CN113254686B - 人员行为检测方法、装置及存储介质 - Google Patents

人员行为检测方法、装置及存储介质 Download PDF

Info

Publication number
CN113254686B
CN113254686B CN202110363295.9A CN202110363295A CN113254686B CN 113254686 B CN113254686 B CN 113254686B CN 202110363295 A CN202110363295 A CN 202110363295A CN 113254686 B CN113254686 B CN 113254686B
Authority
CN
China
Prior art keywords
snapshot
data
equipment
time
processed
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
CN202110363295.9A
Other languages
English (en)
Other versions
CN113254686A (zh
Inventor
杨阳
王堃
石柱国
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.)
Qingdao Yisa Data Technology Co Ltd
Original Assignee
Qingdao Yisa Data 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 Qingdao Yisa Data Technology Co Ltd filed Critical Qingdao Yisa Data Technology Co Ltd
Priority to CN202110363295.9A priority Critical patent/CN113254686B/zh
Publication of CN113254686A publication Critical patent/CN113254686A/zh
Application granted granted Critical
Publication of CN113254686B publication Critical patent/CN113254686B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53—Querying
    • G06F16/532—Query formulation, e.g. graphical querying
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Library & Information Science (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例公开了一种人员行为检测方法、装置及存储介质。方法包括：S1：获取待处理数据；S2：获取抓拍数据，并对所述抓拍数据进行格式化处理后推送至kafka；S3：对待处理数据和抓拍数据进行比对，将比对成功的数据存入redis中；S4：查询redis，计算同一监控设备下指定时间范围内的目标人数，当所述目标人数达到阈值时，认定为人员存在不恰当行为。实施本发明实施例，通过程序监控视频设备，为社会安全提供了保障，且人力物力成本较低。

Description

人员行为检测方法、装置及存储介质
技术领域
本发明涉及计算机软件技术领域，具体涉及一种人员行为检测方法、装置及存储介质。
背景技术
随着经济的快速发展，视频监控设备已经广泛的分布在了我们生活中的各个角落，这些视频监控设备在我们生活中起着举足轻重的作用，为我们的生活带来了便利，也带来了安全。但是随着监控设备越来越多，需要更多的人员时时刻刻监控着，需要更多的人力和物力的投入，也会造成一部分的浪费。
发明内容
针对上述技术缺陷，本发明实施例的目的在于提供一种人员行为检测方法、装置及存储介质。
为实现上述目的，第一方面，本发明实施例提供了一种人员行为检测方法，包括：
S1：获取待处理数据；
S2：获取抓拍数据，并对所述抓拍数据进行格式化处理后推送至kafka；
S3：对所述待处理数据和抓拍数据进行比对，将比对成功的数据存入redis 中；
S4：查询redis，计算同一监控设备下指定时间范围内的目标人数，当所述目标人数达到阈值时，认定为人员存在不恰当行为。
进一步地，在本申请某些优选实施方式中，所述待处理数据包括特殊人员的身份信息、人脸图片及原始特征值；步骤S1具体包括：
获取特殊人员的身份信息和人脸图片；
通过视觉算法对所述人脸图片进行计算，得到原始特征值；
将所述身份信息和原始特征值存入python的list中。
作为本申请的一种具体实施方式，所述抓拍数据包括抓拍人脸图片、抓拍时间、抓拍设备的设备信息及抓拍特征值；步骤S2具体包括：
获取抓拍人脸图片、抓拍时间及抓拍设备的设备信息；
通过视觉算法对所述抓拍人脸图片进行计算，得到抓拍特征值；
将所述抓拍人脸图片、抓拍时间、抓拍设备的设备信息及抓拍特征值进行格式化处理后推送至kafka。
在本申请某些优选实施方式中，步骤S3具体包括：
订阅kafka中的人脸数据，所述人脸数据包括多条所述抓拍数据；
将每一条所述抓拍数据与所有的待处理数据进行比对，通过python的 numpy算法计算抓拍特征值与原始特征值之间的余弦值；
当所述余弦值大于设置的相似度阈值时，认定该条抓拍数据中含有特殊人员；
以所述设备信息加抓拍时间为key，将该条抓拍数据和待处理数据合并为值，通过hash的数据格式存储redis中。
在本申请某些优选实施方式中，步骤S4具体包括：
对后续满足比中结果的抓拍数据，用设备信息去redis中模糊查询是否存在 key；
如果存在同样key数据时，则循环判断截取kye中抓拍时间t1，通过计算判断当前抓拍数据中的抓拍时间t2是否满足在t1前后拓展的时间段范围内，如果满足则继续将数据hash存入比中的key中，不满足则以当前抓拍的设备信息和抓拍时间新生成key，将数据hash存入到redis中；
定时循环扫描redis中的数据，当对应的数据中人数满足设置的阈值时，则认定人员存在不恰当行为。
进一步地，在本申请某些优选实施方式中，所述方法还包括S5：推送短信至设置的指定人员。
第二方面，本发明实施例提供了一种人员行为检测装置，包括：
获取单元，用于获取待处理数据和抓拍数据；
处理单元，用于对所述抓拍数据进行格式化处理后推送至kafka；
比对单元，用于对所述待处理数据和抓拍数据进行比对，将比对成功的数据存入redis中；
认定单元，用于查询redis，计算同一监控设备下指定时间范围内的目标人数，当所述目标人数达到阈值时，认定为人员存在不恰当行为。
第三方面，本发明实施例提供了另一种人员行为检测装置，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述第一方面的方法。
第四方面，本发明实施例提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述第一方面的方法。
实施本发明实施例，通过程序监控视频设备，为社会安全提供了保障，且人力物力成本较低。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。
图1是本发明实施例提供的人员行为检测方法的示意流程图；
图2是本发明实施例提供的人员行为检测装置的一种结构图；
图3是本发明实施例提供的人员行为检测装置的另一种结构图。
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。
请参考图1，本发明实施例提供的人员行为检测方法可以包括：
S1：获取待处理数据。
其中，待处理数据包括特殊人员的身份信息、人脸图片及原始特征值。
具体地，获取特殊人员的身份信息及图片信息，通过视觉算法计算得到图片中人脸的特征值，并将身份信息和人脸特征值，存入python的list中。
S2：获取抓拍数据，并对所述抓拍数据进行格式化处理后推送至kafka。
其中，抓拍数据包括抓拍人脸图片、抓拍时间、抓拍设备的设备信息及抓拍特征值。
具体地，获取监控设备拍摄的人脸数据，通过视觉算法计算抓拍人脸的特征值，将人脸图片、抓拍时间、抓拍设备等信息格式化推送至kafka。
S3：对所述待处理数据和抓拍数据进行比对，将比对成功的数据存入redis 中。
具体地，订阅kafka中人脸数据，把每条抓拍人脸特征值数据和所有人脸特征值数据比对，通过python的numpy算法计算之间的余弦值，当大于设置的相似度阈值的时候则认定该条抓拍数据即为此特殊人员，以设备信息加抓拍时间为key，将抓拍数据和特殊人员数据合并为值，通过hash的数据格式存入redis 中。
S4：查询redis，计算同一监控设备下指定时间范围内的目标人数，当所述目标人数达到阈值时，认定为人员不恰当行为。
具体地，对后续满足比中结果的抓拍数据，用设备信息去redis中模糊查询是否存在key；
如果存在同样key数据时，则循环判断截取kye中抓拍时间t1，通过计算判断当前抓拍数据中的抓拍时间t2是否满足在t1前后拓展的时间段范围内，如果满足则继续将数据hash存入比中的key中，不满足则以当前抓拍的设备信息和抓拍时间新生成key，将数据hash存入到redis中；
定时循环扫描redis中的数据，当对应的数据中人数满足设置的阈值时，则认定人员不恰当行为，将数据入库，同时给设置的指定人员推送短息。
实施上述方法，通过程序监控视频设备，为社会安全提供了保障，且人力物力成本较低。
基于相同的发明构思，本发明实施例提供了一种人员行为检测装置。如图 2所示，该装置包括：
获取单元10，用于获取待处理数据和抓拍数据；
处理单元11，用于对所述抓拍数据进行格式化处理后推送至kafka；
比对单元12，用于对所述待处理数据和抓拍数据进行比对，将比对成功的数据存入redis中；
认定单元13，用于查询redis，计算同一监控设备下指定时间范围内的目标人数，当所述目标人数达到阈值时，认定为人员不恰当行为。
其中，所述待处理数据包括特殊人员的身份信息、人脸图片及原始特征值；获取单元10具体用于：
获取特殊人员的身份信息和人脸图片；
通过视觉算法对所述布控人脸图片进行计算，得到原始特征值；
将所述身份信息和原始特征值存入python的list中。
其中，所述抓拍数据包括抓拍人脸图片、抓拍时间、抓拍设备的设备信息及抓拍特征值；处理单元11具体用于：
获取抓拍人脸图片、抓拍时间及抓拍设备的设备信息；
通过视觉算法对所述抓拍人脸图片进行计算，得到抓拍特征值；
将所述抓拍人脸图片、抓拍时间、抓拍设备的设备信息及抓拍特征值进行格式化处理后推送至kafka。
进一步地，比对单元12具体用于：
订阅kafka中的人脸数据，所述人脸数据包括多条所述抓拍数据；
将每一条所述抓拍数据与所有的待处理数据进行比对，通过python的 numpy算法计算抓拍特征值与原始特征值之间的余弦值；
当所述余弦值大于设置的相似度阈值时，认定该条抓拍数据中含有特殊人员；
以所述设备信息加抓拍时间为key，将该条抓拍数据和待处理数据合并为值，通过hash的数据格式存储redis中。
进一步地，认定单元13具体用于：
对后续满足比中结果的抓拍数据，用设备信息去redis中模糊查询是否存在 key；
如果存在同样key数据时，则循环判断截取kye中抓拍时间t1，通过计算判断当前抓拍数据中的抓拍时间t2是否满足在t1前后拓展的时间段范围内，如果满足则继续将数据hash存入比中的key中，不满足则以当前抓拍的设备信息和抓拍时间新生成key，将数据hash存入到redis中；
定时循环扫描redis中的数据，当对应的数据中人数满足设置的阈值时，则认定人员存在不恰当行为。
进一步地，处理单元11还用于推送短信至设置的指定人员。
可选地，在本发明的另一优选实施例中，如图3所示，该检测装置可以包括：一个或多个处理器101、一个或多个输入设备102、一个或多个输出设备 103和存储器104，上述处理器101、输入设备102、输出设备103和存储器104 通过总线105相互连接。存储器104用于存储计算机程序，所述计算机程序包括程序指令，所述处理器101被配置用于调用所述程序指令执行上述方法实施例部分的方法。
应当理解，在本发明实施例中，所称处理器101可以是中央处理单元 (CentralProcessing Unit，CPU)，深度学习显卡(如：华为NPU,英伟达GPU, 谷歌TPU)该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
输入设备102可以包括键盘等，输出设备103可以包括显示器(LCD等)、扬声器等。
该存储器104可以包括只读存储器和随机存取存储器，并向处理器101提供指令和数据。存储器104的一部分还可以包括非易失性随机存取存储器。例如，存储器104还可以存储设备类型的信息。
具体实现中，本发明实施例中所描述的处理器101、输入设备102、输出设备103可执行本发明实施例提供的人员行为检测方法的实施例中所描述的实现方式，在此不再赘述。
需要说明的是，本发明实施例中检测装置的具体工作流程及相关细节，请参考前述方法实施例部分，在此不再赘述。
采用上述检测装置，通过程序监控视频设备，为社会安全提供了保障，且人力物力成本较低。
进一步地，对应于前述检测方法及检测装置，本发明实施例还提供了一种可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令被处理器执行时实现：上述人员行为检测方法。
所述计算机可读存储介质可以是前述任一实施例所述的系统的内部存储单元，例如系统的硬盘或内存。所述计算机可读存储介质也可以是所述系统的外部存储设备，例如所述系统上配备的插接式硬盘，智能存储卡(Smart Media Card, SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)等。进一步地，所述计算机可读存储介质还可以既包括所述系统的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述系统所需的其他程序和数据。所述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
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单元来实现本发明实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以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，或者该技术方案的全部或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-OnlyMemory)、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，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。

Claims (8)

1.一种人员行为检测方法，其特征在于，包括：
S1：获取待处理数据；
S2：获取抓拍数据，并对所述抓拍数据进行格式化处理后推送至kafka；所述抓拍数据包括抓拍人脸图片、抓拍时间、抓拍设备的设备信息及抓拍特征值；
S3：对所述待处理数据和抓拍数据进行比对，将比对成功的数据存入redis中；
S4：查询redis，计算同一监控设备下指定时间范围内的目标人数，当所述目标人数达到阈值时，认定为人员存在不恰当行为；
步骤S3具体包括：
订阅kafka中的人脸数据，所述人脸数据包括多条所述抓拍数据；
将每一条所述抓拍数据与所有的待处理数据进行比对，通过python的numpy算法计算抓拍特征值与原始特征值之间的余弦值；
当所述余弦值大于设置的相似度阈值时，认定该条抓拍数据中含有特殊人员；
以所述设备信息加抓拍时间为key，将该条抓拍数据和待处理数据合并为值，通过hash的数据格式存储redis中；
步骤S4具体包括：
对后续满足比中结果的抓拍数据，用设备信息去redis中模糊查询是否存在key；
如果存在同样key数据时，则循环判断截取key中抓拍时间t1，通过计算判断当前抓拍数据中的抓拍时间t2是否满足在t1前后拓展的时间段范围内，如果满足则继续将数据hash存入比中的key中，不满足则以当前抓拍的设备信息和抓拍时间新生成key，将数据hash存入到redis中；
定时循环扫描redis中的数据，当对应的数据中人数满足设置的阈值时，则认定人员存在不恰当行为。
2.如权利要求1所述的人员行为检测方法，其特征在于，所述待处理数据包括特殊人员的身份信息、人脸图片及原始特征值；步骤S1具体包括：
获取特殊人员的身份信息和人脸图片；
通过视觉算法对所述人脸图片进行计算，得到原始特征值；
将所述身份信息和原始特征值存入python的list中。
3.如权利要求2所述的人员行为检测方法，其特征在于，步骤S2具体包括：
获取抓拍人脸图片、抓拍时间及抓拍设备的设备信息；
通过视觉算法对所述抓拍人脸图片进行计算，得到抓拍特征值；
将所述抓拍人脸图片、抓拍时间、抓拍设备的设备信息及抓拍特征值进行格式化处理后推送至kafka。
4.如权利要求1-3任一项所述的人员行为检测方法，其特征在于，所述方法还包括S5：推送短信至设置的指定人员。
5.一种人员行为检测装置，其特征在于，包括：
获取单元，用于获取待处理数据和抓拍数据；所述抓拍数据包括抓拍人脸图片、抓拍时间、抓拍设备的设备信息及抓拍特征值；
处理单元，用于对所述抓拍数据进行格式化处理后推送至kafka；
比对单元，用于对所述待处理数据和抓拍数据进行比对，将比对成功的数据存入redis中；
认定单元，用于查询redis，计算同一监控设备下指定时间范围内的目标人数，当所述目标人数达到阈值时，认定为人员存在不恰当行为；
所述比对单元用于：
订阅kafka中的人脸数据，所述人脸数据包括多条所述抓拍数据；
将每一条所述抓拍数据与所有的待处理数据进行比对，通过python的numpy算法计算抓拍特征值与原始特征值之间的余弦值；
当所述余弦值大于设置的相似度阈值时，认定该条抓拍数据中含有特殊人员；
以所述设备信息加抓拍时间为key，将该条抓拍数据和待处理数据合并为值，通过hash的数据格式存储redis中；
所述认定单元用于：
对后续满足比中结果的抓拍数据，用设备信息去redis中模糊查询是否存在key；
如果存在同样key数据时，则循环判断截取key中抓拍时间t1，通过计算判断当前抓拍数据中的抓拍时间t2是否满足在t1前后拓展的时间段范围内，如果满足则继续将数据hash存入比中的key中，不满足则以当前抓拍的设备信息和抓拍时间新生成key，将数据hash存入到redis中；
定时循环扫描redis中的数据，当对应的数据中人数满足设置的阈值时，则认定人员存在不恰当行为。
6.如权利要求5所述的人员行为检测装置，其特征在于，所述待处理数据包括特殊人员的身份信息、人脸图片及原始特征值；所述抓拍数据包括抓拍人脸图片、抓拍时间、抓拍设备的设备信息及抓拍特征值。
7.一种人员行为检测装置，其特征在于，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求4所述的方法。
8.一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存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求4所述的方法。
CN202110363295.9A 2021-04-02 2021-04-02 人员行为检测方法、装置及存储介质 Active CN113254686B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110363295.9A CN113254686B (zh) 2021-04-02 2021-04-02 人员行为检测方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110363295.9A CN113254686B (zh) 2021-04-02 2021-04-02 人员行为检测方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN113254686A CN113254686A (zh) 2021-08-13
CN113254686B true CN113254686B (zh) 2023-08-01

Family

ID=77220224

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110363295.9A Active CN113254686B (zh) 2021-04-02 2021-04-02 人员行为检测方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN113254686B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106650603A (zh) * 2016-10-18 2017-05-10 北京小米移动软件有限公司 车辆周边监控方法、装置和车辆
CN107577990A (zh) * 2017-08-09 2018-01-12 武汉世纪金桥安全技术有限公司 一种基于gpu加速检索的大规模人脸识别方法
CN108256443A (zh) * 2017-12-28 2018-07-06 深圳英飞拓科技股份有限公司 一种人员定位方法、系统及终端设备
CN109241111A (zh) * 2018-08-27 2019-01-18 武汉虹信技术服务有限责任公司 一种基于内存数据库的分布式人脸识别系统及方法
CN109635000A (zh) * 2018-11-26 2019-04-16 武汉烽火众智数字技术有限责任公司 一种基于大数据的昼伏夜出实时分析方法及装置
CN110209717A (zh) * 2019-04-25 2019-09-06 平安科技（深圳）有限公司 基础数据库的封装方法、装置、计算机设备和存储介质
CN110675639A (zh) * 2019-12-03 2020-01-10 武汉中科通达高新技术股份有限公司 基于卡口过车数据分析套牌车所属真牌的方法
CN110705477A (zh) * 2019-09-30 2020-01-17 深圳市商汤科技有限公司 行为分析方法、装置、电子设备和计算机存储介质
CN112528099A (zh) * 2020-12-17 2021-03-19 青岛以萨数据技术有限公司 一种基于大数据的人员同行分析方法、系统、设备及介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106650603A (zh) * 2016-10-18 2017-05-10 北京小米移动软件有限公司 车辆周边监控方法、装置和车辆
CN107577990A (zh) * 2017-08-09 2018-01-12 武汉世纪金桥安全技术有限公司 一种基于gpu加速检索的大规模人脸识别方法
CN108256443A (zh) * 2017-12-28 2018-07-06 深圳英飞拓科技股份有限公司 一种人员定位方法、系统及终端设备
CN109241111A (zh) * 2018-08-27 2019-01-18 武汉虹信技术服务有限责任公司 一种基于内存数据库的分布式人脸识别系统及方法
CN109635000A (zh) * 2018-11-26 2019-04-16 武汉烽火众智数字技术有限责任公司 一种基于大数据的昼伏夜出实时分析方法及装置
CN110209717A (zh) * 2019-04-25 2019-09-06 平安科技（深圳）有限公司 基础数据库的封装方法、装置、计算机设备和存储介质
CN110705477A (zh) * 2019-09-30 2020-01-17 深圳市商汤科技有限公司 行为分析方法、装置、电子设备和计算机存储介质
CN110675639A (zh) * 2019-12-03 2020-01-10 武汉中科通达高新技术股份有限公司 基于卡口过车数据分析套牌车所属真牌的方法
CN112528099A (zh) * 2020-12-17 2021-03-19 青岛以萨数据技术有限公司 一种基于大数据的人员同行分析方法、系统、设备及介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Kernel coupled distance metric learning for gait recognition and face recognition;Xianye Ben;《Neurocomputing》;第120卷;577-589 *
人脸识别算法在考勤系统的应用;王治强 等;《计算机系统应用》;第30卷(第01期);89-93 *
视频图像中人脸自动检测与统计算法;杨思燕 等;《电子科技》;第33卷(第08期);1-9 *

Also Published As

Publication number Publication date
CN113254686A (zh) 2021-08-13

Similar Documents

Publication Publication Date Title
CN109299135B (zh) 基于识别模型的异常查询识别方法、识别设备及介质
RU2740702C2 (ru) Автоматизация проверки достоверности изображения
WO2020000743A1 (zh) 一种webshell检测方法及相关设备
CN111724496A (zh) 一种考勤方法、考勤装置及计算机可读存储介质
CN108140297A (zh) 可疑人员检测系统和可疑人员检测方法
CN110598008B (zh) 录制数据的数据质检方法及装置、存储介质
JPWO2018179586A1 (ja) 解析システム、解析方法及びプログラム
CN112464030B (zh) 一种可疑人员确定方法及装置
CN109284331B (zh) 基于业务数据资源的制证信息获取方法、终端设备及介质
CN109274931A (zh) 基于图像的工地安全监控方法、装置及设备
CN108011881B (zh) 一种基于自适应感知的敏感数据缓慢泄露检测方法及系统
WO2022222445A1 (zh) 事件的检测输出方法、事件策略确定方法及装置、电子设备和计算机可读存储介质
CN115205766A (zh) 基于区块链的网络安全异常视频大数据检测方法及系统
CN113254686B (zh) 人员行为检测方法、装置及存储介质
US20190325178A1 (en) Monitoring apparatus and method for casino chip management
US10121058B2 (en) Facilitating monitoring of users
CN114491429A (zh) 一种基于区块链的直播短视频大数据篡改识别方法及系统
CN112508761A (zh) 实时预警方法、装置及系统
CN112241671B (zh) 一种人员身份识别方法、装置及系统
CN113468948A (zh) 基于视图数据的治安防控方法、模块、设备及存储介质
CN113360354A (zh) 用户操作行为监控方法、装置、设备及可读存储介质
CN111629005A (zh) 一种反作弊方法、装置、电子设备及存储介质
CN107092702B (zh) 基于重叠比例的地理信息要素位置对比检查方法及装置
CN111209733A (zh) 文本记录处理方法及装置
CN113254787B (zh) 事件分析方法、装置、计算机设备及存储介质

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 266000 Room 302, building 3, Office No. 77, Lingyan Road, Huangdao District, Qingdao, Shandong Province

Applicant after: QINGDAO YISA DATA TECHNOLOGY Co.,Ltd.

Address before: 266000 3rd floor, building 3, optical valley software park, 396 Emeishan Road, Huangdao District, Qingdao City, Shandong Province

Applicant before: QINGDAO YISA DATA TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant