CN110569715A - 一种基于卷积神经网络的人脸识别*** - Google Patents
一种基于卷积神经网络的人脸识别*** Download PDFInfo
- Publication number
- CN110569715A CN110569715A CN201910665197.3A CN201910665197A CN110569715A CN 110569715 A CN110569715 A CN 110569715A CN 201910665197 A CN201910665197 A CN 201910665197A CN 110569715 A CN110569715 A CN 110569715A
- Authority
- CN
- China
- Prior art keywords
- information
- face
- face recognition
- platform
- data
- 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
- 238000013527 convolutional neural network Methods 0.000 title claims abstract description 14
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 54
- 230000005540 biological transmission Effects 0.000 claims abstract description 10
- 238000012986 modification Methods 0.000 claims description 9
- 230000004048 modification Effects 0.000 claims description 9
- 238000012217 deletion Methods 0.000 claims description 5
- 230000037430 deletion Effects 0.000 claims description 5
- 238000013473 artificial intelligence Methods 0.000 description 41
- 238000007726 management method Methods 0.000 description 25
- 238000004364 calculation method Methods 0.000 description 7
- 238000000034 method Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 210000000887 face Anatomy 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 210000004709 eyebrow Anatomy 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于卷积神经网络的人脸识别***，其特征在于，包括AI边缘算法服务器、IOT物联网平台和人脸识别管理平台相互间进行数据传输；所述AI边缘算法服务器还与人脸识别摄像头连接，向人脸识别摄像头发送控制指令，并接收人脸识别摄像头反馈的数据；所述AI边缘算法服务器用于，开启人脸识别摄像头进行视频捕捉，并对视频数据中出现的人员进行人脸对比，将对比结果信息保存的同时向IOT物联网平台发送识别信息，通过IOT物联网平台向人脸识别管理平台发送视频数据，并从IOT物联网平台内接收人脸识别管理平台对人脸信息的更新数据；所述IOT物联网平台用于，接收人脸识别管理平台发送的数据。
Description
技术领域
本发明涉及一种人脸识别***，具体涉及一种基于卷积神经网络的人脸识别***。
背景技术
人脸识别主要用于身份识别，特别是近年来随着计算机技术、图像处理技术、模式识别技术等快速进步，而出现的一种崭新的生物特征识别技术。由于可广泛应用于安全验证、视频监控、出入口控制等诸多领域，识别速度快、识别率高，因此已经成为身份识别技术研究领域主要的发展方向
目前主流的人脸识别在需要配合的基础上获取人脸图像，应用分类算法进行人脸识别。主要有以下几类方法：基于几何特征的方法：检测脸部器官如眼睛、眉毛、鼻子、嘴巴和下巴等，利用各个器官的位置、大小及相互之间的空间分布关系来识别人脸；基于子空间的方法：将人脸图像经过投影变换投射至子空间中，由于投影变换具有非正交、非线性的特性，因此子空间中的人脸表示更具分辨力；基于局部特征的方法：利用各类局部算子计算出相应的人脸图像，通过统计其直方图，利用直方图信息进行识别。
发明内容
本发明所要解决的技术问题是目前的后台管理***对应关系固定，人脸识别管理难度大，与用户交互比较困难，本申请文件目的在于提供一种基于卷积神经网络的人脸识别***，解决上述的问题。
本发明通过下述技术方案实现：
一种基于卷积神经网络的人脸识别***，其特征在于，包括AI边缘算法服务器、IOT物联网平台和人脸识别管理平台相互间进行数据传输；所述AI边缘算法服务器还与人脸识别摄像头连接，向人脸识别摄像头发送控制指令，并接收人脸识别摄像头反馈的数据；所述AI边缘算法服务器用于，开启人脸识别摄像头进行视频捕捉，并对视频数据中出现的人员进行人脸对比，将对比结果信息保存的同时向IOT物联网平台发送识别信息，通过IOT物联网平台向人脸识别管理平台发送数据，并从IOT物联网平台内接收人脸识别管理平台对人脸信息的更新数据；所述IOT物联网平台用于，接收人脸识别管理平台发送的数据，并将数据转发至AI边缘算法服务器内，接收AI边缘算法服务器识别结果，并将数据转发至人脸识别管理平台；所述人脸识别管理平台用于，接收IOT物联网平台发送的AI边缘服务器采集的视频数据和识别信息，对信息进行管理和展示，向IOT物联网平台发送人脸数据修改信息。
目前，在进行人脸识别时，需要一个专门的识别摄像头进行人脸识别，最常见的是人脸识别一体机，通过本地摄像头捕捉视频画面，经由算法模型计算得出人脸识别结果并直接展示出来。这种情况下，后台管理***一版只能是一一对应关系，管理死板，相较于传统的人脸识别***，相比现在火热的网联网理念，本申请文件通过把人脸识别模型存放在AI边缘算法服务器上，利用IOT物联网平台与人脸识别管理平台连接，对算法服务器进行管理。
本申请文件采用AI边缘算法服务器、IOT物联网平台、人脸识别管理平台相互之间进行数据传输的方式，将人脸识别摄像头采集的视频数据通过AI边缘算法服务器分析，可以提高进行采集分析的实时性，AI边缘算法服务器采用边缘计算进行数据分析，虽然在自动化领域，边缘计算以100ms的周期进行控制分析并非实时，但是在一般生活领域中，这个延迟难以被人感知，控制分析的速率很快，反应时间也迅速，边缘计算的分散方法也降低了带宽。数据处理从收集点开始，只有需要存储的数据才会发送到云端。这使边缘计算更加高效和可扩展，并减少网络负载。
进一步地，所述AI边缘算法服务器将人脸识别摄像头采集的视频数据进行人脸识别后，将识别结果通过MQTT协议反馈至IOT物联网平台内。MQTT协议是一个即时通讯协议，MQTT协议是为大量计算能力有限，且工作在低带宽、不可靠的网络的远程传感器和控制设备通讯而设计的协议，本申请文件选用的是MQTT支持的最多一次消息发布，消息发布完全依赖底层TCP/IP网络。分发的消息可能丢失或重复。例如，这个等级可用于环境传感器数据，单次的数据丢失没关系，因为不久后还会有第二次发送。
进一步地，所述AI边缘算法服务器与IOT物联网平台使用TCP/IP提供网络连接。因为选用的是最多一次的消息发布模式，因此会非常依赖底层TCP/IP网络进行数据支持，通过底层的数据传输，让AI边缘算法服务器的数据能够发送至IOT物联网平台内。
进一步地，所述人脸识别管理平台内设置有人脸信息库，通过人脸信息库存储人脸信息，并将存储的人脸信息发送至IOT物联网平台内。
进一步地，所述人脸信息库内设置有信息输入模块、信息删除模块、信息编码模块和信息修改模块；所述信息输入模块用于录入人脸信息数据，信息删除模块用于将人脸信息库内存储的人脸信息进行删减，所述信息编码模块用于与IOT物联网平台通讯，将人脸数据发送至IOT物联网平台，所述信息修改模块用于对人脸信息进行修改覆盖；通过信息输入模块、信息删除模块、信息编码模块和信息修改模块进行人员增删改管理，并向IOT物联网平台发出人脸库修改消息，IOT物联网平台将消息转发给AI边缘算法服务器，AI边缘算法服务器接收消息，并同步更新人脸库信息。
进一步地，所述AI边缘算法服务器内通过设备初始化模块，通过设备初始化模块对AI边缘算法服务器进行格式化，将内部存储的数据进行清除。AI边缘算法服务器内的初始化模块用于对整个服务器数据进行清理，将所有数据清除，让AI边缘算法服务器重新接收人脸识别管理平台的人脸数据。
本发明与现有技术相比，具有如下的优点和有益效果：
1、本发明一种基于卷积神经网络的人脸识别***，本***可以接入不同设备类型，可以根据人脸识别结果信息实现自动开门、人脸考勤、智能家具等用户需求；
2、本发明一种基于卷积神经网络的人脸识别***，通过不断的录入、修改人脸识别管理平台内的人脸数据，可以最快速度更新人脸信息库，让AI边缘算法服务器内的人脸数据可以实时进行更新；
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1为本发明***流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例
如图1所示，本发明一种基于卷积神经网络的人脸识别***，其特征在于，包括AI边缘算法服务器、IOT物联网平台和人脸识别管理平台相互间进行数据传输；所述AI边缘算法服务器还与人脸识别摄像头连接，向人脸识别摄像头发送控制指令，并接收人脸识别摄像头反馈的数据；所述AI边缘算法服务器用于，开启人脸识别摄像头进行视频捕捉，并对视频数据中出现的人员进行人脸对比，将对比结果信息保存的同时向IOT物联网平台发送识别信息，通过IOT物联网平台向人脸识别管理平台发送数据，并从IOT物联网平台内接收人脸识别管理平台对人脸信息的更新数据；所述IOT物联网平台用于，接收人脸识别管理平台发送的数据，并将数据转发至AI边缘算法服务器内，接收AI边缘算法服务器采集的数据，并将视频数据转发至人脸识别管理平台；所述人脸识别管理平台用于，接收IOT物联网平台发送的AI边缘服务器采集的视频数据和识别信息，对信息进行管理和展示，向IOT物联网平台发送人脸数据修改信息。
在实际使用时，首先用户需要将需要识别的人脸数据通过人脸识别管理平台内的人脸信息库录入，在需要进行修改、删除时，通过人脸信息库进行人脸数据的修改和删除，在录入人脸数据后，通过人脸信息库将人脸数据通过MQTT协议发送至IOT物联网平台，通过IOT物联网平台与各个服务器之间的便于信息交互推送的特点，让IOT物联网平台将数据发送至AI边缘算法服务器中，该AI边缘算法服务器的优势有三个，第一是实时性，利用边缘计算，虽然数据处理主要是在云端进行的，但在中央服务器之间来回传送数据可能需要几秒钟的时间。数据传输的时间跨度太长了。边缘计算在“即时计算”的需求下，就有了用武之地。第二就是智能性，网络里面有大量的功能在边缘节点就可以直接处理掉，传统的架构一些功能都需要回到中央服务器处理，但是现在在边缘就能直接处理并返回对应的结果，第三是数据聚合性，一台物理设备运行往往产生大量的数据，可以先在边缘进行过滤，然后汇总到中心再做加工，这都是利用边缘的计算能力。
所述AI边缘算法服务器将人脸识别摄像头采集的视频数据进行人脸识别后，将识别结果通过MQTT协议反馈至IOT物联网平台内。MQTT协议是一个即时通讯协议，MQTT协议是为大量计算能力有限，且工作在低带宽、不可靠的网络的远程传感器和控制设备通讯而设计的协议，本申请文件选用的是MQTT支持的最多一次消息发布，消息发布完全依赖底层TCP/IP网络。分发的消息可能丢失或重复。例如，这个等级可用于环境传感器数据，单次的数据丢失没关系，因为不久后还会有第二次发送。
所述AI边缘算法服务器与IOT物联网平台使用TCP/IP提供网络连接。因为选用的是最多一次的消息发布模式，因此会非常依赖底层TCP/IP网络进行数据支持，通过底层的数据传输，让AI边缘算法服务器的数据能够发送至IOT物联网平台内。
所述人脸识别管理平台内设置有人脸信息库，通过人脸信息库存储人脸信息，并将存储的人脸信息发送至IOT物联网平台内。人脸信息库是一个数据存储库，人脸识别管理平台内录入的各种人脸数据都会存储至人脸信息库内，人脸信息库在用户使用时，通过将人脸数据录入进人脸信息库内，通过对人脸信息库内的数据进行增加、修改、删减然后定期通过IOT物联网平台发送至AI边缘算法服务器内。
所述人脸信息库内设置有信息输入模块、信息删除模块、信息编码模块和信息修改模块；所述信息输入模块用于录入人脸信息数据，信息删除模块用于将人脸信息库内存储的人脸信息进行删减，所述信息编码模块用于与IOT物联网平台通讯，将人脸数据发送至IOT物联网平台，所述信息修改模块用于对人脸信息进行修改覆盖；通过信息输入模块、信息删除模块、信息编码模块和信息修改模块进行人员增删改管理，并向IOT物联网平台发出人脸库修改消息，IOT物联网平台将消息转发给AI边缘算法服务器，AI边缘算法服务器接收消息，并同步更新人脸库信息。人脸信息库内的各种信息模块可以将人脸信息数据录入数据库中，并能够进行修改、删减，并通过信息编码模块将录入、修改、删除的人脸信息发送至IOT物联网平台中，通过IOT物联网平台将这些人脸数据转发至AI边缘算法服务器中，AI边缘算法服务器通过这些人脸数据对人脸识别摄像头采集数据进行对比识别。
所述AI边缘算法服务器内通过设备初始化模块，通过设备初始化模块对AI边缘算法服务器进行格式化，将内部存储的数据进行清除。AI边缘算法服务器内的初始化模块用于对整个服务器数据进行清理，将所有数据清除，让AI边缘算法服务器重新接收人脸识别管理平台的人脸数据。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于卷积神经网络的人脸识别***，其特征在于，包括AI边缘算法服务器、IOT物联网平台和人脸识别管理平台相互间进行数据传输；所述AI边缘算法服务器还与人脸识别摄像头连接，向人脸识别摄像头发送控制指令，并接收人脸识别摄像头反馈的数据；
所述AI边缘算法服务器用于，开启人脸识别摄像头进行视频捕捉，并对视频数据中出现的人员进行人脸对比，将对比结果信息保存的同时向IOT物联网平台发送识别信息，并从IOT物联网平台内接收人脸识别管理平台对人脸信息的更新数据；
所述IOT物联网平台用于，接收人脸识别管理平台发送的数据，并将数据转发至AI边缘算法服务器内，接收AI边缘算法服务器采集的识别信息，并将识别信息转发至人脸识别管理平台；
所述人脸识别管理平台用于，接收IOT物联网平台发送的AI边缘服务器采集的识别信息，对信息进行管理和展示，向IOT物联网平台发送人脸数据修改信息。
2.根据权利要求1所述的一种基于卷积神经网络的人脸识别***，其特征在于，所述AI边缘算法服务器将人脸识别摄像头采集的视频数据进行人脸识别后，将识别结果通过MQTT协议反馈至IOT物联网平台内。
3.根据权利要求2所述的一种基于卷积神经网络的人脸识别***，其特征在于，所述AI边缘算法服务器与IOT物联网平台使用TCP/IP提供网络连接。
4.根据权利要求1所述的一种基于卷积神经网络的人脸识别***，其特征在于，所述人脸识别管理平台内设置有人脸信息库，通过人脸信息库存储人脸信息，并将存储的人脸信息发送至IOT物联网平台内。
5.根据权利要求4所述的一种基于卷积神经网络的人脸识别***，其特征在于，所述人脸信息库内设置有信息输入模块、信息删除模块、信息编码模块和信息修改模块；所述信息输入模块用于录入人脸信息数据，信息删除模块用于将人脸信息库内存储的人脸信息进行删减，所述信息编码模块用于与IOT物联网平台通讯，将人脸数据发送至IOT物联网平台，所述信息修改模块用于对人脸信息进行修改覆盖；通过信息输入模块、信息删除模块、信息编码模块和信息修改模块进行人员增删改管理，并向IOT物联网平台发出人脸库修改消息，IOT物联网平台将消息转发给AI边缘算法服务器，AI边缘算法服务器接收消息，并同步更新人脸库信息。
6.根据权利要求1所述的一种基于卷积神经网络的人脸识别***，其特征在于，所述AI边缘算法服务器内通过设备初始化模块，通过设备初始化模块对AI边缘算法服务器进行格式化，将内部存储的数据进行清除。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910665197.3A CN110569715A (zh) | 2019-07-23 | 2019-07-23 | 一种基于卷积神经网络的人脸识别*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910665197.3A CN110569715A (zh) | 2019-07-23 | 2019-07-23 | 一种基于卷积神经网络的人脸识别*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110569715A true CN110569715A (zh) | 2019-12-13 |
Family
ID=68773104
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910665197.3A Pending CN110569715A (zh) | 2019-07-23 | 2019-07-23 | 一种基于卷积神经网络的人脸识别*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110569715A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113504831A (zh) * | 2021-07-23 | 2021-10-15 | 电光火石(北京)科技有限公司 | 基于人脸图像特征识别的iot设备控制方法、iot及终端设备 |
| CN113538036A (zh) * | 2021-06-04 | 2021-10-22 | 深圳市英创艾伦智能科技有限公司 | 5g、ai边缘计算、物联网的数字化管理***及方法和装置 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105426875A (zh) * | 2015-12-18 | 2016-03-23 | 武汉科技大学 | 一种基于深度卷积神经网络的人脸识别方法和考勤*** |
-
2019
- 2019-07-23 CN CN201910665197.3A patent/CN110569715A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105426875A (zh) * | 2015-12-18 | 2016-03-23 | 武汉科技大学 | 一种基于深度卷积神经网络的人脸识别方法和考勤*** |
Non-Patent Citations (1)
| Title |
|---|
| 任丽梅等: "《认知计算导论》", 首都经济贸易大学出版社, pages: 19 - 20 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113538036A (zh) * | 2021-06-04 | 2021-10-22 | 深圳市英创艾伦智能科技有限公司 | 5g、ai边缘计算、物联网的数字化管理***及方法和装置 |
| CN113504831A (zh) * | 2021-07-23 | 2021-10-15 | 电光火石(北京)科技有限公司 | 基于人脸图像特征识别的iot设备控制方法、iot及终端设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111698470B (zh) | 一种基于云边协同计算的安防视频监控***及其实现方法 | |
| CN106997629B (zh) | 门禁控制方法、装置及*** | |
| CN110428522A (zh) | 一种智慧新城的智能安防*** | |
| CN110458154A (zh) | 人脸识别方法、装置和计算机可读存储介质 | |
| CN110046586A (zh) | 一种数据处理方法、设备及存储介质 | |
| CN109614882A (zh) | 一种基于人体姿态估计的暴力行为检测***及方法 | |
| US20070090180A1 (en) | Machine vision system for enterprise management | |
| CN109086739A (zh) | 一种无人脸数据训练的人脸识别方法和*** | |
| CN108564052A (zh) | 基于mtcnn的多摄像头动态人脸识别***与方法 | |
| CN111918039B (zh) | 基于5g网络的人工智能高风险作业管控*** | |
| CN110263642A (zh) | 用于替换图像的部分的图像缓存 | |
| CN112132197A (zh) | 模型训练、图像处理方法、装置、计算机设备和存储介质 | |
| CN111768336A (zh) | 人脸图像处理方法、装置、计算机设备和存储介质 | |
| CN111708663A (zh) | 一种基于人工智能的云计算安全监控*** | |
| CN110414376A (zh) | 更新人脸识别模型的方法、人脸识别相机及服务器 | |
| CN109902681B (zh) | 用户群体关系确定方法、装置、设备及存储介质 | |
| CN110569715A (zh) | 一种基于卷积神经网络的人脸识别*** | |
| CN110599129A (zh) | 一种基于图像追踪校园考勤方法、装置、识别终端及*** | |
| CN111652331A (zh) | 一种图像识别方法、装置和计算机可读存储介质 | |
| CN112163503A (zh) | 办案区人员无感轨迹生成方法、***、存储介质及设备 | |
| CN115346163A (zh) | 仓库安全监控方法、装置、***、设备和计算机存储介质 | |
| CN113947742A (zh) | 一种基于人脸识别的人员轨迹追踪方法与装置 | |
| CN114359976A (zh) | 一种基于人物识别的智能安防方法与装置 | |
| CN109544589A (zh) | 一种视频图像分析方法及其*** | |
| CN115953650B (zh) | 特征融合模型的训练方法和装置 |
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: 20191213 |
|
| RJ01 | Rejection of invention patent application after publication |