一种智慧园区异常人员识别方法、系统、设备及存储介质与流程

1.本发明属于人员监控技术领域，具体涉及一种智慧园区异常人员识别方法、系统、设备及存储介质。


背景技术：

2.智慧校园指的是以物联网为基础的智慧化的校园工作、学习和生活一体化环境，这个一体化环境以各种应用服务系统为载体，将教学、科研、管理和校园生活进行充分融合。
3.智慧校园管理包括园区安全管理，校园安全与师生、家长和社会都有着密切关系，良好的校园治安管理对每个学生及家庭都有着非常重要的安全保障作用。部分校园安全事件的发生都是由于外部人员的混入而引起的，而目前的校园治安管理主要还是依靠校门出入安检管理及园区执勤巡检来实现的，依然存在较大的监管漏洞和缺陷，不能很好地融汇智慧校园技术，对混入园区的异常人员进行及时有效的智能化识别判定和追踪。


技术实现要素：

4.本发明的目的是提供一种智慧园区异常人员识别方法、系统、设备及存储介质，用以解决现有技术中存在的上述问题。
5.为了实现上述目的，本发明采用以下技术方案：
6.第一方面，本发明提供一种智慧园区异常人员识别方法，包括：
7.获取园区各监测点位的监控视频流，并从监控视频流中获取若干帧图像以及各帧图像对应的时间信息和点位编号信息；
8.从各帧图像中提取目标人员的面部图像特征信息及体貌图像特征信息；
9.根据目标人员的面部图像特征信息及体貌图像特征信息判断目标人员是否为园区学生；
10.在判定目标人员非园区学生时，根据出现目标人员的各帧图像所对应的时间信息和点位编号信息，确定目标人员的行进轨迹；
11.根据目标人员的行进轨迹，预测目标人员后续的活动监测范围；
12.向活动监测范围内各监测点位的射频识别终端发送识别指令，并接收各射频识别终端反馈的识别数据包；
13.若各识别数据包中均不包含身份识别信息，则判定目标人员为异常人员。
14.其应用时，通过获取园区各监测点位的监控视频帧图像以及对应的时间信息和点位编号信息，从各帧图像中提取目标人员的面部图像特征和体貌图像特征，来判断目标人员是否是园区内的学生，如果判定目标人员不是园区内的学生，就根据出现目标人员的各帧图像所对应的时间信息和点位编号信息，来确定目标人员的行进轨迹，进而根据行进轨迹预测目标人员后续会出现的活动监测范围，然后向该范围内各监测点位的射频识别终端发送识别指令，以通过射频识别终端进行目标人员的身份识别，如果各射频识别终端反馈
的识别数据包中均没有相应的身份识别信息，即表明检测不到目标人员的身份识别信息，目标人员不是园区内的工作人员，就将其判定为异常人员。通过该方法可以实现对园区内出现的异常人员的智能化、无感化监测识别，提高对异常人员的监测识别效率、即时性和精准度，提升智慧园区的安全防范能力。
15.在一个可能的设计中，所述方法还包括：
16.若某一识别数据包中包含身份识别信息，则根据所述身份识别信息从工作人员数据库中调取对应的预存人脸图像特征信息；
17.将目标人员的面部图像特征信息与所述预存人脸图像特征信息进行相似度匹配，若匹配相似度小于设定相似度阈值，则判定目标人员为异常人员。
18.在一个可能的设计中，所述方法还包括：
19.在判定目标人员为异常人员后，向执勤终端发送预警提示信息，并将目标人员的各帧图像及行进轨迹发送至执勤终端。
20.在一个可能的设计中，所述向活动监测范围内各监测点位的射频识别终端发送识别指令，并接收各射频识别终端反馈的识别数据包，包括：
21.确定信息采集时间段；
22.向活动监测范围内各监测点位的射频识别终端发送识别指令及信息采集时间段；
23.在信息采集时间段内接收各射频识别终端反馈的识别数据包。
24.在一个可能的设计中，所述监控视频流包含若干帧图像，各帧图像均附带有时间戳和唯一编号，所述从监控视频流中获取若干帧图像以及各帧图像对应的时间信息和点位编号信息，包括：从监控视频流中提取出若干帧图像，并从各帧图像中提取出对应的时间戳和唯一编号，根据时间戳生成时间信息，根据唯一编号生成点位编号信息。
25.在一个可能的设计中，根据出现目标人员的各帧图像所对应的时间信息和点位编号信息，确定目标人员的行进轨迹，包括：
26.根据各帧图像所对应的点位编号信息在园区地图中标记出各点位编号信息对应的监测点位；
27.根据各帧图像所对应的时间信息将标记的各对应监测点位按照时间顺序依次连接，形成目标人员的行进轨迹。
28.在一个可能的设计中，所述根据目标人员的面部图像特征信息及体貌图像特征信息判断目标人员是否为园区学生，包括：将目标人员的面部图像特征信息与体貌图像特征信息导入预置的学生信息库中进行特征匹配，若未匹配成功则判定目标人员非园区学生。
29.第二方面，本发明提供一种智慧园区异常人员识别系统，包括获取单元、提取单元、判断单元、确定单元、预测单元、收发单元和判定单元，其中：
30.获取单元，用于获取园区各监测点位的监控视频流，并从监控视频流中获取若干帧图像以及各帧图像对应的时间信息和点位编号信息；
31.提取单元，用于从各帧图像中提取目标人员的面部图像特征信息及体貌图像特征信息；
32.判断单元，用于根据目标人员的面部图像特征信息及体貌图像特征信息判断目标人员是否为园区学生；
33.确定单元，用于在判定目标人员非园区学生时，根据出现目标人员的各帧图像所
对应的时间信息和点位编号信息，确定目标人员的行进轨迹；
34.预测单元，用于根据目标人员的行进轨迹，预测目标人员后续的活动监测范围；
35.收发单元，用于向活动监测范围内各监测点位的射频识别终端发送识别指令，并接收各射频识别终端反馈的识别数据包；
36.判定单元，用于在各识别数据包中均不包含身份识别信息时，判定目标人员为异常人员。
37.第三方面，本发明提供一种计算机设备，包括：
38.存储器，用于存储指令；
39.处理器，用于读取所述存储器中存储的指令，并根据指令执行上述第一方面中任意一种所述的方法。
40.第四方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，使得所述计算机执行上述第一方面中任意一种所述的方法。
41.第五方面，本发明提供一种包含指令的计算机程序产品，当所述指令在计算机上运行时，使所述计算机执行上述第一方面中任意一种所述的方法。
42.有益效果：本发明通过获取园区各监测点位的监控视频帧图像以及对应的时间信息和点位编号信息，从各帧图像中提取目标人员的面部图像特征和体貌图像特征，来判断目标人员是否是园区内的学生，如果判定目标人员不是园区内的学生，就根据出现目标人员的各帧图像所对应的时间信息和点位编号信息，来确定目标人员的行进轨迹，进而根据行进轨迹预测目标人员后续会出现的活动监测范围，然后向该范围内各监测点位的射频识别终端发送识别指令，以通过射频识别终端进行目标人员的身份识别，如果各射频识别终端反馈的识别数据包中均没有相应的身份识别信息，即表明检测不到目标人员的身份识别信息，目标人员不是园区内的工作人员，就将其判定为异常人员。本发明可以实现对园区内出现的异常人员的智能化、无感化监测识别，提高对异常人员的监测识别效率、即时性和精准度，提升智慧园区的安全防范能力。
附图说明
43.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的前提下，还可以根据这些附图获得其他的附图。
44.图1为本发明的方法步骤示意图；
45.图2为本发明的系统构成示意图；
46.图3为本发明的计算机设备构成示意图。
具体实施方式
47.在此需要说明的是，对于这些实施例方式的说明用于帮助理解本发明，但并不构成对本发明的限定。本文公开的特定结构和功能细节仅用于描述本发明的示例实施例。然而，可用很多备选的形式来体现本发明，并且不应当理解为本发明限制在本文阐述的实施
例中。
48.应当理解，指示方位或位置关系的术语是产品使用时惯常摆放的方位或位置关系，或者是本领域技术人员惯常理解的方位或位置关系，仅是为了便于描述和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
49.在下面的描述中提供了特定的细节，以便于对示例实施例的完全理解。然而，本领域普通技术人员应当理解可以在没有这些特定细节的情况下实现示例实施例。例如可以在框图中示出系统，以避免用不必要的细节来使得示例不清楚。在其他实施例中，可以不以非必要的细节来示出众所周知的过程、结构和技术，以避免使得实施例不清楚。
50.实施例：
51.本实施例提供一种智慧园区异常人员识别方法，可应用于相应的人员监测系统中，该系统可包括后台服务器以及安装于园区各监测点位的视频监控终端和射频识别终端，如图1所示，所述方法包括以下步骤：
52.s101.获取园区各监测点位的监控视频流，并从监控视频流中获取若干帧图像以及各帧图像对应的时间信息和点位编号信息。
53.具体实施时，可通过园区各监测点位的视频监控终端来实时对相应监测点位范围进行视频监控，以生成监控视频流来传输至后台服务器，监控视频流即由若干帧图像组成，各帧图像上均标记有对应的时间戳和相应监测点位的唯一编号。后台服务器接收到监控视频流后，从中提取出若干帧图像，并从各帧图像中提取出对应的时间戳和唯一编号，根据时间戳生成时间信息，根据唯一编号生成点位编号信息。
54.s102.从各帧图像中提取目标人员的面部图像特征信息及体貌图像特征信息。
55.具体实施时，后台服务器在获得相应的帧图像后，可采用现有的图像特征提取方法来从各帧图像中提取目标人员的面部图像特征信息及体貌图像特征信息，可选的图像特征提取方法包括但不限于hog特征提取方法、lbp特征提取方法、haar特征提取方法、dlib特征提取方法以及基于卷积神经网络的特征提取方法等。
56.s103.根据目标人员的面部图像特征信息及体貌图像特征信息判断目标人员是否为园区学生。
57.具体实施时，后台服务器在提取出目标人员的面部图像特征信息及体貌图像特征信息后，就将相应的面部图像特征信息及体貌图像特征信息导入预置的学生信息库中与园区内各学生的面部图像特征以及体貌图像特征进行特征匹配，如果均未匹配成功，则表明该目标人员不是园区内的学生，此时就需要采取进一步地措施。
58.s104.在判定目标人员非园区学生时，根据出现目标人员的各帧图像所对应的时间信息和点位编号信息，确定目标人员的行进轨迹。
59.具体实施时，当后台服务器在判定目标人员非园区内学生后，立即调取出现目标人员的各帧图像所对应的时间信息和点位编号信息，然后根据各帧图像所对应的点位编号信息在园区地图中标记出各点位编号信息对应的监测点位，再根据各帧图像所对应的时间信息将标记的各对应监测点位按照时间顺序依次连接，形成目标人员的行进轨迹。
60.s105.根据目标人员的行进轨迹，预测目标人员后续的活动监测范围。
61.具体实施时，后台服务器在生成目标人员的行进轨迹后，根据该行进轨迹预测目
标人员接下来的活动监测范围，该活动监测范围可以包含行进轨迹最后一个监测点位、行进轨迹最后一个监测点位之后的一个监测点位，以及行进轨迹最后一个监测点位之前的一个监测点位。
62.s106.向活动监测范围内各监测点位的射频识别终端发送识别指令，并接收各射频识别终端反馈的识别数据包。
63.具体实施时，后台服务器向活动监测范围内各监测点位安装的射频识别终端发送识别指令，并确定信息采集时间段同步发送至各监测点位的射频识别终端。射频识别终端可以为rfid远距离读取终端，当佩戴有相应rfid标签的园区内工作人员从旁边经过时，rfid远距离读取终端即可读取到rfid标签所存储的对应园区工作人员的身份识别信息。当对应监测点位的射频识别终端接收到后台服务器发送的识别指令和信息采集时间段后，即开启识别状态，在该信息采集时间段内对路过的人员进行rfid标签读取，若在信息采集时间段内读取到了相应的身份识别信息，则生成包含该身份识别信息的识别数据包发送至后台服务器，若未读取到任何身份识别信息，则生成空的识别数据包发送至后台服务器。后台服务器在信息采集时间段内接收各监测点位的射频识别终端所反馈的识别数据包。
64.s107.若各识别数据包中均不包含身份识别信息，则判定目标人员为异常人员。
65.具体实施时，后台服务器对识别数据包进行解包处理，如果各监测点位的射频识别终端所反馈的识别数据包均不包含任何身份识别信息，则表明目标人员身上未佩戴表征园区工作人员身份的射频识别标签，进而判定目标人员为异常人员。如果某一射频识别终端所反馈识别数据包中包含有身份识别信息，则根据所述身份识别信息从工作人员数据库中调取与该身份识别信息关联对应的预存人脸图像特征信息，然后将目标人员的面部图像特征信息与工作人员数据库中调取出的预存人脸图像特征信息进行相似度匹配，若匹配相似度小于设定相似度阈值，则判定目标人员不是该身份识别信息所对应的园区工作人员，同样将目标人员认定为异常人员。后台服务器在判定目标人员为异常人员后，立即向执勤终端发送预警提示信息，并将目标人员的各帧图像及行进轨迹发送至执勤终端，以便园区的执勤人员在通过执勤终端发出预警提示信息后，根据目标人员的各帧图像及行进轨迹快速找到该目标人员。
66.通过本实施例的方法可以实现对园区内出现的异常人员的智能化、无感化监测识别，提高对异常人员的监测识别效率、即时性和精准度，提升智慧园区的安全防范能力。
67.实施例2：
68.本实施例提供一种智慧园区异常人员识别系统，如图2所示，包括获取单元、提取单元、判断单元、确定单元、预测单元、收发单元和判定单元，其中：
69.获取单元，用于获取园区各监测点位的监控视频流，并从监控视频流中获取若干帧图像以及各帧图像对应的时间信息和点位编号信息；
70.提取单元，用于从各帧图像中提取目标人员的面部图像特征信息及体貌图像特征信息；
71.判断单元，用于根据目标人员的面部图像特征信息及体貌图像特征信息判断目标人员是否为园区学生；
72.确定单元，用于在判定目标人员非园区学生时，根据出现目标人员的各帧图像所对应的时间信息和点位编号信息，确定目标人员的行进轨迹；
73.预测单元，用于根据目标人员的行进轨迹，预测目标人员后续的活动监测范围；
74.收发单元，用于向活动监测范围内各监测点位的射频识别终端发送识别指令，并接收各射频识别终端反馈的识别数据包；
75.判定单元，用于在各识别数据包中均不包含身份识别信息时，判定目标人员为异常人员。
76.实施例3：
77.本实施例提供一种计算机设备，如图3所示，在硬件层面，包括：
78.通讯接口，用于建立处理器与外部终端的通讯连接；
79.存储器，用于存储指令；
80.处理器，用于读取所述存储器中存储的指令，并根据指令执行实施例1中的智慧园区异常人员识别方法：
81.s101.获取园区各监测点位的监控视频流，并从监控视频流中获取若干帧图像以及各帧图像对应的时间信息和点位编号信息；
82.s102.从各帧图像中提取目标人员的面部图像特征信息及体貌图像特征信息；
83.s103.根据目标人员的面部图像特征信息及体貌图像特征信息判断目标人员是否为园区学生；
84.s104.在判定目标人员非园区学生时，根据出现目标人员的各帧图像所对应的时间信息和点位编号信息，确定目标人员的行进轨迹；
85.s105.根据目标人员的行进轨迹，预测目标人员后续的活动监测范围；
86.s106.向活动监测范围内各监测点位的射频识别终端发送识别指令，并接收各射频识别终端反馈的识别数据包；
87.s107.若各识别数据包中均不包含身份识别信息，则判定目标人员为异常人员。
88.可选地，该计算机设备还包括内部总线。处理器、存储器和通讯接口可以通过内部总线相互连接，该内部总线可以是isa(industry standard architecture，工业标准体系结构)总线、pci(peripheral component interconnect，外设部件互连标准)总线或eisa(extended industry standard architecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。
89.所述存储器可以但不限于包括随机存取存储器(random access memory，ram)、只读存储器(read only memory，rom)、闪存(flash memory)、先进先出存储器(first input first output，fifo)和/或先进后出存储器(first in last out，filo)等。所述处理器可以是通用处理器，包括中央处理器(central processing unit，cpu)、网络处理器(network processor，np)等；还可以是数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field－programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
90.实施例4：
91.本实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，使得所述计算机执行实施例1中的智慧园区异常人员识别方法：
92.s101.获取园区各监测点位的监控视频流，并从监控视频流中获取若干帧图像以及各帧图像对应的时间信息和点位编号信息；
93.s102.从各帧图像中提取目标人员的面部图像特征信息及体貌图像特征信息；
94.s103.根据目标人员的面部图像特征信息及体貌图像特征信息判断目标人员是否为园区学生；
95.s104.在判定目标人员非园区学生时，根据出现目标人员的各帧图像所对应的时间信息和点位编号信息，确定目标人员的行进轨迹；
96.s105.根据目标人员的行进轨迹，预测目标人员后续的活动监测范围；
97.s106.向活动监测范围内各监测点位的射频识别终端发送识别指令，并接收各射频识别终端反馈的识别数据包；
98.s107.若各识别数据包中均不包含身份识别信息，则判定目标人员为异常人员。
99.其中，所述计算机可读存储介质是指存储数据的载体，可以但不限于包括软盘、光盘、硬盘、闪存、优盘和/或记忆棒(memory stick)等，所述计算机可以是通用计算机、专用计算机、计算机网络或者其他可编程系统。
100.本实施例还提供一种包含指令的计算机程序产品，当所述指令在计算机上运行时，使所述计算机执行实施例1中的智慧园区异常人员识别方法。其中，所述计算机可以是通用计算机、专用计算机、计算机网络或者其他可编程系统。
101.最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明的保护范围。凡在本发明的精神和原则之内，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。