CN107644204B - 一种用于安防系统的人体识别与跟踪方法 - Google Patents
一种用于安防系统的人体识别与跟踪方法 Download PDFInfo
- Publication number
- CN107644204B CN107644204B CN201710818298.0A CN201710818298A CN107644204B CN 107644204 B CN107644204 B CN 107644204B CN 201710818298 A CN201710818298 A CN 201710818298A CN 107644204 B CN107644204 B CN 107644204B
- Authority
- CN
- China
- Prior art keywords
- human body
- processing unit
- face
- target
- human
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000012545 processing Methods 0.000 claims abstract description 93
- 238000001514 detection method Methods 0.000 claims abstract description 62
- 239000013598 vector Substances 0.000 claims abstract description 28
- 239000000284 extract Substances 0.000 claims abstract description 7
- 230000006870 function Effects 0.000 claims description 8
- 230000001815 facial effect Effects 0.000 claims description 6
- 238000013135 deep learning Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims description 5
- 230000007423 decrease Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种用于安防系统的人体识别与跟踪方法，包括：视频录入设备获取视频的每一帧图像信息；处理单元根据视频的每一帧信息进行人体目标检测；处理单元根据所述人体目标检测结果进行人脸检测；处理单元对检测到的人脸区域进行特征提取，得到人脸特征向量；处理单元将人脸特征数据与数据库中的人脸特征进行匹配，并依据匹配结果赋予被检测的人体目标一个ID，同时将该ID赋予人脸所对应的人体目标；处理单元对比每一帧被检测的人体目标的ID，连接不同帧中的具有相同ID的人体目标的位置，即为该ID对应的人体目标的移动轨迹。本发明提供的方法，可以实现实时的人脸检测与识别，不容易跟丢目标或跟踪失败。
Description
技术领域
本发明涉及安全管理领域，特别涉及一种用于安防系统的人体识别与跟踪方法。
背景技术
人体和人脸目标的检测、识别与跟踪的技术，在近年来得到了非常迅速的发展。虽然人脸识别的技术已经比较成熟，但是现有的每一种人脸识别算法都有其局限性，比如传统的人脸特征提取方法很难精准并自动地提取人脸特征，深度学习的方法则需要大量的训练数据，并且在速度上很难应付实时的人脸检测与识别。在目标跟踪方面，目前市面上大多数的生物识别跟踪设备还有着诸多的问题。对于传统的目标跟踪，如果出现人体目标特征变化太大的情况，比如一个人突然转身或者把外套脱了，传统的目标跟踪很容易跟丢目标。此外，对不同帧中已经检测到的目标进行跟踪时，当出现目标重叠，或行人行走的轨迹发生交叉等情况时，也会导致跟踪失败。
发明内容
为了解决以上问题，本发明提供一种用于安防系统的人体识别与跟踪方法。基于深度学习的方法，对视频中的每个人进行身份识别与追踪，对于识别出来人员采用图框标示并给出身份信息，对于未识别出来的人员，给出提醒。本发明提供的一种用于安防系统的人体识别与跟踪方法，包括如下步骤：
一种用于安防系统的人体识别与跟踪方法，用于通过视频信息对每个人进行身份识别并实现人体目标追踪，包括如下步骤：
视频录入设备实时获取视频的每一帧图像信息；
处理单元从视频录入设备读取视频的每一帧信息，并根据所述视频的每一帧信息进行人体目标检测，得到人体目标检测结果，所述人体目标检测结果包括一个包含人体的图框；
处理单元根据所述人体目标检测结果，在包含人体的图框中进行人脸检测，得到人脸检测结果，所述人脸检测结果包括一个包含人脸的图框；
处理单元对检测到的人脸区域进行特征提取，得到人脸特征向量；
处理单元将所述人脸特征数据与数据库中的人脸特征进行匹配，并依据匹配结果赋予被检测的人体目标一个ID，同时将该ID赋予人脸所对应的人体目标，当没有匹配到结果时，处理单元对管理人员进行提醒；
当某一帧或多帧没有进行人脸检测或人脸被遮挡无法检测时，处理单元对包含人体目标的图框进行检测和跟踪；
处理单元对比每一帧被检测的人体目标的ID，连接不同帧中的具有相同ID的人体目标的位置，即为该ID对应的人体目标的移动轨迹。
优选的，所述一种用于安防系统的人体识别与跟踪方法，还可实施为：
处理单元每隔N帧进行一次人体目标检测和人脸检测，所述N满足，
其中，D为预设的距离阈值，表示两次检测之间人体移动的距离上限，v表示人体移动速度，T为每一帧之间的时间间隔。
优选的，所述一种用于安防系统的人体识别与跟踪方法，还包括：
处理单元根据人体目标检测结果进行多人目标跟踪；
所述目标跟踪为，跟踪同一人体在不同帧上的位置，并对不同帧的同一人体赋予相同的ID；所述跟踪同一人体的方法为：处理单元采检测连续两个帧的包含人体的图框的交并比IOU，当所述交并比IOU大于预设的阈值时，处理单元将这两个不同帧上的图框所包含的人体为是同一个目标，并赋予该目标相同的ID；当处理单元每隔N帧进行一次人体目标检测和人脸检测时，未检测的帧的图框的位置为采用插值法得到。
优选的，所述数据库，包括：
人脸数据库中包含预置的安全人员的人脸照片数据；
处理单元对所有照片的人脸信息进行人脸特征向量化；
处理单元基于提取的向量化的人脸特征建立KD-tree。
优选的，所述处理单元将所述人脸特征数据与数据库中的人脸特征进行匹配，包括：
所述人脸特征数据均为128维的特征向量数据；
处理单元将所述特征的向量化数据在KD-tree中进行搜索，寻找与视频中人脸特征向量欧式距离最小的特征向量；
处理单元将所述特征向量之间的欧式距离与预设的阈值对比，当所述欧式距离小于该阈值时，将所述视频中的人与所述数据库中的人识别为同一人，否则识别结果为数据库中不存在该人员信息。
优选的，所述数据库，还包括：
处理单元通过以下方式更新KD-tree的人脸特征向量：
处理单元获取视频中的多个帧的信息，并以此提取出人脸特征数据；
处理单元对比所述人脸特征数据与KD-tree中对应的特征的向量化数据的差别，当其差别超过预设的阈值时，人工检查处理单元向管理人员确认是否对KD-tree中所述对应的数据进行更新；
当管理人员确认对所述数据进行更新时，处理单元将所述人脸特征数据以预设的权重对KD-tree对应的特征的向量化数据进行更新；
当处理单元始终不能检测到视频中的某个人时，人工检查处理单元提示管理人员通过手动提取人脸特征，替换数据库中的人脸特征。
优选的，所述人体目标检测、人脸检测、对所述人脸检测结果进行特征提取均通过深度学习的方法实现，包括使用YOLO、SSD、FastR-CNN、MTCNN、DeepID和faceNet中的一种或多种实现。
优选的，所述一种用于安防系统的人体识别与跟踪方法，还包括：
处理单元在进行多人目标跟踪时，判断所述多人目标在一定时间T内是否可能出现重叠及行走的轨迹出现交叉的情况，所述判断方法为根据第一公式计算任意2个人之间出现重叠及行走的轨迹出现交叉的概率，所述第一公式为：
P＝f[min(|d2-d1+α·(v2-v1)·t|)]
其中，P为2个人体之间在一定时间T内出现重叠及行走的轨迹出现交叉的概率，t为介于0到T之间的时间值，d1、d2为两个人体目标当前的位置矢量，α为预设的调整系数，用于调整对速度识别的误差，v1、v2为两个人体当前的速度矢量，为通过对帧与帧之间的位置矢量进行差分得到，f(r)为概率函数，f(0)＝1，r为非负值，且随着r的增加而单调减小；
当出现所述重叠及行走的轨迹出现交叉的情况时，处理单元对随后的每一帧图像信息进行目标识别、身份认证，直到重叠或行走的轨迹交叉的情况消失，并依此对所述多人目标跟踪的结果进行校准。
本发明的一些有益效果可以包括：
本发明提供了一种用于安防系统的人体识别与跟踪方法，该方法能够实现实时的人脸识别与人体目标跟踪。通过基于人体目标的跟踪方法能够解决当人脸被遮挡时，无法给出人体目标身份的问题；能解决传统的仅基于人体目标或人脸目标跟踪，在出现目标特征变化太大时容易跟丢目标的问题；以及当目标重叠或行人行走的轨迹发生交叉等情况时跟踪失败的问题。能够更准确和更稳定的对目标进行识别和跟踪。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的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：
图1为本发明实施例中一种用于安防系统的人体识别与跟踪方法的流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
图1为本发明实施例中一种用于安防系统的人体识别与跟踪方法的流程图，如图1所示，本发明提供的一种用于安防系统的人体识别与跟踪方法，用于通过视频信息对每个人进行识别与追踪，包括如下步骤：
步骤101、视频录入设备实时获取视频的每一帧图像信息；
步骤102、处理单元从视频录入设备读取视频的每一帧信息，并根据所述视频的每一帧信息进行人体目标检测，得到人体目标检测结果，所述人体目标检测结果包括一个包含人体的图框；
步骤103、处理单元根据所述人体目标检测结果，在包含人体的图框中进行人脸检测，得到人脸检测结果，所述人脸检测结果包括一个包含人脸的图框；
步骤104、处理单元对检测到的人脸区域进行特征提取，得到人脸特征向量；
步骤105、处理单元将所述人脸特征数据与数据库中的人脸特征进行匹配，并依据匹配结果赋予被检测的人体目标一个ID，同时将该ID赋予人脸所对应的人体目标，当没有匹配到结果时，处理单元对管理人员进行提醒；
步骤106、当某一帧或多帧没有进行人脸检测或人脸被遮挡无法检测时，处理单元对包含人体目标的图框进行检测和跟踪；
步骤107、处理单元对比每一帧被检测的人体目标的ID，连接不同帧中的具有相同ID的人体目标的位置，即为该ID对应的人体目标的移动轨迹。
为了降低对一个区域进行人体检测时处理单元的计算量，从而可以同时对更多的区域进行人体跟踪，在本发明的一个优选实施例中，所述一种用于安防系统的人体识别与跟踪方法，还可实施为：
处理单元每隔N帧进行一次人体目标检测和人脸检测，所述N满足，
其中，D为预设的距离阈值，表示两次检测之间人体移动的距离上限，为了区分出不同的人，且考虑到两个人之间的距离很少会低于0.3m，因此设置D为0.3m，v表示人体移动速度，通常，在大部分监控区域人类行走的速度低于1.5m/s，T为每一帧之间的时间间隔，常用监控摄像头的T值为0.04秒，由此可得大多数情况下，每5帧进行人体目标检测和人脸检测即可。
为了进一步降低对一个区域进行人体跟踪时处理单元的计算量，从而可以同时对更多的区域进行人体跟踪，在本发明的一个进一步优选实施例中，所述一种用于安防系统的人体识别与跟踪方法，还包括：
处理单元根据人体目标检测结果进行多人目标跟踪；
所述目标跟踪为，跟踪同一人体在不同帧上的位置，并对不同帧的同一人体赋予相同的ID；所述跟踪同一人体的方法为：处理单元采检测连续两个帧的包含人体的图框的交并比IOU，当所述交并比IOU大于预设的阈值时，处理单元将这两个不同帧上的图框所包含的人体为是同一个目标，并赋予该目标相同的ID；当处理单元每隔N帧进行一次人体目标检测和人脸检测时，未检测的帧的图框的位置为采用插值法得到。
通过第一次对被跟踪的多个人体目标赋予ID，然后使用传统的多目标跟踪方法进行跟踪，并且在后续定时，比如每隔几秒，通过人脸识别对多人目标跟踪的结果进行校准，从而可以进一步降低处理单元的计算量，且对跟踪的效果影响较小。
为了降低对一个区域进行人体跟踪时处理单元的计算时间，从而可以同时对更多的区域进行人体跟踪，在本发明的一个优选实施例中，所述数据库，包括：
人脸数据库中包含预置的安全人员的人脸照片数据；
处理单元对所有照片的人脸信息进行人脸特征向量化；
处理单元基于提取的向量化的人脸特征建立KD-tree。
通过使用KD-tree来最大化的提高处理单元将人脸特征数据与数据库中的人脸特征进行搜索对比的效率。
为了降低对一个区域进行人体跟踪时处理单元的计算时间，从而可以同时对更多的区域进行人体跟踪，在本发明的一个优选实施例中，所述处理单元将所述人脸特征数据与数据库中的人脸特征进行匹配，包括：
所述人脸特征数据均为128维的特征向量数据；
处理单元将所述特征的向量化数据在KD-tree中进行搜索，寻找与视频中人脸特征向量欧式距离最小的特征向量；
处理单元将所述特征向量之间的欧式距离与预设的阈值对比，当所述欧式距离小于该阈值时，将所述视频中的人与所述数据库中的人识别为同一人，否则识别结果为数据库中不存在该人员信息。
为了在数据库中的数据较陈旧的情况下，保障处理单元对人脸识别的准确率(主要保障人脸特征数据与数据库中的人脸特征进行对比不因数据陈旧而出现对比错误的情况)，从而保证跟踪的准确性，在本发明的一个优选实施例中，所述数据库，还包括：
处理单元通过以下方式更新KD-tree的人脸特征向量：
处理单元获取视频中的多个帧的信息，并以此提取出人脸特征数据；
处理单元对比所述人脸特征数据与KD-tree中对应的特征的向量化数据的差别，当其差别超过预设的阈值时，人工检查处理单元向管理人员确认是否对KD-tree中所述对应的数据进行更新；
当管理人员确认对所述数据进行更新时，处理单元将所述人脸特征数据以预设的权重对KD-tree对应的特征的向量化数据进行更新；
当处理单元始终不能检测到视频中的某个人时，人工检查处理单元提示管理人员通过手动提取人脸特征，替换数据库中的人脸特征。
通过有监督的确认并利用最新的数据更新KD-tree中的特征的向量化数据，能提高处理单元对人脸识别的准确率。
为了使整个跟踪算法更容易实现和保持较高的效率，在本发明的一个优选实施例中，所述人体目标检测、人脸检测、对所述人脸检测结果进行特征提取均通过深度学习的方法实现，包括使用SSD、FastR-CNN、MTCNN、DeepID和faceNet中的一种或多种实现。通过SSD进行人体目标检测，Fast R-CNN或MTCNN进行人脸检测，DeepID或faceNet或他们的组合对所述人脸检测结果进行特征提取，可以快速高效的实现整个跟踪算法。
为了在进一步降低对一个区域进行人体跟踪时处理单元的计算量，从而可以同时对更多的区域进行人体跟踪的基础上，降低对跟踪效果的影响，在本发明的一个进一步优选实施例中，所述一种用于安防系统的人体识别与跟踪方法，还包括：
处理单元在进行多人目标跟踪时，判断所述多人目标在一定时间T内是否可能出现重叠及行走的轨迹出现交叉的情况，所述判断方法为根据第一公式计算任意2个人之间出现重叠及行走的轨迹出现交叉的概率，所述第一公式为：
P＝f[min(|d2-d1+α·(v2-v1)·t|)]
其中，P为2个人体之间在一定时间T内出现重叠及行走的轨迹出现交叉的概率，t为介于0到T之间的时间值，d1、d2为两个人体目标当前的位置矢量，α为预设的调整系数，用于调整对速度识别的误差，v1、v2为两个人体当前的速度矢量，为通过对帧与帧之间的位置矢量进行差分得到，f(r)为概率函数，f(0)＝1，r为非负值，且随着r的增加而单调减小，所述概率函数的形式可以参考高斯分布的形式，或对其他类似的曲线进行调整后得到。
当出现所述重叠及行走的轨迹出现交叉的情况时，处理单元对随后的每一帧图像信息进行目标识别、身份认证，直到重叠或行走的轨迹交叉的情况消失，并依此对所述多人目标跟踪的结果进行校准。
本发明的一些有益效果可以包括：
本发明提供了一种用于安防系统的人体识别与跟踪方法，该方法能够实现实时的人脸识别与人体目标跟踪。通过基于人体目标的跟踪方法能够解决当人脸被遮挡时，无法给出人体目标身份的问题；能解决传统的仅基于人体目标或人脸目标跟踪，在出现目标特征变化太大时容易跟丢目标的问题；以及当目标重叠或行人行走的轨迹发生交叉等情况时跟踪失败的问题。能够更准确和更稳定的对目标进行识别和跟踪。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (7)
1.一种用于安防系统的人体识别与跟踪方法，用于通过视频信息对每个人进行身份识别并实现人体目标追踪，包括如下步骤：
视频录入设备实时获取视频的每一帧图像信息；
处理单元从视频录入设备读取视频的每一帧信息，并根据所述视频的每一帧信息进行人体目标检测，得到人体目标检测结果，所述人体目标检测结果包括一个包含人体的图框；
处理单元根据所述人体目标检测结果，在包含人体的图框中进行人脸检测，得到人脸检测结果，所述人脸检测结果包括一个包含人脸的图框；
处理单元对检测到的人脸区域进行特征提取，得到人脸特征向量；
处理单元将所述人脸特征数据与数据库中的人脸特征进行匹配，并依据匹配结果赋予被检测的人体目标一个ID，同时将该ID赋予人脸所对应的人体目标，当没有匹配到结果时，处理单元对管理人员进行提醒；
当某一帧或多帧没有进行人脸检测或人脸被遮挡无法检测时，处理单元对包含人体目标的图框进行检测和跟踪；
处理单元对比每一帧被检测的人体目标的ID，连接不同帧中的具有相同ID的人体目标的位置，即为该ID对应的人体目标的移动轨迹；
处理单元在进行多人目标跟踪时，判断所述多人目标在一定时间T内是否可能出现重叠及行走的轨迹出现交叉的情况，所述判断的步骤为：为根据第一公式计算任意2个人之间出现重叠及行走的轨迹出现交叉的概率，所述第一公式为：
P＝f[min(|d2-d1+α·(v2-v1)·t|)]
其中，P为2个人体之间在一定时间T内出现重叠及行走的轨迹出现交叉的概率，t为介于0到T之间的时间值，d1、d2为两个人体目标当前的位置矢量，α为预设的调整系数，用于调整对速度识别的误差，v1、v2为两个人体当前的速度矢量，为通过对帧与帧之间的位置矢量进行差分得到，f(r)为概率函数，f(0)＝1，r为非负值，且随着r的增加而单调减小；
当出现所述重叠及行走的轨迹出现交叉的情况时，处理单元对随后的每一帧图像信息进行目标识别、身份认证，直到重叠或行走的轨迹交叉的情况消失，并依此对所述多人目标跟踪的结果进行校准。
2.根据权利要求1所述的方法，其特征在于，还可实施为：
处理单元每隔N帧进行一次人体目标检测和人脸检测，所述N满足，
其中，D为预设的距离阈值，表示两次检测之间人体移动的距离上限，v表示人体移动速度，T为每一帧之间的时间间隔。
3.根据权利要求1所述的方法，其特征在于，还包括：
处理单元根据人体目标检测结果进行多人目标跟踪；
所述目标跟踪为，跟踪同一人体在不同帧上的位置，并对不同帧的同一人体赋予相同的ID；所述跟踪同一人体的方法为：处理单元采检测连续两个帧的包含人体的图框的交并比IOU，当所述交并比IOU大于预设的阈值时，处理单元将这两个不同帧上的图框所包含的人体为是同一个目标，并赋予所述同一个目标相同的ID；当处理单元每隔N帧进行一次人体目标检测和人脸检测时，未检测的帧的图框的位置为采用插值法得到。
4.根据权利要求1所述的方法，其特征在于，所述数据库，包括：
人脸数据库中包含预置的安全人员的人脸照片数据；
处理单元对所有照片的人脸信息进行人脸特征向量化；
处理单元基于提取的向量化的人脸特征建立KD-tree。
5.根据权利要求4所述的方法，其特征在于，所述处理单元将所述人脸特征数据与数据库中的人脸特征进行匹配，包括：
所述人脸特征数据均为128维的特征向量数据；
处理单元将所述特征向量化数据在KD-tree中进行搜索，寻找与视频中人脸特征向量欧式距离最小的特征向量；
处理单元将所述特征向量之间的欧式距离与预设的阈值对比，当所述欧式距离小于该阈值时，将所述视频中的人与所述数据库中的人识别为同一人，否则识别结果为数据库中不存在所述被检测的人体目标的人员信息。
6.根据权利要求4所述的方法，其特征在于，所述数据库，还包括：
处理单元通过以下方式更新KD-tree的人脸特征向量：
处理单元获取视频中的多个帧的信息，并以此提取出人脸特征数据；
处理单元对比所述人脸特征数据与KD-tree中对应的特征的向量化数据的差别，当其差别超过预设的阈值时，人工检查处理单元向管理人员确认是否对KD-tree中对应的数据进行更新；
当管理人员确认对所述数据进行更新时，处理单元将所述人脸特征数据以预设的权重对KD-tree对应的特征的向量化数据进行更新；
当处理单元始终不能检测到视频中的某个人时，人工检查处理单元提示管理人员通过手动提取人脸特征，替换数据库中的人脸特征。
7.根据权利要求1所述的方法，其特征在于：
所述人体目标检测、人脸检测、对所述人脸检测结果进行特征提取均通过深度学习的方法实现，包括使用SSD、Fast R-CNN、MTCNN、FaceNet和DeepID中的一种或多种实现。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710818298.0A CN107644204B (zh) | 2017-09-12 | 2017-09-12 | 一种用于安防系统的人体识别与跟踪方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710818298.0A CN107644204B (zh) | 2017-09-12 | 2017-09-12 | 一种用于安防系统的人体识别与跟踪方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107644204A CN107644204A (zh) | 2018-01-30 |
| CN107644204B true CN107644204B (zh) | 2020-11-10 |
Family
ID=61111381
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710818298.0A Expired - Fee Related CN107644204B (zh) | 2017-09-12 | 2017-09-12 | 一种用于安防系统的人体识别与跟踪方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107644204B (zh) |
Families Citing this family (63)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108664886A (zh) * | 2018-03-20 | 2018-10-16 | 广东电网有限责任公司清远供电局 | 一种适应变电站进出监控需求的人脸快速识别方法 |
| CN108363997A (zh) * | 2018-03-20 | 2018-08-03 | 南京云思创智信息科技有限公司 | 一种在视频中对特定人的实时跟踪方法 |
| CN108416323B (zh) * | 2018-03-27 | 2023-06-30 | 百度在线网络技术（北京）有限公司 | 用于识别人脸的方法和装置 |
| CN108536851B (zh) * | 2018-04-16 | 2021-04-16 | 武汉大学 | 一种基于移动轨迹相似度比较的用户身份识别方法 |
| CN108876984A (zh) * | 2018-05-17 | 2018-11-23 | 东莞市华睿电子科技有限公司 | 一种红外热成像与人像的属性信息结合的自动控制方法 |
| CN108921982A (zh) * | 2018-05-17 | 2018-11-30 | 东莞市华睿电子科技有限公司 | 一种云平台与人体红外热成像相结合的智能控制方法 |
| CN108765653A (zh) * | 2018-05-17 | 2018-11-06 | 东莞市华睿电子科技有限公司 | 一种电气设备接入的倒闸柜的柜门控制方法 |
| CN108765654A (zh) * | 2018-05-17 | 2018-11-06 | 东莞市华睿电子科技有限公司 | 一种基于超声波测距触发的柜门控制方法 |
| CN108876817B (zh) * | 2018-06-01 | 2021-08-20 | 深圳市商汤科技有限公司 | 交叉轨迹分析方法及装置、电子设备和存储介质 |
| CN108898109A (zh) * | 2018-06-29 | 2018-11-27 | 北京旷视科技有限公司 | 物品关注度的确定方法、装置和系统 |
| CN110874547B (zh) * | 2018-08-30 | 2023-09-12 | 富士通株式会社 | 从视频中识别对象的方法和设备 |
| CN108986145A (zh) * | 2018-09-07 | 2018-12-11 | 中国工商银行股份有限公司 | 视频图像处理方法及装置 |
| CN110889314B (zh) * | 2018-09-10 | 2022-09-13 | 北京市商汤科技开发有限公司 | 图像处理方法、装置、电子设备、服务器及系统 |
| CN110910419A (zh) * | 2018-09-18 | 2020-03-24 | 深圳市鸿合创新信息技术有限责任公司 | 一种自动跟踪方法及装置、电子设备 |
| CN109409364A (zh) * | 2018-10-16 | 2019-03-01 | 北京百度网讯科技有限公司 | 图像标注方法和装置 |
| CN109325463A (zh) * | 2018-10-16 | 2019-02-12 | 浙江中正智能科技有限公司 | 一种人脸实时跟踪方法 |
| CN111125382A (zh) * | 2018-10-30 | 2020-05-08 | 深圳市优必选科技有限公司 | 人员轨迹实时监测方法及终端设备 |
| CN109472247B (zh) * | 2018-11-16 | 2021-11-30 | 西安电子科技大学 | 基于深度学习非配合式的人脸识别方法 |
| CN109829355B (zh) * | 2018-12-05 | 2023-01-17 | 深圳市北斗智能科技有限公司 | 一种动态轨迹生成方法及系统、设备、存储介质 |
| CN109784173A (zh) * | 2018-12-14 | 2019-05-21 | 合肥阿巴赛信息科技有限公司 | 一种单摄像头的商店客人在线跟踪算法 |
| CN110188596A (zh) * | 2019-01-04 | 2019-08-30 | 北京大学 | 基于深度学习的监控视频行人实时检测、属性识别与跟踪方法及系统 |
| CN109829439B (zh) * | 2019-02-02 | 2020-12-29 | 京东方科技集团股份有限公司 | 一种对头部运动轨迹预测值的校准方法及装置 |
| TWI719409B (zh) * | 2019-02-23 | 2021-02-21 | 和碩聯合科技股份有限公司 | 追蹤系統及其方法 |
| CN109948494B (zh) | 2019-03-11 | 2020-12-29 | 深圳市商汤科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
| CN111797652A (zh) * | 2019-04-09 | 2020-10-20 | 佳能株式会社 | 对象跟踪方法、设备及存储介质 |
| CN110222562A (zh) * | 2019-04-26 | 2019-09-10 | 昆明理工大学 | 一种基于Fast R-CNN的人脸检测方法 |
| CN111860067A (zh) * | 2019-04-30 | 2020-10-30 | 百度时代网络技术（北京）有限公司 | 用于获取跟踪轨迹的方法及装置 |
| CN110276244B (zh) * | 2019-05-07 | 2024-04-09 | 平安科技（深圳）有限公司 | 形成移动轨迹的方法、装置、计算机设备及存储介质 |
| CN110287778B (zh) * | 2019-05-15 | 2021-09-10 | 北京旷视科技有限公司 | 一种图像的处理方法、装置、终端及存储介质 |
| CN110288632A (zh) * | 2019-05-15 | 2019-09-27 | 北京旷视科技有限公司 | 一种图像处理方法、装置、终端及存储介质 |
| CN110414315A (zh) * | 2019-06-11 | 2019-11-05 | 万翼科技有限公司 | 一种异构安防系统的协同布控方法 |
| CN112149457A (zh) * | 2019-06-27 | 2020-12-29 | 西安光启未来技术研究院 | 人流统计的方法、装置、服务器和计算机可读存储介质 |
| CN110443210B (zh) * | 2019-08-08 | 2021-11-26 | 北京百度网讯科技有限公司 | 一种行人跟踪方法、装置以及终端 |
| CN110738588A (zh) * | 2019-08-26 | 2020-01-31 | 恒大智慧科技有限公司 | 智慧社区厕所管理办法及计算机存储介质 |
| CN112446899A (zh) * | 2019-08-30 | 2021-03-05 | 华为技术有限公司 | 一种目标用户锁定方法及电子设备 |
| CN110569777B (zh) * | 2019-08-30 | 2022-05-06 | 深圳市商汤科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
| CN110751022B (zh) * | 2019-09-03 | 2023-08-22 | 平安科技（深圳）有限公司 | 基于图像识别的城市宠物活动轨迹监测方法及相关设备 |
| CN110688930B (zh) * | 2019-09-20 | 2023-07-18 | Oppo广东移动通信有限公司 | 人脸检测方法、装置、移动终端及存储介质 |
| TWI705383B (zh) * | 2019-10-25 | 2020-09-21 | 緯創資通股份有限公司 | 人物追蹤系統及人物追蹤方法 |
| CN110852219B (zh) * | 2019-10-30 | 2022-07-08 | 广州海格星航信息科技有限公司 | 一种多行人跨摄像头在线跟踪系统 |
| CN110852269B (zh) * | 2019-11-11 | 2022-05-20 | 青岛海信网络科技股份有限公司 | 一种基于特征聚类的跨镜头人像关联分析方法及装置 |
| CN110942003A (zh) * | 2019-11-20 | 2020-03-31 | 中国建设银行股份有限公司 | 人员轨迹搜索方法及系统 |
| CN111126159A (zh) * | 2019-11-28 | 2020-05-08 | 重庆中星微人工智能芯片技术有限公司 | 用于实时跟踪行人的方法、装置、电子设备和介质 |
| CN110798750B (zh) * | 2019-11-29 | 2021-06-29 | 广州市百果园信息技术有限公司 | 视频水印去除方法、视频数据发布方法及相关装置 |
| CN111046788A (zh) * | 2019-12-10 | 2020-04-21 | 北京文安智能技术股份有限公司 | 一种停留人员的检测方法、装置及系统 |
| CN111145214A (zh) * | 2019-12-17 | 2020-05-12 | 深圳云天励飞技术有限公司 | 目标跟踪方法、装置、终端设备及介质 |
| CN111460884A (zh) * | 2020-02-09 | 2020-07-28 | 天津博宜特科技有限公司 | 基于人体跟踪的多人脸识别方法 |
| CN111339855B (zh) * | 2020-02-14 | 2023-05-23 | 睿魔智能科技（深圳）有限公司 | 基于视觉的目标跟踪方法、系统、设备及存储介质 |
| CN111597919A (zh) * | 2020-04-26 | 2020-08-28 | 无锡高斯科技有限公司 | 一种视频监控场景下的人体跟踪方法 |
| CN111738995B (zh) * | 2020-06-10 | 2023-04-14 | 苏宁云计算有限公司 | 一种基于rgbd图像的目标检测方法、装置及计算机设备 |
| CN111832451A (zh) * | 2020-07-01 | 2020-10-27 | 中国民用航空局信息中心 | 基于视频数据处理的适航监察流程监管系统及方法 |
| CN111968152B (zh) * | 2020-07-15 | 2023-10-17 | 桂林远望智能通信科技有限公司 | 一种动态身份识别方法及装置 |
| CN112069879B (zh) * | 2020-07-22 | 2024-06-07 | 深圳市优必选科技股份有限公司 | 一种目标人物跟随方法、计算机可读存储介质及机器人 |
| CN111950489B (zh) * | 2020-08-18 | 2024-05-14 | 江苏特视智能科技有限公司 | 一种基于人脸识别非机动车测速的方法及系统 |
| CN112132048A (zh) * | 2020-09-24 | 2020-12-25 | 天津锋物科技有限公司 | 一种基于计算机视觉的社区巡更分析方法及系统 |
| CN112200084A (zh) * | 2020-10-10 | 2021-01-08 | 华航高科(北京)技术有限公司 | 用于视频流的人脸识别方法、装置、电子设备以及存储介质 |
| CN112651369A (zh) * | 2020-12-31 | 2021-04-13 | 南京视察者智能科技有限公司 | 一种监控场景下行人识别的方法及装置 |
| CN112733948B (zh) * | 2021-01-15 | 2022-09-06 | 重庆紫光华山智安科技有限公司 | 一种全目标关联指标自动化测试方法、系统、介质及终端 |
| CN113420615A (zh) * | 2021-06-03 | 2021-09-21 | 深圳海翼智新科技有限公司 | 人脸活体检测方法和装置 |
| CN113536914A (zh) * | 2021-06-09 | 2021-10-22 | 重庆中科云从科技有限公司 | 一种对象跟踪识别方法、系统、设备及介质 |
| CN113591623A (zh) * | 2021-07-16 | 2021-11-02 | 青岛新奥胶南燃气工程有限公司 | 一种智能周界检测的方法和设备 |
| CN113920169A (zh) * | 2021-11-24 | 2022-01-11 | 商汤国际私人有限公司 | 目标跟踪、事件检测方法及装置、电子设备和存储介质 |
| CN115471773B (zh) * | 2022-09-16 | 2023-09-15 | 北京联合大学 | 一种面向智慧教室的学生跟踪方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2005034025A1 (en) * | 2003-10-08 | 2005-04-14 | Xid Technologies Pte Ltd | Individual identity authentication systems |
| CN101216885A (zh) * | 2008-01-04 | 2008-07-09 | 中山大学 | 一种基于视频的行人人脸检测与跟踪算法 |
| CN106503615A (zh) * | 2016-09-20 | 2017-03-15 | 北京工业大学 | 基于多传感器的室内人体检测跟踪和身份识别系统 |
| CN106845385A (zh) * | 2017-01-17 | 2017-06-13 | 腾讯科技（上海）有限公司 | 视频目标跟踪的方法和装置 |
| CN106934817A (zh) * | 2017-02-23 | 2017-07-07 | 中国科学院自动化研究所 | 基于多属性的多目标跟踪方法及装置 |
-
2017
- 2017-09-12 CN CN201710818298.0A patent/CN107644204B/zh not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2005034025A1 (en) * | 2003-10-08 | 2005-04-14 | Xid Technologies Pte Ltd | Individual identity authentication systems |
| CN101216885A (zh) * | 2008-01-04 | 2008-07-09 | 中山大学 | 一种基于视频的行人人脸检测与跟踪算法 |
| CN106503615A (zh) * | 2016-09-20 | 2017-03-15 | 北京工业大学 | 基于多传感器的室内人体检测跟踪和身份识别系统 |
| CN106845385A (zh) * | 2017-01-17 | 2017-06-13 | 腾讯科技（上海）有限公司 | 视频目标跟踪的方法和装置 |
| CN106934817A (zh) * | 2017-02-23 | 2017-07-07 | 中国科学院自动化研究所 | 基于多属性的多目标跟踪方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107644204A (zh) | 2018-01-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107644204B (zh) | 一种用于安防系统的人体识别与跟踪方法 | |
| WO2015165365A1 (zh) | 一种人脸识别方法及系统 | |
| CN109325964B (zh) | 一种人脸追踪方法、装置及终端 | |
| CN106133752B (zh) | 眼睛注视跟踪 | |
| CN109145742B (zh) | 一种行人识别方法及系统 | |
| CN110419048B (zh) | 用于标识所定义的对象的系统 | |
| US8135220B2 (en) | Face recognition system and method based on adaptive learning | |
| CN109558810B (zh) | 基于部位分割与融合目标人物识别方法 | |
| CN112016353B (zh) | 一种基于视频的人脸图像进行身份识别方法及装置 | |
| CN108171138B (zh) | 一种生物特征信息获取方法和装置 | |
| JP7201072B2 (ja) | 監視装置、不審オブジェクト検出方法、およびプログラム | |
| CN103020611B (zh) | 检测打架行为的方法 | |
| KR101515214B1 (ko) | 얼굴 인식을 통한 신원확인 방법과 얼굴인식을 이용한 출입관리 경보 시스템 및 출입관리 경보 제어방법 | |
| CN106778636A (zh) | 身份验证方法及装置 | |
| US20240054819A1 (en) | Authentication control device, authentication system, authentication control method and non-transitory computer readable medium | |
| Mao et al. | Training a scene-specific pedestrian detector using tracklets | |
| CN109558773B (zh) | 信息识别方法、装置及电子设备 | |
| CN106599918A (zh) | 车辆追踪方法及系统 | |
| US20180068172A1 (en) | Method of surveillance using a multi-sensor system | |
| Hsiao et al. | EfficientNet based iris biometric recognition methods with pupil positioning by U-net | |
| CN113989914A (zh) | 一种基于人脸识别的安防监控方法及系统 | |
| US20210182532A1 (en) | Method of tracking an element, associated electronic device and computer program product | |
| KR20160116678A (ko) | 출입 통제 장치 및 방법 | |
| Lim et al. | Lane detection and tracking using classification in image sequences | |
| CN111325132A (zh) | 一种智能监控系统 |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201110 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |