TWI764425B - 基於人臉識別的即時行人統計方法以及裝置 - Google Patents
基於人臉識別的即時行人統計方法以及裝置Info
- Publication number
- TWI764425B TWI764425B TW109143733A TW109143733A TWI764425B TW I764425 B TWI764425 B TW I764425B TW 109143733 A TW109143733 A TW 109143733A TW 109143733 A TW109143733 A TW 109143733A TW I764425 B TWI764425 B TW I764425B
- Authority
- TW
- Taiwan
- Prior art keywords
- face
- pedestrian
- detection
- image
- detection frame
- Prior art date
Links
- 238000007619 statistical method Methods 0.000 title abstract description 5
- 238000001514 detection method Methods 0.000 claims abstract description 142
- 238000000034 method Methods 0.000 claims abstract description 37
- 230000006870 function Effects 0.000 claims description 20
- 239000000284 extract Substances 0.000 claims description 9
- 230000001815 facial effect Effects 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 5
- 238000013135 deep learning Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000000605 extraction Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本發明涉及一種基於人臉識別的即時行人統計方法以及裝置，所述方法包括：獲取由多個圖像構成的待檢測視頻；提取待檢測視頻中具有行人的圖像作為檢測圖像；利用第一檢測模型對檢測圖像進行行人識別並得到行人檢測框；根據行人檢測框執行人臉識別操作並提取人臉檢測框；利用第二檢測模型對人臉檢測框內的人臉圖像進行去重操作；在資料庫中不存在相同的人臉圖像時對人臉圖像進行編號並基於指定演算法對人臉圖像的軌跡進行追蹤；在軌跡經過指定區域時，將人臉圖像作為目標物件並統計目標物件的數量。
Description
本發明涉及一種基於人臉識別的即時行人統計方法以及裝置。
隨著科技的發展，人臉識別技術被廣泛的應用在不同領域，例如，在公司內作為通勤刷卡，在通訊領域作為移動設備的解鎖密碼等。基於人臉識別技術，可對圖像內的人流量進行統計。在人群密集程度較大的圖像中，可能會有身體重疊的問題存在，進而會造成識別到的行人數量漏檢或將同一人多次統計的錯檢情況，進而降低人流量統計的準確性。
本發明的主要目的是提供一種基於人臉識別的即時行人統計方法以及裝置，旨在解決現有技術中的對密集程度較大的圖像進行人臉識別存在的漏檢或誤檢的問題。
一種基於人臉識別的即時行人統計方法，所述即時行人統計方法包括：獲取待檢測視頻；提取所述待檢測視頻中具有行人的圖像作為檢測圖像；利用第一檢測模型對所述檢測圖像進行行人識別並得到行人檢測框；根據所述行人檢測框執行人臉識別操作並提取人臉檢測框；
利用第二檢測模型對所述人臉檢測框內的人臉圖像進行去重操作；判斷資料庫中是否存在相同所述人臉圖像；在所述資料庫中不存在相同所述人臉圖像時，對所述人臉圖像進行編號並基於指定演算法對所述人臉圖像的軌跡進行追蹤；判斷所述軌跡是否經過指定區域；在所述軌跡經過指定區域時，將所述人臉圖像作為目標物件並統計所述目標物件的數量；所述即時行人統計方法還包括：利用第三檢測模型檢測所述人臉檢測框內的人臉特徵參數；所述利用第三檢測模型檢測所述人臉檢測框內的人臉特徵參數的步驟包括：提取所述人臉檢測框內的人臉特徵點；根據所述人臉特徵點對所述人臉檢測框內的所述人臉圖像進行角度校正；判斷所述人臉檢測框的面積是否大於預定面積；在所述人臉檢測框的面積大於所述預定面積時，基於第一函數獲取人臉模糊度；判斷所述人臉模糊度是否大於模糊度閾值；在所述人臉模糊度大於所述模糊度閾值時，利用所述第三檢測模型檢測所述人臉檢測框內的人臉圖像的年齡和性別。
優選地，所述第一檢測模型為基於YoloV3演算法實現的深度學習人體檢測模型。
優選地，所述人臉識別操作為基於電腦視覺庫實現。
優選地，所述第二檢測模型為超解析度測試序列模型。
優選地，所述指定演算法為KCF高速跟蹤演算法。
優選地，所述第一函數為拉普拉斯運算元函數。
優選地，所述第三檢測模型為超解析度測試序列模型。
此外，為了實現上述目的，本發明還提出一種基於人臉識別的即時行人統計裝置，所述即時行人統計裝置包括處理器和記憶體，所述處理器用於執行所述記憶體中存儲的電腦程式時實現如下步驟：獲取待檢測視頻；提取所述待檢測視頻中具有行人的圖像作為檢測圖像；利用第一檢測模型對所述檢測圖像進行行人識別並得到行人檢測框；根據所述行人檢測框執行人臉識別操作並提取人臉檢測框；利用第二檢測模型對所述人臉檢測框內的人臉圖像進行去重操作；判斷資料庫中是否存在相同的所述人臉圖像；在所述資料庫中不存在相同的所述人臉圖像時，對所述人臉圖像進行編號並基於指定演算法對所述人臉圖像的軌跡進行追蹤；判斷所述軌跡是否經過指定區域；在所述軌跡經過指定區域時，將所述人臉圖像作為目標物件並統計所述目標物件的數量；所述即時行人統計方法還包括：利用第三檢測模型檢測所述人臉檢測框內的人臉特徵參數；所述利用第三檢測模型檢測所述人臉檢測框內的人臉特徵參數的步驟包括：提取所述人臉檢測框內的人臉特徵點；根據所述人臉特徵點對所述人臉檢測框內的所述人臉圖像進行角度校正；判斷所述人臉檢測框的面積是否大於預定面積；
在所述人臉檢測框的面積大於所述預定面積時，基於第一函數獲取人臉模糊度；判斷所述人臉模糊度是否大於模糊度閾值；在所述人臉模糊度大於所述模糊度閾值時，利用所述第三檢測模型檢測所述人臉檢測框內的人臉圖像的年齡和性別。
上述基於人臉識別的即時行人統計方法以及裝置，藉由對提取到的人臉檢測框進行去除重複操作，可減少行人重疊或部分重疊時的誤判，進而提高行人統計的準確性。
100:即時行人統計裝置
102:記憶體
103:處理器
104:通信匯流排
106:圖像採集設備
1:即時行人統計系統
2:操作系統
10:獲取模組
20:提取模組
30:檢測模組
40:判斷模組
50:追蹤模組
60:統計模組
S10-S19:步驟
圖1為本發明即時行人統計裝置的功能模組圖。
圖2為圖1中所述即時行人統計系統的功能模組圖。
圖3為本發明的基於人臉識別的即時行人統計方法的流程圖。
圖4為圖3中步驟S19的細化流程示意圖。
為了使本技術領域的人員更好地理解本發明方案，下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分的實施例，而不是全部的實施例。基於本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都應當屬於本發明保護的範圍。
本發明的說明書及上述附圖中的術語「第一」、「第二」和「第三」等是用於區別不同物件，而非用於描述特定順序。此外，術語「包括」以及它們任何變形，意圖在於覆蓋不排他的包含。例如包含了一系列步驟
或模組的過程、方法、系統、產品或設備沒有限定於已列出的步驟或模組，而是可選地還包括沒有列出的步驟或模組，或可選地還包括對於這些過程、方法、產品或設備固有的其它步驟或模組。
下面結合附圖對本發明基於即時行人統計裝置以及即時行人統計方法的具體實施方式進行說明。
請參照圖1，本發明提供一種即時行人統計裝置100。所述即時行人統計裝置100包括記憶體102、處理器103、通信匯流排104以及至少一個圖像採集設備106。所述即時行人統計裝置100可與伺服器之間可藉由預設協定進行通訊。優選地，所述預設協議包括，但不限於以下任意一種：HTTP協定(Hyper Text Transfer Protocol，超文字傳輸協定)、HTTPS協議(Hyper Text Transfer Protocol over Secure Socket Layer，以安全為目標的HTTP協定)等。所述伺服器可以是單一的伺服器，也可以為由幾個功能伺服器共同組成的伺服器群。在本發明的至少一個實施例中，所述即時行人統計裝置100可以為是任意具有網路連接功能的終端，例如，所述終端設備可以為個人電腦、平板電腦、智慧手機、個人數位助理(Personal Digital Assistant，PDA)、遊戲機、互動式網路電視(Internet Protocol Television,IPTV)、智慧式穿戴式設備、導航裝置等等的可移動設備，或者臺式電腦、數位TV等等固定設備。
所述即時行人統計裝置100根據獲取待檢測視頻並從中提取具有行人的圖像作為檢測圖像。所述即時行人統計裝置100進一步地利用第一檢測模型對所述檢測圖像進行行人識別並得到行人檢測框並對所述行人檢測框進行人臉識別獲得人臉檢測框。所述即時行人統計裝置100進一步地利用第二檢測模型對所述人臉檢測框內的人臉圖像進行去重操作並在所述人臉圖像對應的軌跡未被記錄時基於指定演算法對所述人臉圖像的軌跡進行追
蹤。所述即時行人統計裝置100進一步地在所述軌跡經過指定區域時將所述人臉圖像作為目標物件並統計所述目標物件的數量並輸出。
所述記憶體102用於存儲程式碼。所述記憶體102可以是積體電路中沒有實物形式的具有存儲功能的電路，如記憶體條、TF卡(Trans-flash Card)、智慧媒體卡(smart media card)、安全數位卡(secure digital card)、快閃記憶體卡(flash card)等儲存設備。所述記憶體102可藉由所述通信匯流排104與所述處理器103進行資料通信。所述記憶體102中可以包括操作系統2以及即時行人統計系統1。所述記憶體102內還可以存儲有資料庫。所述資料庫中用於存儲多個編碼互不相同的人臉圖像。其中所述編碼可以為第一檢測模型輸出的行人特徵向量。
所述操作系統2是管理和控制即時行人統計裝置硬體和軟體資源的程式，支援即時行人統計系統以及其它軟體和/或程式的運行。
所述處理器103可以包括一個或者多個微處理器、數位信號處理器(DSP，Digtial Signal Processor)。所述處理器103可調用所述記憶體102中存儲的程式碼以執行相關的功能。例如，圖2中所述的模組10-60是存儲在所述記憶體102中的程式碼，並由所述處理器103所執行，以實現一種基於所述高精地圖3的即時行人統計方法。所述處理器103又稱中央處理器(CPU，Central Processing Unit)，是一塊超大規模的積體電路，是運算核心(Core)和控制核心(Control Unit)。
所述通信匯流排104與所述記憶體102與所述處理器103進行資料通信。
所述圖像採集設備106用於拍攝圖像。在本發明的至少一個實施例中，所述圖像採集設備106可設置於所述即時行人統計裝置100內，還可以與所述即時行人統計裝置100分離設置，例如設置於路燈下方的監控攝像
頭，看板上的監控攝像頭，或者廣場標誌物上的監控攝像頭等，但並不局限於此。所述圖像採集設備106還可在所述處理器103的控制下轉動，以實現調整拍攝角度。
請一併參閱圖2，其為所述即時行人統計系統1的功能模組示意圖。所述即時行人統計系統1包括：獲取模組10，用於獲取待檢測視頻。
在本發明的至少一個實施方式中，所述待檢測視頻可由所述圖像採集設備106採集得到，也可以從伺服器內獲取得到。所述待檢測視頻由多幀圖像構成。
提取模組20，用於提取所述待檢測視頻中具有行人的圖像作為檢測圖像。
檢測模組30，用於利用第一檢測模型對所述檢測圖像進行行人識別並得到行人檢測框。
在本發明的至少一個實施方式中，所述第一檢測模型為深度學習人體檢測模型，其基於YoloV3演算法實現。
所述提取模組20進一步地根據所述行人檢測框執行人臉識別操作並提取人臉檢測框。
在本發明的至少一個實施方式中，所述人臉識別操作為基於電腦視覺庫(OpenCV)實現。
所述檢測模組30進一步地利用第二檢測模型對所述人臉檢測框內的人臉圖像進行去重操作。
在本發明的至少一個實施方式中，所述第二檢測模型為卷積神經網路模型，例如，超解析度測試序列(Visual GeometryGroup，VGG)模型。
其中，所述第二檢測模型VGG具有16層權重層，其中包括13個卷積層，3個全連接層以及5個池化層。所述權重層為具有權重係數。
判斷模組40，用於判斷資料庫中是否存在相同的所述人臉圖像。
在本發明的至少一個實施方式中，可藉由所述第一檢測模型輸出行人特徵向量，以所述行人特徵向量作為編號在所述資料庫內進行查找。
追蹤模組50，用於在所述資料庫中不存在相同的所述人臉圖像時對所述人臉圖像進行編號並基於指定演算法對所述人臉圖像的軌跡進行追蹤。
在本發明的至少一個實施方式中，所述指定演算法為KCF(Kernelized Correlation Filters)高速跟蹤演算法。
所述判斷模組40進一步地所述軌跡是否經過指定區域。
統計模組60，用於在在所述軌跡經過所述指定區域時將所述人臉圖像作為目標物件並統計所述目標物件的數量。
所述檢測模組30進一步地利用第三檢測模型檢測所述人臉檢測框內的人臉特徵參數。
所述檢測模組30進一步地提取所述人臉檢測框內的人臉特徵點，根據所述人臉特徵點對所述人臉檢測框內的所述人臉圖像進行角度校正，並判斷所述人臉檢測框的面積是否大於預定面積。在所述人臉檢測框的面積大於所述預定面積時，所述檢測模組30進一步地基於第一函數獲取人臉模糊度並判斷所述人臉模糊度是否大於模糊度閾值。在所述人臉模糊度大於所述模糊度閾值時，所述檢測模組30進一步地利用所述第三檢測模型檢測所述人臉檢測框內的人臉圖像的年齡和性別。
在本發明的至少一個實施方式中，所述人臉特徵點為利用Dlib庫進行五點Landmarks。所述第一函數為拉普拉斯(Laplacian)運算元函數。所述第三檢測模型為VGG網路模型。
上述所述即時行人統計裝置100，藉由對提取到的人臉檢測框進行去除重複操作，可減少行人重疊或部分重疊時的誤判，進而提高行人統計的準確性。同時，藉由軌跡追蹤以及臉部分析實現人臉性格和年齡的統計，可實現對行人的年齡和性別的精確分析。
請參閱圖3，其為即時行人統計方法的流程圖。所述即時行人統計方法應用於具有所述自動閃避系統1的所述即時行人統計裝置100中。所述即時行人統計裝置100還可以包括圖1或圖2更多或更少的其他硬體或者軟體，或者不同的部件設置方式。所述即時行人統計裝置100可提供一視覺化介面。所述視覺化介面用於向使用者提供人機交互介面，使用者可以在藉由手機或電腦等電子設備連接到所述即時行人統計裝置100。
所述即時行人統計裝置100基於所述處理器103執行存儲在所述記憶體102上的獲取模組10、提取模組20、檢測模組30、判斷模組40、追蹤模組50以及統計模組60，並且與圖像採集設備106可通信地接合來執行所述即時行人統計方法。
S10、所述獲取模組10獲取待檢測視頻。
在本發明的至少一個實施方式中，所述待檢測視頻可由所述圖像採集設備106採集得到，也可以從伺服器內獲取得到。所述待檢測視頻由多幀圖像構成。
S11、所述提取模組20提取所述待檢測視頻中具有行人的圖像作為檢測圖像。
S12、所述檢測模組30利用第一檢測模型對所述檢測圖像進行行人識別並得到行人檢測框。
在本發明的至少一個實施方式中，所述第一檢測模型為深度學習人體檢測模型，其基於YoloV3演算法實現。
S13、所述提取模組20根據所述行人檢測框執行人臉識別操作並提取人臉檢測框。
在本發明的至少一個實施方式中，所述人臉識別操作為基於電腦視覺庫(OpenCV)實現。
S14、所述檢測模組30利用第二檢測模型對所述人臉檢測框內的人臉圖像進行去重操作。
在本發明的至少一個實施方式中，所述第二檢測模型為卷積神經網路模型，例如，超解析度測試序列(Visual GeometryGroup，VGG)模型。其中，所述第二檢測模型具有16層權重層，其中包括13個卷積層，3個全連接層以及5個池化層。所述權重層為具有權重係數。
S15、所述判斷模組40判斷資料庫中是否存在相同的所述人臉圖像。
在本發明的至少一個實施方式中，可藉由所述第一檢測模型輸出行人特徵向量，以所述行人特徵向量作為編號在所述資料庫內進行查找。
在所述資料庫中存在相同的所述人臉圖像時，流程結束。
S16、所述追蹤模組50在所述資料庫中不存在相同的所述人臉圖像時對所述人臉圖像進行編號並基於指定演算法對所述人臉圖像的軌跡進行追蹤。
S17、所述判斷模組40判斷所述軌跡是否經過指定區域。
在所述軌跡未經過所述指定區域時，流程結束。
S18、所述統計模組60在所述軌跡經過所述指定區域時將所述人臉圖像作為目標物件並統計所述目標物件的數量。
S19、所述檢測模組30利用第三檢測模型檢測所述人臉圖像的特徵參數。
請一併參閱圖4，在本發明的至少一個實施方式中，所述檢測模組30利用第三檢測模型檢測所述人臉圖像的特徵參數的步驟進一步包括：S191、所述檢測模組30提取所述人臉檢測框內的人臉特徵點；S192、所述檢測模組30根據所述人臉特徵點對所述人臉檢測框內的所述人臉圖像進行角度校正；S193、所述檢測模組30判斷所述人臉檢測框的面積是否大於預定面積；S194、所述檢測模組30在所述人臉檢測框的面積大於所述預定面積時基於第一函數獲取人臉模糊度；S195、所述檢測模組30判斷所述人臉模糊度是否大於模糊度閾值；S196、所述檢測模組30在所述人臉模糊度大於所述模糊度閾值時利用所述第三檢測模型檢測所述人臉圖像的年齡和性別。
在所述人臉檢測框的面積小於等於所述預定面積或所述人臉模糊度小於等於所述模糊度閾值時，返回步驟S11。
在本發明的至少一個實施方式中，所述人臉特徵點為利用Dlib庫進行五點Landmarks。所述第一函數為拉普拉斯(Laplacian)運算元函數。所述第三檢測模型為VGG網路模型。
上述即時行人統計方法，藉由對提取到的人臉檢測框進行去除重複操作，可減少行人重疊或部分重疊時的誤判，進而提高行人統計的準確
性。同時，藉由軌跡追蹤以及臉部分析實現人臉性格和年齡的統計，可實現對行人的年齡和性別的精確分析。
需要說明的是，對於前述的各方法實施例，為了簡單描述，故將其都表述為一系列的動作組合，但是本領域技術人員應該知悉，本發明並不受所描述的動作順序的限制，因為依據本發明，某些步驟可以採用其他順序或者同時進行。其次，本領域技術人員也應該知悉，說明書中所描述的實施例均屬於優選實施例，所涉及的動作和模組並不一定是本發明所必須的。
在本申請所提供的幾個實施例中，應該理解到，所揭露的裝置，可藉由其它的方式實現。例如，以上所描述的裝置實施例僅僅是示意性的，例如所述模組的劃分，僅僅為一種邏輯功能劃分，實際實現時可以有另外的劃分方式，例如多個模組或元件可以結合或者可以集成到另一個系統，或一些特徵可以忽略，或不執行。另一點，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是藉由一些介面，裝置或模組的間接耦合或通信連接，可以是電性或其它的形式。
所述作為分離部件說明的模組可以是或者也可以不是物理上分開的，作為模組顯示的部件可以是或者也可以不是物理模組，即可以位於一個地方，或者也可以分佈到多個網路模組上。可以根據實際的需要選擇其中的部分或者全部模組來實現本實施例方案的目的。
另外，在本發明的各個實施例中的各功能模組可以集成在一個處理器中，也可以是各個模組單獨物理存在，也可以兩個或兩個以上模組集成在一個模組中。上述集成的模組既可以採用硬體的形式實現，也可以採用軟體功能模組的形式實現。
所述集成的模組如果以軟體功能模組的形式實現並作為獨立的產品銷售或使用時，可以存儲在一個電腦可讀取存儲介質中。基於這樣的理解，本發明的技術方案本質上或者說對現有技術做出貢獻的部分或者該技術方案的全部或部分可以以軟體產品的形式體現出來，該電腦軟體產品存儲在一個存儲介質中，包括若干指令用以使得一台電腦設備(可為個人電腦、伺服器或者網路設備等)執行本發明各個實施例所述方法的全部或部分步驟。
還需要說明的是，在本文中，術語「包括」、「包含」或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者裝置不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者裝置所固有的要素。在沒有更多限制的情況下，由語句「包括一個......」限定的要素，並不排除在包括該要素的過程、方法、物品或者裝置中還存在另外的相同要素。
以上所述，以上實施例僅用以說明本發明的技術方案，而非對其限制；儘管參照前述實施例對本發明進行了詳細的說明，本領域的普通技術人員應當理解：其依然可以對前述各實施例所記載的技術方案進行修改，或者對其中部分技術特徵進行等同替換；而這些修改或者替換，並不使相應技術方案的本質脫離本發明各實施例技術方案的範圍。
綜上所述，本發明符合發明專利要件，爰依法提出專利申請。惟，以上所述者僅為本發明之較佳實施方式，舉凡熟悉本案技藝之人士，在爰依本案創作精神所作之等效修飾或變化，皆應包含於以下之申請專利範圍內。
S10-S19:步驟
Claims (8)
- 一種基於人臉識別的即時行人統計方法，所述即時行人統計方法包括：獲取待檢測視頻；提取所述待檢測視頻中具有行人的圖像作為檢測圖像；利用第一檢測模型對所述檢測圖像進行行人識別並得到行人檢測框；根據所述行人檢測框執行人臉識別操作並提取人臉檢測框；利用第二檢測模型對所述人臉檢測框內的人臉圖像進行去重操作；判斷資料庫中是否存在相同的所述人臉圖像；在所述資料庫中不存在相同的所述人臉圖像時，對所述人臉圖像進行編號並基於指定演算法對所述人臉圖像的軌跡進行追蹤；判斷所述軌跡是否經過指定區域；在所述軌跡經過所述指定區域時，將所述人臉圖像作為目標物件並統計所述目標物件的數量；所述即時行人統計方法還包括：利用第三檢測模型檢測所述人臉檢測框內的人臉特徵參數；所述利用第三檢測模型檢測所述人臉檢測框內的人臉特徵參數的步驟包括：提取所述人臉檢測框內的人臉特徵點；根據所述人臉特徵點對所述人臉檢測框內的所述人臉圖像進行角度校正；判斷所述人臉檢測框的面積是否大於預定面積；在所述人臉檢測框的面積大於所述預定面積時，基於第一函數獲取人臉模糊度；判斷所述人臉模糊度是否大於模糊度閾值； 在所述人臉模糊度大於所述模糊度閾值時，利用所述第三檢測模型檢測所述人臉檢測框內的人臉圖像的年齡和性別。
- 如請求項1所述的即時行人統計方法，其中，所述第一檢測模型為基於YoloV3演算法實現的深度學習人體檢測模型。
- 如請求項1所述的即時行人統計方法，其中，所述人臉識別操作為基於電腦視覺庫實現。
- 如請求項1所述的即時行人統計方法，其中，所述第二檢測模型為超解析度測試序列模型。
- 如請求項1所述的即時行人統計方法，其中，所述指定演算法為KCF高速跟蹤演算法。
- 如請求項1所述的即時行人統計方法，其中，所述第一函數為拉普拉斯運算元函數。
- 如請求項1所述的即時行人統計方法，其中，所述第三檢測模型為VGG網路模型。
- 一種基於人臉識別的即時行人統計裝置，其中，所述行人統計裝置包括處理器和記憶體，所述處理器用於執行所述記憶體中存儲的電腦程式時實現如請求項1至7中任意一項所述的即時行人統計方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW109143733A TWI764425B (zh) | 2020-12-10 | 2020-12-10 | 基於人臉識別的即時行人統計方法以及裝置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW109143733A TWI764425B (zh) | 2020-12-10 | 2020-12-10 | 基於人臉識別的即時行人統計方法以及裝置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TWI764425B true TWI764425B (zh) | 2022-05-11 |
| TW202223731A TW202223731A (zh) | 2022-06-16 |
Family
ID=82594065
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW109143733A TWI764425B (zh) | 2020-12-10 | 2020-12-10 | 基於人臉識別的即時行人統計方法以及裝置 |
Country Status (1)
| Country | Link |
|---|---|
| TW (1) | TWI764425B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW201629851A (zh) * | 2015-01-12 | 2016-08-16 | 芋頭科技(杭州)有限公司 | 一種影像識別系統及方法 |
| CN106156688A (zh) * | 2015-03-10 | 2016-11-23 | 上海骏聿数码科技有限公司 | 一种动态人脸识别方法及系统 |
| TWM558943U (zh) * | 2017-11-22 | 2018-04-21 | Aiwin Technology Co Ltd | 運用深度學習技術之智慧影像資訊及大數據分析系統 |
| WO2019033574A1 (zh) * | 2017-08-17 | 2019-02-21 | 平安科技（深圳）有限公司 | 电子装置、动态视频人脸识别的方法、系统及存储介质 |
| CN109598211A (zh) * | 2018-11-16 | 2019-04-09 | 恒安嘉新（北京）科技股份公司 | 一种实时动态人脸识别方法及系统 |
| TW202030637A (zh) * | 2019-01-31 | 2020-08-16 | 大陸商北京市商湯科技開發有限公司 | 人臉圖像識別方法、裝置、電子設備及儲存介質 |
| CN111738215A (zh) * | 2020-07-21 | 2020-10-02 | 深圳市视美泰技术股份有限公司 | 人体温度测量方法和计算机设备 |
-
2020
- 2020-12-10 TW TW109143733A patent/TWI764425B/zh active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW201629851A (zh) * | 2015-01-12 | 2016-08-16 | 芋頭科技(杭州)有限公司 | 一種影像識別系統及方法 |
| CN106156688A (zh) * | 2015-03-10 | 2016-11-23 | 上海骏聿数码科技有限公司 | 一种动态人脸识别方法及系统 |
| WO2019033574A1 (zh) * | 2017-08-17 | 2019-02-21 | 平安科技（深圳）有限公司 | 电子装置、动态视频人脸识别的方法、系统及存储介质 |
| TWM558943U (zh) * | 2017-11-22 | 2018-04-21 | Aiwin Technology Co Ltd | 運用深度學習技術之智慧影像資訊及大數據分析系統 |
| CN109598211A (zh) * | 2018-11-16 | 2019-04-09 | 恒安嘉新（北京）科技股份公司 | 一种实时动态人脸识别方法及系统 |
| TW202030637A (zh) * | 2019-01-31 | 2020-08-16 | 大陸商北京市商湯科技開發有限公司 | 人臉圖像識別方法、裝置、電子設備及儲存介質 |
| CN111738215A (zh) * | 2020-07-21 | 2020-10-02 | 深圳市视美泰技术股份有限公司 | 人体温度测量方法和计算机设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| TW202223731A (zh) | 2022-06-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114677607A (zh) | 基于人脸识别的实时行人统计方法以及装置 | |
| US11074436B1 (en) | Method and apparatus for face recognition | |
| CN111429483A (zh) | 高速跨摄像机多目标跟踪方法、系统、装置及存储介质 | |
| CN109426785B (zh) | 一种人体目标身份识别方法及装置 | |
| WO2020211624A1 (zh) | 对象追踪方法、追踪处理方法、相应的装置、电子设备 | |
| CN111127508B (zh) | 一种基于视频的目标跟踪方法及装置 | |
| CN108108711B (zh) | 人脸布控方法、电子设备及存储介质 | |
| CN114783061A (zh) | 一种吸烟行为检测方法、装置、设备和介质 | |
| CN109960988A (zh) | 图像分析方法、装置、电子设备及可读存储介质 | |
| WO2022140879A1 (zh) | 一种身份识别方法、终端、服务器及系统 | |
| CN112529939A (zh) | 一种目标轨迹匹配方法、装置、机器可读介质及设备 | |
| CN111709382A (zh) | 人体轨迹处理方法、装置、计算机存储介质以及电子设备 | |
| CN111444555A (zh) | 一种测温信息显示方法、装置及终端设备 | |
| CN113361456B (zh) | 一种人脸识别方法和系统 | |
| CN109684993B (zh) | 一种基于鼻孔信息的人脸识别方法、系统和设备 | |
| CN108171135A (zh) | 人脸检测方法、装置及计算机可读存储介质 | |
| CN115393755A (zh) | 视觉目标跟踪方法、装置、设备以及存储介质 | |
| CN105844204B (zh) | 人体行为识别方法和装置 | |
| TWI764425B (zh) | 基於人臉識別的即時行人統計方法以及裝置 | |
| CN114943872A (zh) | 目标检测模型的训练方法、装置、目标检测方法、装置、介质及设备 | |
| CN111461104A (zh) | 视觉识别方法、装置、设备及存储介质 | |
| CN115083014B (zh) | 一种基于vr眼镜的手势识别系统及方法 | |
| CN110659624A (zh) | 一种群体人员行为识别方法、装置和计算机存储介质 | |
| CN110276244B (zh) | 形成移动轨迹的方法、装置、计算机设备及存储介质 | |
| CN114399815A (zh) | 基于人脸识别的签到方法、装置、电子设备及存储介质 |