[发明专利]一种人像识别方法及系统

权利要求书

1.一种人像识别方法，应用于具有AI边缘计算功能的AR智能眼镜，其特征在于，包括：

A、对佩戴者视野内的视频流信息进行实时多次检测，以获取人像信息；

B、对所述人像信息进行人像特征提取，并将其存储至智能眼镜端的临时数据栈中；

C、将智能眼镜端的临时数据栈中存储的人像特征进行相似性比对，并进行择优去重处理；

D、将择优去重处理之后的人像特征与在智能眼镜端的本地数据库中存储的目标人像特征进行比对，以进行目标人像识别；

E、将识别结果在眼镜端和\或与眼镜端有线\无线连接的其他终端进行展示。

2.根据权利要求1所述的方法，其特征在于，所述步骤D还包括：

M1、将择优去重处理之后的人像特征传输至与智能眼镜端有线\无线连接的终端；

M2、将择优去重处理之后的人像特征与在终端的本地数据库中存储的目标人像特征进行比对，以进行目标人像识别。

3.根据权利要求1所述的方法，其特征在于，所述步骤D还包括：

N1、将择优去重处理之后的人像特征传输至服务器端；

N2、将择优去重处理之后的人像特征与在服务器端的后台数据库中存储的目标人像特征进行比对，以进行目标人像识别。

4.根据权利要求1所述的方法，其特征在于，所述步骤A，包括：

A1、实时对佩戴者视野内的视频流信息进行检测，获取影像数据；

A2、对所述影像数据进行逐帧解析，并对每一个帧的图像信息进行检测，并在每个包括有人像信息的图像帧内，标定每一个人像的坐标信息；

A3、根据所述坐标信息，截取每一个图像帧内的人像，并保存所述人像与其所属的图像帧的对应关系。

5.根据权利要求2所述的方法，其特征在于，所述步骤B，包括：

B1、对截取的人像进行人像特征信息提取；

B2、根据不同业务逻辑的要求，对提取的所述人像特征值进行筛选，保留符合指定要求的人像特征值_。

6.根据权利要求1所述的方法，其特征在于，所述步骤C，包括：

C1、将智能眼镜端的临时数据栈内保存的人像特征值进行两两比对；

C2、若比对后两者的相似度超过指定阈值，则选择两者中更优的人像特征值进行保留。

7.根据权利要求6所述的方法，其特征在于，所述步骤C2中的相似度计算公式为：

其中，所述x、y分别表示两特征值；L为由特征值组成的特征向量的数量；i表示第i个特征向量；其中，i、L为正整数。

8.一种人像识别系统，基于权利要求1-5任一项所述的识别方法，应用于具有AI边缘计算功能的AR智能眼镜，其特征在于，包括：

人像检测模块，用于对佩戴者视野内的视频流信息进行实时多次检测，以获取人像信息；

特征提取模块，用于对所述人像信息进行人像特征提取，并将其存储至智能眼镜端的临时数据栈中；

择优去重模块，用于将智能眼镜端的临时数据栈中存储的人像特征进行相似性比对，并进行择优去重处理；

识别模块，用于将择优去重处理之后的人像特征与在智能眼镜端的本地数据库中存储的目标人像特征进行比对，以进行目标人像识别；

展示模块，用于将识别结果在眼镜端和\或与眼镜端有线\无线连接的其他终端进行展示。

9.根据权利要求6所述的系统，其特征在于，所述人像检测模块，包括：

影像获取子模块，用于实时对佩戴者视野内的视频流信息进行实时多次检测，以获取影像数据；

标定子模块，用于对所述影像数据进行逐帧解析，并对每一个帧的图像信息进行检测，并在每个包括有人像信息的图像帧内，标定每一个人像的坐标信息；

人像截取子模块，根据所述坐标信息，截取每一个图像帧内的人像，并保存所述人像与其所属的图像帧的对应关系。

10.根据权利要求9所述的系统，其特征在于，所述择优去重模块，具体用于：

将智能眼镜端的临时数据栈内保存的人像特征值进行两两比对；若比对后两者的相似度超过指定阈值，则选择两者中更优的人像特征值进行保留。