CN109711369A - 行人统计方法、装置、***、计算机设备和存储介质 - Google Patents
行人统计方法、装置、***、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109711369A CN109711369A CN201811637152.7A CN201811637152A CN109711369A CN 109711369 A CN109711369 A CN 109711369A CN 201811637152 A CN201811637152 A CN 201811637152A CN 109711369 A CN109711369 A CN 109711369A
- Authority
- CN
- China
- Prior art keywords
- pedestrian
- condition code
- count
- time video
- real time
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本申请涉及一种行人统计方法、装置、***、计算机设备和存储介质,其中该方法包括:获取行人统计请求;根据所述行人统计请求获取对应的实时视频数据;提取所述实时视频数据中出现的多个行人的行人特征码;将所述多个行人的行人特征码进行比对得到比对结果;根据所述比对结果对行人的数量进行去重统计得到行人统计结果。本发明通过对实时视频进行特征码结构化提取并保存,并采用大数据技术对特征码进行处理和汇总统计,实现了减产人工参与并同时可以得出较为精确的行人统计数。
Description
技术领域
本发明涉及视频处理技术领域,特别是涉及一种行人统计方法、装置、***、计算机设备和存储介质。
背景技术
目前,随着社会经济的迅速发展,视频监控***在各个行业的应用正逐渐成熟,建设并投入使用的摄像机数量正快速增加。利用设置在人群密集地或卡口的摄像头就可以获取大量的行人信息,如何有效的利用这些摄像机来监控公共场所人群密集度,更好的维护社会稳定和谐,已经成为整个社会执法部门的一个迫在眉睫的难题。
在传统技术中,传统的人数统计方法基本上处于人工参与的阶段,有的是利用人为计数的方式,有的是采用其他电子传感器等设备完成,几乎都需要人工参与完成。这种方式花费大量的人力、时间,效率非常低下。此外,行进中的人群由于存在大量的遮挡、合并、分离,如何实现准确的行人统计是一个富有挑战性的研究问题。
发明内容
基于此,有必要针对上述技术问题,提供一种可以减少人工参与又能实现获取较为精准的行人统计方法、装置、***、计算机设备和存储介质。
一种行人统计方法,所述方法包括:
获取行人统计请求;
根据所述行人统计请求获取对应的实时视频数据;
提取所述实时视频数据中出现的多个行人的行人特征码;
将所述多个行人的行人特征码进行比对得到比对结果;
根据所述比对结果对行人的数量进行去重统计得到行人统计结果。
在其中一个实施例中,所述提取实时视频中出现的多个行人的行人特征码的步骤还包括:
将所述实时视频数据解码并进行结构化分析;
提取所述实时视频数据中出现的多个行人的行人特征码;
其中,所述行人特征码包括:行人头发的深浅长短、帽子、上衣颜色、是否戴眼镜、性别及面部特征。
在其中一个实施例中,所述将所述多个行人的行人特征码进行比对得到比对结果的步骤包括:
将获取所述多个行人的行人特征码信息进行比对;
计算多个行人的行人特征码的特征信息相似度;
根据所述行人特征码的特征相似度判断所述多个行人是否为同一人。
在其中一个实施例中,所述根据所述行人特征码的特征相似度判断所述多个行人是否为同一人的步骤包括:
判断所述行人特征码的特征信息相似度是否达到阈值;
将多个所述行人特征码的特征信息相似度均超过阈值的行人归类为同一个人;
将所有所述行人特征码的特征信息相似度均不超过阈值的行人认定为不同行人。
在其中一个实施例中,在所述提取所述实时视频数据中出现的多个行人的行人特征码的步骤之后还包括:
提取所述实时视频数据中的行人图片;
将所述行人图片发送到图片服务器中;
将所述行人特征码发送到数据库服务器中;
从所述数据库服务器中获取多个行人的行人特征码。
一种行人统计装置,所述装置包括:
第一获取模块,所述获取模块用于获取行人统计请求;
第二获取模块,所述第二获取模块用于根据所述行人统计请求获取对应的实时视频数据;
特征提取模块,所述特征提模块用于提取所述实时视频数据中出现的多个行人的行人特征码;
比对模块,所述比对模块用于将所述多个行人的行人特征码进行比对得到比对结果;
统计模块,所述统计模块用于根据所述比对结果对行人的数量进行去重统计得到行人统计结果。
一种行人统计***,所述***包括:
上述的行人统计装置;
摄像机,所述摄像机用于拍摄得到实时视频数据;
接入服务器,所述接入服务器用于将所述摄像机接入所述***;
媒体转发服务器,所述媒体转发服务器用于向所述行人统计装置发送所述摄像机拍摄得到实时视频数据;
客户端,所述客户端用于接收所述行人统计装置向所述客户端返回的行人统计结果并进行展示。
在其中一个实施例中,所述***还包括:
图片服务器,所述图片服务器用于存储所述行人统计装置发送的行人图片;
数据库服务器,所述数据库服务器用于存储所述行人统计装置发送的行人特征码。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在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任意一项方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任意一项方法的步骤。
上述行人统计方法、装置、***、计算机设备和存储介质,通过获取行人统计请求;根据所述行人统计请求获取对应的实时视频数据;提取所述实时视频数据中出现的多个行人的行人特征码;将所述多个行人的行人特征码进行比对得到比对结果;根据所述比对结果对行人的数量进行去重统计得到行人统计结果。本发明通过对实时视频进行特征码结构化提取并保存,并采用大数据技术对特征码进行处理和汇总统计,实现了减产人工参与并同时可以得出较为精确的行人统计数。
附图说明
图1为一个实施例中行人统计方法的应用场景图;
图2为一个实施例中行人统计方法的流程示意图;
图3为一个实施例中提取实时视频中出现的多个行人的行人特征码的步骤的流程示意图;
图4为一个实施例中将多个行人的行人特征码进行比对得到比对结果的步骤的流程示意图;
图5为一个实施例中根据行人特征码的特征相似度判断多个行人是否为同一人的步骤的流程示意图;
图6为另一个实施例中行人统计方法的流程示意图;
图7为一个实施例中行人统计方法的序列图;
图8为一个实施例中行人统计装置的结构框图;
图9为另一个实施例中行人统计装置的结构框图;
图10为一个实施例中行人统计***的结构框图;
图11为另一个实施例中行人统计***的结构框图;
图12为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请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申请,并不用于限定本申请。
本发明实施例所提供的行人统计方法可应用到如图1所示的应用环境中。该应用环境中包括:管理服务器(CMS);接入服务器(APS);智能引擎服务器(SES);图片服务器(TGI);数据库服务器(DBS);媒体转发服务器(SMT)以及大数据实时计算服务器(DMS)。其中,管理服务器,用于对***中的摄像机和各服务器模块进行统一管理,如负责用户管理、角色管理、区域管理、结构化任务管理、视频资源管理、权限管理、日志管理等。接入服务器,用于与前端设备(例如:摄像机)或平台进行信令交互。智能引擎服务器,用于提供分析算法对普通摄像机所输出的实时视频进行智能分析,提取出行人的特征码信息。图片服务器,用于保存抓拍的行人特征码图片。数据库服务器,用于存储智能引擎服务器所输出的行人特征码信息。媒体转发服务器,用于转发普通摄像机的实时视频给智能引擎服务器进行分析。大数据实时计算服务器,用于通过大数据技术在后台对***中实时抓拍的行人特征码信息进行实时比对,并进行统一汇总,计算出行人数量信息。
在一个实施例中,如图2所示,提供了一种行人统计方法,以该方法应用于图1中的应用环境为例进行说明,该方法包括:
步骤202,获取行人统计请求;
步骤204,根据行人统计请求获取对应的实时视频数据;
步骤206,提取实时视频数据中出现的多个行人的行人特征码;
步骤208,将多个行人的行人特征码进行比对得到比对结果;
步骤210,根据比对结果对行人的数量进行去重统计得到行人统计结果。
具体地,参考图7,摄像机通过接入服务器接入***。流媒体转发服务器向智能引擎服务器发送实时视频。智能引擎服务器获取行人统计请求,根据该请求接收到实时视频后,将实时视频解码并进行结构化分析,提取视频中出现的行人特征码。智能引擎服务器将分析得到的行人特征码信息保存到数据库服务器。大数据实时计算服务器从数据库服务器中获取智能引擎服务器保存到数据库服务器中的实时视频中抓拍的行人特征码信息。大数据实时计算服务器将获取的行人特征码信息进行比对,将多个特征信息相似的标记为同一人,所有特征信息比对后相似度小于一定阈值时认定为不同行人。最后进行统一汇总,并将计算结果返回给客户端进行展示。
在本实施例中,基于视频结构化通过获取行人统计请求;根据行人统计请求获取对应的实时视频数据;提取实时视频数据中出现的多个行人的行人特征码;将多个行人的行人特征码进行比对得到比对结果;根据比对结果对行人的数量进行去重统计得到行人统计结果。本实施例通过对实时视频进行特征码结构化提取并保存,并采用大数据技术对特征码进行处理和汇总统计,实现了减产人工参与并同时可以得出较为精确的行人统计数。
在一个实施例中,提供了一种行人统计方法,如图3所示,该方法中提取实时视频中出现的多个行人的行人特征码的步骤包括:
步骤302,将实时视频数据解码并进行结构化分析;
步骤304,提取实时视频数据中出现的多个行人的行人特征码;其中,行人特征码包括:行人头发的深浅长短、帽子、上衣颜色、是否戴眼镜、性别及面部特征。
具体地,参考图7,智能引擎服务器接收到实时视频后,将实时视频解码并进行结构化分析,提取视频中出现的行人特征码,包括行人头发的深浅长短、帽子、上衣颜色、是否戴眼镜、性别及面部特征等,同时将行人从视频中截取出来。
在本实施例中,实现了对多个行人的行人特征码进行提取,通过行人特征码的比对可以判断视频中截取的多个行人是否为同一人,避免了行人统计时出现重复统计的错误,提高了行人统计的准确性。
在一个实施例中,提供了一种行人统计方法,如图4所示,该方法中将多个行人的行人特征码进行比对得到比对结果的步骤包括:
步骤402,将获取多个行人的行人特征码信息进行比对;
步骤404,计算多个行人的行人特征码的特征信息相似度;
步骤406,根据行人特征码的特征相似度判断多个行人是否为同一人。
在一个实施例中,提供了一种行人统计方法,如图5所示,该方法中根据行人特征码的特征相似度判断多个行人是否为同一人的步骤包括:
步骤502,判断行人特征码的特征信息相似度是否达到阈值;
步骤504,将多个行人特征码的特征信息相似度均超过阈值的行人归类为同一个人;
步骤506,将所有行人特征码的特征信息相似度均不超过阈值的行人认定为不同行人。
具体地,参考图7,大数据实时计算服务器将获取的行人特征码信息进行比对,将相似度大于一定的阈值的特征码归类为同一个人,所有特征信息比对后相似度小于一定阈值时认定为不同行人,该阈值可以通过相应的配置进行预设。
在本实施例中,通过比较视频中截取的行人的多个特征信息相似度进行比对,实现了对视频中截取的行人是否为同一人进行判断,达到去重统计的目的。解决了传统行人统计效率低,准确率低的问题,提升了行人统计数字化和智能化水平,且适用于多种室内室外场景。
在一个实施例中,提供了一种行人统计方法,如图6所示,该方法中在提取实时视频数据中出现的多个行人的行人特征码的步骤之后还包括:
步骤602,提取实时视频数据中的行人图片;
步骤604,将行人图片发送到图片服务器中;
步骤606,将行人特征码发送到数据库服务器中;
步骤608,从数据库服务器中获取多个行人的行人特征码。
具体地,参考图7,智能引擎服务器将分析和截取得到的行人图片存储到图片服务器中。智能引擎服务器还可以将分析得到的行人特征码信息保存到数据库服务器。大数据实时计算服务器从数据库服务器中获取智能引擎服务器保存到数据库服务器中的实时视频中抓拍的行人特征码信息。
在本实施例中,实现了对行人图片的截取以及存储,还实现了对行人特征码的存储以及获取。
应该理解的是,虽然图2-7的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-7中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图8所示,提供了一种行人统计装置800,该装置包括:
第一获取模块801,用于获取行人统计请求;
第二获取模块802,用于根据行人统计请求获取对应的实时视频数据;
特征提取模块803,用于提取实时视频数据中出现的多个行人的行人特征码;
比对模块804,用于将多个行人的行人特征码进行比对得到比对结果;
统计模块805,用于根据比对结果对行人的数量进行去重统计得到行人统计结果。
在一个实施例中,特征提取模块803还用于:将实时视频数据解码并进行结构化分析;提取实时视频数据中出现的多个行人的行人特征码;其中,行人特征码包括:行人头发的深浅长短、帽子、上衣颜色、是否戴眼镜、性别及面部特征。
在一个实施例中,比对模块804还用于:将获取多个行人的行人特征码信息进行比对;计算多个行人的行人特征码的特征信息相似度;根据行人特征码的特征相似度判断所述多个行人是否为同一人。
在一个实施例中,比对模块804还用于:判断行人特征码的特征信息相似度是否达到阈值;将多个行人特征码的特征信息相似度均超过阈值的行人归类为同一个人;将所有行人特征码的特征信息相似度均不超过阈值的行人认定为不同行人。
在一个实施例中,如图9所示,提供了一种行人统计装置800,该装置还包括发送模块806用于:提取实时视频数据中的行人图片;将行人图片发送到图片服务器中;将行人特征码发送到数据库服务器中。
关于行人统计装置的具体限定可以参见上文中对于行人统计方法的限定,在此不再赘述。
在一个实施例中,如图10所示,提供了一种行人统计***1000,该***包括:
如上述任一实施例中的行人统计装置1001;
摄像机1002,用于拍摄得到实时视频数据;
接入服务器1003,用于将摄像机接入***;
媒体转发服务器1004,用于向行人统计装置发送摄像机拍摄得到实时视频数据;
客户端1005,用于接收行人统计装置向客户端返回的行人统计结果并进行展示。
在一个实施例中,图11所示,提供了一种行人统计***1000,该***还包括:
图片服务器1006,用于存储行人统计装置发送的行人图片;
数据库服务器1007,用于存储行人统计装置发送的行人特征码。
具体地,参考图7,在***中添加用于视频监控的普通摄像机,并配置分析计划。在***中添加结构化分析服务器,并给结构化分析服务器分配普通摄像机。在***中添加图片服务器,并给图片服务器分配结构化分析服务器,所分配的结构化分析服务器把行人特征码存储到图片服务器中。在***中添加数据库服务器,用于保存结构化分析服务器所分析的特征码信息。在***中添加媒体转发服务器,并分配摄像机负载列表,将普通摄像机的实时视频转发给结构化分析服务器进行分析。大数据实时计算服务器把行人的所有特征码信息加载到内存中,并进行多个特征信息全面比对,排除掉相似的行人,得出较为精准的行人统计数。
该***实现行人统计的过程包括:普通摄像机通过网络接入APS服务器。通过客户端将智能引擎服务器、图片服务器、数据库服务器和媒体转发等服务器添加到***进行管理。视频流通过流媒体转发服务器通过网络发送给智能引擎服务器后,启动智能引擎服务开始实时视频结构分析服务。行人图片存将储至图片服务器,行人特征码将存储至数据库。启动大数据实时计算服务器,大数据实时计算服务器持续不断对特征码进行比对并进行汇总统计,产生行人统计信息,并将计算结果返回给客户端进行展示。
在本实施例中,通过摄像机采集实时视频,通过行人统计装置对实时视频进行特征码结构化提取并保存,并采用大数据技术对特征码进行处理和汇总统计,通过比对去重后对行进中的人群达到一定精确度的统计。
关于行人统计***的具体限定可以参见上文中对于行人统计装置以及方法的限定,在此不再赘述。
在一个实施例中,提供了一种计算机设备,其内部结构图可以如图12所示。该计算机设备包括通过***总线连接的处理器、存储器以及网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种行人统计方法。
本领域技术人员可以理解,图12中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以上各个方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以上各个方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种行人统计方法,所述方法包括:
获取行人统计请求;
根据所述行人统计请求获取对应的实时视频数据;
提取所述实时视频数据中出现的多个行人的行人特征码;
将所述多个行人的行人特征码进行比对得到比对结果;
根据所述比对结果对行人的数量进行去重统计得到行人统计结果。
2.根据权利要求1所述的行人统计方法,其特征在于,所述提取实时视频中出现的多个行人的行人特征码的步骤还包括:
将所述实时视频数据解码并进行结构化分析;
提取所述实时视频数据中出现的多个行人的行人特征码;
其中,所述行人特征码包括:行人头发的深浅长短、帽子、上衣颜色、是否戴眼镜、性别及面部特征。
3.根据权利要求1所述的行人统计方法,其特征在于,所述将所述多个行人的行人特征码进行比对得到比对结果的步骤包括:
将获取所述多个行人的行人特征码信息进行比对;
计算多个行人的行人特征码的特征信息相似度;
根据所述行人特征码的特征相似度判断所述多个行人是否为同一人。
4.根据权利要求3所述的行人统计方法,其特征在于,所述根据所述行人特征码的特征相似度判断所述多个行人是否为同一人的步骤包括:
判断所述行人特征码的特征信息相似度是否达到阈值;
将多个所述行人特征码的特征信息相似度均超过阈值的行人归类为同一个人;
将所有所述行人特征码的特征信息相似度均不超过阈值的行人认定为不同行人。
5.根据权利要求1-4任一项所述的行人统计方法,其特征在于,在所述提取所述实时视频数据中出现的多个行人的行人特征码的步骤之后还包括:
提取所述实时视频数据中的行人图片;
将所述行人图片发送到图片服务器中;
将所述行人特征码发送到数据库服务器中;
从所述数据库服务器中获取多个行人的行人特征码。
6.一种行人统计装置,其特征在于,所述装置包括:
第一获取模块,所述获取模块用于获取行人统计请求;
第二获取模块,所述第二获取模块用于根据所述行人统计请求获取对应的实时视频数据;
特征提取模块,所述特征提模块用于提取所述实时视频数据中出现的多个行人的行人特征码;
比对模块,所述比对模块用于将所述多个行人的行人特征码进行比对得到比对结果;
统计模块,所述统计模块用于根据所述比对结果对行人的数量进行去重统计得到行人统计结果。
7.一种行人统计***,其特征在于,所述***包括:
根据权利要求6所述的行人统计装置;
摄像机,所述摄像机用于拍摄得到实时视频数据;
接入服务器,所述接入服务器用于将所述摄像机接入所述***;
媒体转发服务器,所述媒体转发服务器用于向所述行人统计装置发送所述摄像机拍摄得到实时视频数据;
客户端,所述客户端用于接收所述行人统计装置向所述客户端返回的行人统计结果并进行展示。
8.根据权利要求7所述的行人统计***,其特征在于,所述***还包括:
图片服务器,所述图片服务器用于存储所述行人统计装置发送的行人图片;
数据库服务器,所述数据库服务器用于存储所述行人统计装置发送的行人特征码。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在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权利要求1至5中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811637152.7A CN109711369A (zh) | 2018-12-29 | 2018-12-29 | 行人统计方法、装置、***、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811637152.7A CN109711369A (zh) | 2018-12-29 | 2018-12-29 | 行人统计方法、装置、***、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109711369A true CN109711369A (zh) | 2019-05-03 |
Family
ID=66259568
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811637152.7A Pending CN109711369A (zh) | 2018-12-29 | 2018-12-29 | 行人统计方法、装置、***、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109711369A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105488478A (zh) * | 2015-12-02 | 2016-04-13 | 深圳市商汤科技有限公司 | 一种人脸识别***和方法 |
CN205451095U (zh) * | 2015-12-02 | 2016-08-10 | 深圳市商汤科技有限公司 | 一种人脸识别装置 |
CN105979210A (zh) * | 2016-06-06 | 2016-09-28 | 深圳市深网视界科技有限公司 | 一种基于多枪多球摄像机阵列的行人识别*** |
CN106331657A (zh) * | 2016-11-02 | 2017-01-11 | 北京弘恒科技有限公司 | 人群聚集及移动的视频分析检测方法及*** |
CN106998444A (zh) * | 2017-02-14 | 2017-08-01 | 北京中科天云科技有限公司 | 一种大数据人脸监控***及装置 |
CN107291910A (zh) * | 2017-06-26 | 2017-10-24 | 图麟信息科技(深圳)有限公司 | 一种视频片段结构化查询方法、装置及电子设备 |
CN107330386A (zh) * | 2017-06-21 | 2017-11-07 | 厦门中控智慧信息技术有限公司 | 一种人流量统计方法及终端设备 |
CN108492151A (zh) * | 2018-04-13 | 2018-09-04 | 郑俊杰 | 一种适用市场调查的人流统计方法 |
CN108537184A (zh) * | 2018-04-13 | 2018-09-14 | 郑俊杰 | 一种适用市场调查的人流统计*** |
CN108984799A (zh) * | 2018-08-21 | 2018-12-11 | 北京深瞐科技有限公司 | 一种视频数据处理方法及装置 |
-
2018
- 2018-12-29 CN CN201811637152.7A patent/CN109711369A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105488478A (zh) * | 2015-12-02 | 2016-04-13 | 深圳市商汤科技有限公司 | 一种人脸识别***和方法 |
CN205451095U (zh) * | 2015-12-02 | 2016-08-10 | 深圳市商汤科技有限公司 | 一种人脸识别装置 |
CN105979210A (zh) * | 2016-06-06 | 2016-09-28 | 深圳市深网视界科技有限公司 | 一种基于多枪多球摄像机阵列的行人识别*** |
CN106331657A (zh) * | 2016-11-02 | 2017-01-11 | 北京弘恒科技有限公司 | 人群聚集及移动的视频分析检测方法及*** |
CN106998444A (zh) * | 2017-02-14 | 2017-08-01 | 北京中科天云科技有限公司 | 一种大数据人脸监控***及装置 |
CN107330386A (zh) * | 2017-06-21 | 2017-11-07 | 厦门中控智慧信息技术有限公司 | 一种人流量统计方法及终端设备 |
CN107291910A (zh) * | 2017-06-26 | 2017-10-24 | 图麟信息科技(深圳)有限公司 | 一种视频片段结构化查询方法、装置及电子设备 |
CN108492151A (zh) * | 2018-04-13 | 2018-09-04 | 郑俊杰 | 一种适用市场调查的人流统计方法 |
CN108537184A (zh) * | 2018-04-13 | 2018-09-14 | 郑俊杰 | 一种适用市场调查的人流统计*** |
CN108984799A (zh) * | 2018-08-21 | 2018-12-11 | 北京深瞐科技有限公司 | 一种视频数据处理方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105163067B (zh) | 一种基于数字图像处理技术的高空抛物取证*** | |
CN106060442B (zh) | 一种录像存储方法、装置及*** | |
CN110225299B (zh) | 视频监测方法、装置、计算机设备及存储介质 | |
CN101860731B (zh) | 视频信息处理方法、***及服务器 | |
CN109308460B (zh) | 物品检测方法、***及计算机可读存储介质 | |
US10515117B2 (en) | Generating and reviewing motion metadata | |
CN110298862A (zh) | 视频处理方法、装置、计算机可读存储介质和计算机设备 | |
CN110738178A (zh) | 园区施工安全检测方法、装置、计算机设备及存储介质 | |
CN113992893A (zh) | 园区巡检方法、装置、存储介质及电子装置 | |
CN111241938A (zh) | 基于图像校验的人脸识别方法、装置和计算机设备 | |
CN113378616A (zh) | 视频分析方法、视频分析的管理方法及相关设备 | |
CN112818173A (zh) | 关联对象的识别方法、装置及计算机可读存储介质 | |
CN111191506A (zh) | 人员流量统计方法、装置、计算机设备和存储介质 | |
CN111586432B (zh) | 空播直播间确定方法、装置、服务器及存储介质 | |
CN112347856A (zh) | 一种基于教室场景的无感知考勤***及方法 | |
CN109960969A (zh) | 移动路线生成的方法、装置及*** | |
CN111435435B (zh) | 一种同伴识别方法、装置、服务器及*** | |
CN107071337A (zh) | 一种视频监控图像的传输方法及装置 | |
CN110334568B (zh) | 轨迹生成与监控方法、装置、设备及存储介质 | |
CN114915753A (zh) | 云服务器的构架、数据处理方法及存储介质 | |
CN110245696A (zh) | 基于视频的违法事件监控方法、设备及可读存储介质 | |
CN113744221A (zh) | 拍摄对象计数方法、装置、计算机设备和存储介质 | |
CN109711369A (zh) | 行人统计方法、装置、***、计算机设备和存储介质 | |
CN114863364B (zh) | 一种基于智能视频监控的安防检测方法及*** | |
CN114359828A (zh) | 目标行为的记录方法、装置、存储介质及电子装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190503 |