CN109117745B - 一种基于建筑信息模型的云端人脸识别与定位方法 - Google Patents
一种基于建筑信息模型的云端人脸识别与定位方法 Download PDFInfo
- Publication number
- CN109117745B CN109117745B CN201810810248.2A CN201810810248A CN109117745B CN 109117745 B CN109117745 B CN 109117745B CN 201810810248 A CN201810810248 A CN 201810810248A CN 109117745 B CN109117745 B CN 109117745B
- Authority
- CN
- China
- Prior art keywords
- face
- cloud
- information
- building
- face 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000001680 brushing effect Effects 0.000 claims abstract description 5
- 238000012545 processing Methods 0.000 claims description 20
- 238000001514 detection method Methods 0.000 claims description 14
- 230000003321 amplification Effects 0.000 claims description 11
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 8
- 230000007704 transition Effects 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 7
- 238000013135 deep learning Methods 0.000 claims description 6
- 238000007865 diluting Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 230000001815 facial effect Effects 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000005562 fading Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 210000000697 sensory organ Anatomy 0.000 claims description 3
- 238000005728 strengthening Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 20
- 230000010354 integration Effects 0.000 abstract description 4
- 239000002699 waste material Substances 0.000 abstract description 2
- 238000007726 management method Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005192 partition Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000010146 3D printing Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
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
- G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
-
- 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
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Geometry (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Tourism & Hospitality (AREA)
- Software Systems (AREA)
- Human Resources & Organizations (AREA)
- Computer Graphics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Economics (AREA)
- Computer Security & Cryptography (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Collating Specific Patterns (AREA)
- Alarm Systems (AREA)
Abstract
本发明提出一种基于建筑信息模型的云端人脸识别与定位方法，包括：云端BIM信息库构建；人脸特征信息提取与云端存储；云端人脸识别实施；终端功能子系统接入云端系统。本发明由云端多源信息数据库、云端计算单元、云端管理平台、外部摄像装置等共同协调完成，可有效解决现有人脸识别技术速度不快、信息集成度不高、应用范围小、资源浪费严重、信息不能共享等问题，能够广泛应用于城乡建筑逻辑门禁、智能考勤、摄像定位、人员搜索管理、刷脸支付、120救护等方面。
Description
技术领域
本发明涉及土木建筑、图像处理、信息技术等交叉学科领域，具体涉及一种基于建筑信息模型的云端人脸识别与定位方法。
背景技术
建筑信息模型(BIM,Building Information Modeling)是互联网时代，以三维数字技术为基础，集成了建筑工程项目规划、勘察、设计、建造、运维全生命周期的信息模型，包括建筑的几何、物理、性能、过程等信息。目前，与BIM融合的技术不断涌现，如BIM+VR、BIM+GIS、BIM+3D打印等。
人脸识别技术是基于人的脸部特征信息进行身份识别的一种生物识别技术；用摄像头等图像采集设备采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部特征提取与信息应用的一系列相关技术。目前人脸识别技术在商场、办公楼、火车站等场所广泛应用，但是主要基础痛点在于“各元信息孤立封闭，识别模式传统单一”，即没有突破传统的理念束缚，只是在生物识别技术范畴内进行人脸特征信息的单一应用，如人脸识别解锁，人脸识别门禁、人脸识别考勤等，各系统独立性强，并没有实现真正意义上的多信息、多技术、多领域的技术集成融合。
人与建筑是城市的两大核心要素，两者处于相互影响、相互作用、相互依存的动态系统之中，空间上人群的流动以及时间维度的变化，使人与建筑在城市(乡)域中形成了一个复杂多元的网络，迫切需要发展一种基于建筑物的更强大、精准的人脸识别新技术来打通城市人与建筑物信息关联的通道，实现在必要的空间或时间上对人的动态行为进行监管，同时将多源信息集成关联，构建门禁考勤、室内定位、刷脸支付等子系统，服务于城市域下的人群，构建人与建筑和谐共生的智慧生态网络。
综上，本发明提出一种基于建筑信息模型的云端人脸识别与定位方法，实现城市内人与建筑的深度融合。
发明内容
本发明首次提出一种基于建筑信息模型的云端人脸识别与定位方法，其采用以下的技术方案实现：
一种基于建筑信息模型的云端人脸识别与定位方法，包括：
步骤A、云端BIM信息库的构建
A1、利用BIM建模软件建立区域下的BIM建筑模型；
A2、将BIM模型划分为具有层次的域，并将不同的域分别进行编码；
A3、BIM模型导出IFC格式，用IFC解析工具剔除模型附带的属性信息，只保留建筑几何信息；
A4、将剥离属性信息的BIM几何模型植入云端数据库，依据A2步骤中所分的区域及编码，在数据库设定每个区域的读取端口；
步骤B、人脸特征信息提取与云端存储
B1、获取特征信息；
B2、人脸检测：依据人脸经验算法，对获取到的数据源进行人脸检测，进而轮廓线选择出人脸区域；
B3、预处理：将彩色照片转化成灰度照片，继续转为像素点集，去掉人脸以外部分的冗余点数据，进一步稀释处理，去掉平滑过渡的点；
B4、放大权重处理：引入放大权重处理系数s来表示其放大程度，对五官、人脸轮廓等关键特征点进行放大强化，s>1，对于脸部、头部等非关键特征点进行淡化，s<1；此操作进一步简化人脸特征脸比率的特征值矩阵，即去除某些不必要特征点的表达，加强人脸某些不易受表情、年龄等因素变化特征部位的表达；一般可放大权重的部位有人脸轮廓特征点组、眼部特征点组、嘴鼻特征点组及各组合间构成的特征比例等；放大权重处理的程度可用放大权重系数s表示。
B5、将处理好的人脸特征值依据其常驻地点，按照步骤A2中的域进行分类，并植入云端数据库存储，根据对应关系映射至BIM数据库与用户信息数据库；
步骤C、云端人脸识别实施；
步骤D、终端功能子系统接入云端系统。
进一步地，所述步骤C包括：
C1、设备架设：建筑内部安装全景摄像头，全面覆盖建筑内部，依据步骤A2的分区，架设云端处理单元，用以运行该区域的人脸识别，各云端处理单元共用一套云端数据库；
C2、人脸检测：依据人脸经验算法，对获取到的数据源进行人脸检测，进而用轮廓线选择出人脸区域；
C3、人脸预处理：彩色照片转化成灰度照片，继续转为像素点集，去掉人脸以外部分的冗余点数据，进一步稀释处理，去掉平滑过渡的点；
C4、人脸识别：设置判断阈值，依据步骤A2确定的域，域内摄像头进行人脸识别过程时，首先以数据库中该区域分类下的人脸为比对对象，将采集到的人脸特征值与其进行比较，计算相似点位占总点位的百分比，即为相似度，若其高于阈值，则判断通过，可认为是本人，有该区域权限；反之，不通过，则将相邻区域内人脸作为比对对象，继续进行对比；
C5、若判断通过，则将该区域的编码输出至云端管理平台，通过编号与BIM数据库之间的对应关系，以BIM模型可视化的形式显示人员定位；
C6、深度学习：引入加权系数r，在每一次人脸识别过程中，如识别通过，系统记录下该人本次的人脸特征值、识别人脸与目标人脸样本的相似度，并按照相似度超出大小所占的比例自动调整加权系数，将本次特征值与预存特征值进行加权平均，实现人脸信息随时间的微小过渡更新。本发明对人脸的关键点赋予权重，配合深度学习，人脸的关键点的作用在深度学习时，会一次一次放大，这样，人脸识别的准确性会提高，效率也会提高。
进一步地，所述步骤D包括：根据需求建立功能子系统，包括：门禁系统、考勤系统、摄像监管系统、防走失寻人系统、刷脸支付系统和/或室内紧急救护系统。
进一步地，所述步骤B1特征信息获取源包括：统一采集录入或视频录像帧提取或现有照片。
与现有技术相比，本发明的优点和积极效果在于：
在城市范围内，通过云端建立多源信息数据库，完成人脸信息、BIM信息、用户信息的映射关联，人脸特征信息“加权”选择性处理，实现人脸样本的轻量化处理，架构云端计算服务，实现城市级大范围、大体量的人脸识别。该发明可有效解决现有人脸识别技术速度不快、信息集成度不高、应用范围小、资源浪费严重、信息不能共享等问题，能够广泛应用于城乡建筑逻辑门禁、智能考勤、摄像定位、人员搜索管理、刷脸支付、120救护等方面。
目前，人脸识别主要应用于商场、办公楼、火车站的门禁、支付等场景中，没有与建筑模型挂接，基于建筑的人脸识别应用场景受到制约。人脸识别与建筑的挂接十分重要，例如建筑物中有一逃犯，传统抓捕需要出动大量警力，挨点搜查，效率低下，采用该系统，一张逃犯的照片上传后，即可快速对建筑物内的所有人员进行比对，快速精准地锁定逃犯并显示其位置。又如，目前120救护，都要求病人家属在马路路口接救护车，一旦人脸识别与建筑挂接，通过家中摄像头即可定位到室内，120可预先规划最快最优路线，直达病人家中，同时救护人员也可远程看到病人状况，给予指导救护，提高了救护的效率。
附图说明
图1为本发明基于建筑信息模型的云端人脸识别流程图；
图2为本发明BIM建模、人脸信息附模、BIM信息模型入库流程图；
图3为本发明放大权重处理的人脸特征点分布图；
图4为本发明基于云端系统配置终端具备使用功能的子系统框图。
具体实施方式
下面结合附图和具体项目实施例对本发明做进一步详细地说明。
项目简介：绿空之城是一种节地型立体建筑，占地面积为121500㎡，主体建筑总建筑面积为708300㎡。设计242栋别墅、1栋商业餐饮楼、1栋健身娱乐楼、1栋幼儿与儿童乐园楼、1栋老年安居楼及4个立体停车场，最大停车数目可达3392辆，是一座以住宅为核心的综合体公共建筑。主体建筑共七层，二层距离地面13m，二到七层高度均为30m，总高169m。矩形450m×270m，南北向跨度为450m，东西向跨度为270m，每层外围设有1.2米的防护栏杆，顶层设置“空中花园”。
参考图1，本案例基于建筑信息模型的云端室内人脸识别与定位方法包括如下步骤：
1.云端BIM信息库的构建
1.1利用BIM建模软件Revit，建立绿空之城BIM建筑信息模型；
1.2将绿空之城中依据每一层、每一栋建筑、每栋建筑中的每一层、每栋建筑中的每一层的每一个房间或功能分区的层级划分为具有层次的域，按照不同层级将不同的域分别进行编码，如01010101代表第一层、第一栋建筑、第一栋建筑的第一层、第一栋建筑第一层的第一个房间/区域；
1.3将BIM模型导出IFC格式，用IFC解析工具，如IfcEngineall软件等，剔除模型附带的属性信息，只保留建筑几何信息；
1.4参考图2，将剥离属性信息的BIM几何模型以IFC数据库形式上传至阿里云云端数据库存储，依据1.2步骤中所分的区域及编码，在数据库设定每个区域的读取端口。
2.人脸信息获取与云端人脸信息提取
2.1获取：特征信息获取源有三种：①统一采集录入(即在系统使用前，统一进行用户照片的采集)②视频录像帧提取(从录像视频中检测到人脸，提取帧图像)③现有人脸照片。三获获取方式有不同的应用范围，第一种主要面向固定住户，第二种主要面向定位寻人、监控安防，第三种主要面向120救护、定位寻人、抓捕逃犯等；
2.2人脸检测：市面已有成熟开源人脸检测经验算法，对获取到的数据源进行人脸检测，进而通过轮廓线自动选择出人脸区域，利于进一步对图像进行人脸提取操作；
2.3预处理：将获取的带有人脸人脸彩色照片转化成灰度照片，对其进行栅格化处理，分散成为像素点集，去掉人脸以外部分的冗余点数据，进一步稀释处理，去掉平滑过渡的点；
2.4放大权重处理：引入放大权重处理系数s来表示其放大程度，对五官、人脸轮廓等关键特征点进行放大强化，s>1，对于脸部、头部等非关键特征点进行淡化，s<1。此操作进一步简化人脸特征脸比率的特征值矩阵，即去除某些不必要特征点的表达，加强人脸某些不易受表情、年龄等因素变化特征部位的表达，利于提高城市级大体量人员人脸识别的速度与精度；放大权重处理的程度可用放大权重系数s表示。放大权重处理的人脸特征点分布图见附图3。
2.5将处理好的人脸特征值依据其常驻地点(权限开放区域)，按照步骤A2中的域进行分类，如人员A、B、C均为本房间住户，则均将其分类至该房间域，并上传至阿里云云端数据库存储，根据对应关系映射至BIM数据库与用户信息数据库，如人员A属于01010101区域，即映射至该区域，并将人员A的人脸信息与其用户信息(如银行卡、信用信息、家庭信息、物业信息等)相关联，以利于人脸识别后多源应用的实现。
3云端人脸识别实施过程
3.1设备架设：对BIM模型进行可视化分析，找到每个区域可视化最优点，在此位置安装全景摄像头，对整个建筑物内部全面覆盖，每个位置均可用全景摄像头拍摄到，进行全覆盖全景摄像。依据步骤A2的分区，按照数据量需求，对同一层、同一区域范围或同一建筑内的分区架设云端处理单元，用以运行该区域下的人脸识别，各云端处理单元共用一套云端数据库；
3.2人脸检测：市面已有成熟开源人脸检测经验算法，对获取到的数据源进行人脸检测，进而通过轮廓线自动选择出人脸区域，利于进一步对图像进行人脸提取操作；
3.3人脸预处理：将获取的带有人脸人脸彩色照片转化成灰度照片，对其进行栅格化处理，分散成为像素点集，去掉人脸以外部分的冗余点数据，进一步稀释处理，去掉平滑过渡的点；
3.4人脸识别：设置判断阈值，如默认为90％，依据步骤A2确定的域，域内摄像头进行人脸识别过程时，首先以数据库中该区域分类下的人脸为比对对象，将采集到的人脸特征值与其进行比较，计算相似点位占总点位的百分比，即为相似度，若其高于阈值，则判断通过，可认为是本人，有该区域权限，数据库中此人信息被调用出来，可实现进一步应用场景；反之，不通过，则将相邻区域内人脸作为比对对象，继续进行对比，直到数据库枚举完毕；
3.5若判断通过，则将该区域的编码输出至云端管理平台，云端管理平台读取编号，通过编号与BIM数据库之间的对应关系，平台端可三维可视化地显示出此区域在BIM模型中的具体位置，并能显示该位置的实时监控影像，利于实现人员的有效管理；
3.6深度学习：引入加权系数r，在每一次人脸识别过程中，如识别通过，系统会自动记录下该人本次的人脸特征值、识别人脸与目标人脸样本的相似度，并按照相似度超出阈值大小所占阈值的比例自动调整加权系数s，即相似度超出越大，说明与数据库中的人脸越接近，则加权系数越大，将本次特征值与预存特征值进行加权平均，计算方法为1/2*[预存特征值*(1-r)+本次特征值*r]，实现人脸信息随时间的微小过渡更新，随着识别次数的增多，基于深度学习，人脸的关键特征值一步步被突出，人脸识别的准确性会越来越提高，效率也会提高。
4.终端功能子系统接入云端系统
参考图4，终端用户可根据需求建立具备相应功能子系统，如门禁系统、考勤系统、摄像监管系统、防走失寻人系统及室内紧急救护系统等。
本发明首次提出一种基于建筑信息模型的云端人脸识别与定位方法，借助云端平台，搭建基于建筑物的人脸识别技术，打破了传统人脸识别技术的孤立、单一、集成率低、工作效率低的问题，实现了一种信息化、集成化、平台化的人脸识别技术，具有多元性、延展性及广泛适用性等特点。多元性表现在专利技术是多专业(土木建筑、计算机、城市安防等)、多技术(BIM技术、大数据、云计算、图像处理等)、多信息(建筑信息、人脸信息等)的融合升级；延展性表现在专利技术使用范围有很好的拓展能力，即云端人脸识别算法、云端BIM信息库可根据使用范围能进行适当调整，机动性强；广泛适用性表现在专利技术可根据需求设置各种功能性的终端子系统，如门禁系统、考勤系统、摄像监管系统、防走失寻人系统及室内紧急救护系统等。
以上所述，仅是本发明的较佳实施例而已，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例应用于其它领域，但是凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。
Claims (3)
1.一种基于建筑信息模型的云端人脸识别与定位方法，其特征在于包括：
步骤A、云端BIM信息库的构建
A1、利用BIM建模软件建立区域下的BIM建筑模型；
A2、将BIM模型划分为具有层次的域，并将不同的域分别进行编码；
A3、BIM模型导出IFC格式，用IFC解析工具剔除模型附带的属性信息，只保留建筑几何信息；
A4、将剥离属性信息的BIM几何模型植入云端数据库，依据A2步骤中所分的区域及编码，在数据库设定每个区域的读取端口；
步骤B、人脸特征信息提取与云端存储
B1、获取特征信息；
B2、人脸检测：依据人脸经验算法，对获取到的数据源进行人脸检测，进而轮廓线选择出人脸区域；
B3、预处理：将彩色照片转化成灰度照片，继续转为像素点集，去掉人脸以外部分的冗余点数据，进一步稀释处理，去掉平滑过渡的点；
B4、放大权重处理：引入放大权重处理系数s来表示其放大程度，对五官、人脸轮廓等关键特征点进行放大强化，s>1，对于脸部、头部等非关键特征点进行淡化，s<1；
B5、将处理好的人脸特征值依据其常驻地点，按照步骤A2中的域进行分类，并植入云端数据库存储，根据对应关系映射至BIM数据库与用户信息数据库；
步骤C、云端人脸识别实施；
C1、设备架设：建筑内部安装全景摄像头，全面覆盖建筑内部，依据步骤A2的分区，架设云端处理单元，用以运行该区域的人脸识别，各云端处理单元共用一套云端数据库；
C2、人脸检测：依据人脸经验算法，对获取到的数据源进行人脸检测，进而用轮廓线选择出人脸区域；
C3、人脸预处理：彩色照片转化成灰度照片，继续转为像素点集，去掉人脸以外部分的冗余点数据，进一步稀释处理，去掉平滑过渡的点；
C4、人脸识别：设置判断阈值，依据步骤A2确定的域，域内摄像头进行人脸识别过程时，首先以数据库中该区域分类下的人脸为比对对象，将采集到的人脸特征值与其进行比较，计算相似点位占总点位的百分比，即为相似度，若其高于阈值，则判断通过，可认为是本人，有该区域权限；反之，不通过，则将相邻区域内人脸作为比对对象，继续进行对比；
C5、若判断通过，则将该区域的编码输出至云端管理平台，通过编号与BIM数据库之间的对应关系，以BIM模型可视化的形式显示人员定位；
C6、深度学习：引入加权系数r，在每一次人脸识别过程中，如识别通过，系统记录下该人本次的人脸特征值、识别人脸与目标人脸样本的相似度，并按照相似度超出大小所占的比例自动调整加权系数，将本次特征值与预存特征值进行加权平均，实现人脸信息随时间的微小过渡更新；
步骤D、终端功能子系统接入云端系统。
2.根据权利要求1所述的基于建筑信息模型的云端人脸识别与定位 方法，其特征在于所述步骤D包括：根据需求建立功能子系统，包括：门禁系统、考勤系统、摄像监管系统、防走失寻人系统、刷脸支付系统和/或室内紧急救护系统。
3.根据权利要求1所述的基于建筑信息模型的云端人脸识别与定位 方法，其特征在于：所述步骤B1特征信息获取源包括：统一采集录入或视频录像帧提取或现有照片。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810810248.2A CN109117745B (zh) | 2018-07-23 | 2018-07-23 | 一种基于建筑信息模型的云端人脸识别与定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810810248.2A CN109117745B (zh) | 2018-07-23 | 2018-07-23 | 一种基于建筑信息模型的云端人脸识别与定位方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109117745A CN109117745A (zh) | 2019-01-01 |
| CN109117745B true CN109117745B (zh) | 2021-11-09 |
Family
ID=64862963
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810810248.2A Active CN109117745B (zh) | 2018-07-23 | 2018-07-23 | 一种基于建筑信息模型的云端人脸识别与定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109117745B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110378292B (zh) * | 2019-07-22 | 2021-09-14 | 广州络维建筑信息技术咨询有限公司 | 三维空间定位系统和方法 |
| CN110659615A (zh) * | 2019-09-26 | 2020-01-07 | 上海依图信息技术有限公司 | 基于人脸识别的客群流量及结构化分析系统及方法 |
| CN111178083A (zh) * | 2019-12-12 | 2020-05-19 | 广州地理研究所 | 一种bim和gis的语义匹配方法及装置 |
| CN113628072A (zh) * | 2020-05-09 | 2021-11-09 | 西安电子科技大学青岛计算技术研究院 | 一种bim数据接入处理方法 |
| CN112714295B (zh) * | 2020-12-31 | 2023-04-18 | 佳讯飞鸿（北京）智能科技研究院有限公司 | 基于bim的视频调用方法和装置 |
| CN113269902B (zh) * | 2021-04-27 | 2023-01-24 | 中铁建工集团有限公司 | 一种智慧楼宇职工动向与考勤管理方法及系统 |
| CN113283753A (zh) * | 2021-05-27 | 2021-08-20 | 中铁建工集团有限公司 | 施工现场人员安全管理系统 |
| CN113780156A (zh) * | 2021-09-08 | 2021-12-10 | 交通银行股份有限公司 | 一种基于云边端架构的人脸识别方法和系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101739742A (zh) * | 2009-12-22 | 2010-06-16 | 中国科学院长春光学精密机械与物理研究所 | 联网式多通道门禁考勤系统 |
| CN101739571A (zh) * | 2009-12-22 | 2010-06-16 | 中国科学院长春光学精密机械与物理研究所 | 基于分块主成分分析的人脸确认装置 |
| CN105701457A (zh) * | 2016-01-08 | 2016-06-22 | 西安工程大学 | 基于人脸识别控制的直流电磁继电器装置及其控制方法 |
| CN106980809A (zh) * | 2016-01-19 | 2017-07-25 | 深圳市朗驰欣创科技股份有限公司 | 一种基于asm的人脸特征点检测方法 |
| CN107563275A (zh) * | 2017-07-11 | 2018-01-09 | 青岛理工大学 | 一种与建筑信息模型结合的人脸识别方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9342928B2 (en) * | 2011-06-29 | 2016-05-17 | Honeywell International Inc. | Systems and methods for presenting building information |
| US20140207774A1 (en) * | 2013-01-24 | 2014-07-24 | Mark Walter | Virtual Building Browser Systems and Methods |
-
2018
- 2018-07-23 CN CN201810810248.2A patent/CN109117745B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101739742A (zh) * | 2009-12-22 | 2010-06-16 | 中国科学院长春光学精密机械与物理研究所 | 联网式多通道门禁考勤系统 |
| CN101739571A (zh) * | 2009-12-22 | 2010-06-16 | 中国科学院长春光学精密机械与物理研究所 | 基于分块主成分分析的人脸确认装置 |
| CN105701457A (zh) * | 2016-01-08 | 2016-06-22 | 西安工程大学 | 基于人脸识别控制的直流电磁继电器装置及其控制方法 |
| CN106980809A (zh) * | 2016-01-19 | 2017-07-25 | 深圳市朗驰欣创科技股份有限公司 | 一种基于asm的人脸特征点检测方法 |
| CN107563275A (zh) * | 2017-07-11 | 2018-01-09 | 青岛理工大学 | 一种与建筑信息模型结合的人脸识别方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109117745A (zh) | 2019-01-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109117745B (zh) | 一种基于建筑信息模型的云端人脸识别与定位方法 | |
| Wang et al. | Machine learning-based regional scale intelligent modeling of building information for natural hazard risk management | |
| CN112562161A (zh) | 一种基于5g物联网及ai智能门禁综合管理系统 | |
| CN112052503B (zh) | 一种基于人工智能的商业街区建筑体块生成的方法 | |
| CN110135295A (zh) | 一种基于迁移学习的无监督行人重识别方法 | |
| CN109711370A (zh) | 一种基于wifi探测和人脸聚类的数据融合算法 | |
| CN107967473A (zh) | 基于图文识别和语义的机器人自主定位和导航 | |
| CN113643170B (zh) | 一种大数据驱动的公共场所聚集人群疏散方法及装置 | |
| CN104486585B (zh) | 一种基于gis的城市海量监控视频管理方法及系统 | |
| CN110334293A (zh) | 一种面向位置社交网络基于模糊聚类的具有时间感知位置推荐方法 | |
| CN109740444A (zh) | 人流量信息展示方法及相关产品 | |
| CN112802611A (zh) | 一种基于疫情风险模型的可视化区域防控方法 | |
| CN110166744A (zh) | 一种基于视频地理围栏的违章摆摊监测方法 | |
| CN109871812A (zh) | 一种基于神经网络的多时相遥感影像城市植被提取方法 | |
| CN115775085A (zh) | 一种基于数字孪生的智慧城市管理方法及系统 | |
| CN108376237A (zh) | 一种基于3d识别的住宅来访管理系统及管理方法 | |
| CN110287798A (zh) | 基于特征模块化和上下文融合的矢量网络行人检测方法 | |
| CN112668375A (zh) | 景区内游客分布分析系统及方法 | |
| CN112766119A (zh) | 一种基于多维度人脸分析精准识别陌生人构建社区安防的方法 | |
| CN115017244A (zh) | 一种地理信息大数据与人口数据融合服务社区治理的方法 | |
| CN114937293A (zh) | 基于gis的农业服务管理方法及系统 | |
| Ogawa et al. | Deep Learning Approach for Classifying the Built Year and Structure of Individual Buildings by Automatically Linking Street View Images and GIS Building Data | |
| CN110276379A (zh) | 一种基于视频图像分析的灾情信息快速提取方法 | |
| Huang et al. | Comprehensive urban space representation with varying numbers of street-level images | |
| Andersson et al. | Combining street-level and aerial images for dengue incidence rate estimation |
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 |