CN112149520A - 一种多目标管理方法、系统及装置 - Google Patents
一种多目标管理方法、系统及装置 Download PDFInfo
- Publication number
- CN112149520A CN112149520A CN202010915797.3A CN202010915797A CN112149520A CN 112149520 A CN112149520 A CN 112149520A CN 202010915797 A CN202010915797 A CN 202010915797A CN 112149520 A CN112149520 A CN 112149520A
- Authority
- CN
- China
- Prior art keywords
- target
- object group
- target objects
- image
- feature
- 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
-
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
-
- 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)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了一种多目标管理方法、系统及装置,其中,所述方法包括:获取当前时刻关于目标区域的至少一个图像;所述目标区域内包含至少两个目标对象,所述至少两个目标对象分属于至少一个对象组中的一个;对于每一个目标对象,基于所述至少一个图像,获取该目标对象的特征信息;基于所述特征信息,确定所述当前时刻时所述至少一个对象组中的每一个中的目标对象的个数是否满足预设条件。若是,获取下一时刻关于所述目标区域的至少一个图像,以确定所述下一时刻时所述至少一个对象组中的每一个中的目标对象的个数是否满足所述预设条件。进而达到对多个目标对象进行管理的效果。
Description
技术领域
本申请涉及目标对象管理领域,特别涉及一种多目标管理方法、系统及装置。
背景技术
近年来,在各式各样的场景下陆续出现需要对多个目标进行管理的情况。例如,对在押人员的管理中有一个互监组的监督要求,也就是在押人员以固定人数分成一组,称为一个互监组,一个互监组的人员必须时刻在一起。又例如,在户外活动场合中,不同种类的工作人员(礼仪人员、安保人员等)必须时刻在户外活动现场中执行各自的工作。由此,需要一种对多目标进行管理的方法。
发明内容
本申请实施例之一提供一种多目标管理方法。所述方法包括:获取当前时刻关于目标区域的至少一个图像;所述目标区域内包含至少两个目标对象,所述至少两个目标对象分属于至少一个对象组中的一个;对于每一个目标对象,基于所述至少一个图像,获取该目标对象的特征信息;基于所述特征信息,确定所述当前时刻时所述至少一个对象组中的每一个中的目标对象的个数是否满足预设条件。若是,获取下一时刻关于所述目标区域的至少一个图像,以确定所述下一时刻时所述至少一个对象组中的每一个中的目标对象的个数是否满足所述预设条件。
本申请实施例之一提供一种多目标管理系统。所述系统包括:第一获取模块,用于获取当前时刻关于目标区域的至少一个图像;所述目标区域内包含至少两个目标对象,所述至少两个目标对象分属于至少一个对象组中的一个;第二获取模块,用于对于每一个目标对象,基于所述至少一个图像,获取该目标对象的特征信息;第一确定模块,用于基于所述特征信息,确定所述当前时刻时所述至少一个对象组中的每一个中的目标对象的个数是否满足预设条件;若是,第二确定模块,用于获取下一时刻关于所述目标区域的至少一个图像,以确定所述下一时刻时所述至少一个对象组中的每一个中的目标对象的个数是否满足所述预设条件。
本申请实施例之一提供一种多目标管理装置。所述装置包括处理器以及存储器。所述存储器可以用于存储指令。所述指令被所述处理器执行时,导致所述装置实现如上所述的多目标管理方法。
本申请实施例之一提供一种计算机可读存储介质。所述存储介质可以存储计算机指令。当计算机读取存储介质中的计算机指令后,计算机可以运行如上所述的多目标管理方法。
附图说明
本申请将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本申请一些实施例所示的多目标管理系统的应用场景示意图;
图2是根据本申请一些实施例所示的多目标管理方法的示例性流程图;
图3是根据本申请一些实施例所示的获取特征信息并基于特征信息将目标对象进行匹配的方法的示例性流程图;
图4是根据本申请一些实施例所示的多目标管理系统的模块图。
具体实施方式
为了更清楚地说明本申请实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。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来讲,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它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模组”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本申请和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
目前,当需要对某个场景中分属于不同的类别的对象进行数量统计时,例如,对于场景内属于各个组别的人员进行数量统计以确定每个组别的人员个数是否符合要求时,可以通过人脸识别的方法对人员的数量进行统计。例如,通过人脸识别的方法来识别每一个人并确定属于同一组的人员的数量是否达标。但由于很多场景摄像头获取不到人脸,例如,该人物低着头,或者趴在桌子或面向墙壁,或者被遮挡物例如书籍挡住,导致无法确认该人物的身份,又或属于哪个组别。这将无法实现确定场景中不同类别所包含的对象的个数的目的,以至于无法实现对多个不同类别的对象进行管理的效果。
图1是根据本申请一些实施例所示的多目标管理方法的应用场景示意图。多目标管理系统100可以用于对目标区域内的目标数量进行管理。例如,多目标管理系统100可以获取目标区域中的视频和/或图像,并从这些视频和/或图像中获取目标区域中的每一个目标对象的特征信息。随后,多目标管理系统100可以基于这些特征信息确定在视频和/或图像获取的时刻,目标区域中的目标对象是否满足预设条件,例如,是否属于同一个类别的目标对象的个数符合规定。由此,达到对多个目标对象进行管理的效果。如图1所示,多目标管理系统100可以包含处理设备110、网络120、终端130。其中,处理设备110可包含处理器。
在一些实施例中,处理设备110可以用于数据处理。例如,处理设备110可以获取当前时刻关于目标区域的至少一个图像;所述目标区域内包含至少两个目标对象,所述至少两个目标对象分属于至少一个对象组中的一个。又例如,对于每一个目标对象,处理设备110可以基于所述至少一个图像,获取该目标对象的特征信息。还例如,处理设备110还可以基于所述特征信息,确定所述当前时刻时所述至少一个对象组中的每一个中的目标对象的个数是否满足预设条件。再例如,处理设备110可以在预设条件满足的情况下,获取下一时刻关于所述目标区域的至少一个图像,以确定所述下一时刻时所述至少一个对象组中的每一个中的目标对象的个数是否满足所述预设条件。在一些实施例中,处理设备110可以是独立的服务器或者服务器组。该服务器组可以是集中式的或者分布式的(如:处理设备110可以是分布系统)。在一些实施例中该处理设备110可以是区域的或者远程的。例如,处理设备110可通过网络访问存储于终端130中的信息和/或资料。在一些实施例中,处理设备110可直接与终端130直接连接以访问存储于其中的信息和/或资料。在一些实施例中,处理设备110可在云平台上执行。例如,该云平台可包括私有云、公共云、混合云、社区云、分散式云、内部云等中的一种或其任意组合。
在一些实施例中,处理设备110可包含处理器。该处理器可用以执行一个或多个本申请中描述的功能。在一些实施例中,处理器可包含一个或多个子处理设备(例如,单芯处理设备或多核多芯处理设备)。仅仅作为范例,处理器可包含中央处理器(CPU)、专用集成电路(ASIC)、专用指令处理器(ASIP)、图形处理器(GPU)、物理处理器(PPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编辑逻辑电路(PLD)、控制器、微控制器单元、精简指令集电脑(RISC)、微处理器等或以上任意组合。
网络120可促进数据和/或信息的交换,数据和/或信息可以包括终端130发送给处理设备110当前时刻目标区域的至少一个图像。在一些实施例中,多目标管理系统100中的一个或多个组件(处理设备110、终端130)可通过网络120发送数据和/或信息给多目标管理系统100中的其他组件。在一些实施例中,网络120可是任意类型的有线或无线网络。例如,网络120可包括有线网络、光纤网络、远程通信网络、内部网络、互联网、局域网(LAN)、广域网(WAN)、无线局域网(WLAN)、城域网(MAN)、广域网(WAN)、公共交换电话网络(PSTN)、蓝牙网络、紫蜂网络、近场通讯(NFC)网络、全球移动通讯系统(GSM)网络、码分多址(CDMA)网络、时分多址(TDMA)网络、通用分组无线服务(GPRS)网络、增强数据速率GSM演进(EDGE)网络、宽带码分多址接入(WCDMA)网络、高速下行分组接入(HSDPA)网络、长期演进(LTE)网络、用户数据报协议(UDP)网络、传输控制协议/互联网协议(TCP/IP)网络、短信息服务(SMS)网络、无线应用协议(WAP)网络、超宽带(UWB)网络、移动通信(1G、2G、3G、4G、5G)网络、Wi-Fi、Li-Fi、窄带物联网(NB-IoT)、红外通信等中的一种或多种组合。在一些实施例中,网络120可包括一个或多个网络进出点。例如,网络120可包含有线或无线网络进出点,如基站和/或网际网络交换点120-1、120-2、…,通过这些进出点,多目标管理系统100的一个或多个组件可连接到网络120上以交换数据和/或信息。
终端130可以包括用于获取目标区域140相关的视频和/或图像的成像设备,例如,摄像机或照相机。终端130可包括多个成像设备,例如,成像设备130-1、130-2、130-3等,可以协同的获取目标区域140相关的多个视频和/或图像。目标区域140内可以有至少一组目标对象。如图1所示,图1中的三角形标识和圆形标识分别表示了两个对象组,140-1以及140-2。对象组140-1以及140-2中的目标对象的数量可以是预先确定的,且同一对象组中的目标对象具有相同的特征,而不同对象组中的目标对象所具有的特征不同。例如,对象组140-1中包含有目标对象3例比如3人,每人穿有相同颜色比如红色的衣服。对象组140-2中包含有目标对象4例比如3人,每人穿有相同颜色比如黄色的衣服。在一些实施例中,终端130可以持续地、或间歇规律性地、或随机地获取目标区域140的视频和/或图像,以供后续处理。
在一些实施例中,终端130可以具有发送数据的功能,其可以将获取到目标区域140的视频和/或图像发送给处理设备110。在一些实施例中,终端130可以通过网络120将数据发送送给处理设备110。例如,终端130可以通过网络120将目标区域140的视频和/或图像发送给处理设备110。
图2是根据本申请一些实施例所示的多目标管理方法的示例性流程图。在一些实施例中,流程200可以由目标管理系统400,或图1所示的处理设备110实现。例如,流程200可以以程序或指令的形式存储在存储装置(如存储设备)中,所述程序或指令在被执行时,可以实现流程200。如图2所示,流程200可以包括以下步骤。
步骤202,获取当前时刻关于目标区域的至少一个图像,所述目标区域内包含至少两个目标对象。该步骤可由第一获取模块410执行。
在一些实施例中,所述目标区域可以是包括有需要管理(或监控)的至少两个目标对象的区域。所述目标对象可以具备有活动能力。例如,所述目标对象可以是人,可以在目标区域内走动。在一些实施例中,所述至少两个目标对象可以分属于至少一个对象组中的一个。所述对象组可以指具有相同特性/性质的目标对象所组成的一个组别。不同对象组中的目标对象所具有的特性/性质是不一样的。例如,属于同一个对象组的多个人所穿的衣服是相同款式的,而属于不同对象组的两人所穿的衣服是不同款式的。
作为示例,所述目标区域可以是在押人员可以活动的任意一个空间(例如,监狱内的大厅、走廊、食堂、宿舍、澡堂等)。所述目标对象可以是关押人员。关押人员在监管期间可以被管理以组成互监组。互监组中的关押人员的数目是固定的,例如,3人。且同一互监组中的人员必须同时在同一个空间中活动。由于互监组的存在,则对同一互监组中的人员进行管理是有必要的,需要监控属于同一组的在押人员是否在同一时刻在同时在一个空间中活动。
又例如,所述目标区域可以是举办的活动或展会的场地。场地中可以包括多个工作岗位的工作人员,例如礼仪人员、安保人员、服务人员等。所述目标对象则可以是分属于不同岗位的多个工作人员。由于时常会出现工作时间个别工作人员趁管理人员有事不在现场,私自离开工作岗位,未按照标准完成工作任务,却依旧领取了公司给予的报酬情况,通过对不同种类的工作人员人数于举办活动现场中进行管理及监控,可以确保举办活动现场中招聘来的不同种类的工作人员在工作时间中,处于各自的工作岗位中。
在一些实施例中,所述目标区域的至少一个图像可以是由一个或多个摄像装置(例如,终端130)获取。所述图像可以是由照相机所获取的图像,也可以是由摄像机所捕获的视频中的视频帧图像。第一获取模块410可以与这些摄像进行通信,例如通过网络120,以获取所述至少一个图像。在一些实施例中,通过摄像装置可以获取到当下时刻的目标区域图像,可以通过对当下时刻图像中的目标对象特征进行识别,确定每个对象组中的目标对象在当下时刻是否同时位于目标区域中。
步骤204,对于每一个目标对象,基于所述至少一个图像,获取该目标对象的特征信息。该步骤可由第二获取模块420执行。
在一些实施例中,所述目标对象的特征信息可以是用于表示目标对象本身特性/性质的数据。例如,作为目标对象的人员的高矮、胖瘦、所穿着的衣物的特点等。第二获取模块420可以通过对所述至少一个图像进行特征识别以获取目标对象的特征信息。
区别其他对象的信息,可以通过对存在至少一个目标对象的图像进行特征识别或其他处理,识别其中每一个目标对象的特征信息,依此确定每一个目标对象。
在一些实施例中,所述目标对象的特征信息可以包括目标对象的外置物的特征信息。所述位置物可以是所述目标对象穿着或佩戴的物品。例如,所述外置物可以是作为目标对象的人员的衣物,帽子、或佩戴物品。由此,所述目标对象的特征信息可以包括标对象的外置物的颜色特征、纹理特征、字符特征、或特征向量中的至少一个。所述颜色特征可以包括诸如衣物颜色,和/或衣物颜色对应的颜色特征。所述纹理特征可以包括诸如衣物纹理,和/或衣物纹理对应的纹理特征。所述字符特征可以包括诸如衣物上附带的字符,和/或字符对应字符特征。所述特征向量可以是表示所述外置物的隐形特征的向量。作为示例,第二获取模块420可以对目标区域的图像进行处理以识别出目标对象的外置物,例如,得到包含外置物的图像部分。随后,第二获取模块420可以利用特征提取算法,或用于特征提取的模型比如机器学习模型对这些包含外置物的图像部分进行处理,以得到所述目标对象的特征信息。关于获取目标对象的特征信息的其他描述可以参考本申请图3部分,在此不再赘述。
在一些实施例中,同一对象组中的目标对象的特征信息相互关联。所述相互关联可以是指同一对象组中的目标对象的特征信息相似,或者相同。例如,同一对象组中的目标对象所穿着的衣物为同一个颜色,或者衣物上的条纹或字符为同一种条纹或同一种字符。由于同一对象组中的目标对象的特征信息属于相似或者相同,可以通过对目标对象的特征信息进行识别后,确定若干个对象属于的对象组别,进而可以确定每个组别中的对象个数。
步骤206,基于所述特征信息,确定所述当前时刻时所述至少一个对象组中的每一个中的目标对象的个数是否满足预设条件。该步骤可以由第一确定模块430执行。
可以知道的是,当对目标区域内的对象进行管理时,都存在有一个前提。例如,对于在押人员所组成的互监组的情况,同一互监组中的人员必须同时在同一个空间中活动。因此,在同一时刻下同一互监组中的人员都必须出现在目标区域内。在这种情况下,所述预设条件则可以是对象组中的目标对象的个数与预定个数相同。比如,所述目标区域内有两个对象组(比如互监组A和互监组B)。每个对象组的预定个数是3个(比如互监组由3名在押人员组成)。则在当前时刻,在目标区域内的两个对象组中的目标对象的个数为3个可以被设定为每个对象组对应的预设条件。换句话说,所述预设条件可以所述对象组中的目标对象的个数与预定个数相同。又比如,对于举办活动的场地中有三类工作人员,包括礼仪工作人员、安保工作人员以及服务工作人员。对于这些工作人员可以有不同要求。比如礼仪工作人员和安保工作人员必须时刻在岗,而服务工作人员需要保持一定比例比如80%以上在岗。在这种情况下,所述预设条件可以是对象组中的目标对象的个数与预定个数相同,或超过预设个数的一定比例。例如,所述目标区域内有三个对象组(比如礼仪工作人员组、安保工作人员组和服务工作人员组)。每个对象组的预定个数分别是2个、5个以及10个。则在当前时刻,在目标区域内的两个对象组中的目标对象的个数为2个、或5个、或超过8个可以被设定为所述预设条件。换句话说,所述预设条件可以所述对象组中的目标对象的个数与预定个数相同,或超过预设个数的一定比例。
在一些实施例中,为了确定每个对象组中的目标对象的个数,第一确定模块430可以对每个目标对象的特征信息进行比对以进行匹配。具有相同或相似的特征信息的目标对象将别划分至同一个对象组中。在匹配完毕后,第一确定模块430可以对这些目标对象分属的对象组中所包含的目标对象的个数进行统计,以确定当前时刻下的每个对象组中的所含对象数是否符合预设条件。倘若得出的对象组中的对象数符合预设条件时,说明该对象组满足管理要求;若不符合时,则说明该对象组中有目标对象不满足管理要求,需要进行提醒或以其他候选管理的方法进行处理,例如,人工干预。据此,对若干个对象组中的多个目标对象进行管理。如图2所示,当所述当前时刻时所述至少一个对象组中的每一个中的目标对象的个数满足预设条件时,流程200可以行进至步骤208。否则,流程200可以行进至210。
关于确定当前时刻下的每个对象组中的所含目标对象的个数可以参考本申请图3部分,在此不作赘述。
步骤208,获取下一时刻关于所述目标区域的至少一个图像,以确定所述下一时刻时所述至少一个对象组中的每一个中的目标对象的个数是否满足所述预设条件。该步骤可以由第二确定模块440执行。
可以理解,若在当前时刻时,每一个对象组中的目标对象的个数均符合预设条件时,则说明当前时刻下的每个对象组均符合管理要求。由此,可以对下一时刻中这些对象组中的目标对象是否符合管理要求(下一时刻时所述至少一个对象组中的每一个中的目标对象的个数是否满足所述预设条件)进行确定。在一些实施例中,第二确定模块440可以获取下一时刻的目标区域图像,并执行步骤204-步骤206所述的方法,以确定下一时刻中的每一个对象组中的目标对象个数是否满足预设条件,进而确定中每个对象组中的目标对象是否符合管理要求。
在一些实施例中,处理设备110(或目标管理系统400)可以通过循环执行步骤202-步骤206,以确定每一时刻下每个对象组中的目标对象个数是否满足预设条件,进而对每个对象组中的目标对象的个数进行监控,达到管理的效果。步骤210,生成提醒信息并广播所述提醒信息。该步骤可以由提醒模块450执行。
在一些实施例中,若当前时刻下至少一个对象组中有一个或以上的对象组中的目标对象的个数不满足预设条件,说明个数不满足预设条件的一个或以上的对象组不符合管理要求。此时,提醒模块450可以生成提醒信息并广播提醒信息。所述提醒信息可以包括提示有对象组中的目标对象的个数不满足要求的信息,其可以以文字、声光、语音、视频中的至少一个或以上的组合形式呈现。提醒模块450可以通过广播所述提醒信息告知管理人员和/或多个对象组中的目标对象,有一个或多个目标对象不符合管理要求。由管理人员对这一个或多个目标对象进行管理、或由一个或多个对象组中的其他对象对不符合要求的目标对象进行提醒或警告。
应当注意的是,上述有关流程200的描述仅仅是为了示例和说明,而不限定本说明书的适用范围。对于本领域技术人员来说,在本说明书的指导下可以对流程200进行各种修正和改变。然而,这些修正和改变仍在本说明书的范围之内。
图3是根据本申请一些实施例所示的获取目标对象的特征信息并基于特征信息将目标对象进行匹配的方法的示例性流程图。在一些实施例中,流程300可以由目标管理系统400,或图1所示的处理设备110实现。例如,流程300可以以程序或指令的形式存储在存储装置(如存储设备)中,所述程序或指令在被执行时,可以实现流程300。如图3所示,流程300可以包括以下步骤。
步骤302,基于所述至少一个图像,获取包含所述目标对象的外置物的至少一个子图像。
在一些实施例中,所述子图像可以通过对关于目标区域的至少一个图像进行目标检测以确定。作为示例,第二获取模块420可以利用目标检测算法/模型比如R-CNN、Fast R-CNN、Faster R-CNN、R-FCN、YOLO、SSD、RetinaNet等处理关于目标区域的至少一个图像,从这些图像中将目标对象的外置物,或是包含了目标对象及其外置物检测出。例如,可以利用标识框比如矩形框将目标对象的外置物或是目标对象及其外置物在图像中表示出来。则所述矩形框中的部分图像则可以是所述包含目标对象的外置物的子图像。对于每一个目标对象,第二获取模块420都可以基于以上示例得到对应的包含该目标对象的外置物的至少一个子图像。
步骤304,利用特征提取算法、或训练好的用于特征提取的机器学习模型处理至少一个子图像,获取所述目标对象的特征信息。
在一些实施例中,所述特征提取算法可以包括但不限于是对图像特征进行提取的算法中的任意一种,例如,SIFT、HOG、LBP、SURF、ORB、HAAR等或其任意组合。第二获取模块420可以通过特征提取算法对每一个子图像进行特征提取,以获取到每一个子图像中所包含的目标对象的外置物的特征信息,例如颜色特征、字符特征或纹理特征中的至少一种,作为穿着或佩戴该外置物的目标对象的特征信息。
在一些实施例中,所述用于特征提取的机器学习模型可以包括深度神经网络。第二获取模块420可以通过深度神经网络模型对获取到的每一个子图像进行处理,以获取到每个子图像中所包含的目标对象的外置物的特征信息,例如,特征向量。在一些实施例中,深度神经网络模型可以是孪生网络模型。
孪生网络模型可以用于判断两张图像是否相同、相似或属于同一类别。例如,孪生网络可以得到输入的两张图像各子对应的特征向量,通过对比两个特征向量之间的差异例如距离,进而判断两张图像是否相同或相似。基于此,第二获取模块420可以将分别将两个目标对象的两个子图像输入至孪生网络,进而判断这两个目标对象是否属于同一组别。孪生网络模型的输入可以是包含有不同目标对象的外置物的两个子图像,模型的输出可以是这两个目标对象的外置物分别对应的特征向量,作为这两个目标对象的特征信息。通过孪生网络模型中预先设置的两个特征向量之间的距离阈值,在两个特征向量之间的距离小于距离阈值时,则说明该两个外置物相似或属于同一种类,进而说明穿戴这两个外置物的目标对象属于同一组别。由此,可以通过孪生网络模型确定任意两个目标对象是否属于同一组别,进而确定属于每一个对象组的目标对象。在使用孪生网络模型获取目标对象的特征信息时,其包括了对至少两个目标对象进行匹配的流程,可以后续直接执行步骤308。
步骤306,基于所述特征信息,对所述至少两个目标对象进行匹配,确定属于每一个对象组的目标对象。
在一些实施例中,第一确定模块430可以目标对象的特征信息进行比较以实现目标对象的匹配。例如,假定所述特征信息包括目标对象的外置物的颜色比如衣服颜色,第一确定模块430可以将具有同一种颜色的外置物对应的目标对象划分为同一个对象组。又例如,假定所述特征信息包括目标对象的外置物的纹理比如衣服条纹,第一确定模块430可以将具有同一种条纹的外置物对应的目标对象划分为同一个对象组。再例如,假定所述特征信息包括目标对象的外置物的字符比如衣服标志,第一确定模块430可以将具有同一种标志的外置物对应的目标对象划分为同一个对象组。还例如,假定所述特征信息包括目标对象的外置物的特征向量,第一确定模块430可以确定两个特征向量之间的距离,并将其与预设距离阈值做比较。当小于预设距离阈值时,则可以认为两个特征向量是相同或相似的,也就是说对应的两个目标对象属于同一对象组。
步骤308,对于一个对象组,确定该对象组中的目标对象的个数是否大于或等于对应于该对象组的预设个数。
在一些实施例中,出于目标对象管理的目的,需要保证在同一时刻下这些目标对象个数的稳定。例如,监狱中互监组的情况下需要每时每刻同一互监组的在押人员处于同一活动空间中,或是活动现场下个类服务人员必须保持一定的数量。因此,第一确定模块430可以基于步骤306确定的每一个对象组中的目标对象的个数,确定每个对象组中的目标对象的个数是否大于或等于每个对象组各自对应的预设个数,进而确定每个对象组中需要进行管理的目标对象是否达标,以达到对多个目标对象管理的效果。
应当注意的是,上述有关流程300的描述仅仅是为了示例和说明,而不限定本说明书的适用范围。对于本领域技术人员来说,在本说明书的指导下可以对流程300进行各种修正和改变。然而,这些修正和改变仍在本说明书的范围之内。
图4是根据本申请一些实施例所示的一种多目标管理系统的模块图。如图4所示,该多目标管理系统可以包括第一获取模块410、第二获取模块420、第一确定模块430、第二确定模块440以及提醒模块450。
第一获取模块410可以用于获取当前时刻关于目标区域的至少一个图像;所述目标区域内包含至少两个目标对象,所述至少两个目标对象分属于至少一个对象组中的一个。在一些实施例中,所述目标区域可以包括有需要管理(或监控)的至少两个目标对象的区域。所述目标对象可以具备有活动能力。例如,所述目标对象可以是人,可以在目标区域内走动。在一些实施例中,在一些实施例中,所述目标区域的至少一个图像可以是由一个或多个摄像装置(例如,终端130)获取。
第二获取模块420可以用于对于每一个目标对象,基于所述至少一个图像,获取该目标对象的特征信息。在一些实施例中,所述目标对象的特征信息可以是用于表示目标对象本身特性/性质的数据。例如,作为目标对象的人员的高矮、胖瘦、所穿着的衣物的特点等。在一些实施例中,所述目标对象的特征信息可以包括目标对象的外置物的特征信息。所述位置物可以是所述目标对象穿着或佩戴的物品。例如,所述外置物可以是作为目标对象的人员的衣物,帽子、或佩戴物品。由此,所述目标对象的特征信息可以包括标对象的外置物的颜色特征、纹理特征、字符特征、或特征向量中的至少一个。在一些实施例中,同一对象组中的目标对象的特征信息相互关联。所述相互关联可以是指同一对象组中的目标对象的特征信息相似,或者相同。
在一些实施例中,为获取目标对象的特征信息,第二获取模块420可以基于所述至少一个图像,获取包含所述目标对象的外置物的至少一个子图像。所述子图像可以通过对关于目标区域的至少一个图像进行目标检测以确定。作为示例,第二获取模块420可以利用目标检测算法/模型比如R-CNN、Fast R-CNN、Faster R-CNN、R-FCN、YOLO、SSD、RetinaNet等处理关于目标区域的至少一个图像,从这些图像中将目标对象的外置物,或是包含了目标对象及其外置物检测出。之后,第二获取模块420可以利用特征提取算法、或训练好的用于特征提取的机器学习模型处理至少一个子图像,获取所述目标对象的特征信息。所述特征提取算法可以包括但不限于是对图像特征进行提取的算法中的任意一种,例如,SIFT、HOG、LBP、SURF、ORB、HAAR等或其任意组合。第二获取模块420可以通过特征提取算法对每一个子图像进行特征提取,以获取到每一个子图像中所包含的目标对象的外置物的特征信息。所述用于特征提取的机器学习模型可以包括深度神经网络。第二获取模块420可以通过深度神经网络模型对获取到的每一个子图像进行处理,以获取到每个子图像中所包含的目标对象的外置物的特征信息,例如,特征向量。在一些实施例中,深度神经网络模型可以是孪生网络模型。
第一确定模块430可以用于基于所述特征信息,确定所述当前时刻时所述至少一个对象组中的每一个中的目标对象的个数是否满足预设条件。为了确定每个对象组中的目标对象的个数,第一确定模块430可以对每个目标对象的特征信息进行比对以进行匹配。具有相同或相似的特征信息的目标对象将别划分至同一个对象组中。在匹配完毕后,第一确定模块430可以对这些目标对象分属的对象组中所包含的目标对象的个数进行统计,以确定当前时刻下的每个对象组中的所含对象数是否符合预设条件。
在一些实施例中,第一确定模块430可以基于所述特征信息,对所述至少两个目标对象进行匹配,确定属于每一个对象组的目标对象。例如,第一确定模块430可以目标对象的特征信息进行比较以实现目标对象的匹配。例如,假定所述特征信息包括目标对象的外置物的颜色比如衣服颜色,第一确定模块430可以将具有同一种颜色的外置物对应的目标对象划分为同一个对象组。对于任一个对象组,第一确定模块430可以确定该对象组中的目标对象的个数是否大于或等于对应于该对象组的预设个数。第一确定模块430可以确定的每一个对象组中的目标对象的个数,确定每个对象组中的目标对象的个数是否大于或等于每个对象组各自对应的预设个数,进而确定每个对象组中需要进行管理的目标对象是否达标,以达到对多个目标对象管理的效果。
第二确定模块440可以用于在所述当前时刻时所述至少一个对象组中的每一个中的目标对象的个数满足预设条件时,获取下一时刻关于所述目标区域的至少一个图像,以确定所述下一时刻时所述至少一个对象组中的每一个中的目标对象的个数是否满足所述预设条件。若在当前时刻时,每一个对象组中的目标对象的个数均符合预设条件时,则说明当前时刻下的每个对象组均符合管理要求。
提醒模块450可以用于在所述当前时刻时所述至少一个对象组中的每一个中的目标对象的个数不满足预设条件时,生成提醒信息并广播所述提醒信息。若当前时刻下至少一个对象组中有一个或以上的对象组中的目标对象的个数不满足预设条件,说明个数不满足预设条件的一个或以上的对象组不符合管理要求。在一些实施例中,所述提醒信息可以包括提示有对象组中的目标对象的个数不满足要求的信息,其可以以文字、声光、语音、视频中的至少一个或以上的组合形式呈现。
关于多目标管理系统400的其他描述可以参考本说明书流程图部分,例如,图2及图3。
应当理解,图4所示的系统及其模块可以利用各种方式来实现。例如,在一些实施例中,系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中,硬件部分可以利用专用逻辑来实现;软件部分则可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用例如由各种类型的处理器所执行的软件实现,还可以由上述硬件电路和软件的结合(例如,固件)来实现。
需要注意的是,以上对于候选项显示、确定系统及其模块的描述,仅为描述方便,并不能把本申请限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子系统与其他模块连接。例如,图4中披露的第一获取模块410和第二获取模块420、第一确定模块430和第二确定模块440可以是一个系统中的不同模块,也可以是一个模块实现上述的两个或两个以上模块的功能。例如,第一获取模块410和第二获取模块420可以是两个模块用以获取不同的数据,也可以是集成为一个获取模块同时具有获取不同类型的数据的功能。又例如,各个模块可以共用一个存储模块,各个模块也可以分别具有各自的存储模块。诸如此类的变形,均在本申请的保护范围之内。
本申请实施例可能带来的有益效果包括但不限于:通过对每个目标具备的特征信息进行识别,确定每一个对象组中的目标对象的个数是否符合预设条件,进而达到对多个目标对象进行管理的效果。需要说明的是,不同实施例可能产生的有益效果不同,在不同的实施例里,可能产生的有益效果可以是以上任意一种或几种的组合,也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本申请的限定。虽然此处并没有明确说明,本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议,所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时,本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,本领域技术人员可以理解,本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的工序、机器、产品或物质的组合,或对他们的任何新的和有用的改进。相应地,本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外,本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品,该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号,例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式,包括电磁形式、光形式等,或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质,该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播,包括无线电、电缆、光纤电缆、RF、或类似介质,或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写,包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等,常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP,动态编程语言如Python、Ruby和Groovy,或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下,远程计算机可以通过任何网络形式与用户计算机连接,比如局域网(LAN)或广域网(WAN),或连接至外部计算机(例如通过因特网),或在云计算环境中,或作为服务使用如软件即服务(SaaS)。
此外,除非权利要求中明确说明,本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本申请披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本申请实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外,对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是,如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方,以本申请的描述、定义和/或术语的使用为准。
最后,应当理解的是,本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此,作为示例而非限制,本申请实施例的替代配置可视为与本申请的教导一致。相应地,本申请的实施例不仅限于本申请明确介绍和描述的实施例。
Claims (16)
1.一种多目标管理方法,其中,所述方法包括:
获取当前时刻关于目标区域的至少一个图像;所述目标区域内包含至少两个目标对象,所述至少两个目标对象分属于至少一个对象组中的一个;
对于每一个目标对象,基于所述至少一个图像,获取该目标对象的特征信息;
基于所述特征信息,确定所述当前时刻时所述至少一个对象组中的每一个中的目标对象的个数是否满足预设条件;
若是,获取下一时刻关于所述目标区域的至少一个图像,以确定所述下一时刻时所述至少一个对象组中的每一个中的目标对象的个数是否满足所述预设条件。
2.根据权利要求1所述的方法,其中,同一对象组中的目标对象的特征信息相互关联。
3.根据权利要求1所述的方法,其中,所述目标对象的特征信息包括所述目标对象的外置物的颜色特征、纹理特征、字符特征、或特征向量中的至少一个。
4.根据权利要求1所述的方法,其中,所述基于所述至少一个图像,获取目标对象的特征信息,包括:
基于所述至少一个图像,获取包含所述目标对象的外置物的至少一个子图像;
利用特征提取算法、或训练好的用于特征提取的机器学习模型处理所述至少一个子图像,获取所述目标对象的特征信息。
5.根据权利要求4所述的方法,其中,当目标对象的特征信息为所述目标对象的外置物的特征向量时,所述特征向量基于利用深度神经网络处理所述至少一个子图像确定,所述深度神经网络至少包括孪生神经网络。
6.根据权利要求4所述的方法,其中,对于每一个对象组,所述预设条件包括该对象组中的目标对象的个数大于或等于对应于该对象组的预设个数;所述确定所述至少一个对象组中的每一个中的目标对象的个数是否满足预设条件,包括:
基于所述特征信息,对所述至少两个目标对象进行匹配,确定属于每一个对象组的目标对象;
对于一个对象组,确定该对象组中的目标对象的个数是否大于或等于对应于该对象组的预设个数。
7.根据权利要求1所述的方法,其中,所述方法进一步包括:
若所述当前时刻时所述至少一个对象组中有一个或以上的对象组中的目标对象的个数不满足预设条件,生成提醒信息并广播所述提醒信息。
8.一种多目标管理系统,其中,所述系统包括:
第一获取模块,用于获取当前时刻关于目标区域的至少一个图像;所述目标区域内包含至少两个目标对象,所述至少两个目标对象分属于至少一个对象组中的一个;
第二获取模块,用于对于每一个目标对象,基于所述至少一个图像,获取该目标对象的特征信息;
第一确定模块,用于基于所述特征信息,确定所述当前时刻时所述至少一个对象组中的每一个中的目标对象的个数是否满足预设条件;若是,
第二确定模块,用于获取下一时刻关于所述目标区域的至少一个图像,以确定所述下一时刻时所述至少一个对象组中的每一个中的目标对象的个数是否满足所述预设条件。
9.根据权利要求8所述的系统,其中,同一对象组中的目标对象的特征信息相互关联。
10.根据权利要求8所述的系统,其中,所述目标对象的特征信息包括所述目标对象的外置物的颜色特征、纹理特征、字符特征、或特征向量中的至少一个。
11.根据权利要求8所述的系统,其中,为基于所述至少一个图像,获取目标对象的特征信息的步骤,所述第二获取模块用于:
基于所述至少一个图像,获取包含所述目标对象的外置物的至少一个子图像;
利用特征提取算法、或训练好的用于特征提取的机器学习模型处理所述至少一个子图像,获取所述目标对象的特征信息。
12.根据权利要求11所述的系统,其中,当目标对象的特征信息为所述目标对象的外置物的特征向量时,所述特征向量基于利用深度神经网络处理所述至少一个子图像确定,所述深度神经网络至少包括孪生神经网络。
13.根据权利要求11所述的系统,其中,对于每一个对象组,所述预设条件包括该对象组中的目标对象的个数大于或等于对应于该对象组的预设个数;为确定所述至少一个对象组中的每一个中的目标对象的个数是否满足预设条件的步骤,所述第一确定模块用于:
基于所述特征信息,对所述至少两个目标对象进行匹配,确定属于每一个对象组的目标对象;
对于一个对象组,确定该对象组中的目标对象的个数是否大于或等于对应于该对象组的预设个数。
14.根据权利要求8所述的系统,其中,所述系统进一步包括:
提醒模块,用于若所述当前时刻时所述至少一个对象组中有一个或以上的对象组中的目标对象的个数不满足预设条件,生成提醒信息并广播所述提醒信息。
15.一种多目标管理装置,其中,所述装置包括处理器以及存储器;所述存储器用于存储指令,其特征在于,所述指令被所述处理器执行时,导致所述装置实现用于执行如权利要求1~7中任意一项所述的多目标管理方法。
16.一种计算机可读存储介质,其中,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机运行如权利要求1~7中任意一项所述的多目标管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010915797.3A CN112149520B (zh) | 2020-09-03 | 2020-09-03 | 一种多目标管理方法、系统及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010915797.3A CN112149520B (zh) | 2020-09-03 | 2020-09-03 | 一种多目标管理方法、系统及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112149520A true CN112149520A (zh) | 2020-12-29 |
CN112149520B CN112149520B (zh) | 2023-05-09 |
Family
ID=73890644
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010915797.3A Active CN112149520B (zh) | 2020-09-03 | 2020-09-03 | 一种多目标管理方法、系统及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112149520B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101079109A (zh) * | 2007-06-26 | 2007-11-28 | 北京中星微电子有限公司 | 基于制服特征的身份识别方法和系统 |
CN106250874A (zh) * | 2016-08-16 | 2016-12-21 | 东方网力科技股份有限公司 | 一种服饰及随身物品的识别方法和装置 |
CN108647581A (zh) * | 2018-04-18 | 2018-10-12 | 深圳市商汤科技有限公司 | 信息处理方法、装置及存储介质 |
CN109769326A (zh) * | 2017-11-09 | 2019-05-17 | 杭州海康威视数字技术股份有限公司 | 一种追光方法、装置及设备 |
CN110213530A (zh) * | 2019-04-26 | 2019-09-06 | 视联动力信息技术股份有限公司 | 预警方法、装置及可读存储介质 |
CN110378189A (zh) * | 2019-04-22 | 2019-10-25 | 北京旷视科技有限公司 | 一种监控布置方法、装置、终端及存储介质 |
CN110991331A (zh) * | 2019-11-29 | 2020-04-10 | 上海眼控科技股份有限公司 | 施工现场的检测方法、装置、计算机设备和存储介质 |
CN111246177A (zh) * | 2020-01-23 | 2020-06-05 | 深圳市大拿科技有限公司 | 一种用户安全告警提示方法及系统 |
CN111291682A (zh) * | 2020-02-07 | 2020-06-16 | 浙江大华技术股份有限公司 | 确定目标对象的方法、装置、存储介质及电子装置 |
CN111354011A (zh) * | 2020-05-25 | 2020-06-30 | 江苏华丽智能科技股份有限公司 | 多运动目标信息捕获与跟踪系统及方法 |
CN111523346A (zh) * | 2019-02-01 | 2020-08-11 | 深圳市商汤科技有限公司 | 图像识别方法及装置、电子设备和存储介质 |
CN111597985A (zh) * | 2020-05-15 | 2020-08-28 | 全程(上海)智能科技有限公司 | 设备佩戴的动态识别方法、装置和电子设备 |
-
2020
- 2020-09-03 CN CN202010915797.3A patent/CN112149520B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101079109A (zh) * | 2007-06-26 | 2007-11-28 | 北京中星微电子有限公司 | 基于制服特征的身份识别方法和系统 |
CN106250874A (zh) * | 2016-08-16 | 2016-12-21 | 东方网力科技股份有限公司 | 一种服饰及随身物品的识别方法和装置 |
CN109769326A (zh) * | 2017-11-09 | 2019-05-17 | 杭州海康威视数字技术股份有限公司 | 一种追光方法、装置及设备 |
CN108647581A (zh) * | 2018-04-18 | 2018-10-12 | 深圳市商汤科技有限公司 | 信息处理方法、装置及存储介质 |
CN111523346A (zh) * | 2019-02-01 | 2020-08-11 | 深圳市商汤科技有限公司 | 图像识别方法及装置、电子设备和存储介质 |
CN110378189A (zh) * | 2019-04-22 | 2019-10-25 | 北京旷视科技有限公司 | 一种监控布置方法、装置、终端及存储介质 |
CN110213530A (zh) * | 2019-04-26 | 2019-09-06 | 视联动力信息技术股份有限公司 | 预警方法、装置及可读存储介质 |
CN110991331A (zh) * | 2019-11-29 | 2020-04-10 | 上海眼控科技股份有限公司 | 施工现场的检测方法、装置、计算机设备和存储介质 |
CN111246177A (zh) * | 2020-01-23 | 2020-06-05 | 深圳市大拿科技有限公司 | 一种用户安全告警提示方法及系统 |
CN111291682A (zh) * | 2020-02-07 | 2020-06-16 | 浙江大华技术股份有限公司 | 确定目标对象的方法、装置、存储介质及电子装置 |
CN111597985A (zh) * | 2020-05-15 | 2020-08-28 | 全程(上海)智能科技有限公司 | 设备佩戴的动态识别方法、装置和电子设备 |
CN111354011A (zh) * | 2020-05-25 | 2020-06-30 | 江苏华丽智能科技股份有限公司 | 多运动目标信息捕获与跟踪系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112149520B (zh) | 2023-05-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105913037A (zh) | 基于人脸识别与射频识别的监控跟踪系统 | |
CN109409377B (zh) | 图像中文字的检测方法及装置 | |
KR20150107579A (ko) | 화상 처리 장치 및 화상 처리 방법 | |
US9767387B2 (en) | Predicting accuracy of object recognition in a stitched image | |
CN109784274A (zh) | 识别尾随的方法及相关产品 | |
CN108229252A (zh) | 一种瞳孔定位方法及系统 | |
CN109766828A (zh) | 一种车辆目标分割方法、装置及通信设备 | |
CN111291682A (zh) | 确定目标对象的方法、装置、存储介质及电子装置 | |
CN108960048A (zh) | 一种基于大数据的用于景区失踪游客的搜索方法及系统 | |
CN111310727B (zh) | 对象检测方法及装置、存储介质、电子装置 | |
CN105095867A (zh) | 基于深度学习的快速动态人脸提取、识别方法 | |
WO2022121498A1 (zh) | 身份识别方法、模型训练方法、装置、设备和存储介质 | |
CN111666920A (zh) | 目标物品佩戴检测方法、装置、存储介质及电子装置 | |
US11990010B2 (en) | Methods and apparatuses for early warning of climbing behaviors, electronic devices and storage media | |
CN110781735A (zh) | 一种用于识别人员在岗状态的报警方法及系统 | |
CN111445442B (zh) | 基于神经网络的人群计数方法、装置、服务器及存储介质 | |
CN113989858A (zh) | 一种工作服识别方法及系统 | |
DE102020209054A1 (de) | Vorrichtung und verfahren zur personenerkennung, -verfolgung und -identifizierung unter verwendung drahtloser signale und bilder | |
CN108897899A (zh) | 一种对视频流的目标区域的定位方法及其装置 | |
Yuganthini et al. | Activity tracking of employees in industries using computer vision | |
CN110881141B (zh) | 视频展示方法和装置、存储介质及电子装置 | |
CN103984927B (zh) | 一种信息处理方法及电子设备 | |
CN108900895A (zh) | 一种对视频流的目标区域的屏蔽方法及其装置 | |
CN113743199A (zh) | 工装穿戴检测方法、装置、计算机设备和存储介质 | |
CN112149520A (zh) | 一种多目标管理方法、系统及装置 |
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 |