CN110895668A - 异常徘徊监测方法、装置、设备及计算机可读存储介质 - Google Patents
异常徘徊监测方法、装置、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110895668A CN110895668A CN201811064085.4A CN201811064085A CN110895668A CN 110895668 A CN110895668 A CN 110895668A CN 201811064085 A CN201811064085 A CN 201811064085A CN 110895668 A CN110895668 A CN 110895668A
- Authority
- CN
- China
- Prior art keywords
- detected
- characteristic value
- face characteristic
- abnormal
- face
- 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
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 164
- 238000012544 monitoring process Methods 0.000 title claims abstract description 161
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000004590 computer program Methods 0.000 claims description 25
- 238000012806 monitoring device Methods 0.000 claims description 13
- 230000005856 abnormality Effects 0.000 claims 2
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005034 decoration Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种异常徘徊监测方法、装置、设备及计算机可读存储介质,其中该方法包括:监听消息队列中是否存在待测人脸特征值;其中,消息队列中存储有从设置于监测区域内的图像采集设备实时采集到的人脸图像中提取到的人脸特征值;当消息队列中存在待测人脸特征值时,判断待测人脸特征值是否为监测区域的登记用户的人脸特征值;当待测人脸特征值不是监测区域的登记用户的人脸特征值时,根据所述待测人脸特征值,判断预设的异常徘徊告警条件是否满足;当异常徘徊告警条件满足时,进行异常徘徊告警,能实时监控监测区域的异常徘徊情况,避免造成严重的安全事故。
Description
技术领域
本发明涉及智能监控技术领域,尤其涉及一种异常徘徊监测方法、装置、设备及计算机可读存储介质。
背景技术
随着人民生活水平和生活质量的不断提高,居住的安全需求逐渐成为了大家关注的一个焦点问题。人们对居住的环境,不再仅局限于社区的舒适性、住宅的装修等,对社区的安保管理也开始愈来愈关心。随着安防产业的发展,监控早已走进人们的日常生活中。
目前出于性能、需求、效率等考虑,前端采集的人像信息先存到预设区域,并在设定的日期调服务统一进行批量处理。因此目前在分析监测区域(如社区的监测区域)内确定是否存在异常徘徊现象是基于历史数据,存在较长延时,无法满足对监测区域异常徘徊现象进行实时监控的需求,容易造成严重的安全事故。
发明内容
本发明的主要目的在于提供一种异常徘徊监测方法、装置、设备及计算机可读存储介质,以解决无法满足对监测区域异常徘徊现象进行实时监控的需求,容易造成严重的安全事故的问题。
为实现上述目的,本发明提供了一种异常徘徊监测方法,包括:
监听消息队列中是否存在待测人脸特征值;其中,消息队列中存储有从设置于监测区域内的图像采集设备实时采集到的人脸图像中提取到的人脸特征值;
当消息队列中存在待测人脸特征值时,判断待测人脸特征值是否为监测区域的登记用户的人脸特征值;
当待测人脸特征值不是监测区域的登记用户的人脸特征值时,根据待测人脸特征值,判断预设的异常徘徊告警条件是否满足;
当异常徘徊告警条件满足时,进行异常徘徊告警。
本发明还提供了一种异常徘徊监测装置,包括:
监听模块,用于监听消息队列中是否存在待测人脸特征值,并当消息队列中存在待测人脸特征值时,触发第一判断模块;其中,消息队列中存储有从设置于监测区域内的图像采集设备实时采集到的人脸图像中提取到的人脸特征值;
第一判断模块,用于根据监听模块的触发,判断待测人脸特征值是否为监测区域的登记用户的人脸特征值,并当待测人脸特征值不是监测区域的登记用户的人脸特征值时,触发第二判断模块;
第二判断模块,用于根据第一判断模块的触发,根据待测人脸特征值,判断预设的异常徘徊告警条件是否满足,并当异常徘徊告警条件满足时,触发告警模块;
告警模块,用于根据第二判断模块的触发,进行异常徘徊告警。
本发明还提供了一种异常徘徊监测设备,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,该处理器执行计算机程序时实现上述的异常徘徊监测方法的步骤。
本发明还提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现上述的异常徘徊监测方法的步骤。
本发明的上述方案至少包括以下有益效果:
在本发明的实施例中,通过监测区域内的图像采集设备实时采集人脸图像,并将从该人脸图像中提取到的人脸特征值作为待测人脸特征值置于消息队列中,使得在监听到消息队列中存在待测人脸特征值时,通过判断该待测人脸特征值是否为监测区域的登记用户的人脸特征值,并在该待测人脸特征值不是监测区域的登记用户的人脸特征值时,接着根据待测人脸特征值,判断预设的异常徘徊告警条件是否满足,并当异常徘徊告警条件满足时,进行异常徘徊告警,其中由于消息队列中的待测人脸特征是从图像采集设备实时采集到的人脸图像中提取到的,因此能对监测区域内的情况进行实时分析,达到实时监控监测区域的异常徘徊情况,避免造成严重的安全事故的效果。
附图说明
为了更清楚地说明本发明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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图示出的结构获得其他的附图。
图1为本发明实施例提供的一种异常徘徊监测方法的流程图;
图2为本发明具体实施例中将待测人脸特征值与异常徘徊表进行比对的流程图;
图3为本发明具体实施例中判断异常徘徊告警条件是否满足的流程图;
图4为本发明具体实施例中进行异常徘徊告警的流程图;
图5为本发明具体实施例中异常徘徊监测装置的结构示意图;
图6为本发明具体实施例中异常徘徊监测设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
如图1所示,本发明的具体实施例提供了一种异常徘徊监测方法,包括:
步骤11,监听消息队列中是否存在待测人脸特征值,当消息队列中存在待测人脸特征值时,执行步骤12。
其中,上述消息队列中存储有从设置于监测区域内的图像采集设备实时采集到的人脸图像中提取到的人脸特征值,即上述待测人脸特征值是从设置于监测区域内的图像采集设备实时采集到的人脸图像中提取到的,该监测区域可以为社区、学校、医院等区域。具体的,图像采集设备在采集到监测区域内的图像数据时,会实时将该图像数据传输至图像处理设备,使图像处理设备在提取到该图像数据中人脸图像的人脸特征值后,将该人脸特征值作为待测人脸特征值发送至上述消息队列,以便后续能对该待测人脸特征值进行实时分析,确定监测区域内是否存在异常徘徊情况,并在存在异常徘徊情况时,进行异常徘徊告警,避免造成严重的安全事故。
可以理解的是,在本发明的具体实施例中,作为一个优选的示例,上述图像处理设备可以为抓拍机、摄像头等设备,以快速、便捷、清晰地采集到监测区域内的实时图像数据。
且在本发明的具体实施例中,执行上述异常徘徊监测方法的系统服务器会监听消息队列中是否存在待测人脸特征值,并当消息队列中存在待测人脸特征值时,启用一个独立线程执行后续步骤,以快速对该待测人脸特征值进行分析处理,实现实时监测被监测区域内的异常徘徊情况,避免造成严重的安全事故。
步骤12,判断待测人脸特征值是否为监测区域的登记用户的人脸特征值,当待测人脸特征值不是监测区域的登记用户的人脸特征值时,执行步骤13。
其中,在本发明的具体实施例中,可通过将待测人脸特征值与预先存储的监测区域的所有登记用户的人脸特征值进行比对的方式,确定待测人脸特征值是否为监测区域的登记用户的人脸特征值。
具体的,上述步骤12的具体实现方式可以为:判断监测区域的用户登记表中记录的监测区域的所有登记用户的人脸特征值中,是否存在与待测人脸特征值匹配的登记用户的人脸特征值,当监测区域的用户登记表中记录的监测区域的所有登记用户的人脸特征值中,存在与待测人脸特征值匹配的登记用户的人脸特征值时,确定待测人脸特征值是监测区域的登记用户的人脸特征值;而当监测区域的用户登记表中记录的监测区域的所有登记用户的人脸特征值中,不存在与待测人脸特征值匹配的登记用户的人脸特征值时,确定待测人脸特征值不是监测区域的登记用户的人脸特征值。
可以理解的是,在本发明的具体实施例中,当待测人脸特征值是监测区域的登记用户的人脸特征值时,则确定该待测人脸特征值对应的人员为监测区域的登记用户,不需要对该待测人脸特征值作进一步的分析,结束流程即可。而当待测人脸特征值不是监测区域的登记用户的人脸特征值时,需要对该待测人脸特征值作进一步的分析,进入后续步骤13,以分析确定监测区域内是否存在异常徘徊情况,并在存在异常徘徊情况时,进行异常徘徊告警,避免造成严重的安全事故。
步骤13,根据待测人脸特征值,判断预设的异常徘徊告警条件是否满足,当异常徘徊告警条件满足时,执行步骤14。
其中,上述异常徘徊告警条件可根据实际需求进行设定,如在预设监测时间周期内该待测人脸特征值被采集到的次数是否已达到预设数量(如次数大于预设数量(例如10次)),其中,预设监测时间周期可根据实际监控需求确定,可以具体为每天的某个时间段。
步骤14,进行异常徘徊告警。
其中,在本发明的具体实施例中,当待测人脸特征值满足异常徘徊告警条件时,会进行异常徘徊告警,以及时提醒相关人员对监测区域内的异常徘徊情况进行处理,避免发生严重的安全事故。
具体的,在本发明的具体实施例中,进行异常徘徊告警的方式有多种,如在显示界面显示与待测人脸特征值对应的相关图片,同时文字提示存在异常徘徊情况;在显示界面显示与待测人脸特征值对应的相关图片的同时,语音提醒存在异常徘徊情况等,以使相关人员及时了解到监测区域内存在异常徘徊情况,及时采取相应措施,避免发生严重的安全事故。
其中,在本发明的具体实施例中,上述方法还包括判断待测人脸特征值是否为监测区域的陌生用户的人脸特征值,并根据判断结果对该待测人脸特征值执行相关存储操作的步骤,以便后续判断预设的异常徘徊告警条件是否满足。
具体的,如图2所示,上述方法包括如下步骤:
步骤21,判断预先存储的异常徘徊表中记录的所有陌生用户的人脸特征值中是否存在与待测人脸特征值匹配的陌生用户的人脸特征值,当异常徘徊表中记录的所有陌生用户的人脸特征值中存在与待测人脸特征值匹配的陌生用户的人脸特征值时,执行步骤22;当异常徘徊表中记录的所有陌生用户的人脸特征值中不存在与待测人脸特征值匹配的陌生用户的人脸特征值时,执行步骤23。
其中,异常徘徊表中还记录有每个陌生用户的人脸特征值对应的用户标识信息和抓拍记录信息,每个陌生用户的人脸特征值对应的抓拍记录信息均包括该陌生用户的人脸特征值在预设监测时间周期的开始时间点至当前时间点之间被采集到的所有历史时间点。
即,在异常徘徊表中,针对每个陌生用户的人脸特征值,都存储了该人脸特征值,以及该人脸特征值对应的用户标识信息(如编号)和抓拍记录信息,该抓拍记录信息用于记录该人脸特征值在预设监测时间周期的开始时间点至当前时间点之间被采集到的所有历史时间点。
步骤22,将待测人脸特征值被采集到的第一时间点,添加至与待测人脸特征值匹配的陌生用户的人脸特征值对应的抓拍记录信息中。
需要说明的是,在上述步骤22执行完之后,进入上述步骤13,以判断预设的异常徘徊告警条件是否满足,并在异常徘徊告警条件满足时,进行异常徘徊告警,避免造成严重的安全事故。
步骤23,判断待测人脸特征值是否为监测区域的登记用户的人脸特征值,并当待测人脸特征值不是监测区域的登记用户的人脸特征值时,在异常徘徊表中添加待测人脸特征值、待测人脸特征值对应的用户标识信息和抓拍记录信息。
其中,待测人脸特征值对应的抓拍记录信息包括待测人脸特征值被采集到的第一时间点。
即,在本发明的具体实施例中,当异常徘徊表中存在与待测人脸特征值匹配的陌生用户的人脸特征值时,将该待测人脸特征值被采集到的第一时间点添加至与待测人脸特征值匹配的陌生用户的人脸特征值对应的抓拍记录信息中;而当异常徘徊表中不存在与待测人脸特征值匹配的陌生用户的人脸特征值时,需要先确定该待测人脸特征值对应的人员是否为监测区域的登记用户(具体可通过将待测人脸特征值与预先存储的监测区域的所有登记用户的人脸特征值进行比对的方式确定,其中由于前文已详细阐述了具体的比对过程,因此在此为避免过多重复,在此不对比对过程进行赘述),只有当该待测人脸特征值对应的人员不是监测区域的登记用户时,添加该待测人脸特征值的记录,即,在异常徘徊表中添加待测人脸特征值、待测人脸特征值对应的用户标识信息和抓拍记录信息,以便后续判断待测人脸特征值是否满足预设的异常徘徊告警条件。
当然在执行上述步骤22,将待测人脸特征值被采集到的第一时间点添加至相应的抓拍记录信息中之前,上述方法还包括判断该待测人脸特征值上一次被采集到的时间与第一时间点的时间间隔是否大于预设时间间隔,若大于,则清除该待测人脸特征值对应的抓拍记录信息中的所有历史时间点。因为若该待测人脸特征值上一次被采集到的时间与第一时间点的时间间隔大于预设时间间隔,则该待测人脸特征值上一次被采集到的时间与第一时间点的时间间隔较长,此时若还参考该待测人脸特征值之前被采集到的历史时间点判断异常徘徊情况,准确度不高,例如社区的外卖员就很可能在用餐高峰期的时间段内出现多次,但这并不属于异常徘徊情况。
具体的,在执行上述步骤22,将待测人脸特征值被采集到的第一时间点添加至相应的抓拍记录信息中之前,上述方法还包括如下步骤:
步骤一,根据异常徘徊表中记录的所有陌生用户的抓拍记录信息,确定与待测人脸特征值匹配的陌生用户的人脸特征值对应的所有历史时间点中,距离待测人脸特征值被采集到的第一时间点最近的目标时间点。
其中,上述目标时间点即为待测人脸特征值上一次被采集到的时间点。
步骤二,判断目标时间点与第一时间点之间的时间差是否大于预设时间间隔,当目标时间点与第一时间点之间的时间差大于预设时间间隔时,执行步骤三。
其中,上述预设时间间隔可根据具体的监控需求进行设定,例如60分钟、90分钟等。
步骤三,删除与待测人脸特征值匹配的陌生用户的人脸特征值对应的抓拍记录信息中的所有历史时间点。
即,在本发明的具体实施例中,当待测人脸特征值上一次被采集到的时间点距离第一时间点的时间间隔大于预设时间间隔时,需要删除该待测人脸特征值对应的抓拍记录信息中的所有历史时间点,以确保后续判断该待测人脸特征值是否满足预设的异常徘徊告警条件的准确性。
其中,在本发明的具体实施例中,如图3所示,上述步骤13,根据待测人脸特征值,判断预设的异常徘徊告警条件是否满足的具体实现方式包括如下步骤:
步骤31,判断与待测人脸特征值匹配的陌生用户的人脸特征值对应的抓拍记录信息中的历史时间点的数量是否大于预设数量,当数量大于预设数量时,执行步骤32;当数量小于或等于预设数量时,执行步骤33;
步骤32,确定异常徘徊告警条件满足;
步骤33,确定异常徘徊告警条件不满足。
其中,在本发明的具体实施例中,在异常徘徊表中,针对每个陌生用户的人脸特征值而言,陌生用户的人脸特征值对应的拍记录信息中历史时间点的数量即表征了该陌生用户出现在监测区域内的次数。因此若待测人脸特征值匹配的陌生用户的人脸特征值对应的抓拍记录信息中的历史时间点的数量大于预设数量,则表征该待测人脸特征值对应的陌生用户出现在监测区域内的次数大于预设数量,可以判定异常徘徊告警条件满足,反之,则判定异常徘徊告警条件不满足。当然可以理解的是,该预设数量的具体数值可根据实际需要进行设定,在本发明的具体实施例中并不限定其具体数值。
相应的,在本发明的具体实施例中,如图4所示,上述步骤14,进行异常徘徊告警的具体实现方式包括如下步骤:
步骤41,将待测人脸特征值对应的用户标识信息、待测人脸特征值对应的抓拍记录信息,以及待测人脸特征值对应的、且在该抓拍记录信息中每个历史时间点被设置于监测区域内的图像采集设备采集到的图片的地址信息发送至消息队列中。
其中,待测人脸特征值对应的用户标识信息和抓拍记录信息即为,异常徘徊表中与待测人脸特征值匹配的陌生用户的人脸特征值对应的用户标识信息和抓拍记录信息,且上述图片的地址信息可以具体为统一资源定位符(URL,Uniform Resource Locator),以便后续快速获取到对应的图片。
步骤42,从消息队列中提取待测人脸特征值对应的用户标识信息、待测人脸特征值对应的抓拍记录信息,以及待测人脸特征值对应的、且在该抓拍记录信息中每个历史时间点被设置于监测区域内的图像采集设备采集到的图片的地址信息。
其中,在本发明的具体实施例中,将待测人脸特征值对应的用户标识信息、待测人脸特征值对应的抓拍记录信息,以及待测人脸特征值对应的、且在该抓拍记录信息中每个历史时间点被设置于监测区域内的图像采集设备采集到的图片的地址信息先发送至消息队列,然后再从该消息队列提取这些信息是为了确保整体的性能,避免数据紊乱。
且在本发明的具体实施例中,作为一个优选的示例,上述消息队列可以为kafka消息队列,Kafka是由Linkedin开发的一个分布式的消息队列系统(Message Queue)。
步骤43,根据提取到各图片的地址信息,获取待测人脸特征值对应的、且在该抓拍记录信息中每个历史时间点被设置于监测区域内的图像采集设备采集到的图片。
步骤44,输出用于提示监测区域内存在异常徘徊人员的异常徘徊告警信息。
其中,异常徘徊告警信息包括待测人脸特征值对应的用户标识信息、待测人脸特征值对应的抓拍记录信息,以及待测人脸特征值对应的、且在该抓拍记录信息中每个历史时间点被设置于监测区域内的图像采集设备采集到的图片。
即,在本发明的具体实施例中,输出的异常徘徊告警信息中包含该待测人脸特征值对应的用户标识信息、被采集到的历史时间点,以及在每个历史时间点被图像采集设备采集到的图片,以使相关人员能快速清楚该该待测人脸特征值的相关具体信息,以便及时采取相关措施,例如报警等,以避免造成严重的安全事故。
具体的,在本发明的具体实施例中,可通过显示屏显示的方式,输出上述异常徘徊告警信息,当然还可通过扬声器播报和显示屏显示实现的方式,输出上述异常徘徊告警信息,以使相关人员快速了解到监测区域内存在异常徘徊情况,及时采取相关措施,避免发生严重的安全事故。需要说明的是,为便于管理,显示屏和扬声器在输出异常徘徊告警信息时,设定有有效时间,即只在该有效时间内输出异常徘徊告警信息,超过该有效时间,便不再输出异常徘徊告警信息。
由此可见,在本发明的具体实施例中,通过监测区域内的图像采集设备实时采集人脸图像,并将从该人脸图像中提取到的人脸特征值作为待测人脸特征值置于消息队列中,使得在监听到消息队列中存在待测人脸特征值时,通过判断该待测人脸特征值是否为监测区域的登记用户的人脸特征值,并在该待测人脸特征值不是监测区域的登记用户的人脸特征值时,接着根据待测人脸特征值,判断预设的异常徘徊告警条件是否满足,并当异常徘徊告警条件满足时,进行异常徘徊告警,其中由于消息队列中的待测人脸特征是从图像采集设备实时采集到的人脸图像中提取到的,因此能对监测区域内的情况进行实时分析,达到实时监控被监测区域的异常徘徊情况,避免造成严重的安全事故的效果。同时还能降低监测区域的安保成本,提升安保效率。
另外,如图5所示,本发明的具体实施例还提供了一种异常徘徊监测装置,该异常徘徊监测装置5包括监听模块501、第一判断模块502、第二判断模块503和告警模块504。
其中,监听模块501,用于监听消息队列中是否存在待测人脸特征值,并当消息队列中存在待测人脸特征值时,触发第一判断模块502;其中,消息队列中存储有从设置于监测区域内的图像采集设备实时采集到的人脸图像中提取到的人脸特征值。
第一判断模块502,用于根据监听模块501的触发,判断待测人脸特征值是否为监测区域的登记用户的人脸特征值,并当待测人脸特征值不是监测区域的登记用户的人脸特征值时,触发第二判断模块503。
第二判断模块503,用于根据第一判断模块502的触发,根据待测人脸特征值,判断预设的异常徘徊告警条件是否满足,并当异常徘徊告警条件满足时,触发告警模块504。
告警模块504,用于根据第二判断模块503的触发,进行异常徘徊告警。
需要说明的是,本发明具体实施例提供的异常徘徊监测装置5为与上述异常徘徊监测方法对应的装置,上述异常徘徊监测方法的所有实施例均适用于该异常徘徊监测装置5,上述异常徘徊监测装置5实施例中均有相应的模块对应上述异常徘徊监测方法中的步骤,能达到相同或相似的有益效果,为避免过多重复,在此不对异常徘徊监测装置5中的每一模块进行过多赘述。
如图6所示,本发明的具体实施例还提供了一种异常徘徊监测设备,该异常徘徊监测设备6包括存储器61、处理器62以及存储在存储器61中并可在处理器62上运行的计算机程序63,该处理器62执行计算机程序63时实现上述的异常徘徊监测方法的步骤。
具体的,处理器62执行计算机程序63时实现如下步骤:监听消息队列中是否存在待测人脸特征值;当消息队列中存在待测人脸特征值时,判断待测人脸特征值是否为监测区域的登记用户的人脸特征值;当待测人脸特征值不是监测区域的登记用户的人脸特征值时,根据待测人脸特征值,判断预设的异常徘徊告警条件是否满足;当异常徘徊告警条件满足时,进行异常徘徊告警。其中,消息队列中存储有从设置于监测区域内的图像采集设备实时采集到的人脸图像中提取到的人脸特征值。
可选的,处理器62执行计算机程序63时还实现如下步骤:判断监测区域的用户登记表中记录的监测区域的所有登记用户的人脸特征值中,是否存在与待测人脸特征值匹配的登记用户的人脸特征值;当监测区域的用户登记表中记录的监测区域的所有登记用户的人脸特征值中,存在与待测人脸特征值匹配的登记用户的人脸特征值时,确定待测人脸特征值是监测区域的登记用户的人脸特征值;当监测区域的用户登记表中记录的监测区域的所有登记用户的人脸特征值中,不存在与待测人脸特征值匹配的登记用户的人脸特征值时,确定待测人脸特征值不是监测区域的登记用户的人脸特征值。
可选的,处理器62执行计算机程序63时还实现如下步骤:判断预先存储的异常徘徊表中记录的所有陌生用户的人脸特征值中是否存在与待测人脸特征值匹配的陌生用户的人脸特征值;当异常徘徊表中记录的所有陌生用户的人脸特征值中存在与待测人脸特征值匹配的陌生用户的人脸特征值时,将待测人脸特征值被采集到的第一时间点,添加至与待测人脸特征值匹配的陌生用户的人脸特征值对应的抓拍记录信息中,并进入根据待测人脸特征值,判断预设的异常徘徊告警条件是否满足的步骤。其中,异常徘徊表中还记录有每个陌生用户的人脸特征值对应的用户标识信息和抓拍记录信息,每个陌生用户的人脸特征值对应的抓拍记录信息均包括该陌生用户的人脸特征值在预设监测时间周期的开始时间点至当前时间点之间被采集到的所有历史时间点。
可选的,处理器62执行计算机程序63时还实现如下步骤:当异常徘徊表中记录的所有陌生用户的人脸特征值中不存在与待测人脸特征值匹配的陌生用户的人脸特征值时,判断待测人脸特征值是否为监测区域的登记用户的人脸特征值,并当待测人脸特征值不是监测区域的登记用户的人脸特征值时,在异常徘徊表中添加待测人脸特征值、待测人脸特征值对应的用户标识信息和抓拍记录信息;其中,待测人脸特征值对应的抓拍记录信息包括待测人脸特征值被采集到的第一时间点。
可选的,处理器62执行计算机程序63时还实现如下步骤:根据异常徘徊表中记录的所有陌生用户的抓拍记录信息,确定与待测人脸特征值匹配的陌生用户的人脸特征值对应的所有历史时间点中,距离待测人脸特征值被采集到的第一时间点最近的目标时间点;判断目标时间点与第一时间点之间的时间差是否大于预设时间间隔;当目标时间点与第一时间点之间的时间差大于预设时间间隔时,删除与待测人脸特征值匹配的陌生用户的人脸特征值对应的抓拍记录信息中的所有历史时间点。
可选的,处理器62执行计算机程序63时还实现如下步骤:判断与待测人脸特征值匹配的陌生用户的人脸特征值对应的抓拍记录信息中的历史时间点的数量是否大于预设数量;当数量大于预设数量时,确定异常徘徊告警条件满足;当数量小于或等于预设数量时,确定异常徘徊告警条件不满足。
可选的,处理器62执行计算机程序63时还实现如下步骤:将待测人脸特征值对应的用户标识信息、待测人脸特征值对应的抓拍记录信息,以及待测人脸特征值对应的、且在该抓拍记录信息中每个历史时间点被设置于监测区域内的图像采集设备采集到的图片的地址信息发送至消息队列中;从消息队列中提取待测人脸特征值对应的用户标识信息、待测人脸特征值对应的抓拍记录信息,以及待测人脸特征值对应的、且在该抓拍记录信息中每个历史时间点被设置于监测区域内的图像采集设备采集到的图片的地址信息;根据提取到各图片的地址信息,获取待测人脸特征值对应的、且在该抓拍记录信息中每个历史时间点被设置于监测区域内的图像采集设备采集到的图片;输出用于提示监测区域内存在异常徘徊人员的异常徘徊告警信息;其中,异常徘徊告警信息包括待测人脸特征值对应的用户标识信息、待测人脸特征值对应的抓拍记录信息,以及待测人脸特征值对应的、且在该抓拍记录信息中每个历史时间点被设置于监测区域内的图像采集设备采集到的图片。
即,在本发明的具体实施例中,异常徘徊监测设备6的处理器62执行计算机程序63时实现上述的异常徘徊监测方法的步骤,能实时监测监测区域的异常徘徊情况,避免造成严重的安全事故。当然计算机程序63可具体采用Python语言实现。
示例性的,上述异常徘徊监测设备6可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该异常徘徊监测设备6可包括,但不仅限于处理器62、存储器61。本领域技术人员可以理解,所述示意图仅仅是异常徘徊监测设备6的示例,并不构成对异常徘徊监测设备6的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如异常徘徊监测设备6还可以包括输入输出设备、网络接入设备、总线等。
需要说明的是,由于异常徘徊监测设备6的处理器62执行计算机程序63时实现上述的异常徘徊监测方法的步骤,因此上述异常徘徊监测方法的所有实施例均适用于该异常徘徊监测设备6,且均能达到相同或相似的有益效果。
此外,本发明的具体实施例还提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现上述的异常徘徊监测方法的步骤。
即,在本发明的具体实施例中,计算机可读存储介质的计算机程序被处理器执行时实现上述的异常徘徊监测方法的步骤,能实时监测监测区域的异常徘徊情况,避免造成严重的安全事故。
示例性的,计算机可读存储介质的计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
需要说明的是,由于计算机可读存储介质的计算机程序被处理器执行时实现上述的异常徘徊监测方法的步骤,因此上述异常徘徊监测方法的所有实施例均适用于该计算机可读存储介质,且均能达到相同或相似的有益效果。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种异常徘徊监测方法,其特征在于,包括:
监听消息队列中是否存在待测人脸特征值;其中,所述消息队列中存储有从设置于监测区域内的图像采集设备实时采集到的人脸图像中提取到的人脸特征值;
当所述消息队列中存在待测人脸特征值时,判断所述待测人脸特征值是否为所述监测区域的登记用户的人脸特征值;
当所述待测人脸特征值不是所述监测区域的登记用户的人脸特征值时,根据所述待测人脸特征值,判断预设的异常徘徊告警条件是否满足;
当所述异常徘徊告警条件满足时,进行异常徘徊告警。
2.根据权利要求1所述的方法,其特征在于,所述判断所述待测人脸特征值是否为所述监测区域的登记用户的人脸特征值的步骤,包括:
判断所述监测区域的用户登记表中记录的所述监测区域的所有登记用户的人脸特征值中,是否存在与所述待测人脸特征值匹配的登记用户的人脸特征值;
当所述监测区域的用户登记表中记录的所述监测区域的所有登记用户的人脸特征值中,存在与所述待测人脸特征值匹配的登记用户的人脸特征值时,确定所述待测人脸特征值是所述监测区域的登记用户的人脸特征值;
当所述监测区域的用户登记表中记录的所述监测区域的所有登记用户的人脸特征值中,不存在与所述待测人脸特征值匹配的登记用户的人脸特征值时,确定所述待测人脸特征值不是所述监测区域的登记用户的人脸特征值。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
判断预先存储的异常徘徊表中记录的所有陌生用户的人脸特征值中是否存在与所述待测人脸特征值匹配的陌生用户的人脸特征值;其中,所述异常徘徊表中还记录有每个陌生用户的人脸特征值对应的用户标识信息和抓拍记录信息,每个陌生用户的人脸特征值对应的抓拍记录信息均包括该陌生用户的人脸特征值在预设监测时间周期的开始时间点至当前时间点之间被采集到的所有历史时间点;
当所述异常徘徊表中记录的所有陌生用户的人脸特征值中存在与所述待测人脸特征值匹配的陌生用户的人脸特征值时,将所述待测人脸特征值被采集到的第一时间点,添加至与所述待测人脸特征值匹配的陌生用户的人脸特征值对应的抓拍记录信息中,并进入所述根据所述待测人脸特征值,判断预设的异常徘徊告警条件是否满足的步骤。
4.根据权利要求3所述的方法,其特征在于,在所述判断预先存储的异常徘徊表中记录的所有陌生用户的人脸特征值中是否存在与所述待测人脸特征值匹配的陌生用户的人脸特征值的步骤之后,所述方法还包括:
当所述异常徘徊表中记录的所有陌生用户的人脸特征值中不存在与所述待测人脸特征值匹配的陌生用户的人脸特征值时,判断所述待测人脸特征值是否为所述监测区域的登记用户的人脸特征值,并当所述待测人脸特征值不是所述监测区域的登记用户的人脸特征值时,在所述异常徘徊表中添加所述待测人脸特征值、所述待测人脸特征值对应的用户标识信息和抓拍记录信息;其中,所述待测人脸特征值对应的抓拍记录信息包括所述待测人脸特征值被采集到的第一时间点。
5.根据权利要求3所述的方法,其特征在于,在所述将所述待测人脸特征值被采集到的第一时间点,添加至与所述待测人脸特征值匹配的陌生用户的人脸特征值对应的抓拍记录信息中的步骤之前,所述方法还包括:
根据所述异常徘徊表中记录的所有陌生用户的抓拍记录信息,确定与所述待测人脸特征值匹配的陌生用户的人脸特征值对应的所有历史时间点中,距离所述待测人脸特征值被采集到的所述第一时间点最近的目标时间点;
判断所述目标时间点与所述第一时间点之间的时间差是否大于预设时间间隔;
当所述目标时间点与所述第一时间点之间的时间差大于所述预设时间间隔时,删除与所述待测人脸特征值匹配的陌生用户的人脸特征值对应的抓拍记录信息中的所有历史时间点。
6.根据权利要求3或5所述的方法,其特征在于,所述根据所述待测人脸特征值,判断预设的异常徘徊告警条件是否满足的步骤,包括:
判断与所述待测人脸特征值匹配的陌生用户的人脸特征值对应的抓拍记录信息中的历史时间点的数量是否大于预设数量;
当所述数量大于所述预设数量时,确定所述异常徘徊告警条件满足;
当所述数量小于或等于所述预设数量时,确定所述异常徘徊告警条件不满足。
7.根据权利要求3所述的方法,其特征在于,所述进行异常徘徊告警的步骤,包括:
将所述待测人脸特征值对应的用户标识信息、所述待测人脸特征值对应的抓拍记录信息,以及所述待测人脸特征值对应的、且在该抓拍记录信息中每个历史时间点被设置于监测区域内的图像采集设备采集到的图片的地址信息发送至所述消息队列中;
从所述消息队列中提取所述待测人脸特征值对应的用户标识信息、所述待测人脸特征值对应的抓拍记录信息,以及所述待测人脸特征值对应的、且在该抓拍记录信息中每个历史时间点被设置于监测区域内的图像采集设备采集到的图片的地址信息;
根据提取到各图片的地址信息,获取所述待测人脸特征值对应的、且在该抓拍记录信息中每个历史时间点被设置于监测区域内的图像采集设备采集到的图片;
输出用于提示所述监测区域内存在异常徘徊人员的异常徘徊告警信息;其中,所述异常徘徊告警信息包括所述待测人脸特征值对应的用户标识信息、所述待测人脸特征值对应的抓拍记录信息,以及所述待测人脸特征值对应的、且在该抓拍记录信息中每个历史时间点被设置于监测区域内的图像采集设备采集到的图片。
8.一种异常徘徊监测装置,其特征在于,包括:
监听模块,用于监听消息队列中是否存在待测人脸特征值,并当所述消息队列中存在待测人脸特征值时,触发第一判断模块;其中,所述消息队列中存储有从设置于监测区域内的图像采集设备实时采集到的人脸图像中提取到的人脸特征值;
所述第一判断模块,用于根据所述监听模块的触发,判断所述待测人脸特征值是否为所述监测区域的登记用户的人脸特征值,并当所述待测人脸特征值不是所述监测区域的登记用户的人脸特征值时,触发第二判断模块;
所述第二判断模块,用于根据所述第一判断模块的触发,根据所述待测人脸特征值,判断预设的异常徘徊告警条件是否满足,并当所述异常徘徊告警条件满足时,触发告警模块;
所述告警模块,用于根据所述第二判断模块的触发,进行异常徘徊告警。
9.一种异常徘徊监测设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的异常徘徊监测方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的异常徘徊监测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811064085.4A CN110895668A (zh) | 2018-09-12 | 2018-09-12 | 异常徘徊监测方法、装置、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811064085.4A CN110895668A (zh) | 2018-09-12 | 2018-09-12 | 异常徘徊监测方法、装置、设备及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110895668A true CN110895668A (zh) | 2020-03-20 |
Family
ID=69785163
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811064085.4A Pending CN110895668A (zh) | 2018-09-12 | 2018-09-12 | 异常徘徊监测方法、装置、设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110895668A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112733814A (zh) * | 2021-03-30 | 2021-04-30 | 上海闪马智能科技有限公司 | 一种基于深度学习的行人徘徊滞留检测方法、系统及介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101505412A (zh) * | 2009-03-11 | 2009-08-12 | 上海伯里春贸易有限公司 | 宾馆、写字楼和娱乐场所人像采集识别监控系统及方法 |
CN103093528A (zh) * | 2012-12-28 | 2013-05-08 | 中山大学 | 一种小区车辆和人员智能监控系统 |
CN103258191A (zh) * | 2013-05-15 | 2013-08-21 | 苏州福丰科技有限公司 | 基于人脸识别的小区门禁系统 |
CN104239851A (zh) * | 2014-07-25 | 2014-12-24 | 重庆科技学院 | 基于行为分析的智能小区巡检系统及其控制方法 |
CN105678247A (zh) * | 2015-12-30 | 2016-06-15 | 武汉大学 | 徘徊事件时空大数据分析的异常行为预警方法及系统 |
CN106128053A (zh) * | 2016-07-18 | 2016-11-16 | 四川君逸数码科技股份有限公司 | 一种智慧金睛识别人员逗留徘徊报警方法和装置 |
CN106454253A (zh) * | 2016-11-02 | 2017-02-22 | 北京弘恒科技有限公司 | 区域徘徊的检测方法及系统 |
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 |
-
2018
- 2018-09-12 CN CN201811064085.4A patent/CN110895668A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101505412A (zh) * | 2009-03-11 | 2009-08-12 | 上海伯里春贸易有限公司 | 宾馆、写字楼和娱乐场所人像采集识别监控系统及方法 |
CN103093528A (zh) * | 2012-12-28 | 2013-05-08 | 中山大学 | 一种小区车辆和人员智能监控系统 |
CN103258191A (zh) * | 2013-05-15 | 2013-08-21 | 苏州福丰科技有限公司 | 基于人脸识别的小区门禁系统 |
CN104239851A (zh) * | 2014-07-25 | 2014-12-24 | 重庆科技学院 | 基于行为分析的智能小区巡检系统及其控制方法 |
CN105678247A (zh) * | 2015-12-30 | 2016-06-15 | 武汉大学 | 徘徊事件时空大数据分析的异常行为预警方法及系统 |
CN106128053A (zh) * | 2016-07-18 | 2016-11-16 | 四川君逸数码科技股份有限公司 | 一种智慧金睛识别人员逗留徘徊报警方法和装置 |
CN106454253A (zh) * | 2016-11-02 | 2017-02-22 | 北京弘恒科技有限公司 | 区域徘徊的检测方法及系统 |
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 |
Non-Patent Citations (1)
Title |
---|
管健: "南京信息职业技术学院数字化安防系统设计", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112733814A (zh) * | 2021-03-30 | 2021-04-30 | 上海闪马智能科技有限公司 | 一种基于深度学习的行人徘徊滞留检测方法、系统及介质 |
CN112733814B (zh) * | 2021-03-30 | 2021-06-22 | 上海闪马智能科技有限公司 | 一种基于深度学习的行人徘徊滞留检测方法、系统及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109657564B (zh) | 一种人员在岗检测方法、装置、存储介质及终端设备 | |
CN106961632B (zh) | 视频质量分析方法及装置 | |
CN112230824B (zh) | 人机交互系统的数据处理方法、装置及电子设备 | |
CN112419639A (zh) | 一种视频信息的获取方法及装置 | |
CN111372091A (zh) | 一种直播内容风险信息控制方法及系统 | |
CN110895663B (zh) | 一种两轮车识别方法、装置、电子设备及监控系统 | |
CN110895668A (zh) | 异常徘徊监测方法、装置、设备及计算机可读存储介质 | |
CN114139016A (zh) | 一种智慧小区的数据处理方法及系统 | |
CN109639456A (zh) | 一种自动化告警的改进方法及告警数据的自动化处理平台 | |
CN112333553A (zh) | 预警方法、装置、智能电视及计算机可读存储介质 | |
CN112087455A (zh) | 一种waf站点防护规则生成方法、系统、设备及介质 | |
CN111506769A (zh) | 视频文件的处理方法、装置、存储介质及电子装置 | |
CN112419638B (zh) | 一种告警视频的获取方法及装置 | |
CN110751125A (zh) | 穿戴检测方法及装置 | |
CN113486342A (zh) | 一种基于用户行为分析的信息安全处理方法及系统 | |
CN111291259B (zh) | 一种数据筛选方法、装置、电子设备和存储介质 | |
CN114529497A (zh) | 老化的屏幕的检测方法、系统、存储介质以及计算机设备 | |
CN112241671B (zh) | 一种人员身份识别方法、装置及系统 | |
CN112579833A (zh) | 基于用户操作数据的业务关联关系获取方法及装置 | |
CN110163043B (zh) | 面部检测方法、装置、存储介质及电子装置 | |
CN112508761A (zh) | 实时预警方法、装置及系统 | |
CN110807344A (zh) | 基于图像分析的特殊用户监控方法、设备及存储介质 | |
CN110941639A (zh) | 数据处理、数据查询方法、装置以及设备 | |
CN109918222B (zh) | 应用程序的dump分析方法及系统 | |
CN109739401B (zh) | 一种用户特征数据管理系统及其界面显示方法及相关设备 |
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: 20200320 |