【技术实现步骤摘要】
本申请涉及信息安全，尤其涉及一种基于多生物特征的人物身份识别方法、装置及介质。
技术介绍
1、生物识别技术主要是指通过人类生物特征进行身份认证的一种技术，人类的生物特征通常具有可以测量或可自动识别和验证、遗传性或终身不变等特点，因此生物识别认证技术较传统认证技术存在较大的优势。
2、生物识别系统对生物特征进行取样，提取其特征并且转化成数字代码，并进一步将这些代码组成特征模板。由于微处理器及各种电子元器件成本不断下降，精度逐渐提高，生物识别系统逐渐应用于商业上的授权控制如门禁、企业考勤管理系统安全认证等领域。用于生物识别的生物特征有手形、指纹、脸形、虹膜、视网膜、脉搏、耳廓等，行为特征有签字、声音、按键力度等。基于这些特征，人们已经发展了手形识别、指纹识别、面部识别、发音识别、虹膜识别、签名识别等多种生物识别技术。
3、现有技术中，部分身份识别系统采用人脸/指纹等单一的生物特征进行身份识别，导致识别结果的准确率比较低，且存在一定的安全隐患。
技术实现思路
1、本申请所要解决的技术问题是针对现有技术的上述不足，提供一种基于多生物特征的人物身份识别方法、装置及介质，用以解决现有技术存在的问题。
2、第一方面，本申请提供一种基于多生物特征的人物身份识别方法，所述方法包括：
3、s1、获取包含待识别对象的人物动作视频；
4、s2、根据所述人物动作视频得到所述待识别对象的动作能量图以及侧面人脸图像；
5、s3、将所述动作能
6、s4、根据所述融合特征进行身份识别，得到所述待识别对象的身份识别结果。
7、在一些实施例中，s2，包括：
8、s21、根据所述人物动作视频得到目标人体图像；
9、s22、对所述目标人体图像进行动作检测，得到动作能量图；
10、s23、对所述目标人体图像进行人脸检测，得到侧面人脸图像。
11、在一些实施例中，s21，包括：
12、对所述人物动作视频进行背景建模，得到背景图像；
13、根据所述人物动作视频以及所述背景图像，通过背景减除得到前景目标人体图像；
14、对所述前景目标人体图像进行连通性分析处理，得到所述目标人体图像。
15、在一些实施例中，s22，包括：
16、对所述目标人体图像进行二值化处理，得到二值化图像；
17、通过数学形态学操作，对所述二值化图像进行空洞填充以及动作图像边缘噪声去除处理，得到处理后二值化图像；
18、根据所述处理后二值化图像进行动作图像轮廓序列检测，得到所述动作能量图。
19、在一些实施例中，s23，包括：
20、对所述前景目标人体图像进行头部提取处理，得到头部图像；
21、对所述头部图像进行灰度化处理，得到灰度头部图像；
22、根据所述灰度头部图像进行侧面人脸检测，得到所述侧面人脸图像。
23、在一些实施例中，s3，包括：
24、s31、对所述动作能量图以及所述侧面人脸图像分别进行特征提取，得到初始动作特征矩阵以及初始人脸特征矩阵；
25、s32、对所述初始动作特征矩阵以及所述初始人脸特征矩阵进行归一化处理，得到归一化动作特征向量以及归一化人脸特征向量；
26、s33、对所述归一化动作特征向量以及所述归一化人脸特征向量进行特征融合，得到融合特征。
27、在一些实施例中，s31，包括：
28、在水平方向上分别对所述动作能量图以及所述侧面人脸图像进行图像矩阵主成分分析impca运算，得到第一动作特征矩阵以及第一人脸特征矩阵；
29、在垂直方向上分别对所述第一动作特征矩阵以及所述第一人脸特征矩阵进行impca运算，得到所述初始动作特征矩阵以及所述初始人脸特征矩阵。
30、第二方面，本申请提供一种基于多生物特征的人物身份识别装置，所述装置包括：
31、视频获取模块，其设置为获取包含待识别对象的人物动作视频；
32、视频处理模块，其设置为根据所述人物动作视频得到所述待识别对象的动作能量图以及侧面人脸图像；
33、特征融合模块，其设置为将所述动作能量图以及所述侧面人脸图像进行特征融合，得到融合特征；
34、身份识别模块，其设置为根据所述融合特征进行身份识别，得到所述待识别对象的身份识别结果。
35、第三方面，本申请提供一种基于多生物特征的人物身份识别装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以实现上述第一方面所述的基于多生物特征的人物身份识别方法。
36、第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的基于多生物特征的人物身份识别方法。
37、本申请提供的基于多生物特征的人物身份识别方法、装置及介质，具体的，获取包含待识别对象的人物动作视频；根据所述人物动作视频得到所述待识别对象的动作能量图以及侧面人脸图像；将所述动作能量图以及所述侧面人脸图像进行特征融合，得到融合特征；根据所述融合特征进行身份识别，得到所述待识别对象的身份识别结果。本申请对步态视频图像序列，先进行背景建模，得到背景图像；随后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，得到比较完整的目标人体图像；再对目标人体图像进行二值化，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，本申请步态与人脸相结合识别在各阶次识别率上都大于单一步态或人脸识别的识别率，本申请的步态与人脸融合识别方法在识别性能上明显优于单一生物特征的步态或人脸识别，并且有大幅度的提高。本申请通过多生物特征的融合与识别可提高身份识别系统的整体性能，从而可以提高身份识别结果的准确率，降低安全隐患。
本文档来自技高网...【技术保护点】
1.一种基于多生物特征的人物身份识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于多生物特征的人物身份识别方法，其特征在于，S2，包括：
3.根据权利要求2所述的基于多生物特征的人物身份识别方法，其特征在于，S21，包括：
4.根据权利要求2所述的基于多生物特征的人物身份识别方法，其特征在于，S22，包括：
5.根据权利要求3所述的基于多生物特征的人物身份识别方法，其特征在于，S23，包括：
6.根据权利要求1所述的基于多生物特征的人物身份识别方法，其特征在于，S3，包括：
7.根据权利要求6所述的基于多生物特征的人物身份识别方法，其特征在于，S31，包括：
8.一种基于多生物特征的人物身份识别装置，其特征在于，所述装置包括：
9.一种基于多生物特征的人物身份识别装置，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以实现如权利要求1-7中任一项所述的基于多生物特征的人物身份识别方法。
10.一种计算机可读存
...【技术特征摘要】
1.一种基于多生物特征的人物身份识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于多生物特征的人物身份识别方法，其特征在于，s2，包括：
3.根据权利要求2所述的基于多生物特征的人物身份识别方法，其特征在于，s21，包括：
4.根据权利要求2所述的基于多生物特征的人物身份识别方法，其特征在于，s22，包括：
5.根据权利要求3所述的基于多生物特征的人物身份识别方法，其特征在于，s23，包括：
6.根据权利要求1所述的基于多生物特征的人物身份识别方法，其特征在于，s3，包括：
7.根据...
【专利技术属性】
技术研发人员：杨佑君，李宁，
申请(专利权)人：中国联合网络通信集团有限公司，
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。