【技术实现步骤摘要】
一种目标身份识别方法、装置以及存储介质
[0001]本专利技术主要涉及图像识别
,具体涉及一种目标身份识别方法、装置以及存储介质。
技术介绍
[0002]在实际监控的“非配合”场景中,受到摄像头安装位置与角度、抓拍距离、目标活动及光线变化等现实因素的影响,造成单模态生物特征(如单幅正脸)中目标身份信息缺失而干扰信息增多,进而导致目标动态身份识别准确度急剧下降。研究者指出多模态特征融合通过将多个生物特征进行结合,能够获得更丰富的目标身份信息,从而缓解单模态特征目标身份识别准确度低的挑战。以往的基于特征融合的身份识别方法,如虹膜与指纹特征融合、人脸与掌纹特征融合、虹膜与指纹特征融合等,这些方法所使用的特征均无法在视频监控场景下提取。如何充分利用能够收集到的生物特征成为监控场景下目标动态身份识别的一个挑战。
[0003]同时,由于监控场景下受各种现实因素影响,所提取到的同一模态的特征质量差别巨大,例如完全清晰的正脸照片与戴口罩的侧脸照片,而不同质量的特征对目标身份决策的影响也会不同。
技术实现思路
[0004]本专利技术所要解决的技术问题是针对现有技术的不足,提供一种目标身份识别方法、装置以及存储介质。
[0005]本专利技术解决上述技术问题的技术方案如下:一种目标身份识别方法,包括如下步骤:
[0006]S1:导入多个目标行人图片,分别对各个所述目标行人图片进行人脸检测,得到与各个所述目标行人图片分别对应的目标脸部图片;
[0007]S2:分别对各个所述目标行人图片以 ...
【技术保护点】
【技术特征摘要】
1.一种目标身份识别方法,其特征在于,包括如下步骤:S1:导入多个目标行人图片,分别对各个所述目标行人图片进行人脸检测,得到与各个所述目标行人图片分别对应的目标脸部图片;S2:分别对各个所述目标行人图片以及各个所述目标脸部图片进行特征提取,得到与各个所述目标行人图片对应的行人特征以及与各个所述目标脸部图片对应的人脸特征;S3:构建训练模型,通过所述训练模型对多个所述行人特征以及多个所述人脸特征进行身份识别分析,得到目标身份识别结果。2.根据权利要求1所述的目标身份识别方法,其特征在于,所述步骤S1中,分别对各个所述目标行人图片进行人脸检测,得到与各个所述目标行人图片分别对应的目标脸部图片的过程包括:利用MTCNN人脸检测算法分别对各个所述目标行人图片进行人脸检测,得到与各个所述目标行人图片分别对应的目标脸部图片。3.根据权利要求1所述的目标身份识别方法,其特征在于,所述步骤S2的过程包括:基于PCB+RPP模型分别对各个所述目标行人图片进行行人特征提取,得到与各个所述目标行人图片对应的行人特征;基于insightface模型分别对各个所述目标脸部图片进行人脸特征提取,得到与各个所述目标脸部图片对应的人脸特征。4.根据权利要求1所述的目标身份识别方法,其特征在于,所述步骤S3的过程包括:构建全连接神经网络,通过所述全连接神经网络分别对各个所述行人特征以及各个所述人脸特征进行分类处理,得到与各个所述目标行人图片对应的行人证据向量以及与各个所述目标脸部图片对应的人脸证据向量;对多个所述行人证据向量以及多个所述人脸证据向量进行总体意见向量的分析,得到总体意见向量,并将所述总体意见向量作为目标身份识别结果。5.根据权利要求4所述的目标身份识别方法,其特征在于,所述全连接神经网络包括多个全连接层和与所述全连接层数量对应的RELU激活层,且所述全连接层与所述RELU激活层交替连接;所述构建全连接神经网络,通过所述全连接神经网络分别对各个所述行人特征以及各个所述人脸特征进行分类处理,得到与各个所述目标行人图片对应的行人证据向量以及与各个所述目标脸部图片对应的人脸证据向量的过程包括:S311:通过当前全连接层分别对各个所述行人特征以及各个所述人脸特征进行线性映射,得到与各个所述目标行人图片对应的映射后行人特征以及与各个所述目标脸部图片对应的映射后人脸特征;S312:通过当前RELU激活层分别对各个所述映射后行人特征以及各个所述映射后人脸特征进行非线性映射,并将非线性映射后的结果输入至下一全连接层中,并再次执行步骤S311,直至经过所有的全连接层以及所有的RELU激活层,从而得到与各个所述目标行人图片对应的行人证据向量以及与各个所述目标脸部图片对应的人脸证据向量。6.根据权利要求4所述的目标身份识别方法,其特征在于,每个所述行人证据向量包括多个与待识别目标身份对应的行人证据值,每个所述人脸证据向量包括多个与待识别目标身份对应的人脸证据值,所述对多个所述行人证据向量以及多个所述人脸证据向量进行总体意见向量的分析,得到总体意见向量的过程包括:
通过第一式分别将各个所述行人证据值转换为狄利克雷分布,得到与各个所述待识别目标身份对应的行人狄利克雷分布,所述第一式为:其中,为第k个行人证据值,k为第k个待识别目标身份,为第k个行人狄利克雷分布;通过第二式分别将各个所述人脸证据值转换为狄利克雷分布,得到与各个所述待识别目标身份对应的人脸狄利克雷分布,所述第二式为:其中,为第k个人脸证据值,k为第k个待识别目标身份,为第k个人脸狄利克雷分布;通过第三式分别对各个所述人脸狄利克雷分布进行置信质量的计算,得到行人狄利克雷强度以及与各个所述待识别目标身份对应的行人置信质量,所述第三式为:其中,其中,为第k个行人置信质量,为第k个行人狄利克雷分布,为第i个行人狄利克雷分布,i为第i个目标行人图片,S1为行人狄利克雷强度,K为待识别目标身份总数;通过第四式分别对各个所述人脸狄利克雷分布进行置信质量的计算,得到人脸狄利克雷强度以及与各个所述待识别目标身份对应的人脸置信质量,所述第四式为:其中,其中,为第k个人脸置信质量,第k个人脸狄利克雷分布,为第i个人脸狄利克雷分布,i为第i个目标人脸图片,S2为人脸狄利克雷强度,K为待识别...
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。