CN110276272A - 确认标签人员的同行人员关系的方法、装置、存储介质 - Google Patents
确认标签人员的同行人员关系的方法、装置、存储介质 Download PDFInfo
- Publication number
- CN110276272A CN110276272A CN201910463992.4A CN201910463992A CN110276272A CN 110276272 A CN110276272 A CN 110276272A CN 201910463992 A CN201910463992 A CN 201910463992A CN 110276272 A CN110276272 A CN 110276272A
- Authority
- CN
- China
- Prior art keywords
- personnel
- label
- target person
- administrative staff
- identified
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
- G06V10/95—Hardware or software architectures specially adapted for image or video understanding structured as a network, e.g. client-server architectures
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种确认标签人员的同行人员关系的方法,包括S1:获取固定区域内采集到的人脸图像,并通过人脸识别引擎将所述采集到的人脸图像与已登记人员库中的人脸图像进行比对,根据比对结果确定已识别人员并形成已识别人员历史轨迹信息;S2:判断已识别人员是否是标签人员,在已识别人员历史轨迹信息中获取在同一采集装置采集到的与标签人员的轨迹时间前后相差第一时间段出现的目标人员的轨迹信息;S3:根据目标人员的轨迹信息统计标签人员与目标人员在第二时间段内的同行次数,并判断目标人员是否是标签人员的同行人员。从多个维度分步骤去衡量判断标签人员的同行人员关系可以提高同行人员关系确认的准确性,并获取到同行人员的历史人脸轨迹。
Description
技术领域
本发明涉及人脸识别技术领域,具体涉及确认标签人员的同行人员关系的方法、装置、存储介质。
背景技术
目前,在固定区域人员之间的关系确认上存在很多难点,例如在社区人员关系确认上,特别是同行人员关系的确认上一般由保安登记进出记录等方式来确认,存在人力成本高,可靠性低,固定地点人员关系复杂,轨迹数据繁多,偶然性大等问题。现有技术中,美亚柏科有家谱计算算法,通过户籍以及网络数据计算家谱来识别人员关系,但是在同行人员关系的确认上还是存在一定的困难。
随着人脸识别技术的迅速发展,延伸出人员身份信息识别技术,并应用到许多场景中,特别在智能安防领域凸显出显著的效果。由此建立标签人员信息库,标签人员是指通过第三方***、全国在逃人员数据库以及用户自定义维护的带有属性标签的人员,第三方***可以是公安***或法院***等。例如失信被执行人也属于标签人员。标签人员的信息可以通过人脸识别技术识别出来,但是与之相对应的同行人员关系确定具有一定的难度。在一定次数下的同行人员就可以认为其与标签人员存在一定的关系。因此判断同行人员与标签人员的关系可以获取更多的信息,有利于人员监控以及人员轨迹查询。
发明内容
针对上述固定区域标签人员的人员关系复杂,人员轨迹数据繁多,不确定性和偶然性大等问题,本申请实施例的目的在于提出了一种确认标签人员的同行人员关系的方法、装置、存储介质来解决以上的技术问题。
第一方面,本申请实施例提供了一种确认标签人员的同行人员关系的方法,包括以下步骤:
S1:获取固定区域内采集到的人脸图像,并通过人脸识别引擎将所述采集到的人脸图像与已登记人员库中的人脸图像进行比对,根据比对结果确定已识别人员并形成已识别人员历史轨迹信息;
S2:判断已识别人员是否是标签人员,在已识别人员历史轨迹信息中获取在同一采集装置采集到的与标签人员的轨迹时间前后相差第一时间段出现的目标人员的轨迹信息;
S3:根据目标人员的轨迹信息统计标签人员与目标人员在第二时间段内的同行次数,并判断目标人员是否是标签人员的同行人员。
在一些实施例中,已登记人员库包括固定区域内所有的登记人员的信息,标签人员的信息集合为标签人员库。通过在登记人员的信息进行比对获得已识别人员的信息,再进一步在已识别人员信息中比对出标签人员的信息。逐步缩小筛选范围,使得数据量更加准确,而不会出现遗漏。
在一些实施例中,步骤S1具体包括以下步骤:S11:通过多个人脸识别引擎对采集到的人脸图像与已登记人员库中的人脸图像进行分析融合获得比对结果;S12:根据比对结果,若相似度最高的人员相似度大于第一阈值则确定为已识别人员;以及S13:若相似度最高的人员相似度小于第一阈值,则选取相似度大于第二阈值小于第一阈值的人员并判断是否是登记人员,若是,则将该人员确定为已识别人员,若不是,则在相似度结果中判断相似度最高的人员相似度是否大于第二阈值,若是则确定为已识别人员,若不是则结束。
采用多个人脸识别引擎进行分析融合计算,人脸识别的准确率优于单引擎人脸识别结果。并通过判断是否是登记人员来修正相似度大于第二阈值小于第一阈值的人员的人脸识别引擎的准确率,提高识别结果的准确度。
在一些实施例中,步骤S2具体包括以下步骤:
S21:通过标签人员库中的人脸图像与已识别人员的人脸图像进行人脸识别以判断已识别人员是否是标签人员,若是,则统计标签人员的人脸图像在固定区域内被所有采集装置采集到的次数并进行下一步,若不是则结束;S22:判断标签人员的人脸图像在固定区域内被所有采集装置采集到的次数是否大于第三阈值,若是,则在已识别人员历史轨迹信息中获取在同一采集装置采集到的与标签人员的轨迹时间前后相差第一时间段出现的目标人员的轨迹信息,若不是,则结束。
进一步在已识别人员中识别出标签人员,并通过统计该标签人员在固定区域内被所有采集装置采集到的次数来判断该标签人员是否在该固定区域中经常出入,因此筛选出目标人员信息。
在一些实施例中,步骤S3具体包括以下步骤:
S31:判断标签人员与目标人员在第二时间段内的同行次数是否大于第四阈值,若是,则确定目标人员是标签人员的同行人员,若不是,则进行下一步;S32:若标签人员与目标人员在第二时间段内的同行次数大于第五阈值小于第四阈值,判断目标人员的标准地址与标签人员的标准地址是否一致,若是,则确定目标人员是标签人员的同行人员,若不是,则进行下一步;S33:若标签人员与目标人员在第二时间段内的同行次数大于第六阈值小于第四阈值,判断目标人员与标签人员是否属于亲属关系,若是,则确定目标人员是标签人员的同行人员,若不是,则结束。
通过判断标签人员与目标人员的同行次数、标准地址及亲属关系进一步核实目标人员属于标签人员的同行人员的准确性。
第二方面,本申请实施例提供了一种确认标签人员的同行人员关系的装置,包括:
已识别人员确认模块,用于获取固定区域内采集到的人脸图像,并通过人脸识别引擎将采集到的人脸图像与已登记人员库中的人脸图像进行比对,根据比对结果确定已识别人员并形成已识别人员历史轨迹信息;
标签人员确认模块,用于判断已识别人员是否是标签人员,在已识别人员历史轨迹信息中获取在同一采集装置采集到的与标签人员的轨迹时间前后相差第一时间段出现的目标人员的轨迹信息;
同行人员确认模块,用于根据目标人员的轨迹信息统计标签人员与目标人员在第二时间段内的同行次数,并判断目标人员是否是标签人员的同行人员。
在一些实施例中,已登记人员库包括固定区域内所有的登记人员的信息,标签人员的信息集合为标签人员库。
在一些实施例中,已识别人员确认模块包括:
人脸识别模块,用于通过多个人脸识别引擎对采集到的人脸图像与已登记人员库中的人脸图像进行分析融合获得比对结果;
第一已识别人员确认模块,用于根据比对结果,若相似度最高的人员相似度大于第一阈值则确定为已识别人员;以及
第二已识别人员确认模块,用于若相似度最高的人员相似度小于第一阈值,则选取相似度大于第二阈值小于第一阈值的人员并判断是否是登记人员,若是,则将该人员确定为已识别人员,若不是,则在相似度结果中判断相似度最高的人员相似度是否大于第二阈值,若是则确定为已识别人员,若不是则结束。
在一些实施例中,标签人员确认模块包括:
第一标签人员确认模块,用于通过标签人员库中的人脸图像与已识别人员的人脸图像进行人脸识别以判断已识别人员是否是标签人员,若是,则统计标签人员的人脸图像在固定区域内被所有采集装置采集到的次数并进行下一步,若不是则结束;
第二标签人员确认模块,判断标签人员的人脸图像在固定区域内被所有采集装置采集到的次数是否大于第三阈值,若是,则在已识别人员历史轨迹信息中获取在同一采集装置采集到的与标签人员的轨迹时间前后相差第一时间段出现的目标人员的轨迹信息,若不是,则结束。
在一些实施例中,同行人员确认模块包括:
第一同行人员确认模块,用于判断标签人员与目标人员在第二时间段内的同行次数是否大于第四阈值,若是,则确定目标人员是标签人员的同行人员,若不是,则进行下一步;
第二同行人员确认模块,用于若标签人员与目标人员在第二时间段内的同行次数大于第五阈值小于第四阈值,判断目标人员的标准地址与标签人员的标准地址是否一致,若是,则确定目标人员是标签人员的同行人员,若不是,则进行下一步;
第三同行人员确认模块,用于若标签人员与目标人员在第二时间段内的同行次数大于第六阈值小于第四阈值,判断目标人员与标签人员是否属于亲属关系,若是,则确定目标人员是标签人员的同行人员,若不是,则结束。
第三方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本申请实施例提供的一种确认标签人员的同行人员关系的方法、装置、存储介质,通过获取固定区域内采集到的人脸图像,并通过人脸识别引擎将所述采集到的人脸图像与已登记人员库中的人脸图像进行比对,根据比对结果确定已识别人员并形成已识别人员历史轨迹信息;并判断已识别人员是否是标签人员,在已识别人员历史轨迹信息中获取在同一采集装置采集到的与标签人员的轨迹时间前后相差第一时间段出现的目标人员的轨迹信息;最后根据目标人员的轨迹信息统计标签人员与目标人员在第二时间段内的同行次数,并判断目标人员是否是标签人员的同行人员。从多个维度去衡量判断标签人员的同行人员关系,相比于单一确认同行人员的方式,可以明显增加标签人员的同行人员关系确认的准确性,并且获取到标签人员与同行人员的历史人脸轨迹,有利于获取更多的信息。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请的一个实施例可以应用于其中的示例性***架构图;
图2为本发明的实施例的一种确认标签人员的同行人员关系的方法的流程示意图;
图3为本发明的实施例的一种确认标签人员的同行人员关系的方法的步骤S1的流程示意图;
图4为本发明的实施例的一种确认标签人员的同行人员关系的方法的步骤S2的流程示意图;
图5为本发明的实施例的一种确认标签人员的同行人员关系的方法的步骤S3的流程示意图;
图6为本发明的实施例的一种确认标签人员的同行人员关系的装置的示意图;
图7是适于用来实现本申请实施例的电子设备的计算机***的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,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做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
图1示出了可以应用本申请实施例的确认标签人员的同行人员关系的方法或确认标签人员的同行人员关系的装置的示例性***架构100。
如图1所示,***架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种应用,例如数据处理类应用、文件处理类应用等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上传的文件或数据进行处理的后台数据处理服务器。后台数据处理服务器可以对获取的文件或数据进行处理,生成处理结果(例如包含标准标题行和对应的分段包含的数据的标准文件)。
需要说明的是,本申请实施例所提供的确认标签人员的同行人员关系的方法可以由服务器105执行,也可以由终端设备101、102、103执行,相应地,确认标签人员的同行人员关系的装置可以设置于服务器105中,也可以设置于终端设备101、102、103中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。在所处理的数据不需要从远程获取的情况下,上述***架构可以不包括网络,而只需服务器或终端设备。
继续参考图2,其示出了根据本申请的一种确认标签人员的同行人员关系的方法的一个实施例的流程,该方法包括以下步骤:
S1:获取固定区域内采集到的人脸图像,并通过人脸识别引擎将所述采集到的人脸图像与已登记人员库中的人脸图像进行比对,根据比对结果确定已识别人员并形成已识别人员历史轨迹信息。
在本实施例中,已登记人员库包括固定区域内所有的登记人员的信息。在优选的实施例中,已登记人员库包括但不限于通过第三方***的户籍主题库接口同步和第三方***一标三实(标准地址、实有人口、实有房屋、实有单位)人员库接口同步采集的数据以及用户采集人员库。具体地,第三方***可以选择公安***等,用户采集人员库包括社区进出人员登记数据库。将已登记人员库作为人脸识别引擎使用的大底库,通过在登记人员库的信息进行人脸比对获得已识别人员的信息,再进一步在已识别人员信息中比对出标签人员的信息。逐步缩小筛选范围,使得数据量更加准确,而不会出现遗漏。在另一方面,已登记人员库所包含的登记人员信息数据足够多,范围可以涵盖到在固定区域内进出的所有登记人员,因此准确度更高。在优选的实施例中,固定区域可以选择某个社区,对社区里面的标签人员及其同行人员进行管理。
在本实施例中,如图3所示,步骤S1具体包括以下步骤:
S11:通过多个人脸识别引擎对采集到的人脸图像与已登记人员库中的人脸图像进行分析融合获得比对结果;采用多个人脸识别引擎进行分析融合计算,人脸识别的准确率优于单引擎人脸识别结果。对后续通过相似度进行比较的结果的准确度也能有所提高。
S12:根据比对结果,若相似度最高的人员相似度大于第一阈值则确定为已识别人员;以及
S13:若相似度最高的人员相似度小于第一阈值,则选取相似度大于第二阈值小于第一阈值的人员并判断是否是登记人员,若是,则将该人员确定为已识别人员,若不是,则在相似度结果中判断相似度最高的人员相似度是否大于第二阈值,若是则确定为已识别人员,若不是则结束。通过判断是否是登记人员来对相似度大于第二阈值小于第一阈值的人员比对结果进行修正,能够避免人脸识别引擎的准确率不高的情况,提高最终已识别人员的识别结果的准确度。因为人脸引擎相似度大于第二阈值小于第一阈值的范围内有可能出现准确度不高,假设第一阈值未95%,第二阈值为85%,A的相似度为92%,B的相似度为87%,但是实际B为登记人员,A不是登记人员,因此通过判断相似度在第二阈值与第一阈值之间的人员是否是登记人员,可以减小因人脸识别引擎相似度误差导致的结果,在这一步骤之后,再判断相似度最高的人员相似度是否大于第二阈值来作为已识别人员的最后判定结果。经过多阶段分步判断增加已识别人员判断的准确度。
当已识别人员的信息确认后,就可以在固定区域内采集的人脸图像信息中获取该已识别人员在固定区域内的人脸信息以形成已识别人员历史轨迹信息,即该已识别人员在固定区域内的某时某地出现的人脸信息集合。
S2:判断已识别人员是否是标签人员,在已识别人员历史轨迹信息中获取在同一采集装置采集到的与标签人员的轨迹时间前后相差第一时间段出现的目标人员的轨迹信息。
在本实施例中,如图4所示,步骤S2具体包括以下步骤:
S21:通过标签人员库中的人脸图像与已识别人员的人脸图像进行人脸识别以判断已识别人员是否是标签人员,若是,则统计标签人员的人脸图像在固定区域内被所有采集装置采集到的次数并进行下一步,若不是则结束;
S22:判断标签人员的人脸图像在固定区域内被所有采集装置采集到的次数是否大于第三阈值,若是,则在已识别人员历史轨迹信息中获取在同一采集装置采集到的与标签人员的轨迹时间前后相差第一时间段出现的目标人员的轨迹信息,若不是,则结束。
在本实施例中,将标签人员的信息集合为标签人员库,标签人员库包括但不限于通过第三方***的标签人员接口同步、全国在逃人员接口同步和用户自定义维护的标签人员信息。第三方***可以是公安***或法院***等。在此基础上,进一步在已识别人员中识别出标签人员,并通过统计该标签人员在固定区域内被所有采集装置采集到的次数来判断该标签人员是否在该固定区域中经常出入,因此筛选出目标人员信息。因为在同一采集装置下的与标签人员前后时间段出现的目标人员更有可能是标签人员的同行人员,同行次数越多属于标签人员的同行人员的可能性更大。在优选的实施例中,第一时间段可以根据不同的需求进行设置为N秒,具体的,在同一采集装置下的与标签人员前后相差N秒内出现的人员作为与标签人员相关的目标人员,也就是获取的是该目标人员出现在某个地点某个时间的前后N秒内的人员轨迹信息。在优选的实施例中,第一时间段为30秒,则获取的是该目标人员出现在某个地点某个时间的前后30秒内的人员轨迹信息。
S3:根据目标人员的轨迹信息统计标签人员与目标人员在第二时间段内的同行次数,并判断目标人员是否是标签人员的同行人员。
在本实施例中,如图5所示,步骤S3具体包括以下步骤:
S31:判断标签人员与目标人员在第二时间段内的同行次数是否大于第四阈值,若是,则确定目标人员是标签人员的同行人员,若不是,则进行下一步;
S32:若标签人员与目标人员在第二时间段内的同行次数大于第五阈值小于第四阈值,判断目标人员的标准地址与标签人员的标准地址是否一致,若是,则确定目标人员是标签人员的同行人员,若不是,则进行下一步;
S33:若标签人员与目标人员在第二时间段内的同行次数大于第六阈值小于第四阈值,判断目标人员与标签人员是否属于亲属关系,若是,则确定目标人员是标签人员的同行人员,若不是,则结束。
通过判断标签人员与目标人员的同行次数、标准地址及亲属关系进一步核实目标人员属于标签人员的同行人员的准确性。在优选的实施例中,第四阈值依据不同时段不同场所等进行设置,第四阈值优选设置为3。第二时间段也是根据不同的应用场景等进行设置,优选为最近一个月。
进一步参考图6,作为对上述各图所示方法的实现,本申请提供了一种确认标签人员的同行人员关系的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图6所示,本实施例的确认标签人员的同行人员关系的装置,包括:
已识别人员确认模块1,用于获取固定区域内采集到的人脸图像,并通过人脸识别引擎将采集到的人脸图像与已登记人员库中的人脸图像进行比对,根据比对结果确定已识别人员并形成已识别人员历史轨迹信息;
标签人员确认模块2,用于判断已识别人员是否是标签人员,在已识别人员历史轨迹信息中获取在同一采集装置采集到的与标签人员的轨迹时间前后相差第一时间段出现的目标人员的轨迹信息;
同行人员确认模块3,用于根据目标人员的轨迹信息统计标签人员与目标人员在第二时间段内的同行次数,并判断目标人员是否是标签人员的同行人员。
在本实施例中,已识别人员确认模块1包括:人脸识别模块11,用于通过多个人脸识别引擎对采集到的人脸图像与已登记人员库中的人脸图像进行分析融合获得比对结果;第一已识别人员确认模块12,用于根据比对结果,若相似度最高的人员相似度大于第一阈值则确定为已识别人员;以及第二已识别人员确认模块13,用于若相似度最高的人员相似度小于第一阈值,则选取相似度大于第二阈值小于第一阈值的人员并判断是否是登记人员,若是,则将该人员确定为已识别人员,若不是,则在相似度结果中判断相似度最高的人员相似度是否大于第二阈值,若是则确定为已识别人员,若不是则结束。
在本实施例中,已登记人员库包括固定区域内所有的登记人员的信息。在优选的实施例中,已登记人员库包括但不限于通过第三方***的户籍主题库接口同步和第三方***一标三实(标准地址、实有人口、实有房屋、实有单位)人员库接口同步采集的数据以及用户采集人员库。具体地,第三方***可以选择公安***等,用户采集人员库包括社区进出人员登记数据库。将已登记人员库作为人脸识别引擎使用的大底库,通过在登记人员库的信息进行人脸比对获得已识别人员的信息,再进一步在已识别人员信息中比对出标签人员的信息。逐步缩小筛选范围,使得数据量更加准确,而不会出现遗漏。在另一方面,已登记人员库所包含的登记人员信息数据足够多,范围可以涵盖到在固定区域内进出的所有登记人员,因此准确度更高。在固定区域内获取标签人员的同行人员的信息,能为固定区域日常管理和案件办理提供一定的数据参考和研判,有助于其更好地进行固定区域的人员管理。
在本实施例中,标签人员确认模块2包括:第一标签人员确认模块21,用于通过标签人员库中的人脸图像与已识别人员的人脸图像进行人脸识别以判断已识别人员是否是标签人员,若是,则统计标签人员的人脸图像在固定区域内被所有采集装置采集到的次数并进行下一步,若不是则结束;第二标签人员确认模块22,判断标签人员的人脸图像在固定区域内被所有采集装置采集到的次数是否大于第三阈值,若是,则在已识别人员历史轨迹信息中获取在同一采集装置采集到的与标签人员的轨迹时间前后相差第一时间段出现的目标人员的轨迹信息,若不是,则结束。
在本实施例中,同行人员确认模块3包括:第一同行人员确认模块31,用于判断标签人员与目标人员在第二时间段内的同行次数是否大于第四阈值,若是,则确定目标人员是标签人员的同行人员,若不是,则进行下一步;第二同行人员确认模块32,用于若标签人员与目标人员在第二时间段内的同行次数大于第五阈值小于第四阈值,判断目标人员的标准地址与标签人员的标准地址是否一致,若是,则确定目标人员是标签人员的同行人员,若不是,则进行下一步;第三同行人员确认模块33,用于若标签人员与目标人员在第二时间段内的同行次数大于第六阈值小于第四阈值,判断目标人员与标签人员是否属于亲属关系,若是,则确定目标人员是标签人员的同行人员,若不是,则结束。
通过分步分阶段判断同行人员可以有效提高同行人员判断的准确度。
本申请实施例提供的一种确认标签人员的同行人员关系的方法及装置,通过获取固定区域内采集到的人脸图像,并通过人脸识别引擎将所述采集到的人脸图像与已登记人员库中的人脸图像进行比对,根据比对结果确定已识别人员并形成已识别人员历史轨迹信息;并判断已识别人员是否是标签人员,在已识别人员历史轨迹信息中获取在同一采集装置采集到的与标签人员的轨迹时间前后相差第一时间段出现的目标人员的轨迹信息;最后根据目标人员的轨迹信息统计标签人员与目标人员在第二时间段内的同行次数,并判断目标人员是否是标签人员的同行人员。从多个维度分步骤去衡量判断标签人员的同行人员关系,相比于单一确认同行人员的方式,可以明显增加标签人员的同行人员关系确认的准确性,并且获取到标签人员与同行人员的历史人脸轨迹,有利于获取更多的信息。
下面参考图7,其示出了适于用来实现本申请实施例的电子设备(例如图1所示的服务器或终端设备)的计算机***700的结构示意图。图7示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图7所示,计算机***700包括中央处理单元(CPU)701,其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中,还存储有***700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
以下部件连接至I/O接口705:包括键盘、鼠标等的输入部分706;包括诸如、液晶显示器(LCD)等以及扬声器等的输出部分707;包括硬盘等的存储部分708;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也可以根据需要连接至I/O接口705。可拆卸介质711,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器710上,以便于从其上读出的计算机程序根据需要被安装入存储部分708。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分709从网络上被下载和安装,和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(CPU)701执行时,执行本申请的方法中限定的上述功能。
需要说明的是,本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读介质或者是上述两者的任意组合。计算机可读介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本申请各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括已识别人员确认模块1、标签人员确认模块2和同行人员确认模块3。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定,例如,已识别人员确认模块1还可以被描述为“获取多个固定区域内采集到的人脸图像,并通过多个人脸识别引擎将采集到的人脸图像与已登记人员库中的人脸图像进行比对,根据比对结果确定已识别人员并形成已识别人员历史轨迹信息”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取固定区域内采集到的人脸图像,并通过人脸识别引擎将所述采集到的人脸图像与已登记人员库中的人脸图像进行比对,根据比对结果确定已识别人员并形成已识别人员历史轨迹信息;判断已识别人员是否是标签人员,在已识别人员历史轨迹信息中获取在同一采集装置采集到的与标签人员的轨迹时间前后相差第一时间段出现的目标人员的轨迹信息;根据目标人员的轨迹信息统计标签人员与目标人员在第二时间段内的同行次数,并判断目标人员是否是标签人员的同行人员。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (11)
1.一种确认标签人员的同行人员关系的方法,其特征在于,包括以下步骤:
S1:获取固定区域内采集到的人脸图像,并通过人脸识别引擎将所述采集到的人脸图像与已登记人员库中的人脸图像进行比对,根据比对结果确定已识别人员并形成已识别人员历史轨迹信息;
S2:判断所述已识别人员是否是标签人员,在所述已识别人员历史轨迹信息中获取在同一采集装置采集到的与所述标签人员的轨迹时间前后相差第一时间段出现的目标人员的轨迹信息;
S3:根据所述目标人员的轨迹信息统计所述标签人员与所述目标人员在第二时间段内的同行次数,并判断所述目标人员是否是所述标签人员的同行人员。
2.根据权利要求1所述的确认标签人员的同行人员关系的方法,其特征在于,所述已登记人员库包括固定区域内所有的登记人员的信息,所述标签人员的信息集合为标签人员库。
3.根据权利要求1所述的确认标签人员的同行人员关系的方法,其特征在于,所述步骤S1具体包括以下步骤:
S11:通过多个人脸识别引擎对所述采集到的人脸图像与已登记人员库中的人脸图像进行分析融合获得所述比对结果;
S12:根据所述比对结果,若相似度最高的人员相似度大于第一阈值则确定为已识别人员;以及
S13:若相似度最高的人员相似度小于第一阈值,则选取相似度大于第二阈值小于第一阈值的人员并判断是否是登记人员,若是,则将该人员确定为已识别人员,若不是,则在相似度结果中判断相似度最高的人员相似度是否大于第二阈值,若是则确定为已识别人员,若不是则结束。
4.根据权利要求2所述的确认标签人员的同行人员关系的方法,其特征在于,所述步骤S2具体包括以下步骤:
S21:通过所述标签人员库中的人脸图像与所述已识别人员的人脸图像进行人脸识别以判断所述已识别人员是否是标签人员,若是,则统计所述标签人员的人脸图像在固定区域内被所有采集装置采集到的次数并进行下一步,若不是则结束;
S22:判断所述标签人员的人脸图像在固定区域内被所有采集装置采集到的次数是否大于第三阈值,若是,则在所述已识别人员历史轨迹信息中获取在同一采集装置采集到的与所述标签人员的轨迹时间前后相差第一时间段出现的目标人员的轨迹信息,若不是,则结束。
5.根据权利要求2所述的确认标签人员的同行人员关系的方法,其特征在于,所述步骤S3具体包括以下步骤:
S31:判断所述标签人员与所述目标人员在第二时间段内的同行次数是否大于第四阈值,若是,则确定所述目标人员是所述标签人员的同行人员,若不是,则进行下一步;
S32:若所述标签人员与所述目标人员在第二时间段内的同行次数大于第五阈值小于第四阈值,判断所述目标人员的标准地址与所述标签人员的标准地址是否一致,若是,则确定所述目标人员是所述标签人员的同行人员,若不是,则进行下一步;
S33:若所述标签人员与所述目标人员在第二时间段内的同行次数大于第六阈值小于第四阈值,判断所述目标人员与所述标签人员是否属于亲属关系,若是,则确定所述目标人员是所述标签人员的同行人员,若不是,则结束。
6.一种确认标签人员的同行人员关系的装置,其特征在于,包括:
已识别人员确认模块,用于获取固定区域内采集到的人脸图像,并通过人脸识别引擎将所述采集到的人脸图像与已登记人员库中的人脸图像进行比对,根据比对结果确定已识别人员并形成已识别人员历史轨迹信息;
标签人员确认模块,用于判断所述已识别人员是否是标签人员,在所述已识别人员历史轨迹信息中获取在同一采集装置采集到的与所述标签人员的轨迹时间前后相差第一时间段出现的目标人员的轨迹信息;
同行人员确认模块,用于根据所述目标人员的轨迹信息统计所述标签人员与所述目标人员在第二时间段内的同行次数,并判断所述目标人员是否是所述标签人员的同行人员。
7.根据权利要求6所述的确认标签人员的同行人员关系的方法,其特征在于,所述已登记人员库包括固定区域内所有的登记人员的信息,所述标签人员的信息集合为标签人员库。
8.根据权利要求6所述的确认标签人员的同行人员关系的方法,其特征在于,所述已识别人员确认模块包括:
人脸识别模块,用于通过多个人脸识别引擎对所述采集到的人脸图像与已登记人员库中的人脸图像进行分析融合获得所述比对结果;
第一已识别人员确认模块,用于根据所述比对结果,若相似度最高的人员相似度大于第一阈值则确定为已识别人员;以及
第二已识别人员确认模块,用于若相似度最高的人员相似度小于第一阈值,则选取相似度大于第二阈值小于第一阈值的人员并判断是否是登记人员,若是,则将该人员确定为已识别人员,若不是,则在相似度结果中判断相似度最高的人员相似度是否大于第二阈值,若是则确定为已识别人员,若不是则结束。
9.根据权利要求7所述的确认标签人员的同行人员关系的方法,其特征在于,所述标签人员确认模块包括:
第一标签人员确认模块,用于通过所述标签人员库中的人脸图像与所述已识别人员的人脸图像进行人脸识别以判断所述已识别人员是否是标签人员,若是,则统计所述标签人员的人脸图像在固定区域内被所有采集装置采集到的次数并进行下一步,若不是则结束;
第二标签人员确认模块,判断所述标签人员的人脸图像在固定区域内被所有采集装置采集到的次数是否大于第三阈值,若是,则在所述已识别人员历史轨迹信息中获取在同一采集装置采集到的与所述标签人员的轨迹时间前后相差第一时间段出现的目标人员的轨迹信息,若不是,则结束。
10.根据权利要求7所述的确认标签人员的同行人员关系的方法,其特征在于,所述同行人员确认模块包括:
第一同行人员确认模块,用于判断所述标签人员与所述目标人员在第二时间段内的同行次数是否大于第四阈值,若是,则确定所述目标人员是所述标签人员的同行人员,若不是,则进行下一步;
第二同行人员确认模块,用于若所述标签人员与所述目标人员在第二时间段内的同行次数大于第五阈值小于第四阈值,判断所述目标人员的标准地址与所述标签人员的标准地址是否一致,若是,则确定所述目标人员是所述标签人员的同行人员,若不是,则进行下一步;
第三同行人员确认模块,用于若所述标签人员与所述目标人员在第二时间段内的同行次数大于第六阈值小于第四阈值,判断所述目标人员与所述标签人员是否属于亲属关系,若是,则确定所述目标人员是所述标签人员的同行人员,若不是,则结束。
11.一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1-5中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910463992.4A CN110276272A (zh) | 2019-05-30 | 2019-05-30 | 确认标签人员的同行人员关系的方法、装置、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910463992.4A CN110276272A (zh) | 2019-05-30 | 2019-05-30 | 确认标签人员的同行人员关系的方法、装置、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110276272A true CN110276272A (zh) | 2019-09-24 |
Family
ID=67960475
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910463992.4A Pending CN110276272A (zh) | 2019-05-30 | 2019-05-30 | 确认标签人员的同行人员关系的方法、装置、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110276272A (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110765435A (zh) * | 2019-10-23 | 2020-02-07 | 北京旷视科技有限公司 | 确定人员身份属性的方法、装置和电子设备 |
CN111061894A (zh) * | 2019-11-07 | 2020-04-24 | 深圳云天励飞技术有限公司 | 同行数据的处理方法、装置、电子设备及存储介质 |
CN111104915A (zh) * | 2019-12-23 | 2020-05-05 | 云粒智慧科技有限公司 | 一种同行分析方法、装置、设备和介质 |
CN111126167A (zh) * | 2019-12-02 | 2020-05-08 | 武汉虹信技术服务有限责任公司 | 一种快速识别多名特定人员串联活动的方法及*** |
CN111274287A (zh) * | 2020-01-16 | 2020-06-12 | 北京旷视科技有限公司 | 人员集合同行信息的挖掘方法、装置及电子设备 |
CN111435435A (zh) * | 2019-12-10 | 2020-07-21 | 杭州海康威视数字技术股份有限公司 | 一种同行人识别方法、装置、服务器及*** |
CN111563479A (zh) * | 2020-05-26 | 2020-08-21 | 深圳市商汤科技有限公司 | 同行人去重方法、团伙分析方法、装置及电子设备 |
CN111625654A (zh) * | 2020-04-14 | 2020-09-04 | 北京旷视科技有限公司 | 关系图谱的生成方法、传播路径的确认方法及装置 |
CN112052346A (zh) * | 2020-09-11 | 2020-12-08 | 讯飞智元信息科技有限公司 | 实有人员库的更新方法、装置、电子设备及存储介质 |
CN112232113A (zh) * | 2020-09-04 | 2021-01-15 | 北京旷视科技有限公司 | 人员识别方法、人员识别装置、存储介质与电子设备 |
CN112559583A (zh) * | 2020-11-30 | 2021-03-26 | 杭州海康威视数字技术股份有限公司 | 一种同行人识别方法及装置 |
CN112613467A (zh) * | 2020-12-30 | 2021-04-06 | 深圳市艾特智能科技有限公司 | 小区人员安全管理方法、装置、可读存储介质及电子设备 |
CN112818173A (zh) * | 2021-01-21 | 2021-05-18 | 浙江大华技术股份有限公司 | 关联对象的识别方法、装置及计算机可读存储介质 |
CN112965978A (zh) * | 2021-03-10 | 2021-06-15 | 中国民航信息网络股份有限公司 | 旅客同行人关系的确认方法、装置、电子设备及存储介质 |
CN113747118A (zh) * | 2021-07-30 | 2021-12-03 | 北京澎思科技有限公司 | 社区异常事件报警方法、装置、电子设备及介质 |
CN113780115A (zh) * | 2021-08-25 | 2021-12-10 | 杭州海康威视***技术有限公司 | 一种异常人员组分析方法、装置、电子设备及存储介质 |
WO2022099884A1 (zh) * | 2020-11-16 | 2022-05-19 | 罗普特科技集团股份有限公司 | 一种基于人脸识别的人员与案件关联分析方法和装置 |
CN114612970A (zh) * | 2022-03-03 | 2022-06-10 | 支付宝(杭州)信息技术有限公司 | 一种基于位置序列的人脸图像的识别方法、装置以及设备 |
CN114676406A (zh) * | 2022-03-17 | 2022-06-28 | 汕头市巨力科技有限公司 | 一种同行关系人研判方法及*** |
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 (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130216107A1 (en) * | 2012-02-20 | 2013-08-22 | Chih-Hsung Huang | Method of surveillance by face recognition |
CN109361895A (zh) * | 2017-12-11 | 2019-02-19 | 罗普特(厦门)科技集团有限公司 | 嫌疑人关系人员的搜索方法及*** |
CN109376639A (zh) * | 2018-10-16 | 2019-02-22 | 上海弘目智能科技有限公司 | 基于人像识别的伴随人员预警***及方法 |
-
2019
- 2019-05-30 CN CN201910463992.4A patent/CN110276272A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130216107A1 (en) * | 2012-02-20 | 2013-08-22 | Chih-Hsung Huang | Method of surveillance by face recognition |
CN109361895A (zh) * | 2017-12-11 | 2019-02-19 | 罗普特(厦门)科技集团有限公司 | 嫌疑人关系人员的搜索方法及*** |
CN109376639A (zh) * | 2018-10-16 | 2019-02-22 | 上海弘目智能科技有限公司 | 基于人像识别的伴随人员预警***及方法 |
Non-Patent Citations (1)
Title |
---|
许锋等: ""一、人员关系分析应用"", 《视频现场勘查及应用》 * |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110765435A (zh) * | 2019-10-23 | 2020-02-07 | 北京旷视科技有限公司 | 确定人员身份属性的方法、装置和电子设备 |
CN110765435B (zh) * | 2019-10-23 | 2022-05-17 | 北京旷视科技有限公司 | 确定人员身份属性的方法、装置和电子设备 |
CN111061894A (zh) * | 2019-11-07 | 2020-04-24 | 深圳云天励飞技术有限公司 | 同行数据的处理方法、装置、电子设备及存储介质 |
CN111126167A (zh) * | 2019-12-02 | 2020-05-08 | 武汉虹信技术服务有限责任公司 | 一种快速识别多名特定人员串联活动的方法及*** |
CN111126167B (zh) * | 2019-12-02 | 2023-08-04 | 武汉虹信技术服务有限责任公司 | 一种快速识别多名特定人员串联活动的方法及*** |
CN111435435B (zh) * | 2019-12-10 | 2024-06-07 | 杭州海康威视数字技术股份有限公司 | 一种同伴识别方法、装置、服务器及*** |
CN111435435A (zh) * | 2019-12-10 | 2020-07-21 | 杭州海康威视数字技术股份有限公司 | 一种同行人识别方法、装置、服务器及*** |
CN111104915B (zh) * | 2019-12-23 | 2023-05-16 | 云粒智慧科技有限公司 | 一种同行分析方法、装置、设备和介质 |
CN111104915A (zh) * | 2019-12-23 | 2020-05-05 | 云粒智慧科技有限公司 | 一种同行分析方法、装置、设备和介质 |
CN111274287A (zh) * | 2020-01-16 | 2020-06-12 | 北京旷视科技有限公司 | 人员集合同行信息的挖掘方法、装置及电子设备 |
CN111625654A (zh) * | 2020-04-14 | 2020-09-04 | 北京旷视科技有限公司 | 关系图谱的生成方法、传播路径的确认方法及装置 |
CN111563479A (zh) * | 2020-05-26 | 2020-08-21 | 深圳市商汤科技有限公司 | 同行人去重方法、团伙分析方法、装置及电子设备 |
CN111563479B (zh) * | 2020-05-26 | 2023-11-03 | 深圳市商汤科技有限公司 | 同行人去重方法、团伙分析方法、装置及电子设备 |
CN112232113A (zh) * | 2020-09-04 | 2021-01-15 | 北京旷视科技有限公司 | 人员识别方法、人员识别装置、存储介质与电子设备 |
CN112232113B (zh) * | 2020-09-04 | 2022-08-05 | 北京旷视科技有限公司 | 人员识别方法、人员识别装置、存储介质与电子设备 |
CN112052346A (zh) * | 2020-09-11 | 2020-12-08 | 讯飞智元信息科技有限公司 | 实有人员库的更新方法、装置、电子设备及存储介质 |
WO2022099884A1 (zh) * | 2020-11-16 | 2022-05-19 | 罗普特科技集团股份有限公司 | 一种基于人脸识别的人员与案件关联分析方法和装置 |
CN112559583A (zh) * | 2020-11-30 | 2021-03-26 | 杭州海康威视数字技术股份有限公司 | 一种同行人识别方法及装置 |
CN112559583B (zh) * | 2020-11-30 | 2023-09-01 | 杭州海康威视数字技术股份有限公司 | 一种同行人识别方法及装置 |
CN112613467A (zh) * | 2020-12-30 | 2021-04-06 | 深圳市艾特智能科技有限公司 | 小区人员安全管理方法、装置、可读存储介质及电子设备 |
CN112818173A (zh) * | 2021-01-21 | 2021-05-18 | 浙江大华技术股份有限公司 | 关联对象的识别方法、装置及计算机可读存储介质 |
CN112965978B (zh) * | 2021-03-10 | 2024-02-09 | 中国民航信息网络股份有限公司 | 旅客同行人关系的确认方法、装置、电子设备及存储介质 |
CN112965978A (zh) * | 2021-03-10 | 2021-06-15 | 中国民航信息网络股份有限公司 | 旅客同行人关系的确认方法、装置、电子设备及存储介质 |
CN113747118A (zh) * | 2021-07-30 | 2021-12-03 | 北京澎思科技有限公司 | 社区异常事件报警方法、装置、电子设备及介质 |
CN113780115B (zh) * | 2021-08-25 | 2024-02-13 | 杭州海康威视***技术有限公司 | 一种异常人员组分析方法、装置、电子设备及存储介质 |
CN113780115A (zh) * | 2021-08-25 | 2021-12-10 | 杭州海康威视***技术有限公司 | 一种异常人员组分析方法、装置、电子设备及存储介质 |
CN114612970A (zh) * | 2022-03-03 | 2022-06-10 | 支付宝(杭州)信息技术有限公司 | 一种基于位置序列的人脸图像的识别方法、装置以及设备 |
CN114676406A (zh) * | 2022-03-17 | 2022-06-28 | 汕头市巨力科技有限公司 | 一种同行关系人研判方法及*** |
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110276272A (zh) | 确认标签人员的同行人员关系的方法、装置、存储介质 | |
CN108154196B (zh) | 用于输出图像的方法和装置 | |
CN108427939B (zh) | 模型生成方法和装置 | |
CN109308266A (zh) | 测试用例的构建方法、测试方法、装置、设备和介质 | |
CN109002842A (zh) | 图像识别方法和装置 | |
CN109495783A (zh) | 视频审核方法、装置、电子设备及介质 | |
CN109446990A (zh) | 用于生成信息的方法和装置 | |
CN110009475A (zh) | 风险稽核监察方法、装置、计算机设备及存储介质 | |
CN109447156A (zh) | 用于生成模型的方法和装置 | |
CN108831505A (zh) | 用于识别应用的使用场景的方法和装置 | |
CN108090351A (zh) | 用于处理请求消息的方法和装置 | |
CN111159387A (zh) | 基于多维度报警信息文本相似度分析的推荐方法 | |
CN110138745A (zh) | 基于数据流序列的异常主机检测方法、装置、设备及介质 | |
CN110060441A (zh) | 用于终端防盗的方法和装置 | |
CN112001322A (zh) | 一种用于确定标签人员聚集的方法、装置及存储介质 | |
CN109446384A (zh) | 用于生成人员组织架构信息的方法和*** | |
CN109547436A (zh) | 关系链中节点评价方法及装置、存储介质和电子设备 | |
CN110019948A (zh) | 用于输出信息的方法和装置 | |
CN114757364A (zh) | 基于图神经网络的联邦学习方法、装置及联邦学习*** | |
CN107819745A (zh) | 异常流量的防御方法和装置 | |
CN109064464A (zh) | 用于检测电池极片毛刺的方法和装置 | |
CN109088793A (zh) | 用于检测网络故障的方法和装置 | |
CN108765579A (zh) | 一种基于vr技术展示展览连接方法及装置 | |
CN109885564A (zh) | 用于发送信息的方法和装置 | |
CN109241344A (zh) | 用于处理信息的方法和装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190924 |
|
RJ01 | Rejection of invention patent application after publication |