基于邻居记忆的身份识别方法和装置

本发明涉及图像处理，具体地，涉及一种基于邻居记忆的身份识别方法和装置。

背景技术：

1、目前，最常见的考勤方式仍然是通过课堂点名或教师目视检查的方式，统计出勤和缺勤学生。但由于学生人数众多，这种方式效率低下，会占用教师和学生宝贵的课堂时间。随着电子信息和计算机技术的发展，许多学校都建设了智慧校园，即基于高清摄像头的人脸识别考勤系统。但在教室环境下，由于低头、侧脸、遮挡物等原因，现有技术或方法还无法识别这类难识别图片的学生身份，也无法预测难识别图片的身份范围。

2、针对这些方法中存在的问题，人们又提出了一种基于监控图像座位判别的中小学课堂自动考勤系统，该方案中要求保存每个教室座位和学号的关系。但是，在高校中学生的座位并不固定，登记每个教室的座位和学号关系几乎不可能。

技术实现思路

1、针对现有技术中的缺陷，本发明的目的是提供一种基于邻居记忆的身份识别方法和装置。

2、第一方面，本技术实施例提供一种基于邻居记忆的身份识别方法，包括：

3、步骤1：根据获取到的课堂图片和学生名单，进行人头检测和人脸识别，得到学生列表，记为s＝[b1,b2,…bn]；

4、步骤2：遍历学生列表s，若bi未识别，则根据难识别图片进行身份推荐，若bi已识别，则对邻居关系进行更新，得到识别后的学生列表，记为s’＝[b1’,b2’,…bn’]；其中，下标i的取值为1,2,3,…n，n为检测出的人头总数，bi表示第i个框。

5、可选地，所述步骤1包括：

6、步骤1.1：对所述课堂图片进行人头检测，输出n个包含人头的框，记为(xi,yi,wi,hi)，下标i的取值为1,2,3,…n，n为检测出的人头总数；其中，xi是第i个框中心点的x轴坐标，yi是第i个框中心点的y轴坐标，wi是第i个框的宽度，hi是第i个框的高度；

7、步骤1.2：对检测出的框进行图像分割，得到n张分割图片；

8、步骤1.3：采用人脸识别技术，分别对n张分割图片进行识别，得到学生列表s，其中，bi＝(xi,yi,wi,hi)。

9、可选地，当教室座位布局为横排时，所述步骤2中对邻居关系进行更新，包括：

10、假设sd是s中已识别身份的框列表，对于当前框bi，循环检查sd中的每个框bj；其中，下标j的取值为1,2,3,…n1，n1表示已识别身份的框总数；

11、如果bj和bi的x轴距离小于τ，则更新邻居关系表中身份等于idi的行，插入idj到邻居列的最前面；如果bj和bi的x轴距离不小于τ，则处理下一个框；其中，τ为经验值，从s中框与框的最小距离估计得到；idi表示第i个框对应的学生身份，idj表示第j个框对应的学生身份。

12、可选地，当教室座位布局为竖排时，所述步骤2中对邻居关系进行更新，包括：

13、假设sd是s中已识别身份的框列表，对于当前框bi，循环检查sd中的每个框bj；其中，下标j的取值为1,2,3,…n1，n1表示已识别身份的框总数；

14、如果bj和bi的y轴距离小于τ，则更新邻居关系表中身份等于idi的行，插入idj到邻居列的最前面；如果bj和bi的y轴距离不小于τ，则处理下一个框；其中，τ为经验值，从s中框与框的最小距离估计得到；idi表示第i个框对应的学生身份，idj表示第j个框对应的学生身份。

15、可选地，当教室座位布局为横排时，所述步骤2中根据难识别图片进行身份推荐，包括：

16、假设sd是s中已识别身份的框列表，对于当前框bi，循环检查sd中的每个框bk；其中，下标k的取值为1,2,3,…n1，n1表示已识别身份的框总数；

17、如果bk和bi的x轴距离小于τ，则判定那么bk是bi的邻居，用idi查询邻居关系表中bk的邻居mi，把mi插入到推荐列表li；如果bk和bi的x轴距离不小于τ，则调到下一个框；其中，τ为经验值，从s中框与框的最小距离估计得到；

18、剔除li中不在学生名单中的元素；

19、li剔除sd中的元素后，记为idi，idi表示第i个框对应的学生身份。

20、可选地，当教室座位布局为竖排时，所述步骤2中根据难识别图片进行身份推荐，包括：

21、假设sd是s中已识别身份的框列表，对于当前框bi，循环检查sd中的每个框bk；其中，下标k的取值为1,2,3,…n1，n1表示已识别身份的框总数；

22、如果bk和bi的y轴距离小于τ，则判定那么bk是bi的邻居，用idi查询邻居关系表中bk的邻居mi，把mi插入到推荐列表li；如果bk和bi的y轴距离不小于τ，则调到下一个框；其中，τ为经验值，从s中框与框的最小距离估计得到；

23、剔除li中不在学生名单中的元素；

24、li剔除sd中的元素后，记为idi，idi表示第i个框对应的学生身份。

25、第二方面，本技术实施例提供一种基于邻居记忆的身份识别装置，包括：

26、检测和识别模块，用于根据获取到的课堂图片和学生名单，进行人头检测和人脸识别，得到学生列表，记为s＝[b1,b2,…bn]；

27、身份识别模块，用于遍历学生列表s，若bi未识别，则根据难识别图片进行身份推荐，若bi已识别，则对邻居关系进行更新，得到识别后的学生列表，记为s’＝[b1’,b2’,…bn’]；其中，下标i的取值为1,2,3,…n，n为检测出的人头总数，bi表示第i个框。

28、可选地，所述身份识别模块，具体用于：

29、对所述课堂图片进行人头检测，输出n个包含人头的框，记为(xi,yi,wi,hi)，下标i的取值为1,2,3,…n，n为检测出的人头总数；其中，xi是第i个框中心点的x轴坐标，yi是第i个框中心点的y轴坐标，wi是第i个框的宽度，hi是第i个框的高度；

30、对检测出的框进行图像分割，得到n张分割图片；

31、采用人脸识别技术，分别对n张分割图片进行识别，得到学生列表s，其中，bi＝(xi,yi,wi,hi)。

32、可选地，当教室座位布局为横排，且bi已识别时，所述身份识别模块，具体用于：

33、假设sd是s中已识别身份的框列表，对于当前框bi，循环检查sd中的每个框bj；其中，下标j的取值为1,2,3,…n1，n1表示已识别身份的框总数；

34、如果bj和bi的x轴距离小于τ，则更新邻居关系表中身份等于idi的行，插入idj到邻居列的最前面；如果bj和bi的x轴距离不小于τ，则处理下一个框；其中，τ为经验值，从s中框与框的最小距离估计得到；idi表示第i个框对应的学生身份，idj表示第j个框对应的学生身份。

35、可选地，当教室座位布局为竖排，且bi已识别时，所述身份识别模块，具体用于：

36、假设sd是s中已识别身份的框列表，对于当前框bi，循环检查sd中的每个框bj；其中，下标j的取值为1,2,3,…n1，n1表示已识别身份的框总数；

37、如果bj和bi的y轴距离小于τ，则更新邻居关系表中身份等于idi的行，插入idj到邻居列的最前面；如果bj和bi的y轴距离不小于τ，则处理下一个框；其中，τ为经验值，从s中框与框的最小距离估计得到；idi表示第i个框对应的学生身份，idj表示第j个框对应的学生身份。

38、可选地，当教室座位布局为横排，且bi未识别时，所述身份识别模块，具体用于：

39、假设sd是s中已识别身份的框列表，对于当前框bi，循环检查sd中的每个框bk；其中，下标k的取值为1,2,3,…n1，n1表示已识别身份的框总数；

40、如果bk和bi的x轴距离小于τ，则判定那么bk是bi的邻居，用idi查询邻居关系表中bk的邻居mi，把mi插入到推荐列表li；如果bk和bi的x轴距离不小于τ，则调到下一个框；其中，τ为经验值，从s中框与框的最小距离估计得到；

41、剔除li中不在学生名单中的元素；

42、li剔除sd中的元素后，记为idi，idi表示第i个框对应的学生身份。

43、可选地，当教室座位布局为竖排，且bi未识别时，所述身份识别模块，具体用于：

44、假设sd是s中已识别身份的框列表，对于当前框bi，循环检查sd中的每个框bk；其中，下标k的取值为1,2,3,…n1，n1表示已识别身份的框总数；

45、如果bk和bi的y轴距离小于τ，则判定那么bk是bi的邻居，用idi查询邻居关系表中bk的邻居mi，把mi插入到推荐列表li；如果bk和bi的y轴距离不小于τ，则调到下一个框；其中，τ为经验值，从s中框与框的最小距离估计得到；

46、剔除li中不在学生名单中的元素；

47、li剔除sd中的元素后，记为idi，idi表示第i个框对应的学生身份。

48、第三方面，本技术实施例提供一种基于邻居记忆的身份识别设备，包括：处理器和存储器，所述存储器中存储有可执行的程序指令，所述处理器调用所述存储器中的程序指令时，所述处理器用于：

49、执行如第一方面中任一项所述的基于邻居记忆的身份识别方法的步骤。

50、第四方面，本技术实施例提供一种计算机可读存储介质，用于存储程序，所述程序被执行时实现如第一方面中任一项所述的基于邻居记忆的身份识别方法的步骤。

51、与现有技术相比，本发明具有如下的有益效果：

52、本技术中通过历史上的学生邻居关系，根据易识别邻居的历史邻居推测难识别图片的身份，解决复杂课堂环境下的身份识别问题，可以有效识别出低头、侧脸、互遮挡学生的身份，提升身份识别的查全率，避免因为教室环境、学生活动等客观因素造成的漏识别和错误识别，识别准确度大大提升。