CN115083004B - 一种身份识别方法、装置和计算机可读存储介质 - Google Patents
一种身份识别方法、装置和计算机可读存储介质 Download PDFInfo
- Publication number
- CN115083004B CN115083004B CN202211014418.9A CN202211014418A CN115083004B CN 115083004 B CN115083004 B CN 115083004B CN 202211014418 A CN202211014418 A CN 202211014418A CN 115083004 B CN115083004 B CN 115083004B
- Authority
- CN
- China
- Prior art keywords
- identity
- information
- target object
- preset
- 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
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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- 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
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- Collating Specific Patterns (AREA)
Abstract
本申请公开了一种身份识别方法、装置和计算机可读存储介质,该身份识别方法包括:获取待处理视频,待处理视频包括多帧原始图像;从原始图像中筛选出待处理图像;从待处理图像中检测出目标对象的多种维度的对象特征;对象特征包括目标对象的人脸特征信息与多种维度的非人脸特征信息;检测目标对象的人脸特征信息是否与已创建的人脸特征库成功匹配;若否,则基于至少一种维度的非人脸特征信息,确定目标对象的身份是否为预设身份;响应于目标对象的身份为预设身份,将目标对象的人脸特征信息更新至人脸特征库。通过上述方式,本申请能够保证身份识别精度,降低身份识别的成本。
Description
技术领域
本申请涉及图像处理技术领域,具体涉及一种身份识别方法、装置和计算机可读存储介质。
背景技术
目前,制造、零售、养殖、地产或卫生等应用领域存在极大的人员身份识别需求,身份识别可应用于:判别工作人员穿戴是否合规、零售或地产等行业的精准客流统计中的人员去重统计、地铁或交通业务中统计特定区域内工作人员的数量以及人员资源调度等方面;当前的身份识别大多是通过对每个人员进行采样得到的采样信息来建立人员特征库,然后通过待识别人员的特征与该人员特征库进行特征比对,来完成身份识别,但是这种方法采样成本高。
发明内容
本申请提供一种身份识别方法、装置和计算机可读存储介质,能够保证身份识别精度,降低身份识别的成本。
为解决上述技术问题,本申请采用的技术方案是:提供一种身份识别方法,该身份识别方法包括:获取待处理视频,待处理视频包括多帧原始图像;从原始图像中筛选出待处理图像;从待处理图像中检测出目标对象的多种维度的对象特征;对象特征包括目标对象的人脸特征信息与多种维度的非人脸特征信息;检测目标对象的人脸特征信息是否与已创建的人脸特征库成功匹配;若否,则基于至少一种维度的非人脸特征信息,确定目标对象的身份是否为预设身份;响应于目标对象的身份为预设身份,将目标对象的人脸特征信息更新至人脸特征库。
为解决上述技术问题,本申请采用的另一技术方案是:提供一种身份识别装置,身份识别装置包括互相连接的存储器和处理器,其中,存储器用于存储计算机程序,计算机程序在被处理器执行时,用于实现上述技术方案中的身份识别方法。
为解决上述技术问题,本申请采用的又一技术方案是:提供一种计算机可读存储介质,其用于存储计算机程序,计算机程序在被处理器执行时,用于实现上述技术方案中的身份识别方法。
通过上述方案,本申请的有益效果是:通过对待处理视频进行处理,得到质量较高的待处理图像,以便从待处理图像中检测出目标对象的较准确的对象特征,从而提升后续身份识别的精度;而且能够在目标对象的人脸特征信息与已创建的人脸特征库未成功匹配时,基于至少一种维度的非人脸特征信息,确定目标对象的身份是否为预设身份,进一步提升身份识别的精度;此外,还能够基于识别结果将目标对象的人脸特征信息更新至人脸特征库,将新出现目标对象的特征更新至人脸特征库中,能够避免临时身份人员无法识别的问题,同时无需耗费大量的人力物力来创建人脸特征库,大大节省成本。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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。其中:
图1是本申请提供的身份识别方法一实施例的流程示意图;
图2是本申请提供的身份识别方法另一实施例的流程示意图;
图3是本申请提供的第一识别策略的流程示意图;
图4是本申请提供的身份识别装置一实施例的结构示意图;
图5是本申请提供的计算机可读存储介质一实施例的结构示意图。
具体实施方式
下面结合附图和实施例,对本申请作进一步的详细描述。特别指出的是,以下实施例仅用于说明本申请,但不对本申请的范围进行限定。同样的,以下实施例仅为本申请的部分实施例而非全部实施例,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它实施例,都属于本申请保护的范围。
在本申请中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
需要说明的是,本申请中的术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”、“第三”的特征可以明示或者隐含地包括至少一个该特征。本申请的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
请参阅图1,图1是本申请提供的身份识别方法一实施例的流程示意图,该方法包括:
步骤11:获取待处理视频。
待处理视频可为采集装置采集得到的包含目标对象的视频数据,待处理视频可包括多帧原始图像;具体地,采集装置可为监控摄像头,在此不作限定,可在监控摄像头采集到的监控图像画面中预先设置目标区域,然后对出现在目标区域中的目标对象进行识别,从而得到目标对象的生命周期对应的多帧原始图像,目标对象的生命周期包括目标对象第一次出现在目标区域至目标对象从目标区域消失。
步骤12:从原始图像中筛选出待处理图像。
待处理图像可为多帧原始图像中目标对象的质量最好的图像,可对待处理视频进行质量筛选,得到待处理图像,从而提升后续身份识别的精确度。
步骤13:从待处理图像中检测出目标对象的多种维度的对象特征。
可从待处理图像中检测出待处理图像中的目标对象的多种维度的对象特征;具体地,对象特征包括目标对象的人脸特征信息与多种维度的非人脸特征信息,多种维度的非人脸特征信息可包括目标对象的人体特征信息、身份标识信息或人员轨迹信息等,可利用目标检测技术领域中的检测算法以及跟踪算法对待处理图像中的目标对象进行检测,得到目标对象的对象特征,在此不对检测算法以及跟踪算法进行限定。
步骤14:检测目标对象的人脸特征信息是否与已创建的人脸特征库成功匹配。
将目标对象的人脸特征信息与已创建的人脸特征库进行匹配,匹配成功,则确定目标对象的身份为预设身份;具体地,创建的人脸特征库在初始状态(即第一次执行身份识别任务)下为空。
步骤15:若目标对象的人脸特征信息与已创建的人脸特征库未成功匹配,则基于至少一种维度的非人脸特征信息,确定目标对象的身份是否为预设身份。
若目标对象的人脸特征信息与已创建的人脸特征库未成功匹配,说明人脸特征库为空或者人脸特征库未存储与目标对象对应的人脸特征信息,则此时可基于至少一种维度的非人脸特征信息,确定目标对象的身份是否为预设身份。
具体地,目标对象为人,预设身份可根据实际应用需求进行设置,其可为清洁工、银行工作人员、交警或加油站工作人员等,在此不作限定,例如:预设身份可设置为清洁工,则可基于目标对象的人脸特征信息或非人脸特征信息判断目标对象是否为清洁工,从而得到相应的身份识别结果。
步骤16:响应于目标对象的身份为预设身份,将目标对象的人脸特征信息更新至人脸特征库。
在识别出目标对象的身份为预设身份时,可将目标对象的人脸特征信息更新至人脸特征库,以实时更新人脸特征库,及时将新出现目标对象的特征更新至人脸特征库中,避免临时身份人员无法识别的问题,保证身份识别的精度,且无需耗费大量的人力物力来创建人脸特征库,大大节省成本。
本实施例通过对待处理视频进行处理,得到质量较高的待处理图像,以便从待处理图像中检测出目标对象的较准确的对象特征,从而提升后续身份识别的精度;而且能够在目标对象的人脸特征信息与已创建的人脸特征库未成功匹配时,基于至少一种维度的非人脸特征信息,确定目标对象的身份是否为预设身份,进一步提升身份识别的精度;此外,还能够基于识别结果将目标对象的人脸特征信息更新至人脸特征库,将新出现目标对象的特征更新至人脸特征库中,能够避免临时身份人员无法识别的问题,同时无需耗费大量的人力物力来创建人脸特征库,大大节省成本。
请参阅图2,图2是本申请提供的身份识别方法另一实施例的流程示意图,该方法包括:
步骤21:获取待处理视频。
步骤21与上述步骤11相同,在此不再赘述。
步骤22:从原始图像中筛选出待处理图像。
待处理视频可包括多帧原始图像,对待处理视频进行处理,能够从多帧原始图像中筛选出质量最好的图像,得到待处理图像;具体地,可先对每帧原始图像进行目标检测,从每帧原始图像中识别出所有目标对象的目标识别信息,目标识别信息可包括人脸识别信息以及人体识别信息;然后分别对每帧原始图像中目标对象的人脸识别信息以及人体识别信息进行质量评分,得到人脸质量评分以及人体质量评分;再基于人脸质量评分和人体质量评分,对原始图像进行筛选,从而得到待处理图像。
具体地,人脸识别信息可包括人脸的坐标信息,人体识别信息可包括人体的坐标信息以及各个身体部件/关节所在的坐标信息以及类型信息,类型信息可包括:头部、肩部或肘部等,可采用目标检测技术领域中的目标检测算法对原始图像进行目标定位检测,从而得到目标识别信息,在此不对目标检测算法进行限定。
可对每帧原始图像中每个目标对象的人脸识别信息以及人体识别信息进行质量评分,从目标对象的人脸角度、人脸完整度、人体正侧背朝向或人体完整度等方面对人脸质量以及人体质量进行评估,以基于人脸质量评分以及人体质量评分对不利于特征识别的目标对象所在的原始图像进行过滤,避免后续身份识别过程中由于人脸/人体遮挡影响身份识别的准确率。
在一具体的实施例中,基于人脸质量评分和人体质量评分,对原始图像进行筛选,得到待处理图像的方案可为:将人脸质量评分最高的原始图像确定为待处理图像;将人体质量评分最高的原始图像确定为待处理图像。可以理解地,待处理图像的数量可为一个或两个,在人脸质量评分最高的原始图像与人体质量评分最高的原始图像相同时,可将该原始图像确定为待处理图像;在人脸质量评分最高的原始图像与人体质量评分最高的原始图像不同时,可将人脸质量评分最高的原始图像确定为一个待处理图像,将人体质量评分最高的原始图像确定为另一个待处理图像,然后分别利用两个待处理图像对应的人体特征信息以及人脸特征信息对目标对象进行身份识别,以提高后续对目标对象身份识别的精度。
进一步地,在基于目标识别信息对包含目标对象的原始图像进行筛选之前,还可基于目标识别信息对前后帧原始图像中相同的目标对象进行关联,对每帧原始图像中的同一目标对应的人体与人脸进行关联,并对每个目标对象设置唯一身份标识,从而可利用唯一身份标识识别出多帧原始图像中的同一目标对象,从而得到该目标对象对应的多帧原始图像,进而对该目标对象对应的多帧原始图像进行质量筛选。
步骤23:从待处理图像中检测出目标对象的多种维度的对象特征。
对象特征可包括目标对象的人脸特征信息与多种维度的非人脸特征信息,多种维度的非人脸特征信息包括人体特征信息和/或人员轨迹信息;人体特征信息可包括服装特征,人员轨迹信息包括每日的子轨迹信息,子轨迹信息包括目标对象在目标区域的首次出现时间信息、频率信息以及停留时间信息;子轨迹信息的数量可为一个、两个或两个以上,目标轨迹信息可包含在采集周期内的目标对象的每天的子轨迹信息,子轨迹信息的具体数量与采集周期有关,例如:采集周期为七天,可以天为单位对目标对象进行跟踪,从而得到该目标对象对应的七个子轨迹信息。
可以理解地,目标区域可由人工进行设置,其可为预设身份下的目标对象的工作区域,例如:预设身份为银行工作人员,则此时可将银行工作人员的工作区域划定为目标区域,从而在后续可利用目标对象在目标区域的首次出现时间信息、频率信息以及停留时间信息来对目标对象的身份进行识别,判断其是否为银行工作人员。
进一步地,在筛选出待处理图像时,可分别对人脸质量评分最高的待处理图像中的目标对象进行人脸特征提取,得到人脸特征信息,对人体质量评分最高的待处理图像中的目标对象进行人体特征提取,得到人体特征信息;其中,可利用目标检测技术领域中的特征提取算法进行特征提取,利用目标检测技术领域中的目标跟踪算法得到目标轨迹信息,在此不作详述。
步骤24:检测目标对象的人脸特征信息是否与已创建的人脸特征库成功匹配。
可将人脸特征信息与人脸特征库中存储的人脸特征进行特征比对,得到相似度;判断相似度是否大于预设相似阈值;若相似度大于预设相似阈值,则确定目标对象的身份为预设身份;其中,预设相似阈值可根据实际情况进行设置,在此不作限定。
在一具体的实施方式中,可在利用人脸特征信息进行身份识别之前,先判断目标对象的人脸特征信息的质量是否合格,以避免由于人脸遮挡等问题造成的识别精度低的问题;具体地,可先获取目标对象的人脸质量评分,此处获取的人脸质量评分可为上述步骤22存储的人脸质量评分;然后判断人脸质量评分是否大于评分阈值,若人脸质量评分大于评分阈值,则执行步骤24;其中,评分阈值可根据实际情况进行设置,在此不作限定。
在人脸质量评分小于或等于评分阈值时,说明由上述步骤22筛选出的人脸质量评分最高的原始图像仍存在人脸遮挡等影响识别精度的问题,此时采用人脸特征信息进行身份识别会带来识别精度低的问题,则此时也可基于至少一种维度的非人脸特征信息,确定目标对象的身份是否为预设身份,即执行步骤25的操作,从而保证身份识别的精确度。
步骤25:若目标对象的人脸特征信息与已创建的人脸特征库未成功匹配,则基于第一识别策略和/或第二识别策略,确定目标对象的身份是否为预设身份。
第一识别策略与人员轨迹信息相关,第二识别策略与人体特征信息相关。
步骤26:响应于目标对象的身份为预设身份,将目标对象的人体特征信息更新至人体特征库,将目标对象的人脸特征信息更新至人脸特征库。
在识别出目标对象的身份为预设身份时,可将目标对象的人体特征信息更新至人体特征库,将目标对象的人脸特征信息更新至人脸特征库;其中,在初始状态时人脸特征库为空,在初始状态时人体特征库仅包括通用特征,通用特征为预设身份的目标对象共有的特征;例如:若要判断目标对象是否为加油站工作人员,在创建人体特征库时,仅需采用现有的具有加油站工作人员的代表性的通用特征创建人体特征库即可,无需一一对该加油站工作人员进行人体图像采集,从而大大减少创建人体特征库的采集成本;而且,在每次识别出目标对象的身份为预设身份时,通过对人体特征库进行更新,能够不断提高人体特征库的有效性,进而提高身份识别的准确性;同理,无需创建人脸特征库,而是利用每次身份识别得到的人脸特征信息更新人脸特征库,能够大大减少人像采集成本。
在将目标对象的人体特征信息更新至人体特征库,将目标对象的人脸特征信息更新至人脸特征库时,可先判断人体特征库/人脸特征库中是否已存有目标对象的历史特征信息,在目标对象重复时,择优对人体特征库以及人脸特征库进行覆盖更新;具体地,可先判断人体特征库中是否已存有目标对象的历史人体特征信息;若人体特征库中已存有目标对象的历史人体特征信息,则响应于人体特征信息的质量评分大于历史人体特征信息的质量评分,将历史人体特征信息替换为人体特征信息;判断人脸特征库中是否已存有目标对象的历史人脸特征信息;若人脸特征库中已存有目标对象的历史人脸特征信息,则响应于人脸特征信息的质量评分大于历史人脸特征信息的质量评分,将历史人脸特征信息替换为人脸特征信息。
进一步地,第一识别策略与第二识别策略的优先级可不同,从而可按照优先级从第一识别策略与第二识别策略中挑选出当前识别策略,并采用当前识别策略进行身份识别;在一实施方式中,第一识别策略的优先级可小于第二识别策略的优先级,在其他实施方式中,第一识别策略的优先级还可大于第二识别策略的优先级,在此不作限定。下面对第一识别策略以及第二识别策略的具体内容进行介绍。
第一识别策略可为基于首次出现时间信息、频率信息以及停留时间信息,判断目标对象的身份是否为预设身份;具体地,如图3所示,基于首次出现时间信息、频率信息以及停留时间信息,判断目标对象的身份是否为预设身份的方案可包括步骤31~34。
步骤31:检测首次出现时间信息是否落在当前日期所对应的预设出勤时间区间内,得到第一检测结果。
预设出勤时间区间可为预设身份人员的上班时间,当前日期为子轨迹信息对应的日期,预设出勤时间区间可根据实际应用情况进行设置,在此不作限定;本实施例中的身份识别方法可用于对上班时间较为固定的预设身份人员进行身份识别,例如:零售工作人员、地勤工作人员或者银行工作人员等,由于这类身份的人员的出勤时间相对固定,则此时可利用目标对象在目标区域的首次出现时间信息作为区别预设身份的工作人员与其他人员的参考条件。
步骤32:检测频率信息是否大于预设频率值,得到第二检测结果。
频率信息可表示目标对象出入目标区域的频率,由于工作性质,某些身份的工作人员可能存在反复进出工作区域的需求,在工作区域进出或徘徊的频率较高,例如:酒店工作人员可能存在接待或护送等工作需求,其会在工作区域反复出现,则此时可根据频率信息是否大于预设频率值作为判定目标对象身份的参考条件;可以理解地,预设频率值可根据实际应用情况进行设置,在此不作限定。
步骤33:检测停留时间信息是否大于预设滞留时长,得到第三检测结果。
停留时间信息可表示目标对象停留在目标区域的累计时间,由于工作性质,某些身份的工作人员可能存在长时间停留在工作区域的需求,例如:银行工作人员,则此时可根据停留时间信息是否大于预设滞留时长作为判定目标对象身份的参考条件;可以理解地,预设滞留时长可根据实际应用情况进行设置,在此不作限定。
步骤34:基于第一检测结果、第二检测结果以及第三检测结果,判断目标对象的身份是否为预设身份。
在得到第一检测结果、第二检测结果以及第三检测结果之后,可基于第一检测结果、第二检测结果以及第三检测结果,判断目标对象的身份是否为预设身份;具体地,响应于第一检测结果为首次出现时间信息落在当前日期所对应的预设出勤时间区间内、第二检测结果为频率信息大于预设频率值以及第三检测结果为停留时间信息大于预设滞留时长,确定子轨迹信息满足预设条件;响应于子轨迹信息满足预设条件,确定目标对象的身份为预设身份;或者基于子轨迹信息满足预设条件的次数,确定目标对象的身份是否为预设身份。
进一步地,在利用第一识别策略对目标对象的身份进行识别时,可能出现目标对象迟到等特殊情况,从而导致第一检测结果为首次出现时间信息未处于当前日期所对应的预设出勤时间区间内,进而导致对目标对象的身份进行误判;则此时为了避免误判情况发生,可设置较长的采集周期,然后利用在采集周期内得到的多个子轨迹信息满足预设条件的次数,来确定目标对象的身份是否为预设身份,以提升身份识别的精确度。具体地,可对预设周期内采集到的所有子轨迹信息中满足预设条件的子轨迹信息的次数进行统计,得到第一统计次数;然后判断第一统计次数是否大于第一预设阈值;若第一统计次数大于第一预设阈值,则确定目标对象的身份为预设身份,其中,第一预设阈值可根据实际情况进行设置,在此不作限定。
在其他实施方式中,还可对预设周期内采集到的所有子轨迹信息中的首次出现时间信息落在当前日期所对应的预设出勤时间区间内的次数进行统计,得到第二统计次数;对预设周期内采集到的所有子轨迹信息中的频率信息大于预设频率值的次数进行统计,得到第三统计次数;对预设周期内采集到的所有子轨迹信息中的停留时间信息大于预设滞留时长的次数进行统计,得到第四统计次数;响应于第二统计次数大于第二预设阈值、第三统计次数大于第三预设阈值以及第四统计次数大于第四预设阈值,确定目标对象的身份为预设身份。
第二识别策略可包括:将人体特征信息与人体特征库中的特有特征进行匹配,确定目标对象的身份是否为预设身份;响应于人体特征信息与人体特征库中的特有特征未成功匹配,将人体特征信息与人体特征库中的通用特征进行匹配,确定目标对象的身份是否为预设身份;具体地,人体特征库包括通用特征与特有特征,通用特征为预设身份的目标对象共有的特征,特有特征为在目标对象的身份为预设身份时,更新至人体特征库的目标对象的人体特征信息。
在一具体的实施方式中,将人体特征信息与人体特征库中的特有特征进行匹配,确定目标对象的身份是否为预设身份的方案可包括:获取目标对象的人体质量评分;判断人体质量评分是否大于评分阈值,以判断人体特征信息的质量是否合格;若人体质量评分大于评分阈值,则说明人体特征信息的质量合格,将人体特征信息与人体特征库中存储的特有特征进行特征比对,得到相似度;响应于相似度大于预设相似阈值,确定目标对象的身份为预设身份;若人体质量评分小于或等于评分阈值,则说明人体特征信息的质量不合格,则此时可采用第一识别策略进行身份识别,以保证身份识别的精度;其中,评分阈值可根据实际情况进行设置,在此不作限定。可以理解地,人体特征信息与人体特征库中的通用特征进行匹配的过程与上述步骤相同,在此不再赘述。
本实施例无需在初始化构建人体特征库以及人脸特征库时耗费人力物力,能够大大降低采样成本;并且随着身份识别任务的进程,能够将识别出的预设身份下的目标对象的人体特征信息更新至人体特征库,将目标对象的人脸特征信息更新至人脸特征库,从而及时将新出现的目标对象的特征更新至特征库中,避免临时身份人员无法识别的问题,还能够对人体特征库以及人脸特征库中以存在的目标对象进行择优覆盖更新,从而保证人体特征库以及人脸特征库中特征质量的持续提高,实现对人体特征库以及人脸特征库高质量的迭代更新,提高后续身份识别精度;在利用人脸特征信息或人脸特征信息进行身份识别时,能够根据人脸以及人体的清晰度和遮挡程度筛选出高质量的人脸特征以及人体特征,对低质量的人脸特征和人体特征进行过滤,从而提高后续身份识别的准确率,降低误匹配率;此外,还可在利用首次出现时间信息、频率信息以及停留时间信息等行为轨迹特性对目标对象的身份进行识别,能够保证在人体特征库与人脸特征库未被更新的情况下,也能够实现高精度的身份识别。
请参阅图4,图4是本申请提供的身份识别装置一实施例的结构示意图,身份识别装置40包括互相连接的存储器41和处理器42,存储器41用于存储计算机程序,计算机程序在被处理器42执行时,用于实现上述实施例中的身份识别方法。
请参阅图5,图5是本申请提供的计算机可读存储介质一实施例的结构示意图,计算机可读存储介质50用于存储计算机程序51,计算机程序51在被处理器执行时,用于实现上述实施例中的身份识别方法。
计算机可读存储介质50可以是服务端、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。
在本申请所提供的几个实施方式中,应该理解到,所揭露的方法以及设备,可以通过其它的方式实现。例如,以上所描述的设备实施方式仅仅是示意性的,例如,模块或单元的划分,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。
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方式方案的目的。
另外,在本申请各个实施方式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。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
若本申请技术方案涉及个人信息,应用本申请技术方案的产品在处理个人信息前,已明确告知个人信息处理规则,并取得个人自主同意。若本申请技术方案涉及敏感个人信息,应用本申请技术方案的产品在处理敏感个人信息前,已取得个人单独同意,并且同时满足“明示同意”的要求。例如,在摄像头等个人信息采集装置处,设置明确显著的标识告知已进入个人信息采集范围,将会对个人信息进行采集,若个人自愿进入采集范围即视为同意对其个人信息进行采集;或者在个人信息处理的装置上,利用明显的标识/信息告知个人信息处理规则的情况下,通过弹窗信息或请个人自行上传其个人信息等方式获得个人授权;其中,个人信息处理规则可包括个人信息处理者、个人信息处理目的、处理方式以及处理的个人信息种类等信息。
以上仅为本申请的实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种身份识别方法,其特征在于,包括:
获取待处理视频,所述待处理视频包括多帧原始图像;
从所述原始图像中筛选出待处理图像;
从所述待处理图像中检测出目标对象的多种维度的对象特征;所述对象特征包括所述目标对象的人脸特征信息与多种维度的非人脸特征信息;所述多种维度的非人脸特征信息包括人体特征信息和/或人员轨迹信息;
检测所述目标对象的人脸特征信息是否与已创建的人脸特征库成功匹配;
若否,则基于第一识别策略,确定所述目标对象的身份是否为预设身份;或基于所述第一识别策略和第二识别策略,确定所述目标对象的身份是否为所述预设身份;所述第一识别策略与所述人员轨迹信息相关,所述第二识别策略与所述人体特征信息相关;响应于所述目标对象的身份为所述预设身份,将所述目标对象的人脸特征信息更新至所述人脸特征库;
其中,所述人员轨迹信息包括每日的子轨迹信息,所述子轨迹信息包括所述目标对象在目标区域的首次出现时间信息、频率信息以及停留时间信息;所述基于第一识别策略确定所述目标对象的身份是否为预设身份的步骤,包括:
检测所述目标对象的首次出现时间信息是否落在当前日期所对应的预设出勤时间区间内,得到第一检测结果;所述当前日期为所述子轨迹信息对应的日期;
检测所述频率信息是否大于预设频率值,得到第二检测结果;
检测所述停留时间信息是否大于预设滞留时长,得到第三检测结果;
基于所述第一检测结果、所述第二检测结果以及所述第三检测结果,判断所述目标对象的身份是否为所述预设身份。
2.根据权利要求1所述的身份识别方法,其特征在于,所述基于所述第一检测结果、所述第二检测结果以及所述第三检测结果,判断所述目标对象的身份是否为所述预设身份的步骤,包括:
响应于所述第一检测结果为所述首次出现时间信息落在所述当前日期所对应的预设出勤时间区间内、所述第二检测结果为所述频率信息大于所述预设频率值以及所述第三检测结果为所述停留时间信息大于所述预设滞留时长,确定所述子轨迹信息满足预设条件;
响应于所述子轨迹信息满足所述预设条件,确定所述目标对象的身份为所述预设身份;或者
基于所述子轨迹信息满足所述预设条件的次数,确定所述目标对象的身份是否为所述预设身份。
3.根据权利要求2所述的身份识别方法,其特征在于,所述基于所述子轨迹信息满足所述预设条件的次数,确定所述目标对象的身份是否为所述预设身份的步骤,包括:
对预设周期内采集到的所有所述子轨迹信息中满足所述预设条件的子轨迹信息的次数进行统计,得到第一统计次数;
判断所述第一统计次数是否大于第一预设阈值;
若是,则确定所述目标对象的身份为所述预设身份。
4.根据权利要求1所述的身份识别方法,其特征在于,所述基于所述第一检测结果、所述第二检测结果以及所述第三检测结果,判断所述目标对象的身份是否为所述预设身份的步骤,还包括:
对预设周期内采集到的所有所述子轨迹信息中的首次出现时间信息落在所述当前日期所对应的预设出勤时间区间内的次数进行统计,得到第二统计次数;
对所述预设周期内采集到的所有所述子轨迹信息中的频率信息大于所述预设频率值的次数进行统计,得到第三统计次数;
对所述预设周期内采集到的所有所述子轨迹信息中的停留时间信息大于所述预设滞留时长的次数进行统计,得到第四统计次数;
响应于所述第二统计次数大于第二预设阈值、所述第三统计次数大于第三预设阈值以及所述第四统计次数大于第四预设阈值,确定所述目标对象的身份为所述预设身份。
5.根据权利要求1所述的身份识别方法,其特征在于,所述第二识别策略包括:
将所述人体特征信息与人体特征库中的特有特征进行匹配,确定所述目标对象的身份是否为所述预设身份;
响应于所述人体特征信息与所述人体特征库中的特有特征未成功匹配,将所述人体特征信息与所述人体特征库中的通用特征进行匹配,确定所述目标对象的身份是否为所述预设身份;
所述方法还包括:
响应于所述目标对象的身份为所述预设身份,将所述目标对象的人体特征信息更新至所述人体特征库;
其中,所述人体特征库包含所述通用特征以及所述特有特征,所述通用特征为所述预设身份的目标对象共有的特征,所述特有特征为在所述目标对象的身份为所述预设身份时,更新至所述人体特征库的所述目标对象的人体特征信息。
6.根据权利要求5所述的身份识别方法,其特征在于,所述将所述人体特征信息与人体特征库中的特有特征进行匹配,确定所述目标对象的身份是否为所述预设身份的步骤,包括:
获取所述目标对象的人体质量评分;
判断所述人体质量评分是否大于评分阈值;
若是,则将所述人体特征信息与所述人体特征库中的特有特征进行特征比对,得到相似度;响应于所述相似度大于预设相似阈值,确定所述目标对象的身份为所述预设身份。
7.根据权利要求5所述的身份识别方法,其特征在于,所述将所述目标对象的人体特征信息更新至所述人体特征库的步骤,包括:
判断所述人体特征库中是否已存有所述目标对象的历史人体特征信息;若是,则响应于所述人体特征信息的质量评分大于所述历史人体特征信息的质量评分,将所述历史人体特征信息替换为所述人体特征信息;
所述将所述目标对象的人脸特征信息更新至所述人脸特征库的步骤,包括:
判断所述人脸特征库中是否已存有所述目标对象的历史人脸特征信息;若是,则响应于所述人脸特征信息的质量评分大于所述历史人脸特征信息的质量评分,将所述历史人脸特征信息替换为所述人脸特征信息。
8.根据权利要求1所述的身份识别方法,其特征在于,所述从所述原始图像中筛选出待处理图像的步骤,包括:
从每帧所述原始图像中识别出所有目标对象的目标识别信息,所述目标识别信息包括所述目标对象的人脸识别信息以及人体识别信息;
分别对每帧所述原始图像中目标对象的人脸识别信息以及人体识别信息进行质量评分,得到人脸质量评分以及人体质量评分;
基于所述人脸质量评分和所述人体质量评分,对所述原始图像进行筛选,得到所述待处理图像。
9.一种身份识别装置,其特征在于,包括互相连接的存储器和处理器,其中,所述存储器用于存储计算机程序,所述计算机程序在被所述处理器执行时,用于实现权利要求1-8中任一项所述的身份识别方法。
10.一种计算机可读存储介质,用于存储计算机程序,其特征在于,所述计算机程序在被处理器执行时,用于实现权利要求1-8中任一项所述的身份识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211014418.9A CN115083004B (zh) | 2022-08-23 | 2022-08-23 | 一种身份识别方法、装置和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211014418.9A CN115083004B (zh) | 2022-08-23 | 2022-08-23 | 一种身份识别方法、装置和计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115083004A CN115083004A (zh) | 2022-09-20 |
CN115083004B true CN115083004B (zh) | 2022-11-22 |
Family
ID=83244109
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211014418.9A Active CN115083004B (zh) | 2022-08-23 | 2022-08-23 | 一种身份识别方法、装置和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115083004B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115641594A (zh) * | 2022-12-23 | 2023-01-24 | 广州佰锐网络科技有限公司 | 基于ocr技术的身份证识别方法、存储介质及装置 |
CN116509345A (zh) * | 2023-04-28 | 2023-08-01 | 上汽通用汽车有限公司 | 一种基于生理参数的提示方法、系统及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018133666A1 (zh) * | 2017-01-17 | 2018-07-26 | 腾讯科技(深圳)有限公司 | 视频目标跟踪方法和装置 |
CN110287889A (zh) * | 2019-06-26 | 2019-09-27 | 银河水滴科技(北京)有限公司 | 一种身份识别的方法及装置 |
CN110503022A (zh) * | 2019-08-19 | 2019-11-26 | 北京积加科技有限公司 | 一种身份识别方法、装置及系统 |
CN111951450A (zh) * | 2020-08-20 | 2020-11-17 | 北京云中融信网络科技有限公司 | 智能防盗门的门禁控制方法、装置、电子设备及存储介质 |
CN112084811A (zh) * | 2019-06-12 | 2020-12-15 | 杭州海康威视数字技术股份有限公司 | 身份信息的确定方法、装置及存储介质 |
CN112699810A (zh) * | 2020-12-31 | 2021-04-23 | 中国电子科技集团公司信息科学研究院 | 一种提升室内监控系统人物识别精度的方法及装置 |
CN112989299A (zh) * | 2021-03-11 | 2021-06-18 | 恒睿(重庆)人工智能技术研究院有限公司 | 一种交互式身份识别方法、系统、设备及介质 |
CN113688794A (zh) * | 2021-09-24 | 2021-11-23 | 北京声智科技有限公司 | 身份识别方法、装置、电子设备和计算机可读存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10089521B2 (en) * | 2016-09-02 | 2018-10-02 | VeriHelp, Inc. | Identity verification via validated facial recognition and graph database |
-
2022
- 2022-08-23 CN CN202211014418.9A patent/CN115083004B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018133666A1 (zh) * | 2017-01-17 | 2018-07-26 | 腾讯科技(深圳)有限公司 | 视频目标跟踪方法和装置 |
CN112084811A (zh) * | 2019-06-12 | 2020-12-15 | 杭州海康威视数字技术股份有限公司 | 身份信息的确定方法、装置及存储介质 |
CN110287889A (zh) * | 2019-06-26 | 2019-09-27 | 银河水滴科技(北京)有限公司 | 一种身份识别的方法及装置 |
CN110503022A (zh) * | 2019-08-19 | 2019-11-26 | 北京积加科技有限公司 | 一种身份识别方法、装置及系统 |
CN111951450A (zh) * | 2020-08-20 | 2020-11-17 | 北京云中融信网络科技有限公司 | 智能防盗门的门禁控制方法、装置、电子设备及存储介质 |
CN112699810A (zh) * | 2020-12-31 | 2021-04-23 | 中国电子科技集团公司信息科学研究院 | 一种提升室内监控系统人物识别精度的方法及装置 |
CN112989299A (zh) * | 2021-03-11 | 2021-06-18 | 恒睿(重庆)人工智能技术研究院有限公司 | 一种交互式身份识别方法、系统、设备及介质 |
CN113688794A (zh) * | 2021-09-24 | 2021-11-23 | 北京声智科技有限公司 | 身份识别方法、装置、电子设备和计算机可读存储介质 |
Non-Patent Citations (1)
Title |
---|
视频中运动人体身份识别的认知物理学方法;李敏等;《计算机工程》;20160815(第08期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115083004A (zh) | 2022-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115083004B (zh) | 一种身份识别方法、装置和计算机可读存储介质 | |
CN107145862B (zh) | 一种基于霍夫森林的多特征匹配多目标跟踪方法 | |
CN109784274B (zh) | 识别尾随的方法及相关产品 | |
CN106203458A (zh) | 人群视频分析方法及系统 | |
CN112257660B (zh) | 无效客流的去除方法、系统、设备及计算机可读存储介质 | |
CN110619324A (zh) | 一种行人和安全帽检测方法、装置及系统 | |
CN111931582A (zh) | 基于图像处理的高速公路交通事件检测方法 | |
CN112329691A (zh) | 一种监控视频的分析方法及装置、电子设备、存储介质 | |
CN111507232B (zh) | 多模态多策略融合的陌生人识别方法和系统 | |
CN110175553B (zh) | 基于步态识别与人脸识别建立特征库的方法及装置 | |
CN111382627B (zh) | 同行判定方法及相关产品 | |
CN111353338B (zh) | 一种基于营业厅视频监控的能效改进方法 | |
CN113065474A (zh) | 行为识别方法、装置及计算机设备 | |
CN109426793A (zh) | 一种图像行为识别方法、设备及计算机可读存储介质 | |
CN110795584A (zh) | 一种用户标识生成方法、装置及终端设备 | |
CN111476160A (zh) | 损失函数优化方法、模型训练方法、目标检测方法及介质 | |
CN111753642B (zh) | 一种确定关键帧的方法及装置 | |
CN109146913B (zh) | 一种人脸跟踪方法及装置 | |
CN114581990A (zh) | 一种跑步智能测试方法以及装置 | |
KR101848367B1 (ko) | 모션벡터와 dct 계수를 이용한 메타데이터 기반 의심영상 구분식별 방식의 영상 관제 방법 | |
CN111950507B (zh) | 数据处理和模型训练方法、装置、设备及介质 | |
CN113822367B (zh) | 一种基于人脸的区域行为分析方法、系统及介质 | |
CN113837138B (zh) | 一种着装监控方法、系统、介质及电子终端 | |
CN111385527B (zh) | 同行判定方法及相关产品 | |
CN111062294B (zh) | 一种客流排队时间的检测方法、装置及系统 |
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 |