[发明专利]一种人像检索方法及装置

说明书

本发明提供了一种人像检索方法及装置，方法包括：获得待检测的视频；对视频进行运动检测，得到行人的步态特征序列；获得步态序列网络模型，将步态特征序列输入至步态序列网络模型，得到针对行人的识别结果和识别概率；判断识别概率是否大于预设阈值；若大于，判定所得的识别结果正确，将识别结果作为检索结果；若不大于，判定所得的识别结果不正确，返回执行获得待检测的视频。应用本发明实施例，提高了人像检索的效率和准确度。

技术领域

本发明涉及数据检索领域，尤其涉及一种人像检索方法及装置。

背景技术

随着互联网技术的发展，各种视频数据呈爆发式增长，为了快速的从海量视频数据中检索出某个人物的相关信息，各种人像检索方法应用而生。

目前，人像检索方法主要是采用人工识别方法或人脸识别技术，对视频中的人像进行检索，得到检索结果。但是这些方法存在效率较低或者准确率不高的问题，仍难以满足用户实际需求。例如，待检索的视频的大小可能有几百T(Trillionbyte，太字节)，通过人工方式识别可能要一两个月，工作量巨大且耗时较长；而人脸识别技术虽然处理速度较快，但是由于该技术容易受场景干扰且对人脸的大小要求严格，而视频中的场景通常变化较大，且同一人物在视频中的人脸大小可能发生变化，故在视频中应用该技术来检索人像的准确率不高。

因此有必要设计一种新的人像检索方法，以克服上述问题。

发明内容

本发明的目的在于克服现有技术之缺陷，提供了一种人像检索方法及装置，以实现提高人像检索的效率和准确度。

本发明是这样实现的：

第一方面，本发明提供一种人像检索方法，所述方法包括：

获得待检测的视频；对所述视频进行运动检测，得到行人的步态特征序列；

获得步态序列网络模型，将所述步态特征序列输入至所述步态序列网络模型，得到针对所述行人的识别结果和识别概率；

判断所述识别概率是否大于预设阈值；

若大于，判定所得的识别结果正确，将所述识别结果作为检索结果；

若不大于，判定所得的识别结果不正确，返回执行获得待检测的视频的步骤。

可选的，对所述行人运动视频进行运动检测，得到行人的步态特征序列，包括：

利用预设的运动检测算法，从视频中检测出包含行人的各图像帧，并从包含行人的各图像帧中提取行人的步态特征；将所提取的各步态特征合并，得到行人的步态特征序列。

可选的，所述步态序列网络模型为目标神经网络模型，获得步态序列网络模型，包括：

用训练样本集训练预设的初始神经网络模型，得到所述目标神经网络模型。

可选的，所述识别结果包括身份识别结果和运动识别结果，所述预设阈值包括预设第一阈值和预设第二阈值，所述识别概率包括身份识别概率和运动识别概率；判断所述识别概率是否大于预设阈值，若大于，判定所得的识别结果正确，将所述识别结果作为检索结果，包括：

当所述身份识别概率大于预设第一阈值且运动识别概率大于预设第二阈值时，判定所得的识别结果正确，将所述身份识别结果和所述运动识别结果作为检索结果。

可选的，若识别概率不大于预设阈值，判定所得的识别结果不正确，返回执行采集行人的视频的步骤，包括：

当所述身份识别概率不大于预设第一阈值或运动识别概率不大于预设第二阈值时，判定所得的识别结果不正确，返回执行采集行人的视频的步骤。

可选的，所述初始神经网络模型为LSTM时间递归神经网络模型。

可选的，当检索结果有多个时，所述方法还包括：