CN113269081A - 人员自动识别与视频轨迹查询的系统及方法 - Google Patents
人员自动识别与视频轨迹查询的系统及方法 Download PDFInfo
- Publication number
- CN113269081A CN113269081A CN202110553466.4A CN202110553466A CN113269081A CN 113269081 A CN113269081 A CN 113269081A CN 202110553466 A CN202110553466 A CN 202110553466A CN 113269081 A CN113269081 A CN 113269081A
- Authority
- CN
- China
- Prior art keywords
- personnel
- database
- track
- video
- data
- 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.)
- Withdrawn
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
- G06V40/172—Classification, e.g. identification
- G06V40/173—Classification, e.g. identification face re-identification, e.g. recognising unknown faces across different face tracks
-
- 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
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/50—Maintenance of biometric data or enrolment thereof
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
- Television Signal Processing For Recording (AREA)
Abstract
本发明公开了一种人员自动识别与视频轨迹查询的系统及方法,系统包括网络视频采集模块、图像处理及人脸识别模块、注册人员数据库、人员轨迹数据库、主处理器;网络视频采集模块用于采集监控区域的视频数据;图像处理及人脸识别模块用于对采集的视频数据中的实时画面进行图像预处理、人脸识别;注册人员数据库用于存储已登记注册人员的人员信息;人员轨迹数据库用于存储已登记注册人员被检测识别到的历史轨迹信息;主处理器用于从所述人员轨迹数据库中查询人员的历史轨迹信息。本发明利用视频图像处理及人脸识别,自动生成陌生人员的特征数据及记录,简化了信息采集流程,提高了对监控人员的预警能力,同时提高了对人员轨迹的追溯能力。
Description
技术领域
本发明涉及人脸识别领域,特别涉及一种人员自动识别与视频轨迹查询的系统及方法。
背景技术
随着人脸识别技术成熟度越来越高,人脸识别的功能已运用在生活中的方方面面,譬如人脸门禁、人脸解锁、人脸支付等。在安防领域中人脸识别技术也发挥着重要作用,但由于人员信息登记过程非常繁琐,人脸信息录入一直是一大阻碍。当人员通过监控设备所监控区域时,只有人脸特征数据已登记入库者才能识别到结果并生成相应的记录,而遇到未登记入库的陌生人员时则只能进行人脸检测而无法进行身份识别,也不能生成相应的轨迹记录。因此对于陌生人员难以进行问题人员的快速预警及发生问题后的高效追溯。
发明专利CN201710892247.2、CN201910021863.X、CN202010215486.6提出一些提高陌生人特征提取精准度及判定是一个陌生人的方案,都提到了基于多张同一人的照片或是计算一张照片里的多个特征相似度进而判断是否需要入库,但在真实环境中会遇到譬如难以判断多张是同一人的照片或者照片中无法提取出多个特征值的情况,且对于不同的深度学习框架GPU(图形处理器)模块人脸特征维度,即使一样的计算方法以及效率原本就存在着差异。
发明专利CN201610599636.1、CN201711010167.6都提出了录入人脸数据或是登记人员信息的方案,但人员录入工作量大,更需要被登记者主动配合,相当一部分人还是会因为过程繁琐或担忧隐私泄露而逃避信息录入,而且特殊问题人群更不会主动登记信息。
专利CN201810825877.2提出了一种复杂的人脸识别视频回放系统,系统的建设成本较高,效率低下,使用输入特征数据的方法在海量视频中进行查询并不能快速地追溯人员的轨迹。
发明内容
本发明要解决的技术问题是为了克服现有技术中在陌生人员识别以及人员轨迹查询技术中的上述不足,提供一种人员自动识别与视频轨迹查询的系统及方法。
本发明是通过下述技术方案来解决上述技术问题:
本发明公开了一种人员自动识别与视频轨迹查询的系统,包括网络视频采集模块、图像处理及人脸识别模块、注册人员数据库、人员轨迹数据库、主处理器;
所述网络视频采集模块用于采集监控区域的视频数据;
所述图像处理及人脸识别模块用于对采集的视频数据中的实时画面进行图像预处理,并将图像预处理后挑选出的图像数据提取特征值与所述注册人员数据库中的人脸特征数据进行对比并计算出相似度,若相似度小于阈值则作为新增数据存入所述注册人员数据库,并在入库时建立人员唯一标识号的对应关系;若相似度大于或等于阈值则作为识别出的人员数据写入人员轨迹数据库;
所述注册人员数据库用于存储已登记注册人员的人员信息,包括人员唯一标识号以及对应的人脸特征值;
所述人员轨迹数据库用于存储已登记注册人员被检测识别到的历史轨迹信息;
所述主处理器用于从所述人员轨迹数据库中查询人员的历史轨迹信息。
较佳地,所述系统还包括网络视频录像模块、视频回放模块、网络视频采集模块数据库中的至少一种;
所述网络视频录像模块用于持久化存储所述网络视频采集模块采集到的视频数据;
所述视频回放模块用于回放所述网络视频录像模块中存储的视频数据;
所述网络视频采集模块数据库用于存储全部网络视频采集模块的相关设备,包括设备唯一标识号、设备名称、设备网络参数、设备用户名、设备密钥、设备坐标中的至少一种。
较佳地,所述人员信息还包括对应名称、分组、联系电话、地址中的至少一种。
较佳地,所述历史轨迹信息包括人员唯一标识号、检测识别发生的时间、设备唯一标识号、拍摄到的人脸图片、识别的人脸特征信息、与注册特征的相似度、拍摄区域坐标、拍摄时间中的至少一种。
本发明还提供了一种人员自动识别与视频轨迹查询的方法,包括以下步骤:
建立注册人员数据库,所述注册人员数据库用于存储已登记注册人员的人员信息,包括人员唯一标识号以及对应的人脸特征值;
建立人员轨迹数据库,所述人员轨迹数据库用于存储已登记注册人员被检测识别到的历史轨迹信息;
通过网络视频采集模块实时采集监控区域的视频数据;
通过图像处理及人脸识别模块对采集的视频数据中的实时画面进行图像预处理,并将图像预处理后挑选出的图像数据提取特征值与所述注册人员数据库中的人脸特征数据进行对比并计算出相似度,若相似度小于阈值则作为新增数据存入所述注册人员数据库,并在入库时建立人员唯一标识号的对应关系;若相似度大于或等于阈值则作为识别出的人员数据写入人员轨迹数据库;
通过主处理器从所述人员轨迹数据库中查询人员的历史轨迹信息。
较佳地,所述方法还包括以下步骤中的至少一种:
建立网络视频采集模块数据库,所述网络视频采集模块数据库用于存储全部网络视频采集模块的相关设备,包括设备唯一标识号、设备名称、设备网络参数、设备用户名、设备密钥、设备坐标中的至少一种;
通过网络视频录像模块持久化存储所述网络视频采集模块采集到的视频数据;
通过视频回放模块回放所述网络视频录像模块中存储的视频数据。
较佳地,所述人员信息还包括对应名称、分组、联系电话、地址中的至少一种。
较佳地,所述历史轨迹信息包括人员唯一标识号、检测识别发生的时间、设备唯一标识号、拍摄到的人脸图片、识别的人脸特征信息、与注册特征的相似度、拍摄区域坐标、拍摄时间中的至少一种。
本发明的积极进步效果在于:本发明利用视频图像处理及人脸识别,自动生成陌生人员的特征数据及记录,简化了信息采集流程,提高了对监控人员的预警能力,同时结合网络视频录像设备根据人脸识别的时间戳信息以及监控设备信息快速提高了对人员轨迹的追溯能力。
附图说明
图1为本发明较佳实施例的人员自动识别与视频轨迹查询的系统的模块示意图。
图2为本发明较佳实施例的人员自动识别与视频轨迹查询的方法的流程图。
具体实施方式
下面通过实施例的方式进一步说明本发明,但并不因此将本发明限制在所述的实施例范围之中。
如图1所示,本发明的人员自动识别与视频轨迹查询的系统包括网络视频采集模块1、图像处理及人脸识别模块2、注册人员数据库3、网络视频录像模块4、视频回放模块5、网络视频采集模块数据库6、人员轨迹数据库7、主处理器8。
其中,所述网络视频采集模块1用于采集监控区域的视频数据,这些视频数据交由图像处理与人脸识别模块2进行图像预处理和人脸识别检测同时这些数据在网络视频录像模块4进行持久化存储。
所述图像处理及人脸识别模块2用于对采集的视频数据中的实时画面进行图像预处理,具体操作包括增强、降噪、分割、人脸特征对齐等,在检测到人脸数据后锁定目标对象自动分析过滤掉模糊的、非正脸、人脸特征不完整的图片,最终挑选出评分最高的图像数据提取特征值与人脸特征数据库里的数据进行对比计算出相似度,相似度如果小于阈值则应作为新增特征数据进行入库(即存入所述注册人员数据库),入库时建立人员唯一标识号的对应关系;若相似度大于或等于阈值则作为识别出的人员数据写入人员轨迹数据库;。其中,所述图像处理及人脸识别模块2可以是人工智能边缘计算终端也可以是人工智能服务器,所采用的图像识别技术可以为传统的图像识别,也可以为包括深度神经网络在内的各类人工神经网络识别,本发明中对此不做具体限定。
所述注册人员数据库3用于存储已登记注册人员的人员信息,包括人员唯一标识号、对应的人脸特征值(通常是512维数组)、对应名称、分组、联系电话、地址等信息,部分信息可以由管理人员进行统一编辑。
所述网络视频录像模块4用于持久化存储所述网络视频采集模块采集到的视频数据,在开始持久化存储前需要在网络视频录像模块4中进行网络视频采集模块1的鉴权。
所述视频回放模块5用于回放所述网络视频录像模块4中存储的视频数据。
所述网络视频采集模块数据库6用于存储全部网络视频采集模块1的相关设备,包括设备唯一标识号、设备名称、设备网络参数、设备用户名、设备密钥、设备坐标中的至少一种。
所述人员轨迹数据库7用于存储已登记注册人员被检测识别到的历史轨迹信息,历史轨迹信息包括人员唯一标识号、检测识别发生的时间、设备唯一标识号、拍摄到的人脸图片、识别的人脸特征信息、与注册特征的相似度、拍摄区域坐标、拍摄时间中的至少一种,目的是保存已注册人员出现在各网络视频采集模块拍摄区域并被检测识别到的历史记录,也就是注册人员的活动轨迹。该轨迹的核心要素为人员、时间、地点。
所述主处理器8用于从所述人员轨迹数据库中查询人员的历史轨迹信息;具体地,所述主处理器8是整个系统工作过程的控制中心。通过主处理器8建立网络视频采集模块数据库6并添加每个网络视频采集模块1的信息,主处理器8要求图像处理及人脸识别模块2从网络视频采集模块1获取实时视频数据进行图像预处理、人脸检测、人脸识别、人脸特征数据入库等工作。管理人员可以通过主处理器8完善人脸特征数据库(具体位于注册人员数据库中)中相关的部分信息。在接收到人脸识别结构化数据后将结果插入人员轨迹数据库7,根据结构化数据中的分组信息判断是否需要进行预警处理,同时可以从人员轨迹数据库7查询到所有的人员轨迹数据记录,通过注册人员的人员唯一标识号以及网络视频采集模块的设备唯一标识号可以形成完整的轨迹记录,通过时间戳以及网络视频采集模块1的信息从网络视频录像模块4中查询对应网络视频采集模块1在以该时间戳起始的一定时间段内的录像数据要求视频回放模块进行回放,做到精确的视频轨迹查询。
如图2所示,本发明的人员自动识别与视频轨迹查询的方法包括以下步骤:
S1、建立注册人员数据库;
其中,具体可以由图像处理及人脸识别模块建立该数据库,它包含人脸唯一标识号(即人员唯一标识号)、人脸特征值(通常是512维数组)。并且分别对应人物名称、证件号码、地址信息、分组信息、联系电话等信息。这里存储的是和人脸相应的所有必要信息。
S2、建立网络视频采集模块数据库;
其中,具体可以由主处理器建立该数据库,它包含视频采集设备的设备唯一标识号码、设备名称、设备用户名、设备密钥、设备坐标信息等关键参数以及设备网络参数、设备识别区域等配置参数。
S3、建立人员轨迹数据库;
其中,具体可以由主处理器建立该数据库,它包含人脸信息的结构化数据,主要由人脸唯一标识号、人物名称(脱敏)、人脸特征信息、特征相似度、人脸图片数据、识别区域坐标、识别时间戳以及视频采集设备的设备唯一标识号码等信息组成。这里存储的结构化数据是将实时抓拍的人脸数据与特征信息以及视频采集模块进行关联并持久化存储。
S4、实时图像采集;
具体可以通过网络视频采集模块实时采集监控区域的视频数据,网络视频采集模块进入工作模式、采集实时图像数据。通过图像处理及人脸识别模块按一定帧率(帧/秒)接收实时图像数据。
S5、网络视频录像;
具体地,网络视频录像模块进入工作模式,对所有网络视频采集模块所采集的实时图像进行持久化存储,同时记录每一个网络视频采集模块的视频采集设备的设备唯一标识号码、设备名称、设备用户名、设备密钥、设备网络信息等关键参数。
S6、图像处理及人脸识别模块工作;
具体包括:
6.1、主处理器使图像处理及人脸识别模块进入工作模式,并将网络视频采集模块信息下发至图像处理及人脸识别模块。
6.2、获得实时图像后,图像处理模块对数据进行图像增强、图像分割等预处理操作,人脸识别模块对数据再进行人脸关键点定位、人脸矫正、人脸特征提取并结合图像质量评分、人脸质量评分、特征值权重评分等操作对模糊人脸、不完整人脸进行过滤最终完成人脸的检测,与特征值的提取。
6.3、将提取的特征值与注册人员数据库中的人脸特征数据进行对比分析。
6.3.1、如存在匹配的结果(大于设定阈值)则将对应的注册人员唯一标识号、人脸特征信息、特征相似度、人脸图片数据、识别区域坐标、识别时间戳以及视频采集设备的唯一标识号码等信息组成人脸识别结构化数据传输给主处理器,并持久化存储至人脸识别结构化数据库。
6.3.2、如不存在匹配的结果,则自动将该数据新增至注册人员数据库,并生成相应的人脸唯一标识号、人脸特征值(通常是512维数组),非关键信息人物名称、证件号码、地址信息、分组信息、联系电话等信息将由工作人员修改补充,之后按照6.3.1中所描述内容生成并持久化存储人脸识别结构化数据。
S7、人员轨迹追溯;
具体包括:
7.1、通过主处理器查询人员轨迹数据库中过去指定时间范围内的轨迹记录,每条记录都包含着人员轨迹的详细信息。
7.1.1、通过人员轨迹数据中网络视频录像模块的唯一标识号码、识别时间戳由主处理器向网络视频录像模块进行查询对应的网络视频录像模块在该时间段(例如前后20秒)以内的视频图像数据,同时主处理器使视频回放模块进入工作状态,将视频图像数据传入播放器中进行播放。
7.1.2、通过人员轨迹数据中人员唯一标识号可快速得到包含相同信息的所有记录,将所有记录中的时间戳及视频采集设备的坐标信息串联起来得到了相应的轨迹信息。
本发明利用图像处理与识别技术,对途径摄像头监控区域的人员进行人脸检测以及人脸识别,并根据对人脸特征数据的对比分析快速对陌生人进行身份的鉴别。根据视频采集设备信息,人脸特征信息,图像识别结果快速形成系统性的轨迹数据信息从而可对历史轨迹、视频证据进行快速追溯,弥补了传统人脸数据收集效率低,轨迹追溯效率慢的缺陷。准确的分析结果以及海量的轨迹跟踪可对规律性的事件进行及时的预警,对已发生的异常进行快速追溯。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
Claims (8)
1.一种人员自动识别与视频轨迹查询的系统,其特征在于,包括网络视频采集模块、图像处理及人脸识别模块、注册人员数据库、人员轨迹数据库、主处理器;
所述网络视频采集模块用于采集监控区域的视频数据;
所述图像处理及人脸识别模块用于对采集的视频数据中的实时画面进行图像预处理,并将图像预处理后挑选出的图像数据提取特征值与所述注册人员数据库中的人脸特征数据进行对比并计算出相似度,若相似度小于阈值则作为新增数据存入所述注册人员数据库,并在入库时建立人员唯一标识号的对应关系;若相似度大于或等于阈值则作为识别出的人员数据写入人员轨迹数据库;
所述注册人员数据库用于存储已登记注册人员的人员信息,包括人员唯一标识号以及对应的人脸特征值;
所述人员轨迹数据库用于存储已登记注册人员被检测识别到的历史轨迹信息;
所述主处理器用于从所述人员轨迹数据库中查询人员的历史轨迹信息。
2.如权利要求1所述的人员自动识别与视频轨迹查询的系统,其特征在于,所述系统还包括网络视频录像模块、视频回放模块、网络视频采集模块数据库中的至少一种;
所述网络视频录像模块用于持久化存储所述网络视频采集模块采集到的视频数据;
所述视频回放模块用于回放所述网络视频录像模块中存储的视频数据;
所述网络视频采集模块数据库用于存储全部网络视频采集模块的相关设备,包括设备唯一标识号、设备名称、设备网络参数、设备用户名、设备密钥、设备坐标中的至少一种。
3.如权利要求2所述的人员自动识别与视频轨迹查询的系统,其特征在于,所述人员信息还包括对应名称、分组、联系电话、地址中的至少一种。
4.如权利要求2所述的人员自动识别与视频轨迹查询的系统,其特征在于,所述历史轨迹信息包括人员唯一标识号、检测识别发生的时间、设备唯一标识号、拍摄到的人脸图片、识别的人脸特征信息、与注册特征的相似度、拍摄区域坐标、拍摄时间中的至少一种。
5.一种人员自动识别与视频轨迹查询的方法,其特征在于,包括以下步骤:
建立注册人员数据库,所述注册人员数据库用于存储已登记注册人员的人员信息,包括人员唯一标识号以及对应的人脸特征值;
建立人员轨迹数据库,所述人员轨迹数据库用于存储已登记注册人员被检测识别到的历史轨迹信息;
通过网络视频采集模块实时采集监控区域的视频数据;
通过图像处理及人脸识别模块对采集的视频数据中的实时画面进行图像预处理,并将图像预处理后挑选出的图像数据提取特征值与所述注册人员数据库中的人脸特征数据进行对比并计算出相似度,若相似度小于阈值则作为新增数据存入所述注册人员数据库,并在入库时建立人员唯一标识号的对应关系;若相似度大于或等于阈值则作为识别出的人员数据写入人员轨迹数据库;
通过主处理器从所述人员轨迹数据库中查询人员的历史轨迹信息。
6.如权利要求5所述的人员自动识别与视频轨迹查询的方法,其特征在于,所述方法还包括以下步骤中的至少一种:
建立网络视频采集模块数据库,所述网络视频采集模块数据库用于存储全部网络视频采集模块的相关设备,包括设备唯一标识号、设备名称、设备网络参数、设备用户名、设备密钥、设备坐标中的至少一种;
通过网络视频录像模块持久化存储所述网络视频采集模块采集到的视频数据;
通过视频回放模块回放所述网络视频录像模块中存储的视频数据。
7.如权利要求6所述的人员自动识别与视频轨迹查询的方法,其特征在于,所述人员信息还包括对应名称、分组、联系电话、地址中的至少一种。
8.如权利要求6所述的人员自动识别与视频轨迹查询的方法,其特征在于,所述历史轨迹信息包括人员唯一标识号、检测识别发生的时间、设备唯一标识号、拍摄到的人脸图片、识别的人脸特征信息、与注册特征的相似度、拍摄区域坐标、拍摄时间中的至少一种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110553466.4A CN113269081A (zh) | 2021-05-20 | 2021-05-20 | 人员自动识别与视频轨迹查询的系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110553466.4A CN113269081A (zh) | 2021-05-20 | 2021-05-20 | 人员自动识别与视频轨迹查询的系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113269081A true CN113269081A (zh) | 2021-08-17 |
Family
ID=77232189
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110553466.4A Withdrawn CN113269081A (zh) | 2021-05-20 | 2021-05-20 | 人员自动识别与视频轨迹查询的系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113269081A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114040167A (zh) * | 2021-11-11 | 2022-02-11 | 浩云科技股份有限公司 | 一种人员轨迹生成方法及装置 |
CN114040168A (zh) * | 2021-11-16 | 2022-02-11 | 西安热工研究院有限公司 | 一种用于火力电厂的智慧型电力网络监控机构 |
CN114241575A (zh) * | 2021-12-23 | 2022-03-25 | 广州智算信息技术有限公司 | 一种基于ai的深度学习的大数据人脸识别系统 |
CN114579780A (zh) * | 2022-03-04 | 2022-06-03 | 浪潮软件集团有限公司 | 国产cpu及操作系统下人员活动轨迹查询方法及系统 |
CN114666555A (zh) * | 2022-05-23 | 2022-06-24 | 创意信息技术股份有限公司 | 一种Edge边缘网关前端系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103096042A (zh) * | 2013-02-05 | 2013-05-08 | 泰州市易航软件科技有限公司 | 一种视频监控系统 |
CN103607577A (zh) * | 2013-11-29 | 2014-02-26 | 中山大学 | 一种基于人体运动轨迹分析的居家养老安防系统 |
CN105373626A (zh) * | 2015-12-09 | 2016-03-02 | 深圳融合永道科技有限公司 | 分布式人脸识别轨迹搜索系统和方法 |
CN106998444A (zh) * | 2017-02-14 | 2017-08-01 | 北京中科天云科技有限公司 | 一种大数据人脸监控系统及装置 |
WO2020199484A1 (zh) * | 2019-04-04 | 2020-10-08 | 平安科技(深圳)有限公司 | 基于视频的轨迹跟踪方法、装置、计算机设备及存储介质 |
CN111985348A (zh) * | 2020-07-29 | 2020-11-24 | 深思考人工智能科技(上海)有限公司 | 人脸识别方法和系统 |
-
2021
- 2021-05-20 CN CN202110553466.4A patent/CN113269081A/zh not_active Withdrawn
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103096042A (zh) * | 2013-02-05 | 2013-05-08 | 泰州市易航软件科技有限公司 | 一种视频监控系统 |
CN103607577A (zh) * | 2013-11-29 | 2014-02-26 | 中山大学 | 一种基于人体运动轨迹分析的居家养老安防系统 |
CN105373626A (zh) * | 2015-12-09 | 2016-03-02 | 深圳融合永道科技有限公司 | 分布式人脸识别轨迹搜索系统和方法 |
CN106998444A (zh) * | 2017-02-14 | 2017-08-01 | 北京中科天云科技有限公司 | 一种大数据人脸监控系统及装置 |
WO2020199484A1 (zh) * | 2019-04-04 | 2020-10-08 | 平安科技(深圳)有限公司 | 基于视频的轨迹跟踪方法、装置、计算机设备及存储介质 |
CN111985348A (zh) * | 2020-07-29 | 2020-11-24 | 深思考人工智能科技(上海)有限公司 | 人脸识别方法和系统 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114040167A (zh) * | 2021-11-11 | 2022-02-11 | 浩云科技股份有限公司 | 一种人员轨迹生成方法及装置 |
CN114040167B (zh) * | 2021-11-11 | 2023-11-03 | 浩云科技股份有限公司 | 一种人员轨迹生成方法及装置 |
CN114040168A (zh) * | 2021-11-16 | 2022-02-11 | 西安热工研究院有限公司 | 一种用于火力电厂的智慧型电力网络监控机构 |
CN114241575A (zh) * | 2021-12-23 | 2022-03-25 | 广州智算信息技术有限公司 | 一种基于ai的深度学习的大数据人脸识别系统 |
CN114579780A (zh) * | 2022-03-04 | 2022-06-03 | 浪潮软件集团有限公司 | 国产cpu及操作系统下人员活动轨迹查询方法及系统 |
CN114666555A (zh) * | 2022-05-23 | 2022-06-24 | 创意信息技术股份有限公司 | 一种Edge边缘网关前端系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113269081A (zh) | 人员自动识别与视频轨迹查询的系统及方法 | |
CN109271554B (zh) | 一种智能视频识别系统及其应用 | |
Bashir et al. | Performance evaluation of object detection and tracking systems | |
CN103942811B (zh) | 分布式并行确定特征目标运动轨迹的方法与系统 | |
CN108564052A (zh) | 基于mtcnn的多摄像头动态人脸识别系统与方法 | |
CN111625687B (zh) | 一种在媒资视频库中通过人脸快速搜索人物的方法及系统 | |
CN116151848B (zh) | 一种基于物联网的气瓶质量安全追溯系统 | |
CN111968152A (zh) | 一种动态身份识别方法及装置 | |
CN110599129A (zh) | 一种基于图像追踪校园考勤方法、装置、识别终端及系统 | |
CN108830204B (zh) | 面对目标的监控视频中异常检测方法 | |
CN111914649A (zh) | 人脸识别的方法及装置、电子设备、存储介质 | |
CN111738059A (zh) | 一种面向无感场景的人脸识别方法 | |
CN111199172B (zh) | 基于终端录屏的处理方法及装置、存储介质 | |
CN112001280B (zh) | 一种实时、可在线优化的人脸识别系统和方法 | |
CN110968719B (zh) | 一种人脸聚类方法及装置 | |
CN116340928A (zh) | 一种物联网智能设备的数据安全管理方法及系统 | |
CN112132057A (zh) | 一种多维身份识别方法及系统 | |
CN110443187A (zh) | 特征信息的记录方法及装置 | |
CN114090909A (zh) | 一种图码联侦关联方法、装置、计算机设备及存储介质 | |
CN112818863A (zh) | 一种基于以脸搜脸构建人员轨迹的方法和系统 | |
CN116935253A (zh) | 基于结合时空注意力机制的残差网络的人脸篡改检测方法 | |
CN112766230A (zh) | 一种视频流人员在线时长估计方法及对应系统 | |
CN111832451A (zh) | 基于视频数据处理的适航监察流程监管系统及方法 | |
CN109753915A (zh) | 一种智慧新警务人脸识别系统及方法 | |
CN113537058B (zh) | 一种陌生人物关联关系的判断方法及安防控制系统 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210817 |
|
WW01 | Invention patent application withdrawn after publication |