(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210046435.4 (22)申请日 2022.01.17 (65)同一申请的已公布的文献号 申请公布号 CN 114067421 A (43)申请公布日 2022.02.18 (73)专利权人 广东中运信息科技有限公司 地址 510000 广东省广州市珠 江西路15号 珠江城大厦57楼5701、 5702、 5708A单 元 (72)发明人 周耿城　 (74)专利代理 机构 北京华际知识产权代理有限 公司 11676 代理人 高波 (51)Int.Cl. G06V 40/16(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06K 9/62(2022.01)G07C 9/15(2020.01) G07C 9/37(2020.01) (56)对比文件 WO 2020094091 A1,2020.0 5.14 CN 113255621 A,2021.08.13 CN 110084103 A,2019.08.02 US 2020349344 A1,2020.1 1.05 CN 113269127 A,2021.08.17 CN 110222627 A,2019.09.10 杜爽.多路实时监控视频数据处 理与分析系 统的设计与实现. 《全国优秀硕士学位 论文全文 数据库 信息科技 辑》 .2022,(第1期),I13 6- 1957. YUANJIAN C HEN .et.al.Face Identificati on With Top-Push Co nstrained Generalized Low-Rank Approximati on of Matrices. 《IE EE ACCESS》 .2019,第7 卷160998- 161007. 审查员 张倩倩 (54)发明名称 一种人员去重识别方法、 存储介质及计算机 设备 (57)摘要 本发明公开了一种人员去重识别方法、 存储 介质及计算机设备， 涉及图像处理技术领域， 本 发明通过维护一个缓存队列T， 能有效针对名单 内人员或非名单内人员的陌生人进行人员区分 性去重识别； 采用人脸框位置重叠度配合人脸算 法的相似度双阈值， 一方面能解决人员由于视频 解码掉帧或人脸算法检测率低等， 导致的人员跟 丢问题， 有效减少名单内人员通行时， 产生的额 外错误通行记录； 另 一方面， 采用人脸算法的相 似度双阈值， 实现对静态目标和非静态目标都进 行有效去重； 不论是人脸框位置重叠度还是人脸 算法的相似度计算， 计算过程对算力要求不高， 能在大部分 设备上流畅运行。 权利要求书3页 说明书11页 附图2页 CN 114067421 B 2022.04.19 CN 114067421 B 1.一种人员去重识别方法， 其特 征在于： 包括以下步骤： S1、 创建一个 空的缓存队列 ， 缓存队列 的队列元素数据包含人脸图像 、 人脸框位 置 、 人脸姿态分数 、 人脸特征码 、 分类标志位 和元素添加时的秒级时 间戳 ； S2、 从网络摄像头循环取出解码后的画面； 假设其中一帧解码后的画 面为 ， 并获取当 前时刻的秒级时间戳 ； 检查缓存队列 内所有队列元素 的秒级时间戳， 若当 前时刻的秒级时间戳 减去某队列元素 的秒级时间戳 ， 得到的 差值 则进一步判断队列元素 的分类标志位 的值， 为人员在摄像头前正常 通过时所需花费的时间， 精确到秒； 若 ， 则推送该队列元素 的数据， 并从缓存队 列 中删除该队列元 素 ； 若 ， 则直接从 缓存队列 中删除该队列元 素 ； S3、 对该画面 进行人脸检测， 得到画面 内的所有人脸信息， 并对 每个人脸信息的人 脸图像进行 人脸特征码提取， 得到人脸图像对应的人脸特 征码信息； S4、 分别对画面 内所有人脸信息提取到的人脸特征码与名单内人员的人脸特征码 一 一进行人脸特征码第一相似度 计算， 并进行相似度值降序排序； 若最大相似度值大于等 于算法判定同一个人的相似度阈值 ， 则认为该人脸信息对应人员 为名单内人 员， 否则视为非名单内的陌生人； S5、 分别对画面 内的所有人脸信息与缓存队列 内的所有元素一一进行人脸框位置 重叠度 和人脸特 征码第二相似度 计算； S6、 若存在其中一个元素 与某个人脸信息 满足人脸框位置重叠度 阈值 或人脸 特征码第二相似度 阈值 ， 则认为该人脸信息 对应的人员已经出现过， 进一 步根据人员类型进行分类判断； S7、 若不存在其中一个元素 与某个人脸信息 满足人脸框位置重叠度 阈值 或人 脸特征码第二相似度 阈值 ； 则新建一个元素 ， 将人脸信息 和时间戳 补充到元素 ； 进一步根据人员类型进行分类判断， 设置新元素 对应分类 标志位 ； 将新元素 存入缓存队列 中， 完成新缓存记录添加。 2.根据权利要求1所述的一种人员去重识别方法， 其特征在于： 在步骤S2中， 为正整 数； 在步骤S5中， 人脸框位置重叠度 为去重第一特征计算， 人脸特征码第二相似度 为去 重第二特 征计算。 3.根据权利要求1所述的一种人员去重识别方法， 其特征在于： 在步骤S5 中人脸框位置 重叠度 的计算方法如下： 假设有矩形 的左上角顶点坐标分别为 、 ， 其高度和宽度分别为 和 ， 矩形 的左上角顶点 坐标分别为 、 ， 其高度和宽度分别为 和 ；权　利　要　求　书 1/3 页 2 CN 114067421 B 2去重第一特 征人脸框位置 重叠度 的计算公式如下： 去重第一特 征人脸框位置 重叠度 的数值范围为 。 4.根据权利要求3所述的一种人员去重识别方法， 其特征在于： 两个矩形边沿重叠不认 为是重叠。 5.根据权利要求1所述的一种人员去重识别方法， 其特 征在于： 在步骤S6中： S61、 若人脸信息 为名单内人员， 且元素 内推送标志位 的值为0， 则马上推送 该人脸信息 ， 并修改元 素 内推送标志位 的值为1； S62、 若该人脸信息 为名单内人员， 且元素 内推送标志位 的值为1， 则不需推 送该人脸信息 ； S63、 若人脸信息 为非名单内人员， 则不需判断元 素 内推送标志位 的值； S64、 然后对人脸信息 进行人脸姿态分数 计算并判断。 6.根据权利要求5所述的一种人员去重识别方法， 其特征在于： 在步骤S64中， 人脸姿态 分数 计算方法如下： 人脸姿态分数 ， 根据人脸姿态角 进行计算， 其分别由 、 和 三个 角度组成， 这三个角度的值范 围均在 度范围内， 任意一个角度值越接近于零， 人脸姿 态角越好， 对应的人脸姿态分数 越高； 具体人脸姿态分数 计算的公式如下： 其中， 人脸姿态分数 的数值范围为 ， 为计算实数的绝对值 函数。 7.根据权利要求5所述的一种人员去重识别方法， 其特 征在于： 在步骤S64中： S641、 若该人脸信息 的人脸姿态分数 高于元素 内的人脸姿态分数 ， 则使用该 人脸信息 的人脸图像 、 人脸姿态分数 、 人脸框位置 、 人脸特征码 替 换元素 中对应项的信息； S642、 若该人脸信息 的人脸姿态分数 不高于元素 内的人脸姿态分数 ， 则只使 用该人脸信息 的人脸框位置 、 人脸特征码 替换元素 中对应项的信息； S643、 更新元 素 的时间戳 为时间戳 。 8.根据权利要求1所述的一种人员去重识别方法， 其特征在于： 在步骤S7中， 若不存在 其中一个元素 与该人脸信息 满足人脸框位置重叠度 阈值 或人脸特征码第二相似度 阈值 ， 则认为该人脸信息 对应的人员没有出现过， 需要添加该人脸信息 权　利　要　求　书 2/3 页 3 CN 114067421 B 3