基于人体检测的插队行为监测警告系统、方法、装置和存储介质
专利汇可以提供基于人体检测的插队行为监测警告系统、方法、装置和存储介质专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种基于人体检测的插队行为监测警告系统、方法、装置和存储介质，包括队列检测单元、插队行为检测单元和特征识别单元；所述队列检测单元对室内情景进行 基础 建模，确定检测队列的范围；所述插队行为检测单元通过使用眨眼识别技术， 定位 检测人脸并确认插队人脸；所述特征识别单元借助摄像头进行人脸拍摄，对拍摄人脸进行特征识别并进行播报，完成插队行为的警告。本发明实现了对插队的不文明行为进行高 精度 化的自动检测的功能，有助于警示插队行为，促进和谐排队。，下面是基于人体检测的插队行为监测警告系统、方法、装置和存储介质专利的具体信息内容。
1.一种基于人体检测的插队行为监测警告系统，其特征在于，包括队列检测单元、插队行为检测单元和特征识别单元，利用神经网络训练对这三个单元的数据进行存储、处理和传输；
队列检测单元，使用高斯滤波对设定范围内的情景进行基础建模，精准定位队列，可以实时调控测定范围，随着队伍变化更新待测队列；
插队行为检测单元，通过使用边框定位，针对人脸的眼部边框进行眨眼识别，定位被检测人脸；当检测到非顺序人脸并确认活体之后，与已存储人脸进行比对后并且确认为插队人脸，进行插队人脸定位；
特征识别单元，借助摄像头进行人脸拍摄，对拍摄人脸进行特征识别并进行播报，完成插队行为的警告；
所述队列检测单元，根据摄像头安装角度确认拍摄区域，输入系统后，以蓝色边框进行排队区域划分，使用计算机视觉领域目标检测技术定位人脸，使用蓝色实心边框进行人脸标识，使用黑色细线框确认检测到的队列，黑色细线框应当根据拍摄区域的排队队列范围变化进行同步更新。
2.根据权利要求1所述的一种基于人体检测的插队行为监测警告系统，其特征在于，所述队列检测单元重使用了高斯滤波方法，平滑输入图像的边缘区的高频信息，去除噪声，公式为：
G（x，y）=eE/2Πσ2；
Fs（x，y）=f（x，y）* G（x，y）；
其中，E=-（x2+y2）/2σ2，f（x，y）是输入图像的数据，Fs（x，y）是经过高斯卷积之后的图像数据。
3.根据权利要求1所述的一种基于人体检测的插队行为监测警告系统，其特征在于，所述输入图像的边缘检测因为假边缘影响，会出现排队队列区域定位不准的现象，使用双阈值法，去除因为定位到假边缘产生的误差，选取0.7/0.6和0.15分别作为最高阈值和最低阈值，将高于最高阈值的点置1，低于最低阈值的点置0。
4.根据权利要求1所述的一种基于人体检测的插队行为监测警告系统，其特征在于，所述插队行为检测单元将实时动态获取排队队列框，出现插队行为的时候，所述黑色细线框的宽度会发生超过阈值的变化，通常情况下大于一个人头框的宽度，可以通过检测到这种变化初步锁定试图插队的人，进一步调整摄像头的角度或者平移获取插队者上半身的拍摄图。
5.根据权利要求1所述的一种基于人体检测的插队行为监测警告系统，其特征在于，所述特征识别单元将插队行为检测技术获取的插队者半身框送入神经网络，识别插队者的衣着颜色及性别，并转化为文字信息及语音信息并进行播报提醒。
6.一种基于人体检测的插队行为监测警告方法，其特征在于，包括如下步骤：
步骤1、以拍摄区域的近摄像头的一边所识别的第一位人脸为基准，作为黑色细线框的初始点位置，记录下横纵坐标分别为0；
步骤2、以拍摄区域的远摄像头的一边所识别的最后一位人脸为基准，作为黑色细线框的结束点，记录下纵坐标；
步骤3、使用高斯滤波方法对初始点位置和结束点位置进行图像处理，去除边框区域因为颜色变化大而产生的高频信息，保证拍摄区域内部所有人脸已经进行识别；
步骤4、间隔十秒对拍摄区域的队列进行更新检测，当根据计算机视觉领域目标检测技术，定位到初始点或者结束点出现未识别人脸时，重复步骤1，进行队列更新；
为了避免排队因为不齐对队列宽度产生的影响，需要进行人脸识别除去误差，即对排队队列中的人脸进行识别并记录，当队列宽度出现超过阈值的情况时，预先排除因站队不齐产生的误差情况，眨眼识别人脸定位方法具体步骤如下：
步骤1、通过对拍摄视频的画面进行定帧，在检测帧的画面上进行对人脸特征点的定位，从而获得眼部关键点；
步骤2、构建人眼的宽高比模型，并进行眨眼检测，当三十秒内的眨眼的边框检测机率达到1/10到1/3之间时，可以锁定人脸，排除非活人面孔影响，记录面孔数据；
步骤3、当队列宽度出现超出阈值的情况时，对当前拍摄的队列画面进行定帧，进行人脸识别后，与该时刻之前五次的人脸识别的结果进行比对，如果人脸识别的数目和结果没有产生变化，则认为是因队列不齐产生的宽度变化，否则进行未识别面孔搜寻，定位插队人脸。
7.根据权利要求6所述的基于人体检测的插队行为监测警告方法，其特征在于，所述人脸识别使用了基于级联回归树的68点特征点定位算法，对于待测的定帧画面，算法生成初始形状以及68个特征点的初始位置坐标，进一步使用梯度提升算法减小初始形状和真实值之间的平方误差和，保证了对人脸识别和眼部位置定位的准确性。
8.根据权利要求6所述的基于人体检测的插队行为监测警告方法，其特征在于，所述人脸识别记录值进行特殊情况设定，针对原排队队列中的人因为直接离开队伍不完成排队造成的队列变化，需要设定为正常情况，进行状况排除，具体步骤为：
步骤1、使用人脸识别进行排队队列的人脸识别，定位眼部后进行人脸标记；
步骤2、出现人脸缺失后，进行队伍人脸排除识别，同步进行队伍人脸更新，不启动插队预警，当确认在队伍中无法识别到缺失人脸时，认为出现排队队列中有人未完成排队任务离开的现象，对排队队列进行重新人脸定位并识别；
步骤3、确认队列宽度变化随着缺失人脸的消失恢复正常，恢复正常人脸识别和眨眼识别步骤。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在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权利要求6至8中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求6至8中任一项所述的方法的步骤。
基于人体检测的插队行为监测警告系统、方法、装置和存储
介质
技术领域
背景技术
发明内容
插队行为检测单元，通过使用边框定位，针对人脸的眼部边框进行眨眼识别，定位被检测人脸；当检测到非顺序人脸并确认活体之后，与已存储人脸进行比对后并且确认为插队人脸，进行插队人脸定位；
特征识别单元，借助摄像头进行人脸拍摄，对拍摄人脸进行特征识别并进行播报，完成插队行为的警告；
所述队列检测单元，根据摄像头安装角度确认拍摄区域，输入系统后，以蓝色边框进行排队区域划分，使用计算机视觉领域目标检测技术定位人脸，使用蓝色实心边框进行人脸标识，使用黑色细线框确认检测到的队列，黑色细线框应当根据拍摄区域的排队队列范围变化进行同步更新，具体步骤为：
步骤1、以拍摄区域的近摄像头的一边所识别的第一位人脸为基准，作为黑色细线框的初始点位置，记录下横纵坐标分别为0；
步骤2、以拍摄区域的远摄像头的一边所识别的最后一位人脸为基准，作为黑色细线框的结束点，记录下纵坐标；
步骤3、使用高斯滤波方法对初始点位置和结束点位置进行图像处理，去除边框区域因为颜色变化大而产生的高频信息，保证拍摄区域内部所有人脸已经进行识别；
步骤4、间隔十秒对拍摄区域的队列进行更新检测，当根据计算机视觉领域目标检测技术，定位到初始点或者结束点出现未识别人脸时，重复步骤1，进行队列更新。
G（x，y）=e/2Πσ；
Fs（x，y）=f（x，y）* G（x，y）；
其中，E=-（x2+y2）/2σ2，f（x，y）是输入图像的数据，Fs（x，y）是经过高斯卷积之后的图像数据。
0。
步骤2、以拍摄区域的远摄像头的一边所识别的最后一位人脸为基准，作为黑色细线框的结束点，记录下纵坐标；
步骤3、使用高斯滤波方法对初始点位置和结束点位置进行图像处理，去除边框区域因为颜色变化大而产生的高频信息，保证拍摄区域内部所有人脸已经进行识别；
步骤4、间隔十秒对拍摄区域的队列进行更新检测，当根据计算机视觉领域目标检测技术，定位到初始点或者结束点出现未识别人脸时，重复步骤1，进行队列更新。
步骤1、通过对拍摄视频的画面进行定帧，在检测帧的画面上进行对人脸特征点的定位，从而获得眼部关键点；
步骤2、构建人眼的宽高比模型，并进行眨眼检测，当三十秒内的眨眼的边框检测机率达到1/10到1/3之间时，可以锁定人脸，排除非活人面孔影响，记录面孔数据；
步骤3、当队列宽度出现超出阈值的情况时，对当前拍摄的队列画面进行定帧，进行人脸识别后，与该时刻之前五次的人脸识别的结果进行比对，如果人脸识别的数目和结果没有产生变化，则认为是因队列不齐产生的宽度变化，否则进行未识别面孔搜寻，定位插队人脸。
步骤2、出现人脸缺失后，进行队伍人脸排除识别，同步进行队伍人脸更新，不启动插队预警，当确认在队伍中无法识别到缺失人脸时，认为出现排队队列中有人未完成排队任务离开的现象，对排队队列进行重新人脸定位并识别；
步骤3、确认队列宽度变化随着缺失人脸的消失恢复正常，恢复正常人脸识别和眨眼识别步骤。
步骤2、以拍摄区域的远摄像头的一边所识别的最后一位人脸为基准，作为黑色细线框的结束点，记录下纵坐标；
步骤3、使用高斯滤波方法对初始点位置和结束点位置进行图像处理，去除边框区域因为颜色变化大而产生的高频信息，保证拍摄区域内部所有人脸已经进行识别；
步骤4、间隔十秒对拍摄区域的队列进行更新检测，当根据计算机视觉领域目标检测技术，定位到初始点或者结束点出现未识别人脸时，重复步骤1，进行队列更新。
步骤2、以拍摄区域的远摄像头的一边所识别的最后一位人脸为基准，作为黑色细线框的结束点，记录下纵坐标；
步骤3、使用高斯滤波方法对初始点位置和结束点位置进行图像处理，去除边框区域因为颜色变化大而产生的高频信息，保证拍摄区域内部所有人脸已经进行识别；
步骤4、间隔十秒对拍摄区域的队列进行更新检测，当根据计算机视觉领域目标检测技术，定位到初始点或者结束点出现未识别人脸时，重复步骤1，进行队列更新。
具体实施方式
插队行为检测单元，通过使用边框定位，针对人脸的眼部边框进行眨眼识别，定位被检测人脸；当检测到非顺序人脸并确认活体之后，与已存储人脸进行比对后并且确认为插队人脸，进行插队人脸定位；
特征识别单元，借助摄像头进行人脸拍摄，对拍摄人脸进行特征识别并进行播报，完成插队行为的警告；
所述队列检测单元，如图二所示，根据摄像头安装角度确认拍摄区域，输入系统后，以蓝色边框进行排队区域划分，使用计算机视觉领域目标检测技术定位人脸，使用蓝色实心边框进行人脸标识，使用黑色细线框确认检测到的队列，黑色细线框应当根据拍摄区域的排队队列范围变化进行同步更新，具体步骤为：
步骤1、以拍摄区域的近摄像头的一边所识别的第一位人脸为基准，作为黑色细线框的初始点位置，记录下横纵坐标分别为0；
步骤2、以拍摄区域的远摄像头的一边所识别的最后一位人脸为基准，作为黑色细线框的结束点，记录下纵坐标；
步骤3、使用高斯滤波方法对初始点位置和结束点位置进行图像处理，去除边框区域因为颜色变化大而产生的高频信息，保证拍摄区域内部所有人脸已经进行识别；
步骤4、间隔十秒对拍摄区域的队列进行更新检测，当根据计算机视觉领域目标检测技术，定位到初始点或者结束点出现未识别人脸时，重复步骤1，进行队列更新。
Fs（x，y）=f（x，y）* G（x，y）；
其中，E=-（x2+y2）/2σ2，f（x，y）是输入图像的数据，Fs（x，y）是经过高斯卷积之后的图像数据。
步骤2、构建人眼的宽高比模型，并进行眨眼检测，当三十秒内的眨眼的边框检测机率达到1/10到1/3之间时，可以锁定人脸，排除非活人面孔影响，记录面孔数据；
步骤3、当队列宽度出现超出阈值的情况时，对当前拍摄的队列画面进行定帧，进行人脸识别后，与该时刻之前五次的人脸识别的结果进行比对，如果人脸识别的数目和结果没有产生变化，则认为是因队列不齐产生的宽度变化，否则进行未识别面孔搜寻，定位插队人脸。
步骤2、出现人脸缺失后，进行队伍人脸排除识别，同步进行队伍人脸更新，不启动插队预警，当确认在队伍中无法识别到缺失人脸时，认为出现排队队列中有人未完成排队任务离开的现象，对排队队列进行重新人脸定位并识别；
步骤3、确认队列宽度变化随着缺失人脸的消失恢复正常，恢复正常人脸识别和眨眼识别步骤。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种网络文件传输检测方法、装置和系统 | 2020-05-08 | 868 |
| 信息推送方法及相关产品 | 2020-05-08 | 146 |
| 一种无线体域网能耗和时延加权最小的安全路由选择方法 | 2020-05-08 | 616 |
| 一种基于区块链和竞拍博弈的网络资源安全共享方法 | 2020-05-08 | 20 |
| 带宽压缩中的后选择预测方法 | 2020-05-08 | 536 |
| 用于电力保密数据的大数据云平台安全防护方法 | 2020-05-08 | 666 |
| 直播间弹幕显示方法、存储介质、设备及系统 | 2020-05-08 | 690 |
| 一种基于区块链的去中心化网络架构方法 | 2020-05-08 | 59 |
| 一种VNF实例化方法、装置、设备及存储介质 | 2020-05-11 | 461 |
| 基于LoRa技术的农业病虫防害系统 | 2020-05-08 | 498 |
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。
