CN107704851A - 人物识别方法、公共传媒展示装置、服务器和系统 - Google Patents

人物识别方法、公共传媒展示装置、服务器和系统 Download PDF

Info

Publication number
CN107704851A
CN107704851A CN201711038449.7A CN201711038449A CN107704851A CN 107704851 A CN107704851 A CN 107704851A CN 201711038449 A CN201711038449 A CN 201711038449A CN 107704851 A CN107704851 A CN 107704851A
Authority
CN
China
Prior art keywords
personage
image
camera
character features
pixel
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
CN201711038449.7A
Other languages
English (en)
Other versions
CN107704851B (zh
Inventor
严栋
侯风超
张向东
朱剑
罗志平
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.)
Goertek Inc
Original Assignee
Goertek Inc
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 Goertek Inc filed Critical Goertek Inc
Priority to CN201711038449.7A priority Critical patent/CN107704851B/zh
Publication of CN107704851A publication Critical patent/CN107704851A/zh
Application granted granted Critical
Publication of CN107704851B publication Critical patent/CN107704851B/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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/06—Protocols specially adapted for file transfer, e.g. file transfer protocol [FTP]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Library & Information Science (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)
  • Studio Devices (AREA)

Abstract

本发明公开了一种人物识别方法、公共传媒展示装置、服务器和系统。该方法包括获取摄像头采集到的现场图像，其中，所述摄像头设置在公共传媒展示装置上；提取所述现场图像中人物的人物特征；获取所述人物的出现时间；将所述人物特征以及所述人物的出现时间上传至服务器，以供所述服务器对所述人物特征与待检索人物的人物特征进行特征匹配，并在匹配一致的情况下输出人物匹配报告。应用该方法可提高公安人员搜寻人员的效率。

Description

人物识别方法、公共传媒展示装置、服务器和系统
技术领域
本发明涉及人物识别技术领域，更具体地，涉及一种人物识别方法、公共传媒展示装置、服务器和人物识别系统。
背景技术
失踪儿童、失踪老人、犯罪分子等的搜寻消耗大量的人力。例如公安人员需要在大量的录像资料中寻找待搜寻的人员。现有的一些其他解决方案中也存在诸多不便。
以失踪儿童的搜寻为例，现有如下几种解决方案。一种方案是由儿童身上携带的可穿戴设备上的定位模块为儿童定位，并通过该可穿戴设备上的通信模块向家长持有的配套设备发送儿童的地理位置信息。当遇到儿童身上的可穿戴设备被丢弃等情况，家长便无法定位丢失的儿童。一种方案是通过手术手段在儿童身体里植入定位和通信模块，这种方案并不易被家长或儿童接收。
发明内容
本发明实施例的一个目的是提供一种人物识别方法、公共传媒展示装置、服务器和系统,以提高人员搜寻的效率。
根据本发明实施例的第一方面，提供了一种人物识别方法，其包括：获取摄像头采集到的现场图像，其中，所述摄像头设置在公共传媒展示装置上；提取所述现场图像中人物的人物特征；获取所述人物的出现时间；将所述人物特征以及所述人物的出现时间上传至服务器，以供所述服务器对所述人物特征与待检索人物的人物特征进行特征匹配，并在匹配一致的情况下输出人物匹配报告。
可选地，所述方法还包括：获取所述人物出现时的地理位置信息；将所述人物出现时的地理位置信息也上传至服务器。
可选地，所述方法还包括：在提取所述现场图像中人物的人物特征之后，检测所述人物特征是否是已经向所述服务器发送过的人物特征，并在检测结果为否定的情况下，再将所述人物特征以及所述人物的出现时间上传至服务器；在检测结果为肯定的情况下，仅向所述服务器发送所述人物的人物编码及所述人物的出现时间。
可选地，所述摄像头是深度摄像头，所述提取所述现场图像中人物的人物特征包括：提取所述现场图像中人物的人脸特征，其中，所述人脸特征包括对应人脸特征的深度信息；
和/或，所述摄像头是深度摄像头，所述深度摄像头包括三个参数相同的摄像头，分别为第一摄像头、第二摄像头和第三摄像头，所述参数包括图像分辨率、水平方向的镜头视角和垂直方向的镜头视角；所述第一摄像头与第二摄像头在所述水平方向上对齐设置，所述第二摄像头与所述第三摄像头在所述垂直方向上对齐设置；所述获取摄像头采集到的现场图像包括：获取所述第一摄像头、第二摄像头和第三摄像头在同一时间采集到的图像，分别对应为第一图像、第二图像和第三图像；
所述提取所述现场图像中人物的人物特征包括：比较所述第一图像和所述第二图像，沿所述水平方向匹配得到表示相同骨骼特征的像素点对作为水平像素对；根据所述水平像素对在所述第一图像和所述第二图像上的像素位置，确定所述水平像素对在所述第一图像和所述第二图像上的水平像素差；根据所述水平像素对的水平像素差，计算所述第一图像和所述第二图像中表示骨骼关节点的像素点对应的水平像素差；根据所述第一图像和所述第二图像中表示骨骼关节点的像素点对应的水平像素差，计算所表示特征的深度值作为水平深度值；比较所述第二图像和所述第三图像，沿所述垂直方向匹配得到表示相同骨骼特征的像素点对作为垂直像素对；根据所述垂直像素对在所述第二图像和所述第三图像上的像素位置，确定所述垂直像素对在所述第二图像和所述第三图像上的垂直像素差；根据所述垂直像素对的垂直像素差，计算所述第二图像和所述第三图像中表示骨骼关节点的像素点对应的垂直像素差；根据所述第二图像和所述第三图像中表示骨骼关节点的像素点对应的垂直像素差，计算所表示特征的深度值作为垂直深度值；根据所述水平深度值和所述垂直深度值，计算骨骼关节点沿所述水平方向和沿所述垂直方向的空间位置坐标；根据骨骼关节点沿所述水平方向和沿所述垂直方向的空间位置坐标，至少计算得到所述人物的身高信息作为所述人物特征的至少一部分发送给所述服务器。
根据本发明实施例的第二方面，提供一种人物识别方法，包括：获取公共传媒展示装置发送的人物特征以及对应人物的出现时间，其中，所述公共传媒展示装置通过自身的摄像头采集现场图像，并从所述现场图像中提取人物的人物特征；获取待检索人物的人物特征，并对所述待检索人物的人物特征与从摄像头获取到的人物特征进行特征匹配；在匹配一致的情况下，输出人物匹配报告。
可选地，所述人物匹配报告包括所述人物出现时的地理位置信息，所述地理位置信息从所述公共传媒展示装置提供的信息中获得，或者根据预先存储的所述公共传媒展示装置的设置地理位置确定。
根据本发明实施例的第三方面，提供一种公共传媒展示装置，包括公共传媒展示部件、摄像头、人物识别模块、时间模块和通信模块；所述公共传媒展示部件用于展示文字的或图像的公共传媒信息；所述摄像头用于获取现场图像以供人物识别模块提取人物特征；所述人物识别模块用于提取所述现场图像中人物的人物特征；所述时间模块用于获取所述现场图像中人物的出现时间；所述通信模块用于将所述人物特征和该人物特征对应的出现时间发送至与所述装置配合的服务器。
可选地，还包括定位模块，所述定位模块用于获取所述人物出现时所述装置的地理位置信息；所述通信模块还用于将所述人物出现时所述装置的地理位置信息发送至服务器。
可选地，还包括检测模块；所述检测模块用于：在提取所述现场图像中人物的人物特征之后，检测所述人物特征是否是已经向所述服务器发送过的人物特征，并在检测结果为否定的情况下，通过所述通信模块再将所述人物特征以及所述人物的出现时间上传至服务器；在检测结果为肯定的情况下，仅向所述服务器发送所述人物的人物编码及所述人物的出现时间。
可选地，所述摄像头是深度摄像头，所述提取所述现场图像中人物的人物特征包括：
提取所述现场图像中人物的人脸特征，其中，所述人脸特征包括对应人脸特征的深度信息；和/或所述摄像头包括具有相同的参数的第一摄像头、第二摄像头和第三摄像头，所述参数包括图像分辨率、水平方向的视场角度及垂直方向的视场角度；所述第一摄像头与第二摄像头在水平方向上对齐设置，第三摄像头与第二摄像头在垂直方向上对齐设置；所述人物识别模块用于获取所述第一摄像头、第二摄像头和第三摄像头在同一时间采集到的图像，分别对应为第一图像、第二图像和第三图像；所述提取所述现场图像中人物的人物特征包括：比较所述第一图像和所述第二图像，沿所述水平方向匹配得到表示相同骨骼特征的像素点对作为水平像素对；根据所述水平像素对在所述第一图像和所述第二图像上的像素位置，确定所述水平像素对在所述第一图像和所述第二图像上的水平像素差；根据所述水平像素对的水平像素差，计算所述第一图像和所述第二图像中表示骨骼关节点的像素点对应的水平像素差；根据所述第一图像和所述第二图像中表示骨骼关节点的像素点对应的水平像素差，计算所表示特征的深度值作为水平深度值；比较所述第二图像和所述第三图像，沿所述垂直方向匹配得到表示相同骨骼特征的像素点对作为垂直像素对；根据所述垂直像素对在所述第二图像和所述第三图像上的像素位置，确定所述垂直像素对在所述第二图像和所述第三图像上的垂直像素差；根据所述垂直像素对的垂直像素差，计算所述第二图像和所述第三图像中表示骨骼关节点的像素点对应的垂直像素差；根据所述第二图像和所述第三图像中表示骨骼关节点的像素点对应的垂直像素差，计算所表示特征的深度值作为垂直深度值；根据所述水平深度值和所述垂直深度值，计算骨骼关节点沿所述水平方向和沿所述垂直方向的空间位置坐标；根据骨骼关节点沿所述水平方向和沿所述垂直方向的空间位置坐标，至少计算得到所述人物的身高信息作为所述人物特征的至少一部分发送给所述服务器。
根据本发明实施例的第四方面，提供一种服务器，包括通信模块和人物识别模块；所述通信模块用于从公共传媒展示装置获取人物特征以及对应人物的出现时间，其中，所述公共传媒展示装置通过自身的摄像头采集现场图像，并从所述现场图像中提取人物的人物特征；所述人物识别模块用于：获取待检索人物的人物特征，并对所述待检索人物的人物特征与从摄像头获取到的人物特征进行特征匹配；在匹配一致的情况下，输出人物匹配报告。
根据本公开的第五方面，提供一种人物识别系统，包括上述公共传媒展示装置和上述服务器。
本发明的一个有益效果是，将摄像头设置在公共传媒展示装置上，由于公共传媒展示装置能最大程度地吸引在公共场合出现的人员的注意力，在该位置处设置摄像头，能增加获取到失踪儿童、失踪老人、犯罪分子等人物图像的几率。而对摄像头采集到的现场图像进行分析，提取其中出现的人员的人物特征，即在公共传媒展示装置端会对采集的现场图像进行预处理，提取人物特征等，每次上传至服务器的都是经过预处理的人物特征数据，而不是直接将采集的图片上传至服务器，一方面降低了从摄像头端到服务器端数据通信的数据量，提升了数据传输的效率，另一方面公安人员无需用人力在大量的录像资料中搜寻失踪儿童，他们只需登录服务器端以进行人物特征匹配的操作，迅速地从摄像头端上传的人物特征中匹配出可疑儿童，提高了公安人员的工作效率。进一步，由于摄像头端同时提供了这个可疑儿童的出现时间，公安人员可以借此通过各种可能的途径找到这个可疑儿童的出现地点。另一方面，由于从摄像头端向服务器端发送了其采集到的人物的人物特征，公安人员只需将待搜寻的人物的人物特征输入服务器，人物特征的匹配可交由计算机程序完成，进一步提高了公安人员寻人的效率。
通过以下参照附图对本公开的示例性实施例的详细描述，本公开的其它特征及其优点将会变得清楚。
附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本公开的实施例，并且连同其说明一起用于解释本公开的原理。
图1是本公开的一个实施例所提供的人物识别方法的流程图。
图2是本公开的另一个实施例所提供的人物识别方法的流程图。
图3是图2所示的实施例中摄像头的结构示意图。
图4a为任一摄像头的沿水平方向的像素与空间位置坐标换算关系的示意图。
图4b为任一摄像头的沿垂直方向的像素与空间位置坐标换算关系的示意图。
图5是本公开的另一个实施例所提供的人物识别方法的流程图。
图6是本公开的实施例所提供的公共传媒展示装置的框图。
图7是本公开的实施例所提供的服务器的框图。
具体实施方式
现在将参照附图来详细描述本公开的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
参见图1所示，本公开实施例提供的人物识别方法包括以下步骤。
S11，获取摄像头采集到的现场图像，其中，摄像头设置在公共传媒展示装置上。
公共传媒展示装置例如是设置在火车站、公共汽车站、火车、公共汽车、商场等公共场所的显示屏、字幕显示屏、展板、纸质海报等。在这些公共场所，失踪儿童或者犯罪分子等出现的几率较大，且失踪儿童或者犯罪分子容易被公共传媒展示装置所展示的信息所吸引。例如商场的广播显示屏上播放的动画片容易吸引失踪儿童的关注和注视，或者火车站上的字幕显示屏播放的列车时刻表容易吸引外逃犯罪分子的关注和注视等。
将采集现场图像的摄像头设置在公共传媒展示装置，摄像头采集公共场所出现的人员的正面图像的效率也相应较大，保证图像采集的清晰度以及准确度，便于后续人物特征的提取以及特征比对。
根据在摄像头端设置的存储器的存储容量，在摄像头端可以保存一定时间长度内的现场图像。
S12，提取所述现场图像中人物的人物特征。
人物特征例如人物的人脸特征或者骨骼特征。本领域技术人员可以依现有技术从现场图像中提取出二维的人脸特征和骨骼特征。骨骼特征例如包括身高、腿长、臂长、肩宽等。
在摄像头端设置与摄像头连接的人物识别模块，人物识别模块对现场图像中出现的人物提取人物特征。
前述的摄像头例如是可以测量深度信息的摄像头。这样，从现场图像中提取到的人物的人脸特征便是包含深度信息的人脸特征。
在一个例子中，摄像头以预定的时间间隔拍照，人物识别模块对照片影像进行人物特征提取。
在另一个例子中，摄像头用于录像以供人物识别模块对录像信息中拍摄的人物进行人物特征提取。
S13，获取所述人物的出现时间。
在摄像头端设置时间模块，用以获取所述人物的出现时间。时间模块例如是在摄像头端运行的时钟芯片等。
S14，将所述人物特征以及所述人物的出现时间上传至服务器，以供所述服务器对所述人物特征与待检索人物的人物特征进行特征匹配，并在匹配一致的情况下输出人物匹配报告。
例如在摄像头端设置通信模块。通信模块通过有线通信或者无线通信的方式向服务器上传前述步骤获取到的人物特征及该人物的出现时间。
从摄像头端向服务器上传的信息不是现场图像，而是人物特征，这样大大降低了从摄像头端到服务器的数据通信的数据量。
公安人员可以在服务器端将待检索人物(失踪儿童、犯罪分子等)的人物特征与从摄像头端上传的人物特征进行特征匹配。在匹配一致的情况下，在服务器端可以生成人物匹配报告。人物匹配报告例如是在什么时间具有什么人物特征的人被该摄像头捕捉到，这个人与待搜索人物的哪些人物特征匹配一致等。
在一些例子中，公安人员可以直接在服务器端执行操作。在另外一些例子中，公安人员通过客户端装置访问服务器。客户端装置例如是电脑或者手持电子设备等。
公安人员无需通过人力从大量的现场图像中识别待检索人物，提高了公安人员的工作效率。
当公安人员在从摄像头端上传的人物特征中找到一个或多个可疑人物，并且从摄像头端上传的数据中可以获知这个可疑人物的出现时间，公安人物可以通过多种方式获知这个可疑人物的出现地点。
在一个例子中，在摄像头端设置定位模块。从摄像头端向服务器上传的数据中还包括每个人物特征对应的人物出现时的地理位置信息。
在另一个例子中，从摄像头端向服务器上传该摄像头或者承载该摄像头的公共传媒展示装置的设备编码或IP地址。公安人物容易通过这些信息推知可疑人物的出现地点。
例如，公共传媒展示装置是设置在公共汽车上的显示屏，那么只要知道可疑人物在什么时间出现在哪辆公共汽车上，通过该公共汽车的行车记录便可推知可疑人物的出现地点。
通过以上方法获取到可疑人物的出现时间和出现地点，进一步有利于对他们的搜寻。
进一步，可选地，在摄像头端执行以下步骤：在提取所述现场图像中人物的人物特征之后，检测所述人物特征是否是已经向所述服务器发送过的人物特征，并在检测结果为否定的情况下，再将所述人物特征以及所述人物的出现时间上传至服务器；在检测结果为肯定的情况下，仅向所述服务器发送所述人物的人物编码及所述人物的出现时间。
例如从摄像头端向服务器上传的每个人物特征都对应分配一个人物编号。向服务器上传人物特征的同时上传该人物特征对应的人物编号。具有某个特定人物特征的人物在摄像头端被第二次捕捉到，这时仅从摄像头端向服务器上传该人物的人物编号和该人物的出现时间。
这样，在不影响公安人员搜寻效率的情况下，进一步降低了从摄像头端向服务器通信的数据量。
参见图2所示，本公开还提供一种从现场图像中提取包含深度信息的人脸特征以及从现场图像中提取身高特征的方法。
在图3中示出了该方法对应的摄像头的结构示意图。
图4a为任一摄像头的沿水平方向的像素与空间位置坐标换算关系的示意图。
图4b为任一摄像头的沿垂直方向的像素与空间位置坐标换算关系的示意图。
在图4a和图4b中，U轴、V轴、Z轴代表空间坐标系，其中，U轴沿水平方向设置、V轴沿垂直方向设置、Z轴垂直于图像传感器所在平面。
该摄像头包括三个参数相同的摄像头，分别为第一摄像头C1、第二摄像头C2和第三摄像头C3
以上参数包括图像分辨率Px×Py、水平方向的视场角度2φ、及垂直方向的视场角度
摄像头的图像分辨率Px×Py决定了所采集图像的每行(水平方向)的像素数和每列(垂直方向)的像素数，其中，每行的像素数为Px，每列的像素数为Py。
摄像头的水平方向的视场角度2φ决定了摄像头在水平方向上的最大摄取范围。本发明中的水平方向具体指摄像头的图像传感器标定的水平方向。
摄像头的垂直方向的视场角度决定了摄像头在垂直方向上的最大拍摄范围。本发明中的垂直方向具体指摄像头的图像传感器标定的垂直方向，该垂直方向垂直于图像传感器标定的水平方向。
第一摄像头C1与第二摄像头C2在水平方向上对齐设置。该对齐使得水平摄像头组的至少两个摄像头的图像传感器的任意相同点(例如中心点、四个边角点)的连线均平行于水平方向。
对于型号相同的各摄像头，例如可以通过设置各摄像头的底面共面、及各摄像头的前端面共面来实现各摄像头在水平方向上的对齐。
第二摄像头C2与第三摄像头C3在所述垂直方向上对齐设置。该对齐使得垂直摄像头组的至少两个摄像头的图像传感器的任意相同点(例如中心点、四个边角点)的连线均平行于垂直方向。
对于型号相同的各摄像头，例如可以通过设置各摄像头的前端面共面、及各摄像头的左端面和/或右端面共面来实现各摄像头在垂直方向上的对齐。
获取所述第一摄像头C1、第二摄像头C2和第三摄像头C3在同一时间采集到的图像，分别对应为第一图像、第二图像和第三图像。
图2所示方法包括以下步骤。
S21，比较所述第一图像和所述第二图像，沿所述水平方向匹配得到表示相同骨骼特征的像素点对作为水平像素对。
本公开所述骨骼特征例如包括身高、臂长、腿长、肩宽等特征信息。
每一水平像素对表示同一人物中相同特征。水平像素对的图像内容为同一人物的相同特征，例如，水平像素对的图像内容为同一人物的相同肩关节特征。
S22，根据所述水平像素对在所述第一图像和所述第二图像上的像素位置，确定所述水平像素对在所述第一图像和所述第二图像上的水平像素差。
在第一摄像头C1和第二摄像头C2采集的图像中，能够通过比对像素点内容提取到水平像素对的人物特征为该人物的边缘特征、角部特征等。例如，第一摄像头C1和第二摄像头C2采集的图像中，有两幅图像具有表示同一人物的肩部特征的像素点，通过比对得到表示肩部相同边缘特征的像素点在两幅图像中位于相同的像素行，但具有不同的像素位置，二者之间的像素坐标的差值便为水平像素差。
S23，根据所述水平像素对的水平像素差，计算所述第一图像和所述第二图像中表示骨骼关节点的像素点对应的水平像素差。
例如计算第一图像和第二图像中表示头顶、脚踝、指尖、肩关节、髋关节等的像素点对应的水平像素差。
S24，根据所述第一图像和所述第二图像中表示骨骼关节点的像素点对应的水平像素差，计算所表示特征的深度值作为水平深度值。
以上水平深度值为对应特征与水平摄像头组的图像传感器所在平面间的距离，即在图4a和图4b中Z轴方向上的距离。
在该步骤中，设对应特征F的水平像素差为dx、垂直像素差为dy、水平深度值为FZx，下面参照图4a和图4b说明水平深度值FZx与水平像素差dx之间的关系。
对于第一摄像头C1和第二摄像头C2中的任一摄像头，参照图4a和图4b所示，其所采集图像上的表示特征F的像素点的像素坐标为(Fx，Fy)，该像素坐标与特征F沿水平方向和垂直方向的空间位置坐标(UF，VF)之间的关系为：
根据图4a，UF＝σFx×Fx+U0，
根据图4b，VF＝σFy×Fy+V0，
在公式(1)和(2)中：(UF，VF)为特征F沿水平方向和垂直方向的空间位置坐标；(U0,V0)为像素坐标为(0,0)的像素点所表示的特征在水平方向和垂直方向上的空间位置坐标；(Fx，Fy)为特征F的像素点的像素坐标；FZx为水平深度值，Px为对应摄像头的每行的像素数，Py为对应摄像头的每列的像素数；φ为对应摄像头的水平方向的视场角度的一半；为对应摄像头的垂直方向的视场角度的一半。
如果该特征F同时存在于第一摄像头C1和第二摄像头C2采集的图像中，则：
对于其中一个摄像头，按照上述公式(1)可以得到如下公式(3)：UF＝σFx×Fx+U0公式(3)；
对于其中另一个摄像头，按照上述公式(1)可以得到如下公式(4)：UF＝σFx×(Fx+dx)+(U0+a)公式(4)；
其中，a为两个摄像头在水平方向上的距离，即水平基线长度；dx为水平像素差。
结合公式(3)和公式(4)，可得到：
因此，如果特征F同时存在于第一摄像头C1和第二摄像头C2采集的图像中，则可以根据公式(1)、公式(2)和(5)计算得到特征F的空间位置数据，该空间位置数据包括特征F的水平深度值FZx、及沿水平方向和垂直方向的空间位置坐标(UF，VF)。
S25，比较所述第二图像和所述第三图像，沿所述垂直方向匹配得到表示相同骨骼特征的像素点对作为垂直像素对。
每一垂直像素对表示同一人物中相同特征。垂直像素对的图像内容为同一人物的相同特征，例如，垂直像素对的图像内容为同一人物的相同肩关节特征。
S26，根据所述垂直像素对在所述第二图像和所述第三图像上的像素位置，确定所述垂直像素对在所述第二图像和所述第三图像上的垂直像素差。
在第二摄像头C2和第三摄像头C3采集的图像中，能够通过比对像素点内容提取到垂直像素对的人物特征为该人物的边缘特征、角部特征等。例如第二摄像头C2和第三摄像头C3采集的图像中，有两幅图像具有表示同一人物的肩部特征的像素点，通过比对得到表示肩部相同边缘特征的像素点在两幅图像中位于相同的像素行，但具有不同的像素位置，二者之间的像素坐标的差值便为水平像素差。
S27，根据所述垂直像素对的垂直像素差，计算所述第二图像和所述第三图像中表示骨骼关节点的像素点对应的垂直像素差。
例如计算第一图像和第二图像中表示头顶、脚踝、指尖、肩关节、髋关节等的像素点对应的水平像素差。
S28，根据所述第二图像和所述第三图像中表示骨骼关节点的像素点对应的垂直像素差，计算所表示特征的深度值作为垂直深度值。
以上垂直深度值为对应特征与垂直摄像头组的图像传感器所在平面间的距离，即在图4a和图4b中Z轴方向上的距离。
对于第二摄像头C2和第三摄像头C3中的任一摄像头，同样参照图4a和图4b所示，其所采集图像上的表示特征F的像素点的像素坐标为(Fx，Fy)，该像素坐标与特征F沿水平方向和垂直方向的空间位置坐标(UF，VF)之间的关系为：
根据图4a，UF＝σFx×Fx+U0，
根据图4b，VF＝σFy×Fy+V0，
在公式(6)和(7)中：(UF，VF)为特征F沿水平方向和垂直方向的空间位置坐标；(U0,V0)为像素坐标为(0,0)的像素点所表示的特征在水平方向和垂直方向上的空间位置坐标；(Fx，Fy)为特征F的像素点的像素坐标；FZy为垂直深度值，Px为对应摄像头的每行的像素数，Py为对应摄像头的每列的像素数；φ为对应摄像头的水平方向的视场角度的一半；为对应摄像头的垂直方向的视场角度的一半。
如果该特征F同时存在于第二摄像头C2和第三摄像头C3采集的图像中，则：
对于其中一个摄像头，按照上述公式(7)可以得到如下公式(8)：VF＝σFy×Fy+V0公式(8)；
对于其中另一个摄像头，按照上述公式(2)可以得到如下公式(9)：VF＝σFy×(Fy-dy)+(V0+b)公式(9)；
其中，b为两个摄像头在垂直方向上的距离，即垂直基线长度；dy为垂直像素差。
结合公式(8)和公式(9)，可得到：
因此，如果特征F同时存在于第二摄像头C2和第三摄像头C3采集的图像中，则可以根据公式(6)、公式(7)和公式(10)计算得到特征F的空间位置数据，该空间位置数据包括特征F的垂直深度值FZy、及沿水平方向和垂直方向的空间位置坐标(UF，VF)。
S29，根据所述水平深度值和所述垂直深度值，计算骨骼关节点沿所述水平方向和沿所述垂直方向的空间位置坐标。
可以根据以上公式(1)、公式(2)和(5)或者以上公式(6)、公式(7)和公式(10)计算得到特征F沿水平方向和垂直方向的空间位置坐标。
由此可见，可以通过以上处理方法对第一、第二摄像头C1、C2和第二、第三摄像头C2、C3在同一时间采集到的图像进行处理，由于在不同的方向上设置了摄像头，因此，在步骤22和步骤27中，能够在不同的方向上通过比对像素点内容提取到表示同一人物中相同特征的像素点对(水平像素对和垂直像素对)，并得到每一像素点对的准确像素差作为基准像素差，以通过不同方向上的像素点对的相互补充减少甚至消除盲点的数量。这样，在步骤23和步骤28中，便具有更多的用于计算其他像素点对应的像素差的基准像素差，进而提高通过插值等手段计算得到的所有图像中每一像素点对应的像素差的准确性，提高各个人物特征的空间定位的可靠性。
另外，由于摄像头的固有失真，摄像头成像与实物是有微小差异的，这体现在：位于图像中间的成像与实物一致，处于图像边缘的成像比实物略小，这就会导致基于图像进行实物的测量存在偏差。而根据本公开实施例的人物特征的空间定位方法，由于分别设置了水平方向的第一、第二摄像头C1、C2和垂直方向的第二、第三摄像头C2、C3，因此，可以利用第一、第二摄像头C1、C2之间的具有参考作用的水平基线长度，有效减小通过由水平像素差计算得到的特征F沿水平方向的空间位置坐标、对实物进行水平方向测量的偏差，以能够将水平方向的测量偏差控制在可以接受的范围内，这对于进行实物在水平方向上的测量是有利的。同时，还可以利用第二、第三摄像头C2、C3之间的具有参考作用的垂直基线长度，有效减小通过由垂直像素差得到的特征F沿垂直方向的空间位置坐标、对实物进行垂直方向测量的偏差，以还能够将垂直方向的测量偏差控制在可以接受的范围内，这对于进行实物在垂直方向上的测量是有利的。尤其是对于获取身高信息，这种方案的测量效果更佳。
S2A，根据骨骼关节点沿所述水平方向和沿所述垂直方向的空间位置坐标，至少计算得到所述人物的身高信息作为所述人物特征的至少一部分发送给所述服务器。
例如通过现场图像中人物的头顶的空间位置坐标和脚底的空间位置坐标计算得到该人物的身高。通过现场图像中人物的肩膀顶部空间位置坐标和肘关节的空间位置坐标计算得到该人物的上臂长度。通过现场图像中人物的肘关节的空间位置坐标和手指尖的空间位置坐标计算得到该人物的下臂场度，等等。
从摄像头端向服务器发送这些骨骼特征。至少向服务器发送现场图像中人物的身高信息。
图2所示的实施例进一步提供了一种在摄像头端有效提取现场图像中人物的骨骼特征的新方案。
参见图5所示，对应于在摄像头端的人物识别方法，本公开还提供一种在服务器端运行的人物识别方法，该方法包括以下步骤。
S31，获取公共传媒展示装置发送的人物特征以及对应人物的出现时间，其中，所述公共传媒展示装置通过自身的摄像头采集现场图像，并从所述现场图像中提取人物的人物特征。
例如服务器通过有线通信或者无线通信的方式从摄像头端获取以上信息，从而在服务器端形成一个包含人物特征和对应出现时间的数据库。
S32，获取待检索人物的人物特征，并对所述待检索人物的人物特征与从摄像头获取到的人物特征进行特征匹配。
服务器获取到待检索人物的人物特征，例如是由公安人员向服务器输入的丢失儿童或犯罪分子的人物特征数据。如果公安人员获取到的是丢失儿童或犯罪分子的照片，同样可以在服务器端或者公安人员的电脑端从该照片中提取出人物特征。
本公开对具体如何进行人物特征匹配不做限定。
S33，在匹配一致的情况下，输出人物匹配报告。
例如服务器将人物特征的相似度大于设定阈值的人物特征及该人物的出现时间形成人物匹配报告，以供公安人机进行判定及进一步操作。
如此，公安人员无需耗费人力在大量的图像信息中寻找带搜寻人物。它们只需要向服务器输入待搜寻人物的人物特征或者说向服务器输入待搜寻人物的影像资料由服务器从这些影像资料中提取出待搜寻人物的人物特点，便可由服务器运行计算机程序寻找到可疑人物。大大降低了公安人员的人力成本，提高了他们搜寻走失儿童或犯罪分子的效率。
进一步，所述人物匹配报告还可以包括所述人物出现时的地理位置信息，所述地理位置信息从所述公共传媒展示装置提供的信息中获得，或者根据预先存储的所述公共传媒展示装置的设置地理位置确定。
例如公共传媒展示装置向服务器发送所述人物出现时的地理位置信息。服务器便可直接获取到所述人物出现时的地理位置信息。
又例如公共传媒展示装置被设置在固定的场所，从而其仅向服务器发送该装置的设备编号，服务器便可获知该装置的地理位置信息。
如此，在服务器端，进一步为公安人员寻找走失儿童或犯罪分子提供更充分的信息。
参见图6所示，本公开提供一种公共传媒展示装置，以实现前述在摄像头端的的人物识别方法。
公共传媒展示装置300包括公共传媒展示部件301、摄像头302、人物识别模块303、时间模块304及通信模块305。
公共传媒展示部件301用于展示文字的或图像的公共传媒信息。
摄像头302用于获取现场图像以供人物识别模块提取人物特征。
人物识别模块303用于提取所述现场图像中人物的人物特征。
时间模块304用于获取所述现场图像中人物的出现时间。
通信模块305用于将所述人物特征和该人物特征对应的出现时间发送至与所述装置配合的服务器。
处理器306将从时间模块304获取的时间信息与从人物识别模块303获取的人物特征进行整理后(例如形成一个人物特征与其对应出现时间的报表)，通过通信模块305将这些信息发送至服务器。
人物识别模块303及时间模块304可以是独立于处理器306的模块，也可以是集成于处理器306内的子模块。
可选地，公共传媒展示装置300还包括定位模块(图6中没有示出)，该定位模块用于获取所述人物出现时所述装置的地理位置信息。通信模块305还用于将所述人物出现时所述装置的地理位置信息发送至服务器。
可选地，公共传媒展示装置300还包括检测模块(图6中没有示出)，该检测模块用于：在提取所述现场图像中人物的人物特征之后，检测所述人物特征是否是已经向所述服务器发送过的人物特征，并在检测结果为否定的情况下，通过所述通信模块再将所述人物特征以及所述人物的出现时间上传至服务器；在检测结果为肯定的情况下，仅向所述服务器发送所述人物的人物编码及所述人物的出现时间。在这个例子中，公共传媒展示装置300向服务器发送的信息中还包括其识别出的人物的人物编号。
可选地，公共传媒展示装置300中的摄像头为图3所示实时例中的摄像头。对应地，人物识别模块运行的人物识别方法为图2所示实施例中公开的方法。
可选地，公共传媒展示装置300还包括存储器(图6中没有示出)。在该存储器内可以存储一定数量的现场图像信息或者一定数量的人物特征及时间信息等。
上述的公共传媒展示装置可达到前述摄像头端的人物识别方法的技术效果。
参见图7所示，本公开还提供一种服务器，以实现前述服务器端的人物识别方法。
该服务器包括通信模块401、人物识别模块402、处理器403和存储器404。
通信模块401用于从公共传媒展示装置获取人物特征以及对应人物的出现时间，其中，所述公共传媒展示装置通过自身的摄像头采集现场图像，并从所述现场图像中提取人物的人物特征。
所述人物识别模块402用于：获取待检索人物的人物特征，并对所述待检索人物的人物特征与从摄像头获取到的人物特征进行特征匹配。
在匹配一致的情况下，该服务器输出人物匹配报告。
存储器404中存储从公共传媒展示装置获取到的人物特征及对应人物的出现时间等。
人物识别模块402可以是集成于处理器403内的一个子模块，也可以是独立于处理器403的一个模块。处理器403例如还可以执行诸如大数据分析的其他工作。
可选地，该人物匹配报告中还可以包含所述人物特征对应的人物出现的地理位置信息。
本公开还提供一种人物识别系统，该系统包含前述的公共传媒展示装置和前述的服务器。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本公开的范围由所附权利要求来限定。

Claims (10)

1.一种人物识别方法，其特征在于，包括：
获取摄像头采集到的现场图像，其中，所述摄像头设置在公共传媒展示装置上；
提取所述现场图像中人物的人物特征；
获取所述人物的出现时间；
将所述人物特征以及所述人物的出现时间上传至服务器，以供所述服务器对所述人物特征与待检索人物的人物特征进行特征匹配，并在匹配一致的情况下输出人物匹配报告。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取所述人物出现时的地理位置信息；
将所述人物出现时的地理位置信息也上传至服务器。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
在提取所述现场图像中人物的人物特征之后，检测所述人物特征是否是已经向所述服务器发送过的人物特征，并在检测结果为否定的情况下，再将所述人物特征以及所述人物的出现时间上传至服务器；在检测结果为肯定的情况下，仅向所述服务器发送所述人物的人物编码及所述人物的出现时间。
4.根据权利要求1所述的方法，其特征在于，所述摄像头是深度摄像头，所述提取所述现场图像中人物的人物特征包括：
提取所述现场图像中人物的人脸特征，其中，所述人脸特征包括对应人脸特征的深度信息；和/或
所述摄像头是深度摄像头，所述深度摄像头包括三个参数相同的摄像头，分别为第一摄像头、第二摄像头和第三摄像头，所述参数包括图像分辨率、水平方向的镜头视角和垂直方向的镜头视角；所述第一摄像头与第二摄像头在所述水平方向上对齐设置，所述第二摄像头与所述第三摄像头在所述垂直方向上对齐设置；
所述获取摄像头采集到的现场图像包括：
获取所述第一摄像头、第二摄像头和第三摄像头在同一时间采集到的图像，分别对应为第一图像、第二图像和第三图像；
所述提取所述现场图像中人物的人物特征包括：
比较所述第一图像和所述第二图像，沿所述水平方向匹配得到表示相同骨骼特征的像素点对作为水平像素对；
根据所述水平像素对在所述第一图像和所述第二图像上的像素位置，确定所述水平像素对在所述第一图像和所述第二图像上的水平像素差；
根据所述水平像素对的水平像素差，计算所述第一图像和所述第二图像中表示骨骼关节点的像素点对应的水平像素差；
根据所述第一图像和所述第二图像中表示骨骼关节点的像素点对应的水平像素差，计算所表示特征的深度值作为水平深度值；
比较所述第二图像和所述第三图像，沿所述垂直方向匹配得到表示相同骨骼特征的像素点对作为垂直像素对；
根据所述垂直像素对在所述第二图像和所述第三图像上的像素位置，确定所述垂直像素对在所述第二图像和所述第三图像上的垂直像素差；
根据所述垂直像素对的垂直像素差，计算所述第二图像和所述第三图像中表示骨骼关节点的像素点对应的垂直像素差；
根据所述第二图像和所述第三图像中表示骨骼关节点的像素点对应的垂直像素差，计算所表示特征的深度值作为垂直深度值；
根据所述水平深度值和所述垂直深度值，计算骨骼关节点沿所述水平方向和沿所述垂直方向的空间位置坐标；
根据骨骼关节点沿所述水平方向和沿所述垂直方向的空间位置坐标，至少计算得到所述人物的身高信息作为所述人物特征的至少一部分发送给所述服务器。
5.一种人物识别方法，其特征在于，包括：
获取公共传媒展示装置发送的人物特征以及对应人物的出现时间，其中，所述公共传媒展示装置通过自身的摄像头采集现场图像，并从所述现场图像中提取人物的人物特征；
获取待检索人物的人物特征，并对所述待检索人物的人物特征与从摄像头获取到的人物特征进行特征匹配；
在匹配一致的情况下，输出人物匹配报告。
6.根据权利要求5所述的方法，其特征在于，所述人物匹配报告包括所述人物出现时的地理位置信息，所述地理位置信息从所述公共传媒展示装置提供的信息中获得，或者根据预先存储的所述公共传媒展示装置的设置地理位置确定。
7.一种公共传媒展示装置，其特征在于，
包括公共传媒展示部件、摄像头、人物识别模块、时间模块和通信模块；
所述公共传媒展示部件用于展示文字的或图像的公共传媒信息；
所述摄像头用于获取现场图像以供人物识别模块提取人物特征；
所述人物识别模块用于提取所述现场图像中人物的人物特征；
所述时间模块用于获取所述现场图像中人物的出现时间；
所述通信模块用于将所述人物特征和该人物特征对应的出现时间发送至与所述装置配合的服务器。
8.根据权利要求7所述的装置，其特征在于，
还包括定位模块，所述定位模块用于获取所述人物出现时所述装置的地理位置信息；
所述通信模块还用于将所述人物出现时所述装置的地理位置信息发送至服务器；
还包括检测模块；
所述检测模块用于：在提取所述现场图像中人物的人物特征之后，检测所述人物特征是否是已经向所述服务器发送过的人物特征，并在检测结果为否定的情况下，通过所述通信模块再将所述人物特征以及所述人物的出现时间上传至服务器；在检测结果为肯定的情况下，仅向所述服务器发送所述人物的人物编码及所述人物的出现时间。
9.一种服务器，其特征在于，
包括通信模块和人物识别模块；
所述通信模块用于从公共传媒展示装置获取人物特征以及对应人物的出现时间，其中，所述公共传媒展示装置通过自身的摄像头采集现场图像，并从所述现场图像中提取人物的人物特征；
所述人物识别模块用于：获取待检索人物的人物特征，并对所述待检索人物的人物特征与从摄像头获取到的人物特征进行特征匹配；
在匹配一致的情况下，输出人物匹配报告。
10.一种人物识别系统，其特征在于，包括权利要求7所述的装置和权利要求9所述的服务器。
CN201711038449.7A 2017-10-30 2017-10-30 人物识别方法、公共传媒展示装置、服务器和系统 Active CN107704851B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711038449.7A CN107704851B (zh) 2017-10-30 2017-10-30 人物识别方法、公共传媒展示装置、服务器和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711038449.7A CN107704851B (zh) 2017-10-30 2017-10-30 人物识别方法、公共传媒展示装置、服务器和系统

Publications (2)

Publication Number Publication Date
CN107704851A true CN107704851A (zh) 2018-02-16
CN107704851B CN107704851B (zh) 2021-01-15

Family

ID=61176295

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711038449.7A Active CN107704851B (zh) 2017-10-30 2017-10-30 人物识别方法、公共传媒展示装置、服务器和系统

Country Status (1)

Country Link
CN (1) CN107704851B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110232799A (zh) * 2019-06-24 2019-09-13 秒针信息技术有限公司 追踪丢失对象的方法及装置
CN111289076A (zh) * 2020-05-13 2020-06-16 成都泰盟软件有限公司 自动采集人体基础数据的人体生理实验系统
CN111782045A (zh) * 2020-06-30 2020-10-16 歌尔科技有限公司 一种设备角度调节方法、装置、智能音箱及存储介质
CN114299409A (zh) * 2022-03-07 2022-04-08 中煤科工开采研究院有限公司 一种基于图像识别和深度信息的井下人员定位方法与装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1819652A (zh) * 2005-02-09 2006-08-16 株式会社日立制作所 监视装置及监视系统
CN102647512A (zh) * 2012-03-21 2012-08-22 广州市凡拓数码科技有限公司 一种空间信息全方位的展示方法
CN104091176A (zh) * 2014-07-18 2014-10-08 吴建忠 人像比对在视频中的应用技术
CN106204856A (zh) * 2016-08-11 2016-12-07 苏州优化智能仪器科技有限公司 一个智能门禁传媒系统
CN106650671A (zh) * 2016-12-27 2017-05-10 深圳英飞拓科技股份有限公司 人脸识别方法、装置及系统
CN106980844A (zh) * 2017-04-06 2017-07-25 武汉神目信息技术有限公司 一种基于人脸识别系统的人物关系挖掘系统及方法
CN107038419A (zh) * 2017-03-28 2017-08-11 南京邮电大学 一种基于视频序列深度学习的人物行为语义识别方法
CN107247916A (zh) * 2017-04-19 2017-10-13 广东工业大学 一种基于Kinect的三维人脸识别方法
CN107481099A (zh) * 2017-07-28 2017-12-15 厦门大学 可360度转身的实时虚拟试衣的实现方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1819652A (zh) * 2005-02-09 2006-08-16 株式会社日立制作所 监视装置及监视系统
CN102647512A (zh) * 2012-03-21 2012-08-22 广州市凡拓数码科技有限公司 一种空间信息全方位的展示方法
CN104091176A (zh) * 2014-07-18 2014-10-08 吴建忠 人像比对在视频中的应用技术
CN106204856A (zh) * 2016-08-11 2016-12-07 苏州优化智能仪器科技有限公司 一个智能门禁传媒系统
CN106650671A (zh) * 2016-12-27 2017-05-10 深圳英飞拓科技股份有限公司 人脸识别方法、装置及系统
CN107038419A (zh) * 2017-03-28 2017-08-11 南京邮电大学 一种基于视频序列深度学习的人物行为语义识别方法
CN106980844A (zh) * 2017-04-06 2017-07-25 武汉神目信息技术有限公司 一种基于人脸识别系统的人物关系挖掘系统及方法
CN107247916A (zh) * 2017-04-19 2017-10-13 广东工业大学 一种基于Kinect的三维人脸识别方法
CN107481099A (zh) * 2017-07-28 2017-12-15 厦门大学 可360度转身的实时虚拟试衣的实现方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110232799A (zh) * 2019-06-24 2019-09-13 秒针信息技术有限公司 追踪丢失对象的方法及装置
CN111289076A (zh) * 2020-05-13 2020-06-16 成都泰盟软件有限公司 自动采集人体基础数据的人体生理实验系统
CN111782045A (zh) * 2020-06-30 2020-10-16 歌尔科技有限公司 一种设备角度调节方法、装置、智能音箱及存储介质
CN114299409A (zh) * 2022-03-07 2022-04-08 中煤科工开采研究院有限公司 一种基于图像识别和深度信息的井下人员定位方法与装置
CN114299409B (zh) * 2022-03-07 2022-07-01 中煤科工开采研究院有限公司 一种基于图像识别和深度信息的井下人员定位方法与装置

Also Published As

Publication number Publication date
CN107704851B (zh) 2021-01-15

Similar Documents

Publication Publication Date Title
CN109934176B (zh) 行人识别系统、识别方法及计算机可读存储介质
EP3637303B1 (en) Methods for generating a base of training images, for training a cnn and for detecting a poi change in a pair of inputted poi images using said cnn
CN106251399B (zh) 一种基于lsd-slam的实景三维重建方法及实施装置
CN104331929B (zh) 基于视频地图与增强现实的犯罪现场还原方法
CN109190508B (zh) 一种基于空间坐标系的多摄像头数据融合方法
US8179440B2 (en) Method and system for object surveillance and real time activity recognition
CN106384106A (zh) 一种基于三维扫描的反欺诈人脸识别系统
CN107704851A (zh) 人物识别方法、公共传媒展示装置、服务器和系统
Demiröz et al. Feature-based tracking on a multi-omnidirectional camera dataset
CN107977656A (zh) 一种行人重识别方法及系统
WO2023093217A1 (zh) 数据标注方法、装置、计算机设备、存储介质和程序
CN107766819A (zh) 一种视频监控系统及其实时步态识别方法
CN206322194U (zh) 一种基于三维扫描的反欺诈人脸识别系统
CN109758756B (zh) 基于3d相机的体操视频分析方法及系统
CN106156714A (zh) 基于骨骼关节特征和表面特征融合的人体行为识别方法
CN109583373B (zh) 一种行人重识别实现方法
CN108898108B (zh) 一种基于扫地机器人的用户异常行为监测系统及方法
CN103729620B (zh) 一种基于多视角贝叶斯网络的多视角行人检测方法
KR20160014413A (ko) 복수의 오버헤드 카메라와 사이트 맵에 기반한 객체 추적 장치 및 그 방법
Yu et al. Intelligent visual-IoT-enabled real-time 3D visualization for autonomous crowd management
CN115376034A (zh) 一种基于人体三维姿态时空关联动作识别的运动视频采集剪辑方法及装置
CN106803937B (zh) 一种具有文本日志的双摄像头视频监控方法、系统和监控装置
Hossain et al. Building Indoor Point Cloud Datasets with Object Annotation for Public Safety.
CN112288876A (zh) 远距离ar识别服务器及系统
CN113743380B (zh) 一种基于视频图像动态监测的主动跟踪方法

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