CN111144183B - 一种基于人脸凹凸度的风险检测方法、装置及*** - Google Patents
一种基于人脸凹凸度的风险检测方法、装置及*** Download PDFInfo
- Publication number
- CN111144183B CN111144183B CN201811312279.1A CN201811312279A CN111144183B CN 111144183 B CN111144183 B CN 111144183B CN 201811312279 A CN201811312279 A CN 201811312279A CN 111144183 B CN111144183 B CN 111144183B
- Authority
- CN
- China
- Prior art keywords
- face
- face concave
- convex degree
- video
- preset
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 45
- 238000012806 monitoring device Methods 0.000 claims abstract description 71
- 238000000034 method Methods 0.000 claims abstract description 19
- 238000012549 training Methods 0.000 claims description 28
- 238000012937 correction Methods 0.000 claims description 26
- 239000000284 extract Substances 0.000 claims description 14
- 238000012544 monitoring process Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims 2
- 238000004458 analytical method Methods 0.000 description 9
- 230000005540 biological transmission Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
- 238000012546 transfer Methods 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
- G06V40/16—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
- 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
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
-
- 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
-
- 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)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于人脸凹凸度的风险检测方法、装置及***,其中方法包括:摄像头对待检测环境进行视频采集,获得待分析视频,并将待分析视频发送至监控装置;监控装置识别出待分析视频中的人脸区域;将人脸区域划分为N个网格区域,提取每个网格区域的人脸凹凸度;将提取出的每个网格区域的人脸凹凸度与预设的人脸凹凸度匹配模型进行比较,计算得到每个网格区域人脸凹凸度匹配值;监控装置依次判断每个网格区域人脸凹凸度匹配值是否符合预设的阈值范围,得到N个匹配结果,从N个匹配结果中获取M个表征网格区域人脸凹凸度匹配值不符合预设的阈值范围的匹配结果,如果M与N的比值大于预设门限值,则生成检测结果,确定存在预设风险。
Description
技术领域
本发明涉及视频监控领域,尤其涉及一种基于人脸凹凸度的风险检测方法、装置及***。
背景技术
现有的自动柜员机(Automatic Teller Machine,简称ATM)一般设置在自助银行中,在ATM上***银行卡后,可以在ATM上进行提款、存款、转账等银行柜台服务。由于自助银行和自动柜员机的公开性、方便性和环境特殊性。近年来针对自助银行和自动柜员机的犯罪活动不断增加。
然而,传统的ATM视频监控***主要是将视频录制下来,事件发生以后,对录制的视频进行事后取证,从而能够排除纠纷以及破解案件,但是这样的机制只能提供事后取证的作用,不能做到实时或者提前预警。
发明内容
本发明旨在解决上述问题/之一。
本发明的主要目的在于提供一种基于人脸凹凸度的风险检测方法、装置及***。
为达到上述目的,本发明的技术方案具体是这样实现的:
本发明一方面提供了一种基于人脸凹凸度的风险检测方法,包括:摄像头对待检测环境进行视频采集,获得待分析视频,并将待分析视频发送至监控装置;监控装置接收待分析视频,识别出待分析视频中的人脸区域;监控装置将人脸区域划分为N个网格区域,提取每个网格区域的人脸凹凸度,其中N≥1且为自然数;监控装置将提取出的每个网格区域的人脸凹凸度与预设的人脸凹凸度匹配模型进行比较,计算得到每个网格区域人脸凹凸度匹配值;监控装置依次判断每个网格区域人脸凹凸度匹配值是否符合预设的阈值范围,得到N个匹配结果,从N个匹配结果中获取M个表征网格区域人脸凹凸度匹配值不符合预设的阈值范围的匹配结果,如果M与N的比值大于预设门限值,则生成检测结果,确定存在预设风险,其中M≤N且为自然数。
其中,监控装置提取每个网格区域的人脸凹凸度之后,将提取出的每个网格区域的人脸凹凸度与预设的人脸凹凸度匹配模型进行比较之前,方法还包括:监控装置对每个网格区域的人脸凹凸度进行畸变校正;将提取出的每个网格区域的人脸凹凸度与预设的人脸凹凸度匹配模型进行比较包括:将进行畸变校正后的得到的每个网格区域的人脸凹凸度与预设的人脸凹凸度匹配模型进行比较。
其中,方法还包括:监控装置预先接收摄像头采集得到的训练视频数据;监控装置从训练视频数据中分别提取训练要素,根据训练要素训练得到预设的人脸凹凸度匹配模型。
其中,方法还包括:监控装置在确定存在预设风险后,执行报警操作。
本发明另一方面提供了一种基于人脸凹凸度的风险检测***,包括:摄像头,用于对待检测环境进行视频采集,获得待分析视频,并将待分析视频发送至监控装置;监控装置,用于接收待分析视频,识别出待分析视频中的人脸区域;将人脸区域划分为N个网格区域,提取每个网格区域的人脸凹凸度,其中N≥1且为自然数;将提取出的每个网格区域的人脸凹凸度与预设的人脸凹凸度匹配模型进行比较,计算得到每个网格区域人脸凹凸度匹配值;依次判断每个网格区域人脸凹凸度匹配值是否符合预设的阈值范围,得到N个匹配结果,从N个匹配结果中获取M个表征网格区域人脸凹凸度匹配值不符合预设的阈值范围的匹配结果,如果M与N的比值大于预设门限值,则生成检测结果,确定存在预设风险,其中M≤N且为自然数。
其中,监控装置,还用于在提取每个网格区域的人脸凹凸度之后,将提取出的每个网格区域的人脸凹凸度与预设的人脸凹凸度匹配模型进行比较之前,对每个网格区域的人脸凹凸度进行畸变校正;监控装置,具体用于将进行畸变校正后的得到的每个网格区域的人脸凹凸度与预设的人脸凹凸度匹配模型进行比较。
其中,监控装置,还用于预先接收摄像头采集得到的训练视频数据;监控装置从训练视频数据中分别提取训练要素,根据训练要素训练得到预设的人脸凹凸度匹配模型。
其中,监控装置,还用于在确定存在预设风险后,执行报警操作。
本发明又一方面提供了一种基于人脸凹凸度的风险检测装置,包括:接收模块,用于接收待分析视频,识别出待分析视频中的人脸区域,其中待分析视频为摄像头对待检测环境进行视频采集,获得的待分析视频;提取模块,用于将人脸区域划分为N个网格区域,提取每个网格区域的人脸凹凸度,其中N≥1且为自然数;比较模块,用于将提取出的每个网格区域的人脸凹凸度与预设的人脸凹凸度匹配模型进行比较,计算得到每个网格区域人脸凹凸度匹配值;判断模块,用于依次判断每个网格区域人脸凹凸度匹配值是否符合预设的阈值范围,得到N个匹配结果,从N个匹配结果中获取M个表征网格区域人脸凹凸度匹配值不符合预设的阈值范围的匹配结果,如果M与N的比值大于预设门限值,则生成检测结果,确定存在预设风险,其中M≤N且为自然数。
其中,装置还包括:校正模块;校正模块,用于在提取模块提取每个网格区域的人脸凹凸度之后,在比较模块将提取出的每个网格区域的人脸凹凸度与预设的人脸凹凸度匹配模型进行比较之前,对每个网格区域的人脸凹凸度进行畸变校正;比较模块,还用于将进行畸变校正后的得到的每个网格区域的人脸凹凸度与预设的人脸凹凸度匹配模型进行比较。
由此可见,通过本发明实施例提供的基于人脸凹凸度的风险检测方法、装置及***,对摄像头传输的视频数据进行人脸识别,并将人脸划分为多个网格区域,对每个网格区域的人脸凹凸度与预设的人脸凹凸度匹配模型进行匹配,对每个网格区域的人脸凹凸度匹配值进一步判断是否符合预设的阈值范围,在不符合预设阈值范围的情况下可以确定该网格区域的人脸不是正常的人脸,进一步确定不是正常的人脸的网格区域的数量是否足够多,如果足够多则判断为风险人脸,确定存在预设风险,由此可以对人员进行识别,能够实时发现预设风险(例如违法犯罪意图)。
附图说明
为了更清楚地说明本发明实施例的技术方案,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附图。
图1为本发明实施例提供的基于人脸凹凸度的风险检测方法的流程图;
图2为本发明实施例提供的基于人脸凹凸度的风险检测***的结构示意图;
图3为本发明实施例提供的基于人脸凹凸度的风险检测装置的结构示意图。
具体实施方式
下面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,都属于本发明的保护范围。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或数量或位置。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
下面将结合附图对本发明实施例作进一步地详细描述。
图1示出了本发明实施例提供的基于人脸凹凸度的风险检测方法的流程图,参见图1,本发明实施例提供的基于人脸凹凸度的风险检测方法,包括:
S101,摄像头对待检测环境进行视频采集,获得待分析视频,并将待分析视频发送至监控装置。
具体地,摄像头可以为设置在待检测环境中的任意位置的摄像头,例如在待检测环境为自助银行时,摄像头可以为设置在ATM机上的摄像头,摄像头也可以为设置在自助银行中除ATM机外的环境中的环境摄像头。当然,在本发明实际应用中,还可以设置不止一个摄像头,采用多个摄像头联合进行判断,这在本发明中并不做出限制。
摄像头采集得到的待分析视频可以实时发送至监控装置,或者按照预设周期将采集得到的视频数据定时发送至监控装置。
S102,监控装置接收待分析视频,识别出待分析视频中的人脸区域。
具体地,监控装置可以设置在摄像头附近,也可以设置在后台。例如在自助银行环境中,可以设置在ATM机内,也可以设置在银行监控后台中,这在本发明中并不做出具体限制。在监控装置接收待分析视频后,可以采用人脸识别技术从待分析视频中识别出一个用户,并识别出该用户的人脸区域。
S103,监控装置将人脸区域划分为N个网格区域,提取每个网格区域的人脸凹凸度,其中N≥1且为自然数。
具体地,由于正常的人脸是有凹凸度的,当一个点发出的光线投射到脸上时,可以监测到人脸各处的凹凸度不同。假设将人脸分为N个网格区域,则光线投射到每个网格区域的凹凸度均不同,且符合一定规律。
当一个摄像头抓取到人脸信息后,将每个网格中的凹凸度提取出来,作为本发明实施例的一个可选实施方式,监控装置提取每个网格区域的人脸凹凸度之后,将提取出的每个网格区域的人脸凹凸度与预设的人脸凹凸度匹配模型进行比较之前,本发明实施例提供的基于人脸凹凸度的风险检测方法还包括:监控装置对每个网格区域的人脸凹凸度进行畸变校正。进行畸变矫正后发送给监控装置进行分析,提高监控装置分析的精准性。
S104,监控装置将提取出的每个网格区域的人脸凹凸度与预设的人脸凹凸度匹配模型进行比较,计算得到每个网格区域人脸凹凸度匹配值。
作为本发明实施例的一个可选实施方式,当监控装置对每个网格区域的人脸凹凸度进行畸变校正后,则本步骤中将提取出的每个网格区域的人脸凹凸度与预设的人脸凹凸度匹配模型进行比较包括:将进行畸变校正后的得到的每个网格区域的人脸凹凸度与预设的人脸凹凸度匹配模型进行比较。
利用每个网格区域的人脸凹凸度与预设的人脸凹凸度匹配模型进行比较,可以确定该人脸凹凸度是否符合正常人脸的凹凸度,以便后续分析。
作为本发明实施例的一个可选实施方式,本发明实施例提供的基于人脸凹凸度的风险检测方法还包括:监控装置预先接收摄像头采集得到的训练视频数据;监控装置从训练视频数据中分别提取训练要素,根据训练要素训练得到预设的人脸凹凸度匹配模型。通过对摄像头拍摄的人脸进行人脸识别,并对人脸凹凸度进行分析,生成人脸凹凸度匹配模型,根据正常用户的人脸凹凸度匹配模型设定合理预设的阈值范围来进行判断,提高了判断的智能性和精准性。
S105,监控装置依次判断每个网格区域人脸凹凸度匹配值是否符合预设的阈值范围,得到N个匹配结果,从N个匹配结果中获取M个表征网格区域人脸凹凸度匹配值不符合预设的阈值范围的匹配结果,如果M与N的比值大于预设门限值,则生成检测结果,确定存在预设风险,其中M≤N且为自然数。
具体地,监控装置依次判断每个网格区域人脸凹凸度匹配值是否符合预设的阈值范围即表示匹配值是否大于等于第一预设值且小于等于第二预设值,其中,第二预设值大于第一预设值,在匹配值小于第一预设值,或者大于第二预设值均属于网格区域人脸凹凸度匹配值不符合预设的阈值范围的情况,在网格区域人脸凹凸度匹配值不符合预设的阈值范围的情况下,表征人脸可能存在风险,不是正常的人脸,例如为一个面具或者照片中的人脸等,进一步,当网格区域大于等于2个时,还可以利用投票机制确定预设风险,例如其中某些网格区域人脸凹凸度匹配值不符合预设的阈值范围,另外一些网格区域人脸凹凸度匹配值符合预设的阈值范围,此时可以进一步判断不符合预设阈值的数量与网格总数的比值是否满足投票机制设定的门限值,例如50%以上及判定为存在风险。基于此种方式,可以识别出预设风险。
由此可见,通过本发明实施例提供的基于人脸凹凸度的风险检测方法,对摄像头传输的视频数据进行人脸识别,并将人脸划分为多个网格区域,对每个网格区域的人脸凹凸度与预设的人脸凹凸度匹配模型进行匹配,对每个网格区域的人脸凹凸度匹配值进一步判断是否符合预设的阈值范围,在不符合预设阈值范围的情况下可以确定该网格区域的人脸不是正常的人脸,进一步确定不是正常的人脸的网格区域的数量是否足够多,如果足够多则判断为风险人脸,确定存在预设风险,由此可以对人员进行识别,能够实时发现预设风险(例如违法犯罪意图)。
作为本发明实施例的一个可选实施方式,本发明实施例提供的基于人脸凹凸度的风险检测方法还包括:监控装置在确定存在预设风险后,执行报警操作。该报警操作可以是待检测环境中的报警装置进行报警,例如通过发声发光报警,或者是在后台监控人员的监控室内的报警装置,例如通过显示在监控显示屏上报警或者发声报警,或者发送短信至监控人员或者警务人员等方式进行报警。通过当发生风险时进行报警来进一步提高自助银行和ATM的风险处理的效率。
作为本发明的一个可选实施方式,摄像头采集到的待分析视频通过设置于摄像头内的安全芯片进行加密,摄像头将加密后的待分析视频发送至监控装置,监控装置接收到加密后的待分析视频后,对加密后的待分析视频进行解密,得到待分析视频。通过对视频数据进行加密传输,提高视频数据传输的安全性,防止视频数据被破解后篡改。
摄像头采集到的待分析视频通过设置于摄像头内的安全芯片进行签名得到第一签名数据,摄像头将待分析视频以及第一签名数据发送至监控装置,监控装置接收到待分析视频和第一签名数据后,对第一签名数据进行验签,并在验签通过后使用待分析视频进行后续分析。通过对视频数据进行签名,可以保证视频数据来源的真实性,防止视频数据被篡改。
图2示出了本发明实施例提供的基于人脸凹凸度的风险检测***的结构示意图,本发明实施例提供的基于人脸凹凸度的风险检测***应用上述方法,以下仅对本发明实施例提供的基于人脸凹凸度的风险检测***的结构进行简要说明,其他未尽事宜,参考上述基于人脸凹凸度的风险检测方法的相关描述,参见图2,本发明实施例提供的基于人脸凹凸度的风险检测***,包括:
摄像头201,用于对待检测环境进行视频采集,获得待分析视频,并将待分析视频发送至监控装置;
监控装置202,用于接收待分析视频,识别出待分析视频中的人脸区域;将人脸区域划分为N个网格区域,提取每个网格区域的人脸凹凸度,其中N≥1且为自然数;将提取出的每个网格区域的人脸凹凸度与预设的人脸凹凸度匹配模型进行比较,计算得到每个网格区域人脸凹凸度匹配值;依次判断每个网格区域人脸凹凸度匹配值是否符合预设的阈值范围,得到N个匹配结果,从N个匹配结果中获取M个表征网格区域人脸凹凸度匹配值不符合预设的阈值范围的匹配结果,如果M与N的比值大于预设门限值,则生成检测结果,确定存在预设风险,其中M≤N且为自然数。
由此可见,通过本发明实施例提供的基于人脸凹凸度的风险检测***,对摄像头传输的视频数据进行人脸识别,并将人脸划分为多个网格区域,对每个网格区域的人脸凹凸度与预设的人脸凹凸度匹配模型进行匹配,对每个网格区域的人脸凹凸度匹配值进一步判断是否符合预设的阈值范围,在不符合预设阈值范围的情况下可以确定该网格区域的人脸不是正常的人脸,进一步确定不是正常的人脸的网格区域的数量是否足够多,如果足够多则判断为风险人脸,确定存在预设风险,由此可以对人员进行识别,能够实时发现预设风险(例如违法犯罪意图)。
作为本发明实施例的一个可选实施方式,监控装置202,还用于在提取每个网格区域的人脸凹凸度之后,将提取出的每个网格区域的人脸凹凸度与预设的人脸凹凸度匹配模型进行比较之前,对每个网格区域的人脸凹凸度进行畸变校正;监控装置202,具体用于将进行畸变校正后的得到的每个网格区域的人脸凹凸度与预设的人脸凹凸度匹配模型进行比较。进行畸变矫正后进行分析,从而提高监控装置分析的精准性。
作为本发明实施例的一个可选实施方式,监控装置202,还用于预先接收摄像头采集得到的训练视频数据;监控装置从训练视频数据中分别提取训练要素,根据训练要素训练得到预设的人脸凹凸度匹配模型。通过对摄像头拍摄的人脸进行人脸识别,并对人脸凹凸度进行分析,生成人脸凹凸度匹配模型,根据正常用户的人脸凹凸度匹配模型设定合理预设的阈值范围来进行判断,提高了判断的智能性和精准性。
作为本发明实施例的一个可选实施方式,监控装置202,还用于在确定存在预设风险后,执行报警操作。该报警操作可以是待检测环境中的报警装置进行报警,例如通过发声发光报警,或者是在后台监控人员的监控室内的报警装置,例如通过显示在监控显示屏上报警或者发声报警,或者发送短信至监控人员或者警务人员等方式进行报警。通过当发生风险时进行报警来进一步提高自助银行和ATM的风险处理的效率。
作为本发明的一个可选实施方式,摄像头201采集到的待分析视频通过设置于摄像头内的安全芯片进行加密,摄像头201将加密后的待分析视频发送至监控装置202,监控装置202接收到加密后的待分析视频后,对加密后的待分析视频进行解密,得到待分析视频。通过对视频数据进行加密传输,提高视频数据传输的安全性,防止视频数据被破解后篡改。
摄像头201采集到的待分析视频通过设置于摄像头内的安全芯片进行签名得到第一签名数据,摄像头201将待分析视频以及第一签名数据发送至监控装置202,监控装置202接收到待分析视频和第一签名数据后,对第一签名数据进行验签,并在验签通过后使用待分析视频进行后续分析。通过对视频数据进行签名,可以保证视频数据来源的真实性,防止视频数据被篡改。
在图2的基础上,图3示出了本发明实施例提供的基于人脸凹凸度的风险检测装置的结构示意图,该基于人脸凹凸度的风险检测装置为图2中所示***中的监控装置,本发明实施例提供的基于人脸凹凸度的风险检测装置应用上述***和方法,以下仅对本发明实施例提供的基于人脸凹凸度的风险检测装置的结构进行简要说明,其他未尽事宜,参考上述基于人脸凹凸度的风险检测***和方法的相关描述,参见图3,本发明实施例提供的基于人脸凹凸度的风险检测装置,包括:
接收模块2031,用于接收待分析视频,识别出待分析视频中的人脸区域,其中待分析视频为摄像头对待检测环境进行视频采集,获得的待分析视频;
提取模块2032,用于将人脸区域划分为N个网格区域,提取每个网格区域的人脸凹凸度,其中N≥1且为自然数;
比较模块2033,用于将提取出的每个网格区域的人脸凹凸度与预设的人脸凹凸度匹配模型进行比较,计算得到每个网格区域人脸凹凸度匹配值;
判断模块2034,用于依次判断每个网格区域人脸凹凸度匹配值是否符合预设的阈值范围,得到N个匹配结果,从N个匹配结果中获取M个表征网格区域人脸凹凸度匹配值不符合预设的阈值范围的匹配结果,如果M与N的比值大于预设门限值,则生成检测结果,确定存在预设风险,其中M≤N且为自然数。
由此可见,通过本发明实施例提供的基于人脸凹凸度的风险检测装置,对摄像头传输的视频数据进行人脸识别,并将人脸划分为多个网格区域,对每个网格区域的人脸凹凸度与预设的人脸凹凸度匹配模型进行匹配,对每个网格区域的人脸凹凸度匹配值进一步判断是否符合预设的阈值范围,在不符合预设阈值范围的情况下可以确定该网格区域的人脸不是正常的人脸,进一步确定不是正常的人脸的网格区域的数量是否足够多,如果足够多则判断为风险人脸,确定存在预设风险,由此可以对人员进行识别,能够实时发现预设风险(例如违法犯罪意图)。
作为本发明实施例的一个可选实施方式,基于人脸凹凸度的风险检测装置还包括:校正模块2035;校正模块2035,用于在提取模块提取每个网格区域的人脸凹凸度之后,在比较模块将提取出的每个网格区域的人脸凹凸度与预设的人脸凹凸度匹配模型进行比较之前,对每个网格区域的人脸凹凸度进行畸变校正;比较模块2033,还用于将进行畸变校正后的得到的每个网格区域的人脸凹凸度与预设的人脸凹凸度匹配模型进行比较。进行畸变矫正后进行分析,从而提高分析的精准性。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。本发明的范围由所附权利要求及其等同限定。
Claims (10)
1.一种基于人脸凹凸度的风险检测方法,其特征在于,包括:
摄像头对待检测环境进行视频采集,获得待分析视频,通过设置于摄像头内的安全芯片对所述待分析视频进行签名得到第一签名数据,并将所述待分析视频以及所述第一签名数据发送至监控装置;
所述监控装置接收所述待分析视频以及所述第一签名数据,对所述第一签名数据进行验签,并在验签通过后识别出所述待分析视频中的人脸区域;
所述监控装置将所述人脸区域划分为N个网格区域,提取每个所述网格区域的人脸凹凸度,其中N≥1且为自然数;
所述监控装置将提取出的每个所述网格区域的人脸凹凸度与预设的人脸凹凸度匹配模型进行比较,计算得到每个所述网格区域人脸凹凸度匹配值;
所述监控装置依次判断每个所述网格区域人脸凹凸度匹配值是否符合预设的阈值范围,得到N个匹配结果,从所述N个匹配结果中获取M个表征所述网格区域人脸凹凸度匹配值不符合预设的阈值范围的匹配结果,如果M与N的比值大于预设门限值,则生成检测结果,确定存在预设风险,其中M≤N且为自然数。
2.根据权利要求1所述的方法,其特征在于,所述监控装置提取每个所述网格区域的人脸凹凸度之后,将提取出的每个所述网格区域的人脸凹凸度与预设的人脸凹凸度匹配模型进行比较之前,还包括:
所述监控装置对所述每个网格区域的人脸凹凸度进行畸变校正;
所述将提取出的每个所述网格区域的人脸凹凸度与预设的人脸凹凸度匹配模型进行比较包括:
将进行畸变校正后的得到的每个所述网格区域的人脸凹凸度与预设的人脸凹凸度匹配模型进行比较。
3.根据权利要求1或2所述的方法,其特征在于,还包括:
所述监控装置预先接收所述摄像头采集得到的训练视频数据;
所述监控装置从所述训练视频数据中分别提取训练要素,根据所述训练要素训练得到所述预设的人脸凹凸度匹配模型。
4.根据权利要求1或2所述的方法,其特征在于,还包括:
所述监控装置在确定存在预设风险后,执行报警操作。
5.一种基于人脸凹凸度的风险检测***,其特征在于,包括:
摄像头,用于对待检测环境进行视频采集,获得待分析视频,通过设置于摄像头内的安全芯片对所述待分析视频进行签名得到第一签名数据,并将所述待分析视频以及所述第一签名数据发送至监控装置;
所述监控装置,用于接收所述待分析视频以及所述第一签名数据,对所述第一签名数据进行验签,并在验签通过后识别出所述待分析视频中的人脸区域;将所述人脸区域划分为N个网格区域,提取每个所述网格区域的人脸凹凸度,其中N≥1且为自然数;将提取出的每个所述网格区域的人脸凹凸度与预设的人脸凹凸度匹配模型进行比较,计算得到每个所述网格区域人脸凹凸度匹配值;依次判断每个所述网格区域人脸凹凸度匹配值是否符合预设的阈值范围,得到N个匹配结果,从所述N个匹配结果中获取M个表征所述网格区域人脸凹凸度匹配值不符合预设的阈值范围的匹配结果,如果M与N的比值大于预设门限值,则生成检测结果,确定存在预设风险,其中M≤N且为自然数。
6.根据权利要求5所述的***,其特征在于,所述监控装置,还用于在提取每个所述网格区域的人脸凹凸度之后,将提取出的每个所述网格区域的人脸凹凸度与预设的人脸凹凸度匹配模型进行比较之前,对所述每个网格区域的人脸凹凸度进行畸变校正;
所述监控装置,具体用于将进行畸变校正后的得到的每个所述网格区域的人脸凹凸度与预设的人脸凹凸度匹配模型进行比较。
7.根据权利要求4或5所述的***,其特征在于,所述监控装置,还用于预先接收所述摄像头采集得到的训练视频数据;所述监控装置从所述训练视频数据中分别提取训练要素,根据所述训练要素训练得到所述预设的人脸凹凸度匹配模型。
8.根据权利要求4或5所述的***,其特征在于,所述监控装置,还用于在确定存在预设风险后,执行报警操作。
9.一种基于人脸凹凸度的风险检测装置,其特征在于,包括:
接收模块,用于接收所述待分析视频以及第一签名数据,对所述第一签名数据进行验签,并在验签通过后,识别出所述待分析视频中的人脸区域,其中所述待分析视频为摄像头对待检测环境进行视频采集,获得的待分析视频;所述第一签名数据是通过设置于所述摄像头内的安全芯片对所述待分析视频进行签名得到的;
提取模块,用于将所述人脸区域划分为N个网格区域,提取每个所述网格区域的人脸凹凸度,其中N≥1且为自然数;
比较模块,用于将提取出的每个所述网格区域的人脸凹凸度与预设的人脸凹凸度匹配模型进行比较,计算得到每个所述网格区域人脸凹凸度匹配值;
判断模块,用于依次判断每个所述网格区域人脸凹凸度匹配值是否符合预设的阈值范围,得到N个匹配结果,从所述N个匹配结果中获取M个表征所述网格区域人脸凹凸度匹配值不符合预设的阈值范围的匹配结果,如果M与N的比值大于预设门限值,则生成检测结果,确定存在预设风险,其中M≤N且为自然数。
10.根据权利要求9所述的装置,其特征在于,还包括:校正模块;
所述校正模块,用于在所述提取模块提取每个所述网格区域的人脸凹凸度之后,在所述比较模块将提取出的每个所述网格区域的人脸凹凸度与预设的人脸凹凸度匹配模型进行比较之前,对所述每个网格区域的人脸凹凸度进行畸变校正;
所述比较模块,还用于将进行畸变校正后的得到的每个所述网格区域的人脸凹凸度与预设的人脸凹凸度匹配模型进行比较。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811312279.1A CN111144183B (zh) | 2018-11-06 | 2018-11-06 | 一种基于人脸凹凸度的风险检测方法、装置及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811312279.1A CN111144183B (zh) | 2018-11-06 | 2018-11-06 | 一种基于人脸凹凸度的风险检测方法、装置及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111144183A CN111144183A (zh) | 2020-05-12 |
CN111144183B true CN111144183B (zh) | 2024-05-28 |
Family
ID=70516075
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811312279.1A Active CN111144183B (zh) | 2018-11-06 | 2018-11-06 | 一种基于人脸凹凸度的风险检测方法、装置及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111144183B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108073577A (zh) * | 2016-11-08 | 2018-05-25 | 中国电信股份有限公司 | 一种基于人脸识别的报警方法和*** |
CN108416291A (zh) * | 2018-03-06 | 2018-08-17 | 广州逗号智能零售有限公司 | 人脸检测识别方法、装置和*** |
CN108509857A (zh) * | 2018-03-06 | 2018-09-07 | 达闼科技(北京)有限公司 | 人脸活体检测方法、电子设备和计算机程序产品 |
-
2018
- 2018-11-06 CN CN201811312279.1A patent/CN111144183B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108073577A (zh) * | 2016-11-08 | 2018-05-25 | 中国电信股份有限公司 | 一种基于人脸识别的报警方法和*** |
CN108416291A (zh) * | 2018-03-06 | 2018-08-17 | 广州逗号智能零售有限公司 | 人脸检测识别方法、装置和*** |
CN108509857A (zh) * | 2018-03-06 | 2018-09-07 | 达闼科技(北京)有限公司 | 人脸活体检测方法、电子设备和计算机程序产品 |
Also Published As
Publication number | Publication date |
---|---|
CN111144183A (zh) | 2020-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI776796B (zh) | 金融終端安全防護系統以及金融終端安全防護方法 | |
CN103714631B (zh) | 基于人脸识别的atm取款机智能监控*** | |
RU2680747C1 (ru) | Устройство наблюдения за терминалом, банкомат, способ принятия решения и программа | |
CN102004904B (zh) | 一种基于自动柜员机的安全监控装置、方法及自动柜员机 | |
CN101556717A (zh) | 一种atm智能安保***及监测方法 | |
CN109961587A (zh) | 一种自助银行监控*** | |
CN103810635A (zh) | 贷款业务处理流程核查实现方法及装置 | |
CN112464030B (zh) | 一种可疑人员确定方法及装置 | |
CN111640263B (zh) | 信息交互方法和装置、自动柜员机、及介质 | |
CN112788269A (zh) | 视频处理方法、装置、服务器及存储介质 | |
CN112016509B (zh) | 人员站位异常提醒方法及装置 | |
CN111144181A (zh) | 一种基于背景协同的风险检测方法、装置及*** | |
CN111144183B (zh) | 一种基于人脸凹凸度的风险检测方法、装置及*** | |
CN202472805U (zh) | 一种atm安全防控装置 | |
TW201942849A (zh) | 交易行為偵測系統及其方法 | |
CN107368728A (zh) | 可视化报警管理***及方法 | |
CN111144182B (zh) | 一种视频中人脸风险检测方法及*** | |
CN109460714B (zh) | 识别对象的方法、***和装置 | |
CN203883934U (zh) | 一种智能自助银行视频监控*** | |
CN111144180B (zh) | 一种监控视频的风险检测方法及*** | |
CN111145455A (zh) | 一种监控视频中人脸风险检测方法及*** | |
TWI730374B (zh) | 自動櫃員機預警系統 | |
CN111147807A (zh) | 一种基于信息同步的风险检测方法、装置及*** | |
CN111147806A (zh) | 一种视频内容风险检测方法、装置及*** | |
CN113537034A (zh) | 收银防损方法及*** |
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 |