CN111179319B - 一种基于人脸识别室内移动轨迹获取方法及系统 - Google Patents

一种基于人脸识别室内移动轨迹获取方法及系统 Download PDF

Info

Publication number
CN111179319B
CN111179319B CN201911181629.XA CN201911181629A CN111179319B CN 111179319 B CN111179319 B CN 111179319B CN 201911181629 A CN201911181629 A CN 201911181629A CN 111179319 B CN111179319 B CN 111179319B
Authority
CN
China
Prior art keywords
preset number
users
preset
face
information
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
Application number
CN201911181629.XA
Other languages
English (en)
Other versions
CN111179319A (zh
Inventor
郭洪光
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Unisound Intelligent Technology Co Ltd
Original Assignee
Unisound Intelligent Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Unisound Intelligent Technology Co Ltd filed Critical Unisound Intelligent Technology Co Ltd
Priority to CN201911181629.XA priority Critical patent/CN111179319B/zh
Publication of CN111179319A publication Critical patent/CN111179319A/zh
Application granted granted Critical
Publication of CN111179319B publication Critical patent/CN111179319B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/292—Multi-camera tracking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30232—Surveillance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30241—Trajectory

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明公开了一种基于人脸识别室内移动轨迹获取方法及系统，所述基于人脸识别室内移动轨迹获取方法包括：预采集预设数目个用户分别对应的人脸特征信息；在室内的预设数目个预设区域中设置预设数目个摄像头；获取所述预设数目个摄像头采集的所述预设数目个用户的人脸信息视频流，根据所述人脸信息视频流获取所述预设数目个用户的有效人脸特征信息；通过所述预设数目个用户分别对应的人脸特征信息和所述有效人脸特征信息，确定所述预设数目个用户在所述预设数目个预设区域的移动轨迹。采用本发明公开的方案用户不再需要携带支持定位的设备即可被定位。

Description

一种基于人脸识别室内移动轨迹获取方法及系统
技术领域
本发明涉及人脸识别技术领域，特别涉及一种基于人脸识别室内移动轨迹获取方法及系统。
背景技术
移动轨迹是移动对象随着时间变化的位置记录，近年来，WIFI、RFID、红外线等技术等技术的发展，使得室内的移动轨迹借助定位技术可以实现，其中，WIFI技术：以网络节点(无线接入点)的位置信息为基础和前提，采用经验测试和信号传播模型相结合的方式，对已接入的移动设备进行位置定位；RFID技术：利用射频方式进行非接触式双向通信交换数据，实现移动设备识别和定位；红外线技术：通过安装在室内的光学传感器，接收各移动设备(红外线IR标识)发射调制的红外射线进行定位，具有相对较高的室内定位精度。
上述技术均需要额外的定位设备，要求用户(被定位目标)携带支持定位的移动设备才能实现定位，进而获取用户的移动轨迹，如何实现用户不再需要携带支持定位的移动设备即可被定位，进而获取用户的室内移动轨迹，是一个亟需解决的问题。
发明内容
本发明提供一种基于人脸识别室内移动轨迹获取方法及系统，用以用户不再需要携带支持定位的设备即可被定位，进而获取用户的室内移动轨迹。
本发明提供一种基于人脸识别室内移动轨迹获取方法，包括：
预采集预设数目个用户分别对应的人脸特征信息；
在室内的预设数目个预设区域中设置预设数目个摄像头；
获取所述预设数目个摄像头采集的所述预设数目个用户的人脸信息视频流，根据所述人脸信息视频流获取所述预设数目个用户的有效人脸特征信息；
通过所述预设数目个用户分别对应的人脸特征信息和所述有效人脸特征信息，确定所述预设数目个用户在所述预设数目个预设区域的移动轨迹。
在一个实施例中，所述预采集预设数目个用户分别对应的人脸特征信息，包括：
通过已知所述预设数目个用户的头像或预设设备预采集预设数目个用户的头像信息，并对所述预设数目个用户进行编号，得到用户ID；
通过第一预设算法检测所述预设数目个用户的高清头像中所述预设数目个用户分别对应的第一人脸信息；
对所述预设数目个用户分别对应的第一人脸信息进行剪切，以得到所述预设数目个用户分别对应的预存人脸特征信息；
提取所述预设数目个用户分别对应的预存人脸特征信息，以生成人脸编号库。
在一个实施例中，所述获取所述预设数目个摄像头采集的所述预设数目个用户的人脸信息视频流，根据所述人脸信息视频流获取所述预设数目个用户的有效人脸特征信息，包括：
通过服务器对所述预设数目个预设区域中的预设数目个摄像头采集的所述预设数目个用户的人脸信息视频流进行实时检测，以得到实时人脸信息视频流；
对所述预设数目个用户的所述实时人脸信息视频流进行剪切，以得到预设数目个用户的第二人脸信息；
对所述预设数目个用户的所述第二人脸信息进行特征提取，以得到所述预设数目个用户的提取后的人脸特征信息；
对所述预设数目个用户的提取后的人脸特征信息进行过滤，以得到所述预设数目个用户的有效人脸特征信息，并对所述预设数目个用户的有效人脸特征信息根据采集时间上传到云端进行存储，以得到访问日志数据库。
在一个实施例中，所述通过所述预设数目个用户分别对应的人脸特征信息和所述有效人脸特征信息，确定所述预设数目个用户在所述预设数目个预设区域的移动轨迹，包括：
获取所述访问日志数据库中的所述预设数目个用户的有效人脸特征信息；
通过第二预设算法对所述有效人脸特征信息和所述预设数目个用户分别对应的预存人脸特征信息进行对比计算，得到所述有效人脸特征信息和预存人脸特征信息的置信度，提取出所述置信度高于预设阈值的用户信息；
通过所述用户ID和所述预设数目个预设区域对所述访问日志数据进行数据清洗，以过滤同一用户在同一区域出现多次的数据，进而生成用户行为轨迹数据；
通过预设模型对所述用户行为轨迹数据进行计算，得到所述用户的识别时间，所述识别时间为所述用户在每个预设区域的行走时间；
根据所述识别时间，确定所述预设数目个用户在预设数目个预设区域的移动轨迹。
在一个实施例中，所述第一预设算法和/或所述第二预设算法包括CNN。
本发明提供的一种基于人脸识别室内移动轨迹获取方法，具有以下有益效果：通过预采集的预设数目个用户分别对应的人脸特征信息和预设数目个摄像头获取的有效人脸特征信息，确定所述预设数目个用户在所述预设数目个预设区域的移动轨迹，借助了人脸识别技术，用户不再需要携带支持定位的设备即可被定位，进而获取用户的室内移动轨迹。
本发明还提供一种基于人脸识别室内移动轨迹获取系统，包括：
采集模块，用于预采集预设数目个用户分别对应的人脸特征信息；
设置模块，用于在室内的预设数目个预设区域中设置预设数目个摄像头；
获取模块，用于获取所述预设数目个摄像头采集的所述预设数目个用户的人脸信息视频流，根据所述人脸信息视频流获取所述预设数目个用户的有效人脸特征信息；
确定模块，用于通过所述预设数目个用户分别对应的人脸特征信息和所述有效人脸特征信息，确定所述预设数目个用户在所述预设数目个预设区域的移动轨迹。
在一个实施例中，所述采集模块，包括：
第一采集子模块，用于通过已知所述预设数目个用户的头像或预设设备预采集预设数目个用户的头像信息，并对所述预设数目个用户进行编号，得到用户ID；
第一检测子模块，用于通过第一预设算法检测所述预设数目个用户的高清头像中所述预设数目个用户分别对应的第一人脸信息；
第一剪切子模块，用于对所述预设数目个用户分别对应的第一人脸信息进行剪切，以得到所述预设数目个用户分别对应的预存人脸特征信息；
第一提取子模块，用于提取所述预设数目个用户分别对应的预存人脸特征信息，以生成人脸编号库。
在一个实施例中，所述获取模块，包括：
第二检测子模块，用于通过服务器对所述预设数目个预设区域中的预设数目个摄像头采集的所述预设数目个用户的人脸信息视频流进行实时检测，以得到实时人脸信息视频流；
第二剪切子模块，用于对所述预设数目个用户的所述实时人脸信息视频流进行剪切，以得到预设数目个用户的第二人脸信息；
第二提取子模块，用于对所述预设数目个用户的所述第二人脸信息进行特征提取，以得到所述预设数目个用户的提取后的人脸特征信息；
过滤子模块，用于对所述预设数目个用户的提取后的人脸特征信息进行过滤，以得到所述预设数目个用户的有效人脸特征信息，并对所述预设数目个用户的有效人脸特征信息根据采集时间上传到云端进行存储，以得到访问日志数据库。
在一个实施例中，所述确定模块，包括：
获取子模块，用于获取所述访问日志数据库中的所述预设数目个用户的有效人脸特征信息；
第一计算及提取子模块，用于通过第二预设算法对所述有效人脸特征信息和所述预设数目个用户分别对应的预存人脸特征信息进行对比计算，得到所述有效人脸特征信息和预存人脸特征信息的置信度，提取出所述置信度高于预设阈值的用户信息；
清洗子模块，用于通过所述用户ID和所述预设数目个预设区域对所述访问日志数据进行数据清洗，以过滤同一用户在同一区域出现多次的数据，进而生成用户行为轨迹数据；
第二计算子模块，用于通过预设模型对所述用户行为轨迹数据进行计算，得到所述用户的识别时间，所述识别时间为所述用户在每个预设区域的行走时间；
确定子模块，用于根据所述识别时间，确定所述预设数目个用户在预设数目个预设区域的移动轨迹。
在一个实施例中，所述第一预设算法和/或所述第二预设算法包括CNN。
本发明提供的一种基于人脸识别室内移动轨迹获取系统，具有以下有益效果：借助了人脸识别技术，用户不再需要携带支持定位的设备即可被定位，进而获取用户的室内移动轨迹。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明一实施例中一种基于人脸识别室内移动轨迹获取方法的流程图；
图2为本发明一实施例中一种基于人脸识别室内移动轨迹获取方法的流程图；
图3为本发明一实施例中举例的例图；
图4为本发明一实施例中一种基于人脸识别室内移动轨迹获取系统的框图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
图1为本发明一实施例中一种基于人脸识别室内移动轨迹获取方法的流程图，如图1所示，该方法可被实施为以下步骤S11-S14：
在步骤S11中，预采集预设数目个用户分别对应的人脸特征信息；
在步骤S12中，在室内的预设数目个预设区域中设置预设数目个摄像头；
在步骤S13中，获取所述预设数目个摄像头采集的所述预设数目个用户的人脸信息视频流，根据所述人脸信息视频流获取所述预设数目个用户的有效人脸特征信息；
在步骤S14中，通过所述预设数目个用户分别对应的人脸特征信息和所述有效人脸特征信息，确定所述预设数目个用户在所述预设数目个预设区域的移动轨迹。
上述技术方案的工作原理为：预采集预设数个用户分别对应的人脸特征信息，获取预设数目个摄像头采集的预设数目个用户的人脸信息视频流，根据人脸信息视频流获取预设数目个用户的有效人脸特征信，通过预设数目个用户分别对应的人脸特征信息和有效人脸特征信息，确定预设数目个用户在预设数目个预设区域的移动轨迹。
上述技术方案的有益效果在于：通过预采集的预设数目个用户分别对应的人脸特征信息和预设数目个摄像头获取的有效人脸特征信息，确定所述预设数目个用户在所述预设数目个预设区域的移动轨迹，借助了人脸识别技术，用户不再需要携带支持定位的设备即可被定位，进而获取用户的室内移动轨迹。
在一个实施例中，如图2所示，上述步骤S11可被实施为如下步骤S21-S24：
在步骤S21中，通过已知所述预设数目个用户的头像或预设设备预采集预设数目个用户的头像信息，并对所述预设数目个用户进行编号，得到用户ID；
在步骤S22中，通过第一预设算法检测所述预设数目个用户的高清头像中所述预设数目个用户分别对应的第一人脸信息；
在步骤S23中，对所述预设数目个用户分别对应的第一人脸信息进行剪切，以得到所述预设数目个用户分别对应的预存人脸特征信息；
在步骤S24中，提取所述预设数目个用户分别对应的预存人脸特征信息，以生成人脸编号库。
其中，头像信息包括用户的正脸、侧脸、头型等，预设设备可以是各类用户设备，包括但不限于手机、计算机、平板电脑等设备，预采集的用户头像信息存储于大数据中心；人脸编号库可以表示为“人脸ID库”，“人脸ID库”的数据结构如下：
用户ID 人脸特征值
1 1-特征值1
1 1-特征值2
1 1-特征值3
2 2-特征值1
2 2-特征值2
2 2-特征值3
... ...
人脸特征值为预存的人脸特征信息。
上述技术方案的工作原理为：通过第一预设算法检测，得到第一人脸信息，对第一人脸信息进行剪切得到预存人脸特征信息。
上述技术方案的有益效果在于：通过得到用户的人脸特征信息，就可以将用户进行区分。
在一个实施例中，上述步骤S13可被实施为如下步骤，包括：
通过服务器对所述预设数目个预设区域中的预设数目个摄像头采集的所述预设数目个用户的人脸信息视频流进行实时检测，以得到实时人脸信息视频流；
对所述预设数目个用户的所述实时人脸信息视频流进行剪切，以得到预设数目个用户的第二人脸信息；
对所述预设数目个用户的所述第二人脸信息进行特征提取，以得到所述预设数目个用户的提取后的人脸特征信息；
对所述预设数目个用户的提取后的人脸特征信息进行过滤，以得到所述预设数目个用户的有效人脸特征信息，并对所述预设数目个用户的有效人脸特征信息根据采集时间上传到云端进行存储，以得到访问日志数据库。
其中，对提取后的人脸特征信息进行过滤是指过滤掉重复采集和无效的人脸信息；访问日志数据库的主要信息结构如下：
采集人脸特征 采集时间 区域1
用户人脸特征1 时间1 区域3
用户人脸特征2 时间2 区域2
上述技术方案的工作原理为：通过对人脸信息视频流进行检测、剪切、特征提取、过滤，得到有效人脸特征信息。
上述技术方案的有益效果在于：可以获取预设数目个摄像头采集到的用户的有效人脸特征信息，避免采集无用的信息，节省存储空间。
在一个实施例中，上述步骤S14可被实施为如下步骤，包括：
获取所述访问日志数据库中的所述预设数目个用户的有效人脸特征信息；
通过第二预设算法对所述有效人脸特征信息和所述预设数目个用户分别对应的预存人脸特征信息进行对比计算，得到所述有效人脸特征信息和预存人脸特征信息的置信度，提取出所述置信度高于预设阈值的用户信息；
通过所述用户ID和所述预设数目个预设区域对所述访问日志数据进行数据清洗，以过滤同一用户在同一区域出现多次的数据，进而生成用户行为轨迹数据；
通过预设模型对所述用户行为轨迹数据进行计算，得到所述用户的识别时间，所述识别时间为所述用户在每个预设区域的行走时间；
根据所述识别时间，确定所述预设数目个用户在预设数目个预设区域的移动轨迹。
其中，通过第二预设算法对有效人脸特征信息和预设数目个用户分别对应的预存人脸特征信息1：N进行对比计算；预设数目个预设区域是依次相邻的；预设模型是指MR，MR是MapReduce的缩写，MR是谷歌推广的一种编码模型；通过识别时间就远原则，确定用户在预设数目个预设区域的移动轨迹，识别时间就远原则是指：用户在第二预设区域的预设时间大于第一预设区域的识别时间，用户的移动轨迹即为从第一预设区域到第二预设区域。
举例而言，如图3所示，在室内第一预设区域设置第一摄像头、第二预设区域设置第二摄像头和第三预设区域设置第三摄像头，其中，所述第一预设区域与所述第二预设区域相邻，所述第二预设区域与所述第三预设区域相邻，且所述第一预设区域与所述第三预设区域不相邻。其中，当第一预设区域的识别时间小于第二预设区域的识别时间时，所述移动轨迹为从第一预设区域到第二预设区域；当第一预设区域的识别时间小于第二预设区域，且第二预设区域的识别时间小于第三预设区域的识别时间时，所述移动轨迹为从第一预设区域到第二预设区域，再从第二预设区域到到第三预设区域。
上述技术方案的工作原理为：通过有效人脸特征信息与预存的人脸特征信息对比计算，得到两者之间的置信度，进而提取到用户的信息。
上述技术方案的有益效果在于：通过对比计算能够准确的得到被定位的用户，进而准确的得到被定位用户的移动轨迹。
在一个实施例中，所述第一预设算法和/或所述第二预设算法包括CNN。
其中，CNN是指卷积神经网络
上述技术方案的有益效果在于：引入算法进行计算，得到的结果更准确。
图4为本发明一实施例中一种基于人脸识别室内移动轨迹获取系统的框图，如图4所示，该系统可包括如下模块：
采集模块41，用于预采集预设数目个用户分别对应的人脸特征信息；
设置模块42，用于在室内的预设数目个预设区域中设置预设数目个摄像头；
获取模块43，用于获取所述预设数目个摄像头采集的所述预设数目个用户的人脸信息视频流，根据所述人脸信息视频流获取所述预设数目个用户的有效人脸特征信息；
确定模块44，用于通过所述预设数目个用户分别对应的人脸特征信息和所述有效人脸特征信息，确定所述预设数目个用户在所述预设数目个预设区域的移动轨迹。
在一个实施例中，所述采集模块，包括：
第一采集子模块，用于通过已知所述预设数目个用户的头像或预设设备预采集预设数目个用户的头像信息，并对所述预设数目个用户进行编号，得到用户ID；
第一检测子模块，用于通过第一预设算法检测所述预设数目个用户的高清头像中所述预设数目个用户分别对应的第一人脸信息；
第一剪切子模块，用于对所述预设数目个用户分别对应的第一人脸信息进行剪切，以得到所述预设数目个用户分别对应的预存人脸特征信息；
第一提取子模块，用于提取所述预设数目个用户分别对应的预存人脸特征信息，以生成人脸编号库。
在一个实施例中，所述获取模块，包括：
第二检测子模块，用于通过服务器对所述预设数目个预设区域中的预设数目个摄像头采集的所述预设数目个用户的人脸信息视频流进行实时检测，以得到实时人脸信息视频流；
第二剪切子模块，用于对所述预设数目个用户的所述实时人脸信息视频流进行剪切，以得到预设数目个用户的第二人脸信息；
第二提取子模块，用于对所述预设数目个用户的所述第二人脸信息进行特征提取，以得到所述预设数目个用户的提取后的人脸特征信息；
过滤子模块，用于对所述预设数目个用户的提取后的人脸特征信息进行过滤，以得到所述预设数目个用户的有效人脸特征信息，并对所述预设数目个用户的有效人脸特征信息根据采集时间上传到云端进行存储，以得到访问日志数据库。
在一个实施例中，所述确定模块，包括：
获取子模块，用于获取所述访问日志数据库中的所述预设数目个用户的有效人脸特征信息；
第一计算及提取子模块，用于通过第二预设算法对所述有效人脸特征信息和所述预设数目个用户分别对应的预存人脸特征信息进行对比计算，得到所述有效人脸特征信息和预存人脸特征信息的置信度，提取出所述置信度高于预设阈值的用户信息；
清洗子模块，用于通过所述用户ID和所述预设数目个预设区域对所述访问日志数据进行数据清洗，以过滤同一用户在同一区域出现多次的数据，进而生成用户行为轨迹数据；
第二计算子模块，用于通过预设模型对所述用户行为轨迹数据进行计算，得到所述用户的识别时间，所述识别时间为所述用户在每个预设区域的行走时间；
确定子模块，用于根据所述识别时间，确定所述预设数目个用户在预设数目个预设区域的移动轨迹。
在一个实施例中，所述第一预设算法和/或所述第二预设算法包括CNN。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (6)

1.一种基于人脸识别室内移动轨迹获取方法，其特征在于，包括：
预采集预设数目个用户分别对应的人脸特征信息；
在室内的预设数目个预设区域中设置预设数目个摄像头；
获取所述预设数目个摄像头采集的所述预设数目个用户的人脸信息视频流，根据所述人脸信息视频流获取所述预设数目个用户的有效人脸特征信息；
通过所述预设数目个用户分别对应的人脸特征信息和所述有效人脸特征信息，确定所述预设数目个用户在所述预设数目个预设区域的移动轨迹；
所述获取所述预设数目个摄像头采集的所述预设数目个用户的人脸信息视频流，根据所述人脸信息视频流获取所述预设数目个用户的有效人脸特征信息，包括：
通过服务器对所述预设数目个预设区域中的预设数目个摄像头采集的所述预设数目个用户的人脸信息视频流进行实时检测，以得到实时人脸信息视频流；
对所述预设数目个用户的所述实时人脸信息视频流进行剪切，以得到预设数目个用户的第二人脸信息；
对所述预设数目个用户的所述第二人脸信息进行特征提取，以得到所述预设数目个用户的提取后的人脸特征信息；
对所述预设数目个用户的提取后的人脸特征信息进行过滤，以得到所述预设数目个用户的有效人脸特征信息，并对所述预设数目个用户的有效人脸特征信息根据采集时间上传到云端进行存储，以得到访问日志数据库；
所述通过所述预设数目个用户分别对应的人脸特征信息和所述有效人脸特征信息，确定所述预设数目个用户在所述预设数目个预设区域的移动轨迹，包括：
获取所述访问日志数据库中的所述预设数目个用户的有效人脸特征信息；
通过第二预设算法对所述有效人脸特征信息和所述预设数目个用户分别对应的预存人脸特征信息进行对比计算，得到所述有效人脸特征信息和预存人脸特征信息的置信度，提取出所述置信度高于预设阈值的用户信息；
通过所述用户ID和所述预设数目个预设区域对所述访问日志数据进行数据清洗，以过滤同一用户在同一区域出现多次的数据，进而生成用户行为轨迹数据；
通过预设模型对所述用户行为轨迹数据进行计算，得到所述用户的识别时间，所述识别时间为所述用户在每个预设区域的行走时间；
根据所述识别时间，确定所述预设数目个用户在预设数目个预设区域的移动轨迹。
2.如权利要求1所述的方法，其特征在于，所述预采集预设数目个用户分别对应的人脸特征信息，包括：
通过已知所述预设数目个用户的头像或预设设备预采集预设数目个用户的头像信息，并对所述预设数目个用户进行编号，得到用户ID；
通过第一预设算法检测所述预设数目个用户的高清头像中所述预设数目个用户分别对应的第一人脸信息；
对所述预设数目个用户分别对应的第一人脸信息进行剪切，以得到所述预设数目个用户分别对应的预存人脸特征信息；
提取所述预设数目个用户分别对应的预存人脸特征信息，以生成人脸编号库。
3.如权利要求2所述的方法，其特征在于，所述第一预设算法和/或所述第二预设算法包括CNN。
4.一种基于人脸识别室内移动轨迹获取系统，其特征在于，包括：
采集模块，用于预采集预设数目个用户分别对应的人脸特征信息；
设置模块，用于在室内的预设数目个预设区域中设置预设数目个摄像头；
获取模块，用于获取所述预设数目个摄像头采集的所述预设数目个用户的人脸信息视频流，根据所述人脸信息视频流获取所述预设数目个用户的有效人脸特征信息；
确定模块，用于通过所述预设数目个用户分别对应的人脸特征信息和所述有效人脸特征信息，确定所述预设数目个用户在所述预设数目个预设区域的移动轨迹；
所述获取模块，包括：
第二检测子模块，用于通过服务器对所述预设数目个预设区域中的预设数目个摄像头采集的所述预设数目个用户的人脸信息视频流进行实时检测，以得到实时人脸信息视频流；
第二剪切子模块，用于对所述预设数目个用户的所述实时人脸信息视频流进行剪切，以得到预设数目个用户的第二人脸信息；
第二提取子模块，用于对所述预设数目个用户的所述第二人脸信息进行特征提取，以得到所述预设数目个用户的提取后的人脸特征信息；
过滤子模块，用于对所述预设数目个用户的提取后的人脸特征信息进行过滤，以得到所述预设数目个用户的有效人脸特征信息，并对所述预设数目个用户的有效人脸特征信息根据采集时间上传到云端进行存储，以得到访问日志数据库；
所述确定模块，包括：
获取子模块，用于获取所述访问日志数据库中的所述预设数目个用户的有效人脸特征信息；
第一计算及提取子模块，用于通过第二预设算法对所述有效人脸特征信息和所述预设数目个用户分别对应的预存人脸特征信息进行对比计算，得到所述有效人脸特征信息和预存人脸特征信息的置信度，提取出所述置信度高于预设阈值的用户信息；
清洗子模块，用于通过所述用户ID和所述预设数目个预设区域对所述访问日志数据进行数据清洗，以过滤同一用户在同一区域出现多次的数据，进而生成用户行为轨迹数据；
第二计算子模块，用于通过预设模型对所述用户行为轨迹数据进行计算，得到所述用户的识别时间，所述识别时间为所述用户在每个预设区域的行走时间；
确定子模块，用于根据所述识别时间，确定所述预设数目个用户在预设数目个预设区域的移动轨迹。
5.如权利要求4所述的系统，其特征在于，所述采集模块，包括：
第一采集子模块，用于通过已知所述预设数目个用户的头像或预设设备预采集预设数目个用户的头像信息，并对所述预设数目个用户进行编号，得到用户ID；
第一检测子模块，用于通过第一预设算法检测所述预设数目个用户的高清头像中所述预设数目个用户分别对应的第一人脸信息；
第一剪切子模块，用于对所述预设数目个用户分别对应的第一人脸信息进行剪切，以得到所述预设数目个用户分别对应的预存人脸特征信息；
第一提取子模块，用于提取所述预设数目个用户分别对应的预存人脸特征信息，以生成人脸编号库。
6.如权利要求5所述的系统，其特征在于，所述第一预设算法和/或所述第二预设算法包括CNN。
CN201911181629.XA 2019-11-27 2019-11-27 一种基于人脸识别室内移动轨迹获取方法及系统 Active CN111179319B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911181629.XA CN111179319B (zh) 2019-11-27 2019-11-27 一种基于人脸识别室内移动轨迹获取方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911181629.XA CN111179319B (zh) 2019-11-27 2019-11-27 一种基于人脸识别室内移动轨迹获取方法及系统

Publications (2)

Publication Number Publication Date
CN111179319A CN111179319A (zh) 2020-05-19
CN111179319B true CN111179319B (zh) 2023-06-20

Family

ID=70653722

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911181629.XA Active CN111179319B (zh) 2019-11-27 2019-11-27 一种基于人脸识别室内移动轨迹获取方法及系统

Country Status (1)

Country Link
CN (1) CN111179319B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116074752B (zh) * 2023-03-07 2024-01-05 南京森根科技股份有限公司 一种建立和校准室内射频定位指纹库的方法和装置

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109165559A (zh) * 2018-07-26 2019-01-08 高新兴科技集团股份有限公司 一种生成轨迹的方法和设备

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10599950B2 (en) * 2017-05-30 2020-03-24 Google Llc Systems and methods for person recognition data management

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109165559A (zh) * 2018-07-26 2019-01-08 高新兴科技集团股份有限公司 一种生成轨迹的方法和设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
梁鹏 ; 刘晓勇 ; 郝刚 ; 肖思源 ; 何显康 ; .基于人脸识别和无线射频识别的行人移动轨迹监控系统及实现.广东技术师范学院学报.2015,(11),全文. *
邹香玲 ; .智能视频监控系统中的人脸识别技术之研究.电子技术与软件工程.2017,(03),全文. *

Also Published As

Publication number Publication date
CN111179319A (zh) 2020-05-19

Similar Documents

Publication Publication Date Title
CN107871114B (zh) 一种推送目标人员跟踪信息的方法、装置及系统
CN109783685B (zh) 一种查询方法及装置
CN108038176B (zh) 一种路人库的建立方法、装置、电子设备及介质
CN111046752B (zh) 一种室内定位方法、计算机设备和存储介质
CN105654512A (zh) 一种目标跟踪方法和装置
CN111160243A (zh) 客流量统计方法及相关产品
CN103942811A (zh) 分布式并行确定特征目标运动轨迹的方法与系统
JP2020177645A (ja) 軌跡分類モデルのトレーニング方法及び装置、電子機器
CN111288996A (zh) 基于视频实景导航技术的室内导航方法及系统
GB2507857A (en) A method and system for tracking a vehicle
CN103870824A (zh) 一种在人脸检测跟踪过程中的人脸捕捉方法及装置
CN110796135A (zh) 目标的定位方法及装置、计算机设备、计算机存储介质
CN112132853B (zh) 地面导向箭头的构建方法及其装置、电子设备及存储介质
CN112770265A (zh) 一种行人身份信息获取方法、系统、服务器和存储介质
CN111179319B (zh) 一种基于人脸识别室内移动轨迹获取方法及系统
CN111739056A (zh) 一种轨迹追踪系统
CN113627334A (zh) 对象的行为识别方法及装置
KR101595334B1 (ko) 농장에서의 움직임 개체의 이동 궤적 트래킹 방법 및 장치
Zhang et al. Reidentification-based automated matching for 3D localization of workers in construction sites
CN113158953B (zh) 一种人员查找方法、装置、设备及介质
CN113642455B (zh) 行人数量确定方法、装置以及计算机可读存储介质
CN113470079A (zh) 一种落脚区域的输出方法、装置及电子设备
CN113592427A (zh) 工时统计方法、工时统计装置及计算机可读存储介质
CN112925948A (zh) 视频处理方法及其装置、介质、芯片和电子设备
CN111444757A (zh) 无人超市的行人重识别方法、装置、设备及存储介质

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
GR01 Patent grant
GR01 Patent grant