基于多级表观特征比对的人员变更检测方法及系统技术方案

本发明专利技术属于计算机视觉技术领域，提供了一种基于多级表观特征比对的人员变更检测方法及系统，本发明专利技术在进行球员变更检测时，提取了球员的人脸特征、人体骨架比例特征和全局身份特征多级表观特征，通过注意力权重模型，将多级表观特征分配对应的权重后得到融合特征；将融合特征与预设的已注册球员的表观特征进行对比，得到对比结果；解决了赛事中的人员身份问题，能够兼容某种特征缺失的极端情况，同时具有较高的检测速度，具有较好的实时性。具有较好的实时性。具有较好的实时性。

Personnel change detection method and system based on multi-level apparent feature comparison

【技术实现步骤摘要】
基于多级表观特征比对的人员变更检测方法及系统


[0001]本专利技术属于计算机视觉
，尤其涉及一种基于多级表观特征比对的人员变更检测方法及系统。

技术介绍

[0002]球类运动在比赛期间，为了变换战术或应对其他不可控因素，进行球员变更比较频繁，然而，行球员变更中，时常会出现违规替代、偷换队员等行为，严重影响了体育竞技精神；基于此，对球员变更时参与上场或下场的球员进行身份检测是一个重要且具有挑战性任务。
[0003]专利技术人发现，相对于常见的行人身份识别以及人脸识别场景，赛事中的人员身份比对更加具有挑战性，在这种高度动态、遮挡或人脸不可用等限制的情况下，鲁棒准确的身份认证是非常困难的，现有的球员变更检测方法或设备中，尚未得到很好的解决。

技术实现思路

[0004]本专利技术为了解决上述问题，提出了一种基于多级表观特征比对的人员变更检测方法及系统，本专利技术通过自注意力机制结合多级表观特征解决了赛事中的人员身份问题，能够兼容某种特征缺失的极端情况，同时具有较高的检测速度，具有较好的实时性。
[0005]为了实现上述目的，本专利技术是通过如下的技术方案来实现：
[0006]第一方面，本专利技术提供了一种基于多级表观特征比对的人员变更检测方法，包括：
[0007]获取相关球员的图像信息；
[0008]依据图像信息，提取球员的人脸特征、人体骨架比例特征和全局身份特征；
[0009]依据提取的人脸特征、人体骨架比例特征和全局身份特征，以及预设的注意力权重模型，得到对变更球员的检测结果；
[0010]其中，所述注意力权重模型将人脸特征、人体骨架比例特征和全局身份特征分配对应的权重后得到融合特征；将融合特征与预设的已注册球员的表观特征进行对比，得到对比结果。
[0011]进一步的，提取球员的人脸特征时，利用人脸检测模型进行人脸检测；若人脸检测获取失败，则选取整体图像的上部预设比例区域作为人脸图像。
[0012]进一步的，人体骨架比例特征提取时，计算头部上关键点和下关键点关键点的欧式距离、躯干部分最高关键点与最低关键点的欧式距离、手部关键点与肘部关键点的欧式距离、肘部关键点与肩部关键点的欧式距离、脚部关键点与膝部关键点的距离以及膝部关键点与胯部关键点的距离。
[0013]进一步的，对计算的欧式距离进行归一化，以计算的头部的欧氏距离为基准，求取其他部位相对头部的欧氏距离的比值。
[0014]进一步的，全局身份特征提取时，将归一化全身图像接入多层卷积神经网络进行特征学习，采用的神经网络提取全局身份特征。
[0015]进一步的，对人脸特征、人体骨架比例特征和全局身份特征分别添加同样大小的注意力权重层，将每组输出特征与对应的权重层进行按位相乘，得到三组新特征，将三组新特征进行求和，得到融合特征。
[0016]进一步的，根据多个节点的响应最大值判断最相似的已注册球员，若响应值大于预设值，则判定球员未变更，若响应值低于预设值，则判定球员发生了变更；
[0017]进一步的，通过对比当前待测试球员的特征与已注册的球员特征的相似度进行判定；若存在某个已注册球员的特征与待测试图像的特征相似度高于预设值，则判定未发生变更，否则，则判定球员发生了变更。
[0018]第二方面，本专利技术还提供了一种基于多级表观特征比对的人员变更检测系统，包括：
[0019]数据获取模块，被配置为：获取相关球员的图像信息；
[0020]特征提取模块，被配置为：依据图像信息，提取球员的人脸特征、人体骨架比例特征和全局身份特征；
[0021]检测模块，被配置为：依据提取的人脸特征、人体骨架比例特征和全局身份特征，以及预设的注意力权重模型，得到对变更球员的检测结果；
[0022]其中，所述注意力权重模型将人脸特征、人体骨架比例特征和全局身份特征分配对应的权重后得到融合特征；将融合特征与预设的已注册球员的表观特征进行对比，得到对比结果。
[0023]第三方面，本专利技术还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现了第一方面所述的基于多级表观特征比对的人员变更检测方法的步骤。
[0024]第四方面，本专利技术还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现了第一方面所述的基于多级表观特征比对的人员变更检测方法的步骤。
[0025]与现有技术相比，本专利技术的有益效果为：
[0026]本专利技术在进行球员变更检测时，提取了球员的人脸特征、人体骨架比例特征和全局身份特征多级表观特征，通过注意力权重模型，将多级表观特征分配对应的权重后得到融合特征；将融合特征与预设的已注册球员的表观特征进行对比，得到对比结果；解决了赛事中的人员身份问题，能够兼容某种特征缺失的极端情况，同时具有较高的检测速度，具有较好的实时性。
附图说明
[0027]构成本实施例的一部分的说明书附图用来提供对本实施例的进一步理解，本实施例的示意性实施例及其说明用于解释本实施例，并不构成对本实施例的不当限定。
[0028]图1为本专利技术实施例1的流程图；
[0029]图2为本专利技术实施例1的模型结构图。
具体实施方式：
[0030]下面结合附图与实施例对本专利技术作进一步说明。
[0031]应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属
的普通技术人员通常理解的相同含义。
[0032]实施例1：
[0033]本实施例提供了一种基于多级表观特征比对的人员变更检测方法，包括：
[0034]获取相关球员的图像信息；
[0035]依据图像信息，提取球员的人脸特征、人体骨架比例特征和全局身份特征；
[0036]依据提取的人脸特征、人体骨架比例特征和全局身份特征，以及预设的注意力权重模型，得到对变更球员的检测结果；
[0037]其中，所述注意力权重模型将人脸特征、人体骨架比例特征和全局身份特征分配对应的权重后得到融合特征；将融合特征与预设的已注册球员的表观特征进行对比，得到对比结果。
[0038]首先，获取相关球员的图像信息时，可以通过获取比赛视频中球员图像实现，对比赛视频中球员图像进行多级特征学习，包括人脸特征、人体骨架比例特征和全局身份特征；然后，基于所述人脸特征、所述人体骨架比例特征和所述全局身份特征设计了一种注意力权重模块，给不同级别的特征分配对应的权重；最后，在实际部署或者使用阶段对比已注册球员与当前球员的多级表观特征，得出是否为同一个人的判定；包括步骤：
[0039]步骤S1，数据集设置，给定赛事图像数据，其中，可以对球员图像进行预先裁剪，即球员图像中仅包含当前球员的身体区域；将球员图像数据集划分为已注册球员数据集与待测试球员数据集，待测试球员数据集可以理解的为同时含有已注册与未注册球员；已注册球员数据集与待本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于多级表观特征比对的人员变更检测方法，其特征在于，包括：获取相关球员的图像信息；依据图像信息，提取球员的人脸特征、人体骨架比例特征和全局身份特征；依据提取的人脸特征、人体骨架比例特征和全局身份特征，以及预设的注意力权重模型，得到对变更球员的检测结果；其中，所述注意力权重模型将人脸特征、人体骨架比例特征和全局身份特征分配对应的权重后得到融合特征；将融合特征与预设的已注册球员的表观特征进行对比，得到对比结果。2.如权利要求1所述的基于多级表观特征比对的人员变更检测方法，其特征在于，提取球员的人脸特征时，利用人脸检测模型进行人脸检测；若人脸检测获取失败，则选取整体图像的上部预设比例区域作为人脸图像。3.如权利要求1所述的基于多级表观特征比对的人员变更检测方法，其特征在于，人体骨架比例特征提取时，计算头部上关键点和下关键点关键点的欧式距离、躯干部分最高关键点与最低关键点的欧式距离、手部关键点与肘部关键点的欧式距离、肘部关键点与肩部关键点的欧式距离、脚部关键点与膝部关键点的距离以及膝部关键点与胯部关键点的距离。4.如权利要求3所述的基于多级表观特征比对的人员变更检测方法，其特征在于，对计算的欧式距离进行归一化，以计算的头部的欧氏距离为基准，求取其他部位相对头部的欧氏距离的比值。5.如权利要求1所述的基于多级表观特征比对的人员变更检测方法，其特征在于，全局身份特征提取时，将归一化全身图像接入多层卷积神经网络进行特征学习，采用的神经网络提取全局身份特征。6.如权利要求1所述的基于多级表观特征比对的人员变更检测方法，其特征在于，对人脸特征、人体骨架比例特征和全局身份特征分别添加同样大小的注意力权...

【专利技术属性】
技术研发人员：王海滨，纪文峰，李凯，乔守良，程伟鹏，
申请(专利权)人：青岛根尖智能科技有限公司，
类型：发明
国别省市：