一种基于联想记忆的身份识别方法技术

本发明专利技术涉及一种基于联想记忆的身份识别方法，其通过对已知人的认识记忆，将人脸特征与其形体特征、动作特征、周围参照特征进行绑定在一起并存储在记忆库中，在进行身份识别时通过人脸特征比对进行身份识别，当人脸特征不完整或者无人脸特征时，通过形体特征、动作特征以及周围参照特征比对，获取绑定的人脸特征，进而获取身份识别结果。本发明专利技术提供了一种有效的身份识别方法，提高了身份识别的效率。

An identification method based on associative memory

The invention relates to an identity recognition method based on associative memory, which binds a face feature with its body feature, action feature and peripheral reference feature and stores them in a memory library through the cognitive memory of a known person, and identifies a face by comparing the face features during the identification process. When the features are incomplete or unmanned, the bound face features are obtained by comparing the body features, action features and the surrounding reference features, and then the identification results are obtained. The invention provides an effective identification method, which improves the efficiency of identification.

【技术实现步骤摘要】
一种基于联想记忆的身份识别方法
本专利技术涉及图像识别领域，具体涉及一种基于联想记忆的身份识别方法。
技术介绍
人脸识别是基于人脸的脸部特征信息进行识别的一种生物识别技术，通过认得脸部识别进而实现对人的身份确认。但是很多时候，由于人在行走过程中有意或者无意的将脸避开摄像头的拍摄，这样会导致无法抓拍到人脸图，这样对未露出人脸的人没办法进行身份识别。
技术实现思路
本专利技术的目的是提供一种基于联想记忆的身份识别方法，当人脸图像不完整或无人脸图像，能够进行人的身份识别。为实现上述目的，本专利技术采用的技术方案是：一种基于联想记忆的身份识别方法，其具体包括以下步骤：步骤1、模型训练采集图像数据，并按照人脸特征、形体特征、动作特征、周围参照特征对图像数据进行标定，然后通过神经网络进行模型训练，得到人脸模型、动作模型、运动模型和周围参照模型；步骤2、建立记忆库通过人脸模型提取人脸特征，通过形体特征模型提取形体特征，通过动作模型提取动作特征，通过周围参照模型提取周围参照特征，然后将人脸特征、形体特征、动作特征和周围参照特征存储在记忆库中；根据形体特征、动作特征和周围参照特征建立人的特征矩阵然后将该特征矩阵与人脸特征进行关系绑定；其中，m为特征类别，n为每一类特征的状态；步骤3、身份识别步骤3.1、采集图像数据，然后通过人脸模型提取人脸特征，若提取不到人脸特征，进入步骤3.2；若提取到人脸特征，将该人脸特征与记忆库中的人脸特征进行比对，从而识别出其身份；步骤3.2、对人进行实时跟踪，采集图像数据，并通过形体模型、动作模型和周围参照模型获取其形体特征、动作特征和周围参照特征，并根据该形体特征、动作特征和周围参照特征建立人的特征矩阵其中，m为特征类别，n为每一类特征的状态；步骤3.3、获取特征矩阵B的线性回归直线lb，获取记忆库中的特征矩阵A的线性回归直线la，将la和lb在一个坐标系中建立直线交叉关系，得到未露脸人的特征矩阵与记忆库中已知人的特征矩阵的差异度r，其中，S1、S2为两直线la和lb相交部分面，S3为共有面；当差异度达到阈值时，从记忆库中获取与相应的特征矩阵A绑定的人脸特征，进而识别出人的身份。所述步骤3.1中，在提取到人脸特征的同时，对人进行实时跟踪，采集图像数据，并通过形体模型、动作模型和周围参照模型获取其形体特征、动作特征和周围参照特征，对形体特征、动作特征和周围参照特征进行强化学习并加入到记忆库中，从时间维度上对较早的记忆进行遗忘，重新构建新的特征矩阵，并将其与人脸特征进行关系绑定。在所述步骤3.3后增加步骤3.4，具体如下：当身份识别成功，对步骤3.2中提取到的形体特征、动作特征和周围参照特征进行强化学习并加入到记忆库中，并且从时间维度上对较早的记忆进行遗忘，重新构建新的特征矩阵，并将该特征矩阵与人脸特征进行关系绑定。所述形体特征包括身高、三围、头型、发型、衣着风格、眼镜首饰的穿戴；所述动作特征包括步态、摆手角度和高度、行走肩膀晃动角度、手位摆放；所述周围参照特征包括周围的其他人、周围的宠物、是否抱婴。采用上述方案后，本专利技术通过对已知人的认识记忆，将人脸特征与其形体特征、动作特征、周围参照特征进行绑定在一起并存储在记忆库中，在进行身份识别时通过人脸特征比对进行身份识别，当人脸特征不完整或者无人脸特征时，通过形体特征、动作特征以及周围参照特征比对，获取绑定的人脸特征，进而获取身份识别结果。本专利技术提高了身份识别的效率。此外，识别成功后，通过不断的强化学习更新记忆库中的形体特征、动作、周围参照特征，进一步保证身份识别的准确率。附图说明图1为本专利技术身份识别比对流程图；图2为本专利技术记忆库中的人的特征矩阵线性回归图；图3为本专利技术待识别的人的特征矩阵线性回归图；图4为本专利技术特征矩阵比较图；图5为本专利技术非人脸特征框图。具体实施方式如图1至图5所示，本专利技术揭示了一种基于联想记忆的身份识别方法，其具体包括以下步骤：步骤1、模型训练采集图像数据，并按照人脸特征、形体特征、动作特征、周围参照特征对图像数据进行标定，然后通过神经网络进行模型训练，得到人脸模型、动作模型、运动模型和周围参照模型。通过训练完成的人体特征模型，能够将人的人脸特征、动作特征、周围参照特征进行有效的检测。形体特征包括身高、三围、头型、发型、衣着风格、眼镜首饰的穿戴。由于形体在短时间是很难改变的，决定了形体特征是联想识别的主要因素。如身高、三围、头型。发型短时间存在一定可能性的维持原状。衣着根据时间的长短而定，时间越短相同或相似的概率越大。这些短时间具有维持原状的形体特征，能作为联想识别的辅助因素。动作特征包括步态、摆手角度和高度、行走肩膀晃动角度、手位摆放。动作特征是一个人的长期中的习惯产生的，并且在一定时间段内具有较高的相似性。每个人的步态、行走中的摆手高度不太一样。肩膀晃动是由于走动过程的步伐、身体重力等因素引起的，也因人而异，对于同一个人，相似度比较高。手位摆放，则体现在手的惯用动作，比如摸鼻、摸头、叉腰、手放于身后等。由于动作特征具有较高的相似性，因此可以作为联想记忆的重要因素。周围参照特征包括周围的其他人、周围的宠物、是否抱婴。通常，人的出入都是和相识的群体一起的，例如同学、朋友、家人、婴孩等，所以当出现这个群体的个别成员的话，存在较大概率出现其本人。很多拥有宠物的人经常习惯带着自己的宠物出去逛街散步等，因此，一个相同的宠物旁边也增加了识别概率。步骤2、建立记忆库通过人脸模型提取人脸特征，通过形体特征模型提取形体特征，通过动作模型提取动作特征，通过周围参照模型提取周围参照特征，然后将人脸特征、形体特征、动作特征和周围参照特征存储在记忆库中。通过形体特征、动作特征和周围参照特征建立人的特征矩阵其中，m是矩阵的行，表示m类特征，n是矩阵的列，表示每一类特征在n种状态之下的不同呈现。然后将该特征矩阵与人脸特征进行关系绑定。如图2所示，矩阵A的线性回归图是一条线性回归直线la。步骤3、身份识别步骤3.1、采集图像数据，然后通过人脸模型提取人脸特征，若提取不到人脸特征，进入步骤3.2；若提取到人脸特征，将该人脸特征与记忆库中的人脸特征进行比对，从而识别出其身份；当提取到人脸特征时，同时对人进行实时跟踪，采集图像数据，并通过形体模型、动作模型和周围参照模型获取其形体特征、动作特征和周围参照特征，对形体特征、动作特征和周围参照特征进行强化学习并加入到记忆库中，从时间维度上对较早的记忆进行遗忘，重新构建新的特征矩阵，并将其与人脸特征进行关系绑定。步骤3.2、对人进行实时跟踪，采集图像数据，并通过形体模型、动作模型和周围参照模型获取其形体特征、动作特征和周围参照特征，并根据该形体特征、动作特征和周围参照特征建立人的特征矩阵其中，m是矩阵的行，表示m类特征，n是矩阵的列，表示每一类特征在n种状态之下的不同呈现。如图3所示，矩阵B的线性回归是一条线性回归直线lb。步骤3.3、通过矩阵回归直线la和lb在一个坐标系中建立直线交叉关系，S1、S2为两直线相交部分面，S3为共有面，通过确定S1+S2所占的比例，r为未露脸人的特征与记忆库中已知人的非人脸特征比较的差异度，值越小则相似度越大。此差异度由外形特征、动作特征、周围参照人物特征的元素决定。对相似度达到预先设置的本文档来自技高网...

【技术保护点】
1.一种基于联想记忆的身份识别方法，其特征在于：具体包括以下步骤：步骤1、模型训练采集图像数据，并按照人脸特征、形体特征、动作特征、周围参照特征对图像数据进行标定，然后通过神经网络进行模型训练，得到人脸模型、动作模型、运动模型和周围参照模型；步骤2、建立记忆库通过人脸模型提取人脸特征，通过形体特征模型提取形体特征，通过动作模型提取动作特征，通过周围参照模型提取周围参照特征，然后将人脸特征、形体特征、动作特征和周围参照特征存储在记忆库中；根据形体特征、动作特征和周围参照特征建立人的特征矩阵

【技术特征摘要】
1.一种基于联想记忆的身份识别方法，其特征在于：具体包括以下步骤：步骤1、模型训练采集图像数据，并按照人脸特征、形体特征、动作特征、周围参照特征对图像数据进行标定，然后通过神经网络进行模型训练，得到人脸模型、动作模型、运动模型和周围参照模型；步骤2、建立记忆库通过人脸模型提取人脸特征，通过形体特征模型提取形体特征，通过动作模型提取动作特征，通过周围参照模型提取周围参照特征，然后将人脸特征、形体特征、动作特征和周围参照特征存储在记忆库中；根据形体特征、动作特征和周围参照特征建立人的特征矩阵然后将该特征矩阵与人脸特征进行关系绑定；其中，m为特征类别，n为每一类特征的状态；步骤3、身份识别步骤3.1、采集图像数据，然后通过人脸模型提取人脸特征，若提取不到人脸特征，进入步骤3.2；若提取到人脸特征，将该人脸特征与记忆库中的人脸特征进行比对，从而识别出其身份；步骤3.2、对人进行实时跟踪，采集图像数据，并通过形体模型、动作模型和周围参照模型获取其形体特征、动作特征和周围参照特征，并根据该形体特征、动作特征和周围参照特征建立人的特征矩阵其中，m为特征类别，n为每一类特征的状态；步骤3.3、获取特征矩阵B的线性回归直线lb，获取记忆库中的特征矩阵A的线性回归直线la，将la和lb在一个坐标系中建立直线交叉关系，得到未露脸人的...

【专利技术属性】
技术研发人员：余锦鸿，贾宝芝，梅海峰，
申请(专利权)人：厦门瑞为信息技术有限公司，
类型：发明
国别省市：福建,35