CN115830761A - 闸机通行标注方法、装置、计算机设备和存储介质 - Google Patents

Abstract

本申请提供了一种闸机通行标注方法、装置、计算机设备和存储介质。该方法，从闸机通行区域中的行人是否处于人脸识别区域，再结合处于人脸识别区域时行人与人脸识别装置的距离、行人是否存在刷脸行为、行人的头部姿态是否与刷脸时所采集到的人脸图像相似，锁定待标注图像中使闸机打开的人员为验证通过人员，在待标注图像中把验证通过人员标注出来。该方法综合了五种信息对所有行人进行精准判断，找出多个行人中真正的验证通过人员，将过闸人员中的验证人员可视化，提高了工作人员的查验效率。

Description

闸机通行标注方法、装置、计算机设备和存储介质

技术领域

本申请涉及闸机技术领域，尤其涉及一种闸机通行标注方法、装置、计算机设备和存储介质。

背景技术

在日常生活中，许多场所都设置了闸机，如地铁站、办公场所等，闸机上设置了人脸识别装置，在人脸识别装置识别成功的情况会直接控制闸机开门由于在识别成功后直接控制闸机开门，并在人通过后控制闸机关门。在该过程中，工作人员难以判断过闸人员是否为验证人员，导致工作人员对非法通过人员查验效率较低。

发明内容

本申请的目的旨在至少能解决上述的技术缺陷之一，特别是现有技术中工作人员难以判断过闸人员是否为验证人员的技术缺陷。

第一方面，本申请提供了一种闸机通行标注方法，应用于闸机通行系统，闸机通行系统包括头部相机、闸机以及设置于闸机上的人脸识别装置，闸机通行标注方法包括：

在待标注图像中确定闸机通行区域和人脸识别区域；待标注图像为头部相机采集到的任意一帧图像；

利用行人检测算法确定闸机通行区域中的行人；

根据行人在待标注图像中的位置，判断行人是否处于人脸识别区域，并根据第一判断结果得到第一信息；

在第一判断结果行人处于人脸识别区域时，根据行人与人脸识别装置在待标注图像中的距离，得到第二信息；

在第一判断结果行人处于人脸识别区域时，根据行人在待标注图像以及与待标注图像相邻的待标注图像中的变化，判断行人是否存在刷脸行为，得到第二判断结果，根据第二判断结果得到第三信息；

在第一判断结果行人处于人脸识别区域时，根据行人在待标注图像中对应的部分图像，提取行人的头部特征，并根据头部特征与人脸识别装置验证通过的人脸特征之间的相似度，得到第四信息；

根据闸机的开关状态，得到第五信息；

根据各行人的第一信息、第二信息、第三信息、第四信息和第五信息，从行人中确定验证通行人员；

在待标注图像中，对验证通行人员进行标注，得到标注图像。

在其中一个实施例中，根据各行人的第一信息、第二信息、第三信息、第四信息和第五信息，从行人中确定验证通行人员，包括：

将行人中第一信息反映行人处于人脸识别区域、第二信息反映行人处于人脸识别区域时与人脸识别装置的距离最近、第三信息反映行人存在刷脸行为、第四信息反映行人的头部特征与验证通过的人脸特征最相似且第五信息反映闸机正处于开门状态的行人为验证通行人员。

在其中一个实施例中，在利用行人检测算法确定闸机通行区域中的行人后，还包括：

判断行人是否存在于前一待标注图像的闸机通行区域中；

若否，则为行人设置新的唯一标识；

若是，则保持行人的唯一标识不变；

对验证通行人员进行标注，包括：

在验证通行人员对应的位置，标注验证通行人员的唯一标识。

在其中一个实施例中，对验证通行人员进行标注，还包括：

获取验证通过的人脸特征对应的人员身份信息；

将人员身份信息与唯一标识进行关联标注。

在其中一个实施例中，根据各行人的第一信息、第二信息、第三信息、第四信息和第五信息，从行人中确定验证通行人员后，还包括：

当存在验证通行人员以外的行人通过闸机时，将标注图像保存。

在其中一个实施例中，验证通过的人脸特征为卷积神经网络对人脸图像进行特征提取得到的，根据行人在待标注图像中对应的部分图像，提取行人的头部特征，包括：

将部分图像输入到卷积神经网络进行特征提取，得到行人的头部特征。

在其中一个实施例中，相似度为余弦相似度。

第二方面，本申请提供了一种闸机通行标注装置，应用于闸机通行系统，闸机通行系统包括头部相机、闸机以及设置于闸机上的人脸识别装置，闸机通行标注装置包括：

区域确定模块，用于在待标注图像中确定闸机通行区域和人脸识别区域；待标注图像为头部相机采集到的任意一帧图像；

行人识别模块，用于利用行人检测算法确定闸机通行区域中的行人；

第一信息确定模块，用于根据行人在待标注图像中的位置，判断行人是否处于人脸识别区域，并根据第一判断结果得到第一信息；

第二信息确定模块，用于在第一判断结果行人处于人脸识别区域时，根据行人与人脸识别装置在待标注图像中的距离，得到第二信息；

第三信息确定模块，用于在第一判断结果行人处于人脸识别区域时，根据行人在待标注图像以及与待标注图像相邻的待标注图像中的变化，判断行人是否存在刷脸行为，得到第二判断结果，根据第二判断结果得到第三信息；

第四信息确定模块，用于在第一判断结果行人处于人脸识别区域时，根据行人在待标注图像中对应的部分图像，提取行人的头部特征，并根据头部特征与人脸识别装置验证通过的人脸特征之间的相似度，得到第四信息；

第五信息确定模块，用于根据闸机的开关状态，得到第五信息；

验证模块，用于根据各行人的第一信息、第二信息、第三信息、第四信息和第五信息，从行人中确定验证通行人员；

标注模块，用于在待标注图像中，对验证通行人员进行标注，得到标注图像。

第三方面，本申请提供了一种计算机设备，包括一个或多个处理器，以及存储器，存储器中存储有计算机可读指令，计算机可读指令被一个或多个处理器执行时，执行上述任一实施例中的闸机通行标注方法的步骤。

第四方面，本申请提供了一种存储介质，存储介质中存储有计算机可读指令，计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述任一实施例中的闸机通行标注方法的步骤。

从以上技术方案可以看出，本申请实施例具有以下优点：

基于本实施例中的闸机通行标注方法，从闸机通行区域中的行人是否处于人脸识别区域，再结合处于人脸识别区域时行人与人脸识别装置的距离、行人是否存在刷脸行为、行人的头部姿态是否与刷脸时所采集到的人脸图像相似，锁定待标注图像中使闸机打开的人员为验证通过人员，在待标注图像中把验证通过人员标注出来。该方法综合了五种信息对所有行人进行精准判断，找出多个行人中真正的验证通过人员，将过闸人员中的验证人员可视化，提高了工作人员的查验效率。

附图说明

为了更清楚地说明本申请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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。

图1为本申请实施例提供的闸机通行标注方法的应用场景图；

图2为本申请实施例提供的闸机通行标注方法的流程示意图；

图3为本申请实施例中对待标注图像进行区域划分的示意图；

图4为本申请实施例提供的计算机设备的内部结构图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

本申请提供了的闸机通行标注方法所应用的闸机通行系统如图1所示，该闸机通行系统包括闸机10、人脸识别装置30以及头部相机50。工作人员可以将有权通过闸机的人员的人脸特征存储到人脸识别装置30中，当人脸识别装置30采集到人脸图像后，会对人脸图像进行特征提取，与已存储的人脸特征进行比较，根据比较结果确定是否要指示闸机进行开门。图1中所示出的闸机为双向通行的闸机，即进出方向都设置了对应的人脸识别装置30，本申请也可以应用于单向通行的闸机通信系统中。头部相机50设置于闸机10的上方，以俯视角度对闸机通过情况进行图像采集，头部相机的具体设置方式和设置位置可根据实际情况进行选择，例如，在闸机10上设置支撑悬挂件，通过支撑悬挂件将头部相机50安装于闸机上方，也可以将头部相机50安装于天花板处。另外，本申请中的闸机通行标注方法可以配置于该头部相机50中，也可以由独立的计算机设备执行。而配置了申请中的闸机通行标注方法的计算机设备应与闸机10以及人脸识别装置30通信连接。以配置于头部相机50中为例，通信连接的具体方式可以为头部相机50与闸机10通过RS-485线通信连接，而人脸识别装置30与头部相机50通过网线连接。后文以闸机通行标注方法应用于头部相机50为例进行说明，请参阅图2，闸机通行标注方法包括步骤S202至步骤S220。

S202，在待标注图像中确定闸机通行区域和人脸识别区域。

可以理解，工作人员通过观察经过标注的头部相机采集的图像来对闸机通行情况进行监控，头部相机在整个过程中保持图像的采集，而每一帧采集到的图像都需要经过本实施例中的流程进行标注，即待标注图像为头部相机采集到的任意一帧图像。而由于有些头部相机的视角范围较宽，待标注图像中会包括和闸机无关的内容，为了加快处理速度，缩小识别范围，首先会在待标注图像中确定闸机通行区域和人脸识别区域。其中，闸机通行区域为包含闸机以及闸机出入口的区域。如图3所示，可以以闸机为中心，向出入口方向进行延伸得到矩形的闸机通行区域。处于闸机通行区域的人员与闸机距离较近，相较于其他区域的人员有更大可能性尝试通过闸机。而人脸识别区域即为人脸识别装置的有效识别区域，即尝试刷脸人员需处于人脸识别区域内，人脸识别装置才可准确采集人脸图像进行识别。闸机通行区域和人脸识别区域的划分可以由开发人员根据实际情况自行设置以及调整。

另外，若头部相机为固定不动的，则闸机以及人脸识别装置在图像中也保持静止，每一帧待标注图像中的闸机通行区域和人脸识别区域可使用相同的。但若头部相机为移动的，则需要根据待标注图像中闸机以及人脸识别装置的位置进行调整。

S204，利用行人检测算法确定闸机通行区域中的行人。

可以理解，待标注图像中只有进入闸机通行区域内的物体才需要进行识别。行人检测算法用于将人体与其他物体进行区分，即行人检测算法以人体为检测目标，将闸机通行区域中的行人识别出来。目前，行人检测算法在目标识别领域的研究较为成熟，可根据头部相机的算力选择合适的模型。

另外，在识别出闸机通行区域中的行人后，为了方便后续处理以及标注，可以为识别出的每个行人设置唯一标识。具体而言，可以先判断当前帧中出现的每个行人是否存在于前一帧待标注图像的闸机通行区域中。若是，则代表该行人为之前就已进入闸机通行区域但还未离开，则保持该行人的唯一标识不变。若否，则代表该行人为新进入闸机通行区域的行人，则为该行人设置新的唯一标识。例如，行人甲在第a帧进入闸机通行区域，直到第b帧离开。则将在第a帧为行人甲设置唯一标识，并在a帧到b帧之间的所有待标注图像中都保持不变。若行人甲在第b帧后的第c帧又重新进入，则会为其又重新设置新的唯一标识。即相当于人体一进入闸机通行区域内即对其开始跟踪，直至其离开闸机通行区域。具体的实现方式可参考目前的人体跟踪检测算法。

S206，根据行人在待标注图像中的位置，判断行人是否处于人脸识别区域，得到第一判断结果，并根据第一判断结果得到第一信息。

可以理解，步骤S206至步骤S214是需要对每个被识别出的行人进行的。在通过行人检测算法对闸机通行区域内的物体进行识别后，可以确定行人在待标注图像中的位置。人脸识别区域位于闸机通行区域内部，通过验证而合法通行的人员应在人脸识别区域内曾作出刷脸动作。因此，对于每个被识别出的行人，若需要确认该行人是否为验证通行人员(即通过人脸识别装置的验证而合法通行的人员)，需要先确认该行人是否处于人脸识别区域。具体而言，第一信息可以反映行人是否处于人脸识别区域。可以以一个二分类变量表示第一信息，即第一信息包括第一状态和第二状态。对于任意一个行人，其刚进入闸机通行区域时，第一信息处于第一状态，若根据行人在当前帧待标注图像中的位置确定该行人处于人脸识别区域，则将第一信息改变为第二状态，并在该行人离开闸机通行区域前都保持第二状态。由此可见，只有处于人脸识别区域的行人，其第一信息才可能处于第二状态，第一信息即可用于确定行人是否处于人脸识别区域。

S208，在第一判断结果反映行人处于人脸识别区域时，根据行人与人脸识别装置在待标注图像中的距离，到第二信息。

可以理解，人脸识别区域中可能同时存在两个以上的行人，为了进一步保证识别准确度，需要获取反映行人处于人脸识别区域时，行人与人脸识别装置之间距离的第二信息。在拥有第二信息的情况下，若人脸识别区域中存在两个以上的行人，其中距离较近的行人被人脸识别装置作为识别对象的可能性最大。因此，第二信息可以帮助区分多个行人的情况。

具体而言，行人与人脸识别装置在待标注图像中的距离可以反映行人与人脸识别装置在现实中的实际距离。对于任意一个行人，其刚进入闸机通行区域时，可以将其第二信息设置为第一默认值，第一默认值反映行人与人脸识别装置的距离极远。在步骤206中的第一判断结果反映当前帧中该行人处于人脸识别区域时才对该行人的第二信息进行更新。

S210，在第一判断结果反映行人处于人脸识别区域时，根据行人在待标注图像以及与待标注图像相邻的待标注图像中的变化，判断行人是否存在刷脸行为，得到第二判断结果，根据第二判断结果得到第三信息。

可以理解，为了进一步保证识别准确度，需要获取反映行人处于人脸识别区域时是否曾进行刷脸的第三信息。在拥有第二信息的情况下，若人脸识别区域中存在两个以上的行人，且距离与人脸识别装置的距离难以区分，可以对行人的行为进行分析，从而确定人脸识别装置的识别对象。因此，第三信息可以进一步帮助区分多个行人的情况。

具体而言，可以以一个二分类变量表示第三信息，即第三信息包括第三状态和第四状态。对于任意一个行人，其刚进入闸机通行区域时，第三信息处于第三状态，若根据行人在当前帧待标注图像中的位置确定该行人处于人脸识别区域时，利用预设的刷脸行为检测算法，根据该行人在当前帧待标注图像以及相邻的待标注图像组成的视频，对该行人进行行为分析，判断该行人是否存在刷脸行为，一旦第二判断结果反映该行人存在刷脸行为，则将第三信息改变为第四状态，并在该行人离开闸机通行区域前都保持第四状态。由此可见，只有处于人脸识别区域且进行了刷脸的行人，其第三信息才可能处于第四状态，第三信息即可用于确定行人处于人脸识别区域时是否曾进行刷脸。

刷脸行为检测算法可以由基于神经网络的模型实现，即利用日常采集视频作为训练集，对训练集中的行人在人脸识别区域进行刷脸的帧进行标注。利用标注后的训练集对第一初始模型进行训练，由第一初始模型对训练集中的各视频进行刷脸行为判断，根据第一初始模型的预测结果与标注之间的差异构建第一损失函数，并根据第一损失函数对第一初始模型的参数进行调整，直至得到满足第一训练结束条件的第一初始模型。虽然该模型有较高的识别准确度，但对算力的要求也较高，较为简单的刷脸行为检测算法也可以是根据行人头部与人脸识别装置之间的相对位置变化进行，即行人的头部在连续几帧的待标注图像中逐渐接近人脸识别装置，在接近后又保持数帧不动，可判定该行人存在刷脸行为。

S212，在第一判断结果反映行人处于人脸识别区域时，根据行人在待标注图像中对应的部分图像，提取行人的头部特征，并根据头部特征与人脸识别装置验证通过的人脸特征之间的相似度，得到第四信息。

可以理解，行人在待标注图像中对应的部分图像即指的是将包含该行人的头部部分截取下来所得到的图像。对该部分图像进行特征提取，得到的图像特征为头部特征。而验证通过的人脸特征指的是人脸识别装置对采集到的人脸图像进行特征提取后得到图像特征，且该图像特征与预先存储于有通过权限的人员的人脸特征匹配。虽然头部相机和人脸识别装置的图像拍摄角度不同，但人脸特征和头部特征都可以反映行人的头部姿态，相似度最高的头部特征与人脸特征有较大可能自于同一人，当人脸识别区域中行人为两人以上时，第四信息可以帮助确定是哪个行人进行了刷脸且通过了验证。

具体而言，对于任意一个行人，其刚进入闸机通行区域时，可以将其第四信息设置为第二默认值，第二默认值反映人脸特征与头部特征的相似度极小。在步骤206中的第一判断结果反映当前帧中该行人处于人脸识别区域时才对该行人的第四信息进行更新。

在有些实施例中，头部特征和人脸特征都是经过卷积神经网络提取出的特征，而卷积神经网络常用向量形式表示提取出的特征。因此，这两个特征的相似度可以选用余弦相似度，即根据这两个特征的余弦值确定他们的相似度。

S214，根据闸机的开关状态，得到第五信息。

可以理解，存在验证通过人员的前提是闸机正因某一行人的刷脸而打开，而第五信息即反映闸机当前的开关状态。闸机每次开启将会与头部相机进行通信，头部相机即可对当前帧中的所有行人的第五信息进行更新，即第五信息会随着闸机当前的开关状态而改变。

S216，根据各行人的第一信息、第二信息、第三信息、第四信息和第五信息，从行人中确定验证通行人员。

可以理解，在闸机通行区域中存在多个行人时，综合第一信息至第五信息可以精准判断该行人是否为通过人脸识别装置的验证而使闸机开启的验证通行人员。具体而言，将行人中第一信息反映行人处于人脸识别区域、第二信息反映行人处于人脸识别区域时与人脸识别装置的距离最近、第三信息反映行人存在刷脸行为、第四信息反映行人的头部特征与验证通过的人脸特征最相似且第五信息反映闸机正处于开门状态的行人为验证通行人员。另外，若行人在进入闸机通行区域后被设置了唯一标识，则在获取第一至第五信息时，由于每个行人都对应一组第一至第五信息，可以利用各自的唯一标识进行区分。

以x1至x5分别代表第一信息至第五信息，y代表判断结果为例进行说明。其中，x1＝1代表行人处于人脸识别区域，x1＝0代表行人处于未处于人脸识别区域，x2越小代表距离越近，x3＝1代表行人存在刷脸行为，x3＝0代表行人不存在刷脸行为，x4越小则代表越相似，x5＝1代表闸机处于开门状态，x5＝0代表闸机处于关门状态，y＝1代表该行人被判定为验证通行人员，y＝0代表该行人被判定为验证通行人员以外的行人。若待标注图像中存在行人甲、行人乙以及行人丁。行人甲的第一信息至第五信息分别为(0,10,0,0.9,1)，行人乙的第一信息至第五信息分别为(1,1.5,1,0.7,1)，行人丁的第一信息至第五信息分别为(1,1.5,1,0.3,1)。比较可知，行人甲未处于人脸识别区域，可直接判定y＝0。而行人乙与行人丁虽然都处于人脸识别区域且都进行了刷脸，但第四信息反映人脸识别装置所采集到的图像应与行人丁对应，因此，确定行人丁为验证通行人员，其余两位行人为非验证通行人员。

S218，在待标注图像中，对验证通行人员进行标注，得到标注图像。

可以理解，若在当前帧的待标注图像中识别到了验证通行人员，则可以在待标注图像中将验证通行人员对应的行人标注出来，标注图像将展示在工作人员的后台端。并且，为了便于工作人员在后台监视，从当前的待标注图像和在闸机变为关门状态前的待标注图像上利用跟踪算法对验证通行人员进行跟踪标注，即若行人甲在某一帧被标注为验证通行人员，直至闸机重新变为关门状态前，行人甲将在各帧的待标注图像中都被标注为验证通行人员。另外，若当前帧中未找到有验证通行人员，则可以将待标注图像进行展示，即每一帧头顶相机采集到的图像都会向工作人员展示，工作人员从监控装置可观察到头顶相机所采集到的视频流，其中的验证通行人员将被标注出来。

对验证通过人员标注的具体方式可以任意设计，只要与验证通行人员以外的行人区分开来即可。如设置随该行人移动的特定颜色标注框，也可以是设置随该行人移动的文字提示信息。在有些实施例中，若行人在进入闸机通行区域后被设置了唯一标识，则可以将验证通行人员的唯一标识一并标注出来。在有些实施例中，人脸识别装置中还存储了所有具有通过权限人员的人员身份信息，如姓名、性别、身份等。在进行标注时，可以将人员身份信息与唯一标识一同标注出来，便于工作人员监控。

基于本实施例中的闸机通行标注方法，从闸机通行区域中的行人是否处于人脸识别区域，再结合处于人脸识别区域时行人与人脸识别装置的距离、行人是否存在刷脸行为、行人的头部姿态是否与刷脸时所采集到的人脸图像相似，锁定待标注图像中使闸机打开的人员为验证通过人员，在待标注图像中把验证通过人员标注出来。该方法综合了五种信息对所有行人进行精准判断，找出多个行人中真正的验证通过人员，将过闸人员中的验证人员可视化，提高了工作人员的查验效率。

在其中一个实施例中，根据各行人的第一信息、第二信息、第三信息、第四信息和第五信息，从行人中确定验证通行人员后，还包括：当存在验证通行人员以外的行人通过闸机时，将待标注图像保存。

可以理解，验证通行人员以外的人如果通过闸机，无论闸机处于开门状态(如尾随验证通行人员穿过闸机)还是关门状态(如翻越闸门)，其都是未经验证而非法通行，为了方便对非法通过闸机的行为进行溯源，当存在这种现象时，将那一帧对应的标注图像保存下来。进一步地，过闸行为检测算法也可以由基于神经网络的模型实现，训练过程可以参考上文中刷脸行为检测的部分。另外，由于在通过行人检测算法对行人进行识别时可以确定行人在待标注图像中的位置，根据行人在待标注图像以及与待标注图像相邻的待标注图像中的位置变化，即可确认该行人是否穿过闸机。

具体而言，以闸门作为分界，在闸机的两侧确定入口区域和出口区域，若行人的位置在其中一帧待标注图像中处于其中一个区域，而相邻预设数量帧内移动到了另一个区域，即可确认该行人通过了闸机。再结合上述实施例中的标注，即可确认是否需要进行图像保存。

另外，为了方便锁定非法通行人员，在保存待标注图像之前，可以对其中的检测到非法通行人员进行标注，标注方式应与验证通行人员的标注方式不同。同时，闸机通行系统还可设置报警装置，当检测到非法通行人员时，头顶相机可以控制报警装置进行报警。

第二方面，本申请提供了一种闸机通行标注装置，应用于闸机通行系统，闸机通行系统包括头部相机、闸机以及设置于闸机上的人脸识别装置，闸机通行标注装置包括：

区域确定模块，用于在待标注图像中确定闸机通行区域和人脸识别区域；待标注图像为头部相机采集到的任意一帧图像；

行人识别模块，用于利用行人检测算法确定闸机通行区域中的行人；

第一信息确定模块，用于根据行人在待标注图像中的位置，判断行人是否处于人脸识别区域，并根据第一判断结果得到第一信息；

第二信息确定模块，用于在第一判断结果行人处于人脸识别区域时，根据行人与人脸识别装置在待标注图像中的距离，得到第二信息；

第三信息确定模块，用于在第一判断结果行人处于人脸识别区域时，根据行人在待标注图像以及与待标注图像相邻的待标注图像中的变化，判断行人是否存在刷脸行为，得到第二判断结果，根据第二判断结果得到第三信息；

第四信息确定模块，用于在第一判断结果行人处于人脸识别区域时，根据行人在待标注图像中对应的部分图像，提取行人的头部特征，并根据头部特征与人脸识别装置验证通过的人脸特征之间的相似度，得到第四信息；

第五信息确定模块，用于根据闸机的开关状态，得到第五信息；

验证模块，用于根据各行人的第一信息、第二信息、第三信息、第四信息和第五信息，从行人中确定验证通行人员；

标注模块，用于在待标注图像中，对验证通行人员进行标注，得到标注图像。

在其中一个实施例中，验证模块用于将行人中第一信息反映行人处于人脸识别区域、第二信息反映行人处于人脸识别区域时与人脸识别装置的距离最近、第三信息反映行人存在刷脸行为、第四信息反映行人的头部特征与验证通过的人脸特征最相似且第五信息反映闸机正处于开门状态的行人为验证通行人员。

在其中一个实施例中，闸机通行标注装置还包括标识设定模块。标识设定模块用于判断所述行人是否存在于前一所述待标注图像的所述闸机通行区域中；若否，则为所述行人设置新的唯一标识；若是，则保持所述行人的所述唯一标识不变。标注模块还用于在验证通行人员对应的位置，标注验证通行人员的唯一标识

在其中一个实施例中，标注模块还用于获取验证通过的人脸特征对应的人员身份信息；将人员身份信息与唯一标识进行关联标注。

在其中一个实施例中，闸机通行标注装置还包括抓拍模块，抓拍模块用于当存在验证通行人员以外的行人通过闸机时，将待标注图像保存。

关于闸机通行装置的具体限定可以参见上文中对于闸机通行方法的限定，在此不再赘述。上述闸机通行装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。需要说明的是，本申请实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式

第三方面，本申请提供了一种计算机设备，包括一个或多个处理器，以及存储器，存储器中存储有计算机可读指令，计算机可读指令被一个或多个处理器执行时，执行上述任一实施例中的闸机通行标注方法的步骤。

示意性地，如图4所示，图4为本申请实施例提供的一种计算机设备的内部结构示意图，该计算机设备300可以被配置于头部相机的内部。参照图4，计算机设备300包括处理组件302，其进一步包括一个或多个处理器，以及由存储器301所代表的存储器资源，用于存储可由处理组件302的执行的指令，例如应用程序。存储器301中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件302被配置为执行指令，以执行上述任意实施例的闸机通行标注方法。

计算机设备300还可以包括一个电源组件303被配置为执行计算机设备300的电源管理，一个有线或无线网络接口304被配置为将计算机设备300连接到网络，和一个输入输出(I/O)接口305。

本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

第四方面，本申请提供了一种存储介质，存储介质中存储有计算机可读指令，计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述任一实施例中的闸机通行标注方法的步骤。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间可以根据需要进行组合，且相同相似部分互相参见即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种闸机通行标注方法，其特征在于，应用于闸机通行系统，所述闸机通行系统包括头部相机、闸机以及设置于所述闸机上的人脸识别装置，所述闸机通行标注方法包括：

在待标注图像中确定闸机通行区域和人脸识别区域；所述待标注图像为所述头部相机采集到的任意一帧图像；

利用行人检测算法确定所述闸机通行区域中的行人；

根据所述行人在所述待标注图像中的位置，判断所述行人是否处于所述人脸识别区域，并根据第一判断结果得到第一信息；

在所述第一判断结果所述行人处于所述人脸识别区域时，根据所述行人与所述人脸识别装置在所述待标注图像中的距离，得到第二信息；

在所述第一判断结果所述行人处于所述人脸识别区域时，根据所述行人在所述待标注图像以及与所述待标注图像相邻的所述待标注图像中的变化，判断所述行人是否存在刷脸行为，得到第二判断结果，根据所述第二判断结果得到第三信息；

在所述第一判断结果所述行人处于所述人脸识别区域时，根据所述行人在所述待标注图像中对应的部分图像，提取所述行人的头部特征，并根据所述头部特征与所述人脸识别装置验证通过的人脸特征之间的相似度，得到第四信息；

根据所述闸机的开关状态，得到第五信息；

根据各所述行人的所述第一信息、所述第二信息、所述第三信息、所述第四信息和所述第五信息，从所述行人中确定验证通行人员；

在所述待标注图像中，对所述验证通行人员进行标注，得到标注图像。

2.根据权利要求1所述的闸机通行标注方法，其特征在于，所述根据各所述行人的所述第一信息、所述第二信息、所述第三信息、所述第四信息和所述第五信息，从所述行人中确定验证通行人员，包括：

将所述行人中所述第一信息反映所述行人处于所述人脸识别区域、所述第二信息反映所述行人处于所述人脸识别区域时与所述人脸识别装置的距离最近、所述第三信息反映所述行人存在刷脸行为、所述第四信息反映所述行人的所述头部特征与所述验证通过的人脸特征最相似且所述第五信息反映所述闸机正处于开门状态的所述行人为所述验证通行人员。

3.根据权利要求1所述的闸机通行标注方法，其特征在于，在所述利用行人检测算法确定所述闸机通行区域中的行人后，还包括：

判断所述行人是否存在于前一所述待标注图像的所述闸机通行区域中；

若否，则为所述行人设置新的唯一标识；

若是，则保持所述行人的所述唯一标识不变；

所述对所述验证通行人员进行标注，还包括：

在所述验证通行人员对应的位置，标注所述验证通行人员的所述唯一标识。

4.根据权利要求3所述的闸机通行标注方法，其特征在于，所述对所述验证通行人员进行标注，还包括：

获取所述验证通过的人脸特征对应的人员身份信息；

将所述人员身份信息与所述唯一标识进行关联标注。

5.根据权利要求1所述的闸机通行标注方法，其特征在于，所述根据各所述行人的所述第一信息、所述第二信息、所述第三信息、所述第四信息和所述第五信息，从所述行人中确定验证通行人员后，还包括：

当存在所述验证通行人员以外的所述行人通过所述闸机时，将所述待标注图像保存。

6.根据权利要求1所述的闸机通行标注方法，其特征在于，所述验证通过的人脸特征为卷积神经网络对人脸图像进行特征提取得到的，所述根据所述行人在所述待标注图像中对应的部分图像，提取所述行人的头部特征，包括：

将所述部分图像输入到所述卷积神经网络进行特征提取，得到所述行人的头部特征。

7.根据权利要求6所述的闸机通行标注方法，其特征在于，所述相似度为余弦相似度。

8.一种闸机通行标注装置，其特征在于，应用于闸机通行系统，所述闸机通行系统包括头部相机、闸机以及设置于所述闸机上的人脸识别装置，所述闸机通行标注装置包括：

区域确定模块，用于在待标注图像中确定闸机通行区域和人脸识别区域；所述待标注图像为所述头部相机采集到的任意一帧图像；

行人识别模块，用于利用行人检测算法确定所述闸机通行区域中的行人；

第一信息确定模块，用于根据所述行人在所述待标注图像中的位置，判断所述行人是否处于所述人脸识别区域，并根据第一判断结果得到第一信息；

第二信息确定模块，用于在所述第一判断结果所述行人处于所述人脸识别区域时，根据所述行人与所述人脸识别装置在所述待标注图像中的距离，得到第二信息；

第三信息确定模块，用于在所述第一判断结果所述行人处于所述人脸识别区域时，根据所述行人在所述待标注图像以及与所述待标注图像相邻的所述待标注图像中的变化，判断所述行人是否存在刷脸行为，得到第二判断结果，根据所述第二判断结果得到第三信息；

第四信息确定模块，用于在所述第一判断结果所述行人处于所述人脸识别区域时，根据所述行人在所述待标注图像中对应的部分图像，提取所述行人的头部特征，并根据所述头部特征与所述人脸识别装置验证通过的人脸特征之间的相似度，得到第四信息；

第五信息确定模块，用于根据所述闸机的开关状态，得到第五信息；

验证模块，用于根据各所述行人的所述第一信息、所述第二信息、所述第三信息、所述第四信息和所述第五信息，从所述行人中确定验证通行人员；

标注模块，用于在所述待标注图像中，对所述验证通行人员进行标注，得到标注图像。

9.一种计算机设备，其特征在于，包括一个或多个处理器，以及存储器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述一个或多个处理器执行时，执行如权利要求1至7任一项所述的闸机通行标注方法的步骤。

10.一种存储介质，其特征在于，所述存储介质中存储有计算机可读指令，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如权利要求1至7任一项所述的闸机通行标注方法的步骤。

Images