[發明專利]一種基于人工智能的人體步態驗證方法和云服務器

在審

• 申請號: 202110773136.6
• 申請日: 2021-07-08
• 公開（公告）號: CN113536267A
• 公開（公告）日: 2021-10-22
• 發明（設計）人: 趙夢杰
• 申請（專利權）人: 泰安宇杰科技有限公司
• 主分類號: G06F21/32
• 分類號: G06F21/32;G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08;G06T7/11;G06T7/194
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于人工智能的人體步態驗證方法，其特征在于，應用于云服務器，所述云服務器與多個人體步態驗證終端通信連接，所述方法包括：

獲取所述人體步態驗證終端在檢測到人員出現時采集到的目標監控區域在預設時間段內的第一連續視頻圖像數據流和第二連續視頻圖像數據流，所述第一連續視頻圖像數據流包括可見光視頻圖像，所述第二連續視頻圖像數據流包括熱成像視頻圖像；

對所述預設時間段內的第一連續視頻圖像數據流和第二連續視頻圖像數據流進行視頻解碼和預處理，得到第一圖像序列和第二圖像序列，所述第一圖像序列為可見光圖像序列，所述第二圖像序列為熱成像圖像序列；

根據所述第二圖像序列確定與所述第二圖像序列中圖像的人體區域位置以及從第一圖像序列中確定與所述第二圖像序列中圖像的人體區域存在對應關系的對應區域，其中，所述人體區域之外的區域為背景區域；

使用深度學習模型對所述第一圖像序列和第二圖像序列進行圖片質量評分，得到圖片質量評分結果；

獲取目標人體步態圖片序列；

使用預設模型對所述目標人體步態圖片序列進行人體檢測和分割，得到人體步態二值化圖片序列，其中，所述人體步態二值化圖片序列包含二值化圖片，所述二值化圖片人體部分像素值為最大取值，非人體部分像素值為最小值；

根據所述人體步態二值化圖片序列，使用3D卷積神經網絡進行特征提取得到人體步態特征向量，其中，所述人體步態特征向量反映人體步態抽象特征和光流特征；

根據所述人體步態特征向量，與人體步態特征向量數據庫中的特征向量進行匹配得到所述人體步態驗證結果。

2.根據權利要求1所述的一種基于人工智能的人體步態驗證方法，其特征在于，所述根據所述第二圖像序列確定與所述第二圖像序列中圖像的人體區域位置的步驟，包括：

根據所述第二圖像數據流以及所述目標監控區域的熱輻射特性變化，確定具有第一熱輻射特性信息的第一熱成像信息和具有第二熱輻射特性信息的第二熱成像信息；

根據所述第一熱成像信息判斷是否有熱輻射擾動，若存在熱輻射擾動，則獲取人體熱輻射特征及所述人體熱輻射特征對應的熱成像信息；

根據所述人體熱輻射特征對所述第二熱成像信息進行人體熱輻射特征匹配，得到具有第一熱輻射特征匹配信息的第一熱成像匹配結果，和具有第二熱輻射特征匹配信息的第二熱成像匹配結果，所述第一熱成像匹配結果用于表示熱輻射特征匹配度大于第一預設匹配度的熱成像匹配結果，所述第二熱成像匹配結果用于表示熱輻射特征匹配度小于第二預設匹配度的熱成像匹配結果；

獲取所述第一特征匹配結果并組成第一匹配結果集合，以及所述第二特征匹配結果并組成第二匹配結果集合；

若所述第一匹配結果集合的特征匹配參數值域區間大小大于所述第二匹配結果集合的特征匹配參數值域大小，則將所述第一預設匹配度作為人體熱輻射特征匹配閾值；

若所述第二匹配結果集合的特征匹配參數值域區間大小大于所述第一匹配結果集合的特征匹配參數值域大小，則將所述第二預設匹配度作為人體熱輻射特征匹配閾值；

將所述人體熱輻射特征匹配度大于所述人體熱輻射特征匹配閾值且與所述人體熱輻射特征對應的熱成像信息相匹配的區域確定為候選人體區域，根據確定的候選人體區域，將第二熱成像信息分割為多個待定區域，并根據所述分割的多個待定區域的熱輻射特征與預設閾值之間的關系，將滿足條件的候選人體區域確定為人體區域位置。

3.根據權利要求2所述的一種基于人工智能的人體步態驗證方法，其特征在于，所述根據所述第一熱成像信息判斷是否有熱輻射擾動的步驟，包括：

獲取所述目標監控區域環境的熱輻射信息參數值，所述熱輻射信息參數值表示所述目標監控區域的熱輻射信號強度大小；

獲取所述目標監控區域內預設的多個關鍵點的熱輻射信號強度值，并對所述預設的多個關鍵點的熱輻射信號強度值進行擬合得到熱輻射信號強度特征擬合公式；

獲取感應基準因子表示在所述目標監控區域內預設的多個關鍵區域的熱輻射信號強度的平均強度值，通過所述熱輻射信號強度特征擬合公式得到熱輻射信號的感應基準因子；

計算當前目標監控區域內熱輻射信號強度平均值，并與所述熱輻射信號的感應基準因子比較，若所述熱輻射信號強度平均值與所述熱輻射信號的感應基準因子的差值大于第一差值或小于第二差值，則確定存在有熱輻射擾動。