CN110472574A - 一种检测着装不规范的方法、装置及系统 - Google Patents
一种检测着装不规范的方法、装置及系统 Download PDFInfo
- Publication number
- CN110472574A CN110472574A CN201910751915.9A CN201910751915A CN110472574A CN 110472574 A CN110472574 A CN 110472574A CN 201910751915 A CN201910751915 A CN 201910751915A CN 110472574 A CN110472574 A CN 110472574A
- Authority
- CN
- China
- Prior art keywords
- image
- personnel
- dressing
- head
- described image
- 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 38
- 238000000034 method Methods 0.000 title claims abstract description 28
- 210000000746 body region Anatomy 0.000 claims abstract description 31
- 238000007689 inspection Methods 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 241000406668 Loxodonta cyclotis Species 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000013517 stratification Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例涉及人工智能技术领域，公开了一种检测着装不规范的方法、装置及系统。本发明提供的检测着装不规范的方法，包括：实时获取待检测图像；根据所述待检测图像，获取图像中人员的头部和上半身区域外接框；根据所述图像中人员的头部和上半身区域外接框对应的区域图像，识别着装是否规范；如果所述图像中人员的着装不规范，则发出提示。采用本发明技术方案不但可以实时发现着装不规范的人员，及时发出提示，还可以大大降低监控人员的工作量，从而大量节省了人力成本。
Description
技术领域
本发明实施例涉及人工智能技术领域，特别涉及一种检测着装不规范的方法、装置及系统。
背景技术
近年来，以卷积神经网络为代表的深度学习技术被广泛应用于各类人工智能任务，例如物体分类、人脸识别、行人身份再识别等。卷积神经网络在这些问题上取得的突破性进展源于其层次化的学习结构所带来的强大表达能力。在人员着装应用场景中，利用计算机视觉的方法鉴别工作人员的着装是否符合规范，即工作人员是否戴帽子和是否穿着工作服。当着装不规范的人出现在工作环境内，及时报警，排除隐患，保障工作间内安全卫生。现有技术中检测工作人员着装的方法通常是在工作间进门处装视频摄像头，通过摄像头拍摄进入人员，最终由监控人员判断是否进入工作人员着装是否规范。例如：在校园厨房内，为了保证校园厨房安全卫生，需要及时对着装不规范人员的出现进行报警提示，以便及时排除安全隐患。
在现有技术的实现过程中，发明人发现现有技术至少存在如下技术问题：
现有技术中，着装不规范的情况主要还是靠人工进行识别提示，造成人工成本较高，工作量较大。
发明内容
本发明实施方式的目的在于提供一种检测着装不规范的方法、装置及系统，其能够根据视频监控，实时发现着装不规范人员，并发出警报。
为解决上述技术问题，本发明的实施方式提供了一种检测着装不规范的方法，包括：
实时获取待检测图像；
根据所述待检测图像，获取图像中人员的头部和上半身区域外接框；
根据所述图像中人员的头部和上半身区域外接框对应的区域图像，识别着装是否规范；
如果所述图像中人员的着装不规范，则发出提示。
本发明的实施方式相对于现有技术而言，采用本发明技术方案不但可以实时发现着装不规范的人员，及时发出提示，还可以大大降低监控人员的工作量，从而大量节省了人力成本。
另外，本发明技术方案通过根据所述检测器输入图像大小，处理所述待检测图像；进而确定图像中人员的头部和上半身区域外接框，使得实时检测器对于图像人员的头部和上半身区域确定的更加准确。
另外，本发明技术方案识别模型采用PVANet网络结构，在本申请应用中通过降低输入图像分辨率和网络参数量，简化了PVANet网络结构，从而使得输出类别减少，降低了系统的复杂度。
附图说明
图1为本发明实施例提供的一种检测着装不规范的方法；
图2为本发明实施例提供的另一种检测着装不规范的方法；
图3为本发明实施例提供的一种检测着装不规范的装置；
图4为本发明实施例提供的一种检测着装不规范的系统。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的各实施方式进行详细的阐述。
本领域的普通技术人员可以理解，上述各实施方式是实现本发明的具体实施例，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。
本发明实施例如图1所示，提供一种检测着装不规范的方法，该方法包括：
101：实时获取待检测图像；
102：根据所述待检测图像，获取图像中人员的头部和上半身区域外接框；此处的待检测图片可以直接应用到检测器的输入，也可以根据检测器检测的实际需求进行相应缩放，在输入检测器中。所述检测器的输入对图片的大小，预先可以设置，通常对象肩宽大小在20-100像素范围。
以上所述的检测器是用于确定所述待检测图像中人员的头部和上半身在图像中的相对位置坐标，即所述图像中人员的头部和上半身区域外接框。
还需要说明的是，以上所述检测器在对图像人员的头部和上半身区域定位的过程中，还通过对象的跟踪算法采用光流跟踪算法，辅助利用头部检测结果。具体是利用当前对象的跟踪框与头部检测结果中重叠度进行判断，当该重叠度大于0.5时将该结果视为当前对象的头部检测结果，用其位置更新当前对象位置；此处头部检测结果是指当前帧图片的头部外接框。
103：根据所述图像中人员的头部和上半身区域外接框对应的区域图像，识别着装是否规范；该步骤中识别着装规范性的识别算法最终决策结合了投票机制，即进行多次识别，结果属性多的为判别结果，避免了以为姿态等因素导致的错误识别，该算法精度在95％以上。
104：如果所述图像中人员的着装不规范，则发出提示。
基于以上实施例，设待检测图像的检测器采用CenterNet网络模型，厨房人员着装识别模型采用PVANet网络结构；其中，厨房人员着装识别模型采用PVANet网络结构包括：帽子识别模型和着装识别模型；所述帽子识别模型的输入图像分辨率为96*96，着装识别模型的输入图像分辨率为64*128；如图2所示，为本发明实施例提供的另一种检测着装不规范的方法，该方法包括：
201：实时获取待检测图像；具体为在厨房监控摄像机中获取监控视频。
202：获取检测器输入图像大小；设检测器输入图像中对象肩宽大小为100像素以下；具体为：根据所述逐帧抠取对应大小的图像，将图像缩放到适合尺寸，发送到所述检测器中。
203：根据所述检测器输入图像缩放尺寸，处理所述待检测图像；
204：根据处理后的所述待检测图像，确定图像中人员的头部和上半身区域外接框，即图像中人员的头部和上半身区域的相对位置坐标。
该步骤，根据头部的外接框创建对象并实时跟踪。在跟踪过程中使用头部检测框抠取头部区域，用于识别工作人员是否戴帽子；当对象得到上半身检测结构时，利用上半身检测结果抠取识别区域，用于识别工作人员着装规范性。
205：获取识别模型的输入图像分辨率；
206：根据所述输入图像分辨率，对所述图像中人员的头部和上半身区域外接框的图像分辨率进行调整；
207：将调整图像分辨率后的所述图像中人员的头部和上半身区域进行着装识别规范性；
208：如果所述图像中人员的着装不规范，则发出提示。
系统会反复识别确认，采用投票机制，保证正确率，当识别到没戴帽子或服装不规范时系统会抓拍当时视频帧图像并标注对象，附加地点、时间等信息报警。
本发明实施例如图3所示，提供一种检测着装不规范的装置，该装置包括：
图像获取单元301，用于实时获取待检测图像；
检测单元302，用于根据所述待检测图像，获取图像中人员的头部和上半身区域外接框；
识别单元303，用于根据所述图像中人员的头部和上半身区域外接框对应的区域图像，识别着装是否规范；
提示单元304，用于如果所述图像中人员的着装不规范，则发出提示。
其中，所述检测单元，包括：
预设子单元，用于预设检测器检测图像区域大小；
处理子单元，用于根据所述检测器输入图像，处理所述待检测图像；
位置确定子单元，用于根据处理后的所述待检测图像，确定图像中人员的头部和上半身区域外接框。
所述识别单元，包括：
参数获取子单元，用于获取识别模型的输入图像分辨率；
调整子单元，用于根据所述输入图像分辨率，对所述图像中人员的头部和上半身区域外接框的图像分辨率进行调整；
识别子单元，用于将调整图像分辨率后的所述图像中人员的头部和上半身区域进行着装识别。
需要说明的是，所述检测器输入图像中对象肩宽大小设置范围在20-100像素之间；
所述检测器采用CenterNet网络结构；
所述识别模型采用PVANet网络结构。
不难发现，本实施方式为与如图1和图2所描述的实施方式相对应的装置实施例，本实施方式可与以上图1和图2实施方式互相配合实施。图1和图2实施方式中提到的相关技术细节在本实施方式中依然有效，为了减少重复，这里不再赘述。相应地，本实施方式中提到的相关技术细节也可应用在第一实施方式中。
本发明实施例如图4所示，提供一种检测着装不规范的系统，该系统包括：如上所述检测着装不规范的装置。
本发明的实施方式相对于现有技术而言，采用本发明技术方案不但可以实时发现着装不规范的人员，及时发出提示，还可以大大降低监控人员的工作量，从而大量节省了人力成本。此外，本发明技术方案通过根据所述检测器输入图像大小，处理所述待检测图像；进而确定图像中人员的头部和上半身区域外接框，使得实时检测器对于图像人员的头部和上半身区域确定的更加准确。本发明技术方案识别模型采用PVANet网络结构，在本申请应用中通过降低输入图像分辨率和网络参数量，简化了PVANet网络结构，从而使得输出类别减少，降低了系统的复杂度。
值得一提的是，本实施方式中所涉及到的各模块均为逻辑模块，在实际应用中，一个逻辑单元可以是一个物理单元，也可以是一个物理单元的一部分，还可以以多个物理单元的组合实现。此外，为了突出本发明的创新部分，本实施方式中并没有将与解决本发明所提出的技术问题关系不太密切的单元引入，但这并不表明本实施方式中不存在其它的单元。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
为了描述的方便，描述以上装置是以功能分为各种单元/模块分别描述。当然，在实施本发明时可以把各单元/模块的功能在同一个或多个软件和/或硬件中实现。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种检测着装不规范的方法，其特征在于，包括：
实时获取待检测图像；
根据所述待检测图像，获取图像中人员的头部和上半身区域外接框；
根据所述图像中人员的头部和上半身区域外接框对应的区域图像，识别着装是否规范；
如果所述图像中人员的着装不规范，则发出提示。
2.根据权利要求1所述的检测着装不规范的方法，其特征在于，
所述根据所述待检测图像，获取图像中人员的头部和上半身区域外接框步骤，包括：
获取检测器输入图像对象大小；
根据所述检测器输入图像对象大小，处理所述待检测图像；
根据处理后的所述待检测图像，确定图像中人员的头部和上半身区域外接框。
3.根据权利要求2所述的检测着装不规范的方法，其特征在于，
所述检测器输入图像中对象肩宽大小设置范围在20-100像素之间。
4.根据权利要求2或3所述的检测着装不规范的方法，其特征在于，
所述根据所述图像中人员的头部和上半身区域外接框对应的区域图像，识别着装是否规范步骤，包括：
获取识别模型的输入图像分辨率；
根据所述输入图像分辨率，对所述图像中人员的头部和上半身区域外接框的图像分辨率进行调整；
将调整图像分辨率后的所述图像中人员的头部和上半身区域进行着装识别。
5.根据权利要求4所述的检测着装不规范的方法，其特征在于，
所述检测器采用CenterNet网络结构；
所述识别模型采用PVANet网络结构。
6.一种检测着装不规范的装置，其特征在于，包括：
图像获取单元，用于实时获取待检测图像；
检测单元，用于根据所述待检测图像，获取图像中人员的头部和上半身区域外接框；
识别单元，用于根据所述图像中人员的头部和上半身区域外接框对应的区域图像，识别着装是否规范；
提示单元，用于如果所述图像中人员的着装不规范，则发出提示。
7.根据权利要求6所述的检测着装不规范的装置，其特征在于，
所述检测单元，包括：
预设子单元，用于预设设置场景标定，帮助检测器确定输入图像缩放尺寸；
处理子单元，用于根据所述检测器输入图像大小，处理所述待检测图像；
位置确定子单元，用于根据处理后的所述待检测图像，检测器确定图像中人员的头部和上半身区域外接框。
8.根据权利要求7所述的检测着装不规范的装置，其特征在于，
所述识别单元，包括：
参数获取子单元，用于获取识别模型的输入图像分辨率；
调整子单元，用于根据所述输入图像分辨率，对所述图像中人员的头部和上半身区域外接框的图像分辨率进行调整；
识别子单元，用于将调整图像分辨率后的所述图像中人员的头部和上半身区域进行着装识别。
9.根据权利要求8所述的检测着装不规范的装置，其特征在于，
所述检测器输入图像中对象肩宽大小设置范围在20-100像素之间；
所述检测器采用CenterNet网络结构；
所述识别模型采用PVANet网络结构。
10.一种检测着装不规范的系统，其特征在于，包括如权利要求6-9中任意一项所述检测着装不规范的装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910751915.9A CN110472574A (zh) | 2019-08-15 | 2019-08-15 | 一种检测着装不规范的方法、装置及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910751915.9A CN110472574A (zh) | 2019-08-15 | 2019-08-15 | 一种检测着装不规范的方法、装置及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110472574A true CN110472574A (zh) | 2019-11-19 |
Family
ID=68510843
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910751915.9A Pending CN110472574A (zh) | 2019-08-15 | 2019-08-15 | 一种检测着装不规范的方法、装置及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110472574A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110879995A (zh) * | 2019-12-02 | 2020-03-13 | 上海秒针网络科技有限公司 | 目标物品检测方法及装置、存储介质及电子装置 |
| CN111274930A (zh) * | 2020-04-02 | 2020-06-12 | 成都鼎安华智慧物联网股份有限公司 | 一种基于深度学习的安全帽佩戴以及吸烟行为识别方法 |
| CN111626210A (zh) * | 2020-05-27 | 2020-09-04 | 上海科技大学 | 人员着装检测方法、处理终端、及存储介质 |
| CN112036251A (zh) * | 2020-08-04 | 2020-12-04 | 汇纳科技股份有限公司 | 用于用户着装检测的实现方法、系统、介质及终端 |
| CN113887310A (zh) * | 2021-09-03 | 2022-01-04 | 珠高电气检测有限公司 | 工人规范着装识别方法、系统及介质 |
| CN114783000A (zh) * | 2022-06-15 | 2022-07-22 | 成都东方天呈智能科技有限公司 | 一种明厨亮灶场景下工作人员着装规范检测方法及装置 |
| WO2024113242A1 (zh) * | 2022-11-30 | 2024-06-06 | 京东方科技集团股份有限公司 | 着装规范判别方法、行人重识别模型训练方法及装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106599781A (zh) * | 2016-11-08 | 2017-04-26 | 国网山东省电力公司威海供电公司 | 基于颜色与Hu矩匹配的电力营业厅着装规范性识别方法 |
| CN108052900A (zh) * | 2017-12-12 | 2018-05-18 | 成都睿码科技有限责任公司 | 一种通过监控视频自动判断着装规范的方法 |
| CN110111016A (zh) * | 2019-05-14 | 2019-08-09 | 深圳供电局有限公司 | 作业人员的危险状态监控方法、装置及计算机设备 |
-
2019
- 2019-08-15 CN CN201910751915.9A patent/CN110472574A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106599781A (zh) * | 2016-11-08 | 2017-04-26 | 国网山东省电力公司威海供电公司 | 基于颜色与Hu矩匹配的电力营业厅着装规范性识别方法 |
| CN108052900A (zh) * | 2017-12-12 | 2018-05-18 | 成都睿码科技有限责任公司 | 一种通过监控视频自动判断着装规范的方法 |
| CN110111016A (zh) * | 2019-05-14 | 2019-08-09 | 深圳供电局有限公司 | 作业人员的危险状态监控方法、装置及计算机设备 |
Non-Patent Citations (3)
| Title |
|---|
| KAIWEN DUAN等: "CenterNet: Keypoint Triplets for Object Detection", 《ARXIV》 * |
| KYE-HYEON KIM等: "PVANET: Deep but Lightweight Neural Networks for Real-time Object Detection", 《ARXIV》 * |
| 李文辉;: "基于Tensorflow的电力系统施工人员着装智能识别技术研究", 现代信息科技, no. 09 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110879995A (zh) * | 2019-12-02 | 2020-03-13 | 上海秒针网络科技有限公司 | 目标物品检测方法及装置、存储介质及电子装置 |
| CN111274930A (zh) * | 2020-04-02 | 2020-06-12 | 成都鼎安华智慧物联网股份有限公司 | 一种基于深度学习的安全帽佩戴以及吸烟行为识别方法 |
| CN111626210A (zh) * | 2020-05-27 | 2020-09-04 | 上海科技大学 | 人员着装检测方法、处理终端、及存储介质 |
| CN111626210B (zh) * | 2020-05-27 | 2023-09-22 | 上海科技大学 | 人员着装检测方法、处理终端、及存储介质 |
| CN112036251A (zh) * | 2020-08-04 | 2020-12-04 | 汇纳科技股份有限公司 | 用于用户着装检测的实现方法、系统、介质及终端 |
| CN113887310A (zh) * | 2021-09-03 | 2022-01-04 | 珠高电气检测有限公司 | 工人规范着装识别方法、系统及介质 |
| CN114783000A (zh) * | 2022-06-15 | 2022-07-22 | 成都东方天呈智能科技有限公司 | 一种明厨亮灶场景下工作人员着装规范检测方法及装置 |
| CN114783000B (zh) * | 2022-06-15 | 2022-10-18 | 成都东方天呈智能科技有限公司 | 一种明厨亮灶场景下工作人员着装规范检测方法及装置 |
| WO2024113242A1 (zh) * | 2022-11-30 | 2024-06-06 | 京东方科技集团股份有限公司 | 着装规范判别方法、行人重识别模型训练方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110472574A (zh) | 一种检测着装不规范的方法、装置及系统 | |
| CN106295551B (zh) | 一种基于视频分析的人员安全帽佩戴情况实时检测方法 | |
| EP3648448B1 (en) | Target feature extraction method and device, and application system | |
| CN106372662B (zh) | 安全帽佩戴的检测方法和装置、摄像头、服务器 | |
| CN100504910C (zh) | 人的检测方法和设备 | |
| CN106485191B (zh) | 一种驾驶员疲劳状态检测方法及系统 | |
| KR101215948B1 (ko) | 신체정보 및 얼굴인식에 기반한 감시 시스템의 영상정보 마스킹 방법 | |
| KR101709751B1 (ko) | 해변의 입수자에 대한 자동 위험 감시 시스템 | |
| CN102177524A (zh) | 使用先进图像识别的基于图像的库存控制系统 | |
| US20180029834A1 (en) | Monitoring of step rollers and maintenance mechanics of passenger conveyors | |
| CN104680145B (zh) | 一种门的开关状态变化检测方法及装置 | |
| CN104866751B (zh) | 用于移动智能设备的安全生物特征识别和图像采集系统 | |
| CN110363742A (zh) | 一种基于cnn和图像处理的转辙机缺口检测方法 | |
| US8873804B2 (en) | Traffic monitoring device | |
| CN110070055A (zh) | 一种基于深度学习的基建场景安全检测系统及方法 | |
| CN106034217A (zh) | 远距离脸部监控系统及其方法 | |
| CN111289110A (zh) | 人体温度检测方法、系统、装置及热红外图像处理器 | |
| CN114894337B (zh) | 一种用于室外人脸识别测温方法及装置 | |
| CN112434545A (zh) | 一种智能场所管理方法及系统 | |
| CN113808087A (zh) | 钢板表面的缺陷管控方法、装置及计算机可读存储介质 | |
| JP2017182459A (ja) | 顔画像認証装置 | |
| CN105354552A (zh) | 一种基于人脸识别和表情分析的在线监测系统与方法 | |
| CN110516635A (zh) | 人脸识别比对装置、门禁系统及方法 | |
| CN108460357B (zh) | 一种基于图像识别的开窗报警检测系统及方法 | |
| US11256910B2 (en) | Method and system for locating an occupant |
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 |