CN117455442B - 基于统计增强的身份识别方法、系统和存储介质 - Google Patents

基于统计增强的身份识别方法、系统和存储介质 Download PDF

Info

Publication number
CN117455442B
CN117455442B CN202311786655.1A CN202311786655A CN117455442B CN 117455442 B CN117455442 B CN 117455442B CN 202311786655 A CN202311786655 A CN 202311786655A CN 117455442 B CN117455442 B CN 117455442B
Authority
CN
China
Prior art keywords
identity
human body
personnel
face
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.)
Active
Application number
CN202311786655.1A
Other languages
English (en)
Other versions
CN117455442A (zh
Inventor
范联伟
刘升
王佐成
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.)
Data Space Research Institute
Original Assignee
Data Space Research Institute
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 Data Space Research Institute filed Critical Data Space Research Institute
Priority to CN202311786655.1A priority Critical patent/CN117455442B/zh
Publication of CN117455442A publication Critical patent/CN117455442A/zh
Application granted granted Critical
Publication of CN117455442B publication Critical patent/CN117455442B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
    • G06Q10/1091—Recording time for administrative or management purposes
    • 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
    • G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
    • 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
    • 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
    • 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
    • G07C1/00—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
    • G07C1/20—Checking timed patrols, e.g. of watchman

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及身份识别和监督技术领域，尤其是一种基于统计增强的身份识别方法、系统和存储介质。本发明提出的一种基于统计增强的身份识别方法，采用并行的方式开启人体检测线程与人脸检测识别线程，分别加载人体检测、人脸检测识别模型，获取解码后的视频帧后两线程同时识别得到人体位置、人员身份及人脸位置，并统计人员过去身份识别数量及位置并存储，将当前识别结果与统计结果进行分析计算，满足条件后最终确认人员身份。本发明相对于自上而下的人体人脸识别流程，缩短了处理时间，节约了时间成本，同时能有效排除人脸误识别结果，提升了识别率，此外还具备确认未能检测识别到人脸的人员身份的能力。

Description

基于统计增强的身份识别方法、系统和存储介质
技术领域
本发明涉及身份识别和监督技术领域，尤其是一种基于统计增强的身份识别方法、系统和存储介质。
背景技术
随着智能识别、监管的普及，在课堂上通过人脸检测实现智能签到、学生监督成为新兴产业。对课堂学生进行定位、身份确认，现有的方法主要采用自上而下的处理方式。首先，人体检测模型对图像中学生进行检测，确定学生位置，输出学生人体框；然后，人脸检测模型在人体检测模型确定的学生人体框中进行人脸检测，得到人脸图片；最后，基于人脸图片进行人脸识别以确定学生身份，实现学生身份和位置之间的绑定。
现有技术存在以下缺点：
1、处理速度慢：人体检测模型确定学生位置耗时长，再进行人脸检测和识别，是计算的叠加，进一步增加了处理时间，难以满足边缘计算设备实时分析处理要求；
2、容错率低：在自上而下的处理流程中，单次人脸识别出错就会导致该条学生位置身份记录出错，容错率低；
3、无法确认未检测或未识别到人脸的学生身份：课堂学生的转头、抬低头，光线的突变，学生的运动模糊等可能导致人脸检测、识别模型无法检测识别人脸，学生身份难以确认。
发明内容
为了克服上述现有技术中课堂学生身份识别精度低的缺陷，本发明提出了一种基于统计增强的身份识别方法，可用于作为隔离的人员监督场景，例如课堂学生、办公室员工等，本发明可精确识别人员身份，将现场视频帧采集到的人员位置与缓存的人员身份精确匹配，实现高精度高效率的人员身份识别。
本发明提出的一种基于统计增强的身份识别方法，包括以下步骤：
S1、设置摄像机的预置位，各预置位上的摄像机的视觉范围总和覆盖目标场景；
S2、当摄像机处于预置位，获取视频流，从视频流中每隔固定时间抽取一帧，对视频帧分别进行人脸检测和人体检测，以获取人脸位置FB和人员身份ST，以及人体位置PB；
S3、获取预置位对应的人员身份信息缓存L；人员身份信息缓存L中存储有相关联的人员身份、人脸位置以及身份计数COUNT；各人员关联的身份计数COUNT的初始值均为1；将各人员身份ST与人员身份信息缓存L中的人员信息进行对比，判断人员身份是否存在于人员身份信息缓存L；
是，则在人员身份信息缓存L中将该人员的身份计数COUNT加1存储，并将该人员身份的人脸位置更新为FB，然后执行步骤S4；
否，则在人员身份信息缓存L增加该人员身份ST，并初始化该人员身份ST对应的身份计数COUNT为1，并存储人脸位置FB，然后执行步骤S4；
S4、将各人体位置PB逐一与人员身份信息缓存L中的人脸位置进行匹配，当人体位置PB与某个人员身份的人脸位置匹配，则针对该人员身份执行步骤S5；
S5、判断人员的身份计数COUNT是否大于或等于设定值T；是，则对该人员身份进行确认；否，则放弃确认该人员身份；确认表示，当前该人员为应当存在的人员。
优选的，S5之后还包括步骤S6：遍历视频帧中所有人脸和所有人体位置PB完成当前预置位上的人员身份确认，然后更新预置位，返回步骤S2。
优选的，S5还包括，每一个预置位上，在各人员身份第一次确认时，将确认信息发送到指定数据库进行存储。
优选的，S5中，T的计算公式如下：
T=a×(Σn i=1COUNTi)/n
其中，n为人员身份信息缓存L中的人员总数量，COUNTi为L中第i个人员的身份计数COUNT；a为设定常数，0<a<1。
优选的，a=0.25。
优选的，人体位置与人脸位置的匹配条件为：
xf>xp&&yf>yp&&xf+widthf<xp+widthp&&yf+heightf<yp+heightp/2
以图像左上角为坐标原点（0,0），xf为人脸检测框左上角横坐标；yf为人脸检测框左上角纵坐标；widthf为人脸检测框横向宽度；heightf为人脸检测框纵向高度；xp为人体检测框左上角横坐标；yp为人体检测框左上角纵坐标；widthp为人体检测框横向宽度；heightp为人体检测框纵向高度；&&表示逻辑关系“且”。
本发明提出的一种采用所述的基于统计增强的身份识别方法的课堂学生监督方法，其特征在于，采用所述的基于统计增强的身份识别方法识别课堂学生身份；根据人体位置，将捕获的学生姿势与学生身份相关联。
本发明提出的一种采用所述的基于统计增强的身份识别方法的绩效考核管理方法，其特征在于，适用于工位相互分隔的工作场景；首先采用所述的基于统计增强的身份识别方法识别员工身份，进行员工考勤监督；并根据人体位置将捕获的人体姿势与员工身份相关联，通过人体姿势与设定的违规姿势的对比，监督员工违规行为，进行员工绩效考核。
本发明提出的一种基于统计增强的身份识别系统，包括存储器和处理器，存储器中存储有计算机程序，处理器连接存储器，处理器用于执行所述计算机程序，以实现所述的基于统计增强的身份识别方法。
本发明提出的一种存储介质存储有计算机程序，所述计算机程序被执行时用于实现所述的基于统计增强的身份识别方法。
本发明的优点在于：
（1）本发明提出的一种基于统计增强的身份识别方法，采用并行的方式开启两个算法处理线程，即人体检测线程与人脸检测识别线程。人体检测线程启动后，加载人体检测算法模型，获取解码后的视频帧进行人体检测，获得人体位置。人脸检测识别线程加载人脸检测算法模型和人脸识别模型，获取解码后的视频帧进行人脸检测和人脸识别，得到人员身份及人脸位置。本发明识别现场人员身份的处理时间为两个处理流程的最大值，相对于自上而下流程大幅缩短了处理时间，节约了时间成本，提高了处理效率。
（2）本发明中，人脸检测线程将人脸检测识别结果与人员身份信息缓存做对比，包括人员身份信息和人脸位置信息。人员身份信息缓存L存储了最新的身份信息及人脸位置，当出现大幅度转头、抬低头、趴着等动作导致未检测识别到人脸时，可通过人体检测框与人脸检测框匹配条件确认该种无法通过人脸识别算法识别的人员身份，提升了人员身份确认的范围。
（3）本发明采用人脸识别数据的统计增强策略，针对课堂学生动作幅度变化较小、学生数量相对固定的课堂环境及类似环境例如办公室等，能有效排除人脸的误识别结果，当误识别的学生不在缓存队列内，该学生的计数将为1，后续也难以出现大幅增长，阈值会小于T，不会最终确认误识别的身份。可见，本发明中，通过T值的设置，为误识别增加了一层过滤机制，筛选有效数据，进一步保证了身份识别的可靠性。
（4）本发明提供的基于统计增强的身份识别方法，在精确识别人员身份后，基于人体位置、人脸位置，可精确的将人员的姿势、动作、表情与人员身份关联，从而实现现场人员监管，为现场人员的注意力监督、人员考勤、绩效考核等提供精确的数据。
附图说明
图1为一种基于统计增强的人员身份识别方法流程图；
图2为实施例中不同识别方法的精确度对比。
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，本领域普通技术人员在没有做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。
参照图1，本实施方式提出的一种基于统计增强的人员身份识别方法，包括以下步骤。
S1、设置摄像机的预置位，各预置位上的摄像机的视觉范围总和覆盖目标场景。
具体实施时，可设置摄像机在不同预置位之间轮换；可根据目标场景的人口密度设置摄像机一帧图像的覆盖区域和预置位，例如教室内可设置摄像机处于任一个预置位均可覆盖最多9个人员座位，以平衡数据处理速度和精度。
S2、当摄像机处于预置位，则获取视频流，从视频流中抽取一帧，对视频帧分别进行人脸检测和人体检测，以获取提取人脸位置FB和人员身份ST，以及人体位置PB。
具体的，人员身份ST可通过提取的人脸与预先设置的身份库中的人脸进行对比，以获取视频帧中各人脸的身份。人脸位置FB与人脸对应，而人脸与人员身份ST对应，故而人脸位置FB与人员身份ST对应。
S3、获取预置位对应的人员身份信息缓存L，将人员身份ST与人员身份信息缓存L中的人员信息进行对比，判断人员身份ST是否存在于人员身份信息缓存L。
人员身份信息缓存L中存储有预置位相关联的人员身份、人脸位置以及身份计数COUNT；各人员关联的身份计数COUNT的初始值均为1。具体的，人员身份信息缓存L的初始值为对应预置位上摄像机的视觉范围内的人员的信息。
人员身份信息缓存L初始值为空集，当摄像机处于某个预置位，则根据视频帧处理结果更新人员身份信息缓存；当摄像机转移到下一个预置位，则对前一个预置位的人员身份信息缓存L进行缓存，以便摄像机再次回到该预置位时，结合该人员身份信息缓存L进行计算。
S3中，如果人员身份ST存在于人员身份信息缓存L，则在人员身份信息缓存L中将该人员的身份计数COUNT加1存储，并将该人员身份的人脸位置更新为FB，然后执行步骤S4；
如果人员身份ST不存在于人员身份信息缓存L，，则在人员身份信息缓存L增加该人员身份ST，并初始化该人员身份ST对应的身份计数COUNT为1，并存储人脸位置FB，然后执行步骤S4。
S4、将各人体位置PB逐一与人员身份信息缓存L中的人脸位置进行匹配，当人体位置PB与某个人员的人脸位置匹配，则执行步骤S5。
具体的，本步骤中，人体位置PB与人脸位置匹配的条件为：检测到人脸的人脸检测框出现在检测到人体的人体检测框的上半部分，公式表示为：
xf>xp&&yf>yp&&xf+widthf<xp+widthp&&yf+heightf<yp+heightp/2
以图像左上角为坐标原点（0,0），xf为人脸检测框左上角横坐标；yf为人脸检测框左上角纵坐标；widthf为人脸检测框横向宽度；heightf为人脸检测框纵向高度；xp为人体检测框左上角横坐标；yp为人体检测框左上角纵坐标；widthp为人体检测框横向宽度；heightp为人体检测框纵向高度；&&表示逻辑关系“且”。
S5、判断人员的身份计数COUNT是否大于或等于设定值T；是，则对该人员身份进行确认；否，则放弃确认该人员身份；确认表示，当前该人员为应当存在的人员。
值得注意的是，S5中，每个预置位上，针对视频帧判断过程中，每个人员身份仅需要上报一次。所述上报指的是将确认后的人员身份ST上传到设定的后台或者服务器。
即，S5中，每个人员身份被确认时，则判断该人员身份在当前预置位上是否为第一次确认，是则将确认信息上报存储；否，则不上报。摄像机在预置位间轮转，经过一个周期后回到出发的预置位，此时该预置位视为新的预置位，即该预置位上第一次确认的人员身份需要上报。
本实施方式中，T的计算公式如下：
T=a×(Σn i=1COUNTi)/n
其中，n为人员身份信息缓存L中的人员总数量，COUNTi为L中第i个人员的身份计数COUNT；a为设定常数，具体可设置a=0.25。
S6、遍历视频帧中所有人脸和所有人体位置PB完成当前预置位上的人员身份确认，然后更新预置位，返回步骤S2。
以下结合具体实施例，对上述的基于统计增强的人员身份识别方法进行阐述。
本实施例中，应用场景为上课场景，为满足上课场景人脸识别对人脸像素的要求，摄像机采用不低于1080P分辨率摄像机，支持云台转动，具备光学变焦，摄像机覆盖学生数量应≤9人。
本实施例中，构建了一套实现上述基于统计增强的人员身份识别方法的课堂学生识别系统，包括设置在教室内的摄像机。
摄像机预先设置了多个预置位，位于预置位上的摄像机可覆盖最多9个学生座位。系统初始化后，首先加载本地配置文件，获取码流的摄像机IP、用户名、密码等，根据摄像机信息调用接口获取班级对应人脸库，加载kafka地址便于后续数据的上传，采用onvif协议，获取码流地址，采用ffmpeg解码视频流，采用opencv处理图片，算法服务随后启动两个算法线程，即人体检测线程与人脸检测识别线程。并行化的处理流程大幅缩减传统人体人脸检测先检测人体再在人体内检测人脸这种自上而下流程导致的算法处理时间消耗。
人体检测线程启动后，加载人体检测模型，获取全局变量内的解码视频帧，检测学生位置；人脸检测识别线程加载人脸检测算法、人脸识别模型，获取全局变量内的解码视频帧进行人脸检测线程进行人脸检测，对人脸检测模型检出的人脸图片进行数据增强、人脸对齐后，调用人脸识别模型进行人脸识别，经过置信度过滤后，得到学生身份信息ST为学生编号字符串，学生人脸位置信息FB包含人脸检测框左上角横坐标xf、人脸检测框左上角纵坐标yf、人脸检测框横向宽度widthf和人脸检测框纵向高度heightf。
系统在获取视频帧后，执行上述的基于统计增强的人员身份识别方法。即，人脸检测识别线程将人脸识别的学生身份结果与学生身份信息缓存L进行学生身份信息比对，L包含视频范围内多个学生的身份信息ST、人脸位置信息FB、每个学生的计数COUNT。判断学生身份ST是否在学生身份信息缓存中，存在则相应学生的身份计数COUNT增加1，同时更新该学生人脸位置FB；不一致则在学生身份信息缓存L中新增该学生的身份信息ST、人脸位置FB，并将其身份计数COUNT设置为1，开启循环等待人体检测模型结果。
人体检测模型在检测完成后将人体检测数据传至人脸检测识别线程中进行信息匹配。
将人体检测的结果与学生身份信息缓存的数据进行比对，判断人脸检测框是否在人体检测框的上半部分，若不在则认为该人脸框与人体框代表的不是同一学生；若在，则判断对应学生的计数是否大于阈值T。本实施例中，计算T时选取a=0.25。
本实施例中，如果满足以下条件1和条件2，则判断满足条件的学生身份有效，并进行确认，具体可将确认的学生身份发送到kafka进行保存。
条件1：人脸检测结果为人脸符合学生身份信息缓存L中缓存的学生身份；或者，学生身份信息缓存L中某个人脸位置FB与某个人体位置PB匹配；
条件2：学生身份信息缓存L中该学生的身份计数COUNT不小于T。
本实施例中，采用本发明提供的基于统计增强的身份识别方法对某学校课堂上的学生进行人体人脸检测识别。
本实施例中，摄像机覆盖9名学生，并确保图像中9名学生都能被检测识别，班级人脸库建有整个班级51名学生的人脸特征，测试场景为上课环境。在边缘计算设备上验证本发明的并行识别人体、人脸检测识别方法耗时情况与传统方法的对比如下表1所示。
表1：上课环境下学生身份确认耗时对比
可见本发明方法较传统自上而下算法处理流程性能提升29.72%。
本实施例记录周一至周五5天课堂环境算法人脸识别情况，分别统计原始人脸算法识别率及采用本发明基于统计增强的身份识别方法识别率，识别结果如下表2和图2所示。
表2：两种算法学生身份识别精度对比
实施例中本发明基于统计增强的身份识别方法较原始人脸识别方法识别率有明显提升。同时本发明基于统计增强的身份识别方法能够识别因出现大幅度转头、抬低头、趴着等动作导致未检测识别到的学生，5天数据共识别25859张此类正确数据。
当然，对于本领域技术人员而言，本发明不限于上述示范性实施例的细节，而还包括在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现的相同或类似结构。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
本发明未详细描述的技术、形状、构造部分均为公知技术。

Claims (9)

1.一种基于统计增强的身份识别方法，其特征在于，包括以下步骤：
S1、设置摄像机的预置位，各预置位上的摄像机的视觉范围总和覆盖目标场景；
S2、当摄像机处于预置位，获取视频流，从视频流中每隔固定时间抽取一帧，对视频帧分别进行人脸检测和人体检测，以获取人脸位置FB和人员身份ST，以及人体位置PB；
S3、获取预置位对应的人员身份信息缓存L；人员身份信息缓存L中存储有相关联的人员身份、人脸位置以及身份计数COUNT；各人员关联的身份计数COUNT的初始值均为1；将各人员身份ST与人员身份信息缓存L中的人员信息进行对比，判断人员身份是否存在于人员身份信息缓存L；
是，则在人员身份信息缓存L中将该人员的身份计数COUNT加1存储，并将该人员身份的人脸位置更新为FB，然后执行步骤S4；
否，则在人员身份信息缓存L增加该人员身份ST，并初始化该人员身份ST对应的身份计数COUNT为1，并存储人脸位置FB，然后执行步骤S4；
S4、将各人体位置PB逐一与人员身份信息缓存L中的人脸位置进行匹配，当人体位置PB与某个人员身份的人脸位置匹配，则针对该人员身份执行步骤S5；
S5、判断人员的身份计数COUNT是否大于或等于设定值T；是，则对该人员身份进行确认；否，则放弃确认该人员身份；确认表示，当前该人员为应当存在的人员；
S5中，T的计算公式如下：
T=a×(Σn i=1COUNTi)/n
其中，n为人员身份信息缓存L中的人员总数量，COUNTi为L中第i个人员的身份计数COUNT；a为设定常数，0<a<1。
2.如权利要求1所述的基于统计增强的身份识别方法，其特征在于，S5之后还包括步骤S6：遍历视频帧中所有人脸和所有人体位置PB完成当前预置位上的人员身份确认，然后更新预置位，返回步骤S2。
3.如权利要求1所述的基于统计增强的身份识别方法，其特征在于，S5还包括，每一个预置位上，在各人员身份第一次确认时，将确认信息发送到指定数据库进行存储。
4.如权利要求1所述的基于统计增强的身份识别方法，其特征在于，a=0.25。
5.如权利要求1所述的基于统计增强的身份识别方法，其特征在于，人体位置与人脸位置的匹配条件为：
xf>xp && yf>yp && xf+widthf<xp+widthp && yf+heightf<yp+heightp/2
以图像左上角为坐标原点（0,0），xf 为人脸检测框左上角横坐标；yf 为人脸检测框左上角纵坐标；widthf 为人脸检测框横向宽度；heightf 为人脸检测框纵向高度；xp 为人体检测框左上角横坐标；yp 为人体检测框左上角纵坐标；widthp 为人体检测框横向宽度；heightp 为人体检测框纵向高度；&&表示逻辑系“且”。
6.一种采用如权利要求1-5任一项所述的基于统计增强的身份识别方法的课堂学生监督方法，其特征在于，采用如权利要求1-5任一项所述的基于统计增强的身份识别方法识别课堂学生身份；根据人体位置，将捕获的学生姿势与学生身份相关联。
7.一种采用如权利要求1-5任一项所述的基于统计增强的身份识别方法的绩效考核管理方法，其特征在于，适用于工位相互分隔的工作场景；首先采用如权利要求1-5任一项所述的基于统计增强的身份识别方法识别员工身份，进行员工考勤监督；并根据人体位置将捕获的人体姿势与员工身份相关联，通过人体姿势与设定的违规姿势的对比，监督员工违规行为，进行员工绩效考核。
8.一种基于统计增强的身份识别系统，其特征在于，包括存储器和处理器，存储器中存储有计算机程序，处理器连接存储器，处理器用于执行所述计算机程序，以实现如权利要求1-5任一项所述的基于统计增强的身份识别方法。
9.一种存储介质，其特征在于，存储有计算机程序，所述计算机程序被执行时用于实现如权利要求1-5任一项所述的基于统计增强的身份识别方法。
CN202311786655.1A 2023-12-25 2023-12-25 基于统计增强的身份识别方法、系统和存储介质 Active CN117455442B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311786655.1A CN117455442B (zh) 2023-12-25 2023-12-25 基于统计增强的身份识别方法、系统和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311786655.1A CN117455442B (zh) 2023-12-25 2023-12-25 基于统计增强的身份识别方法、系统和存储介质

Publications (2)

Publication Number Publication Date
CN117455442A CN117455442A (zh) 2024-01-26
CN117455442B true CN117455442B (zh) 2024-03-19

Family

ID=89585975

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311786655.1A Active CN117455442B (zh) 2023-12-25 2023-12-25 基于统计增强的身份识别方法、系统和存储介质

Country Status (1)

Country Link
CN (1) CN117455442B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050022564A (ko) * 2003-08-20 2005-03-08 주식회사 에스원 주민등록증의 위변조 판별ㆍ본인 확인 시스템 및 그 방법
US7587068B1 (en) * 2004-01-22 2009-09-08 Fotonation Vision Limited Classification database for consumer digital images
KR101515214B1 (ko) * 2014-02-13 2015-04-24 (주)청우티에스 얼굴 인식을 통한 신원확인 방법과 얼굴인식을 이용한 출입관리 경보 시스템 및 출입관리 경보 제어방법
CN113609905A (zh) * 2021-06-30 2021-11-05 国网福建省电力有限公司信息通信分公司 一种基于身份重识别的区域人员检测方法和存储介质
WO2022134388A1 (zh) * 2020-12-22 2022-06-30 成都商汤科技有限公司 乘车逃票检测方法及装置、电子设备、存储介质、计算机程序产品
WO2022134916A1 (zh) * 2020-12-24 2022-06-30 中兴通讯股份有限公司 身份特征生成方法、设备及存储介质
CN115497124A (zh) * 2022-10-26 2022-12-20 北京京东乾石科技有限公司 身份识别方法和装置及存储介质
CN116311063A (zh) * 2023-03-20 2023-06-23 山东大学 监控视频下基于人脸识别的人员细粒度跟踪方法及系统
CN117218703A (zh) * 2023-09-13 2023-12-12 浙江蓝鸽科技有限公司 智能学情分析方法及系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050022564A (ko) * 2003-08-20 2005-03-08 주식회사 에스원 주민등록증의 위변조 판별ㆍ본인 확인 시스템 및 그 방법
US7587068B1 (en) * 2004-01-22 2009-09-08 Fotonation Vision Limited Classification database for consumer digital images
KR101515214B1 (ko) * 2014-02-13 2015-04-24 (주)청우티에스 얼굴 인식을 통한 신원확인 방법과 얼굴인식을 이용한 출입관리 경보 시스템 및 출입관리 경보 제어방법
WO2022134388A1 (zh) * 2020-12-22 2022-06-30 成都商汤科技有限公司 乘车逃票检测方法及装置、电子设备、存储介质、计算机程序产品
WO2022134916A1 (zh) * 2020-12-24 2022-06-30 中兴通讯股份有限公司 身份特征生成方法、设备及存储介质
CN113609905A (zh) * 2021-06-30 2021-11-05 国网福建省电力有限公司信息通信分公司 一种基于身份重识别的区域人员检测方法和存储介质
CN115497124A (zh) * 2022-10-26 2022-12-20 北京京东乾石科技有限公司 身份识别方法和装置及存储介质
CN116311063A (zh) * 2023-03-20 2023-06-23 山东大学 监控视频下基于人脸识别的人员细粒度跟踪方法及系统
CN117218703A (zh) * 2023-09-13 2023-12-12 浙江蓝鸽科技有限公司 智能学情分析方法及系统

Also Published As

Publication number Publication date
CN117455442A (zh) 2024-01-26

Similar Documents

Publication Publication Date Title
CN109919977B (zh) 一种基于时间特征的视频运动人物跟踪与身份识别方法
JP4658788B2 (ja) 画像処理装置、画像処理方法およびプログラム
Lim et al. Automated classroom monitoring with connected visioning system
US8634601B2 (en) Surveillance-based high-resolution facial recognition
CN110837795A (zh) 基于课堂监控视频的教学情况智能监测方法、装置及设备
CN107545256B (zh) 一种结合时空和网络一致性的摄像机网络行人重识别方法
CN108564052A (zh) 基于mtcnn的多摄像头动态人脸识别系统与方法
US11915447B2 (en) Audio acquisition device positioning method and apparatus, and speaker recognition method and system
CN110969045B (zh) 一种行为检测方法、装置、电子设备和存储介质
CN110827432B (zh) 一种基于人脸识别的课堂考勤方法及系统
CN109902681B (zh) 用户群体关系确定方法、装置、设备及存储介质
CN111339811B (zh) 图像处理方法、装置、设备及存储介质
US20220019773A1 (en) Systems and methods for facial recognition in a campus setting
CN112040198A (zh) 一种基于图像处理的智能水表读数识别系统与方法
CN112347856A (zh) 一种基于教室场景的无感知考勤系统及方法
CN113705349A (zh) 一种基于视线估计神经网络的注意力量化分析方法及系统
CN113705510A (zh) 目标识别跟踪的方法、装置、设备及存储介质
CN116824641B (zh) 姿态分类方法、装置、设备和计算机存储介质
CN113869115A (zh) 一种人脸图像处理的方法及系统
CN117455442B (zh) 基于统计增强的身份识别方法、系统和存储介质
CN117218703A (zh) 智能学情分析方法及系统
Rajput et al. Attendance Management System using Facial Recognition
CN111539390A (zh) 一种基于Yolov3的小目标图像识别方法、设备和系统
CN115527083B (zh) 图像标注方法、装置和电子设备
CN115272967A (zh) 一种跨摄像机行人实时跟踪识别方法、装置及介质

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