CN111626229A - 一种对象管理方法、装置、机器可读介质及设备 - Google Patents
一种对象管理方法、装置、机器可读介质及设备 Download PDFInfo
- Publication number
- CN111626229A CN111626229A CN202010472569.3A CN202010472569A CN111626229A CN 111626229 A CN111626229 A CN 111626229A CN 202010472569 A CN202010472569 A CN 202010472569A CN 111626229 A CN111626229 A CN 111626229A
- Authority
- CN
- China
- Prior art keywords
- management
- attribute
- biological
- similarity threshold
- determining
- 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
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
- G06V40/172—Classification, e.g. identification
-
- 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
- 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
- G06V40/178—Human faces, e.g. facial parts, sketches or expressions estimating age from face image; using age information for improving recognition
-
- 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
- G06V40/179—Human faces, e.g. facial parts, sketches or expressions metadata assisted face recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (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)
Abstract
本发明提供一种对象管理方法,包括获取管理区域中管理对象的生物属性;确定所述管理对象所处环境的环境属性;根据所述管理对象的生物属性、环境属性以及事先确定的相似度阈值集合确定相对应的相似度阈值;基于所述管理对象的生物特征与人员库中的生物特征的相似度和相似度阈值,对所述管理对象进行识别。本发明采用按不同场景下年龄段设置不同阈值的方法,以此提高改善因不同场景生物特征和不同年龄段生物特征分布差异导致固定阈值下检索报警带来的不稳定性,能够明显改善当下动态布控***的短板,减少误报、漏报问题,提升正确报警数,保持动态布控***稳定检索特性。
Description
技术领域
本发明属于人脸识别领域,具体涉及一种对象管理方法、装置、机器可读介质及设备。
背景技术
基于成熟的硬件支撑,基于深度学习的人脸识别技术正在爆发式发展,越来越多的行业、场所、机构都开始运用人脸识别产品,在带来便捷的同时,也会伴随一些技术的短板。其中动态布控识别就是一个技术短板,因为识别检索的不稳定性会造成很多误报、漏报。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种对象管理方法、装置、机器可读介质及设备,用于解决现有技术存在的问题。
为实现上述目的及其他相关目的,本发明提供一种对象管理方法,包括:
获取管理区域中管理对象的生物属性;
确定所述管理对象所处环境的环境属性;
根据所述管理对象的生物属性、环境属性以及事先确定的相似度阈值集合确定相对应的相似度阈值;
基于所述管理对象的生物特征与人员库中的生物特征的相似度和相似度阈值,对所述管理对象进行识别。
可选地,获取管理区域中管理对象的生物属性包括:
获取管理区域中管理对象的生物特征;
基于所述管理对象的生物特征确定所述管理对象的生物属性。
可选地,所述生物属性包括年龄属性。
可选地,所述年龄属性的特征包括年龄范围。
可选地,获取所述相似度阈值集合的方法为:根据不同的环境属性以及不同的年龄范围确定相似度阈值集合。
可选地,所述环境属性包括环境亮度。
可选地,所述人员库包括黑名单库、白名单库。
可选地,所述生物特征包括人脸特征、人体特征。
为实现上述目的及其他相关目的,本发明提供一种对象管理装置,包括:
生物属性获取模块,用于获取管理区域中管理对象的生物属性;
环境属性确定模块,用于确定所述管理对象所处环境的环境属性;
相似度阈值确定模块,用于根据所述管理对象的生物属性、环境属性以及事先确定的相似度阈值集合确定相对应的相似度阈值;
对象识别模块,用于基于所述管理对象的生物特征与人员库中的生物特征的相似度和相似度阈值,对所述管理对象进行识别。
可选地,所述生物属性获取模块包括:
特征信息获取子模块,用于获取管理区域中管理对象的生物特征;
生物属性确定子模块,用于基于所述管理对象的生物特征确定所述管理对象的生物属性。
可选地,所述生物属性包括年龄属性。
可选地,所述年龄属性的特征包括年龄范围。
可选地,获取所述相似度阈值集合的方法为:根据不同的环境属性以及不同的年龄范围确定相似度阈值集合。
可选地,所述环境属性包括环境亮度。
可选地,所述人员库包括黑名单库、白名单库。
可选地,所述生物特征包括人脸特征、人体特征。
为实现上述目的及其他相关目的,本发明提供一种设备,包括:
一个或多个处理器;和
其上存储有指令的一个或多个机器可读介质,当所述一个或多个处理器执行时,使得所述设备执行前述的一个或多个所述的方法。
为实现上述目的及其他相关目的,本发明提供一个或多个机器可读介质,其上存储有指令,当由一个或多个处理器执行时,使得设备执行前述的一个或多个所述的方法。
如上所述,本发明提供的一种对象管理方法、装置、机器可读介质及设备,具有以下有益效果:
本发明提出一种对象管理方法,包括获取管理区域中管理对象的生物属性;确定所述管理对象所处环境的环境属性;根据所述管理对象的生物属性、环境属性以及事先确定的相似度阈值集合确定相对应的相似度阈值;基于所述管理对象的生物特征与人员库中的生物特征的相似度和相似度阈值,对所述管理对象进行识别。本发明采用按不同场景下年龄段设置不同阈值的方法,以此提高改善因不同场景生物特征和不同年龄段生物特征分布差异导致固定阈值下检索报警带来的不稳定性,能够明显改善当下动态布控***的短板,减少误报、漏报问题,提升正确报警数,保持动态布控***稳定检索特性。
附图说明
图1为本发明一实施例一种对象管理方法的流程图;
图2为本发明一实施例一种对象管理方法的示意图;
图3为一实施例提供的终端设备的硬件结构示意图;
图4为另一实施例提供的终端设备的硬件结构示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
如图1所示,本发明提供一种对象管理方法,包括:
S11获取管理区域中管理对象的生物属性;
S12确定所述管理对象所处环境的环境属性;
S13根据所述管理对象的生物属性、环境属性以及事先确定的相似度阈值集合确定相对应的相似度阈值;
S14基于所述管理对象的生物特征与人员库中的生物特征的相似度和相似度阈值,对所述管理对象进行识别。
本发明采用按不同场景下年龄段设置不同阈值的方法,以此提高改善因不同场景生物特征和不同年龄段生物特征分布差异导致固定阈值下检索报警带来的不稳定性,能够明显改善当下动态布控***的短板,减少误报、漏报问题,提升正确报警数,保持动态布控***稳定检索特性。
在一实施例中,获取管理区域中管理对象的生物属性包括:
获取管理区域中管理对象的生物特征;
基于所述管理对象的生物特征确定所述管理对象的生物属性。
其中,所述的生物特征包括人脸特征、人体特征。人脸特征包括眼睛、鼻子和嘴等面部特征。人脸特征通过部署在管理区域的人脸抓拍机进行抓拍。人体特征包括指纹特征信息、声纹特征信息、掌纹特征信息、静脉特征信息等。
其中,人脸特征可以通过一个或多个图像采集设备获取。图像采集设备可以为摄像机,例如可以通过部署抓拍像机装置或者复用已经建设的视频监控***的网络摄像机。而摄像机可以为来自普通的RGB摄像头,也可以为能够采集深度信息的RGBD摄像头。
其中,所述生物属性包括年龄属性,所述年龄属性的特征包括年龄范围。生物特征和生物属性可以通过深度神经网络模型获取。生物属性可以基于对待识别对象的生物特征得到,例如通过获取人脸特征,从而确定该人脸的年龄属性等等。
更加具体地,将所述生物特征输入至预先训练好的基于神经网络的年龄模型对所述管理对象进行年龄识别,得到与所述管理对象对应的年龄属性,确定好年龄属性后,就可以结合管理对象所处环境的环境属性确定相应的相似度阈值。所述预先训练好的基于神经网络的年龄模型是以不同年龄/年龄段的生物特征集合作为模型训练样本训练得到的。
在一实施例中,获取所述相似度阈值集合的方法为:根据不同的环境属性以及不同的年龄范围确定相似度阈值集合;所述环境属性包括环境亮度。
举例来说,若某一管理对象所处环境的亮度为亮度A,其所属年龄范围为O1~O2,则设置此时相应的相似度阈值为S1;若某一管理对象所处环境的亮度为亮度B,其所属年龄范围为O3~O4,则设置此时相应的相似度阈值为S2。如下表所示,可以得到不同亮度环境与不同年龄段对应的相似度阈值范围。
在一具体实施例中,O1~O2年龄段可以认为是少年年龄段,O3~O4年龄段可以认为是青年年龄段,O5~O6年龄段可以认为是老年年龄段。需要说明的是,少年年龄段对应的相似度阈值和老年年龄段对应的相似度阈值小于青年年龄段对应的相似度阈值。
在一实施例中,基于所述管理对象的生物特征与人员库中的生物特征的相似度。相似度的计算通过以下方法得到,以人脸图像为例进行说明。
选取监控图像中的管理对象的人脸图像,并与预存于人员库的人脸图像逐一进行比对,判断管理对象的人脸图像与物人员库中的人脸图像的相似度;在监控图像中检测到的管理对象与人员库中的人脸图像的相似度大于或等于相似度阈值的情况下,则发出报警提示。若监控图像中出现多个管理对象,则将每一个管理对象的人脸图像与物业管理对象数据库中的人脸图像逐一进行比对。
其中,预设的相似度阈值可以为90%,即当监控图像中的管理对象的人脸图像与人员库中的人脸图像相似度超过90%时,则认为人员库中存在该人脸图像。在本实施例中,预设的相似度阈值可以设置多个,例如,85%,90%,95%,可以根据需要自行选择不同的相似度阈值,需要的相似度阈值的通过前述的实施例进行选择。具体地,人脸相似度的计算可以通过欧式距离、余弦距离得到。
在进行相似度计算时,提取管理对象的人脸图像,再将管理对象的人脸图像的人脸特征与人员库中的人脸图像的人脸特征进行比对。其中,人脸特征包括眼睛、眉毛、鼻子和嘴巴等特征,人脸特征提取算法包括Pictorial、Structure、Top-Down算法。
在一实施例中,所述人员库包括黑名单库、白名单库。
在计算相似度时,先将管理对象的人脸图像与黑名单库中存储的人脸图像进行比较,得到相似度,若此时相似度没有超过相应的相似度阈值,则可以判断黑名单中不存在该管理对象,若超过相应的相似度阈值,则说明该管理对象存在黑名单库中;若在黑名单库中不能检测到该管理对象,则将该管理对象的人脸图像与白名单库中存储的人脸图像进行比较,得到相似度,根据相似度判断该管理对象是否存在白名单库中,若不存在则将管理对象归属于干扰库中。
如图2所示,本发明提供一种对象管理装置,包括:
生物属性获取模块21,用于获取管理区域中管理对象的生物属性;
环境属性确定模块22,用于确定所述管理对象所处环境的环境属性;
相似度阈值确定模块23,用于根据所述管理对象的生物属性、环境属性以及事先确定的相似度阈值集合确定相对应的相似度阈值;
对象识别模块24,用于基于所述管理对象的生物特征与人员库中的生物特征的相似度和相似度阈值,对所述管理对象进行识别。
本发明采用按不同场景下年龄段设置不同阈值的方法,以此提高改善因不同场景生物特征和不同年龄段生物特征分布差异导致固定阈值下检索报警带来的不稳定性,能够明显改善当下动态布控***的短板,减少误报、漏报问题,提升正确报警数,保持动态布控***稳定检索特性。
在一实施例中,所述生物属性获取模块包括:
特征信息获取子模块,用于获取管理区域中管理对象的生物特征;
生物属性确定子模块,用于基于所述管理对象的生物特征确定所述管理对象的生物属性。
其中,所述的生物特征包括人脸特征、人体特征。人脸特征包括眼睛、鼻子和嘴等面部特征。人脸特征通过部署在管理区域的人脸抓拍机进行抓拍。人体特征包括指纹特征信息、声纹特征信息、掌纹特征信息、静脉特征信息等。
其中,人脸特征可以通过一个或多个图像采集设备获取。图像采集设备可以为摄像机,例如可以通过部署抓拍像机装置或者复用已经建设的视频监控***的网络摄像机。而摄像机可以为来自普通的RGB摄像头,也可以为能够采集深度信息的RGBD摄像头。
其中,所述生物属性包括年龄属性,所述年龄属性的特征包括年龄范围。生物特征和生物属性可以通过深度神经网络模型获取。生物属性可以基于对待识别对象的生物特征得到,例如通过获取人脸特征,从而确定该人脸的年龄属性等等。
更加具体地,将所述生物特征输入至预先训练好的基于神经网络的年龄模型对所述管理对象进行年龄识别,得到与所述管理对象对应的年龄属性,确定好年龄属性后,就可以结合管理对象所处环境的环境属性确定相应的相似度阈值。所述预先训练好的基于神经网络的年龄模型是以不同年龄/年龄段的生物特征集合作为模型训练样本训练得到的。
在一实施例中,获取所述相似度阈值集合的方法为:根据不同的环境属性以及不同的年龄范围确定相似度阈值集合。所述环境属性包括环境亮度。
举例来说,若某一管理对象所处环境的亮度为亮度A,其所属年龄范围为O1~O2,则设置此时相应的相似度阈值为S1;若某一管理对象所处环境的亮度为亮度B,其所属年龄范围为O3~O4,则设置此时相应的相似度阈值为S2。如下表所示,可以得到不同亮度环境与不同年龄段对应的相似度阈值范围。
在一具体实施例中,O1~O2年龄段可以认为是少年年龄段,O3~O4年龄段可以认为是青年年龄段,O5~O6年龄段可以认为是老年年龄段。需要说明的是,少年年龄段对应的相似度阈值和老年年龄段对应的相似度阈值小于青年年龄段对应的相似度阈值。
在一实施例中,基于所述管理对象的生物特征与人员库中的生物特征的相似度。相似度的计算通过以下方法得到,以人脸图像为例进行说明。
选取监控图像中的管理对象的人脸图像,并与预存于人员库的人脸图像逐一进行比对,判断管理对象的人脸图像与物人员库中的人脸图像的相似度;在监控图像中检测到的管理对象与人员库中的人脸图像的相似度大于或等于相似度阈值的情况下,则发出报警提示。若监控图像中出现多个管理对象,则将每一个管理对象的人脸图像与物业管理对象数据库中的人脸图像逐一进行比对。
其中,预设的相似度阈值可以为90%,即当监控图像中的管理对象的人脸图像与人员库中的人脸图像相似度超过90%时,则认为人员库中存在该人脸图像。在本实施例中,预设的相似度阈值可以设置多个,例如,85%,90%,95%,可以根据需要自行选择不同的相似度阈值,需要的相似度阈值的通过前述的实施例进行选择。具体地,人脸相似度的计算可以通过欧式距离、余弦距离得到。
在进行相似度计算时,提取管理对象的人脸图像的人脸特征,再将管理对象的人脸图像的人脸特征与人员库中的人脸图像的人脸特征进行比对。其中,人脸特征包括眼睛、眉毛、鼻子和嘴巴等特征,人脸特征提取算法包括Pictorial、Structure、Top-Down算法。
在一实施例中,所述人员库包括黑名单库、白名单库。
在计算相似度时,先将管理对象的人脸图像与黑名单库中存储的人脸图像进行比较,得到相似度,若此时相似度没有超过相应的相似度阈值,则可以判断黑名单中不存在该管理对象,若超过相应的相似度阈值,则说明该管理对象存在黑名单库中;若在黑名单库中不能检测到该管理对象,则将该管理对象的人脸图像与白名单库中存储的人脸图像进行比较,得到相似度,根据相似度判断该管理对象是否存在白名单库中,若不存在则将管理对象归属于干扰库中。
本申请实施例还提供了一种设备,该设备可以包括:一个或多个处理器;和其上存储有指令的一个或多个机器可读介质,当由所述一个或多个处理器执行时,使得所述设备执行图1所述的方法。在实际应用中,该设备可以作为终端设备,也可以作为服务器,终端设备的例子可以包括:智能手机、平板电脑、电子书阅读器、MP3(动态影像专家压缩标准语音层面3,Moving Picture Experts GroupAudio Layer III)播放器、MP4(动态影像专家压缩标准语音层面4,Moving Picture Experts Group Audio Layer IV)播放器、膝上型便携计算机、车载电脑、台式计算机、机顶盒、智能电视机、可穿戴设备等等,本申请实施例对于具体的设备不加以限制。
本申请实施例还提供了一种非易失性可读存储介质,该存储介质中存储有一个或多个模块(programs),该一个或多个模块被应用在设备时,可以使得该设备执行本申请实施例的图1中方法所包含步骤的指令(instructions)。
图3为本申请一实施例提供的终端设备的硬件结构示意图。如图所示,该终端设备可以包括:输入设备1100、第一处理器1101、输出设备1102、第一存储器1103和至少一个通信总线1104。通信总线1104用于实现元件之间的通信连接。第一存储器1103可能包含高速RAM存储器,也可能还包括非易失性存储NVM,例如至少一个磁盘存储器,第一存储器1103中可以存储各种程序,用于完成各种处理功能以及实现本实施例的方法步骤。
可选的,上述第一处理器1101例如可以为中央处理器(Central ProcessingUnit,简称CPU)、应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,该第一处理器1101通过有线或无线连接耦合到上述输入设备1100和输出设备1102。
可选的,上述输入设备1100可以包括多种输入设备,例如可以包括面向用户的用户接口、面向设备的设备接口、软件的可编程接口、摄像头、传感器中至少一种。可选的,该面向设备的设备接口可以是用于设备与设备之间进行数据传输的有线接口、还可以是用于设备与设备之间进行数据传输的硬件***接口(例如USB接口、串口等);可选的,该面向用户的用户接口例如可以是面向用户的控制按键、用于接收语音输入的语音输入设备以及用户接收用户触摸输入的触摸感知设备(例如具有触摸感应功能的触摸屏、触控板等);可选的,上述软件的可编程接口例如可以是供用户编辑或者修改程序的入口,例如芯片的输入引脚接口或者输入接口等;输出设备1102可以包括显示器、音响等输出设备。
在本实施例中,该终端设备的处理器包括用于执行各设备中各模块的功能,具体功能和技术效果参照上述实施例即可,此处不再赘述。
图4为本申请的一个实施例提供的终端设备的硬件结构示意图。图4是对图3在实现过程中的一个具体的实施例。如图所示,本实施例的终端设备可以包括第二处理器1201以及第二存储器1202。
第二处理器1201执行第二存储器1202所存放的计算机程序代码,实现上述实施例中图1所述方法。
第二存储器1202被配置为存储各种类型的数据以支持在终端设备的操作。这些数据的示例包括用于在终端设备上操作的任何应用程序或方法的指令,例如消息,图片,视频等。第二存储器1202可能包含随机存取存储器(random access memory,简称RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
可选地,第二处理器1201设置在处理组件1200中。该终端设备还可以包括:通信组件1203,电源组件1204,多媒体组件1205,语音组件1206,输入/输出接口1207和/或传感器组件1208。终端设备具体所包含的组件等依据实际需求设定,本实施例对此不作限定。
处理组件1200通常控制终端设备的整体操作。处理组件1200可以包括一个或多个第二处理器1201来执行指令,以完成上述数据处理方法中的全部或部分步骤。此外,处理组件1200可以包括一个或多个模块,便于处理组件1200和其他组件之间的交互。例如,处理组件1200可以包括多媒体模块,以方便多媒体组件1205和处理组件1200之间的交互。
电源组件1204为终端设备的各种组件提供电力。电源组件1204可以包括电源管理***,一个或多个电源,及其他与为终端设备生成、管理和分配电力相关联的组件。
多媒体组件1205包括在终端设备和用户之间的提供一个输出接口的显示屏。在一些实施例中,显示屏可以包括液晶显示器(LCD)和触摸面板(TP)。如果显示屏包括触摸面板,显示屏可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。
语音组件1206被配置为输出和/或输入语音信号。例如,语音组件1206包括一个麦克风(MIC),当终端设备处于操作模式,如语音识别模式时,麦克风被配置为接收外部语音信号。所接收的语音信号可以被进一步存储在第二存储器1202或经由通信组件1203发送。在一些实施例中,语音组件1206还包括一个扬声器,用于输出语音信号。
输入/输出接口1207为处理组件1200和***接口模块之间提供接口,上述***接口模块可以是点击轮,按钮等。这些按钮可包括但不限于:音量按钮、启动按钮和锁定按钮。
传感器组件1208包括一个或多个传感器,用于为终端设备提供各个方面的状态评估。例如,传感器组件1208可以检测到终端设备的打开/关闭状态,组件的相对定位,用户与终端设备接触的存在或不存在。传感器组件1208可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在,包括检测用户与终端设备间的距离。在一些实施例中,该传感器组件1208还可以包括摄像头等。
通信组件1203被配置为便于终端设备和其他设备之间有线或无线方式的通信。终端设备可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个实施例中,该终端设备中可以包括SIM卡插槽,该SIM卡插槽用于***SIM卡,使得终端设备可以登录GPRS网络,通过互联网与服务器建立通信。
由上可知,在图4实施例中所涉及的通信组件1203、语音组件1206以及输入/输出接口1207、传感器组件1208均可以作为图3实施例中的输入设备的实现方式。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (18)
1.一种对象管理方法,其特征在于,包括:
获取管理区域中管理对象的生物属性;
确定所述管理对象所处环境的环境属性;
根据所述管理对象的生物属性、环境属性以及事先确定的相似度阈值集合确定相对应的相似度阈值;
基于所述管理对象的生物特征与人员库中的生物特征的相似度和相似度阈值,对所述管理对象进行识别。
2.根据权利要求1所述的对象管理方法,其特征在于,获取管理区域中管理对象的生物属性包括:
获取管理区域中管理对象的生物特征;
基于所述管理对象的生物特征确定所述管理对象的生物属性。
3.根据权利要求1所述的对象管理方法,其特征在于,所述生物属性包括年龄属性。
4.根据权利要求3所述的对象管理方法,其特征在于,所述年龄属性的特征包括年龄范围。
5.根据权利要求4所述的对象管理方法,其特征在于,获取所述相似度阈值集合的方法为:根据不同的环境属性以及不同的年龄范围确定相似度阈值集合。
6.根据权利要求1所述的对象管理方法,其特征在于,所述环境属性包括环境亮度。
7.根据权利要求1所述的对象管理方法,其特征在于,所述人员库包括黑名单库、白名单库。
8.根据权利要求1所述的对象管理方法,其特征在于,所述生物特征包括人脸特征、人体特征。
9.一种对象管理装置,其特征在于,包括:
生物属性获取模块,用于获取管理区域中管理对象的生物属性;
环境属性确定模块,用于确定所述管理对象所处环境的环境属性;
相似度阈值确定模块,用于根据所述管理对象的生物属性、环境属性以及事先确定的相似度阈值集合确定相对应的相似度阈值;
对象识别模块,用于基于所述管理对象的生物特征与人员库中的生物特征的相似度和相似度阈值,对所述管理对象进行识别。
10.根据权利要求9所述的对象管理装置,其特征在于,所述生物属性获取模块包括:
特征信息获取子模块,用于获取管理区域中管理对象的生物特征;
生物属性确定子模块,用于基于所述管理对象的生物特征确定所述管理对象的生物属性。
11.根据权利要求9所述的对象管理装置,其特征在于,所述生物属性包括年龄属性。
12.根据权利要求11所述的对象管理装置,其特征在于,所述年龄属性的特征包括年龄范围。
13.根据权利要求12所述的对象管理装置,其特征在于,获取所述相似度阈值集合的方法为:根据不同的环境属性以及不同的年龄范围确定相似度阈值集合。
14.根据权利要求9所述的对象管理装置,其特征在于,所述环境属性包括环境亮度。
15.根据权利要求9所述的对象管理装置,其特征在于,所述人员库包括黑名单库、白名单库。
16.根据权利要求9所述的对象管理装置,其特征在于,所述生物特征包括人脸特征、人体特征。
17.一种设备,其特征在于,包括:
一个或多个处理器;和
其上存储有指令的一个或多个机器可读介质,当所述一个或多个处理器执行时,使得所述设备执行如权利要求1-8所述的一个或多个所述的方法。
18.一个或多个机器可读介质,其特征在于,其上存储有指令,当由一个或多个处理器执行时,使得设备执行如权利要求1-8所述的一个或多个所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010472569.3A CN111626229A (zh) | 2020-05-29 | 2020-05-29 | 一种对象管理方法、装置、机器可读介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010472569.3A CN111626229A (zh) | 2020-05-29 | 2020-05-29 | 一种对象管理方法、装置、机器可读介质及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111626229A true CN111626229A (zh) | 2020-09-04 |
Family
ID=72260127
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010472569.3A Pending CN111626229A (zh) | 2020-05-29 | 2020-05-29 | 一种对象管理方法、装置、机器可读介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111626229A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112949442A (zh) * | 2021-02-24 | 2021-06-11 | 杭州海康威视***技术有限公司 | 一种异常事件预识别方法、装置、电子设备及监控*** |
CN114116849A (zh) * | 2021-12-01 | 2022-03-01 | 南威软件股份有限公司 | 一种针对人像预警信息的二次研判方法及装置 |
WO2023284185A1 (en) * | 2021-07-15 | 2023-01-19 | Zhejiang Dahua Technology Co., Ltd. | Updating method for similarity threshold in face recognition and electronic device |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105833306A (zh) * | 2016-03-31 | 2016-08-10 | 太仓日森信息技术有限公司 | 针对不同人群的细菌浓度超标杀菌***及其杀菌方法 |
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 |
CN108241836A (zh) * | 2016-12-23 | 2018-07-03 | 同方威视技术股份有限公司 | 用于安检的方法及装置 |
CN108564067A (zh) * | 2018-04-28 | 2018-09-21 | 深圳卡安兴科技有限公司 | 人脸比对的阈值确定方法及*** |
CN110619889A (zh) * | 2019-09-19 | 2019-12-27 | Oppo广东移动通信有限公司 | 体征数据识别方法、装置、电子设备和存储介质 |
-
2020
- 2020-05-29 CN CN202010472569.3A patent/CN111626229A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105833306A (zh) * | 2016-03-31 | 2016-08-10 | 太仓日森信息技术有限公司 | 针对不同人群的细菌浓度超标杀菌***及其杀菌方法 |
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 |
CN108241836A (zh) * | 2016-12-23 | 2018-07-03 | 同方威视技术股份有限公司 | 用于安检的方法及装置 |
CN108564067A (zh) * | 2018-04-28 | 2018-09-21 | 深圳卡安兴科技有限公司 | 人脸比对的阈值确定方法及*** |
CN110619889A (zh) * | 2019-09-19 | 2019-12-27 | Oppo广东移动通信有限公司 | 体征数据识别方法、装置、电子设备和存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112949442A (zh) * | 2021-02-24 | 2021-06-11 | 杭州海康威视***技术有限公司 | 一种异常事件预识别方法、装置、电子设备及监控*** |
CN112949442B (zh) * | 2021-02-24 | 2024-02-06 | 杭州海康威视***技术有限公司 | 一种异常事件预识别方法、装置、电子设备及监控*** |
WO2023284185A1 (en) * | 2021-07-15 | 2023-01-19 | Zhejiang Dahua Technology Co., Ltd. | Updating method for similarity threshold in face recognition and electronic device |
CN114116849A (zh) * | 2021-12-01 | 2022-03-01 | 南威软件股份有限公司 | 一种针对人像预警信息的二次研判方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111626229A (zh) | 一种对象管理方法、装置、机器可读介质及设备 | |
CN111369418B (zh) | 一种健康数据管理方法、***、机器可读介质及设备 | |
CN107742072B (zh) | 人脸识别方法及移动终端 | |
CN108197450B (zh) | 人脸识别方法、人脸识别装置、存储介质及电子设备 | |
US10776646B2 (en) | Identification method and apparatus and computer-readable storage medium | |
CN111898495B (zh) | 一种动态阈值管理方法、***、设备及介质 | |
CN111310725A (zh) | 一种对象识别方法、***、机器可读介质及设备 | |
CN112989299A (zh) | 一种交互式身份识别方法、***、设备及介质 | |
CN107091704A (zh) | 压力检测方法和装置 | |
CN112580472A (zh) | 一种快速轻量的人脸识别方法、装置、机器可读介质及设备 | |
CN110597426A (zh) | 亮屏处理方法、装置、存储介质及终端 | |
CN111695509A (zh) | 一种身份验证方法、装置、机器可读介质及设备 | |
CN110647732B (zh) | 一种基于生物识别特征的语音交互方法、***、介质和设备 | |
CN111291638A (zh) | 一种对象比对方法、***、设备及介质 | |
CN113077262A (zh) | 一种餐饮结算方法、装置、***、机器可读介质及设备 | |
CN111985401A (zh) | 一种区域监控方法、***、机器可读介质及设备 | |
CN110363187B (zh) | 一种人脸识别方法、装置、机器可读介质及设备 | |
CN111353414A (zh) | 一种身份识别方法、***、机器可读介质及设备 | |
CN112529939A (zh) | 一种目标轨迹匹配方法、装置、机器可读介质及设备 | |
CN111104873A (zh) | 一种多图像处理装置协同的人脸识别方法、***、设备和介质 | |
CN112417197B (zh) | 一种排序方法、装置、机器可读介质及设备 | |
CN111260697A (zh) | 目标对象的识别方法、***、设备及介质 | |
CN111626369B (zh) | 一种人脸识别算法效果评估方法、装置、机器可读介质及设备 | |
CN114943872A (zh) | 目标检测模型的训练方法、装置、目标检测方法、装置、介质及设备 | |
CN112150685A (zh) | 一种车辆管理方法、***、机器可读介质及设备 |
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: 20200904 |
|
RJ01 | Rejection of invention patent application after publication |