一种自动识别办理人身份的方法技术

本发明专利技术公开了一种自动识别办理人身份的方法，具体涉及身份识别技术领域，通过采集步态视频和人脸动态视频，再将步态与人脸图像进行预处理，得到步态能量图和侧面人脸图，利用步态能量图与侧面人脸图在特征层上进行识别，在对步态能量图与侧面人脸图进行特征提取，对步态与人脸进行特征组合，得到步态与人脸的组合特征向量，其次进行步态与人脸的特征融合，即对组合特征的向量进行融合，得到步态与人脸的融合特征向量，最终采用最近邻法进行身份识别，由上述得知，通过步态与侧面人脸在特征层上融合识别方法对办理人的身份进行验证，提高身份识别系统的整体性能，利用算法进行验证和评估，有效提高正确识别率，有利于人员的案件流程办理。流程办理。

【技术实现步骤摘要】
一种自动识别办理人身份的方法


[0001]本专利技术涉及身份识别
，更具体地说，本专利技术涉及一种自动识别办理人身份的方法。

技术介绍

[0002]随着病案复印需求的不断增长，复印窗口的工作压力也随之增加，通过将线下客户转移到线上平台，客户可以自行进行病案打印，同时患者本人无法打印时，可以采用代办人的形式进行打印，提升客户体验感，病案自助打印通过先刷患者身份证，然后进行人脸识别的形式进行核验身份信息，当识别身份信息一致时，患者本人可以自行打印，当识别身份信息不一致时，提示刷取代办人身份证，然后进行代办人人脸比对，比对通过后可代打印患者病案。
[0003]目前，在针对办理人身份识别技术中，多数采用人脸识别的方式进行识别验证，虽效果十分明显，但在特殊的环境下或因人面相的变化，对办理人的身份识别造成一定干扰，需进行多次识别，甚至造成无法识别的情况，使其识别结果极不稳定，通过面部特征进行识别具有唯一性，单一生物特征的人脸识别率较低，影响人员的办案流程，因此需提出步态与侧面人脸在特征层上融合识别方法对办理人的身份进行验证，从而进一步提高正确识别率。

技术实现思路

[0004]为了克服现有技术的上述缺陷，本专利技术提供了一种自动识别办理人身份的方法，本专利技术所要解决的技术问题是：单一的人脸识别技术在特殊的环境下或因人面相的变化，对办理人的身份识别造成一定干扰，需进行多次识别，甚至造成无法识别的情况，使其识别结果极不稳定，通过面部特征进行识别具有唯一性，单一生物特征的人脸识别率较低，影响人员的办案流程的问题。
[0005]本专利技术的目的为：
[0006]通过步态与侧面人脸在特征层上融合识别方法对办理人的身份进行验证，提高身份识别系统的整体性能，利用算法进行验证和评估，有效提高正确识别率，有利于人员的案件流程办理。
[0007]为实现上述目的，本专利技术提供如下技术方案：一种自动识别办理人身份的方法，包括以下步骤：
[0008]S1、首先采集办理人员身份识别的步态视频和人脸动态视频，再将步态与人脸图像进行预处理。
[0009]S2、将步态与人脸图像进行预处理后，得到步态能量图和侧面人脸图，利用步态能量图与侧面人脸图在特征层上进行识别。
[0010]S3、对S2中步态能量图与侧面人脸图进行特征提取。
[0011]S4、通过步态能量图与侧面人脸图进行特征提取后，对步态与人脸进行特征组合，
得到步态与人脸的组合特征向量。
[0012]S5、在通过S4的步态与人脸进行特征组合得到步态与人脸的组合特征向量后，进行步态与人脸的特征融合，即对组合特征的向量进行融合，得到步态与人脸的融合特征向量。
[0013]S6、最终采用最近邻法进行身份识别，对办理人的识别结果进行判断。
[0014]作为本专利技术的进一步方案：所述S1中预处理的具体实施步骤如下：
[0015]S101、对步态视频图像序列，先进行背景建模，得到背景图像，用背景减除法获取前景目标人体图像，利用连通性分析，消除小区域，得到完整的目标人体图像。
[0016]S102、再对目标人体图像进行二值化，使用数学形态学操作，填充空洞和去除步态图像边缘的噪声，检测出步态图像的轮廓序列，对步态图像进行步态周期检测，合成步态能量图。
[0017]作为本专利技术的进一步方案：所述S1在步态图像处理中，得到完整前景目标人体图像后，提取头部部分，对头部图像灰度化，检测侧面人脸，一个周期序列的二值步态轮廓图像，生成的GEl图，定位侧面人脸在头部图像的位置。
[0018]作为本专利技术的进一步方案：所述S3中特征提取的实施步骤如下：
[0019]S301、首先设n
g
个r
g
×
s
g
大小的训练样本步态能量图X1,X2,...,X
ng
和n
f
个r
f
×
s
f
大小的训练样本人脸图像A1,A2,...,A
nf
，在水平方向上分别对训练样本的步态能量图和侧面人脸图执行一次图像主分量分析计算，寻找最佳投影矩阵U
g
和U
f
，步态能量图和侧面人脸图的总体方差矩阵分别为：
[0020][0021][0022]其中，则前k
g
个最大本征值所对应的特征向量组成最佳投影矩阵
[0023]S302、在前k
f
个最大本征所对应的特征向量组成最佳投影矩阵在步态能量图和侧面人脸图经过水平方向图像主分量分析计算降维后，分别得到大小r
g
×
k
g
和r
f
×
k
f
的特征矩阵：
[0024]Y
i
＝X
i
U
g
(i＝1,2,...,n
g
)
[0025]B
i
＝A
i
U
f
(i＝1,2,...,n
f
)。
[0026]S303、对Y
i
(i＝1,2,...,n
g
)和B
i
(i＝1,2,...,n
f
)在垂直方向上进行图像主分量分析计算用以对图像矩阵的转置进行水平方向的图像主分量分析计算代替，即分别对Y
iT
(i＝1,2,...,n
g
)和进行图像主分量分析计算，分别寻找最佳投影矩阵V
g
和V
f
，根据总体方差矩阵公式，Y
iT
(i＝1,2,...,n
g
)和的总体方差矩阵分别为：
[0027][0028][0029]其中，
[0030][0031]则和l
g
个最大本特征值所对应的特征向量组成最佳投影矩阵个最大本特征值所对应的特征向量组成最佳投影矩阵前l
f
个最大本征值所对应的特征向量组成最佳投影矩阵得到大小k
g
×
l
g
和k
f
×
l
f
的初始特征矩阵：
[0032]Z
i
＝Y
iT
V
g
＝(X
i
U
g
)
T
V
g
(i＝1,2,...,n
g
)
[0033][0034]作为本专利技术的进一步方案：所述S4中、通过步态能量图与侧面人脸图进行特征提取后，得到维数小的初始步态特征矩阵Z
i
(i＝1,2,...,n
g
)与初始人脸特征矩阵C
i
(i＝1,2,...,n
f
)在数量关系上存在差别，将步态初始特征矩阵Z本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动识别办理人身份的方法，其特征在于，包括以下步骤：S1、首先采集办理人员身份识别的步态视频和人脸动态视频，再将步态与人脸图像进行预处理；S2、将步态与人脸图像进行预处理后，得到步态能量图和侧面人脸图，利用步态能量图与侧面人脸图在特征层上进行识别；S3、对S2中步态能量图与侧面人脸图进行特征提取；S4、通过步态能量图与侧面人脸图进行特征提取后，对步态与人脸进行特征组合，得到步态与人脸的组合特征向量；S5、在通过S4的步态与人脸进行特征组合得到步态与人脸的组合特征向量后，进行步态与人脸的特征融合，即对组合特征的向量进行融合，得到步态与人脸的融合特征向量；S6、最终采用最近邻法进行身份识别，对办理人的识别结果进行判断。2.根据权利要求1所述的一种自动识别办理人身份的方法，其特征在于：所述S1中预处理的具体实施步骤如下：S101、对步态视频图像序列，先进行背景建模，得到背景图像，用背景减除法获取前景目标人体图像，利用连通性分析，消除小区域，得到完整的目标人体图像；S102、再对目标人体图像进行二值化，使用数学形态学操作，填充空洞和去除步态图像边缘的噪声，检测出步态图像的轮廓序列，对步态图像进行步态周期检测，合成步态能量图。3.根据权利要求2所述的一种自动识别办理人身份的方法，其特征在于：所述S1在步态图像处理中，得到完整前景目标人体图像后，提取头部部分，对头部图像灰度化，检测侧面人脸，一个周期序列的二值步态轮廓图像，生成的GEl图，定位侧面人脸在头部图像的位置。4.根据权利要求1所述的一种自动识别办理人身份的方法，其特征在于：所述S3中特征提取的实施步骤如下：S301、首先设n
g
个r
g
×
s
g
大小的训练样本步态能量图X1,X2,...,X
ng
和n
f
个r
f
×
s
f
大小的训练样本人脸图像A1,A2,...,A
nf
，在水平方向上分别对训练样本的步态能量图和侧面人脸图执行一次图像主分量分析计算，寻找最佳投影矩阵U
g
和U
f
，步态能量图和侧面人脸图的总体方差矩阵分别为：体方差矩阵分别为：其中，则前k
g
个最大本征值所对应的特征向量组成最佳投影矩阵S302、在前k
f
个最大本征所对应的特征向量组成最佳投影矩阵在步态能量图和侧面人脸图经过水平方向图像主分量分析计算降维后，分别得到大小r
g
×
k
g
和r
f
×
k
f
的特征矩阵：Y
i
＝X
i

【专利技术属性】
技术研发人员：李明杰，
申请(专利权)人：山东华健信息科技有限公司，
类型：发明
国别省市：