CN116071784A - 人员违规行为识别方法、装置、设备和存储介质 - Google Patents

Abstract

本申请涉及一种人员违规行为识别方法、装置、计算机设备、存储介质和计算机程序产品。所述方法，可用于金融科技领域或其他相关领域，包括：获取拍摄有目标对象的监控图像，并从监控图像中的，获取目标对象对应的目标图像；基于目标图像，得到与目标对象对应的安全区域的安全区域图像；安全区域为距离目标对象预设长度范围内的区域；获取安全区域图像中包含的目标人员的人员数量；目标人员为安全区域图像包含的人员中，除预设类型人员以外的人员；利用目标人员的人员数量，对目标人员的违规行为进行识别。采用本方法能够高效地识别出人员违规行为。

Description

人员违规行为识别方法、装置、设备和存储介质

技术领域

本申请涉及监控技术领域，特别是涉及一种人员违规行为识别方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术

随着监控领域的发展，出现了人员违规行为识别技术，该技术通过摄像设备监控预定区域，然后根据监控图像，人工识别出人员的违规行为。

然而，在上述技术方案中，通常需要投入大量人力资源来实现，而且由于各种原因，很容易出现工作人员没有识别出人员违规行为的情况，从而导致人员违规行为的识别效率低下。

发明内容

基于此，有必要针对上述技术问题，提供一种能够高效识别出人员违规行为的人员违规行为识别方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种人员违规行为识别方法。所述方法包括：

获取拍摄有目标对象的监控图像，并从所述监控图像中的，获取所述目标对象对应的目标图像；

基于所述目标图像，得到与所述目标对象对应的安全区域的安全区域图像；所述安全区域为距离所述目标对象预设长度范围内的区域；

获取所述安全区域图像中包含的目标人员的人员数量；所述目标人员为所述安全区域图像包含的人员中，除预设类型人员以外的人员；

利用所述目标人员的人员数量，对所述目标人员的违规行为进行识别。

在其中一个实施例中，所述获取所述安全区域图像中包含的目标人员的人员数量，包括：

将所述安全区域图像输入至预先训练的人员检测模型，通过所述人员检测模型，从所述安全区域图像中获取人员图像；从所述人员图像中，筛选出所述目标人员的目标人员图像；将所述目标人员图像的图像数量，作为所述目标人员的人员数量。

在其中一个实施例中，所述从所述人员图像中，筛选出所述目标人员的目标人员图像，包括：获取当前人员图像对应的人员着装特征；基于所述人员着装特征，得到所述人员着装特征与预设的标准着装特征之间的相似度；所述标准着装特征为所述预设类型人员相匹配的着装特征；在所述相似度大于预设相似度阈值的情况下，将所述当前人员图像作为所述目标人员图像。

在其中一个实施例中，所述基于所述目标图像，得到与所述目标对象对应的安全区域的安全区域图像，包括：基于所述预设长度，得到所述预设长度在所述监控图像中对应的安全长度；在所述监控图像中，获取距离所述目标图像安全长度范围内的区域图像，并将所述区域图像作为所述安全区域图像。

在其中一个实施例中，所述基于所述预设长度，得到所述预设长度在所述监控图像中对应的安全长度，包括：获取所述目标图像的大小，并获取所述目标图像在现实场景中对应的实际大小；获取所述目标图像的大小与所述实际大小的比值；基于所述预设长度，以及所述比值，得到所述安全长度。

在其中一个实施例中，所述利用所述目标人员的人员数量，对所述目标人员的违规行为进行识别，包括：若所述人员数量为多个，则确定所述安全区域中存在所述目标人员的违规行为；若所述人员数量不为多个，则确定所述安全区域中不存在所述目标人员的违规行为。

在其中一个实施例中，所述确定所述安全区域中存在所述目标人员的违规行为之后，还包括：获取所述监控图像对应的监控区域的区域标识；生成告警信息，并将所述告警信息与所述区域标识，发送至距离所述监控区域最近的预设类型人员终端；所述告警信息用于提醒所述预设类型人员终端对应的预设类型人员，所述安全区域中存在所述目标人员的违规行为。

第二方面，本申请还提供了一种人员违规行为识别装置。所述装置包括：

目标图像获取模块，用于获取拍摄有目标对象的监控图像，并从所述监控图像中的，获取所述目标对象对应的目标图像；

安全区域图像获取模块，用于基于所述目标图像，得到与所述目标对象对应的安全区域的安全区域图像；所述安全区域为距离所述目标对象预设长度范围内的区域；

人员数量获取模块，用于获取所述安全区域图像中包含的目标人员的人员数量；所述目标人员为所述安全区域图像包含的人员中，除预设类型人员以外的人员；

识别模块，用于利用所述目标人员的人员数量，对所述目标人员的违规行为进行识别。

第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

获取拍摄有目标对象的监控图像，并从所述监控图像中的，获取所述目标对象对应的目标图像；

基于所述目标图像，得到与所述目标对象对应的安全区域的安全区域图像；所述安全区域为距离所述目标对象预设长度范围内的区域；

获取所述安全区域图像中包含的目标人员的人员数量；所述目标人员为所述安全区域图像包含的人员中，除预设类型人员以外的人员；

利用所述目标人员的人员数量，对所述目标人员的违规行为进行识别。

第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

获取拍摄有目标对象的监控图像，并从所述监控图像中的，获取所述目标对象对应的目标图像；

基于所述目标图像，得到与所述目标对象对应的安全区域的安全区域图像；所述安全区域为距离所述目标对象预设长度范围内的区域；

获取所述安全区域图像中包含的目标人员的人员数量；所述目标人员为所述安全区域图像包含的人员中，除预设类型人员以外的人员；

利用所述目标人员的人员数量，对所述目标人员的违规行为进行识别。

第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

获取拍摄有目标对象的监控图像，并从所述监控图像中的，获取所述目标对象对应的目标图像；

基于所述目标图像，得到与所述目标对象对应的安全区域的安全区域图像；所述安全区域为距离所述目标对象预设长度范围内的区域；

获取所述安全区域图像中包含的目标人员的人员数量；所述目标人员为所述安全区域图像包含的人员中，除预设类型人员以外的人员；

利用所述目标人员的人员数量，对所述目标人员的违规行为进行识别。

上述人员违规行为识别方法、装置、计算机设备、存储介质和计算机程序产品，通过获取拍摄有目标对象的监控图像，并从监控图像中的，获取目标对象对应的目标图像；基于目标图像，得到与目标对象对应的安全区域的安全区域图像；安全区域为距离目标对象预设长度范围内的区域；获取安全区域图像中包含的目标人员的人员数量；目标人员为安全区域图像包含的人员中，除预设类型人员以外的人员；利用目标人员的人员数量，对目标人员的违规行为进行识别。本申请通过在监控图像中确定出目标图像对应的安全区域图像，然后根据安全区域图像中包含的目标人员的人员数量，实现了对目标人员的违规行为的识别，能够高效地识别出人员违规行为。

附图说明

图1为一个实施例中人员违规行为识别方法的流程示意图；

图2为一个实施例中获取人员数量的流程示意图；

图3为一个实施例中获取目标人员图像的流程示意图；

图4为一个实施例中获取安全区域图像的流程示意图；

图5为一个实施例中人员违规行为识别装置的结构框图；

图6为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

需要说明的是，本发明实施例所涉及的术语“第一\第二”仅仅是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二”区分的对象在适当情况下可以互换，以使这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。

在一个实施例中，如图1所示，提供了一种人员违规行为识别方法，本实施例以该方法应用于终端进行举例说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。本实施例中，该方法包括以下步骤：

步骤S101，获取拍摄有目标对象的监控图像，并从监控图像中的，获取目标对象对应的目标图像。

其中，目标对象指的是银行等场所的智能自助设备，也可以是银行等场所的人工业务办理窗口等，在此不作限制，而监控图像为摄像设备拍摄有上述智能自助设备或是人工业务办理窗口的图像，至于目标图像，指的是监控图像中目标对象对应的图像，例如上述智能自助设备对应的智能自助设备图像，上述人工业务办理窗口对应的人工业务办理窗口图像等。

具体地，通过预先安装好的摄像设备，以预先设定的拍摄角度，对银行等场所的智能自助设备和人工业务办理窗口等目标对象进行拍摄，得到拍摄有智能自助设备和人工业务办理窗口等目标对象的监控图像，然后通过预先得到的图像识别分割模型，将智能自助设备和人工业务办理窗口等目标对象对应的智能自助设备图像和人工业务办理窗口图像，从上述监控图像中识别分割出来，得到目标对象对应的目标图像。

步骤S102，基于目标图像，得到与目标对象对应的安全区域的安全区域图像；安全区域为距离目标对象预设长度范围内的区域。

其中，安全区域为距离目标对象预设长度范围内的区域，例如，当目标对象为智能自助设备时，安全区域为距离上述自助设备一米范围内的区域，需要指出的是，上述安全区域为一个三维的空间区域概念，并且以二维的平面区域体现在上述监控图像中。至于安全区域图像指的是，上述安全区域的三维空间区域在上述监控图像上对应的图像区域。

具体地，基于预先的到的监控图像中像素坐标与现实场景中实际坐标的转换关系，先确定现实场景中目标对象对应的安全区域对应的实际坐标，然后基于上述转换关系，得到上述监控图像中相应的像素坐标，进而得到上述监控图像中的安全区域图像。例如，在现实场景中，划定距离目标对象一米以内的区域为安全区域，获取安全区域的对应的实际坐标，通过上述坐标转换关系，得到安全区域对应的像素坐标，进而得到监控图像上距离目标图像一米范围内的安全区域图像。

步骤S103，获取安全区域图像中包含的目标人员的人员数量；目标人员为安全区域图像包含的人员中，除预设类型人员以外的人员。

其中，预设类型人员为预先设定的特定类型人员，该预设类型人员可以为银行等场所的特定工作人员，而目标人员为上述安全区域图像包含的人员中，除上述特定工作人员以外的人员，该目标人员包括银行等场所的用户，用户陪同人员等，至于人员数量，指的是上述目标人员的数量。

具体地，通过图像分割识别模型，分割识别出安全区域图像中包含的目标人员，进一步得到上述目标人员的数量。

步骤S104，利用目标人员的人员数量，对目标人员的违规行为进行识别。

其中，违规行为指的是，在银行等场所，用户在智能自助设备或者人工柜台办理业务时，出现的可能造成用户业务办理出现安全风险的违规行为。

具体地，获取目标人员的人员数量，基于人员数量判定安全区域内是否存在违规行为，如果人员数量大于预设值，说明用户在智能自助设备或者人工柜台办理业务时，可能存在被其他人员偷窥导致泄露个人隐私数据造成损失的风险，此时则会判定该安全区域存在违规行为。

上述人员违规行为识别方法中，通过获取拍摄有目标对象的监控图像，并从监控图像中的，获取目标对象对应的目标图像；基于目标图像，得到与目标对象对应的安全区域的安全区域图像；安全区域为距离目标对象预设长度范围内的区域；获取安全区域图像中包含的目标人员的人员数量；目标人员为安全区域图像包含的人员中，除预设类型人员以外的人员；利用目标人员的人员数量，对目标人员的违规行为进行识别。本申请通过在监控图像中确定出目标图像对应的安全区域图像，然后根据安全区域图像中包含的目标人员的人员数量，实现了对目标人员的违规行为的识别，能够高效地识别出人员违规行为。

在一个实施例中，如图2所示，获取安全区域图像中包含的目标人员的人员数量，包括以下步骤：

步骤S201，将安全区域图像输入至预先训练的人员检测模型，通过人员检测模型，从安全区域图像中获取人员图像。

其中，人员检测模型为预先训练完成的，可以识别出安全图像中包含的目标人员和预设类型人员，而人员图像为安全区域图像中目标人员和预设类型人员的图像。

具体地，通过将历史数据作为样本数据，输入至预先构建好的神经网络模型，训练得到上述人员检测模型，然后将安全区域图像输入至预先训练完成的人员检测模型，通过上述人员检测模型，识别出安全图像中包含的目标人员和预设类型人员，从而从安全区域图像中获取人员图像。

步骤S202，从人员图像中，筛选出目标人员的目标人员图像。

其中，目标人员图像为上述目标人员对应的图像。

具体地，将上述人员图像输入至预先训练完成的人员区分模型，通过该人员区分模型，从人员图像中，筛选出目标人员的目标人员图像。

步骤S203，将目标人员图像的图像数量，作为目标人员的人员数量。

其中，图像数量指的是上述目标人员图像的数量。

具体地，获取目标人员图像的图像数量，并将目标人员图像的图像数量，作为目标人员的人员数量。

本实施例中，通过将安全区域图像输入至预先训练完成的人员检测模型，得到安全区域图像中的人员图像，再通过预先训练完成人员区分模型，筛选出目标人员的目标人员图像，最后通过获取目标人员图像的图像数量，可以准确地得到上述安全区域图像中包含的目标人员的人员数量。

在一个实施例中，如图3所示，从人员图像中，筛选出目标人员的目标人员图像，包括以下步骤：

步骤S301，获取当前人员图像对应的人员着装特征。

其中，当前人员图像为多个人员图像中，当前的人员图像，而人员着装特征为人员图像中的人员的穿着特征。例如，人员图像中的人员穿着的领带、衬衫、工牌、西裤、皮鞋等。

具体地，将当前人员图像对应的人员着装特征输入至预先训练完成的人员着装特征识别模型中，通过该人员着装特征识别模型，识别出当前人员图像对应的人员着装特征，例如当前人员穿着的领带、衬衫、工牌、西裤、皮鞋等。

步骤S302，基于人员着装特征，得到人员着装特征与预设的标准着装特征之间的相似度；标准着装特征为预设类型人员相匹配的着装特征。

其中，预设的标准着装特征为上述预设类型人员相匹配的着装特征，而相似度为人员着装特征与预设的标准着装特征之间的相似程度。

具体地，通过人员形象相似度算法，获取人员着装特征与预设的标准着装特征之间的差异值，来作为人员着装特征与预设的标准着装特征之间的相似度，若人员着装特征为多个，则获取人员着装特征与预设的标准着装特征之间的多个差异值的平均值，来作为人员着装特征与预设的标准着装特征之间的相似度。例如，通过人员形象相似度算法，得到当前人员图像的领带特征与标准领带特征之间的差异值为1，得到当前人员图像的衬衫特征与标准衬衫特征之间的差异值为2，得到当前人员图像的工牌特征与标准工牌特征之间的差异值为3，得到当前人员图像的西裤特征与标准西裤特征之间的差异值为4，得到当前人员图像的皮鞋特征与标准皮鞋特征之间的差异值为5，则得到当前人员着装特征与预设的标准着装特征之间的多个差异值的平均值为3，即为当前人员着装特征与预设的标准着装特征之间的相似度。

步骤S303，在相似度大于预设相似度阈值的情况下，将当前人员图像作为目标人员图像。

其中，预设相似度阈值为预先设定的值。

具体地，根据标准着装特征的定义，标准着装特征为预设类型人员相匹配的着装特征，所以预设类型人员，也即上述银行场所的工作人员的着装特征会和标准着装特征比较相似，而目标人员的着装特征会和标准着装特征差异较大，因此，当前人员图像相似度大于预设相似度阈值的情况下，将当前人员图像作为上述目标人员图像。

本实施例中，通过获取当前人员图像对应的人员着装特征与预设的标准着装特征之间的相似度，根据上述相似度，能够准确判断出当前人员图像是否为目标人员图像。

在一个实施例中，如图4所示，基于目标图像，得到与目标对象对应的安全区域的安全区域图像，包括以下步骤：

步骤S401，基于预设长度，得到预设长度在监控图像中对应的安全长度。

其中，预设长度为预先设定的长度，该预设长度用于表征在现实场景中，目标对象对应的安全区域相应的安全距离。

具体地，通过预先的到的现实场景中的预设长度与在监控图像中的安全长度的转换关系，基于预设长度，得到预设长度在监控图像中对应的安全长度。需要说明的是，上述预设长度与安全长度的转换关系是可以基于监控图像中的像素与现实场景的坐标转换关系得到的。

步骤S402，在监控图像中，获取距离目标图像安全长度范围内的区域图像，并将区域图像作为安全区域图像。

其中，区域图像为距离目标图像边界安全长度范围内的图像区域。例如，当目标图像为矩形时，区域图像为距离该矩形边界安全长度范围内的图像区域。

具体地，获取距离目标图像安全长度范围内的图像区域，作为上述安全区域图像。

本实施例中，通过预先的到的现实场景中的预设长度与在监控图像中的安全长度的转换关系，得到预设长度在监控图像中对应的安全长度，再获取距离目标图像安全长度范围内的区域图像，能够准确得到与目标对象对应的安全区域的安全区域图像。

在一个实施例中，基于预设长度，得到预设长度在监控图像中对应的安全长度，包括以下步骤：

获取目标图像的大小，并获取目标图像在现实场景中对应的实际大小；获取目标图像的大小与实际大小的比值；基于预设长度，以及比值，得到安全长度。

其中，目标图像的大小为目标图像在上述监控图像中的大小，而实际大小，指的是目标图像在现实场景中的大小，目标图像的大小与实际大小的比值为目标图像的大小除以际大小的值。需要说明的是，目标图像在上述监控图像中的大小为目标图像的面积大小，而目标图像在现实场景中的大小为目标对象相对于摄像设备正视图的面积大小，目标图像的大小与实际大小的比值实际是面积大小的比值，将该比值开根号得到长度大小的比值，基于预设长度和长度大小的比值，才得到安全长度。

具体地，获取目标图像在上述监控图像中的大小，并获取目标图像在现实场景中对应的实际大小，然后获取目标图像的大小与实际大小的积作为二者的比值，即比例关系，基于预设长度，以及该比例关系，计算得到安全长度。

本实施例中，通过获取目标图像的大小，并获取目标图像在现实场景中对应的实际大小，从而得到目标图像的大小与实际大小的比例关系，利用该比例关系，能够准确得到预设长度在监控图像中对应的安全长度。

在一个实施例中，利用目标人员的人员数量，对目标人员的违规行为进行识别，包括以下步骤：

若人员数量为多个，则确定安全区域中存在目标人员的违规行为；若人员数量不为多个，则确定安全区域中不存在目标人员的违规行为。

具体地，若在安全区域图像中，出现两个以上的目标人员图像，则确定安全区域中存在目标人员的违规行为，如果在安全区域图像中，出现一个目标人员图像或者没有出现目标人员图像，则确定安全区域中不存在目标人员的违规行为。例如，在银行等场所，当用户在使用智能自助设备时，如果在安全区域内，只有该用户，或者是存在其他预设类型人员，比如银行工作人员，则该安全区域内就不存在目标人员的违规行为；当用户在使用智能自助设备时，如果安全区域内，除了该用户，还有其他用户或者闲杂人员，则该用户办理业务时，个人信息就存在泄露的风险，也即该安全区域内就不存在目标人员的违规行为。再例如，在银行等场所，当用户在人工窗口办理业务时，如果在安全区域内，只有该用户，或者是存在其他预设类型人员，比如银行工作人员，则该安全区域内就不存在目标人员的违规行为；当用户在人工窗口办理业务时，如果安全区域内，除了该用户，还有其他用户或者闲杂人员，则该用户办理业务时，个人信息就存在泄露的风险，也即该安全区域内就不存在目标人员的违规行为。

本实施例中，通过利用目标人员的人员数量，若人员数量为多个，则确定安全区域中存在目标人员的违规行为；若人员数量不为多个，则确定安全区域中不存在目标人员的违规行为，能够准确地判别安全区域中是否存在目标人员的违规行为。

在一个实施例中，确定安全区域中存在目标人员的违规行为之后，还包括以下步骤：

获取监控图像对应的监控区域的区域标识；生成告警信息，并将告警信息与区域标识，发送至距离监控区域最近的预设类型人员终端；告警信息用于提醒预设类型人员终端对应的预设类型人员，安全区域中存在目标人员的违规行为。

其中，监控区域监控图像对应的现实区域，而区域标识为该监控区域的标识，例如当前监控区域的标识为1号区域，至于告警信息，指的是确定安全区域中存在目标人员的违规行为之后对应的告警信息，最后，预设类型人员终端可以为银行等场所的工作人员。

具体地，确定安全区域中存在目标人员的违规行为之后，获取监控图像对应的监控区域的区域标识，并生成告警信息，然后将告警信息与区域标识，通过网络，发送至距离监控区域最近的预设类型人员终端，即工作人员，该工作人员在收到告警信息和区域标识后，可以迅速找到区域标识对应的监控区域，并提醒其他客户和闲杂人员要与当前正在办理业务的客户保持距离。

本实施例中，通过获取监控图像对应的监控区域的区域标识并生成告警信息，将区域标识和告警信息发送至预设类型人员终端，能够准确快速地使得预设类型人员，即工作人员对存在目标人员的违规行为的监控区域进行排查。

在一个应用实施例中，提供了一种人员违规行为识别方法，可以应用于银行网点，通过目标检测算法识别出银行网点监控录像中包含的智能设备，并根据拍摄得到的智能设备的图像大小以及实际大小之间的比例关系，确定出智能设备的安全区域，同时，还可以通过目标检测算法识别出在安全区域内包含的人物，以及通过人员形象相似度算法对安全区域内的人物进行识别，识别出安全区域内的银行网点工作人员以及客户，如果安全区域内的客户包含多个，还可以告知银行网点工作人员提醒客户要保持距离。具体步骤如下：

步骤1：采集银行网点不同区域的监控图像。银行网点中设置有多个用于监控银行网点的监控摄像头，同时不同监控摄像头可以用于监控不同的银行网点区域，通过采集不同监控摄像头拍摄得到的银行网点监控图像，从而得到银行网点不同区域的监控图像。

步骤2：从上述监控图像中，获取银行网点的安全区域图像。

步骤2.1：通过设备目标检测算法，识别出监控图像中包含的设备区域图像。将步骤1中得到的监控图像输入至预先训练的设备目标检测模型，通过设备目标检测模型提取出智能设备的设备特征，输出监控图像中包含的设备图像区域矩形框，将该设备图像区域矩形框作为设备区域图像。

步骤2.2：利用设备区域图像，确定安全区域图像。利用设备区域图像的大小，以及预先设定的安全区域范围，从监控图像中确定安全区域图像。例如，安全区域指的是设备周围1米范围内，在识别出设备区域图像后，则可以进一步从监控图像中确定出属于设备周围1米范围内区域的图像，作为安全区域图像。其中确定出属于设备周围1米范围内区域的图像的过程，可以是利用监控图像中像素点表征的大小来决定，通过计算设备区域图像大小，与实际设备大小之间的比例关系，来得到监控图像中各像素点表征的大小。

步骤3，从安全区域图像中，识别出安全区域图像包含的银行网点工作人员，以及非银行网点工作人员，即用户。

步骤3.1：通过人员目标检测算法，识别出安全区域图像中包含的人员区域图像。将步骤2中得到的安全区域图像输入至预先训练的人员目标检测模型，通过人员目标检测模型提取出人物特征，输出安全区域图像中包含的人员图像区域矩形框，并对监控图像中的人员图像区域矩形框进行裁剪，来得到人员区域图像。

步骤3.2：利用人员形象相似度算法，从人员区域图像中筛选出拍摄有银行工作人员的员工区域图像。由于安全区域图像中除了包含有用户外，还可能包含有银行网点的工作人员，同时如果与用户距离较近但属于工作人员在引导用户操作的情形，则不涉及个人隐私问题，即在安全区域内假如出现2个用户，一个为工作人员，一个为用户，则不涉及个人隐私，那么为了区分这种情况，在在得到人员区域图像后，还需要从人员区域图像中，筛选出拍摄的是银行工作人员的员工区域图像。

具体是通过人员形象相似度算法，该算法可以通过对员工区域图像中拍摄的人物的着装进行特征提取，来得到每一个人员的着装特征。之后，则可以基于上述着装特征，来比对银行网点工作人员的标准着装特征，例如：领带、衬衫、工牌、西裤、皮鞋，通过比对着装特征与标准着装特征的相似度，来对步骤3.1中得到的人员区域图像中拍摄的人员形象进行评分，如果评分满足某个评分标准，则认为该人员区域图像属于拍摄有银行工作人员的员工区域图像，而如果不满足该表征，则认为该人员区域图像属于拍摄有银行用户的用户区域图像。

步骤4：根据用户区域图像的数量判断是否存在违规行为。如果在某一个安全区域图像中，同时包含有2个或者两个以上的用户区域图像，那么则判断出现人员的违规行为。

步骤5：如果出现人员违规行为，则提醒网点的工作人员对违规行为进行处理。在检测到人员违规行为后，则可以进一步判断出拍摄有该人员违规行为的员工区域图像的监控摄像头，从而进一步基于监控摄像头确定出对应的银行网点区域。之后，还可以将相关通知信息发送至管辖该银行网点区域的工作人员终端，以通知该网点区域的工作人员前去提醒用户要保持距离。

上述人员违规行为识别方法中，通过目标检测算法识别出银行网点监控录像中包含的智能设备，并根据拍摄得到的智能设备的图像大小以及实际大小之间的比例关系，确定出智能设备的安全区域，同时，还可以通过目标检测算法识别出在安全区域内包含的人物，以及通过人员形象相似度算法对安全区域内的人物进行识别，识别出安全区域内的银行网点工作人员以及客户，如果安全区域内的客户包含多个，还可以告知银行网点工作人员提醒客户要保持距离。相比于现有技术通过人工筛查的方式识别违规客户，本发明可以实现违规客户的自动识别，还可以提高客户违规行为的识别效率和精度。

应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的人员违规行为识别方法的人员违规行为识别装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个人员违规行为识别装置实施例中的具体限定可以参见上文中对于人员违规行为识别方法的限定，在此不再赘述。

在一个实施例中，如图5所示，提供了一种人员违规行为识别装置，包括：目标图像获取模块501、安全区域图像获取模块502、人员数量获取模块503和识别模块504，其中：

目标图像获取模块501，用于获取拍摄有目标对象的监控图像，并从监控图像中的，获取目标对象对应的目标图像；

安全区域图像获取模块502，用于基于目标图像，得到与目标对象对应的安全区域的安全区域图像；安全区域为距离目标对象预设长度范围内的区域；

人员数量获取模块503，用于获取安全区域图像中包含的目标人员的人员数量；目标人员为安全区域图像包含的人员中，除预设类型人员以外的人员；

识别模块504，用于利用目标人员的人员数量，对目标人员的违规行为进行识别。

在其中一个实施例中，人员数量获取模块503，进一步用于将安全区域图像输入至预先训练的人员检测模型，通过人员检测模型，从安全区域图像中获取人员图像；从人员图像中，筛选出目标人员的目标人员图像；将目标人员图像的图像数量，作为目标人员的人员数量。

在其中一个实施例中，人员数量获取模块503，进一步用于获取当前人员图像对应的人员着装特征；基于人员着装特征，得到人员着装特征与预设的标准着装特征之间的相似度；标准着装特征为预设类型人员相匹配的着装特征；在相似度大于预设相似度阈值的情况下，将当前人员图像作为目标人员图像。

在其中一个实施例中，安全区域图像获取模块502，进一步用于基于预设长度，得到预设长度在监控图像中对应的安全长度；在监控图像中，获取距离目标图像安全长度范围内的区域图像，并将区域图像作为安全区域图像。

在其中一个实施例中，安全区域图像获取模块502，进一步用于获取目标图像的大小，并获取目标图像在现实场景中对应的实际大小；获取目标图像的大小与实际大小的比值；基于预设长度，以及比值，得到安全长度。

在其中一个实施例中，识别模块504，进一步用于若人员数量为多个，则确定安全区域中存在目标人员的违规行为；若人员数量不为多个，则确定安全区域中不存在目标人员的违规行为。

在其中一个实施例中，识别模块504，进一步用于获取监控图像对应的监控区域的区域标识；生成告警信息，并将告警信息与区域标识，发送至距离监控区域最近的预设类型人员终端；告警信息用于提醒预设类型人员终端对应的预设类型人员，安全区域中存在目标人员的违规行为。

上述人员违规行为识别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。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种人员违规行为识别方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图6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。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：

获取拍摄有目标对象的监控图像，并从监控图像中的，获取目标对象对应的目标图像；

基于目标图像，得到与目标对象对应的安全区域的安全区域图像；安全区域为距离目标对象预设长度范围内的区域；

获取安全区域图像中包含的目标人员的人员数量；目标人员为安全区域图像包含的人员中，除预设类型人员以外的人员；

利用目标人员的人员数量，对目标人员的违规行为进行识别。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：将安全区域图像输入至预先训练的人员检测模型，通过人员检测模型，从安全区域图像中获取人员图像；从人员图像中，筛选出目标人员的目标人员图像；将目标人员图像的图像数量，作为目标人员的人员数量。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取当前人员图像对应的人员着装特征；基于人员着装特征，得到人员着装特征与预设的标准着装特征之间的相似度；标准着装特征为预设类型人员相匹配的着装特征；在相似度大于预设相似度阈值的情况下，将当前人员图像作为目标人员图像。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：基于预设长度，得到预设长度在监控图像中对应的安全长度；在监控图像中，获取距离目标图像安全长度范围内的区域图像，并将区域图像作为安全区域图像。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取目标图像的大小，并获取目标图像在现实场景中对应的实际大小；获取目标图像的大小与实际大小的比值；基于预设长度，以及比值，得到安全长度。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：若人员数量为多个，则确定安全区域中存在目标人员的违规行为；若人员数量不为多个，则确定安全区域中不存在目标人员的违规行为。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取监控图像对应的监控区域的区域标识；生成告警信息，并将告警信息与区域标识，发送至距离监控区域最近的预设类型人员终端；告警信息用于提醒预设类型人员终端对应的预设类型人员，安全区域中存在目标人员的违规行为。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (11)

1.一种人员违规行为识别方法，其特征在于，所述方法包括：

获取拍摄有目标对象的监控图像，并从所述监控图像中的，获取所述目标对象对应的目标图像；

基于所述目标图像，得到与所述目标对象对应的安全区域的安全区域图像；所述安全区域为距离所述目标对象预设长度范围内的区域；

获取所述安全区域图像中包含的目标人员的人员数量；所述目标人员为所述安全区域图像包含的人员中，除预设类型人员以外的人员；

利用所述目标人员的人员数量，对所述目标人员的违规行为进行识别。

2.根据权利要求1所述的方法，其特征在于，所述获取所述安全区域图像中包含的目标人员的人员数量，包括：

将所述安全区域图像输入至预先训练的人员检测模型，通过所述人员检测模型，从所述安全区域图像中获取人员图像；

从所述人员图像中，筛选出所述目标人员的目标人员图像；

将所述目标人员图像的图像数量，作为所述目标人员的人员数量。

3.根据权利要求2所述的方法，其特征在于，所述从所述人员图像中，筛选出所述目标人员的目标人员图像，包括：

获取当前人员图像对应的人员着装特征；

基于所述人员着装特征，得到所述人员着装特征与预设的标准着装特征之间的相似度；所述标准着装特征为所述预设类型人员相匹配的着装特征；

在所述相似度大于预设相似度阈值的情况下，将所述当前人员图像作为所述目标人员图像。

4.根据权利要求1所述的方法，其特征在于，所述基于所述目标图像，得到与所述目标对象对应的安全区域的安全区域图像，包括：

基于所述预设长度，得到所述预设长度在所述监控图像中对应的安全长度；

在所述监控图像中，获取距离所述目标图像安全长度范围内的区域图像，并将所述区域图像作为所述安全区域图像。

5.根据权利要求4所述的方法，其特征在于，所述基于所述预设长度，得到所述预设长度在所述监控图像中对应的安全长度，包括：

获取所述目标图像的大小，并获取所述目标图像在现实场景中对应的实际大小；

获取所述目标图像的大小与所述实际大小的比值；

基于所述预设长度，以及所述比值，得到所述安全长度。

6.根据权利要求1所述的方法，其特征在于，所述利用所述目标人员的人员数量，对所述目标人员的违规行为进行识别，包括：

若所述人员数量为多个，则确定所述安全区域中存在所述目标人员的违规行为；

若所述人员数量不为多个，则确定所述安全区域中不存在所述目标人员的违规行为。

7.根据权利要求6所述的方法，其特征在于，所述确定所述安全区域中存在所述目标人员的违规行为之后，还包括：

获取所述监控图像对应的监控区域的区域标识；

生成告警信息，并将所述告警信息与所述区域标识，发送至距离所述监控区域最近的预设类型人员终端；所述告警信息用于提醒所述预设类型人员终端对应的预设类型人员，所述安全区域中存在所述目标人员的违规行为。

8.一种人员违规行为识别装置，其特征在于，所述装置包括：

目标图像获取模块，用于获取拍摄有目标对象的监控图像，并从所述监控图像中的，获取所述目标对象对应的目标图像；

安全区域图像获取模块，用于基于所述目标图像，得到与所述目标对象对应的安全区域的安全区域图像；所述安全区域为距离所述目标对象预设长度范围内的区域；

人员数量获取模块，用于获取所述安全区域图像中包含的目标人员的人员数量；所述目标人员为所述安全区域图像包含的人员中，除预设类型人员以外的人员；

识别模块，用于利用所述目标人员的人员数量，对所述目标人员的违规行为进行识别。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。

11.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。

Images