CN110598548A - 常住人员识别方法、装置、计算机设备和存储介质 - Google Patents
常住人员识别方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN110598548A CN110598548A CN201910725880.1A CN201910725880A CN110598548A CN 110598548 A CN110598548 A CN 110598548A CN 201910725880 A CN201910725880 A CN 201910725880A CN 110598548 A CN110598548 A CN 110598548A
- Authority
- CN
- China
- Prior art keywords
- stranger
- face
- strangers
- preset
- data
- 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
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
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- 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
- 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
- G06V40/173—Classification, e.g. identification face re-identification, e.g. recognising unknown faces across different face tracks
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 Analysis (AREA)
Abstract
本申请涉及一种常住人员识别方法、装置、计算机设备和存储介质，其中，方法包括：获取无需耗费人力统一拍摄和收集人脸图像，可以在陌生人员无感知条件得到其人脸图像，当存在与抓拍人脸图像中陌生人员人脸图像较高相似度的人脸图像时，表明该陌生人员历史已存陌生人员，再读取历史记录中其轨迹数据，统计在常住区域通行数据，高效且便捷实现常住人员识别。
Description
技术领域
本申请涉及人脸识别技术领域，特别是涉及一种常住人员识别方法、装置、计算机设备和存储介质。
背景技术
随着科学技术的发展，出现了人脸识别技术，人脸识别技术可以采集人脸数据，对采集到的人脸数据进行人脸识别，以验证陌生人员身份。人脸识别具有识别效率高且识别准确等优点，目前在实际生产生活中得到广泛应用。
以应用于厂区闸机(门禁)为例，常规将人脸识别装置与闸机连接，当识别人员为厂区常住人员时，闸机开启，工人进入到厂区上班；当识别人员为非厂区常住人员时，阻止当前人员进入厂区，保护厂区正常生产安全。
可见，在上述场景或类似场景中可以借助常住人员识别实现便捷通行，然而，在上述常住人员识别过程都需要预先采集已知的人脸数据并录入到数据库中，这个过程目前需要每个人员的配合，单独抽出时间和精力出来进行已知人脸数据的采集与录入，如给工厂每位员工拍照并将拍摄的图像数据录入到数据库中，整个数据库构建与更新的过程繁琐，造成人力和财力成本的浪费。
发明内容
基于此，有必要针对上述技术问题，提供一种高效且简便的常住人员识别方法、装置、计算机设备和存储介质。
一种常住人员识别方法，所述方法包括：
获取抓拍的人员人脸图像，提取所述抓拍的人员人脸图像中陌生人员人脸图像；
根据所述陌生人员人脸图像在预设人脸数据库进行相似人脸查找，得到最大相似度值对应的已存陌生人员的人脸图像；
当所述最大相似度值大于预设相似度阈值时，根据已存陌生人员的人脸图像，获取历史记录中已存陌生人员运动轨迹数据；
根据陌生人员运动轨迹数据，获取陌生人员在常住区域通行数据；
根据所述陌生人员在常住区域通行数据，判断所述陌生人员是否为常住人员。
在其中一个实施例中，所述根据所述陌生人员人脸图像在预设人脸数据库进行相似人脸查找，得到最大相似度值对应的已存陌生人员的人脸图像包括：
提取所述陌生人员人脸图像的特征向量；
将提取的所述特征向量与所述预设人脸数据库中各个人脸图像对应的特征向量进行相似度度量，获取相似度最大的特征向量对应的人脸标识，并记录相似度最大值。
在其中一个实施例中，所述当所述最大相似度值大于预设相似度阈值时，根据已存陌生人员的人脸图像，获取陌生人员运动轨迹数据包括：
当所述相似度值大于预设相似度阈值时，根据所述人脸标识在本地MySQL库中查询对应人员身份标识；
根据预设查询周期，根据所述人员身份标识查询预设陌生人员轨迹表，获取陌生人员运动轨迹数据，所述预设陌生人员轨迹表由历史抓拍到的陌生人员图像的时间、位置以及对应的人员身份标识构建。
在其中一个实施例中，所述根据陌生人员运动轨迹数据，获取陌生人员在常住区域通行数据包括：
根据陌生人员运动轨迹数据，获取陌生人员每次通行对应的位置与时间以及初始常住区域通行数据；
获取所述陌生人员相邻两次通行记录，并计算相邻两次通行记录对应的时间间隔；
当所述时间间隔大于预设时间阈值时，判定相邻两次通行记录中第二次通行记录无效；
剔除所述初始通行数据中无效通行对应的数据，得到修正后的常住区域通行数据；
所述根据所述陌生人员在常住区域通行数据，判断所述陌生人员是否为常住人员包括：
根据修正后的常住区域通行数据，判断所述陌生人员是否为常住人员。
在其中一个实施例中，所述获取抓拍的人员人脸图像，提取所述抓拍的人员人脸图像中陌生人员图像之后，还包括：
对所述陌生人员人脸图像进行质量检测，判断所述陌生人员人脸图像的质量是否满足预设宽松图像质量要求，所述质量检测包括人脸尺寸、角度、清晰度、光照度、光照均匀程度、遮挡情况以及完整度检测；
若不满足，则丢弃抓拍的陌生人员人脸图像；
若满足，则进入所述根据所述陌生人员人脸图像在预设人脸数据库进行相似人脸查找，得到最大相似度值对应的已存陌生人员的人脸图像。
在其中一个实施例中，根据所述陌生人员人脸图像在预设人脸数据库进行相似人脸查找，得到最大相似度值对应的已存陌生人员的人脸图像之后，还包括：
当所述相似度值小于所述预设相似度阈值时，判断抓拍到的陌生人员人脸图像是否符合预设严格图像质量要求；
若符合，则将所述抓拍到的陌生人员人脸图像更新至所述预设人脸数据库；
若不符合，则丢弃抓拍的陌生人员人脸图像。
一种常住人员识别装置，所述装置包括：
拍摄模块，用于获取抓拍的人员人脸图像，提取所述抓拍的人员人脸图像中陌生人员人脸图像；
相似度查找模块，用于根据所述陌生人员人脸图像在预设人脸数据库进行相似人脸查找，得到最大相似度值对应的已存陌生人员的人脸图像；
轨迹数据获取模块，用于当所述最大相似度值大于预设相似度阈值时，根据已存陌生人员的人脸图像，获取历史记录中已存陌生人员运动轨迹数据；
统计模块，用于根据陌生人员运动轨迹数据，获取陌生人员在常住区域通行数据；
常住人员分析模块，用于根据所述陌生人员在常住区域通行数据，判断所述陌生人员是否为常住人员。
在其中一个实施例中，所述相似度查找模块还用于提取所述陌生人员人脸图像的特征向量；将提取的所述特征向量与所述预设人脸数据库中各个人脸图像对应的特征向量进行相似度度量，获取相似度最大的特征向量对应的人脸标识，并记录相似度最大值。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如上述方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述的方法的步骤。
上述常住人员识别方法、装置、计算机设备和存储介质，获取无需耗费人力统一拍摄和收集人脸图像，可以在陌生人员无感知条件得到其人脸图像，当存在与抓拍人脸图像中陌生人员人脸图像较高相似度的人脸图像时，表明该陌生人员历史已存陌生人员，再读取历史记录中其轨迹数据，统计在常住区域通行数据，高效且便捷实现常住人员识别。
附图说明
图1为一个实施例中常住人员识别方法的应用环境图；
图2为一个实施例中常住人员识别方法的流程示意图；
图3为另一个实施例中常住人员识别方法的流程示意图；
图4为一个实施例中常住人员识别装置的结构框图；
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的常住人员识别方法，可以应用于如图1所示的应用环境中。其中，图像采集终端102与服务器104连接，服务器104与闸机(门禁)106连接，图像采集终端102获取抓拍的人员人脸图像，提取所述抓拍的人员人脸图像中陌生人员图像，根据陌生人员人脸图像在预设人脸数据库进行相似人脸查找，得到最大相似度值对应的已存陌生人员的人脸图像，当最大相似度值大于预设相似度阈值时，根据已存陌生人员的人脸图像，获取历史记录中已存陌生人员运动轨迹数据，根据陌生人员运动轨迹数据，获取陌生人员在常住区域通行数据(可以为通行次数或通行时间)，根据陌生人员在常住区域通行数据，判断陌生人员是否为常住人员，当陌生人员为常住人员时，服务器104输出开启指令至闸机106，闸机106打开闸门；当陌生人员不为常住人员时，服务器104不输出指令或输出关闭指令至闸机106，闸机106不打开闸门，禁止该陌生人员进入常住区域(例如厂区内)。其中，终端102可以但不限于是各种摄像头内置有摄像头的电脑或智能终端等，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种常住人员识别方法，以该方法应用于图1中的服务器104为例进行说明，包括以下步骤：
S100：获取抓拍的人员人脸图像，提取所述抓拍的人员人脸图像中陌生人员人脸图像。
抓拍是指在陌生人员没有感知的情况下拍摄，其区别于传统人脸采集系统需要用户配合拍摄图像。具体抓拍过程可以通过分布式设置多个摄像头，或调整园区已有的安防摄像头来实现，实现全方位多角度的人脸图像采集。图像采集终端将抓拍的人员人脸图像发送至服务器，服务器接收抓拍的人员人脸图像，从中筛选、提取出陌生人员图像。具体来说，该筛选、提取的过程可以是将抓拍的人员人脸图像在预设常住人员人脸图像数据中进行对比，剔除掉常住人员人脸图像，提取出陌生人员人脸图像。
S200：根据陌生人员人脸图像在预设人脸数据库进行相似人脸查找，得到最大相似度值对应的已存陌生人员的人脸图像。
预设人脸数据库是预先构建的数据库，在该数据库中存储有历史采集到的人脸图像对应转换的特征向量，根据步骤S100得到的陌生人员人脸图像在该数据库中进行相似人脸查找，以查找到相似度最大人脸图像以及对应的相似度值。具体来说，进行相似度查找首先是提取人脸图像中的特征向量，再根据提取的特征向量在预设人脸数据库中查找到最相似的人脸图像以及相似度值。
S300：当最大相似度值大于预设相似度阈值时，根据已存陌生人员的人脸图像，获取历史记录中已存陌生人员运动轨迹数据。
预设相似度阈值基于所用的人脸识别算法以及相似度度量方法来设定，阈值不应低于算法的最低要求。当相似度值大于预设相似度阈值时，表明陌生人员为历史记录中已存陌生人员，查询历史记录，获取历史记录中该陌生人员运动轨迹数据，基于运动轨迹数据可以知晓在历史记录中此人在什么时候、去了哪些地方。
S400：根据陌生人员运动轨迹数据，获取陌生人员在常住区域通行数据。
根据陌生人员运动轨迹数据，可以统计出该陌生人员在常住区域通行数据。通行数据可以独立或依赖于时间维度来统计。具体来说，可以不考虑时间因素简单计算某陌生人员在统计周期内在区域出现的次数；或者也可以计算在统计周期内在区域出现的天数。
S500：根据陌生人员在常住区域通行数据，判断陌生人员是否为常住人员。
根据陌生人员在常住区域通行数据，进一步判断陌生人员是否为常住人员，若陌生人员频繁出入，则表明该陌生人员为常住人员，将该陌生人员身份标识纳入常住人员名单，后续提供开闸服务；若陌生人员仅有少量通行次数，或通行时间不固定，则表明该陌生人员暂不能判定为常住人员。非必要的，同样可以设定通行次数阈值，将陌生人员在常住区域通行次数与设定阈值比较，当前者大于后者，判定陌生人员为常住人员，将其身份信息添加至常住人员名单；反之则不作任何处理，返回步骤S100，继续监控和分析；或可以设定通行时间段，若陌生人员在常住区域通行时间经常性落入设定的通行时间段(例如上下班高峰时间段)内，则可判定该陌生人员为常住人员。
在实际应用中，常驻分析可以有多种算法，在实际过程中应该是依赖真实数据和效果不断迭代更新的。最基础的规则是依据通行的次数或时间来进行判断，也可以组合不同的规则构造决策树来进行判断。
上述常住人员识别方法，获取无需耗费人力统一拍摄和收集人脸图像，可以在陌生人员无感知条件得到其人脸图像，当存在与抓拍人脸图像中陌生人员人脸图像较高相似度的人脸图像时，表明该陌生人员历史已存陌生人员，再读取历史记录中其轨迹数据，统计在常住区域通行数据，高效且便捷实现常住人员识别。
如图3所示，在其中一个实施例中，步骤S200包括：
S220：提取陌生人员人脸图像的特征向量。
S240：将提取的特征向量与预设人脸数据库中各个人脸图像对应的特征向量进行相似度度量，获取相似度最大的特征向量对应的人脸标识，并记录相似度最大值。
人脸图像的特征向量提取可以基于人脸识别技术实现，例如可以采用神经网络模型提取陌生人员人脸图像的特征向量，根据提取的特征向量在预设人脸数据库中所有人脸图像对应的特征向量进行相似度量，得到最高的相似度量值以及对应的人脸标识。例如陌生人员甲经过处理之后，得到相似度最大的对应的人脸标识X，并记录相似度最大值为95％。
在其中一个实施例中，当最大相似度值大于预设相似度阈值时，根据已存陌生人员的人脸图像，获取陌生人员运动轨迹数据包括：当相似度值大于预设相似度阈值时，根据人脸标识在本地MySQL库中查询对应人员身份标识；根据预设查询周期，根据人员身份标识查询预设陌生人员轨迹表，获取陌生人员运动轨迹数据，预设陌生人员轨迹表由历史抓拍到的陌生人员图像的时间、位置以及对应的人员身份标识构建。
根据之前得到的人脸标识，在本地MySQL库中查询对应人员身份标识，根据人员身份标识周期性查询预设陌生人员轨迹表，得到该陌生人员运动轨迹数据。例如当相似度值大于预设相似度阈值时，根据人脸标识X在本地MySQL库中查询陌生人甲的身份标识Y，根据身份标识Y，在预设陌生人员轨迹表中查询得到陌生人甲的运动轨迹数据。
在其中一个实施例中，根据陌生人员运动轨迹数据，获取陌生人员在常住区域通行数据包括：根据陌生人员运动轨迹数据，获取陌生人员每次通行对应的位置与时间以及初始常住区域通行数据；获取陌生人员相邻两次通行记录，并计算相邻两次通行记录对应的时间间隔；当时间间隔大于预设时间阈值时，判定相邻两次通行记录中第二次通行记录无效；剔除初始通行数据中无效通行对应的数据，得到修正后的常住区域通行数据；根据陌生人员在常住区域通行数据，判断陌生人员是否为常住人员包括：根据修正后的常住区域通行数据，判断陌生人员是否为常住人员。
在获取陌生人员在常住区域通行数据时需要剔除一些异常数据，例如短时间内陌生人员重复产生多个通行数据，这类数据显然是存在异常需要将其剔除，以提高常住人员识别的准确性。
在其中一个实施例中，获取抓拍的人员人脸图像，提取所述抓拍的人员人脸图像中陌生人员图像之后，还包括：
对陌生人员人脸图像进行质量检测，判断陌生人员人脸图像的质量是否满足预设宽松图像质量要求，质量检测包括人脸尺寸、角度、清晰度、光照度、光照均匀程度、遮挡情况以及完整度检测；若不满足，则丢弃抓拍的陌生人员人脸图像；若满足，则进入根据陌生人员人脸图像在预设人脸数据库进行相似人脸查找，得到最大相似度值对应的已存陌生人员的人脸图像。
在其中一个实施例中，根据陌生人员人脸图像在预设人脸数据库进行相似人脸查找，得到最大相似度值对应的已存陌生人员的人脸图像之后，还包括：
当相似度值小于预设相似度阈值时，判断抓拍到的陌生人员人脸图像是否符合预设严格图像质量要求；若符合，则将抓拍到的陌生人员人脸图像更新至预设人脸数据库；若不符合，则丢弃抓拍的陌生人员人脸图像。
针对抓拍的陌生人员人脸图像进行质量检测，质量检测可以包括预设宽松图像质量要求和预设严格图像质量要求，针对需要存储预设人脸数据库中的图像需要进行更加严格的质量检测与筛查。图像质量检测具体包括人脸尺寸、角度、清晰度、光照度、光照均匀程度、遮挡情况以及完整度检测，预设宽松图像质量要求的标准较低，预设严格图像质量要求则需要上述检测指标全部达标。具体来说，在实际应用中，质量检测包含有人脸尺寸、角度、清晰度、光照度、光照均匀程度、遮挡情况以及完整度等多个指标，可通过计算得到，分析返回结果包含两个布尔值，分别是能否通过宽松条件下的质量检验，和能否通过严格条件下的质量检验，宽松质量检验是为了保证上传的图满足分析和比对的需求，严格质量检验是为了保证进入人脸库的图足够好。
应该理解的是，虽然图2-3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-3中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
如图4所示，本申请还提供一种常住人员识别装置，装置包括：
拍摄模块100，用于获取抓拍的人员人脸图像，提取所述抓拍的人员人脸图像中陌生人员人脸图像；
相似度查找模块200，用于根据陌生人员人脸图像在预设人脸数据库进行相似人脸查找，得到最大相似度值对应的已存陌生人员的人脸图像；
轨迹数据获取模块300，用于当最大相似度值大于预设相似度阈值时，根据已存陌生人员的人脸图像，获取历史记录中已存陌生人员运动轨迹数据；
统计模块400，用于根据陌生人员运动轨迹数据，获取陌生人员在常住区域通行数据；
常住人员分析模块500，用于根据陌生人员在常住区域通行数据，判断陌生人员是否为常住人员。
上述常住人员识别装置，获取无需耗费人力统一拍摄和收集人脸图像，可以在陌生人员无感知条件得到其人脸图像，当存在与抓拍人脸图像中陌生人员人脸图像较高相似度的人脸图像时，表明该陌生人员历史已存陌生人员，再读取历史记录中其轨迹数据，统计在常住区域通行数据，高效且便捷实现常住人员识别。
在其中一个实施例中，相似度查找模块200还用于提取陌生人员人脸图像的特征向量；将提取的特征向量与预设人脸数据库中各个人脸图像对应的特征向量进行相似度度量，获取相似度最大的特征向量对应的人脸标识，并记录相似度最大值。
在其中一个实施例中，轨迹数据获取模块300还用于当相似度值大于预设相似度阈值时，根据人脸标识在本地MySQL库中查询对应人员身份标识；根据预设查询周期，根据人员身份标识查询预设陌生人员轨迹表，获取陌生人员运动轨迹数据，预设陌生人员轨迹表由历史抓拍到的陌生人员图像的时间、位置以及对应的人员身份标识构建。
在其中一个实施例中，统计模块400还用于根据陌生人员运动轨迹数据，获取陌生人员每次通行对应的位置与时间以及初始常住区域通行数据；获取陌生人员相邻两次通行记录，并计算相邻两次通行记录对应的时间间隔；当时间间隔大于预设时间阈值时，判定相邻两次通行记录中第二次通行记录无效；剔除初始通行数据中无效通行对应的数据，得到修正后的常住区域通行数据；常住人员分析模块500还用于根据修正后的常住区域通行数据，判断陌生人员是否为常住人员。
在其中一个实施例中，上述常住人员识别装置还包括：
第一存储模块，用于对陌生人员人脸图像进行质量检测，判断陌生人员人脸图像的质量是否满足预设宽松图像质量要求，质量检测包括人脸尺寸、角度、清晰度、光照度、光照均匀程度、遮挡情况以及完整度检测；若不满足，则丢弃抓拍的陌生人员人脸图像；若满足，则控制相似度查找模块200执行对应操作。
在其中一个实施例中，上述常住人员识别装置还包括：
第二存储模块，用于当相似度值小于预设相似度阈值时，判断抓拍到的陌生人员人脸图像是否符合预设严格图像质量要求；若符合，则将抓拍到的陌生人员人脸图像更新至预设人脸数据库；若不符合，则丢弃抓拍的陌生人员人脸图像。
关于常住人员识别装置的具体限定可以参见上文中对于常住人员识别方法的限定，在此不再赘述。上述常住人员识别装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储预设人脸书库以及历史记录中人员运动轨迹数据。该计算机设备的网络接口用于与外部的终端通过网络连接通行。该计算机程序被处理器执行时以实现一种常住人员识别方法。
本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：
获取抓拍的人员人脸图像，提取所述抓拍的人员人脸图像中陌生人员人脸图像；
根据陌生人员人脸图像在预设人脸数据库进行相似人脸查找，得到最大相似度值对应的已存陌生人员的人脸图像；
当最大相似度值大于预设相似度阈值时，根据已存陌生人员的人脸图像，获取历史记录中已存陌生人员运动轨迹数据；
根据陌生人员运动轨迹数据，获取陌生人员在常住区域通行数据；
根据陌生人员在常住区域通行数据，判断陌生人员是否为常住人员。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
提取陌生人员人脸图像的特征向量；将提取的特征向量与预设人脸数据库中各个人脸图像对应的特征向量进行相似度度量，获取相似度最大的特征向量对应的人脸标识，并记录相似度最大值。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
当相似度值大于预设相似度阈值时，根据人脸标识在本地MySQL库中查询对应人员身份标识；根据预设查询周期，根据人员身份标识查询预设陌生人员轨迹表，获取陌生人员运动轨迹数据，预设陌生人员轨迹表由历史抓拍到的陌生人员图像的时间、位置以及对应的人员身份标识构建。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据陌生人员运动轨迹数据，获取陌生人员每次通行对应的位置与时间以及初始常住区域通行数据；获取陌生人员相邻两次通行记录，并计算相邻两次通行记录对应的时间间隔；当时间间隔大于预设时间阈值时，判定相邻两次通行记录中第二次通行记录无效；剔除初始通行数据中无效通行对应的数据，得到修正后的常住区域通行数据；根据修正后的常住区域通行数据，判断陌生人员是否为常住人员。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
对陌生人员人脸图像进行质量检测，判断陌生人员人脸图像的质量是否满足预设宽松图像质量要求，质量检测包括人脸尺寸、角度、清晰度、光照度、光照均匀程度、遮挡情况以及完整度检测；若不满足，则丢弃抓拍的陌生人员人脸图像；若满足，则进入根据陌生人员人脸图像在预设人脸数据库进行相似人脸查找，得到最大相似度值对应的已存陌生人员的人脸图像。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
当相似度值小于预设相似度阈值时，判断抓拍到的陌生人员人脸图像是否符合预设严格图像质量要求；若符合，则将抓拍到的陌生人员人脸图像更新至预设人脸数据库；若不符合，则丢弃抓拍的陌生人员人脸图像。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取抓拍的人员人脸图像，提取所述抓拍的人员人脸图像中陌生人员人脸图像；
根据陌生人员人脸图像在预设人脸数据库进行相似人脸查找，得到最大相似度值对应的已存陌生人员的人脸图像；
当最大相似度值大于预设相似度阈值时，根据已存陌生人员的人脸图像，获取历史记录中已存陌生人员运动轨迹数据；
根据陌生人员运动轨迹数据，获取陌生人员在常住区域通行数据；
根据陌生人员在常住区域通行数据，判断陌生人员是否为常住人员。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
提取陌生人员人脸图像的特征向量；将提取的特征向量与预设人脸数据库中各个人脸图像对应的特征向量进行相似度度量，获取相似度最大的特征向量对应的人脸标识，并记录相似度最大值。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
当相似度值大于预设相似度阈值时，根据人脸标识在本地MySQL库中查询对应人员身份标识；根据预设查询周期，根据人员身份标识查询预设陌生人员轨迹表，获取陌生人员运动轨迹数据，预设陌生人员轨迹表由历史抓拍到的陌生人员图像的时间、位置以及对应的人员身份标识构建。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据陌生人员运动轨迹数据，获取陌生人员每次通行对应的位置与时间以及初始常住区域通行数据；获取陌生人员相邻两次通行记录，并计算相邻两次通行记录对应的时间间隔；当时间间隔大于预设时间阈值时，判定相邻两次通行记录中第二次通行记录无效；剔除初始通行数据中无效通行对应的数据，得到修正后的常住区域通行数据；根据修正后的常住区域通行数据，判断陌生人员是否为常住人员。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
对陌生人员人脸图像进行质量检测，判断陌生人员人脸图像的质量是否满足预设宽松图像质量要求，质量检测包括人脸尺寸、角度、清晰度、光照度、光照均匀程度、遮挡情况以及完整度检测；若不满足，则丢弃抓拍的陌生人员人脸图像；若满足，则进入根据陌生人员人脸图像在预设人脸数据库进行相似人脸查找，得到最大相似度值对应的已存陌生人员的人脸图像。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
当相似度值小于预设相似度阈值时，判断抓拍到的陌生人员人脸图像是否符合预设严格图像质量要求；若符合，则将抓拍到的陌生人员人脸图像更新至预设人脸数据库；若不符合，则丢弃抓拍的陌生人员人脸图像。
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，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种常住人员识别方法，所述方法包括：
获取抓拍的人员人脸图像，提取所述抓拍的人员人脸图像中陌生人员人脸图像；
根据所述陌生人员人脸图像在预设人脸数据库进行相似人脸查找，得到最大相似度值对应的已存陌生人员的人脸图像；
当所述最大相似度值大于预设相似度阈值时，根据已存陌生人员的人脸图像，获取历史记录中已存陌生人员运动轨迹数据；
根据陌生人员运动轨迹数据，获取陌生人员在常住区域通行数据；
根据所述陌生人员在常住区域通行数据，判断所述陌生人员是否为常住人员。
2.根据权利要求1所述的方法，其特征在于，所述根据所述陌生人员人脸图像在预设人脸数据库进行相似人脸查找，得到最大相似度值对应的已存陌生人员的人脸图像包括：
提取所述陌生人员人脸图像的特征向量；
将提取的所述特征向量与所述预设人脸数据库中各个人脸图像对应的特征向量进行相似度度量，获取相似度最大的特征向量对应的人脸标识，并记录相似度最大值。
3.根据权利要求2所述的方法，其特征在于，所述当所述最大相似度值大于预设相似度阈值时，根据已存陌生人员的人脸图像，获取陌生人员运动轨迹数据包括：
当所述相似度值大于预设相似度阈值时，根据所述人脸标识在本地MySQL库中查询对应人员身份标识；
根据预设查询周期，根据所述人员身份标识查询预设陌生人员轨迹表，获取陌生人员运动轨迹数据，所述预设陌生人员轨迹表由历史抓拍到的陌生人员图像的时间、位置以及对应的人员身份标识构建。
4.根据权利要求1所述的方法，其特征在于，所述根据陌生人员运动轨迹数据，获取陌生人员在常住区域通行数据包括：
根据陌生人员运动轨迹数据，获取陌生人员每次通行对应的位置与时间以及初始常住区域通行数据；
获取所述陌生人员相邻两次通行记录，并计算相邻两次通行记录对应的时间间隔；
当所述时间间隔大于预设时间阈值时，判定相邻两次通行记录中第二次通行记录无效；
剔除所述初始通行数据中无效通行对应的数据，得到修正后的常住区域通行数据；
所述根据所述陌生人员在常住区域通行数据，判断所述陌生人员是否为常住人员包括：
根据修正后的常住区域通行数据，判断所述陌生人员是否为常住人员。
5.根据权利要求1所述的方法，其特征在于，所述获取抓拍的人员人脸图像，提取所述抓拍的人员人脸图像中陌生人员图像之后，还包括：
对所述陌生人员人脸图像进行质量检测，判断所述陌生人员人脸图像的质量是否满足预设宽松图像质量要求，所述质量检测包括人脸尺寸、角度、清晰度、光照度、光照均匀程度、遮挡情况以及完整度检测；
若不满足，则丢弃抓拍的陌生人员人脸图像；
若满足，则进入所述根据所述陌生人员人脸图像在预设人脸数据库进行相似人脸查找，得到最大相似度值对应的已存陌生人员的人脸图像。
6.根据权利要求5所述的方法，其特征在于，根据所述陌生人员人脸图像在预设人脸数据库进行相似人脸查找，得到最大相似度值对应的已存陌生人员的人脸图像之后，还包括：
当所述相似度值小于所述预设相似度阈值时，判断抓拍到的陌生人员人脸图像是否符合预设严格图像质量要求；
若符合，则将所述抓拍到的陌生人员人脸图像更新至所述预设人脸数据库；
若不符合，则丢弃抓拍的陌生人员人脸图像。
7.一种常住人员识别装置，其特征在于，所述装置包括：
拍摄模块，用于获取抓拍的人员人脸图像，提取所述抓拍的人员人脸图像中陌生人员人脸图像；
相似度查找模块，用于根据所述陌生人员人脸图像在预设人脸数据库进行相似人脸查找，得到最大相似度值对应的已存陌生人员的人脸图像；
轨迹数据获取模块，用于当所述最大相似度值大于预设相似度阈值时，根据已存陌生人员的人脸图像，获取历史记录中已存陌生人员运动轨迹数据；
统计模块，用于根据陌生人员运动轨迹数据，获取陌生人员在常住区域通行数据；
常住人员分析模块，用于根据所述陌生人员在常住区域通行数据，判断所述陌生人员是否为常住人员。
8.根据权利要求7所述的装置，其特征在于，所述相似度查找模块还用于提取所述陌生人员人脸图像的特征向量；将提取的所述特征向量与所述预设人脸数据库中各个人脸图像对应的特征向量进行相似度度量，获取相似度最大的特征向量对应的人脸标识，并记录相似度最大值。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，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6中任一项所述方法的步骤。
10.一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，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910725880.1A CN110598548A (zh) | 2019-08-07 | 2019-08-07 | 常住人员识别方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910725880.1A CN110598548A (zh) | 2019-08-07 | 2019-08-07 | 常住人员识别方法、装置、计算机设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110598548A true CN110598548A (zh) | 2019-12-20 |
Family
ID=68853895
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910725880.1A Pending CN110598548A (zh) | 2019-08-07 | 2019-08-07 | 常住人员识别方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110598548A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111241938A (zh) * | 2019-12-31 | 2020-06-05 | 深圳奇迹智慧网络有限公司 | 基于图像校验的人脸识别方法、装置和计算机设备 |
| CN111339333A (zh) * | 2020-02-27 | 2020-06-26 | 广州羊城通有限公司 | 基于历史乘坐记录的优先人脸数据库的构建方法及装置 |
| CN111460940A (zh) * | 2020-03-21 | 2020-07-28 | 中电海康集团有限公司 | 一种陌生人落脚点研判方法与系统 |
| CN112241687A (zh) * | 2020-09-16 | 2021-01-19 | 安徽超视野智能科技有限公司 | 一种具有陌生人脸库功能的人脸识别方法及系统 |
| CN113240849A (zh) * | 2021-05-08 | 2021-08-10 | 深圳市捷成安科技有限公司 | 一种基于终端操作的智能通道闸联动控制系统 |
| CN113378622A (zh) * | 2021-04-06 | 2021-09-10 | 青岛以萨数据技术有限公司 | 一种特定人员识别方法、设备、系统及介质 |
| CN113449563A (zh) * | 2020-03-26 | 2021-09-28 | 深圳云天励飞技术有限公司 | 一种人员跟踪标记方法、装置、电子设备及存储介质 |
| CN113537078A (zh) * | 2021-07-19 | 2021-10-22 | 深圳康佳电子科技有限公司 | 人员管理方法、装置、智能终端及计算机可读存储介质 |
| CN113837160A (zh) * | 2021-11-29 | 2021-12-24 | 天津市中环系统工程有限责任公司 | 一种无预设信息下的常住人员和车辆识别方法 |
| CN116935462A (zh) * | 2023-06-09 | 2023-10-24 | 海易科技(北京)有限公司 | 图像处理方法、装置、电子设备和计算机可读介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110305394A1 (en) * | 2010-06-15 | 2011-12-15 | David William Singer | Object Detection Metadata |
| CN106097230A (zh) * | 2016-08-09 | 2016-11-09 | 南京万鸿威视信息技术有限公司 | 一种利用图像分析的小区安全管理系统及其应用 |
| CN106650652A (zh) * | 2016-12-14 | 2017-05-10 | 黄先开 | 基于人脸识别技术的轨迹跟踪系统及其方法 |
| CN109214276A (zh) * | 2018-07-23 | 2019-01-15 | 武汉虹信技术服务有限责任公司 | 一种基于人脸识别技术的目标人员轨迹跟踪的系统及方法 |
| CN109800691A (zh) * | 2019-01-07 | 2019-05-24 | 深圳英飞拓科技股份有限公司 | 基于人脸识别技术的人口统计方法及系统 |
-
2019
- 2019-08-07 CN CN201910725880.1A patent/CN110598548A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110305394A1 (en) * | 2010-06-15 | 2011-12-15 | David William Singer | Object Detection Metadata |
| CN106097230A (zh) * | 2016-08-09 | 2016-11-09 | 南京万鸿威视信息技术有限公司 | 一种利用图像分析的小区安全管理系统及其应用 |
| CN106650652A (zh) * | 2016-12-14 | 2017-05-10 | 黄先开 | 基于人脸识别技术的轨迹跟踪系统及其方法 |
| CN109214276A (zh) * | 2018-07-23 | 2019-01-15 | 武汉虹信技术服务有限责任公司 | 一种基于人脸识别技术的目标人员轨迹跟踪的系统及方法 |
| CN109800691A (zh) * | 2019-01-07 | 2019-05-24 | 深圳英飞拓科技股份有限公司 | 基于人脸识别技术的人口统计方法及系统 |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111241938A (zh) * | 2019-12-31 | 2020-06-05 | 深圳奇迹智慧网络有限公司 | 基于图像校验的人脸识别方法、装置和计算机设备 |
| CN111339333A (zh) * | 2020-02-27 | 2020-06-26 | 广州羊城通有限公司 | 基于历史乘坐记录的优先人脸数据库的构建方法及装置 |
| CN111339333B (zh) * | 2020-02-27 | 2023-04-18 | 广州羊城通有限公司 | 基于历史乘坐记录的优先人脸数据库的构建方法及装置 |
| CN111460940A (zh) * | 2020-03-21 | 2020-07-28 | 中电海康集团有限公司 | 一种陌生人落脚点研判方法与系统 |
| CN111460940B (zh) * | 2020-03-21 | 2024-02-13 | 中电海康集团有限公司 | 一种陌生人落脚点研判方法与系统 |
| CN113449563A (zh) * | 2020-03-26 | 2021-09-28 | 深圳云天励飞技术有限公司 | 一种人员跟踪标记方法、装置、电子设备及存储介质 |
| CN112241687A (zh) * | 2020-09-16 | 2021-01-19 | 安徽超视野智能科技有限公司 | 一种具有陌生人脸库功能的人脸识别方法及系统 |
| CN113378622A (zh) * | 2021-04-06 | 2021-09-10 | 青岛以萨数据技术有限公司 | 一种特定人员识别方法、设备、系统及介质 |
| CN113240849B (zh) * | 2021-05-08 | 2022-12-06 | 深圳市捷成安科技有限公司 | 一种基于终端操作的智能通道闸联动控制系统 |
| CN113240849A (zh) * | 2021-05-08 | 2021-08-10 | 深圳市捷成安科技有限公司 | 一种基于终端操作的智能通道闸联动控制系统 |
| CN113537078A (zh) * | 2021-07-19 | 2021-10-22 | 深圳康佳电子科技有限公司 | 人员管理方法、装置、智能终端及计算机可读存储介质 |
| CN113837160A (zh) * | 2021-11-29 | 2021-12-24 | 天津市中环系统工程有限责任公司 | 一种无预设信息下的常住人员和车辆识别方法 |
| CN113837160B (zh) * | 2021-11-29 | 2022-04-22 | 天津市中环系统工程有限责任公司 | 一种无预设信息下的常住人员和车辆识别方法 |
| CN116935462A (zh) * | 2023-06-09 | 2023-10-24 | 海易科技(北京)有限公司 | 图像处理方法、装置、电子设备和计算机可读介质 |
| CN116935462B (zh) * | 2023-06-09 | 2024-05-17 | 海易科技(北京)有限公司 | 图像处理方法、装置、电子设备和计算机可读介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110598548A (zh) | 常住人员识别方法、装置、计算机设备和存储介质 | |
| US20180107880A1 (en) | Method and system for tracking an object in a defined area | |
| CN109002988B (zh) | 风险旅客流量预测方法、装置、计算机设备和存储介质 | |
| WO2018180588A1 (ja) | 顔画像照合システムおよび顔画像検索システム | |
| CN110781750A (zh) | 危险人物监控处理方法、装置、计算机设备和存储介质 | |
| CN111209776A (zh) | 同行人识别方法、装置、处理服务器、存储介质及系统 | |
| CN109635146A (zh) | 一种基于图像特征的目标查询方法及系统 | |
| CN114491148B (zh) | 目标人员搜索方法、装置、计算机设备及存储介质 | |
| CN113837030B (zh) | 用于疫情防控的人员智能管控方法、系统及计算机设备 | |
| CN112183162A (zh) | 一种监控场景下人脸自动注册识别系统及方法 | |
| CN110852148A (zh) | 一种基于目标追踪的访客目的地核验方法及系统 | |
| CN111259813A (zh) | 人脸检测跟踪方法、装置、计算机设备和存储介质 | |
| CN113673495B (zh) | 一种基于神经网络的智慧安防方法、系统和可读存储介质 | |
| CN110619689A (zh) | 智慧楼宇的自动签到打卡方法、计算机设备及存储介质 | |
| CN114428875A (zh) | 一种行人重识别建库的方法、装置、计算机设备和存储介质 | |
| CN111191506A (zh) | 人员流量统计方法、装置、计算机设备和存储介质 | |
| CN113343913A (zh) | 目标确定方法、装置、存储介质及计算机设备 | |
| CN115187439A (zh) | 一种智慧园区综合运营管理方法及系统 | |
| CN115984782A (zh) | 一种基于图像处理的安全监控方法以及系统 | |
| CN112687044A (zh) | 滞留人员的管理方法、系统、介质及设备 | |
| CN113343004B (zh) | 对象的识别方法和装置、存储介质及电子装置 | |
| CN115063852A (zh) | 用于确定员工考勤信息的方法、装置、存储介质及处理器 | |
| CN114255445A (zh) | 一种人员移动轨迹监测方法、系统和存储设备 | |
| CN108881858B (zh) | 建筑工地外来人员监测方法、装置及电子设备 | |
| CN113724890A (zh) | 基于区块链的健康信息核验方法、装置、系统及介质 |
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 |
Application publication date: 20191220 |
|
| RJ01 | Rejection of invention patent application after publication |