[发明专利]一种同行人员识别方法、装置、系统及计算机存储介质有效

专利信息
申请号: 201810682283.0 申请日: 2018-06-27
公开(公告)号: CN109117714B 公开(公告)日: 2021-02-26
发明(设计)人: 炊文伟;宋扬;付英波 申请(专利权)人: 北京旷视科技有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62
代理公司: 北京市磐华律师事务所 11336 代理人: 董巍;高伟
地址: 100190 北京*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 同行 人员 识别 方法 装置 系统 计算机 存储 介质
【权利要求书】:

1.一种同行人员识别方法,其特征在于,所述同行人员识别方法包括:

获取目标人员的抓拍数据,生成第一数据集合;

根据所述第一数据集合确定有效的抓拍时间段和预定覆盖区域,获取所述有效的抓拍时间段内预定覆盖区域的图像采集装置的抓拍数据,并将其保存为第二数据集合;

基于所述第二数据集合提取其中的人脸图像,并将其保存为抓拍数据人脸集合;

对所述抓拍数据人脸集合中的人脸图像进行聚类,得到同行人员识别结果;

其中,所述确定有效的抓拍时间段包括:

获取所述第一数据集合的数据来源,得到所述第一数据集合的抓拍时间和图像采集装置的位置信息;

确定所述抓拍时间前后一预定时间段为所述有效的抓拍时间段。

2.如权利要求1所述的同行人员识别方法,其特征在于,所述生成第一数据集合包括:

获取所述目标人员的抓拍数据后,删除不准确的抓拍数据,将剩下的抓拍数据保存为所述第一数据集合。

3.如权利要求1或2所述的同行人员识别方法,其特征在于,所述预定覆盖区域包括以所述第一数据集合的图像采集装置的位置为圆心,一预设长度为半径的圆形区域。

4.如权利要求2所述的同行人员识别方法,其特征在于,所述不准确的抓拍数据包括:所述目标人员的抓拍数据中通过人工检测确定的不准确的抓拍数据,和/或与所述目标人员相比相似度不超过相似度阈值的抓拍数据。

5.如权利要求1或2所述的同行人员识别方法,其特征在于,对所述抓拍数据人脸集合中的人脸图像进行聚类后,得到若干类人脸图像;

所述得到同行人员识别结果包括:

计算每一类的聚类数量,并将所述聚类数量最多的前N类人脸图像作为聚类结果,N为自然数;

基于所述聚类结果得到同行人员识别结果。

6.如权利要求5所述的同行人员识别方法,其特征在于,所述得到同行人员识别结果还进一步包括:对聚类结果中每一类的人脸图像提取人脸特征,并在人脸底库中进行搜索比对,得到N个人脸识别结果作为同行人员识别结果。

7.如权利要求5所述的同行人员识别方法,其特征在于,所述聚类的方法包括:Kmeans聚类方法、Kmedoid方法、谱聚类方法、模糊C-means方法、或支持向量机聚类方法。

8.如权利要求6所述的同行人员识别方法,其特征在于,所述人脸识别结果是指所述人脸特征在人脸底库中进行搜索比对时,得到的相似度得分最高的结果;或相似度最高的那张人脸底图的人脸ID。

9.一种同行人员识别装置,其特征在于,所述同行人员识别装置包括:

第一图像获取模块,用于获取目标人员的抓拍数据得到第一数据集合;

第二图像获取模块,用于根据所述第一数据集合确定有效的抓拍时间段和预定覆盖区域,获取所述有效的抓拍时间段内预定覆盖区域的图像采集装置的抓拍数据,并将其保存为第二数据集合;其中,所述确定有效的抓拍时间段包括:

获取所述第一数据集合的数据来源,得到所述第一数据集合的抓拍时间和图像采集装置的位置信息;

确定所述抓拍时间前后一预定时间段为所述有效的抓拍时间段;

人脸图像模块,用于基于所述第二数据集合提取其中的人脸图像得到抓拍数据人脸集合;

存储模块,用于储存第一数据集合、第二数据集合以及抓拍数据人脸集合;

人脸聚类模块,用于对所述抓拍数据人脸集合中的人脸图像进行聚类,得到聚类结果;

同行人员识别模块,用于根据所述聚类结果得到同行人员识别结果。

10.如权利要求9所述的同行人员识别装置,其特征在于,所述装置还包括:抓拍数据删除模块,用于删除所述目标人员的抓拍数据中不准确的抓拍数据得到所述第一数据集合。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京旷视科技有限公司,未经北京旷视科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810682283.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top