[發明專利]一種多視圖身份識別方法

在審

• 申請號: 202110863815.2
• 申請日: 2021-07-29
• 公開（公告）號: CN113591692A
• 公開（公告）日: 2021-11-02
• 發明（設計）人: 張南海
• 申請（專利權）人: 贏識科技（杭州）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 杭州云睿專利代理事務所(普通合伙) 33254
• 代理人: 張驍敏

本發明公開了一種多視圖身份識別方法，包括以下步驟：對輸入圖片采用一體化的檢測網絡進行人臉、人體、上半身檢測，檢測網絡基于anchor?free的檢測框架，共享同一熱力圖，同時回歸人臉坐標、人體坐標、上半身坐標；依據坐標信息，對人臉、人體、上半身分別進行預處理，先檢測人臉的關鍵點，并根據關鍵點進行人臉對齊，再將人體和上半身通過縮放至統一大小實現上半身對齊和人體對齊，形成新的輸入圖片；將新的輸入圖片切成固定大小的小塊并進行序列化，生成人臉視圖、上半身視圖和人體視圖，采用多模態融合特征提取網絡完成特征提取，多模態融合特征提取網絡的輸出作為特征，最后進行特征比對完成身份識別。

技術領域

本發明涉及視圖身份識別技術領域，特別涉及一種多視圖身份識別方法。

背景技術

基于視覺的身份識別方法具有非接觸、非強制、無意識、速度快、精度高等優點，在安防監控、智慧零售、考勤打卡等領域都有應用需求。深度學習的發展以及算力的提升使得此項技術的實用性極大提升，目前已經得到了廣泛的應用，在一些相對受控的環境，目前的技術已基本能滿足需求。

基于視覺的身份識別方法典型的方法有人臉識別和行人重識別。人臉識別在計算機視覺誕生之初就開始有研究，目前已有近60年的歷史，技術已經發展得較成熟，但是角度、光照、遮擋、模糊等影響人臉質量的干擾仍是挑戰。行人重識別誕生于多相機目標跟蹤，后因其重要性被作為一個獨立的任務以解決跨相機的身份識別問題，隨著精度的提高，目前已經能作為人臉識別的一個補充，比如在拍不到人臉的場景。

人臉識別方法和行人重識別方法的流程大致相同，典型的流程包括：1、檢測，定位出圖片中人臉或者人體的位置；2、預處理，對檢測的人臉或者人體做對齊處理，人臉因其相對剛性的結構，可以通過關鍵點做對齊，人體一般做粗對齊，比如把圖片縮放到同一大小；3、特征提取，對對齊后的人臉或者人體提取能代表其身份信息的特征，一般要求特征對光照、角度、遮擋、年齡變化具有一定的魯棒性，目前典型的方案是采用訓練好的深度卷積神經網絡提取特征；4、特征比對，計算提取出的特征與已經注冊的底庫特征的相似度，相似度最高的作為其身份。

基于上述現有內容，一般基于視覺的身份識別方法存在四處不足：

單一模態精度不足，單一的人臉識別和單一的行人重識別技術都有其局限性，人臉識別精度受光照、角度、遮擋、模糊等干擾，在底庫規模大情況精度也會受影響，更極端情況下可能拍不到人臉。行人重識別比較依賴衣服款式及顏色，所以跨天識別能力弱，此外光照、角度、遮擋、模糊對人體亦是挑戰；

簡單融合人臉識別和行人重識別的方法計算復雜度高，人臉識別方法和行人重識別都有其獨立的流程，簡單融合會導致兩個流程需要分別計算，存在冗余；

以質量判斷識別所采用的模態的方法無法實現跨模態的識別，比如有的場景只拍到了人體，但是注冊的底庫只有比較清晰的人臉可用，這就會導致無法識別；

人臉與人體特征層融合的方法未能充分利用人臉和人體的關聯信息，比如同一人其人臉和人體的膚色是一致的，長的胖的人臉會略圓。二者之間的關聯信息可以為對方提供補充信息，特征層的融合會忽略此信息。

發明內容

針對現有技術存在的不足，本發明的目的在于提供一種多視圖身份識別方法。

本發明的上述技術目的是通過以下技術方案得以實現的：

一種多視圖身份識別方法，包括以下步驟：

對輸入圖片采用一體化的檢測網絡進行人臉、人體、上半身檢測，檢測網絡基于anchor-free的檢測框架，共享同一熱力圖，同時回歸人臉坐標、人體坐標、上半身坐標；

依據坐標信息，對人臉、人體、上半身分別進行預處理，先檢測人臉的關鍵點，并根據關鍵點進行人臉對齊，再將人體和上半身通過縮放至統一大小實現上半身對齊和人體對齊，形成新的輸入圖片；