一种对象识别方法、装置、设备和闸机

技术领域

本申请涉及图像处理技术领域，涉及但不限于一种对象识别方法、装置、设备和闸机。

背景技术

相关技术中，可见光人脸识别门禁系统在终端运行时，会面临着处理并发性可见光视频流的问题，重复视频流的输入，会让可见光图像识别模型的处理时耗增加，但检测效果可能无法得到对应的提升。其次，对于质量较差，有环境干扰的视频流输入，无法有效进行检测和筛选，也会造成后续处理上的负担。

发明内容

有鉴于此，本申请实施例提供一种对象识别方法、装置、设备和闸机。

第一方面，本申请实施例提供一种对象识别方法，所述方法包括：获取包含目标对象的红外视频流和可见光视频流；所述红外视频流和所述可见光视频流的时序信息相同；所述时序信息包括视频流中每一视频帧对应的时序和视频流中视频帧的数量；基于所述红外视频流的多个第一视频帧中每一所述第一视频帧的指标值信息，从所述多个第一视频帧中确定出第一目标视频帧；所述指标值信息用于表征所述第一视频帧中目标对象的状态信息；从所述可见光视频流的多个第二视频帧中确定出所述第一目标视频帧对应的第一时序对应的第二目标视频帧；基于所述第二目标视频帧，识别所述目标对象。

第二方面，本申请实施例提供一种对象识别装置，包括：获取模块，用于获取包含目标对象的红外视频流和可见光视频流；所述红外视频流和所述可见光视频流的时序信息相同；所述时序信息包括视频流中每一视频帧对应的时序和视频流中视频帧的数量；第一确定模块，用于基于所述红外视频流的多个第一视频帧中每一所述第一视频帧的指标值信息，从所述多个第一视频帧中确定出第一目标视频帧；所述指标值信息用于表征所述第一视频帧中目标对象的状态信息；第二确定模块，用于从所述可见光视频流的多个第二视频帧中确定出所述第一目标视频帧对应的第一时序对应的第二目标视频帧；第一识别模块，用于基于所述第二目标视频帧，识别所述目标对象。

第三方面，本申请实施例提供一种电子设备，包括：红外传感组件，用于采集包含目标对象的红外视频流；可见光传感组件，用于采集包含所述目标对象的可见光视频流；所述红外视频流和所述可见光视频流的时序信息相同；所述时序信息包括视频流中每一视频帧对应的时序和视频流中视频帧的数量；处理器，用于基于所述红外视频流的多个第一视频帧中每一所述第一视频帧的指标值信息，从所述多个第一视频帧中确定出第一目标视频帧；所述指标值信息用于表征所述第一视频帧中目标对象的状态信息；所述处理器，还用于从所述可见光视频流的多个第二视频帧中确定出所述第一目标视频帧对应的第一时序对应的第二目标视频帧；基于所述第二目标视频帧，识别所述目标对象。

第四方面，本申请实施例提供一种闸机，包括红外传感组件，用于检测到人员通过闸机时，采集包含所述人员的人脸的红外视频流；可见光传感组件，用于采集包含所述人脸的可见光视频流；所述红外视频流和所述可见光视频流的时序信息相同；所述时序信息包括视频流中每一视频帧对应的时序和视频流中视频帧的数量；处理器，用于基于所述红外视频流的多个第一视频帧中每一所述第一视频帧的指标值信息，从所述多个第一视频帧中确定出第一目标视频帧；所述指标值信息用于表征所述第一视频帧中目标对象的状态信息；所述处理器，还用于从所述可见光视频流的多个第二视频帧中确定出所述第一目标视频帧对应的第一时序对应的第二目标视频帧；基于所述第二目标视频帧，进行人脸识别；控制器，用于基于所述人脸识别的结果，控制所述闸机的开闭。

本申请实施例中，先根据红外视频流中视频帧的用于表征目标对象状态信息的指标值信息，从红外视频流中确定出目标红外视频帧(第一目标视频帧)，再从可见光视频流中确定出与目标红外视频帧时序对应的目标可见光视频帧(第二目标视频帧)，通过判断分辨率较低、功耗较小的红外视频流，可以辅助提升对于可见光视频流的目标对象识别速度，并降低识别功耗。

附图说明

图1为本申请实施例一种对象识别方法的流程示意图；

图2为本申请实施例一种红外视频流的示意图；

图3为本申请实施例一种可见光视频流的示意图；

图4为本申请实施例一种基于红外图像自动筛选的快速低耗闸机人脸检测方法的流程示意图；

图5为本申请实施例一种对象识别装置的组成结构示意图；

图6为本申请实施例一种电子设备的硬件实体示意图；

图7为本申请实施例一种闸机的硬件实体示意图。

具体实施方式

下面结合附图和实施例对本申请的技术方案进一步详细阐述。

图1为本申请实施例一种对象识别方法的流程示意图，如图1所示，所述方法包括以下步骤：

步骤102：获取包含目标对象的红外视频流和可见光视频流；所述红外视频流和所述可见光视频流的时序信息相同；所述时序信息包括视频流中每一视频帧对应的时序和视频流中视频帧的数量；

其中，所述红外视频流可以是红外线传感器(例如可以是红外摄像头)采集到的视频流，可以从红外摄像头维护一个定长的包含n个视频帧的红外视频流，所述红外视频流可以表示为S

所述可见光视频流可以是可见光传感器(例如可以是可见光摄像头)采集到的视频流；所述可见光摄像头可以是RGB摄像头，可以从可见光摄像头维护一个定长的包含的n个视频帧的可见光视频流，所述可见光视频流可以表示为S

对象可以是出现在红外线传感器和可见光传感器的监测范围之内的事物，对象可以是人，可以是动物，也可以是如桌、椅、杯子、树等环境中的物品；所述目标对象可以是人体、动物等，所述人体可以是人体全身、人体部分部位(如脸部、躯干、四肢等)。

步骤104：基于所述红外视频流的多个第一视频帧中每一所述第一视频帧的指标值信息，从所述多个第一视频帧中确定出第一目标视频帧；所述指标值信息用于表征所述第一视频帧中目标对象的状态信息；

其中，在所述目标对象为人体的情况下，所述状态信息可以是人体的运动状态或活动程度，如人体姿态变化、面部表情变化、人体静止、高速移动、较快速运动、慢速运动、接近红外线传感器或可见光传感器、远离红外线传感器或可见光传感器、快速接近、慢速接近、快速远离、慢速远离等；所述指标值信息可以是关于目标对象的状态信息的一些统计值；所述第一目标视频帧可以是从红外视频流S

由于红外图像相较于可见光图像来说，对于场景中的周围环境的响应并不强烈，而对人体的响应较为强烈，因此，可以使得用户和周围的环境之间的变得容易区分，因而比可见光图像更容易获得关于用户状态的一些指标值信息。

步骤106：从所述可见光视频流的多个第二视频帧中确定出所述第一目标视频帧对应的第一时序对应的第二目标视频帧；

其中，所述第一目标视频帧i

步骤108：基于所述第二目标视频帧，识别所述目标对象。

其中，可以将所述第二目标视频帧r

在一些实施例中，在终端可见光人脸识别门禁系统并发式识别人脸的阶段，会通过红外线传感器收集红外视频流，并将所述红外视频流作为一个“影子”来跟随可见光的采集，可见光传感器在这个过程中，采集与红外视频流相同帧数的可见光视频流，可以并不对这些视频流进行处理；而是通过所述红外视频流进行视频帧的重复性和质量的判断，得到控制信息，所述控制信息可以是满足条件的第一目标视频帧的第一时序，在接收到红外线传感器传递的控制信息后，基于所述控制信息确定目标可见光视频帧，再对所述目标可见光视频帧进行人脸识别处理。

本申请实施例中，先根据红外视频流中视频帧的用于表征目标对象状态信息的指标值信息，从红外视频流中确定出目标红外视频帧(第一目标视频帧)，再从可见光视频流中确定出与目标红外视频帧时序对应的目标可见光视频帧(第二目标视频帧)，通过判断分辨率较低、功耗较小、且更容易区分人体和环境的红外视频流，可以辅助提升对于可见光视频流的目标对象识别速度和识别准确性，并降低识别功耗。

在一些实施例中，步骤104“基于所述红外视频流的多个第一视频帧中每一所述第一视频帧的指标值信息，从所述多个第一视频帧中确定出第一目标视频帧”，可以通过以下步骤141至步骤143实现：

步骤141：基于所述红外视频流的多个第一视频帧中每一所述第一视频帧的指标值信息，确定所述多个第一视频帧的图像清晰程度和/或相邻第一视频帧之间的差异程度；

在一些实施例中，步骤141可以通过以下步骤1411至步骤1413实现：

步骤1411：获取每一所述第一视频帧的指标值信息，得到指标值序列；其中，对红外视频流中每一所述第一视频帧通过计量函数f进行图像的映射可以得到对应的指标值信息，多个指标值信息可以生成指标值序列，例如第一视频帧i

步骤1412：基于所述指标值序列中的多个所述指标值信息，生成拟合曲线，确定所述拟合曲线关于所述第一视频帧的时序变化率，得到包含多个时序变化信息的变化量序列；

其中，可以对指标值序列s

步骤1413：基于所述变化量序列中的多个所述时序变化信息，利用高斯函数确定所述多个第一视频帧的图像清晰程度和/或相邻第一视频帧之间的差异程度；

步骤142：基于所述多个第一视频帧的图像清晰程度和/或相邻第一视频帧之间的差异程度，得到包含多个第一视频帧的优先级评分的优先级序列；

其中，可以根据时序变化信息，确定红外视频帧的图像清晰程度和/或相邻红外视频帧之间的差异程度，并根据红外视频帧的图像清晰程度和/或相邻红外视频帧之间的差异程度，将红外视频帧分为若干优先级等级以表明目标对象的活动程度，例如可以通过确定红外视频帧的优先级评分来表明目标对象的活动程度。

时序变化率过小时，表明相邻第一视频帧之间的差异程度过小，可以说明红外视频帧的重复度较高，目标对象的状态几乎无变化，此时对应的优先级评分较低；时序变化率过大时，表明相邻第一视频帧之间的差异程度过大，可以说明红外视频帧中目标对象的状态变化较激烈，红外视频帧可能会出现模糊，此时对应的优先级评分同样较低；时序变化率适中时，差异程度适中，可以说明目标对象的状态变化较为合适，红外视频帧的质量较好，此时对应的优先级评分较高。

图像清晰程度过差的，即图像过于模糊的，对应的优先级评分较低，图像清晰程度较为清晰的，对应的优先级评分较高。所述图像过于模糊，可能是电流不足、电路设计不合理、环境较恶劣等因素导致，还有可能是目标对象状态变化过于激烈，例如目标对象高速移动导致的视频帧模糊。

可以单独或综合根据图像清晰程度和相邻视频帧之间的差异程度，对视频流中的视频帧进行优先级评分，可以对于图像清晰程度较高、目标对象的状态变化较为适中的视频帧赋予较高优先级评分，对于图像清晰程度较差、目标对象的状态变化过于平缓或者过于激烈的视频帧赋予较低优先级评分。

其中，优先级评分对于时序变化率而言，可以是一个正态函数(即高斯函数)，在设置正态函数的均值时，可以将正态函数视为一个概率函数，从而对它进行一个概率采样，中间的概率大，两头的概率小，这就避免了真正的阈值可能在两头的问题。关于“影子”的更新问题，影子的存储是一个窗口，还是利用正态函数优先级的思路，两头的会被率先抛弃。

假定确定优先级的高斯函数服从

步骤143：将所述优先级序列中优先级评分满足要求第一视频帧确定为第一目标视频帧。

其中，优先级评分可以表明红外视频流中第一视频帧的优先顺序，所述优先级评分满足要求的第一视频帧可以是优先级评分最高的第一视频帧，还可以是优先级评分大于第一评分阈值的第一视频帧，又可以是优先级评分大于第二评分阈值，且优先级评分最高的第一视频帧；通过给导数值在中间的质量好的第一目标视频帧赋予较高优先级评分，并将第一目标视频帧对应的第二目标视频帧送入图像识别模型推理，这样，可以加快图像识别的速度。

本申请实施例中，可以根据第一视频帧的指标值信息，确定第一视频帧的时序变化率，基于时序变化信息确定第一视频帧的图像清晰程度和/或相邻第一视频帧之间的差异程度，并基于所述图像清晰程度和差异程度，确定第一视频帧的优先级评分，从而可以确定出图像清晰程度较高，且视频帧的状态变换适中的第一目标视频帧，进而可以提高图像识别的速度和准确性。

在一些实施例中，步骤1411中“获取每一所述第一视频帧的指标值信息”可以包括：获取所述第一视频帧的图像压缩比和所述第一视频帧中所述目标对象的轮廓尺寸中至少之一。

其中，所述计量函数f可以用于计算所述第一视频帧的图像压缩比和轮廓尺寸中至少之一；所述图像压缩比又可以称为压缩计量值。

一个图像的压缩比可以理解成对于图像信息的压缩，对于红外视频帧而言，环境的信息大部分相同，被极大的压缩了，用户的信息则相对增多了。所以图像的压缩比一旦发生变化，能够很灵活反映用户状态的变化。然而如果是一张可见光视频帧，图像压缩比会一直保持很高，即使人物状态发生变化，图像压缩比的变化也很微小。因此，红外视频帧的压缩计量值的变化，可以很大程度上反映人状态的变化。

另外，轮廓尺寸可以是人脸轮廓的周长，轮廓尺寸也可以反映人状态的变化，轮廓尺寸变小，可以确定人的状态是远离红外线传感器或可见光传感器，轮廓尺寸变小的速率，可以确定人远离的速率；轮廓尺寸变大，可以确定人的状态是接近红外线传感器或可见光传感器，轮廓尺寸变大的速率，可以确定人接近的速率。

在所述指标值信息包括图像的压缩比和目标对象的轮廓尺寸等多个统计值时，可以将所述正态函数变成高维正态密度函数，可以从这个高维正态密度函数的进行与所述正态函数类似的概率采样，从而可以更准确地采样第一目标视频帧。

本申请实施例中，通过获取包括图像压缩比和轮廓尺寸中至少之一的指标值信息，提高了获取到的指标值信息的多样性。

在一些实施例中，所述方法还包括以下步骤110和步骤112：

步骤110：在对所述目标对象识别成功的情况下，更新所述高斯函数的均值，以使得更新后的均值向所述第一目标视频帧的方向偏移；

步骤112：利用更新均值后的高斯函数确定所述多个第一视频帧的图像清晰程度和/或相邻第一视频帧之间的差异程度；

其中，更新均值后的高斯函数确定所述多个第一视频帧的图像清晰程度和/或相邻第一视频帧之间的差异程度的能力强于更新均值前的高斯函数。

其中，如果第一目标视频帧被采样后，目标对象识别成功，则可以启动一个反馈，使得高斯函数的均值朝着被采样点的方向发生一个偏移，这样图像识别模型就可以不断收敛到一个均值中心。假设第一目标视频帧的时序为k，第一目标视频帧对应的优先级评分为g

本申请实施例中，在对目标对象识别成功的情况下，可以对高斯函数的均值进行更新，使更新后的均值向第一目标视频帧偏移，从而可以通过正向反馈更准确第确定出满足需求的第一目标视频帧。

在一些实施例中，所述方法还包括执行以下步骤114至步骤120，直至所述目标对象识别失败的次数达到第一次数：

步骤114：在对所述目标对象识别失败的情况下，丢弃所述第一目标视频帧，向所述红外视频流中加入下一时序的视频帧，以对所述红外视频流进行更新；

步骤116：基于更新后的红外视频流的多个第一视频帧中每一所述第一视频帧的指标值信息，从所述多个第一视频帧中确定出第三目标视频帧；

步骤118：从所述可见光视频流的多个第二视频帧中确定出所述第三目标视频帧对应的第二时序对应的第四目标视频帧；

步骤120：基于所述第四目标视频帧，识别所述目标对象。

其中，步骤116从所述第一视频帧中确定出第三目标视频帧的方法与步骤104中从所述第一视频帧中确定出第一目标视频帧的方法类似；步骤120基于所述第四目标视频帧，识别所述目标对象的方法与步骤108中基于所述第二目标视频帧，识别所述目标对象的方法类似，此处不再赘述。

在一些实施例中，所述方法还包括以下步骤122和步骤124：

步骤122：在所述目标对象识别失败的次数达到第一次数的情况下，更新所述高斯函数的方差；

步骤124：利用更新方差后的高斯函数确定所述多个第一视频帧的图像清晰程度和/或相邻第一视频帧之间的差异程度；

其中，更新方差后的高斯函数确定所述多个第一视频帧的图像清晰程度和/或相邻第一视频帧之间的差异程度的能力弱于更新方差前的高斯函数。

其中，可以统计连续丢弃视频帧的数量c或者目标对象识别失败的次数，所述数量C或所述次数用于动态更新高斯函数的方差σ

本申请实施例中，在对目标对象识别失败次数较多的情况下，可以对高斯函数的方差进行更新，将更多的决策权交给图像识别模块，进一步提高图像识别的准确性。

相关技术中，处理和检测重复干扰可见光视频流的方法一般是：首先利用声控传感器，测距传感器进行人脸目标的初步感知，这些方法在产生并发性视频流前后进行系统时间和功耗的控制，但无法在视频流发生时提供有效的决策。其次对于质量较差的可见光图像，则是从功耗和速率之间进行平衡，但是由于可见光场景的复杂性，这样决策的提供会受到周围环境极大的干扰，导致误判率的增加。为此，本发明结合红外视频流分辨率低，采集场景简单等特点，来动态辅助完成对筛选重复干扰可见光视频流的决策和判断，进而提出一种基于红外摄像头干预的快速低耗闸机人脸检测方法。

图4为本申请实施例一种基于红外图像自动筛选的快速低耗闸机人脸检测方法的流程示意图，如图4所示，所述方法包括以下步骤：

步骤401：获取红外视频流；

其中，可以从红外摄像头维护一个定长的红外视频流S

步骤402：获取可见光视频流；

其中，可以从可见光摄像头维护一个定长的可见光视频流

S

步骤403：对红外视频流集合中的视频帧通过计量函数f进行图像的映射得到红外指标值序列；

其中，所述红外指标值序列又称指标值序列，可以表示为s

步骤404：对所述红外指标值序列中的元素拟合曲线，并对拟合曲线关于时间求导数，得到红外变化量序列；

其中，所述红外变化量序列又称变化量序列，对指标值信息求导：

步骤405：定义高斯函数；

步骤406：利用所述高斯函数确定红外优先级分数序列；

其中，所述红外优先级分数序列又称优先级序列，假定确定优先级评分的高斯函数服从

步骤407：基于红外优先级分数序列中各视频帧的优先级评分，确定第一目标视频帧，以及所述第一目标视频帧对应的第k时序；

步骤408：从可见光视频流中采样第k时序对应的第二目标视频帧；

其中，根据采样到的第k时序的第一目标视频帧，找到可见光视频流中第k时序的第二目标视频帧r

步骤409：将所述第二目标视频帧输入至可见光图像识别模块；

步骤410：判断是否识别成功？若是，则执行步骤411，若否，则执行步骤412；

步骤411：更新均值；

步骤412：统计连续抛弃帧的数量c；

步骤413：更新方差。

在可见光检测模块的输出中，会有两种情况发生，一种是，因为第一目标视频帧而正确识别出用户人脸，可以根据这一次的时序选择k，去更新高斯函数中的均值μ，假设第一目标视频帧的优先级评分为g

另一种情况是，第一目标视频帧无法正确识别出用户人脸，则第一目标视频帧被抛弃，视频流窗口进入一个新的时序帧，对该时序执行上述的S2至S4的操作，重新得到长度固定的窗口可供选择，统计连续抛弃帧的数量C，改数量用来动态更新σ，如果数量较大，说明第一目标视频帧的确定方法对当前红外视频流起不了作用，更新σ朝着增大的方向移动，将更多的决策权交给后续的可见光检测模块。

本申请实施例中，可以在计算力受限的终端设备上，通过判断红外数据流，来辅助提升可见光系统的检测速度，以及降低检测功耗。

需要说明的是，本申请实施例中，如果以软件功能模块的形式实现上述的对象识别方法，并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实施例的技术方案本质上或者说对相关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中，包括若干指令用以使得电子设备(可以是手机、平板电脑、台式机、个人数字助理、导航仪、数字电话、视频电话、电视机、传感设备等)执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read Only Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的介质。这样，本申请实施例不限制于任何特定的硬件和软件结合。

图5为本申请实施例一种对象识别装置的组成结构示意图，如图5所示，所述装置500包括：获取模块501、第一确定模块502、第二确定模块503和第一识别模块504，其中：

获取模块501，用于获取包含目标对象的红外视频流和可见光视频流；所述红外视频流和所述可见光视频流的时序信息相同；所述时序信息包括视频流中每一视频帧对应的时序和视频流中视频帧的数量；

第一确定模块502，用于基于所述红外视频流的多个第一视频帧中每一所述第一视频帧的指标值信息，从所述多个第一视频帧中确定出第一目标视频帧；所述指标值信息用于表征所述第一视频帧中目标对象的状态信息；

第二确定模块503，用于从所述可见光视频流的多个第二视频帧中确定出所述第一目标视频帧对应的第一时序对应的第二目标视频帧；

第一识别模块504，用于基于所述第二目标视频帧，识别所述目标对象。

在一些实施例中，所述第一确定模块502，包括：第一确定子模块，用于基于所述红外视频流的多个第一视频帧中每一所述第一视频帧的指标值信息，确定所述多个第一视频帧的图像清晰程度和/或相邻第一视频帧之间的差异程度；第二确定子模块，用于基于所述多个第一视频帧的图像清晰程度和/或相邻第一视频帧之间的差异程度，得到包含多个第一视频帧的优先级评分的优先级序列；第三确定子模块，用于将所述优先级序列中优先级评分满足要求第一视频帧确定为第一目标视频帧。

在一些实施例中，所述第一确定子模块，包括：第一获取单元，用于获取每一所述第一视频帧的指标值信息，得到指标值序列；第一确定单元，用于基于所述指标值序列中的多个所述指标值信息，生成拟合曲线，确定所述拟合曲线关于所述第一视频帧的时序变化率，得到包含多个时序变化信息的序列；第二确定单元，用于基于所述序列中的多个所述时序变化信息，利用高斯函数确定所述多个第一视频帧的图像清晰程度和/或相邻第一视频帧之间的差异程度。

在一些实施例中，所述第一获取单元，用于获取所述第一视频帧的图像压缩比和所述第一视频帧中所述目标对象的轮廓尺寸中至少之一。

在一些实施例中，所述装置还包括：第一更新模块，用于在对所述目标对象识别成功的情况下，更新所述高斯函数的均值，以使得更新后的均值向所述第一目标视频帧的方向偏移；第三确定模块，用于利用更新均值后的高斯函数确定所述多个第一视频帧的图像清晰程度和/或相邻第一视频帧之间的差异程度；其中，更新均值后的高斯函数确定所述多个第一视频帧的图像清晰程度和/或相邻第一视频帧之间的差异程度的能力强于更新均值前的高斯函数。

在一些实施例中，所述装置还包括：丢弃模块，用于执行以下步骤，直至所述目标对象识别失败的次数达到第一次数：在对所述目标对象识别失败的情况下，丢弃所述第一目标视频帧，向所述红外视频流中加入下一时序的视频帧，以对所述红外视频流进行更新；第四确定模块，基于更新后的红外视频流的多个第一视频帧中每一所述第一视频帧的指标值信息，从所述多个第一视频帧中确定出第三目标视频帧；第五确定模块，用于从所述可见光视频流的多个第二视频帧中确定出所述第三目标视频帧对应的第二时序对应的第四目标视频帧；第二识别模块，用于基于所述第四目标视频帧，识别所述目标对象。

在一些实施例中，所述装置还包括：第二更新模块，用于在所述目标对象识别失败的次数达到第一次数的情况下，更新所述高斯函数的方差；第六确定模块，用于利用更新方差后的高斯函数确定所述多个第一视频帧的图像清晰程度和/或相邻第一视频帧之间的差异程度；其中，更新方差后的高斯函数确定所述多个第一视频帧的图像清晰程度和/或相邻第一视频帧之间的差异程度的能力弱于更新方差前的高斯函数。

对应地，本申请实施例提供一种电子设备，图6为本申请实施例电子设备的一种硬件实体示意图，如图6所示，该电子设备600的硬件实体包括：红外传感组件601，用于采集包含目标对象的红外视频流；可见光传感组件602，用于采集包含所述目标对象的可见光视频流；所述红外视频流和所述可见光视频流的时序信息相同；所述时序信息包括视频流中每一视频帧对应的时序和视频流中视频帧的数量；处理器603，用于基于所述红外视频流的多个第一视频帧中每一所述第一视频帧的指标值信息，从所述多个第一视频帧中确定出第一目标视频帧；所述指标值信息用于表征所述第一视频帧中目标对象的状态信息；所述处理器603，还用于从所述可见光视频流的多个第二视频帧中确定出所述第一目标视频帧对应的第一时序对应的第二目标视频帧；基于所述第二目标视频帧，识别所述目标对象。

图7为本申请实施例一种闸机的硬件实体示意图，如图7所示，所述闸机包括红外传感组件701，用于检测到人员通过闸机时，采集包含所述人员的人脸的红外视频流；可见光传感组件702，用于采集包含所述人脸的可见光视频流；所述红外视频流和所述可见光视频流的时序信息相同；所述时序信息包括视频流中每一视频帧对应的时序和视频流中视频帧的数量；处理器703，用于基于所述红外视频流的多个第一视频帧中每一所述第一视频帧的指标值信息，从所述多个第一视频帧中确定出第一目标视频帧；所述指标值信息用于表征所述第一视频帧中目标对象的状态信息；所述处理器703，还用于从所述可见光视频流的多个第二视频帧中确定出所述第一目标视频帧对应的第一时序对应的第二目标视频帧；基于所述第二目标视频帧，进行人脸识别；控制器704，用于基于所述人脸识别的结果，控制所述闸机的开闭。

对应地，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中提供的对象识别方法中的步骤。

这里需要指出的是：以上存储介质和设备实施例的描述，与上述方法实施例的描述是类似的，具有同设备实施例相似的有益效果。对于本申请存储介质和方法实施例中未披露的技术细节，请参照本申请设备实施例的描述而理解。

应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

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。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。另外，在本申请各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(Read Only Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的介质。或者，本申请上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实施例的技术方案本质上或者说对相关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中，包括若干指令用以使得计算机设备(可以是手机、平板电脑、台式机、个人数字助理、导航仪、数字电话、视频电话、电视机、传感设备等)执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。

本申请所提供的几个方法实施例中所揭露的方法，在不冲突的情况下可以任意组合，得到新的方法实施例。本申请所提供的几个产品实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的产品实施例。本申请所提供的几个方法或设备实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的方法实施例或设备实施例。

以上所述，仅为本申请的实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。