[发明专利]一种员工识别方法、装置、电子设备及存储介质

说明书

本申请实施例涉及人员识别技术领域，提供了一种员工识别方法、装置、电子设备及存储介质，包括：基于实时监控图像，获取人员图像数据；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；计算针对于所述人员图像数据的高斯概率分布与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。本申请基于实时图像中的人员图像数据的高斯分布与预学习的员工高斯分布的散度来判断实时图像中的人员图像与员工图像的相似性，该方案无需进行海量模型训练，且处理时间快、计算成本低，实现了轻量、高效的实现员工识别。

技术领域

本申请实施例涉及人员识别技术领域，具体而言，涉及一种员工识别方法、装置、电子设备及存储介质。

背景技术

在危险作业场景下，例如，油气站、化工厂等等，进行作业的员工需要经过严格的培训后方能上岗工作，而未经培训的员工或其他无关人员（如顾客等）进入作业场景内可能会因操作和行为不规范酿成重大安全事故，因此，快速识别危险作业场景下的员工和非员工对于判断行为规范、规避安全事故具有重要意义。

当前针对危险作业场景下的员工识别方法主要是安保人员通过现场实时监控画面基于经验进行识别，或是通过训练好的深度学习模型进行识别。然而，这些方案一方面具有较高的人力成本和时间成本，无论是安保人员或训练深度学习模型需要的数据采集、标注和清洗，均需要大量人力且耗费大量时间；另一方面，深度学习模型的训练和运行需要消耗大量计算资源。因此，如何轻量、高效的实现员工识别，成为当前本领域技术人员亟待解决的问题。

发明内容

本申请实施例在于提供一种员工识别方法、装置、电子设备及存储介质，旨在解决如何轻量、高效的实现员工识别的问题。

本申请实施例第一方面提供一种员工识别方法，包括：

基于实时监控图像，获取人员图像数据；

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；

计算针对于所述人员图像数据的高斯概率分布与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。

在一种可选的实施方式中，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。

在一种可选的实施方式中，员工特征概率分布，按照如下方式获取：

对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；

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，作为所述员工特征概率分布。

在一种可选的实施方式中，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。

在一种可选的实施方式中，基于实时监控图像，获取人员图像数据，包括：