CN110298254A - 一种用于人员异常行为的分析方法和系统 - Google Patents
一种用于人员异常行为的分析方法和系统 Download PDFInfo
- Publication number
- CN110298254A CN110298254A CN201910465134.3A CN201910465134A CN110298254A CN 110298254 A CN110298254 A CN 110298254A CN 201910465134 A CN201910465134 A CN 201910465134A CN 110298254 A CN110298254 A CN 110298254A
- Authority
- CN
- China
- Prior art keywords
- face
- personnel
- picture
- abnormal behaviour
- database
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 49
- 206010000117 Abnormal behaviour Diseases 0.000 title claims abstract description 37
- 238000004140 cleaning Methods 0.000 claims abstract description 8
- 238000003860 storage Methods 0.000 claims description 17
- 238000000034 method Methods 0.000 claims description 14
- 230000033001 locomotion Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 230000003542 behavioural effect Effects 0.000 claims description 7
- 230000002776 aggregation Effects 0.000 claims description 4
- 238000004220 aggregation Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 abstract description 9
- 230000006399 behavior Effects 0.000 description 29
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000005856 abnormality Effects 0.000 description 4
- 230000006854 communication Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 208000001613 Gambling Diseases 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 230000005291 magnetic effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 208000012661 Dyskinesia Diseases 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 206010070834 Sensitisation Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000005054 agglomeration Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000034303 cell budding Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000003116 impacting effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 230000008313 sensitization Effects 0.000 description 1
Classifications
-
- 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
-
- 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
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
-
- 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
-
- 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
-
- 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
- G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Tourism & Hospitality (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Business, Economics & Management (AREA)
- Psychiatry (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Social Psychology (AREA)
- Development Economics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Image Analysis (AREA)
Abstract
本发明给出了一种用于人员异常行为的分析方法和系统，包括利用图像采集设备获取人脸图片并对人脸图片进行清洗去重；基于人脸数据底库对人脸图片中包含的人脸特征进行识别，获取与人脸特征相对应的人员信息，并对人脸进行标记，其中，标记内容包括重点人员和普通人员；对于未识别的人脸，建立第一人脸库，并将不同时段内的相似度大于相似度阈值的人脸图片归集至相同的第一人脸库中；基于预设的敏感时段分析重点人员、普通人员和未识别的人脸的活动行为参数；对于活动行为参数大于预设阈值的异常行为发出报警信息。本发明通过对敏感时段对相关人员的活动行为参数进行分析，实现对重点人员的有效监控。
Description
技术领域
本发明涉及人脸识别技术领域，尤其是一种用于人员异常行为的分析方法和系统。
背景技术
随着社会经济的迅速发展，视频监控系统在各个行业的应用正逐渐成熟，建设并投入使用的摄像机数量正快速增加。如何有效的利用这些摄像机来更好的来维护社会稳定和谐，很好的监控公共场所的个人行为，并将各种违法和极端行为消除在萌芽状态，已经成为整个社会执法部门的一个迫在眉睫的难题。
城市化进程的发展使越来越多的人口向城市聚集，城市社区出现了社区内人口信息采集困难、部分人员流动大、出租屋人员信息采集难度大等问题。敏感时段往往是违法犯罪的高发时间，通过传统视频监控和人工手段，由于视频规模的不断扩大，人力成本也越来越高，同时受限于旧有的智能分析算法的效率，导致自动化的分析存在误报率高、虚警率高等问题，难以实时掌握在敏感时段通行人员的出现动态，无法有效的对重点人员进行重点关注，无法实现对异常行为的自动预警和报警。
发明内容
本发明提出了一种用于人员异常行为的分析方法和系统。
在一个方面，本发明提出了一种用于人员异常行为的分析方法，包括以下步骤：
S1：利用图像采集设备获取人脸图片并对人脸图片进行清洗去重；
S2：基于人脸数据底库对人脸图片中包含的人脸特征进行识别，获取与人脸特征相对应的人员信息，并对人脸进行标记，其中，标记内容包括重点人员和普通人员；
S3：对于未识别的人脸，建立第一人脸库，并将不同时段内的相似度大于相似度阈值的人脸图片归集至相同的第一人脸库中；
S4：基于预设的敏感时段分析重点人员、普通人员和未识别的人脸的活动行为参数，其中，活动行为参数包括人员出现频率、人员聚集数量、停留时间和运动轨迹；
S5：对于活动行为参数大于预设阈值的异常行为发出报警信息。
在可选的实施例中，人脸标记具体为判断是否具有违法犯罪前科的档案记录，若是，则标记为重点人员，若否，则标记为普通人员。对人员进行标记可以对相应人员进行分类，有针对性的对部分重点人员进行监控分析，提升异常行为的分析结果。
在优选的实施例中，敏感时段为23点至凌晨5点。敏感时段的通常是违法犯罪行为的高发时间，针对敏感时段的分析可以有效的分析人员的异常活动行为。
在可选的实施例中，步骤S3还包括：对于人脸特征不完整的人脸图片，基于能提取到的人脸特征和图像采集设备的编码信息，获得该人脸的所属区域属性，建立第二人脸库。对人脸特征不完整的人脸图片进行分析和建立人脸库，提高了分析数据的全面性。
在可选的实施例中，人脸特征不完整的人脸图片包括人脸特征被遮挡的人脸图片。实际应用场景中会出现戴口罩、帽子等遮挡人脸的情况，对该类图片进行分析监控利于实现全面监管。
在可选的实施例中，相似度阈值设置为80％以上。
根据本发明的第二方面，提出了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被计算机处理器执行时上述方法。
根据本发明的第三方面，提出一种用于人员异常行为的分析系统，该系统包括：
图片处理单元：配置用于利用图像采集设备获取人脸图片并对人脸图片进行清洗去重；
人脸识别单元：配置用于基于人脸数据底库对人脸图片中包含人脸特征进行识别，获取与人脸特征相对应的人员信息，并对人脸进行标记，其中，标记内容包括重点人员和普通人员；
人脸库更新单元：配置用于对于未识别的人脸，建立未识别的人脸库，并将不同时段内的相似度大于相似度阈值的人脸图片归集至相同人脸库中；
分析单元：配置用于基于预设的敏感时段分析重点人员、普通人员和未识别的人脸的活动行为参数，其中，活动行为参数包括人员出现频率、聚集数量、停留时间和运动轨迹；
报警单元：配置用于对于活动行为参数大于第一预设阈值的异常行为发出报警信息。
在可选的实施例中，人脸库更新单元还配置用于对于人脸特征不完整的人脸图片，基于能提取到的人脸特征和图像采集设备的编码信息，获得该人脸的区域属性，建立人脸特征不完整的第二人脸库。
本发明给出了一种用于人员异常行为的分析方法和系统，利用人脸识别技术对人脸特征进行分析识别，获取与人脸特征相对应的人员信息，并对人脸进行标记；对于未识别的人脸，建立相同人脸特征的人脸库，基于预设的敏感时段分析重点人员、普通人员和未识别的人脸的活动行为参数；对于活动行为参数大于预设阈值的异常行为发出报警信息。同时也对人脸特征遮挡行为进行了活动行为参数的分析，通过对敏感时段对相关人员的活动行为参数进行全面分析，实现对全面且有效监控，可以及时发现异常行为情况，并可作为追责取证的重要证据。
附图说明
包括附图以提供对实施例的进一步理解并且附图被并入本说明书中并且构成本说明书的一部分。附图图示了实施例并且与描述一起用于解释本发明的原理。将容易认识到其它实施例和实施例的很多预期优点，因为通过引用以下详细描述，它们变得被更好地理解。通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本发明的一个实施例的用于人员异常行为的分析方法的流程图；
图2是本发明的一个具体的实施例的人脸图片来源说明图；
图3是本发明的一个具体的实施例的敏感时段人员通行分析示意图；
图4是本发明的一个具体的实施例的人脸遮挡行为分析流程图；
图5是本发明的一个实施例的用于人员异常行为的分析系统的框架图；
图6是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
根据本发明的一个实施例的用于人脸图片的筛选方法，图1示出了根据本发明的实施例的用于人脸图片的筛选方法的流程图。如图1所示，该方法包括以下步骤：
S101：利用图像采集设备获取人脸图片并对人脸图片进行清洗去重。通过图像采集设备将人脸图片汇总并清洗，去除重复的人脸图片，减轻系统算力，提高分析效率。
在具体的实施例中，图像采集设备包括相机、抓拍机和摄像机等用于获取图像的设备，利用深度学习的CNN(卷神经网络，Convolutional Neural Network)进行训练获取分类器对人脸图片进行清洗去重，过滤无效或重复的人脸图片。
S102：基于人脸数据底库对人脸图片中包含的人脸特征进行识别，获取与人脸特征相对应的人员信息，并对人脸进行标记，其中，标记内容包括重点人员和普通人员。通过对人员的标记，可以方便区分重点人员和普通人员，更加有针对性的对人员进行分析，
在优选的实施例中，人脸标记具体为判断是否具有违法犯罪前科的档案记录，若是，则标记为重点人员，若否，则标记为普通人员。例如对有盗窃前科的人员，对该人员标记“盗”，对有赌博前科的人员，标记“赌”，通过标记可以直观的看到重要人员的信息，更加便于对人员的分析。
S103：对于未识别的人脸，建立第一人脸库，并将不同时段内的相似度大于相似度阈值的人脸图片归集至相同的第一人脸库中。对未识别的人脸进行人脸库的建立和更新，能够实现人员异常行为的全面分析。
在优选的实施例中，相似度阈值设置为80％以上。通过相似度阈值的设置，可以将未识别的人脸整合归集，形成同一人脸特征的人脸库，作为异常行为分析的人脸数据库。应当认识到，相似度阈值可以根据具体的应用场景设置为其他数值，以满足不同应用需求。
在具体的实施例中，对于人脸特征不完整的人脸图片，基于能提取到的人脸特征和图像采集设备的编码信息，获得该人脸的所属区域属性，建立第二人脸库。实际应用场景中会出现戴口罩、帽子等遮挡人脸特征的情况，对该类图片进行分析监控利于实现所有人员的全面监管。
S104：基于预设的敏感时段分析重点人员、普通人员和未识别的人脸的活动行为参数，其中，活动行为参数包括人员出现频率、人员聚集数量、停留时间和运动轨迹。通过出现频率、人员聚集数量、停留时间和运动轨迹的分析可以在一定程度上发现并判定异常行为现象，可以作为监控重点进行分析敏感时段内人员的异常行为。
在具体的实施例中，敏感时段的人员出现频率、人员聚集数量和停留时间可以直接通过数值进行异常分析，出现频率过高或人员聚集数量过多又或者停留时间过长都可能表示有异常的情况出现，提前发出预警信息通知相关监控人员进行查验，及时排除隐患。通过多个监控设备按时间和人脸出现的位置可以获取该人脸的行动轨迹，行动轨迹可以作为监控取证的重要证据。
在优选的实施例中，敏感时段设置为23点至凌晨5点。应当认识到，敏感时段的设置可以根据应用需要调整至合适的范围，能够更全面的对人员异常行为的分析。
S105：对于活动行为参数大于预设阈值的异常行为发出报警信息。通过活动行为参数的判断，实现对异常行为的报警信息，能够及时的发现异常行为，同时活动行为参数也可进行存储作为跟踪调查的证据。
在优选的实施例中，预设阈值包括出现频率阈值、人员聚集数量阈值和停留时间阈值。例如出现频率阈值可以设置为5次，人员聚集数量阈值可设置为10个，停留时间阈值可设置为1小时，若分析发现人员出现频率大于出现频率阈值或人员聚集数量大于人员聚集数量阈值或停留时间大于停留时间阈值，表示该人员存在异常行为现象，提示报警信息通知相关监控人员确认。应当认识到，出现频率阈值、人员聚集数量阈值和停留时间阈值可以为除上述定义值之外其他的数值，具体可以根据实际的应用需求进行合理的调整和设定，满足不同工作场景的需求，同样可以实现本发明的技术效果。
作为示例，参考图2，其示出了根据本发明的一个具体的实施例的人脸图片来源说明图。根据社区中已有的前端设备进行接入，各社区203建设的高清视频抓拍机204，将抓拍到的人脸图片汇总到图片接入服务器202，经过清洗去重，获得所有社区抓拍图201，将前端抓拍到的人脸的图片进行分析，识别社区出入异常人员情况。
进一步参考图3，其示出了本发明的一个具体的实施例的敏感时段人员通行分析示意图。基于图2所获得的人脸图片，进一步地分析社区敏感时段通行人员出行规律，步骤如下：
步骤301：获取所有社区抓拍图。通过社区人脸抓拍机，获得社区出入人员抓拍图；根据各社区点位对应关系，获取对应社区的抓拍图。
步骤302：判断是否识别人员身份。通过引擎识别技术，进行人员身份识别，获得已识别身份的人员信息和未识别身份人员信息，对于已识别身份的人员进入步骤303：获得人员身份信息，对未识别身份人员信息进行步骤3021：建立人脸库。
步骤3031判断是否带标签，对于已识别身份的人员，通过身份证号和已掌握的大底库进行数据碰撞，判断该人员是否带有标签，得到带标签的重点人员3041和不带标签的普通人员3042。
步骤3032是否本社区人员，通过本社区的在册人员进行碰撞，区分出是否为本社区内人员，标记本社区人员3043和标记其他人员3044。
步骤3022的判断是否识为同一人，若为同一人进入步骤3045：同一人聚类。对于未知身份人员，建立人脸库，每日固定时间对人脸库内的人脸进行人脸；两两碰撞，当相似度达到阈值时，判断为同一人。每日定时重复以上碰撞步骤，可以得到未知身份的同一人次数。
步骤305：判断是否在预设的敏感时间段内。根据各社区预先设置的敏感时段范围，判断上述步骤中的时间段是否为敏感时段范围，若是，则更新敏感时段通行次数306，若不是，则不更新敏感时段通行次数3041。
综上所述步骤，得到敏感时段所有通行人员3071、敏感时段高频次通行人员3072、敏感时段通行重点人员3073、敏感时段通行未知身份人员3074、敏感时段通行的非本社区人员3075。基于上述的各项人员的通行次数对其进行监控，及时发现异常行为，排除社区隐患，提升治安效果。
作为另一示例，参考图4，示出了本发明的一个具体的实施例的人脸遮挡行为分析流程图。基于图2所获得的人脸图片，对人脸遮挡行为进行分析，具体步骤如下：
步骤401：人脸摄像机抓拍图。通过人脸摄像机获得抓拍图，对抓拍图中的人脸图片进行提取进入下一步骤；
步骤402：提取人脸特征值。对所有的人脸抓拍图，通过人脸识别技术，提取到人脸的脸部特征值数组；
步骤403，判断是否有脸部遮挡。判断脸部特征值中的脸部遮挡参数，是否为脸部遮挡，得到所有的脸部遮挡人员信息；
步骤404：判断人员的社区属性。将所有的脸部遮挡抓拍图的摄像头编码信息和社区摄像机编码信息进行匹配，得到各脸部遮挡人员信息的社区属性。
步骤405：各社区脸部遮挡人员信息。利用各脸部得到各社区脸部遮挡人员信息，并利用该人员信息进行如图3所示的敏感时段行为分析，从而实现全面监控的效果。
图5示出了根据本发明的另一实施例的用于人员异常行为的分析系统。该系统具体包括图片获取单元501、人脸识别单元502、人脸库更新单元503、分析单元504和报警单元505。
在具体的实施例中，图片获取单元501，配置用于利用图像采集设备获取人脸图片并对所述人脸图片进行清洗去重；
人脸识别单元502，配置用于基于人脸数据底库对所述人脸图片中包含人脸特征进行识别，获取与所述人脸特征相对应的人员信息，并对所述人脸进行标记，其中，标记内容包括重点人员和普通人员；
人脸库更新单元503：配置用于对于未识别的人脸，建立所述未识别的人脸库，并将不同时段内的相似度大于相似度阈值的人脸图片归集至相同人脸库中；
分析单元504：配置用于基于预设的敏感时段分析所述重点人员、所述普通人员和所述未识别的人脸的活动行为参数，其中，所述活动行为参数包括人员出现频率、聚集数量、停留时间和运动轨迹；
报警单元505：配置用于对于所述活动行为参数大于第一预设阈值的异常行为发出报警信息。
该系统的各个单元可以在专用硬件上实施，也可以在通用的可编程逻辑器件中实施，或者由软硬件组合体来实施。
本发明通过利用图像采集设备获取人脸图片并对人脸图片进行清洗去重；基于人脸数据底库对人脸图片中包含的人脸特征进行识别，获取与人脸特征相对应的人员信息，并对人脸进行标记，其中，标记内容包括重点人员和普通人员；对于未识别的人脸，建立第一人脸库，并将不同时段内的相似度大于相似度阈值的人脸图片归集至相同的第一人脸库中；基于预设的敏感时段分析重点人员、普通人员和未识别的人脸的活动行为参数；对于活动行为参数大于预设阈值的异常行为发出报警信息。同时也对人脸特征遮挡行为进行了活动行为参数的分析，通过对敏感时段对相关人员的活动行为参数进行全面分析，实现对全面且有效监控，基于各项人员的通行次数等活动行为参数对其进行监控，及时发现异常行为，排除隐患，提升治安效果。
本发明的实施例还涉及一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被计算机处理器执行时实施上文中的方法。该计算机程序包含用于执行流程图所示的方法的程序代码。需要说明的是，本申请的计算机可读介质可以是计算机可读信号介质或者计算机可读介质或者是上述两者的任意组合。
下面参考图6，其示出了适于用来实现本申请实施例的电子设备的计算机系统600的结构示意图。图6示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的方法中限定的上述功能。
需要说明的是，本申请所述的计算机可读存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读存储介质，该计算机可读存储介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Sma l lta lk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种用于人员异常行为的分析方法，其特征在于，包括以下步骤：
S1：利用图像采集设备获取人脸图片并对所述人脸图片进行清洗去重；
S2：基于人脸数据底库对所述人脸图片中包含的人脸特征进行识别，获取与所述人脸特征相对应的人员信息，并对所述人脸进行标记，其中，标记内容包括重点人员和普通人员；
S3：对于未识别的人脸，建立第一人脸库，并将不同时段内的相似度大于相似度阈值的人脸图片归集至相同的所述第一人脸库中；
S4：基于预设的敏感时段分析所述重点人员、所述普通人员和所述未识别的人脸的活动行为参数，其中，所述活动行为参数包括人员出现频率、人员聚集数量、停留时间和运动轨迹；
S5：对于所述活动行为参数大于预设阈值的异常行为发出报警信息。
2.根据权利要求1所述的用于人员异常行为的分析方法，其特征在于，所述人脸标记具体为判断是否具有违法犯罪前科的档案记录，若是，则标记为重点人员，若否，则标记为普通人员。
3.根据权利要求1所述的用于人员异常行为的分析方法，其特征在于，所述敏感时段为23点至凌晨5点。
4.根据权利要求1所述的用于人员异常行为的分析方法，其特征在于，所述预设阈值包括出现频率阈值、人员聚集数量阈值和停留时间阈值。
5.根据权利要求1中的任一项所述的用于人员异常行为的分析方法，其特征在于，所述步骤S3还包括：
对于人脸特征不完整的人脸图片，基于能提取到的人脸特征和所述图像采集设备的编码信息，获得该人脸的所属区域属性，建立第二人脸库。
6.根据权利要求5所述的用于人员异常行为的分析方法，其特征在于，所述人脸特征不完整的人脸图片包括人脸特征被遮挡的人脸图片。
7.根据权利要求5所述的用于人员异常行为的分析方法，其特征在于，所述相似度阈值设置为80％以上。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被计算机处理器执行时实施权利要求1至7中任一项所述的方法。
9.一种用于人员异常行为的分析系统，其特征在于，包括：
图片获取单元，配置用于利用图像采集设备获取人脸图片并对所述人脸图片进行清洗去重；
人脸识别单元，配置用于基于人脸数据底库对所述人脸图片中包含人脸特征进行识别，获取与所述人脸特征相对应的人员信息，并对所述人脸进行标记，其中，标记内容包括重点人员和普通人员；
人脸库更新单元：配置用于对于未识别的人脸，建立所述未识别的人脸库，并将不同时段内的相似度大于相似度阈值的人脸图片归集至相同人脸库中；
分析单元：配置用于基于预设的敏感时段分析所述重点人员、所述普通人员和所述未识别的人脸的活动行为参数，其中，所述活动行为参数包括人员出现次数、聚集数量、停留时间和运动轨迹；
报警单元：配置用于对于所述活动行为参数大于第一预设阈值的异常行为发出报警信息。
10.根据权利要求9所述的用于人员异常行为的分析系统，其特征在于，所述人脸库更新单元还配置用于对于人脸特征不完整的人脸图片，基于能提取到的人脸特征和所述图像采集设备的编码信息，获得该人脸的区域属性，建立所述人脸特征不完整的第二人脸库。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910465134.3A CN110298254A (zh) | 2019-05-30 | 2019-05-30 | 一种用于人员异常行为的分析方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910465134.3A CN110298254A (zh) | 2019-05-30 | 2019-05-30 | 一种用于人员异常行为的分析方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110298254A true CN110298254A (zh) | 2019-10-01 |
Family
ID=68027369
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910465134.3A Pending CN110298254A (zh) | 2019-05-30 | 2019-05-30 | 一种用于人员异常行为的分析方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110298254A (zh) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110751080A (zh) * | 2019-10-16 | 2020-02-04 | 浙江大华技术股份有限公司 | 异常人员的聚集预警方法、系统及相关装置 |
| CN111104916A (zh) * | 2019-12-23 | 2020-05-05 | 中科讯安(深圳)科技有限公司 | 一种基于物联网的人群画像感知的数据分析系统 |
| CN111462442A (zh) * | 2020-03-05 | 2020-07-28 | 义乌市输变电工程有限公司 | 一种电缆隧道智能可视化检测系统及方法 |
| CN111476685A (zh) * | 2020-03-26 | 2020-07-31 | 深圳力维智联技术有限公司 | 行为分析方法、装置及设备 |
| CN112232178A (zh) * | 2020-10-13 | 2021-01-15 | 重庆紫光华山智安科技有限公司 | 基于人像聚档的区域落脚点判定方法、系统、设备及介质 |
| CN112687044A (zh) * | 2019-11-28 | 2021-04-20 | 上海云思智慧信息技术有限公司 | 滞留人员的管理方法、系统、介质及设备 |
| CN112949362A (zh) * | 2019-12-11 | 2021-06-11 | 杭州海康威视数字技术股份有限公司 | 人员信息标注方法、装置及电子设备 |
| CN113269016A (zh) * | 2020-12-22 | 2021-08-17 | 杭州天阙科技有限公司 | 重点场所群体聚集场景的识别方法及相关装置 |
| CN113468948A (zh) * | 2021-04-26 | 2021-10-01 | 深圳市安软科技股份有限公司 | 基于视图数据的治安防控方法、模块、设备及存储介质 |
| CN113537130A (zh) * | 2021-07-29 | 2021-10-22 | 佳都科技集团股份有限公司 | 数据处理方法、装置、设备和存储介质 |
| CN113705493A (zh) * | 2021-09-01 | 2021-11-26 | 浙江大华技术股份有限公司 | 一种检测金融交易异常行为的方法、装置及可读存储介质 |
| CN113823055A (zh) * | 2021-11-23 | 2021-12-21 | 兰和科技（深圳）有限公司 | 一种校园安全保障智能化监管预警系统及方法 |
| CN117333929A (zh) * | 2023-12-01 | 2024-01-02 | 贵州省公路建设养护集团有限公司 | 基于深度学习实现道路施工下的异常人员识别方法及系统 |
Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101227600A (zh) * | 2008-02-02 | 2008-07-23 | 北京海鑫科金高科技股份有限公司 | 一种用于自助银行与自动柜员机的智能监控装置和方法 |
| 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 |
| CN103297751A (zh) * | 2013-04-23 | 2013-09-11 | 四川天翼网络服务有限公司 | 智慧天网视频行为分析系统 |
| CN103605969A (zh) * | 2013-11-28 | 2014-02-26 | Tcl集团股份有限公司 | 一种人脸录入的方法及装置 |
| CN104820834A (zh) * | 2015-05-19 | 2015-08-05 | 深圳市保千里电子有限公司 | 一种斗殴预警方法及装置 |
| CN105590094A (zh) * | 2015-12-11 | 2016-05-18 | 小米科技有限责任公司 | 确定人体数量的方法及装置 |
| CN106997629A (zh) * | 2017-02-17 | 2017-08-01 | 北京格灵深瞳信息技术有限公司 | 门禁控制方法、装置及系统 |
| CN107393073A (zh) * | 2017-07-20 | 2017-11-24 | 克立司帝控制系统（上海）有限公司 | 基于图像识别技术的门禁监控控制系统及方法 |
| CN108052925A (zh) * | 2017-12-28 | 2018-05-18 | 江西高创保安服务技术有限公司 | 一种小区人员档案智能管理方法 |
| CN108171842A (zh) * | 2017-12-28 | 2018-06-15 | 深圳市泛海三江科技发展有限公司 | 一种人员管理系统 |
| CN108446681A (zh) * | 2018-05-10 | 2018-08-24 | 深圳云天励飞技术有限公司 | 行人分析方法、装置、终端及存储介质 |
| CN108664608A (zh) * | 2018-05-11 | 2018-10-16 | 中国联合网络通信集团有限公司 | 可疑人员的识别方法、装置及计算机可读存储介质 |
| CN108764153A (zh) * | 2018-05-30 | 2018-11-06 | 深圳市飞瑞斯科技有限公司 | 人脸识别方法、装置、系统和存储介质 |
| CN108875466A (zh) * | 2017-06-01 | 2018-11-23 | 北京旷视科技有限公司 | 基于人脸识别的监控方法、监控系统与存储介质 |
| CN108961495A (zh) * | 2018-06-25 | 2018-12-07 | 北京蜂盒科技有限公司 | 一种基于人脸识别的数据更新方法及装置 |
| CN109326073A (zh) * | 2018-09-04 | 2019-02-12 | 重庆工业职业技术学院 | 一种基于多点定位的无线传感器网络安防监控系统 |
| CN109767527A (zh) * | 2018-12-20 | 2019-05-17 | 深圳云天励飞技术有限公司 | 人员识别方法及相关产品 |
-
2019
- 2019-05-30 CN CN201910465134.3A patent/CN110298254A/zh active Pending
Patent Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101227600A (zh) * | 2008-02-02 | 2008-07-23 | 北京海鑫科金高科技股份有限公司 | 一种用于自助银行与自动柜员机的智能监控装置和方法 |
| 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 |
| CN103297751A (zh) * | 2013-04-23 | 2013-09-11 | 四川天翼网络服务有限公司 | 智慧天网视频行为分析系统 |
| CN103605969A (zh) * | 2013-11-28 | 2014-02-26 | Tcl集团股份有限公司 | 一种人脸录入的方法及装置 |
| CN104820834A (zh) * | 2015-05-19 | 2015-08-05 | 深圳市保千里电子有限公司 | 一种斗殴预警方法及装置 |
| CN105590094A (zh) * | 2015-12-11 | 2016-05-18 | 小米科技有限责任公司 | 确定人体数量的方法及装置 |
| CN106997629A (zh) * | 2017-02-17 | 2017-08-01 | 北京格灵深瞳信息技术有限公司 | 门禁控制方法、装置及系统 |
| CN108875466A (zh) * | 2017-06-01 | 2018-11-23 | 北京旷视科技有限公司 | 基于人脸识别的监控方法、监控系统与存储介质 |
| CN107393073A (zh) * | 2017-07-20 | 2017-11-24 | 克立司帝控制系统（上海）有限公司 | 基于图像识别技术的门禁监控控制系统及方法 |
| CN108052925A (zh) * | 2017-12-28 | 2018-05-18 | 江西高创保安服务技术有限公司 | 一种小区人员档案智能管理方法 |
| CN108171842A (zh) * | 2017-12-28 | 2018-06-15 | 深圳市泛海三江科技发展有限公司 | 一种人员管理系统 |
| CN108446681A (zh) * | 2018-05-10 | 2018-08-24 | 深圳云天励飞技术有限公司 | 行人分析方法、装置、终端及存储介质 |
| CN108664608A (zh) * | 2018-05-11 | 2018-10-16 | 中国联合网络通信集团有限公司 | 可疑人员的识别方法、装置及计算机可读存储介质 |
| CN108764153A (zh) * | 2018-05-30 | 2018-11-06 | 深圳市飞瑞斯科技有限公司 | 人脸识别方法、装置、系统和存储介质 |
| CN108961495A (zh) * | 2018-06-25 | 2018-12-07 | 北京蜂盒科技有限公司 | 一种基于人脸识别的数据更新方法及装置 |
| CN109326073A (zh) * | 2018-09-04 | 2019-02-12 | 重庆工业职业技术学院 | 一种基于多点定位的无线传感器网络安防监控系统 |
| CN109767527A (zh) * | 2018-12-20 | 2019-05-17 | 深圳云天励飞技术有限公司 | 人员识别方法及相关产品 |
Non-Patent Citations (1)
| Title |
|---|
| 谢金龙 主编: "系统功能设计", 《物联网工程设计与实施》 * |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110751080A (zh) * | 2019-10-16 | 2020-02-04 | 浙江大华技术股份有限公司 | 异常人员的聚集预警方法、系统及相关装置 |
| CN112687044A (zh) * | 2019-11-28 | 2021-04-20 | 上海云思智慧信息技术有限公司 | 滞留人员的管理方法、系统、介质及设备 |
| CN112949362B (zh) * | 2019-12-11 | 2023-10-17 | 杭州海康威视数字技术股份有限公司 | 人员信息标注方法、装置及电子设备 |
| CN112949362A (zh) * | 2019-12-11 | 2021-06-11 | 杭州海康威视数字技术股份有限公司 | 人员信息标注方法、装置及电子设备 |
| CN111104916A (zh) * | 2019-12-23 | 2020-05-05 | 中科讯安(深圳)科技有限公司 | 一种基于物联网的人群画像感知的数据分析系统 |
| CN111462442A (zh) * | 2020-03-05 | 2020-07-28 | 义乌市输变电工程有限公司 | 一种电缆隧道智能可视化检测系统及方法 |
| CN111476685A (zh) * | 2020-03-26 | 2020-07-31 | 深圳力维智联技术有限公司 | 行为分析方法、装置及设备 |
| CN112232178A (zh) * | 2020-10-13 | 2021-01-15 | 重庆紫光华山智安科技有限公司 | 基于人像聚档的区域落脚点判定方法、系统、设备及介质 |
| CN113269016A (zh) * | 2020-12-22 | 2021-08-17 | 杭州天阙科技有限公司 | 重点场所群体聚集场景的识别方法及相关装置 |
| CN113468948A (zh) * | 2021-04-26 | 2021-10-01 | 深圳市安软科技股份有限公司 | 基于视图数据的治安防控方法、模块、设备及存储介质 |
| CN113468948B (zh) * | 2021-04-26 | 2023-11-10 | 深圳市安软科技股份有限公司 | 基于视图数据的治安防控方法、模块、设备及存储介质 |
| CN113537130A (zh) * | 2021-07-29 | 2021-10-22 | 佳都科技集团股份有限公司 | 数据处理方法、装置、设备和存储介质 |
| CN113705493A (zh) * | 2021-09-01 | 2021-11-26 | 浙江大华技术股份有限公司 | 一种检测金融交易异常行为的方法、装置及可读存储介质 |
| CN113823055A (zh) * | 2021-11-23 | 2021-12-21 | 兰和科技（深圳）有限公司 | 一种校园安全保障智能化监管预警系统及方法 |
| CN113823055B (zh) * | 2021-11-23 | 2022-01-21 | 兰和科技（深圳）有限公司 | 一种校园安全保障智能化监管预警系统及方法 |
| CN117333929A (zh) * | 2023-12-01 | 2024-01-02 | 贵州省公路建设养护集团有限公司 | 基于深度学习实现道路施工下的异常人员识别方法及系统 |
| CN117333929B (zh) * | 2023-12-01 | 2024-02-09 | 贵州省公路建设养护集团有限公司 | 基于深度学习实现道路施工下的异常人员识别方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110298254A (zh) | 一种用于人员异常行为的分析方法和系统 | |
| US20220092881A1 (en) | Method and apparatus for behavior analysis, electronic apparatus, storage medium, and computer program | |
| CN110751828B (zh) | 一种路段拥堵测量方法、装置、计算机设备及存储介质 | |
| CN108269331A (zh) | 一种智能视频大数据处理系统 | |
| Reades et al. | Finding pearls in London's oysters | |
| CN111291216B (zh) | 一种基于人脸结构化数据的落脚点分析方法和系统 | |
| CN102902960A (zh) | 基于高斯建模与目标轮廓的遗留物检测方法 | |
| CN111222784A (zh) | 一种基于人口大数据的安防监控方法和系统 | |
| CN117035419B (zh) | 企业项目实施智能管理系统及方法 | |
| CN112699328A (zh) | 网点服务数据处理方法、装置、系统、设备及存储介质 | |
| CN113536256A (zh) | 一种人口流动数据的统计分析方法、装置及电子设备 | |
| CN111476685B (zh) | 行为分析方法、装置及设备 | |
| CN111914780A (zh) | 一种智慧街道管理平台 | |
| Khan et al. | Short-term traffic prediction using deep learning long short-term memory: Taxonomy, applications, challenges, and future trends | |
| CN116935659B (zh) | 一种高速服务区卡口车辆稽核系统及其方法 | |
| CN113691778A (zh) | 一种城市轨道交通车站全景巡站系统 | |
| CN111369394B (zh) | 基于大数据的景区客流量统计评估系统及方法 | |
| CN113918563A (zh) | 布控信息的确定方法及装置、存储介质、电子装置 | |
| CN110544334B (zh) | 门禁管理的数据处理方法、装置、电子设备与存储介质 | |
| CN112153341B (zh) | 一种任务监督方法、装置、系统、电子设备及存储介质 | |
| CN113902987A (zh) | 群体智能的对象检测方法、存储介质和处理器 | |
| CN117275156B (zh) | 无人值守共享棋牌室预定系统 | |
| CN116631172B (zh) | 一种基于门锁和电子门铃联动的预警方法及装置 | |
| Wang et al. | A Short-Term Od Distribution Prediction Model Combined with Deep Learning Frameworks and Destination Choice Behaviour in Urban Rail Transit Networks | |
| Zarindast | Machine learning application powering automation of efficient traffic operation |
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 |
Application publication date: 20191001 |
|
| RJ01 | Rejection of invention patent application after publication |