CN109102531A - 一种目标轨迹追踪方法及装置 - Google Patents
一种目标轨迹追踪方法及装置 Download PDFInfo
- Publication number
- CN109102531A CN109102531A CN201810957603.9A CN201810957603A CN109102531A CN 109102531 A CN109102531 A CN 109102531A CN 201810957603 A CN201810957603 A CN 201810957603A CN 109102531 A CN109102531 A CN 109102531A
- Authority
- CN
- China
- Prior art keywords
- target
- terminal location
- identity
- gps positioning
- history feature
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
- G06T7/251—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- 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
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
-
- 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)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供了一种目标轨迹追踪方法及装置,涉及智能视频监控的技术领域,所述目标轨迹追踪方法包括:对目标对象的目标特征图进行结构化处理,得到目标对象的目标结构化信息;在预设的结构化信息数据库中,查找与目标结构化信息匹配的历史结构化信息、与历史结构化信息对应的历史特征图及发送历史特征图的监控端的终端位置;在预设的身份信息数据库中,获取与历史特征图对应的身份标识及与身份标识对应的移动通信号码的GPS定位位置;若终端位置与GPS定位位置匹配,统计终端位置,得到目标对象的运动轨迹,达到了通过海量监控视频高效、准确确定身份认证及轨迹追踪的技术效果。
Description
技术领域
本发明涉及智能视频监控技术领域,尤其是涉及一种目标轨迹追踪方法及装置。
背景技术
目前,随着图像监控视频***式增长,单靠人力肉眼识别人脸、行人,已远远无法满足需求,如何通过海量监控视频高效、准确确定身份认证及轨迹追踪,成为亟待解决问题。人脸识别是最容易获得身份认证方法,但在监控视频中,由于相机分辨率和拍摄角度的缘故,通常无法得到质量非常高的人脸图片。当人脸识别失效的情况下,行人再识别就成为了一个非常重要的替代技术。但嫌疑人通常通过伪装发型,带面具或更换着装等手段躲避追捕,行人再识别技术的精度仍不能满足大规模实际应用需求。
发明内容
有鉴于此,本发明的目的在于提供一种目标轨迹追踪方法及装置,以缓解现有技术中存在的在监控视频中,由于相机分辨率和拍摄角度的缘故,通常无法得到质量非常高的人脸图片。当人脸识别失效的情况下,行人再识别就成为了一个非常重要的替代技术。但嫌疑人通常通过伪装发型,带面具或更换着装等手段躲避追捕,行人再识别技术的精度仍不能满足大规模实际应用需求的技术问题。
第一方面,本发明实施例提供了一种目标轨迹追踪方法,包括:
对目标对象的目标特征图进行结构化处理,得到所述目标对象的目标结构化信息;
在预设的结构化信息数据库中,查找与所述目标结构化信息匹配的历史结构化信息、与所述历史结构化信息对应的历史特征图及发送所述历史特征图的监控端的终端位置;
在预设的身份信息数据库中,获取与所述历史特征图对应的身份标识及与所述身份标识对应的移动通信号码的GPS定位位置;
若所述终端位置与所述GPS定位位置匹配,统计所述终端位置,得到所述目标对象的运动轨迹。
结合第一方面,本发明实施例提供了第一方面的第一种可能的实施方式,其中,所述身份信息数据库中包含多个行人的人脸图像、身份标识、通信号码及所述通信号码对应的移动终端上传的GPS定位位置;
所述在预设的身份信息数据库中,获取与所述历史特征图对应的身份标识及与所述身份标识对应的移动通信号码的GPS定位位置,包括:
利用行人重识别技术,在所述身份信息数据库中查找与所述历史特征图匹配的人脸图像;
根据与所述历史特征图匹配的人脸图像,获取所述身份信息数据库中同一行人的身份标识及通信号码及所述通信号码的GPS定位位置。
结合第一方面,本发明实施例提供了第一方面的第二种可能的实施方式,其中,所述利用行人重识别技术,在所述身份信息数据库中查找与所述历史特征图匹配的人脸图像,包括:
将所述身份信息数据库中多个人脸图像的人脸特征分别与所述历史特征图中的人脸特征进行对比;
确定多个人脸图像中的人脸特征中与所述历史特征图中的人脸特征的相似度大于预设阈值的人脸图像。
结合第一方面,本发明实施例提供了第一方面的第三种可能的实施方式,其中,确定所述终端位置是否与所述GPS定位位置匹配,包括:
计算所述终端位置与所述GPS定位位置之间的偏差距离;
若所述偏差距离小于预设阈值,确定所述终端位置与所述GPS定位位置匹配;
否则,确定所述终端位置与所述GPS定位位置不匹配。
结合第一方面,本发明实施例提供了第一方面的第四种可能的实施方式,其中,所述统计所述终端位置,得到所述目标对象的运动轨迹,包括:
获取监控端上传所述终端位置的上传时刻;
按照所述上传时刻的时间先后顺序,将所述终端位置进行排序,得到所述目标对象的运动轨迹。
结合第一方面,本发明实施例提供了第一方面的第五种可能的实施方式,其中,构建所述结构化信息数据库,包括:
接收多个监控端发送的最优特征图及终端位置;
对所述最优特征图进行结构化处理,得到包含行人属性信息及人脸属性信息的结构化信息;
将所述终端位置及所述结构化信息对应存储在所述结构化信息数据库。
结合第一方面,本发明实施例提供了第一方面的第六种可能的实施方式,其中,所述对所述最优特征图进行结构化处理,得到包含行人属性信息及人脸属性信息的结构化信息,包括:
将所述最优特征图分别输入至多个与不同预设目标特征对应的结构化特征识别模型中,利用结构化特征识别模型识别所述最优特征图中的行人属性信息及人脸属性信息,得到所述结构化信息。
第二方面,本发明实施例还提供一种目标轨迹追踪装置,包括:
结构化处理模块,用于对目标对象的目标特征图进行结构化处理,得到所述目标对象的目标结构化信息;
查找模块,用于在预设的结构化信息数据库中,查找与所述目标结构化信息匹配的历史结构化信息、与所述历史结构化信息对应的历史特征图及发送所述历史特征图的监控端的终端位置;
获取模块,用于在预设的身份信息数据库中,获取与所述历史特征图对应的身份标识及与所述身份标识对应的移动通信号码的GPS定位位置;
统计模块,用于若所述终端位置与所述GPS定位位置匹配,统计所述终端位置,得到所述目标对象的运动轨迹。
第三方面,本发明实施例还提供一种电子设备,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,其中,所述处理器执行所述计算机程序时实现第一方面所述的方法。
第四方面,本发明实施例还提供一种具有处理器可执行的非易失的程序代码的计算机可读介质,其中,所述程序代码使所述处理器执行第一方面所述方法。
本发明实施例带来了以下有益效果:本发明实施例可以先对目标对象的目标特征图进行结构化处理,得到所述目标对象的目标结构化信息;然后在预设的结构化信息数据库中,查找与所述目标结构化信息匹配的历史结构化信息、与所述历史结构化信息对应的历史特征图及发送所述历史特征图的监控端的终端位置;再在预设的身份信息数据库中,获取与所述历史特征图对应的身份标识及与所述身份标识对应的移动通信号码的GPS定位位置;最后若所述终端位置与所述GPS定位位置匹配,统计所述终端位置,得到所述目标对象的运动轨迹。
本发明实施例能够对视频流中的目标对象进行结构化处理得到结构化信息,将具有非结构化数据的视频图像转换成结构化数据,使得视频内容能够以结构化信息的形式直接被计算机读取和识别,进而方便后期用户根据结构化信息查看特定对象的视频内容,在预设的结构化信息数据库中查找与结构化信息匹配的监控端的终端位置,可以得到目标对象的位置信息,在预设的身份信息数据库中获取身份标识,准确的确定了目标对象的身份,获取移动通信号码的GPS定位位置,确定了移动通信的位置信息,将所述终端位置与所述GPS定位位置进行匹配,确定目标对象与移动通信是否同步,若同步,则统计所述终端位置,进而可以在海量监控视频中对目标对象进行准确的身份认证及轨迹追踪。
本发明的其他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在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,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。
图1为本发明实施例提供的一种目标轨迹追踪方法的流程图;
图2为本发明实施例提供的步骤S103的流程图;
图3为确定所述终端位置是否与所述GPS定位位置匹配的流程图;
图4为构建所述结构化信息数据库的流程图;
图5为本发明实施例提供的一种目标轨迹追踪装置的结构图。
图标:11-结构化处理模块;12-查找模块;13-获取模块;14-统计模块。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
目前,随着图像监控视频***式增长,单靠人力肉眼识别人脸、行人,已远远无法满足需求,如何通过海量监控视频高效、准确确定身份认证及轨迹追踪,成为亟待解决问题。人脸识别是最容易获得身份认证方法,但存在的在监控视频中,由于相机分辨率和拍摄角度的缘故,通常无法得到质量非常高的人脸图片。当人脸识别失效的情况下,行人再识别就成为了一个非常重要的替代技术。但嫌疑人通常通过伪装发型,带面具或更换着装等手段躲避追捕,行人再识别技术的精度仍不能满足大规模实际应用需求的技术问题,基于此,本发明实施例提供的一种目标轨迹追踪方法及装置,可以通过海量监控视频高效、准确确定身份认证及轨迹追踪。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种目标轨迹追踪方法进行详细介绍,如图1所示,所述方法包括如下步骤:
步骤S101,对目标对象的目标特征图进行结构化处理,得到所述目标对象的目标结构化信息;
在本发明实施例中,所述目标特征图包含目标的多种特征,所述结构化处理可以指将目标对象的目标特征图分别输入至多个与不同预设目标特征对应的结构化特征识别模型中,利用结构化特征识别模型识别所述特征图中的行人属性信息及人脸属性信息,得到所述结构化信息。
结构化特征识别模型是预先经过训练的神经网络模型,在训练结构化特征识别模型时,可以首先将大量包含目标对象的训练图像输入到结构化特征识别模型中,并输入每张训练图像中目标对象的结构化信息,目标对象可以是行人;结构化信息可以指行人的着装、发型和性别等等,经过训练的结构化特征识别模型,可以自动对输入的目标图像进行结构化处理,得到目标图像中目标对象的结构化信息。
示例性的,针对行人的目标特征包括但不限于:性别(男、女)、年龄段(小孩、青年、中年、老年)、发型、发色、胡须等样貌特征,上下身着装的颜色、纹理、款式、类型等着装信息,是否戴眼镜、口罩、帽子等装饰品,是否打雨伞、抱小孩、拉行李箱、背包、拎包等随身物品信息;针对人脸的目标特征包括但不限于以下信息:性别(男、女)、年龄段(小孩、青年、中年、老年)、发型、发色、胡须等样貌特征、表情(喜怒哀乐等)。
步骤S102,在预设的结构化信息数据库中,查找与所述目标结构化信息匹配的历史结构化信息、与所述历史结构化信息对应的历史特征图及发送所述历史特征图的监控端的终端位置;
在本发明实施例中,所述结构化信息数据库中存储着包含行人属性信息及人脸属性信息的结构化信息及终端位置,所述历史结构化信息可以指结构化信息库中的结构化信息,所述终端位置可以用坐标表示,在实际应用中,为了确定目标对象曾经出现在哪些地方,可以先在预设的结构化信息数据库中查找与目标结构化信息匹配的历史结构化信息和与所述历史结构化信息对应的历史特征图,根据查找到的目标对象的历史特征图,可以确定发送该历史特征图的监控端,再确定目标对象曾出现过的监控端所在的终端位置。
步骤S103,在预设的身份信息数据库中,获取与所述历史特征图对应的身份标识及与所述身份标识对应的移动通信号码的GPS定位位置;
在本发明实施例中,所述身份信息数据库中包含多个行人的人脸图像、身份标识、通信号码及所述通信号码对应的移动终端上传的GPS定位位置;所述身份标识是能够证明本人身份的凭证,一个行人有且仅有一个身份标识,所述移动通信号码可以指手机号,所述移动终端可以指手机,所述GPS定位位置由移动终端定位获得,然后上传至身份信息数据库。
如图2所示,所述步骤S103,可以包括:
步骤S201,利用行人重识别技术,在所述身份信息数据库中查找与所述历史特征图匹配的人脸图像;
在本发明实施例中,所述历史特征图包含行人的各种特征,但是历史特征图与行人不是一一对应的,所以不能根据历史特征图确定行人,历史特征图中的行人可能受姿态、视角的影响,而与历史特征图匹配的人脸图像,可以准确的确认是哪个行人。
所述步骤S201,可以包括:
将所述身份信息数据库中多个人脸图像的人脸特征分别与所述历史特征图中的人脸特征进行对比;
确定多个人脸图像中的人脸特征中与所述历史特征图中的人脸特征的相似度大于预设阈值的人脸图像。
步骤S202,根据与所述历史特征图匹配的人脸图像,获取所述身份信息数据库中同一行人的身份标识及通信号码及所述通信号码的GPS定位位置。
在本发明实施例中,所述历史特征图与所述历史特征图匹配的人脸图像是同一行人的图像,获取所述身份信息数据库中同一行人的身份标识可以识别出这个行人是谁、通过通信号码可以定位到该行人的位置、根据所述通信号码的GPS定位位置可以确定该行人曾出现过哪些地方。
步骤S104,若所述终端位置与所述GPS定位位置匹配,统计所述终端位置,得到所述目标对象的运动轨迹。
在本发明实施例中,步骤S104,可以包括:
获取监控端上传所述终端位置的上传时刻;
在本发明实施例中,可以根据所述上传时刻可以确定目标对象出现在终端位置的具体时间。
按照所述上传时刻的时间先后顺序,将所述终端位置进行排序,得到所述目标对象的运动轨迹。
在本发明实施例中,按时间先后顺序排列,确定目标对象什么时间出现在什么地方,得到所述目标对象的运动轨迹。
本发明实施例能够对视频流中的目标对象进行结构化处理得到结构化信息,将具有非结构化数据的视频图像转换成结构化数据,使得视频内容能够以结构化信息的形式直接被计算机读取和识别,进而方便后期用户根据结构化信息查看特定对象的视频内容,在预设的结构化信息数据库中查找与结构化信息匹配的监控端的终端位置,可以得到目标对象的位置信息,在预设的身份信息数据库中获取身份标识,准确的确定了目标对象的身份,获取移动通信号码的GPS定位位置,确定了移动通信的位置信息,将所述终端位置与所述GPS定位位置进行匹配,确定目标对象与移动通信是否同步,若同步,则统计所述终端位置,进而可以在海量监控视频中对目标对象进行准确的身份认证及轨迹追踪。
在本发明的又一实施例中,如图3所示,确定所述终端位置是否与所述GPS定位位置匹配,可以包括以下步骤:
步骤S301,计算所述终端位置与所述GPS定位位置之间的偏差距离;
在本发明实施例中,所述GPS定位位置是移动通信号码的位置信息,而终端位置可以指监控端所在的位置,两者有可能存在很大的偏差距离,示例性的,目标对象可能会扔掉移动通信进行逃跑,这时,他出现的在监控端的终端位置才是他的所在位置。
步骤S302,若所述偏差距离小于预设阈值,确定所述终端位置与所述GPS定位位置匹配;
在本发明实施例中,所述偏差距离小于预设阈值,目标对象和移动通信号码同步运动,所以目标对象出现的终端位置与移动通信号码的GPS定位位置匹配。
步骤S303,否则,确定所述终端位置与所述GPS定位位置不匹配。
在本发明实施例中,所述偏差距离大于等于预设阈值,目标对象和移动通信号码不再同步运动,所以目标对象出现的终端位置与移动通信号码的GPS定位位置不匹配。
在本发明的又一实施例中,如图4所示,构建所述结构化信息数据库,可以包括以下步骤:
步骤S401,接收多个监控端发送的最优特征图及终端位置;
在本发明实施例中,所述最优特征图指在监控端的图像采集设备端经过处理的最优图像,在实际应用中,监控端的图像采集设备先获取监控视频或图像,然后从获取得到的监控视频或图像中检测到目标对象;再对每个目标对象进行择优,即对目标对象进行质量评价,综合考量包括但不限于目标尺寸、是否被遮挡、图像是否清晰、角度是否合适等因素,采用量化指标的方式对目标质量进行打分,得到目标质量的打分结果;最后再对每个目标对象进行去重,获取每个目标质量最高的图像,即根据择优过程中对目标对象在时间序列中的打分结果,选择时间序列中得分最高的图像作为该目标对象的图像传输至服务器端。
示例性的,目标对象为行人,某一个图像采集设备在2秒内对拍摄区域范围内对出现的一个行人以及一个开车经过的人抓拍了50帧图像,且行人出现在第1帧到第50帧,开车经过的人出现在第20帧到第40帧,则分别对第1帧到第50帧图像出现的行人以及第20帧到第40帧图像出现的开车经过的人进行打分,若行人和开车经过的人的最高的质量分数均出现在第30帧图像中,则将第30帧图像作为质量评价最佳的图像传输至服务器端。
步骤S402,对所述最优特征图进行结构化处理,得到包含行人属性信息及人脸属性信息的结构化信息;
所述步骤S402,可以包括:
将所述最优特征图分别输入至多个与不同预设目标特征对应的结构化特征识别模型中,利用结构化特征识别模型识别所述最优特征图中的行人属性信息及人脸属性信息,得到所述结构化信息。
在本发明实施例中,可以预先建立用于进行目标检测的多个与不同预设目标特征对应的神经网络模型,在神经网络模型建立完成后,可以利用大量的包含被检测目标的图像训练神经网络模型,得到训练好的目标检测模型;该目标检测模型可以自动检测到每个图像帧中的目标对象,并输出行人属性信息及人脸属性信息的结构化信息。
示例性的,将行人作为目标对象,且在所述多帧图像中某一帧图像左下角有一个行人,中间位置有三个行人,右上角有一个行人,则将该图像输入到目标检测模型中,可以检测到该图像该图像共有五个行人,以及五个行人对应的行人属性信息及人脸属性信息的结构化信息。
步骤S403,将所述终端位置及所述结构化信息对应存储在所述结构化信息数据库。
在本发明实施例中,所述终端位置与目标对象的结构化信息对应存储,示例性的,二者可以对应存储在如下表1中:
表1
终端位置 | 目标对象的结构化信息 |
位置1 | A |
位置2 | B |
位置3 | C |
位置4 | D |
根据表1,可以根据终端位置查找到目标对象的结构化信息,也可以根据目标对象的结构化信息查找到终端位置。例如结构化信息数据库中存储着一万个人的信息,若选择人工筛选的方式从这一万个人的信息中寻找到X行人,则非常浪费人力和时间,若根据X行人的一些结构化信息,例如:着装和发型等,可以更快的找到X行人。
在本发明的又一实施例中,如图5所示,还提供一种目标轨迹追踪装置,其中,包括以下模块:
结构化处理模块11,用于对目标对象的目标特征图进行结构化处理,得到所述目标对象的目标结构化信息;
查找模块12,用于在预设的结构化信息数据库中,查找与所述目标结构化信息匹配的历史结构化信息、与所述历史结构化信息对应的历史特征图及发送所述历史特征图的监控端的终端位置;
获取模块13,用于在预设的身份信息数据库中,获取与所述历史特征图对应的身份标识及与所述身份标识对应的移动通信号码的GPS定位位置;
统计模块14,用于若所述终端位置与所述GPS定位位置匹配,统计所述终端位置,得到所述目标对象的运动轨迹。
在本发明的又一实施例中,还提供一种电子设备,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述方法实施例所述方法的步骤。
在本发明的又一实施例中,还提供一种具有处理器可执行的非易失的程序代码的计算机可读介质,所述程序代码使所述处理器执行方法实施例所述方法。
附图中的流程图和框图显示了根据本发明的多个实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
本发明实施例所提供的目标轨迹追踪方法的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
另外,在本发明实施例的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,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。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种目标轨迹追踪方法,其特征在于,包括:
对目标对象的目标特征图进行结构化处理,得到所述目标对象的目标结构化信息;
在预设的结构化信息数据库中,查找与所述目标结构化信息匹配的历史结构化信息、与所述历史结构化信息对应的历史特征图及发送所述历史特征图的监控端的终端位置;
在预设的身份信息数据库中,获取与所述历史特征图对应的身份标识及与所述身份标识对应的移动通信号码的GPS定位位置;
若所述终端位置与所述GPS定位位置匹配,统计所述终端位置,得到所述目标对象的运动轨迹。
2.根据权利要求1所述的目标轨迹追踪方法,其特征在于,所述身份信息数据库中包含多个行人的人脸图像、身份标识、通信号码及所述通信号码对应的移动终端上传的GPS定位位置;
所述在预设的身份信息数据库中,获取与所述历史特征图对应的身份标识及与所述身份标识对应的移动通信号码的GPS定位位置,包括:
利用行人重识别技术,在所述身份信息数据库中查找与所述历史特征图匹配的人脸图像;
根据与所述历史特征图匹配的人脸图像,获取所述身份信息数据库中同一行人的身份标识及通信号码及所述通信号码的GPS定位位置。
3.根据权利要求2所述的目标轨迹追踪方法,其特征在于,所述利用行人重识别技术,在所述身份信息数据库中查找与所述历史特征图匹配的人脸图像,包括:
将所述身份信息数据库中多个人脸图像的人脸特征分别与所述历史特征图中的人脸特征进行对比;
确定多个人脸图像中的人脸特征中与所述历史特征图中的人脸特征的相似度大于预设阈值的人脸图像。
4.根据权利要求1所述的目标轨迹追踪方法,其特征在于,确定所述终端位置是否与所述GPS定位位置匹配,包括:
计算所述终端位置与所述GPS定位位置之间的偏差距离;
若所述偏差距离小于预设阈值,确定所述终端位置与所述GPS定位位置匹配;
否则,确定所述终端位置与所述GPS定位位置不匹配。
5.根据权利要求1所述的目标轨迹追踪方法,其特征在于,所述统计所述终端位置,得到所述目标对象的运动轨迹,包括:
获取监控端上传所述终端位置的上传时刻;
按照所述上传时刻的时间先后顺序,将所述终端位置进行排序,得到所述目标对象的运动轨迹。
6.根据权利要求1所述的目标轨迹追踪方法,其特征在于,构建所述结构化信息数据库,包括:
接收多个监控端发送的最优特征图及终端位置;
对所述最优特征图进行结构化处理,得到包含行人属性信息及人脸属性信息的结构化信息;
将所述终端位置及所述结构化信息对应存储在所述结构化信息数据库。
7.根据权利要求6所述的目标轨迹追踪方法,其特征在于,所述对所述最优特征图进行结构化处理,得到包含行人属性信息及人脸属性信息的结构化信息,包括:
将所述最优特征图分别输入至多个与不同预设目标特征对应的结构化特征识别模型中,利用结构化特征识别模型识别所述最优特征图中的行人属性信息及人脸属性信息,得到所述结构化信息。
8.一种目标轨迹追踪装置,其特征在于,包括:
结构化处理模块,用于对目标对象的目标特征图进行结构化处理,得到所述目标对象的目标结构化信息;
查找模块,用于在预设的结构化信息数据库中,查找与所述目标结构化信息匹配的历史结构化信息、与所述历史结构化信息对应的历史特征图及发送所述历史特征图的监控端的终端位置;
获取模块,用于在预设的身份信息数据库中,获取与所述历史特征图对应的身份标识及与所述身份标识对应的移动通信号码的GPS定位位置;
统计模块,用于若所述终端位置与所述GPS定位位置匹配,统计所述终端位置,得到所述目标对象的运动轨迹。
9.一种电子设备,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1至7任一项所述的方法的步骤。
10.一种具有处理器可执行的非易失的程序代码的计算机可读介质,其特征在于,所述程序代码使所述处理器执行所述权利要求1-7任一所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810957603.9A CN109102531A (zh) | 2018-08-21 | 2018-08-21 | 一种目标轨迹追踪方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810957603.9A CN109102531A (zh) | 2018-08-21 | 2018-08-21 | 一种目标轨迹追踪方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109102531A true CN109102531A (zh) | 2018-12-28 |
Family
ID=64850645
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810957603.9A Pending CN109102531A (zh) | 2018-08-21 | 2018-08-21 | 一种目标轨迹追踪方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109102531A (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109614956A (zh) * | 2018-12-29 | 2019-04-12 | 上海依图网络科技有限公司 | 一种视频中对象的识别方法及装置 |
CN109753920A (zh) * | 2018-12-29 | 2019-05-14 | 深圳市商汤科技有限公司 | 一种行人识别方法及装置 |
CN109829435A (zh) * | 2019-01-31 | 2019-05-31 | 深圳市商汤科技有限公司 | 一种视频图像处理方法、装置及计算机可读介质 |
CN110196924A (zh) * | 2019-05-31 | 2019-09-03 | 银河水滴科技(北京)有限公司 | 特征信息库的构建、目标对象的追踪方法及装置 |
CN110765938A (zh) * | 2019-10-22 | 2020-02-07 | 北京旷视科技有限公司 | 身份识别方法、装置、电子设备及计算机可读存储介质 |
CN110889346A (zh) * | 2019-11-15 | 2020-03-17 | 云从科技集团股份有限公司 | 一种智能追踪方法、***、设备及可读介质 |
CN110929770A (zh) * | 2019-11-15 | 2020-03-27 | 云从科技集团股份有限公司 | 一种基于图像处理的智能追踪方法、***、设备及可读介质 |
CN110929619A (zh) * | 2019-11-15 | 2020-03-27 | 云从科技集团股份有限公司 | 一种基于图像处理的目标对象追踪方法、***、设备及可读介质 |
CN110942003A (zh) * | 2019-11-20 | 2020-03-31 | 中国建设银行股份有限公司 | 人员轨迹搜索方法及*** |
CN111047621A (zh) * | 2019-11-15 | 2020-04-21 | 云从科技集团股份有限公司 | 一种目标对象追踪方法、***、设备及可读介质 |
CN111563086A (zh) * | 2020-01-13 | 2020-08-21 | 杭州海康威视***技术有限公司 | 信息关联方法、装置、设备及存储介质 |
CN111639968A (zh) * | 2020-05-25 | 2020-09-08 | 腾讯科技(深圳)有限公司 | 轨迹数据处理方法、装置、计算机设备以及存储介质 |
CN112218046A (zh) * | 2020-09-27 | 2021-01-12 | 杭州海康威视***技术有限公司 | 对象监控方法及装置 |
CN112241686A (zh) * | 2020-09-16 | 2021-01-19 | 四川天翼网络服务有限公司 | 一种基于特征向量的轨迹比对匹配方法及*** |
CN112949396A (zh) * | 2021-01-29 | 2021-06-11 | 南通大学 | 一种景区寻找同游人员的自适应方法 |
CN113034550A (zh) * | 2021-05-28 | 2021-06-25 | 杭州宇泛智能科技有限公司 | 跨镜行人轨迹追踪的方法、***、电子装置和存储介质 |
CN113496167A (zh) * | 2020-04-02 | 2021-10-12 | 北京京东乾石科技有限公司 | 确定目标运动轨迹的方法和装置 |
CN113793363A (zh) * | 2021-09-27 | 2021-12-14 | 重庆紫光华山智安科技有限公司 | 目标跟踪方法及相关装置 |
CN115018433A (zh) * | 2022-08-10 | 2022-09-06 | 四川港投新通道物流产业投资集团有限公司 | 一种酒品供应链监控方法、装置、设备及介质 |
CN115861914A (zh) * | 2022-10-24 | 2023-03-28 | 广东魅视科技股份有限公司 | 一种辅助用户查找特定目标的方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7787886B2 (en) * | 2003-02-24 | 2010-08-31 | Invisitrack, Inc. | System and method for locating a target using RFID |
CN102170563A (zh) * | 2011-03-24 | 2011-08-31 | 杭州海康威视软件有限公司 | 智能人员卡口***及人员监控管理方法 |
CN105790955A (zh) * | 2016-04-06 | 2016-07-20 | 深圳市博康智能信息技术有限公司 | 一种基于mac地址与人脸信息关联的方法和*** |
CN106249267A (zh) * | 2016-09-30 | 2016-12-21 | 南方科技大学 | 一种目标定位追踪方法和装置 |
CN107105207A (zh) * | 2017-06-09 | 2017-08-29 | 北京深瞐科技有限公司 | 目标监控方法、目标监控装置及摄像机 |
CN107529221A (zh) * | 2017-08-22 | 2017-12-29 | 上海兴容信息技术有限公司 | 一种结合视频监控和Wi‑Fi定位的追踪分析***及方法 |
CN108062349A (zh) * | 2017-10-31 | 2018-05-22 | 深圳大学 | 基于视频结构化数据及深度学习的视频监控方法和*** |
-
2018
- 2018-08-21 CN CN201810957603.9A patent/CN109102531A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7787886B2 (en) * | 2003-02-24 | 2010-08-31 | Invisitrack, Inc. | System and method for locating a target using RFID |
CN102170563A (zh) * | 2011-03-24 | 2011-08-31 | 杭州海康威视软件有限公司 | 智能人员卡口***及人员监控管理方法 |
CN105790955A (zh) * | 2016-04-06 | 2016-07-20 | 深圳市博康智能信息技术有限公司 | 一种基于mac地址与人脸信息关联的方法和*** |
CN106249267A (zh) * | 2016-09-30 | 2016-12-21 | 南方科技大学 | 一种目标定位追踪方法和装置 |
CN107105207A (zh) * | 2017-06-09 | 2017-08-29 | 北京深瞐科技有限公司 | 目标监控方法、目标监控装置及摄像机 |
CN107529221A (zh) * | 2017-08-22 | 2017-12-29 | 上海兴容信息技术有限公司 | 一种结合视频监控和Wi‑Fi定位的追踪分析***及方法 |
CN108062349A (zh) * | 2017-10-31 | 2018-05-22 | 深圳大学 | 基于视频结构化数据及深度学习的视频监控方法和*** |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109614956A (zh) * | 2018-12-29 | 2019-04-12 | 上海依图网络科技有限公司 | 一种视频中对象的识别方法及装置 |
CN109753920A (zh) * | 2018-12-29 | 2019-05-14 | 深圳市商汤科技有限公司 | 一种行人识别方法及装置 |
CN109829435A (zh) * | 2019-01-31 | 2019-05-31 | 深圳市商汤科技有限公司 | 一种视频图像处理方法、装置及计算机可读介质 |
CN110196924A (zh) * | 2019-05-31 | 2019-09-03 | 银河水滴科技(北京)有限公司 | 特征信息库的构建、目标对象的追踪方法及装置 |
CN110196924B (zh) * | 2019-05-31 | 2021-08-17 | 银河水滴科技(宁波)有限公司 | 特征信息库的构建、目标对象的追踪方法及装置 |
CN110765938A (zh) * | 2019-10-22 | 2020-02-07 | 北京旷视科技有限公司 | 身份识别方法、装置、电子设备及计算机可读存储介质 |
CN110929770A (zh) * | 2019-11-15 | 2020-03-27 | 云从科技集团股份有限公司 | 一种基于图像处理的智能追踪方法、***、设备及可读介质 |
CN111047621A (zh) * | 2019-11-15 | 2020-04-21 | 云从科技集团股份有限公司 | 一种目标对象追踪方法、***、设备及可读介质 |
CN110929619A (zh) * | 2019-11-15 | 2020-03-27 | 云从科技集团股份有限公司 | 一种基于图像处理的目标对象追踪方法、***、设备及可读介质 |
CN111047621B (zh) * | 2019-11-15 | 2021-04-09 | 云从科技集团股份有限公司 | 一种目标对象追踪方法、***、设备及可读介质 |
CN110889346B (zh) * | 2019-11-15 | 2021-07-02 | 云从科技集团股份有限公司 | 一种智能追踪方法、***、设备及可读介质 |
CN110889346A (zh) * | 2019-11-15 | 2020-03-17 | 云从科技集团股份有限公司 | 一种智能追踪方法、***、设备及可读介质 |
CN110942003A (zh) * | 2019-11-20 | 2020-03-31 | 中国建设银行股份有限公司 | 人员轨迹搜索方法及*** |
CN111563086A (zh) * | 2020-01-13 | 2020-08-21 | 杭州海康威视***技术有限公司 | 信息关联方法、装置、设备及存储介质 |
CN111563086B (zh) * | 2020-01-13 | 2023-09-19 | 杭州海康威视***技术有限公司 | 信息关联方法、装置、设备及存储介质 |
CN113496167A (zh) * | 2020-04-02 | 2021-10-12 | 北京京东乾石科技有限公司 | 确定目标运动轨迹的方法和装置 |
CN111639968A (zh) * | 2020-05-25 | 2020-09-08 | 腾讯科技(深圳)有限公司 | 轨迹数据处理方法、装置、计算机设备以及存储介质 |
CN111639968B (zh) * | 2020-05-25 | 2023-11-03 | 腾讯科技(深圳)有限公司 | 轨迹数据处理方法、装置、计算机设备以及存储介质 |
CN112241686A (zh) * | 2020-09-16 | 2021-01-19 | 四川天翼网络服务有限公司 | 一种基于特征向量的轨迹比对匹配方法及*** |
CN112218046A (zh) * | 2020-09-27 | 2021-01-12 | 杭州海康威视***技术有限公司 | 对象监控方法及装置 |
CN112218046B (zh) * | 2020-09-27 | 2023-10-24 | 杭州海康威视***技术有限公司 | 对象监控方法及装置 |
CN112949396A (zh) * | 2021-01-29 | 2021-06-11 | 南通大学 | 一种景区寻找同游人员的自适应方法 |
CN112949396B (zh) * | 2021-01-29 | 2023-11-24 | 南通大学 | 一种景区寻找同游人员的自适应方法 |
CN113034550A (zh) * | 2021-05-28 | 2021-06-25 | 杭州宇泛智能科技有限公司 | 跨镜行人轨迹追踪的方法、***、电子装置和存储介质 |
CN113793363A (zh) * | 2021-09-27 | 2021-12-14 | 重庆紫光华山智安科技有限公司 | 目标跟踪方法及相关装置 |
CN115018433A (zh) * | 2022-08-10 | 2022-09-06 | 四川港投新通道物流产业投资集团有限公司 | 一种酒品供应链监控方法、装置、设备及介质 |
CN115861914A (zh) * | 2022-10-24 | 2023-03-28 | 广东魅视科技股份有限公司 | 一种辅助用户查找特定目标的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109102531A (zh) | 一种目标轨迹追踪方法及装置 | |
CN104915351B (zh) | 图片排序方法及终端 | |
CN105444770B (zh) | 基于智能手机的车道级别地图生成和定位方法 | |
CN106767812B (zh) | 一种基于语义信息提取的室内语义地图更新方法与*** | |
Ni et al. | Multilevel depth and image fusion for human activity detection | |
JP5682563B2 (ja) | 移動体軌跡識別システム、移動体軌跡識別方法および移動体軌跡識別プログラム | |
CN109711281A (zh) | 一种基于深度学习的行人重识别与特征识别融合方法 | |
CN104268586B (zh) | 一种多视角动作识别方法 | |
CN110298249A (zh) | 人脸识别方法、装置、终端及存储介质 | |
CN106778684A (zh) | 深度神经网络训练方法及人脸识别方法 | |
CN103824051B (zh) | 一种基于局部区域匹配的人脸搜索方法 | |
CN108986801A (zh) | 一种人机交互方法、装置及人机交互终端 | |
CN107330396A (zh) | 一种基于多属性和多策略融合学习的行人再识别方法 | |
CN106845357A (zh) | 一种基于多通道网络的视频人脸检测和识别方法 | |
CN110428449A (zh) | 目标检测跟踪方法、装置、设备及存储介质 | |
CN108984799A (zh) | 一种视频数据处理方法及装置 | |
CN106663126A (zh) | 用于运动任务分析的视频处理 | |
CN107563286A (zh) | 一种基于Kinect深度信息的动态手势识别方法 | |
CN105574510A (zh) | 一种步态识别方法及装置 | |
CN109214280A (zh) | 基于街景的店铺识别方法、装置、电子设备及存储介质 | |
CN111291589A (zh) | 信息的关联分析方法及装置、储存介质、电子装置 | |
CN109558902A (zh) | 一种快速目标检测方法 | |
CN103052987A (zh) | 促进视频监控中的人物搜索 | |
CN108764269A (zh) | 一种基于时空约束增量学习的跨数据集行人再识别方法 | |
CN109583505A (zh) | 一种多传感器的物体关联方法、装置、设备及介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181228 |
|
RJ01 | Rejection of invention patent application after publication |