CN106599873A - 基于三维姿态信息的人物身份识别方法 - Google Patents

基于三维姿态信息的人物身份识别方法 Download PDF

Info

Publication number
CN106599873A
CN106599873A CN201611206255.9A CN201611206255A CN106599873A CN 106599873 A CN106599873 A CN 106599873A CN 201611206255 A CN201611206255 A CN 201611206255A CN 106599873 A CN106599873 A CN 106599873A
Authority
CN
China
Prior art keywords
information
dimensional
pose
piece identity
recognition methodss
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201611206255.9A
Other languages
English (en)
Inventor
王德昌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui Polytechnic University
Original Assignee
Anhui Polytechnic University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Anhui Polytechnic University filed Critical Anhui Polytechnic University
Priority to CN201611206255.9A priority Critical patent/CN106599873A/zh
Publication of CN106599873A publication Critical patent/CN106599873A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于三维姿态信息的人物身份识别方法，所述基于三维姿态信息的人物身份识别方法包括：步骤1，采集监控场景的图像序列，在采集到的每帧图像中检测出人体，并对所有人进行三维信息获取，具体包括人物的三维空间位置、身高、体型、朝向、运动状态等；步骤2，在图像帧序列上对每个人进行跟踪并计算其三维信息；步骤3，使用累积分布图技术，基于跟踪所得的人体三维序列信息求出人的姿态信息；步骤4，使用步骤3中获得的姿态信息来训练分类器并进行实时分类；步骤5，完成人物身份的识别。该人物身份识别方法克服了现有生物识别技术中要求接触或近距离识别的问题，提供了远距离、人脸遮挡等情况下的人物身份识别方法。

Description

基于三维姿态信息的人物身份识别方法
技术领域
本发明涉及三维姿态识别领域，具体地，涉及基于三维姿态信息的人物身份识别方法。
背景技术
近年来，姿态识别逐渐成为计算机视觉与计算机图形学领域的热点问题，广泛应用于安防监控、视频搜索等远距离人物身份识别和人脸遮挡等场景，目前通过姿态识别来对人物身份的识别也取得了一定的进步，通过对人物的二维步态信息的分析来确认出人物的身份。但是现有技术中在对人物身份识别时，由于二维步态的求解会受到相机的PTZ状态、相机的视角、相机与目标的距离以及目标的运动方向等因素影响，而无法在不同的设备和场景下准确地确定人物身份。
因此，提供一种在使用过程中，不但可以通过非接触方式下的三维姿态信息来识别人物身份，可远距离对人物的身份进行识别，而且判断结果准确的基于三维姿态信息的人物身份识别方法是本发明亟需解决的问题。
发明内容
针对上述技术问题，本发明的目的是克服现有技术中在对人物身份识别时，由于二维步态的求解会受到相机的PTZ状态、相机的视角、相机与目标的距离以及目标的运动方向等因素影响，而无法在不同的设备和场景下准确地确定人物身份的问题，从而提供一种在使用过程中，不但可以通过非接触方式下的三维姿态信息来识别人物身份，可远距离对人物的身份进行识别，而且判断结果准确的基于三维姿态信息的人物身份识别方法。
为了实现上述目的，本发明提供了一种基于三维姿态信息的人物身份识别方法，所述基于三维姿态信息的人物身份识别方法包括：步骤1，采集监控场景的图像序列，在采集到的每帧图像中检测出人体，并对所有人进行三维信息获取；步骤2，在图像帧序列上对每个人进行跟踪并计算其三维信息；步骤3，使用跟踪所得的人体三维序列信息求出每个人的姿态信息；步骤4，使用步骤3中获得的姿态信息来训练分类器并进行实时分类；步骤5，完成人物身份的识别。
优选地，所述人的三维信息还包括：人物的三维空间位置、身高、体型、身体朝向和运动状态。
优选地，所述步骤1中需要使用经过标定的视觉***来获取监控场景的图像序列和所有人的三维信息。
优选地，所述步骤3中使用累积分布图技术并结合跟踪所得的人体三维序列信息来求出人的姿态信息。
优选地，在步骤1和步骤2之间还包括以下步骤：根据获取的人物的三维信息图像预估出人物的三维姿态。
优选地，使用基于几何特征的方法来预估人物的三维姿态。
根据上述技术方案，本发明提供的基于三维姿态信息的人物身份识别方法通过获取监控场景的图像序列后，在所述图像序列中检测出人体，并且获取人体的三维信息，然后对每个人进行跟踪，从而得出人体的三维序列信息，由得到的三维序列信息求出每个人的姿态信息，再训练分类器进行实时分类，从而得出人物的身份。本发明提供的基于三维姿态信息的人物身份识别方法克服现有技术中在对人物身份识别时，由于二维步态的求解会受到相机的PTZ状态、相机的视角、相机与目标的距离以及目标的运动方向等因素影响，而无法在不同的设备和场景下准确地确定人物身份的问题。
本发明的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。在附图中：
图1是本发明在一种优选实施方式下基于三维姿态信息的人物身份识别方法的流程图；
图2是本发明在一种优选实施方式下基于三维姿态信息的人物身份识别方法中监控场景的中单个人体的图像效果图；
图3是本发明在一种优选实施方式下基于三维姿态信息的人物身份识别方法中单个人体的累积分布效果图；
图4是本发明在一种优选实施方式下基于三维姿态信息的人物身份识别方法中累积分布图的三维图像效果图。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。
如图1，本发明提供了一种基于三维姿态信息的人物身份识别方法，所述基于三维姿态信息的人物身份识别方法包括：步骤1，采集监控场景的图像序列，在采集到的每帧图像中检测人体，并对所有人进行三维信息获取；步骤2，在图像帧序列上对每个人进行跟踪并计算其三维信息；步骤3，使用跟踪所得的人体三维序列信息求出所有人的姿态信息；步骤4，使用步骤3中获得的姿态信息来训练分类器并进行实时分类；步骤5，完成人物身份的识别。
根据上述技术方案，本发明提供的基于三维姿态信息的人物身份识别方法通过获取监控场景的图像序列后，在所述图像序列中检测出人体，并且获取人体的三维信息，然后对每个人进行跟踪，从而得出人体的三维序列信息，由得到的三维序列信息求出所有人的姿态信息，再训练分类器进行实时分类，从而得出人物的身份。本发明提供的基于三维姿态信息的人物身份识别方法克服了现有技术中在对人物身份识别时，由于二维步态的求解会受到相机的PTZ状态、相机的视角、相机与目标的距离以及目标的运动方向等因素影响，而无法在不同的设备和场景下准确地确定人物身份的问题。
在本发明的一种优选的实施方式中，为了使得求出的人的姿态信息更加的准确，方便检测分析计算其三维信息，所述人的三维信息还包括：人物的三维空间位置、身高、体型、身体朝向和运动状态，通过这些三维信息可以有效地掌握人体的信息，方便准确的求出人的姿态信息，在人体的众多的信息中，最能远距离识别人物身份的信息是人的步态信息，步骤1中获取人的三维信息还包括人的步态信息，通过步态信息可以更加快速准确的连接人物的自己信息，方便求出人的姿态信息。
本发明中，为了更加全面地获取目标人物的图像帧序列，从而便于检测出人体和三维信息，在本发明的一种优选的实施方式中，所述步骤1中需要对监控场景进行背景建模。
在本发明的一种优选的实施方式中，所述步骤1中需要使用经过全空间标定的视觉***来获取监控场景的图像序列和所有人的三维信息。
本发明中，为了使得所述步骤3中得出的人的姿态信息更加地准确，在本发明的一种优选的实施方式中，本发明使用累积分布图技术并结合跟踪所得的人体三维序列信息来求出人的姿态信息。
在本发明的一种优选的实施方式中，在步骤1和步骤2之间还包括以下步骤：根据获取的目标人物的图像帧序列预估出人物的三维姿态，为了方便准确的求出人物的三维姿态，在获取目标人物的图像帧序列后，可以根据图像帧序列信息来预估出人物的三维姿态，这样也能增大所述求出人的姿态信息的准确性和连续性。
在本发明中，在对人物的三维姿态进行预估时，可以采用基于统计分类的方法，但是在本发明的一种优选的实施方式中，使用基于几何特征的方法来预估人物的三维姿态，这样更加方便得出人物的三维姿态，而且准确度高。
以上结合附图详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种简单变型，这些简单变型均属于本发明的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本发明对各种可能的组合方式不再另行说明。
此外，本发明的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明的思想，其同样应当视为本发明所公开的内容。

Claims (6)

1.一种基于三维姿态信息的人物身份识别方法，其特征在于，所述基于三维姿态信息的人物身份识别方法包括：
步骤1，采集监控场景的图像序列，在采集到的每帧图像中检测出人体，并对所有人进行三维信息获取；
步骤2，在图像帧序列上对每个人进行跟踪并计算其三维信息；
步骤3，使用跟踪所得的人体三维序列信息求出每个人的姿态信息；
步骤4，使用步骤4中获得的姿态信息来训练分类器并进行实时分类；
步骤5，完成人物身份的识别。
2.根据权利要求1所述的基于三维姿态信息的人物身份识别方法，其特征在于，步骤1中获取人的三维信息为人的位置、身高、体型、身体朝向和运动状态。
3.根据权利要求1所述的基于三维姿态信息的人物身份识别方法，其特征在于，所述步骤1中需要使用经过标定的视觉***来获取监控场景的图像序列和所有人的三维信息。
4.根据权利要求1所述的基于三维姿态信息的人物身份识别方法，其特征在于，所述步骤3中使用累积分布图技术并结合跟踪所得的人体三维序列信息来求出每个人的姿态信息。
5.根据权利要求1所述的基于三维姿态信息的人物身份识别方法，其特征在于，在步骤1和步骤2之间还包括以下步骤：根据获取的人物的三维信息图像预估出人物的三维姿态。
6.根据权利要求5所述的基于三维姿态信息的人物身份识别方法，其特征在于，使用基于几何特征的方法来预估人物的三维姿态。
CN201611206255.9A 2016-12-23 2016-12-23 基于三维姿态信息的人物身份识别方法 Pending CN106599873A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611206255.9A CN106599873A (zh) 2016-12-23 2016-12-23 基于三维姿态信息的人物身份识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611206255.9A CN106599873A (zh) 2016-12-23 2016-12-23 基于三维姿态信息的人物身份识别方法

Publications (1)

Publication Number Publication Date
CN106599873A true CN106599873A (zh) 2017-04-26

Family

ID=58603465

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611206255.9A Pending CN106599873A (zh) 2016-12-23 2016-12-23 基于三维姿态信息的人物身份识别方法

Country Status (1)

Country Link
CN (1) CN106599873A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107292252A (zh) * 2017-06-09 2017-10-24 南京华捷艾米软件科技有限公司 一种自主学习的身份识别方法
CN108564017A (zh) * 2018-04-04 2018-09-21 北京天目智联科技有限公司 一种基于光栅相机的生物特征3d四维数据识别方法及***
CN110297929A (zh) * 2019-06-14 2019-10-01 北京达佳互联信息技术有限公司 图像匹配方法、装置、电子设备及存储介质
CN112800885A (zh) * 2021-01-16 2021-05-14 南京众鑫云创软件科技有限公司 一种基于大数据的数据处理***及方法
CN113140051A (zh) * 2020-01-20 2021-07-20 上海依图信息技术有限公司 考勤方法、装置、电子设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101558996A (zh) * 2009-05-15 2009-10-21 天津大学 基于人体运动结构正投影三维重建的步态识别方法
CN102697508A (zh) * 2012-04-23 2012-10-03 中国人民解放军国防科学技术大学 采用单目视觉的三维重建来进行步态识别的方法
CN103177269A (zh) * 2011-12-23 2013-06-26 北京三星通信技术研究有限公司 用于估计对象姿态的设备和方法
CN103729614A (zh) * 2012-10-16 2014-04-16 上海唐里信息技术有限公司 基于视频图像的人物识别方法及人物识别装置
US20160042227A1 (en) * 2014-08-06 2016-02-11 BAE Systems Information and Electronic Systems Integraton Inc. System and method for determining view invariant spatial-temporal descriptors for motion detection and analysis

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101558996A (zh) * 2009-05-15 2009-10-21 天津大学 基于人体运动结构正投影三维重建的步态识别方法
CN103177269A (zh) * 2011-12-23 2013-06-26 北京三星通信技术研究有限公司 用于估计对象姿态的设备和方法
CN102697508A (zh) * 2012-04-23 2012-10-03 中国人民解放军国防科学技术大学 采用单目视觉的三维重建来进行步态识别的方法
CN103729614A (zh) * 2012-10-16 2014-04-16 上海唐里信息技术有限公司 基于视频图像的人物识别方法及人物识别装置
US20160042227A1 (en) * 2014-08-06 2016-02-11 BAE Systems Information and Electronic Systems Integraton Inc. System and method for determining view invariant spatial-temporal descriptors for motion detection and analysis

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
贾立好 等: "基于头顶点三维运动轨迹的身份识别新方法", 《自动化学报》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107292252A (zh) * 2017-06-09 2017-10-24 南京华捷艾米软件科技有限公司 一种自主学习的身份识别方法
CN108564017A (zh) * 2018-04-04 2018-09-21 北京天目智联科技有限公司 一种基于光栅相机的生物特征3d四维数据识别方法及***
CN110297929A (zh) * 2019-06-14 2019-10-01 北京达佳互联信息技术有限公司 图像匹配方法、装置、电子设备及存储介质
CN113140051A (zh) * 2020-01-20 2021-07-20 上海依图信息技术有限公司 考勤方法、装置、电子设备及存储介质
CN112800885A (zh) * 2021-01-16 2021-05-14 南京众鑫云创软件科技有限公司 一种基于大数据的数据处理***及方法
CN112800885B (zh) * 2021-01-16 2023-09-26 南京众鑫云创软件科技有限公司 一种基于大数据的数据处理***及方法

Similar Documents

Publication Publication Date Title
CN105930767B (zh) 一种基于人体骨架的动作识别方法
Droeschel et al. Learning to interpret pointing gestures with a time-of-flight camera
CN106599873A (zh) 基于三维姿态信息的人物身份识别方法
CN103824070B (zh) 一种基于计算机视觉的快速行人检测方法
CN105260705B (zh) 一种适用于多姿态下的驾驶人员接打电话行为检测方法
CN102156537A (zh) 一种头部姿态检测设备及方法
CN110837784A (zh) 一种基于人体头部特征的考场偷窥作弊检测***
Sáez et al. Aerial obstacle detection with 3-D mobile devices
Droeschel et al. Towards joint attention for a domestic service robot-person awareness and gesture recognition using time-of-flight cameras
Denman et al. Soft-biometrics: unconstrained authentication in a surveillance environment
CN105868694A (zh) 基于面部表情和眼球动作的双模态情感识别方法及***
CN107610157B (zh) 一种无人机目标追踪方法及***
CN114067358A (zh) 一种基于关键点检测技术的人体姿态识别方法及***
US20120087543A1 (en) Image-based hand detection apparatus and method
Appenrodt et al. Data gathering for gesture recognition systems based on single color-, stereo color-and thermal cameras
CN102831408A (zh) 人脸识别方法
EP2629241A1 (en) Control of a wearable device
CN109308718A (zh) 一种基于多深度相机的空间人员定位装置及方法
CN104821010A (zh) 基于双目视觉的人手三维信息实时提取方法及***
CN104915656A (zh) 一种基于双目视觉测量技术的快速人脸识别方法
CN103995595A (zh) 一种基于手势的游戏体感控制方法
KR20170082074A (ko) 관상학적 특징 정보를 이용한 얼굴인식 장치 및 방법
CN109934127A (zh) 基于视频图像与无线信号的行人识别与跟踪方法
Li et al. Robust multiperson detection and tracking for mobile service and social robots
CN106650628B (zh) 一种基于三维k曲率的指尖检测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170426