CN113269124B - 一种对象识别方法、系统、设备及计算机可读介质 - Google Patents

一种对象识别方法、系统、设备及计算机可读介质 Download PDF

Info

Publication number
CN113269124B
CN113269124B CN202110645293.9A CN202110645293A CN113269124B CN 113269124 B CN113269124 B CN 113269124B CN 202110645293 A CN202110645293 A CN 202110645293A CN 113269124 B CN113269124 B CN 113269124B
Authority
CN
China
Prior art keywords
confirmed
image
target
face
human body
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
Application number
CN202110645293.9A
Other languages
English (en)
Other versions
CN113269124A (zh
Inventor
黄华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing Zhongke Yuncong Technology Co ltd
Original Assignee
Chongqing Zhongke Yuncong Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chongqing Zhongke Yuncong Technology Co ltd filed Critical Chongqing Zhongke Yuncong Technology Co ltd
Priority to CN202110645293.9A priority Critical patent/CN113269124B/zh
Publication of CN113269124A publication Critical patent/CN113269124A/zh
Application granted granted Critical
Publication of CN113269124B publication Critical patent/CN113269124B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Biomedical Technology (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明提供一种对象识别方法、系统、设备及计算机可读介质，通过采集在第一目标区域内拍摄的第一图像和在第二目标区域拍摄的第二图像，然后从第一图像中提取出待确认对象的人脸特征和人体特征，并将提取出的人脸特征、人体特征分别与目标对象的人脸特征、人体特征进行比对，然后根据比对结果来确认待确认对象的身份信息，从而判断第一图像中的待确认对象是否是目标对象，防止待确认对象不是目标对象时，由于其做出错误的操作而发生重大事故。同时，在待确认对象的身份信息不符合预设条件时，本发明还可根据第二图像对待确认对象进行跟踪识别，从而可以判断待确认对象是否在第二目标区域内放置有违禁品。

Description

一种对象识别方法、系统、设备及计算机可读介质
技术领域
本发明涉及图像处理技术领域，特别是涉及一种对象识别方法、系统、设备及计算机可读介质。
背景技术
为了节约时间，越来越多的人把乘坐飞机作为出行方式的首选。在人们享受飞机出行带来的便利的同时，飞机的飞行安全也是人们常常关注的一个重点。目前，在飞机降落至停机坪的过程中，会有地勤工作人员对该飞机的降落路径进行安全检查以及对飞机进行滑行路径指引，从而保证飞机安全降落至指定的停机坪上。但是，在飞机进行滑行时，飞行驾驶员只会根据地面人员的指引动作控制飞机滑行方向和速度，而不会去考虑地勤工作人员的身份信息。如果对飞机进行滑行路径指引的地面工作人员不是真正的地勤工作人员，则该人员的胡乱指引可能会让飞机停在不正确的位置上，从而让飞机存在不可预估的危险。所以需要对滑行路径指引人员进行身份识别，判断其是否为真正的地勤工作人员。并且，在识别出对应的指引人员为非地勤工作人员时，还需要核实这些非地勤工作人员是否在机场内放置过干扰飞机正常飞行的违禁品。同时，飞机停放在停机坪后，夜间需要由工作人员进行看护，若非工作人员进入停放飞机的区域，则会对飞机安全造成一定的威胁；另外，也需要对该非工作人员在机场的运动轨迹进行识别跟踪，以对运动区域范围的危险物品进行排查，确保机场及飞机安全。
发明内容
鉴于以上所述现有技术的缺点，本发明的目的在于提供一种对象识别方法、系统、设备及计算机可读介质，用于解决如何识别非地勤工作人员以及对非地勤人员进行跟踪识别的问题。
为实现上述目的及其他相关目的，本发明提供一种对象识别方法，包括以下步骤：
获取在第一目标区域拍摄的第一图像，并识别所述第一图像中待确认对象的身份信息；
若所述待确认对象的身份信息不符合预设条件，则获取在第二目标区域拍摄的第二图像，并根据所述第二图像对所述待确认对象进行跟踪识别；其中，所述第一目标区域位于所述第二目标区域内。
可选地，识别所述第一图像中待确认对象的身份信息的过程包括：
从所述第一图像中提取出待确认对象的人脸特征和人体特征，以及获取目标对象的人脸特征和人体特征；
将所述待确认对象的人脸特征与所述目标对象的人脸特征进行比对，和/或，将所述待确认对象的人体特征与所述目标对象的人体特征进行比对；
根据比对结果识别所述待确认对象的身份信息。
可选地，若所述待确认对象的人脸特征与所述目标对象的人脸特征不同，和/或，所述待确认对象的人体特征与所述目标对象的人体特征不同，则判定所述待确认对象的身份信息不符合预设条件，并对所述待确认对象标注与所述目标对象不同的身份信息，以及根据所述第二图像生成所述待确认对象在所述第二目标区域内的运动信息，基于所述运动信息对所述待确认对象进行跟踪识别；
若所述待确认对象的人脸特征与所述目标对象的人脸特征相同，和/或所述待确认对象的人体特征与所述目标对象的人体特征相同，则判定所述待确认对象的身份信息符合预设条件，并对所述待确认对象标注与所述目标对象相同的身份信息。
可选地，还包括：在所述待确认对象的身份信息不符合预设条件时，根据所述待确认对象在所述第二目标区域内的运动信息对所述第二目标区域进行检查，确定所述第二目标区域内是否存在违禁品。
可选地，从所述第一图像中提取出待确认对象的人脸特征和人体特征的过程包括：
按照不同的分割粒度对所述第一图像进行分割，并将分割后的图像输入至不同粒度的神经网络中；其中，不同粒度的神经网络包括以下至少之一：具有不同的网络支路结构、参数和损失函数的神经网络；
通过神经网络中的分类损失和三元损失共同对所述第一图像进行特征抽取，获取所述待确认对象的全局人脸特征和全局人体特征；和/或，通过神经网络中的分类损失对所述第一图像进行特征抽取，获取所述待确认对象的局部人脸特征和局部人体特征。
可选地，获取所述目标对象的人脸特征和人体特征的过程包括：
获取所述目标对象的目标图像；
按照不同的分割粒度对所述目标图像进行分割，并将分割后的图像输入至不同粒度的神经网络中；其中，不同粒度的神经网络包括以下至少之一：具有不同的网络支路结构、参数和损失函数的神经网络；
通过神经网络中的分类损失和三元损失共同对目标图像进行特征抽取，获取所述目标对象的全局人脸特征和全局人体特征；以及通过神经网络中的分类损失对所述目标图像进行特征抽取，获取所述目标对象的局部人脸特征和局部人体特征。
可选地，所述人体特征包括以下至少之一：穿戴、服饰、体型、发型、姿态；
人脸特征包括以下至少之一：眼睛的形状、鼻子的形状、嘴的形状、眼睛的间隔距离、五官的位置、脸的轮廓。
本发明还提供一种对象识别系统，包括有：
第一图像采集模块，用于获取在第一目标区域拍摄的第一图像；
第一图像识别模块，用于识别所述第一图像中待确认对象的身份信息；
第二图像采集模块，用于在所述待确认对象的身份信息不符合预设条件时，获取在第二目标区域拍摄的第二图像；
第二图像识别模块，用于在所述待确认对象的身份信息不符合预设条件时，根据所述第二图像对所述待确认对象进行跟踪识别；其中，所述第一目标区域位于所述第二目标区域内。
可选地，所述第一图像识别模块识别所述第一图像中待确认对象的身份信息的过程包括：
从所述第一图像中提取出待确认对象的人脸特征和人体特征，以及获取目标对象的人脸特征和人体特征；
将所述待确认对象的人脸特征与所述目标对象的人脸特征进行比对，和/或，将所述待确认对象的人体特征与所述目标对象的人体特征进行比对；
根据比对结果识别所述待确认对象的身份信息。
可选地，若所述待确认对象的人脸特征与所述目标对象的人脸特征不同，和/或，所述待确认对象的人体特征与所述目标对象的人体特征不同，则判定所述待确认对象的身份信息不符合预设条件，并对所述待确认对象标注与所述目标对象不同的身份信息，以及根据所述第二图像生成所述待确认对象在所述第二目标区域内的运动信息，基于所述运动信息对所述待确认对象进行跟踪识别；
若所述待确认对象的人脸特征与所述目标对象的人脸特征相同，和/或所述待确认对象的人体特征与所述目标对象的人体特征相同，则判定所述待确认对象的身份信息符合预设条件，并对所述待确认对象标注与所述目标对象相同的身份信息。
可选地，还包括：在所述待确认对象的身份信息不符合预设条件时，根据所述待确认对象在所述第二目标区域内的运动信息对所述第二目标区域进行检查，确定所述第二目标区域内是否存在违禁品。
可选地，从所述第一图像中提取出待确认对象的特征信息的过程包括：
按照不同的分割粒度对所述第一图像进行分割，并将分割后的图像输入至不同粒度的神经网络中；其中，不同粒度的神经网络包括以下至少之一：具有不同的网络支路结构、参数和损失函数的神经网络；
通过神经网络中的分类损失和三元损失共同对所述第一图像进行特征抽取，获取所述待确认对象的全局人脸特征和全局人体特征；和/或，通过神经网络中的分类损失对所述第一图像进行特征抽取，获取所述待确认对象的局部人脸特征和局部人体特征。
可选地，获取所述目标对象的人脸特征和人体特征的过程包括：
获取所述目标对象的目标图像；
按照不同的分割粒度对所述目标图像进行分割，并将分割后的图像输入至不同粒度的神经网络中；其中，不同粒度的神经网络包括以下至少之一：具有不同的网络支路结构、参数和损失函数的神经网络；
通过神经网络中的分类损失和三元损失共同对目标图像进行特征抽取，获取所述目标对象的全局人脸特征和全局人体特征；以及通过神经网络中的分类损失对所述目标图像进行特征抽取，获取所述目标对象的局部人脸特征和局部人体特征。
可选地，所述人体特征包括以下至少之一：穿戴、服饰、体型、发型、姿态；
人脸特征包括以下至少之一：眼睛的形状、鼻子的形状、嘴的形状、眼睛的间隔距离、五官的位置、脸的轮廓。
本发明还提供一种对象识别设备，包括：
一个或多个处理器；和
存储有指令的计算机可读介质，当所述一个或多个处理器执行所述指令时，使得所述设备执行如上述中任意一项所述的方法。
本发明还提供一种计算机可读介质，其上存储有指令，当由一个或多个处理器执行所述指令时，使得设备执行如上述中任意一项所述的方法。
如上所述，本发明提供一种对象识别方法、系统、设备及计算机可读介质，具有以下有益效果：本发明通过采集在第一目标区域内拍摄的第一图像和在第二目标区域拍摄的第二图像，然后从第一图像中提取出待确认对象的人脸特征和人体特征，并将提取出的人脸特征、人体特征分别与目标对象在第一目标区域内执行目标动作时的人脸特征、人体特征进行比对，然后根据比对结果来确认待确认对象的身份信息，从而判断第一图像中的待确认对象是否是目标对象，防止待确认对象不是目标对象时，由于其做出错误的操作而发生重大事故。同时，在待确认对象的身份信息不符合预设条件时，本发明还可根据第二图像对待确认对象进行跟踪识别，从而可以判断待确认对象是否在第二目标区域内放置有违禁品。如果本发明中的第一目标区域是机场停机坪，第二目标区域是机场，待确认对象是在机场停机坪上对飞机进行滑行路径指引的人员，目标对象是机场的地勤工作人员，则本发明可以用来识别在停机坪上进行滑行路径指引的人员(即待确认对象)是否为真正的地勤工作人员(即目标对象)。同时，本发明在识别到待确认对象不是真正的地勤工作人员后，本发明还可以生成这些非地勤工作人员在机场内的运动信息，并根据对应的运动信息来对机场进行安全检查，核实机场内是否存在违禁品，从而保障机场的正常运行和飞机的正常起飞及降落。此外，在对飞机进行夜间看护时，本发明也可以对进入飞机停放区域的非工作人员进行跟踪识别，并按照其运动轨迹对非工作人员的运动区域范围进行危险物品排查，从而确保整个机场及所有飞机的安全。
附图说明
图1为一实施例提供的对象识别方法的流程示意图；
图2为一实施例提供的识别待确认对象的身份信息的流程示意图；
图3为另一实施例提供的对象识别方法的流程示意图；
图4为一实施例提供的对象识别系统的硬件结构示意图；
图5为一实施例提供的终端设备的硬件结构示意图；
图6为另一实施例提供的终端设备的硬件结构示意图。
元件标号说明
M10      第一图像采集模块
M20      第一图像识别模块
M30      第二图像采集模块
M40      第二图像识别模块
1100     输入设备
1101     第一处理器
1102     输出设备
1103     第一存储器
1104     通信总线
1200     处理组件
1201     第二处理器
1202     第二存储器
1203     通信组件
1204     电源组件
1205     多媒体组件
1206     音频组件
1207     输入/输出接口
1208     传感器组件
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
请参阅图1，本发明提供一种对象识别方法，包括以下步骤：
S10，获取在第一目标区域拍摄的第一图像，并识别所述第一图像中待确认对象的身份信息；
S20，若所述待确认对象的身份信息不符合预设条件，则获取在第二目标区域拍摄的第二图像，并根据所述第二图像对所述待确认对象进行跟踪识别；其中，所述第一目标区域位于所述第二目标区域内。
在本实施例中，本实施例首先通过采集在第一目标区域内拍摄的第一图像和在第二目标区域拍摄的第二图像，然后从第一图像中提取出待确认对象的人脸特征和人体特征，并将提取出的人脸特征、人体特征分别与目标对象在第一目标区域内执行目标动作时的人脸特征、人体特征进行比对，然后根据比对结果来确认待确认对象的身份信息，从而判断第一图像中的待确认对象是否是目标对象，防止待确认对象不是目标对象时，由于其做出错误的操作而发生重大事故。同时，在待确认对象的身份信息不符合预设条件时，本实施例还可根据第二图像对待确认对象进行跟踪识别，从而可以判断待确认对象是否在第二目标区域内放置有违禁品。
在一示例性实施例中，识别第一图像中待确认对象的身份信息的过程包括：
S210，从第一图像中提取出待确认对象的人脸特征和人体特征，以及获取目标对象的人脸特征和人体特征；
S220，将待确认对象的人脸特征与目标对象的人脸特征进行比对，和/或，将待确认对象的人体特征与目标对象的人体特征进行比对；
S230，根据比对结果识别待确认对象的身份信息。
具体地，若待确认对象的人脸特征与目标对象的人脸特征不同，和/或，待确认对象的人体特征与目标对象的人体特征不同，则判定待确认对象的身份信息不符合预设条件，并对待确认对象标注与目标对象不同的身份信息，以及根据第二图像生成待确认对象在第二目标区域内的运动信息，基于运动信息对待确认对象进行跟踪识别。若待确认对象的人脸特征与目标对象的人脸特征相同，且待确认对象的人体特征与目标对象的人体特征相同，则判定待确认对象的身份信息符合预设条件，并对待确认对象标注与目标对象相同的身份信息。作为示例，本实施例中的第一目标区域是机场停机坪，第二目标区域是机场，待确认对象是在机场停机坪上为飞机进行滑行路径指引的人员，目标对象是在机场停机坪上真正的地勤工作人员，目标动作是机场停机坪上真正的地勤工作人员在对飞机进行滑行路径指引时的标准动作。本实施例首先采集在飞机停机坪上正在对飞机滑行进行路径指引的人员图像，即第一图像，然后从第一图像中提取出该人员的人脸特征和人体特征，并将提取出的该人员的人脸特征和人体特征分别与真正的地勤工作人员的人脸特征和人体特征进行比对，确定该人员是否是真正的地勤工作人员。在识别出待确认对象不是真正的地勤工作人员后，本实施例还可以生成这些非地勤工作人员在机场内的运动信息，然后根据对应的运动信息来对机场进行安全检查，核实机场内是否存在违禁品，从而保障机场的正常运行和飞机的正常起飞及降落。此外，在对飞机进行夜间看护时，本发明也可以对进入飞机停放区域的非工作人员进行跟踪识别，并按照其运动轨迹对非工作人员的运动区域范围进行危险物品排查，从而确保整个机场及所有飞机的安全。
根据上述记载，在一示例性实施例中，从第一图像中提取出待确认对象的人脸特征和人体特征的过程包括：按照不同的分割粒度对第一图像进行分割，并将分割后的图像输入至不同粒度的神经网络中；其中，不同粒度的神经网络包括以下至少之一：具有不同的网络支路结构、参数和损失函数的神经网络。通过神经网络中的分类损失和三元损失共同对第一图像进行特征抽取，获取待确认对象的全局人脸特征和全局人体特征；和/或，通过神经网络中的分类损失对第一图像进行特征抽取，获取待确认对象的局部人脸特征和局部人体特征。在本实施例中，按照不同的分割粒度对获取的每帧图像进行分割，可以将每帧图像分割为三组，例如：第一组分割方式为：整帧图像；第二组分割方式为：将每帧图像均分为上下两部分；第三组分割方式为：将每帧图像均分为上、中、下三部分。本实施例在特征提取阶段，利用三元损失Triplet Loss和分类损失Softmax Loss可以对第一图像完成粗粒度的特征抽取；而只用分类损失Softmax Loss时，可以对第一图像进行细粒度特征抽取。本实施例中的这种神经网络结构设计巧妙，与现有技术相比，能够显著地提高对第一图像的识别效率和跟踪效率。作为示例，本实施例中的待确认对象是为飞机进行滑行路径指引的人员。
根据上述记载，目标对象的人脸特征和人体特征的获取过程包括：获取目标对象在第一目标区域内执行目标动作时的目标图像；按照不同的分割粒度对目标图像进行分割，并将分割后的图像输入至不同粒度的神经网络中；其中，不同粒度的神经网络包括以下至少之一：具有不同的网络支路结构、参数和损失函数的神经网络；通过神经网络中的分类损失和三元损失共同对目标图像进行特征抽取，获取目标对象的全局人脸特征和全局人体特征；以及通过神经网络中的分类损失对目标图像进行特征抽取，获取目标对象的局部人脸特征和局部人体特征；将目标对象的全局人脸特征、全局人体特征、局部人脸特征和局部人体特征进行存储，以及将目标对象的全局人脸特征、全局人体特征、局部人脸特征和局部人体特征作为目标对象在第一目标区域内执行目标动作时的人脸特征和人体特征。在本实施例中，按照不同的分割粒度对获取的每帧图像进行分割，可以将每帧图像分割为三组，例如：第一组分割方式为：整帧图像；第二组分割方式为：将每帧图像均分为上下两部分；第三组分割方式为：将每帧图像均分为上、中、下三部分。本实施例在特征提取阶段，利用三元损失Triplet Loss和分类损失Softmax Loss可以对目标图像完成粗粒度的特征抽取；而只用分类损失Softmax Loss时，可以对目标图像进行细粒度特征抽取。本实施例中的这种神经网络结构设计巧妙，与现有技术相比，能够显著地提高对目标图像识别效率。作为示例，本实施例中的第一目标区域是机场停机坪，目标对象是在机场停机坪上真正的地勤工作人员，目标动作是机场停机坪上真正的地勤工作人员在对飞机进行滑行路径指引时的标准动作。
根据上述记载，在一些示例性实施例中，人体特征包括以下至少之一：穿戴、服饰、体型、发型、姿态；人脸特征包括以下至少之一：眼睛的形状、鼻子的形状、嘴的形状、眼睛的间隔距离、五官的位置、脸的轮廓。
根据上述记载，在一示例性实施例中，还包括：在待确认对象的身份信息不符合预设条件时，根据待确认对象在第二目标区域内的运动信息对第二目标区域进行检查，确定第二目标区域内是否存在违禁品。本实施例可以根据待确认对象在机场内的运动信息来对机场进行安全检查，核实机场内是否存在违禁品，从而保障机场的正常运行和飞机的正常起飞及降落。
在一具体实施例中，提供了一种对象识别方法，如图3所示，包括以下步骤：
S100，获取图像拍摄装置在机场停机坪上拍摄的第一图像和在机场拍摄的第二图像，以及获取目标对象在第一目标区域内执行目标动作时的目标图像；其中，目标动作是机场停机坪上真正的地勤工作人员在对飞机进行滑行路径指引时的标准动作。
S110，从第一图像中提取出待确认对象的人脸特征和人体特征。具体地，按照不同的分割粒度对第一图像进行分割，并将分割后的图像输入至不同粒度的神经网络中，利用神经网络中的三元损失Triplet Loss和分类损失Softmax Loss共同对第一图像进行粗粒度特征抽取，获取待确认对象的全局人脸特征和全局人体特征，以及只利用分类损失Softmax Loss来对第一图像进行细粒度特征抽取，获取待确认对象的局部人脸特征和局部人体特征。将待确认对象的全局人脸特征和/或局部人脸特征作为待确认对象的人脸特征，以及将待确认对象的全局人体特征和/或局部人体特征作为待确认对象的人体特征。其中，待确认对象是在机场停机坪上为飞机进行滑行路径指引的人员。本实施例中不同粒度的神经网络包括但不限于：具有不同的网络支路结构、参数和损失函数的神经网络。
S120，从目标图像中提取出目标对象在第一目标区域内执行目标动作时的人脸特征和人体特征。具体地，按照不同的分割粒度对目标图像进行分割，将分割后的图像输入至不同粒度的神经网络中，利用神经网络中的三元损失Triplet Loss和分类损失SoftmaxLoss共同对目标图像进行粗粒度特征抽取，获取目标对象的全局人脸特征和全局人体特征，以及只利用分类损失Softmax Loss来对目标图像进行细粒度特征抽取，获取目标对象的局部人脸特征和局部人体特征。将目标对象的全局人脸特征和/或局部人脸特征作为目标对象的人脸特征，以及将目标对象的全局人体特征和/或局部人体特征作为目标对象的人体特征。其中，第一目标区域是机场停机坪，目标对象是在机场停机坪上真正的地勤工作人员，目标动作是机场停机坪上真正的地勤工作人员在对飞机进行滑行路径指引时的标准动作。
S130，将待确认对象的人脸特征与目标对象的人脸特征进行比对，和/或，将待确认对象的人体特征与目标对象的人体特征进行比对。本实施例中，待确认对象的人脸特征包括：待确认对象的全局人脸特征和局部人脸特征；待确认对象的人体特征包括：待确认对象的全局人体特征和局部人体特征；目标对象的人脸特征包括：目标对象的全局人脸特征和局部人脸特征；目标对象的人体特征包括：目标对象的全局人体特征和局部人体特征。
S140，根据比对结果识别待确认对象的身份信息。若所述待确认对象的人脸特征与所述目标对象的人脸特征不同，和/或，所述待确认对象的人体特征与所述目标对象的人体特征不同，则判定所述待确认对象的身份信息不符合预设条件，并对所述待确认对象标注与所述目标对象不同的身份信息，以及根据所述第二图像生成所述待确认对象在所述第二目标区域内的运动信息，基于所述运动信息对所述待确认对象进行跟踪识别。若所述待确认对象的人脸特征与所述目标对象的人脸特征相同，和/或所述待确认对象的人体特征与所述目标对象的人体特征相同，则判定所述待确认对象的身份信息符合预设条件，并对所述待确认对象标注与所述目标对象相同的身份信息。
S150，在待确认对象的身份信息不符合预设条件时，根据待确认对象在第二目标区域内的运动信息对第二目标区域进行检查，确定第二目标区域内是否存在违禁品。其中，待确认对象第二目标区域内的运动信息包括但不限于：待确认对象在机场内的运动时间、待确认对象在机场内的地理位置。
本实施例首先通过采集在第一目标区域内拍摄的第一图像和在第二目标区域拍摄的第二图像，然后从第一图像中提取出待确认对象的人脸特征和人体特征，并将提取出的人脸特征、人体特征分别与目标对象在第一目标区域内执行目标动作时的人脸特征、人体特征进行比对，然后根据比对结果来确认待确认对象的身份信息，从而判断第一图像中的待确认对象是否是目标对象，防止待确认对象不是目标对象时，由于其做出错误的操作而发生重大事故。同时，在待确认对象的身份信息不符合预设条件时，本实施例还可根据第二图像对待确认对象进行跟踪识别，从而可以判断待确认对象是否在第二目标区域内放置有违禁品。同时，本实施例在识别到待确认对象不是真正的地勤工作人员后，本实施例还可以生成这些非地勤工作人员在机场内的运动信息，并根据对应的运动信息来对机场进行安全检查，核实机场内是否存在违禁品，从而保障机场的正常运行和飞机的正常起飞及降落。此外，在对飞机进行夜间看护时，本发明也可以对进入飞机停放区域的非工作人员进行跟踪识别，并按照其运动轨迹对非工作人员的运动区域范围进行危险物品排查，从而确保整个机场及所有飞机的安全。
综上所述，本发明提供一种对象识别方法，通过采集在第一目标区域内拍摄的第一图像和在第二目标区域拍摄的第二图像，然后从第一图像中提取出待确认对象的人脸特征和人体特征，并将提取出的人脸特征、人体特征分别与目标对象在第一目标区域内执行目标动作时的人脸特征、人体特征进行比对，然后根据比对结果来确认待确认对象的身份信息，从而判断第一图像中的待确认对象是否是目标对象，防止待确认对象不是目标对象时，由于其做出错误的操作而发生重大事故。同时，在待确认对象的身份信息不符合预设条件时，本发明还可根据第二图像对待确认对象进行跟踪识别，从而可以判断待确认对象是否在第二目标区域内放置有违禁品。如果本发明中的第一目标区域是机场停机坪，第二目标区域是机场，待确认对象是在机场停机坪上对飞机进行滑行路径指引的人员，目标对象是机场的地勤工作人员，则本发明可以用来识别在停机坪上进行滑行路径指引的人员(即待确认对象)是否为真正的地勤工作人员(即目标对象)。同时，本发明在识别到待确认对象不是真正的地勤工作人员后，本发明还可以生成这些非地勤工作人员在机场内的运动信息，并根据对应的运动信息来对机场进行安全检查，核实机场内是否存在违禁品，从而保障机场的正常运行和飞机的正常起飞及降落。此外，在对飞机进行夜间看护时，本发明也可以对进入飞机停放区域的非工作人员进行跟踪识别，并按照其运动轨迹对非工作人员的运动区域范围进行危险物品排查，从而确保整个机场及所有飞机的安全。
如图4所示，本发明还提供一种对象识别系统，包括有：
第一图像采集模块M10，用于获取在第一目标区域拍摄的第一图像；
第一图像识别模块M20，用于识别所述第一图像中待确认对象的身份信息；
第二图像采集模块M30，用于在所述待确认对象的身份信息不符合预设条件时，获取在第二目标区域拍摄的第二图像；
第二图像识别模块M40，用于在所述待确认对象的身份信息不符合预设条件时，根据所述第二图像对所述待确认对象进行跟踪识别；其中，所述第一目标区域位于所述第二目标区域内。
在本实施例中，本实施例首先通过采集在第一目标区域内拍摄的第一图像和在第二目标区域拍摄的第二图像，然后从第一图像中提取出待确认对象的人脸特征和人体特征，并将提取出的人脸特征、人体特征分别与目标对象在第一目标区域内执行目标动作时的人脸特征、人体特征进行比对，然后根据比对结果来确认待确认对象的身份信息，从而判断第一图像中的待确认对象是否是目标对象，防止待确认对象不是目标对象时，由于其做出错误的操作而发生重大事故。同时，在待确认对象的身份信息不符合预设条件时，本实施例还可根据第二图像对待确认对象进行跟踪识别，从而可以判断待确认对象是否在第二目标区域内放置有违禁品。
在一示例性实施例中，第一图像识别模块M10识别第一图像中待确认对象的身份信息的过程包括：
从第一图像中提取出待确认对象的人脸特征和人体特征，以及获取目标对象的人脸特征和人体特征；
将待确认对象的人脸特征与目标对象的人脸特征进行比对，和/或，将待确认对象的人体特征与目标对象的人体特征进行比对；
根据比对结果识别待确认对象的身份信息。
具体地，若待确认对象的人脸特征与目标对象的人脸特征不同，和/或，待确认对象的人体特征与目标对象的人体特征不同，则判定待确认对象的身份信息不符合预设条件，并对待确认对象标注与目标对象不同的身份信息，以及根据第二图像生成待确认对象在第二目标区域内的运动信息，基于运动信息对待确认对象进行跟踪识别。若待确认对象的人脸特征与目标对象的人脸特征相同，且待确认对象的人体特征与目标对象的人体特征相同，则判定待确认对象的身份信息符合预设条件，并对待确认对象标注与目标对象相同的身份信息。作为示例，本实施例中的第一目标区域是机场停机坪，第二目标区域是机场，待确认对象是在机场停机坪上为飞机进行滑行路径指引的人员，目标对象是在机场停机坪上真正的地勤工作人员，目标动作是机场停机坪上真正的地勤工作人员在对飞机进行滑行路径指引时的标准动作。本实施例首先采集在飞机停机坪上正在对飞机滑行进行路径指引的人员图像，即第一图像，然后从第一图像中提取出该人员的人脸特征和人体特征，并将提取出的该人员的人脸特征和人体特征分别与真正的地勤工作人员的人脸特征和人体特征进行比对，确定该人员是否是真正的地勤工作人员。在识别出待确认对象不是真正的地勤工作人员后，本实施例还可以生成这些非地勤工作人员在机场内的运动信息，然后根据对应的运动信息来对机场进行安全检查，核实机场内是否存在违禁品，从而保障机场的正常运行和飞机的正常起飞及降落。此外，在对飞机进行夜间看护时，本发明也可以对进入飞机停放区域的非工作人员进行跟踪识别，并按照其运动轨迹对非工作人员的运动区域范围进行危险物品排查，从而确保整个机场及所有飞机的安全。
根据上述记载，在一示例性实施例中，从第一图像中提取出待确认对象的人脸特征和人体特征的过程包括：按照不同的分割粒度对第一图像进行分割，并将分割后的图像输入至不同粒度的神经网络中；其中，不同粒度的神经网络包括以下至少之一：具有不同的网络支路结构、参数和损失函数的神经网络。通过神经网络中的分类损失和三元损失共同对第一图像进行特征抽取，获取待确认对象的全局人脸特征和全局人体特征；和/或，通过神经网络中的分类损失对第一图像进行特征抽取，获取待确认对象的局部人脸特征和局部人体特征。在本实施例中，按照不同的分割粒度对获取的每帧图像进行分割，可以将每帧图像分割为三组，例如：第一组分割方式为：整帧图像；第二组分割方式为：将每帧图像均分为上下两部分；第三组分割方式为：将每帧图像均分为上、中、下三部分。本实施例在特征提取阶段，利用三元损失Triplet Loss和分类损失Softmax Loss可以对第一图像完成粗粒度的特征抽取；而只用分类损失Softmax Loss时，可以对第一图像进行细粒度特征抽取。本实施例中的这种神经网络结构设计巧妙，与现有技术相比，能够显著地提高对第一图像的识别效率和跟踪效率。作为示例，本实施例中的待确认对象是为飞机进行滑行路径指引的人员。
根据上述记载，目标对象的人脸特征和人体特征的获取过程包括：获取目标对象在第一目标区域内执行目标动作时的目标图像；按照不同的分割粒度对目标图像进行分割，并将分割后的图像输入至不同粒度的神经网络中；其中，不同粒度的神经网络包括以下至少之一：具有不同的网络支路结构、参数和损失函数的神经网络；通过神经网络中的分类损失和三元损失共同对目标图像进行特征抽取，获取目标对象的全局人脸特征和全局人体特征；以及通过神经网络中的分类损失对目标图像进行特征抽取，获取目标对象的局部人脸特征和局部人体特征；将目标对象的全局人脸特征、全局人体特征、局部人脸特征和局部人体特征进行存储，以及将目标对象的全局人脸特征、全局人体特征、局部人脸特征和局部人体特征作为目标对象在第一目标区域内执行目标动作时的人脸特征和人体特征。在本实施例中，按照不同的分割粒度对获取的每帧图像进行分割，可以将每帧图像分割为三组，例如：第一组分割方式为：整帧图像；第二组分割方式为：将每帧图像均分为上下两部分；第三组分割方式为：将每帧图像均分为上、中、下三部分。本实施例在特征提取阶段，利用三元损失Triplet Loss和分类损失Softmax Loss可以对目标图像完成粗粒度的特征抽取；而只用分类损失Softmax Loss时，可以对目标图像进行细粒度特征抽取。本实施例中的这种神经网络结构设计巧妙，与现有技术相比，能够显著地提高对目标图像识别效率。作为示例，本实施例中的第一目标区域是机场停机坪，目标对象是在机场停机坪上真正的地勤工作人员，目标动作是机场停机坪上真正的地勤工作人员在对飞机进行滑行路径指引时的标准动作。
根据上述记载，在一些示例性实施例中，人体特征包括以下至少之一：穿戴、服饰、体型、发型、姿态；人脸特征包括以下至少之一：眼睛的形状、鼻子的形状、嘴的形状、眼睛的间隔距离、五官的位置、脸的轮廓。
根据上述记载，在一示例性实施例中，还包括：在待确认对象的身份信息不符合预设条件时，根据待确认对象在第二目标区域内的运动信息对第二目标区域进行检查，确定第二目标区域内是否存在违禁品。本实施例可以根据待确认对象在机场内的运动信息来对机场进行安全检查，核实机场内是否存在违禁品，从而保障机场的正常运行和飞机的正常起飞及降落。
在一具体实施例中，提供了一种对象识别系统，包括有：
获取图像拍摄装置在机场停机坪上拍摄的第一图像和在机场拍摄的第二图像，以及获取目标对象在第一目标区域内执行目标动作时的目标图像。其中，目标动作是机场停机坪上真正的地勤工作人员在对飞机进行滑行路径指引时的标准动作。
从第一图像中提取出待确认对象的人脸特征和人体特征。具体地，按照不同的分割粒度对第一图像进行分割，并将分割后的图像输入至不同粒度的神经网络中，利用神经网络中的三元损失Triplet Loss和分类损失Softmax Loss共同对第一图像进行粗粒度特征抽取，获取待确认对象的全局人脸特征和全局人体特征，以及只利用分类损失SoftmaxLoss来对第一图像进行细粒度特征抽取，获取待确认对象的局部人脸特征和局部人体特征。将待确认对象的全局人脸特征和/或局部人脸特征作为待确认对象的人脸特征，以及将待确认对象的全局人体特征和/或局部人体特征作为待确认对象的人体特征。其中，待确认对象是在机场停机坪上为飞机进行滑行路径指引的人员。本实施例中不同粒度的神经网络包括但不限于：具有不同的网络支路结构、参数和损失函数的神经网络。
从目标图像中提取出目标对象在第一目标区域内执行目标动作时的人脸特征和人体特征。具体地，按照不同的分割粒度对目标图像进行分割，将分割后的图像输入至不同粒度的神经网络中，利用神经网络中的三元损失Triplet Loss和分类损失Softmax Loss共同对目标图像进行粗粒度特征抽取，获取目标对象的全局人脸特征和全局人体特征，以及只利用分类损失Softmax Loss来对目标图像进行细粒度特征抽取，获取目标对象的局部人脸特征和局部人体特征。将目标对象的全局人脸特征和/或局部人脸特征作为目标对象的人脸特征，以及将目标对象的全局人体特征和/或局部人体特征作为目标对象的人体特征。其中，第一目标区域是机场停机坪，目标对象是在机场停机坪上真正的地勤工作人员，目标动作是机场停机坪上真正的地勤工作人员在对飞机进行滑行路径指引时的标准动作。
将待确认对象的人脸特征与目标对象的人脸特征进行比对，和/或，将待确认对象的人体特征与目标对象的人体特征进行比对。本实施例中，待确认对象的人脸特征包括：待确认对象的全局人脸特征和局部人脸特征；待确认对象的人体特征包括：待确认对象的全局人体特征和局部人体特征；目标对象的人脸特征包括：目标对象的全局人脸特征和局部人脸特征；目标对象的人体特征包括：目标对象的全局人体特征和局部人体特征。
根据比对结果识别待确认对象的身份信息。若所述待确认对象的人脸特征与所述目标对象的人脸特征不同，和/或，所述待确认对象的人体特征与所述目标对象的人体特征不同，则判定所述待确认对象的身份信息不符合预设条件，并对所述待确认对象标注与所述目标对象不同的身份信息，以及根据所述第二图像生成所述待确认对象在所述第二目标区域内的运动信息，基于所述运动信息对所述待确认对象进行跟踪识别。若所述待确认对象的人脸特征与所述目标对象的人脸特征相同，和/或所述待确认对象的人体特征与所述目标对象的人体特征相同，则判定所述待确认对象的身份信息符合预设条件，并对所述待确认对象标注与所述目标对象相同的身份信息。
在待确认对象的身份信息不符合预设条件时，根据所述待确认对象在第二目标区域内的运动信息对第二目标区域进行检查，确定所述第二目标区域内是否存在违禁品。其中，待确认对象第二目标区域内的运动信息包括但不限于：待确认对象在机场内的运动时间、待确认对象在机场内的地理位置。
本实施例首先通过采集在第一目标区域内拍摄的第一图像和在第二目标区域拍摄的第二图像，然后从第一图像中提取出待确认对象的人脸特征和人体特征，并将提取出的人脸特征、人体特征分别与目标对象在第一目标区域内执行目标动作时的人脸特征、人体特征进行比对，然后根据比对结果来确认待确认对象的身份信息，从而判断第一图像中的待确认对象是否是目标对象，防止待确认对象不是目标对象时，由于其做出错误的操作而发生重大事故。同时，在待确认对象的身份信息不符合预设条件时，本实施例还可根据第二图像对待确认对象进行跟踪识别，从而可以判断待确认对象是否在第二目标区域内放置有违禁品。同时，本实施例在识别到待确认对象不是真正的地勤工作人员后，本实施例还可以生成这些非地勤工作人员在机场内的运动信息，并根据对应的运动信息来对机场进行安全检查，核实机场内是否存在违禁品，从而保障机场的正常运行和飞机的正常起飞及降落。此外，在对飞机进行夜间看护时，本发明也可以对进入飞机停放区域的非工作人员进行跟踪识别，并按照其运动轨迹对非工作人员的运动区域范围进行危险物品排查，从而确保整个机场及所有飞机的安全。
综上所述，本发明提供一种对象识别系统，通过采集在第一目标区域内拍摄的第一图像和在第二目标区域拍摄的第二图像，然后从第一图像中提取出待确认对象的人脸特征和人体特征，并将提取出的人脸特征、人体特征分别与目标对象在第一目标区域内执行目标动作时的人脸特征、人体特征进行比对，然后根据比对结果来确认待确认对象的身份信息，从而判断第一图像中的待确认对象是否是目标对象，防止待确认对象不是目标对象时，由于其做出错误的操作而发生重大事故。同时，在待确认对象的身份信息不符合预设条件时，本发明还可根据第二图像对待确认对象进行跟踪识别，从而可以判断待确认对象是否在第二目标区域内放置有违禁品。如果本发明中的第一目标区域是机场停机坪，第二目标区域是机场，待确认对象是在机场停机坪上对飞机进行滑行路径指引的人员，目标对象是机场的地勤工作人员，则本发明可以用来识别在停机坪上进行滑行路径指引的人员(即待确认对象)是否为真正的地勤工作人员(即目标对象)。同时，本发明在识别到待确认对象不是真正的地勤工作人员后，本发明还可以生成这些非地勤工作人员在机场内的运动信息，并根据对应的运动信息来对机场进行安全检查，核实机场内是否存在违禁品，从而保障机场的正常运行和飞机的正常起飞及降落。此外，在对飞机进行夜间看护时，本发明也可以对进入飞机停放区域的非工作人员进行跟踪识别，并按照其运动轨迹对非工作人员的运动区域范围进行危险物品排查，从而确保整个机场及所有飞机的安全。
本申请实施例还提供了一种计算机设备，该设备可以包括：一个或多个处理器；和其上存储有指令的一个或多个机器可读介质，当由所述一个或多个处理器执行时，使得所述设备执行图1所述的方法。在实际应用中，该设备可以作为终端设备，也可以作为服务器，终端设备的例子可以包括：智能手机、平板电脑、电子书阅读器、MP3(动态影像专家压缩标准语音层面3，Moving Picture Experts GroupAudio Layer III)播放器、MP4(动态影像专家压缩标准语音层面4，Moving Picture Experts GroupAudio Layer IV)播放器、膝上型便携计算机、车载电脑、台式计算机、机顶盒、智能电视机、可穿戴设备等等，本申请实施例对于具体的设备不加以限制。
本申请实施例还提供了一种非易失性可读存储介质，该存储介质中存储有一个或多个模块(programs)，该一个或多个模块被应用在设备时，可以使得该设备执行本申请实施例的图1中数据处理方法所包含步骤的指令(instructions)。
图5为本申请一实施例提供的终端设备的硬件结构示意图。如图所示，该终端设备可以包括：输入设备1100、第一处理器1101、输出设备1102、第一存储器1103和至少一个通信总线1104。通信总线1104用于实现元件之间的通信连接。第一存储器1103可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器，第一存储器1103中可以存储各种程序，用于完成各种处理功能以及实现本实施例的方法步骤。
可选的，上述第一处理器1101例如可以为中央处理器(Central ProcessingUnit，简称CPU)、应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，该处理器1101通过有线或无线连接耦合到上述输入设备1100和输出设备1102。
可选的，上述输入设备1100可以包括多种输入设备，例如可以包括面向用户的用户接口、面向设备的设备接口、软件的可编程接口、摄像头、传感器中至少一种。可选的，该面向设备的设备接口可以是用于设备与设备之间进行数据传输的有线接口、还可以是用于设备与设备之间进行数据传输的硬件插入接口(例如USB接口、串口等)；可选的，该面向用户的用户接口例如可以是面向用户的控制按键、用于接收语音输入的语音输入设备以及用户接收用户触摸输入的触摸感知设备(例如具有触摸感应功能的触摸屏、触控板等)；可选的，上述软件的可编程接口例如可以是供用户编辑或者修改程序的入口，例如芯片的输入引脚接口或者输入接口等；输出设备1102可以包括显示器、音响等输出设备。
在本实施例中，该终端设备的处理器包括用于执行各设备中语音识别装置各模块的功能，具体功能和技术效果参照上述实施例即可，此处不再赘述。
图6为本申请的另一个实施例提供的终端设备的硬件结构示意图。图6是对图5在实现过程中的一个具体的实施例。如图所示，本实施例的终端设备可以包括第二处理器1201以及第二存储器1202。
第二处理器1201执行第二存储器1202所存放的计算机程序代码，实现上述实施例中图1所述方法。
第二存储器1202被配置为存储各种类型的数据以支持在终端设备的操作。这些数据的示例包括用于在终端设备上操作的任何应用程序或方法的指令，例如消息，图片，视频等。第二存储器1202可能包含随机存取存储器(random access memory，简称RAM)，也可能还包括非易失性存储器(non—volatile memory)，例如至少一个磁盘存储器。
可选地，第二处理器1201设置在处理组件1200中。该终端设备还可以包括：通信组件1203，电源组件1204，多媒体组件1205，音频组件1206，输入/输出接口1207和/或传感器组件1208。终端设备具体所包含的组件等依据实际需求设定，本实施例对此不作限定。
处理组件1200通常控制终端设备的整体操作。处理组件1200可以包括一个或多个第二处理器1201来执行指令，以完成上述图1所示方法的全部或部分步骤。此外，处理组件1200可以包括一个或多个模块，便于处理组件1200和其他组件之间的交互。例如，处理组件1200可以包括多媒体模块，以方便多媒体组件1205和处理组件1200之间的交互。
电源组件1204为终端设备的各种组件提供电力。电源组件1204可以包括电源管理系统，一个或多个电源，及其他与为终端设备生成、管理和分配电力相关联的组件。
多媒体组件1205包括在终端设备和用户之间的提供一个输出接口的显示屏。在一些实施例中，显示屏可以包括液晶显示器(LCD)和触摸面板(TP)。如果显示屏包括触摸面板，显示屏可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。
音频组件1206被配置为输出和/或输入语音信号。例如，音频组件1206包括一个麦克风(MIC)，当终端设备处于操作模式，如语音识别模式时，麦克风被配置为接收外部语音信号。所接收的语音信号可以被进一步存储在第二存储器1202或经由通信组件1203发送。在一些实施例中，音频组件1206还包括一个扬声器，用于输出语音信号。
输入/输出接口1207为处理组件1200和外围接口模块之间提供接口，上述外围接口模块可以是点击轮，按钮等。这些按钮可包括但不限于：音量按钮、启动按钮和锁定按钮。
传感器组件1208包括一个或多个传感器，用于为终端设备提供各个方面的状态评估。例如，传感器组件1208可以检测到终端设备的打开/关闭状态，组件的相对定位，用户与终端设备接触的存在或不存在。传感器组件1208可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在，包括检测用户与终端设备间的距离。在一些实施例中，该传感器组件1208还可以包括摄像头等。
通信组件1203被配置为便于终端设备和其他设备之间有线或无线方式的通信。终端设备可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个实施例中，该终端设备中可以包括SIM卡插槽，该SIM卡插槽用于插入SIM卡，使得终端设备可以登录GPRS网络，通过互联网与服务器建立通信。
由上可知，在图6实施例中所涉及的通信组件1203、音频组件1206以及输入/输出接口1207、传感器组件1208均可以作为图5实施例中的输入设备的实现方式。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。
应当理解的是，尽管在本发明实施例中可能采用术语第一、第二、第三等来描述预设范围等，但这些预设范围不应限于这些术语。这些术语仅用来将预设范围彼此区分开。例如，在不脱离本发明实施例范围的情况下，第一预设范围也可以被称为第二预设范围，类似地，第二预设范围也可以被称为第一预设范围。

Claims (14)

1.一种对象识别方法，其特征在于，包括以下步骤：
获取在第一目标区域拍摄的第一图像，并识别所述第一图像中待确认对象的身份信息；
若所述待确认对象的身份信息不符合预设条件，则获取在第二目标区域拍摄的第二图像，并根据所述第二图像对所述待确认对象进行跟踪识别；包括：根据所述待确认对象在所述第二目标区域内的运动信息对所述第二目标区域进行检查，确定所述第二目标区域内是否存在违禁品；其中，所述第一目标区域位于所述第二目标区域内。
2.根据权利要求1所述的对象识别方法，其特征在于，识别所述第一图像中待确认对象的身份信息的过程包括：
从所述第一图像中提取出待确认对象的人脸特征和人体特征，以及获取目标对象的人脸特征和人体特征；
将所述待确认对象的人脸特征与所述目标对象的人脸特征进行比对，和/或，将所述待确认对象的人体特征与所述目标对象的人体特征进行比对；
根据比对结果识别所述待确认对象的身份信息。
3.根据权利要求2所述的对象识别方法，其特征在于，若所述待确认对象的人脸特征与所述目标对象的人脸特征不同，和/或，所述待确认对象的人体特征与所述目标对象的人体特征不同，则判定所述待确认对象的身份信息不符合预设条件，并对所述待确认对象标注与所述目标对象不同的身份信息，以及根据所述第二图像生成所述待确认对象在所述第二目标区域内的运动信息，基于所述运动信息对所述待确认对象进行跟踪识别；
若所述待确认对象的人脸特征与所述目标对象的人脸特征相同，和/或所述待确认对象的人体特征与所述目标对象的人体特征相同，则判定所述待确认对象的身份信息符合预设条件，并对所述待确认对象标注与所述目标对象相同的身份信息。
4.根据权利要求2所述的对象识别方法，其特征在于，从所述第一图像中提取出待确认对象的人脸特征和人体特征的过程包括：
按照不同的分割粒度对所述第一图像进行分割，并将分割后的图像输入至不同粒度的神经网络中；其中，不同粒度的神经网络包括以下至少之一：具有不同的网络支路结构、参数和损失函数的神经网络；
通过神经网络中的分类损失和三元损失共同对所述第一图像进行特征抽取，获取所述待确认对象的全局人脸特征和全局人体特征；和/或，通过神经网络中的分类损失对所述第一图像进行特征抽取，获取所述待确认对象的局部人脸特征和局部人体特征。
5.根据权利要求2所述的对象识别方法，其特征在于，获取所述目标对象的人脸特征和人体特征的过程包括：
获取所述目标对象的目标图像；
按照不同的分割粒度对所述目标图像进行分割，并将分割后的图像输入至不同粒度的神经网络中；其中，不同粒度的神经网络包括以下至少之一：具有不同的网络支路结构、参数和损失函数的神经网络；
通过神经网络中的分类损失和三元损失共同对目标图像进行特征抽取，获取所述目标对象的全局人脸特征和全局人体特征；以及通过神经网络中的分类损失对所述目标图像进行特征抽取，获取所述目标对象的局部人脸特征和局部人体特征。
6.根据权利要求2所述的对象识别方法，其特征在于，所述人体特征包括以下至少之一：穿戴、服饰、体型、发型、姿态；
人脸特征包括以下至少之一：眼睛的形状、鼻子的形状、嘴的形状、眼睛的间隔距离、五官的位置、脸的轮廓。
7.一种对象识别系统，其特征在于，包括有：
第一图像采集模块，用于获取在第一目标区域拍摄的第一图像；
第一图像识别模块，用于识别所述第一图像中待确认对象的身份信息；
第二图像采集模块，用于在所述待确认对象的身份信息不符合预设条件时，获取在第二目标区域拍摄的第二图像；
第二图像识别模块，用于在所述待确认对象的身份信息不符合预设条件时，根据所述第二图像对所述待确认对象进行跟踪识别；包括：根据所述待确认对象在所述第二目标区域内的运动信息对所述第二目标区域进行检查，确定所述第二目标区域内是否存在违禁品；其中，所述第一目标区域位于所述第二目标区域内。
8.根据权利要求7所述的对象识别系统，其特征在于，所述第一图像识别模块识别所述第一图像中待确认对象的身份信息的过程包括：
从所述第一图像中提取出待确认对象的人脸特征和人体特征，以及获取目标对象的人脸特征和人体特征；
将所述待确认对象的人脸特征与所述目标对象的人脸特征进行比对，和/或，将所述待确认对象的人体特征与所述目标对象的人体特征进行比对；
根据比对结果识别所述待确认对象的身份信息。
9.根据权利要求8所述的对象识别系统，其特征在于，若所述待确认对象的人脸特征与所述目标对象的人脸特征不同，和/或，所述待确认对象的人体特征与所述目标对象的人体特征不同，则判定所述待确认对象的身份信息不符合预设条件，并对所述待确认对象标注与所述目标对象不同的身份信息，以及根据所述第二图像生成所述待确认对象在所述第二目标区域内的运动信息，基于所述运动信息对所述待确认对象进行跟踪识别；
若所述待确认对象的人脸特征与所述目标对象的人脸特征相同，和/或所述待确认对象的人体特征与所述目标对象的人体特征相同，则判定所述待确认对象的身份信息符合预设条件，并对所述待确认对象标注与所述目标对象相同的身份信息。
10.根据权利要求8所述的对象识别系统，其特征在于，从所述第一图像中提取出待确认对象的特征信息的过程包括：
按照不同的分割粒度对所述第一图像进行分割，并将分割后的图像输入至不同粒度的神经网络中；其中，不同粒度的神经网络包括以下至少之一：具有不同的网络支路结构、参数和损失函数的神经网络；
通过神经网络中的分类损失和三元损失共同对所述第一图像进行特征抽取，获取所述待确认对象的全局人脸特征和全局人体特征；和/或，通过神经网络中的分类损失对所述第一图像进行特征抽取，获取所述待确认对象的局部人脸特征和局部人体特征。
11.根据权利要求8所述的对象识别系统，其特征在于，获取所述目标对象的人脸特征和人体特征的过程包括：
获取所述目标对象的目标图像；
按照不同的分割粒度对所述目标图像进行分割，并将分割后的图像输入至不同粒度的神经网络中；其中，不同粒度的神经网络包括以下至少之一：具有不同的网络支路结构、参数和损失函数的神经网络；
通过神经网络中的分类损失和三元损失共同对目标图像进行特征抽取，获取所述目标对象的全局人脸特征和全局人体特征；以及通过神经网络中的分类损失对所述目标图像进行特征抽取，获取所述目标对象的局部人脸特征和局部人体特征。
12.根据权利要求8所述的对象识别系统，其特征在于，所述人体特征包括以下至少之一：穿戴、服饰、体型、发型、姿态；
人脸特征包括以下至少之一：眼睛的形状、鼻子的形状、嘴的形状、眼睛的间隔距离、五官的位置、脸的轮廓。
13.一种对象识别设备，其特征在于，包括：
一个或多个处理器；和
存储有指令的计算机可读介质，当所述一个或多个处理器执行所述指令时，使得所述设备执行如权利要求1至6中任意一项所述的方法。
14.一种计算机可读介质，其特征在于，其上存储有指令，当由一个或多个处理器执行所述指令时，使得设备执行如权利要求1至6中任意一项所述的方法。
CN202110645293.9A 2021-06-09 2021-06-09 一种对象识别方法、系统、设备及计算机可读介质 Active CN113269124B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110645293.9A CN113269124B (zh) 2021-06-09 2021-06-09 一种对象识别方法、系统、设备及计算机可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110645293.9A CN113269124B (zh) 2021-06-09 2021-06-09 一种对象识别方法、系统、设备及计算机可读介质

Publications (2)

Publication Number Publication Date
CN113269124A CN113269124A (zh) 2021-08-17
CN113269124B true CN113269124B (zh) 2023-05-09

Family

ID=77234918

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110645293.9A Active CN113269124B (zh) 2021-06-09 2021-06-09 一种对象识别方法、系统、设备及计算机可读介质

Country Status (1)

Country Link
CN (1) CN113269124B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116469254B (zh) * 2023-06-15 2023-09-08 浙江口碑网络技术有限公司 一种信息处理方法和装置

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104978029A (zh) * 2015-06-30 2015-10-14 北京嘿哈科技有限公司 一种屏幕操控方法及装置
WO2017162019A1 (zh) * 2016-03-24 2017-09-28 深圳市国华识别科技开发有限公司 智能终端控制方法和智能终端
CN108256459A (zh) * 2018-01-10 2018-07-06 北京博睿视科技有限责任公司 基于多摄像机融合的安检门人脸识别和人脸自动建库算法
US10061996B1 (en) * 2017-10-09 2018-08-28 Hampen Technology Corporation Limited Face recognition method and system for personal identification and authentication
CN109644233A (zh) * 2017-02-24 2019-04-16 深圳市大疆创新科技有限公司 多云台组件
CN110379030A (zh) * 2019-07-22 2019-10-25 苏州真趣信息科技有限公司 采用定位卡片进行认证的方法、装置、介质
CN111209845A (zh) * 2020-01-03 2020-05-29 平安科技（深圳）有限公司 人脸识别方法、装置、计算机设备及存储介质
CN112528261A (zh) * 2020-12-30 2021-03-19 楚天龙股份有限公司 一种sim卡的用户身份的识别方法及装置
CN112597886A (zh) * 2020-12-22 2021-04-02 成都商汤科技有限公司 乘车逃票检测方法及装置、电子设备和存储介质
CN112738468A (zh) * 2020-12-25 2021-04-30 四川众望安全环保技术咨询有限公司 一种智慧园区安全预警方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8036425B2 (en) * 2008-06-26 2011-10-11 Billy Hou Neural network-controlled automatic tracking and recognizing system and method

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104978029A (zh) * 2015-06-30 2015-10-14 北京嘿哈科技有限公司 一种屏幕操控方法及装置
WO2017162019A1 (zh) * 2016-03-24 2017-09-28 深圳市国华识别科技开发有限公司 智能终端控制方法和智能终端
CN109644233A (zh) * 2017-02-24 2019-04-16 深圳市大疆创新科技有限公司 多云台组件
US10061996B1 (en) * 2017-10-09 2018-08-28 Hampen Technology Corporation Limited Face recognition method and system for personal identification and authentication
CN108256459A (zh) * 2018-01-10 2018-07-06 北京博睿视科技有限责任公司 基于多摄像机融合的安检门人脸识别和人脸自动建库算法
CN110379030A (zh) * 2019-07-22 2019-10-25 苏州真趣信息科技有限公司 采用定位卡片进行认证的方法、装置、介质
CN111209845A (zh) * 2020-01-03 2020-05-29 平安科技（深圳）有限公司 人脸识别方法、装置、计算机设备及存储介质
CN112597886A (zh) * 2020-12-22 2021-04-02 成都商汤科技有限公司 乘车逃票检测方法及装置、电子设备和存储介质
CN112738468A (zh) * 2020-12-25 2021-04-30 四川众望安全环保技术咨询有限公司 一种智慧园区安全预警方法及系统
CN112528261A (zh) * 2020-12-30 2021-03-19 楚天龙股份有限公司 一种sim卡的用户身份的识别方法及装置

Also Published As

Publication number Publication date
CN113269124A (zh) 2021-08-17

Similar Documents

Publication Publication Date Title
CN111369418B (zh) 一种健康数据管理方法、系统、机器可读介质及设备
CN108846440B (zh) 图像处理方法及装置、计算机可读介质和电子设备
CN111860140B (zh) 目标事件检测方法、装置、计算机设备和存储介质
CN111047621A (zh) 一种目标对象追踪方法、系统、设备及可读介质
US20140232748A1 (en) Device, method and computer readable recording medium for operating the same
CN109492538A (zh) 基于人脸识别技术的智能登机系统、方法及可读存储介质
CN113269124B (zh) 一种对象识别方法、系统、设备及计算机可读介质
CN110929619A (zh) 一种基于图像处理的目标对象追踪方法、系统、设备及可读介质
CN111310725A (zh) 一种对象识别方法、系统、机器可读介质及设备
CN111291638A (zh) 一种对象比对方法、系统、设备及介质
CN112735015B (zh) 一种社区管理方法、装置、机器可读介质及设备
CN111680670B (zh) 一种跨模态人头检测方法及装置
CN111783600B (zh) 一种人脸识别模型训练方法、装置、设备及介质
CN111104873A (zh) 一种多图像处理装置协同的人脸识别方法、系统、设备和介质
CN113762221B (zh) 人体检测方法及装置
CN113536914A (zh) 一种对象跟踪识别方法、系统、设备及介质
CN111353414A (zh) 一种身份识别方法、系统、机器可读介质及设备
CN111260697A (zh) 目标对象的识别方法、系统、设备及介质
Cheng et al. Fast ellipse fitting based pupil tracking design for human-computer interaction applications
CN114943872A (zh) 目标检测模型的训练方法、装置、目标检测方法、装置、介质及设备
CN111079662A (zh) 一种人物识别方法、装置、机器可读介质及设备
CN111405175A (zh) 摄像头控制方法、装置、计算机设备和存储介质
CN113176750B (zh) 一种识别航空器起降的方法、终端设备及计算机可读存储介质
CN103428551A (zh) 一种手势遥控系统
US12002212B2 (en) Image segmentation method and apparatus, computer device, and storage medium

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