[發明專利]一種基于人面識別和步態識別的偽裝個體識別方法、系統及介質

在審

• 申請號: 201911016016.0
• 申請日: 2019-10-24
• 公開（公告）號: CN110765950A
• 公開（公告）日: 2020-02-07
• 發明（設計）人: 唐潔儀
• 申請（專利權）人: 廣州善利信息科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06F16/71;G06F16/732
• 代理公司: 44102 廣州粵高專利商標代理有限公司
• 代理人: 彭東梅

本發明公開了一種基于人面識別和步態識別的偽裝個體識別方法、系統及計算機介質，屬于視頻識別的技術領域。本發明的基于人面識別和步態識別的偽裝個體識別方法，包括獲取紅外視頻并進行深度學習、提取步態特征和人臉特征、將提取特征進行匹配并返回結果。系統則包括了紅外攝像頭和云端設備，計算機介質則包括了相應的程序。使用本基于人面識別和步態識別的偽裝個體識別方法，相比現有的直接對偽裝物進行處理的方式，直接使用了不會受到偽裝物干擾的人體紅外光學特征，避免了將偽裝物放入識別模型內作為影響因子的復雜度，也避免了對偽裝物進行模糊化處理可能存在的特征缺失或者失真的干擾，提高了對視頻中人類個體進行識別的準確度。

技術領域

本發明涉及視頻智能識別的技術領域，尤其是一種識別人類個體特征的方法及其相應的系統和執行介質。

背景技術

現有，在人工智能的技術領域中，對人進行個體識別是一個熱門的研究方向。個體識別是指對視頻/圖像數據中出現的每一個獨立對象進行識別將其對應到具體實體的過程，公認最有效的方法是人臉識別技術和步態識別技術的結合。

現有技術對人類個體進行識別的方式中，很少有對經過偽裝的個體進行識別的方法。少量對偽裝個體進行識別的技術或者學者們提出來的模型中，也是借助于將偽裝物(如鞋子、帽子、衣物、步行速度、色塊等)加入識別模型中參與特征識別過程，或者對偽裝物進行模糊化來一定程度上去掉偽裝物從而避免更多影響因素干擾識別。具體的，有對人臉的偽裝識別和對人類個體行動步態的偽裝識別。

但是，無論是對人臉的偽裝識別還是對步態的偽裝識別的方法中，要么是將偽裝物的特征加入到識別模型中，作為一個需要被參考的影響因子來進行判斷，要么就將偽裝物模糊化再對人臉或者步態進行判斷。對于將偽裝物作為參考因素進行識別的方法，在增加影響因子的同時，整個識別模型的復雜度不可避免的會上升，且由于偽裝物的多樣性和容易替換的特點，難以對同一個人類個體在不同時期的偽裝物進行特征提取，難以提高識別的精度。對于將偽裝物進行模糊化處理的方式，在具體提取人類個體的特征前需要大量的處理工作，延長了對視頻識別的處理時長，而且在模糊化偽裝物的過程中，難以避免丟失或者遺漏少量的人類個體特征，使得在描述特征時與實際特征存在缺失或者失真，進而影響到最終結果的準確度。這兩種識別的方式，都沒有能使用到人類個體最基本的生物特征，使得視頻識別的模型復雜度高，描述人臉或者步態特征的準確度較低，從而導致識別準確度較低。現有技術下基于視頻對人類個體進行識別的方法不能經過偽裝的個體進行準確度較高的識別工作。

發明內容

為了解決上述背景技術中，現有中所存在的一個或者多個問題，本發明提出一種基于人面識別和步態識別的偽裝個體識別方法的技術方案，能夠提高對視頻在有偽裝物的情況下對人類個體的識別準確度。還提供了一種用于運行前述方法的系統以及相應的計算機介質。

本發明的技術方案如下：

一種基于人面識別和步態識別的偽裝個體識別方法，包括以下步驟：

S1.紅外攝像頭獲取紅外視頻并上傳到云端存儲；

S2.對云端的存儲的全部紅外視頻，利用已經設置好的深度網絡進行學習，并建立個體特征庫數據庫；

S3.引入一段新的紅外視頻到云端，在新的紅外視頻中對人類個體進行區分；

S4.對每個人類個體提取步態特征、人臉特征；

S5.將S4中提取到的步態特征與人臉特征放入S2中的個體特征庫數據庫進行匹配；

S6.判斷個體特征庫數據庫中是否有與S5中特征相匹配的人類個體；若符合，則輸出匹配成功的結果，否則返回執行S3。

進一步地，所述步態特征、人臉特征分別人體行動姿態變化的紅外光學特征、人臉的紅外光學特征。

進一步地，步驟S2中，更具體的步驟包括：