[发明专利]基于三维人体数据的人体识别方法和系统

说明书

本发明属于人体识别领域，针对现有技术中，在监控视频中待检测人物的人脸露出比较少，或者清晰度不足的情况下，人脸识别难以识别或者会出现错认的问题，提出了基于三维人体数据的人体识别方法和系统，所述方法包括：获取待识别人员的运动图像信息；提取所述运动图像信息中的特征信息；将所述特征信息代入预设的侧写模型中，得到侧写信息；其中，所述侧写模型通过人物基本信息、人物行为信息和神经网络模型训练得到，人物基本信息包括姓名、年龄、职业、病史，人物行为信息包括特征信息；根据侧写信息，得出识别结果。

技术领域

本发明属于人体识别领域，具体涉及基于三维人体数据的人体识别方法和系统。

背景技术

随着科技的发展，用户识别已经成为众多行业的首要前提。传统的，对于用户的识别往往是采用标志物来进行识别，例如，通过令牌/信物识别，通过带验证信息的卡牌识别

对应用户的识别已经从以前的标志物识别(如，令牌识别、卡牌识别)到如今的生物特征识别(如指纹识别、人脸识别)的时代。然而，对于监控中人物的识别依然是现今的一大难题。一方面，监控中的人物无法采用指纹来进行鉴别，另一方面，采用人脸识别技术时往往需要大部分的人脸部分，而大部分情况下，监控视频是难以满足这部分要求的。同时人脸识别技术在面对同卵双胞胎等面部极为相似的情况下，会出现误判的情况。所以，现今，对于监控视频中的人体识别，最主要的还是依赖于人工分帧地鉴别，工作量大，工作效率低。

发明内容

本发明提供基于三维人体数据的人体识别方法和系统，用于解决现有技术中，在监控视频中待检测人物的人脸露出比较少，或者清晰度不足的情况下，人脸识别难以识别或者会出现错认的问题。

本发明的基础方案为：基于三维人体数据的人体识别方法，包括：

获取待识别人员的运动图像信息；

提取所述运动图像信息中的特征信息；

将所述特征信息代入预设的侧写模型中，得到侧写信息；其中，所述侧写模型通过人物基本信息、人物行为信息和神经网络模型训练得到，人物基本信息包括姓名、年龄、职业、病史，人物行为信息包括特征信息；

根据侧写信息，得出识别结果。

有益效果：侧写模型是根据人物基本信息、人物行为信息和神经网络训练模型得到的，侧写模型展现出了人物基本信息与人物行为信息之间的关联。本方案，根据待识别人员的运动图像信息，提取出特征信息，该特征信息代表了待识别人员的运动特征轨迹；随后以该特征信息为要点，代入到侧写模型，将特征信息作为人物行为信息的一部分，是可以根据侧写模型找到多个对应的人物基本信息，随后将这些人物基本信息作为侧写信息，从而便于工作人员分辨出待识别人员的人物基本信息，从而达到人体识别的目的。本方案通过运动图像信息中的特征信息来进行人体识别，无需依赖于待识别人员是否露脸，对于视频的清晰度要求较低，相比现有的对于监控图像进行人脸识别而言，使用范围更广，也更为便捷。

进一步，所述提取所述运动图像信息中的特征信息，包括：

将所述运动图像信息分割为多个运动图像帧；

通过图像处理技术，根据运动图像帧和参考特征点之间的相似度，识别出运动图像帧的特征点，并得出该特征点在所述运动图像帧中的位置，根据所述特征点的位置得出特征信息。

进一步，根据所述特征点的位置得出特征信息，包括：

将所有特征点对应不同运动图像帧的位置信息，构成特征点位置集，每个特征点对应一个特征点位置集；

筛选出每个位置信息对应的时间连续，且时间连续时长达到预设时长的特征点位置集，作为特征数据集；

归纳所有所述特征数据集中位置信息随时间的变化，得到特征信息。