CN116844094A - 一种基于实时视频流的人员点名方法、设备及介质 - Google Patents
一种基于实时视频流的人员点名方法、设备及介质 Download PDFInfo
- Publication number
- CN116844094A CN116844094A CN202310932059.3A CN202310932059A CN116844094A CN 116844094 A CN116844094 A CN 116844094A CN 202310932059 A CN202310932059 A CN 202310932059A CN 116844094 A CN116844094 A CN 116844094A
- Authority
- CN
- China
- Prior art keywords
- person
- target
- personnel
- face
- identified
- 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
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 17
- 230000001815 facial effect Effects 0.000 claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims abstract description 4
- 238000001514 detection method Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 238000007726 management method Methods 0.000 description 9
- 238000012550 audit Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Classifications
-
- 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
- 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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/105—Human resources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
-
- 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
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- 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
- G06V40/168—Feature extraction; Face representation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Resources & Organizations (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明提供了一种基于实时视频流的人员点名方法、设备及介质,该方法包括:获取第一目标区域的若干待识别人员的面部图像信息,得到面部图像信息集E;确定待识别人脸特征值Jy;确定目标人脸特征值集Y;将Jy与Ye分别进行匹配度计算,得到对应的第一匹配度Jye;若MAX(Jy1,Jy2,...,Jye,...,Jyc)≥J0,则将第y个待识别人员确定为第一人员。本发明通过人脸识别算法和特征值比对,能够准确识别和记录点名信息,且利用人脸识别和特征值比对,可以辨别第一目标区域内的所有人员是否为本人,是否有外来人员进出,提供更高的安全性和防范性,无需额外的人工干预和操作。
Description
技术领域
本发明涉及数据处理领域,特别是涉及一种基于实时视频流的人员点名方法、设备及介质。
背景技术
传统的点名方式通常需要人员放下手上的工作,通过喊到或报数的方式进行点名配合,这种方式不仅会中断人员的工作流程,还会导致工作效率的降低,且还可能存在人为疏漏或误判,导致点名结果不准确,无法及时发现未到岗人员的问题。
目前,计算机视觉和人脸识别技术已经取得了显著的进展。人脸识别技术能够通过摄像头获取实时视频流,并识别其中的人脸特征。然而,在现有的人脸识别系统中,通常需要用户主动配合,如面向摄像头、保持静止等,这种方式不符合实际工作环境的需求,限制了人脸识别技术的应用范围。
发明内容
有鉴于此,本发明提供一种基于实时视频流的人员点名方法、设备及介质,至少部分解决现有技术中存在的技术问题,本发明采用的技术方案为:
根据本申请的一个方面,提供一种基于实时视频流的人员点名方法,应用于人员点名系统,人员点名系统连接有第一数据库和第二数据库,第一数据库中存储有c个目标人员对应的目标人员标识和目标人脸特征值;
所述基于实时视频流的人员点名方法包括如下步骤:
S100、获取在第一预设时间段T1=[t11,t12]内第一目标区域的若干待识别人员的面部图像信息,得到面部图像信息集E=(E1,E2,...,Ey,...,Eb);Ey=(Ey1,Ey2,...,Eya,...,Eyf(y));其中,y=1,2,...,b;a=1,2,...,f(y);b为在T1内第一目标区域的待识别人员的总数量;f(y)为在T1内获取的第一目标区域的第y个待识别人员的面部图像信息的数量;Ey为在T1内第一目标区域的第y个待识别人员的面部图像信息列表;Eya为在T1内获取的第一目标区域的第y个待识别人员的第a个面部图像信息;t11<t12;t11为T1对应的起始时间;t12为T1对应的截止时间;
S200、根据Ey,得到第y个待识别人员对应的待识别人脸特征值Jy;
S300、获取c个目标人脸特征值,得到目标人脸特征值集Y=(Y1,Y2,...,Ye,...,Yc);其中,e=1,2,...,c;Ye为第一数据库中存储的第e个目标人员对应的目标人脸特征值;
S400、遍历J1,J2,...,Jy,...,Jb,将Jy与Y1,Y2,...,Ye,...,Yc分别进行匹配度计算,得到对应的第一匹配度Jy1,Jy2,...,Jye,...,Jyc;
S500、若MAX(Jy1,Jy2,...,Jye,...,Jyc)≥J0,则将第y个待识别人员确定为第一人员,第一人员为MAX(Jy1,Jy2,...,Jye,...,Jyc)对应的目标人员;其中,J0为预设匹配度阈值;MAX()为预设的最大值确定函数;
S600、在t12时刻,若存在不为第一人员的目标人员,则将其确定为第二人员。
在本申请的一种示例性实施例中,人员点名系统连接有若干图像采集装置,每个图像采集装置均设置于第一目标区域内,以使通过若干图像采集装置,对第一目标区域内的每一位置及角度进行图像采集。
在本申请的一种示例性实施例中,步骤S500还包括:
S510、若MAX(Jy1,Jy2,...,Jye,...,Jyc)<J0,则将第y个待识别人员确定为外来人员,并发出告警。
在本申请的一种示例性实施例中,步骤S600包括:
S610、将第一人员对应的第一人员标识存储至第二数据库中;
S620、在t12时刻,将第二数据库中存储的若干第一人员标识与第一数据库中存储的c个目标人员标识进行比对,若第e个目标人员标识不存在对应的第一人员标识,则将第e个目标人员确定为第二人员。
在本申请的一种示例性实施例中,步骤S600还包括:
S630、在第二数据库中建立T1对应的状态记录表;状态记录表中存储有c个目标人员在T1内的初始状态信息,初始状态信息为未到岗状态;
S640、将状态记录表中第一人员对应的初始状态信息更改为到岗状态。
在本申请的一种示例性实施例中,在步骤S620之后,方法还包括:
S621、将第二人员对应的人员信息进行展示并告警。
在本申请的一种示例性实施例中,在步骤S621之后,方法还包括:
S622、将第二数据库中存储的若干第一人员标识删除。
在本申请的一种示例性实施例中,面部图像信息通过以下步骤获取:
S001、实时接收每一图像采集装置在T1内发送的采集图像;
S002、根据人脸检测算法,确定每一采集图像中的人脸区域;
S003、根据人脸关键点定位算法,对每一采集图像中的人脸区域进行检测,确定每一人脸区域内的关键特征信息点;
S004、根据面部特征信息提取算法和每一关键特征信息点,提取每一采集图像中的面部图像信息。
根据本申请的一个方面,提供一种非瞬时性计算机可读存储介质,所述存储介质中存储有至少一条指令或至少一段程序,所述至少一条指令或所述至少一段程序由处理器加载并执行以实现前述的基于实时视频流的人员点名方法。
根据本申请的一个方面,提供一种电子设备,包括处理器和前述的非瞬时性计算机可读存储介质。
本发明至少具有以下有益效果:
本发明通过人脸识别算法和特征值比对,能够准确识别和记录点名信息,避免多出、少出或错出的问题,提供高度可靠的人员在岗情况管理,且利用人脸识别和特征值比对,可以辨别第一目标区域内的所有人员是否为本人,是否有外来人员进出,提供更高的安全性和防范性,及时发现异常情况,如人员离岗,并进行相应的告警,提供快速响应和处理能力,且准确记录点名信息信息,并进行进出统计,确保数据的可追溯性,方便后续的管理和审计工作,本发明的自动化的人脸识别和特征值比对过程,使得点名人员管理更加高效和便捷,无需额外的人工干预和操作,具有较高的安全性、可控性和便捷性,适用于各种特殊场所的访客管理需求。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的基于实时视频流的人员点名方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
一种基于实时视频流的人员点名方法,应用于人员点名系统,人员点名系统连接有第一数据库和第二数据库,第一数据库中存储有c个目标人员对应的目标人员标识和目标人脸特征值,人员点名系统连接有若干图像采集装置,每个图像采集装置均设置于第一目标区域内,以使通过若干图像采集装置,对第一目标区域内的每一位置及角度进行图像采集。
人员点名系统用于对第一目标区域内的待识别人员进行面部特征采集,并通过采集的面部特征值与第一数据库中存储的人脸特征值进行对比,确定第一数据库中目标人脸特征值对应的目标人员是否位于第一目标区域内,达到点名的目的,第一数据库为存储目标人员的目标人脸特征值的数据库,第二数据库为用于存储采集的面部特征值的数据库,第一目标区域即需要点名的区域,第一目标区域中设置有若干个图像采集装置,每个图像采集装置均连接人员点名系统,图像采集装置用于采集第一目标区域内的图像,将若干个图像采集装置分布在第一目标区域内,确保能够全面捕捉到第一目标区域内的所有人员的面部图像,无需额外的人工干预和操作,即可在不停止目标人员工作或无需配合点名操作的情况下完成对第一目标区域内的所有人员的人脸特征信息的采集。目标人员即需要进行点名的人员,目标人脸特征值为对应的目标人员的人脸特征值。
如图1所示,基于实时视频流的人员点名方法包括如下步骤:
S100、获取在第一预设时间段T1=[t11,t12]内第一目标区域的若干待识别人员的面部图像信息,得到面部图像信息集E=(E1,E2,...,Ey,...,Eb);Ey=(Ey1,Ey2,...,Eya,...,Eyf(y));其中,y=1,2,...,b;a=1,2,...,f(y);b为在T1内第一目标区域的待识别人员的总数量;f(y)为在T1内获取的第一目标区域的第y个待识别人员的面部图像信息的数量;Ey为在T1内第一目标区域的第y个待识别人员的面部图像信息列表;Eya为在T1内获取的第一目标区域的第y个待识别人员的第a个面部图像信息;t11<t12;t11为T1对应的起始时间;t12为T1对应的截止时间;
其中,面部图像信息通过以下步骤获取:
S001、实时接收每一图像采集装置在T1内发送的采集图像;
S002、根据人脸检测算法,确定每一采集图像中的人脸区域;
人脸检测算法可以为基于深度学习的人脸检测模型进行的检测算法,用于定位第一待检测图像中的人脸区域。
S003、根据人脸关键点定位算法,对每一采集图像中的人脸区域进行检测,确定每一人脸区域内的关键特征信息点;
人脸关键点定位算法可以为基于回归模型或深度学习的方法,用于准确定位人脸的关键点,如眼睛、鼻子、嘴巴等特征点。
S004、根据面部特征信息提取算法和每一关键特征信息点,提取每一采集图像中的面部图像信息。
面部特征信息提取算法可以为基于深度学习的特征提取模型进行的提取算法,用于提取人脸的特征信息。
S200、根据Ey,得到第y个待识别人员对应的待识别人脸特征值Jy;
S300、获取c个目标人脸特征值,得到目标人脸特征值集Y=(Y1,Y2,...,Ye,...,Yc);其中,e=1,2,...,c;Ye为第一数据库中存储的第e个目标人员对应的目标人脸特征值;
S400、遍历J1,J2,...,Jy,...,Jb,将Jy与Y1,Y2,...,Ye,...,Yc分别进行匹配度计算,得到对应的第一匹配度Jy1,Jy2,...,Jye,...,Jyc;
在确定了每一待识别人员的待识别人脸特征值后,将其与第一数据库中存储的每一目标人脸特征值进行比对,得到每一待识别人员对应的若干个第一匹配度,第一匹配度越大,表示对应的待识别人员与对应的目标人员的相似度越高。
S500、若MAX(Jy1,Jy2,...,Jye,...,Jyc)≥J0,则将第y个待识别人员确定为第一人员,第一人员为MAX(Jy1,Jy2,...,Jye,...,Jyc)对应的目标人员;其中,J0为预设匹配度阈值;MAX()为预设的最大值确定函数;
进一步,步骤S500还包括:
S510、若MAX(Jy1,Jy2,...,Jye,...,Jyc)<J0,则将第y个待识别人员确定为外来人员,并发出告警;
若MAX(Jy1,Jy2,...,Jye,...,Jyc)大于等于J0,则表示对应的待识别人员为第一数据库中存储的目标人员标识对应的目标人员,则将其确定为第一人员,反之,若MAX(Jy1,Jy2,...,Jye,...,Jyc)小于J0,则表示最大的第一匹配度都低于预设匹配度阈值,则表示该待识别人员不为第一数据库中存储的目标人员标识对应的目标人员,表示为外来人员,则将其确定为外来人员,并发出告警,提醒在第一目标区域内存在外来人员。
S600、在t12时刻,若存在不为第一人员的目标人员,则将其确定为第二人员;
第二人员即在T1内,没有采集到人脸特征信息的目标人员,即点名未到人员。
进一步,步骤S600包括:
S610、将第一人员对应的第一人员标识存储至第二数据库中;
S620、在t12时刻,将第二数据库中存储的若干第一人员标识与第一数据库中存储的c个目标人员标识进行比对,若第e个目标人员标识不存在对应的第一人员标识,则将第e个目标人员确定为第二人员;
S621、将第二人员对应的人员信息进行展示并告警;
S622、将第二数据库中存储的若干第一人员标识删除;
S630、在第二数据库中建立T1对应的状态记录表;状态记录表中存储有c个目标人员在T1内的初始状态信息,初始状态信息为未到岗状态;
S640、将状态记录表中第一人员对应的初始状态信息更改为到岗状态。
每进行一次点名,就在第二数据库中建立一个状态记录表,状态记录表中记载在对应的预设点名时间内被采集到人脸特征信息的人员以及未被采集到人脸特征信息的人员,以备后续对目标人员的到岗情况进行统计分析,确保数据的可追溯性,方便后续的管理和审计工作。
本发明通过人脸识别算法和特征值比对,能够准确识别和记录点名信息,避免多出、少出或错出的问题,提供高度可靠的人员在岗情况管理,且利用人脸识别和特征值比对,可以辨别第一目标区域内的所有人员是否为本人,是否有外来人员进出,提供更高的安全性和防范性,及时发现异常情况,如人员离岗,并进行相应的告警,提供快速响应和处理能力,且准确记录点名信息信息,并进行进出统计,确保数据的可追溯性,方便后续的管理和审计工作,本发明的自动化的人脸识别和特征值比对过程,使得点名人员管理更加高效和便捷,无需额外的人工干预和操作,具有较高的安全性、可控性和便捷性,适用于各种特殊场所的访客管理需求。
本发明的实施例还提供了一种非瞬时性计算机可读存储介质,该存储介质可设置于电子设备之中以保存用于实现方法实施例中一种方法相关的至少一条指令或至少一段程序,该至少一条指令或该至少一段程序由该处理器加载并执行以实现上述实施例提供的方法。
本发明的实施例还提供了一种电子设备,包括处理器和前述的非瞬时性计算机可读存储介质。
本发明的实施例还提供一种计算机程序产品,其包括程序代码,当程序产品在电子设备上运行时,程序代码用于使该电子设备执行本说明书上述描述的根据本发明各种示例性实施方式的方法中的步骤。
此外,尽管在附图中以特定顺序描述了本公开中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中,还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为系统、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
根据本发明的这种实施方式的电子设备。电子设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
电子设备以通用计算设备的形式表现。电子设备的组件可以包括但不限于:上述至少一个处理器、上述至少一个储存器、连接不同系统组件(包括储存器和处理器)的总线。
其中,储存器存储有程序代码,程序代码可以被处理器执行,使得处理器执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
储存器可以包括易失性储存器形式的可读介质,例如随机存取储存器(RAM)和/或高速缓存储存器,还可以进一步包括只读储存器(ROM)。
储存器还可以包括具有一组(至少一个)程序模块的程序/实用工具,这样的程序模块包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线可以为表示几类总线结构中的一种或多种,包括储存器总线或者储存器控制器、外围总线、图形加速端口、处理器或者使用多种总线结构中的任意总线结构的局域总线。
电子设备也可以与一个或多个外部设备(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备交互的设备通信,和/或与使得该电子设备能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口进行。并且,电子设备还可以通过网络适配器与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器通过总线与电子设备的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在终端设备上运行时,程序代码用于使终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外,上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
以上,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,可轻易想到的变化或替换,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权利要求的保护范围为准。
Claims (10)
1.一种基于实时视频流的人员点名方法,其特征在于,应用于人员点名系统,所述人员点名系统连接有第一数据库和第二数据库,所述第一数据库中存储有c个目标人员对应的目标人员标识和目标人脸特征值;
所述方法包括如下步骤:
S100、获取在第一预设时间段T1=[t11,t12]内第一目标区域的若干待识别人员的面部图像信息,得到面部图像信息集E=(E1,E2,...,Ey,...,Eb);Ey=(Ey1,Ey2,...,Eya,...,Eyf(y));其中,y=1,2,...,b;a=1,2,...,f(y);b为在T1内所述第一目标区域的待识别人员的总数量;f(y)为在T1内获取的所述第一目标区域的第y个待识别人员的面部图像信息的数量;Ey为在T1内所述第一目标区域的第y个待识别人员的面部图像信息列表;Eya为在T1内获取的所述第一目标区域的第y个待识别人员的第a个面部图像信息;t11<t12;t11为T1对应的起始时间;t12为T1对应的截止时间;
S200、根据Ey,得到第y个待识别人员对应的待识别人脸特征值Jy;
S300、获取c个所述目标人脸特征值,得到目标人脸特征值集Y=(Y1,Y2,...,Ye,...,Yc);其中,e=1,2,...,c;Ye为所述第一数据库中存储的第e个目标人员对应的目标人脸特征值;
S400、遍历J1,J2,...,Jy,...,Jb,将Jy与Y1,Y2,...,Ye,...,Yc分别进行匹配度计算,得到对应的第一匹配度Jy1,Jy2,...,Jye,...,Jyc;
S500、若MAX(Jy1,Jy2,...,Jye,...,Jyc)≥J0,则将第y个所述待识别人员确定为第一人员,所述第一人员为MAX(Jy1,Jy2,...,Jye,...,Jyc)对应的目标人员;其中,J0为预设匹配度阈值;MAX()为预设的最大值确定函数;
S600、在t12时刻,若存在不为第一人员的目标人员,则将其确定为第二人员。
2.根据权利要求1所述的方法,其特征在于,所述人员点名系统连接有若干图像采集装置,每个所述图像采集装置均设置于所述第一目标区域内,以使通过若干图像采集装置,对所述第一目标区域内的每一位置及角度进行图像采集。
3.根据权利要求1所述的方法,其特征在于,所述步骤S500还包括:
S510、若MAX(Jy1,Jy2,...,Jye,...,Jyc)<J0,则将第y个待识别人员确定为外来人员,并发出告警。
4.根据权利要求1所述的方法,其特征在于,所述步骤S600包括:
S610、将所述第一人员对应的第一人员标识存储至第二数据库中;
S620、在t12时刻,将所述第二数据库中存储的若干第一人员标识与所述第一数据库中存储的c个目标人员标识进行比对,若第e个目标人员标识不存在对应的第一人员标识,则将第e个目标人员确定为第二人员。
5.根据权利要求4所述的方法,其特征在于,所述步骤S600还包括:
S630、在所述第二数据库中建立T1对应的状态记录表;所述状态记录表中存储有c个目标人员在T1内的初始状态信息,所述初始状态信息为未到岗状态;
S640、将所述状态记录表中所述第一人员对应的初始状态信息更改为到岗状态。
6.根据权利要求4所述的方法,其特征在于,在所述步骤S620之后,所述方法还包括:
S621、将所述第二人员对应的人员信息进行展示并告警。
7.根据权利要求6所述的方法,其特征在于,在所述步骤S621之后,所述方法还包括:
S622、将所述第二数据库中存储的若干第一人员标识删除。
8.根据权利要求2所述的方法,其特征在于,所述面部图像信息通过以下步骤获取:
S001、实时接收每一所述图像采集装置在T1内发送的采集图像;
S002、根据人脸检测算法,确定每一所述采集图像中的人脸区域;
S003、根据人脸关键点定位算法,对每一所述采集图像中的人脸区域进行检测,确定每一所述人脸区域内的关键特征信息点;
S004、根据面部特征信息提取算法和每一所述关键特征信息点,提取每一所述采集图像中的面部图像信息。
9.一种非瞬时性计算机可读存储介质,所述存储介质中存储有至少一条指令或至少一段程序,其特征在于,所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如权利要求1-8中任意一项所述的方法。
10.一种电子设备,其特征在于,包括处理器和权利要求9中所述的非瞬时性计算机可读存储介质。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310932059.3A CN116844094A (zh) | 2023-07-27 | 2023-07-27 | 一种基于实时视频流的人员点名方法、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310932059.3A CN116844094A (zh) | 2023-07-27 | 2023-07-27 | 一种基于实时视频流的人员点名方法、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116844094A true CN116844094A (zh) | 2023-10-03 |
Family
ID=88163483
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310932059.3A Pending CN116844094A (zh) | 2023-07-27 | 2023-07-27 | 一种基于实时视频流的人员点名方法、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116844094A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117493434A (zh) * | 2023-11-03 | 2024-02-02 | 青岛以萨数据技术有限公司 | 一种人脸图像存储方法、设备及介质 |
CN117496438A (zh) * | 2023-11-13 | 2024-02-02 | 以萨技术股份有限公司 | 一种目标区域确定方法、电子设备及存储介质 |
-
2023
- 2023-07-27 CN CN202310932059.3A patent/CN116844094A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117493434A (zh) * | 2023-11-03 | 2024-02-02 | 青岛以萨数据技术有限公司 | 一种人脸图像存储方法、设备及介质 |
CN117493434B (zh) * | 2023-11-03 | 2024-05-03 | 青岛以萨数据技术有限公司 | 一种人脸图像存储方法、设备及介质 |
CN117496438A (zh) * | 2023-11-13 | 2024-02-02 | 以萨技术股份有限公司 | 一种目标区域确定方法、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116844094A (zh) | 一种基于实时视频流的人员点名方法、设备及介质 | |
CN110795963A (zh) | 一种基于人脸识别的监控方法、装置及设备 | |
CN112562843A (zh) | 一种疫情管理系统、疫情管理方法、设备及存储介质 | |
CN111259682B (zh) | 监控施工场所的安全的方法和装置 | |
WO2024022216A1 (zh) | 信息处理方法、装置、存储介质及电子设备 | |
CN111754669A (zh) | 一种基于人脸识别技术的高校学生管理系统 | |
CN114187561A (zh) | 异常行为的识别方法、装置、终端设备及存储介质 | |
EA038293B1 (ru) | Способ и система выявления тревожных событий при взаимодействии с устройством самообслуживания | |
CN116844093A (zh) | 一种基于实时视频流的人员识别方法、设备及介质 | |
CN113314230A (zh) | 基于大数据的智能防疫方法、装置、设备及存储介质 | |
CN110393539B (zh) | 心理异常检测方法、装置、存储介质及电子设备 | |
WO2023273151A1 (zh) | 巡更监测方法及装置、电子设备及计算机可读存储介质 | |
CN110705505A (zh) | 一种电力营业厅服务规范智能识别装置、方法及系统 | |
CN115860979A (zh) | 一种用于电力电网现场作业的人工智能管理系统 | |
CN115641701A (zh) | 一种事件提醒方法、装置、设备及存储介质 | |
WO2021135933A1 (zh) | 一种目标的识别方法及装置、存储介质及电子装置 | |
CN114973135A (zh) | 一种基于头肩的时序视频睡岗识别方法、系统及电子设备 | |
CN115810228A (zh) | 人脸识别门禁管理方法、装置、电子设备和存储介质 | |
CN112418062A (zh) | 人脸识别方法、系统、电子设备及存储介质 | |
CN113065500A (zh) | 面向一类特殊动作的异常行为管控系统 | |
CN111985400A (zh) | 一种人脸活体识别方法、装置、设备及存储介质 | |
CN110705447A (zh) | 手部图像的检测方法、装置及电子设备 | |
CN111601000A (zh) | 通信网络诈骗的识别方法、装置和电子设备 | |
CN112906655B (zh) | 用户状态判定方法和装置 | |
CN114758296B (zh) | 一种基于vr技术的电网设备远程监测方法及系统 |
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 |