[发明专利]一种基于多层网络人体特征的身份识别方法

摘要

本发明属于生物特征识别领域，提供了一种基于多层网络人体特征的身份识别方法。本发明为了解决现有身份识别方法的局限性，如人脸识别必须有完整清晰的面部图像，无法根据侧影或背影进行身份识别；采用多个子网对人体的多角度特征进行提取学习，然后将多种特征的识别结果按照一定的权值结合对被识别对象进行最终身份确认，实现了人体多角度的身份识别，同时扩大了身份识别的可应用场景。

主权项

一种基于多层网络人体特征的身份识别方法，其特征在于，包括如下步骤：步骤1，通过视频监控获取人物目标的多角度图像，构建多层网络的数据集；选取n个角度作为网络的输入，每个角度建立一个子集，共n个子集，每个子集将图像数量按照3:1:1的比例划分为训练集、验证集和测试集；需要识别的对象数量为m，每个识别对象具有唯一的身份id(id＝1，2，…，m)；步骤2，利用卷积神经网络的n个子网对数据集的n个子集分别进行学习，得到n个角度人体特征的独立模型，计算各角度人体特征的权值，建立最终的身份识别模型；步骤2.1，将n个子集的训练集和验证集输入卷积神经网络的n个子网进行学习，提取待识别目标的多角度特征，得到n个角度人体特征的独立模型；步骤2.2，将n个子集的测试集分别输入对应的子网，计算其识别的准确度，记为a1,a2,…,an，进行归一化处理，得到各角度人体特征的权值ω1,ω2,…,ωn，并得到最终的网络模型；ωi=αiα1+α2+...+αn×100%]]>步骤3，利用模型进行目标识别，并根据识别结果提示确认身份或报警。