述预设特征评分是否大于等于评分阈值;
若大于等于所述评分阈值,确定满足人脸识别条件;
其中,在提取所述行人的步态信息之后,所述系统还用于:采用基于深度学习的人形分割算法将前景与背景分离开来,得到黑白的剪影作为步态的输入。
7.根据权利要求6所述的一种行人识别系统,其特征在于,所述系统还包括:
第二步态提取模块,用于提取所述待处理图像所对应的至少一个关联图像中所述行人的步态信息;
确定模块,用于基于所述行人在所述待处理图像和至少一个关联图像中步态信息,确定所述行人的步态特征;
步态识别模块,用于比对所述步态特征与步态特征库,确定所述行人的识别标识。
8.根据权利要求6所述的一种行人识别系统,其特征在于,所述识别模块,用于,
确定待处理图像中行人的人体区域;
基于人脸与人体的几何关系,确定所述人体区域中的人脸区域;
获取所述人脸区域的图像作为人脸图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810794484.XA CN109145742B (zh) | 2018-07-19 | 2018-07-19 | 一种行人识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810794484.XA CN109145742B (zh) | 2018-07-19 | 2018-07-19 | 一种行人识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109145742A CN109145742A (zh) | 2019-01-04 |
CN109145742B true CN109145742B (zh) | 2021-05-11 |
Family
ID=64800946
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810794484.XA Active CN109145742B (zh) | 2018-07-19 | 2018-07-19 | 一种行人识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109145742B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110175553B (zh) * | 2019-05-23 | 2021-07-30 | 银河水滴科技(宁波)有限公司 | 基于步态识别与人脸识别建立特征库的方法及装置 |
CN110267007A (zh) * | 2019-06-28 | 2019-09-20 | Oppo广东移动通信有限公司 | 图像处理方法、装置、服务器以及存储介质 |
CN110782417B (zh) * | 2019-11-08 | 2022-12-02 | 恒信东方文化股份有限公司 | 一种自动摄影方法及其相应的摄影装置 |
CN110956580B (zh) * | 2019-11-28 | 2024-04-16 | 广州方硅信息技术有限公司 | 图像换脸的方法、装置、计算机设备以及存储介质 |
CN111439642B (zh) * | 2020-03-04 | 2022-06-24 | 深圳云天励飞技术有限公司 | 电梯控制方法、装置、计算机可读存储介质及终端设备 |
CN111696239A (zh) * | 2020-06-18 | 2020-09-22 | 江苏建筑职业技术学院 | 一种基于计算机的人工智能识别系统 |
CN112288978A (zh) * | 2020-10-23 | 2021-01-29 | 温州丰彩生态农业科技有限公司 | 一种基于大数据处理的葵花种植用防盗监控装置 |
CN112434274A (zh) * | 2020-12-09 | 2021-03-02 | 建信金融科技有限责任公司 | 一种身份识别方法、装置、电子设备及存储介质 |
CN112784740B (zh) * | 2021-01-21 | 2022-10-04 | 上海市公安局刑事侦查总队 | 步态数据的采集与标注方法及应用 |
CN112966638A (zh) * | 2021-03-22 | 2021-06-15 | 国网浙江省电力有限公司电力科学研究院 | 基于多种特征的变电站作业人员鉴别及定位方法 |
CN113553965B (zh) * | 2021-07-27 | 2023-09-12 | 重庆电子工程职业学院 | 一种结合人脸识别和人体识别的人物身份识别方法 |
CN113963411B (zh) * | 2021-10-26 | 2022-08-16 | 电科智动(深圳)科技有限公司 | 身份识别模型的训练方法、装置、警用滑板车及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101975009A (zh) * | 2010-10-29 | 2011-02-16 | 无锡中星微电子有限公司 | 一种自动门控制装置和方法 |
CN102426645A (zh) * | 2011-08-30 | 2012-04-25 | 北京航空航天大学 | 一种多视角多状态的步态识别方法 |
CN103942577A (zh) * | 2014-04-29 | 2014-07-23 | 上海复控华龙微系统技术有限公司 | 视频监控中基于自建立样本库及混合特征的身份识别方法 |
CN105787440A (zh) * | 2015-11-10 | 2016-07-20 | 深圳市商汤科技有限公司 | 一种基于人脸特征和步态特征的安保管理方法及系统 |
CN106991395A (zh) * | 2017-03-31 | 2017-07-28 | 联想(北京)有限公司 | 信息处理方法、装置及电子设备 |
CN107590452A (zh) * | 2017-09-04 | 2018-01-16 | 武汉神目信息技术有限公司 | 一种基于步态与人脸融合的身份识别方法及装置 |
CN107818304A (zh) * | 2017-10-27 | 2018-03-20 | 佛山科学技术学院 | 一种智能安防系统身份识别方法 |
CN108021846A (zh) * | 2016-11-01 | 2018-05-11 | 杭州海康威视数字技术股份有限公司 | 一种人脸识别方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9449221B2 (en) * | 2014-03-25 | 2016-09-20 | Wipro Limited | System and method for determining the characteristics of human personality and providing real-time recommendations |
-
2018
- 2018-07-19 CN CN201810794484.XA patent/CN109145742B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101975009A (zh) * | 2010-10-29 | 2011-02-16 | 无锡中星微电子有限公司 | 一种自动门控制装置和方法 |
CN102426645A (zh) * | 2011-08-30 | 2012-04-25 | 北京航空航天大学 | 一种多视角多状态的步态识别方法 |
CN103942577A (zh) * | 2014-04-29 | 2014-07-23 | 上海复控华龙微系统技术有限公司 | 视频监控中基于自建立样本库及混合特征的身份识别方法 |
CN105787440A (zh) * | 2015-11-10 | 2016-07-20 | 深圳市商汤科技有限公司 | 一种基于人脸特征和步态特征的安保管理方法及系统 |
CN108021846A (zh) * | 2016-11-01 | 2018-05-11 | 杭州海康威视数字技术股份有限公司 | 一种人脸识别方法和装置 |
CN106991395A (zh) * | 2017-03-31 | 2017-07-28 | 联想(北京)有限公司 | 信息处理方法、装置及电子设备 |
CN107590452A (zh) * | 2017-09-04 | 2018-01-16 | 武汉神目信息技术有限公司 | 一种基于步态与人脸融合的身份识别方法及装置 |
CN107818304A (zh) * | 2017-10-27 | 2018-03-20 | 佛山科学技术学院 | 一种智能安防系统身份识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109145742A (zh) | 2019-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109145742B (zh) | 一种行人识别方法及系统 | |
CN107423690B (zh) | 一种人脸识别方法及装置 | |
CN111460962B (zh) | 一种口罩人脸识别方法及系统 | |
US11263435B2 (en) | Method for recognizing face from monitoring video data | |
CN104751136B (zh) | 一种基于人脸识别的多相机视频事件回溯追踪方法 | |
WO2015165365A1 (zh) | 一种人脸识别方法及系统 | |
CN108268867B (zh) | 一种车牌定位方法及装置 | |
CN105678213B (zh) | 基于视频特征统计的双模式蒙面人事件自动检测方法 | |
CN110866466A (zh) | 一种人脸识别方法、装置、存储介质和服务器 | |
CN108171138B (zh) | 一种生物特征信息获取方法和装置 | |
US20140079295A1 (en) | Apparatus and method for discriminating disguised face | |
CN108537143B (zh) | 一种基于重点区域特征比对的人脸识别方法与系统 | |
CN106778731B (zh) | 一种车牌定位方法及终端 | |
TW202042113A (zh) | 人臉辨識系統、建立人臉辨識之資料之方法及其人臉辨識之方法 | |
CN109146913B (zh) | 一种人脸跟踪方法及装置 | |
CN108596057B (zh) | 一种基于人脸识别的信息安全管理系统 | |
CN113837006A (zh) | 一种人脸识别方法、装置、存储介质及电子设备 | |
Das et al. | Human face detection in color images using HSV color histogram and WLD | |
CN111079757A (zh) | 服饰属性识别方法、装置及电子设备 | |
Kalangi et al. | Deployment of Haar Cascade algorithm to detect real-time faces | |
CN111860100B (zh) | 行人数量的确定方法、装置、电子设备及可读存储介质 | |
CN114494355A (zh) | 基于人工智能的轨迹分析方法、装置、终端设备及介质 | |
CN110751034B (zh) | 行人行为识别方法及终端设备 | |
Matuska et al. | A novel system for non-invasive method of animal tracking and classification in designated area using intelligent camera system | |
CN113449663B (zh) | 基于多态拟合的协同智能安防方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210203 Address after: 315016 9-3, building 91, 16 Buzheng lane, Haishu District, Ningbo City, Zhejiang Province Applicant after: Yinhe shuidi Technology (Ningbo) Co.,Ltd. Address before: Room 501-1753, Development Zone office building, 8 Xingsheng South Road, Miyun District Economic Development Zone, Beijing Applicant before: Yinhe waterdrop Technology (Beijing) Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |