CN112381058A - 基于行人重识别的黑白名单管控方法及设备 - Google Patents
基于行人重识别的黑白名单管控方法及设备 Download PDFInfo
- Publication number
- CN112381058A CN112381058A CN202011402177.6A CN202011402177A CN112381058A CN 112381058 A CN112381058 A CN 112381058A CN 202011402177 A CN202011402177 A CN 202011402177A CN 112381058 A CN112381058 A CN 112381058A
- Authority
- CN
- China
- Prior art keywords
- pedestrian
- black
- target
- white list
- image data
- 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 75
- 238000001514 detection method Methods 0.000 claims abstract description 27
- 238000013136 deep learning model Methods 0.000 claims description 16
- 238000000605 extraction Methods 0.000 claims description 14
- 238000012544 monitoring process Methods 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 abstract description 4
- 238000013135 deep learning Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (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)
- Image Analysis (AREA)
Abstract
本发明实施例提供了一种基于行人重识别的黑白名单管控方法及设备。所述方法包括：采集待识别的行人图像数据，对所述待识别的行人图像数据进行行人检测，得到第一目标行人；对第一目标行人进行特征提取，并根据提取的特征构建行人信息库，根据所述行人信息库构建黑白名单行人信息库，采集第二目标行人的图像数据，采用行人重识别模式及所述黑白名单行人信息库，对所述第二目标行人的图像数据进行识别。本发明实施例提供的基于行人重识别的黑白名单管控方法及设备，较好的解决了人脸识别中因目标过小、拍摄不清楚导致识别异常的问题，丰富了人脸识别中目标抓拍属性的多样性，可以在面部遮挡较严的情形下对行人进行识别。
Description
技术领域
本发明实施例涉及模式识别技术领域，尤其涉及一种基于行人重识别的黑白名单管控方法及设备。
背景技术
人脸识别受目标图像的分辨率、视角、目标的远近以及场景因素的影响很大，受限于视频监控探头的安装高度及密度，实际情况中拍到的更多的是行人的头顶、后脑勺或者侧脸。其次，即便拍到人脸，也可能是模糊不清的，影响了布控的效果。因此，开发一种基于行人重识别的黑白名单管控方法及设备，可以有效克服上述相关技术中的缺陷，就成为业界亟待解决的技术问题。
发明内容
针对现有技术存在的上述问题，本发明实施例提供了一种基于行人重识别的黑白名单管控方法及设备。
第一方面，本发明的实施例提供了一种基于行人重识别的黑白名单管控方法，包括：采集待识别的行人图像数据，对所述待识别的行人图像数据进行行人检测，得到第一目标行人；对第一目标行人进行特征提取，并根据提取的特征构建行人信息库，根据所述行人信息库构建黑白名单行人信息库，采集第二目标行人的图像数据，采用行人重识别模式及所述黑白名单行人信息库，对所述第二目标行人的图像数据进行识别。
在上述方法实施例内容的基础上，本发明实施例中提供的基于行人重识别的黑白名单管控方法，所述对所述待识别的行人图像数据进行行人检测，得到第一目标行人，包括：加载待识别的行人图像数据，加载已训练好的针对行人目标检测的第一深度学习模型，采用第一深度学习模型对待识别数据进行检测。
在上述方法实施例内容的基础上，本发明实施例中提供的基于行人重识别的黑白名单管控方法，所述对第一目标行人进行特征提取，包括：加载检测到的第一目标行人，加载已训练好的针对行人特征提取的第二深度学习模型，采用第二深度学习模型提取第一目标行人的特征信息。
在上述方法实施例内容的基础上，本发明实施例中提供的基于行人重识别的黑白名单管控方法，所述并根据提取的特征构建行人信息库，包括：构建分布式文件存储空间，将所述第一目标行人的特征信息存入所述分布式文件存储空间，得到行人信息库。
在上述方法实施例内容的基础上，本发明实施例中提供的基于行人重识别的黑白名单管控方法，所述根据所述行人信息库构建黑白名单行人信息库，包括：获取白名单行人信息和黑名单行人信息，将所述白名单行人信息和黑名单行人信息均与人脸进行关联，根据白名单行人信息和黑名单行人信息，分别建立关联人脸信息的黑名单行人信息库和白名单行人信息库。
在上述方法实施例内容的基础上，本发明实施例中提供的基于行人重识别的黑白名单管控方法，所述采集第二目标行人的图像数据，包括：通过上传本地图片或者本地视频文件采集第二目标行人的图像数据；或者，通过监控摄像头的实时视频数据采集第二目标行人的图像数据；或者，通过监控摄像头历史录像数据进行采集。
在上述方法实施例内容的基础上，本发明实施例中提供的基于行人重识别的黑白名单管控方法，所述采用行人重识别模式及所述黑白名单行人信息库，对所述第二目标行人的图像数据进行识别，包括：加载第二目标行人的图像数据，根据所述第二目标行人的图像数据进行目标检测，对检测出的第二目标行人数据进行特征提取，将提取出来的行人特征与黑白名单信息库中的数据进行比对，若对比成功则进行预警，若对比失败，则对人脸进行比对，人脸对比成功则进行预警，并将第二目标行人数据写入行人信息库。
第二方面，本发明的实施例提供了一种基于行人重识别的黑白名单管控装置，包括：
目标行人模块，用于采集待识别的行人图像数据，对所述待识别的行人图像数据进行行人检测，得到第一目标行人；管控模块，用于对第一目标行人进行特征提取，并根据提取的特征构建行人信息库，根据所述行人信息库构建黑白名单行人信息库，采集第二目标行人的图像数据，采用行人重识别模式及所述黑白名单行人信息库，对所述第二目标行人的图像数据进行识别。
第三方面，本发明的实施例提供了一种电子设备，包括：
至少一个处理器；以及
与处理器通信连接的至少一个存储器，其中：
存储器存储有可被处理器执行的程序指令，处理器调用程序指令能够执行第一方面的各种实现方式中任一种实现方式所提供的基于行人重识别的黑白名单管控方法。
第四方面，本发明的实施例提供了一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储计算机指令，计算机指令使计算机执行第一方面的各种实现方式中任一种实现方式所提供的基于行人重识别的黑白名单管控方法。
本发明实施例提供的基于行人重识别的黑白名单管控方法及设备，通过基于深度学习的行人目标检测模型，支持小目标检测和远距离行人目标检测，较好的解决了人脸识别中因目标过小、拍摄不清楚导致识别异常的问题，采用基于深度学习的行人特征提取模型，多维度的对行人属性、行人特征进行提取，丰富了人脸识别中目标抓拍属性的多样性，可以在面部遮挡较严的情形下对行人进行识别。
附图说明
为了更清楚地说明本发明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做一简单的介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的基于行人重识别的黑白名单管控方法流程图；
图2为本发明实施例提供的基于行人重识别的黑白名单管控装置结构示意图；
图3为本发明实施例提供的电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。另外，本发明提供的各个实施例或单个实施例中的技术特征可以相互任意结合，以形成可行的技术方案，这种结合不受步骤先后次序和/或结构组成模式的约束，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时，应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
本发明实施例提供了一种基于行人重识别的黑白名单管控方法，参见图1，该方法包括：采集待识别的行人图像数据，对所述待识别的行人图像数据进行行人检测，得到第一目标行人；对第一目标行人进行特征提取，并根据提取的特征构建行人信息库，根据所述行人信息库构建黑白名单行人信息库，采集第二目标行人的图像数据，采用行人重识别模式及所述黑白名单行人信息库，对所述第二目标行人的图像数据进行识别。其中，采集待识别的行人图像数据包括：通过采集本地图片或者本地视频文件，作为离线待识别数据；通过采集监控摄像头实时视频数据，作为实时待识别数据；通过采集监控摄像头历史录像数据，作为录像待识别数据。
基于上述方法实施例的内容，作为一种可选的实施例，本发明实施例中提供的基于行人重识别的黑白名单管控方法，所述对所述待识别的行人图像数据进行行人检测，得到第一目标行人，包括：加载待识别的行人图像数据，加载已训练好的针对行人目标检测的第一深度学习模型，采用第一深度学习模型对待识别数据进行检测。
基于上述方法实施例的内容，作为一种可选的实施例，本发明实施例中提供的基于行人重识别的黑白名单管控方法，所述对第一目标行人进行特征提取，包括：加载检测到的第一目标行人，加载已训练好的针对行人特征提取的第二深度学习模型，采用第二深度学习模型提取第一目标行人的特征信息。
基于上述方法实施例的内容，作为一种可选的实施例，本发明实施例中提供的基于行人重识别的黑白名单管控方法，所述并根据提取的特征构建行人信息库，包括：构建分布式文件存储空间，将所述第一目标行人的特征信息存入所述分布式文件存储空间，得到行人信息库。
基于上述方法实施例的内容，作为一种可选的实施例，本发明实施例中提供的基于行人重识别的黑白名单管控方法，所述根据所述行人信息库构建黑白名单行人信息库，包括：获取白名单行人信息和黑名单行人信息，将所述白名单行人信息和黑名单行人信息均与人脸进行关联，根据白名单行人信息和黑名单行人信息，分别建立关联人脸信息的黑名单行人信息库和白名单行人信息库。
基于上述方法实施例的内容，作为一种可选的实施例，本发明实施例中提供的基于行人重识别的黑白名单管控方法，所述采集第二目标行人的图像数据，包括：通过上传本地图片或者本地视频文件采集第二目标行人的图像数据；或者，通过监控摄像头的实时视频数据采集第二目标行人的图像数据；或者，通过监控摄像头历史录像数据进行采集。
基于上述方法实施例的内容，作为一种可选的实施例，本发明实施例中提供的基于行人重识别的黑白名单管控方法，所述采用行人重识别模式及所述黑白名单行人信息库，对所述第二目标行人的图像数据进行识别，包括：加载第二目标行人的图像数据，根据所述第二目标行人的图像数据进行目标检测，对检测出的第二目标行人数据进行特征提取，将提取出来的行人特征与黑白名单信息库中的数据进行比对，若对比成功则进行预警，若对比失败，则对人脸进行比对，人脸对比成功则进行预警，并将第二目标行人数据写入行人信息库。
本发明实施例提供的基于行人重识别的黑白名单管控方法，通过基于深度学习的行人目标检测模型，支持小目标检测和远距离行人目标检测，较好的解决了人脸识别中因目标过小、拍摄不清楚导致识别异常的问题，采用基于深度学习的行人特征提取模型，多维度的对行人属性、行人特征进行提取，丰富了人脸识别中目标抓拍属性的多样性，可以在面部遮挡较严的情形下对行人进行识别。
本发明各个实施例的实现基础是通过具有处理器功能的设备进行程序化的处理实现的。因此在工程实际中，可以将本发明各个实施例的技术方案及其功能封装成各种模块。基于这种现实情况，在上述各实施例的基础上，本发明的实施例提供了一种基于行人重识别的黑白名单管控装置，该装置用于执行上述方法实施例中的基于行人重识别的黑白名单管控方法。参见图2，该装置包括：目标行人模块，用于采集待识别的行人图像数据，对所述待识别的行人图像数据进行行人检测，得到第一目标行人；管控模块，用于对第一目标行人进行特征提取，并根据提取的特征构建行人信息库，根据所述行人信息库构建黑白名单行人信息库，采集第二目标行人的图像数据，采用行人重识别模式及所述黑白名单行人信息库，对所述第二目标行人的图像数据进行识别。
本发明实施例提供的基于行人重识别的黑白名单管控装置，采用图2中的各种模块，通过基于深度学习的行人目标检测模型，支持小目标检测和远距离行人目标检测，较好的解决了人脸识别中因目标过小、拍摄不清楚导致识别异常的问题，采用基于深度学习的行人特征提取模型，多维度的对行人属性、行人特征进行提取，丰富了人脸识别中目标抓拍属性的多样性，可以在面部遮挡较严的情形下对行人进行识别。
需要说明的是，本发明提供的装置实施例中的装置，除了可以用于实现上述方法实施例中的方法外，还可以用于实现本发明提供的其他方法实施例中的方法，区别仅仅在于设置相应的功能模块，其原理与本发明提供的上述装置实施例的原理基本相同，只要本领域技术人员在上述装置实施例的基础上，参考其他方法实施例中的具体技术方案，通过组合技术特征获得相应的技术手段，以及由这些技术手段构成的技术方案，在保证技术方案具备实用性的前提下，就可以对上述装置实施例中的装置进行改进，从而得到相应的装置类实施例，用于实现其他方法类实施例中的方法。例如：
基于上述装置实施例的内容，作为一种可选的实施例，本发明实施例中提供的基于行人重识别的黑白名单管控装置，还包括：第二模块，用于加载待识别的行人图像数据，加载已训练好的针对行人目标检测的第一深度学习模型，采用第一深度学习模型对待识别数据进行检测。
基于上述装置实施例的内容，作为一种可选的实施例，本发明实施例中提供的基于行人重识别的黑白名单管控装置，还包括：第三模块，用于加载检测到的第一目标行人，加载已训练好的针对行人特征提取的第二深度学习模型，采用第二深度学习模型提取第一目标行人的特征信息。
基于上述装置实施例的内容，作为一种可选的实施例，本发明实施例中提供的基于行人重识别的黑白名单管控装置，还包括：第四模块，用于构建分布式文件存储空间，将所述第一目标行人的特征信息存入所述分布式文件存储空间，得到行人信息库。
基于上述装置实施例的内容，作为一种可选的实施例，本发明实施例中提供的基于行人重识别的黑白名单管控装置，还包括：第五模块，用于获取白名单行人信息和黑名单行人信息，将所述白名单行人信息和黑名单行人信息均与人脸进行关联，根据白名单行人信息和黑名单行人信息，分别建立关联人脸信息的黑名单行人信息库和白名单行人信息库。
基于上述装置实施例的内容，作为一种可选的实施例，本发明实施例中提供的基于行人重识别的黑白名单管控装置，还包括：第六模块，用于通过上传本地图片或者本地视频文件采集第二目标行人的图像数据；或者，通过监控摄像头的实时视频数据采集第二目标行人的图像数据；或者，通过监控摄像头历史录像数据进行采集。
基于上述装置实施例的内容，作为一种可选的实施例，本发明实施例中提供的基于行人重识别的黑白名单管控装置，还包括：第七模块，用于加载第二目标行人的图像数据，根据所述第二目标行人的图像数据进行目标检测，对检测出的第二目标行人数据进行特征提取，将提取出来的行人特征与黑白名单信息库中的数据进行比对，若对比成功则进行预警，若对比失败，则对人脸进行比对，人脸对比成功则进行预警，并将第二目标行人数据写入行人信息库。
本发明实施例的方法是依托电子设备实现的，因此对相关的电子设备有必要做一下介绍。基于此目的，本发明的实施例提供了一种电子设备，如图3所示，该电子设备包括：至少一个处理器(processor)301、通信接口(Communications Interface)304、至少一个存储器(memory)302和通信总线303，其中，至少一个处理器301，通信接口304，至少一个存储器302通过通信总线303完成相互间的通信。至少一个处理器301可以调用至少一个存储器302中的逻辑指令，以执行前述各个方法实施例提供的方法的全部或部分步骤。
此外，上述的至少一个存储器302中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个方法实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。基于这种认识，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
在本专利中，术语"包括"、"包含"或者其任何其它变体意在涵盖非排它性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句"包括……"限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，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发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于行人重识别的黑白名单管控方法，其特征在于，包括：采集待识别的行人图像数据，对所述待识别的行人图像数据进行行人检测，得到第一目标行人；对第一目标行人进行特征提取，并根据提取的特征构建行人信息库，根据所述行人信息库构建黑白名单行人信息库，采集第二目标行人的图像数据，采用行人重识别模式及所述黑白名单行人信息库，对所述第二目标行人的图像数据进行识别。
2.根据权利要求1所述的基于行人重识别的黑白名单管控方法，其特征在于，所述对所述待识别的行人图像数据进行行人检测，得到第一目标行人，包括：加载待识别的行人图像数据，加载已训练好的针对行人目标检测的第一深度学习模型，采用第一深度学习模型对待识别数据进行检测。
3.根据权利要求2所述的基于行人重识别的黑白名单管控方法，其特征在于，所述对第一目标行人进行特征提取，包括：加载检测到的第一目标行人，加载已训练好的针对行人特征提取的第二深度学习模型，采用第二深度学习模型提取第一目标行人的特征信息。
4.根据权利要求3所述的基于行人重识别的黑白名单管控方法，其特征在于，所述并根据提取的特征构建行人信息库，包括：构建分布式文件存储空间，将所述第一目标行人的特征信息存入所述分布式文件存储空间，得到行人信息库。
5.根据权利要求4所述的基于行人重识别的黑白名单管控方法，其特征在于，所述根据所述行人信息库构建黑白名单行人信息库，包括：获取白名单行人信息和黑名单行人信息，将所述白名单行人信息和黑名单行人信息均与人脸进行关联，根据白名单行人信息和黑名单行人信息，分别建立关联人脸信息的黑名单行人信息库和白名单行人信息库。
6.根据权利要求5所述的基于行人重识别的黑白名单管控方法，其特征在于，所述采集第二目标行人的图像数据，包括：通过上传本地图片或者本地视频文件采集第二目标行人的图像数据；或者，通过监控摄像头的实时视频数据采集第二目标行人的图像数据；或者，通过监控摄像头历史录像数据进行采集。
7.根据权利要求6所述的基于行人重识别的黑白名单管控方法，其特征在于，所述采用行人重识别模式及所述黑白名单行人信息库，对所述第二目标行人的图像数据进行识别，包括：加载第二目标行人的图像数据，根据所述第二目标行人的图像数据进行目标检测，对检测出的第二目标行人数据进行特征提取，将提取出来的行人特征与黑白名单信息库中的数据进行比对，若对比成功则进行预警，若对比失败，则对人脸进行比对，人脸对比成功则进行预警，并将第二目标行人数据写入行人信息库。
8.一种基于行人重识别的黑白名单管控装置，其特征在于，包括：目标行人模块，用于采集待识别的行人图像数据，对所述待识别的行人图像数据进行行人检测，得到第一目标行人；管控模块，用于对第一目标行人进行特征提取，并根据提取的特征构建行人信息库，根据所述行人信息库构建黑白名单行人信息库，采集第二目标行人的图像数据，采用行人重识别模式及所述黑白名单行人信息库，对所述第二目标行人的图像数据进行识别。
9.一种电子设备，其特征在于，包括：
至少一个处理器、至少一个存储器和通信接口；其中，
所述处理器、存储器和通信接口相互间进行通信；
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，以执行权利要求1至7任一项权利要求所述的方法。
10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行权利要求1至7中任一项权利要求所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011402177.6A CN112381058A (zh) | 2020-12-04 | 2020-12-04 | 基于行人重识别的黑白名单管控方法及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011402177.6A CN112381058A (zh) | 2020-12-04 | 2020-12-04 | 基于行人重识别的黑白名单管控方法及设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112381058A true CN112381058A (zh) | 2021-02-19 |
Family
ID=74589388
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011402177.6A Pending CN112381058A (zh) | 2020-12-04 | 2020-12-04 | 基于行人重识别的黑白名单管控方法及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112381058A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115408420A (zh) * | 2022-09-02 | 2022-11-29 | 自然资源部地图技术审查中心 | 使用计算机自动过滤地图注记和兴趣点的方法和装置 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108230491A (zh) * | 2017-07-20 | 2018-06-29 | 深圳市商汤科技有限公司 | 门禁控制方法和装置、系统、电子设备、程序和介质 |
| CN108960209A (zh) * | 2018-08-09 | 2018-12-07 | 腾讯科技（深圳）有限公司 | 身份识别方法、装置及计算机可读存储介质 |
-
2020
- 2020-12-04 CN CN202011402177.6A patent/CN112381058A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108230491A (zh) * | 2017-07-20 | 2018-06-29 | 深圳市商汤科技有限公司 | 门禁控制方法和装置、系统、电子设备、程序和介质 |
| CN108960209A (zh) * | 2018-08-09 | 2018-12-07 | 腾讯科技（深圳）有限公司 | 身份识别方法、装置及计算机可读存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115408420A (zh) * | 2022-09-02 | 2022-11-29 | 自然资源部地图技术审查中心 | 使用计算机自动过滤地图注记和兴趣点的方法和装置 |
| CN115408420B (zh) * | 2022-09-02 | 2023-08-01 | 自然资源部地图技术审查中心 | 使用计算机自动过滤地图注记和兴趣点的方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110851835B (zh) | 图像模型检测方法、装置、电子设备及存储介质 | |
| CN111898581B (zh) | 动物检测方法、装置、电子设备及可读存储介质 | |
| CN111612104B (zh) | 车辆定损图像获取方法、装置、介质和电子设备 | |
| CN110738178A (zh) | 园区施工安全检测方法、装置、计算机设备及存储介质 | |
| CN109116129B (zh) | 终端检测方法、检测设备、系统及存储介质 | |
| CN110175553B (zh) | 基于步态识别与人脸识别建立特征库的方法及装置 | |
| CN114708555A (zh) | 基于数据处理的森林防火监控方法及电子设备 | |
| CN111611944A (zh) | 身份识别方法及装置、电子设备、存储介质 | |
| CN112381058A (zh) | 基于行人重识别的黑白名单管控方法及设备 | |
| CN114005019A (zh) | 一种翻拍图像识别方法及其相关设备 | |
| CN112488137A (zh) | 样本获取方法、装置、电子设备及机器可读存储介质 | |
| CN111757182B (zh) | 图像花屏检测方法、设备、计算机设备和可读存储介质 | |
| CN108205670B (zh) | 一种车牌识别方法及装置 | |
| CN112907206A (zh) | 一种基于视频对象识别的业务审核方法、装置及设备 | |
| CN109033797B (zh) | 一种权限设置方法及装置 | |
| CN112889061B (zh) | 人脸图像质量评估方法、装置、设备及存储介质 | |
| CN115424253A (zh) | 车牌识别方法、装置、电子设备和存储介质 | |
| CN116631003A (zh) | 基于p&id图纸的设备识别方法、装置、存储介质及电子设备 | |
| CN113076983B (zh) | 一种图像的识别方法和装置 | |
| CN113850147A (zh) | 基于摄像头图像的仓库非法作业鉴别的方法及系统 | |
| CN113554685A (zh) | 遥感卫星运动目标检测方法、装置、电子设备及存储介质 | |
| CN110211085B (zh) | 一种图像融合质量评价方法和系统 | |
| CN112257768A (zh) | 一种非法金融图片的识别方法、装置、计算机存储介质 | |
| CN114387311B (zh) | Lkj文件与机车视频自动对时方法、装置和计算机设备 | |
| CN116229369B (zh) | 人流量的检测方法、装置、设备及计算机可读存储介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210219 |