CN109784240B - 一种人物识别方法、装置及存储装置 - Google Patents
一种人物识别方法、装置及存储装置 Download PDFInfo
- Publication number
- CN109784240B CN109784240B CN201811646069.6A CN201811646069A CN109784240B CN 109784240 B CN109784240 B CN 109784240B CN 201811646069 A CN201811646069 A CN 201811646069A CN 109784240 B CN109784240 B CN 109784240B
- Authority
- CN
- China
- Prior art keywords
- angle
- person
- image information
- person identification
- information
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及人体检测领域,具体涉及一种人物识别方法以及系统,人物识别方法包括以下步骤:预先存储人物的样貌信息,形成样貌数据库;捕捉及拍摄人物的图像信息;判断人物的第一身体特征的第一角度以及第二身体特征的第二角度;结合所述图像信息、所述第一角度以及所述第二角度,与样貌数据库中的样貌信息对比,形成人物识别结果。通过该方法,能够在拍摄到人物的照片或者视频之后,快速地识别人物身份,并且,结合人物的第一角度和第二角度,多个角度结合之后再综合判断,提高识别结果的准确性。
Description
技术领域
本发明涉及人体检测领域,具体涉及一种人物识别方法、装置及存储装置。
背景技术
人物识别系统以人脸识别技术为核心,是一项新兴的生物识别技术,也是当今国际科技领域急需攻关的高精尖技术。它广泛采用区域特征分析算法,融合计算机图像处理技术与生物统计学原理于一体,利用计算机图像处理技术从图片或者视频中提取人像特征点,利用生物统计学的原理进行分析,建立数学模型,识别人脸之后,从而实现识别人物。
现有人物识别技术常通过采集到含有完整人脸的图像,再进行人物身份的智能判断。但是,无论在室内还是在室外采集图像,摄像头往往都是固定的,而需要识别的人物可能会产生移动,造成人物并没有正视摄像头,人物与摄像头形成转向角度,处理器也就无法采集足够的人物特征,导致人物识别失败或者错误的情况。
发明内容
本发明要解决的技术问题在于,针对现有技术的上述缺陷,提供一种人物识别方法、装置及存储装置,解决人物与摄像头形成转向角度时,处理器无法准确识别人物的问题。
为解决该技术问题,本发明提供一种人物识别方法,所述人物识别方法包括以下步骤:预先存储人物的样貌信息,形成样貌数据库;捕捉及拍摄人物的图像信息;判断人物的第一身体特征的第一角度以及第二身体特征的第二角度;结合所述图像信息、所述第一角度以及所述第二角度,与样貌数据库中的样貌信息对比,形成人物识别结果。
其中,较佳方案是,所述人物识别方法还包括以下步骤:预先对用于训练的图像信息、第一角度以及第二角度与用于训练的样貌信息进行对比并形成人物识别结果的过程进行深度学习,生成已训练好的人物识别模型。
其中,较佳方案是,所述人物识别方法还包括以下步骤:制作输入端,所述输入端包括用于训练的图像信息、第一角度、第二角度以及样貌信息;制作输出端,所述输出端包括对比并形成人物识别结果;不断模拟输入以及输出的过程,生成已训练好的人物识别模型。
其中,较佳方案是,所述人物识别方法还包括以下步骤:在所述图像信息中,设定坐标系;采集多个人物的第一身体特征的第一特征点,根据坐标系以及第一特征点判断人物的第一身体特征的第一角度;以及,采集多个人物的第二身体特征的第二特征点,根据坐标系以及第二特征点判断人物的第二身体特征的第二角度。
其中,较佳方案是,所述人物识别方法还包括以下步骤:预先设置准确角度的阈值范围;在判断所述第一角度之后,若第一角度不在阈值范围内,重新捕捉及拍摄人物的图像信息;以及,在判断所述第二角度之后,若第二角度不在阈值范围内,重新捕捉及拍摄人物的图像信息。
其中,较佳方案是,所述阈值范围为-45°至45°。
其中,较佳方案是,所述第一身体特征为头部,所述第二身体特征为肩膀。
本发明还提供一种人物识别装置,包括:存储单元,所述存储单元用于预先存储人物的样貌信息,形成样貌数据库;图像单元,所述图像单元用于捕捉及拍摄人物的图像信息;判断单元,所述判断单元用于判断人物的第一身体特征的第一角度以及第二身体特征的第二角度;识别单元,所述识别单元用于结合所述图像信息、所述第一角度以及所述第二角度,与样貌数据库中的样貌信息对比,形成人物识别结果。
本发明还提供一种人物识别装置,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上所述人物识别方法的步骤。
本发明还提供一种存储装置,所述存储装置存储有计算机程序,所述计算机程序能够被执行以实现如上所述人物识别方法的步骤。
本发明的有益效果在于,与现有技术相比,本发明通过设计一种人物识别方法、装置及存储装置,预先形成样貌数据库,并在获取图像信息之后,根据图像信息判断第一角度和第二角度,结合图像信息、第一角度以及第二角度,并与样貌信息进行对比,得到人物识别结果,通过该方法,能够在拍摄到人物的照片或者视频之后,快速地识别人物身份,并且,结合人物的第一角度和第二角度,多个角度结合之后再综合判断,提高识别结果的准确性。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明人物识别方法的流程框图;
图2是本发明深度学习的流程框图;
图3是本发明模拟过程并生成模型的流程框图;
图4是本发明判断第一角度以及第二角度的流程框图;
图5是本发明判断是否需要重新获取图像信息的流程框图;
图6是本发明人物识别装置的原理框图。
具体实施方式
现结合附图,对本发明的较佳实施例作详细说明。
如图1至图5所示,本发明提供一种人物识别方法的优选实施例。
具体地,参考图1,一种人物识别方法,所述人物识别方法用于实现人物身份的识别,所述人物识别方法包括以下步骤:
步骤1、预先存储人物的样貌信息,形成样貌数据库;
步骤2、捕捉及拍摄人物的图像信息;
步骤3、判断人物的第一身体特征的第一角度以及第二身体特征的第二角度;
步骤4、结合所述图像信息、所述第一角度以及所述第二角度,与样貌数据库中的样貌信息对比,形成人物识别结果。
其中,预先存储人物的样貌信息,所述样貌信息可包括人脸信息以及上部躯干信息,或者只包括人脸信息,此处不做限定,但值得一提的是,存储的样貌信息需为标准及正面的样貌信息;而对于人物而言,可为场内场外所有人物,或者有识别需求的人物;在存储完毕之后,所有样貌信息即自动形成样貌数据库。随后,捕捉需要识别的人物,通过摄像头聚焦放大,拍摄人物的图像信息,此处提到的图像信息可为图片或者视频。然后,根据图像信息,取人物正面为基准零度,智能判断人物的第一身体特征的第一角度以及第二身体特征的第二角度,该第一角度即是第一身体特征与基准零度的相差值,该第二角度即是第二身体特征与基准零度的相差值。而后,结合图像信息、第一角度以及第二角度,再与样貌数据库中的样貌信息进行对比,综合判断,形成人物识别结果,即得知人物身份,例如得知人物的姓名、年龄等基本信息。通过该方法,能够在拍摄到人物的任意图像信息之后,即使没有拍摄到人物的标准正脸照,也能够快速地识别人物身份,并且,结合人物的第一角度和第二角度,多个角度结合之后再综合判断,提高识别结果的准确性。
在此,举一具体例子:在举行会议之前,每一参会人员进入会场时,都通过一摄像头录取照片,当然,也可以工作人员预先通过其他途径载入照片,即可得知每一参会人员的样貌信息,所有样貌信息形成样貌数据库。然后,会议正常开始,通过设在会场内的摄像头可捕捉并拍摄发言人的图像信息,即时判断发言人的第一身体特征的第一角度以及第二身体特征的第二角度。结合图像信息、第一角度以及第二角度,再与样貌数据库中的样貌信息进行对比,从而准确判断发言人身份,位于会场中心的显示屏在显示发言人的图像信息的同时显示发言人身份。
进一步地,参考图2,所述人物识别方法还包括以下步骤:
步骤41、预先对用于训练的图像信息、第一角度以及第二角度与用于训练的样貌信息进行对比并形成人物识别结果的过程进行深度学习,生成已训练好的人物识别模型。
其中,预先形成训练集,所述训练集包括用于训练的图像信息、第一角度以及第二角度,还包括用于训练的样貌信息,再形成识别集,所述识别集包括对比并形成人物识别结果。然后,对训练集和识别集进行深度学习,生成已训练好的人物识别模型。在后续进行人物识别时,只需获取人物的图像信息、人物的第一身体特征的第一角度以及第二身体特征的第二角度,并将上述信息载入人物识别模型中,即可快速得知人物识别结果。
再进一步地,参考图3,所述人物识别方法还包括以下步骤:
步骤411、制作输入端,所述输入端包括用于训练的图像信息、第一角度、第二角度以及样貌信息;
步骤412、制作输出端,所述输出端包括对比并形成人物识别结果;
步骤413、不断模拟输入以及输出的过程,生成已训练好的人物识别模型。
在此,描述深度学习的具体流程:制作用于训练的输入端,所述输入端包括图像信息、第一角度、第二角度以及样貌信息的相关内容,值得一提的是,所述图像信息为模拟化的图片或者视频信息,包括人物的常规模型,存在转向角度,所述第一角度以及第二角度则根据图像信息判断得出,所述样貌信息也为模拟化的图片,包括人物的常规模型,但不存在转向角度。同时,制作用于训练的输出端,所述输出端包括根据图像信息、第一角度以及第二角度与样貌信息对比并形成人物的相关内容,即是说,在输出端中,能够结合图像信息、第一角度和第二角度,与样貌信息对比并形成人物识别结果。上述两者制作完毕之后,不断地模拟输入以及输出的过程,即是说,以单个图像信息、第一角度、第二角度和样貌信息为一组,在输入端中不断输入以组为单位的信息,并且,在输出端中不断输出以组为单位的人物识别结果。通过数十万次甚至数百万次的模拟,不断拟合数据,最终生成已训练好的人物识别模型,该人物识别模型能够适应不同情况。在实际应用中,只需在人物识别模型中输入图像信息、第一角度、第二角度和样貌信息,即可快速准确地得出相对应的人物识别结果,效率极高。
具体地,参考图4,所述人物识别方法还包括以下步骤:
步骤31、在所述图像信息中,设定坐标系;
步骤32、采集多个人物的第一身体特征的第一特征点,根据坐标系以及第一特征点判断人物的第一身体特征的第一角度;以及,
步骤33、采集多个人物的第二身体特征的第二特征点,根据坐标系以及第二特征点判断人物的第二身体特征的第二角度。
其中,在拍摄图像信息之后,在图像信息中聚焦放大人物图像,并在人物图像的正中央设定虚拟化的三维坐标系。然后,采集多个人物的第一身体特征的第一特征点,所述第一特征点可为固定的几个点,并且多个第一特征点连线时必须保证能够判断出转向趋势;在采集完毕之后,将第一特征点代入三维坐标系,判断人物的第一身体特征的第一角度。以及,采集多个人物的第二身体特征的第二特征点,所述第二特征点可为固定的几个点,并且多个第二特征点连线时必须保证能够判断出转向趋势;在采集完毕之后,将第二特征点代入三维坐标系,判断人物的第二身体特征的第二角度。通过第一身体特征的第一角度和第二身体特征的第二角度的结合,在后续综合判断之后,能够提高人物识别结果的准确率,避免单个角度数据的误差。值得一提的是,所述第一角度和第二角度可以一致,也可以不一致。
优选地,所述第一身体特征为头部,所述第二身体特征为肩膀。由于在进行人物拍摄时,容易获取头部与肩膀的图像信息,并且头部和肩膀的角度容易判断,从而便于后续的人物识别,以及能够提高识别准确率。
再具体地,参考图5,所述人物识别方法还包括以下步骤:
步骤341、预先设置准确角度的阈值范围;
步骤342、在判断所述第一角度之后,若第一角度不在阈值范围内,重新捕捉及拍摄人物的图像信息;以及,
步骤343、在判断所述第二角度之后,若第二角度不在阈值范围内,重新捕捉及拍摄人物的图像信息。
其中,在对比过程之前,预先设置第一角度和第二角度的阈值范围,需要说明的是,所述第一角度和第二角度的阈值范围可相同,也可不同,视具体情况而论。在判断出人物的第一身体特征的第一角度之后,再判断第一角度是否在阈值范围内,若是第一角度不在阈值范围内,需要重新捕捉及拍摄同个人物的图像信息;以及,若是无法判断出所述第一角度,也需要重新捕捉及拍摄同个人物的图像信息。在判断出人物的第二身体特征的第二角度之后,再判断第二角度是否在阈值范围内,若是第二角度不在阈值范围内,需要重新捕捉及拍摄同个人物的图像信息;以及,若是无法判断出所述第二角度,也需要重新捕捉及拍摄同个人物的图像信息。在判断出第一角度和第二角度均在阈值范围内之后,即可进行后续的对比过程。由于拍摄人物的图像信息是非常快的,可同时拍多张图像信息做备用,以保证快速准确地获取符合阈值范围的第一角度以及第二角度。
优选地,所述阈值范围为-45°至45°,此时,所述第一身体特征和第二身体特征的转向不是非常大,后续可更加容易的准确识别出人物身份。值得一提的是,在人物识别模型处理的非常好的情况下,所述阈值范围可扩大为-90°至90°。
基于以上所述人物识别方法,本发明实施例还提供一种人物识别装置,如图6所示,所述人物识别装置包括:
存储单元100,所述存储单元用于预先存储人物的样貌信息,形成样貌数据库;具体如上述。
图像单元200,所述图像单元用于捕捉及拍摄人物的图像信息;具体如上述。
判断单元300,所述判断单元用于判断人物的第一身体特征的第一角度以及第二身体特征的第二角度;具体如上述。
识别单元400,所述识别单元用于结合所述图像信息、所述第一角度以及所述第二角度,与样貌数据库中的样貌信息对比,形成人物识别结果;具体如上述。
基于以上所述人物识别方法,本发明实施例还提供一种人物识别装置,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其中,所述处理器执行所述计算机程序时实现如上所述人物识别方法的步骤。
基于以上所述人物识别方法,本发明实施例还提供一种存储装置,其中,所述存储装置存储有计算机程序,所述计算机程序能够被执行以实现如上所述人物识别方法的步骤。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储与一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁盘、光盘、只读存储记忆体(Read-Only,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
综上所述,以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所做的任何修改,等同替换,改进等,均应包含在本发明的保护范围内。
Claims (7)
1.一种人物识别方法,其特征在于,所述人物识别方法包括以下步骤:
预先存储人物的样貌信息,形成样貌数据库;
捕捉及拍摄人物的图像信息;
判断人物的第一身体特征的第一角度以及第二身体特征的第二角度;
结合所述图像信息、所述第一角度以及所述第二角度,与样貌数据库中的样貌信息对比,形成人物识别结果;
所述人物识别方法还包括以下步骤:预先对用于训练的图像信息、第一角度以及第二角度与用于训练的样貌信息进行对比并形成人物识别结果的过程进行深度学习,生成已训练好的人物识别模型;
所述人物识别方法还包括以下步骤:制作输入端,所述输入端包括用于训练的图像信息、第一角度、第二角度以及样貌信息;制作输出端,所述输出端包括对比并形成人物识别结果;不断模拟输入以及输出的过程,生成已训练好的人物识别模型;
所述人物识别方法还包括以下步骤:在所述图像信息中,设定坐标系;采集多个人物的第一身体特征的第一特征点,根据坐标系以及第一特征点判断人物的第一身体特征的第一角度;以及,采集多个人物的第二身体特征的第二特征点,根据坐标系以及第二特征点判断人物的第二身体特征的第二角度。
2.根据权利要求1所述的人物识别方法,其特征在于,所述人物识别方法还包括以下步骤:
预先设置准确角度的阈值范围;
在判断所述第一角度之后,若第一角度不在阈值范围内,重新捕捉及拍摄人物的图像信息;以及,
在判断所述第二角度之后,若第二角度不在阈值范围内,重新捕捉及拍摄人物的图像信息。
3.根据权利要求2所述的人物识别方法,其特征在于,所述阈值范围为-45°至45°。
4.根据权利要求1至3任一所述的人物识别方法,其特征在于,所述第一身体特征为头部,所述第二身体特征为肩膀。
5.一种人物识别装置,可实现如权利要求1-4任一所示的人物识别方法,其特征在于,包括:
存储单元,所述存储单元用于预先存储人物的样貌信息,形成样貌数据库;
图像单元,所述图像单元用于捕捉及拍摄人物的图像信息;
判断单元,所述判断单元用于判断人物的第一身体特征的第一角度以及第二身体特征的第二角度;
识别单元,所述识别单元用于结合所述图像信息、所述第一角度以及所述第二角度,与样貌数据库中的样貌信息对比,形成人物识别结果。
6.一种人物识别装置,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至4任一所述人物识别方法的步骤。
7.一种存储装置,其特征在于,所述存储装置存储有计算机程序,所述计算机程序能够被执行以实现如权利要求1至4任一所述人物识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811646069.6A CN109784240B (zh) | 2018-12-30 | 2018-12-30 | 一种人物识别方法、装置及存储装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811646069.6A CN109784240B (zh) | 2018-12-30 | 2018-12-30 | 一种人物识别方法、装置及存储装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109784240A CN109784240A (zh) | 2019-05-21 |
CN109784240B true CN109784240B (zh) | 2023-08-22 |
Family
ID=66499660
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811646069.6A Active CN109784240B (zh) | 2018-12-30 | 2018-12-30 | 一种人物识别方法、装置及存储装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109784240B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103294982A (zh) * | 2012-02-24 | 2013-09-11 | 北京明日时尚信息技术有限公司 | 一种网络图片中人物检测、身体部位定位、年龄估计和性别识别的方法及系统 |
CN105302315A (zh) * | 2015-11-20 | 2016-02-03 | 小米科技有限责任公司 | 图片处理方法及装置 |
JP2017027628A (ja) * | 2016-11-07 | 2017-02-02 | 株式会社バッファロー | 画像処理装置及びプログラム |
CN106503687A (zh) * | 2016-11-09 | 2017-03-15 | 合肥工业大学 | 融合人脸多角度特征的监控视频人物身份识别系统及其方法 |
-
2018
- 2018-12-30 CN CN201811646069.6A patent/CN109784240B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103294982A (zh) * | 2012-02-24 | 2013-09-11 | 北京明日时尚信息技术有限公司 | 一种网络图片中人物检测、身体部位定位、年龄估计和性别识别的方法及系统 |
CN105302315A (zh) * | 2015-11-20 | 2016-02-03 | 小米科技有限责任公司 | 图片处理方法及装置 |
JP2017027628A (ja) * | 2016-11-07 | 2017-02-02 | 株式会社バッファロー | 画像処理装置及びプログラム |
CN106503687A (zh) * | 2016-11-09 | 2017-03-15 | 合肥工业大学 | 融合人脸多角度特征的监控视频人物身份识别系统及其方法 |
Non-Patent Citations (1)
Title |
---|
实时人脸识别系统研究;郭慧等;《电子世界》;20180408(第07期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109784240A (zh) | 2019-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020151489A1 (zh) | 基于面部识别的活体检测的方法、电子设备和存储介质 | |
CN109284729B (zh) | 基于视频获取人脸识别模型训练数据的方法、装置和介质 | |
CN109284733B (zh) | 一种基于yolo和多任务卷积神经网络的导购消极行为监控方法 | |
US10262190B2 (en) | Method, system, and computer program product for recognizing face | |
CN111291633B (zh) | 一种实时行人重识别方法及装置 | |
CN110443110B (zh) | 基于多路摄像的人脸识别方法、装置、终端及存储介质 | |
CN105740775B (zh) | 一种三维人脸活体识别方法及其装置 | |
CN110659397B (zh) | 一种行为检测方法、装置、电子设备和存储介质 | |
CN105930822A (zh) | 一种人脸抓拍方法及系统 | |
CN111126122B (zh) | 人脸识别算法评估方法及装置 | |
TWI586160B (zh) | 利用行動電話及雲端可視化搜尋引擎之即時物體掃描 | |
CN108921038A (zh) | 一种基于深度学习人脸识别技术的课堂快速点名签到方法 | |
CN110969045B (zh) | 一种行为检测方法、装置、电子设备和存储介质 | |
US10915739B2 (en) | Face recognition device, face recognition method, and computer readable storage medium | |
CN112541434B (zh) | 一种基于中心点跟踪模型的人脸识别方法 | |
CN111582118A (zh) | 一种人脸识别方法及装置 | |
CN106991448A (zh) | 一种人像比对处理方法 | |
CN110992500B (zh) | 考勤方法、装置及存储介质、服务器 | |
Sokolova et al. | Human identification by gait from event-based camera | |
CN110909638A (zh) | 一种基于arm平台的人脸识别方法及系统 | |
CN111241926A (zh) | 考勤与学情分析方法、系统、设备及可读存储介质 | |
CN116453198B (zh) | 一种基于头部姿态差异的视线校准方法和装置 | |
CN112149517A (zh) | 一种人脸考勤方法、系统、计算机设备及存储介质 | |
CN109784240B (zh) | 一种人物识别方法、装置及存储装置 | |
CN113569594A (zh) | 一种人脸关键点的标注方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |