CN111539338A - 行人口罩佩戴管控方法、装置、设备及计算机存储介质 - Google Patents
行人口罩佩戴管控方法、装置、设备及计算机存储介质 Download PDFInfo
- Publication number
- CN111539338A CN111539338A CN202010338364.6A CN202010338364A CN111539338A CN 111539338 A CN111539338 A CN 111539338A CN 202010338364 A CN202010338364 A CN 202010338364A CN 111539338 A CN111539338 A CN 111539338A
- Authority
- CN
- China
- Prior art keywords
- pedestrian
- mask
- preset
- target
- mask wearing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000001514 detection method Methods 0.000 claims abstract description 129
- 238000012544 monitoring process Methods 0.000 claims abstract description 124
- 238000011176 pooling Methods 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 28
- 238000012549 training Methods 0.000 claims description 33
- 239000011159 matrix material Substances 0.000 claims description 20
- 239000013598 vector Substances 0.000 claims description 20
- 238000010586 diagram Methods 0.000 claims description 17
- 238000012806 monitoring device Methods 0.000 claims description 14
- 230000001815 facial effect Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 7
- 238000009223 counseling Methods 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 210000000887 face Anatomy 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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
-
- 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
- G06V40/172—Classification, e.g. identification
-
- 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
- G06V40/18—Eye characteristics, e.g. of the iris
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/24—Reminder alarms, e.g. anti-loss alarms
- G08B21/245—Reminder of hygiene compliance policies, e.g. of washing hands
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Evolutionary Biology (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Ophthalmology & Optometry (AREA)
- Epidemiology (AREA)
- Public Health (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Collating Specific Patterns (AREA)
Abstract
本申请公开了一种行人口罩佩戴管控方法、装置、设备及计算机存储介质,方法包括:接收行人口罩佩戴检测请求,获取所述行人口罩佩戴检测请求对应的行人监控视频信息;提取所述行人监控视频信息中行人的人脸图像;通过预设口罩检测模型中的跳转连接层将所述人脸图像跳转输入至目标卷积层或目标池化层进行处理,获得所述行人的口罩佩戴检测结果;在所述口罩佩戴检测结果为所述行人未佩戴口罩时,根据所述人脸图像确定所述行人的身份信息,并根据所述身份信息对所述行人进行管控。通过上述方式,快捷识别路上行人是否佩戴口罩并对没有佩戴口罩的人员输出佩戴提示,节约了行人口罩佩戴管控成本、提高行人口罩佩戴管控效率和可操作性。
Description
技术领域
本申请涉及机器学习技术领域,尤其涉及一种行人口罩佩戴管控方法、装置、设备及计算机存储介质。
背景技术
目前,当需要管控路上没有佩戴口罩的行人时,通常是由交警在马路上进行观察,并对没有佩戴口罩的行人予以劝导。但是,这种管控方式需要花费较多的警力资源,并且需要交警暴露在人多的地方,使得交警本身的安全也处于风险之中。由此可见,目前的行人口罩佩戴管控方式成本高、效率低、可操作性差。
发明内容
本申请的主要目的在于提供一种行人口罩佩戴管控方法、装置、设备及计算机存储介质,旨在解决现有技术中行人口罩佩戴管控方式成本高、效率低、可操作性差的技术问题。
为实现上述目的,本申请提供一种行人口罩佩戴管控方法,所述行人口罩佩戴管控方法的步骤包括:
接收行人口罩佩戴检测请求,获取所述行人口罩佩戴检测请求对应的行人监控视频信息;
提取所述行人监控视频信息中行人的人脸图像;
通过预设口罩检测模型中的跳转连接层将所述人脸图像跳转输入至目标卷积层或目标池化层进行处理,获得所述行人的口罩佩戴检测结果;
在所述口罩佩戴检测结果为所述行人未佩戴口罩时,根据所述人脸图像确定所述行人的身份信息,并根据所述身份信息对所述行人进行管控。
可选地,所述接收行人口罩佩戴检测请求,获取所述行人口罩佩戴检测请求对应的行人监控视频信息的步骤,包括:
接收行人口罩佩戴检测请求,获取预设监控装置采集的第一行人监控视频信息;
分析所述第一行人监控视频信息,获得所述第一行人监控视频信息对应的拍摄区域;
根据所述拍摄区域判断是否存在所述预设监控装置未覆盖的监控盲区;
若存在所述预设监控装置未覆盖的监控盲区,则调用预设移动采集装置对所述监控盲区进行拍摄,获得第二行人监控视频信息;
将所述第一行人监控视频信息和所述第二行人监控视频信息关联作为所述行人口罩佩戴检测请求对应的行人监控视频信息。
可选地,所述提取所述行人监控视频信息中行人的人脸图像的步骤,包括:
比对所述行人监控视频信息中的各视频帧,以判断所述行人监控视频信息中是否存在运动物体;
在所述行人监控视频信息中存在运动物体时,判断所述运动物体的轮廓是否为人体轮廓;
在所述运动物体的轮廓是人体轮廓时,获取包含所述运动物体的目标视频帧,提取所述目标视频帧中行人的人脸图像。
可选地,所述通过预设口罩检测模型中的跳转连接层将所述人脸图像跳转输入至目标卷积层或目标池化层进行处理,获得所述行人的口罩佩戴检测结果的步骤,包括:
将所述人脸图像输入至预设口罩检测模型,通过所述预设口罩检测模型中的卷积层处理所述人脸图像,获得卷积图像;
将所述卷积图像输入至预设口罩检测模型的跳转连接层,通过所述跳转连接层将所述卷积图像输入至目标卷积层或目标池化层;
通过所述目标卷积层处理所述卷积图像获得新的卷积图像,或通过所述目标池化层处理所述卷积图像获得池化图像;
将所述新的卷积图像或所述池化图像输入至所述跳转连接层,直至通过所述跳转连接层将所述新的卷积图像或所述池化图像输入至最后一个池化层,将最后一个池化层输出的池化图像作为目标特征图;
将所述目标特征图输入至预设口罩检测模型的全连接层,通过所述全连接层获取所述目标特征图对应矩阵向量的矩阵向量乘积,根据所述矩阵向量乘积进行分类;
在所述矩阵向量乘积为第一类型时,输出口罩佩戴检测结果为所述行人佩戴口罩;
在所述矩阵向量乘积为第二类型时,输出口罩佩戴检测结果为所述行人未佩戴口罩。
可选地,所述在所述口罩佩戴检测结果为所述行人未佩戴口罩时,根据所述人脸图像确定所述行人的身份信息,并根据所述身份信息对所述行人进行管控的步骤,包括:
在所述口罩佩戴检测结果为所述行人未佩戴口罩时,将所述人脸图像与预设数据库中的预设图像进行比对,获得与所述人脸图像匹配的目标图像;
获取所述目标图像关联的身份信息,生成包含所述身份信息的提示信息;
将所述提示信息发送至目标终端,以使所述目标终端对应用户执行口罩佩戴监控职责或口罩佩戴职责,其中,所述目标终端包括:所述行人监控视频信息关联的监控终端,和/或所述身份信息对应的用户终端。
可选地,所述通过预设口罩检测模型中的跳转连接层将所述人脸图像跳转输入至目标卷积层或目标池化层进行处理,获得所述行人的口罩佩戴检测结果的步骤之后,所述方法包括:
在所述口罩佩戴检测结果为所述行人佩戴口罩时,将所述人脸图像输入至预设人脸识别模型和/或预设虹膜识别模型,获得所述行人的身份信息;
若所述身份信息是犯罪嫌疑人,则生成预警信息,并将所述预警信息发送至所述行人监控视频信息关联的监控终端。
可选地,所述在所述口罩佩戴检测结果为所述行人佩戴口罩时,将所述人脸图像输入至预设人脸识别模型和/或预设虹膜识别模型,获得所述行人的身份信息的步骤之前,所述方法还包括:
获取佩戴口罩的目标人脸图像作为训练样本;
将所述训练样本输入至初始识别模型中,按照预设注意力机制增加所述训练样本中脸型特征、眼部瞳距特征和/或虹膜特征的权重,训练所述初始识别模型,获取识别训练模型;
在所述识别训练模型的识别准确率高于预设准确率时,将所述识别训练模型作为预设人脸识别模型和/或预设虹膜识别模型。
此外,为了实现上述目的本申请还提供一种行人口罩佩戴管控装置,所述行人口罩佩戴管控装置包括:
请求接收模块,用于接收行人口罩佩戴检测请求,获取所述行人口罩佩戴检测请求对应的行人监控视频信息;
图像提取模块,用于提取所述行人监控视频信息中行人的人脸图像;
口罩检测模块,用于通过预设口罩检测模型中的跳转连接层将所述人脸图像跳转输入至目标卷积层或目标池化层进行处理,获得所述行人的口罩佩戴检测结果;
佩戴提示模块,用于在所述口罩佩戴检测结果为所述行人未佩戴口罩时,根据所述人脸图像确定所述行人的身份信息,并根据所述身份信息对所述行人进行管控。
此外,为了实现上述目的本申请还提供一种行人口罩佩戴管控设备,所述行人口罩佩戴管控设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的行人口罩佩戴管控程序,所述行人口罩佩戴管控程序被所述处理器执行时实现如上所述的行人口罩佩戴管控方法的步骤。
此外,为了实现上述目的本申请还提供一种计算机存储介质,所述计算机存储介质上存储有行人口罩佩戴管控程序,所述行人口罩佩戴管控程序被处理器执行时实现如上所述的行人口罩佩戴管控方法的步骤。
本申请提供一种行人口罩佩戴管控方法、装置、设备及计算机存储介质,所述行人口罩佩戴管控方法接收预设采集装置发送的采集行人监控视频信息;将包括所述采集行人监控视频信息的行人监控视频信息发送至人预设脸检测模型进行检测,获得所述行人监控视频信息中的人脸图像;调用预设口罩检测模型对所述人脸图像进行检测,以判断所述人脸图像中人员是否佩戴口罩;在所述人脸图像中人员没有佩戴口罩时,根据所述人脸图像确定所述人脸图像中人员的身份信息,并输出包括所述身份信息的佩戴提示。通过上述方式,快捷识别路上行人是否佩戴口罩,并且当识别出路上行人没佩戴口罩时,使用预设移动采集装置进行现场喊话劝导或者由交警到现场劝导,因此无需交警在马路上进行观察并对没有佩戴口罩的行人予以劝导,同时避免交警暴露在人多的地方,使得交警本身的安全也处于风险之中,从而节约了行人口罩佩戴管控成本、提高行人口罩佩戴管控效率和可操作性。
附图说明
图1为本申请实施例一个可选的设备硬件结构示意图;
图2为本申请行人口罩佩戴管控方法第一实施例的流程示意图;
图3为本申请行人口罩佩戴管控方法第一实施例中预设口罩检测模型的结构示意图;
图4为本申请图3中预设口罩检测模型的一优选结构示意图;
图5为本申请行人口罩佩戴管控装置一实施例的功能模块示意图。
本申请目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所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。
如图1所示,图1是本申请实施例方案涉及的硬件运行环境的设备(行人口罩佩戴管控设备)结构示意图,如图1所示,该行人口罩佩戴管控设备可以包括:处理器1001,例如CPU,网络接口1004,用户接口1003,存储器1005,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的设备结构并不构成对设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机存储介质的存储器1005中可以包括操作网络通信模块、用户接口模块以及行人口罩佩戴管控程序。
在图1所示的设备中,网络接口1004主要用于连接后台服务器,与后台服务器进行数据通信;用户接口1003主要用于连接客户端(用户端),与客户端进行数据通信;而处理器1001可以用于调用存储器1005中存储的行人口罩佩戴管控,并执行下述行人口罩佩戴管控方法中的操作。
在图1所示的行人口罩佩戴管控设备中,处理器1001用于执行存储器1005中存储的行人口罩佩戴管控程序,实现以下步骤:
接收行人口罩佩戴检测请求,获取所述行人口罩佩戴检测请求对应的行人监控视频信息;
提取所述行人监控视频信息中行人的人脸图像;
通过预设口罩检测模型中的跳转连接层将所述人脸图像跳转输入至目标卷积层或目标池化层进行处理,获得所述行人的口罩佩戴检测结果;
在所述口罩佩戴检测结果为所述行人未佩戴口罩时,根据所述人脸图像确定所述行人的身份信息,并根据所述身份信息对所述行人进行管控。
进一步地,处理器1001可以调用存储器1005中存储的行人口罩佩戴管控程序,所述接收行人口罩佩戴检测请求,获取所述行人口罩佩戴检测请求对应的行人监控视频信息的步骤还执行以下操作:
接收行人口罩佩戴检测请求,获取预设监控装置采集的第一行人监控视频信息;
分析所述第一行人监控视频信息,获得所述第一行人监控视频信息对应的拍摄区域;
根据所述拍摄区域判断是否存在所述预设监控装置未覆盖的监控盲区;
若存在所述预设监控装置未覆盖的监控盲区,则调用预设移动采集装置对所述监控盲区进行拍摄,获得第二行人监控视频信息;
将所述第一行人监控视频信息和所述第二行人监控视频信息关联作为所述行人口罩佩戴检测请求对应的行人监控视频信息。
进一步地,处理器1001可以调用存储器1005中存储的行人口罩佩戴管控程序,所述提取所述行人监控视频信息中行人的人脸图像的步骤还执行以下操作:
比对所述行人监控视频信息中的各视频帧,以判断所述行人监控视频信息中是否存在运动物体;
在所述行人监控视频信息中存在运动物体时,判断所述运动物体的轮廓是否为人体轮廓;
在所述运动物体的轮廓是人体轮廓时,获取包含所述运动物体的目标视频帧,提取所述目标视频帧中行人的人脸图像。
进一步地,处理器1001可以调用存储器1005中存储的行人口罩佩戴管控程序,所述通过预设口罩检测模型中的跳转连接层将所述人脸图像跳转输入至目标卷积层或目标池化层进行处理,获得所述行人的口罩佩戴检测结果的步骤还执行以下操作:
将所述人脸图像输入至预设口罩检测模型,通过所述预设口罩检测模型中的卷积层处理所述人脸图像,获得卷积图像;
将所述卷积图像输入至预设口罩检测模型的跳转连接层,通过所述跳转连接层将所述卷积图像输入至目标卷积层或目标池化层;
通过所述目标卷积层处理所述卷积图像获得新的卷积图像,或通过所述目标池化层处理所述卷积图像获得池化图像;
将所述新的卷积图像或所述池化图像输入至所述跳转连接层,直至通过所述跳转连接层将所述新的卷积图像或所述池化图像输入至最后一个池化层,将最后一个池化层输出的池化图像作为目标特征图;
将所述目标特征图输入至预设口罩检测模型的全连接层,通过所述全连接层获取所述目标特征图对应矩阵向量的矩阵向量乘积,根据所述矩阵向量乘积进行分类;
在所述矩阵向量乘积为第一类型时,输出口罩佩戴检测结果为所述行人佩戴口罩;
在所述矩阵向量乘积为第二类型时,输出口罩佩戴检测结果为所述行人未佩戴口罩。
进一步地,处理器1001可以调用存储器1005中存储的行人口罩佩戴管控程序,所述在所述口罩佩戴检测结果为所述行人未佩戴口罩时,根据所述人脸图像确定所述行人的身份信息,并根据所述身份信息对所述行人进行管控的步骤,还执行以下操作:
在所述口罩佩戴检测结果为所述行人未佩戴口罩时,将所述人脸图像与预设数据库中的预设图像进行比对,获得与所述人脸图像匹配的目标图像;
获取所述目标图像关联的身份信息,生成包含所述身份信息的提示信息;
将所述提示信息发送至目标终端,以使所述目标终端对应用户执行口罩佩戴监控职责或口罩佩戴职责,其中,所述目标终端包括:所述行人监控视频信息关联的监控终端,和/或所述身份信息对应的用户终端。
进一步地,处理器1001可以调用存储器1005中存储的行人口罩佩戴管控程序,所述通过预设口罩检测模型中的跳转连接层将所述人脸图像跳转输入至目标卷积层或目标池化层进行处理,获得所述行人的口罩佩戴检测结果的步骤之后还执行以下操作:
在所述口罩佩戴检测结果为所述行人佩戴口罩时,将所述人脸图像输入至预设人脸识别模型和/或预设虹膜识别模型,获得所述行人的身份信息;
若所述身份信息是犯罪嫌疑人,则生成预警信息,并将所述预警信息发送至所述行人监控视频信息关联的监控终端。
进一步地,处理器1001可以调用存储器1005中存储的行人口罩佩戴管控程序,所述在所述口罩佩戴检测结果为所述行人佩戴口罩时,将所述人脸图像输入至预设人脸识别模型和/或预设虹膜识别模型,获得所述行人的身份信息的步骤之前,还执行以下操作:
获取佩戴口罩的目标人脸图像作为训练样本;
将所述训练样本输入至初始识别模型中,按照预设注意力机制增加所述训练样本中脸型特征、眼部瞳距特征和/或虹膜特征的权重,训练所述初始识别模型,获取识别训练模型;
在所述识别训练模型的识别准确率高于预设准确率时,将所述识别训练模型作为预设人脸识别模型和/或预设虹膜识别模型。
基于上述硬件结构,提出本申请行人口罩佩戴管控方法的各个实施例。
参照图2,本申请行人口罩佩戴管控方法第一实施例包括:
步骤S10,接收行人口罩佩戴检测请求,获取所述行人口罩佩戴检测请求对应的行人监控视频信息;
本实施例中行人口罩佩戴管控方法应用于行人口罩佩戴管控设备,行人口罩佩戴管控设备与马路、地铁、医院、高铁站、图书馆等公共区域的预设监控装置(预设采集装置是指预设的监控视频采集装置)通信连接。
行人口罩佩戴管控设备接收行人口罩佩戴检测请求,其中,行人口罩佩戴检测请求的触发方式不作具体限定,即,行人口罩佩戴检测请求可以是用户主动触发的,例如,管理用户点击行人口罩佩戴管控设备显示页面上的“行人口罩佩戴管控”按键,主动触发行人口罩佩戴检测请求;此外,行人口罩佩戴检测请求还可以是自动触发的,例如,行人口罩佩戴管控设备识别到人脸信息时,自动触发行人口罩佩戴检测请求。
行人口罩佩戴管控设备在接收行人口罩佩戴检测请求时,获取预设采集装置发送的采集行人监控视频信息。
步骤S20,提取所述行人监控视频信息中行人的人脸图像;
行人口罩佩戴管控设备接收到预设采集装置发送的行人监控视频信息时,行人口罩佩戴管控设备分析行人监控视频信息,获得行人监控视频信息中的人脸图像,人脸图像中的人脸数量不做具体限制,人脸数量至少为一个,行人监控视频信息中的人脸图像是包含人的照片,人脸图像中人物状态不做具体限制,即人脸图像可以是人物正面照、人物侧面照、人物大头照、人物全身照等等。
步骤S30,通过预设口罩检测模型中的跳转连接层将所述人脸图像跳转输入至目标卷积层或目标池化层进行处理,获得所述行人的口罩佩戴检测结果。
具体地,包括:
将所述人脸图像输入至预设口罩检测模型,通过所述预设口罩检测模型中的卷积层处理所述人脸图像,获得卷积图像;
将所述卷积图像输入至预设口罩检测模型的跳转连接层,通过所述跳转连接层将所述卷积图像输入至目标卷积层或目标池化层;
通过所述目标卷积层处理所述卷积图像获得新的卷积图像,或通过所述目标池化层处理所述卷积图像获得池化图像;
将所述新的卷积图像或所述池化图像输入至所述跳转连接层,直至通过所述跳转连接层将所述新的卷积图像或所述池化图像输入至最后一个池化层,将最后一个池化层输出的池化图像作为目标特征图;
将所述目标特征图输入至预设口罩检测模型的全连接层,通过所述全连接层获取所述目标特征图对应矩阵向量的矩阵向量乘积,根据所述矩阵向量乘积进行分类;
在所述矩阵向量乘积为第一类型时,输出口罩佩戴检测结果为所述行人佩戴口罩;在所述矩阵向量乘积为第二类型时,输出口罩佩戴检测结果为所述行人未佩戴口罩。
即,行人口罩佩戴管控设备对获取得到的人脸图像进行预处理,将人脸彩色图像灰度化处理,行人口罩佩戴管控设备调用预设口罩检测模型中的卷积层处理预处理之后的人脸图像,获得卷积图像,卷积图像指的是调用预设口罩检测模型中的卷积层对人脸图像进行卷积操作所获得的图像。行人口罩佩戴管控设备将卷积图像输入至预设口罩检测模型中的跳跃连接层,获取特征信息;将卷积图像输至预设口罩检测模型中的跳转连接层,获取特征信息;按照特征信息选择预设口罩检测模型中的卷积层和/或池化层,通过卷积层和/或池化层对卷积图像进行卷积操作和/或池化操作,获得目标特征图,根据目标特征图进行分类确定行人是否佩戴口罩。
其中,获取目标特征图的具体步骤包括:行人口罩佩戴管控设备将卷积图像输入至预设口罩检测模型中的跳跃连接层,获取特征信息;特征信息为梯度值;在梯度值大于预设梯度阈值时,根据梯度值的大小选择目标池化层,并将卷积图像输入至目标池化层进行池化操作,获得池化图像,将池化图像作为新的卷积图像,输入至跳转连接,直至获得目标特征图;在梯度值小于或等于预设梯度阈值时,根据梯度值的大小选择目标卷积层,并将卷积图像输入至目标卷积层进行二次卷积操作,获得新的卷积图像,将新的卷积图像输入至跳转连接,直至获得目标特征图。
如图4所示,预设口罩检测模型是能够检测判断人脸图像中人员是否佩戴口罩的模型,预设口罩检测模型共包含9个处理步骤,分别是stage1至stage9,从stage1开始将人脸图像输入,stage2至stage8对输入的人脸图像进行识别,直到stage9结束输出人脸图像识别结果;如图3所示,预设口罩检测模型包括跳跃连接层的卷积层SConv,卷积层SConv是由普通卷积层NConv构成的,左边分支的第一个二维卷积层模块和第四个二维卷积层模块都是NConv,1×1;第二个二维卷积层模块和第三个二维卷积层模块都是NConv,k×k,其中,每一个NConv都是一个普通的卷积层,并且k可以选择3或者5或者其他数字。中间分支的第一个二维卷积层模块和第四个二维卷积层模块都是NConv,k×k;第二个二维卷积层模块和第三个二维卷积层模块都是NConv,1×1,同理,每一个NConv都是一个普通的卷积层,并且k可以选择3或者5或者其他数字。右边分支是skip connection模块。左边分支、中间分支和右边分支同时对输入的人脸图像像进行处理,获得人脸图像的目标特征图,根据目标特征图进行分类确定行人是否佩戴口罩。
步骤S40,在所述口罩佩戴检测结果为所述行人未佩戴口罩时,根据所述人脸图像确定所述行人的身份信息,并根据所述身份信息对所述行人进行管控。
具体地,包括:
在所述口罩佩戴检测结果为所述行人未佩戴口罩时,将所述人脸图像与预设数据库中的预设图像进行比对,获得与所述人脸图像匹配的目标图像;
获取所述目标图像关联的身份信息,生成包含所述身份信息的提示信息;
将所述提示信息发送至目标终端,以使所述目标终端对应用户执行口罩佩戴监控职责或口罩佩戴职责,其中,所述目标终端包括:所述行人监控视频信息关联的监控终端,和/或所述身份信息对应的用户终端。
即,在口罩佩戴检测结果为行人未佩戴口罩时,行人口罩佩戴管控设备根据人脸图像确定行人的身份信息,身份信息包括姓名、年龄等信息;即,行人口罩佩戴管控设备将人脸图像与预设身份数据库例如公安部的身份证数据进行比对,从而确定人脸图像中人员的身份信息。
行人口罩佩戴管控设备获取预设的佩戴提示样本;预设的佩戴提示样本指的是预先设置的提示没有佩戴口罩的人员佩戴口罩的劝导。行人口罩佩戴管控设备将所述佩戴提示样本中的人员信息更换为所述身份信息,生成目标提示样本;按照预设的佩戴提示样本,把预设的佩戴提示样本中人员信息更换为没佩戴口罩人员的身份信息,生成目标提示样本,然后通过目标提示样本进行口罩佩戴管控。按照预设提示方式输出所述目标提示样本。预设提示方式指的是预设移动采集装置喊话劝导或者相关管理人员到现场劝导没佩戴口罩人员佩戴口罩。
本实施例中行人口罩佩戴管控设备快捷识别路上行人是否佩戴口罩,并且当识别出路上行人没佩戴口罩时,使用预设移动采集装置进行现场喊话劝导或者由交警到现场劝导,因此无需交警在马路上进行观察并对没有佩戴口罩的行人予以劝导,同时避免交警暴露在人多的地方,使得交警本身的安全也处于风险之中,从而节约了行人口罩佩戴管控成本、提高行人口罩佩戴管控效率和可操作性。
进一步地,基于本申请行人口罩佩戴管控方法第一实施例,提出本申请行人口罩佩戴管控方法第二实施例。
本实施例是第一实施例中步骤S10之后,在本申请行人口罩佩戴管控方法第二实施例中包括:
接收行人口罩佩戴检测请求,获取预设监控装置采集的第一行人监控视频信息;
分析所述第一行人监控视频信息,获得所述第一行人监控视频信息对应的拍摄区域;
根据所述拍摄区域判断是否存在所述预设监控装置未覆盖的监控盲区;
若存在所述预设监控装置未覆盖的监控盲区,则调用预设移动采集装置对所述监控盲区进行拍摄,获得第二行人监控视频信息;
将所述第一行人监控视频信息和所述第二行人监控视频信息关联作为所述行人口罩佩戴检测请求对应的行人监控视频信息。
具体地,本实施例中行人口罩佩戴管控设备获取预设监控装置采集的第一行人监控视频信息;并分析第一行人监控视频信息,获得第一行人监控视频信息对应的拍摄区域,通过比对第一行人监控视频信息对应的拍摄区域和预设监控区域,找到没有拍摄到的区域,从而可以确定预设采集装置的监控盲区。
对于没有覆盖到监控盲区,这时通过调用装有摄像头的预设移动采集装置(预设移动采集装置作为采集视频图像的装置,预设移动采集装置可以是无人机,或者其他装置)进行定时巡逻并实时拍摄视频或者图片,获得补充的第二行人监控视频信息。行人口罩佩戴管控设备将第一行人监控视频信息和第二行人监控视频信息关联作为行人口罩佩戴检测请求对应的行人监控视频信息。
在本实施例中预设采集装置分布在比如有些红绿灯的路口,小区门口、花园等公共区域等等,对于红绿灯的路口,小区门口、花园等区域,可以按照拍摄效果合理布置预设采集视频图像的装置的位置;另一种是没有覆盖到监控的地方,比如马路上很多地方无法全面覆盖监控,或者有一些地方是监控的死角。因为预设采集装置安装之后,会存在所有预设采集装置没有覆盖到的拍摄监控盲区,通过调用预设移动采集装置,进行补充拍摄,减少拍摄盲区,是的监控区域更加全面,进一步地减少了人力资源的浪费。
进一步地,基于本申请行人口罩佩戴管控方法上述实施例,提出本申请行人口罩佩戴管控方法第三实施例。
本实施例是第一实施例中步骤S20的细化步骤,本实施例与上述实施例的区别在于:
比对所述行人监控视频信息中的各视频帧,以判断所述行人监控视频信息中是否存在运动物体;
在所述行人监控视频信息中存在运动物体时,判断所述运动物体的轮廓是否为人体轮廓;
在所述运动物体的轮廓是人体轮廓时,获取包含所述运动物体的目标视频帧,提取所述目标视频帧中行人的人脸图像。
即,行人口罩佩戴管控设备将所述行人监控视频信息的各个画面帧进行比对,确定运动物体,例如第三帧相比于第二帧多了物体,则可以确实这个物体属于运动物体;然后,通过图像识别技术识别运动物体的轮廓,由于奔跑的动物或者移动的车辆,轮廓与行人轮廓是不同的,从而可以根据对轮廓的识别结果,判断行人监控视频信息的画面帧是否包含人体轮廓;在所述运动物体的轮廓是人体轮廓时,获取包含所述运动物体的目标视频帧,提取所述目标视频帧中行人的人脸图像。本实施例中说明了具体地人脸图像获取步骤,提高了监控视频信息分析的准确性。
进一步地,基于本申请行人口罩佩戴管控方法上述实施例,提出本申请行人口罩佩戴管控方法四实施例。
本实施例是第一实施例中步骤S30之后的步骤,本实施例与上述实施例的区别在于:
在所述口罩佩戴检测结果为所述行人佩戴口罩时,将所述人脸图像输入至预设人脸识别模型和/或预设虹膜识别模型,获得所述行人的身份信息;
若所述身份信息是犯罪嫌疑人,则生成预警信息,并将所述预警信息发送至所述行人监控视频信息关联的监控终端。
即,在口罩佩戴检测结果为行人佩戴口罩时,行人口罩佩戴管控设备将人脸图像输入至预设人脸识别模型和/或预设虹膜识别模型,获得行人的身份信息;若身份信息是犯罪嫌疑人,行人口罩佩戴管控设备则生成预警信息,行人口罩佩戴管控设备将预警信息发送至行人监控视频信息关联的监控终端,以使监控终端进行注意。
在本实施例的步骤执行之前,行人口罩佩戴管控设备训练预设人脸识别模型和/或预设虹膜识别模型,具体地,包括:
获取佩戴口罩的目标人脸图像作为训练样本;
将所述训练样本输入至初始识别模型中,按照预设注意力机制增加所述训练样本中脸型特征、眼部瞳距特征和/或虹膜特征的权重训练所述初始识别模型,获取识别训练模型;
在所述识别训练模型的识别准确率高于预设准确率时,将所述识别训练模型作为预设人脸识别模型和/或预设虹膜识别模型。
即,行人口罩佩戴管控设备获取佩戴口罩的目标人脸图像作为训练样本;行人口罩佩戴管控设备将训练样本输入至初始识别模型中,所述初始识别模型按照预设注意力机制增加所述训练样本中脸型特征、眼部瞳距特征和/或虹膜特征的训练权重,进行识别模型训练;在识别模型训练的识别准确率高于预设准确率时,将训练得到的识别模型作为预设人脸识别模型和/或预设虹膜识别模型。
本实施例中行人口罩佩戴管控设备可以对佩戴口罩的人脸图像进行检测识别,避免不法分子佩戴口罩进行违法活动,提高了操作的安全性。
此外,参照图5,本申请实施例还提出一种行人口罩佩戴管控装置,所述行人口罩佩戴管控装置包括:
请求接收模块10,用于接收行人口罩佩戴检测请求,获取所述行人口罩佩戴检测请求对应的行人监控视频信息;
图像提取模块20,用于提取所述行人监控视频信息中行人的人脸图像;
口罩检测模块30,用于通过预设口罩检测模型中的跳转连接层将所述人脸图像跳转输入至目标卷积层或目标池化层进行处理,获得所述行人的口罩佩戴检测结果;
佩戴提示模块40,用于在所述口罩佩戴检测结果为所述行人未佩戴口罩时,根据所述人脸图像确定所述行人的身份信息,并根据所述身份信息对所述行人进行管控。
本申请还提供一种行人口罩佩戴管控设备,所述行人口罩佩戴管控设备包括:存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的行人口罩佩戴管控程序,所述行人口罩佩戴管控程序被所述处理器执行时实现上述行人口罩佩戴管控方法的步骤。
本申请还提供一种计算机存储介质,所述计算机存储介质上存储有行人口罩佩戴管控程序,所述行人口罩佩戴管控程序被处理器执行时实现上述的行人口罩佩戴管控方法的步骤。
在本申请行人口罩佩戴管控方法、装置、设备及可读存储介质的实施例中,包含了上述行人口罩佩戴管控方法各实施例的全部技术特征,说明书拓展和解释内容与上述行人口罩佩戴管控方法各实施例基本相同,在此不做赘述。
需要说明的是,在本文中,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、物品或者系统不仅包括那些要素,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、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
以上仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种行人口罩佩戴管控方法,其特征在于,所述行人口罩佩戴管控方法包括以下步骤:
接收行人口罩佩戴检测请求,获取所述行人口罩佩戴检测请求对应的行人监控视频信息;
提取所述行人监控视频信息中行人的人脸图像;
通过预设口罩检测模型中的跳转连接层将所述人脸图像跳转输入至目标卷积层或目标池化层进行处理,获得所述行人的口罩佩戴检测结果;
在所述口罩佩戴检测结果为所述行人未佩戴口罩时,根据所述人脸图像确定所述行人的身份信息,并根据所述身份信息对所述行人进行管控。
2.如权利要求1所述的行人口罩佩戴管控方法,其特征在于,所述接收行人口罩佩戴检测请求,获取所述行人口罩佩戴检测请求对应的行人监控视频信息的步骤,包括:
接收行人口罩佩戴检测请求,获取预设监控装置采集的第一行人监控视频信息;
分析所述第一行人监控视频信息,获得所述第一行人监控视频信息对应的拍摄区域;
根据所述拍摄区域判断是否存在所述预设监控装置未覆盖的监控盲区;
若存在所述预设监控装置未覆盖的监控盲区,则调用预设移动采集装置对所述监控盲区进行拍摄,获得第二行人监控视频信息;
将所述第一行人监控视频信息和所述第二行人监控视频信息关联作为所述行人口罩佩戴检测请求对应的行人监控视频信息。
3.如权利要求1所述的行人口罩佩戴管控方法,其特征在于,所述提取所述行人监控视频信息中行人的人脸图像的步骤,包括:
比对所述行人监控视频信息中的各视频帧,以判断所述行人监控视频信息中是否存在运动物体;
在所述行人监控视频信息中存在运动物体时,判断所述运动物体的轮廓是否为人体轮廓;
在所述运动物体的轮廓是人体轮廓时,获取包含所述运动物体的目标视频帧,提取所述目标视频帧中行人的人脸图像。
4.如权利要求1所述的行人口罩佩戴管控方法,其特征在于,所述通过预设口罩检测模型中的跳转连接层将所述人脸图像跳转输入至目标卷积层或目标池化层进行处理,获得所述行人的口罩佩戴检测结果的步骤,包括:
将所述人脸图像输入至预设口罩检测模型,通过所述预设口罩检测模型中的卷积层处理所述人脸图像,获得卷积图像;
将所述卷积图像输入至预设口罩检测模型的跳转连接层,通过所述跳转连接层将所述卷积图像输入至目标卷积层或目标池化层;
通过所述目标卷积层处理所述卷积图像获得新的卷积图像,或通过所述目标池化层处理所述卷积图像获得池化图像;
将所述新的卷积图像或所述池化图像输入至所述跳转连接层,直至通过所述跳转连接层将所述新的卷积图像或所述池化图像输入至最后一个池化层,将最后一个池化层输出的池化图像作为目标特征图;
将所述目标特征图输入至预设口罩检测模型的全连接层,通过所述全连接层获取所述目标特征图对应矩阵向量的矩阵向量乘积,根据所述矩阵向量乘积进行分类;
在所述矩阵向量乘积为第一类型时,输出口罩佩戴检测结果为所述行人佩戴口罩;
在所述矩阵向量乘积为第二类型时,输出口罩佩戴检测结果为所述行人未佩戴口罩。
5.如权利要求1所述的行人口罩佩戴管控方法,其特征在于,所述在所述口罩佩戴检测结果为所述行人未佩戴口罩时,根据所述人脸图像确定所述行人的身份信息,并根据所述身份信息对所述行人进行管控的步骤,包括:
在所述口罩佩戴检测结果为所述行人未佩戴口罩时,将所述人脸图像与预设数据库中的预设图像进行比对,获得与所述人脸图像匹配的目标图像;
获取所述目标图像关联的身份信息,生成包含所述身份信息的提示信息;
将所述提示信息发送至目标终端,以使所述目标终端对应用户执行口罩佩戴监控职责或口罩佩戴职责,其中,所述目标终端包括:所述行人监控视频信息关联的监控终端,和/或所述身份信息对应的用户终端。
6.如权利要求1至5任意一项所述的行人口罩佩戴管控方法,其特征在于,所述通过预设口罩检测模型中的跳转连接层将所述人脸图像跳转输入至目标卷积层或目标池化层进行处理,获得所述行人的口罩佩戴检测结果的步骤之后,所述方法包括:
在所述口罩佩戴检测结果为所述行人佩戴口罩时,将所述人脸图像输入至预设人脸识别模型和/或预设虹膜识别模型,获得所述行人的身份信息;
若所述身份信息是犯罪嫌疑人,则生成预警信息,并将所述预警信息发送至所述行人监控视频信息关联的监控终端。
7.如权利要求6所述的行人口罩佩戴管控方法,其特征在于,所述在所述口罩佩戴检测结果为所述行人佩戴口罩时,将所述人脸图像输入至预设人脸识别模型和/或预设虹膜识别模型,获得所述行人的身份信息的步骤之前,所述方法还包括:
获取佩戴口罩的目标人脸图像作为训练样本;
将所述训练样本输入至初始识别模型中,按照预设注意力机制增加所述训练样本中脸型特征、眼部瞳距特征和/或虹膜特征的权重训练所述初始识别模型,获取识别训练模型;
在所述识别训练模型的识别准确率高于预设准确率时,将所述识别训练模型作为预设人脸识别模型和/或预设虹膜识别模型。
8.一种行人口罩佩戴管控装置,其特征在于,所述行人口罩佩戴管控装置包括:
请求接收模块,用于接收行人口罩佩戴检测请求,获取所述行人口罩佩戴检测请求对应的行人监控视频信息;
图像提取模块,用于提取所述行人监控视频信息中行人的人脸图像;
口罩检测模块,用于通过预设口罩检测模型中的跳转连接层将所述人脸图像跳转输入至目标卷积层或目标池化层进行处理,获得所述行人的口罩佩戴检测结果;
佩戴提示模块,用于在所述口罩佩戴检测结果为所述行人未佩戴口罩时,根据所述人脸图像确定所述行人的身份信息,并根据所述身份信息对所述行人进行管控。
9.一种行人口罩佩戴管控设备,其特征在于,所述行人口罩佩戴管控设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的行人口罩佩戴管控程序,所述行人口罩佩戴管控程序被所述处理器执行时实现如权利要求1至7中任一项所述的行人口罩佩戴管控方法的步骤。
10.一种计算机存储介质,其特征在于,所述可读存储介质上存储有行人口罩佩戴管控程序,所述行人口罩佩戴管控程序被处理器执行时实现如权利要求1至7中任一项所述的行人口罩佩戴管控方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010338364.6A CN111539338A (zh) | 2020-04-26 | 2020-04-26 | 行人口罩佩戴管控方法、装置、设备及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010338364.6A CN111539338A (zh) | 2020-04-26 | 2020-04-26 | 行人口罩佩戴管控方法、装置、设备及计算机存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111539338A true CN111539338A (zh) | 2020-08-14 |
Family
ID=71975298
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010338364.6A Pending CN111539338A (zh) | 2020-04-26 | 2020-04-26 | 行人口罩佩戴管控方法、装置、设备及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111539338A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112287827A (zh) * | 2020-10-29 | 2021-01-29 | 南通中铁华宇电气有限公司 | 基于智慧灯杆的复杂环境行人口罩佩戴检测方法及系统 |
CN112686214A (zh) * | 2021-01-26 | 2021-04-20 | 重庆大学 | 一种基于Retinaface算法的人脸口罩检测系统和方法 |
CN112990017A (zh) * | 2021-03-16 | 2021-06-18 | 陈永欢 | 一种智慧城市大数据分析方法及监控系统 |
CN113221703A (zh) * | 2021-04-30 | 2021-08-06 | 平安科技(深圳)有限公司 | 基于无服务边缘计算的佩戴口罩监测方法、装置及设备 |
CN113486776A (zh) * | 2021-07-02 | 2021-10-08 | 中标慧安信息技术股份有限公司 | 用于监测市场内部人员口罩佩戴情况的方法和系统 |
CN113723308A (zh) * | 2021-08-31 | 2021-11-30 | 上海西井信息科技有限公司 | 基于图像的防疫套件的检测方法、系统、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109101923A (zh) * | 2018-08-14 | 2018-12-28 | 罗普特(厦门)科技集团有限公司 | 一种人员佩戴口罩情况的检测方法以及装置 |
CN109272755A (zh) * | 2018-09-30 | 2019-01-25 | 侍雨 | 一种基于无人机的辅助交通指挥管理系统 |
CN111062429A (zh) * | 2019-12-12 | 2020-04-24 | 上海点泽智能科技有限公司 | 基于深度学习的厨师帽和口罩佩戴的检测方法 |
-
2020
- 2020-04-26 CN CN202010338364.6A patent/CN111539338A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109101923A (zh) * | 2018-08-14 | 2018-12-28 | 罗普特(厦门)科技集团有限公司 | 一种人员佩戴口罩情况的检测方法以及装置 |
CN109272755A (zh) * | 2018-09-30 | 2019-01-25 | 侍雨 | 一种基于无人机的辅助交通指挥管理系统 |
CN111062429A (zh) * | 2019-12-12 | 2020-04-24 | 上海点泽智能科技有限公司 | 基于深度学习的厨师帽和口罩佩戴的检测方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112287827A (zh) * | 2020-10-29 | 2021-01-29 | 南通中铁华宇电气有限公司 | 基于智慧灯杆的复杂环境行人口罩佩戴检测方法及系统 |
CN112686214A (zh) * | 2021-01-26 | 2021-04-20 | 重庆大学 | 一种基于Retinaface算法的人脸口罩检测系统和方法 |
CN112990017A (zh) * | 2021-03-16 | 2021-06-18 | 陈永欢 | 一种智慧城市大数据分析方法及监控系统 |
CN112990017B (zh) * | 2021-03-16 | 2022-01-28 | 刘宏伟 | 一种智慧城市大数据分析方法及监控系统 |
CN113221703A (zh) * | 2021-04-30 | 2021-08-06 | 平安科技(深圳)有限公司 | 基于无服务边缘计算的佩戴口罩监测方法、装置及设备 |
CN113221703B (zh) * | 2021-04-30 | 2024-06-11 | 平安科技(深圳)有限公司 | 基于无服务边缘计算的佩戴口罩监测方法、装置及设备 |
CN113486776A (zh) * | 2021-07-02 | 2021-10-08 | 中标慧安信息技术股份有限公司 | 用于监测市场内部人员口罩佩戴情况的方法和系统 |
CN113723308A (zh) * | 2021-08-31 | 2021-11-30 | 上海西井信息科技有限公司 | 基于图像的防疫套件的检测方法、系统、设备及存储介质 |
CN113723308B (zh) * | 2021-08-31 | 2023-08-22 | 上海西井科技股份有限公司 | 基于图像的防疫套件的检测方法、系统、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111539338A (zh) | 行人口罩佩戴管控方法、装置、设备及计算机存储介质 | |
CN110008298B (zh) | 驻车多维信息感知应用系统及方法 | |
US11587264B2 (en) | Method and device for generating an augmented image | |
US9104914B1 (en) | Object detection with false positive filtering | |
US20220092881A1 (en) | Method and apparatus for behavior analysis, electronic apparatus, storage medium, and computer program | |
JP2022082561A (ja) | 解析サーバ、監視システム、監視方法及びプログラム | |
US20210382933A1 (en) | Method and device for archive application, and storage medium | |
US20140369566A1 (en) | Perimeter Image Capture and Recognition System | |
JP5568153B1 (ja) | 乗客探知システム | |
KR102333143B1 (ko) | 무인 계수 서비스 제공 시스템 | |
CN106845368A (zh) | 基于人脸识别的机场登机安检再确认系统和方法 | |
CN114267111A (zh) | 一种多合一通行管控方法、系统及设备 | |
CN111191507A (zh) | 智慧社区的安全预警分析方法及系统 | |
CN106529500A (zh) | 一种信息处理方法和系统 | |
KR20220147566A (ko) | 교통정보 제공 방법, 장치 및 그러한 방법을 실행하기 위하여 매체에 저장된 컴퓨터 프로그램 | |
CN110443312A (zh) | 一种基于人体姿态的城管方法及系统 | |
CN110164007B (zh) | 一种基于身份证据和人脸图像关联关系的门禁系统 | |
CN115171260A (zh) | 一种基于人脸识别的智能门禁系统 | |
CN111523490A (zh) | 口罩佩戴检测方法、装置、设备和可读存储介质 | |
CN110795980A (zh) | 基于网络视频的逃犯识别方法、设备、存储介质及装置 | |
CN111126411A (zh) | 一种异常行为识别方法及装置 | |
CN113627321A (zh) | 基于人工智能的图像识别方法、装置及计算机设备 | |
CN117770774A (zh) | 一种甲襞微循环图像处理系统、方法及电子设备 | |
US20230342442A1 (en) | Gate system, gate apparatus, and image processing method therefor | |
JP5730000B2 (ja) | 顔照合システム、顔照合装置及び顔照合方法 |
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 |