CN109389097A - 一种识别方法及识别装置 - Google Patents
一种识别方法及识别装置 Download PDFInfo
- Publication number
- CN109389097A CN109389097A CN201811290957.9A CN201811290957A CN109389097A CN 109389097 A CN109389097 A CN 109389097A CN 201811290957 A CN201811290957 A CN 201811290957A CN 109389097 A CN109389097 A CN 109389097A
- Authority
- CN
- China
- Prior art keywords
- individual
- biological characteristic
- target object
- monitor video
- compared
- 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
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
- G06V40/25—Recognition of walking or running movements, e.g. gait recognition
-
- 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
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Alarm Systems (AREA)
Abstract
本申请提供了一种识别方法及识别装置，其中，该方法包括：提取监控视频中出现的每一个体的第一生物特征；获取个体在第一预设时长内出现在监控视频的监控信息；根据监控信息和第一生物特征，识别个体是否为目标对象；其中，监控信息为个体在第一预设时长内在监控视频中出现的日期、总次数、总时长以及每一次出现的时刻中的一种或几种。本申请实施例提供的识别方法及识别装置，通过将步态识别技术和视频监控技术进行结合，能够在监控视频中自动识别出目标对象，提高了相关人员的办案效率。
Description
技术领域
本申请涉及识别技术领域，尤其是涉及一种识别方法及识别装置。
背景技术
对于公交站、地铁站、火车站、飞机场等人流量较大的场所，往往容易发生盗窃事件。通常，当盗窃事件发生时，警察一般会查看案发地周边摄像头采集的监控视频，然后，通过人工的方式从监控视频中查找嫌疑人，即通过人眼识别嫌疑人，显然地，这种查找方式不仅需要耗费大量的时间，还容易出现漏检的情况。
因此，如何提供一种在监控视频中能够高效的识别出嫌疑人的方法和装置是目前亟待解决的问题。
发明内容
有鉴于此，本申请的目的在于提供一种识别方法及识别装置，通过将步态识别技术和视频监控技术进行结合，能够在监控视频中自动识别出目标对象，提高了相关人员的办案效率。
第一方面，本申请实施例提供了一种识别方法，方法包括：
提取监控视频中出现的每一个体的第一生物特征；
获取个体在第一预设时长内出现在监控视频的监控信息；
根据监控信息和第一生物特征，识别个体是否为目标对象；
其中，监控信息为个体在第一预设时长内在监控视频中出现的日期、总次数、总时长以及每一次出现的时刻中的一种或几种。
结合第一方面，本申请实施例提供了第一方面的第一种可能的实施方式，根据监控信息和第一生物特征，识别个体是否为目标对象包括：
判断总次数是否大于或等于预设次数；
若总次数大于或等于预设次数，将个体对应的第一生物特征与第一特征库中的第二生物特征进行比对，以识别个体是否为目标对象；
其中，第一特征库存储有与所述第二生物特征相关联个体的身份信息和工作时间。
结合第一方面的第一种可能的实施方式，本申请实施例提供了第一方面的第二种可能的实施方式，识别方法还包括：
若总次数小于预设次数，判断总时长是否大于或等于第二预设时长；
若总时长大于或等于第二预设时长，将个体对应的第一生物特征与第一特征库中的第二生物特征进行比对，识别个体是否为目标对象。
结合第一方面的第一种可能的实施方式或第二种可能的实施方式，本申请实施例提供了第一方面的第三种可能的实施方式，其中，将个体对应的第一生物特征与第一特征库中的第二生物特征进行比对，以识别个体是否为目标对象包括：
若第一生物特征与第二生物特征不一致，则识别出与第一生物特征对应的个体是目标对象。
结合第一方面的第一种可能的实施方式或第二种可能的实施方式，本申请实施例提供了第一方面的第四种可能的实施方式，其中，将个体对应的第一生物特征与第一特征库中的第二生物特征进行比对，识别个体是否为目标对象包括：
若第一生物特征与第二生物特征一致，则将个体在第一预设时长内在监控视频中出现的日期以及每一次出现的时刻与第二生物特征对应的第一特征库中的个体的工作时间进行比对；
若日期、时刻与工作时间不一致，则识别出与第一生物特征对应的个体是目标对象；
若日期、时刻与工作时间一致，则识别出与第一生物特征对应的个体不是目标对象。
结合第一方面的第一种可能的实施方式或第二种可能的实施方式，本申请实施例提供了第一方面的第五种可能的实施方式，将个体对应的第一生物特征与第一特征库中的第二生物特征进行比对，以识别个体是否为目标对象包括：
若第一生物特征与第二生物特征不一致，将第一生物特征与第二特征库中的第三生物特征进行比对；
若第一生物特征与第三生物特征一致，则识别出与第一生物特征对应的个体是目标对象；
其中，第二特征库存储有与所述第三生物特征相关联个体的身份信息。
第二方面，本申请实施例还提供一种识别装置，装置包括：
提取模块，用于提取监控视频中出现的每一个体的第一生物特征；
统计模块，用于统计个体在第一预设时长内出现在监控视频的监控信息；
识别模块，用于根据监控信息和第一生物特征，识别个体是否为目标对象；
其中，监控信息为个体在第一预设时长内在监控视频中出现的日期、总次数、总时长以及每一次出现的时刻中的一种或几种。
结合第二方面，本申请实施例提供了第二方面的第一种可能的实施方式，其中，装置还包括：
判断模块，用于判断总次数是否大于或等于预设次数；
识别模块，还用于若总次数大于或等于预设次数，将个体对应的第一生物特征与第一特征库中的第二生物特征进行比对，以识别个体是否为目标对象；
其中，第一特征库存储有与第二生物特征相关联个体的身份信息和工作时间。
结合第二方面的第一种可能的实施方式，本申请实施例提供了第二方面的第二种可能的实施方式，其中，判断模块，还用于若总次数小于预设次数，判断总时长是否大于或等于第二预设时长；
识别模块，还用于若总时长大于或等于第二预设时长，将个体对应的第一生物特征与第一特征库中的第二生物特征进行比对，识别个体是否为目标对象。
结合第二方面的第一种可能的实施方式或第二种可能的实施方式，本申请实施例提供了第二方面的第三种可能的实施方式，其中，识别模块，还用于若第一生物特征与第二生物特征不一致，则识别出与第一生物特征对应的个体是目标对象。
结合第二方面的第一种可能的实施方式或第二种可能的实施方式，本申请实施例提供了第二方面的第四种可能的实施方式，其中，识别装置还包括：比对模块，用于若第一生物特征与第二生物特征一致，则将个体在第一预设时长内在监控视频中出现的日期以及每一次出现的时刻与第二生物特征对应的第一特征库中的个体的工作时间进行比对；
识别模块，还用于若日期、时刻与工作时间不一致，则识别出与第一生物特征对应的个体是目标对象；
识别模块，还用于若日期、时刻与工作时间一致，则识别出与第一生物特征对应的个体不是目标对象。
结合第二方面的第一种可能的实施方式或第二种可能的实施方式，本申请实施例提供了第二方面的第五种可能的实施方式，
比对模块，还用于若第一生物特征与第二生物特征不一致，将第一生物特征与第二特征库中的第三生物特征进行比对；
识别模块，还用于若第一生物特征与第三生物特征一致，则识别出与第一生物特征对应的个体是目标对象；
其中，第二特征库存储有与第三生物特征相关联个体的身份信息。
第三方面，本申请实施例还提供一种电子设备，包括：处理器、存储器和总线，存储器存储有处理器可执行的机器可读指令，当电子设备运行时，处理器与存储器之间通过总线通信，机器可读指令被处理器执行时执行上述第一方面，或第一方面中的任一种可能的实施方式中识别方法的步骤。
第四方面，本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述第一方面，或第一方面中的任一种可能的实施方式中识别方法的步骤。
本申请实施例提供的识别方法及识别装置，通过分别提取监控视频中出现的全部个体的生物特征，以及统计每一个体对应在第一预设时长内在监控视频中的监控信息，进而能够根据上述监控信息和生物特征，自动识别出监控视频中某一个体为目标对象，上述方式可应用于查找嫌疑人的应用场景下，这种场景下识别出的目标对象即为嫌疑人。与现有技术中的通过人眼从视频中查找目标对象的方式相比，不但能够减少识别目标对象耗费的时间，还能够节省人力，能够进一步提高办案的工作效率。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1示出了本申请实施例所提供的一种识别方法的流程图；
图2示出了本申请实施例所提供的另一种识别方法的流程图；
图3示出了本申请实施例所提供的一种识别装置的功能模块图；
图4示出了本申请实施例所提供的另一种识别装置的功能模块图；
图5示出了本申请实施例所提供的一种电子设备的结构示意图。
图标：10-提取模块；20-获取模块；30-识别模块；40-判断模块；100-处理器；200-存储器；300-总线。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
考虑到现有技术中，在公交站、地铁站、火车站、飞机场等人流量较大的场所发生盗窃事件时，通常办案人员的做法是通过人眼从监控视频中查找嫌疑人，而这种查找方式不仅需要耗费大量的时间，还容易出现漏检的情况。
基于此，本申请实施例提供了一种识别方法及装置，下面通过实施例进行描述。
为便于对本实施例进行理解，首先对本申请实施例所公开的一种识别方法进行详细介绍。
本申请第一方面的实施例，提供了一种识别方法，如图1所示，包括如下步骤：
S101，提取监控视频中出现的每一个体的第一生物特征；
在步骤S101中，为了从监控视频中识别出目标对象，需要分别对监控视频中出现的全部个体的第一生物特征进行提取；
其中，生物特征可以是步态特征、人脸特征、软生物特征(比如头发颜色、文身等)中的一种或者几种的组合。
S102，获取个体在第一预设时长内出现在监控视频的监控信息；
在步骤S102中，为了将个体与个体在监控视频中的行为进行关联，需要在案件发生的一段时间(第一预设时长)的监控视频内，统计出个体在这段时间内的监控信息；
S103，根据监控信息和第一生物特征，识别个体是否为目标对象；
其中，所述监控信息为所述个体在第一预设时长内在所述监控视频中出现的日期、总次数、总时长以及每一次出现的时刻中的一种或几种。
在步骤S103中，根据每一个体对应在监控视频中的行为数据(监控信息)和个体的第一生物特征，能够识别出监控视频中某一个体为目标对象。
本申请提供的识别方法，通过分别提取监控视频中出现的全部个体的生物特征，以及统计每一个体对应在指定时间内在监控视频中的监控信息，进而能够根据上述监控信息和生物特征，自动识别出监控视频中某一个体为嫌疑人，与现有技术中的通过人眼从视频中查找嫌疑人的方式相比，不但能够减少识别嫌疑人耗费的时间，还能够节省人力，提高办案的工作效率。
需要说明的是，每个个体都有唯一的可以测量或可自动识别和验证的生理特性或行为方式，即生物特征。生物特征可划分为生理特征(如指纹、面像、虹膜、掌纹等)和行为特征(如步态、声音、笔迹等)，生物识别就是依据每个个体之间独一无二的生物特征对其进行识别与身份的认证，因此，可以通过个体的生物特征识别出目标对象。其中，步态特征是指足迹中反映的人行走时力的大小、方向和作用点的特征，每个个体的步态特征均不同。在查找嫌疑人的场景下，目标对象即为嫌疑人；第一预设时长可以是在监控视频中截取案件发生的一段时间，也可以根据实际需要提前进行设置的时长。
下面以步态特征为例，从监控视频中提取步态特征采用的算法可以为如下任意一种或多种算法的结合：基于霍夫变换(Hough Transform，HT)的步态特征的提取算法、基于粒子滤波跟踪的步态特征的提取算法和基于支持向量机的步态特征的提取算法等。其中，关于如何基于步态特征的提取算法来实现步态特征的提取，可以采用本领域常用的技术手段，此处不再详述。
这里，为了将个体与个体在监控视频中的行为进行关联，需要在案件发生的第一预设时长的监控视频内，统计出个体在这段时间内的监控信息，其中，监控信息可以包括个体在第一预设时长内在监控视频中出现的日期、总次数、总时长以及每一次出现的时刻，进而根据上述监控信息判断出监控视频中的每一个体的行为是否异常，进而能够对具有异常行为的个体进行识别，从而将该具有异常个体作为目标对象，即嫌疑人的候选者。
优选地，步骤S103根据监控信息和第一生物特征，识别个体是否为目标对象包括：
步骤S1031，判断总次数是否大于或等于预设次数；
在步骤S1031中，可以预先设置个体在监控视频的第一预设时长内常规出现的次数为预设次数，这样就可以根据每一个体在监控视频中出现的总次数，即将每一个体在监控视频中出现的总次数与预设次数进行比对，进而判断出具有异常行为的个体；
步骤S1032，若总次数大于或等于预设次数，将个体对应的第一生物特征与第一特征库中的第二生物特征进行比对，以识别个体是否为目标对象；
在步骤S1032中，若某一个体在监控视频中该第一预设时间段内出现的总次数大于或等于预设次数，就可以初步判断出该个体为行为异常的个体，进一步地，通过将该个体的对应的第一生物特征与第一特征库中工作人员的第二生物特征进行对比，进而，根据比对结果，能够最终识别出该个体是否为目标对象，即是否为嫌疑人。
其中，第一特征库存储有与第二生物特征相关联个体的身份信息和工作时间。
需要说明的是，第一特征库存储的是在监控区域内工作的工作人员的个人信息，包括个人的生物特征信息、身份信息和工作时间，并将这些信息进行关联后进行存储。例如，在公交站、地铁站、火车站、飞机场等人流量较大的场所的监控区域，工作人员可能是清洁工、保安、乘务员、售票员等。个体的身份信息可以为该个体的姓名、年龄、脸部特征等。
优选地，提供了另一种识别方法，如图2所示，包括如下步骤：
S201，提取监控视频中出现的每一个体的第一生物特征；
S202，获取个体在第一预设时长内出现在监控视频的监控信息；
S203，判断总次数是否大于或等于预设次数；
S204，若总次数大于或等于预设次数，将个体对应的第一生物特征与第一特征库中的第二生物特征进行比对，以识别个体是否为目标对象；
S205，若总次数小于预设次数，判断总时长是否大于或等于第二预设时长；
在步骤S205中，当判断出个体在监控视频中出现的总次数小于预设次数时，并不能完全排除该个体不是目标对象，为了避免漏掉目标对象，需要对该个体的在监控视频中出现的总时长进行判断，其中，可以预先设置正常个体在监控视频时间段内常规出现的总时长为预设时长。
S206，若总时长大于或等于第二预设时长，将个体对应的第一生物特征与第一特征库中的第二生物特征进行比对，识别个体是否为目标对象。
在步骤S206中，若某一个体在监控视频中该第一预设时间段内出现的总时长大于或等于第二预设时长，就可以初步判断出该个体为行为异常的个体，进一步地，通过将该个体的对应的第一生物特征与第一特征库中工作人员的第二生物特征进行对比，进而，根据比对结果，能够最终识别出该个体是否为目标对象，即是否为嫌疑人。
其中，步骤S201、步骤S202、步骤S203、步骤S204的描述可以参照步骤S101、步骤S102、步骤S1031、步骤S1032的描述，对此不做赘述。
优选地，步骤S204或步骤S206，将个体对应的第一生物特征与第一特征库中的第二生物特征进行比对，以识别个体是否为目标对象包括：
若第一生物特征与第二生物特征不一致，则识别出与第一生物特征对应的个体是目标对象。
具体地，当通过个体在监控视频中的总次数或总时长初步判断出某一个体为具有异常行为个体，将该个体初步作为候选目标对象，进而在将该个体的信息与工作人员的信息进行比对，具体地，将该个体对应的第一生物特征与工作人员的第二生物特征进行比对，如果存储有工作人员第二生物特征的第一特征库中不存在与该个体相同的生物特征，就说明，该候选目标对象不是工作人员，因此，可以识别出该个体就是要查找的目标对象，即嫌疑人。
优选地，步骤S204或步骤S206，将个体对应的第一生物特征与第一特征库中的第二生物特征进行比对，以识别个体是否为目标对象包括：
步骤S2041，若第一生物特征与第二生物特征一致，则将个体在第一预设时长内在监控视频中出现的日期以及每一次出现的时刻与第二生物特征对应的第一特征库中的个体的工作时间进行比对；
在步骤S2041中，当通过个体在监控视频中的总次数或总时长初步判断出某一个体为具有异常行为的个体，将该个体作为候选目标对象，进而在将该个体与工作人员进行比对，具体地，将该个体对应的第一生物特征与工作人员的第二生物特征进行比对，如果第一特征库中存在与该个体相同的生物特征，就说明，该候选目标对象是工作人员，为了避免工作人员是目标对象的可能，因此，也需要对该工作人员进行进一步确认，可以根据该工作人员在监控视频中出现的日期以及每一次出现的时刻与其正常的工作时间进行比对；
步骤S2042，若日期、时刻与工作时间不一致，则识别出与第一生物特征对应的个体是目标对象；
在步骤S2042中，如果日期、时刻与工作时间不一致，就说明，该候选目标对象虽然是工作人员，但其在监控视频中出现的时间不是其工作的时间，所以该候选目标对象就是目标对象，即嫌疑人。
步骤S2043，若日期、时刻与工作时间一致，则识别出与第一生物特征对应的个体不是目标对象。
在步骤S2043中，如果日期、时刻与工作时间一致，就说明，该候选目标对象是工作人员，且其在监控视频中出现的时间是其工作的时间，所以可以确定出工作人员不是目标对象，即不是嫌疑人。
本申请实施例通过分别将工作人员的第二生物特征与监控视频中个体的第一生物特征进行对比，能够确认出个体是否为工作人员，进而根据之前初步确定个体的情况，最终识别出该个体是否为目标对象，与现有技术中的通过人眼从视频中查找目标对象的方式相比，不但能够减少识别目标对象耗费的时间，还能够节省人力，提高办案的工作效率。
需要说明的是，在识别出目标对象后，可以在监控视频中调取该个体的脸部特征，进一步地，将该个体的脸部特征发送至监控中心，以便于办案人员确认该个体的身份。
优选地，步骤S204或步骤S206，将个体对应的第一生物特征与第一特征库中的第二生物特征进行比对，以识别个体是否为目标对象包括：
步骤S2061，若第一生物特征与第二生物特征不一致，将第一生物特征与第二特征库中的第三生物特征进行比对；
在步骤S2061中，若监控视频中的个体与工作人员的生物特征不一致，说明该个体不是工作人员，可以将该个体的第一生物特征与公安系统中犯罪的人员的生物特征进行比对；
步骤S2062，若第一生物特征与第三生物特征一致，则识别出与第一生物特征对应的个体是目标对象；
在步骤S2062中，若监控视频中具有异常行为个体的第一生物特征与公安系统中犯罪的人员的第三生物特征一致，则说明该个体为犯罪人员，在识别出该个体为目标对象的同时，能够为抓捕该目标对象提供帮助，具体地，在确认目标对象之后，可以在监控视频中调取该个体的脸部特征、并从第二特征库中提取该个体的第三生物特征、身份信息一同发送至监控中心，以便办案人员更全面了解该目标对象的信息。
其中，第二特征库存储有与第三生物特征相关联个体的身份信息。
需要说明的是，第二特征库中存储的是具有犯罪前科、在逃嫌疑、恐怖分子等个体的信息。其中，身份信息可以包括姓名、住址、国籍、年龄、出生地、家庭成员、犯罪时间及犯罪事件、服刑时限以及目前状态(例如，刑满释放、通缉等)。
基于同一申请构思，本申请第二方面的实施例中还提供了与识别方法对应的识别装置，由于本申请实施例中的识别装置解决问题的原理与本申请实施例上述识别方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。
本申请第二方面的实施例，提供了一种识别装置，如图3所示，包括：
提取模块10，用于提取监控视频中出现的每一个体的第一生物特征；
获取模块20，用于获取个体在第一预设时长内出现在监控视频的监控信息；
识别模块30，用于根据监控信息和第一生物特征，识别个体是否为目标对象；
其中，监控信息为个体在第一预设时长内在监控视频中出现的日期、总次数、总时长以及每一次出现的时刻中的一种或几种。
优选地，本申请实施例还提供了另一种识别装置，如图4所示，包括：
提取模块10，用于提取监控视频中出现的每一个体的第一生物特征；
获取模块20，用于获取个体在第一预设时长内出现在监控视频的监控信息；
判断模块40，用于判断总次数是否大于或等于预设次数；
识别模块30，还用于若总次数大于或等于预设次数，将个体对应的第一生物特征与第一特征库中的第二生物特征进行比对，以识别个体是否为目标对象；
其中，第一特征库存储有与第二生物特征相关联个体的身份信息和工作时间。
优选地，判断模块40，还用于若总次数小于预设次数，判断总时长是否大于或等于第二预设时长；
识别模块30，还用于若总时长大于或等于第二预设时长，将个体对应的第一生物特征与第一特征库中的第二生物特征进行比对，识别个体是否为目标对象。
优选地，识别模块30，还用于若第一生物特征与第二生物特征不一致，则识别出与第一生物特征对应的个体是目标对象。
优选地，识别装置还包括：
比对模块，用于若第一生物特征与第二生物特征一致，则将个体在第一预设时长内在监控视频中出现的日期以及每一次出现的时刻与第二生物特征对应的第一特征库中的个体的工作时间进行比对；
识别模块30，还用于若日期、时刻与工作时间不一致，则识别出与第一生物特征对应的个体是目标对象；
识别模块30，还用于若日期、时刻与工作时间一致，则识别出与第一生物特征对应的个体不是目标对象。
优选地，比对模块，用于若第一生物特征与第二生物特征不一致，将第一生物特征与第二特征库中的第三生物特征进行比对；
识别模块30，还用于若第一生物特征与第三生物特征一致，则识别出与第一生物特征对应的个体是目标对象；
其中，第二特征库存储有与第三生物特征相关联个体的身份信息。
本申请第三方面的实施例，如图5所示，为本申请实施例所提供的一种电子设备示意图，该设备包括：处理器100、存储器200和总线300，存储器200存储有处理器100可控制的机器可读指令，当电子设备运行时，处理器100与存储器200之间通过总线300通信，机器可读指令被处理器100控制时控制如上述任一项的识别方法的步骤。
本申请第四方面的实施例，提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器100运行时控制上述任一项的识别方法的步骤。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种识别方法，其特征在于，所述方法包括：
提取监控视频中出现的每一个体的第一生物特征；
获取所述个体在第一预设时长内出现在所述监控视频的监控信息；
根据所述监控信息和所述第一生物特征，识别所述个体是否为目标对象；
其中，所述监控信息为所述个体在第一预设时长内在所述监控视频中出现的日期、总次数、总时长以及每一次出现的时刻中的一种或几种。
2.根据权利要求1所述的方法，其特征在于，所述根据所述监控信息和所述第一生物特征，识别所述个体是否为目标对象包括：
判断所述总次数是否大于或等于预设次数；
若所述总次数大于或等于所述预设次数，将所述个体对应的第一生物特征与第一特征库中的第二生物特征进行比对，以识别所述个体是否为目标对象；
其中，所述第一特征库存储有与所述第二生物特征相关联个体的身份信息和工作时间。
3.根据权利要求2所述的方法，其特征在于，还包括：
若所述总次数小于所述预设次数，判断所述总时长是否大于或等于第二预设时长；
若所述总时长大于或等于所述第二预设时长，将所述个体对应的第一生物特征与所述第一特征库中的所述第二生物特征进行比对，识别所述个体是否为目标对象。
4.根据权利要求2或3所述的方法，其特征在于，所述将所述个体对应的第一生物特征与第一特征库中的第二生物特征进行比对，以识别所述个体是否为目标对象包括：
若所述第一生物特征与所述第二生物特征不一致，则识别出与所述第一生物特征对应的所述个体是所述目标对象。
5.根据权利要求2或3所述的方法，其特征在于，所述将所述个体对应的第一生物特征与第一特征库中的第二生物特征进行比对，识别所述个体是否为目标对象包括：
若所述第一生物特征与所述第二生物特征一致，则将所述个体在第一预设时长内在所述监控视频中出现的日期以及每一次出现的时刻与所述第二生物特征对应的所述第一特征库中的所述个体的工作时间进行比对；
若所述日期、所述时刻与所述工作时间不一致，则识别出与所述第一生物特征对应的所述个体是所述目标对象；
若所述日期、所述时刻与所述工作时间一致，则识别出与所述第一生物特征对应的所述个体不是所述目标对象。
6.根据权利要求2或3所述的方法，其特征在于，所述将所述个体对应的第一生物特征与第一特征库中的第二生物特征进行比对，以识别所述个体是否为目标对象包括：
若所述第一生物特征与所述第二生物特征不一致，将所述第一生物特征与第二特征库中的第三生物特征进行比对；
若所述第一生物特征与所述第三生物特征一致，则识别出与所述第一生物特征对应的所述个体是所述目标对象；
其中，所述第二特征库存储有与所述第三生物特征相关联个体的身份信息。
7.一种识别装置，其特征在于，所述装置包括：
提取模块，用于提取监控视频中出现的每一个体的第一生物特征；
获取模块，用于获取所述个体在第一预设时长内出现在所述监控视频的监控信息；
识别模块，用于根据所述监控信息和所述第一生物特征，识别所述个体是否为目标对象；
其中，所述监控信息为所述个体在第一预设时长内在所述监控视频中出现的日期、总次数、总时长以及每一次出现的时刻中的一种或几种。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括：
判断模块，用于判断所述总次数是否大于或等于预设次数；
所述识别模块，还用于若所述总次数大于或等于所述预设次数，将所述个体对应的第一生物特征与第一特征库中的第二生物特征进行比对，以识别所述个体是否为目标对象；
其中，所述第一特征库存储有与所述第二生物特征相关联个体的身份信息和工作时间。
9.根据权利要求8所述的装置，其特征在于，
所述判断模块，还用于若所述总次数小于所述预设次数，判断所述总时长是否大于或等于第二预设时长；
所述识别模块，还用于若所述总时长大于或等于所述第二预设时长，将所述个体对应的第一生物特征与所述第一特征库中的所述第二生物特征进行比对，识别所述个体是否为目标对象。
10.根据权利要求8或9所述的装置，其特征在于，
所述识别模块，还用于若所述第一生物特征与所述第二生物特征不一致，则识别出与所述第一生物特征对应的所述个体是所述目标对象。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811290957.9A CN109389097A (zh) | 2018-10-31 | 2018-10-31 | 一种识别方法及识别装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811290957.9A CN109389097A (zh) | 2018-10-31 | 2018-10-31 | 一种识别方法及识别装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109389097A true CN109389097A (zh) | 2019-02-26 |
Family
ID=65428099
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811290957.9A Pending CN109389097A (zh) | 2018-10-31 | 2018-10-31 | 一种识别方法及识别装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109389097A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111625794A (zh) * | 2019-02-28 | 2020-09-04 | 广东美的制冷设备有限公司 | 录入方法、运行控制模块、家电设备、系统和存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103246869A (zh) * | 2013-04-19 | 2013-08-14 | 福建亿榕信息技术有限公司 | 基于人脸识别和行为语音识别的犯罪监控方法 |
| 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 |
| CN107153820A (zh) * | 2017-05-10 | 2017-09-12 | 电子科技大学 | 一种面向高噪声的人脸识别及运动轨迹判别方法 |
| CN107346415A (zh) * | 2017-06-08 | 2017-11-14 | 小草数语（北京）科技有限公司 | 视频图像处理方法、装置及监控设备 |
| CN108647581A (zh) * | 2018-04-18 | 2018-10-12 | 深圳市商汤科技有限公司 | 信息处理方法、装置及存储介质 |
-
2018
- 2018-10-31 CN CN201811290957.9A patent/CN109389097A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103246869A (zh) * | 2013-04-19 | 2013-08-14 | 福建亿榕信息技术有限公司 | 基于人脸识别和行为语音识别的犯罪监控方法 |
| 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 |
| CN107153820A (zh) * | 2017-05-10 | 2017-09-12 | 电子科技大学 | 一种面向高噪声的人脸识别及运动轨迹判别方法 |
| CN107346415A (zh) * | 2017-06-08 | 2017-11-14 | 小草数语（北京）科技有限公司 | 视频图像处理方法、装置及监控设备 |
| CN108647581A (zh) * | 2018-04-18 | 2018-10-12 | 深圳市商汤科技有限公司 | 信息处理方法、装置及存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111625794A (zh) * | 2019-02-28 | 2020-09-04 | 广东美的制冷设备有限公司 | 录入方法、运行控制模块、家电设备、系统和存储介质 |
| CN111625794B (zh) * | 2019-02-28 | 2024-03-05 | 广东美的制冷设备有限公司 | 录入方法、运行控制模块、家电设备、系统和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107633204B (zh) | 人脸遮挡检测方法、装置及存储介质 | |
| CN106919921B (zh) | 结合子空间学习与张量神经网络的步态识别方法及系统 | |
| CN108229335A (zh) | 关联人脸识别方法和装置、电子设备、存储介质、程序 | |
| CN109190601A (zh) | 一种监控场景下目标对象识别方法及装置 | |
| CN110287889A (zh) | 一种身份识别的方法及装置 | |
| CN109446936A (zh) | 一种用于监控场景的身份识别方法及装置 | |
| WO2021063056A1 (zh) | 人脸属性识别方法、装置、电子设备和存储介质 | |
| US11048917B2 (en) | Method, electronic device, and computer readable medium for image identification | |
| CN110414459A (zh) | 建立人车关联的方法及装置 | |
| CN107977439A (zh) | 一种人脸图像库构建方法 | |
| CN106295547A (zh) | 一种图像比对方法及图像比对装置 | |
| KR101957677B1 (ko) | 얼굴인식을 통한 학습형 실시간 안내 시스템 및 그 안내 방법 | |
| Haji et al. | Real time face recognition system (RTFRS) | |
| CN112381987A (zh) | 基于人脸识别的智能门禁防疫系统 | |
| Nafi et al. | An advanced door lock security system using palmtop recognition system | |
| Al-Dmour et al. | Masked face detection and recognition system based on deep learning algorithms | |
| CN109389097A (zh) | 一种识别方法及识别装置 | |
| CN109816893A (zh) | 信息发送方法、装置、服务器及存储介质 | |
| Dubey et al. | Deep Perusal of Human Face Recognition Algorithms from Facial Snapshots | |
| Tiwari et al. | Face Recognition using morphological method | |
| Fernández et al. | Implementation of a face recognition system as experimental practices in an artificial intelligence and pattern recognition course | |
| Ndubuisi et al. | Digital Criminal Biometric Archives (DICA) and Public Facial Recognition System (FRS) for Nigerian criminal investigation using HAAR cascades classifier technique | |
| Thaipisutikul et al. | A deep feature-level fusion model for masked face identity recommendation system | |
| Moyo et al. | COVID-19 Face Mask Detection Alert System | |
| Indhumathi et al. | Real-time video based human suspicious activity recognition with transfer learning for deep learning |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20210125 Address after: 315000 9-3, building 91, 16 Buzheng lane, Haishu District, Ningbo City, Zhejiang Province Applicant after: Yinhe shuidi Technology (Ningbo) Co.,Ltd. Address before: 101500 Room 501-1753, Office Building, Development Zone, No. 8, Xingsheng South Road, Economic Development Zone, Miyun District, Beijing (Economic Development Zone Centralized Office Area) Applicant before: Yinhe waterdrop Technology (Beijing) Co.,Ltd. |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190226 |