CN116824508A - 一种人员异常行为监控方法、装置、存储介质及电子设备 - Google Patents
一种人员异常行为监控方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN116824508A CN116824508A CN202310857499.7A CN202310857499A CN116824508A CN 116824508 A CN116824508 A CN 116824508A CN 202310857499 A CN202310857499 A CN 202310857499A CN 116824508 A CN116824508 A CN 116824508A
- Authority
- CN
- China
- Prior art keywords
- personnel
- equipment
- gesture
- data
- person
- 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
Links
- 206010000117 Abnormal behaviour Diseases 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000012544 monitoring process Methods 0.000 title claims abstract description 59
- 238000004364 calculation method Methods 0.000 claims description 25
- 230000002159 abnormal effect Effects 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 3
- 238000012946 outsourcing Methods 0.000 claims description 3
- 230000001815 facial effect Effects 0.000 claims description 2
- 230000001960 triggered effect Effects 0.000 claims description 2
- 230000003542 behavioural effect Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 15
- 238000010586 diagram Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 238000012806 monitoring device Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 230000006399 behavior Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003238 somatosensory effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000036544 posture Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本公开提供的一种人员异常行为监控方法、装置、存储介质及电子设备,可用于大数据领域或金融领域。本公开采集目标操作设备的设备操作数据;利用设备操作数据,判定是否对与目标操作设备对应的设备区域进行人员姿态识别,如果是,则使用监控设备识别设备区域中人员的姿态,获得人员的姿态识别结果;在姿态识别结果为异常行为姿态的情况下,对人员进行人脸识别,获得人员的人脸识别结果;利用人脸识别结果和与设备区域对应的区域信息,查询出人员的基本数据信息。本公开通过结合操作设备的设备操作数据、姿态识别技术和人脸识别技术,能够及时识别到出现异常行为姿态的人员,并快速获取到该人员的基本数据信息,从而提升人员异常行为监控的效率。
Description
技术领域
本公开涉及大数据领域,尤其涉及一种人员异常行为监控方法、装置、存储介质及电子设备。
背景技术
随着企业规模的不断扩大,需要对人员队伍进行有效的监督和管理,以便能够按照计划进度和要求质量完成相关的系统项目。
当前对人员的监督方式仍旧依靠对监控摄像头采集的人员图像进行回看审核,此类原始的监督方式已经无法满足人员规模不断扩大下的人员监控需求,难以及时发现人员的异常行为,导致对人员异常行为的监控效率低下,不利于企业对人员的监督和管理。
因此,如何及时发现人员的异常行为,成为本领域技术人员急需解决的技术问题。
发明内容
鉴于上述问题,本公开提供一种克服上述问题或者至少部分地解决上述问题的一种人员异常行为监控方法、装置、存储介质及电子设备,技术方案如下:
一种人员异常行为监控方法,包括:
采集目标操作设备的设备操作数据;
利用所述设备操作数据,判定是否对与所述目标操作设备对应的设备区域进行人员姿态识别,如果是,则使用监控设备识别所述设备区域中人员的姿态,获得所述人员的姿态识别结果;
在所述姿态识别结果为异常行为姿态的情况下,对所述人员进行人脸识别,获得所述人员的人脸识别结果;
利用所述人脸识别结果和与所述设备区域对应的区域信息,查询出所述人员的基本数据信息。
可选的,在所述利用所述人脸识别结果和与所述设备区域对应的区域信息,查询出所述人员的基本数据信息之后,所述方法还包括:
利用所述基本数据信息、所述设备操作数据和所述姿态识别结果,生成异常预警信息。
可选的,所述利用所述设备操作数据,判定是否对与所述目标操作设备对应的设备区域进行人员姿态识别,包括:
按照预先设置好的数据标准化算法对所述设备操作数据进行计算,获得数据计算结果,其中,所述数据计算结果为反映所述人员在所述目标操作设备上的工作状态的参数值;
将所述数据计算结果与预设姿态识别阈值进行比对,判定所述数据计算结果是否大于所述预设姿态识别阈值,如果是,则判定对与所述目标操作设备对应的设备区域进行人员姿态识别。
可选的,所述对所述人员进行人脸识别,获得所述人员的人脸识别结果,包括:
采集所述人员的第一人脸特征数据;
将所述第一人脸特征数据与预设数据库中存储的多个第二人脸特征数据进行相似度匹配,获得匹配到相似度最高的所述第二人脸特征数据对应的人员身份信息;
将所述人员身份信息确定为所述人员的人脸识别结果。
可选的,所述基本数据信息包括所述人员的姓名、性别、外包厂商、所述区域信息以及人脸特征数据。
可选的,在所述采集所述人员的第一人脸特征数据之前,所述方法还包括:
获得所述人员的所述基本数据信息;
将所述基本数据信息存储至所述预设数据库中。
可选的,所述异常行为姿态包括睡觉姿态和玩手机姿态。
一种人员异常行为监控装置,包括:设备操作数据采集单元、人员姿态识别判定单元、姿态识别结果获得单元、人脸识别结果获得单元和基本数据信息查询单元,
所述设备操作数据采集单元,用于采集目标操作设备的设备操作数据;
所述人员姿态识别判定单元,用于利用所述设备操作数据,判定是否对与所述目标操作设备对应的设备区域进行人员姿态识别,如果是,则触发所述姿态识别结果获得单元;
所述姿态识别结果获得单元,用于使用监控设备识别所述设备区域中人员的姿态,获得所述人员的姿态识别结果;
所述人脸识别结果获得单元,用于在所述姿态识别结果为异常行为姿态的情况下,对所述人员进行人脸识别,获得所述人员的人脸识别结果;
所述基本数据信息查询单元,用于利用所述人脸识别结果和与所述设备区域对应的区域信息,查询出所述人员的基本数据信息。
一种计算机可读存储介质,其上存储有程序,其特征在于,所述程序被处理器执行时实现上述任一项所述的人员异常行为监控方法。
一种电子设备,所述电子设备包括至少一个处理器、以及与处理器连接的至少一个存储器、总线;其中,所述处理器、所述存储器通过所述总线完成相互间的通信;所述处理器用于调用所述存储器中的程序指令,以执行上述任一项所述的人员异常行为监控方法。
借由上述技术方案,本公开提供的一种人员异常行为监控方法、装置、存储介质及电子设备,可用于大数据领域或金融领域。本公开采集目标操作设备的设备操作数据;利用设备操作数据,判定是否对与目标操作设备对应的设备区域进行人员姿态识别,如果是,则使用监控设备识别设备区域中人员的姿态,获得人员的姿态识别结果;在姿态识别结果为异常行为姿态的情况下,对人员进行人脸识别,获得人员的人脸识别结果;利用人脸识别结果和与设备区域对应的区域信息,查询出人员的基本数据信息。本公开通过结合操作设备的设备操作数据、姿态识别技术和人脸识别技术,能够及时识别到出现异常行为姿态的人员,并快速获取到该人员的基本数据信息,从而提升人员异常行为监控的效率,有助于企业对人员进行监督和管理。
上述说明仅是本公开技术方案的概述,为了能够更清楚了解本公开的技术手段,而可依照说明书的内容予以实施,并且为了让本公开的上述和其它目的、特征和优点能够更明显易懂,以下特举本公开的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本公开的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本公开实施例提供的人员异常行为监控方法的一种实施方式的流程示意图;
图2示出了本公开实施例提供的人员异常行为监控方法的另一种实施方式的流程示意图;
图3示出了本公开实施例提供的人员异常行为监控方法的另一种实施方式的流程示意图;
图4示出了本公开实施例提供的人员异常行为监控方法的另一种实施方式的流程示意图;
图5示出了本公开实施例提供的人员异常行为监控装置的结构示意图;
图6示出了本公开实施例提供的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
如图1所示,本公开实施例提供的人员异常行为监控方法的一种实施方式的流程示意图,该方法可以包括:
S100、采集目标操作设备的设备操作数据。
其中,操作设备为可供人员操作的计算机设备。可以理解的是,操作设备包括可展示操作界面的屏幕和可输入操作指令的硬件。
其中,设备操作数据可以为反映操作设备运行状态的数据。可选的,设备操作数据可以包括操作设备的息屏数据和工作时长数据。其中,工作时长数据可以包括人员在操作设备上的持续操作时间。
S200、利用设备操作数据,判定是否对与目标操作设备对应的设备区域进行人员姿态识别,如果是,则执行步骤S300。
其中,设备区域为操作设备所在的工位区域。在通常情况下,一个设备区域中可以包括一个操作设备和一个人员。
本公开实施例可以根据设备操作数据,初步判定与目标操作设备对应的设备区域中是否存在异常行为姿态的人员,如果是,则采用人员姿态识别技术进一步核实设备区域中是否存在异常行为姿态的人员。
S300、使用监控设备识别设备区域中人员的姿态,获得人员的姿态识别结果。
其中,监控设备可以包括摄像头以及搭载生物特征传感器的可穿戴体感设备。可以理解的是,可穿戴体感设备为穿戴在人员身上的便携式设备。
本公开实施例可以控制与设备区域对应的监控设备,对设备区域中的人员进行姿态识别,获得该人员的姿态识别结果。
其中,姿态识别结果包括正常行为姿态和异常行为姿态。正常行为姿态为对操作设备进行操作的工作姿态。异常行为姿态可以为除正常行为姿态以外的其他姿态。可选的,异常行为姿态包括睡觉姿态和玩手机姿态。
本公开实施例可以预先收集正常行为姿态和异常行为姿态的姿态数据集,利用姿态数据集对姿态识别模型进行训练,获得训练好的姿态识别模型。本公开实施例将监控设备采集到的人员的姿态数据输入到训练好的姿态识别模型中,获得该人员的姿态识别结果。姿态识别模型也可以搭载在监控设备中,从而直接使用监控设备识别出设备区域中人员的姿态。本公开的实施为合法使用。
S400、在姿态识别结果为异常行为姿态的情况下,对人员进行人脸识别,获得人员的人脸识别结果。
本公开实施例可以预先采集并存储多个人员的人脸特征数据,将人员的人脸特征数据和相应的人员身份信息进行绑定。在识别到存在异常行为姿态的人员时,实时采集该人员的人脸特征数据,并与预先存储的人脸特征数据进行对比匹配,获得人员的人脸识别结果。本公开的实施为合法使用。
本公开实施例可以通过摄像头采集人员的人脸图像,并通过预先训练好的人脸特征识别模型,输出该人脸图像的人脸特征数据,通过与预先存储的人脸特征数据进行对比匹配,获得人员的人脸识别结果。
S500、利用人脸识别结果和与设备区域对应的区域信息,查询出人员的基本数据信息。
其中,区域信息可以为设备区域的唯一识别标识。例如:区域信息可以为设备区域对应的座位号。
其中,基本数据信息为人员的属性信息。可选的,基本数据信息包括人员的姓名、性别、外包厂商、区域信息以及人脸特征数据。
本公开实施例可以以人员的人脸识别结果和设备区域的区域信息作为查询条件,查询出相应的基本数据信息,从而根据基本数据信息中的姓名和外包厂商等数据信息确定该人员的身份。
本公开提供的一种人员异常行为监控方法,可用于大数据领域或金融领域。本公开采集目标操作设备的设备操作数据;利用设备操作数据,判定是否对与目标操作设备对应的设备区域进行人员姿态识别,如果是,则使用监控设备识别设备区域中人员的姿态,获得人员的姿态识别结果;在姿态识别结果为异常行为姿态的情况下,对人员进行人脸识别,获得人员的人脸识别结果;利用人脸识别结果和与设备区域对应的区域信息,查询出人员的基本数据信息。本公开通过结合操作设备的设备操作数据、姿态识别技术和人脸识别技术,能够及时识别到出现异常行为姿态的人员,并快速获取到该人员的基本数据信息,从而提升人员异常行为监控的效率,有助于企业对人员进行监督和管理。
为了便于在人员出现异常行为姿态的情况下,及时对相关人员进行提醒,本公开实施例可以结合人员异常行为监控过程中采集到的数据,生成相应的通知或消息,从而提醒有关人员及时纠正异常行为姿态,强化企业对人员的监督效果。
可选的,基于图1所示的方法,如图2所示,本公开实施例提供的人员异常行为监控方法的另一种实施方式的流程示意图,在步骤S500之后,方法还包括:
S600、利用基本数据信息、设备操作数据和姿态识别结果,生成异常预警信息。
具体的,本公开实施例可以在查询出人员的基本数据信息之后,生成异常信号量,从而依据该异常信号量提取人员异常行为监控过程中采集到的基本数据信息、设备操作数据和姿态识别结果,再结合基本数据信息、设备操作数据和姿态识别结果,按照特定的预警信息格式生成异常预警信息。
本公开实施例通过异常预警信息,可以在人员出现异常行为姿态之后,及时提醒相关人员对该异常行为姿态进行纠正,以使该人员恢复正常行为姿态,也有利于后续对本次的人员异常行为监控数据进行管理。
可以理解的是,本公开实施例在生成异常预警信息之后,可以通过预定信息预警方式,将该异常预警信息传输至特定设备进行展示,以便及时提醒相关人员关注与异常预警信息对应的人员异常行为事件。
为了提高对人员的异常行为姿态的识别效率,本公开实施例可以基于设备操作数据对人员是否出现异常行为姿态进行初步判定,以确定是否有必要通过姿态识别技术进一步对异常行为姿态进行识别。
可选的,本公开实施例可以采集特定时间段内生成异常预警信息,通过定周期轮询的方式进行集中预警,以提高企业对人员的监督和管理的效率。
可选的,基于图1所示方式,如图3所示,本公开实施例提供的人员异常行为监控方法的另一种实施方式的流程示意图,步骤S200可以包括:
S210、按照预先设置好的数据标准化算法对设备操作数据进行计算,获得数据计算结果,其中,数据计算结果为反映人员在目标操作设备上的工作状态的参数值。
其中,数据标准化算法为将设备操作数据按照指定方式映射为数据计算结果的算法。
具体的,本公开实施例可以基于数据标准化算法对设备操作数据中不同字段对应的数据进行加权计算,获得数据计算结果。例如:在设备操作数据包括息屏数据和工作时长数据的情况下,可以将息屏数据和工作时长数据分别乘以各自对应的权重因子,通过加权求和计算,计算出数据计算结果。本公开实施例通过数据标准化算法对设备操作数据进行计算,可以将原始的设备操作数据映射为标准化的数据计算结果,统一了后续进行阈值比较的标准,保证后续判定操作的有效性。
本公开实施例将人员在目标操作设备上的工作状态量化为具体的参数值,使得参数值的大小可以用于衡量人员的工作状态的好坏程度,有助于姿态识别阈值的设置,有利于后续在预先设置好姿态识别阈值后,通过姿态识别阈值与以参数值表达的数据计算结果之间的比较结果,确认是否存在对与目标操作设备对应的设备区域进行人员姿态识别的需求,从而达到按需进行人员姿态识别的目的,节约计算机资源。
S220、将数据计算结果与预设姿态识别阈值进行比对,判定数据计算结果是否大于预设姿态识别阈值,如果是,则执行步骤S230。
其中,预设姿态识别阈值为预先设置好的对与目标操作设备对应的设备区域进行人员姿态识别的触发阈值。可以理解的是,预设姿态识别阈值的具体数值可以与根据实际需求进行设置。
S230、判定对与目标操作设备对应的设备区域进行人员姿态识别。
本公开实施例在判定数据计算结果大于预设姿态识别阈值的情况下,可以传输相应的信号量至监控设备上,以使监控设备依据该信号量对设备区域中人员的姿态数据进行采集和判定。
本公开实施例通过使用标准化的数据计算结果与预设姿态识别阈值的比对结果作为触发人员姿态识别的判定依据,能够准确地判定是否需要进一步对与目标操作设备对应的设备区域进行人员姿态识别,从而提高对人员的异常行为姿态的识别效率,避免不间断地进行人员姿态识别占用过多的计算机资源,实现按需进行人员姿态识别的功能。
为了及时纠正人员的异常行为姿态,需要在确定该人员的身份。本公开实施例可以通过人脸识别技术,确认出现异常行为姿态的人员的身份。
可选的,基于图1所示方式,如图4所示,本公开实施例提供的人员异常行为监控方法的另一种实施方式的流程示意图,步骤S400可以包括:
S410、采集人员的第一人脸特征数据。
其中,人脸特征数据可以为通过神经网络kernel将传感器采集到的人脸图像数据映射到高维后的高维特征向量。
本公开实施例可以预先以同一人的多组人脸特征数据作为输入,使得各组的输出结果之间误差最小作为目标,采用渐进学习算法对神经网络kernel进行训练和更新,使用训练好的神经网络kernel出现异常行为姿态的人员的人脸特征数据。
S420、将第一人脸特征数据与预设数据库中存储的多个第二人脸特征数据进行相似度匹配,获得匹配到相似度最高的第二人脸特征数据对应的人员身份信息。
S430、将人员身份信息确定为人员的人脸识别结果。
本公开实施例可以分别计算第一人脸特征数据与预设数据库中存储的多个第二人脸特征数据的余弦相似度,将余弦相似度最高的第二人脸特征数据对应的人员身份信息确定为人员的人脸识别结果。
本公开实施例通过人脸特征数据的相似度匹配,能够准确地确认出现异常行为姿态的人员的身份,有助于及时纠正人员的异常行为姿态,有利于企业对人员进行有效监督。
在实际应用中,在人员出现一些特定异常行为姿态时,本公开实施例采集人员的第一人脸特征数据可能为空,导致人脸识别结果为无。例如:人员趴着睡觉时,脸部完全被遮挡。可选的,针对此类特定异常行为姿态,本公开实施例可以提供搭载指纹传感器的穿戴体感设备,在采集人员的第一人脸特征数据为空或人脸识别结果为无的情况下,控制激活设备区域中人员的指纹传感器,使得指纹传感器采集人员的指纹特征数据,再通过指纹特征数据进行比对,最后结合指纹识别结果与设备区域对应的区域信息确定该人员的基本数据信息。可以理解的是,基本数据信息还可以包括指纹特征数据。
可以理解的是,本公开实施例可以预先采集并存储好企业人员的基本数据信息,以便后续确认出现异常行为姿态的人员的身份,也有利于企业对员工数据进行统一管理。
可选的,本公开实施例还可以在步骤S410之前,获得人员的基本数据信息。将基本数据信息存储至预设数据库中。
本公开实施例通过将人员的基本数据存储在数据库中,有助于对人员异常行为监控的过程中确认出现异常行为姿态的人员的身份,从而及时纠正该人员的异常行为姿态,提升人员异常行为监控的效率,方便企业对人员进行监督和管理。
虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
与上述方法实施例相对应,本公开实施例还提供一种人员异常行为监控装置,其结构如图5所示,可以包括:设备操作数据采集单元100、人员姿态识别判定单元200、姿态识别结果获得单元300、人脸识别结果获得单元400和基本数据信息查询单元500。
设备操作数据采集单元100,用于采集目标操作设备的设备操作数据。
人员姿态识别判定单元200,用于利用设备操作数据,判定是否对与目标操作设备对应的设备区域进行人员姿态识别,如果是,则触发姿态识别结果获得单元300。
姿态识别结果获得单元300,用于使用监控设备识别设备区域中人员的姿态,获得人员的姿态识别结果。
人脸识别结果获得单元400,用于在姿态识别结果为异常行为姿态的情况下,对人员进行人脸识别,获得人员的人脸识别结果。
基本数据信息查询单元500,用于利用人脸识别结果和与设备区域对应的区域信息,查询出人员的基本数据信息。
可选的,该人员异常行为监控装置还可以包括:异常预警信息生成单元。
异常预警信息生成单元,用于基本数据信息查询单元500利用人脸识别结果和与设备区域对应的区域信息,查询出人员的基本数据信息之后,利用基本数据信息、设备操作数据和姿态识别结果,生成异常预警信息。
可选的,人员姿态识别判定单元200,可以具体用于按照预先设置好的数据标准化算法对设备操作数据进行计算,获得数据计算结果,其中,数据计算结果为反映人员在目标操作设备上的工作状态的参数值。将数据计算结果与预设姿态识别阈值进行比对,判定数据计算结果是否大于预设姿态识别阈值,如果是,则判定对与目标操作设备对应的设备区域进行人员姿态识别。
可选的,人员姿态识别判定单元200,可以具体用于采集人员的第一人脸特征数据。将第一人脸特征数据与预设数据库中存储的多个第二人脸特征数据进行相似度匹配,获得匹配到相似度最高的第二人脸特征数据对应的人员身份信息。将人员身份信息确定为人员的人脸识别结果。
可选的,基本数据信息包括人员的姓名、性别、外包厂商、区域信息以及人脸特征数据。
可选的,该人员异常行为监控装置还可以包括:基本数据信息获得单元和基本数据信息存储单元。
基本数据信息获得单元,用于人员姿态识别判定单元200采集人员的第一人脸特征数据之前,获得人员的基本数据信息。
基本数据信息存储单元,用于将基本数据信息存储至预设数据库中。
可选的,异常行为姿态包括睡觉姿态和玩手机姿态。
本公开提供的一种人员异常行为监控装置,可用于大数据领域或金融领域。本公开采集目标操作设备的设备操作数据;利用设备操作数据,判定是否对与目标操作设备对应的设备区域进行人员姿态识别,如果是,则使用监控设备识别设备区域中人员的姿态,获得人员的姿态识别结果;在姿态识别结果为异常行为姿态的情况下,对人员进行人脸识别,获得人员的人脸识别结果;利用人脸识别结果和与设备区域对应的区域信息,查询出人员的基本数据信息。本公开通过结合操作设备的设备操作数据、姿态识别技术和人脸识别技术,能够及时识别到出现异常行为姿态的人员,并快速获取到该人员的基本数据信息,从而提升人员异常行为监控的效率,有助于企业对人员进行监督和管理。
关于上述实施例中的装置,其中各个单元执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
所述人员异常行为监控装置包括处理器和存储器,上述设备操作数据采集单元100、人员姿态识别判定单元200、姿态识别结果获得单元300、人脸识别结果获得单元400和基本数据信息查询单元500等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来结合操作设备的设备操作数据、姿态识别技术和人脸识别技术,及时识别到出现异常行为姿态的人员,并快速获取到该人员的基本数据信息,提升人员异常行为监控的效率,有助于企业对人员进行监督和管理。
本公开实施例提供了一种计算机可读存储介质,其上存储有程序,该程序被处理器执行时实现所述人员异常行为监控方法。
本公开实施例提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行所述人员异常行为监控方法。
如图6所示,本公开实施例提供了一种电子设备1000,电子设备1000包括至少一个处理器1001、以及与处理器1001连接的至少一个存储器1002、总线1003;其中,处理器1001、存储器1002通过总线1003完成相互间的通信;处理器1001用于调用存储器1002中的程序指令,以执行上述的人员异常行为监控方法。本文中的电子设备可以是服务器、PC、PAD、手机等。
本公开还提供了一种计算机程序产品,当在电子设备上执行时,适于执行初始化有人员异常行为监控方法步骤的程序。
需要说明的是,本公开提供的一种人员异常行为监控方法、装置、存储介质及电子设备可用于大数据领域或金融领域。上述仅为示例,并不对本公开提供的一种人员异常行为监控方法、装置、存储介质及电子设备的应用领域进行限定。
本公开是参照根据本公开实施例的方法、装置、电子设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程设备的处理器以产生一个机器,使得通过计算机或其他可编程设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
在一个典型的配置中,电子设备包括一个或多个处理器(CPU)、存储器和总线。电子设备还可以包括输入/输出接口、网络接口等。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
在本公开的描述中,需要理解的是,如若涉及术语“上”、“下”、“前”、“后”、“左”和“右”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的位置或元件必须具有特定方位、以特定的方位构成和操作,因此不能理解为本公开的限制。
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。还需要说明的是,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、商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、商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,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本公开的实施例可提供为方法、系统或计算机程序产品。因此,本公开可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本公开的实施例而已,并不用于限制本公开。对于本领域技术人员来说,本公开可以有各种更改和变化。凡在本公开的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本公开的权利要求范围之内。
Claims (10)
1.一种人员异常行为监控方法,其特征在于,包括:
采集目标操作设备的设备操作数据;
利用所述设备操作数据,判定是否对与所述目标操作设备对应的设备区域进行人员姿态识别,如果是,则使用监控设备识别所述设备区域中人员的姿态,获得所述人员的姿态识别结果;
在所述姿态识别结果为异常行为姿态的情况下,对所述人员进行人脸识别,获得所述人员的人脸识别结果;
利用所述人脸识别结果和与所述设备区域对应的区域信息,查询出所述人员的基本数据信息。
2.根据权利要求1所述的方法,其特征在于,在所述利用所述人脸识别结果和与所述设备区域对应的区域信息,查询出所述人员的基本数据信息之后,所述方法还包括:
利用所述基本数据信息、所述设备操作数据和所述姿态识别结果,生成异常预警信息。
3.根据权利要求1所述的方法,其特征在于,所述利用所述设备操作数据,判定是否对与所述目标操作设备对应的设备区域进行人员姿态识别,包括:
按照预先设置好的数据标准化算法对所述设备操作数据进行计算,获得数据计算结果,其中,所述数据计算结果为反映所述人员在所述目标操作设备上的工作状态的参数值;
将所述数据计算结果与预设姿态识别阈值进行比对,判定所述数据计算结果是否大于所述预设姿态识别阈值,如果是,则判定对与所述目标操作设备对应的设备区域进行人员姿态识别。
4.根据权利要求1所述的方法,其特征在于,所述对所述人员进行人脸识别,获得所述人员的人脸识别结果,包括:
采集所述人员的第一人脸特征数据;
将所述第一人脸特征数据与预设数据库中存储的多个第二人脸特征数据进行相似度匹配,获得匹配到相似度最高的所述第二人脸特征数据对应的人员身份信息;
将所述人员身份信息确定为所述人员的人脸识别结果。
5.根据权利要求4所述的方法,其特征在于,所述基本数据信息包括所述人员的姓名、性别、外包厂商、所述区域信息以及人脸特征数据。
6.根据权利要求5所述的方法,其特征在于,在所述采集所述人员的第一人脸特征数据之前,所述方法还包括:
获得所述人员的所述基本数据信息;
将所述基本数据信息存储至所述预设数据库中。
7.根据权利要求1至6中任一项所述的方法,其特征在于,所述异常行为姿态包括睡觉姿态和玩手机姿态。
8.一种人员异常行为监控装置,其特征在于,包括:设备操作数据采集单元、人员姿态识别判定单元、姿态识别结果获得单元、人脸识别结果获得单元和基本数据信息查询单元,
所述设备操作数据采集单元,用于采集目标操作设备的设备操作数据;
所述人员姿态识别判定单元,用于利用所述设备操作数据,判定是否对与所述目标操作设备对应的设备区域进行人员姿态识别,如果是,则触发所述姿态识别结果获得单元;
所述姿态识别结果获得单元,用于使用监控设备识别所述设备区域中人员的姿态,获得所述人员的姿态识别结果;
所述人脸识别结果获得单元,用于在所述姿态识别结果为异常行为姿态的情况下,对所述人员进行人脸识别,获得所述人员的人脸识别结果;
所述基本数据信息查询单元,用于利用所述人脸识别结果和与所述设备区域对应的区域信息,查询出所述人员的基本数据信息。
9.一种计算机可读存储介质,其上存储有程序,其特征在于,所述程序被处理器执行时实现如权利要求1至7中任一项所述的人员异常行为监控方法。
10.一种电子设备,所述电子设备包括至少一个处理器、以及与处理器连接的至少一个存储器、总线;其中,所述处理器、所述存储器通过所述总线完成相互间的通信;所述处理器用于调用所述存储器中的程序指令,以执行如权利要求1至7中任一项所述的人员异常行为监控方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310857499.7A CN116824508A (zh) | 2023-07-13 | 2023-07-13 | 一种人员异常行为监控方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310857499.7A CN116824508A (zh) | 2023-07-13 | 2023-07-13 | 一种人员异常行为监控方法、装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116824508A true CN116824508A (zh) | 2023-09-29 |
Family
ID=88114446
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310857499.7A Pending CN116824508A (zh) | 2023-07-13 | 2023-07-13 | 一种人员异常行为监控方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116824508A (zh) |
-
2023
- 2023-07-13 CN CN202310857499.7A patent/CN116824508A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104346503A (zh) | 一种基于人脸图像的情感健康监控方法及手机 | |
CN111814910B (zh) | 异常检测方法、装置、电子设备及存储介质 | |
CN112106084A (zh) | 用于比较性安全事件评估的个人防护设备和安全管理系统 | |
CN113762106B (zh) | 人脸识别方法、装置、电子设备及存储介质 | |
EP4073978B1 (en) | Intelligent conversion of internet domain names to vector embeddings | |
CN111863178A (zh) | 发放医疗报告的方法、装置、介质及电子设备 | |
CN116311539B (zh) | 基于毫米波的睡眠动作捕捉方法、装置、设备及存储介质 | |
JP2020052520A (ja) | 判定装置、判定方法、およびプログラム | |
CN113537337A (zh) | 训练方法、异常检测方法、装置、设备和存储介质 | |
CN113705534A (zh) | 基于深度视觉的行为预测方法、装置、设备及存储介质 | |
CN109118178A (zh) | 数据处理方法和装置、电子设备和计算机存储介质 | |
CN108596068B (zh) | 一种动作识别的方法和装置 | |
CN116824508A (zh) | 一种人员异常行为监控方法、装置、存储介质及电子设备 | |
CN111047336A (zh) | 用户标签推送、用户标签展示方法、装置和计算机设备 | |
CN116229505A (zh) | 安全帽佩戴检测方法、装置、电子装置和存储介质 | |
CN115760438A (zh) | 数字化动态核保系统、方法、设备及存储介质 | |
CN111651555B (zh) | 业务处理方法、系统和计算机可读存储介质 | |
CN114036117A (zh) | 日志查看方法、装置、计算机设备和存储介质 | |
CN110457330B (zh) | 一种时序数据管理平台 | |
CN114330885A (zh) | 目标状态的确定方法、装置、设备以及存储介质 | |
CN114373209A (zh) | 基于视频的人脸识别方法、装置、电子设备及存储介质 | |
CN114155578A (zh) | 人像聚类方法、装置、电子设备和存储介质 | |
CN111797075A (zh) | 数据回收方法、装置、存储介质及电子设备 | |
CN111142688B (zh) | 一种基于移动终端数据识别终端用户换机的方法和服务器 | |
CN112289418B (zh) | 居家护理的服务订单获取方法、装置和居家护理终端 |
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 |