CN111462374A - 包括占用估计的访问控制*** - Google Patents
包括占用估计的访问控制*** Download PDFInfo
- Publication number
- CN111462374A CN111462374A CN202010054140.2A CN202010054140A CN111462374A CN 111462374 A CN111462374 A CN 111462374A CN 202010054140 A CN202010054140 A CN 202010054140A CN 111462374 A CN111462374 A CN 111462374A
- Authority
- CN
- China
- Prior art keywords
- access
- control system
- depth
- access control
- reader
- 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
- 238000004891 communication Methods 0.000 claims abstract description 26
- 230000004044 response Effects 0.000 claims abstract description 11
- 238000013475 authorization Methods 0.000 claims abstract description 10
- 238000007726 management method Methods 0.000 claims description 35
- 238000000034 method Methods 0.000 claims description 21
- 230000001960 triggered effect Effects 0.000 claims description 2
- 238000002604 ultrasonography Methods 0.000 claims 1
- 210000003128 head Anatomy 0.000 description 28
- 238000003860 storage Methods 0.000 description 18
- 238000001514 detection method Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 13
- 230000004888 barrier function Effects 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 7
- 238000012795 verification Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000001413 cellular effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- PICXIOQBANWBIZ-UHFFFAOYSA-N zinc;1-oxidopyridine-2-thione Chemical class [Zn+2].[O-]N1C=CC=CC1=S.[O-]N1C=CC=CC1=S PICXIOQBANWBIZ-UHFFFAOYSA-N 0.000 description 3
- 238000001914 filtration Methods 0.000 description 2
- RGNPBRKPHBKNKX-UHFFFAOYSA-N hexaflumuron Chemical compound C1=C(Cl)C(OC(F)(F)C(F)F)=C(Cl)C=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F RGNPBRKPHBKNKX-UHFFFAOYSA-N 0.000 description 2
- 230000002401 inhibitory effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 210000001525 retina Anatomy 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
- G07C9/10—Movable barriers with registering means
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
- G07C9/20—Individual registration on entry or exit involving the use of a pass
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Time Recorders, Dirve Recorders, Access Control (AREA)
- Alarm Systems (AREA)
Abstract
提供了包括占用估计的访问控制***。访问控制***包括入口门槛、权限访问管理模块、深度传感器和占用估计模块。权限访问管理模块可以被配置成响应于来自读取器的授权输入,输出对穿过门槛的访问授予,并且生成在预定时间段期间被允许准入跨过门槛的个体的批准数量。深度传感器可以位于门槛上方,并且被配置成生成和输出三维深度数据。占用估计模块可以与权限访问管理模块通信,并且被配置成输出在预定时间段期间越过门槛的个体计数,这基于深度数据的半椭球形模型。访问控制***可以响应于在允许准入的批准数量与越过门槛的个体计数之间的差异,来禁止访问授予。
Description
技术领域
本发明涉及一种用于将占用估计与权限授权进行关联的访问控制的***和方法。
背景技术
访问控制是指在一区域中实施以确保仅经授权的人才可以访问该区域的物理安全性。它在许多环境中非常重要,所述环境例如商业办公室、制造设施、建筑工地、公共汽车站、火车站、机场、学术建筑、医院、体育场、剧院和会议中心。
存在用于实施访问控制的若干技术。在一些场所中,通过保持人员(例如警卫或保镖)来实施访问控制。在一些场所中,使用机械锁和钥匙(仅仅有钥匙的人才可以打开锁)。在其他场所中,使用电子解决方案,例如,使用读取器和徽章(如果徽章具有充足的权限,则将徽章刷入读取器中来打开门)、基于密码的控制器(将正确的密码录入控制器中打开门)。
发明内容
一种访问控制***包括入口门槛(threshold)、权限访问管理模块、深度传感器和占用估计模块。权限访问管理模块可以被配置成响应于来自读取器的授权输入,输出对穿过门槛的访问授予,并且生成在预定时间段期间被允许准入跨过门槛的个体的批准数量。深度传感器可以位于门槛上方,并且被配置成生成和输出三维深度数据。占用估计模块可以与权限访问管理模块通信,并且被配置成输出在预定时间段期间越过门槛的个体计数,这基于深度数据的半椭球形模型。访问控制***可以响应于在允许准入的批准数量与越过门槛的个体计数之间的差异,来禁止访问授予。
一种访问管理方法包括:从权限访问管理模块接收通过入口的访问授予;基于预定时间段期间的访问授予来生成被允许通过入口的个体的批准数量,然后解析来自位于入口上方的深度剖析器(profiler)的数据,所述数据指示深度剖析器下方的对象。然后,所述方法包括生成在预定时间段期间越过入口的、经由半椭球形模型从数据中标识的个体的计数,以及响应于所述数量与所述计数之间的差异,来禁止通过入口的准入。
一种有形地体现用于软件程序的计算机可读指令的非暂时性计算机可读介质,所述软件程序由计算设备的处理器可执行以提供操作,所述操作包括:从权限访问管理模块接收通过入口的访问授予;基于访问授予生成被允许通过入口的个体的批准数量;以及解析来自位于入口上方的深度剖析器的数据,所述数据指示深度剖析器下方的对象。所述操作进一步包括基于经由半椭球形模型从数据中标识的个体来生成计数,并且响应于所述数量与所述计数之间的差异,来禁止通过入口的准入。
附图说明
图1是访问控制***的框图的图示。
图2是包括占用估计和权限访问管理的入口通道访问控制***的图示。
图3是包括占用估计和权限访问管理的旋转栅门(turnstile)访问控制***的图示。
图4是访问控制***的占用估计的流程图。
图5图示了访问控制***的框图。
图6是基于经由占用估计***捕获的数据的半椭球形模型的图示。
图7是基于经由占用估计***捕获的图像来跟踪进入位置的人和离开位置的另一人的图示。
图8是通过利用占用计数来实施访问控制的图示。
具体实施方式
根据需要,本文中公开了本发明的详细实施例;然而,将理解到,所公开的实施例仅仅是本发明的范例,所述范例可以以各种和替代形式来体现。各图不一定是按比例的;一些特征可以被放大或最小化以示出特定部件的细节。因此,本文中公开的具体结构和功能细节将不被解释为限制性的,而仅仅是作为用于教导本领域技术人员以各种方式采用本发明的代表性基础。
术语“基本上”在本文中可以用来描述公开的或要求保护的实施例。术语“基本上”可以修改在本公开中公开或要求保护的值或相对特性。在这样的实例中,“基本上”可以表示它修改的值或相对特性在值或相对特性的0%、0.1%、0.5%、1%、2%、3%、4%、5%或10%之内。
如前所述,存在用于实施访问控制的若干技术,通过如下各项来实施:人员,例如警卫或保镖;机械锁和钥匙的使用;以及电子解决方案,例如使用徽章读取器和徽章(如果徽章具有充足的权限,则将徽章刷入读取器中打开门);以及基于密码的控制器(将正确的密码录入控制器中打开门)。
在所有先前提到的访问控制技术中,具有正确权限级别的个体可能通过允许其他人进入而滥用所述***。例如,通过使用读取器和徽章,第一个体A可以打开一位置的门——因为他在访问徽章中具有充足的访问权限,并且让两个附加的个体(B和C)去到内部,即使B和C可能不具有充分的访问权。
这里访问控制***组合了占用计数***来验证访问权限控制。在一个实施例中,深度传感器位于门口(doorway)上方,如图2中所示。深度传感器用于对去到一位置内部以及外部的人的数量进行准确计数,如图7中所示。深度传感器可以是使用红外(IR)光或环境光的简单接近传感器。例如,传感器可以具有在一方向上发出光线的光源,并且传感器阵列检测从光源反射离开对象的光。光可以具有特定的频率(例如850 nm),并且可以是相干的,从而允许飞行时间(time of flight)的测量。传感器可以包括单个阵列(单相机)或两个阵列(立体相机)。深度传感器可以由接近传感器、运动检测器、超声传感器、红-绿-蓝(RGB)相机或其他运动检测构件来激活(例如,触发或开启)。
当传感器检测到在单次刷徽章之后或者在获得单次入口通行之后,两个或更多个人(使用人计数解决方案)正进入时,所述***可以(i)输出警报(例如,给控制台的信号、给徽章监护者的消息、红色停止灯或者警告灯),(ii)发出听觉警告(例如,铃声或者钟声),(iii)禁止对该位置的访问(例如,将该位置的门锁上,或者禁用徽章的未来权限),或者(iii)控告在那时刷了其徽章的人。
然后,访问管理***可以记录与不符(discrepancy)相关联的信息,可以使所述信息对该位置的设施管理者可用。设施管理者可以撤销在允许未经授权的访问中所涉及的人的权限。
图1是访问控制***100的框图的图示。访问控制***100包括占用估计***、访问验证***和访问管理模块,所述访问管理模块经由通过网络104的通信链路108被通信地耦合到服务器102。服务器102可以是应用服务器、证书服务器、移动信息服务器、电子商务服务器、FTP服务器、目录服务器、CMS服务器、打印机服务器、管理服务器、邮件服务器、公共/私有访问服务器、实时通信服务器、数据库服务器、代理服务器、流媒体服务器等。网络104可以包括访问控制***100之内的一个或多个子网络和服务器102。网络104可以是例如局域网(LAN)、城域网(MAN)、广域网(WAN)、具有私有子网络的主公共网络、具有公共子网络的主私有网络或具有私有子网络的主私有网络。在其他实施例中,网络104可以是任何(一种或多种)网络类型,诸如点对点网络、广播网络、电信网络、数据通信网络、计算机网络、ATM(异步传送模式)网络、SONET(同步光学网络)网络、SDH(同步数字体系)网络、无线网络、有线网络等。可以取决于应用使用其他网络,使得客户机与服务器之间交换的数据可以通过网络传输。网络104的网络拓扑在不同的实施例之内可以不同,所述不同的实施例可以包括总线网络拓扑、星形网络拓扑、环形网络拓扑、基于中继器的网络拓扑或分层星形网络拓扑。在附加的实施例中,网络104可以包括使用协议在移动设备间通信的移动电话网络的网络,其中所述协议可以是例如 AMPS、TDMA、CDMA、GSM、GPRS、UMTS、LTE或能够在移动设备间传输数据的任何其他协议。尽管图示了仅一个访问控制***100,但是在其他实施例中,多于一个的访问控制***100可以在相同的地点和相同的入口通道处被安装并且进行操作。如果存在多于一个的地点,则至少一个访问控制***100可以被安装在每个地点中。多个访问控制***100可以被安装并且连接到位于访问控制***与服务器102之间的、被定义为主网络的一个或多个子网络。所述地点可以是房间、场所、无论开放还是封闭的空间、任何普遍场所(commonplace)、任何私有访问场所或位置等。如下面进一步详细描述的,访问控制***100被配置成实时融合人计数信息与地点中被允许访问授予的数量。
通信链路108可以是有线的(108a,108b)、无线的108c或其组合108d。可以在办公室、企业范围的计算机网络、内联网、互联网、公共计算机网络或其组合中的普遍场所中使用网络***104。无线通信链路可以包括蜂窝协议、数据分组协议、射频协议、卫星频带、红外信道或能够在客户机间传输数据的任何其他协议。有线通信链路可以包括任何有线线路链路。至少一个机器106经由网络104和服务器102中的至少一个被通信地耦合到访问控制***100。机器106可以是蜂窝或智能电话106a、膝上型计算机106b、平板计算机106c、个人计算机或台式计算机106d、个人数字助理(PDA)、可穿戴设备、游戏控制台、音频设备、视频设备、娱乐设备(诸如电视、车辆信息娱乐***)等。
图2是包括占用估计模块204和权限访问管理模块202的入口通道访问控制***200的图示。访问控制***一般包括位于入口通道208中以将受限位置与非受限位置分离的屏障206。在该示例性实施例中,基于深度感测的占用估计和跟踪***204被安装在入口通道208的门槛上方。占用估计模块204可以类似于由研究者S. Munir等人提出和开发的模型(“Real-Time Fine Grained Occupancy Estimation Using Depth Sensors on ARMEmbedded Platforms”,2017 IEEE实时和嵌入式技术与应用研讨会(RTAS),宾夕法尼亚州匹兹堡,2017年,第295-306页 ),其通过引用并入本文中。
受限位置可以是办公室、房间、休息室、会议中心、机场、火车站、火车、公共汽车、自主车辆、礼堂、剧院、任何私有访问场所或位置等。另外,在该实施例中,访问验证器202可以被安装在门的一侧处。访问验证器202也可以被称为权限访问***,并且包括访问徽章读取器、磁卡读取器、票证读取器、小键盘、指纹读取器、近场通信读取器、蓝牙读取器、麦克风或其他进入许可***。权限访问管理模块202可以通过如下方式接收授权请求:诸如经由徽章读取器刷徽章、将手指按压到指纹读取器上、将票证***票证读取器中或者向光学扫描器显示条形码或QR码。在接收到授权输入请求后,权限访问管理模块202可以搜索数据库以证实授权并且输出:访问授予、被允许进入该位置的个体的批准数量以及访问授予保持有效的时间段。
例如,访问控制***200可以基于在与徽章通信的访问徽章读取器202附近被持有的徽章来验证个体的权限,并且在验证访问权限后,如果徽章具有充分的权限,则所述***可以输出打开门206的信号和被允许个体的数量输出。***200然后可以触发占用估计和跟踪***204来对进入该位置的人的数量进行计数,使得访问管理***200可以经由访问验证***202将来自占用估计***204的计数与具有访问的人的数量进行比较。如果由于该计数和数量不相等而存在不符,则访问控制***200可以关闭门206,输出警报,去激活凭据,并且降低凭据的权限。一旦门打开,占用估计和跟踪***204就监视进入的人的数量,并且将其报告到访问管理模块200。访问管理模块将刷过的徽章的数量与在时间窗口内进入的人的数量进行比较,并且如果后者更大,则它输出警报(其可以是***200的一部分),并且可以将该信息记录到存储设备中。访问管理模块200可以并入到单元204或202中,或者可以位于远程服务器中。另外,所有这些模块可以合并成单个单元。访问控制***200通过无线或有线通信接口被通信地耦合到服务器、网络、客户机和访问控制***中的一个或多个。
其他实施例包括用于对诸如火车、公共汽车或包括自主车辆的其他车辆的转运(transit)***的访问的访问控制***。例如,访问验证器202可以链接到蜂窝电话、计算机、平板计算机等应用,并且占用估计204可以位于车辆入口上方(例如,在门上方,或者位于面向门入口的顶蓬中)。
图3是旋转栅门访问控制***300的图示,旋转栅门访问控制***300包括经由使用读取器304和旋转栅门柜302的权限访问管理和占用估计310。
这里,将第一巷道(lane)定义为被配置成准许个体在具有第一读取器304a的第一旋转栅门柜302a与具有第二读取器304b的第二旋转栅门柜302b之间流动的区域。同样,将第二巷道定义为被配置成准许个体在具有第二读取器304b的第二旋转栅门柜302b与具有第三读取器304c的第三旋转栅门柜302c之间流动的第二区域。第一占用检测模块310a被示出位于第一和第二巷道上方。然而,在其他实施例中,占用检测模块310a可以用于监视和生成针对多于2个巷道的剖面图,例如,占用检测模块310a可以位于第二巷道上方,并且提供对第一、第二和第三巷道的检测,将第三巷道定义为被配置成准许个体在具有第三读取器304c的第三旋转栅门柜302c与具有第四读取器304d的第四旋转栅门柜302d之间流动的第三区域。最后,可以将第四巷道定义为被配置成准许个体在具有第四读取器304d的第四旋转栅门柜302d与具有第五读取器304e的第五旋转栅门柜302e之间流动的第四区域。这里示出了位于第三和第四巷道上方的第二占用检测模块310b。
在该图示中,旋转栅门柜302提供不使用物理屏障的交通巷道,然而在其他实施例中,可以使用物理屏障。例如,旋转栅门柜302可以包括齐腰高的旋转三脚架屏障、翻板屏障、摆动屏障或转门。
图4是访问控制***516的流程图,该访问控制***516用于监视通过入口通道的人流以及各个地点的占用。在方法的描述中,方法正在执行某个任务或功能的陈述是指控制器或通用处理器(例如,处理器502)执行被存储在非暂时性计算机可读存储介质(例如,存储器506)中的编程指令(例如,占用感测程序),以操纵数据或者操作占用感测设备516中的一个或多个部件来执行该任务或功能,所述非暂时性计算机可读存储介质操作性地连接到控制器或处理器。附加地,方法的步骤可以以任何可行的时间次序来执行,而不管各图中所示出的次序或以之描述步骤的次序如何。
在步骤410中,处理器502从深度传感器516接收深度传感器数据。如上面所讨论的,深度传感器516提供的数据可以是以图像帧的形式。特别地,处理器502被配置成接收图像帧的时间序列,每个图像帧包括深度传感器516在相应时间处检测到的深度传感器数据。每个深度图像帧的每个像素提供从深度传感器516到最近对象的距离。在一个实施例中,深度传感器516被配置成输出具有定义的分辨率(例如,512×424)和帧速率(例如,每秒30帧)的图像帧。
在步骤404中,处理器502被配置成预处理所接收的深度传感器数据。特别地,在一些实施例中,在噪声存在的情况下,深度图像帧的对应像素可以具有为0的值或一些其他异常值。因此,在一个实施例中,处理器502被配置成将噪声像素和异常(超过预定阈值的深度)重置到地板的深度。在一个实施例中,处理器502被配置成通过计算帧的深度值的直方图来计算地板的深度,其中具有最大数量的深度数据点的仓被认为是地板。附加地,在一些实施例中,处理器502被配置成应用中值滤波来使每个深度图像帧平滑。图7示出了示例性预处理深度图像帧700,其具有通过入口通道进入的人702和通过门口离开的人704。
参考图5,在步骤406和408中,处理器502被配置成执行多级别扫描,其中扫描多个潜在的深度级别以检测人类,并且对于每个扫描的深度级别,通过忽略在该级别以下的深度数据来提取潜在人类头部的轮廓。特别地,该步骤的目标是要确定所有潜在头部的最小包围圆的中心和半径。为此,处理器502被配置成执行多级别扫描,并且通过检测不同高度级别处的轮廓来确定头部的中心和半径。在一个实施例中,处理器502被配置成以预定间隔(例如,每6英寸)从第一高度(例如,距地板6英尺)开始扫描深度传感器数据至第二高度(例如,距地板2英尺)。注意到,成年男性的平均高度是大约5'7"至5'11",并且女性是大约5'2"至5'7",并且谨慎地选择起始高度和结束高度,使得在多级别扫描期间没有人类缺失。当处理器502在每个高度级别处扫描深度数据时,处理器502被配置成丢弃在该高度级别以下的所有深度数据。处理器502被配置成找到每个深度级别处的所有轮廓。对于每个轮廓,处理器502被配置成使用迭代算法找到最小包围圆(诸如图7中所示出的圆702和704)。最小包围圆的中心和半径被认为是头部的中心和半径。如下面所讨论的,对于每个检测到的中心和半径,处理器502被配置成通过验证头部和肩部的存在来验证它是否是人。然而,可以在不同级别处检测到单个人。为了避免这点,处理器502被配置成从顶部扫描,并且当它在较高的深度级别处验证人时,它丢弃在较低级别处的所有附近的中心。
在一些实施例中,处理器502利用两个策略来加速处理。第一,当执行多级别扫描时,处理器502被配置成使它被无序执行。代替于按连续次序从顶部(例如,距地板6英尺)到底部(距地板2英尺)进行扫描,处理器502被配置成首先在最顶部级别处扫描,并且然后在最底部级别处扫描,并且然后在剩余级别处扫描。直觉是,如果存在某人在那里,则深度传感器516应该在底部级别扫描处捕获身体。如果底部级别扫描返回:与(下面所描述的)近似背景相比不存在任何东西在那里,则处理器502被配置成继续前进处理下一深度图像帧。否则,处理器502被配置成按连续次序(从顶部到底部)扫描剩余级别,以确定头部的精确位置。第二,处理器502被配置成不在与近似背景相比不具有足够深度数据的级别处扫描。处理器502被配置成通过构建在不同扫描级别(例如,6英寸的仓大小)处的深度数据点的直方图来确定近似背景。每次处理器502看到新帧,处理器502就被配置成通过假设如下内容来更新直方图:在一级别处目前为止所看到的最小数量的深度数据点是来自背景的,所述背景合理地捕获环境中的墙壁、门、桌等。当场景中不存在任何人时,该近似背景检测技术使得处理器502能够快速地继续前进到下一帧。
在步骤410和412中,处理器502被配置成通过使用人体的人体测量属性验证头部和肩部的存在,来验证每个提取的轮廓是否表示真实的人。特别地,在步骤410中,给定头部的中心(cx,cy)和半径r,该步骤的目标是要验证在该位置处是否存在人类头部。处理器502被配置成使用半椭球形(椭球形的上半部分)来对人类头部进行建模。特别地,笛卡尔坐标中的椭球形由以下等式表示:
其中,a、b和c是半轴的长度,并且(cx,cy,cz)是椭球形的中心。处理器502被配置成设置a = b = r(在像素坐标中),并且我们设置c = 0.5 * D(在深度坐标中),其中D是人类头部的深度(例如,220 mm)。处理器502被配置成cz = T + 0.5 * D,其中T是深度传感器516与头部之间的最小距离。处理器502被配置成在检测到的轮廓的x、y值之上迭代,为每个(x,y)计算z值,并且将其与深度帧中的对应z值进行比较。如果平均差异小于阈值Thead,则处理器502被配置成报告检测到头部。
在步骤412中,给定头部的中心(cx,cy)和半径r,该步骤的目标是要验证是否存在靠近该位置的人类肩部。为了验证肩部,处理器502被配置成执行四个步骤。第一,处理器502被配置成考虑围绕头部和肩部的感兴趣的区(ROI)。在人的两个肩部之间的端到端距离大约是他头部的直径的三倍,并且因此处理器502被配置成选择头部周围的稍微更大的正方形ROI。第二,处理器502被配置成通过丢弃高于(在头部验证步骤中被计算的)T + D的所有深度数据来从ROI提取头部。第三,处理器502被配置成从感兴趣的区减去头部,以获得肩部深度数据。注意到,从第一步骤,处理器502被配置成通过如下操作来丢弃高于T + D + S的所有深度数据:将这些值设置为0,其中S是肩部的深度。在一个实施例中,处理器502被配置成将S设置为250 mm,这是因为~10英寸的深度对于捕获肩部是足够合理的。第四,处理器502被配置成通过尝试若干技术来确定所获得的深度数据是否符合肩部。例如,在一个实施例中,处理器502被配置成检测轮廓并且测量与椭圆的拟合优度。在另一个实施例中,处理器502被配置成计算不同高度级别处的深度数据的直方图,并且检查在头部的位置周围的肩部深度级别处是否存在如下至少一个仓:所述至少一个仓具有用以表示肩部的足够的深度数据点。如果不存在肩部,则例如对于球而言,该位置处的深度数据将靠近地板级别,并且肩部级别处的仓将不具有足够的深度数据点。肩部验证的目的是要避免球形对象,例如球、气球和球形灯。为了对人进行计数,头部验证通常足够。然而,肩部大小是用于标识和跟踪占用者的有用特征。
在步骤418中,处理器502被配置成确定门的位置。特别地,在一个实施例中,处理器502被配置成在六个步骤中自动确定门的位置。第一,以预处理的图像开始,处理器502被配置成执行具有内核大小5的中值滤波。第二,处理器502被配置成通过利用最大地板深度替换非常靠近地面(在1英尺之内)并且在地面上方2英尺的深度数据,来丢弃那些深度数据。第三,处理器502被配置成检测Canny边缘,以增加对比度并且降低噪声。第四,处理器502被配置成在Canny边缘上执行霍夫线变换以检测直线。即使Canny边缘检测和霍夫线变换在计算上并不廉价,但是它不使实时性能降级,因为仅在开始处执行门检测。第五,从候选霍夫线,处理器502被配置成选择与深度帧的X轴最平行的具有最高累加器投票的线(例如,如图7中所示出的线门706)。
在步骤414中,处理器502被配置成跟踪进入和离开入口通道的个人。处理器502执行两种类型的跟踪:(i)基本跟踪,其用于确定人通过门去到内部还是外部,以准确地对他们进行计数,以及(ii)生物计量跟踪,其用于标识和跟踪个体。处理器502被配置成通过利用人的位置、高度和头部半径来实现轻量级的贪婪二分匹配算法。假设处理器502分别在先前帧和当前帧中检测到N和M个人。对于每对人(i,j),其中并且,处理器502被配置成标准化每对的头部中心、头部半径和高度的差异之间的距离。然后,处理器502被配置成通过使用这三个距离(例如,权重分别为:1、1和0.5)来计算加权距离。对于高度差异的较小权重的原因是,我们观察到,当一人从一侧行走到另一侧时,他或她的高度变化高达40毫米。然后,处理器502被配置成以升序对距离排序,并且以该次序将它们配对。如果某人未被配对,则处理器502被配置成将他添加到当前帧中。然而,如果某人未被配对,则处理器502被配置成并不立即丢弃他,这是因为有可能的是:深度传感器516可能在一帧中缺失某人并且在下一帧中检测到他。对于缺失的人,处理器502被配置成基于他的平均行走速度和方向来预测人的当前位置,并且相应地更新他的头部的中心位置。为了这样做,每次存在一对,处理器502就被配置成更新人的平均行走速度和方向。作为示例,图7示出了对两个人的跟踪:通过门口进入的人702和通过门口离开的人704。当人702越过门线706时,所述***使占用计数递增,并且当人704越过门线706时,所述***使占用计数递减。
在低帧速率下,某人可以在接续的帧之间移动相当大的距离,这例如当某人(P1)通过门离去并且在下一帧中其他某人(P2)从门的另一侧进入时负面地影响跟踪。它可能看起来像P1已经朝向他的相反方向移动,并且可能错误地增加/减少占用计数。因为当前帧处P1的头部缺失,所以贪婪二分匹配尝试将较早前帧的P1与当前帧的P2进行匹配。为了避免这点,处理器502被配置成考虑行走方向,并且如果匹配需要方向反转,则处理器502被配置成检查在当前和先前帧中在P1的相应预测位置处是否存在P1的深度阴影。如本文中所使用的,深度阴影意味着头部缺失,但是在该位置附近看到了部分身体轮廓。如果存在深度阴影,则处理器502被配置成假设在P2进入时P1在/曾经在那里,并且我们不允许匹配。
每次某人通过入口通道进入/离开,处理器502就被配置成提取关于主体的高度、头部半径、肩部大小、进去/出来、以及行走速度的多个简单特征。更具体地,对于高度,处理器502被配置成从深度数据中提取若干特征,所述特征包括当她/他正越过门706时的最小、最大、平均和确切高度,以及在进入/离开事件期间的整体最小、最大、平均和中值高度。提取关于头部半径和肩部大小的类似特征。处理器502被配置成匹配这些特征以标识个体。
在步骤416中,处理器502被配置成确定当前占用地点的人的计数。特别地,对于每个帧,对于该帧之内的每个人,处理器502被配置成确定Di,如果他在门1外部,则Di为1,并且否则为0,其中。处理器502被配置成如果某人的Di从1(在先前帧处)改变到0(在当前帧处),则增加占用计数。处理器502被配置成标注该人的方向,并且如果他的Dj (j ≠i)稍后从1改变到0,则处理器502被配置成不再次增加计数。然而,如果Di或Dj稍后从0改变到1,则处理器502被配置成减少占用计数并且随后忽略类似的改变(0到1)。
图5图示了访问控制***的框图。***500包括占用传感器516、处理器502、计算机可读介质506、通信接口504、输入/输出接口508、图形用户接口(GUI)512、访问验证器514和访问管理模块510。取决于应用,用于执行本文中未定义的其他特征的其他计算机实现的设备可以被并入到***100中。一个或多个***总线B耦合到一个或多个计算机实现的设备516、502、506、504、508、512、514、510,以用于促进在各种计算机实现的设备516、502、506、504、508、512、514、510、一个或多个输出设备、一个或多个***接口以及一个或多个通信设备之间的通信。***总线可以是任何类型的总线结构,包括存储器或存储器控制器、***总线、本地总线和任何类型的总线架构。传感器516是深度传感器,其被配置成在地点中实时检测和跟踪正通过门口进去和出来的人。
在一个实施例中,516用于使用安装在门口附近的天花板处的深度传感器对人进行计数。在另一个实施例中,IR阵列传感器被安装在门的一侧处以执行占用估计。尽管图示了一个传感器516,但是在***500之内可以布置多于一个的深度传感器。诸如光学传感器、成像传感器、声学传感器、运动传感器、全球定位***传感器、热传感器、IR阵列传感器、环境传感器等其他类型的传感器可以耦合到深度传感器并且安装在***500之内。在一些实施例中,作为分离的设备的其他非深度传感器可以电耦合到***500。处理器502可以是在诸如程序模块之类的计算机可执行指令的控制之下操作的通用或专用微处理器。程序模块一般包括执行特定任务或实现特定抽象类型的例程、程序、对象、部件、数据结构等。处理器502可以是微处理器(μP)、微控制器(μC)、数字信号处理器(DSP)或其任何组合。处理器502可以包括一个或多个级别的高速缓存,诸如级别高速缓冲存储器、一个或多个处理器核和寄存器。示例处理器核502可以(每个)包括算术逻辑单元(ALU)、浮点单元(FPU)、数字信号处理核(DSP核)或其任何组合。在一个实施例中,一些或所有子处理器可以被实现为有形地存储在存储器中的计算机软件,以在被执行时执行它们的相应功能。在替代实施例中,一些或所有子处理器可以在ASIC中实现。如所图示的,处理器502是低功率微处理器,其被配置成处理深度数据并且执行用于访问控制的计算。
计算机可读介质506可以被分区或以其他方式映射以反映各种子部件的边界。计算机可读介质506典型地包括易失性和非易失性介质、可移除和非可移除介质二者。例如,计算机可读介质506包括计算机存储介质和通信介质。计算机存储介质包括:以任何方法或技术实现的易失性和非易失性、可移除和非可移除介质二者、CD-ROM、DVD、光学盘存储装置、盒式磁带、磁带、磁盘存储装置或其他磁存储设备、或者可以用于存储所期望的信息并且可以由客户机访问的任何其他介质。例如,计算机存储介质可以包括随机存取存储器(RAM)、只读存储器(ROM)(诸如BIOS)的组合。通信介质典型地包括计算机可读指令、数据结构、程序模块或者在调制数据信号(诸如载波或其他传输机制)中的其他数据,并且包括任何信息传递介质。通信介质还可以包括有线介质(诸如有线网络或直接有线通信)以及无线介质(诸如声学、RF、红外(IR)和其他无线介质)。上述中的任何的通信也应该包括在计算机可读介质的范围内。
输入/输出子***508包括各种最终用户接口,诸如显示器、键盘、操纵杆、鼠标、轨迹球、触摸板、触摸屏或平板输入、脚控、伺服控制、游戏板输入、红外或激光指示器、基于相机的手势输入等,其能够控制机器操作的不同方面。例如,用户可以通过键入、触摸屏幕、说出语句、记录视频或其他类似的输入来输入信息。通信接口504允许软件和数据以信号的形式在计算机***与其他外部电子设备之间传送,所述信号可以是例如能够被通信接口504接收的电子、电磁、光学或其他信号。通信接口504可以是例如调制解调器、网络接口、通信端口、PCM-CIA插槽和卡等。
将访问验证器514并入在***100中。在一个实施例中,它验证被刷徽章的权限。在一些实施例中,模块514可以通信地耦合到一个或多个计算机实现的设备516、502、506、504、508、512、510。在另一个实施例中,模块514可以嵌入到处理器502中以及嵌入到访问管理模块510中。
将访问管理模块510并入在***100中。在一些实施例中,模块510可以通信地耦合到一个或多个计算机实现的设备516、502、506、504、508、512、514。在另一个实施例中,模块510可以嵌入到处理器502中。模块510被配置成融合来自占用传感器516和访问验证器514的信息,以检测未授权的访问。它这样做的方式是通过检查由占用传感器516所报告的进入数量(N1),并且将其与由访问验证器514所报告的访问授予数量(N2)进行比较。在时间窗口之内,N1必须小于或等于N2。否则,它立即响起警报,并且将时间戳和来自514的徽章信息记载到存储装置中。警报可以是访问管理模块510的一部分。
访问管理模块的日志可以从例如具有适当授权的膝上型计算机、台式计算机、平板计算机之类的106机器来访问。
图6是基于经由占用估计***的深度传感器捕获的数据的半椭球形模型的图示。给定头部的中心(cx,cy)和半径(r),所述***验证在该位置处是否存在对象,所述对象诸如人类头部。使用取向不变的半椭球形来对人类头部进行建模。尽管在该图像中未示出,但是深度传感器可以进一步被配置成输出深度数据,使得占用估计模块可以能够基于半椭球形模型标识手臂和手连同肩部和头部。该级别的检测可以用于标识个体正在使用(诸如图3中所图示的)多巷道旋转栅门的哪个巷道越过入口门槛。例如,参考回图3,个体正经由多巷道旋转栅门的第四巷道越过入口门槛,其中经由个体的左手臂经由第四读取器304d向第四旋转栅门柜302d提供访问请求。这里,占用估计模块还可以标识哪个巷道来提供访问授予。在其上具有第四读取器304d的第四旋转栅门柜302d可以用于授予对第三或第四巷道的访问,并且占用估计模块可以用于确定向哪个巷道提供访问授予。替代地,个体可能已经使用他们的右手臂向第五旋转栅门柜302e的第五读取器304e发起访问请求。
图7是基于经由占用估计***捕获的图像来跟踪进入位置的人以及离开位置的另一人的图示。
它示出了通过门口进入的人702和通过门口离开的人704。处理器502通过执行轻量级的贪婪二分匹配来跟踪个体。当人702越过门线706(从线段706的左侧去到右侧)时,它使占用计数递增。当人704越过门线706(从线段706的右侧去到左侧)时,处理器502使占用计数递减。
一般地,与访问授予相关联的时间段可以基于许多***属性来被预定,所述***属性包括访问读取器相对于入口门槛的物理位置,对打开诸如自动门、转门、隔离物或三脚架旋转栅门之类的屏障所需的时间。另外,在基于半椭球形模型而检测到的个体运动的基础上,时间段是可变的。如果穿过门槛的个体正在缓慢地移动或减慢,则时间段可能增加。另外,在火车、地铁或其他高流量区域的情况下,因为人们认证并且快速地移动跨过门槛,所以时间段可能是快速的。
图8是用于***通过相对于访问授予而独立地验证占用计数来实施访问控制的流程图800的图示。可以在利用占用估计***和访问验证***的访问控制***上执行流程图800。
首先,在步骤802中,访问控制***的控制器从读取器接收访问请求。读取器可以是徽章读取器、指纹读取器、视网膜扫描器、面部检测读取器、票证读取器、条形码读取器(例如,通用产品码(UPC)或快速响应(QR)码读取器)、磁性读取器、近场通信(NFC)读取器、感应耦合读取器或其他已知读取器。该步骤可以包括从位于旋转栅门上的读取器接收多个访问授予,每个访问授予与旋转栅门的特定巷道相关联。
接下来,在步骤804中,控制器验证访问请求是否具有充足的权限。验证可以包括与验证服务器的通信。如果访问请求不具有充足的权限,则控制器分支到步骤806。
在步骤806中,控制器输出被拒绝的访问。被拒绝的访问可以是空消息,或者控制器可以记录与访问请求相关联的标识数据。例如,如果个体试图进入他们不被允许的位置(例如,研究实验室、保险箱、办公室、保险库等),则控制器可以记录标识数据、访问请求的时间和访问请求的位置。在步骤804中,如果做出其中有权限的访问请求,则控制器分支到步骤808。
在步骤808处,控制器针对时间窗口W启动计时器,并且前进到步骤810。在步骤810处,控制器从访问控制***接收数量(N1)。该数量是基于访问授予的权限而被允许准入的个体量。例如,对于单个个体的访问授予,数量可以是1,这可能是在营业场所处的访问、或者是对一个场地的单个票证的最常见的实例。另一个示例将是交通运输票证,其中每个凭证可以与进行多次旅行的一个个体相关联,或者用于进行单次旅行的多于一个个体,或者其组合。考虑10次通行票证,其可以如下这样被使用:由一个人使用10次单个访问授予,或者2个人使用所述票证以得到5对访问授予,或者10个人使用所述票证,其中每个人具有单个访问授予。控制器然后将前进到步骤812。
在步骤812处,控制器从占用检测模块接收计数(N2)。计数(N2)与在步骤808的时间窗口W之内检测到的越过门槛或屏障的个体相关联。在步骤812中,基于来自诸如占用传感器516之类的传感器的检测图,诸如访问管理模块510之类的控制器估计W之内的占用计数(N2)。
然后在步骤814中,控制器将数量N1与计数N2进行比较。如果N1大于或等于N2,则控制器在步骤818中输出信号以授予访问。如果N2大于N1,则诸如访问管理模块510之类的控制器输出错误信号并且前进到步骤816。在步骤816中,控制器可以触发钟声、警报,从而记录(一个或多个)相关徽章ID或其他可标识信息和时间戳,并且可以限制访问。
图8的一个说明性示例包括在步骤802处,刷一个徽章或多个徽章。然后在步骤804中,访问验证器514验证徽章是否具有充足的权限。如果不是,则在步骤806中访问被拒绝。如果存在足够的权限,则在步骤808中,访问管理模块510针对时间窗口W启动计时器。然后,在步骤810中,510模块对时间窗口W之内的被授予的访问数量进行计数。它被假设为N1。然后,在占用传感器516的帮助下,在步骤812中,访问管理模块510估计W之内的占用计数。它被假设为N2。然后在步骤814处,模块510检查N1是否大于或等于N2。如果是,则它在步骤818中授予访问。在它不是的情况下,则在步骤816处,访问管理模块510鸣响警报,记录(一个或多个)相关徽章ID或其他可标识信息和时间戳,并且可以限制访问。
体现本文中描述的算法和/或方法技术的程序代码能够作为以各种不同形式的程序产品而单独或共同地被分发。程序代码可以使用其上具有计算机可读程序指令的计算机可读存储介质来分发,以用于使得处理器实行一个或多个实施例的各方面。固有地非暂时性的计算机可读存储介质可以包括易失性和非易失性以及可移除和非可移除的有形介质,所述有形介质以用于信息存储的任何方法或技术来实现,所述信息诸如计算机可读指令、数据结构、程序模块或其他数据。计算机可读存储介质可以进一步包括RAM、ROM、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)、闪速存储器或其他固态存储器技术、便携式致密盘只读存储器(CD-ROM)或其他光学存储装置、盒式磁带、磁带、磁盘存储装置或其他磁存储设备,或者可以用于存储所期望信息并且可以由计算机读取的任何其他介质。计算机可读程序指令可以从计算机可读存储介质下载到计算机、另一类型的可编程数据处理装置或另一设备,或者经由网络下载到外部计算机或外部存储设备。
存储在计算机可读介质中的计算机可读程序指令可以用于引导计算机、其他类型的可编程数据处理装置或其他设备以特定方式起作用,使得存储在计算机可读介质中的指令产生制品,所述制品包括实现流程图或图表中指定的功能、动作和/或操作的指令。在某些替代实施例中,流程图和图表中指定的功能、动作和/或操作可以与一个或多个实施例相一致地被重新排序、串行处理和/或并行处理。此外,任何流程图和/或图表可以包括比与一个或多个实施例相一致地图示的节点或框更多或更少的节点或框。
虽然已经通过各种实施例的描述说明了本发明的所有内容,并且虽然已经相当详细地描述了这些实施例,但是将所附权利要求的范围局限或以任何方式限制为这样的细节不是申请人的意图。对于本领域技术人员,附加的优点和修改将容易显现。因此,本发明在其更宽的方面中不限于所示出和所描述的具体细节、代表性装置和方法以及说明性示例。因此,在不脱离总体发明概念的精神或范围的情况下,可以从这样的细节进行偏离。
Claims (20)
1.一种访问控制***,包括:
入口门槛;
权限访问管理模块,其被配置成响应于来自读取器的授权输入,输出对穿过门槛的访问授予,并且生成在预定时间段期间被允许准入跨过门槛的个体的批准数量;
深度传感器,其位于门槛上方,并且被配置成生成和输出三维深度数据;
与权限访问管理模块通信的占用估计模块,其被配置成输出在预定时间段期间越过门槛的个体计数,这基于深度数据的半椭球形模型;并且
所述访问控制***响应于在所述数量与所述计数之间的差异,来禁止访问授予。
2.根据权利要求1所述的访问控制***,其中,深度传感器是飞行时间传感器或立体相机传感器,并且所述深度数据的生成由红绿蓝(RGB)相机、超声传感器、运动检测器或红外阵列传感器触发。
3.根据权利要求2所述的访问控制***,其中,半椭球形模型指示行进跨过入口门槛的人类头部,并且占用估计模块进一步被配置成检测半椭球形模型的运动速率和轨迹。
4.根据权利要求3所述的访问控制***,其中预定时间段是基于运动速率被设置的,并且与访问授予相关联。
5.根据权利要求4所述的访问控制***,其中入口门槛是多巷道旋转栅门,使得每个巷道具有与每个巷道相关联的单个读取器,以及用于多巷道旋转栅门的每两个读取器和两个巷道的一个占用估计模块。
6.根据权利要求5所述的访问控制***,其中,半椭球形模型指示行进跨过入口门槛的人类头部,并且占用估计模块进一步被配置成检测指示肩部和手臂的对象,并且基于肩部和手臂的轨迹和位置,将多巷道旋转栅门的巷道与授权输入和所述计数相关联。
7.根据权利要求1所述的访问控制***,其中,所述***具有用于大于两个读取器的一个占用估计模块。
8.根据权利要求1所述的访问控制***,其中读取器是徽章读取器、条形码读取器、指纹读取器、票证读取器或卡读取器。
9.根据权利要求1所述的访问控制***,其中入口门槛是自动门,并且禁止访问授予包括关闭门。
10.一种访问管理方法,包括:
从权限访问管理模块接收通过入口的访问授予;
基于预定时间段期间的访问授予来生成被允许通过入口的个体的批准数量;
解析来自位于入口上方的深度剖析器的数据,所述数据指示深度剖析器下方的对象;
生成在预定时间段期间越过入口的、经由半椭球形模型从数据中标识的个体的计数;以及
响应于所述数量与所述计数之间的差异,来禁止通过入口的准入。
11.根据权利要求10所述的方法,进一步包括基于半椭球形模型的运动速率和轨迹来调整预定时间段。
12.根据权利要求10所述的方法,其中入口是多巷道旋转栅门,权限访问管理模块包括多个读取器,使得每个读取器与每个巷道相关联。
13.根据权利要求12所述的方法,其中每个深度剖析器位于多巷道旋转栅门的每两个读取器和两个巷道的上方,并且半椭球形模型指示行进跨过入口的人类头部,并且深度剖析器进一步被配置成检测半椭球形模型的轨迹,并且检测指示肩部和手臂的对象。
14.根据权利要求13所述的方法,其中深度剖析器进一步被配置成基于肩部和手臂的轨迹和位置,将多巷道旋转栅门的巷道与访问授予和所述计数相关联。
15.根据权利要求10所述的方法,其中入口是车辆的门。
16.一种有形地体现用于软件程序的计算机可读指令的非暂时性计算机可读介质,所述软件程序由计算设备的处理器可执行以提供操作,所述操作包括:
从权限访问管理模块接收通过入口的访问授予;
基于访问授予生成被允许通过入口的个体的批准数量;
解析来自位于入口上方的深度剖析器的数据,所述数据指示深度剖析器下方的对象;
基于经由半椭球形模型从数据中标识的个体来生成计数;以及
响应于所述数量与所述计数之间的差异,来禁止通过入口的准入。
17.根据权利要求16所述的介质,其中基于访问授予而对被允许通过入口的个体的批准数量的生成与预定时间段相关联。
18.根据权利要求17所述的介质,其中所述计数的生成是在预定时间段期间。
19.根据权利要求18所述的介质,其中入口是车辆的门。
20.根据权利要求19所述的介质,其中入口是多巷道旋转栅门。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/251,707 US10657746B1 (en) | 2019-01-18 | 2019-01-18 | Access control system including occupancy estimation |
US16/251707 | 2019-01-18 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111462374A true CN111462374A (zh) | 2020-07-28 |
Family
ID=70736348
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010054140.2A Pending CN111462374A (zh) | 2019-01-18 | 2020-01-17 | 包括占用估计的访问控制*** |
Country Status (3)
Country | Link |
---|---|
US (1) | US10657746B1 (zh) |
CN (1) | CN111462374A (zh) |
DE (1) | DE102020200557B4 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112560610A (zh) * | 2020-12-03 | 2021-03-26 | 西南交通大学 | 一种视频监控对象分析方法、装置、设备及可读存储介质 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11367041B2 (en) * | 2018-06-25 | 2022-06-21 | Robert Bosch Gmbh | Occupancy sensing system for custodial services management |
CN112907785A (zh) * | 2021-01-15 | 2021-06-04 | 广东趣买票科技有限公司 | 一种基于物联网的景区人数控制***及控制装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150294482A1 (en) * | 2010-01-11 | 2015-10-15 | Shoppertrak Rct Corporation | System And Process For Detecting, Tracking And Counting Human Objects Of Interest |
CN105122270A (zh) * | 2012-11-21 | 2015-12-02 | 派尔高公司 | 使用深度传感器计数人的方法和*** |
CN105931326A (zh) * | 2016-04-15 | 2016-09-07 | 刘双文 | 一种门禁控制装置及方法 |
US20160358074A1 (en) * | 2015-06-05 | 2016-12-08 | Cisco Technology, Inc. | Methods and Systems for Counting People |
CN205917619U (zh) * | 2016-06-29 | 2017-02-01 | 北京明生宏达科技有限公司 | 通道管理设备 |
CN106920296A (zh) * | 2015-12-25 | 2017-07-04 | 深圳市万睿智能科技有限公司 | 防尾随智能门***及智能门控制方法 |
CN107341892A (zh) * | 2017-08-04 | 2017-11-10 | 兰庆天 | 一种实现人流计数控制的门禁***及其工作方法 |
CN107813828A (zh) * | 2016-09-13 | 2018-03-20 | 福特全球技术公司 | 乘客验证***和方法 |
CN108701211A (zh) * | 2015-12-28 | 2018-10-23 | 罗伯特·博世有限公司 | 用于实时地检测、跟踪、估计和识别占用的基于深度感测的*** |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3623792C1 (de) | 1986-07-15 | 1987-12-10 | Messerschmitt Boelkow Blohm | Einrichtung zur Feststellung der Personenzahl und Richtung innerhalb eines zu ueberwachenden Raumes oder einer Durchgangsschleuse |
DE19809235C2 (de) | 1998-03-05 | 2002-11-07 | Dorma Gmbh & Co Kg | Durchgangsschleuse und Verfahren zum Betrieb einer solchen Durchgangsschleuse |
DE202007007863U1 (de) | 2007-06-04 | 2007-10-11 | Noske, Reinhard | Intelligente, automatische Zutrittskontrollanlage IAZA |
US20110176000A1 (en) | 2010-01-21 | 2011-07-21 | Utah State University | System and Method for Counting People |
US8929592B2 (en) | 2012-03-13 | 2015-01-06 | Mitsubishi Electric Research Laboratories, Inc. | Camera-based 3D climate control |
TWI503756B (zh) | 2013-08-15 | 2015-10-11 | Univ Nat Taiwan | 人型影像追蹤系統及其人型影像偵測方法與追蹤方法 |
DE202015007341U1 (de) | 2015-10-22 | 2015-12-04 | Reinhard Noske | Virtuelle Tür, Intelligente, berührungslose Zutrittskontrolle |
US10282927B1 (en) * | 2017-03-29 | 2019-05-07 | Alarm.Com Incorporated | Access control provisioning |
-
2019
- 2019-01-18 US US16/251,707 patent/US10657746B1/en active Active
-
2020
- 2020-01-17 DE DE102020200557.5A patent/DE102020200557B4/de active Active
- 2020-01-17 CN CN202010054140.2A patent/CN111462374A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150294482A1 (en) * | 2010-01-11 | 2015-10-15 | Shoppertrak Rct Corporation | System And Process For Detecting, Tracking And Counting Human Objects Of Interest |
CN105122270A (zh) * | 2012-11-21 | 2015-12-02 | 派尔高公司 | 使用深度传感器计数人的方法和*** |
US20160358074A1 (en) * | 2015-06-05 | 2016-12-08 | Cisco Technology, Inc. | Methods and Systems for Counting People |
CN106920296A (zh) * | 2015-12-25 | 2017-07-04 | 深圳市万睿智能科技有限公司 | 防尾随智能门***及智能门控制方法 |
CN108701211A (zh) * | 2015-12-28 | 2018-10-23 | 罗伯特·博世有限公司 | 用于实时地检测、跟踪、估计和识别占用的基于深度感测的*** |
CN105931326A (zh) * | 2016-04-15 | 2016-09-07 | 刘双文 | 一种门禁控制装置及方法 |
CN205917619U (zh) * | 2016-06-29 | 2017-02-01 | 北京明生宏达科技有限公司 | 通道管理设备 |
CN107813828A (zh) * | 2016-09-13 | 2018-03-20 | 福特全球技术公司 | 乘客验证***和方法 |
CN107341892A (zh) * | 2017-08-04 | 2017-11-10 | 兰庆天 | 一种实现人流计数控制的门禁***及其工作方法 |
Non-Patent Citations (1)
Title |
---|
SIRAJUM MUNIR ET AL: "Real-Time Fine Grained Occupancy Estimation using Depth Sensors on ARM Embedded Platforms", 《2017 IEEE REAL-TIME AND EMBEDDED TECHNOLOGY AND APPLICATIONS SYMPOSIUM (RTAS)》, pages 295 - 306 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112560610A (zh) * | 2020-12-03 | 2021-03-26 | 西南交通大学 | 一种视频监控对象分析方法、装置、设备及可读存储介质 |
CN112560610B (zh) * | 2020-12-03 | 2021-09-28 | 西南交通大学 | 一种视频监控对象分析方法、装置、设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
DE102020200557B4 (de) | 2023-06-22 |
US10657746B1 (en) | 2020-05-19 |
DE102020200557A1 (de) | 2020-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10796514B2 (en) | System and method for optimizing a facial recognition-based system for controlling access to a building | |
CN114206104B (zh) | 受控访问闸口 | |
US11749043B2 (en) | Passive multi-factor access control with biometric and wireless capability | |
US7973656B2 (en) | Suspicious activity detection apparatus and method, and program and recording medium | |
US20210287469A1 (en) | System and method for provisioning a facial recognition-based system for controlling access to a building | |
US10373412B2 (en) | System and method for controlling access to an access point | |
CN111462374A (zh) | 包括占用估计的访问控制*** | |
JP4627743B2 (ja) | 入退出管理システム、並びに入退出管理装置 | |
JP4559819B2 (ja) | 不審者検出システム及び不審者検出プログラム | |
US20070268145A1 (en) | Automated tailgating detection via fusion of video and access control | |
EP3398111B1 (en) | Depth sensing based system for detecting, tracking, estimating, and identifying occupancy in real-time | |
US20120169880A1 (en) | Method and system for video-based gesture recognition to assist in access control | |
ES2893808T3 (es) | Método de control de los derechos de acceso mediante un sistema de control de acceso | |
US8873804B2 (en) | Traffic monitoring device | |
JP6969730B2 (ja) | アクセス制御システムを用いてアクセス許可を確認する方法 | |
CN112487388A (zh) | 一种基于物联网的电子锁控制***及方法 | |
WO2022219933A1 (ja) | 情報処理装置、及び、情報処理方法 | |
JP7218837B2 (ja) | ゲート装置、認証システム、ゲート装置の制御方法及びプログラム | |
CN115668317A (zh) | 针对建筑物门的附加的区域监控 | |
WO2023176167A1 (ja) | 登録装置、登録方法及びプログラム | |
EP4216180A1 (en) | Trusted seamless authentication method for access control | |
WO2023032011A1 (ja) | 生体認証制御ユニット、システム、生体認証制御ユニットの制御方法及び記憶媒体 | |
US20220028197A1 (en) | Access control solution for a passage device | |
Ingwar | Resilient Infrastructure and Building Security |
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 |