一种高速行人识别方法及装置制造方法及图纸

本发明专利技术提供一种能够快速识别行人身份并捕捉该行人全身像图的高速行人身份识别方法及装置，其特征在于，高速行人身份识别方法包括以下步骤：步骤S1，获取摄像头的识别号以及各个摄像头的道路连通关系；步骤S2，识别出目标行人的人脸图像以及全身图像作为目标行人信息进行存储；步骤S3，获取与识别出目标行人的摄像头具有对应的道路连通关系的摄像头作为待识别摄像头，步骤S4，从待识别摄像头中获取图像帧；步骤S5，将图像帧输入行人检测算法模型；步骤S6，对图像帧进行目标行人识别；步骤S7，根据行人识别结果获取待匹配人脸图像并进行人脸识别；步骤S8，将目标行人的全身图像与相应的识别号对应存入输出缓存队列；步骤S9，重复步骤S3至步骤S7。重复步骤S3至步骤S7。重复步骤S3至步骤S7。

【技术实现步骤摘要】
一种高速行人识别方法及装置


[0001]本专利技术属于深度学习领域，涉及一种行人识别方法，特别涉及一种高速行人识别方法。

技术介绍

[0002]行人检测与身份识别技术在当今互联网与社会生活中发挥着重要的作用，因此具有许多的应用场景及商业价值。
[0003]行人检测是将目标检测算法模型中的识别目标设置为行人。目标检测从应用角度分为两种：一种是generalobjectdetection，即以一种能够模拟人的眼睛和直觉的统一框架来检测物体类别；另一种是detectionapplications，即在特定应用情景下的检测(如行人检测、人脸检测、文本检测等)。
[0004]目标检测在过去的研究过程中主要经历两个历史时期：传统目标检测和基于深度学习的目标检测。传统目标检测是基于手工制作的特征，例如VJ检测器，HOG检测器；而在深度学习时代，目标检测可以被分为两种流派：即Two
‑
stagedetection：“coarse
‑
to
‑
fine”process 和One
‑
stagedetection:“completeinonestep”。
[0005]对于二阶检测器Two
‑
stage，首先使用候选框生成器生成稀疏的候选框集，然后使用深度卷积网络编码生成候选框的特征向量，最后使用区域分类器预测候选框区域类别。以R
‑
CNN算法为代表的 twostage的方法由于RPN结构的存在，虽然检测精度越来越高，但是其速度却遇到瓶颈，比较难于满足部分场景实时性的需求。因此出现一种基于回归方法的onestage的目标检测算法，不同于twostage 的方法的分步训练共享检测结果，onestage的方法能实现完整单次训练共享特征，且在保证一定准确率的前提下，速度得到极大提升。
[0006]身份识别中的人脸识别技术更是近些年来，模式识别和图像处理中的热门研究主题之一。一个人脸识别系统一般包括以下几个方面：
[0007](1)人脸检测(Detection)：即从各种不同的场景中检测出人脸的存在并确定其位置。(2)人脸规范化(Normalization)：校正人脸在尺度、光照和旋转等方面的变化。或者叫做alignment，人脸对齐，人脸校准(3)人脸校验(Faceverification)：采取某种方式表示检测出人脸和数据库中的已知人脸，确认两张脸是否是同一个人。(4)人脸识别 (Recognition)：将待识别的人脸与数据库中的已知人脸比较，得出人脸的身份。
[0008]而随着场景越来越复杂，算法对精度的要求越来越高，算法之间的结合和配合也越来越多，为了给行人重识别等算法提供行人图像数据进行识别，需要先行算法来预处理视频数据，将原始的视频处理成可供后续算法使用的数据能够加快整个流程的运行时间。

技术实现思路

[0009]为解决上述问题，提供一种快速识别行人身份并捕捉该行人全身像图的高速行人身份识别方法及装置，本专利技术采用了如下技术方案：
[0010]本专利技术提供了一种高速行人身份识别方法，通过设置在监控区域中的多个摄像头
对目标行人进行高速身份识别，其特征在于，包括以下步骤：步骤S1，预先获取每个摄像头的识别号以及各个摄像头对应的位置在监控区域中的道路连通关系；步骤S2，通过设置在监控区域入口处的摄像头对进入监控区域的行人进行人脸识别，并将识别为目标行人的行人的人脸图像以及全身图像作为目标行人信息进行存储；步骤S3，获取与识别出目标行人的摄像头具有对应的道路连通关系的摄像头作为待识别摄像头，步骤S4，根据预定时间间隔从待识别摄像头拍摄到的视频中截取图像帧，并将图像帧按照待识别摄像头的识别号按序存入输入缓存队列中；步骤S5，预先加载一次预存的行人检测算法模型，并将输入缓存队列中的图像帧按序输入到行人检测算法模型中进行处理，图像帧存入输入缓存队列和行人检测算法模型的运行通过多线程处理同时进行；步骤S6，当行人检测算法模型从视频帧识别出目标行人时，获取行人检测算法模型输出的人脸框和行人框并获取对应的图像帧作为行人原图像；步骤S7，根据人脸框对行人原图像进行裁剪得到待匹配人脸图像，并将该待匹配人脸图像与目标行人信息中的人脸图像进行人脸识别；步骤S8，当人脸识别的结果为匹配时，根据行人框对行人原图像进行裁剪得到新的全身图像，并将该新的全身图像与拍摄行人原图像的待识别摄像头的识别号对应存入输出缓存队列；步骤S9，重复步骤S3至步骤S7直至各个待识别摄像头拍摄的视频中无法识别出目标行人。
[0011]本专利技术提供的高速行人身份识别方法，还可以具有这样的技术特征，其中，输入缓存队列用于平衡图像帧的采集速度以及行人检测算法模型的运行效率之间的速度差异。
[0012]本专利技术提供的高速行人身份识别方法，还可以具有这样的技术特征，其中，数据库采用轻量级的sqlite用于数据的存取，全身图像以及人脸图像预先通过处理得到特征值并分别在步骤S5以及步骤S7 中被一次性加载。
[0013]本专利技术提供的高速行人身份识别方法，还可以具有这样的技术特征，其中，行人检测算法模型采用以darknet
‑
53为主干网络的单阶段网络yolov3模型，主干网络由多个残差单元叠加而成，张量的尺寸变换通过改变卷积核的步长实现。
[0014]本专利技术提供的高速行人身份识别方法，还可以具有这样的技术特征，其中，行人检测算法模型的边框的初始尺寸采用k
‑
means聚类的方式得到。
[0015]本专利技术提供的高速行人身份识别方法，还可以具有这样的技术特征，其中，行人检测算法模型采用用于多标签多分类的Logistic分类器。
[0016]本专利技术还提供了一种高速行人身份识别装置，通过设置在监控区域中的多个摄像头对目标行人进行高速身份识别，其特征在于，包括：摄像头信息存储部，预先获取每个摄像头的识别号以及各个摄像头对应的位置在监控区域中的道路连通关系；目标行人识别存储部，通过设置在监控区域入口处的摄像头对进入监控区域的行人进行人脸识别，并将识别为目标行人的行人的人脸图像以及全身图像作为目标行人信息进行存储；待识别摄像头获取部，获取与识别出目标行人的摄像头具有对应的道路连通关系的摄像头作为待识别摄像头；图像帧获取部，根据预定时间间隔从待识别摄像头拍摄到的视频中截取图像帧，并将图像帧按照待识别摄像头的识别号按序存入输入缓存队列中；行人检测部，预先加载一次预存的行人检测算法模型，并将输入缓存队列中的图像帧按序输入到行人检测算法模型中进行处理，图像帧存入输入缓存队列和行人检测算法模型的运行通过多线程处理同时进行；检测结果获取部，当行人检测算法模型从视频帧识别出目标行人时，获取行人检测算法模型输出的人脸框和行人框并获取对应的图像帧作为行人原图像；人脸识别部，根据人脸
框对行人原图像进行裁剪得到待匹配人脸图像，并将该待匹配人脸图像与目标行人信息中的人脸图像进行人脸识别；输出部，当人脸识别的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高速行人身份识别方法，通过设置在监控区域中的多个摄像头对目标行人进行高速身份识别，其特征在于，包括以下步骤：步骤S1，预先获取每个所述摄像头的识别号以及各个所述摄像头对应的位置在所述监控区域中的道路连通关系；步骤S2，通过设置在所述监控区域入口处的所述摄像头对进入所述监控区域的行人进行人脸识别，并将识别为所述目标行人的所述行人的人脸图像以及全身图像作为目标行人信息进行存储；步骤S3，获取与识别出所述目标行人的所述摄像头具有对应的所述道路连通关系的所述摄像头作为待识别摄像头，步骤S4，根据预定时间间隔从所述待识别摄像头拍摄到的视频中截取图像帧，并将所述图像帧按照所述待识别摄像头的所述识别号按序存入输入缓存队列中；步骤S5，预先加载一次预存的行人检测算法模型，并将所述输入缓存队列中的图像帧按序输入到所述行人检测算法模型中进行处理，所述图像帧存入所述输入缓存队列和所述行人检测算法模型的运行通过多线程处理同时进行；步骤S6，当所述行人检测算法模型从所述视频帧识别出目标行人时，获取所述行人检测算法模型输出的人脸框和行人框并获取对应的所述图像帧作为行人原图像；步骤S7，根据所述人脸框对所述行人原图像进行裁剪得到待匹配人脸图像，并将该待匹配人脸图像与所述目标行人信息中的人脸图像进行人脸识别；步骤S8，当所述人脸识别的结果为匹配时，根据所述行人框对所述行人原图像进行裁剪得到新的全身图像，并将该新的全身图像与拍摄所述行人原图像的所述待识别摄像头的识别号对应存入输出缓存队列；步骤S9，重复所述步骤S3至所述步骤S7直至各个所述待识别摄像头拍摄的视频中无法识别出所述目标行人。2.根据权利要求1所述的高速行人身份识别方法，其特征在于：其中，所述输入缓存队列用于平衡所述图像帧的采集速度以及所述行人检测算法模型的运行效率之间的速度差异。3.根据权利要求1所述的高速行人身份识别方法，其特征在于：其中，数据库采用轻量级的sqlite用于数据的存取，所述全身图像以及所述人脸图像预先通过处理得到特征值并分别在所述步骤S5以及所述步骤S7中被一次性加载。4.根据权利要求1所述的高速行人身份识别方法，其特征在于：其中，所述行人检测算法模型采用以darknet
‑
53为主干网络...

【专利技术属性】
技术研发人员：殷杰飞，刘天弼，冯瑞，徐卫东，朱善邦，
申请(专利权)人：复旦大学，
类型：发明
国别省市：