【技术实现步骤摘要】
本专利技术涉及身份识别和监督，尤其是一种基于统计增强的身份识别方法、系统和存储介质。
技术介绍
1、随着智能识别、监管的普及，在课堂上通过人脸检测实现智能签到、学生监督成为新兴产业。对课堂学生进行定位、身份确认，现有的方法主要采用自上而下的处理方式。首先，人体检测模型对图像中学生进行检测，确定学生位置，输出学生人体框；然后，人脸检测模型在人体检测模型确定的学生人体框中进行人脸检测，得到人脸图片；最后，基于人脸图片进行人脸识别以确定学生身份，实现学生身份和位置之间的绑定。
2、现有技术存在以下缺点：
3、1、处理速度慢：人体检测模型确定学生位置耗时长，再进行人脸检测和识别，是计算的叠加，进一步增加了处理时间，难以满足边缘计算设备实时分析处理要求；
4、2、容错率低：在自上而下的处理流程中，单次人脸识别出错就会导致该条学生位置身份记录出错，容错率低；
5、3、无法确认未检测或未识别到人脸的学生身份：课堂学生的转头、抬低头，光线的突变，学生的运动模糊等可能导致人脸检测、识别模型无法检测识别人脸，学生身份难以确认。
技术实现思路
1、为了克服上述现有技术中课堂学生身份识别精度低的缺陷，本专利技术提出了一种基于统计增强的身份识别方法，可用于作为隔离的人员监督场景，例如课堂学生、办公室员工等，本专利技术可精确识别人员身份，将现场视频帧采集到的人员位置与缓存的人员身份精确匹配，实现高精度高效率的人员身份识别。
2、本专利技术提出的一种基
3、s1、设置摄像机的预置位，各预置位上的摄像机的视觉范围总和覆盖目标场景；
4、s2、当摄像机处于预置位，获取视频流，从视频流中每隔固定时间抽取一帧，对视频帧分别进行人脸检测和人体检测，以获取人脸位置fb和人员身份st，以及人体位置pb；
5、s3、获取预置位对应的人员身份信息缓存l；人员身份信息缓存l中存储有相关联的人员身份、人脸位置以及身份计数count；各人员关联的身份计数count的初始值均为1；将各人员身份st与人员身份信息缓存l中的人员信息进行对比，判断人员身份是否存在于人员身份信息缓存l；
6、是，则在人员身份信息缓存l中将该人员的身份计数count加1存储，并将该人员身份的人脸位置更新为fb，然后执行步骤s4；
7、否，则在人员身份信息缓存l增加该人员身份st，并初始化该人员身份st对应的身份计数count为1，并存储人脸位置fb，然后执行步骤s4；
8、s4、将各人体位置pb逐一与人员身份信息缓存l中的人脸位置进行匹配，当人体位置pb与某个人员身份的人脸位置匹配，则针对该人员身份执行步骤s5；
9、s5、判断人员的身份计数count是否大于或等于设定值t；是，则对该人员身份进行确认；否，则放弃确认该人员身份；确认表示，当前该人员为应当存在的人员。
10、优选的，s5之后还包括步骤s6：遍历视频帧中所有人脸和所有人体位置pb完成当前预置位上的人员身份确认，然后更新预置位，返回步骤s2。
11、优选的，s5还包括，每一个预置位上，在各人员身份第一次确认时，将确认信息发送到指定数据库进行存储。
12、优选的，s5中，t的计算公式如下：
13、t=a×(σni=1counti)/n
14、其中，n为人员身份信息缓存l中的人员总数量，counti为l中第i个人员的身份计数count；a为设定常数，0<a<1。
15、优选的，a=0.25。
16、优选的，人体位置与人脸位置的匹配条件为：
17、xf>xp&&yf>yp&&xf+widthf<xp+widthp&&yf+heightf<yp+heightp/2
18、以图像左上角为坐标原点（0,0），xf为人脸检测框左上角横坐标；yf为人脸检测框左上角纵坐标；widthf为人脸检测框横向宽度；heightf为人脸检测框纵向高度；xp为人体检测框左上角横坐标；yp为人体检测框左上角纵坐标；widthp为人体检测框横向宽度；heightp为人体检测框纵向高度；&&表示逻辑关系“且”。
19、本专利技术提出的一种采用所述的基于统计增强的身份识别方法的课堂学生监督方法，其特征在于，采用所述的基于统计增强的身份识别方法识别课堂学生身份；根据人体位置，将捕获的学生姿势与学生身份相关联。
20、本专利技术提出的一种采用所述的基于统计增强的身份识别方法的绩效考核管理方法，其特征在于，适用于工位相互分隔的工作场景；首先采用所述的基于统计增强的身份识别方法识别员工身份，进行员工考勤监督；并根据人体位置将捕获的人体姿势与员工身份相关联，通过人体姿势与设定的违规姿势的对比，监督员工违规行为，进行员工绩效考核。
21、本专利技术提出的一种基于统计增强的身份识别系统，包括存储器和处理器，存储器中存储有计算机程序，处理器连接存储器，处理器用于执行所述计算机程序，以实现所述的基于统计增强的身份识别方法。
22、本专利技术提出的一种存储介质存储有计算机程序，所述计算机程序被执行时用于实现所述的基于统计增强的身份识别方法。
23、本专利技术的优点在于：
24、（1）本专利技术提出的一种基于统计增强的身份识别方法，采用并行的方式开启两个算法处理线程，即人体检测线程与人脸检测识别线程。人体检测线程启动后，加载人体检测算法模型，获取解码后的视频帧进行人体检测，获得人体位置。人脸检测识别线程加载人脸检测算法模型和人脸识别模型，获取解码后的视频帧进行人脸检测和人脸识别，得到人员身份及人脸位置。本专利技术识别现场人员身份的处理时间为两个处理流程的最大值，相对于自上而下流程大幅缩短了处理时间，节约了时间成本，提高了处理效率。
25、（2）本专利技术中，人脸检测线程将人脸检测识别结果与人员身份信息缓存做对比，包括人员身份信息和人脸位置信息。人员身份信息缓存l存储了最新的身份信息及人脸位置，当出现大幅度转头、抬低头、趴着等动作导致未检测识别到人脸时，可通过人体检测框与人脸检测框匹配条件确认该种无法通过人脸识别算法识别的人员身份，提升了人员身份确认的范围。
26、（3）本专利技术采用人脸识别数据的统计增强策略，针对课堂学生动作幅度变化较小、学生数量相对固定的课堂环境及类似环境例如办公室等，能有效排除人脸的误识别结果，当误识别的学生不在缓存队列内，该学生的计数将为1，后续也难以出现大幅增长，阈值会小于t，不会最终确认误识别的身份。可见，本专利技术中，通过t值的设置，为误识别增加了一层过滤机制，筛选有效数据，进一步保证了身份识别的可靠性。
27、（4）本专利技术提供的基于统计增强的身份识别方法，在精确识别人员身份后，基于人体位置、人脸位置，可精确的将人员的姿势本文档来自技高网...
【技术保护点】
1.一种基于统计增强的身份识别方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于统计增强的身份识别方法，其特征在于，S5之后还包括步骤S6：遍历视频帧中所有人脸和所有人体位置PB完成当前预置位上的人员身份确认，然后更新预置位，返回步骤S2。
3.如权利要求1所述的基于统计增强的身份识别方法，其特征在于，S5还包括，每一个预置位上，在各人员身份第一次确认时，将确认信息发送到指定数据库进行存储。
4.如权利要求1所述的基于统计增强的身份识别方法，其特征在于，S5中，T的计算公式如下：
5.如权利要求4所述的基于统计增强的身份识别方法，其特征在于，a=0.25。
6.如权利要求1所述的基于统计增强的身份识别方法，其特征在于，人体位置与人脸位置的匹配条件为：
7.一种采用如权利要求1-6任一项所述的基于统计增强的身份识别方法的课堂学生监督方法，其特征在于，采用如权利要求1-6任一项所述的基于统计增强的身份识别方法识别课堂学生身份；根据人体位置，将捕获的学生姿势与学生身份相关联。
8.一种采用如权
9.一种基于统计增强的身份识别系统，其特征在于，包括存储器和处理器，存储器中存储有计算机程序，处理器连接存储器，处理器用于执行所述计算机程序，以实现如权利要求1-6任一项所述的基于统计增强的身份识别方法。
10.一种存储介质，其特征在于，存储有计算机程序，所述计算机程序被执行时用于实现如权利要求1-6任一项所述的基于统计增强的身份识别方法。
...【技术特征摘要】
1.一种基于统计增强的身份识别方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于统计增强的身份识别方法，其特征在于，s5之后还包括步骤s6：遍历视频帧中所有人脸和所有人体位置pb完成当前预置位上的人员身份确认，然后更新预置位，返回步骤s2。
3.如权利要求1所述的基于统计增强的身份识别方法，其特征在于，s5还包括，每一个预置位上，在各人员身份第一次确认时，将确认信息发送到指定数据库进行存储。
4.如权利要求1所述的基于统计增强的身份识别方法，其特征在于，s5中，t的计算公式如下：
5.如权利要求4所述的基于统计增强的身份识别方法，其特征在于，a=0.25。
6.如权利要求1所述的基于统计增强的身份识别方法，其特征在于，人体位置与人脸位置的匹配条件为：
7.一种采用如权利要求1-6任一项所述的基于统计增强的身份识别方法的课堂学生监督方法，其特征在于，采用...
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。