CN109636397A - 公共交通出行控制方法、装置、计算机设备及存储介质 - Google Patents
公共交通出行控制方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN109636397A CN109636397A CN201811349085.9A CN201811349085A CN109636397A CN 109636397 A CN109636397 A CN 109636397A CN 201811349085 A CN201811349085 A CN 201811349085A CN 109636397 A CN109636397 A CN 109636397A
- Authority
- CN
- China
- Prior art keywords
- facial image
- information
- image
- public transport
- passenger
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/401—Transaction verification
- G06Q20/4014—Identity check for transactions
- G06Q20/40145—Biometric identity checks
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
- G07C9/00174—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys
- G07C9/00563—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys using personal physical data of the operator, e.g. finger prints, retinal images, voicepatterns
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开一种公共交通出行控制方法、装置、计算机设备及存储介质,包括:获取进入公共交通管辖区域内的一个或多个乘客的人脸图像,人脸图像包括人脸轮廓特征;在预设数据库中匹配人脸图像,预设数据库中包括所采集的人脸图像以及与该人脸图像相映射的身份信息和账户信息的集合;检测人脸图像是否满足预设条件,当满足预设条件时允许通行并从人脸图像所映射的账户信息中支付交通费。整个过程简单,便捷,可同时读取多个人,加快了识别速度和乘客的通行速度,节省了乘车时间,自动支付,使乘客乘车更便利。通过获取乘客的身份信息,以便于对乘客进行监控,避免不法分子混入公共交通场所作乱,提高了公共交通安全秩序的监管力度。
Description
技术领域
本发明涉及计算机应用技术领域,具体而言,本发明涉及一种公共交通出行控制方法、装置、计算机设备及存储介质。
背景技术
公交、地铁出行是大多数人出行的方式,也是作为低碳出行的推荐出行方式。公交、地铁等公共交通往往人流量很大,在进行进站以及支付过程中都需要进行排队。
目前公共交通中的安全监控只有对随身行李通过安检设备来进行检查,只要未携带管制刀具等一些违禁产品的人员都可以乘坐公共交通工具,因此,一些不法分子会趁机在这些公共交通中进行行窃,导致部分乘客蒙受损失,车站人员无法对这些人员进行管控。
另外在进行公共交通的支付过程中,需要乘客一一排队进行刷卡或者现金支付,花费的时间长,效率低,而且需要专门的员工进行管理,人力成本支出大。
发明内容
本发明的目的旨在至少能解决上述的技术缺陷之一,公开一种能够快速支付,安全出行的和监管的公共交通出行控制方法、装置、计算机设备及存储介质。
为了达到上述目的,本发明公开一种公共交通出行控制方法,包括:
获取进入公共交通管辖区域内的一个或多个乘客的人脸图像,所述人脸图像包括人脸轮廓特征;
在预设数据库中匹配所述人脸图像,所述预设数据库中包括所采集的人脸图像以及与该人脸图像相映射的身份信息和账户信息的集合;
检测所述人脸图像是否满足预设条件,当满足预设条件时允许通行并从所述人脸图像所映射的账户信息中支付交通费。
进一步的,所述获取进入公共交通管辖区域内的一个或多个乘客的人脸图像的方法包括:
将所拍摄的公共交通管辖区域内的视频图像输入至神经网络模型中;
识别所述视频图像中的一个或多个人像;
对每个人像进行活体检测以提取对应的人脸轮廓特征。
进一步的,每个乘客采集有多个角度的人脸图像存储在所述数据库中,所述在预设数据库中匹配所述人脸图像的方法包括:
将识别的人脸图像与预设数据库中的所有角度的人脸图像进行匹配;
选取匹配度大于或等于预设阈值的人脸图像作为目标人脸图像;
获取目标人脸图像所映射的身份信息和账户信息。
进一步的,所述在选取匹配度大于或等于预设阈值的人脸图像作为目标人脸图像之前,还包括:
判断匹配度大于或等于预设阈值的人脸图像的数量是否大于1;
当数量大于1时,获取该乘客另一个角度的人脸图像并进行匹配。
进一步的,所述预设条件包括所述人脸图像映射的身份信息为合法身份信息。
进一步的,所述预设条件包括所述人脸图像映射的账户信息中的余额大于或等于阈值,或者至少一个与所述账户信息的关联账户的余额大于或等于阈值。
进一步的,所述身份信息还包括乘客通讯账号,还包括:
向所述通信账号发送公共交通资讯或账户信息变动通知。
另一方面,本申请公开一种公共交通出行控制装置,包括:
获取模块:被配置为执行获取进入公共交通管辖区域内的一个或多个乘客的人脸图像,所述人脸图像包括人脸轮廓特征;
处理模块:被配置为执行在预设数据库中匹配所述人脸图像,所述预设数据库中包括所采集的人脸图像以及与该人脸图像相映射的身份信息和账户信息的集合;
执行模块:被配置为执行检测所述人脸图像是否满足预设条件,当满足预设条件时允许通行并从所述人脸图像所映射的账户信息中支付交通费。
进一步的,还包括:
输入模块:被配置为执行将所拍摄的公共交通管辖区域内的视频图像输入至神经网络模型中;
识别模块:被配置为执行识别所述视频图像中的一个或多个人像;
提取模块:被配置为执行对每个人像进行活体检测以提取对应的人脸轮廓特征。
进一步的,每个乘客采集有多个角度的人脸图像存储在所述数据库中,还包括:
第一匹配模块:被配置为执行将识别的人脸图像与预设数据库中的所有角度的人脸图像进行匹配;
目标选取模块:被配置为执行选取匹配度大于或等于预设阈值的人脸图像作为目标人脸图像;
身份获取模块:被配置为执行获取目标人脸图像所映射的身份信息和账户信息。
进一步的,还包括:
判断模块:被配置为执行判断匹配度大于或等于预设阈值的人脸图像的数量是否大于1;
第二匹配模块:被配置为执行当数量大于1时,获取该乘客另一个角度的人脸图像并进行匹配。
进一步的,所述预设条件包括所述人脸图像映射的身份信息为合法身份信息。
进一步的,所述预设条件包括所述人脸图像映射的账户信息中的余额大于或等于阈值,或者至少一个与所述账户信息的关联账户的余额大于或等于阈值。
进一步的,所述身份信息还包括乘客通讯账号,还包括:
信息发送模块:被配置为执行向所述通信账号发送公共交通资讯或账户信息变动通知。
另一方面本申请公开一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行如上述任一项所述的公共交通出行控制方法的步骤。
另一方面本申请还公开一种存储有计算机可读指令的存储介质,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行如上述任一项所述的公共交通出行控制方法的步骤。
本发明的有益效果是:
本申请公开一种公共交通出行控制方法,通过摄像装置拍摄进入公共交通管辖区域内的图像,获取一个或多个乘客的人脸图像,同时对多个人脸图像进行识别,获取其身份信息和账户信息,当身份信息和账户信息都符合预设条件时,允许其通行,并自动从账户信息中扣除相应的费用,整个过程简单,便捷,可同时读取多个人,加快了识别速度和乘客的通行速度,节省了乘车时间,自动支付,使乘客乘车更便利。通过获取乘客的身份信息,以便于对乘客进行监控,避免不法分子混入公共交通场所作乱,提高了公共交通安全秩序的监管力度。
本发明附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为本发明公共交通出行控制方法流程图;
图2为本发明获取人脸图像的方法流程图;
图3为本发明卷积神经网络模型的训练方法流程图;
图4为本发明在预设数据库中匹配人脸图像的方法流程图;
图5为本发明获取目标人脸图像之前的步骤流程图;
图6为本发明公共交通出行控制方法装置框图;
图7为本发明计算机设备基本结构框图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
本技术领域技术人员可以理解,这里所使用的“终端”、“终端设备”既包括无线信号接收器的设备,其仅具备无发射能力的无线信号接收器的设备,又包括接收和发射硬件的设备,其具有能够在双向通信链路上,执行双向通信的接收和发射硬件的设备。这种设备可以包括:蜂窝或其他通信设备,其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备;PCS(Personal Communications Service,个人通信***),其可以组合语音、数据处理、传真和/或数据通信能力;PDA(Personal Digital Assistant,个人数字助理),其可以包括射频接收器、寻呼机、互联网/内联网访问、网络浏览器、记事本、日历和/或GPS(Global Positioning System,全球定位***)接收器;常规膝上型和/或掌上型计算机或其他设备,其具有和/或包括射频接收器的常规膝上型和/或掌上型计算机或其他设备。这里所使用的“终端”、“终端设备”可以是便携式、可运输、安装在交通工具(航空、海运和/或陆地)中的,或者适合于和/或配置为在本地运行,和/或以分布形式,运行在地球和/或空间的任何其他位置运行。这里所使用的“终端”、“终端设备”还可以是通信终端、上网终端、音乐/视频播放终端,例如可以是PDA、MID(Mobile Internet Device,移动互联网设备)和/或具有音乐/视频播放功能的移动电话,也可以是智能电视、机顶盒等设备。
具体的,请参阅图1,本发明公开一种公共交通出行控制方法,适合快捷出行、智慧出行,具体请参阅图1,其公共交通出行控制方法包括:
S1000、获取进入公共交通管辖区域内的一个或多个乘客的人脸图像,所述人脸图像包括人脸轮廓特征;
公交交通为方便人们出行的交通工具和产所,比如公交车、地铁、高铁、火车、出租车等,这里的公共交通管辖区域指进入公共交通管辖范围后,并需要进行对乘坐公共交通工具进行支付的范围区域,比如对于公交车和出租车,其管辖区域为登上公交车或者出租车内,此种情况获取乘客的人脸图像可通过位于公交车内或者出租车内的摄像头来获得。对于地铁、高铁和火车,其公共交通管辖区域可以为安检区域或者是设定的乘车区域,比如进站闸机区域范围和出站闸机区域范围,此时乘客的人脸图像可通过安装在进站或出站的闸机区域的监控摄像头来获取。需要说明的是无论是何种交通工具,摄像装置都应安装在能够清楚以及能够拍摄到乘客正脸的位置。
以公交交通工具为地铁、高铁和火车的情况为例,摄像装置的安装方法为安装在闸机口位置,当乘客通过闸机口时,脸部朝向摄像装置,拍摄乘客的正脸。此种情况下,乘客是一个个通过闸机的。
在另一实施例中,摄像装置可安装在闸机口的各个位置,以便于从各个不同的方向获取乘客的图像信息,将各个不同方向的图像信息进行关联,获取乘客的人脸图像并锁定乘客的具***置以及运动趋势,通过这样的方式,可获取乘客即将通过哪个闸机口进入,若乘客符合乘坐公共交通的条件,当乘客进入闸机口区域时,放行通过,当乘客不符合乘坐公共交通的条件,当该乘客进入闸机口区域时,闸机口禁止其通过。此种方式可一次获取多个乘客的人脸图像以及位置信息。
由于乘坐公共交通的乘客人数都较多,且同时进入公共交通管辖区域的乘客数量也可能为多个,在一实施例中,请参阅图2,所述获取进入公共交通管辖区域内的一个或多个乘客的人脸图像的方法包括:
S1100、将所拍摄的公共交通管辖区域内的视频图像输入至神经网络模型中;
为了能够快速获取图像信息,摄像装置拍摄动态的视频图像以便输入神经网络模型中选取带有乘客正脸的关键帧画面并进行识别。需要说明的是输入神经网络模型中进行识别的也可以是已经挑选好的又摄像装置拍摄的图片带有正脸的图像,或者从视频中选取的带有正脸的关键帧画面。
神经网络在这里是指人工神经网络,其具有自学习功能。例如实现图像识别时,只需要先把许多不同的图像样板和对应的应识别的结果输入人工神经网络,网络就会通过自学习功能,慢慢学会识别类似的图像。自学习功能对于预测有特别重要的意义。预期未来的人工神经网络计算机将为人类提供经济预测、市场预测、效益预测,其应用前途是很远大的。另外,其具有联想存储功能。用人工神经网络的反馈网络就可以实现这种联想。还具有高速寻找优化解的能力。寻找一个复杂问题的优化解,往往需要很大的计算量,利用一个针对某问题而设计的反馈型人工神经网络,发挥计算机的高速运算能力,可能很快找到优化解。基于以上有点,本申请采用训练好的神经网络模型来识别人体头像信息。
神经网络包括深度神经网络、卷积神经网络、循环神经网络、深度残差网络等,本申请以卷积神经网络为例进行说明,卷积神经网络是一种前馈神经网络,人工神经元可以响应周围单元,可以进行大型图像处理。卷积神经网络包括卷积层和池化层。卷积神经网络(CNN)中卷积的目的在于将某些特征从图像中提取出来。卷积神经网络的基本结构包括两层,其一为特征提取层,每个神经元的输入与前一层的局部接受域相连,并提取该局部的特征。一旦该局部特征被提取后,它与其它特征间的位置关系也随之确定下来;其二是特征映射层,网络的每个计算层由多个特征映射组成,每个特征映射是一个平面,平面上所有神经元的权值相等。特征映射结构采用影响函数核小的sigmoid函数作为卷积网络的激活函数,使得特征映射具有位移不变性。此外,由于一个映射面上的神经元共享权值,因而减少了网络自由参数的个数。卷积神经网络中的每一个卷积层都紧跟着一个用来求局部平均与二次提取的计算层,这种特有的两次特征提取结构减小了特征分辨率。
卷积神经网络主要用来识别位移、缩放及其他形式扭曲不变性的二维图形。由于卷积神经网络的特征检测层通过训练数据进行学习,所以在使用卷积神经网络时,避免了显式的特征抽取,而隐式地从训练数据中进行学习;再者由于同一特征映射面上的神经元权值相同,所以网络可以并行学习,这也是卷积网络相对于神经元彼此相连网络的一大优势。
一幅彩色图像在计算机中的存储形式为一个三维的矩阵,三个维度分别是图像的宽、高和RGB(红绿蓝色彩值)值,而一幅灰度图像在计算机中的存储形式为一个二维矩阵,两个维度分别是图像的宽、高。无论是彩色图片的三维矩阵还是灰度图像的二维矩阵,矩阵中的每个元素取值范围为【0,255】,但是含义不同,彩色图像的三维矩阵可以拆分成R、G、B三个二维矩阵,矩阵中的元素分别代表图像相应位置的R、G、B亮度。灰度图像的二维矩阵中,元素则代表图像相应位置的灰度值。而二值图像可视为灰度图像的一个简化,它将灰度图像中所有高于某个阈值的原始转化为1,否则为0,故二值图像矩阵中的元素非0则1,二值图像足以描述图像的轮廓,二卷积操作的一个重要作用就是找到图像的边缘轮廓。
通过将图像转换成二值图像,再通过卷积核的过滤得到图像物体的边缘特征,再经过池化实现图像的降维以便于得到,明显的图像特征。通过模型训练,以识别出所述图像中图像特征。
S1200、识别所述视频图像中的一个或多个人像;
通过上述步骤S1100中提到的神经网络模型,可同时识别出视频图像中的一个或多个人像,本申请中,人像作为所拍摄的图像中的一个特征,可通过卷积神经网络训练得到的神经网络模型获得,但是,还可以使用其他的神经网络,比如DNN(深层神经网络)、RNN(循环神经网络)等网络模型训练而成。无论何种神经网络进行训练,采用这种机器学习的模式来获取人像的方法的原理基本一致。
以卷积神经网络模型的训练方法为例,请参阅图3,卷积神经网络模型的训练方法如下:
S1110、获取标记有分类判断信息的训练样本数据;
训练样本数据是整个训练集的构成单位,训练集是由若干个训练样本训练数据组成的。训练样本数据是由多种不同物体的数据以及对各种不同物体进行标记的分类判断信息组成的。分类判断信息是指人们根据输入卷积神经网络模型的训练方向,通过普适性的判断标准和事实状态对训练样本数据做出的人为的判断,也就是人们对卷积神经网络模型输出数值的期望目标。如,在一个训练样本数据中,人工识别出该图像信息数据中的物体与预存储的图像信息中的物体为同一个,则标定该物体分类判断信息为与预存储的目标物体图像相同。
S1120、将所述训练样本数据输入卷积神经网络模型获取所述训练样本数据的模型分类参照信息;
将训练样本集依次输入到卷积神经网络模型中,并获得卷积神经网络模型倒数第一个全连接层输出的模型分类参照信息。
模型分类参照信息是卷积神经网络模型根据输入的物体图像而输出的激励数据,在卷积神经网络模型未被训练至收敛之前,分类参照信息为离散性较大的数值,当卷积神经网络模型未被训练至收敛之后,分类参照信息为相对稳定的数据。
S1130、通过止损函数比对所述训练样本数据内不同样本的模型分类参照信息与所述分类判断信息是否一致;
止损函数是用于检测卷积神经网络模型中模型分类参照信息,与期望的分类判断信息是否具有一致性的检测函数。当卷积神经网络模型的输出结果与分类判断信息的期望结果不一致时,需要对卷积神经网络模型中的权重进行校正,以使卷积神经网络模型的输出结果与分类判断信息的期望结果相同。
S1140、当所述模型分类参照信息与所述分类判断信息不一致时,反复循环迭代的更新所述卷积神经网络模型中的权重,至所述比对结果与所述分类判断信息一致时结束。
当卷积神经网络模型的输出结果与分类判断信息的期望结果不一致时,需要对卷积神经网络模型中的权重进行校正,以使卷积神经网络模型的输出结果与分类判断信息的期望结果相同。
S1300、对每个人像进行活体检测以提取对应的人脸轮廓特征。
进一步的,采用神经网络模型不仅能从所输入神经网络模型中的视频或图片中将人像与周围的物体识别出来,还能通过识别不同人像的人脸轮廓特征将不同的人识别出来,其识别的方式一样,只是训练样本不同,在需要识别人脸时,会选用带有若干个不同人脸的图片作为训练样本。由于不同人脸部轮廓、肤色、五官比例以及大小均不一样,因此通过识别出这些信息可识别出是否是同一个人。
在一实施例中,一种可能的情况是,在所拍摄的图像中,可能存在一些广告牌、或者作为美观、交通引导目的人像仿真模型,为了将其与真人区分,需要对识别出的人像进行活体检测,本申请中,活体检测的方法可采用3D人脸活体检测,检测的方法包括:
1)从输入的图像中提取了活体和非活体人脸区域的256个特征点的三维信息,并对这些点之间的几何结构关系进行了初部的分析处理;
2)提取整个人脸区域的三维信息,并对相应的特征点做进一步的处理,再采用协调训练Co-training的方法训练了正负样本数据,之后利用得到的分类器进行了初分类;
3)利用以上两个步骤所提取的特征点进行曲面的拟合来描述三维模型特征,然后根据曲面的曲率从深度图像中提取凸起区域,再对每个区域提取EGI特征,最后利用其球形相关度进行再分类识别。
S2000、在预设数据库中匹配所述人脸图像,所述预设数据库中包括所采集的人脸图像以及与该人脸图像相映射的身份信息和账户信息的集合;
预设数据库为为了将人脸与账户联系起来建立的数据库,包括人脸图像、人脸图像映射的身份信息和账户信息。其中预设数据库中的人脸图像需要进行预先采集,该预先采集可以是在乘客办理交通卡时进行采集,这样可同时将人脸图像、身份信息和账户信息一起关联起来,也可以是从公安***中获取的人脸图像以及与之匹配的身份信息,只要将对应的账户信息关联起来即可。
进一步的,在进行人像采集的时候,可以对每一个人采集多个角度的人脸,比如正脸和左右两边的侧脸,以便于人脸识别时从多个角度进行对比,进一步的,为了提高正确性,对于双胞胎,需要在***中进行备注,并在数据采集时,采集二者的不同之处的信息,当识别出乘客是双胞胎中一员时,需要再次匹配预设存储的不同特征,以便于对其进行识别,避免识别出错。
在一实施例中,请参阅图4,在预设数据库中匹配所述人脸图像的方法包括:
S2100、将识别的人脸图像与预设数据库中的所有角度的人脸图像进行匹配;
由于在采集人脸过程中会采集多个角度的人脸图像,比如正脸和左右两侧的侧脸图像,因此从图像中识别出人脸时,不局限于只是对正脸的轮廓进行匹配,还可以通过拍摄人体的侧脸来对乘客进行身份识别。由于人体脸型、五官的相对位置不一样,因此无论从正面还是侧面看,都有一定的区别,通过这些区别,也可在一定程度上识别出人物的身份。
S2200、选取匹配度大于或等于预设阈值的人脸图像作为目标人脸图像;
目标人脸图像为从预设数据库中识别的最接近的人脸图像。在一实施例中,判断最接近人脸图像的方法为通过对预设数据库中的人脸图像进行一一对比,并计算其匹配度,选取匹配度大于或等于预设阈值的人脸图像作为目标人脸图像。匹配度的计算的方法有很多,在一实施例中,可通过在提取人脸图像中各个特征点,并对各个特征点进行一一对比,每一个相似特征点增加预设分值,以得到对应的匹配度。匹配度最,则意味着二者的相似特征点最多,可以理解为二者相似。
S2300、获取目标人脸图像所映射的身份信息和账户信息。
由于在预设数据库中,人脸图像与身份信息和账户信息相互关联,因此通过步骤S2200获取了目标人脸图像后,即可获取该目标人脸图像对应的身份信息和账户信息。以进一步判断该目标人脸图像的身份信息以及账户信息是否符合预设条件。
但是,由于可能存在长得比较像的情况,比如有血缘关系的人,或者双胞胎等,无论从正面还是从侧面可能都有一定的相似度,因此在识别过程中可能从某个角度会出现相似匹配度一样的情况,因此,在所述在选取匹配度大于或等于预设阈值的人脸图像作为目标人脸图像之前,请参阅图5,还包括:
S2400、判断匹配度大于或等于预设阈值的人脸图像的数量是否大于1;
S2500、当数量大于1时,获取该乘客另一个角度的人脸图像并进行匹配。
当出现又一个或者多个匹配度一样的人脸图像时,由于在采集乘客的人脸图像时同时也采集了多个角度的图像,因此从摄像装置所拍摄的图像或视频中再选取其他角度的人脸图像进行人脸轮廓提取,并与与预设数据库中该匹配度一样的人脸图像对应的其他家督的人脸图像进行一一对比,选取其他角度的人脸图像匹配度最高的作为目标人脸图像。
S3000、检测所述人脸图像是否满足预设条件,当满足预设条件时允许通行并从所述人脸图像所映射的账户信息中支付交通费。
在一实施例中,所述预设条件包括所述人脸图像映射的身份信息为合法身份信息。合法身份信息包括该乘客是允许乘坐公共交通工具的。比如,在一些情况下,可设置禁止乘车人员名单,列入禁止乘车名单中的人物可以是政府部门通缉的罪犯、有不良经济信誉,或者是有备案的在公共交通中有盗窃或其他不轨行为的人,通过拍摄图像画面并进行人像识别,获取人像所映射的备案信息,当该人为上述禁止通行的人员时,可将相关信息发送至安全工作人员终端中,以便于及时进行处理。
在另一实施例中,所述预设条件包括所述人脸图像映射的账户信息中的余额大于或等于阈值,或者至少一个与所述账户信息的关联账户的余额大于或等于阈值。
不同的公共交通有不同的价格,比如乘坐地铁起步价格是2元,乘坐公交车起步价格是1元,乘坐出租车起步价格是10元,可根据具体的应用场合,设置不同的阈值。当通过识别人脸图像检测到该乘客的账户信息中的预存金额低于该阈值时,进行提示,并禁止同行,以便于进行购票和充值处理。
在一实施例中,还可设置关联账户,及可将自己账户信息与其他人的账户进行进行绑定,当自己的账户中的余额不足时,通过授权的方式从与之关联的账户信息中扣除相应的费用。比如一家三口,爸爸、妈妈和小孩每人都有一个账户,当小孩所对用的账户信息中余额不足时,可从与之关联的爸爸或妈妈的账户中扣除相关费用,以便于小孩能正常使用交通工具。
进一步的,在另一实施例中,可设置联名账户,即可将相关联的人脸映射一个账户,比如一家四口,可共用一个家庭账户,无论该家庭中何人乘坐公共交通工具,都可在这个家庭账户中扣除相应的费用,采用此种方式,一家四口只需对这一个家庭账户进行充值即可,使用简单方便。
进一步的,为了方便管理,可在所述身份信息中添加乘客通讯账号,以便于当账户中余额发生变动,或者余额不足时及时提醒乘客,避免乘坐公共交通时余额不足的情况。进一步的,还可以给该乘客通讯账号发送相关公共交通资讯信息,以便于乘客了解交通状况。通讯账号可以时手机号码、微信账号、QQ账号或者邮箱等。比如为了方便乘客了解余额变动情况,可通过短信提醒,或者微信提醒等方式,将当前扣除的钱以及何人使用了多少金额的变动情况告知账户联系人,以便于及时了解账户动态,进一步的,通知的内容还可包括出行的时间、出行的地方等信息,方便追溯出行动态,尤其适合家长监控孩子的出行。
进一步的,通过将人脸与账户绑定,可以获取该乘客乘车次数,乘车时间和乘车区间,方便采集用户的出行信息,并根据用户的出行信息推荐用户可能用到的相关信息,比如用户收集到乘客C每天乘坐地铁1号线上班,当地铁1好像发生故障是,可自动将故障信息发送至乘客C的手机中以进行提醒。或者通过获取乘客经常乘坐公共交通的位置,提供该区域范围内的商场、店铺等相关优惠信息,通过大数据的方式,给人们的生活提供便利。
进一步的,为了避免出错,还可以在第一次采集乘客头像信息时,同时进行指纹采集,以便于在人脸识别失败的情况下采用指纹辅助进站搭乘公共交通。
本申请的有益效果包括:
1)可采用一次读取多个人像,多人同时通过闸机并进行支付的方式,节省了乘车时间,使乘客乘车更便利;
2)同时本申请中还采用了关联账户相互使用的方式,方便用户在自己账户余额不足的情况下,及时通行;
3)本申请中还公开了通过关联账户,进行扣费和出行提醒,方便用户对余额和出行进程进行跟踪和追溯;
4)通过人脸识别,可以监控乘坐公共交通的人员,当发现政府部门需要通缉或者禁止乘坐公共交通的人员可以及时发现,及时采取相关措施;
5)通过获取乘客出行数据,进行大数据分析,根据乘客出行的交通工具以及相关位置信息提供相关服务信息,达到智慧出行的目的。
另一方面,本申请公开一种公共交通出行控制装置,请参阅图6,包括:
获取模块1000:被配置为执行获取进入公共交通管辖区域内的一个或多个乘客的人脸图像,所述人脸图像包括人脸轮廓特征;
处理模块2000:被配置为执行在预设数据库中匹配所述人脸图像,所述预设数据库中包括所采集的人脸图像以及与该人脸图像相映射的身份信息和账户信息的集合;
执行模块3000:被配置为执行检测所述人脸图像是否满足预设条件,当满足预设条件时允许通行并从所述人脸图像所映射的账户信息中支付交通费。
进一步的,还包括:
输入模块:被配置为执行将所拍摄的公共交通管辖区域内的视频图像输入至神经网络模型中;
识别模块:被配置为执行识别所述视频图像中的一个或多个人像;
提取模块:被配置为执行对每个人像进行活体检测以提取对应的人脸轮廓特征。
进一步的,每个乘客采集有多个角度的人脸图像存储在所述数据库中,还包括:
第一匹配模块:被配置为执行将识别的人脸图像与预设数据库中的所有角度的人脸图像进行匹配;
目标选取模块:被配置为执行选取匹配度大于或等于预设阈值的人脸图像作为目标人脸图像;
身份获取模块:被配置为执行获取目标人脸图像所映射的身份信息和账户信息。
进一步的,还包括:
判断模块:被配置为执行判断匹配度大于或等于预设阈值的人脸图像的数量是否大于1;
第二匹配模块:被配置为执行当数量大于1时,获取该乘客另一个角度的人脸图像并进行匹配。
进一步的,所述预设条件包括所述人脸图像映射的身份信息为合法身份信息。
进一步的,所述预设条件包括所述人脸图像映射的账户信息中的余额大于或等于阈值,或者至少一个与所述账户信息的关联账户的余额大于或等于阈值。
进一步的,所述身份信息还包括乘客通讯账号,还包括:
信息发送模块:被配置为执行向所述通信账号发送公共交通资讯或账户信息变动通知。
由于上述公开的公共交通出行控制装置是公共交通出行控制方法是一一对应的产品结构,其工作原理是一样的,此处不再赘述。
本发明实施例提供计算机设备基本结构框图请参阅图6。
该计算机设备包括通过***总线连接的处理器、非易失性存储介质、存储器和网络接口。其中,该计算机设备的非易失性存储介质存储有操作***、数据库和计算机可读指令,数据库中可存储有控件信息序列,该计算机可读指令被处理器执行时,可使得处理器实现一种公共交通出行控制方法。该计算机设备的处理器用于提供计算和控制能力,支撑整个计算机设备的运行。该计算机设备的存储器中可存储有计算机可读指令,该计算机可读指令被处理器执行时,可使得处理器执行一种公共交通出行控制方法。该计算机设备的网络接口用于与终端连接通信。本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
计算机设备通过接收关联的客户端发送的提示行为的状态信息,即关联终端是否开启提示以及用户是否关闭该提示任务。通过验证上述任务条件是否达成,进而向关联终端发送对应的预设指令,以使关联终端能够根据该预设指令执行相应的操作,从而实现了对关联终端的有效监管。同时,在提示信息状态与预设的状态指令不相同时,服务器端控制关联终端持续进行响铃,以防止关联终端的提示任务在执行一段时间后自动终止的问题。
本发明还提供一种存储有计算机可读指令的存储介质,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行上述任一实施例所述公共交通出行控制方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述仅是本发明的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种公共交通出行控制方法,其特征在于,包括:
获取进入公共交通管辖区域内的一个或多个乘客的人脸图像,所述人脸图像包括人脸轮廓特征;
在预设数据库中匹配所述人脸图像,所述预设数据库中包括所采集的人脸图像以及与该人脸图像相映射的身份信息和账户信息的集合;
检测所述人脸图像是否满足预设条件,当满足预设条件时允许通行并从所述人脸图像所映射的账户信息中支付交通费。
2.根据权利要求1所述的公共交通出行控制方法,其特征在于,所述获取进入公共交通管辖区域内的一个或多个乘客的人脸图像的方法包括:
将所拍摄的公共交通管辖区域内的视频图像输入至神经网络模型中;
识别所述视频图像中的一个或多个人像;
对每个人像进行活体检测以提取对应的人脸轮廓特征。
3.根据权利要求1所述的公共交通出行控制方法,其特征在于,每个乘客采集有多个角度的人脸图像存储在所述数据库中,所述在预设数据库中匹配所述人脸图像的方法包括:
将识别的人脸图像与预设数据库中的所有角度的人脸图像进行匹配;
选取匹配度大于或等于预设阈值的人脸图像作为目标人脸图像;
获取目标人脸图像所映射的身份信息和账户信息。
4.根据权利要求3所述的公共交通出行控制方法,其特征在于,所述在选取匹配度大于或等于预设阈值的人脸图像作为目标人脸图像之前,还包括:
判断匹配度大于或等于预设阈值的人脸图像的数量是否大于1;
当数量大于1时,获取该乘客另一个角度的人脸图像并进行匹配。
5.根据权利要求1所述的公共交通出行控制方法,其特征在于,所述预设条件包括所述人脸图像映射的身份信息为合法身份信息。
6.根据权利要求1所述的公共交通出行控制方法,其特征在于,所述预设条件包括所述人脸图像映射的账户信息中的余额大于或等于阈值,或者至少一个与所述账户信息的关联账户的余额大于或等于阈值。
7.根据权利要求1所述的公共交通出行控制方法,其特征在于,所述身份信息还包括乘客通讯账号,还包括:
向所述通信账号发送公共交通资讯或账户信息变动通知。
8.一种公共交通出行控制装置,其特征在于,包括:
获取模块:被配置为执行获取进入公共交通管辖区域内的一个或多个乘客的人脸图像,所述人脸图像包括人脸轮廓特征;
处理模块:被配置为执行在预设数据库中匹配所述人脸图像,所述预设数据库中包括所采集的人脸图像以及与该人脸图像相映射的身份信息和账户信息的集合;
执行模块:被配置为执行检测所述人脸图像是否满足预设条件,当满足预设条件时允许通行并从所述人脸图像所映射的账户信息中支付交通费。
9.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行如权利要求1至7中任一项权利要求所述的公共交通出行控制方法的步骤。
10.一种存储有计算机可读指令的存储介质,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行如权利要求1至7中任一项权利要求所述的公共交通出行控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811349085.9A CN109636397A (zh) | 2018-11-13 | 2018-11-13 | 公共交通出行控制方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811349085.9A CN109636397A (zh) | 2018-11-13 | 2018-11-13 | 公共交通出行控制方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109636397A true CN109636397A (zh) | 2019-04-16 |
Family
ID=66067935
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811349085.9A Pending CN109636397A (zh) | 2018-11-13 | 2018-11-13 | 公共交通出行控制方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109636397A (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110135852A (zh) * | 2019-04-17 | 2019-08-16 | 深圳市雄帝科技股份有限公司 | 乘车支付方法、***、支付受理设备和服务器 |
CN110863678A (zh) * | 2019-11-07 | 2020-03-06 | 毛春根 | 一种公交车站台 |
CN111062362A (zh) * | 2019-12-27 | 2020-04-24 | 上海闻泰信息技术有限公司 | 人脸活体检测模型、方法、装置、设备及存储介质 |
CN111127731A (zh) * | 2019-12-25 | 2020-05-08 | 华静 | 一种基于大数据技术的智能地铁安防*** |
CN111159159A (zh) * | 2019-12-31 | 2020-05-15 | 上海依图网络科技有限公司 | 基于历史通行记录的公共交通通行法、装置、设备及*** |
CN111353617A (zh) * | 2020-02-27 | 2020-06-30 | 广州羊城通有限公司 | 基于预约请求的优先人脸识别数据库的构建方法及装置 |
CN111444555A (zh) * | 2020-03-23 | 2020-07-24 | 深圳云天励飞技术有限公司 | 一种测温信息显示方法、装置及终端设备 |
CN111563988A (zh) * | 2020-04-27 | 2020-08-21 | 广东博智林机器人有限公司 | 闸门通过认证方法、***及计算机存储介质 |
CN111899024A (zh) * | 2020-06-28 | 2020-11-06 | 中国建设银行股份有限公司 | 用于封闭园区的刷脸支付方法、装置、电子设备以及介质 |
CN111932754A (zh) * | 2019-08-19 | 2020-11-13 | 北京戴纳实验科技有限公司 | 一种实验室门禁验证***与验证方法 |
CN112349014A (zh) * | 2019-08-09 | 2021-02-09 | 比亚迪股份有限公司 | 智能闸机检票方法、***和智能闸机终端 |
CN112381560A (zh) * | 2020-10-23 | 2021-02-19 | 东北石油大学 | 一种共享设备产品市场预测***及方法 |
CN113012370A (zh) * | 2021-02-09 | 2021-06-22 | 中国建设银行股份有限公司 | 一种人脸支付方法、装置、电子设备及可读存储介质 |
CN113077574A (zh) * | 2021-04-09 | 2021-07-06 | 上海云从企业发展有限公司 | 基于人脸识别的通行方法、***、设备及介质 |
CN113269064A (zh) * | 2021-05-14 | 2021-08-17 | 浙江商汤科技开发有限公司 | 一种乘车方法和装置 |
CN114358780A (zh) * | 2020-09-29 | 2022-04-15 | 新开普电子股份有限公司 | 一种基于分布式人脸识别的公交乘车支付方法及*** |
DE102021205189A1 (de) | 2021-05-20 | 2022-11-24 | Volkswagen Aktiengesellschaft | Verfahren zum Identifizieren einer Person außerhalb eines Kraftfahrzeugs mittels einer Identifizierungsvorrichtung sowie Identifizierungsvorrichtung |
CN116095269A (zh) * | 2022-11-03 | 2023-05-09 | 南京戴尔塔智能制造研究院有限公司 | 一种智能化视频安防***及其方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105741096A (zh) * | 2016-01-22 | 2016-07-06 | 上海斐讯数据通信技术有限公司 | 一种用于公交车的自动支付方法及*** |
US20160224974A1 (en) * | 2015-02-03 | 2016-08-04 | Alibaba Group Holding Limited | Method and system for wireless payment of public transport fare |
US20170286798A1 (en) * | 2016-03-31 | 2017-10-05 | Ningbo University | Objective assessment method for color image quality based on online manifold learning |
CN107798307A (zh) * | 2017-10-31 | 2018-03-13 | 努比亚技术有限公司 | 一种公共交通费用快捷支付方法、装置及计算机可读存储介质 |
WO2018068533A1 (zh) * | 2016-10-10 | 2018-04-19 | 深圳云天励飞技术有限公司 | 一种人脸检测的方法及装置 |
-
2018
- 2018-11-13 CN CN201811349085.9A patent/CN109636397A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160224974A1 (en) * | 2015-02-03 | 2016-08-04 | Alibaba Group Holding Limited | Method and system for wireless payment of public transport fare |
CN105741096A (zh) * | 2016-01-22 | 2016-07-06 | 上海斐讯数据通信技术有限公司 | 一种用于公交车的自动支付方法及*** |
US20170286798A1 (en) * | 2016-03-31 | 2017-10-05 | Ningbo University | Objective assessment method for color image quality based on online manifold learning |
WO2018068533A1 (zh) * | 2016-10-10 | 2018-04-19 | 深圳云天励飞技术有限公司 | 一种人脸检测的方法及装置 |
CN107798307A (zh) * | 2017-10-31 | 2018-03-13 | 努比亚技术有限公司 | 一种公共交通费用快捷支付方法、装置及计算机可读存储介质 |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110135852A (zh) * | 2019-04-17 | 2019-08-16 | 深圳市雄帝科技股份有限公司 | 乘车支付方法、***、支付受理设备和服务器 |
CN110135852B (zh) * | 2019-04-17 | 2023-11-14 | 深圳市雄帝科技股份有限公司 | 乘车支付方法、***、支付受理设备和服务器 |
CN112349014B (zh) * | 2019-08-09 | 2024-01-09 | 比亚迪股份有限公司 | 智能闸机检票方法、***和智能闸机终端 |
CN112349014A (zh) * | 2019-08-09 | 2021-02-09 | 比亚迪股份有限公司 | 智能闸机检票方法、***和智能闸机终端 |
CN111932754A (zh) * | 2019-08-19 | 2020-11-13 | 北京戴纳实验科技有限公司 | 一种实验室门禁验证***与验证方法 |
CN110863678A (zh) * | 2019-11-07 | 2020-03-06 | 毛春根 | 一种公交车站台 |
CN111127731A (zh) * | 2019-12-25 | 2020-05-08 | 华静 | 一种基于大数据技术的智能地铁安防*** |
CN111062362A (zh) * | 2019-12-27 | 2020-04-24 | 上海闻泰信息技术有限公司 | 人脸活体检测模型、方法、装置、设备及存储介质 |
CN111062362B (zh) * | 2019-12-27 | 2023-10-10 | 上海闻泰信息技术有限公司 | 人脸活体检测模型、方法、装置、设备及存储介质 |
CN111159159A (zh) * | 2019-12-31 | 2020-05-15 | 上海依图网络科技有限公司 | 基于历史通行记录的公共交通通行法、装置、设备及*** |
CN111159159B (zh) * | 2019-12-31 | 2023-11-14 | 上海依图网络科技有限公司 | 基于历史通行记录的公共交通通行法、装置、设备及*** |
CN111353617A (zh) * | 2020-02-27 | 2020-06-30 | 广州羊城通有限公司 | 基于预约请求的优先人脸识别数据库的构建方法及装置 |
CN111353617B (zh) * | 2020-02-27 | 2024-03-12 | 广州羊城通有限公司 | 基于预约请求的优先人脸识别数据库的构建方法及装置 |
CN111444555B (zh) * | 2020-03-23 | 2024-03-26 | 深圳云天励飞技术有限公司 | 一种测温信息显示方法、装置及终端设备 |
CN111444555A (zh) * | 2020-03-23 | 2020-07-24 | 深圳云天励飞技术有限公司 | 一种测温信息显示方法、装置及终端设备 |
CN111563988B (zh) * | 2020-04-27 | 2022-04-19 | 广东博智林机器人有限公司 | 闸门通过认证方法、***及计算机存储介质 |
CN111563988A (zh) * | 2020-04-27 | 2020-08-21 | 广东博智林机器人有限公司 | 闸门通过认证方法、***及计算机存储介质 |
CN111899024A (zh) * | 2020-06-28 | 2020-11-06 | 中国建设银行股份有限公司 | 用于封闭园区的刷脸支付方法、装置、电子设备以及介质 |
CN114358780A (zh) * | 2020-09-29 | 2022-04-15 | 新开普电子股份有限公司 | 一种基于分布式人脸识别的公交乘车支付方法及*** |
CN112381560A (zh) * | 2020-10-23 | 2021-02-19 | 东北石油大学 | 一种共享设备产品市场预测***及方法 |
CN112381560B (zh) * | 2020-10-23 | 2022-10-21 | 东北石油大学 | 一种共享设备产品市场预测***及方法 |
CN113012370A (zh) * | 2021-02-09 | 2021-06-22 | 中国建设银行股份有限公司 | 一种人脸支付方法、装置、电子设备及可读存储介质 |
CN113077574A (zh) * | 2021-04-09 | 2021-07-06 | 上海云从企业发展有限公司 | 基于人脸识别的通行方法、***、设备及介质 |
CN113269064A (zh) * | 2021-05-14 | 2021-08-17 | 浙江商汤科技开发有限公司 | 一种乘车方法和装置 |
DE102021205189A1 (de) | 2021-05-20 | 2022-11-24 | Volkswagen Aktiengesellschaft | Verfahren zum Identifizieren einer Person außerhalb eines Kraftfahrzeugs mittels einer Identifizierungsvorrichtung sowie Identifizierungsvorrichtung |
CN116095269B (zh) * | 2022-11-03 | 2023-10-20 | 南京戴尔塔智能制造研究院有限公司 | 一种智能化视频安防***及其方法 |
CN116095269A (zh) * | 2022-11-03 | 2023-05-09 | 南京戴尔塔智能制造研究院有限公司 | 一种智能化视频安防***及其方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109636397A (zh) | 公共交通出行控制方法、装置、计算机设备及存储介质 | |
CN106611169B (zh) | 一种基于深度学习的危险驾驶行为实时检测方法 | |
CN108292363A (zh) | 用于防欺骗面部识别的活体检测 | |
CN105069622B (zh) | 一种面向移动终端的人脸识别支付***和方法 | |
CN109754393A (zh) | 一种基于深度学习的篡改图像鉴定方法及装置 | |
CN106415594A (zh) | 用于面部验证的方法和*** | |
CN105893465A (zh) | 自动问答方法和装置 | |
CN110163236A (zh) | 模型的训练方法和装置、存储介质、电子装置 | |
CN106803069A (zh) | 基于深度学习的人群高兴程度识别方法 | |
CN105374091A (zh) | 一种智能安检自助通关方法及***及设备 | |
CN108648495A (zh) | 一种智能实时显示公交车拥挤程度的方法及*** | |
CN106358444A (zh) | 用于面部验证的方法和*** | |
CN110751067A (zh) | 一种结合生物形态神经元模型的动态表情识别方法 | |
CN103106703A (zh) | 防作弊驾驶员培训记录仪 | |
CN110097029B (zh) | 基于Highway网络多视角步态识别的身份认证方法 | |
CN112651342B (zh) | 人脸识别方法、装置、电子设备及存储介质 | |
CN205247468U (zh) | 一种智能安检自助通关设备及其*** | |
Tan et al. | Bidirectional posture-appearance interaction network for driver behavior recognition | |
CN104183029A (zh) | 一种便携式快速人群考勤方法 | |
Islam Chowdhury et al. | An automated system in ATM booth using face encoding and emotion recognition process | |
CN107633293A (zh) | 一种领域自适应方法及装置 | |
Raharja et al. | Vehicle parking security system with face recognition detection based on eigenface algorithm | |
Setialana et al. | Intelligent attendance system with face recognition using the deep convolutional neural network method | |
CN106599795A (zh) | 一种基于尺度距离渐变函数分界面学习的动态低分辨率行人重识别方法 | |
CN109101925A (zh) | 活体检测方法 |
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 |