专利汇可以提供一种小区人员档案智能管理方法专利检索,专利查询,专利分析的服务。并且本 发明 涉及小区管理领域,提出一种小区人员档案智能管理方法。包括用 深度学习 模型检测人脸并进行名单库比对;采用黑、白、灰名单的机制对小区人员进行管理与分类,实现特殊人员的实时告警;对获得的图片数据进行清洗,用于优化训练深度学习模型;分析小区人员的出入时间,实现异常事件的提前预警;利用名单库人员档案信息,形成本小区的相关统计数据和图表。通过本发明提供的小区管理系统,实现对小区人员的规范管理,以及对特殊人员和异常事件的及时预警,减少安保人员的工作负担,有效提升小区的安全系数,使小区管理更为智能化。,下面是一种小区人员档案智能管理方法专利的具体信息内容。
1.一种小区人员档案智能管理方法,包含小区内的前端相机、人脸检测模块、人脸识别模块、档案管理和系统预警,其特征在于:前端相机负责获取监控画面;人脸检测模块和人脸识别模块分别对画面进行人脸检测和人脸识别,并将处理结果进行数据清洗,用于模型的更新训练;建立小区档案管理机制,有效管理小区人员;利用预警系统实现对特殊人员的报警,并结合小区人员出入记录实现对异常事件的提前预警。
2.如权利要求1所述的一种小区人员档案智能管理方法,其特征在于:所述的小区档案管理机制分成名单库管理和数据目录管理两部分:名单库管理将小区人员档案划分为白名单、黑名单和灰名单;数据目录管理负责给每个小区人员档案都绑定一个目录,用于存放各自的抓拍图片,并以抓拍时间给图片命名,同时根据图片的抓拍时间,可以分析小区人员的出入情况。
3.如权利要求2所述的一种小区人员档案智能管理方法,其特征在于:所述的抓拍图片,在目录中的存放规则如下:若当前抓拍人脸图片为P1,首先与黑、白、灰名单库中所有人员R={R1,R2,R3…RN}进行比对,根据比对结果筛选出相似度大于阈值T的人员目录R'={R1',R2',R3'…RN'},然后将图片P1分别添加至这些目录中去。
4.如权利要求2所述的一种小区人员档案智能管理方法,其特征在于:所述的白名单,定义为小区住户和物业人员的档案,当系统抓拍到白名单人员时不会报警;白名单信息由人工采集,包含身份信息、紧急联系人信息、车辆信息、现场采集的人脸信息。其中身份信息包含年龄、籍贯、性别、本地或外地、民族、电话;紧急联系人信息包含名字、电话、与联系人关系;车辆信息包含车牌信息、车型和车标;现场采集信息包含现场拍摄的5张人脸照片,角度分别为仰视、俯视、正脸、左侧脸和右侧脸;
所述的白名单,根据人员信息额外再划分出一个特殊人群库,比如:小区上访人员、刑满释放人员、有吸毒史的人员、有暴力倾向的精神病患者、以及其他特殊人员;
系统可以运用所述的人工采集的白名单信息,生成一些小区分布统计图,例如:小区年龄分布图,小区性别占比图,小区人员职业分布图,小区人员本省/外省占比图,小区人员手机所属运营商占比图等。
5.如权利要求2所述的一种小区人员档案智能管理方法,其特征在于:所述的黑名单,定义为公安局提供的犯罪人员档案,以及在本小区有犯罪记录的人员档案,当检测到黑名单人员时会触发报警;黑名单人员的档案信息一部分由公安局提供并保持更新,另外一部分由人工采集并输入,主要包含身份信息和人脸信息。
6.如权利要求2所述的一种小区人员档案智能管理方法,其特征在于:所述的灰名单,定义为不在黑白名单中的人员档案,一般为临时访客;灰名单库由系统自动生成,当系统抓拍到人脸后,会与黑名单、白名单以及现有的灰名单逐个进行比对,若比对结果不为上述名单中的任何一人,系统会在灰名单中新建一个人员档案,并以抓拍人脸作为档案照片,用于后期人脸识别。因此,灰名单中人员信息仅仅包含抓拍人脸和抓拍时间;
所述的灰名单,根据人员在小区的出入频率和时间再划分出一个可疑人员库。当检测到灰名单中的可疑人员时,系统也会触发报警,由安保人员负责当面核实身份信息;
可疑人员分为两类:
a)第一类可疑人员的评判标准为:若在K(例如K=7)天时间内,灰名单中某个档案对应目录的人脸图像超过N1时,对该目录进行数据清洗,即剔除非本档案人人脸,若清洗完毕后该目录的图像数量依旧大于N2,则将该该档案归入灰名单中的“第一类可疑人员”。这类人员可能是推销人员或是犯罪踩点人员。
b)第二类可疑人员的评判标准为:若在K(例如K=7)天时间内,灰名单在经过数据清洗后,某个目录同时满足下列两个条件,则将该目录对应的档案归入灰名单中的“第二类可疑人员”。①、目录中图像的总数超过N3。②、抓拍时间为凌晨的图片数量超过N4。第二类可疑人员可能是小偷或劫犯。
7.如权利要求2所述的一种小区人员档案智能管理方法,其特征在于:所述的白、灰名单人员,在满足一定条件时可以相互转换:
a)灰名单转换成白名单:对于经常来小区的灰名单人员,可能是小区的新租客,或者是小区住户的亲戚暂住,在工作人员确定其身份后,进行现场信息采集,并将其档案转变成白名单。
b)白名单转换成灰名单:对于不再居住于小区的白名单用户,需将其档案转入灰名单。
8.如权利要求2所述的一种小区人员档案智能管理方法,其特征在于:所述的小区人员出入情况可作为异常事件的判断依据。系统会对每个白名单住户统计其连续未出入小区的时间,并根据时间长短分成不同层次,进行相应处理:若住户1~3天未出入小区视为正常;
若住户4~7天未出入小区,需派专人对其住处进行重点查看;若住户7天以上未出入小区,需由物业人员进行电话专访,询问住户状况。
9.如权利要求1所述的一种小区人员档案智能管理方法,其特征在于:所述的人脸检测模型通过人脸检测数据集训练获得,用于检测视频画面中出现的人脸;人脸识别模型通过人脸识别数据集训练获得,将抓拍人脸与名单库中所有档案逐个进行比对,并输出两者的相似度;
所述的人脸检测模型,其初始训练数据集FDD={FDD1,FDD2,FDD3};其中FDD1是公开的人脸检测数据集,例如FDDB和Caltech10k Web Faces等;FDD2是通过网络爬虫技术从网页上搜集的政治家、明星、企业家等名人的人脸数据;FDD3是通过人工搜集的小区人员的人脸数据;所述的人脸检测模型的训练与更新过程如下所示:
a)先利用人脸检测初始数据集FDD训练得到一个人脸检测的初始模型FDM1,然后将这个模型应用于小区的监控系统,并将人脸检测的置信度设置为T1(80
3);
c)不断重复上述过程,训练集FDD的样本逐渐增多,并且训练得到的人脸检测模型精度也越来越高。在每个人脸抓图阶段,检测阈值都增加α,直到阈值趋近于100。最终可得到一个高精度的人脸检测模型FDMN。
10.如权利要求1所述的一种小区人员档案智能管理方法,其特征在于:所述的人脸识别模型,其初始训练数据集FRD={FRD1,FRD2,FRD3}。其中FRD1是公开的人脸识别数据集,例如WebFace、LFW和MegaFace等;FRD2同样是通过网络爬虫技术从网页上搜集名人的人脸图像和身份信息;FRD3是黑、白名单档案数据,包括白名单中通过人工采集的身份证图像和现场采集的5张人脸图像,以及公安系统提供的黑名单信息;
所述的人脸识别模型的训练过程如下所示:
a)利用初始人脸识别数据集,训练得到一个初始人脸识别模型FRM1,然后将这个模型应用于小区的监控系统,将识别的阈值设置为T2(95
c)不断重复上述过程(b),随着FRD4中训练样本的数量和质量的提升,训练得到人脸识别模型FRMN的精度也越来越高。在每个识别阶段中,检测阈值都减少β,直到阈值趋近于80,最终得到一个专门针对本小区的且具有高精度的人脸识别模型。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种沉铁过程出口离子预测方法及其系统 | 2020-07-17 | 0 |
一种管道漏磁内检测器数据的自适应滤波方法 | 2021-01-13 | 0 |
基于多层卷积神经网络的输电线路设备图像缺陷检测方法及系统 | 2022-08-20 | 1 |
一种基于高约束高分散主成分分析网络的图像分类方法 | 2020-08-31 | 0 |
一种基于深度学习的人脸识别用于检测疲劳驾驶的方法 | 2020-12-17 | 1 |
基于智能感知的一站式服务方法、装置、系统、平台及介质 | 2021-02-22 | 1 |
基于干扰观测器的MEMS陀螺滑模抖振抑制方法 | 2023-01-27 | 0 |
基于虚拟技术的会计教学系统 | 2020-10-18 | 1 |
一种末端即时物流的智能调度系统 | 2023-08-05 | 1 |
一种构建甲状腺超声领域本体的方法 | 2020-12-05 | 1 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。