CN106372572A - 监控方法和装置 - Google Patents
监控方法和装置 Download PDFInfo
- Publication number
- CN106372572A CN106372572A CN201610698565.0A CN201610698565A CN106372572A CN 106372572 A CN106372572 A CN 106372572A CN 201610698565 A CN201610698565 A CN 201610698565A CN 106372572 A CN106372572 A CN 106372572A
- Authority
- CN
- China
- Prior art keywords
- bottom storehouse
- information
- storehouse
- similarity
- blacklist
- 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
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
- G06V40/70—Multimodal biometrics, e.g. combining information from different biometric modalities
-
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明的实施例提供一种监控方法和装置。监控方法包括:步骤S210:获取待识别信息,所述待识别信息包括图像和音频的至少一个;步骤S220:针对待识别信息进行识别,得到识别结果;步骤S230:将识别结果分别与底库集合中的各底库中的参考信息进行相似度对比以获得对比结果,其中,所述底库集合包括黑名单底库和白名单底库,所述黑名单底库的相似度阈值比白名单底库的相似度阈值低,所述参考信息包括参考图像信息和参考音频信息的至少一个;步骤S240:根据所述对比结果确定所述识别结果对应的对象是否属于黑名单底库中的人员,如果属于,则转至步骤S250;以及步骤S250:输出告警信息。可以有效地、智能地监控各场景下的人员身份,能够针对黑名单人员及时告警。
Description
技术领域
本发明涉及安全监控领域,更具体地涉及一种监控方法和装置。
背景技术
现代社会安全问题愈发重要,保障社会安全有着显而易见的重要意义。为保障安全,在很多领域需要应用安全监控技术。下面以人脸监控为例进行说明。利用先进的人脸识别技术针对摄像头前出现的人员进行监控及实时告警有着十分广泛的应用场景。在实际的人脸识别监控系统中,往往会通过分别将犯罪分子等危险人员添加进黑名单底库、常驻人口等普通人员添加进白名单底库来实现识别告警。具体来说,即将拍摄到的人脸分别与黑名单底库和白名单底库中的人脸进行对比,与哪个底库中的人脸的相似度高则认为其属于哪个底库。在这样的过程中,并没有针对黑名单底库设置比白名单底库更高的相似度阈值,即没有为黑名单底库设置更高的识别权重,这导致对于犯罪分子等危险人员可能无法及时告警,这将严重影响社会安全。
发明内容
考虑到上述问题而提出了本发明。本发明提供了一种监控方法和装置。
根据本发明一方面,提供了一种监控方法。该监控方法包括:步骤S210:获取待识别信息,所述待识别信息包括图像和音频的至少一个;步骤S220:针对所述待识别信息进行识别,得到识别结果;步骤S230:将识别结果分别与底库集合中的各底库中的参考信息进行相似度对比以获得对比结果,其中,所述底库集合包括黑名单底库和白名单底库,且所述黑名单底库的相似度阈值比所述白名单底库的相似度阈值低,所述参考信息包括参考图像信息和参考音频信息的至少一个;步骤S240:根据所述对比结果确定所述识别结果对应的对象是否属于黑名单底库中的人员,如果属于,则转至步骤S250;以及步骤S250:输出告警信息。
示例性地,所述步骤S230包括:对于所述底库集合中的每个底库,分别计算所述识别结果与该底库中的各参考信息之间的相似度;选择与所述识别结果之间的相似度大于该底库的相似度阈值的参考信息,其中,所述对比结果包括针对所述底库集合所选择出的所有参考信息及所述针对所述底库集合所选择出的所有参考信息各自的、与所述识别结果之间的相似度。
示例性地,所述步骤S230进一步包括:按照与所述识别结果之间的相似度降序排列所述针对所述底库集合所选择出的所有参考信息。
示例性地,所述步骤S240包括:对于所述对比结果中的参考信息所属的底库中的每一个,选择该底库中的、与所述识别结果之间的相似度最大的参考信息;计算相似度最大的参考信息的相似度与该底库的相似度阈值之间的差值;从所计算的所有差值中选择最大差值;以及判断所述最大差值所对应的底库是否是黑名单底库,如果是,则确定所述识别结果对应的对象属于黑名单底库中的人员。
示例性地,所述步骤S240包括:对于所述对比结果中的参考信息所属的底库中的每一个,选择该底库中的、与所述识别结果之间的相似度最大的参考信息;计算相似度最大的参考信息的相似度相对于该底库的相似度阈值的百分比值;从所计算的所有百分比值中选择最大百分比值;以及判断所述最大百分比值所对应的底库是否是黑名单库,如果是,则确定所述识别结果对应的对象属于黑名单底库中的人员。
示例性地,所述从所计算的所有差值中选择最大差值包括:如果在所述所计算的所有差值中,存在两个或多于两个相等的最大的差值并且所述两个或多于两个相等的最大的差值所对应的底库全部是黑名单底库或者全部是白名单底库,则在所述两个或多于两个相等的最大的差值中随机选择一差值作为所述最大差值;和/或如果在所述所计算的所有差值中,存在两个或多于两个相等的最大的差值并且所述两个或多于两个相等的最大的差值所对应的底库包括黑名单底库和白名单底库,则在所述两个或多于两个相等的最大的差值中选择与黑名单底库对应的差值之一作为所述最大差值。
示例性地,所述步骤S210包括:自特定采集设备接收其所采集的所述待识别信息;
所述监控方法进一步包括:在所述自特定采集设备接收其所采集的所述待识别信息之前,将所述特定采集设备与所述底库集合关联在一起;以及根据所述特定采集设备周围的环境信息、所述特定采集设备的设备信息和/或所述底库集合中的各底库的底库类别设置所述底库集合中的各底库的相似度阈值。
示例性地,所述环境信息包括环境光线数据和/或人流量数据,所述设备信息包括所述特定采集设备的分辨率、部署位置和焦距中的一项或多项,所述底库类别包括黑名单底库类和白名单底库类。
示例性地,所述告警信息包括告警信号、所述待识别信息和关于所述识别结果的识别信息中的一项或多项。
示例性地,所述待识别信息为图像,所述图像包括人脸图像、虹膜图像和指纹图像中的至少一种,以及所述参考信息为参考图像信息,所述参考图像信息包括参考人脸信息、参考虹膜信息和参考指纹信息中的至少一种。
根据本发明另一方面,提供了一种监控装置。该监控装置包括获取模块、识别模块、相似度对比模块、结果确定模块和告警模块。获取模块用于获取待识别信息,所述待识别信息包括图像和音频的至少一个。识别模块用于针对所述待识别信息进行识别,得到识别结果。相似度对比模块用于将识别结果分别与底库集合中的各底库中的参考信息进行相似度对比以获得对比结果,其中,所述底库集合包括黑名单底库和白名单底库,且所述黑名单底库的相似度阈值比所述白名单底库的相似度阈值低,参考信息包括参考图像信息和参考音频信息的至少一个。结果确定模块用于根据所述对比结果确定所述识别结果对应的对象是否属于黑名单底库中的人员,如果属于,则启动所述告警模块。告警模块用于输出告警信息。
示例性地,所述相似度对比模块包括:第一计算子模块,用于对于所述底库集合中的每个底库,分别计算所述识别出结果与该底库中的各参考信息之间的相似度;第一选择子模块,用于对于所述底库集合中的每个底库,选择与所述识别结果之间的相似度大于该底库的相似度阈值的参考信息,其中,所述对比结果包括针对所述底库集合所选择出的所有参考信息及所述针对所述底库集合所选择出的所有参考信息各自的、与所述识别结果之间的相似度。
示例性地,所述相似度对比模块进一步包括:排序模块,用于按照与所述识别结果之间的相似度降序排列所述针对所述底库集合所选择出的所有参考信息。
示例性地,所述结果确定模块包括:第二选择子模块,用于对于所述对比结果中的参考信息所属的底库中的每一个,选择该底库中的、与所述识别结果之间的相似度最大的参考信息;第二计算子模块,用于对于所述对比结果中的参考信息所属的底库中的每一个,计算相似度最大的参考信息的相似度与该底库的相似度阈值之间的差值;第三选择子模块,用于从所计算的所有差值中选择最大差值;以及第一判断子模块,用于判断所述最大差值所对应的底库是否是黑名单底库,如果是,则确定所述识别结构对应的对象属于黑名单底库中的人员。
示例性地,所述结果确定模块包括:第四选择子模块,用于对于所述对比结果中的参考信息所属的底库中的每一个,选择该底库中的、与所述识别结果之间的相似度最大的参考信息;第三计算子模块,用于对于所述对比结果中的参考信息所属的底库中的每一个,计算相似度最大的参考信息的相似度相对于该底库的相似度阈值的百分比值;第五选择子模块,用于从所计算的所有百分比值中选择最大百分比值;以及第二判断子模块,用于判断所述最大百分比值所对应的底库是否是黑名单库,如果是,则确定所述识别结果对应的对象属于黑名单底库中的人员。
示例性地,所述第三选择子模块包括:第一选择单元,用于如果在所述所计算的所有差值中,存在两个或多于两个相等的最大的差值并且所述两个或多于两个相等的最大的差值所对应的底库全部是黑名单底库或者全部是白名单底库,则在所述两个或多于两个相等的最大的差值中随机选择一差值作为所述最大差值;和/或第二选择单元,用于如果在所述所计算的所有差值中,存在两个或多于两个相等的最大的差值并且所述两个或多于两个相等的最大的差值所对应的底库包括黑名单底库和白名单底库,则在所述两个或多于两个相等的最大的差值中选择与黑名单底库对应的差值之一作为所述最大差值。
示例性地,所述获取模块包括接收子模块,用于自特定采集设备接收其所采集的所述待识别信息;
所述监控装置进一步包括:关联模块,用于在所述接收子模块自特定采集设备接收其所采集的所述待识别信息之前,将所述特定采集设备与所述底库集合关联在一起;以及设置模块,用于根据所述特定采集设备周围的环境信息、所述特定采集设备的设备信息和/或所述底库集合中的各底库的底库类别设置所述底库集合中的各底库的相似度阈值。
示例性地,所述环境信息包括环境光线数据和/或人流量数据,所述设备信息包括所述特定采集设备的分辨率、部署位置和焦距中的一项或多项,所述底库类别包括黑名单底库类和白名单底库类。
示例性地,所述告警信息包括告警信号、所述待识别信息和关于所述识别结果的识别信息中的一项或多项。
示例性地,所述待识别信息为图像,所述图像包括人脸图像、虹膜图像和指纹图像中的至少一种,以及所述参考信息为参考图像信息,所述参考图像信息包括参考人脸信息、参考虹膜信息和参考指纹信息中的至少一种。
根据本发明实施例的监控方法和装置,采用具有不同相似度阈值的黑名单底库和白名单底库进行监控,可以加大针对黑名单人员进行识别告警的识别权重。通过上述方法和装置可以有效地、智能地监控各场景下的人员身份,针对黑名单人员及时告警,因此对于社会安全具有重大意义。
附图说明
通过结合附图对本发明实施例进行更详细的描述,本发明的上述以及其它目的、特征和优势将变得更加明显。附图用来提供对本发明实施例的进一步理解,并且构成说明书的一部分,与本发明实施例一起用于解释本发明,并不构成对本发明的限制。在附图中,相同的参考标号通常代表相同部件或步骤。
图1示出用于实现根据本发明实施例的监控方法和装置的示例电子设备的示意性框图;
图2示出根据本发明一个实施例的监控方法的示意性流程图;
图3示出根据本发明一个实施例的、在根据对比结果确定识别出的人脸是否属于黑名单底库中的人员的步骤中涉及的操作对象的示意性框图;
图4示出根据本发明另一实施例的监控方法的示意性流程图;
图5示出根据本发明一个实施例的监控装置的示意性框图;以及
图6示出根据本发明一个实施例的监控系统的示意性框图。
具体实施方式
为了使得本发明的目的、技术方案和优点更为明显,下面将参照附图详细描述根据本发明的示例实施例。显然,所描述的实施例仅仅是本发明的一部分实施例,而不是本发明的全部实施例,应理解,本发明不受这里描述的示例实施例的限制。基于本发明中描述的本发明实施例,本领域技术人员在没有付出创造性劳动的情况下所得到的所有其它实施例都应落入本发明的保护范围之内。
为了解决上文所述的问题,本发明实施例提出一种解决方案,即通过为不同类别的底库设置不同的相似度阈值,在诸如人脸监控的监控过程中加大针对黑名单人员的识别权重,筛选出可疑人员,并进行告警。通过这种方式可以更加有效智能地进行监控,因此能够更好地保障城市与市民的安全。
首先,参照图1来描述用于实现根据本发明实施例的监控方法和装置的示例电子设备100。
如图1所示,电子设备100包括一个或多个处理器102、一个或多个存储装置104、输入装置106、输出装置108和采集装置110,这些组件通过总线系统112和/或其它形式的连接机构(未示出)互连。应当注意,图1所示的电子设备100的组件和结构只是示例性的,而非限制性的,根据需要,所述电子设备也可以具有其他组件和结构。
所述处理器102可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元,并且可以控制所述电子设备100中的其它组件以执行期望的功能。
所述存储装置104可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器102可以运行所述程序指令,以实现下文所述的本发明实施例中(由处理器实现)的客户端功能以及/或者其它期望的功能。在所述计算机可读存储介质中还可以存储各种应用程序和各种数据,例如所述应用程序使用和/或产生的各种数据等。
所述输入装置106可以是用户用来输入指令的装置,并且可以包括键盘、鼠标、麦克风和触摸屏等中的一个或多个。
所述输出装置108可以向外部(例如用户)输出各种信息(例如图像和/或声音),并且可以包括显示器、扬声器等中的一个或多个。
所述采集装置110可以采集需要进行识别的图像或音频等,并且将所采集的图像或音频存储在所述存储装置104中以供其它组件使用。采集装置110可以是摄像头、录音设备和指纹仪等至少一种。应当理解,采集装置110仅是示例,电子设备100可以不包括采集装置110。
示例性地,用于实现根据本发明实施例的监控方法和装置的示例电子设备可以在诸如个人计算机或远程服务器等的设备上实现。下面,将参考图2描述根据本发明实施例的监控方法。图2示出根据本发明一个实施例的监控方法200的示意性流程图。如图2所示,监控方法200包括以下步骤。
在步骤S210,获取待识别信息,其中,待识别信息包括图像和音频的至少一个。
示例性地,待识别信息为图像,所述图像可以包括人脸图像、指纹图像和虹膜图像中的至少一种。相对应地,下文所述的参考信息可以为参考图像信息,所述参考图像信息可以包括参考人脸信息、参考虹膜信息和参考指纹信息中的至少一种。在本发明的一个实施例中,可以将多种图像结合实现监控、也可以将多种图像与音频结合实现监控,还可以将多种图像中的任一种与音频结合实现监控,可以理解的是,也可以仅采用音频实现监控。本发明不对此进行限制。
下面以人脸图像为例,对本发明实施例的步骤S210进行详细描述。
图像可以是任何合适的包含人脸的图像。该图像可以是摄像头采集到的原始图像,也可以是对原始图像进行预处理之后获得的图像。
在监控领域,部署在某场所的摄像头每天可以采集到大量包括人脸的图像。每个人脸图像可能包含不止一张人脸,特别是对在人流密集的场所采集到的人脸图像来说更是如此。对于人脸图像中的每张人脸,均可以采用本发明实施例提供的监控方法来检测其属于白名单人员(即白名单底库中的人员)还是黑名单人员(即黑名单底库中的人员),并在达到告警条件的情况下进行告警。
人脸图像可以由客户端设备(诸如包括监控摄像头的安防设备)发送到电子设备100以由电子设备100的处理器102进行处理,也可以由电子设备100包括的采集装置110(例如摄像头)采集并传送到处理器102进行处理。
在步骤S220,针对待识别信息进行识别,得到识别结果。
示例性地,在步骤S220对待识别信息进行识别可以包括,例如,从人脸图像中识别出人脸、从指纹图像中识别出指纹、从虹膜图像中识别出虹膜,或者从音频中识别出人的声音等。本领域技术人员可以理解的是,可以采用例如深度学习算法实现对待识别信息的识别。
例如,对人脸图像中包含的人脸进行识别,包括进行人脸检测、人脸特征提取等,可以采用常规的人脸识别技术实现,在此不进行赘述。
在步骤S230,将识别结果分别与底库集合中的各底库中的参考信息进行相似度对比以获得对比结果,其中,底库集合包括黑名单底库和白名单底库,且所述黑名单底库的相似度阈值比白名单底库的相似度阈值低,参考信息包括参考图像信息和参考音频信息的至少一个。其中,参考图像信息可以为图像或图像的特征值;参考音频信息可以为音频或音频的特征值。
本文所述的“底库”可以包括人脸数据库、指纹数据库、虹膜数据库和/或音频数据库,其可以包含大量预先收集的参考信息(例如,参考人脸、参考指纹、参考虹膜、参考音频等)数据及其相关信息,诸如姓名、年龄、职业等个人基本信息。本领域技术人员可以理解的是,可以根据实际需要选择底库数据,例如,如果是利用人脸识别实现监控,则底库可以选择人脸数据库,如果是利用指纹识别实现监控,则底库可以选择指纹数据库,在此不再一一列举。
在本发明实施例中,底库集合可以包括黑名单底库和白名单底库。其中,黑名单底库可以包括诸如犯罪分子的危险人员的参考信息数据及相关信息,白名单底库可以包括诸如常驻人口的普通人员的参考信息数据及相关信息。
底库集合可以包括一个或多个底库。无论包括多少底库,对于底库集合来说,尽可能将其黑名单底库的相似度阈值设置得比其白名单底库的相似度阈值更低。
相似度阈值相当于是告警阈值。在识别结果与某底库中的某参考信息之间的相似度大于该底库的相似度阈值的情况下,认为该识别结果对应的对象有可能属于该底库中的人员。如果该底库是黑名单底库,说明识别结果对应的对象属于黑名单人员,需要告警;如果该底库是白名单底库,说明识别结果对应的对象属于白名单人员,不需要告警。
因此,将黑名单底库的相似度阈值设置得低于白名单底库的相似度阈值可以使被监控人员在同样相似度的情况下更容易被识别为黑名单人员,即能够加大对黑名单人员的识别权重。通过这种方式,可以提高针对黑名单人员的告警率,从而保障社会安全。
在步骤S240,根据对比结果确定识别结果对应的对象是否属于黑名单底库中的人员,如果属于,则转至步骤S250。
仍然以人脸图像为例,识别结果为人脸。利用相似度阈值可以筛选出识别出的人脸与底库中的哪些参考人脸比较相近。非常可能的是,不止一个底库具有与识别出的人脸之间的相似度超过相似度阈值的参考人脸,每个底库中的相似度超过相似度阈值的参考人脸也可能不止一个。例如,存在三个底库,其均具有相似度超过相似度阈值的参考人脸,分别用底库A、底库B和底库C表示。底库A包括5张参考人脸与识别出的人脸比较相似,底库B包括2张参考人脸与识别出的人脸比较相似,底库C包括3张参考人脸与识别出的人脸比较相似,则在步骤S240中可以综合这10张参考人脸的信息判断识别出的人脸对应的对象是否属于黑名单底库中的人员。
为更加清楚地描述本发明的技术方案,下面再以待识别信息为音频为例,进一步详述本发明的实施例。如果待识别信息为音频,则识别结果为语音,本技术领域人员可以理解的是,在音频识别(或者语音识别)过程中可以提取该音频的特征参数,将待识别音频的特征参数与各底库中参考音频(或者参考语音)进行相似度计算。非常可能的是,从任一个底库中具有不止一个与识别出的音频(或者语音)之间的相似度超过该底库的相似度阈值的参考音频(或者参考语音)。在本步骤中,可以综合多个底库中计算得到的相似度大于对应底库的相似度阈值的参考音频(或者参考语音)判断识别出的音频(或者语音)对应的对象是否属于黑名单底库中的人员。
示例性地,识别结果与各底库中的参考信息的相似度计算可以包括计算识别结果和各底库中的任一参考信息的欧氏距离。欧氏距离越小,则两者的相似度越高。
在步骤S250,输出告警信息。
在识别结果对应的对象属于黑名单底库中的人员的情况下(例如,从人脸图像中识别出的人脸所属对象为黑名单底库中的人员),可以输出告警信息。所述告警信息包括告警信号、所述待识别信息和关于所述识别结果的识别信息中的一项或多项。示例性地,若待识别信息为人脸图像,则告警信息可以包括告警信号、人脸图像和关于识别出的人脸的识别信息中的一项或多项;若待识别信息为指纹信息,则告警信息可以包括告警信号、指纹图像和识别出的指纹的识别信息中的一项或多项;若待识别信息为音频信息,则告警信息可以包括告警信号、采集到的音频、识别出的语音和识别出的语音的识别信息中的一项或多项。
告警信号可以是诸如蜂鸣声的音频信号、诸如告警指示灯的光学信号等。以待识别信息为人脸图像为例,人脸图像即在步骤S210中获取的包括人脸的图像。关于识别出的人脸的识别信息可以是例如该识别出的人脸出现在摄像头的采集范围内的时间、与该识别出的人脸最相似的参考人脸的图像和/或该参考人脸的相关信息、用于指向包含该识别出的人脸的人脸图像(可以是一段视频中的若干视频帧)的标识符或链接等。以待识别信息为指纹图像或者虹膜图像为例,步骤S210获取的图像中包括指纹或者虹膜,关于识别出的指纹或者虹膜的识别信息可以包括例如图像采集的时间、相似度最高的参考指纹或者参考虹膜、以及相似度最高的参考指纹或者参考虹膜的诸如对应对象的名字、性别、年龄等。
除告警信号之外,还可以将待识别信息和/或上述关于识别结果的信息输出,以方便用户(如监控系统的管理员)及时发现和查看可疑人员。
根据本发明实施例的监控方法,采用具有不同相似度阈值的黑名单底库和白名单底库进行监控,可以加大针对黑名单人员进行识别告警的识别权重。通过上述方法可以有效地、智能地监控各场景下的人员身份,针对黑名单人员及时告警,因此对于社会安全具有重大意义。
示例性地,根据本发明实施例的监控方法可以在具有存储器和处理器的设备、装置或者系统中实现。
根据本发明实施例的监控方法可以部署在采集设备端处,例如,可以部署在小区门禁系统的采集设备端或者部署在诸如车站、商场、银行等公共场所的安防监控系统的采集设备端。其中,采集设备可以包括但不限于图像采集设备(例如,人脸图像采集设备)、指纹采集设备、虹膜采集设备和音频采集设备的至少一种。替代地,根据本发明实施例的监控方法还可以分布地部署在服务器端(或云端)和客户端处。例如,可以在客户端采集待识别信息(例如,人脸图像、指纹图像、虹膜图像和/或音频等),客户端将采集到的待识别信息传送给服务器端(或云端),由服务器端(或云端)进行识别和监控,例如,将采集到的人脸图像、指纹图像、虹膜图像和/或音频传送给服务器端(或云端),由服务器端(或云端)对人脸图像、指纹图像虹膜图像和/或音频进行识别和监控。
根据本发明实施例,上述步骤S230可以包括:对于底库集合中的每个底库,分别计算识别结果与该底库中的各参考信息之间的相似度;对于底库集合中的每个底库,选择与识别结果之间的相似度大于该底库的相似度阈值的参考信息,其中,对比结果包括针对底库集合所选择出的所有参考信息及针对底库集合所选择出的所有参考信息各自的、与识别结果之间的相似度。
可以将识别结果(例如,识别出的人脸、识别出的指纹、识别出的虹膜、识别出的语音等)与集合底库中的每个底库中的参考信息分别进行对比,计算其与每个底库中的所有参考信息之间的相似度。由于每个底库分别具有各自的相似度阈值,因此在衡量识别结果与参考信息之间的相似度是否超过相似度阈值时,要与参考信息所在的底库的相似度阈值进行比较。对于相似度大于相似度阈值的参考信息,认为识别结果与该参考信息足够相似,并将这样的参考信息挑出来。
应当理解,最终选择出的相似度超过相似度阈值的参考信息不一定来自底库集合中的所有底库,有可能某些底库中的所有参考信息与识别结果都不够相似或者所有底库中的所有参考信息都与识别结果不相似。
可以将最终选择出的所有参考信息及各自对应的相似度作为对比结果进行随后的处理。应当理解,对比结果中的参考信息可以包括上文所述的参考信息数据及其相关信息。
通过将相似度与各底库的相似度阈值进行对比,可以简单快速地将底库集合中的与识别结果足够相似的所有参考信息筛选出来。
根据本发明实施例,上述步骤S230可以进一步包括:按照与识别结果之间的相似度降序排列针对底库集合所选择出的所有参考信息。
所选择出的所有参考信息可以来自一个或多个底库。每个参考信息具有与识别结果之间的相似度。可以将所有参考信息按照相似度统一进行降序排列,以方便后续找出与识别结果最相似的参考信息,并进而根据该最相似的参考信息确定识别结果对应的对象属于白名单人员还是黑名单人员。
可选地,还可以按照底库进行划分和排序。例如,可以将针对底库集合所选择出的所有参考信息按照所属底库进行划分,并对于针对底库集合所选择出的所有参考信息所属的底库中的每一个,将所选择出的所有参考信息中的、属于该底库的参考信息按照与识别结果之间的相似度降序排列。这样,并非将针对底库集合所选择出的所有参考信息统一进行排序而是在每个底库内部进行排序,这种方式更加方便于后续找出与识别结果最相似的参考信息。
根据本发明一实施例,上述步骤S240可以包括:对于对比结果中的参考信息所属的底库中的每一个底库,选择该底库中的、与识别结果之间的相似度最大的参考信息;对于对比结果中的参考信息所属的底库中的每一个,计算相似度最大的参考信息的相似度与该底库的相似度阈值之间的差值;从所计算的所有差值中选择最大差值;以及判断最大差值所对应的底库是否是黑名单底库,如果是,则确定识别结果对应的对象属于黑名单底库中的人员。可以根据各参考信息与识别结果之间的相似度找出相似度最大的参考信息。示例性地,在所有参考信息按照相似度降序排列的情况下,可以直接取每个底库的最靠前的参考信息,即取每个底库中与识别结果之间的相似度最大的参考信息。仍以待识别信息为人脸图像为例,根据各个底库中各参考人脸与识别出的人脸之间的相似度,选择出相似度大于该底库相似度阈值的参考人脸,且按照相似度进行降序排列,选择排序后的最靠前的参考人脸,即找出与识别出的人脸相似度最大的参考人脸。
将相似度最大的参考信息与识别结果之间的相似度(即最大相似度)减去该底库的相似度阈值即可获得差值。每个底库对应于一个差值,因此可能存在多个差值,从中选出最大差值,同时可确定最大差值所对应的参考信息(即与识别结果最相似的参考信息)及该参考信息所属的底库。例如,将相似度最大的参考人脸与识别出的人脸之间的相似度(即最大相似度)减去该底库的相似度阈值即可获得差值。每个底库对应于一个差值,因此可能存在多个差值,从中选出最大差值,同时可确定最大差值所对应的参考人脸(即与识别出的人脸最相似的参考人脸)及该参考人脸所属的底库。
根据本发明另一实施例,上述步骤S240可以包括:对于对比结果中的参考信息所属的底库中的每一个,选择该底库中的、与所述识别结果之间的相似度最大的参考信息;对于对比结果中的参考信息所属的底库中的每一个,计算相似度最大的参考信息的相似度相对于该底库的相似度阈值的百分比值;从所计算的所有百分比值中选择最大百分比值;以及判断所述最大百分比值所对应的底库是否是黑名单库,如果是,则确定所述识别结果对应的对象属于黑名单底库中的人员。为了简洁,在此不再详细的描述本实施例,其实现过程和原理可以参考上一个实施例(即前述差值实施例),与前述实施例不同的在于利用百分比值。
下面通过图3及示例进行详细描述,其中,以待识别信息为人脸图像、且识别结果为识别出的人脸为例。图3示出根据本发明一个实施例的、在根据对比结果确定识别出的人脸是否属于黑名单底库中的人员的步骤(步骤S240)中涉及的操作对象的示意性框图。
假设,在图3所示的对比结果中,参考人脸来自三个底库,即底库A、底库B和底库C,其中,底库A是黑名单底库,底库B和底库C是白名单底库。假设,在对比结果中,参考人脸a1、a2属于底库A,参考人脸b1、b2和b3属于底库B,参考人脸c1、c2属于底库C。并且假设,底库A的相似度阈值是50%,参考人脸a1与识别出的人脸之间的相似度是70%,参考人脸a2与识别出的人脸之间的相似度是75%;底库B的相似度阈值是60%,参考人脸b1与识别出的人脸之间的相似度是72%,参考人脸b2与识别出的人脸之间的相似度是65%,参考人脸b3与识别出的人脸之间的相似度是75%;底库C的相似度阈值是60%,参考人脸c1与识别出的人脸之间的相似度是70%,参考人脸c2与识别出的人脸之间的相似度是80%。
对于底库A来说,相似度最大的参考人脸是参考人脸a1,最大相似度是75%;对于底库B来说,相似度最大的参考人脸是参考人脸b3,最大相似度是75%;对于底库C来说,相似度最大的参考人脸是参考人脸c2,最大相似度是80%。
底库A所对应的最大相似度与底库A的相似度阈值之间的差值是25%;底库B所对应的最大相似度与底库B的相似度阈值之间的差值是15%;底库C所对应的最大相似度与底库C的相似度阈值之间的差值是20%。如此,可以获得三个差值,其中的最大差值是25%。
该最大差值所对应的底库是底库A。由于底库A是黑名单底库,因此确定识别出的人脸属于黑名单底库中的人员,可以输出告警信息。
从上述示例可以看出,虽然白名单底库C中存在最大相似度大于黑名单底库A的最大相似度的参考人脸(参考人脸c2),但是由于白名单底库C的相似度阈值高于黑名单底库A的相似度阈值,导致最终用于衡量识别出的人脸是否属于黑名单底库中的人员的参考人脸(或者说被视为与识别出的人脸最相似的参考人脸)是黑名单底库A中的参考人脸。也就是说,由于黑名单底库的相似度阈值较低,差值极有可能较大,由此可以加大对黑名单人员的识别权重,有更大的几率筛选出黑名单人员。
本领域技术人员可以理解的是,待识别信息为非人脸图像的诸如指纹图像、虹膜图像、音频等的情况下,步骤S240的操作判断过程与图3所示的实施例(人脸图像的实施例)的原理类似,为了简洁,在此不再赘述。
根据本发明实施例,所述从所计算的所有差值中选择最大差值可以包括:如果在所计算的所有差值中,存在两个或多于两个相等的最大的差值并且两个或多于两个相等的最大的差值所对应的底库全部是黑名单底库或者全部是白名单底库,则在两个或多于两个相等的最大的差值中随机选择一差值作为最大差值;和/或如果在所计算的所有差值中,存在两个或多于两个相等的最大的差值并且两个或多于两个相等的最大的差值所对应的底库包括黑名单底库和白名单底库,则在两个或多于两个相等的最大的差值中选择与黑名单底库对应的差值之一作为最大差值。
在最大的差值不止一个的情况下,可以视情况选择其中之一作为最大差值。选择的原则可以是如果最大的差值所对应的底库既有黑名单底库也有白名单底库,则优先选择黑名单底库所对应的差值,如果仅有黑名单底库或仅有白名单底库,则可以随机选择或根据任何合适的规则选择差值之一。
例如,对于上文所述示例中的底库A、底库B和底库C来说,如果底库A所对应的差值是20%,底库B所对应的差值是10%,并且底库C所对应的差值是20%,则最大的差值是20%,此时存在两个相等的最大的差值。由于底库A是黑名单底库,底库C是白名单底库,因此优先选择底库A,即认为识别出的人脸与底库A中的参考人脸最相似,进而可以根据该判断结果输出告警信息。
通过以上方式,可以进一步提高黑名单人员的识别权重,使得黑名单人员更易于被发现和引发告警。
图4示出根据本发明另一实施例的监控方法400的示意性流程图。图4所示的监控方法400的步骤S430-S470分别与图2所示的监控方法200的步骤S210-S250相对应,本领域技术人员结合上述对图2所示的监控方法200的描述可以理解本实施例的上述步骤,在此不再赘述。在本实施例中,步骤S430可以包括:自特定采集设备接收其所采集的待识别信息,并且在步骤S430之前,监控方法400可以进一步包括步骤S410和S420。
在步骤S410,在自特定采集设备接收其所采集的所述待识别信息之前,将特定采集设备与底库集合关联在一起。
可以为特定采集设备分配一个或多个底库作为底库集合。应当理解,相同类型的多个不同的采集设备可以共享同一底库,也可以使用不同的底库,这可以根据实际需要确定,例如,可以根据摄像头的部署位置或监控目标等确定与摄像头关联的底库。
在步骤S420,根据特定采集设备周围的环境信息、特定采集设备的设备信息和/或底库集合中的各底库的底库类别设置底库集合中的各底库的相似度阈值。
示例性地,环境信息可以包括环境光线数据和/或人流量数据。示例性地,设备信息可以包括特定采集设备的分辨率、部署位置和焦距中的一项或多项。示例性地,底库类别可以包括黑名单底库类和白名单底库类。环境光线和人流量是指特定采集设备的部署位置附近的环境光线和人流量。
应当理解,在进行人脸监控之前,可以对监控系统(也可以说是上文所述的电子设备100)需要的一些基本信息进行配置。可选地,配置可由用户进行。可以经由交互界面接收用户输入的信息。例如,可以接收用户输入的环境光线数据和/或人流量数据作为上述环境信息,或者可以接收用户输入的特定采集设备的分辨率、部署位置和焦距中的一项或多项作为上述设备信息,或者可以接收用户输入的黑名单底库类和白名单底库类作为底库类别。
在接收到用户输入的上述信息之后,可以基于接收到的信息设置底库的相似度阈值。在一个示例中,已设置好相似度阈值的底库可以是一个底库标识符,之后可以将与该底库相关的参考信息数据及相关信息从其他外部设备转移到电子设备100的存储器中用于在监控过程中使用。
应当理解,上述用于设置相似度阈值的指标仅是示例而非限制。可以考虑多方面的因素来作为设置底库的相似度阈值的指标。所考虑的因素的类型、各因素所占的比重及利用各因素计算相似度阈值的算法均可以根据需要进行设定,本文不对此进行限制。
为帮助理解,下面举例说明。例如,在摄像头所部署的场所光线暗淡的情况下,可以将相似度阈值设定得低一些。因为在光线暗淡的情况下,摄像头采集到的人脸图像清晰度可能降低,导致人脸识别的准确度也降低,这进而会影响对黑名单人员的监控。为了保障安全,可以将与部署在光线暗淡的地方的摄像头相关联的底库的相似度阈值设置得比与部署在光线明亮的地方的摄像头相关联的底库的相似度阈值低,从而防止遗漏某些原本应被检测到的黑名单人员。
应当注意,对于黑名单底库,应将其相似度阈值设置得比白名单底库更低一些。这样,对于与黑名单人员和白名单人员之间的相似度差不多的人来说,其更倾向于被识别为黑名单人员,以使得诸如危险分子的黑名单人员能够更容易被检测到。
示例性地,对于同一摄像头来说,由于其周围的环境信息及其自身设备信息是固定的,因此与其关联的底库的相似度阈值可以仅由底库类别决定,黑名单底库将比白名单底库的相似度阈值低。但对于不同摄像头来说,由于具有其他因素的影响,因此有可能存在某一摄像头关联的黑名单底库比另一摄像头关联的白名单底库的相似度阈值高的情况。当然,也可以不考虑其他因素,完全依靠底库类别来为各底库设置相似度阈值。
根据本发明另一方面,提供一种监控装置。图5示出了根据本发明一个实施例的监控装置500的示意性框图。
如图5所示,根据本发明实施例的监控装置500包括获取模块510、识别模块520、相似度对比模块530、结果确定模块540和告警模块550。
获取模块510用于获取待识别信息,其中,待识别信息包括图像和音频的至少一个。获取模块510可以由图1所示的电子设备中的处理器102运行存储装置104中存储的程序指令来实现。
识别模块520用于针对所述待识别信息进行识别,得到识别结果。识别模块520可以由图1所示的电子设备中的处理器102运行存储装置104中存储的程序指令来实现。
相似度对比模块530用于将识别结果分别与底库集合中的各底库中的参考信息进行相似度对比以获得对比结果,其中,所述底库集合包括黑名单底库和白名单底库,且所述黑名单底库的相似度阈值比白名单底库的相似度阈值低,所述参考信息包括参考图像信息和参考音频信息的至少一个。相似度对比模块530可以由图1所示的电子设备中的处理器102运行存储装置104中存储的程序指令来实现。
结果确定模块540用于根据所述对比结果确定所述识别结果对应的对象是否属于黑名单底库中的人员,如果属于,则启动所述告警模块550。结果确定模块540可以由图1所示的电子设备中的处理器102运行存储装置104中存储的程序指令来实现。
告警模块550用于输出告警信息。告警模块550可以由图1所示的电子设备中的处理器102运行存储装置104中存储的程序指令来实现。
根据本发明实施例,所述相似度对比模块530可以包括:第一计算子模块,用于对于所述底库集合中的每个底库,分别计算所述识别结果与该底库中的各参考信息之间的相似度;第一选择子模块,用于对于所述底库集合中的每个底库,选择与所述识别结果之间的相似度大于该底库的相似度阈值的参考信息,其中,所述对比结果包括针对所述底库集合所选择出的所有参考信息及所述针对所述底库集合所选择出的所有参考信息各自的、与所述识别结果之间的相似度。
根据本发明实施例,所述相似度对比模块530可以进一步包括:排序模块,用于按照与所述识别结果之间的相似度降序排列所述针对所述底库集合所选择出的所有参考信息。
根据本发明一实施例,所述结果确定模块540可以包括:第二选择子模块,用于对于所述对比结果中的参考信息所属的底库中的每一个,选择该底库中的、与所述识别结果之间的相似度最大的参考信息;第二计算子模块,用于对于所述对比结果中的参考信息所属的底库中的每一个,计算相似度最大的参考信息的相似度与该底库的相似度阈值之间的差值;第三选择子模块,用于从所计算的所有差值中选择最大差值;以及第一判断子模块,用于判断所述最大差值所对应的底库是否是黑名单底库,如果是,则确定所述识别结果对应的对象属于黑名单底库中的人员。
根据本发明实施例,所述第三选择子模块可以包括:第一选择单元,用于如果在所述所计算的所有差值中,存在两个或多于两个相等的最大的差值并且所述两个或多于两个相等的最大的差值所对应的底库全部是黑名单底库或者全部是白名单底库,则在所述两个或多于两个相等的最大的差值中随机选择一差值作为所述最大差值;和/或第二选择单元,用于如果在所述所计算的所有差值中,存在两个或多于两个相等的最大的差值并且所述两个或多于两个相等的最大的差值所对应的底库包括黑名单底库和白名单底库,则在所述两个或多于两个相等的最大的差值中选择与黑名单底库对应的差值之一作为所述最大差值。
根据本发明另一实施例,所述结果确定模块540可以包括:第四选择子模块,用于对于所述对比结果中的参考信息所属的底库中的每一个,选择该底库中的、与所述识别结果之间的相似度最大的参考信息;第三计算子模块,用于对于所述对比结果中的参考信息所属的底库中的每一个,计算相似度最大的参考信息的相似度相对于该底库的相似度阈值的百分比值;第五选择子模块,用于从所计算的所有百分比值中选择最大百分比值;以及第二判断子模块,用于判断所述最大百分比值所对应的底库是否是黑名单库,如果是,则确定所述识别结果对应的对象属于黑名单底库中的人员。
根据本发明实施例,所述获取模块510可以包括接收子模块,用于自特定采集设备接收其所采集的所述待识别信息;
所述监控装置500可以进一步包括:关联模块,用于在所述接收子模块自特定采集设备接收其所采集的所述待识别信息之前,将所述特定采集设备与所述底库集合关联在一起;以及设置模块,用于根据所述特定采集设备周围的环境信息、所述特定采集设备的设备信息和/或所述底库集合中的各底库的底库类别设置所述底库集合中的各底库的相似度阈值。
根据本发明实施例,所述环境信息可以包括环境光线数据和/或人流量数据,所述设备信息可以包括所述特定采集设备的分辨率、部署位置和焦距中的一项或多项,所述底库类别可以包括黑名单底库类和白名单底库类。
根据本发明实施例,所述告警信息可以包括告警信号、所述待识别信息和关于所述识别结果的识别信息中的一项或多项。
根据本发明实施例,所述待识别信息为图像,所述图像包括人脸图像、虹膜图像和指纹图像中的至少一种,以及所述参考信息为参考图像信息,所述参考图像信息包括参考人脸信息、参考虹膜信息和参考指纹信息中的至少一种。其中,参考人脸信息可以为人脸图像或人脸图像的特征值;参考虹膜信息可以为虹膜图像或虹膜图像的特征值;参考指纹信息可以为指纹图像或指纹图像的特征值。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
图6示出了根据本发明一个实施例的监控系统600的示意性框图。监控系统600包括采集装置610、存储装置620、以及处理器630。
采集装置610用于采集待识别信息。采集装置610是可选的,监控系统600可以不包括采集装置610。
所述存储装置620存储用于实现根据本发明实施例的监控方法中的相应步骤的程序代码。
所述处理器630用于运行所述存储装置620中存储的程序代码,以执行根据本发明实施例的监控方法的相应步骤,并且用于实现根据本发明实施例的监控装置中的获取模块510、识别模块520、相似度对比模块530、结果确定模块540和告警模块550。
在一个实施例中,所述程序代码被所述处理器630运行时使所述监控系统600执行以下步骤:步骤S210:获取待识别信息,所述待识别信息包括图像和音频的至少一个;步骤S220:针对所述待识别信息进行识别,得到识别结果;步骤S230:将识别结果分别与底库集合中的各底库中的参考信息进行相似度对比以获得对比结果,其中,所述底库集合包括黑名单底库和白名单底库,所述黑名单底库的相似度阈值比白名单底库的相似度阈值低,所述参考信息包括参考图像信息和参考音频信息的至少一个;步骤S240:根据所述对比结果确定所述识别结果对应的对象是否属于黑名单底库中的人员,如果属于,则转至步骤S250;以及步骤S250:输出告警信息。
在一个实施例中,所述程序代码被所述处理器630运行时使所述监控系统600所执行的步骤S230包括:对于所述底库集合中的每个底库,分别计算所述识别结果与该底库中的各参考信息之间的相似度;对于所述底库集合中的每个底库,选择与所述识别结果之间的相似度大于该底库的相似度阈值的参考信息,其中,所述对比结果包括针对所述底库集合所选择出的所有参考信息及所述针对所述底库集合所选择出的所有参考信息各自的、与所述识别结果之间的相似度。
在一个实施例中,所述程序代码被所述处理器630运行时使所述监控系统600所执行的步骤S230进一步包括:按照与所述识别结果之间的相似度降序排列所述针对所述底库集合所选择出的所有参考信息。
在一个实施例中,所述程序代码被所述处理器630运行时使所述监控系统600所执行的步骤S240包括:对于所述对比结果中的参考信息所属的底库中的每一个,选择该底库中的、与所述识别结果之间的相似度最大的参考信息;对于所述对比结果中的参考信息所属的底库中的每一个,计算相似度最大的参考信息的相似度与该底库的相似度阈值之间的差值;从所计算的所有差值中选择最大差值;以及判断所述最大差值所对应的底库是否是黑名单底库,如果是,则确定所述识别结果对应的对象属于黑名单底库中的人员。
在另一个实施例中,所述程序代码被所述处理器630运行时使所述监控系统600所执行的步骤S240包括:对于所述对比结果中的参考信息所属的底库中的每一个,选择该底库中的、与所述识别结果之间的相似度最大的参考信息;对于所述对比结果中的参考信息所属的底库中的每一个,计算相似度最大的参考信息的相似度相对于该底库的相似度阈值的百分比值;从所计算的所有百分比值中选择最大百分比值;以及判断所述最大百分比值所对应的底库是否是黑名单库,如果是,则确定所述识别结果对应的对象属于黑名单底库中的人员。
在一个实施例中,所述程序代码被所述处理器630运行时使所述监控系统600所执行的从所计算的所有差值中选择最大差值的步骤包括:如果在所述所计算的所有差值中,存在两个或多于两个相等的最大的差值并且所述两个或多于两个相等的最大的差值所对应的底库全部是黑名单底库或者全部是白名单底库,则在所述两个或多于两个相等的最大的差值中随机选择一差值作为所述最大差值;和/或如果在所述所计算的所有差值中,存在两个或多于两个相等的最大的差值并且所述两个或多于两个相等的最大的差值所对应的底库包括黑名单底库和白名单底库,则在所述两个或多于两个相等的最大的差值中选择与黑名单底库对应的差值之一作为所述最大差值。
在一个实施例中,所述程序代码被所述处理器630运行时使所述监控系统600所执行的步骤S210包括:自特定采集设备接收其所采集的所述待识别信息;
在所述程序代码被所述处理器630运行时使所述监控系统600所执行的步骤S210之前,所述程序代码被所述处理器630运行时使所述监控系统600进一步执行:将所述特定采集设备与所述底库集合关联在一起;以及根据所述特定采集设备周围的环境信息、所述特定采集设备的设备信息和/或所述底库集合中的各底库的底库类别设置所述底库集合中的各底库的相似度阈值。
在一个实施例中,所述环境信息包括环境光线数据和/或人流量数据,所述设备信息包括所述特定采集设备的分辨率、部署位置和焦距中的一项或多项,所述底库类别包括黑名单底库类和白名单底库类。
在一个实施例中,所述告警信息包括告警信号、所述待识别信息和关于所述识别结果的识别信息中的一项或多项。
在一个实施例中,所述待识别信息为图像,所述图像包括人脸图像、虹膜图像和指纹图像中的至少一种,以及所述参考信息为参考图像信息,所述参考图像信息包括参考人脸信息、参考虹膜信息和参考指纹信息中的至少一种。
此外,根据本发明实施例,还提供了一种存储介质,在所述存储介质上存储了程序指令,在所述程序指令被计算机或处理器运行时用于执行本发明实施例的监控方法的相应步骤,并且用于实现根据本发明实施例的监控装置中的相应模块。所述存储介质例如可以包括智能电话的存储卡、平板电脑的存储部件、个人计算机的硬盘、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、USB存储器、或者上述存储介质的任意组合。
在一个实施例中,所述计算机程序指令在被计算机或处理器运行时可以使得计算机或处理器实现根据本发明实施例的监控装置的各个功能模块,并且/或者可以执行根据本发明实施例的监控方法。
在一个实施例中,所述计算机程序指令在被计算机运行时使所述计算机执行以下步骤:步骤S210:获取待识别信息,所述待识别信息包括图像和音频的至少一个;步骤S220:针对所述待识别信息进行识别,得到识别结果;步骤S230:将识别结果分别与底库集合中的各底库中的参考信息进行相似度对比以获得对比结果,其中,所述底库集合包括黑名单底库和白名单底库,且所述黑名单底库的相似度阈值比白名单底库的相似度阈值低,所述参考信息包括参考图像信息和参考音频信息的至少一个;步骤S240:根据所述对比结果确定所述识别结果对应的对象是否属于黑名单底库中的人员,如果属于,则转至步骤S250;以及步骤S250:输出告警信息。其中,参考图像信息可以为图像或图像的特征值;参考音频信息可以为音频或音频的特征值。
在一个实施例中,所述计算机程序指令在被计算机运行时使所述计算机所执行的步骤S230包括:对于所述底库集合中的每个底库,分别计算所述识别结果与该底库中的各参考信息之间的相似度;对于所述底库集合中的每个底库,选择与所述识别结果之间的相似度大于该底库的相似度阈值的参考信息,其中,所述对比结果包括针对所述底库集合所选择出的所有参考信息及所述针对所述底库集合所选择出的所有参考信息各自的、与所述识别结果之间的相似度。
在一个实施例中,所述计算机程序指令在被计算机运行时使所述计算机所执行的步骤S230进一步包括:按照与所述识别结果之间的相似度降序排列所述针对所述底库集合所选择出的所有参考信息。
在一个实施例中,所述计算机程序指令在被计算机运行时使所述计算机所执行的步骤S240包括:对于所述对比结果中的参考信息所属的底库中的每一个,选择该底库中的、与所述识别结果之间的相似度最大的参考信息;对于所述对比结果中的参考信息所属的底库中的每一个,计算相似度最大的参考信息的相似度与该底库的相似度阈值之间的差值;从所计算的所有差值中选择最大差值;以及判断所述最大差值所对应的底库是否是黑名单底库,如果是,则确定所述识别结果对应的对象属于黑名单底库中的人员。
在另一个实施例中,所述计算机程序指令在被计算机运行时所述计算机所执行的步骤S240包括:对于所述对比结果中的参考信息所属的底库中的每一个,选择该底库中的、与所述识别结果之间的相似度最大的参考信息;对于所述对比结果中的参考信息所属的底库中的每一个,计算相似度最大的参考信息的相似度相对于该底库的相似度阈值的百分比值;从所计算的所有百分比值中选择最大百分比值;以及判断所述最大百分比值所对应的底库是否是黑名单库,如果是,则确定所述识别结果对应的对象属于黑名单底库中的人员。
在一个实施例中,所述计算机程序指令在被计算机运行时使所述计算机所执行的从所计算的所有差值中选择最大差值的步骤包括:如果在所述所计算的所有差值中,存在两个或多于两个相等的最大的差值并且所述两个或多于两个相等的最大的差值所对应的底库全部是黑名单底库或者全部是白名单底库,则在所述两个或多于两个相等的最大的差值中随机选择一差值作为所述最大差值;和/或如果在所述所计算的所有差值中,存在两个或多于两个相等的最大的差值并且所述两个或多于两个相等的最大的差值所对应的底库包括黑名单底库和白名单底库,则在所述两个或多于两个相等的最大的差值中选择与黑名单底库对应的差值之一作为所述最大差值。
在一个实施例中,所述计算机程序指令在被计算机运行时使所述计算机所执行的步骤S210包括:自特定采集设备接收其所采集的所述待识别信息;
在所述计算机程序指令在被计算机运行时使所述计算机所执行的步骤S210之前,所述计算机程序指令在被计算机运行时使所述计算机进一步执行:将所述特定采集设备与所述底库集合关联在一起;以及根据所述特定采集设备周围的环境信息、所述特定采集设备的设备信息和/或所述底库集合中的各底库的底库类别设置所述底库集合中的各底库的相似度阈值。
在一个实施例中,所述环境信息包括环境光线数据和/或人流量数据,所述设备信息包括所述特定采集设备的分辨率、部署位置和焦距中的一项或多项,所述底库类别包括黑名单底库类和白名单底库类。
在一个实施例中,所述告警信息包括告警信号、所述待识别信息和关于所述识别结果的识别信息中的一项或多项。
在一个实施例中,所述待识别信息为图像,所述图像包括人脸图像、虹膜图像和指纹图像中的至少一种,以及所述参考信息为参考图像信息,所述参考图像信息包括参考人脸信息、参考虹膜信息和参考指纹信息中的至少一种。其中,参考人脸信息可以为人脸图像或人脸图像的特征值;参考虹膜信息可以为虹膜图像或虹膜图像的特征值;参考指纹信息可以为指纹图像或指纹图像的特征值。
根据本发明实施例的监控系统中的各模块可以通过根据本发明实施例的实施监控的电子设备的处理器运行在存储器中存储的计算机程序指令来实现,或者可以在根据本发明实施例的计算机程序产品的计算机可读存储介质中存储的计算机指令被计算机运行时实现。
根据本发明实施例的监控方法及装置,采用具有不同相似度阈值的黑名单底库和白名单底库进行监控,可以加大针对黑名单人员进行识别告警的识别权重。通过上述方法和装置可以有效地、智能地监控各场景下的人员身份,针对黑名单人员及时告警,因此对于社会安全具有重大意义。
尽管这里已经参考附图描述了示例实施例,应理解上述示例实施例仅仅是示例性的,并且不意图将本发明的范围限制于此。本领域普通技术人员可以在其中进行各种改变和修改,而不偏离本发明的范围和精神。所有这些改变和修改意在被包括在所附权利要求所要求的本发明的范围之内。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。例如,以上所描述的设备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,例如多个单元或组件可以结合或者可以集成到另一个设备,或一些特征可以忽略,或不执行。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本发明并帮助理解各个发明方面中的一个或多个,在对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该本发明的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如相应的权利要求书所反映的那样,其发明点在于可以用少于某个公开的单个实施例的所有特征的特征来解决相应的技术问题。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域的技术人员可以理解,除了特征之间相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的监控装置中的一些模块的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
以上所述,仅为本发明的具体实施方式或对具体实施方式的说明,本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。本发明的保护范围应以权利要求的保护范围为准。
Claims (20)
1.一种监控方法,包括:
步骤S210:获取待识别信息,所述待识别信息包括图像和音频的至少一个;
步骤S220:针对所述待识别信息进行识别,得到识别结果;
步骤S230:将识别结果分别与底库集合中的各底库中的参考信息进行相似度对比以获得对比结果,其中,所述底库集合包括黑名单底库和白名单底库,且所述黑名单底库的相似度阈值比所述白名单底库的相似度阈值低,所述参考信息包括参考图像信息和参考音频信息的至少一个;
步骤S240:根据所述对比结果确定所述识别结果对应的对象是否属于黑名单底库中的人员,如果属于,则转至步骤S250;以及
步骤S250:输出告警信息。
2.如权利要求1所述的监控方法,其中,所述步骤S230包括:
对于所述底库集合中的每个底库,
分别计算所述识别结果与该底库中的各参考信息之间的相似度;
选择与所述识别结果之间的相似度大于该底库的相似度阈值的参考信息,
其中,所述对比结果包括针对所述底库集合所选择出的所有参考信息及所述针对所述底库集合所选择出的所有参考信息各自的、与所述识别结果之间的相似度。
3.如权利要求2所述的监控方法,其中,所述步骤S230进一步包括:
按照与所述识别结果之间的相似度降序排列所述针对所述底库集合所选择出的所有参考信息。
4.如权利要求1至3任一项所述的监控方法,其中,所述步骤S240包括:
对于所述对比结果中的参考信息所属的底库中的每一个,
选择该底库中的、与所述识别结果之间的相似度最大的参考信息;
计算相似度最大的参考信息的相似度与该底库的相似度阈值之间的差值;
从所计算的所有差值中选择最大差值;以及
判断所述最大差值所对应的底库是否是黑名单底库,如果是,则确定所述识别结果对应的对象属于黑名单底库中的人员。
5.如权利要求4所述的监控方法,其中,所述从所计算的所有差值中选择最大差值包括:
如果在所述所计算的所有差值中,存在两个或多于两个相等的最大的差值并且所述两个或多于两个相等的最大的差值所对应的底库全部是黑名单底库或者全部是白名单底库,则在所述两个或多于两个相等的最大的差值中随机选择一差值作为所述最大差值;和/或
如果在所述所计算的所有差值中,存在两个或多于两个相等的最大的差值并且所述两个或多于两个相等的最大的差值所对应的底库包括黑名单底库和白名单底库,则在所述两个或多于两个相等的最大的差值中选择与黑名单底库对应的差值之一作为所述最大差值。
6.如权利要求1至3任一项所述的监控方法,其中,所述步骤S240包括:
对于所述对比结果中的参考信息所属的底库中的每一个,
选择该底库中的、与所述识别结果之间的相似度最大的参考信息;
计算相似度最大的参考信息的相似度相对于该底库的相似度阈值的百分比值;
从所计算的所有百分比值中选择最大百分比值;以及
判断所述最大百分比值所对应的底库是否是黑名单库,如果是,则确定所述识别结果对应的对象属于黑名单底库中的人员。
7.如权利要求1至3任一项所述的监控方法,其中,所述步骤S210包括:自特定采集设备接收其所采集的所述待识别信息;
所述监控方法进一步包括:
在所述自特定采集设备接收其所采集的所述待识别信息之前,
将所述特定采集设备与所述底库集合关联在一起;以及
根据所述特定采集设备周围的环境信息、所述特定采集设备的设备信息和/或所述底库集合中的各底库的底库类别设置所述底库集合中的各底库的相似度阈值。
8.如权利要求7所述的监控方法,其中,所述环境信息包括环境光线数据和/或人流量数据,所述设备信息包括所述特定采集设备的分辨率、部署位置和焦距中的一项或多项,所述底库类别包括黑名单底库类和白名单底库类。
9.如权利要求1至3任一项所述的监控方法,其中,所述告警信息包括告警信号、所述待识别信息和关于所述识别结果的识别信息中的一项或多项。
10.如权利要求1所述的监控方法,其中,所述待识别信息为图像,所述图像包括人脸图像、虹膜图像和指纹图像中的至少一种,以及
所述参考信息为参考图像信息,所述参考图像信息包括参考人脸信息、参考虹膜信息和参考指纹信息中的至少一种。
11.一种监控装置,包括:
获取模块,用于获取待识别信息,所述待识别信息包括图像和音频的至少一个;
识别模块,用于针对所述待识别信息进行识别,得到识别结果;
相似度对比模块,用于将识别结果分别与底库集合中的各底库中的参考信息进行相似度对比以获得对比结果,其中,所述底库集合包括黑名单底库和白名单底库,且所述黑名单底库的相似度阈值比所述白名单底库的相似度阈值低,所述参考信息包括参考图像信息和参考音频信息的至少一个;
结果确定模块,用于根据所述对比结果确定所述识别结果对应的对象是否属于黑名单底库中的人员,如果属于,则启动所述告警模块;以及
告警模块,用于输出告警信息。
12.如权利要求11所述的监控装置,其中,所述相似度对比模块包括:
第一计算子模块,用于对于所述底库集合中的每个底库,分别计算所述识别结果与该底库中的各参考信息之间的相似度;
第一选择子模块,用于对于所述底库集合中的每个底库,选择与所述识别结果之间的相似度大于该底库的相似度阈值的参考信息,
其中,所述对比结果包括针对所述底库集合所选择出的所有参考信息及所述针对所述底库集合所选择出的所有参考信息各自的、与所述识别结果之间的相似度。
13.如权利要求12所述的监控装置,其中,所述相似度对比模块进一步包括:
排序模块,用于按照与所述识别结果之间的相似度降序排列所述针对所述底库集合所选择出的所有参考信息。
14.如权利要求11至13任一项所述的监控装置,其中,所述结果确定模块包括:
第二选择子模块,用于对于所述对比结果中的参考信息所属的底库中的每一个,选择该底库中的、与所述识别结果之间的相似度最大的参考信息;
第二计算子模块,用于对于所述对比结果中的参考信息所属的底库中的每一个,计算相似度最大的参考信息的相似度与该底库的相似度阈值之间的差值;
第三选择子模块,用于从所计算的所有差值中选择最大差值;以及
第一判断子模块,用于判断所述最大差值所对应的底库是否是黑名单底库,如果是,则确定所述识别结果对应的对象属于黑名单底库中的人员。
15.如权利要求14所述的监控装置,其中,所述第三选择子模块包括:
第一选择单元,用于如果在所述所计算的所有差值中,存在两个或多于两个相等的最大的差值并且所述两个或多于两个相等的最大的差值所对应的底库全部是黑名单底库或者全部是白名单底库,则在所述两个或多于两个相等的最大的差值中随机选择一差值作为所述最大差值;和/或
第二选择单元,用于如果在所述所计算的所有差值中,存在两个或多于两个相等的最大的差值并且所述两个或多于两个相等的最大的差值所对应的底库包括黑名单底库和白名单底库,则在所述两个或多于两个相等的最大的差值中选择与黑名单底库对应的差值之一作为所述最大差值。
16.如权利要求11至13任一项所述的监控装置,其中,所述结果确定模块包括:
第四选择子模块,用于对于所述对比结果中的参考信息所属的底库中的每一个,选择该底库中的、与所述识别结果之间的相似度最大的参考信息;
第三计算子模块,用于对于所述对比结果中的参考信息所属的底库中的每一个,计算相似度最大的参考信息的相似度相对于该底库的相似度阈值的百分比值;
第五选择子模块,用于从所计算的所有百分比值中选择最大百分比值;以及
第二判断子模块,用于判断所述最大百分比值所对应的底库是否是黑名单库,如果是,则确定所述识别结果对应的对象属于黑名单底库中的人员。
17.如权利要求11至13任一项所述的监控装置,其中,所述获取模块包括接收子模块,用于自特定采集设备接收其所采集的所述待识别信息;
所述监控装置进一步包括:
关联模块,用于在所述接收子模块自特定采集设备接收其所采集的所述待识别信息之前,将所述特定采集设备与所述底库集合关联在一起;以及
设置模块,用于根据所述特定采集设备周围的环境信息、所述特定采集设备的设备信息和/或所述底库集合中的各底库的底库类别设置所述底库集合中的各底库的相似度阈值。
18.如权利要求17所述的监控装置,其中,所述环境信息包括环境光线数据和/或人流量数据,所述设备信息包括所述特定采集设备的分辨率、部署位置和焦距中的一项或多项,所述底库类别包括黑名单底库类和白名单底库类。
19.如权利要求11至13任一项所述的监控装置,其中,所述告警信息包括告警信号、所述待识别信息和关于所述识别结果的识别信息中的一项或多项。
20.如权利要求11所述的监控装置,其中,所述待识别信息为图像,所述图像包括人脸图像、虹膜图像和指纹图像中的至少一种,以及
所述参考信息为参考图像信息,所述参考图像信息包括参考人脸信息、参考虹膜信息和参考指纹信息中的至少一种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610698565.0A CN106372572B (zh) | 2016-08-19 | 2016-08-19 | 监控方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610698565.0A CN106372572B (zh) | 2016-08-19 | 2016-08-19 | 监控方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106372572A true CN106372572A (zh) | 2017-02-01 |
CN106372572B CN106372572B (zh) | 2019-11-12 |
Family
ID=57878243
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610698565.0A Active CN106372572B (zh) | 2016-08-19 | 2016-08-19 | 监控方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106372572B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106851226A (zh) * | 2017-03-29 | 2017-06-13 | 宁夏宁信信息科技有限公司 | 基于用户行为识别的摄像头自动调整的监控方法及系统 |
CN107358699A (zh) * | 2017-07-17 | 2017-11-17 | 深圳市斑点猫信息技术有限公司 | 一种安全验证方法及系统 |
CN108573268A (zh) * | 2017-03-10 | 2018-09-25 | 北京旷视科技有限公司 | 图像识别方法和装置、图像处理方法和装置及存储介质 |
CN108629259A (zh) * | 2017-03-17 | 2018-10-09 | 北京旷视科技有限公司 | 身份认证方法和装置及存储介质 |
CN108647581A (zh) * | 2018-04-18 | 2018-10-12 | 深圳市商汤科技有限公司 | 信息处理方法、装置及存储介质 |
CN110717357A (zh) * | 2018-07-12 | 2020-01-21 | 杭州海康威视数字技术股份有限公司 | 预警方法、装置、电子设备及存储介质 |
CN110767238A (zh) * | 2019-09-19 | 2020-02-07 | 平安科技(深圳)有限公司 | 基于地址信息的黑名单识别方法、装置、设备及存储介质 |
CN110838305A (zh) * | 2019-11-15 | 2020-02-25 | 中国汽车工程研究院股份有限公司 | 基于声音识别的智能车辆adas预警测试方法和系统 |
CN111488919A (zh) * | 2020-03-24 | 2020-08-04 | 北京迈格威科技有限公司 | 目标识别方法及装置,电子设备以及计算机可读存储介质 |
CN111626229A (zh) * | 2020-05-29 | 2020-09-04 | 广州云从博衍智能科技有限公司 | 一种对象管理方法、装置、机器可读介质及设备 |
CN113315777A (zh) * | 2021-06-03 | 2021-08-27 | 珠海市鸿瑞信息技术股份有限公司 | 一种基于电力规约操作智能运维监控系统 |
CN113837160A (zh) * | 2021-11-29 | 2021-12-24 | 天津市中环系统工程有限责任公司 | 一种无预设信息下的常住人员和车辆识别方法 |
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 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101651824A (zh) * | 2008-07-23 | 2010-02-17 | 株式会社日立制作所 | 移动物体监视装置 |
CN102622579A (zh) * | 2012-02-20 | 2012-08-01 | 华焦宝 | 人脸预警方法及系统 |
CN103593609A (zh) * | 2012-08-16 | 2014-02-19 | 阿里巴巴集团控股有限公司 | 一种可信行为识别的方法和装置 |
CN103902957A (zh) * | 2012-12-27 | 2014-07-02 | 重庆凯泽科技有限公司 | 动态人像实时联网监控应用模式的系统 |
CN104036009A (zh) * | 2014-06-24 | 2014-09-10 | 北京奇虎科技有限公司 | 一种搜索匹配图片的方法、图片搜索方法及装置 |
CN105100119A (zh) * | 2015-08-31 | 2015-11-25 | 百度在线网络技术(北京)有限公司 | 网址的检测方法及装置 |
CN105426869A (zh) * | 2015-12-15 | 2016-03-23 | 重庆凯泽科技有限公司 | 基于铁路安检的人脸识别系统及识别方法 |
-
2016
- 2016-08-19 CN CN201610698565.0A patent/CN106372572B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101651824A (zh) * | 2008-07-23 | 2010-02-17 | 株式会社日立制作所 | 移动物体监视装置 |
CN102622579A (zh) * | 2012-02-20 | 2012-08-01 | 华焦宝 | 人脸预警方法及系统 |
CN103593609A (zh) * | 2012-08-16 | 2014-02-19 | 阿里巴巴集团控股有限公司 | 一种可信行为识别的方法和装置 |
CN103902957A (zh) * | 2012-12-27 | 2014-07-02 | 重庆凯泽科技有限公司 | 动态人像实时联网监控应用模式的系统 |
CN104036009A (zh) * | 2014-06-24 | 2014-09-10 | 北京奇虎科技有限公司 | 一种搜索匹配图片的方法、图片搜索方法及装置 |
CN105100119A (zh) * | 2015-08-31 | 2015-11-25 | 百度在线网络技术(北京)有限公司 | 网址的检测方法及装置 |
CN105426869A (zh) * | 2015-12-15 | 2016-03-23 | 重庆凯泽科技有限公司 | 基于铁路安检的人脸识别系统及识别方法 |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108573268A (zh) * | 2017-03-10 | 2018-09-25 | 北京旷视科技有限公司 | 图像识别方法和装置、图像处理方法和装置及存储介质 |
CN108629259A (zh) * | 2017-03-17 | 2018-10-09 | 北京旷视科技有限公司 | 身份认证方法和装置及存储介质 |
CN106851226A (zh) * | 2017-03-29 | 2017-06-13 | 宁夏宁信信息科技有限公司 | 基于用户行为识别的摄像头自动调整的监控方法及系统 |
CN106851226B (zh) * | 2017-03-29 | 2018-07-31 | 宁夏宁信信息科技有限公司 | 基于用户行为识别的摄像头自动调整的监控方法及系统 |
CN107358699A (zh) * | 2017-07-17 | 2017-11-17 | 深圳市斑点猫信息技术有限公司 | 一种安全验证方法及系统 |
CN108647581A (zh) * | 2018-04-18 | 2018-10-12 | 深圳市商汤科技有限公司 | 信息处理方法、装置及存储介质 |
CN110717357A (zh) * | 2018-07-12 | 2020-01-21 | 杭州海康威视数字技术股份有限公司 | 预警方法、装置、电子设备及存储介质 |
CN110717357B (zh) * | 2018-07-12 | 2022-12-06 | 杭州海康威视数字技术股份有限公司 | 预警方法、装置、电子设备及存储介质 |
CN110767238A (zh) * | 2019-09-19 | 2020-02-07 | 平安科技(深圳)有限公司 | 基于地址信息的黑名单识别方法、装置、设备及存储介质 |
WO2021051533A1 (zh) * | 2019-09-19 | 2021-03-25 | 平安科技(深圳)有限公司 | 基于地址信息的黑名单识别方法、装置、设备及存储介质 |
CN110838305A (zh) * | 2019-11-15 | 2020-02-25 | 中国汽车工程研究院股份有限公司 | 基于声音识别的智能车辆adas预警测试方法和系统 |
CN110838305B (zh) * | 2019-11-15 | 2022-03-18 | 中国汽车工程研究院股份有限公司 | 基于声音识别的智能车辆adas预警测试方法和系统 |
CN111488919A (zh) * | 2020-03-24 | 2020-08-04 | 北京迈格威科技有限公司 | 目标识别方法及装置,电子设备以及计算机可读存储介质 |
CN111488919B (zh) * | 2020-03-24 | 2023-12-22 | 北京迈格威科技有限公司 | 目标识别方法及装置,电子设备以及计算机可读存储介质 |
CN111626229A (zh) * | 2020-05-29 | 2020-09-04 | 广州云从博衍智能科技有限公司 | 一种对象管理方法、装置、机器可读介质及设备 |
CN113315777B (zh) * | 2021-06-03 | 2021-12-07 | 珠海市鸿瑞信息技术股份有限公司 | 一种基于电力规约操作智能运维监控系统 |
CN113315777A (zh) * | 2021-06-03 | 2021-08-27 | 珠海市鸿瑞信息技术股份有限公司 | 一种基于电力规约操作智能运维监控系统 |
CN113837160A (zh) * | 2021-11-29 | 2021-12-24 | 天津市中环系统工程有限责任公司 | 一种无预设信息下的常住人员和车辆识别方法 |
CN113837160B (zh) * | 2021-11-29 | 2022-04-22 | 天津市中环系统工程有限责任公司 | 一种无预设信息下的常住人员和车辆识别方法 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN106372572B (zh) | 2019-11-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106372572A (zh) | 监控方法和装置 | |
CN109166261B (zh) | 基于图像识别的图像处理方法、装置、设备及存储介质 | |
Wang et al. | Human fall detection in surveillance video based on PCANet | |
CN109154976B (zh) | 通过机器学习训练对象分类器的系统和方法 | |
CN107644190A (zh) | 行人监控方法和装置 | |
CN108319926A (zh) | 一种工地现场的安全帽佩戴检测系统及检测方法 | |
CN108171158B (zh) | 活体检测方法、装置、电子设备及存储介质 | |
CN109766779B (zh) | 徘徊人员识别方法及相关产品 | |
CN106780250B (zh) | 一种基于物联网技术的智慧社区安全事件处理方法及系统 | |
JP2022526382A (ja) | 行動分析方法、装置、電子機器、記憶媒体およびコンピュータプログラム | |
CN110390229B (zh) | 一种人脸图片筛选方法、装置、电子设备及存储介质 | |
CN109829542B (zh) | 基于多核处理器的多元深度网络模型重构方法及装置 | |
CN108875476B (zh) | 自动近红外人脸注册与识别方法、装置和系统及存储介质 | |
CN110750670B (zh) | 陌生人监控方法、装置、系统和存储介质 | |
Fan et al. | Fall detection via human posture representation and support vector machine | |
CN108197544B (zh) | 人脸分析、过滤方法、装置、嵌入式设备、介质和集成电路 | |
CN111241883B (zh) | 防止远程被测人员作弊的方法和装置 | |
Anishchenko | Machine learning in video surveillance for fall detection | |
JP6946551B2 (ja) | 映像アライメント方法及びその装置 | |
CN108563675B (zh) | 基于目标体特征的电子档案自动生成方法及装置 | |
CN104239386A (zh) | 用于对面部识别匹配区分优先级的方法和系统 | |
Ancheta et al. | FEDSecurity: implementation of computer vision thru face and eye detection | |
Rajapakshe et al. | Using cnns rnns and machine learning algorithms for real-time crime prediction | |
CN108171135A (zh) | 人脸检测方法、装置及计算机可读存储介质 | |
CN109598251A (zh) | 人证核验方法、装置、设备和系统及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 100190 Beijing, Haidian District Academy of Sciences, South Road, No. 2, block A, No. 313 Applicant after: MEGVII INC. Applicant after: Beijing maigewei Technology Co., Ltd. Address before: 100190 Beijing, Haidian District Academy of Sciences, South Road, No. 2, block A, No. 313 Applicant before: MEGVII INC. Applicant before: Beijing aperture Science and Technology Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |