CN111860152A - 人员状态检测的方法、系统、设备和计算机设备 - Google Patents
人员状态检测的方法、系统、设备和计算机设备 Download PDFInfo
- Publication number
- CN111860152A CN111860152A CN202010533107.8A CN202010533107A CN111860152A CN 111860152 A CN111860152 A CN 111860152A CN 202010533107 A CN202010533107 A CN 202010533107A CN 111860152 A CN111860152 A CN 111860152A
- Authority
- CN
- China
- Prior art keywords
- target
- state
- image
- identity
- preset
- 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 59
- 238000001514 detection method Methods 0.000 claims description 73
- 230000006399 behavior Effects 0.000 claims description 71
- 238000004590 computer program Methods 0.000 claims description 17
- 230000009471 action Effects 0.000 claims description 12
- 230000008569 process Effects 0.000 abstract description 10
- 238000010586 diagram Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 7
- 238000003384 imaging method Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000012806 monitoring device Methods 0.000 description 3
- 238000005034 decoration Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011900 installation process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 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
- 230000003068 static effect Effects 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
-
- 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
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种人员状态检测的方法、系统、设备和计算机设备,其中,该人员状态检测的方法包括根据检测图像识别目标的身份标识,根据该身份标识确定预设行为规则,并对该目标进行跟踪,获取该目标的行为参数,在该行为参数与该预设行为规则不一致的情况下,判定该目标处于非预设状态。通过本申请,解决了根据在岗人员数量与目标到岗人数进行对比,无法准确判断具体工作人员工作状态的问题,提高了在对工作人员进行监督的过程中,对工作人员的识别准确度。
Description
技术领域
本申请涉及图像识别技术领域,特别是涉及人员状态检测的方法、系统、设备和计算机设备。
背景技术
在需要进行巡视检查的场所中,常常出现由于工作人员擅自离岗,导致巡视区域内发生的事故不能得到及时有效处理,从而造成较大损失或者产生安全隐患。
在相关技术中,通过对监控视频进行图像识别,得到工作区域中的在岗人员数量,将该在岗人员数量与目标到岗人数进行对比,从而判断是否存在擅自离岗的情况。然而,该方法只能得到离岗的人数,无法准确判断具体的工作人员的工作状态。
目前针对相关技术中,根据在岗人员数量与目标到岗人数进行对比,无法准确判断具体工作人员工作状态的问题,尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种人员状态检测的方法、系统、设备、计算机设备和计算机可读存储介质,以至少解决相关技术中根据在岗人员数量与目标到岗人数进行对比,无法准确判断具体工作人员工作状态的问题。
第一方面,本申请实施例提供了一种人员状态检测的方法,所述方法包括:
根据检测图像识别目标的身份标识,根据所述身份标识确定预设行为规则,并对所述目标进行跟踪,获取所述目标的行为参数;
在所述行为参数与所述预设行为规则不一致的情况下,判定所述目标处于非预设状态。
在其中一些实施例中,所述根据检测图像识别目标的身份标识包括:
根据所述检测图像进行人脸识别,得到所述目标的人脸图像,通过对所述检测图像中的所述目标进行服饰识别,得到所述目标的服饰特征;
根据所述人脸图像和所述服饰特征确定所述目标的身份标识。
在其中一些实施例中,在所述对所述目标进行跟踪之后,所述方法包括:
获取所述目标的第一状态和第二状态,根据所述第一状态的时间点和所述第二状态的时间点,计算所述目标保持所述第一状态的时长;
根据所述时长与预设时长范围的对比结果,对所述目标的状态进行判断,其中,所述预设时长范围与所述身份标识对应。
在其中一些实施例中,在所述判定所述目标处于非预设状态之后,所述方法包括:
根据所述身份标识和所述行为参数的时间信息,获取图像数据,将所述图像数据传输至终端,发出警示信号。
在其中一些实施例中,在所述根据检测图像识别目标的身份标识之后,所述方法包括:
根据预设时间周期,存储检测视频,其中,所述检测视频记录所述目标的行动轨迹、第一状态和第二状态。
第二方面,本申请实施例提供了一种人员状态检测的系统,所述系统包括图像采集装置和处理器:
所述图像采集装置获取目标的检测图像,所述处理器根据所述检测图像识别所述目标的身份标识,根据所述身份标识确定预设行为规则,并控制所述图像采集装置对所述目标进行跟踪,获取所述目标的行为参数;
所述处理器在所述行为参数与所述预设行为规则不一致的情况下,判定所述目标处于非预设状态。
在其中一些实施例中,所述处理器还用于:
根据所述检测图像进行人脸识别,得到所述目标的人脸图像,通过对所述检测图像中的所述目标进行服饰识别,得到所述目标的服饰特征;
根据所述人脸图像和所述服饰特征确定所述目标的身份标识。
第三方面,本申请实施例提供了一种人员状态检测的设备,所述设备包括识别模块、跟踪模块和判断模块:
所述识别模块,用于根据检测图像识别目标的身份标识;
所述跟踪模块,用于对所述目标进行跟踪,获取所述目标的行为参数;
所述判断模块,用于根据所述身份标识确定预设行为规则,根据所述行为参数与所述预设行为规则的对比结果,对所述目标的状态进行判断。
第四方面,本申请实施例提供了一种计算机设备,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计算机程序,所述处理器执行所述计算机程序时实现上述任一所述方法。
第五方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述任一所述方法。
相比于相关技术,本申请实施例提供的人员状态检测的方法,通过根据检测图像识别目标的身份标识,根据该身份标识确定预设行为规则,并对该目标进行跟踪,获取该目标的行为参数,在该行为参数与该预设行为规则不一致的情况下,判定该目标处于非预设状态,解决了根据在岗人员数量与目标到岗人数进行对比,无法准确判断具体工作人员工作状态的问题,提高了在对工作人员进行监督的过程中,对工作人员的识别准确度。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例的人员状态检测的方法的应用环境示意图;
图2是根据本申请实施例的人员状态检测的方法的流程图;
图3是根据本申请实施例的识别目标身份标识的方法的流程图;
图4是根据本申请实施例的另一种人员状态检测的方法的流程图;
图5是根据本申请实施例的人员状态检测的系统的结构框图;
图6是根据本申请实施例的人员状态检测的设备的结构框图;
图7是根据本申请实施例的人员状态检测装置的优选结构框图;
图8是根据本申请实施例的电子设备的内部结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行描述和说明。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。基于本申请提供的实施例,本领域普通技术人员在没有作出创造性劳动的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。
显而易见地,下面描述中的附图仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其他类似情景。此外,还可以理解的是,虽然这种开发过程中所作出的努力可能是复杂并且冗长的,然而对于与本申请公开的内容相关的本领域的普通技术人员而言,在本申请揭露的技术内容的基础上进行的一些设计,制造或者生产等变更只是常规的技术手段,不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是,本申请所描述的实施例在不冲突的情况下,可以与其它实施例相结合。
除非另作定义,本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制,可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形,意图在于覆盖不排他的包含;例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可以还包括没有列出的步骤或单元,或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电气的连接,不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象,不代表针对对象的特定排序。
本申请提供的人员状态检测的方法,可以应用于如图1所示的应用环境中,图1是根据本申请实施例的人员状态检测的方法的应用环境示意图,如图1所示。其中,摄像装置102与处理器104通过网络进行通信。摄像装置102获取特定场景下目标的检测图像,处理器104根据检测图像识别目标的人脸和服饰特征,以确定目标的身份,同时处理器104根据身份标识确定预设行为规则,并控制摄像装置102对目标进行跟踪,获取目标的行为参数,并根据该行为参数与预设行为规则的对比结果,对该目标的状态进行判断。其中,处理器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现,也可以为集成芯片。
本实施例提供了一种人员状态检测的方法,图2是根据本申请实施例的人员状态检测的方法的流程图,如图2所示,该方法包括如下步骤:
步骤S201,根据检测图像识别目标的身份标识,根据该身份标识确定预设行为规则,并对该目标进行跟踪,获取该目标的行为参数。
本实施例中的检测图像来源于图像采集设备,该图像采集设备可以为摄像机、摄像头或者具有图像采集功能及处理功能的电子设备,该电子设备可以配置有成像单元,例如智能手机、摄像头模组、相机、集成有成像单元的计算机以及监控设备等。该图像采集设备可以设置在固定平台上,也可以设置在可移动平台上,例如航拍平台,在图像采集的过程中,该图像采集设备可以相对受控设备移动或者固定。
检测图像可以为抓拍照片,也可以为视频中的一帧,可以为可见光图像,也可以结合红外热成像以提高夜间对目标的识别度。目标可以为特定场景下的工作人员,也可以为被监管的服刑人员,还可以为独居老人,目标的身份标识可以为目标的姓名或者编码。
对目标进行跟踪可以通过多目标跟踪算法实现,本实施例中的预设行为规则可以为预设的行动轨迹,也可以为目标在某个状态下的标准时长,该预设行为规则与目标的身份标识对应,例如,服刑人员的行动轨迹不能越过特定的区域,工作人员离开岗位的时长不能超过预设的时长范围等等。
目标的行为参数用于记录目标的实际活动过程,例如,目标的实际行动轨迹,目标离开检测区域的时间或者目标返回检测区域的时间。
步骤S202,在该行为参数与该预设行为规则不一致的情况下,判定该目标处于非预设状态。
本实施例中,将行为参数与预设行为规则进行对比,具体可以为,将目标的实际行动轨迹与预设的行动轨迹进行对比,在实际行动轨迹与预设的行动轨迹之间的偏离值大于判定阈值的情况下,判定目标处于非预设状态,或者,获取目标离开检测区域的时长,在该时长大于预设的时长范围的情况下,判定目标处于非预设状态,其中,该检测区域可以为工作人员的工作区域,也可以为目标的指定活动区域。
通过上述步骤S201和步骤S203,本实施例在对目标进行身份识别之后,获取目标的行为参数,将该行为参数与预设行为规则进行对比,在二者不一致的情况下,判定目标处于非预设状态,由于对目标进行了身份识别,可以确定目标的身份,从而解决了根据在岗人员数量与目标到岗人数进行对比,无法准确判断具体工作人员工作状态的问题,提高了在对工作人员进行监督的过程中,对工作人员的识别准确度。
在其中一些实施例中,图3是根据本申请实施例的识别目标身份标识的方法的流程图,如图3所示,该方法包括如下步骤:
步骤S301,根据检测图像进行人脸识别,得到目标的人脸图像,通过对检测图像中的目标进行服饰识别,得到该目标的服饰特征。
本实施例中需要图像采集设备获取的检测图像中包括目标的正面图像,因此,可以在检测区域设置多个图像采集设备,或者将图像采集设备设置为全景采集。本实施例从检测图像中得到人脸图像可以通过人脸识别模型实现,该人脸识别模型可以通过基于神经网络的深度学习得到。
本实施例中的服饰特征包括对服饰进行类型识别,该类型包括不同场景下的制服,例如,在目标为工作人员的情况下,着装可以为银行柜员的制服、监狱工作人员的制服或者保安的制服,服饰的类型还可以为服刑人员的囚服。
服饰特征可以为服饰的颜色、服饰的特殊图案和服饰的配饰,特殊图案例如囚服的条纹,配饰例如肩章或者其他可以表示身份的标志,还可以为与制服对应的帽子,以及帽子上的徽章,服饰特征还包括可以通过服饰获得的目标的编号,例如,可以通过服饰识别,获取制服上的工牌编号,或者囚服上的编号。
步骤S302,根据该人脸图像和该服饰特征确定该目标的身份标识。
在获取人脸图像和服饰特征之后,可以将人脸图像与人脸库中的人脸图像进行匹配,并将服饰特征与数据库中的制服数据或者编号数据进行匹配,在人脸图像和服饰特征均匹配成功,且匹配结果为同一目标的情况下,确定目标的身份标识。
通过上述步骤S301和步骤S302,本实施例根据人脸图像和服饰特征的匹配结果共同确定目标的身份标识,可以有效提高对目标的识别准确率。
在其中一些实施例中,图4是根据本申请实施例的另一种人员状态检测的方法的流程图,如图4所示,该方法还包括如下步骤:
步骤S401,获取目标的第一状态和第二状态,根据该第一状态的时间点和第二状态的时间点,计算该目标保持该第一状态的时长。
本实施例中,目标的第一状态和第二状态为不同的状态,例如,第一状态可以为离开检测区域,相应的第二状态可以为进入检测区域,该检测区域可以为工作人员的工作区域;或者第一状态可以为进入检测区域,相应的第二状态可以为离开检测区域,该检测区域可以为厕所。
通过图像采集设备对目标的状态进行采集,可以获得第一状态的时间点和第二状态的时间点,通过计算差值得到目标保持第一状态的时长。例如,通过检测图像的时间戳,得到第一状态对应的时间点为9:00,第二状态对应的时间点为9:30,则本实施例中,保持第一状态的时长为30分钟。
步骤S402,根据该时长与预设时长范围的对比结果,对该目标的状态进行判断,其中,预设时长范围与身份标识对应。
本实施例中的预设时长范围根据具体的场景进行设置,可以根据目标维持某一状态的时长上限确定,且身份标识与该预设时长范围对应,例如,在目标为工作人员的情况下,该时长上限可以为工作人员离岗的时长上限,在目标为服刑人员的情况下,该时长上限可以为服刑人员如厕的时长上限。
本实施例中,根据实际场景,可以设置不同的对比标准。例如,在对工作人员进行离岗检测的情况下,预设时长范围可以设置为小于30分钟,在工作人员维持离开工作区域的状态等于或者大于30分钟的情况下,判定为异常;或者,在对工作人员进行在岗检测的情况下,预设时长范围可以设置为大于八小时,在工作人员在岗时间不足八小时的情况下,判定为异常。
通过上述步骤S401和步骤S402,通过检测图像获取目标保持第一状态的时长,根据该时长与预设时长范围的对比结果,判断目标的状态,提高对目标进行状态检测的准确率。
在其中一些实施例中,判定目标处于非预设状态的情况可以为:在离岗检测场景下,第一状态为离开工作区域,预设时长范围为小于30分钟,在目标离开工作区域的时长大于或者30分钟的情况下,判定该目标处于非预设状态;在服刑人员如厕的场景下,第一状态为进入盥洗室,预设时长范围可以设置为小于15分钟,在服刑人员进入盥洗室大于或者等于15分钟的情况下,没有检测到服刑人员离开盥洗室,判定目标处于非预设状态。
在判定目标处于非预设状态的情况下,根据身份标识和行为参数的时间信息,获取图像数据,将该图像数据传输至终端,发出警示信号。其中,该时间信息包括第一状态的时间点和第二状态的时间点,本实施例中的第一状态的时间点可以为目标实际行动轨迹开始的时间点,目标离开检测区域的时间点或者目标进入检测区域的时间点,相应的,第二状态的时间点可以为目标实际行动轨迹结束的时间点,目标进入检测区域的时间点或者目标离开检测区域的时间点。根据身份标识、第一状态的时间点和第二状态的时间点,获取与时间点对应的图像数据,该图像数据可以照片也可以为数帧视频。
本实施例中将图像数据进行上传时,可以同时上传目标的身份标识,该身份标识包括目标的编号和服饰识别特征,本实施例中的终端可以为远程监控平台,也可以为具有显示功能的其他电子设备,例如手机、电脑或者平板。警示信号可以为监控界面中的弹窗提示,也可以为声信号或者光信号,以提醒相关人员进行查看。
本实施例根据身份标识和行为参数的时间信息获取目标在处于非预设状态情况下的图像数据作为证据,并上传至终端,同时发出警示信号,提高相关人员对异常状态处理的效率。
在其中一些实施例中,在根据检测图像识别目标的身份标识之后,还包括:根据预设时间周期,存储检测视频,其中,该检测视频记录该目标的行为轨迹,该行为轨迹包括第一状态和第二状态。本实施例中的预设时间周期可以根据检测设备的存储空间进行设置,检测设备存储预设时间周期内的检测视频,对于预设时间周期外的检测视频,自动删除,以实现对检测视频进行更新。通过检测视频记录目标的行为轨迹、第一状态和第二状态,以保证判定目标处于非预设状态的视频数据的完整性,为相关人员对目标的处理提供更有效的证据。
需要说明的是,在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本实施例提供了一种人员状态检测的系统,图5是根据本申请实施例的人员状态检测的系统的结构框图,如图5所示,该系统包括图像采集装置51和处理器52:该图像采集装置51获取目标的检测图像,该处理器52根据该检测图像识别该目标的身份标识,根据该身份标识确定预设行为规则,并控制该图像采集装置51对该目标进行跟踪,获取该目标的行为参数;该处理器52在该行为参数与该预设行为规则不一致的情况下,判定该目标处于非预设状态。
本实施例中的图像采集装置51可以是摄像机、摄像头等具有图像采集功能的装置。该图像采集装置51可以设置在固定平台上,也可设置在可移动平台上比如航拍平台,在监控过程中,图像采集装置51可以相对受控设备移动或者固定。该图像采集装置51还可以将采集的视频图像发送给后端的处理器52,图像采集装置51不仅可以采集视频图像,还可以采集音频信号,通过对音频信号进行识别可以作为一种重要的安防监控手段。
本实施例中的图像采集装置51还可以为具有图像采集功能及处理功能的电子设备,所述电子设备可以配置有成像单元,例如智能手机、摄像头模组、相机、集成有成像单元的计算机以及监控设备等。当然可以理解,本申请实施例的图像采集装置51还可以为不配置有成像单元的装置,此时图像采集装置51通过外部接口与成像单元所在的设备进行通信,以获取成像单元采集的图像,例如,外接摄像头的计算机及监控设备等。
本实施例中的图像采集装置51在安装过程中需要满足以下要求:1、图像采集装置51需在目标进入和离开检测区域时,能够清晰检测制服服饰或者人脸用于进行身份识别。在只有一个出入口的情况下,如果目标的背部视频不能用于识别,则需要双向两个图像采集装置51,例如全景相机,以获取进出时人员的正向视频;2、图像采集装置51的采集范围需要覆盖所有的检测区域。
通过上述步骤人员状态检测的系统,本实施例的处理器52在对目标进行身份识别之后,获取目标的行为参数,将该行为参数与预设行为规则进行对比,在二者不一致的情况下,判定目标处于非预设状态,由于对目标进行了身份识别,可以确定目标的身份,从而解决了根据在岗人员数量与目标到岗人数进行对比,无法准确判断具体工作人员工作状态的问题,提高了在对工作人员进行监督的过程中,对工作人员的识别准确度。
在其中一些实施例中,处理器52还用于根据检测图像进行人脸识别,得到目标的人脸图像,通过对该检测图像中的该目标进行服饰识别,得到该目标的服饰特征,根据该人脸图像和该服饰特征确定该目标的身份标识。本实施例根据人脸图像和服饰特征的匹配结果共同确定目标的身份标识,可以有效提高对目标的识别准确率。
本实施例还提供了一种人员状态检测的设备,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图6是根据本申请实施例的人员状态检测的设备的结构框图,如图6所示,该设备包括识别模块61、跟踪模块62和判断模块63:
识别模块61,用于根据检测图像识别目标的身份标识。
跟踪模块62,用于对该目标进行跟踪,获取该目标的行为参数。
判断模块63,用于根据该身份标识确定预设行为规则,根据该行为参数与该预设行为规则的对比结果,对该目标的状态进行判断。
本实施例的识别模块61对目标进行身份识别,跟踪模块62获取目标的行为参数,判断模块63将该行为参数与预设行为规则进行对比,在二者不一致的情况下,判定目标处于非预设状态。由于对目标进行了身份识别,可以确定目标的身份,从而解决了根据在岗人员数量与目标到岗人数进行对比,无法准确判断具体工作人员工作状态的问题,提高了在对工作人员进行监督的过程中,对工作人员的识别准确度。
下面通过优选实施例对本申请实施例进行描述和说明。
图7是根据本申请实施例的人员状态检测装置的优选结构框图,该装置包括人脸服饰识别模块71、人员轨迹跟踪模块72、非预设状态判决模块73、图片存储模块74、视频存储模块75和上报模块76。
人脸服饰识别模块71用于将图像采集设备提供的视频进行人脸识别和服饰识别,在识别到目标的情况下,标记目标的身份标识(Identity Document,简称为ID)。
人员轨迹跟踪模块72用于在人脸识别和服饰识别匹配到同一人的情况下,将ID合并,并保持唯一,记录目标行进的轨迹,例如进入检测区域或者离开检测区域。
非预设状态判决模块73用于存储预设行为规则,将对目标检测的结果和预设行为规则比较,判断目标是否处于预设状态。例如,通过目标进出检测区域的时刻,判断目标是否长时间不在岗位,在达到非预设状态的条件下,则根据ID和进出时间,从图片存储模块74中获取图片,从视频存储模块75中截取离开检测区域的时间段的视频。
图片存储模块74用于在目标进入或离开检测区域时,保存图片,以作为证据的一部分,并支持根据目标的ID和进出时间获取图片。
视频存储模块75用于循环存储视频,保证可以获取目标进入和离开检测区域的时间段视频是完整的,并支持通过时间进行视频截取和上报。
上报模块76用于根据目标的ID,将对应的图片、服饰标识和视频进行整理,形成完整的非预设状态的信息证据,并能存储和上报至客户端,服饰标识例如工牌和编号等信息。
该人员状态检测装置基于视频分析技术,通过人脸识别和服饰识别,准确识别目标,并通过非预设状态判决模块73判别目标状态,通过上报模块76进行信息的整合上报。
需要说明的是,上述各个模块可以是功能模块也可以是程序模块,既可以通过软件来实现,也可以通过硬件来实现。对于通过硬件来实现的模块而言,上述各个模块可以位于同一处理器中;或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种人员状态检测的方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
在一个实施例中,图8是根据本申请实施例的电子设备的内部结构示意图,如图8所示,提供了一种电子设备,该电子设备可以是服务器,其内部结构图可以如图8所示。该电子设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备的数据库用于存储数据。该电子设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种人员状态检测的方法。
本领域技术人员可以理解,图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的电子设备的限定,具体的电子设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述各实施例提供的人员状态检测的方法中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述各个实施例提供的人员状态检测的方法中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种人员状态检测的方法,其特征在于,所述方法包括:
根据检测图像识别目标的身份标识,根据所述身份标识确定预设行为规则,并对所述目标进行跟踪,获取所述目标的行为参数;
在所述行为参数与所述预设行为规则不一致的情况下,判定所述目标处于非预设状态。
2.根据权利要求1所述的方法,其特征在于,所述根据检测图像识别目标的身份标识包括:
根据所述检测图像进行人脸识别,得到所述目标的人脸图像,通过对所述检测图像中的所述目标进行服饰识别,得到所述目标的服饰特征;
根据所述人脸图像和所述服饰特征确定所述目标的身份标识。
3.根据权利要求1所述的方法,其特征在于,在所述对所述目标进行跟踪之后,所述方法包括:
获取所述目标的第一状态和第二状态,根据所述第一状态的时间点和所述第二状态的时间点,计算所述目标保持所述第一状态的时长;
根据所述时长与预设时长范围的对比结果,对所述目标的状态进行判断,其中,所述预设时长范围与所述身份标识对应。
4.根据权利要求1所述的方法,其特征在于,在所述判定所述目标处于非预设状态之后,所述方法包括:
根据所述身份标识和所述行为参数的时间信息,获取图像数据,将所述图像数据传输至终端,发出警示信号。
5.根据权利要求1所述的方法,其特征在于,在所述根据检测图像识别目标的身份标识之后,所述方法包括:
根据预设时间周期,存储检测视频,其中,所述检测视频记录所述目标的行动轨迹、第一状态和第二状态。
6.一种人员状态检测的系统,其特征在于,所述系统包括图像采集装置和处理器:
所述图像采集装置获取目标的检测图像,所述处理器根据所述检测图像识别所述目标的身份标识,根据所述身份标识确定预设行为规则,并控制所述图像采集装置对所述目标进行跟踪,获取所述目标的行为参数;
所述处理器在所述行为参数与所述预设行为规则不一致的情况下,判定所述目标处于非预设状态。
7.根据权利要求6所述的系统,其特征在于,所述处理器还用于:
根据所述检测图像进行人脸识别,得到所述目标的人脸图像,通过对所述检测图像中的所述目标进行服饰识别,得到所述目标的服饰特征;
根据所述人脸图像和所述服饰特征确定所述目标的身份标识。
8.一种人员状态检测的设备,其特征在于,所述设备包括识别模块、跟踪模块和判断模块:
所述识别模块,用于根据检测图像识别目标的身份标识;
所述跟踪模块,用于对所述目标进行跟踪,获取所述目标的行为参数;
所述判断模块,用于根据所述身份标识确定预设行为规则,根据所述行为参数与所述预设行为规则的对比结果,对所述目标的状态进行判断。
9.一种计算机设备,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计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至5中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至5中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010533107.8A CN111860152A (zh) | 2020-06-12 | 2020-06-12 | 人员状态检测的方法、系统、设备和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010533107.8A CN111860152A (zh) | 2020-06-12 | 2020-06-12 | 人员状态检测的方法、系统、设备和计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111860152A true CN111860152A (zh) | 2020-10-30 |
Family
ID=72986083
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010533107.8A Pending CN111860152A (zh) | 2020-06-12 | 2020-06-12 | 人员状态检测的方法、系统、设备和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111860152A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112381002A (zh) * | 2020-11-16 | 2021-02-19 | 深圳技术大学 | 人体风险姿态识别方法及系统 |
CN112435003A (zh) * | 2020-11-19 | 2021-03-02 | 康佳集团股份有限公司 | 一种规范操作的控制方法、生产管理平台及存储介质 |
CN112883932A (zh) * | 2021-03-30 | 2021-06-01 | 中国工商银行股份有限公司 | 员工异常行为检测方法、装置及系统 |
CN113052049A (zh) * | 2021-03-18 | 2021-06-29 | 国网内蒙古东部电力有限公司 | 基于人工智能工装识别的离岗检测方法和装置 |
CN113392776A (zh) * | 2021-06-17 | 2021-09-14 | 深圳市千隼科技有限公司 | 一种结合座位信息和机器视觉的离开座位行为检测方法和存储设备 |
CN113435380A (zh) * | 2021-07-06 | 2021-09-24 | 北京市商汤科技开发有限公司 | 一种人岗匹配检测方法、装置、计算机设备及存储介质 |
CN113808209A (zh) * | 2021-09-23 | 2021-12-17 | 深圳市优必选科技股份有限公司 | 定位识别方法、装置、计算机设备及可读存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107545224A (zh) * | 2016-06-29 | 2018-01-05 | 珠海优特电力科技股份有限公司 | 变电站人员行为识别的方法及装置 |
CN107770491A (zh) * | 2017-10-11 | 2018-03-06 | 太原理工大学 | 基于机器视觉的煤矿井下人员异常轨迹检测系统和方法 |
CN107808502A (zh) * | 2017-10-27 | 2018-03-16 | 深圳极视角科技有限公司 | 一种图像检测报警方法及装置 |
CN107871345A (zh) * | 2017-09-18 | 2018-04-03 | 深圳市盛路物联通讯技术有限公司 | 信息处理方法及相关产品 |
WO2018133666A1 (zh) * | 2017-01-17 | 2018-07-26 | 腾讯科技(深圳)有限公司 | 视频目标跟踪方法和装置 |
CN110276261A (zh) * | 2019-05-23 | 2019-09-24 | 平安科技(深圳)有限公司 | 人员自动跟踪监控方法、装置、计算机设备及存储介质 |
CN111160195A (zh) * | 2019-12-23 | 2020-05-15 | 哈尔滨工程大学 | 一种基于多生物特征识别技术的船舶人员管理系统 |
-
2020
- 2020-06-12 CN CN202010533107.8A patent/CN111860152A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107545224A (zh) * | 2016-06-29 | 2018-01-05 | 珠海优特电力科技股份有限公司 | 变电站人员行为识别的方法及装置 |
WO2018133666A1 (zh) * | 2017-01-17 | 2018-07-26 | 腾讯科技(深圳)有限公司 | 视频目标跟踪方法和装置 |
CN107871345A (zh) * | 2017-09-18 | 2018-04-03 | 深圳市盛路物联通讯技术有限公司 | 信息处理方法及相关产品 |
CN107770491A (zh) * | 2017-10-11 | 2018-03-06 | 太原理工大学 | 基于机器视觉的煤矿井下人员异常轨迹检测系统和方法 |
CN107808502A (zh) * | 2017-10-27 | 2018-03-16 | 深圳极视角科技有限公司 | 一种图像检测报警方法及装置 |
CN110276261A (zh) * | 2019-05-23 | 2019-09-24 | 平安科技(深圳)有限公司 | 人员自动跟踪监控方法、装置、计算机设备及存储介质 |
CN111160195A (zh) * | 2019-12-23 | 2020-05-15 | 哈尔滨工程大学 | 一种基于多生物特征识别技术的船舶人员管理系统 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112381002A (zh) * | 2020-11-16 | 2021-02-19 | 深圳技术大学 | 人体风险姿态识别方法及系统 |
CN112381002B (zh) * | 2020-11-16 | 2023-08-15 | 深圳技术大学 | 人体风险姿态识别方法及系统 |
CN112435003A (zh) * | 2020-11-19 | 2021-03-02 | 康佳集团股份有限公司 | 一种规范操作的控制方法、生产管理平台及存储介质 |
CN113052049A (zh) * | 2021-03-18 | 2021-06-29 | 国网内蒙古东部电力有限公司 | 基于人工智能工装识别的离岗检测方法和装置 |
CN113052049B (zh) * | 2021-03-18 | 2023-12-19 | 国网内蒙古东部电力有限公司 | 基于人工智能工装识别的离岗检测方法和装置 |
CN112883932A (zh) * | 2021-03-30 | 2021-06-01 | 中国工商银行股份有限公司 | 员工异常行为检测方法、装置及系统 |
CN113392776A (zh) * | 2021-06-17 | 2021-09-14 | 深圳市千隼科技有限公司 | 一种结合座位信息和机器视觉的离开座位行为检测方法和存储设备 |
CN113392776B (zh) * | 2021-06-17 | 2022-07-12 | 深圳日海物联技术有限公司 | 一种结合座位信息和机器视觉的离开座位行为检测方法和存储设备 |
CN113435380A (zh) * | 2021-07-06 | 2021-09-24 | 北京市商汤科技开发有限公司 | 一种人岗匹配检测方法、装置、计算机设备及存储介质 |
WO2023279785A1 (zh) * | 2021-07-06 | 2023-01-12 | 上海商汤智能科技有限公司 | 人岗匹配检测方法、装置、计算机设备及存储介质 |
CN113808209A (zh) * | 2021-09-23 | 2021-12-17 | 深圳市优必选科技股份有限公司 | 定位识别方法、装置、计算机设备及可读存储介质 |
CN113808209B (zh) * | 2021-09-23 | 2024-01-19 | 深圳市优必选科技股份有限公司 | 定位识别方法、装置、计算机设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111860152A (zh) | 人员状态检测的方法、系统、设备和计算机设备 | |
CN110276261B (zh) | 人员自动跟踪监控方法、装置、计算机设备及存储介质 | |
CN109743541B (zh) | 智能监控方法、装置、计算机设备及存储介质 | |
KR101610657B1 (ko) | 출입통제 데이터를 기반으로 하는 3차원 공간정보 출입통제 및 방역 시스템 및 방법 | |
CN109658554B (zh) | 一种基于大数据的智能小区安防系统 | |
CN108009728B (zh) | 园区内的区域安全管理方法及系统 | |
CN110781750A (zh) | 危险人物监控处理方法、装置、计算机设备和存储介质 | |
CN104537746A (zh) | 智能电子门控制方法、系统及设备 | |
CN110738178A (zh) | 园区施工安全检测方法、装置、计算机设备及存储介质 | |
CN110245630A (zh) | 监控数据处理方法、装置及可读存储介质 | |
CN109784231B (zh) | 安防信息管理方法、装置及存储介质 | |
KR101894399B1 (ko) | 개인 정보 보호 기능을 포함한 모니터링 시스템 및 그 방법 | |
CN113343913A (zh) | 目标确定方法、装置、存储介质及计算机设备 | |
CN111985428A (zh) | 一种安全检测方法、装置、电子设备及存储介质 | |
CN110675582A (zh) | 一种自动报警方法及装置 | |
CN110782228A (zh) | 一种工作时长获得方法、装置、电子设备及存储介质 | |
CN111368619A (zh) | 可疑人员的检测方法、装置及设备 | |
KR20170013597A (ko) | 보안 강화 방법 및 보안 강화 장치 | |
CN112818758A (zh) | 电力施工现场的监测方法、系统、装置和存储介质 | |
CN111259813A (zh) | 人脸检测跟踪方法、装置、计算机设备和存储介质 | |
CN115346060A (zh) | 画面异常识别方法、装置、电子设备和存储介质 | |
CN115035668A (zh) | 一种基于视频监控的社区安防系统 | |
KR20170013596A (ko) | 안전 강화 방법 및 장치 | |
CN112115882A (zh) | 用户在线检测方法、装置、电子设备及存储介质 | |
KR20190072323A (ko) | 영상 감시 시스템 및 영상 감시방법 |
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 |