CN115019258B - 智慧场馆人脸识别控制系统 - Google Patents
智慧场馆人脸识别控制系统 Download PDFInfo
- Publication number
- CN115019258B CN115019258B CN202210737163.2A CN202210737163A CN115019258B CN 115019258 B CN115019258 B CN 115019258B CN 202210737163 A CN202210737163 A CN 202210737163A CN 115019258 B CN115019258 B CN 115019258B
- Authority
- CN
- China
- Prior art keywords
- image
- face
- recognition
- unit
- face recognition
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- 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
- G06V40/168—Feature extraction; Face representation
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明提供了一种智慧场馆人脸识别控制系统,包括:图像采集模块,用于基于目标场馆的人脸识别监控点采集识别对象的面部图像;图像传输模块,用于构建人脸识别监控点与管理终端的分布式通讯链路,并基于所述分布式通讯链路将采集到的面部图像传输至管理终端;分析模块,用于基于管理终端对所述面部图像进行分析,并基于分析结果对所述识别对象进行权限验证;控制执行模块,用于基于验证结果执行相应操作。通过对目标场馆进行人脸识别以及权限验证,从而确保具有相应权限的人对目标场馆进行相应的控制,提高了目标场馆的安全系数,同时也提高了对目标场馆的智慧管理效果。
Description
技术领域
本发明涉及人脸识别技术领域,特别涉及一种智慧场馆人脸识别控制系统。
背景技术
目前,对于场馆中的权限认定往往需要繁琐的认定手续以及认定方式,例如通过人工签字以及检查身份证件与本人是否匹配等方式进行权限认定,从而耗费了大量的人力成本以及时间成本;
随着机交互技术的应用日益广泛,在人机交互领域中,人脸识别技术具有非常重要的意义,作为模式识别与机器学习领域的主要研究方法之一,已经有大量的人脸识别算法被提出;
但是,大多数人脸识别技术与控制或管理实体分别独立运行,并未发挥人脸识别的最佳效果,也降低了对控制或管理实体的管理效果以及管理效率,因此,本发明提供了一种智慧场馆人脸识别控制系统。
发明内容
本发明提供一种智慧场馆人脸识别控制系统,用以通过对目标场馆进行人脸识别以及权限验证,从而确保具有相应权限的人对目标场馆进行相应的控制,提高了目标场馆的安全系数,同时也提高了对目标场馆的智慧管理效果。
本发明提供了一种智慧场馆人脸识别控制系统,包括:
图像采集模块,用于基于目标场馆的人脸识别监控点采集识别对象的面部图像;
图像传输模块,用于获取人脸识别监控点的第一数据通讯接口,并确定所述人脸识别监控点的图像传输方式;
在管理终端建立图像接收窗口,并根据所述人脸识别监控点的图像传输方式设定所述图像接收窗口的图像接收方式;
获取所述管理终端的第二数据通讯接口,同时,将所述第一数据通讯接口与所述第二数据通讯接口进行接口适配;
当完成接口适配时确定所述第一数据通讯接口的第一接口标识与所述第二数据通讯接口的第二接口标识;
根据所述第一接口标识与所述第二接口标识确定数据通讯协议,同时,根据所述数据通讯协议建立人脸识别监控点与所述管理终端的分布式通讯链路;
基于所述分布式通讯链路根据所述图像传输方式将人脸识别监控点采集的面部图像进行传输,并控制图像接收窗口根据所述图像接收方式对所述面部图像进行接收;
分析模块,用于基于管理终端对所述面部图像进行分析,并基于分析结果对所述识别对象进行权限验证;
控制执行模块,用于基于验证结果执行相应操作。
优选的,智慧场馆人脸识别控制系统,所述图像采集模块中,基于目标场馆的人脸识别监控点采集识别对象的面部图像之前,还包括:
目标场馆读取单元,用于对所述目标场馆的空间构造进行读取,确定所述目标场馆的结构特征;
敏感监控位置确认单元,用于调取所述目标场馆的场馆工作性质,并结合所述目标场馆的结构特征确定所述目标场馆的敏感监控位置;
人脸识别监控点确认单元,用于在所述目标场馆的敏感监控位置设定所述人脸识别装置,并将所述人脸识别装置作为所述目标场馆的人脸识别监控点。
优选的,智慧场馆人脸识别控制系统,所述图像传输模块中,根据所述人脸识别监控点的图像传输方式设定所述数据接收窗口的图像接收方式,包括:
图像传输方式读取单元,用于读取所述人脸识别监控点的图像传输方式,确定对面部图像进行传输的图像格式以及图像传输方向;
图像接收方式获取单元,用于基于对所述面部图像进行传输的图像格式确定在所述图像接收窗口的图像接收格式,同时,基于所述面部图像进行传输的图像传输方向确定在所述图像接收窗口的图像接收方向;
所述图像接收方式获取单元,还用于基于所述图像接收格式以及所述图像接收方向确定所述图像接收窗口的图像接收方式。
优选的,智慧场馆人脸识别控制系统,所述图像传输模块,还包括:
通讯子链路确认单元,用于分别确定每个人脸识别监控点与所述管理终端进行数据传输的通讯子链路;
链路名称确认单元,用于获取所述人脸识别监控点的监控标识,并基于所述监控标识定义所述通讯子链路的链路名称;
日志建立单元,用于在所述管理终端中基于所述通讯子链路建立子数据管理日志,其中,所述通讯子链路与所述子数据管理日志一一对应,同时,将所述链路名称作为所述子数据管理日志的日志标题。
优选的,智慧场馆人脸识别控制系统,所述图像采集模块中,采集识别对象的面部图像后,还包括:
图像读取单元,用于读取所述识别对象的面部图像,确定所述面部图像的图像参数;
判断单元,用于将所述面部图像的图像参数与基准图像参数进行比较,判断所述面部图像是否需要进行调整;
当所述面部图像的图像参数与所述基准图像参数相同时,则判定所述面部图像不需要进行调整;
否则,则判定所述面部图像需要进行调整;
图像调整单元,用于当所述面部图像需要进行调整时,基于所述基准图像参数对所述面部图像的图像参数进行自动校准,并获取基准面部图像;
图像处理单元,用于对所述基准面部图像进行图像灰度化处理,并根据处理结果确定所述基准面部图像中每个像素点的像素灰度值;
所述图像处理单元,还用于确定所述基准面部图像中每个像素点的像素灰度值的数值分布特征,并基于所述数值分布特征确定像素灰度值的众数,并将所述众数对应的像素灰度值作为所述基准面部图像的背景灰度阈值;
所述图像处理单元,还用于计算所述基准面部图像的像素灰度值的平均值,并基于所述像素灰度值的平均值确定所述基准面部图像的色调阈值;
所述图像处理单元,还用于基于所述背景灰度阈值与所述色调阈值对所述基准面部图像进行色调补偿处理;
人脸轮廓确定单元,用于读取色调补偿后的基准面部图像的人脸信息,并根据所述人脸信息确定人脸特征点;
边缘偏差确认单元,用于调取预设人脸特征模型,并将所述人脸特征点输入至所述预设人脸特征模型中进行轮廓边缘界定,并基于界定结果确定所述色调补偿后的基准面部图像中人脸轮廓的边缘偏差;
所述图像处理单元,还用于基于所述人脸轮廓的边缘偏差对所述色调补偿后的基准面部图像进行偏差消除操作,并根据操作结果获取最终的人脸面部图像。
优选的,智慧场馆人脸识别控制系统,所述分析模块,用于基于管理终端对所述面部图像进行分析,包括:
图像获取单元,用于获取采集到的识别对象的面部图像,并提取所述面部图像中的人脸面部特征数据;
人脸分析单元,用于基于所述人脸面部特征数据确定所述识别对象的面部结构,并基于所述面部结构判断所述识别对象的面部图像是否存在遮挡;
人脸处理单元,用于将所述人脸面部特征数据输入预设深度学习网络模型进行深度学习,确定与被遮挡区域相邻的面部的结构特征,并基于所述结构特征对被遮挡区域进行图像修复,得到所述识别对象的人脸面部特征;
身份确定单元,用于确定所述人脸面部特征的目标标识,并基于所述目标标识向服务器发送身份验证请求;
所述身份确定单元,还用于基于所述身份请求将所述人脸面部特征与预设人脸特征库进行匹配,得到所述人脸面部特征对应的基准人脸图像,并基于所述基准人脸图像确定所述识别对象的身份信息,其中,所述基准人脸图像携带有对应人员的身份信息。
优选的,智慧场馆人脸识别控制系统,所述分析模块,基于分析结果对所述识别对象进行权限验证,包括:
结果获取单元,用于获取管理终端对所述面部图像的分析结果,并基于所述分析结果确定识别对象的身份信息;
权限认证单元,用于基于所述身份信息向服务器发送权限认证请求,且所述服务器基于所述权限认证请求调取预设权限记录表,其中,所述预设权限记录表中存储有身份信息与权限的对应关系;
所述权限认证单元,还用于将所述识别对象的身份信息与所述预设权限记录表进行匹配,并基于匹配结果确定所述识别对象是否具有权限;
当所述预设权限记录表中存在与所述识别对象的身份信息相匹配的目标记录信息时,判定所述识别对象具有权限;
否则,判定所述识别对象不具有权限。
优选的,智慧场馆人脸识别控制系统,控制执行模块,用于基于验证结果执行相应操作,包括:
验证结果获取单元,用于获取对所述识别对象进行权限验证的验证结果,并当所述验证结果判定为所述识别对象通过权限验证时,调取所述识别对象的控制权限;
控制单元,用于基于所述控制权限向管理终端发送触发指令,且所述管理终端对所述触发指令进行解析,确定所述控制权限对应的控制项目;
指令生成单元,用于确定所述控制项目的属性信息,并基于所述属性信息生成目标控制指令;
执行单元,用于基于所述目标控制指令控制所述控制项目运行。
优选的,智慧场馆人脸识别控制系统,验证结果获取单元,包括:
结果分析子单元,用于当所述验证结果判定为所述识别对象未通过权限验证时,确定所述识别对象所在人脸识别监控点的目标位置;
报警子子单元,用于将所述目标位置传输至控制终端,并基于所述控制终端向管理人员进行报警提醒;
所述报警子单元,还用于基于控制终端根据所述目标位置控制人脸识别监控点的预设报警装置进行同步报警。
优选的,智慧场馆人脸识别控制系统,所述分析模块,还包括:
面部特征获取单元,用于当所述管理终端对所述识别对象的面部图像进行分析后,基于分析结果确定所述识别对象的第一面部特征;
网络构建单元,用于将所述第一面部特征作为所述识别对象的基准网络分布参数建立关于所述识别对象的人脸识别网络,同时,将所述第一面部特征作为所述人脸识别网络的第一记忆节点;
所述面部特征获取单元,还用于当所述管理终端对所述识别对象的面部图像进行第二次收集并分析后,确定所述识别对象的第二面部特征;
特征比较单元,用于将所述第一面部特征与所述第二面部特征进行比较,判断所述第二面部特征与所述第二面部特征的面部特征差,同时,将所述面部特征差作为所述人脸识别网络的第二记忆节点;
模型更新优化单元,用于将所述第二记忆节点在所述第一记忆节点的基础上进行累加,并基于累加结果实时对所述人脸识别网络进行更新并优化。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中智慧场馆人脸识别控制系统的结构图;
图2为本发明实施例中智慧场馆人脸识别控制系统中图像采集模块的结构图;
图3为本发明实施例中智慧场馆人脸识别控制系统中控制执行模块的结构图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例1:
本实施例提供了一种智慧场馆人脸识别控制系统,如图1所示,包括:
图像采集模块,用于基于目标场馆的人脸识别监控点采集识别对象的面部图像;
图像传输模块,用于获取人脸识别监控点的第一数据通讯接口,并确定所述人脸识别监控点的图像传输方式;
在管理终端建立图像接收窗口,并根据所述人脸识别监控点的图像传输方式设定所述图像接收窗口的图像接收方式;
获取所述管理终端的第二数据通讯接口,同时,将所述第一数据通讯接口与所述第二数据通讯接口进行接口适配;
当完成接口适配时确定所述第一数据通讯接口的第一接口标识与所述第二数据通讯接口的第二接口标识;
根据所述第一接口标识与所述第二接口标识确定数据通讯协议,同时,根据所述数据通讯协议建立人脸识别监控点与所述管理终端的分布式通讯链路;
基于所述分布式通讯链路根据所述图像传输方式将人脸识别监控点采集的面部图像进行传输,并控制图像接收窗口根据所述图像接收方式对所述面部图像进行接收;
分析模块,用于基于管理终端对所述面部图像进行分析,并基于分析结果对所述识别对象进行权限验证;
控制执行模块,用于基于验证结果执行相应操作。
该实施例中,目标场馆可以是需要进行管理的场所,具体为游泳馆、篮球馆等。
该实施例中,人脸识别监控点是提前设定好的,设置在各个需要进行控制的地方,具体为门禁等。
该实施例中,面部图像可以是通过图像采集装置采集到的识别对象的面部信息。
该实施例中,第一数据通讯接口可以是用来表征人脸识别监控点的数据通信端口。
该实施例中,图像接收窗口是在管理终端,用于接收不同人脸识别监控点采集到的人脸图像。
该实施例中,第二数据通讯接口可以是用于表征管理终端的数据通信端口。
该实施例中,接口适配可以是将第一数据通讯接口与第二数据通讯接口之间的通讯方式、数据传输带宽以及数据传输速率等进行确定,从而确保将数据从第一数据通讯接口传输至第二数据通讯接口。
该实施例中,第一接口标识是用来表征第一数据通讯接口的类型以及对应的数据传输格式或要求等。
该实施例中,第二接口标识是用来表征第二数据通讯接口的类型以及对应的数据传输格式或要求等。
该实施例中,分布式通讯链路可以是用于表征不同人脸识别监控点与控制终端的数据传输链路。
该实施例中,基于管理终端对所述面部图像进行分析可以是对采集到的面部图像进行处理,确定识别对象的人脸特征,从而根据人脸特征确定识别对象的身份信息。
该实施例中,权限验证可以是通过根据人脸识别结果,将识别到的识别对象的面部图像与预设数据库进行匹配,从而根据匹配结果确定识别人员是否具有相应的控制权限,其中,预设数据库中提前有录入好的具有相应权限的人员面部图像以及对应的身份信息。
该实施例中,用于基于验证结果执行相应操作可以是当识别对象具有相应的权限时,则通过管理终端控制相应的项目进行执行。
上述技术方案的工作原理是:通过目标场馆内不同的人脸识别监控点对识别对象进行面部图像采集,并通过确定人脸识别监控点的第一数据通讯接口以及管理终端的第二数据通讯接口以及确定不同通讯接口的的接口标识,实现根据接口标识对第一数据通讯接口与第二数据通讯接口进行接口适配,并根据适配结果构建不同人脸识别监控点与管理终端的通讯链路,从而通过构建的通讯链路将采集到的面部图像传输至管理终端,管理终端对采集到的面部图像进行分析,确定识别对象的身份信息,根据身份信息对识别对象进行权限验证,且在验证通过时,向管理终端发送控制请求,并进行相应的控制。
上述技术方案的有益效果是:通过构建分布式传输链路,保障了将人脸识别监控点采集到的人脸图像准确有效的传输至管理终端,从而便于对目标场馆进行人脸识别以及权限验证,确保具有相应权限的人对目标场馆进行相应的控制,提高了目标场馆的安全系数,同时也提高了对目标场馆的智慧管理效果。
实施例2:
在实施例1的基础上,本实施例提供了一种智慧场馆人脸识别控制系统,如图2所示,所述图像采集模块中,基于目标场馆的人脸识别监控点采集识别对象的面部图像之前,还包括:
目标场馆读取单元,用于对所述目标场馆的空间构造进行读取,确定所述目标场馆的结构特征;
敏感监控位置确认单元,用于调取所述目标场馆的场馆工作性质,并结合所述目标场馆的结构特征确定所述目标场馆的敏感监控位置;
人脸识别监控点确认单元,用于在所述目标场馆的敏感监控位置设定所述人脸识别装置,并将所述人脸识别装置作为所述目标场馆的人脸识别监控点。
该实施例中,空间构造可以是目标场馆内的空间结构,包括各部件或各建筑的分布情况。
该实施例中,结构特征可以是目标场馆内各建筑之间的位置关系。
该实施例中,工作性质可以是目标场馆的主要用途,具体未游泳馆、篮球馆等。
该实施例中,敏感监控位置可以是目标场馆的重要位置,具体为控制室、以及存储室等。
上述技术方案的工作原理是:通过确定目标场馆的空间构造,并根据空间构造确定目标场馆的结构特征,同时确定目标场馆的工作性质,最后根据目标场馆的结构特征以及工作性质对目标场馆内部的人脸识别监控点进行锁定。
上述技术方案的有益效果是:通过确定目标场馆的空间构造,从而实现对目标场馆结构特征进行有效获取,最终实现对目标场馆中敏感监控位置进行锁定,提高了对人脸识别监控点的位置进行准确有效的确定,从而为提高对目标场馆的管理以及控制提供了便利。
实施例3:
在实施例1的基础上,本实施例提供了一种智慧场馆人脸识别控制系统,所述图像传输模块中,根据所述人脸识别监控点的图像传输方式设定所述数据接收窗口的图像接收方式,包括:
图像传输方式读取单元,用于读取所述人脸识别监控点的图像传输方式,确定对面部图像进行传输的图像格式以及图像传输方向;
图像接收方式获取单元,用于基于对所述面部图像进行传输的图像格式确定在所述图像接收窗口的图像接收格式,同时,基于所述面部图像进行传输的图像传输方向确定在所述图像接收窗口的图像接收方向;
所述图像接收方式获取单元,还用于基于所述图像接收格式以及所述图像接收方向确定所述图像接收窗口的图像接收方式。
该实施例中,图像格式例如可以是JPEG格式等,且对面部图像进行传输的图像格式与图像接收窗口的图像接收格式对应且相同。
该实施例中,传输方向可以是人脸识别监控点到管理终端的图像接收窗口的方向,图像接收方向与传输方向相反为管理终端的图像接收窗口到人脸识别监控点的方向。
上述技术方案的工作原理是:通过确定人脸识别监控点的图像传输方式,并通过图像传输方式确定对面部图像进行传输的图像格式以及图像传输方向,确定图像接收窗口的图像接收格式与图像接收方向,进而确定图像接收窗口的图像接收方式。
上述技术方案的有益效果是:通过确定管理终端的图像接收窗口,并根据人脸识别监控点的图像传输方式确定图像接收窗口的图像接收方式,极大的提高了图像传输的准确性,避免了由于图像因格式不匹配等问题而无法及时在管理终端接收到面部图像的现象,极大的提高了图像接收的效率。
实施例4:
在实施例1的基础上,本实施例提供了一种智慧场馆人脸识别控制系统,所述图像传输模块,还包括:
通讯子链路确认单元,用于分别确定每个人脸识别监控点与所述管理终端进行数据传输的通讯子链路;
链路名称确认单元,用于获取所述人脸识别监控点的监控标识,并基于所述监控标识定义所述通讯子链路的链路名称;
日志建立单元,用于在所述管理终端中基于所述通讯子链路建立子数据管理日志,其中,所述通讯子链路与所述子数据管理日志一一对应,同时,将所述链路名称作为所述子数据管理日志的日志标题。
该实施例中,通讯子链路可以是各个不同的人脸识别监控点与管理终端之间的数据传输链路。
该实施例中,监控标识可以是用来区分不同人脸识别监控点的标记标签。
该实施例中,子数据管理日志可以是用来记录不同通讯子链路传输的图像数据。
上述技术方案的工作原理是:通过确定不同人脸识别监控点与管理终端之间的通讯子链路以及不同人脸识别监控点的监控标识,实现对不同人脸识别监控点构建对应的数据管理日志,并通过对应的数据管理紫日对不同的人脸识别监控点采集的面部图像进行记录。
上述技术方案的有益效果是:通过确定人脸识别监控点与管理终端的通讯子链路标识,实现对不同人脸识别监控点采集到的数据进行记录存储,有利于提高对不同位置的人脸识别监控点采集到的面部数据进行管理,为实现对目标场馆的安全管理提供了便利。
实施例5:
在实施例1的基础上,本实施例提供了一种智慧场馆人脸识别控制系统,所述图像采集模块中,采集识别对象的面部图像后,还包括:
图像读取单元,用于读取所述识别对象的面部图像,确定所述面部图像的图像参数;
判断单元,用于将所述面部图像的图像参数与基准图像参数进行比较,判断所述面部图像是否需要进行调整;
当所述面部图像的图像参数与所述基准图像参数相同时,则判定所述面部图像不需要进行调整;
否则,则判定所述面部图像需要进行调整;
图像调整单元,用于当所述面部图像需要进行调整时,基于所述基准图像参数对所述面部图像的图像参数进行自动校准,并获取基准面部图像;
图像处理单元,用于对所述基准面部图像进行图像灰度化处理,并根据处理结果确定所述基准面部图像中每个像素点的像素灰度值;
所述图像处理单元,还用于确定所述基准面部图像中每个像素点的像素灰度值的数值分布特征,并基于所述数值分布特征确定像素灰度值的众数,并将所述众数对应的像素灰度值作为所述基准面部图像的背景灰度阈值;
所述图像处理单元,还用于计算所述基准面部图像的像素灰度值的平均值,并基于所述像素灰度值的平均值确定所述基准面部图像的色调阈值;
所述图像处理单元,还用于基于所述背景灰度阈值与所述色调阈值对所述基准面部图像进行色调补偿处理;
人脸轮廓确定单元,用于读取色调补偿后的基准面部图像的人脸信息,并根据所述人脸信息确定人脸特征点;
边缘偏差确认单元,用于调取预设人脸特征模型,并将所述人脸特征点输入至所述预设人脸特征模型中进行轮廓边缘界定,并基于界定结果确定所述色调补偿后的基准面部图像中人脸轮廓的边缘偏差;
所述图像处理单元,还用于基于所述人脸轮廓的边缘偏差对所述色调补偿后的基准面部图像进行偏差消除操作,并根据操作结果获取最终的人脸面部图像。
该实施例中,图像参数可以是面部图像的色彩值、分辨率以及像素值等。
该实施例中,基准图像参数可以是提前设定好的,用于表征图像再满足分析要求时各项图像参数的最低标准。
该实施例中,基准面部图像可以是当面部图像的图像参数与基准图像参数不同时,对面部图像的图像参数进行调整后得到的最终的图像。
该实施例中,数值分布特征可以是不同像素点的像素灰度值的取值情况,以及不同取值的像素点在基准面部图像中的分布位置。
该实施例中,众数可以是像素灰度值中相同数值量最多的像素灰度值的取值。
该实施例中,背景灰度阈值可以是用于表征背景的平均灰度取值。
该实施例中,色调阈值可以是用于表征基准面部图像的颜色的均值。
该实施例中,人脸特征点可以是能够表明人脸特征的关键点,具体为五官分布情况等。
该实施例中,预设人脸特征模型是提前设定好的,用于对根据人脸特征点对人脸的轮廓进行确定,其中,预设人脸特征模型中包括人脸的基准特征,例如:眼睛、嘴巴、鼻子以及脸部轮廓等。
该实施例中,边缘偏差可以是通过预设人脸特征模型对当前识别到的人脸面部图像进行处理,确定在干扰因素的情况下,当前识别到的人脸图像中的人脸特征与预设人脸特征模型中含有的人脸的基准特征之间的不同之处,例如:当识别对象戴眼镜时,所识别的人脸特征与预设人脸特征模型中存储的人脸的基准特征是存在偏差的。
该实施例中,偏差消除操作可以是去除人脸上的干扰因素(例如:去除眼镜干扰),将存在的偏差进行最小化,从而实现对识别对象的面部数据进行准确采集。
上述技术方案的工作原理是:通过确定面部图像的图像参数,且在图像参数不满足基准图像参数要求时,对采集到的面部图像进行自动校准,同时在对面部图像进行校准后,对面部图像进行灰度化处理,并根据灰度化处理结果实现对面部图像的背景灰度阈值以及色调阈值进行调整以及优化,最后根据调整以及优化结果确定面部图像中包含的人脸信息,并对人脸信息进行分析,确定面部图像中的人脸特征点,并通过预设人脸特征模型对人脸特征点进行分析,确定在干扰因素的情况下,当前识别到的人脸图像中的人脸特征与预设人脸特征模型中含有的人脸的基准特征之间的不同之处,并根据预设人脸特征模型中含有的人脸的基准特征对当前识别到的人脸图像中包含的人脸特征进行偏差消除,得到最终的人脸面部图像。
上述技术方案的有益效果是:通过对采集到的面部图像的图像参数进行分析,确保面部图像满足分析要求,其次,将面部图像进行灰度化处理,实现对面部图像中不同像素点的灰度值以及色彩值进行调整,确保最终得到的面部图像清洗可靠,最后将面部图像中人脸轮廓进行修正,去除其中的干扰因素,从而保障得到的面部图像准确可靠,为准确对识别对象进行人脸识别提供了保障,同时保障了目标场馆的安全系数,提高了对目标场馆的管理效果。
实施例6:
在实施例1的基础上,本实施例提供了一种智慧场馆人脸识别控制系统,所述分析模块,用于基于管理终端对所述面部图像进行分析,包括:
图像获取单元,用于获取采集到的识别对象的面部图像,并提取所述面部图像中的人脸面部特征数据;
人脸分析单元,用于基于所述人脸面部特征数据确定所述识别对象的面部结构,并基于所述面部结构判断所述识别对象的面部图像是否存在遮挡;
人脸处理单元,用于将所述人脸面部特征数据输入预设深度学习网络模型进行深度学习,确定与被遮挡区域相邻的面部的结构特征,并基于所述结构特征对被遮挡区域进行图像修复,得到所述识别对象的人脸面部特征;
身份确定单元,用于确定所述人脸面部特征的目标标识,并基于所述目标标识向服务器发送身份验证请求;
所述身份确定单元,还用于基于所述身份请求将所述人脸面部特征与预设人脸特征库进行匹配,得到所述人脸面部特征对应的基准人脸图像,并基于所述基准人脸图像确定所述识别对象的身份信息,其中,所述基准人脸图像携带有对应人员的身份信息。
该实施例中,人脸面部特征数据可以是用于表征识别对象的面部结构特点的数据信息,具体为人脸中的五官等。
该实施例中,面部结构可以是识别对象的面部特点,具体为五官的分布位置、五官之间的距离间隔以及当前显示的面部图像是否完整等。
该实施例中,基于所述面部结构判断所述识别对象的面部图像是否存在遮挡可以是当面部结构不完整时,即缺少某一结构,即判定识别对象的面部存在遮挡。
该实施例中,预设深度学习网络模型是提前设定好的,用于对人脸面部特征数据进行分析。
该实施例中,结构特征可以是与被遮挡区域相邻的面部结构的轮廓特征等。
该实施例中,人脸面部特征可以是识别对象的具体的面部结构特点,具体为识别对象的眼睛、鼻子、嘴巴以及耳朵等之间的间距等。
该实施例中,目标标识可以是用于标记不同人脸面部特征的一种标记标签,通过该标记标签可快速确定该人脸面部特征的类型。
该实施例中,预设人脸特征库是提前设定好的,用于存储不同识别对象的人脸面部特征以及对应的身份信息。
该实施例中,基准人脸图像可以是识别对象在进行人脸录入时,在系统内部录入的人脸图像。
上述技术方案的工作原理是:通过确定根据采集到的识别对象的面包不图像确定识别对象的人脸面部特征数据,并根据人脸面部特征数据实现对识别对象的面部结构特征进行准确判断,且根据面部结构特征实现对识别对象是否存在面部被遮挡的情况进行有效分析,同时,当识别对象的面部被遮挡时,根据与遮挡部位相邻的面部结构特征和对用户完整的脸部图像进行修复,从而实现对识别对象脸部特征进行有效的确认,最后将识别对象的脸部特征与预设人脸特征库进行匹配,实现对用户权限进行准确的验证。
上述技术方案的有益效果是:通过对用户面部结构特征继续宁分析,确保得到的识别对象的面部特征准确有效,最终将面部图像与预设人脸特征库进行匹配,实现对识别对象的身份信息进行准确有效的验证,提高了对目标场馆的管理效果。
实施例7:
在实施例1的基础上,本实施例提供了一种智慧场馆人脸识别控制系统,所述分析模块,基于分析结果对所述识别对象进行权限验证,包括:
结果获取单元,用于获取管理终端对所述面部图像的分析结果,并基于所述分析结果确定识别对象的身份信息;
权限认证单元,用于基于所述身份信息向服务器发送权限认证请求,且所述服务器基于所述权限认证请求调取预设权限记录表,其中,所述预设权限记录表中存储有身份信息与权限的对应关系;
所述权限认证单元,还用于将所述识别对象的身份信息与所述预设权限记录表进行匹配,并基于匹配结果确定所述识别对象是否具有权限;
当所述预设权限记录表中存在与所述识别对象的身份信息相匹配的目标记录信息时,判定所述识别对象具有权限;
否则,判定所述识别对象不具有权限。
该实施例中,权限认证请求是人脸识别监控点向管理终端发送的,用于请求管理终端对当前识别到的身份信息进行权限验证。
该实施例中,预设权限记录表是提前设定好的,用于记录不同工作人员的身份信息以及对应的权限信息。
该实施例中,目标记录信息可以是与当前识别对象身份信息相一致的在预设权限记录表中存储的身份信息。
上述技术方案的工作原理是:通过根据识别对象的身份信息向管理终端发送权限验证请求,且管理终端在接收到权限验证请求后,将识别对象的身份信息与预设权限记录表进行匹配,从而实现对根据身份信息对识别对象的权限进行验证。
上述技术方案的有益效果是:通过将识别对象的身份信息与预设权限记录表进行匹配,实现对识别对象进行准确有效的权限验证,确保了对识别对象对目标场馆的控制权限进行有效判定,从而提高了目标场馆运行的安全系数,也保障了目标场馆的运行效果。
实施例8:
在实施例1的基础上,本实施例提供了一种智慧场馆人脸识别控制系统,控制执行模块,用于基于验证结果执行相应操作,包括:
验证结果获取单元,用于获取对所述识别对象进行权限验证的验证结果,并当所述验证结果判定为所述识别对象通过权限验证时,调取所述识别对象的控制权限;
控制单元,用于基于所述控制权限向管理终端发送触发指令,且所述管理终端对所述触发指令进行解析,确定所述控制权限对应的控制项目;
指令生成单元,用于确定所述控制项目的属性信息,并基于所述属性信息生成目标控制指令;
执行单元,用于基于所述目标控制指令控制所述控制项目运行。
该实施例中,触发指令是用于向管理终端表明当前识别对象具有相应的控制权限,并控制相应的终端或设备执行相应的操作。
该实施例中,控制项目可以是当前识别对象能够控制的设备类型或是智能终端等。
该实施例中,属性信息可以是控制项目的执行功能以及器件或终端的类型。
该实施例中,目标控制指令可以是用于控制相对应的控制项目执行相应的运行功能。
上述技术方案的工作原理是:通过当识别对象通过权限验证时,向管理终端发送相应的触发指令,且管理终端对除法指令进行分析,确定识别对象控制权限对应的控制项目,同时确定控制项目的属性信息,从而生成相应的控制指令,并通过控制指令控制相应的控制项目进行工作。
上述技术方案的有益效果是:通过对识别对象的控制权限进行分析,确定识别对象控制权限对应的控制项目,实现根据控制权限准确锁定相应的控制项目,同时根据控制指令控制相应的控制项目进行运行,提高了对目标场馆的管理以及控制的准确率以及效果。
实施例9:
在实施例8的基础上,本实施例提供了一种智慧场馆人脸识别控制系统,验证结果获取单元,包括:
结果分析子单元,用于当所述验证结果判定为所述识别对象未通过权限验证时,确定所述识别对象所在人脸识别监控点的目标位置;
报警子子单元,用于将所述目标位置传输至控制终端,并基于所述控制终端向管理人员进行报警提醒;
所述报警子单元,还用于基于控制终端根据所述目标位置控制人脸识别监控点的预设报警装置进行同步报警。
该实施例中,目标位置可以是未通过人脸识别监控点在目标场馆内的位置信息。
上述技术方案的有益效果是:通过对识别对象未通过权限验证时,向管理终端发送报警提醒,同时,通过人脸识别监控点对当前识别对象进行报警,便于管理人员及时发现异常情况,同时提高了对目标场馆的监控以及管理效果。
实施例10:
在实施例1的基础上,本实施例提供了一种智慧场馆人脸识别控制系统,所述分析模块,还包括:
面部特征获取单元,用于当所述管理终端对所述识别对象的面部图像进行分析后,基于分析结果确定所述识别对象的第一面部特征;
网络构建单元,用于将所述第一面部特征作为所述识别对象的基准网络分布参数建立关于所述识别对象的人脸识别网络,同时,将所述第一面部特征作为所述人脸识别网络的第一记忆节点;
所述面部特征获取单元,还用于当所述管理终端对所述识别对象的面部图像进行第二次收集并分析后,确定所述识别对象的第二面部特征;
特征比较单元,用于将所述第一面部特征与所述第二面部特征进行比较,判断所述第二面部特征与所述第二面部特征的面部特征差,同时,将所述面部特征差作为所述人脸识别网络的第二记忆节点;
模型更新优化单元,用于将所述第二记忆节点在所述第一记忆节点的基础上进行累加,并基于累加结果实时对所述人脸识别网络进行更新并优化。
该实施例中,第一面部特征可以是识别对象进行第一次识别后获取的面部图像进行分析后的面部特征。
该实施例中,第二面部特征可以是识别对象进行第二次识别后获取的面部图像进行分析后的面部特征。
该实施例中,第一记忆节点可以是在人脸识别网络中最初的记忆节点。
该实施例中,第二记忆节点可以是识别对象进行第二次人脸识别后获取的第二面部特征与第二面部特征之间的面部特征差确定的记忆节点。
上述技术方案的工作原理是:由于识别对象每次进行人脸识别时,识别对象的面部特征无论从角度以及面部表情等都会与前一次识别的面部特征有细微的差距,因此,不断获取第二面部特征,不断分析识别对象的面部特征的差别,从而不断获取新的记忆节点,进而实现对识别对象的人脸识别网络的优化更新。
上述技术方案的有益效果是:通过建立人脸识别网络,并通过第一记忆节点与第二记忆节点对人脸识别网络进行实时更新优化,从而提高了识别对象进行人脸识别的精准度以及识别效率。
实施例11:
在实施例10的基础上,所述面部特征获取单元,还包括:基于面部图像的目标向量集计算面部图像的向量均值,并基于所述向量均值计算每张面部图像的目标向量与所述向量均值的目标差值,且基于所述目标差值计算面部图像的基准向量,具体过程包括:
量化子单元,用于基于所述管理终端收集多张所述识别对象的面部图像,并对多张面部图像进行图像量化处理,得到所述识别对象的面部图像的目标向量集;
第一计算子单元,用于根据如下公式计算面部图像的向量均值:
其中,ω表示所述面部图像的向量均值;δ表示量化因子,且取值范围为(0.99,1.02);n表示所述面部图像的总张数;i表示当前张面部图像,且取值范围为[1,n];ki表示第i张面部图像的目标向量;
第二计算子单元,用于基于所述向量均值计算每张面部图像的目标向量与所述向量均值的目标差值:
φi=ki-ω;
其中,φi表示所述第i张面部图像的目标向量与所述向量均值的目标差值;
第三计算子单元,用于基于所述目标差值计算面部图像的基准向量:
其中,μi表示第i张面部图像的基准向量;τi表示第i张面部图像的单位向量;T表示对第i张面部图像的单位向量的转置;
特征确定子单元,用于将计算得到的每张面部图像的基准向量进行综合,并基于综合结果确定所述识别对象的第一面部特征,同时,将所述第一面部特征作为所述识别对象的基准网络分布参数建立关于所述识别对象的人脸识别网络。
上述技术方案的工作原理是:通过采集多张识别对象的面部图像,并将面部图像转换为相应的目标向量,根据面部图像的目标向量集计算面部图像的向量均值,并基于所述向量均值计算每张面部图像的目标向量与所述向量均值的目标差值,且基于所述目标差值计算面部图像的基准向量,从而根据每张面部图像的基准向量实现对识别对象的第一面部特征的提取。
上述技术方案的有益效果是:通过计算每张面部图像的目标向量与均值向量的差值,实现对每张面部图像的基准向量进行准确有效的计算,从而便于根据计算结果实现对识别对象的脸部特征进行精准的获取,为准确构建识别对象的人脸识别网络提供了便利以及保障,从而确保识别结果更加准确可靠。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.智慧场馆人脸识别控制系统,其特征在于,包括:
图像采集模块,用于基于目标场馆的人脸识别监控点采集识别对象的面部图像;
图像传输模块,用于获取人脸识别监控点的第一数据通讯接口,并确定所述人脸识别监控点的图像传输方式;
在管理终端建立图像接收窗口,并根据所述人脸识别监控点的图像传输方式设定所述图像接收窗口的图像接收方式;
获取所述管理终端的第二数据通讯接口,同时,将所述第一数据通讯接口与所述第二数据通讯接口进行接口适配;
当完成接口适配时确定所述第一数据通讯接口的第一接口标识与所述第二数据通讯接口的第二接口标识;
根据所述第一接口标识与所述第二接口标识确定数据通讯协议,同时,根据所述数据通讯协议建立人脸识别监控点与所述管理终端的分布式通讯链路;
基于所述分布式通讯链路根据所述图像传输方式将人脸识别监控点采集的面部图像进行传输,并控制图像接收窗口根据所述图像接收方式对所述面部图像进行接收;
分析模块,用于基于管理终端对接收到的所述面部图像进行分析,并基于分析结果对所述识别对象进行权限验证;
控制执行模块,用于基于验证结果执行相应操作;
分析模块,还包括:
面部特征获取单元,用于当所述管理终端对所述识别对象的面部图像进行分析后,基于分析结果确定所述识别对象的第一面部特征;
网络构建单元,用于将所述第一面部特征作为所述识别对象的基准网络分布参数建立关于所述识别对象的人脸识别网络,同时,将所述第一面部特征作为所述人脸识别网络的第一记忆节点;
所述面部特征获取单元,还用于当所述管理终端对所述识别对象的面部图像进行第二次收集并分析后,确定所述识别对象的第二面部特征;
特征比较单元,用于将所述第一面部特征与所述第二面部特征进行比较,判断所述第二面部特征与所述第二面部特征的面部特征差,同时,将所述面部特征差作为所述人脸识别网络的第二记忆节点;
模型更新优化单元,用于将所述第二记忆节点在所述第一记忆节点的基础上进行累加,并基于累加结果实时对所述人脸识别网络进行更新并优化。
2.根据权利要求1所述的智慧场馆人脸识别控制系统,其特征在于,所述图像采集模块中,基于目标场馆的人脸识别监控点采集识别对象的面部图像之前,还包括:
目标场馆读取单元,用于对所述目标场馆的空间构造进行读取,确定所述目标场馆的结构特征;
敏感监控位置确认单元,用于调取所述目标场馆的场馆工作性质,并结合所述目标场馆的结构特征确定所述目标场馆的敏感监控位置;
人脸识别监控点确认单元,用于在所述目标场馆的敏感监控位置设定所述人脸识别装置,并将所述人脸识别装置作为所述目标场馆的人脸识别监控点。
3.根据权利要求1所述的智慧场馆人脸识别控制系统,其特征在于,所述图像传输模块中,根据所述人脸识别监控点的图像传输方式设定所述数据接收窗口的图像接收方式,包括:
图像传输方式读取单元,用于读取所述人脸识别监控点的图像传输方式,确定对面部图像进行传输的图像格式以及图像传输方向;
图像接收方式获取单元,用于基于对所述面部图像进行传输的图像格式确定在所述图像接收窗口的图像接收格式,同时,基于所述面部图像进行传输的图像传输方向确定在所述图像接收窗口的图像接收方向;
所述图像接收方式获取单元,还用于基于所述图像接收格式以及所述图像接收方向确定所述图像接收窗口的图像接收方式。
4.根据权利要求1所述的智慧场馆人脸识别控制系统,其特征在于,所述图像传输模块,还包括:
通讯子链路确认单元,用于分别确定每个人脸识别监控点与所述管理终端进行数据传输的通讯子链路;
链路名称确认单元,用于获取所述人脸识别监控点的监控标识,并基于所述监控标识定义所述通讯子链路的链路名称;
日志建立单元,用于在所述管理终端中基于所述通讯子链路建立子数据管理日志,其中,所述通讯子链路与所述子数据管理日志一一对应,同时,将所述链路名称作为所述子数据管理日志的日志标题。
5.根据权利要求1所述的智慧场馆人脸识别控制系统,其特征在于,所述图像采集模块中,采集识别对象的面部图像后,还包括:
图像读取单元,用于读取所述识别对象的面部图像,确定所述面部图像的图像参数;
判断单元,用于将所述面部图像的图像参数与基准图像参数进行比较,判断所述面部图像是否需要进行调整;
当所述面部图像的图像参数与所述基准图像参数相同时,则判定所述面部图像不需要进行调整;
否则,则判定所述面部图像需要进行调整;
图像调整单元,用于当所述面部图像需要进行调整时,基于所述基准图像参数对所述面部图像的图像参数进行自动校准,并获取基准面部图像;
图像处理单元,用于对所述基准面部图像进行图像灰度化处理,并根据处理结果确定所述基准面部图像中每个像素点的像素灰度值;
所述图像处理单元,还用于确定所述基准面部图像中每个像素点的像素灰度值的数值分布特征,并基于所述数值分布特征确定像素灰度值的众数,并将所述众数对应的像素灰度值作为所述基准面部图像的背景灰度阈值;
所述图像处理单元,还用于计算所述基准面部图像的像素灰度值的平均值,并基于所述像素灰度值的平均值确定所述基准面部图像的色调阈值;
所述图像处理单元,还用于基于所述背景灰度阈值与所述色调阈值对所述基准面部图像进行色调补偿处理;
人脸轮廓确定单元,用于读取色调补偿后的基准面部图像的人脸信息,并根据所述人脸信息确定人脸特征点;
边缘偏差确认单元,用于调取预设人脸特征模型,并将所述人脸特征点输入至所述预设人脸特征模型中进行轮廓边缘界定,并基于界定结果确定所述色调补偿后的基准面部图像中人脸轮廓的边缘偏差;
所述图像处理单元,还用于基于所述人脸轮廓的边缘偏差对所述色调补偿后的基准面部图像进行偏差消除操作,并根据操作结果获取最终的人脸面部图像。
6.根据权利要求1所述的智慧场馆人脸识别控制系统,其特征在于,所述分析模块,用于基于管理终端对所述面部图像进行分析,包括:
图像获取单元,用于获取采集到的识别对象的面部图像,并提取所述面部图像中的人脸面部特征数据;
人脸分析单元,用于基于所述人脸面部特征数据确定所述识别对象的面部结构,并基于所述面部结构判断所述识别对象的面部图像是否存在遮挡;
人脸处理单元,用于将所述人脸面部特征数据输入预设深度学习网络模型进行深度学习,确定与被遮挡区域相邻的面部的结构特征,并基于所述结构特征对被遮挡区域进行图像修复,得到所述识别对象的人脸面部特征;
身份确定单元,用于确定所述人脸面部特征的目标标识,并基于所述目标标识向服务器发送身份验证请求;
所述身份确定单元,还用于基于所述身份请求将所述人脸面部特征与预设人脸特征库进行匹配,得到所述人脸面部特征对应的基准人脸图像,并基于所述基准人脸图像确定所述识别对象的身份信息,其中,所述基准人脸图像携带有对应人员的身份信息。
7.根据权利要求1所述的智慧场馆人脸识别控制系统,其特征在于,所述分析模块,基于分析结果对所述识别对象进行权限验证,包括:
结果获取单元,用于获取管理终端对所述面部图像的分析结果,并基于所述分析结果确定识别对象的身份信息;
权限认证单元,用于基于所述身份信息向服务器发送权限认证请求,且所述服务器基于所述权限认证请求调取预设权限记录表,其中,所述预设权限记录表中存储有身份信息与权限的对应关系;
所述权限认证单元,还用于将所述识别对象的身份信息与所述预设权限记录表进行匹配,并基于匹配结果确定所述识别对象是否具有权限;
当所述预设权限记录表中存在与所述识别对象的身份信息相匹配的目标记录信息时,判定所述识别对象具有权限;
否则,判定所述识别对象不具有权限。
8.根据权利要求1所述的智慧场馆人脸识别控制系统,其特征在于,控制执行模块,用于基于验证结果执行相应操作,包括:
验证结果获取单元,用于获取对所述识别对象进行权限验证的验证结果,并当所述验证结果判定为所述识别对象通过权限验证时,调取所述识别对象的控制权限;
控制单元,用于基于所述控制权限向管理终端发送触发指令,且所述管理终端对所述触发指令进行解析,确定所述控制权限对应的控制项目;
指令生成单元,用于确定所述控制项目的属性信息,并基于所述属性信息生成目标控制指令;
执行单元,用于基于所述目标控制指令控制所述控制项目运行。
9.根据权利要求8所述的智慧场馆人脸识别控制系统,其特征在于,验证结果获取单元,包括:
结果分析子单元,用于当所述验证结果判定为所述识别对象未通过权限验证时,确定所述识别对象所在人脸识别监控点的目标位置;
报警子子单元,用于将所述目标位置传输至控制终端,并基于所述控制终端向管理人员进行报警提醒;
所述报警子单元,还用于基于控制终端根据所述目标位置控制人脸识别监控点的预设报警装置进行同步报警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210737163.2A CN115019258B (zh) | 2022-06-27 | 2022-06-27 | 智慧场馆人脸识别控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210737163.2A CN115019258B (zh) | 2022-06-27 | 2022-06-27 | 智慧场馆人脸识别控制系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115019258A CN115019258A (zh) | 2022-09-06 |
CN115019258B true CN115019258B (zh) | 2023-07-25 |
Family
ID=83076080
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210737163.2A Active CN115019258B (zh) | 2022-06-27 | 2022-06-27 | 智慧场馆人脸识别控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115019258B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101505412A (zh) * | 2009-03-11 | 2009-08-12 | 上海伯里春贸易有限公司 | 宾馆、写字楼和娱乐场所人像采集识别监控系统及方法 |
CN101957911B (zh) * | 2010-09-29 | 2012-11-28 | 汉王科技股份有限公司 | 一种人脸识别方法及系统 |
CN110430390A (zh) * | 2019-06-24 | 2019-11-08 | 安徽和润智能工程有限公司 | 一种楼道人脸识别监控系统 |
CN112767569A (zh) * | 2020-12-18 | 2021-05-07 | 山东盛帆蓝海电气有限公司 | 基于人脸识别的智能楼宇人员监控系统及方法 |
CN112966575B (zh) * | 2021-02-23 | 2023-04-18 | 光控特斯联(重庆)信息技术有限公司 | 一种应用于智慧社区的目标人脸识别方法及装置 |
-
2022
- 2022-06-27 CN CN202210737163.2A patent/CN115019258B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115019258A (zh) | 2022-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP1629415B1 (en) | Face identification verification using frontal and side views | |
US11837017B2 (en) | System and method for face recognition based on dynamic updating of facial features | |
JP3469031B2 (ja) | 顔画像登録装置及びその方法 | |
EP3312762A1 (en) | Method and system for tracking an object in a defined area | |
KR102244180B1 (ko) | 자동 얼굴 등록 및 갱신에 기반한 얼굴인식 출입 통제 시스템 및 방법 | |
CN112950569B (zh) | 黑色素瘤图像识别方法、装置、计算机设备及存储介质 | |
CN112839200B (zh) | 基于5g技术的电厂违章行为识别方法、系统和网络服务端 | |
KR20190093799A (ko) | Cctv를 통한 실시간 실종자 얼굴 인식 시스템 및 그 방법 | |
CN110244574A (zh) | 智能家居控制方法、装置、系统和存储介质 | |
CN116644825B (zh) | 一种基于大数据的门诊信息查询预约管理系统 | |
CN112528860A (zh) | 基于图像识别的安全工器具管理方法及系统 | |
CN106355056B (zh) | 一种进行时空唯一性与连续性判断的身份鉴别方法与系统 | |
CN111675059A (zh) | 基于人脸识别的电梯控制方法、装置和计算机设备 | |
KR20020022295A (ko) | 3차원 정보를 이용한 얼굴 인식 장치 및 방법 | |
CN115019258B (zh) | 智慧场馆人脸识别控制系统 | |
CN110211266A (zh) | 一种门禁人脸识别系统及方法 | |
CN116452379B (zh) | 一种基于大数据的智慧校园管理系统 | |
CN116612570A (zh) | 一种基于人脸智能识别的人员流通管理系统及管理方法 | |
CN115410113A (zh) | 基于计算机视觉的跌倒检测方法、装置及存储介质 | |
CN111985460B (zh) | 一种基于红外测温与人脸识别的体温异常告警方法及系统 | |
CN112182537A (zh) | 监控方法、装置、服务器、系统以及存储介质 | |
CN114241633B (zh) | 一种智能门锁的远程控制系统 | |
CN113158920B (zh) | 特定动作识别模型的训练方法、装置以及计算机设备 | |
CN115953267B (zh) | 一种智能工地管理系统 | |
CN114399787B (zh) | 一种基于ai的牛脸识别方法 |
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 |