一种人像检索方法及装置制造方法及图纸

本发明专利技术提供了一种人像检索方法及装置，方法包括：获得待检测的视频；对视频进行运动检测，得到行人的步态特征序列；获得步态序列网络模型，将步态特征序列输入至步态序列网络模型，得到针对行人的识别结果和识别概率；判断识别概率是否大于预设阈值；若大于，判定所得的识别结果正确，将识别结果作为检索结果；若不大于，判定所得的识别结果不正确，返回执行获得待检测的视频。应用本发明专利技术实施例，提高了人像检索的效率和准确度。

【技术实现步骤摘要】
一种人像检索方法及装置
本专利技术涉及数据检索领域，尤其涉及一种人像检索方法及装置。
技术介绍
随着互联网技术的发展，各种视频数据呈爆发式增长，为了快速的从海量视频数据中检索出某个人物的相关信息，各种人像检索方法应用而生。目前，人像检索方法主要是采用人工识别方法或人脸识别技术，对视频中的人像进行检索，得到检索结果。但是这些方法存在效率较低或者准确率不高的问题，仍难以满足用户实际需求。例如，待检索的视频的大小可能有几百T(Trillionbyte，太字节)，通过人工方式识别可能要一两个月，工作量巨大且耗时较长；而人脸识别技术虽然处理速度较快，但是由于该技术容易受场景干扰且对人脸的大小要求严格，而视频中的场景通常变化较大，且同一人物在视频中的人脸大小可能发生变化，故在视频中应用该技术来检索人像的准确率不高。因此有必要设计一种新的人像检索方法，以克服上述问题。
技术实现思路
本专利技术的目的在于克服现有技术之缺陷，提供了一种人像检索方法及装置，以实现提高人像检索的效率和准确度。本专利技术是这样实现的：第一方面，本专利技术提供一种人像检索方法，所述方法包括：获得待检测的视频；对所述视频进行运动检测，得到行人的步态特征序列；获得步态序列网络模型，将所述步态特征序列输入至所述步态序列网络模型，得到针对所述行人的识别结果和识别概率；判断所述识别概率是否大于预设阈值；若大于，判定所得的识别结果正确，将所述识别结果作为检索结果；若不大于，判定所得的识别结果不正确，返回执行获得待检测的视频的步骤。可选的，对所述行人运动视频进行运动检测，得到行人的步态特征序列，包括：利用预设的运动检测算法，从视频中检测出包含行人的各图像帧，并从包含行人的各图像帧中提取行人的步态特征；将所提取的各步态特征合并，得到行人的步态特征序列。可选的，所述步态序列网络模型为目标神经网络模型，获得步态序列网络模型，包括：用训练样本集训练预设的初始神经网络模型，得到所述目标神经网络模型。可选的，所述识别结果包括身份识别结果和运动识别结果，所述预设阈值包括预设第一阈值和预设第二阈值，所述识别概率包括身份识别概率和运动识别概率；判断所述识别概率是否大于预设阈值，若大于，判定所得的识别结果正确，将所述识别结果作为检索结果，包括：当所述身份识别概率大于预设第一阈值且运动识别概率大于预设第二阈值时，判定所得的识别结果正确，将所述身份识别结果和所述运动识别结果作为检索结果。可选的，若识别概率不大于预设阈值，判定所得的识别结果不正确，返回执行采集行人的视频的步骤，包括：当所述身份识别概率不大于预设第一阈值或运动识别概率不大于预设第二阈值时，判定所得的识别结果不正确，返回执行采集行人的视频的步骤。可选的，所述初始神经网络模型为LSTM时间递归神经网络模型。可选的，当检索结果有多个时，所述方法还包括：按照各检索结果的识别概率的大小，对各检索结果进行升序/降序排列。第二方面，本专利技术提供一种人像检索装置，所述装置包括：第一获得模块，用于获得待检测的视频；对所述视频进行运动检测，得到行人的步态特征序列；第二获得模块，用于获得步态序列网络模型，将所述步态特征序列输入至所述步态序列网络模型，得到针对所述行人的识别结果和识别概率；判断模块，用于判断所述识别概率是否大于预设阈值；若大于，判定所得的识别结果正确，将所述识别结果作为检索结果；若不大于，判定所得的识别结果不正确，返回执行获得待检测的视频。可选的，所述第一获得模块对所述行人运动视频进行运动检测，得到行人的步态特征序列，包括：利用预设的运动检测算法，从视频中检测出包含行人的各图像帧，并从包含行人的各图像帧中提取行人的步态特征；将所提取的各步态特征合并，得到行人的步态特征序列。可选的，所述步态序列网络模型为目标神经网络模型，所述第二获得模块获得步态序列网络模型，具体为：用训练样本集训练预设的初始神经网络模型，得到所述目标神经网络模型。可选的，所述识别结果包括身份识别结果和运动识别结果，所述预设阈值包括预设第一阈值和预设第二阈值，所述识别概率包括身份识别概率和运动识别概率；所述判断模块判断所述识别概率是否大于预设阈值，若大于，判定所得的识别结果正确，将所述识别结果作为检索结果，具体为：当所述身份识别概率大于预设第一阈值且运动识别概率大于预设第二阈值时，判定所得的识别结果正确，将所述身份识别结果和所述运动识别结果作为检索结果。可选的，所述判断模块在识别概率不大于预设阈值时，判定所得的识别结果不正确，返回执行获得待检测的视频，具体为：当所述身份识别概率不大于预设第一阈值或运动识别概率不大于预设第二阈值时，判定所得的识别结果不正确，返回执行获得待检测的视频。可选的，所述初始神经网络模型为LSTM时间递归神经网络模型。可选的，所述装置还包括：排序模块，用于当检索结果有多个时，按照各检索结果的识别概率的大小，对各检索结果进行升序/降序排列。本专利技术具有以下有益效果：应用本专利技术实施例，首先获得待检测的视频；对视频进行运动检测，得到行人的步态特征序列；进而，获得步态序列网络模型，将步态特征序列输入至步态序列网络模型，得到针对行人的识别结果和识别概率；判断识别概率是否大于预设阈值；若大于，判定所得的识别结果正确，将识别结果作为检索结果；若不大于，判定所得的识别结果不正确，返回执行获得待检测的视频。可见，应用本专利技术实施例，将步态特征序列输入至步态序列网络模型，得到针对行人的识别结果和识别概率，相比于现有的人工识别方式而言，提高了检索效率，且当识别概率大于预设阈值时，将识别结果作为检索结果；当识别概率不大于预设阈值时，则返回执行获得待检测的视频的步骤，以对行人重新进行检索，故，提高了检索结果的准确率。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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它的附图。图1为本专利技术实施例提供的人像检索方法的一种流程示意图；图2为本专利技术实施例提供的人像检索装置的一种结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。需要说明的是，本专利技术所提供的人像检索方法可以应用于电子设备，其中，在具体应用中，该电子设备可以为计算机、个人电脑、平板、手机等等，这都是合理的。参见图1，本专利技术实施例提供一种人像检索方法，方法包括如下步骤：S101、获得待检测的视频；对所述视频进行处理，得到行人的步态特征序列；待检测的视频可以是视频采集设备实时采集的视频，也可以是预先存储于本专利技术执行主体(例如电子设备)的视频，还可以是第三方设备提供的视频。视频采集设备可以为摄像机、录像机等，本专利技术对视频采集设备的具体型号不做限定，例如可以为单目摄像机，也可以为双目摄像机。视频采集设备可以固定安装在摸个位置；也可以安装于某个移动物体上，例如无人机、汽车上。视频采集设备可以采集数据得到本文档来自技高网...

【技术保护点】
1.一种人像检索方法，其特征在于，所述方法包括：获得待检测的视频；对所述视频进行运动检测，得到行人的步态特征序列；获得步态序列网络模型，将所述步态特征序列输入至所述步态序列网络模型，得到针对所述行人的识别结果和识别概率；判断所述识别概率是否大于预设阈值；若大于，判定所得的识别结果正确，将所述识别结果作为检索结果；若不大于，判定所得的识别结果不正确，返回执行获得待检测的视频的步骤。

【技术特征摘要】
1.一种人像检索方法，其特征在于，所述方法包括：获得待检测的视频；对所述视频进行运动检测，得到行人的步态特征序列；获得步态序列网络模型，将所述步态特征序列输入至所述步态序列网络模型，得到针对所述行人的识别结果和识别概率；判断所述识别概率是否大于预设阈值；若大于，判定所得的识别结果正确，将所述识别结果作为检索结果；若不大于，判定所得的识别结果不正确，返回执行获得待检测的视频的步骤。2.根据权利要求1所述的方法，其特征在于，对所述行人运动视频进行运动检测，得到行人的步态特征序列，包括：利用预设的运动检测算法，从视频中检测出包含行人的各图像帧，并从包含行人的各图像帧中提取行人的步态特征；将所提取的各步态特征合并，得到行人的步态特征序列。3.根据权利要求1所述的方法，其特征在于，所述步态序列网络模型为目标神经网络模型，获得步态序列网络模型，包括：用训练样本集训练预设的初始神经网络模型，得到所述目标神经网络模型。4.根据权利要求1-3任一项所述的方法，其特征在于，所述识别结果包括身份识别结果和运动识别结果，所述预设阈值包括预设第一阈值和预设第二阈值，所述识别概率包括身份识别概率和运动识别概率；判断所述识别概率是否大于预设阈值，若大于，判定所得的识别结果正确，将所述识别结果作为检索结果，包括：当所述身份识别概率大于预设第一阈值且运动识别概率大于预设第二阈值时，判定所得的识别结果正确，将所述身份识别结果和所述运动识别结果作为检索结果。5.根据权利要求4所述的方法，其特征在于，若识别概率不大于预设阈值，判定所...

【专利技术属性】
技术研发人员：姜黎，张仁辉，
申请(专利权)人：武汉烽火众智数字技术有限责任公司，
类型：发明
国别省市：湖北,42