(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210857848.0 (22)申请日 2022.07.20 (71)申请人 江苏三维博达电子 工程股份有限公 司 地址 221000 江苏省徐州市 云龙区绿地世 纪城七期办公楼号楼1-142 9室 (72)发明人 舒磊　惠春光　 (74)专利代理 机构 沈阳工匠智诚知识产权代理 事务所(普通 合伙) 2125 6 专利代理师 刘珺 (51)Int.Cl. G06V 40/70(2022.01) G06V 20/40(2022.01) G06V 20/52(2022.01) (54)发明名称 一种基于网络摄像机的人体特征识别方法 及设备 (57)摘要 本发明适用于属于人体特征识别技术领域， 提供了一种基于网络摄像机的人体特征识别方 法包括以下步骤： 利用采集模块进行信息采集； 将采集到的信息进行数模转换； 将数模转换的信 息利用处理器进行处理分析； 得到处理器处理分 析后的信息数据。 还提供一种基于网络摄像机的 人体特征识别设备， 包括采集模块、 处理器、 数模 转换模块和数据库。 本发明有效的提高在公共场 所对在逃嫌疑犯的抓捕率， 解决现有摄像机不能 主动发现在逃嫌疑犯的问题。 权利要求书1页 说明书4页 附图3页 CN 115273250 A 2022.11.01 CN 115273250 A 1.基于网络摄 像机的人体特 征识别方法， 其特 征在于， 包括以下步骤： S1.利用采集模块(1)进行信息采集； S2.将所述S1中采集到的信息进行 数模转换； S3.将所述S2中经 过数模转换的信息利用处 理器(2)进行处 理分析； S4.得到所述S3中处 理器(2)处 理分析后的信息数据。 2.如权利要求1所述的基于网络摄像机的人体特征识别方法， 其特征在于， 所述摄像头 组包括广角摄 像头(13)和长焦摄 像头(12)。 3.如权利要求1所述的基于网络摄像机的人体特征识别方法， 其特征在于， 所述采集到 的信息包括： 人脸特 征、 肢体特 征、 面部表情和运动特 征。 4.基于网络摄 像机的人体特 征识别设备， 其特 征在于， 包括： 采集模块(1)， 被 配置为进行信息采集； 处理器(2)， 被 配置为对 采集到的信息与数据库(3)内部存 储信息进行处 理分析； 数模转换模块(4)， 被配置为将采集到的信息转换为数字模型， 并将数字模型传输到处 理器(2)， 以便 于处理器(2)进行 更简单的分析处 理。 5.如权利要求4所述的基于网络摄像机的人体特征识别设备， 其特征在于， 所述采集模 块(1)采集到的信息包括： 人脸特 征、 肢体特 征、 面部表情和运动特 征。 6.如权利要求4所述的基于网络摄像机的人体特征识别设备， 其特征在于， 所述采集模 块(1)包括： 声音提取模块(1 1)， 被配置为提取声音， 并将声 音信息传输 到所述处 理器(2)； 长焦摄像头(12)， 被 配置为视频拍摄； 广角摄像头(13)， 被 配置为视频拍摄； 视频处理器(14)， 被配置为对长焦摄像头(2)和广角摄像头(13)拍 摄到的视频进行整 合处理， 并将处 理后的视频传输 到所述处 理器(2)； 其中， 所述长焦摄像头(12)和所述广角摄像头(13)分别与所述视频处理器(14)连接， 所述视频处 理器(14)和声 音提取模块(1 1)分别与所述处 理器(2)连接 。 7.如权利要求4所述的基于网络摄像机的人体特征识别设备， 其特征在于， 所述处理器 (2)包括： 人脸特征提取模块(21)， 被 配置为提取人脸部轮廓特 征； 肢体特征提取模块(2 2)， 被配置为提取人肢体轮廓特征； 面部表情提取模块(23)， 被 配置为提取人面部表情特 征； 运动特征提取模块(24)， 被 配置为提取人运动特 征； 其中， 所述人脸特征提取模块(2 1)、 所述肢体特征提取模块(22)、 所述面部表情提取模 块(23)和所述 运动特征提取模块(24)分别与所述数模转换模块(4)连接 。 8.如权利要求4所述的基于网络摄像机的人体特征识别设备， 其特征在于， 还包括显示 模块(5)， 所述处 理器(2)和所述采集模块(1)分别与所述显示模块(5)连接 。权　利　要　求　书 1/1 页 2 CN 115273250 A 2一种基于网 络摄像机的 人体特征识别方 法及设备 技术领域 [0001]本发明属于人体特征识别技术领域， 尤其涉及基于网络摄像机的人体特征识别方 法及设备。 背景技术 [0002]随着科学技术的飞速发展， 利用摄像机来监控动 态场景早已被广泛应用于社会各 个领域， 例如 对安全性要求敏感的门禁系统、 安全监控。 由于广泛的应用前景和潜在的经济 价值， 人体运动的视频监控是近年来备受关注的前沿课题， 而利用生物识别技术辅助人体 运动分析更是发展的趋势。 人 的步态易于感知、 非侵犯性、 非接触性、 难于隐藏和伪装的优 点已经使其成为一个独具特色的生物行为。 步态识别是根据人物走路的姿势进行人的身份 识别， 以提取的人体轮廓图像为基础， 旨在不考虑 衣服、 背景等因素， 因此， 为了提高在公共 场所对在逃嫌疑犯的抓捕率， 解决现有摄像机不能主动发现在逃嫌疑犯的问题， 而提出了 一种基于网络摄 像机的人体特 征识别方法及设备 发明内容 [0003]本发明提供一种基于网络摄像机的人体特征识别方法及设备， 旨在解决现有摄像 机不能主动发现在逃嫌疑犯的问题。 [0004]本发明是这样实现的， 本发明提供一种基于网络摄像机 的人体特征识别方法， 包 括以下步骤： [0005]S1.利用采集模块进行信息采集； [0006]S2.将所述S1中采集到的信息进行 数模转换； [0007]S3.将所述S2中经 过数模转换的信息利用处 理器进行处 理分析； [0008]S4.得到所述S3中处 理器处理分析后的信息数据。 [0009]可选的， 所述摄 像头组包括广角摄 像头和长焦摄 像头。 [0010]可选的， 所述采集到的信息包括： 人脸特 征、 肢体特 征、 面部表情和运动特 征。 [0011]本发明还提供一种基于网络摄 像机的人体特 征识别设备， 包括： [0012]采集模块， 被 配置为进行信息采集； [0013]处理器， 被配置为对 采集到的信息与数据库内部存 储信息进行处 理分析； [0014]数模转换模块， 被配置为将采集到 的信息转换为数字模型， 并将数字模型传输到 处理器， 以便 于处理器进行 更简单的分析处 理。 [0015]可选的， 所述采集模块采集到的信息包括： 人脸特征、 肢体特征、 面部表情和运动 特征。 [0016]可选的， 所述采集模块包括： [0017]声音提取模块， 被 配置为提取声音， 并将声 音信息传输 到所述处 理器； [0018]长焦摄像头， 被配置为视频拍摄； [0019]广角摄像头， 被配置为视频拍摄；说　明　书 1/4 页 3 CN 115273250 A 3