一种匹配人体特征与MAC地址的方法及系统技术方案

本发明专利技术公开了一种匹配人体特征与MAC地址的方法及系统，其中方法包括接收监控范围内的视频图像获取人脸图像和/或身体图像，提取人脸特征或身体特征并分别聚类为人脸聚类或身体聚类，将同一人的人脸聚类与身体聚类进行关联并聚类，获取人体运动轨迹；获取移动设备的MAC记录存储至MAC日志数据库，绘制移动设备运动轨迹；根据人体运动轨迹获取并遍历每个人体，计算每个人体与运动轨迹中每个移动设备的匹配成功的次数c

Method and system for matching human body characteristic and MAC address

The invention discloses a method and a system for matching human characteristics and MAC address, the method includes receiving video monitoring range for face image and / or body image, face feature extraction and clustering or physical characteristics of face or body will face clustering clustering, clustering and clustering of the same body of association and clustering, acquire human motion trajectory; access to mobile devices MAC records stored on a MAC log database, rendering mobile device motion trajectory; based on human motion trajectories to obtain and traverse each human, each human calculation and motion trajectory in mobile devices, the number of successful C

【技术实现步骤摘要】
一种匹配人体特征与MAC地址的方法及系统
本专利技术属于视频图像处理
，具体而言，涉及一种匹配人体特征与MAC地址的方法及系统。
技术介绍
通过人的图像信息来确定人员身份的技术日趋成熟，然而现有算法只利用了监控视频的人脸信息。这种方法往往因摄像机清晰度和架设角度原因，无法抓拍到清晰的人脸。只有当人脸正对摄像机时摄像机才能够抓拍到人脸，而大角度侧脸和人背对相机的情况下，会出现人脸抓拍失败的情况从而影响人员身份确定效果。因此利用MAC探针探测周边移动设备的MAC地址来提高人员身份确定的技术随之产生。但这种技术的算法仅仅利用人脸特征进行，并且算法复杂运算速度慢。
技术实现思路
为解决上述技术缺陷，本专利技术结合人脸特征、身体特征以及MAC地址信息，计算人体特征与MAC的匹配度，防止了因摄像头未拍到人脸特征而无法确定人员身份，同时本专利技术通过简单的余弦距离算法提高了对人员的区分，进而加快了计算人体特征与MAC地址的匹配速度。本专利技术提供了一种匹配人体特征与MAC地址的方法，包括如下步骤：接收监控范围内的视频图像获取人脸图像和/或身体图像，将人脸图像和/或身体图像以及抓拍时间与地点生成图像数据后存储至图像日志数据库后，提取人脸特征或身体特征并分别聚类为人脸聚类或身体聚类，将同一人的人脸聚类与身体聚类进行关联并聚类，并结合聚类中人脸图像和/或身体图像对应的时间和地点，获取人体运动轨迹；获取移动设备的MAC记录存储至MAC日志数据库，按照时间顺序绘制移动设备运动轨迹，其中，MAC记录包括对移动设备的编号、MAC地址、记录时间和记录地点；根据人体运动轨迹获取并遍历每个人体，计算每个人体与运动轨迹中每个移动设备的匹配成功的次数cij及每个移动设备运动轨迹的时间段内出现的次数根据cij与的比值获取每个人与移动设备的匹配度。进一步，所述接收监控范围内的视频图像获取人脸图像和/或身体图像，将人脸图像和/或身体图像以及抓拍时间与地点生成图像数据后存储至图像日志数据库后，提取人脸特征或身体特征并分别聚类为人脸聚类或身体聚类，将同一人的人脸聚类与身体聚类进行关联并聚类，获取人体运动轨迹包括获取视频图像中包括人脸特征或身体特征的图像视频帧的数量n，并提取所有人脸特征或身体特征；选定人脸特征或身体特征，计算选定的人脸特征或身体特征与其他的人脸特征或身体特征的余弦距离；将余弦距离与预设的判别阈值进行比较，将大于判别阈值的人脸特征或身体特征聚类为人脸聚类或身体聚类；将同一个人的人脸特征与身体特征进行关联，根据关联信息将同一个人的人脸聚类和身体聚类合并。进一步，所述根据人体运动轨迹获取并遍历每个人体，计算每个人体与运动轨迹中每个移动设备的匹配成功的次数cij及每个移动设备运动轨迹的时间段内出现的次数根据cij与的比值获取每个人与移动设备的匹配度还包括获取所有的匹配度，并根据人体数量与移动设备数量生成匹配度矩阵；判断匹配度矩阵是否为方形矩阵，是则按照匈牙利算法输出人与移动设备匹配的对应关系，否则将匹配度矩阵补充为方形矩阵后，再应用匈牙利算法输出人与移动设备匹配的对应关系。进一步，所述计算每个人体与运动轨迹中每个移动设备的匹配成功的次数cij包括遍历移动设备运动轨迹获取目标移动设备的MAC记录，并按照时间顺序进行排序，获取目标移动设备出现的时间段；获取目标移动设备的记录地点，获取该记录地点目标移动设备连续出现的所有时间点，得到该目标移动设备在该记录地点出现的开始时间ks以及结束时间ke；计算ks与ke时间段内目标移动设备出现的次数并统计目标移动设备出现的时间段内的总个数进一步，所述计算每个人体与运动轨迹中每个移动设备的匹配成功的次数cij及每个移动设备运动轨迹的时间段内出现的次数包括遍历移动设备运动轨迹获取目标移动设备的MAC记录，并按照时间顺序进行排序，获取目标移动设备出现的时间段；根据获取目标移动设备的MAC记录获取其对应的时间点t1,根据时间点t1设置目标移动设备的时间判断区间判断目标移动设备出现的各个时间段是否有重合，如果有，则合并并获取对应的人脸特征和/或身体特征出现的时间点，判断每个人脸特征或身体特征出现的时间点是否在目标移动设备出现的时间判断区间内，是则匹配次数加1，统计所有的匹配次数为人脸或身体与移动设备匹配成功的次数cij，其中，cij表示第i个人脸特征或身体特征与第j个移动设备的匹配成功次数。本专利技术还提供了一种匹配人体特征与MAC地址的系统，包括图像日志模块，用于接收监控范围内的视频图像获取人脸图像和/或身体图像，将人脸图像和/或身体图像以及抓拍时间与地点生成图像数据后存储至图像日志数据库后，提取人脸特征或身体特征并分别聚类为人脸聚类或身体聚类，将同一人的人脸聚类与身体聚类进行关联并聚类，并结合聚类中人脸图像和/或身体图像对应的时间和地点，获取人体运动轨迹；MAC日志模块，用于获取移动设备的MAC记录存储至MAC日志数据库，按照时间顺序绘制移动设备运动轨迹，其中，MAC记录包括对移动设备的编号、MAC地址、记录时间和记录地点；匹配模块，用于根据人体运动轨迹获取并遍历每个人体，计算每个人体与运动轨迹中每个移动设备的匹配成功的次数cij及每个移动设备运动轨迹的时间段内出现的次数根据cij与的比值获取每个人与移动设备的匹配度。进一步，图像日志模块包括特征提取单元，用于获取视频图像中包括人脸特征或身体特征的图像视频帧的数量n，并提取所有人脸特征或身体特征；特征计算单元，用于选定人脸特征或身体特征，计算选定的人脸特征或身体特征与其他的人脸特征或身体特征的余弦距离；判断子模块，用于将余弦距离与预设的判别阈值进行比较，将大于判别阈值的人脸特征或身体特征聚类为人脸聚类或身体聚类；关联子模块，用于将同一个人的人脸特征与身体特征进行关联，根据关联信息将同一个人的人脸聚类和身体聚类合并。进一步，匹配模块还包括矩阵生成单元，用于获取所有的匹配度，并根据人体数量与移动设备数量生成匹配度矩阵；矩阵计算单元，用于判断匹配度矩阵是否为方形矩阵，是则按照匈牙利算法输出人与移动设备匹配的对应关系，否则将匹配度矩阵补充为方形矩阵后，再应用匈牙利算法输出人与移动设备匹配的对应关系。进一步，匹配模块包括第一计算子模块与第二计算子模块，其中，第一计算子模块包括第一排序单元，用于遍历移动设备运动轨迹获取目标移动设备的MAC记录，并按照时间顺序进行排序，获取目标移动设备出现的时间段；时间点统计单元，用于获取目标移动设备的记录地点，获取该记录地点目标移动设备连续出现的所有时间点，得到该目标移动设备在该记录地点出现的开始时间ks以及结束时间ke；第一计算单元，用于计算ks与ke时间段内目标移动设备出现的次数并统计目标移动设备出现的时间段内的总个数第二计算子模块包括第二排序单元，用于遍历移动设备运动轨迹获取目标移动设备的MAC记录，并按照时间顺序进行排序，获取目标移动设备出现的时间段；区间判断单元，用于根据获取目标移动设备的MAC记录获取其对应的时间点t1,根据时间点t1设置目标移动设备的时间判断区间次数统计单元，用于判断目标移动设备出现的各个时间段是否有重合，如果有，则合并并获取对应的人脸特征和/或身体特征出现的时间点，判断每个人脸特征或身体特征出现的时间点是否在目标移动本文档来自技高网...

【技术保护点】
一种匹配人体特征与MAC地址的方法，其特征在于，包括如下步骤：接收监控范围内的视频图像获取人脸图像和/或身体图像，将人脸图像和/或身体图像以及抓拍时间与地点生成图像数据后存储至图像日志数据库后，提取人脸特征或身体特征并分别聚类为人脸聚类或身体聚类，将同一人的人脸聚类与身体聚类进行关联并聚类，并结合聚类中人脸图像和/或身体图像对应的时间和地点，获取人体运动轨迹；获取移动设备的MAC记录存储至MAC日志数据库，按照时间顺序绘制移动设备运动轨迹，其中，MAC记录包括对移动设备的编号、MAC地址、记录时间和记录地点；根据人体运动轨迹获取并遍历每个人体，计算每个人体与运动轨迹中每个移动设备的匹配成功的次数c

【技术特征摘要】
1.一种匹配人体特征与MAC地址的方法，其特征在于，包括如下步骤：接收监控范围内的视频图像获取人脸图像和/或身体图像，将人脸图像和/或身体图像以及抓拍时间与地点生成图像数据后存储至图像日志数据库后，提取人脸特征或身体特征并分别聚类为人脸聚类或身体聚类，将同一人的人脸聚类与身体聚类进行关联并聚类，并结合聚类中人脸图像和/或身体图像对应的时间和地点，获取人体运动轨迹；获取移动设备的MAC记录存储至MAC日志数据库，按照时间顺序绘制移动设备运动轨迹，其中，MAC记录包括对移动设备的编号、MAC地址、记录时间和记录地点；根据人体运动轨迹获取并遍历每个人体，计算每个人体与运动轨迹中每个移动设备的匹配成功的次数cij及每个移动设备运动轨迹的时间段内出现的次数根据cij与的比值获取每个人与移动设备的匹配度。2.根据权利要求1所述的匹配人体特征与MAC地址的方法，其特征在于，所述接收监控范围内的视频图像获取人脸图像和/或身体图像，将人脸图像和/或身体图像以及抓拍时间与地点生成图像数据后存储至图像日志数据库后，提取人脸特征或身体特征并分别聚类为人脸聚类或身体聚类，将同一人的人脸聚类与身体聚类进行关联并聚类，获取人体运动轨迹包括获取视频图像中包括人脸特征或身体特征的图像视频帧的数量n，并提取所有人脸特征或身体特征；选定人脸特征或身体特征，计算选定的人脸特征或身体特征与其他的人脸特征或身体特征的余弦距离；将余弦距离与预设的判别阈值进行比较，将大于判别阈值的人脸特征或身体特征聚类为人脸聚类或身体聚类；将同一个人的人脸特征与身体特征进行关联，根据关联信息将同一个人的人脸聚类和身体聚类合并。3.根据权利要求1所述的匹配人体特征与MAC地址的方法，其特征在于，所述根据人体运动轨迹获取并遍历每个人体，计算每个人体与运动轨迹中每个移动设备的匹配成功的次数cij及每个移动设备运动轨迹的时间段内出现的次数根据cij与的比值获取每个人与移动设备的匹配度还包括获取所有的匹配度，并根据人体数量与移动设备数量生成匹配度矩阵；判断匹配度矩阵是否为方形矩阵，是则按照匈牙利算法输出人与移动设备匹配的对应关系，否则将匹配度矩阵补充为方形矩阵后，再应用匈牙利算法输出人与移动设备匹配的对应关系。4.根据权利要求1所述的匹配人体特征与MAC地址的方法，其特征在于，所述计算每个人体与运动轨迹中每个移动设备的匹配成功的次数cij包括遍历移动设备运动轨迹获取目标移动设备的MAC记录，并按照时间顺序进行排序，获取目标移动设备出现的时间段；获取目标移动设备的记录地点，获取该记录地点目标移动设备连续出现的所有时间点，得到该目标移动设备在该记录地点出现的开始时间ks以及结束时间ke；计算ks与ke时间段内目标移动设备出现的次数并统计目标移动设备出现的时间段内的总个数5.根据权利要求4所述的匹配人体特征与MAC地址的方法，其特征在于，所述计算每个人体与运动轨迹中每个移动设备的匹配成功的次数cij及每个移动设备运动轨迹的时间段内出现的次数包括遍历移动设备运动轨迹获取目标移动设备的MAC记录，并按照时间顺序进行排序，获取目标移动设备出现的时间段；根据获取目标移动设备的MAC记录获取其对应的时间点t1,根据时间点t1设置目标移动设备的时间判断区间(t1-▽t,t1+▽t)；判断目标移动设备出现的各个时间段是否有重合，如果有，则合并并获取对应的人脸特征和/或身体特征出现的时间点，判断每个人脸特征或身体特征出现的时间点是否在目标移动设备出现的时间判断区...

【专利技术属性】
技术研发人员：胡湛，陈芳林，陈浩，陈石玉，
申请(专利权)人：深圳市深网视界科技有限公司，
类型：发明
国别省市：广东,44