【技术实现步骤摘要】
本专利技术涉及视觉分析，尤其涉及一种工作人员识别方法及系统。
技术介绍
1、客流分析是一种通过收集和分析商场、景区、车站等场所的客流数据，以了解顾客的行为、偏好和需求的方法。这种分析可以帮助企业更好地了解市场趋势，并优化产品和服务。为了统计有效的客流信息，需要对顾客的走动轨迹、关注的热门区域以及商品热度进行统计和分析，并且识别其中的工作人员，以帮助零售店优化陈列和商品布局，提供良好的服务。
2、然而，由于商店中人员混杂，顾客来往较为复杂，工作人员往往混杂在顾客之间，难以进行准确的识别。
技术实现思路
1、鉴于此，本专利技术的实施例提供了一种工作人员识别方法，以消除或改善现有技术中存在的一个或更多个缺陷。
2、本专利技术的一个方面提供了一种工作人员识别方法，所述方法的步骤包括：
3、基于监测区域中多个监测点的监测图像确定每个监测图像中人员的reid特征向量，对所述reid特征向量进行聚类，将同一人员的reid特征向量聚类为一个类别集合；
4、计算每个所述类别集合与预构建的工作人员库中每个工作人员的reid特征向量组的相似度，所述工作人员库中存储有对应每个工作人员的reid特征向量组，每个reid特征向量组中存储有对应每个工作人员的多个的reid特征向量；
5、基于每个所述类别集合与每个工作人员的reid特征向量组的相似度确定该类别集合对应的人员是否为工作人员；
6、获取基于相似度判定的不为工作人员的人员的类别集合
7、采用上述方案，本方案首先通过人员的类别集合和预构建的工作人员库判定该人员是否为工作人员，由于预构建的工作人员库存在一定的局限性，本方案进一步对判定不为工作人员的人员的类别集合构建时空向量，通过工作人员与顾客所在时空的区别进一步判定该人员是否为工作人员，综上，本方案能够准确判定混杂在顾客中的工作人员。
8、在本专利技术的一些实施方式中，在计算每个所述类别集合与预构建的工作人员库中每个工作人员的reid特征向量组的相似度的步骤中，分别计算所述类别集合中每个reid特征向量与工作人员的reid特征向量组中每个reid特征向量的相似度。
9、在本专利技术的一些实施方式中，在基于每个所述类别集合与每个工作人员的reid特征向量组的相似度确定该类别集合对应的人员是否为工作人员的步骤中，基于求出的多个相似度与预设的第一判定阈值和第二判定阈值相比较，判定该类别集合对应的人员是否与该reid特征向量组对应同一工作人员，若否，则采用相同步骤进一步判定下一个工作人员的reid特征向量组。
10、在本专利技术的一些实施方式中，在分别计算所述类别集合中每个reid特征向量与工作人员的reid特征向量组中每个reid特征向量的相似度的步骤中，基于如下公式计算相似度：
11、；
12、其中， s表示相似度，表示所述类别集合中任一个reid特征向量构成的向量的转置，表示工作人员的reid特征向量组中任一个reid特征向量构成的向量，表示所述类别集合中reid特征向量构成的向量与工作人员的reid特征向量组中任一个reid特征向量构成的向量的内积。
13、在本专利技术的一些实施方式中，在基于求出的多个相似度与预设的第一判定阈值和第二判定阈值相比较，判定该类别集合对应的人员是否与该reid特征向量组对应同一工作人员的步骤中，若所述相似度大于或等于预设的第一判定阈值，则计一个赞同票；若所述相似度小于或等于预设的第二判定阈值，则计一个反对票；若所述相似度小于预设的第一判定阈值且大于第二判定阈值，则计一个中立票；若所述赞同票在赞同票、反对票和中立票的票数之和所占的比例大于或等于预设的第一比例阈值，且反对票在赞同票、反对票和中立票的票数之和所占的比例小于或等于预设的第二比例阈值，则判定该类别集合对应的人员与该reid特征向量组对应同一工作人员。
14、在本专利技术的一些实施方式中，获取基于相似度判定的不为工作人员的人员的类别集合，基于每个类别集合对应的监测图像构建时空向量，基于预训练的第一神经网络模型判定所述时空向量对应的人员是否为工作人员的步骤包括：
15、基于所述监测图像判定人员在设定的时间和空间位置是否出现，若出现，则在该时间和空间位置对应的维度计为1，若未出现，则在该时间和空间位置对应的维度计为0，组合各个维度的数值构建时空向量；
16、将所述时空向量输入到预训练的第一神经网络模型，判定该人员是否为工作人员。
17、在本专利技术的一些实施方式中，若基于所述时空向量判定该类别集合对应的人员为工作人员，则所述方法的步骤包括：
18、判定当前工作人员库中存储的reid特征向量组是否小于预设数量；
19、若是，则将通过所述时空向量判定为工作人员的人员的类别集合中的reid特征向量作为新的reid特征向量组，添加到工作人员库中；
20、若否，则基于工作人员库中存储的reid特征向量组的置信度进行排序，将通过所述时空向量判定为工作人员的人员的类别集合中的reid特征向量作为新的reid特征向量组替换工作人员库中置信度排名最低的reid特征向量组。
21、在本专利技术的一些实施方式中，在将通过所述时空向量判定为工作人员的人员的类别集合中的reid特征向量作为新的reid特征向量组，添加到工作人员库中的步骤中，两两计算通过所述时空向量判定为工作人员的人员的类别集合中的reid特征向量的相似度，统计每个reid特征向量与其他reid特征向量的相似度，并基于每个reid特征向量计算出的相似度中大于预设的第三判定阈值的次数从高到低对各个reid特征向量进行排序，将排序排名较高的预设个数reid特征向量组合为新的reid特征向量组，添加到工作人员库中。
22、在本专利技术的一些实施方式中，基于工作人员库中存储的reid特征向量组的置信度进行排序的步骤为，统计前预设时间段内工作人员库中存储的各个reid特征向量组的被匹配次数，作为置信度。
23、本专利技术的第二方面还提供一种工作人员识别系统，该系统包括计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有计算机指令，所述处理器用于执行所述存储器中存储的计算机指令，当所述计算机指令被处理器执行时该系统实现如前所述方法所实现的步骤。
24、本专利技术的第三方面还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时以实现前述工作人员识别方法所实现的步骤。
25、本专利技术的附加优点、目的，以及特征将在下面的描述中将部分地加以阐述，且将对于本领域普通技术人员在研究下文后部分地变得明显，或者可以根据本专利技术的实践而获知。本专利技术的目的和其它优点可以通过在说明书以及附图中具体指出并获得。本文档来自技高网...
【技术保护点】
1.一种工作人员识别方法，其特征在于，所述方法的步骤包括：
2.根据权利要求1所述的工作人员识别方法，其特征在于，在计算每个所述类别集合与预构建的工作人员库中每个工作人员的ReID特征向量组的相似度的步骤中，分别计算所述类别集合中每个ReID特征向量与工作人员的ReID特征向量组中每个ReID特征向量的相似度。
3.根据权利要求2所述的工作人员识别方法，其特征在于，在基于每个所述类别集合与每个工作人员的ReID特征向量组的相似度确定该类别集合对应的人员是否为工作人员的步骤中，基于求出的多个相似度与预设的第一判定阈值和第二判定阈值相比较，判定该类别集合对应的人员是否与该ReID特征向量组对应同一工作人员，若否，则采用相同步骤进一步判定下一个工作人员的ReID特征向量组。
4.根据权利要求2或3所述的工作人员识别方法，其特征在于，在分别计算所述类别集合中每个ReID特征向量与工作人员的ReID特征向量组中每个ReID特征向量的相似度的步骤中，基于如下公式计算相似度：
5.根据权利要求3所述的工作人员识别方法，其特征在于，在基于求出的多个
6.根据权利要求1所述的工作人员识别方法，其特征在于，获取基于相似度判定的不为工作人员的人员的类别集合，基于每个类别集合对应的监测图像构建时空向量，基于预训练的第一神经网络模型判定所述时空向量对应的人员是否为工作人员的步骤包括：
7.根据权利要求1所述的工作人员识别方法，其特征在于，若基于所述时空向量判定该类别集合对应的人员为工作人员，则所述方法的步骤包括：
8.根据权利要求7所述的工作人员识别方法，其特征在于，在将通过所述时空向量判定为工作人员的人员的类别集合中的ReID特征向量作为新的ReID特征向量组，添加到工作人员库中的步骤中，两两计算通过所述时空向量判定为工作人员的人员的类别集合中的ReID特征向量的相似度，统计每个ReID特征向量与其他ReID特征向量的相似度，并基于每个ReID特征向量计算出的相似度中大于预设的第三判定阈值的次数从高到低对各个ReID特征向量进行排序，将排序排名较高的预设个数ReID特征向量组合为新的ReID特征向量组，添加到工作人员库中。
9.根据权利要求7所述的工作人员识别方法，其特征在于，基于工作人员库中存储的ReID特征向量组的置信度进行排序的步骤为，统计前预设时间段内工作人员库中存储的各个ReID特征向量组的被匹配次数，作为置信度。
10.一种工作人员识别系统，其特征在于，该系统包括计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有计算机指令，所述处理器用于执行所述存储器中存储的计算机指令，当所述计算机指令被处理器执行时该系统实现如权利要求1~9任一项所述方法所实现的步骤。
...【技术特征摘要】
1.一种工作人员识别方法，其特征在于，所述方法的步骤包括：
2.根据权利要求1所述的工作人员识别方法，其特征在于，在计算每个所述类别集合与预构建的工作人员库中每个工作人员的reid特征向量组的相似度的步骤中，分别计算所述类别集合中每个reid特征向量与工作人员的reid特征向量组中每个reid特征向量的相似度。
3.根据权利要求2所述的工作人员识别方法，其特征在于，在基于每个所述类别集合与每个工作人员的reid特征向量组的相似度确定该类别集合对应的人员是否为工作人员的步骤中，基于求出的多个相似度与预设的第一判定阈值和第二判定阈值相比较，判定该类别集合对应的人员是否与该reid特征向量组对应同一工作人员，若否，则采用相同步骤进一步判定下一个工作人员的reid特征向量组。
4.根据权利要求2或3所述的工作人员识别方法，其特征在于，在分别计算所述类别集合中每个reid特征向量与工作人员的reid特征向量组中每个reid特征向量的相似度的步骤中，基于如下公式计算相似度：
5.根据权利要求3所述的工作人员识别方法，其特征在于，在基于求出的多个相似度与预设的第一判定阈值和第二判定阈值相比较，判定该类别集合对应的人员是否与该reid特征向量组对应同一工作人员的步骤中，若所述相似度大于或等于预设的第一判定阈值，则计一个赞同票；若所述相似度小于或等于预设的第二判定阈值，则计一个反对票；若所述相似度小于预设的第一判定阈值且大于第二判定阈值，则计一个中立票；若所述赞同票在赞同票、反对票和中立票的票数之和所占的比例大于或等于预设的第一比例阈值，且反对票在赞同票、反对票和中立票的票数之和所占的比例小于或等于预设的第二比例阈值，则...
【专利技术属性】
技术研发人员：付卫兴，宋君，陶海，
申请(专利权)人：北京文安智能技术股份有限公司，
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。