[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

说明书

本发明公开了一种基于人工智能的人体步态验证方法和云服务器，通过对一个时间段内连续视频帧图像的人体图像质量进行评估，从而筛选出高质量人体图片生成图片序列，因而可以基于图片序列确定每幅图片的人体区域范围生成人体图片序列并进行人体步态特征识别，而后通过人工智能模型进行人体步态特征验证，从而能够实现在人员面部遮挡或脸部特征模糊的情况下通过人体步态进行人员身份识别，提高不同条件和场景下人体步态验证的准确性。

技术领域

本发明属于人工智能技术领域，具体涉及一种基于人工智能的人体步态验证方法和云服务器。

背景技术

近年来，随着人工智能技术的不断发展，越来越多的生物特征可以被提取出来并用于身份验证，目前市场应用比较普遍的有人脸验证、指纹验证、声纹验证等，而门槛相对较高的人体步态验证技术则在落地应用中较为少见。

现有的生物验证技术，如人脸验证技术，只提取人的脸部特征信息且需要人员主动配合，在人员佩戴口罩、或者灯光黑暗、拍摄角度不佳、帽子遮挡等情况下，难以发挥效用，为人员管控和人员合法性验证带来困难。

发明内容

为了克服现有技术中的上述不足，本公开提供一种基于人工智能的人体步态验证方法和云服务器，通过对一个时间段内连续视频帧图像的人体图像质量进行评估，从而筛选出高质量人体图片生成图片序列，因而可以基于图片序列确定每幅图片的人体区域范围生成人体图片序列并进行人体步态特征识别，而后通过人工智能模型进行人体步态特征验证，从而能够实现在人员面部遮挡或脸部特征模糊的情况下通过人体步态进行人员身份识别，提高不同光照条件和天气条件下人体步态验证的准确性。

第一方面，本发明提供了一种基于人工智能的人体步态验证方法，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。

在第一方面的一种可能的实现方式中，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；