CN116503228A - 一种基于人脸识别的门禁处可疑人员的评估方法及系统 - Google Patents

一种基于人脸识别的门禁处可疑人员的评估方法及系统 Download PDF

Info

Publication number
CN116503228A
CN116503228A CN202310755855.4A CN202310755855A CN116503228A CN 116503228 A CN116503228 A CN 116503228A CN 202310755855 A CN202310755855 A CN 202310755855A CN 116503228 A CN116503228 A CN 116503228A
Authority
CN
China
Prior art keywords
person
personnel
face
score
suspicious
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.)
Pending
Application number
CN202310755855.4A
Other languages
English (en)
Inventor
夏东
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.)
Hunan Vision Miracle Intelligent Technology Co ltd
Original Assignee
Hunan Vision Miracle Intelligent Technology 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 Hunan Vision Miracle Intelligent Technology Co ltd filed Critical Hunan Vision Miracle Intelligent Technology Co ltd
Priority to CN202310755855.4A priority Critical patent/CN116503228A/zh
Publication of CN116503228A publication Critical patent/CN116503228A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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—Systems or methods specially adapted for 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
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/94—Hardware or software architectures specially adapted for image or video understanding
    • G06V10/95—Hardware or software architectures specially adapted for image or video understanding structured as a network, e.g. client-server architectures
    • 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
    • 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
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C9/00—Individual registration on entry or exit
    • G07C9/30—Individual registration on entry or exit not involving the use of a pass
    • G07C9/32—Individual registration on entry or exit not involving the use of a pass in combination with an identity check
    • G07C9/37—Individual registration on entry or exit not involving the use of a pass in combination with an identity check using biometric data, e.g. fingerprints, iris scans or voice recognition
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C9/00—Individual registration on entry or exit
    • G07C9/30—Individual registration on entry or exit not involving the use of a pass
    • G07C9/38—Individual registration on entry or exit not involving the use of a pass with central registration

Abstract

本发明公开了一种基于人脸识别的门禁处可疑人员的评估方法，用于本发明公开的人脸采集装置和服务器互相协作的系统中，包括：采集人员的人脸信息；识别跟随进入人员记录为数组Hg；识别跟随但未进入人员记录为数组Hc；识别徘徊人员记录为数组Hp；识别开门失败人员记录为数组Hs；人脸采集装置将数组发送至服务器；服务器排除数组中的白名单人员；计算跟随次数整合为新的数组Hgn，记录跟随次数为分数Sg；计算出现次数整合为新的数组Hcn，记录出现次数为分数Sc；计算徘徊人员分数Sp；计算失败次数整合为新的数组Hsn，记录为失败次数为分数Ss；计算可疑人员的总分Skx；根据分数越大可疑度越高的原则评估可疑人员。

Description

一种基于人脸识别的门禁处可疑人员的评估方法及系统
技术领域
本发明涉及门禁系统领域，尤其涉及一种基于人脸识别的门禁处可疑人员的评估方法及系统。
背景技术
随着社会的发展，出现了越来越多像医院、工厂、住宅小区等的大型人员聚集地，这些聚集地每天都有大量人员进出活动；但在这些进出活动的人员中，常常混入没有合法权限进入某些区域的不明人员，这些不明人员的特征是在各个楼栋和门口徘徊，通过尾随有权限进入对应区域的人员偷偷进入；这些不明人员的行为给治安带来了很大的隐患。
现如今，很多重要区域的门禁处都安装了用于对进出人员的身份进行识别和记录的人脸识别系统和监控系统，在发生违法事故或预警调研时可以查询这些系统中的资料，常见方法是按照时间顺序，完整的对所有视频内容、人脸身份进行人工观察和研判，筛选可疑人员信息；或对事故发生地点在事故发生时间前后，进行人工排查，筛选可疑人员信息。但是这些方法通常耗时费力，时效性较差，并且无法准确对可能发生的事故进行预判和避免。
发明内容
本发明提供了一种基于人脸识别的门禁处可疑人员的评估方法及系统，用以解决现有对于门禁处可疑人员的评估方法和系统不完善的技术问题。
为实现上述目的，本发明提供了一种基于人脸识别的门禁处可疑人员的评估方法，用于多个人脸采集装置和服务器互相协作的系统中，包括以下步骤：
S1、采集人脸信息：通过多个不同门禁处的人脸采集装置采集各自门禁处的活动人员的人脸信息。
S2、识别人脸信息中的各类人员：基于人脸信息，人脸采集装置识别人脸信息中的跟随进入人员，记录为数组Hg；识别跟随但未进入人员，记录为数组Hc；识别徘徊人员，记录为数组Hp；识别开门失败人员，记录为数组Hs；多个不同门禁处的人脸采集装置将本次记录的数组数据发送至服务器。
S3、排除白名单人员：服务器将接受到的数组数据与门禁白名单进行对比，排除数组数据中的白名单人员。
S4、计算本次各数组中人员的可疑分数：服务器计算所有Hg中每个人员的跟随次数，整合为新的数组Hgn，记录跟随次数为分数Sg；计算所有Hc中每个人员的出现次数，整合为新的数组Hcn，记录出现次数为分数Sc；计算所有Hp中每个人员的徘徊时长与总上传时长的比值，整合为新的数组Hpn，记录徘徊时长与总上传时长的比值为分数Sp；计算所有Hs中每个人员的失败次数，整合为新的数组Hsn，记录失败次数为分数Ss。
S5、评估可疑人员：服务器将数组Hgn、Hcn、Hpn和Hsn进行重复人员排查整合，得到队列Hk，计算每个可疑人员的总分Skx；对所有可疑人员进行排序，根据分数越大可疑度越高的标准评估本次可疑人员。
优选的，在S4中计算Hgn、Hcn和Hsn中每个人员的分数Sg、Sc和Ss时包括：筛选重复人员，对重复人员的的分数进行重新评估，计算重复人员的重复时的各个分数之和，再乘上重复次数，得到的结果为重复人员的分数。
计算Hpn中每个人员的分数Sp时包括：筛选重复人员，累加重复人员徘徊时长与总上传时长的比值，作为重复人员的分数Sp。
优选的，在计算每个可疑人员的总分Skx时：
Skx=AA*Sc+BB*Sp+CC*Ss-DD*Sg；
其中，AA为Hk中跟随但未进入人员的分数占总分的比值系数；BB为Hk中徘徊人员的分数占总分的比值系数；CC为Hk中开门失败人员的分数占总分的比值系数；DD为Hk中跟随进入人员的分数占总分的比值系数；AA + BB + CC + DD=1。
优选的，分数Sg越小，表示人员可疑度越高；分数Sc越大，表示人员可疑度越高；分数Sp越大，表示人员可疑度越高；分数Ss越大，表示人员可疑度越高。
优选的，在识别跟随进入人员时：在时间t内，人员面部面积被人脸采集装置识别为逐渐变大最终消失，且进行门禁解锁时，识别为合法人员；当合法人开门后，在门禁未关闭的时间内，其他人员的人脸移动轨迹与合法用户开门时的运动方式类似，且未进行进行门禁解锁时，识别为跟随进入人员。
优选的，在识别跟随但未进入人员时，当合法人开门后，在门禁未关闭的时间内，其他人员出现在人脸采集装置采集范围内时，识别为跟随但未进入人员。
识别徘徊人员时，人员持续在人脸采集装置采集范围内活动但未跟随进入或尝试开门，识别为徘徊人员。
识别开门失败人员时，人员在门禁处尝试开门失败，且失败次数大于阈值次数C后，不再尝试开门时，识别为开门失败人员。
优选的，在S2中，多个不同门禁处的人脸采集装置将记录的数组发送至服务器时，数组均包含人脸图片、人脸识别特征值、时间和位置信息。
人脸采集装置按预设频率向服务器发送数组数据；人脸采集装置中包含识别可疑人员的数据模型，人脸采集装置在空闲时段通过采集的数据进行对比计算更新数据模型。
本发明还提供了一种基于人脸识别的门禁处可疑人员的评估系统，用于本发明的基于人脸识别的门禁处可疑人员的评估方法，包括：多个人脸采集装置和服务器，多个人脸采集装置通过局域网与服务器连接；人脸采集装置包括人脸识别装置和监控摄像装置。
本发明具有以下有益效果：
本发明公开的基于人脸识别的门禁处可疑人员的评估方法，将采集到的人脸信息按不同的行为类型将人员分为了跟随进入人员、跟随但未进入人员、徘徊人员和开门失败人员，并将这些人员记录为了不同的数组，使得本方法可以精准合理的判断各类人员，为后续的计分判断可疑度等级提供了数据基础；通过将数组与门禁的白名单进行对比并排除了白名单人员，使得本方法避免了无效的判断，节约了计算成本，也避免了对合法人员的不合理监测；根据不同的行为次数和程度进行了赋分，使得本方法能够更有利于最终可疑度的计算；本方法整体上不需要耗费过多时间进行查询和监测，整个方法持续运作可以保持可疑人员的精准且实时的监测和评估，进而能够预防事故的发生。
本发明公开的基于人脸识别的门禁处可疑人员的评估系统，用于本发明的基于人脸识别的门禁处可疑人员的评估方法，故具备相同的有益效果。
除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照附图，对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明优选实施例1的流程示意图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
实施例1：
参见图1，本发明优选实施例中，提供了一种基于人脸识别的门禁处可疑人员的评估方法，用于多个人脸采集装置和服务器互相协作的系统中，包括以下步骤：
S1、采集人脸信息：通过多个不同门禁处的人脸采集装置采集各自门禁处的活动人员的人脸信息。
S2、识别人脸信息中的各类人员：基于人脸信息，人脸采集装置识别人脸信息中的跟随进入人员，记录为数组Hg；识别跟随但未进入人员，记录为数组Hc；识别徘徊人员，记录为数组Hp；识别开门失败人员，记录为数组Hs；多个不同门禁处的人脸采集装置将本次记录的数组数据发送至服务器。
在识别跟随进入人员时：在时间t内，人员面部面积被人脸采集装置识别为逐渐变大最终消失，且进行门禁解锁时，识别为合法人员；当合法人开门后，在门禁未关闭的时间内，其他人员的人脸移动轨迹与合法用户开门时的运动方式类似，且未进行进行门禁解锁时，识别为跟随进入人员。
在识别跟随但未进入人员时，当合法人开门后，在门禁未关闭的时间内，其他人员出现在人脸采集装置采集范围内时，识别为跟随但未进入人员。
识别徘徊人员时，人员持续在人脸采集装置采集范围内活动但未跟随进入或尝试开门，识别为徘徊人员。
识别开门失败人员时，人员在门禁处尝试开门失败，且失败次数大于阈值次数C后，不再尝试开门时，识别为开门失败人员。
本发明优选实施例中，将各类具备不同行为的人员进行了分类，使得本方法可以精准合理的判断各类人员，为后续的计分判断可疑度等级提供了数据基础。
在S2中，多个不同门禁处的人脸采集装置将记录的数组发送至服务器时，数组均包含人脸图片、人脸识别特征值、时间和位置信息，人脸采集装置按预设频率向服务器发送数组数据。
人脸采集装置中包含识别可疑人员的数据模型，人脸采集装置在空闲时段通过采集的数据进行对比计算更新数据模型。
本发明优选实施例中，数据模型是逐步优化和积累的，可疑人员的数据会长时间保存，每次对数据模型进行计算更新时，都会将新数据和旧数据进行混合计算；而判断旧数据中可疑人员是否已经从服务器中删除的依据为：（1）该可疑人员长时间未出现；（2）该可疑人员为白名单人员。
在本发明优选实施例中，人脸采集装置按预设频率向服务器发送数组数据，保证了整体数据的实时性，避免了数据滞后的情况；人脸采集装置在空闲时段利用新数据和旧数据对数据模型进行计算更新，使得本发明优选实施例的人脸采集装置能够较为精准地识别可疑人员和区分白名单人员，避免了部分无效识别。
S3、排除白名单人员：服务器将接受到的数组数据与门禁白名单进行对比，排除数组数据中的白名单人员。
S4、计算本次各数组中人员的可疑分数：服务器计算所有Hg中每个人员的跟随次数，整合为新的数组Hgn，记录跟随次数为分数Sg；计算所有Hc中每个人员的出现次数，整合为新的数组Hcn，记录出现次数为分数Sc；计算所有Hp中每个人员的徘徊时长与总上传时长的比值，整合为新的数组Hpn，记录徘徊时长与总上传时长的比值为分数Sp；计算所有Hs中每个人员的失败次数，整合为新的数组Hsn，记录失败次数为分数Ss。
分数Sg越小，表示人员可疑度越高；分数Sc越大，表示人员可疑度越高；分数Sp越大，表示人员可疑度越高；分数Ss越大，表示人员可疑度越高。
在本发明优选实施例中，由于多次出现的人员可能是多次进出的其他人员，例如外卖员等，故对跟随进入人员的分数Sg设定分数Sg越小，表示人员可疑度越高的特征；由于多次出现观察且未进入则可疑值增加，故设定分数Sc越大，表示人员可疑度越高；由于人员长时间徘徊在门禁处，则可疑值增加，故设定分数Sp越大，表示人员可疑度越高；由于多次尝试开门却一直失败则可疑值增加，故设定分数Ss越大，表示人员可疑度越高；使得本发明的方法具有精准性和合理性。
在S4中计算Hgn、Hcn和Hsn中每个人员的分数Sg、Sc和Ss时包括：筛选重复人员，对重复人员的的分数进行重新评估，计算重复人员的重复时的各个分数之和，再乘上重复次数，得到的结果为重复人员的分数。
计算Hpn中每个人员的分数Sp时包括：筛选重复人员，累加重复人员徘徊时长与总上传时长的比值，作为重复人员的分数Sp。
在本发明优选实施例中，通过筛选，重复人员，并对重复人员的分数进行更高的加权，可以使得相关人员的可疑度情况更为突出，例如在计算Hgn的中人员的分数Sg时，识别到人员重复了3次，分数分别为1、2和3，就表明人员Q在3个门禁处分别有跟随且进入1次、2次和3次的行为，这种行为可以分析出人员Q可能为外卖员，即人员Q的可疑度较低，将该人员的分数进行加权计算，即：（1+2+3）*3，就能得到该人员的加权可疑度分数，使得本发明能够进一步地准确识别可疑人员。
本发明优选实施例中，Hp泛指在门禁处一定范围的人，由于门禁设备往往设定检测开门区域（例如靠近门1~2米范围），这样处理细节多、清晰且不容易错误。但实际应用中，在远端的场景也是可以识别到人员的，对这部分人员也看做徘徊人员，一个人假设一直在画面中，远远的观察，则可识别为徘徊，设定间隔时间，在1分钟以内一直识别到有这个人，则判定他为徘徊人员，开始累积计时，在计算徘徊得分时，一个上传周期的徘徊得分为上传周期内的总累积徘徊时间（秒）与上传周期总时长（秒）的比值；经过筛选重复人员后，徘徊得分综合成Sp，再通过BB加权值占比，最后转换成该人的分数。
S5、评估可疑人员：服务器将数组Hgn、Hcn、Hpn和Hsn进行重复人员排查整合，得到队列Hk，计算每个可疑人员的总分Skx；对所有可疑人员进行排序，根据分数越大可疑度越高的标准评估本次可疑人员。
在计算每个可疑人员的总分Skx时：
Skx=AA*Sc+BB*Sp+CC*Ss-DD*Sg；
其中，AA为Hk中跟随但未进入人员的分数占总分的比值系数；BB为Hk中徘徊人员的分数占总分的比值系数；CC为Hk中开门失败人员的分数占总分的比值系数；DD为Hk中跟随进入人员的分数占总分的比值系数；AA + BB + CC + DD=1。
本发明优选实施例中，通过设计比值系数，可以达到调节每类可疑人员的偏向跟踪模型的效果，使得本方法可以针对性地识别跟踪某类特定的人群，有利于对门禁处可疑人员的评估和分析，由于本发明优选实施例中Sg越小，表示人员可疑度越高的特征，故在计算可疑度总分数设计Sg的分数部分为负数。
综上可知，本发明优选实施例的基于人脸识别的门禁处可疑人员的评估方法，将采集到的人脸信息按不同的行为类型将人员分为了跟随进入人员、跟随但未进入人员、徘徊人员和开门失败人员，并将这些人员记录为了不同的数组，使得本方法可以精准合理的判断各类人员，为后续的计分判断可疑度等级提供了数据基础；通过将数组与门禁的白名单进行对比并排除了白名单人员，使得本方法避免了无效的判断，节约了计算成本，也避免了对合法人员的不合理监测；根据不同的行为次数和程度进行了赋分，使得本方法能够更有利于最终可疑度的计算；本方法整体上不需要耗费过多时间进行查询和监测，整个方法持续运作可以保持可疑人员的精准且实时的监测和评估，进而能够预防事故的发生。
实施例2：
本发明优选实施例提供了一种基于人脸识别的门禁处可疑人员的评估系统，用于本发明的基于人脸识别的门禁处可疑人员的评估方法，包括：多个人脸采集装置和服务器，多个人脸采集装置通过局域网与服务器连接；人脸采集装置包括人脸识别装置和监控摄像装置。
本发明公开的基于人脸识别的门禁处可疑人员的评估系统，用于本发明的基于人脸识别的门禁处可疑人员的评估方法，故具备相同的有益效果。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于人脸识别的门禁处可疑人员的评估方法，用于多个人脸采集装置和服务器互相协作的系统中，其特征在于，包括以下步骤：
S1、采集人脸信息：通过多个不同门禁处的人脸采集装置采集各自门禁处的活动人员的人脸信息；
S2、识别人脸信息中的各类人员：基于所述人脸信息，人脸采集装置识别所述人脸信息中的跟随进入人员，记录为数组Hg；识别跟随但未进入人员，记录为数组Hc；识别徘徊人员，记录为数组Hp；识别开门失败人员，记录为数组Hs；多个不同门禁处的人脸采集装置将本次记录的数组数据发送至所述服务器；
S3、排除白名单人员：服务器将接受到的数组数据与门禁白名单进行对比，排除数组数据中的白名单人员；
S4、计算本次各数组中人员的可疑分数：服务器计算所有Hg中每个人员的跟随次数，整合为新的数组Hgn，记录跟随次数为分数Sg；计算所有Hc中每个人员的出现次数，整合为新的数组Hcn，记录出现次数为分数Sc；计算所有Hp中每个人员的徘徊时长与总上传时长的比值，整合为新的数组Hpn，记录徘徊时长与总上传时长的比值为分数Sp；计算所有Hs中每个人员的失败次数，整合为新的数组Hsn，记录失败次数为分数Ss；
S5、评估可疑人员：服务器将数组Hgn、Hcn、Hpn和Hsn进行重复人员排查整合，得到队列Hk，计算每个可疑人员的总分Skx；对所有可疑人员进行排序，根据分数越大可疑度越高的标准评估本次可疑人员。
2.根据权利要求1所述的基于人脸识别的门禁处可疑人员的评估方法，其特征在于，在S4中计算Hgn、Hcn和Hsn中每个人员的分数Sg、Sc和Ss时包括：筛选重复人员，对重复人员的的分数进行重新评估，计算重复人员的重复时的各个分数之和，再乘上重复次数，得到的结果为重复人员的分数；
计算Hpn中每个人员的分数Sp时包括：筛选重复人员，累加重复人员徘徊时长与总上传时长的比值，作为重复人员的分数Sp。
3.根据权利要求2所述的基于人脸识别的门禁处可疑人员的评估方法，其特征在于，在计算每个可疑人员的总分Skx时：
Skx=AA*Sc+BB*Sp+CC*Ss-DD*Sg；
其中，AA为Hk中跟随但未进入人员的分数占总分的比值系数；BB为Hk中徘徊人员的分数占总分的比值系数；CC为Hk中开门失败人员的分数占总分的比值系数；DD为Hk中跟随进入人员的分数占总分的比值系数；AA + BB + CC + DD=1。
4.根据权利要求3所述的基于人脸识别的门禁处可疑人员的评估方法，其特征在于，分数Sg越小，表示人员可疑度越高；分数Sc越大，表示人员可疑度越高；分数Sp越大，表示人员可疑度越高；分数Ss越大，表示人员可疑度越高。
5.根据权利要求4所述的基于人脸识别的门禁处可疑人员的评估方法，其特征在于，在识别跟随进入人员时：在时间t内，人员面部面积被人脸采集装置识别为逐渐变大最终消失，且进行门禁解锁时，识别为合法人员；当合法人开门后，在门禁未关闭的时间内，其他人员的人脸移动轨迹与合法用户开门时的运动方式类似，且未进行进行门禁解锁时，识别为跟随进入人员。
6.根据权利要求5所述的基于人脸识别的门禁处可疑人员的评估方法，其特征在于，在识别跟随但未进入人员时，当合法人开门后，在门禁未关闭的时间内，其他人员出现在人脸采集装置采集范围内时，识别为跟随但未进入人员；
识别徘徊人员时，人员持续在人脸采集装置采集范围内活动但未跟随进入或尝试开门，识别为徘徊人员；
识别开门失败人员时，人员在门禁处尝试开门失败，且失败次数大于阈值次数C后，不再尝试开门时，识别为开门失败人员。
7.根据权利要求6所述的基于人脸识别的门禁处可疑人员的评估方法，其特征在于，在S2中，多个不同门禁处的人脸采集装置将记录的数组发送至所述服务器时，所述数组均包含人脸图片、人脸识别特征值、时间和位置信息；
所述人脸采集装置按预设频率向服务器发送所述数组数据；所述人脸采集装置中包含识别可疑人员的数据模型，所述人脸采集装置在空闲时段通过采集的数据进行对比计算更新所述数据模型。
8.一种基于人脸识别的门禁处可疑人员的评估系统，用于权利要求1至7任一项所述的基于人脸识别的门禁处可疑人员的评估方法，其特征在于，包括：多个人脸采集装置和服务器，所述多个人脸采集装置通过局域网与服务器连接；所述人脸采集装置包括人脸识别装置和监控摄像装置。
CN202310755855.4A 2023-06-26 2023-06-26 一种基于人脸识别的门禁处可疑人员的评估方法及系统 Pending CN116503228A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310755855.4A CN116503228A (zh) 2023-06-26 2023-06-26 一种基于人脸识别的门禁处可疑人员的评估方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310755855.4A CN116503228A (zh) 2023-06-26 2023-06-26 一种基于人脸识别的门禁处可疑人员的评估方法及系统

Publications (1)

Publication Number Publication Date
CN116503228A true CN116503228A (zh) 2023-07-28

Family

ID=87316898

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310755855.4A Pending CN116503228A (zh) 2023-06-26 2023-06-26 一种基于人脸识别的门禁处可疑人员的评估方法及系统

Country Status (1)

Country Link
CN (1) CN116503228A (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109657608A (zh) * 2018-12-17 2019-04-19 中通服公众信息产业股份有限公司 基于人脸识别技术的尾随分析方法
CN115191009A (zh) * 2021-02-03 2022-10-14 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

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109657608A (zh) * 2018-12-17 2019-04-19 中通服公众信息产业股份有限公司 基于人脸识别技术的尾随分析方法
CN115191009A (zh) * 2021-02-03 2022-10-14 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 (1)

* Cited by examiner, † Cited by third party
Title
司占军，贾兆阳主编: "数字媒体技术", 《中国轻工业出版社》, pages: 185 *

Similar Documents

Publication Publication Date Title
CN112132045B (zh) 一种基于计算机视觉的小区人员异常行为监控方案
CN109544728B (zh) 区域人口管控系统及方法
CN112233300A (zh) 一种基于人工智能的社区通行防疫监控联防系统及其方法
CN110852148B (zh) 一种基于目标追踪的访客目的地核验方法及系统
CN111460940B (zh) 一种陌生人落脚点研判方法与系统
CN108537922A (zh) 基于人脸识别的访客预警方法和系统
CN113689648B (zh) 一种基于物联网的智慧社区安防管理系统及方法
CN109102613B (zh) 一种基于人脸识别的社区监控方法
CN108710827A (zh) 一种社区微警务巡查和信息自动分析系统及方法
CN112183162A (zh) 一种监控场景下人脸自动注册识别系统及方法
CN112800910A (zh) 一种通讯机房维护作业效能评估方法及系统
CN115550609A (zh) 一种可实现自动适配的楼宇物联网监控系统
CN113343913A (zh) 目标确定方法、装置、存储介质及计算机设备
CN114973567A (zh) 一种基于人脸识别的自动告警方法及终端
CN108537920B (zh) 基于人脸识别的访客监控方法和系统
CN116546438B (zh) 一种基于蓝牙mesh网络的楼宇监测系统
CN116503228A (zh) 一种基于人脸识别的门禁处可疑人员的评估方法及系统
CN115913998A (zh) 一种pctse智慧园区状态评价方法和系统
CN115631338A (zh) 基于计算机视觉的酒店安全监控方法
CN115762046A (zh) 一种建筑物顶部轻生者预警与干预装置
CN114445990A (zh) 用于小区的监控视频访问系统
CN111369394A (zh) 基于大数据的景区客流量统计评估系统及方法
Gheorghiu et al. Computer vision application to determine crowdedness in public transport stations
CN113269916B (zh) 基于人脸识别的来宾预判分析方法及系统
CN115240142B (zh) 基于跨媒体的室外重点场所人群异常行为预警系统和方法

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