本发明专利技术公开了一种目标活体的识别方法及其装置、计算机可读存储介质。其中，该方法包括：利用第一神经网络获取目标活体的位置信息；基于位置信息并利用第二神经网络获取目标活体的活体关键点信息；基于活体关键点信息获取目标活体的分值向量，并将数据库中的历史分值向量与分值向量进行处理，获取相似度，且基于相似度，获取目标活体的识别结果，其中，分值向量为用于对目标活体的活体关键点信息进行描述而产生的向量，识别结果用于表征是否已成功识别目标活体。本发明专利技术解决了针对相关技术中针对视觉识别活体时的特征提取不全面导致识别不够准确的技术问题。别不够准确的技术问题。别不够准确的技术问题。
【技术实现步骤摘要】
目标活体的识别方法及其装置、计算机可读存储介质
[0001]本专利技术涉及图像识别领域，具体而言，涉及一种目标活体的识别方法及其装置、计算机可读存储介质。
技术介绍
[0002]目前视频监控技术飞速发展，监控过程会产生大量的数据。活体重识别技术可以从图像或视频序列中检测识别出特定的活体，对于安防监控、城市治安有重要意义。但是，由于活体图片可能存在光照过亮过暗、模糊、遮挡严重、姿态多样等问题，现有的方法将检测出的活体直接进行特征提取，提取出的特征不一定具备代表性，导致检索准确率不高，检索失败。
[0003]针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
[0004]本专利技术实施例提供了一种目标活体的识别方法及其装置、计算机可读存储介质，以至少解决针对相关技术中针对视觉识别活体时的特征提取不全面导致识别不够准确的技术问题。
[0005]根据本专利技术实施例的一个方面，提供了一种目标活体的识别方法，包括：利用第一神经网络获取目标活体的位置信息，其中，所述第一神经网络为使用多组第一训练数据通过机器学习训练得到的，所述多组第一训练数据中的每一组第一训练数据均包括：目标活体的历史位置信息；基于所述位置信息并利用第二神经网络获取目标活体的活体关键点信息，其中，所述第二神经网络为使用多组第二训练数据通过机器学习训练得到的，所述多组第二训练数据中的每一组第二训练数据均包括：目标活体的历史活体关键点信息；基于所述活体关键点信息获取目标活体的分值向量，并将数据库中的历史分值向量与所述分值向量进行处理，获取相似度，且基于所述相似度，获取目标活体的识别结果，其中，所述分值向量为用于对所述活体的活体关键点信息进行描述而产生的向量，所述识别结果用于表征是否已成功识别所述目标活体。
[0006]可选地，所述活体关键点信息至少包括：人体五官的位置信息以及人体关节点的位置信息。
[0007]可选地，所述分值向量包括：亮度质量分值、清晰度分值、遮挡程度分值以及姿态分值，其中，所述亮度质量分值为基于所述目标活体所在区域的亮度质量获取到的向量，所述清晰度分值为基于采集到的所述目标活体的图像的图片清晰度所获取到的向量，所述遮挡程度分值为基于所述目标活体被干扰物遮挡的遮挡程度获取到的向量，所述姿态分值为基于所述目标活体的当前姿态来获取到的向量。
[0008]可选地，将数据库中的历史分值向量与所述分值向量进行处理之前，所述方法还包括：利用第三神经网络获取第一特征向量；将所述分值向量进行标准化处理，获取第一分值向量；对历史特征向量进行处理，获取与所述历史特征向量对应的所述历史分值向量。
[0009]可选地，利用第三神经网络获取第一特征向量，包括：基于所述位置信息通过所述第三神经网络获取所述目标活体的原始特征信息；将所述原始特征信息进行标准化处理，获取所述第一特征向量。
[0010]可选地，将数据库中的历史分值向量与所述分值向量进行处理，获取相似度，包括：基于第一特征向量、第一分值向量、历史特征向量以及历史分值向量利用第二公式获取所述相似度，其中，所述第二公式为：S为所述相似度，F1为所述第一分值向量，F2为所述历史分值向量，W1为所述第一特征向量，W2为所述历史特征向量。
[0011]可选地，基于所述相似度，获取目标活体的识别结果，包括：将所述相似度与预设阈值进行比对，获取相似度大于预设阈值的比对结果；选取相似度大于预设阈值的比对结果中所述相似度的数值最高的比对结果为所述目标活体的识别结果。
[0012]根据本专利技术实施例的另外一个方面，还提供了一种目标活体的识别装置，包括：第一获取模块，用于利用第一神经网络获取目标活体的位置信息，其中，所述第一神经网络为使用多组第一训练数据通过机器学习训练得到的，所述多组第一训练数据中的每一组第一训练数据均包括：目标活体的历史位置信息；第二获取模块，用于基于所述位置信息并利用第二神经网络获取目标活体的活体关键点信息，其中，所述第二神经网络为使用多组第二训练数据通过机器学习训练得到的，所述多组第二训练数据中的每一组第二训练数据均包括：目标活体的历史活体关键点信息；第一处理模块，用于基于所述活体关键点信息获取目标活体的分值向量，并将数据库中的历史分值向量与所述分值向量进行处理，获取相似度，且基于所述相似度，获取目标活体的识别结果，其中，所述分值向量为用于对所述活体的活体关键点信息进行描述而产生的向量，所述识别结果用于表征是否已成功识别所述目标活体。
[0013]可选地，所述活体关键点信息至少包括：人体五官的位置信息以及人体关节点的位置信息。
[0014]可选地，所述分值向量包括：亮度质量分值、清晰度分值、遮挡程度分值以及姿态分值，其中，所述亮度质量分值为基于所述目标活体所在区域的亮度质量获取到的向量，所述清晰度分值为基于采集到的所述目标活体的图像的图片清晰度所获取到的向量，所述遮挡程度分值为基于所述目标活体被干扰物遮挡的遮挡程度获取到的向量，所述姿态分值为基于所述目标活体的当前姿态来获取到的向量。
[0015]可选地，所述装置还包括：第三获取模块，用于将数据库中的历史分值向量与所述分值向量进行处理之前，利用第三神经网络获取第一特征向量；标准化处理模块，用于将所述分值向量进行标准化处理，获取第一分值向量；第二处理模块，用于对历史特征向量进行处理，获取与所述历史特征向量对应的所述历史分值向量。
[0016]可选地，所述第三获取模块，包括：第一获取单元，用于基于所述位置信息通过所述第三神经网络获取所述目标活体的原始特征信息；标准化处理单元，用于将所述原始特征信息进行标准化处理，获取所述第一特征向量。
[0017]可选地，所述第一处理模块，包括：第二获取单元，用于基于第一特征向量、第一分值向量、历史特征向量以及历史分值向量利用第二公式获取所述相似度，其中，所述第二公
式为：S为所述相似度，F1为所述第一分值向量，F2为所述历史分值向量，W1为所述第一特征向量，W2为所述历史特征向量。
[0018]可选地，所述第一处理模块，包括：第三获取单元，用于将所述相似度与预设阈值进行比对，获取相似度大于预设阈值的比对结果；选取单元，用于选取相似度大于预设阈值的比对结果中所述相似度的数值最高的比对结果为所述目标活体的识别结果。
[0019]根据本专利技术实施例的另外一个方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序被处理器运行时控制所述计算机可读存储介质所在设备执行上述中任一种所述的目标活体的识别方法。
[0020]根据本专利技术实施例的另外一个方面，还提供了一种处理器，所述处理器用于运行计算机程序，其中，所述计算机程序运行时执行上述中任一种所述的目标活体的识别方法。
[0021]在本专利技术实施例中，利用第一神经网络获取目标活体的位置信息，其中，第一神经网络为使用多组第一训练数据通过机器学习训练得到的，多组第一训练数据中的每一组第一训练数据均包括：目标活体的历史位置信息；基于本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种目标活体的识别方法，其特征在于，包括：利用第一神经网络获取目标活体的位置信息，其中，所述第一神经网络为使用多组第一训练数据通过机器学习训练得到的，所述多组第一训练数据中的每一组第一训练数据均包括：目标活体的历史位置信息；基于所述位置信息并利用第二神经网络获取目标活体的活体关键点信息，其中，所述第二神经网络为使用多组第二训练数据通过机器学习训练得到的，所述多组第二训练数据中的每一组第二训练数据均包括：目标活体的历史活体关键点信息；基于所述活体关键点信息获取目标活体的分值向量，并将数据库中的历史分值向量与所述分值向量进行处理，获取相似度，且基于所述相似度，获取目标活体的识别结果，其中，所述分值向量为用于对所述目标活体的活体关键点信息进行描述而产生的向量，所述识别结果用于表征是否已成功识别所述目标活体。2.根据权利要求1所述的方法，其特征在于，所述活体关键点信息至少包括：活体五官的位置信息以及活体关节点的位置信息。3.根据权利要求1所述的方法，其特征在于，所述分值向量包括：亮度质量分值、清晰度分值、遮挡程度分值以及姿态分值，其中，所述亮度质量分值为基于所述目标活体所在区域的亮度质量获取到的向量，所述清晰度分值为基于采集到的所述目标活体的图像的图片清晰度所获取到的向量，所述遮挡程度分值为基于所述目标活体被干扰物遮挡的遮挡程度获取到的向量，所述姿态分值为基于所述目标活体的当前姿态来获取到的向量。4.根据权利要求1所述的方法，其特征在于，将数据库中的历史分值向量与所述分值向量进行处理之前，所述方法还包括：利用第三神经网络获取第一特征向量；将所述分值向量进行标准化处理，获取第一分值向量；对历史特征向量进行处理，获取与所述历史特征向量对应的所述历史分值向量。5.根据权利要求4所述的方法，其特征在于，利用第三神经网络获取第一特征向量，包括：基于所述位置信息通过所述第三神经网络获取所述目标活体的原始特征信息；将所述原始特征信息进行标准化处理，获取所述第一特征向量。6.根据权利要求4所...
【专利技术属性】
技术研发人员：黄迪臻，
申请(专利权)人：深圳市联洲国际技术有限公司，
类型：发明
国别省市：
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。