[发明专利]人员管理系统身份识别方法、装置及终端设备在审

专利信息
申请号: 202110901906.0 申请日: 2021-08-06
公开(公告)号: CN113705365A 公开(公告)日: 2021-11-26
发明(设计)人: 赵艳梅;于江威 申请(专利权)人: 中科恒运股份有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62
代理公司: 石家庄国为知识产权事务所 13120 代理人: 付晓娣
地址: 050090 河北省石家庄市新石*** 国省代码: 河北;13
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 人员 管理 系统 身份 识别 方法 装置 终端设备
【权利要求书】:

1.一种人员管理系统身份识别方法,其特征在于,包括:

获取目标人员的面部数据,将所述面部数据输入至预设的面部识别模型中,得到目标人员的至少一个候选身份;

获取各个候选身份对应的局部特征增强识别模型,将所述面部数据输入至各个候选身份对应的局部特征增强识别模型中,得到各个候选身份对应的匹配概率;其中,各个候选身份对应的局部特征增强识别模型为基于各个候选身份对应的局部融合特征对所述面部识别模型进行再训练得到;

基于各个候选身份对应的匹配概率确定目标人员的最终身份。

2.如权利要求1所述的人员管理系统身份识别方法,其特征在于,训练某个身份对应的局部特征增强识别模型的方法包括:

获取目标身份的历史面部数据,并提取所述目标身份的历史面部数据的特征,得到目标特征;获取目标亲属身份的历史面部数据,并提取所述目标亲属身份的历史面部数据的特征,得到目标亲属特征;其中,所述目标亲属身份为与目标身份具备亲属关系的人员身份;

基于所述目标特征以及所述目标亲属特征得到目标身份对应的局部融合特征,并对目标身份对应的局部融合特征和所述目标特征进行融合后,得到融合特征;

基于融合特征对所述面部识别模型进行二次训练,得到目标身份对应的局部特征增强识别模型。

3.如权利要求1所述的人员管理系统身份识别方法,其特征在于,所述基于所述目标特征以及所述目标亲属特征得到目标身份对应的局部融合特征,包括:

基于所述目标特征与所述目标亲属特征的匹配度,确定目标身份对应的至少一个局部特征识别部位;

基于目标身份对应的至少一个局部特征识别部位从所述目标身份的历史面部数据中对应提取至少一组局部特征,基于目标身份对应的至少一个局部特征识别部位从所述目标亲属身份的历史面部数据中对应提取至少一组亲属局部特征;

基于目标身份对应的至少一个局部特征识别部位将所述至少一组局部特征与所述至少一组亲属局部特征融合,得到目标身份对应的至少一组局部融合特征。

4.如权利要求3所述的人员管理系统身份识别方法,其特征在于,所述对目标身份对应的局部融合特征和所述目标特征进行融合后,得到融合特征,包括:

基于各个局部融合特征对应的局部特征识别部位依次对所述目标特征中相应部位的特征进行替换,将各个替换后的目标特征作为融合特征。

5.如权利要求3所述的人员管理系统身份识别方法,其特征在于,所述基于目标身份对应的至少一个局部特征识别部位将所述至少一组局部特征与所述至少一组亲属局部特征融合,包括:

将对应同一个局部特征识别部位的局部特征和亲属局部特征组合成复向量,得到目标身份对应的至少一组局部融合特征。

6.如权利要求1所述的人员管理系统身份识别方法,其特征在于,所述基于各个候选身份对应的匹配概率确定目标人员的最终身份,包括:

若各个候选身份对应的匹配概率大于预设概率值,则确定目标人员的身份合法,并将匹配概率最高的候选身份作为目标人员的最终身份。

若各个候选身份对应的匹配概率均不大于预设概率值,则确定目标人员的身份为非法身份。

7.一种人员管理系统身份识别装置,其特征在于,包括:

第一识别模块,用于获取目标人员的面部数据,将所述面部数据输入至预设的面部识别模型中,得到目标人员的至少一个候选身份;

第二识别模块,用于获取各个候选身份对应的局部特征增强识别模型,将所述面部数据输入至各个候选身份对应的局部特征增强识别模型中,得到各个候选身份对应的匹配概率;其中,各个候选身份对应的局部特征增强识别模型为基于各个候选身份对应的局部融合特征对所述面部识别模型进行再训练得到;

身份确定模块,用于基于各个候选身份对应的匹配概率确定目标人员的最终身份。

8.如权利要求7所述的人员管理系统身份识别装置,其特征在于,还包括:

模型训练模块,用于训练各个身份对应的局部特征增强识别模型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中科恒运股份有限公司,未经中科恒运股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110901906.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top