本发明专利技术公开了一种多特征融合的身份识别方法、装置、存储介质及计算机设备,涉及身份识别技术领域,主要目的在于提高身份识别效率和准确性。所述方法包括:获取带有待识别对象多个身份识别特征的图像;利用对图像识别得到的人脸特征数据以及预设的人脸相似度算法,得到人脸相似度数据;利用根据图像提取的身高特征数据以及预设的身高相似度算法,得到身高相似度数据;定位图像中的衣着区域,并利用在衣着区域获取的衣着特征数据以及预设的衣着相似度算法,得到衣着相似度数据;根据得到的各身份识别特征的相似度数据以及预设的多特征融合相似度算法,得到多特征融合的总相似度数据;若总相似度数据超过预设的身份识别数据阈值,反馈识别成功信息。
Identification method based on multi feature fusion
【技术实现步骤摘要】
多特征融合的身份识别方法
本专利技术涉及身份识别
,特别是涉及一种多特征融合的身份识别方法、装置、存储介质及计算机设备。
技术介绍
随着身份识别技术的成熟和社会认同度的提高,身份识别技术被广泛应用在很多领域,例如门禁考勤、手机解锁等。相较于传统的刷脸、刷指纹技术,当下的身份识别技术要求能够在大范围、远距离、多角度的情况下运行,且无需待识别对象的配合,以便于在课堂、街区等场景下,实现非干预情况下的短时间并发识别。目前,通常基于人脸特征进行身份识别,但是,由于人脸识别技术对人脸与摄像头的距离和角度要求较高,而在很多实际应用场景中,待识别对象可能距离摄像头较远,且动态情况下人脸必然会存在不同角度的偏移,因此,传统的人脸识别方法需要待识别对象反复对准摄像头,导致身份识别的效率和准确性大大降低。
技术实现思路
有鉴于此,本专利技术提供一种多特征融合的身份识别方法、装置、存储介质及计算机设备,主要目的在于能够通过将人脸识别、身高识别以及衣着识别等多个身份识别特征融合进行身份识别,从而提高远距离、多角度情况下的身份识别效率和准确性。依据本专利技术一个方面,提供了一种多特征融合的身份识别方法,包括:获取带有待识别对象多个身份识别特征的图像;利用对所述图像识别得到的人脸特征数据以及预设的人脸相似度算法,得到人脸相似度数据;利用根据所述图像提取的身高特征数据以及预设的身高相似度算法,得到身高相似度数据;定位所述图像中的衣着区域,并利用在所述衣着区域获取的衣着特征数据以及预设的衣着相似度算法,得到衣着相似度数据;根据得到的各身份识别特征的相似度数据以及预设的多特征融合相似度算法,得到多特征融合的总相似度数据;若所述总相似度数据超过预设的身份识别数据阈值,则反馈识别成功信息。进一步地,所述利用对所述图像识别得到的人脸特征数据以及预设的人脸相似度算法,得到人脸相似度数据,包括:通过建立的多目标人脸检测器,对所述图像进行特征点配准,得到带有特征点标记的人脸图像;利用预先训练的深度残差网络对所述人脸图像进行处理和识别,并输出人脸特征向量;将对所述人脸特征向量与预先录入的人脸特征向量进行处理得到的余弦相似度数据确定为所述人脸相似度数据。进一步地,所述利用根据所述图像提取的身高特征数据以及预设的身高相似度算法,得到身高相似度数据,包括:根据所述图像提取待识别对象的轮廓特征数据;利用对所述轮廓特征数据与预设参照物特征数据进行处理得到的高度比例系数,以及所述身高相似度算法,得到身高相似度数据。进一步地,所述根据所述图像提取待识别对象的轮廓特征数据,包括:对所述图像进行处理得到由点集合组成的待识别对象外轮廓,通过循环遍历算法比较所述点集合中各点的纵坐标,将得到的最大纵坐标与最小纵坐标之差作为所述待识别对象的轮廓特征数据。进一步地,所述根据所述图像提取待识别对象的轮廓特征数据之前,所述方法还包括:对所述图像进行二值处理,得到所述待识别对象的黑白图像,并对所述黑白图像进行降噪处理。进一步地,所述定位所述图像中的衣着区域,并利用在所述衣着区域获取的衣着特征数据以及预设的衣着相似度算法,得到衣着相似度数据,包括:根据所述人脸图像,以及预设的人脸区域与衣着区域的比例关系,对所述衣着区域进行定位;基于HSV空间提取所述衣着区域的颜色直方图数据;根据所述颜色直方图数据以及巴氏距离度量算法,得到衣着相似度数据。进一步地,所述根据得到的各身份识别特征的相似度数据以及预设的多特征融合相似度算法,得到多特征融合的总相似度数据,包括:利用主成分分析法及所述图像,得到所述各身份识别特征的影响权重系数;将所述各身份识别特征的相似度数据与对应的影响权重系数之积作为所述各身份识别特征的相似度评分;将所述各身份识别特征的相似度评分之和作为所述多特征融合的总相似度数据。进一步地,所述方法还包括:将所述总相似度数据与预先设定的身份识别数据阈值进行对比,若所述总相似度数据不超过预先设定的身份识别数据阈值,则反馈识别失败信息。依据本专利技术第二方面,提供了一种多特征融合的身份识别装置、存储介质及计算机设备,包括:获取单元,用于获取带有待识别对象多个身份识别特征的图像;人脸识别单元,用于利用对所述图像识别得到的人脸特征数据以及预设的人脸相似度算法,得到人脸相似度数据;身高识别单元,用于利用根据所述图像提取的身高特征数据以及预设的身高相似度算法,得到身高相似度数据;衣着识别单元,用于定位所述图像中的衣着区域,并利用在所述衣着区域获取的衣着特征数据以及预设的衣着相似度算法,得到衣着相似度数据;融合单元,用于根据得到的各身份识别特征的相似度数据以及预设的多特征融合相似度算法,得到多特征融合的总相似度数据;反馈单元,用于若所述总相似度数据超过预设的身份识别数据阈值,则反馈识别成功信息。进一步地,所述人脸识别单元,包括:检测模块,用于通过建立的多目标人脸检测器,对所述图像进行特征点配准,得到带有特征点标记的人脸图像;识别模块,用于利用预先训练的深度残差网络对所述人脸图像进行处理和识别,并输出人脸特征向量;确定模块,用于将对所述人脸特征向量与预先录入的人脸特征向量进行处理得到的余弦相似度数据确定为所述人脸相似度数据。进一步地,所述身高识别单元,包括:第一提取模块,用于根据所述图像提取待识别对象的轮廓特征数据;第一处理模块,用于利用对所述轮廓特征数据与预设参照物特征数据进行处理得到的高度比例系数,以及所述身高相似度算法,得到身高相似度数据。进一步地,所述第一提取模块具体用于对所述图像进行处理得到由点集合组成的待识别对象外轮廓,通过循环遍历算法比较所述点集合中各点的纵坐标,将得到的最大纵坐标与最小纵坐标之差作为所述待识别对象的轮廓特征数据。对于本专利技术实施例,所述装置还包括:处理单元,用于对所述图像进行二值处理,得到所述待识别对象的黑白图像,并对所述黑白图像进行降噪处理。进一步地,所述衣着识别单元,包括:定位模块,用于根据所述人脸图像,以及预设的人脸区域与衣着区域的比例关系,对所述衣着区域进行定位;第二提取模块,用于基于HSV空间提取所述衣着区域的颜色直方图数据;第二处理模块,用于根据所述颜色直方图数据以及巴氏距离度量算法,得到衣着相似度数据。进一步地,所述融合单元,包括:权重模块,用于利用主成分分析法及所述图像,得到所述各身份识别特征的影响权重系数;评分模块,用于将所述各身份识别特征的相似度数据与对应的影响权重系数之积作为所述各身份识别特征的相似度评分;融合模块,用于将所述各身份识别特征的相似度评分之和作为所述多特征融合的总相似度数据。进一步地,所述反馈单元具体还用于将所述总相似度数据与预先设定的身份识别本文档来自技高网...
【技术保护点】
1.一种多特征融合的身份识别方法,其特征在于,包括:/n获取带有待识别对象多个身份识别特征的图像;/n利用对所述图像识别得到的人脸特征数据以及预设的人脸相似度算法,得到人脸相似度数据;/n利用根据所述图像提取的身高特征数据以及预设的身高相似度算法,得到身高相似度数据;/n定位所述图像中的衣着区域,并利用在所述衣着区域获取的衣着特征数据以及预设的衣着相似度算法,得到衣着相似度数据;/n根据得到的各身份识别特征的相似度数据以及预设的多特征融合相似度算法,得到多特征融合的总相似度数据;/n若所述总相似度数据超过预设的身份识别数据阈值,则反馈识别成功信息。/n
【技术特征摘要】
1.一种多特征融合的身份识别方法,其特征在于,包括:
获取带有待识别对象多个身份识别特征的图像;
利用对所述图像识别得到的人脸特征数据以及预设的人脸相似度算法,得到人脸相似度数据;
利用根据所述图像提取的身高特征数据以及预设的身高相似度算法,得到身高相似度数据;
定位所述图像中的衣着区域,并利用在所述衣着区域获取的衣着特征数据以及预设的衣着相似度算法,得到衣着相似度数据;
根据得到的各身份识别特征的相似度数据以及预设的多特征融合相似度算法,得到多特征融合的总相似度数据;
若所述总相似度数据超过预设的身份识别数据阈值,则反馈识别成功信息。
2.根据权利要求1所述的方法,其特征在于,所述利用对所述图像识别得到的人脸特征数据以及预设的人脸相似度算法,得到人脸相似度数据,包括:
通过建立的多目标人脸检测器,对所述图像进行特征点配准,得到带有特征点标记的人脸图像;
利用预先训练的深度残差网络对所述人脸图像进行处理和识别,并输出人脸特征向量;
将对所述人脸特征向量与预先录入的人脸特征向量进行处理得到的余弦相似度数据确定为所述人脸相似度数据。
3.根据权利要求1所述的方法,其特征在于,所述利用根据所述图像提取的身高特征数据以及预设的身高相似度算法,得到身高相似度数据,包括:
根据所述图像提取待识别对象的轮廓特征数据;
利用对所述轮廓特征数据与预设参照物特征数据进行处理得到的高度比例系数,以及所述身高相似度算法,得到身高相似度数据。
4.根据权利要求3所述的方法,其特征在于,所述根据所述图像提取待识别对象的轮廓特征数据,包括:
对所述图像进行处理得到由点集合组成的待识别对象外轮廓,通过循环遍历算法比较所述点集合中各点的纵坐标,将得到的最大纵坐标与最小纵坐标之差作为所述待识别对象的轮廓特征数据。
5.根据权利要求3所述的方法,其特征在于,所述根据所述图像提取待识别对象的轮廓特征数据之前,所述方法还包括:
对所述图像进行二值处理,得到所述待识别对象的黑白图像,并对所述黑白图像进行降噪处理。
6.根据权利要求2所述的方法,其特征在于,所...
【专利技术属性】
技术研发人员:马康丽,俞融,曹智泉,王鹏云,
申请(专利权)人:东北大学,
类型:发明
国别省市:辽宁;21
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。