CN111311860B - 一种区域入侵检测方法及装置 - Google Patents
一种区域入侵检测方法及装置 Download PDFInfo
- Publication number
- CN111311860B CN111311860B CN201811518480.5A CN201811518480A CN111311860B CN 111311860 B CN111311860 B CN 111311860B CN 201811518480 A CN201811518480 A CN 201811518480A CN 111311860 B CN111311860 B CN 111311860B
- Authority
- CN
- China
- Prior art keywords
- sound
- similarity
- footstep
- voiceprint
- verified
- 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
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/16—Actuation by interference with mechanical vibrations in air or other fluid
- G08B13/1654—Actuation by interference with mechanical vibrations in air or other fluid using passive vibration detection systems
- G08B13/1672—Actuation by interference with mechanical vibrations in air or other fluid using passive vibration detection systems using sonic detecting means, e.g. a microphone operating in the audio frequency range
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Burglar Alarm Systems (AREA)
Abstract
本申请实施例提供了一种区域入侵检测方法及装置。其中,方法包括:采集待检测区域中的脚步声,得到脚步声信号;提取所述脚步声信号的声纹特征,作为待验证声纹特征;基于所述待验证声纹特征与已认证声纹特征的相似度,确定所述脚步声是否为授权人员的脚步声,所述已认证声纹特征为从已认证人员的脚步声信号中提取到的声纹特征;如果所述脚步声不为所述授权人员的脚步声,确定所述待检测区域发生区域入侵。由于入侵人员在待检测区域移动过程中难以避免发出脚步声,并且脚步声不容易受到障碍物的阻碍,因此区域入侵检测的盲区较小。
Description
技术领域
本申请涉及声纹识别技术领域,特别是涉及一种区域入侵检测方法及装置。
背景技术
对于一些区域,用户可能不希望无关人员在特定时间段内进入这些区域,如出于财产安全考虑,用户不希望非家庭成员在自己上班时间进入自己的住宅。为了确定是否有无关人员入侵这些区域,可以对这些区域进行区域入侵检测。
假设在这些区域部署摄像机,以采集这些区域的监控画面,并对监控画面进行人员识别,以确定是否有无关人员入侵这些区域。但是,摄像机往往存在监控死角,难以覆盖整个区域,如果无关人员从监控死角入侵区域,摄像机无法及时检测到区域入侵的发生。
发明内容
本申请实施例的目的在于提供一种区域入侵检测方法,以实现减小区域入侵检测的盲区。具体技术方案如下:
在本申请实施例的第一方面,提供了一种区域入侵检测方法,所述方法包括:
采集待检测区域中的脚步声,得到脚步声信号;
提取所述脚步声信号的声纹特征,作为待验证声纹特征;
基于所述待验证声纹特征与已认证声纹特征的相似度,确定所述脚步声是否为授权人员的脚步声,所述已认证声纹特征为从已认证人员的脚步声信号中提取到的声纹特征;
如果所述脚步声不为所述授权人员的脚步声,确定所述待检测区域发生区域入侵。
结合第一方面,在第一种可能的实现方式中,所述采集待检测区域中的脚步声,得到脚步声信号,包括:
采集待检测区域中存在的声音,得到声音信号;
利用预设的脚步识别算法,从所述声音信号中提取脚步声信号。
结合第一方面,在第二种可能的实现方式中,所述基于所述待验证声纹特征与已认证声纹特征的相似度,确定所述脚步声是否为授权人员的脚步声,包括:
基于所述待验证声纹特征与已认证声纹特征的相似度,计算所述脚步声为授权人员的脚步声的置信度,所述置信度与所述相似度正相关;
如果所述置信度低于预设置信度阈值,确定所述脚步声不为所述授权人员的脚步声。
结合第一方面的第二种可能的实现方式,在第三种可能的实现方式中,在所述基于所述待验证声纹特征与已认证声纹特征的相似度,计算所述脚步声为授权人员的脚步声的置信度之前,所述方法还包括:
确定所述脚步声信号的频率是否属于预设的正常频率范围;
所述基于所述待验证声纹特征与已认证声纹特征的相似度,计算所述脚步声为授权人员的脚步声的置信度,包括:
基于所述待验证声纹特征与已认证声纹特征的相似度,以及所述脚步声信号的频率是否属于预设的正常频率范围,计算所述入侵人员为正常人员的置信度。
结合第一方面的第三种可能的实现方式,在第四种可能的实现方式中,所述基于所述待验证声纹特征与已认证声纹特征的相似度,以及所述脚步声信号的频率是否属于预设的正常频率范围,计算所述入侵人员为正常人员的置信度,包括:
基于所述脚步声信号的频率是否属于预设的正常频率范围,对所述待验证声纹特征与已认证声纹特征的相似度进行补偿,得到补偿结果,作为所述脚步声为授权人员的脚步声的置信度。
结合第一方面的第二种可能的实现方式,在第五种可能的实现方式中,在所述基于所述待验证声纹特征与已认证声纹特征的相似度,计算所述脚步声为授权人员的脚步声的置信度之前,所述方法还包括:
获取所述脚步声的声源的移动轨迹;
确定所述移动轨迹与预设的异常活跃区域的重合度;
所述基于所述待验证声纹特征与已认证声纹特征的相似度,计算所述脚步声为授权人员的脚步声的置信度,包括:
基于所述待验证声纹特征与已认证声纹特征的相似度,以及所述重合度,计算所述脚步声为授权人员的脚步声的置信度。
结合第一方面的第五种可能的实现方式,在第六种可能的实现方式中,所述基于所述待验证声纹特征与已认证声纹特征的相似度,以及所述重合度,计算所述脚步声为授权人员的脚步声的置信度,包括:
将所述待验证声纹特征与已认证声纹特征的相似度和所述重合度加权平均,得到加权平均结果,作为脚步声为授权人员的脚步声度,所述置信度与所述相似度正相关,并且与所述重合度负相关。
结合第一方面,在第七种可能的实现方式中,在所述确定所述待检测区域发生区域入侵之后,所述方法还包括:
向预设终端发送所述待检测区域的监控画面。
在本申请实施例的第二方面,提供了一种区域入侵检测装置,所述装置包括:
信号采集模块,用于采集待检测区域中的脚步声,得到脚步声信号;
声纹提取模块,用于提取所述脚步声信号的声纹特征,作为待验证声纹特征;
脚步声验证模块,用于基于所述待验证声纹特征与已认证声纹特征的相似度,确定所述脚步声是否为授权人员的脚步声,所述已认证声纹特征为从授权人员的脚步声信号中提取到的声纹特征;如果所述脚步声不为所述授权人员的脚步声,确定所述待检测区域发生区域入侵。
结合第二方面,在第一种可能的实现方式中,所述信号采集模块,具体用于采集待检测区域中存在的声音,得到声音信号;
利用预设的脚步声识别算法,从所述声音信号中提取脚步声信号。
结合第二方面,在第二种可能的实现方式中,所述脚步声验证模块,具体用于基于所述待验证声纹特征与已认证声纹特征的相似度,计算所述脚步声为授权人员的脚步声的置信度,所述置信度与所述相似度正相关;
如果所述置信度低于预设置信度阈值,确定所述脚步声不为所述授权人员的脚步声。
结合第二方面的第二种可能的实现方式,在第三种可能的实现方式中,所述装置还包括频率检测模块,用于在所述基于所述待验证声纹特征与已认证声纹特征的相似度,计算所述脚步声为授权人员的脚步声的置信度之前,确定所述脚步声信号的频率是否属于预设的正常频率范围;
所述脚步声验证模块,具体用于基于所述待验证声纹特征与已认证声纹特征的相似度,以及所述脚步声信号的频率是否属于预设的正常频率范围,计算所述入侵人员为正常人员的置信度。
结合第二方面的第三种可能的实现方式,在第四种可能的实现方式中,所述脚步声验证模块,具体用于基于所述脚步声信号的频率是否属于预设的正常频率范围,对所述待验证声纹特征与已认证声纹特征的相似度进行补偿,得到补偿结果,作为所述入侵人员为授权人员的置信度。
结合第二方面的第二种可能的实现方式,在第五种可能的实现方式中,所述装置还包括轨迹检测模块,用于在所述基于所述待验证声纹特征与已认证声纹特征的相似度,计算所述脚步声为授权人员的脚步声的置信度之前,获取所述脚步声的声源的移动轨迹;
确定所述移动轨迹与预设的异常活跃区域的重合度;
所述脚步声验证模块,具体用于基于所述待验证声纹特征与已认证声纹特征的相似度,以及所述重合度,计算所述脚步声为授权人员的脚步声的置信度。
结合第二方面的第五种可能的实现方式,在第六种可能的实现方式中所述脚步声验证模块,具体用于将所述待验证声纹特征与已热证声纹特征的相似度和所述重合度加权平均,得到加权平均结果,作为脚步声为授权人员的脚步声的置信度,所述置信度与所述相似度正相关,并且与所述重合度负相关。
结合第二方面,在第七种可能的实现方式中,所述脚步声认证确定模块,还用于在所述确定所述入侵人员为异常人员之后,向预设终端发送所述待检测区域的监控画面。
在本申请实施例的第三方面,提供了一种电子设备,包括:
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述任一所述的区域入侵检测方法。
在本申请实施例的第四方面,提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一所述的区域入侵检测方法。
本申请实施例提供的区域入侵检测方法及装置,可以通过比待检测区域中检测到的脚步声的脚步声信号的声纹特征,与预先设置的授权人员的脚步声信号的声纹特征,确定该脚步声是否为授权人员的脚步声,由于入侵人员在待检测区域移动过程中难以避免发出脚步声,并且脚步声不容易受到障碍物的阻碍,因此区域入侵检测的盲区较小。当然,实施本申请的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本申请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申请的一些实施例,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获得其他的附图。
图1为本申请实施例提供的区域入侵检测方法的一种流程示意图;
图2为本申请实施例提供的区域入侵检测方法的另一种流程示意图;
图3为本申请实施例提供的区域入侵检测方法的另一种流程示意图;
图4为本申请实施例提供的区域入侵检测方法的另一种流程示意图;
图5a为本申请实施例提供的区域入侵检测系统的一种结构示意图;
图5b为本申请实施例提供的区域入侵检测系统的另一种结构示意图;
图6为本申请实施例提供的区域入侵检测方法的另一种流程示意图;
图7为本申请实施例提供的区域入侵检测装置的一种结构示意图;
图8为本申请实施例提供的电子设备的一种结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
参见图1,图1所示为本申请实施例提供的区域入侵检测方法的一种流程示意图,该方法可以应用于区域入侵检测系统中具有智能分析能力的电子设备,如区域入侵检测系统中的服务器,也可以是区域入侵检测系统中的智能移动终端,方法可以包括:
S101,采集待检测区域中的脚步声,得到脚步声信号。
可以是执行该方法的电子设备中集成有具备声音采集能力的模块,也可以是外接有具备声音采集能力的设备(如麦克风),并采集待检测区域中的脚步声以得到脚步声信号。
脚步声信号中可以只包括因入侵人员的脚步声产生的信号,也可以同时包括因入侵人员的脚步声,以及其他待检测区域中的其他声音产生的信号。示例性的,假设待检测区为用户的住宅内部,则待检测区域中可能存在家用电器运行时的电流声,可以是同时采集入侵人员的脚步声以及电流声,得到声音信号,并将该声音信号作为脚步声信号。也可以是同时采集入侵人员的脚步声以及电流声,得到声音信号,并从该声音信号中过滤掉因电流声产生的信号,并将经过过滤的声音信号作为脚步声信号。可以理解的是,脚步声信号中除因入侵人员的脚步声产生的信号外的其他信号,可能对于脚步声信号而言是噪声信号,而当脚步声信号中包含的噪声信号较多时(即脚步声信号信噪比较低),后续步骤中对脚步声信号进行处理的难度可能会较高,并且处理结果的可信度也可能较低。
进一步的,在一种可选的实施例中,可以是将采集到的声音信号输入一个预先训练过的脚步声识别神经网络,该脚步声识别神经网络可以将声音信号中的非脚步声信号滤除,输出脚步声信号,例如在一种可选的实施例中,脚步声识别神经网络为具有两个输出端的神经网络。该脚步声识别神经网络可以提取输入的声音信号中声音帧的特征,基于提取到的特征确定该声音帧是否属于脚步声信号,如果该声音帧属于脚步声信号,则由两个输出端中的一个输出端进行输出,如果该声音帧不属于脚步声信号,则由两个输出端中的另一个输出端进行输出,以此实现一个输出端输出脚步声信号,另一个输出端输出非脚步声信号。
在训练该脚步声识别神经网络时,可以是将包含脚步声信号的样本声音信号作为样本数据,并且在脚步声信号中标注出每个声音帧是否属于脚步声信号,作为标注结果,利用该脚步声识别神经网络处理样本数据,得到识别结果,基于识别结果与标注结果之间的差值,通过随机梯度下降法调整该脚步声识别神经网络的网络参数。
S102,提取脚步声信号的声纹特征,作为待验证声纹特征。
示例性的,可以是将脚步声信号输入至预设的声纹特征提取网络中,并将该声纹特征提取网络的输出作为待验证声纹特征。为了该声纹特征提取网络能够准确地从脚步声信号中提取出声纹特征,需要预先对该声纹特征提取网络进行训练。示例性的,可以是将大量标注有声纹特征的人类脚步声作为样本数据,对该声纹特征提取网络进行训练。
S103,基于待验证声纹特征与已认证声纹特征的相似度,确定脚步声信号是否为授权人员的脚步声,已认证声纹特征为从授权人员的脚步声信号中提取到的声纹特征。
授权人员可以是预设的被授权可以在待检测区域活动的人员,以待检测区域为用户住宅内部为例,授权人员可以是用户的家庭成员(如父母、子女、兄妹等)。进一步的,根据用户的实际需求,也可以是针对不同时段设置不同的授权人员,例如8:00-22:00的授权人员为家庭成员、用户指定的好友,22:00-23:59以及0:00-8:00的授权人员为家庭成员。
在本申请实施例中,可以是预先采集授权人员在待检测区域中移动时发出的脚步声,作为授权人员的脚步声信号,并从授权人员的脚步声信号中提取声纹特征,作为已认证声纹特征。进一步的,从授权人员的脚步声信号中提取声纹特征,和S102中才脚步声信号中提取待验证声纹特征的方法可以相同,也可以不同。例如,可以为了提高已认证声纹特征的准确度,使用精度更高但更为复杂的声纹特征提取网络进行声纹特征的提取,为了提高待验证声纹特征的提取效率,使用精度较低但较为简易的声纹特征提取网络进行声纹特征的提取。也可以为了提高计算得到的相似度的准确性,出于减少变量的考虑,使用相同的声纹特征提取网络提取待验证声纹特征和已认证声纹特征。
进一步的,可以是基于待验证声纹特征与已认证声纹特征的相似度,计算脚步声为授权人员的脚步声的置信度,如果置信度大于预设置信度阈值,则确定脚步声为授权人员的脚步声,如果置信度不大于预设置信度阈值,则确定脚步声不为授权人员的脚步声。
置信度阈值可以根据实际需求或者用户经验进行设置。如果只有一个已认证声纹特征,则置信度可以是待验证声纹特征与该已认证声纹特征的相似度,如果有多个声纹特征,则置信度可以是待验证声纹特征与这多个已认证声纹特征的相似度的最大值,示例性的,假设一共有三个已认证声纹特征,并且已认证声纹特征与这三个已认证声纹特征的相似度分别为0.12,0.23,0.8,则该入侵人员为授权人员的置信度可以为0.8。
S104,如果脚步声不为授权人员的脚步声,确定待检测区域发生区域入侵。
如果脚步声不为授权人员的脚步声,可以认为待检测区域内存在入侵人员,因此可以确定待检测区域发生区域入侵。如果脚步声为授权人员的脚步声,可以认为在待检测区域内活动的为授权人员,因此可以确定待检测区域没有发生区域入侵。在其他可选的实施例中,在确定待检测区域发生区域入侵之前,也可以再通过其他的区域入侵检测方法对待检测区域进行进一步的检测,以确定待检测区域是否发生区域入侵。入侵人员在进入待检测区域时,以及在待检测区域发生移动时,难以避免的会踩踏在待检测区域的地面或者支撑物上,进而发出脚步声,并且声波在传播过程中可以通过衍射绕过障碍物,并不容易出现检测盲区。
另一方面,如果待检测区域不是公共场所,例如待检测区域为用户的住宅内部,则利用摄像机拍摄待检测区域可能不利于用户的隐私。而选用本申请实施例提供的区域入侵检测方法,由于待检测区域中的脚步声,相对于待检测区域的监控画面,所涉及的用户隐私较少,因此对于待检测区不是公共场所的应用场景,更利于用户的隐私。
在一些应用场景中,为了进一步提高区域入侵检测的准确率,也可以是把待验证声纹特征和已认证声纹特征的相似度,作为判断是否发生区域入侵的一个判断依据,并同时综合其他判断依据,共同确定待检测区域是否发生区域入侵。可以参见图2,图2所示为本申请实施例提供的区域入侵检测方法的另一种流程示意图,可以包括:
S201,采集待检测区域中的脚步声,得到脚步声信号。
该步骤与S101相同,可以参见前述关于S101的描述,在此不再赘述。
S202,提取脚步声信号的声纹特征,作为待验证声纹特征。
该步骤与S102相同,可以参见前述关于S102的描述,在此不再赘述。
S203,确定脚步声信号的频率是否属于预设的正常频率范围。
脚步声信号的频率可以反映出发出该脚步声的人员,在待检测区域中的移动时的步伐频率,以待检测区域为用户的住宅内部,授权人员为用户的家庭成员为例,通常家庭成员在住宅内部移动时,步伐往往是一定范围内,而对于异常人员,在住宅内部移动时,可能出于避免惊扰住户的考虑放缓步伐,也可能出于缩短在住宅内部滞留的时间,加快步伐。因此可以认为如果脚步声信号的频率不属于正常频率范围,则脚步声为授权人员的脚步声的可能性较小,而如果脚步声信号的频率属于正常频率范围,则脚步声为授权人员的脚步声的可能性较大。即可以通过脚步声信号的频率是否属于预设的正常频率范围,辅助判断脚步声是否为授权人员的脚步声,进而确定是否发生区域入侵。在其他实施例中,S203也可以是在S202之前执行,也可以是与S202同时执行。
S204,基于待验证声纹特征与已认证声纹特征的相似度,以及脚步声信号的频率是否属于预设的正常频率范围,计算入侵人员为授权人员的置信度。
可以是分别基于相似度和脚步声信号的频率是否属于预设的正常频域范围,计算置信度,并将计算得到的两个置信度进行加权平均,将加权平均后的置信度作为入侵人员为授权人员的置信度。示例性的,可以是按照下式计算得入侵人员为授权人员的置信度P:
P=a1S1+a2S2
其中S1为基于相似度计算得到的置信度,S1的计算方法可以参见前述S103中的描述,在此不再赘述。S2为基于脚步声信号的频率是否属于预设的正常频率范围计算得到的置信度,可以是若脚步声信号的频率属于预设的正常频率范围,则S2=1,若脚步声信号的频率不属于预设的正常频率范围,则S2=0。a1和a2为预设的加权系数,可以根据需求进行设置,例如用户认为基于相似度计算得到的置信度更加可信,则可以将a1设置的较大,a2设置的较小。
也可以是根据脚步声信号的频率是否属于预设的正常频率范围对该相似度进行补偿,将补偿后的相似度作为脚步声为授权人员的脚步声的置信度。示例性的,假设相似度为0.3,如果脚步声信号的频率属于预设的正常频率范围,则将相似度修正为0.4,如果脚步声信号的频率不属于预设的正常频率范围,则将相似度修正为0.2。
还可以是判断相似度是否大于预设相似度阈值,如果相似度大于预设相似度阈值,并且脚步声信号的频率属于正常频率范围,确定脚步声为授权人员的脚步声的置信度为1,如果相似度不大于预设相似度阈值,或者,脚步声信号的频率不属于正常频率范围,确定脚步声为授权人员的脚步声置信度为0。
S205,如果置信度低于预设置信度阈值,确定脚步声不为授权人员的脚步声。
S206,确定待检测区域发生区域入侵。
选用该实施例,可以综合待验证声纹特征和已认证声纹特征的相似度,和脚步声信号的频率是否属于正常频率范围,确定脚步声是否为授权人员的脚步声,提高区域入侵检测的准确率。
参见图3,图3所示为本申请实施例提供的区域入侵检测方法的另一种流程示意图,可以包括:
S301,采集待检测区域中的脚步声,得到脚步声信号。
该步骤与S101相同,可以参见前述关于S101的描述,在此不再赘述。
S302,提取脚步声信号的声纹特征,作为待验证声纹特征。
该步骤与S102相同,可以参见前述关于S102的描述,在此不再赘述。
S303,获取脚步声的声源的移动轨迹。
脚步声为人员在待检测区域中移动时产生的声音,因此脚步声的声源会随着人员的移动而发生移动。在本实施例中,可以是通过区域入侵检测系统中的麦克风阵列,对脚步声的声源进行实时定位,以得脚步声的声源的移动轨迹。在其他可选的实施例中,还可以是在检测到脚步声后,开区域入侵系统中的带有人体追踪功能的摄像机,对在待检测区域中活动的人员进行定位跟踪,以得到该人员的移动轨迹,作为脚步声的声源的移动轨迹。
S304,确定移动轨迹与预设的异常活跃区域的重合度。
以待检测区域为用户住宅内部,授权人员为家庭成员为例,住宅内部可能存在一些区域,家庭成员在进行区域入侵检测的时段可能发生的正常活动中经过这些区域的概率较低,如深夜家庭成员换衣服的可能性较低,因此可以将衣柜附近的区域作为异常活跃区域。
移动轨迹与异常活跃区域的重合度,可以基于移动轨迹经过的异常活跃区域的个数计算得到,如移动轨迹通过了3个异常活跃区域,一共设置有5个活动区域,则可以确定重合度为0.6,也可以是如果移动轨迹至少经过一个异常活动区域,则确定重合度为1。进一步的,移动轨迹通过一个异常活跃区域可以是指移动轨迹与该异常活动区域存在交集,也可以是指移动轨迹与该异常获取区域存在交集,并且在该异常活动区域的滞留时长大于预设的滞留时长阈值,其中,滞留时长可以是指移动轨迹进入异常活动区域的时间节点,与离开异常活动区域的时间节点之间的时间间隔。
因为授权人员经过异常活跃区域的概率较低,因此可以认为如果移动轨迹与异常活跃区域的重合度较高,则说明脚步声为授权人员的脚步声的置信度较低。即可以通过重合度,辅助判断脚步声是否为授权人员的脚步声,进而确定待检测区域是否发生区域入侵。
S305,基于待验证声纹特征与已认证声纹特征的相似度,以及重合度,计算入侵人员为授权人员的置信度。
可以是分别基于相似度和重合度,计算置信度,并将计算得到的两个置信度进行加权平均,将加权平均后的置信度作为脚步声为授权人员的脚步声的置信度,该置信度与相似度正相关,与重合度负相关,即在重合度不变的情况下,相似度越高,则置信度越高,在相似度不变的情况下,重合度越高,则置信度越低。示例性的,可以是按照下式计算得入侵人员为授权人员的置信度P:
P=a1S1+a3S3
其中S1为基于相似度计算得到的置信度,S1的计算方法可以参见前述S103中的描述,在此不再赘述。S3可以为基于重合度计算得到的置信度,如果a3大于0,则S3可以与重合度负相关,例如S3可以等于重合度的倒数,也可以等于1减去重合度,如果a3小于0,则S3可以与重合度正相关,如S3可以等于重合度。a1和a3为预设的加权系数,可以根据需求进行设置,例如用户认为基于相似度计算得到的置信度更加可信,则可以将a1设置的较大,a3设置的较小。
还可以是分别判断相似度是否大于预设相似度阈值,以及重合度是否大于预设重合度阈值,基于判断结果,确定置信度。例如,如果相似度大于预设相似度阈值,并且重合度小于预设重合度阈值,则确定脚步声为授权人员的脚步声的置信度为1,如果相似度不大于预设相似度阈值,或者,重合度不小于预设重合度阈值,则确定脚步声为授权人员的脚步声的置信度为0。
S306,如果置信度低于预设置信度阈值,确定脚步声不为授权人员的脚步声。
S307,确定待检测区域发生区域入侵。
选用该实施例,可以综合待验证声纹特征和已认证声纹特征的相似度,和入侵人员的移动轨迹与异常活跃区域的重合度,确定脚步声是否为授权人员的脚步声,提高区域入侵检测的准确率。
在其他实施例中,还可以综合待验证声纹特征和已认证声纹特征的相似度、脚步声信号的频率是否属于正常频率范围,以及入侵人员的移动轨迹与异常活跃区域的重合度,确定入侵人员是否为授权人员的置信度。
进一步的,在确定入侵人员为异常人员后,可以是向用户预设的终端发送报警信息,也可以是发生警报声。还可以是如图4所示,包括:
S401,采集待检测区域中的脚步声,得到脚步声信号。
该步骤与S101相同,可以参见前述关于S101的描述,在此不再赘述。
S402,提取脚步声信号的声纹特征,作为待验证声纹特征。
该步骤与S102相同,可以参见前述关于S102的描述,在此不再赘述。
S403,基于待验证声纹特征与已认证声纹特征的相似度,确定脚步声是否为授权人员的置信度,已认证声纹特征为从授权人员的脚步声信号中提取到的声纹特征。
概步骤与S103相同,可以参见前述关于S103的描述,在此不再赘述。
S404,如果脚步声不为授权人员的脚步声,确定待检测区域发生区域入侵。
该步骤与S104相同,可以参见前述关于S104的描述,在此不再赘述。
S405,向预设终端发送待检测区域的监控画面。
待检测区域的监控画面可以是通过预先部署在待检测区域的一个或多个摄像机采集得到的。进一步,如果待检测区域预先部署有多个摄像机,可以是在确定入侵人员为异常人员后,控制开启这多个摄像机,并获取这多个摄像机采集得到的待检测区域的监控画面。也可以是基于麦克风阵列对入侵人员的定位结果,控制开启能够拍摄到入侵人员所在位置的摄像机,并获取该摄像机采集得到的待检测区域的监控画面。预设终端可以根据实际需求进行设置,例如可以是用户的手机、平板电脑,也可以是安保人员的办公室电脑。
选用该实施例,可以在确定入侵人员为异常人员后,使得用户能够通过摄像机采集到的监控画面进一步确定入侵人员是否为异常人员。
为更清楚地对本申请实施例提供的区域入侵检测方法进行说明,下面将结合区域入侵检测系统在具体的应用场景中的工作流程对本申请实施例提供的区域入侵方法进行说明,假设待检测区域为用户住宅内部,授权人员为用户的家庭成员,区域入侵检测系统可以如图5a所示,包括:声音采集设备510、脚步声检测器520、声纹验证服务器530、控制器540、摄像机550、用户终端560。
其中,声音采集设备510用于实时采集待检测区域中存在的声音,得到声音信号,并将采集到的声音信号发送至脚步声检测器520。在一种可选的实施例中,声音采集设备510可以是集成在控制器540内的。
脚步声检测器520在接收到声音信号后,对该声音信号进行过滤,以滤除该声音信号中的非脚步声信号,得到脚步声信号,并将脚步声信号发送至声纹验证服务器530。在一种可选的实施例中,脚步声检测器520可以是集成在控制器540内的。
声纹验证服务器530在接收到脚步声信号后,提取该脚步声信号的声纹特征,作为待验证声纹特征,并获取家庭成员的脚步声信号的声纹特征,作为已认证声纹特征。计算待验证声纹特征与已认证声纹特征之间的相似度。将相似度发送至控制器540。在一种可选的实施例中,声纹验证服务武器530也可以是运行于控制器540中的虚拟服务器。
控制器540基于接收到的相似度,计算脚步声为授权人员的脚步声的置信度。如果置信度低于预设置信度阈值,向家庭成员的用户终端570发出警报,根据用户终端570类型的不同,发出警报的方式可以不同,例如向家庭成员的手机发送警报短信,又例如向家庭成员的平板电脑发送警报邮件。
摄像机550用于在接收到到用户终端570发送的控制指令后,拍摄待检测区域的监控画面,并将监控画面发送至家庭成员的用户终端570,以使得家庭成员通过监控画面确认待检测区域是否发生区域入侵。在一种可选的实施例中,摄像机550可以是集成在控制器540上的。
进一步的,如图5b所示,区域入侵检测系统中还可以包括辅助判断设备580,如麦克风阵列,用于定位脚步声的声源,以获取该声源在待检测区域内的移动轨迹,以辅助判断脚步声是否为授权人员的脚步声,又例如脚步声信号分析设备,用于通过分析脚步声信号判断发出该脚步声的人员的身高、体重,进而辅助判断该脚步声是否为授权人员的脚步声。
参见图6,图6所示为本申请实施例提供的区域入侵检测方法的另一种流程示意图,可以包括:
S601,采集待检测区域中的脚步声,得到脚步声信号。
该步骤与S101相同,可以参见前述关于S101的描述,在此不再赘述。
S602,提取脚步声信号的声纹特征,作为待验证声纹特征。
该步骤与S102相同,可以参见前述关于S102的描述,在此不再赘述。
S603,确定脚步声信号的频率是否属于预设的正常频率范围。
该步骤与S203相同,可以参见前述关于S203的描述,在此不再赘述。
S604,获取脚步声的声源的移动轨迹。
该步骤与S303相同,可以参见前述关于S303的描述,在此不再赘述。
S605,确定移动轨迹与预设的异常活跃区域的重合度。
该步骤与S304相同,可以参见前述关于S304的描述,在此不再赘述。在其他可选的实施例中,S604和S605也可以是在S603之前执行的,还可以是与S603并行执行或者交替执行的。
S606,基于待验证声纹特征与已认证声纹特征的相似度、脚步声信号的频率是否属于预设的正常频率范围以及重合度,计算脚步声为授权人员的脚步声的置信度。
可以是分别基于相似度、脚步声信号的频率是否属于预设的正常频率范围以及重合度,计算置信度,并将计算得到的两个置信度进行加权平均,将加权平均后的置信度作为入侵人员为授权人员的置信度。示例性的,可以是按照下式计算得入侵人员为授权人员的置信度P:
P=a1S1+a2S2+a3S3
其中S1为基于相似度计算得到的置信度,S2为基于脚步声信号的频率是否属于预设的正常频率范围计算得到的置信度,S3可以为基于重合度计算得到的置信度。S1的计算方法可以参见前述S103中的相关描述,S2的计算方法可以参见前述S204中的相关描述,S3的计算方法可以参见前述S305中的相关描述,在此不再赘述。
还可以是分别判断相似度是否大于预设相似度阈值、脚步声信号的频率是否属于正常频率范围,以及重合度是否大于预设重合度阈值,基于判断结果,确定置信度。例如,如果相似度大于预设相似度阈值,并且脚步声信号的频率属于正常频率范围,并且重合度小于预设重合度阈值,则确定入侵人员为授权人员的置信度为1,如果相似度不大于预设相似度阈值,或者脚步声信号的频率不属于正常频率范围,或者,重合度不小于预设重合度阈值,则确定入侵人员为授权人员的置信度为0。
S607,确定置信度是否低于预设置信度阈值,如果置信度低于预设置信度阈值,执行S608,如果置信度不低于预设置信地阈值,执行S610。
S608,确定脚步声不为授权人员的脚步声。
S609,确定待检测区域发生区域入侵。
S610,确定脚步声为授权人员的脚步声。
S611,确定待检测区域没有发生区域入侵。
参见图7,图7所示为本申请实施例提供的区域入侵检测装置的一种结构示意图,可以包括:
信号采集模块701,用于采集待检测区域中的脚步声,得到脚步声信号;
声纹提取模块702,用于提取脚步声信号的声纹特征,作为待验证声纹特征;
脚步声验证模块703,用于基于待验证声纹特征与已认证声纹特征的相似度,确定脚步声是否为授权人员的脚步声,已认证声纹特征为从授权人员的脚步声信号中提取到的声纹特征;如果脚步声不为授权人员的脚步声,确定待检测区域发生区域入侵。
在一种可选的实施例中,信号采集模块701,具体用于采集待检测区域中存在的声音,得到声音信号;
利用预设的脚步声识别算法,从声音信号中提取脚步声信号。
在一种可选的实施例中,该装置还可以包括频率检测模块,用于在基于待验证声纹特征与已认证声纹特征的相似度,计算脚步声为授权人员的脚步声的置信度之前,确定脚步声信号的频率是否属于预设的正常频率范围;
脚步声验证模块703,具体用于基于待验证声纹特征与已认证声纹特征的相似度,以及脚步声信号的频率是否属于预设的正常频率范围,计算入侵人员为正常人员的置信度。
在一种可选的实施例中,脚步声验证703,具体用于基于脚步声信号的频率是否属于预设的正常频率范围,对待验证声纹特征与已认证声纹特征的相似度进行补偿,得到补偿结果,作为入侵人员为授权人员的置信度。
在一种可选的实施例中,装置还可以包括轨迹检测模块,用于在基于待验证声纹特征与已认证声纹特征的相似度,计算脚步声为授权人员的脚步声的置信度之前,获取脚步声的声源的移动轨迹;
确定移动轨迹与预设的异常活跃区域的重合度;
脚步声验证模块703,具体用于基于待验证声纹特征与已认证声纹特征的相似度,以及重合度,计算脚步声为授权人员的脚步声的置信度。
在一种可选的实施例中,脚步声验证模块703,具体用于将待验证声纹特征与已热证声纹特征的相似度和重合度加权平均,得到加权平均结果,作为脚步声为授权人员的脚步声的置信度,置信度与相似度正相关,并且与重合度负相关。
在一种可选的实施例中,脚步声认证模块703,还用于在确定入侵人员为异常人员之后,向预设终端发送待检测区域的监控画面。
本申请实施例还提供了一种电子设备,如图8所示,包括:
存储器801,用于存放计算机程序;
处理器802,用于执行存储器801上所存放的程序时,实现如下步骤:
采集待检测区域中的脚步声,得到脚步声信号;
提取脚步声信号的声纹特征,作为待验证声纹特征;
基于待验证声纹特征与已认证声纹特征的相似度,确定脚步声是否为授权人员的脚步声,已认证声纹特征为从已认证人员的脚步声信号中提取到的声纹特征;
如果脚步声不为授权人员的脚步声,确定待检测区域发生区域入侵。
在一种可选的实施例中,采集待检测区域中的脚步声,得到脚步声信号,包括:
采集待检测区域中存在的声音,得到声音信号;
利用预设的脚步识别算法,从声音信号中提取脚步声信号。
在一种可选的实施例中,基于待验证声纹特征与已认证声纹特征的相似度,确定脚步声是否为授权人员的脚步声,包括:
基于待验证声纹特征与已认证声纹特征的相似度,计算脚步声为授权人员的脚步声的置信度,置信度与相似度正相关;
如果置信度低于预设置信度阈值,确定脚步声不为授权人员的脚步声。
在一种可选的实施例中,在基于待验证声纹特征与已认证声纹特征的相似度,计算脚步声为授权人员的脚步声的置信度之前,方法还包括:
确定脚步声信号的频率是否属于预设的正常频率范围;
基于待验证声纹特征与已认证声纹特征的相似度,计算脚步声为授权人员的脚步声的置信度,包括:
基于待验证声纹特征与已认证声纹特征的相似度,以及脚步声信号的频率是否属于预设的正常频率范围,计算入侵人员为正常人员的置信度。
在一种可选的实施例中,基于待验证声纹特征与已认证声纹特征的相似度,以及脚步声信号的频率是否属于预设的正常频率范围,计算入侵人员为正常人员的置信度,包括:
基于脚步声信号的频率是否属于预设的正常频率范围,对待验证声纹特征与已认证声纹特征的相似度进行补偿,得到补偿结果,作为脚步声为授权人员的脚步声的置信度。
在一种可选的实施例中,在基于待验证声纹特征与已认证声纹特征的相似度,计算脚步声为授权人员的脚步声的置信度之前,方法还包括:
获取脚步声的声源的移动轨迹;
确定移动轨迹与预设的异常活跃区域的重合度;
基于待验证声纹特征与已认证声纹特征的相似度,计算脚步声为授权人员的脚步声的置信度,包括:
基于待验证声纹特征与已认证声纹特征的相似度,以及重合度,计算脚步声为授权人员的脚步声的置信度。
在一种可选的实施例中,基于待验证声纹特征与已认证声纹特征的相似度,以及重合度,计算脚步声为授权人员的脚步声的置信度,包括:
将待验证声纹特征与已认证声纹特征的相似度和重合度加权平均,得到加权平均结果,作为脚步声为授权人员的脚步声度,置信度与相似度正相关,并且与重合度负相关。
在一种可选的实施例中,在确定待检测区域发生区域入侵之后,方法还包括:
向预设终端发送待检测区域的监控画面。
上述电子设备提到存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本申请提供的又一实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述实施例中任一的区域入侵检测方法。
在本申请提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例中任一的区域入侵检测方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、电子设备、计算机可读存储介质以及计算机程序产品的实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的较佳实施例而已,并非用于限定本申请的保护范围。凡在本申请的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本申请的保护范围内。
Claims (12)
1.一种区域入侵检测方法,其特征在于,所述方法包括:
采集待检测区域中的脚步声,得到脚步声信号;
提取所述脚步声信号的声纹特征,作为待验证声纹特征;
基于所述待验证声纹特征与已认证声纹特征的相似度,确定所述脚步声是否为授权人员的脚步声,所述已认证声纹特征为从已认证人员的脚步声信号中提取到的声纹特征;
如果所述脚步声不为所述授权人员的脚步声,确定所述待检测区域发生区域入侵;
所述基于所述待验证声纹特征与已认证声纹特征的相似度,确定所述脚步声是否为授权人员的脚步声,包括:
基于所述待验证声纹特征与已认证声纹特征的相似度,计算所述脚步声为授权人员的脚步声的置信度,所述置信度与所述相似度正相关;
如果所述置信度低于预设置信度阈值,确定所述脚步声不为所述授权人员的脚步声;
在所述基于所述待验证声纹特征与已认证声纹特征的相似度,计算所述脚步声为授权人员的脚步声的置信度之前,所述方法还包括:
确定所述脚步声信号的频率是否属于预设的正常频率范围;
所述基于所述待验证声纹特征与已认证声纹特征的相似度,计算所述脚步声为授权人员的脚步声的置信度,包括:
基于所述待验证声纹特征与已认证声纹特征的相似度,以及所述脚步声信号的频率是否属于预设的正常频率范围,计算所述脚步声为正常人员的脚步声置信度。
2.根据权利要求1所述的方法,其特征在于,所述采集待检测区域中的脚步声,得到脚步声信号,包括:
采集待检测区域中存在的声音,得到声音信号;
利用预设的脚步识别算法,从所述声音信号中提取脚步声信号。
3.根据权利要求1所述的方法,其特征在于,所述基于所述待验证声纹特征与已认证声纹特征的相似度,以及所述脚步声信号的频率是否属于预设的正常频率范围,计算所述脚步声为授权人员的脚步声的置信度,包括:
基于所述脚步声信号的频率是否属于预设的正常频率范围,对所述待验证声纹特征与已认证声纹特征的相似度进行补偿,得到补偿结果,作为所述脚步声为授权人员的脚步声的置信度。
4.根据权利要求1所述的方法,其特征在于,在所述基于所述待验证声纹特征与已认证声纹特征的相似度,计算所述脚步声为授权人员的脚步声的置信度之前,所述方法还包括:
获取所述脚步声的声源的移动轨迹;
确定所述移动轨迹与预设的异常活跃区域的重合度;
所述基于所述待验证声纹特征与已认证声纹特征的相似度,计算所述脚步声为授权人员的脚步声的置信度,包括:
基于所述待验证声纹特征与已认证声纹特征的相似度,以及所述重合度,计算所述脚步声为授权人员的脚步声的置信度。
5.根据权利要求4所述的方法,其特征在于,所述基于所述待验证声纹特征与已认证声纹特征的相似度,以及所述重合度,计算所述脚步声为授权人员的脚步声的置信度,包括:
将所述待验证声纹特征与已认证声纹特征的相似度和所述重合度加权平均,得到加权平均结果,作为脚步声为授权人员的脚步声度,所述置信度与所述相似度正相关,并且与所述重合度负相关。
6.根据权利要求1所述的方法,其特征在于,在所述确定所述待检测区域发生区域入侵之后,所述方法还包括:
向预设终端发送所述待检测区域的监控画面。
7.一种区域入侵检测装置,其特征在于,所述装置包括:
信号采集模块,用于采集待检测区域中的脚步声,得到脚步声信号;
声纹提取模块,用于提取所述脚步声信号的声纹特征,作为待验证声纹特征;
脚步声验证模块,用于基于所述待验证声纹特征与已认证声纹特征的相似度,确定所述脚步声是否为授权人员的脚步声,所述已认证声纹特征为从授权人员的脚步声信号中提取到的声纹特征;如果所述脚步声不为所述授权人员的脚步声,确定所述待检测区域发生区域入侵;
所述脚步声验证模块,具体用于基于所述待验证声纹特征与已认证声纹特征的相似度,计算所述脚步声为授权人员的脚步声的置信度,所述置信度与所述相似度正相关;
如果所述置信度低于预设置信度阈值,确定所述脚步声不为所述授权人员的脚步声;
所述装置还包括频率检测模块,用于在所述基于所述待验证声纹特征与已认证声纹特征的相似度,计算所述脚步声为授权人员的脚步声的置信度之前,确定所述脚步声信号的频率是否属于预设的正常频率范围;
所述脚步声验证模块,具体用于基于所述待验证声纹特征与已认证声纹特征的相似度,以及所述脚步声信号的频率是否属于预设的正常频率范围,计算所述脚步声为正常人员的脚步声的置信度。
8.根据权利要求7所述的装置,其特征在于,所述信号采集模块,具体用于采集待检测区域中存在的声音,得到声音信号;
利用预设的脚步声识别算法,从所述声音信号中提取脚步声信号。
9.根据权利要求7所述的装置,其特征在于,所述脚步声验证模块,具体用于基于所述脚步声信号的频率是否属于预设的正常频率范围,对所述待验证声纹特征与已认证声纹特征的相似度进行补偿,得到补偿结果,作为所述脚步声为授权人员的脚步声的置信度。
10.根据权利要求7所述的装置,其特征在于,所述装置还包括轨迹检测模块,用于在所述基于所述待验证声纹特征与已认证声纹特征的相似度,计算所述脚步声为授权人员的脚步声的置信度之前,获取所述脚步声的声源的移动轨迹;
确定所述移动轨迹与预设的异常活跃区域的重合度;
所述脚步声验证模块,具体用于基于所述待验证声纹特征与已认证声纹特征的相似度,以及所述重合度,计算所述脚步声为授权人员的脚步声的置信度。
11.根据权利要求10所述的装置,其特征在于,所述脚步声验证模块,具体用于将所述待验证声纹特征与已热证声纹特征的相似度和所述重合度加权平均,得到加权平均结果,作为脚步声为授权人员的脚步声的置信度,所述置信度与所述相似度正相关,并且与所述重合度负相关。
12.根据权利要求7所述的装置,其特征在于,所述脚步声验证模块,还用于在所述确定所述待检测区域发生区域入侵之后,向预设终端发送所述待检测区域的监控画面。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811518480.5A CN111311860B (zh) | 2018-12-12 | 2018-12-12 | 一种区域入侵检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811518480.5A CN111311860B (zh) | 2018-12-12 | 2018-12-12 | 一种区域入侵检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111311860A CN111311860A (zh) | 2020-06-19 |
CN111311860B true CN111311860B (zh) | 2022-05-03 |
Family
ID=71161332
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811518480.5A Active CN111311860B (zh) | 2018-12-12 | 2018-12-12 | 一种区域入侵检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111311860B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114445990A (zh) * | 2021-12-24 | 2022-05-06 | 珠海华发新科技投资控股有限公司 | 用于小区的监控视频访问系统 |
CN116890786A (zh) * | 2023-09-11 | 2023-10-17 | 江西五十铃汽车有限公司 | 车辆车锁控制方法、设备和介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101393660A (zh) * | 2008-10-15 | 2009-03-25 | 中山大学 | 一种基于脚步声识别的智能门禁系统 |
CN104956415A (zh) * | 2013-02-26 | 2015-09-30 | 株式会社日立制作所 | 监视系统 |
CN105513233A (zh) * | 2014-09-26 | 2016-04-20 | 青岛三利中德美水设备有限公司 | 防盗报警系统 |
CN105629936A (zh) * | 2016-02-17 | 2016-06-01 | 南京物联传感技术有限公司 | 一种可控制智能家居设备的智能地板 |
WO2016130571A1 (en) * | 2015-02-09 | 2016-08-18 | Carnegie Mellon University | Indoor identification of individuals through footstep induced structural vibration |
CN106056820A (zh) * | 2016-07-15 | 2016-10-26 | 珠海格力电器股份有限公司 | 家庭安保装置及其控制方法、家庭安保系统、空调器 |
CN106251572A (zh) * | 2016-08-26 | 2016-12-21 | 深圳大学 | 基于振动检测的智能家居监控方法及系统 |
US9704361B1 (en) * | 2012-08-14 | 2017-07-11 | Amazon Technologies, Inc. | Projecting content within an environment |
KR101880856B1 (ko) * | 2017-08-01 | 2018-07-20 | 정은철 | 방범 장치 및 이를 포함하는 방범 시스템 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4507243B2 (ja) * | 2004-03-25 | 2010-07-21 | 独立行政法人理化学研究所 | 行動分析方法及びシステム |
EP2010935A4 (en) * | 2006-04-25 | 2012-10-03 | Univ Mississippi | METHOD FOR DETECTING PEOPLE |
JP5860655B2 (ja) * | 2011-10-07 | 2016-02-16 | 綜合警備保障株式会社 | 検知装置および検知方法 |
KR102195897B1 (ko) * | 2013-06-05 | 2020-12-28 | 삼성전자주식회사 | 음향 사건 검출 장치, 그 동작 방법 및 그 동작 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터 판독 가능 기록 매체 |
US9613508B2 (en) * | 2014-03-31 | 2017-04-04 | Electronics And Telecommunications Research Institute | Security monitoring apparatus and method using correlation coefficient variation pattern of sound field spectrum |
EP3401908A1 (en) * | 2017-05-12 | 2018-11-14 | Thomson Licensing | Device and method for walker identification |
-
2018
- 2018-12-12 CN CN201811518480.5A patent/CN111311860B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101393660A (zh) * | 2008-10-15 | 2009-03-25 | 中山大学 | 一种基于脚步声识别的智能门禁系统 |
US9704361B1 (en) * | 2012-08-14 | 2017-07-11 | Amazon Technologies, Inc. | Projecting content within an environment |
CN104956415A (zh) * | 2013-02-26 | 2015-09-30 | 株式会社日立制作所 | 监视系统 |
CN105513233A (zh) * | 2014-09-26 | 2016-04-20 | 青岛三利中德美水设备有限公司 | 防盗报警系统 |
WO2016130571A1 (en) * | 2015-02-09 | 2016-08-18 | Carnegie Mellon University | Indoor identification of individuals through footstep induced structural vibration |
CN105629936A (zh) * | 2016-02-17 | 2016-06-01 | 南京物联传感技术有限公司 | 一种可控制智能家居设备的智能地板 |
CN106056820A (zh) * | 2016-07-15 | 2016-10-26 | 珠海格力电器股份有限公司 | 家庭安保装置及其控制方法、家庭安保系统、空调器 |
CN106251572A (zh) * | 2016-08-26 | 2016-12-21 | 深圳大学 | 基于振动检测的智能家居监控方法及系统 |
CN107422643A (zh) * | 2016-08-26 | 2017-12-01 | 深圳大学 | 基于振动检测的智能家居监控方法及系统 |
KR101880856B1 (ko) * | 2017-08-01 | 2018-07-20 | 정은철 | 방범 장치 및 이를 포함하는 방범 시스템 |
Non-Patent Citations (3)
Title |
---|
"HUMAN INTRUDER DETECTION BY MEASURING AND ANALYSING GROUND VIBRATIONS";Ermis,A等;《JOURNAL OF THE FACULTY OF ENGINEERING AND ARCHITECTURE OF GAZI UNIVERSITY》;20151231;第30卷(第2期);207-215页 * |
"Real-Time Human Intrusion Detection Using Audio-Visual Fusion";Wang,DF等;《ADVANCES ON DIGITAL TELEVISION AND WIRELESS MULTIMEDIA COMMUNICATIONS》;20121231;第331卷;82-89页 * |
"基于音视频融合的人员入侵实时检测";王德富;《万方数据知识服务平台》;20150401;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111311860A (zh) | 2020-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107590439B (zh) | 基于监控视频的目标人物识别追踪方法和装置 | |
US10424175B2 (en) | Motion detection system based on user feedback | |
US9386050B2 (en) | Method and apparatus for filtering devices within a security social network | |
CN110222640A (zh) | 监控场所中嫌疑人的识别方法、装置、方法和存储介质 | |
US11676478B2 (en) | Monitoring security | |
JP6182170B2 (ja) | セキュリティシステム | |
CN111311860B (zh) | 一种区域入侵检测方法及装置 | |
CN109858442B (zh) | 基于门禁机的陌生人通行监控方法及装置 | |
CN109784231B (zh) | 安防信息管理方法、装置及存储介质 | |
JP6336709B2 (ja) | 警備装置、警備方法およびプログラム | |
CN108537920B (zh) | 基于人脸识别的访客监控方法和系统 | |
CN113343913A (zh) | 目标确定方法、装置、存储介质及计算机设备 | |
CN110246292B (zh) | 家庭视频监控方法、装置及存储介质 | |
CN108764153A (zh) | 人脸识别方法、装置、系统和存储介质 | |
CN112183167B (zh) | 考勤方法、认证方法、活体检测方法、装置及设备 | |
Barsha et al. | An IoT based automated door accessing system for visually impaired people | |
KR102077632B1 (ko) | 로컬 영상분석과 클라우드 서비스를 활용하는 하이브리드 지능형 침입감시 시스템 | |
US20200134995A1 (en) | Home device | |
KR101936390B1 (ko) | Cctv 기반의 트래킹 서비스 제공 방법 및 장치 | |
CN116308955A (zh) | 一种基于ai人工智能进行康养管理的智慧社区 | |
JP2019114213A (ja) | 侵入者検知装置、侵入者検知プログラムおよび侵入者検知方法 | |
US20140273989A1 (en) | Method and apparatus for filtering devices within a security social network | |
CN113627570B (zh) | 一种区域入侵检测方法、装置、电子设备及存储介质 | |
CN114386768A (zh) | 基于物联网的社区关怀方法、系统、装置及存储介质 | |
CN112949442A (zh) | 一种异常事件预识别方法、装置、电子设备及监控系统 |
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 |