CN111709369A - 人员识别方法、装置、设备及存储介质 - Google Patents
人员识别方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111709369A CN111709369A CN202010556925.XA CN202010556925A CN111709369A CN 111709369 A CN111709369 A CN 111709369A CN 202010556925 A CN202010556925 A CN 202010556925A CN 111709369 A CN111709369 A CN 111709369A
- Authority
- CN
- China
- Prior art keywords
- snapshot
- time
- record data
- snapshot record
- time period
- 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
Images
Classifications
-
- 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
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Library & Information Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Time Recorders, Dirve Recorders, Access Control (AREA)
Abstract
本申请提供一种人员识别方法、装置、设备及存储介质。该方法包括:确定在第一时段内和监控区域内抓拍的、表征同一待识别人员的待识别抓拍记录组,所述待识别抓拍记录组包括至少一条抓拍记录数据,且每条所述抓拍记录数据包括抓拍时间;根据所述待识别抓拍记录组中每条抓拍记录数据中的抓拍时间,确定每条所述抓拍记录数据的第一识别结果,所述第一识别结果表征该条所述抓拍记录数据是否为第二时段内抓拍产生;所述第二时段包含于所述第一时段,且所述第二时段的起始时间晚于所述第一时段的起始时间;根据每条抓拍记录数据的第一识别结果,确定所述待识别人员在所述第二时段内是否首次出现。本申请能够提高首次出现人员的识别效率。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种人员识别方法、装置、设备及存储介质。
背景技术
在安防场景中,识别监控区域内的首次出现人员可以提升安防效果,例如,可以对首次出现人员进行重点监控、预警等。监控区域可以为居民小区、学校、重要赛事场地等。首次出现人员为监控区域内在指定时段之前的一段历史时段内未出现,而在指定时段内出现的人员。例如,指定时段为当天的0点至24点,历史时段为当天之前的历史一个月,则在历史一个月内未出现在监控区域,而在当天的0点至24点出现在监控区域的人员为首次出现人员。
一般地,以人员A为例,在需要确定人员A是否为指定时段内的首次出现人员时,由具备权限的工作人员调取并查看监控区域内指定时段以及指定时段之前的一段历史时段内包含人员A的抓拍记录。若人员A在指定时段之前的一段历史时间内未出现,仅在指定时段出现,则确定人员A为指定时段内的首次出现人员。
然而,上述识别方式需要由工作人员查看抓拍记录,根据人员的出现情况进行判断,识别效率低。
发明内容
本申请实施例提供一种人员识别方法、装置、设备及存储介质,以解决监控区域内首次出现人员识别效率低的问题。
第一方面,本申请实施例提供一种人员识别方法,包括:
确定在第一时段内和监控区域内抓拍的、表征同一待识别人员的待识别抓拍记录组,所述待识别抓拍记录组包括至少一条抓拍记录数据,且每条所述抓拍记录数据包括抓拍时间;
根据所述待识别抓拍记录组中每条所述抓拍记录数据中的抓拍时间,确定每条所述抓拍记录数据的第一识别结果,所述第一识别结果表征该条所述抓拍记录数据是否为第二时段内抓拍产生;所述第二时段包含于所述第一时段,且所述第二时段的起始时间晚于所述第一时段的起始时间;
根据每条所述抓拍记录数据的第一识别结果,确定所述待识别人员在所述第二时段内是否首次出现。
在一种可能的实施方式中,根据所述待识别抓拍记录组中每条所述抓拍记录数据中的抓拍时间,确定每条所述抓拍记录数据的第一识别结果,包括:根据所述待识别抓拍记录组中每条所述抓拍记录数据中的抓拍时间,对每条所述抓拍记录数据的时间标签进行赋值;其中,所述时间标签用于表征所述抓拍记录数据是否为第二时段内抓拍产生;
根据每条所述抓拍记录数据的第一识别结果,确定所述待识别人员在所述第二时段内是否首次出现,包括:通过所有所述抓拍记录数据的时间标签赋值结果之间的逻辑运算,确定所述待识别人员在所述第二时段内是否首次出现。
在一种可能的实施方式中,根据所述待识别抓拍记录组中每条所述抓拍记录数据中的抓拍时间,对每条所述抓拍记录数据的时间标签进行赋值,包括:
对于每条所述抓拍记录数据,根据所述第二时段的起始时间和所述抓拍记录数据中的抓拍时间,确定所述抓拍记录数据是否为所述第二时段内抓拍产生;
在确定所述抓拍记录数据为所述第二时段内抓拍产生时,将所述抓拍记录数据的时间标签赋值为第一状态值;
在确定所述抓拍记录数据不是所述第二时段内抓拍产生时,将所述抓拍记录数据的时间标签赋值为第二状态值;
在所述第一状态值为0,且所述第二状态值为1时,所述通过所有所述抓拍记录数据的时间标签赋值结果之间的逻辑运算,确定所述待识别人员在所述第二时段内是否首次出现,包括:
对每条所述抓拍记录数据的时间标签赋值结果进行或运算,在确定运算结果为0时,确定所述待识别人员在所述第二时段内首次出现;在确定所述运算结果为1时,确定所述待识别人员在所述第二时段内不是首次出现;
在所述第一状态值为1,且所述第二状态值为0时,通过所有所述抓拍记录数据的时间标签赋值结果之间的逻辑运算,确定所述待识别人员在所述第二时段内是否首次出现,包括:
对每条所述抓拍记录数据的时间标签赋值结果进行与运算,在确定运算结果为1时,确定所述待识别人员在所述第二时段内首次出现;在确定所述运算结果为0时,确定所述待识别人员在所述第二时段内不是首次出现。
在一种可能的实施方式中,所述方法还包括:
对于每条所述抓拍记录数据,在确定所述抓拍记录数据为所述第二时段内抓拍产生时,对所述抓拍记录数据的次数标签赋值为1;在确定所述抓拍记录数据不是所述第二时段内抓拍产生时,对所述抓拍记录数据的次数标签赋值为0;
则所述方法还包括:
对所有所述抓拍记录数据的次数标签赋值结果进行求和运算,将所述求和运算的结果确定为所述待识别人员在所述第二时段内的抓拍次数。
第二方面,本申请实施例提供一种人员识别装置,包括:
获取模块,用于确定在第一时段内和监控区域内抓拍的、表征同一待识别人员的待识别抓拍记录组,所述待识别抓拍记录组包括至少一条抓拍记录数据,且每条所述抓拍记录数据包括抓拍时间;
处理模块,用于根据所述待识别抓拍记录组中每条所述抓拍记录数据中的抓拍时间,确定每条所述抓拍记录数据的第一识别结果,所述第一识别结果表征该条所述抓拍记录数据是否为第二时段内抓拍产生;所述第二时段包含于所述第一时段,且所述第二时段的起始时间晚于所述第一时段的起始时间;
所述处理模块,还用于根据每条所述抓拍记录数据的第一识别结果,确定所述待识别人员在所述第二时段内是否首次出现。
在一种可能的实施方式中,所述处理模块,具体用于:
根据所述待识别抓拍记录组中每条所述抓拍记录数据中的抓拍时间,对每条所述抓拍记录数据的时间标签进行赋值;其中,所述时间标签用于表征所述抓拍记录数据是否为第二时段内抓拍产生;
通过所有所述抓拍记录数据的时间标签赋值结果之间的逻辑运算,确定所述待识别人员在所述第二时段内是否首次出现。
在一种可能的实施方式中,所述处理模块,具体用于:
对于每条所述抓拍记录数据,根据所述第二时段的起始时间和所述抓拍记录数据中的抓拍时间,确定所述抓拍记录数据是否为所述第二时段内抓拍产生;
在确定所述抓拍记录数据为所述第二时段内抓拍产生时,将所述抓拍记录数据的时间标签赋值为第一状态值;
在确定所述抓拍记录数据不是所述第二时段内抓拍产生时,将所述抓拍记录数据的时间标签赋值为第二状态值;
在所述第一状态值为0,且所述第二状态值为1时,所述处理模块,具体用于:对每条所述抓拍记录数据的时间标签赋值结果进行或运算,在确定运算结果为0时,确定所述待识别人员在所述第二时段内首次出现;在确定所述运算结果为1时,确定所述待识别人员在所述第二时段内不是首次出现;
在所述第一状态值为1,且所述第二状态值为0时,所述处理模块,具体用于:对每条所述抓拍记录数据的时间标签赋值结果进行与运算,在确定运算结果为1时,确定所述待识别人员在所述第二时段内首次出现;在确定所述运算结果为0时,确定所述待识别人员在所述第二时段内不是首次出现。
在一种可能的实施方式中,所述处理模块,还用于:
对于每条所述抓拍记录数据,在确定所述抓拍记录数据为所述第二时段内抓拍产生时,对所述抓拍记录数据的次数标签赋值为1;在确定所述抓拍记录数据不是所述第二时段内抓拍产生时,对所述抓拍记录数据的次数标签赋值为0;
对所有所述抓拍记录数据的次数标签赋值结果进行求和运算,将所述求和运算的结果确定为所述待识别人员在所述第二时段内的抓拍次数。
第三方面,本申请实施例提供一种电子设备,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如上第一方面以及第一方面各种可能的实施方式所述的人员识别方法。
第四方面,本申请实施例提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如上第一方面以及第一方面各种可能的实施方式所述的人员识别方法。
本申请实施例提供的人员识别方法、装置、设备及存储介质,通过确定在第一时段内和监控区域内抓拍的、表征同一待识别人员的待识别抓拍记录组,待识别抓拍记录组包括至少一条抓拍记录数据,且每条抓拍记录数据包括抓拍时间;根据待识别抓拍记录组中每条抓拍记录数据中的抓拍时间,确定每条抓拍记录数据的第一识别结果,第一识别结果表征该条抓拍记录数据是否为第二时段内抓拍产生;第二时段包含于第一时段,且第二时段的起始时间晚于第一时段的起始时间;根据每条抓拍记录数据的第一识别结果,确定待识别人员在所述第二时段内是否首次出现,能够根据由抓拍时间确定出的每条抓拍记录数据的第一识别结果,确定待识别抓拍记录组所对应的待识别人员在第二时段内是否首次出现,自动识别首次出现人员,提高首次出现人员的识别效率。
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一简单地介绍,显而易见地,下面描述中的附图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性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请一实施例提供的人员识别系统的架构示意图;
图2为本申请一实施例提供的人员识别方法的流程示意图;
图3为本申请又一实施例提供的人员识别方法的流程示意图;
图4为本申请另一实施例提供的人员识别方法的流程示意图;
图5为本申请一实施例提供的人员识别装置的结构示意图;
图6为本申请一实施例提供的电子设备的硬件结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,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作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。
图1为本申请一实施例提供的人员识别系统的架构示意图。如图1所示,本实施例提供的人员识别系统包括抓拍摄像机11、比对服务器12、电子设备13和终端设备14。其中,电子设备13可以为服务器、台式计算机等设备,在此不作限定。终端设备14可以为手机、平板、台式计算机、笔记本电脑、车载终端等设备,在此不作限定。
抓拍摄像机11用于对监控区域内进行抓拍,得到抓拍图像并记录抓拍时间,将抓拍图像和抓拍时间上传到比对服务器12。其中,抓拍图像可以为人员的人脸图像、身体图像等。比对服务器12用于识别抓拍图像的身份标识,生成一条相应的抓拍记录并存储,其中,抓拍记录中可以包括抓拍时间、抓拍位置标识、抓拍图像、身份标识、抓拍记录标识等,在此不作限定。电子设备13用于从比对服务器12获取抓拍记录,执行本申请实施例提供的人员识别方法对抓拍记录进行处理,确定监控区域的首次出现人员。电子设备13可以实时获取抓拍记录,在识别出存在首次出现人员时自动触发预警,向终端设备14发送包含首次出现人员相关信息的预警消息,以便终端设备14的用户通过预警消息对首次出现人员进行重点监控、记录等处理。电子设备13也可以对首次出现人员的信息保存到数据库中,以便后续用户通过查询数据库获得首次出现人员的信息。电子设备13也可以在接收到终端设备14发送的查询请求后,对查询请求所指示的时段内的首次出现人员进行识别,将识别结果返回到终端设备14,以便终端设备14的用户进行查看。电子设备13执行本申请实施例提供的人员识别方法还可以应用于其他的场景中,在此不作限定。
需要注意的是,上述人员识别系统的架构仅用于示例,不作为限定。例如,电子设备13可以与比对服务器12集成于同一服务器实现,或者,电子设备13也可以与终端设备14集成于同一终端实现。
图2为本申请一实施例提供的人员识别方法的流程示意图。该方法的执行主体为上述的电子设备。如图2所示,该方法包括:
S201、确定在第一时段内和监控区域内抓拍的、表征同一待识别人员的待识别抓拍记录组,待识别抓拍记录组包括至少一条抓拍记录数据,且每条抓拍记录数据包括抓拍时间。
本实施例中,第一时段可以根据实际需求确定,在此不作限定。例如,第一时段可以为截止到当前时刻,时长为一个月的时段,或者11月22日0点至12月22日0点之间的时段等。
抓拍记录数据可以是抓拍摄像机所抓拍到的初始抓拍记录,也可以是对初始抓拍记录进行预处理,提取其中与首次出现人员识别相关的信息所组成的数据,在此不作限定。
在一种场景中,可以获取第一时段内监控区域内的抓拍记录数据,然后根据身份标识,将同一人员的抓拍记录数据划分到一个待识别抓拍记录组中,从而确定待识别人员对应的待识别抓拍记录组。例如,划分得到100个待识别抓拍记录组,则相应的100个人员为待识别人员,后续可以识别出其中的首次出现人员。其中,身份标识可以为识别抓拍图像得到的人员的身份编号,也可以为人员的抓拍图像、身份证件上的人脸图像等,在此不作限定。
在另一场景中,用户可以指示查询某人员是否为首次出现人员,例如,用户指示查询人员B是否为12月10日监控区域的首次出现人员,则可以从第一时段(包含12月10日)内监控区域内抓拍的抓拍记录数据中,查找到人员B的抓拍记录数据,组成人员B对应的待识别抓拍记录组。
S202、根据待识别抓拍记录组中每条抓拍记录数据中的抓拍时间,确定每条抓拍记录数据的第一识别结果,第一识别结果表征该条抓拍记录数据是否为第二时段内抓拍产生;第二时段包含于第一时段,且第二时段的起始时间晚于第一时段的起始时间。
本实施例中,第一时段可以包含第二时段和第二时段之前的指定时间段。其中,第一时段、第二时段以及指定时间段的具体取值,在此不作限定。例如,在示例一中,第二时段为当天的0点至24点,第一时段为由第二时段,以及当天0点之前的历史一个月所组成的时段。在示例二中,第二时段为当天的8点至20点,第一时段为由第二时段以及当天的8点之前的历史三个月所组成的时段。在示例三中,第二时段为当天的0点至当前时刻,第一时段为由第二时段,以及当天的0点之前的历史三个月所组成的时段。在示例四中,第二时段为12月22日的0点至24点,第一时段为11月22日0点至12月22日24点的时段。在示例五中,第二时段为当天的0点至12点,第一时段为由当天的0点至当前时刻,以及当天的0点之前的历史一周所组成的时段。
需要说明的是,第二时段的结束时间与第一时段的结束时间可以相同,也可以不同,在此不作限定。例如,在上述示例一至四中,第二时段的结束时间与第一时段的结束时间相同;在上述示例五中,假设当前时刻为14点,则第二时段的结束时间与第一时段的结束时间不同。
对于每条抓拍记录数据,根据该条抓拍记录数据的抓拍时间和第二时段,可以确定该条抓拍记录数据是否为第二时段内抓拍产生,得到第一识别结果。其中,第一识别结果的具体实现形式在此不作限定。例如,第一识别结果可以为一个时间标签,添加到每条抓拍记录数据中;第一识别结果也可以存储到到记录表中,该记录表用于记录每条抓拍记录数据的标识以及相应的第一识别结果。
S203、根据每条抓拍记录数据的第一识别结果,确定待识别人员在第二时段内是否首次出现。
本实施例中,可以根据待识别抓拍记录组中每条抓拍记录数据的第一识别结果,确定待识别人员是否在第一时段内、且在第二时段之前的时段出现,如果是,则确定待识别人员在第二时段内不是首次出现,否则,确定待识别人员在第二时段内是首次出现。
本申请实施例中,通过确定在第一时段内和监控区域内抓拍的、表征同一待识别人员的待识别抓拍记录组,待识别抓拍记录组包括至少一条抓拍记录数据,且每条抓拍记录数据包括抓拍时间;根据待识别抓拍记录组中每条抓拍记录数据中的抓拍时间,确定每条抓拍记录数据的第一识别结果,第一识别结果表征该条抓拍记录数据是否为第二时段内抓拍产生;第二时段包含于第一时段,且第二时段的起始时间晚于第一时段的起始时间;根据每条抓拍记录数据的第一识别结果,确定待识别人员在第二时段内是否首次出现,能够根据由抓拍时间确定出的每条抓拍记录数据的第一识别结果,确定待识别抓拍记录组所对应的待识别人员在第二时段内是否首次出现,自动识别首次出现人员,提高首次出现人员的识别效率。
可选地,在图2所示实施例的基础上,在一种场景中,电子设备在识别出监控区域内第二时段内的首次出现人员后,可以向终端设备发送预警消息,以供终端设备将预警消息显示给用户查看,对首次出现人员进行重点追踪。可选地,识别结果可以包括识别出的首次出现人员的人员列表。可选地,电子设备还可以将识别出的首次出现人员的身份标识、抓拍记录标识等信息存储到数据库中,以便后续进行查询、预警等处理。
在另一场景中,电子设备接收终端设备发送的查询请求,查询请求指示所查询的第二时段、第一时段和监控区域。电子设备执行S201至S203的步骤得到查询请求对应的识别结果,向终端设备发送查询请求对应的识别结果。
图3为本申请又一实施例提供的人员识别方法的流程示意图。本实施例在图2所示实施例的基础上,通过为每条抓拍记录数据设置时间标签,进行首次人员识别。如图3所示,该方法包括:
S301、确定在第一时段内和监控区域内抓拍的、表征同一待识别人员的待识别抓拍记录组,待识别抓拍记录组包括至少一个抓拍记录数据,且每个抓拍记录数据包括抓拍时间。
本实施例中,S301与图2实施例中的S201类似,此处不再赘述。
S302、根据待识别抓拍记录组中每条抓拍记录数据中的抓拍时间,对每条抓拍记录数据的时间标签进行赋值;其中,时间标签用于表征抓拍记录数据是否为第二时段内抓拍产生;第二时段包含于第一时段,且第二时段的起始时间晚于第一时段的起始时间。
在一种实现方式中,S302之前的每条抓拍记录数据中可以包括一个时间标签,在S302中对每条抓拍记录数据的时间标签进行赋值。
在另一实现方式中,S302之前的每条抓拍记录数据中不包括时间标签,在S302中为每条抓拍记录数据添加或关联一个时间标签并进行赋值。
可以将每条抓拍记录数据中的抓拍时间和第二时段的起始时间进行对比,判断每条抓拍记录数据是否为第二时段内抓拍产生。对于第二时段内抓拍产生的抓拍记录数据和不是第二时段内抓拍产生的抓拍记录数据的时间标签,分别赋不同的值,以进行区分。
例如,时间标签可以包括两个状态值:第一状态值和第二状态值,第一状态值表征抓拍记录数据为第二时段内抓拍产生,第二状态值表征抓拍记录数据不是第二时段内抓拍产生。分别为每条抓拍记录数据的时间标签赋相应的值。
S303、通过所有抓拍记录数据的时间标签赋值结果之间的逻辑运算,确定待识别人员在第二时段内是否首次出现。
本实施例中,逻辑运算可以包括但不限于下述至少一种:或运算、和运算。
时间标签表征抓拍记录数据是否为第二时段内抓拍产生,因而通过对待识别抓拍记录组中所有抓拍记录数据的时间标签进行逻辑运算,可以确定该待识别抓拍记录组中是否全部为第二时段内抓拍产生的抓拍记录数据,如果是,则表明待识别人员在第二时段内是首次出现。如果不是,则表明待识别人员在第二时段内不是首次出现。
本申请实施例根据抓拍时间为待识别抓拍记录中的每个抓拍记录数据赋值相应的时间标签,时间标签表征抓拍记录数据是否为当天抓拍产生,进而根据每个抓拍记录数据的时间标签能够快速确定出在预设时段内监控区域内,待识别人员在当天是否首次出现,能够提高首次人员识别的速度和效率,进而提高预警的实时性。并且,本实施例中为抓拍记录数据所添加的时间标签可以多次利用,用于多次首次出现人员的识别过程,相对于传统的每次识别过程都必须全部重新比对,减少了识别过程中的计算量,进而提高首次人员识别的速度和实时性。另外,对于实时查询的场景,传统的首次出现人员的识别方式,在接收到终端设备的查询请求后开始进行比对和识别,当大量查询请求并发时,无法及时得到识别结果,查询请求的响应速度慢,并发性能差;而本实施例中,时间标签的添加过程和根据时间标签进行的识别过程可以分离开,可以预先进行时间标签的添加,在接收到查询请求时,仅根据时间标签进行识别即可,大大减少了计算量,能够快速响应终端的查询请求,并发性能好。
图4为本申请另一实施例提供的人员识别方法的流程示意图,在上述图3所示实施例的基础上,本实施例对时间标签的赋值的具体实现过程进行了详细说明。如图4所示,该方法包括:
S401、确定在第一时段内和监控区域内抓拍的、表征同一待识别人员的待识别抓拍记录组,待识别抓拍记录组包括至少一条抓拍记录数据,且每条抓拍记录数据包括抓拍时间。
本实施例中,S401与图3实施例中的S301类似,此处不再赘述。
S402、对于每条抓拍记录数据,根据第二时段的起始时间和抓拍记录数据中的抓拍时间,确定抓拍记录数据是否为第二时段内抓拍产生;在确定抓拍记录数据为第二时段内抓拍产生时,将抓拍记录数据的时间标签赋值为第一状态值;在确定抓拍记录数据不是第二时段内抓拍产生时,将抓拍记录数据的时间标签赋值为第二状态值。
本实施例中,第一状态值和第二状态值不相同,从而根据时间标签可以区分第二时段内抓拍产生的抓拍记录数据,和不是第二时段内抓拍产生的抓拍记录数据。第一状态值和第二状态值的具体取值可以根据实际需求设定,在此不作限定。例如,第一状态值为1,第二状态值为0;或者,第一状态值为0,第二状态值为1。
对于每条抓拍记录数据,若该条抓拍记录数据包含的抓拍时间晚于第二时段的起始时间,则确定该条抓拍记录数据为第二时段内抓拍产生,将其时间标签赋值为第一状态值;若该条抓拍记录数据包含的抓拍时间早于第二时段内的起始时间,则确定该条抓拍记录数据不是第二时段内抓拍产生,将其时间标签赋值为第二状态值。
以第一状态值为1,第二状态值为0为例,假设某待识别抓拍记录组包括3个抓拍记录数据,分别为数据A,数据B和数据C。其中,数据A中的抓拍时间为12月20日11:00,数据B中的抓拍时间为12月21日9:00,数据C中的抓拍时间为12月22日10:00,第二时段的起始时间为12月22日00:00,则将数据A的时间标签赋值为0,数据B的时间标签赋值为0,数据C的时间标签赋值为1。
S403、通过所有抓拍记录数据的时间标签赋值结果之间的逻辑运算,确定待识别人员在第二时段内是否首次出现。
本实施例中,如果待识别抓拍记录组中的抓拍记录数据均为第二时段内抓拍产生,则该待识别抓拍记录组对应的人员为第二时段内的首次出现人员。可以查找待识别抓拍记录组中是否存在时间标签为第二状态值的抓拍记录数据,若存在,则该待识别抓拍记录组对应的人员不是第二时段内的首次出现人员;若不存在,则该待识别抓拍记录组对应的人员是第二时段内的首次出现人员。
本实施例根据第二时段内的起始时间和抓拍记录数据中的抓拍时间,为第二时段内的抓拍产生的抓拍记录数据的时间标签赋值为第一状态值,不是第二时段内的抓拍产生的抓拍记录数据的时间标签赋值为第二状态值,通过第一状态值和第二状态值能够快速确定出待识别抓拍记录组对应的人员是否为第二时段内的首次出现人员,提高识别效率。
在一种实施方式中,在第一状态值为0,且第二状态值为1时,S403可以包括:
对每条抓拍记录数据的时间标签赋值结果进行或运算,在确定运算结果为0时,确定待识别人员在第二时段内首次出现;在确定运算结果为1时,确定待识别人员在第二时段内不是首次出现。
本实施例中,第一状态值为0,第二状态值为1。可以对一个待识别抓拍记录组中的所有抓拍记录数据的时间标签赋值结果进行或运算,若或运算的结果为0,则表明该待识别抓拍记录组中不存在时间标签为1的抓拍记录数据,因而确定该待识别抓拍记录组对应的人员为第二时段内的首次出现人员;若或运算的结果为1,则表明该待识别抓拍记录组中存在时间标签为1的抓拍记录数据,因而确定该待识别抓拍记录组对应的人员不是第二时段内的首次出现人员。
本实施例通过为第二时段内抓拍产生的抓拍记录数据的时间标签赋值为0,不是第二时段内抓拍产生的抓拍记录数据的时间标签赋值为1,然后对待识别抓拍记录组中的所有抓拍记录数据的时间标签赋值结果进行或运算,利用或运算快速确定待识别抓拍记录组对应的人员是否为第二时段内的首次出现人员,简化了识别过程,加快识别速度。
在另一实施方式中,在第一状态值为1,且第二状态值为0时,S403可以包括:
对每条抓拍记录数据的时间标签赋值结果进行与运算,在确定运算结果为1时,确定待识别人员在第二时段内首次出现;在确定运算结果为0时,确定待识别人员在第二时段内不是首次出现。
本实施例中,第一状态值为1,第二状态值为0。可以对一个待识别抓拍记录组中的所有抓拍记录数据的时间标签进行与运算,若与运算的结果为1,则表明该待识别抓拍记录组中不存在时间标签为0的抓拍记录数据,因而确定该待识别抓拍记录组对应的人员为第二时段内的首次出现人员;若或运算的结果为0,则表明该待识别抓拍记录组中存在时间标签为1的抓拍记录数据,因而确定该待识别抓拍记录组对应的人员不是第二时段内的首次出现人员。
本实施例通过为第二时段内抓拍产生的抓拍记录数据的时间标签赋值为1,不是第二时段内抓拍产生的抓拍记录数据的时间标签赋值为0,然后对待识别抓拍记录组中的所有抓拍记录数据的时间标签进行与运算,利用与运算快速确定待识别抓拍记录组对应的人员是否为首次出现人员,简化了识别过程,加快识别速度。
作为本申请的一个实施例,在上述图3或图4所示实施例的基础上,上述方法还可以包括:
对于每条抓拍记录数据,在确定该条抓拍记录数据为第二时段内抓拍产生时,对该条抓拍记录数据的次数标签赋值为1;在确定抓拍记录数据不是第二时段内抓拍产生时,对该条抓拍记录数据的次数标签赋值为0;
对所有抓拍记录数据的次数标签进行求和运算,将求和运算的结果确定为待识别人员在第二时段内的抓拍次数。
本实施例中,可以为每条抓拍记录数据添加或关联一个次数标签。对于每条抓拍记录数据,根据当天的起始时间和该抓拍记录数据中的抓拍时间,确定该抓拍记录数据是否为第二时段内抓拍产生,若是,则将次数标签赋值为1,若否,则将次数标签赋值为0。将待识别抓拍记录组中的所有抓拍记录数据的次数标签求和,得到的结果即为待识别人员在第二时段内的抓拍次数,即待识别人员在第二时段内出现在监控区域的次数。
本实施例通过为每条抓拍记录数据添加次数标签,对待识别抓拍记录组中的所有抓拍记录数据的次数标签求和,可以快速得出待识别人员在第二时段内的出现次数,即在识别首次出现人员时,利用次数标签快速识别出每个首次出现人员第二时段内所出现的次数,以便结合该次数对首次出现人员进行监控,提升监控效果。
作为本申请的一个实施例,在上述图3或图4所示实施例的基础上,上述方法还可以包括:
根据待识别抓拍记录组中所有抓拍记录数据,生成一条总记录,其中,总记录中包括时间标签、次数标签和抓拍数据;
总记录中的时间标签为对所有抓拍记录数据的时间标签进行逻辑运算的结果;总记录中的次数标签为对所有抓拍记录数据的时间标签进行求和运算的结果;总记录中的抓拍数据为所有抓拍记录数据中抓拍时间最晚的抓拍记录数据。
本实施例中,可以按照预设处理规则对同一待识别抓拍记录组中的所有抓拍记录数据进行处理,生成一条总记录,每条总记录对应于一个人员。逻辑运算可以为或运算,或者,与运算。预设处理规则可以包括但不限于下述的至少一项:在时间标签的第一状态值为0,第二状态值为1时,可以通过对所有抓拍记录数据的时间标签进行或运算,得到总记录的时间标签;在时间标签的第一状态值为1,第二状态值为0时,可以通过对所有抓拍记录数据的时间标签进行与运算,得到总记录的时间标签;通过对所有抓拍记录数据的时间标签进行求和运算得到总记录的次数标签;可以将所有抓拍记录数据中抓拍时间最晚的抓拍记录数据添加到总记录中,作为总记录的抓拍数据。
根据总记录,可以快速确定监控区域第二时段内的首次出现人员,首次出现人员在第二时段内所出现的次数,以及首次出现人员的最后一次出现的信息。可以将总记录存储到数据库中,以便后续查询,也可以将总记录发送到终端设备,以便终端设备显示给用户查看。
作为本申请的一个实施例,在上述任一实施例的基础上,确定在第一时段内和监控区域内抓拍的、表征同一待识别人员的待识别抓拍记录组,可以包括:
获取第一时段内监控区域的多条初始抓拍记录;
从每条初始抓拍记录中提取相应的抓拍记录数据,其中,抓拍记录数据包括身份标识、抓拍时间、抓拍记录标识;
根据身份标识对多条抓拍记录数据进行分组,得到至少一个待识别抓拍记录组,其中,每个待识别抓拍记录组中的抓拍记录数据具有相同的身份标识。
本实施例中,初始抓拍记录可以包括但不限于抓拍时间、抓拍图像、身份标识、抓拍图像的空间占用量、抓拍位置标识、抓拍记录标识等信息。其中,抓拍记录标识是一个初始抓拍记录的唯一标识。身份标识为对抓拍图像进行身份识别所得到的身份标识,即该初始抓拍记录所抓拍到的人员的身份标识。初始抓拍记录可以存储于抓拍数据库中。
根据初始抓拍记录中的抓拍时间和抓拍位置标识,可以获取到预设时段内监控区域的各条初始抓拍记录,然后从每条初始抓拍记录中提取指定类型的数据组成相应的抓拍记录数据。其中,指定类型的数据可以包括身份标识、抓拍时间、抓拍记录标识。可选地,指定类型的数据还可以包括抓拍位置标识。每条初始抓拍记录对应于一个相应的抓拍记录数据,然后将包含同一身份标识的抓拍记录数据划分到同一个组中,形成至少一个待识别抓拍记录组,以便后续对待识别抓拍记录组进行处理,识别首次出现人员。
例如,抓拍记录数据可以表示为如下形式:
BaseData(humanId,deviceId,faceTime,rowKey)
其中,BaseData表示抓拍记录数据,humanId表示身份标识,deviceId表示抓拍位置标识,faceTime表示抓拍时间,rowKey表示抓拍记录标识。
本实施例中通过从初始抓拍记录中提取与识别首次出现人员相关的几类数据,组成抓拍记录数据,后续对抓拍记录数据进行分组、时间标签添加和首次出现人员的识别,这样对抓拍记录数据进行处理,而不是直接对初始抓拍记录进行处理,能够简化所需处理的数据结构,能够加快分组、标签添加和识别过程,降低算法复杂度,提高首次出现人员的速度和实时性。
作为本申请的一个实施例,上述的获取第一时段内监控区域的多个初始抓拍记录,可以包括:
获取终端设备发送的查询请求,查询请求包括:第一时段和待识别监控区域;
根据查询请求,获取与第一时段和待识别监控区域对应的初始抓拍记录;其中,初始抓拍记录中的抓拍时间在第一时段内,且初始抓拍记录中的抓拍位置标识在待监控区域内。
在本实施例中,用户可以通过终端设备发送查询请求。电子设备接收到查询请求后,获取查询请求中第一时段和待识别监控区域对应的初始抓拍记录,后续对获取的初始抓拍记录进行处理,进而得出首次出现人员的识别结果,将识别结果返回到终端设备。
下面通过一个实施示例对上述的人员识别方法进行说明。本示例中以第二时段为当天的起始时间至当前时间的时段,第一时段为由第二时段以及第二时段之前的指定阈值天数所构成的时段为例,通过实时加载当前抓拍到的抓拍记录,分析当天的首次出现人员并存储识别结果,以供后续查询或预警。
在识别过程中,有效的数据结构能够加快识别过程,降低算法复杂度,以达到识别的实时性。本示例在人员识别过程中主要定义两种数据结构:
①基础数据结构:基础数据结构用于描述抓拍记录的基本信息,定义为:
BaseData(humanId,deviceId,faceTime,rowKey)
其中,humanId表示身份标识,deviceId表示抓拍位置标识,faceTime表示抓拍时间,rowKey表示抓拍记录标识。
②中间数据结构:识别过程中基于基础数据结构所形成的中间体数据结构,能够加快数据的分析,定义为:
BaseDataCombine(beforeHas,currentCount,baseData)
其中,beforeHas表示时间标签,currentCount表示次数标签,baseData表示上述的基础数据结构。即中间数据结构是在基础数据结构基础上,添加时间标签和次数标签后所形成的数据结构。
本示例中的具体执行步骤如下:
Step1:对初始抓拍记录进行数据加载和前置过滤。其中,数据加载分为两部分实现:全量加载和增量加载。
通过全量加载对指定阈值天数的历史初始抓拍记录进行加载,例如,可以设定为每天定时加载一次。
通过增量加载对当天实时初始抓拍记录进行加载,首次出现人员即在增量数据中出现而在全量数据中没有出现,为了能够实现实时识别增量数据中的首次出现人员,增量数据加载的时间间隔T可以按需进行设定,即每隔T单位时间可以执行一次增量加载,加载的数据可以与全量数据一起进行后续处理。
前置过滤实现在数据加载的过程中对初始抓拍记录按照抓拍位置和身份标识进行过滤,从全部初始抓拍记录中筛选出抓拍位置标识属于待识别的监控区域,且具备身份标识的初始抓拍记录进行后续处理。
Step2:将每条初始抓拍记录映射为相应的抓拍记录数据,其中抓拍记录数据采用上述的基础数据结构BaseData形式。
对Step1加载过滤后的初始抓拍记录做一一映射处理,映射为抓拍记录数据,即
BaseData(humanId,deviceId,faceTime,rowKey)
Step3:根据身份标识对Step2得到的抓拍记录数据进行分组,得到多个待识别抓拍记录组,即将具有同一身份标识的抓拍记录数据划分为同一个待识别抓拍记录组中。
Step4:给每条抓拍记录数据添加时间标签和次数标签,得到添加标签后的抓拍记录数据。添加标签后的抓拍记录数据采用上述的中间数据结构形式,即
BaseDataCombine(beforeHas,currentCount,baseData)
对于每条抓拍记录数据,根据抓拍记录数据包含的抓拍时间和当天的起始时间,为抓拍记录数据添加相应的时间标签和次数标签,可以通过如下的转换函数实现:
其中,currentTime表示当天的起始时间。false表示时间标签的第一状态值,true表示时间标签的第二状态值。与上述图3所示实施例中的第一状态值为0,第二状态值为1的情况类似,其中,false相当于0,true相当于1。
例如:当天为2019年12月22日,则currentTime=1576944000000L,即2019-12-2200:00:00。
具体对时间标签和次数标签的赋值参见上述的实施例,在此不再赘述。
Step5:按照预设处理规则对同一个待识别抓拍记录组中所有添加标签后的抓拍记录数据进行处理,生成一个总记录。假设一个待识别抓拍记录组内原有n条添加标签后的抓拍记录数据R1,R2...Rn,生成总记录C,则总记录C的数据结构形式可以表示如下:
BaseDataCombine(C.beforeHas,C.currentCount,C.baseData)
其中,C.beforeHas表示总记录C的时间标签,C.currentCount表示总记录C的次数标签,C.baseData表示总记录C中的抓拍记录数据。
预设处理规则如下:
规则1:时间标签的处理规则,总记录中的时间标签为对所有抓拍记录数据的时间标签按照或关系取值得到的结果。
C.beforeHas=R1.beforeHas||R2.beforeHas||...||Rn.beforeHas
其中,Rn.beforeHas表示第n个抓拍记录数据的时间标签,||表示或运算。
规则2:次数标签的处理规则,总记录中的次数标签为所有抓拍记录数据的次数标签累加值。
其中,Ri.currentCount表示第i个抓拍记录数据的次数标签。
规则3:抓拍记录数据的处理规则,取抓拍时间最晚的抓拍记录数据作为总记录中的抓拍记录数据。
C.baseData=MAX(R1.baseData,R2.baseData,...,Rn.baseData)
其中,MAX()表示取抓拍时间最大(即抓拍时间最晚)的抓拍记录数据。Rn.baseData表示第n个抓拍记录数据。
Step6:数据后置过滤
将满足beforeHas=false的总记录所对应的人员确定为首次出现人员,或者,将满足beforeHas=false且currentCount>0的总记录所对应的人员确定为首次出现人员,进而生成首次出现人员列表。首次出现人员列表中可以包括首次出现人员的当天出现次数和最近一次出现的信息。首次出现人员列表可以实时存储,以供实时查询和预警。
传统的识别首次出现人员的方式,识别效率低、实时性和并发性差。本实施例提供的人员识别方法,基于身份标识和时间标签,实现一种快速识别监控区域抓拍记录数据中的首次出现人员的方法,并提供人员识别系统进行实时查询、统计和预警。该方法基于身份标识和时间标签进行首次出现人员的识别,能够提高识别的效率和预警实时性,实际应用时可以将实时识别过程和结果查询进行分离,提高并发性能。并且,该方法中抓拍记录数据按照抓拍时间进行划分,添加时间标签,通过数据的与或关系来识别人员是否当日首次出现,简化了识别过程,能更好的适应大数据分布式计算,加快计算速度,进而提高识别效率。该方法的适用场景多,可复用性强。
图5为本申请一实施例提供的人员识别装置的结构示意图。如图5所示,该人员识别装置50包括:获取模块501、处理模块502。
获取模块501,用于确定在第一时段内和监控区域内抓拍的、表征同一待识别人员的待识别抓拍记录组,待识别抓拍记录组包括至少一条抓拍记录数据,且每条抓拍记录数据包括抓拍时间;
处理模块502,用于根据待识别抓拍记录组中每条抓拍记录数据中的抓拍时间,确定每条抓拍记录数据的第一识别结果,第一识别结果表征该条抓拍记录数据是否为第二时段内抓拍产生;第二时段包含于第一时段,且第二时段的起始时间晚于第一时段的起始时间;
处理模块502,还用于根据每条抓拍记录数据的第一识别结果,确定待识别人员在第二时段内是否首次出现。
本申请实施例中,通过确定在第一时段内和监控区域内抓拍的、表征同一待识别人员的待识别抓拍记录组,待识别抓拍记录组包括至少一条抓拍记录数据,且每条抓拍记录数据包括抓拍时间;根据待识别抓拍记录组中每条抓拍记录数据中的抓拍时间,确定每条抓拍记录数据的第一识别结果,第一识别结果表征该条抓拍记录数据是否为第二时段内抓拍产生;第二时段包含于第一时段,且第二时段的起始时间晚于第一时段的起始时间;根据每条抓拍记录数据的第一识别结果,确定待识别人员在第二时段内是否首次出现,能够根据由抓拍时间确定出的每条抓拍记录数据的第一识别结果,确定待识别抓拍记录组所对应的待识别人员在第二时段内是否首次出现,自动识别首次出现人员,提高首次出现人员的识别效率。
可选地,处理模块502,具体用于:
根据待识别抓拍记录组中每条抓拍记录数据中的抓拍时间,对每条抓拍记录数据的时间标签进行赋值;其中,时间标签用于表征抓拍记录数据是否为第二时段内抓拍产生;
通过所有抓拍记录数据的时间标签赋值结果之间的逻辑运算,确定待识别人员在第二时段内是否首次出现。
可选地,处理模块502,具体用于:
对于每条抓拍记录数据,根据第二时段的起始时间和抓拍记录数据中的抓拍时间,确定抓拍记录数据是否为第二时段内抓拍产生;
在确定抓拍记录数据为第二时段内抓拍产生时,将抓拍记录数据的时间标签赋值为第一状态值;
在确定抓拍记录数据不是第二时段内抓拍产生时,将抓拍记录数据的时间标签赋值为第二状态值;
在第一状态值为0,且第二状态值为1时,处理模块502,具体用于:对每条抓拍记录数据的时间标签赋值结果进行或运算,在确定运算结果为0时,确定待识别人员在第二时段内首次出现;在确定运算结果为1时,确定待识别人员在第二时段内不是首次出现;
在第一状态值为1,且第二状态值为0时,处理模块502,具体用于:对每条抓拍记录数据的时间标签赋值结果进行与运算,在确定运算结果为1时,确定待识别人员在第二时段内首次出现;在确定运算结果为0时,确定待识别人员在第二时段内不是首次出现。
可选地,处理模块502,还用于:
对于每条抓拍记录数据,在确定抓拍记录数据为第二时段内抓拍产生时,对抓拍记录数据的次数标签赋值为1;在确定抓拍记录数据不是第二时段内抓拍产生时,对抓拍记录数据的次数标签赋值为0;
对所有抓拍记录数据的次数标签赋值结果进行求和运算,将求和运算的结果确定为待识别人员在第二时段内的抓拍次数。
本申请实施例提供的人员识别装置,可用于执行上述的方法实施例,其实现原理和技术效果类似,本实施例此处不再赘述。
图6为本申请一实施例提供的电子设备的硬件结构示意图。如图6所示,本实施例提供的电子设备60包括:至少一个处理器601和存储器602。该电子设备60还包括通信部件603。其中,处理器601、存储器602以及通信部件603通过总线604连接。
在具体实现过程中,至少一个处理器601执行该存储器602存储的计算机执行指令,使得至少一个处理器601执行如上的人员识别方法。
处理器601的具体实现过程可参见上述方法实施例,其实现原理和技术效果类似,本实施例此处不再赘述。
在上述的图6所示的实施例中,应理解,处理器可以是中央处理单元(英文:Central Processing Unit,简称:CPU),还可以是其他通用处理器、数字信号处理器(英文:Digital Signal Processor,简称:DSP)、专用集成电路(英文:Application SpecificIntegrated Circuit,简称:ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合申请所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速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。
总线可以是工业标准体系结构(Industry StandardArchitecture,ISA)总线、外部设备互连(Peripheral Component Interconnect,PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
本申请还提供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计算机执行指令,当处理器执行该计算机执行指令时,实现如上的人员识别方法。
上述可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。可读存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的可读存储介质耦合至处理器,从而使处理器能够从该可读存储介质读取信息,且可向该可读存储介质写入信息。当然,可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(Application Specific IntegratedCircuits,简称:ASIC)中。当然,处理器和可读存储介质也可以作为分立组件存在于设备中。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (10)
1.一种人员识别方法,其特征在于,包括:
确定在第一时段内和监控区域内抓拍的、表征同一待识别人员的待识别抓拍记录组,所述待识别抓拍记录组包括至少一条抓拍记录数据,且每条所述抓拍记录数据包括抓拍时间;
根据所述待识别抓拍记录组中每条所述抓拍记录数据中的抓拍时间,确定每条所述抓拍记录数据的第一识别结果,所述第一识别结果表征该条所述抓拍记录数据是否为第二时段内抓拍产生;所述第二时段包含于所述第一时段,且所述第二时段的起始时间晚于所述第一时段的起始时间;
根据每条所述抓拍记录数据的第一识别结果,确定所述待识别人员在所述第二时段内是否首次出现。
2.根据权利要求1所述的方法,其特征在于,
根据所述待识别抓拍记录组中每条所述抓拍记录数据中的抓拍时间,确定每条所述抓拍记录数据的第一识别结果,包括:根据所述待识别抓拍记录组中每条所述抓拍记录数据中的抓拍时间,对每条所述抓拍记录数据的时间标签进行赋值;其中,所述时间标签用于表征所述抓拍记录数据是否为第二时段内抓拍产生;
根据每条所述抓拍记录数据的第一识别结果,确定所述待识别人员在所述第二时段内是否首次出现,包括:通过所有所述抓拍记录数据的时间标签赋值结果之间的逻辑运算,确定所述待识别人员在所述第二时段内是否首次出现。
3.根据权利要求2所述的方法,其特征在于,根据所述待识别抓拍记录组中每条所述抓拍记录数据中的抓拍时间,对每条所述抓拍记录数据的时间标签进行赋值,包括:
对于每条所述抓拍记录数据,根据所述第二时段的起始时间和所述抓拍记录数据中的抓拍时间,确定所述抓拍记录数据是否为所述第二时段内抓拍产生;
在确定所述抓拍记录数据为所述第二时段内抓拍产生时,将所述抓拍记录数据的时间标签赋值为第一状态值;
在确定所述抓拍记录数据不是所述第二时段内抓拍产生时,将所述抓拍记录数据的时间标签赋值为第二状态值;
在所述第一状态值为0,且所述第二状态值为1时,所述通过所有所述抓拍记录数据的时间标签赋值结果之间的逻辑运算,确定所述待识别人员在所述第二时段内是否首次出现,包括:
对每条所述抓拍记录数据的时间标签赋值结果进行或运算,在确定运算结果为0时,确定所述待识别人员在所述第二时段内首次出现;在确定所述运算结果为1时,确定所述待识别人员在所述第二时段内不是首次出现;
在所述第一状态值为1,且所述第二状态值为0时,通过所有所述抓拍记录数据的时间标签赋值结果之间的逻辑运算,确定所述待识别人员在所述第二时段内是否首次出现,包括:
对每条所述抓拍记录数据的时间标签赋值结果进行与运算,在确定运算结果为1时,确定所述待识别人员在所述第二时段内首次出现;在确定所述运算结果为0时,确定所述待识别人员在所述第二时段内不是首次出现。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述方法还包括:
对于每条所述抓拍记录数据,在确定所述抓拍记录数据为所述第二时段内抓拍产生时,对所述抓拍记录数据的次数标签赋值为1;在确定所述抓拍记录数据不是所述第二时段内抓拍产生时,对所述抓拍记录数据的次数标签赋值为0;
对所有所述抓拍记录数据的次数标签赋值结果进行求和运算,将所述求和运算的结果确定为所述待识别人员在所述第二时段内的抓拍次数。
5.一种人员识别装置,其特征在于,包括:
获取模块,用于确定在第一时段内和监控区域内抓拍的、表征同一待识别人员的待识别抓拍记录组,所述待识别抓拍记录组包括至少一条抓拍记录数据,且每条所述抓拍记录数据包括抓拍时间;
处理模块,用于根据所述待识别抓拍记录组中每条所述抓拍记录数据中的抓拍时间,确定每条所述抓拍记录数据的第一识别结果,所述第一识别结果表征该条所述抓拍记录数据是否为第二时段内抓拍产生;所述第二时段包含于所述第一时段,且所述第二时段的起始时间晚于所述第一时段的起始时间;
所述处理模块,还用于根据每条所述抓拍记录数据的第一识别结果,确定所述待识别人员在所述第二时段内是否首次出现。
6.根据权利要求5所述的装置,其特征在于,所述处理模块,具体用于:
根据所述待识别抓拍记录组中每条所述抓拍记录数据中的抓拍时间,对每条所述抓拍记录数据的时间标签进行赋值;其中,所述时间标签用于表征所述抓拍记录数据是否为第二时段内抓拍产生;
通过所有所述抓拍记录数据的时间标签赋值结果之间的逻辑运算,确定所述待识别人员在所述第二时段内是否首次出现。
7.根据权利要求6所述的装置,其特征在于,所述处理模块,具体用于:
对于每条所述抓拍记录数据,根据所述第二时段的起始时间和所述抓拍记录数据中的抓拍时间,确定所述抓拍记录数据是否为所述第二时段内抓拍产生;
在确定所述抓拍记录数据为所述第二时段内抓拍产生时,将所述抓拍记录数据的时间标签赋值为第一状态值;
在确定所述抓拍记录数据不是所述第二时段内抓拍产生时,将所述抓拍记录数据的时间标签赋值为第二状态值;
在所述第一状态值为0,且所述第二状态值为1时,所述处理模块,具体用于:对每条所述抓拍记录数据的时间标签赋值结果进行或运算,在确定运算结果为0时,确定所述待识别人员在所述第二时段内首次出现;在确定所述运算结果为1时,确定所述待识别人员在所述第二时段内不是首次出现;
在所述第一状态值为1,且所述第二状态值为0时,所述处理模块,具体用于:对每条所述抓拍记录数据的时间标签赋值结果进行与运算,在确定运算结果为1时,确定所述待识别人员在所述第二时段内首次出现;在确定所述运算结果为0时,确定所述待识别人员在所述第二时段内不是首次出现。
8.根据权利要求5-7任一项所述的装置,其特征在于,所述处理模块,还用于:
对于每条所述抓拍记录数据,在确定所述抓拍记录数据为所述第二时段内抓拍产生时,对所述抓拍记录数据的次数标签赋值为1;在确定所述抓拍记录数据不是所述第二时段内抓拍产生时,对所述抓拍记录数据的次数标签赋值为0;
对所有所述抓拍记录数据的次数标签赋值结果进行求和运算,将所述求和运算的结果确定为所述待识别人员在所述第二时段内的抓拍次数。
9.一种电子设备,其特征在于,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如权利要求1-4任一项所述的人员识别方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如权利要求1-4任一项所述的人员识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010556925.XA CN111709369A (zh) | 2020-06-17 | 2020-06-17 | 人员识别方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010556925.XA CN111709369A (zh) | 2020-06-17 | 2020-06-17 | 人员识别方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111709369A true CN111709369A (zh) | 2020-09-25 |
Family
ID=72541224
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010556925.XA Pending CN111709369A (zh) | 2020-06-17 | 2020-06-17 | 人员识别方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111709369A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105760548A (zh) * | 2016-03-21 | 2016-07-13 | 武汉烽火众智数字技术有限责任公司 | 一种基于大数据跨域比对的车辆首次出现分析方法及系统 |
CN110309878A (zh) * | 2019-06-28 | 2019-10-08 | 深圳市商汤科技有限公司 | 一种信息处理方法及装置、存储介质 |
-
2020
- 2020-06-17 CN CN202010556925.XA patent/CN111709369A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105760548A (zh) * | 2016-03-21 | 2016-07-13 | 武汉烽火众智数字技术有限责任公司 | 一种基于大数据跨域比对的车辆首次出现分析方法及系统 |
CN110309878A (zh) * | 2019-06-28 | 2019-10-08 | 深圳市商汤科技有限公司 | 一种信息处理方法及装置、存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220092881A1 (en) | Method and apparatus for behavior analysis, electronic apparatus, storage medium, and computer program | |
CN108446681B (zh) | 行人分析方法、装置、终端及存储介质 | |
CN111414949B (zh) | 图片聚类方法、装置、电子设备及存储介质 | |
CN111368619B (zh) | 可疑人员的检测方法、装置及设备 | |
CN112818173B (zh) | 关联对象的识别方法、装置及计算机可读存储介质 | |
CN109784220B (zh) | 一种确定路人轨迹的方法及装置 | |
CN110705476A (zh) | 数据分析方法、装置、电子设备和计算机存储介质 | |
CN112464030B (zh) | 一种可疑人员确定方法及装置 | |
CN111400550A (zh) | 一种目标运动轨迹构建方法、设备以及计算机存储介质 | |
CN111476685A (zh) | 行为分析方法、装置及设备 | |
CN109783663B (zh) | 一种归档方法及装置 | |
CN112687044A (zh) | 滞留人员的管理方法、系统、介质及设备 | |
CN111079469B (zh) | 人脸图像的处理方法、装置、设备及可读存储介质 | |
CN111709369A (zh) | 人员识别方法、装置、设备及存储介质 | |
CN113343004B (zh) | 对象的识别方法和装置、存储介质及电子装置 | |
CN111091047A (zh) | 活体检测方法、装置、服务器和人脸识别设备 | |
CN111914591A (zh) | 一种时长确定方法及装置 | |
CN114373209A (zh) | 基于视频的人脸识别方法、装置、电子设备及存储介质 | |
CN115063852A (zh) | 用于确定员工考勤信息的方法、装置、存储介质及处理器 | |
CN114863364A (zh) | 一种基于智能视频监控的安防检测方法及系统 | |
CN115170851A (zh) | 一种图像聚类的方法及装置 | |
CN112528818A (zh) | 数据统计方法、装置、电子设备及机器可读存储介质 | |
CN112287830A (zh) | 一种图像的检测方法及装置 | |
CN112508761A (zh) | 实时预警方法、装置及系统 | |
CN112000293B (zh) | 基于大数据的监控数据保存方法、装置、设备及存储介质 |
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 |