[發(fā)明專利]一種人像檢索方法及裝置

有效

• 申請?zhí)枺?/td>: 201811091048.2
• 申請日: 2018-09-19
• 公開（公告）號: CN109359544B
• 公開（公告）日: 2022-01-21
• 發(fā)明（設(shè)計）人: 姜黎;張仁輝
• 申請（專利權(quán)）人: 武漢烽火眾智數(shù)字技術(shù)有限責(zé)任公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04
• 代理公司: 北京匯澤知識產(chǎn)權(quán)代理有限公司 11228
• 代理人: 程殿軍

本發(fā)明提供了一種人像檢索方法及裝置，方法包括：獲得待檢測的視頻；對視頻進行運動檢測，得到行人的步態(tài)特征序列；獲得步態(tài)序列網(wǎng)絡(luò)模型，將步態(tài)特征序列輸入至步態(tài)序列網(wǎng)絡(luò)模型，得到針對行人的識別結(jié)果和識別概率；判斷識別概率是否大于預(yù)設(shè)閾值；若大于，判定所得的識別結(jié)果正確，將識別結(jié)果作為檢索結(jié)果；若不大于，判定所得的識別結(jié)果不正確，返回執(zhí)行獲得待檢測的視頻。應(yīng)用本發(fā)明實施例，提高了人像檢索的效率和準(zhǔn)確度。

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)據(jù)檢索領(lǐng)域，尤其涉及一種人像檢索方法及裝置。

背景技術(shù)

隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，各種視頻數(shù)據(jù)呈爆發(fā)式增長，為了快速的從海量視頻數(shù)據(jù)中檢索出某個人物的相關(guān)信息，各種人像檢索方法應(yīng)用而生。

目前，人像檢索方法主要是采用人工識別方法或人臉識別技術(shù)，對視頻中的人像進行檢索，得到檢索結(jié)果。但是這些方法存在效率較低或者準(zhǔn)確率不高的問題，仍難以滿足用戶實際需求。例如，待檢索的視頻的大小可能有幾百T(Trillionbyte，太字節(jié))，通過人工方式識別可能要一兩個月，工作量巨大且耗時較長；而人臉識別技術(shù)雖然處理速度較快，但是由于該技術(shù)容易受場景干擾且對人臉的大小要求嚴(yán)格，而視頻中的場景通常變化較大，且同一人物在視頻中的人臉大小可能發(fā)生變化，故在視頻中應(yīng)用該技術(shù)來檢索人像的準(zhǔn)確率不高。

因此有必要設(shè)計一種新的人像檢索方法，以克服上述問題。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服現(xiàn)有技術(shù)之缺陷，提供了一種人像檢索方法及裝置，以實現(xiàn)提高人像檢索的效率和準(zhǔn)確度。

本發(fā)明是這樣實現(xiàn)的：

第一方面，本發(fā)明提供一種人像檢索方法，所述方法包括：

獲得待檢測的視頻；對所述視頻進行運動檢測，得到行人的步態(tài)特征序列；

獲得步態(tài)序列網(wǎng)絡(luò)模型，將所述步態(tài)特征序列輸入至所述步態(tài)序列網(wǎng)絡(luò)模型，得到針對所述行人的識別結(jié)果和識別概率；

判斷所述識別概率是否大于預(yù)設(shè)閾值；

若大于，判定所得的識別結(jié)果正確，將所述識別結(jié)果作為檢索結(jié)果；

若不大于，判定所得的識別結(jié)果不正確，返回執(zhí)行獲得待檢測的視頻的步驟。

可選的，對所述行人運動視頻進行運動檢測，得到行人的步態(tài)特征序列，包括：

利用預(yù)設(shè)的運動檢測算法，從視頻中檢測出包含行人的各圖像幀，并從包含行人的各圖像幀中提取行人的步態(tài)特征；將所提取的各步態(tài)特征合并，得到行人的步態(tài)特征序列。

可選的，所述步態(tài)序列網(wǎng)絡(luò)模型為目標(biāo)神經(jīng)網(wǎng)絡(luò)模型，獲得步態(tài)序列網(wǎng)絡(luò)模型，包括：

用訓(xùn)練樣本集訓(xùn)練預(yù)設(shè)的初始神經(jīng)網(wǎng)絡(luò)模型，得到所述目標(biāo)神經(jīng)網(wǎng)絡(luò)模型。

可選的，所述識別結(jié)果包括身份識別結(jié)果和運動識別結(jié)果，所述預(yù)設(shè)閾值包括預(yù)設(shè)第一閾值和預(yù)設(shè)第二閾值，所述識別概率包括身份識別概率和運動識別概率；判斷所述識別概率是否大于預(yù)設(shè)閾值，若大于，判定所得的識別結(jié)果正確，將所述識別結(jié)果作為檢索結(jié)果，包括：

當(dāng)所述身份識別概率大于預(yù)設(shè)第一閾值且運動識別概率大于預(yù)設(shè)第二閾值時，判定所得的識別結(jié)果正確，將所述身份識別結(jié)果和所述運動識別結(jié)果作為檢索結(jié)果。

可選的，若識別概率不大于預(yù)設(shè)閾值，判定所得的識別結(jié)果不正確，返回執(zhí)行采集行人的視頻的步驟，包括：

當(dāng)所述身份識別概率不大于預(yù)設(shè)第一閾值或運動識別概率不大于預(yù)設(shè)第二閾值時，判定所得的識別結(jié)果不正確，返回執(zhí)行采集行人的視頻的步驟。

可選的，所述初始神經(jīng)網(wǎng)絡(luò)模型為LSTM時間遞歸神經(jīng)網(wǎng)絡(luò)模型。

可選的，當(dāng)檢索結(jié)果有多個時，所述方法還包括：