[发明专利]一种基于人面识别和步态识别的伪装个体识别方法、系统及介质

权利要求书

1.一种基于人面识别和步态识别的伪装个体识别方法，其特征在于，包括以下步骤：

S1.红外摄像头获取红外视频并上传到云端存储；

S2.对云端的存储的全部红外视频，利用已经设置好的深度网络进行学习，并建立个体特征库数据库；

S3.引入一段新的红外视频到云端，在新的红外视频中对人类个体进行区分；

S4.对每个人类个体提取步态特征、人脸特征；

S5.将S4中提取到的步态特征与人脸特征放入S2中的个体特征库数据库进行匹配；

S6.判断个体特征库数据库中是否有与S5中特征相匹配的人类个体；若符合，则输出匹配成功的结果，否则返回执行S3。

2.根据权利要求1中所述基于人面识别和步态识别的伪装个体识别方法，其特征在于：所述步态特征、人脸特征分别人体行动姿态变化的红外光学特征、人脸的红外光学特征。

3.根据权利要求1中所述基于人面识别和步态识别的伪装个体识别方法，其特征在于，步骤S2中，更具体的步骤包括：

S21.截取一段红外视频输入设置好的深度神经网络，利用背景差分法和连续帧间差分法在视频中提取背景图像和运动对象图像，对每个连续的运动对象区间的特征进行识别区分不同的个体；

S22.提取每个人类个体的步态特征；

S23.根据步态特征确定该人类个体的人脸的位置；

S24.提取人类个体的人脸特征；

S25.用所提取的人脸特征、步态特征与相应的人类个体建立个体特征库数据库。

4.根据权利要求1中所述基于人面识别和步态识别的伪装个体识别方法，其特征在于，步骤S4中，更具体的步骤包括：

S41.提取人类个体的步态特征；

S42.根据步态特征确定人类个体的人脸的位置；

S43.提取人脸特征。

5.根据权利要求1-4中所述基于人面识别和步态识别的伪装个体识别方法，其特征在于，步骤S6中更具体的步骤包括：

S51.若S5中的人类个体的步态特征与人脸特征，能同时与S2中的个体特征库数据库存在匹配的条目，则输出匹配成功的结果；

S52.若S5中的人类个体的步态特征与人脸特征，不能同时与S2中的个体特征库数据库存在匹配的条目，则回到S3中继续执行。

6.一种用于执行权利要求5中基于人面识别和步态识别的伪装个体识别方法的系统，其特征在于：包括红外摄像头和云端主机；所述红外摄像头用于向云端主机传输带有人类个体的红外视频；所述云端主机用于数据存储和深度学习。

7.根据权利要求6中所述的系统，其特征在于：所述云端主机包括存储模块、深度学习网络模块和判决模块；所述存储模块用于储存来自红外摄像头的红外视频；所述深度学习网络模块用于对红外视频进行人类个体区分和特征提取；所述判决模块用于对执行判断不同的红外视频中个体特征是否一致；存储模块分别与深度学习网络模块、判决模块进行数据收发。

8.根据权利要求7中所述的系统，其特征在于：所述存储模块内设有视频存储区和个体特征数据库；所述视频存储区与深度学习网络模块进行数据收发；所述个体特征数据库分别与深度学习网络模块、判决模块进行数据收发。

9.根据权利要求8中所述的系统，其特征在于：所述个体特征数据库包括源数据库和动态数据库；所述源数据库用于存放原有红外视频中的人类个体步态特征和人脸特征数据；所述动态数据库用于存放新输入的红外视频中的人类个体步态特征和人脸特征数据。

10.一种基于人面识别和步态识别的伪装个体识别的计算机介质，为可读写存储介质；其特征在于：所述计算机可读写介质上存储有计算机程序，所述计算机程序被计算机处理器执行时实现权利要求5中的识别方法。