CN118015108A - 基于物联网的智慧物业智能管理方法及系统 - Google Patents

基于物联网的智慧物业智能管理方法及系统 Download PDF

Info

Publication number
CN118015108A
CN118015108A CN202410423919.5A CN202410423919A CN118015108A CN 118015108 A CN118015108 A CN 118015108A CN 202410423919 A CN202410423919 A CN 202410423919A CN 118015108 A CN118015108 A CN 118015108A
Authority
CN
China
Prior art keywords
pixel points
pixel
points
merging
characteristic
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.)
Granted
Application number
CN202410423919.5A
Other languages
English (en)
Other versions
CN118015108B (zh
Inventor
何文婷
孔浩
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.)
Shenzhen Nanhua Digital Technology Co ltd
Original Assignee
Shenzhen Nanhua Digital Technology Co ltd
Shenzhen Litai Electronics 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 Shenzhen Nanhua Digital Technology Co ltd, Shenzhen Litai Electronics Co ltd filed Critical Shenzhen Nanhua Digital Technology Co ltd
Priority to CN202410423919.5A priority Critical patent/CN118015108B/zh
Publication of CN118015108A publication Critical patent/CN118015108A/zh
Application granted granted Critical
Publication of CN118015108B publication Critical patent/CN118015108B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/001—Model-based coding, e.g. wire frame
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/68—Analysis of geometric attributes of symmetry
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Geometry (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及数据处理技术领域，提出了基于物联网的智慧物业智能管理方法及系统，包括：采集待压缩面部图像，获取面部区域；确定面部区域的对称轴、像素点的查看范围窗口和面部对称像素点，进而获取像素点的特征表现程度，划分面部区域中的非特征点和特征点；确定第一非特征点和第二非特征点，获取合并灰度值，获取第一非特征点和第二非特征点的合并可能性，根据合并可能性对面部区域内的像素点进行合并，获取更新面部区域；确定待分析像素点和待比较像素点，获取合并可能性，进而获取更新待压缩面部图像，对更新待压缩面部图像进行压缩，实现基于物联网的智慧物业智能管理。本发明解决面部信息冗余使压缩效率较低，进而影响物业管理的问题。

Description

基于物联网的智慧物业智能管理方法及系统
技术领域
本发明涉及数据处理技术领域，具体涉及基于物联网的智慧物业智能管理方法及系统。
背景技术
随着物联网技术的发展，物业管理也逐渐转向智能化。为了保障社区内居民的安全生活，减少恶意事件的发生，提升社区访客管理的准确性和及时性，一般会对社区住户的面部信息进行采集，根据采集的社区住户的面部信息对社区出入人员进行限制和确认。社区住户的面部信息采集后，一般通过Huffman编码算法将所有的面部信息进行压缩存储，以便于对面部信息的管理和对小区的出入人员的确认。
在利用Huffman编码对面部图像进行压缩的过程中，由于面部信息中包含大量无关信息，即面部图像中包含大量无关像素点，这些无关信息会使面部图像压缩后的编码过长，导致解码难度较高。但是，如果根据像素点的表现程度对面部图像进行压缩，会使大量的无关像素点获得较长编码，导致图像的压缩率降低，不能满足压缩需求。所以，对面部图像进行压缩的效果不佳。
发明内容
本发明提供基于物联网的智慧物业智能管理方法及系统，以解决物业管理过程中，社区住户的面部信息冗余使压缩效率较低，进而影响物业管理的问题，所采用的技术方案具体如下：
第一方面，本发明一个实施例提供了基于物联网的智慧物业智能管理方法，该方法包括以下步骤：
采集待压缩面部图像，获取待压缩面部图像中的面部区域，并获取面部区域内每个像素值的频率；
计算面部均值，确定面部区域中五官对应的区域，根据五官对应的区域，确定面部区域的对称轴，获取面部区域中像素点的查看范围窗口，确定面部区域中像素点的面部对称像素点，获取面部区域中像素点的最近五官距离和最近眼睛距离，根据面部均值，面部区域中的像素点的查看范围窗口、面部对称像素点、最近五官距离和最近眼睛距离，获取像素点的特征表现程度，根据像素点的特征表现程度，划分出面部区域中的非特征点和特征点；
确定第一非特征点和第一非特征点对应的第二非特征点，获取第一非特征点与第二非特征点的合并灰度值，确定第一非特征点和第二非特征点的压缩率变化，确定第一非特征点和第二非特征点的压缩效果影响，根据第一非特征点和第二非特征点的压缩率变化和压缩效果影响，获取第一非特征点和第二非特征点的合并可能性，根据合并可能性对面部区域内的像素点进行合并，获取更新面部区域；
获取更新面部区域中像素点的查看范围窗口、特征表现程度、压缩率变化、压缩效果影响以及所有合并可能性的最大值，确定待分析像素点和待比较像素点，获取待分析像素点和待比较像素点的合并可能性，根据合并可能性获取待分析像素点的合并像素点并进行合并，获取更新待压缩面部图像，对更新待压缩面部图像进行压缩，实现基于物联网的智慧物业智能管理。
进一步，所述获取像素点的特征表现程度，根据像素点的特征表现程度，划分出面部区域中的非特征点和特征点的方法为：
其中，表示面部区域中像素点/>的特征表现程度；/>表示面部均值；/>表示面部区域中像素点/>的灰度值；/>表示面部区域中像素点/>的面部对称像素点的查看范围窗口内，第/>个像素点的灰度值；/>表示边长系数；/>表示面部区域中像素点/>的最近五官距离；表示面部区域中像素点/>的最近眼睛距离；
当面部区域中像素点的特征表现程度小于合并阈值时，将像素点记为非特征点，否则，将像素点记为特征点。
进一步，所述获取第一非特征点与第二非特征点的合并灰度值的方法为：
将第一非特征点和第二非特征点的灰度值的均值，记为第一非特征点与第二非特征点的合并灰度值。
进一步，所述压缩率变化的获取方法为：
将第一非特征点与第二非特征点的合并灰度值在面部区域内出现的频率与面部区域内第一非特征点的灰度值的频率的差值，记为第一非特征点和第二非特征点的压缩率变化。
进一步，所述合并可能性的获取方法为：
将第一非特征点和第二非特征点的压缩效果影响与阈值第二调节系数的和记为第一和值，将第一非特征点和第二非特征点的压缩率变化与第一和值的比值，记为第一非特征点和第二非特征点的合并可能性。
进一步，所述根据合并可能性对面部区域内的像素点进行合并，获取更新面部区域的方法为：
将第一非特征点的所有合并可能性的最大值对应的第二非特征点，记为第一非特征点的合并点，将第一非特征点的合并点与第一非特征点进行合并，获取更新面部区域。
进一步，所述确定待分析像素点和待比较像素点的方法为：
将更新面部区域中每个像素点分别作为待分析像素点，将待分析像素点的查看范围窗口内包含的其他像素点记为待比较像素点。
进一步，所述合并可能性的方法为：
其中，表示待分析像素点/>和待比较像素点/>的合并可能性；/>表示待分析像素点/>的所有合并可能性的最大值；/>表示待分析像素点/>和待比较像素点/>的压缩率变化；表示阈值第二调节系数；/>表示待分析像素点/>和待比较像素点/>的压缩效果影响；/>表示更新面部区域中像素点/>的特征表现程度；/>表示待比较像素点/>的灰度值；/>表示待比较像素点/>的查看范围窗口内包含的第/>个不是待比较像素点/>的其他像素点的灰度值；/>表示边长系数；/>表示线性归一化函数。
进一步，所述根据合并可能性获取待分析像素点的合并像素点并进行合并，获取更新待压缩面部图像，对更新待压缩面部图像进行压缩，实现基于物联网的智慧物业智能管理的方法为：
将待分析像素点的所有合并可能性的最大值对应的待比较像素点记为待分析像素点的合并像素点，将合并像素点与待分析像素点进行合并，获取更新待压缩面部图像，对更新待压缩面部图像中每个像素点的灰度值进行Huffman编码，将获取的Huffman编码进行存储，完成对待压缩面部图像的压缩和管理。
第二方面，本发明实施例还提供了基于物联网的智慧物业智能管理系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一项所述方法的步骤。
本发明的有益效果是：
本发明根据面部五官的对称性，确定面部区域的对称轴，并根据五官和皮肤对面部特征的表现程度，获取像素点的特征表现程度，并根据特征表现程度划分出面部区域中的非特征点和特征点；然后，根据非特征点对面部特征的表现程度不足、包含的小区住户的面部信息较少的特征，评价两个非特征点的合并可能性，并根据合并可能性对面部区域内的非特征点进行合并，获取更新面部区域，降低图像中不重要因素对后续图像压缩的影响，提高对重要信息的压缩效率；更新面部区域与面部区域存在差异，为了减少获取更新面部区域的过程对小区住户的面部信息的影响，对更新面部区域进行修正，获取更新面部区域中每个像素点与查看范围窗口内其他像素点之间的合并可能性，进而获取更新待压缩面部图像，在保留特征点信息的同时减少非重要信息的影响，对更新待压缩面部图像进行压缩，实现基于物联网的智慧物业智能管理，解决物业管理过程中，社区住户的面部信息冗余使压缩效率较低，进而影响物业管理的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一个实施例所提供的基于物联网的智慧物业智能管理方法的流程示意图；
图2为面部区域的对称轴示意图。
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。
请参阅图1，其示出了本发明一个实施例提供的基于物联网的智慧物业智能管理方法流程图，该方法包括以下步骤：
步骤S001，采集待压缩面部图像，获取待压缩面部图像中的面部区域，并获取面部区域内每个像素值的频率。
使用相机采集小区住户的面部图像。在面部图像的采集过程中，保证光源充足且适宜，小区住户需要面对相机并位于相机的正前方，保证小区住户的面部位于面部图像的中心位置并占据面部图像的大部分区域。将采集的小区住户的面部图像记为待压缩面部图像。
对待压缩面部图像使用Haar级联分类器，识别待压缩面部图像中小区住户的面部区域。其中，使用Haar级联分类器识别图像中的面部区域为公知技术，不再赘述。
根据待压缩面部图像中的面部区域，获取面部区域内每个像素点的像素值出现的频率。像素值的频率即为像素值在面部区域内出现的频次与面部区域内包含的像素点的数量之比。
至此，获取待压缩面部图像中的面部区域，并获取面部区域内每个像素值出现的频率。
步骤S002，确定面部区域中五官对应的区域和面部区域的对称轴，获取面部区域中像素点的查看范围窗口，确定面部区域中像素点的面部对称像素点，获取面部区域中像素点的最近五官距离和最近眼睛距离，进而获取像素点的特征表现程度，划分面部区域中的非特征点和特征点。
获取面部区域内所有像素点的灰度值均值，将面部区域内所有像素点的灰度值均值记为面部均值。
在小区住户的面部中，五官与面部的灰度值存在明显差异且五官占面部的比例较小，面部皮肤对应的区域占比较大且灰度值接近，所以，面部均值与面部区域中皮肤对应的灰度值接近，皮肤对应的区域对面部特征的表现程度较低，而面部均值与面部区域中五官对应的灰度值差异较大，五官对应的区域对面部特征的表现程度较高。
同时，不同的五官对面部特征的表现程度也存在差异，人的眼睛是最有利于进行面部特征识别的器官，五官的位置也会作为其他特征的参考基准，但是，头发、眉毛、胡子等可以发生改变的边缘信息，对面部特征的表现程度较低。
对待压缩面部图像中的面部区域使用面部关键点检测技术，确定面部区域中眼睛、鼻子、嘴唇、耳朵的位置，即确定面部区域中五官对应的区域。并根据在面部对称分布的眼睛和耳朵，确定面部区域的对称轴。其中，使用面部关键点检测技术获取面部五官为公知技术，不再赘述。
获取眼睛和耳朵对应的区域的质心像素点，将两个对应眼睛的区域的质心像素点为端点线段的中点记为第一中点，将两个对应耳朵的区域的质心像素点为端点线段的中点记为第二中点，将过第一中点和第二中点的直线记为面部区域的对称轴。
面部区域的对称轴示意图如图2所示，在面部区域的对称轴示意图中，白色的圆对应眼睛和耳朵对应的区域的质心像素点，直线A为面部区域的对称轴。
由于人的面部呈对称分布，所以，当面部区域内关于面部区域的对称轴对称的两个像素点的特征越为接近时，像素点对特征的表现程度越高。
将以面部区域中的像素点作为中心像素点，以边长系数为边长的窗口，记为中心像素点的查看范围窗口。将中心像素点关于面部区域的对称轴对称的像素点，记为中心像素点的面部对称像素点。将中心像素点与面部区域中五官对应的区域中所有像素点之间距离的最小值，记为中心像素点的最近五官距离。将中心像素点与面部区域中眼睛对应的区域中所有像素点之间距离的最小值，记为中心像素点的最近眼睛距离。其中，本实施例对边长系数的取值为3。
根据面部均值，面部区域中的像素点的查看范围窗口、面部对称像素点、最近五官距离和最近眼睛距离，获取像素点的特征表现程度。
其中，表示面部区域中像素点/>的特征表现程度；/>表示面部均值；/>表示面部区域中像素点/>的灰度值；/>表示面部区域中像素点/>的面部对称像素点的查看范围窗口内，第/>个像素点的灰度值；/>表示边长系数；/>表示面部区域中像素点/>的最近五官距离；表示面部区域中像素点/>的最近眼睛距离。
本实施例对合并阈值的取值为0.5。根据合并阈值判断面部区域中像素点的分类。
当面部区域中像素点的特征表现程度小于合并阈值时，认为像素点对特征的表现程度不足，将像素点记为非特征点。当面部区域中像素点的特征表现程度大于等于合并阈值时，认为像素点对特征的表现程度较高，将像素点记为特征点。
至此，划分出面部区域中的非特征点和特征点。
步骤S003，确定第一非特征点和第一非特征点对应的第二非特征点，获取合并灰度值，确定压缩率变化，确定压缩效果影响，进而获取第一非特征点和第二非特征点的合并可能性，根据合并可能性对面部区域内的像素点进行合并，获取更新面部区域。
由于非特征点对特征的表现程度不足，像素点对应的小区住户的面部信息较少，对像素点对应的所有信息进行保留的成本较高且收益较低，所以，为了提高压缩效率，将待压缩面部图像中的非特征点进行合并，并将合并后的非特征点进行有损压缩。
对待压缩面部图像使用Huffman编码进行编码时，需要根据像素点的像素值在图像中出现的频率构建Huffman树，所以，将非特征点进行合并后相比于合并之前，像素值在图像中出现的频率会出现差异，从而使非特征点进行合并后获取的Huffman树与合并之前获取的Huffman树之间，存在差异。所以，需要分析每两个可能需要进行合并的非特征点。
当非特征点的查看范围窗口内包含其他非特征点时，则需要将查看范围窗口的中心像素点与查看范围窗口内包含的其他每个非特征点分别进行分析。将查看范围窗口的中心像素点记为第一非特征点，将同一查看范围窗口内包含的其他每个非特征点记为第二非特征点。即，需要分析每两个可能需要进行合并的非特征点即为第一非特征点和第一非特征点对应的第二非特征点。
将第一非特征点和第二非特征点的灰度值的均值，记为第一非特征点与第二非特征点的合并灰度值。
确定第一非特征点和第二非特征点的压缩率变化。
其中，表示第一非特征点/>和第二非特征点/>的压缩率变化；/>表示第一非特征点/>与第二非特征点/>的合并灰度值在面部区域内出现的次数；/>表示面部区域中包含的像素点数量；/>表示面部区域内第一非特征点/>的灰度值出现的频率。
当第一非特征点和第一非特征点对应的第二非特征点合并时，两个像素点的灰度值差异越小且离面部的五官越远时，合并之后对面部区域进行压缩后，合并对压缩效果的影响越小。
确定第一非特征点和第二非特征点的压缩效果影响。
其中，表示第一非特征点/>和第二非特征点/>的压缩效果影响；/>表示第二非特征点/>的特征表现程度；/>表示阈值第一调节系数，本实施例取值为0.5；/>表示阈值第二调节系数，本实施例取值为1；/>表示第一非特征点/>的灰度值；/>表示第二非特征点/>的灰度值；/>示第二非特征点/>的最近五官距离；/>表示线性归一化函数，作用为取括号内数值的线性归一化值；/>表示取整函数，作用为取括号内的四舍五入值。
当第二非特征点的特征表现程度越大，第一非特征点和第二非特征点的灰度值差异越小且离面部的五官越远时，第一非特征点和第二非特征点进行合并对压缩效果的影响越小，此时，对第一非特征点和第二非特征点进行合并的可能性越大，第一非特征点和第二非特征点的压缩效果影响越小。
根据第一非特征点和第二非特征点的压缩率变化和压缩效果影响，获取第一非特征点和第二非特征点的合并可能性。
其中，表示第一非特征点/>和第二非特征点/>的合并可能性；/>表示第一非特征点/>和第二非特征点/>的压缩率变化；/>表示第一非特征点/>和第二非特征点/>的压缩效果影响；/>表示阈值第二调节系数，本实施例取值为1。
至此，获取第一非特征点和第二非特征点的合并可能性。
第一非特征点和第一非特征点对应的所有第二非特征点均有一个合并可能性，将合并可能性的最大值对应的第二非特征点记为第一非特征点的合并点，将第一非特征点的合并点与第一非特征点进行合并，合并后像素点的灰度值为两个合并的像素点的灰度值的均值的取整值，获取更新面部区域。
至此，获取更新面部区域。
步骤S004，获取更新面部区域中像素点的查看范围窗口、特征表现程度、压缩率变化、压缩效果影响以及所有合并可能性的最大值，确定待分析像素点和待比较像素点，获取合并可能性，进而获取更新待压缩面部图像，对更新待压缩面部图像进行压缩，实现基于物联网的智慧物业智能管理。
按照获取面部区域中的像素点的像素点的查看范围窗口、特征表现程度、压缩率变化、压缩效果影响和合并可能性的方法，获取更新面部区域中像素点的查看范围窗口和特征表现程度，获取更新面部区域中每个像素点与查看范围窗口内其他像素点的压缩率变化和压缩效果影响，进而获取更新面部区域中每个像素点的所有合并可能性的最大值。
更新面部区域与面部区域存在差异，为了减少获取更新面部区域的过程对小区住户的面部信息的影响，对更新面部区域进行修正。
对更新面部区域中每个像素点分别进行分析，将所分析的像素点记为待分析像素点，将待分析像素点的查看范围窗口内包含的其他像素点记为待比较像素点。
获取待分析像素点和待比较像素点的合并可能性。
其中，表示待分析像素点/>和待比较像素点/>的合并可能性；/>表示待分析像素点/>的所有合并可能性的最大值；/>表示待分析像素点/>和待比较像素点/>的压缩率变化；表示阈值第二调节系数，本实施例取值为1；/>表示待分析像素点/>和待比较像素点/>的压缩效果影响；/>表示更新面部区域中像素点/>的特征表现程度；/>表示待比较像素点/>的灰度值；/>表示待比较像素点/>的查看范围窗口内包含的第/>个不是待比较像素点/>的其他像素点的灰度值；/>表示边长系数；/>表示线性归一化函数，作用为取括号内数值的线性归一化值。
当待分析像素点和待比较像素点的灰度差异越小时，待分析像素点和待比较像素点对应的小区住户的面部信息越为接近，对待分析像素点和待比较像素点进行合并的必要性越大，此时，待分析像素点和待比较像素点的合并可能性越大。
当待分析像素点和待比较像素点的压缩率变化越大，压缩效果影响和合并可能性越小时，待分析像素点和待比较像素点对应的小区住户的面部信息越为接近，对待分析像素点和待比较像素点进行合并的必要性越大，此时，待分析像素点和待比较像素点的合并可能性越大。
将待分析像素点获取的所有合并可能性的最大值对应的待比较像素点，记为待分析像素点的合并像素点。
将更新面部区域中每个像素点与其对应的合并像素点进行合并。
按照获取面部区域中的非特征点和特征点的方法，获取更新面部区域中的非特征点和特征点。当更新面部区域中需要合并的两个像素点均为非特征点或特征点时，合并的像素点的灰度值为两个像素点的灰度值均值的取整值；当更新面部区域中需要合并的两个像素点既包含特征点，又包含非特征点时，合并的像素点的灰度值为特征点的灰度值，获取更新待压缩面部图像。
对更新待压缩面部图像中每个像素点的灰度值进行Huffman编码，将获取的Huffman编码进行存储，完成对待压缩面部图像的压缩和管理。
至此，实现基于物联网的智慧物业智能管理。
基于与上述方法相同的发明构思，本发明实施例还提供了基于物联网的智慧物业智能管理系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于物联网的智慧物业智能管理方法中任意一项所述方法的步骤。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的原则之内，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 (10)

1.基于物联网的智慧物业智能管理方法，其特征在于，该方法包括以下步骤：
采集待压缩面部图像，获取待压缩面部图像中的面部区域，并获取面部区域内每个像素值的频率；
计算面部均值，确定面部区域中五官对应的区域，根据五官对应的区域，确定面部区域的对称轴，获取面部区域中像素点的查看范围窗口，确定面部区域中像素点的面部对称像素点，获取面部区域中像素点的最近五官距离和最近眼睛距离，根据面部均值，面部区域中的像素点的查看范围窗口、面部对称像素点、最近五官距离和最近眼睛距离，获取像素点的特征表现程度，根据像素点的特征表现程度，划分出面部区域中的非特征点和特征点；
确定第一非特征点和第一非特征点对应的第二非特征点，获取第一非特征点与第二非特征点的合并灰度值，确定第一非特征点和第二非特征点的压缩率变化，确定第一非特征点和第二非特征点的压缩效果影响，根据第一非特征点和第二非特征点的压缩率变化和压缩效果影响，获取第一非特征点和第二非特征点的合并可能性，根据合并可能性对面部区域内的像素点进行合并，获取更新面部区域；
获取更新面部区域中像素点的查看范围窗口、特征表现程度、压缩率变化、压缩效果影响以及所有合并可能性的最大值，确定待分析像素点和待比较像素点，获取待分析像素点和待比较像素点的合并可能性，根据合并可能性获取待分析像素点的合并像素点并进行合并，获取更新待压缩面部图像，对更新待压缩面部图像进行压缩，实现基于物联网的智慧物业智能管理。
2.根据权利要求1所述的基于物联网的智慧物业智能管理方法，其特征在于，所述获取像素点的特征表现程度，根据像素点的特征表现程度，划分出面部区域中的非特征点和特征点的方法为：
其中，表示面部区域中像素点/>的特征表现程度；/>表示面部均值；/>表示面部区域中像素点/>的灰度值；/>表示面部区域中像素点/>的面部对称像素点的查看范围窗口内，第/>个像素点的灰度值；/>表示边长系数；/>表示面部区域中像素点/>的最近五官距离；/>表示面部区域中像素点/>的最近眼睛距离；
当面部区域中像素点的特征表现程度小于合并阈值时，将像素点记为非特征点，否则，将像素点记为特征点。
3.根据权利要求1所述的基于物联网的智慧物业智能管理方法，其特征在于，所述获取第一非特征点与第二非特征点的合并灰度值的方法为：
将第一非特征点和第二非特征点的灰度值的均值，记为第一非特征点与第二非特征点的合并灰度值。
4.根据权利要求1所述的基于物联网的智慧物业智能管理方法，其特征在于，所述压缩率变化的获取方法为：
将第一非特征点与第二非特征点的合并灰度值在面部区域内出现的频率与面部区域内第一非特征点的灰度值的频率的差值，记为第一非特征点和第二非特征点的压缩率变化。
5.根据权利要求1所述的基于物联网的智慧物业智能管理方法，其特征在于，所述合并可能性的获取方法为：
将第一非特征点和第二非特征点的压缩效果影响与阈值第二调节系数的和记为第一和值，将第一非特征点和第二非特征点的压缩率变化与第一和值的比值，记为第一非特征点和第二非特征点的合并可能性。
6.根据权利要求1所述的基于物联网的智慧物业智能管理方法，其特征在于，所述根据合并可能性对面部区域内的像素点进行合并，获取更新面部区域的方法为：
将第一非特征点的所有合并可能性的最大值对应的第二非特征点，记为第一非特征点的合并点，将第一非特征点的合并点与第一非特征点进行合并，获取更新面部区域。
7.根据权利要求1所述的基于物联网的智慧物业智能管理方法，其特征在于，所述确定待分析像素点和待比较像素点的方法为：
将更新面部区域中每个像素点分别作为待分析像素点，将待分析像素点的查看范围窗口内包含的其他像素点记为待比较像素点。
8.根据权利要求1所述的基于物联网的智慧物业智能管理方法，其特征在于，所述合并可能性的方法为：
其中，表示待分析像素点/>和待比较像素点/>的合并可能性；/>表示待分析像素点/>的所有合并可能性的最大值；/>表示待分析像素点/>和待比较像素点/>的压缩率变化；/>表示阈值第二调节系数；/>表示待分析像素点/>和待比较像素点/>的压缩效果影响；/>表示更新面部区域中像素点/>的特征表现程度；/>表示待比较像素点/>的灰度值；/>表示待比较像素点/>的查看范围窗口内包含的第/>个不是待比较像素点/>的其他像素点的灰度值；/>表示边长系数；/>表示线性归一化函数。
9.根据权利要求1所述的基于物联网的智慧物业智能管理方法，其特征在于，所述根据合并可能性获取待分析像素点的合并像素点并进行合并，获取更新待压缩面部图像，对更新待压缩面部图像进行压缩，实现基于物联网的智慧物业智能管理的方法为：
将待分析像素点的所有合并可能性的最大值对应的待比较像素点记为待分析像素点的合并像素点，将合并像素点与待分析像素点进行合并，获取更新待压缩面部图像，对更新待压缩面部图像中每个像素点的灰度值进行Huffman编码，将获取的Huffman编码进行存储，完成对待压缩面部图像的压缩和管理。
10.基于物联网的智慧物业智能管理系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-9任意一项方法的步骤。
CN202410423919.5A 2024-04-10 2024-04-10 基于物联网的智慧物业智能管理方法及系统 Active CN118015108B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410423919.5A CN118015108B (zh) 2024-04-10 2024-04-10 基于物联网的智慧物业智能管理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410423919.5A CN118015108B (zh) 2024-04-10 2024-04-10 基于物联网的智慧物业智能管理方法及系统

Publications (2)

Publication Number Publication Date
CN118015108A true CN118015108A (zh) 2024-05-10
CN118015108B CN118015108B (zh) 2024-07-19

Family

ID=90959739

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410423919.5A Active CN118015108B (zh) 2024-04-10 2024-04-10 基于物联网的智慧物业智能管理方法及系统

Country Status (1)

Country Link
CN (1) CN118015108B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008271244A (ja) * 2007-04-20 2008-11-06 Olympus Imaging Corp 撮像装置、表示方法、及びプログラム
CN101945203A (zh) * 2009-07-01 2011-01-12 夏普株式会社 图像压缩方法、图像压缩装置以及图像形成装置
CN104052996A (zh) * 2007-10-10 2014-09-17 株式会社日立制作所 图像编码装置及方法，和图像解码装置及方法
CN105245757A (zh) * 2015-09-29 2016-01-13 西安空间无线电技术研究所 一种非对称的图像压缩传输方法
CN106203393A (zh) * 2016-07-22 2016-12-07 广东金杭科技股份有限公司 一种人脸采集识别方法和实现该方法的系统
WO2020125631A1 (zh) * 2018-12-17 2020-06-25 深圳Tcl新技术有限公司 视频压缩方法、装置和计算机可读存储介质
CN111611873A (zh) * 2020-04-28 2020-09-01 平安科技（深圳）有限公司 人脸替换检测方法及装置、电子设备、计算机存储介质
CN115802056A (zh) * 2023-01-31 2023-03-14 南通凯沃智能装备有限公司 用于移动终端的用户数据压缩存储方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008271244A (ja) * 2007-04-20 2008-11-06 Olympus Imaging Corp 撮像装置、表示方法、及びプログラム
CN104052996A (zh) * 2007-10-10 2014-09-17 株式会社日立制作所 图像编码装置及方法，和图像解码装置及方法
CN101945203A (zh) * 2009-07-01 2011-01-12 夏普株式会社 图像压缩方法、图像压缩装置以及图像形成装置
CN105245757A (zh) * 2015-09-29 2016-01-13 西安空间无线电技术研究所 一种非对称的图像压缩传输方法
CN106203393A (zh) * 2016-07-22 2016-12-07 广东金杭科技股份有限公司 一种人脸采集识别方法和实现该方法的系统
WO2020125631A1 (zh) * 2018-12-17 2020-06-25 深圳Tcl新技术有限公司 视频压缩方法、装置和计算机可读存储介质
CN111611873A (zh) * 2020-04-28 2020-09-01 平安科技（深圳）有限公司 人脸替换检测方法及装置、电子设备、计算机存储介质
CN115802056A (zh) * 2023-01-31 2023-03-14 南通凯沃智能装备有限公司 用于移动终端的用户数据压缩存储方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
SHA GUO ET.: "Toward Scalable Image Feature Compression: A Content-Adaptive and Diffusion-Based Approach", 《PROCEEDINGS OF THE 31ST ACM INTERNATIONAL CONFERENCE ON MULTIMEDIA》, 27 October 2023 (2023-10-27), pages 1431, XP059420191, DOI: 10.1145/3581783.3611851 *
陆李娜: "基于压缩感知的人脸识别算法研究", 《万方数据学位论文库》, 23 November 2017 (2017-11-23), pages 1 - 66 *

Also Published As

Publication number Publication date
CN118015108B (zh) 2024-07-19

Similar Documents

Publication Publication Date Title
CN108898168B (zh) 用于目标检测的卷积神经网络模型的压缩方法和系统
CN107392866B (zh) 一种光照鲁棒的人脸图像局部纹理增强方法
WO2021174819A1 (zh) 人脸遮挡检测方法及系统
CN110163239B (zh) 一种基于超像素和条件随机场的弱监督图像语义分割方法
CN110569756A (zh) 人脸识别模型构建方法、识别方法、设备和存储介质
CN111062314B (zh) 图像选取方法、装置、计算机可读存储介质及电子设备
CN113705290A (zh) 图像处理方法、装置、计算机设备和存储介质
CN112036284B (zh) 图像处理方法、装置、设备及存储介质
CN115802056B (zh) 用于移动终端的用户数据压缩存储方法
CN114973412B (zh) 一种唇语识别方法和系统
CN111126307B (zh) 联合稀疏表示神经网络的小样本人脸识别方法
CN115359807B (zh) 一种用于城市噪声污染的噪声在线监测系统
CN111652138B (zh) 戴口罩人脸识别方法、装置、设备及存储介质
WO2021088640A1 (zh) 一种基于启发式高斯云变换的人脸识别技术
CN116110100B (zh) 一种人脸识别方法、装置、计算机设备及存储介质
CN114582003B (zh) 一种基于云计算服务的睡眠健康管理系统
CN116110113A (zh) 一种基于深度学习的虹膜识别方法
CN118015108B (zh) 基于物联网的智慧物业智能管理方法及系统
CN113723310B (zh) 基于神经网络的图像识别方法及相关装置
CN112507818A (zh) 一种基于近红外图像的光照估计方法及系统
CN116525073A (zh) 一种基于健康体检大数据的数据库智能管理系统
CN202855297U (zh) 基于表情的背景音乐控制装置
CN115641643A (zh) 步态识别模型的训练方法、步态识别方法、装置及设备
CN112200626A (zh) 确定推荐产品的方法和装置、电子设备、计算机可读介质
JP4891278B2 (ja) 顔画像の特徴抽出方法及び識別信号作成方法

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20240620

Address after: 518000, 4th Floor, Building 1, Qiaochengfang, No. 4080 Qiaoxiang Road, Gaofa Community, Shahe Street, Nanshan District, Shenzhen, Guangdong Province

Applicant after: Shenzhen Nanhua Digital Technology Co.,Ltd.

Country or region after: China

Address before: 518000, Floor 8-902, Unit 1, Building 2, New World Transport Plant, Vanke City Community, Bantian Street, Longgang District, Shenzhen City, Guangdong Province

Applicant before: Shenzhen Litai Electronics Co.,Ltd.

Country or region before: China

Applicant before: Shenzhen Nanhua Digital Technology Co.,Ltd.

GR01 Patent grant
GR01 Patent grant