CN109993033A - 视频监控的方法、***、服务器、设备和介质 - Google Patents
视频监控的方法、***、服务器、设备和介质 Download PDFInfo
- Publication number
- CN109993033A CN109993033A CN201711487018.9A CN201711487018A CN109993033A CN 109993033 A CN109993033 A CN 109993033A CN 201711487018 A CN201711487018 A CN 201711487018A CN 109993033 A CN109993033 A CN 109993033A
- Authority
- CN
- China
- Prior art keywords
- portrait
- video image
- video
- camera
- height
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 64
- 230000001815 facial effect Effects 0.000 claims abstract description 34
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000013135 deep learning Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 210000003128 head Anatomy 0.000 description 8
- 238000010304 firing Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 210000004556 brain Anatomy 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 210000004709 eyebrow Anatomy 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000002715 modification method Methods 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
-
- 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
- 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
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/19—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using infrared-radiation detection systems
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- 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
- G06V40/178—Human faces, e.g. facial parts, sketches or expressions estimating age from face image; using age information for improving recognition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Closed-Circuit Television Systems (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种视频监控的方法、***、服务器、设备和介质。该方法包括:在报警探测器发出报警信号的同时,通过网关将报警信号发送至报警控制器;报警控制器控制摄像头对视频进行截图得到视频图像,摄像头将视频图像通过网关发送至服务器;服务器基于人像的性别、人像的年龄段、人像面部特征和人像的身高,分析视频图像中人像,获得视频图像中人像的特征;服务器在预先设置的专家库中依据人像的特征进行识别,得到识别结果。根据本发明实施例提供的视频监控的方法、***、服务器、设备和介质,提高了对进出监控区域人员识别的效率。
Description
技术领域
本发明涉及数据网络技术领域,尤其涉及一种视频监控的方法、***、服务器、设备和介质。
背景技术
随着商品经济的高度发展,招标项目和投标项目日益增加。由于招投和投标的过程是一个严肃认真的过程,因此针对招标和投标过程中人员就位是否正常、参会人员的进出是否符合规范以及是否存在不正常的人员进出评标室等已经成为评价招标和投标质量的标准。评标管理人员在评标完成后进行督察工作时,需要对招标和投标过程中进出过评标室的人员的进出记录进行查询,以便了解相关情况。因此,评标管理方需要严格监控进出评标室的人员。
现有技术中通常将需要查询的目标人员的图像的脸部特征信息与预先存储的专家库中的图像进行对比分析,该方法需要耗费需要很长时间,无法满足快速搜索的目的。
发明内容
本发明实施例提供了一种视频监控的方法、***、服务器、设备和介质,能够提高对进出监控区域人员的身份识别的效率。
根据本发明实施例的一方面,提供一种视频监控的方法,该方法包括:
在报警探测器发出报警信号的同时,通过网关将报警信号发送至报警控制器;
报警控制器控制摄像头对视频进行截图得到视频图像,摄像头将视频图像通过网关发送至服务器;
服务器基于人像的性别、人像的年龄段、人像面部特征和人像的身高,分析视频图像中人像,获得视频图像中人像的特征;
服务器在预先设置的专家库中依据人像的特征进行识别,得到识别结果。
在一个实施例中,在报警探测器发出报警信号的同时,通过网关将报警信号发送至报警控制器,包括:
报警探测器在固定区域探测到移动物体,则发出报警信号,同时通过网关将报警信号发送至报警控制器。
在一个实施例中,摄像头实时采集固定区域的图像;
网关连接报警探测器和报警控制器,并连接摄像头和服务器。
在一个实施例中,服务器基于人像的性别、人像的年龄段、人像面部特征和人像的身高,分析视频图像中人像,获得视频图像中人像的特征,包括:
服务器通过深度学习人脸识别算法分析视频图像中人像的性别、人像的年龄段和人像面部特征;
根据预先存储的摄像头的标识与预设距离的对应关系以及视频图像中目标摄像头的标识,确定目标摄像头对应的预设距离;
在视频图像中人像的性别的基础上,结合目标摄像头对应的预设距离确定视频图像中人像的高度,目标摄像头对应的预设距离为视频图像中第一参考点与第二参考点之间的实际距离;
结合视频图像中人像的性别、视频图像中人像的年龄段、视频图像中人像面部特征和视频图像中人像的高度,获得视频图像中人像的特征。
在一个实施例中,在视频图像中人像的性别的基础上,结合目标摄像头对应的预设距离确定视频图像中人像的高度,包括:
获取视频图像中人像的像素高度,以及第一参考点和第二参考点之间的像素高度;
基于人像的像素高度、第一参考点和第二参考点之间的像素高度和目标摄像头对应的预设距离,确定视频图像中人像的初始高度;
在视频图像中人像的性别的基础上,调整视频图像中人像的初始高度,得到视频图像中人像的高度。
根据本发明实施例的另一方面,提供一种视频监控的方法,包括:
基于人像的性别、人像的年龄段、人像面部特征和人像的身高,分析摄像头对视频进行截图得到的视频图像中人像,获得视频图像中人像的特征;
在预先设置的专家库中依据人像的特征进行识别,得到识别结果。
在一个实施例中,基于人像的性别、人像的年龄段、人像面部特征和人像的身高,分析摄像头对视频进行截图得到的视频图像中人像,获得视频图像中人像的特征,包括:
服务器通过深度学习人脸识别算法分析视频图像中人像的性别、人像的年龄段和人像面部特征;
根据预先存储的摄像头的标识与预设距离的对应关系以及视频图像中目标摄像头的标识,确定目标摄像头对应的预设距离;
结合视频图像中人像的性别、视频图像中人像的年龄段、视频图像中人像面部特征和视频图像中人像的高度,获得视频图像中人像的特征。
在一个实施例中,在视频图像中人像的性别的基础上,结合目标摄像头对应的预设距离确定视频图像中人像的高度,包括:
获取视频图像中人像的像素高度,以及视频图像中第一参考点与第二参考点之间的像素高度;
基于人像的像素高度和视频图像中第一参考点与第二参考点之间的像素高度以及目标摄像头对应的预设距离,确定视频图像中人像的初始高度;
在视频图像中人像的性别的基础上,调整视频图像中人像的初始高度,得到视频图像中人像的高度。
根据本发明实施例的再一方面,提供一种视频监控的***,该***包括:
报警探测器,用于发出报警信号;
摄像头,用于对视频进行截图得到视频图像;
报警控制器,用于控制摄像头对视频进行截图得到视频图像;
服务器,用于基于人像的性别、人像的年龄段、人像面部特征和人像的身高,分析摄像头对视频进行截图得到的视频图像中人像,获得视频图像中人像的特征;在预先设置的专家库中依据人像的特征进行识别,得到识别结果;
网关,用于将报警信号发送至报警控制器,并将视频图像发送至服务器。
根据本发明实施例的再一方面,提供一种视频监控的服务器,该服务器包括:
获取模块,用于基于人像的性别、人像的年龄段、人像面部特征和人像的身高,分析摄像头对视频进行截图得到的视频图像中人像,获得视频图像中人像的特征;
识别模块,用于在预先设置的专家库中依据人像的特征进行识别,得到识别结果。
根据本发明实施例的再一方面,提供一种视频监控的设备,该设备包括:处理器以及存储有计算机程序指令的存储器;
处理器执行计算机程序指令时实现本发明实施例提供的视频监控的方法。
根据本发明实施例的再一方面,提供一种计算机可读存储介质,其上存储有计算机程序指令,当计算机程序指令被处理器执行时实现本发明实施例提供的视频监控的方法。
从上述技术方案中可以看出,通过获取进出报警探测器监控区域人员的视频图像,并提取该视频图像中人像的多个特征,实现了对进出监控区域人员身份识别的准确性和效率。
附图说明
从下面结合附图对本发明的具体实施方式的描述中可以更好地理解本发明其中,相同或相似的附图标记表示相同或相似的特征。
图1示出本发明一实施例的视频监控的方法的流程示意图;
图2示出本发明一实施例中视频图像中人像身高计算方法的示意图;
图3示出本发明另一实施例的视频监控的方法的流程示意图;
图4示出本发明一实施例的视频监控的***的结构示意图;
图5示出本发明一实施例的视频监控的服务器的结构示意图;
图6示出本发明一实施例的视频监控的设备的示例性硬件架构的结构图。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例,为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细描述。应理解,此处所描述的具体实施例仅被配置为解释本发明,并不被配置为限定本发明。对于本领域技术人员来说,本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物品或者设备不仅包括那些要素,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、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
为使本发明的目的、技术方案和优点表达得更加清楚明白,下面结合附图及具体实施例对本发明再作进一步详细的说明。
图1示出根据本发明实施例提供的视频监控的方法的流程示意图。如图1所示,本实施例中的视频监控的方法100包括以下步骤:
S110,在报警探测器发出报警信号的同时,通过网关将报警信号发送至报警控制器。
在本发明的实施例中,步骤S110包括以下步骤:
报警探测器在固定区域探测到移动物体,则发出报警信号,同时通过网关将报警信号发送至报警控制器。
在本发明的实施例中,报警探测器为传感探测装置,用于探测各种异常情况和入侵行为。
作为一个示例,报警探测器可以为红外线探测器、超声波物体移动探测器或红外对射探测器等。作为一个具体示例,报警探测器为红外线探测器,红外探测器根据物体表面热度的不同,会辐射出强弱不等的红外线。当移动物体(比如人)进入处于探测的固定区域,则固定区域稳定不变的热辐射被破坏,从而产生一个变化的热辐射,红外传感器接收变化的热辐射后将会发出报警信号。
在本发明的实施例中,报警探测器可根据不同的应用场景选用不同的信号传感器,利用不同传感器的不同技术自动检测处于固定区域内的入侵行为和异常情况,并将相应报警信号传输至报警监控中心。对于报警探测器的种类以及报警探测器对应的固定区域,本发明实施例不做具体限制。
在本发明的实施例中,网关用于连接报警探测器和报警控制器,报警探测器发出的报警信号通过网关传输至报警控制器,以控制摄像头的操作。
S120,报警控制器控制摄像头对视频进行截图得到视频图像,摄像头将视频图像通过网关发送至服务器。
在步骤S120中,摄像头实时采集报警探测器监测的固定区域内的图像,当有人触发报警信号后,报警控制器接收到报警信号后控制摄像头对摄像头监控的区域进行截图,从而得到包含人像的视频图像。
其中,为了对视频图像中的人像进行识别,摄像头将该视频图像通过网关发送至服务器进行处理,该网关连接摄像头和服务器。
本发明实施例提供的视频监控方法,通过利用报警探测器可以随时监控进入预设监控区域的人员,并且通过利用摄像头截取的进出该监控区域的人员的视频图像,可实现对该人员身份信息的识别。
S130,服务器基于人像的性别、人像的年龄段、人像面部特征和人像的身高,分析视频图像中人像,获得视频图像中人像的特征。
在本发明的实施例中,步骤S130包括以下步骤:
S210,服务器通过深度学习人脸识别算法分析视频图像中人像的性别、人像的年龄段和人像面部特征。
在本发明的实施例中,深度学习是机器学习研究中的一个新的领域,其动机在于建立、模拟人脑进行分析学习的神经网络,它模仿人脑的机制来解释数据。基于深度学习的人脸识别算法是模拟人脑进行识别人脸的过程,即让机器自动识别图像或视频流中的人脸,并识别出与人脸相关的人体特征信息。通过利用深度学习可实现对图像中人体特征信息的不断学习,提高对人体特征信息识别的正确率。
在本发明的实施例中,服务器利用深度学习人脸识别算法对视频图像中人像的人脸进行分析,得出该视频图像中人像的性别、人像的年龄段和人像面部特征。
其中,人像面部特征信息包括人的脸部特征数据,通过对人的脸部特征进行识别可获取该人像的身份信息。人脸图像中的人脸特征数据通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等等。作为一个示例,由于人脸由眼睛、眉毛、鼻子、嘴巴和下巴等特征点构成,因此可根据人脸的这些特征点的形状以及它们之间结构关系的几何距离作为人脸特征数据等。对于人脸面部特征信息,本发明实施例不做具体限制。
S220,根据预先存储的摄像头的标识与预设距离的对应关系以及视频图像中目标摄像头的标识,确定目标摄像头对应的预设距离。
在本发明的实施例中,摄像头一般固定在某一位置,对于不同的应用场景,摄像头可设置不同的高度和位置。其中,报警探测器的监测的固定区域位于摄像头的监控区域内。
由于摄像头位置固定,因此摄像头监控的区域也固定。为了计算摄像头截取的视频图像中人像的身高,可以预先在摄像头监控的区域内预先测量一个参考距离作为参考值。其中,通过在每个摄像头监控的区域内均测量对应的参考距离,建立摄像头的标识与该摄像头对应的参考距离的对应关系。
在本发明的实施例中,每个摄像头对应的参考距离可根据不同的应用场景进行预设,本发明实施例不做限制。
其中,摄像头通过网关传给服务器的视频图像包含该视频图像的采集时间以及截取该视频图像的摄像头的标识信息等信息。因此,根据视频图像中摄像头的标识信息以及预先存储的摄像头的标识与预设距离的对应关系,可以得到截取该视频图像的目标摄像头对应的预设距离。
S230,在视频图像中人像的性别的基础上,结合目标摄像头对应的预设距离确定视频图像中人像的高度,目标摄像头对应的预设距离为视频图像中第一参考点与第二参考点之间的实际距离。
在本发明的实施例中,步骤S230包括以下步骤:
S2301,获取视频图像中人像的像素高度,以及第一参考点和第二参考点之间的像素高度。
在本发明的实施例中,服务器根据获取的视频图像可获取人像的头部和脚部的像素位置,从而获取该视频图像中人像的像素高度。
其中,在步骤S220中,为了获取视频图像中人像的实际高度,首先获取了截取该视频图像的目标摄像头对应的预设距离作为参照。其中,目标摄像头对应的预设距离为该目标摄像头监控区域内的第一参考点和第二参考点之间的距离。因此为了计算视频图像中人像的实际高度,还需要获取该视频图像中第一参考点和第二参考点之间的像素高度。
在本发明的实施例中,对于第一参考点和第二参考点的选取,本发明实施例不做具体限制。
S2302,基于人像的像素高度、第一参考点和第二参考点之间的像素高度和目标摄像头对应的预设距离,确定视频图像中人像的初始高度。
作为一个示例,报警探测器探测的固定区域为一条预设的信号触发线,当有人经过该信号触发线时,摄像头截取包含该人的视频图像。其中,在该实施例中,摄像头截取的视频图像的底部对应信号触发线的位置,即该视频图像的最底部对应的是人像的脚底。
其中,由于截取该视频图像的摄像头的位置固定,因此该摄像头所拍摄的区域也固定,在该实施例中,选取信号触发线与该摄像头所拍摄的图像的最上边缘之间的实际距离H为该摄像头对应的预设距离。
如图2所示,服务器接收摄像头发送的下边缘为人像脚底的视频图像后,获取该视频图像上边缘的像素高度为H1,并获取视频图像中人像脸部的顶部与视频图像上边缘的像素高度H2,则人像的像素高度为H1-H2,则该视频图像中人像的初始高度h的计算公式为:
h=H*[(H1-H2)/H1] (1)
具体地,视频图像的上边缘与信号触发线之间的实际距离为2.2米,视频图像的像素宽度为1366像素,像素高度为800像素,人像的像素高度为600像素,则根据人像的初始高度的计算公式可得出该人像的高度为165厘米。
S2303,在视频图像中人像的性别的基础上,调整视频图像中人像的初始高度,得到视频图像中人像的高度。
在本发明的实施例中,根据性别考虑鞋子对身高的影响,进一步修正人像的身高,修正方法视具体场景而定,本发明实施例不做具体限制。
作为一个具体示例,如果视频图像中的进出人员是女性,身高可能受高跟鞋的影响。因此在利用步骤S2302中的方法计算视频图像中人像的身高时,若视频图像中的人员为女性,则身高值减去4厘米以进行微调,若视频图像中的人员为男性,则初始身高值减去2厘米以进行微调。
基于视频图像中人像的性别对视频图像中人像的初始身高进行修正后,可得出视频图像中人像的高度。
S240,结合视频图像中人像的性别、视频图像中人像的年龄段、视频图像中人像面部特征和视频图像中人像的高度,获得视频图像中人像的特征。
在本发明的实施例中,通过服务器对视频图像中人像的分析,可以得出该视频图像中人像的特征,其中人像的特征包括该人像的性别信息、年龄段信息、面部特征信息和高度信息。通过从多个方面获取视频图像中人像的特征,为识别该人像的身份信息提供了全面的信息。
S140,服务器在预先设置的专家库中依据人像的特征进行识别,得到识别结果。
在本发明的实施例中,通过将获取的视频图像中人像的性别信息、年龄段信息、面部特征信息和高度信息与预先设置的专家库中的各专家的性别信息、年龄段信息、面部特征信息和高度信息进行匹配,从而识别出该视频图像中人像的身份信息。
其中,将视频图像中的人像的特征与专家库中的特征信息进行比对时,可优先比较性别、年龄段或身高信息。若专家库中性别、年龄段或身高与该人像不符合,则可以直接进行下一张图片的对比,而不必将人像的所有特征信息进行比对,从而提高了对该人像识别的速度。
根据本发明实施例提供的视频监控的方法,通过提取视频图像中人像的身高、年龄段、性别和面部特征信息等多个方面的特征信息来综合识别该人像的身份信息,提高了对该人像识别的准确性。
本发明实施例提供的视频监控的方法不仅可以应用于监控评标室的进出人员,还可以应用于其他场景,例如机场安检场景或公安局嫌疑犯拍照场景。
其中,对于机场安检的场景下,在机场安检处,将摄像头安装在安检通道处,固定摄像头的位置和角度。摄像头现场采集被安检人员的视频图像,服务器通过该视频图像获取被安检人员的性别、身高、年龄段和面部特征等信息。通过利用将预存的特征信息库与该被安检人员的特征信息进行识别,可以实现对被安检人员更加准确的识别,从而实现对某些犯罪份子或***的准确快速识别。
其中,对于公安局嫌疑犯拍照场景下,利用本发明实施例提供的视频监控的方法,固定摄像头位置与角度后,嫌疑犯会站一个预设位置,利用拍摄的该嫌疑犯的图像可直接读取该嫌疑犯的性别信息、年龄段信息、身高信息和面部特征信息,并记录到相关***中。
图3示出根据本发明实施例提供的视频监控的方法300的流程示意图,本实施例的视频监控的方法应用于服务器侧。如图3所示,本实施例中的视频监控的方法300包括以下步骤:
S310,基于人像的性别、人像的年龄段、人像面部特征和人像的身高,分析摄像头对视频进行截图得到的视频图像中人像,获得视频图像中人像的特征。
在本发明的实施例中,步骤S310包括以下步骤:
S3101,服务器通过深度学习人脸识别算法分析视频图像中人像的性别、人像的年龄段和人像面部特征。
S3102,根据预先存储的摄像头的标识与预设距离的对应关系以及视频图像中目标摄像头的标识,确定目标摄像头对应的预设距离。
S3103,在视频图像中人像的性别的基础上,结合目标摄像头对应的预设距离确定视频图像中人像的高度,目标摄像头对应的预设距离为视频图像中第一参考点与第二参考点之间的实际距离。
在本发明的实施例中,步骤S3103包括以下步骤:
S3103-1,获取视频图像中人像的像素高度,以及视频图像中第一参考点与第二参考点之间的像素高度。
S3103-2,基于人像的像素高度和视频图像中第一参考点与第二参考点之间的像素高度以及目标摄像头对应的预设距离,确定视频图像中人像的初始高度。
S3103-3,在视频图像中人像的性别的基础上,调整视频图像中人像的初始高度,得到视频图像中人像的高度。
S320,在预先设置的专家库中依据人像的特征进行识别,得到识别结果。
本发明实施例提供的视频监控的方法,通过深度学习的人脸识别算法对视频图像中人像的性别、年龄段、面部特征和身高等多种人像的特征信息进行获取,提高了对视频图像中人像的身份信息识别的准确性和速度。
根据本发明实施例的视频监控的方法的其他细节与以上结合图1至图2描述的根据本发明实施例的视频监控的方法中步骤S130~步骤S140中的方法类似,在此不再赘述。
下面结合具体的实施例,对本发明实施例提供的视频监控的***进行说明。图4示出本发明一实施例的视频监控的***400的结构示意图。如图4所示,本实施例提供的视频监控的***包括:
报警探测器410,用于发出报警信号;
摄像头420,用于对视频进行截图得到视频图像;
报警控制器430,用于控制摄像头对视频进行截图得到视频图像;
服务器440,用于基于人像的性别、人像的年龄段、人像面部特征和人像的身高,分析摄像头对视频进行截图得到的视频图像中人像,获得视频图像中人像的特征;在预先设置的专家库中依据人像的特征进行识别,得到识别结果;
网关450,用于将报警信号发送至报警控制器,并将视频图像发送至服务器。
本发明实施例提供的视频监控的***,通过获取视频图像中人像的性别、年龄段、面部特征和身高等多种特征信息,提高了对视频图像中人像识别的效率。
根据本发明实施例的视频监控的***的其他细节与以上结合图1至图3描述的根据本发明实施例的视频监控的方法类似,在此不再赘述。
下面结合具体的实施例,对本发明实施例提供的视频监控的服务器进行说明。图5示出本发明一实施例的视频监控的服务器500的结构示意图。如图5所示,本实施例提供的视频监控的服务器包括:
获取模块510,用于基于人像的性别、人像的年龄段、人像面部特征和人像的身高,分析摄像头对视频进行截图得到的视频图像中人像,获得视频图像中人像的特征;
识别模块520,用于在预先设置的专家库中依据人像的特征进行识别,得到识别结果。
本发明实施例提供的视频监控的服务器,可以对视频图像中人像的性别、年龄段、面部特征和身高等多种特征信息进行提取,并利用该人像的特征与预存的专家库相匹配,提高了对视频图像中人像识别的准确性和速度。
根据本发明实施例的视频监控的服务器的其他细节与以上结合图1至图3描述的根据本发明实施例的视频监控的方法类似,在此不再赘述。
结合图3和图5描述的根据本发明实施例的视频监控的方法和服务器可以由视频监控的设备来实现。图6是示出根据发明实施例的视频监控的设备的硬件结构600示意图。
如图6所示,本实施例中的视频监控的设备600包括:处理器601、存储器602、通信接口603和总线610,其中,处理器601、存储器602、通信接口603通过总线610连接并完成相互间的通信。
具体地,上述处理器601可以包括中央处理器(CPU),或者特定集成电路(ASIC),或者可以被配置成实施本发明实施例的一个或多个集成电路。
存储器602可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器602可包括HDD、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器602可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器602可在视频监控的设备600的内部或外部。在特定实施例中,存储器602是非易失性固态存储器。在特定实施例中,存储器602包括只读存储器(ROM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
通信接口603,主要用于实现本发明实施例中各模块、装置、单元和/或设备之间的通信。
总线610包括硬件、软件或两者,将视频监控的设备600的部件彼此耦接在一起。举例来说而非限制,总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、***组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线610可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线,但本发明考虑任何合适的总线或互连。
也就是说,图6所示的视频监控的设备600可以被实现为包括:处理器601、存储器602、通信接口603和总线610。处理器601、存储器602和通信接口603通过总线610连接并完成相互间的通信。存储器602用于存储程序代码;处理器601通过读取存储器602中存储的可执行程序代码来运行与可执行程序代码对应的程序,以用于执行本发明任一实施例中的视频监控的方法,从而实现结合图3和图5描述的视频监控的方法和服务器。
本发明实施例还提供一种计算机存储介质,该计算机存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现本发明实施例提供的视频监控的方法。
需要明确的是,本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本发明的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本发明的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
以上的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是,本发明中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或***。但是,本发明不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
以上,仅为本发明的具体实施方式,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的***、模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。应理解,本发明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发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。
Claims (12)
1.一种视频监控的方法,其特征在于,所述方法包括:
在报警探测器发出报警信号的同时,通过网关将所述报警信号发送至报警控制器;
所述报警控制器控制摄像头对视频进行截图得到视频图像,所述摄像头将所述视频图像通过所述网关发送至服务器;
所述服务器基于人像的性别、人像的年龄段、人像面部特征和人像的身高,分析所述视频图像中人像,获得所述视频图像中人像的特征;
所述服务器在预先设置的专家库中依据所述人像的特征进行识别,得到识别结果。
2.根据权利要求1所述视频监控的方法,其特征在于,所述在报警探测器发出报警信号的同时,通过网关将所述报警信号发送至报警控制器,包括:
所述报警探测器在固定区域探测到移动物体,则发出所述报警信号,同时通过所述网关将所述报警信号发送至报警控制器。
3.根据权利要求2所述视频监控的方法,其特征在于,所述摄像头实时采集所述固定区域的图像;
所述网关连接所述报警探测器和所述报警控制器,并连接所述摄像头和所述服务器。
4.根据权利要求1所述视频监控的方法,其特征在于,所述服务器基于人像的性别、人像的年龄段、人像面部特征和人像的身高,分析所述视频图像中人像,获得所述视频图像中人像的特征,包括:
所述服务器通过深度学习人脸识别算法分析所述视频图像中人像的性别、人像的年龄段和人像面部特征;
根据预先存储的摄像头的标识与预设距离的对应关系以及所述视频图像中目标摄像头的标识,确定所述目标摄像头对应的预设距离;
在所述视频图像中人像的性别的基础上,结合所述目标摄像头对应的预设距离确定所述视频图像中人像的高度,所述目标摄像头对应的预设距离为所述视频图像中第一参考点与第二参考点之间的实际距离;
结合所述视频图像中人像的性别、所述视频图像中人像的年龄段、所述视频图像中人像面部特征和所述视频图像中人像的高度,获得所述视频图像中人像的特征。
5.根据权利要求4所述视频监控的方法,其特征在于,所述在所述视频图像中人像的性别的基础上,结合所述目标摄像头对应的预设距离确定所述视频图像中人像的高度,包括:
获取所述视频图像中人像的像素高度,以及所述第一参考点和所述第二参考点之间的像素高度;
基于所述人像的像素高度、所述第一参考点和所述第二参考点之间的像素高度和所述目标摄像头对应的预设距离,确定所述视频图像中人像的初始高度;
在所述视频图像中人像的性别的基础上,调整所述视频图像中人像的初始高度,得到所述视频图像中人像的高度。
6.一种视频监控的方法,其特征在于,包括:
基于人像的性别、人像的年龄段、人像面部特征和人像的身高,分析摄像头对视频进行截图得到的视频图像中人像,获得所述视频图像中人像的特征;
在预先设置的专家库中依据所述人像的特征进行识别,得到识别结果。
7.根据权利要求6所述的视频监控的方法,其特征在于,所述基于人像的性别、人像的年龄段、人像面部特征和人像的身高,分析摄像头对视频进行截图得到的视频图像中人像,获得所述视频图像中人像的特征,包括:
所述服务器通过深度学习人脸识别算法分析所述视频图像中人像的性别、人像的年龄段和人像面部特征;
根据预先存储的摄像头的标识与预设距离的对应关系以及所述视频图像中目标摄像头的标识,确定所述目标摄像头对应的预设距离;
结合所述视频图像中人像的性别、所述视频图像中人像的年龄段、所述视频图像中人像面部特征和所述视频图像中人像的高度,获得所述视频图像中人像的特征。
8.根据权利要求7所述的视频监控的方法,其特征在于,所述在所述视频图像中人像的性别的基础上,结合所述目标摄像头对应的预设距离确定所述视频图像中人像的高度,包括:
获取所述视频图像中人像的像素高度,以及所述视频图像中所述第一参考点与所述第二参考点之间的像素高度;
基于所述人像的像素高度和所述视频图像中所述第一参考点与所述第二参考点之间的像素高度以及所述目标摄像头对应的预设距离,确定所述视频图像中人像的初始高度;
在所述视频图像中人像的性别的基础上,调整所述视频图像中人像的初始高度,得到所述视频图像中人像的高度。
9.一种视频监控的***,其特征在于,所述***包括:
报警探测器,用于发出报警信号;
摄像头,用于对视频进行截图得到视频图像;
报警控制器,用于控制所述摄像头对视频进行截图得到视频图像;
服务器,用于基于人像的性别、人像的年龄段、人像面部特征和人像的身高,分析摄像头对视频进行截图得到的视频图像中人像,获得所述视频图像中人像的特征;在预先设置的专家库中依据所述人像的特征进行识别,得到识别结果;
网关,用于将所述报警信号发送至所述报警控制器,并将所述视频图像发送至所述服务器。
10.一种视频监控的服务器,其特征在于,所述服务器包括:
获取模块,用于基于人像的性别、人像的年龄段、人像面部特征和人像的身高,分析摄像头对视频进行截图得到的视频图像中人像,获得所述视频图像中人像的特征;
识别模块,用于在预先设置的专家库中依据所述人像的特征进行识别,得到识别结果。
11.一种视频监控的设备,其特征在于,所述设备包括:处理器以及存储有计算机程序指令的存储器;
所述处理器执行所述计算机程序指令时实现如权利要求6-8任意一项所述的视频监控的方法。
12.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,当所述计算机程序指令被处理器执行时实现如权利要求6-8中任一项所述的视频监控的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711487018.9A CN109993033A (zh) | 2017-12-29 | 2017-12-29 | 视频监控的方法、***、服务器、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711487018.9A CN109993033A (zh) | 2017-12-29 | 2017-12-29 | 视频监控的方法、***、服务器、设备和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109993033A true CN109993033A (zh) | 2019-07-09 |
Family
ID=67111378
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711487018.9A Pending CN109993033A (zh) | 2017-12-29 | 2017-12-29 | 视频监控的方法、***、服务器、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109993033A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110674733A (zh) * | 2019-09-23 | 2020-01-10 | 厦门金龙联合汽车工业有限公司 | 多目标检测识别方法和辅助驾驶方法、*** |
CN112509184A (zh) * | 2020-12-02 | 2021-03-16 | 海南华晟瑞博科技有限公司 | 一种特定人群出入房屋监测方法、***及存储介质 |
CN113115086A (zh) * | 2021-04-16 | 2021-07-13 | 安乐 | 基于视频视线识别对电梯媒体收视信息进行采集的方法 |
CN113766191A (zh) * | 2021-09-09 | 2021-12-07 | 南京奥拓电子科技有限公司 | 一种业务窗口和自助设备的监控方法和装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101534423A (zh) * | 2009-04-21 | 2009-09-16 | 东北大学 | 基于嵌入式平台的网络视频服务器 |
CN101640789A (zh) * | 2008-07-31 | 2010-02-03 | 比亚迪股份有限公司 | 用于远程监控的监控终端、监控方法及远程监控*** |
CN101764998A (zh) * | 2008-12-23 | 2010-06-30 | 北京中星微电子有限公司 | 网络视频监控***中报警联动的方法及网络视频监控*** |
CN102170563A (zh) * | 2011-03-24 | 2011-08-31 | 杭州海康威视软件有限公司 | 智能人员卡口***及人员监控管理方法 |
CN102324024A (zh) * | 2011-09-06 | 2012-01-18 | 苏州科雷芯电子科技有限公司 | 一种基于目标跟踪技术的机场乘客识别定位方法及*** |
CN104243569A (zh) * | 2014-09-09 | 2014-12-24 | 安徽四创电子股份有限公司 | 一种城市操作*** |
CN102572388B (zh) * | 2011-10-31 | 2015-05-20 | 东莞市中控电子技术有限公司 | 一种基于人脸识别的网络视频监控装置与监控识别方法 |
US20170164829A1 (en) * | 2014-03-13 | 2017-06-15 | Nanophthalmos, Llc | Registration Using a Microscope Insert |
-
2017
- 2017-12-29 CN CN201711487018.9A patent/CN109993033A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101640789A (zh) * | 2008-07-31 | 2010-02-03 | 比亚迪股份有限公司 | 用于远程监控的监控终端、监控方法及远程监控*** |
CN101764998A (zh) * | 2008-12-23 | 2010-06-30 | 北京中星微电子有限公司 | 网络视频监控***中报警联动的方法及网络视频监控*** |
CN101534423A (zh) * | 2009-04-21 | 2009-09-16 | 东北大学 | 基于嵌入式平台的网络视频服务器 |
CN102170563A (zh) * | 2011-03-24 | 2011-08-31 | 杭州海康威视软件有限公司 | 智能人员卡口***及人员监控管理方法 |
CN102324024A (zh) * | 2011-09-06 | 2012-01-18 | 苏州科雷芯电子科技有限公司 | 一种基于目标跟踪技术的机场乘客识别定位方法及*** |
CN102572388B (zh) * | 2011-10-31 | 2015-05-20 | 东莞市中控电子技术有限公司 | 一种基于人脸识别的网络视频监控装置与监控识别方法 |
US20170164829A1 (en) * | 2014-03-13 | 2017-06-15 | Nanophthalmos, Llc | Registration Using a Microscope Insert |
CN104243569A (zh) * | 2014-09-09 | 2014-12-24 | 安徽四创电子股份有限公司 | 一种城市操作*** |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110674733A (zh) * | 2019-09-23 | 2020-01-10 | 厦门金龙联合汽车工业有限公司 | 多目标检测识别方法和辅助驾驶方法、*** |
CN112509184A (zh) * | 2020-12-02 | 2021-03-16 | 海南华晟瑞博科技有限公司 | 一种特定人群出入房屋监测方法、***及存储介质 |
CN113115086A (zh) * | 2021-04-16 | 2021-07-13 | 安乐 | 基于视频视线识别对电梯媒体收视信息进行采集的方法 |
CN113115086B (zh) * | 2021-04-16 | 2023-09-19 | 浙江闪链科技有限公司 | 基于视频视线识别对电梯媒体收视信息进行采集的方法 |
CN113766191A (zh) * | 2021-09-09 | 2021-12-07 | 南京奥拓电子科技有限公司 | 一种业务窗口和自助设备的监控方法和装置 |
WO2023035553A1 (zh) * | 2021-09-09 | 2023-03-16 | 南京奥拓电子科技有限公司 | 一种业务窗口和自助设备的监控方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9886640B1 (en) | Method and apparatus to identify a live face image using a thermal radiation sensor and a visual radiation sensor | |
JP7151814B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
US11023757B2 (en) | Method and apparatus with liveness verification | |
CN109993033A (zh) | 视频监控的方法、***、服务器、设备和介质 | |
US9202121B2 (en) | Liveness detection | |
US20190034746A1 (en) | System and method for identifying re-photographed images | |
CN108229376B (zh) | 用于检测眨眼的方法及装置 | |
US9996732B2 (en) | Liveness detector for face verification | |
US11006864B2 (en) | Face detection device, face detection system, and face detection method | |
CN106557726A (zh) | 一种带静默式活体检测的人脸身份认证***及其方法 | |
CN101556717A (zh) | 一种atm智能安保***及监测方法 | |
CN110390229B (zh) | 一种人脸图片筛选方法、装置、电子设备及存储介质 | |
JP6822482B2 (ja) | 視線推定装置、視線推定方法及びプログラム記録媒体 | |
CN109766785A (zh) | 一种人脸的活体检测方法及装置 | |
CN107194361A (zh) | 二维姿势检测方法及装置 | |
US20170186022A1 (en) | Information processing apparatus | |
CN111553266A (zh) | 识别验证方法、装置及电子设备 | |
CN108182746A (zh) | 控制***、方法和装置 | |
CN112668525A (zh) | 一种人流量的计数方法、装置、电子设备及存储介质 | |
CN109889773A (zh) | 评标室人员的监控的方法、装置、设备和介质 | |
CN108875490A (zh) | 人员流量分析的方法、装置及计算机存储介质 | |
CN111079687A (zh) | 证件伪装识别方法、装置、设备及存储介质 | |
CN108664908A (zh) | 人脸识别方法、设备及计算机可读存储介质 | |
CN110415113A (zh) | 金融数据处理方法、装置、服务器及可读存储介质 | |
JP6289308B2 (ja) | 情報処理装置およびプログラム |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190709 |