CN111881866A - 一种实时人脸抓取推荐方法、装置及计算机设备 - Google Patents

一种实时人脸抓取推荐方法、装置及计算机设备 Download PDF

Info

Publication number
CN111881866A
CN111881866A CN202010767661.2A CN202010767661A CN111881866A CN 111881866 A CN111881866 A CN 111881866A CN 202010767661 A CN202010767661 A CN 202010767661A CN 111881866 A CN111881866 A CN 111881866A
Authority
CN
China
Prior art keywords
face
track
time
real
camera
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.)
Granted
Application number
CN202010767661.2A
Other languages
English (en)
Other versions
CN111881866B (zh
Inventor
满庆奎
徐晓刚
焦振秋
毕海
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.)
Hangzhou Yunqi Smart Vision Technology Co Ltd
Original Assignee
Hangzhou Yunqi Smart Vision Technology 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 Hangzhou Yunqi Smart Vision Technology Co Ltd filed Critical Hangzhou Yunqi Smart Vision Technology Co Ltd
Priority to CN202010767661.2A priority Critical patent/CN111881866B/zh
Publication of CN111881866A publication Critical patent/CN111881866A/zh
Application granted granted Critical
Publication of CN111881866B publication Critical patent/CN111881866B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • 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
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/30201—Face
    • 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
    • G06T2207/30232—Surveillance
    • 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
    • G06T2207/30241—Trajectory

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种实时人脸抓取推荐方法、装置及计算机设备,包括如下步骤：一、当对应轨迹匹配到新的轨迹目标时，将新的目标信息追加入轨迹容器中；二、通过轨迹信息的变化趋势，判断当前的运动目标是否朝向摄像头运动；三、如果运动目标不是朝向摄像头的趋势，如果满足时间间隔阈值条件，再检测是否有合适的人脸，有则直接保存人脸；若没有，那么不进行保存人脸，直接保存对应图片；四、如果运动目标是朝向摄像头运动的，如果满足时间间隔阈值条件，再判断是否有利于识别的正脸，如果有，则保存图片和人脸特征，如果没有，则不进行储存。本发明有效的压缩了推送的数据量，显提升了准确度，算法效率高；对轨迹连接实时性方面没有影响。

Description

一种实时人脸抓取推荐方法、装置及计算机设备
技术领域
本发明涉及视频监控技术领域，特别涉及一种实时人脸抓取推荐 方法、装置及计算机设备。
背景技术
视频行人检索、身份识别是目前刑侦视频分析领域很重要的应用 需求，刑侦人员用检测提取的行人图片进行目标跟踪定位，这种目标 跟踪定位对跨摄像头、换装的应用场景会受影响；人脸识别技术是比 较成熟的生物特征识别技术，具有很高的健壮性，与衣着等因素影响 不大。现在很多视频中的行人跟踪定位是行人特征识别和人脸识别相 结合的；
在视频目标跟踪处理结果时，为了能提取出有效的轨迹内容给后 续的查询识别部分，要考虑几点：(1)针对每个视频中行人，如果 按每秒25帧的视频流分析，正常在视频中出现几秒中的行人目标， 对应的数据量就要数百上千，对后续的数据处理是个灾难，推送的有 效图像内容，数据充分压缩是关键；(2)人脸对用于身份识别是比 较好的技术，但是对一些侧脸、低头的场景识别效果并不好，需要尽 量推出对人脸识别有效人脸。(3)系统的执行效率要高，保证有效 的轨迹输出同时，逻辑运算简单快捷；
从技术原理上，我们可以从人脸和行人重识别两个需求进行单独 推送结果(1)比较利于行人重识别的结果；(2)比较利于人脸识别 的结果，但是这种处理思路会产生一些数据的冗余，对系统冲击比较 大。
发明内容
本发明的目的在于，提供一种实时人脸抓取推荐方法。
主要的发明思路在于：提出了一个融合时间、行人重识别特征、 人脸特征以及跟踪目标运动方向判别相互结合的系统方法，通过提出 朝向摄像头运动的判别方法，对运动目标的朝向进行快速的判别，在 朝向摄像头运动的目标要进行人脸的检测抓取，如果满足推送的需 求，那么推送当前行人图片和人脸图像；如果不是朝向摄像头运动的 目标，就从行人重识别的特征变化幅度，时间维度进行约束输出。
通过轨迹的运动方向是否面对摄像头的特征，进行增大或者减小 推荐采样密度，在推荐过程中，充分考虑到人脸的关键点分布是否有 利于人脸识别的需求，尽量推送出有效的人脸。该系统运算量小，且 鲁棒，不影响运行效率的同时，能有效的推荐有效的人脸轨迹，进行 后续的查询识别。
本发明的技术方案：一种实时人脸抓取推荐方法,包括如下步骤：
一、当对应轨迹匹配到新的轨迹目标时，将新的目标信息追加入 轨迹容器中；
二、通过轨迹信息的变化趋势，判断当前的运动目标是否朝向摄 像头运动；
三、如果运动目标不是朝向摄像头的情况，如果满足时间间隔阈 值条件，再检测是否有合适的人脸，有则直接保存人脸；若没有，那 么不进行保存人脸，直接保存对应图片；
四、如果运动目标是朝向摄像头运动的情况，如果满足时间间隔 阈值条件，再判断是否有利于识别的正脸，如果有，则保存图片和人 脸特征，如果没有，则不进行储存，进入步骤五；
五、结束，跳转第一步骤，等待处理新一帧轨迹。
进一步的，所述目标信息包括尺寸信息(x,y,w,h)，时间戳信息t。
进一步的，所述步骤二中，判断运动目标是否朝向摄像头运动的 方法为：
记轨迹容器数量个数为N，如果N＝1，那么当前是轨迹的首帧， 进行数据保存，如果有人脸特征则保存人脸特征，对应的保存时间 LastSaveTime＝t；跳转步骤五；
如果内容的长度N＞LengthThresh，记每一帧轨迹内容的尺寸信息 (xi,yi,wi,hi)，计算前N/2轨迹内容的平均宽度
Figure BDA0002615302010000031
和后 N/2的轨迹内容平均宽度
Figure BDA0002615302010000032
如果，对应的MeanWfront<MeanWback*rate,其中，rate∈(0,1)，那么当 前运动的目标是靠近摄像头的，对应是否靠近摄像头运动的标志 ObjClosingFlag＝True；否则，ObjClosingFlag＝False。
8、进一步的，所述步骤三中判断是否满足时间阈值条件的方法 为：
计算当前轨迹的时间t与LastSaveTime的差值 TimeInterval＝(t-LastSaveTime)，如果TimeInterval>＝SaveTimeThreshnormal，则 为满足条件。
9、进一步的，所述步骤四中还包括如下步骤：
计算当前轨迹的时间t与LastSaveTime的差值 TimeInterval＝(t-LastSaveTime)，TimeInterval>＝SaveTimeThreshlow,则满足时 间间隔条件，并保存人脸的等待计数器waitFaceCount置为0；
如果不是正脸，不进行储存，并将对应的保存人脸等待计数器 waitFaceCount加1；跳转步骤五；
设一个阈值：mustSaveThresh，如果waitFaceCount>mustSaveThresh， 则保存当前的图像内容数据。
进一步的，正脸判断的方法如下：以人脸检测5个关键点为基准， 记录左眼TL坐标(x0,y0)，右眼TR坐标(x1,y1)，鼻子C坐标(x2,y2)，左 嘴角BL坐标(x3,y3)，右嘴角BR坐标(x4,y4)；计算眼睛与鼻子中心的 水平距离dist(TL,C)＝|x0-x2|,dist(TR,C)＝|x1-x2|；
计算两个距离的比值：
CenRate＝min(dist(TL,C),dist(TR,C))/max(dist(TL,C),dist(TR,C))，如果其结果 CenRate<rateThreshX,或者x0＞x2，或者x1＜x2，那么认为当前脸是侧脸；
计算嘴角与鼻子中心的垂直方向距离，dist(BL,BR)＝|x3-x4|。如果 y2+dist(BL,BR)*rateThreshY>max(y3,y4),那么认为是俯视脸。
本发明的优点在于：通过简单的运行方向判别，结合人脸识别的 需求，对不同的运动方向采用不用的存储采样密度，并对人脸的内容 进行了判别，有效的压缩了推送的数据量，显提升了准确度，算法效 率高；对轨迹连接实时性方面几乎没有影响。
具体实施方式
下面结合实施例对本发明作进一步的说明，但并不作为对本发 明限制的依据。
实施例：具体包括如下步骤
步骤一、对应轨迹匹配到新的轨迹目标，需要把新的目标信息追 加到轨迹容器中，其中目标信息包括尺寸信息(x,y,w,h)，时间戳信息 t等等。
步骤二、从轨迹的目标的变化趋势，来判别当前的运动目标是否 朝向摄像头运动。对当前轨迹的内容进行判断，记轨迹容器数量个数 为N。
如果N＝1，那么当前是轨迹的首帧，需要进行数据保存，如果有 人脸特征保存人脸特征；对应的保存的时间LastSaveTime＝t；跳转步骤 五。
如果内容的长度N＞LengthThresh，优先的，LengthThresh＝10。记 每一帧轨迹内容的尺寸信息(xi,yi,wi,hi)，计算前N/2轨迹内容的平均宽 度
Figure BDA0002615302010000051
和后N/2的轨迹内容平均宽度
Figure BDA0002615302010000052
如果，对应的MeanWfront<MeanWback*rate,其中，rate∈(0,1)。那么当 前运动的目标是靠近摄像头的，对应是否靠近摄像头运动的标志 ObjClosingFlag＝True，优先的rate＝0.78；否则，ObjClosingFlag＝False。
步骤三、如果ObjClosingFlag＝False，不是靠近摄像头运动的趋势， 那么正常处理，判断当前轨迹的时间t与LastSaveTime的差值 TimeInterval＝(t-LastSaveTime)，如果TimeInterval>＝SaveTimeThreshnormal,那 么需要进行判别是否保存数据，检测是否有合适的人脸，有则保存人 脸；如果没有，那么不进行保存人脸，直接保存对应的图片，进行行 人重识别使用，优先的保存时间间隔SaveTimeThreshnormal＝4s；
步骤四、如果ObjClosingFlag＝True尺寸变大，那么认为是行人在 朝向摄像头运动的，判断是否满足保存的时间间隔。
如果，满足了时间间隔阈值条件TimeInterval>＝SaveTimeThreshlow,保 存人脸的等待计数器waitFaceCount置为0；优先的， SaveTimeThreshlow＝2s。判断当前是否满足人脸，如果是有利于识别的正 脸，保存图片和人脸特征，同时waitFaceCount置为0；如果不是正脸， 那么先不进行存储，对应的保存人脸等待计数器waitFaceCount加1； 直到获取到正脸后，跳转步骤五；
如果，很长时间没有遇到合适的正脸，waitFaceCount> mustSaveThresh,那么要保存当前的图像内容数据，进行行人重识别使 用，而后进入步骤五，优先的，mustSaveThresh＝6s；
其中判断正脸的逻辑：以人脸检测5个关键点为例，通过简单的 点之间的位置关系，来判断当前人脸是侧脸、俯视、正常脸的图像。 记录TL坐标(x0,y0)，TR坐标(x1,y1)，C坐标(x2,y2)，嘴角BL坐标(x3,y3)， BR坐标(x4,y4)；计算眼睛与鼻子中心的水平距离dist(TL,C)＝|x0-x2|,dist(TR,C)＝|x1-x2|,计算两个距离的比值 CenRate＝min(dist(TL,C),dist(TR,C))/max(dist(TL,C),dist(TR,C))，如果 CenRate<rateThreshX,或者x0＞x2，或者x1＜x2，那么认为当前脸是侧脸， 优先的rateThreshX＝0.3；
计算嘴角与鼻子中心的垂直方向距离，dist(BL,BR)＝|x3-x4|。如果 y2+dist(BL,BR)*rateThreshY>max(y3,y4),那么认为是俯视脸，不适合进 行人识别，优先的rateThreshY＝0.4；
步骤五、结束，跳转步骤一，等待处理新一帧数据缓冲后的轨迹。

Claims (8)

1.一种实时人脸抓取推荐方法，其特征在于：包括如下步骤：
一、当对应轨迹匹配到新的轨迹目标时，将新的目标信息追加入轨迹容器中；
二、通过轨迹信息的变化趋势，判断当前的运动目标是否朝向摄像头运动；
三、运动目标不是朝向摄像头的情况，如果满足时间间隔阈值条件，再检测是否有合适的人脸，从而确定是保存人脸还是保存图片；
四、运动目标是朝向摄像头运动的情况，如果满足时间间隔阈值条件，再判断是否有利于识别的正脸，从而确定是保存人脸还是保存图片；
五、结束，跳转第一步骤，等待处理新一帧轨迹。
2.根据权利要求1所述的一种实时人脸抓取推荐方法，其特征在于：所述目标信息包括尺寸信息(x,y,w,h)，时间戳信息t。
3.根据权利要求2所述的一种实时人脸抓取推荐方法，其特征在于：所述步骤二中，判断运动目标是否朝向摄像头运动的方法为：
记轨迹容器数量个数为N，如果N＝1，那么当前是轨迹的首帧，进行数据保存，如果有人脸特征则保存人脸特征，对应的保存时间LastSaveTime＝t；跳转步骤五；
如果内容的长度N＞LengthThresh，记每一帧轨迹内容的尺寸信息(xi,yi,wi,hi)，计算前N/2轨迹内容的平均宽度
Figure FDA0002615300000000021
和后N/2的轨迹内容平均宽度
Figure FDA0002615300000000022
如果，对应的MeanWfront<MeanWback*rate,其中，rate∈(0,1)，那么当前运动的目标是靠近摄像头的，对应是否靠近摄像头运动的标志ObjClo sin gFlag＝True；否则，ObjClo singFlag＝False。
4.根据权利要求3所述的一种实时人脸抓取推荐方法，其特征在于：所述步骤三中判断是否满足时间阈值条件的方法为：
计算当前轨迹的时间t与LastSaveTime的差值TimeInterval＝(t-LastSaveTime)，如果TimeInterval>＝SaveTimeThreshnormal，则为满足条件。
5.根据权利要求1所述的一种实时人脸抓取推荐方法，其特征在于：所述步骤四中还包括如下步骤：
计算当前轨迹的时间t与LastSaveTime的差值TimeInterval＝(t-LastSaveTime)，TimeInterval>＝SaveTimeThreshlow,则满足时间间隔条件，并保存人脸的等待计数器waitFaceCount置为0；
如果不是正脸，不进行储存，并将对应的保存人脸等待计数器waitFaceCount加1；
设一个阈值：mustSaveThresh，如果在waitFaceCount<mustSaveThresh的时间内有正脸，则直接保存进入步骤五,如果waitFaceCount>mustSaveThresh，则保存当前的图像内容数据，再进入步骤五。
6.根据权利要求5所述的一种实时人脸抓取推荐方法，其特征在于：正脸判断的方法如下：以人脸检测5个关键点为基准，记录左眼TL坐标(x0,y0)，右眼TR坐标(x1,y1)，鼻子C坐标(x2,y2)，左嘴角BL坐标(x3,y3)，右嘴角BR坐标(x4,y4)；计算眼睛与鼻子中心的水平距离dist(TL,C)＝|x0-x2|,dist(TR,C)＝|x1-x2|；
计算两个距离的比值：
CenRate＝min(dist(TL,C),dist(TR,C))/max(dist(TL,C),dist(TR,C))，如果其结果CenRate<rateThreshX,或者x0＞x2，或者x1＜x2，那么认为当前脸是侧脸；
计算嘴角与鼻子中心的垂直方向距离，dist(BL,BR)＝|x3-x4|。如果y2+dist(BL,BR)*rateThreshY>max(y3,y4),那么认为是俯视脸。
7.一种实时人脸抓取推荐装置，其特征在于：包括轨迹容器，用于储存轨迹目标信息；
判断模块：用于上述轨迹信息中的运动目标是否朝向摄像头运动动；
选择模块：根据判断模块的判断结果，再参照时间间隔阈值条件后，根据图片内容进行选择性处理：保存人脸信息或者直接保存图片。
8.一种实时人脸抓取推荐计算机设备，其特征在于：所述计算机可读存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行，以实现如权利要求1至5任一所述的实时人脸抓取推荐方法。
CN202010767661.2A 2020-08-03 2020-08-03 一种实时人脸抓取推荐方法、装置及计算机设备 Active CN111881866B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010767661.2A CN111881866B (zh) 2020-08-03 2020-08-03 一种实时人脸抓取推荐方法、装置及计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010767661.2A CN111881866B (zh) 2020-08-03 2020-08-03 一种实时人脸抓取推荐方法、装置及计算机设备

Publications (2)

Publication Number Publication Date
CN111881866A true CN111881866A (zh) 2020-11-03
CN111881866B CN111881866B (zh) 2024-01-19

Family

ID=73205408

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010767661.2A Active CN111881866B (zh) 2020-08-03 2020-08-03 一种实时人脸抓取推荐方法、装置及计算机设备

Country Status (1)

Country Link
CN (1) CN111881866B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112699810A (zh) * 2020-12-31 2021-04-23 中国电子科技集团公司信息科学研究院 一种提升室内监控系统人物识别精度的方法及装置
CN114542874A (zh) * 2022-02-23 2022-05-27 常州工业职业技术学院 一种自动调节拍照高度和角度的装置及其控制系统

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6940545B1 (en) * 2000-02-28 2005-09-06 Eastman Kodak Company Face detecting camera and method
JP2018117181A (ja) * 2017-01-16 2018-07-26 東芝テリー株式会社 監視画像処理装置及び監視画像処理方法
CN109326009A (zh) * 2017-08-01 2019-02-12 深圳市永达电子信息股份有限公司 一种基于人脸识别的快速通关系统及方法
CN109657576A (zh) * 2018-12-06 2019-04-19 联想(北京)有限公司 图像采集控制方法、装置、存储介质及系统
CN109754478A (zh) * 2017-11-06 2019-05-14 北京航天长峰科技工业集团有限公司 一种低用户配合度的人脸智能考勤方法
CN109815832A (zh) * 2018-12-28 2019-05-28 深圳云天励飞技术有限公司 行车预警方法及相关产品
CN109842752A (zh) * 2019-03-12 2019-06-04 安徽协创物联网技术有限公司 一种支持4g通信可人脸识别的智能摄像头
CN109858400A (zh) * 2019-01-15 2019-06-07 安徽杰锐达智能科技有限公司 人脸识别抓拍数据库匹配系统
CN110399835A (zh) * 2019-07-26 2019-11-01 北京文安智能技术股份有限公司 一种人员停留时间的分析方法、装置及系统
CN110414441A (zh) * 2019-07-31 2019-11-05 浙江大学 一种行人行踪分析方法及系统
CN110427815A (zh) * 2019-06-24 2019-11-08 特斯联（北京）科技有限公司 实现门禁有效内容截取的视频处理方法及装置
WO2019223608A1 (zh) * 2018-05-25 2019-11-28 阿里巴巴集团控股有限公司 服务提供方法和装置

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6940545B1 (en) * 2000-02-28 2005-09-06 Eastman Kodak Company Face detecting camera and method
JP2018117181A (ja) * 2017-01-16 2018-07-26 東芝テリー株式会社 監視画像処理装置及び監視画像処理方法
CN109326009A (zh) * 2017-08-01 2019-02-12 深圳市永达电子信息股份有限公司 一种基于人脸识别的快速通关系统及方法
CN109754478A (zh) * 2017-11-06 2019-05-14 北京航天长峰科技工业集团有限公司 一种低用户配合度的人脸智能考勤方法
WO2019223608A1 (zh) * 2018-05-25 2019-11-28 阿里巴巴集团控股有限公司 服务提供方法和装置
CN109657576A (zh) * 2018-12-06 2019-04-19 联想(北京)有限公司 图像采集控制方法、装置、存储介质及系统
CN109815832A (zh) * 2018-12-28 2019-05-28 深圳云天励飞技术有限公司 行车预警方法及相关产品
CN109858400A (zh) * 2019-01-15 2019-06-07 安徽杰锐达智能科技有限公司 人脸识别抓拍数据库匹配系统
CN109842752A (zh) * 2019-03-12 2019-06-04 安徽协创物联网技术有限公司 一种支持4g通信可人脸识别的智能摄像头
CN110427815A (zh) * 2019-06-24 2019-11-08 特斯联（北京）科技有限公司 实现门禁有效内容截取的视频处理方法及装置
CN110399835A (zh) * 2019-07-26 2019-11-01 北京文安智能技术股份有限公司 一种人员停留时间的分析方法、装置及系统
CN110414441A (zh) * 2019-07-31 2019-11-05 浙江大学 一种行人行踪分析方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
ERIC SOMMERLADE 等: "Gaze Directed Camera Control for Face Image Acquisition", 《2011 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND AUTOMATION》, pages 1 - 7 *
唐渝: "人脸实时检测技术研究与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 3, pages 138 - 1439 *
蒋可心 等: "基于摄像头PTZ控制的人脸识别", 《微电子学与计算机》, vol. 31, no. 4, pages 48 - 51 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112699810A (zh) * 2020-12-31 2021-04-23 中国电子科技集团公司信息科学研究院 一种提升室内监控系统人物识别精度的方法及装置
CN112699810B (zh) * 2020-12-31 2024-04-09 中国电子科技集团公司信息科学研究院 一种提升室内监控系统人物识别精度的方法及装置
CN114542874A (zh) * 2022-02-23 2022-05-27 常州工业职业技术学院 一种自动调节拍照高度和角度的装置及其控制系统

Also Published As

Publication number Publication date
CN111881866B (zh) 2024-01-19

Similar Documents

Publication Publication Date Title
Park et al. Exploring weak stabilization for motion feature extraction
CN110609920A (zh) 一种视频监控场景下的行人混合搜索方法及系统
US8582816B2 (en) Method and apparatus for video analytics based object counting
CN110852219B (zh) 一种多行人跨摄像头在线跟踪系统
US8027523B2 (en) Image processing apparatus, image processing method, and program
CN110427905A (zh) 行人跟踪方法、装置以及终端
Yao et al. When, where, and what? A new dataset for anomaly detection in driving videos
US20130265434A1 (en) Image processing apparatus and image processing method
CN101673346A (zh) 对图像进行处理的方法、设备和系统
CN111881866A (zh) 一种实时人脸抓取推荐方法、装置及计算机设备
CN104463232A (zh) 一种基于hog特征和颜色直方图特征的密度人群计数的方法
CN111091057A (zh) 一种信息处理方法、装置及计算机可读存储介质
Hammam et al. Real-time multiple spatiotemporal action localization and prediction approach using deep learning
CN116311063A (zh) 监控视频下基于人脸识别的人员细粒度跟踪方法及系统
CN111539257A (zh) 人员重识别方法、装置和存储介质
CN116844077A (zh) 视频处理的方法、装置、计算机设备及存储介质
Ajmal et al. Human motion trajectory analysis based video summarization
CN111881775B (zh) 一种人脸实时识别方法和装置
CN110889347B (zh) 基于时空计数特征的密度交通流计数方法及系统
WO2022228325A1 (zh) 行为检测方法、电子设备以及计算机可读存储介质
CN115565157A (zh) 一种多摄像头多目标车辆跟踪方法及系统
CN114782860A (zh) 一种监控视频中暴力行为检测系统及方法
CN114359817A (zh) 基于出入口人行识别的人流量测量方法
Zhang et al. What makes for good multiple object trackers?
CN112052351A (zh) 一种用于动态环境的监控系统

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
GR01 Patent grant
GR01 Patent grant