身份识别方法、装置、电子设备和计算机可读存储介质与流程

1.本发明属于人工智能技术领域，具体涉及一种身份识别方法、装置、电子设备和计算机可读存储介质。


背景技术：

2.在相关技术中，通过摄像头采集视野范围内的人员图像，并对该人员图像中的人脸进行识别，从而根据识别出的人脸信息与预先存储的人脸数据库进行匹配，以确定该人员的身份信息。
3.但是，实际应用中，摄像头所采集到的人脸质量并不稳定，很多情况下只能采集到侧脸，极端情况下只能采集到目标背影，从而无法进行人脸识别，造成身份识别的成功率并不高。
4.由上可知，相关技术中的身份识别方法存在身份识别成功率较低的问题。


技术实现要素：

5.本发明的目的是提供一种身份识别方法、装置、电子设备和计算机可读存储介质，能够提升身份识别的成功率。
6.为了解决上述技术问题，本发明是这样实现的：
7.第一方面，本发明提供了一种身份识别方法，该方法包括：
8.获取第一采集图像；
9.对所述第一采集图像进行人员检测，并提取检测到的每一个人员的人体特征；
10.基于提取的人体特征分别对所述每一个人员进行位置跟踪；
11.根据第一人员的人脸图像的图像质量，确定对跟踪到的所述第一人员进行人脸识别或者人体特征识别，根据识别结果确定所述第一人员的第一身份信息。
12.第二方面，本发明还提供了一种身份识别装置，包括：
13.第一获取模块，用于获取第一采集图像；
14.检测模块，用于对所述第一采集图像进行人员检测，并提取检测到的每一个人员的人体特征；
15.特征提取模块，用于基于提取的人体特征分别对所述每一个人员进行位置跟踪；
16.身份识别模块，用于根据第一人员的人脸图像的图像质量，确定对跟踪到的所述第一人员进行人脸识别或者人体特征识别，根据识别结果确定所述第一人员的第一身份信息。
17.第三方面，本发明还提供了一种电子设备，该电子设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤。
18.第四方面，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤。
19.在本发明实施例中，获取第一采集图像；对所述第一采集图像进行人员检测，并提取检测到的每一个人员的人体特征；基于提取的人体特征分别对所述每一个人员进行位置跟踪；根据第一人员的人脸图像的图像质量，确定对跟踪到的所述第一人员进行人脸识别或者人体特征识别，根据识别结果确定所述第一人员的第一身份信息。这样，可以对第一采集图像中的行人进行特征提取，并跟踪每一个人体特征对应的行人，这样，在从第一采集图像中检测到人脸的情况下，可以根据该人脸的位置确定该行人对应的人体特征，并基于人脸识别或者人体特征识别来识别该行人的身份信息，实现了通过人体特征识别来弥补：因人脸图像完整度低、被遮挡、清晰度较差等人脸图像的图像质量较差时，使得人脸识别失败，造成无法完成身份信息识别的问题，进而能够提升身份识别的成功率。
附图说明
20.图1是本发明实施例提供的一种身份识别方法的流程图；
21.图2是本发明实施例提供的另一种身份识别方法的流程图；
22.图3是本发明实施例提供的一种身份识别装置的结构示意图；
23.图4是本发明实施例提供的另一种电子设备的结构示意图。
具体实施方式
24.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，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，都属于本技术保护的范围。
25.本技术的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”，一般表示前后关联对象是一种“或”的关系。
26.本发明实施例提供的身份识别方法能够应用于多种场景，例如：对监控中的行人进行身份识别、对图片中的人员进行身份识别、采用机器人对行人进行身份识别等等，为了便于说明，以下实施例中以本发明实施例提供的身份识别方法应用于机器人对行人进行身份识别的应用场景为例，进行举例说明，即以下实施例中，执行本发明实施例提供的身份识别方法的执行主体可以是机器人。当然，以下实施例并不限定为本发明实施例提供的身份识别方法仅能够应用于机器人对行人进行身份识别的应用场景。
27.下面结合附图，通过具体的实施例及其应用场景对本技术实施例提供的访客接待方法、机器人和计算机可读存储介质进行详细地说明。
28.请参阅图1，本发明实施例提供的身份识别方法，应用于迎宾机器人，如图1所示，该身份识别方法可以包括以下步骤：
29.步骤101、获取第一采集图像。
30.在具体实施中，上述第一采集图像可以是视频图像，或者在预设时间段(例如：1
秒、2秒等)内采集到的至少两张照片等。另外，上述第一采集图像可以是通过监控摄像头等设备拍摄并传输至执行本发明实施例提供的身份识别方法的机器人；或者是通过上述迎宾机器人上的图像采集装置所采集到的图像，在此不作具体限定。
31.步骤102、对所述第一采集图像进行人员检测，并提取检测到的每一个人员的人体特征。
32.在具体实施中，上述人员检测可以理解为：对所述第一采集图像进行检测，以确定所述第一采集图像中的每一个人员所在的像素区域，从而实现将所述第一采集图像中的人与物，人与动物，以及人员与人员进行区分。例如：将所述第一采集图像输入至人体目标检测算法中，以通过人体目标检测算法检测该第一采集图像中的人体动作、人体形态等，实现将所述第一采集图像中的人与物，人与动物，以及人员与人员进行区分，进而使人体目标检测算法输出检测到的人员在所述第一采集图像中的位置。其中，上述人体目标检测算法可以是本领域技术人员能够想到的算法，例如：人体检测算法、人体检测与跟踪算法，在此不作具体限定。
33.另外，上述提取检测到的每一个人员的人体特征，可以理解为，对每一个人员在所述第一采集图像中的像素区域分别进行人体特征识别，例如：将人体图像作为输入，通过神经网络计算，得到的高维特征向量。例如：采用行人重识别(person re
‑
identification，reid)算法来提取上述人体特征，当然，在实际应用中，还可以采用其他特征提取算法来提取上述人体特征，在此不作具体限定。
34.步骤103、基于提取的人体特征分别对所述每一个人员进行位置跟踪。
35.在具体实施中，在提取到某一人体特征后，可以周期性的提取视野范围内的每一个行人的人体特征，并将提取的人体特征与之前提取的人体特征进行比较，以确定该行人是否为之前识别到的目标人员，以使得该人员在行走过程中，即使该人员的位置在视频图像或者连续采集到的多张照片中发生改变，也能够确定该人体特征对应的人员在视频图像或者连续采集到的多张照片中的实际位置，这样，可以避免提取出的人体特征因人员的移动而丢失或者找不到对应的人员等情况，即实现了将提取到的特征与该特征对应的人员在所述第一采集图像中的实时位置进行关联。
36.步骤104、根据第一人员的人脸图像的图像质量，确定对跟踪到的所述第一人员进行人脸识别或者人体特征识别，根据识别结果确定所述第一人员的第一身份信息。
37.可选的，上述第一人员可以是位于目标位置的人员，例如：位于迎宾机器人前方0.5米至2米范围内的人员。
38.本实施方式中，在确定需要对第一采集图像中位于目标位置的第一人员进行身份识别的情况下，可以基于位置跟踪来获取位于该目标位置的第一人员的第一人体特征，并截取所述第一采集图像中位于该目标位置的第一人员的第一人脸图像；然后根据该人脸图像的图像质量，来判断是通过将第一人体特征与人体特征数据库中的人体特征信息进行匹配来确定该第一人员的第一身份信息，还是通过将第一人脸图像的人脸识别信息与人脸信息数据库中的人脸信息进行匹配来确定该第一人员的第一身份信息。
39.当然，在实际应用中，上述第一人员还可以包括第一采集图像中的每一个人员，以下实施例中以第一人员为所述第一采集图像中位于目标位置的人员为例，进行举例说明，在此不构成具体限定。
40.在实施中，可以对所述第一采集图像进行人脸检测，以确定所述第一采集图像中每一个人员的人脸区域，并通过截图处理，以截取所述第一采集图像中的每一个人员的人脸图像(即人脸小图)，并分别对每一个人脸小图进行图像质量判断，且在后续人脸识别过程，可以是对人脸小图的人脸识别过程。
41.在实际应用中，鉴于拍摄角度、拍摄距离、中间遮挡物等因素，可能造成第一采集图像中的人脸为侧脸、背影等人脸朝向不合适的情况，或者因人脸不清晰、被遮挡、亮度较暗、人脸大小不合适等造成人脸图像的图像质量较差的情况，此时，可以不对该人脸图像进行人脸识别，而是根据该人脸图像所在的位置，确定待识别的人员对应的人体特征，并基于人体特征识别(例如：reid识别技术)来确定该待识别的人员的身份信息。
42.相应的，在人脸图像的图像质量较好的情况下，可以对该人脸图像进行人脸识别，并根据人脸识别结果来确定待识别的人员的身份信息。
43.换而言之，可以优先采用人脸识别的方式来识别待识别人员的身份信息，但是，其前提是人脸图像的图像质量必须达标；如果人脸图像的图像质量不达标，则可以采用人体特征识别的方式来识别待识别人员的身份信息。
44.在具体实施中，为了实现判断人脸图像的图像质量是否达标的目的，可以检测人脸图像的清晰度、完整程度，以在人脸图像的清晰度大于或等于预设清晰度，且人脸图像的完整程度大于或等于预设比例的情况下，确定人脸图像的图像质量达标；否则，确定人脸图像的图像质量不达标。
45.作为一种可选的实施方式，所述根据第一人员的人脸图像的图像质量，确定对跟踪到的所述第一人员进行人脸识别或者人体特征识别，根据识别结果确定所述第一人员的第一身份信息，包括：
46.在第一人员的人脸图像的图像质量小于预设质量的情况下，确定对所述第一人员进行人体特征识别；
47.将人体特征结果与预设人体特征信息库中的人体特征信息进行匹配；
48.根据人体特征信息匹配结果，确定所述第一人员的第一身份信息。
49.在具体实施中，在确定人脸图像的图像质量不达标后，可以采用以下人体特征识别过程来确定所述第一人员的第一身份信息：
50.将提取到的人体特征与预设人体特征信息库进行匹配，若预设人体特征信息库中存在与所述人体特征匹配的目标特征信息，则根据所述目标特征信息对应的身份信息来确定所述第一人员的第一身份信息。
51.当然，若预设人体特征信息库中不存在与所述人体特征匹配的目标特征信息，则确定所述第一人员为陌生人员。例如：假设迎宾机器人的数据库中预先存储有人员a的特征信息，则在机器人识别到某一人脸图像的图像质量达标时，可以将该人脸图像的位置所对应的人体特征信息(在步骤102中提取到的第一人员的人体特征信息)，以将该第一人员的人体特征信息与数据库中预先存储的特征信息进行匹配，若该第一人员的人体特征信息与人员a的特征信息匹配成功，则可确定第一人员为人员a。
52.当然，在实施中，第一人员的第一身份信息还可以包括其他信息，例如：第一身份信息还可以包括：判断第一人员是否为迎宾机器人在预设时间段(过去1小时等)内，曾经服务过的人员等，在此对第一身份信息的类型不作具体限定。
53.值得说明的是，在确定人脸图像的图像质量不达标时，鉴于该人脸图像在第一采集图像中的位置是固定的，此时，可以根据该人脸图像在第一采集图像中的目标位置，以及之前基于人体特征的位置跟踪过程，可以将该目标位置对应的人体特征确定为第一人员的人体特征，从而将该人体特征与预先存储的特征信息进行匹配，可以避免从第一采集图像中提取到多个人员的人体特征时，将不同人员的人体特征混淆。
54.作为一种可选的实施方式，所述根据第一人员的人脸图像的图像质量确定对跟踪到的所述第一人员进行人脸识别或者人体特征识别，根据识别结果确定所述第一人员的第一身份信息，包括：
55.在第一人员的人脸图像的图像质量大于或等于预设质量的情况下，确定对所述第一人员进行人脸识别；
56.将人脸识别结果与预设人脸信息库中的人脸信息进行匹配；
57.根据人脸信息匹配结果，确定所述第一人员的第一身份信息，并将所述第一人员的人体特征与所述第一人员的人脸图像关联。
58.在具体实施中，在确定人脸图像的图像质量达标后，可以采用以下人脸识别过程来确定所述第一人员的第一身份信息：
59.对所述人脸图像进行人脸识别，以得到人脸识别信息，将所述人脸识别信息与预设人脸信息库进行匹配，若预设人脸信息库中存在与所述人脸识别信息匹配的目标人脸信息，则根据所述目标人脸信息对应的身份信息来确定所述第一人员的第一身份信息；若预设人脸信息库中不存在与所述人脸识别信息匹配的目标人脸信息，则确定所述第一人员为陌生人员。例如：假设机器人的数据库中预先存储有人员a的人脸信息，则在机器人识别到某一人脸图像的图像质量达标时，可以对该人脸图像进行人脸识别，以将识别出的人脸识别信息与数据库中预先存储的人脸信息进行匹配，若该人脸识别信息与人员a的人脸信息匹配成功，则可确定第一人员为人员a。
60.需要说明的是，上述通过人脸识别和人体特征识别，确定身份信息的过程，与相关技术中的人脸识别和人体特征识别的过程相似，在此不作过多阐述。
61.另外，上述将所述第一人员的人体特征与所述第一人员的人脸图像关联，可以理解为：基于所述第一人员的第一身份信息与所述第一人员的人脸图像对应，从而通过将所述第一人员的人体特征与所述第一人员的人脸图像关联，可以实现将所述第一人员的人体特征与所述第一人员的第一身份信息关联。这样，可以基于当前识别到的第一人员的人体特征，对数据库中所述第一人员的特征进行进行补充或更新。
62.在一种可选的实施方式中，在预设人脸信息库中不存在与所述第一人员的人脸识别信息的情况下，在基于人脸匹配结果，确定所述第一人员的第一身份信息时，可以将第一人员的人脸图像与第一人员的的人体特征关联存储，从而在后续身份识别过程中，可以基于已经关联存储的第一人员人脸图像和人体特征来识别第一人员的身份信息。
63.在另一种可选的实施方式中，在预设人脸信息库中存在与所述第一人员的人脸识别信息的情况下，在基于人脸匹配结果，确定所述第一人员的第一身份信息时，通过将第一人员的的人体特征与预先存储的第一人员的人脸识别信息关联，实现对所述第一人员的人体特征进行更新或者补充，以便后续识别过程中，可以基于更新或者补充后的人体特征对第一人员进行身份识别。
64.可选地，所述根据人脸信息匹配结果，确定所述第一人员的第一身份信息，并将所述第一人员的人体特征与所述第一人员的人脸图像关联，包括：
65.在所述第一人员的目标人脸信息与人员信息库中的第一人脸信息匹配成功的情况下，基于所述第一人脸信息确定所述第一人员的第一身份信息，其中，所述人员信息库包括人脸信息和人体特征信息；
66.将所述第一人脸信息与所述第一人员的第一人体特征信息关联，或者将所述第一人脸信息预先关联的人体特征信息更新为所述第一人体特征信息。
67.在实际应用中，预设人体特征信息库中当前可能没有存储第一人员的特征信息，或者预设人体特征信息库中预先存储的第一人员的特征信息，可能与第一人员当前的发型、衣着等实际的人体特征信息不符。本实施方式中，利用当前识别到的第一人员的人体特征信息对预设人体特征信息库中第一人员的特征信息进行补充或更新，能够提升预设人体特征信息库存储的特征信息的准确性和实时性。
68.本实施方式中，在能够通过人脸识别确定第一人员的第一身份信息的情况下，利用提取到的第一人员的人体特征，对预设人体特征信息库中的人体特征进行补充或更新，可以提升预设人体特征信息库存储的特征信息的准确性和实时性，进而提升后续的人体特征识别过程的准确性。
69.进一步地，在所述将所述第一人脸信息与所述目标人员的第一人体特征信息关联，或者将所述第一人脸信息预先关联的人体特征信息更新为所述第一人体特征信息之后，所述方法还包括：
70.在从第二采集图像中检测到所述第一人体特征信息的情况下，基于所述第一人体特征信息关联的所述第一人脸信息确定所述第二采集图像中与所述第一人体特征信息对应的人员的身份信息。
71.在具体实施中，上述第二采集图像为在所述第一采集图像的预设时间(例如：5分钟、30分钟等)之后采集到的视频图像或多张照片，上述在从第二采集图像中检测到所述第一人体特征信息，可以理解为：机器人在预设时间(例如：5分钟、30分钟等)后，对第一人员再一次进行服务，此时，可以不对该人员进行人脸识别，而是基于前一次身份识别后与所述第一人体特征信息关联存储的所述第一人脸信息来确定第一人员的身份信息，其可以减少人脸识别过程中的算力和计算时间，以提升身份识别过程的效率。
72.具体的，前一次身份识别过程中，是通过人脸识别来确定确定第一人员的第一身份信息的，此时，必然预先存储了第一身份信息与第一人脸信息之间的关联关系，且在完成身份识别过程后，还关联存储了第一人员的第一人体特征信息和第一人员的第一人脸信息。这样，在再一次对第一人员进行身份识别时，能够根如步骤102所示人体特征提取过程中提取到的第一人体特征来识别第一人员的身份信息，即根据第一人体特征与第一人脸信息关联，而第一人脸信息与第一身份信息关联，从而确定第一人体特征对应的身份信息为第一身份信息，即确定第一人员的身份信息为第一身份信息。
73.本实施方式中，在多次对同一人员进行身份识别时，能够基于第一次身份识别过程中预先存储的人体特征与人脸信息之间的关联关系，以及当前提取到的待识别的人员的人体特征，来确定待识别的人员身份信息，而无需再对该人员进行人脸检测、人脸图像质量判断以及人脸识别等一些列的过程，能够简化身份识别过程，提升身份识别效率。
74.当然，在实际应用中，在多次对同一人员进行身份识别时，可以基于上一次身份识别过程中更新的人体特征来进行人员检测和位置跟踪，然后，还可以再一次进行人脸检测和人脸图像质量判断，并在人脸图像质量达标的情况下，通过将识别到的人脸特征信息与预先存储的人脸信息进行匹配，以确定该人员的身份信息；在人脸图像质量不达标的情况下，通过基于上一次身份识别过程中更新的人体特征与提取到的人体特征之间的匹配来确定该人员的身份信息。
75.作为一种可选的实施方式，在所述确定所述第一人员的第一身份信息之后，所述方法还包括：
76.获取所述第一人员的去向信息；
77.将所述去向信息与所述第一身份信息关联。
78.在具体实施中，上述获取所述第一人员的去向信息，可以是采用与步骤103中的位置跟踪相似的方式来获取第一人员离开的反向信息。
79.当然，在具体应用中，机器人可以在确定第一人员的第一身份信息之后，向该第一人员提供导向、引领等服务，以指导或引领第一人员顺利的到达其想要到达的目的地，此时，上述第一人员的去向信息可以包括第一人员顺利的到达其想要到达的目的地。
80.本实施方式中，在获取第一人员的去向信息之后，将该去向信息与所述第一身份信息关联，可以在后续对第一人员或者对其他人员进行服务的过程中，基于该第一人员的去向信息提供更完善的服务。例如：在下一次对第一人员进行服务时，询问第一人员是否引领其移动至上一次引领服务的目的地；或者在服务于第一人员的同事时，将第一人员的去向告知该同事，以使该同事能够及时的找到自己的同伴。
81.作为一种可选的实施方式，在所述将所述去向信息与所述第一身份信息关联之后，所述方法还包括：
82.在识别到第二人员的第二身份信息的情况下，输出提示信息，所述提示信息包括：所述第一身份信息和所述第一人员的去向信息，其中，所述第二身份信息与所述第一身份信息存在预设关系。
83.在具体实施中，上述输出所述第一身份信息和所述第一人员的去向信息，可以理解为：通过界面显示、语音输出等方式，向第二人员告知第一人员的去向信息。
84.另外，上述第二身份信息与所述第一身份信息存在预设关系，可以理解为：通过预设规则，判断第二身份信息与所述第一身份信息为相关的身份信息，例如：表示第一人员与第二人员为同一公司的员工、同一部门的员工、好友、需要去往相同目的地且相互认识的人员等等。
85.例如：上述身份信息可以包括对应人员所在的部门信息，当机器人检测到在预设时间间隔(例如：5分钟)内，有多个同部门的人向同一方向走去时，向当前识别到的该部门的人员发出提示信息，如：您的小伙伴xxx去往xxx方向。
86.再例如：在通过本技术实施例提供的身份识别方法识别出人员的身份信息后，可以在预先存储的人员登记信息表中，查询该身份信息对应的部门，从而在查询到在预设时间间隔(例如：5分钟)内，有多个同部门的人向同一方向走去时，向当前识别到的该部门的人员发出提示信息，如：您的小伙伴xxx去往xxx方向。
87.本实施方式中，可以向当前人员提示与其相关的其他人员的去向信息，从而能够
提升机器人服务的智能化效果。
88.作为一种可选的实施方式，所述第一身份信息包括第一指示信息，所述第一指示信息用于指示所述第一人员为：陌生人员、初次服务的预设人员或曾经服务过的预设人员；
89.在确定所述第一人员的第一身份信息之后，所述方法还包括：
90.向所述第一人员发出与所述第一指示信息对应的招呼信息。
91.在具体实施中，上述陌生人员可以理解为：预设人体特征信息库和预设人脸信息库中都不存在与之对应的人体特征信息和人脸信息的人员。
92.此时，若第一人员为陌生人员，则上述招呼信息可以是对陌生人的招呼信息，例如：“你好，欢迎光临”。
93.上述初次服务的预设人员可以理解为：预设人体特征信息库和/或预设人脸信息库中存在与之对应的人体特征信息和/或人脸信息，且该人员为指定时间段(例如：1天)内首次服务的人员。
94.此时，若第一人员为初次服务的预设人员，则上述招呼信息可以是对初次服务的预设人员的招呼信息，例如：“你好，xxx(如：第一人员的姓名、所在的公司名或者员工代码等)”。
95.上述曾经服务过的预设人员可以理解为：预设人体特征信息库和/或预设人脸信息库中存在与之对应的人体特征信息和/或人脸信息，且在指定时间段(例如：1天)内向该人员提供过至少1次服务。
96.此时，若第一人员为曾经服务过的预设人员，则上述招呼信息可以是对曾经服务过的预设人员的招呼信息，例如：“你好，有什么可以再次为您服务的”。
97.本实施方式中，机器人对不同身份或不同历史服务背景的人员，能够发出不同的招呼信息，能够提升机器人服务的人工智能化。
98.在本发明实施例中，获取第一采集图像；对所述第一采集图像进行人员检测，并提取检测到的每一个人员的人体特征；基于提取的人体特征分别对所述每一个人员进行位置跟踪；根据第一人员的人脸图像的图像质量，确定对跟踪到的所述第一人员进行人脸识别或者人体特征识别，根据识别结果确定所述第一人员的第一身份信息。这样，可以对第一采集图像中的行人进行特征提取，并跟踪每一个人体特征对应的行人的位置，这样，在从第一采集图像中检测到人脸的情况下，可以根据该人脸的位置确定该行人对应的人体特征，并基于人脸识别或者人体特征识别来识别该位置的行人的身份信息，实现了通过人体特征识别来弥补：因人脸图像完整度低、被遮挡、清晰度较差等人脸图像的图像质量较差时，使得人脸识别失败，造成无法完成身份信息识别的问题，进而能够提升身份识别的成功率。
99.为了便于说明，以下实施例中，以机器人执行如图2所示身份识别方法流程为例，对本发明实施例提供的身份识别方法进行举例说明，如图2所示，该身份识别方法可以包括以下步骤：
100.步骤201、采集图像。
101.本步骤与如图1所示方法实施例中的步骤101的不同之处在于，本步骤中的采集图像是机器人上的图像采集装置所采集到的图像。
102.步骤202、人员目标检测。
103.本步骤与如图1所示方法实施例中的：对所述第一采集图像进行人员检测，具有相
同含义和作用，在此不再赘述。
104.步骤203、人体特征提取。
105.本步骤与如图1所示方法实施例中的：提取检测到的每一个人员的人体特征，具有相同含义和作用，在此不再赘述。
106.步骤204、reid跟踪。
107.本步骤与如图1所示方法实施例中的：基于提取的人体特征分别对所述每一个人员进行位置跟踪，具有相同含义和作用，在此不再赘述。
108.步骤205、人脸检测。
109.本步骤表示获取采集到的图像中的人脸区域，从而截取人脸小图。
110.步骤206、人脸图像质量判断。
111.本步骤中，在判断结果为，人脸图像的图像质量较差，即图像质量不达标的情况下，执行步骤207；否则，执行步骤208。
112.另外，本步骤与如图1所示方法实施例中的：根据第一人员的人脸图像的图像质量，对所述第一人员进行人脸识别或者人体特征识别，具有相同含义和作用，在此不再赘述。
113.步骤207、人体特征比对。
114.本步骤可以理解为如图1所示方法实施例中的：对所述第一人员进行人体特征识别，以确定所述第一人员的第一身份信息过程，在此不再赘述。
115.步骤208、人脸特征比对。
116.本步骤可以理解为如图1所示方法实施例中的：对所述第一人员进行人脸识别，以确定所述第一人员的第一身份信息，在此不再赘述。
117.步骤209、判断是否成功识别身份信息。
118.本步骤中，在判断结果为“是”(即预设人脸信息库中存在与人脸识别信息匹配的人脸信息)的情况下，执行步骤210；否则，执行步骤211。
119.步骤210、更新人体特征。
120.步骤211、将陌生人信息更新到数据库。
121.本发明实施例提供的身份识别方法，可以对采集图像中的行人进行特征提取，并跟踪每一个人体特征对应的行人的位置，这样，在从采集图像中检测到人脸的情况下，可以根据该人脸的位置确定该行人对应的人体特征，并基于人脸识别或者人体特征识别来识别该位置的行人的身份信息，实现了通过人体特征识别来弥补：因人脸图像完整度低、被遮挡、清晰度较差等人脸图像的图像质量较差时，使得人脸识别失败，造成无法完成身份信息识别的问题，进而能够提升身份识别的成功率。
122.请参阅图3，本发明实施例提供的身份识别装置300，可以包括：
123.第一获取模块301，用于获取第一采集图像；
124.检测模块302，用于对所述第一采集图像进行人员检测，并提取检测到的每一个人员的人体特征；
125.特征提取模块303，用于基于提取的人体特征分别对所述每一个人员进行位置跟踪；
126.身份识别模块304，用于根据第一人员的人脸图像的图像质量，确定对跟踪到的所
述第一人员进行人脸识别或者人体特征识别，根据识别结果确定所述第一人员的第一身份信息。
127.可选的，身份识别模块304，包括：
128.特征识别单元，用于在第一人员的人脸图像的图像质量小于预设质量的情况下，对所述第一人员进行人体特征识别；
129.特征匹配单元，用于将人体特征结果与预设人体特征信息库中的人体特征信息进行匹配；
130.第一确定单元，用于根据人体特征信息匹配结果，确定所述第一人员的第一身份信息。
131.可选的，身份识别模块304，包括：
132.人脸识别单元，用于在第一人员的人脸图像的图像质量大于或等于预设质量的情况下，对所述第一人员进行人脸识别；
133.人脸匹配单元，用于将人脸识别结果与预设人脸信息库中的人脸信息进行匹配；
134.第二确定单元，用于根据人脸信息匹配结果，确定所述第一人员的第一身份信息；
135.关联单元，用于将所述第一人员的人体特征与所述第一人员的人脸图像关联。
136.可选的，关联单元，包括：
137.确定子单元，用于在所述第一人员的目标人脸信息与人员信息库中的第一人脸信息匹配成功的情况下，基于所述第一人脸信息确定所述第一人员的第一身份信息，其中，所述人员信息库包括人脸信息和人体特征信息；
138.数据处理单元，用于将所述第一人脸信息与所述第一人员的第一人体特征信息关联，或者将所述第一人脸信息预先关联的人体特征信息更新为所述第一人体特征信息。
139.可选的，身份识别装置300还包括：
140.第二确定模块，用于在从第二采集图像中检测到所述第一人体特征信息的情况下，基于所述第一人体特征信息关联的所述第一人脸信息确定所述第二采集图像中与所述第一人体特征信息对应的人员的身份信息。
141.可选的，身份识别装置300还包括：
142.第二获取模块，用于获取所述第一人员的去向信息；
143.关联模块，将所述去向信息与所述第一身份信息关联。
144.可选的，身份识别装置300还包括：
145.第一输出模块，用于在识别到第二人员的第二身份信息的情况下，输出提示信息，所述提示信息包括：所述第一身份信息和所述第一人员的去向信息，其中，所述第二身份信息与所述第一身份信息存在预设关系。
146.可选的，所述第一身份信息包括第一指示信息，所述第一指示信息用于指示所述第一人员为：陌生人员、初次服务的预设人员或曾经服务过的预设人员；
147.身份识别装置300还包括：
148.第二输出模块，用于向所述第一人员发出与所述第一指示信息对应的招呼信息。
149.本技术实施例提供的身份识别装置300能够实现图1或图2所示方法实施例实现的各个过程，且能够取得相同的有益效果，为避免重复，这里不再赘述。
150.可选的，如图4所示，本技术实施例还提供一种电子设备400，包括处理器401，存储
器402，存储在存储器402上并可在所述处理器401上运行的程序或指令，该程序或指令被处理器401执行时实现如图1或图2所示方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
151.在具体实施中，上述电子设备可以是机器人，或者其还可以是其他具有身份识别功能的电子设备，在此不作具体限定。
152.本技术实施例还提供一种计算机可读存储介质，所述可读存储介质上存储有程序或指令，该程序或指令被处理器执行时实现如图1或图2所示方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
153.其中，所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质，包括计算机可读存储介质，如计算机只读存储器(read
‑
only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等。
154.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外，需要指出的是，本技术实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能，还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能，例如，可以按不同于所描述的次序来执行所描述的方法，并且还可以添加、省去、或组合各种步骤。另外，参照某些示例所描述的特征可在其他示例中被组合。
155.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献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(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本技术各个实施例所述的方法。
156.上面结合附图对本技术的实施例进行了描述，但是本技术并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本技术的启示下，在不脱离本技术宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本技术的保护之内。