CN111353414A - 一种身份识别方法、系统、机器可读介质及设备 - Google Patents

一种身份识别方法、系统、机器可读介质及设备 Download PDF

Info

Publication number
CN111353414A
CN111353414A CN202010117479.2A CN202010117479A CN111353414A CN 111353414 A CN111353414 A CN 111353414A CN 202010117479 A CN202010117479 A CN 202010117479A CN 111353414 A CN111353414 A CN 111353414A
Authority
CN
China
Prior art keywords
property management
human body
snapshot
management object
body posture
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
Application number
CN202010117479.2A
Other languages
English (en)
Inventor
周曦
姚志强
田雪
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.)
Chongqing Zhongke Yuncong Technology Co ltd
Original Assignee
Chongqing Zhongke Yuncong 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 Chongqing Zhongke Yuncong Technology Co ltd filed Critical Chongqing Zhongke Yuncong Technology Co ltd
Priority to CN202010117479.2A priority Critical patent/CN111353414A/zh
Publication of CN111353414A publication Critical patent/CN111353414A/zh
Pending legal-status Critical Current

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/16—Real estate
    • G06Q50/163—Real estate management
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
    • G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
    • G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
    • G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Alarm Systems (AREA)

Abstract

本发明提供一种身份识别方法，该身份识别方法包括：检测物业管理区域的图像信息中的一个或多个物业管理对象；确定所述一个或多个物业管理对象的行为参数；根据所述一个或多个物业管理对象的行为参数识别一个或多个物业管理对象的身份，极大的提高了物业管理人员对物业管理对象的管控。

Description

一种身份识别方法、系统、机器可读介质及设备
技术领域
本发明属于安防监控领域，具体涉及一种身份识别方法、系统、机器可读介质及设备。
背景技术
目前的小区安防系统存在的安全隐患比较多，比如使用IC卡开门这种单方面的认证安全性不高；小区的视频监控往往采取人工判别的方式，人力财力耗费较大，并且易受到干扰，没有充分利用到监控视频中的信息，其作用往往是事后调查取证之用。而且小区人员错综复杂,陌生人员难以管控。
发明内容
鉴于以上所述现有技术的缺点，本发明的目的在于提供一种身份识别方法、系统、机器可读介质及设备，用于解决现有技术存在的问题。
为实现上述目的及其他相关目的，本发明提供一种身份识别方法，该身份识别方法包括：
检测物业管理区域的图像信息中的一个或多个物业管理对象；
确定所述一个或多个物业管理对象的行为参数；
根据所述一个或多个物业管理对象的行为参数识别一个或多个物业管理对象的身份。
可选地，所述物业管理对象的身份包括可疑人员和非可疑人员。
可选地，所述物业管理对象的行为参数包括以下至少之一：停留时间、往返次数、人体姿态。
可选地，物业管理对象的行为参数满足包括以下至少之一条件时，所述物业管理对象的身份为可疑人员；
物业管理对象停留时间超过预设停留时间阈值；
物业管理对象往返次数超过预设次数阈值；
物业管理对象的人体姿态为异常人体姿态库中的人体姿态。
可选地，判断物业管理对象的人体姿态是否为异常人体姿态库中的人体姿态，包括：
获取所述一个或多个物业管理对象的人体关键点；
基于所述一个或多个物业管理对象的人体关键点确定所述一个或多个物业管理对象的人体姿态；
若所述一个或多个物业管理对象的人体姿态与异常人体姿态库中的人体姿态的相似度大于或等于相似度阈值，则所述一个或多个物业管理对象的人体姿态为异常人体姿态库中的人体姿态。
可选地，若所述物业管理对象的身份为可疑人员，则获取可疑人员的抓拍数据，根据所述可疑人员的抓拍数据得到可疑人员的行走轨迹。
可选地，所述可疑人员的抓拍数据包括抓拍到所述可疑人员的抓拍设备的设备标识和抓拍到所述可疑人员的抓拍时间。
可选地，对所述可疑人员的抓拍数据按时间先后顺序进行排序，基于排序后的可疑人员的抓拍数据得到可疑人员的行走轨迹。
可选地，所述抓拍设备的设备标识包括以下至少之一：设备编号、设备的位置。
为实现上述目的及其他相关目的，本发明提供一种身份识别系统，该身份识别系统包括：
对象检测模块，用于检测物业管理区域的图像信息中的一个或多个物业管理对象；
行为参数确定模块，用于确定所述一个或多个物业管理对象的行为参数；
身份识别模块，用于根据所述一个或多个物业管理对象的行为参数识别一个或多个物业管理对象的身份。
可选地，所述物业管理对象的身份包括可疑人员和非可疑人员。
可选地，所述物业管理对象的行为参数包括以下至少之一：停留时间、往返次数、人体姿态。
可选地，物业管理对象的行为参数满足包括以下至少之一条件时，所述物业管理对象的身份为可疑人员；
物业管理对象停留时间超过预设停留时间阈值；
物业管理对象往返次数超过预设次数阈值；
物业管理对象的人体姿态为异常人体姿态库中的人体姿态。
可选地，判断物业管理对象的人体姿态是否为异常人体姿态库中的人体姿态，包括：
获取所述一个或多个物业管理对象的人体关键点；
基于所述一个或多个物业管理对象的人体关键点确定所述一个或多个物业管理对象的人体姿态；
若所述一个或多个物业管理对象的人体姿态与异常人体姿态库中的人体姿态的相似度大于或等于相似度阈值，则所述一个或多个物业管理对象的人体姿态为异常人体姿态库中的人体姿态。
可选地，若所述物业管理对象的身份为可疑人员，则获取可疑人员的抓拍数据，根据所述可疑人员的抓拍数据得到可疑人员的行走轨迹。
可选地，所述可疑人员的抓拍数据包括抓拍到所述可疑人员的抓拍设备的设备标识和抓拍到所述可疑人员的抓拍时间。
可选地，对所述可疑人员的抓拍数据按时间先后顺序进行排序，基于排序后的可疑人员的抓拍数据得到可疑人员的行走轨迹。
可选地，所述抓拍设备的设备标识包括以下至少之一：设备编号、设备的位置。
为实现上述目的及其他相关目的，本发明提供一种设备，包括：
一个或多个处理器；和
其上存储有指令的一个或多个机器可读介质，当所述一个或多个处理器执行时，使得所述设备执行前述的一个或多个所述的方法。
为实现上述目的及其他相关目的，本发明提供一个或多个机器可读介质，其上存储有指令，当由一个或多个处理器执行时，使得设备执行前述的一个或多个所述的方法。
如上所述，本发明提供的一种身份识别方法、系统、机器可读介质及设备，具有以下有益效果：
本发明通过检测物业管理区域的图像信息中的一个或多个物业管理对象；确定所述一个或多个物业管理对象的行为参数；根据所述一个或多个物业管理对象的行为参数识别一个或多个物业管理对象的身份，极大的提高了物业管理人员对物业管理对象的管控。
附图说明
图1为本发明一实施例提供的一种身份识别方法的流程图；
图2为本发明一实施例提供的判断物业管理对象的人体姿态是否是异常人体姿态的流程图；
图3为本发明一实施例提供的一种身份识别方法确定出的行走轨迹示意图；
图4为本发明一实施例提供的一种监控系统的流程图；
图5为本发明一实施例提供的终端设备的硬件结构示意图；
图6为本发明另一实施例提供的终端设备的硬件结构示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
如图1所示，一种身份识别方法，该身份识别方法包括：
S11检测物业管理区域的图像信息中的一个或多个物业管理对象；
S12确定所述一个或多个物业管理对象的行为参数；
S13根据所述一个或多个物业管理对象的行为参数识别一个或多个物业管理对象的身份。其中，物业管理对象的身份包括可疑人员和非可疑人员。
本发明通过检测物业管理区域的图像信息中的一个或多个物业管理对象；确定所述一个或多个物业管理对象的行为参数；根据所述一个或多个物业管理对象的行为参数识别一个或多个物业管理对象的身份，极大的提高了物业管理人员对物业管理对象的管控。
在本实施例中，所述的物业管理对象被定义为进入到物业管理区域的所有人员。
图像信息可以是任何针对被监控区域采集的图像，可以是监控摄像头采集到的原始图像，也可以是对原始图像进行预处理之后获得的图像信息。
一个或多个物业管理对象可以通过一个或多个图像采集设备获取。图像采集设备可以为摄像机，例如可以通过部署抓拍像机装置或者复用已经建设的视频监控系统的网络摄像机。图像可以来自普通的RGB摄像头，也可以来自能够采集深度信息的RGBD摄像头。
在一实施例中，所述物业管理对象的行为参数包括以下至少之一：停留时间、往返次数、人体姿态。
物业管理对象的行为参数满足包括以下至少之一条件时，所述物业管理对象的身份为可疑人员；
物业管理对象停留时间超过预设停留时间阈值时；物业管理对象往返次数超过预设次数阈值时。
例如物业管理对象往返次数的预设次数阈值可以设置为5次，停留时间阈值可设置为1小时；若发现物业管理对象在某地个点的往返次数大于5次或停留时间大于1小时，表示该物业管理对象存在异常行为现象，此时可以判定为可疑人员。可以理解的是，往返次数阈值、停留时间阈值可以为除上述定义值之外其他的数值，具体可以根据实际的应用需求进行合理的调整和设定。
在另一实施例中，也可以将停留时间、往返次数这两件行为参数同时作为判断物业管理的身份的依据。
例如，在敏感时段的物业管理对象往返次数大于5次且停留时间大于1小时，表示该物业管理对象存在异常行为现象，此时可以判定为可疑人员。其中，敏感时间段可以根据实际的应用需求进行合理的调整和设定，例如可以设定晚上12点至凌晨6点这一时间段。
在一实施例中，物业管理对象的行为参数还满足以下条件时，所述物业管理对象的身份为可疑人员；物业管理对象的人体姿态为异常人体姿态库中的人体姿态。
具体地，在判断物业管理对象的人体姿态是否是异常人体姿态库中的人体姿态时，可以通计算一个或多个物业管理对象的人体姿态与异常人体姿态库中的人体姿态的相似度，通过相似度的大小来判断是否是异常人体姿态，若是异常人体姿态，则认为该物业管理对象为可疑人员。
如图2所示，判断物业管理对象的人体姿态是否是异常人体姿态，包括：
S21获取所述一个或多个物业管理对象的人体关键点；其中人体关键点可以包括头顶、五官、颈部、四肢等主要关节部位的位置。人体关键点检测算法包括但不限于G-RMI,CFN(全卷积网络,Fully Convolutional Networks)。
S22基于所述一个或多个物业管理对象的人体关键点确定所述一个或多个物业管理对象的人体姿态；
S23若所述一个或多个物业管理对象的人体姿态与异常人体姿态库中的人体姿态的相似度大于或等于相似度阈值，则所述一个或多个物业管理对象的人体姿态为异常人体姿态库中的人体姿态。其中，异常人体姿态库中的人体姿态通过事设定。
将一个或多个物业管理对象的人体姿态与异常人体姿态库中的人体姿态逐一进行比对，判断一个或多个物业管理对象的人脸图像与异常人体姿态库中的人体姿态的相似度；在一个或多个物业管理对象的人体姿态与异常人体姿态库中的人体姿态的相似度大于或等于预设的相似度阈值的情况下，则认为异常人体姿态库中存在该人体姿态，可以认为检测到的一个或多个物业管理对象的身份为可疑人员，反之则为非可疑人员。
其中，相似度阈值可以为90％，即当监控图像中的一个或多个物业管理对象的人体姿态与异常人体姿态库中的人体姿态相似度超过90％时，则认为异常人体姿态库中存在该人体姿态，则可以认为检测到的一个或多个物业管理对象的身份为可疑人员，反之则为非可疑人员。在本实施例中，相似度阈值可以设置多个，例如，85％，90％，95％，可以根据需要自行选择不同的相似度阈值。具体地，相似度的计算可以通过欧式距离、余弦距离得到。
在一实施例中，若所述物业管理对象的身份为可疑人员，则获取可疑人员的抓拍数据，根据所述可疑人员的抓拍数据得到可疑人员的行走轨迹。所述可疑人员的抓拍数据包括抓拍到所述可疑人员的抓拍设备的设备标识和抓拍到所述可疑人员的抓拍时间。所述抓拍设备的设备标识包括以下至少之一：设备编号、设备的位置。
具体地，对所述可疑人员的抓拍数据按时间先后顺序进行排序，基于排序后的可疑人员的抓拍数据得到可疑人员的行走轨迹，即根据抓拍设备的位置和抓拍时间确定可疑人员的行走轨迹。
假设，
1、抓拍时间：2019年12月30日上午9点15分、抓拍设备的位置：A1，
2、抓拍时间：2019年12月30日上午9点25分、抓拍设备的位置：B2，
3、抓拍时间：2019年12月30日上午9点30分、抓拍设备的位置：C1，
4、抓拍时间：2019年12月30日上午9点40分、抓拍设备的位置：D3。
则可以确定出该可疑人员的行走轨迹，如图3所示，由A1到B2，再到C1，最后到D3。
如图4所示，一种身份识别系统，该身份识别系统包括：
对象检测模块41，用于检测物业管理区域的图像信息中的一个或多个物业管理对象；
行为参数确定模块42，用于确定所述一个或多个物业管理对象的行为参数；
身份识别模块43，用于根据所述一个或多个物业管理对象的行为参数识别一个或多个物业管理对象的身份。
本发明通过对象检测模块检测物业管理区域的图像信息中的一个或多个物业管理对象；通过行为参数确定模块确定所述一个或多个物业管理对象的行为参数；通过身份识别模块根据所述一个或多个物业管理对象的行为参数识别一个或多个物业管理对象的身份，极大的提高了物业管理人员对物业管理对象的管控。
在本实施例中，所述的物业管理对象被定义为进入到物业管理区域的所有人员。
图像信息可以是任何针对被监控区域采集的图像，可以是监控摄像头采集到的原始图像，也可以是对原始图像进行预处理之后获得的图像信息。
一个或多个物业管理对象可以通过一个或多个图像采集设备获取。图像采集设备可以为摄像机，例如可以通过部署抓拍像机装置或者复用已经建设的视频监控系统的网络摄像机。图像信息可以来自普通的RGB摄像头，也可以来自能够采集深度信息的RGBD摄像头。
在一实施例中，所述物业管理对象的行为参数包括以下至少之一：停留时间、往返次数、人体姿态。
物业管理对象的行为参数满足包括以下至少之一条件时，所述物业管理对象的身份为可疑人员；
物业管理对象停留时间超过预设停留时间阈值时；物业管理对象往返次数超过预设次数阈值时。
例如物业管理对象往返次数的预设次数阈值可以设置为5次，停留时间阈值可设置为1小时；若发现物业管理对象在某地个点的往返次数大于5次或停留时间大于1小时，表示该物业管理对象存在异常行为现象，此时可以判定为可疑人员。可以理解的是，往返次数阈值、停留时间阈值可以为除上述定义值之外其他的数值，具体可以根据实际的应用需求进行合理的调整和设定。
在另一实施例中，也可以将停留时间、往返次数这两件行为参数同时作为判断物业管理的身份的依据。
例如，在敏感时段的物业管理对象往返次数大于5次且停留时间大于1小时，表示该物业管理对象存在异常行为现象，此时可以判定为可疑人员。其中，敏感时间段可以根据实际的应用需求进行合理的调整和设定，例如可以设定晚上12点至凌晨6点这一时间段。
在一实施例中，物业管理对象的行为参数还满足以下条件时，所述物业管理对象的身份为可疑人员；物业管理对象的人体姿态为异常人体姿态库中的人体姿态。
具体地，在判断物业管理对象的人体姿态是否是异常人体姿态库中的人体姿态时，可以通计算一个或多个物业管理对象的人体姿态与异常人体姿态库中的人体姿态的相似度，通过相似度的大小来判断是否是异常人体姿态，若是异常人体姿态，则认为该物业管理对象为可疑人员。
判断物业管理对象的人体姿态是否是异常人体姿态，包括：
获取所述一个或多个物业管理对象的人体关键点；其中人体关键点可以包括头顶、五官、颈部、四肢等主要关节部位的位置。人体关键点检测算法包括但不限于G-RMI,CFN(全卷积网络,Fully Convolutional Networks)。
基于所述一个或多个物业管理对象的人体关键点确定所述一个或多个物业管理对象的人体姿态；
若所述一个或多个物业管理对象的人体姿态与异常人体姿态库中的人体姿态的相似度大于或等于相似度阈值，则所述一个或多个物业管理对象的人体姿态为异常人体姿态库中的人体姿态。其中，异常人体姿态库中的人体姿态通过事设定。
将一个或多个物业管理对象的人体姿态与异常人体姿态库中的人体姿态逐一进行比对，判断一个或多个物业管理对象的人脸图像与异常人体姿态库中的人体姿态的相似度；在一个或多个物业管理对象的人体姿态与异常人体姿态库中的人体姿态的相似度大于或等于预设的相似度阈值的情况下，则认为异常人体姿态库中存在该人体姿态，可以认为检测到的一个或多个物业管理对象的身份为可疑人员，反之则为非可疑人员。
其中，相似度阈值可以为90％，即当监控图像中的一个或多个物业管理对象的人体姿态与异常人体姿态库中的人体姿态相似度超过90％时，则认为异常人体姿态库中存在该人体姿态，则可以认为检测到的一个或多个物业管理对象的身份为可疑人员，反之则为非可疑人员。在本实施例中，相似度阈值可以设置多个，例如，85％，90％，95％，可以根据需要自行选择不同的相似度阈值。具体地，相似度的计算可以通过欧式距离、余弦距离得到。
在一实施例中，若所述物业管理对象的身份为可疑人员，则获取可疑人员的抓拍数据，根据所述可疑人员的抓拍数据得到可疑人员的行走轨迹。所述可疑人员的抓拍数据包括抓拍到所述可疑人员的抓拍设备的设备标识和抓拍到所述可疑人员的抓拍时间。所述抓拍设备的设备标识包括以下至少之一：设备编号、设备的位置。
具体地，对所述可疑人员的抓拍数据按时间先后顺序进行排序，基于排序后的可疑人员的抓拍数据得到可疑人员的行走轨迹，即根据抓拍设备的位置和抓拍时间确定可疑人员的行走轨迹。
假设，
1、抓拍时间：2019年12月30日上午9点15分、抓拍设备的位置：A1，
2、抓拍时间：2019年12月30日上午9点25分、抓拍设备的位置：B2，
3、抓拍时间：2019年12月30日上午9点30分、抓拍设备的位置：C1，
4、抓拍时间：2019年12月30日上午9点40分、抓拍设备的位置：D3。
则可以确定出该可疑人员的行走轨迹，如图3所示，由A1到B2，再到C1，最后到D3。
本申请实施例还提供了一种设备，该设备可以包括：一个或多个处理器；和其上存储有指令的一个或多个机器可读介质，当由所述一个或多个处理器执行时，使得所述设备执行图1所述的方法。在实际应用中，该设备可以作为终端设备，也可以作为服务器，终端设备的例子可以包括：智能手机、平板电脑、电子书阅读器、MP3(动态影像专家压缩标准语音层面3，Moving Picture Experts Group Audio Layer III)播放器、MP4(动态影像专家压缩标准语音层面4，Moving Picture Experts Group Audio Layer IV)播放器、膝上型便携计算机、车载电脑、台式计算机、机顶盒、智能电视机、可穿戴设备等等，本申请实施例对于具体的设备不加以限制。
本申请实施例还提供了一种非易失性可读存储介质，该存储介质中存储有一个或多个模块(programs)，该一个或多个模块被应用在设备时，可以使得该设备执行本申请实施例的图1中方法所包含步骤的指令(instructions)。
图5为本申请一实施例提供的终端设备的硬件结构示意图。如图所示，该终端设备可以包括：输入设备1100、第一处理器1101、输出设备1102、第一存储器1103和至少一个通信总线1104。通信总线1104用于实现元件之间的通信连接。第一存储器1103可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器，第一存储器1103中可以存储各种程序，用于完成各种处理功能以及实现本实施例的方法步骤。
可选的，上述第一处理器1101例如可以为中央处理器(Central ProcessingUnit，简称CPU)、应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，该第一处理器1101通过有线或无线连接耦合到上述输入设备1100和输出设备1102。
可选的，上述输入设备1100可以包括多种输入设备，例如可以包括面向用户的用户接口、面向设备的设备接口、软件的可编程接口、摄像头、传感器中至少一种。可选的，该面向设备的设备接口可以是用于设备与设备之间进行数据传输的有线接口、还可以是用于设备与设备之间进行数据传输的硬件插入接口(例如USB接口、串口等)；可选的，该面向用户的用户接口例如可以是面向用户的控制按键、用于接收语音输入的语音输入设备以及用户接收用户触摸输入的触摸感知设备(例如具有触摸感应功能的触摸屏、触控板等)；可选的，上述软件的可编程接口例如可以是供用户编辑或者修改程序的入口，例如芯片的输入引脚接口或者输入接口等；输出设备1102可以包括显示器、音响等输出设备。
在本实施例中，该终端设备的处理器包括用于执行各设备中各模块的功能，具体功能和技术效果参照上述实施例即可，此处不再赘述。
图6为本申请的一个实施例提供的终端设备的硬件结构示意图。图6是对图5在实现过程中的一个具体的实施例。如图所示，本实施例的终端设备可以包括第二处理器1201以及第二存储器1202。
第二处理器1201执行第二存储器1202所存放的计算机程序代码，实现上述实施例中图1所述方法。
第二存储器1202被配置为存储各种类型的数据以支持在终端设备的操作。这些数据的示例包括用于在终端设备上操作的任何应用程序或方法的指令，例如消息，图片，视频等。第二存储器1202可能包含随机存取存储器(random access memory，简称RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
可选地，第二处理器1201设置在处理组件1200中。该终端设备还可以包括：通信组件1203，电源组件1204，多媒体组件1205，语音组件1206，输入/输出接口1207和/或传感器组件1208。终端设备具体所包含的组件等依据实际需求设定，本实施例对此不作限定。
处理组件1200通常控制终端设备的整体操作。处理组件1200可以包括一个或多个第二处理器1201来执行指令，以完成上述数据处理方法中的全部或部分步骤。此外，处理组件1200可以包括一个或多个模块，便于处理组件1200和其他组件之间的交互。例如，处理组件1200可以包括多媒体模块，以方便多媒体组件1205和处理组件1200之间的交互。
电源组件1204为终端设备的各种组件提供电力。电源组件1204可以包括电源管理系统，一个或多个电源，及其他与为终端设备生成、管理和分配电力相关联的组件。
多媒体组件1205包括在终端设备和用户之间的提供一个输出接口的显示屏。在一些实施例中，显示屏可以包括液晶显示器(LCD)和触摸面板(TP)。如果显示屏包括触摸面板，显示屏可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。
语音组件1206被配置为输出和/或输入语音信号。例如，语音组件1206包括一个麦克风(MIC)，当终端设备处于操作模式，如语音识别模式时，麦克风被配置为接收外部语音信号。所接收的语音信号可以被进一步存储在第二存储器1202或经由通信组件1203发送。在一些实施例中，语音组件1206还包括一个扬声器，用于输出语音信号。
输入/输出接口1207为处理组件1200和外围接口模块之间提供接口，上述外围接口模块可以是点击轮，按钮等。这些按钮可包括但不限于：音量按钮、启动按钮和锁定按钮。
传感器组件1208包括一个或多个传感器，用于为终端设备提供各个方面的状态评估。例如，传感器组件1208可以检测到终端设备的打开/关闭状态，组件的相对定位，用户与终端设备接触的存在或不存在。传感器组件1208可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在，包括检测用户与终端设备间的距离。在一些实施例中，该传感器组件1208还可以包括摄像头等。
通信组件1203被配置为便于终端设备和其他设备之间有线或无线方式的通信。终端设备可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个实施例中，该终端设备中可以包括SIM卡插槽，该SIM卡插槽用于插入SIM卡，使得终端设备可以登录GPRS网络，通过互联网与服务器建立通信。
由上可知，在图6实施例中所涉及的通信组件1203、语音组件1206以及输入/输出接口1207、传感器组件1208均可以作为图5实施例中的输入设备的实现方式。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (20)

1.一种身份识别方法，其特征在于，该身份识别方法包括：
检测物业管理区域的图像信息中的一个或多个物业管理对象；
确定所述一个或多个物业管理对象的行为参数；
根据所述一个或多个物业管理对象的行为参数识别一个或多个物业管理对象的身份。
2.根据权利要求1所述的身份识别方法，其特征在于，所述物业管理对象的身份包括可疑人员和非可疑人员。
3.根据权利要求1所述的身份识别方法，其特征在于，所述物业管理对象的行为参数包括以下至少之一：停留时间、往返次数、人体姿态。
4.根据权利要求3所述的身份识别方法，其特征在于，物业管理对象的行为参数满足包括以下至少之一条件时，所述物业管理对象的身份为可疑人员；
物业管理对象停留时间超过预设停留时间阈值；
物业管理对象往返次数超过预设次数阈值；
物业管理对象的人体姿态为异常人体姿态库中的人体姿态。
5.根据权利要求4所述的身份识别方法，其特征在于，判断物业管理对象的人体姿态是否为异常人体姿态库中的人体姿态，包括：
获取所述一个或多个物业管理对象的人体关键点；
基于所述一个或多个物业管理对象的人体关键点确定所述一个或多个物业管理对象的人体姿态；
若所述一个或多个物业管理对象的人体姿态与异常人体姿态库中的人体姿态的相似度大于或等于相似度阈值，则所述一个或多个物业管理对象的人体姿态为异常人体姿态库中的人体姿态。
6.根据权利要求2所述的身份识别方法，其特征在于，若所述物业管理对象的身份为可疑人员，则获取可疑人员的抓拍数据，根据所述可疑人员的抓拍数据得到可疑人员的行走轨迹。
7.根据权利要求6所述的身份识别方法，其特征在于，所述可疑人员的抓拍数据包括抓拍到所述可疑人员的抓拍设备的设备标识和抓拍到所述可疑人员的抓拍时间。
8.根据权利要求7所述的身份识别方法，其特征在于，对所述可疑人员的抓拍数据按时间先后顺序进行排序，基于排序后的可疑人员的抓拍数据得到可疑人员的行走轨迹。
9.根据权利要求7所述的身份识别方法，其特征在于，所述抓拍设备的设备标识包括以下至少之一：设备编号、设备的位置。
10.一种身份识别系统，其特征在于，该身份识别系统包括：
对象检测模块，用于检测物业管理区域的图像信息中的一个或多个物业管理对象；
行为参数确定模块，用于确定所述一个或多个物业管理对象的行为参数；
身份识别模块，用于根据所述一个或多个物业管理对象的行为参数识别一个或多个物业管理对象的身份。
11.根据权利要求11所述的身份识别系统，其特征在于，所述物业管理对象的身份包括可疑人员和非可疑人员。
12.根据权利要求11所述的身份识别系统，其特征在于，所述物业管理对象的行为参数包括以下至少之一：停留时间、往返次数、人体姿态。
13.根据权利要求13所述的身份识别系统，其特征在于，物业管理对象的行为参数满足包括以下至少之一条件时，所述物业管理对象的身份为可疑人员；
物业管理对象停留时间超过预设停留时间阈值；
物业管理对象往返次数超过预设次数阈值；
物业管理对象的人体姿态为异常人体姿态库中的人体姿态。
14.根据权利要求13所述的身份识别系统，其特征在于，判断物业管理对象的人体姿态是否为异常人体姿态库中的人体姿态，包括：
获取所述一个或多个物业管理对象的人体关键点；
基于所述一个或多个物业管理对象的人体关键点确定所述一个或多个物业管理对象的人体姿态；
若所述一个或多个物业管理对象的人体姿态与异常人体姿态库中的人体姿态的相似度大于或等于相似度阈值，则所述一个或多个物业管理对象的人体姿态为异常人体姿态库中的人体姿态。
15.根据权利要求11所述的身份识别系统，其特征在于，若所述物业管理对象的身份为可疑人员，则获取可疑人员的抓拍数据，根据所述可疑人员的抓拍数据得到可疑人员的行走轨迹。
16.根据权利要求15所述的身份识别系统，其特征在于，所述可疑人员的抓拍数据包括抓拍到所述可疑人员的抓拍设备的设备标识和抓拍到所述可疑人员的抓拍时间。
17.根据权利要求16所述的身份识别系统，其特征在于，对所述可疑人员的抓拍数据按时间先后顺序进行排序，基于排序后的可疑人员的抓拍数据得到可疑人员的行走轨迹。
18.根据权利要求16所述的身份识别系统，其特征在于，所述抓拍设备的设备标识包括以下至少之一：设备编号、设备的位置。
19.一种设备，其特征在于，包括：
一个或多个处理器；和
其上存储有指令的一个或多个机器可读介质，当所述一个或多个处理器执行时，使得所述设备执行如权利要求1-9所述的一个或多个所述的方法。
20.一个或多个机器可读介质，其特征在于，其上存储有指令，当由一个或多个处理器执行时，使得设备执行如权利要求1-9所述的一个或多个所述的方法。
CN202010117479.2A 2020-02-25 2020-02-25 一种身份识别方法、系统、机器可读介质及设备 Pending CN111353414A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010117479.2A CN111353414A (zh) 2020-02-25 2020-02-25 一种身份识别方法、系统、机器可读介质及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010117479.2A CN111353414A (zh) 2020-02-25 2020-02-25 一种身份识别方法、系统、机器可读介质及设备

Publications (1)

Publication Number Publication Date
CN111353414A true CN111353414A (zh) 2020-06-30

Family

ID=71194191

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010117479.2A Pending CN111353414A (zh) 2020-02-25 2020-02-25 一种身份识别方法、系统、机器可读介质及设备

Country Status (1)

Country Link
CN (1) CN111353414A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111985401A (zh) * 2020-08-20 2020-11-24 重庆中科云从科技有限公司 一种区域监控方法、系统、机器可读介质及设备
CN111985399A (zh) * 2020-08-20 2020-11-24 重庆中科云从科技有限公司 一种基于生物特征识别的区域监控方法、系统、机器可读介质及设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107818312A (zh) * 2017-11-20 2018-03-20 湖南远钧科技有限公司 一种基于异常行为识别的嵌入式系统
CN108366374A (zh) * 2018-03-08 2018-08-03 中国联合网络通信集团有限公司 可疑人员判断方法及装置
CN108664608A (zh) * 2018-05-11 2018-10-16 中国联合网络通信集团有限公司 可疑人员的识别方法、装置及计算机可读存储介质
CN110399525A (zh) * 2019-07-27 2019-11-01 广州伽利略网络科技有限公司 一种基于图像识别技术的人、物运动轨迹快速检索方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107818312A (zh) * 2017-11-20 2018-03-20 湖南远钧科技有限公司 一种基于异常行为识别的嵌入式系统
CN108366374A (zh) * 2018-03-08 2018-08-03 中国联合网络通信集团有限公司 可疑人员判断方法及装置
CN108664608A (zh) * 2018-05-11 2018-10-16 中国联合网络通信集团有限公司 可疑人员的识别方法、装置及计算机可读存储介质
CN110399525A (zh) * 2019-07-27 2019-11-01 广州伽利略网络科技有限公司 一种基于图像识别技术的人、物运动轨迹快速检索方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111985401A (zh) * 2020-08-20 2020-11-24 重庆中科云从科技有限公司 一种区域监控方法、系统、机器可读介质及设备
CN111985399A (zh) * 2020-08-20 2020-11-24 重庆中科云从科技有限公司 一种基于生物特征识别的区域监控方法、系统、机器可读介质及设备

Similar Documents

Publication Publication Date Title
CN204087316U (zh) 一种基于树莓派架构的云门禁系统
CN111369418B (zh) 一种健康数据管理方法、系统、机器可读介质及设备
CN106506442A (zh) 一种智能家居多用户身份识别及其权限管理系统
CN103886237A (zh) 具有指纹传感器和触摸屏的电子设备的控制方法及系统
CN104504793A (zh) 基于视频服务的智能门安全控制系统及方法
CN108197450B (zh) 人脸识别方法、人脸识别装置、存储介质及电子设备
CN102737194A (zh) 具有指纹解锁功能的移动终端及移动终端的指纹解锁方法
CN104899490A (zh) 一种终端定位方法及用户终端
CN108846925A (zh) 人脸识别门禁系统
CN103731633A (zh) 一种可进行远程监控的电视装置及其控制方法
CN111563671A (zh) 一种区域人员管理方法、系统、机器可读介质及设备
US10750076B2 (en) Network device, image processing method, and computer readable medium
CN111353414A (zh) 一种身份识别方法、系统、机器可读介质及设备
CN112989299A (zh) 一种交互式身份识别方法、系统、设备及介质
CN111626229A (zh) 一种对象管理方法、装置、机器可读介质及设备
CN111695509A (zh) 一种身份验证方法、装置、机器可读介质及设备
CN110647732B (zh) 一种基于生物识别特征的语音交互方法、系统、介质和设备
CN111291638A (zh) 一种对象比对方法、系统、设备及介质
KR20130082980A (ko) 얼굴인식 기반 사용자 맞춤형 추천 시스템
CN112735015B (zh) 一种社区管理方法、装置、机器可读介质及设备
CN104937602B (zh) 一种隐私保护的方法及电子设备
CN111985401A (zh) 一种区域监控方法、系统、机器可读介质及设备
CN113096291A (zh) 一种区域人员管控方法、系统、机器可读介质及设备
CN111260697A (zh) 目标对象的识别方法、系统、设备及介质
CN107992733B (zh) 一种智能终端及其安全解锁方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200630

RJ01 Rejection of invention patent application after publication