CN108647581A - 信息处理方法、装置及存储介质 - Google Patents
信息处理方法、装置及存储介质 Download PDFInfo
- Publication number
- CN108647581A CN108647581A CN201810351127.6A CN201810351127A CN108647581A CN 108647581 A CN108647581 A CN 108647581A CN 201810351127 A CN201810351127 A CN 201810351127A CN 108647581 A CN108647581 A CN 108647581A
- Authority
- CN
- China
- Prior art keywords
- target
- library
- place
- characteristic information
- existing object
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种信息处理方法、装置及存储介质；其中，方法包括：获取目标场所对应的对象库，所述对象库中包括至少一个目标对象的特征信息；采集所述目标场所的视频图像，并对所述视频图像进行特征提取，得到当前对象的特征信息；通过深度神经网络，对所述当前对象的特征信息及所述至少一个目标对象的特征信息进行比对，得到比对结果；基于所述比对结果，生成对应所述当前对象的提示信息。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种信息处理方法、装置及存储介质。
背景技术
基于安防、服务等的需要，视频监控系统已渗透到用户生活的各个领域，然而，在一些场景下，例如：通过视频系统查看以防止超市中商品偷盗及破损、通过视频系统查看以获知高级会员进入商场，为其提供特定服务等，均需要专人时刻盯着监控画面，人力成本高，且存在信息遗漏问题、监控效率低下。
发明内容
本发明实施例提供一种信息处理方法、装置及存储介质，能够基于获取的图像生成相应的提示信息，提高用户体验。
本发明实施例的技术方案是这样实现的：
第一方面，本发明实施例提供一种信息处理方法，所述方法包括：
获取目标场所对应的对象库，所述对象库中包括至少一个目标对象的特征信息；
采集所述目标场所的视频图像，并对所述视频图像进行特征提取，得到当前对象的特征信息；
通过深度神经网络，对所述当前对象的特征信息及所述至少一个目标对象的特征信息进行比对，得到比对结果；
基于所述比对结果，生成对应所述当前对象的提示信息。
上述方案中，所述获取目标场所对应的对象库，包括：
确定所述目标场所对应的场所类别；
基于确定的所述场所类别，获取与所述场所类别所对应的对象库。
上述方案中，所述基于确定的所述场所类别，获取与所述场所类别所对应的对象库，包括：
获取特定区域范围内与所述目标场所的场所类别相同的至少一个第一场所对应的对象库；
合并各所述第一场所对应的对象库为与所述目标场所对应的对象库。
上述方案中，所述获取目标场所对应的对象库，包括：
获取与所述目标场所相关联的至少一个第二场所对应的对象库；
合并各所述第二场所对应的对象库为与所述目标场所对应的对象库。
上述方案中，所述对所述视频图像进行特征提取之前，还包括：
将获取的所述视频图像输入预设的神经网络模型，得到对应当前对象的图像区域；
从所述视频图像中分离出所述图像区域，得到对应当前对象的目标图像。
上述方案中，所述对所述视频图像进行特征提取，得到当前对象的特征信息，包括：
提取所述目标图像中的关键特征点；
基于所提取的所述关键特征点，进行对象特征建模，得到用于描述当前对象的多个对象特征。
上述方案中，所述对所述当前对象的特征信息及所述至少一个目标对象的特征信息进行比对，得到比对结果，包括：
将当前对象的特征信息与所述对象库中目标对象的特征信息进行特征比对；
若当前对象的特征信息与目标对象的特征信息的相似程度达到预设的相似度阈值时，确定所述视频图像所对应的目标对象。
上述方案中，所述生成对应所述当前对象的提示信息，包括：
生成对应所述当前对象的告警提示信息；所述告警提示信息用于提示所述当前对象所对应的历史不良行为；
所述告警提示信息包括以下至少之一：音频告警提示信息、光告警提示信息、用户界面UI告警提示信息。
上述方案中，所述生成对应所述当前对象的提示信息之后，还包括：
生成对应所述当前对象的历史不良行为的警示信息；
发送所述警示信息至所述当前对象的终端。
上述方案中，所述生成对应所述当前对象的提示信息，包括：
生成对应所述当前对象的服务提示信息；所述服务提示信息用于提示为所述当前对象提供特定服务；
所述服务提示信息包括以下至少之一：音频服务提示信息、光服务提示信息、UI服务提示信息。
上述方案中，所述生成对应所述当前对象的提示信息之后，还包括：
获取与所述当前对象关联的历史商品信息；
将所获取的所述历史商品信息推送至所述当前对象的终端。
上述方案中，所述生成对应所述当前对象的提示信息之后，还包括：
发送对应所述当前对象的比对结果至管理用户终端。
上述方案中，所述采集所述目标场所的视频图像，包括：
对商品交易场所中的目标区域进行视频流采集；
对采集的视频流进行解码，得到所述视频图像。
上述方案中，
所述当前对象为人脸、人体中至少之一。
第二方面，还提供了一种信息处理装置，包括：
获取单元，用于获取目标场所对应的对象库，所述对象库中包括至少一个目标对象的特征信息；
提取单元，用于采集所述目标场所的视频图像，并对所述视频图像进行特征提取，得到当前对象的特征信息；
比对单元，用于通过深度神经网络，对所述当前对象的特征信息及所述至少一个目标对象的特征信息进行比对，得到比对结果；
生成单元，用于基于所述比对结果，生成对应所述当前对象的提示信息。
上述方案中，所述获取单元，还用于确定所述目标场所对应的场所类别；
基于确定的所述场所类别，获取与所述场所类别所对应的对象库。
上述方案中，所述获取单元，还用于获取特定区域范围内与所述目标场所的场所类别相同的至少一个第一场所对应的对象库；
合并各所述第一场所对应的对象库为与所述目标场所对应的对象库。
上述方案中，所述获取单元，还用于获取与所述目标场所相关联的至少一个第二场所对应的对象库；
合并各所述第二场所对应的对象库为与所述目标场所对应的对象库。
上述方案中，还包括：
检测单元，用于将获取的所述视频图像输入预设的神经网络模型，得到对应当前对象的图像区域；
从所述视频图像中分离出所述图像区域，得到对应当前对象的目标图像。
上述方案中，
所述提取单元，还用于提取所述目标图像中的关键特征点；
基于所提取的所述关键特征点，进行对象特征建模，得到用于描述所述当前对象的多个对象特征。
上述方案中，所述比对单元，还用于将当前对象的特征信息与所述对象库中目标对象的特征信息进行特征比对；
若当前对象的特征信息与目标对象的特征信息的相似程度达到预设的相似度阈值时，确定所述视频图像所对应的目标对象。
上述方案中，所述生成单元，还用于生成对应所述当前对象的告警提示信息；所述告警提示信息用于提示所述当前对象所对应的历史不良行为；
所述告警提示信息包括以下至少之一：音频告警提示信息、光告警提示信息、用户界面UI告警提示信息。
上述方案中，所述生成单元，还用于生成对应所述当前对象的不良行为的警示信息；
发送所述警示信息至所述当前对象的终端。
上述方案中，所述生成单元，还用于生成对应所述当前对象的服务提示信息；所述服务提示信息用于提示为所述当前对象提供特定服务；
所述服务提示信息包括以下至少之一：音频服务提示信息、光服务提示信息、UI服务提示信息。
上述方案中，所述生成单元，还用于获取与所述当前对象关联的历史商品信息；
将所获取的所述历史商品信息推送至所述当前对象的终端。
上述方案中，所述生成单元，还用于发送对应所述当前对象的比对结果至管理用户终端。
上述方案中，还包括：
提取单元，还用于对商品交易场所中的目标区域进行视频流采集；
所述检测单元，还用于对采集的视频流进行解码，得到所述视频图像。
第三方面，本发明实施例提供一种信息处理装置，包括：
存储器，用于存储可执行程序；
处理器，用于执行所述存储器中存储的可执行程序时，实现上述的信息处理方法。
第四方面，本发明实施例提供一种存储介质，存储有可执行程序，所述可执行程序被处理器执行时，实现上述的信息处理方法。
应用本发明上述实施例具有以下有益效果：
应用本发明实施例上述信息处理方法、装置及存储介质，通过深度神经网络实现对采集图像的特征信息与对象库中的特征信息的比对，并基于比对结果自动生成对应当前对象的提示信息，如此，无需专人监控视频画面，用户可以基于生成的提示信息进行相应的处理，大大降低了人力成本，且监控效率高、避免了图像信息的遗漏，提高了用户体验。
附图说明
图1A为本发明实施例提供的信息处理方法的实施场景示意图一；
图1B为本发明实施例提供的信息处理方法的实施场景示意图二；
图1C为本发明实施例提供的信息处理方法的实施场景示意图三；
图1D为本发明实施例提供的信息处理方法的实施场景示意图四；
图2为本发明实施例提供的信息处理方法的流程示意图一；
图3为本发明实施例提供的提取的人脸特征点的示意图；
图4为本发明实施例提供的提取的人脸的多个特征的示意图；
图5A为本发明实施例提供的发送至终端的警示信息的示意图；
图5B为本发明实施例提供的发送至终端的商品信息的示意图；
图6为本发明实施例提供的信息处理方法的流程示意图二；
图7为本发明实施例提供的信息处理方法的流程示意图三；
图8为本发明实施例提供的信息处理方法的流程示意图四；
图9为本发明实施例提供的信息处理方法的流程示意图五；
图10为本发明实施例提供的信息处理装置的组成结构示意图；
图11为本发明实施例提供的信息处理装置作为硬件实体的组成结构示意图。
具体实施方式
以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所提供的实施例仅仅用以解释本发明，并不用于限定本发明。另外，以下所提供的实施例是用于实施本发明的部分实施例，而非提供实施本发明的全部实施例，在不冲突的情况下，本发明实施例记载的技术方案可以任意组合的方式实施。
需要说明的是，在本发明实施例中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的方法或者装置不仅包括所明确记载的要素，而且还包括没有明确列出的其他要素，或者是还包括为实施方法或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的方法或者装置中还存在另外的相关要素(例如方法中的步骤或者装置中的单元，例如的单元可以是部分电路、部分处理器、部分程序或软件等等)。
例如，本发明实施例提供的信息处理方法包含了一系列的步骤，但是本发明实施例提供的信息处理方法不限于所记载的步骤，同样地，本发明实施例提供的信息处理装置包括了一系列单元，但是本发明实施例提供的装置不限于包括所明确记载的单元，还可以包括为获取相关信息、或基于信息进行处理时所需要设置的单元。
需要说明的是，本发明实施例所涉及的术语“第一\第二\第三”仅仅是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二\第三”区分的对象在适当情况下可以互换，以使这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
本发明实施例提供信息处理方法、实施信息处理方法的信息处理装置、以及存储用于实现信息处理方法的可执行程序的存储介质。接下来将对信息处理的示例性实施场景进行说明。
图1A为本发明实施例提供的信息处理方法的一个可选的实施场景示意图，在本发明实施例中，终端不限于手机、平板电脑、PC机等类型，服务器可以采用任何商用或专用的服务器，在实际应用中，服务器可以依据实际情况设置一个或多个。参见图1A，摄像头11进行图像/视频流采集，服务器12将摄像头采集的图像/视频流发送给终端13，终端13获取视频图像，并对视频图像进行处理，将视频图像中当前对象的特征信息与对象库中目标对象的特征信息进行比对，并基于比对结果生成对应当前对象的提示信息。
图1B为本发明实施例提供的信息处理方法的一个可选的实施场景示意图，参见图1B，摄像头21进行图像/视频流采集，服务器22获取视频图像，对视频图像进行处理，将视频图像中当前对象的特征信息与对象库中目标对象的特征信息进行比对，并基于比对结果生成对应当前对象的提示信息，将生成的提示信息发送给终端23，以使终端23呈现该提示信息。
图1C为本发明实施例提供的信息处理方法的一个可选的实施场景示意图，参见图1C，摄像头31进行图像/视频流采集，服务器32获取视频图像，对视频图像进行处理，获取视频图像中当前对象的特征信息，将获取的当前对象的特征信息发送给终端33，终端33将当前对象的特征信息与对象库中目标对象的特征信息进行比对，并基于比对结果生成对应当前对象的提示信息。
图1D为本发明实施例提供的信息处理方法的一个可选的实施场景示意图，参见图1D，摄像头41进行图像/视频流采集，终端42获取视频图像，对视频图像进行处理，将视频图像中当前对象的特征信息与对象库中目标对象的特征信息进行比对，并基于比对结果生成对应当前对象的提示信息。
基于上述实施场景，接下来本发明实施例提供的信息处理方法进行说明。图2为本发明实施例提供的信息处理方法的一个可选的流程示意图，如图2所示，本发明实施例提供的信息处理方法包括步骤101至步骤104，以下分别进行说明。
步骤101：获取目标场所对应的对象库，所述对象库中包括至少一个目标对象的特征信息。
在一实施例中，可通过如下方式获取目标场所对应的对象库：
确定所述目标场所对应的场所类别；基于确定的所述场所类别，获取与所述场所类别所对应的对象库。所述场所类别如：商品交易场所(超市、商场)、写字楼等。
在一实施例中，所述基于确定的所述场所类别，获取与所述场所类别所对应的对象库，包括：
获取特定区域范围内与所述目标场所的场所类别相同的至少一个第一场所对应的对象库；
合并各所述第一场所对应的对象库为与所述目标场所对应的对象库。
在一实施例中，还可通过如下方式获取目标场所对应的对象库：
获取与所述目标场所相关联的至少一个第二场所对应的对象库；
合并各所述第二场所对应的对象库为与所述目标场所对应的对象库。
步骤102：采集所述目标场所的视频图像，并对所述视频图像进行特征提取，得到当前对象的特征信息。
这里，在实际应用中，可以通过摄像头进行视频图像的抓拍，或者通过摄像头进行视频流采集，然后对采集的视频流进行解码，得到视频图像。在实际实施时，摄像头可以设置于商品交易场所中，如超市、商场等，以对商品交易场所中的目标区域进行监控，例如将摄像头设置于超市的出入口处，以对出入口处的人流进行监控；或者将摄像头设置于超市中某商品的售卖处，以对该商品所处范围进行监控。
在一实施例中，采集所述目标场所的视频图像之后，还可以包括：对获取的帧图像视频图像进行对象检测，得到对应当前对象的目标图像。
在一实施例中，可通过如下方式得到对应当前对象的目标图像：
将获取的所述视频图像输入预设的神经网络模型，得到对应所述当前对象的图像区域；从所述视频图像中分离出所述图像区域，得到对应当前对象的目标图像。在实际实施时，预设的神经网络模型可以为卷积神经网络模型。
在一些实施例中，对获取的视频图像进行对象检测可以为进行人脸检测，得到对应人脸的目标图像；例如：将获取的视频图像输入预设的卷积神经网络模型，得到对应人脸的图像区域，从获取的视频图像中分离出人脸区域，得到对应人脸的目标图像。如此，通过人脸检测可知获取的视频图像中是否包括人脸，并在存在人脸的情况下进行人脸定位，为后续的处理(如人脸识别)做准备。
在一实施例中，可以通过预设的神经网络模型(如卷积神经网络模型)对视频图像进行特征提取，提取得到的用于描述当前对象的特征信息，即得到用于描述当前对象的多个对象特征，而多个对象特征可以为多个特征点。
这里的特征点可以作以下理解：在图像中能够反映对象的局部特征(如颜色特征、形状特征和纹理特征)的点，一般为多个像素点的集合，以人脸图像为例，特征点可以是眼睛特征点、嘴巴特征点或鼻子特征点等。如此，当对象为人脸时，通过对目标图像的特征提取，得到用于描述人脸的多个人脸特征点，图3为本发明实施例提供的提取的人脸特征点的示意图，参见图3，图3中示出了130个特征点，在实际实施时，可以依据实际需要进行特征点数目的设定，如可以为200。
在一实施例中，可以通过如下方式得到用于描述所述当前对象的多个对象特征：
提取目标图像中的关键特征点；基于所提取的所述关键特征点，进行对象特征建模，得到用于描述所述对象的多个对象特征。其中，关键特征点可以为目标图像的所有特征点或部分特征点；当对象为人脸时，通过特征建模，依据人脸器官的形状描述以及它们之间的距离特性来获得有助于人脸分类的特征数据，建立关键特征点及关键特征点之间的距离特性的几何描述，作为识别人脸的特征。图4为本发明实施例提供的提取的人脸的多个特征的示意图，参见图4，连接关键特征点形成多个三角形，以三角形为单位，每一个由关键特征点构成的三角形可看作人脸的一个特征。
步骤103：通过深度神经网络，对所述当前对象的特征信息及所述至少一个目标对象的特征信息进行比对，得到比对结果。
在一实施例中，可通过如下方式实现特征信息比对：将所当前对象的多个对象特征与对象库中每个目标对象对应的多个对象特征进行特征匹配(比对)；当匹配程度达到预设的匹配(比对)阈值时，确定所述目标图像所对应的当前对象。在实际实施时，对象库中存储了多个目标对象的特征信息，每个目标对象对应多个对象特征，也即目标对象与对象特征存在一对多的映射关系，所述匹配阈值可以依据实际需要进行设定，如0.8，当匹配程度达到匹配阈值时，如目标对象对应的对象特征共有100个，其中有85个对象特征匹配成功，则其匹配程度为0.85，达到匹配阈值，通过对象特征与目标对象的映射关系，进而确定对应目标图像的目标对象。
仍以当前对象为人脸为例，当然，在实际应用中，并不限于人脸，如可以为动物，假如经特征提取得到人脸的200个特征点(亦可为上文所述的关键特征点构成的三角形)，将提取的200个特征点分别与对象库中每个人脸的200个特征点进行匹配，当匹配程度达到预设的匹配阈值(如0.75)时，通过对象库中特征点与人脸的映射关系，可确定具体的人脸，即完成人脸识别，确定具体的用户。
在实际应用中，不同的应用场景下对象库中的目标对象可以位于黑名单和/或白名单，例如：为了防止超市中商品损坏、丢失等，依据商品的历史损坏记录设置黑名单，当对获取的视频图像进行处理识别得到当前对象(具体的某个人)，即通过特征信息的比对确定特征信息的相似度达到比对阈值时，可知当前对象位于黑名单中，进而可判断该用户(当前对象)有过不良行为。再如：为了对商场中的高级会员提供特定服务(如进行单独的商品信息推送、专人服务等)，设置白名单，当通过特征信息的比对确定特征信息的相似度达到比对阈值时，可知当前对象位于白名单中，进而可判断当前对象为高级会员，可对当前对象进行后续处理。再如：为了防止非员工进入员工专属区域，设置白名单(记录员工信息)，当通过特征信息的比对确定特征信息的相似度未达到比对阈值时，可知当前对象没有位于员工白名单中，可判断为非员工，进而可对当前对象进行后续处理。
步骤104：基于所述比对结果，生成对应所述当前对象的提示信息。
在一实施例中，生成对应当前对象的提示信息具体可以为：生成对应当前对象的告警提示信息；所述告警提示信息用于提示所述当前对象所对应的历史不良行为；所述告警提示信息包括以下至少之一：音频告警提示信息、光告警提示信息、UI告警提示信息。例如：对于超市中防止商品损坏的场景来说，当对识别得到的当前对象(用户)的黑名单匹配成功时，生成对应该目标对象的告警提示信息，进而可使得管理人员得知该用户曾实施过不良行为(如进行商品损坏等)，进而进行预防。在实际应用中，音频告警提示信息可以为蜂鸣告警、语音告警等，光告警提示信息如灯光闪烁告警，UI告警提示信息如在用户界面上循环播放的文字告警提示。
在一实施例中，生成对应当前对象的告警提示信息之后，可以生成对应所述当前对象的不良行为的警示信息；并发送生成的警示信息至当前对象的终端。例如：对识别得到的当前对象(用户)的黑名单匹配成功，生成对应该用户的警示信息(如：商品损坏，罚款XX，请文明购物)，获取该用户的终端号码后发送生成的警示信息至该用户的终端，参见图5A，图5A为本发明实施例提供的发送至终端的警示信息的示意图。
在一实施例中，生成对应当前对象的告警提示信息之后，可以发送生成的告警提示信息至管理用户终端，进而使得管理用户实时获知，进行商品损坏等的预防。
示例性地，将摄像头设置于某重点区域(如非员工不可入内的区域，即专属员工区域)，设置白名单，白名单中存储的仅员工信息，当对摄像头采集的图像进行特征信息提取后，基于对象库进行白名单匹配，若匹配成功不作处理，若匹配失败，生成对应采集图像中当前对象的告警提示信息，提示非员工进入该区域，使得管理人员得知非员工进入，进行相应的处理，同时还可发送警示信息至该用户的终端，如：进入员工区域，请其快速离开。
在一实施例中，生成对应当前对象的提示信息具体可以为：生成对应当前对象的服务提示信息；所述服务提示信息用于提示为当前对象提供特定服务；所述服务提示信息包括以下至少之一：音频服务提示信息、光服务提示信息、UI服务提示信息。例如：对识别得到的当前对象(用户)的白名单匹配成功，生成对应该用户的服务提示信息，进而可使得管理人员得知该用户(如高级会员)的进入(商场、超市等)，需要为该用户提供特定服务，如进行特定商品信息的推送等。
相应的，生成对应所述当前对象的服务提示信息之后，可进一步获取与所述当前对象关联的历史商品信息；将所获取的所述历史商品信息推送至所述目标对象的终端。这里，当当前对象为人(用户)时，与目标对象关联的商品信息可以为基于该用户的购买记录得到的该用户偏爱的商品，或者为用户关注的商品等。例如，经白名单匹配得知用户为商场的高级会员后，获取与该用户关联的商品信息(如XX品牌的衣服/化妆品)，将获取的商品信息(XX品牌正在打折，速速抢购)发送至该用户的终端，参见图5B，图5B为本发明实施例提供的发送至终端的商品信息的示意图。
在一实施例中，生成对应当前对象的服务提示信息之后，可以进一步发送生成的服务提示信息至管理用户终端，进而使得管理用户实时获知，及时为当前对象提供特定服务，如提供专人服务。
在一实施例中，生成对应当前对象的提示信息具体可以为：生成对应当前对象的统计提示信息；所述统计提示信息用于提示对当前对象数量的数据统计结果；所述统计提示信息包括以下至少之一：语音统计提示信息、UI统计提示信息。在实际应用中，进行黑名单及白名单，或者经白名单的匹配后，对匹配得到的当前对象进行数量统计，进而生成对应当前对象的统计提示信息；例如：将摄像头设置在超市的入口处，经过对一天内采集的图像的处理，识别图像中的用户，统计一天内超市入口处的客流量。
应用本发明上述实施例，通过深度神经网络，对采集的视频图像中当前对象的特征信息及对象库中目标对象的特征信息进行比对，基于比对结果自动生成对应当前对象的提示信息，如此，无需专人监控视频画面，用户可以基于生成的提示信息进行相应的处理，大大降低了人力成本，且监控效率高、避免了图像信息的遗漏，提高了用户体验。
接下来以应用场景为防止超市中商品破损、丢失为例进行说明，图6为本发明实施例提供的信息处理方法的一个可选的流程示意图，图7为本发明实施例提供的信息处理方法的另一个可选的流程示意图，结合图6、图7所示，本发明实施例提供的信息处理方法包括：
步骤201：摄像头进行目标区域的视频流采集，发送视频流给人脸识别设备。
这里，在实际应用中，摄像头可以设置于超市的重点商品易损区域，使得摄像头采集的图像覆盖目标区域，进行目标区域的视频流采集，采集的视频流可以为实时流传输协议(RTSP，Real Time Streaming Protocol)视频流。
步骤202：人脸识别设备对视频流进行解码，得到视频图像。
步骤203：人脸识别设备对视频图像进行人脸检测，得到对应人脸的目标图像。
这里，在实际实施时，服务器可将视频图像输入预设的神经网络模型(如卷积神经网络模型)，得到对应人脸的图像区域；从视频图像中分离出所述图像区域，得到对应人脸的目标图像。
步骤204：人脸识别设备基于获取的对象库对目标图像进行人脸识别，得到目标人脸。
在本实施例中，对象库为对应超市的对象库，对象库中的目标对象位于预设的对象黑名单中，人脸识别设备可通过如下方式进行人脸识别：对目标图像进行特征点提取，将提取得到的多个特征点与对象库中人脸对应的特征点进行匹配，当匹配程度达到预设的匹配阈值时，确定相应的目标人脸，也即确定相应的目标用户。
步骤205：人脸识别设备发送识别得到的目标人脸信息给终端。
这里，在实际实施时，人脸识别设备可发送识别得到的目标人脸对应的标识给终端。
步骤206：终端生成对应目标人脸的告警提示信息。
这里，在实际应用中，黑名单记录了曾有过不良行为(如偷盗商品、损坏商品等)记录的用户，若经人脸识别得到的用户与黑名单中的用户匹配成功，表明该目标人脸对应的用户存在偷盗商品、损坏商品等的风险，生成对应该用户的告警提示信息。在一实施例中，生成的告警提示信息可以为音频告警、光告警、UI告警中至少之一。
步骤207：发送识别结果至管理用户终端。
在实际应用中，当通过人脸识别，识别得到目标人脸后，将识别结果发送给管理用户，以使管理人员在收到识别结果后及时处理，如通过摄像头单独监控匹配到的用户，预防该用户再次实施商品破坏、偷盗行为。
步骤208：生成并发送警示信息至目标人脸对应的目标用户终端。
这里，当对目标人脸用户的黑名单匹配成功时，为了预防该用户再次实施不良行为，可对其给予提示，如生成“商品损坏，罚款XX，请文明购物”的警示信息，并发送警示信息至该用户的终端。
需要说明的是步骤207及步骤208的顺序不作限定，在实际实施时可互换或同时执行。
应用本发明上述实施例，可自动实现对超市人员的监控、识别及黑名单匹配，并在黑名单匹配成功时生成相应的告警提示信息，进而预防，大大降低了商品损坏、偷盗的风险，提高了监控效率，并降低了人力成本，提高了用户体验。
接下来以应用场景为提供特定服务给商场中的高级会员为例进行说明，图8为本发明实施例提供的信息处理方法的一个可选的流程示意图，如图8所示，本发明实施例提供的信息处理方法包括：
步骤301：摄像头进行目标区域的视频流采集，发送视频流给人脸识别设备。
这里，在实际应用中，摄像头可以设置于商场的入口区域，使得摄像头可对进入商场的人员图像进行采集，采集的视频流可以为RTSP视频流。
步骤302：人脸识别设备对视频流进行解码，得到视频图像。
步骤303：人脸识别设备对视频图像进行人脸检测，得到对应人脸的目标图像。
这里，在实际实施时，服务器可将视频图像输入预设的神经网络模型(如卷积神经网络模型)，得到对应人脸的图像区域；从视频图像中分离出所述图像区域，得到对应人脸的目标图像。
步骤304：人脸识别设备基于获取的对象库对目标图像进行人脸识别，得到目标人脸。
在本实施例中，对象库为对应商场的对象库，对象库中的目标对象位于预设的对象白名单中，人脸识别设备可通过如下方式进行人脸识别：对目标图像进行特征点提取，将提取得到的多个特征点与对象库中人脸对应的特征点进行匹配，当匹配程度达到预设的匹配阈值时，确定相应的目标人脸，也即确定相应的目标用户。
步骤305：人脸识别设备发送识别得到的目标人脸信息给终端。
这里，在实际实施时，人脸识别设备可发送识别得到的目标人脸对应的标识给终端。
步骤306：终端生成对应目标人脸的服务提示信息。
这里，在实际应用中，白名单记录了商场的高级会员信息，若惊人脸识别得到的用户与白名单中的用户匹配成功，表明识别得到的用户为高级会员，生成对应该高级会员的服务提示信息，以提示为该用户提供特定服务。在实际应用中，该服务提示信息可以为语音服务提示、UI服务提示等。
步骤307：发送识别结果至管理用户终端。
这里，将识别结果发送给管理用户，以使管理人员在收到识别结果后及时处理，如对识别得到的高级会员提供专人服务。
步骤308：获取并发送与目标人脸对应的目标用户相关联的商品信息至目标用户终端。
需要说明的是步骤307及步骤308的顺序不作限定，在实际实施时可互换或同时执行。
在实际应用中，与目标用户相关联的商品信息可以为该用户关注或喜爱的商品，发送该商品对应的信息(如：XX品牌上新喽！或者，您喜爱的XX正在打折促销)至目标用户终端，以使目标用户快速了解到自己喜欢或关注的商品。
应用本发明上述实施例，自动实现对商场人员的监控、识别及白名单匹配，并在白名单匹配成功时生成相应的服务提示信息，进而为匹配到的用户提供特定服务，提高了监控效率，并降低了人力成本，提高了用户体验。
接下来以应用场景为对员工专属区域进行监控为例进行说明，图9为本发明实施例提供的信息处理方法的一个可选的流程示意图，如图9所示，本发明实施例提供的信息处理方法包括：
步骤401：摄像头进行目标区域的视频流采集，发送视频流给人脸识别设备。
这里，在实际应用中，将员工专属区域视为目标区域，设置摄像头使其可以对员工专属区域的人员图像信息进行采集，采集的视频流可以为RTSP视频流。
步骤402：人脸识别设备对视频流进行解码，得到视频图像。
步骤403：人脸识别设备对视频图像进行人脸检测，得到对应人脸的目标图像。
这里，在实际实施时，服务器可将视频图像输入预设的神经网络模型(如卷积神经网络模型)，得到对应人脸的图像区域；从视频图像中分离出所述图像区域，得到对应人脸的目标图像。
步骤404：人脸识别设备对目标图像进行人脸识别，得到识别结果。
在本实施例中，对象库为对应员工专属区域的对象库，对象库中的目标对象位于预设的对象白名单中，人脸识别设备可通过如下方式进行人脸识别：对目标图像进行特征点提取，将提取得到的多个特征点与对象库中人脸对应的特征点进行匹配，当匹配程度达到预设的匹配阈值时，确定相应的目标人脸，也即确定相应的目标用户；当匹配程度未达到预设的匹配阈值时，确定识别失败。
步骤405：人脸识别设备发送识别结果给终端。
这里，在实际实施时，人脸识别设备若确定相应的目标人脸可发送识别得到的目标人脸对应的标识给终端，若识别失败则发送识别失败的结果给终端，在本实施例中，人脸识别设备的人脸识别结果为识别失败。
步骤406：终端生成告警提示信息。
这里，在实际应用中，白名单记录了员工信息，若经白名单匹配成功(人脸识别成功)表明识别得到的目标用户(目标人脸对应的用户)为员工，若匹配失败(人脸识别失败)表明非员工进入员工专属区域，进而生成告警提示信息。在一实施例中，生成的告警提示信息可以为音频告警、光告警、UI告警中至少之一。
步骤407：发送识别结果至管理用户终端。
在实际应用中，当进行白名单匹配失败后，及时的将匹配结果发送给管理用户，以使管理人员在收到匹配结果后及时的发现非员工进入员工专属区域，进而进行及时的处理，如通知该用户离开。
应用本发明上述实施例，可自动实现对员工专属区域的监控、识别及白名单匹配，并在白名单匹配失败时生成相应的告警提示信息，使得管理人员及时的发现非员工的进入，提高了监控效率，并降低了人力成本，提高了用户体验。
图10为本发明实施例提供的信息处理装置的组成结构示意图，如图10所示，装置包括：
获取单元51，用于获取目标场所对应的对象库，所述对象库中包括至少一个目标对象的特征信息；
提取单元52，用于采集所述目标场所的视频图像，并对所述视频图像进行特征提取，得到当前对象的特征信息；
比对单元53，用于通过深度神经网络，对所述当前对象的特征信息及所述至少一个目标对象的特征信息进行比对，得到比对结果；
生成单元54，用于基于所述比对结果，生成对应所述当前对象的提示信息。
在一实施例中，所述获取单元，还用于确定所述目标场所对应的场所类别；
基于确定的所述场所类别，获取与所述场所类别所对应的对象库。
在一实施例中，所述获取单元，还用于获取特定区域范围内与所述目标场所的场所类别相同的至少一个第一场所对应的对象库；
合并各所述第一场所对应的对象库为与所述目标场所对应的对象库。
在一实施例中，所述获取单元，还用于获取与所述目标场所相关联的至少一个第二场所对应的对象库；
合并各所述第二场所对应的对象库为与所述目标场所对应的对象库。
在一实施例中，所述装置还包括检测单元，还用于将获取的所述视频图像输入预设的神经网络模型，得到对应所述当前对象的图像区域；
从所述视频图像中分离出所述图像区域，得到对应所述当前对象的目标图像。
在一实施例中，所述提取单元52，还用于提取所述目标图像中的关键特征点；
基于所提取的所述关键特征点，进行对象特征建模，得到用于描述所述当前对象的多个对象特征。
在一实施例中，所述比对单元53，还用于将当前对象的特征信息与所述对象库中目标对象的特征信息进行特征比对；
若当前对象的特征信息与目标对象的特征信息的相似程度达到预设的相似度阈值时，确定所述视频图像所对应的目标对象。
在一实施例中，所述生成单元54，还用于生成对应所述当前对象的告警提示信息；所述告警提示信息用于提示所述当前对象所对应的历史不良行为；
所述告警提示信息包括以下至少之一：音频告警提示信息、光告警提示信息、用户界面UI告警提示信息。
在一实施例中，所述生成单元54，还用于生成对应所述当前对象的历史不良行为的警示信息；
发送所述警示信息至所述当前对象的终端。
在一实施例中，所述生成单元54，还用于生成对应所述当前对象的服务提示信息；所述服务提示信息用于提示为所述当前对象提供特定服务；
所述服务提示信息包括以下至少之一：音频服务提示信息、光服务提示信息、UI服务提示信息。
在一实施例中，所述生成单元54，还用于获取与所述当前对象关联的历史商品信息；
将所获取的所述历史商品信息推送至所述当前对象的终端。
在一实施例中，所述生成单元54，还用于发送对应所述当前对象的比对结果至管理用户终端。
在一实施例中，所述提取单元52，还用于对商品交易场所中的目标区域进行视频流采集；并对采集的视频流进行解码，得到所述视频图像。
本发明实施例还提供了一种信息处理装置，包括：
存储器，用于存储可执行程序；
处理器，用于执行所述存储器中存储的可执行程序时，实现：
获取目标场所对应的对象库，所述对象库中包括至少一个目标对象的特征信息；
采集所述目标场所的视频图像，并对所述视频图像进行特征提取，得到当前对象的特征信息；
通过深度神经网络，对所述当前对象的特征信息及所述至少一个目标对象的特征信息进行比对，得到比对结果；
基于所述比对结果，生成对应所述当前对象的提示信息。
本发明实施例的信息处理装置作为硬件实体的一个示例如图11所示。所述小程序中的信息处理装置包括处理器61、存储器62以及至少一个外部通信接口63；其中，存储器62中存储有存储介质621；所述处理器61、存储器62以及外部通信接口63均通过总线64连接。
本发明实施例还提供了一种存储介质，存储有可执行程序，所述可执行程序被处理器执行时，实现本发明实施例上述的信息处理方法。
这里需要指出的是：以上涉及信息处理装置的描述，与上述信息处理方法描述是类似的，同方法的有益效果描述，不做赘述，基于信息处理装置的描述，与上述信息处理方法描述是类似的，同方法的有益效果描述，不做赘述。对于本发明所述信息处理装置实施例中未披露的技术细节，请参照本发明方法实施例的描述。
实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、随机存取存储器(RAM，Random Access Memory)、只读存储器(ROM，Read-Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、RAM、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但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。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种信息处理方法，其特征在于，所述方法包括：
获取目标场所对应的对象库，所述对象库中包括至少一个目标对象的特征信息；
采集所述目标场所的视频图像，并对所述视频图像进行特征提取，得到当前对象的特征信息；
通过深度神经网络，对所述当前对象的特征信息及所述至少一个目标对象的特征信息进行比对，得到比对结果；
基于所述比对结果，生成对应所述当前对象的提示信息。
2.如权利要求1所述的方法，其特征在于，所述获取目标场所对应的对象库，包括：
确定所述目标场所对应的场所类别；
基于确定的所述场所类别，获取与所述场所类别所对应的对象库。
3.如权利要求2所述的方法，其特征在于，所述基于确定的所述场所类别，获取与所述场所类别所对应的对象库，包括：
获取特定区域范围内与所述目标场所的场所类别相同的至少一个第一场所对应的对象库；
合并各所述第一场所对应的对象库为与所述目标场所对应的对象库。
4.如权利要求1或2所述的方法，其特征在于，所述获取目标场所对应的对象库，包括：
获取与所述目标场所相关联的至少一个第二场所对应的对象库；
合并各所述第二场所对应的对象库为与所述目标场所对应的对象库。
5.如权利要求1或2所述的方法，其特征在于，所述对所述视频图像进行特征提取之前，还包括：
将获取的所述视频图像输入预设的神经网络模型，得到对应当前对象的图像区域；
从所述视频图像中分离出所述图像区域，得到对应当前对象的目标图像。
6.如权利要求1或2所述的方法，其特征在于，所述对所述当前对象的特征信息及所述至少一个目标对象的特征信息进行比对，得到比对结果，包括：
将当前对象的特征信息与所述对象库中目标对象的特征信息进行特征比对；
若当前对象的特征信息与目标对象的特征信息的相似程度达到预设的相似度阈值时，确定所述视频图像所对应的目标对象。
7.如权利要求1或2所述的方法，其特征在于，所述生成对应所述当前对象的提示信息，包括：
生成对应所述当前对象的告警提示信息；所述告警提示信息用于提示所述当前对象所对应的历史不良行为；
所述告警提示信息包括以下至少之一：音频告警提示信息、光告警提示信息、用户界面UI告警提示信息。
8.一种信息处理装置，其特征在于，包括：
获取单元，用于获取目标场所对应的对象库，所述对象库中包括至少一个目标对象的特征信息；
提取单元，用于采集所述目标场所的视频图像，并对所述视频图像进行特征提取，得到当前对象的特征信息；
比对单元，用于通过深度神经网络，对所述当前对象的特征信息及所述至少一个目标对象的特征信息进行比对，得到比对结果；
生成单元，用于基于所述比对结果，生成对应所述当前对象的提示信息。
9.一种信息处理装置，其特征在于，包括：
存储器，用于存储可执行程序；
处理器，用于执行所述存储器中存储的可执行程序时，实现如权利要求1至7任一项所述的信息处理方法。
10.一种存储介质，其特征在于，存储有可执行程序，所述可执行程序被处理器执行时，实现如权利要求1至7任一项所述的信息处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810351127.6A CN108647581A (zh) | 2018-04-18 | 2018-04-18 | 信息处理方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810351127.6A CN108647581A (zh) | 2018-04-18 | 2018-04-18 | 信息处理方法、装置及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108647581A true CN108647581A (zh) | 2018-10-12 |
Family
ID=63746763
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810351127.6A Pending CN108647581A (zh) | 2018-04-18 | 2018-04-18 | 信息处理方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108647581A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109376672A (zh) * | 2018-10-31 | 2019-02-22 | 银河水滴科技（北京）有限公司 | 基于生物特征识别的目标对象定位方法及装置 |
| CN109389097A (zh) * | 2018-10-31 | 2019-02-26 | 银河水滴科技（北京）有限公司 | 一种识别方法及识别装置 |
| CN109598190A (zh) * | 2018-10-23 | 2019-04-09 | 深圳壹账通智能科技有限公司 | 用于动作识别的方法、装置、计算机设备及存储介质 |
| CN112149520A (zh) * | 2020-09-03 | 2020-12-29 | 上海趋视信息科技有限公司 | 一种多目标管理方法、系统及装置 |
| CN112733620A (zh) * | 2020-12-23 | 2021-04-30 | 深圳酷派技术有限公司 | 信息提示方法、装置、存储介质及电子设备 |
| TWI783199B (zh) * | 2019-12-25 | 2022-11-11 | 亞旭電腦股份有限公司 | 臉部辨識的處理方法及電子裝置 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103606093A (zh) * | 2013-10-28 | 2014-02-26 | 燕山大学 | 一种基于人体特征的连锁机构vip客户智能服务系统 |
| CN105426850A (zh) * | 2015-11-23 | 2016-03-23 | 深圳市商汤科技有限公司 | 一种基于人脸识别的关联信息推送设备及方法 |
| CN105488478A (zh) * | 2015-12-02 | 2016-04-13 | 深圳市商汤科技有限公司 | 一种人脸识别系统和方法 |
| CN105631430A (zh) * | 2015-12-30 | 2016-06-01 | 浙江宇视科技有限公司 | 一种人脸图像的匹配方法和装置 |
| CN106372572A (zh) * | 2016-08-19 | 2017-02-01 | 北京旷视科技有限公司 | 监控方法和装置 |
| CN106570726A (zh) * | 2016-10-27 | 2017-04-19 | 浙江工商职业技术学院 | 一种商场客流计算数据处理系统 |
| CN107067510A (zh) * | 2017-03-27 | 2017-08-18 | 杭州赛狐科技有限公司 | 一种无人值守超市购物系统 |
| CN107301578A (zh) * | 2016-04-15 | 2017-10-27 | 上海新飞凡电子商务有限公司 | 获取以及识别客户信息的方法及其装置 |
| CN107730783A (zh) * | 2017-10-19 | 2018-02-23 | 安徽小豆网络科技有限公司 | 基于自助收银机的无人便利店运营系统 |
-
2018
- 2018-04-18 CN CN201810351127.6A patent/CN108647581A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103606093A (zh) * | 2013-10-28 | 2014-02-26 | 燕山大学 | 一种基于人体特征的连锁机构vip客户智能服务系统 |
| CN105426850A (zh) * | 2015-11-23 | 2016-03-23 | 深圳市商汤科技有限公司 | 一种基于人脸识别的关联信息推送设备及方法 |
| CN105488478A (zh) * | 2015-12-02 | 2016-04-13 | 深圳市商汤科技有限公司 | 一种人脸识别系统和方法 |
| CN105631430A (zh) * | 2015-12-30 | 2016-06-01 | 浙江宇视科技有限公司 | 一种人脸图像的匹配方法和装置 |
| CN107301578A (zh) * | 2016-04-15 | 2017-10-27 | 上海新飞凡电子商务有限公司 | 获取以及识别客户信息的方法及其装置 |
| CN106372572A (zh) * | 2016-08-19 | 2017-02-01 | 北京旷视科技有限公司 | 监控方法和装置 |
| CN106570726A (zh) * | 2016-10-27 | 2017-04-19 | 浙江工商职业技术学院 | 一种商场客流计算数据处理系统 |
| CN107067510A (zh) * | 2017-03-27 | 2017-08-18 | 杭州赛狐科技有限公司 | 一种无人值守超市购物系统 |
| CN107730783A (zh) * | 2017-10-19 | 2018-02-23 | 安徽小豆网络科技有限公司 | 基于自助收银机的无人便利店运营系统 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109598190A (zh) * | 2018-10-23 | 2019-04-09 | 深圳壹账通智能科技有限公司 | 用于动作识别的方法、装置、计算机设备及存储介质 |
| CN109376672A (zh) * | 2018-10-31 | 2019-02-22 | 银河水滴科技（北京）有限公司 | 基于生物特征识别的目标对象定位方法及装置 |
| CN109389097A (zh) * | 2018-10-31 | 2019-02-26 | 银河水滴科技（北京）有限公司 | 一种识别方法及识别装置 |
| TWI783199B (zh) * | 2019-12-25 | 2022-11-11 | 亞旭電腦股份有限公司 | 臉部辨識的處理方法及電子裝置 |
| CN112149520A (zh) * | 2020-09-03 | 2020-12-29 | 上海趋视信息科技有限公司 | 一种多目标管理方法、系统及装置 |
| CN112733620A (zh) * | 2020-12-23 | 2021-04-30 | 深圳酷派技术有限公司 | 信息提示方法、装置、存储介质及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108647581A (zh) | 信息处理方法、装置及存储介质 | |
| JP7229662B2 (ja) | ビデオ監視システムで警告を発する方法 | |
| CN108197565A (zh) | 基于人脸识别的目标寻踪方法及系统 | |
| CN107564225A (zh) | 一种图像检测报警系统 | |
| CN109376577A (zh) | 视频综合分析方法及系统 | |
| CN109495727B (zh) | 智能监控方法及装置、系统、可读存储介质 | |
| JP6573185B1 (ja) | 情報処理システム、情報処理方法及びプログラム | |
| AU2013315478A1 (en) | System and method for generating semantic annotations | |
| KR101957677B1 (ko) | 얼굴인식을 통한 학습형 실시간 안내 시스템 및 그 안내 방법 | |
| CN109598251A (zh) | 人证核验方法、装置、设备和系统及存储介质 | |
| CN110766849A (zh) | 小区门禁对外卖人员自动识别的方法、装置、设备及介质 | |
| JP2023525548A (ja) | 識別方法、機器、セキュリティシステム及び記憶媒体 | |
| US20150287306A1 (en) | Proactive Loss Prevention System | |
| Arikuma et al. | Intelligent multimedia surveillance system for safer cities | |
| CN109120896B (zh) | 安防视频监控卫士系统 | |
| JP2018116481A (ja) | 報知装置、報知システムおよび報知方法 | |
| CN109660765A (zh) | 社区监控系统及社区监控方法 | |
| CN114663834A (zh) | 一种快递存放现场监控方法 | |
| CN112989993A (zh) | 记录方法、记录系统以及计算机可读存储介质 | |
| KR102049244B1 (ko) | 안면인식을 이용한 회원관리 및 방문객 모니터링 장치 및 방법 | |
| CN210377737U (zh) | 基于视频的防盗报警系统 | |
| CN113012006A (zh) | 一种智能侦查研判方法、系统、计算机设备及存储介质 | |
| Salman et al. | A low-cost internet of things-based home security system using computer vision | |
| Wang et al. | Who is here: Location aware face recognition | |
| CN111753756A (zh) | 基于对象识别的布控报警方法、装置及存储介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181012 |
|
| RJ01 | Rejection of invention patent application after publication |