一种残膜回收机防缠绕挑膜装置的制 一种秧草收获机用电力驱动行走机构

人认证设备、控制方法和程序与流程

2021-10-22 08:17:00 来源:中国专利 TAG:

技术特征:

1.一种人认证设备,包括:

生成单元,所述生成单元通过对第一图像序列应用预定时间系列操作来生成一个或多个第二图像序列;

提取单元,所述提取单元从所述第一图像序列和所述第二图像序列当中的两个以上的图像序列中的每个图像序列中提取包括在所述图像序列中的人的步态特征;以及

验证单元,所述验证单元通过将多个所提取的步态特征与作为存储在存储单元中的步态特征的验证特征进行比较来执行对人的认证。

2.根据权利要求1所述的人认证设备,其中

所述生成单元通过在时间系列中对包括在所述第一图像序列中的图像进行逆序排序来生成所述第二图像序列。

3.根据权利要求1所述的人认证设备,其中

所述生成单元从所述第一图像序列的时段的一部分中提取多个图像,并且生成由所提取的多个图像构成的所述第二图像序列。

4.根据权利要求3所述的人认证设备,其中

所述生成单元从包括在所述第一图像序列中的第一时段生成所述第二图像序列的第一个,并且从包括在所述第一图像序列中的第二时段生成所述第二图像序列的第二个,以及

所述第一时段和所述第二时段彼此部分重叠。

5.根据权利要求1至4中任一项所述的人认证设备,其中

所述生成单元从构成所述第一图像序列的每个图像检测人,生成所检测到的人的轮廓图像,并且使用所生成的轮廓图像来生成所述第二图像序列。

6.根据权利要求1至5中任一项所述的人认证设备,其中

所述提取单元提取从所述图像序列检测到的人的空间时间图像特征作为从图像序列提取的所述步态特征。

7.根据权利要求1至5中任一项所述的人认证设备,其中

所述提取单元通过将图像序列输入给卷积神经网络来提取所述步态特征。

8.根据权利要求7所述的人认证设备,其中

所述卷积神经网络包括输入层、中间层和输出层,以及

所述提取单元从构成所述中间层的任何层中提取输出作为所述步态特征。

9.根据权利要求1至8中任一项所述的人认证设备,其中

所述验证单元

为存储在所述存储单元中的多个验证特征中的每个验证特征计算表示与从每个图像序列提取的所述步态特征的相似程度的验证分数,

为所述验证特征中的每个计算统计分数,所述统计分数是多个所计算的验证分数的统计,以及

使用所述验证特征中的每个的所述统计分数执行对包括在所述第一图像序列中的人的认证。

10.根据权利要求9所述的人认证设备,其中

当所述统计分数中的任何等于或大于预定阈值时,所述验证单元确定所述第一图像序列是已经注册的人。

11.根据权利要求9所述的人认证设备,其中

所述存储单元存储彼此相关联的人的标识符和所述人的验证特征,以及

所述验证单元

从所述多个验证特征当中确定具有最大的并且等于或大于预定阈值的所述统计分数的验证特征,以及

确定具有与所述存储单元中的所确定的验证特征相关联的标识符的人作为包括在所述第一图像序列中的人。

12.一种由计算机执行的控制方法,包括:

生成步骤,所述生成步骤通过对第一图像序列应用预定时间系列操作来生成一个或多个第二图像序列;

提取步骤,所述提取步骤从所述第一图像序列和所述第二图像序列中的两个以上的图像序列中的每个图像序列中提取包括在所述图像序列中的人的步态特征;以及

验证步骤,所述验证步骤通过将多个所提取的步态特征与作为存储在存储单元中的步态特征的验证特征进行比较来执行对人的认证。

13.根据权利要求12所述的控制方法,进一步包括,

在所述生成步骤中,通过在时间系列中对包括在所述第一图像序列中的图像进行逆序排序来生成所述第二图像序列。

14.根据权利要求12所述的控制方法,进一步包括,

在所述生成步骤中,从所述第一图像序列的时段的一部分中提取多个图像,并且生成由所提取的多个图像构成的所述第二图像序列。

15.根据权利要求14所述的控制方法,进一步包括,

在所述生成步骤中,从包括在所述第一图像序列中的第一时段生成所述第二图像序列的第一个,并且从包括在所述第一图像序列中的第二时段生成所述第二图像序列的第二个,其中

所述第一时段和所述第二时段彼此部分重叠。

16.根据权利要求12至15中任一项所述的控制方法,进一步包括,

在所述生成步骤中,从构成所述第一图像序列的每个图像检测人,生成所检测到的人的轮廓图像,并且使用所生成的轮廓图像来生成所述第二图像序列。

17.根据权利要求12至16中任一项所述的控制方法,进一步包括,

在所述提取步骤中,提取从所述图像序列检测到的人的空间时间图像特征作为从图像序列提取的所述步态特征。

18.根据权利要求12至16中任一项所述的控制方法,进一步包括,

在所述提取步骤中,通过将图像序列输入给卷积神经网络来提取所述步态特征。

19.根据权利要求18所述的控制方法,

其中,所述卷积神经网络包括输入层、中间层和输出层;以及,

所述控制方法进一步包括在所述提取步骤中,从构成所述中间层的任何层中提取输出作为所述步态特征。

20.根据权利要求12至19中任一项所述的控制方法,进一步包括:

在所述验证步骤中,

为存储在所述存储单元中的多个验证特征中的每个验证特征计算表示与从每个图像序列提取的所述步态特征的相似程度的验证分数;

为所述验证特征中的每个计算统计分数,所述统计分数是多个所计算的验证分数的统计;以及

使用所述验证特征中的每个的所述统计分数执行对包括在所述第一图像序列中的人的认证。

21.根据权利要求20所述的控制方法,进一步包括,

在所述验证步骤中,当所述统计分数中的任何等于或大于所述预定阈值时,确定所述第一图像序列是已经注册的人。

22.根据权利要求20所述的控制方法,

其中,所述存储单元存储彼此相关联的人的标识符和所述人的验证特征,

所述控制方法进一步包括:在所述验证步骤中,

从所述多个验证特征当中确定具有最大的并且等于或大于预定阈值的所述统计分数的验证特征;以及

确定具有与所述存储单元中的所确定的验证特征相关联的标识符的人作为包括在所述第一图像序列中的人。

23.一种程序,所述程序使计算机执行根据权利要求12至22中任一项所述的控制方法的每个步骤。


技术总结
人认证设备(20)通过对从相机(10)获取的第一图像序列(40)应用预定时间系列操作来生成一个或多个第二图像序列(50)。人认证设备(20)从第一图像序列(40)和第二图像序列(50)当中的两个以上的图像序列中的每个图像序列中提取包括在图像序列中的人的步态特征。人认证设备(20)通过将多个所提取的步态特征与存储在验证数据库(30)中的验证特征进行比较来执行对人的认证。

技术研发人员:工藤雄太;
受保护的技术使用者:日本电气株式会社;
技术研发日:2019.12.11
技术公布日:2021.10.22
再多了解一些

本文用于企业家、创业者技术爱好者查询,结果仅供参考。

发表评论 共有条评论
用户名: 密码:
验证码: 匿名发表

相关文献

  • 日榜
  • 周榜
  • 月榜