本申請主要涉及圖像處理技術領域，更具體地說是涉及一種識別方法、裝置及電子設備。

背景技術：

如今，為了提高用戶身份識別的準確性，通常是利用生物識別技術來識別用戶身份，如指紋識別技術、人臉識別技術以及虹膜識別技術等等。

其中，人臉識別是一種基于用戶的臉部特征信息進行身份識別的生物識別技術，可以通過圖像采集設備采集含有用戶面部的圖像或視頻流，并自動在圖像中檢測和跟蹤人臉，從而利用檢測到的人臉準確識別用戶身份，被防范應用到電子商務、銀行、政府、安全防務等領域。

然而，在實際應用中，人臉識別技術只能對用戶正向臉進行識別，且要求用戶臉部靠近圖像采集設備，才能識別到臉部特征信息，具有很大局限性，往往會因用戶位置或姿勢不到位，而無法識別到有效的臉部特征信息，導致無法識別用戶身份，需要多次采集并識別，比較繁瑣，降低了識別效率。

技術實現(xiàn)要素：

有鑒于此，本申請?zhí)峁┝艘环N信息處理方法、裝置及電子設備，解決了現(xiàn)有的人臉識別技術中臉部識別姿態(tài)及其與圖像采集設備的距離受限，無法檢測遠距離和臉部角度變化的用戶身份，需要用戶不斷調整姿態(tài)及其與圖像采集設備之間的距離，過程比較繁瑣，導致工作效率低的技術問題。

為了解決上述技術問題，本申請?zhí)峁┝艘韵录夹g方案：

一種信息處理方法，所述方法包括：

獲取圖像信息；

利用人臉識別算法、人臉追蹤算法以及行人識別算法，對所述圖像信息進行同步處理，并將處理得到的數(shù)據(jù)進行關聯(lián)，得到關聯(lián)圖像數(shù)據(jù)；

利用所述關聯(lián)圖像數(shù)據(jù)，確定所述圖像信息中拍攝對象的身份標識，并建立所述身份標識與所述關聯(lián)圖像數(shù)據(jù)之間的對應關系。

優(yōu)選的，所述利用人臉識別算法、人臉追蹤算法以及行人識別算法，對所述圖像信息進行同步處理，包括：

判斷從所述圖像信息中是否檢測到人臉圖像和行人圖像；

當從所述圖像信息中檢測到所述人臉圖像和所述行人圖像，提取所述人臉圖像中的面部特征信息，以及所述行人圖像中的行人特征信息；

當從所述圖像信息中僅檢測到所述行人圖像，提取所述行人圖像中的行人特征信息，并利用所述行人圖像，追蹤上一幀圖像信息，從追蹤到的圖像信息中檢測人臉圖像，并提取所述人臉圖像中的面部特征信息。

優(yōu)選的，所述方法還包括：

根據(jù)在線學習算法，對所述關聯(lián)圖像數(shù)據(jù)進行處理；

利用處理結果更新內(nèi)存中與所述身份標識對應的關聯(lián)圖像數(shù)據(jù)。

優(yōu)選的，所述利用所述關聯(lián)圖像數(shù)據(jù)，確定所述圖像信息中拍攝對象的身份標識，包括：

利用所述人臉識別算法以及所述人臉追蹤算法對所述圖像信息的處理結果，判斷是否確定出所述圖像信息中拍攝對象的身份標識；

當未確定出所述圖像信息中拍攝對象的身份標識，將利用所述行人識別算法對所述圖像信息進行處理得到的數(shù)據(jù)作為目標行人數(shù)據(jù)；

利用內(nèi)存存儲的行人數(shù)據(jù)，獲得與所述目標行人數(shù)據(jù)相匹配的身份標識，確定為所述圖像信息中拍攝對象的身份標識。

優(yōu)選的，所述根據(jù)在線學習算法，對所述關聯(lián)圖像數(shù)據(jù)進行處理包括：

確定所述關聯(lián)圖像數(shù)據(jù)中的行人圖像，并獲得所述行人圖像的正相關圖像以及負相關圖像；

利用預設顏色空間算法對所述正相關圖像以及所述負相關圖像進行預處理，從預處理后的圖像中提取顏色相關圖特征；

計算所述顏色相關圖特征與所述身份標識關聯(lián)存儲的顏色相關圖特征的相似度；

當所述相似度大于第一閾值，利用提取的顏色相關圖特征替換所述身份標識關聯(lián)存儲的顏色相關圖特征；

當所述相似度不大于所述第一閾值，將提取的顏色相關圖特征與所述身份標識關聯(lián)存儲。

優(yōu)選的，所述方法還包括：

檢測到針對電子設備的關機指令或內(nèi)存清理指令，刪除所述內(nèi)存中存儲的關聯(lián)圖像數(shù)據(jù)。

一種信息處理裝置，所述裝置包括：

圖像獲取模塊，用于獲取圖像信息；

圖像處理模塊，用于利用人臉識別算法、人臉追蹤算法以及行人識別算法，對所述圖像信息進行同步處理，并將處理得到的數(shù)據(jù)進行關聯(lián)，得到關聯(lián)圖像數(shù)據(jù)；

信息關聯(lián)模塊，用于利用所述關聯(lián)圖像數(shù)據(jù)，確定所述圖像信息中拍攝對象的身份標識，并建立所述身份標識與所述關聯(lián)圖像數(shù)據(jù)之間的對應關系。

一種電子設備，所述電子設備包括：

圖像采集器，用于獲取圖像信息；

處理器，用于利用人臉識別算法、人臉追蹤算法以及行人識別算法，對所述圖像信息進行同步處理，并將處理得到的數(shù)據(jù)進行關聯(lián)，得到關聯(lián)圖像數(shù)據(jù)，利用所述關聯(lián)圖像數(shù)據(jù)，確定所述圖像信息中拍攝對象的身份標識，并建立所述身份標識與所述關聯(lián)圖像數(shù)據(jù)之間的對應關系；

內(nèi)存，用于存儲所述身份標識與所述關聯(lián)圖像數(shù)據(jù)之間的對應關系。

優(yōu)選的，所述電子設備還可以包括：

顯示器，用于輸出所述圖像信息以及所述身份標識。

由此可見，與現(xiàn)有技術相比，本申請?zhí)峁┝艘环N信息處理方法、裝置及電子設備，在獲得圖像信息后，可以利用人臉識別算法、人臉追蹤算法以及行人識別算法，對該圖像信息進行同步處理，并將處理得到的數(shù)據(jù)進行關聯(lián)，得到關聯(lián)圖像數(shù)據(jù)，從而利用該關聯(lián)圖像數(shù)據(jù)，確定圖像信息中拍攝對象的身份標識，大大提高了識別用戶身份的準確性，并且，本申請將會建立該身份標識與關聯(lián)圖像數(shù)據(jù)之間的對應關系，豐富了該身份標識關聯(lián)的用戶圖像信息，為今后快速可靠地驗證用戶身份奠定了基礎。

附圖說明

為了更清楚地說明本申請實施例或現(xiàn)有技術中的技術方案，下面將對實施例或現(xiàn)有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本申請的實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)提供的附圖獲得其他的附圖。

圖1為本申請實施例提供的一種信息處理方法的流程圖；

圖2為本申請實施例提供的另一種信息處理方法的流程圖；

圖3為本申請實施例提供的一種行人圖像的示意圖；

圖4為本申請實施例提供的一種人臉圖像的示意圖；

圖5為本申請實施例提供的又一種信息處理方法的流程圖；

圖6為本申請實施例提供的一種信息處理裝置的結構框圖；

圖7為本申請實施例提供的另一種信息處理裝置的結構框圖；

圖8為本申請實施例提供的又一種信息處理裝置的結構框圖；

圖9為本申請實施例提供的又一種信息處理裝置的結構框圖；

圖10為本申請實施例提供的又一種信息處理裝置的結構框圖；

圖11為本申請實施例提供的一種電子設備的硬件結構圖。

具體實施方式

下面將結合本申請實施例中的附圖，對本申請實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本申請一部分實施例，而不是全部的實施例?；诒旧暾堉械膶嵤├?，本領域普通技術人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本申請保護的范圍。

如今，人臉識別已經(jīng)廣泛應用到各個應用，給用戶的生活、工作和學習等方便提供了極大便利。然而，在實際應用中，人臉識別技術存在一定的局限性，如拍攝對象的姿態(tài)、與鏡頭之間的距離等，都可以會影響用戶身份識別效率以及準確性。

具體的，若拍攝對象的臉部沒有正對鏡頭，此時，電子設備會因拍攝角度的原因，容易檢測不到正面人臉圖像，那么，也就無法識別拍攝對象的身份標識。另外，因電子設備的像素偏低，與拍攝對象的距離較遠等原因，也很容易導致所得人臉圖像不清晰，從而影響人臉識別準確性以及效率。

針對這種問題，現(xiàn)有技術中，通常是輸出相應的提示信息，來提醒拍攝對象調整姿態(tài)或與鏡頭之間的距離，以使電子設備采集到合格的圖像信息，過程比較繁瑣，且適用場景也具有很大局限性。

為了改善上述情況，本申請?zhí)岢隽艘环N新的信息處理方案，具體的，在獲得圖像信息后，可以利用人臉識別算法、人臉追蹤算法以及行人識別算法，對該圖像信息進行同步處理，并將處理得到的數(shù)據(jù)進行關聯(lián)，得到關聯(lián)圖像數(shù)據(jù)，從而利用該關聯(lián)圖像數(shù)據(jù)，確定圖像信息中拍攝對象的身份標識。由此，本申請這種方案并不局限于人臉識別算法，能夠與其他兩種算法進行配合，保證能夠獲得合格的圖像信息，大大提高了識別用戶身份的準確性。

并且，本申請將會建立該身份標識與關聯(lián)圖像數(shù)據(jù)之間的對應關系，豐富了該身份標識關聯(lián)的用戶圖像信息，為今后快速可靠地驗證用戶身份奠定了基礎。

為了使本申請的上述目的、特征和優(yōu)點能夠更加明顯易懂，下面結合附圖和具體實施方式對本申請作進一步詳細的說明。

如圖1所示，為本申請實施例提供的一種信息處理方法的流程圖，該方法可以包括：

步驟s11，獲取圖像信息；

在實際應用中，為了獲取用戶行為數(shù)據(jù)，或者是驗證用戶身份，如考勤、交通監(jiān)控等應用中，通常會利用攝像頭等圖像采集器，獲取其拍攝范圍內(nèi)的圖像信息，以便通過對該圖像信息進行分析，得到所需數(shù)據(jù)。

由此可見，本實施例的步驟s11可以由圖像采集器采集圖像信息，并發(fā)送至相應的處理器進行分析處理，其中，該圖像采集器和處理器可以位于同一電子設備，也可以位于不同的電子設備，即由第一電子設備的圖像采集器你采集到圖像信息后，通過無線或有線方式，將該圖像信息發(fā)送至第二電子設備進行處理等等，本申請對獲取圖像信息的方式及其主體不作限定。

步驟s12，利用人臉識別算法、人臉追蹤算法以及行人識別算法，對該圖像信息進行同步處理；

人臉識別算法是在檢測到人臉并定位面部關鍵特征點之后，提取人臉區(qū)域進行預處理后，提取人臉特征信息，如臉部的五官位置、臉型、角度等數(shù)據(jù)，之后，可以與預存的標準信息進行比對，判斷出被檢對象的真實身份。

人臉追蹤算法通常是基于人臉檢測技術實現(xiàn)的，其是指在輸入圖像序列中確定某個人臉的運動軌跡及大小變化的過程，可以基于膚色信息、運動信息、運動模型、局部器官特征等方法實現(xiàn)，本申請對其采用的具體實現(xiàn)方式不作限定。

由此可見，人臉追蹤算法可以利用相關的啟發(fā)性知識達到快速追蹤的目的，通常只使用人臉的一小部分或局部器官的分布信息，在如背景簡單靜止視頻、工作臺前的人臉或頭肩部人臉視頻等環(huán)境中，可以取得很好的人臉追蹤效果，為人臉識別提供很好的輔助作用。

其中，人臉檢測是指在給定的圖片中確定人臉位置及大小的過程，在實際應用中，可以通過人臉檢測算法來搜索圖像信息中人臉的初始位置，之后，可以結合人臉追蹤算法，在追蹤過程中定位人臉。

另外，行人識別算法也可以包括行人檢測以及行人跟蹤算法，行人檢測是指將圖像信息中的行人目標從背景中分割出來并精確定位；行人跟蹤就是監(jiān)視人體在圖像信息中的空間和時間變化，包括人體的出線、位置變化、大小信息、形狀等，在連續(xù)幀圖像上匹配目標區(qū)域，滿足實際需要。

在本實施例中，獲得一幀圖像后，可以分別利用上述三種算法對該圖像進行同步處理，已得到三種處理結果，本申請對上述三種算法對圖像的具體處理過程，本實施例在此不作詳述。

步驟s13，將處理得到的數(shù)據(jù)進行關聯(lián)，得到關聯(lián)圖像數(shù)據(jù)；

在本申請中，由于上述三種處理方式是對同一圖像進行的同步處理，為了方便今后查詢所需數(shù)據(jù)，可以將得到的對同一圖像的三種處理結果數(shù)據(jù)進行關聯(lián)，即建立三種處理結果數(shù)據(jù)之間的對應關系，本申請對該對應關系的表示方式不作限定。

步驟s14，利用該關聯(lián)圖像數(shù)據(jù)，確定圖像信息中拍攝對象的身份標識，并建立該身份標識與關聯(lián)圖像數(shù)據(jù)之間的對應關系。

可選的，在實際應用中，利用人臉識別算法對圖像信息進行處理，通常能夠獲得人臉特征數(shù)據(jù)，并由此可以準確判斷拍攝對象的身份標識。當然，若拍攝對象的臉部沒有正面對鏡頭，獲得的圖像信息中的臉部信息往往會不完成，相應的提取得到的人臉特征數(shù)據(jù)也將會不完整，甚至可能會提取不到臉部特征數(shù)據(jù)。

這種情況下，為了識別拍攝對象的身份標識，可以利用建立的上述關聯(lián)圖像數(shù)據(jù)中，三類處理數(shù)據(jù)的對應關系，如利用行為數(shù)據(jù)，追蹤針對該拍攝對象的上一幀圖像，從而通過對追蹤到的圖像進行人臉識別，確定該拍攝對象的身份標識。

需要說明的是，本申請將對獲得的每一幀圖像進行三種算法的同步處理后，都可以將所得三種處理結果數(shù)據(jù)進行關聯(lián)存儲，這樣，若對當前幀圖像進行人臉識別，不能準確得知其包含的拍攝對象的身份標識，利用建立的對應關系，保證追蹤得到的上一幀圖像是針對該拍攝對象上一時刻的圖像，從而保證了對追蹤圖像進行身份識別的可靠性。

通常情況下，通過本實施例上述方式，所得到的上一幀圖像與當前針對圖像中，拍攝對象的動作是連續(xù)的，往往不會有特別大的差距，所以，在本實施例中，可以按照上述方式依次往前追蹤圖像，以便獲得拍攝對象的身份標識。

之后，本申請可以建立該身份標識與上述獲得的關聯(lián)圖像數(shù)據(jù)之間的對應關系，今后就可以按照用戶的身份標識，直接獲取與其對應的相關數(shù)據(jù)，而且，可以將該身份標識對應的關聯(lián)圖像數(shù)據(jù)作為后續(xù)驗證用戶身份的標準等，本申請對其實現(xiàn)過程不作限定。

綜上所述，在本實施例中，在獲得圖像信息后，本申請將利用人臉識別算法、人臉追蹤算法以及行人識別算法這三種算法，對該圖像信息進行同步處理，并利用得到的包含三方便處理結果數(shù)據(jù)的關聯(lián)圖像數(shù)據(jù)，來確定拍攝對象的身份標識，大大提高了識別用戶身份的準確性以及效率。

參照圖2，為本申請實施例提供的另一種信息處理方法的流程圖，該方法可以包括：

步驟s21，獲取圖像信息；

步驟s22，判斷從該圖像信息中是否檢測到人臉圖像和行人圖像，如果是，執(zhí)行步驟s24；如果僅檢測到行人圖像，進入步驟s23；

在本實施例中，關于對圖像信息的人臉檢測和行人檢測過程可以同步進行，本申請對兩者的實現(xiàn)順序不作限定。

其中，本申請可以利用人臉檢測算法對圖像信息進行分析，從而根據(jù)分析結果，來判斷該圖像信息中是否包含人臉圖像；同樣，可以利用行人識別算法檢測該圖像信息中行人，并對其進行跟蹤，本申請對人臉檢測和行人檢測的具體實現(xiàn)過程不作限定。

步驟s23，利用該行人圖像，追蹤上一幀圖像信息，并從追蹤到的圖像信息中檢測人臉圖像；

在實際應用中，結合上述分析，可能會因拍攝對象的姿態(tài)，或者是電子設備的拍攝鏡頭與拍攝對象的距離，或者是電子設備的拍攝精度等問題，導致電子設備從獲得的圖像信息中，能夠分析得到行人圖像，但無法的得到相應的人臉圖像，如圖3所示，這種情況下，可以采用提示框的方式，確定所得到的行人圖像，但并不局限于這一種提示方式。

其中，在進行行人圖像檢測過程中，通常會利用行人追蹤技術，對檢測到的行人圖像進行跟蹤，這樣，隨著拍攝對象在拍攝范圍內(nèi)移動，可以實時檢測行人圖像，并利用跟隨移動的提示框直觀告知當前行人的位置。

舉例說明，若拍攝對象背對或側對鏡頭，或者是拍攝對象僅有身體部分進入拍攝范圍等情況下，電子設備獲取的圖像信息中并不存在人臉圖像，這種情況下，可以從中獲取行人圖像，之后，可以按照上述追蹤到與該行人圖像關聯(lián)的，具有用戶人臉圖像的圖像信息。若按照上述追蹤方式，仍無法得到拍攝對象的人臉圖像，可以直接進入下面步驟s26。

步驟s24，提取該人臉圖像中的面部特征信息，以及行人圖像中的行人特征信息；

結合圖3和圖4，檢測到人臉圖像后，也可以采用提示框的方式，確定該人臉圖像的位置，即使人臉圖像呈現(xiàn)在該提示框中，其他圖像位于該提示框之外，本申請對該提示框的輸出方式不作限定。

步驟s25，判斷是否確定出與該面部特征信息匹配的身份標識，如果是，執(zhí)行步驟s27，如果否，進入步驟s26；

本實施例中，可以通過將提取得到的面部特征信息與預存的各身份標識對應的標準面部特征進行對比，以便根據(jù)比對結果，來確定具有該面部特征的用戶的身份標識，但不局限于這一種實現(xiàn)方式。

步驟s26，判斷是否確定出與該行人特征信息匹配的身份標識，如果是，進入步驟s27，如果否，執(zhí)行步驟s29；

其中，關于行人特征信息匹配的身份標識的確定，也可以通過將其與預存的各行人特征信息進行比對確定，但并不局限于這一種實現(xiàn)方式。

在實際應用中，為了提高用戶身份識別效率以及可靠性，在某些固定的場所，如企業(yè)或工廠等場所，可以預設采集員工的人臉圖像以及各部分各角度的身體圖像等，不作今后驗證其身份的標準數(shù)據(jù)。

可選的，在本申請中，若利用人臉識別算法和人臉追蹤算法對圖像信息的處理結果，無法判斷出該圖像信息中拍攝對象的身份標識，可以利用行人識別算法對該圖像信息進行處理，并將得到的數(shù)據(jù)作為目標行人數(shù)據(jù)，之后，利用預存的具有身份標識的行人數(shù)據(jù)，獲得與該目標行人數(shù)據(jù)相匹配的身份標識，即為拍攝對象的身份標識。

步驟s27，將得到的身份標識與人臉圖像以及行人圖像進行關聯(lián)；

參照圖3和4，確定拍攝對象的身份標識后，可以將其確定的人臉圖像和行人圖像進行關聯(lián)，此時，可以直接將該身份標識的用戶數(shù)據(jù)呈現(xiàn)在相應的人臉圖像和行人圖像旁邊，以便用戶觀看該圖像的相關信息。

其中，拍攝對象的身份標識可以包括用戶的id、名稱等內(nèi)容，申請對此不作限定，需要說明的是，用戶id通常是唯一的，可以通過用戶id區(qū)分個用戶。

另外，關于識別出的身份標識的輸出方式及內(nèi)容，并不局限于圖3和4示出的方式，可以根據(jù)實際需要進行設定，本申請在此不再詳述。

步驟s28，根據(jù)在線學習算法，利用得到的身份標識以及與其關聯(lián)的人臉圖像和行人圖像，更新預存的與該身份標識對應的關聯(lián)圖像數(shù)據(jù)；

在實際應用中，由于根據(jù)本次得到的圖像信息的人臉圖像以及行人圖像，往往會與之前得到的同一身份標識的人臉圖像和行人圖像重復，所以，本申請可以將重復數(shù)據(jù)刪除，或者在確定之前的某圖像包含本次得到的圖像內(nèi)容，可以將本次得到的圖像刪除等，從而減少冗余數(shù)據(jù)，提高查詢效率。

可選的，若經(jīng)過對比，確定本次得到的圖像是新的圖像，即之前并不存在與該身份標識對應的該圖像，將該圖像補充到該身份標識對應的關聯(lián)圖像數(shù)據(jù)中。總之，本申請可以通過在線學習的方式，使各身份標識對應的關聯(lián)圖像數(shù)據(jù)包含的具有該身份標識用戶的內(nèi)容更加全面完整，本申請該在線學習的具體實現(xiàn)過程不作限定。

需要說明的是，上述與身份標識對應存儲的關聯(lián)圖像數(shù)據(jù)，通常是存儲在電子設備的緩存中，若重啟電子設備，其存儲的這些關聯(lián)圖像數(shù)據(jù)通常會被清除，之后，可以按照上述方式重新存儲各用戶的關聯(lián)圖像數(shù)據(jù)。

步驟s29，利用預存的具有身份標識的行人圖像信息，獲得該行人特征信息匹配的身份標識，并將其作為圖像信息中拍攝對象的身份標識。

綜上所述，本申請利用人臉識別、人臉追蹤以及行人識別這三種算法，對獲得的圖像信息進行處理，并利用得到的這三方面的處理數(shù)據(jù)，綜合判斷圖像信息中拍攝對象的身份標識，克服了現(xiàn)有技術中，僅通過人臉識別算法獲得拍攝對象的身份標識方案中，容易受拍攝對象臉部姿態(tài)、拍攝對象與鏡頭距離以及電子設備精度等因素影響，導致無法準確獲得拍攝對象的身份標識的缺陷，大大提高了身份識別效率以及準確性。

而且，本實施例在確定拍攝對象的身份標識后，還可以利用在線學習算法，對存儲的與該身份標識對應的關聯(lián)圖像數(shù)據(jù)更新，為后續(xù)采集到的圖像信息無法識別出身份標識的情況下，直接利用存儲的行人數(shù)據(jù)對提取的行人特征數(shù)據(jù)進行匹配，得到圖像信息中拍攝對象的身份標識，從而進一步提高了用戶身份識別的可靠性。

參照圖5，為本申請實施例提供的又一種信息處理方法的流程圖，該方法主要對在線學習的實現(xiàn)過程進行說明，關于本實施例中實現(xiàn)該信息處理方案的其他步驟，可以參照上述實施例相應部分的描述，本實施例在此不再贅述，則該方法可以包括：

步驟s51，確定關聯(lián)圖像數(shù)據(jù)中的行人圖像，并獲得該行人圖像的正相關圖像以及負相關圖像；

可選的，行人圖像的正相關圖像可以是指包含行人特征信息的圖像，如圖3的提示框內(nèi)的圖像；負相關圖像可以是與該正相關圖像相鄰，不包含行人特征信息的圖像，如圖3中緊鄰提示框的背景圖像，但并不局限于此。

步驟s52，利用預設顏色空間算法對正相關圖像以及負相關圖像進行預處理，從預處理后的圖像中提取顏色相關圖特征；

其中，預設顏色空間算法可以包括hsv(hue,saturation,value)算法，但并不局限于此。在hsv算法中，顏色參數(shù)h表示色調，s表示飽和度，v表示明亮程度。本實施例可以提取圖像信息中的v參數(shù)，并進行直方圖歸一化處理，以便提取自動顏色相關圖特征。

其中，圖像的預處理可以包括：圖像前景分割處理，以便提取前景圖像，得到正相關圖像，當然還可以包括其他常規(guī)圖像預處理操作，本實施例在此不再一一詳述。

顏色相關圖是圖像顏色分布的一種表達方式，其刻畫出了某一種顏色的像素數(shù)量占整個圖像的比例，還反映了不同顏色對之間的空間相關性，以便更快速地檢索所需圖像。而顏色自動相關圖則是顏色相關圖的一種簡化的變種，其可以用來觀察具有相同顏色的像素間的空間關系。本申請對如何獲得顏色相關圖的方式不作限定。

步驟s53，計算該顏色相關圖特征與身份標識關聯(lián)存儲的顏色相關圖特征的相似度；

本實施例可以利用相似度算法如knn算法，但并不局限于此，來計算針對采集到的圖像信息的顏色相關圖特征，與已存儲的同一身份標識的顏色相關圖特征之間的相似度，具體實現(xiàn)過程本申請不作詳述。

步驟s54，判斷該相似度是否大于第一閾值，如果是，進入步驟s55；如果否，執(zhí)行步驟s56，

其中，第一閾值可以表示判斷兩個顏色相關圖特征對應同一身份標識的臨界值，本申請對其具體數(shù)值不作限定。

步驟s55，利用提取的顏色相關圖特征替換身份標識關聯(lián)存儲的顏色相關圖特征；

步驟s56，將提取的顏色相關圖特征與身份標識關聯(lián)存儲。

在本實施例中，通過上述比較判斷，確定對應本次采集到的圖像信息的顏色相關圖特征并不存在，可以將其與該圖像信息的拍攝對象的身份標識關聯(lián)存儲，作為后續(xù)判斷其他圖像信息的顏色相關圖特征的標準。

可選的，對于通過在線學習方式得到的各身份標識對應的關聯(lián)圖像數(shù)據(jù)，通常并不是永久存儲的，當檢測到針對電子設備的關機指令或內(nèi)存清理指令時，可以刪除內(nèi)存中存儲的這些關聯(lián)圖像數(shù)據(jù)。

綜上，本申請采用在線學習的方式，實現(xiàn)了對預存的各關聯(lián)圖像數(shù)據(jù)的更新，保證其與當前用戶的特征最匹配，從而提高了據(jù)此判斷行人特征信息的身份標識的準確性。

參照圖6，為本申請實施例提供的一種信息處理裝置的結構框圖，該裝置可以包括：

圖像獲取模塊61，用于獲取圖像信息；

圖像處理模塊62，用于利用人臉識別算法、人臉追蹤算法以及行人識別算法，對所述圖像信息進行同步處理，并將處理得到的數(shù)據(jù)進行關聯(lián)，得到關聯(lián)圖像數(shù)據(jù)；

可選的，如圖7所示，該圖像處理模塊62可以包括：

第一判斷單元621，用于判斷從所述圖像信息中是否檢測到人臉圖像和行人圖像；

第一提取單元622，用于當從所述圖像信息中檢測到所述人臉圖像和所述行人圖像，提取所述人臉圖像中的面部特征信息，以及所述行人圖像中的行人特征信息；

第二提取單元623，用于當從所述圖像信息中僅檢測到所述行人圖像，提取所述行人圖像中的行人特征信息；

追蹤單元624，用于利用所述行人圖像，追蹤上一幀圖像信息；

第三提取單元625，用于從追蹤到的圖像信息中檢測人臉圖像，并提取所述人臉圖像中的面部特征信息。

信息關聯(lián)模塊63，用于利用所述關聯(lián)圖像數(shù)據(jù)，確定所述圖像信息中拍攝對象的身份標識，并建立所述身份標識與所述關聯(lián)圖像數(shù)據(jù)之間的對應關系。

可選的，如圖8所示，該信息關聯(lián)模塊63可以包括：

第二判斷單元631，用于利用所述人臉識別算法以及所述人臉追蹤算法對所述圖像信息的處理結果，判斷是否確定出所述圖像信息中拍攝對象的身份標識；

第一確定單元632，用于當未確定出所述圖像信息中拍攝對象的身份標識，將利用所述行人識別算法對所述圖像信息進行處理得到的數(shù)據(jù)作為目標行人數(shù)據(jù)；

第二確定單元633，用于利用內(nèi)存存儲的行人數(shù)據(jù)，獲得與所述目標行人數(shù)據(jù)相匹配的身份標識，確定為所述圖像信息中拍攝對象的身份標識。

作為本申請另一實施例，如圖9所示，該裝置還可以包括：

在線學習模塊64，用于根據(jù)在線學習算法，對所述關聯(lián)圖像數(shù)據(jù)進行處理；

更新模塊65，用于利用處理結果更新內(nèi)存中與所述身份標識對應的關聯(lián)圖像數(shù)據(jù)。

具體的，如圖10所示，該在線學習模塊可以包括：

第三確定單元641，用于確定所述關聯(lián)圖像數(shù)據(jù)中的行人圖像，并獲得所述行人圖像的正相關圖像以及負相關圖像；

預處理單元642，用于利用預設顏色空間算法對所述正相關圖像以及所述負相關圖像進行預處理，從預處理后的圖像中提取顏色相關圖特征；

計算單元643，用于計算所述顏色相關圖特征與所述身份標識關聯(lián)存儲的顏色相關圖特征的相似度；

替換單元644，用于當所述相似度大于第一閾值，利用提取的顏色相關圖特征替換所述身份標識關聯(lián)存儲的顏色相關圖特征；

存儲單元645，用于當所述相似度不大于所述第一閾值，將提取的顏色相關圖特征與所述身份標識關聯(lián)存儲。

綜上所述，本實施例在獲得圖像信息后，將利用人臉識別算法、人臉追蹤算法以及行人識別算法，對該圖像信息進行同步處理，并將處理得到的數(shù)據(jù)進行關聯(lián)，得到關聯(lián)圖像數(shù)據(jù)，從而利用該關聯(lián)圖像數(shù)據(jù)，確定圖像信息中拍攝對象的身份標識，大大提高了識別用戶身份的準確性，并且，本申請將會建立該身份標識與關聯(lián)圖像數(shù)據(jù)之間的對應關系，豐富了該身份標識關聯(lián)的用戶圖像信息，為今后快速可靠地驗證用戶身份奠定了基礎。

下面將從硬件電路的結構，對實現(xiàn)上述信息處理方案的電子設備進行說明：

如圖11所示，為本申請實施例提供的一種電子設備的硬件結構圖，該電子設備可以包括：

圖像采集器111，用于獲取圖像信息；

處理器112，用于利用人臉識別算法、人臉追蹤算法以及行人識別算法，對所述圖像信息進行同步處理，并將處理得到的數(shù)據(jù)進行關聯(lián)，得到關聯(lián)圖像數(shù)據(jù)，利用所述關聯(lián)圖像數(shù)據(jù)，確定所述圖像信息中拍攝對象的身份標識，并建立所述身份標識與所述關聯(lián)圖像數(shù)據(jù)之間的對應關系；

其中，關于處理器112實現(xiàn)上述功能的具體過程可以參照上述方法實施例的描述，本實施例在此不再贅述。

內(nèi)存113，用于存儲所述身份標識與所述關聯(lián)圖像數(shù)據(jù)之間的對應關系。

可選的，該電子設備還可以包括：顯示器114、通信接口115以及通信總線116等等，本申請在此不再一一列舉。

在實際應用中，參照圖3和圖4，可以通過顯示器來呈現(xiàn)得到的圖像信息，以及身份標識等數(shù)據(jù)，具體可以根據(jù)實際需要確定。

由此可見，本申請?zhí)峁┑碾娮釉O備克服了人臉識別姿態(tài)受限的問題，且即便用戶臉部角度變化較大，也可以得到對應的身份標識；而且，由于本申請結合了行人識別算法，不受距離的限制，近距離時可以通過人臉識別得到拍攝對象的身份標識，遠距離時可以結合人臉跟蹤算法，得到相應的身份標識，若無法檢測到人臉，還可以通過行人識別算法得到更遠距離的拍攝對象的身份標識，大大提高了用戶身份識別的可靠性。

最后，需要說明的是，關于上述各實施例中，諸如第一、第二等之類的關系術語僅僅用來將一個操作、單元或模塊與另一個操作、單元或模塊區(qū)分開來，而不一定要求或者暗示這些單元、操作或模塊之間存在任何這種實際的關系或者順序。而且，術語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法或者系統(tǒng)不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法或者系統(tǒng)所固有的要素。在沒有更多限制的情況下，由語句“包括一個……”限定的要素，并不排除在包括所述要素的過程、方法或者系統(tǒng)中還存在另外的相同要素。

本說明書中各個實施例采用遞進的方式描述，每個實施例重點說明的都是與其他實施例的不同之處，各個實施例之間相同相似部分互相參見即可。對于實施例公開的裝置和電子設備而言，由于其與實施例公開的方法對應，所以描述的比較簡單，相關之處參見方法部分說明即可。

對所公開的實施例的上述說明，使本領域專業(yè)技術人員能夠實現(xiàn)或使用本申請。對這些實施例的多種修改對本領域的專業(yè)技術人員來說將是顯而易見的，本文中所定義的一般原理可以在不脫離本申請的精神或范圍的情況下，在其它實施例中實現(xiàn)。因此，本申請將不會被限制于本文所示的這些實施例，而是要符合與本文所公開的原理和新穎特點相一致的最寬的范圍。