CN108062542B - 被遮挡的人脸的检测方法 - Google Patents
被遮挡的人脸的检测方法 Download PDFInfo
- Publication number
- CN108062542B CN108062542B CN201810033857.1A CN201810033857A CN108062542B CN 108062542 B CN108062542 B CN 108062542B CN 201810033857 A CN201810033857 A CN 201810033857A CN 108062542 B CN108062542 B CN 108062542B
- Authority
- CN
- China
- Prior art keywords
- face
- weak classifier
- image
- lower half
- 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.)
- Active
Links
Images
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
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07F—COIN-FREED OR LIKE APPARATUS
- G07F19/00—Complete banking systems; Coded card-freed arrangements adapted for dispensing or receiving monies or the like and posting such transactions to existing accounts, e.g. automatic teller machines
- G07F19/20—Automatic teller machines [ATMs]
- G07F19/205—Housing aspects of ATMs
- G07F19/2055—Anti-skimming aspects at ATMs
Abstract
本发明公开了一种被遮挡的人脸的检测方法,包括如下步骤:构建每帧图片的图像金字塔;基于预先采用Boosting方法训练得到的人脸检测字典,进行人脸是否存在、以及人脸是否遮挡的判别;用若干幅人脸和非人脸图片进行训练;根据每个弱分类器提取特征时所采用的人脸局部的位置,对各个弱分类器进行划分;基于划分类别后得到的弱分类器集合{hi (j)},进行人脸检测和异常人脸判别;对人脸检测集合进行合并,合并完成后得到人脸或异常人脸的检测结果。本发明具有对于佩带不同颜色的口罩、佩带不同颜色的眼罩、佩带深色墨镜等情况,都能正确判断人脸是否发生遮挡的特点。
Description
技术领域
本发明涉及ATM机安全防护设备技术领域,尤其是涉及一种可以快速检测人脸是否发生了遮挡,以及是上半脸遮挡或下半脸遮挡的被遮挡的人脸的检测方法。
背景技术
ATM机中都装配有用于拍摄取款人员的针孔摄像头,用于监控操作ATM机的人员的行为,并记录下取款人员的面部图像。为了规避相机抓拍下自己的脸部图像进而识别出自己的身份,犯罪分子在进行ATM机操作时,会刻意用墨镜、口罩、头巾等遮挡住面部。因此,遮挡住面部操作ATM机的情况,一直是银行监管的重点。
中国目前ATM机的数量已经达到60余万台,且还在不断增长。ATM机7x24小时不间断工作。所以无论是数量还是时间,靠人盯住监控录像来判断是否发生了遮挡人脸操作ATM机的情况都是不可能完成的任务。
近年来,随着图像和人工智能技术的发展,通过计算机自动识别图像中的人脸图片是否有遮挡成为可能。
有的方法提出分析抓拍人脸图片的上半脸和下半脸的主要颜色,如果都与肤色接近,则为正常人脸;否则,如果上半脸偏离肤色,则为戴墨镜,如果下半脸偏离肤色,则为戴口罩,如果上下半脸都偏离肤色,则为戴面具。
然而,银行相机由于曝露在室外,无论是白天阳光较强的时候,还是夜间光线暗淡的时候,摄像头拍摄到的人脸图片都会接近灰白,肤色检测手段无法正确的检测人脸遮挡。另外,如果刻意佩戴与肤色相近的遮挡物,如粉色的口罩,也会导致无法正确检测。
发明内容
本发明的发明目的是为了克服现有技术中的监控方法无法准确检测遮挡人脸操作ATM机的情况的不足,提供了一种可以快速检测人脸是否发生了遮挡,以及是上半脸遮挡或下半脸遮挡的被遮挡的人脸的检测方法。
为了实现上述目的,本发明采用以下技术方案:
一种被遮挡的人脸的检测方法,包括如下步骤:
(1-1)获得监控视频数据,监控视频数据包括按时间顺序排列的若干帧图片;
(1-2)构建每帧图片的图像金字塔;
(1-3)对图像金字塔每一层的图像,按照从上到下、从左至右逐行扫描的顺序进行遍历,对每个遍历位置截取一个固定尺寸的子图,基于预先采用Boosting方法训练得到的人脸检测字典,进行人脸是否存在、以及人脸是否遮挡的判别;
(1-4)用若干幅人脸和非人脸图片进行训练,得到可划分类别的有鉴别力的弱分类器的集合{hi (j)(x)},和每个弱分类器在检测人脸时进行加权求和的权重集合{αi};i为弱分类器的序号,j为弱分类器类别;
其中,x为子图各个像素点的像素值按照从上到下、从左至右顺序排列得到的列向量,每个弱分类器根据子图某个局部像素点的像素值的状况,给出人脸或非人脸的判断;
(1-5)根据每个弱分类器提取特征时所采用的人脸局部的位置,对各个弱分类器进行划分;
(1-6)基于划分类别后得到的弱分类器集合{hi (j)},进行人脸检测和异常人脸判别;j={1,2,3},hi (1)用于标识弱分类器在上半脸,hi (2)用于标识弱分类器在下半脸,hi (3)用于标识弱分类器在全脸;
(1-7)对图像金字塔所有层的所有位置子图进行扫描后,得到一个人脸检测结果的集合,根据每个检测结果所位于的金字塔层,将每个检测结果还原到原始图像的尺寸时的子图所在的位置;
(1-8)对人脸检测集合进行合并,合并完成后得到人脸或异常人脸的检测结果。
本发明可以快速检测人脸是否发生了遮挡,以及是上半脸遮挡或下半脸遮挡;对于佩带不同颜色的口罩、佩带不同颜色的眼罩、佩带深色墨镜等情况,都能正确判断人脸是否发生遮挡,准确率高于90%。
作为优选,若人脸局部的位置与上半脸重叠百分比大于P,则划分为上半脸弱分类器;若人脸局部的位置与下半脸区域的重叠百分比大于P,则划分为下半脸弱分类器;否则,划分为全脸弱分类器。
作为优选,采用如下方法构建图像金字塔:
从原始图像开始,以固定的步长s对图像进行降采样,得到的图像置于图像金字塔的更高一层,并进一步基于此层图像以同样步长s进行降采样得到更上一层图像,直到降采样后得到图像的宽度或高度低于预先设定的最小宽高为止;
作为优选,步骤(1-6)包括如下步骤:
当∑i∑j αihi (j)(x)>tf,则判断当前被扫描子图为人脸;
当每个子图人脸均检测成功后,计算上半脸弱分类器的权重累加结果和下半脸弱分类器的权重累加结果,根据上半脸/下半脸的权重累加结果是否平衡,如果不平衡,则做出上半脸或下半脸出现了遮挡的判断。
作为优选,若满足下述公式,则权重累加结果不平衡:
作为上述方案的替换方案,若满足下述公式,则权重累加结果不平衡:
作为优选,步骤(1-7)包括如下步骤:
设每个检测结果所位的层数为sk,则还原得到的原始尺寸的人脸检测集合为{fk=[skxk,skyk,skwk,skhk,lk]};
其中,s为金字塔层间降采样的变化比例因子,lk=0为无遮挡人脸标签,lk=1为上半脸遮挡人脸标签,lk=2为下半脸遮挡人脸标签,(xk,yk)为人脸检测结果的左上角横纵坐标,wk为人脸检测结果的宽度,hk为人脸检测结果的高度。
作为优选,步骤(1-8)包括如下步骤:
合并原则为集合中任意两个人脸检测框的重叠面积占二者总面积的比率;
如果比率高于给定阈值,则进行合并;
同时统计标签lk在无遮挡、上半脸遮挡、和下半脸遮挡三种情形中的数量,将数量最多的类别作为最终检测结果。
因此,本发明具有如下有益效果:可以快速检测人脸是否发生了遮挡,以及是上半脸遮挡或下半脸遮挡;对于佩带不同颜色的口罩、佩带不同颜色的眼罩、佩带深色墨镜等情况,都能正确判断人脸是否发生遮挡,准确率高于90%。
附图说明
图1是本发明的一种流程图;
图2是本发明的图像金字塔的一种结构示意图;
图3是本发明的弱分类器的一种结构示意图。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步的描述。
如图1所示的实施例是一种被遮挡的人脸的检测方法,包括如下步骤:
步骤100,获得监控视频数据,监控视频数据包括按时间顺序排列的2000帧图片;
步骤200,构建每帧图片的图像金字塔;
从原始图像开始,以固定的步长s对图像进行降采样,得到的图像置于图像金字塔的更高一层,并进一步基于此层图像以同样步长s进行降采样得到更上一层图像,直到降采样后得到图像的宽度或高度低于预先设定的最小宽高为止;
构建金字塔如图2所示,假定输入图像的尺寸为(w,h),则金字塔上一层的尺寸为(w/s,h/s),更上一层的尺寸为(w/s2,h/s2),以此类推。建立金字塔的目的是为了应对不同大小人脸的检测。
步骤300,对图像金字塔每一层的图像,按照从上到下、从左至右逐行扫描的顺序进行遍历,对每个遍历位置截取一个固定尺寸的子图,基于预先采用Boosting方法训练得到的人脸检测字典,进行人脸是否存在、以及人脸是否遮挡的判别;
步骤400,用若干幅人脸和非人脸图片进行训练,得到可划分类别的有鉴别力的弱分类器的集合{hi (j)(x)},和每个弱分类器在检测人脸时进行加权求和的权重集合{αi};i为弱分类器的序号;
其中,x为子图各个像素点的像素值按照从上到下、从左至右顺序排列得到的列向量,每个弱分类器根据子图某个局部像素点的像素值的状况,给出人脸或非人脸的判断;
步骤500,根据每个弱分类器提取特征时所采用的人脸局部的位置,对各个弱分类器进行划分;
若人脸局部的位置与上半脸重叠百分比大于P,则划分为上半脸弱分类器;若人脸局部的位置与下半脸区域的重叠百分比大于P,则划分为下半脸弱分类器;否则,划分为全脸弱分类器。P为100%。
步骤600,基于划分类别后得到的弱分类器集合{hi (j)},进行人脸检测和异常人脸判别;j={1,2,3},hi (1)用于标识弱分类器在上半脸、hi (2)用于标识弱分类器在下半脸,hi (3)用于标识弱分类器在全脸;
当∑i∑j αihi (j)(x)>tf,则判断当前被扫描子图为人脸;
当每个子图人脸均检测成功后,计算上半脸弱分类器的权重累加结果和下半脸弱分类器的权重累加结果,根据上半脸/下半脸的权重累加结果是否平衡,如果不平衡,则做出上半脸或下半脸出现了遮挡的判断。
若满足下述公式,则权重累加结果不平衡:
其中,T[]为真值判断函数,当内部条件为真时返回1,为假时返回0;表示根据第i个弱分类器的类别标签j是否为1函数返回不同的值。为上半脸弱分类器,为下半脸弱分类器。c1和c2为比例调谐因子,c1=c2=0.5。
步骤700,对图像金字塔所有层的所有位置子图进行扫描后,得到一个人脸检测结果的集合,根据每个检测结果所位于的金字塔层,将每个检测结果还原到原始图像的尺寸时的子图所在的位置;
设每个检测结果所位的层数为sk,则还原得到的原始尺寸的人脸检测集合为{fk=[skxk,skyk,skwk,skhk,lk]};
其中,s为金字塔层间降采样的变化比例因子,lk=0为无遮挡人脸标签,lk=1为上半脸遮挡人脸标签,lk=2为下半脸遮挡人脸标签,(xk,yk)为人脸检测结果的左上角横纵坐标,wk为人脸检测结果的宽度,hk为人脸检测结果的高度。
步骤800,对人脸检测集合进行合并,合并完成后得到人脸或异常人脸的检测结果。
合并原则为集合中任意两个人脸检测框的重叠面积占二者总面积的比率;
如果比率高于给定阈值,则进行合并;
同时统计标签lk在无遮挡、上半脸遮挡、和下半脸遮挡三种情形中的数量,将数量最多的类别作为最终检测结果。
本发明可应用于金融行业。
实施方式一:本发明可以搭载于金融安全监控平台上,通过对抓拍的取款人照片或视频进行判读,对遮挡面部进行ATM机操作的情况进行报警,银行工作人员可对可疑人员进行远程喊话警告、呼叫现地安保人员等安全处理。
实施方式二:本发明可以移植到ATM机旁的嵌入式智能分期设备中,通过现场获取的视频流,检测是否有人在遮挡面部时进行ATM机操作,并可联动防护舱控制设备或ATM机控制设备,对可疑人员进行终止操作等处理。
应理解,本实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
Claims (7)
1.一种被遮挡的人脸的检测方法,其特征是,包括如下步骤:
(1-1)获得监控视频数据,监控视频数据包括按时间顺序排列的若干帧图片;
(1-2)构建每帧图片的图像金字塔;
(1-3)对图像金字塔每一层的图像,按照从上到下、从左至右逐行扫描的顺序进行遍历,对每个遍历位置截取一个固定尺寸的子图,基于预先采用Boosting方法训练得到的人脸检测字典,进行人脸是否存在、以及人脸是否遮挡的判别;
(1-4)用若干幅人脸和非人脸图片进行训练,得到可划分类别的有鉴别力的弱分类器的集合{hi (j)(x)},和每个弱分类器在检测人脸时进行加权求和的权重集合{αi};i为弱分类器的序号,j为弱分类器类别;
其中,x为子图各个像素点的像素值按照从上到下、从左至右顺序排列得到的列向量,每个弱分类器根据子图某个局部像素点的像素值的状况,给出人脸或非人脸的判断;
(1-5)根据每个弱分类器提取特征时所采用的人脸局部的位置,对各个弱分类器进行划分;
(1-6)基于划分类别后得到的弱分类器集合{hi (j)},进行人脸检测和异常人脸判别;j={1,2,3},hi (1)用于标识弱分类器在上半脸,hi (2)用于标识弱分类器在下半脸,hi (3)用于标识弱分类器在全脸;
当∑i∑jαihi (j)(x)>tf,则判断当前被扫描子图为人脸;
当每个子图人脸均检测成功后,计算上半脸弱分类器的权重累加结果和下半脸弱分类器的权重累加结果,根据上半脸/下半脸的权重累加结果是否平衡,如果不平衡,则做出上半脸或下半脸出现了遮挡的判断;
若满足下述公式,则权重累加结果不平衡:
(1-7)对图像金字塔所有层的所有位置子图进行扫描后,得到一个人脸检测结果的集合,根据每个检测结果所位于的金字塔层,将每个检测结果还原到原始图像的尺寸时的子图所在的位置;
(1-8)对人脸检测集合进行合并,合并完成后得到人脸或异常人脸的检测结果。
2.根据权利要求1所述的被遮挡的人脸的检测方法,其特征是,若人脸局部的位置与上半脸重叠百分比大于P,则划分为上半脸弱分类器;若人脸局部的位置与下半脸区域的重叠百分比大于P,则划分为下半脸弱分类器;否则,划分为全脸弱分类器。
3.根据权利要求1所述的被遮挡的人脸的检测方法,其特征是,采用如下方法构建图像金字塔:
从原始图像开始,以固定的步长s对图像进行降采样,得到的图像置于图像金字塔的更高一层,并进一步基于此层图像以同样步长s进行降采样得到更上一层图像,直到降采样后得到图像的宽度或高度低于预先设定的最小宽高为止。
6.根据权利要求1所述的被遮挡的人脸的检测方法,其特征是,步骤(1-7)包括如下步骤:
设每个检测结果所位的层数为k,则还原得到的原始尺寸的人脸检测集合为{fk=[skxk,skyk,skwk,skhk,lk]};
其中,s为金字塔层间降采样的变化比例因子,lk=0为无遮挡人脸标签,lk=1为上半脸遮挡人脸标签,lk=2为下半脸遮挡人脸标签,(xk,yk)为人脸检测结果的左上角横纵坐标,wk为人脸检测结果的宽度,hk为人脸检测结果的高度。
7.根据权利要求1或2或3或4或5或6所述的被遮挡的人脸的检测方法,其特征是,步骤(1-8)包括如下步骤:
合并原则为集合中任意两个人脸检测框的重叠面积占二者总面积的比率;
如果比率高于给定阈值,则进行合并;
同时统计标签lk在无遮挡、上半脸遮挡、和下半脸遮挡三种情形中的数量,将数量最多的类别作为最终检测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810033857.1A CN108062542B (zh) | 2018-01-12 | 2018-01-12 | 被遮挡的人脸的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810033857.1A CN108062542B (zh) | 2018-01-12 | 2018-01-12 | 被遮挡的人脸的检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108062542A CN108062542A (zh) | 2018-05-22 |
CN108062542B true CN108062542B (zh) | 2020-07-28 |
Family
ID=62141668
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810033857.1A Active CN108062542B (zh) | 2018-01-12 | 2018-01-12 | 被遮挡的人脸的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108062542B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108805042B (zh) * | 2018-05-25 | 2021-10-12 | 武汉东智科技股份有限公司 | 道路区域监控视频被树叶遮挡的检测方法 |
CN109101923B (zh) * | 2018-08-14 | 2020-11-27 | 罗普特(厦门)科技集团有限公司 | 一种人员佩戴口罩情况的检测方法以及装置 |
CN109460729A (zh) * | 2018-11-01 | 2019-03-12 | 浩云科技股份有限公司 | 一种嵌入式多人脸检测方法及系统 |
CN110516623B (zh) * | 2019-08-29 | 2022-03-22 | 中新智擎科技有限公司 | 一种人脸识别方法、装置及电子设备 |
CN110516768A (zh) * | 2019-08-29 | 2019-11-29 | 中新智擎科技有限公司 | 一种垃圾分类管理的方法、装置及人工智能机器人 |
CN111428559A (zh) * | 2020-02-19 | 2020-07-17 | 北京三快在线科技有限公司 | 一种口罩佩戴情况检测方法、装置、电子设备及存储介质 |
CN111353411A (zh) * | 2020-02-25 | 2020-06-30 | 四川翼飞视科技有限公司 | 一种基于联合损失函数的遮挡人脸的识别方法 |
CN111401202A (zh) * | 2020-03-11 | 2020-07-10 | 西南石油大学 | 一种基于深度学习的行人口罩佩戴实时检测方法 |
CN111598021B (zh) * | 2020-05-19 | 2021-05-28 | 北京嘀嘀无限科技发展有限公司 | 面部遮挡物的佩戴检测方法、装置、电子设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101556717A (zh) * | 2009-05-19 | 2009-10-14 | 上海海隆软件股份有限公司 | 一种atm智能安保系统及监测方法 |
CN101630363A (zh) * | 2009-07-13 | 2010-01-20 | 中国船舶重工集团公司第七○九研究所 | 复杂背景下彩色图像人脸的快速检测方法 |
CN102332094A (zh) * | 2011-10-24 | 2012-01-25 | 西安电子科技大学 | 半监督在线学习人脸检测方法 |
US8873813B2 (en) * | 2012-09-17 | 2014-10-28 | Z Advanced Computing, Inc. | Application of Z-webs and Z-factors to analytics, search engine, learning, recognition, natural language, and other utilities |
CN105512638A (zh) * | 2015-12-24 | 2016-04-20 | 黄江 | 一种基于融合特征的人脸检测与对齐方法 |
CN102855496B (zh) * | 2012-08-24 | 2016-05-25 | 苏州大学 | 遮挡人脸认证方法及系统 |
CN106503687A (zh) * | 2016-11-09 | 2017-03-15 | 合肥工业大学 | 融合人脸多角度特征的监控视频人物身份识别系统及其方法 |
-
2018
- 2018-01-12 CN CN201810033857.1A patent/CN108062542B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101556717A (zh) * | 2009-05-19 | 2009-10-14 | 上海海隆软件股份有限公司 | 一种atm智能安保系统及监测方法 |
CN101630363A (zh) * | 2009-07-13 | 2010-01-20 | 中国船舶重工集团公司第七○九研究所 | 复杂背景下彩色图像人脸的快速检测方法 |
CN102332094A (zh) * | 2011-10-24 | 2012-01-25 | 西安电子科技大学 | 半监督在线学习人脸检测方法 |
CN102855496B (zh) * | 2012-08-24 | 2016-05-25 | 苏州大学 | 遮挡人脸认证方法及系统 |
US8873813B2 (en) * | 2012-09-17 | 2014-10-28 | Z Advanced Computing, Inc. | Application of Z-webs and Z-factors to analytics, search engine, learning, recognition, natural language, and other utilities |
CN105512638A (zh) * | 2015-12-24 | 2016-04-20 | 黄江 | 一种基于融合特征的人脸检测与对齐方法 |
CN106503687A (zh) * | 2016-11-09 | 2017-03-15 | 合肥工业大学 | 融合人脸多角度特征的监控视频人物身份识别系统及其方法 |
Non-Patent Citations (2)
Title |
---|
基于RLAB特征的人脸在线检测系统设计与实现;吴忠谦;《中国优秀硕士学位论文全文数据库 信息科技辑》;20150215;论文第30-35页 * |
基于卷积神经网络的人脸检测和性别识别研究;汪济民;《中国优秀硕士学位论文全文数据库 信息科技辑》;20160115;论文第24-35页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108062542A (zh) | 2018-05-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108062542B (zh) | 被遮挡的人脸的检测方法 | |
Huang et al. | Detection algorithm of safety helmet wearing based on deep learning | |
CN111967393B (zh) | 一种基于改进YOLOv4的安全帽佩戴检测方法 | |
KR101215948B1 (ko) | 신체정보 및 얼굴인식에 기반한 감시 시스템의 영상정보 마스킹 방법 | |
KR100695155B1 (ko) | 가리어진 얼굴 검출장치 및 방법과 이를 이용한 부정거래자식별장치 및 방법 | |
CN108256459A (zh) | 基于多摄像机融合的安检门人脸识别和人脸自动建库算法 | |
CN105160297B (zh) | 基于肤色特征的蒙面人事件自动检测方法 | |
CN111241959A (zh) | 一种通过工地视频流检测未佩戴安全帽人员的方法 | |
CN106056079A (zh) | 一种图像采集设备及人脸五官的遮挡检测方法 | |
CN109766779A (zh) | 徘徊人员识别方法及相关产品 | |
CN112183472A (zh) | 一种基于改进RetinaNet的试验现场人员是否穿着工作服检测方法 | |
CN102542246A (zh) | Atm机异常人脸检测方法 | |
CN112287823A (zh) | 一种基于视频监控的面部口罩识别方法 | |
CN112163572A (zh) | 识别对象的方法和装置 | |
CN114140745A (zh) | 施工现场人员属性检测方法、系统、装置及介质 | |
CN115171022A (zh) | 一种施工场景下的安全帽佩戴检测方法及系统 | |
KR20090044957A (ko) | 도난 및 방치 감시 시스템 및 도난 및 방치 검출 방법 | |
CN108460319B (zh) | 异常人脸检测方法及装置 | |
CN111695432A (zh) | 一种视频监控场景下的人工智能人脸异常检测系统及方法 | |
Chern et al. | Context-aware safety assessment system for far-field monitoring | |
KR101113515B1 (ko) | 감시카메라를 이용한 비디오 색인 시스템 및 방법 | |
KR20200060868A (ko) | 객체 탐지 및 자동 추적이 가능한 다시점 영상 감시 시스템 | |
CN116844103A (zh) | 一种loto信息化智能化集成安全管理方法 | |
CN114387542A (zh) | 一种基于便携布控球的视频采集单元异常识别系统 | |
CN111985331A (zh) | 预防商业秘密被窃照的检测方法及装置 |
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 | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Liu Yuyu Inventor after: Wang Zengqiao Inventor before: Chen Jie Inventor before: Liu Yuyu Inventor before: Wang Zengqiao |
|
GR01 | Patent grant | ||
GR01 | Patent grant |