CN110781750A - 危险人物监控处理方法、装置、计算机设备和存储介质 - Google Patents
危险人物监控处理方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN110781750A CN110781750A CN201910911632.6A CN201910911632A CN110781750A CN 110781750 A CN110781750 A CN 110781750A CN 201910911632 A CN201910911632 A CN 201910911632A CN 110781750 A CN110781750 A CN 110781750A
- Authority
- CN
- China
- Prior art keywords
- image
- face
- security
- dangerous
- target
- 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
Images
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
- G06V40/168—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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
Abstract
本申请涉及一种危险人物监控处理方法、装置、计算机设备和存储介质。所述方法包括:获取目标区域内的多个监控设备采集的多帧图像数据,图像数据包括人物图像;从人物图像中提取对应的人脸图像;获取人脸识别模型,将所述人脸图像输入所述人脸识别模型中,调用人脸识别模型提取所述人脸图像对应的人脸特征;将人脸特征与预设图像集合中的人脸信息进行比对,得到特征相似度;确定所述特征相似度大于阈值的人脸特征,作为目标人脸特征;根据所述目标人脸特征对应的危险人脸图像生成安防任务,并将安防任务发送至安防终端,使得对应的安防员根据所述安防终端执行所述安防任务。采用本方法能够有效的提高对于目标区域内危险人物的监控效率。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种危险人物监控处理方法、装置、计算机设备和存储介质。
背景技术
在传统方式中,对于园区内危险人物的监控通常是在园区内张贴危险人物的图片,由保安在出入口检查或者在园区内巡逻。传统以人工的方式识别园区内是否出现危险人物,所消耗的人力资源较大。
后来,随着计算机技术的发展,视频监控技术的应用也愈加广泛,出现了各种视频监控设备,监控人员可以通过观看监控设备采集的视频对园区进行监控。然而,这种监控方式同样需要消耗监控人员大量的精力观看监控画面,而且长时间观看监控画面容易导致监控人员注意力分散,无法有效的监控园区内是否出现危险人物,监控的效率较低。
发明内容
基于此,有必要针对上述监控效率较低的技术问题,提供一种能够有效识别园区内出现的危险人物,从而提高危险人物监控效率的危险人物监控处理方法、装置、计算机设备和存储介质。
一种危险人物监控处理方法,所述方法包括:
获取目标区域内的多个监控设备采集的多帧图像数据,所述图像数据包括人物图像;
从所述人物图像中提取对应的人脸图像;
获取人脸识别模型,将所述人脸图像输入所述人脸识别模型中,调用所述人脸识别模型提取所述人脸图像对应的人脸特征;
将所述人脸特征与预设图像集合中的人脸信息进行比对,得到特征相似度;
确定所述特征相似度大于阈值的人脸特征,作为目标人脸特征;
根据所述目标人脸特征对应的危险人脸图像生成安防任务,并将所述安防任务发送至安防终端,使得对应的安防员根据所述安防终端执行所述安防任务。
在其中一个实施例中,所述图像数据还包括人物图像对应的位置标识和时间标识,所述根据所述目标人脸特征对应的危险人脸图像生成安防任务包括:
根据所述目标人脸特征生成危险人物标识;
从所述多帧图像数据中提取包含所述危险人物标识的危险人脸图像;
获取所述目标区域对应的地图;
根据所述地图以及所述危险人脸图像对应的位置标识和时间标识,生成对应的行为轨迹图像;
生成携带所述危险人脸图像以及所述行为轨迹图像的安防任务。
在其中一个实施例中,所述人脸信息包括预设图像所对应的危险等级,所述将所述安防任务发送至安防终端包括:
获取所述安防任务对应的目标位置;
根据所述安防终端确定对应安防员标识所在的当前位置;
根据所述目标位置和所述当前位置确定安防员标识之间的优先级关系;
从所述人脸信息中获取所述危险人脸图像对应的危险等级;
基于所述优先级关系以及所述危险等级确定至少一个目标安防员标识;
将所述安防任务发送至所述目标安防员标识对应的安防终端。
在其中一个实施例中,所述获取目标区域内的多个监控设备采集的多帧图像数据包括:
获取多个监控设备采集的视频数据,所述视频数据包括多帧原始图像;
检测所述原始图像中的人物图像;
从所述视频数据中提取多帧包括所述人物图像的图像数据。
在其中一个实施例中,所述方法还包括:
获取网页配置信息,所述网页配置信息包括网页标识;
按照预设频率从所述网页标识对应的目标网页中爬取危险人物信息;
利用所述危险人物信息对所述预设图像集合进行更新。
在其中一个实施例中,所述方法还包括:
获取预设的布防任务,提取所述布防任务中的多个布防图像标识;
获取所述目标人脸特征在所述预设图像集合中对应的目标图像标识;
将所述目标图像标识与所述布防图像标识进行比对;
当所述目标图像标识属于所述布防图像标识时,则执行所述根据所述目标人脸特征对应的危险人脸图像生成安防任务的步骤。
一种危险人物监控处理装置,所述装置包括:
数据获取模块,用于获取目标区域内的多个监控设备采集的多帧图像数据,所述图像数据包括人物图像;
图像提取模块,用于从所述人物图像中提取对应的人脸图像;
特征提取模块,用于获取人脸识别模型,将所述人脸图像输入所述人脸识别模型中,调用所述人脸识别模型提取所述人脸图像对应的人脸特征;
特征比对模块,用于将所述人脸特征与预设图像集合中的人脸信息进行比对,得到特征相似度;
目标特征确定模块,用于确定所述特征相似度大于阈值的人脸特征,作为目标人脸特征;
任务生成模块,用于根据所述目标人脸特征对应的危险人脸图像生成安防任务,并将所述安防任务发送至安防终端,使得对应的安防员根据所述安防终端执行所述安防任务。
在其中一个实施例中,所述图像数据还包括人物图像对应的位置标识和时间标识,所述任务生成模块还用于根据所述目标人脸特征生成危险人物标识;从所述多帧图像数据中提取包含所述危险人物标识的危险人脸图像;获取所述目标区域对应的地图;根据所述地图以及所述危险人脸图像对应的位置标识和时间标识,生成对应的行为轨迹图像;生成携带所述危险人脸图像以及所述行为轨迹图像的安防任务。
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上述危险人物监控处理方法的步骤。
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上述危险人物监控处理方法的步骤。
上述危险人物监控处理方法、装置、计算机设备和存储介质,通过获取目标区域内多个监控设备采集的图像数据,从图像数据的人物图像中提取得到对应的人脸图像,调用人脸识别模型对人脸图像进行特征提取,有效的提取人脸图像中的人脸特征。将人脸特征与预设图像集合中的人脸信息进行比对,得到特征相似度。通过特征相似度,可以准确的确定大于阈值的人脸特征作为目标人脸特征。根据目标人脸特征对应的危险人脸图像生成安防任务,并将安防任务发送至安防终端,使得对应的安防员可以及时执行安防任务。通过对人脸图像进行识别以及与预设图像集合中的人脸信息进行比对,能够快速有效的识别出危险人脸图像,从而根据危险人脸图像生成对应的安防任务,使得安防员能够及时有效的对安防任务进行处理,有效的提高了对于目标区域内危险人物的监控效率。
附图说明
图1为一个实施例中危险人物监控处理方法的应用环境图;
图2为一个实施例中危险人物监控处理方法的流程示意图;
图3为一个实施例中根据目标人脸特征对应的危险人脸图像生成安防任务的步骤的流程示意图;
图4为一个实施例中将安防任务发送至安防终端的步骤的流程示意图;
图5为一个实施例中危险人物监控处理装置的结构框图;
图6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。
本申请提供的危险人物监控处理方法,可以应用于如图1所示的应用环境中。其中,监控设备102通过网络与服务器104进行通信,服务器104与安防终端106通过网络进行通信。目标区域内可以设置多个监控设备102,监控设备102可以采集目标区域内的图像数据或视频数据。服务器104获取目标区域内的多个监控设备102采集的多帧图像数据,图像数据包括人物图像。服务器104从人物图像中提取对应的人脸图像,获取人脸识别模型,将人脸图像输入人脸识别模型中,调用人脸识别模型提取人脸图像对应的人脸特征。服务器104将人脸特征与预设图像集合中的人脸信息进行比对,得到特征相似度,确定特征相似度大于阈值的人脸特征作为目标人脸特征。服务器104根据目标人脸特征对应的危险人脸图像生成安防任务,并将安防任务发送至安防终端106,使得对应的安防员根据安防终端106执行安防任务。其中,监控设备102可以但不限于是各种摄像设备、视频采集设备和图像采集设备,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,安防终端106可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。
在一个实施例中,如图2所示,提供了一种危险人物监控处理方法,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:
步骤202,获取目标区域内的多个监控设备采集的多帧图像数据,图像数据包括人物图像。
其中,目标区域是指统一规划管理的特定区域,目标区域可以是多种类型的特定园区。例如,目标区域可以是多种住宅园区、工业园区、科技园区以及物流园区等。预先可以在目标区域的多个不同位置安装有监控设备,通过多个监控设备对目标区域中各个对应的位置进行监控。目标区域内安装的可以是相同类型的监控设备,也可以是不同类型的监控设备。例如,监控设备可以是基于物联网的多种视频监控设备和人脸闸机设备中的至少一种。目标区域内的多个监控设备可以安装在同一局域网内,通过局域网将采集的视频数据或者图像数据上传至服务器。
服务器可以通过多种方式获取目标区域内的多个监控设备采集的图像数据,图像数据中可以包括人物图像。具体的,监控设备还可以在相应区域内出现人物时,记录对应的人物图像,对出现的人物进行抓拍。监控设备在抓拍到人物图像时,则将人物图像对应的图像数据上传至服务器。服务器可以直接获取监控设备上传抓拍的记录人物图像的图像数据。通过目标区域内预先安装的监控设备,可以在不影响区域内人员的情况下采集人物图像,图像的采集和危险人物的监控过程用户无感知,提高了用户体验。
服务器可以从图像数据中获取对应的人物图像,每一帧图像数据对应包括一帧人物图像,人物图像中包括至少一个人物。服务器根据人物图像进行对危险人物的监控。具体的,服务器可以获取得到多帧人物图像,服务器可以逐一对每帧人物图像进行处理,以此对危险人物进行监控。服务器也可以调用调用多线程并行对多帧人物图像进行处理,从而提高危险人物的监控效率。
在一个实施例中,监控设备在采集到图像数据之后,可以将得到的图像数据进行缓存。服务器可以按照预设频率获取监控设备采集的图像数据。其中,预设频率是指用户根据实际需求预先设置的危险人物识别频率。预设频率可以是固定的,服务器可以每经过固定时长获取一次监控设备采集的图像数据。例如,服务器可以每5个小时获取一次图像数据。预设频率也可以是变化的。例如,在目标区域内人流量较大时,服务器获取图像数据的周期相应减小;在目标区域内人流量较小时,服务器获取图像数据的周期相应增大。服务器在每次获取到监控设备采集的图像数据后,可以基于得到的图像数据进行对危险人物的监控。可以理解的,本实施例中服务器获取图像数据的频率与进行危险人物监控的频率相同。服务器根据实际需求按照对应的预设频率获取监控设备采集的图像数据,从而对目标区域内的危险人物进行识别和监控,有效的提高了监控的灵活性。
步骤204,从人物图像中提取对应的人脸图像。
其中,人脸图像是指人物图像中人脸部分对应的图像。监控设备是人物在对应区域内活动时拍摄得到的人物图像,当人背对监控设备时,监控设备能够采集得到包括人物的图像,但是该人物图像中并不包括人脸图像。服务器需要对人物图像进行检测。当人物图像中不包括人脸图像时,服务器可以将该人物图像对应的图像数据标记为无效图像数据,并清除获取到的无效图像数据。
当人物图像中包括人脸图像时,服务器可以从得到的人物图像中提取对应的人脸图像。具体的,服务器可以根据预设的人脸检测算法对人物图像进行计算,判断人物图像中是否存在人脸部分的图像。预设的人脸检测算法可以是多种检测算法中的一种。例如,服务器可以调用预设的标准人脸特征,根据标准人脸特征检测人物图像中是否包括人脸图像。当人物图像中存在标准人脸特征对应的部分时,则将符合标准人脸特征的部分图像截取作为人脸图像。服务器还可以通过神经网络检测算法检测人物图像中的人脸图像,并从人物图像中提取对应的人脸图像。
在其中一个实施例中,当监控设备为人脸闸机设备时,进入目标区域的人员需要通过人脸闸机设备,人脸闸机设备可以采集来访人员的人脸图像,并上传至服务器。服务器可以接收人脸闸机设备上传的人脸图像,直接根据上传的人脸图像进行危险人物的监控,不需要从人物图像中提取人脸图像,有效的提高了对于危险人物的监控效率。
步骤206,获取人脸识别模型,将人脸图像输入人脸识别模型中,调用人脸识别模型提取人脸图像对应的人脸特征。
服务器在提取得到人脸图像后,获取人脸识别模型,利用人脸识别模型对得到的人脸图像进行处理。其中,人脸识别模型可以是服务器通过大量人脸图像和对应的数据进行训练后得到的。人脸识别模型可以基于人脸识别算法对人脸图像进行特征提取。人脸识别算法可以是多种识别算法中的一种。例如,人脸识别算法可以是基于人脸特征点的识别算法,也可以是利用神经网络进行识别的算法,还可以是利用支持向量机进行识别的算法。
具体的,服务器获取人脸识别模型后,将一帧或多帧人脸图像输入人脸识别模型中。服务器可以调用人脸识别模型对输入的人脸图像进行计算,人脸识别模型基于人脸识别算法对人脸图像进行特征提取,得到每帧人脸图像对应的多个特征点并输出,服务器得到人脸识别模型计算后输出的人脸图像对应的人脸特征。
步骤208,将人脸特征与预设图像集合中的人脸信息进行比对,得到特征相似度。
其中,预设图像集合是指服务器预先获取并存储在对应数据库中的图像集合,预设图像集合中包括多帧人脸图像,以及每帧人脸图像对应的人脸信息,人脸信息中可以包括人脸图像对应的面部特征。服务器可以通过多种方式获取人脸图像。例如,服务器可以接收安防终端上传的人脸图像,服务器也可以从网页中爬取发布的人脸图像。服务器可以对获取的人脸图像进行面部识别,提取出人脸图像对应的面部特征,将面部特征作为人脸图像对应的人脸信息。服务器可以将获取的人脸图像与人脸信息关联,并添加至预设图像集合中,以此对预设图像集合进行更新。服务器可以将预设图像集合存储在数据库中。预设图像集合中包括的人脸图像通常为危险人物对应的人脸图像。
服务器可以将从监控设备上传的人脸图像中提取出的人脸特征,与预设图像集合中各个图像的面部特征分别进行特征比对,计算得到采集的人脸图像与预设图像集合中各帧图像对应的特征相似度。当服务器从多帧图像数据中提取到多帧人脸图像时,可以得到各帧人脸图像分别对应的多个特征相似度。在其中一个实施例中,服务器可以在人脸图像与预设图像集合中的多帧图像之间的多个相似度中,将最大的相似度作为人脸图像对应的特征相似度。
步骤210,确定特征相似度大于阈值的人脸特征,作为目标人脸特征。
服务器计算得到人脸特征对应的特征相似度后,可以将特征相似度与预设的阈值进行比对,判断特征相似度是否大于阈值。其中,阈值可以是用户根据实际需求预先设置的,阈值可以是设置的一个固定值。例如,阈值可以设置为85%。服务器可以根据阈值对人脸特征对应的特征相似度进行筛选。当特征相似度小于或等于阈值时,确定人脸图像与预设图像集合中的图像不匹配,服务器可以清除该人脸特征对应的人脸图像。当特征相似度大于阈值时,可以确定特征相似度大于阈值的人脸特征作为目标人脸特征,表示目标区域内可能出现了与预设图像集合中的图像所对应的人物。服务器可以根据目标人脸特征确定预设图像集合中与人脸图像对应的危险人脸图像,从而将监控设备采集的人脸图像与预设图像集合中的危险人脸图像进行匹配。
在其中一个实施例中,当人脸特征对应的特征相似度为多个相似度中的最大相似度时,服务器可以得到大于阈值的特征相似度所对应的危险人物图像。当人脸特征对应的特征相似度包括与预设图像集合中多帧危险人脸图像之间的多个相似度时,可能存在一帧人脸图像对应的一个或多个相似度大于阈值,服务器可以根据人脸图像得到对应的一帧或多帧危险人脸图像。服务器通过将特征相似度与阈值进行比对,实现了对采集的人脸图像的识别,有效的提高了对监控设备所采集人脸图像的识别效率。
步骤212,根据目标人脸特征对应的危险人脸图像生成安防任务,并将安防任务发送至安防终端,使得对应的安防员根据安防终端执行安防任务。
当服务器计算得到大于阈值的特征相似度时,将特征相似度对应的人脸特征标记为目标人脸特征。由于目标人脸特征与预设图像集合中人脸信息的相似度较高,服务器可以将目标人脸特征对应的人脸图像作为危险人脸图像,也可以将预设图像集合中对应的图像作为目标人脸特征的对应的危险人脸图像,服务器还可以将采集到的人脸图像与预设图像集合中对应的图像共同作为危险人脸图像。
服务器可以根据危险人脸图像生成安防任务,并将安防任务发送至安防终端。其中,安防终端可以是安防员各自对应的终端,也可以是安防中心对应的统一终端。服务器可以根据危险人脸图像以及人脸信息确定对应的安防员标识,将生成的安防任务发送至安防员标识对应的安防终端。服务器可以通过多种方式中的至少一种确定安防员标识。例如,服务器可以获取安防员标识对应的状态信息。当安防员标识处于工作状态时,则将安防任务下发至安防员标识对应的安防终端。当安防员标识处于休息状态时,服务器则不向该安防员标识对应的安防终端下发安防任务。服务器还可以获取安防员标识所处的位置信息,根据多个安防员标识对应的位置信息选择下发安防任务的目标安防员标识。安防任务可以是巡检任务,服务器将安防任务发送至安防终端后,对应的安防员根据安防终端执行安防任务,巡检目标区域内是否存在危险人物图像对应的危险人物,以此对目标区域内的危险人物进行监控。
在本实施例中,服务器通过获取目标区域内多个监控设备采集的多帧图像数据,在目标区域内用户无感知的情况下获取图像数据,相较于传统巡逻的方式不会对用户造成影响。服务器从图像数据包括的人物图像中提取到人脸图像,调用人脸识别模型提取人脸图像对应的人脸特征,并将人脸特征与预设图像集合中的人脸信息进行比对,可以快速有效的识别目标区域内出现的人脸图像是否属于预设图像集合,即使预设图像集合中的危险人物图像较多时,也能快速有效的监控目标区域内是否出现危险人物。当人脸特征的特征相似度大于阈值时,服务器则根据目标人脸特征对应的危险人脸图像生成安防任务,并将安防任务发送至安防终端,使得对应的安防员根据安防终端执行安防任务,及时对目标区域内可能出现的危险人物进行处理,有效的提高了对于目标区域内危险人物的监控效率。
在一个实施例中,上述获取目标区域内的多个监控设备采集的多帧图像数据的步骤包括:获取多个监控设备采集的视频数据,视频数据包括多帧原始图像;检测原始图像中的人物图像;从视频数据中提取多帧包括人物图像的图像数据。
服务器可以获取多个监控设备通过摄像头各自采集的多个视频数据,每个视频数据中都包括多帧原始图像。具体的,服务器可以按照预设频率获取监控设备在对应时间段内采集的视频数据。例如,服务器可以每5个小时获取一次视频数据,则获取到的视频数据的时长为5个小时。
服务器可以对视频数据中的原始图像进行检测。具体的,服务器可以逐一对每个监控设备所采集的视频数据进行检测,也可以调用多线程并行检测多个视频数据。服务器对视频数据中的多帧原始图像进行遍历,检测原始图像中是否存在人物图像。当原始图像中存在人物图像时,则从视频数据中提取包括人物图像的原始图像,并获取该原始图像对应的时间标识和位置标识,提取得到多帧包括人物图像的图像数据,直到遍历所有采集的视频数据。
在其中一个实施例中,由于监控设备拍摄的视频数据中的原始图像间隔较短,每秒可以拍摄多张原始图像。从而导致视频数据中可能包括多帧连续出现人物图像的原始图像。服务器当监测到连续人物图像时,可以从连续人物图像中提取部分图像数据。例如,当视频数据的原始图像中出现连续人物图像时,服务器可以提取包括人脸图像的图像数据,以便于服务器根据人物图像进行危险人物的监控。
在本实施例中,服务器通过目标区域内预先安装的监控设备,可以在不影响区域内人员的情况下采集人物图像,图像的采集和危险人物的监控过程用户无感知,提高了用户体验。而且服务器可以从监控设备采集的视频数据中提取包括人物图像的图像数据,在监控设备原来的监控基础上进行对危险人物的监控,不会增加额外的数据采集成本,有效的降低了对于危险人物的监控成本。
在一个实施例中,图像数据还包括人物图像对应的位置标识和时间标识,如图3所示,上述根据目标人脸特征对应的危险人脸图像生成安防任务的步骤包括:
步骤302,根据目标人脸特征生成危险人物标识。
步骤304,从多帧图像数据中提取包含危险人物标识的危险人脸图像。
步骤306,获取目标区域对应的地图。
步骤308,根据地图以及危险人脸图像对应的位置标识和时间标识,生成对应的行为轨迹图像。
步骤310,生成携带危险人脸图像以及行为轨迹图像的安防任务。
其中,当监控设备是视频监控设备、人脸闸机设备等固定设备时,监控设备在预先安装时,可以根据监控设备安装的位置确定位置标识,每台监控设备可以对应唯一的位置标识。当监控设备为巡检机器人等可移动设备时,监控设备可以在拍摄人物图像时获取当前所处的位置,将当前所处的位置作为人物图像对应的位置标识。监控设备在拍摄人物图像时,还可以记录拍摄人物图像的时间,将拍摄时的时间作为人物图像对应的时间标识。服务器获取的图像数据中,可以包括监控设备拍摄的人物图像,以及拍摄人物图像时的位置标识和时间标识。在其中一个实施例中,服务器可以将危险人脸图像对应的位置标识和时间标识发送至安防终端,使得安防员根据位置标识和时间标识执行安防任务。
服务器在将特征相似度与阈值进行比对,得到目标人脸特征后,可以根据目标人脸特征生成危险人物标识。危险人物标识用于标记人物图像中出现的人物为危险人物。服务器可以从多个监控设备采集的多帧图像数据中,提取包含危险人物标识的危险人脸图像。具体的,不同监控设备可以采集不同的图像数据,服务器可以依次从每个监控设备采集的图像数据中提取危险人物标识对应的危险人脸图像,也可以调用多线程并行从多个监控设备采集的图像数据中提取危险人脸图像。服务器通过根据目标人脸特征生成危险人物标识,根据危险人物标识从图像数据中提取危险人脸图像,不需要将所有人脸图像的人脸特征都与预设图像集合中的人脸信息进行比对,提高了危险人脸图像识别的效率。
服务器可以获取目标区域对应的地图,目标区域对应的地图可以是二维地图,也可以是三维地图。服务器可以根据地图以及危险人脸图像对应的位置标识和时间标识生成对应的行为轨迹图像。具体的,服务器将同一危险人物标识对应的危险人物图像对应的位置标识在地图上进行标记,标记出危险人物在目标区域内出现的多个位置点。服务器根据不同危险人物图像对应的时间标识,以及地图中的道路信息,将多个位置按照时间顺序与道路信息进行连接并确定方向,生成危险人物在目标区域内对应的行为轨迹图像。在其中一个实施例中,当出现多个危险人物时,服务器可以将不同危险人物各自对应的行为轨迹标记在同一地图图像中,不同危险人物的行为轨迹可以利用不同颜色的线条进行标记。服务器可以生成携带危险人脸图像以及行为轨迹图像的安防任务,并将安防任务发送至安防终端。安防终端对应的安防员可以根据危险人物对应的行为轨迹判断危险人物的走向,有助于安防员执行安防任务。
在本实施例中,服务器可以从多帧图像数据中提取包含危险人物标识的危险人脸图像,不需要逐一判断图像数据中的人脸图像是否属于预设图像集合,有效的提高了危险人物识别的效率。服务器根据危险人脸图像对应的位置标识和时间标识,生成危险人脸图像对应的行为轨迹图像,生成携带危险人脸图像和对应行为轨迹图像的安防任务,以便根据行为轨迹图像预测危险人物的行为走向,有助于安防员根据行为轨迹图像执行安防任务,有效的提高了对于危险人物的监控效率和处理效率。
在一个实施例中,人脸信息包括预设图像所对应的危险等级,如图4所示,上述将安防任务发送至安防终端的步骤包括:
步骤402,获取安防任务对应的目标位置。
步骤404,根据安防终端确定对应安防员标识所在的当前位置。
步骤406,根据目标位置和当前位置确定安防员标识之间的优先级关系。
步骤408,从人脸信息中获取危险人脸图像对应的危险等级。
步骤410,基于优先级关系以及危险等级确定至少一个目标安防员标识。
步骤412,将安防任务发送至目标安防员标识对应的安防终端。
服务器可以根据安防任务中危险人脸图像对应的时间标识和位置标识,确定危险人脸图像最后出现的位置作为目标位置。服务器可以根据安防终端确定对应安防员标识所在的当前位置。其中,安防员标识是指目标区域内进行安防工作的工作人员对应的标识,每位安防员具有唯一对应的安防员标识。服务器可以采用多种标识标记安防员。例如,安防员标识可以是安防员对应的编号,也可以是安防员的名称等。
服务器可以利用多种定位方式获取安防员标识所在的当前位置。例如,服务器可以采用LBS(Location Based Service、基于位置的服务)技术获取安防员标识所在的当前位置。服务器也可以通过电信移动运营商的无线电通讯网络或外部定位方式获取安防员标识对应安防终端的当前位置。在其中一个实施例中,服务器可以获取安防员标识对应的状态信息,获取处于工作状态的安防员标识所在的当前位置。
服务器可以根据安防任务的目标位置与各个安防员标识对应的当前位置,确定安防员标识之间的优先级关系。具体的,服务器可以根据分别计算安防员标识所在的当前位置与目标位置之间的距离。其中,服务器计算的距离可以是根据目标区域的地图信息,计算从当前位置到目标位置的路线距离。安防员标识之间的优先级随着对应当前位置与目标位置之间的距离变化而变化。当前位置与目标位置之间的距离越小的,对应安防员标识的优先级则越高。当前位置与目标位置之间的距离越大的,对应安防员标识的优先级则越低。服务器可以根据安防员标识所对应当前位置与目标位置之间的距离关系,确定安防员标识之间的优先级顺序。
危险人脸图像可以与预设图像集合中的至少一帧预设图像相匹配,服务器可以从预设图像集合的人脸信息中获取危险人脸图像对应的危险等级。其中,危险等级是对预设图像所对应危险人物的危险程度的描述,服务器在获取预设图像并添加至预设图像集合时,可以将危险等级记录至预设图像对应的人脸信息中进行关联并存储。服务器可以根据危险人物图像对应的危险等级确定对应的安防员标识。例如,服务器可以根据危险人物图像对应的危险等级确定执行安防任务的安防员标识数量。危险人物图像对应的危险等级越高,所需要的安防员标识数据则越多。其中,危险等级与安防员标识数量之间可以存在关联关系,服务器可以根据该关联关系确定执行安防任务所需的安防员标识数量。
服务器可以基于安防员标识之间的优先级关系和危险人脸图像对应的危险等级,确定至少一个目标安防员标识。例如,服务器可以根据危险人脸图像对应的危险等级确定所需的安防员标识数量,根据安防员标识之间的优先级关系,确定优先级较高的并满足所需安防员标识数量的安防员标识作为目标安防员标识。服务器将安防任务发送至目标安防员标识对应的安防终端,使得目标安防员标识对应的安防员根据安防终端执行该安防任务。
在本实施例中,服务器通过获取安防任务对应的目标位置,以及安防员标识所在的当前位置,根据目标位置和当前位置确定安防员标识之间的优先级关系,分配距离目标位置较近的安防员执行安防任务,从而提高安防任务的执行效率。服务器从人脸信息中获取危险人脸图像对应的危险等级,根据危险等级和优先级关系确定至少一个目标安防员标识。服务器根据危险等级分配对应的至少一个安防员执行安防任务,保证安放任务顺利执行。服务器将安防任务发送至目标安防员标识对应的安防终端,使得目标安防员标识对应的目标安防员根据安防终端执行安防任务,有效的提高了对危险人物的处理效率。
在一个实施例中,上述危险人物监控处理方法还包括:获取网页配置信息,网页配置信息包括网页标识;按照预设频率从网页标识对应的目标网页中爬取危险人物信息;利用危险人物信息对预设图像集合进行更新。
服务器可以从网页中爬取人脸图像对预设图像集合进行更新。具体的,服务器可以获取网页配置信息,网页配置信息中包括多个网页标识。其中,网页标识用于标记爬取人脸图像的网页,可以通过多种标识对网页进行标记。例如,网页标识可以是网页对应的URL(uniform resource locator,统一资源定位符),也可以是网页对应的IP(InternetProtocol,网络之间互连的协议)地址。目标网页可以是发布危险人物图像以及信息的网页。例如,网页配置信息中记录的可以是公安机关对应的网页的网页标识,网页中公布了包括通缉人员、在逃人员等危险人物对应的危险人物信息。
服务器可以按照预设频率从网页标识对应的目标网页中爬取危险人物信息,预设频率可以根据实际需求进行设置。服务器还可以对目标网页进行监听,当目标网页中更新危险人物信息时,则爬取更新后的危险人物信息。服务器可以通过多种方式爬取目标网页中的危险人物信息。例如,服务器可以采用Jsoup解析器解析目标页面URL的Html(HyperText Markup Language,超文本标签语言),获取解析后的文本内容,爬取目标网页中的危险人物信息。
服务器可以爬取目标网页中发布的危险人物信息,危险人物信息中可以包括危险人物对应的图像和人物信息。服务器可以利用危险人物信息对数据库中的预设图像集合进行更新,将危险人物对应的人脸图像添加至预设图像集合中,并将危险人物对应的人物信息作为预设图像对应的人脸信息进行存储。
在本实施例中,服务器可以根据网页配置信息,增量的从网页标识对应的目标网页中爬取危险人物信息,利用危险人物信息对预设图像集合进行更新。服务器可以根据更新后的预设图像集合准确的识别目标区域中出现的危险人物,有效的提高了对于目标区域内危险人物监控的准确性。
在一个实施例中,上述危险人物监控处理方法还包括:获取预设的布防任务,提取布防任务中的多个布防图像标识;获取目标人脸特征在预设图像集合中对应的预设图像标识;将预设图像标识与布防图像标识进行比对;当预设图像标识属于布防图像标识时,则执行根据目标人脸特征对应的危险人脸图像生成安防任务的步骤。
服务器可以获取用户通过对应终端预先设置的布防任务,布防任务是指用户根据预设图像以及对应的人脸信息,从预设图像集合中选择的部分预设图像进行布防所生成的任务。布防任务中包括目标区域内需要进行监控的布防图像。服务器可以从布防任务中提取选择的多个布防图像所对应的布防图像标识。布防图像标识用于标记用户从预设图像集合中选择布防的预设图像,由于布防图像是从预设图像集合的预设图像中选择的,因此布防图像的布防图像标识与对应预设图像的预设图像标识可以是相同的。
在确定目标人脸特征后,服务器可以获取预设图像集合中与目标人脸特征相匹配的目标图像所对应的目标图像标识。服务器可以将获取的目标图像标识与多个布防图像标识分别进行比对,判断目标图像标识是否属于布防图像标识。当目标图像标识与多个布防图像标识中的一个相同时,确定目标图像标识属于布防图像标识,表示目标图像标识对应的目标图像处于选择布防的布防图像中,服务器可以继续执行根据目标人脸特征对应的危险人脸图像生成安防任务的步骤。当目标图像标识与多个布防图像标识中的任意一个均不相同时,确定目标图像标识不属于布防图像标识,表示目标图像标识对应的目标图像不处于选择布防的布防图像中,即没有对该目标图像对应的人物进行布防,服务器则停止对目标人脸特征所对应的危险人物进行监控。
在本实施例中,服务器识别出目标区域内的人物属于预设图像集合中的危险人物时,再判断目标区域是否对该危险人物进行布防,通过预设的布防任务对需要执行安防任务的人脸图像进行二次筛选,从而实现对真正的危险人物进行监控,防止预设图像集合中不属于危险人物的预设图像触发安防任务,有效的提高了对目标区域内危险人物监控的准确性,避免不必要的安防资源的浪费。
应该理解的是,虽然图2-4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2-4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。
在一个实施例中,如图5所示,提供了一种危险人物监控处理装置,包括:数据获取模块502、图像提取模块504、特征提取模块506、特征比对模块508、目标特征确定模块510和任务生成模块512,其中:
数据获取模块502,用于获取目标区域内的多个监控设备采集的多帧图像数据,图像数据包括人物图像。
图像提取模块504,用于从人物图像中提取对应的人脸图像。
特征提取模块506,用于获取人脸识别模型,将人脸图像输入人脸识别模型中,调用人脸识别模型提取人脸图像对应的人脸特征。
特征比对模块508,用于将人脸特征与预设图像集合中的人脸信息进行比对,得到特征相似度。
目标特征确定模块510,用于确定特征相似度大于阈值的人脸特征,作为目标人脸特征。
任务生成模块512,用于根据目标人脸特征对应的危险人脸图像生成安防任务,并将安防任务发送至安防终端,使得对应的安防员根据安防终端执行安防任务。
在一个实施例中,图像数据还包括人物图像对应的位置标识和时间标识,上述任务生成模块512还用于根据目标人脸特征生成危险人物标识;从多帧图像数据中提取包含危险人物标识的危险人脸图像;获取目标区域对应的地图;根据地图以及危险人脸图像对应的位置标识和时间标识,生成对应的行为轨迹图像;生成携带危险人脸图像以及行为轨迹图像的安防任务。
在一个实施例中,人脸信息包括预设图像所对应的危险等级,上述任务生成模块512还用于获取安防任务对应的目标位置;根据安防终端确定对应安防员标识所在的当前位置;根据目标位置和当前位置确定安防员标识之间的优先级关系;从人脸信息中获取危险人脸图像对应的危险等级;基于优先级关系以及危险等级确定至少一个目标安防员标识;将安防任务发送至目标安防员标识对应的安防终端。
在一个实施例中,上述数据获取模块502还用于获取多个监控设备采集的视频数据,视频数据包括多帧原始图像;检测原始图像中的人物图像;从视频数据中提取多帧包括人物图像的图像数据。
在一个实施例中,上述危险人物监控处理装置还包括集合更新模块,用于获取网页配置信息,网页配置信息包括网页标识;按照预设频率从网页标识对应的目标网页中爬取危险人物信息;利用危险人物信息对预设图像集合进行更新。
在一个实施例中,上述危险人物监控处理装置还包括特征过滤模块,用于获取预设的布防任务,提取布防任务中的多个布防图像标识;获取目标人脸特征在预设图像集合中对应的目标图像标识;将目标图像标识与布防图像标识进行比对;当目标图像标识属于布防图像标识时,则执行根据目标人脸特征对应的危险人脸图像生成安防任务的步骤。
关于危险人物监控处理装置的具体限定可以参见上文中对于危险人物监控处理方法的限定,在此不再赘述。上述危险人物监控处理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6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危险人物监控处理数据。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信。该计算机程序被处理器执行时以实现一种危险人物监控处理方法。
本领域技术人员可以理解,图6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,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述危险人物监控处理方法实施例中的步骤。
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上述危险人物监控处理方法实施例中的步骤。
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)
1.一种危险人物监控处理方法,所述方法包括:
获取目标区域内的多个监控设备采集的多帧图像数据,所述图像数据包括人物图像;
从所述人物图像中提取对应的人脸图像;
获取人脸识别模型,将所述人脸图像输入所述人脸识别模型中,调用所述人脸识别模型提取所述人脸图像对应的人脸特征;
将所述人脸特征与预设图像集合中的人脸信息进行比对,得到特征相似度;
确定所述特征相似度大于阈值的人脸特征,作为目标人脸特征;
根据所述目标人脸特征对应的危险人脸图像生成安防任务,并将所述安防任务发送至安防终端,使得对应的安防员根据所述安防终端执行所述安防任务。
2.根据权利要求1所述的方法,其特征在于,所述图像数据还包括人物图像对应的位置标识和时间标识,所述根据所述目标人脸特征对应的危险人脸图像生成安防任务包括:
根据所述目标人脸特征生成危险人物标识;
从所述多帧图像数据中提取包含所述危险人物标识的危险人脸图像;
获取所述目标区域对应的地图;
根据所述地图以及所述危险人脸图像对应的位置标识和时间标识,生成对应的行为轨迹图像;
生成携带所述危险人脸图像以及所述行为轨迹图像的安防任务。
3.根据权利要求1所述的方法,其特征在于,所述人脸信息包括预设图像所对应的危险等级,所述将所述安防任务发送至安防终端包括:
获取所述安防任务对应的目标位置;
根据所述安防终端确定对应安防员标识所在的当前位置;
根据所述目标位置和所述当前位置确定安防员标识之间的优先级关系;
从所述人脸信息中获取所述危险人脸图像对应的危险等级;
基于所述优先级关系以及所述危险等级确定至少一个目标安防员标识;
将所述安防任务发送至所述目标安防员标识对应的安防终端。
4.根据权利要求1所述的方法,其特征在于,所述获取目标区域内的多个监控设备采集的多帧图像数据包括:
获取多个监控设备采集的视频数据,所述视频数据包括多帧原始图像;
检测所述原始图像中的人物图像;
从所述视频数据中提取多帧包括所述人物图像的图像数据。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取网页配置信息,所述网页配置信息包括网页标识;
按照预设频率从所述网页标识对应的目标网页中爬取危险人物信息;
利用所述危险人物信息对所述预设图像集合进行更新。
6.根据权利要求1至5任意一项所述的方法,其特征在于,所述方法还包括:
获取预设的布防任务,提取所述布防任务中的多个布防图像标识;
获取所述目标人脸特征在所述预设图像集合中对应的目标图像标识;
将所述目标图像标识与所述布防图像标识进行比对;
当所述目标图像标识属于所述布防图像标识时,则执行所述根据所述目标人脸特征对应的危险人脸图像生成安防任务的步骤。
7.一种危险人物监控处理装置,其特征在于,所述装置包括:
数据获取模块,用于获取目标区域内的多个监控设备采集的多帧图像数据,所述图像数据包括人物图像;
图像提取模块,用于从所述人物图像中提取对应的人脸图像;
特征提取模块,用于获取人脸识别模型,将所述人脸图像输入所述人脸识别模型中,调用所述人脸识别模型提取所述人脸图像对应的人脸特征;
特征比对模块,用于将所述人脸特征与预设图像集合中的人脸信息进行比对,得到特征相似度;
目标特征确定模块,用于确定所述特征相似度大于阈值的人脸特征,作为目标人脸特征;
任务生成模块,用于根据所述目标人脸特征对应的危险人脸图像生成安防任务,并将所述安防任务发送至安防终端,使得对应的安防员根据所述安防终端执行所述安防任务。
8.根据权利要求7所述的装置,其特征在于,所述图像数据还包括人物图像对应的位置标识和时间标识,所述任务生成模块还用于根据所述目标人脸特征生成危险人物标识;从所述多帧图像数据中提取包含所述危险人物标识的危险人脸图像;获取所述目标区域对应的地图;根据所述地图以及所述危险人脸图像对应的位置标识和时间标识,生成对应的行为轨迹图像;生成携带所述危险人脸图像以及所述行为轨迹图像的安防任务。
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 |
---|---|---|---|
CN201910911632.6A CN110781750A (zh) | 2019-09-25 | 2019-09-25 | 危险人物监控处理方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910911632.6A CN110781750A (zh) | 2019-09-25 | 2019-09-25 | 危险人物监控处理方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110781750A true CN110781750A (zh) | 2020-02-11 |
Family
ID=69384775
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910911632.6A Pending CN110781750A (zh) | 2019-09-25 | 2019-09-25 | 危险人物监控处理方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110781750A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111368701A (zh) * | 2020-02-28 | 2020-07-03 | 上海商汤智能科技有限公司 | 人物管控方法及装置、电子设备和存储介质 |
CN111402036A (zh) * | 2020-03-23 | 2020-07-10 | 中国建设银行股份有限公司 | 银行网点内的客户轨迹获取方法及网点管理中心系统 |
CN111565225A (zh) * | 2020-04-27 | 2020-08-21 | 银河水滴科技(北京)有限公司 | 一种人物行动轨迹确定方法及装置 |
CN111862508A (zh) * | 2020-06-22 | 2020-10-30 | 深圳中兴网信科技有限公司 | 监控方法、监控设备和计算机可读存储介质 |
CN112036242A (zh) * | 2020-07-28 | 2020-12-04 | 重庆锐云科技有限公司 | 人脸图片采集方法、装置、计算机设备及存储介质 |
CN112101216A (zh) * | 2020-09-15 | 2020-12-18 | 百度在线网络技术(北京)有限公司 | 人脸识别方法、装置、设备及存储介质 |
CN112364722A (zh) * | 2020-10-23 | 2021-02-12 | 岭东核电有限公司 | 核电作业人员监控处理方法、装置和计算机设备 |
CN112380911A (zh) * | 2020-10-21 | 2021-02-19 | 重庆恢恢信息技术有限公司 | 一种融合区块链的海量建筑工地图像数据优化方法 |
CN112633133A (zh) * | 2020-12-18 | 2021-04-09 | 江苏省苏力环境科技有限责任公司 | 基于ai的智慧水站运维的方法、系统、终端及存储介质 |
CN112911242A (zh) * | 2021-01-29 | 2021-06-04 | 深圳市兴海物联科技有限公司 | 一种安防监控方法、系统、设备及计算机存储介质 |
CN113343913A (zh) * | 2021-06-29 | 2021-09-03 | 广东粤港澳大湾区国家纳米科技创新研究院 | 目标确定方法、装置、存储介质及计算机设备 |
CN113361332A (zh) * | 2021-05-17 | 2021-09-07 | 北京中海前沿材料技术有限公司 | 视频数据的采集处理方法和装置 |
CN115396591A (zh) * | 2022-07-15 | 2022-11-25 | 深圳市创尼电子有限公司 | 智能双光摄像机图像处理方法、装置、摄像机及介质 |
CN116524569A (zh) * | 2023-05-10 | 2023-08-01 | 深圳大器时代科技有限公司 | 一种基于归类算法的多并发人脸识别系统及方法 |
CN116935305A (zh) * | 2023-06-20 | 2023-10-24 | 联城科技(河北)股份有限公司 | 智能化安防监测方法、系统、电子设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105872456A (zh) * | 2016-03-29 | 2016-08-17 | 乐视控股(北京)有限公司 | 一种基于智能电视机的安防方法及装置 |
CN107392162A (zh) * | 2017-07-27 | 2017-11-24 | 京东方科技集团股份有限公司 | 危险人物识别方法及装置 |
CN107871114A (zh) * | 2016-09-23 | 2018-04-03 | 杭州海康威视数字技术股份有限公司 | 一种推送目标人员跟踪信息的方法、装置及系统 |
CN109583353A (zh) * | 2018-11-22 | 2019-04-05 | 武汉市公安局交通管理支队 | 一种基于人脸识别的交通违法查审方法及系统 |
CN109743541A (zh) * | 2018-12-15 | 2019-05-10 | 深圳壹账通智能科技有限公司 | 智能监控方法、装置、计算机设备及存储介质 |
CN110245630A (zh) * | 2019-06-18 | 2019-09-17 | 广东中安金狮科创有限公司 | 监控数据处理方法、装置及可读存储介质 |
-
2019
- 2019-09-25 CN CN201910911632.6A patent/CN110781750A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105872456A (zh) * | 2016-03-29 | 2016-08-17 | 乐视控股(北京)有限公司 | 一种基于智能电视机的安防方法及装置 |
CN107871114A (zh) * | 2016-09-23 | 2018-04-03 | 杭州海康威视数字技术股份有限公司 | 一种推送目标人员跟踪信息的方法、装置及系统 |
CN107392162A (zh) * | 2017-07-27 | 2017-11-24 | 京东方科技集团股份有限公司 | 危险人物识别方法及装置 |
CN109583353A (zh) * | 2018-11-22 | 2019-04-05 | 武汉市公安局交通管理支队 | 一种基于人脸识别的交通违法查审方法及系统 |
CN109743541A (zh) * | 2018-12-15 | 2019-05-10 | 深圳壹账通智能科技有限公司 | 智能监控方法、装置、计算机设备及存储介质 |
CN110245630A (zh) * | 2019-06-18 | 2019-09-17 | 广东中安金狮科创有限公司 | 监控数据处理方法、装置及可读存储介质 |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111368701A (zh) * | 2020-02-28 | 2020-07-03 | 上海商汤智能科技有限公司 | 人物管控方法及装置、电子设备和存储介质 |
CN111402036A (zh) * | 2020-03-23 | 2020-07-10 | 中国建设银行股份有限公司 | 银行网点内的客户轨迹获取方法及网点管理中心系统 |
CN111402036B (zh) * | 2020-03-23 | 2024-01-19 | 中国建设银行股份有限公司 | 银行网点内的客户轨迹获取方法及网点管理中心系统 |
CN111565225A (zh) * | 2020-04-27 | 2020-08-21 | 银河水滴科技(北京)有限公司 | 一种人物行动轨迹确定方法及装置 |
CN111565225B (zh) * | 2020-04-27 | 2023-08-04 | 银河水滴科技(宁波)有限公司 | 一种人物行动轨迹确定方法及装置 |
CN111862508A (zh) * | 2020-06-22 | 2020-10-30 | 深圳中兴网信科技有限公司 | 监控方法、监控设备和计算机可读存储介质 |
CN112036242A (zh) * | 2020-07-28 | 2020-12-04 | 重庆锐云科技有限公司 | 人脸图片采集方法、装置、计算机设备及存储介质 |
CN112101216A (zh) * | 2020-09-15 | 2020-12-18 | 百度在线网络技术(北京)有限公司 | 人脸识别方法、装置、设备及存储介质 |
CN112380911B (zh) * | 2020-10-21 | 2023-05-05 | 重庆恢恢信息技术有限公司 | 一种融合区块链的海量建筑工地图像数据优化方法 |
CN112380911A (zh) * | 2020-10-21 | 2021-02-19 | 重庆恢恢信息技术有限公司 | 一种融合区块链的海量建筑工地图像数据优化方法 |
CN112364722A (zh) * | 2020-10-23 | 2021-02-12 | 岭东核电有限公司 | 核电作业人员监控处理方法、装置和计算机设备 |
CN112633133A (zh) * | 2020-12-18 | 2021-04-09 | 江苏省苏力环境科技有限责任公司 | 基于ai的智慧水站运维的方法、系统、终端及存储介质 |
CN112911242A (zh) * | 2021-01-29 | 2021-06-04 | 深圳市兴海物联科技有限公司 | 一种安防监控方法、系统、设备及计算机存储介质 |
CN113361332A (zh) * | 2021-05-17 | 2021-09-07 | 北京中海前沿材料技术有限公司 | 视频数据的采集处理方法和装置 |
CN113343913A (zh) * | 2021-06-29 | 2021-09-03 | 广东粤港澳大湾区国家纳米科技创新研究院 | 目标确定方法、装置、存储介质及计算机设备 |
CN115396591A (zh) * | 2022-07-15 | 2022-11-25 | 深圳市创尼电子有限公司 | 智能双光摄像机图像处理方法、装置、摄像机及介质 |
CN116524569A (zh) * | 2023-05-10 | 2023-08-01 | 深圳大器时代科技有限公司 | 一种基于归类算法的多并发人脸识别系统及方法 |
CN116935305A (zh) * | 2023-06-20 | 2023-10-24 | 联城科技(河北)股份有限公司 | 智能化安防监测方法、系统、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110781750A (zh) | 危险人物监控处理方法、装置、计算机设备和存储介质 | |
CN109743541B (zh) | 智能监控方法、装置、计算机设备及存储介质 | |
CN111222423A (zh) | 基于作业区域的目标识别方法、装置、计算机设备 | |
CN109815813B (zh) | 图像处理方法及相关产品 | |
CN112364722A (zh) | 核电作业人员监控处理方法、装置和计算机设备 | |
CN112272288A (zh) | 核电作业监控方法、装置、计算机设备和存储介质 | |
CN107786848A (zh) | 运动目标检测与动作识别的方法、装置、终端及存储介质 | |
CN111080963A (zh) | 施工现场告警方法、装置、计算机设备和存储介质 | |
CN111010547A (zh) | 目标对象的追踪方法及装置、存储介质、电子装置 | |
CN108154115B (zh) | 基于摄像头场景的对象识别方法及装置、计算设备 | |
CN110909675A (zh) | 违章行为识别方法、装置、计算机设备和存储介质 | |
CN111860152A (zh) | 人员状态检测的方法、系统、设备和计算机设备 | |
CN112036242B (zh) | 人脸图片采集方法、装置、计算机设备及存储介质 | |
CN113095132A (zh) | 一种基于神经网络的燃气现场目标检测和行为识别方法、系统、终端及存储介质 | |
CN111027518A (zh) | 可疑人群智能报警方法、装置、计算机设备及存储介质 | |
CN111582179B (zh) | 监控视频分析方法、装置、计算机设备以及存储介质 | |
CN112818758A (zh) | 电力施工现场的监测方法、系统、装置和存储介质 | |
CN115099724A (zh) | 施工场景的监控预警方法、装置、设备及存储介质 | |
CN111008621B (zh) | 对象追踪方法、装置、计算机设备和存储介质 | |
KR20220147566A (ko) | 교통정보 제공 방법, 장치 및 그러한 방법을 실행하기 위하여 매체에 저장된 컴퓨터 프로그램 | |
KR102142315B1 (ko) | 영상 분석 기반의 금융자동화기기 보안 시스템 및 그 방법 | |
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 | |
US20120147179A1 (en) | Method and system for providing intelligent access monitoring, intelligent access monitoring apparatus | |
CN111353365A (zh) | 一种行为预警方法及装置、电子设备 | |
CN107886046A (zh) | 用于监控的警报触发方法、装置、计算机设备和存储介质 |
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: 20200211 |
|
RJ01 | Rejection of invention patent application after publication |