CN111652058A - 一种计算机人脸识别装置 - Google Patents
一种计算机人脸识别装置 Download PDFInfo
- Publication number
- CN111652058A CN111652058A CN202010341706.XA CN202010341706A CN111652058A CN 111652058 A CN111652058 A CN 111652058A CN 202010341706 A CN202010341706 A CN 202010341706A CN 111652058 A CN111652058 A CN 111652058A
- Authority
- CN
- China
- Prior art keywords
- face
- module
- recognition
- face recognition
- geohash
- 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.)
- Granted
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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24147—Distances to closest patterns, e.g. nearest neighbour classification
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Library & Information Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明涉及人脸识别技术领域,且公开了一种计算机人脸识别装置,包括以下步骤:S1:用户通过APP或WEB向中心侧系统提交面部图像及所属单位(包含经纬度信息),中心侧经人脸特征提取模块获得用户ID、面部特征值和GeoHash值,结果集入库等待各单位端侧设备上线;S2:端侧设备完成上线和连接后,开始向中心侧请求同步人力特征样本库;S3:中心侧人脸图像采集模块通过网路采集人脸图像,并对其进行裁剪、矫正等预处理操作。本发明以较低成本使普通摄像头具备人脸识别能力,人脸识别功能不依赖中心服务器,大大节约网络传输成本,并提高响应速度,视频采集端算法和比对样本库可实时更新,以不断提高人脸识别的准确度和速度。
Description
技术领域
本发明涉及人脸识别技术领域,具体为一种计算机人脸识别装置。
背景技术
现阶段人脸识别相关产品主要为在非开放式环境中,利用本地人脸库和设备算力完成人脸识别;或者多地理区域设备将人脸图像传输到云中心,由中心人脸库和算力完成识别。
第一种方式人脸库和业务逻辑的更新需要到设备现成进行实施,多点难以做到统一管理;第二种方式中心侧随着业务的扩展,将面临巨大的带宽和计算压力,并且由于图像传输时延,端侧难以得到云中心的实时响应,中心系统发生故障时,全网业务无法正常进行。
现有的集成人脸识别功能芯片的智能摄像头售价远高于普通的网络摄像头,并且人脸库存储空间有限,人脸识别模型无法更新优化,人脸库数据格式无法更改。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种计算机人脸识别装置,主要为解决现有的集成人脸识别功能芯片的智能摄像头售价远高于普通的网络摄像头,并且人脸库存储空间有限,人脸识别模型无法更新优化,人脸库数据格式无法更改的问题。
(二)技术方案
为实现上述目的,本发明提供如下技术方案:
一种计算机人脸识别装置,包括以下步骤:
S1:用户通过APP或WEB向中心侧系统提交面部图像及所属单位(包含经纬度信息),中心侧经人脸特征提取模块获得用户ID、面部特征值和GeoHash值,结果集入库等待各单位端侧设备上线;
S2:端侧设备完成上线和连接后,开始向中心侧请求同步人力特征样本库,即获取以自身GeoHash编码区块为中心,所在九宫格区块编码对应的人脸特征值,端侧设备运行期间,监听中心侧推送的人脸特征数据以更新本地样本库,并定时进行kNN分类网络模型重构;
S3:中心侧人脸图像采集模块通过网路采集人脸图像,并对其进行裁剪、矫正等预处理操作,其结果交给人脸特征提取模块,后者利用FaceNet模型提取人脸128维特征值并入库;
S4:中心侧系统获取人脸图像后,经人脸特征提取模块,得到人脸特征值和人ID等相关信息,数据存入中心侧样本库,定时重新训练kNN分类网络模型;
S5:中心侧在获取人脸图像数据的同时,一并获取的人的注册人脸业务相关位置信息,端侧管理模块将此经纬度数据转为多层GeoHash编码,并以此编码对应矩形区域为中心,计算九宫格GeoHash编码,最终结果入库并发送数据到相同GeoHash编码的端侧设备;
S6:运算处理:所述射频识别阅读器的虚拟串口代理模块读取串口获取到外部设备返回的响应信息,并对其进行封装,将封装后的响应信息通过网络通信的形式发送到射频识别应用系统服务器的虚拟串口模块,更加安全稳定;
S7:端侧设备上线后,与中心侧服务建立通信,中心侧端侧管理模块记录该设备唯一标识及地理经纬度坐标的GeoHash编码,此编码根据需要可记录多层GeoHash值,该模块维护端侧状态信息等。
S8:端侧单板机视频采集模块对摄像头视频进行实时处理,将解码后的帧图像交给人脸检测识别模块,在得到人脸特征值后,通过kNN算法与本地样本库进行匹配识别,若匹配成功则将该特征值对于人的ID传回中心侧,完成识别,若未找到则流程结束。
S9:中心侧运维人员可手动将中心样本库中指定数据发送到指定端侧设备上,并执行端侧模型重构、重启等操作。
进一步的,所述S2中端侧单板机运行ARM架构的Linux系统,其中运行的软件包括:视频采集模块,人脸检测识别模块,通信模块,样本库管理模块和数据库。
在前述方案的基础上,所述S1中端侧人脸识别设备主要包括:一台普通网络摄像头,一台基于ARM架构并具备一定算力的小型单板机,一个4G模块。
作为本发明再进一步的方案,所述S2中心侧软件包括人脸图像采集模块,人脸特征提取模块,人脸特征分配传输模块,端侧管理模块及数据库,单板机集成CPU、内存、磁盘控制器、GPIO接口、以太网RJ45接口和4G模块,该设备通过网线连接摄像头或摄像头所连路由器,获取视频流数据;人脸识别处理结果通过4G模块传输回中心。
进一步的,所述S9中包括LED显示模块,在运算后LED显示模块在微控制器的控制下显示识别状态。
在前述方案的基础上,所述S1中包括更新模块,当有新的人员加入或者5-10年后,就需要及时的更新GeoHash信息,通过人脸特征分配传输模块将数据发送到符合GeoHash的端侧设备,完成端侧样本库更新操作。
本发明再进一步的方案,所述S3中人脸采集模块在采集人脸特征时,首先通过视频流的视频采集模块进行采集,然后通过帧图像上传,通过人脸检测识别模块进行识别是否有人脸,没有的话直接结束,有的话继续检测,把人脸特征值传递给样本库管理模块进行管理,然后通过KNN目标匹配,匹配不成功直接结束,匹配成功后的人脸识别结果传递给通信模块进行上报。
(三)有益效果
与现有技术相比,本发明提供了一种计算机人脸识别装置,具备以下有益效果:
1、通过端侧人脸识别设备中的一台普通网络摄像头,就可以完成人脸采集工作,以较低成本使普通摄像头具备人脸识别能力。
2、通过对端侧单板机视频采集模块对摄像头视频进行实时处理,将解码后的帧图像交给人脸检测识别模块,在得到人脸特征值后,通过kNN算法与本地样本库进行匹配识别,若匹配成功则将改特征值对于人的ID传回中心侧,完成识别,若未找到则流程结束,人脸识别功能不依赖中心服务器,大大节约网络传输成本,并提高响应速度。
3、当有新的人员加入或者5-10年后,就需要及时的更新GeoHash信息,通过人脸特征分配传输模块将数据发送到符合GeoHash的端侧设备,完成端侧样本库更新操作,视频采集端算法和比对样本库可实时更新,以不断提高人脸识别的准确度和速度。
4、可添加人脸属性识别等多种算法丰富摄像头机器视觉能力。
附图说明
图1为本发明提出的一种计算机人脸识别装置的前端流程示意图;
图2为本发明提出的一种计算机人脸识别装置的提取传输流程示意图;
图3为本发明提出的一种计算机人脸识别装置的中心测传输流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
实施例1
参照图1-3,一种计算机人脸识别装置,包括以下步骤:
S1:用户通过APP或WEB向中心侧系统提交面部图像及所属单位(包含经纬度信息),中心侧经人脸特征提取模块获得用户ID、面部特征值和GeoHash值,结果集入库等待各单位端侧设备上线;
S2:端侧设备完成上线和连接后,开始向中心侧请求同步人力特征样本库,即获取以自身GeoHash编码区块为中心,所在九宫格区块编码对应的人脸特征值,端侧设备运行期间,监听中心侧推送的人脸特征数据以更新本地样本库,并定时进行kNN分类网络模型重构;
S3:中心侧人脸图像采集模块通过网路采集人脸图像,并对其进行裁剪、矫正等预处理操作,其结果交给人脸特征提取模块,后者利用FaceNet模型提取人脸128维特征值并入库;
S4:中心侧系统获取人脸图像后,经人脸特征提取模块,得到人脸特征值和人ID等相关信息,数据存入中心侧样本库,定时重新训练kNN分类网络模型;
S5:中心侧在获取人脸图像数据的同时,一并获取的人的注册人脸业务相关位置信息,端侧管理模块将此经纬度数据转为多层GeoHash编码,并以此编码对应矩形区域为中心,计算九宫格GeoHash编码,最终结果入库并发送数据到相同GeoHash编码的端侧设备,人脸识别功能不依赖中心服务器,大大节约网络传输成本,并提高响应速度;
S6:运算处理;所述射频识别阅读器的虚拟串口代理模块读取串口获取到外部设备返回的响应信息,并对其进行封装,将封装后的响应信息通过网络通信的形式发送到射频识别应用系统服务器的虚拟串口模块,更加安全稳定;
S7:端侧设备上线后,与中心侧服务建立通信,中心侧端侧管理模块记录该设备唯一标识及地理经纬度坐标的GeoHash编码,此编码根据需要可记录多层GeoHash值,该模块维护端侧状态信息等。
S8:端侧单板机视频采集模块对摄像头视频进行实时处理,将解码后的帧图像交给人脸检测识别模块,在得到人脸特征值后,通过kNN算法与本地样本库进行匹配识别,若匹配成功则将该特征值对于人的ID传回中心侧,完成识别,若未找到则流程结束。
S9:中心侧运维人员可手动将中心样本库中指定数据发送到指定端侧设备上,并执行端侧模型重构、重启等操作。
本发明中,所述S2中端侧单板机运行ARM架构的Linux系统,其中运行的软件包括:视频采集模块,人脸检测识别模块,通信模块,样本库管理模块和数据库,所述S1中端侧人脸识别设备主要包括:一台普通网络摄像头,一台基于ARM架构并具备一定算力的小型单板机,一个4G模块,通过端侧人脸识别设备中的一台普通网络摄像头,就可以完成人脸采集工作,以较低成本使普通摄像头具备人脸识别能力。
尤其的,所述S2中心侧软件包括人脸图像采集模块,人脸特征提取模块,人脸特征分配传输模块,端侧管理模块及数据库,单板机集成CPU、内存、磁盘控制器、GPIO接口、以太网RJ45接口和4G模块,该设备通过网线连接摄像头或摄像头所连路由器,获取视频流数据;人脸识别处理结果通过4G模块传输回中心,S9中包括LED显示模块,在运算后LED显示模块在微控制器的控制下显示识别状态,所述S1中包括更新模块,当有新的人员加入或者5-10年后,就需要及时的更新GeoHash信息,视频采集端算法和比对样本库可实时更新,以不断提高人脸识别的准确度和速度,通过人脸特征分配传输模块将数据发送到符合GeoHash的端侧设备,完成端侧样本库更新操作,所述S3中人脸采集模块在采集人脸特征时,首先通过视频流的视频采集模块进行采集,然后通过帧图像上传,通过人脸检测识别模块进行识别是否有人脸,没有的话直接结束,有的话继续检测,把人脸特征值传递给样本库管理模块进行管理,然后通过KNN目标匹配,匹配不成功直接结束,匹配成功后的人脸识别结果传递给通信模块进行上报。
实施例2
参照图1-3,一种计算机人脸识别装置,包括以下步骤:
S1:用户通过APP或WEB向中心侧系统提交面部图像及所属单位(包含经纬度信息),中心侧经人脸特征提取模块获得用户ID、面部特征值和GeoHash值,结果集入库等待各单位端侧设备上线;
S2:端侧设备完成上线和连接后,开始向中心侧请求同步人力特征样本库,即获取以自身GeoHash编码区块为中心,所在九宫格区块编码对应的人脸特征值,端侧设备运行期间,监听中心侧推送的人脸特征数据以更新本地样本库,并定时进行kNN分类网络模型重构;
S3:中心侧人脸图像采集模块通过网路采集人脸图像,并对其进行裁剪、矫正等预处理操作,其结果交给人脸特征提取模块,后者利用FaceNet模型提取人脸128维特征值并入库;
S4:中心侧系统获取人脸图像后,经人脸特征提取模块,得到人脸特征值和人ID等相关信息,数据存入中心侧样本库,定时重新训练kNN分类网络模型;
S5:中心侧在获取人脸图像数据的同时,一并获取的人的注册人脸业务相关位置信息,端侧管理模块将此经纬度数据转为多层GeoHash编码,并以此编码对应矩形区域为中心,计算九宫格GeoHash编码,最终结果入库并发送数据到相同GeoHash编码的端侧设备,人脸识别功能不依赖中心服务器,大大节约网络传输成本,并提高响应速度;
S6:运算处理;所述射频识别阅读器的虚拟串口代理模块读取串口获取到外部设备返回的响应信息,并对其进行封装,将封装后的响应信息通过网络通信的形式发送到射频识别应用系统服务器的虚拟串口模块,更加安全稳定;
S7:端侧设备上线后,与中心侧服务建立通信,中心侧端侧管理模块记录该设备唯一标识及地理经纬度坐标的GeoHash编码,此编码根据需要可记录多层GeoHash值,该模块维护端侧状态信息等。
S8:端侧单板机视频采集模块对摄像头视频进行实时处理,将解码后的帧图像交给人脸检测识别模块,在得到人脸特征值后,通过kNN算法与本地样本库进行匹配识别,若匹配成功则将该特征值对于人的ID传回中心侧,完成识别,若未找到则流程结束。
S9:中心侧运维人员可手动将中心样本库中指定数据发送到指定端侧设备上,并执行端侧模型重构、重启等操作。
本发明中,所述S2中端侧单板机运行ARM架构的Linux系统,其中运行的软件包括:视频采集模块,人脸检测识别模块,通信模块,样本库管理模块和数据库,所述S1中端侧人脸识别设备主要包括:一台普通网络摄像头,一台基于ARM架构并具备一定算力的小型单板机,一个4G模块,通过端侧人脸识别设备中的一台普通网络摄像头,就可以完成人脸采集工作,以较低成本使普通摄像头具备人脸识别能力。
尤其的,所述S2中心侧软件包括人脸图像采集模块,人脸特征提取模块,人脸特征分配传输模块,端侧管理模块及数据库,单板机集成CPU、内存、磁盘控制器、GPIO接口、以太网RJ45接口和4G模块,该设备通过网线连接摄像头或摄像头所连路由器,获取视频流数据;人脸识别处理结果通过4G模块传输回中心,S9中包括LED显示模块,在运算后LED显示模块在微控制器的控制下显示识别状态,所述S1中包括更新模块,当有新的人员加入或者3年后,就需要及时的更新GeoHash信息,视频采集端算法和比对样本库可实时更新,以不断提高人脸识别的准确度和速度,通过人脸特征分配传输模块将数据发送到符合GeoHash的端侧设备,完成端侧样本库更新操作,所述S3中人脸采集模块在采集人脸特征时,首先通过视频流的视频采集模块进行采集,然后通过帧图像上传,通过人脸检测识别模块进行识别是否有人脸,没有的话直接结束,有的话继续检测,把人脸特征值传递给样本库管理模块进行管理,然后通过KNN目标匹配,匹配不成功直接结束,匹配成功后的人脸识别结果传递给通信模块进行上报。
该文中出现的电器元件均与外界的主控器及220V市电电连接,并且主控器可为计算机等起到控制的常规已知设备。
在该文中的描述中,需要说明的是,除非另有明确的规定和限定,术语“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接,可以是直接相连,也可以通过中间媒介间接相连。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
在该文中的描述中,需要说明的是,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。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (7)
1.一种计算机人脸识别装置,其特征在于,包括以下步骤:
S1:用户通过APP或WEB向中心侧系统提交面部图像及所属单位(包含经纬度信息),中心侧经人脸特征提取模块获得用户ID、面部特征值和GeoHash值,结果集入库等待各单位端侧设备上线;
S2:端侧设备完成上线和连接后,开始向中心侧请求同步人力特征样本库,即获取以自身GeoHash编码区块为中心,所在九宫格区块编码对应的人脸特征值,端侧设备运行期间,监听中心侧推送的人脸特征数据以更新本地样本库,并定时进行kNN分类网络模型重构;
S3:中心侧人脸图像采集模块通过网路采集人脸图像,并对其进行裁剪、矫正等预处理操作,其结果交给人脸特征提取模块,后者利用FaceNet模型提取人脸128维特征值并入库;
S4:中心侧系统获取人脸图像后,经人脸特征提取模块,得到人脸特征值和人ID等相关信息,数据存入中心侧样本库,定时重新训练kNN分类网络模型;
S5:中心侧在获取人脸图像数据的同时,一并获取的人的注册人脸业务相关位置信息,端侧管理模块将此经纬度数据转为多层GeoHash编码,并以此编码对应矩形区域为中心,计算九宫格GeoHash编码,最终结果入库并发送数据到相同GeoHash编码的端侧设备;
S6:运算处理:所述射频识别阅读器的虚拟串口代理模块读取串口获取到外部设备返回的响应信息,并对其进行封装,将封装后的响应信息通过网络通信的形式发送到射频识别应用系统服务器的虚拟串口模块,更加安全稳定;
S7:端侧设备上线后,与中心侧服务建立通信,中心侧端侧管理模块记录该设备唯一标识及地理经纬度坐标的GeoHash编码,此编码根据需要可记录多层GeoHash值,该模块维护端侧状态信息等;
S8:端侧单板机视频采集模块对摄像头视频进行实时处理,将解码后的帧图像交给人脸检测识别模块,在得到人脸特征值后,通过kNN算法与本地样本库进行匹配识别,若匹配成功则将该特征值对于人的ID传回中心侧,完成识别,若未找到则流程结束;
S9:中心侧运维人员可手动将中心样本库中指定数据发送到指定端侧设备上,并执行端侧模型重构、重启等操作。
2.根据权利要求1所述的一种计算机人脸识别装置,其特征在于,所述S2中端侧单板机运行ARM架构的Linux系统,其中运行的软件包括:视频采集模块,人脸检测识别模块,通信模块,样本库管理模块和数据库。
3.根据权利要求1所述的一种计算机人脸识别装置,其特征在于,所述S1中端侧人脸识别设备主要包括:一台普通网络摄像头,一台基于ARM架构并具备一定算力的小型单板机,一个4G模块。
4.根据权利要求1所述的一种计算机人脸识别装置,其特征在于,所述S2中心侧软件包括人脸图像采集模块,人脸特征提取模块,人脸特征分配传输模块,端侧管理模块及数据库,单板机集成CPU、内存、磁盘控制器、GPIO接口、以太网RJ45接口和4G模块,该设备通过网线连接摄像头或摄像头所连路由器,获取视频流数据;人脸识别处理结果通过4G模块传输回中心。
5.根据权利要求4所述的一种计算机人脸识别装置,其特征在于,所述S9中包括LED显示模块,在运算后LED显示模块在微控制器的控制下显示识别状态。
6.根据权利要求5所述的一种计算机人脸识别装置,其特征在于,所述S1中包括更新模块,当有新的人员加入或者5-10年后,就需要及时的更新GeoHash信息,通过人脸特征分配传输模块将数据发送到符合GeoHash的端侧设备,完成端侧样本库更新操作。
7.根据权利要求5所述的一种计算机人脸识别装置,其特征在于,所述S3中人脸采集模块在采集人脸特征时,首先通过视频流的视频采集模块进行采集,然后通过帧图像上传,通过人脸检测识别模块进行识别是否有人脸,没有的话直接结束,有的话继续检测,把人脸特征值传递给样本库管理模块进行管理,然后通过KNN目标匹配,匹配不成功直接结束,匹配成功后的人脸识别结果传递给通信模块进行上报。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010341706.XA CN111652058B (zh) | 2020-04-27 | 2020-04-27 | 一种计算机人脸识别装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010341706.XA CN111652058B (zh) | 2020-04-27 | 2020-04-27 | 一种计算机人脸识别装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111652058A true CN111652058A (zh) | 2020-09-11 |
CN111652058B CN111652058B (zh) | 2023-03-28 |
Family
ID=72352213
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010341706.XA Active CN111652058B (zh) | 2020-04-27 | 2020-04-27 | 一种计算机人脸识别装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111652058B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112164169A (zh) * | 2020-09-21 | 2021-01-01 | 深圳前海微众银行股份有限公司 | 门禁管理方法、装置、门禁设备及计算机可读存储介质 |
CN112489366A (zh) * | 2020-12-23 | 2021-03-12 | 中哲国际工程设计有限公司 | 一种基于建筑业的安全警报系统 |
CN113239858A (zh) * | 2021-05-28 | 2021-08-10 | 西安建筑科技大学 | 一种人脸检测模型训练方法及人脸识别方法、终端及存储介质 |
CN116476848A (zh) * | 2023-06-15 | 2023-07-25 | 深圳市知酷信息技术有限公司 | 基于大数据的汽车规范操作诊断系统及方法 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102647661A (zh) * | 2011-02-22 | 2012-08-22 | 三星电子(中国)研发中心 | 发送终端实时状态的方法和基于实时状态进行互动的方法 |
CN104348866A (zh) * | 2013-07-31 | 2015-02-11 | 株式会社理光 | 云端服务器以及图像存储系统 |
US20160007184A1 (en) * | 2013-02-25 | 2016-01-07 | Radius Mobile, Inc. | Identifying computer devices in proximity to a given origin |
US20170195386A1 (en) * | 2014-07-22 | 2017-07-06 | Intellivision Technologies Corp. | System and Method for Scalable Cloud Services |
WO2017118320A1 (zh) * | 2016-01-04 | 2017-07-13 | 努比亚技术有限公司 | 移动终端及其视频处理装置、方法 |
CN107403488A (zh) * | 2017-06-29 | 2017-11-28 | 苏州大学 | 一种虹膜识别系统及其应用方法以及虹膜识别过程中针对不完整图像的特征值提取方法 |
CN108320752A (zh) * | 2018-01-26 | 2018-07-24 | 青岛易方德物联科技有限公司 | 应用于社区门禁的云声纹识别系统及其方法 |
CN108804486A (zh) * | 2017-09-01 | 2018-11-13 | 北京视联动力国际信息技术有限公司 | 一种图像识别方法和装置 |
CN108876975A (zh) * | 2017-07-06 | 2018-11-23 | 北京旷视科技有限公司 | 基于人脸识别的人员管理系统和方法 |
CN109033128A (zh) * | 2018-06-01 | 2018-12-18 | 口口相传(北京)网络技术有限公司 | 一种地理位置识别方法及装置 |
CN109451040A (zh) * | 2018-12-10 | 2019-03-08 | 王顺志 | 基于边缘计算的物联网组网系统及组网方法 |
CN109460906A (zh) * | 2018-10-26 | 2019-03-12 | 赵先 | 一种新能源汽车充换电管理平台的设计方法 |
CN109547476A (zh) * | 2018-12-26 | 2019-03-29 | 浙江大学常州工业技术研究院 | 一种自发电户外移动身份识别系统 |
CN109690607A (zh) * | 2016-10-25 | 2019-04-26 | 猫头鹰照相机股份有限公司 | 基于视频的数据收集、图像捕获以及分析配置 |
CN110555931A (zh) * | 2019-08-31 | 2019-12-10 | 华南理工大学 | 一种基于深度学习识别的人脸检测与门禁系统装置 |
CN110910549A (zh) * | 2019-11-15 | 2020-03-24 | 江苏高泰软件技术有限公司 | 基于深度学习和人脸识别特征的校园人员安全管理系统 |
-
2020
- 2020-04-27 CN CN202010341706.XA patent/CN111652058B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102647661A (zh) * | 2011-02-22 | 2012-08-22 | 三星电子(中国)研发中心 | 发送终端实时状态的方法和基于实时状态进行互动的方法 |
US20160007184A1 (en) * | 2013-02-25 | 2016-01-07 | Radius Mobile, Inc. | Identifying computer devices in proximity to a given origin |
CN104348866A (zh) * | 2013-07-31 | 2015-02-11 | 株式会社理光 | 云端服务器以及图像存储系统 |
US20170195386A1 (en) * | 2014-07-22 | 2017-07-06 | Intellivision Technologies Corp. | System and Method for Scalable Cloud Services |
WO2017118320A1 (zh) * | 2016-01-04 | 2017-07-13 | 努比亚技术有限公司 | 移动终端及其视频处理装置、方法 |
CN109690607A (zh) * | 2016-10-25 | 2019-04-26 | 猫头鹰照相机股份有限公司 | 基于视频的数据收集、图像捕获以及分析配置 |
CN107403488A (zh) * | 2017-06-29 | 2017-11-28 | 苏州大学 | 一种虹膜识别系统及其应用方法以及虹膜识别过程中针对不完整图像的特征值提取方法 |
CN108876975A (zh) * | 2017-07-06 | 2018-11-23 | 北京旷视科技有限公司 | 基于人脸识别的人员管理系统和方法 |
CN108804486A (zh) * | 2017-09-01 | 2018-11-13 | 北京视联动力国际信息技术有限公司 | 一种图像识别方法和装置 |
CN108320752A (zh) * | 2018-01-26 | 2018-07-24 | 青岛易方德物联科技有限公司 | 应用于社区门禁的云声纹识别系统及其方法 |
CN109033128A (zh) * | 2018-06-01 | 2018-12-18 | 口口相传(北京)网络技术有限公司 | 一种地理位置识别方法及装置 |
CN109460906A (zh) * | 2018-10-26 | 2019-03-12 | 赵先 | 一种新能源汽车充换电管理平台的设计方法 |
CN109451040A (zh) * | 2018-12-10 | 2019-03-08 | 王顺志 | 基于边缘计算的物联网组网系统及组网方法 |
CN109547476A (zh) * | 2018-12-26 | 2019-03-29 | 浙江大学常州工业技术研究院 | 一种自发电户外移动身份识别系统 |
CN110555931A (zh) * | 2019-08-31 | 2019-12-10 | 华南理工大学 | 一种基于深度学习识别的人脸检测与门禁系统装置 |
CN110910549A (zh) * | 2019-11-15 | 2020-03-24 | 江苏高泰软件技术有限公司 | 基于深度学习和人脸识别特征的校园人员安全管理系统 |
Non-Patent Citations (4)
Title |
---|
DAVID KE HONG,ASHKAN NIKRAVESH,Z. MORLEY MAO,ET AL: "《PerfProbe: A Systematic, Cross-Layer Performance Diagnosis Framework for Mobile Platforms》", 《2019 IEEE/ACM 6TH INTERNATIONAL CONFERENCE ON MOBILE SOFTWARE ENGINEERING AND SYSTEMS (MOBILESOFT)》 * |
NUR FADZILAH MOHAMAD RADZI,POO KUAN HOONG,HIANG-KWANG CHUA: "《Determining Spatial Co-Location Graph Influencing Factors using Mobile Applications Data》", 《2019 THIRD INTERNATIONAL CONFERENCE ON INTELLIGENT COMPUTING IN DATA SCIENCES (ICDS)》 * |
乔冠华: "《基于移动边缘计算的物联网资源管理策略研究》", 《中国博士学位论文全文数据库 (信息科技辑)》 * |
梁超: "《基于LTE的智能车载终端软件系统研究与实现》", 《中国硕士学位论文全文数据库 信息科技辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112164169A (zh) * | 2020-09-21 | 2021-01-01 | 深圳前海微众银行股份有限公司 | 门禁管理方法、装置、门禁设备及计算机可读存储介质 |
CN112489366A (zh) * | 2020-12-23 | 2021-03-12 | 中哲国际工程设计有限公司 | 一种基于建筑业的安全警报系统 |
CN113239858A (zh) * | 2021-05-28 | 2021-08-10 | 西安建筑科技大学 | 一种人脸检测模型训练方法及人脸识别方法、终端及存储介质 |
CN116476848A (zh) * | 2023-06-15 | 2023-07-25 | 深圳市知酷信息技术有限公司 | 基于大数据的汽车规范操作诊断系统及方法 |
CN116476848B (zh) * | 2023-06-15 | 2023-08-22 | 深圳市知酷信息技术有限公司 | 基于大数据的汽车规范操作诊断系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111652058B (zh) | 2023-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111652058B (zh) | 一种计算机人脸识别装置 | |
CN112446395B (zh) | 网络摄像机、视频监控系统及方法 | |
CN111047824B (zh) | 一种室内儿童看护联动控制预警方法及系统 | |
CN113205037A (zh) | 事件检测的方法、装置、电子设备以及可读存储介质 | |
CN115103157A (zh) | 基于边云协同的视频分析方法、装置、电子设备及介质 | |
CN115457446A (zh) | 一种基于视频分析的异常行为监管系统 | |
CN111091106A (zh) | 图像聚类方法及装置、存储介质、电子装置 | |
CN111652659B (zh) | 基于大数据的vr产品评价系统 | |
CN115346171A (zh) | 一种输电线路监控方法、装置、设备及存储介质 | |
CN111487912B (zh) | 场馆内中央智能控制系统 | |
CN115864199A (zh) | 一种基于增强现实型ar眼镜的电力巡检系统 | |
CN115022722A (zh) | 视频监控方法、装置、电子设备及存储介质 | |
CN114445411A (zh) | 一种无人机巡线缺陷识别系统及控制方法 | |
CN110300371B (zh) | 一种基于物联网设备行为的计算机设备管理方法 | |
CN113810665A (zh) | 视频处理方法、装置、设备、存储介质及产品 | |
CN113469138A (zh) | 对象检测方法和装置、存储介质及电子设备 | |
CN112115792A (zh) | 一种出入口信息统计系统、方法及计算机设备 | |
CN110766322A (zh) | 一种基于大数据的vr旅游产品评价方法 | |
CN113963568B (zh) | 停车信息的处理方法、前端设备、电子设备及存储介质 | |
CN114898516B (zh) | 基于物联网的运维监控服务管理系统 | |
CN114880731B (zh) | 适用于pvc智能生产线的数据处理方法及装置 | |
CN111026495B (zh) | 设备控制界面的自动生成方法、装置及系统 | |
CN113360688B (zh) | 信息库的构建方法、装置及系统 | |
CN114897803A (zh) | 基于无人机和边缘计算的外墙裂缝检测方法和系统 | |
CN112580419A (zh) | 一种基于视频流数据的人体骨骼化打架识别方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |