CN110717357B - 预警方法、装置、电子设备及存储介质 - Google Patents
预警方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN110717357B CN110717357B CN201810762447.0A CN201810762447A CN110717357B CN 110717357 B CN110717357 B CN 110717357B CN 201810762447 A CN201810762447 A CN 201810762447A CN 110717357 B CN110717357 B CN 110717357B
- Authority
- CN
- China
- Prior art keywords
- face image
- recognized
- early
- warned
- matched
- 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
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明实施例提供了预警方法、装置、电子设备及存储介质,应用于视频监控技术领域,若不存在与待识别人脸图像相匹配的白名单人脸图像,说明待识别人脸图像对应的人员不属于白名单中的人员,将待识别人脸图像与待预警人脸图像进行比对;在与待识别人脸图像相匹配的待预警人脸图像的出现次数大于预设次数阈值时,说明待识别人脸图像对应的人员在当前监控场景中多次出现,待识别人脸图像对应的行人可能为潜在客户或可疑人员,生成针对与待识别人脸图像相匹配的待预警人脸图像的预警。通过本发明实施例的预警方法,可以实现针对人员的自动预警。
Description
技术领域
本发明涉及视频监控技术领域,特别是涉及预警方法、装置、电子设备及存储介质。
背景技术
对于大型商场、购物中心、连锁店、机场、车站、博物馆及展览馆等场景,人流量大,人员成分复杂。针对管理层面而言,希望能够对上述场所的可疑人员进行识别,或对上述场所的潜在顾客进行识别。
因此,希望能够对上述场所中的人员进行预警。
发明内容
本发明实施例的目的在于提供一种预警方法、装置、电子设备及存储介质,以实现人员的自动预警。具体技术方案如下:
第一方面,本发明实施例提供了一种预警方法,所述方法包括:
获取监控场景中的待识别人脸图像;
将所述待识别人脸图像与预设白名单中的白名单人脸图像进行比对,判断是否存在与所述待识别人脸图像相匹配的白名单人脸图像;
若不存在与所述待识别人脸图像相匹配的白名单人脸图像,将所述待识别人脸图像与预警名单中的待预警人脸图像进行比对,判断是否存在与所述待识别人脸图像相匹配的待预警人脸图像;
若存在与所述待识别人脸图像相匹配的待预警人脸图像,获取与所述待识别人脸图像相匹配的待预警人脸图像的出现时间间隔,其中,针对任一待预警人脸图像,该待预警人脸图像的出现时间间隔表征该待预警人脸图像对应的行人,重复出现在所述监控场景中的时间间隔;
判断所述出现时间间隔是否小于预设间隔阈值;
若所述出现时间间隔不小于所述预设间隔阈值,按照预设次数增加规则,增加与所述待识别人脸图像相匹配的待预警人脸图像的出现次数;
在与所述待识别人脸图像相匹配的待预警人脸图像的出现次数大于预设次数阈值时,生成针对与所述待识别人脸图像相匹配的待预警人脸图像的预警。
可选的,所述获取监控场景中的待识别人脸图像,包括:
获取监控场景中新出现的各行人的人脸图像;
判断各所述人脸图像是否符合预设可识别规则;
将符合所述可识别规则的人脸图像,作为待识别人脸图像。
可选的,在所述判断是否存在与所述待识别人脸图像相匹配的待预警人脸图像之后,所述方法还包括:
若不存在与所述待识别人脸图像相匹配的待预警人脸图像,将所述待识别人脸图像作为新的待预警人脸图像,加入到所述预警名单中。
可选的,在所述判断所述出现时间间隔是否小于预设间隔阈值之后,所述方法还包括:
若所述出现时间间隔小于所述预设间隔阈值,将所述待识别人脸图像存储到抓拍库中。
第二方面,本发明实施例提供可一种预警装置,所述装置包括:
图像获取模块,用于获取监控场景中待识别人脸图像;
人脸比对模块,用于将所述待识别人脸图像与预设白名单中的白名单人脸图像进行比对,判断是否存在与所述待识别人脸图像相匹配的白名单人脸图像;
第一判断模块,用于若不存在与所述待识别人脸图像相匹配的白名单人脸图像,将所述待识别人脸图像与预警名单中的待预警人脸图像进行比对,判断是否存在与所述待识别人脸图像相匹配的待预警人脸图像;
时间获取模块,用于若存在与所述待识别人脸图像相匹配的待预警人脸图像,获取与所述待识别人脸图像相匹配的待预警人脸图像的出现时间间隔,其中,针对任一待预警人脸图像,该待预警人脸图像的出现时间间隔表征该待预警人脸图像对应的行人,重复出现在所述监控场景中的时间间隔;
第二判断模块,用于判断所述出现时间间隔是否小于预设间隔阈值;
次数增加模块,用于若所述出现时间间隔不小于所述预设间隔阈值,按照预设次数增加规则,增加与所述待识别人脸图像相匹配的待预警人脸图像的出现次数;
预警生成模块,用于在与所述待识别人脸图像相匹配的待预警人脸图像的出现次数大于预设次数阈值时,生成针对与所述待识别人脸图像相匹配的待预警人脸图像的预警。
可选的,所述图像获取模块,包括:
人脸图像获取子模块,用于获取监控场景中新出现的各行人的人脸图像;
可识别判断子模块,用于判断各所述人脸图像是否符合预设可识别规则;
待识别人脸图像确定子模块,用于将符合所述可识别规则的人脸图像,作为待识别人脸图像。
可选的,本发明实施例的预警装置还包括:
预警名单更新模块,用于若不存在与所述待识别人脸图像相匹配的待预警人脸图像,将所述待识别人脸图像作为新的待预警人脸图像,加入到所述预警名单中。
可选的,本发明实施例的预警装置还包括:
抓拍库存储模块,用于若所述出现时间间隔小于所述预设间隔阈值,将所述待识别人脸图像存储到抓拍库中。
第三方面,本发明实施例提供了一种电子设备,包括处理器及存储器;
所述存储器,用于存放计算机程序;
所述处理器,用于执行所述存储器上所存放的程序时,实现上述第一方面任一所述的预警方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面任一所述的预警方法。
本发明实施例提供的预警方法、装置、电子设备及存储介质,获取监控场景中的待识别人脸图像;将待识别人脸图像与预设白名单中的白名单人脸图像进行比对,判断是否存在与待识别人脸图像相匹配的白名单人脸图像;若不存在与待识别人脸图像相匹配的白名单人脸图像,将待识别人脸图像与预警名单中的待预警人脸图像进行比对,判断是否存在与待识别人脸图像相匹配的待预警人脸图像;若存在与待识别人脸图像相匹配的待预警人脸图像,获取与待识别人脸图像相匹配的待预警人脸图像的出现时间间隔,其中,针对任一待预警人脸图像,该待预警人脸图像的出现时间间隔表征该待预警人脸图像对应的行人,重复出现在监控场景中的时间间隔;判断出现时间间隔是否小于预设间隔阈值;若出现时间间隔不小于预设间隔阈值,按照预设次数增加规则,增加与待识别人脸图像相匹配的待预警人脸图像的出现次数;在与待识别人脸图像相匹配的待预警人脸图像的出现次数大于预设次数阈值时,生成针对与待识别人脸图像相匹配的待预警人脸图像的预警。不存在与待识别人脸图像相匹配的白名单人脸图像,说明待识别人脸图像对应的人员不属于白名单中的人员,在与待识别人脸图像相匹配的待预警人脸图像的出现次数大于预设次数阈值时,说明待识别人脸图像对应的人员在当前监控场景中多次出现,待识别人脸图像对应的行人可能为潜在客户或可疑人员,生成针对与待识别人脸图像相匹配的待预警人脸图像的预警,可以实现针对人员的自动预警。当然,实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,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为本发明实施例的预警方法的一种流程示意图;
图2为本发明实施例的预警方法的另一种流程示意图;
图3为本发明实施例的预警装置的一种示意图;
图4为本发明实施例的电子设备的一种示意图。
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做出创造性劳动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。
对于大型商场、购物中心、连锁店、机场、车站、博物馆及展览馆等场景,人流量大,人员成分复杂,可能会存在小偷、潜在顾客或回头客等,因此希望能够对上述场景中人员进行预警。
有鉴于此,本发明实施例提供了一种预警方法,参见图1,该方法包括:
S101,获取监控场景中待识别人脸图像。
本发明实施例中的预警方法可以通过预警***实现,预警***为任意能够实现本发明实施例的预警方法的***。例如:
预警***可以为一种电子设备,包括:处理器、存储器、通信接口和总线;处理器、存储器和通信接口通过总线连接并完成相互间的通信;存储器存储可执行程序代码;处理器通过读取存储器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,以用于执行本发明实施例的预警方法。
预警***还可以为一种应用程序,用于在运行时执行本发明实施例的预警方法。
预警***还可以为一种存储介质,用于存储可执行代码,可执行代码用于执行本发明实施例的预警方法。
预警***通过当前监控场景中的图像采集设备,例如摄像头等,获取当前监控场景中的待识别人脸图像。
S102,将上述待识别人脸图像与预设白名单中的白名单人脸图像进行比对,判断是否存在与上述待识别人脸图像相匹配的白名单人脸图像。
预设白名单中保存了白名单人员的人脸图像,即白名单人脸图像。白名单人员可以为监控场景中的工作人员等,预警***不会针对白名单人员进行预警。预警***通过预设人脸识别算法,将待识别人脸图像与各白名单人脸图像进行比对,判断是否存在与待识别人脸图像相匹配的白名单人脸图像,即判断待识别人脸图像对应的行人是否为白名单人员。例如,将待识别人脸图像与白名单人脸图像输入到预先训练的用于人脸识别的神经网络中,判断待识别人脸图像与白名单人脸图像是否匹配。或基于人脸模型的比对,计算待识别人脸图像与白名单人脸图像的相似度,在相似度大于预设相似度阈值时,判定待识别人脸图像与白名单人脸图像相匹配,预设相似度阈值可以根据实际情况进行设定,例如预设相似度阈值为70%、80%或90%等。
S103,若不存在与上述待识别人脸图像相匹配的白名单人脸图像,将上述待识别人脸图像与预警名单中的待预警人脸图像进行比对,判断是否存在与上述待识别人脸图像相匹配的待预警人脸图像。
预警名单中保存了待预警人员的人脸图像,即待预警人脸图像。预警***通过预设人脸识别算法,将待识别人脸图像与各待预警人脸图像进行模型比对,判断是否存在与待识别人脸图像相匹配的待预警人脸图像,即判断待识别人脸图像对应的行人是否为待预警人员。
例如,通过预先进行人脸识别训练的卷积神经网络,对待识别人脸图像与各待预警人脸图像进行模型比对,判断是否存在与待识别人脸图像相匹配的待预警人脸图像;或基于图像分割技术的目标检测方法,对待识别人脸图像与各待预警人脸图像进行模型比对,判断是否存在与待识别人脸图像相匹配的待预警人脸图像;或基于特征匹配技术的目标检测方法,对待识别人脸图像与各待预警人脸图像进行模型比对,判断是否存在与待识别人脸图像相匹配的待预警人脸图像等。
S104,若存在与上述待识别人脸图像相匹配的待预警人脸图像,获取与上述待识别人脸图像相匹配的待预警人脸图像的出现时间间隔,其中,针对任一待预警人脸图像,该待预警人脸图像的出现时间间隔表征该待预警人脸图像对应的行人,重复出现在上述监控场景中的时间间隔。
待预警人脸图像的出现时间间隔表征,该待预警人脸图像表示的行人重复出现在监控场景中的时间间隔。例如,对于监控场景A,行人A第N次出现在监控场景A中的时间为08:30,行人A离开监控场景A后,第N+1次出现在监控场景A中的时间为09:30,则第N+1次获取行人A的待识别人脸图像时,行人A对应的预警人脸图像的出现时间间隔为1小时,其中,N为正整数。
具体的,待预警人脸图像的出现时间间隔可以为:当前时间与最后一次更新该待预警人脸图像的出现次数的时间的差值;或待预警人脸图像的出现时间间隔可以为:本次获取该待预警人脸图像对应的识别人脸图像的时间,与上次获取该待预警人脸图像对应的识别人脸图像的时间的差值等。
S105,判断上述出现时间间隔是否小于预设间隔阈值。
预设间隔阈值可以根据实际情况进行设定,例如,预设间隔阈值可以设置为30秒、1分钟或3分钟等。预警***判断出现时间间隔是否小于预设间隔阈值。
S106,若上述出现时间间隔不小于上述预设间隔阈值,按照预设次数增加规则,增加与上述待识别人脸图像相匹配的待预警人脸图像的出现次数。
预设次数增加规则为任意增加待预警人脸图像的出现次数的规则,例如,若上述时间间隔不小于预设间隔阈值,将与上述待识别人脸图像相匹配的待预警人脸图像的出现次数增加1。
S107,在与上述待识别人脸图像相匹配的待预警人脸图像的出现次数大于预设次数阈值时,生成针对与上述待识别人脸图像相匹配的待预警人脸图像的预警。
预设次数阈值可以根据实际情况进行设定,例如,预设次数阈值可以设置为3、5或10等。若与待识别人脸图像相匹配的待预警人脸图像的出现次数大于预设次数阈值,预警***生成针对与上述待识别人脸图像相匹配的待预警人脸图像的预警。以使保安或售货员等根据该预警,对待预警人脸图像对应的人员进行重点关注,减少盗窃事件的发生,或针对潜在客户增加销售业绩。
在本发明实施例中,不存在与待识别人脸图像相匹配的白名单人脸图像,说明待识别人脸图像对应的人员不属于白名单中的人员,在与待识别人脸图像相匹配的待预警人脸图像的出现次数大于预设次数阈值时,说明待识别人脸图像对应的人员在当前监控场景中多次出现,待识别人脸图像对应的行人可能为潜在客户或可疑人员,生成针对与待识别人脸图像相匹配的待预警人脸图像的预警,可以实现针对人员的自动预警。
可选的,上述获取监控场景中的待识别人脸图像,包括:
步骤一,获取监控场景中新出现的各行人的人脸图像;
预警***通过监控场景中的摄像头等图像采集设备,获取监控场景中新出现的各行人的人脸图像。例如,预警***通过预设识别算法,检测当前监控场景的监控图像中新出现的各行人,并提取新出现的各行人的人脸图像。新出现的各行人是指新进入到监控场景中的行人,包括第一次进入到当前监控场景中的行人,还包括离开当前监控场景后,再次进入到当前监控场景的行人。可选的,预警***可以仅针对监控场景出入口处的图像,进行新出现行人的检测,以节约计算资源。
步骤二,判断各上述人脸图像是否符合预设可识别规则;
预设可识别规则可以根据实际情况进行设定,例如人脸图像的分辨率大于预设的分辨率阈值,或判断人脸图像的评分是否高于预设分数阈值等。预警***对人脸图像进行人脸建模,对建模后的人脸图像进行评分,评分规则为与人脸的三维基准数据库进行一一比对,得到瞳距、俯仰角、左右角等参数,并根据这些参数得到该人脸图像的质量评分。判定评分高于预设分数阈值的人脸图像,符合预设可识别规则。判定评分不高于预设分数阈值的人脸图像,不符合预设可识别规则。
步骤三,将符合上述可识别规则的人脸图像,作为待识别人脸图像。
预警***将符合可识别规则的人脸图像,作为待识别人脸图像。对于不符合可识别规则的人脸图像,进行丢弃或存储到指定位置。可选的,将不符合预设可识别规则的人脸图像,加入到抓拍库中,以方便后续查询及分析。
在本发明实施例中,将符合可识别规则的人脸图像,作为待识别人脸图像,能够提高后续待识别人脸图像比对的成功率。
可选的,在上述判断是否存在与上述待识别人脸图像相匹配的待预警人脸图像之后,上述方法还包括:
若不存在与上述待识别人脸图像相匹配的待预警人脸图像,将上述待识别人脸图像作为新的待预警人脸图像,加入到上述预警名单中。
不存在与上述待识别人脸图像相匹配的待预警人脸图像,说明待识别人脸图像对应的人员首次出现在当前监控场景中,预警***将待识别人脸图像作为新的待预警人脸图像,加入到预警名单中。可选的,上述预警名单中的每个待预警人脸图像对应的待预警人员对应一个唯一的ID,以方便统计待预警人员出现的频率。
在本发明实施例中,若不存在与待识别人脸图像相匹配的待预警人脸图像,将待识别人脸图像作为新的待预警人脸图像,加入到预警名单中,能够支持对新加入到监控场景中的人员进行后续比对。
可选的,在上述判断上述出现时间间隔是否小于预设间隔阈值之后,上述方法还包括:
若上述出现时间间隔小于上述预设间隔阈值,将上述待识别人脸图像存储到抓拍库中。
出现时间间隔小于预设间隔阈值,说明待识别人脸图对应的人员可能由于物体遮挡短时间内未被采集到图像,或在当前监控场景边缘踱步,因此在时间间隔小于预设间隔阈值时,不增加与上述待识别人脸图像相匹配的待预警人脸图像的出现次数,直接将待识别人脸图像存储到抓拍库中。
在本发明实施例中,若出现时间间隔小于上述预设间隔阈值,不增加与上述待识别人脸图像相匹配的待预警人脸图像的出现次数,而是将待识别人脸图像存储到抓拍库中,方便后续从抓拍库中读取及分析待识别人脸图像,并且能够减少出现次数的无效增加,减少误预警的情况。
人员信息的统计以及预警对于很多场景都具有重要意义,在本发明实施的预警方法中判断同一个人是否多次出现的方法是基于人脸模型的比对,如果两个模型比对的相似度大于设置相似度阈值,则判定是同一个人。该功能主要用于当用户无法提前提供关注人员的照片时,如针对一些潜在的惯偷、高危人员等,可以挖掘潜在的异常人员,为用户确定可疑人员提供辅助决策,实现对关注人群的人员预警布控。
本发明实施的预警方法的另一种流程示意图如图2所示。本发明实施的预警方法采用人脸检测算法、人脸评分算法、人脸建模以及人脸模型的比对算法,对人脸抓拍机实时抓拍的图片先进行人脸识别,识别后把带人脸坐标的人脸抓拍图送给人脸建模模块进行人脸建模,把具有模型的人脸抓拍图送给人脸评分模块,与人脸的三维基准数据库进行一一比对,得到瞳距、俯仰角、左右角等参数,根据这些参数得到该人脸抓拍图的质量是高还是低。对于低分的人脸抓拍图不再进行人员频次统计的功能,直接存储抓拍图到***的人脸抓拍库中,结束流程。如果此时的抓拍图质量较高,如俯仰角和左右角度适中,则进行人员的频次统计,结合采用人脸评分是为了提高频次统计的准确性,对于一些低头或者侧脸的评分质量低的人脸不进行统计。
人脸抓拍图的建模数据与设置的白名单库进行一一比对,如果抓拍人脸在白名单库中说明该人员为内部人员,则不进行统计,直接存储抓拍图到***的人脸抓拍库中,结束流程。如果不在白名单库中,说明为陌生人,正是该方案中需要重点关注的人群。
在本发明实施的预警方法中,需要维护一个人员频次信息的数据库,库中维护了抓拍图的唯一ID,存储位置,频次,每一次出现的时间,以及该抓拍图对应的人脸模型数据。当抓拍图经过白名单库的比对,鉴定为陌生人后与人员频次数据库中所维护的每一个人脸ID进行模型的一一比对,如果两者相似度大于指定的相似度则认为是同一个人,此时判断实时的抓拍图与人员频次数据库中比对成功的人脸ID对应的最新抓拍时间之间的间隔,如果在设置的抓拍间隔内,则不更新次数,只更新人员频次数据库中的最新抓拍时间,保存该抓拍图到抓拍库,流程结束。如果两者之间的间隔大于指定的抓拍间隔,则更新人员频次数据库中的该人脸ID的频次,次数加1,且更新最新抓拍图的时间,此时判断该人脸ID对应的频次是否大于设定的频次阈值,如果指定时间内的次数大于了设定的频次阈值,则进行预警处理;如果次数没有达到设定的频次阈值,则不做任何处理,该抓拍图的流程处理结束,等待人脸抓拍机的下一张抓拍图。
上述过程针对每一张人脸抓拍图,一个人脸抓拍图对应方案中一个ID,该ID对应出现的频次,该频次用来进行预警处理的判断,以此实现了人员频次信息的实时统计与预警的处理。
在本发明实施的预警方法中,可以对根据实际需求配置各参数,例如:人员出现的报警频次阈值,统计出现次数用的抓拍间隔,设定白名单库人员,判定是否属于同一个人的相似度阈值,指定监控的时间天数,甚至可以选择是对哪几个监控点进行人员统计与预警。
本发明实施例的预警方法可以对指定时间段内人员出现次数的信息进行统计,对重复出现达到一定次数的人员进行预警处理,并且能够指定白名单,即可以指定不会触发预警的白名单人员,例如内部人员等。对于出现的次数累计,有一个抓拍间隔的概念,如果是抓拍间隔内重复出现的人员,只认为出现过1次,抓拍间隔的设定使得统计出来的人员可以根据抓拍间隔的长短变化,能够适用于不同的场景,统计出的人员出现次数也更加平均化。对于达到一定次数的人员进行预警处理,通知相应的保安或者管理人员,对指定的人员进行重点关注。
本发明实施例还提供了一种预警装置,参见图3,该装置包括:
图像获取模块301,用于获取监控场景中待识别人脸图像;
人脸比对模块302,用于将上述待识别人脸图像与预设白名单中的白名单人脸图像进行比对,判断是否存在与上述待识别人脸图像相匹配的白名单人脸图像;
第一判断模块303,用于若不存在与上述待识别人脸图像相匹配的白名单人脸图像,将上述待识别人脸图像与预警名单中的待预警人脸图像进行比对,判断是否存在与上述待识别人脸图像相匹配的待预警人脸图像;
时间获取模块304,用于若存在与上述待识别人脸图像相匹配的待预警人脸图像,获取与上述待识别人脸图像相匹配的待预警人脸图像的出现时间间隔,其中,针对任一待预警人脸图像,该待预警人脸图像的出现时间间隔表征该待预警人脸图像对应的行人,重复出现在上述监控场景中的时间间隔;
第二判断模块305,用于判断上述出现时间间隔是否小于预设间隔阈值;
次数增加模块306,用于若上述出现时间间隔不小于上述预设间隔阈值,按照预设次数增加规则,增加与上述待识别人脸图像相匹配的待预警人脸图像的出现次数;
预警生成模块307,用于在与上述待识别人脸图像相匹配的待预警人脸图像的出现次数大于预设次数阈值时,生成针对与上述待识别人脸图像相匹配的待预警人脸图像的预警。
在本发明实施例中,不存在与待识别人脸图像相匹配的白名单人脸图像,说明待识别人脸图像对应的人员不属于白名单中的人员,在与待识别人脸图像相匹配的待预警人脸图像的出现次数大于预设次数阈值时,说明待识别人脸图像对应的人员在当前监控场景中多次出现,待识别人脸图像对应的行人可能为潜在客户或可疑人员,生成针对与待识别人脸图像相匹配的待预警人脸图像的预警,可以实现针对人员的自动预警。
可选的,上述图像获取模块301,包括:
人脸图像获取子模块,用于获取监控场景中新出现的各行人的人脸图像;
可识别判断子模块,用于判断各所述人脸图像是否符合预设可识别规则;
待识别人脸图像确定子模块,用于将符合所述可识别规则的人脸图像,作为待识别人脸图像。。
在本发明实施例中,将符合可识别规则的人脸图像,作为待识别人脸图像,能够提高后续待识别人脸图像比对的成功率。
可选的,本发明实施例的预警装置还包括:
预警名单更新模块,用于若不存在与上述待识别人脸图像相匹配的待预警人脸图像,将上述待识别人脸图像作为新的待预警人脸图像,加入到上述预警名单中。
在本发明实施例中,若不存在与待识别人脸图像相匹配的待预警人脸图像,将待识别人脸图像作为新的待预警人脸图像,加入到预警名单中,能够支持对新加入到监控场景中的人员进行后续比对。
可选的,本发明实施例的预警装置还包括:
抓拍库存储模块,用于若上述出现时间间隔小于上述预设间隔阈值,将上述待识别人脸图像存储到抓拍库中。
在本发明实施例中,若出现时间间隔小于上述预设间隔阈值,不增加与上述待识别人脸图像相匹配的待预警人脸图像的出现次数,而是将待识别人脸图像存储到抓拍库中,方便后续从抓拍库中读取及分析待识别人脸图像,并且能够减少出现次数的无效增加,减少误预警的情况。
本发明实施例还提供了一种电子设备,如图4所示,包括处理器401及存储器402;
存储器402,用于存放计算机程序;
处理器401,用于执行存储器402上所存放的程序时,实现如下步骤:
获取监控场景中的待识别人脸图像;
将上述待识别人脸图像与预设白名单中的白名单人脸图像进行比对,判断是否存在与上述待识别人脸图像相匹配的白名单人脸图像;
若不存在与上述待识别人脸图像相匹配的白名单人脸图像,将上述待识别人脸图像与预警名单中的待预警人脸图像进行比对,判断是否存在与上述待识别人脸图像相匹配的待预警人脸图像;
若存在与上述待识别人脸图像相匹配的待预警人脸图像,获取与上述待识别人脸图像相匹配的待预警人脸图像的出现时间间隔,其中,针对任一待预警人脸图像,该待预警人脸图像的出现时间间隔表征该待预警人脸图像对应的行人,重复出现在上述监控场景中的时间间隔;
判断上述出现时间间隔是否小于预设间隔阈值;
若上述出现时间间隔不小于上述预设间隔阈值,按照预设次数增加规则,增加与上述待识别人脸图像相匹配的待预警人脸图像的出现次数;
在与上述待识别人脸图像相匹配的待预警人脸图像的出现次数大于预设次数阈值时,生成针对与上述待识别人脸图像相匹配的待预警人脸图像的预警。
在本发明实施例中,不存在与待识别人脸图像相匹配的白名单人脸图像,说明待识别人脸图像对应的人员不属于白名单中的人员,在与待识别人脸图像相匹配的待预警人脸图像的出现次数大于预设次数阈值时,说明待识别人脸图像对应的人员在当前监控场景中多次出现,待识别人脸图像对应的行人可能为潜在客户或可疑人员,生成针对与待识别人脸图像相匹配的待预警人脸图像的预警,可以实现针对人员的自动预警。
可选的,处理器401,用于执行存储器402上所存放的程序时,还能够实现上述任一预警方法。
可选的,本发明实施的电子设备还包括:通信接口及通信总线,处理器401、通信接口及存储器402通过通信总线完成相互间的通信。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
一种计算机可读存储介质,其特征在于,上述计算机可读存储介质内存储有计算机程序,上述计算机程序被处理器执行时,实现如下步骤:
获取监控场景中的待识别人脸图像;
将上述待识别人脸图像与预设白名单中的白名单人脸图像进行比对,判断是否存在与上述待识别人脸图像相匹配的白名单人脸图像;
若不存在与上述待识别人脸图像相匹配的白名单人脸图像,将上述待识别人脸图像与预警名单中的待预警人脸图像进行比对,判断是否存在与上述待识别人脸图像相匹配的待预警人脸图像;
若存在与上述待识别人脸图像相匹配的待预警人脸图像,获取与上述待识别人脸图像相匹配的待预警人脸图像的出现时间间隔,其中,针对任一待预警人脸图像,该待预警人脸图像的出现时间间隔表征该待预警人脸图像对应的行人,重复出现在上述监控场景中的时间间隔;
判断上述出现时间间隔是否小于预设间隔阈值;
若上述出现时间间隔不小于上述预设间隔阈值,按照预设次数增加规则,增加与上述待识别人脸图像相匹配的待预警人脸图像的出现次数;
在与上述待识别人脸图像相匹配的待预警人脸图像的出现次数大于预设次数阈值时,生成针对与上述待识别人脸图像相匹配的待预警人脸图像的预警。
在本发明实施例中,不存在与待识别人脸图像相匹配的白名单人脸图像,说明待识别人脸图像对应的人员不属于白名单中的人员,在与待识别人脸图像相匹配的待预警人脸图像的出现次数大于预设次数阈值时,说明待识别人脸图像对应的人员在当前监控场景中多次出现,待识别人脸图像对应的行人可能为潜在客户或可疑人员,生成针对与待识别人脸图像相匹配的待预警人脸图像的预警,可以实现针对人员的自动预警。
可选的,上述计算机程序被处理器执行时,还能够实现上述任一预警方法。
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“包括一个……”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。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、电子设备及存储介质的实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非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作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (10)
1.一种预警方法,其特征在于,所述方法包括:
获取监控场景中的待识别人脸图像;
将所述待识别人脸图像与预设白名单中的白名单人脸图像进行比对,判断是否存在与所述待识别人脸图像相匹配的白名单人脸图像,所述预设白名单中的白名单人脸图像为所述监控场景中的工作人员的人脸图像;
若不存在与所述待识别人脸图像相匹配的白名单人脸图像,将所述待识别人脸图像与预警名单中的待预警人脸图像进行比对,判断是否存在与所述待识别人脸图像相匹配的待预警人脸图像;
若存在与所述待识别人脸图像相匹配的待预警人脸图像,获取与所述待识别人脸图像相匹配的待预警人脸图像的出现时间间隔,其中,针对任一待预警人脸图像,该待预警人脸图像的出现时间间隔表征该待预警人脸图像对应的行人,重复出现在所述监控场景中的时间间隔,该待预警人脸图像的出现时间间隔为:将所述待识别人脸图像与预警名单中的待预警人脸图像进行比对的时间与最后一次更新该待预警人脸图像的出现次数的时间的差值;或获取所述待识别人脸图像的时间,与上次获取该待预警人脸图像对应的待识别人脸图像的时间的差值;
判断所述出现时间间隔是否小于预设间隔阈值;
若所述出现时间间隔不小于所述预设间隔阈值,按照预设次数增加规则,增加与所述待识别人脸图像相匹配的待预警人脸图像的出现次数;
在与所述待识别人脸图像相匹配的待预警人脸图像的出现次数大于预设次数阈值时,生成针对与所述待识别人脸图像相匹配的待预警人脸图像的预警,所述预警表征所述待识别人脸图像所对应的行人为潜在顾客或回头客。
2.根据权利要求1所述的方法,其特征在于,所述获取监控场景中的待识别人脸图像,包括:
获取监控场景中新出现的各行人的人脸图像;
判断各所述人脸图像是否符合预设可识别规则;
将符合所述可识别规则的人脸图像,作为待识别人脸图像。
3.根据权利要求1所述的方法,其特征在于,在所述判断是否存在与所述待识别人脸图像相匹配的待预警人脸图像之后,所述方法还包括:
若不存在与所述待识别人脸图像相匹配的待预警人脸图像,将所述待识别人脸图像作为新的待预警人脸图像,加入到所述预警名单中。
4.根据权利要求1所述的方法,其特征在于,在所述判断所述出现时间间隔是否小于预设间隔阈值之后,所述方法还包括:
若所述出现时间间隔小于所述预设间隔阈值,将所述待识别人脸图像存储到抓拍库中。
5.一种预警装置,其特征在于,所述装置包括:
图像获取模块,用于获取监控场景中待识别人脸图像;
人脸比对模块,用于将所述待识别人脸图像与预设白名单中的白名单人脸图像进行比对,判断是否存在与所述待识别人脸图像相匹配的白名单人脸图像,所述预设白名单中的白名单人脸图像为所述监控场景中的工作人员的人脸图像;
第一判断模块,用于若不存在与所述待识别人脸图像相匹配的白名单人脸图像,将所述待识别人脸图像与预警名单中的待预警人脸图像进行比对,判断是否存在与所述待识别人脸图像相匹配的待预警人脸图像;
时间获取模块,用于若存在与所述待识别人脸图像相匹配的待预警人脸图像,获取与所述待识别人脸图像相匹配的待预警人脸图像的出现时间间隔,其中,针对任一待预警人脸图像,该待预警人脸图像的出现时间间隔表征该待预警人脸图像对应的行人,重复出现在所述监控场景中的时间间隔,该待预警人脸图像的出现时间间隔为:将所述待识别人脸图像与预警名单中的待预警人脸图像进行比对的时间与最后一次更新该待预警人脸图像的出现次数的时间的差值;或获取所述待识别人脸图像的时间,与上次获取该待预警人脸图像对应的待识别人脸图像的时间的差值;
第二判断模块,用于判断所述出现时间间隔是否小于预设间隔阈值;
次数增加模块,用于若所述出现时间间隔不小于所述预设间隔阈值,按照预设次数增加规则,增加与所述待识别人脸图像相匹配的待预警人脸图像的出现次数;
预警生成模块,用于在与所述待识别人脸图像相匹配的待预警人脸图像的出现次数大于预设次数阈值时,生成针对与所述待识别人脸图像相匹配的待预警人脸图像的预警,所述预警表征所述待识别人脸图像所对应的行人为潜在顾客或回头客。
6.根据权利要求5所述的装置,其特征在于,所述图像获取模块,包括:
人脸图像获取子模块,用于获取监控场景中新出现的各行人的人脸图像;
可识别判断子模块,用于判断各所述人脸图像是否符合预设可识别规则;
待识别人脸图像确定子模块,用于将符合所述可识别规则的人脸图像,作为待识别人脸图像。
7.根据权利要求5所述的装置,其特征在于,所述装置还包括:
预警名单更新模块,用于若不存在与所述待识别人脸图像相匹配的待预警人脸图像,将所述待识别人脸图像作为新的待预警人脸图像,加入到所述预警名单中。
8.根据权利要求5所述的装置,其特征在于,所述装置还包括:
抓拍库存储模块,用于若所述出现时间间隔小于所述预设间隔阈值,将所述待识别人脸图像存储到抓拍库中。
9.一种电子设备,其特征在于,包括处理器及存储器;
所述存储器,用于存放计算机程序;
所述处理器,用于执行所述存储器上所存放的程序时,实现权利要求1-4任一所述的方法步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-4任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810762447.0A CN110717357B (zh) | 2018-07-12 | 2018-07-12 | 预警方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810762447.0A CN110717357B (zh) | 2018-07-12 | 2018-07-12 | 预警方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110717357A CN110717357A (zh) | 2020-01-21 |
CN110717357B true CN110717357B (zh) | 2022-12-06 |
Family
ID=69209113
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810762447.0A Active CN110717357B (zh) | 2018-07-12 | 2018-07-12 | 预警方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110717357B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113343743B (zh) * | 2020-03-03 | 2024-02-13 | 杭州海康威视***技术有限公司 | 目标人员识别方法、装置、电子设备和存储介质 |
CN111814627B (zh) * | 2020-06-29 | 2021-11-26 | 深圳市商汤科技有限公司 | 人员检测方法及装置、电子设备和存储介质 |
CN112750274A (zh) * | 2020-12-17 | 2021-05-04 | 青岛以萨数据技术有限公司 | 一种基于面部特征识别的聚集预警***、方法及设备 |
CN113468948B (zh) * | 2021-04-26 | 2023-11-10 | 深圳市安软科技股份有限公司 | 基于视图数据的治安防控方法、模块、设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103679155A (zh) * | 2013-12-30 | 2014-03-26 | 深圳锐取信息技术股份有限公司 | 多目标自动跟踪***及方法 |
CN106295469A (zh) * | 2015-05-21 | 2017-01-04 | 北京文安智能技术股份有限公司 | 一种基于人脸的来客属性分析方法、装置及*** |
CN106372572A (zh) * | 2016-08-19 | 2017-02-01 | 北京旷视科技有限公司 | 监控方法和装置 |
CN106529373A (zh) * | 2015-09-10 | 2017-03-22 | 上海银晨智能识别科技有限公司 | 人脸识别监控报警方法、*** |
CN107066921A (zh) * | 2016-12-23 | 2017-08-18 | 深圳市大唐盛世智能科技有限公司 | 一种智能视频监控的行人检测方法和装置 |
CN107480246A (zh) * | 2017-08-10 | 2017-12-15 | 北京中航安通科技有限公司 | 一种关联人员的识别方法及装置 |
CN107644190A (zh) * | 2016-07-20 | 2018-01-30 | 北京旷视科技有限公司 | 行人监控方法和装置 |
-
2018
- 2018-07-12 CN CN201810762447.0A patent/CN110717357B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103679155A (zh) * | 2013-12-30 | 2014-03-26 | 深圳锐取信息技术股份有限公司 | 多目标自动跟踪***及方法 |
CN106295469A (zh) * | 2015-05-21 | 2017-01-04 | 北京文安智能技术股份有限公司 | 一种基于人脸的来客属性分析方法、装置及*** |
CN106529373A (zh) * | 2015-09-10 | 2017-03-22 | 上海银晨智能识别科技有限公司 | 人脸识别监控报警方法、*** |
CN107644190A (zh) * | 2016-07-20 | 2018-01-30 | 北京旷视科技有限公司 | 行人监控方法和装置 |
CN106372572A (zh) * | 2016-08-19 | 2017-02-01 | 北京旷视科技有限公司 | 监控方法和装置 |
CN107066921A (zh) * | 2016-12-23 | 2017-08-18 | 深圳市大唐盛世智能科技有限公司 | 一种智能视频监控的行人检测方法和装置 |
CN107480246A (zh) * | 2017-08-10 | 2017-12-15 | 北京中航安通科技有限公司 | 一种关联人员的识别方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110717357A (zh) | 2020-01-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110717357B (zh) | 预警方法、装置、电子设备及存储介质 | |
EP3654285B1 (en) | Object tracking using object attributes | |
CN106203458B (zh) | 人群视频分析方法及*** | |
JP4924607B2 (ja) | 不審行動検知装置および方法、プログラムおよび記録媒体 | |
CN110717358B (zh) | 访客人数统计方法、装置、电子设备及存储介质 | |
WO2015166612A1 (ja) | 映像解析システム、映像解析方法および映像解析プログラム | |
CN108694399B (zh) | 车牌识别方法、装置及*** | |
WO2018180588A1 (ja) | 顔画像照合システムおよび顔画像検索システム | |
CN112507813A (zh) | 事件检测方法、装置、电子设备及存储介质 | |
US20130170696A1 (en) | Clustering-based object classification | |
CN110263633B (zh) | 基于时空关联的涉毒人员检测预警方法、***及存储介质 | |
CN111353338B (zh) | 一种基于营业厅视频监控的能效改进方法 | |
US11657650B2 (en) | Techniques for automatically identifying secondary objects in a stereo-optical counting system | |
Zin et al. | A Markov random walk model for loitering people detection | |
WO2018179202A1 (ja) | 情報処理装置、制御方法、及びプログラム | |
CN111814510A (zh) | 一种遗留物主体检测方法及装置 | |
Chang et al. | Localized detection of abandoned luggage | |
RU2315352C2 (ru) | Способ и система для автоматического обнаружения трехмерных образов | |
Chandran et al. | Identifying social groups in pedestrian crowd videos | |
US20200012866A1 (en) | System and method of video content filtering | |
US11537639B2 (en) | Re-identification of physical objects in an image background via creation and storage of temporary data objects that link an object to a background | |
US20200084416A1 (en) | Information processing apparatus, control method, and program | |
Tay et al. | Application of computer vision in the construction industry | |
KR101407394B1 (ko) | 방치물 및 도난물 탐지 시스템 | |
WO2012074352A1 (en) | System and method to detect loitering event in a region |
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 |