CN110287889A - 一种身份识别的方法及装置 - Google Patents
一种身份识别的方法及装置 Download PDFInfo
- Publication number
- CN110287889A CN110287889A CN201910562903.1A CN201910562903A CN110287889A CN 110287889 A CN110287889 A CN 110287889A CN 201910562903 A CN201910562903 A CN 201910562903A CN 110287889 A CN110287889 A CN 110287889A
- Authority
- CN
- China
- Prior art keywords
- biological characteristic
- pedestrian
- similarity
- characteristic
- biological
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- 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
- G06V40/10—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
- G06V40/172—Classification, e.g. identification
-
- 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
-
- 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
- G06V40/70—Multimodal biometrics, e.g. combining information from different biometric modalities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
Abstract
本申请提供了一种身份识别的方法及装置，首先获取监控视频，并筛选出包含行人的目标监控视频；然后提取每个行人的第一生物特征、第二生物特征，对每个行人，进行以下操作：计算行人第一生物特征与生物特征库中每个参考行人参考第一生物特征的第一相似度，筛选满足预设条件的参考第一生物特征，确定筛选后对应的为目标参考行人；再计算行人第二生物特征与每个目标参考行人的参考第二生物特征的第二相似度；最后根据第一相似度、第二相似度，确定行人身份信息。通过上述方法在进行身份识别时，可以避免人脸、虹膜等单一生物特征的身份识别不准确问题，通过结合不同生物特征进行身份识别，提高对身份识别的准确率。
Description
技术领域
本申请涉及计算机技术领域，尤其是涉及一种身份识别的方法及装置。
背景技术
伴随科技的发展以及人们安全意识的提高，在机场、火车站、小区等公众场所，增加了身份识别的装置，在进行身份验证过程中，通过采集生物特征中的指纹、虹膜以及人脸作为身份识别的特征。但是单独根据指纹、虹膜等近距离进行验证，不能准确判断识别对象的身份，而且在摄像头远距离拍摄时，由于人脸易于伪装，且人脸的拍摄质量受到限制，从而降低了对身份识别的准确率，因此需要通过结合不同生物特征进行身份识别，提高身份识别的准确率。
发明内容
有鉴于此，本申请的目的在于提供一种身份识别的方法及装置，以提高对身份识别的准确率。
第一方面，本申请实施例提供了一种身份识别的方法，其中，所述方法包括：
获取监控视频，从所述监控视频中筛选出包含行人的目标监控视频；
从所述目标监控视频中提取出每个行人的第一生物特征、第二生物特征；
对每个行人，进行以下操作：
计算所述行人的第一生物特征与生物特征库中每个参考行人的参考第一生物特征的第一相似度，筛选所述第一相似度满足预设条件的参考第一生物特征，并确定筛选出的所述参考第一生物特征对应的参考行人为目标参考行人，其中，所述生物特征库包括参考行人的参考第一生物特征、参考第二生物特征、以及所述参考行人的身份信息；
计算所述行人的第二生物特征与所述生物特征库中每个所述目标参考行人的参考第二生物特征的第二相似度；
根据所述第一相似度、以及所述第二相似度，确定所述行人的身份信息。
本申请的一实施例中，所述第一生物特征和所述第二生物特征为以下生物特征中的一种：
步态特征、人脸特征、行人重识别Reid特征，其中，所述第一生物特征和所述第二生物特征为不同的生物特征。
本申请的一实施例中，所述第一生物特征或所述第二生物特征为所述人脸特征时，所述从所述目标监控视频中提取出每个行人的第一生物特征或第二生物特征，包括：
从所述目标监控视频中获取包含每个行人面部特征的视频帧，提取所述视频帧中每个行人的至少一张人脸图像；
针对所述每个行人的至少一张人脸图像，进行人脸图像的质量评估，得到每个行人对应的每张人脸图像的质量评估结果；
提取所述每个行人对应的质量评估结果最高的人脸图像的人脸特征，将所述人脸特征确定为第一生物特征或第二生物特征。
本申请的一实施例中，所述筛选所述第一相似度满足预设条件的参考行人的参考第一生物特征，包括：
确定所述第一相似度在预设阈值范围内的数量；
判断所述数量是否不大于预设值N；
若判断结果为是，则将每个所述第一相似度对应的参考第一生物特征确定为筛选后的参考第一生物特征；
若判断结果为否，则将所述第一相似度按照从高到低的顺序进行排序，将前N个第一相似度对应的所述参考第一生物特征确定为筛选后的参考第一生物特征，N为正整数。
本申请的一实施例中，所述根据所述第一相似度、以及所述第二相似度，确定每个行人的身份信息，包括：
将所述第一相似度、以及所述第二相似度按照预设权重进行加权求和，得到第三相似度；
获取所述第三相似度符合预设条件的所述参考行人的身份信息，将所述身份信息确定为所述行人的身份信息。
第二方面，本申请实施例还提供一种身份识别的装置，其中，所述装置包括：
获取模块，用于获取监控视频，从所述监控视频中筛选出包含行人的目标监控视频；
提取模块，用于从所述目标监控视频中提取出每个行人的第一生物特征、第二生物特征；
对每个行人，进行以下操作：
第一计算模块，用于计算所述行人的第一生物特征与生物特征库中每个参考行人的参考第一生物特征的第一相似度，筛选所述第一相似度满足预设条件的参考第一生物特征，并确定筛选出的所述参考第一生物特征对应的参考行人为目标参考行人，其中，所述生物特征库包括参考行人的参考第一生物特征、参考第二生物特征、以及所述参考行人的身份信息；
第二计算模块，用于计算所述行人的第二生物特征与所述生物特征库中每个所述目标参考行人的参考第二生物特征的第二相似度；
确定模块，用于根据所述第一相似度、以及所述第二相似度，确定所述行人的身份信息。
本申请的一实施例中，所述提取模块中，所述第一生物特征和所述第二生物特征为以下生物特征中的一种：
步态特征、人脸特征、行人重识别Reid特征，其中，所述第一生物特征和所述第二生物特征为不同的生物特征。
本申请的一实施例中，所述提取模块中，所述第一生物特征或所述第二生物特征为所述人脸特征时，所述从所述目标监控视频中提取出每个行人的第一生物特征或第二生物特征，具体用于：
从所述目标监控视频中获取包含每个行人面部特征的视频帧，提取所述视频帧中每个行人的至少一张人脸图像；
针对所述每个行人的至少一张人脸图像，进行人脸图像的质量评估，得到每个行人对应的每张人脸图像的质量评估结果；
提取所述每个行人对应的质量评估结果最高的人脸图像的人脸特征，将所述人脸特征确定为第二生物特征。
本申请的一实施例中，所述第一计算模块中，所述筛选所述第一相似度满足预设条件的参考行人的参考第一生物特征，具体用于：
确定所述第一相似度在预设阈值范围内的数量；
判断所述数量是否不大于预设值N；
若判断结果为是，则将每个所述第一相似度对应的参考第一生物特征确定为筛选后的参考第一生物特征；
若判断结果为否，则将所述第一相似度按照从高到低的顺序进行排序，将前N个第一相似度对应的所述参考第一生物特征确定为筛选后的参考第一生物特征，N为正整数。
本申请的一实施例中，所述确定模块，具体用于：
将所述第一相似度、以及所述第二相似度按照预设权重进行加权求和，得到第三相似度；
获取所述第三相似度符合预设条件的所述参考行人的身份信息，将所述身份信息确定为所述行人的身份信息。
第三方面，本申请实施例还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行上述第一方面，或第一方面的任一种可能的实施方式中的步骤。
第四方面，本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述第一方面，或第一方面的任一种可能的实施方式中的步骤。
本申请实施例提供的一种身份识别的方法及装置，通过获取监控视频，并从监控视频中筛选出包含行人的目标监控视频；然后从目标监控视频中提取出每个行人的第一生物特征、第二生物特征，对每个行人，进行以下操作：计算行人的第一生物特征与生物特征库中每个参考行人的参考第一生物特征的第一相似度，筛选第一相似度满足预设条件的参考第一生物特征，并确定筛选出的参考第一生物特征对应的参考行人为目标参考行人，其中，生物特征库包括参考行人的参考第一生物特征、参考第二生物特征、以及所述参考行人的身份信息；再计算行人的第二生物特征与生物特征库中每个目标参考行人的参考第二生物特征的第二相似度；最后根据第一相似度、第二相似度，确定行人的身份信息。
通过上述方法在进行身份识别时，可以避免人脸、虹膜等单一生物特征的身份识别不准确问题，且由于人脸易于伪装混淆并且远距离拍摄时拍摄图像质量受限导致身份识别不准确的问题，通过结合不同生物特征的识别，从而提高对身份识别的准确率。
本申请的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示出了本申请实施例所提供的一种身份识别的方法的流程示意图；
图2示出了本申请实施例所提供的第一生物特征或第二生物特征为人脸特征时，提取人脸特征的方法的流程示意图；
图3示出了本申请实施例所提供的身份识别的具体方法的流程示意图；
图4示出了本申请实施例所提供的一种身份识别的装置的结构示意图；
图5示出了本申请实施例所提供的一种电子设备500的结构示意图。
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，下面将结合附图对本申请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。
首先，对本申请可适用的应用场景做出介绍。本申请可适用于在机场、火车站、小区等公共场所的场景下。
现有技术中，在进行身份验证过程中，通过采集生物特征中的指纹、虹膜以及人脸作为身份识别的特征，但是单独根据指纹、虹膜等近距离进行验证，不能准确判断识别对象的身份，而且在摄像头远距离拍摄时，由于人脸易于伪装，且人脸的拍摄质量受到限制，从而降低了对身份识别的准确率。
本申请所提供的一种身份识别的方法及装置，首先获取监控视频，从监控视频中筛选出包含行人的目标监控视频；然后从目标监控视频中提取出每个行人的第一生物特征、第二生物特征，对每个行人，进行以下操作：计算行人的第一生物特征与生物特征库中每个参考行人的参考第一生物特征的第一相似度，筛选第一相似度满足预设条件的参考第一生物特征，并确定筛选出的参考第一生物特征对应的参考行人为目标参考行人，其中，生物特征库包括参考行人的参考第一生物特征、参考第二生物特征、以及所述参考行人的身份信息；再计算行人的第二生物特征与生物特征库中每个目标参考行人的参考第二生物特征的第二相似度；最后根据第一相似度、第二相似度，确定行人的身份信息。
通过上述方法在进行身份识别时，可以避免人脸、虹膜等单一生物特征的身份识别不准确问题，且由于人脸易于伪装混淆并且远距离拍摄时拍摄图像质量受限导致身份识别不准确的问题，通过结合不同生物特征的识别，从而提高对身份识别的准确率。
为便于对本实施例进行理解，首先对本申请实施例所公开的一种身份识别的方法进行详细介绍。
实施例一
参见图1所示，为本申请实施例所提供的一种身份识别的方法的流程示意图，该方法包括以下步骤：
步骤101、获取监控视频，从监控视频中筛选出包含行人的目标监控视频。
步骤102、从目标监控视频中提取出每个行人的第一生物特征、第二生物特征。
可选地，第一生物特征和第二生物特征可以但不限于以下生物特征中的一种：
步态特征、人脸特征、行人重识别Reid特征，其中，第一生物特征和第二生物特征为不同的生物特征。
示例性的，第一生物特征和第二生物特征可以是以下组合中的任意一种：
组合一、第一生物特征为步态特征，第二生物特征为人脸特征；
组合二、第一生物特征为步态特征，第二生物特征为行人重识别Reid特征；
组合三、第一生物特征为人脸特征，第二生物特征为步态特征；
组合四、第一生物特征为人脸特征，第二生物特征为行人重识别Reid特征；
组合五、第一生物特征为行人重识别Reid特征，第二生物特征为步态特征；
组合六、第一生物特征为行人重识别Reid特征，第二生物特征为人脸特征。
当第一生物特征或第二生物特征为人脸特征时，如图2所示，为本申请实施例所提供的提取人脸特征的方法的流程示意图；其中，从目标监控视频中提取出每个行人的第一生物特征或第二生物特征时，具体包括以下步骤：
步骤201、从目标监控视频中获取包含每个行人面部特征的视频帧，提取视频帧中每个行人的至少一张人脸图像。
这里，通过计算监控视频中每相邻两帧图像的相似度差值，并根据预设的相似度差值，筛选出包含行人的图像特征的监控图像，其中，预设的相似度差值可以根据实际应用场景进行调整。
可选地，通过人脸识别方法在监控视频的每帧图像中首先识别出行人的位置，然后根据确定的行人位置确定行人的完整图像特征。
步骤202、针对每个行人的至少一张人脸图像，进行人脸图像的质量评估，得到每个行人对应的每张人脸图像的质量评估结果。
步骤203、提取每个行人对应的质量评估结果最高的人脸图像的人脸特征，将人脸特征确定为第一生物特征或第二生物特征。
可选地，通过深度学习算法或者边缘算子提取行人的人脸图像，并提取人脸图像的人脸特征，当第二生物特征为人脸特征时，第一生物特征可以是步态特征，在此并不限定提取人脸特征与提取行人的步态特征的顺序。
示例性的，从目标监控视频中提取出A行人的5张人脸图像，通过对这5张人脸图像进行图像质量评估，得到一张质量评估结果最高的人脸图像，然后针对这张质量评估结果最高的人脸图像进行提取A行人的人脸特征。
对每个行人，进行以下操作：
步骤103、计算行人的第一生物特征与生物特征库中每个参考行人的参考第一生物特征的第一相似度，筛选第一相似度满足预设条件的参考第一生物特征，并确定筛选出的参考第一生物特征对应的参考行人为目标参考行人。
其中，生物特征库包括参考行人的参考第一生物特征、参考第二生物特征、以及所述参考行人的身份信息。
可选地，行人的第一生物特征可以是步态特征，通过深度学习算法、步态识别算法或者基于步态图像自相似性的非参数化的方法提取行人的步态特征，在此并不限定行人步态特征的提取方法。
假设通过目标监控视频提取到A、B、C三个行人的步态特征，预设的步态特征库中包含A、B、C、D、E、F六个人的参考步态特征、以及参考步态特征对应的每个人不同的身份信息，当提取到A行人的步态特征时，通过对比A行人的步态特征和预设的步态特征库中包括的参考步态特征，得到A的参考步态特征与A行人的步态特征相似度为98％，B的参考步态特征与A行人的步态特征相似度为60％，C的参考步态特征与A行人的步态特征相似度为40％，D的参考步态特征与A行人的步态特征相似度为75％，E的参考步态特征与A行人的步态特征相似度为84％，F的参考步态特征与A行人的步态特征相似度为23％，那么A行人对应的参考步态特征排序为A、E、D、B、C、F。根据同样的方法计算B、C行人的步态特征与参考步态特征的相似度后得到B、C行人对应的参考步态特征排序。
可选地，还可以确定第一相似度在预设阈值范围内的数量；判断数量是否不大于预设值N；若判断结果为是，则将每个第一相似度对应的参考第一生物特征确定为筛选后的参考第一生物特征；若判断结果为否，则将第一相似度按照从高到低的顺序进行排序，将前N个第一相似度对应的参考第一生物特征确定为筛选后的参考第一生物特征，N为正整数。
示例性的，假设预设阈值范围为80％-98％，第一相似度在预设阈值范围内的数量为100个，但是预设值N为10个，那么将该第一相似度在预设阈值范围内的100个按照相似度从高到低的顺序进行排序，选择排序后的前10个第一相似度对应的参考第一生物特征确定为筛选后的参考第一生物特征。
步骤104、计算行人的第二生物特征与生物特征库中每个目标参考行人的参考第二生物特征的第二相似度。
步骤105、根据第一相似度、第二相似度，确定行人的身份信息。
如图3所示，示出了本申请实施例所提供的身份识别的具体方法的流程示意图；具体包括如下步骤：
步骤301、将第一相似度、以及第二相似度按照预设权重进行加权求和，得到第三相似度。
这里，不限定预设权重值，且该预设权重值可以根据实际应用场景进行调整，也不限定通过第一相似度、以及第二相似度得到第三相似度的具体方法。
步骤302、获取第三相似度符合预设条件的参考行人的身份信息，将身份信息确定为行人的身份信息。
这里，假设预设条件为第三相似度达到90％，但是获取到的第三相似度仅为80％，那么该第三相似度不符合预设条件，也即生物特征库中不存在对应的参考行人的身份信息，可以通过更新生物特征库后继续计算相似度，在通过其他方法确定该行人的身份信息后，将该行人对应的生物特征以及身份信息添加至生物特征库中。
假设预设条件为第三相似度达到90％，获取到的第三相似度为95％，那么该第三相似度符合预设条件，第三相似度对应的参考行人的身份信息即为该行人的身份信息，其中，预设条件可以根据实际应用场景进行调整。
示例性的，通过上述举例中的针对质量评估结果最高的人脸图像进行提取A行人的人脸特征后，分别提取A行人对应的参考步态特征排序A、E、D、B、C、F的参考人脸特征，比对A行人的人脸特征与A、E、D、B、C、F的参考人脸特征的相似度，然后根据A行人的人脸特征、以及预设的步态特征库中参考步态特征A对应的身份信息，确定A行人的身份信息。
本实施例提供一种身份识别的方法，首先获取监控视频，从监控视频中筛选出包含行人的目标监控视频；然后从目标监控视频中提取出每个行人的第一生物特征、第二生物特征，对每个行人，进行以下操作：计算行人的第一生物特征与生物特征库中每个参考行人的参考第一生物特征的第一相似度，筛选第一相似度满足预设条件的参考第一生物特征，并确定筛选出的参考第一生物特征对应的参考行人为目标参考行人，其中，生物特征库包括参考行人的参考第一生物特征、参考第二生物特征、以及所述参考行人的身份信息；再计算行人的第二生物特征与生物特征库中每个目标参考行人的参考第二生物特征的第二相似度；最后根据第一相似度、第二相似度，确定行人的身份信息。
通过上述方法在进行身份识别时，可以避免人脸、虹膜等单一生物特征的身份识别不准确问题，且由于人脸易于伪装混淆并且远距离拍摄时拍摄图像质量受限导致身份识别不准确的问题，通过结合不同生物特征的识别，从而提高对身份识别的准确率。
实施例二
参见图4所示，为本申请实施例所提供的一种身份识别的装置的结构示意图，该装置包括：获取模块401、提取模块402、第一计算模块403、第二计算模块404、确定模块405，具体的：
获取模块401，用于获取监控视频，从所述监控视频中筛选出包含行人的目标监控视频；
提取模块402，用于从所述目标监控视频中提取出每个行人的第一生物特征、第二生物特征；
对每个行人，进行以下操作：
第一计算模块403，用于计算所述行人的第一生物特征与生物特征库中每个参考行人的参考第一生物特征的第一相似度，筛选所述第一相似度满足预设条件的参考第一生物特征，并确定筛选出的所述参考第一生物特征对应的参考行人为目标参考行人，其中，所述生物特征库包括参考行人的参考第一生物特征、参考第二生物特征、以及所述参考行人的身份信息；
第二计算模块404，用于计算所述行人的第二生物特征与所述生物特征库中每个所述目标参考行人的参考第二生物特征的第二相似度；
确定模块405，用于根据所述第一相似度、以及所述第二相似度，确定所述行人的身份信息。
本申请的一实施例中，所述提取模块402中，所述第一生物特征和所述第二生物特征为以下生物特征中的一种：
步态特征、人脸特征、行人重识别Reid特征，其中，所述第一生物特征和所述第二生物特征为不同的生物特征。
本申请的一实施例中，所述提取模块402中，所述第一生物特征或所述第二生物特征为所述人脸特征时，所述从所述目标监控视频中提取出每个行人的第一生物特征或第二生物特征，具体用于：
从所述目标监控视频中获取包含每个行人面部特征的视频帧，提取所述视频帧中每个行人的至少一张人脸图像；
针对所述每个行人的至少一张人脸图像，进行人脸图像的质量评估，得到每个行人对应的每张人脸图像的质量评估结果；
提取所述每个行人对应的质量评估结果最高的人脸图像的人脸特征，将所述人脸特征确定为第二生物特征。
本申请的一实施例中，所述第一计算模块403中，所述筛选所述第一相似度满足预设条件的参考行人的参考第一生物特征，具体用于：
确定所述第一相似度在预设阈值范围内的数量；
判断所述数量是否不大于预设值N；
若判断结果为是，则将每个所述第一相似度对应的参考第一生物特征确定为筛选后的参考第一生物特征；
若判断结果为否，则将所述第一相似度按照从高到低的顺序进行排序，将前N个第一相似度对应的所述参考第一生物特征确定为筛选后的参考第一生物特征，N为正整数。
本申请的一实施例中，所述确定模块405，具体用于：
将所述第一相似度、以及所述第二相似度按照预设权重进行加权求和，得到第三相似度；
获取所述第三相似度符合预设条件的所述参考行人的身份信息，将所述身份信息确定为所述行人的身份信息。
实施例三
基于同一技术构思，本申请实施例还提供了一种电子设备。参照图5所示，为本申请实施例提供的电子设备500的结构示意图，包括处理器501、存储器502、和总线503。其中，存储器502用于存储执行指令，包括内存5021和外部存储器5022；这里的内存5021也称内存储器，用于暂时存放处理器501中的运算数据，以及与硬盘等外部存储器5022交换的数据，处理器501通过内存5021与外部存储器5022进行数据交换，当电子设备500运行时，处理器501与存储器502之间通过总线503通信，使得处理器501在执行以下指令：
获取监控视频，从所述监控视频中筛选出包含行人的目标监控视频；
从所述目标监控视频中提取出每个行人的第一生物特征、第二生物特征；
对每个行人，进行以下操作：
计算所述行人的第一生物特征与生物特征库中每个参考行人的参考第一生物特征的第一相似度，筛选所述第一相似度满足预设条件的参考第一生物特征，并确定筛选出的所述参考第一生物特征对应的参考行人为目标参考行人，其中，所述生物特征库包括参考行人的参考第一生物特征、参考第二生物特征、以及所述参考行人的身份信息；
计算所述行人的第二生物特征与所述生物特征库中每个所述目标参考行人的参考第二生物特征的第二相似度；
根据所述第一相似度、以及所述第二相似度，确定所述行人的身份信息。
一种可能的设计中，处理器501执行的处理中，所述第一生物特征和所述第二生物特征为以下生物特征中的一种：
步态特征、人脸特征、行人重识别Reid特征，其中，所述第一生物特征和所述第二生物特征为不同的生物特征。
一种可能的设计中，处理器501执行的处理中，所述第一生物特征或所述第二生物特征为所述人脸特征时，所述从所述目标监控视频中提取出每个行人的第一生物特征或第二生物特征，包括：
从所述目标监控视频中获取包含每个行人面部特征的视频帧，提取所述视频帧中每个行人的至少一张人脸图像；
针对所述每个行人的至少一张人脸图像，进行人脸图像的质量评估，得到每个行人对应的每张人脸图像的质量评估结果；
提取所述每个行人对应的质量评估结果最高的人脸图像的人脸特征，将所述人脸特征确定为第一生物特征或第二生物特征。
一种可能的设计中，处理器501执行的处理中，所述筛选所述第一相似度满足预设条件的参考行人的参考第一生物特征，包括：
确定所述第一相似度在预设阈值范围内的数量；
判断所述数量是否不大于预设值N；
若判断结果为是，则将每个所述第一相似度对应的参考第一生物特征确定为筛选后的参考第一生物特征；
若判断结果为否，则将所述第一相似度按照从高到低的顺序进行排序，将前N个第一相似度对应的所述参考第一生物特征确定为筛选后的参考第一生物特征，N为正整数。
一种可能的设计中，处理器501执行的处理中，所述根据所述第一相似度、以及所述第二相似度，确定每个行人的身份信息，包括：
将所述第一相似度、以及所述第二相似度按照预设权重进行加权求和，得到第三相似度；
获取所述第三相似度符合预设条件的所述参考行人的身份信息，将所述身份信息确定为所述行人的身份信息。
实施例四
本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述身份识别的方法的步骤。
具体地，该存储介质能够为通用的存储介质，如移动磁盘、硬盘等，该存储介质上的计算机程序被运行时，能够执行上述身份识别的方法的步骤，从而提高了身份识别的准确率。
本申请实施例所提供的身份识别的方法的计算机程序产品，包括存储了程序代码的计算机可读存储介质，程序代码包括的指令可用于执行前面方法实施例中的方法，具体实现可参见方法实施例，在此不再赘述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。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，又例如，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通信接口，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。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请提供的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，本申请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)执行本申请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、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围。都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种身份识别的方法，其特征在于，所述方法包括：
获取监控视频，从所述监控视频中筛选出包含行人的目标监控视频；
从所述目标监控视频中提取出每个行人的第一生物特征、第二生物特征；
对每个行人，进行以下操作：
计算所述行人的第一生物特征与生物特征库中每个参考行人的参考第一生物特征的第一相似度，筛选所述第一相似度满足预设条件的参考第一生物特征，并确定筛选出的所述参考第一生物特征对应的参考行人为目标参考行人，其中，所述生物特征库包括参考行人的参考第一生物特征、参考第二生物特征、以及所述参考行人的身份信息；
计算所述行人的第二生物特征与所述生物特征库中每个所述目标参考行人的参考第二生物特征的第二相似度；
根据所述第一相似度、以及所述第二相似度，确定所述行人的身份信息。
2.根据权利要求1所述的方法，其特征在于，所述第一生物特征和所述第二生物特征为以下生物特征中的一种：
步态特征、人脸特征、行人重识别Reid特征，其中，所述第一生物特征和所述第二生物特征为不同的生物特征。
3.根据权利要求2所述的方法，其特征在于，所述第一生物特征或所述第二生物特征为所述人脸特征时，所述从所述目标监控视频中提取出每个行人的第一生物特征或第二生物特征，包括：
从所述目标监控视频中获取包含每个行人面部特征的视频帧，提取所述视频帧中每个行人的至少一张人脸图像；
针对所述每个行人的至少一张人脸图像，进行人脸图像的质量评估，得到每个行人对应的每张人脸图像的质量评估结果；
提取所述每个行人对应的质量评估结果最高的人脸图像的人脸特征，将所述人脸特征确定为第一生物特征或第二生物特征。
4.根据权利要求1所述的方法，其特征在于，所述筛选所述第一相似度满足预设条件的参考行人的参考第一生物特征，包括：
确定所述第一相似度在预设阈值范围内的数量；
判断所述数量是否不大于预设值N；
若判断结果为是，则将每个所述第一相似度对应的参考第一生物特征确定为筛选后的参考第一生物特征；
若判断结果为否，则将所述第一相似度按照从高到低的顺序进行排序，将前N个第一相似度对应的所述参考第一生物特征确定为筛选后的参考第一生物特征，N为正整数。
5.根据权利要求1所述的方法，其特征在于，所述根据所述第一相似度、以及所述第二相似度，确定每个行人的身份信息，包括：
将所述第一相似度、以及所述第二相似度按照预设权重进行加权求和，得到第三相似度；
获取所述第三相似度符合预设条件的所述参考行人的身份信息，将所述身份信息确定为所述行人的身份信息。
6.一种身份识别的装置，其特征在于，所述装置包括：
获取模块，用于获取监控视频，从所述监控视频中筛选出包含行人的目标监控视频；
提取模块，用于从所述目标监控视频中提取出每个行人的第一生物特征、第二生物特征；
对每个行人，进行以下操作：
第一计算模块，用于计算所述行人的第一生物特征与生物特征库中每个参考行人的参考第一生物特征的第一相似度，筛选所述第一相似度满足预设条件的参考第一生物特征，并确定筛选出的所述参考第一生物特征对应的参考行人为目标参考行人，其中，所述生物特征库包括参考行人的参考第一生物特征、参考第二生物特征、以及所述参考行人的身份信息；
第二计算模块，用于计算所述行人的第二生物特征与所述生物特征库中每个所述目标参考行人的参考第二生物特征的第二相似度；
确定模块，用于根据所述第一相似度、以及所述第二相似度，确定所述行人的身份信息。
7.根据权利要求6所述的装置，其特征在于，所述第一计算模块中，所述筛选所述第一相似度满足预设条件的参考行人的参考第一生物特征，具体用于：
确定所述第一相似度在预设阈值范围内的数量；
判断所述数量是否不大于预设值N；
若判断结果为是，则将每个所述第一相似度对应的参考第一生物特征确定为筛选后的参考第一生物特征；
若判断结果为否，则将所述第一相似度按照从高到低的顺序进行排序，将前N个第一相似度对应的所述参考第一生物特征确定为筛选后的参考第一生物特征，N为正整数。
8.根据权利要求7所述的装置，其特征在于，所述确定模块，具体用于：
将所述第一相似度、以及所述第二相似度按照预设权重进行加权求和，得到第三相似度；
获取所述第三相似度符合预设条件的所述参考行人的身份信息，将所述身份信息确定为所述行人的身份信息。
9.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至5任一所述的一种身份识别的方法的步骤。
10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至5任一所述的一种身份识别的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910562903.1A CN110287889A (zh) | 2019-06-26 | 2019-06-26 | 一种身份识别的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910562903.1A CN110287889A (zh) | 2019-06-26 | 2019-06-26 | 一种身份识别的方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110287889A true CN110287889A (zh) | 2019-09-27 |
Family
ID=68006189
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910562903.1A Pending CN110287889A (zh) | 2019-06-26 | 2019-06-26 | 一种身份识别的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110287889A (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111177684A (zh) * | 2020-04-10 | 2020-05-19 | 支付宝(杭州)信息技术有限公司 | 用户身份识别方法、装置、设备及介质 |
| CN111339979A (zh) * | 2020-03-04 | 2020-06-26 | 平安科技（深圳）有限公司 | 基于特征提取的图像识别方法及图像识别装置 |
| CN111401171A (zh) * | 2020-03-06 | 2020-07-10 | 咪咕文化科技有限公司 | 一种人脸图像的识别方法、装置、电子设备和存储介质 |
| CN111639213A (zh) * | 2020-05-28 | 2020-09-08 | 上海依图信息技术有限公司 | 一种异常行为的识别方法及装置 |
| CN111797721A (zh) * | 2020-06-17 | 2020-10-20 | 深圳达闼科技控股有限公司 | 用于身份识别的方法和装置，存储介质 |
| CN112149552A (zh) * | 2020-09-21 | 2020-12-29 | 三星电子（中国）研发中心 | 一种智能监控方法和装置 |
| CN112651366A (zh) * | 2020-12-30 | 2021-04-13 | 深圳云天励飞技术股份有限公司 | 客流人数的处理方法、装置、电子设备及存储介质 |
| CN112699803A (zh) * | 2020-12-31 | 2021-04-23 | 竹间智能科技（上海）有限公司 | 人脸识别方法、系统、设备及可读存储介质 |
| CN112712904A (zh) * | 2020-12-24 | 2021-04-27 | 四川省人民医院 | 基于嵌套-配对设计的多信息系统不良反应前置预测方法及系统 |
| CN113408556A (zh) * | 2020-03-16 | 2021-09-17 | 杭州海康威视数字技术股份有限公司 | 身份识别方法及装置 |
| CN114694184A (zh) * | 2022-05-27 | 2022-07-01 | 电子科技大学 | 一种基于多模板特征更新的行人重识别方法及系统 |
| CN115083004A (zh) * | 2022-08-23 | 2022-09-20 | 浙江大华技术股份有限公司 | 一种身份识别方法、装置和计算机可读存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107305625A (zh) * | 2016-04-20 | 2017-10-31 | 厦门中控智慧信息技术有限公司 | 一种基于多模式生物计量信息的个人识别方法 |
| 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 |
| CN109271917A (zh) * | 2018-09-10 | 2019-01-25 | 广州杰赛科技股份有限公司 | 人脸识别方法、装置、计算机设备和可读存储介质 |
| CN109299594A (zh) * | 2018-09-04 | 2019-02-01 | 阿里巴巴集团控股有限公司 | 身份验证方法及装置 |
-
2019
- 2019-06-26 CN CN201910562903.1A patent/CN110287889A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107305625A (zh) * | 2016-04-20 | 2017-10-31 | 厦门中控智慧信息技术有限公司 | 一种基于多模式生物计量信息的个人识别方法 |
| 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 |
| CN109299594A (zh) * | 2018-09-04 | 2019-02-01 | 阿里巴巴集团控股有限公司 | 身份验证方法及装置 |
| CN109271917A (zh) * | 2018-09-10 | 2019-01-25 | 广州杰赛科技股份有限公司 | 人脸识别方法、装置、计算机设备和可读存储介质 |
Cited By (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111339979A (zh) * | 2020-03-04 | 2020-06-26 | 平安科技（深圳）有限公司 | 基于特征提取的图像识别方法及图像识别装置 |
| CN111339979B (zh) * | 2020-03-04 | 2023-09-19 | 平安科技（深圳）有限公司 | 基于特征提取的图像识别方法及图像识别装置 |
| CN111401171A (zh) * | 2020-03-06 | 2020-07-10 | 咪咕文化科技有限公司 | 一种人脸图像的识别方法、装置、电子设备和存储介质 |
| CN111401171B (zh) * | 2020-03-06 | 2023-09-22 | 咪咕文化科技有限公司 | 一种人脸图像的识别方法、装置、电子设备和存储介质 |
| CN113408556B (zh) * | 2020-03-16 | 2023-08-22 | 杭州海康威视数字技术股份有限公司 | 身份识别方法及装置 |
| CN113408556A (zh) * | 2020-03-16 | 2021-09-17 | 杭州海康威视数字技术股份有限公司 | 身份识别方法及装置 |
| CN111177684A (zh) * | 2020-04-10 | 2020-05-19 | 支付宝(杭州)信息技术有限公司 | 用户身份识别方法、装置、设备及介质 |
| CN111639213A (zh) * | 2020-05-28 | 2020-09-08 | 上海依图信息技术有限公司 | 一种异常行为的识别方法及装置 |
| CN111639213B (zh) * | 2020-05-28 | 2023-11-14 | 上海依图信息技术有限公司 | 一种异常行为的识别方法及装置 |
| CN111797721A (zh) * | 2020-06-17 | 2020-10-20 | 深圳达闼科技控股有限公司 | 用于身份识别的方法和装置，存储介质 |
| CN112149552A (zh) * | 2020-09-21 | 2020-12-29 | 三星电子（中国）研发中心 | 一种智能监控方法和装置 |
| CN112712904A (zh) * | 2020-12-24 | 2021-04-27 | 四川省人民医院 | 基于嵌套-配对设计的多信息系统不良反应前置预测方法及系统 |
| CN112712904B (zh) * | 2020-12-24 | 2023-10-27 | 四川省人民医院 | 基于嵌套-配对设计的多信息系统不良反应前置预测方法及系统 |
| CN112651366A (zh) * | 2020-12-30 | 2021-04-13 | 深圳云天励飞技术股份有限公司 | 客流人数的处理方法、装置、电子设备及存储介质 |
| CN112699803A (zh) * | 2020-12-31 | 2021-04-23 | 竹间智能科技（上海）有限公司 | 人脸识别方法、系统、设备及可读存储介质 |
| CN112699803B (zh) * | 2020-12-31 | 2024-01-16 | 竹间智能科技（上海）有限公司 | 人脸识别方法、系统、设备及可读存储介质 |
| CN114694184B (zh) * | 2022-05-27 | 2022-10-14 | 电子科技大学 | 一种基于多模板特征更新的行人重识别方法及系统 |
| CN114694184A (zh) * | 2022-05-27 | 2022-07-01 | 电子科技大学 | 一种基于多模板特征更新的行人重识别方法及系统 |
| CN115083004A (zh) * | 2022-08-23 | 2022-09-20 | 浙江大华技术股份有限公司 | 一种身份识别方法、装置和计算机可读存储介质 |
| CN115083004B (zh) * | 2022-08-23 | 2022-11-22 | 浙江大华技术股份有限公司 | 一种身份识别方法、装置和计算机可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110287889A (zh) | 一种身份识别的方法及装置 | |
| WO2021003824A1 (zh) | 基于图像识别的违章建筑识别方法、装置 | |
| CN109255322B (zh) | 一种人脸活体检测方法及装置 | |
| CN107657249A (zh) | 多尺度特征行人重识别的方法、装置、存储介质及处理器 | |
| WO2018065158A1 (en) | Computer device for training a deep neural network | |
| CN109359666A (zh) | 一种基于多特征融合神经网络的车型识别方法及处理终端 | |
| CN107316029B (zh) | 一种活体验证方法及设备 | |
| CN107153817A (zh) | 行人重识别数据标注方法和装置 | |
| CN109117857B (zh) | 一种生物属性的识别方法、装置及设备 | |
| CN110197116B (zh) | 一种人体行为识别方法、装置和计算机可读存储介质 | |
| CN105069448A (zh) | 一种真假人脸识别方法及装置 | |
| CN105095905A (zh) | 目标识别方法和目标识别装置 | |
| CN110414376B (zh) | 更新人脸识别模型的方法、人脸识别相机及服务器 | |
| CN105405130B (zh) | 基于聚类的证照图像高光检测方法及装置 | |
| CN110543848B (zh) | 一种基于三维卷积神经网络的驾驶员动作识别方法及装置 | |
| CN111144337B (zh) | 火灾检测方法、装置及终端设备 | |
| WO2020195732A1 (ja) | 画像処理装置、画像処理方法、およびプログラムが格納された記録媒体 | |
| CN107844742A (zh) | 人脸图像眼镜去除方法、装置及存储介质 | |
| CN108108711A (zh) | 人脸布控方法、电子设备及存储介质 | |
| CN112633221A (zh) | 一种人脸方向的检测方法及相关装置 | |
| CN109508645A (zh) | 监控场景下身份识别方法及装置 | |
| CN110175553A (zh) | 基于步态识别与人脸识别建立特征库的方法及装置 | |
| CN111784658A (zh) | 一种用于人脸图像的质量分析方法和系统 | |
| CN112528903B (zh) | 人脸图像获取方法、装置、电子设备及介质 | |
| CN111626212A (zh) | 图片中对象的识别方法和装置、存储介质及电子装置 |
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: 20210129 Address after: 315000 9-3, building 91, 16 Buzheng lane, Haishu District, Ningbo City, Zhejiang Province Applicant after: Yinhe shuidi Technology (Ningbo) Co.,Ltd. Address before: 0701, 7 / F, 51 Xueyuan Road, Haidian District, Beijing Applicant before: Watrix Technology (Beijing) Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190927 |
|
| RJ01 | Rejection of invention patent application after publication |