CN106126680A - 一种视频图像侦察方法及*** - Google Patents
一种视频图像侦察方法及*** Download PDFInfo
- Publication number
- CN106126680A CN106126680A CN201610496887.7A CN201610496887A CN106126680A CN 106126680 A CN106126680 A CN 106126680A CN 201610496887 A CN201610496887 A CN 201610496887A CN 106126680 A CN106126680 A CN 106126680A
- Authority
- CN
- China
- Prior art keywords
- video
- picture
- target
- merit
- input video
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000004458 analytical method Methods 0.000 claims abstract description 26
- 238000012544 monitoring process Methods 0.000 claims description 15
- 239000000284 extract Substances 0.000 claims description 14
- 238000011835 investigation Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 11
- 239000012141 concentrate Substances 0.000 claims description 9
- 238000012546 transfer Methods 0.000 claims description 8
- 230000033001 locomotion Effects 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 5
- 230000008030 elimination Effects 0.000 claims description 4
- 238000003379 elimination reaction Methods 0.000 claims description 4
- 238000005286 illumination Methods 0.000 claims description 4
- 238000003702 image correction Methods 0.000 claims description 4
- 239000003595 mist Substances 0.000 claims description 4
- 230000003068 static effect Effects 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 210000000056 organ Anatomy 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000011840 criminal investigation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/7847—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using low-level visual features of the video content
- G06F16/786—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using low-level visual features of the video content using motion, e.g. object motion or camera motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/7847—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using low-level visual features of the video content
- G06F16/785—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using low-level visual features of the video content using colour or luminescence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/7847—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using low-level visual features of the video content
- G06F16/7857—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using low-level visual features of the video content using texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Library & Information Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种视频图像侦察方法及***,用案情自动采集、分析、锁定嫌疑对象、确认犯罪主体等技术手段,能够将案件、线索(人、车、物)、资源(视频、图像)信息有效结合,并通过多种研判分析手段查找相关证据、生成相关报告,进一步达到确认嫌疑主体的目的。
Description
技术领域
本发明涉及视频监控技术领域,特别涉及一种视频图像侦察方法及***。
背景技术
当前公安机关通过摘要、检索、图像增强等相关技术对各类的视频图像资源进行分析、研判,从中查找相关嫌疑人、嫌疑车辆、涉案物品等重要线索,为抓捕工作提供重要依据,相关视频图像信息可作为诉讼证据。但有效的视频图像资源获取不及时、不准确、效率低等问题,往往使公安机关的侦查人员错过了最佳的破案时机。
公安机关需对视频图像侦查的业务进行智能化、流程化梳理,以案件的侦破为核心,从刑警的办案流程出发,使案件中证据的采集、研判、分析、作案现场还原、犯罪嫌疑人身份比对等过程一体化,进一步提高公安机关侦查效率,缩短反应时间及人力耗费。
一方面,公安机关有各类的视频图像数据,另一方面公安机关还有大量的案件信息,这些信息数据被分隔在无数个小岛上,相互之间没有关联,使得这些信息不能作为一种资源被公安机关有效的利用。
发明内容
本发明提供一种视频图像侦察方法及***,用以将案件、线索(人、车、物)、资源(视频、图像)信息有效结合,并通过多种研判分析手段查找相关证据、生成相关报告,进一步达到确认嫌疑主体的目的。
本发明提供一种视频图像侦察方法,包括:
根据案情基本信息,初步划定监控视频录像的调取范围,根据所述调取范围获取相关的监控视频录像作为输入视频/图片;
将所述输入视频/图片进行数据预处理,提取出海量视频/图片中的运动目标,生成浓缩视频;
通过调看所述浓缩视频,进行目标筛查、比对分析,从中初步确定嫌疑目标;
对所述嫌疑目标在所述输入视频/图像中进行目标搜索,确定嫌疑对象;
对所述嫌疑对象进行研判分析与目标甄别,确定犯罪主体。
所述方法还包括:
通过现场勘查、询问见证人方式,获取有价值的案件线索,生成案情基本信息。
所述根据所述调取范围获取相关的监控视频录像作为输入视频/图片,包括:
平台资源定位:根据案件地点搜索提取监控点相关时间段内的历史视频,根据案件时间地点搜索获得卡口资源的历史视频作为输入视频/图片;
非平台资源定位:通过在线拷贝方式下载其它监控***的视频录像;现场离线采集监控录像,从目标硬盘快速采集至备份硬盘,作为输入视频/图片。
所述将所述输入视频/图片进行数据预处理,包括:
从视频数据中分离静态、非移动的背景和移动前景,对前景相关事件进行萃取,提取运动目标特征,进行标记并保存进视频目标信息数据库,生成视频对象的特征索引。
所述方法还包括:
根据视频摘要创建的索引结果,查看摘要后的浓缩视频,根据摘要索引精确定位目标,从视频监控平台回溯输入视频/图片;
根据已知的嫌疑目标特征信息、样例图片和语义描述,进行目标搜索,搜索结果以查询条件相似度高低排列,同时通过原始视频回溯、视频目标比对,确定嫌疑对象;所述嫌疑目标特征信息包括但不限于:颜色、纹理、运动方向、速度。
所述方法还包括:
对所述输入视频/图片、浓缩视频进行图像增强,包括但不限于:锐化、平滑、亮度/对比度、光照补偿、去强光照、去雾、去模糊、去随机噪声、去条纹噪声、畸变图像校正。
一种视频图像侦察***,包括资源收集模块、信息处理模块、研判分析模块和侦查结束模块;具体如下:
所述资源收集模块,用于收集案情资源和案情基本信息;根据案情基本信息,初步划定监控视频录像的调取范围,根据所述调取范围获取相关的监控视频录像作为输入视频/图片;
所述信息处理模块,用于将所述输入视频/图片进行数据预处理,提取出海量视频/图片中的运动目标,生成浓缩视频;
所述研判分析模块,用于通过调看所述浓缩视频,进行目标筛查、比对分析,从中初步确定嫌疑目标;对所述嫌疑目标在所述输入视频/图像中进行目标搜索,确定嫌疑对象;
所述侦查结束模块,用于对所述嫌疑对象进行研判分析与目标甄别,确定犯罪主体。
所述***还包括:
视频采集器,用于采集视频资源作为输入视频/图片;
案情确认模块,用于通过现场勘查、询问见证人方式,获取有价值的案件线索,生成案情基本信息。
所述***还包括:
存储服务器,用于存储所述输入视频/图片、浓缩视频和标引信息。
所述***还包括:
客户端,用于进行案情采集和输入。
本发明实施例中,采用案情自动采集、分析、锁定嫌疑对象、确认犯罪主体等技术手段,能够将案件、线索(人、车、物)、资源(视频、图像)信息有效结合,并通过多种研判分析手段查找相关证据、生成相关报告,进一步达到确认嫌疑主体的目的。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例1提供的视频图像侦察方法原理流程图。
图2为本发明实施例2提供的视频图像侦察方法的流程原理图。
图3为本发明实施例3提供的交互流程示意图。
图4为本发明实施例4提供的视频图像侦察***结构示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
如图1所示,为本发明实施例1提供的一种视频图像侦察方法原理流程图,其中,
步骤11,根据案情基本信息,初步划定监控视频录像的调取范围,根据所述调取范围获取相关的监控视频录像作为输入视频/图片;
步骤12,将所述输入视频/图片进行数据预处理,提取出海量视频/图片中的运动目标,生成浓缩视频;
步骤13,通过调看所述浓缩视频,进行目标筛查、比对分析,从中初步确定嫌疑目标;
步骤14,对所述嫌疑目标在所述输入视频/图像中进行目标搜索,确定嫌疑对象;
步骤15,对所述嫌疑对象进行研判分析与目标甄别,确定犯罪主体。
本发明实施例中,通过现场勘查、询问见证人方式,获取有价值的案件线索,生成案情基本信息。
所述根据所述调取范围获取相关的监控视频录像作为输入视频/图片,包括:
平台资源定位:根据案件地点搜索提取监控点相关时间段内的历史视频,根据案件时间地点搜索获得卡口资源的历史视频作为输入视频/图片;
非平台资源定位:通过在线拷贝方式下载其它监控***的视频录像;现场离线采集监控录像,从目标硬盘快速采集至备份硬盘,作为输入视频/图片。
所述将所述输入视频/图片进行数据预处理,包括:
从视频数据中分离静态、非移动的背景和移动前景,对前景相关事件进行萃取,提取运动目标特征,进行标记并保存进视频目标信息数据库,生成视频对象的特征索引。
所述方法还包括:
根据视频摘要创建的索引结果,查看摘要后的浓缩视频,根据摘要索引精确定位目标,从视频监控平台回溯输入视频/图片;
根据已知的嫌疑目标特征信息、样例图片和语义描述,进行目标搜索,搜索结果以查询条件相似度高低排列,同时通过原始视频回溯、视频目标比对,确定嫌疑对象;所述嫌疑目标特征信息包括但不限于:颜色、纹理、运动方向、速度。
所述方法还包括:
对所述输入视频/图片、浓缩视频进行图像增强,包括但不限于:锐化、平滑、亮度/对比度、光照补偿、去强光照、去雾、去模糊、去随机噪声、去条纹噪声、畸变图像校正。
本发明实施例中,采用案情自动采集、分析、锁定嫌疑对象、确认犯罪主体等技术手段,能够将案件、线索(人、车、物)、资源(视频、图像)信息有效结合,并通过多种研判分析手段查找相关证据、生成相关报告,进一步达到确认嫌疑主体的目的。
本发明实施例2提供的一种视频图像侦察方法,具体参见图2,其中,
1、案情确认
在视频图像智能侦查***中立案,根据已知的案情线索,进行初步的案情分析。
立案:通过与警综***的对接获取数据,确定案件类型、性质、案发时间、地点几项关键因子。
线索获取:通过民警的现场勘查、询问见证人等方式,获取有价值的案件线索。了解嫌疑人的相关信息,体貌特征信息;若为涉车案件,了解车辆的相关信息,如车牌、车型、颜色等信息。
2、资源收集
根据案情基本信息,初步划定监控视频录像的调取范围,从视频监控平台在线采集、视频导入、屏幕录制等方式获取相关的监控录像,同时提供视频采集盒、硬盘复制、移动硬盘等离线视频采集设备,无损提取捕获视频资源,解决当前困惑一线侦查工作中视频获取难与数据格式不同的问题。
平台资源定位:根据案件地点搜索提取监控点相关时间段内的历史视频,根据案件时间地点搜索获得卡口资源的历史视频。
非平台资源定位:通过在线拷贝方式下载其它监控***的视频录像;赶赴现场离线采集监控录像,从目标硬盘快速采集至备份硬盘,本***支持各类主流视频编码格式。
3、信息处理
视频分配:将现有视频、图片资源分配相应的人员进行查看,查找相关线索信息。
视频摘要、检索预处理:进行视频数据的数据预处理,利用视频摘要、检索工具对原始视频进行预处理,提取出海量视频中的运动目标,以浓缩短片的形式显示原始视频。从视频数据中分离背景(静态、非移动的对象)和前景(移动对象),对前景事件进行萃取,提取运动目标特征,进行标记并保存进视频目标信息数据库,即生成视频对象的特征索引。
4、研判分析
由侦查员通过调看视频对象索引结果,进行目标筛查,通过比对分析工作初步确定嫌疑目标,并对其进行标注。
线索排查:根据视频摘要创建的索引结果,查看摘要后的浓缩视频,可根据摘要索引精确定位目标,从视频监控平台回溯原始视频录像。
根据已知的嫌疑对象特征信息(颜色、纹理、运动方向、速度)、样例图片或语义描述,利用视频检索工具,进行目标搜索,搜索结果以查询条件相似度高低排列,同时通过原始视频回溯、视频目标比对,初步确定嫌疑对象。
在线索排查与嫌疑对象锁定过程中,遭到图像辨识度较低的问题,本***提供图像清晰化工具集进行图像增强,包括锐化、平滑、亮度/对比度、光照补偿、去强光照、去雾、去模糊、去随机噪声、去条纹噪声、畸变图像校正等,以改善实际监控图像的质量,为刑侦办案人员提供可辨识的关键信息。
对于涉车案件,在卡口***进行车辆布控,***自动识别车辆并描绘其行驶轨迹。
目标锁定:根据研判分析的线索与目标甄别,确定犯罪主体。
5、侦查结束
破获案件,由***自动案件总结报告,同时将案件侦查过程中的案件资料上传至图像资源库进行安全存储,在图像资源库中进行案件、视频、图片、语音、文本资源的统一管理和有效共享,以满足后续查阅需求,完成整个案件流程。
如图3所示,为本发明实施例3提供的交互流程图,其中,视频图像智能侦察发送摘要请求,获取视频文件列表,视频处理返回视频文件列表,并向存储服务器下载视频文件并摘要。视频图像智能侦察可以查询摘要进度,然后获取相关资料。
如图4所示,为本发明实施例3提供的一种视频图像侦察***结构示意图,包括资源收集模块41、信息处理模块42、研判分析模块43和侦查结束模块44;具体如下:
所述资源收集模块41,用于收集案情资源和案情基本信息;根据案情基本信息,初步划定监控视频录像的调取范围,根据所述调取范围获取相关的监控视频录像作为输入视频/图片;
所述信息处理模块42,用于将所述输入视频/图片进行数据预处理,提取出海量视频/图片中的运动目标,生成浓缩视频;
所述研判分析模块43,用于通过调看所述浓缩视频,进行目标筛查、比对分析,从中初步确定嫌疑目标;对所述嫌疑目标在所述输入视频/图像中进行目标搜索,确定嫌疑对象;
所述侦查结束模块44,用于对所述嫌疑对象进行研判分析与目标甄别,确定犯罪主体。
所述***还包括:
视频采集器45,用于采集视频资源作为输入视频/图片;
案情确认模块46,用于通过现场勘查、询问见证人方式,获取有价值的案件线索,生成案情基本信息。
所述***还包括:
存储服务器47,用于存储所述输入视频/图片、浓缩视频和标引信息。
所述***还包括:
客户端48,用于进行案情采集和输入。
综上所述,本发明实施例采用案情自动采集、分析、锁定嫌疑对象、确认犯罪主体等技术手段,能够将案件、线索(人、车、物)、资源(视频、图像)信息有效结合,并通过多种研判分析手段查找相关证据、生成相关报告,进一步达到确认嫌疑主体的目的。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种视频图像侦察方法,其特征在于,包括:
根据案情基本信息,初步划定监控视频录像的调取范围,根据所述调取范围获取相关的监控视频录像作为输入视频/图片;
将所述输入视频/图片进行数据预处理,提取出海量视频/图片中的运动目标,生成浓缩视频;
通过调看所述浓缩视频,进行目标筛查、比对分析,从中初步确定嫌疑目标;
对所述嫌疑目标在所述输入视频/图像中进行目标搜索,确定嫌疑对象;
对所述嫌疑对象进行研判分析与目标甄别,确定犯罪主体。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
通过现场勘查、询问见证人方式,获取有价值的案件线索,生成案情基本信息。
3.如权利要求1所述的方法,其特征在于,所述根据所述调取范围获取相关的监控视频录像作为输入视频/图片,包括:
平台资源定位:根据案件地点搜索提取监控点相关时间段内的历史视频,根据案件时间地点搜索获得卡口资源的历史视频作为输入视频/图片;
非平台资源定位:通过在线拷贝方式下载其它监控***的视频录像;现场离线采集监控录像,从目标硬盘快速采集至备份硬盘,作为输入视频/图片。
4.如权利要求1所述的方法,其特征在于,所述将所述输入视频/图片进行数据预处理,包括:
从视频数据中分离静态、非移动的背景和移动前景,对前景相关事件进行萃取,提取运动目标特征,进行标记并保存进视频目标信息数据库,生成视频对象的特征索引。
5.如权利要求1所述的方法,其特征在于,所述方法还包括:
根据视频摘要创建的索引结果,查看摘要后的浓缩视频,根据摘要索引精确定位目标,从视频监控平台回溯输入视频/图片;
根据已知的嫌疑目标特征信息、样例图片和语义描述,进行目标搜索,搜索结果以查询条件相似度高低排列,同时通过原始视频回溯、视频目标比对,确定嫌疑对象;所述嫌疑目标特征信息包括但不限于:颜色、纹理、运动方向、速度。
6.如权利要求1所述的方法,其特征在于,所述方法还包括:
对所述输入视频/图片、浓缩视频进行图像增强,包括但不限于:锐化、平滑、亮度/对比度、光照补偿、去强光照、去雾、去模糊、去随机噪声、去条纹噪声、畸变图像校正。
7.一种视频图像侦察***,其特征在于,包括资源收集模块、信息处理模块、研判分析模块和侦查结束模块;具体如下:
所述资源收集模块,用于收集案情资源和案情基本信息;根据案情基本信息,初步划定监控视频录像的调取范围,根据所述调取范围获取相关的监控视频录像作为输入视频/图片;
所述信息处理模块,用于将所述输入视频/图片进行数据预处理,提取出海量视频/图片中的运动目标,生成浓缩视频;
所述研判分析模块,用于通过调看所述浓缩视频,进行目标筛查、比对分析,从中初步确定嫌疑目标;对所述嫌疑目标在所述输入视频/图像中进行目标搜索,确定嫌疑对象;
所述侦查结束模块,用于对所述嫌疑对象进行研判分析与目标甄别,确定犯罪主体。
8.如权利要求7所述的***,其特征在于,所述***还包括:
视频采集器,用于采集视频资源作为输入视频/图片;
案情确认模块,用于通过现场勘查、询问见证人方式,获取有价值的案件线索,生成案情基本信息。
9.如权利要求7所述的***,其特征在于,所述***还包括:
存储服务器,用于存储所述输入视频/图片、浓缩视频和标引信息。
10.如权利要求7所述的***,其特征在于,所述***还包括:
客户端,用于进行案情采集和输入。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610496887.7A CN106126680A (zh) | 2016-06-29 | 2016-06-29 | 一种视频图像侦察方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610496887.7A CN106126680A (zh) | 2016-06-29 | 2016-06-29 | 一种视频图像侦察方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106126680A true CN106126680A (zh) | 2016-11-16 |
Family
ID=57285894
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610496887.7A Pending CN106126680A (zh) | 2016-06-29 | 2016-06-29 | 一种视频图像侦察方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106126680A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107506368A (zh) * | 2017-07-04 | 2017-12-22 | 青岛海信网络科技股份有限公司 | 一种类案嫌疑车辆的确定方法及装置 |
CN107944392A (zh) * | 2017-11-25 | 2018-04-20 | 周晓风 | 一种适用于小区卡口高密度人群监控视频目标标注的有效方法 |
CN108062805A (zh) * | 2017-11-03 | 2018-05-22 | 深圳市轱辘车联数据技术有限公司 | 一种车载数据处理方法和服务器 |
CN109803112A (zh) * | 2017-11-16 | 2019-05-24 | 中兴通讯股份有限公司 | 基于大数据的视频分析管理方法、装置及***、存储介质 |
CN109873979A (zh) * | 2019-01-07 | 2019-06-11 | 广东思理智能科技股份有限公司 | 一种基于摄像头的静态图像差异比对方法及装置 |
CN110163167A (zh) * | 2019-05-27 | 2019-08-23 | 福州外语外贸学院 | 候车厅内定向实时追踪方法及追踪*** |
CN110708509A (zh) * | 2019-10-10 | 2020-01-17 | 桂林理工大学 | 一种嫌疑犯追踪及特征快速提取的天眼网络视频监控方法 |
CN111368106A (zh) * | 2018-12-26 | 2020-07-03 | 中兴通讯股份有限公司 | 野广告处理方法、装置以及计算机可读存储介质 |
CN112270633A (zh) * | 2020-10-26 | 2021-01-26 | 河南金明源信息技术有限公司 | 一种基于大数据驱动的公益诉讼线索研判***和方法 |
CN112925899A (zh) * | 2021-02-09 | 2021-06-08 | 重庆中科云从科技有限公司 | 排序模型建立方法、案件线索推荐方法、装置及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101655860A (zh) * | 2009-09-16 | 2010-02-24 | 北京中盾安全技术开发公司 | 一种刑侦破案视频辅助分析方法及*** |
CN102819578A (zh) * | 2012-07-24 | 2012-12-12 | 武汉大千信息技术有限公司 | 视频侦查嫌疑目标分析***及方法 |
CN103020275A (zh) * | 2012-12-28 | 2013-04-03 | 苏州千视通信科技有限公司 | 基于视频摘要、视频检索的视频分析方法 |
CN103778159A (zh) * | 2012-10-26 | 2014-05-07 | 苏州千视通信科技有限公司 | 一种基于视频摘要和视频检索的视频侦查流程 |
US20150161453A1 (en) * | 2009-03-19 | 2015-06-11 | International Business Machines Corporation | Identifying spatial locations of events within video image data |
-
2016
- 2016-06-29 CN CN201610496887.7A patent/CN106126680A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150161453A1 (en) * | 2009-03-19 | 2015-06-11 | International Business Machines Corporation | Identifying spatial locations of events within video image data |
CN101655860A (zh) * | 2009-09-16 | 2010-02-24 | 北京中盾安全技术开发公司 | 一种刑侦破案视频辅助分析方法及*** |
CN102819578A (zh) * | 2012-07-24 | 2012-12-12 | 武汉大千信息技术有限公司 | 视频侦查嫌疑目标分析***及方法 |
CN103778159A (zh) * | 2012-10-26 | 2014-05-07 | 苏州千视通信科技有限公司 | 一种基于视频摘要和视频检索的视频侦查流程 |
CN103020275A (zh) * | 2012-12-28 | 2013-04-03 | 苏州千视通信科技有限公司 | 基于视频摘要、视频检索的视频分析方法 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107506368A (zh) * | 2017-07-04 | 2017-12-22 | 青岛海信网络科技股份有限公司 | 一种类案嫌疑车辆的确定方法及装置 |
CN108062805A (zh) * | 2017-11-03 | 2018-05-22 | 深圳市轱辘车联数据技术有限公司 | 一种车载数据处理方法和服务器 |
CN109803112A (zh) * | 2017-11-16 | 2019-05-24 | 中兴通讯股份有限公司 | 基于大数据的视频分析管理方法、装置及***、存储介质 |
CN107944392A (zh) * | 2017-11-25 | 2018-04-20 | 周晓风 | 一种适用于小区卡口高密度人群监控视频目标标注的有效方法 |
CN111368106A (zh) * | 2018-12-26 | 2020-07-03 | 中兴通讯股份有限公司 | 野广告处理方法、装置以及计算机可读存储介质 |
CN111368106B (zh) * | 2018-12-26 | 2024-04-26 | 中兴通讯股份有限公司 | 野广告处理方法、装置以及计算机可读存储介质 |
CN109873979A (zh) * | 2019-01-07 | 2019-06-11 | 广东思理智能科技股份有限公司 | 一种基于摄像头的静态图像差异比对方法及装置 |
CN110163167A (zh) * | 2019-05-27 | 2019-08-23 | 福州外语外贸学院 | 候车厅内定向实时追踪方法及追踪*** |
CN110708509A (zh) * | 2019-10-10 | 2020-01-17 | 桂林理工大学 | 一种嫌疑犯追踪及特征快速提取的天眼网络视频监控方法 |
CN112270633A (zh) * | 2020-10-26 | 2021-01-26 | 河南金明源信息技术有限公司 | 一种基于大数据驱动的公益诉讼线索研判***和方法 |
CN112270633B (zh) * | 2020-10-26 | 2024-02-06 | 河南金明源信息技术有限公司 | 一种基于大数据驱动的公益诉讼线索研判***和方法 |
CN112925899A (zh) * | 2021-02-09 | 2021-06-08 | 重庆中科云从科技有限公司 | 排序模型建立方法、案件线索推荐方法、装置及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106126680A (zh) | 一种视频图像侦察方法及*** | |
CN106534344B (zh) | 一种云平台视频处理***及其应用方法 | |
Li et al. | An anti-fraud system for car insurance claim based on visual evidence | |
CN107944017B (zh) | 一种视频中非机动车的检索方法 | |
CN109684913A (zh) | 一种基于社区发现聚类的视频人脸标注方法和*** | |
CN106557760A (zh) | 一种基于视频识别技术的图像画面检索过滤监控*** | |
CN102915432A (zh) | 一种车载微机图像视频数据提取方法及装置 | |
CN114120428A (zh) | 一种图码联侦关联方法、装置、计算机设备及存储介质 | |
Tung et al. | Large-scale object detection of images from network cameras in variable ambient lighting conditions | |
Uganya et al. | Crime Scene Object Detection from Surveillance Video by using Tiny YOLO Algorithm | |
CN112257740A (zh) | 基于知识图谱的图像隐患识别方法及其*** | |
Kiew et al. | Vehicle route tracking system based on vehicle registration number recognition using template matching algorithm | |
Shui et al. | End-to-end cell recognition by point annotation | |
CN109271859A (zh) | 串并案方法和装置、电子设备、计算机存储介质 | |
CN113139452A (zh) | 基于目标检测的使用手机行为的检测方法 | |
Li et al. | Incremental learning of infrared vehicle detection method based on SSD | |
Valldor et al. | Firearm detection in social media images | |
Yang et al. | Semi-automatic image and video annotation system for generating ground truth information | |
Kumar et al. | The Real Time Vehicle License Plate Identification System | |
CN114627540A (zh) | 一种用于会勘会检应用平台的人脸信息识别对比*** | |
Mante et al. | A survey on video-based evidence analysis and digital forensic | |
Ahmed et al. | An image-based digital forensic investigation framework for crime analysis | |
Bide et al. | Fakequipo: Deep fake detection | |
Fu et al. | Roadside traffic sign detection based on faster R-CNN | |
Zhu et al. | Person re-identification in the real scene based on the deep learning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161116 |