CN106529401A - 一种车辆反跟踪方法、装置及*** - Google Patents
一种车辆反跟踪方法、装置及*** Download PDFInfo
- Publication number
- CN106529401A CN106529401A CN201610851586.1A CN201610851586A CN106529401A CN 106529401 A CN106529401 A CN 106529401A CN 201610851586 A CN201610851586 A CN 201610851586A CN 106529401 A CN106529401 A CN 106529401A
- Authority
- CN
- China
- Prior art keywords
- target
- detected
- vehicle
- data
- risk
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请提供了一种车辆反跟踪方法、装置及***,包括:采集道路图像;对所述道路图像中的待检测目标进行识别,得到所述待检测目标的特征信息;在所述待检测目标满足预设预警条件时,将所述待检测目标的特征信息发送至用户终端。本申请可以在反跟踪预警时将相应目标的特征信息发送给用户,以便用户进一步判断自己是否真的被跟踪、真正处于危险中。
Description
技术领域
本申请涉及计算机视觉技术领域,尤其涉及一种车辆反跟踪方法、装置及***。
背景技术
反跟踪技术已有较多的应用场景,例如:防止狗仔队偷拍、防止记者非法跟踪曝光、保护刑警和政府官员、预防绑架等刑事犯罪等。
目前,反跟踪技术主要有以下两种方式:
1、识别车牌号,若持续一段时间在车辆的后方都出现同一车牌号,就向驾驶员发出预警提醒;
2、识别人脸,若车辆的周围连续一段时间都出现同一张人脸,就向驾驶员发出预警提醒。
由上可以看出,现有的判断是否被跟踪的逻辑为:若很长距离或在多个岔路口都通过车上的摄像头数据检测到同一车牌或人脸,则判断为被跟踪、发送警报。
现有技术不足在于:
现有的反跟踪方式只能通过预警来提醒用户,用户无法判断自己是否真正处于危险。
发明内容
本申请实施例提出了一种车辆反跟踪方法、装置及***,以解决现有技术中只能通过预警来提醒用户,用户无法判断自己是否真正处于危险的技术问题。
第一个方面,本申请实施例提供了一种车辆反跟踪方法,包括如下步骤:
采集道路图像;
对所述道路图像中的待检测目标进行识别,得到所述待检测目标的特征信息;
在所述待检测目标满足预设预警条件时,将所述待检测目标的特征信息发送至用户终端。
第二个方面,本申请实施例提供了一种车辆反跟踪装置,包括:
车载摄像头,用于采集道路图像;
检测识别模块,用于对所述道路图像中的待检测目标进行识别,得到所述待检测目标的特征信息;
发送模块,用于在所述待检测目标满足预设预警条件时,将所述待检测目标的特征信息发送至用户终端。
第三个方面,本申请实施例提供了一种车辆反跟踪***,包括上述车辆反跟踪装置、用户终端和云服务器,所述云服务器用于接收其他车辆的车辆反跟踪装置上传的数据、对所述数据进行分析并向所述车辆反跟踪装置发送高危数据。
有益效果如下:
由于本申请实施例所提供的车辆反跟踪方法、装置及***,对采集到的道路图像中的待检测目标进行识别,得到所述待检测目标的特征信息,在所述待检测目标满足预设预警条件时,将所述待检测目标的特征信息发送至用户终端,从而可以在反跟踪预警时将相应目标的特征信息发送给用户,以便用户进一步判断自己是否真的被跟踪、真正处于危险中。
附图说明
下面将参照附图描述本申请的具体实施例,其中:
图1示出了本申请实施例中车辆反跟踪方法实施的流程示意图;
图2示出了本申请实施例中车辆反跟踪产品实施的过程示意图;
图3示出了本申请实施例中车辆反跟踪装置的结构示意图一;
图4示出了本申请实施例中车辆反跟踪装置的结构示意图二;
图5示出了本申请实施例中车辆反跟踪装置的结构示意图三;
图6示出了本申请实施例中车辆反跟踪装置的结构示意图四;
图7示出了本申请实施例中车辆反跟踪装置的结构示意图五;
图8示出了本申请实施例中车辆反跟踪***的结构示意图。
具体实施方式
为了使本申请的技术方案及优点更加清楚明白,以下结合附图对本申请的示例性实施例进行进一步详细的说明,显然,所描述的实施例仅是本申请的一部分实施例,而不是所有实施例的穷举。并且在不冲突的情况下,本说明中的实施例及实施例中的特征可以互相结合。
针对现有技术的不足,本申请实施例提出了一种车辆反跟踪方法、装置及***,下面进行说明。
图1示出了本申请实施例中车辆反跟踪方法实施的流程示意图,如图所示,所述车辆反跟踪方法可以包括如下步骤:
步骤101、采集道路图像;
步骤102、对所述道路图像中的待检测目标进行识别,得到所述待检测目标的特征信息;
步骤103、在所述待检测目标满足预设预警条件时,将所述待检测目标的特征信息发送至用户终端。
具体实施时,采集道路图像可以通过预先安装在车辆顶部或尾部的1个或多个摄像头来采集获得,采集道路图像可以利用RGB相机来拍摄道路的RGB图像作为道路图像,也可以利用RGBD相机来拍摄道路的RGBD图像来作为道路图像。
所述道路图像中的待检测目标可以为跟随本车的人或车辆、或者人或车辆的一部分(例如:人脸、车牌号等),对所述道路图像中的待检测目标进行识别,可以得到所述待检测目标的特征信息,所述特征信息可以是用于标识所述待检测目标的信息,例如:特写图像、特征向量等。
当监控***确认所述待检测目标多次或长时间跟踪、出现在道路图像中时,可以向用户发送预警,告诉用户该目标疑似在跟踪。本申请实施例在所述待检测目标满足预设预警条件时,可以将所述待检测目标的特征信息发送至用户终端,用户在收到预警信息的同时可以看到所述待检测目标的特征信息,从而根据特征信息进一步确定自己是否被跟踪。
本申请实施例通过采集道路图像,对道路图像中的待检测目标进行识别得到所述目标的特征信息,在所述目标满足预警条件时,将所述目标的特征信息发送给用户,以便用户进一步确定自己是否被跟踪,从而做出精准的判断。
实施中,所述方法可以进一步包括:
确定所述待检测目标出现的时间地点信息;
根据所述待检测目标出现的时间地点信息得到所述待检测目标的轨迹信息,将所述待检测目标的轨迹信息发送至用户终端。
具体实施时,可以记录每一个待检测目标出现的时间、地点,然后根据出现的时间、地点信息得到该目标的轨迹信息,最终可以将每一个待检测目标的轨迹信息发送给用户终端展示给用户,也可以将确定符合预警条件的待检测目标跟踪的轨迹信息发送给用户终端展示给用户。
本申请实施例可以将目标的轨迹信息的显示图像称为追踪热点图,用户可以根据轨迹信息以及特征信息更加灵活的分辨出自己是否真正被跟踪、真正处于危险之中。例如:用户在上下班路线中被跟踪、出游路线同样被跟踪,说明用户可能处于危险中;或者,用户在某一特定地点被高频监视,特征信息标识有人拿相机,则可以说明用户的隐私很可能已经被侵犯。
为了突出追踪的程度、便于用户一目了然的了解自身所处环境,本申请实施还可以采用如下方式实施。
实施中,所述待检测目标的轨迹信息在所述用户终端的显示效果可以根据所述待检测目标出现在道路视频图像中的频次确定。
具体实施时,本申请实施例可以将历史的某一车辆追踪的轨迹画在地图上展示给用户,同一路线上追踪的频次越高、路线可以越高亮,当某一特定地点被高频监视时可以在图中显示一个高亮的点,从而可以使用户一目了然的知道自己被跟踪的情况。
发明人还注意到,现有技术存在以下问题:
1)误报率高,很容易将目的地相同的车辆(或者人)识别为跟踪;
2)漏报率高,对于踩点监视和短路径跟踪的情况无法识别和预警;
3)不能对历史可疑车辆和高危可疑车辆进行实时预警;
进一步地,为了解决现有技术存在的以下问题,本申请实施例还可以进行如下实施。
实施中,所述方法可以进一步包括:
根据所述待检测目标的特征信息以及所述待检测目标出现的时间地点信息,确定同一路径出现频率超过预设第一阈值和/或同一地点出现频率超过第二阈值的目标,将其作为高危目标加入黑名单;
当所述黑名单内的高危目标出现时向用户终端发送高危预警。
现有技术只能在车辆行驶的路线上判断某一待检测目标跟踪时间和距离是否过长,然后给出预警、发送警报,但这种方式并不能精准判断,误报率和漏报率等都比较高。
而本申请实施例可以结合历史时间数据、历史路径地点数据给出综合分析,例如:同一车辆或人在相同时间跟踪、同一车辆或人在相同路线上跟踪、同一车辆或人在相同时间地点踩点监视等,从而确保预警更加精准,减少误报或漏报。
实施中,所述方法可以进一步包括:
接收云端发送的高危数据,所述高危数据为预先在云端数据库设置的数据和/或其他车辆上传给云端的数据;
当所述高危数据相关的目标出现时向用户终端发送高危预警。
具体实施时,云端可以分析各个终端采集的高危数据,统计出出现频率高部分、或者出现地点集中和路线集中的部分,反馈给每一个前端设备重点防护;此外,云端还可以将公安、官方发布的逃犯人脸和犯罪车辆号牌反馈给用户端的监控装置,进行重点防护。
具体实施时,可以在当前位置为高危路段时接收发送的高危数据。
高危数据可以为包括待检测目标的特征信息,根据该特征信息可以确定该目标是否出现,当所述高危数据相关的目标出现时可以向用户终端发送高危预警。
本申请实施例可以通过云端整合罪犯人脸和犯罪车辆数据库,给出更全面的高危预警,而且可以通过云端整合每一辆使用反跟踪装置的车辆反馈的高危数据进行融合、分析,反馈给每个前端使用者,预防狗仔队偷拍、记者非法跟踪调查、团伙作案或连环作案等。
实施中,所述方法可以进一步包括:
当所述高危预警发生时,记录并存储相应的视频数据。
具体实施时,当高危预警发生时,可以记录并存储相应的视频数据,例如:满足高危预警的目标的特征信息、轨迹信息、视频图像等,供后续犯罪取证使用。
具体实施时,可以将待检测目标的相应视频数据缓存一定时间,若在这段时间内发生高危预警,则可以将缓存的视频数据与高危预警发生后记录的视频数据一并存储;若在这段时间内没有发生高危预警,则可以将缓存的视频数据删除。
实施中,所述待检测目标可以包括车辆、车牌和/或人脸,所述特征信息可以包括车辆的特写图像、车牌号码、人脸的特写图像和/或人脸的特征向量。
具体实施时,可以对摄像头采集的道路图像进行车辆检测、车牌检测和人脸识别等,检测识别可以采用现有的车辆检测方法、车牌检测、人脸识别方法,通过识别引擎检测车辆的部分特征(例如:车身、车型、车牌、年检标等),用摄像头采集含有人脸的图像并基于人的脸部特征信息进行身份识别,其中,人脸的特征向量可以为一串数字编码,用于标识相应的人脸。
实施例二、
本申请实施例所提供的车辆反跟踪产品可以包括:车载摄像头、GPS模块、车载计算模块(可以包括车辆检测单元、人脸识别单元、车牌号检测单元)、手机、车载显示屏、本地数据库、云服务器、视频编解码模块、无线传输模块、本地数据统计分析模块、云传输加密模块、云端分析模块、本地接收云反馈模块。
图2示出了本申请实施例车辆反跟踪产品实施的过程示意图,如图所示,车辆反跟踪过程可以包括如下步骤:
步骤201、车载摄像头采集视频数据;
可以通过各个朝向的车载摄像头来采集视频数据。
步骤202、在车载计算模块进行车辆检测、车牌号检测和人脸识别;
将车辆特写照片、车牌号、人脸特写照片、人脸特征向量(一串数字编码)和时间地点信息保存至本地数据库,供后续分析使用。
步骤203、在车载计算模块分析本地数据库,将时间根据危险程度分成三个等级(例如:一般时间、敏感事件、高危事件),通过手机和车载显示屏提醒用户;
具体实施时,可以包括:
步骤2031、找出连续多个路口或连续一段距离一直在跟随的车辆或人脸,将其作为敏感事件提醒用户;
步骤2032、找出在同一条路径不同时间跟踪频率高、在同一地点不同时间检测频率高的车辆和人脸,将其作为高危事件提醒用户,并将其列入黑名单,在同一车辆和人脸再次出现时给出实时预警;
步骤2033、将高危事件的数据上传至云端,供云端进行数据分析,并将云端分析产生的高危数据加入至本地黑名单,当这些车辆出现时作为一般事件实时提醒用户;当这些车辆在连续多个路口或连续一段距离一直在跟随时,产生高危预警,并加入黑名单。
步骤204、当用户在手机或车载屏幕上交互时,为用户展示追踪热点图和特写照片;
将历史的某一车辆追踪的轨迹呈现在地图上展示给用户,同一路线上追踪频次越高、路线越高亮,本申请实施例称此图为追踪热点图;同时,在任意一次追踪时的特写照片(车辆和人脸)也可以展示给用户,用户可以根据路线和特写照片更灵活的分辨出自己是否真正处于危险之中。
例如:用户无论上下班路线还是出游路线都被跟踪,说明用户可能处于危险中;或者,用户在某一特定地点被高频监视(“追踪热点图”显示一个高亮的点),并且特写图中有人拿相机,说明用户隐私很可能已经被侵犯。
步骤205、云端分析各个终端采集的高危数据,统计出现频率高的部分,出现地点集中和路线集中的部分,反馈给每一个前端设备重点防护。此外,云端还可以将公安和官方发布的逃犯人脸和犯罪车辆号牌反馈给用户段,进行重点防护。
步骤206、当高危预警产生时,车载摄像头记录视频,供犯罪取证使用。
本申请实施例具有如下优点:
1、本地结合历史时间数据和历史路径地点数据给出综合分析,如:同一车辆(人)在相同时间跟踪;同一车辆(人)在相同路线上跟踪;同一车辆(人)在相同时间地点,踩点监视等,从而给出精准判断。
2、云端整合罪犯人脸和犯罪车辆数据库,更全面地给出高危预警。
3、云端整合每一辆使用反跟踪***的车辆反馈的高危数据,进行融合和分析,反馈给每一个前端使用者。可以应用于预防狗仔队偷拍、记者非法跟踪调查、团伙作案、连环作案等应用场景。
4、提供车辆的“追踪热点图”,做到有理有据,便于用户判断自己是否真的处在危险中。
5、具有黑白名单功能,定制化展示用户关心的人、车和事件。
实施例三、
基于同一发明构思,本申请实施例中还提供了一种车辆反跟踪装置,由于这些设备解决问题的原理与一种车辆反跟踪方法相似,因此这些设备的实施可以参见方法的实施,重复之处不再赘述。
图3示出了本申请实施例中车辆反跟踪装置的结构示意图一,如图所示,所述车辆反跟踪装置可以包括:
车载摄像头301,用于采集道路图像;
检测识别模块302,用于对所述道路图像中的待检测目标进行识别,得到所述待检测目标的特征信息;
发送模块303,用于在所述待检测目标满足预设预警条件时,将所述待检测目标的特征信息发送至用户终端。
图4示出了本申请实施例中车辆反跟踪装置的结构示意图二,如图所示,所述装置可以进一步包括:
GPS模块304,用于检测当前位置信息;
计算模块305,用于根据根据所述待检测目标出现的时间地点信息得到所述待检测目标的轨迹信息,将所述待检测目标的轨迹信息发送至用户终端。
实施中,所述待检测目标的轨迹信息在所述用户终端的显示效果可以根据所述待检测目标出现在道路视频图像中的频次确定。
图5示出了本申请实施例中车辆反跟踪装置的结构示意图三,如图所示,所述装置可以进一步包括:
本地分析模块306,用于根据所述待检测目标的特征信息以及所述待检测目标出现的时间地点信息,确定同一路径出现频率超过预设第一阈值和/或同一地点出现频率超过第二阈值的目标,将其作为高危目标加入黑名单;
第一预警模块307,用于当所述黑名单内的高危目标出现时向用户终端发送高危预警。
图6示出了本申请实施例中车辆反跟踪装置的结构示意图四,如图所示,所述装置可以进一步包括:
本地接收模块308,用于接收云端发送的高危数据,所述高危数据为预先在云端数据库设置的数据和/或其他车辆上传给云端的数据;
第二预警模块309,用于当所述高危数据相关的目标出现时向用户终端发送高危预警。
图7示出了本申请实施例中车辆反跟踪装置的结构示意图五,如图所示,所述装置可以进一步包括:
数据库310,用于当所述高危预警发生时,记录并存储相应的视频数据。
实施中,所述检测识别模块具体用于对所述道路图像中的车辆、车牌和/或人脸进行识别,得到所述车辆的特写图像、所述车牌的号码、所述人脸的特写图像和/或所述人脸的特征向量。
本申请实施例所提供的车辆反跟踪装置,可以安装于每辆需要反跟踪的车辆上,通过向用户发送预警的同时告知用户所预警的目标的特征信息、轨迹信息等,使得用户可以根据这些信息进一步判断自己是否真正被跟踪、真正处于危险之中。
实施例四、
基于同一发明构思,本申请实施例还提供了一种车辆反跟踪***,下面进行说明。
图8示出了本申请实施例中车辆反跟踪***的结构示意图,如图所示,所述车辆反跟踪***可以包括:上述车辆反跟踪装置801、用户终端802和云服务器803,所述云服务器可以用于接收其他车辆的车辆反跟踪装置上传的数据、对所述数据进行分析并向所述车辆反跟踪装置发送高危数据。
实施中,所述用户终端可以为用户手机、平板电脑和/或车载显示屏。
本申请实施例通过在车辆上安装车辆反跟踪装置、通过所述车辆反跟踪装置与云端的交互,实现更全面的反跟踪,进一步确保反跟踪的准确性,防止漏报、误报。用户可以通过手机、平板电脑或车载显示屏获得、查看所述反跟踪装置提供的预警信息、目标特征信息、目标轨迹信息等。
为了描述的方便,以上所述装置的各部分以功能分为各种模块或单元分别描述。当然,在实施本申请时可以把各模块或单元的功能在同一个或多个软件或硬件中实现。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请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,本申请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、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、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。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
Claims (16)
1.一种车辆反跟踪方法,其特征在于,包括如下步骤:
采集道路图像;
对所述道路图像中的待检测目标进行识别,得到所述待检测目标的特征信息;
在所述待检测目标满足预设预警条件时,将所述待检测目标的特征信息发送至用户终端。
2.如权利要求1所述的方法,其特征在于,进一步包括:
确定所述待检测目标出现的时间地点信息;
根据所述待检测目标出现的时间地点信息得到所述待检测目标的轨迹信息,将所述待检测目标的轨迹信息发送至用户终端。
3.如权利要求2所述的方法,其特征在于,所述待检测目标的轨迹信息在所述用户终端的显示效果根据所述待检测目标出现在道路视频图像中的频次确定。
4.如权利要求1所述的方法,其特征在于,进一步包括:
根据所述待检测目标的特征信息以及所述待检测目标出现的时间地点信息,确定同一路径出现频率超过预设第一阈值和/或同一地点出现频率超过第二阈值的目标,将其作为高危目标加入黑名单;
当所述黑名单内的高危目标出现时向用户终端发送高危预警。
5.如权利要求1所述的方法,其特征在于,进一步包括:
接收云端发送的高危数据,所述高危数据为预先在云端数据库设置的数据和/或其他车辆上传给云端的数据;
当所述高危数据相关的目标出现时向用户终端发送高危预警。
6.如权利要求4或5所述的方法,其特征在于,进一步包括:
当所述高危预警发生时,记录并存储相应的视频数据。
7.如权利要求1所述的方法,其特征在于,所述待检测目标包括车辆、车牌和/或人脸,所述特征信息包括车辆的特写图像、车牌号码、人脸的特写图像和/或人脸的特征向量。
8.一种车辆反跟踪装置,其特征在于,包括:
车载摄像头,用于采集道路图像;
检测识别模块,用于对所述道路图像中的待检测目标进行识别,得到所述待检测目标的特征信息;
发送模块,用于在所述待检测目标满足预设预警条件时,将所述待检测目标的特征信息发送至用户终端。
9.如权利要求8所述的装置,其特征在于,进一步包括:
GPS模块,用于检测当前位置信息;
计算模块,用于根据根据所述待检测目标出现的时间地点信息得到所述待检测目标的轨迹信息,将所述待检测目标的轨迹信息发送至用户终端。
10.如权利要求9所述的装置,其特征在于,所述待检测目标的轨迹信息在所述用户终端的显示效果根据所述待检测目标出现在道路视频图像中的频次确定。
11.如权利要求8所述的装置,其特征在于,进一步包括:
本地分析模块,用于根据所述待检测目标的特征信息以及所述待检测目标出现的时间地点信息,确定同一路径出现频率超过预设第一阈值和/或同一地点出现频率超过第二阈值的目标,将其作为高危目标加入黑名单;
第一预警模块,用于当所述黑名单内的高危目标出现时向用户终端发送高危预警。
12.如权利要求8所述的装置,其特征在于,进一步包括:
本地接收模块,用于接收云端发送的高危数据,所述高危数据为预先在云端数据库设置的数据和/或其他车辆上传给云端的数据;
第二预警模块,用于当所述高危数据相关的目标出现时向用户终端发送高危预警。
13.如权利要求11或12所述的装置,其特征在于,进一步包括:
数据库,用于当所述高危预警发生时,记录并存储相应的视频数据。
14.如权利要求8所述的装置,其特征在于,所述检测识别模块具体用于对所述道路图像中的车辆、车牌和/或人脸进行识别,得到所述车辆的特写图像、所述车牌的号码、所述人脸的特写图像和/或所述人脸的特征向量。
15.一种车辆反跟踪***,其特征在于,包括如权利要求8至14所述的车辆反跟踪装置、用户终端和云服务器,所述云服务器用于接收其他车辆的车辆反跟踪装置上传的数据、对所述数据进行分析并向所述车辆反跟踪装置发送高危数据。
16.如权利要求15所述的车辆反跟踪***,其特征在于,所述用户终端为用户手机、平板电脑和/或车载显示屏。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610851586.1A CN106529401A (zh) | 2016-09-26 | 2016-09-26 | 一种车辆反跟踪方法、装置及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610851586.1A CN106529401A (zh) | 2016-09-26 | 2016-09-26 | 一种车辆反跟踪方法、装置及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106529401A true CN106529401A (zh) | 2017-03-22 |
Family
ID=58344195
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610851586.1A Pending CN106529401A (zh) | 2016-09-26 | 2016-09-26 | 一种车辆反跟踪方法、装置及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106529401A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107067778A (zh) * | 2017-04-28 | 2017-08-18 | 惠州华阳通用电子有限公司 | 一种车辆反跟踪预警方法及装置 |
CN107358158A (zh) * | 2017-06-07 | 2017-11-17 | 浙江大华技术股份有限公司 | 一种团伙作案预警方法及装置 |
CN107835484A (zh) * | 2017-09-15 | 2018-03-23 | 上海百林通信网络科技服务股份有限公司 | 评估移动设备用户潜在危险程度的方法 |
CN110807393A (zh) * | 2019-10-25 | 2020-02-18 | 深圳市商汤科技有限公司 | 基于视频分析的预警方法及装置、电子设备和存储介质 |
CN110865400A (zh) * | 2018-08-27 | 2020-03-06 | 上海博泰悦臻网络技术服务有限公司 | 反跟踪的方法及***和位置追踪的方法及*** |
CN111241918A (zh) * | 2019-12-26 | 2020-06-05 | 的卢技术有限公司 | 一种基于人脸识别的车用防跟踪方法及*** |
CN112381016A (zh) * | 2020-11-19 | 2021-02-19 | 山东海博科技信息***股份有限公司 | 车载人脸识别算法优化方法及*** |
CN112507905A (zh) * | 2020-12-14 | 2021-03-16 | Oppo广东移动通信有限公司 | 车辆防跟踪方法及装置、计算机可读存储介质与电子设备 |
CN112528749A (zh) * | 2020-11-16 | 2021-03-19 | 浙江大华***工程有限公司 | 一种聚赌地点确定方法、装置、设备和介质 |
CN113850837A (zh) * | 2021-11-25 | 2021-12-28 | 腾讯科技(深圳)有限公司 | 视频处理方法、装置、电子设备、存储介质及计算机产品 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101587544A (zh) * | 2009-06-24 | 2009-11-25 | 钟德胜 | 基于计算机视觉的机动车车载反跟踪装置 |
CN103546521A (zh) * | 2012-07-17 | 2014-01-29 | 上海遥薇(集团)有限公司 | 一种车路协同卫星定位信息化*** |
TW201416269A (zh) * | 2012-10-26 | 2014-05-01 | jin-he Qiu | 車輛雲端監控裝置 |
CN104584084A (zh) * | 2012-08-24 | 2015-04-29 | 罗伯特·博世有限公司 | 用于求取行驶路段的危险源的方法和设备 |
CN105117096A (zh) * | 2015-07-27 | 2015-12-02 | 惠州华阳通用电子有限公司 | 一种基于图像识别的反跟踪方法及装置 |
CN105243851A (zh) * | 2015-09-24 | 2016-01-13 | 上海车音网络科技有限公司 | 车辆监控方法和*** |
CN105404882A (zh) * | 2015-12-26 | 2016-03-16 | 惠州华阳通用电子有限公司 | 一种基于导航***的反跟踪方法及装置 |
CN105632175A (zh) * | 2016-01-08 | 2016-06-01 | 上海微锐智能科技有限公司 | 车辆行为分析方法及*** |
-
2016
- 2016-09-26 CN CN201610851586.1A patent/CN106529401A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101587544A (zh) * | 2009-06-24 | 2009-11-25 | 钟德胜 | 基于计算机视觉的机动车车载反跟踪装置 |
CN103546521A (zh) * | 2012-07-17 | 2014-01-29 | 上海遥薇(集团)有限公司 | 一种车路协同卫星定位信息化*** |
CN104584084A (zh) * | 2012-08-24 | 2015-04-29 | 罗伯特·博世有限公司 | 用于求取行驶路段的危险源的方法和设备 |
TW201416269A (zh) * | 2012-10-26 | 2014-05-01 | jin-he Qiu | 車輛雲端監控裝置 |
CN105117096A (zh) * | 2015-07-27 | 2015-12-02 | 惠州华阳通用电子有限公司 | 一种基于图像识别的反跟踪方法及装置 |
CN105243851A (zh) * | 2015-09-24 | 2016-01-13 | 上海车音网络科技有限公司 | 车辆监控方法和*** |
CN105404882A (zh) * | 2015-12-26 | 2016-03-16 | 惠州华阳通用电子有限公司 | 一种基于导航***的反跟踪方法及装置 |
CN105632175A (zh) * | 2016-01-08 | 2016-06-01 | 上海微锐智能科技有限公司 | 车辆行为分析方法及*** |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107067778A (zh) * | 2017-04-28 | 2017-08-18 | 惠州华阳通用电子有限公司 | 一种车辆反跟踪预警方法及装置 |
CN107358158A (zh) * | 2017-06-07 | 2017-11-17 | 浙江大华技术股份有限公司 | 一种团伙作案预警方法及装置 |
CN107358158B (zh) * | 2017-06-07 | 2020-04-03 | 浙江大华技术股份有限公司 | 一种团伙作案预警方法及装置 |
CN107835484A (zh) * | 2017-09-15 | 2018-03-23 | 上海百林通信网络科技服务股份有限公司 | 评估移动设备用户潜在危险程度的方法 |
CN110865400A (zh) * | 2018-08-27 | 2020-03-06 | 上海博泰悦臻网络技术服务有限公司 | 反跟踪的方法及***和位置追踪的方法及*** |
CN110807393A (zh) * | 2019-10-25 | 2020-02-18 | 深圳市商汤科技有限公司 | 基于视频分析的预警方法及装置、电子设备和存储介质 |
CN111241918A (zh) * | 2019-12-26 | 2020-06-05 | 的卢技术有限公司 | 一种基于人脸识别的车用防跟踪方法及*** |
CN111241918B (zh) * | 2019-12-26 | 2024-04-09 | 的卢技术有限公司 | 一种基于人脸识别的车用防跟踪方法及*** |
CN112528749A (zh) * | 2020-11-16 | 2021-03-19 | 浙江大华***工程有限公司 | 一种聚赌地点确定方法、装置、设备和介质 |
CN112381016A (zh) * | 2020-11-19 | 2021-02-19 | 山东海博科技信息***股份有限公司 | 车载人脸识别算法优化方法及*** |
CN112507905A (zh) * | 2020-12-14 | 2021-03-16 | Oppo广东移动通信有限公司 | 车辆防跟踪方法及装置、计算机可读存储介质与电子设备 |
CN113850837A (zh) * | 2021-11-25 | 2021-12-28 | 腾讯科技(深圳)有限公司 | 视频处理方法、装置、电子设备、存储介质及计算机产品 |
CN113850837B (zh) * | 2021-11-25 | 2022-02-08 | 腾讯科技(深圳)有限公司 | 视频处理方法、装置、电子设备、存储介质及计算机产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106529401A (zh) | 一种车辆反跟踪方法、装置及*** | |
WO2019153193A1 (zh) | 一种出租车运营监测方法、设备、存储介质和*** | |
CN110191424B (zh) | 一种特定嫌疑人的轨迹生成方法和装置 | |
US9779311B2 (en) | Integrated control system and method using surveillance camera for vehicle | |
CN106503622A (zh) | 一种车辆反跟踪方法及装置 | |
CN105702048B (zh) | 基于行车记录仪的高速公路前车违法占道识别***及方法 | |
KR101877294B1 (ko) | 객체, 영역 및 객체가 유발하는 이벤트의 유기적 관계를 기반으로 한 복수 개 기본행동패턴 정의를 통한 복합 상황 설정 및 자동 상황 인지가 가능한 지능형 방범 cctv 시스템 | |
CN113256924A (zh) | 一种轨道列车的监控***,监控方法及监控装置 | |
US8301577B2 (en) | Intelligent monitoring system for establishing reliable background information in a complex image environment | |
CN113676702B (zh) | 基于视频流的目标追踪监测方法、***、装置及存储介质 | |
KR101492473B1 (ko) | 사용자 기반 상황 인지형 씨씨티비 통합관제시스템 | |
CN104583051A (zh) | 对铁路线路的监视 | |
KR20120066393A (ko) | 차량용 영상 기록 및 제공 장치와 이를 이용한 지역 정보 획득 장치 및 방법 | |
CN108986472A (zh) | 一种掉头车辆监控方法及装置 | |
KR102282800B1 (ko) | 라이다와 영상카메라를 이용한 멀티 표적 추적 방법 | |
CN108810514A (zh) | 通过图像报告进行的事件重建 | |
CN108230669B (zh) | 基于大数据和云分析的道路车辆违法检测方法及*** | |
KR20190041704A (ko) | Cctv 분할 운영시스템 및 그 운영방법 | |
KR102344435B1 (ko) | 인공 지능을 이용한 관제 서비스 시스템 | |
CN112288975A (zh) | 一种事件预警的方法和装置 | |
CN112289036A (zh) | 基于交通语义的场景式违章属性识别***及方法 | |
CN113870551B (zh) | 一种能够鉴别危险和非危险驾驶行为的路侧监控*** | |
CN113056775A (zh) | 交通监控和证据收集*** | |
Maduri et al. | Seat belt and helmet detection using deep learning | |
CN113283296A (zh) | 安全帽佩戴检测方法、电子装置及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 100192 Block B, Building 1, Tiandi Adjacent to Maple Industrial Park, No. 1, North Yongtaizhuang Road, Haidian District, Beijing Applicant after: BEIJING DEEPGLINT INFORMATION TECHNOLOGY CO., LTD. Address before: 100091 No. 6 Yudai Road, Haidian District, Beijing Applicant before: BEIJING DEEPGLINT INFORMATION TECHNOLOGY CO., LTD. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170322 |