CN113158923B - 一种基于人脸识别的公交换乘提醒系统 - Google Patents

一种基于人脸识别的公交换乘提醒系统 Download PDF

Info

Publication number
CN113158923B
CN113158923B CN202110457054.0A CN202110457054A CN113158923B CN 113158923 B CN113158923 B CN 113158923B CN 202110457054 A CN202110457054 A CN 202110457054A CN 113158923 B CN113158923 B CN 113158923B
Authority
CN
China
Prior art keywords
station
module
passenger
passengers
information
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
CN202110457054.0A
Other languages
English (en)
Other versions
CN113158923A (zh
Inventor
姜贵鹏
赵岩
孙宏飞
钱贵涛
王金刚
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.)
Hualu Zhida Technology Co Ltd
Original Assignee
Hualu Zhida 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 Hualu Zhida Technology Co Ltd filed Critical Hualu Zhida Technology Co Ltd
Priority to CN202110457054.0A priority Critical patent/CN113158923B/zh
Publication of CN113158923A publication Critical patent/CN113158923A/zh
Application granted granted Critical
Publication of CN113158923B publication Critical patent/CN113158923B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • 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—Systems or methods specially adapted for 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
    • 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
    • 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
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue

Abstract

本发明公开了一种基于人脸识别的公交换乘提醒系统，其特征在于，包括公交换乘管理子系统以及到站提醒系统，公交换乘管理子系统包括用于获取乘客的到站站点的车载终端模块、获取乘客的人脸图像数据的数据关联模块、利用人脸识别方法对乘客进行位置跟踪的位置跟踪模块、获取车内的客流信息的客流量统计模块。到站提醒模块包括站点分析模块、最优化选择模块、扬声器模块，站点分析模块接收位置跟踪模块和客流量统计模块的信息，生成提醒方案发送到最优化选择模块，最优化选择模块用于确定最优提醒方案，并利用扬声器模块提醒乘客，无需乘客操作，提高乘客满意度。

Description

一种基于人脸识别的公交换乘提醒系统
技术领域
本发明涉及公交领域，尤其涉及一种基于人脸识别的公交换乘提醒系统。
背景技术
现有的公交换乘通常需要手机终端，对不会操作手机终端的人群便捷性并不高，比如老人和一些残疾人士。
发明内容
本发明提供一种基于人脸识别的公交换乘提醒系统，以克服上述技术问题。
本发明公开了一种基于人脸识别的公交换乘提醒系统，其特征在于，包括公交换乘管理子系统以及到站提醒系统，公交换乘管理子系统包括用于获取乘客的到站站点的车载终端模块、获取乘客的人脸图像数据的数据关联模块、利用人脸识别方法对乘客进行位置跟踪的位置跟踪模块、获取车内的客流信息的客流量统计模块。到站提醒模块包括站点分析模块、最优化选择模块、扬声器模块，站点分析模块接收位置跟踪模块和客流量统计模块的信息，生成提醒方案发送到最优化选择模块，最优化选择模块用于确定最优提醒方案，并利用扬声器模块提醒乘客。
车载终端模块是指获取乘客的到站站点，获取乘客的到站站点包括通过信息采集端对站台区域内乘客到站信息进行采集，生成到站站点信息；
数据关联模块是指获取乘客的人脸图像数据，获取乘客的人脸图像数据包括通过信息端获取当前到站站点信息对应的乘客面部特征，建立到站站点信息与乘客面部特征的数据关联，并将关联后的信息发送到位置跟踪模块；
位置跟踪模块是指利用人脸识别方法对乘客进行位置跟踪，利用人脸识别方法对乘客进行位置跟踪包括安装在车内的监控装置，接收数据关联模块发送的建立到站站点信息与乘客面部特征的数据关联，统计即将到站的人数，跟踪即将到站人员在车内位置信息；
客流量统计模块是指获取车内的客流信息，获取车内的客流信息包括采集开门过程乘客的支付信息，获取上车人数，通过安装在车门的监控装置，获取车辆开门过程中的视频，识别并统计视频中出现的下车人数，根据上车人数、下车人数、开门前车内人数计算关门后车内人数；
所述到站提醒系统包括站点分析模块、最优化选择模块、扬声器模块，
站点分析模块是指将到到达下一站的时间划分为不同的采样周期，在同一采样周期获取当前车速，后一站点的车站客流信息，获取客流量统计模块统计的当前车内客流量，获取位置跟踪模块传入的即将到站人员数量统计，获取位置跟踪模块传入的即将到站人员在车内位置信息，根据以上数据生成提醒方案；
最优化选择模块是指将站点分析模块中相邻的两个采样周期内产生的数据进行匹配度计算，计算匹配度的公式为(1)，若匹配值大于阈值，则说明两方案匹配度较高，则选择第一个采样周期的提醒方案作为最优提醒方案，若匹配值小于等于阈值，则选择第二个采样周期的方案作为最优提醒方案，标记最优提醒方案所对应的乘客；
Figure GDA0003713538750000021
其中，txi,txi-1分别为相邻的两个采样周期内产生的数据，zm为匹配度，k为即将到站人员在车内位置信息，Vx表示第一个周期的数据特征的置信度，取值范围[0,1]，Vy表示第二个周期的数据特征的置信度，取值范围[0,1]，l(*)表示使用卷积网络抽取后的特征，f(*)表示对两个数据进行序列化；
扬声器模块是指获取最优化选择模块的最优提醒方案，对即将到站的乘客进行到站提醒；
优选地，所述获取乘客的人脸图像数据包括通过信息端获取获取当前到站站点信息对应的乘客面部特征，获取乘客面部特征的公式为(2)，
Figure GDA0003713538750000022
Figure GDA0003713538750000032
其中，x为图像，y是通用人脸模版，具体是指由256个点组成的三维点云，点云内的点包含眼鼻嘴和脸颊轮廓，fea是乘客面部特征，Vi表征图像特征置信度，取值范围[0,1]，Vj表征人脸特征模板置信度，取值范围[0,1]，ln(*)表示使用对比损失训练的孪生网络抽取后的特征，ft(*)表示从面像中提取人脸信息，x',y'表示归一化后的人脸图像；
优选地，所述通过信息采集端对站台区域内乘客到站信息进行采集是指乘客通过车站的触摸屏、话筒选择到站站点；
优选地，所述乘客通过车站的话筒选择到站站点是指通过语音识别的方式识别乘客的发音信息，并转换成文字与站点信息匹配；
具体来说，获取发音对应文字的公式为(3)，
Figure GDA0003713538750000031
其中，o为乘客对应发音，p是标准汉语发音库，fa是发音对应的文字，Vm表示乘客对应发音特征的置信度，Vn表示标准汉语发音库特征的置信度，取值范围[0,1]，ln(*)表示使用对比损失训练的孪生网络抽取后的特征，fo(*)表示对发音进行去噪处理，o',p'表示序列化后的发音；
优选地，所述对即将到站的乘客进行到站提醒包括通过车载终端的微型语音播放器提醒乘客，所述微型语音播放器整车厢均布，且以位置为中心，选择最近的一个进行语音播放；
本发明提供一种基于人脸识别的公交换乘提醒系统，无需乘客操作，提高乘客满意度。
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作一简单地介绍，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是本发明一种基于人脸识别的公交换乘提醒系统模块图。
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作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。
图1为本发明一种基于人脸识别的公交换乘提醒系统模块图，如图1所示，本实施例的方法可以包括：
公交换乘管理子系统以及到站提醒系统，公交换乘管理子系统包括用于获取乘客的到站站点的车载终端模块101、获取乘客的人脸图像数据的数据关联模块102、利用人脸识别方法对乘客进行位置跟踪的位置跟踪模块103、获取车内的客流信息的客流量统计模块104。到站提醒系统包括站点分析模块201、最优化选择模块202、扬声器模块203，站点分析模块接收位置跟踪模块和客流量统计模块的信息，生成提醒方案发送到最优化选择模块，最优化选择模块用于确定最优提醒方案，并利用扬声器模块提醒乘客。
车载终端模块101是指获取乘客的到站站点，获取乘客的到站站点包括通过信息采集端对站台区域内乘客到站信息进行采集，生成到站站点信息；
具体而言，乘客通过车站的触摸屏、话筒选择到站站点，通过触摸屏点触的方式在信息采集段选择到站站点，或者使用话筒说明到站站点，信息采集端通过语音识别的方式识别乘客的发音信息，并转换成文字与站点信息匹配，其中，获取发音对应文字的公式为(1)，
Figure GDA0003713538750000041
其中，o为乘客对应发音，p是标准汉语发音库，fa是发音对应的文字，Vm表示乘客对应发音特征的置信度，Vn表示标准汉语发音库特征的置信度，取值范围[0,1]，ln(*)表示使用对比损失训练的孪生网络抽取后的特征，fo(*)表示对发音进行去噪处理，o',p'表示序列化后的发音；
数据关联模块102是指获取乘客的人脸图像数据，获取乘客的人脸图像数据包括通过信息端获取获取当前到站站点信息对应的乘客面部特征，建立到站站点信息与乘客面部特征的数据关联，并将关联后的信息发送到位置跟踪模块；
具体来说，所有人脸识别的数据，需要经过乘客同意才能采集。获取乘客面部特征的公式为(2)，
Figure GDA0003713538750000051
其中，x为图像，y是通用人脸模版，具体是指由256个点组成的三维点云，点云内的点包含眼鼻嘴和脸颊轮廓，fea是乘客面部特征，Vi表征图像特征置信度，取值范围[0,1]，Vj表征人脸特征模板置信度，取值范围[0,1]，ln(*)表示使用对比损失训练的孪生网络抽取后的特征，ft(*)表示从面像中提取人脸信息，x',y'表示归一化后的人脸图像；
位置跟踪模块103是指利用人脸识别方法对乘客进行位置跟踪，利用人脸识别方法对乘客进行位置跟踪包括安装在车内的监控装置，统计即将到站的人数，跟踪即将到站人员在车内位置信息；
客流量统计模块104是指获取车内的客流信息，获取车内的客流信息包括采集开门过程乘客的支付信息，获取上车人数，通过安装在车门的监控装置，获取车辆开门过程中的视频，识别并统计视频中出现的下车人数，根据上车人数、下车人数、开门前车内人数计算关门后车内人数；
具体来说，统计下车人数的公式为(3)：
Figure GDA0003713538750000052
t1为输入的下车图像，n表示图片被切分成的块数，n＝15，
Figure GDA0003713538750000053
为块t1的特征匹配函数，具体为使用欧氏距离计算特征的匹配程度，W为通用人脸模板，，具体是指由256个点组成的三维点云，点云内的点包含眼鼻嘴和脸颊轮廓的线性回归矩阵，ω表示权重,f表示使用卷积抽取图像特征，M表示前M个最大的特征值，c1为下车人数；
统计上车人数的公式为(4)：
Figure GDA0003713538750000061
t2为输入的上车图像，n表示图片被切分成的块数，n＝15，
Figure GDA0003713538750000062
为块t2的特征匹配函数，具体为使用欧氏距离计算特征的匹配程度，W为通用人脸模板，具体是指由256个点组成的三维点云，点云内的点包含眼鼻嘴和脸颊轮廓的线性回归矩阵，ω表示权重,f表示使用卷积抽取图像特征，M表示前M个最大的特征值，c2为上车人数；
统计车内人数的公式为(5)：
Figure GDA0003713538750000063
t3为输入的车内安装的摄像头获取的车内图像，n表示图片被切分成的块数，n＝15，
Figure GDA0003713538750000064
为块t3的特征匹配函数，具体为使用欧氏距离计算特征的匹配程度，W为通用人脸模板具体是指由256个点组成的三维点云，点云内的点包含眼鼻嘴和脸颊轮廓的线性回归矩阵，ω表示权重，f表示使用卷积抽取图像特征，M表示前M个最大的特征值，c3为车内人数；
站点分析模块201是指将到到达下一站的时间划分为不同的采样周期，在同一采样周期获取当前车速，后一站点的车站客流信息，获取客流量统计模块统计的当前车内客流量，获取位置跟踪模块传入的即将到站人员数量统计，获取位置跟踪模块传入的即将到站人员在车内位置信息，根据以上数据生成提醒方案；
具体来说，其提醒方案的生成公式为(6)：
Figure GDA0003713538750000071
其中，TX为提醒方案，y为后一站点的车站客流信息，x为公交车之间的车间距，s为车速，h为当前车内客流量，k为即将到站人员在车内位置信息，I表示第i个站点，1≦i≦n，fun表示使用交叉熵损失训练的残差网络，fn(*)表示使用残差网络抽取后的特征，fm(*)表示使用卷积网络抽取后的特征；
最优化选择模块202是指将站点分析模块中相邻的两个采样周期内产生的数据进行匹配度计算，创建最优提醒方案；
具体来说，计算匹配度的公式为(7)，若匹配值大于阈值，则说明两方案匹配度较高，则选择第一个采样周期的提醒方案作为最优提醒方案，若匹配值小于等于阈值，则选择第二个采样周期的方案作为最优提醒方案，标记最优提醒方案所对应的乘客
Figure GDA0003713538750000072
其中，txi,txi-1分别为相邻的两个采样周期内产生的数据，zm为匹配度，k为即将到站人员在车内位置信息，Vx表示第一个周期的数据特征的置信度，取值范围[0,1]，Vy表示第二个周期的数据特征的置信度，取值范围[0,1]，l(*)表示使用卷积网络抽取后的特征，f(*)表示对两个数据进行序列化；
扬声器模块203是指获取最优化选择模块的最优提醒方案，对即将到站的乘客进行到站提醒；
具体来说，通过车载终端的微型语音播放器提醒乘客，所述微型语音播放器整车厢均布，且以位置为中心，选择最近的一个进行语音播放；
本发明提供一种基于人脸识别的公交换乘提醒系统，无需乘客操作，提高乘客满意度。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各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，或者对其中部分或者全部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范围。

Claims (6)

1.一种基于人脸识别的公交换乘提醒系统，其特征在于，包括公交换乘管理子系统以及到站提醒系统，所述公交换乘管理子系统包括车载终端模块、数据关联模块、位置跟踪模块、客流量统计模块，
车载终端模块是指获取乘客的到站站点，获取乘客的到站站点包括通过信息采集端对站台区域内乘客到站信息进行采集，生成到站站点信息；
数据关联模块是指获取乘客的人脸图像数据，获取乘客的人脸图像数据包括通过信息端获取当前到站站点信息对应的乘客面部特征，建立到站站点信息与乘客面部特征的数据关联，并将关联后的信息发送到位置跟踪模块；
位置跟踪模块是指利用人脸识别方法对乘客进行位置跟踪，利用人脸识别方法对乘客进行位置跟踪包括安装在车内的监控装置，接收数据关联模块发送的建立到站站点信息与乘客面部特征的数据关联，统计即将到站的人数，跟踪即将到站人员在车内位置信息；
客流量统计模块是指获取车内的客流信息，获取车内的客流信息包括采集开门过程乘客的支付信息，获取上车人数，通过安装在车门的监控装置，获取车辆开门过程中的视频，识别并统计视频中出现的下车人数，根据上车人数、下车人数、开门前车内人数计算关门后车内人数；
所述到站提醒系统包括站点分析模块、最优化选择模块、扬声器模块，
站点分析模块是指将到达下一站的时间划分为不同的采样周期，在同一采样周期获取当前车速，后一站点的车站客流信息，获取客流量统计模块统计的当前车内客流量，获取位置跟踪模块传入的即将到站人员数量统计，获取位置跟踪模块传入的即将到站人员在车内位置信息，根据以上数据生成提醒方案；
最优化选择模块是指将站点分析模块中相邻的两个采样周期内产生的数据进行匹配度计算，计算匹配度的公式为(1)，若匹配值大于阈值，则说明两方案匹配度较高，则选择第一个采样周期的提醒方案作为最优提醒方案，若匹配值小于等于阈值，则选择第二个采样周期的方案作为最优提醒方案，标记最优提醒方案所对应的乘客；
Figure FDA0003713538740000021
其中，txi，txi-1分别为相邻的两个采样周期内产生的数据，zm为匹配度，k为即将到站人员在车内位置信息，Vx表示第一个周期的数据特征的置信度，取值范围[0，1]，Vy表示第二个周期的数据特征的置信度，取值范围[0，1]，l(*)表示使用卷积网络抽取后的特征，f(*)表示对两个数据进行序列化；
扬声器模块是指获取最优化选择模块的最优提醒方案，对即将到站的乘客进行到站提醒。
2.根据权利要求1所述的一种基于人脸识别的公交换乘提醒系统，其特征在于，所述获取乘客的人脸图像数据包括通过信息端获取当前到站站点信息对应的乘客面部特征，获取乘客面部特征的公式为(2)，
Figure FDA0003713538740000022
其中，x为图像，y是通用人脸模版，fea是乘客面部特征，Vi表征图像特征置信度，取值范围[0，1]，Vj表征人脸特征模板置信度，取值范围[0，1]，ln(*)表示使用对比损失训练的孪生网络抽取后的特征，ft(*)表示从面像中提取人脸信息，x′，y′表示归一化后的人脸图像。
3.根据权利要求1所述的一种基于人脸识别的公交换乘提醒系统，其特征在于，所述通过信息采集端对站台区域内乘客到站信息进行采集是指乘客通过车站的触摸屏、话筒选择到站站点。
4.根据权利要求1所述的一种基于人脸识别的公交换乘提醒系统，其特征在于，所述乘客通过车站的话筒选择到站站点是指通过语音识别的方式识别乘客的发音信息，并转换成文字与站点信息匹配。
5.根据权利要求4所述的一种基于人脸识别的公交换乘提醒系统，其特征在于，所述乘客通过车站的话筒选择到站站点是指通过语音识别的方式识别乘客的发音信息，并转换成文字与站点信息匹配，其中，获取发音对应文字的公式为(3)，
Figure FDA0003713538740000031
其中，o为乘客对应发音，p是标准汉语发音库，fa是发音对应的文字，Vm表示乘客对应发音特征的置信度，Vn表示标准汉语发音库特征的置信度，取值范围[0,1]，ln(*)表示使用对比损失训练的孪生网络抽取后的特征，fo(*)表示对发音进行去噪处理，o',p'表示序列化后的发音。
6.根据权利要求1所述的一种基于人脸识别的公交换乘提醒系统，其特征在于，所述对即将到站的乘客进行到站提醒包括通过车载终端的微型语音播放器提醒乘客，所述微型语音播放器整车厢均布，且以位置为中心，选择最近的一个进行语音播放。
CN202110457054.0A 2021-04-27 2021-04-27 一种基于人脸识别的公交换乘提醒系统 Active CN113158923B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110457054.0A CN113158923B (zh) 2021-04-27 2021-04-27 一种基于人脸识别的公交换乘提醒系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110457054.0A CN113158923B (zh) 2021-04-27 2021-04-27 一种基于人脸识别的公交换乘提醒系统

Publications (2)

Publication Number Publication Date
CN113158923A CN113158923A (zh) 2021-07-23
CN113158923B true CN113158923B (zh) 2022-09-06

Family

ID=76871331

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110457054.0A Active CN113158923B (zh) 2021-04-27 2021-04-27 一种基于人脸识别的公交换乘提醒系统

Country Status (1)

Country Link
CN (1) CN113158923B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113298061B (zh) * 2021-07-27 2021-10-19 成都智元汇信息技术股份有限公司 一种精确计算换乘人次的方法
CN114973680A (zh) * 2022-07-01 2022-08-30 哈尔滨工业大学 一种基于视频处理的公交客流获取系统及方法
CN115862068B (zh) * 2022-12-06 2023-10-13 中软国际科技服务有限公司 基于大数据的计算机数据信息处理方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106157673A (zh) * 2016-07-07 2016-11-23 广州华途信息科技有限公司 一种基于智能感知的公交出行信息提醒系统及方法
WO2019127273A1 (zh) * 2017-12-28 2019-07-04 深圳市锐明技术股份有限公司 一种多人脸检测方法、装置、服务器、系统及存储介质
CN111310994A (zh) * 2020-02-11 2020-06-19 罗普特科技集团股份有限公司 一种基于数据校准的公交路线预测方法及系统
CN111311467A (zh) * 2020-02-11 2020-06-19 罗普特科技集团股份有限公司 一种基于人脸识别的公交路线预测方法及系统
CN112380277A (zh) * 2020-10-16 2021-02-19 华东交通大学 一种基于人脸识别的列车查票辅助系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106157673A (zh) * 2016-07-07 2016-11-23 广州华途信息科技有限公司 一种基于智能感知的公交出行信息提醒系统及方法
WO2019127273A1 (zh) * 2017-12-28 2019-07-04 深圳市锐明技术股份有限公司 一种多人脸检测方法、装置、服务器、系统及存储介质
CN111310994A (zh) * 2020-02-11 2020-06-19 罗普特科技集团股份有限公司 一种基于数据校准的公交路线预测方法及系统
CN111311467A (zh) * 2020-02-11 2020-06-19 罗普特科技集团股份有限公司 一种基于人脸识别的公交路线预测方法及系统
CN112380277A (zh) * 2020-10-16 2021-02-19 华东交通大学 一种基于人脸识别的列车查票辅助系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
A low-power self-service bus arrival reminding algorithm on smart phone;Liu, XF等;《International Arab Journal of Information Technology》;20191231;第16卷(第2期);第260-264页 *

Also Published As

Publication number Publication date
CN113158923A (zh) 2021-07-23

Similar Documents

Publication Publication Date Title
CN113158923B (zh) 一种基于人脸识别的公交换乘提醒系统
CN105976809B (zh) 基于语音和面部表情的双模态情感融合的识别方法及系统
US11138903B2 (en) Method, apparatus, device and system for sign language translation
CN107945625A (zh) 一种英语发音测试与评价系统
CN104751321B (zh) 一种嵌入特定人群识别的公交智能支付系统及其实现方法
CN111103976B (zh) 手势识别方法、装置及电子设备
CN103024530A (zh) 智能电视语音应答系统及方法
CN111048095A (zh) 一种语音转写方法、设备及计算机可读存储介质
JP2016103081A (ja) 会話分析装置、会話分析システム、会話分析方法及び会話分析プログラム
CN110299150A (zh) 一种实时语音说话人分离方法及系统
WO2021051608A1 (zh) 一种基于深度学习的声纹识别方法、装置及设备
WO2020222384A1 (ko) 전자 장치 및 이의 제어 방법
CN113299106B (zh) 一种基于物联网的公交到站时间预测系统
CN114187547A (zh) 目标视频的输出方法及装置、存储介质及电子装置
CN108510988A (zh) 一种用于聋哑人的语言识别系统及方法
CN111801667B (zh) 车辆用操作辅助装置和车辆用操作辅助方法
CN114141230A (zh) 电子设备及其语音识别方法和介质
CN112837098A (zh) 基于大数据分析的移动互联网广告智能推送系统
CN111865752A (zh) 文本处理装置、方法、电子设备及计算机可读存储介质
CN109829691B (zh) 基于位置和深度学习多重生物特征的c/s打卡方法和装置
CN204576520U (zh) 基于声纹识别和人脸识别的双因素身份认证装置
CN113448975A (zh) 一种人物画像库的更新方法、装置、系统和存储介质
CN113160603B (zh) 一种基于车联网的智能公交管理
CN111724793A (zh) 一种车载视频通话方法与系统
CN110738985A (zh) 基于语音信号的跨模态生物特征识别方法及系统

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
CP03 Change of name, title or address

Address after: 14 / F, Hualu building, 717 Huangpu Road, Dalian hi tech Industrial Park, Liaoning 116000

Patentee after: Hualu Zhida Technology Co.,Ltd.

Address before: No. 717, Huangpu Road, high tech park, Dalian, Liaoning 116000

Patentee before: Hualu Zhida Technology Co.,Ltd.

CP03 Change of name, title or address