CN116824460B - 一种基于人脸识别的考生轨迹跟踪方法、系统及介质 - Google Patents
一种基于人脸识别的考生轨迹跟踪方法、系统及介质 Download PDFInfo
- Publication number
- CN116824460B CN116824460B CN202311092419.XA CN202311092419A CN116824460B CN 116824460 B CN116824460 B CN 116824460B CN 202311092419 A CN202311092419 A CN 202311092419A CN 116824460 B CN116824460 B CN 116824460B
- Authority
- CN
- China
- Prior art keywords
- examination room
- examinee
- area
- examination
- information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000004458 analytical method Methods 0.000 claims description 55
- 230000001815 facial effect Effects 0.000 claims description 22
- 238000012790 confirmation Methods 0.000 claims description 18
- 238000000605 extraction Methods 0.000 claims description 16
- 238000012360 testing method Methods 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 4
- 238000011161 development Methods 0.000 abstract description 4
- 230000006399 behavior Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000012806 monitoring device Methods 0.000 description 4
- 239000002699 waste material Substances 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
-
- 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
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/292—Multi-camera tracking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/62—Extraction of image or video features relating to a temporal dimension, e.g. time-based feature extraction; Pattern tracking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- 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
- 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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
- G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
- G08B13/19608—Tracking movement of a target, e.g. by detecting an object predefined as a target, using target direction and or velocity to predict its new position
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30241—Trajectory
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Software Systems (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Educational Technology (AREA)
- Geometry (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Computing Systems (AREA)
- Educational Administration (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Emergency Management (AREA)
- Social Psychology (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于人脸识别的考生轨迹跟踪方法、系统及介质,在本发明中,通过采用人脸识别技术和轨迹记录技术,通过实时获取目标考场中不同考场区域的视频数据,将所述视频数据进行关键帧提取,得到关键帧图像集,将所述关键帧图像集进行人脸识别与人员确认,基于识别结果进行考生标记与轨迹跟踪并生成考生轨迹,实现考生的轨迹判断与预警,并通过构建三维地图模型进行可视化展示。通过本发明,既提高了考试管理的效率和准确性,又为教育部门提供了更加全面、科学的考试数据。能够为考试管理和教育事业的发展带来积极的影响。
Description
技术领域
本发明涉及图像识别领域,更具体的,涉及一种基于人脸识别的考生轨迹跟踪方法、系统及介质。
背景技术
随着当前互联网技术的不断向前发展,信息化的监考模式也随之迅猛发展。在传统的监考模式中,单单依靠人力进行监考分析,难以实现大规模的高效考试要求,且依靠人工监考,费时费力,存在较多考试漏铜问题,影响考试公平性与安全性。因此,如何结合信息化进行高效监考,如何精准地分析考生行为,确保考试公平性、安全性与高效性是当前的重要问题。
发明内容
本发明克服了现有技术的缺陷,提出了一种基于人脸识别的考生轨迹跟踪方法、系统及介质。
本发明第一方面提供了一种基于人脸识别的考生轨迹跟踪方法,包括:
基于目标考场构建三维地图模型,根据考场布局信息,划分出多个考场区域;
实时获取目标考场中不同考场区域的视频数据,将所述视频数据进行关键帧提取,得到关键帧图像集;
将所述关键帧图像集进行人脸识别与人员确认,基于识别结果进行考生标记与轨迹跟踪并生成考生轨迹;
获取考试基础信息与考场限制信息,基于考试基础信息、考场限制信息,结合地图模型生成时空约束程序;
基于考生轨迹与时空约束程序判断考生是否进入预警区域,若是,则生成预警信息,并将所述预警信息发送至预设终端设备。
本方案中,所述基于目标考场构建三维地图模型,根据考场布局信息,划分出多个考场区域,具体为:
获取目标考场的区域空间数据;
基于所述区域空间数据构建三维地图模型;
基于考场布局信息,结合三维地图模型进行考场区域划分,形成多个考场区域;
所述考场区域包括主考试区域、备用考试区域、走廊区域、楼梯区域、考生活动区域。
本方案中,所述实时获取目标考场中不同考场区域的视频数据,将所述视频数据进行关键帧提取,得到关键帧图像集,具体为:
实时获取目标考场中不同考场区域的视频数据,将所述视频数据进行图像帧提取,得到初始图像帧;
将初始图像帧进行人物图像识别,将存在人物的图像帧进行二次提取,得到关键帧图像集。
本方案中,所述将所述关键帧图像集进行人脸识别与人员确认,基于识别结果进行考生标记与轨迹跟踪并生成考生轨迹,具体为:
将所述关键帧图像集进行图像标准化、图像增强预处理;
将所述关键帧图像集进行人物区域识别与提取,得到人物区域图形;
从人物区域图形中进行面部图像提取,得到人脸图像,从所述人脸图像中进行特征提取,得到人脸特征数据;
将所述人脸特征数据与预设人脸对比特征进行特征相似度分析,并得到人员识别结果。
本方案中,所述将所述关键帧图像集进行人脸识别与人员确认,基于识别结果进行考生标记与轨迹跟踪并生成考生轨迹,具体为:
基于所述人员识别结果,从关键帧图像集中进行人物图像定位,得到人物图像位置;
基于关键帧图像集,动态分析人物图像位置并生成在图像中的运动轨迹;
根据关键帧图像集,获取地图模型中对应的考场区域,并标记为当前分析区域;
基于关键帧图像集在当前分析区域的监控角度、监控位置,分析出关键帧图像集中的图像与当前分析区域的位置映射关系;
基于所述位置映射关系与运动轨迹,动态生成基于地图模型的考生轨迹。
本方案中,所述获取考试基础信息与考场限制信息,基于考试基础信息、考场限制信息,结合地图模型生成时空约束程序,具体为:
基于考试基础信息生成考场的进场、安检、候场、出场时间;
基于考场限制信息进行考场空间预警分析,结合地图模型,生成预警区域、可活动区域、空间约束条件;
基于所述预警区域、空间约束条件、考场的进场、安检、候场、出场时间进行时间、区域维度的约束分析,生成基于地图模型的时空约束程序。
本方案中,所述基于考生轨迹与时空约束程序判断考生是否进入预警区域,若是,则生成预警信息,并将所述预警信息发送至预设终端设备,具体为:
获取考生轨迹,基于时空约束程序实时判断考生轨迹是否进入预警区域;
若进入预警区域,则基于考生轨迹获取考生实时位置;
基于所述实时位置,结合地图模型分析出对应考场区域,并进一步筛选出相应监考人员信息;
将所述预警区域与实时位置作为预警信息;
基于监考人员信息,将所述预警信息发送至监考人员的预设终端设备进行显示。
本发明第二方面还提供了一种基于人脸识别的考生轨迹跟踪系统,该系统包括:存储器、处理器,所述存储器中包括基于人脸识别的考生轨迹跟踪程序,所述基于人脸识别的考生轨迹跟踪程序被所述处理器执行时实现如下步骤:
基于目标考场构建三维地图模型,根据考场布局信息,划分出多个考场区域;
实时获取目标考场中不同考场区域的视频数据,将所述视频数据进行关键帧提取,得到关键帧图像集;
将所述关键帧图像集进行人脸识别与人员确认,基于识别结果进行考生标记与轨迹跟踪并生成考生轨迹;
获取考试基础信息与考场限制信息,基于考试基础信息、考场限制信息,结合地图模型生成时空约束程序;
基于考生轨迹与时空约束程序判断考生是否进入预警区域,若是,则生成预警信息,并将所述预警信息发送至预设终端设备。
本方案中,所述基于目标考场构建三维地图模型,根据考场布局信息,划分出多个考场区域,具体为:
获取目标考场的区域空间数据;
基于所述区域空间数据构建三维地图模型;
基于考场布局信息,结合三维地图模型进行考场区域划分,形成多个考场区域;
所述考场区域包括主考试区域、备用考试区域、走廊区域、楼梯区域、考生活动区域。
本发明第三方面还提供一种计算机可读存储介质,所述计算机可读存储介质中包括基于人脸识别的考生轨迹跟踪程序,所述基于人脸识别的考生轨迹跟踪程序被处理器执行时,实现如上述任一项所述的基于人脸识别的考生轨迹跟踪方法的步骤。
通过本发明方案,能够实现以下有益效果:
采用先进的人脸识别技术,可对考生进行高效、准确的识别。通过对考生的进出场、候考、考试过程进行记录,提高了考试管理的效率和准确性,减少了人工管理的工作量。
可以对考试中的作弊行为进行监管,保证考试的公平性和安全性。在考试过程中,系统会记录考生的活动轨迹和时间点,一旦出现作弊行为,可以通过数据分析快速定位问题,保证考试结果的公正性。
可以根据考生轨迹信息进行数据分析,为教育部门提供更加科学、全面的考试数据。通过对考生的行为轨迹进行分析,可以发现考试中存在的问题和不足之处,并进行相应考场规则调整。
系统将考生活动轨迹以可视化的形式呈现,可以直观地展示考生的行为路径和时间分布,便于学校和管理部门对考生行为进行分析和研究。
发明系统简单实用,可以与其他考试管理系统轻松实现对接,实现数据共享和交换。可以方便地与学校的教务管理系统、在线考试系统等进行集成,提高系统的综合管理能力。
本发明涉及的考生轨迹跟踪方法与系统,通过采用人脸识别技术和轨迹记录技术,既提高了考试管理的效率和准确性,又为教育部门提供了更加全面、科学的考试数据。这一技术的应用将为考试管理和教育事业的发展带来积极的影响。
附图说明
图1示出了本发明一种基于人脸识别的考生轨迹跟踪方法的流程图;
图2示出了本发明多个考场区域获取流程图;
图3示出了本发明关键帧图像集获取流程图;
图4示出了本发明一种基于人脸识别的考生轨迹跟踪系统的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种基于人脸识别的考生轨迹跟踪方法的流程图。
如图1所示,本发明第一方面提供了一种基于人脸识别的考生轨迹跟踪方法,包括:
S102,基于目标考场构建三维地图模型,根据考场布局信息,划分出多个考场区域;
S104,实时获取目标考场中不同考场区域的视频数据,将所述视频数据进行关键帧提取,得到关键帧图像集;
S106,将所述关键帧图像集进行人脸识别与人员确认,基于识别结果进行考生标记与轨迹跟踪并生成考生轨迹;
S108,获取考试基础信息与考场限制信息,基于考试基础信息、考场限制信息,结合地图模型生成时空约束程序;
S110,基于考生轨迹与时空约束程序判断考生是否进入预警区域,若是,则生成预警信息,并将所述预警信息发送至预设终端设备。
图2示出了本发明多个考场区域获取流程图。
根据本发明实施例,所述基于目标考场构建三维地图模型,根据考场布局信息,划分出多个考场区域,具体为:
S202,获取目标考场的区域空间数据;
S204,基于所述区域空间数据构建三维地图模型;
S206,基于考场布局信息,结合三维地图模型进行考场区域划分,形成多个考场区域;
S208,所述考场区域包括主考试区域、备用考试区域、走廊区域、楼梯区域、考生活动区域。
需要说明的是,所述区域空间数据包括考场所在建筑的室内外空间数据与考场面积、区域轮廓等。所述考生活动区域一般为考场空地、洗手间、操场等区域。
图3示出了本发明关键帧图像集获取流程图。
根据本发明实施例,所述实时获取目标考场中不同考场区域的视频数据,将所述视频数据进行关键帧提取,得到关键帧图像集,具体为:
S302,实时获取目标考场中不同考场区域的视频数据,将所述视频数据进行图像帧提取,得到初始图像帧;
S304,将初始图像帧进行人物图像识别,将存在人物的图像帧进行二次提取,得到关键帧图像集。
需要说明的是,所述获取目标考场中不同考场区域的视频数据中,每个考场区域均具有相应的监控设备,对应不同考场区域拥有不同的视频数据,从一个考场区域的视频数据分析出来的考生轨迹对应到地图模型中的考场区域中,通过分析不同考场区域的视频数据,汇集考生轨迹,能够形成考生在整个目标考场中的运动轨迹,进而对考生实现精细化的监管与考试安全性与公平性保障。
根据本发明实施例,所述将所述关键帧图像集进行人脸识别与人员确认,基于识别结果进行考生标记与轨迹跟踪并生成考生轨迹,具体为:
将所述关键帧图像集进行图像标准化、图像增强预处理;
将所述关键帧图像集进行人物区域识别与提取,得到人物区域图形;
从人物区域图形中进行面部图像提取,得到人脸图像,从所述人脸图像中进行特征提取,得到人脸特征数据;
将所述人脸特征数据与预设人脸对比特征进行特征相似度分析,并得到人员识别结果。
需要说明的是,所述预设人脸对比特征具体为预先设定的考生人脸特征数据,用于进行人脸识别。
根据本发明实施例,所述将所述关键帧图像集进行人脸识别与人员确认,基于识别结果进行考生标记与轨迹跟踪并生成考生轨迹,具体为:
基于所述人员识别结果,从关键帧图像集中进行人物图像定位,得到人物图像位置;
基于关键帧图像集,动态分析人物图像位置并生成在图像中的运动轨迹;
根据关键帧图像集,获取地图模型中对应的考场区域,并标记为当前分析区域;
基于关键帧图像集在当前分析区域的监控角度、监控位置,分析出关键帧图像集中的图像与当前分析区域的位置映射关系;
基于所述位置映射关系与运动轨迹,动态生成基于地图模型的考生轨迹。
需要说明的是,所述关键帧图像集为某个考场区域后去的视频数据中提起出来的,根据监控设备的数量,所述视频数据可以为多角度的视频数据,而视频数据覆盖面越广,对应得到的考生轨迹越精准。所述位置映射关系即监控图像显示的画面位置与实际的当前分析区域中的位置关系,通过记录位置映射关系,能够基于物体在画面中的位置得到对应物体在当前分析区域中的位置,进一步在地图模型中分析人物位置与轨迹。所述动态分析人物图像位置并生成在图像中的运动轨迹,具体为通过关键帧图像集中的多帧图像实现人物区域动态分析,并得到人物在图像中的运动轨迹。
根据本发明实施例,所述获取考试基础信息与考场限制信息,基于考试基础信息、考场限制信息,结合地图模型生成时空约束程序,具体为:
基于考试基础信息生成考场的进场、安检、候场、出场时间;
基于考场限制信息进行考场空间预警分析,结合地图模型,生成预警区域、可活动区域、空间约束条件;
基于所述预警区域、空间约束条件、考场的进场、安检、候场、出场时间进行时间、区域维度的约束分析,生成基于地图模型的时空约束程序。
需要说明的是,所述时空约束程序具体为一种基于时间与空间的限制性判断程序,能够用于判断预设空间中给定位置是否符合条件或是否需要预警,例如,在本方案中,通过生成所述时空约束程序,能够判断某一考试场次中,学生的运动轨迹是否符合条件,如,考生需要在考试时间段内保持在考场区域内,不得离开考场区域,则对应考试时间段与考场区域就形成了时空约束条件,考生的轨迹应该符合在该时间段内只在考场区域内移动,不得超过考场区域内,否则,生成相应预警信息。又例如,在候场时间段内,考生只能候场区域移动,且时间为10分钟,则时空约束程序中的约束方法为将候场区域作为可活动区域,将候场区域以外区域作为预警区域,则时间约束为10分钟,10分钟后自动解除约束,进一步利用考生轨迹判断是否符合预警条件。所述时空约束程序存储于系统中,且不同的考场、不同的考试场次、不同的考场区域对应生成的时空约束程序均不相同。所述考试基础信息与考场限制信息可由用户输入。
根据本发明实施例,所述基于考生轨迹与时空约束程序判断考生是否进入预警区域,若是,则生成预警信息,并将所述预警信息发送至预设终端设备,具体为:
获取考生轨迹,基于时空约束程序实时判断考生轨迹是否进入预警区域;
若进入预警区域,则基于考生轨迹获取考生实时位置;
基于所述实时位置,结合地图模型分析出对应考场区域,并进一步筛选出相应监考人员信息;
将所述预警区域与实时位置作为预警信息;
基于监考人员信息,将所述预警信息发送至监考人员的预设终端设备进行显示。
需要说明的是,一般多个考场区域均有对应监考人员进行监考,且监考人员数据为提前录入系统。
根据本发明实施例,还包括:
获取一次当前考试中所有考生的考生轨迹数据;
将所述考生轨迹数据导入地图模型进行展示与分析;
基于考生轨迹数据进行多个考场区域的考生运动频率分析,并得到每个考场区域的考生运动频率,所述考生运动频率分析为基于考生进入考场区域的时间、次数、路程的综合性分析;
基于考生运动频率与预设标准,对每个考场区域进行分类,得到高频考场区域与低频考场区域;
获取考试基础信息与考场限制信息;
基于高频考场区域、低频考场区域、考生运动频率、考试基础信息,对考场限制信息进行调整分析,并生成考场调整方案;
将所述考场调整方案发送至系统终端设备。
需要说明的是,所述考生运动频率越高,则对应的考场区域中考生花费的时间越长、次数越多、路程越长,所述预设标准一般为用户设定,具体为一个预设频率值,高于该值为高频高频考场区域,低于该值为低频考场区域。在本发明中,通过分析考生群体的运动轨迹数据,能够进一步对考场限制、规则等进行合理调整,实现考场的人性化管理,保障考生顺利考试。例如,在得到高频考场区域、低频考场区域中,若某个考场区域为低频区域,对应为候场区域,则可以适当调整候场时间,减少考生不必要的时间浪费,提高考场效率,又如,若走廊区域、楼梯区域被判定为高频区域,则代表考生在对应区域的花费时间与路径较多、较长,因此,需要合理提高考生的考试间隔时间与提高相应的活动区域范围,从而提高考试效率。
根据本发明实施例,还包括:
从关键帧图像集中获取初始人物区域图形;
从初始人物区域图形中进行面部区域与肢体区域识别与提取,得到面部区域图像与躯体区域图像;
基于所述面部区域图像进行轮廓特征提取,得到面部轮廓特征,基于所述躯体区域图像进行服饰色彩特征提取,得到人物服饰色彩特征;
将面部轮廓特征与人物服饰色彩特征作为初始对比特征,在下一个分析周期中,从关键帧图像集中获取第二人物区域图形,并基于第二人物区域图形进行人脸识别得到人员识别结果;
基于第二人物区域图形进行面部、躯体的特征提取,并将提取特征数据与初始对比特征进行对比,形成第二人员识别结果;
基于人员识别结果与第二人员识别结果进行人员二次确认与轨迹分析。
需要说明的是,所述面部区域图像包括人物整个头部头像特征,具体为头发特征与面部特征等。值得一提的是,在动态分析人物位置时,需要通过多个分析周期,不断分析每一帧图像中的人物位置,而在分析过程中,由于人物的移动与图像质量等关系,单单依靠人脸识别存在一定局限性,本发明通过分析初始的人物面部特征与躯体服饰特征,在后续进行人物图像分析时能够实现更加快速、准确的识别与人员确认,进一步实现高效、准确的考生轨迹跟踪与轨迹数据计算。所述获取初始人物区域图形一般为关键帧图像集中的第一帧图像分析得到的。
图4示出了本发明一种基于人脸识别的考生轨迹跟踪系统的框图。
本发明第二方面还提供了一种基于人脸识别的考生轨迹跟踪系统4,该系统包括:存储器41、处理器42,所述存储器中包括基于人脸识别的考生轨迹跟踪程序,所述基于人脸识别的考生轨迹跟踪程序被所述处理器执行时实现如下步骤:
基于目标考场构建三维地图模型,根据考场布局信息,划分出多个考场区域;
实时获取目标考场中不同考场区域的视频数据,将所述视频数据进行关键帧提取,得到关键帧图像集;
将所述关键帧图像集进行人脸识别与人员确认,基于识别结果进行考生标记与轨迹跟踪并生成考生轨迹;
获取考试基础信息与考场限制信息,基于考试基础信息、考场限制信息,结合地图模型生成时空约束程序;
基于考生轨迹与时空约束程序判断考生是否进入预警区域,若是,则生成预警信息,并将所述预警信息发送至预设终端设备。
根据本发明实施例,所述基于目标考场构建三维地图模型,根据考场布局信息,划分出多个考场区域,具体为:
获取目标考场的区域空间数据;
基于所述区域空间数据构建三维地图模型;
基于考场布局信息,结合三维地图模型进行考场区域划分,形成多个考场区域;
所述考场区域包括主考试区域、备用考试区域、走廊区域、楼梯区域、考生活动区域。
需要说明的是,所述区域空间数据包括考场所在建筑的室内外空间数据与考场面积、区域轮廓等。所述考生活动区域一般为考场空地、洗手间、操场等区域。
根据本发明实施例,所述实时获取目标考场中不同考场区域的视频数据,将所述视频数据进行关键帧提取,得到关键帧图像集,具体为:
实时获取目标考场中不同考场区域的视频数据,将所述视频数据进行图像帧提取,得到初始图像帧;
将初始图像帧进行人物图像识别,将存在人物的图像帧进行二次提取,得到关键帧图像集。
需要说明的是,所述获取目标考场中不同考场区域的视频数据中,每个考场区域均具有相应的监控设备,对应不同考场区域拥有不同的视频数据,从一个考场区域的视频数据分析出来的考生轨迹对应到地图模型中的考场区域中,通过分析不同考场区域的视频数据,汇集考生轨迹,能够形成考生在整个目标考场中的运动轨迹,进而对考生实现精细化的监管与考试安全性与公平性保障。
根据本发明实施例,所述将所述关键帧图像集进行人脸识别与人员确认,基于识别结果进行考生标记与轨迹跟踪并生成考生轨迹,具体为:
将所述关键帧图像集进行图像标准化、图像增强预处理;
将所述关键帧图像集进行人物区域识别与提取,得到人物区域图形;
从人物区域图形中进行面部图像提取,得到人脸图像,从所述人脸图像中进行特征提取,得到人脸特征数据;
将所述人脸特征数据与预设人脸对比特征进行特征相似度分析,并得到人员识别结果。
需要说明的是,所述预设人脸对比特征具体为预先设定的考生人脸特征数据,用于进行人脸识别。
根据本发明实施例,所述将所述关键帧图像集进行人脸识别与人员确认,基于识别结果进行考生标记与轨迹跟踪并生成考生轨迹,具体为:
基于所述人员识别结果,从关键帧图像集中进行人物图像定位,得到人物图像位置;
基于关键帧图像集,动态分析人物图像位置并生成在图像中的运动轨迹;
根据关键帧图像集,获取地图模型中对应的考场区域,并标记为当前分析区域;
基于关键帧图像集在当前分析区域的监控角度、监控位置,分析出关键帧图像集中的图像与当前分析区域的位置映射关系;
基于所述位置映射关系与运动轨迹,动态生成基于地图模型的考生轨迹。
需要说明的是,所述关键帧图像集为某个考场区域后去的视频数据中提起出来的,根据监控设备的数量,所述视频数据可以为多角度的视频数据,而视频数据覆盖面越广,对应得到的考生轨迹越精准。所述位置映射关系即监控图像显示的画面位置与实际的当前分析区域中的位置关系,通过记录位置映射关系,能够基于物体在画面中的位置得到对应物体在当前分析区域中的位置,进一步在地图模型中分析人物位置与轨迹。所述动态分析人物图像位置并生成在图像中的运动轨迹,具体为通过关键帧图像集中的多帧图像实现人物区域动态分析,并得到人物在图像中的运动轨迹。
根据本发明实施例,所述获取考试基础信息与考场限制信息,基于考试基础信息、考场限制信息,结合地图模型生成时空约束程序,具体为:
基于考试基础信息生成考场的进场、安检、候场、出场时间;
基于考场限制信息进行考场空间预警分析,结合地图模型,生成预警区域、可活动区域、空间约束条件;
基于所述预警区域、空间约束条件、考场的进场、安检、候场、出场时间进行时间、区域维度的约束分析,生成基于地图模型的时空约束程序。
需要说明的是,所述时空约束程序具体为一种基于时间与空间的限制性判断程序,能够用于判断预设空间中给定位置是否符合条件或是否需要预警,例如,在本方案中,通过生成所述时空约束程序,能够判断某一考试场次中,学生的运动轨迹是否符合条件,如,考生需要在考试时间段内保持在考场区域内,不得离开考场区域,则对应考试时间段与考场区域就形成了时空约束条件,考生的轨迹应该符合在该时间段内只在考场区域内移动,不得超过考场区域内,否则,生成相应预警信息。又例如,在候场时间段内,考生只能候场区域移动,且时间为10分钟,则时空约束程序中的约束方法为将候场区域作为可活动区域,将候场区域以外区域作为预警区域,则时间约束为10分钟,10分钟后自动解除约束,进一步利用考生轨迹判断是否符合预警条件。所述时空约束程序存储于系统中,且不同的考场、不同的考试场次、不同的考场区域对应生成的时空约束程序均不相同。所述考试基础信息与考场限制信息可由用户输入。
根据本发明实施例,所述基于考生轨迹与时空约束程序判断考生是否进入预警区域,若是,则生成预警信息,并将所述预警信息发送至预设终端设备,具体为:
获取考生轨迹,基于时空约束程序实时判断考生轨迹是否进入预警区域;
若进入预警区域,则基于考生轨迹获取考生实时位置;
基于所述实时位置,结合地图模型分析出对应考场区域,并进一步筛选出相应监考人员信息;
将所述预警区域与实时位置作为预警信息;
基于监考人员信息,将所述预警信息发送至监考人员的预设终端设备进行显示。
需要说明的是,一般多个考场区域均有对应监考人员进行监考,且监考人员数据为提前录入系统。
根据本发明实施例,还包括:
获取一次当前考试中所有考生的考生轨迹数据;
将所述考生轨迹数据导入地图模型进行展示与分析;
基于考生轨迹数据进行多个考场区域的考生运动频率分析,并得到每个考场区域的考生运动频率,所述考生运动频率分析为基于考生进入考场区域的时间、次数、路程的综合性分析;
基于考生运动频率与预设标准,对每个考场区域进行分类,得到高频考场区域与低频考场区域;
获取考试基础信息与考场限制信息;
基于高频考场区域、低频考场区域、考生运动频率、考试基础信息,对考场限制信息进行调整分析,并生成考场调整方案;
将所述考场调整方案发送至系统终端设备。
需要说明的是,所述考生运动频率越高,则对应的考场区域中考生花费的时间越长、次数越多、路程越长,所述预设标准一般为用户设定,具体为一个预设频率值,高于该值为高频高频考场区域,低于该值为低频考场区域。在本发明中,通过分析考生群体的运动轨迹数据,能够进一步对考场限制、规则等进行合理调整,实现考场的人性化管理,保障考生顺利考试。例如,在得到高频考场区域、低频考场区域中,若某个考场区域为低频区域,对应为候场区域,则可以适当调整候场时间,减少考生不必要的时间浪费,提高考场效率,又如,若走廊区域、楼梯区域被判定为高频区域,则代表考生在对应区域的花费时间与路径较多、较长,因此,需要合理提高考生的考试间隔时间与提高相应的活动区域范围,从而提高考试效率。
本发明第三方面还提供一种计算机可读存储介质,所述计算机可读存储介质中包括基于人脸识别的考生轨迹跟踪程序,所述基于人脸识别的考生轨迹跟踪程序被处理器执行时,实现如上述任一项所述的基于人脸识别的考生轨迹跟踪方法的步骤。
本发明公开了一种基于人脸识别的考生轨迹跟踪方法、系统及介质,在本发明中,通过采用人脸识别技术和轨迹记录技术,通过实时获取目标考场中不同考场区域的视频数据,将所述视频数据进行关键帧提取,得到关键帧图像集,将所述关键帧图像集进行人脸识别与人员确认,基于识别结果进行考生标记与轨迹跟踪并生成考生轨迹,实现考生的轨迹判断与预警,并通过构建三维地图模型进行可视化展示。通过本发明,既提高了考试管理的效率和准确性,又为教育部门提供了更加全面、科学的考试数据。能够为考试管理和教育事业的发展带来积极的影响。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,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,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种基于人脸识别的考生轨迹跟踪方法,其特征在于,包括:
基于目标考场构建三维地图模型,根据考场布局信息,划分出多个考场区域;
实时获取目标考场中不同考场区域的视频数据,将所述视频数据进行关键帧提取,得到关键帧图像集;
将所述关键帧图像集进行人脸识别与人员确认,基于识别结果进行考生标记与轨迹跟踪并生成考生轨迹;
获取考试基础信息与考场限制信息,基于考试基础信息、考场限制信息,结合地图模型生成时空约束程序;
基于考生轨迹与时空约束程序判断考生是否进入预警区域,若是,则生成预警信息,并将所述预警信息发送至预设终端设备;
其中,还包括:
获取一次当前考试中所有考生的考生轨迹数据;
将所述考生轨迹数据导入地图模型进行展示与分析;
基于考生轨迹数据进行多个考场区域的考生运动频率分析,并得到每个考场区域的考生运动频率,所述考生运动频率分析为基于考生进入考场区域的时间、次数、路程的综合性分析;
基于考生运动频率与预设标准,对每个考场区域进行分类,得到高频考场区域与低频考场区域;
获取考试基础信息与考场限制信息;
基于高频考场区域、低频考场区域、考生运动频率、考试基础信息,对考场限制信息进行调整分析,并生成考场调整方案;
将所述考场调整方案发送至系统终端设备;
其中,还包括:
从关键帧图像集中获取初始人物区域图形;
从初始人物区域图形中进行面部区域与肢体区域识别与提取,得到面部区域图像与躯体区域图像;
基于所述面部区域图像进行轮廓特征提取,得到面部轮廓特征,基于所述躯体区域图像进行服饰色彩特征提取,得到人物服饰色彩特征;
将面部轮廓特征与人物服饰色彩特征作为初始对比特征,在下一个分析周期中,从关键帧图像集中获取第二人物区域图形,并基于第二人物区域图形进行人脸识别得到人员识别结果;
基于第二人物区域图形进行面部、躯体的特征提取,并将提取特征数据与初始对比特征进行对比,形成第二人员识别结果;
基于人员识别结果与第二人员识别结果进行人员二次确认与轨迹分析。
2.根据权利要求1所述的一种基于人脸识别的考生轨迹跟踪方法,其特征在于,所述基于目标考场构建三维地图模型,根据考场布局信息,划分出多个考场区域,具体为:
获取目标考场的区域空间数据;
基于所述区域空间数据构建三维地图模型;
基于考场布局信息,结合三维地图模型进行考场区域划分,形成多个考场区域;
所述考场区域包括主考试区域、备用考试区域、走廊区域、楼梯区域、考生活动区域。
3.根据权利要求2所述的一种基于人脸识别的考生轨迹跟踪方法,其特征在于,所述实时获取目标考场中不同考场区域的视频数据,将所述视频数据进行关键帧提取,得到关键帧图像集,具体为:
实时获取目标考场中不同考场区域的视频数据,将所述视频数据进行图像帧提取,得到初始图像帧;
将初始图像帧进行人物图像识别,将存在人物的图像帧进行二次提取,得到关键帧图像集。
4.根据权利要求1所述的一种基于人脸识别的考生轨迹跟踪方法,其特征在于,所述将所述关键帧图像集进行人脸识别与人员确认,基于识别结果进行考生标记与轨迹跟踪并生成考生轨迹,具体为:
将所述关键帧图像集进行图像标准化、图像增强预处理;
将所述关键帧图像集进行人物区域识别与提取,得到人物区域图形;
从人物区域图形中进行面部图像提取,得到人脸图像,从所述人脸图像中进行特征提取,得到人脸特征数据;
将所述人脸特征数据与预设人脸对比特征进行特征相似度分析,并得到人员识别结果。
5.根据权利要求4所述的一种基于人脸识别的考生轨迹跟踪方法,其特征在于,所述将所述关键帧图像集进行人脸识别与人员确认,基于识别结果进行考生标记与轨迹跟踪并生成考生轨迹,具体为:
基于所述人员识别结果,从关键帧图像集中进行人物图像定位,得到人物图像位置;
基于关键帧图像集,动态分析人物图像位置并生成在图像中的运动轨迹;
根据关键帧图像集,获取地图模型中对应的考场区域,并标记为当前分析区域;
基于关键帧图像集在当前分析区域的监控角度、监控位置,分析出关键帧图像集中的图像与当前分析区域的位置映射关系;
基于所述位置映射关系与运动轨迹,动态生成基于地图模型的考生轨迹。
6.根据权利要求1所述的一种基于人脸识别的考生轨迹跟踪方法,其特征在于,所述获取考试基础信息与考场限制信息,基于考试基础信息、考场限制信息,结合地图模型生成时空约束程序,具体为:
基于考试基础信息生成考场的进场、安检、候场、出场时间;
基于考场限制信息进行考场空间预警分析,结合地图模型,生成预警区域、可活动区域、空间约束条件;
基于所述预警区域、空间约束条件、考场的进场、安检、候场、出场时间进行时间、区域维度的约束分析,生成基于地图模型的时空约束程序。
7.根据权利要求1所述的一种基于人脸识别的考生轨迹跟踪方法,其特征在于,所述基于考生轨迹与时空约束程序判断考生是否进入预警区域,若是,则生成预警信息,并将所述预警信息发送至预设终端设备,具体为:
获取考生轨迹,基于时空约束程序实时判断考生轨迹是否进入预警区域;
若进入预警区域,则基于考生轨迹获取考生实时位置;
基于所述实时位置,结合地图模型分析出对应考场区域,并进一步筛选出相应监考人员信息;
将所述预警区域与实时位置作为预警信息;
基于监考人员信息,将所述预警信息发送至监考人员的预设终端设备进行显示。
8.一种基于人脸识别的考生轨迹跟踪系统,其特征在于,该系统包括:存储器、处理器,所述存储器中包括基于人脸识别的考生轨迹跟踪程序,所述基于人脸识别的考生轨迹跟踪程序被所述处理器执行时实现如下步骤:
基于目标考场构建三维地图模型,根据考场布局信息,划分出多个考场区域;
实时获取目标考场中不同考场区域的视频数据,将所述视频数据进行关键帧提取,得到关键帧图像集;
将所述关键帧图像集进行人脸识别与人员确认,基于识别结果进行考生标记与轨迹跟踪并生成考生轨迹;
获取考试基础信息与考场限制信息,基于考试基础信息、考场限制信息,结合地图模型生成时空约束程序;
基于考生轨迹与时空约束程序判断考生是否进入预警区域,若是,则生成预警信息,并将所述预警信息发送至预设终端设备;
其中,还包括:
获取一次当前考试中所有考生的考生轨迹数据;
将所述考生轨迹数据导入地图模型进行展示与分析;
基于考生轨迹数据进行多个考场区域的考生运动频率分析,并得到每个考场区域的考生运动频率,所述考生运动频率分析为基于考生进入考场区域的时间、次数、路程的综合性分析;
基于考生运动频率与预设标准,对每个考场区域进行分类,得到高频考场区域与低频考场区域;
获取考试基础信息与考场限制信息;
基于高频考场区域、低频考场区域、考生运动频率、考试基础信息,对考场限制信息进行调整分析,并生成考场调整方案;
将所述考场调整方案发送至系统终端设备;
其中,还包括:
从关键帧图像集中获取初始人物区域图形;
从初始人物区域图形中进行面部区域与肢体区域识别与提取,得到面部区域图像与躯体区域图像;
基于所述面部区域图像进行轮廓特征提取,得到面部轮廓特征,基于所述躯体区域图像进行服饰色彩特征提取,得到人物服饰色彩特征;
将面部轮廓特征与人物服饰色彩特征作为初始对比特征,在下一个分析周期中,从关键帧图像集中获取第二人物区域图形,并基于第二人物区域图形进行人脸识别得到人员识别结果;
基于第二人物区域图形进行面部、躯体的特征提取,并将提取特征数据与初始对比特征进行对比,形成第二人员识别结果;
基于人员识别结果与第二人员识别结果进行人员二次确认与轨迹分析。
9.根据权利要求8所述的一种基于人脸识别的考生轨迹跟踪系统,其特征在于,所述基于目标考场构建三维地图模型,根据考场布局信息,划分出多个考场区域,具体为:
获取目标考场的区域空间数据;
基于所述区域空间数据构建三维地图模型;
基于考场布局信息,结合三维地图模型进行考场区域划分,形成多个考场区域;
所述考场区域包括主考试区域、备用考试区域、走廊区域、楼梯区域、考生活动区域。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中包括基于人脸识别的考生轨迹跟踪程序,所述基于人脸识别的考生轨迹跟踪程序被处理器执行时,实现如权利要求1至7中任一项所述的基于人脸识别的考生轨迹跟踪方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311092419.XA CN116824460B (zh) | 2023-08-29 | 2023-08-29 | 一种基于人脸识别的考生轨迹跟踪方法、系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311092419.XA CN116824460B (zh) | 2023-08-29 | 2023-08-29 | 一种基于人脸识别的考生轨迹跟踪方法、系统及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116824460A CN116824460A (zh) | 2023-09-29 |
CN116824460B true CN116824460B (zh) | 2023-12-08 |
Family
ID=88116985
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311092419.XA Active CN116824460B (zh) | 2023-08-29 | 2023-08-29 | 一种基于人脸识别的考生轨迹跟踪方法、系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116824460B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108334846A (zh) * | 2018-02-06 | 2018-07-27 | 高强 | 一种智能考场监考方法及系统 |
CN109961000A (zh) * | 2018-10-22 | 2019-07-02 | 大连艾米移动科技有限公司 | 一种智能考场防作弊系统 |
CN110009533A (zh) * | 2018-07-26 | 2019-07-12 | 上海懿磬信息科技发展有限公司 | 一种无人监考考场监管系统及方法 |
CN110956877A (zh) * | 2019-12-10 | 2020-04-03 | 康忠文 | 基于摄像头的学车辅助方法及系统 |
CN112507920A (zh) * | 2020-12-16 | 2021-03-16 | 重庆交通大学 | 一种基于时间位移和注意力机制的考试异常行为识别方法 |
CN113065448A (zh) * | 2021-03-29 | 2021-07-02 | 南北联合信息科技有限公司 | 人脸识别方法、系统、计算机设备及存储介质 |
CN113452959A (zh) * | 2021-04-08 | 2021-09-28 | 安徽工业经济职业技术学院 | 一种基于大数据的考点区域环境监控方法及系统 |
CN115908493A (zh) * | 2022-11-23 | 2023-04-04 | 中科曙光南京研究院有限公司 | 一种小区人员轨迹管理与展示方法及其系统 |
-
2023
- 2023-08-29 CN CN202311092419.XA patent/CN116824460B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108334846A (zh) * | 2018-02-06 | 2018-07-27 | 高强 | 一种智能考场监考方法及系统 |
CN110009533A (zh) * | 2018-07-26 | 2019-07-12 | 上海懿磬信息科技发展有限公司 | 一种无人监考考场监管系统及方法 |
CN109961000A (zh) * | 2018-10-22 | 2019-07-02 | 大连艾米移动科技有限公司 | 一种智能考场防作弊系统 |
CN110956877A (zh) * | 2019-12-10 | 2020-04-03 | 康忠文 | 基于摄像头的学车辅助方法及系统 |
CN112507920A (zh) * | 2020-12-16 | 2021-03-16 | 重庆交通大学 | 一种基于时间位移和注意力机制的考试异常行为识别方法 |
CN113065448A (zh) * | 2021-03-29 | 2021-07-02 | 南北联合信息科技有限公司 | 人脸识别方法、系统、计算机设备及存储介质 |
CN113452959A (zh) * | 2021-04-08 | 2021-09-28 | 安徽工业经济职业技术学院 | 一种基于大数据的考点区域环境监控方法及系统 |
CN115908493A (zh) * | 2022-11-23 | 2023-04-04 | 中科曙光南京研究院有限公司 | 一种小区人员轨迹管理与展示方法及其系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116824460A (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110378259A (zh) | 一种面向监控视频的多目标行为识别方法及系统 | |
JP7292492B2 (ja) | オブジェクト追跡方法及び装置、記憶媒体並びにコンピュータプログラム | |
Ancheta et al. | FEDSecurity: implementation of computer vision thru face and eye detection | |
WO2021068781A1 (zh) | 一种疲劳状态识别方法、装置和设备 | |
CN111144275A (zh) | 一种基于人脸识别的跑步智能测试系统及方法 | |
CN107241572A (zh) | 学员实训视频追踪评价系统 | |
CN110516568B (zh) | 一种基于人脸识别的高校多场景数据管理方法及系统 | |
CN110096606B (zh) | 一种外籍人员管理方法、装置和电子设备 | |
CN109544754A (zh) | 一种基于人脸识别的门禁方法及系统、计算机设备 | |
CN108983966B (zh) | 基于虚拟现实和眼动技术的罪犯改造评估系统和方法 | |
CN112528952A (zh) | 一种电力营业厅人员的工作状态智能识别系统 | |
CN108985265A (zh) | 客流量监控系统和客流量监控方法 | |
CN115841651A (zh) | 基于计算机视觉与深度学习的施工人员智能监测系统 | |
CN108537920A (zh) | 基于人脸识别的访客监控方法和系统 | |
CN113630721A (zh) | 推荐游览路线的生成方法和装置、及计算机可读存储介质 | |
CN116824460B (zh) | 一种基于人脸识别的考生轨迹跟踪方法、系统及介质 | |
JP6733766B1 (ja) | 解析装置、制御方法、及びプログラム | |
CN113538720A (zh) | 基于海思智能ai芯片的嵌入式人脸识别考勤方法 | |
CN206948499U (zh) | 学员实训视频追踪监控、评价系统 | |
CN114429676A (zh) | 一种医疗机构消毒供应室人员身份与行为识别系统 | |
CN115410113A (zh) | 基于计算机视觉的跌倒检测方法、装置及存储介质 | |
CN113837112A (zh) | 一种视频数据处理方法及电子设备 | |
AU2020202221A1 (en) | Privacy preserving visitor recognition and movement pattern analysis based on computer vision | |
CN113496200A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN111310602A (zh) | 一种基于情绪识别的展品关注度分析系统及分析方法 |
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 |