一种走失儿童识别方法、系统、终端设备及存储介质与流程

1.本发明涉及计算机技术领域，尤其涉及一种走失儿童识别方法、系统、终端设备及存储介质。


背景技术：

2.游乐场里、商场里儿童走失问题一直以来都是社会的老大难问题，在游乐场里和商场里当儿童发生走失后，传统的方法是通过大喇叭进行喊话寻找和多人徒步寻找，或者在儿童走失后24小时后进行报案处理，但是即使是立案后警察也需要花费大量人力成本和时间成本进行调监控，走访调查，这些传统方法都效率低下并且花费大量人力和时间；
3.而随着人脸识别技术的发展，在一些现有的技术方案中，通过对监控视频中各行人进行人脸识别，进而识别出走失儿童，但一方面由于摄像头硬件水平的限制以及摄像设备的拍摄角度问题，在很多监控视频中都无法很好的拍到或拍清楚人脸，其次相对与成年人来说儿童未完全发育，其脸部特征不明显，与同龄儿童之间脸部相似程度较高，上述原因都会导致基于人脸识别的方法识别走失儿童时，准确性较低无法起到很好的作用。


技术实现要素：

4.本发明实施例提供一种走失儿童识别方法、系统、终端设备及存储介质，能提高对走失儿童识别的准确性。
5.本发明一实施例提供一种走失儿童识别方法，包括：获取若干监控视频帧以及走失儿童的儿童图像；
6.从各所述监控视频帧中提取各行人所在的图像区域，获得若干行人图像；
7.将各所述行人图像以及所述儿童图像输入至预设的行人重识别模型中，以使所述行人重识别模型提取所述儿童图像的图像特征生成儿童特征向量，提取各所述行人图像的图像特征生成各行人特征向量，继而将所述儿童特征向量与各行人特征向量进行比对，并根据比对结果从各所述行人图像中识别出与所述走失儿童对应的目标行人图像；其中，所述儿童图像的图像特征包括：走失儿童的体态特征以及服饰特征；所述行人图像的图像特征包括：行人的体态特征以及服饰特征。
8.进一步的，所述走失儿童识别方法还包括：将包含所述目标行人图像的监控视频帧，作为目标视频帧，继而提取各所述目标视频帧所对应的实际区域的位置信息；
9.根据各所述位置信息生成走失儿童的行走轨迹。
10.进一步的，将所述儿童特征向量与各行人特征向量进行比对，并根据比对结果从各所述行人图像中识别出与所述走失儿童对应的目标行人图像，具体包括：
11.逐一计算所述儿童特征向量与各行人特征向量的欧氏距离；
12.将距离最小且小于预设距离阈值的欧式距离所对应的行人特征向量，作为目标行人特征向量，继而将所述目标行人特征向量所对应的行人图像作为所述目标行人图像。
13.进一步的，所述儿童图像的图像特征还包括儿童的发型特征；所述行人图像的图
像特征还包括行人的发型特征。
14.在上述方法项实施例的基础上，本发明对应提供了系统项实施例；
15.本发明一实施例提供了一种走失儿童识别系统，包括监控视频帧获取模块、行人检测模块以及行人重识别模块；
16.所述监控视频帧获取模块，用于获取若干监控视频帧以及走失儿童的儿童图像；
17.所述行人检测模块，用于从各所述监控视频帧中提取各行人所在的图像区域，获得若干行人图像；
18.所述行人重识别模块，用于将各所述行人图像以及所述儿童图像输入至预设的行人重识别模型中，以使所述行人重识别模型提取所述儿童图像的图像特征生成儿童特征向量，提取各所述行人图像的图像特征生成各行人特征向量，继而将所述儿童特征向量与各行人特征向量进行比对，并根据比对结果从各所述行人图像中识别出与所述走失儿童对应的目标行人图像；其中，所述儿童图像的图像特征包括：走失儿童的体态特征以及服饰特征；所述行人图像的图像特征包括：行人的体态特征以及服饰特征。
19.进一步的，还包括走失儿童轨迹追踪模块；
20.所述走失儿童轨迹追踪模块，用于将包含所述目标行人图像的监控视频帧，作为目标视频帧，继而提取各所述目标视频帧所对应的实际区域的位置信息；
21.根据各所述位置信息生成走失儿童的行走轨迹。
22.进一步的，所述行人重识别模块包括目标图像识别单元；
23.所述目标图像识别单元，用于逐一计算所述儿童特征向量与各行人特征向量的欧氏距离；
24.将距离最小且小于预设距离阈值的欧式距离所对应的行人特征向量，作为目标行人特征向量，继而将所述目标行人特征向量所对应的行人图像作为所述目标行人图像。
25.进一步的，所述儿童图像的图像特征还包括儿童的发型特征；所述行人图像的图像特征还包括行人的发型特征。
26.在上述方法项实施例的基础上，本发明对应提供了一种设备项实施例；
27.本发明一实施例提供了一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现本发明任意一项所述的走失儿童识别方法。
28.在上述方法项实施例的基础上，本发明对应提供了一存储介质项实施例；
29.本发明一实施例提供了一种存储介质，所述存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述存储介质所在的设备执行本发明任意一项所述的走失儿童识别方法。
30.通过实施本发明具有如下有益效果：
31.本发明实施例提供了一种走失儿童识别方法、系统、终端设备及存储介质，所述方法在识别走失儿童时，基于儿童的体态以及服饰等局部不变特征对走失儿童进行识别，能够快速通过监控视频帧寻找到走失儿童。相较于现有基于人脸识别的方案来讲，可以避免由于摄像角度不佳没有拍摄到人脸进而导致无法识别的问题，提高识别的准确性。
附图说明
32.图1是本发明一实施例提供的一种走失儿童识别方法的流程示意图。
33.图2是本发明一实施例提供的一种走失儿童识别系统的系统架构图。
具体实施方式
34.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
35.如图1所示，本发明一实施例提供了一种走失儿童识别方法，至少包括如下步骤：
36.步骤s101：获取若干监控视频帧以及走失儿童的儿童图像。
37.步骤s102：从各所述监控视频帧中提取各行人所在的图像区域，获得若干行人图像。
38.步骤s103：将各所述行人图像以及所述儿童图像输入至预设的行人重识别模型中，以使所述行人重识别模型提取所述儿童图像的图像特征生成儿童特征向量，提取各所述行人图像的图像特征生成各行人特征向量，继而将所述儿童特征向量与各行人特征向量进行比对，并根据比对结果从各所述行人图像中识别出与所述走失儿童对应的目标行人图像；其中，所述儿童图像的图像特征包括：走失儿童的体态特征以及服饰特征；所述行人图像的图像特征包括：行人的体态特征以及服饰特征。
39.对于步骤s101、示意性的，在儿童走失时提取儿童走失区域周边的所有监控视频，获得上述若干监控视频帧，并获取儿童走失前的图片，即上述儿童图像。
40.对于步骤s102、示意性的使用yolo v3算法对各监控视频帧的行人进行自动化检测，并通过一个矩形框对各行人进行框选，提取出各行人所在的图像区域，获得上述若干行人图像。
41.对于步骤s103、在一个优选的实施例中，所述儿童特征向量与各行人特征向量进行比对，并根据比对结果从各所述行人图像中识别出与所述走失儿童对应的目标行人图像，具体包括：
42.逐一计算所述儿童特征向量与各行人特征向量的欧氏距离；
43.将距离最小且小于预设距离阈值的欧式距离所对应的行人特征向量，作为目标行人特征向量，继而将所述目标行人特征向量所对应的行人图像作为所述目标行人图像。在一个优选的实施例中所述儿童图像的图像特征还包括儿童的发型特征；所述行人图像的图像特征还包括行人的发型特征。
44.首先，对上述行人重识别模型进行说明，示意性的在本发明中，本发明主要使用market1501数据集进行行人重识别模型的训练，market-1501数据集是在清华大学校园中采集，夏天拍摄，在2015年构建并公开。它包括由6个摄像头(其中5个高清摄像头和1个低清摄像头)拍摄到的1501个行人、32668个检测到的行人矩形框。每个行人至少由2个摄像头捕获到，并且在一个摄像头中可能具有多张图像。训练集有751人，包含12,936张图像，平均每个人有17.2张训练数据；测试集有750人，包含19,732张图像，平均每个人有26.3张测试数据。3368张查询图像的行人检测矩形框是人工绘制的，而gallery中的行人检测矩形框则是
使用dpm检测器检测得到的。该数据集提供的固定数量的训练集和测试集均可以在single-shot或multi-shot测试设置下使用。
45.模型的特征提取网络使用resnet50(残差网络)，损失函数使用idloss和三样本损失(tripletloss)以3个样本为一组，同一人的图像特征距离应小于不同人，并通过迁移学习的方法进行训练，训练时提取行人的体态以及服饰(包括服装纹理、服装颜色、饰品纹理、饰品颜色等)等特征来构建特征向量进行训练，必要时也可将行人的发型作为特征之一进行训练。
46.在训练完模型之后，可以输入一张图片进入特征提取网络提取特征，然后再将一组图片也输入进特征提取网络提取特征，通过计算特征之间的欧氏距离来进行图片识别，并根据最后的识别结果评估模型的精准度是否合格。
47.在运用上述已训练好的行人重识别模型进行走失儿童识别时，将走失儿童的儿童图像输入到行人重识别模型中，模型经过特征提取网络生成长度为2048的特征向量，特征的提取包括体态，衣服颜色，衣服纹理，发型，配饰等特征，提取特征后对该特征向量进行l2归一化处理。
48.同时，将各个行人图像输入行人重识别模型中，从每张行人图像中提取长度为2048的特征向量，对特征向量进行l2归一化处理，并存入特征向量数据库。
49.然后，将儿童图像的特征向量与特征向量库中的所有特征向量进行欧氏距离运算，设定一定的阈值筛选出符合距离的图片并将欧式距离最小的行人图像作为目标行人图像。在其他优选的实施例中，也根据欧式距离进行升序排序，设定一定的阈值筛选出符合距离的图片，最后将前十个距离最近的行人图片输出至web页面前端，并由用户从所输出的十张图片中，人工筛选出目标行人图像。
50.在一个优选的实施例中，将包含所述目标行人图像的监控视频帧，作为目标视频帧，继而提取各所述目标视频帧所对应的实际区域的位置信息；根据各所述位置信息生成走失儿童的行走轨迹。在这一实施例中识别出带有目标行人图像的视频帧，然后根据视频帧中图像信息，获取视频帧所对应的实际区域的位置信息，最终根据位置信息生成走失儿童的行走轨迹。示意性的，可以在监控区域布设若干定位标识，定位标识可以是预设颜色的图案或预设形状的图案，用不同颜色()或不同形状)代表不同位置信息，后续则可以通过识别目标视频帧的定位标识，获得对应位置信息。例如提前在监控区域布设黄色的正方形图案用于标识位置a，那么当在目标视频中识别到黄色的正方形图案，则可以判定该目标视频帧所在的位置点为a。
51.通过实施本发明上述实施例，能够基于监控视频帧自动化寻找走失儿童，可以跨摄像头对走失儿童进行搜索和跟踪，弥补人脸识别无法在普通监控摄像头进行识别跟踪的问题。
52.在上述方法项实施例的基础上，本发明对应提供了系统项实施例。
53.如图2所示，本发明一实施例提供了一种走失儿童识别系统，包括监控视频帧获取模块、行人检测模块以及行人重识别模块；
54.所述监控视频帧获取模块，用于获取若干监控视频帧以及走失儿童的儿童图像；
55.所述行人检测模块，用于从各所述监控视频帧中提取各行人所在的图像区域，获得若干行人图像；
56.所述行人重识别模块，用于将各所述行人图像以及所述儿童图像输入至预设的行人重识别模型中，以使所述行人重识别模型提取所述儿童图像的图像特征生成儿童特征向量，提取各所述行人图像的图像特征生成各行人特征向量，继而将所述儿童特征向量与各行人特征向量进行比对，并根据比对结果从各所述行人图像中识别出与所述走失儿童对应的目标行人图像；其中，所述儿童图像的图像特征包括：走失儿童的体态特征以及服饰特征；所述行人图像的图像特征包括：行人的体态特征以及服饰特征。
57.在一个优选的实施例中，所述走失儿童识别系统，还包括走失儿童轨迹追踪模块；所述走失儿童轨迹追踪模块，用于将包含所述目标行人图像的监控视频帧，作为目标视频帧，继而提取各所述目标视频帧所对应的实际区域的位置信息；根据各所述位置信息生成走失儿童的行走轨迹。
58.在一个优选的实施例中，所述行人重识别模块包括目标图像识别单元；
59.所述目标图像识别单元，用于逐一计算所述儿童特征向量与各行人特征向量的欧氏距离；
60.将距离最小且小于预设距离阈值的欧式距离所对应的行人特征向量，作为目标行人特征向量，继而将所述目标行人特征向量所对应的行人图像作为所述目标行人图像。
61.在一个优选的实施例中，所述儿童图像的图像特征还包括儿童的发型特征；所述行人图像的图像特征还包括行人的发型特征。
62.需要说明的是上述系统项实施例是与本发明方法项实施例相对应的，其能够实现本发明任意一项所述的走失儿童识别方法。
63.在上述方法项实施例的基础上，本发明对应提供了终端设备项实施例；
64.本发明一实施例提供了一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现本发明任意一项所述的走失儿童识别方法。
65.所述终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述示意图仅仅是终端设备的示例，并不构成对终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
66.所称处理器可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述终端设备的控制中心，利用各种接口和线路连接整个终端设备的各个部分。
67.所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；
存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flashcard)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
68.在上述方法项实施例的基础上，本发明对应提供了存储介质项实施例；
69.本发明一实施例提供了一种存储介质，所述存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述存储介质所在的设备执行本发明任意一项所述的走失儿童识别方法。
70.需要说明的是，上述存储介质为计算机可读存储介质，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质等。
71.以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。