CN111008568B - 逃票检测方法及其相关装置 - Google Patents
逃票检测方法及其相关装置 Download PDFInfo
- Publication number
- CN111008568B CN111008568B CN201911084164.6A CN201911084164A CN111008568B CN 111008568 B CN111008568 B CN 111008568B CN 201911084164 A CN201911084164 A CN 201911084164A CN 111008568 B CN111008568 B CN 111008568B
- Authority
- CN
- China
- Prior art keywords
- gate
- monitored
- monitored person
- information
- ticket
- 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.)
- Active
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
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07B—TICKET-ISSUING APPARATUS; FARE-REGISTERING APPARATUS; FRANKING APPARATUS
- G07B11/00—Apparatus for validating or cancelling issued tickets
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Devices For Checking Fares Or Tickets At Control Points (AREA)
Abstract
本申请提供逃票检测方法及其相关装置。逃票检测方法包括:获取门禁区域的点云数据;通过点云数据确定被监控人员的位置信息;通过被监控人员的位置信息确定被监控人员的行为信息;根据行为信息判定被监控人员是否出现逃票行为。本申请的方法可以不需要太多的人力成本,监督效果好。
Description
技术领域
本申请涉及监控技术领域,特别是涉及逃票检测方法及其相关装置。
背景技术
随着时代的进步和科技的发展,闸机等门禁系统被作为检票装置应用在越来越多的领域,例如公共交通领域、旅游业领域。一般情况下,人们需要购票以通过闸机系统,但是也有些人通过跨越闸机等不正当手段进行逃票。针对逃票这一问题,目前主要通过人工监督的方式监督通过闸机的人员是否出现逃票行为,但是为达到人工监督的效果需要增加较多的人力成本,并且监督效率较差。
发明内容
本申请提供逃票检测方法及其相关装置,不需要太多的人力成本,监督效果好。
为解决技术问题,本申请提供一种逃票检测方法,该方法包括:获取门禁区域的点云数据;通过点云数据确定被监控人员的位置信息;通过被监控人员的位置信息确定被监控人员的行为信息;根据行为信息判定被监控人员是否出现逃票行为。
为解决技术问题,本申请提供一种逃票检测装置,该逃票检测装置包括处理器和存储器;存储器中存储有计算机程序,处理器用于执行计算机程序以实现如上述方法的步骤。
为解决技术问题,本申请提供一种计算机存储介质,其中存储有计算机程序,计算机程序被执行时实现逃票检测方法中的步骤。
本申请的方法是:先获取门禁区域的点云数据;然后通过获得的点云数据确定被监控人员的位置信息,然后可以根据被监控人员的位置信息确定被监控人员的行为轨迹,通过被监控人员的行为轨迹就可以知晓被监控人员是否出现逃票行为,简单方便,无需耗费太多人力,可以提高监督效率。
附图说明
为了更清楚地说明本申请实施方式中的技术方案,下面将对实施方式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申请的一些实施方式,对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获得其他的附图。
图1是本申请逃票检测方法第一实施方式的流程示意图;
图2是本申请逃票检测方法第二实施方式的流程示意图;
图3是本申请逃票检测装置一实施方式的结构示意图;
图4是本申请计算机存储介质一实施方式的结构示意图。
具体实施方式
为使本领域的技术人员更好地理解本申请的技术方案,下面结合附图和具体实施方式对本申请所提供的逃票检测方法及其相关装置做进一步详细描述。
具体请参阅图1,图1是本申请逃票检测方法第一实施方式的流程示意图。本实施方式逃票检测方法包括以下步骤。
S101:获取门禁区域的点云数据。
门禁区域的点云数据包括门禁系统进出口处及其附近的点云数据。该点云数据可以表征门禁系统进出口处及其附近的人和物体的三维空间位置,从而通过点云数据可以确定有何人和/或何物体出现在该区域,并且可以确定该人和/或该物体出现在何位置。
在一个实施方式中,获取门禁区域的点云数据的步骤可以包括:从相机获取门禁区域的图像信息,并且获取相机的内参和外参,通过标定相机的内外参,将获取到的门禁区域的图像信息转化为门禁区域的点云数据。并且,将获取到的门禁区域的图像信息转化为门禁区域的点云数据,可以包括:对门禁区域的图像信息进行校正;将校正后的图像信息转化为视差图;最终将视差图转化为点云数据。其中,相机可以是双目相机、景深相机或其他相机。另外,相机可以安装在门禁系统侧边,当然也可以安装在门禁系统的上方,这样不会因为遮挡问题导致无法确定监控人员是否出现逃票行为。
在另一实施方式中,通过激光雷达获取门禁区域的点云数据。具体地,激光雷达在采集数据时,向周围环境发射多个激光束,各个激光束遇到物体反射会激光雷达。激光雷达根据发射的各个激光束和返回的各个激光束可以得到点云数据。
S102:通过点云数据确定被监控人员的位置信息。
点云数据可以表征门禁系统进出口处及其附近的人和物体的三维空间位置。
在一个实施方式中,通过门禁区域的点云数据确定被监控人员的位置信息的步骤,可以包括:在门禁区域的点云数据中确定被监控人员的点云数据,通过被监控人员的点云数据计算出被监控人员的三维空间位置信息。
在门禁区域的点云数据中确定被监控人员的点云数据,包括:在被监控人员处于移动状态时,可以通过跟踪连续获得的点云数据中的被监控人员,确定被监控人员的点云数据。当然还可以通过其他方式确定被监控人员的点云数据。
其中,计算出的被监控人员的三维空间位置信息包括被监控人员的轮廓的位置信息、被监控人员的中心点的位置信息和/或被监控人员中身体各部分的位置信息。
具体地,可以先通过被监控人员的点云数据确定被监控人员的身体各部位的点云数据(可以根据身体各部位的特征确定被监控人员的身体各部位的点云数据),进而计算被监控人员中身体各部位的位置信息。
S103:通过被监控人员的位置信息确定被监控人员的行为信息。
可以通过被监控人员的位置信息确定被监控人员和多个参照物(例如闸机进口处的黄色警戒线、闸门、护栏和闸机出口线)/其余被监控人员的相对位置关系,进而确定被监控人员的行为信息。例如,被监控人员正在闸门所在处,则可以证明被监控人员正在通过闸门。又例如,被监控人员在闸机进口处的黄色警戒线和闸门之间的通道中,则可以判定被监控人员还在闸门进口处,即被监控人员还未通过闸门。又例如,被监控人员和其他被监控人员同处于闸门和闸机出口线之间的通道中,则可以判断被监控人员和其他被监控人员同处于闸门出口处,并且被监控人员已通过闸门。
当然,还可以结合持续获得的多个点云数据中被监控人员的位置信息确定被监控人员的行为轨迹、出现次数、停留时间、停留位置等行为信息。例如,可以通过多个点云数据中被监控人员的位置信息确定被监控人员通过闸门的时间段。可以通过在时间连续的多个点云数据中被监控人员的点云数据中的至少部分点位于闸门所在平面的多个点云数据确定被监控人员通过闸门的时间段。例如,有10点30分30秒-10点31分20获得的10份点云数据,获取时间相邻的两份点云数据之间的获取时间差为5秒,其中10点30分50秒-10点31分15秒之间获得的点云数据中被监控人员的点云数据中至少部分点落在闸门所在平面,可以确定被监控人员通过闸门的时间段大约为10点30分50秒-10点31分15秒。
S104:根据行为信息判定被监控人员是否出现逃票行为。
其中,识别装置可以通过判断分析出的行为信息是否满足预设条件确定被监控人员是否出现逃票行为。比如,被监控人员和其他被监控人员同处于闸门和闸机出口线之间的通道中,可以判定被监控人员出现逃票行为。
在此实施方式中,先获取门禁区域的点云数据;然后通过获得的点云数据确定被监控人员的位置信息,然后可以根据被监控人员的位置信息确定被监控人员的行为轨迹,通过被监控人员的行为轨迹就可以知晓被监控人员是否出现逃票行为,简单方便,无需耗费太多人力,可以提高监督效率。
具体请参阅图2,图2是本申请逃票检测方法第二实施方式的流程示意图。本实施方式逃票检测方法包括以下步骤。
S201:获取门禁区域的点云数据。
获取门禁区域的点云数据后,可以通过门禁区域的点云数据确定门禁区域的监控人员。通过门禁区域的点云数据确定被监控人员的方法可以如下所示。
具体地,可以通过分析门禁区域的点云数据确定门禁区域内的行动物体。并且可以获取到行动物体的图像信息,通过行动物体的图像信息分析行动物体的局部特征(例如头部、手部等局部特征)和/或整体特征(例如人体)判断行动物体是否为人。
在本实施方式中,可以将所有确定为人的行动物体作为被监控人员,这样可以在确定被监控人员的行为信息前,将不为人的行动物体(例如行李箱或推车)从被监控人员列表中剔除,避免将不为人的行动物体误判为逃票人员,降低误判率,提高逃票检测的准确性。行动物体的图像信息可以是RGB图像或灰度图像等。
其中,获得行动物体的图像信息的步骤,可以包括:可以从门禁区域内或门禁区域外的相机获取到包含有行动物体的图像信息,然后可以将门禁区域的点云数据与包含有行动物体的图像信息对比,确定行动物体的图像信息。
在通过门禁区域的图像信息获得门禁区域的点云数据时,获得行动物体的图像信息的步骤,或者可以包括:直接从门禁区域的图像信息中确定出行动物体的图像信息(可以通过行动物体在门禁区域的点云数据中的位置确定行动物体在门禁区域中的图像信息中的位置)。
当然,在其他实施方式中,还可以在确定行动物体是否为人后,从所有确定为人的行动物体中筛除掉至少部分免票人员(例如身高低于第一阈值的儿童和/或年龄超过第二阈值的老人),并将其余的人员作为被监控人员。
具体地,可以通过点云数据确定行动物体的身高,将身高低于第一阈值的行动物体确定为免票人员,将身高超过第一阈值且确定为人的行动物体作为被监控人员。或者,可以通过行动物体的人脸图像(行动物体的人脸图像可以从行动物体的图像信息中获得)确定行动物体的身份信息,从而可以通过行动物体的身份信息确定行动物体的年龄是否超过第二阈值,在行动物体的年龄超过第二阈值时确定行动物体为免票人员,可以将年龄低于第二阈值且确定为人的行动物体作为被监控人员。或者,可以将行动物体的人脸图像和/或行动物体的身份信息与免票数据库中的免票人员的人脸图像和/或身份信息匹配,若匹配成功,则确定行动物体为免票人员,可以将未匹配成功且确定为人的行动物体作为被监控人员。通过上述方式可以在确定被监控人员的行为信息前,将至少部分免票人员从被监控人员列表中剔除,避免将免票人员判断为逃票人员,提高逃票检测的准确性。
S202:通过点云数据确定被监控人员的位置信息。
通过门禁区域的点云数据确定门禁区域中的被监控人员后,可以确定被监控人员的位置信息。
S203:通过被监控人员的位置信息确定被监控人员的行为信息。
在本实施方式中,可以获取闸门或护栏的位置信息,通过被监控人员的位置信息、闸门或护栏的位置信息可以确定被监控人员的行为信息。例如,在被监控人员的位置从闸门一侧转换到闸门的另一侧,可以确定被监控人员穿过闸门。又例如,被监控人员一直出现在闸门的另一侧,则可以确定被监控人员未曾穿过闸门。可以理解的是,检测被监控人员是否穿过护栏的条件可以同样是这样。另外,可以通过按时间顺序获得多个门禁区域的点云数据中对被监控人员进行跟踪,可以更加精确地确定被监控人员的行为信息,从而为判断被监控人员是否出现逃票行为提供更准确的依据。
S204:根据行为信息判定被监控人员是否出现逃票行为。
当然通过被监控人员的位置信息确定被监控人员是否穿过闸门或护栏可以有两种结果。
两种结果之其一为被监控人员穿过闸门或护栏,此时可以确定被监控人员穿过闸门或护栏时闸门或护栏是否处于开启状态。
在闸门或护栏未处于开启状态时,可以确定被监控人员出现逃票情况。
不能判断闸门或护栏是否处于开启状态时,可以通过门禁区域的点云数据确定被监控人员的边界框;进而可以通过被监控人员的边界框确定被监控人员的身体形态是否出现多次异常;在被监控人员的身体形态出现多次异常时,可以确定被监控人员出现逃票行为。其中,判断被监控人员的身体形态是否出现异常的条件可以有多种:其一可以为被监控人员的边界框的顶部位置过高,即被监控人员可能处于跳跃状态;其二可以为被监控人员的边界框与被监控人员的所有正常动作(例如形状、站立等动作)的边界框均不匹配或相差较大时,可以确定被监控人员的动作可能出现异常;其三可以是被监控人员的边界框的宽度或长度尺寸过大,即被监控人员可能处于攀爬状态。当然,在其他实施方式中,通过被监控人员的身体形态持续出现异常时(即按时间顺序依次排列的多个门禁区域的点云数据中被监控人员的身体形态均出现异常),也可以确定被监控人员出现逃票行为。
两种结果之其二为被监控人员未曾穿过闸门和/或护栏,则此时可以确定被监控人员还未出现逃票行为。
进一步地,可以通过多种方式确定确定闸门或护栏是否开启。其一可以是:从闸机系统获取闸门的状态信息,获取到的闸门的状态信息表明闸门开启时确定闸门处于开启状态。其二可以是:通过门禁区域的点云数据确定闸门或护栏是否处于开启状态。具体地,在闸门或护栏包括两个门板时,可以通过两个门板之间的距离确定闸门或护栏是否处于开启状态。或者,在闸门或护栏仅包括一个门板时:可以通过门板当前所处的状态确定闸门或护栏是否处于开启状态;或者可以通过门板与门框的距离确定闸门或护栏是否处于开启状态。其三可以是,通过获取到的包含有闸门或护栏的图像信息中确定闸门或护栏是否处于开启状态,具体的判断方式可与通过门禁区域的点云数据判断闸门或护栏是否处于开启状态的方式一致。
S205:若确定被监控人员出现逃票行为,则获取被监控人员的人脸图像。
具体地,可以在确定被监控人员出现逃票行为时,直接从相机获取包含有被监控人员的人脸图像的图像信息。
当然,也可以在通过行动物体确定被监控人员的过程中,将获取到的被监控人员的人脸图像与被监控人员关联,以方便后续获取到被监控人员的人脸图像。
在一个实施方式中,在获取到被监控人员的人脸图像后,可以发出警报并呈现监控人员的人脸图像,方便提醒工作人员,并可以使工作人员及时知晓该逃票人员的信息。
在另一个实施方式中,在获取到被监控人员的人脸图像后,通过人脸图像确定被监控人员的身份信息,发出警报并呈现被监控人员的人脸图像和身份信息。方便提醒工作人员,并可以使工作人员及时知晓该逃票人员的信息,可以让工作人员及时找到逃票人员。
在又一个实施方式中,在获取到被监控人员的人脸图像后,将人脸图像加入到黑名单,以便后续通过黑名单中被监控人员的人脸图像限制被监控人员乘车、进入旅游景点和/或进行相关事务。从而通过限制被监控人员乘车、进入旅游景点和/或进行相关事务的方式,可以提醒被监控人员,做到警告作用。
在再一个实施方式中,在获取到被监控人员的人脸图像后,通过人脸图像确定被监控人员的身份信息,通过身份信息确定被监控人员的联系方式,通过联系方式与被监控人员联系。
当然,在其他实施方式中,还可以获取到被监控人员的人脸图像后,通过被监控人员的人脸图像确定被监控人员的身份信息,通过身份信息确定是否有与被监控人员相关联的卡,若有,可以从卡中划取被监控人员此次因逃票少花的金额。
另外,不仅可以通过第二实施方式中列举的行为信息判断被监控人员是否逃票,还可以通过其他种类的行为信息判断监控人员是否逃票。
在另一实施方式中,可以先获取闸机的出口线和闸门的位置信息,通过被监控人员的位置信息、闸机的出口线和闸门的位置信息可以确定被监控人员的行为信息。具体地,可以根据被监控人员的位置信息和闸机的出口线和闸门的位置信息确定被监控人员是否和其他人员共处于闸门和门禁系统的出口线之间的通道中。在被监控人员和其他被监控人员共处于闸门和闸机的出口线之间的通道中时,确定被监控人员出现逃票行为。
进一步地,可以在被监控人员和其他被监控人员共处于闸门和闸机的出口线之间的通道中时,确定闸门的开启状态;在闸门处于开启状态时,可以确定被监控人员出现逃票行为。
又例如,可以综合多个监控人员的行为信息和从闸机系统获取的刷票记录,在两次刷票之间有多个被监控人员通过闸门时,可以判断该多个被监控人员中有人出现逃票行为。
另例如,在被监控人员和另一被监控人员同处于闸机进口处的黄色警戒线和闸门之间的通道中,且闸门处于开启状态时,可以判断被监控人员出现逃票行为。
再例如,在被监控人员和另一被监控人员同处于闸机进口处的黄色警戒线和闸门之间的通道中,且被监控人员和另一被监控人员之间的距离低于第三阈值,且闸门处于开启状态时,可以判断被监控人员出现逃票行为,因为被监控人员和另一被监控人员之间的距离低于第三阈值时,可以判断被监控人员紧随另一被监控人员,想要尾随另一被监控人员穿过闸门。
上述逃票检测方法一般由逃票检测装置实现,因而本申请还提出一种逃票检测装置。请参阅图3,图3是本申请逃票检测装置一实施方式的结构示意图。本逃票检测装置10包括处理器12和存储器11;存储器11中存储有计算机程序,处理器12用于执行计算机程序以实现如上述逃票检测方法中的步骤。
上述逃票检测方法的逻辑过程以计算机程序呈现,在计算机程序方面,若其作为独立的软件产品销售或使用时,其可存储在计算机存储介质中,因而本申请提出一种计算机存储介质。请参阅图4,图4是本申请计算机存储介质一实施方式的结构示意图,本实施方式计算机存储介质20中存储有计算机程序21,计算机程序被处理器执行时实现上述逃票检测方法中的步骤。
该计算机存储介质20具体可以为U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory,)、磁碟或者光盘等可以存储计算机程序的介质,或者也可以为存储有该计算机程序的服务器,该服务器可将存储的计算机程序发送给其他设备运行,或者也可以自运行该存储的计算机程序。该计算机存储介质20从物理实体上来看,可以为多个实体的组合,例如多个服务器、服务器加存储器、或存储器加移动硬盘等多种组合方式。
以上仅为本申请的实施方式,并非因此限制本申请的专利范围,凡是利用本申请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,均同理包括在本申请的专利保护范围内。
Claims (9)
1.一种逃票检测方法,其特征在于,所述方法包括:
获取门禁区域的点云数据;
通过所述点云数据确定被监控人员的位置信息;
通过所述被监控人员的位置信息确定被监控人员的行为信息;
根据所述行为信息判定所述被监控人员是否出现逃票行为;
其中,所述获取门禁区域的点云数据,之后包括:获取闸门或护栏的位置信息;
所述通过所述被监控人员的位置信息确定被监控人员的行为信息,包括:在持续获得的所述点云数据中对所述被监控人员进行跟踪,通过所述被监控人员的位置信息和所述闸门或护栏的位置信息确定所述被监控人员是否穿过所述闸门或护栏;
所述根据所述行为信息判定被监控人员是否出现逃票行为,包括:在所述被监控人员穿过所述闸门或护栏时,确定所述被监控人员穿过所述闸门或护栏时所述闸门或护栏是否处于开启状态;在无法确定闸门或护栏是否处于开启状态时,通过所述点云数据确定所述被监控人员的边界框,通过所述被监控人员的边界框的位置、形状或尺寸确定所述被监控人员的身体形态是否出现多次异常,在所述被监控人员的身体形态出现多次异常时,确定所述被监控人员出现逃票行为。
2.根据权利要求1所述的方法,其特征在于:所述根据所述行为信息判定被监控人员是否出现逃票行为,包括:
在所述闸门或护栏不处于开启状态时,确定所述被监控人员出现逃票行为。
3.根据权利要求2所述的方法,其特征在于:所述确定闸门或护栏是否处于开启状态,包括:
通过所述点云数据或获取到的图像信息确定所述闸门或护栏是否处于开启状态;或,
从闸机系统获取所述闸门的状态信息,获取到的闸门的状态信息表明所述闸门开启时确定所述闸门处于开启状态。
4.根据权利要求1所述的方法,其特征在于:
所述获取门禁区域的点云数据,之后包括:获取闸机的出口线和闸门的位置信息;
所述通过所述被监控人员的位置信息确定被监控人员的行为信息,包括:根据所述被监控人员的位置信息和所述闸机的出口线和闸门的位置信息确定所述被监控人员是否和其他被监控人员共处于闸门和闸机的出口线之间的通道中;
所述根据所述行为信息判定被监控人员是否出现逃票行为,包括:在所述被监控人员和其他被监控人员共处于闸门和闸机的出口线之间的通道中时,确定所述被监控人员出现逃票行为。
5.根据权利要求1所述的方法,其特征在于:
所述获取门禁区域的点云数据,包括:
获取门禁区域的图像信息、相机的内参和外参;标定相机的内参和外参,将所述门禁区域的图像信息转化为所述点云数据。
6.根据权利要求1所述的方法,其特征在于:所述获取门禁区域的点云数据,之后包括:
通过点云数据确定监控区域内的行动物体;
获取图像信息,通过图像信息确定所述行动物体是否为人;
在行动物体为人时,确定所述行动物体的身高,将身高超过阈值的行动物体确定为被监控人员。
7.根据权利要求1所述的方法,其特征在于,所述方法进一步包括:
若确定所述被监控人员出现逃票行为,则获取所述被监控人员的人脸图像;
发出警报并呈现所述被监控人员的人脸图像;和/或,通过所述人脸图像确定所述被监控人员的身份信息,发出警报并呈现所述被监控人员的人脸图像和身份信息;和/或,将所述人脸图像加入到黑名单,以便后续通过所述黑名单中所述被监控人员的人脸图像限制所述被监控人员乘车;和/或,通过所述人脸图像确定所述被监控人员的身份信息,通过所述身份信息确定所述被监控人员的联系方式,通过所述联系方式与所述被监控人员联系。
8.一种逃票检测装置,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1-7中任一项所述方法的步骤。
9.一种可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现权利要求1-7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911084164.6A CN111008568B (zh) | 2019-11-07 | 2019-11-07 | 逃票检测方法及其相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911084164.6A CN111008568B (zh) | 2019-11-07 | 2019-11-07 | 逃票检测方法及其相关装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111008568A CN111008568A (zh) | 2020-04-14 |
CN111008568B true CN111008568B (zh) | 2023-09-05 |
Family
ID=70111006
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911084164.6A Active CN111008568B (zh) | 2019-11-07 | 2019-11-07 | 逃票检测方法及其相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111008568B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112200828A (zh) * | 2020-09-03 | 2021-01-08 | 浙江大华技术股份有限公司 | 一种逃票行为的检测方法、装置及可读存储介质 |
CN113194291B (zh) * | 2021-04-29 | 2021-09-07 | 广州市企通信息科技有限公司 | 一种基于大数据的视频监控系统及方法 |
CN113271440B (zh) * | 2021-05-20 | 2023-06-20 | 浙江宇视科技有限公司 | 移动目标的行动轨迹获得方法、装置、设备及存储介质 |
CN113159009A (zh) * | 2021-06-25 | 2021-07-23 | 华东交通大学 | 一种车站预防逃票的智能监控识别方法及系统 |
CN114170567B (zh) * | 2021-12-01 | 2022-07-12 | 北京拙河科技有限公司 | 监测区域亿级像素的光场相机ai分析系统及其方法 |
CN114463015A (zh) * | 2022-04-11 | 2022-05-10 | 合肥的卢深视科技有限公司 | 付款监督系统、方法、电子设备及存储介质 |
CN115565274B (zh) * | 2022-12-06 | 2023-03-10 | 成都智元汇信息技术股份有限公司 | 一种降低安检比对开销量的检票方法、系统及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004120108A (ja) * | 2002-09-24 | 2004-04-15 | Victor Co Of Japan Ltd | 画像監視システム及びネットワークを用いた画像監視システム |
JP2009187054A (ja) * | 2008-02-01 | 2009-08-20 | Omron Corp | 類型判別ユニット、自動改札機、および保全装置 |
CN104805784A (zh) * | 2015-03-30 | 2015-07-29 | 苏州华兴致远电子科技有限公司 | 一种闸机逃票检测系统及方法 |
CN105426820A (zh) * | 2015-11-03 | 2016-03-23 | 中原智慧城市设计研究院有限公司 | 基于安防监控视频数据的多人异常行为检测方法 |
CN105701467A (zh) * | 2016-01-13 | 2016-06-22 | 河海大学常州校区 | 一种基于人体形态特征的多人异常行为识别方法 |
CN106033601A (zh) * | 2015-03-09 | 2016-10-19 | 株式会社理光 | 检测异常情形的方法和装置 |
CN107025418A (zh) * | 2016-01-29 | 2017-08-08 | 广州地铁集团有限公司 | 基于图像处理的防逃票检测方法、检测系统及其系统 |
CN109492513A (zh) * | 2018-05-24 | 2019-03-19 | 曜科智能科技(上海)有限公司 | 光场监控的人脸空间去重方法 |
CN109784316A (zh) * | 2019-02-25 | 2019-05-21 | 平安科技(深圳)有限公司 | 一种追溯地铁闸机逃票的方法、装置及存储介质 |
CN110378179A (zh) * | 2018-05-02 | 2019-10-25 | 上海大学 | 基于红外热成像的地铁逃票行为检测方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140267736A1 (en) * | 2013-03-15 | 2014-09-18 | Bruno Delean | Vision based system for detecting a breach of security in a monitored location |
CA2947160A1 (en) * | 2014-04-30 | 2015-11-05 | Cubic Corporation | Fare evasion detection using video analytics |
CN109544728B (zh) * | 2017-09-21 | 2021-08-27 | 鸿富锦精密电子(天津)有限公司 | 区域人口管控系统及方法 |
-
2019
- 2019-11-07 CN CN201911084164.6A patent/CN111008568B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004120108A (ja) * | 2002-09-24 | 2004-04-15 | Victor Co Of Japan Ltd | 画像監視システム及びネットワークを用いた画像監視システム |
JP2009187054A (ja) * | 2008-02-01 | 2009-08-20 | Omron Corp | 類型判別ユニット、自動改札機、および保全装置 |
CN106033601A (zh) * | 2015-03-09 | 2016-10-19 | 株式会社理光 | 检测异常情形的方法和装置 |
CN104805784A (zh) * | 2015-03-30 | 2015-07-29 | 苏州华兴致远电子科技有限公司 | 一种闸机逃票检测系统及方法 |
CN105426820A (zh) * | 2015-11-03 | 2016-03-23 | 中原智慧城市设计研究院有限公司 | 基于安防监控视频数据的多人异常行为检测方法 |
CN105701467A (zh) * | 2016-01-13 | 2016-06-22 | 河海大学常州校区 | 一种基于人体形态特征的多人异常行为识别方法 |
CN107025418A (zh) * | 2016-01-29 | 2017-08-08 | 广州地铁集团有限公司 | 基于图像处理的防逃票检测方法、检测系统及其系统 |
CN110378179A (zh) * | 2018-05-02 | 2019-10-25 | 上海大学 | 基于红外热成像的地铁逃票行为检测方法及系统 |
CN109492513A (zh) * | 2018-05-24 | 2019-03-19 | 曜科智能科技(上海)有限公司 | 光场监控的人脸空间去重方法 |
CN109784316A (zh) * | 2019-02-25 | 2019-05-21 | 平安科技(深圳)有限公司 | 一种追溯地铁闸机逃票的方法、装置及存储介质 |
Non-Patent Citations (1)
Title |
---|
轨道交通车站闸机智能识别研究;茅飞;孔慧慧;李宏胜;康玉芳;朱伟;;城市轨道交通研究(12);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111008568A (zh) | 2020-04-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111008568B (zh) | 逃票检测方法及其相关装置 | |
CN108664608A (zh) | 可疑人员的识别方法、装置及计算机可读存储介质 | |
US9202121B2 (en) | Liveness detection | |
US7847688B2 (en) | Method and apparatus of protecting a physical access | |
AU2017206244A1 (en) | System and method for generating an activity summary of a person | |
US9892325B2 (en) | Image management system | |
CN108629322A (zh) | 可疑人员的监控方法、装置及计算机可读存储介质 | |
CN102855508B (zh) | 敞开式校园防尾随系统 | |
US20160358088A1 (en) | Sensor data confidence estimation based on statistical analysis | |
Yadav et al. | [Retracted] A Real‐Time Crowd Monitoring and Management System for Social Distance Classification and Healthcare Using Deep Learning | |
CN113484858A (zh) | 一种入侵检测方法和系统 | |
CN110544312A (zh) | 虚拟场景中的视频显示方法、装置、电子设备与存储装置 | |
US20090228980A1 (en) | System and method for detection of anomalous access events | |
KR20200123537A (ko) | 딥러닝 및 데이터 결합을 이용한 싱크홀 탐지방법 및 이를 이용한 싱크홀 탐지시스템 | |
CN104077571B (zh) | 一种采用单类序列化模型的人群异常行为检测方法 | |
CN110321582B (zh) | 一种传销活动分析方法及装置 | |
WO2011036661A1 (en) | System and method for long-range surveillance of a scene and alerting of predetermined unusual activity | |
CN111027510A (zh) | 行为检测方法及装置、存储介质 | |
Morales et al. | Automatic prediction of maintenance intervention types in roads using machine learning and historical records | |
CN116203647A (zh) | 基于激光测距的地铁自动检票通道通行逻辑计算方法 | |
CN106454233A (zh) | 人群聚集的智能监控方法和系统 | |
KR102544492B1 (ko) | 수영장 안전관리 장치 및 방법 | |
Kerridge et al. | Monitoring the movement of pedestrians using low-cost infrared detectors: initial findings. | |
US10636262B2 (en) | Method and device for monitoring individuals in a place equipped with distributed detection means | |
CN110956644B (zh) | 一种运动轨迹确定方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |