[发明专利]一种员工识别方法、装置、电子设备及存储介质

权利要求书

1.一种员工识别方法，其特征在于，包括：

基于实时监控图像，获取人员图像数据；

对所述人员图像数据进行亮度增强，以使所述人员图像数据的亮度与预设参考图像数据的亮度相同；

对所述人员图像数据进行颜色增强，以使所述人员图像数据的颜色强度与所述预设参考图像数据的颜色强度相同；

基于所述人员图像数据的像素值，构建针对于所述人员图像数据的高斯概率分布，所述针对于所述人员图像数据的高斯概率分布用于表征所述人员图像数据的服装信息；

对所述预设参考图像数据进行像素合并，得到预学习数据，所述预设参考图像数据包括多个员工图像数据，所述员工图像数据为BGR颜色空间的数据；

基于所述预学习数据的像素值，构建针对于所述预学习数据的高斯概率分布，作为员工特征概率分布，所述员工特征概率分布用于表征所述员工图像数据的服装信息；

计算针对于所述人员图像数据的高斯概率分布与所述员工特征概率分布之间的KL散度，若所述KL散度小于识别阈值，将所述人员图像数据确定为员工图像数据。

2.根据权利要求1所述的一种员工识别方法，其特征在于，基于所述人员图像数据的像素值，构建针对于所述人员图像数据的高斯概率分布，包括：

基于所述人员图像数据的像素值，获取目标数量的聚类中心；

将到每个聚类中心的距离最近的所述人员图像数据的像素值，作为所述每个聚类中心对应的像素值；

计算所述每个聚类中心对应的像素值的均值和方差，基于所有聚类中心对应的像素值的均值和方差，构建所述针对于所述人员图像数据的高斯概率分布。

3.根据权利要求1所述的一种员工识别方法，其特征在于，基于所述预学习数据的像素值，构建针对于所述预学习数据的高斯概率分布，包括：

基于所述预学习数据的像素值，获取目标数量的预学习聚类中心；

将到每个预学习聚类中心的距离最近的所述预学习数据的像素值，作为所述每个预学习聚类中心对应的像素值；

计算所述每个预学习聚类中心对应的像素值的均值和方差，基于所有预学习聚类中心对应的像素值的均值和方差，构建所述针对于所述预学习数据的高斯概率分布。

4.根据权利要求1所述的一种员工识别方法，其特征在于，基于实时监控图像，获取人员图像数据，包括：

获取所述实时监控图像中人员位置，对所述人员位置进行分割，得到人员分割结果；

基于所述人员分割结果对所述实时监控图像进行裁剪，将所述人员分割结果作为前景图像，将背景图像设置为黑色；

将所述前景图像和所述背景图像组成所述人员图像数据。

5.根据权利要求1所述的一种员工识别方法，其特征在于，所述人员图像数据为BGR颜色空间图像数据，对所述人员图像数据进行亮度增强，以使所述人员图像数据的亮度与预设参考图像数据的亮度相同，包括：

将所述人员图像数据转换为HSV颜色空间图像数据；

将所述HSV颜色空间图像数据的V通道图像数据的均值和方差归一化至预设参考图像数据的均值和方差，得到新的HSV颜色空间图像数据；

将所述新的HSV颜色空间图像数据转换为BGR颜色空间图像数据，作为所述人员图像数据。

6.根据权利要求5所述的一种员工识别方法，其特征在于，对所述人员图像数据进行颜色增强，以使所述人员图像数据的颜色强度与所述预设参考图像数据的颜色强度相同，包括：

将所述BGR颜色空间图像数据转换为CLELAB颜色空间图像数据；

将所述CLELAB颜色空间图像数据的均值和方差归一化至所述预设参考图像数据对应的CLELAB颜色空间中的均值和方差，得到新的CLELAB颜色空间图像数据；

将所述新的CLELAB颜色空间图像数据转换为BGR颜色空间图像数据，作为所述人员图像数据。