【技术实现步骤摘要】
本专利技术涉及身份再识别，尤其涉及一种面向跨场景身份感知的学生再识别方法及系统。
技术介绍
1、“走班制”授课模式在全国范围推广，现有的课堂学习行为分析方法只适用于固定授课场景，缺乏有效的跨场景学生身份关联方法，无法实现跨场景连续身份感知。并且，传统学生身份识别方法如校园卡、智能手环、定位签到在实际应用中存在误用、乱用问题，会对课堂教学造成干扰，因而也不适用于跨场景的身份感知。
技术实现思路
1、本专利技术通过提供一种面向跨场景身份感知的学生再识别方法及系统，无需学生提前录入个人信息，也无需携带身份验证设备，根据给定的学生描述文本，即可建立跨场景的学生身份关联，确定学生行动轨迹，为跨场景学习状态连续感知提供技术支撑。
2、本专利技术提供了一种面向跨场景身份感知的学生再识别方法，包括：
3、接收目标学生的描述文本；
4、计算所述目标学生的描述文本和所有候选学生图像之间的余弦距离，选择余弦距离最大的候选学生图像作为目标学生图像；
5、获取所述目标学生图像的时间和位置信息，实现对所述目标学生的再识别。
6、具体来说，在所述计算所述目标学生的描述文本和所有候选学生图像之间的余弦距离之前，还包括：
7、将学生学习视频输入到训练好的学生检测模型中抽取视频帧；
8、从所述视频帧中识别出不同学生的图像存入图像库作为所述候选学生图像。
9、具体来说，所述计算所述目标学生的描述文本和所有候选学生图像之间的余
10、将所述目标学生的描述文本编码成学生描述文本向量，将所述候选学生图像编码成候选学生图像向量；
11、计算所述学生描述文本向量和所述所有候选学生图像向量之间的余弦距离。
12、具体来说，所述将所述目标学生的描述文本编码成学生描述文本向量，将所述候选学生图像编码成候选学生图像向量，包括：
13、将所述目标学生的描述文本划分为单个字符，给每一个所述字符提供一个字符嵌入向量和一个字符位置嵌入向量，将所述字符嵌入向量和所述字符位置嵌入向量进行整合，得到学生描述文本序列；
14、从所述学生描述文本序列中提取出学生描述文本特征向量；
15、将所述候选学生图像裁剪成单个图像块，给每一个所述图像块提供一个图像块嵌入向量和图像块位置嵌入向量，将所述图像块嵌入向量和所述图像块位置嵌入向量进行整合，得到候选学生图像序列；
16、从所述候选学生图像序列中提取出候选学生图像特征向量。
17、具体来说，所述计算所述学生描述文本向量和所述所有候选学生图像向量之间的余弦距离，包括：
18、通过公式cosine(v,z)＝matmul(norm(v),norm(z))计算得到所述余弦距离cosine(v,z)；其中，z表示所述学生描述文本特征向量，v表示所述候选学生图像特征向量，norm(z)表示规范化的所述学生描述文本特征向量，norm(v)表示规范化的所述候选学生图像特征向量，matmul()表示矩阵乘法。
19、本专利技术还提供了一种面向跨场景身份感知的学生再识别系统，包括：
20、目标学生描述文本接收模块，用于接收目标学生的描述文本；
21、目标学生图像获取模块，用于计算所述目标学生的描述文本和所有候选学生图像之间的余弦距离，选择余弦距离最大的候选学生图像作为目标学生图像；
22、目标学生再识别模块，用于获取所述目标学生图像的时间和位置信息，实现对所述目标学生的再识别。
23、具体来说，还包括：
24、视频帧抽取模块，用于将学生学习视频输入到训练好的学生检测模型中抽取视频帧；
25、候选学生图像生成模块，用于从所述视频帧中识别出不同学生的图像存入图像库作为所述候选学生图像。
26、具体来说，所述目标学生图像获取模块，包括：
27、编码单元，用于将所述目标学生的描述文本编码成学生描述文本向量，将所述候选学生图像编码成候选学生图像向量；
28、余弦距离计算单元，用于计算所述学生描述文本向量和所述所有候选学生图像向量之间的余弦距离；
29、目标学生图像获取单元，用于选择余弦距离最大的候选学生图像作为目标学生图像。
30、具体来说，所述编码单元，包括：
31、学生描述文本序列生成子单元，用于将所述目标学生的描述文本划分为单个字符，给每一个所述字符提供一个字符嵌入向量和一个字符位置嵌入向量，将所述字符嵌入向量和所述字符位置嵌入向量进行整合，得到学生描述文本序列；
32、学生描述文本特征向量提取子单元，用于从所述学生描述文本序列中提取出学生描述文本特征向量；
33、候选学生图像序列生成子单元，用于将所述候选学生图像裁剪成单个图像块，给每一个所述图像块提供一个图像块嵌入向量和图像块位置嵌入向量，将所述图像块嵌入向量和所述图像块位置嵌入向量进行整合，得到候选学生图像序列；
34、候选学生图像特征向量提取子单元，用于从所述候选学生图像序列中提取出候选学生图像特征向量。
35、具体来说，所述余弦距离计算单元，具体用于通过公式cosine(v,z)＝matmul(norm(v),norm(z))计算得到所述余弦距离cosine(v,z)；其中，z表示所述学生描述文本特征向量，v表示所述候选学生图像特征向量，norm(z)表示规范化的所述学生描述文本特征向量，norm(v)表示规范化的所述候选学生图像特征向量，matmul()表示矩阵乘法。
36、本专利技术中提供的一个或多个技术方案，至少具有如下技术效果或优点：
37、1、接收目标学生的描述文本；计算目标学生的描述文本和所有候选学生图像之间的余弦距离，选择余弦距离最大的候选学生图像作为目标学生图像；获取目标学生图像的时间和位置信息，实现对目标学生的再识别。本专利技术是跨场景下的学生身份识别，通过学生描述文本检索不同场景、不同设备采集的学生图像，确定学生位置和行动轨迹，建立跨场景的学生身份关联。相对于固定场景下的学生身份识别技术，本专利技术具有更加广泛的使用范围，能够更全面的感知学生身份，为跨场景身份感知提供了更加有力的工具。
38、2、相较于使用手环、校园卡等基于便携式设备的身份识别方法，本专利技术无需学生携带额外的设备，具有更强的易用性和安全性。相较于使用人脸、指纹等生物信息进行身份识别的方法，本专利技术无需采集学生的生物信息，直接建立学生体貌、着装等描述信息与学生身份间的关联，弥补了人脸、指纹等生物信息模糊、遮挡等问题，也能够有效避免隐私泄露问题的发生。
本文档来自技高网...【技术保护点】
1.一种面向跨场景身份感知的学生再识别方法，其特征在于，包括：
2.如权利要求1所述的面向跨场景身份感知的学生再识别方法，其特征在于，在所述计算所述目标学生的描述文本和所有候选学生图像之间的余弦距离之前，还包括：
3.如权利要求1所述的面向跨场景身份感知的学生再识别方法，其特征在于，所述计算所述目标学生的描述文本和所有候选学生图像之间的余弦距离，包括：
4.如权利要求3所述的面向跨场景身份感知的学生再识别方法，其特征在于，所述将所述目标学生的描述文本编码成学生描述文本向量，将所述候选学生图像编码成候选学生图像向量，包括：
5.如权利要求4所述的面向跨场景身份感知的学生再识别方法，其特征在于，所述计算所述学生描述文本向量和所述所有候选学生图像向量之间的余弦距离，包括：
6.一种面向跨场景身份感知的学生再识别系统，其特征在于，包括：
7.如权利要求6所述的面向跨场景身份感知的学生再识别系统，其特征在于，还包括：
8.如权利要求6所述的面向跨场景身份感知的学生再识别系统，其特征在于，所述目标学生图像获取
9.如权利要求8所述的面向跨场景身份感知的学生再识别系统，其特征在于，所述编码单元，包括：
10.如权利要求9所述的面向跨场景身份感知的学生再识别系统，其特征在于，所述余弦距离计算单元，具体用于通过公式cosine(v,z)＝matmul(norm(v),norm(z))计算得到所述余弦距离cosine(v,z)；其中，z表示所述学生描述文本特征向量，v表示所述候选学生图像特征向量，norm(z)表示规范化的所述学生描述文本特征向量，norm(v)表示规范化的所述候选学生图像特征向量，matmul()表示矩阵乘法。
...【技术特征摘要】
1.一种面向跨场景身份感知的学生再识别方法，其特征在于，包括：
2.如权利要求1所述的面向跨场景身份感知的学生再识别方法，其特征在于，在所述计算所述目标学生的描述文本和所有候选学生图像之间的余弦距离之前，还包括：
3.如权利要求1所述的面向跨场景身份感知的学生再识别方法，其特征在于，所述计算所述目标学生的描述文本和所有候选学生图像之间的余弦距离，包括：
4.如权利要求3所述的面向跨场景身份感知的学生再识别方法，其特征在于，所述将所述目标学生的描述文本编码成学生描述文本向量，将所述候选学生图像编码成候选学生图像向量，包括：
5.如权利要求4所述的面向跨场景身份感知的学生再识别方法，其特征在于，所述计算所述学生描述文本向量和所述所有候选学生图像向量之间的余弦距离，包括：
6.一种面向跨场景身份感知的学生再识别系...
【专利技术属性】
技术研发人员：王成济，张文晶，孙昊，谢伟，雷万鹏，
申请(专利权)人：华中师范大学，
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。