一種匹配人體特征與MAC地址的方法及系統技術方案

本發明專利技術公開了一種匹配人體特征與MAC地址的方法及系統，其中方法包括接收監控范圍內的視頻圖像獲取人臉圖像和/或身體圖像，提取人臉特征或身體特征并分別聚類為人臉聚類或身體聚類，將同一人的人臉聚類與身體聚類進行關聯并聚類，獲取人體運動軌跡；獲取移動設備的MAC記錄存儲至MAC日志數據庫，繪制移動設備運動軌跡；根據人體運動軌跡獲取并遍歷每個人體，計算每個人體與運動軌跡中每個移動設備的匹配成功的次數c

Method and system for matching human body characteristic and MAC address

The invention discloses a method and a system for matching human characteristics and MAC address, the method includes receiving video monitoring range for face image and / or body image, face feature extraction and clustering or physical characteristics of face or body will face clustering clustering, clustering and clustering of the same body of association and clustering, acquire human motion trajectory; access to mobile devices MAC records stored on a MAC log database, rendering mobile device motion trajectory; based on human motion trajectories to obtain and traverse each human, each human calculation and motion trajectory in mobile devices, the number of successful C

【技術實現步驟摘要】
一種匹配人體特征與MAC地址的方法及系統
本專利技術屬于視頻圖像處理
，具體而言，涉及一種匹配人體特征與MAC地址的方法及系統。
技術介紹
通過人的圖像信息來確定人員身份的技術日趨成熟，然而現有算法只利用了監控視頻的人臉信息。這種方法往往因攝像機清晰度和架設角度原因，無法抓拍到清晰的人臉。只有當人臉正對攝像機時攝像機才能夠抓拍到人臉，而大角度側臉和人背對相機的情況下，會出現人臉抓拍失敗的情況從而影響人員身份確定效果。因此利用MAC探針探測周邊移動設備的MAC地址來提高人員身份確定的技術隨之產生。但這種技術的算法僅僅利用人臉特征進行，并且算法復雜運算速度慢。
技術實現思路
為解決上述技術缺陷，本專利技術結合人臉特征、身體特征以及MAC地址信息，計算人體特征與MAC的匹配度，防止了因攝像頭未拍到人臉特征而無法確定人員身份，同時本專利技術通過簡單的余弦距離算法提高了對人員的區分，進而加快了計算人體特征與MAC地址的匹配速度。本專利技術提供了一種匹配人體特征與MAC地址的方法，包括如下步驟：接收監控范圍內的視頻圖像獲取人臉圖像和/或身體圖像，將人臉圖像和/或身體圖像以及抓拍時間與地點生成圖像數據后存儲至圖像日志數據庫后，提取人臉特征或身體特征并分別聚類為人臉聚類或身體聚類，將同一人的人臉聚類與身體聚類進行關聯并聚類，并結合聚類中人臉圖像和/或身體圖像對應的時間和地點，獲取人體運動軌跡；獲取移動設備的MAC記錄存儲至MAC日志數據庫，按照時間順序繪制移動設備運動軌跡，其中，MAC記錄包括對移動設備的編號、MAC地址、記錄時間和記錄地點；根據人體運動軌跡獲取并遍歷每個人體，計算每個人體與運動軌跡中每個移動設備的匹配成功的次數cij及每個移動設備運動軌跡的時間段內出現的次數根據cij與的比值獲取每個人與移動設備的匹配度。進一步，所述接收監控范圍內的視頻圖像獲取人臉圖像和/或身體圖像，將人臉圖像和/或身體圖像以及抓拍時間與地點生成圖像數據后存儲至圖像日志數據庫后，提取人臉特征或身體特征并分別聚類為人臉聚類或身體聚類，將同一人的人臉聚類與身體聚類進行關聯并聚類，獲取人體運動軌跡包括獲取視頻圖像中包括人臉特征或身體特征的圖像視頻幀的數量n，并提取所有人臉特征或身體特征；選定人臉特征或身體特征，計算選定的人臉特征或身體特征與其他的人臉特征或身體特征的余弦距離；將余弦距離與預設的判別閾值進行比較，將大于判別閾值的人臉特征或身體特征聚類為人臉聚類或身體聚類；將同一個人的人臉特征與身體特征進行關聯，根據關聯信息將同一個人的人臉聚類和身體聚類合并。進一步，所述根據人體運動軌跡獲取并遍歷每個人體，計算每個人體與運動軌跡中每個移動設備的匹配成功的次數cij及每個移動設備運動軌跡的時間段內出現的次數根據cij與的比值獲取每個人與移動設備的匹配度還包括獲取所有的匹配度，并根據人體數量與移動設備數量生成匹配度矩陣；判斷匹配度矩陣是否為方形矩陣，是則按照匈牙利算法輸出人與移動設備匹配的對應關系，否則將匹配度矩陣補充為方形矩陣后，再應用匈牙利算法輸出人與移動設備匹配的對應關系。進一步，所述計算每個人體與運動軌跡中每個移動設備的匹配成功的次數cij包括遍歷移動設備運動軌跡獲取目標移動設備的MAC記錄，并按照時間順序進行排序，獲取目標移動設備出現的時間段；獲取目標移動設備的記錄地點，獲取該記錄地點目標移動設備連續出現的所有時間點，得到該目標移動設備在該記錄地點出現的開始時間ks以及結束時間ke；計算ks與ke時間段內目標移動設備出現的次數并統計目標移動設備出現的時間段內的總個數進一步，所述計算每個人體與運動軌跡中每個移動設備的匹配成功的次數cij及每個移動設備運動軌跡的時間段內出現的次數包括遍歷移動設備運動軌跡獲取目標移動設備的MAC記錄，并按照時間順序進行排序，獲取目標移動設備出現的時間段；根據獲取目標移動設備的MAC記錄獲取其對應的時間點t1,根據時間點t1設置目標移動設備的時間判斷區間判斷目標移動設備出現的各個時間段是否有重合，如果有，則合并并獲取對應的人臉特征和/或身體特征出現的時間點，判斷每個人臉特征或身體特征出現的時間點是否在目標移動設備出現的時間判斷區間內，是則匹配次數加1，統計所有的匹配次數為人臉或身體與移動設備匹配成功的次數cij，其中，cij表示第i個人臉特征或身體特征與第j個移動設備的匹配成功次數。本專利技術還提供了一種匹配人體特征與MAC地址的系統，包括圖像日志模塊，用于接收監控范圍內的視頻圖像獲取人臉圖像和/或身體圖像，將人臉圖像和/或身體圖像以及抓拍時間與地點生成圖像數據后存儲至圖像日志數據庫后，提取人臉特征或身體特征并分別聚類為人臉聚類或身體聚類，將同一人的人臉聚類與身體聚類進行關聯并聚類，并結合聚類中人臉圖像和/或身體圖像對應的時間和地點，獲取人體運動軌跡；MAC日志模塊，用于獲取移動設備的MAC記錄存儲至MAC日志數據庫，按照時間順序繪制移動設備運動軌跡，其中，MAC記錄包括對移動設備的編號、MAC地址、記錄時間和記錄地點；匹配模塊，用于根據人體運動軌跡獲取并遍歷每個人體，計算每個人體與運動軌跡中每個移動設備的匹配成功的次數cij及每個移動設備運動軌跡的時間段內出現的次數根據cij與的比值獲取每個人與移動設備的匹配度。進一步，圖像日志模塊包括特征提取單元，用于獲取視頻圖像中包括人臉特征或身體特征的圖像視頻幀的數量n，并提取所有人臉特征或身體特征；特征計算單元，用于選定人臉特征或身體特征，計算選定的人臉特征或身體特征與其他的人臉特征或身體特征的余弦距離；判斷子模塊，用于將余弦距離與預設的判別閾值進行比較，將大于判別閾值的人臉特征或身體特征聚類為人臉聚類或身體聚類；關聯子模塊，用于將同一個人的人臉特征與身體特征進行關聯，根據關聯信息將同一個人的人臉聚類和身體聚類合并。進一步，匹配模塊還包括矩陣生成單元，用于獲取所有的匹配度，并根據人體數量與移動設備數量生成匹配度矩陣；矩陣計算單元，用于判斷匹配度矩陣是否為方形矩陣，是則按照匈牙利算法輸出人與移動設備匹配的對應關系，否則將匹配度矩陣補充為方形矩陣后，再應用匈牙利算法輸出人與移動設備匹配的對應關系。進一步，匹配模塊包括第一計算子模塊與第二計算子模塊，其中，第一計算子模塊包括第一排序單元，用于遍歷移動設備運動軌跡獲取目標移動設備的MAC記錄，并按照時間順序進行排序，獲取目標移動設備出現的時間段；時間點統計單元，用于獲取目標移動設備的記錄地點，獲取該記錄地點目標移動設備連續出現的所有時間點，得到該目標移動設備在該記錄地點出現的開始時間ks以及結束時間ke；第一計算單元，用于計算ks與ke時間段內目標移動設備出現的次數并統計目標移動設備出現的時間段內的總個數第二計算子模塊包括第二排序單元，用于遍歷移動設備運動軌跡獲取目標移動設備的MAC記錄，并按照時間順序進行排序，獲取目標移動設備出現的時間段；區間判斷單元，用于根據獲取目標移動設備的MAC記錄獲取其對應的時間點t1,根據時間點t1設置目標移動設備的時間判斷區間次數統計單元，用于判斷目標移動設備出現的各個時間段是否有重合，如果有，則合并并獲取對應的人臉特征和/或身體特征出現的時間點，判斷每個人臉特征或身體特征出現的時間點是否在目標移動本文檔來自技高網...

【技術保護點】
一種匹配人體特征與MAC地址的方法，其特征在于，包括如下步驟：接收監控范圍內的視頻圖像獲取人臉圖像和/或身體圖像，將人臉圖像和/或身體圖像以及抓拍時間與地點生成圖像數據后存儲至圖像日志數據庫后，提取人臉特征或身體特征并分別聚類為人臉聚類或身體聚類，將同一人的人臉聚類與身體聚類進行關聯并聚類，并結合聚類中人臉圖像和/或身體圖像對應的時間和地點，獲取人體運動軌跡；獲取移動設備的MAC記錄存儲至MAC日志數據庫，按照時間順序繪制移動設備運動軌跡，其中，MAC記錄包括對移動設備的編號、MAC地址、記錄時間和記錄地點；根據人體運動軌跡獲取并遍歷每個人體，計算每個人體與運動軌跡中每個移動設備的匹配成功的次數c

【技術特征摘要】
1.一種匹配人體特征與MAC地址的方法，其特征在于，包括如下步驟：接收監控范圍內的視頻圖像獲取人臉圖像和/或身體圖像，將人臉圖像和/或身體圖像以及抓拍時間與地點生成圖像數據后存儲至圖像日志數據庫后，提取人臉特征或身體特征并分別聚類為人臉聚類或身體聚類，將同一人的人臉聚類與身體聚類進行關聯并聚類，并結合聚類中人臉圖像和/或身體圖像對應的時間和地點，獲取人體運動軌跡；獲取移動設備的MAC記錄存儲至MAC日志數據庫，按照時間順序繪制移動設備運動軌跡，其中，MAC記錄包括對移動設備的編號、MAC地址、記錄時間和記錄地點；根據人體運動軌跡獲取并遍歷每個人體，計算每個人體與運動軌跡中每個移動設備的匹配成功的次數cij及每個移動設備運動軌跡的時間段內出現的次數根據cij與的比值獲取每個人與移動設備的匹配度。2.根據權利要求1所述的匹配人體特征與MAC地址的方法，其特征在于，所述接收監控范圍內的視頻圖像獲取人臉圖像和/或身體圖像，將人臉圖像和/或身體圖像以及抓拍時間與地點生成圖像數據后存儲至圖像日志數據庫后，提取人臉特征或身體特征并分別聚類為人臉聚類或身體聚類，將同一人的人臉聚類與身體聚類進行關聯并聚類，獲取人體運動軌跡包括獲取視頻圖像中包括人臉特征或身體特征的圖像視頻幀的數量n，并提取所有人臉特征或身體特征；選定人臉特征或身體特征，計算選定的人臉特征或身體特征與其他的人臉特征或身體特征的余弦距離；將余弦距離與預設的判別閾值進行比較，將大于判別閾值的人臉特征或身體特征聚類為人臉聚類或身體聚類；將同一個人的人臉特征與身體特征進行關聯，根據關聯信息將同一個人的人臉聚類和身體聚類合并。3.根據權利要求1所述的匹配人體特征與MAC地址的方法，其特征在于，所述根據人體運動軌跡獲取并遍歷每個人體，計算每個人體與運動軌跡中每個移動設備的匹配成功的次數cij及每個移動設備運動軌跡的時間段內出現的次數根據cij與的比值獲取每個人與移動設備的匹配度還包括獲取所有的匹配度，并根據人體數量與移動設備數量生成匹配度矩陣；判斷匹配度矩陣是否為方形矩陣，是則按照匈牙利算法輸出人與移動設備匹配的對應關系，否則將匹配度矩陣補充為方形矩陣后，再應用匈牙利算法輸出人與移動設備匹配的對應關系。4.根據權利要求1所述的匹配人體特征與MAC地址的方法，其特征在于，所述計算每個人體與運動軌跡中每個移動設備的匹配成功的次數cij包括遍歷移動設備運動軌跡獲取目標移動設備的MAC記錄，并按照時間順序進行排序，獲取目標移動設備出現的時間段；獲取目標移動設備的記錄地點，獲取該記錄地點目標移動設備連續出現的所有時間點，得到該目標移動設備在該記錄地點出現的開始時間ks以及結束時間ke；計算ks與ke時間段內目標移動設備出現的次數并統計目標移動設備出現的時間段內的總個數5.根據權利要求4所述的匹配人體特征與MAC地址的方法，其特征在于，所述計算每個人體與運動軌跡中每個移動設備的匹配成功的次數cij及每個移動設備運動軌跡的時間段內出現的次數包括遍歷移動設備運動軌跡獲取目標移動設備的MAC記錄，并按照時間順序進行排序，獲取目標移動設備出現的時間段；根據獲取目標移動設備的MAC記錄獲取其對應的時間點t1,根據時間點t1設置目標移動設備的時間判斷區間(t1-▽t,t1+▽t)；判斷目標移動設備出現的各個時間段是否有重合，如果有，則合并并獲取對應的人臉特征和/或身體特征出現的時間點，判斷每個人臉特征或身體特征出現的時間點是否在目標移動設備出現的時間判斷區...

【專利技術屬性】
技術研發人員：胡湛，陳芳林，陳浩，陳石玉，
申請(專利權)人：深圳市深網視界科技有限公司，
類型：發明
國別省市：廣東,44