[发明专利]一种人员属性识别方法、装置及计算机设备在审

专利信息
申请号: 202011198597.7 申请日: 2020-10-31
公开(公告)号: CN112307979A 公开(公告)日: 2021-02-02
发明(设计)人: 薛耿剑 申请(专利权)人: 成都新潮传媒集团有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62
代理公司: 成都顶峰专利事务所(普通合伙) 51224 代理人: 杨国瑞
地址: 610000 四川省成都市高新*** 国省代码: 四川;51
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 人员 属性 识别 方法 装置 计算机 设备
【权利要求书】:

1.一种人员属性识别方法,其特征在于,所述方法包括以下步骤:

获取第一图像采集设备采集的第一图像和所述第二图像采集设备采集的第二图像,其中,所述第一图像采集设备和所述第二图像采集设备设置在同一空间区域的不同位置处;

对所述第一图像和所述第二图像进行处理,得到所述第一图像中包括第一人员的第一特征向量以及所述第二图像中包括第二人员的第二特征向量;

根据所述第一特征向量和所述第二特征向量,确定所述第一人员和所述第二人员是否为同一人;

若为同一人,将所述第一人员的属性特征与所述第二人员的属性特征进行合并。

2.根据权利要求1所述的方法,其特征在于,根据所述第一特征向量和所述第二特征向量,确定所述第一人员和所述第二人员是否为同一人,包括:

确定所述第一图像和所述第二图像中是否存在处于交叉覆盖区域内的人员;

若存在,则根据处于所述交叉覆盖区域第一人员的第一特征向量和处于所述交叉覆盖区域第二人员的第二特征向量,确定所述第一人员和所述第二人员是否为同一人。

3.根据权利要求1所述的方法,其特征在于,所述方法还包括:

利用属性识别网络对所述第一图像和所述第二图像进行处理,得到所述第一人员的属性特征和所述第二人员的属性特征,其中,所述属性识别网络包括第一卷积层、第一最大池化层、第二卷积层、第二最大池化层、Iception层以及全连接层,其中,所述全连接层的层数与属性特征个数相同,且所述全连接层中的每层全连接层接对应一个损失函数。

4.根据权利要求1所述的人员属性识别方法,其特征在于,若为同一人,将所述第一人员的属性特征与所述第二人员的属性特征进行合并,包括:

将所述第一人员的属性特征与所述第二人员的属性特征进行逐一对比,判断是否存在属于同一属性类别的属性特征;

若不存在,则将所述第一人员的属性特征与所述第二人员的属性特征进行合并。

5.根据权利要求4所述的方法,其特征在于,所述方法还包括:

若存在,判断属于同一属性类别的属性特征是否一致;

若一致,则择一保留属于所述同一属性类别的属性特征。

6.根据权利要求1所述的方法,其特征在于,所述方法还包括:

获取所述第一图像采集设备在采集所述第一图像之前采集的第三图像,所述第一图像和所述第三图像为相邻图像帧;

对所述第三图像进行处理,得到所述第三图像中包括第三人员的第三特征向量;

根据所述第三特征向量和所述第一特征向量,确定所述第一人员和所述第三人员是否为同一人;

若为同一人,则将所述第三人员对应的身份标识号ID赋予所述第一人员。

7.根据权利要求6所述的人员属性识别方法,其特征在于,所述方法还包括:

将所述第一人员的身份标识号ID赋予所述第二人员。

8.一种人员属性识别装置,其特征在于,包括:

获取单元,用于获取第一图像采集设备采集的第一图像和所述第二图像采集设备采集的第二图像,其中,所述第一图像采集设备和所述第二图像采集设备设置在同一空间区域的不同位置处;

处理单元,用于对所述第一图像和所述第二图像进行处理,得到所述第一图像中包括第一人员的第一特征向量以及所述第二图像中包括第二人员的第二特征向量;

判别单元,用于根据所述第一特征向量和所述第二特征向量,确定所述第一人员和所述第二人员是否为同一人;

合并单元,用于当所述第一人员和所述第二人员为同一人时,将所述第一人员的属性特征与所述第二人员的属性特征进行合并。

9.一种计算机设备,其特征在于,包括通信相连的存储器和处理器,其中,所述存储器用于存储计算机程序,所述处理器用于读取所述计算机程序,执行如权利要求1~7中任意一项所述的方法。

10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有指令,当所述指令在计算机上运行时,执行如权利要求1~7中任意一项所述的方法。

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成都新潮传媒集团有限公司,未经成都新潮传媒集团有限公司许可,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/202011198597.7/1.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