CN116052074A - 违规行为监控方法、装置、计算机设备和存储介质 - Google Patents
违规行为监控方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN116052074A CN116052074A CN202211694933.6A CN202211694933A CN116052074A CN 116052074 A CN116052074 A CN 116052074A CN 202211694933 A CN202211694933 A CN 202211694933A CN 116052074 A CN116052074 A CN 116052074A
- Authority
- CN
- China
- Prior art keywords
- area
- object area
- target
- preset
- monitoring
- 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
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Alarm Systems (AREA)
Abstract
本申请涉及一种违规行为监控方法、装置、计算机设备和存储介质,其中,该方法包括:获取预设区域的图像信息;预设区域包括第一对象区域和第二对象区域;对第一对象区域进行人员检测,以及对第二对象区域中的物品进行识别;若检测到第一对象离开第一对象区域,且在第二对象区域中识别到目标对象时,判断第二对象存在违规行为。通过本申请,能够根据预设区域的图像信息,在确认第一对象离开第一对象区域时,通过识别第二对象区域中物品是否为目标对象,自动判断是否存在违规行为,解决了通过人工对违规行为进行监管,存在监管不足的问题。
Description
技术领域
本申请涉及监控识别技术领域,特别是涉及一种违规行为监控方法、装置、计算机设备和存储介质。
背景技术
在金融和通信等行业办理业务的过程中,需要客户提供个人资料进行身份验证等操作。客户的个人信息涉及客户隐私,如果客户在业务办理过程中离开,此时工作人员务必归还客户的证件、银行卡等个人资料,不能代管,这样能够防止工作人员在客户离开期间,利用客户的个人信息进行违规操作,以保证客户的个人信息安全。
目前主要是通过人工现场监督和视频人工值守这两种人工监管的方式,对工作人员的违规行为进行监管,一方面,人工难以保证时刻监管,其监管力度不足,容易出现疏漏;另一方面,人的判断和监管存在一定的主观因素,缺乏标准化,可能存在误判,因此通过人工对违规行为进行监管,存在监管不足的问题。
针对相关技术中通过人工对违规行为进行监管,存在监管不足的问题,目前还没有提出有效的解决方案。
发明内容
在本实施例中提供了一种违规行为监控方法、装置、计算机设备和存储介质,以解决相关技术中通过人工对违规行为进行监管,存在监管不足的问题。
第一个方面,在本实施例中提供了一种违规行为监控方法,包括:
获取预设区域的图像信息;所述预设区域包括第一对象区域和第二对象区域;
对所述第一对象区域进行人员检测,以及对所述第二对象区域中的物品进行识别;
若检测到第一对象离开所述第一对象区域,且在所述第二对象区域中识别到目标对象时,判断第二对象存在违规行为。
在其中的一些实施例中,所述获取预设区域的图像信息,包括:
通过至少一个采集设备,获取特定场景中多个所述预设区域的视频流;
对所述视频流进行解码和分析,得到所述图像信息。
在其中的一些实施例中,所述对所述第一对象区域进行人员检测,以及对所述第二对象区域中的物品进行识别,包括:
对所述第一对象区域的图像信息进行人体目标识别,检测所述第一对象区域的人员数量;
若检测到所述第二对象区域的图像信息中存在物品,将所述物品与目标库进行特征比对,得到识别结果。
在其中的一些实施例中,所述将所述物品与目标库进行特征比对,得到识别结果,包括:
提取所述物品的特征,与所述目标库中目标对象的特征进行比对,得到相似度结果;
基于预设相似度阈值和所述相似度结果,得到所述物品的识别结果。
在其中的一些实施例中,所述若检测到第一对象离开所述第一对象区域,且在所述第二对象区域中识别到目标对象时,判断第二对象存在违规行为,包括:
当检测到所述第一对象区域的人员数量为零,且持续为零达到预设时间时,确认所述第一对象离开所述第一对象区域,并将识别为所述目标对象的物品,与误报库进行特征比对;
若所述物品与所述误报库比对成功,判断所述物品的识别结果为误报;
若所述物品与所述误报库比对失败,判断所述第二对象存在违规行为。
在其中的一些实施例中,上述方法还包括:
通过对与所述目标对象相似的物品进行特征提取,构建得到所述误报库。
在其中的一些实施例中,上述方法还包括:
将所述违规行为与对应的第二对象区域上传至控制终端进行保存,并触发对应所述第二对象区域的报警提示。
第二个方面,在本实施例中提供了一种违规行为监控装置,包括:图像采集模块、目标识别模块以及行为判断模块;
所述图像采集模块,用于获取预设区域的图像信息;所述预设区域包括第一对象区域和第二对象区域;
所述目标识别模块,用于对所述第一对象区域进行人员检测,以及对所述第二对象区域中的物品进行识别;
所述行为判断模块,用于在检测到第一对象离开所述第一对象区域,且在所述第二对象区域中识别到目标对象时,判断第二对象存在违规行为。
第三个方面,在本实施例中提供了一种计算机设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一个方面所述的违规行为监控方法。
第四个方面,在本实施例中提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述第一个方面所述的违规行为监控方法。
与相关技术相比,在本实施例中提供的一种违规行为监控方法、装置、计算机设备和存储介质,通过获取预设区域的图像信息;所述预设区域包括第一对象区域和第二对象区域;对所述第一对象区域进行人员检测,以及对所述第二对象区域中的物品进行识别;若检测到第一对象离开所述第一对象区域,且在所述第二对象区域中识别到目标对象时,判断第二对象存在违规行为,能够根据预设区域的图像信息,在确认第一对象离开第一对象区域时,通过识别第二对象区域中物品是否为目标对象,自动判断是否存在违规行为,解决了通过人工对违规行为进行监管,存在监管不足的问题。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是一个实施例中违规行为监控方法的终端的硬件结构框图;
图2是一个实施例中违规行为监控方法的流程图;
图3是一个实施例中预设区域的示意图;
图4是一个实施例中对检测到的物品进行特征比对的示意图;
图5是一个实施例中特征比对的流程图;
图6是一个优选实施例中违规行为监控方法的流程图;
图7是一个优选实施例中对预设区域进行监控的示意图;
图8是一个实施例中违规行为监控装置的结构框图。
图中:102、处理器;104、存储器;106、传输设备;108、输入输出设备;10、图像采集模块;20、目标识别模块;30、行为判断模块。
具体实施方式
为更清楚地理解本申请的目的、技术方案和优点,下面结合附图和实施例,对本申请进行了描述和说明。
除另作定义外,本申请所涉及的技术术语或者科学术语应具有本申请所属技术领域具备一般技能的人所理解的一般含义。在本申请中的“一”、“一个”、“一种”、“该”、“这些”等类似的词并不表示数量上的限制,它们可以是单数或者复数。在本申请中所涉及的术语“包括”、“包含”、“具有”及其任何变体,其目的是涵盖不排他的包含;例如,包含一系列步骤或模块(单元)的过程、方法和***、产品或设备并未限定于列出的步骤或模块(单元),而可包括未列出的步骤或模块(单元),或者可包括这些过程、方法、产品或设备固有的其他步骤或模块(单元)。在本申请中所涉及的“连接”、“相连”、“耦接”等类似的词语并不限定于物理的或机械连接,而可以包括电气连接,无论是直接连接还是间接连接。在本申请中所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。通常情况下,字符“/”表示前后关联的对象是一种“或”的关系。在本申请中所涉及的术语“第一”、“第二”、“第三”等,只是对相似对象进行区分,并不代表针对对象的特定排序。
在本实施例中提供的方法实施例可以在终端、计算机或者类似的运算装置中执行。比如在终端上运行,图1是本实施例的违规行为监控方法的终端的硬件结构框图。如图1所示,终端可以包括一个或多个(图1中仅示出一个)处理器102和用于存储数据的存储器104,其中,处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置。上述终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述终端的结构造成限制。例如,终端还可包括比图1中所示更多或者更少的组件,或者具有与图1所示出的不同配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如在本实施例中的违规行为监控方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输设备106用于经由一个网络接收或者发送数据。上述的网络包括终端的通信供应商提供的无线网络。在一个实例中,传输设备106包括一个网络适配器(NetworkInterface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输设备106可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
在金融和移动通信等行业办理业务的过程中,需要客户提供个人资料进行身份验证等操作。客户的个人信息涉及客户隐私,如果客户在业务办理过程中离开,此时工作人员务必归还客户的证件、银行卡等个人资料,不能代管,这样能够防止工作人员在客户离开期间,利用客户的个人信息进行违规操作,以保证客户的个人信息安全。
目前主要是通过人工现场监督和视频人工值守这两种人工监管的方式,对工作人员的违规行为进行监管,一方面,人工难以保证时刻监管,其监管力度不足,容易出现疏漏;另一方面,人的判断和监管存在一定的主观因素,缺乏标准化,可能存在误判,因此通过人工对违规行为进行监管,存在监管不足的问题。
为了解决以上问题,在以下实施例中提供了一种违规行为监控方法、装置、计算机设备和存储介质,能够通过能够根据预设区域的图像信息,在确认第一对象离开第一对象区域时,通过识别第二对象区域中物品是否为目标对象,自动判断是否存在违规行为。
在本实施例中提供了一种违规行为监控方法,图2是本实施例的方法的流程图,如图2所示,该方法包括以下步骤:
步骤S210,获取预设区域的图像信息;预设区域包括第一对象区域和第二对象区域。
具体地,对于特定场景中的预设区域,通过图像采集设备采集第一对象区域和第二对象区域的图像信息。其中,第一对象区域和第二对象区域可以是待监控的第一对象和第二对象所处的区域,特定场景包括但不限于金融和移动通信等行业中,客户与工作人员在柜台办理业务的场景。比如银行业务办理过程中,第一对象区域和第二对象区域分别对应客户所在区域和工作人员所在区域。
步骤S220,对第一对象区域进行人员检测,以及对第二对象区域中的物品进行识别。
具体地,通过人体目标识别第一对象区域中人员数量,并持续对人体目标进行跟踪检测,根据人员数量确认第一对象是否离开第一对象区域,即确认客户是否离开,并且通过特征比对识别第二对象区域中的物品,确认是否为目标对象。其中,第二对象区域中的物品可以是桌面和柜面等位置上摆放的物品,目标对象包括但不限于是第一对象(客户)的身份证、银行卡、驾驶证以及单据等个人资料。
进一步地,可以第一对象区域检测到第一对象后,或者是在确认第一对象离开第一对象区域时,对第二对象区域中的物品进行识别,具体不作限制。
步骤S230,若检测到第一对象离开第一对象区域,且在第二对象区域中识别到目标对象时,判断第二对象存在违规行为。
具体地,根据人员数量确认第一对象离开第一对象区域,根据第二对象区域中物品的识别结果,判断是否为目标对象,当第一对象已离开第一对象区域,且在第二对象区域中存在目标对象,即第一对象的个人资料,则判断第二对象存在资料代管的违规行为。以上述银行业务办理的场景为例,当确认客户离开第一对象区域(包括业务中途离开,或者业务办理完成离开),且识别到工作人员侧存在客户的个人资料时,判断工作人员存在违规行为。
上述步骤通过采集设备获取多个预设区域的图像信息,通过对预设区域进行人员检测和物品识别,能够在确认第一对象离开第一对象区域时,通过识别第二对象区域中物品是否为目标对象,自动判断是否存在违规行为,解决了通过人工对违规行为进行监管,存在监管不足的问题。针对一些特定场景中客户与工作人员在柜台办理业务的场景,能够在识别到客户离开第一对象区域时,根据第二对象区域的物品,自动判断工作人员是否存在代管客户个人资料的违规行为。
在其中的一些实施例中,上述步骤S210中获取预设区域的图像信息,包括以下步骤:
通过至少一个采集设备,获取特定场景中多个预设区域的视频流;对视频流进行解码和分析,得到图像信息。
具体地,特定场景包括但不限于金融和移动通信等行业中,客户与工作人员在柜台办理业务的场景,通过在特定场景设置至少一个采集设备,获取多个预设区域的视频流。其中,可以通过一个采集设备获取多个预设区域的视频流,为了获取更全面的图像信息,可以设置多个不同角度的采集设备,分别获取预设区域的视频流,经过解码和分析,得到图像信息并进行存储。
本实施例中通过采集设备对特定场景中预设区域的实时动态进行监控,以获取预设区域的图像信息,以根据图像信息对预设区域进行识别。
在其中的一些实施例中,上述步骤S220中对第一对象区域进行人员检测,以及对第二对象区域中的物品进行识别,包括以下步骤:
步骤S221,对第一对象区域的图像信息进行人体目标识别,检测第一对象区域的人员数量。
步骤S222,若检测到第二对象区域的图像信息中存在物品,将物品与目标库进行特征比对,得到识别结果。
具体地,图3是本实施例中预设区域的示意图,如图3所示,第一对象区域和第二对象区域分别是待监控的第一对象和第二对象所处的区域,第一对象和第二对象可以通过柜台进行业务办理等事项。通过人体目标识别检测第一对象区域中人员数量,若人员数量大于零,判断第一对象区域里存在第一对象。
检测第二对象区域中是否存在物品,其中具体可以是检测第二对象侧柜面或者桌面的物品,若检测到第二对象区域中的物品,通过将物品与目标库进行特征比对,得到识别结果。
进一步地,提取物品的特征,与目标库中目标对象的特征进行比对,得到相似度结果;基于预设相似度阈值和相似度结果,得到物品的识别结果。
具体地,提取物品所在区域内的特征信息,将提取到的特征信息与预设的目标库中目标对象的特征进行相似度比对,得到相似度结果。其中,可以基于行人重识别(ReID)技术进行特征提取,通过训练卷积神经网络,将物品的图片信息抽象得到特征信息,相似度比对方法包括但不限于采用余弦相似度计算。
将相似度结果最大值与预设相似度阈值进行比对。若相似度结果大于预设相似度阈值时,认为比对成功,第二对象区域中识别得到的物品为目标对象;若相似度结果小于预设相似度阈值时,认为比对失败。
进一步地,可以第一对象区域检测到第一对象后,或者是在确认第一对象离开第一对象区域时,对第二对象区域中的物品进行识别,具体不作限制。比如,可以在客户离开第一对象区域时,识别第二对象区域中的物品是否为目标对象,以对工作人员的违规行为进行判断;或者,在第一对象区域检测到客户后,识别第二对象区域中的物品是否为目标对象,若在客户离开第一对象区域后,第二对象区域中的目标对象还在,对工作人员的违规行为进行判断。
通过本实施例中对第一对象区域进行人体目标识别,确定第一对象区域中的人员数量信息,以及对第二对象区域中的物品进行特征比对,由此检测第二对象区域中是否存在目标对象,能够结合第一对象区域和第二对象区域对是否存在违规行为进行判断。
在其中的一些实施例中,步骤S230中若检测到第一对象离开第一对象区域,且在第二对象区域中识别到目标对象时,判断第二对象存在违规行为,包括以下步骤:
步骤S231,当检测到第一对象区域的人员数量为零,且持续为零达到预设时间时,确认第一对象离开第一对象区域,并将识别为目标对象的物品,与误报库进行特征比对。
具体地,当检测到第一对象区域中人员数量为零时开始计时,当计时达到预设时间,且第一对象区域中人员数量持续为零,则确认第一对象离开第一对象区域。其中,预设时间优选设置为5s-10s。
由于第二对象区域中可能存在与目标对象相似的物品,比如柜面上的一些常见物品,***、订书机、水瓶、记事本、计算器、笔盒、钥匙、对讲机等,其特征信息也会有一定的相似,可能导致将第二对象区域中识别到的物品误报为目标对象。因此,通过对上述与目标对象相似的物品进行特征提取,构建得到误报库,并将识别为目标对象的物品,与误报库进行特征比对。
步骤S232,若物品与误报库比对成功,判断物品的识别结果为误报。
步骤S233,若物品与误报库比对失败,判断第二对象存在违规行为。
具体地,当识别为目标对象的物品的特征信息与误报库也比对成功时,即检测到的物品的特征值既与目标库比对成功,又与误报库比对成功,则认为该识别结果为误报,需将误报过滤。当识别为目标对象的物品的特信息与误报库比对失败,说明该物品为目标对象,则判断第二对象存在代管个人资料的违规行为。
图4是本实施例中对检测到的物品进行特征比对的示意图,如图4所示,通过训练好的卷积神经网络,分别提取检测到的物品、目标库以及误报库的特征向量,其中,为了提高特征比对的准确性,提取物品最优帧的特征向量。通过计算相似度,将检测到的物品与目标库和误报库进行特征比对,结合两次特征比对结果,根据相似度比对结果判断是否为目标对象。
图5是实施例中特征比对的流程图,如图5所示,该流程包括以下步骤:
步骤S510,将检测到的物品与目标库进行特征比对,计算得到第一相似度结果;获取第一相似度结果的最大值与目标库的第一相似度阈值进行比对。
步骤S520,判断第一相似度结果是否大于第一相似度阈值。
若第一相似度结果大于第一相似度阈值,判断为目标对象,执行步骤S530;若第一相似度结果是否小于第一相似度阈值,判断不是目标对象,执行步骤S560。
步骤S530,将检测到的物品与误报库进行特征比对,计算得到第二相似度结果;获取第二相似度结果的最大值与误报库的第二相似度阈值进行比对。
步骤S540,判断第二相似度结果是否大于第二相似度阈值。
若第二相似度结果大于第二相似度阈值,执行步骤S550;若第二相似度结果小于第一相似度阈值,判断与误报库比对失败,执行步骤S560。
步骤S550,判断该检测到的物品为目标对象为误报,进行过滤。
步骤S560,输出特征比对结果。
通过本实施例中根据第一对象区域的人员数量和对第二对象区域中检测到的物品进行特征比对,以对违规行为进行判断,并且进一步将识别为目标对象的物品与误报库进行特征比对,以减少对违规行为的误报。
在其中的一些实施例中,上述方法还包括以下步骤:
将违规行为与对应的第二对象区域上传至控制终端进行保存,并触发对应第二对象区域的报警提示。
具体地,检测到存在违规行为后,将检测到的违规行为和对应的第二对象区域上传至后台的控制终端,后台触发对应报警提示音,提示对应第二对象区域的工作人员及时纠正。同时,将违规行为的相关图像信息保存到数据库,方便后续复查和回顾。
下面通过优选实施例对本实施例进行描述和说明。
图6是本优选实施例的违规行为监控方法的流程图,如图6所示,该方法包括以下步骤:
步骤S610,通过采集设备获取预设区域的图像信息;预设区域包括第一对象区域和第二对象区域。
步骤S620,对第一对象区域的图像信息进行人体目标识别,检测第一对象区域的人员数量;当检测到第一对象区域的人员数量为零,且持续为零达到预设时间时,确认客户离开第一对象区域。
步骤S630,确认客户离开第一对象区域后,检测第二对象区域中的物品,提取物品特征,与目标库中目标对象的特征进行比对,得到识别结果。
步骤S640,通过对与目标对象相似的物品进行特征提取,构建得到误报库,并将识别为目标对象的物品,与误报库进行特征比对,得到比对结果。
步骤S650,若识别为目标对象的物品,与误报库比对失败,判断工作人员存在违规行为;将违规行为与对应的第二对象区域上传至控制终端进行保存,并触发对应第二对象区域的报警提示。
图7是本实施例中对预设区域进行监控的示意图,图7中(a)图表示在第一对象区域检测到人员,判断是客户正在柜台办理业务,(b)图表示对第一对象区域持续监测,当在该区域持续预设时间检测不到客户时,判断客户已离开第一对象区域,(c)图表示在客户离开后,检测到第二对象区域的柜面存在目标对象,以此判断工作人员代管客户个人资料的违规行为。
通过本优选实施例中利用采集设备实时获取若干帧图像信息,对获取到的图像信息进行人体目标检测,当在第一对象区域检测到人员数量为零且超过预设时间,确认客户离开,并检测第二对象区域中柜面物品,对该物品提取其特征信息,与目标库进行比对,判断是否为目标对象,并进一步与误报库进行比对,能够避免因为特征比对错误,导致误识别的情况,实时分析是否出现工作人员代客户保管个人资料的违规行为,并将检测到的违规行为及第二对象区域上传至后台,后台触发对应第二对象区域的报警提示音,提示对应工作人员及时纠正。
需要说明的是,在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中还提供了一种违规行为监控装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。以下所使用的术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管在以下实施例中所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图8是本实施例的违规行为监控装置的结构框图,如图8所示,该装置包括:图像采集模块10、目标识别模块20以及行为判断模块30。
图像采集模块10,用于获取预设区域的图像信息;预设区域包括第一对象区域和第二对象区域。
目标识别模块20,用于对第一对象区域进行人员检测,以及对第二对象区域中的物品进行识别。
行为判断模块30,用于在检测到第一对象离开第一对象区域,且在第二对象区域中识别到目标对象时,判断第二对象存在违规行为。
通过本实施例中提供的装置,能够通过采集设备获取多个预设区域的图像信息,通过对预设区域进行人员检测和物品识别,能够在确认第一对象离开第一对象区域时,通过识别第二对象区域中物品是否为目标对象,自动判断是否存在违规行为,解决了通过人工对违规行为进行监管,存在监管不足的问题。针对一些特定场景中客户与工作人员在柜台办理业务的场景,能够在识别到客户离开第一对象区域时,根据第二对象区域的物品,自动判断工作人员是否存在代管客户个人资料的违规行为。
需要说明的是,上述各个模块可以是功能模块也可以是程序模块,既可以通过软件来实现,也可以通过硬件来实现。对于通过硬件来实现的模块而言,上述各个模块可以位于同一处理器中;或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
在本实施例中还提供了一种计算机设备,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地,上述计算机设备还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
需要说明的是,在本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,在本实施例中不再赘述。
此外,结合上述实施例中提供的违规行为监控方法,在本实施例中还可以提供一种存储介质来实现。该存储介质上存储有计算机程序;该计算机程序被处理器执行时实现上述实施例中的任意一种违规行为监控方法。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
应该明白的是,这里描述的具体实施例只是用来解释这个应用,而不是用来对它进行限定。根据本申请提供的实施例,本领域普通技术人员在不进行创造性劳动的情况下得到的所有其它实施例,均属本申请保护范围。
显然,附图只是本申请的一些例子或实施例,对本领域的普通技术人员来说,也可以根据这些附图将本申请适用于其他类似情况,但无需付出创造性劳动。另外,可以理解的是,尽管在此开发过程中所做的工作可能是复杂和漫长的,但是,对于本领域的普通技术人员来说,根据本申请披露的技术内容进行的某些设计、制造或生产等更改仅是常规的技术手段,不应被视为本申请公开的内容不足。
“实施例”一词在本申请中指的是结合实施例描述的具体特征、结构或特性可以包括在本申请的至少一个实施例中。该短语出现在说明书中的各个位置并不一定意味着相同的实施例,也不意味着与其他实施例相互排斥而具有独立性或可供选择。本领域的普通技术人员能够清楚或隐含地理解的是,本申请中描述的实施例在没有冲突的情况下,可以与其他实施例结合。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对专利保护范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种违规行为监控方法,其特征在于,包括:
获取预设区域的图像信息;所述预设区域包括第一对象区域和第二对象区域;
对所述第一对象区域进行人员检测,以及对所述第二对象区域中的物品进行识别;
若检测到第一对象离开所述第一对象区域,且在所述第二对象区域中识别到目标对象时,判断第二对象存在违规行为。
2.根据权利要求1所述的违规行为监控方法,其特征在于,所述获取预设区域的图像信息,包括:
通过至少一个采集设备,获取特定场景中多个所述预设区域的视频流;
对所述视频流进行解码和分析,得到所述图像信息。
3.根据权利要求1所述的违规行为监控方法,其特征在于,所述对所述第一对象区域进行人员检测,以及对所述第二对象区域中的物品进行识别,包括:
对所述第一对象区域的图像信息进行人体目标识别,检测所述第一对象区域的人员数量;
若检测到所述第二对象区域的图像信息中存在物品,将所述物品与目标库进行特征比对,得到识别结果。
4.根据权利要求3所述的违规行为监控方法,其特征在于,所述将所述物品与目标库进行特征比对,得到识别结果,包括:
提取所述物品的特征,与所述目标库中目标对象的特征进行比对,得到相似度结果;
基于预设相似度阈值和所述相似度结果,得到所述物品的识别结果。
5.根据权利要求3所述的违规行为监控方法,其特征在于,所述若检测到第一对象离开所述第一对象区域,且在所述第二对象区域中识别到目标对象时,判断第二对象存在违规行为,包括:
当检测到所述第一对象区域的人员数量为零,且持续为零达到预设时间时,确认所述第一对象离开所述第一对象区域,并将识别为所述目标对象的物品,与误报库进行特征比对;
若所述物品与所述误报库比对成功,判断所述物品的识别结果为误报;
若所述物品与所述误报库比对失败,判断所述第二对象存在违规行为。
6.根据权利要求5所述的违规行为监控方法,其特征在于,还包括:
通过对与所述目标对象相似的物品进行特征提取,构建得到所述误报库。
7.根据权利要求1所述的违规行为监控方法,其特征在于,还包括:
将所述违规行为与对应的第二对象区域上传至控制终端进行保存,并触发对应所述第二对象区域的报警提示。
8.一种违规行为监控装置,其特征在于,包括:图像采集模块、目标识别模块以及行为判断模块;
所述图像采集模块,用于获取预设区域的图像信息;所述预设区域包括第一对象区域和第二对象区域;
所述目标识别模块,用于对所述第一对象区域进行人员检测,以及对所述第二对象区域中的物品进行识别;
所述行为判断模块,用于在检测到所述第一对象离开所述第一对象区域,且在所述第二对象区域中识别到目标对象时,判断第二对象存在违规行为。
9.一种计算机设备,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行权利要求1至7中任一项所述的违规行为监控方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的违规行为监控方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211694933.6A CN116052074A (zh) | 2022-12-28 | 2022-12-28 | 违规行为监控方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211694933.6A CN116052074A (zh) | 2022-12-28 | 2022-12-28 | 违规行为监控方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116052074A true CN116052074A (zh) | 2023-05-02 |
Family
ID=86128708
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211694933.6A Pending CN116052074A (zh) | 2022-12-28 | 2022-12-28 | 违规行为监控方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116052074A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116956980A (zh) * | 2023-06-16 | 2023-10-27 | 三峡高科信息技术有限责任公司 | 一种基于rfid的贵重物品监控管理*** |
-
2022
- 2022-12-28 CN CN202211694933.6A patent/CN116052074A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116956980A (zh) * | 2023-06-16 | 2023-10-27 | 三峡高科信息技术有限责任公司 | 一种基于rfid的贵重物品监控管理*** |
CN116956980B (zh) * | 2023-06-16 | 2024-02-06 | 三峡高科信息技术有限责任公司 | 一种基于rfid的贵重物品监控管理*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111033515B (zh) | 将对象区分优先级以用于对象辨识 | |
WO2019134246A1 (zh) | 基于人脸识别的安全监控方法、装置及存储介质 | |
CN109285234B (zh) | 人脸识别考勤方法、装置、计算机装置及存储介质 | |
CN103434484A (zh) | 车载识别认证装置、移动终端、智能车钥控制***及方法 | |
CN108171137B (zh) | 一种人脸识别方法及*** | |
US11496471B2 (en) | Mobile enrollment using a known biometric | |
CN108108711B (zh) | 人脸布控方法、电子设备及存储介质 | |
US8995728B1 (en) | Visual security mechanism for a device with a front-facing camera | |
CN112507314B (zh) | 客户身份核实方法、装置、电子设备及存储介质 | |
CN109635625B (zh) | 智能身份核验方法、设备、存储介质及装置 | |
CN111191207A (zh) | 电子文件的控制方法、装置、计算机设备及存储介质 | |
CN113362513A (zh) | 一种门禁通行方法、***及相关装置 | |
CN116052074A (zh) | 违规行为监控方法、装置、计算机设备和存储介质 | |
CN113449592A (zh) | 押运任务检测方法、***、电子装置和存储介质 | |
CN111611437A (zh) | 一种防止人脸声纹验证替换攻击的方法及装置 | |
WO2019218905A1 (zh) | 验证对象的方法、装置和*** | |
CN114898443A (zh) | 一种人脸数据获取方法及装置 | |
CN112183167A (zh) | 考勤方法、认证方法、活体检测方法、装置及设备 | |
CN110599639B (zh) | 身份验证方法及相关产品 | |
US20120219192A1 (en) | Method of controlling a session at a self-service terminal, and a self-service terminal | |
US10867022B2 (en) | Method and apparatus for providing authentication using voice and facial data | |
CN114647653A (zh) | 人脸库更新方法和相关产品 | |
CN113158958A (zh) | 通行方法及相关装置 | |
CN113190819A (zh) | 基于活体融合特征的认证方法、装置及计算机设备 | |
CN112669509A (zh) | 门禁管理方法、***、电子设备及存储介质 |
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 |