一种行人身份识别的方法和装置与流程

本发明涉及图像处理技术领域，具体而言，涉及一种行人身份识别的方法和装置。

背景技术：

目前在对行人身份识别时，一般是通过脸部获得身份识别结果。而在非配合场景下，由于行人脸部与摄像头夹角较大，或是摄像机采集清晰度不足，导致很难分辨出人脸的高清晰度图像，使得人脸比对成功率较低。同时由于底库的一般只将脸部图像与身份信息建立了联系，导致身份确认率较低。

技术实现要素：

为解决上述问题，本发明的目的在于提供一种行人身份识别的方法和装置，可以实现实拍全身图像与底库身份信息的关联并作为下一次身份验证的依据，通过实拍全身图像来验证身份信息。

本发明提供了一种行人身份识别的方法，所述方法包括：

获取第一实拍全身图像和对应的第一实拍脸部图像；

基于底库数据，确定所述第一实拍脸部图像所属人的身份信息，其中，所述底库数据包括多个底库脸部图像和对应的身份信息；

将所述第一实拍全身图像与所述第一实拍脸部图像所属人的身份信息进行关联，并将所述第一实拍全身图像作为底库全身图像存入底库中；

获取待识别行人的第二实拍全身图像；

基于所述第一实拍全身图像和所述第二实拍全身图像，确定所述待识别行人的身份信息。

作为本发明进一步的改进，基于底库数据，确定所述第一实拍脸部图像所属人的身份信息，包括：

提取所述第一实拍脸部图像的特征向量和底库脸部图像的特征向量，作为第一特征向量和第二特征向量；

计算所述第一特征向量和所述第二特征向量的第一脸部相似度；

基于所述第一脸部相似度，确定所述第一实拍脸部图像所属人的身份信息。

作为本发明进一步的改进，基于所述第一脸部相似度，确定所述第一实拍脸部图像所属人的身份信息，包括：

将所述第一脸部相似度与脸部相似度设定阈值进行比较；

若所述第一脸部相似度大于或等于所述脸部相似度设定阈值，确定所述第一实拍脸部图像所属人的身份信息。

作为本发明进一步的改进，基于所述第一实拍全身图像和所述第二实拍全身图像，确定所述待识别行人的身份信息，包括：

提取所述第二实拍全身图像的特征向量和所述第一实拍全身图像的特征向量，作为第三特征向量和第四特征向量；

计算所述第三特征向量和所述第四特征向量的全身相似度；

基于所述全身相似度，确定所述待识别行人的身份信息。

作为本发明进一步的改进，所述方法还包括：

获取所述待识别行人的第二实拍全身图像对应的第二实拍脸部图像；

提取所述第二实拍脸部图像的特征向量和所述第一实拍脸部图像的特征向量，作为第五特征向量和第六特征向量；

计算所述第五特征向量和所述第六特征向量的第二脸部相似度；

显示所述待识别人的身份信息、所述全身相似度和所述第二脸部相似度。

作为本发明进一步的改进，基于所述全身相似度，确定所述待识别行人的身份信息，包括：

将所述全身相似度与全身相似度设定阈值进行比较；

若所述全身相似度大于或等于所述全身相似度设定阈值，根据所述第一实拍全身图像所属人的身份信息确定所述待识别行人的身份信息。

作为本发明进一步的改进，所述方法还包括：

基于所述全身相似度，确定是否对所述底库中的底库全身图像进行更新。

作为本发明进一步的改进，基于所述全身相似度，确定是否对所述底库中的底库全身图像进行更新，包括：

在所述全身相似度大于或等于所述全身相似度设定阈值时，判断所述全身相似度是否大于或等于第一更新阈值；

若所述全身相似度大于或等于所述第一更新阈值，确定对所述底库中的底库全身图像进行更新；

将所述第二实拍全身图像作为新的底库全身图像存入所述底库中，或将所述第一实拍全身图像的特征向量和所述第二实拍全身图像的特征向量融合以生成新的底库全身图像，并将融合后的特征向量及新的底库全身图像存入所述底库中。

作为本发明进一步的改进，将所述第二实拍全身图像作为新的底库全身图像存入所述底库中，或将所述第一实拍全身图像的特征向量和所述第二实拍全身图像的特征向量融合以生成新的底库全身图像，并将融合后的特征向量及新的底库全身图像存入所述底库中，包括：

若所述全身相似度大于或等于第一更新阈值，且小于或等于第二更新阈值时，确定将所述第一实拍全身图像的特征向量和所述第二实拍全身图像的特征向量融合以生成新的底库全身图像，并将融合后的特征向量及新的底库全身图像存入所述底库中；

若所述全身相似度大于第二更新阈值，确定将所述第二实拍全身图像作为新的底库全身图像存入所述底库中。

作为本发明进一步的改进，将所述第一实拍全身图像的特征向量和所述第二实拍全身图像的特征向量融合以生成新的底库全身图像，并将融合后的特征向量及新的底库全身图像存入所述底库中，包括：

根据所述全身相似度，分别确定所述第二实拍全身图像的特征向量和所述第一实拍全身图像的特征向量对应的权重；

根据所述第二实拍全身图像的特征向量和所述第一实拍全身图像的特征向量对应的权重，对所述第二实拍全身图像的特征向量和所述第一实拍全身图像的特征向量进行加权融合以生成新的底库全身图像，并将融合后的特征向量和新的底库全身图像存入所述底库中。

本发明还一种行人身份识别的装置，所述装置包括：

第一实拍模块，用于获取第一实拍全身图像和对应的第一实拍脸部图像；

第一实拍验证模块，用于基于底库数据，确定所述第一实拍脸部图像所属人的身份信息，其中，所述底库数据包括多个底库脸部图像和对应的身份信息；

第一实拍关联模块，用于将所述第一实拍全身图像与所述第一实拍脸部图像所属人的身份信息进行关联，并将所述第一实拍全身图像作为底库全身图像存入底库中；

第二实拍模块，用于获取待识别行人的第二实拍全身图像；

第二实拍验证模块，用于基于所述第一实拍全身图像和所述第二实拍全身图像，确定所述待识别行人的身份信息。

作为本发明进一步的改进，所述第一实拍验证模块用于：

提取所述第一实拍脸部图像的特征向量和底库脸部图像的特征向量，作为第一特征向量和第二特征向量；

计算所述第一特征向量和所述第二特征向量的第一脸部相似度；

基于所述第一脸部相似度，确定所述第一实拍脸部图像所属人的身份信息。

作为本发明进一步的改进，基于所述第一脸部相似度，确定所述第一实拍脸部图像所属人的身份信息，包括：

将所述第一脸部相似度与脸部相似度设定阈值进行比较；

若所述第一脸部相似度大于或等于所述脸部相似度设定阈值，确定所述第一实拍脸部图像所属人的身份信息。

作为本发明进一步的改进，所述第二实拍验证模块用于：

提取所述第二实拍全身图像的特征向量和所述第一实拍全身图像的特征向量，作为第三特征向量和第四特征向量；

计算所述第三特征向量和所述第四特征向量的全身相似度；

基于所述全身相似度，确定所述待识别行人的身份信息。

作为本发明进一步的改进，所述装置还包括：

第二实拍脸部图像获取模块，用于获取所述待识别行人的第二实拍全身图像对应的第二实拍脸部图像；

特征向量提取模块，用于提取所述第二实拍脸部图像的特征向量和所述第一实拍脸部图像的特征向量，作为第五特征向量和第六特征向量；

相似度计算模块，用于计算所述第五特征向量和所述第六特征向量的第二脸部相似度；

显示模块，用于显示所述待识别人的身份信息、所述全身相似度和所述第二脸部相似度。

作为本发明进一步的改进，基于所述全身相似度，确定所述待识别行人的身份信息，包括：

将所述全身相似度与全身相似度设定阈值进行比较；

若所述全身相似度大于或等于所述全身相似度设定阈值，根据所述第一实拍全身图像所属人的身份信息确定所述待识别行人的身份信息。

作为本发明进一步的改进，所述装置还包括：

更新模块，用于根据所述全身相似度，确定是否对所述底库中的底库全身图像进行更新。

作为本发明进一步的改进，所述更新模块用于：

在所述全身相似度大于或等于所述全身相似度设定阈值时，判断所述全身相似度是否大于或等于第一更新阈值；

若所述全身相似度大于或等于所述第一更新阈值，确定对所述底库中的底库全身图像进行更新；

将所述第二实拍全身图像作为新的底库全身图像存入所述底库中，或将所述第一实拍全身图像的特征向量和所述第二实拍全身图像的特征向量融合以生成新的底库全身图像，并将融合后的特征向量及新的底库全身图像存入所述底库中。

作为本发明进一步的改进，将所述第二实拍全身图像作为新的底库全身图像存入所述底库中，或将所述第一实拍全身图像的特征向量和所述第二实拍全身图像的特征向量融合以生成新的底库全身图像，并将融合后的特征向量及新的底库全身图像存入所述底库中，包括：

若所述全身相似度大于或等于第一更新阈值，且小于或等于第二更新阈值时，确定将所述第一实拍全身图像的特征向量和所述第二实拍全身图像的特征向量融合以生成新的底库全身图像，并将融合后的特征向量及新的底库全身图像存入所述底库中；

若所述全身相似度大于第二更新阈值，确定将所述第二实拍全身图像作为新的底库全身图像存入所述底库中。

作为本发明进一步的改进，将所述第一实拍全身图像的特征向量和所述第二实拍全身图像的特征向量融合以生成新的底库全身图像，并将融合后的特征向量及新的底库全身图像存入所述底库中，包括：

根据所述全身相似度，分别确定所述第二实拍全身图像的特征向量和所述第一实拍全身图像的特征向量对应的权重；

根据所述第二实拍全身图像的特征向量和所述第一实拍全身图像的特征向量对应的权重，对所述第二实拍全身图像的特征向量和所述第一实拍全身图像的特征向量进行加权融合以生成新的底库全身图像，并将融合后的特征向量和新的底库全身图像存入所述底库中。

本发明还提供了一种电子设备，包括存储器和处理器，其特征在于，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被处理器执行以实现所述的方法。

本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行以实现所述的方法。

本发明的有益效果为：通过实拍脸部图像和实拍全身图像，可以实现实拍全身图像与底库身份信息的关联并作为下一次身份验证的依据，通过实拍全身图像来验证身份信息。

附图说明

为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本公开一示例性实施例所述的一种行人身份识别的方法的流程示意图；

图2为本公开一示例性实施例所述的底库图像、第一实拍全身图像和第二实拍全身图像的关联示意图；

图3为本公开一示例性实施例所述的一种行人身份识别的方法的实现流程示意图；

图4为本公开又一示例性实施例所述的一种行人身份识别的方法的实现流程示意图；

图5为本公开一示例性实施例所述的更新底库全身图像的流程示意图。

具体实施方式

下面将结合本公开实施例中的附图，对本公开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公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，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，都属于本公开保护的范围。

需要说明，若本公开实施例中有涉及方向性指示(诸如上、下、左、右、前、后……)，则该方向性指示仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。

另外，在本公开的描述中，所用术语仅用于说明目的，并非旨在限制本公开的范围。术语“包括”和/或“包含”用于指定所述元件、步骤、操作和/或组件的存在，但并不排除存在或添加一个或多个其他元件、步骤、操作和/或组件的情况。术语“第一”、“第二”等可能用于描述各种元件，不代表顺序，且不对这些元件起限定作用。此外，在本公开的描述中，除非另有说明，“多个”的含义是两个及两个以上。这些术语仅用于区分一个元素和另一个元素。结合以下附图，这些和/或其他方面变得显而易见，并且，本领域普通技术人员更容易理解关于本公开所述实施例的说明。附图仅出于说明的目的用来描绘本公开所述实施例。本领域技术人员将很容易地从以下说明中认识到，在不背离本公开所述原理的情况下，可以采用本公开所示结构和方法的替代实施例。

本公开实施例所述的一种行人身份识别的方法，如图1所示，所述方法包括：

获取第一实拍全身图像和对应的第一实拍脸部图像；

基于底库数据，确定第一实拍脸部图像所属人的身份信息，其中，底库数据包括多个底库脸部图像和对应的身份信息；

将第一实拍全身图像与第一实拍脸部图像所属人的身份信息进行关联，并将第一实拍全身图像作为底库全身图像存入底库中；

获取待识别行人的第二实拍全身图像；

基于第一实拍全身图像和第二实拍全身图像，确定待识别行人的身份信息。

本公开所述的方法加入了实拍全身图像来进行身份验证，如图2所示，获取一次清晰拍摄(例如第一实拍)的第一实拍脸部图像和对应的第一实拍全身图像，将第一实拍脸部图像与底库脸部图像进行关联，可以获取第一实拍脸部图像所属人的身份信息，而第一实拍脸部图像和第一实拍全身图像是对应关联的，通过第一实拍脸部图像所属人的身份信息，即可确定第一实拍全身图像的身份信息，同时将第一实拍全身图像作为底库全身图像，便于通过实拍全身图像进行身份验证。待下一次拍摄到第二实拍全身图像时，可以与底库全身图像进行比对，获取第二实拍全身图像所属人的身份信息，实现第二实拍全身图像和第一实拍全身图像的关联。本公开所述的方法，通过实拍脸部图像和实拍全身图像，可以实现实拍全身图像与底库身份信息的关联并作为下一次身份验证的依据，这样可以通过实拍全身图像来获取身份信息。

在一种可选的实施方式中，基于底库数据，确定第一实拍脸部图像所属人的身份信息，包括：

提取第一实拍脸部图像的特征向量和底库脸部图像的特征向量，作为第一特征向量和第二特征向量；

计算第一特征向量和第二特征向量的第一脸部相似度；

基于第一脸部相似度，确定第一实拍脸部图像所属人的身份信息。

在一种可选的实施方式中，基于第一脸部相似度，确定第一实拍脸部图像所属人的身份信息，包括：

将第一脸部相似度与脸部相似度设定阈值进行比较；

若第一脸部相似度大于或等于脸部相似度设定阈值，确定第一实拍脸部图像所属人的身份信息。

底库中已经预存了多个底库脸部图像和对应的身份信息，作为底库数据。在进行第一实拍图像的身份验证时，通过第一实拍脸部图像与底库中的底库脸部图像逐一计算第一脸部相似度来对比，当第一脸部相似度达到或超出脸部相似度设定阈值时，可以理解为第一实拍脸部图像与底库中的底库脸部图像具有高相似度，即可确定第一实拍脸部图像所属人的身份信息。其中，脸部相似度阈值预先设定，本公开对脸部相似度阈值不做具体限定。在进行脸部相似度计算时，例如可以通过计算第一实拍脸部图像和底库脸部图像的特征向量的余弦距离来获取，本公开对第一脸部相似度的计算不做具体限定。

在一种可选的实施方式中，基于第一实拍全身图像和第二实拍全身图像，确定待识别行人的身份信息，包括：

提取第二实拍全身图像的特征向量和第一实拍全身图像的特征向量，作为第三特征向量和第四特征向量；

计算第三特征向量和第四特征向量的全身相似度；

基于全身相似度，确定待识别行人的身份信息。

在另一种可选的实施方式中，基于全身相似度，确定待识别行人的身份信息，包括：

将全身相似度与全身相似度设定阈值进行比较；

若全身相似度大于或等于全身相似度设定阈值，根据第一实拍全身图像所属人的身份信息确定待识别行人的身份信息。

如图3所示，在获取待识别行人的实拍图像时，例如可以获取第二实拍全身图像，通过第二实拍全身图像与第一实拍全身图像计算全身相似度来比对，验证身份信息。当全身相似度达到或超出全身相似度设定阈值时，可以理解为第二实拍全身图像与第一实拍全身图像具有高相似度，即可根据第一实拍全身图像所属人的身份信息来确定第二实拍全身图像所属人的身份信息，即待识别行人的身份信息。其中，全身相似度阈值预先设定，本公开对全身相似度阈值不做具体限定。在进行全身相似度计算时，例如可以通过计算第二实拍全身图像与第一实拍全身图像的特征向量的余弦距离来获取，本公开对全身相似度的计算不做具体限定。在获取第二实拍全身图像所属人的身份信息和全身相似度后，还可以将该身份信息和全身相似度显示给待识别行人。

在一种可选的实施方式中，所述方法还包括：

获取待识别行人的第二实拍全身图像对应的第二实拍脸部图像；

提取第二实拍脸部图像的特征向量和第一实拍脸部图像的特征向量，作为第五特征向量和第六特征向量；

计算第五特征向量和第六特征向量的第二脸部相似度；

显示待识别人的身份信息、全身相似度和第二脸部相似度。

如图4所示，在获取待识别行人的实拍图像时，例如可以获取第二实拍全身图像，通过第二实拍全身图像与第一实拍全身图像计算全身相似度来比对，验证身份信息。当全身相似度达到或超出全身相似度设定阈值时，可以理解为第二实拍全身图像与第一实拍全身图像具有高相似度，即可根据第一实拍全身图像所属人的身份信息来确定第二实拍全身图像所属人的身份信息，即待识别行人的身份信息。其中，全身相似度阈值预先设定，本公开对全身相似度阈值不做具体限定。在进行全身相似度计算时，例如可以通过计算第二实拍全身图像与第一实拍全身图像的特征向量的余弦距离来获取，本公开对全身相似度的计算不做具体限定。在获取第二实拍全身图像后，还可以获取第二实拍全身图像对应的第二实拍脸部图像，计算第二实拍脸部图像和第一实拍脸部图像的第二脸部相似度，第二脸部相似度用于显示给待识别行人。其中，第二脸部相似度例如可以通过计算第二实拍脸部图像与第一实拍脸部图像的特征向量的余弦距离来获取，本公开对第二脸部相似度的计算不做具体限定。在获取第二实拍全身图像所属人的身份信息、全身相似度和第二脸部相似度后，还可以将该身份信息、全身相似度和第二脸部相似度显示给待识别行人。

在一种可选的实施方式中，方法还包括：基于全身相似度，确定是否对底库中的底库全身图像进行更新。

在一种可选的实施方式中，基于全身相似度，确定是否对底库中的底库全身图像进行更新，包括：

在全身相似度大于或等于全身相似度设定阈值时，判断全身相似度是否大于或等于第一更新阈值；

若全身相似度大于或等于第一更新阈值，确定对底库中的底库全身图像进行更新；

将第二实拍全身图像作为新的底库全身图像存入底库中，或将第一实拍全身图像的特征向量和第二实拍全身图像的特征向量融合以生成新的底库全身图像，并将融合后的特征向量及新的底库全身图像存入底库中。

在各种不同的场景，例如待识别行人的服饰变化、头饰变化等，当实拍待识别行人的全身图像时，可能会出现全身信息变动较大的情况，使得通过全身实拍图像验证身份的通过率较低。如图5所示，可以根据情况对全身图像进行更新，作为新的底库全身图像，待下一次拍摄到实拍全身图像时，可以与新的底库全身图像进行比对，提高身份确认率。

在一种可选的实施方式中，将第二实拍全身图像作为新的底库全身图像存入底库中，或将第一实拍全身图像的特征向量和第二实拍全身图像的特征向量融合以生成新的底库全身图像，并将融合后的特征向量及新的底库全身图像存入底库中，包括：

若全身相似度大于或等于第一更新阈值，且小于或等于第二更新阈值时，确定将第一实拍全身图像的特征向量和第二实拍全身图像的特征向量融合以生成新的底库全身图像，并将融合后的特征向量及新的底库全身图像存入底库中；

若全身相似度大于第二更新阈值，确定将第二实拍全身图像作为新的底库全身图像存入底库中。

可以根据全身相似度值的大小来选择替换第一实拍全身图像还是加权融合第一实拍全身图像的特征向量。例如，可以设定第一更新阈值和第二更新阈值，全身相似度值在两个更新阈值区间内时，可以理解为全身相似度还没有达到完全替换的程度，可以选择对第一实拍全身图像的特征向量进行融合处理，弱化(减小)第一实拍全身图像与底库身份的关联。在全身相似度值大于第二更新阈值时，可以理解为第二实拍全身图像具有非常高的相似度，可以选择对第一实拍全身图像进行替换，去除第一实拍全身图像与底库身份的关联。其中，第一更新阈值和第二更新阈值预先设定，本公开对两个更新阈值不做具体限定。

在一种可选的实施方式中，将第一实拍全身图像的特征向量和第二实拍全身图像的特征向量融合以生成新的底库全身图像，并将融合后的特征向量及新的底库全身图像存入底库中，包括：

根据所述全身相似度，确定第二实拍全身图像的特征向量和第一实拍全身图像的特征向量对应的权重；

根据第二实拍全身图像的特征向量和第一实拍全身图像的特征向量对应的权重，对第二实拍全身图像的特征向量和第一实拍全身图像的特征向量进行加权融合以生成新的底库全身图像，并将融合后的特征向量和新的底库全身图像存入底库中。

本公开在对第二实拍全身图像的特征向量和第一实拍全身图像的特征向量进行加权融合时，可以根据全身相似度的大小，来分别确定第二实拍全身图像的特征向量和第一实拍全身图像的特征向量对应的权重，两者的权重和为1，再根据各自的权重进行加权融合，以此来弱化第一实拍全身图像与底库身份的关联。

本公开实施例的一种行人身份识别的装置，所述装置包括：

第一实拍模块，用于获取第一实拍全身图像和对应的第一实拍脸部图像；

第一实拍验证模块，用于基于底库数据，确定第一实拍脸部图像所属人的身份信息，其中，底库数据包括多个底库脸部图像和对应的身份信息；

第一实拍关联模块，用于将第一实拍全身图像与第一实拍脸部图像所属人的身份信息进行关联，并将第一实拍全身图像作为底库全身图像存入底库中；

第二实拍模块，用于获取待识别行人的第二实拍全身图像；

第二实拍验证模块，用于基于第一实拍全身图像和第二实拍全身图像，确定待识别行人的身份信息。

在一种可选的实施方式中，第一实拍验证模块用于：

提取第一实拍脸部图像的特征向量和底库脸部图像的特征向量，作为第一特征向量和第二特征向量；

计算第一特征向量和第二特征向量的第一脸部相似度；

基于第一脸部相似度，确定第一实拍脸部图像所属人的身份信息。

本公开所述的装置加入了实拍全身图像来进行身份验证，如图2所示，获取一次清晰拍摄(例如第一实拍)的第一实拍脸部图像和对应的第一实拍全身图像，将第一实拍脸部图像与底库脸部图像进行关联，可以获取第一实拍脸部图像所属人的身份信息，而第一实拍脸部图像和第一实拍全身图像是对应关联的，通过第一实拍脸部图像所属人的身份信息，即可确定第一实拍全身图像的身份信息，同时将第一实拍全身图像作为底库全身图像，便于通过实拍全身图像进行身份验证。待下一次拍摄到第二实拍全身图像时，可以与底库全身图像进行比对，获取第二实拍全身图像所属人的身份信息，实现第二实拍全身图像和第一实拍全身图像的关联。本公开所述的方法，通过实拍脸部图像和实拍全身图像，可以实现实拍全身图像与底库身份信息的关联并作为下一次身份验证的依据，这样可以通过实拍全身图像来获取身份信息。

在一种可选的实施方式中，第一实拍验证模块基于第一脸部相似度，确定第一实拍脸部图像所属人的身份信息，包括：

将第一脸部相似度与脸部相似度设定阈值进行比较；

若第一脸部相似度大于或等于脸部相似度设定阈值，确定第一实拍脸部图像所属人的身份信息。

底库中已经预存了多个底库脸部图像和对应的身份信息，作为底库数据。第一实拍验证模块在进行第一实拍图像的身份验证时，通过第一实拍脸部图像与底库中的底库脸部图像逐一计算第一脸部相似度来对比，当第一脸部相似度达到或超出脸部相似度设定阈值时，可以理解为第一实拍脸部图像与底库中的底库脸部图像具有高相似度，即可确定第一实拍脸部图像所属人的身份信息。其中，脸部相似度阈值预先设定，本公开对脸部相似度阈值不做具体限定。在进行脸部相似度计算时，例如可以通过计算第一实拍脸部图像和底库脸部图像的特征向量的余弦距离来获取，本公开对第一脸部相似度的计算不做具体限定。

在一种可选的实施方式中，第二实拍验证模块用于：

提取第二实拍全身图像的特征向量和第一实拍全身图像的特征向量，作为第三特征向量和第四特征向量；

计算第三特征向量和第四特征向量的全身相似度；

基于全身相似度，确定待识别行人的身份信息。

在另一种可选的实施方式中，基于全身相似度，确定待识别行人的身份信息，包括：

将全身相似度与全身相似度设定阈值进行比较；

若全身相似度大于或等于全身相似度设定阈值，根据第一实拍全身图像所属人的身份信息确定待识别行人的身份信息。

如图3所示，第二实拍模块在获取待识别行人的实拍图像时，例如可以获取第二实拍全身图像，第二实拍验证模块通过第二实拍全身图像与第一实拍全身图像计算全身相似度来比对，验证身份信息。当全身相似度达到或超出全身相似度设定阈值时，可以理解为第二实拍全身图像与第一实拍全身图像具有高相似度，即可根据第一实拍全身图像所属人的身份信息来确定第二实拍全身图像所属人的身份信息，即待识别行人的身份信息。其中，全身相似度阈值预先设定，本公开对全身相似度阈值不做具体限定。在进行全身相似度计算时，例如可以通过计算第二实拍全身图像与第一实拍全身图像的特征向量的余弦距离来获取，本公开对全身相似度的计算不做具体限定。在获取第二实拍全身图像所属人的身份信息和全身相似度后，还可以将该身份信息和全身相似度显示给待识别行人。

在一种可选的实施方式中，所述装置还包括：

第二实拍脸部图像获取模块，用于获取所述待识别行人的第二实拍全身图像对应的第二实拍脸部图像；

特征向量提取模块，用于提取所述第二实拍脸部图像的特征向量和所述第一实拍脸部图像的特征向量，作为第五特征向量和第六特征向量；

相似度计算模块，用于计算所述第五特征向量和所述第六特征向量的第二脸部相似度；

显示模块，用于显示所述待识别人的身份信息、所述全身相似度和所述第二脸部相似度。

如图4所示，第二实拍模块在获取待识别行人的实拍图像时，例如可以获取第二实拍全身图像，第二实拍验证模块通过第二实拍全身图像与第一实拍全身图像计算全身相似度来比对，验证身份信息。当全身相似度达到或超出全身相似度设定阈值时，可以理解为第二实拍全身图像与第一实拍全身图像具有高相似度，即可根据第一实拍全身图像所属人的身份信息来确定第二实拍全身图像所属人的身份信息，即待识别行人的身份信息。其中，全身相似度阈值预先设定，本公开对全身相似度阈值不做具体限定。在进行全身相似度计算时，例如可以通过计算第二实拍全身图像与第一实拍全身图像的特征向量的余弦距离来获取，本公开对全身相似度的计算不做具体限定。第二实拍模块在获取第二实拍全身图像后，还可以获取第二实拍全身图像对应的第二实拍脸部图像，第二实拍验证模块计算第二实拍脸部图像和第一实拍脸部图像的第二脸部相似度，该第二脸部相似度用于显示给待识别行人。其中，第二脸部相似度例如可以通过计算第二实拍脸部图像与第一实拍脸部图像的特征向量的余弦距离来获取，本公开对第二脸部相似度的计算不做具体限定。在获取第二实拍全身图像所属人的身份信息、全身相似度和第二脸部相似度后，还可以将该身份信息、全身相似度和第二脸部相似度显示给待识别行人。

在一种可选的实施方式中，所述装置还包括：

更新模块，用于根据全身相似度，确定是否对底库中的底库全身图像进行更新。

在一种可选的实施方式中，更新模块用于：

在全身相似度大于或等于全身相似度设定阈值时，判断全身相似度是否大于或等于第一更新阈值；

若全身相似度大于或等于第一更新阈值，确定对底库中的底库全身图像进行更新；

将第二实拍全身图像作为新的底库全身图像存入底库中，或将第一实拍全身图像的特征向量和第二实拍全身图像的特征向量融合以生成新的底库全身图像，并将融合后的特征向量及新的底库全身图像存入底库中。

在各种不同的场景，例如待识别行人的服饰变化、头饰变化等，当实拍待识别行人的全身图像时，可能会出现全身信息变动较大的情况，使得通过全身实拍图像验证身份的通过率较低。如图5所示，可以根据情况对全身图像进行更新，作为新的底库全身图像，待下一次拍摄到实拍全身图像时，可以与新的底库全身图像进行比对，提高身份确认率。

在一种可选的实施方式中，将第二实拍全身图像作为新的底库全身图像存入底库中，或将第一实拍全身图像的特征向量和第二实拍全身图像的特征向量融合以生成新的底库全身图像，并将融合后的特征向量及新的底库全身图像存入底库中，包括：

若全身相似度大于或等于第一更新阈值，且小于或等于第二更新阈值时，确定将第一实拍全身图像的特征向量和第二实拍全身图像的特征向量融合以生成新的底库全身图像，并将融合后的特征向量及新的底库全身图像存入底库中；

若全身相似度大于第二更新阈值，确定将第二实拍全身图像作为新的底库全身图像存入底库中。

更新模块可以根据全身相似度值的大小来选择替换第一实拍全身图像还是加权融合第一实拍全身图像的特征向量。例如，可以设定第一更新阈值和第二更新阈值，全身相似度值在两个更新阈值区间内时，可以理解为全身相似度还没有达到完全替换的程度，可以选择对第一实拍全身图像的特征向量进行融合处理，弱化(减小)第一实拍全身图像与底库身份的关联。在全身相似度值大于第二更新阈值时，可以理解为第二实拍全身图像具有非常高的相似度，可以选择对第一实拍全身图像进行替换，去除第一实拍全身图像与底库身份的关联。其中，第一更新阈值和第二更新阈值预先设定，本公开对两个更新阈值不做具体限定。

在一种可选的实施方式中，将第一实拍全身图像的特征向量和第二实拍全身图像的特征向量融合以生成新的底库全身图像，并将融合后的特征向量及新的底库全身图像存入底库中，包括：

根据全身相似度，分别确定第二实拍全身图像的特征向量和第一实拍全身图像的特征向量对应的权重；

根据第二实拍全身图像的特征向量和第一实拍全身图像的特征向量对应的权重，对第二实拍全身图像的特征向量和第一实拍全身图像的特征向量进行加权融合以生成新的底库全身图像，并将融合后的特征向量和新的底库全身图像存入底库中。

本公开还涉及一种电子设备，包括服务器、终端等。该电子设备包括：至少一个处理器；与至少一个处理器通信连接的存储器；以及与存储介质通信连接的通信组件，所述通信组件在处理器的控制下接收和发送数据；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行以实现上述实施例中的行人身份识别的方法。

在一种可选的实施方式中，存储器作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。处理器通过运行存储在存储器中的非易失性软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现行人身份识别的方法。

存储器可以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、至少一个功能所需要的应用程序；存储数据区可存储选项列表等。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，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至外接设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

一个或者多个模块存储在存储器中，当被一个或者多个处理器执行时，执行上述任意方法实施例中的行人身份识别的方法。

上述产品可执行本申请实施例所提供的行人身份识别的方法，具备执行方法相应的功能模块和有益效果，未在本实施例中详尽描述的技术细节，可参见本申请实施例所提供的行人身份识别的方法。

本公开还涉及一种计算机可读存储介质，用于存储计算机可读程序，所述计算机可读程序用于供计算机执行上述部分或全部的行人身份识别的方法实施例。

即，本领域技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本申请各实施例所述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-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本公开的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

此外，本领域普通技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本公开的范围之内并且形成不同的实施例。例如，在权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本领域技术人员应理解，尽管已经参考示例性实施例描述了本公开，但是在不脱离本公开的范围的情况下，可进行各种改变并可用等同物替换其元件。另外，在不脱离本公开的实质范围的情况下，可进行许多修改以使特定情况或材料适应本公开的教导。因此，本公开不限于所公开的特定实施例，而是本公开将包括落入所附权利要求范围内的所有实施例。