CN112837471A - 网约房安全监控方法和装置 - Google Patents

网约房安全监控方法和装置 Download PDF

Info

Publication number
CN112837471A
CN112837471A CN201911158831.0A CN201911158831A CN112837471A CN 112837471 A CN112837471 A CN 112837471A CN 201911158831 A CN201911158831 A CN 201911158831A CN 112837471 A CN112837471 A CN 112837471A
Authority
CN
China
Prior art keywords
door opening
opening area
image
target
detected
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
Application number
CN201911158831.0A
Other languages
English (en)
Inventor
潘今一
刘福新
张俊锴
周鹏飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
EUTROVISION SYSTEMS Inc
Original Assignee
EUTROVISION SYSTEMS Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by EUTROVISION SYSTEMS Inc filed Critical EUTROVISION SYSTEMS Inc
Priority to CN201911158831.0A priority Critical patent/CN112837471A/zh
Publication of CN112837471A publication Critical patent/CN112837471A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07F—COIN-FREED OR LIKE APPARATUS
    • G07F17/00—Coin-freed apparatus for hiring articles; Coin-freed facilities or services
    • G07F17/0042—Coin-freed apparatus for hiring articles; Coin-freed facilities or services for hiring of objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
    • G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
    • G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
    • G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
    • G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
    • G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
    • G08B13/19639—Details of the system layout

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)
  • Computer Vision & Pattern Recognition (AREA)
  • Alarm Systems (AREA)

Abstract

本申请涉及非标准住宿管理，公开了一种网约房安全监控方法和装置。该方法包括：预先获取待入住人员的注册人脸图像；当检测到有目标进入网约房的开门区域，通过图像采集装置采集该开门区域内的目标人脸图像，并记录当前该开门区域内的场景视频图像，该图像采集装置被设置为俯角拍摄该开门区域；对该目标人脸图像进行人脸检测，将检测到的人脸图像与该注册人脸图像进行比对，如果比对通过，控制该网约房的房门打开；对该场景视频图像进行人形检测，如果检测到有伴随或尾随人员，则发送报警信息到监测服务器。本申请的实施方式能够准确有效的监测网约房异常入住的情况，解决网约房的监管盲区，减少了目前网约房存在的安全隐患。

Description

网约房安全监控方法和装置
技术领域
本申请涉及非标准住宿管理，特别涉及网约房安全监控技术。
背景技术
随着互联网产业创新的不断推进，一种新的住宿形态越来越受到游客青睐，人们只要拿起手机、动动手指，就可以在网上提供闲置房源、进行租房交易，这一模式被称为“网约房”。
“网约房”给人们带来便捷、舒适的同时，也不能忽视其带来的各种问题，尤其在安全防范方面缺少完善的监管程序，存很多监管盲区，比如实际入住人数与注册人数不一致，入住人员中存在蒙面以逃避人脸采集，携带宠物入住等异常入住情况，存在较大的安全隐患。
发明内容
本申请的目的在于提供一种网约房安全监控方法和装置，能够准确有效的监测网约房异常入住的情况，解决网约房的监管盲区，减少了目前网约房存在的安全隐患。
本申请公开了一种网约房安全监控方法，包括：
预先获取待入住人员的注册人脸图像；
当检测到有目标进入网约房的开门区域，通过图像采集装置采集所述开门区域内的目标人脸图像，并记录当前所述开门区域内的场景视频图像，所述图像采集装置被设置为俯角拍摄所述开门区域；
将所述目标人脸图像与所述注册人脸图像进行比对，如果比对通过，控制所述网约房的房门打开；
对所述场景视频图像进行人形检测，如果检测到有伴随或尾随人员，则发送报警信息到监测服务器。
在一个优选例中，所述控制所述网约房的房门打开之后，还包括：
采用深度学习目标检测方法检测所述场景视频图像中是否有宠物；
如果检测到有宠物，则发送报警信息到所述监测服务器。
在一个优选例中，所述报警信息包含入住人员信息、所述网约房的位置信息和所述场景视频图像。
在一个优选例中，所述当检测到有目标进入网约房的开门区域，通过图像采集装置采集所述开门区域内的目标人脸图像，并记录当前所述开门区域内的场景视频图像，进一步包括：
当检测到有目标进入所述开门区域，通过设置在所述网约房的房门处的距离传感器检测所述目标是否为逐渐靠近所述房门，如果是则控制补光装置打开，通过图像采集装置采集所述开门区域内的目标人脸图像，并记录当前所述开门区域内的场景视频图像。
在一个优选例中，所述将所述目标人脸图像与所述注册人脸图像进行比对，进一步包括：
使用LFFD算法检测所述目标人脸图像；
使用MobileFaceNets方法将检测的目标人脸图像与所述注册人脸图像进行比对。
在一个优选例中，所述对所述场景视频图像进行人形检测，进一步包括：
使用RMPE算法对所述场景视频图像进行人形检测，判断是否有伴随或尾随人员。
本申请还公开了一种网约房安全监控系统包括：
被设置为俯角拍摄网约房的开门区域的图像采集装置；
安全检测装置，用于预先获取待入住人员的注册人脸图像，当检测到有目标进入所述开门区域时，控制所述图像采集装置采集所述开门区域内的目标人脸图像，并记录当前所述开门区域内的场景视频图像，将所述目标人脸图像与所述注册人脸图像进行比对，如果比对通过，控制所述网约房的房门打开，并对所述场景视频图像进行人形检测，如果检测到有伴随或尾随人员，则发送报警信息到监测服务器。
在一个优选例中，所述安全检测装置还用于，采用深度学习目标检测方法检测所述场景视频图像中是否有宠物，如果检测到有宠物，则发送报警信息到所述监测服务器。
本申请还公开了一种网约房安全监控系统包括被设置为俯角拍摄网约房的开门区域的图像采集装置和安全检测装置；所述安全检测装置包括：
存储器，用于存储计算机可执行指令；以及，
处理器，用于在执行所述计算机可执行指令时实现如前文描述的方法中的步骤。
本申请还公开了一种计算机可读存储介质所述计算机可读存储介质中存储有计算机可执行指令，所述计算机可执行指令被处理器执行时实现如前文描述的方法中的步骤。
本申请实施方式中,与现有技术相比至少包括以下区别和效果：
传统人脸识别门禁系统，通常为接近平视角识别人脸，功能单一，缺少智能安防监控功能，并且平视安装人脸相机，还存在公共空间隐私保护问题。本申请实施方式预先设置网约房开门区域，并将图像采集装置设置为俯角拍摄该开门区域，若检测到有目标进入开门区域，通过图像采集装置采集目标人脸图像，并将其与预先登记入住的人脸图像进行比对以进行入住实名制确定；进一步地，对于伴随或者尾随人员中存在遮面等情况，可以通过图像采集装置采集当前开门区域内的场景视频图像，对该场景视频图像进行人形检测和姿态估计，能够准确确认伴随或者尾随人数等，优选使用RMPE算法检测人形，采用自顶向下的思路，进行人形检测(包括做姿态估计)，能够处理不准确的边界框和冗余检测，检测效果更加快速准确。
并且，在目标进入开门区域后，用距离传感器探测目标的运动状态，例如是否为逐渐靠近状态等，进一步判断确认目标是否为待入住目标，同时在确定目标为逐渐靠近状态后，打开补光装置，提高识别效率。
进一步地，使用LFFD算法检测所采集的目标人脸图像，快速高效，并使用MobileFaceNets方法将检测的目标人脸图像与所述注册人脸图像进行比对，计算量小，识别精度高。
进一步地，采用深度学习目标检测方法检测是否有携带宠物的情况，优选地使用YOLO v3等一次推理方法对宠物进行检测和分类，YOLO v3调整了网络结构，利用多尺度特征进行对象检测，对象分类采用Logistic取代了softmax，能够做到实时快速检测。
综上所述，通过图像采集装置，可以利用智能视频分析技术进行深入的人的行为分析，比如人数统计，尾随检测，多人伴随，携带宠物等行为进行检测，将网约房纳入社会安全管理范围，利用技术手段的优势提升交互体验，同时取得更安全的管理效果；本申请的实施方式能够准确有效的监测网约房异常入住的情况，解决网约房的监管盲区，减少了目前网约房存在的安全隐患。
本申请的说明书中记载了大量的技术特征，分布在各个技术方案中，如果要罗列出本申请所有可能的技术特征的组合(即技术方案)的话，会使得说明书过于冗长。为了避免这个问题，本申请上述发明内容中公开的各个技术特征、在下文各个实施方式和例子中公开的各技术特征、以及附图中公开的各个技术特征，都可以自由地互相组合，从而构成各种新的技术方案(这些技术方案均因视为在本说明书中已经记载)，除非这种技术特征的组合在技术上是不可行的。例如，在一个例子中公开了特征A+B+C，在另一个例子中公开了特征A+B+D+E，而特征C和D是起到相同作用的等同技术手段，技术上只要择一使用即可，不可能同时采用，特征E技术上可以与特征C相组合，则，A+B+C+D的方案因技术不可行而应当不被视为已经记载，而A+B+C+E的方案应当视为已经被记载。
附图说明
图1是根据本申请第一实施方式的网约房安全监控方法流程示意图；
图2是根据本申请第二实施方式的网约房安全监控系统结构示意图。
具体实施方式
在以下的叙述中，为了使读者更好地理解本申请而提出了许多技术细节。但是，本领域的普通技术人员可以理解，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请所要求保护的技术方案。
术语解释：
虚拟绊线：或者叫绊线(tripwire),是基于视频监控的入侵检测方法，用于检测在指定区域内是否有运动目标进入，该方法在智能视频分析行业是常用技术。
LFFD：A Light and Fast Face Detector for Edge Devices。
MobileFaceNets:Efficient CNNs for Accurate Real-Time FaceVerification on Mobile Devices。
RMPE：Regional Multi-person Pose Estimation。
YOLOv3：属于YOLO系列算法。
MPII：Human Pose Dataset。
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请的实施方式作进一步地详细描述。
本申请的第一实施方式涉及一种网约房安全监控方法，其流程如图1所示，该方法包括以下步骤：
在步骤101中，预先获取待入住人员的注册人脸图像。
例如，用户在网上平台登记时，收集待入住人员的信息(如身份证号码等)，并拍照得到该注册人脸图像。
之后，进入步骤102，判断“是否检测到有目标进入网约房的开门区域？”
该网约房的开门区域为外开门区域，该开门区域的大小可以根据该网约房实际可容纳人数设置算法的检测区域，例如可以设置为不小于该实际可容纳人数的2倍的面积区域。
该步骤102中的检测是否有目标进入网约房的开门区域的方法有多种。可选地，可以通过设置在该开门区域处的红外检测装置进行检测；可选地，通过设置在开门区域处的虚拟绊线进行检测；且不限于此。
如果步骤102的判断结果为“有目标进入网约房的开门区域”，则进入步骤103，通过图像采集装置采集该开门区域内的目标人脸图像，并记录当前该开门区域内的场景视频图像，该图像采集装置被设置为俯角拍摄该开门区域；否则返回步骤102。
可选地，该图像采集装置安装于网约房的房门上方位置处，例如但不限于安装于网约房的房门门框或者墙壁上，以镜头朝下俯视角拍摄网约房的开门区域的方式安装。
可选地，该图像采集装置可以是摄像头、摄像机、相机、扫描仪，或者其他带有拍照功能的设备。
在一个实施例中，该步骤103可以进一步实现为：通过设置在该网约房的房门处的距离传感器检测该目标是否为逐渐靠近该房门，如果是则控制补光装置打开，通过图像采集装置采集该开门区域内的目标人脸图像，并记录当前该开门区域内的场景视频图像。在另一个实施例中，该步骤103可以进一步实现为：通过设置在该网约房的房门处的距离传感器检测该目标是否为逐渐靠近该房门后停止移动，如果是则控制补光装置打开，通过图像采集装置采集该开门区域内的目标人脸图像，并记录当前该开门区域内的场景视频图像。该两个实施例中的补光装置用于增强人脸成像效果，提高识别效率。
之后，进入步骤104，将该目标人脸图像与该注册人脸图像进行比对。
之后，进入步骤105，判断“比对是否通过？”
可选地，该步骤104进一步实现为以下步骤①和②：
在步骤①中，使用LFFD算法检测该目标人脸图像；
之后执行步骤②，使用MobileFaceNets方法将检测的该目标人脸图像与该注册人脸图像进行比对。
需要说明的是：步骤①中使用LFFD算法检测目标人脸图像是本实施方式的一个优选实施例，该实施例更快速高效，且适合前端计算设备。但本说明书中的人脸检测方法不只限于此实施例，其他人脸检测的方法也在本说明书的保护范围内。该步骤②中采用的比对算法是一个优选实施例，优点在于计算量小，识别精度高，但不限于此，其他可以达到比对目的的算法都在本实施方式的保护范围内。
如果步骤105的判断结果为“比对通过”，则进入步骤106，控制该网约房的房门打开。如果步骤105的判断结果为“比对未通过”，则可选地返回步骤102。
在一个实施例中，该步骤106之后，还包括以下步骤a和b：
在步骤a中，采用深度学习目标检测方法检测该场景视频图像中是否有宠物；之后执行步骤b，如果检测到有宠物，则发送报警信息到该监测服务器。
优选地，使用YOLO v3等一次推理方法对宠物进行检测和分类，YOLO v3调整了网络结构，利用多尺度特征进行对象检测，对象分类模型用Logistic回归取代了softmax回归，能做到实时检测效果。但不限于此优选方案，其他可以达到实时检测效果的方案都在本实施方式的保护范围内。
之后，进入步骤107，对该场景视频图像进行人形检测。
在一个实施例中，该步骤107进一步实现为：使用RMPE算法对该场景视频图像进行人形检测，判断是否有伴随或尾随人员。在该实施例中，使用RMPE算法采用自顶向下的思路，先进行人形检测，然后做姿态估计；能够处理不准确的边界框和冗余检测，在MPII数据集上达到较好的效果。
之后，进入步骤108，判断“是否检测到有伴随或尾随人员？”
例如，可以通过人形检测结果计算伴随或尾随人员人数来判断是否有伴随或尾随人员，如果计算结果≥1，则可以判定有伴随或尾随人员。
如果步骤108的判断结果为“检测到有伴随或尾随人员”，则进入步骤109，发送报警信息到监测服务器。如果步骤108的判断结果为“检测到无伴随或尾随人员”，则可选地执行结束。
需要说明的是，本实施方式的人脸图像比对过程和场景视频图像的人形检测过程可以同时进行，也可以先后进行。
可选地，该报警信息包含入住人员的信息、该网约房的位置信息和该场景视频图像。这可以将存在异常入住情况的信息数据及时上传至该监测服务器。
在一个实施例中，该监测服务器在接收到该报警信息后，可以通过人工检查或者其他方式进一步判断是否有恶意尾随等问题。在另一个实施例中，该监测服务器在接收到该报警信息后进行存储，一旦发生安全问题直接调用相应报警信息即可。
本申请的第二实施方式涉及一种网约房安全监控系统，其结构如图2所示，该网约房安全监控系统包括安全检测装置和被设置为俯角拍摄网约房的开门区域的图像采集装置。
具体的，该安全检测装置，用于预先获取待入住人员的注册人脸图像，当检测到有目标进入该开门区域时，控制该图像采集装置采集该开门区域内的目标人脸图像，并记录当前该开门区域内的场景视频图像，将该目标人脸图像与该注册人脸图像进行比对，如果比对通过，控制该网约房的房门打开，并对该场景视频图像进行人形检测，如果检测到有伴随或尾随人员，则发送报警信息到监测服务器。
该网约房的开门区域为外开门区域，该开门区域的大小可以根据该网约房实际可容纳人数确认，例如可以设置为不小于该实际可容纳人数的2倍的面积。
可选地，该图像采集装置安装于网约房的房门上方位置处，例如但不限于可以安装于网约房的房门门框或者墙壁上，以镜头朝下俯视角拍摄网约房的开门区域的方式安装。
可选地，该图像采集装置可以是摄像头、摄像机、相机、扫描仪，或者其他带有拍照功能的设备。
可选地，该安全检测装置还用于使用LFFD算法检测该目标人脸图像。需要说明的是：该安全检测装置使用LFFD算法检测目标人脸图像是本实施方式的一个优选实施例，该实施例更快速高效，且适合前端计算设备。但本说明书中的人脸检测方法不只限于此实施例，其他人脸检测的方法也在本说明书的保护范围内。
可选地，该安全检测装置还用于使用MobileFaceNets方法将检测的目标人脸图像与该注册人脸图像进行比对，判断比对是否通过。该实施例中采用的比对算法是本实施方式的优选实施例，优点在于计算量小，识别精度高，但不限于此，其他可以达到比对目的的算法都在本实施方式的保护范围内。
在一个实施例中，该安全检测装置还用于使用RMPE算法对该场景视频图像进行人形检测，判断是否有伴随或尾随人员。在该实施例中，使用RMPE算法采用自顶向下的思路，先进行人形检测，然后做姿态估计；能够处理不准确的边界框和冗余检测，在MPII数据集上达到较好的效果。例如，可以根据人形检测结果来计算伴随或尾随人员人数来判断是否有伴随或尾随人员，如果计算结果≥1，则可以判定有伴随或尾随人员。
在一个实施例中，该安全检测装置还用于采用深度学习目标检测方法检测该场景视频图像中是否有宠物，如果检测到有宠物，则发送报警信息到该监测服务器。优选地，该安全检测装置使用YOLO v3等一次推理方法对宠物进行检测和分类，YOLO v3调整了网络结构，利用多尺度特征进行对象检测，对象分类模型用Logistic回归取代了softmax回归，能做到实时检测效果。但不限于此优选方案，其他可以达到实时检测效果的方案都在本实施方式的保护范围内。
该安全检测装置检测是否有目标进入网约房的开门区域的方法有多种。在一个实施例中，该网约房安全监控系统还包括设置在该开门区域处的红外检测装置，该红外检测装置检测是否有目标进入该开门区域，如果检测到有目标进行该开门区域则发送控制信号到该安全检测装置，该安全检测装置接收到该控制信号确定有目标进入网约房的开门区域。在另一实施例中，该网约房安全监控系统还包括设置在该开门区域处的电子围栏，该电子围栏检测是否有目标进入该开门区域，如果检测到有目标进行该开门区域则发送控制信号到该安全检测装置，该安全检测装置接收到该控制信号确定有目标进入网约房的开门区域。且不仅限于此两个实施例。
在一个实施例中，该网约房安全监管系统还包括设置在该网约房的房门处的距离传感器，用于判断该进入开门区域的目标是否为逐渐靠近该房门；该安全检测装置还用于如果接收到该距离传感器检测该目标为逐渐靠近该房门，控制补光装置打开，通过图像采集装置采集该开门区域内的目标人脸图像，并记录当前该开门区域内的场景视频图像。该实施例中的补光装置用于增强人脸成像效果，提高识别效率。
需要说明的是，本实施方式的该安全检测装置中的人脸图像比对过程和场景视频图像的人形检测过程可以在两个不同的模块中进行，并且可以同时进行或者先后进行。
在一个实施例中，该报警信息包含入住人员的信息、该网约房的位置信息和该场景视频图像。在其他实施例中，该报警信息还可以包含例如入住时间等其他信息，并且可以根据需要进行调整。
可选地，该安全检测装置可以设置在每个网约房处，或者可以作为一个模块设置在该监测服务器侧。若该安全检测装置设置在该监测服务器侧，则该监测服务器与该图像采集装置、该距离传感器、该补光装置、该红外检测装置(或该电子围栏)网络连接，实现通信。
在一个实施例中，该监测服务器在接收到该报警信息后，可以通过人工检查(例如服务器将收到的报警信息发送至该网约房的房主，由该房主进行检查)或者其他方式进一步判断是否有恶意尾随等问题。在另一个实施例中，该监测服务器在接收到该报警信息后进行存储，一旦发生安全问题直接调用相应报警信息即可。
第一实施方式是与本实施方式相对应的方法实施方式，第一实施方式中的技术细节可以应用于本实施方式，本实施方式中的技术细节也可以应用于第一实施方式。
需要说明的是，本领域技术人员应当理解，上述网约房安全监控系统的实施方式中所示的各模块的实现功能可参照前述网约房安全监控方法的相关描述而理解。上述网约房安全监控系统的实施方式中所示的各模块的功能可通过运行于处理器上的程序(可执行指令)而实现，也可通过具体的逻辑电路而实现。本申请实施例上述网约房安全监控系统如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也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，本申请实施例的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)执行本申请各个实施例该方法的全部或部分。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)、磁碟或者光盘等各种可以存储程序代码的介质。这样，本申请实施例不限制于任何特定的硬件和软件结合。
相应地，本申请实施方式还提供一种计算机可读存储介质，其中存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现本申请的各方法实施方式。计算机可读存储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，计算机可读存储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。
此外，本申请实施方式还提供一种网约房安全监控系统，其中包括被设置为俯角拍摄网约房的开门区域的图像采集装置和安全检测装置；所述安全检测装置还包括用于存储计算机可执行指令的存储器，以及，处理器；该处理器用于在执行该存储器中的计算机可执行指令时实现上述各方法实施方式中的步骤。其中，该处理器可以是中央处理单元(Central Processing Unit，简称“CPU”)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，简称“DSP”)、专用集成电路(Application SpecificIntegrated Circuit，简称“ASIC”)等。前述的存储器可以是只读存储器(read-onlymemory，简称“ROM”)、随机存取存储器(random access memory，简称“RAM”)、快闪存储器(Flash)、硬盘或者固态硬盘等。本发明各实施方式所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
需要说明的是，在本专利的申请文件中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、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他要素，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“包括一个”限定的要素，并不排除在包括该要素的过程、方法、物品或者设备中还存在另外的相同要素。本专利的申请文件中，如果提到根据某要素执行某行为，则是指至少根据该要素执行该行为的意思，其中包括了两种情况：仅根据该要素执行该行为、和根据该要素和其它要素执行该行为。多个、多次、多种等表达包括2个、2次、2种以及2个以上、2次以上、2种以上。
在本申请提及的所有文献都被认为是整体性地包括在本申请的公开内容中，以便在必要时可以作为修改的依据。此外应理解，以上该仅为本说明书的较佳实施例而已，并非用于限定本说明书的保护范围。凡在本说明书一个或多个实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本说明书一个或多个实施例的保护范围之内。

Claims (10)

1.一种网约房安全监控方法，其特征在于，包括：
预先获取待入住人员的注册人脸图像；
当检测到有目标进入网约房的开门区域，通过图像采集装置采集所述开门区域内的目标人脸图像，并记录当前所述开门区域内的场景视频图像，所述图像采集装置被设置为俯角拍摄所述开门区域；
将所述目标人脸图像与所述注册人脸图像进行比对，如果比对通过，控制所述网约房的房门打开；
对所述场景视频图像进行人形检测，如果检测到有伴随或尾随人员，则发送报警信息到监测服务器。
2.如权利要求1所述的网约房安全监控方法，其特征在于，所述控制所述网约房的房门打开之后，还包括：
采用深度学习目标检测方法检测所述场景视频图像中是否有宠物；
如果检测到有宠物，则发送报警信息到所述监测服务器。
3.如权利要求1或2所述的网约房安全监控方法，其特征在于，所述报警信息包含入住人员信息、所述网约房的位置信息和所述场景视频图像。
4.如权利要求1所述的网约房安全监控方法，其特征在于，所述当检测到有目标进入网约房的开门区域，通过图像采集装置采集所述开门区域内的目标人脸图像，并记录当前所述开门区域内的场景视频图像，进一步包括：
当检测到有目标进入所述开门区域，通过设置在所述网约房的房门处的距离传感器检测所述目标是否为逐渐靠近所述房门，如果是则控制补光装置打开，通过图像采集装置采集所述开门区域内的目标人脸图像，并记录当前所述开门区域内的场景视频图像。
5.如权利要求1所述的网约房安全监控方法，其特征在于，所述将所述目标人脸图像与所述注册人脸图像进行比对，进一步包括：
使用LFFD算法检测所述目标人脸图像；
使用MobileFaceNets方法将检测的目标人脸图像与所述注册人脸图像进行比对。
6.如权利要求1所述的网约房安全监控方法，其特征在于，所述对所述场景视频图像进行人形检测，进一步包括：
使用RMPE算法对所述场景视频图像进行人形检测，判断是否有伴随或尾随人员。
7.一种网约房安全监控系统，其特征在于，包括：
被设置为俯角拍摄网约房的开门区域的图像采集装置；
安全检测装置，用于预先获取待入住人员的注册人脸图像，当检测到有目标进入所述开门区域时，控制所述图像采集装置采集所述开门区域内的目标人脸图像，并记录当前所述开门区域内的场景视频图像，将所述目标人脸图像与所述注册人脸图像进行比对，如果比对通过，控制所述网约房的房门打开，并对所述场景视频图像进行人形检测，如果检测到有伴随或尾随人员，则发送报警信息到监测服务器。
8.如权利要求7所述的网约房安全监控系统，其特征在于，所述安全检测装置还用于，采用深度学习目标检测方法检测所述场景视频图像中是否有宠物，如果检测到有宠物，则发送报警信息到所述监测服务器。
9.一种网约房安全监控系统，其特征在于，包括被设置为俯角拍摄网约房的开门区域的图像采集装置和安全检测装置；所述安全检测装置包括：
存储器，用于存储计算机可执行指令；以及，
处理器，用于在执行所述计算机可执行指令时实现如权利要求1至6中任意一项所述的方法中的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机可执行指令，所述计算机可执行指令被处理器执行时实现如权利要求1至6中任意一项所述的方法中的步骤。
CN201911158831.0A 2019-11-22 2019-11-22 网约房安全监控方法和装置 Pending CN112837471A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911158831.0A CN112837471A (zh) 2019-11-22 2019-11-22 网约房安全监控方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911158831.0A CN112837471A (zh) 2019-11-22 2019-11-22 网约房安全监控方法和装置

Publications (1)

Publication Number Publication Date
CN112837471A true CN112837471A (zh) 2021-05-25

Family

ID=75921787

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911158831.0A Pending CN112837471A (zh) 2019-11-22 2019-11-22 网约房安全监控方法和装置

Country Status (1)

Country Link
CN (1) CN112837471A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113838230A (zh) * 2021-09-02 2021-12-24 珠海格力电器股份有限公司 一种门锁的控制方法、装置、门锁及存储介质

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020070858A1 (en) * 2000-12-12 2002-06-13 Philips Electronics North America Corporation Placement of camera in door for face recognition-based security systems
CN105787441A (zh) * 2016-02-01 2016-07-20 浙江纳特智能网络工程有限公司 一种智能视频分析软件
CN106548547A (zh) * 2016-10-26 2017-03-29 江苏金米智能科技有限责任公司 一种基于人脸识别的门禁控制装置
CN108898775A (zh) * 2018-09-12 2018-11-27 山东展望信息科技股份有限公司 入侵监控设备及系统
CN109002783A (zh) * 2018-07-02 2018-12-14 北京工业大学 救援环境中的人体检测以及姿态识别方法
CN109068099A (zh) * 2018-09-05 2018-12-21 济南大学 基于视频监控的虚拟电子围栏监控方法及系统
CN208622149U (zh) * 2018-02-06 2019-03-19 上海弘视通信技术有限公司 智能门禁系统
CN109558785A (zh) * 2017-09-25 2019-04-02 北京缤歌网络科技有限公司 安防监控系统及应用其的无人便利店
CN109657631A (zh) * 2018-12-25 2019-04-19 上海智臻智能网络科技股份有限公司 人体姿态识别方法及装置
CN109672862A (zh) * 2018-12-21 2019-04-23 北京天宇威视科技股份有限公司 图像处理方法、装置、介质及电子设备
CN109726656A (zh) * 2018-12-18 2019-05-07 广东中安金狮科创有限公司 监控设备及其尾随监测方法、装置、可读存储介质
CN109754496A (zh) * 2017-11-06 2019-05-14 中国电信股份有限公司 门禁方法和系统
CN110443144A (zh) * 2019-07-09 2019-11-12 天津中科智能识别产业技术研究院有限公司 一种人体图像关键点姿态估计方法
CN110443923A (zh) * 2019-08-06 2019-11-12 金陵科技学院 一种基于人工智能的酒店安全管理方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020070858A1 (en) * 2000-12-12 2002-06-13 Philips Electronics North America Corporation Placement of camera in door for face recognition-based security systems
CN105787441A (zh) * 2016-02-01 2016-07-20 浙江纳特智能网络工程有限公司 一种智能视频分析软件
CN106548547A (zh) * 2016-10-26 2017-03-29 江苏金米智能科技有限责任公司 一种基于人脸识别的门禁控制装置
CN109558785A (zh) * 2017-09-25 2019-04-02 北京缤歌网络科技有限公司 安防监控系统及应用其的无人便利店
CN109754496A (zh) * 2017-11-06 2019-05-14 中国电信股份有限公司 门禁方法和系统
CN208622149U (zh) * 2018-02-06 2019-03-19 上海弘视通信技术有限公司 智能门禁系统
CN109002783A (zh) * 2018-07-02 2018-12-14 北京工业大学 救援环境中的人体检测以及姿态识别方法
CN109068099A (zh) * 2018-09-05 2018-12-21 济南大学 基于视频监控的虚拟电子围栏监控方法及系统
CN108898775A (zh) * 2018-09-12 2018-11-27 山东展望信息科技股份有限公司 入侵监控设备及系统
CN109726656A (zh) * 2018-12-18 2019-05-07 广东中安金狮科创有限公司 监控设备及其尾随监测方法、装置、可读存储介质
CN109672862A (zh) * 2018-12-21 2019-04-23 北京天宇威视科技股份有限公司 图像处理方法、装置、介质及电子设备
CN109657631A (zh) * 2018-12-25 2019-04-19 上海智臻智能网络科技股份有限公司 人体姿态识别方法及装置
CN110443144A (zh) * 2019-07-09 2019-11-12 天津中科智能识别产业技术研究院有限公司 一种人体图像关键点姿态估计方法
CN110443923A (zh) * 2019-08-06 2019-11-12 金陵科技学院 一种基于人工智能的酒店安全管理方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113838230A (zh) * 2021-09-02 2021-12-24 珠海格力电器股份有限公司 一种门锁的控制方法、装置、门锁及存储介质

Similar Documents

Publication Publication Date Title
US11735018B2 (en) Security system with face recognition
CN108230594B (zh) 一种用于在视频监控系统中生成警报的方法
US8634601B2 (en) Surveillance-based high-resolution facial recognition
JP6905850B2 (ja) 画像処理システム、撮像装置、学習モデル作成方法、情報処理装置
WO2020078229A1 (zh) 目标对象的识别方法和装置、存储介质、电子装置
WO2020073505A1 (zh) 基于图像识别的图像处理方法、装置、设备及存储介质
US20170213081A1 (en) Methods and systems for automatically and accurately detecting human bodies in videos and/or images
WO2013101460A2 (en) Clustering-based object classification
US20190304272A1 (en) Video detection and alarm method and apparatus
CN104933542B (zh) 一种基于计算机视觉的物流仓储监控方法
KR102481995B1 (ko) 딥러닝 기반으로 이상 행동을 자동으로 감지하는 온디바이스 ai 장치 및 이의 동작 방법
KR102263512B1 (ko) 스마트 객체인식이 가능한 IoT 통합 지능형 영상분석 플랫폼 시스템
CN112132048A (zh) 一种基于计算机视觉的社区巡更分析方法及系统
CN113743238A (zh) 异常行为的检测方法、装置、电子装置和存储介质
JP6621092B1 (ja) 危険度判別プログラム及びシステム
Jang et al. Detection of dangerous situations using deep learning model with relational inference
CN112837471A (zh) 网约房安全监控方法和装置
CN118038619A (zh) 一种用于智能火情监测预警的多模态联邦学习方法和系统
Varghese et al. Video anomaly detection in confined areas
CN112686180A (zh) 一种封闭空间人员数量计算方法
CN111277789A (zh) 基于视频的社区安防方法、装置、电子设备及存储介质
KR102504320B1 (ko) 감시카메라 환경에서 다중 특징 정보를 이용한 쓰레기 투기 행위자 탐지 시스템 및 방법
CN111191575B (zh) 一种基于火苗跳动建模的明火检测方法及系统
Chatisa et al. Object Detection and Monitor System for Building Security Based on Internet of Things (IoT) Using Illumination Invariant Face Recognition
JP7529241B2 (ja) 顔認証システムおよび顔認証方法

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210525

WD01 Invention patent application deemed withdrawn after publication