CN110309733A - 一种防漏检方法、装置、计算机可读介质以及设备 - Google Patents
一种防漏检方法、装置、计算机可读介质以及设备 Download PDFInfo
- Publication number
- CN110309733A CN110309733A CN201910514248.2A CN201910514248A CN110309733A CN 110309733 A CN110309733 A CN 110309733A CN 201910514248 A CN201910514248 A CN 201910514248A CN 110309733 A CN110309733 A CN 110309733A
- Authority
- CN
- China
- Prior art keywords
- face
- image
- security
- modeling
- 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
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000007689 inspection Methods 0.000 claims abstract description 180
- 238000001514 detection method Methods 0.000 claims description 47
- 239000011521 glass Substances 0.000 claims description 26
- 238000003860 storage Methods 0.000 claims description 20
- 238000007781 pre-processing Methods 0.000 claims description 19
- 230000002265 prevention Effects 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 4
- 238000004513 sizing Methods 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 15
- 230000001815 facial effect Effects 0.000 abstract 3
- 238000010586 diagram Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 9
- 230000006872 improvement Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000009933 burial Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000001795 light effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本说明书实施例公开了一种防漏检方法、装置、计算机可读介质以及设备。所述方法包括:获取安检对象的第一信息,进行人脸建模,其中,所述安检对象为待进行人脸检测的对象;获取所述安检对象的人脸图像,对所述人脸图像进行预处理;对人脸建模成功的安检对象,基于所述经过预处理的人脸图像,进行人脸比对,判断所述安检对象是否为漏检对象。采用本说明书实施例提供的防漏检方法,能够自动实现对安检对象的防漏检,预防安检过程中的漏检。
Description
技术领域
本说明书涉及计算机技术领域,尤其涉及一种防漏检方法、装置、计算机可读介质以及设备。
背景技术
随着社会经济的发展,人们外出旅行及参加各种活动的次数越来越多,为避免不安全因素所导致的安全事故,在各种重要场合的入口(比如,机场、地铁、客运中心、大型会议现场等)均会设置相应级别的安检设施,对入场人员进行安全检查。现有的安全检查设施,在大多数情况下,虽然能够对安检对象顺利完成安检,以避免不安全因素,但是,面对日益增长的人流量和日渐复杂的环境,现有的安检设施也渐渐暴露出一些问题,给公共安全埋下安全隐患。
以机场为例,传统的安检模式每个安检环节基本都靠人工操作,这种“人工安检”方式比较耗时、放检效率低、行李与安检对象无法精准关联、安检管理秩序过严格、出行体验不佳。在机场进行人证验证的安检台,通常都有一个预设的固定高度,对于高于该安检台高度的安检对象,能够较好地被安检人员监测到,从而顺利完成安检,但是,对于高度未达到该预设固定高度的安检对象,比如一些身高较矮的乘客,尤其儿童,便较难被安检人员监测到,加上儿童活泼好动的特点以及对安检的流程不了解等原因,这些乘客有可能在未被安检人员监测到的情况下,没有经过人证验证环节,就进入安检通道进行安检,从而导致整个安检过程出现纰漏,给航空安全带来隐患。
发明内容
本说明书实施例提供一种防漏检方法、装置、计算机可读介质以及设备,用于解决以下技术问题:在安检过程中,全部依靠人工完成,出现安检对象漏检。
为解决上述技术问题,本说明书实施例是这样实现的:
本说明书实施例提供的一种防漏检方法,包括:
获取安检对象的第一信息,进行人脸建模,其中,所述安检对象为待进行人脸检测的对象;
获取所述安检对象的人脸图像,对所述人脸图像进行预处理;
对人脸建模成功的安检对象,基于所述经过预处理的人脸图像,进行人脸比对,判断所述安检对象是否为漏检对象。
进一步地,所述获取安检对象的第一信息,进行人脸建模,具体包括:
基于闸机和/或人工柜台获取所述安检对象的第一信息,其中,所述第一信息包括所述安检对象的身份证信息和/或登机牌信息和/或现场图像,所述现场图像是由闸机和/或人工柜台拍摄的所述安检对象的图像;
基于所述第一信息,提取人脸特征,进行人脸建模。
进一步地,所述获取安检对象的人脸信息,进行人脸建模之后,还包括步骤:
若人脸建模失败,则重新获取所述安检对象的人脸信息,进行人脸建模;
若人脸建模成功,则将所述人脸建模成功的安检对象的第二信息存储到动态队列中,其中,所述第二信息包括所述第一信息及所述人脸建模得到的建模图像。
进一步地,所述获取所述安检对象的人脸图像,对所述人脸图像进行预处理,具体包括:
使所述安检对象位于检测区域内进行检测,获得所述安检对象的人脸图像,其中,所述检测区域为能够拍摄到所述安检对象的人脸图像的区域;
在所述人脸图像中标定所述安检对象的人脸的位置和大小。
进一步地,所述安检对象的人脸图像由AR眼镜的摄像头拍摄。
进一步地,所述在所述人脸图像中标定所述安检对象的人脸的位置和大小,具体包括:
在所述人脸图像中,采用大脸原则,确定属于所述安检对象的人脸图像;
在所述人脸图像中,将属于所述安检对象的人脸图像进行标定。
进一步地,所述对人脸建模成功的安检对象,基于所述经过预处理的人脸图像,进行人脸比对,判断所述安检对象是否为漏检对象,具体包括:
将所述经过预处理的人脸图像,与人脸库中的建模图像进行匹配,根据预设阈值,进行人脸比对,其中,所述建模图像是人脸建模得到的图像,所述人脸库是一个或多个安检对象对应的建模图像的集合;
若人脸比对失败,则所述安检对象可能为漏检对象;
若人脸比对成功,则所述安检对象不是漏检对象。
本说明书实施例提供的一种防漏检装置,包括:
获取单元,获取安检对象的第一信息,进行人脸建模,其中,所述安检对象为待进行人脸检测的对象;
预处理单元,获取所述安检对象的人脸图像,对所述人脸图像进行预处理;
比对单元,对人脸建模成功的安检对象,基于所述经过预处理的人脸图像,进行人脸比对,判断所述安检对象是否为漏检对象。
进一步地,所述获取安检对象的第一信息,进行人脸建模,具体包括:
基于闸机和/或人工柜台获取所述安检对象的第一信息,其中,所述第一信息包括所述安检对象的身份证信息和/或登机牌信息和/或现场图像,所述现场图像是由闸机和/或人工柜台拍摄的所述安检对象的图像;
基于所述第一信息,提取人脸特征,进行人脸建模。
进一步地,所述获取安检对象的人脸信息,进行人脸建模之后,还包括建模单元:
若人脸建模失败,则重新获取所述安检对象的人脸信息,进行人脸建模;
若人脸建模成功,则将所述人脸建模成功的安检对象的第二信息存储到动态队列中,其中,所述第二信息包括所述第一信息及所述人脸建模得到的建模图像。
进一步地,所述获取所述安检对象的人脸图像,对所述人脸图像进行预处理,具体包括:
使所述安检对象位于检测区域内进行检测,获得所述安检对象的人脸图像,其中,所述检测区域为能够拍摄到所述安检对象的人脸图像的区域;
在所述人脸图像中标定所述安检对象的人脸的位置和大小。
进一步地,所述安检对象的人脸图像由AR眼镜的摄像头拍摄。
进一步地,所述在所述人脸图像中标定所述安检对象的人脸的位置和大小,具体包括:
在所述人脸图像中,采用大脸原则,确定属于所述安检对象的人脸图像;
在所述人脸图像中,将属于所述安检对象的人脸图像进行标定。
进一步地,所述对人脸建模成功的安检对象,基于所述经过预处理的人脸图像,进行人脸比对,判断所述安检对象是否为漏检对象,具体包括:
将所述经过预处理的人脸图像,与人脸库中的建模图像进行匹配,根据预设阈值,进行人脸比对,其中,所述建模图像是人脸建模得到的图像,所述人脸库是一个或多个安检对象对应的建模图像的集合;
若人脸比对失败,则所述安检对象可能为漏检对象;
若人脸比对成功,则所述安检对象不是漏检对象。
本说明书实施例提供的一种电子设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:
获取安检对象的第一信息,进行人脸建模,其中,所述安检对象为待进行人脸检测的对象;
获取所述安检对象的人脸图像,对所述人脸图像进行预处理;
对人脸建模成功的安检对象,基于所述经过预处理的人脸图像,进行人脸比对,判断所述安检对象是否为漏检对象。
本说明书实施例提供的一种计算机可读存储介质,用于存储程序,其特征在于,所述程序被执行时,能够实现防漏检。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果:
本申请采用获取安检对象的第一信息,进行人脸建模,其中,所述安检对象为待进行人脸检测的对象;获取所述安检对象的人脸图像,对所述人脸图像进行预处理;对人脸建模成功的安检对象,基于所述经过预处理的人脸图像,进行人脸比对,判断所述安检对象是否为漏检对象,能够自动实现对安检对象的防漏检,预防安检过程中的漏检。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本说明书中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种防漏检方法的框架图;
图2为本申请实施例提供的一种防漏检方法的流程图;
图3a为本申请实施例提供的一种AR眼镜的显示屏显示人脸比对成功的示意图;
图3b为本申请实施例提供的一种AR眼镜的显示屏显示人脸比对失败的示意图;
图4为本说明书实施例提供的一种防漏检装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本说明书实施例中的附图,对本说明书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。基于本说明书实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
随着社会经济的发展,人们外出旅行及参加各种活动的次数越来越多。以民航为例,机场的客流不断增加,2018年机场旅客吞吐量达到12.64亿人次。面对人数众多的安检对象,传统的安检模式的弊端愈来愈明显,诸如安检耗时久、放检效率低、出行体验不佳、易出现漏检。
有鉴于此,需要提供一种新的方法,能够快速进行防漏检,避免漏检。
本说明书提供一种防漏检方法,图1为本申请实施例提供的一种防漏检方法的框架图,具体包括:
S101:获取安检对象的第一信息,进行人脸建模,其中,所述安检对象为待进行人脸检测的对象。
在本申请中,安检对象的第一信息基于闸机和/或人工柜台获取。第一信息的内容包括但不限于:安检对象的身份证信息、登机牌信息、现场图像,其中,现场图像是由闸机和/或人工柜台拍摄的安检对象的图像。
基于第一信息,提取人脸特征,进行人脸建模。
需要特别说明的是,若人脸建模失败,则重新获取安检对象的第一信息,进行人脸建模;
若人脸建模成功,则将人脸建模成功的安检对象的第二信息存储到动态队列中,其中,第二信息包括第一信息及人脸建模得到的建模图像。
S103:获取所述安检对象的人脸图像,对所述人脸图像进行预处理。
基于前述步骤S101的人脸建模,进一步获取安检对象的人脸图像,具体包括:使所述安检对象位于检测区域内进行检测,获得安检对象的人脸图像,其中,检测区域为能够拍摄到安检对象的人脸图像的区域。
在本申请中,对人脸图像的预处理是指在安检对象的人脸图像中标定安检对象的人脸的位置和大小。
在本申请的一个实施例中,安检对象的人脸图像由AR(Augmented Reality,增强现实)眼镜的摄像头拍摄。AR眼镜至少含有AR眼镜的摄像头、AR眼镜显示屏。其中,AR眼镜的摄像头用于拍摄安检对象的照片,AR眼镜显示屏用于显示人脸比对结果等。
由于人脸图像是由安检人员佩戴的AR眼镜的摄像头拍摄,因此,拍摄得到的人脸图像中可能会包括多个人脸图像,因此需要确定安检对象的人脸图像。由于安检对象是离安检人员最近的人员,因此,认为人脸图像中,人脸最大的图像为安检对象的人脸图像。在本申请中,采用大脸原则,确定属于安检对象的人脸图像。然后在人脸图像中,将属于安检对象的人脸图像进行标定。
需要特别说明的是,在本申请中,AR眼镜与执法记录仪连接,用于实现人脸比对,以防漏检。执法记录仪用于记录安检人员安检执法的全过程。
S105:对人脸建模成功的安检对象,基于所述经过预处理的人脸图像,进行人脸比对,判断所述安检对象是否为漏检对象。
前述步骤S103得到的经过预处理的人脸图像,与人脸库中的建模图像进行匹配,根据预设阈值,进行人脸比对。需要特别说明的是,建模图像是人脸建模得到的图像,人脸库是一个或多个安检对象对应的建模图像的集合。
预设阈值在具体实施时,可由应用场景而定,在实际应用中,预设阈值的设定需要考虑的因素包括但不限于:安检口的灯光效果、人流密度、安检口的状态,其中,安检口的状态是指安检口处于试运行或正式运行状态。
根据预设阈值,对AR眼镜摄像头拍摄的人脸图像与人脸库中的建模图像进行比对。若超过预设阈值,则比对成功,将匹配结果输出到AR眼镜显示屏,并给予比对成功的提示,则该安检对象不是漏检对象,将该安检对象予以进行后续安检过程,诸如手检;若低于预设阈值,则比对失败,将匹配结果输出到AR眼镜显示屏,并给予比对失败的提示,则该安检对象可能是漏检对象,对该安检对象重新进行安检,诸如要求该安检对象返回闸机和/或人工柜台重新安检。
为进一步理解本说明书提供的防漏检方法,下面详细说明防漏检方法的流程。图2为本申请实施例提供的一种防漏检方法的流程图,具体包括:
步骤S201:获取安检对象的第一信息。
如前所述,安检对象的第一信息是基于闸机和/或人工柜台获取的。人工柜台和/或闸机作为安检对象的信息输入端。
步骤S203:对安检对象进行人脸建模。
为保证信息的安全传输,前述步骤S201获得的安检对象的第一信息需要进行信息封装。在本申请的一个实施例中,经过封装的第一信息的数据存储方法包括但不限于:加密存储格式、唯一标识存储。
在本申请的一个实施例中,第一信息输入调度服务系统,由调度服务系统进行第一信息的封装。经过封装的第一信息发送至执法记录仪服务端,从而用于对安检对象进行人脸建模。在本申请的一个实施例中,执法记录仪服务端为执法记录仪的APP端。
如前所述,AR眼镜与执法记录仪连接使用,可以为单机版本,亦可用为网络版本。若为单机版本,则将单通道的第一信息下发至执法记录仪,用于后续人脸建模、人脸比对。若为网络版本,则将所有通道的第一信息通过调度服务器发送至执法记录仪,用于后续人脸建模、人脸比对。需要特别说明的是,不管是单机版本,还是网络版本,均通过定制的API接口,将第一信息传送到指定的服务通道,每个服务通道均支持多名安检人员佩戴AR眼镜同时进行安检。
步骤S205:将安检对象的第二信息存储在动态队列中。
如前所述,采用本说明书提供的方法,人脸建模成功,得到安检对象的第二信息,第二信息存储在动态队列中,用于后续人脸比对。在本申请中,动态队列存储于执法记录仪APP端,形成人脸库。
步骤S207:获取安检对象的人脸图像,对安检对象的人脸图像进行预处理。
经过AR眼镜拍摄的安检对象的人脸图像,经过预处理后,能够实现在安检对象的人脸图像中标定安检对象的人脸的位置和大小。AR眼镜拍摄的安检对象的人脸图像可以为图片亦可以为视频流。
步骤S209:将经过预处理的人脸图像与动态队列中第二信息所包括的建模图像进行比对,判断安检对象是否为漏检对象。
延续前述实施例,AR眼镜拍摄的安检对象的人脸图像发送到执法记录仪APP端,与人脸库中的建模图像进行1:N的人脸比对。执法记录仪APP将人脸比对的结果进行封装后,实时进行存储及推送。人脸比对的结果以图片形式显示在AR眼镜的显示屏。图3a为本申请实施例提供的一种AR眼镜的显示屏显示人脸比对成功的示意图,图3b为本申请实施例提供的一种AR眼镜的显示屏显示人脸比对失败的示意图。
需要特别说明的是,执法记录仪用以记录执法的全过程,拍摄的视频流保存在执法记录仪本地内存。在具体应用中,以天为单位将执法记录仪本地内存的视频及过检信息回传至数据服务中心,与安检信息系统同步,并实现与安检对象的信息关联。而安检信息系统能够实现对人流数量、流量、变化趋势等信息的统计,有利于未来安检流量的预测和控制,保证安检系统的平稳运行。
采用本说明书实施例提供的防漏检方法,将手检过程与安检对象信息的匹配,因此,具有追溯性,能够实现问题安检及问题安检对象的追溯;人脸比对,能够实现防漏检。
上述内容详细说明了一种防漏检方法,与之相应的,本说明书还提供了一种防漏检装置,如图4所示。
获取单元401,获取安检对象的第一信息,进行人脸建模,其中,所述安检对象为待进行人脸检测的对象;
预处理单元403,获取所述安检对象的人脸图像,对所述人脸图像进行预处理;
比对单元405,对人脸建模成功的安检对象,基于所述经过预处理的人脸图像,进行人脸比对,判断所述安检对象是否为漏检对象。
所述获取安检对象的第一信息,进行人脸建模,具体包括:
基于闸机和/或人工柜台获取所述安检对象的第一信息,其中,所述第一信息包括所述安检对象的身份证信息和/或登机牌信息和/或现场图像,所述现场图像是由闸机和/或人工柜台拍摄的所述安检对象的图像;
基于所述第一信息,提取人脸特征,进行人脸建模。
所述获取安检对象的人脸信息,进行人脸建模之后,还包括建模单元407:
若人脸建模失败,则重新获取所述安检对象的人脸信息,进行人脸建模;
若人脸建模成功,则将所述人脸建模成功的安检对象的第二信息存储到动态队列中,其中,所述第二信息包括所述第一信息及所述人脸建模得到的建模图像。
所述获取所述安检对象的人脸图像,对所述人脸图像进行预处理,具体包括:
使所述安检对象位于检测区域内进行检测,获得所述安检对象的人脸图像,其中,所述检测区域为能够拍摄到所述安检对象的人脸图像的区域;
在所述人脸图像中标定所述安检对象的人脸的位置和大小。
所述安检对象的人脸图像由AR眼镜的摄像头拍摄。
所述在所述人脸图像中标定所述安检对象的人脸的位置和大小,具体包括:
在所述人脸图像中,采用大脸原则,确定属于所述安检对象的人脸图像;
在所述人脸图像中,将属于所述安检对象的人脸图像进行标定。
所述对人脸建模成功的安检对象,基于所述经过预处理的人脸图像,进行人脸比对,判断所述安检对象是否为漏检对象,具体包括:
将所述经过预处理的人脸图像,与人脸库中的建模图像进行匹配,根据预设阈值,进行人脸比对,其中,所述建模图像是人脸建模得到的图像,所述人脸库是一个或多个安检对象对应的建模图像的集合;
若人脸比对失败,则所述安检对象可能为漏检对象;
若人脸比对成功,则所述安检对象不是漏检对象。
基于同样的思路,本说明书实施例还提供了与上述方法对应的电子设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:
获取安检对象的第一信息,进行人脸建模,其中,所述安检对象为待进行人脸检测的对象;
获取所述安检对象的人脸图像,对所述人脸图像进行预处理;
对人脸建模成功的安检对象,基于所述经过预处理的人脸图像,进行人脸比对,判断所述安检对象是否为漏检对象。
基于同样的思路,本说明书实施例还提供了与上述方法对应的计算机可读存储介质,用于存储程序,所述程序被执行时,能够实现防漏检。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、电子设备、非易失性计算机存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本说明书实施例提供的装置、电子设备、非易失性计算机存储介质与方法是对应的,因此,装置、电子设备、非易失性计算机存储介质也具有与对应方法类似的有益技术效果,由于上面已经对方法的有益技术效果进行了详细说明,因此,这里不再赘述对应装置、电子设备、非易失性计算机存储介质的有益技术效果。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书一个或多个实施例时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本说明书实施例可提供为方法、系统、或计算机程序产品。因此,本说明书实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本说明书实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据优化设备的处理器以产生一个机器,使得通过计算机或其他可编程数据优化设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据优化设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据优化设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践说明书,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (16)
1.一种防漏检方法,其特征在于,所述方法包括:
获取安检对象的第一信息,进行人脸建模,其中,所述安检对象为待进行人脸检测的对象;
获取所述安检对象的人脸图像,对所述人脸图像进行预处理;
对人脸建模成功的安检对象,基于所述经过预处理的人脸图像,进行人脸比对,判断所述安检对象是否为漏检对象。
2.如权利要求1所述的方法,其特征在于,所述获取安检对象的第一信息,进行人脸建模,具体包括:
基于闸机和/或人工柜台获取所述安检对象的第一信息,其中,所述第一信息包括所述安检对象的身份证信息和/或登机牌信息和/或现场图像,所述现场图像是由闸机和/或人工柜台拍摄的所述安检对象的图像;
基于所述第一信息,提取人脸特征,进行人脸建模。
3.如权利要求1所述的方法,其特征在于,所述获取安检对象的人脸信息,进行人脸建模之后,还包括步骤:
若人脸建模失败,则重新获取所述安检对象的人脸信息,进行人脸建模;
若人脸建模成功,则将所述人脸建模成功的安检对象的第二信息存储到动态队列中,其中,所述第二信息包括所述第一信息及所述人脸建模得到的建模图像。
4.如权利要求1所述的方法,其特征在于,所述获取所述安检对象的人脸图像,对所述人脸图像进行预处理,具体包括:
使所述安检对象位于检测区域内进行检测,获得所述安检对象的人脸图像,其中,所述检测区域为能够拍摄到所述安检对象的人脸图像的区域;
在所述人脸图像中标定所述安检对象的人脸的位置和大小。
5.如权利要求4所述的方法,其特征在于,所述安检对象的人脸图像由AR眼镜的摄像头拍摄。
6.如权利要求4所述的方法,其特征在于,所述在所述人脸图像中标定所述安检对象的人脸的位置和大小,具体包括:
在所述人脸图像中,采用大脸原则,确定属于所述安检对象的人脸图像;
在所述人脸图像中,将属于所述安检对象的人脸图像进行标定。
7.如权利要求1所述的方法,其特征在于,所述对人脸建模成功的安检对象,基于所述经过预处理的人脸图像,进行人脸比对,判断所述安检对象是否为漏检对象,具体包括:
将所述经过预处理的人脸图像,与人脸库中的建模图像进行匹配,根据预设阈值,进行人脸比对,其中,所述建模图像是人脸建模得到的图像,所述人脸库是一个或多个安检对象对应的建模图像的集合;
若人脸比对失败,则所述安检对象可能为漏检对象;
若人脸比对成功,则所述安检对象不是漏检对象。
8.一种防漏检装置,其特征在于,所述装置包括:
获取单元,获取安检对象的第一信息,进行人脸建模,其中,所述安检对象为待进行人脸检测的对象;
预处理单元,获取所述安检对象的人脸图像,对所述人脸图像进行预处理;
比对单元,对人脸建模成功的安检对象,基于所述经过预处理的人脸图像,进行人脸比对,判断所述安检对象是否为漏检对象。
9.如权利要求8所述的装置,其特征在于,所述获取安检对象的第一信息,进行人脸建模,具体包括:
基于闸机和/或人工柜台获取所述安检对象的第一信息,其中,所述第一信息包括所述安检对象的身份证信息和/或登机牌信息和/或现场图像,所述现场图像是由闸机和/或人工柜台拍摄的所述安检对象的图像;
基于所述第一信息,提取人脸特征,进行人脸建模。
10.如权利要求8所述的装置,其特征在于,所述获取安检对象的人脸信息,进行人脸建模之后,还包括建模单元:
若人脸建模失败,则重新获取所述安检对象的人脸信息,进行人脸建模;
若人脸建模成功,则将所述人脸建模成功的安检对象的第二信息存储到动态队列中,其中,所述第二信息包括所述第一信息及所述人脸建模得到的建模图像。
11.如权利要求8所述的装置,其特征在于,所述获取所述安检对象的人脸图像,对所述人脸图像进行预处理,具体包括:
使所述安检对象位于检测区域内进行检测,获得所述安检对象的人脸图像,其中,所述检测区域为能够拍摄到所述安检对象的人脸图像的区域;
在所述人脸图像中标定所述安检对象的人脸的位置和大小。
12.如权利要求11所述的装置,其特征在于,所述安检对象的人脸图像由AR眼镜的摄像头拍摄。
13.如权利要求11所述的装置,其特征在于,所述在所述人脸图像中标定所述安检对象的人脸的位置和大小,具体包括:
在所述人脸图像中,采用大脸原则,确定属于所述安检对象的人脸图像;
在所述人脸图像中,将属于所述安检对象的人脸图像进行标定。
14.如权利要求8所述的装置,其特征在于,所述对人脸建模成功的安检对象,基于所述经过预处理的人脸图像,进行人脸比对,判断所述安检对象是否为漏检对象,具体包括:
将所述经过预处理的人脸图像,与人脸库中的建模图像进行匹配,根据预设阈值,进行人脸比对,其中,所述建模图像是人脸建模得到的图像,所述人脸库是一个或多个安检对象对应的建模图像的集合;
若人脸比对失败,则所述安检对象可能为漏检对象;
若人脸比对成功,则所述安检对象不是漏检对象。
15.一种电子设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:
获取安检对象的第一信息,进行人脸建模,其中,所述安检对象为待进行人脸检测的对象;
获取所述安检对象的人脸图像,对所述人脸图像进行预处理;
对人脸建模成功的安检对象,基于所述经过预处理的人脸图像,进行人脸比对,判断所述安检对象是否为漏检对象。
16.一种计算机可读存储介质,用于存储程序,其特征在于,所述程序被执行时,能够实现权利要求1至7任一项所述的防漏检方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910514248.2A CN110309733A (zh) | 2019-06-14 | 2019-06-14 | 一种防漏检方法、装置、计算机可读介质以及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910514248.2A CN110309733A (zh) | 2019-06-14 | 2019-06-14 | 一种防漏检方法、装置、计算机可读介质以及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110309733A true CN110309733A (zh) | 2019-10-08 |
Family
ID=68077140
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910514248.2A Pending CN110309733A (zh) | 2019-06-14 | 2019-06-14 | 一种防漏检方法、装置、计算机可读介质以及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110309733A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104392528A (zh) * | 2014-12-02 | 2015-03-04 | 中国民航大学 | 一种无人值守机场登机口管理系统及控制方法 |
CN106447734A (zh) * | 2016-10-10 | 2017-02-22 | 贵州大学 | 一种采用人脸标定物的智能手机相机标定算法 |
CN107423678A (zh) * | 2017-05-27 | 2017-12-01 | 电子科技大学 | 一种提取特征的卷积神经网络的训练方法及人脸识别方法 |
WO2018075345A1 (en) * | 2016-10-17 | 2018-04-26 | Nefdad, Llc | Polarizing material bag |
CN107992855A (zh) * | 2017-12-22 | 2018-05-04 | 中国科学院重庆绿色智能技术研究院 | 一种基于人脸识别的机场安检三重验证方法 |
CN108805071A (zh) * | 2018-06-06 | 2018-11-13 | 北京京东金融科技控股有限公司 | 身份核验方法及装置、电子设备、存储介质 |
CN109446875A (zh) * | 2018-02-24 | 2019-03-08 | 北京首都机场航空安保有限公司 | 一种智能旅客安检系统 |
-
2019
- 2019-06-14 CN CN201910514248.2A patent/CN110309733A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104392528A (zh) * | 2014-12-02 | 2015-03-04 | 中国民航大学 | 一种无人值守机场登机口管理系统及控制方法 |
CN106447734A (zh) * | 2016-10-10 | 2017-02-22 | 贵州大学 | 一种采用人脸标定物的智能手机相机标定算法 |
WO2018075345A1 (en) * | 2016-10-17 | 2018-04-26 | Nefdad, Llc | Polarizing material bag |
CN107423678A (zh) * | 2017-05-27 | 2017-12-01 | 电子科技大学 | 一种提取特征的卷积神经网络的训练方法及人脸识别方法 |
CN107992855A (zh) * | 2017-12-22 | 2018-05-04 | 中国科学院重庆绿色智能技术研究院 | 一种基于人脸识别的机场安检三重验证方法 |
CN109446875A (zh) * | 2018-02-24 | 2019-03-08 | 北京首都机场航空安保有限公司 | 一种智能旅客安检系统 |
CN108805071A (zh) * | 2018-06-06 | 2018-11-13 | 北京京东金融科技控股有限公司 | 身份核验方法及装置、电子设备、存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112800997B (zh) | 一种活体检测方法、装置及设备 | |
US10599399B2 (en) | Mobile user interface design testing tool | |
US10684938B2 (en) | Code component debugging in an application program | |
US10929561B2 (en) | Removing personally identifiable data before transmission from a device | |
US20200050945A1 (en) | Detecting poisoning attacks on neural networks by activation clustering | |
TW201911129A (zh) | 車險圖像處理方法、裝置、伺服器及系統 | |
US20180300046A1 (en) | Image section navigation from multiple images | |
CN113095124A (zh) | 一种人脸活体检测方法、装置以及电子设备 | |
CN110914872A (zh) | 用认知洞察力导航视频场景 | |
CN113657352A (zh) | 一种人脸特征提取方法、装置及设备 | |
CN110310224B (zh) | 光效渲染方法及装置 | |
US9600298B2 (en) | Active and efficient monitoring of a graphical user interface | |
CN113255516A (zh) | 活体检测方法、装置和电子设备 | |
CN115238826B (zh) | 一种模型训练的方法、装置、存储介质及电子设备 | |
US20230267734A1 (en) | Information Extraction from Live Online Sessions | |
CN111368795A (zh) | 一种人脸特征提取方法、装置及设备 | |
CN112950564B (zh) | 一种图像检测方法、装置、存储介质及电子设备 | |
CN112464827B (zh) | 口罩佩戴识别方法、装置、设备及存储介质 | |
CN110309733A (zh) | 一种防漏检方法、装置、计算机可读介质以及设备 | |
Sharma et al. | Social bias in AI and its implications | |
CN111652053A (zh) | 一种员工考勤方法、设备及介质 | |
KR102238672B1 (ko) | 멀티클래스 분류 장치, 그 방법 및 컴퓨터 프로그램이 기록된 기록매체 | |
CN116132710A (zh) | 一种端到端的时间延迟的检测方法、装置以及设备 | |
CN109753482A (zh) | 文件管理方法及装置 | |
CN113935748A (zh) | 一种抽检对象的筛选方法、装置、设备及介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191008 |