[发明专利]一种基于人面识别和步态识别的伪装个体识别方法、系统及介质

说明书

本发明公开了一种基于人面识别和步态识别的伪装个体识别方法、系统及计算机介质，属于视频识别的技术领域。本发明的基于人面识别和步态识别的伪装个体识别方法，包括获取红外视频并进行深度学习、提取步态特征和人脸特征、将提取特征进行匹配并返回结果。系统则包括了红外摄像头和云端设备，计算机介质则包括了相应的程序。使用本基于人面识别和步态识别的伪装个体识别方法，相比现有的直接对伪装物进行处理的方式，直接使用了不会受到伪装物干扰的人体红外光学特征，避免了将伪装物放入识别模型内作为影响因子的复杂度，也避免了对伪装物进行模糊化处理可能存在的特征缺失或者失真的干扰，提高了对视频中人类个体进行识别的准确度。

技术领域

本发明涉及视频智能识别的技术领域，尤其是一种识别人类个体特征的方法及其相应的系统和执行介质。

背景技术

现有，在人工智能的技术领域中，对人进行个体识别是一个热门的研究方向。个体识别是指对视频/图像数据中出现的每一个独立对象进行识别将其对应到具体实体的过程，公认最有效的方法是人脸识别技术和步态识别技术的结合。

现有技术对人类个体进行识别的方式中，很少有对经过伪装的个体进行识别的方法。少量对伪装个体进行识别的技术或者学者们提出来的模型中，也是借助于将伪装物(如鞋子、帽子、衣物、步行速度、色块等)加入识别模型中参与特征识别过程，或者对伪装物进行模糊化来一定程度上去掉伪装物从而避免更多影响因素干扰识别。具体的，有对人脸的伪装识别和对人类个体行动步态的伪装识别。

但是，无论是对人脸的伪装识别还是对步态的伪装识别的方法中，要么是将伪装物的特征加入到识别模型中，作为一个需要被参考的影响因子来进行判断，要么就将伪装物模糊化再对人脸或者步态进行判断。对于将伪装物作为参考因素进行识别的方法，在增加影响因子的同时，整个识别模型的复杂度不可避免的会上升，且由于伪装物的多样性和容易替换的特点，难以对同一个人类个体在不同时期的伪装物进行特征提取，难以提高识别的精度。对于将伪装物进行模糊化处理的方式，在具体提取人类个体的特征前需要大量的处理工作，延长了对视频识别的处理时长，而且在模糊化伪装物的过程中，难以避免丢失或者遗漏少量的人类个体特征，使得在描述特征时与实际特征存在缺失或者失真，进而影响到最终结果的准确度。这两种识别的方式，都没有能使用到人类个体最基本的生物特征，使得视频识别的模型复杂度高，描述人脸或者步态特征的准确度较低，从而导致识别准确度较低。现有技术下基于视频对人类个体进行识别的方法不能经过伪装的个体进行准确度较高的识别工作。

发明内容

为了解决上述背景技术中，现有中所存在的一个或者多个问题，本发明提出一种基于人面识别和步态识别的伪装个体识别方法的技术方案，能够提高对视频在有伪装物的情况下对人类个体的识别准确度。还提供了一种用于运行前述方法的系统以及相应的计算机介质。

本发明的技术方案如下：

一种基于人面识别和步态识别的伪装个体识别方法，包括以下步骤：

S1.红外摄像头获取红外视频并上传到云端存储；

S2.对云端的存储的全部红外视频，利用已经设置好的深度网络进行学习，并建立个体特征库数据库；

S3.引入一段新的红外视频到云端，在新的红外视频中对人类个体进行区分；

S4.对每个人类个体提取步态特征、人脸特征；

S5.将S4中提取到的步态特征与人脸特征放入S2中的个体特征库数据库进行匹配；

S6.判断个体特征库数据库中是否有与S5中特征相匹配的人类个体；若符合，则输出匹配成功的结果，否则返回执行S3。

进一步地，所述步态特征、人脸特征分别人体行动姿态变化的红外光学特征、人脸的红外光学特征。

进一步地，步骤S2中，更具体的步骤包括：