(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 202211137944.4 (22)申请日 2022.09.19 (71)申请人 深圳市万物云科技有限公司 地址 518000 广东省深圳市前海深港合作 区前湾一路1号A栋201室 （入驻深圳市 前海商务秘书 有限公司） (72)发明人 周长源　常可欣　袁戟　姚钊盈　 刘子伟　 (74)专利代理 机构 深圳市精英专利事务所 44242 专利代理师 巫苑明 (51)Int.Cl. G06V 40/16(2022.01) G06V 10/774(2022.01) G06F 21/62(2013.01)G06N 5/04(2006.01) G06Q 10/08(2012.01) (54)发明名称 基于隐私保护的物 流人员身份识别方法、 装 置及相关介质 (57)摘要 本发明公开了一种基于隐私保护的人员身 份识别方法、 装置及相关介质， 该方法包括： 先获 取物流人员的正面照片以及物流人员的侧面步 态视频进行处理； 分别对脱 敏照片和多个步态掩 膜序列中的人员类型和位置进行标注； 通过FCOS 目标检测模型和步态识别模型对采集的数据进 行目标检测训练， 分别得到训练好的对应模型； 最后获取待检测人员的脱敏照片和多个步态掩 膜序列， 并分别输入至训练好的FCOS目标检测模 型和步态识别模 型， 得到第一预测结果和第二预 测结果并进行融合， 得到最终预测结果。 本发明 通过对人员照片进行脱 敏处理和人员步态识别， 并对脱敏照片和步态掩膜序列进行训练推理后 融合结果， 提高了来访人员的通行效率以及降低 来访人员泄 露隐私安全的风险。 权利要求书3页 说明书12页 附图2页 CN 115527252 A 2022.12.27 CN 115527252 A 1.一种基于隐私保护的物流人员身份识别方法， 其特 征在于， 包括： 获取物流人员的正面照片， 识别所述物流人员的正面照片中人脸关键点的坐标， 并根 据人脸关键点的坐标对所述物流人员的正面照片中的人脸区域进 行脱敏处理， 得到所述物 流人员的脱敏照片； 获取物流人员的侧面步态视频， 根据Mask  Transfiner模型对所述物流人员的侧面步 态视频进行推理， 得到所述物流人员的多个步态掩膜序列； 分别对所述脱敏照片和所述多个步态掩膜序列中的人员类型和位置进行 标注； 通过FCOS目标检测模型对所述脱敏照片进行目标检测训练， 得到训练好的FCOS目标检 测模型； 以及通过步态识别模型对所述多个步态掩膜序列进行目标检测训练， 得到训练好 的步态识别模型； 获取待检测人员的正面照片和侧面步态视频， 并分别获取所述待检测人员的脱敏照片 和多个步态掩膜序列， 将所述待检测人员的脱敏照片和多个步态掩膜序列分别输入至所述 训练好的FCOS目标检测模型和步态识别模型， 得到第一预测结果和第二预测结果， 并对所 述第一预测结果和第二预测结果进行融合， 得到最终预测结果。 2.根据权利要求1所述的基于隐私保护的物流人员身份识别方法， 其特征在于， 所述通 过FCOS目标检测模型对所述脱敏照片进行目标检测训练， 得到训练好的FCOS目标检测模 型； 以及通过步态识别模型对所述多个步态掩膜序列进行目标检测训练， 得到训练好的步 态识别模型， 包括： 当前节点将本地的脱敏照片输入至所述FCOS目标检测模型进行本轮的目标检测训练， 以及将本地多个步态掩膜序列输入至所述步态识别模型进 行本轮的目标检测训练， 得到本 轮的模型参数； 当前节点将本轮的模型参数加密后随机发送至下一节点， 使下一节点将本地的脱敏照 片输入至所述FC OS目标检测模型进 行本轮的目标检测训练， 以及将本地多个步态掩膜序列 输入至所述 步态识别模型进行本轮的目标检测训练， 得到更新后的本轮的模型参数； 下一节点继续将更新后的本轮的模型参数加密后随机发送至另一节点进行训练， 直至 所有节点完成本轮的模型训练， 得到最终的本轮的模型参数； 在完成所有轮的模型训练后， 得到最终的全局模型参数。 3.根据权利要求1所述的基于隐私保护的物流人员身份识别方法， 其特征在于， 所述通 过FCOS目标检测模型对所述脱敏照片进行目标检测训练， 得到训练好的FCOS目标检测模 型， 包括： 将所述脱敏照片依次进行8、 16和32倍的下采样操作， 至下而上分别得到不同尺寸大小 的多个第一特 征图； 将多个第 一特征图分别经过1 ×1卷积后， 通过自上而下的连接分别得到多个第 二特征 图； 将最上层的所述第二特征图依次经过两个步长为2的3 ×3卷积层卷积得到两个第三特 征图。 4.根据权利要求3所述的基于隐私保护的物流人员身份识别方法， 其特征在于， 所述通 过FCOS目标检测模型对所述脱敏照片进行目标检测训练， 得到训练好的FCOS目标检测模 型， 还包括：权　利　要　求　书 1/3 页 2 CN 115527252 A 2按如下公式计算损失函数Loss， 并根据所述损失函数对所述FCOS目标检测模型进行优 化： 其中， Npos表示正样本的数量， Lcls表示focal损失函数， Lreg表示IOU loss函数， Lctrness表 示center ‑ness， px,y表示在特 征图(x,y)点处预测的每 个类别的分数， 表示在特 征图(x, y)点对应的真实类别标签， tx,y表示在特征图(x,y)点处预测的目标边界框信息， 表示在 特征图(x,y)点对应的真实目标边界框信息， sx,y表示在特征图(x,y)点处预测的center ‑ ness， 表示在特征图(x,y)点对应的真实center ‑ness， 表示当特征图(x,y)点被 匹配为正样本时为1， 否则为0 。 5.根据权利要求3所述的基于隐私保护的物流人员身份识别方法， 其特征在于， 所述通 过FCOS目标检测模型对所述脱敏照片进行目标检测训练， 得到训练好的FCOS目标检测模 型， 还包括： 按如下公式设定每一个特征图Pi的上下限值， 将不同大小的目标分配到不同尺寸的特 征图上： mi‑1<max(l*,t*,r*,b*)<mi 其中， mi表示第i个特征图回归的最大距离， l*,t*,r*,b*分别表示第i个特征图上的某点 映射至原图上时相对正样本左边界、 上边界、 右边界以及下边界的距离 。 6.根据权利要求1所述的基于隐私保护的物流人员身份识别方法， 其特征在于， 所述通 过步态识别模型对所述多个步态掩膜序列进行目标检测训练， 得到训练好的步态识别模 型， 包括： 将多个所述步态掩膜序列依次输入至1个5 ×5的卷积层和1个3 ×3的卷积层进行卷积， 再输入至第一池化层进行池化， 得到第一输出； 将所述第一输出依次输入2个3 ×3的卷积层进行卷积， 再输入至第 二池化层进行池化， 得到第二输出； 将所述第二输出依次输入2个3 ×3的卷积层进行卷积， 再输入至第 三池化层进行池化， 得到第三输出； 将所述第三输出依次输入2个3 ×3的卷积层进行卷积， 再输入至多特征集合池化层进 行多帧特 征聚合， 得到第四输出； 将所述第四输出输入至金字塔池化层进行空域特 征聚合， 得到第五输出； 将所述第五输出输入至全连接层， 并进行归一 化处理， 得到最终输出。 7.根据权利要求1所述的基于隐私保护的物流人员身份识别方法， 其特征在于， 所述对 所述第一预测结果和第二预测结果进行融合， 得到最终预测结果， 包括：权　利　要　求　书 2/3 页 3 CN 115527252 A 3