一种人像识别方法及系统技术方案

本发明专利技术公开了一种人像识别方法及系统，应用于具有AI边缘计算功能的AR智能眼镜，包括：A、对佩戴者视野内的视频流信息进行实时多次检测，以获取人像信息；其中，对于每一人像信息为实时快速多次获取的多份人像信息；B、对所述人像信息进行人像特征提取，并将其存储至智能眼镜端的临时数据栈中；C、将智能眼镜端的临时数据栈中存储的人像特征进行相似性比对，并进行择优去重处理；D、将择优去重处理之后的人像特征与在智能眼镜端的本地数据库中存储的目标人像特征进行比对，以进行目标人像识别；E、将识别结果在眼镜端和\或与眼镜端有线\无线连接的其他终端进行展示。由上，本申请通过择优去重处理可以减少数据重复冗余，之后再进行数据比对，且在眼镜端可以进行数据的比对，以提高人像识别效率。

【技术实现步骤摘要】
一种人像识别方法及系统
本专利技术涉及图像识别领域，特别涉及一种人像识别方法及系统。
技术介绍
随着安防安保需求的不断攀升，传统安防面临着识别目标数量更大、移动性更强、识别效率要求更高、识别场景更复杂度等诸多挑战。传统通过肉眼对识别对象的身份信息进行核验的方式越来越无法满足海量的人、车、证件的核验的效率与准确率需求。现阶段智能摄像头越来越普及，越来越多的摄像头配备了AI芯片，能够进行识别等工作，然而智能固定摄像设备预警信息传递到指挥中心往往存在时间差，造成较长的预警时间延后。且海量的视频流导致公安网络带宽资源极其的紧张。安防领域对时效性要求近乎苛刻，能够在秒级别的相应时间内核验出目标身份能够给执勤者足够的缓冲时间，判断接下来的行动方案，也大大降低可能面临的冲突造成的伤害。且每天海量的视频资料有过多的重复，造成海量数据冗余，带宽资源和后台服务器计算单元被大量垃圾数据所占据，资源利用率低，数据清洗，数据筛选整合成本大大提高。因此，目前亟需一种人像识别方法及系统，以解决或者部分解决上述技术问题。
技术实现思路
有鉴于此，本申请提供一种人像识别方法及系统，应用于具有AI边缘计算功能的AR智能眼镜，通过择优去重处理可以减少数据重复冗余，之后再进行数据比对，且在眼镜端可以进行数据的比对，进行人像的识别，以提高人像识别效率。本申请提供一种人像识别方法，基于具有AI边缘计算功能的智能眼镜，其特征在于，包括：A、对佩戴者视野内的视频流信息进行实时多次检测，以获取人像信息；r>B、对所述人像信息进行人像特征提取，并将其存储至智能眼镜端的临时数据栈中；C、将智能眼镜端的临时数据栈中存储的人像特征进行相似性比对，并进行择优去重处理；D、将择优去重处理之后的人像特征与在智能眼镜端的本地数据库中存储的目标人像特征进行比对，以进行目标人像识别；E、将识别结果在眼镜端和\或与眼镜端有线\无线连接的其他终端进行展示。由上，本申请通过择优去重处理可以减少数据重复冗余，之后再进行数据比对，且在眼镜端可以进行数据的比对，以提高人像识别效率。其中，所述其他终端可以是手持终端或者电脑屏幕，或者其他展示终端屏幕等。且智能眼镜足够轻巧，适合全天候佩戴，同时解放了现场人员的双手，可以更好的用来操控其他设备，增加了现场行动的安全性。因此可以广泛运用于安防、安保、迎宾、安检等多个场景。优选地，所述步骤D还包括：M1、将择优去重处理之后的人像特征传输至与智能眼镜端有线\无线连接的终端；M2、将择优去重处理之后的人像特征与在终端的本地数据库中存储的目标人像特征进行比对，以进行目标人像识别。由上，还可以将所述择优去重处理之后的人像特征与在终端的本地数据库中存储的目标人像特征进行比对，以进行目标人像识别。优选地，所述步骤D还包括：N1、将择优去重处理之后的人像特征传输至服务器端；N2、将择优去重处理之后的人像特征与在服务器端的后台数据库中存储的目标人像特征进行比对，以进行目标人像识别。由上，对于比对要求更高的情况时，还可以将择优去重处理之后的人像特征与在服务器端的后台数据库中存储的目标人像特征进行比对，以进行目标人像识别。优选地，所述步骤A，包括：A1、获取待检测区域的影像数据；A2、对所述影像数据进行逐帧解析，并使用图像处理芯片对每一个帧的图像信息进行检测，并在每个包括有人像信息的图像帧内，标定每一个人像的坐标信息；A3、根据所述坐标信息，截取每一个图像帧内的人像，并保存所述人像与其所属的图像帧的对应关系。由上，有利于后续对人像及其相关信息的获取。优选地，所述步骤B，包括：B1、对于每一个已标定的人像进行人像特征信息提取；B2、根据不同业务逻辑的要求，对提取的所述人像特征值进行筛选，保留符合指定要求的人像特征值。由上，所述人像特征信息包括：人像清晰度信息、yaw(偏航角)值、pitch(俯仰角)值、roll(翻滚角)值；通过将不符合要求的特征值过滤掉，有利于减少数据的冗余，提高数据比对的效率；其中，例如，将清晰度低于指定阈值(例如低于20dpi)过滤掉，且保留yaw左右45度、roll90度、pitch上下45度的人像特征值。优选地，所述步骤C，包括：C1、将符合指定要求的人像特征值与在智能眼镜端建立的临时数据栈内保存的指定时间内的人像特征值信息进行比对；C2、若比对后两者的相似度超过指定阈值，则选择两者中更优的人像特征值进行保留。由上，将重复的人像特征值进行去除，并且将最优的人像特值保留，有利于降低数据重复冗余，提高人像识别的精度和效率。优选地，所述步骤C2中的相似度计算公式为：其中，所述x、y分别表示两特征值；L为由特征值组成的特征向量的数量；i表示第i个特征向量；其中，i、L为正整数。由上，有利于计算获取两特征值相似度。本申请还提供一种人像识别系统，基于上述的识别方法，包括：人像检测模块，用于对佩戴者视野内的视频流信息进行实时多次检测，以获取人像信息；特征提取模块，用于对获取的人像信息进行人像特征提取；择优去重模块，将提取的特征与智能眼镜端的临时数据库中存储的此前指定时间内获取的人像特征进行比对，并进行择优去重处理；识别模块，用于将择优去重处理之后的人像特征与在智能眼镜端的本地数据库中存储的目标人像特征进行比对，以进行目标人像识别；展示模块，用于将识别结果在眼镜端和\或与眼镜端有线\无线连接的其他终端进行展示。由上，本申请通过择优去重处理可以减少数据重复冗余，之后再进行数据比对，且在眼镜端可以进行数据的比对，进行人像的识别，以提高人像识别效率。优选地，所述人像检测模块，包括：影像获取子模块，用于对佩戴者视野内的视频流信息进行实时多次检测，以获取影像数据；标定子模块，用于对所述影像数据进行逐帧解析，并使用图像处理芯片对每一个帧的图像信息进行检测，并在每个包括有人像信息的图像帧内，标定每一个人像的坐标信息；人像截取子模块，根据所述坐标信息，截取每一个图像帧内的人像，并保存所述人像与其所属的图像帧的对应关系。由上，有利于后续对人像特征及其相关信息的获取。优选地，所述择优去重模块，具体用于：将符合指定要求的人像特征值与在智能眼镜端建立的临时数据栈内保存的指定时间内获取的人像特征值信息进行比对；若比对后的相似度超过指定阈值，则选择两者中更优的人像特征值进行保留。由上，本申请通过择优去重处理之后再进行数据比对，可以减少数据的重复冗余，以提高人像识别效率。综上所述，本申请提供一种人像识别方法及系统，通过择优去重处理之后再进行数据比对，可以减少数据的重复冗余，提高人像识别效率，且可以在眼镜端进行数据比对，有利于提高人像识别的效率。本申请的上述识别方法应用于基于具有AI边缘计算功能的智能眼镜，智能眼镜足够轻本文档来自技高网...

【技术保护点】
1.一种人像识别方法，应用于具有AI边缘计算功能的AR智能眼镜，其特征在于，包括：/nA、对佩戴者视野内的视频流信息进行实时多次检测，以获取人像信息；/nB、对所述人像信息进行人像特征提取，并将其存储至智能眼镜端的临时数据栈中；/nC、将智能眼镜端的临时数据栈中存储的人像特征进行相似性比对，并进行择优去重处理；/nD、将择优去重处理之后的人像特征与在智能眼镜端的本地数据库中存储的目标人像特征进行比对，以进行目标人像识别；/nE、将识别结果在眼镜端和\或与眼镜端有线\无线连接的其他终端进行展示。/n

【技术特征摘要】
1.一种人像识别方法，应用于具有AI边缘计算功能的AR智能眼镜，其特征在于，包括：
A、对佩戴者视野内的视频流信息进行实时多次检测，以获取人像信息；
B、对所述人像信息进行人像特征提取，并将其存储至智能眼镜端的临时数据栈中；
C、将智能眼镜端的临时数据栈中存储的人像特征进行相似性比对，并进行择优去重处理；
D、将择优去重处理之后的人像特征与在智能眼镜端的本地数据库中存储的目标人像特征进行比对，以进行目标人像识别；
E、将识别结果在眼镜端和\或与眼镜端有线\无线连接的其他终端进行展示。


2.根据权利要求1所述的方法，其特征在于，所述步骤D还包括：
M1、将择优去重处理之后的人像特征传输至与智能眼镜端有线\无线连接的终端；
M2、将择优去重处理之后的人像特征与在终端的本地数据库中存储的目标人像特征进行比对，以进行目标人像识别。


3.根据权利要求1所述的方法，其特征在于，所述步骤D还包括：
N1、将择优去重处理之后的人像特征传输至服务器端；
N2、将择优去重处理之后的人像特征与在服务器端的后台数据库中存储的目标人像特征进行比对，以进行目标人像识别。


4.根据权利要求1所述的方法，其特征在于，所述步骤A，包括：
A1、实时对佩戴者视野内的视频流信息进行检测，获取影像数据；
A2、对所述影像数据进行逐帧解析，并对每一个帧的图像信息进行检测，并在每个包括有人像信息的图像帧内，标定每一个人像的坐标信息；
A3、根据所述坐标信息，截取每一个图像帧内的人像，并保存所述人像与其所属的图像帧的对应关系。


5.根据权利要求2所述的方法，其特征在于，所述步骤B，包括：
B1、对截取的人像进行人像特征信息提取；
B2、根据不同业务逻辑的要求，对提取的所述人像特征值进行筛选，保留符合指定要求的人像特征值。


6.根据权利要求1所述的方法，其特征在...

【专利技术属性】
技术研发人员：张昊阳，黄海，姚寒星，
申请(专利权)人：北京亮亮视野科技有限公司，
类型：发明
国别省市：北京;11