CN109583296A - 一种防止误检测方法、装置、系统及计算机存储介质 - Google Patents
一种防止误检测方法、装置、系统及计算机存储介质 Download PDFInfo
- Publication number
- CN109583296A CN109583296A CN201811234395.6A CN201811234395A CN109583296A CN 109583296 A CN109583296 A CN 109583296A CN 201811234395 A CN201811234395 A CN 201811234395A CN 109583296 A CN109583296 A CN 109583296A
- Authority
- CN
- China
- Prior art keywords
- face
- humanoid
- detection
- real
- image information
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 123
- 238000000034 method Methods 0.000 claims abstract description 15
- 230000001815 facial effect Effects 0.000 claims description 16
- 230000015654 memory Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 12
- 230000001960 triggered effect Effects 0.000 claims description 4
- 238000007689 inspection Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 abstract description 9
- 238000012544 monitoring process Methods 0.000 abstract description 6
- 238000012545 processing Methods 0.000 description 18
- 238000000605 extraction Methods 0.000 description 11
- 238000009432 framing Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 239000013598 vector Substances 0.000 description 6
- 230000008901 benefit Effects 0.000 description 4
- 238000000513 principal component analysis Methods 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
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
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
Abstract
本发明提供了一种防止误检测方法、装置、系统及计算机存储介质。所述防止误检测方法包括：图像采集装置获取实时图像信息；基于所述实时图像信息进行人形检测和/或人脸检测；根据所述人形检测和/或人脸检测的结果确定是否报警；其中，在进行人形检测和/或人脸检测时，和/或，人形检测和/或人脸检测完成后，进行人脸识别。根据本发明的方法、装置、系统及计算机存储介质，通过合理安排算法调度及利用拉长检测时间的方式来解决本地安防摄像机处理器和算法能力不足的问题，实现警报准确及时，同时人脸比对准确。
Description
技术领域
本发明涉及人脸识别技术领域，更具体地涉及一种防止误检测方法及装置。
背景技术
安防摄像机使用越来越普及，为了改善安全性和便捷性，很多安防摄像机都增加了智能图像检测功能，通过检测人形、人脸和来优化误触发和人脸识别的功能。安防摄像头处理智能图像有两种方式，一种是将图像传输到云端服务器处理，好处是性能强、功能多、准确高，弊端是成本高、对网络依赖；另一种是利用设备内的处理器及内置算法做本地智能图像处理，好处是实时好、成本低，弊端是性能受限于处理器性能和算法，不能同时快速支持多种算法智能图像处理。
随着家庭用户对安防摄像头的智能图像功能有越来越高的需求，鉴于本地智能图像处理方式综合成本低，越来越被广大厂家选择用于家庭安防摄像头的智能图像解决方案。但是由于成本原因，本地智能图像处理方式的性能不是很高，在处理检测实时和减少误报及人脸检测的功能时不能很好兼顾，对体验有损失。
发明内容
考虑到上述问题而提出了本发明。本发明提供了一种防止误检测方法、装置、系统及计算机存储介质，解决了本地图像处理方式的性能不高，在处理检测实时和减少误报及人脸检测的功能时不能很好兼顾的问题。
根据本发明一方面，提供了一种防止误检测方法，所述方法包括：
图像采集装置获取实时图像信息；
基于所述实时图像信息进行人形检测和/或人脸检测；
根据所述人形检测和/或人脸检测的结果确定是否报警；
其中，在进行人形检测和/或人脸检测时，和/或，人形检测和/或人脸检测完成后，进行人脸识别。
示例性地，所述人脸识别包括：根据所述人形和/或人脸信息生成对应的实时人形和/或人脸图像；基于所述实时人形和/或人脸图像进行实时人形和/或人脸特征提取，根据所述实时人形和/或人脸特征进行人脸比对，得到识别结果。
示例性地，所述人形和/或人脸特征在人脸数据库中进行搜索比对，得到相似度最高的结果为识别结果。
示例性地，基于所述实时图像信息进行人形检测和/或人脸检测包括：基于所述实时图像信息，判断所述实时图像信息中是否含有人形和/或人脸信息，如果有则确定人形检测和/或人脸检测的结果为有人，否则确定人形检测和/或人脸检测的结果为无人。
示例性地，根据所述人形和/或人脸检测的结果确定是否报警包括：当所述结果为有人时，进行报警；当所述结果为无人时，不进行报警。
示例性地，所述报警包括推送信息到用户手机APP或预先设定的报警平台。
示例性地，当所述结果为无人时，继续采集实时图像信息。
示例性地，所述图像采集装置获取实时图像信息包括：当所述图像采集装置被触发时，所述图像采集装置进行图像采集，以获取所述实时图像信息。
示例性地，所述图像采集包括根据预先设定的截至条件停止。
根据本发明另一方面，提供了一种防止误检测装置，包括：
图像采集装置，用于获取实时图像信息；
检测模块，用于基于所述实时图像信息进行人形检测和/或人脸检测；
报警模块，用于根据所述人形检测和/或人脸检测的结果确定是否报警；
人脸识别模块，用于在进行人形检测和/或人脸检测时，和/或，人形检测和/或人脸检测完成后，进行人脸识别。
示例性地，所述图像采集装置可以进一步地包括：
触发模块，检测到移动物体时触发所述图像采集装置采集实时图像信息；
图像信息接收模块，接收所述实时图像信息；
停止模块，根据预先设定的截至条件停止获取所述实时图像信息。
示例性地，所述检测模块可以进一步地包括：
分帧模块，用于对所述实时图像信息中的视频数据进行视频图像分帧；
人形检测模块，基于分帧后的所述实时图像信息，判断所述实时图像信息中是否含有人形信息；
人脸检测模块，基于分帧后的所述实时图像信息，判断所述实时图像信息中是否含有人脸信息；
检测结果模块，如果人形检测模块检测到人形信息和/或人脸检测模块检测到人脸信息，则确定检测结果为有人，否则为无人。
示例性地，所述检测模块还包括：预处理模块，用于在判断所述实时图像信息中是否含有人形和/或人脸信息之前，对所述实时图像信息进行预处理。
示例性地，所述报警模块可以进一步地包括：当所述结果为有人时，进行报警；当所述结果为无人时，不进行报警。
示例性地，所述报警包括：推送信息到用户手机APP或预先设定的报警平台。
示例性地，所述报警模块还包括：采集判断模块，当所述结果为无人时，继续采集实时图像信息。
示例性地，所述人脸识别模块可以进一步地包括：
图像模块，根据所述人形和/或人脸信息生成对应的实时人形和/或人脸图像；
特征提取模块，基于所述实时人形和/或人脸图像进行实时人形和/或人脸特征提取；
识别模块，根据所述实时人形和/或人脸特征进行人脸比对，得到识别结果。
示例性地，所述识别模块包括：将所述人形和/或人脸特征在人脸数据库中进行搜索比对，得到相似度最高的结果为识别结果。
示例性地，所述识别模块包括：将所述人形和/或人脸特征在人脸数据库中进行搜索比对，将所述搜索比对的结果进行打分，其中，分数大于或等于阈值的结果为识别结果。
示例性地，所述得到识别结果包括：所述人形和/或人脸特征在人脸数据库中进行搜索比对，或所述搜索比对的结果的分数不超过阈值，确认所述识别结果为无。
示例性地，所述人脸识别模块可以进一步地包括：降维模块，在进行实时人形和/或人脸特征提取后，降低所述实时人形和/或人脸特征的维度。
根据本发明另一方面，提供了一种防止误检测系统，包括存储器、处理器及存储在所述存储器上且在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。
根据本发明另一方面，提供了一种计算机存储介质，其上存储有计算机程序，所述计算机程序被计算机执行时实现上述方法的步骤。
根据本发明实施例的防止误检测方法、装置、系统和计算机可存储介质，通过合理安排算法调度及利用拉长检测时间的方式来解决本地安防摄像机处理器和算法能力不足的问题，实现警报准确及时，同时人脸比对准确。
附图说明
通过结合附图对本发明实施例进行更详细的描述，本发明的上述以及其它目的、特征和优势将变得更加明显。附图用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与本发明实施例一起用于解释本发明，并不构成对本发明的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
图1是根据本发明实施例的防止误检测方法的示意性流程图；
图2是根据本发明实施例的防止误检测装置的示意性框图。
具体实施方式
为了使得本发明的目的、技术方案和优点更为明显，下面将参照附图详细描述根据本发明的示例实施例。显然，所描述的实施例仅仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受这里描述的示例实施例的限制。基于本发明中描述的本发明实施例，本领域技术人员在没有付出创造性劳动的情况下所得到的所有其它实施例都应落入本发明的保护范围之内。
首先，参考图1来描述用于实现本发明实施例的防止误检测方法100。如图1所示：
首先，在步骤S110，图像采集装置获取实时图像信息；
在步骤S120，基于所述实时图像信息进行人形检测和/或人脸检测；
在步骤S130，根据所述人形检测和/或人脸检测的结果确定是否报警；
其中，在进行人形检测和/或人脸检测时，和/或，人形检测和/或人脸检测完成后，进行人脸识别。
示例性地，根据本发明实施例的防止误检测方法可以在具有存储器和处理器的设备、装置或者系统中实现。
根据本发明实施例的防止误检测方法可以部署在人脸图像采集端处，例如，在安防应用领域，可以部署在门禁系统的图像采集端等。
根据本发明实施例的防止误检测方法，通过合理安排算法调度及利用拉长检测时间的方式来解决本地安防摄像机处理器和算法能力不足的问题，实现警报准确及时，同时人脸比对准确。
根据本发明实施例，步骤110可以进一步地包括：所述图像采集装置获取实时图像信息包括：当所述图像采集装置被触发时，所述图像采集装置进行图像采集，以获取所述实时图像信息。
示例性地，所述触发包括通过图像移动检测或PIR(Passive infrareddetectors)被动红外传感器的方式检测到移动物体。
示例性地，所述图像采集包括根据预先设定的截至条件停止。
示例性地，所述图像采集装置包括摄像头。
示例性地，所述实时图像信息包括单帧图像或连续的多帧图像或不连续的任意选定的多帧图像。
示例性地，所述图像采集装置将实时图像信息保存在本地存储器中。其中，存储器可以是内置EMMC、SD卡、硬盘或其他本地网络存储器。
根据本发明实施例，步骤120可以进一步地包括：基于所述实时图像信息进行人形检测和/或人脸检测包括：基于所述实时图像信息，判断所述实时图像信息中是否含有人形和/或人脸信息，如果有则确定人形检测和/或人脸检测的结果为有人，否则确定人形检测和/或人脸检测的结果为无人。
其中，在进行人形检测和/或人脸检测的同时，也可以进行人脸识别；但是这一阶段的首要目的是为了检测是否存在人，排除其他移动物体的干扰，以防止误报。因为考虑到本地计算能力的限制，为了减少误报和快速检测是否有人，所以，这期间的计算资源优先或大部分先用来进行人形检测和/或人脸检测，保证快速准确的检测人的存在；同时，也有一部分计算资源进行人脸识别。
例如，通过人形检测和/或人脸检测很快确定了人的存在，那么就不再进行人形检测和/或人脸检测，转而进行人脸识别。
示例性地，所述人形检测和/或人脸检测还包括：在判断所述实时图像信息中是否含有人形和/或人脸信息之前，对所述实时图像信息进行预处理。
示例性地，所述人形和/或人脸信息是通过对所述实时图像信息进行人形和/或人脸检测，以及人形和/或人脸跟踪处理所确定的包含有人形和/或人脸的图像帧。通过人形检测和/或人脸检测和/或人脸跟踪确定包含有人形和/或人脸的图像帧的处理是图像处理领域中的常见处理，此处不再对其进行详细描述。
根据本发明实施例，步骤130可以进一步地包括：根据所述人形和/或人脸检测的结果确定是否报警包括：当所述结果为有人时，进行报警；当所述结果为无人时，不进行报警。示例性地，所述报警包括：推送信息到用户手机APP或预先设定的报警平台。因此，所述图像采集装置被出发后开始采集图像或视频，进行人形检测和/或人脸检测以判断采集的图像信息中是否有人，而不做人脸比对或利用少量计算资源进行人脸比对，这样可以在最短时间内给人形和人脸检测最多资源。虽然不能实时对每一帧视频图像做到检测，但是却可以保证在资源有限的情况下尽可能多的检测人的存在，达到检测实时和减少误报的目的。
根据本发明实施例，步骤130可以进一步地包括：当所述结果为无人时，继续采集实时图像信息。
根据本发明实施例，步骤140可以进一步地包括：所述人脸识别包括：根据所述人形和/或人脸信息生成对应的实时人形和/或人脸图像；基于所述实时人形和/或人脸图像进行实时人形和/或人脸特征提取，根据所述实时人形和/或人脸特征进行人脸比对，得到识别结果。
示例性地，所述人形和/或人脸图像是通过对所述人形和/或人脸图像信息进行人形和/或人脸检测和人形和/或人脸跟踪处理所确定的包含有权限用户人形和/或人脸的图像帧。具体的，可以通过诸如模板匹配、SVM(支持向量机)、神经网络等各种本领域中常用的人形和/或人脸检测方法在包含目标人形和/或人脸的起始图像帧中确定该目标人形和/或人脸的大小和位置，随后基于目标人形和/或人脸的颜色信息、局部特征、或运动信息等对该目标人形和/或人脸进行跟踪，从而确定视频中包含有目标人形和/或人脸的各帧图像。上述通过人形和/或人脸检测，人形和/或人脸跟踪确定包含有目标人形和/或人脸的图像帧的处理是图像处理领域中的常见处理，此处不再对其进行详细描述。
示例性地，所述特征提取可以采用诸如LBP(局部二值模式)、HoG(方向梯度直方图)、PCA(主成分分析法)或者神经网络等各种适当的人形和/或人脸特征提取方法来进行特征提取并生成所述多个特征向量。可选的，对于所述人脸图片序列中的每一帧图像中的目标人脸均采用相同的特征提取方法生成特征向量。下面仅仅是为了说明的完整性，对本实施例中所采用的人形和/或人脸特征提取方法进行简单的说明。
在一个实施例中，采用基于卷积神经网络的特征提取方法对图像中的人形和/或人脸特征图片序列中的目标人形或人脸进行特征提取以生成分别与所述人脸图片序列中的目标人形或人脸对应的多个特征向量。例如，首先对于所述人脸图片序列中的每一帧图像，确定其中与目标人形或人脸对应的人形或人脸图像区域；随后，对该人形或人脸图像区域基于卷积神经网络进行特征提取，以生成与该帧图像中的目标人形或人脸对应的一个特征向量。此处，可以将该人形或人脸图像区域作为一个整体进行特征提取，也可以在该人形或人脸图像区域的不同子图像区域中分别进行特征提取。
示例性地，所述得到识别结果包括：所述人形和/或人脸特征在人脸数据库中进行搜索比对，得到相似度最高的结果为识别结果。
示例性地，所述得到识别结果包括：所述人形和/或人脸特征在人脸数据库中进行搜索比对，将所述搜索比对的结果进行打分，其中，分数大于或等于阈值的结果为识别结果。
示例性地，所述得到识别结果包括：所述人形和/或人脸特征在人脸数据库中进行搜索比对，或所述搜索比对的结果的分数不超过阈值，确认所述识别结果为无。
根据本发明实施例，步骤140可以进一步地包括：进行实时人形和/或人脸特征提取后，降低所述实时人形和/或人脸特征的维度。
示例性地，当检测到移动物体触发所述图像采集装置；
所述图像采集装置被触发后，进行图像采集，获取所述实时图像信息；此时，所述实时图像信息储存在存储器中，以方便以后调用；
获取实时图像之后，进行人形和/或人脸检测，以判断是否所述移动物体为人；此时，大部分计算资源用于进行人形和/或人脸检测，便于更准确快速的判断人的存在，减少误报；其中，可以利用小部分计算资源用于同时进行人脸识别，或不进行人脸识别；
当人形和/或人脸检测确定所述移动物体不是人，那么不进行报警，经过预定时间后，图像采集装置进入待机状态，下次触发后开始进行图像采集；
当人形和/或人脸检测确定所述移动物体是人，那么立即进行报警；同时，人形和/或人脸检测已经完成，可以将大部分计算资源用于进行人脸识别；如果采集的图像信息很好用，人形和/或人脸检测很快速的检测到人并报警后，人脸识别也能迅速识别出人的身份，那么在进行检测到人的报警后，也会进行人脸识别结果的发送。
此外，当人脸识别的过程没有那么快的情况下，至少可以快速准确的知道是否有人出现在所述图像采集装置的位置；当所述图像采集装置没有被触发，处于空闲状态时，所述图像采集装置可以调取出存储器中的有人的录像图像文件，只做人脸识别，在检测到人脸时，调取人脸比对算法，集中资源检测出人脸。实际应用中，因为一天中触发录像不会很多，只要摄像机空闲时，就不用考虑视频解码的实时性，可以逐帧图像做人脸检测和人脸比对，做到100％检测，通过更多时间的计算来解决检测的准确性。
图2示出了根据本发明实施例的防止误检测装置200的示意性框图。
如图2所示，根据本发明实施例的防止误检测装置200包括图像采集装置210、检测模块220、报警模块230、人脸识别模块240。
图像采集装置210，用于获取实时图像信息；
检测模块220，用于基于所述实时图像信息进行人形检测和/或人脸检测；
报警模块230，用于根据所述人形检测和/或人脸检测的结果确定是否报警；
人脸识别模块240，用于在进行人形检测和/或人脸检测时，和/或，人形检测和/或人脸检测完成后，进行人脸识别。
根据本发明实施例，所述图像采集装置210可以进一步地包括：
触发模块，检测到移动物体时触发所述图像采集装置采集实时图像信息；
图像信息接收模块，接收所述实时图像信息；
停止模块，根据预先设定的截至条件停止获取所述实时图像信息。
示例性地，所述触发包括通过图像移动检测或PIR(Passive infrareddetectors)被动红外传感器的方式检测到移动物体。
示例性地，所述图像采集装置包括摄像头。
示例性地，所述实时图像信息包括单帧图像或连续的多帧图像或不连续的任意选定的多帧图像。
示例性地，所述图像采集装置将实时图像信息保存在本地存储器中。其中，存储器可以是内置EMMC、SD卡、硬盘或其他本地网络存储器。
根据本发明实施例，所述检测模块220可以进一步地包括：
分帧模块，用于对所述实时图像信息中的视频数据进行视频图像分帧；
人形检测模块，基于分帧后的所述实时图像信息，判断所述实时图像信息中是否含有人形信息；
人脸检测模块，基于分帧后的所述实时图像信息，判断所述实时图像信息中是否含有人脸信息；
检测结果模块，如果人形检测模块检测到人形信息和/或人脸检测模块检测到人脸信息，则确定检测结果为有人，否则为无人。
示例性地，所述检测模块220还包括：预处理模块，用于在判断所述实时图像信息中是否含有人形和/或人脸信息之前，对所述实时图像信息进行预处理。
示例性地，所述人形和/或人脸信息是通过对所述实时图像信息进行人形和/或人脸检测，以及人形和/或人脸跟踪处理所确定的包含有人形和/或人脸的图像帧。通过人形检测和/或人脸检测和/或人脸跟踪确定包含有人形和/或人脸的图像帧的处理是图像处理领域中的常见处理，此处不再对其进行详细描述。
根据本发明实施例，所述报警模块230可以进一步地包括：当所述结果为有人时，进行报警；当所述结果为无人时，不进行报警。
示例性地，所述报警包括：推送信息到用户手机APP或预先设定的报警平台。
示例性地，所述报警模块230还包括：采集判断模块，当所述结果为无人时，继续采集实时图像信息。
根据本发明实施例，所述人脸识别模块240可以进一步地包括：
图像模块，根据所述人形和/或人脸信息生成对应的实时人形和/或人脸图像；
特征提取模块，基于所述实时人形和/或人脸图像进行实时人形和/或人脸特征提取；
识别模块，根据所述实时人形和/或人脸特征进行人脸比对，得到识别结果。
示例性地，所述人形和/或人脸图像是通过对所述人形和/或人脸图像信息进行人形和/或人脸检测和人形和/或人脸跟踪处理所确定的包含有权限用户人形和/或人脸的图像帧。上述通过人形和/或人脸检测，人形和/或人脸跟踪确定包含有目标人形和/或人脸的图像帧的处理是图像处理领域中的常见处理，此处不再对其进行详细描述。
示例性地，所述特征提取可以采用诸如LBP(局部二值模式)、HoG(方向梯度直方图)、PCA(主成分分析法)或者神经网络等各种适当的人形和/或人脸特征提取方法来进行特征提取并生成所述多个特征向量。可选的，对于所述人脸图片序列中的每一帧图像中的目标人脸均采用相同的特征提取方法生成特征向量。
示例性地，所述识别模块包括：将所述人形和/或人脸特征在人脸数据库中进行搜索比对，得到相似度最高的结果为识别结果。
示例性地，所述识别模块包括：将所述人形和/或人脸特征在人脸数据库中进行搜索比对，将所述搜索比对的结果进行打分，其中，分数大于或等于阈值的结果为识别结果。
示例性地，所述得到识别结果包括：所述人形和/或人脸特征在人脸数据库中进行搜索比对，或所述搜索比对的结果的分数不超过阈值，确认所述识别结果为无。
根据本发明实施例，所述人脸识别模块240可以进一步地包括：降维模块，在进行实时人形和/或人脸特征提取后，降低所述实时人形和/或人脸特征的维度。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
根据本发明实施例的防止误检测系统，防止误检测系统包括图像传感器、存储装置、以及处理器。
图像传感器，用于采集图像信息。
所述存储装置，存储用于实现根据本发明实施例的防止误检测方法中的相应步骤的程序代码。
所述处理器，用于运行所述存储装置中存储的程序代码，以执行根据本发明实施例的防止误检测方法的相应步骤，并且用于实现根据本发明实施例的防止误检测装置中的图像采集装置210、检测模块220、报警模块230、人脸识别模块240。
在一个实施例中，在所述程序代码被所述处理器运行时执行上述的防止误检测方法。
示例性地，所述防止误检测系统还包括用于存储由图像传感器采集的图像数据，包括视频数据和非视频数据。
示例性地，所述视频数据的存储方式可以包括以下存储方式之一：本地(local)存储、数据库存储、分布式文件系统(hdfs)存储以及远程存储，存储服务地址可以包括服务器IP和服务器端口。其中，本地存储是指将防止误检测系统所接收的视频数据在系统本地；数据库存储是指将防止误检测系统所接收的视频数据保存在系统的数据库中，数据库存储需要在防止误检测系统上安装相应的数据库；分布式文件系统存储是指将防止误检测系统所接收的视频数据保存在分布式文件系统中，分布式文件系统存储需要在防止误检测系统上安装分布式文件系统；远程存储是指将防止误检测系统所接收的视频数据交由其他存储服务进行存储。在其他示例中，所配置的存储方式也可以包括其他任何合适类型的存储方式，本发明对此不作限制。
示例性地，在上述对视频数据进行存取时，可以以流的形式进行。例如，可以采用二进制流的传输方式实现对视频数据的存取。
此外，根据本发明实施例，还提供了一种存储介质，在所述存储介质上存储了程序指令，在所述程序指令被计算机或处理器运行时用于执行本发明实施例的防止误检测方法的相应步骤，并且用于实现根据本发明实施例的防止误检测装置中的相应模块。所述存储介质例如可以包括智能电话的存储卡、平板电脑的存储部件、个人计算机的硬盘、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、USB存储器、或者上述存储介质的任意组合。所述计算机可读存储介质可以是一个或多个计算机可读存储介质的任意组合，例如一个计算机可读存储介质包含用于随机地生成动作指令序列的计算机可读的程序代码，另一个计算机可读存储介质包含用于进行防止误检测的计算机可读的程序代码。
在一个实施例中，所述计算机程序指令在被计算机运行时可以实现根据本发明实施例的防止误检测装置的各个功能模块，并且/或者可以执行根据本发明实施例的防止误检测方法。
在一个实施例中，所述计算机程序指令在被计算机运行时执行以上防止误检测方法。
根据本发明实施例的防止误检测系统中的各模块可以通过根据本发明实施例的防止误检测的电子设备的处理器运行在存储器中存储的计算机程序指令来实现，或者可以在根据本发明实施例的计算机程序产品的计算机可读存储介质中存储的计算机指令被计算机运行时实现。
根据本发明实施例的防止误检测方法及装置、防止误检测设备以及存储介质，通过合理安排算法调度及利用拉长检测时间的方式来解决本地安防摄像机处理器和算法能力不足的问题，实现警报准确及时，同时人脸比对准确。
尽管这里已经参考附图描述了示例实施例，应理解上述示例实施例仅仅是示例性的，并且不意图将本发明的范围限制于此。本领域普通技术人员可以在其中进行各种改变和修改，而不偏离本发明的范围和精神。所有这些改变和修改意在被包括在所附权利要求所要求的本发明的范围之内。
Claims (10)
1.一种防止误检测方法，其特征在于，所述方法包括：
图像采集装置获取实时图像信息；
基于所述实时图像信息进行人形检测和/或人脸检测；
根据所述人形检测和/或人脸检测的结果确定是否报警；
其中，在进行人形检测和/或人脸检测时，和/或，人形检测和/或人脸检测完成后，进行人脸识别。
2.如权利要求1所述的防止误检测方法，其特征在于，所述人脸识别包括：根据所述人形和/或人脸信息生成对应的实时人形和/或人脸图像；基于所述实时人形和/或人脸图像进行实时人形和/或人脸特征提取，根据所述实时人形和/或人脸特征进行人脸比对，得到识别结果。
3.如权利要求2所述的防止误检测方法，其特征在于，所述人形和/或人脸特征在人脸数据库中进行搜索比对，得到相似度最高的结果为识别结果。
4.如权利要求1所述的防止误检测方法，其特征在于，基于所述实时图像信息进行人形检测和/或人脸检测包括：基于所述实时图像信息，判断所述实时图像信息中是否含有人形和/或人脸信息，如果有则确定人形检测和/或人脸检测的结果为有人，否则确定人形检测和/或人脸检测的结果为无人。
5.如权利要求1所述的防止误检测方法，其特征在于，当所述结果为无人时，继续采集实时图像信息。
6.如权利要求1所述的防止误检测方法，其特征在于，所述图像采集装置获取实时图像信息包括：当所述图像采集装置被触发时，所述图像采集装置进行图像采集，以获取所述实时图像信息。
7.如权利要求6所述的防止误检测方法，其特征在于，所述图像采集包括根据预先设定的截至条件停止。
8.一种防止误检测装置，其特征在于，所述装置包括：
图像采集装置，用于获取实时图像信息；
检测模块，用于基于所述实时图像信息进行人形检测和/或人脸检测；
报警模块，用于根据所述人形检测和/或人脸检测的结果确定是否报警；
人脸识别模块，用于在进行人形检测和/或人脸检测时，和/或，人形检测和/或人脸检测完成后，进行人脸识别。
9.一种防止误检测系统，包括存储器、处理器及存储在所述存储器上且在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被计算机执行时实现权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811234395.6A CN109583296A (zh) | 2018-10-23 | 2018-10-23 | 一种防止误检测方法、装置、系统及计算机存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811234395.6A CN109583296A (zh) | 2018-10-23 | 2018-10-23 | 一种防止误检测方法、装置、系统及计算机存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109583296A true CN109583296A (zh) | 2019-04-05 |
Family
ID=65920237
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811234395.6A Pending CN109583296A (zh) | 2018-10-23 | 2018-10-23 | 一种防止误检测方法、装置、系统及计算机存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109583296A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112702652A (zh) * | 2020-12-25 | 2021-04-23 | 珠海格力电器股份有限公司 | 智能家居的控制方法和装置、存储介质、电子装置 |
| CN113076919A (zh) * | 2021-04-20 | 2021-07-06 | 重庆理工大学 | 基于人脸识别的智能门禁管理系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102096811A (zh) * | 2011-01-26 | 2011-06-15 | 上海洪剑智能科技有限公司 | 一种基于嵌入式平台的人脸识别智能模块及其识别方法 |
| CN103514694A (zh) * | 2013-09-09 | 2014-01-15 | 重庆邮电大学 | 一种入侵检测监控系统 |
| CN104751197A (zh) * | 2015-04-22 | 2015-07-01 | 安徽金赛弗信息技术有限公司 | 基于视频分析的车辆行驶中驾驶员人脸识别装置及其识别方法 |
| CN105828500A (zh) * | 2016-03-14 | 2016-08-03 | 上海斐讯数据通信技术有限公司 | 一种具有人脸或人形识别能力的智能照明系统及控制方法 |
| CN106682607A (zh) * | 2016-12-23 | 2017-05-17 | 山东师范大学 | 一种基于低功耗嵌入式和红外触发的离线人脸识别系统及方法 |
| CN107315993A (zh) * | 2017-05-10 | 2017-11-03 | 苏州天平先进数字科技有限公司 | 一种基于人脸识别的门镜系统及其人脸识别方法 |
| CN108090474A (zh) * | 2018-01-17 | 2018-05-29 | 华南理工大学 | 一种基于云语音沟通和情绪感知的酒店服务机器人系统 |
| CN108280953A (zh) * | 2018-03-27 | 2018-07-13 | 上海小蚁科技有限公司 | 视频侦测报警方法及装置、存储介质、摄像头 |
-
2018
- 2018-10-23 CN CN201811234395.6A patent/CN109583296A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102096811A (zh) * | 2011-01-26 | 2011-06-15 | 上海洪剑智能科技有限公司 | 一种基于嵌入式平台的人脸识别智能模块及其识别方法 |
| CN103514694A (zh) * | 2013-09-09 | 2014-01-15 | 重庆邮电大学 | 一种入侵检测监控系统 |
| CN104751197A (zh) * | 2015-04-22 | 2015-07-01 | 安徽金赛弗信息技术有限公司 | 基于视频分析的车辆行驶中驾驶员人脸识别装置及其识别方法 |
| CN105828500A (zh) * | 2016-03-14 | 2016-08-03 | 上海斐讯数据通信技术有限公司 | 一种具有人脸或人形识别能力的智能照明系统及控制方法 |
| CN106682607A (zh) * | 2016-12-23 | 2017-05-17 | 山东师范大学 | 一种基于低功耗嵌入式和红外触发的离线人脸识别系统及方法 |
| CN107315993A (zh) * | 2017-05-10 | 2017-11-03 | 苏州天平先进数字科技有限公司 | 一种基于人脸识别的门镜系统及其人脸识别方法 |
| CN108090474A (zh) * | 2018-01-17 | 2018-05-29 | 华南理工大学 | 一种基于云语音沟通和情绪感知的酒店服务机器人系统 |
| CN108280953A (zh) * | 2018-03-27 | 2018-07-13 | 上海小蚁科技有限公司 | 视频侦测报警方法及装置、存储介质、摄像头 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112702652A (zh) * | 2020-12-25 | 2021-04-23 | 珠海格力电器股份有限公司 | 智能家居的控制方法和装置、存储介质、电子装置 |
| CN113076919A (zh) * | 2021-04-20 | 2021-07-06 | 重庆理工大学 | 基于人脸识别的智能门禁管理系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11354901B2 (en) | Activity recognition method and system | |
| CN108269333A (zh) | 人脸识别方法、应用服务器及计算机可读存储介质 | |
| US10846537B2 (en) | Information processing device, determination device, notification system, information transmission method, and program | |
| CN109271847B (zh) | 无人结算场景中异常检测方法、装置及设备 | |
| CN105590097B (zh) | 暗视觉条件下双摄像头协同实时人脸识别安防系统及方法 | |
| CN105279496B (zh) | 一种人脸识别的方法和装置 | |
| CN109325964A (zh) | 一种人脸追踪方法、装置及终端 | |
| US9477876B2 (en) | Person recognition apparatus and method thereof | |
| CN103714631B (zh) | 基于人脸识别的atm取款机智能监控系统 | |
| CN109858371A (zh) | 人脸识别的方法及装置 | |
| CN109727275B (zh) | 目标检测方法、装置、系统和计算机可读存储介质 | |
| JP6589321B2 (ja) | システム、検索方法およびプログラム | |
| WO2020147346A1 (zh) | 图像识别方法、系统及装置 | |
| JP6729793B2 (ja) | 情報処理装置、制御方法、及びプログラム | |
| US11023717B2 (en) | Method, apparatus, device and system for processing commodity identification and storage medium | |
| KR20190126773A (ko) | 웨어러블 기기를 이용한 객체의 이벤트 감지 방법 및 이를 운용하는 관리 서버 | |
| CN109495723A (zh) | 一种基于雾计算的家用智能监控系统 | |
| CN110569770A (zh) | 人体入侵行为识别方法、装置、存储介质及电子设备 | |
| CN109086725B (zh) | 手部跟踪方法及机器可读存储介质 | |
| CN106980527A (zh) | 启动指纹识别的方法、装置以及智能终端 | |
| KR102022971B1 (ko) | 영상의 객체 처리 방법 및 장치 | |
| CN109583296A (zh) | 一种防止误检测方法、装置、系统及计算机存储介质 | |
| CN110246292A (zh) | 家庭视频监控方法、装置及存储介质 | |
| CN111274602B (zh) | 一种图像特征信息替换方法、装置、设备及介质 | |
| CN105138321B (zh) | 终端的控制方法及系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190405 |