CN109186584B - 一种基于人脸识别的室内定位方法及定位系统 - Google Patents

一种基于人脸识别的室内定位方法及定位系统 Download PDF

Info

Publication number
CN109186584B
CN109186584B CN201810790926.3A CN201810790926A CN109186584B CN 109186584 B CN109186584 B CN 109186584B CN 201810790926 A CN201810790926 A CN 201810790926A CN 109186584 B CN109186584 B CN 109186584B
Authority
CN
China
Prior art keywords
image
person
indoor
face
line segment
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
Application number
CN201810790926.3A
Other languages
English (en)
Other versions
CN109186584A (zh
Inventor
王树伟
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.)
Zhejiang Zhenwan Technology Co ltd
Original Assignee
Zhejiang Zhenwan Technology Co ltd
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 Zhejiang Zhenwan Technology Co ltd filed Critical Zhejiang Zhenwan Technology Co ltd
Priority to CN201810790926.3A priority Critical patent/CN109186584B/zh
Publication of CN109186584A publication Critical patent/CN109186584A/zh
Application granted granted Critical
Publication of CN109186584B publication Critical patent/CN109186584B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • 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)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及室内定位技术领域，公开了一种基于人脸识别的室内定位方法及定位系统。定位方法包括：划分室内区域，在每个子区域内设置多个摄像头；对每个进入到室内的人员进行编号，采集面部图像数据，建立数据库；摄像头拍摄室内图像；识别采集到的图像，对拍摄到的人脸进行识别，与数据库进行比对，得到相应人员编号；分析采集到的图像中人员的室内位置，根据得到的人员编号将位置信息添加进数据库；对某一编号的位置信息进行汇总，生成运动路线图；或者对某一区域位置信息进行汇总，生成该区域内人员分布图。本发明能够及时精确地对室内人员进行定位和跟踪，能够随时查看室内人员分布，能够和室内原有的监控系统结合，适用面广，实用性高。

Description

一种基于人脸识别的室内定位方法及定位系统
技术领域
本发明涉及室内定位技术领域，尤其涉及了一种基于人脸识别的室内定位方法及定位系统的设计。
背景技术
随着移动终端和互联网的快速发展，实时定位被广泛应用于交通、商业、物流、个性服务等领域。在室外环境下，全球导航卫星系统经过长期的发展，例如全球定位系统(GPS)，可以提供较为精确的定位服务。目前室内高精度定位主要通过：UWB定位，Wi-Fi定位，iBeacon蓝牙定位，RFID定位等，这些定位都需要在定位人员手持或者带有定位终端设备，才能进行定位。不太合适于学校教室内的学生定位、监管场所的犯人定位、商场和游乐场内的儿童定位等。
发明内容
本发明针对现有技术中必须携带终端设备才能定位的缺点，提供了一种基于人脸识别的室内定位方法及定位系统。
本发明解决了必须携带终端设备才能定位的问题，本设计方案利用了摄像头进行拍摄，独有的算法能够通过二维图像计算得到不同人员的精准室内位置，面部识别算法代替终端设备，通过将各个摄像头的图像与录入的数据库进行比对，及时高效的判断出不同人员的身份。通过分析图像来判断拍摄的区域中各人员的身份和具体位置，所有数据在后台汇总，起到定位作用。
为了解决上述技术问题，本发明通过下述技术方案得以解决：一种基于人脸识别的室内定位方法，其特征在于，包括以下步骤：
S10、划分室内区域，在每个子区域内设置多个摄像头；S20、对每个进入到室内的人员进行编号，采集面部图像数据，建立数据库；
S30、摄像头每隔一定时间拍摄室内图像；
S40、识别摄像头采集到的图像，判断图像中是否有人脸，对拍摄到的人脸进行识别，与数据库进行比对，得到相应人员编号；
S50、分析采集到的图像中每一人员的室内位置信息，根据得到的人员编号将位置信息添加进数据库中；
步骤S50包括：
S51、放大图像中某一人员脚部周围的地面，判断是否存在可用于识别位置的图案或文字；若存在，根据识别到的图案或文字，分析得到该人员的室内位置信息；若不存在，则在图像中寻找参照物，测量图像中数据，计算得到该人员的实际身高和室内位置信息；
S52、对每个摄像头采集到的图像进行分析，综合所有图像的分析结果，获取每一人员精确的室内位置信息。
如果能够直接得到人员站立的位置，可是省略后续的计算过程，节省时间提高效率。计算时先计算得到图像中人员的实际身高，在意实际身高为参照得到该人员的摄像头的水平距离，由于摄像头本身位置已知，可以得到室内人员的精确位置；
步骤S51包括：
S511、在图像中寻找一已知现实高度为h的参照物和两组水平方向上的直线，每组直线在现实中已知为平行线，两组直线相互不平行；在图像中分别延长两组直线，设第一组中两线的交点为m点，第二组中两线的交点为n点，连接mn两点，得到参考线l；
S512、设待分析人员站立的位置为A点，头顶的位置为F点，连接图像中的AF两点，得到af线段，设参照物底端的位置为B点，顶端为E点，连接图像中的BE两点，得到be线段；
S513、连接图像中的AB两点，得到ab线段，延长ab线段至与参考线l相交，设交点为C点，连接图像中的CE两点，得到ce线段，延长ce线段至与af线段相交，设交点为D点，得到ad线段；
S514、延长图像中的af线段和de线段直至两者相交，设交点为G点，得到gd和gf线段；
S515、设AD为现实中的AD两点连接得到的线段，AF为现实中的AF两点连接得到的线段，GD为现实中的GD两点连接得到的线段，GF为现实中的GF两点连接得到的线段，根据等式(AD/AF)/(GD/GF)＝(ad/af)/(gd/gf)计算得到待分析人员的实际身高AF，其中G在现实中为无穷远处点，GD/GF的值近似为1，AD为参考物的实际高度h；
用大写字母表示真实的坐标，用小写字母表示图片上的像素坐标；参考物高度和待分析人员的实际身高的比值BE/AF可以这么求：首先连接AB，然后过E点做AB的平行线交AF于点D，因为ABED是个矩形，所以要求的比值就等于AD/AF。然而，这种判断是在三维空间中做出的，在生成的图像中所有点的位置都会发生变化。其中最显著的变化是平行线相交，由此通过对两组水平方向的平行线求延长线获得点m和n，把两个点连接起来，得到了一条在无穷远处的直线，它就是地平线。地平线上所有的点都有一个性质：从其上一个点引出的所有直线都是相互水平平行的。因为点c在无穷远处，所以cd和ca在空间中是平行直线，abed也就是上面说述真实空间中矩形ABED的像。然而，知道了某些点在图像上的像，它们的实际长度比是无法直接从图上测得的，因为深度不一样，这时就要利用成像前后一条直线上四个点交比不变的性质，得到等式(AD/AF)/(GD/GF)＝(ad/af)/(gd/gf)，计算后得到人员实际身高AF的值；
S60、对某一人员编号的所有室内位置信息进行汇总，生成相应人员的运动路线图；或者对某一区域包含的室内位置信息进行汇总，生成该区域内当前的人员分布图。
先对进入室内的人员进行面部数据采集，建立数据库，等到摄像头进行拍摄时，将图像上的人脸与数据库一一进行比对，得到图像中各人员的身份，再测量图像上的某些数据，分析得到这些人在拍下图像时所在的位置。后台汇总所有数据，方便使用者进行人员追踪或者室内人员分布图。
作为优选，划分出的单个子区域面积不大于100㎡，在每一子区域内至少设有6个摄像头，摄像头围绕该子区域分布。摄像头拍摄到的范围有限，也存在拍摄死角，因此一块区域中必须设置多个摄像头。为了保证一块区域中所有人的面部都能被清楚拍到，摄像头需要多方位多角度进行拍摄。
作为优选，采集的面部图像数据至少包括脸部的正面图像、左侧面图像和右侧面图像。采集多张图像中尽量多的人员脸部特征数据，有利于提高面部识别过程的精确度。
作为优选，人脸识别过程采用人工智能深度学习算法。人工智能深度学习算法能够代替人工识别，快速准确的对人脸进行识别，适合用于需要快速识别大批量人脸的场合。作为优选，对某一摄像头拍摄的子区域内图像进行面部识别时，将提取出的各人员面部特征优先与前一次拍摄时处于本子区域和相邻子区域内的人员进行比对。人在移动过程中会在经过的区域内留下影像，通过将新得到的人脸数据和前一次处于附近的人的面部数据优先进行比对，若有未比对上的，再与剩余的数据库进行比对，不需要每次都与数据库从头开始按顺序对比。能够有效缩短对比时间，提高工作效率。
作为优选，步骤S51包括：根据摄像头的安装高度、安装角度、焦距、图像的分辨率和待分析人员的实际身高，对图像进行分析，得到该人员与拍摄此张图像的摄像头之间的水平距离。
一种基于人脸识别的室内定位系统，包括摄像头、监控设备和设置于室内区域入口处的面部图像采集处，监控设备包括后端分析模块、与子区域相同数量的前端分析模块和与摄像头相同数量的图像分析模块，图像分析模块与摄像头一一对应，前端分析模块与划分出的子区域一一对应；
图像分析模块，用于接收摄像头拍摄的图像，从图像中提取各人员面部数据和用于计算所在位置的数据；
前端分析模块，用于接收对应子区域内所有的图像分析模块数据，接收后端分析模块发送的面部数据库数据和标记信息，将接收到的图像分析模块数据与面部数据库数据进行比对，计算对应子区域内每一人员的位置数据，向后端分析模块返回比对得到的人员编号和各人员的室内位置信息；
后端分析模块，用于向每一前端分析模块发送最新的面部数据库，在发送的面部数据库中对特定人员添加标记信息，接收和整理所有前端分析模块的数据；其中，特定人员为前一次拍摄和识别过程中，处于接收数据的前端分析模块对应子区域及相邻子区域内的人员；
面部图像采集处，用于采集每一进入人员的面部图像数据；面部图像采集处为一连通室内与室外的走廊，走廊中设置有弯道，弯道处墙面上设有灯光模块和拍摄模块，灯光模块的灯具为无影灯，拍摄模块包括伺服电机、丝杆、滑块、导轨和摄像头，导轨固定在墙面上，滑块设置在导轨上且与导轨相配合，摄像头与滑块固定连接；滑块与丝杆固定连接，丝杆带动滑块在导轨上运动，伺服电机控制丝杆转动；弯道两侧设有红外传感器，红外传感器与伺服电机连接，红外传感器向伺服电机发送信号，伺服电机根据接收到的信号做出反应；摄像头将拍摄到的图像传输至后端分析模块。
监控设备可以为若干连接在一起的计算机或服务器，各自分工完成整个定位过程，也可以为一台运算级别非常大的计算机，独自进行大量运算。
作为优选，还包括GPS定位模块，用于佩戴在人员身上，向后端分析模块发送佩戴人员所在位置的GPS信息。GPS定位模块和面部识别定位配合使用，监控人员去向，能够在人员离开室内时及时报警，适用于监狱等场合，避免了运算过程的延时造成犯人脱逃。
本发明由于采用了以上技术方案，具有显著的技术效果：能够及时精确地对室内人员进行定位和跟踪，能够随时查看室内人员分布，能够和室内原有的监控系统结合，适用面广，实用性高。
附图说明
图1是本发明实施例1的工作流程示意图。
图2是本发明实施例1的S50工作流程示意图。
图3是本发明实施例1的S51工作流程示意图。
图4是本发明实施例1的系统模块结构示意图。
图5是本发明原理示意图1。
图6是本发明原理示意图2。
图7是本发明系统中图像采集处结构示意图1。
图8是本发明系统中图像采集处结构示意图2。
以上附图中各数字标号所指代的部位名称如下：其中，1—弯道、2—灯光模块、3—拍摄模块、31—伺服电机、32—丝杆、33—滑块、34—导轨、35—摄像头。
具体实施方式
下面结合附图与实施例对本发明作进一步详细描述。
实施例1如图1所示，一种基于人脸识别的室内定位方法，包括以下步骤：
S10、划分室内区域，在每个子区域内设置多个摄像头；
S20、对每个进入到室内的人员进行编号，采集面部图像数据，建立数据库；
S30、摄像头每隔一定时间拍摄室内图像；
S40、识别摄像头采集到的图像，判断图像中是否有人脸，对拍摄到的人脸进行识别，与数据库进行比对，得到相应人员编号；
S50、分析采集到的图像中每一人员的室内位置信息，根据得到的人员编号将位置信息添加进数据库中；
S60、对某一人员编号的所有室内位置信息进行汇总，生成相应人员的运动路线图；或者对某一区域包含的室内位置信息进行汇总，生成该区域内当前的人员分布图。
划分出的单个子区域面积不大于100㎡，在每一子区域内至少设有6个摄像头，摄像头围绕该子区域分布。采集的面部图像数据至少包括脸部的正面图像、左侧面图像和右侧面图像。人脸识别过程采用人工智能深度学习算法。对某一摄像头拍摄的子区域内图像进行面部识别时，将提取出的各人员面部特征优先与前一次拍摄时处于本子区域和相邻子区域内的人员进行比对。
如图2所示，步骤S50包括：
S51、放大图像中某一人员脚部周围的地面，判断是否存在可用于识别位置的图案或文字；若存在，根据识别到的图案或文字，分析得到该人员的室内位置信息；若不存在，则在图像中寻找参照物，测量图像中数据，计算得到该人员的实际身高和室内位置信息；
S52、对每个摄像头采集到的图像进行分析，综合所有图像的分析结果，获取每一人员精确的室内位置信息。如图3所示，步骤S51包括：
S511、在图像中寻找一已知现实高度为h的参照物和两组水平方向上的直线，每组直线在现实中已知为平行线，两组直线相互不平行；在图像中分别延长两组直线，设第一组中两线的交点为m点，第二组中两线的交点为n点，连接mn两点，得到参考线l；
S512、设待分析人员站立的位置为A点，头顶的位置为F点，连接图像中的AF两点，得到af线段，设参照物底端的位置为B点，顶端为E点，连接图像中的BE两点，得到be线段；
S513、连接图像中的AB两点，得到ab线段，延长ab线段至与参考线l相交，设交点为C点，连接图像中的CE两点，得到ce线段，延长ce线段至与af线段相交，设交点为D点，得到ad线段；
S514、延长图像中的af线段和de线段直至两者相交，设交点为G点，得到gd和gf线段；
S515、设AD为现实中的AD两点连接得到的线段，AF为现实中的AF两点连接得到的线段，GD为现实中的GD两点连接得到的线段，GF为现实中的GF两点连接得到的线段，根据等式(AD/AF)/(GD/GF)＝(ad/af)/(gd/gf)计算得到待分析人员的实际身高AF，其中G在现实中为无穷远处点，GD/GF的值近似为1，AD为参考物的实际高度h。
步骤S51包括：根据摄像头的安装高度、安装角度、焦距、图像的分辨率和待分析人员的实际身高，对图像进行分析，得到该人员与拍摄此张图像的摄像头之间的水平距离。
如图4所示，一种基于人脸识别的室内定位系统，包括摄像头、监控设备和设置于室内区域入口处的面部图像采集处，监控设备包括后端分析模块、与子区域相同数量的前端分析模块和与摄像头相同数量的图像分析模块，图像分析模块与摄像头一一对应，前端分析模块与划分出的子区域一一对应；
图像分析模块，用于接收摄像头拍摄的图像，从图像中提取各人员面部数据和用于计算所在位置的数据；
前端分析模块，用于接收对应子区域内所有的图像分析模块数据，接收后端分析模块发送的面部数据库数据和标记信息，将接收到的图像分析模块数据与面部数据库数据进行比对，计算对应子区域内每一人员的位置数据，向后端分析模块返回比对得到的人员编号和各人员的室内位置信息；
后端分析模块，用于向每一前端分析模块发送最新的面部数据库，在发送的面部数据库中对特定人员添加标记信息，接收和整理所有前端分析模块的数据；其中，特定人员为前一次拍摄和识别过程中，处于接收数据的前端分析模块对应子区域及相邻子区域内的人员；
还包括GPS定位模块，用于佩戴在人员身上，向后端分析模块发送佩戴人员所在位置的GPS信息。
如图5和图6所示，图5表示摄像头拍摄到的图像。用大写字母表示真实的坐标，用小写字母表示图片上的像素坐标。参考物高度和待分析人员的实际身高的比值BE/AF可以这么求：首先连接AB，然后过E点做AB的平行线交AF于点D，因为ABED是个矩形，所以要求的比值就等于AD/AF。然而，这种判断是在三维空间中做出的，在生成的图像中所有点的位置都会发生变化。其中最显著的变化是平行线相交，由此通过对两组水平方向的平行线求延长线获得点m和n，把两个点连接起来，得到了一条在无穷远处的直线，它就是地平线。地平线上所有的点都有一个性质：从其上一个点引出的所有直线都是相互水平平行的。因为点c在无穷远处，所以cd和ca在空间中是平行直线，abed也就是上面说述真实空间中矩形ABED的像。然而，知道了某些点在图像上的像，它们的实际长度比是无法直接从图上测得的，因为深度不一样，这时就要利用成像前后一条直线上四个点交比不变的性质，得到等式(AD/AF)/(GD/GF)＝(ad/af)/(gd/gf)，计算后得到人员实际身高AF的值。
根据摄像头的安装高度、安装角度、焦距、图像的分辨率和待分析人员的实际身高，对图像进行分析，得到该人员与拍摄此张图像的摄像头之间的水平距离。
摄像头拍摄到的范围有限，也存在拍摄死角，因此一块区域中必须设置多个摄像头。为了保证一块区域中所有人的面部都能被清楚拍到，摄像头需要多方位多角度进行拍摄。
如图7和图8所示，面部图像采集处，用于采集每一进入人员的面部图像数据；面部图像采集处为一连通室内与室外的走廊，走廊中设置有弯道1，弯道1处墙面上设有灯光模块2和拍摄模块3，灯光模块2的灯具为无影灯，拍摄模块3包括伺服电机31、丝杆32、滑块33、导轨34和摄像头35，导轨34固定在墙面上，滑块33设置在导轨34上且与导轨34相配合，摄像头35与滑块33固定连接；滑块33与丝杆32固定连接，丝杆32带动滑块33在导轨34上运动，伺服电机31控制丝杆32转动；弯道1两侧设有红外传感器4，红外传感器4与伺服电机31连接，红外传感器4向伺服电机31发送信号，伺服电机31根据接收到的信号做出反应；摄像头35将拍摄到的图像传输至后端分析模块。图7表示了当人走进面部图像采集处时所看到的景象，红外传感器用于检测人员进入信号，控制伺服电机工作，从而调整摄像头位置，摄像头拍下进入者的面部图像。
总之，以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所作的均等变化与修饰，皆应属本发明专利的涵盖范围。

Claims (8)

1.一种基于人脸识别的室内定位方法，其特征在于，包括以下步骤：
S10、划分室内区域，在每个子区域内设置多个摄像头；
S20、对每个进入到室内的人员进行编号，采集面部图像数据，建立数据库；
S30、摄像头每隔一定时间拍摄室内图像；
S40、识别摄像头采集到的图像，判断图像中是否有人脸，对拍摄到的人脸进行识别，与数据库进行比对，得到相应人员编号；
S50、分析采集到的图像中每一人员的室内位置信息，根据得到的人员编号将位置信息添加进数据库中；
步骤S50包括：
S51、放大图像中某一人员脚部周围的地面，判断是否存在可用于识别位置的图案或文字；若存在，根据识别到的图案或文字，分析得到该人员的室内位置信息；若不存在，则在图像中寻找参照物，测量图像中数据，计算得到该人员的实际身高和室内位置信息；
步骤S51包括：
S511、在图像中寻找一已知现实高度为h的参照物和两组水平方向上的直线，每组直线在现实中已知为平行线，两组直线相互不平行；在图像中分别延长两组直线，设第一组中两线的交点为m点，第二组中两线的交点为n点，连接mn两点，得到参考线l；
S512、设待分析人员站立的位置为A点，头顶的位置为F点，连接图像中的AF两点，得到af线段，设参照物底端的位置为B点，顶端为E点，连接图像中的BE两点，得到be线段；
S513、连接图像中的AB两点，得到ab线段，延长ab线段至与参考线l相交，设交点为C点，连接图像中的CE两点，得到ce线段，延长ce线段至与af线段相交，设交点为D点，得到ad线段；
S514、延长图像中的af线段和de线段直至两者相交，设交点为G点，得到gd和gf线段；
S515、设AD为现实中的AD两点连接得到的线段，AF为现实中的AF两点连接得到的线段，GD为现实中的GD两点连接得到的线段，GF为现实中的GF两点连接得到的线段，根据等式(AD/AF)/(GD/GF)＝(ad/af)/(gd/gf)计算得到待分析人员的实际身高AF，其中G在现实中为无穷远处点，GD/GF的值近似为1，AD为参考物的实际高度h；
S52、对每个摄像头采集到的图像进行分析，综合所有图像的分析结果，获取每一人员精确的室内位置信息；
S60、对某一人员编号的所有室内位置信息进行汇总，生成相应人员的运动路线图；或者对某一区域包含的室内位置信息进行汇总，生成该区域内当前的人员分布图。
2.根据权利要求1所述的一种基于人脸识别的室内定位方法，其特征在于：划分出的单个子区域面积不大于100㎡，在每一子区域内至少设有6个摄像头，摄像头围绕该子区域分布。
3.根据权利要求1所述的一种基于人脸识别的室内定位方法，其特征在于：采集的面部图像数据至少包括脸部的正面图像、左侧面图像和右侧面图像。
4.根据权利要求1所述的一种基于人脸识别的室内定位方法，其特征在于：人脸识别过程采用人工智能深度学习算法。
5.根据权利要求1所述的一种基于人脸识别的室内定位方法，其特征在于：对某一摄像头拍摄的子区域内图像进行面部识别时，将提取出的各人员面部特征优先与前一次拍摄时处于本子区域和相邻子区域内的人员进行比对。
6.根据权利要求1所述的一种基于人脸识别的室内定位方法，其特征在于，步骤S51包括：根据摄像头的安装高度、安装角度、焦距、图像的分辨率和待分析人员的实际身高，对图像进行分析，得到该人员与拍摄此张图像的摄像头之间的水平距离。
7.一种应用权利要求1～6中任一项基于人脸识别的室内定位方法的定位系统，包括摄像头、监控设备和设置于室内区域入口处的面部图像采集处，其特征在于：监控设备包括后端分析模块、与子区域相同数量的前端分析模块和与摄像头相同数量的图像分析模块，图像分析模块与摄像头一一对应，前端分析模块与划分出的子区域一一对应；
图像分析模块，用于接收摄像头拍摄的图像，从图像中提取各人员面部数据和用于计算所在位置的数据；
前端分析模块，用于接收对应子区域内所有的图像分析模块数据，接收后端分析模块发送的面部数据库数据和标记信息，将接收到的图像分析模块数据与面部数据库数据进行比对，计算对应子区域内每一人员的位置数据，向后端分析模块返回比对得到的人员编号和各人员的室内位置信息；
后端分析模块，用于向每一前端分析模块发送最新的面部数据库，在发送的面部数据库中对特定人员添加标记信息，接收和整理所有前端分析模块的数据；其中，特定人员为前一次拍摄和识别过程中，处于接收数据的前端分析模块对应子区域及相邻子区域内的人员；
面部图像采集处，用于采集每一进入人员的面部图像数据；面部图像采集处为一连通室内与室外的走廊，走廊中设置有弯道(1)，弯道(1)处墙面上设有灯光模块(2)和拍摄模块(3)，灯光模块(2)的灯具为无影灯，拍摄模块(3)包括伺服电机(31)、丝杆(32)、滑块(33)、导轨(34)和摄像头(35)，导轨(34)固定在墙面上，滑块(33)设置在导轨(34)上且与导轨(34)相配合，摄像头(35)与滑块(33)固定连接；滑块(33)与丝杆(32)固定连接，丝杆(32)带动滑块(33)在导轨(34)上运动，伺服电机(31)控制丝杆(32)转动；弯道(1)两侧设有红外传感器(4)，红外传感器(4)与伺服电机(31)连接，红外传感器(4)向伺服电机(31)发送信号，伺服电机(31)根据接收到的信号做出反应；摄像头(35)将拍摄到的图像传输至后端分析模块。
8.根据权利要求7所述的一种定位系统，其特征在于：还包括GPS定位模块，用于佩戴在人员身上，向后端分析模块发送佩戴人员所在位置的GPS信息。
CN201810790926.3A 2018-07-18 2018-07-18 一种基于人脸识别的室内定位方法及定位系统 Active CN109186584B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810790926.3A CN109186584B (zh) 2018-07-18 2018-07-18 一种基于人脸识别的室内定位方法及定位系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810790926.3A CN109186584B (zh) 2018-07-18 2018-07-18 一种基于人脸识别的室内定位方法及定位系统

Publications (2)

Publication Number Publication Date
CN109186584A CN109186584A (zh) 2019-01-11
CN109186584B true CN109186584B (zh) 2020-09-29

Family

ID=64936225

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810790926.3A Active CN109186584B (zh) 2018-07-18 2018-07-18 一种基于人脸识别的室内定位方法及定位系统

Country Status (1)

Country Link
CN (1) CN109186584B (zh)

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109819400B (zh) * 2019-03-20 2021-05-04 百度在线网络技术（北京）有限公司 用户位置的查找方法、装置、设备及介质
CN110232353B (zh) * 2019-06-12 2023-06-06 成都世纪光合作用科技有限公司 一种获取场景人员深度位置的方法和装置
CN110443177A (zh) * 2019-07-29 2019-11-12 上海工程技术大学 一种基于人脸识别的机场室内定位系统
CN110572786A (zh) * 2019-09-10 2019-12-13 中国计量大学 一种基于wifi与人脸识别的区块化室内定位系统及方法
CN110826406A (zh) * 2019-10-08 2020-02-21 赵奕焜 一种基于深度学习模型的儿童高空防护方法
CN111310538B (zh) * 2019-11-18 2020-11-17 万金芬 基于大数据服务器的内容管理系统
CN111167636B (zh) * 2020-01-07 2022-01-25 北京小米移动软件有限公司 花洒调节方法及装置
CN111192263B (zh) * 2020-01-09 2023-08-22 夏叶 一种基于机器视觉的智慧节能室内人数统计方法
CN112947650A (zh) * 2020-02-24 2021-06-11 杨春花 基于智慧医疗的患者病房环境监测系统
CN111753636B (zh) * 2020-04-25 2024-02-20 台州科文电子科技有限公司 基于面部遮挡条件下的测温识别方法及系统
CN112288312A (zh) * 2020-11-12 2021-01-29 广东恒电信息科技股份有限公司 基于司法用途的服刑人员再犯预警系统
CN112287873A (zh) * 2020-11-12 2021-01-29 广东恒电信息科技股份有限公司 一种司法业务预警系统
CN115565214A (zh) * 2021-04-13 2023-01-03 谢爱菊 基于区块链的区域报警监管系统
CN113115086B (zh) * 2021-04-16 2023-09-19 浙江闪链科技有限公司 基于视频视线识别对电梯媒体收视信息进行采集的方法
CN113066084A (zh) * 2021-04-26 2021-07-02 深圳市商汤科技有限公司 身体状况检测方法及装置、电子设备和存储介质
CN113628302B (zh) * 2021-08-12 2023-04-07 中国民用航空飞行学院 一种航班收益管控预测系统
CN115183763A (zh) * 2022-09-13 2022-10-14 南京北新智能科技有限公司 一种基于人脸识别和栅格法的人员地图定位方法
CN115393778B (zh) * 2022-10-28 2023-03-14 泰和智能(山东)有限公司 基于视频监控实现生产人员定位的方法及其视频监控系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1647535A (zh) * 2002-04-25 2005-07-27 松下电器产业株式会社 物体检测装置、物体检测服务器以及物体检测方法
CN102103747A (zh) * 2009-12-16 2011-06-22 中国科学院电子学研究所 采用参照物高度的监控摄像机外部参数标定方法
CN105550680A (zh) * 2016-03-02 2016-05-04 北京盈想东方科技发展有限公司 北斗图像识别移动监控终端及其监控方法
CN105933650A (zh) * 2016-04-25 2016-09-07 北京旷视科技有限公司 视频监控系统及方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1647535A (zh) * 2002-04-25 2005-07-27 松下电器产业株式会社 物体检测装置、物体检测服务器以及物体检测方法
CN102103747A (zh) * 2009-12-16 2011-06-22 中国科学院电子学研究所 采用参照物高度的监控摄像机外部参数标定方法
CN105550680A (zh) * 2016-03-02 2016-05-04 北京盈想东方科技发展有限公司 北斗图像识别移动监控终端及其监控方法
CN105933650A (zh) * 2016-04-25 2016-09-07 北京旷视科技有限公司 视频监控系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
视觉监控中可旋转单摄像机目标定位相关问题的研究;张锐;《中国优秀硕士学位论文全文数据库信息科技辑》;20080515(第5期);I140-283 *

Also Published As

Publication number Publication date
CN109186584A (zh) 2019-01-11

Similar Documents

Publication Publication Date Title
CN109186584B (zh) 一种基于人脸识别的室内定位方法及定位系统
KR101329111B1 (ko) 실내 네비게이션 시스템 및 방법
CN108628306B (zh) 机器人行走障碍检测方法、装置、计算机设备和存储介质
JP6099833B1 (ja) 画像処理装置、画像処理システム及び画像処理方法
CN113160325B (zh) 基于进化算法的多摄像机高精度自动标定方法
JP2021536649A (ja) 対象の検出と追跡のためのビデオ監視システムを構築する方法
CN109934127A (zh) 基于视频图像与无线信号的行人识别与跟踪方法
CN103688139B (zh) 用于便携式终端设备的进行行人脚步识别的方法和装置
CN111402632A (zh) 一种交叉口行人运动轨迹的风险预测方法
CN110276379A (zh) 一种基于视频图像分析的灾情信息快速提取方法
JP2019121176A (ja) 位置特定装置、位置特定方法、位置特定プログラムおよびカメラ装置
CN113256731A (zh) 基于单目视觉的目标检测方法及装置
CN116358622A (zh) 基于视觉技术的人桥互馈位移监测预警系统及方法
CN115808170B (zh) 一种融合蓝牙与视频分析的室内实时定位方法
CN111915671A (zh) 一种工作区域的人员轨迹跟踪方法和系统
CN111626265A (zh) 多摄像头下行为识别方法、装置及计算机可读存储介质
CN113743380B (zh) 一种基于视频图像动态监测的主动跟踪方法
CN110580721A (zh) 基于全域标识图和视像识别的连续区域定位系统及方法
KR101379237B1 (ko) 화상측정에 의한 시설물 안전관리 방법
CN115731343A (zh) 一种基于顶视图像分割的多人多视角3d重建方法
Fusco et al. Self-localization at street intersections
KR20220124046A (ko) 이동차량 추적에 의한 주차위치 안내시스템
ES2680993B1 (es) Sistema y procedimiento para la detección de la ocupación en aparcamientos
CN112818866A (zh) 车辆定位的方法、装置及电子设备
CN113012223B (zh) 目标流动监测方法、装置、计算机设备和存储介质

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
GR01 Patent grant
GR01 Patent grant