CN114676406A - 一种同行关系人研判方法及系统 - Google Patents
一种同行关系人研判方法及系统 Download PDFInfo
- Publication number
- CN114676406A CN114676406A CN202210265645.2A CN202210265645A CN114676406A CN 114676406 A CN114676406 A CN 114676406A CN 202210265645 A CN202210265645 A CN 202210265645A CN 114676406 A CN114676406 A CN 114676406A
- Authority
- CN
- China
- Prior art keywords
- peer
- identity
- face
- information
- similarity
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Security & Cryptography (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明涉及信息安全技术领域,具体涉及一种同行关系人研判方法及系统,包括以下步骤:使用多个引擎人脸识别,通过计算相似度进行匹配处理并将识别结果输出至综合评估机制;对每个目标人群独立建立同行人库,并将较长时间的轨迹信息及身份维度信息纳入辅助判断;将人脸识别结果和人脸对应目标身份集合,通过综合评估机制对身份矩阵数据进行评估分析,得到正确身份信息;对一组同行人轨迹人脸图片数据重新进行识别处理,实现分身轨迹数据合并,输出结果。本发明实现核查关系人身份,将人脸以外其他维度信息的分析作为重要辅助手段,精确化轨迹,进而筛选出时间间隔内地点多次重合、历史轨迹相似的人员,减少分身数量,提高整体准确率。
Description
技术领域
本发明涉及信息安全技术领域,具体涉及一种同行关系人研判方法及系统。
背景技术
对特殊目标人群追踪分析,对同行关系人分析可实现由目标人员扩展掌握其他关联人员的目的。提高同行关系人识别率通过以下三点完成:(1)提高人脸识别准确率。(2)识别、标注无关系同行人。(3)识别非紧随同行关系人。同时,应对人流量大区域的追踪要求,单机处理能力应达到1亿张图片/天。
同行人分析中,对象之间的关联关系强度的分析方法,参考了刑侦手段和方法。在数据电子化背景下,使用技术手段计算关联强度具有明显优势,即使大数据分析技术使搜索广度更宽,粒度更细,不易因惯性思维造成盲点。
在使用了人脸识别的分析系统中,由于角度、遮挡、多个引擎或识别系统数据合并等原因,出现一个身份被识别成多个身份的问题(本文对此定义为分身),对身份推断确定和后期的关系分析造成误差和困扰,对业务系统分析能力影响较大。
发明内容
针对现有技术的不足,本发明公开了一种同行关系人研判方法及系统,用于解决上述问题。
本发明通过以下技术方案予以实现:
第一方面,本发明提供了一种同行关系人研判方法,包括以下步骤:
使用多个引擎人脸识别,通过计算相似度进行匹配处理并将识别结果输出至综合评估机制;
对每个目标人群独立建立同行人库,并将较长时间的轨迹信息及身份维度信息纳入辅助判断;
将人脸识别结果和人脸对应目标身份集合,通过综合评估机制对身份矩阵数据进行评估分析,得到正确身份信息;
对一组同行人轨迹人脸图片数据重新进行识别处理,实现分身轨迹数据合并,输出结果。
更进一步的,所述方法使用多引擎人脸识别,依次使用引擎,每一识别系统设定两个相似度:人脸确信相似度值S1、非人脸确信相似度值S2;人脸经过一个识别系统进行识别匹配时,计算的相似度S;
其中,S>=S1确信是人脸,S<=S2确信不是人脸,对于S2<S<S1则进入下一个人脸识别系统进行匹配处理。
更进一步的,所述方法将较长时间的轨迹信息纳入辅助判断,在若干天内的数据均作为统计重合的范畴,识别和标注同行人关系强度,以区别出无关系同行人。
更进一步的,所述方法以身份维度信息辅助判断,包括籍贯和民族信息。
更进一步的,所述综合评估机制如下:
1)输出关系人每次同行进行比对结果;
2)配置多个人脸识别引擎的参与度及权重以及录用的相似度,其中1)的结果经计算,至少两引擎返回在录用相似度以上且至少一个为高权重引擎,则录用该结果;
3)判断符合条件的是否有某省某地区的人群,有的话,则取相似度最高的某省某地区人员身份信息,结束流程,否则继续执行下面流程;
4)如果符合2)的条件但是不符合3),那么就将相同身份证的所有算法的相似度相加,取总分值最高的身份证;
5)更高的暂时认为是关系人,每次同行只保留一个总分值最高的;
更进一步的,所述综合评估机制中,若同行六次,则把第一次同行的结果匹配出来后,再去看第二次计算出来的结果;
判断第一次和第二次不是同个人,再判断第一次和第二次哪个总分值更高,取更高的那个,一直比对到第六次,最终保留那个总分值最高的,将该人的信息自动填充到关系人信息。
更进一步的,所述方法对一组同行人轨迹人脸图片数据重新进行识别处理时,由人国家人口识别比对平台返回的一组身份集合,根据身份证号码分组,得到同行人数量N和身份信息;
用N个分组数据集,分别建立N个同行人库,分析库中证件类照片质量和清晰度,得分最高的证件照片替换为这个同行人像库的主头像,以主头像识别新获取人脸图片。
更进一步的,所述方法合并分身则以上述主头像作为原组同行人的合并,并对同行人活动轨迹集合合并计算。
更进一步的,所述合并计算包括相关终端特征轨迹数据合并。
第二方面,本发明提供了一种同行关系人研判系统,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述存储器与所述处理器耦接,且所述处理器执行所述计算机程序时,实现第一方面所述的同行关系人研判方法。
本发明的有益效果为:
本发明基于同行人识别结合国家人口识别比对平台等平台的调用接口,研究和设计关系人身份核查算法和流程,辅助判定目标的关系与身份,实现核查关系人身份。
本发明将人脸以外其他维度信息的分析作为重要辅助手段,精确化轨迹,进而筛选出时间间隔内地点多次重合、历史轨迹相似的人员。
本发明设计分身识别和合并算法,以及分身活动轨迹的合并算法,最终形成一个独立的分身处理算法流程,在不影响响应能力的前提下,对同行人分析等系统的身份数据分析合并,减少分身数量,提高整体准确率。
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是一种同行关系人研判方法的步骤框图。
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。
实施例1
本实施例提供一种同行关系人研判方法,包括以下步骤:
使用多个引擎人脸识别,通过计算相似度进行匹配处理并将识别结果输出至综合评估机制;
对每个目标人群独立建立同行人库,并将较长时间的轨迹信息及身份维度信息纳入辅助判断;
将人脸识别结果和人脸对应目标身份集合,通过综合评估机制对身份矩阵数据进行评估分析,得到正确身份信息;
对一组同行人轨迹人脸图片数据重新进行识别处理,实现分身轨迹数据合并,输出结果。
本实施例基于同行人识别结合国家人口识别比对平台等平台的调用接口,研究和设计关系人身份核查算法和流程,辅助判定目标的关系与身份,实现核查关系人身份。
本实施例本发明将人脸以外其他维度信息的分析作为重要辅助手段,精确化轨迹,进而筛选出时间间隔内地点多次重合、历史轨迹相似的人员。
实施例2
在具体实施层面,本实施例将人脸以外其他维度信息的分析作为重要辅助手段,精确化轨迹,进而筛选出时间间隔内地点多次重合、历史轨迹相似的人员。
本实施例组织实施方式如下:
1.研究方式:本项目由研发部门成立项目组进行研究,研发主体为本公司研发技术人员。
2.资金来源:根据研发预算,由公司自筹经费投入研究。
3.新增设备:投入3套以上的人脸识别系统设备,3台以上存储服务Linux系统设备,3台以上计算服务Linux系统等设备。
本实施例使用多引擎人脸识别,依次使用引擎。每一识别系统设定两个相似度:人脸确信相似度值S1、非人脸确信相似度值S2。人脸经过一个识别系统进行识别匹配时,计算的相似度S,S>=S1确信是人脸,S<=S2确信不是人脸,对于S2<S<S1则进入下一个人脸识别系统进行匹配处理,通过这样一个管道处理,最终总体人脸识别准确率得到大大提高。
本实施例对每个目标人群独立建立同行人库,同行人库尽量小,库里人脸特征数量越大,人脸识别算法的识别率越低,人脸分身率控制在1%以内。
本实施例将较长时间的轨迹信息纳入辅助判断,即若干天内的数据均作为统计重合的范畴,识别和标注同行人关系强度,以区别出无关系同行人。
本实施例增加身份维度信息辅助判断,例如籍贯、(民族)居住地等信息,有效提高识别率。
本实施例降低人脸识别准确度,允许一定量的假脸数据存在,换取识别性能提高。准确度由后续处理流程修正,达到快速提取特征码、快速入库。
本实施例增加和采用多引擎人脸识别,特殊场景人脸识别引擎包括:明场照明人脸识别、暗场照明人脸识别、特殊人种(肤色)人脸识别、侧面人脸识别、遮挡物(口罩)人脸识别引擎。本项目主要根据场景统计概率来依次使用引擎,直至达到指定的相似度,按下一版本加入场景识别;
本实施例中,同行人特征库一般一个数据库集中管理所有同行人数据,实际运营中发现会降低识别率经研究发现,每个目标人群对应单个同行人特征库有效提高识别率,以存储管理复杂度提高换取识别率提高;
本实施例同行关系人确定算法加入其他维度数据辅助判断,包括移动终端轨迹、身份信息(籍贯、民族居住地)等来做分析,提高关联性判断。
实施例3
在具体实施层面,本实施例设计分身识别和合并算法,以及分身活动轨迹的合并算法,最终形成一个独立的分身处理算法流程。系统设计为后台运行,在不影响响应能力的前提下,对同行人分析等系统的身份数据分析合并,减少分身数量,提高系统整体准确率。
本实施例组织实施方式如下:
1.研究方式:本项目由研发部门成立项目组进行研究,研发主体为本公司研发技术人员。
2.资金来源:根据研发预算,由公司自筹经费投入研究。
3.新增设备:投入1套以上的人脸识别系统设备,3台以上存储服务Linux系统设备,1台计算服务Linux系统等设备。
本实施例将分身识别问题置换为对一组同行人轨迹人脸图片数据重新进行识别处理的问题。由识别比对平台接口返回一组身份集合,根据身份证号码分组,可得到同行人数量N和身份信息。用N个分组数据集,分别建立N个同行人库,分析库中证件类照片质量和清晰度,得分最高的证件照片替换为这个同行人像库的主头像,以主头像识别新获取人脸图片。
本实施例合并分身则以上述主头像作为原组同行人的合并,并对同行人活动轨迹集合合并计算,包括相关终端特征轨迹数据合并。
本实施例中,根据实际应用数据来看,分身问题应存在于各种识别系统中,但目前系统鲜见对此有专门阐述和解决方案。
本实施例中,设计为可后台运行/闲时运行,对不紧急问题的处理不影响整体响应性能。
本实施例身份信息中证件照片替换人像库的主头像,借助证件照的高标准和清晰度来提高后来人脸识别归档的准确度。
本实施例分身轨迹数据合并计算中,每次都可能动态调整,提高了容错性。
实施例4
在具体实施层面,本实施例基于同行人识别系统,结合国家人口识别比对平台等平台的调用接口,研究和设计关系人身份核查算法和流程,辅助判定目标的关系与身份,实现核查关系人身份的系统。
本实施例组织实施方式如下:
1.研究方式:本项目由研发部门成立项目组进行研究,研发主体为本公司研发技术人员。
2.资金来源:根据研发预算,由公司自筹经费投入研究。
3.新增设备:投入3套以上的人脸识别系统设备,3台以上存储服务Linux系统设备,3台以上计算服务Linux系统等设备。
本实施例由人口识别比对平台接口返回人脸对应目标身份集合,设计一个综合评估机制算法,对身份矩阵数据进行评估分析,得到正确身份信息。算法描述如下:
1)输出关系人每次同行进行比对结果。
2)配置多个人脸识别引擎的参与度及权重以及录用的相似度(如85%),1)的结果经计算,至少两引擎返回在录用相似度以上且至少一个为高权重引擎,则录用该结果。
3)看看符合条件的是否有某省某地区的人群,有的话,则取相似度最高的某省某地区人员身份信息,结束流程,否则继续执行下面流程。
4)如果符合(2)的条件但是不符合(3),那么就将相同身份证的所有算法的相似度相加,取总分值最高的身份证。
5)更高的那个就暂时认为是关系人,每次同行只保留一个总分值最高的。依此类推,假设同行6次,就把第一次同行的结果匹配出来后,再去看第二次计算出来的结果。看看第一次和第二次是否同个人,如果是,就好说。不是的话,就再看看第一次和第二次哪个总分值更高,取更高的那个。一直比对到第六次。最终保留那个总分值最高的,把他的信息自动填充到关系人信息那里。
本实施例中,假设:同行2次,采用3个识别引擎比对(只是例子)。
第一次同行比对结果:
高权重引擎1 | 高权重引擎2 | 低权重引擎3 |
91(身份号:123) | 93(身份号:123) | 91(身份号:123) |
92(身份号:456) | 92(身份号:456) | 98(身份号:123) |
84(身份号:123) | 91(身份号:123) | 97(身份号:456) |
80(身份号:789) | 99(身份号:789) | 98(身份号:789) |
由于:有至少2个引擎比对结果超过85%并且至少有一个高权重引擎。
以上都不是某省某地的人群,那么就计算相同身份证的总分值。
身份证123总分值=91+93+98=282。身份证456总分值=92+92+97=281。
身份证123总分值>身份证456总分值。
于是:取身份证123。
第二次同行比对结果:
高权重引擎1 | 高权重引擎2 | 低权重引擎3 |
95(身份号:789) | 95(身份号:123) | 98(身份号:456) |
97(身份号:456) | 99(身份号:789) | 93(身份号:456) |
83(身份号:123) | 81(身份号:456) | 97(身份号:789) |
由于:有至少2个引擎比对结果超过85%并且至少有一个高权重引擎。
以上都不是某省某地的人群,那么就计算相同身份证的总分值。
身份证123总分值=95。
身份证456总分值=97+98=195。
身份证789总分值=95+99+97=291。
身份证789总分值>身份证456总分值且身份证789总分值>身份证123总分值。
于是:取身份证789。
第二次同行最终的结果身份证789总分值>第一次同行最终的结果身份证123总分值。
最终,取身份证789的人,认为这个人就是关系人。身份证789最高相似度的值是高权重引擎2(99),就将该引擎的比对结果同步给关系人,核查结束。
本实施例结合人口识别比对平台的身份信息,与本地人脸身份库的相似度数值,进行分组打分计算,最终自动评估出人脸对应的正确身份信息。
本实施例关系人的身份核查随着同行次数越来越多,叠加新人脸进行自动身份核查评估,随着图片数量增多,核查评估准确率会越来越准确。
本实施例系统支持自动核查流程算法同时,也提供人工核查界面,人工核查结果可取代关系人的自动核查流程。
实施例5
本实施例提供一种同行关系人研判系统,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述存储器与所述处理器耦接,且所述处理器执行所述计算机程序时,实现第一方面所述的同行关系人研判方法。
综上,本发明基于同行人识别结合国家人口识别比对平台等平台的调用接口,研究和设计关系人身份核查算法和流程,辅助判定目标的关系与身份,实现核查关系人身份。
本发明将人脸以外其他维度信息的分析作为重要辅助手段,精确化轨迹,进而筛选出时间间隔内地点多次重合、历史轨迹相似的人员。
本发明设计分身识别和合并算法,以及分身活动轨迹的合并算法,最终形成一个独立的分身处理算法流程,在不影响响应能力的前提下,对同行人分析等系统的身份数据分析合并,减少分身数量,提高整体准确率。
以上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。
Claims (10)
1.一种同行关系人研判方法,其特征在于,所述方法包括以下步骤:
使用多个引擎人脸识别,通过计算相似度进行匹配处理并将识别结果输出至综合评估机制;
对每个目标人群独立建立同行人库,并将较长时间的轨迹信息及身份维度信息纳入辅助判断;
将人脸识别结果和人脸对应目标身份集合,通过综合评估机制对身份矩阵数据进行评估分析,得到正确身份信息;
对一组同行人轨迹人脸图片数据重新进行识别处理,实现分身轨迹数据合并,输出结果。
2.根据权利要求1所述的一种同行关系人研判方法,其特征在于,所述方法使用多引擎人脸识别,依次使用引擎,每一识别系统设定两个相似度:人脸确信相似度值S1、非人脸确信相似度值S2;人脸经过一个识别系统进行识别匹配时,计算的相似度S;
其中,S>=S1确信是人脸,S<=S2确信不是人脸,对于S2<S<S1则进入下一个人脸识别系统进行匹配处理。
3.根据权利要求1所述的一种同行关系人研判方法,其特征在于,所述方法将较长时间的轨迹信息纳入辅助判断,在若干天内的数据均作为统计重合的范畴,识别和标注同行人关系强度,以区别出无关系同行人。
4.根据权利要求1所述的一种同行关系人研判方法,其特征在于,所述方法以身份维度信息辅助判断,包括籍贯和民族居住地信息。
5.根据权利要求1所述的一种同行关系人研判方法,其特征在于,所述综合评估机制如下:
1)输出关系人每次同行进行比对结果;
2)配置多个人脸识别引擎的参与度及权重以及录用的相似度,其中1)的结果经计算,至少两引擎返回在录用相似度以上且至少一个为高权重引擎,则录用该结果;
3)判断符合条件的是否有某省某地区的人群,有的话,则取相似度最高的某省某地区人员身份信息,结束流程,否则继续执行下面流程;
4)如果符合2)的条件但是不符合3),那么就将相同身份证的所有算法的相似度相加,取总分值最高的身份证;
5)更高的暂时认为是关系人,每次同行只保留一个总分值最高的。
6.根据权利要求5所述的一种同行关系人研判方法,其特征在于,所述综合评估机制中,若同行六次,则把第一次同行的结果匹配出来后,再去看第二次计算出来的结果;
判断第一次和第二次不是同个人,再判断第一次和第二次哪个总分值更高,取更高的那个,一直比对到第六次,最终保留那个总分值最高的,将该人的信息自动填充到关系人信息。
7.根据权利要求1所述的一种同行关系人研判方法,其特征在于,所述方法对一组同行人轨迹人脸图片数据重新进行识别处理时,由国家人口识别比对平台返回的一组身份集合,根据身份证号码分组,得到同行人数量N和身份信息;
用N个分组数据集,分别建立N个同行人库,分析库中证件类照片质量和清晰度,得分最高的证件照片替换为这个同行人像库的主头像,以主头像识别新获取人脸图片。
8.根据权利要求7所述的一种同行关系人研判方法,其特征在于,所述方法合并分身则以上述主头像作为原组同行人的合并,并对同行人活动轨迹集合合并计算。
9.根据权利要求7所述的一种同行关系人研判方法,其特征在于,所述合并计算包括相关终端特征轨迹数据合并。
10.一种同行关系人研判系统,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述存储器与所述处理器耦接,且所述处理器执行所述计算机程序时,实现如权利要求1至9任一项所述的同行关系人研判方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210265645.2A CN114676406B (zh) | 2022-03-17 | 2022-03-17 | 一种同行关系人研判方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210265645.2A CN114676406B (zh) | 2022-03-17 | 2022-03-17 | 一种同行关系人研判方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114676406A true CN114676406A (zh) | 2022-06-28 |
CN114676406B CN114676406B (zh) | 2023-07-21 |
Family
ID=82074987
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210265645.2A Active CN114676406B (zh) | 2022-03-17 | 2022-03-17 | 一种同行关系人研判方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114676406B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109002751A (zh) * | 2017-12-11 | 2018-12-14 | 罗普特(厦门)科技集团有限公司 | 嫌疑人人脸识别认定系统及方法 |
CN110276272A (zh) * | 2019-05-30 | 2019-09-24 | 罗普特科技集团股份有限公司 | 确认标签人员的同行人员关系的方法、装置、存储介质 |
US20200380389A1 (en) * | 2019-05-31 | 2020-12-03 | Apple Inc. | Sentiment and intent analysis for customizing suggestions using user-specific information |
US20220058250A1 (en) * | 2018-12-26 | 2022-02-24 | Xunteng (guangdong) Technology Co., Ltd. | Fixed-point authorization identity recognition method and apparatus, and server |
-
2022
- 2022-03-17 CN CN202210265645.2A patent/CN114676406B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109002751A (zh) * | 2017-12-11 | 2018-12-14 | 罗普特(厦门)科技集团有限公司 | 嫌疑人人脸识别认定系统及方法 |
US20220058250A1 (en) * | 2018-12-26 | 2022-02-24 | Xunteng (guangdong) Technology Co., Ltd. | Fixed-point authorization identity recognition method and apparatus, and server |
CN110276272A (zh) * | 2019-05-30 | 2019-09-24 | 罗普特科技集团股份有限公司 | 确认标签人员的同行人员关系的方法、装置、存储介质 |
US20200380389A1 (en) * | 2019-05-31 | 2020-12-03 | Apple Inc. | Sentiment and intent analysis for customizing suggestions using user-specific information |
Also Published As
Publication number | Publication date |
---|---|
CN114676406B (zh) | 2023-07-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7529411B2 (en) | Interactive system for recognition analysis of multiple streams of video | |
CN110751022A (zh) | 基于图像识别的城市宠物活动轨迹监测方法及相关设备 | |
US8130285B2 (en) | Automated searching for probable matches in a video surveillance system | |
CN114491148B (zh) | 目标人员搜索方法、装置、计算机设备及存储介质 | |
CN112257660B (zh) | 无效客流的去除方法、系统、设备及计算机可读存储介质 | |
CN112199530B (zh) | 多维度脸库图片自动更新方法、系统、设备及介质 | |
CN112906483B (zh) | 一种目标重识别方法、装置及计算机可读存储介质 | |
CN115828112A (zh) | 一种故障事件的响应方法、装置、电子设备及存储介质 | |
CN110751675A (zh) | 基于图像识别的城市宠物活动轨迹监测方法及相关设备 | |
CN116311063A (zh) | 监控视频下基于人脸识别的人员细粒度跟踪方法及系统 | |
WO2023082641A1 (zh) | 电子档案生成方法、装置、终端设备及存储介质 | |
CN113269903A (zh) | 人脸识别课堂考勤系统 | |
CN112001280A (zh) | 一种实时、可在线优化的人脸识别系统和方法 | |
CN114676406A (zh) | 一种同行关系人研判方法及系统 | |
WO2023093241A1 (zh) | 行人重识别方法及装置、存储介质 | |
EP4220495A1 (en) | Task learning system and method, and related device | |
CN112333182B (zh) | 档案处理方法、装置、服务器及存储介质 | |
CN114491286A (zh) | 目标人员分析方法、装置、计算机设备及存储介质 | |
CN114491156A (zh) | 基于视频图像智能推送近似对象的方法 | |
CN112989083B (zh) | 人员身份分析方法、装置、设备及存储介质 | |
CN113449596B (zh) | 对象重识别方法以及电子设备、存储装置 | |
CN112487966B (zh) | 一种流动商贩行为识别管理系统 | |
CN111860100B (zh) | 行人数量的确定方法、装置、电子设备及可读存储介质 | |
CN112200140A (zh) | 档案处理方法、装置、设备及存储介质 | |
CN114373083A (zh) | 空壳公司的识别方法、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |