CN114550275B - 一种多信号融合人脸图片识别方法、系统及电子设备 - Google Patents
一种多信号融合人脸图片识别方法、系统及电子设备 Download PDFInfo
- Publication number
- CN114550275B CN114550275B CN202210427208.6A CN202210427208A CN114550275B CN 114550275 B CN114550275 B CN 114550275B CN 202210427208 A CN202210427208 A CN 202210427208A CN 114550275 B CN114550275 B CN 114550275B
- Authority
- CN
- China
- Prior art keywords
- information
- positioning
- positioning information
- face
- passenger
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
-
- 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
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
本发明提供的一种多信号融合人脸图片识别方法、系统及电子设备,其中该方法包括,获取乘客的多信号定位信息;对多信号定位信息进行融合得到乘客的历史进出站信息;根据历史进出站信息得到每个乘客的常乘站点和常乘时间段;根据常乘站点、常乘时间段及其相应乘客的人脸模板特征信息构建相应的站点侧识别索引库;根据当前乘客多信号定位信息在站点侧识别索引库对当前乘客人脸信息进行识别得到识别结果。本发明通过将多信号定位信息进行融合得到乘客的历史进出站信息,并基于此构建相应的站点侧识别索引库,可以根据乘客的常乘站点和常乘时间段对相应乘客进行识别,大大提升对乘客识别的精度和训练。
Description
技术领域
本发明属于城市轨道交通技术领域,更具体地说,是涉及一种多信号融合人脸图片识别方法、系统及电子设备。
背景技术
地铁作为现代常用的交通方式之一,近年来使用频率越来越高。因为与公交相比,地铁解决了拥堵的问题,极大地缩短了出行时间。但是接踵而来的问题就出现了,由于乘坐地铁的人极多,坐地铁安检排队也成为了问题,现有的安检方法通常是地铁工作人员一一对行人进行排查,来检查乘客是否可以乘坐地铁,但是这样的方式会影响乘客的出行时间。
随着人脸识别技术的发展,人脸识别乘车技术近年来在检票场景逐渐开始应用,乘客靠近闸机上的人脸识别设备进行人脸识别,即可完成实名乘车和付车费。然而,在地铁场景下,乘客进入站点被摄像头捕捉到后怎样高效的在大规模人脸库中快速并精准的识别是一个必须要解决的核心问题。现有方案构建的人脸检索信息库仅仅是用人脸模板进行构建的,在检索人脸时,也是在中心库集中进行识别的,但是这样的识别方式识别速度不仅低,而且识别精度也差。
发明内容
本发明的目的在于提供一种多信号融合人脸图片识别方法、系统及电子设备,旨在解决现有人脸识别效率低的问题。
为实现上述目的,本发明采用的技术方案是:
一种多信号融合人脸图片识别方法,包括以下步骤:
步骤1:获取乘客的多信号定位信息;所述多信号定位信息包括蓝牙定位信息、WIFI定位信息和地磁定位信息;
步骤2:对所述多信号定位信息进行融合得到乘客的历史进出站信息;
步骤3:根据所述历史进出站信息得到每个乘客的常乘站点和常乘时间段;
步骤4:根据所述常乘站点、所述常乘时间段及其相应乘客的人脸模板特征信息构建相应的站点侧识别索引库;
步骤5:获取站点测摄像头拍摄的当前乘客人脸信息和当前乘客多信号定位信息;
步骤6:根据所述当前乘客多信号定位信息在所述站点侧识别索引库对所述当前乘客人脸信息进行识别得到识别结果。
优选的,所述步骤2:对所述多信号定位信息进行融合得到乘客的历史进出站信息,包括:
步骤2.1:对每个多信号定位信息设置相应的定位权重;
步骤2.2:判断所述地磁定位信息的定位结果是否与所述蓝牙定位信息或者所述WIFI定位信息的定位结果相同;
步骤2.3:若所述蓝牙定位信息或者所述WIFI定位信息与所述地磁定位信息的定位结果相同,则将相应定位权重相加;
步骤2.4:若所述蓝牙定位信息或者所述WIFI定位信息与所述地磁定位信息的定位结果不相同,则将相应的定位权重相减得到融合权重;
步骤2.5:将所述融合权重对应的定位结果作为乘客最终的定位结果;
步骤2.6:根据最终的定位结果确定乘客的历史进出站信息。
优选的,所述步骤6:根据所述当前乘客多信号定位信息在所述站点侧识别索引库对所述当前乘客人脸信息进行识别得到识别结果,包括:
步骤6.1:利用所述站点侧识别索引库对所述当前乘客人脸信息进行识别得到识别阈值;
步骤6.2:若所述识别阈值大于预设阈值则根据所述识别阈值得到相应的识别结果;
步骤6.3:若所述识别阈值小于预设阈值则利用云端识别系统对所述当前乘客人脸信息进行识别。
优选的,所述步骤6.1:利用所述站点侧识别索引库对所述当前乘客人脸信息进行识别得到识别阈值,包括:
利用近邻检索算法对所述当前乘客人脸信息进行识别得到识别阈值。
本发明还提供了一种多信号融合人脸图片识别系统,包括以下步骤:
多信号定位信息获取模块,用于获取乘客的多信号定位信息;所述多信号定位信息包括蓝牙定位信息、WIFI定位信息和地磁定位信息;
定位信息融合模块,用于对所述多信号定位信息进行融合得到乘客的历史进出站信息;
进出站信息融合模块,用于根据所述历史进出站信息得到每个乘客的常乘站点和常乘时间段;
索引库构建模块,用于根据所述常乘站点、所述常乘时间段及其相应乘客的人脸模板特征信息构建相应的站点侧识别索引库;
乘客获取模块,用于获取站点测摄像头拍摄的当前乘客人脸信息和当前乘客多信号定位信息;
人脸识别模块,用于根据所述当前乘客多信号定位信息在所述站点侧识别索引库对所述当前乘客人脸信息进行识别得到识别结果。
优选的,所述定位信息融合模块,包括:
定位权重设定单元,用于对每个多信号定位信息设置相应的定位权重;
定位结果判断模块,用于判断所述地磁定位信息的定位结果是否与所述蓝牙定位信息或者所述WIFI定位信息的定位结果相同;
第一判断结果执行模块,用于若所述蓝牙定位信息或者所述WIFI定位信息与所述地磁定位信息的定位结果相同,则将相应定位权重相加;
第二判断结果执行模块,用于若所述蓝牙定位信息或者所述WIFI定位信息与所述地磁定位信息的定位结果不相同,则将相应的定位权重相减得到融合权重;
定位结果确定模块,用于将所述融合权重对应的定位结果作为乘客最终的定位结果;
历史进出站信息确定模块,用于根据最终的定位结果确定乘客的历史进出站信息。
优选的,所述人脸识别模块,包括:
人脸识别单元,用于利用所述站点侧识别索引库对所述当前乘客人脸信息进行识别得到识别阈值;
识别结果确定模块,用于若所述识别阈值大于预设阈值则根据所述识别阈值得到相应的识别结果;
云端识别模块,用于若所述识别阈值小于预设阈值则利用云端识别系统对所述当前乘客人脸信息进行识别。
优选的,所述人脸识别单元,包括:
检索子单元,用于利用近邻检索算法对所述当前乘客人脸信息进行识别得到识别阈值。
本发明还提供了一种电子设备,包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述收发器、所述存储器和所述处理器通过所述总线相连,所述计算机程序被所述处理器执行时实现上述的一种多信号融合人脸图片识别方法中的步骤。
本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现上述的一种多信号融合人脸图片识别方法中的步骤。
本发明提供的一种多信号融合人脸图片识别方法、系统及电子设备的有益效果在于:与现有技术相比,本发明的一种多信号融合人脸图片识别方法,获取乘客的多信号定位信息;对多信号定位信息进行融合得到乘客的历史进出站信息;根据历史进出站信息得到每个乘客的常乘站点和常乘时间段;根据常乘站点、常乘时间段及其相应乘客的人脸模板特征信息构建相应的站点侧识别索引库;获取站点测摄像头拍摄的当前乘客人脸信息和当前乘客多信号定位信息;根据当前乘客多信号定位信息在站点侧识别索引库对当前乘客人脸信息进行识别得到识别结果。本发明通过将多信号定位信息进行融合得到乘客的历史进出站信息,并基于此构建相应的站点侧识别索引库,可以根据乘客的常乘站点和常乘时间段对相应乘客进行识别,大大提升对乘客识别的精度和训练。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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的前提下,还可以根据这些附图获得其他的附图。
图1为本发明所提供的一种多信号融合人脸图片识别方法原理图;
图2为本发明所提供的多信号定位信息融合原理图;
图3为本发明所提供的近邻检索算法原理图;
图4为本发明所提供的乘客人脸信息识别原理图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明的目的在于提供一种多信号融合人脸图片识别方法、系统及电子设备,旨在解决现有人脸识别效率低的问题。
请参阅图1,一种多信号融合人脸图片识别方法,包括以下步骤:
步骤1:获取乘客的多信号定位信息;所述多信号定位信息包括蓝牙定位信息、WIFI定位信息和地磁定位信息;
需要说明的是,本发明是利用手机获取乘客的多信号定位信息,其具体的过程包括:
a)乘客通过手机APP向云端系统进行注册;
b)手机APP的SDK通过深度学习神经网络提取乘客的人脸模板形成人脸特征;
c)手机APP的SDK收集注册时手机的多信号定位信息,包括蓝牙、WIFI和地磁信息;
d)手机APP的SDK将人脸模板特征信息与多信号定位信息发送到云端系统;
e)云端系统将多信号定位信息进行融合,融合流程如图2所示;
f)云端系统将人脸特征信息与融合计算后的定位信息进行构建与更新人脸识别索引库。
步骤2:对所述多信号定位信息进行融合得到乘客的历史进出站信息;
请参阅图2,在本发明中,多信号定位信息中可以设定一个信号为主信号,其正向权值可以为1.2,负向权值可以为-1,无信号权值为0, 其它二种信号都有相同的正向权值1、负向权值-1和无信号权值0;
本发明在融合时采用地磁信号位置信息为主信号,并采用加权方式进行计算。例如地磁信号判断为A站,wifi判断为B站、蓝牙无信号,那么定位结果为1.2-1+0= 0.2,结果为A站。
进一步的,在本发明实施例中,所述步骤2具体包括:
步骤2.1:对每个多信号定位信息设置相应的定位权重;
步骤2.2:判断所述地磁定位信息的定位结果是否与所述蓝牙定位信息或者所述WIFI定位信息的定位结果相同;
步骤2.3:若所述蓝牙定位信息或者所述WIFI定位信息与所述地磁定位信息的定位结果相同,则将相应定位权重相加;
步骤2.4:若所述蓝牙定位信息或者所述WIFI定位信息与所述地磁定位信息的定位结果不相同,则将相应的定位权重相减得到融合权重;
步骤2.5:将所述融合权重对应的定位结果作为乘客最终的定位结果;
步骤2.6:根据最终的定位结果确定乘客的历史进出站信息。
步骤3:根据所述历史进出站信息得到每个乘客的常乘站点和常乘时间段;
步骤4:根据所述常乘站点、所述常乘时间段及其相应乘客的人脸模板特征信息构建相应的站点侧识别索引库;
需要说明的是,本发明的站点侧识别索引库是在云端系统构建的,其构建过程如下:
a)云端系统将所有乘客的历史进出站信息进行收集与整理;
b)云端系统计算所有的乘客的常乘站点和常乘时间段信息;
c)云端系统将根据常乘站点和常乘时间段将相关乘客人脸特征信息推送到边缘侧;
d)边(站点)侧系统将云端推送的乘客人脸特征构建边(站点)识别索引。
步骤5:获取站点测摄像头拍摄的当前乘客人脸信息和当前乘客多信号定位信息;
步骤6:根据所述当前乘客多信号定位信息在所述站点侧识别索引库对所述当前乘客人脸信息进行识别得到识别结果。
进一步的,所述步骤6包括:
步骤6.1:利用所述站点侧识别索引库对所述当前乘客人脸信息进行识别得到识别阈值;
需要说明的是,本发明中可利用近邻检索算法对所述当前乘客人脸信息进行识别得到识别阈值。
本发明中的近邻检索算法(Hierarchcal Navigable Small World graphs,HNSW)是为了在人脸库中快速找到用于比对乘客人脸相近的人脸模板,并返回最相识的前k(k>0)个人脸模板。近邻检索算法按照一定的规则把一张的图分成多张,越接近上层的图,平均度数越低,节点之间的距离越远;越接近下层的图平均度数越高,节点之间的距离也就越近。搜索从最上层开始,找到本层距离最近的节点之后进入下一层。下一层搜索的起始节点即是上一层的最近节点,往复循环,直至找到结果(如图3)。由于越是上层的图,节点越是稀少,平均度数也低,距离也远,所以可以通过非常小的代价提供了良好的搜索方向,通过这种方式减少大量没有价值的计算,减少了搜索算法复杂度。
步骤6.2:若所述识别阈值大于预设阈值则根据所述识别阈值得到相应的识别结果;
步骤6.3:若所述识别阈值小于预设阈值则利用云端识别系统对所述当前乘客人脸信息进行识别。
请参阅图4,本发明可通过站点测摄像头提取乘客人脸信息,乘客手机APP向云侧系统推送乘客多信号定位信息,边(站点)侧系统根据提取的乘客人脸信息进行边(站点)侧比对识别,大于一定阈值后返回识别结果,如果小于设定阈值,边(站点)侧系统向云端系统请求检索信息,等待响应后返回识别信息。例如,当乘客a出差到某城市进入某地铁线A站,根据原先的流程,A站中的边侧全局库中是不存在乘客a的人脸特征信息,因此无高阈值的识别结果。此时系统就需要请求云端的识别服务进行识别,同时将乘客a的信息推送到A站。其中的人脸比对识别的过程是将用于识别的人脸特征和比对库中的人脸模型进行逐个的欧式距离的计算,将距离最近的(也就是最相似的)结果进行返回。其欧式距离计算公式如下:
其中, 分别表示乘客a在A站被摄像头捕捉到的人脸特征项,表示乘客a原先注册到人脸库中的模块特征项, d(x, y)就是用于比对人脸和人脸库中选的一个人脸模块的欧式距离。
本发明在构建人脸索引库时增加了融合多信号的定位信息,提高了乘客定位信息的准确性,且本发明通过利用用户常乘站和时间段,对乘客人脸进行识别可以提高乘客被识别的准确度和速度。
本发明还提供了一种多信号融合人脸图片识别系统,包括以下步骤:
多信号定位信息获取模块,用于获取乘客的多信号定位信息;所述多信号定位信息包括蓝牙定位信息、WIFI定位信息和地磁定位信息;
定位信息融合模块,用于对所述多信号定位信息进行融合得到乘客的历史进出站信息;
进出站信息融合模块,用于根据所述历史进出站信息得到每个乘客的常乘站点和常乘时间段;
索引库构建模块,用于根据所述常乘站点、所述常乘时间段及其相应乘客的人脸模板特征信息构建相应的站点侧识别索引库;
乘客获取模块,用于获取站点测摄像头拍摄的当前乘客人脸信息和当前乘客多信号定位信息;
人脸识别模块,用于根据所述当前乘客多信号定位信息在所述站点侧识别索引库对所述当前乘客人脸信息进行识别得到识别结果。
优选的,所述定位信息融合模块,包括:
定位权重设定单元,用于对每个多信号定位信息设置相应的定位权重;
定位结果判断模块,用于判断所述地磁定位信息的定位结果是否与所述蓝牙定位信息或者所述WIFI定位信息的定位结果相同;
第一判断结果执行模块,用于若所述蓝牙定位信息或者所述WIFI定位信息与所述地磁定位信息的定位结果相同,则将相应定位权重相加;
第二判断结果执行模块,用于若所述蓝牙定位信息或者所述WIFI定位信息与所述地磁定位信息的定位结果不相同,则将相应的定位权重相减得到融合权重;
定位结果确定模块,用于将所述融合权重对应的定位结果作为乘客最终的定位结果;
历史进出站信息确定模块,用于根据最终的定位结果确定乘客的历史进出站信息。
优选的,所述人脸识别模块,包括:
人脸识别单元,用于利用所述站点侧识别索引库对所述当前乘客人脸信息进行识别得到识别阈值;
识别结果确定模块,用于若所述识别阈值大于预设阈值则根据所述识别阈值得到相应的识别结果;
云端识别模块,用于若所述识别阈值小于预设阈值则利用云端识别系统对所述当前乘客人脸信息进行识别。
优选的,所述人脸识别单元,包括:
检索子单元,用于利用近邻检索算法对所述当前乘客人脸信息进行识别得到识别阈值。
本发明提供的一种多信号融合人脸图片识别方法、系统及电子设备的有益效果在于:与现有技术相比,本发明通过将多信号定位信息进行融合得到乘客的历史进出站信息,并基于此构建相应的站点侧识别索引库,可以根据乘客的常乘站点和常乘时间段对相应乘客进行识别,大大提升对乘客识别的精度和训练。
本发明还提供了一种电子设备,包括总线、收发器、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程序,收发器、存储器和处理器通过总线相连,计算机程序被处理器执行时实现上述一种多信号融合人脸图片识别方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,其特征在于,计算机程序被处理器执行时实现上述的一种多信号融合人脸图片识别方法中的步骤,计算机程序被处理器执行时实现上述一种多信号融合人脸图片识别方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种多信号融合人脸图片识别方法,其特征在于,包括以下步骤:
步骤1:获取乘客的多信号定位信息;所述多信号定位信息包括蓝牙定位信息、WIFI定位信息和地磁定位信息;
步骤2:对所述多信号定位信息进行融合得到乘客的历史进出站信息;
所述步骤2:对所述多信号定位信息进行融合得到乘客的历史进出站信息,包括:
步骤2.1:对每个多信号定位信息设置相应的定位权重;
步骤2.2:判断所述地磁定位信息的定位结果是否与所述蓝牙定位信息或者所述WIFI定位信息的定位结果相同;
步骤2.3:若所述蓝牙定位信息或者所述WIFI定位信息与所述地磁定位信息的定位结果相同,则将相应定位权重相加;
步骤2.4:若所述蓝牙定位信息或者所述WIFI定位信息与所述地磁定位信息的定位结果不相同,则将相应的定位权重相减得到融合权重;
步骤2.5:将所述融合权重对应的定位结果作为乘客最终的定位结果;
步骤2.6:根据最终的定位结果确定乘客的历史进出站信息;
步骤3:根据所述历史进出站信息得到每个乘客的常乘站点和常乘时间段;
步骤4:根据所述常乘站点、所述常乘时间段及其相应乘客的人脸模板特征信息构建相应的站点侧识别索引库;
步骤5:获取站点测摄像头拍摄的当前乘客人脸信息和当前乘客多信号定位信息;
步骤6:根据所述当前乘客多信号定位信息在所述站点侧识别索引库对所述当前乘客人脸信息进行识别得到识别结果。
2.如权利要求1所述的一种多信号融合人脸图片识别方法,其特征在于,所述步骤6:根据所述当前乘客多信号定位信息在所述站点侧识别索引库对所述当前乘客人脸信息进行识别得到识别结果,包括:
步骤6.1:利用所述站点侧识别索引库对所述当前乘客人脸信息进行识别得到识别阈值;
步骤6.2:若所述识别阈值大于预设阈值则根据所述识别阈值得到相应的识别结果;
步骤6.3:若所述识别阈值小于预设阈值则利用云端识别系统对所述当前乘客人脸信息进行识别。
3.如权利要求2所述的一种多信号融合人脸图片识别方法,其特征在于,所述步骤6.1:利用所述站点侧识别索引库对所述当前乘客人脸信息进行识别得到识别阈值,包括:
利用近邻检索算法对所述当前乘客人脸信息进行识别得到识别阈值。
4.一种多信号融合人脸图片识别系统,其特征在于,包括以下步骤:
多信号定位信息获取模块,用于获取乘客的多信号定位信息;所述多信号定位信息包括蓝牙定位信息、WIFI定位信息和地磁定位信息;
定位信息融合模块,用于对所述多信号定位信息进行融合得到乘客的历史进出站信息;
所述定位信息融合模块,包括:
定位权重设定单元,用于对每个多信号定位信息设置相应的定位权重;
定位结果判断模块,用于判断所述地磁定位信息的定位结果是否与所述蓝牙定位信息或者所述WIFI定位信息的定位结果相同;
第一判断结果执行模块,用于若所述蓝牙定位信息或者所述WIFI定位信息与所述地磁定位信息的定位结果相同,则将相应定位权重相加;
第二判断结果执行模块,用于若所述蓝牙定位信息或者所述WIFI定位信息与所述地磁定位信息的定位结果不相同,则将相应的定位权重相减得到融合权重;
定位结果确定模块,用于将所述融合权重对应的定位结果作为乘客最终的定位结果;
历史进出站信息确定模块,用于根据最终的定位结果确定乘客的历史进出站信息;
进出站信息融合模块,用于根据所述历史进出站信息得到每个乘客的常乘站点和常乘时间段;
索引库构建模块,用于根据所述常乘站点、所述常乘时间段及其相应乘客的人脸模板特征信息构建相应的站点侧识别索引库;
乘客获取模块,用于获取站点测摄像头拍摄的当前乘客人脸信息和当前乘客多信号定位信息;
人脸识别模块,用于根据所述当前乘客多信号定位信息在所述站点侧识别索引库对所述当前乘客人脸信息进行识别得到识别结果。
5.如权利要求4所述的一种多信号融合人脸图片识别系统,其特征在于,所述人脸识别模块,包括:
人脸识别单元,用于利用所述站点侧识别索引库对所述当前乘客人脸信息进行识别得到识别阈值;
识别结果确定模块,用于若所述识别阈值大于预设阈值则根据所述识别阈值得到相应的识别结果;
云端识别模块,用于若所述识别阈值小于预设阈值则利用云端识别系统对所述当前乘客人脸信息进行识别。
6.如权利要求5所述的一种多信号融合人脸图片识别系统,其特征在于,所述人脸识别单元,包括:
检索子单元,用于利用近邻检索算法对所述当前乘客人脸信息进行识别得到识别阈值。
7.一种电子设备,包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述收发器、所述存储器和所述处理器通过所述总线相连,其特征在于,所述计算机程序被所述处理器执行时实现如权利要求1至3中任一项所述的一种多信号融合人脸图片识别方法中的步骤。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至3中任一项所述的一种多信号融合人脸图片识别方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210427208.6A CN114550275B (zh) | 2022-04-22 | 2022-04-22 | 一种多信号融合人脸图片识别方法、系统及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210427208.6A CN114550275B (zh) | 2022-04-22 | 2022-04-22 | 一种多信号融合人脸图片识别方法、系统及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114550275A CN114550275A (zh) | 2022-05-27 |
CN114550275B true CN114550275B (zh) | 2022-08-02 |
Family
ID=81667023
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210427208.6A Active CN114550275B (zh) | 2022-04-22 | 2022-04-22 | 一种多信号融合人脸图片识别方法、系统及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114550275B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111339333A (zh) * | 2020-02-27 | 2020-06-26 | 广州羊城通有限公司 | 基于历史乘坐记录的优先人脸数据库的构建方法及装置 |
CN112884965A (zh) * | 2021-02-26 | 2021-06-01 | 武汉卓鹰世纪科技有限公司 | 一种地铁刷脸乘车方法及装置 |
CN112906584A (zh) * | 2021-02-26 | 2021-06-04 | 武汉卓鹰世纪科技有限公司 | 一种利用动态库加速地铁人脸识别的系统 |
CN113989971A (zh) * | 2021-11-08 | 2022-01-28 | 杭州电子科技大学 | 一种基于人脸识别的乘车系统及方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101058296B1 (ko) * | 2008-09-10 | 2011-08-22 | 삼성에스디에스 주식회사 | 모바일 디바이스에 대한 실시간 위치 추적 방법 및 시스템 |
CN111582605B (zh) * | 2020-05-21 | 2023-09-12 | Oppo广东移动通信有限公司 | 目的站点的预测方法、装置、电子设备及存储介质 |
-
2022
- 2022-04-22 CN CN202210427208.6A patent/CN114550275B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111339333A (zh) * | 2020-02-27 | 2020-06-26 | 广州羊城通有限公司 | 基于历史乘坐记录的优先人脸数据库的构建方法及装置 |
CN112884965A (zh) * | 2021-02-26 | 2021-06-01 | 武汉卓鹰世纪科技有限公司 | 一种地铁刷脸乘车方法及装置 |
CN112906584A (zh) * | 2021-02-26 | 2021-06-04 | 武汉卓鹰世纪科技有限公司 | 一种利用动态库加速地铁人脸识别的系统 |
CN113989971A (zh) * | 2021-11-08 | 2022-01-28 | 杭州电子科技大学 | 一种基于人脸识别的乘车系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114550275A (zh) | 2022-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108362293B (zh) | 一种基于关键点技术的车辆轨迹匹配方法 | |
CN105844229B (zh) | 一种乘客拥挤度的计算方法及其系统 | |
Zou et al. | Limited sensing and deep data mining: A new exploration of developing city-wide parking guidance systems | |
US20190329788A1 (en) | Road condition status prediction method, device, and server, and storage medium | |
CN105091889A (zh) | 一种热点路径的确定方法及设备 | |
WO2015018233A1 (zh) | 终端设备位置确定方法和终端设备 | |
CN104599002B (zh) | 预测订单价值的方法及设备 | |
CN106326923B (zh) | 一种顾及位置重复和密度峰值点的签到位置数据聚类方法 | |
CN104517040A (zh) | 一种基于ic卡数据公交车辆车内拥挤程度计算方法 | |
Zhu et al. | Learning transportation annotated mobility profiles from GPS data for context-aware mobile services | |
CN111027743A (zh) | 基于分层路网的od最优路径搜索方法及装置 | |
CN112541638B (zh) | 一种网联车车辆行程时间估计方法 | |
CN105387854A (zh) | 采用内容分发机制的导航系统及其操作的方法 | |
CN112418518A (zh) | 基于时间特征权重和线网拓扑的客流预测方法及装置 | |
Chen et al. | Trip mode inference from mobile phone signaling data using logarithm Gaussian mixture model | |
CN114550275B (zh) | 一种多信号融合人脸图片识别方法、系统及电子设备 | |
CN107688828B (zh) | 一种基于手机传感器的公交车拥挤程度估测方法 | |
Zhou et al. | Method for judging parking status based on yolov2 target detection algorithm | |
CN111105124B (zh) | 一种基于距离约束的多地标影响力的计算方法 | |
CN113079463A (zh) | 一种基于手机信令数据的旅游景点游客出行活动识别方法 | |
CN115330281B (zh) | 智慧城市新能源汽车充电服务方法、系统、装置和介质 | |
CN107766881B (zh) | 一种基于基础分类器的寻路方法、设备及存储设备 | |
US20230095093A1 (en) | Training method and apparatus for a target detection model, target detection method and apparatus, and storage medium | |
TWI736304B (zh) | 移動與活動行為識別方法及電腦可讀媒介 | |
CN114245329B (zh) | 通行方式识别方法、装置、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |