CN114078271A - 阈值确定方法、目标人员识别方法、装置、设备及介质 - Google Patents

Abstract

本申请实施例公开了一种阈值确定方法、目标人员识别方法、装置、设备及介质。该方法包括：确定信息库中至少一个候选人员的标准图像与目标人员的标准图像之间的至少一个候选相似度；从所述至少一个候选相似度中选取至少一个目标相似度；根据所述至少一个目标相似度，确定所述目标人员关联的相似度阈值。上述方案能够针对不同的目标人员，适应性确定不同的相似度阈值，用于根据相似度与之从被监控人员中确定目标人员，从而提高了相似度阈值的准确性和参考性，进而提高了目标人员识别的识别率和准确性。

Description

阈值确定方法、目标人员识别方法、装置、设备及介质

技术领域

本申请实施例涉及图像识别技术领域，尤其涉及一种阈值确定方法、目标人员识别方法、装置、设备及介质。

背景技术

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别。

当前人脸识别受限于算法准确度、人员库名单数量、布控人员数量等原因，导致人员的识别和布控的准确率不够高，容易导致误识别和误布控，比如各个人员与本人的相似度会不同，无法通过图像相似度匹配实现对目标人员的准确识别。

发明内容

本发明实施例提供一种阈值确定方法、目标人员识别方法、装置、设备及介质，以针对不同目标人员适应性确定相似度阈值，提高目标人员识别的识别率和准确性。

在一个实施例中，本申请实施例提供了一种阈值确定方法，该方法包括：

确定信息库中至少一个候选人员的标准图像与目标人员的标准图像之间的至少一个候选相似度；

从所述至少一个候选相似度中选取至少一个目标相似度；

根据所述至少一个目标相似度，确定所述目标人员关联的相似度阈值。

在另一个实施例中，本申请实施例提供了一种目标人员识别方法，该方法包括：

确定所述被监控人员的监控图像与所述目标人员的标准图像的实时相似度；

若所述实时相似度大于所述相似度阈值，则确定所述被监控人员为目标人员；

其中，所述相似度阈值为根据本申请任一实施例所述的阈值确定方法确定的。

在又一个实施例中，本申请实施例还提供了一种阈值确定装置，该装置包括：

候选相似度确定模块，用于确定信息库中至少一个候选人员的标准图像与目标人员的标准图像之间的至少一个候选相似度；

目标相似度选取模块，用于从所述至少一个候选相似度中选取至少一个目标相似度；

相似度阈值确定模块，用于根据所述至少一个目标相似度，确定所述目标人员关联的相似度阈值。

在再一个实施例中，本申请实施例还提供了一种目标人员识别装置，该装置包括：

实时相似度确定模块，用于确定所述被监控人员的监控图像与所述目标人员的标准图像的实时相似度；

目标人员确定模块，用于若所述实时相似度大于所述相似度阈值，则确定所述被监控人员为目标人员；

其中，所述相似度阈值为根据本申请任一实施例所述的阈值确定方法确定的。

在一个实施例中，本申请实施例还提供了一种电子设备，包括：一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本申请任一实施例所述的阈值确定方法，或者实现本申请任一实施例所述的目标人员识别方法。

在一个实施例中，本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请任一实施例中所述的阈值确定方法，或者实现本申请任一实施例所述的目标人员识别方法。

本申请实施例中，通过确定信息库中至少一个候选人员的标准图像与目标人员的标准图像之间的至少一个候选相似度；从所述至少一个候选相似度中选取至少一个目标相似度；根据所述至少一个目标相似度，确定所述目标人员关联的相似度阈值，从而针对不同的目标人员，能够适应性、针对性地设置相似度阈值，解决了目前设置固定单一相似度阈值导致目标人员识别不精确的问题，提高了相似度的准确性和可参考性，进而提高了目标人员识别的识别率和准确性。

附图说明

图1为本发明一种实施例提供的阈值确定方法的流程图；

图2为本发明另一实施例提供的阈值确定方法的流程图；

图3为本发明一种实施例提供的目标人员识别方法的流程图；

图4为本发明一种实施例提供的阈值确定装置的结构示意图；

图5为本发明一种实施例提供的目标人员识别装置的结构示意图；

图6为本发明一种实施例提供的阈值确定设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

图1为本发明一种实施例提供的阈值确定方法的流程图。本实施例提供的阈值确定方法可适用于确定相似度阈值以根据相似度确定目标人员的情况。典型的，本方法可以适用于针对不同的目标人员，适应性确定各目标人员关联的相似度阈值，以根据相似度阈值从被监控人员中筛选目标人员的情况。该方法具体可以由阈值确定装置执行，该装置可以由软件和/或硬件的方式实现，该装置可以集成在阈值确定设备中。参见图1，本申请实施例的方法具体包括：

S110、确定信息库中至少一个候选人员的标准图像与目标人员的标准图像之间的至少一个候选相似度。

其中，候选人员可以是信息库中的任意人员，候选人员中可以包括目标人员，候选人员的数量可以根据实际情况设定，在本申请实施例中，为了提高更全面地获取目标人员与信息库中人员的相似性，候选人员取信息库中的所有人员。。目标人员可以为需要识别追踪的人员，也可以是将信息库中所有的人员都依次作为目标人员，执行本申请实施例中的方案，确定每个目标人员关联的相似度阈值。标准图像可以为证件照等具有明显面部特征的图像。在本申请实施例中，可以预先建立信息库，其中包括目标人员的详细信息，例如年龄、身高、体重、性别和标准图像等，存储于信息库中。信息库中的人员可以为同一个学校的师生人员、同一个公司的员工等。对于信息库中的每一个人员，都可以作为目标人员，确定信息库中至少一个候选人员的标准图像与目标人员的标准图像之间的至少一个候选相似度，从而针对信息库中的各目标人员建立多维信息库。

示例性的，针对每个候选人员的标准图像，逐一计算与目标人员标准图像之间的相似度，得到至少一个候选相似度。由于目标人员可能与多个人员存在特征相似性，难以辨认，因此，本申请实施例中预先获取信息库中至少一个候选人员的标准图像，并计算与目标人员标准图像之间的候选相似度，从而对目标人员与候选人员的相似性进行分析，便于后续对目标人员进行识别辨认。

S120、从所述至少一个候选相似度中选取至少一个目标相似度。

具体的，并不是信息库中的所有候选人员都与目标人员存在相似性，可能只有部分候选人员与目标人员存在相似性，而其他候选人员与目标人员明显不是同一个人，因此，并不是所有的候选相似度都适宜用来进行相似性分析。从至少一个候选相似度中选取至少一个目标相似度即可以满足候选人员与目标人员相似性分析的要求。

在本申请实施例中，可以选取相似度较高的候选相似度作为目标相似度。示例性的，可以选取相似度大于预设值的候选相似度作为目标相似度，也可以选取预设数量个相似度较大的候选相似度作为目标相似度。目标相似度的数量可以少于候选相似度的数量。

表1

目标人员

性别

身高

身形

肤色

候选人员

目标相似度

小明

男

B

M

黄色

小明(本人)

S1

小明

男

B

M

黄色

小文

S2

小明

男

B

M

黄色

小程

S3

小明

……

……

……

……

……

……

示例性的，选取的目标相似度可以如表1所示，与目标人员进行相似度比对的候选人员可能存在多个。对于目标人员小明，可能并不是所有的候选人员都与其存在相似性，因此，只选取与目标人员小明的相似性较大的候选人员，以及对应的目标相似度。其中，身高和身形可以用字母表示其对应的程度。例如，当身高大于或等于2米时，用字母A表示，当身高大于或等于1.9米且小于2米时，用字母B表示，当身高大于或等于1.8米且小于1.9米时，用字母C表示，当身高大于或等于1.7米且小于1.8米时，用字母D表示，当身高大于或等于1.65米且小于1.7米时，用字母E表示，当身高大于或等于1.6米且小于1.65米时，用字母F表示……。对于身形，可以设置为M表示瘦弱，MM表示正常，MMM表示偏胖，MMMM表示肥胖……。肤色可以为黄色、黑色、白色或其他色系等。其中，目标相似度S1可以为95％，S2可以为94％，S3可以为92％。需要说明的是，上述具体数字和表格只是举例，具体数值表现形式可以根据实际情况确定，表格中的具体数值可以根据实际图像识别以及相似度计算确定。

在本申请实施例中，目标相似度可以包括面部相似度和体部相似度，具体如表2所示。

表2

目标人员

性别

身高

身形

肤色

候选人员

面部相似度

体部相似度

小明

男

B

M

黄色

小明(本人)

S1

L1

小明

男

B

M

黄色

小文

S2

L2

小明

男

B

M

黄色

小程

S3

L3

小明

……

……

……

……

……

……

……

在本申请实施例中，目标相似度可以为面部相似度，可以为体部相似度，也可以为根据面部相似度和体部相似度综合得到的相似度。

S130、根据所述至少一个目标相似度，确定所述目标人员关联的相似度阈值。

目前对于目标人员识别的方案，一般为预先设置固定的相似度阈值，进而将被监控人员的监控图像与目标人员的标准图像的相似度与预先设定的相似度阈值进行比较，从而确定该监控人员是否为目标人员。但是，对于不同的目标人员，监控设备采集的目标人员的监控图像与目标人员的标准图像的相似度可能不同，而设置统一的相似度阈值标准，可能无法准确筛选出目标人员。另外，对于目标人员，可能存在多个与其相似的候选人员，设置统一固定的相似度阈值无法准确确定哪一个候选人员为目标人员。

在本申请实施例中，针对不同的目标人员，适应性地根据与其相似的候选人员的相似度，确定该目标人员关联的相似度阈值，以使相似度阈值能够适用于对目标人员的筛选。具体的，根据至少一个目标相似度，确定目标人员关联的相似度阈值，可以是取至少一个目标相似度的平均值作为相似度阈值。也可以为取至少一个目标相似度的其他组合值，作为相似度阈值。也可以为，预先根据目标人员的识别准确率确定合适的相似度阈值，进而根据确定的相似度阈值以及目标相似度之间的关系，拟合得到相似度阈值的计算公式。上述方案的有益效果在于，针对不同的目标人员，确定与其关联的相似度阈值，用于对该目标人员的识别，从而满足不同目标人员相似度不同的要求，对于不同的目标人员都能够根据关联的相似度阈值，精确地从被监控人员中筛选得到目标人员。

在本申请实施例中，根据所述至少一个目标相似度，确定所述目标人员关联的相似度阈值，包括：根据所述目标相似度，以及如下公式确定所述目标人员关联的相似度阈值：

K＝P1-[P1-(P2+P3+……+Pn)/n]*V；

其中，K为相似度阈值，P1为最大目标相似度，P2-Pn为小于所述最大目标相似度的目标相似度，n为目标相似度的数量，V为最佳偏移系数。

其中，V可以根据实际情况确定，例如根据实际检测过程中，根据目标人员的识别率和准确率确定相似度阈值，并拟合达到相似度阈值与目标相似度之间的关系，计算得到最佳偏移系数V，形成上述公式，再根据上述公式以及其他目标相似度，确定目标人员关联的相似度阈值，如表3所示。

表3

姓名	识别阈值
		小明	K1
小兰	K2
		小龙	K3
小杰	K4
		……	……

本申请实施例中，通过确定信息库中至少一个候选人员的标准图像与目标人员的标准图像之间的至少一个候选相似度；从所述至少一个候选相似度中选取至少一个目标相似度；根据所述至少一个目标相似度，确定所述目标人员关联的相似度阈值，从而针对不同的目标人员，能够适应性、针对性地设置相似度阈值，解决了目前设置固定单一相似度阈值导致目标人员识别不精确的问题，提高了相似度的准确性和可参考性，进而提高了目标人员识别的识别率和准确性。

图2为本发明另一实施例提供的阈值确定方法的流程图。本申请实施例为对上述实施例基础上对上述实施例进行优化，未在本实施例中详细描述的细节详见上述实施例。参见图2，本实施例提供的阈值确定方法可以包括：

S210、确定信息库中至少一个候选人员的标准图像与目标人员的标准图像之间的至少一个候选相似度。

S220、确定至少一个候选相似度中的最大候选相似度。

示例性的，候选相似度中，相似度较大的候选相似度对于相似度阈值的确定具有比较大的参考性，而对于相似度较小的候选相似度，可以不作为参考数据。因此，在本申请实施例中，选取候选相似度中的最大候选相似度，以作为确定相似度阈值的参考数据，更精确地确定相似度阈值。

S230、确定至少一个候选相似度中，与所述最大候选相似度的差值小于预设相似度差值的最佳相似度的数量是否大于或等于预设数量，若是，则执行S240；若否，则执行S250。

具体的，根据候选相似度与最大候选相似度的差值，选取目标相似度。预先根据实际情况设置预设相似度差值，从与最大候选相似度的差值在预设相似度差值以内的候选相似度中，选取目标相似度。具体选取的目标相似度的数量可以根据与最大候选相似度的差值在预设相似度差值以内的候选相似度的数量确定。

S240、选取预设数量个最佳相似度作为目标相似度。

其中，预设数量可以根据实际情况设定。示例性的，如果预设数量为5，预设相似度差值设置为5％，最大候选相似度为95％，与最大候选相似度的差值小于5％的最佳相似度包括P1＝95％，P2＝94％，P3＝93％，P4＝92.5％，P5＝92％，P6＝91％。与最大候选相似度的差值小于5％的最佳相似度数量为6个，大于5个，因此，选取5个与最大候选相似度的差值小于5％的最佳相似度，作为目标相似度。上述方案的有益效果在于，选取与目标人员相似度较高且相似度接近的作为目标相似度，从而使根据目标相似度确定的相似度阈值更具参考性，更能够有效分隔目标人员与其他人员。

在本申请实施例中，选取预设数量个最佳相似度作为目标相似度，包括：将所述最佳相似度按照降序排序；将排序在前的预设数量个最佳相似度，确定为目标相似度。

示例性的，在上述举例中，相似度排序为P1>P2>P3>P4>P5>P6，因此选取排位在前的5个最佳相似度，即选取P1、P2、P3、P4和P5作为目标相似度。通过选取相似度较大的最佳相似度作为目标相似度，从而使根据目标相似度确定的相似度阈值更具参考性。

S250、将所有所述最佳相似度作为目标相似度。

示例性的，在上述举例中，如果与最大候选相似度的差值小于5％的候选相似度包括P1＝95％，P2＝94％，P3＝93％，P4＝92.5％，小于预设数量5，则将所有的最佳相似度，即P1、P2、P3和P4，作为目标相似度。

S260、根据所述至少一个目标相似度，确定所述目标人员关联的相似度阈值。

在S240或S250执行完之后，执行本步骤。

本申请实施例的技术方案，通过选取与目标人员相似度较高且相似度接近的作为目标相似度，从而使根据目标相似度确定的相似度阈值更具参考性，更能够有效分隔目标人员与其他人员。

图3为本发明一种实施例提供的目标人员识别方法的流程图。本实施例提供的目标人员识别方法可适用于确定从监控场景中识别目标人员的情况。典型的，本方法可以适用于针对不同的目标人员，适应性确定各目标人员关联的相似度阈值，以根据相似度阈值从被监控人员中筛选目标人员的情况。该方法具体可以由目标人员识别装置执行，该装置可以由软件和/或硬件的方式实现，该装置可以集成在相似度目标人员识别设备中。参见图3，本申请实施例的方法具体包括：

S310、确定所述被监控人员的监控图像与所述目标人员的标准图像的实时相似度。

示例性的，在实际的监控场景中，获取监控画面中被监控人员的监控图像，确定监控图像与目标人员的标准图像的实时相似度，从而根据实时相似度确定该被监控人员是否为目标人员。

S320、若所述实时相似度大于所述相似度阈值，则确定所述被监控人员为目标人员。

其中，所述相似度阈值为根据上述任一实施例提供的阈值确定方法确定的。

如果实时相似度大于或等于相似度阈值，则说明该被监控人员即为目标人员。如果实时相似度小于相似度阈值，则确定该被监控人员并不是目标人员。

本申请实施例中，针对不同的目标人员，能够适应性、针对性地设置相似度阈值，解决了目前设置固定单一相似度阈值导致目标人员识别不精确的问题，提高了相似度的准确性和可参考性，进而提高了目标人员识别的识别率和准确性。

在本申请实施例中，所述相似度阈值为面部相似度阈值；相应地，根据所述至少一个目标相似度，确定所述目标人员关联的相似度阈值之后，所述方法还包括：根据被监控人员的监控图像，与所述目标人员的标准图像，确定所述监控人员与所述目标人员的面部相似度；若存在至少两个被监控人员与所述目标人员的面部相似度大于所述面部相似度阈值，则根据所述被监控人员与所述目标人员的体部相似度，从至少两个被监控人员中确定目标人员。

具体的，在本申请实施例中，相似度阈值可以为面部相似度，相应的，候选相似度可以为候选面部相似度，目标相似度可以为目标面部相似度，最佳相似度可以为最佳面部相似度。在实际的监控场景中，获取监控画面中被监控人员的监控图像，确定监控图像与目标人员的标准图像的面部相似度，从而根据面部相似度确定该被监控人员是否为目标人员。如果面部相似度大于或等于面部相似度阈值，则说明该被监控人员即为目标人员。如果面部相似度小于面部相似度阈值，则确定该被监控人员并不是目标人员。示例性的，如果存在至少两个被监控人员与目标人员的相似度较大，无法准确确定哪一个是目标人员，则可以根据被监控人员与目标人员的体部相似度进一步筛选确定目标人员。例如被监控人员B和被监控人员C，与目标人员A的面部相似度都大于面部相似度阈值，则确定被监控人员B和被监控人员C，与目标人员A的体部相似度。例如，如果被监控人员B与目标人员A的体部相似度为89％，被监控人员C与目标人员A的体部相似度为82％，若预设体部相似度阈值为85％，由于被监控人员B与目标人员A的体部相似度大于预设体部相似度阈值，则可以确定被监控人员B为目标人员。如果被监控人员B与目标人员A的体部相似度为89％，被监控人员C与目标人员A的体部相似度为86％，均大于预设的体部相似度阈值，例如85％，由于被监控人员B与目标人员A的体部相似度较大，则可以确定被监控人员B为目标人员。

在本申请实施例中，根据所述被监控人员与所述目标人员的体部相似度，从至少两个被监控人员中确定目标人员之前，所述方法还包括：获取所述目标人员的身体特征数据；根据所述被监控人员的监控图像，确定所述被监控人员的身体特征数据；根据所述目标人员的身体特征数据，以及被监控人员的身体特征数据，确定所述被监控人员与所述目标人员的体部相似度。

示例性的，如表4所示，对于监控画面中出现的被监控人员，逐一计算与目标人员的面部相似度和体部相似度。相似度计算可以由相似度计算算法完成，在此不作具体介绍。

表4

姓名

性别

身高

身形

肤色

被监控人员

面部相似度

体部相似度

小明

男

B

M

黄色

小明(本人)

95％

95％

小明

男

B

M

黄色

小文

84％

86％

小明

男

B

M

黄色

小程

82％

75％

小明

……

……

……

……

……

……

……

在本申请实施例中，若存在与目标人员比较相似，但是面部相似度小于面部相似度阈值的被监控人员，则根据所述被监控人员与所述目标人员的体部相似度，从至少两个被监控人员中确定目标人员。例如，被监控人员B和被监控人员C，与目标人员A的面部相似度分别为89％，85％，均小于面部相似度阈值90％，则根据体部相似度进一步确定目标人员。如果被监控人员B与目标人员A的体部相似度为89％，被监控人员C与目标人员A的体部相似度为82％，若预设体部相似度阈值为85％，由于被监控人员B与目标人员A的体部相似度大于预设体部相似度阈值，则可以确定被监控人员B为目标人员。如果被监控人员B与目标人员A的体部相似度为89％，被监控人员C与目标人员A的体部相似度为86％，均大于预设的体部相似度阈值，例如85％，由于被监控人员B与目标人员A的体部相似度较大，则可以确定被监控人员B为目标人员。若不存在与目标人员相似的被监控人员，监控画面中被监控人员与目标人员的面部相似度均在50％以下，则继续抓拍得到更多的监控图像进行筛选识别确定目标人员。

上述方案的有益效果在于，通过存在至少两个被监控人员与目标人员的面部相似度大于面部相似度阈值时，则根据被监控人员与目标人员的体部相似度，从至少两个被监控人员中确定目标人员，从而更全面地根据体部相似度进行筛选确定目标人员，以提高目标人员的识别率和识别准确性。

图4为本发明一种实施例提供的阈值确定装置的结构示意图。该装置可适用于确定相似度阈值以根据相似度确定目标人员的情况。典型的，本方法可以适用于针对不同的目标人员，适应性确定各目标人员关联的相似度阈值，以根据相似度阈值从被监控人员中筛选目标人员的情况。该装置可以由软件和/或硬件的方式实现，该装置可以集成在阈值确定设备中。参见图4，该装置具体包括：

候选相似度确定模块410，用于确定信息库中至少一个候选人员的标准图像与目标人员的标准图像之间的至少一个候选相似度；

目标相似度选取模块420，用于从所述至少一个候选相似度中选取至少一个目标相似度；

相似度阈值确定模块430，用于根据所述至少一个目标相似度，确定所述目标人员关联的相似度阈值。

在本申请实施例中，目标相似度选取模块420，包括：

最大候选相似度确定单元，用于确定至少一个候选相似度中的最大候选相似度；

第一最佳相似度选取单元，用于若至少一个候选相似度中，与所述最大候选相似度的差值小于预设相似度差值的最佳相似度的数量大于或等于预设数量，则选取预设数量个最佳相似度作为目标相似度；

第二最佳相似度选取单元，用于若至少一个候选相似度中，与所述最大候选相似度的差值小于预设相似度差值的最佳相似度的数量小于预设数量，则将所有所述最佳相似度作为目标相似度。

在本申请实施例中，所述第一最佳相似度选取单元，包括：

排序子单元，用于将所述最佳相似度按照降序排序；

排序选取子单元，用于将排序在前的预设数量个最佳相似度，确定为目标相似度。

在本申请实施例中，所述相似度阈值确定模块430，具体用于：

根据所述目标相似度，以及如下公式确定所述目标人员关联的相似度阈值：

K＝P1-[P1-(P2+P3+……+Pn)/n]*V；

其中，K为相似度阈值，P1为最大目标相似度，P2-Pn为小于所述最大目标相似度的目标相似度，n为目标相似度的数量，V为最佳偏移系数。

本申请实施例所提供的阈值确定装置可执行本申请任意实施例所提供的阈值确定方法，具备执行方法相应的功能模块和有益效果。

图5为本发明一种实施例提供的目标人员识别装置的结构示意图。该装置可适用于确定从监控场景中识别目标人员的情况。典型的，本方法可以适用于针对不同的目标人员，适应性确定各目标人员关联的相似度阈值，以根据相似度阈值从被监控人员中筛选目标人员的情况。该装置可以由软件和/或硬件的方式实现，该装置可以集成在相似度目标人员识别设备中。参见图5，该装置具体包括：

实时相似度确定模块510，用于确定所述被监控人员的监控图像与所述目标人员的标准图像的实时相似度；

目标人员确定模块520，用于若所述实时相似度大于所述相似度阈值，则确定所述被监控人员为目标人员；

其中，所述相似度阈值为根据上述任一实施例中所述的阈值确定方法确定的。

在本申请实施例中，所述相似度阈值为面部相似度阈值；

相应地，所述装置还包括：

面部相似度确定模块，用于根据被监控人员的监控图像，与所述目标人员的标准图像，确定所述监控人员与所述目标人员的面部相似度；

面部相似度比较模块，用于若存在至少两个被监控人员与所述目标人员的面部相似度大于所述面部相似度阈值，则根据所述被监控人员与所述目标人员的体部相似度，从至少两个被监控人员中确定目标人员。

在本申请实施例中，所述装置还包括：

第一特征数据获取模块，用于获取所述目标人员的身体特征数据；

第二特征数据获取模块，用于根据所述被监控人员的监控图像，确定所述被监控人员的身体特征数据；

体部相似度确定模块，用于根据所述目标人员的身体特征数据，以及被监控人员的身体特征数据，确定所述被监控人员与所述目标人员的体部相似度。

本申请实施例所提供的目标人员识别装置可执行本申请任意实施例所提供的目标人员识别方法，具备执行方法相应的功能模块和有益效果。

图6为本发明一种实施例提供的阈值确定设备的结构示意图。图6示出了适于用来实现本申请实施例的示例性阈值确定设备612的框图。图6显示的阈值确定设备612仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图6所示，阈值确定设备612可以包括：一个或多个处理器616；存储器628，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器616执行，使得所述一个或多个处理器616实现本申请实施例所提供的阈值确定方法，包括：

确定信息库中至少一个候选人员的标准图像与目标人员的标准图像之间的至少一个候选相似度；

从所述至少一个候选相似度中选取至少一个目标相似度；

根据所述至少一个目标相似度，确定所述目标人员关联的相似度阈值。

阈值确定设备612的组件可以包括但不限于：一个或者多个处理器或者处理器616，存储器628，连接不同设备组件(包括存储器628和处理器616)的总线618。

总线618表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。

阈值确定设备612典型地包括多种计算机设备可读存储介质。这些存储介质可以是任何能够被阈值确定设备612访问的可用存储介质，包括易失性和非易失性存储介质，可移动的和不可移动的存储介质。

存储器628可以包括易失性存储器形式的计算机设备可读存储介质，例如随机存取存储器(RAM)630和/或高速缓存存储器632。阈值确定设备612可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机设备存储介质。仅作为举例，存储系统634可以用于读写不可移动的、非易失性磁存储介质(图6未显示，通常称为“硬盘驱动器”)。尽管图6中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光存储介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据存储介质接口与总线618相连。存储器628可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块642的程序/实用工具640，可以存储在例如存储器628中，这样的程序模块642包括但不限于操作设备、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块642通常执行本发明所描述的实施例中的功能和/或方法。

阈值确定设备612也可以与一个或多个外部设备614(例如键盘、指向设备、显示器624等)通信，还可与一个或者多个使得用户能与该阈值确定设备612交互的设备通信，和/或与使得该阈值确定设备612能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口622进行。并且，阈值确定设备612还可以通过网络适配器620与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图6所示，网络适配器620通过总线618与阈值确定设备612的其它模块通信。应当明白，尽管图6中未示出，可以结合阈值确定设备612使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID设备、磁带驱动器以及数据备份存储设备等。

处理器616通过运行存储在存储器628中的多个程序中其他程序的至少一个，从而执行各种功能应用以及数据处理，例如实现本申请实施例所提供的一种阈值确定方法。

本申请实施例还提供了一种目标人员识别设备的结构示意图，其结构和功能与上述实施例中的阈值确定设备相同，详见图6，可以包括：一个或多个处理器616；存储器628，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器616执行，使得所述一个或多个处理器616实现本申请实施例所提供的目标人员识别方法，包括：

确定所述被监控人员的监控图像与所述目标人员的标准图像的实时相似度；

若所述实时相似度大于所述相似度阈值，则确定所述被监控人员为目标人员；

其中，所述相似度阈值为根据上述任一项实施例中所述的阈值确定方法确定的。

处理器616通过运行存储在存储器628中的多个程序中其他程序的至少一个，从而执行各种功能应用以及数据处理，例如实现本申请实施例所提供的一种目标人员识别方法。

本发明一种实施例提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行阈值确定方法，包括：

确定信息库中至少一个候选人员的标准图像与目标人员的标准图像之间的至少一个候选相似度；

从所述至少一个候选相似度中选取至少一个目标相似度；

根据所述至少一个目标相似度，确定所述目标人员关联的相似度阈值。

或者执行目标人员识别方法，包括：

确定所述被监控人员的监控图像与所述目标人员的标准图像的实时相似度；

若所述实时相似度大于所述相似度阈值，则确定所述被监控人员为目标人员；

其中，所述相似度阈值为根据上述任一项实施例中所述的阈值确定方法确定的。

本申请实施例的计算机存储介质，可以采用一个或多个计算机可读的存储介质的任意组合。计算机可读存储介质可以是计算机可读信号存储介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的设备、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请实施例中，计算机可读存储介质可以是任何包含或存储程序的有形存储介质，该程序可以被指令执行设备、装置或者器件使用或者与其结合使用。

计算机可读的信号存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号存储介质还可以是计算机可读存储介质以外的任何计算机可读存储介质，该计算机可读存储介质可以发送、传播或者传输用于由指令执行设备、装置或者器件使用或者与其结合使用的程序。

计算机可读存储介质上包含的程序代码可以用任何适当的存储介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或设备上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (11)

1.一种阈值确定方法，其特征在于，所述方法包括：

确定信息库中至少一个候选人员的标准图像与目标人员的标准图像之间的至少一个候选相似度；

从所述至少一个候选相似度中选取至少一个目标相似度；

根据所述至少一个目标相似度，确定所述目标人员关联的相似度阈值。

2.根据权利要求1所述的方法，其特征在于，从所述至少一个候选相似度中选取至少一个目标相似度，包括：

确定至少一个候选相似度中的最大候选相似度；

若至少一个候选相似度中，与所述最大候选相似度的差值小于预设相似度差值的最佳相似度的数量大于或等于预设数量，则选取预设数量个最佳相似度作为目标相似度；

若至少一个候选相似度中，与所述最大候选相似度的差值小于预设相似度差值的最佳相似度的数量小于预设数量，则将所有所述最佳相似度作为目标相似度。

3.根据权利要求2所述的方法，其特征在于，选取预设数量个最佳相似度作为目标相似度，包括：

将所述最佳相似度按照降序排序；

将排序在前的预设数量个最佳相似度，确定为目标相似度。

4.根据权利要求1所述的方法，其特征在于，根据所述至少一个目标相似度，确定所述目标人员关联的相似度阈值，包括：

根据所述目标相似度，以及如下公式确定所述目标人员关联的相似度阈值：

K＝P1-[P1-(P2+P3+……+Pn)/n]*V；

其中，K为相似度阈值，P1为最大目标相似度，P2-Pn为小于所述最大目标相似度的目标相似度，n为目标相似度的数量，V为最佳偏移系数。

5.一种目标人员识别方法，其特征在于，所述方法包括：

确定所述被监控人员的监控图像与所述目标人员的标准图像的实时相似度；

若所述实时相似度大于所述相似度阈值，则确定所述被监控人员为目标人员；

其中，所述相似度阈值为根据权利要求1-4中任一项所述的阈值确定方法确定的。

6.根据权利要求5所述的方法，其特征在于，所述相似度阈值为面部相似度阈值；

相应地，根据所述至少一个目标相似度，确定所述目标人员关联的相似度阈值之后，所述方法还包括：

根据被监控人员的监控图像，与所述目标人员的标准图像，确定所述监控人员与所述目标人员的面部相似度；

若存在至少两个被监控人员与所述目标人员的面部相似度大于所述面部相似度阈值，则根据所述被监控人员与所述目标人员的体部相似度，从至少两个被监控人员中确定目标人员。

7.根据权利要求6所述的方法，其特征在于，根据所述被监控人员与所述目标人员的体部相似度，从至少两个被监控人员中确定目标人员之前，所述方法还包括：

获取所述目标人员的身体特征数据；

根据所述被监控人员的监控图像，确定所述被监控人员的身体特征数据；

根据所述目标人员的身体特征数据，以及被监控人员的身体特征数据，确定所述被监控人员与所述目标人员的体部相似度。

8.一种阈值确定装置，其特征在于，所述装置包括：

候选相似度确定模块，用于确定信息库中至少一个候选人员的标准图像与目标人员的标准图像之间的至少一个候选相似度；

目标相似度选取模块，用于从所述至少一个候选相似度中选取至少一个目标相似度；

相似度阈值确定模块，用于根据所述至少一个目标相似度，确定所述目标人员关联的相似度阈值。

9.一种目标人员识别装置，其特征在于，所述装置包括：

实时相似度确定模块，用于确定所述被监控人员的监控图像与所述目标人员的标准图像的实时相似度；

目标人员确定模块，用于若所述实时相似度大于所述相似度阈值，则确定所述被监控人员为目标人员；

其中，所述相似度阈值为根据权利要求1-4中任一项所述的阈值确定方法确定的。

10.一种电子设备，其特征在于，所述电子设备包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-4中任一项所述的阈值确定方法，或者实现如权利要求5-7中任一项所述的目标人员识别方法。

11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-4中任一项所述的阈值确定方法，或者实现如权利要求5-7中任一项所述的目标人员识别方法。

Images