CN112560768A - 闸机通道控制方法、装置、计算机设备及存储介质 - Google Patents
闸机通道控制方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN112560768A CN112560768A CN202011558312.6A CN202011558312A CN112560768A CN 112560768 A CN112560768 A CN 112560768A CN 202011558312 A CN202011558312 A CN 202011558312A CN 112560768 A CN112560768 A CN 112560768A
- Authority
- CN
- China
- Prior art keywords
- user
- information
- target user
- image
- 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
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000001514 detection method Methods 0.000 claims abstract description 17
- 230000004044 response Effects 0.000 claims abstract description 17
- 230000001815 facial effect Effects 0.000 claims description 18
- 230000009471 action Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 12
- 230000037361 pathway Effects 0.000 claims 1
- 230000036544 posture Effects 0.000 description 132
- 239000013598 vector Substances 0.000 description 25
- 238000000605 extraction Methods 0.000 description 14
- 210000000887 face Anatomy 0.000 description 8
- 210000003414 extremity Anatomy 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 230000001680 brushing effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000004397 blinking Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003993 interaction 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
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000003813 thumb Anatomy 0.000 description 1
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
- G06V40/161—Detection; Localisation; Normalisation
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- 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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/28—Recognition of hand or arm movements, e.g. recognition of deaf sign language
-
- 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
- G06V40/107—Static hand or arm
- G06V40/117—Biometrics derived from hands
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Collating Specific Patterns (AREA)
Abstract
本公开提供了一种闸机通道控制方法、装置、计算机设备及存储介质,包括:获取闸机通道图像,所述闸机通道图像由部署在闸机第一指定位置的图像采集装置进行采集;对所述闸机通道图像进行人物检测,确定所述闸机通道图像中包含的至少一个用户图像,其中,所述用户图像中包括用户的人脸图像;响应于检测到所述闸机通道图像中包含多个用户图像,确定所述多个用户图像分别对应的用户的姿态信息;从所述多个用户图像分别对应的用户中,确定姿态信息满足第一预设条件的目标用户,并基于所述目标用户的人脸图像,确定所述目标用户的身份信息;基于所述目标用户的身份信息,控制所述闸机通道的开关。
Description
技术领域
本公开涉及计算机视觉技术领域,具体而言,涉及一种闸机通道控制方法、装置、计算机设备及存储介质。
背景技术
随着人工智能技术的发展,通过神经网络进行图像识别比对的技术已经广泛应用于人类生活,并为用户带来较大的便利性,例如已广泛应用的人脸识别智能手机解锁、人脸识别控制门禁等。
随着计算机视觉技术的不断发展,现阶段希望能够进一步将人脸识别技术应用于公共交通支付场景,示例性的,应用于地铁支付场景。在地铁支付场景中,用户在地铁入站时刷脸进入,在地铁出站时刷脸支付当次地铁费用并出站。
然而由于在地铁支付场景中,用户之间的间距较小,尤其在高峰时段,这一现象更加严重。这就进一步导致了在对当前入/出地铁闸机的用户进行人脸检测识别时,检测到相邻的其他用户人脸的情况,从而导致误刷人脸及误扣款的情况。
发明内容
本公开实施例至少提供一种闸机通道控制方法、装置、计算机设备及存储介质。
第一方面,本公开实施例提供了一种闸机通道控制方法,包括:
获取闸机通道图像,所述闸机通道图像由部署在闸机第一指定位置的图像采集装置进行采集;
对所述闸机通道图像进行人物检测,确定所述闸机通道图像中包含的至少一个用户图像,其中,所述用户图像中包括用户的人脸图像;
响应于检测到所述闸机通道图像中包含多个用户图像,确定所述多个用户图像分别对应的用户的姿态信息;
从所述多个用户图像分别对应的用户中,确定姿态信息满足第一预设条件的目标用户,并基于所述目标用户的人脸图像,确定所述目标用户的身份信息;
基于所述目标用户的身份信息,控制所述闸机通道的开关。
通过上述方法,可以识别出图像采集装置采集的闸机通道图像中,姿态信息满足第一预设条件的目标用户,然后基于目标用户的身份信息控制闸机通道的开关,这样在识别待通过闸机通道的目标用户时,增加对于姿态信息的考量,可以避免用户之间的距离过近造成的识别错误,提高了在待通过闸机通道的用户较多时的识别精度,进而实现对于闸机通道开关的精确控制。
一种可能的实施方式中,所述姿态信息包括以下信息中的至少一种:
表情信息、手势动作信息、肢体动作信息、面部朝向信息。
一种可能的实施方式中,所述从所述多个用户图像分别对应的用户中,确定姿态信息满足第一预设条件的目标用户,包括:
基于所述多个用户图像分别对应的用户的姿态信息,确定呈现预设第一目标姿态的用户为所述目标用户。
一种可能的实施方式中,所述闸机的第二指定位置还部署有显示装置;
所述响应于检测到所述闸机通道图像中包含多个用户图像,确定所述多个用户图像分别对应的用户的姿态信息,包括:
响应于检测到所述闸机通道图像中包含多个用户图像,从多个待筛选姿态信息中选择第二目标姿态信息,并控制所述显示装置展示所述第二目标姿态信息;以及,确定所述多个用户图像分别对应的用户的姿态信息;
所述从所述多个用户图像分别对应的用户中,确定姿态信息满足第一预设条件的目标用户,包括:
基于所述多个用户图像分别对应的用户的姿态信息,确定呈现所述第二目标姿态信息对应的姿态的用户为所述目标用户。
通过向用户展示第二目标姿态信息,可以提示用户做出第二目标姿态信息对应的姿态,使得用户的姿态更加标准,在基于闸机通道图像中用户的姿态确定目标用户时,可以提升对于目标用户的确定精度。
一种可能的实施方式中,所述从所述多个用户图像分别对应的用户中,确定姿态信息满足第一预设条件的目标用户,包括:
从所述多个用户图像分别对应的用户中,将姿态信息满足第一预设条件的用户中,距离所述闸机通道最近的用户作为所述目标用户。
由于当前待出站的用户一般为距离闸机通道最近的用户,在确定目标用户时,增加对于距离的考量,提升了确定目标用户的精度。
一种可能的实施方式中,所述闸机的第二指定位置部署有显示装置;
所述从所述多个用户图像分别对应的用户中,确定姿态信息满足第一预设条件的目标用户,包括:
检测姿态信息满足第一预设条件的用户的注视区域信息;
基于所述注视区域信息,确定注视所述显示装置的用户作为所述目标用户。
同时基于姿态信息和注视区域确定目标用户,避免了单一信息对于确定目标用户的影响,提升了确定目标用户的精度。
一种可能的实施方式中,在确定出的目标用户有多个的情况下,所述方法还包括:
输出警告信息,所述警告信息用于提示闸机通道处多用户的姿态信息满足所述第一预设条件;所述输出警告信息包括语音播放警告信息或屏幕展示警告信息。
一种可能的实施方式中,在所述闸机通道为入站通道的情况下,所述基于所述目标用户的人脸图像,确定所述目标用户的身份信息,包括:
将所述目标用户的人脸图像与数据库中预先存储的已注册用户的人脸图像进行对比,将对比成功的已注册用户的身份信息作为所述目标用户的身份信息。
这样,可以保证当前入站的目标用户为已注册的用户,以便在该目标用户出站时,能够正常执行扣款过程。
在所述闸机通道为入站通道的情况下,在确定所述目标用户的身份信息之后,所述方法还包括:
确定所述目标用户的入站信息,并将所述入站信息与所述目标用户的身份信息对应存储;其中,所述入站信息包括入站站点标识和所述目标用户的人脸图像,以及入站时间、闸机通道号、入站线路号中的至少一种。
通过存储目标用户的入站信息和目标用户的身份信息,可以在该目标用户出站时,基于所述入站信息确定待支付费用,并基于目标用户的身份信息进行支付。
一种可能的实施方式中,在所述闸机通道为出站通道的情况下,所述基于所述目标用户的人脸图像,确定所述目标用户的身份信息,包括:
将所述目标用户的人脸图像与入站信息库中存储的已入站用户的人脸图像进行对比,将对比成功的已入站用户的身份信息作为所述目标用户的身份信息。
若所述闸机通道为出站通道,则该目标用户必定经过了入站通道,因此,入站信息库中必定有该目标用户的入站信息,因此,通过将目标用户的人脸图像与入站信息库中的人脸图像对比,可以快速确定出目标用户的入站信息。
在所述闸机通道为出站通道的情况下,所述基于所述目标用户的身份信息,控制所述闸机通道的开关,包括:
基于所述目标用户的入站信息,以及所述闸机通道对应的站点信息,确定待支付费用,并基于所述目标用户的身份信息按照所述待支付费用进行支付;
在支付完成之后,控制所述闸机通道打开。
第二方面,本公开实施例还提供一种闸机通道控制装置,包括:
获取模块,用于获取闸机通道图像,所述闸机通道图像由部署在闸机第一指定位置的图像采集装置进行采集;
第一确定模块,用于对所述闸机通道图像进行人物检测,确定所述闸机通道图像中包含的至少一个用户图像,其中,所述用户图像中包括用户的人脸图像;
第二确定模块,用于响应于检测到所述闸机通道图像中包含多个用户图像,确定所述多个用户图像分别对应的用户的姿态信息;
第三确定模块,用于从所述多个用户图像分别对应的用户中,确定姿态信息满足第一预设条件的目标用户,并基于所述目标用户的人脸图像,确定所述目标用户的身份信息;
控制模块,用于基于所述目标用户的身份信息,控制所述闸机通道的开关。
一种可能的实施方式中,所述姿态信息包括以下信息中的至少一种:
表情信息、手势动作信息、肢体动作信息、面部朝向信息。
一种可能的实施方式中,所述第三确定模块,在从所述多个用户图像分别对应的用户中,确定姿态信息满足第一预设条件的目标用户时,用于:
基于所述多个用户图像分别对应的用户的姿态信息,确定呈现预设第一目标姿态的用户为所述目标用户。
一种可能的实施方式中,所述闸机的第二指定位置还部署有显示装置;
所述第二确定模块,在响应于检测到所述闸机通道图像中包含多个用户图像,确定所述多个用户图像分别对应的用户的姿态信息时,用于:
响应于检测到所述闸机通道图像中包含多个用户图像,从多个待筛选姿态信息中选择第二目标姿态信息,并控制所述显示装置展示所述第二目标姿态信息;以及,确定所述多个用户图像分别对应的用户的姿态信息;
所述第三确定模块,在从所述多个用户图像分别对应的用户中,确定姿态信息满足第一预设条件的目标用户时,用于:
基于所述多个用户图像分别对应的用户的姿态信息,确定呈现所述第二目标姿态信息对应的姿态的用户为所述目标用户。
一种可能的实施方式中,所述第三确定模块,在从所述多个用户图像分别对应的用户中,确定姿态信息满足第一预设条件的目标用户时,用于:
从所述多个用户图像分别对应的用户中,将姿态信息满足第一预设条件的用户中,距离所述闸机通道最近的用户作为所述目标用户。
一种可能的实施方式中,所述闸机的第二指定位置部署有显示装置;
所述第三确定模块,在从所述多个用户图像分别对应的用户中,确定姿态信息满足第一预设条件的目标用户,包括:
检测姿态信息满足第一预设条件的用户的注视区域信息;
基于所述注视区域信息,确定注视所述显示装置的用户作为所述目标用户。
一种可能的实施方式中,在确定出的目标用户有多个的情况下,所述方法还包括警告模块,用于:
输出警告信息,所述警告信息用于提示闸机通道处多用户的姿态信息满足所述第一预设条件;所述输出警告信息包括语音播放警告信息或屏幕展示警告信息。
一种可能的实施方式中,在所述闸机通道为入站通道的情况下,所述第三确定模块,在基于所述目标用户的人脸图像,确定所述目标用户的身份信息时,用于:
将所述目标用户的人脸图像与数据库中预先存储的已注册用户的人脸图像进行对比,将对比成功的已注册用户的身份信息作为所述目标用户的身份信息;
在所述闸机通道为入站通道的情况下,在确定所述目标用户的身份信息之后,所述方法还包括存储模块,用于:
确定所述目标用户的入站信息,并将所述入站信息与所述目标用户的身份信息对应存储;其中,所述入站信息包括入站站点标识和所述目标用户的人脸图像,以及入站时间、闸机通道号、入站线路号中的至少一种。
一种可能的实施方式中,在所述闸机通道为出站通道的情况下,所述第三确定模块,在基于所述目标用户的人脸图像,确定所述目标用户的身份信息时,用于:
将所述目标用户的人脸图像与入站信息库中存储的已入站用户的人脸图像进行对比,将对比成功的已入站用户的身份信息作为所述目标用户的身份信息;
在所述闸机通道为出站通道的情况下,所述控制模块,在基于所述目标用户的身份信息,控制所述闸机通道的开关时,用于:
基于所述目标用户的入站信息,以及所述闸机通道对应的站点信息,确定待支付费用,并基于所述目标用户的身份信息按照所述待支付费用进行支付;
在支付完成之后,控制所述闸机通道打开。
第三方面,本公开实施例还提供一种计算机设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当计算机设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行上述第一方面,或第一方面中任一种可能的实施方式中的步骤。
第四方面,本公开实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述第一方面,或第一方面中任一种可能的实施方式中的步骤。
关于上述闸机通道控制装置、计算机设备、及计算机可读存储介质的效果描述参见上述闸机通道控制方法的说明,这里不再赘述。
为使本公开的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,此处的附图被并入说明书中并构成本说明书中的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。应当理解,以下附图仅示出了本公开的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1示出了本公开实施例所提供的一种闸机通道控制方法的流程图;
图2示出了本公开实施例所提供的闸机通道控制方法中,通过神经网络确定用户的注视区域信息的流程图;
图3示出了本公开实施例所提供的一种闸机通道控制装置的架构示意图;
图4示出了本公开实施例所提供的计算机设备400的结构示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中附图,对本公开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公开一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本公开实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围,而是仅仅表示本公开的选定实施例。基于本公开的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本公开保护的范围。
在地铁支付场景中,用户之间的间距较小,尤其在高峰时段,这一现象更加严重。这就进一步导致了在对当前入/出地铁闸机的用户进行人脸检测识别时,检测到相邻的其他用户人脸的情况,从而导致误刷人脸及误扣款的情况。
具体的,用户在入站时,若误刷其他用户人脸,则入站信息库中并未存储该用户的入站信息,因此该用户在出站时会因为无法查找到入站信息而无法正常出站;而对于被误刷的用户,由于其人脸已经被误刷,该被误刷的用户的入站信息已经存储在入站信息库中,因此该被误刷的用户在入站时,无法正常入站。
用户在出站时,若误刷其他用户人脸,则该用户在出站之后,再次入站时,由于在前一次出站并未扣除相应费用,因此,该用户无法正常入站;而对于被误刷的其他用户人脸,该其他用户人脸由于已经被误刷,已经扣除了相应费用,因此在该其他用户人脸在出站时,无法正常出站。
基于上述研究,本公开提供了一种闸机通道控制方法、装置、计算机设备及存储介质,可以识别出图像采集装置采集的闸机通道图像中,姿态信息满足第一预设条件的目标用户,然后基于目标用户的身份信息控制闸机通道的开关,这样在识别待通过闸机通道的目标用户时,增加对于姿态信息的考量,可以避免用户之间的距离过近造成的识别错误,提高了在待通过闸机通道的用户较多时的识别精度,进而实现对于闸机通道开关的精确控制。
针对以上方案所存在的缺陷,均是发明人在经过实践并仔细研究后得出的结果,因此,上述问题的发现过程以及下文中本公开针对上述问题所提出的解决方案,都应该是发明人在本公开过程中对本公开做出的贡献。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
为便于对本实施例进行理解,首先对本公开实施例所公开的一种闸机通道控制方法进行详细介绍,首先对本公开所适用的应用场景做出介绍,本公开所提供的闸机通道控制方法适用于公共交通工具的支付场景中,例如地铁支付、分段式计费公交车支付场景等,在所述支付场景中,入站闸机通道和出站闸机通道对应的指定位置处都设置有图像采集装置,所述图像采集装置可以是设置在闸机上,即闸机本身自带的装置,也可以是后续安装的用于采集通行所述闸机通道的用户图像的装置,本公开对此并不限定。
参见图1所示,为本公开实施例提供的一种闸机通道控制方法的流程图,所述方法包括步骤101~步骤105,其中:
步骤101、获取闸机通道图像,所述闸机通道图像由部署在闸机第一指定位置的图像采集装置进行采集。
步骤102、对所述闸机通道图像进行人物检测,确定所述闸机通道图像中包含的至少一个用户图像,其中,所述用户图像中包括用户的人脸图像。
步骤103、响应于检测到所述闸机通道图像中包含多个用户图像,确定所述多个用户图像分别对应的用户的姿态信息。
步骤104、从所述多个用户图像分别对应的用户中,确定姿态信息满足第一预设条件的目标用户,并基于所述目标用户的人脸图像,确定所述目标用户的身份信息。
步骤105、基于所述目标用户的身份信息,控制所述闸机通道的开关。
通过上述方法,可以识别出图像采集装置采集的闸机通道图像中,姿态信息满足第一预设条件的目标用户,然后基于目标用户的身份信息控制闸机通道的开关,这样在识别待通过闸机通道的目标用户时,增加对于姿态信息的考量,可以避免用户之间的距离过近造成的识别错误,提高了在待通过闸机通道的用户较多时的识别精度,进而实现对于闸机通道开关的精确控制。
以下是对上述步骤的详细描述。
针对步骤101、
所述图像采集装置用于采集通过所述闸机通道的用户的图像,在一种可能的实施方式中,所述图像采集装置可以实时采集图像,即所述图像采集装置可以采集通过所述闸机通道的用户的视频,在执行步骤101时,可以是对所述目标用户采集的视频进行采样,获取多个采样视频帧,每个采样视频帧即为所述图像采集装置采集的闸机通道图像。
或者,在另外一种可能的实施方式中,所述闸机通道处还可以设置有红外设备,当由所述红外设备检测到有用户出现在所述闸机通道对应的位置处时,再控制所述图像采集装置采集图像,并获取所述图像采集装置采集的闸机通道图像。
针对步骤102、
所述用户图像可以是用户的人脸图像,也可以是包括用户的人脸图像和人体图像的整体区域图像。
在一种可能的实施方式中,在对所述闸机通道图像进行人物检测时,可以对所述闸机通道图像进行语义分割(例如可以通过预先训练的语义分割网络),基于语义分割结果,确定所述至少一个用户图像。
针对步骤103和步骤104、
在检测到所述闸机通道图像中包括一个用户图像的情况下,可以直接将该图像中的用户图像的人脸图像作为所述目标用户的人脸图像,并确定所述目标用户的身份信息,然后执行步骤105。
在检测到所述闸机通道图像中包括多个用户图像的情况下,可以确定所述多个用户图像分别对应的用户的姿态信息,然后将姿态信息满足第一预设条件的用户作为所述目标用户,并基于所述目标用户的人脸图像,确定所述目标用户的身份信息。
在一种可能的实施方式中,所述姿态信息可以包括以下信息中的至少一种:
表情信息、手势动作信息、肢体动作信息、面部朝向信息。
需要说明的是,在所述姿态信息包括肢体动作信息的情况下,步骤101中获取的闸机通道图像可以是多张连续的视频帧图像;所述面部朝向信息可以是用户相对于所述闸机通道的朝向信息,例如若用户正对闸机通道时,所述面部朝向信息为0度,若用户侧对闸机通道时,所述面部朝向信息可以为90度或者-90度。
在一种可能的实施方式中,针对任一用户图像,在确定该用户图像对应的用户的姿态信息时,可以将该用户图像输入至姿态信息检测网络,姿态信息检测网络可以直接输出该用户图像中用户的姿态信息。
在一种可能的实施方式中,在从多个用户图像分别对应的用户中,确定姿态信息满足第一预设条件的目标用户时,可以基于所述多个用户图像分别对应的用户的姿态信息,确定呈现第一预设目标姿态的用户为所述目标用户。
其中,所述第一预设目标姿态例如可以为预设肢体动作(如眨眼、挥手等)、预设表情(如微笑)、预设手势动作(如竖大拇指、比剪刀手)、或者预设面部朝向范围。
这里,一种可能的实施方式中,所述姿态信息检测网络仅能用来检测所述第一目标姿态,所述姿态信息检测网络的输出结果为所述用户图像中的用户是否做出所述第一目标姿态,在这种实施方式下,所述姿态信息检测网络是基于携带有所述第一目标姿态标注信息的样本图像训练得到的,所述第一目标姿态标注信息用于表示所述样本图像中的用户是否呈现所述第一目标姿态。
在另外一种可能的实施方式中,所述姿态信息检测网络可以用来检测包括所述第一目标姿态在内的多种姿态,所述姿态信息检测网络的输出结果为所述用户图像中的用户做出了所述多种姿态中的哪种姿态,在这种实施方式下,所述姿态信息检测网络是基于携带有姿态标注信息的样本图像训练得到的,所述姿态标注信息用于表示所述样本图像中的用户呈现的姿态;在确定用户图像中的用户呈现的姿态后,可以进一步确定该姿态是否为第一目标姿态,若是,则确定该用户的姿态信息满足第一预设条件,该用户为目标用户。
在另外一种可能的实施方式中,所述闸机的第二指定位置还部署有显示装置;在检测到闸机通道图像中包含多个用户图像的情况下,所述响应于检测到闸机通道图像中包含多个用户图像,在确定所述多个用户图像分别对应的用户的姿态信息的同时,可以从多个待筛选姿态信息中筛选第二目标姿态信息,并控制所述显示装置展示所述第二目标姿态信息,在从多个用户图像分别对应的用户中,确定姿态信息满足第一预设条件的目标用户时,可以基于所述多个用户图像分别对应的用户的姿态信息,确定呈现所述第二目标姿态信息对应的姿态的用户为所述目标用户。
具体实施中,可以预先设置多个待筛选姿态,然后在检测到闸机通道图像中包括多个用户的情况下,从预先设置的多个待筛选姿态信息中选择第二目标姿态信息,并控制所述显示装置进行展示;所述显示设备在展示选择的第二目标姿态信息时,例如可以播放所述第二目标姿态信息对应的提示信息,如播放“请微笑”的语音提示信息,以提示用户做出所述第二目标姿态信息对应的姿态。
这里,在从预先设置的多个待筛选姿态信息中选择第二目标姿态信息时,可以从多个待筛选姿态信息中随机选择一个姿态信息作为所述第二目标姿态信息,也可以按照预设顺序,依次选择待筛选姿态信息作为所述第二目标姿态信息。
示例性的,若待筛选姿态信息包括姿态信息1、姿态信息2、姿态信息3,所述按照预设顺序,可以是姿态信息1、姿态信息2、姿态信息3、姿态信息1、姿态信息2…的顺序,依次选择待筛选姿态信息作为第二目标字条信息。
或者,在另外一种可能的实施方式中,在从预先设置的多个待筛选姿态信息中选择第二目标姿态信息时,还可以选择与上一次选择不同的待筛选姿态信息作为第二目标姿态信息,例如,若上一次选择了姿态信息1作为第二目标姿态信息,则在当前选择第二目标姿态信息时,可以从除姿态信息1外的其他待筛选姿态信息中随机选择一个姿态信息作为第二目标姿态信息。
在一种可能的实施方式中,若姿态信息满足第一预设条件的用户有多个时,可以基于以下方法中的任意一种确定目标用户:
方法一、
从所述多个用户图像分别对应的用户中,将姿态信息满足第一预设条件的用户中,距离所述闸机通道最近的用户作为所述目标用户。
在一种可能的实施方式中,在确定距离所述闸机通道最近的用户时,可以先分别确定姿态信息满足第一预设条件的用户的用户图像的深度信息,然后基于所述用户图像的深度信息,从所述姿态信息满足第一预设条件的用户中,确定目标用户。
这里,所述用户图像的深度信息,可以表示该用户图像对应的用户距离所述闸机通道的远近。针对任一用户图像,在确定该用户图像的深度信息时,可以先确定该用户图像的每个像素点的深度信息,然后将像素点的深度信息的均值作为该用户图像的深度信息。
在另外一种可能的实施方式中,在确定距离所述闸机通道最近的用户时,可以先分别确定姿态信息满足第一预设条件的用户的人脸图像的尺寸信息,然后根据所述尺寸信息,将对应的尺寸最大的人脸图像对应的用户作为与所述闸机通道最近的目标用户。
这里,所述多个人脸图像的尺寸信息,可以是所述人脸图像的面积;在另外一种可能的实施方式中,不同人脸图像的长宽比可以相同,例如可以为1:1,在这种实施方式下,所述人脸图像的尺寸信息可以是所述人脸图像的对角线的长度。
需要说明的是,在这种方式中,距离所述闸机通道越近,用户的人脸图像的尺寸越大,因此,基于所述用户的人脸图像尺寸,可以快速从姿态信息满足第一预设条件的用户中,确定出距离闸机通道最近的目标用户。
在另外一种可能的实施方式中,在确定距离闸机通道最近的目标用户时,还可以通过安装在所述闸机通道的预设位置的距离测量工具,确定距离当前闸机通道的最近的目标用户。
其中,所述距离测量工具例如可以是测距雷达,测距雷达可以发射多条脉冲光束,基于脉冲光束的反射结果,确定各个用户距离闸机通道的位置信息。
具体的,测距雷达在确定闸机通道图像中各个用户距离闸机通道的位置信息之后,基于测距雷达与图像采集装置的安装位置之间的相对位置关系,可以确定所述位置信息与所述闸机通道图像中各个用户之间的对应关系,进而可以确定姿态信息满足第一预设条件的用户中,距离闸机通道最近的目标用户。
距离闸机通道最近的目标用户之后,可以基于测距雷达与图像采集装置的安装位置之间的相对位置关系,确定该用户在图像采集装置采集的图像中的位置,即可以确定所述闸机通道图像中目标用户的人脸图像。
方法二、
可以先检测姿态信息满足第一预设条件的用户的注视区域信息,然后基于所述注视区域信息,确定注视显示装置的用户作为所述目标用户,其中,所述显示装置部署在所述闸机的第二指定位置。
在一种可能的实施方式中,针对任一人脸图像,在确定该人脸图像中用户的注视区域信息时,可以基于预先训练的神经网络进行确定,具体的,神经网络可以执行如图2所示的方法,以确定用户的注视区域信息,包括以下几个步骤:
步骤201、提取所述任一人脸图像的整脸特征得到整脸特征向量,和提取所述任一人脸图像的眼睛局部特征得到眼睛局部特征向量;以及,确定位置特征向量,其中,所述位置特征向量用于指示所述任一人脸图像在所述闸机通道图像中位置。
在一种可能的实施方式中,在提取所述任一人脸图像的整脸特征得到整脸特征向量时,可以先对所述任一人脸图像进行特征提取(这里是指进行浅层特征提取,如进行卷积),得到所述任一人脸图像对应的整脸特征图,然后对所述整脸特征图进行深层特征提取,得到所述整脸特征向量。
这里,浅层特征提取处理的提取深度小于于所述深层特征提取的提取深度;所述提取深度可以理解为特征提取的次数,两种特征提取处理在进行特征提取时的方式可以不同。
在一种可能的实施方式中,在提取所述任一人脸图像的眼睛局部特征,得到眼睛局部特征向量时,可以基于所述任一人脸图像的用户的眼睛在所述任一人脸图像中的位置,确定所述整脸特征图中的眼睛局部特征图,然后对所述眼睛局部特征图进行深层特征提取,得到所述眼睛局部向量。
这里,在对眼睛局部特征图进行深层特征提取时的具体实现方法,可以与对整脸特征图进行深层特征提取,得到整脸特征向量的方式相同,具体对于深层特征提取处理的方法本申请并不限定。
步骤202、基于所述眼睛局部特征向量和所述整脸特征向量,确定融合了所述任一人脸图像的眼睛局部特征和整脸特征的融合特征向量。
在一种可能的实施方式中,在基于眼睛局部特征向量和整脸特征向量,确定融合特征向量时,示例性的,可以按照预设顺序将两个特征向量进行串联。
示例性的,若眼睛局部特征向量为(a,,b,c),整脸特征向量为(e,f,g),则融合特征向量为(a,b,c,e,f,g)。
步骤203、基于所述融合特征向量和所述位置特征向量,确定所述任一人脸图像的用户的注视区域信息。
这里,可以将所述融合特征向量和所述位置特征向量进行拼接,得到拼接特征向量,然后对所述拼接特征向量进行处理后,基于分类器,确定注视区域信息。
所述注视区域信息可以是指用户注视的是显示装置内的区域,或者注视的是显示装置外的区域。
在一种可能的实施方式中,在确定出的目标用户有多个的情况下,还可以输出警告信息,所述警告信息用于提示闸机通道处多用户的姿态信息满足所述第一预设条件;所述输出警告信息包括语音播放警告信息或屏幕展示警告信息,这里,所述屏幕可以是上述显示装置。
在一种可能的实施方式中,在确定目标用户之后,可以基于目标用户的人脸图像,确定所述目标用户的身份信息。
具体的,目标用户在入站和出站时,识别用户的身份信息的方式不同,在所述闸机通道为入站通道的情况下,可以将目标用户的人脸图像与数据库中预先存储的已注册用户的人脸图像进行对比,将对比成功的已注册用户的身份信息作为所述目标用户的身份信息;在所述闸机通道为出站通道的情况下,可以将所述目标用户的人脸图像与入站信息库中存储的已入站用户的人脸图像进行对比,将对比成功的已入站用户的身份信息作为所述目标用户的身份信息。
这里,所述闸机通道为入站通道还是出站通道可以是预先设置好的。
在所述闸机通道为入站通道的情况下,将目标用户的人脸图像与数据库中预先存储的已注册用户的人脸图像进行对比,可以保证目标用户是已注册的用户,进而在该目标用户出站时,可以正常的执行扣费程序;在所述闸机通道为入站通道的情况下,由于存储已注册用户信息的数据库必定比入站信息库大,因此,将所述目标用户的人脸图像与入站信息库中存储的已入站用户的人脸图像进行对比,可以快速确定目标用户的身份信息,以及目标用户的入站信息,提高扣费效率。
在一种可能的实施方式中,在所述闸机通道为入站通道的情况下,在确定所述目标用户的身份信息之后,还可以确定所述目标用户的入站信息,并将所述入站信息与所述目标用户的身份信息对应存储,具体的,可以存储进上述入站信息库中。
其中,所述入站信息包括入站站点标识和目标用户的人脸图像,另外,入站信息还可以包括入站时间、闸机通道号、入站线路号中的至少一种。
针对步骤105、
在所述闸机通道为入站通道的情况下,在确定所述目标用户的身份信息之后,确定所述目标用户为已注册的用户之后,可以直接控制所述闸机通道打开。
在所述闸机通道为出站通道的情况下,在确定所述目标用户的身份信息之后,可以基于所述目标用户的入站信息,以及所述闸机通道对应的站点信息,确定待支付费用,并基于所述目标用户的身份信息按照所述待支付费用进行支付,并在支付完成之后,控制所述闸机通道打开。
这里,由于所述目标用户为已注册用户,因此,目标用户有对应的支付账户,在确定所述目标用户的身份信息之后,可以直接确定该目标用户对应的支付账户,由于已经基于目标用户的人脸图像,确定了目标用户的身份信息,因此,可以直接从目标用户的支付账户中扣除所述待支付费用。
在一种可能的实施方式中,在所述闸机通道为出站通道的情况下,在控制闸机通道打开,并扣除了待支付费用之后,可以将该目标用户的入站信息从入站信息库中删除,以实现入站信息库的及时更新。
本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
基于同一发明构思,本公开实施例中还提供了与闸机通道控制方法对应的闸机通道控制装置,由于本公开实施例中的装置解决问题的原理与本公开实施例上述闸机通道控制方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。
参照图3所示,为本公开实施例提供的一种闸机通道控制装置的架构示意图,所述装置包括:获取模块301、第一确定模块302、第二确定模块303、第三确定模块304、以及控制模块305;其中,
获取模块301,用于获取闸机通道图像,所述闸机通道图像由部署在闸机第一指定位置的图像采集装置进行采集;
第一确定模块302,用于对所述闸机通道图像进行人物检测,确定所述闸机通道图像中包含的至少一个用户图像,其中,所述用户图像中包括用户的人脸图像;
第二确定模块303,用于响应于检测到所述闸机通道图像中包含多个用户图像,确定所述多个用户图像分别对应的用户的姿态信息;
第三确定模块304,用于从所述多个用户图像分别对应的用户中,确定姿态信息满足第一预设条件的目标用户,并基于所述目标用户的人脸图像,确定所述目标用户的身份信息;
控制模块305,用于基于所述目标用户的身份信息,控制所述闸机通道的开关。
一种可能的实施方式中,所述姿态信息包括以下信息中的至少一种:
表情信息、手势动作信息、肢体动作信息、面部朝向信息。
一种可能的实施方式中,所述第三确定模块304,在从所述多个用户图像分别对应的用户中,确定姿态信息满足第一预设条件的目标用户时,用于:
基于所述多个用户图像分别对应的用户的姿态信息,确定呈现预设第一目标姿态的用户为所述目标用户。
一种可能的实施方式中,所述闸机的第二指定位置还部署有显示装置;
所述第二确定模块303,在响应于检测到所述闸机通道图像中包含多个用户图像,确定所述多个用户图像分别对应的用户的姿态信息时,用于:
响应于检测到所述闸机通道图像中包含多个用户图像,从多个待筛选姿态信息中选择第二目标姿态信息,并控制所述显示装置展示所述第二目标姿态信息;以及,确定所述多个用户图像分别对应的用户的姿态信息;
所述第三确定模块304,在从所述多个用户图像分别对应的用户中,确定姿态信息满足第一预设条件的目标用户时,用于:
基于所述多个用户图像分别对应的用户的姿态信息,确定呈现所述第二目标姿态信息对应的姿态的用户为所述目标用户。
一种可能的实施方式中,所述第三确定模块304,在从所述多个用户图像分别对应的用户中,确定姿态信息满足第一预设条件的目标用户时,用于:
从所述多个用户图像分别对应的用户中,将姿态信息满足第一预设条件的用户中,距离所述闸机通道最近的用户作为所述目标用户。
一种可能的实施方式中,所述闸机的第二指定位置部署有显示装置;
所述第三确定模块,在从所述多个用户图像分别对应的用户中,确定姿态信息满足第一预设条件的目标用户时,用于:
检测姿态信息满足第一预设条件的用户的注视区域信息;
基于所述注视区域信息,确定注视所述显示装置的用户作为所述目标用户。
一种可能的实施方式中,在确定出的目标用户有多个的情况下,所述方法还包括警告模块306,用于:
输出警告信息,所述警告信息用于提示闸机通道处多用户的姿态信息满足所述第一预设条件;所述输出警告信息包括语音播放警告信息或屏幕展示警告信息。
一种可能的实施方式中,在所述闸机通道为入站通道的情况下,所述第三确定模块304,在基于所述目标用户的人脸图像,确定所述目标用户的身份信息时,用于:
将所述目标用户的人脸图像与数据库中预先存储的已注册用户的人脸图像进行对比,将对比成功的已注册用户的身份信息作为所述目标用户的身份信息;
在所述闸机通道为入站通道的情况下,在确定所述目标用户的身份信息之后,所述方法还包括存储模块307,用于:
确定所述目标用户的入站信息,并将所述入站信息与所述目标用户的身份信息对应存储;其中,所述入站信息包括入站站点标识和所述目标用户的人脸图像,以及入站时间、闸机通道号、入站线路号中的至少一种。
一种可能的实施方式中,在所述闸机通道为出站通道的情况下,所述第三确定模块304,在基于所述目标用户的人脸图像,确定所述目标用户的身份信息时,用于:
将所述目标用户的人脸图像与入站信息库中存储的已入站用户的人脸图像进行对比,将对比成功的已入站用户的身份信息作为所述目标用户的身份信息;
在所述闸机通道为出站通道的情况下,所述控制模块305,在基于所述目标用户的身份信息,控制所述闸机通道的开关时,用于:
基于所述目标用户的入站信息,以及所述闸机通道对应的站点信息,确定待支付费用,并基于所述目标用户的身份信息按照所述待支付费用进行支付;
在支付完成之后,控制所述闸机通道打开。
通过上述装置,可以识别出图像采集装置采集的闸机通道图像中,姿态信息满足第一预设条件的目标用户,然后基于目标用户的身份信息控制闸机通道的开关,这样在识别待通过闸机通道的目标用户时,增加对于姿态信息的考量,可以避免用户之间的距离过近造成的识别错误,提高了在待通过闸机通道的用户较多时的识别精度,进而实现对于闸机通道开关的精确控制。
关于装置中的各模块的处理流程、以及各模块之间的交互流程的描述可以参照上述方法实施例中的相关说明,这里不再详述。
基于同一技术构思,本公开实施例还提供了一种计算机设备。参照图4所示,为本公开实施例提供的计算机设备400的结构示意图,包括处理器401、存储器402、和总线404。其中,存储器402用于存储执行指令,包括内存4021和外部存储器4022;这里的内存4021也称内存储器,用于暂时存放处理器401中的运算数据,以及与硬盘等外部存储器4022交换的数据,处理器401通过内存4021与外部存储器4022进行数据交换,当计算机设备400运行时,处理器401与存储器402之间通过总线404通信,使得处理器401在执行以下指令:
获取闸机通道图像,所述闸机通道图像由部署在闸机第一指定位置的图像采集装置进行采集;
对所述闸机通道图像进行人物检测,确定所述闸机通道图像中包含的至少一个用户图像,其中,所述用户图像中包括用户的人脸图像;
响应于检测到所述闸机通道图像中包含多个用户图像,确定所述多个用户图像分别对应的用户的姿态信息;
从所述多个用户图像分别对应的用户中,确定姿态信息满足第一预设条件的目标用户,并基于所述目标用户的人脸图像,确定所述目标用户的身份信息;
基于所述目标用户的身份信息,控制所述闸机通道的开关。
本公开实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述方法实施例中所述的闸机通道控制方法的步骤。其中,该存储介质可以是易失性或非易失的计算机可读取存储介质。
本公开实施例还提供一种计算机程序产品,该计算机产品承载有程序代码,所述程序代码包括的指令可用于执行上述方法实施例中所述的闸机通道控制方法的步骤,具体可参见上述方法实施例,在此不再赘述。
其中,上述计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中,所述计算机程序产品具体体现为计算机存储介质,在另一个可选实施例中,计算机程序产品具体体现为软件产品,例如软件开发包(Software Development Kit,SDK)等等。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。在本公开所提供的几个实施例中,应该理解到,所揭露的***、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本公开各个实施例中的各功能单元可以集成在一个处理单元中,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单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本公开的具体实施方式,用以说明本公开的技术方案,而非对其限制,本公开的保护范围并不局限于此,尽管参照前述实施例对本公开进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本公开实施例技术方案的精神和范围,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应所述以权利要求的保护范围为准。
Claims (12)
1.一种闸机通道控制方法,其特征在于,包括:
获取闸机通道图像,所述闸机通道图像由部署在闸机第一指定位置的图像采集装置进行采集;
对所述闸机通道图像进行人物检测,确定所述闸机通道图像中包含的至少一个用户图像,其中,所述用户图像中包括用户的人脸图像;
响应于检测到所述闸机通道图像中包含多个用户图像,确定所述多个用户图像分别对应的用户的姿态信息;
从所述多个用户图像分别对应的用户中,确定姿态信息满足第一预设条件的目标用户,并基于所述目标用户的人脸图像,确定所述目标用户的身份信息;
基于所述目标用户的身份信息,控制所述闸机通道的开关。
2.根据权利要求1所述的方法,其特征在于,所述姿态信息包括以下信息中的至少一种:
表情信息、手势动作信息、肢体动作信息、面部朝向信息。
3.根据权利要求1或2所述的方法,其特征在于,所述从所述多个用户图像分别对应的用户中,确定姿态信息满足第一预设条件的目标用户,包括:
基于所述多个用户图像分别对应的用户的姿态信息,确定呈现预设第一目标姿态的用户为所述目标用户。
4.根据权利要求1或2所述的方法,其特征在于,所述闸机的第二指定位置还部署有显示装置;
所述响应于检测到所述闸机通道图像中包含多个用户图像,确定所述多个用户图像分别对应的用户的姿态信息,包括:
响应于检测到所述闸机通道图像中包含多个用户图像,从多个待筛选姿态信息中选择第二目标姿态信息,并控制所述显示装置展示所述第二目标姿态信息;以及,确定所述多个用户图像分别对应的用户的姿态信息;
所述从所述多个用户图像分别对应的用户中,确定姿态信息满足第一预设条件的目标用户,包括:
基于所述多个用户图像分别对应的用户的姿态信息,确定呈现所述第二目标姿态信息对应的姿态的用户为所述目标用户。
5.根据权利要求1或2所述的方法,其特征在于,所述从所述多个用户图像分别对应的用户中,确定姿态信息满足第一预设条件的目标用户,包括:
从所述多个用户图像分别对应的用户中,将姿态信息满足第一预设条件的用户中,距离所述闸机通道最近的用户作为所述目标用户。
6.根据权利要求1或2所述的方法,其特征在于,所述闸机的第二指定位置部署有显示装置;
所述从所述多个用户图像分别对应的用户中,确定姿态信息满足第一预设条件的目标用户,包括:
检测姿态信息满足第一预设条件的用户的注视区域信息;
基于所述注视区域信息,确定注视所述显示装置的用户作为所述目标用户。
7.根据权利要求1~6任一所述的方法,其特征在于,在确定出的目标用户有多个的情况下,所述方法还包括:
输出警告信息,所述警告信息用于提示闸机通道处多用户的姿态信息满足所述第一预设条件;所述输出警告信息包括语音播放警告信息或屏幕展示警告信息。
8.根据权利要求1~7任一所述的方法,其特征在于,在所述闸机通道为入站通道的情况下,所述基于所述目标用户的人脸图像,确定所述目标用户的身份信息,包括:
将所述目标用户的人脸图像与数据库中预先存储的已注册用户的人脸图像进行对比,将对比成功的已注册用户的身份信息作为所述目标用户的身份信息;
在所述闸机通道为入站通道的情况下,在确定所述目标用户的身份信息之后,所述方法还包括:
确定所述目标用户的入站信息,并将所述入站信息与所述目标用户的身份信息对应存储;其中,所述入站信息包括入站站点标识和所述目标用户的人脸图像,以及入站时间、闸机通道号、入站线路号中的至少一种。
9.根据权利要求1~8任一所述的方法,其特征在于,在所述闸机通道为出站通道的情况下,所述基于所述目标用户的人脸图像,确定所述目标用户的身份信息,包括:
将所述目标用户的人脸图像与入站信息库中存储的已入站用户的人脸图像进行对比,将对比成功的已入站用户的身份信息作为所述目标用户的身份信息;
在所述闸机通道为出站通道的情况下,所述基于所述目标用户的身份信息,控制所述闸机通道的开关,包括:
基于所述目标用户的入站信息,以及所述闸机通道对应的站点信息,确定待支付费用,并基于所述目标用户的身份信息按照所述待支付费用进行支付;
在支付完成之后,控制所述闸机通道打开。
10.一种闸机通道控制装置,其特征在于,包括:
获取模块,用于获取闸机通道图像,所述闸机通道图像由部署在闸机第一指定位置的图像采集装置进行采集;
第一确定模块,用于对所述闸机通道图像进行人物检测,确定所述闸机通道图像中包含的至少一个用户图像,其中,所述用户图像中包括用户的人脸图像;
第二确定模块,用于响应于检测到所述闸机通道图像中包含多个用户图像,确定所述多个用户图像分别对应的用户的姿态信息;
第三确定模块,用于从所述多个用户图像分别对应的用户中,确定姿态信息满足第一预设条件的目标用户,并基于所述目标用户的人脸图像,确定所述目标用户的身份信息;
控制模块,用于基于所述目标用户的身份信息,控制所述闸机通道的开关。
11.一种计算机设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当计算机设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如权利要求1至9任一项所述的闸机通道控制方法的步骤。
12.一种计算机可读存储介质,其特征在于,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如权利要求1至9任一项所述的闸机通道控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011558312.6A CN112560768A (zh) | 2020-12-25 | 2020-12-25 | 闸机通道控制方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011558312.6A CN112560768A (zh) | 2020-12-25 | 2020-12-25 | 闸机通道控制方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112560768A true CN112560768A (zh) | 2021-03-26 |
Family
ID=75032383
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011558312.6A Pending CN112560768A (zh) | 2020-12-25 | 2020-12-25 | 闸机通道控制方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112560768A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113393243A (zh) * | 2021-05-11 | 2021-09-14 | 北京京东振世信息技术有限公司 | 支付信息处理方法、装置、电子设备和计算机可读介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107945321A (zh) * | 2017-11-08 | 2018-04-20 | 平安科技(深圳)有限公司 | 基于人脸识别的安检方法、应用服务器及计算机可读存储介质 |
CN108182414A (zh) * | 2017-12-29 | 2018-06-19 | 阿里巴巴集团控股有限公司 | 通行检测方法、装置以及*** |
WO2018192406A1 (zh) * | 2017-04-20 | 2018-10-25 | 腾讯科技(深圳)有限公司 | 身份验证方法及装置、存储介质 |
CN109830009A (zh) * | 2019-01-18 | 2019-05-31 | 深圳壹账通智能科技有限公司 | 门禁解锁方法、装置、计算机设备及存储介质 |
CN109859857A (zh) * | 2019-01-30 | 2019-06-07 | 深圳安泰创新科技股份有限公司 | 身份信息的标注方法、装置和计算机可读存储介质 |
CN110059666A (zh) * | 2019-04-29 | 2019-07-26 | 北京市商汤科技开发有限公司 | 一种注意力检测方法及装置 |
CN110320911A (zh) * | 2019-07-01 | 2019-10-11 | 百度在线网络技术(北京)有限公司 | 无人车控制方法、装置、无人车及存储介质 |
CN110379050A (zh) * | 2019-06-06 | 2019-10-25 | 上海学印教育科技有限公司 | 一种闸机控制方法、装置及*** |
CN110570200A (zh) * | 2019-08-16 | 2019-12-13 | 阿里巴巴集团控股有限公司 | 一种支付方法及装置 |
CN111460413A (zh) * | 2019-01-18 | 2020-07-28 | 阿里巴巴集团控股有限公司 | 身份识别***及方法、装置、电子设备、存储介质 |
US20200294060A1 (en) * | 2019-08-16 | 2020-09-17 | Alibaba Group Holding Limited | Payment method and device |
CN111815828A (zh) * | 2020-07-07 | 2020-10-23 | 中国联合网络通信集团有限公司 | 闸机检测方法、装置和*** |
-
2020
- 2020-12-25 CN CN202011558312.6A patent/CN112560768A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018192406A1 (zh) * | 2017-04-20 | 2018-10-25 | 腾讯科技(深圳)有限公司 | 身份验证方法及装置、存储介质 |
CN107945321A (zh) * | 2017-11-08 | 2018-04-20 | 平安科技(深圳)有限公司 | 基于人脸识别的安检方法、应用服务器及计算机可读存储介质 |
CN108182414A (zh) * | 2017-12-29 | 2018-06-19 | 阿里巴巴集团控股有限公司 | 通行检测方法、装置以及*** |
CN109830009A (zh) * | 2019-01-18 | 2019-05-31 | 深圳壹账通智能科技有限公司 | 门禁解锁方法、装置、计算机设备及存储介质 |
CN111460413A (zh) * | 2019-01-18 | 2020-07-28 | 阿里巴巴集团控股有限公司 | 身份识别***及方法、装置、电子设备、存储介质 |
CN109859857A (zh) * | 2019-01-30 | 2019-06-07 | 深圳安泰创新科技股份有限公司 | 身份信息的标注方法、装置和计算机可读存储介质 |
CN110059666A (zh) * | 2019-04-29 | 2019-07-26 | 北京市商汤科技开发有限公司 | 一种注意力检测方法及装置 |
CN110379050A (zh) * | 2019-06-06 | 2019-10-25 | 上海学印教育科技有限公司 | 一种闸机控制方法、装置及*** |
CN110320911A (zh) * | 2019-07-01 | 2019-10-11 | 百度在线网络技术(北京)有限公司 | 无人车控制方法、装置、无人车及存储介质 |
CN110570200A (zh) * | 2019-08-16 | 2019-12-13 | 阿里巴巴集团控股有限公司 | 一种支付方法及装置 |
US20200294060A1 (en) * | 2019-08-16 | 2020-09-17 | Alibaba Group Holding Limited | Payment method and device |
CN111815828A (zh) * | 2020-07-07 | 2020-10-23 | 中国联合网络通信集团有限公司 | 闸机检测方法、装置和*** |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113393243A (zh) * | 2021-05-11 | 2021-09-14 | 北京京东振世信息技术有限公司 | 支付信息处理方法、装置、电子设备和计算机可读介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9875392B2 (en) | System and method for face capture and matching | |
CN112258193B (zh) | 一种支付方法及装置 | |
CN112580553A (zh) | 开关控制方法、装置、计算机设备及存储介质 | |
CN113366487A (zh) | 基于表情组别的操作确定方法、装置及电子设备 | |
US20180270253A1 (en) | Method and system for identifying a human or machine | |
CN116051115A (zh) | 一种刷脸支付提示方法、装置及设备 | |
CN111539740B (zh) | 一种支付方法、装置及设备 | |
CN107424266A (zh) | 人脸识别解锁的方法和装置 | |
CN108198315A (zh) | 一种身份验证方法以及身份验证装置 | |
CN104239386A (zh) | 用于对面部识别匹配区分优先级的方法和*** | |
WO2020084467A1 (en) | Operator behavior recognition system | |
CN108197585A (zh) | 脸部识别方法和装置 | |
CN112560775A (zh) | 一种开关控制方法、装置、计算机设备及存储介质 | |
CN106471440A (zh) | 基于高效森林感测的眼睛跟踪 | |
Rusli et al. | Evaluating the masked and unmasked face with LeNet algorithm | |
CN113630721A (zh) | 推荐游览路线的生成方法和装置、及计算机可读存储介质 | |
CN107730245A (zh) | 基于无人商店的自动结账方法、无人商店 | |
CN112560768A (zh) | 闸机通道控制方法、装置、计算机设备及存储介质 | |
WO2016171923A1 (en) | Method and system for identifying a human or machine | |
CN108197593B (zh) | 基于三点定位方法的多尺寸人脸表情识别方法及装置 | |
CN110598555A (zh) | 一种图像的处理方法、装置及设备 | |
CN115565097A (zh) | 交易场景人员行为是否合规检测方法及装置 | |
US11250242B2 (en) | Eye tracking method and user terminal performing same | |
Rosa | Describing People: An Integrated Framework for Human Attributes Classification | |
CN116453194B (zh) | 一种人脸属性判别方法及装置 |
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 |