监控场景下身份识别方法及装置
阅读：320发布：2021-06-07
专利汇可以提供监控场景下身份识别方法及装置专利检索，专利查询，专利分析的服务。并且本 申请 提供了一种监控场景下身份识别方法及装置，涉及计算机识别技术领域，采用获取第一对象的第一 生物 特征在监控视频中 定位 出第一对象，以第一对象的 位置 在监控视频中设定目标区域，在目标区域内寻找至少一个第二对象的第二生物特征；根据各个第二对象的第二生物特征，获取在设定时间范围内各个第二对象在监控视频中的出现次数，或出现时长；从各个第二对象中筛选出出现次数不小于预设次数，或出现时长不小于预设时间长度 阈值 的 选定 第二对象，将选定第二对象确定为出现在监控视频内的目标对象。通过监控视频内第二对象出现的次数来初步选定嫌疑人，省去了通过人工分析海量视频文件来完成初步筛选嫌疑人的步骤，提高了处理效率，同时能够较准确地确定嫌疑人。，下面是监控场景下身份识别方法及装置专利的具体信息内容。
1.一种监控场景下身份识别方法，其特征在于，包括：
获取第一对象的第一生物特征，所述第一生物特征包括所述第一对象的步态特征和/或面部特征；
根据所述第一生物特征，在监控视频中确定所述第一对象；
根据所述第一对象的位置，从所述监控视频中确定出目标区域；
从所述监控视频中获取出现在所述目标区域内的至少一个第二对象的第二生物特征，所述第二生物特征包括所述第二对象的步态特征和/或面部特征；
根据各个所述第二对象的第二生物特征，获取在设定时间范围内各个所述第二对象在所述监控视频中的出现次数，或出现时长；
从各个所述第二对象中筛选出所述出现次数不小于预设次数，或所述出现时长不小于预设时间长度阈值的选定第二对象；
将所述选定第二对象确定为出现在所述监控视频内的目标对象。
2.根据权利要求1所述的方法，其特征在于，所述根据所述第一生物特征，在监控视频中确定所述第一对象，包括：
获取所述监控视频中每个对象的生物特征；
将所述每个对象的生物特征分别与所述第一对象的第一生物特征进行匹配，确定在所述监控视频内所述第一对象的位置。
3.根据权利要求2所述的方法，其特征在于，当所述每个对象的生物特征包括每个对象的面部特征和步态特征时，所述将所述每个对象的生物特征分别与所述第一对象的第一生物特征进行匹配，确定在所述监控视频内所述第一对象的位置，包括：
针对所述每个对象的面部特征，检测每个对象的面部特征是否满足面部识别条件；
将面部特征满足所述面部识别条件的对象的面部特征与所述第一对象的面部特征进行匹配，并将面部特征匹配成功的对象在所述监控视频中出现的位置确定为所述第一对象的位置；
提取面部特征不满足所述面部识别条件的对象的步态特征，将提取出的步态特征与所述第一对象的步态特征进行匹配，并将步态特征匹配成功的对象在所述监控视频中出现的位置确定为所述第一对象的位置。
4.根据权利要求2所述的方法，其特征在于，当所述每个对象的生物特征包括每个对象的面部特征时，所述将所述每个对象的生物特征分别与所述第一对象的第一生物特征进行匹配，确定在所述监控视频内所述第一对象的位置，包括：
将所述每个对象的面部特征与所述第一对象的面部特征进行匹配，并将面部特征匹配成功的对象在所述监控视频中出现的位置确定为所述第一对象的位置。
5.根据权利要求2所述的方法，其特征在于，当所述每个对象的生物特征包括每个对象的步态特征时，所述将所述每个对象的生物特征分别与所述第一对象的第一生物特征进行匹配，确定在所述监控视频内所述第一对象的位置，包括：
将所述每个对象的步态特征与所述第一对象的步态特征进行匹配，并将步态特征匹配成功的对象在所述监控视频中出现的位置确定为所述第一对象的位置。
6.根据权利要求1所述的方法，其特征在于，所述根据所述第一对象的位置，从所述监控视频中确定出目标区域，包括：
以所述第一对象的位置为圆心，以距离所述第一对象的位置为预设距离长度为半径，从所述监控视频中确定所述目标区域。
7.根据权利要求1所述的方法，其特征在于，所述根据各个所述第二对象的第二生物特征，获取在设定时间范围内各个所述第二对象在所述监控视频中的出现次数，包括：
针对每个所述第二对象，执行如下操作：
获取所述监控视频在设定时间范围内每个对象的第三生物特征；
将所述第三生物特征与所述第二生物特征进行匹配；
将匹配成功的对象确定为所述第二对象，并对所述第二对象在所述监控视频中进行追踪；
当在所述监控视频中无法追踪到所述第二对象时，将所述第二对象出现的次数统计为一次，以确定所述第二对象在所述监控视频中的所述出现次数。
8.根据权利要求1所述的方法，其特征在于，所述根据各个所述第二对象的第二生物特征，获取在设定时间范围内各个所述第二对象在所述监控视频中的出现次数，还包括：
针对每个所述第二对象，执行如下操作：
在所述监控视频的设定时间范围内的多个视频段中，获取每个所述视频段内每个对象的第三生物特征；
将所述第三生物特征与所述第二对象的第二生物特征进行匹配；
将匹配成功的对象确定为所述第二对象；
通过统计出现所述第二对象的视频段的个数，确定所述第二对象在所述监控视频中的所述出现次数。
9.根据权利要求1所述的方法，其特征在于，所述根据各个所述第二对象的第二生物特征，获取在设定时间范围内各个所述第二对象在所述监控视频中的出现时长，包括：
针对每个所述第二对象，执行如下操作：
获取所述监控视频在设定时间范围内的每个对象的第三生物特征；
将所述第三生物特征与所述第二对象的第二生物特征进行匹配；
将匹配成功的对象确定为所述第二对象，并对所述第二对象进行追踪，统计所述监控视频中连续出现有所述第二对象的图像帧数；
根据所述图像帧数，确定所述第二对象在所述监控视频中的所述出现时长。
10.一种监控场景下身份识别装置，其特征在于，包括：
第一获取模块，用于获取第一对象的第一生物特征，所述第一生物特征包括所述第一对象的步态特征和/或面部特征；
第一对象位置确定模块，用于根据所述第一生物特征，在监控视频中确定所述第一对象；
第一确定模块，用于根据所述第一对象的位置，从所述监控视频中确定出目标区域；
第二获取模块，用于从所述监控视频中获取出现在所述目标区域内的至少一个第二对象的第二生物特征，所述第二生物特征包括所述第二对象的步态特征和/或面部特征；
第三获取模块，用于根据各个所述第二对象的第二生物特征，获取在设定时间范围内各个所述第二对象在所述监控视频中的出现次数，或出现时长；
筛选模块，用于从各个所述第二对象中筛选出所述出现次数不小于预设次数，或所述出现时长不小于预设时间长度阈值的选定第二对象；
第二确定模块，用于将所述选定第二对象确定为出现在所述监控视频内的目标对象。
11.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至9任一所述的一种监控场景下身份识别方法的步骤。
12.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至9任一所述的一种监控场景下身份识别方法的步骤。
监控场景下身份识别方法及装置
技术领域
[0001] 本申请涉及计算机识别技术领域，尤其是涉及一种监控场景下身份识别方法及装置。
背景技术
[0002] 目前，监控系统已经实现了对城市各街道辖区的24小时监控，视频图像与案件的关联分析已成为公安系统寻找证据、破获案件最有力的手段。目前借助监控系统对某特定目标的搜索，主要是通过人工分析海量视频文件来完成的。但是，监控视频资料的数据量庞大，人工的分析方式不仅耗费人力、处理效率低下，同时可能会出现无法准确确定嫌疑人的问题。发明内容
[0003] 有鉴于此，本申请的目的在于提供一种监控场景下身份识别方法及装置，以提高对监控视频资料的处理效率同时能够准确确定嫌疑人。
[0004] 第一方面，本申请实施例提供了一种监控场景下身份识别方法，包括：
[0005] 获取第一对象的第一生物特征，第一生物特征包括第一对象的步态特征和/或面部特征；根据第一生物特征，在监控视频中确定第一对象；
[0006] 根据第一对象的位置，从监控视频内确定出目标区域；从监控视频中获取出现在目标区域内的至少一个第二对象的第二生物特征，第二生物特征包括第二对象的步态特征和/或面部特征；根据各个第二对象的第二生物特征，获取在设定时间范围内各个第二对象在监控视频中的出现次数，或出现时长；从各个第二对象中筛选出出现次数不小于预设次数，或出现时长不小于预设时间长度阈值的选定第二对象；将选定第二对象确定为出现在监控视频内的目标对象。
[0007] 结合第一方面，本申请实施例提供了第一方面的第一种可能的实施方式，其中，根据所述第一生物特征，在监控视频中确定所述第一对象，包括：获取监控视频中每个对象的生物特征；将每个对象的生物特征分别与第一对象的第一生物特征进行匹配，确定在监控视频内第一对象的位置。
[0008] 结合第一方面的第一种可能的实施方式，本申请实施例提供了第一方面的第二种可能的实施方式，当每个对象的生物特征包括每个对象的面部特征和步态特征时，将每个对象的生物特征分别与第一对象的第一生物特征进行匹配，确定在监控视频内第一对象的位置，包括：针对每个对象的面部特征，检测每个对象的面部特征是否满足面部识别条件；
[0009] 将面部特征满足面部识别条件的对象的面部特征与第一对象的面部特征进行匹配，并将面部特征匹配成功的对象在监控视频出现的位置确定为第一对象的位置；
[0010] 提取面部特征不满足面部识别条件的对象的步态特征，将提取出的步态特征与第一对象的步态特征进行匹配，并将步态特征匹配成功的对象在监控视频中出现的位置确定为第一对象的位置。
[0011] 结合第一方面的第一种可能的实施方式，本申请实施例提供了第一方面的第三种可能的实施方式，当每个对象的生物特征包括每个对象的面部特征时，将每个对象的生物特征分别与第一对象的第一生物特征进行匹配，确定在监控视频内第一对象的位置，包括：
[0012] 将每个对象的面部特征与第一对象的面部特征进行匹配，并将面部特征匹配成功的对象在监控视频中出现的位置确定为第一对象的位置。
[0013] 结合第一方面的第一种可能的实施方式，本申请实施例提供了第一方面的第四种可能的实施方式，当每个对象的生物特征包括每个对象的步态特征时，将每个对象的生物特征分别与第一对象的第一生物特征进行匹配，确定在监控视频内第一对象的位置，包括：
[0014] 将每个对象的步态特征与第一对象的步态特征进行匹配，并将步态特征匹配成功的对象在监控视频中出现的位置确定为第一对象的位置。
[0015] 结合第一方面，本申请实施例提供了第一方面的第五种可能的实施方式，根据第一对象的位置，从监控视频内确定出目标区域，包括：以第一对象的位置为圆心，以距离第一对象的位置为预设距离长度为半径，从监控视频中确定目标区域。
[0016] 结合第一方面，本申请实施例提供了第一方面的第六种可能的实施方式，根据各个第二对象的第二生物特征，获取在设定时间范围内各个第二对象在监控视频中的出现次数，包括：针对每个第二对象，执行如下操作：
[0017] 获取监控视频在设定时间范围内每个对象的第三生物特征；将第三生物特征与第二生物特征进行匹配；将匹配成功的对象确定为第二对象，并对第二对象在监控视频中进行追踪；当在监控视频中无法追踪到第二对象时，将第二对象出现的次数统计为一次，以确定第二对象在监控视频中的出现次数。
[0018] 结合第一方面，本申请实施例提供了第一方面的第七种可能的实施方式，根据各个第二对象的第二生物特征，获取在设定时间范围内各个第二对象在监控视频中的出现次数，还包括：
[0019] 针对每个第二对象，执行如下操作：在监控视频的设定时间范围内的多个视频段中，获取每个视频段内每个对象的第三生物特征；将第三生物特征与第二对象的第二生物特征进行匹配；将匹配成功的对象确定为第二对象；通过统计出现第二对象的视频段的个数，确定第二对象在监控视频中的出现次数。
[0020] 结合第一方面，本申请实施例提供了第一方面的第八种可能的实施方式，所述根据各个所述第二对象的第二生物特征，获取在设定时间范围内各个所述第二对象在所述监控视频中的出现时长，包括：
[0021] 针对每个所述第二对象，执行如下操作：获取所述监控视频在设定时间范围内的每个对象的第三生物特征；将所述第三生物特征与所述第二对象的第二生物特征进行匹配；将匹配成功的对象确定为所述第二对象，并对所述第二对象进行追踪，统计所述监控视频中连续出现有所述第二对象的图像帧数；根据所述图像帧数，确定所述第二对象在所述监控视频中的所述出现时长。
[0022] 第二方面，本申请实施例提供了一种监控场景下身份识别装置，包括：第一获取模块，用于获取第一对象的第一生物特征，第一生物特征包括第一对象的步态特征和/或面部特征；第一对象位置确定模块，用于根据第一生物特征，在监控视频中确定第一对象；第一确定模块，用于根据第一对象的位置，从监控视频中确定出目标区域；第二获取模块，用于从监控视频中获取出现在目标区域内的至少一个第二对象的第二生物特征；第二生物特征包括第二对象的步态特征和/或面部特征；第三获取模块，用于根据各个第二对象的第二生物特征，获取在设定时间范围内各个第二对象在监控视频中的出现次数，或出现时长；筛选模块，用于从各个所述第二对象中筛选出所述出现次数不小于预设次数，或所述出现时长不小于预设时间长度阈值的选定第二对象；第二确定模块，用于将选定第二对象确定为出现在监控视频内的目标对象。
[0023] 结合第二方面，本申请实施例提供了第二方面的第一种可能的实施方式，第一对象位置确定模块具体用于获取监控视频中每个对象的生物特征；将每个对象的生物特征分别与第一对象的第一生物特征进行匹配，确定在监控视频内第一对象的位置。
[0024] 结合第二方面的第一种可能的实施方式，本申请实施例提供了第二方面的第二种可能的实施方式，第一对象位置确定模块，当所述每个对象的生物特征包括每个对象的面部特征和步态特征时，具体用于针对所述每个对象的面部特征，检测每个对象的面部特征是否满足面部识别条件；
[0025] 将面部特征满足所述面部识别条件的对象的面部特征与所述第一对象的面部特征进行匹配，并将面部特征匹配成功的对象在所述监控视频中出现的位置确定为所述第一对象的位置；
[0026] 提取面部特征不满足所述面部识别条件的对象的步态特征，将提取出的步态特征与所述第一对象的步态特征进行匹配，并将步态特征匹配成功的对象在所述监控视频中出现的位置确定为所述第一对象的位置。
[0027] 结合第二方面的第一种可能的实施方式，本申请实施例提供了第二方面的第三种可能的实施方式，第一对象位置确定模块，当所述每个对象的生物特征包括每个对象的面部特征时，具体用于将所述每个对象的面部特征与所述第一对象的面部特征进行匹配，并将面部特征匹配成功的对象在所述监控视频中出现的位置确定为所述第一对象的位置。
[0028] 结合第二方面的第一种可能的实施方式，本申请实施例提供了第二方面的第四种可能的实施方式，第一对象位置确定模块，当所述每个对象的生物特征包括每个对象的步态特征时，具体用于将所述每个对象的步态特征与所述第一对象的步态特征进行匹配，并将步态特征匹配成功的对象在所述监控视频中出现的位置确定为所述第一对象的位置。
[0029] 结合第二方面，本申请实施例提供了第二方面的第五种可能的实施方式，第一确定模块具体用于以所述第一对象的位置为圆心，以距离所述第一对象的位置为预设距离长度为半径，从所述监控视频中确定所述目标区域。
[0030] 结合第二方面，本申请实施例提供了第二方面的第六种可能的实施方式，第三获取模块，具体用于根据各个第二对象的第二生物特征，获取在设定时间范围内各个第二对象在监控视频中的出现次数，包括：针对每个第二对象，执行如下操作：
[0031] 获取监控视频在设定时间范围内每个对象的第三生物特征；将第三生物特征与第二生物特征进行匹配；将匹配成功的对象确定为第二对象，并对第二对象在监控视频中进行追踪；当在监控视频中无法追踪到第二对象时，将第二对象出现的次数统计为一次，以确定第二对象在监控视频中的出现次数。
[0032] 结合第二方面，本申请实施例提供了第二方面的第七种可能的实施方式，第三获取模块还用于执行下述方式：
[0033] 根据各个第二对象的第二生物特征，获取在设定时间范围内各个第二对象在监控视频中的出现次数，针对每个第二对象，执行如下操作：在监控视频的设定时间范围内的多个视频段中，获取每个视频段内每个对象的第三生物特征；将第三生物特征与第二对象的第二生物特征进行匹配；将匹配成功的对象确定为第二对象；通过统计出现第二对象的视频段的个数，确定第二对象在监控视频中的出现次数。
[0034] 结合第二方面，本申请实施例提供了第二方面的第八种可能的实施方式，第三获取模块还用于根据各个所述第二对象的第二生物特征，获取在设定时间范围内各个所述第二对象在所述监控视频中的出现时长，包括：针对每个所述第二对象，执行如下操作：获取所述监控视频在设定时间范围内的每个对象的第三生物特征；将所述第三生物特征与所述第二对象的第二生物特征进行匹配；将匹配成功的对象确定为所述第二对象，并对所述第二对象进行追踪，统计所述监控视频中连续出现有所述第二对象的图像帧数；根据所述图像帧数，确定所述第二对象在所述监控视频中的所述出现时长。
[0035] 第三方面，本申请实施例提供了一种电子设备，包括：处理器、存储器和总线，存储器存储有处理器可执行的机器可读指令，当电子设备运行时，处理器与存储器之间通过总线通信，机器可读指令被处理器执行时执行如上述第一方面或第一方面的任一种可能的一种监控场景下身份识别方法的步骤。
[0036] 第四方面，本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上述第一方面或第一方面的任一种可能的一种监控场景下身份识别方法的步骤。
[0037] 本申请实施例提供的一种监控场景下身份识别方法及装置，采用获取第一对象的第一生物特征确定出第一对象，以第一对象的位置设定目标区域，在目标区域内寻找至少一个第二对象的第二生物特征；根据各个第二对象的第二生物特征，获取在设定时间范围内各个第二对象在监控视频中的出现次数，或出现时长；从各个第二对象中筛选出出现次数不小于预设次数，或出现时长不小于预设时间长度阈值的选定第二对象；将选定第二对象确定为出现在监控视频内的目标对象。通过监控视频内第二对象出现的次数来初步选定嫌疑人，省去了通过人工分析海量视频文件来完成初步筛选嫌疑人的步骤，提高了处理效率，同时能够较准确地确定嫌疑人。
附图说明
[0039] 为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0040] 图1示出了本申请实施例所提供的一种监控场景下身份识别方法的流程示意图；
[0041] 图2示出了本申请实施例所提供的一种确定第一对象位置的流程示意图；
[0042] 图3示出了本申请实施例所提供的另一种确定第一对象位置的流程示意图；
[0043] 图4示出了本申请实施例所提供的一种确定第二对象在监控视频中的出现次数的流程示意图；
[0044] 图5示出了本申请实施例所提供的另一种确定第二对象在监控视频中的出现次数的流程示意图；
[0045] 图6示出了本申请实施例所提供的一种确定第二对象在监控视频中的出现时长的流程示意图；
[0046] 图7示出了本申请实施例所提供的一种监控场景下身份识别装置的结构示意图；
[0047] 图8示出了本申请实施例所提供的一种电子设备的结构示意图。
[0048] 图标：
[0049] 701-第一获取模块；702-定位模块；703-第一确定模块；704-第二获取模块；705-第三获取模块；706-筛选模块；707-第二确定模块。
具体实施方式
[0050] 为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0051] 考虑到目前借助监控系统对某特定目标的搜索，主要是通过人工分析海量视频文件来完成的。但是，监控视频资料的数据量庞大，人工的分析方式不仅耗费人力、处理效率低下，同时可能会出现无法准确确定嫌疑人的问题。基于此，本申请实施例提供了一种监控场景下身份识别方法及装置，下面通过实施例进行描述。
[0052] 为便于对本实施例进行理解，首先对本申请实施例所公开的一种监控场景下身份识别方法进行详细介绍。
[0053] 实施例一：
[0054] 本申请实施例提供了一种监控场景下身份识别方法，可参见图1中示出的一种监控场景下身份识别方法的流程示意图，包括如下步骤：
[0055] 步骤S102，获取第一对象的第一生物特征，第一生物特征包括第一对象的步态特征和/或面部特征。
[0056] 上述第一对象可以是报案人或者是提供线索的相关人员，获取第一对象的第一生物特征的方式可以是拍摄照片或者通过摄录设备拍取的视频，通过对拍摄的照片或者视频进行第一对象的步态特征和/或面部特征的提取。其中，步态特征包括但不限于步长、步幅、韵律、速度、动态基础、进程线、底脚倾斜角及髋关节角度；步态分析的过程包含了测量，并对其中可测量的参数进行介绍、分析与解释，通过步态特征能够得到第一对象的相关指标如健康状况、年龄、体形、重量及带有个人特征的形体表现。面部特征主要是通过识别脸部的各个特征点，包括但不限于右眼内眦点、左眼内眦点、右唇角点及右下睑缘底点，通过各个特征点之间的连线识别第一对象的脸部轮廓。
[0057] 步骤S104，根据第一生物特征，在监控视频中确定第一对象。
[0058] 本申请实施例中，在根据第一生物特征，在监控视频内定位第一对象时，可以获取出现在监控视频内的每个对象的生物特征，进而将每个对象的生物特征分别与第一对象的第一生物特征进行匹配，确定在监控视频内第一对象的位置。
[0059] 具体的，将监控视频中的每个对象的生物特征与第一对象的第一生物特征进行逐一匹配，当匹配的结果达到预设相似度值，则确定在监控视频内对应的对象为第一对象，进而在监控视频内确定第一对象。
[0060] 具体实施中，执行匹配的过程具体可以为：
[0061] 针对每个对象的面部特征，检测每个对象的面部特征是否满足面部识别条件；将面部特征满足面部识别条件的对象的面部特征与第一对象的面部特征进行匹配，并将面部特征匹配成功的对象在监控视频出现的位置确定为第一对象的位置；
[0062] 提取面部特征不满足面部识别条件的对象的步态特征，将提取出的步态特征与第一对象的步态特征进行匹配，并将步态特征匹配成功的对象在监控视频出现的位置确定为第一对象的位置。
[0063] 其中，上述面部识别的条件首先是针对监控视频中每个对象的面部图像的画质是否清晰，能否通过图像识别技术识别出上述每个对象的面部特征，以便与第一对象的面部特征进行匹配，其次是在上述每个对象的面部图像画质清晰的基础上，是否能够通过图像识别技术识别出关键的面部特征，如在所获取图像中的每个对象的面部特征中只能找到右唇角点，这就无法通过一个特征点来与第一对象的面部特征进行匹配。
[0064] 上述实施例中，在判断面部特征是否符合面部识别的条件时，可以基于全卷积网络得到面部特征的评分，然后将评分之和与预设评分阈值比较，若评分之和大于或等于预设评分阈值，则满足面部识别条件；若评分之和小于预设评分阈值，则不满足面部识别条件。
[0065] 一种可能的实施方式中，针对面部特征满足面部识别条件的对象，可以将面部特征满足面部识别条件的对象的面部特征与第一对象的面部特征进行匹配，当面部特征匹配的结果达到预设相似度值，则上述匹配成功的对象在监控视频出现的位置确定为第一对象的位置。
[0066] 另外，当面部特征匹配的结果未达到预设相似度值，说明面部特征匹配失败，这种情况下可以不将面部特征匹配失败的对象直接排除为第一对象人选，还可以针对面部特征匹配失败的对象再进一步提取步态特征，与第一对象的步态特征进行匹配，并将步态特征匹配结果达到预设相似度值的对象在监控视频出现的位置确定为第一对象的位置，当步态特征的匹配结果也没有达到预设相似度值时，则面部特征匹配失败的对象确定为不是第一对象。
[0067] 另一种可能的实施方式中，针对面部特征不满足面部识别条件的对象，可以进一步提取面部特征不满足面部识别条件的对象的步态特征，将提取出的步态特征与第一对象的步态特征进行匹配，并将步态特征匹配成功的对象在监控视频出现的位置确定为第一对象的位置。
[0068] 此处，在进行步态特征匹配时，需要监控视频中的多帧图像才能确定步态特征。具体实现的时候，首先，提取第N帧图像所对应的至少一个关联图像中面部特征不满足面部识别条件的对象的步态特征。然后，将提取出的步态特征与第一对象的步态特征进行匹配，当匹配的结果达到预设相似度值，则上述匹配成功的对象在监控视频出现的位置确定为第一对象的位置。上述步态特征的匹配过程与面部特征的匹配过程相似，在此不再赘述。
[0069] 其中，上述关联图像包括但不限制于：监控视频中的与第N帧图像相邻且连续的前X帧图像、与第N帧图像相邻且连续的后Y帧图像，或与第N帧图像相邻且连续的前X帧图像以及与第N帧图像相邻且连续的后Y帧图像。
[0071] 可选地，参见图2所示的一种确定第一对象位置的流程示意图，本申请实施例基于下述方式确定第一对象的位置：
[0072] S202：获取监控视频中每个对象的面部特征。
[0073] S204：将每个对象的面部特征与第一对象的面部特征进行匹配，并将面部特征匹配成功的对象在监控视频中出现的位置确定为第一对象的位置。
[0074] 可选地，参见图3所示的另一种确定第一对象位置的流程示意图，本申请实施例基于下述方式确定第一对象的位置：
[0075] S302：获取监控视频中每个对象的步态特征。
[0076] S304：将每个对象的步态特征与第一对象的步态特征进行匹配，并将步态特征匹配成功的对象在监控视频中出现的位置确定为第一对象的位置。
[0077] 确定第一对象的位置后，执行步骤S106：
[0078] 步骤S106，根据第一对象的位置，从监控视频中确定出目标区域。
[0079] 一种可能的实施方式中，在确定目标区域时，可以以第一对象的位置为圆心，以距离第一对象的位置为预设距离长度为半径，从监控视频中确定目标区域，有利于缩小寻找目标对象的范围。
[0080] 步骤S108，从监控视频中获取出现在目标区域内的至少一个第二对象的第二生物特征，其中，第二生物特征包括第二对象的步态特征和/或面部特征。
[0081] 其中，至少一个第二对象的第二生物特征的获取过程与步骤S102中第一对象的第一生物特征的获取过程类似，为描述的方便和简洁，上述描述的第二对象的第二生物特征具体工作过程，可以参考前述步骤S102的对应过程，在此不再赘述。
[0082] 步骤S110，根据各个第二对象的第二生物特征，获取在设定时间范围内各个第二对象在监控视频中的出现次数，或出现时长；
[0083] 在获取至少一个第二对象的生物特征后，在监控视频中选取最可能发生事件的时间段的监控视频(即上述的设定时间范围内的监控视频)，在上述设定的时间范围内进行统计各个第二对象在监控视频中的出现次数。
[0084] 其中，如果一个人在设定时间范围内频繁出现在某个人流量较大的场所，那么这个人的行为就会比较可疑，很可能是嫌疑人。因此通过统计设定时间范围内各个第二对象在监控视频中的出现次数，通过判断出现次数的次数或者出现时长的长短，可以缩小寻找目标对象的范围。
[0085] 为了更加清楚地描述，将根据各个第二对象的第二生物特征，获取在设定时间范围内各个第二对象在监控视频中的出现次数，或出现时长的过程，详细描述如下：
[0086] 针对每个第二对象，执行如下操作：(具体过程可参见图4示出的一种确定第二对象在监控视频中的出现次数的流程示意图)
[0087] 步骤S402，获取监控视频在设定时间范围内每个对象的第三生物特征；
[0088] 步骤S404，将第三生物特征与第二生物特征进行匹配；
[0089] 步骤S406，将匹配成功的对象确定为第二对象，并对第二对象在监控视频中进行追踪；
[0090] 步骤S408，当在监控视频中无法追踪到第二对象时，将第二对象出现的次数统计为一次，以确定第二对象在监控视频中的出现次数。
[0091] 可选地，图5示出了另一种确定第二对象在监控视频中的出现次数的流程示意图，针对每个第二对象，执行如下操作：
[0092] 步骤S502，在监控视频的设定时间范围内的多个视频段中，获取每个视频段内每个对象的第三生物特征；
[0093] 步骤S504，将第三生物特征与第二对象的第二生物特征进行匹配；
[0094] 步骤S506，将匹配成功的对象确定为第二对象；
[0095] 步骤S508，通过统计出现第二对象的视频段的个数，确定第二对象在监控视频中的出现次数。
[0096] 具体实现的时候，参见图6所示的一种确定第二对象在监控视频中的出现时长的流程示意图，本申请实施例通过下述方式确定第二对象在监控视频中的出现时长：
[0097] 针对每个第二对象，执行如下操作：
[0098] 步骤S602，获取监控视频在设定时间范围内的每个对象的第三生物特征；
[0099] 步骤S604，将第三生物特征与第二对象的第二生物特征进行匹配；
[0100] 步骤S606，将匹配成功的对象确定为第二对象，并对第二对象进行追踪，统计监控视频中连续出现有第二对象的图像帧数；
[0101] 步骤S608，根据图像帧数，确定第二对象在监控视频中的出现时长。
[0102] 上述确定各个第二对象在监控视频中的出现次数，或出现时长后，将执行步骤S112。
[0103] 步骤S112，从各个第二对象中筛选出出现次数不小于预设次数，或出现时长不小于预设时间长度阈值的选定第二对象，并将选定第二对象确定为出现在监控视频内的目标对象。
[0104] 本申请实施例提供的一种监控场景下身份识别方法，采用获取第一对象的第一生物特征定位出第一对象，以第一对象的位置设定目标区域，在目标区域内寻找至少一个第二对象的第二生物特征；根据各个第二对象的第二生物特征，获取在设定时间范围内各个第二对象在监控视频中的出现次数，或出现时长；从各个第二对象中筛选出出现次数不小于预设次数，或出现时长不小于预设时间长度阈值的选定第二对象；将选定第二对象确定为出现在监控视频内的目标对象。通过监控视频内第二对象出现的次数来初步选定嫌疑人，省去了通过人工分析海量视频文件来完成初步筛选嫌疑人的步骤，提高了处理效率，同时能够较准确地确定嫌疑人。
[0105] 实施例二：
[0106] 本申请实施例提供了一种监控场景下身份识别装置，参见图7示出的一种监控场景下身份识别装置的结构示意图，包括：
[0107] 第一获取模块701，用于获取第一对象的第一生物特征，第一生物特征包括第一对象的步态特征和/或面部特征；
[0108] 第一对象位置确定模块702，用于根据第一生物特征，在监控视频内定位第一对象；
[0109] 第一确定模块703，用于根据第一对象的位置，从监控视频内确定出目标区域；具体用于采用下述方式：以第一对象的位置为圆心，以距离第一对象的位置为预设距离长度为半径，从监控视频中确定目标区域。
[0110] 第二获取模块704，用于从监控视频中获取出现在目标区域内的至少一个第二对象的第二生物特征；第二生物特征包括第二对象的步态特征和/或面部特征；
[0111] 第三获取模块705，用于根据各个第二对象的第二生物特征，获取在设定时间范围内各个第二对象在监控视频中的出现次数，或出现时长；
[0112] 筛选模块706，用于从各个第二对象中筛选出出现次数不小于预设次数，或出现时长不小于预设时间长度阈值的选定第二对象；
[0113] 第二确定模块707，用于将选定第二对象确定为出现在监控视频内的目标对象。
[0114] 其中，第一对象位置确定模块702具体用于获取监控视频中每个对象的生物特征；将每个对象的生物特征分别与第一对象的第一生物特征进行匹配，确定在监控视频内第一对象的位置。
[0115] 第一对象位置确定模块702，当每个对象的生物特征包括每个对象的面部特征和步态特征时，采用下述方式确定第一对象的位置：
[0116] 针对每个对象的面部特征，检测每个对象的面部特征是否满足面部识别条件；
[0117] 将面部特征满足面部识别条件的对象的面部特征与第一对象的面部特征进行匹配，并将面部特征匹配成功的对象在监控视频中出现的位置确定为第一对象的位置；
[0118] 提取面部特征不满足面部识别条件的对象的步态特征，将提取出的步态特征与第一对象的步态特征进行匹配，并将步态特征匹配成功的对象在监控视频中出现的位置确定为第一对象的位置。
[0119] 可选地，第一对象位置确定模块702，当每个对象的生物特征包括每个对象的面部特征时，具体用于将每个对象的面部特征与第一对象的面部特征进行匹配，并将面部特征匹配成功的对象在监控视频中出现的位置确定为第一对象的位置。
[0120] 可选地，第一对象位置确定模块702，当每个对象的生物特征包括每个对象的步态特征时，具体用于将每个对象的步态特征与第一对象的步态特征进行匹配，并将步态特征匹配成功的对象在监控视频中出现的位置确定为第一对象的位置。
[0121] 具体地，第三获取模块705，用于采用下述方式获取在设定时间范围内各个第二对象在监控视频中的出现次数：
[0122] 针对每个第二对象，执行如下操作：
[0123] 获取监控视频在设定时间范围内每个对象的第三生物特征；将第三生物特征与第二生物特征进行匹配；将匹配成功的对象确定为第二对象，并对第二对象在监控视频中进行追踪；当在监控视频中无法追踪到第二对象时，将第二对象出现的次数统计为一次，以确定第二对象在监控视频中的出现次数。
[0124] 具体地，第三获取模块705，用于采用下述方式获取在设定时间范围内各个第二对象在监控视频中的出现次数：
[0125] 根据各个第二对象的第二生物特征，获取在设定时间范围内各个第二对象在监控视频中的出现次数，针对每个第二对象，执行如下操作：在监控视频的设定时间范围内的多个视频段中，获取每个视频段内每个对象的第三生物特征；将第三生物特征与第二对象的第二生物特征进行匹配；将匹配成功的对象确定为第二对象；通过统计出现第二对象的视频段的个数，确定第二对象在监控视频中的出现次数。
[0126] 具体地，第三获取模块705，用于采用下述方式获取在设定时间范围内各个第二对象在监控视频中的出现时长：
[0127] 针对每个第二对象，执行如下操作：获取监控视频在设定时间范围内的每个对象的第三生物特征；将第三生物特征与第二对象的第二生物特征进行匹配；将匹配成功的对象确定为第二对象，并对第二对象进行追踪，统计监控视频中连续出现有第二对象的图像帧数；根据图像帧数，确定第二对象在监控视频中的出现时长。
[0128] 所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0129] 实施例三：
[0130] 基于相同的技术构思，本申请实施例还提供了一种电子设备、以及计算机存储介质，参见图8示出的一种电子设备的结构示意图，具体内容可参见以下实施例。
[0131] 其中，存储器41可能包含高速随机存取存储器(RAM，Random Access Memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。总线42可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。
[0132] 其中，存储器41用于存储程序，所述处理器40在接收到执行指令后，执行所述程序，前述本发明实施例任一实施例揭示的流程过程定义的装置所执行的方法可以应用于处理器40中，或者由处理器41实现。
[0133] 处理器41可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器41中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器41可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器41，处理器40读取存储器41中的信息，结合其硬件完成上述方法的步骤。
[0134] 具体地，当处理器40运行存储器41存储的计算机程序时，能够执行上述确定目标对象的方法，从而能够通过图像处理技术找到监控视频中可疑的目标对象，解决现有技术中由人工查看监控视频来筛选嫌疑人时处理效率较低，准确率低的问题，从而提高查看监控视频时的处理效率，和准确率。
[0135] 本申请实施例所提供的进行一种监控场景下身份识别方法及装置的计算机程序产品，包括存储了处理器可执行的非易失的程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。
[0136] 在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0137] 所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0138] 另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
[0139] 所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
[0140] 最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 电机选定装置 | 2020-05-11 | 587 |
| 用于选定电动机系统的选定装置和网络系统 | 2020-05-12 | 549 |
| 马达选定装置 | 2020-05-11 | 187 |
| 马达选定装置 | 2020-05-11 | 749 |
| 焊接线选定方法 | 2020-05-11 | 138 |
| 具有选定纹理和着色的交易和ID卡 | 2020-05-13 | 708 |
| 参数选定辅助系统、参数选定辅助方法及参数选定辅助程序 | 2020-05-11 | 956 |
| 为选定上下文构造词典 | 2020-05-12 | 145 |
| 优惠选定装置、优惠选定方法以及信息终端 | 2020-05-12 | 847 |
| 气动装置的选定方法 | 2020-05-12 | 70 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈