專利名稱：基于制服特征的身份識別方法和系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種身份識別方法和系統(tǒng)。
背景技術(shù)：
現(xiàn)有的身份識別系統(tǒng)一般都適用于比較近距離的情況，例如人臉識別、指紋識別、虹膜識別等都只有在待識別對象較近或接觸獲取設(shè)備時才起作用，而且都是進行個人的身份識別。對于待識別對象在遠距離和非接觸的條件下，常用的身份識別技術(shù)都無法發(fā)揮作用。如在監(jiān)獄治安分析、戰(zhàn)地敵我態(tài)勢判別等的應(yīng)用中，需要在遠距離和大場景的條件下對目標(biāo)區(qū)域中的人員的身份進行識別，此時常用的識別方法無法應(yīng)用。

發(fā)明內(nèi)容
本發(fā)明要解決的技術(shù)問題是提供一種基于制服特征的身份識別方法和系統(tǒng)，可以應(yīng)用于遠距離、大場景條件下的身份識別。
為了解決上述問題，本發(fā)明提供了一種多維制服特征的身份識別方法，用于多類識別目標(biāo)身著不同制服的場合，該方法包括以下步驟(a)采集視頻圖像，檢測出其中的識別目標(biāo)圖像并將其分割出來；(b)提取出所述識別目標(biāo)圖像的制服特征；(c)對所述制服特征進行分類，根據(jù)分類結(jié)果確定識別目標(biāo)的身份。
進一步地，上述身份識別方法還可具有以下特點步驟(a)是從視頻圖像中檢測出運動目標(biāo)并將其分割出來，作為所述識別目標(biāo)圖像。
進一步地，上述身份識別方法還可具有以下特點
步驟(b)中提取的特征包括制服的主特征和次特征，步驟(c)中對所述主特征和次特征分別分類，然后對輸出的兩個分類結(jié)果進行加權(quán)組合，得到最終的分類結(jié)果。
進一步地，上述身份識別方法還可具有以下特點所述制服的主特征為顏色，所述制服的次特征為圖案。
進一步地，上述身份識別方法還可具有以下特點步驟(c)分類時采用基于神經(jīng)網(wǎng)絡(luò)的組合分類器，在步驟(a)之前先對該組合分類器進行訓(xùn)練，該訓(xùn)練過程包括以下步驟(I)輸入包括不同制服的訓(xùn)練用的樣本圖像，從中提取出制服主特征和制服次特征；(II)將主次特征輸入主特征神經(jīng)網(wǎng)絡(luò)，將次特征輸入次特征神經(jīng)網(wǎng)絡(luò)，分別進行分類訓(xùn)練；(III)在給定樣本下如得到預(yù)期的識別率，則將該訓(xùn)練好的組合神經(jīng)網(wǎng)絡(luò)作為實際使用的組合分類器。
進一步地，上述身份識別方法還可具有以下特點步驟(b)還提取出識別目標(biāo)的位置信息，和步驟(c)得到的身份信息一起作為決策的依據(jù)。
本發(fā)明提供的多維制服特征的身份識別系統(tǒng)包括視頻圖像采集模塊、識別目標(biāo)檢測與分割模塊、特征提取模塊和身份識別模塊，其中所述視頻圖像采集模塊，用于對視頻圖像進行采集并輸出到所述識別目標(biāo)檢測與分割模塊；所述識別目標(biāo)檢測與分割模塊，用于從視頻圖像中檢測出包含制服的識別目標(biāo)圖像并將其分割出來，輸出到所述特征提取模塊；所述特征提取模塊，用于提取出所述識別目標(biāo)圖像的制服特征，輸出到所述分類器；所述身份識別模塊，用于對所述制服特征進行分類，再根據(jù)分類結(jié)果確定識別目標(biāo)的身份。
進一步地，上述身份識別系統(tǒng)還可具有以下特點所述識別目標(biāo)檢測與分割模塊是從視頻圖像中檢測出運動目標(biāo)并將其分割出來，作為所述識別目標(biāo)圖像。
進一步地，上述身份識別系統(tǒng)還可具有以下特點所述特征提取模塊提取的特征包括制服的主特征和次特征；所述所述身份識別模塊為一基于神經(jīng)網(wǎng)絡(luò)的組合分類器，用于對提取的所述主特征和次特征分別分類，然后對輸出的兩個分類結(jié)果進行加權(quán)組合，得到最終的分類結(jié)果，再根據(jù)該分類結(jié)果確定識別目標(biāo)的身份。
進一步地，上述身份識別系統(tǒng)還可具有以下特點所述特征提取模塊提取的制服主特征為顏色，制服次特征為圖案。
本發(fā)明通過在監(jiān)控視頻中，如監(jiān)獄中的監(jiān)控視頻、戰(zhàn)場上的無人偵察機采集的視頻等，識別穿著特定制服人群及其位置，可以檢測是否存在特定的行為，及時為決策者提供準(zhǔn)確的參考意見。


圖1是本發(fā)明實施例基于多個神經(jīng)網(wǎng)絡(luò)的組合分類器的示意圖。
圖2是本發(fā)明實施例訓(xùn)練過程的示意圖。
圖3是本發(fā)明實施例識別過程的示意圖。
圖4是本發(fā)明實施例身份識別系統(tǒng)的模塊圖。
具體實施例方式
在遠距離的大場景中，存在多人且分辨率較低的特點，我們只需要對他們的身份進行大致的分類識別，如警察或者囚犯等。在這種分辨率較低的情況下，衣服的顏色、樣式等特征相對于人臉、虹膜等來說還是清楚的；并且在這類應(yīng)用場景中，人員都穿著統(tǒng)一的制服，這樣我們就可以利用制服的顏色、樣式等特征來識別、區(qū)分人員的身份。這就是本發(fā)明提出的基于制服特征的身份識別技術(shù)。
下面以監(jiān)獄監(jiān)管自動化系統(tǒng)為例，結(jié)合附圖對本發(fā)明進行詳細說明。
本實施例首先定義了一種組合制服特征。制服，例如監(jiān)管人員的服裝和被監(jiān)管人員如囚徒的服裝在顏色和圖案上存在著很大的差別。因此在遠距離大場景的情況下，顏色特征是最主要的特征，因此提取目標(biāo)的區(qū)域塊中的顏色均值或者主顏色等作為主特征(Main Feature，F(xiàn)M)。在遠距離的情況下一些圖案的輪廓也可以區(qū)分不同的對象，例如格子、條紋、球衣上的號碼等，但是由于圖案在攝像機平面上的投影畸變太大往往會帶來誤識，因此將圖案特征作為我們制服識別的次特征(Sub Feature，F(xiàn)S)。然后，將兩種特征進行組合得到組合特征，定義為“組合多維制服特征”F＝{FM，F(xiàn)S}.
用于身份識別的模塊可以采用多種分類器，如線性距離分類器、神經(jīng)網(wǎng)絡(luò)等等，可以根據(jù)具體情況來設(shè)計合適的分類器。本實施例中提出一種基于多個神經(jīng)網(wǎng)絡(luò)的組合分類器，來實現(xiàn)組合多維制服特征的分類，分類器結(jié)構(gòu)見圖1。其中，主特征和次特征分別輸入主特征神經(jīng)網(wǎng)絡(luò)分類器、次特征神經(jīng)網(wǎng)絡(luò)分類器，然后把兩個分類器的輸出進行加權(quán)組合，就得到了最后的分類輸出。這里可以采用BP網(wǎng)絡(luò)等。圖中的μM、μS是權(quán)重因子，可以根據(jù)應(yīng)用場景來進行設(shè)定。
在進行識別之前，需要對身份識別裝置即組合分類器進行訓(xùn)練，請參照圖2，該訓(xùn)練過程具體包括以下步驟步驟210，輸入包括不同制服的訓(xùn)練用的樣本圖像；在本實施例中可以是監(jiān)管人員的服裝和囚徒的服裝的樣本圖像。
步驟220，從輸入制服的樣本圖像中提取出顏色特征為主特征，提取出圖案特征為次特征；步驟230，分別對主特征神經(jīng)網(wǎng)絡(luò)和次特征神經(jīng)網(wǎng)絡(luò)進行分類訓(xùn)練；
進行分類訓(xùn)練是為了通過調(diào)整得到最優(yōu)的網(wǎng)絡(luò)參數(shù)。
步驟240，在給定樣本下如可得到預(yù)期的識別率，則將該訓(xùn)練好的組合神經(jīng)網(wǎng)絡(luò)作為實際使用的分類器。
在識別過程中，由于大場景中穿制服的人數(shù)一般比較多，因此本實施例中根據(jù)視頻的特點檢測出運動的目標(biāo)，然后從運動目標(biāo)中濾出人體，提取人體的制服特征，輸入組合分類器進行識別。
參照圖3，該識別過程包括以下步驟步驟310，對視頻圖像進行采集；步驟320，從視頻圖像中檢測出運動目標(biāo)并將其分割出來；在本實施例環(huán)境下，運動目標(biāo)通常為要識別其身份的人員。因此需將其檢測、分割出來進行后續(xù)的處理。在其他實施方式中，也可以通過其它方式來檢測出運動目標(biāo)。
步驟330，進行人體目標(biāo)檢測，從各個運動目標(biāo)的圖像中分別提取出制服主特征即顏色以及制服次特征即圖案；步驟340，將制服主特征和次特征分別輸入到基于神經(jīng)網(wǎng)的組合分類器，得到分類結(jié)果，根據(jù)分類結(jié)果即可確定運動目標(biāo)的身份。
其中組合分類器是對輸入的主特征和次特征分別進行分類，再對兩個分類結(jié)果進行加權(quán)組合，得到最后的分類結(jié)果。
此外，在步驟330還可以提取出運動目標(biāo)的位置信息，和其身份信息一起作為決策的依據(jù)。
相應(yīng)的，本實施例基于組合多維制服特征的身份識別系統(tǒng)如圖4所示，包括以下模塊視頻圖像采集模塊，用于對視頻圖像進行采集并輸出到運動目標(biāo)檢測與分割模塊；運動目標(biāo)檢測與分割模塊，用于從視頻圖像中檢測出運動目標(biāo)并將其分割出來，輸出到特征提取模塊；特征提取模塊，用于提取出各個運動目標(biāo)圖像的制服主特征及制服次特征，然后輸入到組合分類器，其中主特征輸入到其中的主特征神經(jīng)網(wǎng)絡(luò)分類器，次特征輸入到其中的次特征神經(jīng)網(wǎng)絡(luò)分類器；組合分類器，包括主特征神經(jīng)網(wǎng)絡(luò)分類器、次特征神經(jīng)網(wǎng)絡(luò)分類器和組合單元，分別用于對輸入的主特征和次特征進行分類，兩個子分類器輸出的分類結(jié)果再在組合單元進行加權(quán)組合，得到最終的分類結(jié)果，根據(jù)分類結(jié)果即可確定運動目標(biāo)的身份。
利用上述識別方法，可以判斷出在目標(biāo)區(qū)域出現(xiàn)的有哪類人，還可得知這些人所處的位置，從而可以判斷是否發(fā)生了異常情況。
需要進行說明的是，在另一實施例中，也可以只對一個主特征，例如是顏色主特征進行提取、訓(xùn)練和識別。另外，在不同的應(yīng)用場合下，制服主特征也不局限于為顏色，次特征也不局限為圖案，兩者可以互換或者采用制服的其它特征，如形狀特征。
權(quán)利要求
1.一種多維制服特征的身份識別方法，用于多類識別目標(biāo)身著不同制服的場合，該方法包括以下步驟(a)采集視頻圖像，檢測出其中的識別目標(biāo)圖像并將其分割出來；(b)提取出所述識別目標(biāo)圖像的制服特征；(c)對所述制服特征進行分類，根據(jù)分類結(jié)果確定識別目標(biāo)的身份。
2.如權(quán)利要求1所述的身份識別方法，其特征在于步驟(a)是從視頻圖像中檢測出運動目標(biāo)并將其分割出來，作為所述識別目標(biāo)圖像。
3.如權(quán)利要求1所述的身份識別方法，其特征在于步驟(b)中提取的特征包括制服的主特征和次特征，步驟(c)中對所述主特征和次特征分別分類，然后對輸出的兩個分類結(jié)果進行加權(quán)組合，得到最終的分類結(jié)果。
4.如權(quán)利要求3所述的身份識別方法，其特征在于所述制服的主特征為顏色，所述制服的次特征為圖案。
5.如權(quán)利要求3或4所述的身份識別方法，其特征在于步驟(c)分類時采用基于神經(jīng)網(wǎng)絡(luò)的組合分類器，在步驟(a)之前先對該組合分類器進行訓(xùn)練，該訓(xùn)練過程包括以下步驟(I)輸入包括不同制服的訓(xùn)練用的樣本圖像，從中提取出制服主特征和制服次特征；(II)將主次特征輸入主特征神經(jīng)網(wǎng)絡(luò)，將次特征輸入次特征神經(jīng)網(wǎng)絡(luò)，分別進行分類訓(xùn)練；(III)在給定樣本下如得到預(yù)期的識別率，則將該訓(xùn)練好的組合神經(jīng)網(wǎng)絡(luò)作為實際使用的組合分類器。
6.如權(quán)利要求1所述的身份識別方法，其特征在于步驟(b)還提取出識別目標(biāo)的位置信息，和步驟(c)得到的身份信息一起作為決策的依據(jù)。
7.一種多維制服特征的身份識別系統(tǒng)，其特征在于，包括視頻圖像采集模塊、識別目標(biāo)檢測與分割模塊、特征提取模塊和身份識別模塊，其中所述視頻圖像采集模塊，用于對視頻圖像進行采集并輸出到所述識別目標(biāo)檢測與分割模塊；所述識別目標(biāo)檢測與分割模塊，用于從視頻圖像中檢測出包含制服的識別目標(biāo)圖像并將其分割出來，輸出到所述特征提取模塊；所述特征提取模塊，用于提取出所述識別目標(biāo)圖像的制服特征，輸出到所述分類器；所述身份識別模塊，用于對所述制服特征進行分類，再根據(jù)分類結(jié)果確定識別目標(biāo)的身份。
8.如權(quán)利要求7所述的身份識別系統(tǒng)，其特征在于所述識別目標(biāo)檢測與分割模塊是從視頻圖像中檢測出運動目標(biāo)并將其分割出來，作為所述識別目標(biāo)圖像。
9.如權(quán)利要求7所述的身份識別系統(tǒng)，其特征在于所述特征提取模塊提取的特征包括制服的主特征和次特征；所述所述身份識別模塊為一基于神經(jīng)網(wǎng)絡(luò)的組合分類器，用于對提取的所述主特征和次特征分別分類，然后對輸出的兩個分類結(jié)果進行加權(quán)組合，得到最終的分類結(jié)果，再根據(jù)該分類結(jié)果確定識別目標(biāo)的身份。
10.如權(quán)利要求9所述的身份識別系統(tǒng)，其特征在于所述特征提取模塊提取的制服主特征為顏色，制服次特征為圖案。
全文摘要
一種多維制服特征的身份識別方法，用于多類識別目標(biāo)身著不同制服的場合，該方法包括以下步驟(a)采集視頻圖像，檢測出其中的識別目標(biāo)圖像并將其分割出來；(b)提取出所述識別目標(biāo)圖像的制服特征；(c)對所述制服特征進行分類，根據(jù)分類結(jié)果確定識別目標(biāo)的身份。相應(yīng)的，本發(fā)明的身份識別系統(tǒng)包括視頻圖像采集模塊、識別目標(biāo)檢測與分割模塊、特征提取模塊和身份識別模塊。本發(fā)明可以應(yīng)用于遠距離、大場景條件下的身份識別。如監(jiān)獄中的監(jiān)控視頻、戰(zhàn)場上的無人偵察機采集的視頻等，識別穿著特定制服人群及其位置，可以檢測是否存在特定的行為，及時為決策者提供準(zhǔn)確的參考意見。
文檔編號G06K9/60GK101079109SQ20071011796
公開日2007年11月28日 申請日期2007年6月26日 優(yōu)先權(quán)日2007年6月26日
發(fā)明者黨寧娜 申請人:北京中星微電子有限公司