CN110177256B - 一种追踪视频数据获取方法和装置 - Google Patents
一种追踪视频数据获取方法和装置 Download PDFInfo
- Publication number
- CN110177256B CN110177256B CN201910522906.2A CN201910522906A CN110177256B CN 110177256 B CN110177256 B CN 110177256B CN 201910522906 A CN201910522906 A CN 201910522906A CN 110177256 B CN110177256 B CN 110177256B
- Authority
- CN
- China
- Prior art keywords
- target
- target object
- video
- video frame
- definition 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.)
- Active
Links
Images
Classifications
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明实施例公开了一种追踪视频数据的获取方法和装置,其中,所述方法包括:根据视频对象采集设备与目标检测区域中实际位置之间的对应关系,确定目标对象位于所述目标检测区域中的目标位置;根据所述目标位置以及高清视频采集设备和所述目标检测区域中实际位置之间的对应关系,获得所述高清视频采集设备中对应所述目标位置的目标高清视频采集设备,将所述目标高清视频采集设备采集的视频帧进行合并处理获得追踪视频数据。采用本发明所述的方法,能够通过设置的视频对象采集设备对多个目标对象进行全方位定位和追踪,快速、准确的获取相应的高清视频数据,提高了追踪视频的采集效率。
Description
技术领域
本发明实施例涉及人工智能技术领域,具体涉及一种追踪视频数据获取方法和装置。
背景技术
随着人工智能技术的快速发展,现有视频采集设备的功能越来越强大,用户可以通过视频采集设备实现对视频数据中特定目标对象的追踪拍摄。然而,在当前的一些大范围区域内的多目标对象的追踪拍摄过程中,例如:足球比赛、冰球比赛、大型停车场以及候车大厅等大范围区域的视频拍摄方案中,通常需要多台视频采集设备相配合进行视频拍摄。然而,现有的长焦视频采集设备视野范围有限,而短焦视频采集设备不能获取远处目标对象的清晰图像,因此,无法同时兼顾整个监控场景,导致实际应用过程中容易存在盲区。
为了解决上述技术问题,现有技术中通常采用的技术手段是设置大量的视频采集设备去分别追踪场地中的不同目标对象,进而得到针对不同目标对象的追踪视频。这种方法设备用量庞大,而且经常有摇臂之间互相遮挡的问题,降低了监控效率,增加了监控难度,因此,仍然无法满足当前用户的需求。
发明内容
为此,本发明实施例提供一种追踪视频数据获取方法,以解决现有技术中存在的针对大范围区域内的多目标对象的追踪拍摄过程中,设备用量庞大,监控效率低下的问题。
为了实现上述目的,本发明实施例提供如下技术方案:
根据本发明实施例提供的一种追踪视频数据获取方法,包括:构建视频对象采集设备的采集区域所对应的位置与目标检测区域中实际位置之间的第一对应关系,以及构建高清视频采集设备的采集区域所对应的位置与所述目标检测区域中实际位置之间的第二对应关系;确定所述视频对象采集设备采集的视频帧中的目标对象,并提取所述目标对象的目标特征信息,根据所述目标特征信息,从所述视频帧中获取包含所述目标对象的目标视频帧;根据所述目标对象位于所述目标视频帧中的位置信息和所述第一对应关系,确定所述目标对象在所述目标检测区域中的目标位置;根据所述目标位置和所述第二对应关系,获得所述高清视频采集设备中对应所述目标位置的目标高清视频采集设备;获取所述目标高清视频采集设备所采集的全量高清视频帧,将所述全量高清视频帧进行合并处理,获得针对所述目标对象的追踪视频数据。
进一步的,所述的追踪视频数据获取方法,还包括:当确定的所述目标对象在所述目标检测区域中的位置包含至少两个不同位置时,获得所述至少两个不同位置的概率值;根据所述概率值,确定所述目标对象在所述目标检测区域中的所述目标位置;其中,所述概率值为所述目标对象位于所述位置的概率值。
进一步的,所述根据所述目标位置和所述第二对应关系,获得所述高清视频采集设备中对应所述目标位置的目标高清视频采集设备,具体包括:根据所述目标位置和所述第二对应关系,获得所述高清视频采集设备中对应所述目标位置的至少两个高清视频采集设备;获取所述至少两个高清视频采集设备中采集区域的中心位置与所述目标位置之间的距离参数;根据所述距离参数确定所述至少两个高清视频采集设备中对应所述目标位置的所述目标高清视频采集设备。
进一步的,所述的追踪视频数据获取方法,还包括:从所述视频帧中获取所述目标对象的整体特征信息;从所述整体特征信息中获取所述目标对象与所述目标检测区域中场地水平面的距离小于预设距离阈值的局部部位的局部特征信息;根据所述局部特征信息,获得所述目标对象的局部部位在所述目标视频帧中的位置信息,将所述目标对象的局部部位在所述目标视频帧中的位置信息作为所述目标对象位于所述目标视频帧中的位置信息。
进一步的,所述获得所述至少两个不同位置的概率值,具体包括:获得所述至少两个不同位置分别对应的所述目标对象的特征信息;将所述特征信息作为样本发送至预设的特征识别模型中,获得所述至少两个不同位置的概率值;其中,所述特征识别模型用于根据所述特征信息与目标特征信息的匹配结果确定目标对象所在位置的概率值。
相应的,本申请还提供一种追踪视频数据获取装置,包括:构建单元,用于构建视频对象采集设备的采集区域所对应的位置与目标检测区域中实际位置之间的第一对应关系,以及构建高清视频采集设备的采集区域所对应的位置与所述目标检测区域中实际位置之间的第二对应关系;目标视频帧获取单元,用于确定所述视频对象采集设备采集的视频帧中的目标对象,并提取所述目标对象的目标特征信息,根据所述目标特征信息,从所述视频帧中获取包含所述目标对象的目标视频帧;目标位置确定单元,用于根据所述目标对象位于所述目标视频帧中的位置信息和所述第一对应关系,确定所述目标对象在所述目标检测区域中的目标位置;目标高清视频采集设备确定单元,用于根据所述目标位置和所述第二对应关系,获得所述高清视频采集设备中对应所述目标位置的目标高清视频采集设备;追踪视频数据获得单元,用于获取所述目标高清视频采集设备所采集的全量高清视频帧,将所述全量高清视频帧进行合并处理,获得针对所述目标对象的追踪视频数据。
进一步的,所述根据所述目标位置和所述第二对应关系,获得所述高清视频采集设备中对应所述目标位置的目标高清视频采集设备,具体包括:根据所述目标位置和所述第二对应关系,获得所述高清视频采集设备中对应所述目标位置的至少两个高清视频采集设备;获取所述至少两个高清视频采集设备中采集区域的中心位置与所述目标位置之间的距离参数;根据所述距离参数确定所述至少两个高清视频采集设备中对应所述目标位置的所述目标高清视频采集设备。
进一步的,所述的追踪视频数据获取装置,还包括:完整特征获得单元,用于从所述视频帧中获取所述目标对象的整体特征信息;
局部特征获取单元,用于从所述整体特征信息中获取所述目标对象与所述目标检测区域中场地水平面的距离小于预设距离阈值的局部部位的局部特征信息;
位置信息确定单元,用于根据所述局部特征信息,获得所述目标对象的局部特征信息在所述目标视频帧中的位置信息,将所述目标对象的局部特征信息在所述目标视频帧中的位置信息作为所述目标对象位于所述目标视频帧中的位置信息。
进一步的,所述的追踪视频数据获取方法,还包括:当确定的所述目标对象在所述目标检测区域中的位置包含至少两个不同位置时,获得所述至少两个不同位置的概率值;根据所述概率值,确定所述目标对象在所述目标检测区域中的所述目标位置。
进一步的,所述获得所述至少两个不同位置的概率值,具体包括:获得所述至少两个不同位置分别对应的所述目标对象的特征信息;将所述特征信息作为样本发送至预设的特征识别模型中,获得所述至少两个不同位置的概率值;其中,所述特征识别模型用于根据所述特征信息与目标特征信息的匹配结果确定目标对象所在位置的概率值。
相应的,本申请还提供一种电子设备,包括:处理器和存储器;其中,所述存储器,用于存储追踪视频数据获取方法的程序,该设备通电并通过所述处理器运行该追踪视频数据获取方法的程序后,执行下述步骤:
构建视频对象采集设备的采集区域所对应的位置与目标检测区域中实际位置之间的第一对应关系,以及构建高清视频采集设备的采集区域所对应的位置与所述目标检测区域中实际位置之间的第二对应关系;确定所述视频对象采集设备采集的视频帧中的目标对象,并提取所述目标对象的目标特征信息,根据所述目标特征信息,从所述视频帧中获取包含所述目标对象的目标视频帧;根据所述目标对象位于所述目标视频帧中的位置信息和所述第一对应关系,确定所述目标对象在所述目标检测区域中的目标位置;根据所述目标位置和所述第二对应关系,获得所述高清视频采集设备中对应所述目标位置的目标高清视频采集设备;获取所述目标高清视频采集设备所采集的全量高清视频帧,将所述全量高清视频帧进行合并处理,获得针对所述目标对象的追踪视频数据。
相应的,本申请还提供一种存储设备,存储有追踪视频数据获取方法的程序,该程序被处理器运行,执行下述步骤:
构建视频对象采集设备的采集区域所对应的位置与目标检测区域中实际位置之间的第一对应关系,以及构建高清视频采集设备的采集区域所对应的位置与所述目标检测区域中实际位置之间的第二对应关系;确定所述视频对象采集设备采集的视频帧中的目标对象,并提取所述目标对象的目标特征信息,根据所述目标特征信息,从所述视频帧中获取包含所述目标对象的目标视频帧;根据所述目标对象位于所述目标视频帧中的位置信息和所述第一对应关系,确定所述目标对象在所述目标检测区域中的目标位置;根据所述目标位置和所述第二对应关系,获得所述高清视频采集设备中对应所述目标位置的目标高清视频采集设备;获取所述目标高清视频采集设备所采集的全量高清视频帧,将所述全量高清视频帧进行合并处理,获得针对所述目标对象的追踪视频数据。
采用本发明所述的方法,能够通过设置的视频对象采集设备预先对各个目标对象进行全方位的定位和追踪,进而快速、准确的获取相应位置部署的高清视频采集设备的高清视频数据,提升了追踪视频的采集效率,避免了庞大的设备用量和多摇臂设备相互遮挡的问题,从而提高了用户的使用体验。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案,下面将对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,下面描述中的附图仅仅是示例性的,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,还可以根据提供的附图引伸获得其它的实施附图。
本说明书所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容得能涵盖的范围内。
图1为本发明实施例提供的一种追踪视频数据的获取方法的流程图;
图2为本发明实施例提供的一种追踪视频数据的获取装置的示意图;
图3为本发明实施例提供的一种电子设备的示意图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效,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。
下面基于本发明所述的追踪视频数据的获取方法,对其实施例进行详细描述。如图1所示,其为本发明实施例提供的一种追踪视频数据的获取方法的流程图,具体实现过程包括以下步骤:
步骤S101:构建视频对象采集设备的采集区域所对应的位置与目标检测区域中实际位置之间的第一对应关系,以及构建高清视频采集设备的采集区域所对应的位置与所述目标检测区域中实际位置之间的第二对应关系。
在本发明实施例中,所述的视频对象采集设备可以是指一套完全覆盖目标检测区域的广角视频采集设备组。比如可以由两台或三台广角视频采集设备组成。所述的广角视频采集设备可以是指广角摄像机、广角录像机以及广角图像传感器等广角视频数据采集设备。
所述的采集区域为视频对象采集设备可以拍摄到所述目标检测区域内的区域范围。通过设置的视频对象采集设备可以实现采集区域覆盖全部的目标检测区域。
需要说明的是,在所述视频对象采集设备之间采集区域覆盖目标检测区域的拼接处需要预留满足预设范围阈值的重复采集区域,同时,所述视频对象采集设备覆盖范围的拍摄精度要求至少保证每个目标对象应当占有不少于16x16的像素宽度。
所述的高清视频采集设备可以是指一套完全覆盖目标检测区域的高清视频采集设备组。所述的高清视频采集设备组可以是指由多个高分辨率摄像装置组成的集合,每个摄像装置的采集区域交叠覆盖完整的目标检测区域,并且保证在其采集区域内,每个目标对象应当占有不小于300像素的宽度。
在具体实施过程中,部署所述高清视频采集设备和所述视频对象采集设备时,可以进行预先测量,使得视频对象采集设备的采集区域所对应的位置与目标检测区域中实际位置,以及高清视频采集设备的采集区域所对应的位置与所述目标检测区域中实际位置之间一一对应,并将两者的对应关系预先存储至服务器内的数据存储***中。
步骤S102:确定所述视频对象采集设备采集的视频帧中的目标对象,并提取所述目标对象的目标特征信息,根据所述目标特征信息,从所述视频帧中获取包含所述目标对象的目标视频帧。
在步骤S101中部署所述视频对象采集设备和所述高清视频采集设备之后,本步骤可以通过所述视频对象采集设备采集的视频帧中确定需要的目标对象,通过特征提取算法提取所述目标对象的目标特征信息,进一步根据所述目标特征信息从所述视频对象采集设备采集的视频帧获取包含所述目标对象的目标视频帧。
在本发明实施例中,所述的确定所述视频对象采集设备采集的视频帧中的目标对象,具体可以是指从所述视频对象采集设备采集的任意一个视频帧中所包含的目标对象。所述目标对象可以是指待追踪的人或物等,例如:停车场内的汽车或者足球场上的运动员等。
所述的目标特征信息可以是指唯一标识所述目标对象的生物特征、形状特征、构造特征以及颜色特征等。所述的目标视频帧可以是指所述视频对象采集设备采集的所有视频帧中包含所述目标对象的视频帧。
步骤S103:根据所述目标对象位于所述目标视频帧中的位置信息和所述第一对应关系,确定所述目标对象在所述目标检测区域中的目标位置。
上述步骤S101中获得第一对应关系后,为本步骤确定所述目标对象在所述目标检测区域中的目标位置做了数据准备工作。在步骤S102中,可以根据所述目标对象位于所述目标视频帧中的位置信息和所述第一对应关系进一步确定所述目标对象在所述目标检测区域中的目标位置。
在实际实施过程中,当确定的所述目标对象在所述目标检测区域中的位置包含至少两个不同位置时,可以通过特征提取算法获取所述至少两个不同位置分别对应的所述目标对象的特征信息,将所述特征信息作为样本发送至预设的特征识别模型中,进而分别得到所述至少两个不同位置的概率值。根据所述至少两个不同位置的概率值大小,将概率值最大的位置确定所述目标对象在所述目标检测区域中的唯一一个目标位置。其中,所述特征识别模型用于根据所述特征信息与目标特征信息的匹配结果确定目标对象所在位置的概率值。
需要说明的是,所述目标对象位于所述目标视频帧中的位置信息具体可以通过如下方式确定:利用特征提取算法从所述视频帧中获取所述目标对象的完整特征信息,从所述整体特征信息中获取所述目标对象与所述目标检测区域中场地水平面的距离小于预设距离阈值的局部部位的局部特征信息,根据所述局部特征信息,对目标对象进行识别和追踪进而获得所述目标对象的局部部位在所述目标视频帧中的位置信息,将所述目标对象的局部部位在所述目标视频帧中的位置信息作为所述目标对象位于所述目标视频帧中的位置信息。具体的,可以通过Faster RCNN识别网络实现于目标对象的识别,使用基于神经网络特征相似度匹配的方式对多目标对象进行定位和追踪。另外,本发明所述的实施例中也可以使用其他方式实现对所述目标对象的识别和追踪,在此不做具体限定。
在本发明实施例中,所述的目标检测区域为待检测的所述目标对象的获取区域,例如:运动员比赛的足球场,汽车的停车场等,在此不做具体限定。通常视频对象采集设备的采集区域实现对所述目标检测区域完全覆盖。所述的目标位置可以是指所述目标对象位于所述目标检测区域内的实际位置。需要说明的是所述目标位置在实际检测过程中是不断变化的,所以所述目标高清视频采集设备也是不断变化的。
步骤S104:根据所述目标位置和所述第二对应关系,获得所述高清视频采集设备中对应所述目标位置的目标高清视频采集设备。
上述步骤S101中获得第二对应关系后,为本步骤获得所述高清视频采集设备中对应所述目标位置的目标高清视频采集设备做了数据准备工作。在步骤S102中,可以根据所述目标位置和所述第二对应关系进一步获得所述高清视频采集设备中对应所述目标位置的目标高清视频采集设备。
在实际实施过程中,根据所述目标位置和所述第二对应关系,当获得的所述高清视频采集设备中对应所述目标位置包含至少两个高清视频采集设备时,可以进一步的获取所述至少两个高清视频采集设备中采集区域的中心位置与所述目标位置之间的距离参数,根据目标位置距离采集区域的中心位置的远近确定所述至少两个高清视频采集设备中对应所述目标位置的唯一一台所述目标高清视频采集设备。具体的,也可以通过判断所述目标位置与所述高清视频采集设备中采集区域的中心位置之间的距离是否小于预设的距离范围阈值,若是,则将所述高清视频采集设备作为所述目标高清视频采集设备。
在本发明实施例中,所述的目标高清视频采集设备为距离所述目标对象位于所述目标检测区域内最近的一台高清视频采集设备。
步骤S105:获取所述目标高清视频采集设备所采集的全量高清视频帧,将所述全量高清视频帧进行合并处理,获得针对所述目标对象的追踪视频数据。
上述步骤S104中确定对应所述目标对象的目标高清视频采集设备后,在步骤中,可以获取所述目标高清视频采集设备所采集的全量高清视频帧。将所述全量高清视频帧进行合并处理便可以获得针对所述目标对象的完整追踪视频数据。所述合并处理具体包括:从所述全量高清视频帧中剪切所述目标对象所在的目标位置,再把目标位置的高清视频帧串联成追踪视频。
在本发明实施例中,通过预设的本地校时服务器能够保证网络连通的稳定性,所述高清视频采集设备、所述视频对象采集设备等设备与所述本地校时服务器之间的延时可以设置稳定在预设的时间阈值(例如:15ms或20ms等)内。
需要说明的是所述目标位置在实际检测过程中是不断变化的,所以目标高清视频采集设备也是不断变化的。因此,所述的目标高清视频采集设备可以是指一台高清视频采集设备,也可以是指多台高清视频采集设备的组合。
相应的,最终采集的全量高清视频帧可以是指一台高清视频采集设备采集的包含所述目标对象的视频帧,也可以是指多台高清视频采集设备的组合所采集的包含所述目标对象的视频帧。
采用本发明所述的方法,能够通过设置的视频对象采集设备预先对各个目标对象进行全方位的定位和追踪,进而快速、准确的获取相应位置的高清视频采集设备的高清视频数据,提升了追踪视频的采集效率,避免了庞大的设备用量,从而提高了用户的使用体验。
与上述提供的一种追踪视频数据的获取方法相对应,本发明还提供一种追踪视频数据的获取装置。由于该装置的实施例相似于上述方法实施例,所以描述的比较简单,相关之处请参见上述方法实施例部分的说明即可,下面描述的追踪视频数据获取装置的实施例仅是示意性的。请参考图2所示,其为本发明实施例提供的一种追踪视频数据的获取装置的示意图。
本发明所述的一种追踪视频数据获取装置包括如下部分:
构建单元201,用于构建视频对象采集设备的采集区域所对应的位置与目标检测区域中实际位置之间的第一对应关系,以及构建高清视频采集设备的采集区域所对应的位置与所述目标检测区域中实际位置之间的第二对应关系。
在本发明实施例中,所述的视频对象采集设备可以是指一套完全覆盖目标检测区域的广角视频采集设备组。比如可以由两台或三台广角视频采集设备组成。所述的广角视频采集设备可以是指广角摄像机、广角录像机以及广角图像传感器等广角视频数据采集设备。所述的采集区域为视频对象采集设备可以拍摄到所述目标检测区域内的区域范围。通过设置的视频对象采集设备可以实现采集区域覆盖全部的目标检测区域。需要说明的是,在所述视频对象采集设备之间采集区域覆盖目标检测区域的拼接处需要预留满足预设范围阈值的重复采集区域,同时,所述视频对象采集设备覆盖范围的拍摄精度要求至少保证每个目标对象应当占有不少于16x16的像素宽度。
所述的高清视频采集设备可以是指一套完全覆盖目标检测区域的高清视频采集设备组。所述的高清视频采集设备组可以是指由多个高分辨率摄像装置组成的集合,每个摄像装置的采集区域交叠覆盖完整的目标检测区域,并且保证在其采集区域内,每个目标对象应当占有不小于300像素的宽度。
在具体实施过程中,部署所述高清视频采集设备和所述视频对象采集设备时,可以进行预先测量,使得视频对象采集设备的采集区域所对应的位置与目标检测区域中实际位置,以及高清视频采集设备的采集区域所对应的位置与所述目标检测区域中实际位置之间一一对应,并将两者的对应关系预先存储至服务器内的数据存储***中。
目标视频帧获取单元202,用于确定所述视频对象采集设备采集的视频帧中的目标对象,并提取所述目标对象的目标特征信息,根据所述目标特征信息,从所述视频帧中获取包含所述目标对象的目标视频帧。
目标位置确定单元203,用于根据所述目标对象位于所述目标视频帧中的位置信息和所述第一对应关系,确定所述目标对象在所述目标检测区域中的目标位置。
在实际实施过程中,当确定的所述目标对象在所述目标检测区域中的位置包含至少两个不同位置时,可以通过特征提取算法获取所述至少两个不同位置分别对应的所述目标对象的特征信息,将所述特征信息作为样本发送至预设的特征识别模型中,进而分别得到所述至少两个不同位置的概率值。根据所述至少两个不同位置的概率值大小,将概率值最大的位置确定所述目标对象在所述目标检测区域中的唯一一个目标位置。其中,所述特征识别模型用于根据所述特征信息与目标特征信息的匹配结果确定目标对象所在位置的概率值。
需要说明的是,所述目标对象位于所述目标视频帧中的位置信息具体可以通过如下方式确定:利用特征提取算法从所述视频帧中获取所述目标对象的完整特征信息,从所述整体特征信息中获取所述目标对象与所述目标检测区域中场地水平面的距离小于预设距离阈值的局部部位的局部特征信息,根据所述局部特征信息,对目标对象进行识别和追踪进而获得所述目标对象的局部部位在所述目标视频帧中的位置信息,将所述目标对象的局部部位在所述目标视频帧中的位置信息作为所述目标对象位于所述目标视频帧中的位置信息。具体的,可以通过Faster RCNN识别网络实现于目标对象的识别,使用基于神经网络特征相似度匹配的方式对多目标对象进行定位和追踪。
目标高清视频采集设备确定单元204,用于根据所述目标位置和所述第二对应关系,获得所述高清视频采集设备中对应所述目标位置的目标高清视频采集设备。
在实际实施过程中,根据所述目标位置和所述第二对应关系,当获得的所述高清视频采集设备中对应所述目标位置包含至少两个高清视频采集设备时,可以进一步的获取所述至少两个高清视频采集设备中采集区域的中心位置与所述目标位置之间的距离参数,根据目标位置距离采集区域的中心位置的远近确定所述至少两个高清视频采集设备中对应所述目标位置的唯一一台所述目标高清视频采集设备。具体的,也可以通过判断所述目标位置与所述高清视频采集设备中采集区域的中心位置之间的距离是否小于预设的距离范围阈值,若是,则将所述高清视频采集设备作为所述目标高清视频采集设备。
追踪视频数据获得单元205,用于获取所述目标高清视频采集设备所采集的全量高清视频帧,将所述全量高清视频帧进行合并处理,获得针对所述目标对象的追踪视频数据。
在本发明实施例中,通过预设的本地校时服务器能够保证网络连通的稳定性,所述高清视频采集设备、所述视频对象采集设备等设备与所述本地校时服务器之间的延时可以设置稳定在预设的时间阈值(例如:15ms或20ms等)内。
采用本发明所述的装置,能够通过设置的视频对象采集设备预先对各个目标对象进行全方位的定位和追踪,进而快速、准确的获取相应位置的高清视频采集设备的高清视频数据,提升了追踪视频的采集效率,避免了庞大的设备用量,从而提高了用户的使用体验。
与上述提供的一种追踪视频数据的获取方法相对应,本发明还提供一种电子设备。由于该电子设备的实施例相似于上述方法实施例,所以描述的比较简单,相关之处请参见上述方法实施例部分的说明即可,下面描述的电子设备仅是示意性的。请参考图3所示,其为本发明实施例提供的一种电子设备的示意图。
本发明提供一种电子设备具体包括:处理器301、存储器302、程序303、通信接口304和总线305;其中,所述存储器302,用于存储追踪视频数据获取方法的程序,该设备通电并通过所述处理器运行该追踪视频数据获取方法的程序后,执行下述步骤:
构建视频对象采集设备的采集区域所对应的位置与目标检测区域中实际位置之间的第一对应关系,以及构建高清视频采集设备的采集区域所对应的位置与所述目标检测区域中实际位置之间的第二对应关系;确定所述视频对象采集设备采集的视频帧中的目标对象,并提取所述目标对象的目标特征信息,根据所述目标特征信息,从所述视频帧中获取包含所述目标对象的目标视频帧;根据所述目标对象位于所述目标视频帧中的位置信息和所述第一对应关系,确定所述目标对象在所述目标检测区域中的目标位置;根据所述目标位置和所述第二对应关系,获得所述高清视频采集设备中对应所述目标位置的目标高清视频采集设备;获取所述目标高清视频采集设备所采集的全量高清视频帧,将所述全量高清视频帧进行合并处理,获得针对所述目标对象的追踪视频数据。
相应的,本发明还提供一种存储设备,存储有追踪视频数据获取方法的程序,该程序被处理器运行,执行下述步骤:
构建视频对象采集设备的采集区域所对应的位置与目标检测区域中实际位置之间的第一对应关系,以及构建高清视频采集设备的采集区域所对应的位置与所述目标检测区域中实际位置之间的第二对应关系;确定所述视频对象采集设备采集的视频帧中的目标对象,并提取所述目标对象的目标特征信息,根据所述目标特征信息,从所述视频帧中获取包含所述目标对象的目标视频帧;根据所述目标对象位于所述目标视频帧中的位置信息和所述第一对应关系,确定所述目标对象在所述目标检测区域中的目标位置;根据所述目标位置和所述第二对应关系,获得所述高清视频采集设备中对应所述目标位置的目标高清视频采集设备;获取所述目标高清视频采集设备所采集的全量高清视频帧,将所述全量高清视频帧进行合并处理,获得针对所述目标对象的追踪视频数据。
虽然,上文中已经用一般性说明及具体实施例对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。
Claims (4)
1.一种追踪视频数据的获取方法,其特征在于,包括:
构建视频对象采集设备的采集区域所对应的位置与目标检测区域中实际位置之间的第一对应关系,以及构建高清视频采集设备的采集区域所对应的位置与所述目标检测区域中实际位置之间的第二对应关系;
确定所述视频对象采集设备采集的视频帧中的目标对象,并提取所述目标对象的目标特征信息,根据所述目标特征信息,从所述视频帧中获取包含所述目标对象的目标视频帧;
根据所述目标对象位于所述目标视频帧中的位置信息和所述第一对应关系,确定所述目标对象在所述目标检测区域中的目标位置;
根据所述目标位置和所述第二对应关系,获得所述高清视频采集设备中包含所述目标位置的至少两个高清视频采集设备;获取所述至少两个高清视频采集设备中采集区域的中心位置与所述目标位置之间的距离参数;根据所述距离参数确定所述至少两个高清视频采集设备中对应所述目标位置的目标高清视频采集设备;
获取所述目标高清视频采集设备所采集的全量高清视频帧,将所述全量高清视频帧进行合并处理,获得针对所述目标对象的追踪视频数据;
当确定的所述目标对象在所述目标检测区域中的位置包含至少两个不同位置时,获得所述至少两个不同位置分别对应的所述目标对象的特征信息;将所述特征信息作为样本发送至预设的特征识别模型中,获得所述至少两个不同位置的概率值;其中,所述特征识别模型用于根据所述特征信息与目标特征信息的匹配结果确定目标对象所在位置的概率值;
根据所述概率值,确定所述目标对象在所述目标检测区域中的所述目标位置;其中,所述概率值为所述目标对象位于所述位置的概率值;
从所述视频帧中获取所述目标对象的整体特征信息;
从所述整体特征信息中获取所述目标对象与所述目标检测区域中场地水平面的距离小于预设距离阈值的局部部位的局部特征信息;
根据所述局部特征信息,获得所述目标对象的局部部位在所述目标视频帧中的位置信息,将所述目标对象的局部部位在所述目标视频帧中的位置信息作为所述目标对象位于所述目标视频帧中的位置信息。
2.一种追踪视频数据的获取装置,其特征在于,包括:
构建单元,用于构建视频对象采集设备的采集区域所对应的位置与目标检测区域中实际位置之间的第一对应关系,以及构建高清视频采集设备的采集区域所对应的位置与所述目标检测区域中实际位置之间的第二对应关系;
目标视频帧获取单元,用于确定所述视频对象采集设备采集的视频帧中的目标对象,并提取所述目标对象的目标特征信息,根据所述目标特征信息,从所述视频帧中获取包含所述目标对象的目标视频帧;
目标位置确定单元,用于根据所述目标对象位于所述目标视频帧中的位置信息和所述第一对应关系,确定所述目标对象在所述目标检测区域中的目标位置;
目标高清视频采集设备确定单元,用于根据所述目标位置和所述第二对应关系,获得所述高清视频采集设备中对应所述目标位置的至少两个高清视频采集设备;获取所述至少两个高清视频采集设备中采集区域的中心位置与所述目标位置之间的距离参数;根据所述距离参数确定所述至少两个高清视频采集设备中对应所述目标位置的所述目标高清视频采集设备;
追踪视频数据获得单元,用于获取所述目标高清视频采集设备所采集的全量高清视频帧,将所述全量高清视频帧进行合并处理,获得针对所述目标对象的追踪视频数据;
特征识别模块,用于当确定的所述目标对象在所述目标检测区域中的位置包含至少两个不同位置时,获得所述至少两个不同位置分别对应的所述目标对象的特征信息;将所述特征信息作为样本发送至预设的特征识别模型中,获得所述至少两个不同位置的概率值;其中,所述特征识别模型用于根据所述特征信息与目标特征信息的匹配结果确定目标对象所在位置的概率值;
目标位置确定单元,根据所述概率值,确定所述目标对象在所述目标检测区域中的所述目标位置;其中,所述概率值为所述目标对象位于所述位置的概率值;
完整特征获得单元,用于从所述视频帧中获取所述目标对象的整体特征信息;
局部特征获取单元,用于从所述整体特征信息中获取所述目标对象与所述目标检测区域中场地水平面的距离小于预设距离阈值的局部部位的局部特征信息;
位置信息确定单元,用于根据所述局部特征信息,获得所述目标对象的局部特征信息在所述目标视频帧中的位置信息,将所述目标对象的局部特征信息在所述目标视频帧中的位置信息作为所述目标对象位于所述目标视频帧中的位置信息。
3.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储追踪视频数据的获取方法的程序,该设备通电并通过所述处理器运行该追踪视频数据的获取方法的程序后,执行下述步骤:
构建视频对象采集设备的采集区域所对应的位置与目标检测区域中实际位置之间的第一对应关系,以及构建高清视频采集设备的采集区域所对应的位置与所述目标检测区域中实际位置之间的第二对应关系;
确定所述视频对象采集设备采集的视频帧中的目标对象,并提取所述目标对象的目标特征信息,根据所述目标特征信息,从所述视频帧中获取包含所述目标对象的目标视频帧;
根据所述目标对象位于所述目标视频帧中的位置信息和所述第一对应关系,确定所述目标对象在所述目标检测区域中的目标位置;
根据所述目标位置和所述第二对应关系,获得所述高清视频采集设备中包含所述目标位置的至少两个高清视频采集设备;获取所述至少两个高清视频采集设备中采集区域的中心位置与所述目标位置之间的距离参数;根据所述距离参数确定所述至少两个高清视频采集设备中对应所述目标位置的目标高清视频采集设备;
获取所述目标高清视频采集设备所采集的全量高清视频帧,将所述全量高清视频帧进行合并处理,获得针对所述目标对象的追踪视频数据;
当确定的所述目标对象在所述目标检测区域中的位置包含至少两个不同位置时,获得所述至少两个不同位置分别对应的所述目标对象的特征信息;将所述特征信息作为样本发送至预设的特征识别模型中,获得所述至少两个不同位置的概率值;其中,所述特征识别模型用于根据所述特征信息与目标特征信息的匹配结果确定目标对象所在位置的概率值;
根据所述概率值,确定所述目标对象在所述目标检测区域中的所述目标位置;其中,所述概率值为所述目标对象位于所述位置的概率值;
从所述视频帧中获取所述目标对象的整体特征信息;
从所述整体特征信息中获取所述目标对象与所述目标检测区域中场地水平面的距离小于预设距离阈值的局部部位的局部特征信息;
根据所述局部特征信息,获得所述目标对象的局部部位在所述目标视频帧中的位置信息,将所述目标对象的局部部位在所述目标视频帧中的位置信息作为所述目标对象位于所述目标视频帧中的位置信息。
4.一种存储设备,其特征在于,存储有追踪视频数据的获取方法的程序,该程序被处理器运行,执行下述步骤:
构建视频对象采集设备的采集区域所对应的位置与目标检测区域中实际位置之间的第一对应关系,以及构建高清视频采集设备的采集区域所对应的位置与所述目标检测区域中实际位置之间的第二对应关系;
确定所述视频对象采集设备采集的视频帧中的目标对象,并提取所述目标对象的目标特征信息,根据所述目标特征信息,从所述视频帧中获取包含所述目标对象的目标视频帧;
根据所述目标对象位于所述目标视频帧中的位置信息和所述第一对应关系,确定所述目标对象在所述目标检测区域中的目标位置;
根据所述目标位置和所述第二对应关系,获得所述高清视频采集设备中包含所述目标位置的至少两个高清视频采集设备;获取所述至少两个高清视频采集设备中采集区域的中心位置与所述目标位置之间的距离参数;根据所述距离参数确定所述至少两个高清视频采集设备中对应所述目标位置的目标高清视频采集设备;
获取所述目标高清视频采集设备所采集的全量高清视频帧,将所述全量高清视频帧进行合并处理,获得针对所述目标对象的追踪视频数据;
当确定的所述目标对象在所述目标检测区域中的位置包含至少两个不同位置时,获得所述至少两个不同位置分别对应的所述目标对象的特征信息;将所述特征信息作为样本发送至预设的特征识别模型中,获得所述至少两个不同位置的概率值;其中,所述特征识别模型用于根据所述特征信息与目标特征信息的匹配结果确定目标对象所在位置的概率值;
根据所述概率值,确定所述目标对象在所述目标检测区域中的所述目标位置;其中,所述概率值为所述目标对象位于所述位置的概率值;
从所述视频帧中获取所述目标对象的整体特征信息;
从所述整体特征信息中获取所述目标对象与所述目标检测区域中场地水平面的距离小于预设距离阈值的局部部位的局部特征信息;
根据所述局部特征信息,获得所述目标对象的局部部位在所述目标视频帧中的位置信息,将所述目标对象的局部部位在所述目标视频帧中的位置信息作为所述目标对象位于所述目标视频帧中的位置信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910522906.2A CN110177256B (zh) | 2019-06-17 | 2019-06-17 | 一种追踪视频数据获取方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910522906.2A CN110177256B (zh) | 2019-06-17 | 2019-06-17 | 一种追踪视频数据获取方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110177256A CN110177256A (zh) | 2019-08-27 |
CN110177256B true CN110177256B (zh) | 2021-12-14 |
Family
ID=67697293
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910522906.2A Active CN110177256B (zh) | 2019-06-17 | 2019-06-17 | 一种追踪视频数据获取方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110177256B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111222509B (zh) * | 2020-01-17 | 2023-08-18 | 北京字节跳动网络技术有限公司 | 目标检测方法、装置及电子设备 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100456827C (zh) * | 2003-06-18 | 2009-01-28 | 松下电器产业株式会社 | 视频监视***、监视视频合成装置以及视频监视服务器 |
CN102148965A (zh) * | 2011-05-09 | 2011-08-10 | 上海芯启电子科技有限公司 | 多目标跟踪特写拍摄视频监控*** |
CN102256108A (zh) * | 2011-05-30 | 2011-11-23 | 四川省电力公司 | 智能变电站工作人员多路视频自动跟踪定位*** |
CN102902884A (zh) * | 2012-09-24 | 2013-01-30 | 天津市亚安科技股份有限公司 | 云台摄像机自动定位角度计算方法 |
CN104301669A (zh) * | 2014-09-12 | 2015-01-21 | 重庆大学 | 基于双摄像头协同的可疑目标检测跟踪与识别方法 |
CN105933678A (zh) * | 2016-07-01 | 2016-09-07 | 湖南源信光电科技有限公司 | 基于多目标智能跟踪的多焦距镜头联动成像装置 |
WO2018044731A1 (en) * | 2016-09-02 | 2018-03-08 | Vid Scale, Inc. | Systems and methods for hybrid network delivery of objects of interest in video |
CN108111818A (zh) * | 2017-12-25 | 2018-06-01 | 北京航空航天大学 | 基于多摄像机协同的运动目标主动感知方法和装置 |
CN108174152A (zh) * | 2017-12-28 | 2018-06-15 | 深圳英飞拓科技股份有限公司 | 一种目标监控方法及目标监控*** |
CN108419014A (zh) * | 2018-03-20 | 2018-08-17 | 北京天睿空间科技股份有限公司 | 利用全景摄像机和多台抓拍摄像机联动抓拍人脸的方法 |
CN109788208A (zh) * | 2019-01-30 | 2019-05-21 | 华通科技有限公司 | 基于多组焦距图像源的目标识别方法及*** |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090002489A1 (en) * | 2007-06-29 | 2009-01-01 | Fuji Xerox Co., Ltd. | Efficient tracking multiple objects through occlusion |
WO2009053848A2 (en) * | 2007-09-07 | 2009-04-30 | Henri Johnson | Methods and processes for detecting a mark on a playing surface and for tracking an object |
KR101749099B1 (ko) * | 2012-04-25 | 2017-07-04 | 한국전자통신연구원 | 영상에서의 객체 추적 방법, 장치 및 이를 컴퓨터 상에서 수행하는 프로그램이 기록된 기록 매체 |
CN103259962B (zh) * | 2013-04-17 | 2016-02-17 | 深圳市捷顺科技实业股份有限公司 | 一种目标追踪方法和相关装置 |
CN203399223U (zh) * | 2013-08-19 | 2014-01-15 | 中国能源建设集团广东省电力设计研究院 | 直流输电***的视频监控*** |
DE102014205014A1 (de) * | 2014-03-18 | 2015-09-24 | Ford Global Technologies, Llc | Verfahren und Vorrichtung zum Erfassen von bewegten Objekten in der Umgebung eines Fahrzeugs |
KR102076600B1 (ko) * | 2014-05-15 | 2020-02-11 | 삼성전자주식회사 | 오브젝트 추적 장치 및 그의 오브젝트 추적 방법 |
CN104537659B (zh) * | 2014-12-23 | 2017-10-27 | 金鹏电子信息机器有限公司 | 双摄像机的自动标定方法和*** |
CN104680559B (zh) * | 2015-03-20 | 2017-08-04 | 青岛科技大学 | 基于运动行为模式的多视角室内行人跟踪方法 |
CN105070098B (zh) * | 2015-07-14 | 2017-07-14 | 安徽清新互联信息科技有限公司 | 一种基于车牌位置的车距检测方法 |
CN105182320A (zh) * | 2015-07-14 | 2015-12-23 | 安徽清新互联信息科技有限公司 | 一种基于深度测量的车距检测方法 |
CN107093188A (zh) * | 2017-04-12 | 2017-08-25 | 湖南源信光电科技股份有限公司 | 一种基于全景摄像机和高速球机的智能联动与跟踪方法 |
CN108734780B (zh) * | 2017-04-17 | 2021-12-10 | 百度在线网络技术(北京)有限公司 | 用于生成地图的方法、装置和设备 |
CN108876806A (zh) * | 2018-05-07 | 2018-11-23 | 广东省电信规划设计院有限公司 | 基于大数据分析的目标跟踪方法和***、存储介质及设备 |
CN109146912B (zh) * | 2018-07-26 | 2020-08-04 | 湖南人文科技学院 | 一种基于目标性分析的视觉目标跟踪方法 |
CN109685002B (zh) * | 2018-12-21 | 2020-12-15 | 创新奇智(广州)科技有限公司 | 一种数据集采集方法、***以及电子装置 |
CN109685062B (zh) * | 2019-01-02 | 2023-07-25 | 南方科技大学 | 一种目标检测方法、装置、设备及存储介质 |
-
2019
- 2019-06-17 CN CN201910522906.2A patent/CN110177256B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100456827C (zh) * | 2003-06-18 | 2009-01-28 | 松下电器产业株式会社 | 视频监视***、监视视频合成装置以及视频监视服务器 |
CN102148965A (zh) * | 2011-05-09 | 2011-08-10 | 上海芯启电子科技有限公司 | 多目标跟踪特写拍摄视频监控*** |
CN102256108A (zh) * | 2011-05-30 | 2011-11-23 | 四川省电力公司 | 智能变电站工作人员多路视频自动跟踪定位*** |
CN102902884A (zh) * | 2012-09-24 | 2013-01-30 | 天津市亚安科技股份有限公司 | 云台摄像机自动定位角度计算方法 |
CN104301669A (zh) * | 2014-09-12 | 2015-01-21 | 重庆大学 | 基于双摄像头协同的可疑目标检测跟踪与识别方法 |
CN105933678A (zh) * | 2016-07-01 | 2016-09-07 | 湖南源信光电科技有限公司 | 基于多目标智能跟踪的多焦距镜头联动成像装置 |
WO2018044731A1 (en) * | 2016-09-02 | 2018-03-08 | Vid Scale, Inc. | Systems and methods for hybrid network delivery of objects of interest in video |
CN108111818A (zh) * | 2017-12-25 | 2018-06-01 | 北京航空航天大学 | 基于多摄像机协同的运动目标主动感知方法和装置 |
CN108174152A (zh) * | 2017-12-28 | 2018-06-15 | 深圳英飞拓科技股份有限公司 | 一种目标监控方法及目标监控*** |
CN108419014A (zh) * | 2018-03-20 | 2018-08-17 | 北京天睿空间科技股份有限公司 | 利用全景摄像机和多台抓拍摄像机联动抓拍人脸的方法 |
CN109788208A (zh) * | 2019-01-30 | 2019-05-21 | 华通科技有限公司 | 基于多组焦距图像源的目标识别方法及*** |
Non-Patent Citations (1)
Title |
---|
用于全景与PTZ主从摄像机的标定方法研究;石皓;《中国优秀硕士学位论文全文数据库(电子期刊)信息科技辑》;20160331;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110177256A (zh) | 2019-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110264493B (zh) | 一种针对运动状态下的多目标对象追踪方法和装置 | |
CN109145708B (zh) | 一种基于rgb和d信息融合的人流量统计方法 | |
CN104303193B (zh) | 基于聚类的目标分类 | |
CN111462200A (zh) | 一种跨视频行人定位追踪方法、***及设备 | |
CN102819847B (zh) | 基于ptz移动摄像头的运动轨迹提取方法 | |
US9875411B2 (en) | Video monitoring method, video monitoring apparatus and video monitoring system | |
CN110866480A (zh) | 对象的跟踪方法及装置、存储介质、电子装置 | |
WO2021139049A1 (zh) | 检测方法、检测装置、监控设备和计算机可读存储介质 | |
CN109711256B (zh) | 一种低空复杂背景无人机目标检测方法 | |
CN110675426B (zh) | 人体跟踪方法、装置、设备及存储介质 | |
CN111723773A (zh) | 遗留物检测方法、装置、电子设备及可读存储介质 | |
US9947106B2 (en) | Method and electronic device for object tracking in a light-field capture | |
CN111291646A (zh) | 一种人流量统计方法、装置、设备及存储介质 | |
CN110177256B (zh) | 一种追踪视频数据获取方法和装置 | |
US9875549B2 (en) | Change detection in video data | |
CN112802112B (zh) | 视觉定位方法、装置、服务器及存储介质 | |
CN110781797B (zh) | 一种标注方法、装置及电子设备 | |
CN114842393A (zh) | 一种人流量的统计方法和装置 | |
CN113111847A (zh) | 一种工序循环的自动监测方法、装置和*** | |
CN110826455A (zh) | 一种目标识别方法及图像处理设备 | |
EP2455915A1 (en) | Change detection in image sequences | |
Um et al. | Ice Hockey Player Tracking and Identification System Using Multi-camera video | |
CN116912517B (zh) | 相机视野边界的检测方法及装置 | |
Tang et al. | Active tracking using color silhouettes for indoor surveillance | |
CN117156259B (zh) | 一种视频流获取方法及电子设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A Method and Device for Obtaining Tracking Video Data Effective date of registration: 20230713 Granted publication date: 20211214 Pledgee: Bank of Jiangsu Limited by Share Ltd. Beijing branch Pledgor: BEIJING MOVIEBOOK SCIENCE AND TECHNOLOGY Co.,Ltd. Registration number: Y2023110000278 |