身份识别方法和装置、存储介质及电子设备与流程

技术特征：
1.一种身份识别方法，其特征在于，包括：对目标视频对应的初始图像序列中的每个初始图像分别进行图像处理，得到各个所述初始图像各自对应的第一轮廓图所构成的第一轮廓图序列，其中，所述初始图像为所述目标视频中包含有目标对象的视频帧；获取与所述第一轮廓图序列对应的第一骨骼图序列、第二轮廓图序列和第二骨骼图序列，其中，所述第一骨骼图序列中包括与各个所述第一轮廓图分别对应的第一骨骼图，所述第二轮廓图序列中包括与各个所述第一轮廓图分别对应的第二轮廓图，所述第二骨骼图序列中包括与各个所述第一轮廓图分别对应的第二骨骼图；将所述第一轮廓图序列、所述第一骨骼图序列、所述第二轮廓图序列和所述第二骨骼图序列分别输入步态识别模型，以得到第一轮廓向量、第一骨骼向量、第二轮廓向量和第二骨骼向量，其中，所述步态识别模型为多层卷积神经网络模型；分别计算多组参考图像序列中每组参考图像序列的各个参考向量各自与对应的所述第一轮廓向量、所述第一骨骼向量、所述第二轮廓向量和所述第二骨骼向量之间的相似距离；根据所述相似距离确定出目标参考图像序列，并将所述目标参考图像序列对应的身份信息确定为所述目标对象的身份信息。2.根据权利要求1所述的方法，其特征在于，所述获取与所述第一轮廓图序列对应的第一骨骼图序列、第二轮廓图序列和第二骨骼图序列包括：利用关节提取模型对所述初始图像进行关节位置提取，得到关节位置对应的关节坐标；将所述关节坐标映射到所述第一轮廓图中，得到所述第一骨骼图；利用所述第一骨骼图，构建与所述初始图像序列对应的所述第一骨骼图序列。3.根据权利要求2所述的方法，其特征在于，所述获取与所述第一轮廓图序列对应的第一骨骼图序列、第二轮廓图序列和第二骨骼图序列包括：对所述第一轮廓图进行图像分割处理，得到所述第二轮廓图，并利用所述第二轮廓图，构建与所述初始图像序列对应的所述第二轮廓图序列，其中，所述第二轮廓图包含所述第一轮廓图的部分图像；对所述第一骨骼图进行图像分割处理，得到所述第二骨骼图，并利用所述第二骨骼图，构建与所述初始图像序列对应的所述第二骨骼图序列，其中，所述第二骨骼图包含所述第一骨骼图的部分图像。4.根据权利要求1所述的方法，其特征在于，在分别计算多组参考图像序列中每组参考图像序列的各个参考向量各自与对应的所述第一轮廓向量、所述第一骨骼向量、所述第二轮廓向量和所述第二骨骼向量之间的相似距离之前，所述方法还包括：获取所述每组参考图像序列对应的第一参考轮廓图像序列、第一参考骨骼图像序列、第二参考轮廓图像序列、第二参考骨骼图像序列；将所述第一参考轮廓图像序列、所述第一参考骨骼图像序列、所述第二参考轮廓图像序列、所述第二参考骨骼图像序列分别输入所述步态识别模型中，得到对应的第一参考轮廓向量、第一参考骨骼向量、第二参考轮廓向量和第二参考骨骼向量。5.根据权利要求4所述的方法，其特征在于，所述分别计算多组参考图像序列中每组参
考图像序列的各个参考向量各自与对应的所述第一轮廓向量、所述第一骨骼向量、所述第二轮廓向量和所述第二骨骼向量之间的相似距离包括：计算所述第一轮廓向量与所述第一参考轮廓向量之间的余弦距离，得到第一候选相似距离；计算所述第一骨骼向量与所述第一参考骨骼向量之间的余弦距离，得到第二候选相似距离；计算所述第二轮廓向量与所述第二参考轮廓向量之间的余弦距离，得到第三相似距离；计算所述第二骨骼向量与所述第二参考骨骼向量之间的余弦距离，得到第四相似距离。6.根据权利要求5所述的方法，其特征在于，在获取与所述第一轮廓图序列对应的第一骨骼图序列、第二轮廓图序列和第二骨骼图序列之后，所述方法还包括：从所述第一骨骼图像中提取初始中轴偏角值，利用所述初始中轴偏角值构建所述初始图像序列对应的初始偏角向量；从所述第一参考骨骼图像中提取参考中轴偏角值，利用所述参考中轴偏角值构建所述参考图像序列对应的参考偏角向量；计算所述初始偏角向量与所述参考偏角向量的余弦距离，得到修正距离。7.根据权利要求6所述的方法，其特征在于，所述分别计算多组参考图像序列中每组参考图像序列的各个参考向量各自与对应的所述第一轮廓向量、所述第一骨骼向量、所述第二轮廓向量和所述第二骨骼向量之间的相似距离包括：在得到所述第一候选相似距离的情况下，利用所述修正距离对所述第一候选相似距离进行修正，得到第一相似距离；在得到所述第二候选相似距离的情况下，利用所述修正距离对所述第二候选相似距离进行修正，得到第二相似距离。8.根据权利要求7所述的方法，其特征在于，所述根据所述相似距离确定出目标参考图像序列包括：按照所述第一相似距离的数值由小到大的顺序，对所述多组参考图像序列中的参考图像序列进行排序，得到第一候选图像序列；按照所述第二相似距离的数值由小到大的顺序，对所述多组参考图像序列中的参考图像序列进行排序，得到第二候选图像序列；按照所述第三相似距离的数值由小到大的顺序，对所述多组参考图像序列中的参考图像序列进行排序，得到第三候选图像序列；按照所述第四相似距离的数值由小到大的顺序，对所述多组参考图像序列中的参考图像序列进行排序，得到第四候选图像序列；根据所述第一候选图像序列、所述第二候选图像序列、所述第三候选图像序列和所述第四候选图像序列确定出目标参考图像序列。9.根据权利要求8所述的方法，其特征在于，所述根据所述第一候选图像序列、所述第二候选图像序列、所述第三候选图像序列和所述第四候选图像序列确定出目标参考图像序列包括：
依次获取所述第一候选图像序列、所述第二候选图像序列、所述第三候选图像序列、所述第四候选图像序列中位于当前序位上的候选参考图像序列；在所述候选参考图像序列为同一参考图像序列的情况下，将所述候选参考图像序列作为所述目标参考图像序列；在所述候选参考图像序列为不同参考图像序列的情况下，获取下一序位对应的候选参考图像序列。10.根据权利要求1至9任一项所述的方法，其特征在于：在从所述第一候选图像序列、所述第二候选图像序列、所述第三候选图像序列、所述第四候选图像序列中未确定出所述目标参考图像序列的情况下，提示所述目标对象的身份识别失败。11.一种身份识别装置，其特征在于，包括：处理单元，用于对目标视频对应的初始图像序列中的每个初始图像分别进行图像处理，得到各个所述初始图像各自对应的第一轮廓图所构成的第一轮廓图序列，其中，所述初始图像为所述目标视频中包含有目标对象的视频帧；获取单元，用于获取与所述第一轮廓图序列对应的第一骨骼图序列、第二轮廓图序列和第二骨骼图序列，其中，所述第一骨骼图序列中包括与各个所述第一轮廓图分别对应的第一骨骼图，所述第二轮廓图序列中包括与各个所述第一轮廓图分别对应的第二轮廓图，所述第二骨骼图序列中包括与各个所述第一轮廓图分别对应的第二骨骼图；输入单元，用于将所述第一轮廓图序列、所述第一骨骼图序列、所述第二轮廓图序列和所述第二骨骼图序列分别输入步态识别模型，以得到第一轮廓向量、第一骨骼向量、第二轮廓向量和第二骨骼向量，其中，所述步态识别模型为多层卷积神经网络模型；计算单元，用于分别计算多组参考图像序列中每组参考图像序列的各个参考向量各自与对应的所述第一轮廓向量、所述第一骨骼向量、所述第二轮廓向量和所述第二骨骼向量之间的相似距离；确定单元，用于根据所述相似距离确定出目标参考图像序列，并将所述目标参考图像序列对应的身份信息确定为所述目标对象的身份信息。12.一种计算机可读的存储介质，其特征在于，所述计算机可读的存储介质包括存储的程序，所述程序运行时执行所述权利要求1至10任一项中所述的方法。13.一种电子设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行所述权利要求1至10任一项中所述的方法。

技术总结
本发明公开了一种身份识别方法和装置、存储介质及电子设备。其中，包括：对每个初始图像分别进行图像处理，得到各个初始图像对应的第一轮廓图序列；获取与第一轮廓图序列对应的第一骨骼图序列、第二轮廓图序列和第二骨骼图序列；将序列分别输入步态识别模型，以得到第一轮廓向量、第一骨骼向量、第二轮廓向量和第二骨骼向量；分别计算多组参考图像序列与对应的第一轮廓向量、第一骨骼向量、第二轮廓向量和第二骨骼向量之间的相似距离；根据相似距离确定出目标参考图像序列，并将目标参考图像序列对应的身份信息确定为目标对象的身份信息。本发明解决了使用单一的步态轮廓图使得步态识别准确性较低进而导致身份识别准确性较低的技术问题。技术问题。技术问题。


技术研发人员：潘华东 桂青 殷俊
受保护的技术使用者：浙江大华技术股份有限公司
技术研发日：2021.07.28
技术公布日：2021/10/23