[发明专利]基于制服特征的身份识别方法和系统

说明书

技术领域

本发明涉及一种身份识别方法和系统。 

现有的身份识别系统一般都适用于比较近距离的情况，例如人脸识别、指纹识别、虹膜识别等都只有在待识别对象较近或接触获取设备时才起作用，而且都是进行个人的身份识别。对于待识别对象在远距离和非接触的条件下，常用的身份识别技术都无法发挥作用。如在监狱治安分析、战地敌我态势判别等的应用中，需要在远距离和大场景的条件下对目标区域中的人员的身份进行识别，此时常用的识别方法无法应用。 

本发明要解决的技术问题是提供一种基于制服特征的身份识别方法和系统，可以扩大基于制服特征的识别身份的适用范围且识别更精确。 

为了解决上述问题，本发明提供了一种多维制服特征的身份识别方法，用于多类识别目标身着不同制服的场合，所述制服特征包括制服的颜色、图案和样式；该方法包括以下步骤： 

(a)采集视频图像，检测出其中的识别目标图像并将其分割出来； 

(b)提取出所述识别目标图像的制服特征；其中，提取的所述制服特征包括制服的主特征，或者包括制服的主特征和次特征； 

(c)对所述制服特征进行分类，根据分类结果确定识别目标的身份。 

进一步地，上述身份识别方法还可具有以下特点： 

步骤(a)是从视频图像中检测出运动目标并将其分割出来，作为所述识别目标图像。 

进一步地，上述身份识别方法还可具有以下特点： 

步骤(b)中提取的制服特征包括制服的主特征和次特征，步骤(c)中对所述主特征和次特征分别分类，然后对输出的两个分类结果进行加权组合，得到最终的分类结果。 

进一步地，上述身份识别方法还可具有以下特点： 

所述制服的主特征为颜色，所述制服的次特征为图案。 

进一步地，上述身份识别方法还可具有以下特点： 

步骤(c)分类时采用基于神经网络的组合分类器，在步骤(a)之前先对该组合分类器进行训练，该训练过程包括以下步骤： 

(I)输入包括不同制服的训练用的样本图像，从中提取出制服主特征和制服次特征； 

(II)将主次特征输入主特征神经网络，将次特征输入次特征神经网络，分别进行分类训练； 

(III)在给定样本下如得到预期的识别率，则将该训练好的组合神经网络作为实际使用的组合分类器。 

进一步地，上述身份识别方法还可具有以下特点： 

步骤(b)还提取出识别目标的位置信息，和步骤(c)得到的身份信息一起作为决策的依据。 

本发明提供的多维制服特征的身份识别系统包括视频图像采集模块、识别目标检测与分割模块、特征提取模块和身份识别模块，所述制服特征包括制服的颜色、图案和样式；其中： 

所述视频图像采集模块，用于对视频图像进行采集并输出到所述识别目标检测与分割模块； 

所述识别目标检测与分割模块，用于从视频图像中检测出包含制服的识别目标图像并将其分割出来，输出到所述特征提取模块；其中，提取的所述制服特征包括制服的主特征，或者包括制服的主特征和次特征； 

所述特征提取模块，用于提取出所述识别目标图像的制服特征，输出到所述分类器； 

所述身份识别模块，用于对所述制服特征进行分类，再根据分类结果确定识别目标的身份。 

进一步地，上述身份识别系统还可具有以下特点： 

所述识别目标检测与分割模块是从视频图像中检测出运动目标并将其分割出来，作为所述识别目标图像。 

进一步地，上述身份识别系统还可具有以下特点： 

所述特征提取模块提取的制服特征包括制服的主特征和次特征；所述身份识别模块为一基于神经网络的组合分类器，用于对提取的所述主特征和次特征分别分类，然后对输出的两个分类结果进行加权组合，得到最终的分类结果，再根据该分类结果确定识别目标的身份。 

进一步地，上述身份识别系统还可具有以下特点： 

所述特征提取模块提取的制服主特征为颜色，制服次特征为图案。 

本发明通过在监控视频中，如监狱中的监控视频、战场上的无人侦察机采集的视频等，识别穿着特定制服人群及其位置，可以检测是否存在特定的行为，及时为决策者提供准确的参考意见。 

附图说明

图1是本发明实施例基于多个神经网络的组合分类器的示意图。 

图2是本发明实施例训练过程的示意图。