尾随人员识别方法及装置、系统、存储介质与流程

1.本申请涉及图像处理技术领域，特别涉及一种尾随人员识别方法及装置、系统、计算机可读存储介质。


背景技术：

2.随着社会治安状况的逐步改善，越来越多的人敢于独身一人外出活动，甚至一个人外出旅游。但个人安全始终是一个值得倍加注意的问题。
3.在防尾随的技术方案中，绝大多数都是围绕闸机、门禁等特定场所和固定装置来展开。例如在闸机、门禁等固定装置上安装防尾随设备，当有人员跟随前人闯入时，进行报警提示。
4.但是这种方案无法对户外活动场景下的尾随情况进行有效的防控，户外尾随人员的识别技术有待开发。


技术实现要素：

5.本申请实施例提供了尾随人员识别方法，用以识别户外活动场景的尾随情况。
6.本申请实施例提供了一种尾随人员识别方法，包括：
7.获取防尾随装置采集的背后图像；
8.对所述背后图像进行人脸检测和人脸特征提取，获得人脸特征数据；
9.确定所述人脸特征数据对应的人脸标识，并记录所述人脸特征数据的出现时间；
10.统计预设时间内同一人脸标识对应的人脸特征数据的出现次数，在所述出现次数超过阈值时，进行防尾随提醒。
11.在一实施例中，所述对所述背后图像进行人脸检测和人脸特征提取，获得人脸特征数据，包括：
12.通过拉普拉斯算子计算所述背后图像的模糊量，并根据所述模糊量判断所述背后图像是否模糊，去除模糊的背后图像，获得剩余的合格图像；
13.通过人脸检测模型提取所述合格图像的人脸区域，并对所述人脸区域进行人脸对齐，获得标准正脸图像；
14.通过人脸特征提取模型，提取所述标准正脸图像的人脸特征数据。
15.在一实施例中，所述通过拉普拉斯算子计算所述背后图像的模糊量，并根据所述模糊量判断所述背后图像是否模糊，去除模糊的背后图像，获得剩余的合格图像，包括
16.将所述背后图像转换为灰度图像，并通过拉普拉斯算子计算所述灰度图像每个像素点的梯度值；
17.根据每个像素点的梯度值，计算所述灰度图像的梯度方差值；
18.若所述灰度图像的梯度方差值大于标准值，确定所述灰度图像对应的背后图像模糊，并去除模糊的背后图像，获得剩余的合格图像。
19.在一实施例中，所述通过人脸检测模型提取所述合格图像的人脸区域，并对所述
人脸区域进行人脸对齐，获得标准正脸图像，包括：
20.通过人脸检测模型提取所述合格图像的人脸关键点以及人脸区域；
21.根据所述人脸关键点以及标准人脸的五官关键点，构建仿射变换关系；
22.将所述合格图像的人脸区域按照所述仿射变换关系进行变换，获得所述标准正脸图像。
23.在一实施例中，所述确定所述人脸特征数据对应的人脸标识，包括：
24.计算所述人脸特征数据与数据库中已有的脸部特征数据之间的相似度；
25.若所述人脸特征数据与任一脸部特征数据之间的相似度大于阈值，将所述脸部特征数据对应的人脸标识作为所述人脸特征数据的人脸标识。
26.在一实施例中，所述方法还包括：
27.若所述人脸特征数据与所有脸部特征数据之间的相似度均小于等于阈值，为所述脸部特征数据生成新的人脸标识。
28.在一实施例中，所述在所述出现次数超过阈值时，进行防尾随提醒，包括：
29.进行响铃或震动，并将所述出现次数超过阈值的人脸标识对应的背后图像进行展示和备份。
30.本申请实施例还提供了一种尾随人员识别方法，包括：
31.图像获取模块，用于获取防尾随装置采集的背后图像；
32.特征提取模块，用于对所述背后图像进行人脸检测和人脸特征提取，获得人脸特征数据；
33.特征归类模块，用于确定所述人脸特征数据对应的人脸标识，并记录所述人脸特征数据的出现时间；
34.次数统计模块，用于统计预设时间内同一人脸标识对应的人脸特征数据的出现次数，在所述出现次数超过阈值时，进行防尾随提醒。
35.本申请实施例还提供了一种尾随人员识别系统，包括：
36.防尾随装置，用于安装于背包上，采集背后图像并将所述背后图像发送到智能终端；
37.智能终端，用于接收所述背后图像，执行上述尾随人员识别方法。
38.本申请实施例还提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序可由处理器执行以完成上述尾随人员识别方法。
39.本申请上述实施例提供的技术方案，通过采集背后图像，提取背后图像的人脸特征数据，基于同一人脸有相同或高度相似的人脸特征数据的原则，可以确定人脸特征数据对应的人脸标识，并记录出现时间，在短时间内同一人脸标识的人脸特征数据的出现次数较多时，可以认为存在尾随人员，可以进行防尾随提醒，从而实现尾随人员的识别，解决尾随人员断断续续出现的问题，提高安全性。
附图说明
40.为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍。
41.图1为本申请一实施例提供的尾随人员识别系统的架构示意图；
42.图2为本申请一实施例提供的防尾随装置的安装示意图；
43.图3为本申请一实施例提供的尾随人员识别方法的流程示意图；
44.图4为图3对应实施例中步骤s320的细节流程图；
45.图5为本申请一实施例提供的尾随人员识别装置的框图。
具体实施方式
46.下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。
47.相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
48.图1为本申请实施例提供的尾随人员识别系统的架构示意图。如图1所示，该系统包括防尾随装置110以及智能终端120。
49.防尾随装置110包括摄像头、宽动态感光芯片、数据存储模块、wifi模块、蓝牙模块、计算模块和电源模块等。防尾随装置110，用于安装于背包上。例如悬挂在背包下方，贴在背包上，如图2所示，对背后的区域进行实时监控，采集背后图像并将所述背后图像发送到智能终端120。
50.智能终端120可以是智能手机、平板电脑或智能手表。智能终端120与防尾随装置110可以通过wifi连接、蓝牙连接，防尾随装置110也可以通过智能终端120的热点，从而与智能终端120在同一局域网内进行通信连接。智能终端120可以通过运行指定软件app，接收防尾随装置110通过wifi、蓝牙或热点发送的背后图像，进而执行本申请下述实施例提供的尾随人员识别方法。
51.本申请还提供了一种计算机可读存储介质，该存储介质存储有计算机程序，所计算机程序可由处理器执行以完成本申请实施例提供的尾随人员识别方法。
52.图3是本申请实施例提供的一种尾随人员识别方法的流程示意图，如图3所示，该方法包括以下步骤s310
‑
步骤s340。
53.步骤s310：获取防尾随装置采集的背后图像。
54.其中，背后图像是指防尾随装置采集的图像，防尾随装置拍摄的是用户背后的图像，故称为背后图像。防尾随装置可以持续进行图像采集，故背后图像可以有连续的多帧。
55.步骤s320：对所述背后图像进行人脸检测和人脸特征提取，获得人脸特征数据。
56.人脸检测是指检测背后图像的人脸区域，而人脸特征提取是提取人脸区域的特征矩阵。人脸特征数据即提取的人脸特征矩阵，用于表征不同人脸区域的区别。同一人脸的人脸特征数据相同或近似，故基于人脸特征数据，可以判断是否属于同一人脸。
57.在一实施例中，如图4所示，上述步骤s320具体包括步骤s410
‑
步骤s430。
58.步骤s410：通过拉普拉斯算子计算所述背后图像的模糊量，并根据所述模糊量判断所述背后图像是否模糊，去除模糊的背后图像，获得剩余的合格图像。
59.其中，模糊量用于表征背后图像的模糊程度。模糊量大于标准值，则认为背后图像是模糊的，反之，则认为不是模糊的。由于防尾随装置跟随人体移动晃动，因此可能部分图片存在运动模糊的情况，故首先需要将模糊的图片进行过滤。即去除模糊的背后图像，为进行区分，剩余的图像可以称为合格图像。
60.在一实施例中，上述步骤s410具体过程可以是：将所述背后图像转换为灰度图像，并通过拉普拉斯算子计算所述灰度图像每个像素点的梯度值。根据每个像素点的梯度值，计算所述灰度图像的梯度方差值。若所述灰度图像的梯度方差值大于标准值，确定所述灰度图像对应的背后图像模糊，并去除模糊的背后图像，获得剩余的合格图像。
61.背后图像可以是rgb图像，可以根据每个像素点的rgb值，通过现有的转换公式，计算得到灰度值，从而将rgb格式的背后图像转换为灰度图像。之后拉普拉斯算子计算灰度图像每个像素点的梯度值，梯度值用于表征相邻像素点灰度的变化大小，灰度值变化越大，梯度越大。梯度方差值是指所有像素点的梯度值的方差。如果梯度方差值大于标准值，则认为是模糊的背后图像，进行去除，剩余的背后图像可以认为是合格图像。
62.步骤s420：通过人脸检测模型提取所述合格图像的人脸区域，并对所述人脸区域进行人脸对齐，获得标准正脸图像。
63.其中，人脸检测模型可以是mtcnn模型或retinaface模型，可以提前训练得到，人脸检测模型可以提取出合格图像的人脸所在矩形框，即人脸区域。之后，对人脸所在矩形框内的人脸图像做人脸对齐，人脸对齐是指将矩形框内的人脸图像校正为标准正脸图像。例如，可将歪斜、轻度侧偏的人脸校正为标准正脸图像。标准正脸图像是指面部正对镜头拍摄的图像。
64.在一实施例中，上述步骤s420具体过程为：通过人脸检测模型提取所述合格图像的人脸关键点以及人脸区域。根据所述人脸关键点以及标准人脸的五官关键点，构建仿射变换关系。将所述合格图像的人脸区域按照所述仿射变换关系进行变换，获得所述标准正脸图像。
65.其中，人脸关键点可以是人脸五官的关键点位置，例如嘴角、眼角、鼻头等位置。标准人脸的五官关键点是指正脸的五官的关键点位置。
66.人脸关键点的位置到标准人脸的五官关键点的位置之间的映射关系，即为仿射变换关系。例如，合格图像中人脸的鼻头位置与标准人脸的鼻头位置之间的映射关系。将合格图像的人脸区域按照此映射关系进行变换，即可得到标准正脸图像。
67.步骤s430：通过人脸特征提取模型，提取所述标准正脸图像的人脸特征数据。
68.其中，人脸特征提取模型用于提取标准正脸图像的人脸特征数据。人脸特征提取模型可以通过训练得到，也可采用现有的人脸特征提取模型。
69.步骤s330：确定所述人脸特征数据对应的人脸标识，并记录所述人脸特征数据的出现时间。
70.其中，人脸标识用于对不同的人脸特征数据进行区分，例如可以用编号来区分不同的人脸特征数据，a1、a2、a3
……
分别代表不同人脸特征数据对应的人脸标识。如果是新的人脸的人脸特征数据，则为新的人脸特征数据生成新的人脸标识。如果不是新的人脸的人脸特征数据，则沿用同一人脸的人脸特征数据的人脸标识。人脸特征数据的出现时间是指人脸特征数据对应的背后图像的采集时间。
71.在一实施例中，上述步骤s330具体过程：计算人脸特征数据与数据库中已有的脸部特征数据之间的相似度；若所述人脸特征数据与任一脸部特征数据之间的相似度大于阈值，将所述脸部特征数据对应的人脸标识作为所述人脸特征数据的人脸标识。
72.其中，数据库中已有的脸部特征数据是指数据库中已存储的人脸特征数据，为与
刚采集的背后图像的人脸特征数据进行区分，数据库已存储的人脸特征数据称为脸部特征数据。如果背后图像的人脸特征数据与数据库中已有的任一人脸的脸部特征数据之间的相似度大于阈值，则表示人脸特征数据与当前的脸部特征数据属于同一人脸，故可以用此脸部特征数据的人脸标识作为人脸特征数据的人脸标识。其中，相似度可以用人脸特征数据与脸部特征数据之间的欧式距离表示。
73.若人脸特征数据与数据库中所有的脸部特征数据之间的相似度均小于等于阈值，则认为该人脸特征数据属于新的人脸，为脸部特征数据生成新的人脸标识。
74.每次采集的背后图像的人脸特征数据可以与相应的人脸标识对应存入数据库中，同时记录人脸特征数据出现的时间。
75.步骤s340：统计预设时间内同一人脸标识对应的人脸特征数据的出现次数，在所述出现次数超过阈值时，进行防尾随提醒。
76.在一实施例中，可以持续统计最近一段时间内(如半小时内)各人脸标识对应的人脸特征数据的出现次数，并根据出现次数由高到低的顺序，对人脸标识进行排序。
77.当某个人脸标识对应的人脸特征数据的出现次数超过阈值时，例如30次，智能终端通过响铃或震动进行防尾随提醒，从而解决尾随人员断断续续出现的情况。
78.在一实施例中，智能终端还可以将出现次数超过阈值的人脸标识对应的背后图像进行展示，根据需要，还可以将出现次数超过阈值的人脸标识对应的背后图像和相关记录(例如出现时间)上传到云端进行备份。
79.本申请实施例提供的技术方案，通过便携式的防尾随装置与智能终端的联动，可有效满足人们外出活动情况下，对背后尾随人员进行识别的需求。
80.下述为本申请装置实施例，可以用于执行本申请上述尾随人员识别方法实施例。对于本申请装置实施例中未披露的细节，请参照本申请尾随人员识别方法实施例。
81.图5为本申请一实施例示出的尾随人员识别装置的框图，如图5所示，该装置包括：图像获取模块510、特征提取模块520、特征归类模块530以及次数统计模块540。
82.图像获取模块510，用于获取防尾随装置采集的背后图像；
83.特征提取模块520，用于对所述背后图像进行人脸检测和人脸特征提取，获得人脸特征数据；
84.特征归类模块530，用于确定所述人脸特征数据对应的人脸标识，并记录所述人脸特征数据的出现时间；
85.次数统计模块540，用于统计预设时间内同一人脸标识对应的人脸特征数据的出现次数，在所述出现次数超过阈值时，进行防尾随提醒。
86.上述装置中各个模块的功能和作用的实现过程具体详见上述尾随人员识别方法中对应步骤的实现过程，在此不再赘述。
87.在本申请所提供的几个实施例中，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例
如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
88.另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
89.功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read
‑
only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。