CN112884961B - 一种用于疫情防控的人脸识别闸机系统 - Google Patents

一种用于疫情防控的人脸识别闸机系统 Download PDF

Info

Publication number
CN112884961B
CN112884961B CN202110078283.1A CN202110078283A CN112884961B CN 112884961 B CN112884961 B CN 112884961B CN 202110078283 A CN202110078283 A CN 202110078283A CN 112884961 B CN112884961 B CN 112884961B
Authority
CN
China
Prior art keywords
personnel
data
entering
exiting
face
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
Application number
CN202110078283.1A
Other languages
English (en)
Other versions
CN112884961A (zh
Inventor
王春发
马志刚
韩贵东
赵安妮
柳林
赵亮
赵帅
陈雪
王梓
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.)
Jilin Jike Soft Information Technology Co ltd
Original Assignee
Jilin Jike Soft Information Technology Co ltd
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 Jilin Jike Soft Information Technology Co ltd filed Critical Jilin Jike Soft Information Technology Co ltd
Priority to CN202110078283.1A priority Critical patent/CN112884961B/zh
Publication of CN112884961A publication Critical patent/CN112884961A/zh
Application granted granted Critical
Publication of CN112884961B publication Critical patent/CN112884961B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C9/00—Individual registration on entry or exit
    • G07C9/30—Individual registration on entry or exit not involving the use of a pass
    • G07C9/32—Individual registration on entry or exit not involving the use of a pass in combination with an identity check
    • G07C9/37—Individual registration on entry or exit not involving the use of a pass in combination with an identity check using biometric data, e.g. fingerprints, iris scans or voice recognition
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • 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
    • G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
    • 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
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C9/00—Individual registration on entry or exit
    • G07C9/30—Individual registration on entry or exit not involving the use of a pass
    • G07C9/38—Individual registration on entry or exit not involving the use of a pass with central registration

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明公开了一种用于疫情防控的人脸识别闸机系统,包括人员识别模块、闸机模块、人员信息处理模块、人员管理模块，所述人员识别模块用于获取进出人员的图像信息，所述闸机模块用于监测或控制闸机的运行状态，所述人员信息处理模块用于储存或者删除进出人员的图像信息，人员管理模块用于使用人员使用该系统，本发明结合高清摄像头、红外探测器、测距仪、闸机远程控制人员进出，具有高效疫情防控以及高效管理进出人员的效果。

Description

一种用于疫情防控的人脸识别闸机系统
技术领域
本发明涉及疫情防控技术领域，具体为一种用于疫情防控的人脸识别闸机系统。
背景技术
当前国内以及国外的疫情状况十分严峻，应对此次疫情需要有效实行监管、排查、隔离工作，而目前的防疫管控方式为出入口管控，都需要进行出入登记、体温检测等管控工作，这种管控方式，过于简陋简易，需要使用体温枪进行人工按序排检，造成人力的消耗，并且效率低、漏检、误检率高，同时不利于人员管理。
发明内容
本发明的目的在于提供一种用于疫情防控的人脸识别闸机系统，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种用于疫情防控的人脸识别闸机系统，包括人员识别模块、闸机模块、人员信息处理模块、人员管理模块，所述人员识别模块用于获取进出人员的图像信息数据，所述闸机模块用于监测并控制闸机的运行状态，所述人员信息处理模块用于储存或者删除进出人员的图像信息数据，所述人员管理模块用于管理闸机以及进出人员的图像信息数据。
进一步的，所述人员识别模块包括人脸识别单元、身体特征识别单元、温度测量单元、距离测量单元，所述人脸识别单元用于获取进出人员的脸部特征信息，所述身体特征识别单元用于获取进出人员的脸长度、脸宽度、上身长度、下身长度、手臂长度、上身特征以及下身特征的信息，所述温度测量单元用于获取进出人员身体的温度信息，所述距离测量单元用于获取进出人员与测距仪之间的距离长度。
进一步的，所述闸机模块包括人员进出判断单元、闸机控制单元，所述人员进出判断单元用于结合人员识别模块和闸机的运行状况判断进出人员目前的进出状况，所述闸机控制单元用于控制闸机的开启和关闭。
进一步的，所述人员信息处理模块包括进入人员信息储存单元、外出人员信息删除单元，所述进入人员信息储存单元用于系统判断人员进入时将对应的图像信息数据储存至上位机，所述外出人员信息删除单元用于系统判断人员外出时将对应的图像信息数据从上位机中删除。
进一步的，所述人员管理模块包括人员进出记录单元、黑名单单元、警报单元，所述人员进出记录单元用于在人员进入或者外出时将对应的进出信息进行记录，所述进出信息包括时间信息、图像信息以及警报信息，所述黑名单单元用于增加图像信息进入黑名单防止黑名单中的人员进入，所述警报单元用于对存在疫情隐患的情况进行警报。
进一步的，所述系统包括以下步骤：
S1：红外探测器获取所在位置的红外图像，上位机根据红外图像判断是否存在进出人员，判断存在时，高清摄像头以及测距仪开始工作，转步骤S2；
S2：高清摄像头以及测距仪分别获取进出人员的高清摄像图像以及进出人员和测距仪的距离长度数据，转步骤S3；
S3：由红外图像、高清摄像图像以及距离长度数据获取进出人员的人脸信息数据、身体特征数据、温度数据，所述人脸信息数据、身体特征数据、温度数据统称为进出人员数据，将获取的进出人员数据传输至上位机，转步骤S4；
S4：上位机获取闸机运行状态数据，根据闸机运转状态数据以及距离长度数据判断进出人员的进出动作类型，判断为进入时将进出人员数据储存至上位机，判断为外出时删除上位机储存的与外出时相似度最高的进出人员数据，转步骤S5；
S5：将判断为进入时的人员数据以及判断为外出时删除的人员数据通过外网发送至移动终端以供调用，对进入时的人员数据中的温度数据进行判断，大于设定温度值时会进行报警，并且关闭闸机，比较进入时的人员数据与黑名单中的身体特征数据，比较相似度较高时人工判断是否打开或者关闭闸机，对进入时的人脸信息数据进行判断，出入人员未佩戴口罩时关闭闸机。
进一步的，所述步骤S4中相似度最高的出入人员数据由进出人员的脸长度、脸宽度、上身长度、下身长度、手臂长度、上身特征以及下身特征的信息结合测距仪进行比较判断。
进一步的，所述出入人员的脸长度为T，脸宽度为H，手臂长度为G，上身长度为S，下身长度为J，进出人员和测距仪的距离长度为L，所述高清摄像头获取多个相同出入人员的高清摄像图像，获取其中脸长度、脸宽度、手臂长度、上身长度以及下身长度在多个高清摄像图像中的最大值分别为TMAX、HMAX、GMAX、SMAX、JMAX，所述测距仪获取对应的进出人员和测距仪的距离长度分别为LT、LH、LG、LS、LJ，计算获得进出人员的脸长度价值度为TMAX/LT,脸宽长度价值度为HMAX/LH，手臂长度价值度为GMAX/LG，上身长度价值度为SMAX/LS，下身长度价值度为JMAX/LJ,所述脸长度价值度、脸宽长度价值度、手臂长度价值度、上身长度价值度以及下身长度价值度为部分进出人员数据用于判断出入人员身份,所述进出人员外出时的脸长度价值度为T0,脸宽长度价值度为H0，所述手臂长度价值度为G0，所述上身长度价值度为S0，所述下身长度价值度为J0,所述上位机储存的人员数据中的脸长度价值度为T1至TN，脸宽长度价值度为H1至HN，手臂长度价值度为G1至GN，上身长度价值度为S1至SN，下身长度价值度为J1至JN，存在以下判断公式：
△=|（Ti-T0）/T0|+|（Hi-H0）/H0|+|（Gi-G0）/G0|+|（Si-S0）/S0|+|（Ji-J0）/J0|
i=1,2,3，…，N；
其中△为比较价值度，所述上位机将△按照从小到大的方式进行排序，所述上位机会设定一个比较价值度阈值△min，△小于△min时，△所对应的人员数据为相似度最高的进出人员数据。
进一步的，所述上身特征以及下身特征信息由高清摄像图像获得，所述上身特征以及下身特征信息由进出人员手臂长度划分为上身区域和下身区域，所述上身区域以及下身区域由不同类型的像素块组成，所述像素块包含色彩以及饱和度属性，获取相同类型像素块占据上身区域以及下身区域的比例，分别导出上身区域以及下身区域不同像素块占区域的比例数据，所述上身区域以及下身区域不同像素块占区域的比例数据为部分进出人员数据用于判断出入人员身份，所述上位机将像素块根据色彩以及饱和度属性分为A、B、C、D等像素块，其对应占区域的比例分别为a、b、c、d等，存在以下判断公式：
△x=|（aj-a0）/a0|+|（bj-b0）/b0|+|（cj-c0）/c0|+|（dj-d0）/d0|+...
j=1,2,3，…，N；
其中△x为像素块比较价值度，a0、b0、c0、d0等分别为人员外出时A、B、C、D等像素块类型对应占区域的比例，an、bn、cn、dn等分别为上位机储存的人员数据中A、B、C、D等像素块类型对应占区域的比例，所述上位机将△x按照从小到大的方式进行排序，设定一个比较价值度阈值△xmin，△x小于△xmin时，△x所对应的进出人员数据为比例数据相似度最高的进出人员数据。
进一步的，所述步骤S4包含以下步骤：
S41：由脸长度价值度、脸宽长度价值度、手臂长度价值度、上身长度价值度以及下身长度价值度进行第一次判断，比较获取相似度最高的进出人员数据，若获取的进出人员数据数量为一则输出此人员数据为需删除的人员数据，若数量不为一转步骤S42；
S42：由下身区域不同像素块占区域的比例数据进行第二次判断，获取比例数据相似度最高的进出人员数据，若获取的进出人员数据数量为一则输出此人员数据为需删除的人员数据，若数量不为一转步骤S43；
S43：由上身区域不同像素块占区域的比例数据进行第三次判断，获取比例数据相似度最高的进出人员数据，若获取的进出人员数据数量为一则输出此人员数据为需删除的人员数据，若数量不为一，则转人工进行判断。
与现有技术相比，本发明所达到的有益效果是：本发明可以远程控制闸机以及管理人员流动，不需要和进出人员直接接触避免被感染的可能性，同时会记录进出人员的进出时间和身体状况，随时可以调用储存的记录信息，为人员流动管理提供方便，具备建设代价小、管理效果好的优点。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明的模块与单元结构示意图；
图2是本发明的通讯结构示意图；
图3是本发明的身体特征数据获取示意图；
图中：1、高清摄像头；2、红外探测器；3、测距仪；4、闸机；5、信号线；6、上位机；7、网线；8、4G网络；9、移动终端。
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。
请参阅图1-3，本发明提供技术方案：
一种用于疫情防控的人脸识别闸机系统，包括人员识别模块、闸机模块、人员信息处理模块、人员管理模块，所述人员识别模块用于获取进出人员的图像信息数据，所述闸机模块用于监测并控制闸机的运行状态，所述人员信息处理模块用于储存或者删除进出人员的图像信息数据，所述人员管理模块用于管理闸机以及进出人员的图像信息数据。
所述人员识别模块包括人脸识别单元、身体特征识别单元、温度测量单元、距离测量单元，所述人脸识别单元用于获取进出人员的脸部特征信息，所述身体特征识别单元用于获取进出人员的脸长度、脸宽度、上身长度、下身长度、手臂长度、上身特征以及下身特征的信息，所述温度测量单元用于获取进出人员身体的温度信息，所述距离测量单元用于获取进出人员与测距仪之间的距离长度。
所述闸机模块包括人员进出判断单元、闸机控制单元，所述人员进出判断单元用于结合人员识别模块和闸机的运行状况判断进出人员目前的进出状况，所述闸机控制单元用于控制闸机的开启和关闭。
所述人员信息处理模块包括进入人员信息储存单元、外出人员信息删除单元，所述进入人员信息储存单元用于系统判断人员进入时将对应的图像信息数据储存至上位机，所述外出人员信息删除单元用于系统判断人员外出时将对应的图像信息数据从上位机中删除，人员外出后将上位机储存的对应图像信息删除不仅可以降低上位机的运行压力，同时可以减少图像信息数据比较错误的可能性，当进出人员流动较大时，效果更为明显。
所述人员管理模块包括人员进出记录单元、黑名单单元、警报单元，所述人员进出记录单元用于在人员进入或者外出时将对应的进出信息进行记录，所述进出信息包括时间信息、图像信息以及警报信息，所述黑名单单元用于增加图像信息进入黑名单防止黑名单中的人员进入，所述警报单元用于对存在疫情隐患的情况进行警报，以上模块与单元的具体结构如图1所示。
所述系统包括以下步骤：
S1：红外探测器获取所在位置的红外图像，上位机根据红外图像判断是否存在进出人员，判断存在时，高清摄像头以及测距仪开始工作，转步骤S2；
以上上位机根据红外图像判断当前管理区域无进出人员会关闭高清摄像头和测距仪目的时为了减少能耗，同时保护高清摄像头和测距仪。
S2：高清摄像头以及测距仪分别获取进出人员的高清摄像图像以及进出人员和测距仪的距离长度数据，转步骤S3；
以上高清摄像图像以及距离长度数据并不是只采集一次，而是会一直跟随进出人员进行多次拍摄和获取，使得采集的数据具备真实性。
S3：由红外图像、高清摄像图像以及距离长度数据获取进出人员的人脸信息数据、身体特征数据、温度数据，所述人脸信息数据、身体特征数据、温度数据统称为进出人员数据，将获取的进出人员数据传输至上位机，转步骤S4；
S4：上位机获取闸机运行状态数据，根据闸机运转状态数据以及距离长度数据判断进出人员的进出动作类型，判断为进入时将进出人员数据储存至上位机，判断为外出时删除上位机储存的与外出时相似度最高的进出人员数据，转步骤S5；
相似度最高的进出人员数据是进入时进出人员数据与外出时进出人员数据比较的结果，是为了获得相同进出人员进入管理区域以及离开管理区域的时间，目的在于实时监控流动人员流动状况，起到安防的作用。
S5：将判断为进入时的人员数据以及判断为外出时删除的人员数据通过外网发送至移动终端以供调用，对进入时的人员数据中的温度数据进行判断，大于设定温度值时会进行报警，并且关闭闸机，比较进入时的人员数据与黑名单中的身体特征数据，比较相似度较高时人工判断是否打开或者关闭闸机，对进入时的人脸信息数据进行判断，出入人员未佩戴口罩时关闭闸机。所述步骤S4中相似度最高的出入人员数据由进出人员的脸长度、脸宽度、上身长度、下身长度、手臂长度、上身特征以及下身特征的信息结合测距仪进行比较判断。
所述出入人员的脸长度为T，脸宽度为H，手臂长度为G，上身长度为S，下身长度为J，进出人员和测距仪的距离长度为L，所述高清摄像头获取多个相同出入人员的高清摄像图像，获取其中脸长度、脸宽度、手臂长度、上身长度以及下身长度在多个高清摄像图像中的最大值分别为TMAX、HMAX、GMAX、SMAX、JMAX，所述测距仪获取对应的进出人员和测距仪的距离长度分别为LT、LH、LG、LS、LJ，计算获得进出人员的脸长度价值度为TMAX/LT,脸宽长度价值度为HMAX/LH，手臂长度价值度为GMAX/LG，上身长度价值度为SMAX/LS，下身长度价值度为JMAX/LJ,所述脸长度价值度、脸宽长度价值度、手臂长度价值度、上身长度价值度以及下身长度价值度为部分进出人员数据用于判断出入人员身份。
进出人员外出时的脸长度价值度为T0,脸宽长度价值度为H0，手臂长度价值度为G0，上身长度价值度为S0，下身长度价值度为J0,上位机储存的人员数据中的脸长度价值度为T1至TN，脸宽长度价值度为H1至HN，手臂长度价值度为G1至GN，上身长度价值度为S1至SN，下身长度价值度为J1至JN，存在以下判断公式：
△=|（Ti-T0）/T0|+|（Hi-H0）/H0|+|（Gi-G0）/G0|+|（Si-S0）/S0|+|（Ji-J0）/J0|
i=1,2,3，…，N；
其中△为比较价值度，△越小比较的进出人员的身体特征越相似及相似度越高，此公式用于对上位机储存的人员数据与进出人员外出时的人员数据进行比较，上位机将△按照从小到大的方式进行排序，为了确保选取的准确性将会设定一个比较价值度阈值△min，△小于△min时，△所对应的人员数据为相似度最高的进出人员数据。
当前疫情状况紧张，出入人员大多会佩戴口罩，因为口罩的遮挡传统人脸识别管理的方式变得不再适用，所以本发明对出入人员的身体结构进行识别，获取人员流动信息，本发明的人脸识别目的在于判断进出人员是否佩戴口罩，然后再采取相应的措施。
所述上身特征以及下身特征信息由高清摄像图像获得，所述上身特征以及下身特征信息由进出人员手臂长度划分为上身区域和下身区域，所述上身区域以及下身区域由不同类型的像素块组成，所述像素块包含色彩以及饱和度属性，获取相同类型像素块占据上身区域以及下身区域的比例，分别导出上身区域以及下身区域不同像素块占区域的比例数据，所述上身区域以及下身区域不同像素块占区域的比例数据为部分进出人员数据用于判断出入人员身份。
当进出人员的身体结构相似时，可能就无法识别了，所以还需要进行细化，本发明可以对进出人员的衣着进行下一步的识别，为进出人员分类提供了一种方式，同时因为人的手臂长度和人的上半身以及下半身存在一定的结构关系，可以用来计算划分人的上半身区域以及下半身区域。
所述步骤S4包含以下步骤：
S41：由脸长度价值度、脸宽长度价值度、手臂长度价值度、上身长度价值度以及下身长度价值度进行第一次判断，比较获取相似度最高的进出人员数据，若获取的进出人员数据数量为一则输出此人员数据为需删除的人员数据，若数量不为一转步骤S42；
S42：由下身区域不同像素块占区域的比例数据进行第二次判断，获取比例数据相似度最高的进出人员数据，若获取的进出人员数据数量为一则输出此人员数据为需删除的人员数据，若数量不为一转步骤S43；
在实际判断运用中，会将像素块根据色彩以及饱和度属性分为例如A、B、C、D等像素块，其对应占区域的比例分别为a、b、c、d等，以上身特征以及下身特征只有A、B、C、D这四种像素块类型且其对应占区域的比例分别为a、b、c、d为例，人员外出时A、B、C、D这四种像素块类型对应占区域的比例分别为a0、b0、c0、d0，上位机储存的人员数据中的A、B、C、D这四种像素块类型占区域的比例分别为a1至an、b1至bn、c1至cn、d1至dn,存在以下判断公式：
△x=|（aj-a0）/a0|+|（bj-b0）/b0|+|（cj-c0）/c0|+|（dj-d0）/d0|
j=1,2,3，..，N；
其中△x为像素块比较价值度，易知△x越小，比例数据相似度越高，上位机将△x按照从小到大的方式进行排序，为了确保选取的准确性将会设定一个比较价值度阈值△xmin，△x小于△xmin时，△x所对应的进出人员数据为比例数据相似度最高的进出人员数据。
S43：由上身区域不同像素块占区域的比例数据进行第三次判断，获取比例数据相似度最高的进出人员数据，若获取的进出人员数据数量为一则输出此人员数据为需删除的人员数据，若数量不为一，则转人工进行判断，上身区域的判断方法与下身区域判断方法相同。
根据实际情况进出人员的身体结构在进出时不会发生大的变化，所以将身体结构作为最主要的识别参考方式，同时对于短时间的进出人员来说，上半身变化的可能性要比下半身变化的可能性要大的多，所以下半身的识别要优先于上半身。
需要说明的是，在本文中，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。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，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。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种用于疫情防控的人脸识别闸机系统，包括人员识别模块、闸机模块、人员信息处理模块、人员管理模块，其特征在于：所述人员识别模块用于获取进出人员的图像信息数据，所述闸机模块用于监测并控制闸机的运行状态，所述人员信息处理模块用于储存或者删除进出人员的图像信息数据，所述人员管理模块用于管理闸机以及进出人员的图像信息数据；
所述人员识别模块包括人脸识别单元、身体特征识别单元、温度测量单元、距离测量单元，所述人脸识别单元用于获取进出人员的脸部特征信息，所述身体特征识别单元用于获取进出人员的脸长度、脸宽度、上身长度、下身长度、手臂长度、上身特征以及下身特征的信息，所述温度测量单元用于获取进出人员身体的温度信息，所述距离测量单元用于获取进出人员与测距仪之间的距离长度；
所述人员管理模块包括人员进出记录单元、黑名单单元、警报单元，所述人员进出记录单元用于在人员进入或者外出时将对应的进出信息进行记录，所述进出信息包括时间信息、图像信息以及警报信息，所述黑名单单元用于增加图像信息进入黑名单防止黑名单中的人员进入，所述警报单元用于对存在疫情隐患的情况进行警报；
所述系统包括以下步骤：
S1：红外探测器获取所在位置的红外图像，上位机根据红外图像判断是否存在进出人员，判断存在时，高清摄像头以及测距仪开始工作，转步骤S2；
S2：高清摄像头以及测距仪分别获取进出人员的高清摄像图像以及进出人员和测距仪的距离长度数据，转步骤S3；
S3：由红外图像、高清摄像图像以及距离长度数据获取进出人员的人脸信息数据、身体特征数据、温度数据，所述人脸信息数据、身体特征数据、温度数据统称为进出人员数据，将获取的进出人员数据传输至上位机，转步骤S4；
S4：上位机获取闸机运行状态数据，根据闸机运转状态数据以及距离长度数据判断进出人员的进出动作类型，判断为进入时将进出人员数据储存至上位机，判断为外出时删除上位机储存的与外出时相似度最高的进出人员数据，转步骤S5；
S5：将判断为进入时的人员数据以及判断为外出时删除的人员数据通过外网发送至移动终端以供调用，对进入时的人员数据中的温度数据进行判断，大于设定温度值时会进行报警，并且关闭闸机，比较进入时的人员数据与黑名单中的身体特征数据，比较相似度较高时人工判断是否打开或者关闭闸机，对进入时的人脸信息数据进行判断，出入人员未佩戴口罩时关闭闸机；
所述步骤S4中相似度最高的出入人员数据由进出人员的脸长度、脸宽度、上身长度、下身长度、手臂长度、上身特征以及下身特征的信息结合测距仪进行比较判断；
所述出入人员的脸长度为T，脸宽度为H，手臂长度为G，上身长度为S，下身长度为J，进出人员和测距仪的距离长度为L，所述高清摄像头获取多个相同出入人员的高清摄像图像，获取其中脸长度、脸宽度、手臂长度、上身长度以及下身长度在多个高清摄像图像中的最大值分别为TMAX、HMAX、GMAX、SMAX、JMAX，所述测距仪获取对应的进出人员和测距仪的距离长度分别为LT、LH、LG、LS、LJ，计算获得进出人员的脸长度价值度为TMAX/LT,脸宽长度价值度为HMAX/LH，手臂长度价值度为GMAX/LG，上身长度价值度为SMAX/LS，下身长度价值度为JMAX/LJ,所述脸长度价值度、脸宽长度价值度、手臂长度价值度、上身长度价值度以及下身长度价值度为部分进出人员数据用于判断出入人员身份,所述进出人员外出时的脸长度价值度为T0,脸宽长度价值度为H0，所述手臂长度价值度为G0，所述上身长度价值度为S0，所述下身长度价值度为J0,所述上位机储存的人员数据中的脸长度价值度为T1至TN，脸宽长度价值度为H1至HN，手臂长度价值度为G1至GN，上身长度价值度为S1至SN，下身长度价值度为J1至JN，存在以下判断公式：
△=|（Ti-T0）/T0|+|（Hi-H0）/H0|+|（Gi-G0）/G0|+|（Si-S0）/S0|+|（Ji-J0）/J0|
i=1,2,3，…，N；
其中△为比较价值度，所述上位机将△按照从小到大的方式进行排序，所述上位机会设定一个比较价值度阈值△min，△小于△min时，△所对应的人员数据为相似度最高的进出人员数据。
2.根据权利要求1所述的一种用于疫情防控的人脸识别闸机系统，其特征在于：所述闸机模块包括人员进出判断单元、闸机控制单元，所述人员进出判断单元用于结合人员识别模块和闸机的运行状况判断进出人员目前的进出状况，所述闸机控制单元用于控制闸机的开启和关闭。
3.根据权利要求1所述的一种用于疫情防控的人脸识别闸机系统，其特征在于：所述人员信息处理模块包括进入人员信息储存单元、外出人员信息删除单元，所述进入人员信息储存单元用于系统判断人员进入时将对应的图像信息数据储存至上位机，所述外出人员信息删除单元用于系统判断人员外出时将对应的图像信息数据从上位机中删除。
4.根据权利要求1所述的一种用于疫情防控的人脸识别闸机系统，其特征在于：所述上身特征以及下身特征信息由高清摄像图像获得，所述上身特征以及下身特征信息由进出人员手臂长度划分为上身区域和下身区域，所述上身区域以及下身区域由不同类型的像素块组成，所述像素块包含色彩以及饱和度属性，获取相同类型像素块占据上身区域以及下身区域的比例，分别导出上身区域以及下身区域不同像素块占区域的比例数据，所述上身区域以及下身区域不同像素块占区域的比例数据为部分进出人员数据用于判断出入人员身份，所述上位机将像素块根据色彩以及饱和度属性分为A、B、C、D、…像素块，其对应占区域的比例分别为a、b、c、d、…，存在以下判断公式：
△x=|（aj-a0）/a0|+|（bj-b0）/b0|+|（cj-c0）/c0|+|（dj-d0）/d0|+...
j=1,2,3，…，N；
其中△x为像素块比较价值度，a0、b0、c0、d0、…分别为人员外出时A、B、C、D、…像素块类型对应占区域的比例，an、bn、cn、dn、…分别为上位机储存的人员数据中A、B、C、D、…像素块类型对应占区域的比例，所述上位机将△x按照从小到大的方式进行排序，设定一个比较价值度阈值△xmin，△x小于△xmin时，△x所对应的进出人员数据为比例数据相似度最高的进出人员数据。
5.根据权利要求1所述的一种用于疫情防控的人脸识别闸机系统，其特征在于：所述步骤S4包含以下步骤：
S41：由脸长度价值度、脸宽长度价值度、手臂长度价值度、上身长度价值度以及下身长度价值度进行第一次判断，比较获取相似度最高的进出人员数据，若获取的进出人员数据数量为一则输出此人员数据为需删除的人员数据，若数量不为一转步骤S42；
S42：由下身区域不同像素块占区域的比例数据进行第二次判断，获取比例数据相似度最高的进出人员数据，若获取的进出人员数据数量为一则输出此人员数据为需删除的人员数据，若数量不为一转步骤S43；
S43：由上身区域不同像素块占区域的比例数据进行第三次判断，获取比例数据相似度最高的进出人员数据，若获取的进出人员数据数量为一则输出此人员数据为需删除的人员数据，若数量不为一，则转人工进行判断。
CN202110078283.1A 2021-01-21 2021-01-21 一种用于疫情防控的人脸识别闸机系统 Active CN112884961B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110078283.1A CN112884961B (zh) 2021-01-21 2021-01-21 一种用于疫情防控的人脸识别闸机系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110078283.1A CN112884961B (zh) 2021-01-21 2021-01-21 一种用于疫情防控的人脸识别闸机系统

Publications (2)

Publication Number Publication Date
CN112884961A CN112884961A (zh) 2021-06-01
CN112884961B true CN112884961B (zh) 2022-11-29

Family

ID=76051410

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110078283.1A Active CN112884961B (zh) 2021-01-21 2021-01-21 一种用于疫情防控的人脸识别闸机系统

Country Status (1)

Country Link
CN (1) CN112884961B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113807229A (zh) * 2021-09-13 2021-12-17 深圳市巨龙创视科技有限公司 智慧教室非接触式考勤装置、方法、设备及存储介质

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2227406B1 (en) * 2007-11-12 2015-03-18 Autoliv Development AB A vehicle safety system
CN101470800B (zh) * 2007-12-30 2011-05-04 沈阳工业大学 手形识别方法
JP6344638B2 (ja) * 2013-03-06 2018-06-20 株式会社リコー 物体検出装置、移動体機器制御システム及び物体検出用プログラム
CN103198466A (zh) * 2013-04-23 2013-07-10 昆明信诺莱伯科技有限公司 一种利用步幅特征综合指标定量检验方法
CN103488980A (zh) * 2013-10-10 2014-01-01 广东小天才科技有限公司 一种基于摄像头的坐姿判断方法和装置
CN104866818B (zh) * 2015-04-29 2018-09-07 百度在线网络技术（北京）有限公司 一种用于搜索包含人脸的图片的方法和装置
CN107016387B (zh) * 2016-01-28 2020-02-28 苏宁云计算有限公司 一种识别标签的方法及装置
CN106096580A (zh) * 2016-06-28 2016-11-09 合肥酷睿网络科技有限公司 一种基于网络的通过人脸识别性别的方法
CN107633208B (zh) * 2017-08-17 2018-12-18 平安科技（深圳）有限公司 电子装置、人脸追踪的方法及存储介质
KR20200040374A (ko) * 2018-10-10 2020-04-20 삼성전자주식회사 거리 추정 방법 및 장치
CN112101076A (zh) * 2019-06-18 2020-12-18 虹软科技股份有限公司 识别猪只的方法和装置
CN110866469A (zh) * 2019-10-30 2020-03-06 腾讯科技（深圳）有限公司 一种人脸五官识别方法、装置、设备及介质
CN110992546A (zh) * 2019-12-02 2020-04-10 杭州磊盛智能科技有限公司 一种人脸识别闸机及其防尾随方法
CN111582358B (zh) * 2020-04-30 2024-05-10 上海添玑网络服务有限公司 户型识别模型的训练方法及装置、户型判重的方法及装置

Also Published As

Publication number Publication date
CN112884961A (zh) 2021-06-01

Similar Documents

Publication Publication Date Title
CN1254108C (zh) 住宅安全监控的方法和装置
CN109658554B (zh) 一种基于大数据的智能小区安防系统
US8570376B1 (en) Method and system for efficient sampling of videos using spatiotemporal constraints for statistical behavior analysis
CN112233300A (zh) 一种基于人工智能的社区通行防疫监控联防系统及其方法
JP6854881B2 (ja) 顔画像照合システムおよび顔画像検索システム
CN108052925A (zh) 一种小区人员档案智能管理方法
CN105913037A (zh) 基于人脸识别与射频识别的监控跟踪系统
EP1346328B1 (en) Method and apparatus to reduce false alarms in exit/entrance situations for residential security monitoring
CN108399671A (zh) 一种物联网掌静脉视频门禁集成系统
CN110222640A (zh) 监控场所中嫌疑人的识别方法、装置、方法和存储介质
CN112418091B (zh) 一种基于大数据的智慧校园安防数据处理方法
CN112884961B (zh) 一种用于疫情防控的人脸识别闸机系统
CN109977870A (zh) 一种监控识别系统
CN110807117B (zh) 一种用户关系预测方法及装置、计算机可读存储介质
CN108320359A (zh) 一种城市物联网智慧门禁及安防系统
CN109102613A (zh) 一种基于人脸识别的社区监控方法
CN110084935A (zh) 出入预警方法及装置
CN115035668A (zh) 一种基于视频监控的社区安防系统
CN110598551B (zh) 一种提高行人身份识别效率的方法、装置、设备及介质
CN113869115A (zh) 一种人脸图像处理的方法及系统
CN205211111U (zh) 计算机机房的安防监控系统
CN210924687U (zh) 一种基于人脸识别技术的外来人员分类管控系统
CN114897499A (zh) 一种景区员工工作状态判断的方法及装置
CN208225154U (zh) 一种智能身份证刷卡开启门禁系统
CN110096984A (zh) 用于多空间的人员行为习惯识别及管理系统

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