CN110572618B - 一种非法拍照行为监控方法、装置及系统 - Google Patents
一种非法拍照行为监控方法、装置及系统 Download PDFInfo
- Publication number
- CN110572618B CN110572618B CN201910907087.3A CN201910907087A CN110572618B CN 110572618 B CN110572618 B CN 110572618B CN 201910907087 A CN201910907087 A CN 201910907087A CN 110572618 B CN110572618 B CN 110572618B
- Authority
- CN
- China
- Prior art keywords
- photographing behavior
- mobile phone
- behavior
- photographing
- position information
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种非法拍照行为监控方法、装置及系统，属于视频监控技术领域。一种非法拍照行为监控方法，采用监控目标的特征值对拍照行为进行判别，对非法的拍照行为发出告警。一种非法拍照行为监控设备对于拍照行为进行识别，对于非法拍照行为及时发出告警。本发明主要利用监控目标的特征值进行识别判断，从而受环境影响小，提高了技术的实用性，降低了开发成本和难度，减少了误判率。
Description
技术领域
本发明涉及视频监控技术领域，特别是一种非法拍照行为监控方法、装置及系统。
背景技术
现有基于视频的动作识别算法，一般会基于连续帧来进行动作的判断。其中一种常用的方法是利用卷积神经网络(CNN)对每一帧画面提取整体特征值，然后利用循环神经网络(RNN)算法对特征值序列进行分类。这种方式容易受到场景的影响，背景画面、拍摄角度对于判断结果影响很大。减小这种影响需要大量的训练样本来增加多样性，对于实际工程实现来说成本很高。
现有的卷积神经网络(CNN)+长短期记忆网络(LSTM)的动作识别技术，由于采用的是CNN对整个画面进行特征提取的方法，应用到非法拍照监控这个场景中，整个画面除了拍照的人以外，可能充斥着其他大量无关的背景物体和人，CNN所提取的特征，往往无法准确的反映到我们感兴趣的拍照人身上，极易受到环境因素的干扰。减少环境因素干扰的唯一方法是提高样本的多样性，拍摄大量不同环境下的样本视频来做训练。但是由于实际工作场景的多样性和不可预测性，这样做不仅增加了准备样本的成本，而且结果可能仍然无法满足实际工作中的多样性要求。
人举起手机拍摄这一行为，可以有多种不同的姿势和不同的拍摄角度。拍摄动作与日常其他动作往往是非常类似的，特别是在二维的画面中尤其容易混淆。简单用CNN网络来对画面提取到的特征，无法准确的捕捉到两者的差别，会造成大量的误判。虽然一般深度学习的算法会通过增加训练样本量的方法来降低误判率，但是样本的采集成本高，且结果可能仍然无法满足实际工作的要求。
发明内容
本发明主要解决的技术问题是提供一种非法拍照行为监控方法、装置及系统，减少环境因素对动作识别的干扰，降低误判率，减少训练样本量。
为了实现上述目的，本发明采用的第一个技术方案是：一种非法拍照行为监控方法，所述拍照行为由人用手机对准目标进行拍照来完成，其特征在于，包括：
采用所述人的特征值、所述手机的特征值、和所述目标的特征值对拍照行为进行判断，对判定为非法的所述拍照行为进行告警，所述特征值为位置信息和图像信息；
摄像头视频画面形成网络视频流，从所述视频流中按照5秒间隔读取所述视频帧；
YOLO框架模型接收所述视频帧，对每一所述视频帧画面中的所述人、所述手机和所述目标进行检测，提取所述人的位置信息、所述手机的位置信息和所述目标的位置信息并按照时间顺序组合成一个位置信息序列；提取所述人的图像信息、所述手机的图像信息和所述目标的图像信息并按照时间顺序组合成一个图像信息序列；
基于所述手机的位置信息序列计算所述手机相对于所述视频帧画面的移动距离，若所述手机在水平方向上移动距离为所述视频帧画面宽的5～20％或在竖直方向上移动距离为所述视频帧画面高的5～20％，则判断所述拍照行为为非正常拍照行为，并将所述非正常拍照行为对应的所述位置信息序列输入循环神经网络模型，否则，判断所述拍照行为为正常拍照行为，结束处理；
所述循环神经网络模型对所述非正常拍照行为对应的所述位置信息序列进行分析并输出结果，若所述结果非正常，将所述非正常拍照行为对应的所述图像信息输入分类器，否则判断所述拍照行为为正常拍照行为，结束处理；
所述分类器对输入的所述图像信息进行分析并输出结果，若所述结果非正常，判断所述拍照行为非法拍照行为，发出告警信号；否则判断所述拍照行为为正常拍照行为，结束处理。
本发明采用的第二个技术方案是：一种非法拍照行为监控装置，所述拍照行为由人用手机对准目标进行拍照来完成，其特征在于，包括：
判断模块，其采用所述人的特征值、所述手机的特征值、和所述目标的特征值对拍照行为进行判断，对判定为非法的所述拍照行为进行告警，所述特征值为位置信息和图像信息；视频帧模块，其采用监控摄像头视频画面形成网络视频流，从所述视频流中按照5秒间隔读取所述视频帧；
YOLO框架模型模块，其采用YOLO框架模型接收所述视频帧，对每一所述视频帧画面中的所述人、所述手机和所述目标进行检测，提取所述人的位置信息、所述手机的位置信息和所述目标的位置信息并按照时间顺序组合成一个位置信息序列；提取所述人的图像信息、所述手机的图像信息和所述目标的图像信息并按照时间顺序组合成一个图像信息序列；
手机位置判断模块，其基于所述手机的位置信息序列计算所述手机相对于所述视频帧画面的移动距离，若所述手机在水平方向上移动距离为所述视频帧画面宽的5～20％或在竖直方向上移动距离为所述视频帧画面高的5～20％，则判断所述拍照行为为非正常拍照行为，并将所述非正常拍照行为对应的所述位置信息序列输入循环神经网络模型，否则，判断所述拍照行为为正常拍照行为，结束处理；
循环神经网络模型模块，其对所述非正常拍照行为对应的所述位置信息序列进行分析并输出结果，若所述结果非正常，将所述非正常拍照行为对应的所述图像信息输入分类器模块，否则判断所述拍照行为为正常拍照行为，结束处理；
分类器模块，其对输入的所述图像信息进行分析并输出结果，若所述结果非正常，判断所述拍照行为非法拍照行为，发出告警信号；否则判断所述拍照行为为正常拍照行为，结束处理。
本发明采用的第三个技术方案是：一种非法拍照监控系统，其特征在于包括技术方案二中的非法拍照行为监控装置。
本发明采用的第四个技术方案是：一种计算机可读存储介质，其存储有计算机指令，其特征在于所述计算机指令被操作以执行技术方案一中的非法拍照行为监控方法。
本发明采用的第五个技术方案是：一种计算机设备，其包括处理器和存储器，所述存储器存储有计算机指令，其特征在于：
所述处理器操作所述计算机指令以执行技术方案一的非法拍照行为监控方法。
本发明的有益效果是：减少环境因素对动作识别的干扰，降低误判率，减少训练样本量，降低了样本准备成本。
附图说明
图1是本发明非法拍照行为监控方法框架示意图；
图2是本发明非法拍照行为监控方法示意图；
图3是本发明非法拍照行为监控装置结构示意图。
具体实施方式
下面结合附图对本发明的较佳实施例进行详细阐述，以使本发明的优点和特征能更易于被本领域技术人员理解，从而对本发明的保护范围做出更为清楚明确的界定。
随着智能手机技术的发展，人们经常使用手机对准选取的目标进行拍照，除了正常拍照外，还会发生一些与环境不协调的拍照行为。
本发明主要基于监控摄像头和深度学习技术相结合对室内办公室环境下手机拍摄的行为进行识别，对一些非法拍照行为进行告警。
图1所示是一种非法拍照行为监控方法框架示意图，主要包括视频信号采集、目标进行检测和特征提取、循环神经网络模型、卷积神经网络及分类五个部分。
视频信号采集主要针对办公室内监控摄像头拍摄的图像画面。目标进行检测和特征提取采用了YOLO(You Only Look Once)框架，先采集大量的视频图片信息和数据信息，输入YOLO框架，经过训练形成一个YOLO框架模型，然后用于本发明。循环神经网络模型同样先采集大量非正常数据和正常数据，输入循环神经网络，经过训练形成一个循环神经网络模型，然后应用于本发明。本发明中的分类器是一个卷积神经网络模型，先采集监控摄像头拍到的大量图片，这些图片中包含人、手机和拍照目标(比如电脑屏幕)。这些图片经过YOLO框架切割成最适合的图片(主要包含人、手机和目标)，将大量切割好的图片分成正常图片和非正常图片两类，然后输入卷积神经网络，经过训练形成一个分类器，然后应用于本发明。
以下以图2为例详细表述本发明一种非法拍照行为监控方法的过程：
收集办公环境下的监控摄像头拍摄的视频画面，将这些视频画面按照时间的顺序经过网络传输形成网络视频流，从该视频流中按照5秒间隔读取视频帧。经过对拍照动作完成时间的统计，一个正常的连续拍照动作时间大约需要5秒钟，因而采用了5秒钟用于本发明。
将上述视频帧输入YOLO(You Only Look Once)框架模型，然后对每一视频帧画面中的人、手机和目标进行检测，提取人的位置信息、手机的位置信息和目标的位置信息并按照时间顺序组合成一个位置信息序列；提取人的图像信息、手机的图像信息和目标的图像信息并按照时间顺序组合成一个图像信息序列。此步骤的目的是寻找到画面中的人、手机和目标。
根据手机的位置信息序列计算手机相对于视频帧画面的移动距离，若手机在水平方向上移动距离为视频帧画面宽的5～20％或在竖直方向上移动距离为视频帧画面高的5～20％，则判断此拍照行为为非正常拍照行为，并将其对应的位置信息序列输入循环神经网络模型，否则，判断拍照行为为正常拍照行为，结束处理。根据技术人员的统计研究，人为设定了5～20％的范围，在5％以下时，多数情况下是手机没有移动或移动距离非常小，不可能存在拍照行为；而超过20％时，往往是人手里的物品不是真手机，可能是鼠标、平板电脑，还有一种情况是人拿着手机在快速移动(非拍照行为)。
对于存在拍照嫌疑的非正常拍照行为，采用循环神经网络模型对其对应的位置信息序列进行分析并输出结果，若结果非正常，将可疑的非正常拍照行为对应的图像信息输入分类器，否则判断拍照行为为正常，结束处理；
分类器，其对输入的图像信息进行分析并输出结果，若结果非正常，判断拍照行为非法拍照行为，发出告警信号；否则判断拍照行为为正常拍照行为，结束处理。
本发明一种非法拍照行为监控装置由六部分组成，如图3所示，分别为判断模块，视频帧模块、YOLO框架模型模块、手机位置判断模块、循环神经网络模型模块、分类器模块。其运行时按照非法拍照行为监控方法流程进行。
上述非法拍照行为监控装置还可以与其它装置(例如计算机终端、移动电话、平板电脑等)组成一种非法拍照行为监控系统，获得查看监控授权的人员可及时掌握拍照行为发生的情况。
本发明一种非法拍照行为监控方法描述的各种说明性逻辑、逻辑块、模块可用经设计以执行本文非法拍照行为监控方法的通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑装置、离散门或晶体管逻辑、离散硬件组件或其任何组合来实施或执行。通用处理器可以是微处理器，但在替代方案中，所述处理器可以是任何常规处理器、控制器、微控制器或状态机。处理器还可实施为计算装置的组合，例如DSP与微处理器的组合、多个微处理器、结合DSP核心的一个或一个以上微处理器或任何其它此类配置。
本发明一种非法拍照行为监控方法可直接在硬件中、在由处理器执行的软件模块中或在所述两者的组合中实施。软件模块可驻留在RAM存储器、快闪存储器、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可装卸盘、CD-ROM或此项技术中已知的任何其它形式的存储介质中。示范性存储介质耦合到处理器，使得处理器可从存储介质读取信息和向存储介质写入信息。在替代方案中，存储介质可与处理器成一体式。处理器和存储介质可驻留在专用集成电路(ASIC)中。ASIC可驻留在用户终端中。在替代方案中，处理器和存储介质可作为离散组件驻留在用户终端中。
本发明的应用，仅对监控图像画面中的人、手机和拍照目标进行识别分析，去除了画面中其它环境因素对动作识别的干扰，大大提高了监控方法在不同场景下的适应能力，降低了对于样本采集的要求，减少训练样本量，降低了样本准备成本。本发明经过三次判断过程降低误判率，提高了监控方法的有效率。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (5)
1.一种非法拍照行为监控方法，所述拍照行为由人用手机对准目标进行拍照来完成，其特征在于，包括：
采用所述人的特征值、所述手机的特征值、和所述目标的特征值对拍照行为进行判断，对判定为非法的所述拍照行为进行告警，其中，所述特征值为位置信息和图像信息；
摄像头视频画面形成网络视频流，从所述视频流中按照5秒间隔读取视频帧；
YOLO框架模型接收所述视频帧，对每一所述视频帧画面中的所述人、所述手机和所述目标进行检测，提取所述人的位置信息、所述手机的位置信息和所述目标的位置信息并按照时间顺序组合成一个位置信息序列；提取所述人的图像信息、所述手机的图像信息和所述目标的图像信息并按照时间顺序组合成一个图像信息序列；
基于所述手机的位置信息序列计算所述手机相对于所述视频帧画面的移动距离，若所述手机在水平方向上移动距离为所述视频帧画面宽的5～20％或在竖直方向上移动距离为所述视频帧画面高的5～20％，则判断所述拍照行为为非正常拍照行为，并将所述非正常拍照行为对应的所述位置信息序列输入循环神经网络模型，否则，判断所述拍照行为为正常拍照行为，结束处理；
所述循环神经网络模型对所述非正常拍照行为对应的所述位置信息序列进行分析并输出结果，若所述结果非正常，将所述非正常拍照行为对应的所述图像信息输入分类器，否则判断所述拍照行为为正常拍照行为，结束处理；
所述分类器对输入的所述图像信息进行分析并输出结果，若所述结果非正常，判断所述拍照行为非法拍照行为，发出告警信号；否则判断所述拍照行为为正常拍照行为，结束处理。
2.一种非法拍照行为监控装置，所述拍照行为由人用手机对准目标进行拍照来完成，其特征在于，包括：
判断模块，其采用所述人的特征值、所述手机的特征值、和所述目标的特征值对拍照行为进行判断，对判定为非法的所述拍照行为进行告警，所述特征值为位置信息和图像信息；
视频帧模块，其采用监控摄像头视频画面形成网络视频流，从所述视频流中按照5秒间隔读取视频帧；
YOLO框架模型模块，其采用YOLO框架模型接收所述视频帧，对每一所述视频帧画面中的所述人、所述手机和所述目标进行检测，提取所述人的位置信息、所述手机的位置信息和所述目标的位置信息并按照时间顺序组合成一个位置信息序列；提取所述人的图像信息、所述手机的图像信息和所述目标的图像信息并按照时间顺序组合成一个图像信息序列；
手机位置判断模块，其基于所述手机的位置信息序列计算所述手机相对于所述视频帧画面的移动距离，若所述手机在水平方向上移动距离为所述视频帧画面宽的5～20％或在竖直方向上移动距离为所述视频帧画面高的5～20％，则判断所述拍照行为为非正常拍照行为，并将所述非正常拍照行为对应的所述位置信息序列输入循环神经网络模型，否则，判断所述拍照行为为正常拍照行为，结束处理；
循环神经网络模型模块，其对所述非正常拍照行为对应的所述位置信息序列进行分析并输出结果，若所述结果非正常，将所述非正常拍照行为对应的所述图像信息输入分类器模块，否则判断所述拍照行为为正常拍照行为，结束处理；
分类器模块，其对输入的所述图像信息进行分析并输出结果，若所述结果非正常，判断所述拍照行为非法拍照行为，发出告警信号；否则判断所述拍照行为为正常拍照行为，结束处理。
3.一种非法拍照监控系统，其特征在于包括权利要求2所述非法拍照行为监控装置。
4.一种计算机可读存储介质，其存储有计算机指令，其特征在于，所述计算机指令被操作以执行权利要求1所述的非法拍照行为监控方法。
5.一种计算机设备，其包括处理器和存储器，所述存储器存储有计算机指令，其特征在于：所述处理器操作所述计算机指令以执行权利要求1所述的非法拍照行为监控方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910907087.3A CN110572618B (zh) | 2019-09-24 | 2019-09-24 | 一种非法拍照行为监控方法、装置及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910907087.3A CN110572618B (zh) | 2019-09-24 | 2019-09-24 | 一种非法拍照行为监控方法、装置及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110572618A CN110572618A (zh) | 2019-12-13 |
| CN110572618B true CN110572618B (zh) | 2021-03-16 |
Family
ID=68782101
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910907087.3A Active CN110572618B (zh) | 2019-09-24 | 2019-09-24 | 一种非法拍照行为监控方法、装置及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110572618B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111225187A (zh) * | 2020-01-16 | 2020-06-02 | 厦门博海中天信息科技有限公司 | 一种识别手机防拍照的智能监测方法、设备及可读介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106998422A (zh) * | 2016-01-26 | 2017-08-01 | 陈征 | 一种自动识别偷拍镜头的装置和方法 |
| CN108234741A (zh) * | 2017-11-16 | 2018-06-29 | 吴英 | 基于动作识别的智能化手机控制方法 |
| CN109271814A (zh) * | 2018-10-09 | 2019-01-25 | 裕利年电子南通有限公司 | 基于计算机视觉的防拍照显示系统及防拍照方法 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006267687A (ja) * | 2005-03-24 | 2006-10-05 | Fujitsu Ltd | 情報処理装置、不正撮影防止方法、不正撮影防止プログラム |
| US20100321493A1 (en) * | 2008-03-07 | 2010-12-23 | Thomson Licensing | Apparatus and method for remote monitoring |
| US20130057693A1 (en) * | 2011-09-02 | 2013-03-07 | John Baranek | Intruder imaging and identification system |
| JP6056323B2 (ja) * | 2012-09-24 | 2017-01-11 | 富士通株式会社 | 視線検出装置、視線検出用コンピュータプログラム |
| CN104969239A (zh) * | 2012-12-04 | 2015-10-07 | 光壳科技股份有限公司 | 一用于侦测摄影机的装置和方法 |
| CN107257449B (zh) * | 2016-06-27 | 2018-02-09 | 杨春 | 一种基于云计算的远程监测系统 |
| CN107784653A (zh) * | 2017-11-06 | 2018-03-09 | 山东浪潮云服务信息科技有限公司 | 一种防偷拍系统及方法 |
| CN110096972A (zh) * | 2019-04-12 | 2019-08-06 | 重庆科芮智能科技有限公司 | 数据保护方法、装置及系统 |
| CN110163100B (zh) * | 2019-04-17 | 2022-04-01 | 中国电子科技网络信息安全有限公司 | 一种防拍照显示器 |
-
2019
- 2019-09-24 CN CN201910907087.3A patent/CN110572618B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106998422A (zh) * | 2016-01-26 | 2017-08-01 | 陈征 | 一种自动识别偷拍镜头的装置和方法 |
| CN108234741A (zh) * | 2017-11-16 | 2018-06-29 | 吴英 | 基于动作识别的智能化手机控制方法 |
| CN109271814A (zh) * | 2018-10-09 | 2019-01-25 | 裕利年电子南通有限公司 | 基于计算机视觉的防拍照显示系统及防拍照方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110572618A (zh) | 2019-12-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10534957B2 (en) | Eyeball movement analysis method and device, and storage medium | |
| Shao et al. | Deep convolutional dynamic texture learning with adaptive channel-discriminability for 3D mask face anti-spoofing | |
| CN110609920B (zh) | 一种视频监控场景下的行人混合搜索方法及系统 | |
| WO2020094091A1 (zh) | 一种图像抓拍方法、监控相机及监控系统 | |
| WO2020083111A1 (zh) | 活体检测方法、装置、电子设备、存储介质及应用活体检测方法的相关系统 | |
| WO2020094088A1 (zh) | 一种图像抓拍方法、监控相机及监控系统 | |
| Avgerinakis et al. | Recognition of activities of daily living for smart home environments | |
| CN109492550B (zh) | 活体检测方法、装置及应用活体检测方法的相关系统 | |
| CN110782433B (zh) | 基于时序的动态信息暴力抛物检测方法、装置及存储介质 | |
| WO2022062379A1 (zh) | 图像检测方法和相关装置、设备、存储介质、计算机程序 | |
| CN111553231B (zh) | 基于信息融合的人脸抓拍与去重系统、方法、终端及介质 | |
| CN114783003A (zh) | 一种基于局部特征注意力的行人重识别方法和装置 | |
| CN210072642U (zh) | 基于视频监控的人群异常行为检测系统 | |
| CN109902550A (zh) | 行人属性的识别方法和装置 | |
| CN114885119A (zh) | 一种基于计算机视觉的智能监控报警系统及方法 | |
| CN207233038U (zh) | 人脸点名与计数系统 | |
| CN110572618B (zh) | 一种非法拍照行为监控方法、装置及系统 | |
| Varghese et al. | Video anomaly detection in confined areas | |
| CN111091089B (zh) | 一种人脸图像处理方法、装置、电子设备及存储介质 | |
| Chen et al. | Head-shoulder detection using joint HOG features for people counting and video surveillance in library | |
| CN114764895A (zh) | 异常行为检测装置和方法 | |
| CN111814613A (zh) | 一种人脸识别方法、设备及计算机可读存储介质 | |
| CN111144260A (zh) | 一种翻越闸机的检测方法、装置及系统 | |
| Mustafah et al. | Face detection system design for real time high resolution smart camera | |
| Wu et al. | An improved CornerNet-lite method for pedestrian detection of unmanned aerial vehicle images |
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 |