[发明专利]一种基于人工智能的人体步态验证方法和云服务器

权利要求书

1.一种基于人工智能的人体步态验证方法，其特征在于，应用于云服务器，所述云服务器与多个人体步态验证终端通信连接，所述方法包括：

获取所述人体步态验证终端在检测到人员出现时采集到的目标监控区域在预设时间段内的第一连续视频图像数据流和第二连续视频图像数据流，所述第一连续视频图像数据流包括可见光视频图像，所述第二连续视频图像数据流包括热成像视频图像；

对所述预设时间段内的第一连续视频图像数据流和第二连续视频图像数据流进行视频解码和预处理，得到第一图像序列和第二图像序列，所述第一图像序列为可见光图像序列，所述第二图像序列为热成像图像序列；

根据所述第二图像序列确定与所述第二图像序列中图像的人体区域位置以及从第一图像序列中确定与所述第二图像序列中图像的人体区域存在对应关系的对应区域，其中，所述人体区域之外的区域为背景区域；

使用深度学习模型对所述第一图像序列和第二图像序列进行图片质量评分，得到图片质量评分结果；

获取目标人体步态图片序列；

使用预设模型对所述目标人体步态图片序列进行人体检测和分割，得到人体步态二值化图片序列，其中，所述人体步态二值化图片序列包含二值化图片，所述二值化图片人体部分像素值为最大取值，非人体部分像素值为最小值；

根据所述人体步态二值化图片序列，使用3D卷积神经网络进行特征提取得到人体步态特征向量，其中，所述人体步态特征向量反映人体步态抽象特征和光流特征；

根据所述人体步态特征向量，与人体步态特征向量数据库中的特征向量进行匹配得到所述人体步态验证结果。

2.根据权利要求1所述的一种基于人工智能的人体步态验证方法，其特征在于，所述根据所述第二图像序列确定与所述第二图像序列中图像的人体区域位置的步骤，包括：

根据所述第二图像数据流以及所述目标监控区域的热辐射特性变化，确定具有第一热辐射特性信息的第一热成像信息和具有第二热辐射特性信息的第二热成像信息；

根据所述第一热成像信息判断是否有热辐射扰动，若存在热辐射扰动，则获取人体热辐射特征及所述人体热辐射特征对应的热成像信息；

根据所述人体热辐射特征对所述第二热成像信息进行人体热辐射特征匹配，得到具有第一热辐射特征匹配信息的第一热成像匹配结果，和具有第二热辐射特征匹配信息的第二热成像匹配结果，所述第一热成像匹配结果用于表示热辐射特征匹配度大于第一预设匹配度的热成像匹配结果，所述第二热成像匹配结果用于表示热辐射特征匹配度小于第二预设匹配度的热成像匹配结果；

获取所述第一特征匹配结果并组成第一匹配结果集合，以及所述第二特征匹配结果并组成第二匹配结果集合；

若所述第一匹配结果集合的特征匹配参数值域区间大小大于所述第二匹配结果集合的特征匹配参数值域大小，则将所述第一预设匹配度作为人体热辐射特征匹配阈值；

若所述第二匹配结果集合的特征匹配参数值域区间大小大于所述第一匹配结果集合的特征匹配参数值域大小，则将所述第二预设匹配度作为人体热辐射特征匹配阈值；

将所述人体热辐射特征匹配度大于所述人体热辐射特征匹配阈值且与所述人体热辐射特征对应的热成像信息相匹配的区域确定为候选人体区域，根据确定的候选人体区域，将第二热成像信息分割为多个待定区域，并根据所述分割的多个待定区域的热辐射特征与预设阈值之间的关系，将满足条件的候选人体区域确定为人体区域位置。

3.根据权利要求2所述的一种基于人工智能的人体步态验证方法，其特征在于，所述根据所述第一热成像信息判断是否有热辐射扰动的步骤，包括：

获取所述目标监控区域环境的热辐射信息参数值，所述热辐射信息参数值表示所述目标监控区域的热辐射信号强度大小；

获取所述目标监控区域内预设的多个关键点的热辐射信号强度值，并对所述预设的多个关键点的热辐射信号强度值进行拟合得到热辐射信号强度特征拟合公式；

获取感应基准因子表示在所述目标监控区域内预设的多个关键区域的热辐射信号强度的平均强度值，通过所述热辐射信号强度特征拟合公式得到热辐射信号的感应基准因子；

计算当前目标监控区域内热辐射信号强度平均值，并与所述热辐射信号的感应基准因子比较，若所述热辐射信号强度平均值与所述热辐射信号的感应基准因子的差值大于第一差值或小于第二差值，则确定存在有热辐射扰动。