CN112381956A - 基于云计算的ai智能人脸识别售检票***及方法 - Google Patents

基于云计算的ai智能人脸识别售检票***及方法 Download PDF

Info

Publication number
CN112381956A
CN112381956A CN201911050411.0A CN201911050411A CN112381956A CN 112381956 A CN112381956 A CN 112381956A CN 201911050411 A CN201911050411 A CN 201911050411A CN 112381956 A CN112381956 A CN 112381956A
Authority
CN
China
Prior art keywords
station
cloud
cloud platform
identification
biological characteristic
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
Application number
CN201911050411.0A
Other languages
English (en)
Inventor
于松伟
陈德胜
张辉
张建伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Urban Construction Design and Development Group Co Ltd
Original Assignee
Beijing Urban Construction Design and Development Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Urban Construction Design and Development Group Co Ltd filed Critical Beijing Urban Construction Design and Development Group Co Ltd
Priority to CN201911050411.0A priority Critical patent/CN112381956A/zh
Publication of CN112381956A publication Critical patent/CN112381956A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07B—TICKET-ISSUING APPARATUS; FARE-REGISTERING APPARATUS; FRANKING APPARATUS
    • G07B11/00—Apparatus for validating or cancelling issued tickets
    • 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
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/76—Television signal recording
    • H04N5/78—Television signal recording using magnetic recording
    • H04N5/781—Television signal recording using magnetic recording on disks or drums
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Devices For Checking Fares Or Tickets At Control Points (AREA)

Abstract

本发明涉及一种售检票***及方法，属于轨道交通领域，具体是涉及一种基于云计算的AI智能人脸识别售检票***及方法。本发明是在充分利用云计算的自身的优势前提下，结合AI人脸识别和深度学习***，达到弹性伸缩、资源共享、提升资源利用率为，进而节省成本。本发明为地铁支付提供了一种新的便捷方式，为打造智慧地铁，服务型理念提供技术支持，进而提升乘客的体验。

Description

基于云计算的AI智能人脸识别售检票***及方法
技术领域
本发明涉及一种售检票***及方法，属于轨道交通领域，具体是涉及一种基于云计算的AI智能人脸识别售检票***及方法。
背景技术
随着互联网技术的高速发展，云计算、大数据、IoT、5G、AI人脸识别等技术也是日新月异。其中在云计算虚拟化技术提供的共享资源池、按需分配、租户隔离，SDN的基础上，为大数据、IoT、人脸识别大规模计算的提供了可能性，在最近几年技术快速迭代的前提下，得到了广泛的实践。随着地铁轨道交通建设也逐步采用云计算架构设计，从提高资源利用率、减低***实施复杂度出发，运用新技术进行现代化改造，提高乘客的体验度和服务水平，成为当下地铁发展的目标。
云计算是互联网高速发展下的产物，它以互联网作为依托，可为用户提供虚拟化的资源，能够按照使用者的实际需要，为他们提供网络访问服务，经过授权的用户，能够通过网络直接进入到资源共享池中，对其中的资源进行使用。云计算自出现至今的短短数年中，获得了飞速发展，并在诸多领域中获得应用，大体上可将云计算的特点归纳为如下几个方面。
一是规模大。云计算中的“云”代表互联网，由此使得云计算具有了规模大的特点，如谷歌的云计算，现已拥有上百万台服务器，而普通企业的私有云，也都拥有着数量不等的服务器，少则几百台，多则上千台，这在一定程度上给使用者带来了强大的计算能力。
二是虚拟化。云计算不会受到时间和地点的限制，只要有网络，使用者便可获取相应的服务。“云”能够提供海量的资源，但它却并不是有形的实体，所有的应用全部都在“云”中的某处运行，使用者并不需要了解应用具体的运行位置，只需要一台终端设备便可借助网络服务完成任务。
三是可靠性高。云计算使用了多种技术措施，如数据副本容错、计算节点同构等，确保了所提供服务的可靠性。
AFC***结合计算机技术，使其能够扮演售票员、检票员、会计等等多个角色，不仅如此，它还是一个票务管理员，对信息进行收集，为交通各个部门提供大量的数据信息，为交通各部门的决策提供数据信息支持，是一个真正自动化的***。
现有技术中存在一些基于云的检票***，但是大多没有将人脸识别新的技术作为一项新的解决方案纳入进来，其计算性能上更不能满足大量实时计算能力、并发能力需求。
发明内容
本发明主要是解决现有技术所存在的上述问题，提供了一种基于云计算的AI智能人脸识别售检票***及方法。该***及方法具有可执行性，同时又能做到资源利用的提升，进而减少投入的成本。
本发明的上述技术问题主要是通过下述技术方案得以解决的：
一种基于云计算的AI智能人脸识别售检票***，包括：
车站云平台，部署于车站侧，其内设置有车站云生物特征识别数据库以及生物特征识别***，所述生物特征识别***用于采集乘客的待识别生物特征信息；
中心云平台，通过承载网连接所述车站云平台，其内设置有大数据***和行为分析***，所述行为分析***根据大数据***采集的用户行为数据分析不同用户的***台的车站云生物特征识别数据库和终点站车云平台的车站云生物特征识别数据库；
其中，所述车站云平台先进行本地匹配以识别用户，所述本地匹配为将所述待识别生物特征信息与车站云生物特征识别数据库中的生物特征信息进行匹配。
优选的，上述的一种基于云计算的AI智能人脸识别售检票***，所述车站云平台在本地匹配失败后，将所述待识别生物特征信息发送至中心云平台进行远程匹配，所述远程匹配为将所述待识别生物特征信息与中心云平台的中心云生物特征识别数据库中的生物特征进行匹配。
优选的，上述的一种基于云计算的AI智能人脸识别售检票***，所述待识别生物特征信息包括
***采集识别装置采集的乘客进站时的***生物特征信息和闸机采集识别装置采集的乘客通过闸机时的验票生物特征信息；
其中，所述车站云平台维护一户外标记生物特征数据库，所述户外标记生物特征数据库存储与所述***生物特征信息相匹配的乘客生物特征信息；
所述车站云平台将所述验票生物特征信息与所述户外标记生物特征数据库中的乘客生物特征信息进行匹配以识别待验票乘客的用户身份信息。
优选的，上述的一种基于云计算的AI智能人脸识别售检票***，所述车站云平台先将所述户外标记生物特征数据进行本地匹配，并在匹配失败时将所述户外标记生物特征数据与中心云平台的中心云生物特征识别数据库中的生物特征进行匹配。
优选的，上述的一种基于云计算的AI智能人脸识别售检票***，所述车站云平台将所述验票生物特征信息与所述户外标记生物特征数据库中的乘客生物特征信息进行匹配失败时，还将所述验票生物特征信息与中心云平台的中心云生物特征识别数据库中的生物特征进行匹配。
优选的，上述的一种基于云计算的AI智能人脸识别售检票***，所述中心云平台在乘客进站后利用行为分析***预测用户的目标站点，并将乘客的生物特征信息发送至目标站点的车站云平台。
优选的，上述的一种基于云计算的AI智能人脸识别售检票***，所述生物特征信息为人脸识别信息。
优选的，上述的一种基于云计算的AI智能人脸识别售检票***，所述中心云平台包括车辆段云平台和控制中心云平台，所述车辆段云平台和控制中心云平台采用双活云架构设计，采用双活高性能存储、GPU资源池、AI存储池。
优选的，上述的一种基于云计算的AI智能人脸识别售检票***，车站云平台负责车站级别的任务处理，所述中心云平台以集群的方式部署AFC***和人脸识别算法***以用于核心计算、账户清算和大规模人脸计算处理。
一种基于云计算的AI智能人脸识别售检票方法，包括：
***识别步骤，通过***采集识别在进站时进行采集和识别，若识别成功，则将人脸保存至户外标记人脸数据库，为闸机验证做预处理
进闸识别步骤，通过在户外标记人脸数据库进行二次抓怕识别，如果识别成功，则调取AFC票务接口，乘客进站；如果识别失败，则推送到中心云进行比对，成功之后调取AFC票务接口，乘客进站；
目标预测步骤，乘客刷脸进站成功之后，通过中心云的大数据平台进行深度挖掘，预判该乘客的终点站，通知人脸服务将该人脸推送到该终点站的车站云人脸数据库；
出闸识别步骤，出站闸机抓拍人脸，首先基于本地数据库进行识别，识别成功扣费出站；如果识别失败，则推送中心云识别，返回结果扣费出站。
因此，本发明具有如下优点：本发明是在充分利用云计算的自身的优势前提下，结合AI人脸识别和深度学习***，达到弹性伸缩、资源共享、提升资源利用率为，进而节省成本。本发明为地铁支付提供了一种新的便捷方式，为打造智慧地铁，服务型理念提供技术支持，进而提升乘客的体验。
附图说明
附图1是现有技术中的一种基于云的检票***；
附图2是本发明的一种云平台部署架构示意图；
附图3是本发明的一种***调度流程。
具体实施方式
下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。
实施例：
如图1所示，为现有技术中的一种基于云的检票***。该***没有AI高性能存储池、GPU资源池、神经网络、深度训练模型、户外人脸识别比数据库等先进的技术，没有具体的识别校验策略和流程。该技术在计算性能上更不能满足大量实时计算能力、并发能力需求。
本实施例针对以上不足，对现有技术进行改进，提出了一种基于云计算的AI智能人脸识别售检票***和方法。
本实施例的***种云平台部署架构如图2所示。主要包括车站云平台和中心云平台。
车站云平台部署于车站侧，其内设置有车站云生物特征识别数据库以及生物特征识别***，所述生物特征识别***用于采集乘客的待识别生物特征信息；
中心云平台通过承载网连接所述车站云平台，其内设置有大数据***和行为分析***，所述行为分析***根据大数据***采集的用户行为数据分析不同用户的***台的车站云生物特征识别数据库和终点站车云平台的车站云生物特征识别数据库；
本实施例在车辆段和控制中心采用双活云架构设计，采用双活高性能存储、GPU资源池、AI存储池。车站云通过专用高速承载网与中心云进行通信。中心云在云平台上以集群的方式部署AFC***和人脸识别算法***，分别用于核心计算、账户清算和大规模人脸计算处理。同时设置CPU、GPU、内存、网络、磁盘等阈值，比如设置CPU阈值为0.8预警(即资源利用率超过80％)执行弹性扩展，保证集群具有一定的弹性伸缩策略，可以在高峰期和低谷期进行计算能力的横向伸缩，保证服务的有效性。车站云部署各***的子***(如AFC、人脸识别等)，用来负责车站级别的任务处理。车站云部署户外标记人脸数据库(Labled Faces inthe Wild：LFW)，该数据是由车站识别和中心云的行为分析***共同得到的结果。同时保存中心云对每个车站的每个乘客行为分析模型，目的是进行归类，缩小每个站的数据范围，提高比对速度和精准度。车站部署两层识别***，预识别和闸机识别。预识别即车站***摄像机进行抓拍识别，识别成功后保存到户外标记人脸数据库(Labled Faces in the Wild：LFW)；闸机识别即通过闸机摄像头进行识别。
本实施例首先建立有车站人脸库，其通过多次学习和归集，能够将不同站的常驻人流进行细分，进而可以有效提高识别率和识别速度。
本实施例还建立有中心人脸大数据，其利用充足的云计算资源和海量的人脸大数据，对各个车站提交的比对任务进行提取特征、深度学习、完成模型训练，并将计算后的结果推送到相应的车站云数据库。
如图3所示，为本发明的一种***调度流程。下面具体介绍其执行过程。
其中，所述车站云平台先进行本地匹配以识别用户，所述本地匹配为将所述待识别生物特征信息与车站云生物特征识别数据库中的生物特征信息进行匹配。车站云平台在本地匹配失败后，将所述待识别生物特征信息发送至中心云平台进行远程匹配，所述远程匹配为将所述待识别生物特征信息与中心云平台的中心云生物特征识别数据库中的生物特征进行匹配。
本实施例中，所述待识别生物特征信息包括***采集识别装置采集的乘客进站时的***生物特征信息和闸机采集识别装置采集的乘客通过闸机时的验票生物特征信息。
在进行检票时，首先通过***采集识别在进站时进行采集和识别，首先识别是基于本地人脸库(通过多次深度学习和归类，形成小规模人脸范围)，识别成功，则将该人脸保存至户外标记人脸数据库(Labled Faces in the Wild：LFW)，为闸机验证做预处理；如果没有识别成功，则推送到中心进行比对，中心云比对成功之后返回结果至车站人脸数据库。
接着，闸机通过在本地数据库进行二次抓怕识别，如果识别成功，则调取AFC票务接口，乘客进站；如果识别失败，则推送到中心云进行比对，成功之后调取AFC票务接口，乘客进站。
本实施例中，所述中心云平台在乘客进站后利用行为分析***预测用户的目标站点，并将乘客的生物特征信息发送至目标站点的车站云平台。具体的，在乘客刷脸进站成功之后，通过中心云的大数据平台进行深度挖掘，预判该乘客的终点站，通知人脸服务将该人脸推送到该终点站的车站云人脸数据库。
本实施例还出站闸机抓拍人脸，首先基于本地数据库进行识别，识别成功扣费出站；如果识别失败，则推送中心云识别，返回结果扣费出站。同时并都记录结果，提交给深度学习***，进行模型训练，形成该乘客的画像和行动轨迹，进而提高识别的准确性和效率。
本实施例在各个车站高峰期提交到中心云比对的任务时，由于任务多，数据量大，时间短，势必要调用大量的计算资源，此时云平台监控***针对不同资源的阈值进行控制(弹性扩展)，提高并发计算速度，及时反馈各个车站的任务。当客流量降低后，资源利用率下降，云平台监控***则对各集群资源进行收缩。在停止运营期间，调用大数据和深度学习服务集群则开始计算，形成所需要的数据模型。
本实施例是在充分利用云计算的自身的优势前提下，结合AI人脸识别和深度学习***，达到弹性伸缩、资源共享、提升资源利用率为，进而节省成本。本发明为地铁支付提供了一种新的便捷方式，为打造智慧地铁，服务型理念提供技术支持，进而提升乘客的体验。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (10)

1.一种基于云计算的AI智能人脸识别售检票***，其特征在于，包括：
车站云平台，部署于车站侧，其内设置有车站云生物特征识别数据库以及生物特征识别***，所述生物特征识别***用于采集乘客的待识别生物特征信息；
中心云平台，通过承载网连接所述车站云平台，其内设置有大数据***和行为分析***，所述行为分析***根据大数据***采集的用户行为数据分析不同用户的***台的车站云生物特征识别数据库和终点站车云平台的车站云生物特征识别数据库；
其中，所述车站云平台先进行本地匹配以识别用户，所述本地匹配为将所述待识别生物特征信息与车站云生物特征识别数据库中的生物特征信息进行匹配。
2.根据权利要求1所述的一种基于云计算的AI智能人脸识别售检票***，其特征在于，所述车站云平台在本地匹配失败后，将所述待识别生物特征信息发送至中心云平台进行远程匹配，所述远程匹配为将所述待识别生物特征信息与中心云平台的中心云生物特征识别数据库中的生物特征进行匹配。
3.根据权利要求1所述的一种基于云计算的AI智能人脸识别售检票***，其特征在于，所述待识别生物特征信息包括
***采集识别装置采集的乘客进站时的***生物特征信息和闸机采集识别装置采集的乘客通过闸机时的验票生物特征信息；
其中，所述车站云平台维护一户外标记生物特征数据库，所述户外标记生物特征数据库存储与所述***生物特征信息相匹配的乘客生物特征信息；
所述车站云平台将所述验票生物特征信息与所述户外标记生物特征数据库中的乘客生物特征信息进行匹配以识别待验票乘客的用户身份信息。
4.根据权利要求3所述的一种基于云计算的AI智能人脸识别售检票***，其特征在于，所述车站云平台先将所述户外标记生物特征数据进行本地匹配，并在匹配失败时将所述户外标记生物特征数据与中心云平台的中心云生物特征识别数据库中的生物特征进行匹配。
5.根据权利要求3所述的一种基于云计算的AI智能人脸识别售检票***，其特征在于，所述车站云平台将所述验票生物特征信息与所述户外标记生物特征数据库中的乘客生物特征信息进行匹配失败时，还将所述验票生物特征信息与中心云平台的中心云生物特征识别数据库中的生物特征进行匹配。
6.根据权利要求1所述的一种基于云计算的AI智能人脸识别售检票***，其特征在于，所述中心云平台在乘客进站后利用行为分析***预测用户的目标站点，并将乘客的生物特征信息发送至目标站点的车站云平台。
7.根据权利要求1所述的一种基于云计算的AI智能人脸识别售检票***，其特征在于，所述生物特征信息为人脸识别信息。
8.根据权利要求1所述的一种基于云计算的AI智能人脸识别售检票***，其特征在于，所述中心云平台包括车辆段云平台和控制中心云平台，所述车辆段云平台和控制中心云平台采用双活云架构设计，采用双活高性能存储、GPU资源池、AI存储池。
9.根据权利要求1所述的一种基于云计算的AI智能人脸识别售检票***，其特征在于，车站云平台负责车站级别的任务处理，所述中心云平台以集群的方式部署AFC***和人脸识别算法***以用于核心计算、账户清算和大规模人脸计算处理。
10.一种基于云计算的AI智能人脸识别售检票方法，其特征在于，包括：
***识别步骤，通过***采集识别在进站时进行采集和识别，若识别成功，则将人脸保存至户外标记人脸数据库，为闸机验证做预处理
进闸识别步骤，通过在户外标记人脸数据库进行二次抓怕识别，如果识别成功，则调取AFC票务接口，乘客进站；如果识别失败，则推送到中心云进行比对，成功之后调取AFC票务接口，乘客进站；
目标预测步骤，乘客刷脸进站成功之后，通过中心云的大数据平台进行深度挖掘，预判该乘客的终点站，通知人脸服务将该人脸推送到该终点站的车站云人脸数据库；
出闸识别步骤，出站闸机抓拍人脸，首先基于本地数据库进行识别，识别成功扣费出站；如果识别失败，则推送中心云识别，返回结果扣费出站。
CN201911050411.0A 2019-10-31 2019-10-31 基于云计算的ai智能人脸识别售检票***及方法 Pending CN112381956A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911050411.0A CN112381956A (zh) 2019-10-31 2019-10-31 基于云计算的ai智能人脸识别售检票***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911050411.0A CN112381956A (zh) 2019-10-31 2019-10-31 基于云计算的ai智能人脸识别售检票***及方法

Publications (1)

Publication Number Publication Date
CN112381956A true CN112381956A (zh) 2021-02-19

Family

ID=74585964

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911050411.0A Pending CN112381956A (zh) 2019-10-31 2019-10-31 基于云计算的ai智能人脸识别售检票***及方法

Country Status (1)

Country Link
CN (1) CN112381956A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113129492A (zh) * 2021-04-16 2021-07-16 腾讯科技（深圳）有限公司 一种智能门禁控制方法和***
CN114358795A (zh) * 2022-03-18 2022-04-15 武汉乐享技术有限公司 一种基于人脸的支付方法和装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106355056A (zh) * 2016-08-31 2017-01-25 厦门市杜若科技有限公司 一种进行时空唯一性与连续性判断的身份鉴别方法与***
CN106384022A (zh) * 2016-11-23 2017-02-08 东软集团股份有限公司 出行行为预测方法及装置
CN106530414A (zh) * 2016-11-24 2017-03-22 深圳市永达电子信息股份有限公司 一种人、证、票合一二次检测***
CN108053498A (zh) * 2017-11-30 2018-05-18 广州华夏职业学院 一种车站进站自动检票***
CN108090440A (zh) * 2017-12-14 2018-05-29 中国铁道科学研究院电子计算技术研究所 一种面向铁路客运的身份验证***
CN109064613A (zh) * 2018-09-18 2018-12-21 广州佳都数据服务有限公司 人脸识别方法及装置
CN109345437A (zh) * 2018-08-31 2019-02-15 无感通圆(武汉)科技有限公司 开放式便捷乘车的地铁站***及应用
CN109360319A (zh) * 2018-12-25 2019-02-19 深圳三人行在线科技有限公司 一种生物特征识别检票***及方法
CN109741040A (zh) * 2018-12-20 2019-05-10 比亚迪股份有限公司 一种售检票方法及***

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106355056A (zh) * 2016-08-31 2017-01-25 厦门市杜若科技有限公司 一种进行时空唯一性与连续性判断的身份鉴别方法与***
CN106384022A (zh) * 2016-11-23 2017-02-08 东软集团股份有限公司 出行行为预测方法及装置
CN106530414A (zh) * 2016-11-24 2017-03-22 深圳市永达电子信息股份有限公司 一种人、证、票合一二次检测***
CN108053498A (zh) * 2017-11-30 2018-05-18 广州华夏职业学院 一种车站进站自动检票***
CN108090440A (zh) * 2017-12-14 2018-05-29 中国铁道科学研究院电子计算技术研究所 一种面向铁路客运的身份验证***
CN109345437A (zh) * 2018-08-31 2019-02-15 无感通圆(武汉)科技有限公司 开放式便捷乘车的地铁站***及应用
CN109064613A (zh) * 2018-09-18 2018-12-21 广州佳都数据服务有限公司 人脸识别方法及装置
CN109741040A (zh) * 2018-12-20 2019-05-10 比亚迪股份有限公司 一种售检票方法及***
CN109360319A (zh) * 2018-12-25 2019-02-19 深圳三人行在线科技有限公司 一种生物特征识别检票***及方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113129492A (zh) * 2021-04-16 2021-07-16 腾讯科技（深圳）有限公司 一种智能门禁控制方法和***
CN114358795A (zh) * 2022-03-18 2022-04-15 武汉乐享技术有限公司 一种基于人脸的支付方法和装置

Similar Documents

Publication Publication Date Title
Li et al. Real-time crash risk prediction on arterials based on LSTM-CNN
Ma et al. Driving style recognition and comparisons among driving tasks based on driver behavior in the online car-hailing industry
CN105373840B (zh) 代驾订单预测方法和代驾运力调度方法
Ma et al. Mining smart card data for transit riders’ travel patterns
Zhang et al. Spatiotemporal segmentation of metro trips using smart card data
US11482050B2 (en) Intelligent gallery management for biometrics
CN105023437A (zh) 一种公交od矩阵的构建方法及***
CN103325259A (zh) 一种基于多核并行的违章停车检测方法
CN112381956A (zh) 基于云计算的ai智能人脸识别售检票***及方法
CN107292635B (zh) 电子客票的退票方法和装置
CN111797926B (zh) 城际迁徙行为识别方法、装置、计算机设备及存储介质
CN104036139A (zh) 一种移动对象轨迹监测方法
CN113435998A (zh) 贷款逾期预测方法、装置、电子设备及存储介质
US11049054B1 (en) Utilizing a machine learning model to crowdsource funds for public services
CN109242391A (zh) 一种货物识别方法及装置
CN114245204B (zh) 基于人工智能的视频面签方法、装置、电子设备及介质
CN113987351A (zh) 基于人工智能的智能推荐方法、装置、电子设备及介质
CN104239958A (zh) 适用于城市轨道交通***的短时客流预测方法
CN201465184U (zh) 一种指纹识别式售票***
CN115907745A (zh) 基于MaaS一体化出行方法、装置及存储介质
CN109754301A (zh) 售检票***、方法及存储介质
CN115442149B (zh) 一种基于深度学习的数据入侵分析方法及服务器
Tian et al. Unlicensed taxi detection algorithm based on traffic surveillance data
Barbosa et al. A neuro-symbolic approach to GPS trajectory classification
Shao et al. Research on Application of Machine Learning Algorithms in Train Ticket Sales Management

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210219