CN110399525A - 一种基于图像识别技术的人、物运动轨迹快速检索方法 - Google Patents

一种基于图像识别技术的人、物运动轨迹快速检索方法 Download PDF

Info

Publication number
CN110399525A
CN110399525A CN201910685332.0A CN201910685332A CN110399525A CN 110399525 A CN110399525 A CN 110399525A CN 201910685332 A CN201910685332 A CN 201910685332A CN 110399525 A CN110399525 A CN 110399525A
Authority
CN
China
Prior art keywords
camera
retrieval
people
motion profile
image
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
Application number
CN201910685332.0A
Other languages
English (en)
Inventor
吴贤波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Galileo Network Technology Co Ltd
Original Assignee
Guangzhou Galileo Network Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Galileo Network Technology Co Ltd filed Critical Guangzhou Galileo Network Technology Co Ltd
Priority to CN201910685332.0A priority Critical patent/CN110399525A/zh
Publication of CN110399525A publication Critical patent/CN110399525A/zh
Pending legal-status Critical Current

Links

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
    • G06F16/71—Indexing; Data structures therefor; Storage structures
    • 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
    • G06F16/73—Querying
    • G06F16/732—Query formulation
    • G06F16/7343—Query language or query format
    • 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
    • G06F16/73—Querying
    • G06F16/738—Presentation of query results
    • 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
    • G06F16/7837—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 objects detected or recognised in the video content
    • G06F16/784—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 objects detected or recognised in the video content the detected or recognised objects being people
    • 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
    • G06F16/7867—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, title and artist information, manually generated time, location and usage information, user ratings

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Library & Information Science (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及一种基于图像识别技术的人、物运动轨迹快速检索方法，包括如下步骤：S10、将摄像头编号并入互联网；S20、建立图像特征数据库；S30、生成检索式；S40、以初始摄像头为起点利用检索式进行遍历检索，直至需要遍历检索的摄像头都被检索；S50、将检索到的特征索引所对应的视频按照时间顺序编排，并生成人、物运动轨迹。本发明的有益效果是：本快速检索方法大大减少人工查看视频的工作量，提高对人、物的运动轨迹的生成效率，还能够支持多人检索。

Description

一种基于图像识别技术的人、物运动轨迹快速检索方法
技术领域
本发明涉及图像检索技术领域，尤其涉及一种基于图像识别技术的人、物运动轨迹快速检索方法。
背景技术
图像识别作为信息识别的一种，能有效识别出人脸，穿着，车辆，车牌等特性信息。这个技术已被应用于生活中多个领域。同时在视频监控领域，经过好几年的发展，也已经各个社区，地方都安装了很多摄像头，其中有安防的摄像头，交通的摄像头等等。对于这些摄像头，有单独个体摄像头，也有多摄像头组成的***，有已经并网的摄像头，也有没并网的。
图像识别在现在的社会已经有多种技术实现方法。也结合摄像头一起使用，很好很方便的，特别针对于人或物轨迹检索，人或物轨迹检索，除了公安检索犯罪嫌疑人，也可以应用于，景区或者商场的寻人寻物或者更加有甚于可以作为商场的用户购物习惯跟踪调查。应用相当广泛。
但是现在传统的人物轨迹检索还是停留在人为的进行视频倒放，费时费力，时效性不高。如果只是作为刑侦，或者寻人寻物，还可以实现，如果是针对商场的用户购物习惯跟踪调查，就完全不行了。
发明内容
本发明的目的在于克服现有技术存在的以上问题，提供一种基于图像识别技术的人、物运动轨迹快速检索方法。
为实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：
一种基于图像识别技术的人、物运动轨迹快速检索方法，包括如下步骤：
S10、将摄像头编号并入互联网，在云端记录并保存每个摄像头的编号、IP地址、地理位置、GPS数值、属性备注信息；
S20、建立图像特征数据库，利用图像识别软件识别摄像头拍摄的图像中的图像特征，对图像特征进行生成特征索引，将图像特征和特征索引以每个摄像头为单位建立数据库；
S30、生成检索式，在客户端调取初始摄像头某个时间段拍摄的视频，确认需检索的人、物图像，利用图像识别软件识别人、物图像中的特征形成检索特征，将检索特征生成检索式；
S40、以初始摄像头为起点利用检索式进行遍历检索，直至需要遍历检索的摄像头都被检索；
S50、将检索到的特征索引所对应的视频按照时间顺序编排，并生成人、物运动轨迹。
进一步的，在所述摄像头、客户端、云端均安装图像识别软件。
进一步的，S10中并入互联网的摄像头显示在电子地图或GIS上，以方便知道周边摄像头的位置，作为下一步检索的依据。
进一步的，S20中，所述图像特征包括拍摄时间、人脸特征、衣着特征、车辆特征、车牌特征，衣着特征包含衣服款式、衣服颜色、是否佩戴眼镜、是否背包，车辆特征包含车辆品牌、车辆类型、车辆颜色、车辆外形，车牌特征包含车牌号、车牌号地域、车牌类型。
进一步的，S20中，所述特征索引是对图像特征的标签化。
进一步的，S30中，所述初始摄像头是根据已知的待检索人、物的信息判断确定的。
进一步的，S40中，所述遍历检索首先是以初始摄像头为中心，对初始摄像头周边最近的摄像头的数据库进行检索，然后以检索到与检索式相符的特征索引的摄像头为中心，对其周边最近的摄像头的数据库进行检索，已检索过的摄像头的数据库不重复检索。
进一步的，S50、每段视频配备一张截图，以便于人工筛选去除与检索式不符合的视频。
进一步的，S50、所述人、物运动轨迹由人、物所被拍摄到的地点按照时间先后顺序依次串联而成。
本发明的有益效果是：把摄像头都并入互联网，使之成为有效的整体，在传统监控的基础上，利用图像识别软件，对摄像头拍摄的视频进行图像特征的识别，并建立以每个摄像头为单位的数据库，在客户端确定生成检索是，采用遍历检索的方式对所需要检索的摄像头的数据库进行检索，以检索到所有所需的视频，然后按照时间顺序对视频排序并生成人、物运动轨迹；本快速检索方法大大减少人工查看视频的工作量，提高对人、物的运动轨迹的生成效率，还能够支持多人检索。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明实施例中人、物运动轨迹快速检索方法的流程图；
图2是本发明实施例中遍历检索的路径图的结构示意图。
具体实施方式
下面将参考附图并结合实施例，来详细说明本发明。
在本发明的描述中，需要理解的是，术语“开孔”、“上”、“下”、“厚度”、“顶”、“中”、“长度”、“内”、“四周”等指示方位或位置关系，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组件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。
如图1所示，一种基于图像识别技术的人、物运动轨迹快速检索方法，包括如下步骤：
S10、将摄像头编号并入互联网，在云端记录并保存每个摄像头的编号、IP地址、地理位置、GPS数值、属性备注信息；
S20、建立图像特征数据库，利用图像识别软件识别摄像头拍摄的图像中的图像特征，对图像特征进行生成特征索引，将图像特征和特征索引以每个摄像头为单位建立数据库；
S30、生成检索式，在客户端调取初始摄像头某个时间段拍摄的视频，确认需检索的人、物图像，利用图像识别软件识别人、物图像中的特征形成检索特征，将检索特征生成检索式；
S40、以初始摄像头为起点利用检索式进行遍历检索，直至需要遍历检索的摄像头都被检索；
S50、将检索到的特征索引所对应的视频按照时间顺序编排，并生成人、物运动轨迹。
在摄像头、客户端、云端均安装图像识别软件。
S10中并入互联网的摄像头显示在电子地图或GIS上，以方便知道周边摄像头的位置，作为下一步检索的依据。
S20中，图像特征包括拍摄时间、人脸特征、衣着特征、车辆特征、车牌特征，衣着特征包含衣服款式、衣服颜色、是否佩戴眼镜、是否背包，车辆特征包含车辆品牌、车辆类型、车辆颜色、车辆外形，车牌特征包含车牌号、车牌号地域、车牌类型。
S20中，特征索引是对图像特征的标签化，例如人脸特征中的脸型用长脸、方脸、圆脸、瓜子脸等标签进行标签化。
S30中，初始摄像头是根据已知的待检索人、物的信息判断确定的，例如父母逛商场时小孩走失，根据父母描述的走失地点，找到最近或最清楚拍摄到该地点的摄像头，然后调取该摄像头在父母描述的走失时间段的视频，确定小孩在此视频中出现，对小孩出现的图像进行识别形成检索特征，将检索特征生成检索式，此时的检索式主要包括小孩的人脸特征、衣着特征。
S40中，遍历检索首先是以初始摄像头为中心，对初始摄像头周边最近的摄像头的数据库进行检索，然后以检索到与检索式相符的特征索引的摄像头为中心，对其周边最近的摄像头的数据库进行检索，已检索过的摄像头的数据库不重复检索。
S50、每段视频配备一张截图，以便于人工筛选去除与检索式不符合的视频。
S50、人、物运动轨迹由人、物所被拍摄到的地点按照时间先后顺序依次串联而成。
示例：譬如得知路人甲在下午1:00有被A摄像头拍摄到的视频。那么在客户端调取此时间段A摄像头的视频进行确认。此步骤为，在客户端输入摄像头编号和时间段，由云端总控***，自动把那个时间段的视频截取出来，并且供人查看。
一旦查看到路人甲确认出现在这个视频里面，那么客户端进行如下操作：
1、针对这段视频，截取路人甲出现时不同角度的截图；
2、去除掉模糊或者角度不足，不利于特征识别的照片，保留可以特征识别的图片；
3、针对这些截图进行特征识别以识别出图像特征；
4、利用图像特征生成检索式；
5、如图2所示，用检索式对A摄像头周边最近的B、C、D、E摄像头的数据库进行检索，若B摄像头检索到与检索式符合的特征索引时，提取B摄像头此时间段内的视频，C、D、E摄像头的数据库由于没有检索到与检索式相符的特征索引，则不对C、D、E摄像头周围的摄像头的数据库进行遍历检索，接着用检索式对B摄像头周边最近的F、G、H、I摄像头的数据库进行检索，若F摄像头检索到与检索式符合的特征索引时，提取F摄像头此时间段内的视频，G、H、I摄像头的数据库由于没有检索到与检索式相符的特征索引，则不对G、H、I摄像头周围的摄像头的数据库进行遍历检索，重复上述检索步骤，直至遍历检索全部所需检索的摄像头的数据库；
6、将遍历检索时，提取的视频按照时间顺便排列，并给每段视频截取一幅截图，人工根据截图对视频进行筛选，去除与检索式不符合的视频，即没有拍摄到路人甲的视频删去；
7、把所有确定拍摄到路人甲的所有视频按照时间先后排好序，最后把路人甲被拍摄到的地点按照时间先后顺序依次串联生产路人甲的运动轨迹，并且在运动轨迹上标注时间、地点、截图以及视频链接，从而方便对路人甲的运动轨迹进行分析，寻找路人甲或者了解路人甲的生活习性。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。

Claims (9)

1.一种基于图像识别技术的人、物运动轨迹快速检索方法，其特征在于，包括如下步骤：
S10、将摄像头编号并入互联网，在云端记录并保存每个摄像头的编号、IP地址、地理位置、GPS数值、属性备注信息；
S20、建立图像特征数据库，利用图像识别软件识别摄像头拍摄的图像中的图像特征，对图像特征进行生成特征索引，将图像特征和特征索引以每个摄像头为单位建立数据库；
S30、生成检索式，在客户端调取初始摄像头某个时间段拍摄的视频，确认需检索的人、物图像，利用图像识别软件识别人、物图像中的特征形成检索特征，将检索特征生成检索式；
S40、以初始摄像头为起点利用检索式进行遍历检索，直至需要遍历检索的摄像头都被检索；
S50、将检索到的特征索引所对应的视频按照时间顺序编排，并生成人、物运动轨迹。
2.根据权利要求1所述的基于图像识别技术的人、物运动轨迹快速检索方法，其特征在于：在所述摄像头、客户端、云端均安装图像识别软件。
3.根据权利要求1所述的基于图像识别技术的人、物运动轨迹快速检索方法，其特征在于：S10中并入互联网的摄像头显示在电子地图或GIS上，以方便知道周边摄像头的位置，作为下一步检索的依据。
4.根据权利要求1所述的基于图像识别技术的人、物运动轨迹快速检索方法，其特征在于：S20中，所述图像特征包括拍摄时间、人脸特征、衣着特征、车辆特征、车牌特征，衣着特征包含衣服款式、衣服颜色、是否佩戴眼镜、是否背包，车辆特征包含车辆品牌、车辆类型、车辆颜色、车辆外形，车牌特征包含车牌号、车牌号地域、车牌类型。
5.根据权利要求4所述的基于图像识别技术的人、物运动轨迹快速检索方法，其特征在于：S20中，所述特征索引是对图像特征的标签化。
6.根据权利要求1所述的基于图像识别技术的人、物运动轨迹快速检索方法，其特征在于：S30中，所述初始摄像头是根据已知的待检索人、物的信息判断确定的。
7.根据权利要求1所述的基于图像识别技术的人、物运动轨迹快速检索方法，其特征在于：S40中，所述遍历检索首先是以初始摄像头为中心，对初始摄像头周边最近的摄像头的数据库进行检索，然后以检索到与检索式相符的特征索引的摄像头为中心，对其周边最近的摄像头的数据库进行检索，已检索过的摄像头的数据库不重复检索。
8.根据权利要求1所述的基于图像识别技术的人、物运动轨迹快速检索方法，其特征在于：S50、每段视频配备一张截图，以便于人工筛选去除与检索式不符合的视频。
9.根据权利要求1所述的基于图像识别技术的人、物运动轨迹快速检索方法，其特征在于：S50、所述人、物运动轨迹由人、物所被拍摄到的地点按照时间先后顺序依次串联而成。
CN201910685332.0A 2019-07-27 2019-07-27 一种基于图像识别技术的人、物运动轨迹快速检索方法 Pending CN110399525A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910685332.0A CN110399525A (zh) 2019-07-27 2019-07-27 一种基于图像识别技术的人、物运动轨迹快速检索方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910685332.0A CN110399525A (zh) 2019-07-27 2019-07-27 一种基于图像识别技术的人、物运动轨迹快速检索方法

Publications (1)

Publication Number Publication Date
CN110399525A true CN110399525A (zh) 2019-11-01

Family

ID=68326247

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910685332.0A Pending CN110399525A (zh) 2019-07-27 2019-07-27 一种基于图像识别技术的人、物运动轨迹快速检索方法

Country Status (1)

Country Link
CN (1) CN110399525A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110825916A (zh) * 2019-11-13 2020-02-21 智慧视通(杭州)科技发展有限公司 一种基于形体识别技术的寻人方法
CN111090718A (zh) * 2020-03-19 2020-05-01 中科星图(深圳)数字技术产业研发中心有限公司 一种基于轨迹追踪的人像识别方法
CN111225340A (zh) * 2019-11-26 2020-06-02 恒大智慧科技有限公司 一种景区寻物方法、装置及存储介质
CN111353414A (zh) * 2020-02-25 2020-06-30 重庆中科云从科技有限公司 一种身份识别方法、***、机器可读介质及设备

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100169330A1 (en) * 2006-02-27 2010-07-01 Rob Albers Trajectory-based video retrieval system, and computer program
CN101840422A (zh) * 2010-04-09 2010-09-22 江苏东大金智建筑智能化***工程有限公司 基于目标特征和报警行为的智能视频检索***和方法
CN101867730A (zh) * 2010-06-09 2010-10-20 马明 一种基于用户轨迹的多媒体合成方法
CN102207966A (zh) * 2011-06-01 2011-10-05 华南理工大学 基于对象标签的视频内容快速检索方法
US20110302130A1 (en) * 2010-06-03 2011-12-08 Electronics And Telecommunications Research Institute Intelligent video information retrieval apparatus and method capable of multi-dimensional video indexing and retrieval
CN102930061A (zh) * 2012-11-28 2013-02-13 安徽水天信息科技有限公司 一种基于运动目标检测的视频摘要方法及***
CN104581000A (zh) * 2013-10-12 2015-04-29 北京航天长峰科技工业集团有限公司 一种视频关注目标的运动轨迹的快速检索方法
CN105224535A (zh) * 2014-05-29 2016-01-06 浙江航天长峰科技发展有限公司 基于海量视频的关注目标快速查询***
CN105335387A (zh) * 2014-07-04 2016-02-17 杭州海康威视***技术有限公司 一种视频云存储***的检索方法
CN106339428A (zh) * 2016-08-16 2017-01-18 东方网力科技股份有限公司 基于视频大数据的嫌疑人身份识别方法和装置
CN107436941A (zh) * 2017-07-28 2017-12-05 盯盯拍（深圳）技术股份有限公司 车辆运动轨迹分析方法以及车辆运动轨迹分析装置
CN109344267A (zh) * 2018-09-06 2019-02-15 苏州千视通视觉科技股份有限公司 基于pgis地图的接力追踪方法及***

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100169330A1 (en) * 2006-02-27 2010-07-01 Rob Albers Trajectory-based video retrieval system, and computer program
CN101840422A (zh) * 2010-04-09 2010-09-22 江苏东大金智建筑智能化***工程有限公司 基于目标特征和报警行为的智能视频检索***和方法
US20110302130A1 (en) * 2010-06-03 2011-12-08 Electronics And Telecommunications Research Institute Intelligent video information retrieval apparatus and method capable of multi-dimensional video indexing and retrieval
CN101867730A (zh) * 2010-06-09 2010-10-20 马明 一种基于用户轨迹的多媒体合成方法
CN102207966A (zh) * 2011-06-01 2011-10-05 华南理工大学 基于对象标签的视频内容快速检索方法
CN102930061A (zh) * 2012-11-28 2013-02-13 安徽水天信息科技有限公司 一种基于运动目标检测的视频摘要方法及***
CN104581000A (zh) * 2013-10-12 2015-04-29 北京航天长峰科技工业集团有限公司 一种视频关注目标的运动轨迹的快速检索方法
CN105224535A (zh) * 2014-05-29 2016-01-06 浙江航天长峰科技发展有限公司 基于海量视频的关注目标快速查询***
CN105335387A (zh) * 2014-07-04 2016-02-17 杭州海康威视***技术有限公司 一种视频云存储***的检索方法
CN106339428A (zh) * 2016-08-16 2017-01-18 东方网力科技股份有限公司 基于视频大数据的嫌疑人身份识别方法和装置
CN107436941A (zh) * 2017-07-28 2017-12-05 盯盯拍（深圳）技术股份有限公司 车辆运动轨迹分析方法以及车辆运动轨迹分析装置
CN109344267A (zh) * 2018-09-06 2019-02-15 苏州千视通视觉科技股份有限公司 基于pgis地图的接力追踪方法及***

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110825916A (zh) * 2019-11-13 2020-02-21 智慧视通(杭州)科技发展有限公司 一种基于形体识别技术的寻人方法
CN111225340A (zh) * 2019-11-26 2020-06-02 恒大智慧科技有限公司 一种景区寻物方法、装置及存储介质
CN111353414A (zh) * 2020-02-25 2020-06-30 重庆中科云从科技有限公司 一种身份识别方法、***、机器可读介质及设备
CN111090718A (zh) * 2020-03-19 2020-05-01 中科星图(深圳)数字技术产业研发中心有限公司 一种基于轨迹追踪的人像识别方法

Similar Documents

Publication Publication Date Title
CN110399525A (zh) 一种基于图像识别技术的人、物运动轨迹快速检索方法
Workman et al. On the location dependence of convolutional neural network features
CN102207966B (zh) 基于对象标签的视频内容快速检索方法
Brust et al. Towards automated visual monitoring of individual gorillas in the wild
Huang et al. Cross-domain image retrieval with a dual attribute-aware ranking network
Huang et al. Deep learning driven visual path prediction from a single image
CN101772782B (zh) 类似图像检索的结果显示装置及类似图像检索的结果显示方法
WO2020259099A1 (zh) 一种信息处理方法及装置、存储介质
CN106528834A (zh) 基于人工智能的图片资源推送方法及装置
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
CN102819578A (zh) 视频侦查嫌疑目标分析***及方法
CN111291589A (zh) 信息的关联分析方法及装置、储存介质、电子装置
Varini et al. Personalized egocentric video summarization of cultural tour on user preferences input
CN106126593B (zh) 基于网络开放照片资源的地表实景信息生成方法及装置
Zamir et al. Introduction to large-scale visual geo-localization
Xu et al. Graph-based topic-focused retrieval in distributed camera network
CN113255477A (zh) 一种行人视频图像的综合管理***及方法
CN106250396B (zh) 一种图像标签自动生成***及方法
Bartoli et al. Museumvisitors: a dataset for pedestrian and group detection, gaze estimation and behavior understanding
CN112925899B (zh) 排序模型建立方法、案件线索推荐方法、装置及介质
Vora et al. Bringing generalization to deep multi-view pedestrian detection
Lin et al. Moving camera analytics: Emerging scenarios, challenges, and applications
KR101563238B1 (ko) 사진 기반 인물 친밀도 구축 장치 및 방법, 그리고 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체
US20230076241A1 (en) Object detection systems and methods including an object detection model using a tailored training dataset
CN111666786B (zh) 图像处理方法、装置、电子设备及存储介质

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