CN114783040A - 一种楼宇内偷拍行为检测方法及检测装置 - Google Patents

一种楼宇内偷拍行为检测方法及检测装置 Download PDF

Info

Publication number
CN114783040A
CN114783040A CN202210714950.5A CN202210714950A CN114783040A CN 114783040 A CN114783040 A CN 114783040A CN 202210714950 A CN202210714950 A CN 202210714950A CN 114783040 A CN114783040 A CN 114783040A
Authority
CN
China
Prior art keywords
candid
person
building
target
target person
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
Application number
CN202210714950.5A
Other languages
English (en)
Other versions
CN114783040B (zh
Inventor
梁帆
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.)
Guangdong Prophet Big Data Co ltd
Original Assignee
Dongguan Prophet Big Data 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 Dongguan Prophet Big Data Co ltd filed Critical Dongguan Prophet Big Data Co ltd
Priority to CN202210714950.5A priority Critical patent/CN114783040B/zh
Publication of CN114783040A publication Critical patent/CN114783040A/zh
Application granted granted Critical
Publication of CN114783040B publication Critical patent/CN114783040B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30232—Surveillance

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及图像识别技术领域，具体涉及一种楼宇内偷拍行为检测方法及检测装置，所述检测方法是以坐标系为基础，通过坐标定位和计算实现偷拍检测，包括陌生人判定、身体特征判断、目标人员朝向判断、偷拍行为判断、偷拍设备判断、综合分析等步骤，所述检测装置包括人脸特征库，电梯楼层识别模块和实现计算的算法模块，本发明提出的偷拍检测方法和装置与现有技术的相比具有更高的准确性，能够大大降低错判率。

Description

一种楼宇内偷拍行为检测方法及检测装置
技术领域
本发明涉及图像识别技术领域，具体涉及一种楼宇内偷拍行为检测方法及检测装置。
背景技术
智能视频监控技术是以互联网平台为依托，以数字化和信息化为发展方向，通过计算机视觉技术对视频进行智能分析和处理，在无人条件下进行全程自动化的监控。其作为安防系统的重要组成部分，在企业、智能住宅等场所得到了大力应用。但当前的应用范围内，多数智能视频监控对楼宇内重点区域的信息安全保护措施不足，外来人员尚可通过偷拍行为获取楼宇内的重要信息。
现有技术的监控装置仍存在错判和误判的现象，因此需要一种能够精准定位外来人员的偷拍检测装置以解决上述问题。
发明内容
针对背景技术中提出的问题，本发明提出一种楼宇内偷拍行为检测方法及检测装置，本发明的技术方案是这样实现的：
S1：通过部署在楼宇各出口处搭载算法模块的智能摄像头对进入楼宇的人员进行识别并提取人脸特征，并与事先采集人脸特征进行训练得到人脸特征库进行人脸比对，判断进入楼宇内的人员是否进行过登记并录入人脸特征库，将未登记人员标记为陌生人；
S2：当楼宇内进入陌生人时，通过坐标系的方法对陌生人的位置进行定位，并提取陌生人的身体特征，并调取部署在楼宇电梯、楼梯处的智能摄像头根据陌生人特征对经过人员进行特征检测；
S3：当电梯内检测到陌生人出现时，对监控画面内标记好的显示区域的楼层数进行识别，并提取陌生人离开电梯时，显示区域对应的楼层数；当楼梯内检测到陌生人出现时，调取各层楼梯出口处的监控视频，识别陌生人离开楼梯所在的楼层；
S4：根据陌生人离开电梯或楼梯的楼层数，调取对应楼层的监控视频对陌生人的行为进行监测；
S5：当部署在陌生人出现楼层研发室及实验室区域的摄像头检测到目标陌生人出现时，提取目标人员的信息，判断人员的手臂状态；
S6：对目标人员是否朝向研发室及实验室进行判断；
S7：若目标人员朝向研发室及实验室移动，对目标人员是否有偷拍行为进行分析；
S8：对有存在偷拍行为的目标人员的拍摄设备进行检测；
S9：综合分析目标人员是否存在偷拍行为，若目标人员存在偷拍行为，将人员图像及人脸特征实时上传至管理中心并进行实时告警。
进一步的，步骤S2中，对进行定位和提取身体特征的方法为：以监控画面的左上角为坐标原点，以右方向和下方向为坐标系的正方向，记录目标人员识别方框的信息
Figure 543692DEST_PATH_IMAGE001
，
Figure 759910DEST_PATH_IMAGE002
为识别方框的左上角顶点坐标，
Figure 704732DEST_PATH_IMAGE003
为上识别方框的宽，
Figure 119533DEST_PATH_IMAGE004
为上识别方框的高；记录目标人员颈部的信息
Figure 389978DEST_PATH_IMAGE005
；记录目标人员手肘部的信息
Figure 93491DEST_PATH_IMAGE006
和
Figure 842005DEST_PATH_IMAGE007
；记录目标人员手腕部的信息
Figure 580153DEST_PATH_IMAGE008
和
Figure 755920DEST_PATH_IMAGE009
；记录目标人员头部的信息
Figure 11976DEST_PATH_IMAGE010
，当未识别到人员关键部位坐标时使用坐标
Figure 501863DEST_PATH_IMAGE011
表示。
进一步的，步骤S5中，判断人员的手臂状态的方法为：当
Figure 891257DEST_PATH_IMAGE012
时，判定人员为无臂状态，当
Figure 441187DEST_PATH_IMAGE013
且
Figure 916030DEST_PATH_IMAGE014
时，判定人员为双臂状态，当
Figure 271925DEST_PATH_IMAGE015
且
Figure 515825DEST_PATH_IMAGE016
时，判定人员为单臂状态。
进一步的，步骤S6中，对目标人员是否朝向研发室及实验室进行判断的方法是：在监控场景内设置一条直线
Figure 767815DEST_PATH_IMAGE017
表示研发室及实验室与邻域的分界线，在研发室及实验室部分设置一个参考点
Figure 729954DEST_PATH_IMAGE018
，计算人员在双臂、单臂、无臂状态下的人员拍摄朝向得分
Figure 561644DEST_PATH_IMAGE019
，
Figure 194138DEST_PATH_IMAGE019
计算公式如下：
Figure 820292DEST_PATH_IMAGE020
Figure 535307DEST_PATH_IMAGE021
Figure 967425DEST_PATH_IMAGE022
Figure 123600DEST_PATH_IMAGE023
Figure 248551DEST_PATH_IMAGE024
Figure 122966DEST_PATH_IMAGE025
Figure 358775DEST_PATH_IMAGE026
Figure 431773DEST_PATH_IMAGE027
Figure 476695DEST_PATH_IMAGE028
Figure 635144DEST_PATH_IMAGE029
为历史数据训练得到的第一修正常数，
Figure 674644DEST_PATH_IMAGE030
为历史数据训练得到的第二修正常数，A、B、C为直线系数。
进一步的，步骤S7中，对目标人员是否有偷拍行为进行分析的方法为：计算监控画面内人员在双臂、单臂、无臂状态下的拍摄姿态得分
Figure 805411DEST_PATH_IMAGE031
，根据得分情况判断人员进行拍摄动作的可能性大小，拍摄姿态得分
Figure 6585DEST_PATH_IMAGE031
计算公式如下：
Figure 917909DEST_PATH_IMAGE032
Figure 229942DEST_PATH_IMAGE033
Figure 480795DEST_PATH_IMAGE034
Figure 852870DEST_PATH_IMAGE035
Figure 254420DEST_PATH_IMAGE036
Figure 573406DEST_PATH_IMAGE037
Figure 741082DEST_PATH_IMAGE038
Figure 487321DEST_PATH_IMAGE039
Figure 842079DEST_PATH_IMAGE040
Figure 27073DEST_PATH_IMAGE041
Figure 986939DEST_PATH_IMAGE042
Figure 169658DEST_PATH_IMAGE043
Figure 542871DEST_PATH_IMAGE044
Figure 203659DEST_PATH_IMAGE045
Figure 80348DEST_PATH_IMAGE046
Figure 436899DEST_PATH_IMAGE047
为设定的第一判断阈值，
Figure 766249DEST_PATH_IMAGE048
为历史数据训练得到的第四修正常数。
进一步的，步骤S8中，对拍摄设备进行检测的方法是：
Figure 27466DEST_PATH_IMAGE049
Figure 493083DEST_PATH_IMAGE050
Figure 79922DEST_PATH_IMAGE051
Figure 99830DEST_PATH_IMAGE052
检测到手中区域O内存在拍摄设备时，人员手持物品得分
Figure 164738DEST_PATH_IMAGE053
，反之
Figure 953703DEST_PATH_IMAGE054
，当人员为无臂状态时，
Figure 445864DEST_PATH_IMAGE054
，
Figure 953069DEST_PATH_IMAGE055
历史数据训练得到的第三修正常数。
进一步的，步骤S9中，综合分析的方法是计算监控画面内目标陌生人员姿态得分
Figure 824597DEST_PATH_IMAGE056
，
Figure 733648DEST_PATH_IMAGE057
其中i为当前监控画面对应的帧数，
当监控画面中目标陌生人员姿态得分
Figure 396710DEST_PATH_IMAGE058
时，获取从第i帧开始的n帧画面内的目标陌生人员姿态得分
Figure 656790DEST_PATH_IMAGE059
，其中n为设定的时间窗常数且为正整数，计算时间窗内的偷拍行为得分，其中
Figure 797921DEST_PATH_IMAGE060
为设定的第三判断阈值；
Figure 561478DEST_PATH_IMAGE061
当
Figure 395442DEST_PATH_IMAGE062
时，其中
Figure 673976DEST_PATH_IMAGE063
为设定的第四判断阈值，判定目标陌生人员存在偷拍行为。
本发明中用于实现上述检测方法的检测装置具有摄像头，所述摄像头内搭载有算法模块，能够提取目标人员的身体特征并进行分析；
进一步的，所述检测装置还包括以下结构：
人脸特征库，用于收集非陌生人员的人脸特征；
电梯楼层识别模块，用于识别并显示目标人员离开电梯的楼层。
进一步的，所述算法模块包括以下结构：
人脸特征提取模块，用于采集目标人员脸部特征；
身体特征提取模块，用于采集目标人员识别方框、颈部、手肘部、手腕部和头部的信息；
朝向得分分析模块，用于计算目标人员向研发室及实验室的朝向得分，判断目标人员是否朝向研发室及实验室移动；
偷拍行为分析模块，用于计算目标人员的拍摄姿态得分，判断目标人员是否存在偷拍行为；
偷拍设备检测模块，用于检测已确定偷拍人员的偷拍设备。
本发明的提出的偷拍行为检测方法及检测装置具有如下有益效果：通过坐标的方法对目标人员的关键部位进行定位，通过计算的方式对目标人员是否存在偷拍行为进行多重判断，包括身体特征判断、目标人员朝向判断、偷拍行为判断和偷拍设备判断，综合上述判断的结果，判断目标人员是否有偷拍的行为，与现有技术的偷拍检测方法相比具有更高的准确性，错判率大大降低。
附图说明
图1是本发明提出的偷拍行为检测方法的流程图。
图2是本发明提出的偷拍行为检测装置的结构示意图。
具体实施方式
实施例1
本实施例提出一种楼宇内偷拍行为检测方法及检测装置。检测装置具有摄像头，所述摄像头内搭载有算法模块，能够提取目标人员的身体特征并进行分析；还包括以下结构：
人脸特征库，用于收集非陌生人员的人脸特征；
电梯楼层识别模块，用于识别并显示目标人员离开电梯的楼层。
进一步的，所述算法模块包括：
人脸特征提取模块，用于采集目标人员脸部特征；
身体特征提取模块，用于采集目标人员识别方框、颈部、手肘部、手腕部和头部的信息；
朝向得分分析模块，用于计算目标人员向研发室及实验室的朝向得分，判断目标人员是否朝向研发室及实验室移动；
偷拍行为分析模块，用于计算目标人员的拍摄姿态得分，判断目标人员是否存在偷拍行为；
偷拍设备检测模块，用于检测已确定偷拍人员的偷拍设备。
检测方法具体包括以下步骤：
S1：通过部署在楼宇各出口处搭载算法模块的智能摄像头对进入楼宇的人员进行识别并提取人脸特征，并与事先采集人脸特征进行训练得到人脸特征库进行人脸比对，判断进入楼宇内的人员是否进行过登记并录入人脸特征库，将未登记人员标记为陌生人；
S2：当楼宇内进入陌生人时，通过坐标系的方法对陌生人的位置进行定位，并提取陌生人的身体特征，并调取部署在楼宇电梯、楼梯处的智能摄像头根据陌生人特征对经过人员进行特征检测；
S3：当电梯内检测到陌生人出现时，对监控画面内标记好的显示区域的楼层数进行识别，并提取陌生人离开电梯时，显示区域对应的楼层数；当楼梯内检测到陌生人出现时，调取各层楼梯出口处的监控视频，识别陌生人离开楼梯所在的楼层；
S4：根据陌生人离开电梯或楼梯的楼层数，调取对应楼层的监控视频对陌生人的行为进行监测；
S5：当部署在陌生人出现楼层研发室及实验室区域的摄像头检测到目标陌生人出现时，提取目标人员的信息，判断人员的手臂状态；
S6：对目标人员是否朝向研发室及实验室进行判断；
S7：若目标人员朝向研发室及实验室移动，对目标人员是否有偷拍行为进行分析；
S8：对有存在偷拍行为的目标人员的拍摄设备进行检测；
S9：综合分析目标人员是否存在偷拍行为，若目标人员存在偷拍行为，将人员图像及人脸特征实时上传至管理中心并进行实时告警。
实施例2
在实施例1的基础上，步骤S2中，对进行定位和提取身体特征的方法为：以监控画面的左上角为坐标原点，以右方向和下方向为坐标系的正方向，记录目标人员识别方框的信息
Figure 822061DEST_PATH_IMAGE001
，
Figure 502441DEST_PATH_IMAGE002
为识别方框的左上角顶点坐标，
Figure 498517DEST_PATH_IMAGE003
为上识别方框的宽，
Figure 202031DEST_PATH_IMAGE004
上识别方框的高；记录目标人员颈部的信息
Figure 950544DEST_PATH_IMAGE005
；记录目标人员手肘部的信息
Figure 688693DEST_PATH_IMAGE006
和
Figure 598880DEST_PATH_IMAGE007
；记录目标人员手腕部的信息
Figure 852007DEST_PATH_IMAGE008
和
Figure 341894DEST_PATH_IMAGE009
；记录目标人员头部的信息
Figure 996866DEST_PATH_IMAGE010
，当未识别到人员关键部位坐标时使用坐标
Figure 812376DEST_PATH_IMAGE011
表示，
实施例3
在实施例2的基础上，步骤S5中，判断人员的手臂状态的方法为：当
Figure 287219DEST_PATH_IMAGE012
时，检测不到目标人员手臂，判定人员为无臂状态，当
Figure 318148DEST_PATH_IMAGE013
且
Figure 827627DEST_PATH_IMAGE014
时，检测到目标人员双臂的坐标，判定人员为双臂状态，当
Figure 548458DEST_PATH_IMAGE015
且
Figure 510598DEST_PATH_IMAGE016
时，检测到目标人员单臂的坐标，判定人员为单臂状态。
实施例4
在实施例3的基础上，进一步的，步骤S6中，对目标人员是否朝向研发室及实验室进行判断的方法是：在监控场景内设置一条直线
Figure 404604DEST_PATH_IMAGE017
表示研发室及实验室与邻域的分界线，在研发室及实验室部分设置一个参考点
Figure 706273DEST_PATH_IMAGE018
，计算人员在双臂、单臂、无臂状态下的人员拍摄朝向得分
Figure 660322DEST_PATH_IMAGE019
，
Figure 109758DEST_PATH_IMAGE019
计算公式如下：
Figure 745139DEST_PATH_IMAGE020
Figure 166893DEST_PATH_IMAGE021
Figure 29194DEST_PATH_IMAGE022
Figure 700347DEST_PATH_IMAGE023
Figure 201735DEST_PATH_IMAGE024
Figure 274734DEST_PATH_IMAGE025
Figure 508269DEST_PATH_IMAGE026
Figure 666718DEST_PATH_IMAGE027
Figure 440639DEST_PATH_IMAGE028
Figure 836985DEST_PATH_IMAGE029
为历史数据训练得到的第一修正常数，
Figure 303738DEST_PATH_IMAGE030
为历史数据训练得到的第二修正常数，A、B、C为直线系数。
具体的，当人员为无臂状态时，人员并不具备偷拍的能力，故记录
Figure 152746DEST_PATH_IMAGE019
为0；当人员为双臂状态时，如果人员的颈部或者手腕部有越过分界线
Figure 733287DEST_PATH_IMAGE064
，目标人员拍摄朝向得分
Figure 984140DEST_PATH_IMAGE019
不为0；当人员为单臂状态时，人员的颈部或者单手的手腕部有越过分界线
Figure 356216DEST_PATH_IMAGE064
，目标人员拍摄朝向得分
Figure 489257DEST_PATH_IMAGE019
不为0。
实施例5
在实施例4的基础上，步骤S7中，对目标人员是否有偷拍行为进行分析的方法为：计算监控画面内人员在双臂、单臂、无臂状态下的拍摄姿态得分
Figure 870559DEST_PATH_IMAGE031
，根据得分情况判断人员进行拍摄动作的可能性大小，拍摄姿态得分
Figure 975919DEST_PATH_IMAGE031
计算公式如下：
Figure 518896DEST_PATH_IMAGE032
Figure 139233DEST_PATH_IMAGE033
Figure 261909DEST_PATH_IMAGE034
Figure 298741DEST_PATH_IMAGE035
Figure 12619DEST_PATH_IMAGE036
Figure 589094DEST_PATH_IMAGE037
Figure 249882DEST_PATH_IMAGE038
Figure 860992DEST_PATH_IMAGE039
Figure 480192DEST_PATH_IMAGE040
Figure 75121DEST_PATH_IMAGE041
Figure 274022DEST_PATH_IMAGE042
Figure 5217DEST_PATH_IMAGE043
Figure 592056DEST_PATH_IMAGE044
Figure 346386DEST_PATH_IMAGE045
Figure 414223DEST_PATH_IMAGE046
Figure 265505DEST_PATH_IMAGE047
为设定的第一判断阈值，
Figure 695349DEST_PATH_IMAGE048
为历史数据训练得到的第四修正常数。
具体的，当人员为无臂状态时，人员并不具备偷拍的能力，故记录
Figure 264871DEST_PATH_IMAGE031
为0；当人员为双臂状态时，若人员的头部纵坐标低于双手肘纵坐标的平均值时，认定目标人员有可能存在偷拍姿态，记录
Figure 71153DEST_PATH_IMAGE065
为1，否则记录
Figure 776941DEST_PATH_IMAGE065
为0；通过计算
Figure 440003DEST_PATH_IMAGE066
的方法进一步验证，通过判断人员手腕部和手肘部与头部的相对位置计算
Figure 168925DEST_PATH_IMAGE066
，人员手腕部和手肘部的特征满足偷拍的姿势时
Figure 841214DEST_PATH_IMAGE066
为1，否则记录
Figure 870350DEST_PATH_IMAGE066
为0；当人员为单臂状态时，计算方法同理，只需将手腕部和手肘部坐标的平均值替换为单手的坐标。
实施例6
在实施例5的基础上，步骤S8中，对拍摄设备进行检测的方法是：
Figure 644927DEST_PATH_IMAGE049
Figure 189041DEST_PATH_IMAGE050
Figure 337125DEST_PATH_IMAGE051
Figure 17505DEST_PATH_IMAGE052
当检测到手中区域O内存在拍摄设备时，人员手持物品得分
Figure 960054DEST_PATH_IMAGE053
，反之
Figure 929147DEST_PATH_IMAGE054
，当人员为无臂状态时，
Figure 943239DEST_PATH_IMAGE054
，
Figure 415809DEST_PATH_IMAGE055
为历史数据训练得到的第三修正常数。
实施例7
在实施例6的基础上，步骤S9中，综合分析的方法是计算监控画面内目标陌生人员姿态得分
Figure 60417DEST_PATH_IMAGE056
，
Figure 313543DEST_PATH_IMAGE057
其中i为当前监控画面对应的帧数，
当监控画面中目标陌生人员姿态得分
Figure 600168DEST_PATH_IMAGE058
时，获取从第i帧开始的n帧画面内的目标陌生人员姿态得分
Figure 195753DEST_PATH_IMAGE059
，其中n为设定的时间窗常数且为正整数，计算时间窗内的偷拍行为得分，其中
Figure 808000DEST_PATH_IMAGE060
为设定的第三判断阈值；
Figure 220527DEST_PATH_IMAGE061
当
Figure 576422DEST_PATH_IMAGE062
时，其中
Figure 820322DEST_PATH_IMAGE063
设定的第四判断阈值，判定目标陌生人员存在偷拍行为。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (10)

1.一种楼宇内偷拍行为检测方法，其特征在于，具体包括以下步骤：
S1：通过部署在楼宇各出口处搭载算法模块的智能摄像头对进入楼宇的人员进行识别并提取人脸特征，并与事先采集人脸特征进行训练得到人脸特征库进行人脸比对，判断进入楼宇内的人员是否进行过登记并录入人脸特征库，将未登记人员标记为陌生人；
S2：当楼宇内进入陌生人时，通过坐标系的方法对陌生人的位置进行定位，并提取陌生人的身体特征，并调取部署在楼宇电梯、楼梯处的智能摄像头根据陌生人特征对经过人员进行特征检测；
S3：当电梯内检测到陌生人出现时，对监控画面内标记好的显示区域的楼层数进行识别，并提取陌生人离开电梯时，显示区域对应的楼层数；当楼梯内检测到陌生人出现时，调取各层楼梯出口处的监控视频，识别陌生人离开楼梯所在的楼层；
S4：根据陌生人离开电梯或楼梯的楼层数，调取对应楼层的监控视频对陌生人的行为进行监测；
S5：当部署在陌生人出现楼层研发室及实验室区域的摄像头检测到目标陌生人出现时，提取目标人员的信息，判断人员的手臂状态；
S6：对目标人员是否朝向研发室及实验室进行判断；
S7：若目标人员朝向研发室及实验室移动，对目标人员是否有偷拍行为进行分析；
S8：对有存在偷拍行为的目标人员的拍摄设备进行检测；
S9：综合分析目标人员是否存在偷拍行为，若目标人员存在偷拍行为，将人员图像及人脸特征实时上传至管理中心并进行实时告警。
2.根据权利要求1所述的一种楼宇内偷拍行为检测方法，其特征在于，步骤S2中，对进行定位和提取身体特征的方法为：以监控画面的左上角为坐标原点，以右方向和下方向为坐标系的正方向，记录目标人员识别方框的信息
Figure 480378DEST_PATH_IMAGE001
，
Figure 775093DEST_PATH_IMAGE002
为识别方框的左上角顶点坐标，
Figure 609057DEST_PATH_IMAGE003
为上识别方框的宽，
Figure 887592DEST_PATH_IMAGE004
为上识别方框的高；记录目标人员颈部的信息
Figure 38606DEST_PATH_IMAGE005
；记录目标人员手肘部的信息
Figure 453407DEST_PATH_IMAGE006
和
Figure 723851DEST_PATH_IMAGE007
；记录目标人员手腕部的信息
Figure 427365DEST_PATH_IMAGE008
和
Figure 441458DEST_PATH_IMAGE009
；记录目标人员头部的信息
Figure 914027DEST_PATH_IMAGE010
，当未识别到人员关键部位坐标时使用坐标
Figure 355373DEST_PATH_IMAGE011
表示。
3.根据权利要求2所述的一种楼宇内偷拍行为检测方法，其特征在于，步骤S5中，判断人员的手臂状态的方法为：当
Figure 546183DEST_PATH_IMAGE012
时，判定人员为无臂状态，当
Figure 98387DEST_PATH_IMAGE013
且
Figure 691042DEST_PATH_IMAGE014
时，判定人员为双臂状态，当
Figure 240972DEST_PATH_IMAGE015
且
Figure 984325DEST_PATH_IMAGE016
时，判定人员为单臂状态。
4.根据权利要求3所述的一种楼宇内偷拍行为检测方法，其特征在于，步骤S6中，对目标人员是否朝向研发室及实验室进行判断的方法是：在监控场景内设置一条直线
Figure 74641DEST_PATH_IMAGE017
表示研发室及实验室与邻域的分界线，在研发室及实验室部分设置一个参考点
Figure 521802DEST_PATH_IMAGE018
，计算人员在双臂、单臂、无臂状态下的人员拍摄朝向得分
Figure 304951DEST_PATH_IMAGE019
，
Figure 204773DEST_PATH_IMAGE019
计算公式如下：
Figure 302042DEST_PATH_IMAGE020
Figure 931607DEST_PATH_IMAGE021
Figure 823340DEST_PATH_IMAGE022
Figure 272775DEST_PATH_IMAGE023
Figure 908156DEST_PATH_IMAGE024
Figure 406876DEST_PATH_IMAGE025
Figure 469509DEST_PATH_IMAGE026
Figure 406241DEST_PATH_IMAGE027
Figure 579734DEST_PATH_IMAGE028
Figure 918311DEST_PATH_IMAGE029
为历史数据训练得到的第一修正常数，
Figure 151847DEST_PATH_IMAGE030
为历史数据训练得到的第二修正常数；A、B、C为直线系数。
5.根据权利要求4所述的一种楼宇内偷拍行为检测方法，其特征在于，步骤S7中，对目标人员是否有偷拍行为进行分析的方法为：计算监控画面内人员在双臂、单臂、无臂状态下的拍摄姿态得分
Figure 575875DEST_PATH_IMAGE031
，根据得分情况判断人员进行拍摄动作的可能性大小，拍摄姿态得分
Figure 818637DEST_PATH_IMAGE031
计算公式如下：
Figure 746142DEST_PATH_IMAGE032
Figure 150578DEST_PATH_IMAGE033
Figure 265165DEST_PATH_IMAGE034
Figure 845706DEST_PATH_IMAGE035
Figure 893297DEST_PATH_IMAGE036
Figure 734214DEST_PATH_IMAGE037
Figure 70517DEST_PATH_IMAGE038
Figure 451820DEST_PATH_IMAGE039
Figure 557179DEST_PATH_IMAGE040
Figure 568998DEST_PATH_IMAGE041
Figure 454914DEST_PATH_IMAGE042
Figure 312012DEST_PATH_IMAGE043
Figure 334194DEST_PATH_IMAGE044
Figure 782493DEST_PATH_IMAGE045
Figure 827810DEST_PATH_IMAGE046
Figure 757107DEST_PATH_IMAGE047
为设定的第一判断阈值，
Figure 899375DEST_PATH_IMAGE048
为历史数据训练得到的第四修正常数。
6.根据权利要求5所述的一种楼宇内偷拍行为检测方法，其特征在于，步骤S8中，对拍摄设备进行检测的方法是：
Figure 987417DEST_PATH_IMAGE049
Figure 582346DEST_PATH_IMAGE050
Figure 46826DEST_PATH_IMAGE051
Figure 43601DEST_PATH_IMAGE052
当检测到手中区域O内存在拍摄设备时，人员手持物品得分
Figure 302544DEST_PATH_IMAGE053
，反之
Figure 384769DEST_PATH_IMAGE054
，当人员为无臂状态时，
Figure 387360DEST_PATH_IMAGE054
；
Figure 238642DEST_PATH_IMAGE055
为历史数据训练得到的第三修正常数。
7.根据权利要求6所述的一种楼宇内偷拍行为检测方法，其特征在于，步骤S9中，综合分析的方法是计算监控画面内目标陌生人员姿态得分
Figure 934065DEST_PATH_IMAGE056
，
Figure 240937DEST_PATH_IMAGE057
其中i为当前监控画面对应的帧数，
当监控画面中目标陌生人员姿态得分
Figure 843957DEST_PATH_IMAGE058
时，获取从第i帧开始的n帧画面内的目标陌生人员姿态得分
Figure 753007DEST_PATH_IMAGE059
，其中n为设定的时间窗常数且为正整数，计算时间窗内的偷拍行为得分，其中
Figure 416070DEST_PATH_IMAGE060
为设定的第三判断阈值；
Figure 410570DEST_PATH_IMAGE061
当
Figure 20543DEST_PATH_IMAGE062
时，其中
Figure 846417DEST_PATH_IMAGE063
为设定的第四判断阈值，判定目标陌生人员存在偷拍行为。
8.一种楼宇内偷拍检测设备，包括摄像头，其特征在于，所述摄像头内搭载有算法模块，能够提取目标人员的身体特征并进行分析。
9.根据权利要求8所述的一种楼宇内偷拍检测设备，其特征在于，还包括以下结构：
人脸特征库，用于收集非陌生人员的人脸特征；
电梯楼层识别模块，用于识别并显示目标人员离开电梯的楼层。
10.根据权利要求8所述的一种楼宇内偷拍检测设备，其特征在于，所述算法模块包括：
人脸特征提取模块，用于采集目标人员脸部特征；
身体特征提取模块，用于采集目标人员识别方框、颈部、手肘部、手腕部和头部的信息；
朝向得分分析模块，用于计算目标人员向研发室及实验室的朝向得分，判断目标人员是否朝向研发室及实验室移动；
偷拍行为分析模块，用于计算目标人员的拍摄姿态得分，判断目标人员是否存在偷拍行为；
偷拍设备检测模块，用于检测已确定偷拍人员的偷拍设备。
CN202210714950.5A 2022-06-23 2022-06-23 一种楼宇内偷拍行为检测方法及检测装置 Active CN114783040B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210714950.5A CN114783040B (zh) 2022-06-23 2022-06-23 一种楼宇内偷拍行为检测方法及检测装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210714950.5A CN114783040B (zh) 2022-06-23 2022-06-23 一种楼宇内偷拍行为检测方法及检测装置

Publications (2)

Publication Number Publication Date
CN114783040A true CN114783040A (zh) 2022-07-22
CN114783040B CN114783040B (zh) 2022-09-20

Family

ID=82422226

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210714950.5A Active CN114783040B (zh) 2022-06-23 2022-06-23 一种楼宇内偷拍行为检测方法及检测装置

Country Status (1)

Country Link
CN (1) CN114783040B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117237880A (zh) * 2023-11-13 2023-12-15 东莞先知大数据有限公司 一种柴油卸车规范检测方法、装置、电子设备和存储介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005027135A (ja) * 2003-07-04 2005-01-27 Matsushita Electric Ind Co Ltd 盗撮防止システム及び盗撮防止端末機
US20110142299A1 (en) * 2009-12-14 2011-06-16 Microsoft Corporation Recognition of faces using prior behavior
JP2015222533A (ja) * 2014-05-23 2015-12-10 株式会社日立ビルシステム 盗撮検知装置
CN108182396A (zh) * 2017-12-25 2018-06-19 中国电子科技集团公司电子科学研究院 一种自动识别拍照行为的方法及装置
CN111460940A (zh) * 2020-03-21 2020-07-28 中电海康集团有限公司 一种陌生人落脚点研判方法与系统
CN111523384A (zh) * 2020-03-19 2020-08-11 浙江省北大信息技术高等研究院 一种基于视觉的会议防偷拍方法、装置、存储介质及终端
CN111745640A (zh) * 2019-03-28 2020-10-09 精工爱普生株式会社 物体检测方法、物体检测装置以及机器人系统
CN113408379A (zh) * 2021-06-04 2021-09-17 开放智能机器（上海）有限公司 一种手机偷拍行为监控方法和系统
CN113593162A (zh) * 2021-07-01 2021-11-02 广州联客信息科技有限公司 一种基于视频ai的陌生人通行监控方法及装置
CN114466084A (zh) * 2020-10-22 2022-05-10 华为技术有限公司 用于检测视频监控设备的方法和电子设备
CN114612823A (zh) * 2022-03-06 2022-06-10 北京工业大学 一种面向实验室安全管理的人员行为监测方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005027135A (ja) * 2003-07-04 2005-01-27 Matsushita Electric Ind Co Ltd 盗撮防止システム及び盗撮防止端末機
US20110142299A1 (en) * 2009-12-14 2011-06-16 Microsoft Corporation Recognition of faces using prior behavior
JP2015222533A (ja) * 2014-05-23 2015-12-10 株式会社日立ビルシステム 盗撮検知装置
CN108182396A (zh) * 2017-12-25 2018-06-19 中国电子科技集团公司电子科学研究院 一种自动识别拍照行为的方法及装置
CN111745640A (zh) * 2019-03-28 2020-10-09 精工爱普生株式会社 物体检测方法、物体检测装置以及机器人系统
CN111523384A (zh) * 2020-03-19 2020-08-11 浙江省北大信息技术高等研究院 一种基于视觉的会议防偷拍方法、装置、存储介质及终端
CN111460940A (zh) * 2020-03-21 2020-07-28 中电海康集团有限公司 一种陌生人落脚点研判方法与系统
CN114466084A (zh) * 2020-10-22 2022-05-10 华为技术有限公司 用于检测视频监控设备的方法和电子设备
CN113408379A (zh) * 2021-06-04 2021-09-17 开放智能机器（上海）有限公司 一种手机偷拍行为监控方法和系统
CN113593162A (zh) * 2021-07-01 2021-11-02 广州联客信息科技有限公司 一种基于视频ai的陌生人通行监控方法及装置
CN114612823A (zh) * 2022-03-06 2022-06-10 北京工业大学 一种面向实验室安全管理的人员行为监测方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117237880A (zh) * 2023-11-13 2023-12-15 东莞先知大数据有限公司 一种柴油卸车规范检测方法、装置、电子设备和存储介质
CN117237880B (zh) * 2023-11-13 2024-02-09 东莞先知大数据有限公司 一种柴油卸车规范检测方法、装置、电子设备和存储介质

Also Published As

Publication number Publication date
CN114783040B (zh) 2022-09-20

Similar Documents

Publication Publication Date Title
CN109117827B (zh) 基于视频的工服工帽穿戴状态自动识别方法与报警系统
Vishwakarma et al. Automatic detection of human fall in video
KR101729327B1 (ko) 듀얼 카메라를 이용한 체온 추적 모니터링 시스템
KR100831122B1 (ko) 얼굴 인증 장치, 얼굴 인증 방법, 및 출입 관리 장치
JP5390322B2 (ja) 画像処理装置、及び画像処理方法
US10853664B2 (en) Device and method for detecting abnormal situation
CN110837784A (zh) 一种基于人体头部特征的考场偷窥作弊检测系统
CN111144247A (zh) 一种基于深度学习的自动扶梯乘客逆行检测方法
Ryan et al. Crowd counting using group tracking and local features
WO2019220589A1 (ja) 映像解析装置、映像解析方法、及びプログラム
TWI438702B (zh) 影像環境邊界之動態設定方法及人員活動內容之即時判定方法
CN110674680B (zh) 活体识别的方法、装置、存储介质
CN112131976B (zh) 一种自适应人像温度匹配和口罩识别方法及装置
CN114783040B (zh) 一种楼宇内偷拍行为检测方法及检测装置
JP4667508B2 (ja) 移動体情報検出装置、移動体情報検出方法および移動体情報検出プログラム
CN113033521A (zh) 基于目标分析的周界动态预警方法与系统
Abd et al. Human fall down recognition using coordinates key points skeleton
CN110580708B (zh) 一种快速移动检测方法、装置及电子设备
CN112541403A (zh) 一种利用红外摄像头的室内人员跌倒检测方法
CN113609963B (zh) 一种实时多人体角度的抽烟行为检测方法
JP2012033054A (ja) 顔画像サンプル採取装置、顔画像サンプル採取方法、プログラム
CN110930432A (zh) 一种视频分析方法、装置及系统
Nizam et al. Development of human fall detection system using joint height, joint velocity, and joint position from depth maps
KR102647139B1 (ko) 딥러닝 기반 영상분석을 통한 이상행동 탐지 장치 및 방법
CN113554682B (zh) 一种基于目标跟踪的安全帽检测方法

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
CP03 Change of name, title or address

Address after: Building 7, No. 124 Dongbao Road, Dongcheng Street, Dongguan City, Guangdong Province, 523128

Patentee after: Guangdong Prophet Big Data Co.,Ltd.

Country or region after: China

Address before: 523128 Room 401, building 6, No.5 Weifeng Road, Dongcheng Street, Dongguan City, Guangdong Province

Patentee before: Dongguan prophet big data Co.,Ltd.

Country or region before: China

CP03 Change of name, title or address