CN111385834B - 对象识别方法、装置、电子设备及计算机可读存储介质 - Google Patents
对象识别方法、装置、电子设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN111385834B CN111385834B CN201811613779.9A CN201811613779A CN111385834B CN 111385834 B CN111385834 B CN 111385834B CN 201811613779 A CN201811613779 A CN 201811613779A CN 111385834 B CN111385834 B CN 111385834B
- Authority
- CN
- China
- Prior art keywords
- identification information
- processed
- object identification
- time interval
- detection
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
Abstract
本公开实施例公开了一种对象识别方法、装置、电子设备及计算机可读存储介质,所述对象识别方法包括:确定待处理区域和与所述待处理区域对应的待处理时间区间;检测所述待处理区域在所述待处理时间区间内的检测对象标识信息;获取注册对象标识信息,并通过比较所述注册对象标识信息与所述检测对象标识信息,得到目标对象标识信息。该技术方案能够有效降低待处理数据的数据量,并能够有效提高目标对象的识别率。
Description
技术领域
本公开涉及数据处理技术领域,具体涉及一种对象识别方法、装置、电子设备及计算机可读存储介质。
背景技术
随着网络技术的发展,WiFi接入点的分布越来越密集,而WiFi数据也常被用来推算用户的行为轨迹、行为特点、统计用户的考勤信息等等。但由于多用户系统中WiFi接入数据量非常庞大,数据的保存需要大量的存储空间,另外,WiFi技术存在一定的局限性,用户行为存在一定的多样性,而且现有技术中缺乏有效的分析方法,因此WiFi接入数据往往不能得到有效的利用。
发明内容
本公开实施例提供一种对象识别方法、装置、电子设备及计算机存储介质。
第一方面,本公开实施例中提供了一种对象识别方法。
具体的,所述对象识别方法,包括:
确定待处理区域和与所述待处理区域对应的待处理时间区间;
检测所述待处理区域在所述待处理时间区间内的检测对象标识信息;
获取注册对象标识信息,并通过比较所述注册对象标识信息与所述检测对象标识信息,得到目标对象标识信息。
结合第一方面,本公开在第一方面的第一种实现方式中,所述检测所述待处理区域在所述待处理时间区间内的检测对象标识信息,包括:
检测所述待处理区域在所述待处理时间区间内的检测对象地址信息;
根据地址信息与标识信息之间的对应关系,确定与所述检测对象地址信息对应的检测对象标识信息。
结合第一方面和第一方面的第一种实现方式,本发明实施例在第一方面的第二种实现方式中,所述检测所述待处理区域在所述待处理时间区间内的检测对象地址信息,包括:
确定全部或部分覆盖所述待处理区域的无线信号设备标识信息;
根据所述无线信号设备标识信息获取所述待处理时间区间内与其连接的对象地址信息,并将其确定为检测对象地址信息。
结合第一方面、第一方面的第一种实现方式和第一方面的第二种实现方式,本发明实施例在第一方面的第三种实现方式中,所述获取注册对象标识信息,并通过比较所述注册对象标识信息与所述检测对象标识信息,得到目标对象标识信息,包括:
获取注册对象标识信息;
保留所述检测对象标识信息中的注册对象标识信息,并将其确定为目标对象标识信息。
结合第一方面、第一方面的第一种实现方式、第一方面的第二种实现方式和第一方面的第三种实现方式,本发明实施例在第一方面的第四种实现方式中,还包括:
根据所述目标对象标识信息和注册对象标识信息,计算所述待处理区域在所述待处理时间区间内的对象识别命中率。
结合第一方面、第一方面的第一种实现方式、第一方面的第二种实现方式、第一方面的第三种实现方式和第一方面的第四种实现方式,本发明实施例在第一方面的第五种实现方式中,还包括:
根据多个待处理区域及其对应的待处理时间区间的目标对象标识信息,计算所述注册对象的被识别率。
第二方面,本公开实施例中提供了一种对象识别装置。
具体的,所述对象识别装置,包括:
确定模块,被配置为确定待处理区域和与所述待处理区域对应的待处理时间区间;
检测模块,被配置为检测所述待处理区域在所述待处理时间区间内的检测对象标识信息;
比较模块,被配置为获取注册对象标识信息,并通过比较所述注册对象标识信息与所述检测对象标识信息,得到目标对象标识信息。
结合第二方面,本公开在第二方面的第一种实现方式中,所述检测模块包括:
检测子模块,被配置为检测所述待处理区域在所述待处理时间区间内的检测对象地址信息;
第一确定子模块,被配置为根据地址信息与标识信息之间的对应关系,确定与所述检测对象地址信息对应的检测对象标识信息。
结合第二方面和第二方面的第一种实现方式,本公开在第二方面的第二种实现方式中,所述检测子模块包括:
第二确定子模块,被配置为确定全部或部分覆盖所述待处理区域的无线信号设备标识信息;
第三确定子模块,被配置为根据所述无线信号设备标识信息获取所述待处理时间区间内与其连接的对象地址信息,并将其确定为检测对象地址信息。
结合第二方面、第二方面的第一种实现方式和第二方面的第二种实现方式,本公开在第二方面的第三种实现方式中,所述比较模块包括:
获取子模块,被配置为获取注册对象标识信息;
第四确定子模块,被配置为保留所述检测对象标识信息中的注册对象标识信息,并将其确定为目标对象标识信息。
结合第二方面、第二方面的第一种实现方式、第二方面的第二种实现方式和第二方面的第三种实现方式,本公开在第二方面的第四种实现方式中,还包括:
第一计算模块,被配置为根据所述目标对象标识信息和注册对象标识信息,计算所述待处理区域在所述待处理时间区间内的对象识别命中率。
结合第二方面、第二方面的第一种实现方式、第二方面的第二种实现方式、第二方面的第三种实现方式和第二方面的第四种实现方式,本公开在第二方面的第五种实现方式中,还包括:
第二计算模块,被配置为根据多个待处理区域及其对应的待处理时间区间的目标对象标识信息,计算所述注册对象的被识别率。
第三方面,本发明实施例提供了一种电子设备,包括存储器和处理器,所述存储器用于存储一条或多条支持对象识别装置执行上述第一方面中对象识别方法的计算机指令,所述处理器被配置为用于执行所述存储器中存储的计算机指令。所述对象识别装置还可以包括通信接口,用于对象识别装置与其他设备或通信网络通信。
第四方面,本公开实施例提供了一种计算机可读存储介质,用于存储对象识别装置所用的计算机指令,其包含用于执行上述第一方面中对象识别方法为对象识别装置所涉及的计算机指令。
本公开实施例提供的技术方案可以包括以下有益效果:
上述技术方案通过对于待处理区域以及待处理区域对应的待处理时间区间的确定,锁定了待处理数据的范围,进而通过对于检测对象标识信息与注册对象标识信息的比较,获得目标对象识别结果。该技术方案能够有效降低待处理数据的数据量,并能够有效提高目标对象的识别率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
结合附图,通过以下非限制性实施方式的详细描述,本公开的其它特征、目的和优点将变得更加明显。在附图中:
图1示出根据本公开一实施方式的对象识别方法的流程图;
图2示出根据图1所示实施方式的对象识别方法的步骤S102的流程图;
图3示出根据图2所示实施方式的对象识别方法的步骤S201的流程图;
图4示出根据图1所示实施方式的对象识别方法的步骤S103的流程图;
图5示出根据本公开另一实施方式的对象识别方法的流程图;
图6示出根据本公开再一实施方式的对象识别方法的流程图;
图7示出根据本公开一实施方式的对象识别装置的结构框图;
图8示出根据图7所示实施方式的对象识别装置的检测模块702的结构框图;
图9示出根据图8所示实施方式的对象识别装置的检测子模块801的结构框图;
图10示出根据图7所示实施方式的对象识别装置的比较模块703的结构框图;
图11示出根据本公开另一实施方式的对象识别装置的结构框图;
图12示出根据本公开再一实施方式的对象识别装置的结构框图;
图13示出根据本公开一实施方式的电子设备的结构框图;
图14是适于用来实现根据本公开一实施方式的对象识别方法的计算机系统的结构示意图。
具体实施方式
下文中,将参考附图详细描述本公开的示例性实施方式,以使本领域技术人员可容易地实现它们。此外,为了清楚起见,在附图中省略了与描述示例性实施方式无关的部分。
在本公开中,应理解,诸如“包括”或“具有”等的术语旨在指示本说明书中所公开的特征、数字、步骤、行为、部件、部分或其组合的存在,并且不欲排除一个或多个其他特征、数字、步骤、行为、部件、部分或其组合存在或被添加的可能性。
另外还需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
本公开实施例提供的技术方案通过对于待处理区域以及待处理区域对应的待处理时间区间的确定,锁定了待处理数据的范围,进而通过对于检测对象标识信息与注册对象标识信息的比较,获得目标对象识别结果。该技术方案能够有效降低待处理数据的数据量,并能够有效提高目标对象的识别率。
图1示出根据本公开一实施方式的对象识别方法的流程图。如图1所示,所述对象识别方法包括以下步骤S101-S103:
在步骤S101中,确定待处理区域和与所述待处理区域对应的待处理时间区间;
在步骤S102中,检测所述待处理区域在所述待处理时间区间内的检测对象标识信息;
在步骤S103中,获取注册对象标识信息,并通过比较所述注册对象标识信息与所述检测对象标识信息,得到目标对象标识信息。
上文提及,随着网络技术的发展,WiFi接入点的分布越来越密集,而WiFi数据也常被用来推算用户的行为轨迹、行为特点、统计用户的考勤信息等等。但由于多用户系统中WiFi接入数据量非常庞大,数据的保存需要大量的存储空间,另外,WiFi技术存在一定的局限性,用户行为存在一定的多样性,而且现有技术中缺乏有效的分析方法,因此WiFi接入数据往往不能得到有效的利用。
比如,对于大学出勤情况的统计,由于大型WiFi系统(例如大学的WiFi系统)通常包含用户登陆系统、日志记录系统、大量的WiFi接入点以及相关的网络配套设备。用户设备首次接入时,系统记录并绑定用户账号及其设备的MAC物理地址。因此,用户设备使用WiFi系统传输数据和因用户设备移动而切换接入点时,系统会检测接入点的标识号和具体接入时间,基于这些数据就可以推算出用户的行为轨迹。但实际上,用户设备在接入WiFi系统后,并非每时每刻都会传输数据,因此同一用户在WiFi系统留下的记录经常会间隔数分钟甚至数小时,这样的数据不利于对于时间的分析,另外,在部署WiFi系统时,由于受到安装接入点的空间限制,经常出现接入点的地理位置和信号覆盖位置错位的情况,例如2层可以收到1层甚至相邻建筑物接入点的信号。再有,由于用户行为存在一定的多样性,比如,用户去教室上课的路线虽有重复性但不一定唯一;部分用户上课前可能会关闭手机,导致上课期间收集不到WiFi使用记录;部分用户使用移动设备的省电功能,导致WiFi接入记录的时间间隔加长且不稳定,上课期间没有记录数据或记录数据不稳定。
现有技术中,还有采用人脸识别来实现自动监测的方法,但这需要在每间教室里安装摄像头,每位学生还需要进行人脸采集动作,该技术不仅效率低下,而且还需要复杂昂贵的计算软件和硬件支持。
考虑到上述缺陷,在该实施方式中,提出一种对象识别方法,该方法通过对于待处理区域以及待处理区域对应的待处理时间区间的确定,锁定了待处理数据的范围,进而通过对于检测对象标识信息与注册对象标识信息的比较,获得目标对象识别结果。该技术方案能够有效降低待处理数据的数据量,并能够有效提高目标对象的识别率。
其中,所述待处理区域指的是需要进行对象识别的区域,比如一间教室、一个办公场所等等。
其中,所述对象指的是人或者其他需要识别的对象,所述对象标识信息指的是能够对于对象进行唯一标识的信息,比如对象ID号、学生的学号、员工的工号等等。
其中,所述待处理时间区间指的是在所述待处理区域内需要进行对象识别的时间区间,比如一节课的时间、一天中的工作时间等等。在本实施例的一个可选实现方式中,考虑到待识别对象的可采集时间有可能与待处理时间区间不相一致,因此,可对所述待处理时间区间进行调整,比如对所述待处理时间区间进行预设范围的扩展等等。比如学生在上课的时候有可能会把手机关闭,而学生在上课之前一般都会提前一段时间进入教室,因此,可将所述待处理时间区间扩展为包括课间的时间,如果是第一节课,由于很多学生会提前很长时间来到教室,因此可将所述待处理时间区间的起始时间提前至更早,如果是最后一节课,考虑到有些学生可能会继续留在教室里学习,因此可将所述待处理时间区间的结束时间延迟至更晚。
其中,所述检测对象标识信息指的是在所述待处理区域里,在所述待处理时间区间内检测到的对象的标识信息,所述注册对象标识信息指的是已注册的对象的标识信息,比如学校每个课程的注册学生的学号、公司在编人员工号等等。
在本实施例的一个可选实现方式中,如图2所示,所述步骤S102,即检测所述待处理区域在所述待处理时间区间内的检测对象标识信息的步骤,包括步骤S201-S202:
在步骤S201中,检测所述待处理区域在所述待处理时间区间内的检测对象地址信息;
在步骤S202中,根据地址信息与标识信息之间的对应关系,确定与所述检测对象地址信息对应的检测对象标识信息。
为了获得准确的检测对象标识信息,在该实施方式中,借助检测对象的地址信息来实现。具体地,首先检测所述待处理区域在所述待处理时间区间内的检测对象地址信息,其中,所述检测对象地址信息指的是用于标识检测对象地址的信息,比如对象所使用设备的MAC物理地址等等;然后再根据地址信息与标识信息之间的对应关系,确定与所述检测对象地址信息对应的检测对象标识信息,其中,所述地址信息与标识信息之间的对应关系可在对象首次接入WiFi系统时,由系统记录得到。
在本实施例的一个可选实现方式中,如图3所示,所述步骤S201,即检测所述待处理区域在所述待处理时间区间内的检测对象地址信息的步骤,包括步骤S301-S302:
在步骤S301中,确定全部或部分覆盖所述待处理区域的无线信号设备标识信息;
在步骤S302中,根据所述无线信号设备标识信息获取所述待处理时间区间内与其连接的对象地址信息,并将其作为检测对象地址信息。
考虑到WiFi接入点等无线信号设备的无线信号覆盖范围对于不同的待处理区域可能会有不同程度的重叠和交叉,比如设置在教室1中处于两个教室边界处的接入点A的信号有可能既覆盖教室1的部分空间,还覆盖教室2的部分空间,而坐在教室2中靠近两个教室边界处的学生就有可能连接到接入点A上,那么此时为了提高检测的全面性,避免出现对象疏漏情况,在该实施方式中,首先根据无线信号设备的位置信息或者实测信号情况,确定全部或部分覆盖所述待处理区域的无线信号设备标识信息,其中,所述无线信号设备标识信息是用于对于WiFi接入点等无线信号设备进行唯一标识的信息,比如无线信号设备ID号等等;然后再根据所述无线信号设备标识信息获取所述待处理时间区间内与其连接的对象地址信息,并将其作为检测对象地址信息。
在本实施例的一个可选实现方式中,所述待处理时间区间内与无线信号设备连接的对象地址信息可通过无线信号设备记录的连接数据获得,其中,所述连接数据可包括以下信息中的一种或多种:无线信号设备标识信息、对象地址信息、连接时间、断连接时间、连接时长等等。
在本实施例的一个可选实现方式中,如图4所示,所述步骤S103,即获取注册对象标识信息,并通过比较所述注册对象标识信息与所述检测对象标识信息,得到目标对象标识信息的步骤,包括步骤S401-S402:
在步骤S401中,获取注册对象标识信息;
在步骤S402中,保留所述检测对象标识信息中的注册对象标识信息,并将其作为目标对象标识信息。
考虑到检测到的对象标识信息未必是需要进行统计和识别的目标对象标识信息,因此,为了获得真实、准确的目标对象标识信息,在该实施方式中,还借助注册对象标识信息对于所述检测对象标识信息进行筛选。具体地,首先获取注册对象标识信息,其中,所述注册对象标识信息可通过对象注册行为来获得,比如对于学生来说,所述注册行为可以指代学生报到或入学注册行为,对于公司职员来说,所述注册行为可以指代职员入职注册行为等等;然后对于所述注册对象标识信息与所述检测对象标识信息进行比较,两者的交集,即为所述目标对象标识信息。
在本实施例的一个可选实现方式中,所述方法还包括根据所述目标对象标识信息和注册对象标识信息,计算所述待处理区域在所述待处理时间区间内的对象识别命中率的步骤,如图5所示,所述方法包括步骤S501-S504:
在步骤S501中,确定待处理区域和与所述待处理区域对应的待处理时间区间;
在步骤S502中,检测所述待处理区域在所述待处理时间区间内的检测对象标识信息;
在步骤S503中,获取注册对象标识信息,并通过比较所述注册对象标识信息与所述检测对象标识信息,得到目标对象标识信息;
在步骤S504中,根据所述目标对象标识信息和注册对象标识信息,计算所述待处理区域在所述待处理时间区间内的对象识别命中率。
为了统计目标对象的行为规律,在该实施方式中,在获得所述待处理区域里所述待处理时间区间内目标对象标识信息之后,可根据所述目标对象标识信息和注册对象标识信息,计算所述待处理区域在所述待处理时间区间内的对象识别命中率,以为后续的管理工作提供数据支持。其中,所述对象识别命中率指的是所述目标对象在注册对象中所占的比例,比如到课率、出勤率等等。
在本实施例的一个可选实现方式中,所述方法还包括根据多个待处理区域及其对应的待处理时间区间的目标对象标识信息,计算所述注册对象的被识别率的步骤,如图6所示,所述方法包括步骤S601-S604:
在步骤S601中,确定待处理区域和与所述待处理区域对应的待处理时间区间;
在步骤S602中,检测所述待处理区域在所述待处理时间区间内的检测对象标识信息;
在步骤S603中,获取注册对象标识信息,并通过比较所述注册对象标识信息与所述检测对象标识信息,得到目标对象标识信息;
在步骤S604中,根据多个待处理区域及其对应的待处理时间区间的目标对象标识信息,计算所述注册对象的被识别率。
为了对于注册对象进行多方面的行为数据统计,在该实施方式中,还可以根据多个待处理区域及其对应的待处理时间区间的目标对象标识信息,计算所述注册对象的被识别率。比如,对于注册学生而言,可以借助上述识别方案统计其对于某一课程的到课率,具体地,考虑到某个课程的上课地点和上课时间都有可能不是固定的,因此,可先根据上述识别方案得到多个待处理区域及其对应的待处理时间区间的目标对象标识信息,然后再综合得到的被识别信息计算得到其对于该课程的到课率。
下述为本公开装置实施例,可以用于执行本公开方法实施例。
图7示出根据本公开一实施方式的对象识别装置的结构框图,该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。如图7所示,所述对象识别装置包括:
确定模块701,被配置为确定待处理区域和与所述待处理区域对应的待处理时间区间;
检测模块702,被配置为检测所述待处理区域在所述待处理时间区间内的检测对象标识信息;
比较模块703,被配置为获取注册对象标识信息,并通过比较所述注册对象标识信息与所述检测对象标识信息,得到目标对象标识信息。
上文提及,随着网络技术的发展,WiFi接入点的分布越来越密集,而WiFi数据也常被用来推算用户的行为轨迹、行为特点、统计用户的考勤信息等等。但由于多用户系统中WiFi接入数据量非常庞大,数据的保存需要大量的存储空间,另外,WiFi技术存在一定的局限性,用户行为存在一定的多样性,而且现有技术中缺乏有效的分析方法,因此WiFi接入数据往往不能得到有效的利用。
比如,对于大学出勤情况的统计,由于大型WiFi系统(例如大学的WiFi系统)通常包含用户登陆系统、日志记录系统、大量的WiFi接入点以及相关的网络配套设备。用户设备首次接入时,系统记录并绑定用户账号及其设备的MAC物理地址。因此,用户设备使用WiFi系统传输数据和因用户设备移动而切换接入点时,系统会检测接入点的标识号和具体接入时间,基于这些数据就可以推算出用户的行为轨迹。但实际上,用户设备在接入WiFi系统后,并非每时每刻都会传输数据,因此同一用户在WiFi系统留下的记录经常会间隔数分钟甚至数小时,这样的数据不利于对于时间的分析,另外,在部署WiFi系统时,由于受到安装接入点的空间限制,经常出现接入点的地理位置和信号覆盖位置错位的情况,例如2层可以收到1层甚至相邻建筑物接入点的信号。再有,由于用户行为存在一定的多样性,比如,用户去教室上课的路线虽有重复性但不一定唯一;部分用户上课前可能会关闭手机,导致上课期间收集不到WiFi使用记录;部分用户使用移动设备的省电功能,导致WiFi接入记录的时间间隔加长且不稳定,上课期间没有记录数据或记录数据不稳定。
现有技术中,还有采用人脸识别来实现自动监测的方法,但这需要在每间教室里安装摄像头,每位学生还需要进行人脸采集动作,该技术不仅效率低下,而且还需要复杂昂贵的计算软件和硬件支持。
考虑到上述缺陷,在该实施方式中,提出一种对象识别装置,该装置通过对于待处理区域以及待处理区域对应的待处理时间区间的确定,锁定了待处理数据的范围,进而通过对于检测对象标识信息与注册对象标识信息的比较,获得目标对象识别结果。该技术方案能够有效降低待处理数据的数据量,并能够有效提高目标对象的识别率。
其中,所述待处理区域指的是需要进行对象识别的区域,比如一间教室、一个办公场所等等。
其中,所述对象指的是人或者其他需要识别的对象,所述对象标识信息指的是能够对于对象进行唯一标识的信息,比如对象ID号、学生的学号、员工的工号等等。
其中,所述待处理时间区间指的是在所述待处理区域内需要进行对象识别的时间区间,比如一节课的时间、一天中的工作时间等等。在本实施例的一个可选实现方式中,考虑到待识别对象的可采集时间有可能与待处理时间区间不相一致,因此,可对所述待处理时间区间进行调整,比如对所述待处理时间区间进行预设范围的扩展等等。比如学生在上课的时候有可能会把手机关闭,而学生在上课之前一般都会提前一段时间进入教室,因此,可将所述待处理时间区间扩展为包括课间的时间,如果是第一节课,由于很多学生会提前很长时间来到教室,因此可将所述待处理时间区间的起始时间提前至更早,如果是最后一节课,考虑到有些学生可能会继续留在教室里学习,因此可将所述待处理时间区间的结束时间延迟至更晚。
其中,所述检测对象标识信息指的是在所述待处理区域里,在所述待处理时间区间内检测到的对象的标识信息,所述注册对象标识信息指的是已注册的对象的标识信息,比如学校每个课程的注册学生的学号、公司在编人员工号等等。
在本实施例的一个可选实现方式中,如图8所示,所述检测模块702包括:
检测子模块801,被配置为检测所述待处理区域在所述待处理时间区间内的检测对象地址信息;
第一确定子模块802,被配置为根据地址信息与标识信息之间的对应关系,确定与所述检测对象地址信息对应的检测对象标识信息。
为了获得准确的检测对象标识信息,在该实施方式中,借助检测对象的地址信息来实现。具体地,检测子模块801检测所述待处理区域在所述待处理时间区间内的检测对象地址信息,其中,所述检测对象地址信息指的是用于标识检测对象地址的信息,比如对象所使用设备的MAC物理地址等等;第一确定子模块802再根据地址信息与标识信息之间的对应关系,确定与所述检测对象地址信息对应的检测对象标识信息,其中,所述地址信息与标识信息之间的对应关系可在对象首次接入WiFi系统时,由系统记录得到。
在本实施例的一个可选实现方式中,如图9所示,所述检测子模块801包括:
第二确定子模块901,被配置为确定全部或部分覆盖所述待处理区域的无线信号设备标识信息;
第三确定子模块902,被配置为根据所述无线信号设备标识信息获取所述待处理时间区间内与其连接的对象地址信息,并将其确定为检测对象地址信息。
考虑到WiFi接入点等无线信号设备的无线信号覆盖范围对于不同的待处理区域可能会有不同程度的重叠和交叉,比如设置在教室1中处于两个教室边界处的接入点A的信号有可能既覆盖教室1的部分空间,还覆盖教室2的部分空间,而坐在教室2中靠近两个教室边界处的学生就有可能连接到接入点A上,那么此时为了提高检测的全面性,避免出现对象疏漏情况,在该实施方式中,第二确定子模块901根据无线信号设备的位置信息或者实测信号情况,确定全部或部分覆盖所述待处理区域的无线信号设备标识信息,其中,所述无线信号设备标识信息是用于对于WiFi接入点等无线信号设备进行唯一标识的信息,比如无线信号设备ID号等等;第三确定子模块902再根据所述无线信号设备标识信息获取所述待处理时间区间内与其连接的对象地址信息,并将其作为检测对象地址信息。
在本实施例的一个可选实现方式中,所述待处理时间区间内与无线信号设备连接的对象地址信息可通过无线信号设备记录的连接数据获得,其中,所述连接数据可包括以下信息中的一种或多种:无线信号设备标识信息、对象地址信息、连接时间、断连接时间、连接时长等等。
在本实施例的一个可选实现方式中,如图10所示,所述比较模块703包括:
获取子模块1001,被配置为获取注册对象标识信息;
第四确定子模块1002,被配置为保留所述检测对象标识信息中的注册对象标识信息,并将其确定为目标对象标识信息。
考虑到检测到的对象标识信息未必是需要进行统计和识别的目标对象标识信息,因此,为了获得真实、准确的目标对象标识信息,在该实施方式中,还借助注册对象标识信息对于所述检测对象标识信息进行筛选。具体地,获取子模块1001获取注册对象标识信息,其中,所述注册对象标识信息可通过对象注册行为来获得,比如对于学生来说,所述注册行为可以指代学生报到或入学注册行为,对于公司职员来说,所述注册行为可以指代职员入职注册行为等等;第四确定子模块1002对于所述注册对象标识信息与所述检测对象标识信息进行比较,两者的交集,即为所述目标对象标识信息。
在本实施例的一个可选实现方式中,所述装置还包括根据所述目标对象标识信息和注册对象标识信息,计算所述待处理区域在所述待处理时间区间内的对象识别命中率的部分,如图11所示,所述装置包括:
确定模块1101,被配置为确定待处理区域和与所述待处理区域对应的待处理时间区间;
检测模块1102,被配置为检测所述待处理区域在所述待处理时间区间内的检测对象标识信息;
比较模块1103,被配置为获取注册对象标识信息,并通过比较所述注册对象标识信息与所述检测对象标识信息,得到目标对象标识信息;
第一计算模块1104,被配置为根据所述目标对象标识信息和注册对象标识信息,计算所述待处理区域在所述待处理时间区间内的对象识别命中率。
为了统计目标对象的行为规律,在该实施方式中,在获得所述待处理区域里所述待处理时间区间内目标对象标识信息之后,第一计算模块1104可根据所述目标对象标识信息和注册对象标识信息,计算所述待处理区域在所述待处理时间区间内的对象识别命中率,以为后续的管理工作提供数据支持。其中,所述对象识别命中率指的是所述目标对象在注册对象中所占的比例,比如到课率、出勤率等等。
在本实施例的一个可选实现方式中,所述装置还包括根据多个待处理区域及其对应的待处理时间区间的目标对象标识信息,计算所述注册对象的被识别率的部分,如图12所示,所述装置包括:
确定模块1201,被配置为确定待处理区域和与所述待处理区域对应的待处理时间区间;
检测模块1202,被配置为检测所述待处理区域在所述待处理时间区间内的检测对象标识信息;
比较模块1203,被配置为获取注册对象标识信息,并通过比较所述注册对象标识信息与所述检测对象标识信息,得到目标对象标识信息;
第二计算模块1204,被配置为根据多个待处理区域及其对应的待处理时间区间的目标对象标识信息,计算所述注册对象的被识别率。
为了对于注册对象进行多方面的行为数据统计,在该实施方式中,第二计算模块1204可以根据多个待处理区域及其对应的待处理时间区间的目标对象标识信息,计算所述注册对象的被识别率。比如,对于注册学生而言,可以借助上述识别方案统计其对于某一课程的到课率,具体地,考虑到某个课程的上课地点和上课时间都有可能不是固定的,因此,可先根据上述识别方案得到多个待处理区域及其对应的待处理时间区间的目标对象标识信息,然后再综合得到的被识别信息计算得到其对于该课程的到课率。
本公开还公开了一种电子设备,图13示出根据本公开一实施方式的电子设备的结构框图,如图13所示,所述电子设备1300包括存储器1301和处理器1302;其中,
所述存储器1301用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器1302执行以实现以上所述的方法步骤。
图14适于用来实现根据本公开实施方式的对象识别方法的计算机系统的结构示意图。
如图14所示,计算机系统1400包括中央处理单元(CPU)1401,其可以根据存储在只读存储器(ROM)1402中的程序或者从存储部分1408加载到随机访问存储器(RAM)1403中的程序而执行上述实施方式中的各种处理。在RAM1403中,还存储有系统1400操作所需的各种程序和数据。CPU1401、ROM1402以及RAM1403通过总线1404彼此相连。输入/输出(I/O)接口1405也连接至总线1404。
以下部件连接至I/O接口1405:包括键盘、鼠标等的输入部分1406;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1407;包括硬盘等的存储部分1408;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1409。通信部分1409经由诸如因特网的网络执行通信处理。驱动器1410也根据需要连接至I/O接口1405。可拆卸介质1411,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器1410上,以便于从其上读出的计算机程序根据需要被安装入存储部分1408。
特别地,根据本公开的实施方式,上文描述的方法可以被实现为计算机软件程序。例如,本公开的实施方式包括一种计算机程序产品,其包括有形地包含在及其可读介质上的计算机程序,所述计算机程序包含用于执行上述对象识别方法的程序代码。在这样的实施方式中,该计算机程序可以通过通信部分1409从网络上被下载和安装,和/或从可拆卸介质1411被安装。
附图中的流程图和框图,图示了按照本公开各种实施方式的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,路程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施方式中所涉及到的单元或模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中,这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。
作为另一方面,本公开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可以是上述实施方式中所述装置中所包含的计算机可读存储介质;也可以是单独存在,未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序,所述程序被一个或者一个以上的处理器用来执行描述于本公开的方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (14)
1.一种对象识别方法,其特征在于,包括:
确定待处理区域和与所述待处理区域对应的待处理时间区间,所述待处理时间区间包括所述待处理区域内需要进行对象识别的时间区间;
检测在所述待处理区域里,且在所述待处理时间区间内检测到的对象的检测对象标识信息;
获取注册对象标识信息,并通过比较所述注册对象标识信息与所述检测对象标识信息,得到目标对象标识信息。
2.根据权利要求1所述的方法,其特征在于,所述检测所述待处理区域在所述待处理时间区间内的检测对象标识信息,包括:
检测所述待处理区域在所述待处理时间区间内的检测对象地址信息;
根据地址信息与标识信息之间的对应关系,确定与所述检测对象地址信息对应的检测对象标识信息。
3.根据权利要求2所述的方法,其特征在于,所述检测所述待处理区域在所述待处理时间区间内的检测对象地址信息,包括:
确定全部或部分覆盖所述待处理区域的无线信号设备标识信息;
根据所述无线信号设备标识信息获取所述待处理时间区间内与其连接的对象地址信息,并将其确定为检测对象地址信息。
4.根据权利要求1-3任一所述的方法,其特征在于,所述获取注册对象标识信息,并通过比较所述注册对象标识信息与所述检测对象标识信息,得到目标对象标识信息,包括:
获取注册对象标识信息;
保留所述检测对象标识信息中的注册对象标识信息,并将其确定为目标对象标识信息。
5.根据权利要求1-4任一所述的方法,其特征在于,还包括:
根据所述目标对象标识信息和注册对象标识信息,计算所述待处理区域在所述待处理时间区间内的对象识别命中率。
6.根据权利要求1-5任一所述的方法,其特征在于,还包括:
根据多个待处理区域及其对应的待处理时间区间的目标对象标识信息,计算所述注册对象的被识别率。
7.一种对象识别装置,其特征在于,包括:
确定模块,被配置为确定待处理区域和与所述待处理区域对应的待处理时间区间,所述待处理时间区间包括所述待处理区域内需要进行对象识别的时间区间;
检测模块,被配置为检测在所述待处理区域里,且在所述待处理时间区间内检测到的对象的检测对象标识信息;
比较模块,被配置为获取注册对象标识信息,并通过比较所述注册对象标识信息与所述检测对象标识信息,得到目标对象标识信息。
8.根据权利要求7所述的装置,其特征在于,所述检测模块包括:
检测子模块,被配置为检测所述待处理区域在所述待处理时间区间内的检测对象地址信息;
第一确定子模块,被配置为根据地址信息与标识信息之间的对应关系,确定与所述检测对象地址信息对应的检测对象标识信息。
9.根据权利要求8所述的装置,其特征在于,所述检测子模块包括:
第二确定子模块,被配置为确定全部或部分覆盖所述待处理区域的无线信号设备标识信息;
第三确定子模块,被配置为根据所述无线信号设备标识信息获取所述待处理时间区间内与其连接的对象地址信息,并将其确定为检测对象地址信息。
10.根据权利要求7-9任一所述的装置,其特征在于,所述比较模块包括:
获取子模块,被配置为获取注册对象标识信息;
第四确定子模块,被配置为保留所述检测对象标识信息中的注册对象标识信息,并将其确定为目标对象标识信息。
11.根据权利要求7-10任一所述的装置,其特征在于,还包括:
第一计算模块,被配置为根据所述目标对象标识信息和注册对象标识信息,计算所述待处理区域在所述待处理时间区间内的对象识别命中率。
12.根据权利要求7-11任一所述的装置,其特征在于,还包括:
第二计算模块,被配置为根据多个待处理区域及其对应的待处理时间区间的目标对象标识信息,计算所述注册对象的被识别率。
13.一种电子设备,其特征在于,包括存储器和处理器;其中,所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器执行以实现权利要求1-6任一项所述的方法步骤。
14.一种计算机可读存储介质,其上存储有计算机指令,其特征在于,该计算机指令被处理器执行时实现权利要求1-6任一项所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811613779.9A CN111385834B (zh) | 2018-12-27 | 2018-12-27 | 对象识别方法、装置、电子设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811613779.9A CN111385834B (zh) | 2018-12-27 | 2018-12-27 | 对象识别方法、装置、电子设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111385834A CN111385834A (zh) | 2020-07-07 |
CN111385834B true CN111385834B (zh) | 2023-08-18 |
Family
ID=71219839
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811613779.9A Active CN111385834B (zh) | 2018-12-27 | 2018-12-27 | 对象识别方法、装置、电子设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111385834B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008191865A (ja) * | 2007-02-02 | 2008-08-21 | Fuji Xerox Co Ltd | 行動分析装置及びプログラム |
GB201600814D0 (en) * | 2016-01-15 | 2016-03-02 | Peritempo Ltd | Monitoring system |
CN106301866A (zh) * | 2015-05-12 | 2017-01-04 | 杭州海康威视数字技术股份有限公司 | 目标对象的统计方法和装置 |
JP2018092287A (ja) * | 2016-12-01 | 2018-06-14 | 株式会社Nttドコモ | 人物識別装置、方法及びプログラム |
CN108897777A (zh) * | 2018-06-01 | 2018-11-27 | 深圳市商汤科技有限公司 | 目标对象追踪方法及装置、电子设备和存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080226126A1 (en) * | 2005-01-31 | 2008-09-18 | Yoshinori Ohno | Object-Tracking Apparatus, Microscope System, and Object-Tracking Program |
CN107045716A (zh) * | 2016-02-06 | 2017-08-15 | 华为技术有限公司 | 一种物体检测方法及计算机设备 |
EP3312762B1 (en) * | 2016-10-18 | 2023-03-01 | Axis AB | Method and system for tracking an object in a defined area |
-
2018
- 2018-12-27 CN CN201811613779.9A patent/CN111385834B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008191865A (ja) * | 2007-02-02 | 2008-08-21 | Fuji Xerox Co Ltd | 行動分析装置及びプログラム |
CN106301866A (zh) * | 2015-05-12 | 2017-01-04 | 杭州海康威视数字技术股份有限公司 | 目标对象的统计方法和装置 |
GB201600814D0 (en) * | 2016-01-15 | 2016-03-02 | Peritempo Ltd | Monitoring system |
JP2018092287A (ja) * | 2016-12-01 | 2018-06-14 | 株式会社Nttドコモ | 人物識別装置、方法及びプログラム |
CN108897777A (zh) * | 2018-06-01 | 2018-11-27 | 深圳市商汤科技有限公司 | 目标对象追踪方法及装置、电子设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
吴鲲.基于大数据的高职"智慧考勤系统"设计研究.《安徽电子信息职业技术学院学报》.2018,第17卷(第17期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN111385834A (zh) | 2020-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10818179B1 (en) | Wireless transmission system to determine parking lot occupancy | |
US10055991B1 (en) | Wireless transmission system to determine parking lot occupancy | |
WO2015167265A1 (en) | Indoor global positioning system | |
CN102714857B (zh) | 用于确定对区域的接入对于移动装置的用户可行还是不可行的方法及设备 | |
US10186133B2 (en) | Method for disaster notification service not requiring collecting of location information, and disaster notification server and application system thereof | |
KR20070056169A (ko) | 원격 이미지 추적 및 그 방법 | |
CA2776434A1 (en) | Methods, apparatus and systems for chronicling the activities of field technicians | |
TWI724497B (zh) | 人數統計方法、裝置及電腦設備 | |
CN110163488A (zh) | 公务车钥匙管理方法及装置 | |
CN108846911A (zh) | 一种考勤方法及装置 | |
US20180376289A1 (en) | Crowd Condition Estimation System, Crowd Condition Estimation Method and Recording Medium | |
EP3140670B1 (en) | Location error radius determination | |
CN110907895A (zh) | 噪声监测识别定位方法、系统及计算机可读存储介质 | |
US9648450B2 (en) | Assistance techniques | |
US10171951B2 (en) | System and method for positioning mobile device by using bluetooth signal | |
CN109302678B (zh) | 根据地址围栏和电子围栏内移动终端信息进行预警的方法 | |
CN103984716A (zh) | 基于地理信息空间地址精确定位的方法及系统 | |
CN103236183A (zh) | 一种基于无线地磁检测的自动寻车系统、方法及移动终端 | |
CN111385834B (zh) | 对象识别方法、装置、电子设备及计算机可读存储介质 | |
CN110610250B (zh) | 推荐及提示空闲车位、寻车路线提示的方法、装置及设备 | |
CN111445593B (zh) | 签到方法和电子设备 | |
CN113194474A (zh) | 伪基站的定位方法、装置、电子设备及可读存储介质 | |
KR102275796B1 (ko) | 카메라 설치 인증 시스템 | |
CN102170608A (zh) | 手持设备自动定位方法 | |
CN110972071A (zh) | 一种多模定位方法、定位服务器、终端和存储介质 |
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 |