CN107665361A - 一种基于人脸识别的客流计数方法 - Google Patents
一种基于人脸识别的客流计数方法 Download PDFInfo
- Publication number
- CN107665361A CN107665361A CN201710937599.5A CN201710937599A CN107665361A CN 107665361 A CN107665361 A CN 107665361A CN 201710937599 A CN201710937599 A CN 201710937599A CN 107665361 A CN107665361 A CN 107665361A
- Authority
- CN
- China
- Prior art keywords
- face
- image
- storehouse
- passenger flow
- recognition
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06M—COUNTING MECHANISMS; COUNTING OF OBJECTS NOT OTHERWISE PROVIDED FOR
- G06M11/00—Counting of objects distributed at random, e.g. on a surface
-
- 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
- G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
-
- 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
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于人脸识别的客流计数方法，旨在提供一种实时计数、计数准确率高的基于人脸识别的客流计数方法。本发明包括A.人脸抓拍；B.图像初筛；C.比对分组；D.图像优选；E.比对去重并存储计数。本发明应用于客流计数的技术领域。
Description
技术领域
本发明涉及一种客流计数方法,特别涉及一种基于人脸识别的客流计数方法。
背景技术
在公交车、购物中心、机场、车站等公共场所的管理和决策中，人流量是不可缺少的数据。通过人流量的统计可以实时有效的监控、组织公共场所的运营工作，为人们提供更安全的环境和更优质的服务。以公交车为例，如果能对各条线路、各个站点的客流量进行实时计数，就能利用这些数据合理安排公交线网和运营方案，确保高效运营。
视频图像自动客流统计技术在上述公共场所都得到了广泛应用，然而该技术在特定应用场景下使用效果并不理想，尤其在中国、印度等人口数量庞大的国家，公共场所较大的人口密度使得出入口的秩序较为混乱，这就大大加大了自动客流计数算法的实现难度，因此通过何种技术实现自动客流计数并保证其结果的准确性已成为国内外学者的研究重点。
发明内容
本发明所要解决的技术问题是克服现有技术的不足，提供了一种实时计数、计数准确率高的基于人脸识别的客流计数方法。
本发明所采用的技术方案是：本发明包括以下步骤：
A.在公共场所出入口设置人脸抓拍摄像机，采集人脸图像；
B.采集公共场所类型统计人员通过摄像机的时间，设定一个最大通过时间t，从摄像机抓拍到第一张人脸图像开始计时，以t为周期将时间分段计数，将第n个周期拍得的所有人脸图像分库命名为tn，对各库图像分别根据清晰度检测和人脸像素大小进行初步筛选，以便于下一步的人脸比对识别，筛选后得到库Tn，其中，n取值1，2，3，4，……；
C.对经步骤B筛选后的各库图像进行库内人脸比对，设定一个相似度阈值，高于阈值的图像分为一组，低于阈值的单独分为一组，根据库号n、组别m编号，如此完成分组，其中，n取值1，2，3，4，……，其中，m取值1，2；
D.对经步骤C得到的各组图像进行组内人脸姿态比较，优选每组最佳图像，所述组内人脸姿态比较采用基于边缘统计特征的人脸姿态估计方法进行比较；
E.Tn库经过步骤D的人脸姿态比较处理后库，库中各组内每组只有一张人脸图像，将与库图像进行人脸比对，设定一个相似度阈值，高于阈值的图像重复步骤D优选最优图像存储在库中，弃掉参与比对的另一张图像，完成后将库内图像传送到图像计数器进行客流计数，其中n为1，2，3，4，……。
进一步的，所述步骤B中的清晰度检测筛选步骤是采用能量梯度函数方法对人脸清晰度进行检测，通过计算与相邻两点灰度差的平方和来得到一点的梯度值，其评价函数为：
（公式1）
其中，I（x,y）为图像在点（x,y）处的灰度值。
进一步的，所述步骤B中的人脸像素大小筛选步骤是在系统中将人脸的宽度设定为50到200像素，用以排除超过人脸普遍大小以及较小的人脸图像。
进一步的，在所述步骤D前还包括步骤F，所述步骤F为：根据人眼坐标对人脸图像进行归一化处理，提取通过人脸的中心线和对称线。
进一步的，所述步骤F中的人脸归一化处理包括以下步骤：
a.人眼检测
首先根据肤色信息对人脸图像进行二值化处理，并将二值化图中的黑色区域在原人脸图像中设置为黑色，使人眼更为突出,然后采用水平积分投影的方法找到人眼的纵坐标，限定人眼搜索区域,最后，在加黑人脸图像的人眼搜索区域内使用由Adaboost算法训练正负人眼样本得到的人眼级联分类器进行人眼检测；
b.人脸图像转正旋转
首先根据上述步骤a的人眼检测得到的双眼的坐标计算人脸需要旋转的角度和方向，然后根据旋转的角度和图像对角线的长度计算旋转后图像的最大宽度和高度，并生成相应大小的新的缓冲区，最后将图片绕图像中心按照旋转公式进行旋转，旋转公式如下：
（公式2）
设
当图片进行角度为α的顺时针旋转时 M=M1，当图片进行角度为α的逆时针旋转时 M=M2。其中，w和h分别为新缓冲区的宽和高。将对应不同旋转时M中元素的值代入上述公式2，即可得到原图中的像素点（x，y）在新缓冲区中的对应点。旋转时把新缓冲区中与原图有对应点的区域读入对应像素值，与原图没有对应像素点的区域用黑色代替；
c.人脸图像尺度归一
按照步骤b过程完成人脸图片的旋转后，还需要对转正后的人脸图片根据人眼坐标剪裁并缩放成统一尺寸，先扩大检测到人脸的范围，设定以左眼坐标值分别减去0.8个眼距的左上方的点为剪切矩形的起点，2.6个眼距为剪切矩形的宽和高，如此构成的矩形区域为剪切的人脸图像区域，然后再将其统一缩放到128×128个像素。
进一步的，所述步骤F中的人脸的中心线和对称线的提取来比较姿态的具体方法为针对归一化后的人脸图片，计算人脸的中心线和对称线，此时人脸的中心线可看作是双眼间的中心线，由转正后的双眼坐标计算得到；对称线为人脸部器官的对称线，可先通过垂直积分投影找到的人脸左右边缘，再计算左右边缘的中心线得到，当人脸旋转小时，中心线与对称线的距离也很小，优选的目的在于找到各组图像中姿态最好的人脸图像，即中心线与对称线距离最小的图像。
进一步的，所述经过步骤E后存储的人脸图像传输到后台与公安系统黑名单进行人脸比对，完成嫌疑犯监控。
更进一步的，所述人脸比对是通过人脸比对识别算法进行比对，所述人脸比对识别算法采用的是一种基于图像显著性的多级加权 LBP 人脸识别算法，首先使用多级大小可变的窗口对人脸图像进行扫描，在每级窗口中应用 LBP 算法处理相应的图像块，得到多级 LBP 特征直方图，并用卡方距离计算与待测图像对应 LBP 特征直方图之间的相似度；然后对输入的测试图像进行显著性检测，得到人脸的显著性图，根据显著性图计算 LBP 特征直方图的权重值；最后根据计算得到的权值，按权相加所有 LBP 特征直方图的相似度得到最终的人脸比对相似度。
本发明的有益效果是：由于本发明采用人脸抓拍摄像机在出入口进行人脸抓拍，通过人脸计数，比人头识别计数准确率更高，整个过程可以在前端摄像头完成，达到真正的实时计数；另外本发明通过将经过步骤E后的存储人脸图像传输到后台，并与公安系统黑名单进行人脸比对，完成嫌疑犯监控。
附图说明
图1是本发明的步骤示意图。
具体实施方式
如图1所示，在本实施例中，本发明包括以下步骤：
A.在公共场所出入口设置人脸抓拍摄像机，采集人脸图像；
B.采集公共场所类型统计人员通过摄像机的时间，设定一个最大通过时间t，从摄像机抓拍到第一张人脸图像开始计时，以t为周期将时间分段计数，将第n个周期拍得的所有人脸图像分库命名为tn，对各库图像分别根据清晰度检测和人脸像素大小进行初步筛选，以便于下一步的人脸比对识别，筛选后得到库Tn，其中，n取值1，2，3，4，……；
C.对经步骤B筛选后的各库图像进行库内人脸比对，设定一个相似度阈值，高于阈值的图像分为一组，低于阈值的单独分为一组，根据库号n、组别m编号，如此完成分组，其中，n取值1，2，3，4，……，其中，m取值1，2；
D.对经步骤C得到的各组图像进行组内人脸姿态比较，优选每组最佳图像，所述组内人脸姿态比较采用基于边缘统计特征的人脸姿态估计方法进行比较；
E.Tn库经过步骤D的人脸姿态比较处理后库，库中各组内每组只有一张人脸图像，将与库图像进行人脸比对，设定一个相似度阈值，高于阈值的图像重复步骤D优选最优图像存储在库中，弃掉参与比对的另一张图像，完成后将库内图像传送到图像计数器进行客流计数，其中n为1，2，3，4，……。
在本实施例中，所述步骤B中的清晰度检测筛选步骤是采用能量梯度函数方法对人脸清晰度进行检测，通过计算与相邻两点灰度差的平方和来得到一点的梯度值，其评价函数为：
（公式1）
其中，I（x,y）为图像在点（x,y）处的灰度值。
在本实施例中，所述步骤B中的人脸像素大小是在系统中将人脸的宽度设定为50到200像素，用以排除超过人脸普遍大小以及较小的人脸图像。
在本实施例中，所述步骤D中的人脸姿态估计方法是利用人脸旋转角度和人脸图像的中心线与对称线距离间的关系来进行姿态估计；当人脸左右旋转时，人脸的中心线和对称线间的距离会随着人脸的旋转角度发生变化，旋转角度越大，距离越大，所以在比较人脸姿态前，还需要经过步骤F，所述步骤F为根据人眼坐标对人脸图像进行归一化处理，即转正人脸图片和统一图像尺寸，用以消除平面内旋转和尺度对人脸旋转程度估计的影响，提取人脸的中心线和对称线，并计算它们间的距离，最后通过比较该距离来比较不同人脸图像的姿态。
在本实施例中，所述步骤F中的人脸归一化处理包括以下步骤：
a.人眼检测
首先根据肤色信息对人脸图像进行二值化处理，并将二值化图中的黑色区域，诸如瞳孔、头发等，在原人脸图像中设置为黑色，使人眼更为突出,然后采用水平积分投影的方法找到人眼的纵坐标，限定人眼搜索区域,最后，在加黑人脸图像的人眼搜索区域内使用由Adaboost算法训练正负人眼样本得到的人眼级联分类器进行人眼检测；所述Adaboost算法其核心思想是针对同一个训练集训练不同的分类器(弱分类器)，然后把这些弱分类器集合起来，构成一个更强的最终分类器(强分类器)，其算法本身是通过改变数据分布来实现的，它根据每次训练集之中每个样本的分类是否正确，以及上次的总体分类的准确率，来确定每个样本的权值，将修改过权值的新数据集送给下层分类器进行训练，最后将每次训练得到的分类器最后融合起来，作为最后的决策分类器，使用adaboost分类器可以排除一些不必要的训练数据特征，并放在关键的训练数据上面；
b.人脸图像转正旋转
首先根据上述步骤a的人眼检测得到的双眼的坐标计算人脸需要旋转的角度和方向，然后根据旋转的角度和图像对角线的长度计算旋转后图像的最大宽度和高度，并生成相应大小的新的缓冲区，最后将图片绕图像中心按照旋转公式进行旋转，旋转公式如下：
（公式2）
设
当图片进行角度为α的顺时针旋转时 M=M1，当图片进行角度为α的逆时针旋转时 M=M2，其中，w和h分别为新缓冲区的宽和高，将对应不同旋转时M中元素的值代入上述公式2，即可得到原图中的像素点（x，y）在新缓冲区中的对应点。旋转时把新缓冲区中与原图有对应点的区域读入对应像素值，与原图没有对应像素点的区域用黑色代替；
c.人脸图像尺度归一
按照步骤b过程完成人脸图片的旋转后，还需要对转正后的人脸图片根据人眼坐标剪裁并缩放成统一尺寸，先扩大检测到人脸的范围，设定以左眼坐标值分别减去0.8个眼距的左上方的点为剪切矩形的起点，2.6个眼距为剪切矩形的宽和高，如此构成的矩形区域为剪切的人脸图像区域，然后再将其统一缩放到128×128个像素。
在本实施例中，所述步骤F中的人脸的中心线和对称线的提取来比较姿态的具体方法为针对归一化后的人脸图片，计算人脸的中心线和对称线，此时人脸的中心线可看作是双眼间的中心线，由转正后的双眼坐标计算得到；对称线为人脸部器官的对称线，可先通过垂直积分投影找到的人脸左右边缘，再计算左右边缘的中心线得到，当人脸旋转小时，中心线与对称线的距离也很小，优选的目的在于找到各组图像中姿态最好的人脸图像，即中心线与对称线距离最小的图像。
在本实施例中，所述经过步骤E后存储的人脸图像可以传输到后台与公安系统黑名单进行人脸比对，完成嫌疑犯监控，此步骤使本发明在实现客流计数的同时达到嫌疑犯监控的目的。
在本实施例中，所述人脸比对是通过人脸比对识别算法进行比对，所述人脸比对识别算法采用的是一种基于图像显著性的多级加权 LBP 人脸识别算法，首先使用多级大小可变的窗口对人脸图像进行扫描，在每级窗口中应用 LBP 算法处理相应的图像块，得到多级 LBP 特征直方图，并用卡方距离计算与待测图像对应 LBP 特征直方图之间的相似度；然后对输入的测试图像进行显著性检测，得到人脸的显著性图，根据显著性图计算 LBP特征直方图的权重值；最后根据计算得到的权值，按权相加所有 LBP 特征直方图的相似度得到最终的人脸比对相似度。这种所述人脸比对识别算法可以充分利用人脸的局部特征，保证各个特征的完整性，在人脸比对时根据人脸局部特征的显著程度赋予不同的权值，特征越明显的区域在人脸比对时赋予更高的权值，相对于传统人脸识别算法能获得更高的人脸识别率。
综上所述，本发明是用安装于公共场所出入口的人脸抓拍摄像机对出入人员进行人脸抓拍，拍得的图像经过初步质量筛选后采用比对算法进行人脸识别分类，再运用图像优选算法筛选出一组图片中最优图像，然后进行相邻时间段内图像去重后存储，最后客流计数器根据各摄像机端存储的人脸图像数量运算完成客流计数，如此循环完成实时计数统计。
本发明应用于客流计数方法的技术领域。
虽然本发明的实施例是以实际方案来描述的，但是并不构成对本发明含义的限制，对于本领域的技术人员，根据本说明书对其实施方案的修改及与其他方案的组合都是显而易见的。
Claims (8)
1.一种基于人脸识别的客流计数方法，其特征在于，该方法包括以下步骤：
A.在公共场所出入口设置人脸抓拍摄像机，采集人脸图像；
B.采集公共场所类型统计人员通过摄像机的时间，设定一个最大通过时间t，从摄像机抓拍到第一张人脸图像开始计时，以t为周期将时间分段计数，将第n个周期拍得的所有人脸图像分库命名为tn，对各库图像分别根据清晰度检测和人脸像素大小进行初步筛选，以便于下一步的人脸比对识别，筛选后得到库Tn，其中，n取值1，2，3，4，……；
C.对经步骤B筛选后的各库图像进行库内人脸比对，设定一个相似度阈值，高于阈值的图像分为一组，低于阈值的单独分为一组，根据库号n、组别m编号，如此完成分组，其中，n取值1，2，3，4，……，其中，m取值1，2；
D.对经步骤C得到的各组图像进行组内人脸姿态比较，优选每组最佳图像，所述组内人脸姿态比较采用基于边缘统计特征的人脸姿态估计方法进行比较；
E.Tn库经过步骤D的人脸姿态比较处理后库，库中各组内每组只有一张人脸图像，将与库图像进行人脸比对，设定一个相似度阈值，高于阈值的图像重复步骤D优选最优图像存储在库中，弃掉参与比对的另一张图像，完成后将库内图像传送到图像计数器进行客流计数，其中n为1，2，3，4，……。
2.根据权利要求1所述的一种基于人脸识别的客流计数方法，其特征在于：所述步骤B中的清晰度检测筛选步骤是采用能量梯度函数方法对人脸清晰度进行检测，通过计算与相邻两点灰度差的平方和来得到一点的梯度值，其评价函数为：
（公式1）
其中，I（x,y）为图像在点（x,y）处的灰度值。
3.根据权利要求1所述的一种基于人脸识别的客流计数方法，其特征在于：所述步骤B中的人脸像素大小筛选步骤是在系统中将人脸的宽度设定为50到200像素，用以排除超过人脸普遍大小以及较小的人脸图像。
4.根据权利要求1所述的一种基于人脸识别的客流计数方法，其特征在于：在所述步骤D前还包括步骤F，所述步骤F为：根据人眼坐标对人脸图像进行归一化处理，提取通过人脸的中心线和对称线。
5.根据权利要求4所述的一种基于人脸识别的客流计数方法，其特征在于：所述步骤F中的人脸图像归一化处理包括以下步骤：
a.人眼检测
首先根据肤色信息对人脸图像进行二值化处理，并将二值化图中的黑色区域在原人脸图像中设置为黑色，使人眼更为突出,然后采用水平积分投影的方法找到人眼的纵坐标，限定人眼搜索区域,最后，在加黑人脸图像的人眼搜索区域内使用由Adaboost算法训练正负人眼样本得到的人眼级联分类器进行人眼检测；
b.人脸图像转正旋转
首先根据上述步骤a的人眼检测得到的双眼的坐标计算人脸需要旋转的角度和方向，然后根据旋转的角度和图像对角线的长度计算旋转后图像的最大宽度和高度，并生成相应大小的新的缓冲区，最后将图片绕图像中心按照旋转公式进行旋转，旋转公式如下：
IMG_256 （公式2）
设IMG_256
当图片进行角度为α的顺时针旋转时 M=M1，当图片进行角度为α的逆时针旋转时 M=M2，其中，w和h分别为新缓冲区的宽和高；将对应不同旋转时M中元素的值代入上述公式2，即可得到原图中的像素点（x，y）在新缓冲区中的对应点，旋转时把新缓冲区中与原图有对应点的区域读入对应像素值，与原图没有对应像素点的区域用黑色代替；
c.人脸图像尺度归一
按照步骤b过程完成人脸图片的旋转后，还需要对转正后的人脸图片根据人眼坐标剪裁并缩放成统一尺寸，先扩大检测到人脸的范围，设定以左眼坐标值分别减去0.8个眼距的左上方的点为剪切矩形的起点，2.6个眼距为剪切矩形的宽和高，如此构成的矩形区域为剪切的人脸图像区域，然后再将其统一缩放到128×128个像素。
6.根据权利要求5所述的一种基于人脸识别的客流计数方法，其特征在于：所述步骤F中的人脸的中心线和对称线的提取来比较姿态的具体方法为针对归一化后的人脸图片，计算人脸的中心线和对称线，此时人脸的中心线可看作是双眼间的中心线，由转正后的双眼坐标计算得到；对称线为人脸部器官的对称线，可先通过垂直积分投影找到的人脸左右边缘，再计算左右边缘的中心线得到，当人脸旋转小时，中心线与对称线的距离也很小，优选的目的在于找到各组图像中姿态最好的人脸图像，即中心线与对称线距离最小的图像。
7.根据权利要求1所述的一种基于人脸识别的客流计数方法，其特征在于：所述经过步骤E后存储的人脸图像传输到后台与公安系统黑名单进行人脸比对，完成嫌疑犯监控。
8.根据权利要求7所述的一种基于人脸识别的客流计数方法，其特征在于：所述人脸比对是通过人脸比对识别算法进行比对，所述人脸比对识别算法采用的是一种基于图像显著性的多级加权 LBP 人脸识别算法，首先使用多级大小可变的窗口对人脸图像进行扫描，在每级窗口中应用 LBP 算法处理相应的图像块，得到多级 LBP 特征直方图，并用卡方距离计算与待测图像对应 LBP 特征直方图之间的相似度；然后对输入的测试图像进行显著性检测，得到人脸的显著性图，根据显著性图计算 LBP 特征直方图的权重值；最后根据计算得到的权值，按权相加所有 LBP 特征直方图的相似度得到最终的人脸比对相似度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710937599.5A CN107665361A (zh) | 2017-09-30 | 2017-09-30 | 一种基于人脸识别的客流计数方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710937599.5A CN107665361A (zh) | 2017-09-30 | 2017-09-30 | 一种基于人脸识别的客流计数方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107665361A true CN107665361A (zh) | 2018-02-06 |
Family
ID=61097191
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710937599.5A Pending CN107665361A (zh) | 2017-09-30 | 2017-09-30 | 一种基于人脸识别的客流计数方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107665361A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108491798A (zh) * | 2018-03-23 | 2018-09-04 | 四川意高汇智科技有限公司 | 基于个性化特征的人脸识别方法 |
| CN110135274A (zh) * | 2019-04-19 | 2019-08-16 | 佛山科学技术学院 | 一种基于人脸识别的人流量统计方法 |
| CN110348366A (zh) * | 2019-07-05 | 2019-10-18 | 杭州师范大学 | 一种自动化最优人脸搜索方法及装置 |
| CN110390551A (zh) * | 2018-04-23 | 2019-10-29 | 浙江汉朔电子科技有限公司 | 一种商品热力分析方法、装置、系统及终端设备 |
| CN110580808A (zh) * | 2018-06-08 | 2019-12-17 | 杭州海康威视数字技术股份有限公司 | 一种信息处理方法、装置、电子设备及智能交通系统 |
| WO2020087434A1 (zh) * | 2018-11-01 | 2020-05-07 | 深圳技术大学（筹） | 一种人脸图像清晰度评价方法及装置 |
| CN111476061A (zh) * | 2019-01-23 | 2020-07-31 | 阿里巴巴集团控股有限公司 | 商品生产中的计数处理方法、装置、系统及电子设备 |
| CN112150346A (zh) * | 2019-06-28 | 2020-12-29 | 青岛海信移动通信技术股份有限公司 | 一种终端及其进行图像处理的方法 |
| CN114198903A (zh) * | 2021-12-16 | 2022-03-18 | 江阴市辉龙电热电器有限公司 | 电热器件加热速率修正系统及方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030039380A1 (en) * | 2001-08-24 | 2003-02-27 | Hiroshi Sukegawa | Person recognition apparatus |
| CN101546377A (zh) * | 2009-04-28 | 2009-09-30 | 上海银晨智能识别科技有限公司 | 人脸图像抓取系统及方法 |
| CN203773686U (zh) * | 2013-12-16 | 2014-08-13 | 长安大学 | 客运枢纽内客流拥挤度的自动预警系统 |
| CN106067020A (zh) * | 2016-06-02 | 2016-11-02 | 广东工业大学 | 实时场景下快速获取有效图像的系统和方法 |
| CN106778637A (zh) * | 2016-12-19 | 2017-05-31 | 江苏慧眼数据科技股份有限公司 | 一种对男女客流的统计方法 |
-
2017
- 2017-09-30 CN CN201710937599.5A patent/CN107665361A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030039380A1 (en) * | 2001-08-24 | 2003-02-27 | Hiroshi Sukegawa | Person recognition apparatus |
| CN101546377A (zh) * | 2009-04-28 | 2009-09-30 | 上海银晨智能识别科技有限公司 | 人脸图像抓取系统及方法 |
| CN203773686U (zh) * | 2013-12-16 | 2014-08-13 | 长安大学 | 客运枢纽内客流拥挤度的自动预警系统 |
| CN106067020A (zh) * | 2016-06-02 | 2016-11-02 | 广东工业大学 | 实时场景下快速获取有效图像的系统和方法 |
| CN106778637A (zh) * | 2016-12-19 | 2017-05-31 | 江苏慧眼数据科技股份有限公司 | 一种对男女客流的统计方法 |
Non-Patent Citations (2)
| Title |
|---|
| 孟繁静: "基于视频的实时多人脸检测跟踪与优选方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 梁奔香: "基于几何与数学特征的人脸识别算法研究", 《万方数据出版》 * |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108491798A (zh) * | 2018-03-23 | 2018-09-04 | 四川意高汇智科技有限公司 | 基于个性化特征的人脸识别方法 |
| CN110390551A (zh) * | 2018-04-23 | 2019-10-29 | 浙江汉朔电子科技有限公司 | 一种商品热力分析方法、装置、系统及终端设备 |
| CN110580808B (zh) * | 2018-06-08 | 2021-03-23 | 杭州海康威视数字技术股份有限公司 | 一种信息处理方法、装置、电子设备及智能交通系统 |
| CN110580808A (zh) * | 2018-06-08 | 2019-12-17 | 杭州海康威视数字技术股份有限公司 | 一种信息处理方法、装置、电子设备及智能交通系统 |
| WO2020087434A1 (zh) * | 2018-11-01 | 2020-05-07 | 深圳技术大学（筹） | 一种人脸图像清晰度评价方法及装置 |
| CN111476061A (zh) * | 2019-01-23 | 2020-07-31 | 阿里巴巴集团控股有限公司 | 商品生产中的计数处理方法、装置、系统及电子设备 |
| CN111476061B (zh) * | 2019-01-23 | 2023-05-02 | 阿里巴巴集团控股有限公司 | 商品生产中的计数处理方法、装置、系统及电子设备 |
| CN110135274A (zh) * | 2019-04-19 | 2019-08-16 | 佛山科学技术学院 | 一种基于人脸识别的人流量统计方法 |
| CN110135274B (zh) * | 2019-04-19 | 2023-06-16 | 佛山科学技术学院 | 一种基于人脸识别的人流量统计方法 |
| CN112150346A (zh) * | 2019-06-28 | 2020-12-29 | 青岛海信移动通信技术股份有限公司 | 一种终端及其进行图像处理的方法 |
| CN110348366A (zh) * | 2019-07-05 | 2019-10-18 | 杭州师范大学 | 一种自动化最优人脸搜索方法及装置 |
| CN110348366B (zh) * | 2019-07-05 | 2021-08-17 | 杭州师范大学 | 一种自动化最优人脸搜索方法及装置 |
| CN114198903A (zh) * | 2021-12-16 | 2022-03-18 | 江阴市辉龙电热电器有限公司 | 电热器件加热速率修正系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107665361A (zh) | 一种基于人脸识别的客流计数方法 | |
| CN103824070B (zh) | 一种基于计算机视觉的快速行人检测方法 | |
| Pearce et al. | Automatic make and model recognition from frontal images of cars | |
| CN104504394B (zh) | 一种基于多特征融合的密集人数估计方法和系统 | |
| WO2022121039A1 (zh) | 银行卡倾斜矫正检测方法、装置、可读存储介质和终端 | |
| CN101980242B (zh) | 人脸面相判别方法、系统及公共安全系统 | |
| CN109918971B (zh) | 监控视频中人数检测方法及装置 | |
| CN109376637A (zh) | 基于视频监控图像处理的人数统计系统 | |
| CN107105207A (zh) | 目标监控方法、目标监控装置及摄像机 | |
| CN108021848A (zh) | 客流量统计方法及装置 | |
| CN106339657B (zh) | 基于监控视频的秸秆焚烧监测方法、装置 | |
| CN108921083A (zh) | 基于深度学习目标检测的非法流动摊贩识别方法 | |
| Rouhi et al. | A review on feature extraction techniques in face recognition | |
| CN104504395A (zh) | 基于神经网络实现人车分类的方法和系统 | |
| CN107977639A (zh) | 一种人脸清晰度判断方法 | |
| CN104978567A (zh) | 基于场景分类的车辆检测方法 | |
| CN107330370A (zh) | 一种额头皱纹动作检测方法和装置及活体识别方法和系统 | |
| Gallo et al. | Robust angle invariant GAS meter reading | |
| CN104143091B (zh) | 基于改进mLBP的单样本人脸识别方法 | |
| CN110827432B (zh) | 一种基于人脸识别的课堂考勤方法及系统 | |
| Kim et al. | Autonomous vehicle detection system using visible and infrared camera | |
| CN106709438A (zh) | 一种基于视频会议的人数统计方法 | |
| CN101950448B (zh) | Atm的伪装与偷窥行为检测的方法和系统 | |
| CN107145819A (zh) | 一种公交车拥挤度确定方法和装置 | |
| CN107392089A (zh) | 一种眉毛运动检测方法和装置及活体识别方法和系统 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: Unit a908-909, block a, entrepreneurial building, Tsinghua Science Park (Zhuhai), No.101, University Road, Tangjiawan Town, hi tech Zone, Zhuhai, Guangdong Province Applicant after: Guangdong Xinqiao Technology Co., Ltd Address before: 519000 A908-909 unit A of the pioneering building (Zhuhai) building, No. 101 Qinghua science park (Zhuhai) of Tangjia Wan Town, Xiangzhou District high tech Zone, Zhuhai City, Guangdong Applicant before: ZHUHAI SUNQ TECHNOLOGY Co.,Ltd. |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180206 |