CN111259813B - 人脸检测跟踪方法、装置、计算机设备和存储介质 - Google Patents
人脸检测跟踪方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN111259813B CN111259813B CN202010053989.8A CN202010053989A CN111259813B CN 111259813 B CN111259813 B CN 111259813B CN 202010053989 A CN202010053989 A CN 202010053989A CN 111259813 B CN111259813 B CN 111259813B
- Authority
- CN
- China
- Prior art keywords
- user
- image
- feature vector
- detected
- confirmed
- 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
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000001514 detection method Methods 0.000 title claims abstract description 34
- 239000013598 vector Substances 0.000 claims abstract description 251
- 238000012544 monitoring process Methods 0.000 claims abstract description 82
- 238000004590 computer program Methods 0.000 claims description 22
- 238000012806 monitoring device Methods 0.000 claims description 22
- 238000003384 imaging method Methods 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000012790 confirmation Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 230000000875 corresponding effect Effects 0.000 description 57
- 230000006399 behavior Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000002596 correlated effect Effects 0.000 description 6
- 239000000284 extract Substances 0.000 description 5
- 238000007726 management method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/55—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- 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)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Library & Information Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种人脸检测跟踪方法、装置、计算机设备和存储介质。所述方法包括:获取预设区域内监测设备上传的待检测人脸图像,提取待检测人脸图像的图像特征向量;根据图像特征向量确定待检测人脸图像中用户的性别和年龄;将图像特征向量与第一特征库中包含的第一特征向量进行匹配;若第一特征库中未包含有与图像特征向量匹配成功的第一特征向量,则对图像特征向量进行存储,并创建对应的用户标识;确定待检测人脸图像中包含的待确认用户在预设区域内的位置信息;将待检测人脸图像、用户标识、待检测人脸图像的上传时间、待确认用户的位置信息进行存储;通过预设区域内的监测设备对待确认用户进行跟踪记录。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种人脸检测跟踪方法、装置、计算机设备和存储介质。
背景技术
非全封闭式小区没有限制非业主进入,同时又缺乏对进入的陌生人的行动路线和具体行为的有效记录,出现安全事件难以快速追溯,也不能做到预先预警。封闭式小区,可以做到陌生人的登记,但普通的监控摄像头难以进行陌生人进入社区后的路线和行为的跟踪记录。有些小区单元门口有人脸识别摄像头,但也只限制在单元门口的特定范围内。现有的异常行为监控系统或安防监控系统,只能对陌生人的一次进入进行一致的追踪,而不能长期自动的进行记录和分析;如果陌生人没有进入禁止区或出现可疑行为也不能对其进行发现和记录。
发明内容
基于此,有必要针对上述技术问题,提供一种能够有效对陌生人进行跟踪记录的人脸检测跟踪方法、装置、计算机设备和存储介质。
一种人脸检测跟踪方法,所述方法包括:
获取预设区域内监测设备上传的待检测人脸图像,提取所述待检测人脸图像的图像特征向量;
根据所述图像特征向量确定所述待检测人脸图像中用户的性别和年龄;
根据所述待检测人脸图像中用户的性别和年龄,将所述图像特征向量与第一特征库中包含的第一特征向量进行匹配;
若所述第一特征库中未包含有与所述图像特征向量匹配成功的第一特征向量,则对所述图像特征向量进行存储,并创建对应的用户标识;
确定所述待检测人脸图像中包含的待确认用户在所述预设区域内的位置信息;
将所述待检测人脸图像、用户标识、所述待检测人脸图像的上传时间、所述待确认用户的位置信息进行存储;
通过所述预设区域内的监测设备对所述待确认用户进行跟踪记录。
一种人脸检测跟踪装置,所述装置包括:
特征提取模块,用于获取预设区域内监测设备上传的待检测人脸图像,提取所述待检测人脸图像的图像特征向量;
第一匹配模块,用于根据所述图像特征向量确定所述待检测人脸图像中用户的性别和年龄;根据所述待检测人脸图像中用户的性别和年龄,将所述图像特征向量与第一特征库中包含的第一特征向量进行匹配;
图像存储模块,用于若所述第一特征库中未包含有与所述图像特征向量匹配成功的第一特征向量,则对所述图像特征向量进行存储,并创建对应的用户标识;
位置确认模块,用于确定所述待检测人脸图像中包含的待确认用户在所述预设区域内的位置信息;
所述图像存储模块还用于将所述待检测人脸图像、用户标识、所述待检测人脸图像的上传时间、所述待确认用户的位置信息进行存储;
用户追踪模块,用于通过所述预设区域内的监测设备对所述待确认用户进行跟踪记录。
一种计算机设备,包括存储器、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以下步骤:
获取预设区域内监测设备上传的待检测人脸图像,提取所述待检测人脸图像的图像特征向量;
根据所述图像特征向量确定所述待检测人脸图像中用户的性别和年龄;
根据所述待检测人脸图像中用户的性别和年龄,将所述图像特征向量与第一特征库中包含的第一特征向量进行匹配;
若所述第一特征库中未包含有与所述图像特征向量匹配成功的第一特征向量,则对所述图像特征向量进行存储,并创建对应的用户标识;
确定所述待检测人脸图像中包含的待确认用户在所述预设区域内的位置信息;
将所述待检测人脸图像、用户标识、所述待检测人脸图像的上传时间、所述待确认用户的位置信息进行存储;
通过所述预设区域内的监测设备对所述待确认用户进行跟踪记录。
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以下步骤:
获取预设区域内监测设备上传的待检测人脸图像,提取所述待检测人脸图像的图像特征向量;
根据所述图像特征向量确定所述待检测人脸图像中用户的性别和年龄;
根据所述待检测人脸图像中用户的性别和年龄,将所述图像特征向量与第一特征库中包含的第一特征向量进行匹配;
若所述第一特征库中未包含有与所述图像特征向量匹配成功的第一特征向量,则对所述图像特征向量进行存储,并创建对应的用户标识;
确定所述待检测人脸图像中包含的待确认用户在所述预设区域内的位置信息;
将所述待检测人脸图像、用户标识、所述待检测人脸图像的上传时间、所述待确认用户的位置信息进行存储;
通过所述预设区域内的监测设备对所述待确认用户进行跟踪记录。
上述人脸检测跟踪方法、装置、计算机设备和存储介质,上述人脸检测跟踪方法中,服务器通过获取预设区域内监测设备上传的待检测人脸图像,提取待检测人脸图像的图像特征向量,根据图像特征向量确定待检测人脸图像中用户的性别和年龄,根据待检测人脸图像中用户的性别和年龄,将图像特征向量与第一特征库中包含的第一特征向量进行匹配,若第一特征库中未包含有与图像特征向量匹配成功的第一特征向量,则对图像特征向量进行存储,并创建对应的用户标识,确定待检测人脸图像中包含的待确认用户在预设区域内的位置信息,将待检测人脸图像、用户标识、待检测人脸图像的上传时间、待确认用户的位置信息进行存储,通过预设区域内的监测设备对待确认用户进行跟踪记录。通过这种人脸检测的方法,对小区中出现的非业主的陌生人,不需要小区保安手工登记,在其无感的情况下,对陌生人自动地进行感知、标注和行为记录,会自动的动态生成陌生人脸识别底库,也提高了陌生人匹配的准确性,同时,上述人脸检测跟踪方法在人脸特征识别算法的基础上,根据人脸的偏转角度分区域加入了多人脸图片同时匹配,也会同时进行性别、年龄等识别,再进行综合加权判断,进一步的提高了人脸检测匹配的准确性。将这种人脸检测跟踪方法应用至需要的预设区域,可以为预设区域管理和安防提供有效的数据支持。
附图说明
图1为一个实施例中人脸检测跟踪方法的应用环境图;
图2为一个实施例中人脸检测跟踪方法的流程示意图;
图3为一个实施例中计算待确认用户的位置信息的示意图;
图4为一个实施例中人脸检测跟踪方法的示意图;
图5为一个实施例中人脸检测跟踪装置的结构框图;
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。
本申请提供的人脸检测跟踪方法,可以应用于如图1所示的应用环境中。其中,监测设备102通过网络与服务器104通过网络进行通信。其中,监测设备102可以但不限于是各种具备摄像、照相功能的电子设备,如高清摄像头,红外线摄像头等,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。
在一个实施例中,如图2所示,提供了一种人脸检测跟踪方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤201,获取预设区域内监测设备上传的待检测人脸图像,提取待检测人脸图像的图像特征向量。
步骤202,根据图像特征向量确定待检测人脸图像中用户的性别和年龄。
预设区域是指预先指定的区域,预设区域可以是指某个指定的小区,或者学校,或者公司内部区域等。在预设区域内可以预先装有多个监测设备,如监控摄像头等。监测设备会不断将拍摄到的待检测人脸图像上传至服务器,服务器在获取到监测设备上传的待检测人脸图像后,可以提取出待检测人脸图像的图像特征向量,并根据图像特征向量确定待检测人脸图像中用户的性别和年龄,这样处理的好处在于可以缩小比对范围,若是年龄和性别匹配不上,则直接确认为不匹配。
步骤203,根据待检测人脸图像中用户的性别和年龄,将图像特征向量与第一特征库中包含的第一特征向量进行匹配。
当预设区域为某小区时,第一特征库也可以称为业主库;当预设区域为某公司所在区域时,第一特征库也可以称为员工库。也就是说,在第一特征库中存储有多个已经确认的用户的人脸图像,即第一特征库中存储有多个第一用户的人脸图像,第一用户代表有权限进入该预设区域,可以认为第一用户进入该预设区域是一个正常现象,无需对第一用户进行跟踪记录。反之,未包含在第一特征库中的用户人脸图像,则表示该用户属于该预设区域的陌生人,即属于待确认用户,需要对该用户在预设区域内的行踪进行跟踪记录,以确认该待确认用户的行为是否有异常。进一步的,在将图像特征向量与第一特征库中包含的第一特征向量进行匹配时,可以根据待检测人脸图像中用户的性别和年龄进行匹配。也就是说,服务器可以根据待检测人脸图像提取到的图像特征向量,确定出待检测人脸图像中包含的人脸所对应的性别和年龄。那么在将图像特征向量与第一特征库中包含的第一特征向量进行匹配时,可以先根据待检测人脸图像中包含的人脸所对应的性别和年龄对第一特征库中包含的第一特征向量进行筛选。比如,当服务器确定待检测人脸图像中包含的人脸所对应的性别和年龄为女性,20-25岁时,则可以以此为条件对第一特征库中包含的第一特征向量进行筛选,排除掉对应的用户为男性的第一特征向量,以及年龄不处于20-25这一年龄段的第一特征向量,以此减少图像特征向量与第一特征库的匹配数量,也能够提高匹配准确率。进一步的,在第一特征库中包含的第一特征向量也可以是按照年龄和性别进行分类保存的。比如,将男性和女性分开保存,同时还会根据男性与女性的年龄进行分类存储。后续在进行匹配操作时,也可以快速进行数据的查询与匹配。
在匹配时,为了提高匹配准确率,可以将同一个第一用户,即同一个业主的多个人脸图像对应的人脸特征向量与待检测人脸图像的图像特征向量进行匹配。同理,在与第二特征库中的第二特征向量进行匹配时,也可以将同一个第二用户的多个人脸图像对应的人脸特征向量与待检测人脸图像的图像特征向量进行匹配。
在一个实施例中,上述方法还包括:获取第一用户的人脸图像、性别及年龄信息;提取第一用户的人脸图像的特征向量,得到第一特征向量;为第一用户创建用户标识,将第一用户的人脸图像、性别、年龄信息及第一特征向量与第一用户的用户标识进行关联存储,得到第一特征库。
以预设区域为某小区为例,第一用户表示为各个业主,也可以进一步包括业主的家人,亲属,以及经常出入业主家的好友等。首先,可以对各个第一用户进行信息采集,采集到各个第一用户的人脸图像、性别及年龄信息,并对每个第一用户的人脸图像的特征向量,以得到每个第一用户的人脸图像对应的第一特征向量。当然,第一用户,即业主也可以自行通过特定软件进行注册,并自行上传自己的人脸图像。同时,为每个第一用户创建唯一的用户标识,并将第一用户的人脸图像、性别、年龄信息及第一特征向量与第一用户的用户标识进行关联存储至服务的数据库中,后续则可以根据第一用户的人脸图像、第一特征向量查找到对应的用户标识,通过此方式为全部第一用户创建对应的用户标识并将采集到的信息与用户标识对应存储后,即可得到第一特征库。也就是说,在第一特征库中包含有多个第一用户对应的用户信息。
在一个实施例中,在获取预设区域内监测设备上传的待检测人脸图像之后,还包括:检测待检测人脸图像是否符合预设质量标准;若否,则去除待检测人脸图像;若是,则进入提取待检测人脸图像的图像特征向量的步骤。
服务器在获取到待检测人脸图像后,还可以先对待检测人脸图像的图像质量进行检测。若是待检测人脸图像不符合预设质量标准,则表示此待检测人脸图像不适合进行人脸检测,得到的人脸检测结论也是不可信的,则可以去除此待检测人脸图像,以免影响人脸识别的准确性。比如,可以从图像的尺寸、清晰度、角度等维度对待检测人脸图像进行图像质量的检测,若是尺寸过小,或人脸清晰度较低,又或者待检测人脸图像中的人脸角度过偏时,则可以判定此待检测人脸图像不符合预设质量标准。预设质量标准可以根据实际需求进行调整。若是判定待检测人脸图像符合预设质量标准,则可以进入下一个提取待检测人脸图像的图像特征向量的步骤。
步骤204,若第一特征库中未包含有与图像特征向量匹配成功的第一特征向量,则对图像特征向量进行存储,并创建对应的用户标识。
服务器可以将从待检测人脸图像中提取得到的图像特征向量,与第一特征库中包含的第一特征向量进行匹配,同时将待检测人脸图像对应人脸的性别和年龄与第一特征库中包含的第一用户的性别和年龄进行综合比对。若第一特征库中未包含有与图像特征向量匹配成功的第一特征向量,则表示该待检测人脸图像中包含的用户并不属于第一用户,而是属于该预设区域内的待确认用户,可以将待检测人脸图像对应的图像特征向量进行存储,并为此待检测人脸图像中包含的用户创建对应的用户标识。
在一个实施例中,上述方法还包括:若第一特征库中未包含有与图像特征向量匹配成功的第一特征向量,将图像特征向量与第二特征库中包含的第二特征向量进行匹配;若第二特征库中包含有与图像特征向量匹配成功的第二特征向量,则获取匹配成功的第二特征向量对应的用户标识,并将待检测人脸图像进行对应存储;若第二特征库中未包含有与图像特征向量匹配成功的第二特征向量,则对图像特征向量进行存储,并创建对应的用户标识。
第二特征库是与第一特征库相对的,假设预设区域为某小区,那么第一特征库中包含的第一用户则表示为该小区内的各个业主,第二特征库中的第二用户则表示为非业主,即属于该小区内的陌生人。第二特征库中包含有多个第二用户的人脸图像及各个第二用户的人脸图像对应的第二特征向量。在将图像特征向量与第二特征库中包含的第二特征向量进行匹配时,同样也可以结合待检测人脸图像中用户的性别和年龄,这样可以根据用户的性别和年龄对第二特征向量进行筛选,以降低匹配数量也能提高匹配准确率。以预设预设区域为某小区为例,当小区内的监测设备会不断将采集到的人脸图像上传至服务器,当服务器检测到有非业主出现在此小区内时,会将这些非业主的图像保存至第二特征库中,数据保存的方式与第一用户的方式一致,即为每个非业主(第二用户)创建一个唯一的第二用户标识,同时对每个非业主的人脸图像,即第二用户的人脸图像进行特征提取,将提取得到的第二特征向量与对应的第二用户标识进行关联存储。当然,第二特征库与第一特征库的数据保存方式也可以不一致,比如第二特征库中可以为每个第二用户保存多张不同的监测设备上传的多张不同角度的照片,也可以是非正面的人脸图像。而在第一特征库中,第一用户,即业主则可以只保存正面的人脸照片,当然,也可以根据个人的需要保存多个角度的人脸照片,意在于提高该业主的人脸识别准确率。
进一步的,当确定第一特征库中未包含有与图像特征向量匹配成功的第一特征向量时,表示待检测人脸图像中包含的用户并不是第一用户,那么可以将图像特征向量与第二特征库中包含的第二特征向量进行匹配。为了描述方便,可将待检测人脸图像中的用户称之为待确认用户,当服务器确定待确认用户并不是业主时,则可以待确认用户的图像特征向量与非业主库里的第二特征向量进行匹配,若是匹配失败,则表示该待确认用户是第一次在此小区内出现,则可以为此待确认用户创建一个唯一的第二用户标识,并将待检测人脸图像与对应的图像特征向量与第二用户标识进行关联存储。若是匹配成功,则表示该待确认用户之前也在此小区内出现过,说明服务器的数据库中已经存储有此待确认用户的第二用户标识,那么可以将此待检测人脸图像更新至待确认用户对应的图像库中,对待确认用户的人脸图像进行补充更新。
进一步的,在对待确认用户的人脸图像进行补充更新时,也可以对待检测人脸图像的图像质量进行检测,达到了入库标准才将待检测人脸图像保存至数据库中,若是不符合入库标准,则可以不进行保存。在这一步中,也可以对待确认用户的图像进行更新,比如该待确认用户的图像时间过于久远,数据库中存储的待确认用户的人脸图像是很久之前拍摄的,则可以用本次存储的图像替代待确认用户的历史人脸图像,以实现对待确认用户的图像进行更新。在确定待确认用户的图像时间是否过于久远时,可以根据实际需求进行设定。
步骤205,确定待检测人脸图像中包含的待确认用户在预设区域内的位置信息。
步骤206,通过预设区域内的监测设备对待确认用户进行跟踪记录。
在确定了待检测人脸图像中包含的待确认用户属于第二用户,并将待检测人脸图像进行存储后,还可以进一步对该待确认用户进行追踪。服务器可以确定出待检测人脸图像中包含的待确认用户在预设区域内的位置信息,并通过预设区域内的监测设备对待确认用户进行跟踪记录。
在一个实施例中,确定待检测人脸图像中包含的待确认用户在预设区域内的位置信息,包括:确定待确认用户在待检测人脸图像中的图像位置及用户人脸的大小;获取上传的待检测人脸图像中包含有待确认用户的监测设备及监测设备在预设区域内的设备位置;根据图像位置、人脸的大小及设备位置确认待确认用户相对于监测设备的位置信息,并根据设备位置确定待确认用户在预设区域内的位置信息。
具体的,服务器在确定待检测人脸图像中包含的待确认用户在预设区域内的位置信息时,可以先确定出待确认用户在待检测人脸图像中的图像位置及人脸的大小,并获取到上传的待检测人脸图像中包含有待确认用户的监测设备及监测设备在预设区域内的设备位置,从而可以根据图像位置、人脸的大小及设备位置确认待确认用户相对于监测设备的位置信息,服务器进而可以根据设备位置确定待确认用户在预设区域内的位置信息。进一步的,服务器可以根据待确认用户在待检测人脸图像的位置、人脸的大小以及事先标注好的监测设备的摄像头的位姿(如监测设备的位置和角度,可以通过至少3个标定物计算得出)、焦距、靶平面像素对应的实际的宽度和长度值等信息计算出待确认用户在预设区域内的位置信息。
如图3所示的位置信息计算示意图,假设监测设备的摄像头实际处于于O2位置,其在地面投影点为O3,H为相机距离地面高度(已知),相机焦距f(已知)。设定相机成像水平面边缘点Q1在世界坐标系中对应点为点Q,成像水平面中心点在世界坐标系中对应点P,O3M为图像中心点所对应的世界坐标系点与相机在Y轴上的距离值。可以通过相机标定计算得出相机中心点与水平方向夹角以及点与水平方向的夹角。设相机中心点与水平方向夹角为β,点Q1与水平夹角为α,则可以计算出,且,/>其中y为相机靶平面实际像素宽度,可以通过相机标定计算得出确定的值,v为实际中Q点在图像中成像点Q1对应的垂直方向坐标值,v0为图像中心点坐标值。同样的,可计算出,因此可以得到待确认用户与相机之间垂直方向的距离值Y=O3P。同理,可以计算出水平方向的/>其中,/>x为相机靶平面实际像素长度,可以通过相机标定计算得出准确的值,根据以上数据,从而可以计算出待确认用户与相机之间水平方向距离值X,即可得到准确的待确认用户在预设区域内的准确位置信息。
在一个实施例中,通过预设区域内的监测设备对待确认用户进行跟踪记录,包括:获取监测设备上传的监测图像;当检测到监测图像中包含有待确认用户时,记录监测设备的位置信息、监测图像的上传时间以及最后一次检测到待确认用户的时间,并与待确认用户的用户标识进行关联存储。
服务器在检测出待检测人脸图像中包含的用户为待确认用户后,还可以进一步对待确认用户进行跟踪记录。服务器会不断获取预设区域内的监测设备上传的监测图像,当服务器检测到监测图像中包含有该待确认用户时,会获取并记录上传该监测图像的监测设备及监测设备的位置信息,以及该监测图像的上传时间、预设区域内的全部监测设备上传的监测图像中最后一次检测到待确认用户的时间,并对以上这些数据进行记录保存。后续需要的话,服务器可以随时读取第二特征库(非业主行为记录库),查看和统计选定时间范围内待确认用户(陌生人)在预设区域内的活动情况,比如去过的地方,停留的时间和来过的次数等,还可以在预设区域内的地图上根据记录的具体位置和时间信息,精确的描绘出待确认用户(陌生人)的行动路线和时间点,为预设区域的管理和安防提供有效的数据支持。
在一个实施例中,上述方法还包括:若第一特征库中包含有与图像特征向量匹配成功的第一特征向量,则获取匹配成功的第一特征向量对应的用户标识;将待检测人脸图像与匹配成功的第一特征向量对应的用户标识进行关联存储。
在将图像特征向量与第一特征库中包含的第一特征向量进行匹配时,若第一特征库中未包含有与图像特征向量匹配成功的第一特征向量,则表示待检测人脸图像中包含的待确认用户不属于第一用户,则可以对图像特征向量进行存储,并创建对应的用户标识;若是第一特征库中包含有与图像特征向量匹配成功的第一特征向量,则表示待检测人脸图像中包含的待确认用户属于第一用户,那么可以获取到匹配成功的第一特征向量对应的用户标识,并将待检测人脸图像与匹配成功的第一特征向量对应的用户标识进行关联存储,即可实现对第一特征库中的第一用户的人脸图像进行扩充与更新。
如图4所示,以预设区域为某小区为例,小区内的监控摄像头可以将拍摄到待检测人脸图像上传至服务器,服务器可以从待检测人脸图像中提取出图像特征向量,并识别出待检测人脸图像中包含的待确认用户的性别和年龄。进一步的,服务器可以使用从待检测人脸图像中提取到的图像特征向量和第一特征库,即和业主注册人脸库中存储的第一特征向量进行匹配,在匹配过程中还会综合考虑用户的性别和年龄,以提升识别的准确率。若是与业主注册人脸库匹配成功,则表示待确认用户是业主,则人脸检测流程结束;若是与业主注册人脸库匹配失败,则表示待确认用户并不是业主,可以进一步将待检测人脸图像对应的图像特征向量与第二特征库,即非业主人脸库进行匹配。同样的,在匹配过程中也会综合考虑用户的性别和年龄,且每次匹配时,都会根据脸部的角度不同,进行多次匹配,同时也会将不同角度的人脸图像进行存储,后续匹配时也可以提高匹配准确度。
进一步的,在将待检测人脸图像对应的图像特征向量与非业主人脸库进行匹配时,会根据匹配情况进行图像的存储。若是匹配失败,则表示该待确认用户是第一次在此小区内出现,则可以为此待确认用户创建一个唯一的第二用户标识(非业主ID),并将待检测人脸图像与对应的图像特征向量与第二用户标识进行关联存储。若是匹配成功,则表示该待确认用户之前也在此小区内出现过,说明服务器的数据库中已经存储有此待确认用户的第二用户标识,那么可以将此待检测人脸图像更新至待确认用户对应的图像库中,对待确认用户的人脸图像进行补充更新。同时也会将非业主ID,当前时间,对应的人脸识别摄像头,捕获的照片访问地址和计算得出的精确的GPS位置等信息存入非业主行为记录库(第二特征库),在当前摄像头范围内进行行人跟踪,将位置信息持续存入非业主行为库,当该非业主离开摄像头拍摄区域后,将离开时间,非业主id,对应人脸识别摄像头等信息存入非业主行为库。
上述人脸检测跟踪方法中,服务器通过获取预设区域内监测设备上传的待检测人脸图像,提取待检测人脸图像的图像特征向量,根据图像特征向量确定待检测人脸图像中用户的性别和年龄,将图像特征向量与第一特征库中包含的第一特征向量进行匹配,若第一特征库中未包含有与图像特征向量匹配成功的第一特征向量,则对图像特征向量进行存储,并创建对应的用户标识,确定待检测人脸图像中包含的待确认用户在预设区域内的位置信息,将待检测人脸图像、用户标识、待检测人脸图像的上传时间、待确认用户的位置信息进行存储,通过预设区域内的监测设备对待确认用户进行跟踪记录。通过这种人脸检测的方法,对小区中出现的非业主的陌生人,不需要小区保安手工登记,在其无感的情况下,对陌生人自动地进行感知、标注和行为记录,会自动的动态生成陌生人脸识别底库,也提高了陌生人匹配的准确性,同时,上述人脸检测跟踪方法在人脸特征识别算法的基础上,根据人脸的偏转角度分区域加入了多人脸图片同时匹配,也会同时进行性别、年龄等识别,再进行综合加权判断,进一步的提高了人脸检测匹配的准确性。将这种人脸检测跟踪方法应用至需要的预设区域,可以为预设区域管理和安防提供有效的数据支持。
应该理解的是,虽然图2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,提供了一种人脸检测跟踪装置,包括:
特征提取模块501,用于获取预设区域内监测设备上传的待检测人脸图像,提取待检测人脸图像的图像特征向量。
第一匹配模块502,用于根据图像特征向量确定待检测人脸图像中用户的性别和年龄;根据待检测人脸图像中用户的性别和年龄,将图像特征向量与第一特征库中包含的第一特征向量进行匹配。
图像存储模块503,用于若第一特征库中未包含有与图像特征向量匹配成功的第一特征向量,则对图像特征向量进行存储,并创建对应的用户标识。
位置确认模块504,用于确定待检测人脸图像中包含的待确认用户在预设区域内的位置信息。
图像存储模块503还用于将待检测人脸图像、用户标识、待检测人脸图像的上传时间、待确认用户的位置信息进行存储。
用户追踪模块505,用于通过预设区域内的监测设备对待确认用户进行跟踪记录。
在一个实施例中,上述装置还包括图像采集模块(图中未示出),用于获取第一用户的人脸图像、性别及年龄信息;提取第一用户的人脸图像的特征向量,得到第一特征向量;为第一用户创建用户标识,将第一用户的人脸图像、性别、年龄信息及第一特征向量与第一用户的用户标识进行关联存储,得到第一特征库。
在一个实施例中,第一匹配模块502还用于检测待检测人脸图像是否符合预设质量标准;若否,则去除待检测人脸图像;若是,则进入提取待检测人脸图像的图像特征向量的步骤。
在一个实施例中,第二匹配模块(图中未示出),用于若第一特征库中未包含有与图像特征向量匹配成功的第一特征向量,将图像特征向量与第二特征库中包含的第二特征向量进行匹配;若第二特征库中包含有与图像特征向量匹配成功的第二特征向量,则获取匹配成功的第二特征向量对应的用户标识,并将待检测人脸图像进行对应存储;若第二特征库中未包含有与图像特征向量匹配成功的第二特征向量,则对图像特征向量进行存储,并创建对应的用户标识。
在一个实施例中,位置确认模块504还用于确定待确认用户在待检测人脸图像中的图像位置及人脸的大小;获取上传的待检测人脸图像中包含有待确认用户的监测设备及监测设备在预设区域内的设备位置;根据图像位置、人脸的大小及设备位置确认待确认用户相对于监测设备的位置信息,并根据设备位置确定待确认用户在预设区域内的位置信息。
在一个实施例中,用户追踪模块505还用于获取监测设备上传的监测图像;当检测到监测图像中包含有待确认用户时,记录监测设备的位置信息、监测图像的上传时间以及最后一次检测到待确认用户的时间,并与待确认用户的用户标识进行关联存储。
在一个实施例中,第一匹配模块502还用于若第一特征库中包含有与图像特征向量匹配成功的第一特征向量,则获取匹配成功的第一特征向量对应的用户标识;将待检测人脸图像与匹配成功的第一特征向量对应的用户标识进行关联存储。
关于人脸检测跟踪装置的具体限定可以参见上文中对于人脸检测跟踪方法的限定,在此不再赘述。上述人脸检测跟踪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人脸检测跟踪方法中相关的数据。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人脸检测跟踪方法。
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以下步骤:获取预设区域内监测设备上传的待检测人脸图像,提取待检测人脸图像的图像特征向量;根据图像特征向量确定待检测人脸图像中用户的性别和年龄;根据待检测人脸图像中用户的性别和年龄,将图像特征向量与第一特征库中包含的第一特征向量进行匹配;若第一特征库中未包含有与图像特征向量匹配成功的第一特征向量,则对图像特征向量进行存储,并创建对应的用户标识;确定待检测人脸图像中包含的待确认用户在预设区域内的位置信息;将待检测人脸图像、用户标识、待检测人脸图像的上传时间、待确认用户的位置信息进行存储;通过预设区域内的监测设备对待确认用户进行跟踪记录。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取第一用户的人脸图像、性别及年龄信息;提取第一用户的人脸图像的特征向量,得到第一特征向量;为第一用户创建用户标识,将第一用户的人脸图像、性别、年龄信息及第一特征向量与第一用户的用户标识进行关联存储,得到第一特征库。
在一个实施例中,在获取预设区域内监测设备上传的待检测人脸图像之后,处理器执行计算机程序时还实现以下步骤:检测待检测人脸图像是否符合预设质量标准;若否,则去除待检测人脸图像;若是,则进入提取待检测人脸图像的图像特征向量的步骤。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:若第一特征库中未包含有与图像特征向量匹配成功的第一特征向量,将图像特征向量与第二特征库中包含的第二特征向量进行匹配;若第二特征库中包含有与图像特征向量匹配成功的第二特征向量,则获取匹配成功的第二特征向量对应的用户标识,并将待检测人脸图像进行对应存储;若第二特征库中未包含有与图像特征向量匹配成功的第二特征向量,则对图像特征向量进行存储,并创建对应的用户标识。
在一个实施例中,确定待检测人脸图像中包含的待确认用户在预设区域内的位置信息,包括:确定待确认用户在待检测人脸图像中的图像位置及人脸的大小;获取上传的待检测人脸图像中包含有待确认用户的监测设备及监测设备在预设区域内的设备位置;根据图像位置、人脸的大小及设备位置确认待确认用户相对于监测设备的位置信息,并根据设备位置确定待确认用户在预设区域内的位置信息。
在一个实施例中,通过预设区域内的监测设备对待确认用户进行跟踪记录,包括:获取监测设备上传的监测图像;当检测到监测图像中包含有待确认用户时,记录监测设备的位置信息、监测图像的上传时间以及最后一次检测到待确认用户的时间,并与待确认用户的用户标识进行关联存储。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:若第一特征库中包含有与图像特征向量匹配成功的第一特征向量,则获取匹配成功的第一特征向量对应的用户标识;将待检测人脸图像与匹配成功的第一特征向量对应的用户标识进行关联存储。
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以下步骤:获取预设区域内监测设备上传的待检测人脸图像,提取待检测人脸图像的图像特征向量;根据图像特征向量确定待检测人脸图像中用户的性别和年龄;根据待检测人脸图像中用户的性别和年龄,将图像特征向量与第一特征库中包含的第一特征向量进行匹配;若第一特征库中未包含有与图像特征向量匹配成功的第一特征向量,则对图像特征向量进行存储,并创建对应的用户标识;确定待检测人脸图像中包含的待确认用户在预设区域内的位置信息;将待检测人脸图像、用户标识、待检测人脸图像的上传时间、待确认用户的位置信息进行存储;通过预设区域内的监测设备对待确认用户进行跟踪记录。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取第一用户的人脸图像、性别及年龄信息;提取第一用户的人脸图像的特征向量,得到第一特征向量;为第一用户创建用户标识,将第一用户的人脸图像、性别、年龄信息及第一特征向量与第一用户的用户标识进行关联存储,得到第一特征库。
在一个实施例中,在获取预设区域内监测设备上传的待检测人脸图像之后,计算机程序被处理器执行时还实现以下步骤:检测待检测人脸图像是否符合预设质量标准;若否,则去除待检测人脸图像;若是,则进入提取待检测人脸图像的图像特征向量的步骤。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:若第一特征库中未包含有与图像特征向量匹配成功的第一特征向量,将图像特征向量与第二特征库中包含的第二特征向量进行匹配;若第二特征库中包含有与图像特征向量匹配成功的第二特征向量,则获取匹配成功的第二特征向量对应的用户标识,并将待检测人脸图像进行对应存储;若第二特征库中未包含有与图像特征向量匹配成功的第二特征向量,则对图像特征向量进行存储,并创建对应的用户标识。
在一个实施例中,确定待检测人脸图像中包含的待确认用户在预设区域内的位置信息,包括:确定待确认用户在待检测人脸图像中的图像位置及人脸的大小;获取上传的待检测人脸图像中包含有待确认用户的监测设备及监测设备在预设区域内的设备位置;根据图像位置、人脸的大小及设备位置确认待确认用户相对于监测设备的位置信息,并根据设备位置确定待确认用户在预设区域内的位置信息。
在一个实施例中,通过预设区域内的监测设备对待确认用户进行跟踪记录,包括:获取监测设备上传的监测图像;当检测到监测图像中包含有待确认用户时,记录监测设备的位置信息、监测图像的上传时间以及最后一次检测到待确认用户的时间,并与待确认用户的用户标识进行关联存储。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:若第一特征库中包含有与图像特征向量匹配成功的第一特征向量,则获取匹配成功的第一特征向量对应的用户标识;将待检测人脸图像与匹配成功的第一特征向量对应的用户标识进行关联存储。
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 (6)
1.一种人脸检测跟踪方法,所述的方法包括:
获取预设区域内监测设备上传的待检测人脸图像,提取所述待检测人脸图像的图像特征向量;
根据所述图像特征向量确定所述待检测人脸图像中用户的性别和年龄;
根据所述待检测人脸图像中用户的性别和年龄,将所述图像特征向量与第一特征库中包含的第一特征向量进行匹配;
若所述第一特征库中未包含有与所述图像特征向量匹配成功的第一特征向量,则对所述图像特征向量进行存储,并创建对应的用户标识;
确定所述待检测人脸图像中包含的待确认用户在所述预设区域内的位置信息;
将所述待检测人脸图像、用户标识、所述待检测人脸图像的上传时间、所述待确认用户的位置信息进行存储;
通过所述预设区域内的监测设备对所述待确认用户进行跟踪记录;
确定所述待检测人脸图像中包含的待确认用户在所述预设区域内的位置信息,包括:
确定所述待确认用户在所述待检测人脸图像中的图像位置;
获取上传的待检测人脸图像中包含有所述待确认用户的监测设备及监测设备在所述预设区域内的设备位置;
根据所述图像位置及所述设备位置确认所述待确认用户相对于所述监测设备的位置信息,并根据设备位置确定所述待确认用户在所述预设区域内的位置信息;
根据待确认用户在待检测人脸图像中的图像位置以及事先标注好的监测设备的摄像头的位姿、焦距和靶平面像素对应的实际的宽度与长度值计算出待确认用户在预设区域内的位置信息,包括:
设定H为相机距离地面高度,相机焦距为f,设定相机成像水平面边缘点Q1在世界坐标系中对应点为点Q,相机成像水平面中心点P1在世界坐标系中对应点P,O3M为图像中心点O1所对应的世界坐标系中的点M与相机在世界坐标系的投影点O3在Y轴上的距离值,通过相机标定计算得出图像中心点O1以及相机镜头中心点O2所在的直线O1O2与水平方向夹角β,以及相机成像水平面边缘点Q1及相机镜头中心点O2所在的直线Q1O2与水平方向的夹角α,则计算出,,且,/>,其中/>为相机靶平面实际像素宽度,相机靶平面实际像素宽度是通过相机标定计算得出确定的值,/>为世界坐标系中的Q点在图像中成像点Q1对应的垂直方向坐标值,/>为图像中心点O1对应的垂直方向坐标值,O1P1为图像中心点O1点与相机成像水平面中心点P1点之间的长度距离;
同样的,计算出,,得到待确认用户与相机之间垂直方向的距离值,同理,计算出待确认用户与相机之间水平方向的距离值/>,其中,/>,/>为相机靶平面实际像素长度,相机靶平面实际像素长度是通过相机标定计算得出确定的值,O2P为相机镜头中心点O2与世界坐标系中P点之间的距离,P1Q1为相机成像水平面中心点P1与相机成像水平面边缘点Q1之间的距离;由此通过相机标定计算得到准确的待确认用户在预设区域内的准确位置信息;
所述方法还包括:
获取第一用户的人脸图像、性别及年龄信息;
提取所述第一用户的人脸图像的特征向量,得到第一特征向量;
为所述第一用户创建用户标识,将所述第一用户的人脸图像、性别、年龄信息及第一特征向量与所述第一用户的用户标识进行关联存储,得到第一特征库;
在所述获取预设区域内监测设备上传的待检测人脸图像之后,还包括:
检测所述待检测人脸图像是否符合预设质量标准;
若否,则去除所述待检测人脸图像;若是,则进入提取所述待检测人脸图像的图像特征向量的步骤;
所述方法还包括:
若所述第一特征库中未包含有与所述图像特征向量匹配成功的第一特征向量,将所述图像特征向量与第二特征库中包含的第二特征向量进行匹配;
若所述第二特征库中包含有与所述图像特征向量匹配成功的第二特征向量,则获取匹配成功的第二特征向量对应的用户标识,并将所述待检测人脸图像进行对应存储;
若所述第二特征库中未包含有与所述图像特征向量匹配成功的第二特征向量,则对所述图像特征向量进行存储,并创建对应的用户标识;
在第一特征库中包含的第一特征向量按照年龄和性别进行分类保存的。
2.根据权利要求1所述的方法,其特征在于,通过所述预设区域内的监测设备对所述待确认用户进行跟踪记录,包括:
获取所述监测设备上传的监测图像;
当检测到所述监测图像中包含有所述待确认用户时,记录所述监测设备的位置信息、所述监测图像的上传时间以及最后一次检测到所述待确认用户的时间,并与所述待确认用户的用户标识进行关联存储。
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:
若所述第一特征库中包含有与所述图像特征向量匹配成功的第一特征向量,则获取匹配成功的第一特征向量对应的用户标识;
将所述待检测人脸图像与所述匹配成功的第一特征向量对应的用户标识进行关联存储。
4.一种人脸检测跟踪装置,其特征在于,所述装置包括:
特征提取模块,用于获取预设区域内监测设备上传的待检测人脸图像,提取所述待检测人脸图像的图像特征向量;
第一匹配模块,用于根据所述图像特征向量确定所述待检测人脸图像中用户的性别和年龄;根据所述待检测人脸图像中用户的性别和年龄,将所述图像特征向量与第一特征库中包含的第一特征向量进行匹配;
图像存储模块,用于若所述第一特征库中未包含有与所述图像特征向量匹配成功的第一特征向量,则对所述图像特征向量进行存储,并创建对应的用户标识;
位置确认模块,用于确定所述待检测人脸图像中包含的待确认用户在所述预设区域内的位置信息,确定所述待检测人脸图像中包含的待确认用户在所述预设区域内的位置信息,包括:确定所述待确认用户在所述待检测人脸图像中的图像位置;获取上传的待检测人脸图像中包含有所述待确认用户的监测设备及监测设备在所述预设区域内的设备位置;根据所述图像位置及所述设备位置确认所述待确认用户相对于所述监测设备的位置信息,并根据设备位置确定所述待确认用户在所述预设区域内的位置信息;根据待确认用户在待检测人脸图像中的图像位置以及事先标注好的监测设备的摄像头的位姿、焦距和靶平面像素对应的实际的宽度与长度值计算出待确认用户在预设区域内的位置信息,包括:设定H为相机距离地面高度,相机焦距为f,设定相机成像水平面边缘点Q1在世界坐标系中对应点为点Q,相机成像水平面中心点P1在世界坐标系中对应点P,O3M为图像中心点O1所对应的世界坐标系中的点M与相机在世界坐标系的投影点O3在Y轴上的距离值,通过相机标定计算得出图像中心点O1以及相机镜头中心点O2所在的直线O1O2与水平方向夹角β,以及相机成像水平面边缘点Q1及相机镜头中心点O2所在的直线Q1O2与水平方向的夹角α,则计算出,,且,/>,其中/>为相机靶平面实际像素宽度,相机靶平面实际像素宽度是通过相机标定计算得出确定的值,/>为世界坐标系中的Q点在图像中成像点Q1对应的垂直方向坐标值,/>为图像中心点O1对应的垂直方向坐标值,O1P1为图像中心点O1点与相机成像水平面中心点P1点之间的长度距离;
同样的,计算出,,得到待确认用户与相机之间垂直方向的距离值,同理,计算出待确认用户与相机之间水平方向的距离值/>,其中,/>,/>为相机靶平面实际像素长度,相机靶平面实际像素长度是通过相机标定计算得出确定的值,O2P为相机镜头中心点O2与世界坐标系中P点之间的距离,P1Q1为相机成像水平面中心点P1与相机成像水平面边缘点Q1之间的距离;由此通过相机标定计算得到准确的待确认用户在预设区域内的准确位置信息;
所述图像存储模块还用于将所述待检测人脸图像、用户标识、所述待检测人脸图像的上传时间、所述待确认用户的位置信息进行存储;
用户追踪模块,用于通过所述预设区域内的监测设备对所述待确认用户进行跟踪记录;
图像采集模块,用于获取第一用户的人脸图像、性别及年龄信息;提取所述第一用户的人脸图像的特征向量,得到第一特征向量;为所述第一用户创建用户标识,将所述第一用户的人脸图像、性别、年龄信息及第一特征向量与所述第一用户的用户标识进行关联存储,得到第一特征库,在第一特征库中包含的第一特征向量按照年龄和性别进行分类保存的;
第一匹配模块还用于检测所述待检测人脸图像是否符合预设质量标准;
若否,则去除所述待检测人脸图像;若是,则进入提取所述待检测人脸图像的图像特征向量的步骤;
第二匹配模块,用于若所述第一特征库中未包含有与所述图像特征向量匹配成功的第一特征向量,将所述图像特征向量与第二特征库中包含的第二特征向量进行匹配;若所述第二特征库中包含有与所述图像特征向量匹配成功的第二特征向量,则获取匹配成功的第二特征向量对应的用户标识,并将所述待检测人脸图像进行对应存储;若所述第二特征库中未包含有与所述图像特征向量匹配成功的第二特征向量,则对所述图像特征向量进行存储,并创建对应的用户标识。
5.一种计算机设备,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3中任一项所述方法的步骤。
6.一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3中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010053989.8A CN111259813B (zh) | 2020-01-17 | 2020-01-17 | 人脸检测跟踪方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010053989.8A CN111259813B (zh) | 2020-01-17 | 2020-01-17 | 人脸检测跟踪方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111259813A CN111259813A (zh) | 2020-06-09 |
CN111259813B true CN111259813B (zh) | 2024-01-12 |
Family
ID=70950795
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010053989.8A Active CN111259813B (zh) | 2020-01-17 | 2020-01-17 | 人脸检测跟踪方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111259813B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113868440B (zh) * | 2020-06-30 | 2023-06-27 | 华为技术有限公司 | 特征库的管理方法、装置、设备及介质 |
CN112784680B (zh) * | 2020-12-23 | 2024-02-02 | 中国人民大学 | 一种人流密集场所锁定密集接触者的方法和系统 |
CN112990167B (zh) * | 2021-05-19 | 2021-08-10 | 北京焦点新干线信息技术有限公司 | 图像处理方法及装置、存储介质及电子设备 |
CN115063840A (zh) * | 2022-08-17 | 2022-09-16 | 天津光电集团有限公司 | 一种基于牲畜的面部识别管理系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109815775A (zh) * | 2017-11-22 | 2019-05-28 | 深圳市祈飞科技有限公司 | 一种基于人脸属性的人脸识别方法及系统 |
CN110446015A (zh) * | 2019-08-30 | 2019-11-12 | 北京青岳科技有限公司 | 一种基于计算机视觉的异常行为监控方法及系统 |
CN110659564A (zh) * | 2019-08-12 | 2020-01-07 | 万翼科技有限公司 | 区域内用户追踪方法、装置、计算机设备以及存储介质 |
WO2020006727A1 (zh) * | 2018-07-05 | 2020-01-09 | 深圳前海达闼云端智能科技有限公司 | 人脸识别方法、装置和服务器 |
-
2020
- 2020-01-17 CN CN202010053989.8A patent/CN111259813B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109815775A (zh) * | 2017-11-22 | 2019-05-28 | 深圳市祈飞科技有限公司 | 一种基于人脸属性的人脸识别方法及系统 |
WO2020006727A1 (zh) * | 2018-07-05 | 2020-01-09 | 深圳前海达闼云端智能科技有限公司 | 人脸识别方法、装置和服务器 |
CN110659564A (zh) * | 2019-08-12 | 2020-01-07 | 万翼科技有限公司 | 区域内用户追踪方法、装置、计算机设备以及存储介质 |
CN110446015A (zh) * | 2019-08-30 | 2019-11-12 | 北京青岳科技有限公司 | 一种基于计算机视觉的异常行为监控方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111259813A (zh) | 2020-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111259813B (zh) | 人脸检测跟踪方法、装置、计算机设备和存储介质 | |
CN107292240B (zh) | 一种基于人脸与人体识别的找人方法及系统 | |
CN110533923B (zh) | 停车管理方法、装置、计算机设备及存储介质 | |
CN108985162A (zh) | 目标实时跟踪方法、装置、计算机设备及存储介质 | |
CN110348315B (zh) | 动态更新人脸特征底库的方法及装置、人脸抓拍系统 | |
CN110334569B (zh) | 客流量进出识别方法、装置、设备及存储介质 | |
KR101781358B1 (ko) | 디지털 영상 내의 얼굴 인식을 통한 개인 식별 시스템 및 방법 | |
CN110706247B (zh) | 一种目标跟踪方法、装置及系统 | |
CN111339979B (zh) | 基于特征提取的图像识别方法及图像识别装置 | |
CN110675426B (zh) | 人体跟踪方法、装置、设备及存储介质 | |
US11657623B2 (en) | Traffic information providing method and device, and computer program stored in medium in order to execute method | |
CN111860352A (zh) | 一种多镜头车辆轨迹全跟踪系统及方法 | |
CN109308704B (zh) | 背景剔除方法、装置、计算机设备及存储介质 | |
CN111178224B (zh) | 物体规则判断方法、装置、计算机设备和存储介质 | |
CN109919017B (zh) | 人脸识别优化方法、装置、计算机设备和存储介质 | |
CN111177440B (zh) | 目标图像的检索方法、装置、计算机设备和存储介质 | |
CN112906483A (zh) | 一种目标重识别方法、装置及计算机可读存储介质 | |
CN116630825A (zh) | 一种卫星遥感数据与监控视频融合方法及系统 | |
KR20190047748A (ko) | 영상의 객체 처리 방법 및 장치 | |
CN110705469A (zh) | 一种人脸匹配方法、装置及服务器 | |
CN116958604A (zh) | 基于输电线路图像匹配方法、装置、介质及设备 | |
CN112712626A (zh) | 基于车牌信息的车辆验证方法、装置、计算机设备及存储介质 | |
CN116645530A (zh) | 基于图像比对的施工检测方法、装置、设备及存储介质 | |
CN111274965A (zh) | 人脸识别方法、装置、计算机设备和存储介质 | |
CN113553990B (zh) | 多人脸跟踪识别的方法、装置、计算机设备及存储介质 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230330 Address after: Room 1912, Building 3, No. 739, Qinzheng Road, Hengqin New District, Zhuhai, Guangdong 519000 Applicant after: Zhuhai Hengqin Yingshi Technology Research and Development Co.,Ltd. Address before: 510000 room 2102, No. 16, Huaxia Road, Tianhe District, Guangzhou, Guangdong Applicant before: Field real estate Group Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |