[发明专利]一种基于注意力机制的多源异构数据身份识别方法

摘要

本发明公开了一种基于注意力机制的多源异构数据身份识别方法，涉及设备领域，技术方案为，在行人行进路线上安装多个人脸摄像头，抓拍人脸图片，同时记录抓拍时间；通过搭建好的人脸识别系统识别人脸图片返回相似度数据；从而得到IDs相似度向量；利用大量的标签数据通过交叉熵损失函数离线训练模型；从而实现了身份识别。本发明的有益效果是：本发明利用多个人脸摄像头抓拍点抓拍人脸图片，克服受限于单个摄像头抓拍人脸图片的非配合场景，识别准确率不高的难题，此方法方式更加友好，更具有快捷性、有效性；利用外界的天气数据、时间截点、周围建筑数据，模拟人脸图片抓拍场景的外界影响因素，能够尽可能还原真实场景的人脸相似度。

主权项

1.一种基于注意力机制的多源异构数据身份识别方法，其特征在于，步骤S1：在行人行进路线上安装多个人脸摄像头，抓拍人脸图片，同时记录抓拍时间和地点；步骤S2：利用搭建好的人脸识别系统识别人脸图片，通过比对黑名单库的人脸图片，返回与黑名单库里人脸图片比对相似度最高的10个黑名单库里的编号ID，以及比对相似度结果数据；步骤S3：在行人行进轨迹上，时间间隔ΔAB<ΔT，表示两组IDs的时间间隔不超过最大时间阈值和空间轨迹的条件规则，对比不同的抓拍地点抓拍到的人脸图片返回的IDs结果，把IDs编号吻合度最高一组IDs组合；步骤S4：利用外部数据生成一个嵌入向量v1，与IDs相似度生成的向量串联成一个新的向量v2，将新的向量v2输入local注意力机制模型，给每个ID相似度重新分配权重，得到新的IDs相似度向量v3；步骤S5：将多个人脸摄像头抓拍点抓拍人脸图片的时间截点、天气数据、及抓拍点的周边建筑数据，通过one‑hot编码成外界因素向量v4；将向量v4输入空间注意力机制，给每个抓拍点重新分配权重；注意力机制处理后的IDs相似度向量v3和每个点的分配权重对IDs相似度向量v3重新再分配，得到组合的再分配IDs相似度向量组合；步骤S6：将IDs相似度向量组合输入融合模块Fusion IDs，输出为多点IDs相似度融合向量v7；步骤S7：新的向量v7经过多层神经网络及softmax层得到一个概率分布结果；利用大量的标签数据通过交叉熵损失函数离线训练模型；步骤S8：利用步骤S7训练好的模型，得到新的概率分布结果，概率最高的结果所对应的黑名单编号就是识别身份对象，从而实现了身份识别。