CN112434545A - 一种智能场所管理方法及系统 - Google Patents
一种智能场所管理方法及系统 Download PDFInfo
- Publication number
- CN112434545A CN112434545A CN201910787209.XA CN201910787209A CN112434545A CN 112434545 A CN112434545 A CN 112434545A CN 201910787209 A CN201910787209 A CN 201910787209A CN 112434545 A CN112434545 A CN 112434545A
- Authority
- CN
- China
- Prior art keywords
- face
- license plate
- information
- module
- comparison result
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 25
- 238000001514 detection method Methods 0.000 claims abstract description 40
- 238000005516 engineering process Methods 0.000 claims abstract description 19
- 238000012544 monitoring process Methods 0.000 claims abstract description 5
- 238000013527 convolutional neural network Methods 0.000 claims description 22
- 230000009471 action Effects 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000011176 pooling Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 210000001508 eye Anatomy 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000023004 detection of visible light Effects 0.000 claims description 3
- 230000009977 dual effect Effects 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 210000002569 neuron Anatomy 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 6
- 238000005286 illumination Methods 0.000 description 7
- 230000009466 transformation Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 210000003128 head Anatomy 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 230000004397 blinking Effects 0.000 description 2
- 230000007123 defense Effects 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 210000005252 bulbus oculi Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 210000000744 eyelid Anatomy 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001020 rhythmical effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/63—Scene text, e.g. street names
-
- 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
- G06V40/168—Feature extraction; Face representation
-
- 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
-
- 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
- G06V40/40—Spoof detection, e.g. liveness detection
- G06V40/45—Detection of the body part being alive
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Human Computer Interaction (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Tourism & Hospitality (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种智能场所管理方法,使用监控摄像机采集图像,该方法包括:获取采集的图像,采用双目检测技术对图像进行人脸识别获得人脸信息,将人脸信息与数据库中人脸信息进行比对获得人脸比对结果,对采集的图像进行识别获得车牌位置信息及车牌信息,将车牌信息与数据库中车牌信息进行比对获得车牌比对结果,根据人脸比对结果和/或车牌比对结果决定是否开放或是否报警。本发明还公开了一种智能场所管理系统,包括:访客登记模块,图像获取模块,人脸采集识别模块,车辆识别模块,人脸比对模块,车辆比对模块,门禁和报警模块,考勤模块,数据库模块,该系统完成了整个场所对所有人员和车辆的统一管理,保证了场所的安全性。
Description
技术领域
本发明涉及模式识别领域,尤其涉及一种智能场所管理方法及系统。
背景技术
近年来国家对安全生产非常重视,“人防与技防相结合”、“预防为主”的安全文明生产指导方针深入贯彻到工厂企业,安全文明的生产环境是工厂企业的基本要求。不管是国有企业、私有企业、外资企业都把安全文明生产作为管理的首要任务。
于是目前的工厂企业通常都会对进入其中的人员和车辆进行识别,判断人员和车辆是否在自己系统内存在备份,从而决定是否开放门禁让其进入。但是,这个方法存在几个明显的问题:一是某些不法分子可通过照片视频等手段伪造人脸进入;二是当进入人员做出比较夸张表情或大幅度侧脸以及光照条件不佳时时,系统难以进行识别;三是因为车辆的行驶,获取的车牌往往是倾斜的,对系统的识别带来了干扰。
发明内容
鉴于目前模式识别领域存在的上述不足,本发明提供一种智慧场所管理方法,用于识别人脸和车辆图像,并与数据库中数据进行比对,决定门禁和报警系统的开放。
为实现上述目的,本发明采用如下技术方案:
一种智慧场所管理方法,使用监控摄像机采集图像,包括以下步骤:
获取采集的图像;
采用双目检测技术对图像进行人脸识别获得人脸信息;
将人脸信息与数据库中人脸信息进行比对获得人脸比对结果;
对采集的图像进行识别获得车牌位置信息及车牌信息;
将车牌信息与数据库中车牌信息进行比对获得车牌比对结果;
根据人脸比对结果和/或车牌比对结果决定是否开放或是否报警。
依照本发明的一个方面,所述双目检测技术中双目具体指可见光和近红外光的双重检测,所述人脸识别具体使用卷积神经网络采集人脸特征。
依照本发明的一个方面,所述可见光可实现人脸的快速识别,所述近红外光具有对光照不敏感,电子屏幕无法成像,可穿透墨镜成像等特点,可实现在光照不佳条件下对人脸的精确识别。
依照本发明的一个方面,所述卷积神经网络中每个神经元只接受局部的像素作为输入,再将局部信息汇总得到全局信息,所述卷积神经网络通过权值共享和池化操作进行训练。
依照本发明的一个方面,所述权值共享具体指卷积层中的每个卷积核与原图像进行卷积运算后的新2D图像中的每个像素都来自于同一个卷积核;所述池化具体指降采样,对卷积后的图像只保留像素块中灰度值最高的像素点(保留最主要的特征);通过权值共享和池化两个操作使网络模型的参数大幅的减少,提高了模型的训练效率。
依照本发明的一个方面,所述卷积神经网络抽取人脸的所有特征,检测图像中的人脸,并为人脸标记出边框,检测出人脸后,对人脸进行分析,获得120个关键点的定位。
依照本发明的一个方面,所述对图像进行人脸识别包括对人脸进行活体检测,所述活体检测包括动作活体检测和/或静默活体检测。
依照本发明的一个方面,所述动作活体检测通过要求客户做出指定动作判断是否为活体,所述静默活体检测利用卷积神经网络抽取的人脸特征进行联合判断是否为活体。
依照本发明的一个方面,所述利用卷积神经网络抽取的人脸特征进行联合判断具体为:通过卷积神经网络捕捉到的真实人脸的细微变化以及人眼无法区分的微表情进行理解分析。
依照本发明的一个方面,所述获得车牌位置信息及车牌信息包括对车牌位置信息及车牌信息进行Hough变换和旋转算法计算。
依照本发明的一个方面,所述Hough变换包括以下步骤:获得车牌位置信息,过滤车牌背景颜色,除去字符信息,检测边缘,计算倾斜角度;所述旋转算法具体为根据计算出的倾斜角度还原车牌。
依照本发明的一个方面,所述获取并过滤车牌背景蓝色区域采用 HSV颜色空间转换技术,所述水平膨胀为了边缘检测做准备,尽量去除字符信息,降低Hough变换技术的工作量。
一种智能场所管理系统,包括以下模块:
访客登记模块,用于对来访的访客进行信息登记;
图像获取模块,用于获取采集的图像;
人脸采集识别模块,用于采用双目检测技术对图像进行人脸识别获得人脸信息;
车辆识别模块,用于对采集的图像进行识别获得车牌位置信息及车牌信息;
人脸比对模块,用于将人脸信息与数据库中人脸信息进行比对获得人脸比对结果;
车牌比对模块,用于将车牌信息与数据库中车牌信息进行比对获得车牌比对结果;
门禁和报警模块,用于根据人脸比对结果和车牌比对结果决定是否开放和是否报警;
考勤模块,用于员工的考勤;
数据库模块,用于存放员工人脸信息及车牌信息。
本发明实施的优点:本发明所述的智慧场所管理方法包括以下步骤:获取采集的图像;采用双目检测技术对图像进行人脸识别获得人脸信息;将人脸信息与数据库中人脸信息进行比对获得人脸比对结果;对采集的图像进行识别获得车牌位置信息及车牌信息;将车牌信息与数据库中车牌信息进行比对获得车牌比对结果;根据人脸比对结果和/ 或车牌比对结果决定是否开放或是否报警;通过采用双目检测技术对图像进行人脸识别,能在光照条件不佳时仍能准确获得人脸信息;采用卷积神经网络采集人脸特征,快速精确地获得人脸所有微小特征;对人脸进行活体检测,从而有效防止照片、视频等手段的攻击;采用Hough变换和旋转算法还原车牌,使因车辆行驶而采集到的发生了倾斜的车牌信息得到回正;将人脸和车牌信息与数据库内数据进行比对确定门禁和报警系统的开放,确保了场所的安全性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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为本发明所述的一种智慧场所管理方法的示意图;
图2为本发明实施例中所述的人脸图像识别步骤示意图;
图3为本发明实施例中所述的车牌回正的工作过程示意图;
图4为本发明所述的一种智慧场所管理系统的示意图。
具体实施方式
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,所描述的实施例仅仅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。
实施例一
如图1,图2,图3所示,一种智慧场所管理方法,所述智慧场所管理方法包括以下步骤:
步骤S1:获取采集的图像。
在实际应用中,通过监控摄像头采集人脸和车辆图像,将采集的图像进行汇总等待处理。
步骤S2:采用双目检测技术对图像进行人脸识别获得人脸信息。
在实际应用中,双目检测技术中双目具体指可见光和近红外光的双重检测,当光照条件较好时,可见光可进行人脸的快速识别,当光线较暗,通过近红外光也能进行人脸的精确识别。
在实际应用中,使用卷积神经网络采集人脸特征,其具体实施方式为:卷积神经网络中每个神经元只接受局部的像素作为输入,再将局部信息汇总得到全局信息。
在实际应用中,卷积神经网络可抽取人脸的所有特征,检测图像中的人脸,并为人脸标记出边框。检测出人脸后,可对人脸进行分析,获得眼、口、鼻轮廓等120个关键点的定位,通过对眼、口、鼻三位一体的距离计算及各个直线之间的角度计算,可适应大角度侧脸,遮挡,模糊,表情变化等各种实际环境。
在实际应用中,卷积神经网络通过权值共享和池化操作进行训练,通过权值共享和池化两个操作使网络模型的参数大幅的减少,提高了模型的训练效率。
在实际应用中,对人脸的识别包括对人脸的活体检测,人脸活体检测包括动作活体检测和静默活体检测。
在实际应用中,对人脸进行动作活体检测,通过抬头、低头、向左转头、向右转头、眨眼、张嘴,6个动作对客户进行活体检测。在活体验证时,需要待检测的人配合做出以上6个动作指定的一种。
在实际应用中,对人脸进行静默活体检测,通过卷积神经网络捕捉到的真实人脸的细微变化以及人眼无法区分的微表情进行理解分析,比如眼皮、眼球的律动眨眼、嘴唇以及面颊的伸缩等来判断检测对象是否为活体。
在实际应用中,根据动作活体检测和静默活体检测获得的结果,可准确判断人脸图像是否为活体。
步骤S3:将人脸信息与数据库中人脸信息进行比对获得人脸比对结果。
在实际应用中,只有通过人脸活体检测的人脸图像,才会进行这一步。
在实际应用中,将通过人脸活体检测的人脸图像与数据库内人脸图像信息进行比对,存在一致信息时,人脸识别通过。
步骤S4:对采集的图像进行识别获得车牌位置信息及车牌信息。
在实际应用中,对监控摄像头采集的车辆信息进行初步识别,提取出车牌的位置信息和车牌信息。
在实际应用中,获得车牌位置信息及车牌信息包括对车牌位置信息及车牌信息进行Hough变换和旋转算法计算。
在实际应用中,Hough变换包括以下步骤:获得车牌位置信息,过滤车牌背景颜色,除去字符信息,检测边缘,计算倾斜角度;旋转算法具体为根据计算出的倾斜角度还原车牌。
在实际应用中,获取并过滤车牌背景蓝色区域采用HSV颜色空间转换技术,水平膨胀为了边缘检测做准备,尽量去除字符信息,降低 Hough变换技术的工作量。
步骤S5:将车牌信息与数据库中车牌信息进行比对获得车牌比对结果。
在实际应用中,从已经还原的车牌中提取车牌号信息。
在实际应用中,将车牌号信息与数据库中信息进行比对,存在一致信息时,车牌检验通过。
步骤S6:根据人脸比对结果和/或车牌比对结果决定是否开放或是否报警。
在实际应用中,当人脸识别通过时,开放人员入口门禁,使人员进入;当人脸识别不通过时,触发报警器,提醒有关人员前来处理闯入者。
在实际应用中,当车牌信息通过时,打开道闸拉杆,使车辆通过;当车辆信息不通过时,提示车牌号不存在,拒绝车辆驶入场所。
本实施例通过采用双目检测技术对图像进行人脸识别,能在光照条件不佳时仍能准确获得人脸信息;采用卷积神经网络采集人脸特征,快速精确地获得人脸所有微小特征;对人脸进行活体检测,从而有效防止照片、视频等手段的攻击;采用Hough变换和旋转算法还原车牌,使因车辆行驶而采集到的发生了倾斜的车牌信息得到回正;将人脸和车牌信息与数据库内数据进行比对确定门禁和报警系统的开放,确保了场所的安全性。
实施例二
如图4所示,一种智慧场所管理系统,所述智慧场所管理系统包括:
访客登记模块1,用于对来访的访客进行信息登记;
图像获取模块2,用于获取采集的图像;
人脸采集识别模块3,用于采用双目检测技术对图像进行人脸识别获得人脸信息;
车辆识别模块4,用于对采集的图像进行识别获得车牌位置信息及车牌信息;
人脸比对模块5,用于将人脸信息与数据库中人脸信息进行比对获得人脸比对结果;
车牌比对模块6,用于将车牌信息与数据库中车牌信息进行比对获得车牌比对结果;
门禁和报警模块7,用于根据人脸比对结果和车牌比对结果决定是否开放和是否报警;
考勤模块8,用于员工的考勤;
数据库模块9,用于存放员工人脸信息及车牌信息。
在实际应用中,有作登记的外来访客在场所内部成员的带领下通过门禁,进入场所;未作登记的人员系统将通过人脸识别和比对,判断人员是否为场所已备份成员,从而决定是否开放门禁和是否报警。
在实际应用中,对于要进入场所的车辆,系统将识别其车牌号并与数据库中数据进行比对,判断是否为场所已备份车辆,从而决定是否打开道闸拉杆使其进入。
本实施例对整个场所的人员和车辆进行了统一的管理,只有经过登记以及数据库中有备份的人员及车辆才能进入场所,保证了整个场所的安全性,同时,也对内部成员进行了考勤等管理措施,提高了场所的纪律性。
本发明实施的优点:本发明所述的智慧场所管理方法包括以下步骤:获取采集的图像;采用双目检测技术对图像进行人脸识别获得人脸信息;将人脸信息与数据库中人脸信息进行比对获得人脸比对结果;对采集的图像进行识别获得车牌位置信息及车牌信息;将车牌信息与数据库中车牌信息进行比对获得车牌比对结果;根据人脸比对结果和/ 或车牌比对结果决定是否开放或是否报警;通过采用双目检测技术对图像进行人脸识别,能在光照条件不佳时仍能准确获得人脸信息;采用卷积神经网络采集人脸特征,快速精确地获得人脸所有微小特征;对人脸进行活体检测,从而有效防止照片、视频等手段的攻击;采用Hough变换和旋转算法还原车牌,使因车辆行驶而采集到的发生了倾斜的车牌信息得到回正;将人脸和车牌信息与数据库内数据进行比对确定门禁和报警系统的开放,确保了场所的安全性。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本领域技术的技术人员在本发明公开的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种智能场所管理方法,使用监控摄像机采集图像,其特征在于,包括以下步骤:
获取采集的图像;
采用双目检测技术对图像进行人脸识别获得人脸信息;
将人脸信息与数据库中人脸信息进行比对获得人脸比对结果;
对采集的图像进行识别获得车牌位置信息及车牌信息;
将车牌信息与数据库中车牌信息进行比对获得车牌比对结果;
根据人脸比对结果和/或车牌比对结果决定是否开放或是否报警。
2.根据权利要求1所述的智能场所管理方法,其特征在于,所述双目检测技术中双目具体指可见光和近红外光的双重检测,所述人脸识别具体使用卷积神经网络采集人脸特征。
3.根据权利要求2所述的智能场所管理方法,其特征在于,所述卷积神经网络中每个神经元只接受局部的像素作为输入,再将局部信息汇总得到全局信息,所述卷积神经网络通过权值共享和池化操作进行训练。
4.根据权利要求3所述的智能场所管理方法,其特征在于,所述卷积神经网络抽取人脸的所有特征,检测图像中的人脸,并为人脸标记出边框,检测出人脸后,对人脸进行分析,获得120个关键点的定位。
5.根据权利要求1所述的智能场所管理方法,其特征在于,所述对图像进行人脸识别包括对人脸进行活体检测,所述活体检测包括动作活体检测和/或静默活体检测。
6.根据权利要求5所述的智能场所管理方法,其特征在于,所述动作活体检测通过要求客户做出指定动作判断是否为活体,所述静默活体检测利用卷积神经网络抽取的人脸特征进行联合判断是否为活体。
7.根据权利要求6所述的智能场所管理方法,其特征在于,所述利用卷积神经网络抽取的人脸特征进行联合判断具体为:通过卷积神经网络捕捉到的真实人脸的细微变化以及人眼无法区分的微表情进行理解分析。
8.根据权利要求1所述的智能场所管理方法,其特征在于,所述获得车牌位置信息及车牌信息包括对车牌位置信息及车牌信息进行Hough变换和旋转算法计算。
9.根据权利要求8所述的智能场所管理方法,其特征在于,所述Hough变换包括以下步骤:获得车牌位置信息,过滤车牌背景颜色,除去字符信息,检测边缘,计算倾斜角度;所述旋转算法具体为根据计算出的倾斜角度还原车牌。
10.一种智能场所管理系统,其特征在于,包括以下模块:
访客登记模块,用于对来访的访客进行信息登记;
图像获取模块,用于获取采集的图像;
人脸采集识别模块,用于采用双目检测技术对图像进行人脸识别获得人脸信息;
车辆识别模块,用于对采集的图像进行识别获得车牌位置信息及车牌信息;
人脸比对模块,用于将人脸信息与数据库中人脸信息进行比对获得人脸比对结果;
车牌比对模块,用于将车牌信息与数据库中车牌信息进行比对获得车牌比对结果;
门禁和报警模块,用于根据人脸比对结果和车牌比对结果决定是否开放和是否报警;
考勤模块,用于员工的考勤;
数据库模块,用于存放员工人脸信息及车牌信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910787209.XA CN112434545A (zh) | 2019-08-25 | 2019-08-25 | 一种智能场所管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910787209.XA CN112434545A (zh) | 2019-08-25 | 2019-08-25 | 一种智能场所管理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112434545A true CN112434545A (zh) | 2021-03-02 |
Family
ID=74690016
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910787209.XA Pending CN112434545A (zh) | 2019-08-25 | 2019-08-25 | 一种智能场所管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112434545A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113077572A (zh) * | 2021-03-25 | 2021-07-06 | 南北联合信息科技有限公司 | 一种基于运行大数据分析的智能运维监控系统 |
CN113762163A (zh) * | 2021-09-09 | 2021-12-07 | 杭州澳亚生物技术股份有限公司 | 一种gmp车间智能化监控管理方法及系统 |
CN114187695A (zh) * | 2021-12-08 | 2022-03-15 | 上海世茂物联网科技有限公司 | 一种用于车库的道闸控制方法、装置、系统、设备及介质 |
CN115565227A (zh) * | 2022-10-08 | 2023-01-03 | 国家计算机网络与信息安全管理中心 | 智能网联汽车数据合规评估方法及装置 |
-
2019
- 2019-08-25 CN CN201910787209.XA patent/CN112434545A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113077572A (zh) * | 2021-03-25 | 2021-07-06 | 南北联合信息科技有限公司 | 一种基于运行大数据分析的智能运维监控系统 |
CN113762163A (zh) * | 2021-09-09 | 2021-12-07 | 杭州澳亚生物技术股份有限公司 | 一种gmp车间智能化监控管理方法及系统 |
CN114187695A (zh) * | 2021-12-08 | 2022-03-15 | 上海世茂物联网科技有限公司 | 一种用于车库的道闸控制方法、装置、系统、设备及介质 |
CN114187695B (zh) * | 2021-12-08 | 2023-12-08 | 上海世茂物联网科技有限公司 | 一种用于车库的道闸控制方法、装置、系统、设备及介质 |
CN115565227A (zh) * | 2022-10-08 | 2023-01-03 | 国家计算机网络与信息安全管理中心 | 智能网联汽车数据合规评估方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109522793B (zh) | 基于机器视觉的多人异常行为检测与识别方法 | |
CN112434545A (zh) | 一种智能场所管理方法及系统 | |
CN110443923B (zh) | 一种基于人工智能的酒店安全管理方法 | |
WO2021047232A1 (zh) | 交互行为识别方法、装置、计算机设备和存储介质 | |
CN111460962B (zh) | 一种口罩人脸识别方法及系统 | |
CN109902628B (zh) | 一种基于视觉物联网的图书馆座位管理系统 | |
CN106919921B (zh) | 结合子空间学习与张量神经网络的步态识别方法及系统 | |
WO2021036436A1 (zh) | 一种人脸识别方法及装置 | |
CN112396658B (zh) | 一种基于视频的室内人员定位方法及定位系统 | |
RU2431190C2 (ru) | Способ и устройство распознавания рельефности лица | |
CN102419819B (zh) | 人脸图像识别方法和系统 | |
CN109819208A (zh) | 一种基于人工智能动态监控的密集人群安防监控管理方法 | |
CN107133564B (zh) | 一种工装工帽检测方法 | |
CN111325769B (zh) | 一种目标对象检测方法及装置 | |
CN106156688A (zh) | 一种动态人脸识别方法及系统 | |
CN111126219A (zh) | 一种基于人工智能的变电站人员的身份识别系统和方法 | |
CN105868690A (zh) | 识别驾驶员打手机行为的方法和装置 | |
CN109190475A (zh) | 一种人脸识别网络与行人再识别网络协同训练方法 | |
CN110728252A (zh) | 一种应用于区域人员运动轨迹监控的人脸检测方法 | |
CN112183472A (zh) | 一种基于改进RetinaNet的试验现场人员是否穿着工作服检测方法 | |
RU2713876C1 (ru) | Способ и система выявления тревожных событий при взаимодействии с устройством самообслуживания | |
CN115841651B (zh) | 基于计算机视觉与深度学习的施工人员智能监测系统 | |
CN112132048A (zh) | 一种基于计算机视觉的社区巡更分析方法及系统 | |
RU2315352C2 (ru) | Способ и система для автоматического обнаружения трехмерных образов | |
CN106570440A (zh) | 基于图像分析的人数统计方法和人数统计装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210302 |