CN113435362A - 异常行为检测方法、装置、计算机设备及存储介质 - Google Patents
异常行为检测方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN113435362A CN113435362A CN202110741898.8A CN202110741898A CN113435362A CN 113435362 A CN113435362 A CN 113435362A CN 202110741898 A CN202110741898 A CN 202110741898A CN 113435362 A CN113435362 A CN 113435362A
- Authority
- CN
- China
- Prior art keywords
- face
- key point
- hand
- model
- abnormal behavior
- 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
Links
- 206010000117 Abnormal behaviour Diseases 0.000 title claims abstract description 129
- 238000001514 detection method Methods 0.000 title claims abstract description 116
- 238000000034 method Methods 0.000 claims abstract description 26
- 210000003128 head Anatomy 0.000 claims description 90
- 210000001508 eye Anatomy 0.000 claims description 11
- 210000004709 eyebrow Anatomy 0.000 claims description 5
- 210000001061 forehead Anatomy 0.000 claims description 5
- 238000001727 in vivo Methods 0.000 abstract description 2
- 238000012549 training Methods 0.000 description 9
- 238000012216 screening Methods 0.000 description 6
- 210000000887 face Anatomy 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 210000003811 finger Anatomy 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 210000004932 little finger Anatomy 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000003813 thumb Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24133—Distances to prototypes
- G06F18/24137—Distances to cluster centroïds
- G06F18/2414—Smoothing the distance, e.g. radial basis function networks [RBFN]
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及活体检测领域，尤其涉及一种异常行为检测方法、装置、计算机设备及存储介质。其方法包括：获取视频帧图像；通过人脸检测模型识别到人脸之后，将人脸图像输入目光朝向模型，得到目光朝向角度；将人脸图像输入头部姿态模型，得到头部朝向角度；将人脸图像输入人脸关键点模型，得到人脸关键点信息；通过手部检测模型识别到人手之后，获取人手图像，将人手图像输入手部关键点模型，得到手部关键点信息；根据目光朝向角度、头部朝向角度、人脸关键点信息和手部关键点信息，判断目标人物是否存在异常行为；若目标人物存在异常行为，则生成异常行为预警信息。本发明可实时监测到目标人物的异常行为，提高信息获取的及时性和准确性。
Description
技术领域
本发明涉及活体检测领域，尤其涉及一种异常行为检测方法、装置、计算机设备及存储介质。
背景技术
随着互联网的迅速发展，视频会议、视频面审等视频交流方式广泛应用在多个领域中。在进行视频交流时，人们往往容易忽略对方的一些微表情或异常举动，导致错过对方传达的信息，进而导致接收到的信息不准确。
发明内容
基于此，有必要针对上述技术问题，提供一种异常行为检测方法、装置、计算机设备及存储介质，以解决现有技术进行视频交流，不能及时地、准确地获取对方地异常行为的问题。
一种异常行为检测方法，包括：
获取视频帧图像；
通过人脸检测模型对所述视频帧图像进行人脸识别；通过手部检测模型对所述视频帧图像进行人手识别；
在识别到所述视频帧图像中包含人脸之后，获取人脸图像，将所述人脸图像输入目光朝向模型，得到所述目光朝向模型输出的与所述人脸对应的目光朝向角度；将所述人脸图像输入头部姿态模型，得到所述头部姿态模型输出的与所述人脸对应的头部朝向角度；将所述人脸图像输入人脸关键点模型，得到所述人脸关键点模型输出的与所述人脸对应的人脸关键点信息；在识别到所述视频帧图像中包含人手之后，获取人手图像，将所述人手图像输入手部关键点模型，得到所述目手部关键点模型输出的与所述人手对应的手部关键点信息；
一种异常行为检测装置，包括：
视频帧图像获取模块，用于获取视频帧图像；
检测模块，用于通过人脸检测模型对所述视频帧图像进行人脸识别；通过手部检测模型对所述视频帧图像进行人手识别；
信息获取模块，用于在识别到所述视频帧图像中包含人脸之后，获取人脸图像，将所述人脸图像输入目光朝向模型，得到所述目光朝向模型输出的与所述人脸对应的目光朝向角度；将所述人脸图像输入头部姿态模型，得到所述头部姿态模型输出的与所述人脸对应的头部朝向角度；将所述人脸图像输入人脸关键点模型，得到所述人脸关键点模型输出的与所述人脸对应的人脸关键点信息；在识别到所述视频帧图像中包含人手之后，获取人手图像，将所述人手图像输入手部关键点模型，得到所述目手部关键点模型输出的与所述人手对应的手部关键点信息；
判断模块，用于根据所述目光朝向角度、所述头部朝向角度、所述人脸关键点信息和所述手部关键点信息，判断与所述人脸对应的目标人物是否存在异常行为；
异常行为预警模块，用于若所述目标人物存在异常行为，则根据所述异常行为生成异常行为预警信息。
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，所述处理器执行所述计算机可读指令时实现上述异常行为检测方法。
一个或多个存储有计算机可读指令的可读存储介质，所述计算机可读指令被一个或多个处理器执行时，使得所述一个或多个处理器执行如上述异常行为检测方法。
上述异常行为检测方法、装置、计算机设备及存储介质，通过获取视频帧图像；通过人脸检测模型对所述视频帧图像进行人脸识别；通过手部检测模型对所述视频帧图像进行人手识别；在识别到所述视频帧图像中包含人脸之后，获取人脸图像，将所述人脸图像输入目光朝向模型，得到所述目光朝向模型输出的与所述人脸对应的目光朝向角度；将所述人脸图像输入头部姿态模型，得到所述头部姿态模型输出的与所述人脸对应的头部朝向角度；将所述人脸图像输入人脸关键点模型，得到所述人脸关键点模型输出的与所述人脸对应的人脸关键点信息；在识别到所述视频帧图像中包含人手之后，获取人手图像，将所述人手图像输入手部关键点模型，得到所述目手部关键点模型输出的与所述人手对应的手部关键点信息；根据所述目光朝向角度、所述头部朝向角度、所述人脸关键点信息和所述手部关键点信息，判断与所述人脸对应的目标人物是否存在异常行为；若所述目标人物存在异常行为，则根据所述异常行为生成异常行为预警信息。本发明通过对目标人物的人脸和人手同时进行识别，分支进行后续检测流程可加快检测速度，提高信息获取的及时性。同时，根据目光朝向角度、头部朝向角度、人脸关键点信息和手部关键点信息的综合分析，对目标人物的异常行为进行判断分析，并进行预警提示，可提高信息获取的准确率。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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是本发明一实施例中异常行为检测方法的一应用环境示意图；
图2是本发明一实施例中异常行为检测方法的一流程示意图；
图3是本发明一实施例中异常行为检测装置的一结构示意图；
图4是本发明一实施例中计算机设备的一示意图。
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。
本实施例提供的异常行为检测方法，可应用在如图1的应用环境中，其中，客户端与服务端进行通信。其中，客户端包括但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务端可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一实施例中，如图2所示，提供一种异常行为检测方法，以该方法应用在图1中的服务端为例进行说明，包括如下步骤：
S10、获取视频帧图像。
可理解的，在金融领域，有时需要通过视频面审来确认客户身份和信息的真实性。当通过视频面审来确认客户身份和信息的真实性时，会产生视频会话，进而产生视频帧图像。其中，视频帧图像是指视频过程中针对会话对方摄像头实时拍摄记录的的任意一帧视频图像。其中，任意一帧视频图像是指根据预设的视频帧率获取到的视频会话过程中的图像。视频帧率是指每秒内获取视频帧图像的频率。例如，每秒获取视频帧图像的频率为60次，则视频帧率为60次/秒。
S20、通过人脸检测模型对所述视频帧图像进行人脸识别；通过手部检测模型对所述视频帧图像进行人手识别。
可理解的，人脸检测模型可以是基于BlazeFace(面部识别)网络结构的检测模型。具体的，获取若干人脸图像作为训练样本，基于BlazeFace网络结构对若干人脸图像进行训练，可得到上述人脸检测模型。手部检测模型可以是基于BlazePalm(手掌识别)网络结构的检测模型。具体的，获取若干人手图像作为训练样本，基于BlazePalm(手掌识别)网络结构对若干人手图像进行训练，可得到上述手部检测模型。其中，BlazePalm主要用于识别手的整体框架和方向。人脸识别是指识别视频帧图像中是否存在人脸的特征，从而判断视频帧图像中是否包含人脸。人手识别是指识别视频帧图像中是否存在人手的特征，从而判断视频帧图像中是否包含人手。
在一示例中，采用人脸检测模型对获取到的视频帧图像进行识别，具体的，通过人脸检测模型对视频帧图像进行扫描，获取896个候选检测窗口以及896个候选检测窗口对应的候选置信度。其中，候选置信度表示每个候选检测窗口出现的概率。根据第一预设人脸置信度阈值(例如，第一预设人脸置信度阈值为0.8)对896个候选检测窗口进行筛选，选取候选置信度大于或等于第一预设人脸置信度阈值对应的候选检测窗口，并采用非极大值抑制算法对大于或等于第一预设人脸置信度阈值的候选检测窗口进一步进行区域重叠筛选，过滤掉存在高度重叠的候选检测窗口，得到未存在高度重叠的候选检测窗口。更进一步的，根据第二预设人脸置信度阈值(例如，第二预设人脸置信度阈值为0.9)对未存在高度重叠的候选检测窗口再次进行筛选，将候选置信度大于或等于第二预设人脸置信度阈值的候选检测窗口作为人脸检测窗口。若人脸检测窗口的个数等于1，继续后续异常行为检测流程。若人脸检测窗口的个数小于1，则输出未检测到人脸的警告信息，例如：“未检测到客户人脸”，并终止对该视频帧图像进行异常行为检测，获取下一帧视频图像重新进行人脸识别。可选的，若人脸检测窗口的个数大于1，则输出检测到多个人脸的警告信息，例如，“检测到多个人脸”，获取下一帧视频图像重新进行人脸识别。
在一示例中，采用手部检测模型对获取到的视频帧图像进行识别，具体的，通过手部检测模型对视频帧图像进行扫描，获取2944个候选检测窗口以及2944个候选检测窗口对应的候选置信度。根据第一预设人手置信度阈值(例如，第一预设人手置信度阈值为0.6)对2944个候选检测窗口进行筛选，选取候选置信度大于或等于第一预设人手置信度阈值对应的候选检测窗口，并采用非极大值抑制算法对大于或等于第一预设人手置信度阈值的候选检测窗口进一步进行区域重叠筛选，过滤掉存在高度重叠的候选检测窗口，得到未存在高度重叠的候选检测窗口。更进一步的，根据第二预设人手置信度阈值(例如，第二预设人手置信度阈值为0.85)对未存在高度重叠的候选检测窗口再次进行筛选，将候选置信度大于或等于第二预设人手置信度阈值的候选检测窗口作为人手检测窗口。若人手检测窗口的个数小于1，则终止对该视频帧图像进行异常行为检测，获取下一帧视频图像重新进行人手识别。若人手检测窗口的个数等于1或等于2，则继续后续异常行为检测流程。可选的，若检测窗口的个数大于2，则输出检测到多个目标人物的警告信息，例如，“检测到多名客户”，终止对该视频帧图像进行异常行为检测，获取下一帧视频图像重新进行人手识别。
S30、在识别到所述视频帧图像中包含人脸之后，获取人脸图像，将所述人脸图像输入目光朝向模型，得到所述目光朝向模型输出的与所述人脸对应的目光朝向角度；将所述人脸图像输入头部姿态模型，得到所述头部姿态模型输出的与所述人脸对应的头部朝向角度；将所述人脸图像输入人脸关键点模型，得到所述人脸关键点模型输出的与所述人脸对应的人脸关键点信息；在识别到所述视频帧图像中包含人手之后，获取人手图像，将所述人手图像输入手部关键点模型，得到所述目手部关键点模型输出的与所述人手对应的手部关键点信息。
可理解的，目光朝向模型可以是基于SSR-Net(Soft StagewiseRegressionNetwork，软阶段回归网络)网络结构的检测模型。具体的，获取若干人脸图像作为训练样本，基于SSR-Net网络结构对若干人脸图像中的目光朝向信息进行训练，可得到上述目光朝向模型。头部姿态模型可以是基于SSR-Net网络结构的检测模型。具体的，获取若干人脸图像作为训练样本，基于SSR-Net网络结构对若干人脸图像中的头部姿态信息进行训练，可得到上述头部姿态模型。人脸关键点模型可以是基于MobileNetV3网络结构的检测模型。具体的，获取若干人脸图像作为训练样本，基于MobileNetV3网络结构对若干人脸图像中的人脸关键点信息进行训练，可得到上述人脸关键点模型。手部关键点模型，可以是基于MobileNetV3网络结构的检测模型。具体的，获取若干人手图像作为训练样本，基于MobileNetV3网络结构对若干人手图像中的手部关键点信息进行训练，可得到上述手部关键点模型。
在一示例中，采用目光朝向模型对视频帧图像中人脸的目光朝向进行识别，具体的，将人脸检测模型获得的人脸图像输入该目光朝向模型，通过目光朝向模型可获得该人脸图像中目光朝向的两个角度，即目光朝向角度。该目光朝向角度包括俯仰角(pitch)和偏航角(yaw)。其中，俯仰角可以描述目光方向的上下，偏航角可以描述目光方向的左右。若俯仰角为正，则表示目光朝上；若偏航角为正，则表示目光朝右，例如，该目光朝向模型输出pitch＝+30、yaw＝-50，则表示目光朝上方30度，左方50度方向注视。
在一示例中，采用头部姿态模型对视频帧图像中人脸的头部姿态进行识别，具体的，将人脸检测模型获得的人脸图像输入头部姿态模型，通过头部姿态模型可获得该人脸图像中头部姿态的三个角度，即头部朝向角度。该头部朝向角度包括俯仰角(pitch)、偏航角(yaw)和旋转角(roll)。其中，俯仰角可以描述头部姿态的上下，偏航角可以描述头部姿态的左右，旋转角描述头部姿态的倾斜。若俯仰角为正，则表示头部朝上；若偏航角为正，则表示头部朝右；若旋转角为正，则表示头部朝右倾斜，例如，头部姿态模型输出pitch＝+30、yaw＝-50、roll＝20，则表示头部朝上方30度，左方50度方向，并带有20度向右歪斜。
在一示例中，采用人脸关键点模型对视频帧图像中人脸的关键点信息进行识别，具体的，将人脸检测模型获得的人脸图像输入该人脸关键点模型，可获得98个人脸关键点以及与98个人脸关键点对应的98个置信度。一个人脸关键点对应一个置信度。其中，置信度表示每个关键点出现的概率。其中，98个人脸关键点分布于额头、眉毛、眼睛、鼻子、脸颊、嘴唇和下巴7个人脸区域。根据与每个人脸关键点对应的置信度，分别计算每个人脸区域的平均置信度，即区域置信度。若某一人脸区域的区域置信度小于第一预设关键点置信度阈值(例如，第一预设关键点置信度阈值为0.95)，则判定该人脸存在遮挡情况，并输出包含与小于预设置信度阈值的区域置信度对应的人脸区域的遮挡提示信息。例如，当眼睛区域的区域置信度小于或等于第一预设关键点置信度阈值，则判定该人脸存在遮挡情况，并输出“客户眼睛存在遮挡”的遮挡提示信息。
在一示例中，采用手部关键点模型对视频帧图像中人手的关键点信息进行识别，具体的，将手部检测模型获得的人手图像输入该手部关键点模型，当人手图像中包含一只人手时，可获得21个手部关键点以及21个手部关键点的置信度。21个手部关键点分布于大拇指、食指、中指、无名指、小拇指和手掌心6个手部区域。根据每个手部关键点对应的置信度，分别计算每个手部区域的平均置信度，即手部区域置信度。将手部区域置信度大于第二预设关键点置信度阈值(例如，第一预设关键点置信度阈值为0.95)的手部区域标记为手部关键点区域。手部关键点信息包含手部关键点区域、手部关键点及手部关键点的置信度。
S40、根据所述目光朝向角度、所述头部朝向角度、所述人脸关键点信息和所述手部关键点信息，判断与所述人脸对应的目标人物是否存在异常行为。
可理解的，在获取目光朝向角度、头部朝向角度、人脸关键点信息和手部关键点信息之后，可根据目光朝向角度、头部朝向角度、人脸关键点信息和手部关键点信息对与人脸对应的目标人物的异常行为进行判断分析。
具体的，可根据目光朝向角度和头部朝向角度对与人脸对应的目标人物的异常行为进行判断分析。例如，若目光朝向角度和头部朝向角度不相同时，则判定与所述人脸对应的目标人物存在异常行为。可根据至少两帧视频帧图像的目光朝向角度对与人脸对应的目标人物的异常行为进行判断分析。例如，若目光朝向角度的变化速度大于预设速度阈值，则判定与人脸对应的目标人物存在异常行为。可根据人脸关键点信息和手部关键点信息对目标人物的异常行为进行判断分析。例如，若处于手部区域的人脸关键点的个数大于预设个数阈值，则判定与人脸对应的目标人物存在异常行为。
S50、若所述目标人物存在异常行为，则根据所述异常行为生成异常行为预警信息。
可理解的，若与人脸对应的目标人物存在异常行为，则根据该异常行为的具体情况生成对应的预警信息。例如，当目光朝向角度和头部朝向角度不相同时，则判定与所述人脸对应的目标人物存在异常行为，根据该异常情况可生成“客户的目光朝向角度与头部朝向角度存在异常”的预警信息。
在步骤S10-S50中，通过获取视频帧图像；通过人脸检测模型对所述视频帧图像进行人脸识别；通过手部检测模型对所述视频帧图像进行人手识别；在识别到所述视频帧图像中包含人脸之后，获取人脸图像，将所述人脸图像输入目光朝向模型，得到所述目光朝向模型输出的与所述人脸对应的目光朝向角度；将所述人脸图像输入头部姿态模型，得到所述头部姿态模型输出的与所述人脸对应的头部朝向角度；将所述人脸图像输入人脸关键点模型，得到所述人脸关键点模型输出的与所述人脸对应的人脸关键点信息；在识别到所述视频帧图像中包含人手之后，获取人手图像，将所述人手图像输入手部关键点模型，得到所述目手部关键点模型输出的与所述人手对应的手部关键点信息；根据所述目光朝向角度、所述头部朝向角度、所述人脸关键点信息和所述手部关键点信息，判断与所述人脸对应的目标人物是否存在异常行为；若所述目标人物存在异常行为，则根据所述异常行为生成异常行为预警信息。本发明通过对目标人物的人脸和人手同时进行识别，分支进行后续检测流程可加快检测速度，提高信息获取的及时性。同时，根据目光朝向角度、头部朝向角度、人脸关键点信息和手部关键点信息的综合分析，对目标人物的异常行为进行判断分析，并进行预警提示，可提高信息获取的准确率。
可选的，在步骤S40中，即所述根据所述目光朝向角度、所述头部朝向角度、所述人脸关键点信息和所述手部关键点信息，判断与所述人脸对应的目标人物是否存在异常行为，包括：
S401、判断所述目光朝向角度和头部朝向角度是否相同；
S402、若所述目光朝向角度和头部朝向角度不相同，则判定与所述人脸对应的目标人物存在第一异常行为。
可理解的，目光朝向信息和头部姿态信息能够很好的反映目标人物眼睛的视线方向、头部的转动方向。基于目标人物的视线方向和头部的转动方向课对目标人物的异常行为进行分析。例如，在视频会话过程中，当向客户询问问题时，客户的目光朝向角度或目光朝向角度不一致，则客户可能存在在遇到问题时表现出了慌张或是有人在提示答案(偷瞄)的情况。此时，可输出“客户的目光朝向角度与头部朝向角度存在异常”的预警提示，可提高信息获取的准确率和及时性，进而避免不必要的损失，降低损失。
具体的，目光朝向角度和头部朝向角度是否一相同，由希尔伯特变换求得。例如，可将预设时间(例如，3秒)内的，目光朝向角度(上下和左右)与头部朝向角度(上下和左右)的变化曲线分别做希尔伯特变换到复数域，继而计算曲线每一时刻的瞬时相位值，该瞬时相位值反映了目光或头部的变化趋势，将上下与上下相对应，左右与左右相对应，计算目光与头部之间的瞬时相位差。当预设时间内相位差均值大于预设阈值时，判定在该预设时间内目光朝向角度与头部朝向角度存在不相同。则判定与人脸对应的目标人物存在异常行为。当预设时间内相位差均值小于或等于预设阈值时，判定在该预设时间内目光朝向角度与头部朝向角度相同，则判定与人脸对应的目标人物未存在异常行为。
可选的，在步骤S40中，即所述根据所述目光朝向角度、所述头部朝向角度、所述人脸关键点信息和所述手部关键点信息，判断与所述人脸对应的目标人物是否存在异常行为，包括：
S403、获取至少两帧视频帧图像的目光朝向角度；
S404、根据所述至少两帧视频帧图像的目光朝向角度，以及视频帧图像的采集时间，确定所述目标人物的目光方向变化速度；
S405、若所述目光方向变化速度大于预设速度阈值，则判定与所述人脸对应的目标人物存在第二异常行为。
可理解的，获取预设时间(例如，3秒)内的至少两帧视频帧图像的目光朝向角度。根据至少两帧视频帧图像的目光朝向角度，以及每帧视频帧图像的采集时间，经过差分求导后可确定每帧视频帧图像之间目光朝向角度的变化率，即确定目标人物的目光方向变化速度。若预设时间(例如，3秒)内，存在目光方向变化速度大于预设速度阈值，则判定与人脸对应的目标人物在该预设时间内存在异常行为。
可选的，在步骤S40中，即所述根据所述目光朝向角度、所述头部朝向角度、所述人脸关键点信息和所述手部关键点信息，判断与所述人脸对应的目标人物是否存在异常行为，包括：
S406、从所述人脸关键点信息提取多个人脸关键点；根据所述手部关键点信息绘制手部覆盖区域；
S407、计算处于所述手部覆盖区域的人脸关键点的个数；
S408、若所述个数大于预设个数阈值，则判定与所述人脸对应的目标人物存在第三异常行为。
可理解的，根据人脸关键点信息和手部关键点信息可很好的反映出在某一视频帧图像中或某预设时间内是否存在手部遮挡面部的异常行为。这些异常行为可体现出目标人物遮掩、紧张等心理活动。人脸关键点信息包含人脸若干关键点。
具体的，从人脸关键点信息提取多个人脸关键点，同时，根据手部关键点信息可得到手部关键点区域，对该手部关键点区域做最大外界多边形，将多边形内部区域确定为手部覆盖区域，采用射线法依次判断人脸区域内的关键点是否位于手部覆盖区域内。其中，射线法是指从手部关键点引出射线穿越多边形，若交点个数为奇数则在多边形内，偶数在外，点在多边形上时默认在外。计算处于手部覆盖区域的人脸关键点的个数，若某个人脸区域(例如，下巴)处于手部覆盖区域的人脸关键点的个数大于预设个数阈值(例如，5个)，表示该人脸区域(下巴)被人手所遮挡，则判定与人脸对应的目标人物存在常行为，并输出“客户存在手部遮挡下巴区域”的预警提示信息。
可选的，在步骤S30之后，即所述人脸关键点信息包含若干人脸关键点和若干与所述人脸关键点对应的置信度；
所述将所述人脸图像输入人脸关键点模型，得到所述人脸关键点模型输出的与所述人脸对应的人脸关键点信息之后，包括：
S301、根据所述人脸关键点信息计算多个人脸区域的区域置信度；所述多个人脸区域包括额头、眉毛、眼睛、鼻子、脸颊、嘴唇和下巴；
S302、若存在一个区域置信度小于预设置信度阈值，则判定所述人脸存在遮挡情况，并输出包含与小于预设置信度阈值的区域置信度对应的人脸区域的遮挡提示信息。
可理解的，人脸关键点信息包含若干人脸关键点和若干与人脸关键点对应的置信度。其中，若干人脸关键点分布于包括额头、眉毛、眼睛、鼻子、脸颊、嘴唇和下巴7个人脸区域。根据每个人脸关键点对应的置信度，分别计算每个人脸区域的平均置信度，即区域置信度。若某一人脸区域的区域置信度小于第一预设关键点置信度阈值(例如，第一预设关键点置信度阈值为0.95)，则判定该人脸存在遮挡情况，并输出包含与小于预设置信度阈值的区域置信度对应的人脸区域的遮挡提示信息。例如，当眼睛区域的区域置信度小于或等于第一预设关键点置信度阈值，则判定该人脸存在遮挡情况，并输出“客户眼睛存在遮挡”的遮挡提示信息。
可选的，在步骤S20之后，即所述通过人脸检测模型对所述视频帧图像进行人脸识别之后，包括：
S201、在检测到所述视频帧图像中未包含人脸之后，输出未检测到人脸的警告信息，并终止对所述视频帧图像进行异常行为检测。
可理解的，在检测到所述视频帧图像中未包含人脸之后，即在检测到人脸检测窗口的个数小于1时，输出未检测到人脸的警告信息，例如：“未检测到客户人脸”，并终止对该视频帧图像进行异常行为检测，获取下一帧视频图像重新进行人脸识别。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
在一实施例中，提供一种异常行为检测装置，该异常行为检测装置与上述实施例中异常行为检测方法一一对应。如图3所示，该异常行为检测装置包括视频帧图像获取模块10、检测模块20、信息获取模块30、判断模块40和异常行为预警模块50。各功能模块详细说明如下：
视频帧图像获取模块10，用于获取视频帧图像；
检测模块20，用于通过人脸检测模型对所述视频帧图像进行人脸识别；通过手部检测模型对所述视频帧图像进行人手识别；
信息获取模块30，用于在识别到所述视频帧图像中包含人脸之后，获取人脸图像，将所述人脸图像输入目光朝向模型，得到所述目光朝向模型输出的与所述人脸对应的目光朝向角度；将所述人脸图像输入头部姿态模型，得到所述头部姿态模型输出的与所述人脸对应的头部朝向角度；将所述人脸图像输入人脸关键点模型，得到所述人脸关键点模型输出的与所述人脸对应的人脸关键点信息；在识别到所述视频帧图像中包含人手之后，获取人手图像，将所述人手图像输入手部关键点模型，得到所述目手部关键点模型输出的与所述人手对应的手部关键点信息；
判断模块40，用于根据所述目光朝向角度、所述头部朝向角度、所述人脸关键点信息和所述手部关键点信息，判断与所述人脸对应的目标人物是否存在异常行为；
异常行为预警模块50，用于若所述目标人物存在异常行为，则根据所述异常行为生成异常行为预警信息。
可选的，判断模块40中，包括：
第一判断单元，用于判断所述目光朝向角度和头部朝向角度是否相同；
第一异常行为单元，用于若所述目光朝向角度和头部朝向角度不相同，则判定与所述人脸对应的目标人物存在第一异常行为。
可选的，判断模块40中，包括：
目光朝向角度互殴单元，用于获取至少两帧视频帧图像的目光朝向角度；
目光方向变化速度单元，用于根据所述至少两帧视频帧图像的目光朝向角度，以及视频帧图像的采集时间，确定所述目标人物的目光方向变化速度；
第二异常行为单元，用于若所述目光方向变化速度大于预设速度阈值，则判定与所述人脸对应的目标人物存在第二异常行为。
可选的，判断模块40中，包括：
手部覆盖区域单元，用于从所述人脸关键点信息提取多个人脸关键点；根据所述手部关键点信息绘制手部覆盖区域；
个数单元，用于计算处于所述手部覆盖区域的人脸关键点的个数；
第三异常行为单元，用于若所述个数大于预设个数阈值，则判定与所述人脸对应的目标人物存在第三异常行为。
可选的，所述人脸关键点信息包含若干人脸关键点和若干与所述人脸关键点对应的置信度；在信息获取模块30之后，包括：
区域置信度单元，用于根据所述人脸关键点信息计算多个人脸区域的区域置信度；所述多个人脸区域包括额头、眉毛、眼睛、鼻子、脸颊、嘴唇和下巴；
遮挡提示信息单元，用于若存在一个区域置信度小于预设置信度阈值，则判定所述人脸存在遮挡情况，并输出包含与小于预设置信度阈值的区域置信度对应的人脸区域的遮挡提示信息。
可选的，在检测模块20之后，包括：
未包含人脸单元，用于在检测到所述视频帧图像中未包含人脸之后，输出未检测到人脸的警告信息，并终止对所述视频帧图像进行异常行为检测。
关于异常行为检测装置的具体限定可以参见上文中对于异常行为检测方法的限定，在此不再赘述。上述异常行为检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括可读存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机可读指令。该内存储器为可读存储介质中的操作系统和计算机可读指令的运行提供环境。该计算机设备的网络接口用于与外部服务器通过网络连接通信。该计算机可读指令被处理器执行时以实现一种异常行为检测方法。本实施例所提供的可读存储介质包括非易失性可读存储介质和易失性可读存储介质。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机可读指令，处理器执行计算机可读指令时实现以下步骤：
获取视频帧图像；
通过人脸检测模型对所述视频帧图像进行人脸识别；通过手部检测模型对所述视频帧图像进行人手识别；
在识别到所述视频帧图像中包含人脸之后，获取人脸图像，将所述人脸图像输入目光朝向模型，得到所述目光朝向模型输出的与所述人脸对应的目光朝向角度；将所述人脸图像输入头部姿态模型，得到所述头部姿态模型输出的与所述人脸对应的头部朝向角度；将所述人脸图像输入人脸关键点模型，得到所述人脸关键点模型输出的与所述人脸对应的人脸关键点信息；在识别到所述视频帧图像中包含人手之后，获取人手图像，将所述人手图像输入手部关键点模型，得到所述目手部关键点模型输出的与所述人手对应的手部关键点信息；
根据所述目光朝向角度、所述头部朝向角度、所述人脸关键点信息和所述手部关键点信息，判断与所述人脸对应的目标人物是否存在异常行为；
若所述目标人物存在异常行为，则根据所述异常行为生成异常行为预警信息。
在一个实施例中，提供了一个或多个存储有计算机可读指令的计算机可读存储介质，本实施例所提供的可读存储介质包括非易失性可读存储介质和易失性可读存储介质。可读存储介质上存储有计算机可读指令，计算机可读指令被一个或多个处理器执行时实现以下步骤：
获取视频帧图像；
通过人脸检测模型对所述视频帧图像进行人脸识别；通过手部检测模型对所述视频帧图像进行人手识别；
在识别到所述视频帧图像中包含人脸之后，获取人脸图像，将所述人脸图像输入目光朝向模型，得到所述目光朝向模型输出的与所述人脸对应的目光朝向角度；将所述人脸图像输入头部姿态模型，得到所述头部姿态模型输出的与所述人脸对应的头部朝向角度；将所述人脸图像输入人脸关键点模型，得到所述人脸关键点模型输出的与所述人脸对应的人脸关键点信息；在识别到所述视频帧图像中包含人手之后，获取人手图像，将所述人手图像输入手部关键点模型，得到所述目手部关键点模型输出的与所述人手对应的手部关键点信息；
根据所述目光朝向角度、所述头部朝向角度、所述人脸关键点信息和所述手部关键点信息，判断与所述人脸对应的目标人物是否存在异常行为；
若所述目标人物存在异常行为，则根据所述异常行为生成异常行为预警信息。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机可读指令来指令相关的硬件来完成，所述的计算机可读指令可存储于一非易失性可读取存储介质或易失性可读存储介质中，该计算机可读指令在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上所述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精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种异常行为检测方法，其特征在于，包括：
获取视频帧图像；
通过人脸检测模型对所述视频帧图像进行人脸识别；通过手部检测模型对所述视频帧图像进行人手识别；
在识别到所述视频帧图像中包含人脸之后，获取人脸图像，将所述人脸图像输入目光朝向模型，得到所述目光朝向模型输出的与所述人脸对应的目光朝向角度；将所述人脸图像输入头部姿态模型，得到所述头部姿态模型输出的与所述人脸对应的头部朝向角度；将所述人脸图像输入人脸关键点模型，得到所述人脸关键点模型输出的与所述人脸对应的人脸关键点信息；在识别到所述视频帧图像中包含人手之后，获取人手图像，将所述人手图像输入手部关键点模型，得到所述目手部关键点模型输出的与所述人手对应的手部关键点信息；
根据所述目光朝向角度、所述头部朝向角度、所述人脸关键点信息和所述手部关键点信息，判断与所述人脸对应的目标人物是否存在异常行为；
若所述目标人物存在异常行为，则根据所述异常行为生成异常行为预警信息。
2.如权利要求1所述的异常行为检测方法，其特征在于，所述根据所述目光朝向角度、所述头部朝向角度、所述人脸关键点信息和所述手部关键点信息，判断与所述人脸对应的目标人物是否存在异常行为，包括：
判断所述目光朝向角度和头部朝向角度是否相同；
若所述目光朝向角度和头部朝向角度不相同，则判定与所述人脸对应的目标人物存在第一异常行为。
3.如权利要求1所述的异常行为检测方法，其特征在于，所述根据所述目光朝向角度、所述头部朝向角度、所述人脸关键点信息和所述手部关键点信息，判断与所述人脸对应的目标人物是否存在异常行为，包括：
获取至少两帧视频帧图像的目光朝向角度；
根据所述至少两帧视频帧图像的目光朝向角度，以及视频帧图像的采集时间，确定所述目标人物的目光方向变化速度；
若所述目光方向变化速度大于预设速度阈值，则判定与所述人脸对应的目标人物存在第二异常行为。
4.如权利要求1所述的异常行为检测方法，其特征在于，所述根据所述目光朝向角度、所述头部朝向角度、所述人脸关键点信息和所述手部关键点信息，判断与所述人脸对应的目标人物是否存在异常行为，包括：
从所述人脸关键点信息提取多个人脸关键点；根据所述手部关键点信息绘制手部覆盖区域；
计算处于所述手部覆盖区域的人脸关键点的个数；
若所述个数大于预设个数阈值，则判定与所述人脸对应的目标人物存在第三异常行为。
5.如权利要求1所述的异常行为检测方法，其特征在于，所述人脸关键点信息包含若干人脸关键点和若干与所述人脸关键点对应的置信度；
所述将所述人脸图像输入人脸关键点模型，得到所述人脸关键点模型输出的与所述人脸对应的人脸关键点信息之后，包括：
根据所述人脸关键点信息计算多个人脸区域的区域置信度；所述多个人脸区域包括额头、眉毛、眼睛、鼻子、脸颊、嘴唇和下巴；
若存在一个区域置信度小于预设置信度阈值，则判定所述人脸存在遮挡情况，并输出包含与小于预设置信度阈值的区域置信度对应的人脸区域的遮挡提示信息。
6.如权利要求1所述的异常行为检测方法，其特征在于，所述通过人脸检测模型对所述视频帧图像进行人脸识别之后，包括：
在检测到所述视频帧图像中未包含人脸之后，输出未检测到人脸的警告信息，并终止对所述视频帧图像进行异常行为检测。
7.一种异常行为检测装置，其特征在于，包括：
视频帧图像获取模块，用于获取视频帧图像；
检测模块，用于通过人脸检测模型对所述视频帧图像进行人脸识别；通过手部检测模型对所述视频帧图像进行人手识别；
信息获取模块，用于在识别到所述视频帧图像中包含人脸之后，获取人脸图像，将所述人脸图像输入目光朝向模型，得到所述目光朝向模型输出的与所述人脸对应的目光朝向角度；将所述人脸图像输入头部姿态模型，得到所述头部姿态模型输出的与所述人脸对应的头部朝向角度；将所述人脸图像输入人脸关键点模型，得到所述人脸关键点模型输出的与所述人脸对应的人脸关键点信息；在识别到所述视频帧图像中包含人手之后，获取人手图像，将所述人手图像输入手部关键点模型，得到所述目手部关键点模型输出的与所述人手对应的手部关键点信息；
判断模块，用于根据所述目光朝向角度、所述头部朝向角度、所述人脸关键点信息和所述手部关键点信息，判断与所述人脸对应的目标人物是否存在异常行为；
异常行为预警模块，用于若所述目标人物存在异常行为，则根据所述异常行为生成异常行为预警信息。
8.如权利要求7所述的异常行为检测装置，其特征在于，所述根据所述目光朝向角度、所述头部朝向角度、所述人脸关键点信息和所述手部关键点信息，判断与所述人脸对应的目标人物是否存在异常行为，包括：
第一判断单元，用于判断所述目光朝向角度和头部朝向角度是否相同；
第一异常行为单元，用于若所述目光朝向角度和头部朝向角度不相同，则判定与所述人脸对应的目标人物存在第一异常行为。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，其特征在于，所述处理器执行所述计算机可读指令时实现如权利要求1至6中任一项所述异常行为检测方法。
10.一个或多个存储有计算机可读指令的可读存储介质，所述计算机可读指令被一个或多个处理器执行时，使得所述一个或多个处理器执行如权利要求1至6中任一项所述异常行为检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110741898.8A CN113435362A (zh) | 2021-06-30 | 2021-06-30 | 异常行为检测方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110741898.8A CN113435362A (zh) | 2021-06-30 | 2021-06-30 | 异常行为检测方法、装置、计算机设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113435362A true CN113435362A (zh) | 2021-09-24 |
Family
ID=77758390
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110741898.8A Pending CN113435362A (zh) | 2021-06-30 | 2021-06-30 | 异常行为检测方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113435362A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114882533A (zh) * | 2022-05-30 | 2022-08-09 | 北京百度网讯科技有限公司 | 一种考场异常行为检测方法、装置、设备以及存储介质 |
| CN116030411A (zh) * | 2022-12-28 | 2023-04-28 | 宁波星巡智能科技有限公司 | 基于姿态识别的人形隐私遮挡方法、装置及设备 |
| CN116392086A (zh) * | 2023-06-06 | 2023-07-07 | 浙江多模医疗科技有限公司 | 检测刺激方法、系统、终端及存储介质 |
| CN116593151A (zh) * | 2023-07-17 | 2023-08-15 | 创新奇智(青岛)科技有限公司 | 牙套拉力器测试方法、装置、电子设备及可读存储介质 |
| CN117151959A (zh) * | 2023-10-16 | 2023-12-01 | 广东紫慧旭光科技有限公司 | 一种用于城市管理的实时视频分析方法、系统及存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109063695A (zh) * | 2018-09-18 | 2018-12-21 | 图普科技（广州）有限公司 | 一种人脸关键点检测方法、装置及其计算机存储介质 |
| CN110837784A (zh) * | 2019-10-23 | 2020-02-25 | 中山大学 | 一种基于人体头部特征的考场偷窥作弊检测系统 |
| CN111081371A (zh) * | 2019-11-27 | 2020-04-28 | 昆山杜克大学 | 基于虚拟现实的孤独症早期筛查评估系统及方法 |
| CN111259802A (zh) * | 2020-01-16 | 2020-06-09 | 东北大学 | 一种基于头部姿态估计的辅助失语瘫痪病人需求表达方法 |
| CN111488855A (zh) * | 2020-04-24 | 2020-08-04 | 上海眼控科技股份有限公司 | 疲劳驾驶检测方法、装置、计算机设备和存储介质 |
| CN111814569A (zh) * | 2020-06-12 | 2020-10-23 | 深圳禾思众成科技有限公司 | 一种人脸遮挡区域的检测方法及系统 |
| CN111914661A (zh) * | 2020-07-06 | 2020-11-10 | 广东技术师范大学 | 异常行为识别方法、目标异常识别方法、设备及介质 |
| CN112528966A (zh) * | 2021-02-05 | 2021-03-19 | 华东交通大学 | 一种取款人周边环境智能监控识别方法、装置及介质 |
-
2021
- 2021-06-30 CN CN202110741898.8A patent/CN113435362A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109063695A (zh) * | 2018-09-18 | 2018-12-21 | 图普科技（广州）有限公司 | 一种人脸关键点检测方法、装置及其计算机存储介质 |
| CN110837784A (zh) * | 2019-10-23 | 2020-02-25 | 中山大学 | 一种基于人体头部特征的考场偷窥作弊检测系统 |
| CN111081371A (zh) * | 2019-11-27 | 2020-04-28 | 昆山杜克大学 | 基于虚拟现实的孤独症早期筛查评估系统及方法 |
| CN111259802A (zh) * | 2020-01-16 | 2020-06-09 | 东北大学 | 一种基于头部姿态估计的辅助失语瘫痪病人需求表达方法 |
| CN111488855A (zh) * | 2020-04-24 | 2020-08-04 | 上海眼控科技股份有限公司 | 疲劳驾驶检测方法、装置、计算机设备和存储介质 |
| CN111814569A (zh) * | 2020-06-12 | 2020-10-23 | 深圳禾思众成科技有限公司 | 一种人脸遮挡区域的检测方法及系统 |
| CN111914661A (zh) * | 2020-07-06 | 2020-11-10 | 广东技术师范大学 | 异常行为识别方法、目标异常识别方法、设备及介质 |
| CN112528966A (zh) * | 2021-02-05 | 2021-03-19 | 华东交通大学 | 一种取款人周边环境智能监控识别方法、装置及介质 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114882533A (zh) * | 2022-05-30 | 2022-08-09 | 北京百度网讯科技有限公司 | 一种考场异常行为检测方法、装置、设备以及存储介质 |
| CN116030411A (zh) * | 2022-12-28 | 2023-04-28 | 宁波星巡智能科技有限公司 | 基于姿态识别的人形隐私遮挡方法、装置及设备 |
| CN116030411B (zh) * | 2022-12-28 | 2023-08-18 | 宁波星巡智能科技有限公司 | 基于姿态识别的人形隐私遮挡方法、装置及设备 |
| CN116392086A (zh) * | 2023-06-06 | 2023-07-07 | 浙江多模医疗科技有限公司 | 检测刺激方法、系统、终端及存储介质 |
| CN116392086B (zh) * | 2023-06-06 | 2023-08-25 | 浙江多模医疗科技有限公司 | 检测刺激方法、终端及存储介质 |
| CN116593151A (zh) * | 2023-07-17 | 2023-08-15 | 创新奇智(青岛)科技有限公司 | 牙套拉力器测试方法、装置、电子设备及可读存储介质 |
| CN116593151B (zh) * | 2023-07-17 | 2023-09-12 | 创新奇智(青岛)科技有限公司 | 牙套拉力器测试方法、装置、电子设备及可读存储介质 |
| CN117151959A (zh) * | 2023-10-16 | 2023-12-01 | 广东紫慧旭光科技有限公司 | 一种用于城市管理的实时视频分析方法、系统及存储介质 |
| CN117151959B (zh) * | 2023-10-16 | 2024-04-16 | 广东紫慧旭光科技有限公司 | 一种用于城市管理的实时视频分析方法、系统及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113435362A (zh) | 异常行为检测方法、装置、计算机设备及存储介质 | |
| CN109902630B (zh) | 一种注意力判断方法、装置、系统、设备和存储介质 | |
| JP6937440B2 (ja) | マイクロ表現を用いて信ぴょう性を決定するコンピュータ化されたシステムおよび方法 | |
| US20190163891A1 (en) | Systems and methods for high fidelity multi-modal out-of-band biometric authentication with human cross-checking | |
| US10430679B2 (en) | Methods and systems for detecting head motion during an authentication transaction | |
| CN110751025A (zh) | 基于人脸识别的业务办理方法、装置、设备及介质 | |
| WO2022033220A1 (zh) | 人脸活体检测方法、系统、装置、计算机设备和存储介质 | |
| CN111931594A (zh) | 人脸识别活体检测方法、装置、计算机设备和存储介质 | |
| WO2020238552A1 (zh) | 基于微表情识别的审批指令生成方法、装置和计算机设备 | |
| KR20200118076A (ko) | 생체 검출 방법 및 장치, 전자 기기 및 저장 매체 | |
| US11151385B2 (en) | System and method for detecting deception in an audio-video response of a user | |
| CN111191567A (zh) | 身份数据处理方法、装置、计算机设备和存储介质 | |
| CN109793526B (zh) | 测谎方法、装置、计算机设备和存储介质 | |
| CN111542833A (zh) | 用于文档认证的分类筛选引擎 | |
| EP4156601A1 (en) | Automated code analysis and tagging (methods and systems) | |
| CN110991249A (zh) | 人脸检测方法、装置、电子设备及介质 | |
| JP7148737B2 (ja) | 生体（ｌｉｖｅｎｅｓｓ）検出検証方法、生体検出検証システム、記録媒体、及び生体検出検証システムの訓練方法 | |
| CN109389028A (zh) | 基于动作分析的人脸识别方法、装置、设备及存储介质 | |
| CN112149615A (zh) | 人脸活体检测方法、装置、介质及电子设备 | |
| EP4099198A1 (en) | Unlocking method and apparatus based on facial expression, and computer device and storage medium | |
| CN112749655A (zh) | 视线追踪方法、装置、计算机设备和存储介质 | |
| US9594949B1 (en) | Human identity verification via automated analysis of facial action coding system features | |
| CN116863522A (zh) | 痤疮分级方法、装置、设备及介质 | |
| CN113971841A (zh) | 一种活体检测方法、装置、计算机设备及存储介质 | |
| RU2768797C1 (ru) | Способ и система для определения синтетически измененных изображений лиц на видео |
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 |