本发明专利技术公开了一种人员识别方法、装置、设备及存储介质。该方法包括：确定当前视频数据对应的人脸区域，并进行帧数据过滤；根据过滤处理后的若干帧图像数据以及对应的人脸区域进行人脸跟踪，得到人脸轨迹；基于预设去重算法从人脸轨迹中选取最优人脸数据；根据最优人脸数据判断当前人员是否为在库人员；在当前人员为在库人员时，根据最优人脸数据以及对应的采集信息生成在库人员记录数据。通过上述方式，对采集的视频数据进行帧数据过滤、人脸跟踪以及去重处理，得到待识别人员的最优人脸数据，通过高质量的人脸数据进行人脸识别，提高了工业安全生产场景下人脸识别的识别率和准确率。确率。确率。
【技术实现步骤摘要】
人员识别方法、装置、设备及存储介质
[0001]本专利技术涉及图像处理
，尤其涉及一种人员识别方法、装置、设备及存储介质。
技术介绍
[0002]在使用闸机或手机进行人脸认证的限定场景下，由于强制要求用户输入符合要求的人脸数据，人脸的识别准确率较高。但是在实际工业安全生产场景下，需要根据抓取的人脸数据对内部工作人员和陌生人进行人脸识别，以提高工业生产安全性，由于抓取的人脸数据的质量难以保证，导致人脸识别的识别率和准确率较低。
[0003]上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
[0004]本专利技术的主要目的在于提供一种人员识别方法、装置、设备及存储介质，旨在解决在实际工业安全生产场景下，由于抓取的人脸数据的质量难以保证，导致人脸识别的识别率和准确率较低的技术问题。
[0005]为实现上述目的，本专利技术提供了一种人员识别方法，所述方法包括以下步骤：
[0006]获取当前视频数据，并确定所述当前视频数据对应的人脸区域；
[0007]根据所述当前视频数据对应的人脸区域进行帧数据过滤，得到若干帧图像数据以及对应的人脸区域；
[0008]根据所述若干帧图像数据以及对应的人脸区域进行人脸跟踪，得到当前人员对应的人脸轨迹；
[0009]基于预设去重算法从所述人脸轨迹中选取最优人脸数据；
[0010]根据所述最优人脸数据判断所述当前人员是否为在库人员；
[0011]在所述当前人员为在库人员时，根据所述最优人脸数据以及对应的采集信息生成在库人员记录数据。
[0012]可选地，所述根据所述若干帧图像数据以及对应的人脸区域进行人脸跟踪，得到当前人员对应的人脸轨迹，包括：
[0013]根据所述若干帧图像数据对应的人脸区域确定任意相邻两帧图像数据中人脸区域之间的重叠面积和相似度；
[0014]在所述重叠面积大于预设面积和所述相似度大于预设相似度时，将对应的人脸区域归为同一轨迹，得到当前人员对应的人脸轨迹。
[0015]可选地，所述基于预设去重算法从所述人脸轨迹中选取最优人脸数据，包括：
[0016]基于预设去重算法确定所述人脸轨迹中各待选人脸数据对应的图像位置、五官偏移度以及人脸模糊度；
[0017]获取预先设置的位置权重、偏移度权重以及模糊度权重；
[0018]根据所述位置权重、所述偏移度权重、所述模糊度权重以及所述各待选人脸数据对应的图像位置、五官偏移度以及人脸模糊度确定各所述待选人脸数据对应的评估结果；
[0019]根据所述评估结果从所述待选人脸数据中选择最优人脸数据。
[0020]可选地，所述根据所述当前视频数据对应的人脸区域进行帧数据过滤，得到若干帧图像数据以及对应的人脸区域，包括：
[0021]按照所述当前视频数据对应的人脸区域截取得到人脸图像；
[0022]获取各个所述人脸图像对应的像素信息；
[0023]根据所述像素信息对所述若干个人脸图像进行模糊过滤，得到多个目标人脸图像；
[0024]基于预设质量评估模型分别确定各个所述目标人脸图像对应的质量分数值；
[0025]根据所述质量分数值对所述多个目标人脸图像进行质量过滤，得到若干过滤后人脸图像；
[0026]确定所述若干过滤后人脸图像对应的人脸标签，根据所述人脸标签从所述当前视频数据查找得到若干帧图像数据以及对应的人脸区域。
[0027]可选地，所述根据所述像素信息对所述若干个人脸图像进行模糊过滤，得到多个目标人脸图像，包括：
[0028]从所述若干个人脸图像中删除掉像素信息小于预设像素信息的人脸图像，得到多个目标人脸图像。
[0029]可选地，所述根据所述质量分数值对所述多个目标人脸图像进行质量过滤，得到若干过滤后人脸图像，包括：
[0030]从所述多个目标人脸图像中删除掉质量分数值小于预设质量分数阈值的人脸图像，得到若干过滤后人脸图像。
[0031]可选地，所述获取当前视频数据，并确定所述当前视频数据对应的人脸区域之前，所述方法还包括：
[0032]基于预设标准角度范围以及预设清晰度范围采集正样本图像，并获取所述正样本图像对应的正样本人工质量评分；
[0033]采集不良角度图像和初始样本图像；
[0034]对所述初始样本图像进行模糊处理，得到模糊图像；
[0035]将所述不良角度图像以及所述模糊图像作为负样本图像，并获取所述负样本图像对应的负样本人工质量评分；
[0036]根据所述正样本图像、所述正样本人工质量评分、所述负样本图像以及所述负样本人工质量评分生成训练集；
[0037]根据所述训练集对初始质量评估模型进行训练，得到训练好的预设质量评估模型。
[0038]可选地，所述根据所述最优人脸数据判断所述当前人员是否为在库人员，包括：
[0039]确定所述最优人脸数据分别与各在库人员的标准图像数据之间的相似度分数值；
[0040]在所述相似度分数值大于预设阈值时，判定所述当前人员为在库人员；
[0041]在所述相似度分数值小于或等于所述预设阈值时，判定所述当前人员为陌生人员。
[0042]可选地，所述根据所述相似度分数值判断所述当前人员是否为在库人员之后，所述方法还包括：
[0043]在所述当前人员为陌生人员时，将所述最优人脸数据与预设陌生人底库进行匹配；
[0044]在所述匹配结果为匹配成功时，按照预设显示模板对所述最优人脸数据以及对应的采集信息进行展示。
[0045]可选地，所述在所述当前人员为陌生人员时，将所述最优人脸数据与预设陌生人底库进行匹配之后，所述方法还包括：
[0046]在所述匹配结果为匹配失败时，根据所述最优人脸数据以及对应的采集信息在所述预设陌生人底库中进行陌生人员建档。
[0047]可选地，所述获取当前视频数据，并确定所述当前视频数据对应的人脸区域之前，所述方法还包括：
[0048]在获取到当前在库人员的当前图像时，从所述当前图像中截取对应的当前人脸图像；
[0049]确定所述当前人脸图像的亮度平均值和像素信息；
[0050]在所述亮度平均值大于预设亮度值且所述像素信息大于或等于预设像素信息时，确定所述当前人脸图像中所述当前在库人员的五官位置；
[0051]基于所述五官位置确定所述当前图像对应的拍摄角度；
[0052]在所述拍摄角度与预设标准角度一致时，将所述当前人脸图像作为标准图像数据进行存储。
[0053]此外，为实现上述目的，本专利技术还提出一种人员识别装置，所述人员识别装置包括：
[0054]获取模块，用于获取当前视频数据，并确定所述当前视频数据对应的人脸区域；
[0055]过滤模块，用于根据所述当前视频数据对应的人脸区域进行帧数据过滤，得到若干帧图像数据以及对应的人脸区域；
[0056]跟踪模块，用于本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种人员识别方法，其特征在于，所述人员识别方法包括：获取当前视频数据，并确定所述当前视频数据对应的人脸区域；根据所述当前视频数据对应的人脸区域进行帧数据过滤，得到若干帧图像数据以及对应的人脸区域；根据所述若干帧图像数据以及对应的人脸区域进行人脸跟踪，得到当前人员对应的人脸轨迹；基于预设去重算法从所述人脸轨迹中选取最优人脸数据；根据所述最优人脸数据判断所述当前人员是否为在库人员；在所述当前人员为在库人员时，根据所述最优人脸数据以及对应的采集信息生成在库人员记录数据。2.如权利要求1所述的人员识别方法，其特征在于，所述根据所述若干帧图像数据以及对应的人脸区域进行人脸跟踪，得到当前人员对应的人脸轨迹，包括：根据所述若干帧图像数据对应的人脸区域确定任意相邻两帧图像数据中人脸区域之间的重叠面积和相似度；在所述重叠面积大于预设面积和所述相似度大于预设相似度时，将对应的人脸区域归为同一轨迹，得到当前人员对应的人脸轨迹。3.如权利要求1所述的人员识别方法，其特征在于，所述基于预设去重算法从所述人脸轨迹中选取最优人脸数据，包括：基于预设去重算法确定所述人脸轨迹中各待选人脸数据对应的图像位置、五官偏移度以及人脸模糊度；获取预先设置的位置权重、偏移度权重以及模糊度权重；根据所述位置权重、所述偏移度权重、所述模糊度权重以及所述各待选人脸数据对应的图像位置、五官偏移度以及人脸模糊度确定各所述待选人脸数据对应的评估结果；根据所述评估结果从所述待选人脸数据中选择最优人脸数据。4.如权利要求1所述的人员识别方法，其特征在于，所述根据所述当前视频数据对应的人脸区域进行帧数据过滤，得到若干帧图像数据以及对应的人脸区域，包括：按照所述当前视频数据对应的人脸区域截取得到人脸图像；获取各个所述人脸图像对应的像素信息；根据所述像素信息对所述若干个人脸图像进行模糊过滤，得到多个目标人脸图像；基于预设质量评估模型分别确定各个所述目标人脸图像对应的质量分数值；根据所述质量分数值对所述多个目标人脸图像进行质量过滤，得到若干过滤后人脸图像；确定所述若干过滤后人脸图像对应的人脸标签，根据所述人脸标签从所述当前视频数据查找得到若干帧图像数据以及对应的人脸区域。5.如权利要求4所述的人员识别方法，其特征在于，...
【专利技术属性】
技术研发人员：贾东风，程力行，袁振华，
申请(专利权)人：奇酷软件深圳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。