【技术实现步骤摘要】
一种基于深度学习的重身份识别方法
本专利技术涉及幼儿身份认证
,尤其涉及一种基于深度学习的重身份识别方法。
技术介绍
随着社会的发展,各个公共场所的监控系统的逐渐完善,以及人们对公共场所下安全性越来越重视,尤其是对托育园的幼儿的安全问题越来越重视。由此,重识别技术也得到了迅速发展和广泛应用,重识别是一种在不同摄像头下或者同一个摄像头在相近的时间内拍摄的照片或视频来识别出不同角度或不同时刻所捕捉到的同一个人的方法。现有技术中,通过不依赖各种语义划分的手段,而是在空间上将输入图片划分成若干部分,假定某个图像中不同部分存在着一致性,利用这种一致性达到不同部分的对齐,但是这类方法容易受输入图像的质量的影响,对于不同体态的人物的输入图像,直观上看划分成固定数量的空间区域很难提取到一致的特征。同时,也要考虑划分后不同区域像素的个数的多少对训练过程产生的影响。因此,针对上述问题,成为本领域技术人员亟待解决的难题。
技术实现思路
针对现有技术中存在的上述问题,现提供一种基于深度学习的重身份识别方法。具体技术方案如下:本专利技术提供一种基于深度学习的重身份识别方法,其中,包括模型训练过程和身份识别过程:所述模型训练过程包括:步骤A1,采集复数个目标图像;步骤A2,采用一预先训练的第一检测模型检测得到所述目标图像中的人脸特征,并根据所述人脸特征与设定阈值的比较,分别对每个所述目标图像中的人脸检测框进行分类,从而识别得到每个所述人脸检测框所对应的身份 ...
【技术保护点】
1.一种基于深度学习的重身份识别方法,其特征在于,包括模型训练过程和身份识别过程:/n所述模型训练过程包括:/n步骤A1,采集复数个目标图像;/n步骤A2,采用一预先训练的第一检测模型检测得到所述目标图像中的人脸特征,并根据所述人脸特征与设定阈值的比较,分别对每个所述目标图像中的人脸检测框进行分类,从而识别得到每个所述人脸检测框所对应的身份信息;/n步骤A3,采用一预先训练的第二检测模型检测得到所述目标图像中的人体特征;/n步骤A4,将所述人脸特征和所述人体特征进行匹配,并将匹配成功的所述目标图像的人体特征辅以身份信息标注后加入一数据集中,以形成训练数据集;/n步骤A5,采用所述训练数据集训练形成一重识别模型,所述重识别模型的输入数据为采集得到的待识别图像,输出数据为识别所述待识别图像得到的身份信息;/n所述身份识别过程包括:/n步骤B1,采集得到所述待识别图像;/n步骤B2,将所述待识别图像输入至所述重识别模型中,以识别对应的身份信息并输出。/n
【技术特征摘要】
1.一种基于深度学习的重身份识别方法,其特征在于,包括模型训练过程和身份识别过程:
所述模型训练过程包括:
步骤A1,采集复数个目标图像;
步骤A2,采用一预先训练的第一检测模型检测得到所述目标图像中的人脸特征,并根据所述人脸特征与设定阈值的比较,分别对每个所述目标图像中的人脸检测框进行分类,从而识别得到每个所述人脸检测框所对应的身份信息;
步骤A3,采用一预先训练的第二检测模型检测得到所述目标图像中的人体特征;
步骤A4,将所述人脸特征和所述人体特征进行匹配,并将匹配成功的所述目标图像的人体特征辅以身份信息标注后加入一数据集中,以形成训练数据集;
步骤A5,采用所述训练数据集训练形成一重识别模型,所述重识别模型的输入数据为采集得到的待识别图像,输出数据为识别所述待识别图像得到的身份信息;
所述身份识别过程包括:
步骤B1,采集得到所述待识别图像;
步骤B2,将所述待识别图像输入至所述重识别模型中,以识别对应的身份信息并输出。
2.如权利要求1所述的重身份识别方法,其特征在于,于所述步骤A1中,通过在一重身份识别区域中部署至少一个摄像装置采集多个目标的多角度的所述目标图像。
3.如权利要求1所述的重身份识别方法,其特征在于,所述第一检测模型包括预先训练得到的人脸检测模型和人脸识别模型,所述人脸检测模型的输出作为所述人脸识别模型的输入。
4.如权利要求3所述的重身份识别方法,其特征在于,所述步骤A2包括:
步骤A21,采用所述人脸检测模型分别提取每个所述目标图像中的人脸检测框并输入至所述人脸识别模型;
步骤A22,采用所述人脸识别模型分别提取每个所述人脸检测框的人脸特征;
步骤A23,采用所述人脸识别模型,根据所述人脸特征与所述设定阈值的比较,分别对每个所述人脸检测框进行分类,从而识别得到每个所述人脸检测框所对应的身份信息。
5.如权利要求4所述的重身份识别方法,其特征在于,所述步骤A4中,采用所述人脸检测框所对应的所述身份信息对所述数据集中的对应的所述人体检测框进行身份信息标注,从而形成所述训练数据集。
6.如权利要求1所述的重身份识别方法...
【专利技术属性】
技术研发人员:姚思琼,
申请(专利权)人:上海一由科技有限公司,
类型:发明
国别省市:上海;31
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。