[发明专利]人员身份识别方法、装置、电子设备及存储介质在审

专利信息
申请号: 202011067605.4 申请日: 2020-10-06
公开(公告)号: CN112183412A 公开(公告)日: 2021-01-05
发明(设计)人: 朱晓宁;吴喆峰 申请(专利权)人: 精英数智科技股份有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62
代理公司: 北京中知君达知识产权代理有限公司 11769 代理人: 李辰;黄启法
地址: 030000 山西省太原市小店区*** 国省代码: 山西;14
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 人员 身份 识别 方法 装置 电子设备 存储 介质
【权利要求书】:

1.一种人员身份识别方法,其特征在于,包括:

获得视频采集装置采集的视频数据;所述视频数据至少包括多帧图像;

提取所述多帧图像中每一帧待检测图像所包含人员各自对应的人员运动图像;

根据预先训练的时间序列预测模型分别对每一个所述人员运动图像进行身份预测,得到每一个人员的预测身份信息以及该预测身份信息对应的多个人员身份预测信息值;

分别对每一个人员对应的多个人员身份预测信息值进行汇总,得到每一个人员所对应的人员身份预测信息汇总值;

根据所述预测身份信息、每一个所述人员身份预测信息汇总值与预设匹配度的匹配关系,确定每一个人员的人员身份信息。

2.根据权利要求1所述的方法,其特征在于,所述提取所述多帧图像中每一帧待检测图像所包含人员各自对应的人员运动图像前还包括:

检测所述多帧图像中的每一幅图像是否符合满足预设要求;所述预设要求用于表征能够从所述图像中提取出人员的动作和/或人员的位置;

将满足预设要求的图像作为待检测图像。

3.根据权利要求1所述的方法,其特征在于,所述提取所述多帧图像中每一帧待检测图像所包含人员各自对应的人员运动图像包括:

调用人体图像分割模型对每一帧待检测图像进行人体图像分割,得到每个人员的人员运动图像及其对应的人员位置信息;其中,所述人体图像分割模型为利用基础数据以及训练样本进行训练的机器学习模型,所述基础数据为COCO数据集中人像部分的数据,所述训练样本为对所述目标区域的视频数据中包括待识别人员的分割图像进行标注的图像样本。

4.根据权利要求3所述的方法,其特征在于,还包括:

依据所述每个人员的人员位置信息,确定与每个人员各自对应的多个人员运动图像;

将每个人员各自对应的多个人员运动图像划分到各自所属的人员类别中;其中,每一个人员对应一个人员类别。

5.根据权利要求4所述的方法,其特征在于,所述人员位置信息包括目标框范围,所述依据所述每个人员的人员位置信息,确定与每个人员各自对应的多个人员运动图像包括:

确定任意一个人员运动图像的目标框范围的中心点坐标为第一坐标;

确定与该人员运动图像为邻近图像帧的第N人员运动图像的目标框的中心点坐标为第二坐标;

若所述第一坐标与所述第二坐标的差值符合预设变动阈值范围,则确定所述第一人员运动图像与所述第N人员运动图像为同一人员的人员运动图像。

6.根据权利要求1所述的方法,其特征在于,所述分别对每一个人员对应的多个人员身份预测信息值进行汇总,得到每一个人员所对应的人员身份预测信息汇总值包括:

将任意一个人员对应的多个人员身份预测信息值进行加权平均计算,将加权平均计算结果作为该人员的人员身份预测信息汇总值;

或者,

将任意一个人员对应的多个身份预测信息值中表征人员身份匹配成功的个数与该人员的多个身份预测信息值的数量的比值作为该人员的人员身份预测信息汇总值。

7.根据权利要求1所述的方法,其特征在于,所述根据所述预测身份信息、每一个所述人员身份预测信息汇总值与预设匹配度的匹配关系,确定每一个人员的人员身份信息包括:

判断任意一个所述人员身份预测信息汇总值是否符合数据库中设定的预设匹配度;

若符合所述预设匹配度,则确定该人员的身份信息为所述数据库中预测身份信息对应的身份信息;

若不符合所述预设匹配度,则确定该人员的身份信息为未知。

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精英数智科技股份有限公司,未经精英数智科技股份有限公司许可,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/202011067605.4/1.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