CN112183284B - 一种安全信息验证、代驾接单控制方法和装置 - Google Patents
一种安全信息验证、代驾接单控制方法和装置 Download PDFInfo
- Publication number
- CN112183284B CN112183284B CN202011001074.9A CN202011001074A CN112183284B CN 112183284 B CN112183284 B CN 112183284B CN 202011001074 A CN202011001074 A CN 202011001074A CN 112183284 B CN112183284 B CN 112183284B
- Authority
- CN
- China
- Prior art keywords
- user
- head portrait
- image
- face
- portrait image
- 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.)
- Active
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Collating Specific Patterns (AREA)
Abstract
本申请提供了一种安全信息验证、代驾接单控制方法和装置,其中,该方法包括:获取用户的头像图像;根据所述头像图像对所述用户进行身份识别,并根据所述头像图像确定所述用户是否佩戴目标装备;在确定用户身份识别通过且已佩戴目标装备的情况下,确定验证通过。通过上述方案解决了现有的认证系统中所存在的安全防控能力较弱的问题,达到了有效提高认证系统的安全防控能力,提升整个运营过程安全性的技术效果。
Description
技术领域
本申请属于安全识别技术领域,尤其涉及一种安全信息验证、代驾接单控制方法和装置。
背景技术
代驾行为的产生使得一些不方便的人群多了一点安全,例如:可以为醉酒者、无能力、无权限者提供车辆驾驶服务。目前,随着代驾行为的普及,人们在出行时候的安全问题也得到了越来越广泛的关注。
对代驾驾驶员的身份验证和安全验证,可以为车辆行驶中的司乘安全提供保证。
针对如何对代驾驾驶员进行身份和安全验证,目前尚未提出有效的解决方案。
发明内容
本申请目的在于提供一种安全信息验证、代驾接单控制方法和装置,可以实现对接单人员的身份识别和安全控制。
本申请提供一种安全信息验证、代驾接单控制方法和装置是这样实现的:
一种安全信息验证方法,所述方法包括:
获取用户的头像图像;
根据所述头像图像对所述用户进行身份识别,并根据所述头像图像确定所述用户是否佩戴目标装备;
在确定用户身份识别通过且已佩戴目标装备的情况下,确定验证通过。
在一个实施方式中,获取用户的头像图像包括:
接收用户的接单请求;
响应于所述接单请求,通过摄像头获取用户的头像图像;
相应的,在确定验证通过后,通过用户的接单请求。
在一个实施方式中,所述头像图像为一帧数据,或者,连续多帧数据组成的视频;
在一个实施方式中,根据所述头像图像对所述用户进行身份识别,并根据所述头像图像确定所述用户是否佩戴目标装备,包括:
从所述头像图像中识别出人脸目标框;
将人脸目标框中的图像区域与人脸数据库中的图像进行匹配,以确定在人脸数据库中是否有该用户的人脸信息;
从所述头像图像中识别出目标设备,并确定佩戴目标设备的用户的位置区域;
确定所述人脸目标框中的图像区域与所述位置区域的重叠度;
如果重叠度超出第一预设阈值,则确定人脸目标框中的用户与所述位置区域中的用户为同一用户。
在一个实施方式中,从所述头像图像中识别出目标设备,并确定佩戴目标设备的用户的位置区域,包括:
通过预先训练的深度卷积神经网络,从所述头像图像中识别出目标设备,并确定佩戴目标设备的用户的位置区域,其中,所述深度卷积神经网络对同一用户的训练样本是多张不同距离的佩戴目标设备的图片。
在一个实施方式中,将人脸目标框中的图像区域与人脸数据库中的图像进行匹配,以确定在人脸数据库中是否有该用户的人脸信息,包括:
通过人脸匹配算法,将人脸目标框中的图像区域与人脸数据库中的图像进行匹配,以生成匹配阈值;
如果在人脸数据库中存在与人脸目标框中的图像区域匹配度超出第二预设阈值的图像,则确定所述用户身份识别通过,并返回该用户的身份信息。
在一个实施方式中,根据所述头像图像对所述用户进行身份识别,并根据所述头像图像确定所述用户是否佩戴目标装备之后,还包括:
确定用户身份识别未通过的情况下,返回第一信息,其中,所述第一信息用于指示用户身份信息未入库;
确定用户未佩戴目标设备的情况下,返回第二信息,其中,所述第二信息用于指示用户未佩戴目标设备。
在一个实施方式中,所述目标设备为头盔。
另一方面,提供了一种代驾接单控制方法,包括:
接收用户的代驾接单请求;
响应于所述代驾接单请求,获取用户的头像图像;
根据所述头像图像对所述用户进行身份识别,并根据所述头像图像确定所述用户是否佩戴头盔;
在确定用户身份识别通过且已佩戴头盔的情况下,通过用户的代驾接单请求。
又一方面,提供了一种安全信息验证装置,包括:
获取模块,用于获取用户的头像图像;
识别确认模块,用于根据所述头像图像对所述用户进行身份识别,并根据所述头像图像确定所述用户是否佩戴目标装备;
确定模块,用于在确定用户身份识别通过且已佩戴目标装备的情况下,确定验证通过。
又一方面,提供了一种代驾接单控制装置,包括:
接收模块,用于接收用户的代驾接单请求;
获取模块,用于响应于所述代驾接单请求,获取用户的头像图像;
识别模块,用于根据所述头像图像对所述用户进行身份识别,并根据所述头像图像确定所述用户是否佩戴头盔;
通过模块,用于在确定用户身份识别通过且已佩戴头盔的情况下,通过用户的代驾接单请求。
又一方面,提供了一种终端设备,包括处理器以及用于存储处理器可执行指令的存储器,所述处理器执行所述指令时实现如下方法的步骤:
获取用户的头像图像;
根据所述头像图像对所述用户进行身份识别,并根据所述头像图像确定所述用户是否佩戴目标装备;
在确定用户身份识别通过且已佩戴目标装备的情况下,确定验证通过。
又一方面,提供了一种计算机可读存储介质,其上存储有计算机指令,所述指令被执行时实现如下方法的步骤:
获取用户的头像图像;
根据所述头像图像对所述用户进行身份识别,并根据所述头像图像确定所述用户是否佩戴目标装备;
在确定用户身份识别通过且已佩戴目标装备的情况下,确定验证通过。
本申请提供的安全信息验证、代驾接单控制方法和装置,获取用户的头像图像;根据所述头像图像对所述用户进行身份识别,并根据所述头像图像确定所述用户是否佩戴目标装备;在确定用户身份识别通过且已佩戴目标装备的情况下,确定验证通过。即,不仅对用户进行身份识别,还确定用户是否佩戴需要佩戴的设备,只有身份识别通过且佩戴了需要佩戴的设备,才能验证通过,即提供了双认证的认证方式,从而解决了现有的认证系统中所存在的安全防控能力较弱的问题,达到了有效提高认证系统的安全防控能力,提升整个运营过程安全性的技术效果。
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简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,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是本申请提供的安全信息验证方法一种实施例的方法流程图;
图2是本申请提供的人脸识别和安全头盔检测系统的架构图;
图3是本申请提供的计算机终端的一种实施例的模型结构示意图;
图4是本申请提供的安全信息验证装置一种实施例的模块结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案,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,所描述的实施例仅仅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,都应当属于本申请保护的范围。
针对现有的认证派单系统所存在的安全性较低的问题,例如,代驾系统,一般是有订单过来后,用户点击接单就可以触发进行接单,这就存在接单的其实不是系统登记的人员,且有些代驾情况下,是需要佩戴安全设备的,例如:安全头盔等。
为了可以保证接单人员的准确性和安全性,在本例中,提供了一种安全信息验证方法,通过安全设备检测和人脸识别双重认证方式来控制接单。
图1是本申请所述一种安全信息验证方法一个实施例的方法流程图。虽然本申请提供了如下述实施例或附图所示的方法操作步骤或装置结构,但基于常规或者无需创造性的劳动在所述方法或装置中可以包括更多或者更少的操作步骤或模块单元。在逻辑性上不存在必要因果关系的步骤或结构中,这些步骤的执行顺序或装置的模块结构不限于本申请实施例描述及附图所示的执行顺序或模块结构。所述的方法或模块结构的在实际中的装置或终端产品应用时,可以按照实施例或者附图所示的方法或模块结构连接进行顺序执行或者并行执行(例如并行处理器或者多线程处理的环境,甚至分布式处理环境)。
具体的,如图1所示,本申请一种实施例提供的一种安全信息验证方法可以包括:
步骤101:获取用户的头像图像;
其中,获取用户的头像图像可以是接收用户的接单请求,响应于所述接单请求,通过摄像头获取用户的头像图像;相应的,在确定验证通过后,通过用户的接单请求。
举例而言,用户A打算接单,点击接单按钮后,可以自动触发开启设备的摄像头,以获取用户A的头像图像,然后,对用户进行验证,如果验证通过就可以为用户A派单,如果未验证通过,那么就拒绝用户A的接单申请。
为了可以提升识别准确率和验证准确率,上述头像图像可以是连续多帧数据组成的视频,当然在实际实现的时候,也可以是一帧图像。
步骤102:根据所述头像图像对所述用户进行身份识别,并根据所述头像图像确定所述用户是否佩戴目标装备;
在本例中,对用户进行安全验证的时候,采用的是双认证的方式,即,不仅对用户的身份信息进行验证,还要对用户是否佩戴目标装备进行验证,只有身份信息验证通过且确定已佩戴目标装备,才确定验证通过。
具体的,在根据所述头像图像对所述用户进行身份识别,并根据所述头像图像确定所述用户是否佩戴目标装备的时候,可以是从头像图像中识别出人脸目标框;将人脸目标框中的图像区域与人脸数据库中的图像进行匹配,以确定在人脸数据库中是否有该用户的人脸信息;从所述头像图像中识别出目标设备,并确定佩戴目标设备的用户的位置区域;确定所述人脸目标框中的图像区域与所述位置区域的重叠度;如果重叠度超出第一预设阈值,则确定人脸目标框中的用户与所述位置区域中的用户为同一用户。即,进行人脸识别,并保留人脸识别的目标框,进行目标设备识别,并保留目标设备的位置区域,然后将两者进行重叠度计算,从而可以保证人脸识别和目标设备识别的对象是同一个人,避免出错。
步骤103:在确定用户身份识别通过且已佩戴目标装备的情况下,确定验证通过。
以代驾接单系统为例,将人脸识别模块返回的人脸信息与安全头盔检测模块返回的安全头盔佩戴人员目标信息做双重检测判定。首先将人脸匹配信息的检测框与安全头盔检测模块返回的检测框做IOU重叠度计算,如果IOU>=0.2,则可以保证人脸检测信息与安全头盔检测信息达成匹配。其次,进行双重判定,判定如下:
1)如果该人脸信息即人员姓名包含在系统被检测人员库的名单,且IOU>=0.2,则确认被检测代驾驾驶员符合安全接单标准,接单系统开启。
2)如果该人脸信息即人员姓名包含在系统被检测人员库的名单,且IOU<0.2,则被检测驾驶员不符合进入安全接单标准,接单系统保持关闭,并开启语音提醒“为保障司乘安全,请佩戴安全头盔!”。
3)如果该人脸信息即人员姓名显示“未知人员”,则被检测代价驾驶员不符合进入接单标准,接单系统保持关闭。
在上例中,获取用户的头像图像;根据所述头像图像对所述用户进行身份识别,并根据所述头像图像确定所述用户是否佩戴目标装备;在确定用户身份识别通过且已佩戴目标装备的情况下,确定验证通过。即,不仅对用户进行身份识别,还确定用户是否佩戴需要佩戴的设备,只有身份识别通过且佩戴了需要佩戴的设备,才能验证通过,即提供了双认证的认证方式,从而解决了现有的认证系统中所存在的安全防控能力较弱的问题,达到了有效提高认证系统的安全防控能力,提升整个运营过程安全性的技术效果。
具体的,上述从头像图像中识别出目标设备,并确定佩戴目标设备的用户的位置区域,可以是通过预先训练的深度卷积神经网络,从头像图像中识别出目标设备,并确定佩戴目标设备的用户的位置区域,其中,深度卷积神经网络对同一用户的训练样本是多张不同距离的佩戴目标设备的图片。
以代驾接单场景为例,该深度卷积神经网络可以是按照如下方式训练得到的:首先,通过代驾驾驶员手机的前置摄像头采集图像,将拉取到的摄像头的图片进行标注。具体的,标注内容可以包括:是否戴安全头盔(包含人员的人脸区域和安全头盔区域),标注内容目标框的中心点坐标,目标框的宽度和高度,标注要求目标框将人脸信息与安全头盔信息包含完整。
在标注完成后,将标注数据输入到深度卷积神经网络中进行训练,输入为图片,首先,可以将图片转换成卷积神经网络的输入,经过卷积层提取出头盔的位置信息和人脸的位置信息,将这两个维度的信息输入到全卷积特征提取器,根据置信度大小对结果进行回归得到最终预测结果。在训练完成后,可以根据模型检测目标的准确度,选择模型损失最小即准确率最高的模型作为安全头盔检测输出模型。
为了提升检测模型的准确度,在输入训练图片之前,可以对输入图片进行预处理,例如,可以将图片进行缩小拼接,比如将2-4张图片拼接到一张图片中,通过这种方式可以减少在实际安全头盔检测过程中因为被检测者距离摄像头较远导致目标较小而难以检测的问题。
在实现的时候,将人脸目标框中的图像区域与人脸数据库中的图像进行匹配,以确定在人脸数据库中是否有该用户的人脸信息,可以包括:通过人脸匹配算法,将人脸目标框中的图像区域与人脸数据库中的图像进行匹配,以生成匹配阈值;如果在人脸数据库中存在与人脸目标框中的图像区域匹配度超出第二预设阈值的图像,则确定所述用户身份识别通过,并返回该用户的身份信息。
例如,可以将人脸检测模块检测到的人脸目标框输入进入人脸识别模块,通过人脸匹配算法,将待检测人脸信息与人脸识别模块系统库中的人脸信息进行匹配计算,设置匹配阈值face_match_threshold,低于该阈值的人脸信息显示为匹配成功,返回人脸匹配姓名和人脸目标框位置信息;高于该阈值的人脸信息未匹配成功,显示为“未知人员”,例如,上述face_match_threshold可以取值为13,以便得到较好的匹配效果。
在根据所述头像图像对所述用户进行身份识别,并根据所述头像图像确定所述用户是否佩戴目标装备之后,如果确定用户身份识别未通过的情况下,则返回第一信息,其中,所述第一信息用于指示用户身份信息未入库;如果确定用户未佩戴目标设备的情况下,则返回第二信息,其中,第二信息用于指示用户未佩戴目标设备。
上述目标设备可以但不限于是头盔。
将上述安全信息验证方法应用在代驾接单系统,可以采用如下步骤执行:
S1:接收用户的代驾接单请求;
S2:响应于所述代驾接单请求,获取用户的头像图像;
S3:根据所述头像图像对所述用户进行身份识别,并根据所述头像图像确定所述用户是否佩戴头盔;
S4:在确定用户身份识别通过且已佩戴头盔的情况下,通过用户的代驾接单请求。
下面结合一个具体实施例对上述方法进行说明,然而,值得注意的是,该具体实施例仅是为了更好地说明本申请,并不构成对本申请的不当限定。
在本例中,提供了一种基于深度学习的代驾驾驶员人脸识别与安全头盔检测的双重认证预接单系统,通过对代驾驾驶员接单前的实时自拍图像进行处理,进行两个模型的检测,第一个模型检测出摄像头采集视频中的人脸区域并且通过匹配算法返回人脸对应的驾驶员姓名,第二个模型检测驾驶员是否佩戴安全头盔;当第一个模型返回的驾驶员信息在数据库中,且第二个模型检测出已佩戴安全头盔,则接单系统开启,否则不予开启,从而可以实现自动识别代驾驾驶人员信息与检测佩戴安全头盔的功能,可以营造良好的代驾司乘安全环境。
其中,人脸识别和安全头盔检测系统可以如图2所示,包括:手机摄像头模块,人脸检测模块,人脸识别模块和安全头盔识别模块。
首先,通过代驾驾驶员手机摄像头模块(例如前置摄像头)采集图像,将拉取到的摄像头的图片进行标注。具体的,标注内容可以是:是否佩戴安全头盔(包含人员的人脸区域和安全头盔区域),目标框的中心点坐标,目标框的宽度和高度,在标注的时候,需要确定目标框将人脸信息与安全头盔信息包含完整。
在标注完成后,可以将标注数据输入到深度卷积神经网络中进行训练,输入为图片,首先将图片转换成卷积神经网络的输入,经过卷积层提取出维度信息,将维度信息输入到全卷积特征提取器中,每一个特征层输出一个预测结果,根据置信度大小对结果进行回归得到最终预测结果。在训练完成后,可以测试模型检测目标的准确率,选择模型损失最小即准确率最高的模型作为安全头盔检测输出模型。具体的,在模型训练的时候,可以在输入训练图片之前对输入数据进行预处理,主要包括将图片进行缩小拼接(例如:将2-4张图片拼接到一张图片中),这个操作可以减少在实际安全头盔检测过程中因为被检测者距离摄像头较远导致目标较小而难以检测的问题。
针对训练好的安全头盔检测模型,将视频流输入到安全头盔检测模块中,就可以返回安全头盔佩戴人员的位置,具体的,置信度信息可以表示为[label,conf,x_min,y_min,x_max,y_max],其中,label表示头盔类别,conf表示置信度,后四位表示目标检测框坐标。
人脸检测模块,可以将检测到的人脸目标框信息返回给人脸识别模块,即[image_id,label,conf,x_min,y_min,x_max,y_max],其中,image_id表示图片帧序号,conf表示置信度,后四位表示目标检测框坐标。
人脸识别模块中,将所有被检测人员的人脸采集信息放入一个主文件夹中,每一个被检测人员在主文件夹下有一个以姓名命名的子文件夹,每个子文件夹中包含该被检测人员的人脸采集信息,每个被检测人员包含2-4张人脸采集图片。将人脸检测模块检测到的人脸目标框输入至人脸识别模块,通过人脸匹配算法,将待检测人脸信息与人脸识别模块系统库的主文件夹中的人脸信息进行匹配计算,设置匹配阈值face_match_threshold,低于该阈值的人脸信息显示为匹配成功,返回人脸匹配姓名,人脸目标框位置信息;高于该阈值的人脸信息未匹配成功,显示为“未知人员”。其中,face_match_threshold可以取值为13,以得到较好的匹配效果。
进一步的,可以将人脸识别模块返回的人脸信息与安全头盔检测模块返回的安全头盔佩戴人员目标信息做双重检测判定。首先,将人脸匹配信息的检测框box_face与安全头盔检测模块返回的检测框box_helmet做IOU重叠度计算,经过大量实际场景测试,如果IOU>=0.2,则可以保证人脸检测信息与安全头盔检测信息达成匹配。其次,进行双重判定,判定如下:
1)如果该人脸信息即人员姓名包含在系统被检测人员库的名单,且IOU>=0.2,则确认被检测代驾驾驶员符合安全接单标准,接单系统开启。
2)如果该人脸信息即人员姓名包含在系统被检测人员库的名单,且IOU<0.2,则被检测驾驶员不符合进入安全接单标准,接单系统保持关闭,并开启语音提醒“为保障司乘安全,请佩戴安全头盔!”。
3)如果该人脸信息即人员姓名显示“未知人员”,则被检测代价驾驶员不符合进入接单标准,接单系统保持关闭。
在上例中,将身份识别和安全识别与代驾接单系统进行联动,通过深度学习的方法检测出驾驶人员的身份信息以及代驾驾驶员是否佩戴安全头盔,对于已佩戴安全头盔和身份信息认证过的人员,接单系统开启,否则不予开启。通过这种方式可以有效杜绝代驾驾驶人员不佩戴安全头盔的行为,另一方面,避免了未经安全认证的代驾人员违规接单的行为的发生。
本申请上述实施例所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在计算机终端上为例,图3是本发明实施例的一种安全信息验证方法的计算机终端的硬件结构框图。如图3所示,计算机终端10可以包括一个或多个(图中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器104、以及用于通信功能的传输模块106。本领域普通技术人员可以理解,图3所示的结构仅为示意,其并不对上述电子装置的结构造成限定。例如,计算机终端10还可包括比图3中所示更多或者更少的组件,或者具有与图3所示不同的配置。
存储器104可用于存储应用软件的软件程序以及模块,如本发明实施例中的安全信息验证方法对应的程序指令/模块,处理器102通过运行存储在存储器104内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述的安全信息验证方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至计算机终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输模块106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端10的通信供应商提供的无线网络。在一个实例中,传输模块106包括一个网络适配器(Network Interface Controller,NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输模块106可以为射频(Radio Frequency,RF)模块,其用于通过无线方式与互联网进行通讯。
在软件层面,上述安全信息验证装置可以如图4所示,包括:
获取模块401,用于获取用户的头像图像;
识别模块402,用于根据所述头像图像对所述用户进行身份识别,并根据所述头像图像确定所述用户是否佩戴目标装备;
确定模块403,用于在确定用户身份识别通过且已佩戴目标装备的情况下,确定验证通过。
在一个实施方式中,上述获取模块401可以包括:接收单元,用于接收用户的接单请求;获取单元,用于响应于所述接单请求,通过摄像头获取用户的头像图像;相应的,在确定验证通过后,通过用户的接单请求。
在一个实施方式中,上述头像图像为一帧数据,或者,连续多帧数据组成的视频。
在一个实施方式中,上述识别模块402可以包括:第一识别单元,用于从所述头像图像中识别出人脸目标框;匹配单元,用于将人脸目标框中的图像区域与人脸数据库中的图像进行匹配,以确定在人脸数据库中是否有该用户的人脸信息;第二识别单元,用于从所述头像图像中识别出目标设备,并确定佩戴目标设备的用户的位置区域;第一确定单元,用于确定所述人脸目标框中的图像区域与所述位置区域的重叠度;第二确定单元,用于在确定重叠度超出第一预设阈值的情况下,确定人脸目标框中的用户与所述位置区域中的用户为同一用户。
在一个试试方式中,上述第二识别单元具体可以通过预先训练的深度卷积神经网络,从所述头像图像中识别出目标设备,并确定佩戴目标设备的用户的位置区域,其中,所述深度卷积神经网络对同一用户的训练样本是多张不同距离的佩戴目标设备的图片。
在一个实施方式中,上述匹配单元具体可以通过人脸匹配算法,将人脸目标框中的图像区域与人脸数据库中的图像进行匹配,以生成匹配阈值;如果在人脸数据库中存在与人脸目标框中的图像区域匹配度超出第二预设阈值的图像,则确定所述用户身份识别通过,并返回该用户的身份信息。
在一个实施方式中,根据所述头像图像对所述用户进行身份识别,并根据所述头像图像确定所述用户是否佩戴目标装备之后,可以确定用户身份识别未通过的情况下,返回第一信息,其中,所述第一信息用于指示用户身份信息未入库;确定用户未佩戴目标设备的情况下,返回第二信息,其中,所述第二信息用于指示用户未佩戴目标设备。
在一个实施方式中,上述目标设备为头盔。
本申请的实施例还提供能够实现上述实施例中的安全信息验证方法中全部步骤的一种电子设备的具体实施方式,所述电子设备具体包括如下内容:处理器(processor)、存储器(memory)、通信接口(Communications Interface)和总线;其中,所述处理器、存储器、通信接口通过所述总线完成相互间的通信;所述处理器用于调用所述存储器中的计算机程序,所述处理器执行所述计算机程序时实现上述实施例中的安全信息验证方法中的全部步骤,例如,所述处理器执行所述计算机程序时实现下述步骤:
步骤1:获取用户的头像图像;
步骤2:根据所述头像图像对所述用户进行身份识别,并根据所述头像图像确定所述用户是否佩戴目标装备;
步骤3:在确定用户身份识别通过且已佩戴目标装备的情况下,确定验证通过。
从上述描述可知,本申请实施例获取用户的头像图像;根据所述头像图像对所述用户进行身份识别,并根据所述头像图像确定所述用户是否佩戴目标装备;在确定用户身份识别通过且已佩戴目标装备的情况下,确定验证通过。即,不仅对用户进行身份识别,还确定用户是否佩戴需要佩戴的设备,只有身份识别通过且佩戴了需要佩戴的设备,才能验证通过,即提供了双认证的认证方式,从而解决了现有的认证系统中所存在的安全防控能力较弱的问题,达到了有效提高认证系统的安全防控能力,提升整个运营过程安全性的技术效果。
本申请的实施例还提供能够实现上述实施例中的安全信息验证方法中全部步骤的一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述实施例中的安全信息验证方法的全部步骤,例如,所述处理器执行所述计算机程序时实现下述步骤:
步骤1:获取用户的头像图像;
步骤2:根据所述头像图像对所述用户进行身份识别,并根据所述头像图像确定所述用户是否佩戴目标装备;
步骤3:在确定用户身份识别通过且已佩戴目标装备的情况下,确定验证通过。
从上述描述可知,本申请实施例获取用户的头像图像;根据所述头像图像对所述用户进行身份识别,并根据所述头像图像确定所述用户是否佩戴目标装备;在确定用户身份识别通过且已佩戴目标装备的情况下,确定验证通过。即,不仅对用户进行身份识别,还确定用户是否佩戴需要佩戴的设备,只有身份识别通过且佩戴了需要佩戴的设备,才能验证通过,即提供了双认证的认证方式,从而解决了现有的认证系统中所存在的安全防控能力较弱的问题,达到了有效提高认证系统的安全防控能力,提升整个运营过程安全性的技术效果。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于硬件+程序类实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
虽然本申请提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的装置或客户端产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、车载人机交互设备、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
虽然本说明书实施例提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的装置或终端产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境,甚至为分布式数据处理环境)。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、产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、产品或者设备所固有的要素。在没有更多限制的情况下,并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。
为了描述的方便,描述以上装置时以功能分为各种模块分别描述。当然,在实施本说明书实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现,也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
本领域技术人员应明白,本说明书的实施例可提供为方法、系统或计算机程序产品。因此,本说明书实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本说明书实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书实施例,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书实施例的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
以上所述仅为本说明书实施例的实施例而已,并不用于限制本说明书实施例。对于本领域技术人员来说,本说明书实施例可以有各种更改和变化。凡在本说明书实施例的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书实施例的权利要求范围之内。
Claims (12)
1.一种安全信息验证方法,其特征在于,所述方法包括:
获取用户的头像图像;
根据所述头像图像对所述用户进行身份识别,并根据所述头像图像确定所述用户是否佩戴目标装备;
在确定用户身份识别通过且已佩戴目标装备的情况下,确定验证通过;
其中,根据所述头像图像对所述用户进行身份识别,并根据所述头像图像确定所述用户是否佩戴目标装备,包括:
从所述头像图像中识别出人脸目标框;
将人脸目标框中的图像区域与人脸数据库中的图像进行匹配,以确定在人脸数据库中是否有该用户的人脸信息;
从所述头像图像中识别出目标设备,并确定佩戴目标设备的用户的位置区域;
确定所述人脸目标框中的图像区域与所述位置区域的重叠度;
如果重叠度超出第一预设阈值,则确定人脸目标框中的用户与所述位置区域中的用户为同一用户。
2.根据权利要求1所述的方法,其特征在于,获取用户的头像图像包括:
接收用户的接单请求;
响应于所述接单请求,通过摄像头获取用户的头像图像;
相应的,在确定验证通过后,通过用户的接单请求。
3.根据权利要求2所述的方法,其特征在于,所述头像图像为一帧数据,或者,连续多帧数据组成的视频。
4.根据权利要求1所述的方法,其特征在于,从所述头像图像中识别出目标设备,并确定佩戴目标设备的用户的位置区域,包括:
通过预先训练的深度卷积神经网络,从所述头像图像中识别出目标设备,并确定佩戴目标设备的用户的位置区域,其中,所述深度卷积神经网络对同一用户的训练样本是多张不同距离的佩戴目标设备的图片。
5.根据权利要求1所述的方法,其特征在于,将人脸目标框中的图像区域与人脸数据库中的图像进行匹配,以确定在人脸数据库中是否有该用户的人脸信息,包括:
通过人脸匹配算法,将人脸目标框中的图像区域与人脸数据库中的图像进行匹配,以生成匹配阈值;
如果在人脸数据库中存在与人脸目标框中的图像区域匹配度超出第二预设阈值的图像,则确定所述用户身份识别通过,并返回该用户的身份信息。
6.根据权利要求1所述的方法,其特征在于,根据所述头像图像对所述用户进行身份识别,并根据所述头像图像确定所述用户是否佩戴目标装备之后,还包括:
确定用户身份识别未通过的情况下,返回第一信息,其中,所述第一信息用于指示用户身份信息未入库;
确定用户未佩戴目标设备的情况下,返回第二信息,其中,所述第二信息用于指示用户未佩戴目标设备。
7.根据权利要求1至6中任一项所述的方法,其特征在于,所述目标设备为头盔。
8.一种代驾接单控制方法,其特征在于,包括:
接收用户的代驾接单请求;
响应于所述代驾接单请求,获取用户的头像图像;
根据所述头像图像对所述用户进行身份识别,并根据所述头像图像确定所述用户是否佩戴头盔;
在确定用户身份识别通过且已佩戴头盔的情况下,通过用户的代驾接单请求;
其中,根据所述头像图像对所述用户进行身份识别,并根据所述头像图像确定所述用户是否佩戴头盔,包括:
从所述头像图像中识别出人脸目标框;
将人脸目标框中的图像区域与人脸数据库中的图像进行匹配,以确定在人脸数据库中是否有该用户的人脸信息;
从所述头像图像中识别出头盔,并确定佩戴头盔的用户的位置区域;
确定所述人脸目标框中的图像区域与所述位置区域的重叠度;
如果重叠度超出第一预设阈值,则确定人脸目标框中的用户与所述位置区域中的用户为同一用户。
9.一种安全信息验证装置,其特征在于,包括:
获取模块,用于获取用户的头像图像;
识别确认模块,用于根据所述头像图像对所述用户进行身份识别,并根据所述头像图像确定所述用户是否佩戴目标装备;
确定模块,用于在确定用户身份识别通过且已佩戴目标装备的情况下,确定验证通过;
其中,根据所述头像图像对所述用户进行身份识别,并根据所述头像图像确定所述用户是否佩戴目标装备,包括:
从所述头像图像中识别出人脸目标框;
将人脸目标框中的图像区域与人脸数据库中的图像进行匹配,以确定在人脸数据库中是否有该用户的人脸信息;
从所述头像图像中识别出目标设备,并确定佩戴目标设备的用户的位置区域;
确定所述人脸目标框中的图像区域与所述位置区域的重叠度;
如果重叠度超出第一预设阈值,则确定人脸目标框中的用户与所述位置区域中的用户为同一用户。
10.一种代驾接单控制装置,其特征在于,包括:
接收模块,用于接收用户的代驾接单请求;
获取模块,用于响应于所述代驾接单请求,获取用户的头像图像;
识别模块,用于根据所述头像图像对所述用户进行身份识别,并根据所述头像图像确定所述用户是否佩戴头盔;
通过模块,用于在确定用户身份识别通过且已佩戴头盔的情况下,通过用户的代驾接单请求;
其中,根据所述头像图像对所述用户进行身份识别,并根据所述头像图像确定所述用户是否佩戴头盔,包括:
从所述头像图像中识别出人脸目标框;
将人脸目标框中的图像区域与人脸数据库中的图像进行匹配,以确定在人脸数据库中是否有该用户的人脸信息;
从所述头像图像中识别出头盔,并确定佩戴头盔的用户的位置区域;
确定所述人脸目标框中的图像区域与所述位置区域的重叠度;
如果重叠度超出第一预设阈值,则确定人脸目标框中的用户与所述位置区域中的用户为同一用户。
11.一种终端设备,包括处理器以及用于存储处理器可执行指令的存储器,所述处理器执行所述指令时实现如下方法的步骤:
获取用户的头像图像;
根据所述头像图像对所述用户进行身份识别,并根据所述头像图像确定所述用户是否佩戴目标装备;
在确定用户身份识别通过且已佩戴目标装备的情况下,确定验证通过;
其中,根据所述头像图像对所述用户进行身份识别,并根据所述头像图像确定所述用户是否佩戴目标装备,包括:
从所述头像图像中识别出人脸目标框;
将人脸目标框中的图像区域与人脸数据库中的图像进行匹配,以确定在人脸数据库中是否有该用户的人脸信息;
从所述头像图像中识别出目标设备,并确定佩戴目标设备的用户的位置区域;
确定所述人脸目标框中的图像区域与所述位置区域的重叠度;
如果重叠度超出第一预设阈值,则确定人脸目标框中的用户与所述位置区域中的用户为同一用户。
12.一种计算机可读存储介质,其上存储有计算机指令,所述指令被执行时实现如下方法的步骤:
获取用户的头像图像;
根据所述头像图像对所述用户进行身份识别,并根据所述头像图像确定所述用户是否佩戴目标装备;
在确定用户身份识别通过且已佩戴目标装备的情况下,确定验证通过;
其中,根据所述头像图像对所述用户进行身份识别,并根据所述头像图像确定所述用户是否佩戴头盔,包括:
从所述头像图像中识别出人脸目标框;
将人脸目标框中的图像区域与人脸数据库中的图像进行匹配,以确定在人脸数据库中是否有该用户的人脸信息;
从所述头像图像中识别出头盔,并确定佩戴头盔的用户的位置区域;
确定所述人脸目标框中的图像区域与所述位置区域的重叠度;
如果重叠度超出第一预设阈值,则确定人脸目标框中的用户与所述位置区域中的用户为同一用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011001074.9A CN112183284B (zh) | 2020-09-22 | 2020-09-22 | 一种安全信息验证、代驾接单控制方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011001074.9A CN112183284B (zh) | 2020-09-22 | 2020-09-22 | 一种安全信息验证、代驾接单控制方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112183284A CN112183284A (zh) | 2021-01-05 |
CN112183284B true CN112183284B (zh) | 2022-09-23 |
Family
ID=73956761
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011001074.9A Active CN112183284B (zh) | 2020-09-22 | 2020-09-22 | 一种安全信息验证、代驾接单控制方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112183284B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113436250A (zh) * | 2021-06-15 | 2021-09-24 | 恒大新能源汽车投资控股集团有限公司 | 一种安全带锁扣调节方法和装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108510090A (zh) * | 2017-02-24 | 2018-09-07 | 北京嘀嘀无限科技发展有限公司 | 一种接单司机身份的确定方法及装置 |
CN109003367A (zh) * | 2018-07-18 | 2018-12-14 | 上海小蚁科技有限公司 | 门禁的控制方法及装置、存储介质、终端 |
CN109697430A (zh) * | 2018-12-28 | 2019-04-30 | 成都思晗科技股份有限公司 | 基于图像识别的工作区域安全帽佩戴的检测方法 |
CN110533811A (zh) * | 2019-08-28 | 2019-12-03 | 深圳市万睿智能科技有限公司 | 基于ssd实现安全帽检查的方法及装置与系统和存储介质 |
CN110781833A (zh) * | 2019-10-28 | 2020-02-11 | 杭州宇泛智能科技有限公司 | 一种认证方法、装置及电子设备 |
CN111598040A (zh) * | 2020-05-25 | 2020-08-28 | 中建三局第二建设工程有限责任公司 | 一种建筑工人身份识别及安全帽佩戴检测方法及系统 |
-
2020
- 2020-09-22 CN CN202011001074.9A patent/CN112183284B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108510090A (zh) * | 2017-02-24 | 2018-09-07 | 北京嘀嘀无限科技发展有限公司 | 一种接单司机身份的确定方法及装置 |
CN109003367A (zh) * | 2018-07-18 | 2018-12-14 | 上海小蚁科技有限公司 | 门禁的控制方法及装置、存储介质、终端 |
CN109697430A (zh) * | 2018-12-28 | 2019-04-30 | 成都思晗科技股份有限公司 | 基于图像识别的工作区域安全帽佩戴的检测方法 |
CN110533811A (zh) * | 2019-08-28 | 2019-12-03 | 深圳市万睿智能科技有限公司 | 基于ssd实现安全帽检查的方法及装置与系统和存储介质 |
CN110781833A (zh) * | 2019-10-28 | 2020-02-11 | 杭州宇泛智能科技有限公司 | 一种认证方法、装置及电子设备 |
CN111598040A (zh) * | 2020-05-25 | 2020-08-28 | 中建三局第二建设工程有限责任公司 | 一种建筑工人身份识别及安全帽佩戴检测方法及系统 |
Non-Patent Citations (4)
Title |
---|
02.滴滴代驾服务规范解读之外观形象标准-2018标准版;优酷;《优酷》;20180911;全文 * |
e代驾上线人脸识别系统 司机"刷脸"即可验证身份;网易科技报道;《网易科技报道》;20161013;全文 * |
HELMET VIOLATION DETECTION USING DEEP LEARNING;Sri Uthra V,et al;《International Research Journal of Engineering and Technology (IRJET)》;20200229;全文 * |
滴滴开展"一盔一带"守护行动,代驾头盔已100%佩戴;新浪财经;《百家号》;20200604;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112183284A (zh) | 2021-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111310562B (zh) | 基于人工智能的车辆驾驶风险管控方法及其相关设备 | |
AU2020309090B2 (en) | Image processing methods and apparatuses, electronic devices, and storage media | |
CN109920174B (zh) | 图书借阅方法、装置、电子设备及存储介质 | |
CN110163096B (zh) | 人物识别方法、装置、电子设备和计算机可读介质 | |
CN109766755B (zh) | 人脸识别方法及相关产品 | |
CN107622246B (zh) | 人脸识别方法及相关产品 | |
CN102945366A (zh) | 一种人脸识别的方法及装置 | |
CN108197318A (zh) | 人脸识别方法、装置、机器人及存储介质 | |
US11514605B2 (en) | Computer automated interactive activity recognition based on keypoint detection | |
CN109948450A (zh) | 一种基于图像的用户行为检测方法、装置和存储介质 | |
CN108154103A (zh) | 检测推广信息显著性的方法、装置、设备和计算机存储介质 | |
CN111597910A (zh) | 一种人脸识别方法、装置、终端设备及介质 | |
CN112908325B (zh) | 语音交互方法、装置、电子设备及存储介质 | |
CN112233428B (zh) | 车流量预测方法、装置、存储介质及设备 | |
CN112492605A (zh) | 物联网移动基站的网络安全防护方法及系统 | |
CN111738199B (zh) | 图像信息验证方法、装置、计算装置和介质 | |
CN108319916A (zh) | 人脸识别方法、装置、机器人及存储介质 | |
CN114187561A (zh) | 异常行为的识别方法、装置、终端设备及存储介质 | |
CN112183284B (zh) | 一种安全信息验证、代驾接单控制方法和装置 | |
CN108197608A (zh) | 人脸识别方法、装置、机器人及存储介质 | |
CN111881740A (zh) | 人脸识别方法、装置、电子设备及介质 | |
CN111783677B (zh) | 人脸识别方法、装置、服务器和计算机可读介质 | |
CN111274602B (zh) | 一种图像特征信息替换方法、装置、设备及介质 | |
CN114360015A (zh) | 活体检测方法、装置、设备及存储介质 | |
CN113536914A (zh) | 一种对象跟踪识别方法、系统、设备及介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |