基于健身步道的身份识别方法、系统、终端及存储介质与流程

1.本技术涉及人脸识别技术领域，尤其是涉及基于健身步道的身份识别方法、系统、终端及存储介质。


背景技术：

2.健身步道用于供广大群众进行步行锻炼，由于步行锻炼是一种经济、有效的身体锻炼方式，所以健身步道的建设深得群众的支持。
3.为了进一步智能化建设健身步道，健身步道还配套有健身管理系统，健身管理系统包括在健身步道的入口处设置的身份识别装置以及与身份识别装置连接的led全彩室外大屏。在使用健身步道的过程中，首先由身份识别装置识别当前进行锻炼的用户，再通过led全彩室外大屏进行展示和记录，从而实现智能化采集用户步行锻炼的数据，进而为给用户合理安排锻炼时间、给出锻炼建议以及综合判断用户的身体素质提供数据支持。
4.当前的身份识别装置采用的是指纹识别技术或者人脸识别技术来识别用户身份。针对于指纹识别技术来说，如果用户在进入健身步道之前忘记录入指纹，则身份识别装置将无法记录用户的锻炼数据，导致用户的历史锻炼数据不完整。而人脸识别技术虽然可以持续采集用户从进入健身步道至离开健身步道的时间段内的人脸数据，通过人脸数据来识别用户身份，但在健身步道内存在过多的用户的情况下，得到的人脸数据多为噪音人脸数据，识别用户身份的准确度大大降低。而且在健身步道中运动的用户是处于实时移动的状态，难以采集到用户清晰的人脸数据，从而造成无法有效识别用户身份的问题出现。
5.因此，需要提高身份识别装置的识别准确度，以进一步提升健身管理系统的智能化水平，更好的为用户在健身步道中进行锻炼提供技术支持。


技术实现要素：

6.本技术提供一种基于健身步道的身份识别方法、系统、终端及存储介质的，具有提高身份识别准确度的特点。
7.本技术目的一是提供一种基于健身步道的身份识别方法。
8.本技术的上述申请目的一是通过以下技术方案得以实现的：一种基于健身步道的身份识别方法，包括：获取处于指定区域内的用户的图像数据流，所述图像数据流包括m个初始图像帧，m≥2,所述初始图像帧中包含有待识别身份的用户的总人脸特征，总人脸特征包括额头、眉毛、眼睛、鼻子、嘴以及下巴；计算m个初始图像帧的额头相似度值、眉毛相似度值、眼睛相似度值、鼻子相似度值、嘴相似度值、下巴相似度值,将额头相似度值、眉毛相似度值、眼睛相似度值、鼻子相似度值、嘴相似度值、下巴相似度值均大于预设值的n个初始图像帧作为目标图像帧，n≤m；分别计算每一个目标图像帧中额头的投影面积、眉毛的投影面积、眼睛的投影面积、鼻子的投影面积、嘴的投影面积、下巴的投影面积，将属于同一个目标图像帧中的额头
的投影面积、眉毛的投影面积、眼睛的投影面积、鼻子的投影面积、嘴的投影面积、下巴的投影面积相加得到总投影面积；将所述总投影面积最大的目标图像帧标记为最终图像帧；在数据库中为最终图像帧匹配对应的目标用户。
9.通过采用上述技术方案，首先在静态的指定区域内采集用户的图像流数据，能够保障采集到用户较为准确的人脸特征；再选择同属于同一个用户的初始图像帧作为目标图像帧，避免出现误识别其他用户的情况发生；然后从目标图像帧中选择最具有代表性的一张目标图像帧作为最终图像帧，依据最终图像帧在数据库中匹配得到对应的目标用户，能够保障识别的结果的准确度。
10.本技术在一较佳示例中可以进一步配置为：所述计算目标图像帧中额头的投影面积包括：提取额头的边缘点得到第一点位集a1；依据第一点位集a1计算额头的凸壳；采用凹包算法计算与凸壳对应的凹壳；计算凹壳的面积，将凹壳的面积作为额头的投影面积。
11.本技术在一较佳示例中可以进一步配置为：所述依据第一点位集a1计算额头的凸壳包括：采用葛立恒扫描法计算额头的凸壳。
12.本技术在一较佳示例中可以进一步配置为：所述依据第一点位集a1计算额头的凸壳包括：采用jarvis步进法计算额头的凸壳。
13.本技术在一较佳示例中可以进一步配置为：所述计算凹壳的面积的计算公式为：；其中，a为凹壳形成的多边形，m为多边形的边数，ri为第i个边形成的多边形，i为1至m之间的任意一个正整数，area（ch）为凹壳的面积。
14.通过采用上述技术方案，首先，可以采用葛立恒扫描法计算额头的凸壳、也可以采用jarvis步进法计算额头的凸壳，提高了本技术的适用范围；另外，经过计算额头的凸壳、与凸壳对应的凹壳、凹壳的面积得到额头的投影面积，使得所选择的最终图像帧是最具有代表性的图像帧，从而保障后续的识别结果的准确度。
15.本技术在一较佳示例中可以进一步配置为：所述计算目标图像帧中眉毛的投影面积包括：提取眉毛的边缘点得到第一点位集a2；依据第一点位集a2计算眉毛的凸壳；采用凹包算法计算与凸壳对应的凹壳；依据凹壳的面积计算得到眉毛的投影面积；所述计算目标图像帧中眼睛的投影面积包括：提取眼睛的边缘点得到第一点位集a3；依据第一点位集a3计算眼睛的凸壳；采用凹包算法计算与凸壳对应的凹壳；计算凹壳的面积，将凹壳的面积作为眼睛的投影面积；所述计算目标图像帧中鼻子的投影面积包括：提取鼻子的边缘点得到第一点位集a4；依据第一点位集a4计算鼻子的凸壳；采用凹包算法计算与凸壳对应的凹壳；计算凹壳的面积，将凹壳的面积作为鼻子的投影面积；所述计算目标图像帧中嘴的投影面积包括：提取嘴的边缘点得到第一点位集a5；
依据第一点位集a5计算嘴的凸壳；采用凹包算法计算与凸壳对应的凹壳；计算凹壳的面积，将凹壳的面积作为嘴的投影面积；所述计算目标图像帧中下巴的投影面积包括：提取下巴的边缘点得到第一点位集a6；依据第一点位集a6计算嘴的凸壳；采用凹包算法计算与凸壳对应的凹壳；计算凹壳的面积，将凹壳的面积作为下巴的投影面积。
16.本技术在一较佳示例中可以进一步配置为：所述方法还包括：匹配得到目标用户后，识别目标用户的外形标识；依据目标用户的外形标识监控目标用户的锻炼时长。
17.通过采用上述技术方案，当确认目标用户后，再识别目标用户的外形标识，根据外形标识监控目标用户的锻炼过程，这是因为目标用户在锻炼过程中是处于移动的状态，如果要捕捉目标用户的人脸特征则难度增大。也就是说，采用外形标识目标用户能够降低监控的难度。
18.本技术目的二是提供一种基于健身步道的身份识别系统。
19.本技术的上述申请目的二是通过以下技术方案得以实现的：一种基于健身步道的身份识别系统，用于执行上述任一种基于健身步道的身份识别方法，包括：数据获取模块(21)，用于获取处于指定区域内的用户的图像数据流，所述图像数据流包括m个初始图像帧，m≥2,所述初始图像帧中包含有待识别身份的用户的总人脸特征，总人脸特征包括额头、眉毛、眼睛、鼻子、嘴以及下巴；数据处理模块(22)，用于计算m个初始图像帧的额头相似度值、眉毛相似度值、眼睛相似度值、鼻子相似度值、嘴相似度值、下巴相似度值,将额头相似度值、眉毛相似度值、眼睛相似度值、鼻子相似度值、嘴相似度值、下巴相似度值均大于预设值的n个初始图像帧作为目标图像帧，n≤m；数据计算模块(23)，用于分别计算每一个目标图像帧中额头的投影面积、眉毛的投影面积、眼睛的投影面积、鼻子的投影面积、嘴的投影面积、下巴的投影面积，将属于同一个目标图像帧中的额头的投影面积、眉毛的投影面积、眼睛的投影面积、鼻子的投影面积、嘴的投影面积、下巴的投影面积相加得到总投影面积；数据生成模块(24)，用于将所述总投影面积最大的目标图像帧标记为最终图像帧；数据匹配模块(25)，用于在数据库中为最终图像帧匹配对应的目标用户。
20.本技术目的三是提供一种终端。
21.本技术的上述申请目的三是通过以下技术方案得以实现的：一种终端，包括存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述程序时实现上述任一种基于健身步道的身份识别方法。
22.本技术目的四是提供一种计算机可读存储介质，能够存储相应的程序。
23.本技术的上述申请目的四是通过以下技术方案得以实现的：一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述任一种基于健身步道的身份识别方法。
24.综上所述，本技术包括以下至少一种有益技术效果：
首先，在静态的指定区域内采集用户的图像流数据，能够保障采集到用户较为准确的人脸特征；其次，将额头相似度值、眉毛相似度值、眼睛相似度值、鼻子相似度值、嘴相似度值、下巴相似度值均大于预设值的n个初始图像帧作为目标图像帧的目的是：选择同属于同一个用户的初始图像帧作为目标图像帧，避免出现误识别其他用户的情况出现；最后，经过计算总人脸特征的凸壳、与凸壳对应的凹壳、凹壳的面积得到总投影面积，将总投影面积最大的目标图像帧标记为最终图像帧，使得所选择的最终图像帧是最具有代表性的图像帧，从而保障依据最终图像帧匹配得到目标用户的结果的准确度。
附图说明
25.图1是本技术实施例的示例性运行环境示意图。
26.图2是本技术实施例的一种基于健身步道的身份识别方法的流程图。
27.图3为采用葛立恒扫描法计算第一点位集a1的凸壳的示意图。
28.图4为图3中判断点位是否满足放入栈s中的示意图。
29.图5为图4中进一步判断点位是否满足放入栈s中的示意图。
30.图6为图3中栈s最终留下的点位的示意图。
31.图7为采用葛立恒扫描法计算第一点位集a1的凸壳的结果展示图。
32.图8为本技术的实施例中基于凹包算法计算与凸壳对应的凹壳的示例图。
33.附图标记说明：1、特征采集系统；2、身份识别系统；21、数据获取模块；22、数据处理模块；23、数据计算模块；24、数据生成模块；25、数据匹配模块；3、展示系统。
具体实施方式
34.本具体实施例仅仅是对本技术的解释，其并不是对本技术的限制。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的全部其他实施例，都属于本技术保护的范围。
35.图1为本技术实施例的示例性运行环境示意图。参照图1，该运行环境包括特征采集系统、身份识别系统以及展示系统。
36.其中，特征采集系统由多种类型的摄像头构成，具体为红外半球形摄像机和宽动态摄像机。红外半球形摄像机设置在健身步道的入口处，用于采集进入健身步道的、待识别身份的用户的脸部数据。宽动态摄像机等距设置在健身步道的两侧，用于采集在健身步道中运动的目标用户的外形标识，从而实现监控目标用户进行步行锻炼的目的，目标用户是指已经识别出身份的用户。
37.身份识别系统由一个或者多个服务器组成。身份识别系统与特征采集系统之间的通信方式既包含有线连接，也包含无线连接。具体地，身份识别系统设置在健身步道的入口处，在身份识别系统与红外半球形摄像机之间设置有电缆线，身份识别系统通过电缆线与红外半球形摄像机进行信息交互。身份识别系统还与宽动态摄像机之间通过5g无线技术通信连接。
38.具体地，身份识别系统包括依次连接的数据获取模块21、数据处理模块22、数据计算模块23、数据生成模块24以及数据匹配模块25。数据获取模块21、数据处理模块22、数据
计算模块23、数据生成模块24以及数据匹配模块25共同配合，以用于在接收到特征采集系统上传的关于待识别身份的用户的人脸特征时，依据人脸特征监控用户的步行锻炼过程。
39.展示系统由一个或者多个led全彩室外大屏组成，展示系统与身份识别系统之间的通信方式既包含有线连接，也包含无线连接。在本示例中，展示系统包括两个led全彩室外大屏，一个led全彩室外大屏设置在健身步道的入口处，该led全彩室外大屏与身份识别系统通过电缆线连接；另一个设置在健身步道的出口处，该led全彩室外大屏与身份识别系统通过5g无线技术通信连接。其中，设置在健身步道入口处的led全彩室外大屏用于展示刚进入健身步道的且已经识别出身份的目标用户，而设置在健身步道出口处的led全彩室外大屏用于展示离开健身步道的目标用户的步行数据。
40.为了具体说明依据人脸特征监控用户的步行锻炼过程，本技术还提供一种基于健身步道的身份识别方法，该方法由上述的身份识别系统执行，如图2所示，基于健身步道的身份识别方法的主要流程描述如下。
41.步骤s1：获取处于指定区域内的用户的图像数据流，图像数据流包括m个初始图像帧，m≥2,初始图像帧中包含有待识别身份的用户的总人脸特征，总人脸特征包括额头、眉毛、眼睛、鼻子、嘴以及下巴。
42.在本示例中，为了便于红外半球形摄像机能够获取到清晰的人脸特征，而在健身步道的入口处，将红外半球形摄像机的采集视线覆盖的区域设置为指定的区域。在实际应用中，需要标识该区域，例如在地面画圈的方式，以用于提醒用户到达该区域时需要暂停几秒钟，从而便于红外半球形摄像机对进入健身步道的用户进行成像。
43.所以，图像数据流是红外半球形摄像机采集刚进入健身步道且待识别身份的用户的人脸特征而生成的，红外半球形摄像机每采集一个待识别身份的用户的人脸特征则对应生成一份图像数据流，并在生成图像数据流后上传至身份识别系统中，即身份识别系统获取到图像数据流。
44.身份识别系统获取到图像数据流后，将图像数据流按照最小单元拆分为m个初始图像帧，m≥2。初始图像帧中包含有待识别身份的用户的总人脸特征，总人脸特征包括额头、眉毛、眼睛、鼻子、嘴、下巴。本示例中仅提取初始图像帧中的用户的额头、眉毛、眼睛、鼻子、嘴以及下巴共六个特征，而舍弃像双颊这样区别少的面部特征和像耳朵一样难以全面捕捉到的面部特征，使得后续识别出的目标用户的准确度更高。
45.需要说明的是，在身份识别系统获取到图像数据流后，会清洗初始图像帧，针对初始图像帧中未包含有额头、眉毛、眼睛、鼻子、嘴、下巴中的任意一种或者多种时，认为该初始图像帧是无效的初始图像帧，并删除该无效的初始图像帧。
46.步骤s2：计算m个初始图像帧的额头相似度值、眉毛相似度值、眼睛相似度值、鼻子相似度值、嘴相似度值、下巴相似度值,将额头相似度值、眉毛相似度值、眼睛相似度值、鼻子相似度值、嘴相似度值、下巴相似度值均大于预设值的n个初始图像帧作为目标图像帧，n≤m。
47.具体地，本技术提前设定有深度学习模型，深度学习模型经过大量训练样本的训练，从而具有计算多个初始图像帧中的总人脸特征的相似度值的功能。在本示例中，首先是计算多个初始图像帧的额头相似度值、眉毛相似度值、眼睛相似度值、嘴相似度值以及下巴相似度值，并在额头相似度值、眉毛相似度值、眼睛相似度值、嘴相似度值以及下巴相似度
p9，参阅图3。判断时，首先调取p2，由于p2位于p0和p1之间的连线d的端点p1的左侧，所以p2不满足放入栈s中的条件，参阅图4。然后调取p3，由于p3位于p1和p2之间的连线d的端点p2的右侧，所以p3满足放入栈s中的条件，参阅图5。按照此判断条件依次判断点p4、p5、p6、p7、p8、p9，得到如图6所示的凸壳，即得到栈s中包含的点位为p0、p1、p3、p5、p6、p9。最终，将p0、p1、p3、p5、p6、p9依次相连，使得第一点位集a1的凸壳的形状为图7所示。
52.采用葛立恒扫描法计算第一点位集a2的凸壳、第一点位集a3的凸壳、第一点位集a4的凸壳、第一点位集a5的凸壳以及第一点位集a6的凸壳的过程均可类比于上述计算第一点位集a1的凸壳的过程，所以在此不再赘述。
53.分别计算得到第一点位集a1的凸壳、第一点位集a2的凸壳、第一点位集a3的凸壳、第一点位集a4的凸壳、第一点位集a5的凸壳以及第一点位集a6的凸壳后，再采用凹包算法计算与凸壳对应的凹壳，具体计算过程包括：第一步：确定边界点，根据边界点生成第二点集b。边界点需要满足：将全部的边界点连接起来围成的封闭空间能够将投影面中全部的点位包围在其中；第二步：令第三点集c=第二点集b-栈s，判断第三点集c中的点位是否满足保留条件：相邻的点位之间构成的夹角小于90
°
。参阅图8，第二点集b为虚线上的点位，栈s为实线上的点位，虚线上的点位减去与实线上的点位重合的点位得到第三点集c；第三步：若满足保留条件，则根据保留在第三点集c中的点位得到与凸壳对应的凹壳，即根据该凹壳得到多边形a以及多边形a的边数m。
54.采用上述的方法分别计算得到与额头的凸壳对应的凹壳、与眉毛的凸壳对应的凹壳、与眼睛的凸壳对应的凹壳、与鼻子的凸壳对应的凹壳、与嘴的凸壳对应的凹壳、与下巴的凸壳对应的凹壳后，再分别计算每一个凹壳的投影面积。具体地，计算凹壳的投影面积的计算公式为：；其中，a为凹壳形成的多边形，m为多边形的边数，ri为第i个边形成的多边形，i为1至m之间的任意一个正整数，area（ch）为凹壳的面积，该凹壳的面积也为总人脸特征中任意一个人脸特征的投影面积。
55.所以，将额头的凸壳、眉毛的凸壳、眼睛的凸壳、鼻子的凸壳、嘴的凸壳以及下巴的凸壳依次输入上述的计算模型中将依次得到额头的投影面积、眉毛的投影面积、眼睛的投影面积、鼻子的投影面积、嘴的投影面积以及下巴的投影面积。并将额头的投影面积、眉毛的投影面积、眼睛的投影面积、鼻子的投影面积、嘴的投影面积以及下巴的投影面积相加得到总投影面积。
56.步骤s4：将总投影面积最大的目标图像帧标记为最终图像帧。
57.需要说明的是，在红外半球形摄像机采集的是用户平视时的图像时，图像中用户的额头、眉毛、眼睛、鼻子、嘴、下巴是与现实中用户的额头、眉毛、眼睛、鼻子、嘴、下巴的大小等同的，而当用户仰视、俯视、左视或者右视时，采集的图像中的特征会有不同程度的缩小，所以通过计算总投影面积，并将总投影面积最大的目标图像帧标记为最终图像帧是为了获取图像数据流中，用户最接近平视或者真正平视时的图像帧。
58.步骤s5：在数据库中为最终图像帧匹配对应的目标用户。
59.数据库是提前设定的，是用户在进入健身步道锻炼前，注册、登录身份识别系统而录入个人身份信息而建成的，所以，数据库中包含有用户姓名以及用户的个人照片。得到最终图像帧也是为了选择一张最具有代表性的图像帧，从而保障依据该最终图像帧在数据库中匹配对应的目标用户的准确度。
60.另外，在识别出用户的身份后，将该用户标记为目标用户，再继续识别该目标用户的外形标识，例如该目标用户今天穿了红色外套，则当目标用户进入健身步道后，由宽动态摄像机实时监控穿红色外套的目标用户，当宽动态摄像机监控到目标用户离开健身步道时，将该目标用户的锻炼时长传输至设置在健身步道的出口处的led全彩室外大屏，该led全彩室外大屏展示目标用户的锻炼时长。上述在识别目标用户的身份后，对锻炼中的目标用户进行外形标识是为了监控目标用户的锻炼过程，因为目标用户在锻炼过程中是处于移动的状态，如果要捕捉目标用户的人脸特征则难度增大，所以才会对目标用户进行外形标识。
61.需要说明的是，如果外形识别存在了相同的标识物，例如当前在健身步道中已经存在了穿红色外套的目标用户，则另一个目标用户同样穿红色外套时，将不标识后来的目标用户的红色外套，而可以标识后来的目标用户穿了白色的运动鞋，从而避免宽动态摄像机监控混乱。
62.本技术实施例一种基于健身步道的身份识别方法的实施原理为：对于进入健身步道的用户，首先需要对其进行身份识别，具体为选择同属于同一个用户的初始图像帧作为目标图像帧，再从目标图像帧中选择最具有代表性的一张目标图像帧作为最终图像帧，依据最终图像帧在数据库中为最终图像帧匹配对应的用户，即得到目标用户。当确认目标用户后，再识别目标用户的外形标识，根据外形标识监控目标用户的锻炼数据，从而保障监控到目标用户完整的锻炼过程。
63.为了更好地执行上述方法的程序，本技术还提供一种终端，终端包括存储器和处理器。
64.其中，存储器可用于存储指令、程序、代码、代码集或指令集。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用于实现操作系统的指令、用于至少一个功能的指令以及用于实现上述基于健身步道的身份识别方法的指令等；存储数据区可存储上述基于健身步道的身份识别方法中涉及到的数据等。
65.处理器可以包括一个或者多个处理核心。处理器通过运行或执行存储在存储器内的指令、程序、代码集或指令集，调用存储在存储器内的数据，执行本技术的各种功能和处理数据。处理器可以为特定用途集成电路、数字信号处理器、数字信号处理装置、可编程逻辑装置、现场可编程门阵列、中央处理器、控制器、微控制器和微处理器中的至少一种。可以理解地，对于不同的设备，用于实现上述处理器功能的电子器件还可以为其它，本技术实施例不作具体限定。
66.本技术还提供一种计算机可读存储介质，例如包括：u盘、移动硬盘、只读存储器（read only memory，rom）、随机存取存储器（random access memory，ram）、磁碟或者光盘等各种可以存储程序代码的介质。该计算机可读存储介质存储有能够被处理器加载并执行上述基于健身步道的身份识别方法的计算机程序。
67.以上描述仅为本技术的较佳实施例以及对所运用技术原理的说明。本领域技术人
员应当理解，本技术中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离前述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其他技术方案。例如上述特征与本技术中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。

技术特征：
1.一种基于健身步道的身份识别方法，其特征在于，包括：获取处于指定区域内的用户的图像数据流，所述图像数据流包括m个初始图像帧，m≥2,所述初始图像帧中包含有待识别身份的用户的总人脸特征，总人脸特征包括额头、眉毛、眼睛、鼻子、嘴以及下巴；计算m个初始图像帧的额头相似度值、眉毛相似度值、眼睛相似度值、鼻子相似度值、嘴相似度值、下巴相似度值,将额头相似度值、眉毛相似度值、眼睛相似度值、鼻子相似度值、嘴相似度值、下巴相似度值均大于预设值的n个初始图像帧作为目标图像帧，n≤m；分别计算每一个目标图像帧中额头的投影面积、眉毛的投影面积、眼睛的投影面积、鼻子的投影面积、嘴的投影面积、下巴的投影面积，将属于同一个目标图像帧中的额头的投影面积、眉毛的投影面积、眼睛的投影面积、鼻子的投影面积、嘴的投影面积、下巴的投影面积相加得到总投影面积；将所述总投影面积最大的目标图像帧标记为最终图像帧；在数据库中为最终图像帧匹配对应的目标用户。2.根据权利要求1所述的基于健身步道的身份识别方法，其特征在于，所述计算目标图像帧中额头的投影面积包括：提取额头的边缘点得到第一点位集a1；依据第一点位集a1计算额头的凸壳；采用凹包算法计算与凸壳对应的凹壳；计算凹壳的面积，将凹壳的面积作为额头的投影面积。3.根据权利要求2所述的基于健身步道的身份识别方法，其特征在于，所述依据第一点位集a1计算额头的凸壳包括：采用葛立恒扫描法计算额头的凸壳。4.根据权利要求2所述的基于健身步道的身份识别方法，其特征在于，所述依据第一点位集a1计算额头的凸壳包括：采用jarvis步进法计算额头的凸壳。5.根据权利要求2所述的基于健身步道的身份识别方法，其特征在于，所述计算凹壳的面积的计算公式为：；其中，a为凹壳形成的多边形，m为多边形的边数，r
i
为第i个边形成的多边形，i为1至m之间的任意一个正整数，area（ch）为凹壳的面积。6.根据权利要求1所述的基于健身步道的身份识别方法，其特征在于，所述计算目标图像帧中眉毛的投影面积包括：提取眉毛的边缘点得到第一点位集a2；依据第一点位集a2计算眉毛的凸壳；采用凹包算法计算与凸壳对应的凹壳；依据凹壳的面积计算得到眉毛的投影面积；所述计算目标图像帧中眼睛的投影面积包括：提取眼睛的边缘点得到第一点位集a3；依据第一点位集a3计算眼睛的凸壳；采用凹包算法计算与凸壳对应的凹壳；计算凹壳的面积，将凹壳的面积作为眼睛的投影面积；所述计算目标图像帧中鼻子的投影面积包括：提取鼻子的边缘点得到第一点位集a4；依据第一点位集a4计算鼻子的凸壳；采用凹包算法计算与凸壳对应的凹壳；计算凹壳的面
积，将凹壳的面积作为鼻子的投影面积；所述计算目标图像帧中嘴的投影面积包括：提取嘴的边缘点得到第一点位集a5；依据第一点位集a5计算嘴的凸壳；采用凹包算法计算与凸壳对应的凹壳；计算凹壳的面积，将凹壳的面积作为嘴的投影面积；所述计算目标图像帧中下巴的投影面积包括：提取下巴的边缘点得到第一点位集a6；依据第一点位集a6计算嘴的凸壳；采用凹包算法计算与凸壳对应的凹壳；计算凹壳的面积，将凹壳的面积作为下巴的投影面积。7.根据权利要求1所述的基于健身步道的身份识别方法，其特征在于，所述方法还包括：匹配得到目标用户后，识别目标用户的外形标识；依据目标用户的外形标识监控目标用户的锻炼时长。8.一种基于健身步道的身份识别系统，用于执行如权利要求1-7中任一项所述的方法，其特征在于，包括：数据获取模块(21)，用于获取处于指定区域内的用户的图像数据流，所述图像数据流包括m个初始图像帧，m≥2,所述初始图像帧中包含有待识别身份的用户的总人脸特征，总人脸特征包括额头、眉毛、眼睛、鼻子、嘴以及下巴；数据处理模块(22)，用于计算m个初始图像帧的额头相似度值、眉毛相似度值、眼睛相似度值、鼻子相似度值、嘴相似度值、下巴相似度值,将额头相似度值、眉毛相似度值、眼睛相似度值、鼻子相似度值、嘴相似度值、下巴相似度值均大于预设值的n个初始图像帧作为目标图像帧，n≤m；数据计算模块(23)，用于分别计算每一个目标图像帧中额头的投影面积、眉毛的投影面积、眼睛的投影面积、鼻子的投影面积、嘴的投影面积、下巴的投影面积，将属于同一个目标图像帧中的额头的投影面积、眉毛的投影面积、眼睛的投影面积、鼻子的投影面积、嘴的投影面积、下巴的投影面积相加得到总投影面积；数据生成模块(24)，用于将所述总投影面积最大的目标图像帧标记为最终图像帧；数据匹配模块(25)，用于在数据库中为最终图像帧匹配对应的目标用户。9.一种终端，其特征在于，包括存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述程序时实现如权利要求1-7中任一项所述的方法。10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述程序被处理器执行时实现如权利要求1-7中任一项所述的方法。

技术总结
本申请涉及一种基于健身步道的身份识别方法、系统、终端及存储介质，其属于人脸识别技术领域，该方法包括：获取处于指定区域内的用户的图像数据流，图像数据流包括m个初始图像帧，m≥2,初始图像帧中包含有总人脸特征，总人脸特征包括额头、眉毛、眼睛、鼻子、嘴以及下巴；基于m个初始图像帧得到n个目标图像帧，n≤m；分别计算每一个目标图像帧中额头的投影面积、眉毛的投影面积、眼睛的投影面积、鼻子的投影面积、嘴的投影面积、下巴的投影面积，计算目标图像帧中的总投影面积；将总投影面积最大的目标图像帧标记为最终图像帧；在数据库中为最终图像帧匹配对应的目标用户。本申请具有提高身份识别准确度的效果。份识别准确度的效果。份识别准确度的效果。


技术研发人员：吴媚
受保护的技术使用者：北京维艾狄尔信息科技有限公司
技术研发日：2023.05.09
技术公布日：2023/7/7