CN111241997A - 基于人脸识别的闸机防尾随方法、闸机设备和存储介质 - Google Patents
基于人脸识别的闸机防尾随方法、闸机设备和存储介质 Download PDFInfo
- Publication number
- CN111241997A CN111241997A CN202010022307.7A CN202010022307A CN111241997A CN 111241997 A CN111241997 A CN 111241997A CN 202010022307 A CN202010022307 A CN 202010022307A CN 111241997 A CN111241997 A CN 111241997A
- Authority
- CN
- China
- Prior art keywords
- gate
- person
- face
- video stream
- stream 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
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
- G06V40/161—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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
- G06V10/507—Summing image-intensity values; Histogram projection analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
Abstract
本发明涉及闸机安全控制领域,具体公开了一种基于人脸识别的闸机防尾随方法,其中,包括:获取闸机位置视频流数据,所述闸机位置设置有摄像装置,所述摄像装置能够采集闸机位置视频流数据;检测所述闸机位置视频流数据中的人的数量;根据所述人的数量的不同分别进行相应的人脸识别处理,得到处理结果;根据所述处理结果对闸机进行控制。本发明还提供一种闸机设备及存储介质。本发明提供的基于人脸识别的闸机防尾随方法可在原有人脸识别闸机上改造,成本低,且通行效率高,还能够有效防止人员尾随。
Description
技术领域
本发明涉及闸机安全控制领域,尤其涉及一种基于人脸识别的闸机防尾随方法、存储介质及闸机设备。
背景技术
人脸识别是当今社会新兴的一项生物识别技术,随着不断的发展人脸识别的应用也越来越广泛。就目前人脸识别的实际使用而言,除了以往金融行业,治安行业等使用以外,人脸识别的用户开始向普通住宅和园区安全等方面发展。并且随着识别技术的提高以及人们生活品质的提高,居住环境以及园区环境的安全性已经成为人们关注的首选。人脸识别闸机在安全的生活环境中起到的重要作用得到越来越多的重视。然而在人脸识别闸机广泛应用的同时,人脸识别闸机的安全隐患也显现出来,人们通过闸机时可能会出现尾随现象,传统的闸机防尾随基本上都是通过闸机的防尾随报警或者使用辊轧来防范人员尾随,但这两种方式都存在弊端。闸机防尾随报警这种方法当尾随人员跟着前一个人进入闸机通道时,虽然闸机会发出报警提示,但出于安全性方面的考虑,尾随人员不管报警提示还是依然可以进入园区,所以必须由人工配合阻拦才能有效防范尾随现象。第二种使用辊轧的方法在某些场合其实并不适合,比如在办公楼或宿舍楼使用辊轧不利于人员带货物进出等。专利CN200710037595.8中提出一种人脸识别防尾随门禁系统,它是通过设置两道门,第一道门设置有与其开启控制器电信号连接的密码输入键盘或读卡器,第二道门设置有与其开启控制器电信号连接的人脸识别系统,第一道门与第二道门之间设置一定的空间作为人脸识别区,通过这种两道闸的验证方式来防止尾随人员进入。这种方法有成本高,占地面积大,通行效率低等缺陷存在。为了能满足一些用户不想增加大成本投入,且通行效率高,又可有效防止人员尾随跟随进入园区,需要一种新的方法来满足用户的需求。
发明内容
本发明提供了一种基于人脸识别的闸机防尾随方法、存储介质及闸机设备,解决相关技术中存在的无法高效且低成本的防止人员尾随的问题。
作为本发明的第一个方面,提供一种基于人脸识别的闸机防尾随方法,其中,包括:
获取闸机位置视频流数据,所述闸机位置设置有摄像装置,所述摄像装置能够采集闸机位置视频流数据;
检测所述闸机位置视频流数据中的人的数量;
根据所述人的数量的不同分别进行相应的人脸识别处理,得到处理结果;
根据所述处理结果对闸机进行控制。
进一步地,根据所述人的数量的不同分别进行相应的人脸识别处理,得到处理结果,包括:
判断所述人的数量是否为一个;
若所述人的数量为一个,则对当前视频流数据中的人进行人脸识别处理,得到处理结果;
若所述人的数量是多个,则判断在所述闸机位置的安全距离内的人的数量是否为一个;
若在所述闸机位置的安全距离内的人的数量是一个,则对当前视频流数据中在所述闸机位置的安全距离内的人进行人脸识别处理,得到处理结果。
进一步地,若在所述闸机位置的安全距离内的人的数量为多个,则发出有人尾随的告警信号,并返回执行所述获取闸机位置视频流数据的步骤。
进一步地,所述若所述人的数量是多个,则判断在所述闸机位置的安全距离内的人的数量是否为一个,包括:
计算当前视频流数据中的每个人的人脸坐标;
根据每个人的人脸坐标分别计算每个人距离所述闸机位置的距离;
根据每个人距离所述闸机位置的距离判断该人是否位于所述闸机位置的安全距离内;
统计位于所述闸机位置的安全距离内的人的数量;
判断所述闸机位置的安全距离内的人的数量是否为一个。
进一步地,所述根据每个人距离所述闸机位置的距离判断该人是否位于所述闸机位置的安全距离内,包括:
比较每个人距离所述闸机位置的距离是否超过预设阈值距离;
若每个人距离所述闸机位置的距离没有超过所述预设阈值距离,则判定该人位于所述闸机位置的安全距离内。
进一步地,所述根据每个人的人脸坐标分别计算每个人距离所述闸机位置的距离,包括:
计算所述摄像装置的摄像画面的实际长度;
根据每个人的人脸坐标计算出每个人的人脸实际宽度;
根据每个人的人脸实际宽度和像素宽度以及所述摄像装置的焦距计算每个人的人脸距离所述摄像装置的距离。
进一步地,所述对当前视频流数据中的人进行人脸识别处理,得到处理结果,以及,所述对当前视频流数据中在所述闸机位置的安全距离内的人进行人脸识别处理,得到处理结果,均包括:
检测当前视频流数据中的人脸位置;
提取人脸特征;
将所述人脸特征与人脸库进行比对;
若所述人脸特征与所述人脸库比对成功,则对当前视频流数据中的人或者当前视频流数据中在所述闸机位置的安全距离内的人识别成功;
若所述人脸特征与所述人脸库比对失败,则对当前视频流数据中的人或者当前视频流数据中在所述闸机位置的安全距离内的人识别失败。
进一步地,所述根据所述处理结果对闸机进行控制,包括:
若对当前视频流数据中的人或者当前视频流数据中在所述闸机位置的安全距离内的人识别成功,则向所述闸机发送开闸信号;
若对当前视频流数据中的人或者当前视频流数据中在所述闸机位置的安全距离内的人识别失败,则发出无权限的提示信号。
作为本发明的另一个方面,提供一种存储介质,其中,包括计算机指令,所述计算机指令被处理器加载以执行前文所述的基于人脸识别的闸机防尾随方法。
作为本发明的另一个方面,提供一种闸机设备,其中,包括存储器和处理器,所述存储器和所述处理器通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令以执行前文所述的基于人脸识别的闸机防尾随方法。
通过上述基于人脸识别的闸机防尾随方法,能够根据视频流数据进行人的数量判断,从而判断是否有人尾随,以此实现对闸机的控制。这种基于人脸识别的闸机防尾随方法可在原有人脸识别闸机上改造,成本低,且通行效率高,还能够有效防止人员尾随。
附图说明
附图是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,与下面的具体实施方式一起用于解释本发明,但并不构成对本发明的限制。在附图中:
图1为本发明提供的基于人脸识别的闸机防尾随方法的流程图。
图2为本发明提供的基于人脸识别的闸机防尾随方法的具体实施方式流程图。
图3为本发明提供的闸机设备的结构框图。
具体实施方式
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互结合。下面将参考附图并结合实施例来详细说明本发明。
为了使本领域技术人员更好地理解本发明方案,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,所描述的实施例仅仅是本发明一部分的实施例,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做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包括,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本实施例中提供了一种基于人脸识别的闸机防尾随方法,图1是根据本发明实施例提供的基于人脸识别的闸机防尾随方法的流程图,如图1所示,包括:
S110、获取闸机位置视频流数据,所述闸机位置设置有摄像装置,所述摄像装置能够采集闸机位置视频流数据;
S120、检测所述闸机位置视频流数据中的人的数量;
S130、根据所述人的数量的不同分别进行相应的人脸识别处理,得到处理结果;
S140、根据所述处理结果对闸机进行控制。
通过上述基于人脸识别的闸机防尾随方法,能够根据视频流数据进行人的数量判断,从而判断是否有人尾随,以此实现对闸机的控制。这种基于人脸识别的闸机防尾随方法可在原有人脸识别闸机上改造,成本低,且通行效率高,还能够有效防止人员尾随。
具体地,根据所述人的数量的不同分别进行相应的人脸识别处理,得到处理结果,包括:
判断所述人的数量是否为一个;
若所述人的数量为一个,则对当前视频流数据中的人进行人脸识别处理,得到处理结果;
若所述人的数量是多个,则判断在所述闸机位置的安全距离内的人的数量是否为一个;
若在所述闸机位置的安全距离内的人的数量是一个,则对当前视频流数据中在所述闸机位置的安全距离内的人进行人脸识别处理,得到处理结果。
具体地,若在所述闸机位置的安全距离内的人的数量为多个,则发出有人尾随的告警信号,并返回执行所述获取闸机位置视频流数据的步骤。
下面结合图2对本发明实施例中的基于人脸识别的闸机防尾随方法进行详细说明。
首先是获取到摄像头视频流后根据HOG人脸跟踪算法计算出视频画面内有多少个不同的人,如果仅有1人,则截取出人脸,并提取出人脸特征值与人脸库进行比对,比对成功后发出开闸信号打开闸门。如果视频画面内不止1人,则根据一种类似于相似三角形原理来计算出画面中每个人离摄像头的距离是多少,然后判断安全距离内有多少个人,如果仅有一人的话,则截取出安全距离内这个人的人脸,并提取出这个人的人脸特征与人脸特征库进行比对,如果比对成功则发出开门信号。但如果安全距离内不仅仅有1人,则给我提示,提示尾随人员退到安全距离以外。当检测出安全距离内仅有一人时,再进行人脸截取,提取特征值与人脸库进行比对的操作。
在一些实施方式中,关于所述HOG算法分析的具体过程为:当有人员进入视频画面内,并在视频画面内移动时,需要通过人脸跟踪算法分析出视频画面内有多少个不同的人在移动,人脸跟踪的含义就是当一个人进入视频画面内到离开画面,能一直锁定这个人的坐标。这里采用HOG算法来实现人脸跟踪。
首先是对视频中原图进行灰度化,因为HOG统计的是梯度信息,色彩几乎没有作用,灰度化首先得获得图像的彩色RGB分量,然后根据下面公式计算出灰度grayPerson:grayPerson=0.587*colorPerson_B+0.299*colorPerson_G+0.114*colorPerson_R得到视频帧的灰度图像。然后再进行gamma压缩和归一化,这样可以减轻光照影响。然后进行统计,首先是统计每个cell里的梯度(包括大小和方向,大小用来加权方向)统计直方图,再把几个cell合并成一个block,作为这个block的hog的特征,并对这个特征进行归一化处理,可以进一步减轻光照影响。这样就可以去除视频画面内的同一个人帧数据,只留下不同人员数据。
在一些实施方式中,获取HOG算法分析后的视频帧数据,采用MTCNN进行人脸检测(其中MTCNN可以参考《Joint Face Detection and Alignment using Multi-taskCascaded Convolutional Networks》),将视频画面内不同人员的人脸检测出来,并计算出视频画面内有多少个不同人脸和每个人脸的坐标,根据每个人脸的坐标,计算出每个人脸的长宽像素值。最后再根据每个人脸的坐标,从原图中抠出每张人脸照片,并提取出每张人脸照片的特征值存下来待后面人脸识别使用。
具体地,所述若所述人的数量是多个,则判断在所述闸机位置的安全距离内的人的数量是否为一个,包括:
计算当前视频流数据中的每个人的人脸坐标;
根据每个人的人脸坐标分别计算每个人距离所述闸机位置的距离;
根据每个人距离所述闸机位置的距离判断该人是否位于所述闸机位置的安全距离内;
统计位于所述闸机位置的安全距离内的人的数量;
判断所述闸机位置的安全距离内的人的数量是否为一个。
具体地,所述根据每个人距离所述闸机位置的距离判断该人是否位于所述闸机位置的安全距离内,包括:
比较每个人距离所述闸机位置的距离是否超过预设阈值距离;
若每个人距离所述闸机位置的距离没有超过所述预设阈值距离,则判定该人位于所述闸机位置的安全距离内。
具体地,所述根据每个人的人脸坐标分别计算每个人距离所述闸机位置的距离,包括:
计算所述摄像装置的摄像画面的实际长度;
根据每个人的人脸坐标计算出每个人的人脸实际宽度;
根据每个人的人脸实际宽度和像素宽度以及所述摄像装置的焦距计算每个人的人脸距离所述摄像装置的距离。
在一些实施方式中,关于摄像装置的参数获取具体可以采用如下方式。
应当理解的是,所述摄像装置包括摄像头,因此摄像装置的参数获取即为摄像头的参数获取。
首先根据摄像头的实际安装场景,测试出摄像头的高度h,安装好后摄像头俯仰角θ,摄像头垂直半视角β,水平半视角γ。摄像头的垂直和水平视角可以自行标定测量,水平视角可以根据水平半视角计算公式进行计算,W为图像宽度,H为图像的高度,d为像元长度,f为焦距。垂直视角根据垂直半视角计算公式进行计算。分别计算出摄像头的垂直半视角β和水平半视角γ。
其中,所述水平半视角计算公式为:
所述水平半视角计算公式为:
摄像头画面实际地面区域参数获取过程如下:
首先要在摄像头实际安装场景中测量出摄像头实际覆盖地面区域的宽和高,以及找出摄像头实际覆盖区域的中心点坐标,假设中心点坐标为O'。
由前文所述,已经根据人脸检测算法获取到人脸坐标,并且也获得了摄像头的像素宽度和高度,以及摄像头画面实际覆盖区域面积的宽度和高度。根据这些参数即可换算出摄像头范围内每个人脸在实际地面区域距离中心点O'的距离。
根据计算出来的人脸坐标离中心点的距离Y,以及测量出的图像高的一半Y',可以计算出人脸坐标点到摄像头y轴上的距离y,计算方式如下公式:
根据上面计算出来的人脸坐标点到摄像头y轴上的距离y,和前面计算出来的人脸坐标离中心点的距离X,以及测量出来的图像宽度的一半X',可以计算出人脸坐标点到摄像头x轴上的距离x,计算方式如下所示公式:
最后动态计算出人脸到摄像头位置的距离。
具体地,根据上述公式计算出了人脸坐标到摄像头中心点的x,y轴的长度,根据x,y值可以计算出人脸到摄像头安装位置的地面距离S,可以使用下面公式进行计算:
需要说明的是,事先会在摄像头前面设定一个安全距离,即所述预设阈值距离,并且在前面也检测出了视频画面内一共有多少个人脸,在计算出视频画面内所有人到摄像头安装位置的距离S后,先判断在安全距离内有几个人,如果安全距离内只有1人,则就进行下一步的人脸识别步骤,如果在安全距离内不止一人,则给出有尾随人员的提示。直到检测出安全距离内只有1个人时,才将这个人的人脸截取出来,进行下一步的人脸识别操作。
具体地,所述对当前视频流数据中的人进行人脸识别处理,得到处理结果,以及,所述对当前视频流数据中在所述闸机位置的安全距离内的人进行人脸识别处理,得到处理结果,均包括:
检测当前视频流数据中的人脸位置;
提取人脸特征;
将所述人脸特征与人脸库进行比对;
若所述人脸特征与所述人脸库比对成功,则对当前视频流数据中的人或者当前视频流数据中在所述闸机位置的安全距离内的人识别成功;
若所述人脸特征与所述人脸库比对失败,则对当前视频流数据中的人或者当前视频流数据中在所述闸机位置的安全距离内的人识别失败。
具体地,所述根据所述处理结果对闸机进行控制,包括:
若对当前视频流数据中的人或者当前视频流数据中在所述闸机位置的安全距离内的人识别成功,则向所述闸机发送开闸信号;
若对当前视频流数据中的人或者当前视频流数据中在所述闸机位置的安全距离内的人识别失败,则发出无权限的提示信号。
可以理解的是,将安全距离内截取出来的人脸进行人脸特征提取操作,将提取出来的人脸特征与特征库里的人脸进行对比,特征库里的人脸是是提前采集好有权限开闸的人员,例如,当安全距离里那个人的人脸特征与特征库里面的某个人员的特征值相似度超过80%,则认为为同一个人,就会将这个人的信息发送给闸机,由闸机发送开门信号。如果这个人与特征库里面的特征值没有超过80%的,则判定此人不在有权限开闸人员名单里,闸机给出提示,此人没有开门权限。
本发明实施例提供的基于人脸识别的闸机防尾随方法,通过自动检测摄像头内人员的个数,并且自动测算出每个人员离摄像头的距离,分析出在划定的安全距离内是否只有一个人,如果只有一个人,则检测出这个人的人脸,并截取出人脸,通过人脸特征算法提取出人脸特征与人脸库里的人员进行比对。比对成功的则向闸机发送开门信号。如果在安全距离内不只有一个人,则发出提示语音,提示有人员尾随,请尾随人员退出安全距离,并且不给闸机发送开门信号。这样可以有效的杜绝尾随人员跟着前一个人员进入闸机,并且可在原有人脸识别闸机上改造,成本低,有效实现了在不增设外部硬件,以及节约成本的条件下防止尾随人员跟进闸机。
作为本发明的另一实施例,提供一种存储介质,其中,包括计算机指令,所述计算机指令被处理器加载以执行前文所述的基于人脸识别的闸机防尾随方法。
作为本发明的另一实施例,提供一种闸机设备,其中,包括存储器和处理器,所述存储器和所述处理器通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令以执行前文所述的基于人脸识别的闸机防尾随方法。
如图3所示,图3是本发明实施例提供的一种闸机设备的结构示意图,如该闸机设备100可以包括:至少一个处理器110,例如CPU(Central Processing Unit,中央处理器),至少一个通信接口130,存储器140,至少一个通信总线120。其中,通信总线120用于实现这些组件之间的连接通信。其中,通信接口120可以包括显示屏(Display)、键盘(Keyboard),可选通信接口130还可以包括标准的有线接口、无线接口。存储140可以是高速RAM存储器(Random Access Memory,易挥发性随机存取存储器),也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。
其中,通信总线120可以是外设部件互连标准(peripheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture,简称EISA)总线等。通信总线120可以分为地址总线、数据总线、控制总线等。为便于表示,图3中仅用一条粗线表示,但并不表示仅有一根总线或一种类别的总线。
其中,存储器140可以包括易失性存储器(英文:volatile memory),例如随机存取存储器(英文:random-access memory,缩写:RAM);存储器也可以包括非易失性存储器(英文:non-volatile memory),例如快闪存储器(英文:flash memory),硬盘(英文:hard diskdrive,缩写:HDD)或固态硬盘(英文:solid-state drive,缩写:SSD);存储器140还可以包括上述种类的存储器的组合。
其中,处理器110可以是中央处理器(英文:central processing unit,缩写:CPU),网络处理器(英文:network processor,缩写:NP)或者CPU和NP的组合。
其中,处理器110还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路(英文:application-specific integrated circuit,缩写:ASIC),可编程逻辑器件(英文:programmable logic device,缩写:PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(英文:complex programmable logic device,缩写:CPLD),现场可编程逻辑门阵列(英文:field-programmable gate array,缩写:FPGA),通用阵列逻辑(英文:generic arraylogic,缩写:GAL)或其任意组合。
可选地,存储器140还用于存储程序指令。处理器110可以调用程序指令,实现以上所述的基于人脸识别的闸机防尾随方法。
应当理解的是,所述闸机设备除了上述处理器和存储器之前,还包括闸机、摄像装置等硬件设备,这些硬件设备的实现为本领域技术人员所熟知,此处不再赘述。
可以理解的是,以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式,然而本发明并不局限于此。对于本领域内的普通技术人员而言,在不脱离本发明的精神和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本发明的保护范围。
Claims (10)
1.一种基于人脸识别的闸机防尾随方法,其特征在于,包括:
获取闸机位置视频流数据,所述闸机位置设置有摄像装置,所述摄像装置能够采集闸机位置视频流数据;
检测所述闸机位置视频流数据中的人的数量;
根据所述人的数量的不同分别进行相应的人脸识别处理,得到处理结果;
根据所述处理结果对闸机进行控制。
2.根据权利要求1所述的基于人脸识别的闸机防尾随方法,其特征在于,根据所述人的数量的不同分别进行相应的人脸识别处理,得到处理结果,包括:
判断所述人的数量是否为一个;
若所述人的数量为一个,则对当前视频流数据中的人进行人脸识别处理,得到处理结果;
若所述人的数量是多个,则判断在所述闸机位置的安全距离内的人的数量是否为一个;
若在所述闸机位置的安全距离内的人的数量是一个,则对当前视频流数据中在所述闸机位置的安全距离内的人进行人脸识别处理,得到处理结果。
3.根据权利要求2所述的基于人脸识别的闸机防尾随方法,其特征在于,若在所述闸机位置的安全距离内的人的数量为多个,则发出有人尾随的告警信号,并返回执行所述获取闸机位置视频流数据的步骤。
4.根据权利要求2所述的基于人脸识别的闸机防尾随方法,其特征在于,所述若所述人的数量是多个,则判断在所述闸机位置的安全距离内的人的数量是否为一个,包括:
计算当前视频流数据中的每个人的人脸坐标;
根据每个人的人脸坐标分别计算每个人距离所述闸机位置的距离;
根据每个人距离所述闸机位置的距离判断该人是否位于所述闸机位置的安全距离内;
统计位于所述闸机位置的安全距离内的人的数量;
判断所述闸机位置的安全距离内的人的数量是否为一个。
5.根据权利要求4所述的基于人脸识别的闸机防尾随方法,其特征在于,所述根据每个人距离所述闸机位置的距离判断该人是否位于所述闸机位置的安全距离内,包括:
比较每个人距离所述闸机位置的距离是否超过预设阈值距离;
若每个人距离所述闸机位置的距离没有超过所述预设阈值距离,则判定该人位于所述闸机位置的安全距离内。
6.根据权利要求4所述的基于人脸识别的闸机防尾随方法,其特征在于,所述根据每个人的人脸坐标分别计算每个人距离所述闸机位置的距离,包括:
计算所述摄像装置的摄像画面的实际长度;
根据每个人的人脸坐标计算出每个人的人脸实际宽度;
根据每个人的人脸实际宽度和像素宽度以及所述摄像装置的焦距计算每个人的人脸距离所述摄像装置的距离。
7.根据权利要求2所述的基于人脸识别的闸机防尾随方法,其特征在于,所述对当前视频流数据中的人进行人脸识别处理,得到处理结果,以及,所述对当前视频流数据中在所述闸机位置的安全距离内的人进行人脸识别处理,得到处理结果,均包括:
检测当前视频流数据中的人脸位置;
提取人脸特征;
将所述人脸特征与人脸库进行比对;
若所述人脸特征与所述人脸库比对成功,则对当前视频流数据中的人或者当前视频流数据中在所述闸机位置的安全距离内的人识别成功;
若所述人脸特征与所述人脸库比对失败,则对当前视频流数据中的人或者当前视频流数据中在所述闸机位置的安全距离内的人识别失败。
8.根据权利要求7所述的基于人脸识别的闸机防尾随方法,其特征在于,所述根据所述处理结果对闸机进行控制,包括:
若对当前视频流数据中的人或者当前视频流数据中在所述闸机位置的安全距离内的人识别成功,则向所述闸机发送开闸信号;
若对当前视频流数据中的人或者当前视频流数据中在所述闸机位置的安全距离内的人识别失败,则发出无权限的提示信号。
9.一种存储介质,其特征在于,包括计算机指令,所述计算机指令被处理器加载以执行权利要求1至8中任意一项所述的基于人脸识别的闸机防尾随方法。
10.一种闸机设备,其特征在于,包括存储器和处理器,所述存储器和所述处理器通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令以执行权利要求1至8中任意一项所述的基于人脸识别的闸机防尾随方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010022307.7A CN111241997A (zh) | 2020-01-09 | 2020-01-09 | 基于人脸识别的闸机防尾随方法、闸机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010022307.7A CN111241997A (zh) | 2020-01-09 | 2020-01-09 | 基于人脸识别的闸机防尾随方法、闸机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111241997A true CN111241997A (zh) | 2020-06-05 |
Family
ID=70875952
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010022307.7A Pending CN111241997A (zh) | 2020-01-09 | 2020-01-09 | 基于人脸识别的闸机防尾随方法、闸机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111241997A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111723770A (zh) * | 2020-06-30 | 2020-09-29 | 四川兴事发门窗有限责任公司 | 基于图像识别的防尾随闸机系统及方法 |
CN111768542A (zh) * | 2020-06-28 | 2020-10-13 | 浙江大华技术股份有限公司 | 一种闸机控制系统、方法、装置、服务器及存储介质 |
CN111953937A (zh) * | 2020-07-31 | 2020-11-17 | 云洲(盐城)创新科技有限公司 | 落水人员救生系统及落水人员救生方法 |
CN112083678A (zh) * | 2020-08-25 | 2020-12-15 | 深圳市格灵人工智能与机器人研究院有限公司 | 闸机安全控制方法、装置、电子设备及存储介质 |
CN112116745A (zh) * | 2020-09-10 | 2020-12-22 | 精伦电子股份有限公司 | 一种闸机、闸机控制方法、系统、电子设备及存储介质 |
CN112927411A (zh) * | 2021-01-21 | 2021-06-08 | 深圳摩萨迪智能科技有限公司 | 一种基于图像处理技术的门禁管理方法 |
CN115240309A (zh) * | 2022-07-06 | 2022-10-25 | 苏州雷格特智能设备股份有限公司 | 一种可快速部署的智慧岗亭 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109858329A (zh) * | 2018-12-15 | 2019-06-07 | 深圳壹账通智能科技有限公司 | 基于人脸识别的防尾随方法、装置、设备及存储介质 |
CN110390745A (zh) * | 2019-06-03 | 2019-10-29 | 浙江大华技术股份有限公司 | 闸机控制方法、系统、可读存储介质和设备 |
-
2020
- 2020-01-09 CN CN202010022307.7A patent/CN111241997A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109858329A (zh) * | 2018-12-15 | 2019-06-07 | 深圳壹账通智能科技有限公司 | 基于人脸识别的防尾随方法、装置、设备及存储介质 |
CN110390745A (zh) * | 2019-06-03 | 2019-10-29 | 浙江大华技术股份有限公司 | 闸机控制方法、系统、可读存储介质和设备 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111768542A (zh) * | 2020-06-28 | 2020-10-13 | 浙江大华技术股份有限公司 | 一种闸机控制系统、方法、装置、服务器及存储介质 |
CN111723770A (zh) * | 2020-06-30 | 2020-09-29 | 四川兴事发门窗有限责任公司 | 基于图像识别的防尾随闸机系统及方法 |
CN111953937A (zh) * | 2020-07-31 | 2020-11-17 | 云洲(盐城)创新科技有限公司 | 落水人员救生系统及落水人员救生方法 |
CN112083678A (zh) * | 2020-08-25 | 2020-12-15 | 深圳市格灵人工智能与机器人研究院有限公司 | 闸机安全控制方法、装置、电子设备及存储介质 |
CN112116745A (zh) * | 2020-09-10 | 2020-12-22 | 精伦电子股份有限公司 | 一种闸机、闸机控制方法、系统、电子设备及存储介质 |
CN112927411A (zh) * | 2021-01-21 | 2021-06-08 | 深圳摩萨迪智能科技有限公司 | 一种基于图像处理技术的门禁管理方法 |
CN115240309A (zh) * | 2022-07-06 | 2022-10-25 | 苏州雷格特智能设备股份有限公司 | 一种可快速部署的智慧岗亭 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111241997A (zh) | 基于人脸识别的闸机防尾随方法、闸机设备和存储介质 | |
CN110942545B (zh) | 基于人脸识别和视频围栏的人员密集出入口门禁控制系统及方法 | |
US11256902B2 (en) | People-credentials comparison authentication method, system and camera | |
CN106056079B (zh) | 一种图像采集设备及人脸五官的遮挡检测方法 | |
CN109858371B (zh) | 人脸识别的方法及装置 | |
US20190333241A1 (en) | People flow analysis apparatus, people flow analysis system, people flow analysis method, and non-transitory computer readable medium | |
WO2021135064A1 (zh) | 人脸识别方法、装置、计算机设备及存储介质 | |
CN105518709A (zh) | 用于识别人脸的方法、系统和计算机程序产品 | |
CN109389019B (zh) | 人脸图像选择方法、装置及计算机设备 | |
CN111161206A (zh) | 一种图像抓拍方法、监控相机及监控系统 | |
CN112257669A (zh) | 行人重识别方法、装置及电子设备 | |
CN103530648A (zh) | 一种基于多帧图像的人脸识别方法 | |
US20180075307A1 (en) | Scan face of video feed | |
US20230091865A1 (en) | Face image verification method and apparatus, electronic device, and storage medium | |
CN109492509A (zh) | 身份识别方法、装置、计算机可读介质及系统 | |
CN111079687A (zh) | 证件伪装识别方法、装置、设备及存储介质 | |
CN108764153A (zh) | 人脸识别方法、装置、系统和存储介质 | |
CN112560683A (zh) | 一种翻拍图像识别方法、装置、计算机设备及存储介质 | |
CN110689694B (zh) | 基于图像处理的智能监控系统及方法 | |
KR20090044957A (ko) | 도난 및 방치 감시 시스템 및 도난 및 방치 검출 방법 | |
CN115346060A (zh) | 画面异常识别方法、装置、电子设备和存储介质 | |
JP2002304651A (ja) | 入退室管理装置とその方法、およびこの方法の実行プログラムとこの実行プログラムを記録した記録媒体 | |
CN114049658A (zh) | 基于人脸识别的流动人口管理方法、装置、计算机设备和存储介质 | |
KR101912433B1 (ko) | 영상 분석 기반 위조 지문 판별 장치 및 방법 | |
CN111091047B (zh) | 活体检测方法、装置、服务器和人脸识别设备 |
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 |