CN103533303A - 一种运动目标实时跟踪***和方法 - Google Patents
一种运动目标实时跟踪***和方法 Download PDFInfo
- Publication number
- CN103533303A CN103533303A CN201310460163.3A CN201310460163A CN103533303A CN 103533303 A CN103533303 A CN 103533303A CN 201310460163 A CN201310460163 A CN 201310460163A CN 103533303 A CN103533303 A CN 103533303A
- Authority
- CN
- China
- Prior art keywords
- video
- target
- tracking
- subsystem
- cloud computing
- 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.)
- Pending
Links
Images
Landscapes
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明公开了一种运动目标实时跟踪***和方法,该***包括视频监控子***、摄像子***、GIS子***、图像识别子***和跟踪控制子***,其中:GIS子***用于提供跟踪目标的当前位置的周边监控点列表,跟踪控制子***用于提取目标特征信息列表和预设特征匹配策略,图像识别子***用于获取周边监控点列表中的每一路视频流,并根据目标特征信息列表和预设的特征匹配策略进行实时计算跟踪目标当前所在的监控摄像头,视频监控子***用于将主视频切换到跟踪目标当前所在的监控摄像头。本发明整合了GIS技术、云计算技术和图像识别技术,对运动目标的跟踪实现实时性和自动化,最大限度的减少人力成本和人为误差、提高跟踪效率。
Description
技术领域
本发明涉及监控领域,尤其涉及一种运动目标实时跟踪***和方法。
背景技术
目前,在视频监控领域,海量的视频数据只是起到了记录的作用,视频监控的大部分用途只能用于事后资料查对,对于事前、事中没能起到重点预防和追踪作用。原因的关键在于没有对视频数据进行实时分析,一个个监控摄像头只是视频记录仪,即使摄像头分布广泛,足以形成“天网”,也只是一张呆滞的网。实时跟踪的瓶颈主要在于需要同时对多路摄像头视频数据进行大规模的复杂的图像智能识别运算,一般的计算机***无法胜任在指定时间内完成如此复杂的海量计算。海量的视频数据不仅难以协助人们快速的形成解决方案,反而会成为解决问题的一大障碍,因为以有限的人力与应对海量的视频数据,费时费力可想而知。
因此,目前在办案过程中,通过摄像头对目标进行实时跟踪时,主要是以人工为主。即当被跟踪目标出现在某个地点,并需要对其进行跟踪时,往往需要安排多人通过摄像头分别监控目标周边的不同区域,并通过人工方式及时发现被跟踪目标出现的下一个地点,然后重新分配人力进行新一轮的目标跟踪,如此反复。
也就是说,现有视频监控跟踪***缺少实时分析能力,并且自动化程度不高,跟踪效率也比较低。
发明内容
有鉴于此,本发明要解决的技术问题是提供一种运动目标实时跟踪***和方法。以整合GIS技术、云计算技术和图像识别技术,对运动目标的跟踪实现实时性和自动化,最大限度的减少人力成本和人为误差、提高跟踪效率。
本发明解决上述技术问题所采用的技术方案如下:
根据本发明的一个方面,提供的一种运动目标实时跟踪***包括视频监控子***和由至少一个以上的监控摄像头组成的摄像子***,还包括GIS子***、基于云计算的图像识别子***和跟踪控制子***,其中:
GIS子***,用于提供跟踪目标的当前位置的周边监控点列表;
视频监控子***,用于控制周边监控点列表中的每一路监控摄像头将视频流数据发送给图像识别子***;还用于将主视频切换到跟踪目标当前所在的监控摄像头;
图像识别子***,用于获取周边监控点列表中的每一路视频流,并根据目标特征信息列表和预设的特征匹配策略进行实时计算跟踪目标当前所在的监控摄像头,并将计算结果发送给跟踪控制子***;
跟踪控制子***,用于对跟踪目标进行特征分析,提取目标特征信息列表,将目标特征信息列表和预设的特征匹配策略发送给图像识别子***;还用于向GIS子***查询跟踪目标的当前位置的周边监控点列表,并发送给视频监控子***;还用于接收到目标匹配成功信号后,控制视频监控子***切换主视频。
优选的,跟踪控制子***进一步包括目标接收模块、特征提取模块、监控点获取模块和控制模块,其中:
目标接收模块,用于接收通过人工或自动定位的跟踪目标;
特征提取模块,用于对跟踪目标进行特征分析,提取目标特征信息列表,将目标特征信息列表和预设的特征匹配策略发送给图像识别子***;
监控点获取模块,用于向GIS子***查询跟踪目标的当前位置的周边监控点列表,并将周边监控点列表发送给视频监控子***;
控制模块,用于接收到目标匹配成功信号后,控制视频监控子***切换主视频。
优选的,图像识别子***进一步包括信息接收模块、云计算平台、视频分析引擎和信息发送模块,其中:
信息接收模块,用于获取目标特征信息列表和特征匹配策略,还用于获取跟踪目标当前位置的周边监控点列表中的每一路视频流;
云计算平台,用于为每一路视频分配一个云计算任务,并按目标特征信息列表中的每个特征调用视频分析引擎对视频帧进行特征分析,根据每个特征的分析结果和特征匹配策略得到每一路视频的匹配结果;
视频分析引擎,用于根据云计算平台输入的特征信息对视频帧进行分析,将特征分析结果返回给云计算平台;
信息发送模块,用于当特征匹配成功时,发送匹配成功信号给跟踪控制子***,还用于在预定的时间段内匹配不成功时,发送匹配失败信号给跟踪控制子***。
优选的,云计算平台具体用于:为每一路视频分配一个云计算任务,并根据目标特征信息列表,将云计算任务按目标特征分解成至少两个子任务;为每一个子任务分配计算资源调用视频分析引擎对视频帧按子任务描述要求进行特征分析;收集视频分析引擎产生的特征分析结果,将每路视频的每个子任务的分析结果按加权策略计算总权值;如果某路视频的总权值超过预设的阀值,则通知信息发送模块向跟踪控制子***发送该路视频匹配成功信号。
根据本发明的另一个方面,提供的一种运动目标实时跟踪方法包括以下步骤:
A、接收通过人工或自动定位的跟踪目标;
B、对跟踪目标进行特征分析,提取目标特征信息列表;
C、通过GIS***获取跟踪目标的当前位置的周边监控点列表;
D、获取周边监控点列表中的每一路视频流,并根据目标特征信息列表和预设的特征匹配策略进行实时计算跟踪目标当前所在的监控摄像头;
E、如果在预定的时间段内匹配跟踪目标不成功,则返回步骤A;如果匹配跟踪目标成功,则将主视频切换到跟踪目标当前所在的监控摄像头,返回步骤A。
优选的,接收通过人工定位跟踪目标包括:接收到人工在视频中圈定的跟踪目标;接收通过自动定位跟踪目标包括:接收到预设的目标特征信息在视频中匹配成功的信号。
优选的,目标特征信息列表包括:跟踪目标的尺寸大小、颜色、面部特征、手持物品特征、运动特征、运动方向、和/或可疑场景;预设的特征匹配策略包括:每个目标特征信息在视频匹配中所占的权重。
优选的,将主视频切换到跟踪目标所在的监控摄像头进一步包括:当同时有至少两路视频匹配成功时,将主视频区域以多分屏的形式切换到至少两个监控摄像头。
优选的,获取周边监控点列表中的每一路视频流,并根据目标特征信息列表和预设的特征匹配策略进行实时计算跟踪目标当前所在的监控摄像头进一步包括:
获取监控点列表中涉及的每一路视频流,并将其接入云计算平台;
云计算平台为每一路视频分配一个云计算任务,并按目标特征信息列表中的每个特征调用视频分析引擎对视频帧进行特征分析,根据每个特征的分析结果和特征匹配策略得到每一路视频的匹配结果,从而得到跟踪目标当前所在的监控摄像头。
优选的,云计算平台为每一路视频分配一个云计算任务,并按目标特征信息列表中的每个特征调用视频分析引擎对视频帧进行特征分析,根据每个特征的分析结果和特征匹配策略得到每一路视频的匹配结果,进一步包括:
云计算平台为每一路视频分配一个云计算任务;
将每一个云计算任务按目标特征分解为至少两个子任务,为每一个子任务分配计算资源启动视频分析引擎;
视频分析引擎对视频帧按子任务描述要求进行实时分析,根据目标特征信息实施图像匹配,并将图像匹配结果输出给云计算平台;
云计算平台将每一路视频子任务的分析结果按加权策略计算总权值;
如果某路视频的总权值超过预设的阀值,则输出该路视频匹配成功信号,否则输出匹配失败信号。
本发明实施例提供的***和方法,与现有技术相比,整合了GIS技术、云计算技术和图像识别技术,对运动目标的跟踪实现实时性和自动化。借助云计算的实时计算能力保证视频图像识别的并发性、时效性和可靠性;同时,借助于GIS***保证对运动目标可能出现的下一个监控点实施监控和自动化分析,提高了目标跟踪效率;此外,还通过至少一个特征匹配策略,提高了自动匹配的精确度。最大限度的减少人力成本和人为误差、提高跟踪效率。
附图说明
图1为本发明实施例提供的一种运动目标实时跟踪***的结构示意图。
图2为本发明优选实施例提供的一种图像识别子***的结构示意图。
图3为本发明优选实施例提供的一种跟踪控制子***的结构示意图。
图4为本发明实施例提供的一种运动目标实时跟踪方法的流程图。
图5为本发明优选实施例提供的一种计算运动目标所在监控点的方法流程图。
图6为本发明优选实施例提供的一种人工触发运动目标实时跟踪方法的流程图。
图7为本发明优选实施例提供的一种自动触发运动目标实时跟踪方法的流程图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白,以下结合附图和实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例1
如图1所述为本发明实施例提供的一种运动目标实时跟踪***的结构示意图,该***包括GIS(Geographic Information System,地理信息***)子***10、摄像子***20、视频监控子***30、基于云计算的图像识别子***40和跟踪控制子***50,其中:
GIS子***10,用于提供跟踪目标的当前位置的周边监控点列表;
摄像子***20,由至少一个以上的监控摄像头组成,用于拍摄所在监控点的视频;其中,一个监控点按拍摄角度不同可以支持多路视频数据流。
视频监控子***30,用于控制周边监控点列表中的每一路监控摄像头20将视频流数据发送给图像识别子***40;还用于将主视频切换到跟踪目标当前所在的监控摄像头;
图像识别子***40,用于获取周边监控点列表中的每一路视频流,并根据目标特征信息列表和预设的特征匹配策略进行实时计算跟踪目标当前所在的监控摄像头,并将计算结果发送给跟踪控制子***50。
请参考图2,图像识别子***40可进一步包括信息接收模块401、云计算平台402、视频分析引擎403和信息发送模块404,其中:
信息接收模块401,用于获取目标特征信息列表和特征匹配策略,还用于获取跟踪目标当前位置的周边监控点列表中的每一路视频流。
云计算平台402,用于为每一路视频分配一个云计算任务,并按目标特征信息列表中的每个特征调用视频分析引擎对视频帧进行特征分析,根据每个特征的分析结果和特征匹配策略得到每一路视频的匹配结果。
优选的,云计算平台402具体用于:为每一路视频分配一个云计算任务,并根据目标特征信息列表,将云计算任务按目标特征分解成至少一个子任务;为每一个子任务分配计算资源调用视频分析引擎403对视频帧按子任务描述要求进行特征分析;收集视频分析引擎403产生的特征分析结果,将每路视频的每个子任务的分析结果按加权策略计算总权值;如果某路视频的总权值超过预设的阀值,则通知信息发送模块404向跟踪控制子***50发送该路视频匹配成功信号。
视频分析引擎403,用于根据云计算平台输入的特征信息对视频帧进行分析,将特征分析结果返回给云计算平台402。
信息发送模块404,用于当特征匹配成功时,发送匹配成功信号给跟踪控制子***50,还用于在预定的时间段内匹配不成功时,发送匹配失败信号给跟踪控制子***50。
跟踪控制子***50,用于对跟踪目标进行特征分析,提取目标特征信息列表,将目标特征信息列表和预设的特征匹配策略发送给图像识别子***40;还用于向GIS子***10查询跟踪目标的当前位置的周边监控点列表,并发送给视频监控子***30;还用于接收到目标匹配成功信号后,控制视频监控子***30切换主视频。
请参考图3,跟踪控制子***50可进一步包括目标接收模块501、特征提取模块502、监控点获取模块503和控制模块504,其中:
目标接收模块501,用于接收通过人工或自动定位的跟踪目标;
特征提取模块502,用于对跟踪目标进行特征分析,提取目标特征信息列表,将目标特征信息列表和预设的特征匹配策略发送给图像识别子***;
监控点获取模块503,用于向GIS子***查询跟踪目标的当前位置的周边监控点列表,并将周边监控点列表发送给视频监控子***30;
控制模块504,用于接收到目标匹配成功信号后,控制视频监控子***30切换主视频。
本发明实施例提供的***,整合了GIS技术、云计算技术和图像识别技术,对运动目标的跟踪实现实时性和自动化。借助云计算的实时计算能力保证视频图像识别的并发性、时效性和可靠性;同时,借助于GIS***保证对运动目标可能出现的下一个监控点实施监控和自动化分析,提高了目标跟踪效率;此外,还通过多特征匹配策略,提高了自动匹配的精确度。最大限度的减少人力成本和人为误差、提高跟踪效率。
实施例2
如图4所示为本发明实施例提供的一种运动目标实时跟踪方法的流程图,该方法包括:
S402、接收通过人工或自动定位的跟踪目标;
其中,接收通过人工定位跟踪目标包括:接收到人工在视频中圈定的跟踪目标;举例来说,可以通过视频监控***接入至少一路监控摄像头的视频流,人工将可疑视频切换为主视频;然后从主视频查找并圈定跟踪目标,人工启动自动跟踪流程。
接收通过自动定位跟踪目标包括:接收到预设的目标特征信息在视频中匹配成功的信号。举例来说,可以根据已知信息,预设需要跟踪目标的特征数据和特征匹配策略;还可以预设需要监控的埋伏点,对埋伏点的视频进行特征匹配;当目标出现在埋伏点时,特征匹配成功,将自动触发跟踪流程。
S404、对跟踪目标进行特征分析,提取目标特征信息列表;
优选的,本步骤可进一步包括:对跟踪目标的尺寸大小、颜色、面部特征、手持物品特征、运动特征、运动方向等信息中的一种或者任意种组合进行分析,提取目标特征信息列表。
作为本实施例的一种优选方案,本步骤中还可以包括可疑情景设定,比如遮挡,高速奔跑,遮面等特征,若目标在主屏幕消失后,可疑情况等同于匹配成功,并将其列入按优先级排序的已匹配列表。可选的,可提供至少两个最高优先级的已匹配的视频供用户人工参考,以提高自动匹配的精度和准确性。
S406、通过GIS子***获取跟踪目标的当前位置的周边监控点列表。
具体来说,获取跟踪目标当前所处监控点的地理位置信息,通过GIS子***获取跟踪目标当前所处的监控点周边的监控点列表。视频监控子***根据周边监控点列表通过子***内部数据库查询这些监控点的所有监控摄像头。
S408、获取周边监控点列表中的每一路视频流,并根据目标特征信息列表和预设的特征匹配策略进行实时计算跟踪目标当前所在的监控摄像头。
优选的,本步骤可进一步包括:获取监控点列表中涉及的每一路视频流,并将其接入云计算平台;云计算平台为每一路视频分配一个云计算任务,并按目标特征信息列表中的每个特征调用视频分析引擎对视频帧进行特征分析,根据每个特征的分析结果和特征匹配策略得到每一路视频的匹配结果,从而得到跟踪目标当前所在的监控摄像头。
S410、判断在预定的时间段内是否匹配跟踪目标不成功,如果是,则返回步骤S402,否则执行步骤S412。
S412、将主视频切换到跟踪目标所在的监控摄像头,返回步骤S402。
具体来说,判断是否在预定的时间段内匹配跟踪目标不成功,如果是,则返回步骤S402通过人工定位跟踪目标;如果匹配跟踪目标成功,则将主视频切换到跟踪目标所在的监控摄像头,返回步骤S402通过自动定位跟踪目标。
本发明实施例提供的方法,借助云计算的实时计算能力保证视频图像识别的并发性、时效性和可靠性;同时,借助于GIS***保证对运动目标可能出现的下一个监控点实施监控和自动化分析,提高了目标跟踪效率,最大限度的减少人力成本和人为误差、提高跟踪效率。
实施例3
如图5所示为本发明优选实施例提供的一种计算运动目标所在监控点的方法流程图,该方法包括:
S502、云计算平台为每一路视频分配一个云计算任务;
具体来说,获取监控点列表中涉及的每一路视频流,为监控点列表中涉及的每一路视频流建立一个云计算任务,根据云计算任务的目标特征描述,为每一项目标特征建立一个子任务,并为每一项子任务分配足够的计算资源,包括CPU、内存、网络带宽等。其中,一个监控点按拍摄角度不同可以支持多路视频数据流。
每一项云计算任务包含准确的任务描述,其中至少包括任务输入描述和输出描述信息。任务输入描述至少包括目标特征描述和匹配策略描述,任务输出描述至少包括匹配成功之后行为指令。
S504、将每一个云计算任务按目标特征分解为至少一个子任务,为每一个子任务分配计算资源启动视频分析引擎;
具体来说,云计算平台根据目标特征信息列表,将一个任务按目标特征分解为至少一个子任务,并为每个子任务绑定视频分析引擎,用特征描述与匹配策略描述初始化视频分析引擎,按子任务启动视频分析引擎。
S506、视频分析引擎对视频帧按子任务描述要求进行实时分析,根据目标特征信息实施图像匹配,并将图像匹配结果输出给云计算平台;
可选的,视频分析引擎可以运用多种图像处理技术,对每帧图像进行分区分块处理,实施精确的图像搜索和匹配算法。同时也可以借助云平台,实现至少一个区块的分布式并行计算以提高计算效率,提高实时反馈效果。
S508、云计算平台将每路视频子任务的分析结果按加权策略计算总权值;
本步骤中,云计算平台收集视频分析引擎产生的特征分析结果,为了增加匹配的精确度,本实施例中预设的特征匹配策略采用每个目标特征信息的匹配权重,即给所要匹配的特征按可鉴别程度赋予不同的权值。举例来说,单个权值空间为[0,100]。鉴于目标面部特征具有很高的识别价值,可以赋予90权值;目标遮挡、剧变、快速逃逸等特征具有一定的参考价值,可以赋予60的权重;物体大小、手持物、步态等特征具有较小参考价值,可以赋予30的权重;而颜色、发型等特征因为同一视频中重复点较多,因此可以适当赋予5的权重。以上仅为一种分配权值举例,实际中可以根据需要采用多种不同的组合方式。最终,每一路视频将产生所有特征的权重总和,即总权值。
S510、判断是否存在某路视频的总权值超过预设的阀值,如果是,则执行步骤S512;否则执行步骤S514。
S512、输出该路视频匹配成功信号。
S514、输出视频匹配失败信号。
本发明实施例提供的方法,云计算任务执行过程中,一旦发现特征匹配成立,将按照任务输出配置的要求,发送匹配成功信号给自动跟踪控制***。借助云计算的实时计算能力保证视频图像识别的并发性、时效性和可靠性。
实施例4
如图6所示为本发明优选实施例提供的一种人工触发运动目标实时跟踪方法的流程图。
S1、启动视频监控子***。
S2、人工切换主视频。
具体来说,通过主视频切换装置将重要监控点接入主视频。人工监视是否有可疑目标出现。
S3、判断是否发现可疑目标,如果是,执行步骤S4,否则执行步骤S2。
S4、人工圈定跟踪目标。
具体来说,用户可以任意切换视频,一旦发现视频中有需要跟踪的目标,通过人工圈定跟踪目标装置,指定跟踪目标。
S5、对跟踪目标进行尺寸特征分析。
S6、对跟踪目标进行颜色特征分析。
具体来说,颜色特征可以是服装颜色,还可以是头发颜色。
S7、对跟踪目标进行运动特征分析。
具体来说,运动特征分析包括运动方向和运动速度分析。
S8、对跟踪目标进行面部特征分析。
S9、对跟踪目标进行其他特征分析。
举例来说,其他特征分析可以是手持物品特征分析,还可以是可疑情景设定,比如遮挡,高速奔跑,遮面等特征,若目标在主屏幕消失后,可疑情景出现等同于匹配成功。
S10、查询GIS获取当前监控点的周边监控点列表,以进一步获取周边监控摄像头列表。
具体来说,根据目标当前位置或指定位置向GIS子***查询其周边监控点列表,将监控点列表信息发送给视频监控子***,视频监控子***根据周边监控点列表查询周边摄像头列表。
S11、将周边摄像头列表和特征信息列表及匹配策略发送给图像识别子***。
S12、图像识别子***通过云计算平台为每一路视频创建任务。
具体来说,图像识别子***通过云计算接口为每一路视频建立一个云计算任务,为每一项特征创建一个子任务。云计算平台为每一项子任务分配计算资源,其中包括CPU,内存和网络带宽,以保证计算质量。
S13、视频监控子***指示摄像子***发送视频流到图像识别子***。
具体来说,图像识别子***完成任务资源分配,向视频监控子***发送传输视频指令。视频监控子***通过摄像子***将视频流传送给图像识别子***的每一个子任务。
S14、图像识别子***等待跟踪控制子***启动命令,对视频流进行智能分析,并设置超时值。
具体来说,跟踪控制子***判断目标在主视频中消失,发送匹配启动指令给图像识别子***,图像识别子***开始对视频流进行智能分析,并设置超时值。
S15、判断是否产生匹配信号,如果是,执行步骤S16,否则返回步骤S2。
具体来说,跟踪控制子***等待图像识别子***的匹配成功信号,图像识别子***在指定时间内仍然没有产生匹配成功信号,跟踪控制子***自动产生失配信号,并进入人工搜索方式,以避免目标丢失,同时跟踪控制子***重置图像识别子***中相关任务。
S16:自动切换主视频。
具体来说,跟踪控制子***通知视频监控子***自动切换主视频,视频监控子***被切换主视频之后,跟踪控制子***将继续对主屏幕中的被跟踪目标进行特征分析和调整。若发现部分特征有变化,则更新特征分析结果,通知图像识别子***的相关特征信息更新。
之后,跟踪控制子***再次通过GIS子***获取新位置的周边监控点列表,进一步通过视频监控子***获取周边视频监控摄像头列表。然后重复步骤S11,如此往复,实现对运动目标的实时,自动化跟踪。
实施例5
如图7所示为本发明优选实施例提供的一种自动触发运动目标实时跟踪方法的流程图,该方法在图6基础上,增加了预设功能,需要说明的是,本实施例中,在人工预设场景下,仍然可以做人工主视频切换。步骤S2-S9效果上等同于下述步骤S2A-S2B。其区别是S2-S9是通过现场主视屏圈定方式获取跟踪目标及其当前监控点。而下述S2A-S2B是通过预设方式确定跟踪目标对象及其可能出现的监控点。不论哪种方式,后续启动智能分析的流程都是一样的。使用预设功能的场景下,该方法包括:
S1、启动视频监控子***。
S2A、预设埋伏点。
具体来说,可以根据跟踪目标可能出现的监控点来预设埋伏点。这里可以设置多个埋伏点。
S2B、预设目标特征信息列表。
具体来说,根据已知信息,预设需要跟踪目标的特征数据,并设定匹配策略。
S10、通过GIS子***查询周边监控点列表。
具体来说,通过GIS子***,查询预设的监控点周边监控点列表,进而通过视频监控子***获取周边视频摄像头列表。
之后,后续步骤S11~步骤S16与实施例4(图6)完全相同,因此不再累述。
本发明实施例提供的***和方法,与现有技术相比,整合了GIS技术、云计算技术和图像识别技术,对运动目标的跟踪实现实时性和自动化。借助云计算的实时计算能力保证视频图像识别的并发性、时效性和可靠性;同时,借助于GIS***保证对运动目标可能出现的下一个监控点实施监控和自动化分析,提高了目标跟踪效率;此外,还通过多特征匹配策略,提高了自动匹配的精确度。最大限度的减少人力成本和人为误差、提高跟踪效率。
以上参照附图说明了本发明的优选实施例,并非因此局限本发明的权利范围。本领域技术人员不脱离本发明的范围和实质内所作的任何修改、等同替换和改进,均应在本发明的权利范围之内。
Claims (10)
1.一种运动目标实时跟踪***,包括视频监控子***和由至少一个以上的监控摄像头组成的摄像子***,其特征在于,该***还包括:GIS子***、基于云计算的图像识别子***和跟踪控制子***,其中:
所述GIS子***,用于提供跟踪目标的当前位置的周边监控点列表;
所述视频监控子***,用于控制周边监控点列表中的每一路监控摄像头将视频流数据发送给所述图像识别子***;还用于将主视频切换到跟踪目标当前所在的监控摄像头;
所述图像识别子***,用于获取所述周边监控点列表中的每一路视频流,并根据目标特征信息列表和预设的特征匹配策略进行实时计算跟踪目标当前所在的监控摄像头,并将计算结果发送给所述跟踪控制子***;
所述跟踪控制子***,用于对跟踪目标进行特征分析,提取目标特征信息列表,将所述目标特征信息列表和预设的特征匹配策略发送给所述图像识别子***;还用于向所述GIS子***查询跟踪目标的当前位置的周边监控点列表,并发送给所述视频监控子***;还用于接收到目标匹配成功信号后,控制所述视频监控子***切换主视频。
2.根据权利要求1所述的运动目标实时跟踪***,其特征在于,所述跟踪控制子***进一步包括目标接收模块、特征提取模块、监控点获取模块和控制模块,其中:
目标接收模块,用于接收通过人工或自动定位的跟踪目标;
特征提取模块,用于对跟踪目标进行特征分析,提取目标特征信息列表,将所述目标特征信息列表和预设的特征匹配策略发送给所述图像识别子***;
监控点获取模块,用于向所述GIS子***查询跟踪目标的当前位置的周边监控点列表,并将所述周边监控点列表发送给所述视频监控子***;
控制模块,用于接收到目标匹配成功信号后,控制所述视频监控子***切换主视频。
3.根据权利要求1所述的运动目标实时跟踪***,其特征在于,所述图像识别子***进一步包括信息接收模块、云计算平台、视频分析引擎和信息发送模块,其中:
信息接收模块,用于获取目标特征信息列表和特征匹配策略,还用于获取跟踪目标当前位置的周边监控点列表中的每一路视频流;
云计算平台,用于为每一路视频分配一个云计算任务,并按目标特征信息列表中的每个特征调用视频分析引擎对视频帧进行特征分析,根据每个特征的分析结果和所述特征匹配策略得到每一路视频的匹配结果;
视频分析引擎,用于根据所述云计算平台输入的特征信息对视频帧进行分析,将特征分析结果返回给所述云计算平台;
信息发送模块,用于当特征匹配成功时,发送匹配成功信号给所述跟踪控制子***,还用于在预定的时间段内匹配不成功时,发送匹配失败信号给所述跟踪控制子***。
4.根据权利要求3所述的运动目标实时跟踪***,其特征在于,所述云计算平台具体用于:为每一路视频分配一个云计算任务,并根据目标特征信息列表,将所述云计算任务按目标特征分解成至少两个子任务;为每一个子任务分配计算资源调用视频分析引擎对视频帧按子任务描述要求进行特征分析;收集视频分析引擎产生的特征分析结果,将每路视频的每个子任务的分析结果按加权策略计算总权值;如果某路视频的总权值超过预设的阀值,则通知所述信息发送模块向所述跟踪控制子***发送该路视频匹配成功信号。
5.一种运动目标实时跟踪方法,其特征在于,该方法包括:
A、接收通过人工或自动定位的跟踪目标;
B、对所述跟踪目标进行特征分析,提取目标特征信息列表;
C、通过GIS***获取所述跟踪目标的当前位置的周边监控点列表;
D、获取所述周边监控点列表中的每一路视频流,并根据目标特征信息列表和预设的特征匹配策略进行实时计算跟踪目标当前所在的监控摄像头;
E、如果在预定的时间段内匹配跟踪目标不成功,则返回步骤A;如果匹配跟踪目标成功,则将主视频切换到跟踪目标当前所在的监控摄像头,返回步骤A。
6.根据权利要求5所述的运动目标实时跟踪方法,其特征在于,
所述接收通过人工定位跟踪目标包括:接收到人工在视频中圈定的跟踪目标;
所述接收通过自动定位跟踪目标包括:接收到预设的目标特征信息在视频中匹配成功的信号。
7.根据权利要求5所述的运动目标实时跟踪方法,其特征在于,
所述目标特征信息列表包括:跟踪目标的尺寸大小、颜色、面部特征、手持物品特征、运动特征、运动方向、和/或可疑场景;
所述预设的特征匹配策略包括:每个目标特征信息在视频匹配中所占的权重。
8.根据权利要求5所述的运动目标实时跟踪方法,其特征在于,所述将主视频切换到跟踪目标所在的监控摄像头进一步包括:当同时有至少两路视频匹配成功时,将主视频区域以多分屏的形式切换到至少两个监控摄像头。
9.根据权利要求5-8任意一项权利要求所述的运动目标实时跟踪方法,其特征在于,获取所述周边监控点列表中的每一路视频流,并根据目标特征信息列表和预设的特征匹配策略进行实时计算跟踪目标当前所在的监控摄像头进一步包括:
获取监控点列表中涉及的每一路视频流,并将其接入云计算平台;
云计算平台为每一路视频分配一个云计算任务,并按目标特征信息列表中的每个特征调用视频分析引擎对视频帧进行特征分析,根据每个特征的分析结果和所述特征匹配策略得到每一路视频的匹配结果,从而得到跟踪目标当前所在的监控摄像头。
10.根据权利要求9所述的运动目标实时跟踪方法,其特征在于,所述云计算平台为每一路视频分配一个云计算任务,并按目标特征信息列表中的每个特征调用视频分析引擎对视频帧进行特征分析,根据每个特征的分析结果和所述特征匹配策略得到每一路视频的匹配结果,进一步包括:
云计算平台为每一路视频分配一个云计算任务;
将每一个云计算任务按目标特征分解为至少两个子任务,为每一个子任务分配计算资源启动视频分析引擎;
视频分析引擎对视频帧按子任务描述要求进行实时分析,根据目标特征信息实施图像匹配,并将图像匹配结果输出给云计算平台;
云计算平台将每一路视频子任务的分析结果按加权策略计算总权值;
如果某路视频的总权值超过预设的阀值,则输出该路视频匹配成功信号,否则输出匹配失败信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310460163.3A CN103533303A (zh) | 2013-09-30 | 2013-09-30 | 一种运动目标实时跟踪***和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310460163.3A CN103533303A (zh) | 2013-09-30 | 2013-09-30 | 一种运动目标实时跟踪***和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103533303A true CN103533303A (zh) | 2014-01-22 |
Family
ID=49934924
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310460163.3A Pending CN103533303A (zh) | 2013-09-30 | 2013-09-30 | 一种运动目标实时跟踪***和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103533303A (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105306892A (zh) * | 2015-10-26 | 2016-02-03 | 中国电子科技集团公司第二十八研究所 | 一种证据链形式的船舶视频的生成及显示方法 |
WO2016119368A1 (zh) * | 2015-01-29 | 2016-08-04 | 中兴通讯股份有限公司 | 目标跟踪方法及装置 |
CN106060465A (zh) * | 2016-06-20 | 2016-10-26 | 陈�胜 | 基于电子地图和视频监控的动态目标追踪***及追踪方法 |
CN107277461A (zh) * | 2017-07-29 | 2017-10-20 | 安徽博威康信息技术有限公司 | 一种基于定位识别的智能监测报警方法 |
CN107277460A (zh) * | 2017-07-29 | 2017-10-20 | 安徽博威康信息技术有限公司 | 一种基于身份识别的智能监测报警方法 |
CN107403535A (zh) * | 2017-07-29 | 2017-11-28 | 安徽博威康信息技术有限公司 | 一种基于身份识别的监测报警*** |
CN108205643A (zh) * | 2016-12-16 | 2018-06-26 | 同方威视技术股份有限公司 | 图像匹配方法和装置 |
CN108652678A (zh) * | 2018-03-13 | 2018-10-16 | 北京峰誉科技有限公司 | 一种自动跟踪尿液的方法及装置 |
CN108924429A (zh) * | 2018-08-27 | 2018-11-30 | Oppo广东移动通信有限公司 | 一种预览画面显示方法、预览画面显示装置及终端设备 |
CN109819207A (zh) * | 2018-12-25 | 2019-05-28 | 深圳市天彦通信股份有限公司 | 目标查找方法及相关设备 |
CN109862323A (zh) * | 2019-02-20 | 2019-06-07 | 北京旷视科技有限公司 | 多路视频的播放方法、装置及处理设备 |
CN110730333A (zh) * | 2019-10-23 | 2020-01-24 | 深圳震有科技股份有限公司 | 监控视频切换处理方法及装置、计算机设备、介质 |
CN110858888A (zh) * | 2018-08-22 | 2020-03-03 | 视联动力信息技术股份有限公司 | 一种监控数据的播放方法和装置 |
CN110996043A (zh) * | 2019-10-25 | 2020-04-10 | 上海飞宽通信技术有限公司 | 一种智慧警务监查管理*** |
CN111615057A (zh) * | 2020-06-02 | 2020-09-01 | 山东工业职业学院 | 一种认知辨识的智能监控方法及*** |
CN112182300A (zh) * | 2020-09-28 | 2021-01-05 | 深圳市多酷科技有限公司 | 一种自动跟踪装置和方法 |
CN114241002A (zh) * | 2021-12-14 | 2022-03-25 | 中国电信股份有限公司 | 基于云边协同的目标跟踪方法、***、设备和介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030171939A1 (en) * | 2002-01-23 | 2003-09-11 | Millennium Information Systems Llc | Method and apparatus for prescreening passengers |
CN102045549A (zh) * | 2010-12-28 | 2011-05-04 | 天津市亚安科技电子有限公司 | 一种控制监控设备联动跟踪运动目标的方法及装置 |
CN102724482A (zh) * | 2012-06-18 | 2012-10-10 | 西安电子科技大学 | 基于gps和gis的智能视觉传感网络运动目标接力跟踪*** |
CN102752574A (zh) * | 2011-04-18 | 2012-10-24 | 中兴通讯股份有限公司 | 一种视频监控***及方法 |
-
2013
- 2013-09-30 CN CN201310460163.3A patent/CN103533303A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030171939A1 (en) * | 2002-01-23 | 2003-09-11 | Millennium Information Systems Llc | Method and apparatus for prescreening passengers |
CN102045549A (zh) * | 2010-12-28 | 2011-05-04 | 天津市亚安科技电子有限公司 | 一种控制监控设备联动跟踪运动目标的方法及装置 |
CN102752574A (zh) * | 2011-04-18 | 2012-10-24 | 中兴通讯股份有限公司 | 一种视频监控***及方法 |
CN102724482A (zh) * | 2012-06-18 | 2012-10-10 | 西安电子科技大学 | 基于gps和gis的智能视觉传感网络运动目标接力跟踪*** |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016119368A1 (zh) * | 2015-01-29 | 2016-08-04 | 中兴通讯股份有限公司 | 目标跟踪方法及装置 |
CN105306892B (zh) * | 2015-10-26 | 2018-02-13 | 中国电子科技集团公司第二十八研究所 | 一种证据链形式的船舶视频的生成及显示方法 |
CN105306892A (zh) * | 2015-10-26 | 2016-02-03 | 中国电子科技集团公司第二十八研究所 | 一种证据链形式的船舶视频的生成及显示方法 |
CN106060465A (zh) * | 2016-06-20 | 2016-10-26 | 陈�胜 | 基于电子地图和视频监控的动态目标追踪***及追踪方法 |
CN108205643A (zh) * | 2016-12-16 | 2018-06-26 | 同方威视技术股份有限公司 | 图像匹配方法和装置 |
CN107277461A (zh) * | 2017-07-29 | 2017-10-20 | 安徽博威康信息技术有限公司 | 一种基于定位识别的智能监测报警方法 |
CN107403535A (zh) * | 2017-07-29 | 2017-11-28 | 安徽博威康信息技术有限公司 | 一种基于身份识别的监测报警*** |
CN107277460A (zh) * | 2017-07-29 | 2017-10-20 | 安徽博威康信息技术有限公司 | 一种基于身份识别的智能监测报警方法 |
CN108652678A (zh) * | 2018-03-13 | 2018-10-16 | 北京峰誉科技有限公司 | 一种自动跟踪尿液的方法及装置 |
CN108652678B (zh) * | 2018-03-13 | 2024-05-17 | 上海科勒电子科技有限公司 | 一种自动跟踪尿液的方法及装置 |
CN110858888A (zh) * | 2018-08-22 | 2020-03-03 | 视联动力信息技术股份有限公司 | 一种监控数据的播放方法和装置 |
CN108924429A (zh) * | 2018-08-27 | 2018-11-30 | Oppo广东移动通信有限公司 | 一种预览画面显示方法、预览画面显示装置及终端设备 |
CN108924429B (zh) * | 2018-08-27 | 2020-08-21 | Oppo广东移动通信有限公司 | 一种预览画面显示方法、预览画面显示装置及终端设备 |
CN109819207A (zh) * | 2018-12-25 | 2019-05-28 | 深圳市天彦通信股份有限公司 | 目标查找方法及相关设备 |
CN109819207B (zh) * | 2018-12-25 | 2020-07-21 | 深圳市天彦通信股份有限公司 | 目标查找方法及相关设备 |
CN109862323A (zh) * | 2019-02-20 | 2019-06-07 | 北京旷视科技有限公司 | 多路视频的播放方法、装置及处理设备 |
CN110730333A (zh) * | 2019-10-23 | 2020-01-24 | 深圳震有科技股份有限公司 | 监控视频切换处理方法及装置、计算机设备、介质 |
CN110996043A (zh) * | 2019-10-25 | 2020-04-10 | 上海飞宽通信技术有限公司 | 一种智慧警务监查管理*** |
CN111615057A (zh) * | 2020-06-02 | 2020-09-01 | 山东工业职业学院 | 一种认知辨识的智能监控方法及*** |
CN112182300A (zh) * | 2020-09-28 | 2021-01-05 | 深圳市多酷科技有限公司 | 一种自动跟踪装置和方法 |
CN114241002A (zh) * | 2021-12-14 | 2022-03-25 | 中国电信股份有限公司 | 基于云边协同的目标跟踪方法、***、设备和介质 |
CN114241002B (zh) * | 2021-12-14 | 2024-02-02 | 中国电信股份有限公司 | 基于云边协同的目标跟踪方法、***、设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103533303A (zh) | 一种运动目标实时跟踪***和方法 | |
CN109343050B (zh) | 一种雷达视频监测方法及装置 | |
US8855369B2 (en) | Self learning face recognition using depth based tracking for database generation and update | |
RU2670429C1 (ru) | Системы и способы отслеживания движущихся объектов на видеоизображении | |
CN110929669B (zh) | 数据标注方法及装置 | |
US9959651B2 (en) | Methods, devices and computer programs for processing images in a system comprising a plurality of cameras | |
CN110659391A (zh) | 一种视频侦查方法及装置 | |
CN106933861A (zh) | 一种支持特征自定义的跨镜头目标检索方法 | |
CN112785628A (zh) | 一种基于全景视角检测跟踪的轨迹预测方法及*** | |
CN113192105A (zh) | 一种室内多人追踪及姿态估量的方法及装置 | |
CN112163503A (zh) | 办案区人员无感轨迹生成方法、***、存储介质及设备 | |
CN113910224A (zh) | 机器人跟随的方法、装置及电子设备 | |
Kyrkou | C 3 Net: end-to-end deep learning for efficient real-time visual active camera control | |
CN115690545B (zh) | 训练目标跟踪模型和目标跟踪的方法和装置 | |
CN114071015A (zh) | 一种联动抓拍路径的确定方法、装置、介质及设备 | |
JP2021103881A (ja) | 情報処理装置、制御方法、及びプログラム | |
Satybaldina et al. | Development of an algorithm for abnormal human behavior detection in intelligent video surveillance system | |
CN115767424A (zh) | 一种基于rss与csi融合的视频定位方法 | |
Jain et al. | CamAspect: an intelligent automated real-time surveillance system with smartphone indexing | |
CN115278014A (zh) | 一种目标跟踪方法、***、计算机设备及可读介质 | |
CN114926901A (zh) | 运动检测方法、装置、电子设备以及存储介质 | |
CN115690554A (zh) | 目标识别方法、***、电子设备及存储介质 | |
KR102466433B1 (ko) | 영상 분석 기반 작업 동작 인식 장치 및 방법 | |
Bagdanov et al. | Acquisition of high-resolution images through on-line saccade sequence planning | |
Sharma | Intelligent Querying in Camera Networks for Efficient Target Tracking. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140122 |