CN115240264A - 访客风险值评估方法及系统 - Google Patents
访客风险值评估方法及系统 Download PDFInfo
- Publication number
- CN115240264A CN115240264A CN202211146604.8A CN202211146604A CN115240264A CN 115240264 A CN115240264 A CN 115240264A CN 202211146604 A CN202211146604 A CN 202211146604A CN 115240264 A CN115240264 A CN 115240264A
- Authority
- CN
- China
- Prior art keywords
- visitor
- risk value
- information
- real
- time
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 21
- 230000009471 action Effects 0.000 claims abstract description 52
- 238000013210 evaluation model Methods 0.000 claims abstract description 22
- 230000006399 behavior Effects 0.000 claims description 54
- 238000000034 method Methods 0.000 claims description 32
- 230000001815 facial effect Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 9
- 230000008451 emotion Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000002829 reductive effect Effects 0.000 abstract description 9
- 238000005516 engineering process Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 238000013475 authorization Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012502 risk assessment Methods 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005538 encapsulation Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 210000003128 head Anatomy 0.000 description 2
- 230000008595 infiltration Effects 0.000 description 2
- 238000001764 infiltration Methods 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 241000207961 Sesamum Species 0.000 description 1
- 235000003434 Sesamum indicum Nutrition 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 210000004709 eyebrow Anatomy 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000266 injurious effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- GOLXNESZZPUPJE-UHFFFAOYSA-N spiromesifen Chemical compound CC1=CC(C)=CC(C)=C1C(C(O1)=O)=C(OC(=O)CC(C)(C)C)C11CCCC1 GOLXNESZZPUPJE-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- 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
-
- 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
- G06V40/172—Classification, e.g. identification
-
- 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
- G06V40/174—Facial expression recognition
-
- 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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Resources & Organizations (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Computer Security & Cryptography (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开的访客风险值评估方法及系统,涉及安防管理技术领域,通过追溯访客进入目标区域之前在设定区域、设定时间段内的行为特征信息,并将行为特征信息输入已训练好的第一风险值评估模型,得到访客对应的第一风险值;获取访客的身份信息,并根据访客的身份信息获取访客的信用信息,将访客的信用信息输入已训练好的第二风险值评估模型,得到访客对应的第二风险值;对访客进入目标区域之后的行动轨迹进行跟踪,生成访客的实时行动轨迹信息及对应的实时场景信息,根据实时行动轨迹信息及实时场景信息,实时评估访客的第三风险值;能够有效降低风险发生概率,增强目标区域内的安全性,提高安防管理水平。
Description
技术领域
本发明涉及安防管理技术领域,具体涉及一种访客风险值评估方法及系统,属于公共安全技术领域。
背景技术
人脸识别技术,是基于人的脸部特征信息进行身份识别的一种生物识别技术,可以通过用摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,来对检测到的人脸进行识别。目前人脸识别主要用于进行身份认证,例如,企业单位可基于人脸识别技术采集企业职工的人脸信息,以识别企业职工的身份,通常用于企业在门禁系统和考勤系统中的身份认证。又例如,金融机构可基于人脸识别技术来进行活体识别,如在用户办理业务时进行身份认证等,再例如,公安机构可基于人脸识别技术对逃犯进行定位。
随着社会进步和科学技术的不断发展,区域内的安防管理越来越被重视,一些外来人员的进入可能会对区域内的人员、设备或生产工作等带来安全隐患。人脸识别系统作为一种有效的安防管理方式,在社区、企业、院校等众多类型的场所中都可以发挥出重要的安全保障作用。随着深度学习、大数据等技术的不断发展,使得人脸识别技术在安防管理领域应用成为可能。人脸识别技术所带来的效果在某些条件下,已经超越人眼识别。
目前的安防管理方式主要通过人工判断欲进入目标区域的人员是否为内部人员,若不是内部人员,则要求在现场登记信息后以访客身份进入目标区域,并未针对性地关注该访客进入目标区域后的行为,而通常是在发现安全问题之后才会反过来查看该访客进入目标区域后的历史视频数据。现有安防管理方式较为疏松,导致盗窃等治安事件发生率较高,安防管理水平较差。
发明内容
为了克服现有技术存在的未对该访客进入目标区域后的行动轨迹进行跟踪,安防管理水平较差的不足,本发明提出了一种访客风险值评估方法及系统。
为了实现上述目的,本发明采用以下技术方案:
第一方面,本发明实施例提供的访客风险值评估方法包括以下步骤:
判断欲进入目标区域的人员是否为访客,若是,则追溯所述访客进入目标区域之前在设定区域、设定时间段内的行为特征信息,并将所述行为特征信息输入已训练好的第一风险值评估模型,得到所述访客对应的第一风险值,其中,所述行为特征信息包括面部情绪特征信息及动作特征信息;
获取所述访客的身份信息,并根据所述访客的身份信息获取所述访客的信用信息,将所述访客的信用信息输入已训练好的第二风险值评估模型,得到所述访客对应的第二风险值,其中,所述信用信息包括所述访客的社会信用信息和/或经济信用信息;
对所述访客进入目标区域之后的行动轨迹进行跟踪,生成所述访客的实时行动轨迹信息及对应的实时场景信息,根据所述实时行动轨迹信息及所述实时场景信息,实时评估所述访客的第三风险值;
根据所述第一风险值、所述第二风险值及所述第三风险值,计算所述访客当前的风险值。
作为本发明一个优选的实现方式,追溯所述访客进入目标区域之前在设定区域、设定时间段内的行为特征信息包括:
追溯所述访客在所述目标区域附近第一区域范围及设定时间段内产生的第一行为特征信息,将该第一行为特征信息输入已训练好的第一风险值评估模型,得到所述访客对应的初始风险值,判断所述初始风险值是否落入预设的范围,若未落入,则将所述初始风险值作为第一风险值。
作为本发明一个优选的实现方式,追溯所述访客进入目标区域之前在设定区域、设定时间段内的行为特征信息还包括:
若所述初始风险值落入预设的所述范围,则进一步追溯所述访客在所述目标区域附近第二区域范围及设定时间段内产生的第二行为特征信息,将所述第二行为特征信息输入已训练好的第一风险值评估模型,得到所述访客对应的第一风险值,其中,所述第二区域范围的面积大于所述第一区域范围的面积。
作为本发明一个优选的实现方式,根据所述实时行动轨迹信息及所述实时场景信息,实时评估所述访客的风险值包括:
根据所述实时行动轨迹信息,判断所述访客是否进入所述目标区域中许可区域以外的区域;
若确定所述访客已经进入所述目标区域中许可区域以外的区域,则根据所述访客所进入所述目标区域中许可区域以外的区域预设的安全等级,评估所述访客的风险值。
作为本发明一个优选的实现方式,根据所述实时行动轨迹信息及所述实时场景信息,实时评估所述访客的风险值还包括:
根据所述实时行动轨迹信息,记录所述访客在所述目标区域中许可区域以外的区域中的停留时间并根据所述停留时间,实时调整所述访客当前的风险值。
作为本发明一个优选的实现方式,根据所述实时行动轨迹信息及所述实时场景信息,实时评估所述访客的风险值还包括:
根据所述实时场景信息,判断所述访客身边是否有陪同人员;
若确定所述访客身边有陪同人员,则识别所述陪同人员的身份并根据所述陪同人员的身份及预设的规则,实时调整所述访客当前的风险值。
作为本发明一个优选的实现方式,根据所述第一风险值、所述第二风险值及所述第三风险值,计算所述访客当前的风险值包括:
根据公式W=W1×S1+W2×S2+W3×S3,计算所述访客当前的风险值W,其中,W1为第一权重、W2为第二权重、W3为第三权重,S1为第一风险值、S2为第二风险值、S3为第三风险值。
第二方面,本发明实施例提供了一种访客风险值评估统,该系统包括:
判断模块,被配置为判断欲进入目标区域的人员是否为访客,若是,则追溯所述访客进入目标区域之前在设定区域、设定时间段内的行为特征信息,并将所述行为特征信息输入已训练好的第一风险值评估模型,得到所述访客对应的第一风险值,其中,所述行为特征信息包括面部情绪特征信息及动作特征信息;
获取模块,被配置为获取所述访客的身份信息,并根据所述访客的身份信息获取所述访客的信用信息,将所述访客的信用信息输入已训练好的第二风险值评估模型,得到所述访客对应的第二风险值,其中,所述信用信息包括所述访客的社会信用信息和/或经济信用信息;
跟踪模块,被配置为对所述访客进入目标区域之后的行动轨迹进行跟踪,生成所述访客的实时行动轨迹信息及对应的实时场景信息,根据所述实时行动轨迹信息及所述实时场景信息,实时评估所述访客的第三风险值;
计算模块,被配置为根据所述第一风险值、所述第二风险值及所述第三风险值,计算所述访客当前的风险值。
第三方面,本发明实施例提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行上述第一方面所述的方法。
第四方面,本发明实施例提供了一种电子设备,所述电子设备包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现上述第一方面所述的方法。
本发明实施例提供的访客风险值评估方法及系统具有以下有益效果:
(1)通过追溯访客进入目标区域之前在设定区域、设定时间段内的行为特征信息,根据该行为特征信息来评估访客的风险值,能够通过对访客进入目标区域之前的行为进行分析,来预测访客可能带来的风险,进而能够对访客进入目标区域后的行动轨迹进行预防性跟踪,能够降低风险发生概率,增强目标区域内的安全性,提高安防管理水平;
(2)通过获取访客的信用信息,并基于该信用信息评估访客的风险值,能够对访客可能带来的风险作更全面的评估,从而保证最终确定的风险值能够更为准确的反映访客带来的风险可能性,实现更准确的访客风险预测;
(3)通过追溯进入目标区域前访客的行为特征信息,并结合访客的信用信息及实时跟踪该访客进入目标区域后的行动轨迹,能够对访客的风险值作实时地综合性评估,以便在风险等级较高时及时地启动警报机制,能够进一步降低目标区域内的风险发生概率,增强目标区域内的安全性,提高安防管理水平。
附图说明
图1为本发明实施例提供的访客风险值评估方法流程示意图;
图2为本发明实施例提供的访客风险值评估系统结构示意图;
图3为本发明实施例提供的电子设备的结构示意图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
实施例1
如图1所示,本发明实施例提供的访客风险值评估方法包括以下步骤:
S101,判断欲进入目标区域的人员是否为访客,若是,则追溯所述访客进入目标区域之前在设定区域、设定时间段内的行为特征信息,并将所述行为特征信息输入已训练好的第一风险值评估模型,得到所述访客对应的第一风险值,其中,所述行为特征信息包括面部情绪特征信息及动作特征信息。
在一种可实现的方式中,该目标区域可以为一栋楼中的某层,也可以为一栋楼,也可以为一个园区。面部情绪特征信息为脸部、眼睛、眉毛、嘴巴等部位表现出来的特征,动作特征信息为头部、手部及脚部的动作特征,比如头部的摆动方向、频率,脚部走路的速度,手部是否触碰到物品等。
可选地,追溯所述访客进入目标区域之前在设定区域、设定时间段内的行为特征信息包括:
追溯所述访客在所述目标区域附近第一区域范围及设定时间段内产生的第一行为特征信息,将该第一行为特征信息输入已训练好的第一风险值评估模型,得到所述访客对应的初始风险值,判断所述初始风险值是否落入预设的范围内,若未落入,则将所述初始风险值作为第一风险值。在一些实施例中,若初始风险值落入该预设的范围,可表征追溯到的访客在第一区域范围及设定时间段内的行为是可疑行为或危险行为,需要进一步对其可疑程度或危险程度作判定。在一些实施例中,若初始风险值未落入该预设的范围,可表征追溯到的访客在第一区域范围及设定时间段内的行为是正常行为。
可选地,追溯所述访客进入目标区域之前在设定区域、设定时间段内的行为特征信息还包括:
若所述初始风险值落入预设的所述范围内,则进一步追溯所述访客在所述目标区域附近第二区域范围及设定时间段内产生的第二行为特征信息,将该第一行为特征信息输入已训练好的第一风险值评估模型,得到所述访客对应的第一风险值,其中,所述第二区域范围的面积大于所述第一区域范围的面积。在一些实施例中,用于追溯第二行为特征信息的设定时间段包含用于追溯第一行为特征信息的设定时间段。
作为一个示例,若欲进入一栋楼中某楼层的人员为访客,追溯访客在进入该楼层前10分钟内在第一区域产生的第一行为特征信息并将该第一行为特征信息输入预先训练好的第一风险值评估模型,若得到的初始风险值未落入预设的范围,则说明该第一行为特征信息对应正常行为,则将该初始风险值作为该访客的第一风险值;若该初始风险值落入预设的所述范围,说明该访客在该时间段内的行为为可疑行为,进一步追溯该访客在进入该栋楼前20分钟内在第二区域产生的第二行为特征信息并将该第二行为特征信息输入预先训练好的第一风险值评估模型,得到第一风险值。当该第一风险值大于设定的第一阈值时,则触发警报系统并通过人工进一步核实该访客的身份信息。
在一些实施例中,基于生物识别技术,如人脸识别技术,判断欲进入目标区域的人员是否为访客。例如,目标区域入口处设置有人脸识别系统,当检测到有人员要进入目标区域时,通过该人脸识别系统识别要进入目标区域的人员的面部特征,并基于该面部特征判断该人员是否为访客。可将欲进入目标区域的人员的面部特征与内部人员人脸数据库进行匹配,若匹配成功,则确定为内部人员(直接放行且无需跟踪),若匹配不成功,则确定为访客。
S102,获取所述访客的身份信息,并根据所述访客的身份信息获取所述访客的信用信息,将所述访客的信用信息输入已训练好的第二风险值评估模型,得到所述访客对应的第二风险值,其中,所述信用信息包括所述访客的社会信用信息和/或经济信用信息。
在一种可实现的方式中,在获取访客的身份信息后(如身份证号),可以根据客户的身份信息,生成相应的信用信息获取请求并将该信用信息获取请求发送到至少一个信用平台,之后接收所述至少一个信用平台反馈的至少一个信用信息。可选地,信用平台在接收到信用信息获取请求之后,先基于信用信息获取请求中的身份信息确定访客是否有信用授权,若有,反馈该访客对应的信用信息,否则不执行操作或者生成用于指示访客在该信用平台上无信用授权的指示信息并反馈。可选地,若访客在所述至少一个信用平台上均无信用授权,则可将预设的基础信用信息作为所述访客的信用信息,或者也可直接给定该访客一个默认的第二风险值。可选地,在获取访客的信用信息之后,可将访客的身份信息及其对应的信用信息存储至访客数据库中。可选地,获取所述访客的身份信息之后,可先判断所述访客是否为最近一段时间内的历史访客,若是,在访客数据库中查询该访客的信用信息,若否,再向至少一个信用平台请求该访客的信用信息,并当获得该访客的信用信息之后更新至访客数据库中。
具体地,社会信用信息包括违法犯罪信息、社会名誉信息等,经济信用信息包括个人征信、芝麻信用等信息。
S103,对所述访客进入目标区域之后的行动轨迹进行跟踪,生成所述访客的实时行动轨迹信息及对应的实时场景信息,根据所述实时行动轨迹信息及所述实时场景信息,实时评估所述访客的第三风险值。
具体地,目标区域内设置有多个摄像头,对于进入目标区域的访客,通过该多个摄像头采集图像或视频流,来自动检测和跟踪该访客在进入目标区域之后的行动轨迹。通过对访客的行动轨迹进行跟踪,可得知访客在目标区域内所经过或进入的各个区域,每个区域的进出时间等信息。
S104,根据所述第一风险值、所述第二风险值及所述第三风险值,计算所述访客当前的风险值。
在一种可能的实现方式中,根据各个风险值的重要程度,分别为第一风险值、第二风险值及第三风险值设置相应的权重。
可选地,根据公式W=W1×S1+W2×S2+W3×S3,计算所述访客当前的风险值W,其中,W1为第一权重、W2为第二权重、W3为第三权重,S1为第一风险值、S2为第二风险值、S3为第三风险值。
在一种可实现的方式中,一般认为访客进入目标区域后得到的第三风险值的参考性最强,对应的重要程度最大。按照重要程度从小到大的依次排序:第一风险值、第二风险值、第三风险值,对应的第一权重、第二权重及第三权重依次增大。
可选地,在确定欲进入所述目标区域的人员为访客之后,该方法还包括:
判断所述访客是否为已预约访客;
若确定所述访客为已预约访客,则判断当前时间与所述访客的预约时间是否匹配;
若确定当前时间与所述访客的预约时间不匹配,则禁止所述访客进入所述目标区域。
具体地,人脸识别系统可支持访客的远程预约。例如,用户可在APP上发起远程预约请求,当接收到用户的远程预约请求后,远程对用户进行人脸识别来获取用户的面部特征,并将该用户的面部特征以及该用户的访问预约信息存在至访客数据库中,当有人员要进入目标区域后,入口摄像头捕捉到该人员的面部特征,并与内部人员人脸数据库进行匹配,若匹配不成功,与访客数据库中所对应的预约时间相符的面部特征进行匹配,若匹配成功,确定该人员为已预约的访客。
具体地,对于已预约的访客,若预约时间与当前时间匹配,则可允许进入目标区域(还可同时通知相关内部人员),当其进入目标区域后对其行动轨迹进行跟踪。
具体地,对于未预约的访客,可直接放行,也可先通知相关内部人员是否允许进入,并当获得允许后再放行。
具体地,对于未预约的访客,将其标记为陌生人员,并当其进入目标区域后对其行动轨迹进行跟踪。
具体地,对于未预约的访客,当其进入目标区域后向指定工作人员发送提醒信息。
可选地,在确定欲进入所述目标区域的人员为访客之后,该方法还包括:
检测所述访客身上是否携带管制器具,若是,则将所述访客的风险值直接赋予高值并触发警报系统,禁止所述访客进入所述目标区域。
具体地,通过金属探测器如果探测到访客身上携带了单刃刀具、双刃刀具、三棱尖刀等管制器具时,则说明该访客具有发生伤害性行为的可能性,风险值高(以最高值100计算的话,大于80即可认为高风险值),当前需要禁止其进入目标区域。
可选地,步骤S103具体包括:
根据所述实时行动轨迹信息,判断所述访客是否进入所述目标区域中许可区域以外的区域;
若确定所述访客已经进入所述目标区域中许可区域以外的区域,则根据所述访客所进入所述目标区域中许可区域以外的区域预设的安全等级,评估所述访客的风险值。
具体地,安全等级可以分为低、中和高。例如,数据中心中某有些区域是(比如安全等级为中和高的区域)是不允许访客进入的,可预先设置数据中心中的访客许可区域,若访客未进入的均是安全等级为低区域,则给该访客赋予一个较低的风险值(30);若访客进入到安全等级为中的区域,则给该访客赋予一个较高的风险值(70);若访客进入到安全等级为高的区域,则给该访客赋予一个高风险值(80)。在一些实施例中,当访客的风险值达到预定风险值时,触发警报系统发出警报,接上例,当该访客的风险值为高风险值(大于或等于80)时,触发警报系统发出警报。
可选地,步骤S103具体还包括:
根据所述实时行动轨迹信息,记录所述访客在所述目标区域中许可区域以外的区域中的停留时间并根据所述停留时间,实时调整所述访客当前的风险值。
具体地,若访客进入数据中心被列入安全等级为高的机房中,且访客在该机房中的停留时间未超过预定时间阈值(10分钟),则在该访客当前风险值的基础上减去设定值(10)。
可选地,步骤S103具体还包括:
根据所述实时场景信息,判断所述访客身边是否有陪同人员;
若确定所述访客身边有陪同人员,则识别所述陪同人员的身份并根据所述陪同人员的身份及预设的规则,实时调整所述访客当前的风险值。
具体地,根据实时场景信息,判断访客身边是否有陪同人员,若有陪同人员,则识别该陪同人员的面部特征并与内部人员人脸数据库进行比对,来判断该陪同人员是否为内部人员(若是,还可进一步确定该内部人员的身份信息),基于识别结果来确定访客的风险值。若该陪同人员为公司管理人员,则可确定该访客可信任,则降低该访客当前的风险值(减5)。若陪同人员并非内部人员,则提高降低该访客当前的风险值(加5)。
可选地,步骤S103具体还包括:
根据所述实时场景信息,确定所述访客进入所述目标区域的时间段;
根据所述访客进入所述目标区域的时间段及预设的规则,实时调整所述访客当前的风险值。
具体地,对于企业办公区域,若访客进入的时间为非工作时间(如周末或夜间),则提高该访客当前的风险值(加5)。
可选地,步骤S103具体还包括:
获取所述访客当前的访问次数并根据所述访问次数,判断所述访客是否为历史访客;
若确定所述访客为历史访客,则获取所述访客的历史访问记录并根据所述历史访问记录及预设的规则,实时调整所述访客当前的风险值,其中,所述历史访问记录包括历史行动轨迹、历史访问次数、历史访问时间、历史风险值评估情况、历史陪同人员。
具体地,当确定进入目标区域的人员为访客之后,可继续将识别到的该访客的面部特征与历史访客数据库中的人脸特征进行匹配,若匹配成功,则确定该访客为曾经到访过该目标区域的历史访客,否则,确定该访客第一次到访该目前区域。针对历史访客和第一次到访的访客,采用不同的风险评估方法。例如,对于历史风险值评估情况为危险的历史访客,可在识别到该访客之后立即启动最高等级的风险值评估方法并同时发出警报;对于第一次到访的访客,则采用本发明实施例提供的访客风险值评估方法实时评估该访客的风险值;对于历史风险值评估情况为信任的历史访客,采用最低等级的风险值评估方法。
可选地,对于历史访客,进一步结合该访客的历史访问记录,来评估其当前的风险值。例如,首先将该访客的历史行动轨迹与当前行动轨迹进行比对,若一致,则降低该访客当前的风险值(减5),若不一致,则提高该访客当前的风险值(加5),其次判断其历史访问次数是否大于设定的阈值(10次),若是,则降低该访客当前的风险值(减2),否则,提高该访客当前的风险值(加2),然后判断该访客当前的访问时间与历史访问时间是否一致,若一致,则降低该访客当前的风险值(减3),若不一致,则提高该访客当前的风险值(加3),最后判断该访客当前的陪同人员是否与历史陪同人员一致(无论访客当前是否具有陪同人员的情况下),若一致,则降低该访客当前的风险值(减4),若不一致,则提高该访客当前的风险值(加4),得到该访客最终的风险值。
特别地,对于第一次到访的访客,在其访问结束后,可将其面部特征以及本次访问记录存储至历史访客数据库。对于历史访客,可在其访问结束后,将本次访问记录存储至历史访客数据库。其中,可基于访客的本次访问记录对其历史访问记录进行更新。
特别地,步骤S103所包含的各个方案之间不限于层层递进关系,也可以是并列关系或组合关系。
实施例2
如图2所示,本发明实施例提供的访客风险值评估系统包括:
判断模块,被配置为判断欲进入目标区域的人员是否为访客,若是,则追溯所述访客进入目标区域之前在设定区域、设定时间段内的行为特征信息,并将所述行为特征信息输入已训练好的第一风险值评估模型,得到所述访客对应的第一风险值,其中,所述行为特征信息包括面部情绪特征信息及动作特征信息。
获取模块,被配置为获取所述访客的身份信息,并根据所述访客的身份信息获取所述访客的信用信息,将所述访客的信用信息输入已训练好的第二风险值评估模型,得到所述访客对应的第二风险值,其中,所述信用信息包括所述访客的社会信用信息及经济信用信息。
跟踪模块,被配置为对所述访客进入目标区域之后的行动轨迹进行跟踪,生成所述访客的实时行动轨迹信息及对应的实时场景信息,根据所述实时行动轨迹信息及所述实时场景信息,实时评估所述访客的第三风险值。
计算模块,被配置为根据所述第一风险值、所述第二风险值及所述第三风险值,计算所述访客当前的风险值。
实施例3
图3是本发明一示例性实施例提供的电子设备的结构。如图3所示,该电子设备可以是第一设备和第二设备中的任一个或两者、或与它们独立的单机设备,该单机设备可以与第一设备和第二设备进行通信,以从它们接收所采集到的输入信号。图3图示了根据本发明公开实施例的电子设备的框图。如图3所示,电子设备包括一个或多个处理器301和存储器302。
处理器301可以是中央处理单元(CPU)或者具有渗透数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备中的其他组件以执行期望的功能。
存储器302可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器301可以运行所述程序指令,以实现上文所述的被公开的各个实施例的软件程序的对历史变更记录进行信息挖掘的方法以及/或者其他期望的功能。在一个示例中,电子设备还可以包括:输入装置303和输出装置304,这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
此外,该输入装置303还可以包括例如键盘、鼠标等等。
该输出装置304可以向外部输出各种信息。该输出设备304可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然,为了简化,图3中仅示出了该电子设备中与本发明公开有关的组件中的一些,省略了诸如总线、输入/输出接口等等的组件。除此之外,根据具体应用情况,电子设备还可以包括任何其他适当的组件。
实施例4
除了上述方法和设备以外,本发明公开的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本发明公开各种实施例的渗透数据标注、封装及获取方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本发明公开实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本发明公开的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本发明公开各种实施例的渗透数据标注、封装及获取方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本发明公开的基本原理,但是,需要指出的是,在本发明公开中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本发明公开的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本发明公开为必须采用上述具体的细节来实现。
本说明书中各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言,由于其与方法实施例基本对应,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本发明公开中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具 有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”,且可与其互换使用。
可能以许多方式来实现本发明公开的方法和装置。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本发明公开的方法和装置。用于所述方法的步骤的上述顺序仅是为了进行说明,本发明公开的方法的步骤不限于以上具体描述的顺序,除非以其它方式特别说明。此外,在一些实施例中,还可将本发明公开实施为记录在记录介质中的程序,这些程序包括用于实现根据本发明公开的方法的机器可读指令。因而,本发明公开还覆盖存储用于执行根据本发明公开的方法的程序的记录介质。
还需要指出的是,在本发明公开的装置、设备和方法中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明公开的等效方案。提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本发明公开。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的,并且在此定义的一般原理可以应用于其他方面而不脱离本发明公开的范围。因此,本发明公开不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本发明公开的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
可以理解的是,上述方法及装置中的相关特征可以相互参考。另外,上述实施例中的“第一”、“第二”等是用于区分各实施例,而并不代表各实施例的优劣。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
需要说明的是,上述实施例不以任何形式限制本发明,凡采用等同替换或等效变换的方式所获得的技术方案,均落在本发明的保护范围内。
Claims (10)
1.一种访客风险值评估方法,其特征在于,包括以下步骤:
判断欲进入目标区域的人员是否为访客,若是,则追溯所述访客进入目标区域之前在设定区域、设定时间段内的行为特征信息,并将所述行为特征信息输入已训练好的第一风险值评估模型,得到所述访客对应的第一风险值,其中,所述行为特征信息包括面部情绪特征信息及动作特征信息;
获取所述访客的身份信息,并根据所述访客的身份信息获取所述访客的信用信息,将所述访客的信用信息输入已训练好的第二风险值评估模型,得到所述访客对应的第二风险值,其中,所述信用信息包括所述访客的社会信用信息和/或经济信用信息;
对所述访客进入目标区域之后的行动轨迹进行跟踪,生成所述访客的实时行动轨迹信息及对应的实时场景信息,根据所述实时行动轨迹信息及所述实时场景信息,实时评估所述访客的第三风险值;
根据所述第一风险值、所述第二风险值及所述第三风险值,计算所述访客当前的风险值。
2.根据权利要求1所述的访客风险值评估方法,其特征在于,追溯所述访客进入目标区域之前在设定区域、设定时间段内的行为特征信息包括:
追溯所述访客在所述目标区域附近第一区域范围及设定时间段内产生的第一行为特征信息,将该第一行为特征信息输入已训练好的第一风险值评估模型,得到所述访客对应的初始风险值,判断所述初始风险值是否落入预设的范围,若未落入,则将所述初始风险值作为第一风险值。
3.根据权利要求2所述的访客风险值评估方法,其特征在于,追溯所述访客进入目标区域之前在设定区域、设定时间段内的行为特征信息还包括:
若所述初始风险值落入预设的所述范围,则进一步追溯所述访客在所述目标区域附近第二区域范围及设定时间段内产生的第二行为特征信息,将所述第二行为特征信息输入已训练好的第一风险值评估模型,得到所述访客对应的第一风险值,其中,所述第二区域范围的面积大于所述第一区域范围的面积。
4.根据权利要求1所述的访客风险值评估方法,其特征在于,根据所述实时行动轨迹信息及所述实时场景信息,实时评估所述访客的风险值包括:
根据所述实时行动轨迹信息,判断所述访客是否进入所述目标区域中许可区域以外的区域;
若确定所述访客已经进入所述目标区域中许可区域以外的区域,则根据所述访客所进入所述目标区域中许可区域以外的区域预设的安全等级,评估所述访客的风险值。
5.根据权利要求4所述的访客风险值评估方法,其特征在于,根据所述实时行动轨迹信息及所述实时场景信息,实时评估所述访客的风险值还包括:
根据所述实时行动轨迹信息,记录所述访客在所述目标区域中许可区域以外的区域中的停留时间并根据所述停留时间,实时调整所述访客当前的风险值。
6.根据权利要求5所述的访客风险值评估方法,其特征在于,根据所述实时行动轨迹信息及所述实时场景信息,实时评估所述访客的风险值还包括:
根据所述实时场景信息,判断所述访客身边是否有陪同人员;
若确定所述访客身边有陪同人员,则识别所述陪同人员的身份并根据所述陪同人员的身份及预设的规则,实时调整所述访客当前的风险值。
7.根据权利要求1所述的访客风险值评估方法,其特征在于,根据所述第一风险值、所述第二风险值及所述第三风险值,计算所述访客当前的风险值包括:
根据公式W=W1×S1+W2×S2+W3×S3,计算所述访客当前的风险值W,其中,W1为第一权重、W2为第二权重、W3为第三权重,S1为第一风险值、S2为第二风险值、S3为第三风险值。
8.一种访客风险值评估系统,其特征在于,包括:
判断模块,被配置为判断欲进入目标区域的人员是否为访客,若是,则追溯所述访客进入目标区域之前在设定区域、设定时间段内的行为特征信息,并将所述行为特征信息输入已训练好的第一风险值评估模型,得到所述访客对应的第一风险值,其中,所述行为特征信息包括面部情绪特征信息及动作特征信息;
获取模块,被配置为获取所述访客的身份信息,并根据所述访客的身份信息获取所述访客的信用信息,将所述访客的信用信息输入已训练好的第二风险值评估模型,得到所述访客对应的第二风险值,其中,所述信用信息包括所述访客的社会信用信息和/或经济信用信息;
跟踪模块,被配置为对所述访客进入目标区域之后的行动轨迹进行跟踪,生成所述访客的实时行动轨迹信息及对应的实时场景信息,根据所述实时行动轨迹信息及所述实时场景信息,实时评估所述访客的第三风险值;
计算模块,被配置为根据预设的第一权重、预设的第二权重、预设的第三权重、所述第一风险值、所述第二风险值及所述第三风险值,计算所述访客当前的风险值。
9.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序用于执行上述权利要求1-7中所述的方法。
10.一种电子设备,其特征在于,所述电子设备包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现上述权利要求1-7中所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211146604.8A CN115240264B (zh) | 2022-09-21 | 2022-09-21 | 访客风险值评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211146604.8A CN115240264B (zh) | 2022-09-21 | 2022-09-21 | 访客风险值评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115240264A true CN115240264A (zh) | 2022-10-25 |
CN115240264B CN115240264B (zh) | 2023-04-18 |
Family
ID=83682244
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211146604.8A Active CN115240264B (zh) | 2022-09-21 | 2022-09-21 | 访客风险值评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115240264B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115620377A (zh) * | 2022-11-10 | 2023-01-17 | 深圳蓄能发电有限公司 | 一种非公共区域的安防控制方法、装置及可读存储介质 |
CN117806913A (zh) * | 2024-02-28 | 2024-04-02 | 成都瑞虎电子科技有限公司 | 一种智能制造系统安全评估方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150131849A1 (en) * | 2013-11-12 | 2015-05-14 | International Business Machines Corporation | Mobile image acquisition |
US20150279187A1 (en) * | 2010-08-19 | 2015-10-01 | Vladimir Kranz | The localization and activation of alarm of person in danger |
CN106658400A (zh) * | 2016-08-31 | 2017-05-10 | 江苏鸿信系统集成有限公司 | 一种基于手机信令数据的小区公安监控方法 |
CN108537922A (zh) * | 2018-03-27 | 2018-09-14 | 南京甄视智能科技有限公司 | 基于人脸识别的访客预警方法和系统 |
CN114792179A (zh) * | 2021-01-25 | 2022-07-26 | 同方威视技术股份有限公司 | 人员风险综合评估方法及其评估模型训练方法、以及装置 |
WO2022165685A1 (zh) * | 2021-02-03 | 2022-08-11 | 京东方科技集团股份有限公司 | 一种确定人员危险性的方法、装置、系统及存储介质 |
-
2022
- 2022-09-21 CN CN202211146604.8A patent/CN115240264B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150279187A1 (en) * | 2010-08-19 | 2015-10-01 | Vladimir Kranz | The localization and activation of alarm of person in danger |
US20150131849A1 (en) * | 2013-11-12 | 2015-05-14 | International Business Machines Corporation | Mobile image acquisition |
CN106658400A (zh) * | 2016-08-31 | 2017-05-10 | 江苏鸿信系统集成有限公司 | 一种基于手机信令数据的小区公安监控方法 |
CN108537922A (zh) * | 2018-03-27 | 2018-09-14 | 南京甄视智能科技有限公司 | 基于人脸识别的访客预警方法和系统 |
CN114792179A (zh) * | 2021-01-25 | 2022-07-26 | 同方威视技术股份有限公司 | 人员风险综合评估方法及其评估模型训练方法、以及装置 |
WO2022165685A1 (zh) * | 2021-02-03 | 2022-08-11 | 京东方科技集团股份有限公司 | 一种确定人员危险性的方法、装置、系统及存储介质 |
Non-Patent Citations (2)
Title |
---|
SUBARNA SHAKYA等: "Human behavior prediction using facial expression analysis", 《2016 INTERNATIONAL CONFERENCE ON COMPUTING, COMMUNICATION AND AUTOMATION (ICCCA)》 * |
邵振峰等: "面向智能监控摄像头的监控视频大数据分析处理", 《电子与信息学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115620377A (zh) * | 2022-11-10 | 2023-01-17 | 深圳蓄能发电有限公司 | 一种非公共区域的安防控制方法、装置及可读存储介质 |
CN117806913A (zh) * | 2024-02-28 | 2024-04-02 | 成都瑞虎电子科技有限公司 | 一种智能制造系统安全评估方法 |
CN117806913B (zh) * | 2024-02-28 | 2024-05-03 | 成都瑞虎电子科技有限公司 | 一种智能制造系统安全评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115240264B (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115240264B (zh) | 访客风险值评估方法及系统 | |
JP4924607B2 (ja) | 不審行動検知装置および方法、プログラムおよび記録媒体 | |
CN110473328B (zh) | 社区门禁管理方法及装置、存储介质、电子设备 | |
CN107833328B (zh) | 基于人脸识别的门禁验证方法及装置、计算设备 | |
JP2012069023A (ja) | 異常検知装置 | |
CN111259682B (zh) | 监控施工场所的安全的方法和装置 | |
CN114155614B (zh) | 一种作业现场反违章行为识别方法及系统 | |
WO2020202694A1 (ja) | 監視システム、監視装置、監視方法、及び非一時的なコンピュータ可読媒体 | |
JP4892268B2 (ja) | 入退室・所在管理システム | |
CN113611032A (zh) | 一种基于人脸识别的门禁管理方法和系统 | |
CN110688931A (zh) | 异常行为监测方法、装置、存储介质和电子设备 | |
CN108537920B (zh) | 基于人脸识别的访客监控方法和系统 | |
WO2020167155A1 (ru) | Способ и система выявления тревожных событий при взаимодействии с устройством самообслуживания | |
CN111462417A (zh) | 一种无人银行的多信息验证系统和多信息验证方法 | |
JP2010108037A (ja) | 行動追跡システム、行動追跡方法および行動追跡プログラム | |
CN115147887A (zh) | 人脸识别率提高方法、门禁设备及计算机可读存储介质 | |
CN113139104B (zh) | 信息处理系统和控制方法 | |
US20160378268A1 (en) | System and method of smart incident analysis in control system using floor maps | |
CN113642462A (zh) | 一种驾驶行为考核方法、装置、终端设备及存储介质 | |
CN112825203B (zh) | 用于特定区域的准入控制的方法和装置 | |
US11238554B2 (en) | Frictionless security monitoring and management | |
Dirgantara et al. | Design of Face Recognition Security System on Public Spaces | |
JP2020191585A (ja) | 情報処理装置、情報処理方法及びプログラム | |
CN117830960B (zh) | 一种基于智慧社区的风险识别方法、装置、设备及介质 | |
US20240169779A1 (en) | Entry/exit management system, entry/exit management method, and recording medium |
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 |