CN109376639B - 基于人像识别的伴随人员预警***及方法 - Google Patents
基于人像识别的伴随人员预警***及方法 Download PDFInfo
- Publication number
- CN109376639B CN109376639B CN201811199697.4A CN201811199697A CN109376639B CN 109376639 B CN109376639 B CN 109376639B CN 201811199697 A CN201811199697 A CN 201811199697A CN 109376639 B CN109376639 B CN 109376639B
- Authority
- CN
- China
- Prior art keywords
- accompanying
- portrait
- person
- target person
- target
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/24—Reminder alarms, e.g. anti-loss alarms
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Image Analysis (AREA)
- Alarm Systems (AREA)
Abstract
针对伴随人员分析一般都采用事后分析的方法,无法做到提前预防的问题,本发明提供一种基于人像识别的伴随人员预警***及方法,属于人像识别应用技术领域。本发明包括:人像识别模块,用于实时检测各点位的人像;伴随规则设置模块,用于设置伴随规则,和/或输入用户定义的目标人员;逻辑判断模块,用于判断检测的人像是否为目标人员,当确定为目标人员,记录其时空轨迹,并缓存目标人员在每个出现时空点位的有效伴随时间范围内人像特征集合;当目标人员的时空轨迹达到伴随检测条件时,根据所述集合及伴随规则,获取目标人员的伴随人员;预警输出模块,用于将伴随人员预警输出;本发明能够在案发前提醒相关管理人员进行干预,达到预防的作用。
Description
技术领域
本发明涉及一种预警***及方法,特别涉及一种基于人像识别的伴随人员预警***及方法,属于人像识别应用技术领域。
背景技术
在人脸识别领域,利用现场摄像机抓拍图片与***内登记的内部人员照片进行自动特征点提取和比对,通过设置阈值,把相似度超过阈值的两张图片视为同一个人,输出为身份认定,从而完成人脸布控报警等公安破案工作。
但在实际公安及政府反恐,维稳及治安管理工作中,最重要的工作是预防和及时发现异常人员或异常行为,进而早干预,早采取措施,尽量在案发前期甚至作案前发现并控制嫌疑人,避免“亡羊补牢”。
因此,单纯采用布控人员图片报警的模式不能满足上述需求,也不可能所有案件都事先知道犯罪份子是谁,更未必能拿到目标清晰人脸图片,因此实际工作中往往无法真正为一线管理人员所用。
发明内容
针对伴随人员分析一般都采用事后分析的方法,无法做到提前预防的问题,本发明提供一种基于人像识别的伴随人员预警***及方法。
一种基于人像识别的伴随人员预警***,所述***包括:
人像识别模块,用于实时检测各点位的人像;
伴随规则设置模块,用于设置伴随规则,和/或输入用户定义的目标人员;所述设置伴随规则为设置伴随人员的一个或多个除了人像特征外的特征条件;
逻辑判断模块,用于将检测的人像提取特征与目标人员库中的特征集合进行比对,通过相似度阈值判断,当确定为目标人员时,记录该目标人员的时空轨迹,并缓存目标人员在每个出现时空点位的有效伴随时间范围内人像特征集合;还用于当目标人员的时空轨迹达到伴随检测条件时,根据所述集合及伴随规则,获取所述目标人员的伴随人员;
预警输出模块,用于将伴随人员预警输出;
人像轨迹库,用于存储各点位的人像特征、轨迹和伴随规则;
目标人员库,用于存储目标人员的人像特征集合。
优选的是,所述伴随检测条件为:
目标人员的时空轨迹是否超过出现时空点位或出现次数的阈值。
优选的是,所述逻辑判断模块中,获取所述目标人员的伴随人员,包括:
当目标人员的时空轨迹达到伴随检测条件时,对该目标人员对应的集合中的人像特征进行聚类分析,获得伴随人员的时空轨迹;
当某伴随人员的时空轨迹满足目标人员的伴随时空频率设置条件,确定该伴随人员为所述目标人员的伴随人员。
优选的是,所述伴随规则设置模块中的特征条件为伴随人员身份定义、伴随前后时间、相同人员轨迹合并周期、伴随人员与目标人员同时出现次数、性别、年龄、衣着或穿戴物。
优选的是,所述逻辑判断模块,还用于当确定目标人员无符合伴随规则的伴随人员时,该目标人员为单独出行;
所述预警输出模块,还用于将单独出行的目标人员进行预警输出。
优选的是,所述逻辑判断模块,用于将检测的人像特征与目标人员库中的特征进行比对,包括:
将检测的人像特征与目标人员库中的任一特征或几特征比对相似度超过阈值,判断所述人像为目标人员人像;
将检测的人像特征与目标人员库中的所有特征比对相似度均低于阈值,判断所述人像为非目标人员人像。
本发明还包括一种基于人像识别的伴随人员预警方法,其特征在于,所述方法包括:
S1、实时检测各点位的人像;
S2、设置伴随规则,和/或输入用户定义的目标人员;所述设置伴随规则为设置伴随人员的一个或多个除了人像特征外的特征条件;
存储各点位的人像特征、轨迹及伴随规则至人像轨迹库;
S3、将检测的人像提取特征与目标人员库中的特征集合进行比对,通过相似度阈值判断,当确定为目标人员时,记录该目标人员的时空轨迹,并缓存目标人员在每个出现时空点位的有效伴随时间范围内人像特征集合;还用于当目标人员的时空轨迹达到伴随检测条件时,根据所述集合及伴随规则,获取所述目标人员的伴随人员;
目标人员库存储目标人员的特征集合;
S4、将伴随人员预警输出。
优选的是,所述伴随检测条件为:
目标人员的时空轨迹是否超过出现时空点位或出现次数的阈值。
优选的是,所述S3中,获取所述目标人员的伴随人员,包括:
当目标人员的时空轨迹达到伴随检测条件时,对该目标人员对应的集合中的人像特征进行聚类分析,获得伴随人员的时空轨迹;
当某伴随人员的时空轨迹满足目标人员的伴随时空频率设置条件,确定该伴随人员为所述目标人员的伴随人员。
优选的是,所述S3中,所述特征条件为伴随人员身份定义、伴随前后时间、相同人员轨迹合并周期、伴随人员与目标人员同时出现次数、性别、年龄、衣着或穿戴物。
优选的是,所述S3还包括:当确定目标人员无符合伴随规则的伴随人员时,该目标人员为单独出行;
所述S4还包括:将单独出行的目标人员进行预警输出。
优选的是,所述S3中,用于将检测的人像特征与目标人员库中的特征进行比对,包括:
将检测的人像特征与目标人员库中的任一特征或几特征比对相似度超过阈值,判断所述人像为目标人员人像;
将检测的人像特征与目标人员库中的所有特征比对相似度均低于阈值,判断所述人像为非目标人员人像。
本发明的有益效果,本发明基于人像检测和比对识别技术,实时在对所有经过点位的人员进行分析,并缓存前后人员数据,依据人像识别结果对目标人员进行伴随状态分析,从而对达到用户设定的伴随状态人员进行实时预警输出,从而能够在案发前提醒相关管理人员进行干预,达到预警,预防的作用。
附图说明
图1为本发明具体实施方式中基于人像识别的伴随人员预警***的原理示意图;
图2为本发明具体实施例的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
下面结合附图和具体实施例对本发明作进一步说明,但不作为本发明的限定。
本实施方式的一种基于人像识别的伴随人员预警***,如图1所示,本实施方式的***包括:
人像识别模块,用于实时检测各点位的人像;
伴随规则设置模块,用于设置伴随规则,和/或输入用户定义的目标人员;所述设置伴随规则为设置伴随人员的一个或多个除了人像特征外的特征条件;
逻辑判断模块,用于将检测的人像提取特征与目标人员库中的特征集合进行比对,通过相似度阈值判断,当确定为目标人员时,进行合并周期判断,记录该目标人员的时空轨迹,并缓存目标人员在每个出现时空点位的有效伴随时间范围内人像特征集合;还用于当目标人员的时空轨迹达到伴随检测条件时,根据所述集合及伴随规则,获取所述目标人员的伴随人员;
预警输出模块,用于将伴随人员预警输出;
人像轨迹库,用于存储各点位的人像、轨迹和伴随规则;
目标人员库,用于存储目标人员的特征集合。
本实施方式目标人员库存储的特征包括:人像特征和高级特征,高级特征包括伴随人员身份定义、伴随前后时间、相同人员轨迹合并周期、伴随人员与目标人员同时出现次数、性别、年龄、衣着和/或穿戴物;本实施方式的人像轨迹库用于存储某时间范围内,某些地点(点位)的海量人像轨迹及伴随规则,人像轨迹用于获取目标人员或伴随人员的时空轨迹,即:存储所有经过点位的人员,便于后续判断预警。
本实施方式中,通过伴随规则设置模块设置相同人员轨迹合并周期,用于将设定时间内的人员进行出现时间点及地点合并,避免一个人短期内无意义的多次重复输出,如一个人在摄像机前徘徊,周期内计为一次时空点位。
本实施方式利用人像检测,特征识别和人脸识别技术,对符合某些体貌特征的目标人员(如儿童,老人)与预先保存在目标人员库中的重点人员的特征比对,进行身份确认,对确认的目标人员进行时空轨迹记录,并缓存其每个出现点的前后一段时间内的人脸特征记录,以此逻辑进行实时监测记录,当确认目标人员的轨迹满足伴随检测条件时,获取与之同时出现的人员时空轨迹信息,根据设置的伴随规则获得目标人员的伴随人员,预警输出。本实施方式对所有经过点位的人员进行分析,并缓存前后人员数据,依据人像识别结果对目标人员进行伴随状态分析,从而对达到用户设定的伴随状态人员进行实时预警输出,从而能够在案发前提醒相关管理人员进行干预,达到预警,预防的作用。
优选实施例中,本实施方式的伴随检测条件为:
目标人员的时空轨迹是否超过出现时空点位或出现次数的阈值。
本实施方式中,根据目标人员的时空轨迹,将在某一个点位/几个点位出现、或者在某一个点位/几个点位出现次数作为阈值,用来判断是否需要检测该目标人员的伴随人员。
优选实施例中,本实施方式的逻辑判断模块中,获取所述目标人员的伴随人员,包括:
当目标人员的时空轨迹达到伴随检测条件时,对该目标人员对应的集合中的人像特征进行聚类分析,并进行合并周期判断,获得伴随人员的时空轨迹;
当某伴随人员的时空轨迹满足目标人员的伴随时空频率设置条件,确定该伴随人员为所述目标人员的伴随人员。
本实施方式将伴随人员的时空轨迹与目标人员的时空轨迹进行比对,其伴随时空频率满足设置条件,例如:伴随次数,本实施方式根据聚类结果,得到同行人员的时空轨迹信息,对满足伴随时空频率设置条件的人员进行输出,实现对目标重点人员聚集预警,也可以实现对有人尾随目标人员预警。
优选实施例中,本实施方式中,所述伴随规则设置模块中的特征条件为伴随人员身份定义、伴随前后时间、相同人员轨迹合并周期设置,伴随人员与目标人员同时出现次数、性别、年龄、衣着(颜色,纹理)或穿戴物(帽子,眼镜,口罩)。
本实施方式用于可选项缩小范围,与人脸特征进行与或组合,提高预警的范围或精准度。
优选实施例中,本实施方式的逻辑判断模块,还用于当确定目标人员无符合伴随规则的伴随人员时,该目标人员为单独出行;
所述预警输出模块,还用于将单独出行的目标人员进行预警输出。
本实施方式根据设定条件,对目标人员无人监护独自出行预警。
优选实施例中,本实施方式的逻辑判断模块,用于将检测的人像特征与目标人员库中的特征进行比对,包括:
将检测的人像特征与目标人员库中的任一特征或几特征比对相似度超过阈值,判断所述人像为目标人员人像;
将检测的人像特征与目标人员库中的所有特征比对相似度均低于阈值,判断所述人像为非目标人员人像。
本实施方式支持对人员进行身份确认,确认外部人员为不在目标人员库,确认重点人员为目标人员库中重点人员,均可以让用户通过配置灵活实现,满足实际业务需求。伴随人员的身份确认与目标人员身份确认方式相同。
本实施方式还提供一种基于人像识别的伴随人员预警方法,本实施方式的方法包括:
S1、实时检测各点位的人像;
S2、设置伴随规则,和/或输入用户定义的目标人员;所述设置伴随规则为设置伴随人员的一个或多个除了人像特征外的特征条件;
存储各点位的人像、轨迹及伴随规则至人像轨迹库;
S3、将检测的人像提取特征与目标人员库中的特征集合进行比对,通过相似度阈值判断,当确定为目标人员时,记录该目标人员的时空轨迹,并缓存目标人员在每个出现时空点位的有效伴随时间范围内人像特征集合;还用于当目标人员的时空轨迹达到伴随检测条件时,根据所述集合及伴随规则,获取所述目标人员的伴随人员;
目标人员库存储目标人员的特征集合;
S4、将伴随人员预警输出。
优选实施例中,本实施方式的伴随检测条件为:
目标人员的时空轨迹是否超过出现时空点位或出现次数的阈值。
优选实施例中,本实施方式的S3中,获取所述目标人员的伴随人员,包括:
当目标人员的时空轨迹达到伴随检测条件时,对该目标人员对应的集合中的人像特征进行聚类分析,并进行合并周期判断,获得伴随人员的时空轨迹;
当某伴随人员的时空轨迹满足目标人员的伴随时空频率设置条件,确定该伴随人员为所述目标人员的伴随人员。
优选实施例中,所述S3中,所述特征条件为伴随人员身份定义、伴随前后时间、伴随人员与目标人员同时出现次数、性别、年龄、衣着或穿戴物。
优选实施例中,本实施方式的S2还包括:当确定目标人员无符合伴随规则的伴随人员时,该目标人员为单独出行;
所述S4还包括:将单独出行的目标人员进行预警输出。
优选实施例中,本实施方式的S3中,用于将检测的人像特征与目标人员库中的特征进行比对,包括:
将检测的人像特征与目标人员库中的任一特征或几特征比对相似度超过阈值,判断所述人像为目标人员人像;
将检测的人像特征与目标人员库中的所有特征比对相似度均低于阈值,判断所述人像为非目标人员人像。
具体实施例:如图2所示,本实施方式的一种基于人像识别的伴随人员预警方法,包括如下步骤:
步骤1:实时检测各点位的人像;
步骤2:对每个出现人像目标进行特征识别,并与目标人员库进行人脸特征比对,比对成功后进行高级特征进行匹配,判断该人像目标是否为目标人员,本步骤中的高级特征包括:伴随人员身份定义、伴随前后时间、伴随人员与目标人员同时出现次数、性别、年龄、衣着和/或穿戴物,若匹配成功,转入步骤3,若否,将人像及轨迹特征存入人像轨迹库中;
步骤3:记录该目标人员id,与人像轨迹库进行比对,并查看是否满足相同人员轨迹合并周期条件,如果满足,合并,否则计为单独的时空节点,统计该ID人员出现次数;
步骤4:若该id人员累计出现次数超过阈值,则转入步骤5,若否,将该目标人员id人像及轨迹特征存入人像轨迹库中;
步骤5:记录并统计在此id人员在每个出现点位的伴随时间范围内的所有人员人像特征集合;
步骤6:对人像特征集合进行人员聚类,并查看是否满足相同人员轨迹合并周期条件,如果满足,合并,否则计为单独的时空节点,得到每个id的时空轨迹;
步骤7:将步骤6得到的每个id的时空轨迹与目标人员id的时空轨迹进行比对,若达到伴随次数阈值,确定相应id为伴随人员id,转入步骤8,否则,该线程结束;
步骤8:判断该id的伴随人员身份是否符合伴随规则,若是,将伴随人员预警输出,并记录伴随人员出现的位点,若否,该线程结束。
虽然在本文中参照了特定的实施方式来描述本发明,但是应该理解的是,这些实施例仅仅是本发明的原理和应用的示例。因此应该理解的是,可以对示例性的实施例进行许多修改,并且可以设计出其他的布置,只要不偏离所附权利要求所限定的本发明的精神和范围。应该理解的是,可以通过不同于原始权利要求所描述的方式来结合不同的从属权利要求和本文中所述的特征。还可以理解的是,结合单独实施例所描述的特征可以使用在其他所述实施例中。
Claims (12)
1.一种基于人像识别的伴随人员预警***,其特征在于,所述***包括:
人像识别模块,用于实时检测各点位的人像;
伴随规则设置模块,用于设置伴随规则,和/或输入用户定义的目标人员;所述设置伴随规则为设置伴随人员的一个或多个除了人像特征外的特征条件;
逻辑判断模块,用于将检测的人像提取特征与目标人员库中的特征集合进行比对,通过相似度阈值判断,当确定为目标人员时,记录该目标人员的时空轨迹,并缓存目标人员在每个出现时空点位的有效伴随时间范围内人像特征集合;还用于当目标人员的时空轨迹达到伴随检测条件时,根据所述集合及伴随规则,获取所述目标人员的伴随人员;
预警输出模块,用于将伴随人员预警输出;
人像轨迹库,用于存储各点位的人像特征、轨迹和伴随规则;
目标人员库,用于存储目标人员的特征集合。
2.根据权利要求1所述的基于人像识别的伴随人员预警***,其特征在于,所述伴随检测条件为:
目标人员的时空轨迹是否超过出现时空点位或出现次数的阈值。
3.根据权利要求1或2所述的基于人像识别的伴随人员预警***,其特征在于,所述逻辑判断模块中,获取所述目标人员的伴随人员,包括:
当目标人员的时空轨迹达到伴随检测条件时,对该目标人员对应的集合中的人像特征进行聚类分析,获得伴随人员的时空轨迹;
当某伴随人员的时空轨迹满足目标人员的伴随时空频率设置条件,确定该伴随人员为所述目标人员的伴随人员。
4.根据权利要求3所述的基于人像识别的伴随人员预警***,其特征在于,所述伴随规则设置模块中的特征条件为伴随人员身份定义、伴随前后时间、相同人员轨迹合并周期、伴随人员与目标人员同时出现次数、性别、年龄、衣着或穿戴物。
5.根据权利要求1所述的基于人像识别的伴随人员预警***,其特征在于,所述逻辑判断模块,还用于当确定目标人员无符合伴随规则的伴随人员时,该目标人员为单独出行;
所述预警输出模块,还用于将单独出行的目标人员进行预警输出。
6.根据权利要求1所述的基于人像识别的伴随人员预警***,其特征在于,所述逻辑判断模块,用于将检测的人像特征与目标人员库中的特征进行比对,包括:
将检测的人像特征与目标人员库中的任一特征或几特征比对相似度超过阈值,判断所述人像为目标人员人像;
将检测的人像特征与目标人员库中的所有特征比对相似度均低于阈值,判断所述人像为非目标人员人像。
7.一种基于人像识别的伴随人员预警方法,其特征在于,所述方法包括:
S1、实时检测各点位的人像;
S2、设置伴随规则,和/或输入用户定义的目标人员;所述设置伴随规则为设置伴随人员的一个或多个除了人像特征外的特征条件;
存储各点位的人像特征、轨迹及伴随规则至人像轨迹库;
S3、将检测的人像提取特征与目标人员库中的特征集合进行比对,通过相似度阈值判断,当确定为目标人员时,记录该目标人员的时空轨迹,并缓存目标人员在每个出现时空点位的有效伴随时间范围内人像特征集合;还用于当目标人员的时空轨迹达到伴随检测条件时,根据所述集合及伴随规则,获取所述目标人员的伴随人员;目标人员库存储目标人员的特征集合;
S4、将伴随人员预警输出。
8.根据权利要求7所述的基于人像识别的伴随人员预警方法,其特征在于,所述伴随检测条件为:
目标人员的时空轨迹是否超过出现时空点位或出现次数的阈值。
9.根据权利要求7或8所述的基于人像识别的伴随人员预警方法,其特征在于,所述S3中,获取所述目标人员的伴随人员,包括:
当目标人员的时空轨迹达到伴随检测条件时,对该目标人员对应的集合中的人像特征进行聚类分析,获得伴随人员的时空轨迹;
当某伴随人员的时空轨迹满足目标人员的伴随时空频率设置条件,确定该伴随人员为所述目标人员的伴随人员。
10.根据权利要求9所述的基于人像识别的伴随人员预警方法,其特征在于,所述S3中,所述特征条件为伴随人员身份定义、伴随前后时间、相同人员轨迹合并周期、伴随人员与目标人员同时出现次数、性别、年龄、衣着或穿戴物。
11.根据权利要求7所述的基于人像识别的伴随人员预警方法,其特征在于,所述S3还包括:当确定目标人员无符合伴随规则的伴随人员时,该目标人员为单独出行;
所述S4还包括:将单独出行的目标人员进行预警输出。
12.根据权利要求7所述的基于人像识别的伴随人员预警方法,其特征在于,所述S3中,用于将检测的人像特征与目标人员库中的特征进行比对,包括:
将检测的人像特征与目标人员库中的任一特征或几特征比对相似度超过阈值,判断所述人像为目标人员人像;
将检测的人像特征与目标人员库中的所有特征比对相似度均低于阈值,判断所述人像为非目标人员人像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811199697.4A CN109376639B (zh) | 2018-10-16 | 2018-10-16 | 基于人像识别的伴随人员预警***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811199697.4A CN109376639B (zh) | 2018-10-16 | 2018-10-16 | 基于人像识别的伴随人员预警***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109376639A CN109376639A (zh) | 2019-02-22 |
CN109376639B true CN109376639B (zh) | 2021-12-17 |
Family
ID=65399851
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811199697.4A Active CN109376639B (zh) | 2018-10-16 | 2018-10-16 | 基于人像识别的伴随人员预警***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109376639B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109947793B (zh) * | 2019-03-20 | 2022-05-31 | 深圳市北斗智能科技有限公司 | 伴随关系的分析方法、装置和存储介质 |
CN109977108B (zh) * | 2019-04-03 | 2021-04-27 | 深圳市甲易科技有限公司 | 一种基于行为轨迹库的多种轨迹碰撞分析方法 |
CN110276272A (zh) * | 2019-05-30 | 2019-09-24 | 罗普特科技集团股份有限公司 | 确认标签人员的同行人员关系的方法、装置、存储介质 |
CN110569720B (zh) * | 2019-07-31 | 2022-06-07 | 安徽四创电子股份有限公司 | 一种基于音视频处理***的音视频智能识别处理方法 |
CN110674749B (zh) * | 2019-09-24 | 2022-10-25 | 北京明智和术科技有限公司 | ***识别方法、装置和存储介质 |
CN111222404A (zh) * | 2019-11-15 | 2020-06-02 | 北京市商汤科技开发有限公司 | 检测同行人的方法及装置、***、电子设备和存储介质 |
CN112653990A (zh) * | 2020-09-18 | 2021-04-13 | 武汉爱迪科技股份有限公司 | 一种密切接触人员的筛选算法及*** |
CN112364176A (zh) * | 2020-10-26 | 2021-02-12 | 青岛海信网络科技股份有限公司 | 一种人员行动轨迹的构建方法、设备及*** |
CN114863637B (zh) * | 2022-03-30 | 2023-10-17 | 财上门科技(北京)有限公司 | 一种酒店安全管理***及方法 |
CN114973486A (zh) * | 2022-04-20 | 2022-08-30 | 上海奂燎智能科技有限公司 | 一种机房智能报警的方法、装置及电子设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103400148A (zh) * | 2013-08-02 | 2013-11-20 | 上海泓申科技发展有限公司 | 基于视频分析的银行自助服务区域尾随行为检测方法 |
CN104183039A (zh) * | 2014-08-19 | 2014-12-03 | 花韬 | 人体生物特征识别防尾随*** |
CN105022999A (zh) * | 2015-07-12 | 2015-11-04 | 上海微桥电子科技有限公司 | 一种人码伴随实时采集*** |
CN106778655A (zh) * | 2016-12-27 | 2017-05-31 | 华侨大学 | 一种基于人体骨架的入口尾随进入检测方法 |
CN106875679A (zh) * | 2017-03-14 | 2017-06-20 | 东软集团股份有限公司 | 识别伴随车辆的方法及装置 |
CN107292907A (zh) * | 2017-07-14 | 2017-10-24 | 灵动科技(北京)有限公司 | 一种对跟随目标进行定位的方法以及跟随设备 |
CN107861979A (zh) * | 2017-09-27 | 2018-03-30 | 汉柏科技有限公司 | 一种基于人脸识别的伴随人员获取方法及*** |
CN108122013A (zh) * | 2017-12-29 | 2018-06-05 | 重庆锐纳达自动化技术有限公司 | 一种跟随运动中排除非跟随目标的方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003088157A1 (en) * | 2002-04-08 | 2003-10-23 | Newton Security Inc. | Tailgating and reverse entry detection, alarm, recording and prevention using machine vision |
US9142106B2 (en) * | 2012-05-23 | 2015-09-22 | Honeywell International, Inc. | Tailgating detection |
US10235854B2 (en) * | 2014-08-19 | 2019-03-19 | Sensormatic Electronics, LLC | Tailgating detection in frictionless access control system |
-
2018
- 2018-10-16 CN CN201811199697.4A patent/CN109376639B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103400148A (zh) * | 2013-08-02 | 2013-11-20 | 上海泓申科技发展有限公司 | 基于视频分析的银行自助服务区域尾随行为检测方法 |
CN104183039A (zh) * | 2014-08-19 | 2014-12-03 | 花韬 | 人体生物特征识别防尾随*** |
CN105022999A (zh) * | 2015-07-12 | 2015-11-04 | 上海微桥电子科技有限公司 | 一种人码伴随实时采集*** |
CN106778655A (zh) * | 2016-12-27 | 2017-05-31 | 华侨大学 | 一种基于人体骨架的入口尾随进入检测方法 |
CN106875679A (zh) * | 2017-03-14 | 2017-06-20 | 东软集团股份有限公司 | 识别伴随车辆的方法及装置 |
CN107292907A (zh) * | 2017-07-14 | 2017-10-24 | 灵动科技(北京)有限公司 | 一种对跟随目标进行定位的方法以及跟随设备 |
CN107861979A (zh) * | 2017-09-27 | 2018-03-30 | 汉柏科技有限公司 | 一种基于人脸识别的伴随人员获取方法及*** |
CN108122013A (zh) * | 2017-12-29 | 2018-06-05 | 重庆锐纳达自动化技术有限公司 | 一种跟随运动中排除非跟随目标的方法 |
Non-Patent Citations (1)
Title |
---|
基于双层异构深度神经网络模型的人脸识别关键技术研究;李晋等;《电信工程技术与标准化》;20170615(第06期);第29-34页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109376639A (zh) | 2019-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109376639B (zh) | 基于人像识别的伴随人员预警***及方法 | |
CN106203458B (zh) | 人群视频分析方法及*** | |
US11704936B2 (en) | Object tracking and best shot detection system | |
CN110648352B (zh) | 一种异常事件的检测方法、装置及电子设备 | |
CN106997629B (zh) | 门禁控制方法、装置及*** | |
JP6854881B2 (ja) | 顔画像照合システムおよび顔画像検索システム | |
CN105868689A (zh) | 一种基于级联卷积神经网络的人脸遮挡检测方法 | |
JPWO2014132841A1 (ja) | 人物検索方法及びホーム滞留人物検索装置 | |
CN106355154B (zh) | 一种监控视频中检测频繁过人的方法 | |
CN108537922A (zh) | 基于人脸识别的访客预警方法和*** | |
CN113223046B (zh) | 一种监狱人员行为识别的方法和*** | |
KR101515214B1 (ko) | 얼굴 인식을 통한 신원확인 방법과 얼굴인식을 이용한 출입관리 경보 시스템 및 출입관리 경보 제어방법 | |
CN112565676A (zh) | 基于智能摄像机识别在岗人员违规的方法及***、设备 | |
JP7201072B2 (ja) | 監視装置、不審オブジェクト検出方法、およびプログラム | |
CN109615256A (zh) | 智慧园区安防风险控制方法、存储介质、电子设备及*** | |
Cuevas et al. | Detection of stationary foreground objects using multiple nonparametric background-foreground models on a finite state machine | |
CN108898042A (zh) | 一种应用于atm机舱内用户异常行为的检测方法 | |
CN110674761A (zh) | 一种区域行为预警方法及*** | |
CN113269127A (zh) | 实时自动建库的人脸识别和行人重识别监控方法及*** | |
CN110717357A (zh) | 预警方法、装置、电子设备及存储介质 | |
CN111462417A (zh) | 一种无人银行的多信息验证***和多信息验证方法 | |
Yuganthini et al. | Activity tracking of employees in industries using computer vision | |
CN205847453U (zh) | 一种基于智能视频技术的智慧金睛人和物的行为识别*** | |
CN114677608A (zh) | 身份特征生成方法、设备及存储介质 | |
CN109460714B (zh) | 识别对象的方法、***和装置 |
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 |