CN108446681A - 行人分析方法、装置、终端及存储介质 - Google Patents
行人分析方法、装置、终端及存储介质 Download PDFInfo
- Publication number
- CN108446681A CN108446681A CN201810443368.3A CN201810443368A CN108446681A CN 108446681 A CN108446681 A CN 108446681A CN 201810443368 A CN201810443368 A CN 201810443368A CN 108446681 A CN108446681 A CN 108446681A
- Authority
- CN
- China
- Prior art keywords
- facial image
- personnel
- default
- face database
- identifier
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
- G06V40/173—Classification, e.g. identification face re-identification, e.g. recognising unknown faces across different face tracks
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Collating Specific Patterns (AREA)
- Image Processing (AREA)
Abstract
一种行人分析方法,包括:获取第一预设时间段内预设人脸库中的人脸数据;识别所述预设人脸库中的人脸图像是否为预设第一登记库中的已登记人员的人脸图像;若是,将所述预设人脸库中确定为所述已登记人员的人脸图像打上第一标识;若不是,则识别所述预设人脸库中没有打上所述第一标识的人脸图像是否为预设第二登记库中的未登记人员的人脸图像;若是,将所述预设人脸库中确定为未登记人员的人脸图像打上第二标识;否则,确定为无法识别人员的人脸图像,将所述无法识别的人脸图像打上第三标识。本发明还提供一种园区人员分析装置、终端及存储介质。本发明能快速的分析智慧园区中的行人,且减少数据存储量。
Description
技术领域
本发明涉及区域管理技术领域,具体涉及一种行人分析方法、装置、终端及存储介质。
背景技术
现有对某一区域中的行人分析通常是每天晚上获取过去预设时间段内的人脸图片,过滤掉已登记人员的人脸,对剩余人员的人脸进行聚类,分析出未登记人员。
假如,某一社区共有22个摄像头,22个摄像头每30天可采集100万的人脸图片数,每个月出现的新的未登记人员有500个,则根据现有对区域中的行人分析方法对行人进行分析,有以下几个缺点:每天需要对100万人脸进行聚类分析,同时每天还需要对500个未登记人员进行同行分析,执行效率十分低下,大大限制了单台服务器能够支持的社区数;每进行一次智慧社区分析需要存储数百万条记录,对数据库的存储也是个极大的挑战;每天分析出的未登记人员列表都不一样,哪怕是同一个人,也可能分析出的头像不一样,不利于智慧园区的管理人员管理。
发明内容
鉴于以上内容,有必要提出一种行人分析方法、装置、终端及存储介质,能快速的分析智慧园区中的行人,且减少数据存储量。
本发明第一方面提供一种行人分析方法,应用于终端中,所述方法包括:
获取第一预设时间段内预设人脸库中的人脸数据;
识别所述预设人脸库中的人脸图像是否为预设第一登记库中的已登记人员的人脸图像;
当确定所述预设人脸库中的人脸图像为所述预设第一登记库中的已登记人员的人脸图像时,将所述预设人脸库中确定为所述已登记人员的人脸图像打上第一标识;及
当确定所述预设人脸库中的人脸图像不为所述预设第一登记库中的已登记人员的人脸图像时,识别所述预设人脸库中没有打上所述第一标识的人脸图像是否为预设第二登记库中的未登记人员的人脸图像;
当确定所述预设人脸库中没有打上所述第一标识的人脸图像为所述预设第二登记库中的未登记人员的人脸图像时,将所述预设人脸库中确定为未登记人员的人脸图像打上第二标识;或者
当确定所述预设人脸库中没有打上所述第一标识的人脸图像不为所述预设第二登记库中的未登记人员的人脸图像时,确定所述预设人脸库中没有打上所述第一标识及所述第二标识的人脸图像为无法识别人员的人脸图像,将所述无法识别的人脸图像打上第三标识。
根据本发明的一个优选实施例,获取所述预设第二登记库的未登记人员的人脸图像包括:
首次获取所述预设人脸库中第二预设时间段内的所有人脸图像;
识别所述所有人脸图像中的所述已登记人员的人脸图像;
将所述所有人脸图像中除所述已登记人员的人脸图像确定为未登记人员的人脸图像并存储于所述预设第二登记库中。
根据本发明的一个优选实施例,所述方法还包括:
对所述预设人脸库中打上所述第三标识的人脸图像进行聚类分析;
根据聚类分析后得到的聚类中心确定所述无法识别人员的类别。
根据本发明的一个优选实施例,所述方法还包括:
根据预设模型计算同一类别的无法识别人员的多张人脸图像的质量;
将质量最高的人脸图像作为对应类别的无法识别人员的人脸图像。
根据本发明的一个优选实施例,在将质量最高的人脸图像作为对应类别的无法识别人员的人脸图像之后,所述方法还包括:
存储所述质量最高的人脸图像,删除对应类别的剩余人脸图像。
根据本发明的一个优选实施例,所述方法还包括:
获取所述预设人脸库中打上所述第二标识的人脸图像的采集时间;
获取所述采集时间前后第三预设时间段内的打上所述第一标识的人脸图像;
将所述采集时间对应的所述第二标识的人脸图像与获取的打上所述第一标识的人脸图像进行关联并打上同行人员的标识。
根据本发明的一个优选实施例,所述获取所述预设人脸库中打上所述第二标识的人脸图像的采集时间还包括:同时获取图像采集设备的标识;
所述方法还包括:获取所述采集时间前后第三预设时间段内且具有相同标识的图像采集设备采集的人脸图像中打上所述第一标识的人脸图像。
本发明的第二方面提供一种行人分析装置,运行于终端中,所述装置包括:
获取模块,用于获取第一预设时间段内预设人脸库中的人脸数据;
第一识别模块,用于识别所述预设人脸库中的人脸图像是否为预设第一登记库中的已登记人员的人脸图像;
第一标识模块,用于当所述第一识别模块确定所述预设人脸库中的人脸图像为所述预设第一登记库中的已登记人员的人脸图像时,将所述预设人脸库中确定为所述已登记人员的人脸图像打上第一标识;
第二识别模块,用于当所述第一识别模块确定所述预设人脸库中的人脸图像不为所述预设第一登记库中的已登记人员的人脸图像时,识别所述预设人脸库中没有打上所述第一标识的人脸图像是否为预设第二登记库中的未登记人员的人脸图像;
第二标识模块,用于当所述第二识别模块确定所述预设人脸库中没有打上所述第一标识的人脸图像为所述预设第二登记库中的未登记人员的人脸图像时,将所述预设人脸库中确定为未登记人员的人脸图像打上第二标识;
第三标识模块,用于当所述第二识别模块确定所述预设人脸库中没有打上所述第一标识的人脸图像不为所述预设第二登记库中的未登记人员的人脸图像时,确定所述预设人脸库中没有打上所述第一标识及所述第二标识的人脸图像为无法识别人员的人脸图像,将所述无法识别的人脸图像打上第三标识。
本发明的第三方面提供一种终端,所述终端包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现行人分析方法。
本发明的第三方面提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现行人分析方法。
本发明获取第一预设时间段内预设人脸库中的人脸数据;识别所述预设人脸库中的人脸图像是否为预设第一登记库中的已登记人员的人脸图像;若是,将所述预设人脸库中确定为所述已登记人员的人脸图像打上第一标识;若不是,则识别所述预设人脸库中没有打上所述第一标识的人脸图像是否为预设第二登记库中的未登记人员的人脸图像;若是,将所述预设人脸库中确定为未登记人员的人脸图像打上第二标识;否则,确定为无法识别人员的人脸图像,将所述无法识别的人脸图像打上第三标识。其中,第一登记库中的已登记人员和第二登记库中的未登记人员是通过首次获取例如30天内的人脸图像得到的,后续对行人进行分析都仅需获取第一预设时间段内例如24小时内的预设人脸库中的人脸数据。能够有效的缩短计算时间,提高计算机的计算性能,不用对聚类过的人脸反复聚类,同等性能条件下,可以支持更多园区。
其次,后续每对所述第一预设时间段内的行人进行分析,实际数据量只加多了第一预设时间段内例如24小时的人脸数据,该第一预设时间段内可能只会出现极少的新的未登记人员数据,可以大大节约存储空间,降低数据库管理数据的难度。
另外,对第一预设时间段内获取的人脸数据进行分析,将识别出的已登记人员、未登记人员和新的未登记人员采用不同的标识,随着时间的推移,新的未登记人员会越来越少,管理员只需查看不同的标识即可识别行人是否属于新的未登记人员,大大降低了管理员管理的难度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1是本发明实施例一提供的行人分析方法的流程图。
图2是本发明实施例二提供的行人分析装置的结构图。
图3是本发明实施例三提供的终端的示意图。
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施例对本发明进行详细描述。需要说明的是,在不冲突的情况下,本发明的实施例及实施例中的特征可以相互组合。
优选地,本发明的行人分析方法应用在一个或者多个终端或者服务器中。所述终端是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路、可编程门阵列、嵌入式设备等。
所述终端可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
实施例一
图1是本发明实施例一提供的行人分析方法的流程图。所述行人分析方法应用于终端。根据不同的需求,图1所示流程图中的执行顺序可以改变,某些步骤可以省略。
在本实施例中,所述行人分析方法可以应用于具备拍照或摄像功能的智能终端中,所述终端并不限定于个人电脑、智能手机、平板电脑、安装有摄像头的台式机或一体机等。
所述园区人员分析方法也可以应用于由终端和通过网络与所述终端进行连接的服务器所构成的硬件环境中。网络包括但不限于:广域网、城域网或局域网。本发明实施例的行人分析方法可以由服务器来执行,也可以由终端来执行,还可以是由服务器和终端共同执行。
例如,对于需要进行行人分析的终端,可以直接在终端上集成本发明的方法所提供的行人分析功能,或者安装用于实现本发明的方法的客户端。再如,本发明所提供的方法还可以软件开发工具包(Software Development Kit,SDK)的形式运行在服务器等设备上,以SDK的形式提供行人分析功能的接口,终端或其他设备通过提供的接口即可实现对智慧园区的行人进行分析。
如图1所示,所述行人分析方法具体包括以下步骤:
步骤101:获取第一预设时间段内预设人脸库中的人脸数据。
所述第一预设时间段为预先设置的时间段,可以预先设置当前时间点之前的一段时间段,例如,当前时间点之前的24小时,或者当前时间点之前的一周等。还可以预先设置一个时间区间,例如,前一天的00:00至24:00。本发明可以根据实际分析的目的,对所述第一预设时间段进行自行设置及修改。
所述预设人脸库为预先设置的数据库,专用于存储通过门禁道闸的行人的人脸数据。所述人脸数据可以包括,但不限于:人脸图像。所述预设人脸库中的人脸图像根据采集的时间顺序进行存储。
本实施例中,可以在设有门禁道闸的入口处及出口处均安装一个图像采集设备,分别采集通过所述门禁道闸的入口处的行人的人脸图像及通过所述门禁道闸的出口处的行人的人脸图像。
所述预设人脸库的数量可以为1个,也可以为2个。若预先设置一个人脸库时,则将所述门禁道闸的入口处及出口处的图像采集设备采集的人脸图像均存储于该一个人脸库中。若预先设置两个人脸库时,则将所述门禁道闸的入口处及出口处的图像采集设备采集的人脸图像分别存储于两个人脸库中,即,将所述入口处的图像采集设备采集的人脸图像存储于预设第一人脸库中,将所述出口处的图像采集设备采集的人脸图像存储于预设第二人脸库中。在所述第一预设时间段内可以获取预设第一人脸库中的人脸数据,也可以获取预设第二人脸库中的人脸数据。还可以同时获取预设第一人脸库及预设第二人脸库中的人脸数据。
步骤102:识别所述预设人脸库中的人脸图像是否为预设第一登记库中的已登记人员的人脸图像。
所述预设第一登记库为预先设置的登记库,专用于记录已登记人员信息。所述已登记人员信息包括,但不限于:已登记人员的姓名、联系方式(包括手机号码及邮箱等)、家庭住址及已登记人员的人脸图像。
本实施例中,所述预设第一登记库可以预先存储于本地数据库中。在其他实施例中,为节省终端的存储空间,所述预设第一登记库可以预先存储于服务器中,所述服务器与所述终端之间通过有线或无线的方式通讯连接。
本实施例中,所述识别所述预设人脸库中的人脸图像是否为预设第一登记库中的已登记人员的人脸图像具体包括:
1)利用预设人脸检测算法检测所述预设人脸库中的人脸图像的脸部区域。
本实施例中,所述预设人脸算法算法为预先设置的人脸算法算法,所述预设人脸算法算法可采用如下至少一种方法:基于特征的方法,基于聚类的方法,基于人工神经网络的方法或者基于支持向量机的方法。本文预先设置的人脸算法算法为现有的人脸算法算法,在此不再详细赘述。
2)计算所述预设人脸库中的脸部区域与所述已登记人员的脸部区域之间的第一相似度。
本实施例中,可以通过模板匹配的方法计算所述预设人脸库中的脸部区域与所述已登记人员的脸部区域之间的第一相似度。
3)判断所述第一相似度是否大于预设第一相似度阈值。
所述预设第一相似度阈值为预先设置的第一相似度阈值,可以是,例如,99%。
当所述第一相似度大于或者等于所述预设第一相似度阈值时,确定所述预设人脸库中的人脸图像为预设第一登记库中的已登记人员的人脸图像;当所述第一相似度小于所述预设第一相似度阈值时,确定所述预设人脸库中的人脸图像不为预设第一登记库中的已登记人员的人脸图像。
本实施例中,需将所述预设人脸库中的每一张人脸图像与所述预设第一登记库中的每一张已登记人员的人脸图像进行一一匹配。若所述预设人脸库中的某一个人脸图像与所述预设第一登记库中的任意一个已登记人员的人脸图像的第一相似度大于或者等于所述第一相似度阈值时,则认为所述预设人脸库中的该人脸图像为所述预设第一登记库中的已登记人员的人脸图像。若所述预设人脸库中的某一个人脸图像与所述预设第一登记库中的任何一个已登记人员的人脸图像的第一相似度均小于所述第一相似度阈值时,则认为所述预设人脸库中的该人脸图像不为所述预设第一登记库中的已登记人员的人脸图像。
当确定所述预设人脸库中的人脸图像为所述预设第一登记库中的已登记人员的人脸图像时,执行步骤103;否则,当确定所述预设人脸库中的人脸图像不为所述预设第一登记库中的已登记人员的人脸图像时,执行步骤104。
步骤103:将所述预设人脸库中确定为所述已登记人员的人脸图像打上第一标识。
所述第一标识用于标识所述预设人脸库中的已登记人员的人脸图像,即标识所述预设人脸库中的人员为已登记人员。所述第一标识可以为以下一种或多种的组合:已登记人员的姓名;第一图形标识,例如,心形;第一文字标识,例如,“已登记”;第一颜色标识,例如,绿色。
步骤104:识别所述预设人脸库中没有打上所述第一标识的人脸图像是否为预设第二登记库中的未登记人员的人脸图像。
所述预设第二登记库,用于记录未登记人员信息。所述未登记人员信息包括,但不限于:未登记人员的人脸图像,未登记人员的采集时间,采集未登记人员的图像采集设备信息(例如,序号)。
本实施例中,所述预设第二登记库的未登记人员的人脸图像是通过下述步骤得到的:
1)首次获取所述预设人脸库中第二预设时间段内的所有人脸图像;所述第二预设时间段可以是30天。
2)识别所述所有人脸图像中的所述已登记人员的人脸图像;
3)将所述所有人脸图像中除所述已登记人员的人脸图像确定为未登记人员的人脸图像并存储于所述预设第二登记库中。
需要说明的是,第二预设时间段是首次获取预设人脸库中的人脸图像的一段时间,当首次获取预设人脸库中的人脸图像后,可以对人脸图像进行分析,将已登记人脸识别出来后,剩余的记为未登记人员。后续再对某段时间(例如,第一预设时间段)内的预设人脸库中的人脸图像进行分析可根据首次确定的未登记人员进行判断。
本实施例中,所述识别所述预设人脸库中没有打上所述第一标识的人脸图像是否为所述预设第二登记库中的未登记人员的人脸图像具体包括:
1)利用预设人脸检测算法检测所述预设人脸库中没有打上所述第一标识的人脸图像的脸部区域。
2)计算所述预设人脸库中没有打上所述第一标识的脸部区域与所述未登记人员的脸部区域之间的第二相似度。
本实施例中,可以通过模板匹配的方法计算所述预设人脸库中没有打上所述第一标识的脸部区域与所述未登记人员的脸部区域之间的第二相似度。
3)判断所述第二相似度是否大于预设第二相似度阈值。
所述预设第二相似度阈值为预先设置的第二相似度阈值,可以是,例如,98%。
当所述第二相似度大于或者等于所述预设第二相似度阈值时,确定所述预设人脸库中没有打上所述第一标识的人脸图像为预设第二登记库中的未登记人员的人脸图像;当所述第二相似度小于所述预设第二相似度阈值时,确定所述预设人脸库中没有打上所述第一标识的人脸图像不为所述预设第二登记库中的未登记人员的人脸图像。
本实施例中,需将所述预设人脸库中没有打上所述第一标识的人脸图像中的每一张人脸图像与所述预设第二登记库中的每一张未登记人员的人脸图像进行一一匹配。若所述预设人脸库中的某一个没有打上所述第一标识的人脸图像与所述预设第二登记库中的任意一个未登记人员的人脸图像的第二相似度大于或者等于所述第二相似度阈值时,则认为所述预设人脸库中的该没有打上所述第一标识的人脸图像为预设第二登记库中的未登记人员的人脸图像。若所述预设人脸库中的某一个没有打上所述第一标识的人脸图像与所述预设第二登记库中的任何一个未登记人员的人脸图像的第二相似度均小于所述第二相似度阈值时,则认为所述预设人脸库中的该没有打上所述第一标识的人脸图像不为预设第二登记库中的未登记人员的人脸图像。
当确定所述预设人脸库中没有打上所述第一标识的人脸图像为所述预设第二登记库中的未登记人员的人脸图像时,执行步骤105;否则,当确定所述预设人脸库中没有打上所述第一标识的人脸图像不为所述预设第二登记库中的未登记人员的人脸图像时,执行步骤106。
步骤105:将所述预设人脸库中确定为未登记人员的人脸图像打上第二标识。
所述第二标识用于标识所述预设第二人脸库中的未登记人员的人脸图像,即标识所述预设人脸库中的人员为未登记人员。所述第二标识可以为以下一种或多种的组合:第二图形标识,例如,圆形;第二文字标识,例如,“未登记”;第二颜色标识,例如,红色。
106:确定所述预设人脸库中没有打上所述第一标识及所述第二标识的人脸图像为无法识别人员的人脸图像,将所述无法识别的人脸图像打上第三标识。
所述第三标识用于标识所述预设人脸库中的无法识别人员的人脸图像,即标识所述预设人脸库中的人员为无法识别人员,无法识别人员可以理解为新的未登记人员。所述第三标识可以为以下一种或多种的组合:第三图形标识,例如,问号;第三文字标识,例如,“无法识别”;第三颜色标识,例如,灰色。
将所述预设人脸库中打上所述第三标识的人脸图像对应的人员称之为无法识别人员。
为进一步的分析及统计在所述第一预设时间段内通过所述门禁道闸的无法识别人员的数量,所述方法还可以包括:对所述预设人脸库中打上所述第三标识的人脸图像进行聚类分析;根据聚类分析后得到的聚类中心确定所述无法识别人员的类别。
本实施例中,经过聚类分析后得到聚类中心,所述聚类中心的数量为所述无法识别人员的类别。根据所述无法识别人员的类别,即可得知所述第一预设时间段内通过所述门禁道闸的无法识别人员的数量。
为便于后续对无法识别人员进行追踪管理,所述方法还可以包括:根据预设模型计算同一类别的无法识别人员的多张人脸图像的质量;将质量最高的人脸图像作为对应类别的无法识别人员的人脸图像。
所述设模型为预先设置的模型,用于计算人脸图像的质量,所述预设模型可以包括,但不限于:均方误差(mean squared error,MSE)和峰值信噪比((peak signal tonoise rate,PSNR)。均方误差记峰值信噪比为现有技术,本文在此不再详细赘述。
本实施例中,将质量最高的人脸图像作为对应类别的无法识别人员的人脸图像,能够便于后续当需要分析是否出现新的无法识别人员时,仅需与质量最高的人脸图像进行比对即可,而质量最高的人脸图像最为清晰,因而识别效果更加。
更进一步的,为节省所述预设人脸库的存储空间,在将质量最高的人脸图像作为对应类别的无法识别人员的人脸图像之后,所述方法还可以包括:存储所述质量最高的人脸图像,删除对应类别的剩余人脸图像。
更进一步的,所述方法还可以包括:获取所述预设人脸库中打上所述第二标识的人脸图像的采集时间;获取所述采集时间前后第三预设时间段内的打上所述第一标识的人脸图像;将所述采集时间对应的所述第二标识的人脸图像与获取的打上所述第一标识的人脸图像进行关联并打上同行人员的标识。
举例说明,获取所述预设人脸库中打上所述第二标识的人脸图像A的采集时间T,获取时间T前后30秒内的所有打上所述第一标识的人脸图像列表B(B1,B2,B3,…,Bn),将所述列表B(B1,B2,B3,…,Bn)组成集合C,最后将人脸图像打上集合C的标识。
本实施例中,获取某一个时间点采集的未登记人员的人脸图像及该时间点前后一段时间内采集的所有已登记人员的人脸图像,则认为所述未登记人员与所述已登记人员为同行人员,从而将未登记人员与已登记人员进行关联存储。
更进一步的,若智慧园区中设置的所述门禁道闸数量较多及/或所述图像采集设备的数量较多,所述方法还可以包括:获取所述预设人脸库中打上所述第二标识的人脸图像的采集时间及图像采集设备的标识;获取所述采集时间前后第三预设时间段内且具有相同标识的图像采集设备采集的人脸图像中打上所述第一标识的人脸图像。
本实施例中,同时获取图像采集设备的标识,将具有同一标识的图像采集设备采集的人脸图像进行同行分析更切合实际。如此可保证相距较远的两个或更多格图像采集设备采集的人脸图像,即使在所述采集时间前后第三预设时间段内,根据图像采集设备的标识即可区分是否为同行的。
更进一步的,为了更加精确的确定所述预设人脸库中的已登记人员,降低将未登记人员或者无法识别人员误识别为已登记人员造成的安全隐患,提高智慧园区的安全性,预先设置的所述第一相似度阈值大于预先设置的所述第二相似度阈值。
综上所述,本发明获取第一预设时间段内预设人脸库中的人脸数据;识别所述预设人脸库中的人脸图像是否为预设第一登记库中的已登记人员的人脸图像;若是,将所述预设人脸库中确定为所述已登记人员的人脸图像打上第一标识;若不是,则识别所述预设人脸库中没有打上所述第一标识的人脸图像是否为预设第二登记库中的未登记人员的人脸图像;若是,将所述预设人脸库中确定为未登记人员的人脸图像打上第二标识;否则,确定为无法识别人员的人脸图像,将所述无法识别的人脸图像打上第三标识。其中,第一登记库中的已登记人员和第二登记库中的未登记人员是通过首次获取例如30天内的人脸图像得到的,后续对行人进行分析都仅需获取第一预设时间段内例如24小时内的预设人脸库中的人脸数据。能够有效的缩短计算时间,提高计算机的计算性能,不用对聚类过的人脸反复聚类,同等性能条件下,可以支持更多园区。
其次,后续每对所述第一预设时间段内的行人进行分析,实际数据量只加多了第一预设时间段内例如24小时的人脸数据,该第一预设时间段内可能只会出现极少的新的未登记人员数据,大大节约了存储空间,降低数据库管理数据的难度。
另外,对第一预设时间段内获取的人脸数据进行分析,将识别出的已登记人员、未登记人员和新的未登记人员采用不同的标识,随着时间的推移,新的未登记人员只会越来越少,管理员只需查看不同的标识即可识别行人是否属于新的未登记人员,大大降低了管理员管理的难度。
上述图1详细介绍了本发明的行人分析方法,下面结合第2~3图,分别对实现所述行人分析方法的软件***的功能模块以及实现所述行人分析方法的硬件***架构进行介绍。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
实施例二
图2是本发明实施例二提供的行人分析装置的功能模块图。
行人分析装置20运行于终端中。所述行人分析装置20可以包括多个由程序代码段所组成的功能模块。所述行人分析装置20中的各个程序段的程序代码可以存储于所述终端的存储器中,并由所述终端的至少一个处理器所执行,以执行对智慧园区的行人的分析。
本实施例中,所述行人分析装置20根据其所执行的功能,可以被划分为多个功能模块。所述功能模块可以包括:获取模块201、第一识别模块202、第一标识模块203、第二识别模块204、第二标识模块205、第三标识模块206、聚类模块207、计算模块208及第四标识模块209。上述各个模块之间通过至少一条通讯总线通讯。发明所称的模块是指一种能够被处理器所执行并且能够完成固定功能的一系列计算机程序段,其存储在存储器中。在本实施例中,关于各模块的功能将在后续的实施例中详述。
获取模块201,用于获取第一预设时间段内预设人脸库中的人脸数据。
第一识别模块202,用于识别所述预设人脸库中的人脸图像是否为预设第一登记库中的已登记人员的人脸图像。
第一标识模块203,用于当所述第一识别模块202确定所述预设人脸库中的人脸图像为所述预设第一登记库中的已登记人员的人脸图像时,将所述预设人脸库中确定为所述已登记人员的人脸图像打上第一标识。
第二识别模块204,用于当所述第一识别模块202确定所述预设人脸库中的人脸图像不为所述预设第一登记库中的已登记人员的人脸图像时,识别所述预设人脸库中没有打上所述第一标识的人脸图像是否为预设第二登记库中的未登记人员的人脸图像。
第二标识模块205,用于当所述第二识别模块204确定所述预设人脸库中没有打上所述第一标识的人脸图像为所述预设第二登记库中的未登记人员的人脸图像时,将所述预设人脸库中确定为未登记人员的人脸图像打上第二标识。
第三标识模块206,用于当所述第二识别模块204确定所述预设人脸库中没有打上所述第一标识的人脸图像不为所述预设第二登记库中的未登记人员的人脸图像时,确定所述预设人脸库中没有打上所述第一标识及所述第二标识的人脸图像为无法识别人员的人脸图像,将所述无法识别的人脸图像打上第三标识。
为进一步的分析及统计在所述第一预设时间段内通过所述门禁道闸的无法识别人员的数量,所述行人分析装置20还可以包括:聚类模块207,用于对所述预设人脸库中打上所述第三标识的人脸图像进行聚类分析;所述聚类模块207,还用于根据聚类分析后得到的聚类中心确定所述无法识别人员的类别。
为便于后续对无法识别人员进行追踪管理,所述行人分析装置20还可以包括:计算模块208,用于根据预设模型计算同一类别的无法识别人员的多张人脸图像的质量;所述计算模块208,还用于将质量最高的人脸图像作为对应类别的无法识别人员的人脸图像。
更进一步的,为节省所述预设人脸库的存储空间,在将质量最高的人脸图像作为对应类别的无法识别人员的人脸图像之后,所述行人分析装置20还可以包括:存储所述质量最高的人脸图像,删除对应类别的剩余人脸图像。
更进一步的,所述获取模块201,还用于获取所述预设人脸库中打上所述第二标识的人脸图像的采集时间;获取模块201,还用于获取所述采集时间前后第三预设时间段内的打上所述第一标识的人脸图像;所述行人分析装置20还可以包括:第四标识模块209,用于将所述采集时间对应的所述第二标识的人脸图像与获取的打上所述第一标识的人脸图像进行关联并打上同行人员的标识。
更进一步的,若智慧园区中设置的所述门禁道闸数量较多及/或所述图像采集设备的数量较多,获取模块201,还用于获取所述预设人脸库中打上所述第二标识的人脸图像的采集时间及图像采集设备的标识;获取模块201,还用于获取所述采集时间前后第三预设时间段内且具有相同标识的图像采集设备采集的人脸图像中打上所述第一标识的人脸图像。
更进一步的,为了更加精确的确定所述预设人脸库中的已登记人员,降低将未登记人员或者无法识别人员误识别为已登记人员造成的安全隐患,提高智慧园区的安全性,预先设置的所述第一相似度阈值大于预先设置的所述第二相似度阈值。
综上所述,本发明获取第一预设时间段内预设人脸库中的人脸数据;识别所述预设人脸库中的人脸图像是否为预设第一登记库中的已登记人员的人脸图像;若是,将所述预设人脸库中确定为所述已登记人员的人脸图像打上第一标识;若不是,则识别所述预设人脸库中没有打上所述第一标识的人脸图像是否为预设第二登记库中的未登记人员的人脸图像;若是,将所述预设人脸库中确定为未登记人员的人脸图像打上第二标识;否则,确定为无法识别人员的人脸图像,将所述无法识别的人脸图像打上第三标识。其中,第一登记库中的已登记人员和第二登记库中的未登记人员是通过首次获取例如30天内的人脸图像得到的,后续对行人进行分析都仅需获取第一预设时间段内例如24小时内的预设人脸库中的人脸数据。能够有效的缩短计算时间,提高计算机的计算性能,不用对聚类过的人脸反复聚类,同等性能条件下,可以支持更多园区。
其次,后续每对所述第一预设时间段内的行人进行分析,实际数据量只加多了第一预设时间段内例如24小时的人脸数据,该第一预设时间段内可能只会出现极少的新的未登记人员数据,大大节约了存储空间,降低数据库管理数据的难度。
另外,对第一预设时间段内获取的人脸数据进行分析,将识别出的已登记人员、未登记人员和新的未登记人员采用不同的标识,随着时间的推移,新的未登记人员只会越来越少,管理员只需查看不同的标识即可识别行人是否属于新的未登记人员,大大降低了管理员管理的难度。
实施例三
图3为本发明实施例三提供的终端1的示意图。所述终端1包括存储器20、处理器30、存储在所述存储器20中并可在所述处理器30上运行的计算机程序40、图像采集设备50及至少一条通讯总线60。所述处理器30执行所述计算机程序40时实现上述行人分析方法,例如图1所示的步骤101~106。或者,所述处理器30执行所述计算机程序40时实现上述装置实施例中各模块/单元的功能,例如图2中的模块201~209。
示例性的,所述计算机程序40可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器20中,并由所述处理器30执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序40在所述终端1中的执行过程。例如,所述计算机程序40可以被分割成图2中的获取模块201、第一识别模块202、第一标识模块203、第二识别模块204、第二标识模块205、第三标识模块206、聚类模块207、计算模块208及第四标识模块209,各单元具体功能参见实施例二及其相应描述。
所述终端1可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。本领域技术人员可以理解,所述示意图3仅仅是终端1的示例,并不构成对终端1的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端1还可以包括输入输出设备、网络接入设备、总线等。
所称处理器30可以是中央处理单元,还可以是其他通用处理器、数字信号处理器、专用集成电路、现成可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器30也可以是任何常规的处理器等,所述处理器30是所述终端1的控制中心,利用各种接口和线路连接整个终端1的各个部分。
所述存储器20可用于存储所述计算机程序40和/或模块/单元,所述处理器30通过运行或执行存储在所述存储器20内的计算机程序和/或模块/单元,以及调用存储在存储器20内的数据,实现所述终端1的各种功能。所述存储器20可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据终端1的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器20可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡,安全数字卡,闪存卡、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
所述终端1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,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,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器、随机存取存储器、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
在本发明所提供的几个实施例中,应该理解到,所揭露的终端和方法,可以通过其它的方式实现。例如,以上所描述的终端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。
另外,在本发明各个实施例中的各功能单元可以集成在相同处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在相同单元中。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模块的形式实现。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种行人分析方法,应用于终端中,其特征在于,所述方法包括:
获取第一预设时间段内预设人脸库中的人脸数据;
识别所述预设人脸库中的人脸图像是否为预设第一登记库中的已登记人员的人脸图像;
当确定所述预设人脸库中的人脸图像为所述预设第一登记库中的已登记人员的人脸图像时,将所述预设人脸库中确定为所述已登记人员的人脸图像打上第一标识;及
当确定所述预设人脸库中的人脸图像不为所述预设第一登记库中的已登记人员的人脸图像时,识别所述预设人脸库中没有打上所述第一标识的人脸图像是否为预设第二登记库中的未登记人员的人脸图像;
当确定所述预设人脸库中没有打上所述第一标识的人脸图像为所述预设第二登记库中的未登记人员的人脸图像时,将所述预设人脸库中确定为未登记人员的人脸图像打上第二标识;或者
当确定所述预设人脸库中没有打上所述第一标识的人脸图像不为所述预设第二登记库中的未登记人员的人脸图像时,确定所述预设人脸库中没有打上所述第一标识及所述第二标识的人脸图像为无法识别人员的人脸图像,将所述无法识别的人脸图像打上第三标识。
2.如权利要求1所述的方法,其特征在于,所述预设第二登记库的未登记人员的人脸图像的获取包括:
首次获取所述预设人脸库中第二预设时间段内的所有人脸图像;
识别所述所有人脸图像中的所述已登记人员的人脸图像;
将所述所有人脸图像中除所述已登记人员的人脸图像确定为未登记人员的人脸图像并存储于所述预设第二登记库中。
3.如权利要求2所述的方法,其特征在于,所述方法还包括:
对所述预设人脸库中打上所述第三标识的人脸图像进行聚类分析;
根据聚类分析后得到的聚类中心确定所述无法识别人员的类别。
4.如权利要求3所述的方法,其特征在于,所述方法还包括:
根据预设模型计算同一类别的无法识别人员的多张人脸图像的质量;
将质量最高的人脸图像作为对应类别的无法识别人员的人脸图像。
5.如权利要求4所述的方法,其特征在于,在将质量最高的人脸图像作为对应类别的无法识别人员的人脸图像之后,所述方法还包括:
存储所述质量最高的人脸图像,删除对应类别的剩余人脸图像。
6.如权利要求1至5中任意一项所述的方法,其特征在于,所述方法还包括:
获取所述预设人脸库中打上所述第二标识的人脸图像的采集时间;
获取所述采集时间前后第三预设时间段内的打上所述第一标识的人脸图像;
将所述采集时间对应的所述第二标识的人脸图像与获取的打上所述第一标识的人脸图像进行关联并打上同行人员的标识。
7.如权利要求6所述的方法,其特征在于,所述获取所述预设人脸库中打上所述第二标识的人脸图像的采集时间还包括:
同时获取图像采集设备的标识;
获取所述采集时间前后第三预设时间段内且具有相同标识的图像采集设备采集的人脸图像中打上所述第一标识的人脸图像。
8.一种行人分析装置,运行于终端中,其特征在于,所述装置包括:
获取模块,用于获取第一预设时间段内预设人脸库中的人脸数据;
第一识别模块,用于识别所述预设人脸库中的人脸图像是否为预设第一登记库中的已登记人员的人脸图像;
第一标识模块,用于当所述第一识别模块确定所述预设人脸库中的人脸图像为所述预设第一登记库中的已登记人员的人脸图像时,将所述预设人脸库中确定为所述已登记人员的人脸图像打上第一标识;
第二识别模块,用于当所述第一识别模块确定所述预设人脸库中的人脸图像不为所述预设第一登记库中的已登记人员的人脸图像时,识别所述预设人脸库中没有打上所述第一标识的人脸图像是否为预设第二登记库中的未登记人员的人脸图像;
第二标识模块,用于当所述第二识别模块确定所述预设人脸库中没有打上所述第一标识的人脸图像为所述预设第二登记库中的未登记人员的人脸图像时,将所述预设人脸库中确定为未登记人员的人脸图像打上第二标识;
第三标识模块,用于当所述第二识别模块确定所述预设人脸库中没有打上所述第一标识的人脸图像不为所述预设第二登记库中的未登记人员的人脸图像时,确定所述预设人脸库中没有打上所述第一标识及所述第二标识的人脸图像为无法识别人员的人脸图像,将所述无法识别的人脸图像打上第三标识。
9.一种终端,其特征在于:所述终端包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至7中任一项所述行人分析方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述行人分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810443368.3A CN108446681B (zh) | 2018-05-10 | 2018-05-10 | 行人分析方法、装置、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810443368.3A CN108446681B (zh) | 2018-05-10 | 2018-05-10 | 行人分析方法、装置、终端及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108446681A true CN108446681A (zh) | 2018-08-24 |
CN108446681B CN108446681B (zh) | 2020-12-15 |
Family
ID=63203378
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810443368.3A Active CN108446681B (zh) | 2018-05-10 | 2018-05-10 | 行人分析方法、装置、终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108446681B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109658572A (zh) * | 2018-12-21 | 2019-04-19 | 上海商汤智能科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN109816582A (zh) * | 2019-01-28 | 2019-05-28 | 重庆中科云从科技有限公司 | 区控安防方法及装置 |
CN110298254A (zh) * | 2019-05-30 | 2019-10-01 | 罗普特科技集团股份有限公司 | 一种用于人员异常行为的分析方法和*** |
CN110837821A (zh) * | 2019-12-05 | 2020-02-25 | 深圳市亚略特生物识别科技有限公司 | 基于生物特征的身份识别的方法、设备及电子*** |
CN111079469A (zh) * | 2018-10-18 | 2020-04-28 | 深圳云天励飞技术有限公司 | 人脸图像的处理方法、装置、设备及可读存储介质 |
CN111126119A (zh) * | 2018-11-01 | 2020-05-08 | 百度在线网络技术(北京)有限公司 | 基于人脸识别的到店用户行为统计方法和装置 |
CN111626079A (zh) * | 2019-02-27 | 2020-09-04 | 杭州海康威视数字技术股份有限公司 | 一种人员统计方法、装置及电子设备 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102646197A (zh) * | 2012-02-20 | 2012-08-22 | 华焦宝 | 预警信息发布方法及*** |
US20130216107A1 (en) * | 2012-02-20 | 2013-08-22 | Chih-Hsung Huang | Method of surveillance by face recognition |
CN103399896A (zh) * | 2013-07-19 | 2013-11-20 | 广州华多网络科技有限公司 | 识别用户间关联关系的方法及*** |
CN103514694A (zh) * | 2013-09-09 | 2014-01-15 | 重庆邮电大学 | 一种入侵检测监控*** |
CN105208528A (zh) * | 2015-09-24 | 2015-12-30 | 山东合天智汇信息技术有限公司 | 一种用于识别同行人员的***及方法 |
CN105488478A (zh) * | 2015-12-02 | 2016-04-13 | 深圳市商汤科技有限公司 | 一种人脸识别***和方法 |
CN106408832A (zh) * | 2016-08-29 | 2017-02-15 | 重庆交通大学 | 一种无干扰访客的监控方法和*** |
CN106446816A (zh) * | 2016-09-14 | 2017-02-22 | 北京旷视科技有限公司 | 人脸识别方法及装置 |
CN106548148A (zh) * | 2016-10-26 | 2017-03-29 | 北京意泰物联软件科技有限公司 | 视频中未知人脸的识别方法和*** |
CN107316011A (zh) * | 2017-05-24 | 2017-11-03 | 杭州励飞软件技术有限公司 | 数据处理方法、装置及存储介质 |
CN107480246A (zh) * | 2017-08-10 | 2017-12-15 | 北京中航安通科技有限公司 | 一种关联人员的识别方法及装置 |
CN107808149A (zh) * | 2017-11-17 | 2018-03-16 | 腾讯数码(天津)有限公司 | 一种人脸信息标注方法、装置和存储介质 |
-
2018
- 2018-05-10 CN CN201810443368.3A patent/CN108446681B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102646197A (zh) * | 2012-02-20 | 2012-08-22 | 华焦宝 | 预警信息发布方法及*** |
US20130216107A1 (en) * | 2012-02-20 | 2013-08-22 | Chih-Hsung Huang | Method of surveillance by face recognition |
CN103399896A (zh) * | 2013-07-19 | 2013-11-20 | 广州华多网络科技有限公司 | 识别用户间关联关系的方法及*** |
CN103514694A (zh) * | 2013-09-09 | 2014-01-15 | 重庆邮电大学 | 一种入侵检测监控*** |
CN105208528A (zh) * | 2015-09-24 | 2015-12-30 | 山东合天智汇信息技术有限公司 | 一种用于识别同行人员的***及方法 |
CN105488478A (zh) * | 2015-12-02 | 2016-04-13 | 深圳市商汤科技有限公司 | 一种人脸识别***和方法 |
CN106408832A (zh) * | 2016-08-29 | 2017-02-15 | 重庆交通大学 | 一种无干扰访客的监控方法和*** |
CN106446816A (zh) * | 2016-09-14 | 2017-02-22 | 北京旷视科技有限公司 | 人脸识别方法及装置 |
CN106548148A (zh) * | 2016-10-26 | 2017-03-29 | 北京意泰物联软件科技有限公司 | 视频中未知人脸的识别方法和*** |
CN107316011A (zh) * | 2017-05-24 | 2017-11-03 | 杭州励飞软件技术有限公司 | 数据处理方法、装置及存储介质 |
CN107480246A (zh) * | 2017-08-10 | 2017-12-15 | 北京中航安通科技有限公司 | 一种关联人员的识别方法及装置 |
CN107808149A (zh) * | 2017-11-17 | 2018-03-16 | 腾讯数码(天津)有限公司 | 一种人脸信息标注方法、装置和存储介质 |
Non-Patent Citations (4)
Title |
---|
JUN LI ET AL: "Face recognition algorithms for embedded entrance guard system", 《COMPUTER MODELLING & NEW TECHNOLOGIES》 * |
SONIYA V ET AL: "ATTENDANCE AUTOMATION USING FACE RECOGNITION BIOMETRIC AUTHENTICATION", 《 2017 INTERNATIONAL CONFERENCE ON POWER AND EMBEDDED DRIVE CONTROL (ICPEDC)》 * |
吴美香等: "基于人脸识别的移动课堂考勤***的设计与实现", 《软件》 * |
徐茜亮等: "人脸识别技术在矿井人员管理***中的应用", 《工矿自动化》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111079469A (zh) * | 2018-10-18 | 2020-04-28 | 深圳云天励飞技术有限公司 | 人脸图像的处理方法、装置、设备及可读存储介质 |
CN111079469B (zh) * | 2018-10-18 | 2023-11-17 | 深圳云天励飞技术有限公司 | 人脸图像的处理方法、装置、设备及可读存储介质 |
CN111126119A (zh) * | 2018-11-01 | 2020-05-08 | 百度在线网络技术(北京)有限公司 | 基于人脸识别的到店用户行为统计方法和装置 |
CN109658572A (zh) * | 2018-12-21 | 2019-04-19 | 上海商汤智能科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN109658572B (zh) * | 2018-12-21 | 2020-09-15 | 上海商汤智能科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
US11410001B2 (en) | 2018-12-21 | 2022-08-09 | Shanghai Sensetime Intelligent Technology Co., Ltd | Method and apparatus for object authentication using images, electronic device, and storage medium |
CN109816582A (zh) * | 2019-01-28 | 2019-05-28 | 重庆中科云从科技有限公司 | 区控安防方法及装置 |
CN111626079A (zh) * | 2019-02-27 | 2020-09-04 | 杭州海康威视数字技术股份有限公司 | 一种人员统计方法、装置及电子设备 |
CN110298254A (zh) * | 2019-05-30 | 2019-10-01 | 罗普特科技集团股份有限公司 | 一种用于人员异常行为的分析方法和*** |
CN110837821A (zh) * | 2019-12-05 | 2020-02-25 | 深圳市亚略特生物识别科技有限公司 | 基于生物特征的身份识别的方法、设备及电子*** |
Also Published As
Publication number | Publication date |
---|---|
CN108446681B (zh) | 2020-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108446681A (zh) | 行人分析方法、装置、终端及存储介质 | |
CN109359538A (zh) | 卷积神经网络的训练方法、手势识别方法、装置及设备 | |
CN107480624B (zh) | 常住人口获取方法、装置及***、计算机装置和存储介质 | |
CN108347490A (zh) | 一种基于生物识别技术的校园应用装置及*** | |
CN202815946U (zh) | 智能网络人脸识别考勤*** | |
WO2021031600A1 (zh) | 数据采集方法、装置、计算机装置及存储介质 | |
CN108229674A (zh) | 聚类用神经网络的训练方法和装置、聚类方法和装置 | |
CN105007395A (zh) | 一种连续记录视频、影像的隐私处理方法 | |
CN113052079B (zh) | 一种基于人脸聚类的区域客流统计方法、***、设备和介质 | |
CN106296017A (zh) | 一种客房入住的管理方法及装置 | |
CN106469181A (zh) | 一种用户行为模式分析方法及装置 | |
CN110443120A (zh) | 一种人脸识别方法及设备 | |
CN109446932A (zh) | 一种着装检查方法、装置、终端设备及计算机存储介质 | |
CN114066534A (zh) | 基于人工智能的电梯广告投送方法、装置、设备及介质 | |
CN113903068A (zh) | 基于人脸特征的陌生人监控方法、装置、设备及存储介质 | |
CN110580942A (zh) | 一种新型体检报告生成方法、装置、介质及终端设备 | |
CN109885597A (zh) | 基于机器学习的用户分群处理方法、装置及电子终端 | |
CN105868693A (zh) | 身份认证方法及*** | |
CN109740417A (zh) | ***类型识别方法、装置、存储介质和计算机设备 | |
CN109903411A (zh) | 一种基于人脸识别的会议签到装置及使用方法 | |
CN115422452A (zh) | 基于大数据的智能家居控制方法、装置、设备及存储介质 | |
CN110310164A (zh) | 图像处理***、方法、平台、机器可读介质及设备 | |
CN114639152A (zh) | 基于人脸识别的多模态语音交互方法、装置、设备及介质 | |
CN109801394B (zh) | 一种工作人员考勤方法及装置、电子设备和可读存储介质 | |
CN103336800A (zh) | 基于行为分析的指纹存储比对的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |