CN109754478A - 一种低用户配合度的人脸智能考勤方法 - Google Patents
一种低用户配合度的人脸智能考勤方法 Download PDFInfo
- Publication number
- CN109754478A CN109754478A CN201711081923.4A CN201711081923A CN109754478A CN 109754478 A CN109754478 A CN 109754478A CN 201711081923 A CN201711081923 A CN 201711081923A CN 109754478 A CN109754478 A CN 109754478A
- Authority
- CN
- China
- Prior art keywords
- face
- real
- target
- pedestrian
- work attendance
- 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
Landscapes
- Collating Specific Patterns (AREA)
Abstract
本发明提供一种低用户配合度的人脸智能考勤方法,采集用户距离摄像头固定距离处的多种面部姿态的图像以构建人脸库;自动在监控视频帧中对是否存在行人目标进行检测;通过智能分析算法自动对检测到的行人在整个视频监控区域中的运动轨迹进行描述,从而获取用户实时的图像;对追踪到的行人目标快照进行实时的人脸检测及人脸对齐;对检测到的人脸图像进行实时的人脸识别;对来自于某个实时追踪的行人的快照进行再识别,对符合身份再认证机制的识别结果进行入库保存,完成对该行人目标的人脸智能考勤。
Description
技术领域
本发明涉及智能视频监控、计算机视觉领域,具体涉及一种低用户配合度的人脸智能考勤方法。
背景技术
人脸智能考勤是指在通过在入口处架设的摄像头采集的实时视频自动进行人脸识别,并记录识别出的行人姓名和当时时间形成考勤记录。常见的人脸智能考勤方法包括下面几个步骤:
人脸注册,即构建用于进行识别的人脸库,该人脸库作为离线库,和系统部署后实时采集的人脸图像进行比对完成采集实时采集人员的身份识别;
特征提取,即对人脸库图像和实时采集的人脸图像进行特征提取,将其用固定长度的向量进行表示,基于当前卷积神经网络在图像识别领域的先进性,该部分一般使用卷积神经网络进行完成;
人脸检测,即对实时采集的视频帧图像判断是否包含人脸,若包含,则检测出人脸部分在视频帧图像中的空间位置;
人脸对齐,即对检测出的人脸部分检测五官关键点的位置并完成实时监测人脸与参考人脸的对齐,从而提升人脸识别的准确率;
人脸识别,即基于离线人脸库的特征集和实时采集人脸图像的特征进行相似度比对以完成实时采集人脸的身份认定。
上述人脸智能考勤方式需要用户高度配合,即需要用户在考勤摄像头前进行一定时间的静止以采集大量的图像进行识别,否则会造成识别准确率不足。但长时间的用户静止严重限制了人脸智能考勤的时间效率。
发明内容
基于上述存在的问题,本发明提出一种低用户配合度的人脸智能考勤方法,能够在用户正常走动情况下进行高效准确的考勤识别,有效提升了人脸考勤系统的时间效率和用户体验。
本发明的技术方案如下:
一种低用户配合度的人脸智能考勤方法,其特征在于包括如下步骤:
(1)人脸注册:采集用户距离摄像头固定距离处的多种面部姿态的图像以构建人脸库;
(2)行人检测:自动在监控视频帧中对是否存在行人目标进行检测;
(3)目标追踪:通过智能分析算法自动对检测到的行人在整个视频监控区域中的运动轨迹进行描述,从而获取用户实时的图像;
(4)人脸检测:对追踪到的行人目标快照进行实时的人脸检测及人脸对齐;
(5)人脸识别:对检测到的人脸图像进行实时的人脸识别,即和人脸库中的图像进行相似度识别以完成身份认证;
(6)身份再确认:对来自于某个实时追踪的行人的快照,通过设置抓取的人脸图像的大小及清晰度进行第一重判别;通过对人脸识别过程设置相似度阈值进行第二重判别;通过对来自于同一个行人目标的连续多帧识别结果一致度阈值进行第三重判别;对符合身份再认证机制的识别结果进行入库保存,完成对该行人目标的人脸智能考勤。
本发明的优点在于:通过对监控视频中行人目标进行检测、追踪及实时的人脸检测与识别,不需要用户必须静止正对摄像头以完成人脸识别,而是在用户无需刻意配合,正常前进过程中完成人脸的高效准确识别。
附图说明
图1是本发明的方法流程图。
具体实施方式
如图1所示,本发明提供了一种低用户配合度的人脸智能考勤方法,包括如下步骤:
一种低用户配合度的人脸智能考勤方法,其特征在于包括如下步骤:
(1)人脸注册:采集用户距离摄像头固定距离处的多种面部姿态的图像以构建人脸库;
(2)行人检测:自动在监控视频帧中对是否存在行人目标进行检测;
(3)目标追踪:通过智能分析算法自动对检测到的行人在整个视频监控区域中的运动轨迹进行描述,从而获取用户实时的图像;
(4)人脸检测:对追踪到的行人目标快照进行实时的人脸检测及人脸对齐;
(5)人脸识别:对检测到的人脸图像进行实时的人脸识别,即和人脸库中的图像进行相似度识别以完成身份认证;
(6)身份再确认:对来自于某个实时追踪的行人的快照,通过设置抓取的人脸图像的大小及清晰度进行第一重判别;通过对人脸识别过程设置相似度阈值进行第二重判别;通过对来自于同一个行人目标的连续多帧识别结果一致度阈值进行第三重判别;对符合身份再认证机制的识别结果进行入库保存,完成对该行人目标的人脸智能考勤。
以下通过一个具体实施例对本发明的方法进一步说明。
人脸注册:在人脸两眼间距离约为60像素处进行人脸库图像采集,采集各需记录人员面部正视摄像头、抬头10度、低头10度、左转10度及右转10度的训练图像;采集图像时,使用卷积神经网络模型进行特征提取,每一副人脸图像都表示成128维的特征向量;
行人检测:使用yolov2算法进行实时视频帧的行人目标检测;
目标追踪:使用基于相关滤波器的目标追踪算法进行目标轨迹描述,同时使用每一帧行人检测结果和目标追踪结果的同步以改善目标追踪结果。在该过程中,通过匈牙利指派算法进行新目标出现判定及目标实时空间位置进行目标消失的判定;
人脸检测:使用MTCNN算法进行人脸空间位置检测及五官关键特征点定位,保留满足置信度阈值、空间分辨率阈值和清晰度阈值的人脸图像进行识别;使用普氏分析算法寻找实时检测人脸图像与参考人脸图像的仿射变换矩阵以实现人脸图像的对齐;
人脸识别:对对齐后的实时检测人脸图像进行特征提取,将提取的特征与人脸库的特征集中的特征进行相似度比对,保留满足相似度阈值的比对结果;
身份再认证:对来自于同一个行人目标的序列识别结果进行分析,对识别结果一致度超过阈值的目标完成人脸考勤并进行记录。
Claims (9)
1.一种低用户配合度的人脸智能考勤方法,其特征在于包括如下步骤:
(1)人脸注册:采集用户距离摄像头固定距离处的多种面部姿态的图像以构建人脸库;
(2)行人检测:自动在监控视频帧中对是否存在行人目标进行检测;
(3)目标追踪:通过智能分析算法自动对检测到的行人在整个视频监控区域中的运动轨迹进行描述,从而获取用户实时的图像;
(4)人脸检测:对追踪到的行人目标快照进行实时的人脸检测及人脸对齐;
(5)人脸识别:对检测到的人脸图像进行实时的人脸识别,即和人脸库中的图像进行相似度识别以完成身份认证;
(6)身份再确认:对来自于某个实时追踪的行人的快照,通过设置抓取的人脸图像的大小及清晰度进行第一重判别;通过对人脸识别过程设置相似度阈值进行第二重判别;通过对来自于同一个行人目标的连续多帧识别结果一致度阈值进行第三重判别;对符合身份再认证机制的识别结果进行入库保存,完成对该行人目标的人脸智能考勤。
2.根据权利要求1所述的低用户配合度的人脸智能考勤方法,其特征在于:步骤(1)中的人脸注册方法是:在人脸两眼间距离约为60像素处进行人脸库图像采集,采集各需记录人员面部正视摄像头、抬头10度、低头10度、左转10度及右转10度的训练图像。
3.根据权利要求1所述的低用户配合度的人脸智能考勤方法,其特征在于:步骤(1)中采集用户面部姿态图像时,使用卷积神经网络模型进行特征提取,每一副人脸图像都表示成128维的特征向量。
4.根据权利要求1所述的低用户配合度的人脸智能考勤方法,其特征在于:所述步骤(2)中,使用yolov2算法进行实时视频帧的行人目标检测。
5.根据权利要求1所述的低用户配合度的人脸智能考勤方法,其特征在于:所述步骤(3)中,使用基于相关滤波器的目标追踪算法进行目标轨迹描述,同时使用每一帧行人检测结果和目标追踪结果的同步以改善目标追踪结果;在该过程中,通过匈牙利指派算法进行新目标出现判定及目标实时空间位置进行目标消失的判定。
6.根据权利要求1所述的低用户配合度的人脸智能考勤方法,其特征在于:所述步骤(4)中,使用MTCNN算法进行人脸空间位置检测及五官关键特征点定位,保留满足置信度阈值、空间分辨率阈值和清晰度阈值的人脸图像进行识别。
7.根据权利要求1所述的低用户配合度的人脸智能考勤方法,其特征在于:所述步骤(4)中,使用普氏分析算法寻找实时检测人脸图像与参考人脸图像的仿射变换矩阵以实现人脸图像的对齐。
8.根据权利要求1所述的低用户配合度的人脸智能考勤方法,其特征在于:所述步骤(5)中,对对齐后的实时检测人脸图像进行特征提取,将提取的特征与人脸库中的特征进行相似度比对,保留满足相似度阈值的比对结果。
9.根据权利要求1所述的低用户配合度的人脸智能考勤方法,其特征在于:所述步骤(6)中,对来自于同一个行人目标的序列识别结果进行分析,对识别结果一致度超过阈值的目标进行保存,完成人脸考勤并进行记录。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711081923.4A CN109754478A (zh) | 2017-11-06 | 2017-11-06 | 一种低用户配合度的人脸智能考勤方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711081923.4A CN109754478A (zh) | 2017-11-06 | 2017-11-06 | 一种低用户配合度的人脸智能考勤方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109754478A true CN109754478A (zh) | 2019-05-14 |
Family
ID=66399517
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711081923.4A Pending CN109754478A (zh) | 2017-11-06 | 2017-11-06 | 一种低用户配合度的人脸智能考勤方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109754478A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110348348A (zh) * | 2019-06-30 | 2019-10-18 | 华中科技大学 | 一种参建人员进场身份快速识别方法及预警系统 |
CN110569809A (zh) * | 2019-09-11 | 2019-12-13 | 淄博矿业集团有限责任公司 | 一种基于深度学习的煤矿动态人脸识别考勤方法及系统 |
CN110599129A (zh) * | 2019-09-16 | 2019-12-20 | 世纪海航(厦门)科技有限公司 | 一种基于图像追踪校园考勤方法、装置、识别终端及系统 |
CN110609920A (zh) * | 2019-08-05 | 2019-12-24 | 华中科技大学 | 一种视频监控场景下的行人混合搜索方法及系统 |
CN111209812A (zh) * | 2019-12-27 | 2020-05-29 | 深圳市优必选科技股份有限公司 | 目标人脸图片提取方法、装置及终端设备 |
CN111881866A (zh) * | 2020-08-03 | 2020-11-03 | 杭州云栖智慧视通科技有限公司 | 一种实时人脸抓取推荐方法、装置及计算机设备 |
CN112132057A (zh) * | 2020-09-24 | 2020-12-25 | 天津锋物科技有限公司 | 一种多维身份识别方法及系统 |
CN113538720A (zh) * | 2020-04-16 | 2021-10-22 | 南京理工大学 | 基于海思智能ai芯片的嵌入式人脸识别考勤方法 |
-
2017
- 2017-11-06 CN CN201711081923.4A patent/CN109754478A/zh active Pending
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110348348A (zh) * | 2019-06-30 | 2019-10-18 | 华中科技大学 | 一种参建人员进场身份快速识别方法及预警系统 |
CN110609920A (zh) * | 2019-08-05 | 2019-12-24 | 华中科技大学 | 一种视频监控场景下的行人混合搜索方法及系统 |
CN110569809A (zh) * | 2019-09-11 | 2019-12-13 | 淄博矿业集团有限责任公司 | 一种基于深度学习的煤矿动态人脸识别考勤方法及系统 |
CN110599129A (zh) * | 2019-09-16 | 2019-12-20 | 世纪海航(厦门)科技有限公司 | 一种基于图像追踪校园考勤方法、装置、识别终端及系统 |
CN111209812A (zh) * | 2019-12-27 | 2020-05-29 | 深圳市优必选科技股份有限公司 | 目标人脸图片提取方法、装置及终端设备 |
CN111209812B (zh) * | 2019-12-27 | 2023-09-12 | 深圳市优必选科技股份有限公司 | 目标人脸图片提取方法、装置及终端设备 |
CN113538720A (zh) * | 2020-04-16 | 2021-10-22 | 南京理工大学 | 基于海思智能ai芯片的嵌入式人脸识别考勤方法 |
CN111881866A (zh) * | 2020-08-03 | 2020-11-03 | 杭州云栖智慧视通科技有限公司 | 一种实时人脸抓取推荐方法、装置及计算机设备 |
CN111881866B (zh) * | 2020-08-03 | 2024-01-19 | 杭州云栖智慧视通科技有限公司 | 一种实时人脸抓取推荐方法、装置及计算机设备 |
CN112132057A (zh) * | 2020-09-24 | 2020-12-25 | 天津锋物科技有限公司 | 一种多维身份识别方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109754478A (zh) | 一种低用户配合度的人脸智能考勤方法 | |
Gowsikhaa et al. | Automated human behavior analysis from surveillance videos: a survey | |
CN102426645B (zh) | 一种多视角多状态的步态识别方法 | |
CN111832457B (zh) | 基于云边协同的陌生人入侵检测方法 | |
CN109522853B (zh) | 面向监控视频的人脸检测与搜索方法 | |
US7330566B2 (en) | Video-based gait recognition | |
KR101355974B1 (ko) | 복수의 객체를 추적하는 객체 추적 방법 및 장치 | |
US8965050B2 (en) | Behavior analysis device | |
CN109819208A (zh) | 一种基于人工智能动态监控的密集人群安防监控管理方法 | |
CN110751022A (zh) | 基于图像识别的城市宠物活动轨迹监测方法及相关设备 | |
CN110379050A (zh) | 一种闸机控制方法、装置及系统 | |
US9892325B2 (en) | Image management system | |
JP2007334623A (ja) | 顔認証装置、顔認証方法、および入退場管理装置 | |
WO2019080669A1 (zh) | 封闭场所内人物再识别的方法、系统及终端设备 | |
CN112911156B (zh) | 一种基于计算机视觉的巡逻机器人和安防系统 | |
JP2006236260A (ja) | 顔認証装置、顔認証方法および入退場管理装置 | |
CN112084987A (zh) | 一种基于人工智能的地铁逃票行为的检测方法与系统 | |
CN110991397A (zh) | 一种行进方向确定方法及相关设备 | |
CN112784669A (zh) | 对象重新识别的方法 | |
KR20220078893A (ko) | 영상 속 사람의 행동 인식 장치 및 방법 | |
Guo et al. | Action recognition in video by covariance matching of silhouette tunnels | |
CN114581990A (zh) | 一种跑步智能测试方法以及装置 | |
CN112733576A (zh) | 一种通过动态影像进行面部识别的方法 | |
Shelke et al. | Gait based gender identification approach | |
CN111062294B (zh) | 一种客流排队时间的检测方法、装置及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190514 |
|
WD01 | Invention patent application deemed withdrawn after publication |