CN110942003A - 人员轨迹搜索方法及*** - Google Patents

人员轨迹搜索方法及*** Download PDF

Info

Publication number
CN110942003A
CN110942003A CN201911140827.1A CN201911140827A CN110942003A CN 110942003 A CN110942003 A CN 110942003A CN 201911140827 A CN201911140827 A CN 201911140827A CN 110942003 A CN110942003 A CN 110942003A
Authority
CN
China
Prior art keywords
identity
human body
face
target
features
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
CN201911140827.1A
Other languages
English (en)
Inventor
吴昀蓁
郑邦东
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.)
China Construction Bank Corp
Original Assignee
China Construction Bank Corp
CCB Finetech 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 China Construction Bank Corp, CCB Finetech Co Ltd filed Critical China Construction Bank Corp
Priority to CN201911140827.1A priority Critical patent/CN110942003A/zh
Publication of CN110942003A publication Critical patent/CN110942003A/zh
Pending legal-status Critical Current

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • G06V40/168—Feature extraction; Face representation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Human Computer Interaction (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)
  • Collating Specific Patterns (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提供一种人员轨迹搜索方法及***。该人员轨迹搜索方法包括：从获取的视频流中提取多张图片；根据从多张图片中抽取的最优图片生成每个身份ID对应的人脸特征和人体特征；当人脸特征对应的相似度中的最大值大于预设人脸阈值时，记录该人脸特征对应的身份ID；当人体特征对应的相似度中的最大值大于预设人体阈值时，记录该人体特征对应的身份ID；根据人脸特征对应的身份ID和人体特征对应的身份ID确定目标身份ID；获取目标身份ID对应的人员轨迹。本发明可以提高搜索精度，扩大应用场景。

Description

人员轨迹搜索方法及***
技术领域
本发明涉及轨迹搜索技术领域，具体地，涉及一种人员轨迹搜索方法及***。
背景技术
随着人工智能深度学习技术的发展以及GPU并行计算能力的提升，人工智能技术在安防领域的发展取得了突破性的进展，其中有代表性的技术就包括人脸识别、目标跟踪以及行人重识别技术。
对于基于人脸识别的轨迹搜索技术，在能捕捉到人脸的前提下通常能达到较高的识别精度。在实际的应用场景行人往往不会一直正对摄像头，如戴帽子、戴口罩、戴面具、打雨伞、侧脸、低头、遮挡等，导致无法捕捉到正脸，从而导致基于人脸识别的轨迹搜索技术应用面极窄。
发明内容
本发明实施例的主要目的在于提供一种人员轨迹搜索方法及***，以提高搜索精度，扩大应用场景。
为了实现上述目的，本发明实施例提供一种人员轨迹搜索方法，包括：
从获取的视频流中提取多张图片；每张图片中的每个人员均对应一个身份ID；
根据从多张图片中抽取的最优图片生成每个身份ID对应的人脸特征和人体特征；
计算人脸特征与每个待搜索目标人脸特征之间的相似度；
当人脸特征对应的相似度中的最大值大于预设人脸阈值时，记录该人脸特征对应的身份ID；
计算人体特征与每个待搜索目标人体特征之间的相似度；
当人体特征对应的相似度中的最大值大于预设人体阈值时，记录该人体特征对应的身份ID；
根据人脸特征对应的身份ID和人体特征对应的身份ID确定目标身份ID；
获取目标身份ID对应的人员轨迹。
本发明实施例还提供一种人员轨迹搜索***，包括：
提取单元，用于从获取的视频流中提取多张图片；每张图片中的每个人员均对应一个身份ID；
特征生成单元，用于根据从多张图片中抽取的最优图片生成每个身份ID对应的人脸特征和人体特征；
人脸计算单元，用于计算人脸特征与每个待搜索目标人脸特征之间的相似度；
人脸记录单元，用于当人脸特征对应的相似度中的最大值大于预设人脸阈值时，记录该人脸特征对应的身份ID；
人体计算单元，用于计算人体特征与每个待搜索目标人体特征之间的相似度；
人体记录单元，用于当人体特征对应的相似度中的最大值大于预设人体阈值时，记录该人体特征对应的身份ID；
目标确定单元，用于根据人脸特征对应的身份ID和人体特征对应的身份ID确定目标身份ID；
人员轨迹单元，用于获取目标身份ID对应的人员轨迹。
本发明实施例还提供一种计算机设备，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所述的人员轨迹搜索方法的步骤。
本发明实施例还提供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所述的人员轨迹搜索方法的步骤。
本发明实施例的人员轨迹搜索方法及***先从获取的视频流中提取多张图片，再根据多张最优图片生成每个身份ID对应的人脸特征和人体特征，接着根据人脸特征与每个待搜索目标人脸特征之间的相似度和人体特征与每个待搜索目标人体特征之间的相似度确定目标身份ID，最后获取目标身份ID对应的人员轨迹，可以提高搜索精度，扩大应用场景。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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本发明的一些实施例，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是本发明实施例中人员轨迹搜索方法的流程图；
图2是本发明实施例中人员轨迹搜索***的结构框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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。
本领域技术人员知道，本发明的实施方式可以实现为一种***、装置、设备、方法或计算机程序产品。因此，本公开可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。
鉴于现有技术的搜索精度不高，应用面狭窄，本发明实施例提供一种人员轨迹搜索方法，以提高搜索精度，扩大应用场景。以下结合附图对本发明进行详细说明。
图1是本发明实施例中人员轨迹搜索方法的流程图。如图1所示，人员轨迹搜索方法包括：
S101：从获取的视频流中提取多张图片；每张图片中的每个人员均对应一个身份ID。
具体实施时，需要先对视频流进行解码，再从解码的视频流中提取多张图片。
一实施例中，执行S101之前，还包括：根据YOLOV3算法确定每张图片中的人员；根据DeepSort算法为每张图片中的人员分配身份ID。
S102：根据从多张图片中抽取的最优图片生成每个身份ID对应的人脸特征和人体特征。
其中，可以通过MTCNN算法抽取最优图片。最优图片为人体和人脸无遮挡、且像素清晰的图片，部分最优图片包含侧面、正面或背面照。可以从拍摄视频流的摄像头的左方、中间、右方、上方和下方各取一张图片作为最优图片。根据少量的最优图片生成人脸特征和人体特征，可以降低特征库的大小，提高搜索响应速度。
S103：计算人脸特征与每个待搜索目标人脸特征之间的相似度。
其中，可以通过FaceNet算法的卷积神经网络计算人脸特征与每个待搜索目标人脸特征之间的相似度。
S104：当人脸特征对应的相似度中的最大值大于预设人脸阈值时，记录该人脸特征对应的身份ID。
S105：计算人体特征与每个待搜索目标人体特征之间的相似度。
其中，可以通过多粒度网络计算人体特征与每个待搜索目标人体特征之间的相似度。多粒度网络可以先对人体进行三级粒度切分，再通过三支路深度神经网络进行特征提取并整合所有特征形成最终特征，不仅能够兼容人体全局身形、轮廓及色彩特征，还能抓住各种细节特征(如发型、眼镜、鞋子、服装商标和配饰等)，极大提高了人体识别精度。
S106：当人体特征对应的相似度中的最大值大于预设人体阈值时，记录该人体特征对应的身份ID。
S107：根据人脸特征对应的身份ID和人体特征对应的身份ID确定目标身份ID。
一实施例中，S107包括：获取人脸特征对应的身份ID和人体特征对应的身份ID的并集；将并集中的身份ID作为目标身份ID。
S108：获取目标身份ID对应的人员轨迹。
其中，每张图片均对应一个区域位置点和一个摄像时间；
S108包括：按照目标身份ID对应的多张图片的摄像时间对该多张图片进行排序；依次连接排序后的图片对应的区域位置点，得到人员轨迹。
图1所示的人员轨迹搜索方法的执行主体可以为计算机。由图1所示的流程可知，本发明实施例的人员轨迹搜索方法先从获取的视频流中提取多张图片，再根据多张最优图片生成每个身份ID对应的人脸特征和人体特征，接着根据人脸特征与每个待搜索目标人脸特征之间的相似度和人体特征与每个待搜索目标人体特征之间的相似度确定目标身份ID，最后获取目标身份ID对应的人员轨迹，可以提高搜索精度，扩大应用场景。
本发明实施例的具体流程如下：
1、对获取的视频流进行解码，从解码的视频流中提取多张图片。
2、根据YOLOV3算法确定每张图片中的人员；根据DeepSort算法为每张图片中的人员分配身份ID。
3、通过MTCNN算法抽取最优图片。
4、根据最优图片生成每个身份ID对应的人脸特征和人体特征。
5、通过FaceNet算法的卷积神经网络计算人脸特征与每个待搜索目标人脸特征之间的相似度。当人脸特征对应的相似度中的最大值大于预设人脸阈值时，记录该人脸特征对应的身份ID。
6、通过多粒度网络计算人体特征与每个待搜索目标人体特征之间的相似度。当人体特征对应的相似度中的最大值大于预设人体阈值时，记录该人体特征对应的身份ID。
7、将人脸特征对应的身份ID和人体特征对应的身份ID的并集作为目标身份ID。
8、按照目标身份ID对应的多张图片的摄像时间对该多张图片进行排序。
9、依次连接排序后的图片对应的区域位置点，得到人员轨迹。
综上，本发明实施例的人员轨迹搜索方法先从获取的视频流中提取多张图片，再根据多张最优图片生成每个身份ID对应的人脸特征和人体特征，接着根据人脸特征与每个待搜索目标人脸特征之间的相似度和人体特征与每个待搜索目标人体特征之间的相似度确定目标身份ID，最后获取目标身份ID对应的人员轨迹，可以提高搜索精度，扩大应用场景。另外，本发明还可以提高搜索响应速度。
基于同一发明构思，本发明实施例还提供了一种人员轨迹搜索***，由于该***解决问题的原理与人员轨迹搜索方法相似，因此该***的实施可以参见方法的实施，重复之处不再赘述。
图2是本发明实施例中人员轨迹搜索***的结构框图。如图2所示，人员轨迹搜索***包括：
提取单元，用于从获取的视频流中提取多张图片；每张图片中的每个人员均对应一个身份ID；
特征生成单元，用于根据从多张图片中抽取的最优图片生成每个身份ID对应的人脸特征和人体特征；
人脸计算单元，用于计算人脸特征与每个待搜索目标人脸特征之间的相似度；
人脸记录单元，用于当人脸特征对应的相似度中的最大值大于预设人脸阈值时，记录该人脸特征对应的身份ID；
人体计算单元，用于计算人体特征与每个待搜索目标人体特征之间的相似度；
人体记录单元，用于当人体特征对应的相似度中的最大值大于预设人体阈值时，记录该人体特征对应的身份ID；
目标确定单元，用于根据人脸特征对应的身份ID和人体特征对应的身份ID确定目标身份ID；
人员轨迹单元，用于获取目标身份ID对应的人员轨迹。
在其中一种实施例中，还包括：
确定单元，用于根据YOLOV3算法确定每张图片中的人员；
身份分配单元，用于根据DeepSort算法为每张图片中的人员分配身份ID。
在其中一种实施例中，每张图片均对应一个区域位置点和一个摄像时间；
人员轨迹单元具体用于：
按照目标身份ID对应的多张图片的摄像时间对该多张图片进行排序；
依次连接排序后的图片对应的区域位置点，得到人员轨迹。
在其中一种实施例中，目标确定单元具体用于：
获取人脸特征对应的身份ID和人体特征对应的身份ID的并集；
将并集中的身份ID作为目标身份ID。
综上，本发明实施例的人员轨迹搜索***先从获取的视频流中提取多张图片，再根据多张最优图片生成每个身份ID对应的人脸特征和人体特征，接着根据人脸特征与每个待搜索目标人脸特征之间的相似度和人体特征与每个待搜索目标人体特征之间的相似度确定目标身份ID，最后获取目标身份ID对应的人员轨迹，可以提高搜索精度，扩大应用场景。
本发明实施例还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可以实现人员轨迹搜索方法的全部或部分内容，例如，处理器执行计算机程序时可以实现如下内容：
从获取的视频流中提取多张图片；每张图片中的每个人员均对应一个身份ID；
根据从多张图片中抽取的最优图片生成每个身份ID对应的人脸特征和人体特征；
计算人脸特征与每个待搜索目标人脸特征之间的相似度；
当人脸特征对应的相似度中的最大值大于预设人脸阈值时，记录该人脸特征对应的身份ID；
计算人体特征与每个待搜索目标人体特征之间的相似度；
当人体特征对应的相似度中的最大值大于预设人体阈值时，记录该人体特征对应的身份ID；
根据人脸特征对应的身份ID和人体特征对应的身份ID确定目标身份ID；
获取目标身份ID对应的人员轨迹。
综上，本发明实施例的计算机设备先从获取的视频流中提取多张图片，再根据多张最优图片生成每个身份ID对应的人脸特征和人体特征，接着根据人脸特征与每个待搜索目标人脸特征之间的相似度和人体特征与每个待搜索目标人体特征之间的相似度确定目标身份ID，最后获取目标身份ID对应的人员轨迹，可以提高搜索精度，扩大应用场景。
本发明实施例还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可以实现人员轨迹搜索方法的全部或部分内容，例如，处理器执行计算机程序时可以实现如下内容：
从获取的视频流中提取多张图片；每张图片中的每个人员均对应一个身份ID；
根据从多张图片中抽取的最优图片生成每个身份ID对应的人脸特征和人体特征；
计算人脸特征与每个待搜索目标人脸特征之间的相似度；
当人脸特征对应的相似度中的最大值大于预设人脸阈值时，记录该人脸特征对应的身份ID；
计算人体特征与每个待搜索目标人体特征之间的相似度；
当人体特征对应的相似度中的最大值大于预设人体阈值时，记录该人体特征对应的身份ID；
根据人脸特征对应的身份ID和人体特征对应的身份ID确定目标身份ID；
获取目标身份ID对应的人员轨迹。
综上，本发明实施例的计算机可读存储介质先从获取的视频流中提取多张图片，再根据多张最优图片生成每个身份ID对应的人脸特征和人体特征，接着根据人脸特征与每个待搜索目标人脸特征之间的相似度和人体特征与每个待搜索目标人体特征之间的相似度确定目标身份ID，最后获取目标身份ID对应的人员轨迹，可以提高搜索精度，扩大应用场景。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
本领域技术人员还可以了解到本发明实施例列出的各种说明性逻辑块(illustrative logical block)，单元，和步骤可以通过电子硬件、电脑软件，或两者的结合进行实现。为清楚展示硬件和软件的可替换性(interchangeability)，上述的各种说明性部件(illustrative components)，单元和步骤已经通用地描述了它们的功能。这样的功能是通过硬件还是软件来实现取决于特定的应用和整个***的设计要求。本领域技术人员可以对于每种特定的应用，可以使用各种方法实现所述的功能，但这种实现不应被理解为超出本发明实施例保护的范围。
本发明实施例中所描述的各种说明性的逻辑块，或单元，或装置都可以通过通用处理器，数字信号处理器，专用集成电路(ASIC)，现场可编程门阵列或其它可编程逻辑装置，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。
本发明实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件模块、或者这两者的结合。软件模块可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中，ASIC可以设置于用户终端中。可选地，处理器和存储媒介也可以设置于用户终端中的不同的部件中。
在一个或多个示例性的设计中，本发明实施例所描述的上述功能可以在硬件、软件、固件或这三者的任意组合来实现。如果在软件中实现，这些功能可以存储与电脑可读的媒介上，或以一个或多个指令或代码形式传输于电脑可读的媒介上。电脑可读媒介包括电脑存储媒介和便于使得让电脑程序从一个地方转移到其它地方的通信媒介。存储媒介可以是任何通用或特殊电脑可以接入访问的可用媒体。例如，这样的电脑可读媒体可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁性存储装置，或其它任何可以用于承载或存储以指令或数据结构和其它可被通用或特殊电脑、或通用或特殊处理器读取形式的程序代码的媒介。此外，任何连接都可以被适当地定义为电脑可读媒介，例如，如果软件是从一个网站站点、服务器或其它远程资源通过一个同轴电缆、光纤电缆、双绞线、数字用户线(DSL)或以例如红外、无线和微波等无线方式传输的也被包含在所定义的电脑可读媒介中。所述的碟片(disk)和磁盘(disc)包括压缩磁盘、镭射盘、光盘、DVD、软盘和蓝光光盘，磁盘通常以磁性复制数据，而碟片通常以激光进行光学复制数据。上述的组合也可以包含在电脑可读媒介中。

Claims (10)

1.一种人员轨迹搜索方法，其特征在于，包括：
从获取的视频流中提取多张图片；每张图片中的每个人员均对应一个身份ID；
根据从所述多张图片中抽取的最优图片生成每个身份ID对应的人脸特征和人体特征；
计算所述人脸特征与每个待搜索目标人脸特征之间的相似度；
当所述人脸特征对应的相似度中的最大值大于预设人脸阈值时，记录该人脸特征对应的身份ID；
计算所述人体特征与每个待搜索目标人体特征之间的相似度；
当所述人体特征对应的相似度中的最大值大于预设人体阈值时，记录该人体特征对应的身份ID；
根据人脸特征对应的身份ID和所述人体特征对应的身份ID确定目标身份ID；
获取所述目标身份ID对应的人员轨迹。
2.根据权利要求1所述的人员轨迹搜索方法，其特征在于，还包括：
根据YOLOV3算法确定每张图片中的人员；
根据DeepSort算法为每张图片中的人员分配身份ID。
3.根据权利要求1所述的人员轨迹搜索方法，其特征在于，每张图片均对应一个区域位置点和一个摄像时间；
获取所述目标身份ID对应的人员轨迹包括：
按照所述目标身份ID对应的多张图片的摄像时间对该多张图片进行排序；
依次连接排序后的图片对应的区域位置点，得到人员轨迹。
4.根据权利要求1所述的人员轨迹搜索方法，其特征在于，确定目标身份ID包括：
获取所述人脸特征对应的身份ID和所述人体特征对应的身份ID的并集；
将所述并集中的身份ID作为目标身份ID。
5.一种人员轨迹搜索***，其特征在于，包括：
提取单元，用于从获取的视频流中提取多张图片；每张图片中的每个人员均对应一个身份ID；
特征生成单元，用于根据从所述多张图片中抽取的最优图片生成每个身份ID对应的人脸特征和人体特征；
人脸计算单元，用于计算所述人脸特征与每个待搜索目标人脸特征之间的相似度；
人脸记录单元，用于当所述人脸特征对应的相似度中的最大值大于预设人脸阈值时，记录该人脸特征对应的身份ID；
人体计算单元，用于计算所述人体特征与每个待搜索目标人体特征之间的相似度；
人体记录单元，用于当所述人体特征对应的相似度中的最大值大于预设人体阈值时，记录该人体特征对应的身份ID；
目标确定单元，用于根据人脸特征对应的身份ID和所述人体特征对应的身份ID确定目标身份ID；
人员轨迹单元，用于获取所述目标身份ID对应的人员轨迹。
6.根据权利要求5所述的人员轨迹搜索***，其特征在于，还包括：
确定单元，用于根据YOLOV3算法确定每张图片中的人员；
身份分配单元，用于根据DeepSort算法为每张图片中的人员分配身份ID。
7.根据权利要求5所述的人员轨迹搜索***，其特征在于，每张图片均对应一个区域位置点和一个摄像时间；
所述人员轨迹单元具体用于：
按照所述目标身份ID对应的多张图片的摄像时间对该多张图片进行排序；
依次连接排序后的图片对应的区域位置点，得到人员轨迹。
8.根据权利要求5所述的人员轨迹搜索***，其特征在于，所述目标确定单元具体用于：
获取所述人脸特征对应的身份ID和所述人体特征对应的身份ID的并集；
将所述并集中的身份ID作为目标身份ID。
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4任一项所述的人员轨迹搜索方法的步骤。
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4任一项所述的人员轨迹搜索方法的步骤。
CN201911140827.1A 2019-11-20 2019-11-20 人员轨迹搜索方法及*** Pending CN110942003A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911140827.1A CN110942003A (zh) 2019-11-20 2019-11-20 人员轨迹搜索方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911140827.1A CN110942003A (zh) 2019-11-20 2019-11-20 人员轨迹搜索方法及***

Publications (1)

Publication Number Publication Date
CN110942003A true CN110942003A (zh) 2020-03-31

Family

ID=69906983

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911140827.1A Pending CN110942003A (zh) 2019-11-20 2019-11-20 人员轨迹搜索方法及***

Country Status (1)

Country Link
CN (1) CN110942003A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111476820A (zh) * 2020-04-01 2020-07-31 深圳力维智联技术有限公司 一种对被追踪的目标进行定位的方法和装置
CN112148909A (zh) * 2020-09-18 2020-12-29 微梦创科网络科技（中国）有限公司 搜索相似图片的方法及***
CN112329521A (zh) * 2020-09-24 2021-02-05 上海品览数据科技有限公司 一种基于深度学习的多目标跟踪视频巡店方法

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107016374A (zh) * 2017-04-12 2017-08-04 电子科技大学 面向特定目标的智能检测追踪及时空轨迹的生成方法
CN107644204A (zh) * 2017-09-12 2018-01-30 南京凌深信息科技有限公司 一种用于安防***的人体识别与跟踪方法
CN109102531A (zh) * 2018-08-21 2018-12-28 北京深瞐科技有限公司 一种目标轨迹追踪方法及装置
CN109214276A (zh) * 2018-07-23 2019-01-15 武汉虹信技术服务有限责任公司 一种基于人脸识别技术的目标人员轨迹跟踪的***及方法
CN109327683A (zh) * 2018-10-29 2019-02-12 重庆中科云丛科技有限公司 一种追踪方法、***、无人机及服务器
CN109426787A (zh) * 2017-08-31 2019-03-05 杭州海康威视数字技术股份有限公司 一种人体目标轨迹确定方法及装置
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
CN109815829A (zh) * 2018-12-28 2019-05-28 上海依图网络科技有限公司 一种确定路人轨迹的方法及装置
CN109858354A (zh) * 2018-12-27 2019-06-07 厦门市美亚柏科信息股份有限公司 一种人脸身份库、轨迹表建立和人脸轨迹查询方法和***
WO2019109246A1 (zh) * 2017-12-05 2019-06-13 深圳前海达闼云端智能科技有限公司 图片查找方法和装置
CN109978918A (zh) * 2019-03-21 2019-07-05 腾讯科技（深圳）有限公司 一种轨迹追踪方法、装置和存储介质
CN110163146A (zh) * 2019-05-21 2019-08-23 银河水滴科技（北京）有限公司 一种基于人体特征的监控方法及装置
CN110310164A (zh) * 2019-07-30 2019-10-08 广州云从信息科技有限公司 图像处理***、方法、平台、机器可读介质及设备
CN110427905A (zh) * 2019-08-08 2019-11-08 北京百度网讯科技有限公司 行人跟踪方法、装置以及终端

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107016374A (zh) * 2017-04-12 2017-08-04 电子科技大学 面向特定目标的智能检测追踪及时空轨迹的生成方法
CN109426787A (zh) * 2017-08-31 2019-03-05 杭州海康威视数字技术股份有限公司 一种人体目标轨迹确定方法及装置
CN107644204A (zh) * 2017-09-12 2018-01-30 南京凌深信息科技有限公司 一种用于安防***的人体识别与跟踪方法
WO2019109246A1 (zh) * 2017-12-05 2019-06-13 深圳前海达闼云端智能科技有限公司 图片查找方法和装置
CN109214276A (zh) * 2018-07-23 2019-01-15 武汉虹信技术服务有限责任公司 一种基于人脸识别技术的目标人员轨迹跟踪的***及方法
CN109102531A (zh) * 2018-08-21 2018-12-28 北京深瞐科技有限公司 一种目标轨迹追踪方法及装置
CN109327683A (zh) * 2018-10-29 2019-02-12 重庆中科云丛科技有限公司 一种追踪方法、***、无人机及服务器
CN109858354A (zh) * 2018-12-27 2019-06-07 厦门市美亚柏科信息股份有限公司 一种人脸身份库、轨迹表建立和人脸轨迹查询方法和***
CN109815829A (zh) * 2018-12-28 2019-05-28 上海依图网络科技有限公司 一种确定路人轨迹的方法及装置
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
CN109978918A (zh) * 2019-03-21 2019-07-05 腾讯科技（深圳）有限公司 一种轨迹追踪方法、装置和存储介质
CN110163146A (zh) * 2019-05-21 2019-08-23 银河水滴科技（北京）有限公司 一种基于人体特征的监控方法及装置
CN110310164A (zh) * 2019-07-30 2019-10-08 广州云从信息科技有限公司 图像处理***、方法、平台、机器可读介质及设备
CN110427905A (zh) * 2019-08-08 2019-11-08 北京百度网讯科技有限公司 行人跟踪方法、装置以及终端

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
THANH DUC NGO 等: "Face Retrieval in Large-Scale New Video Datasets", 《IEICE TRANS INF&SYST》 *
XU ZHANG 等: "Multi-target Tracking of Surveillance Video with Differential YOLO and DeepSort", 《ELEVENTH INTERNATIONAL CONFERENCE ON DIGITAL IMAGE PROCESSING (ICDIP 2019)》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111476820A (zh) * 2020-04-01 2020-07-31 深圳力维智联技术有限公司 一种对被追踪的目标进行定位的方法和装置
CN111476820B (zh) * 2020-04-01 2023-11-03 深圳力维智联技术有限公司 一种对被追踪的目标进行定位的方法和装置
CN112148909A (zh) * 2020-09-18 2020-12-29 微梦创科网络科技（中国）有限公司 搜索相似图片的方法及***
CN112148909B (zh) * 2020-09-18 2024-03-29 微梦创科网络科技（中国）有限公司 搜索相似图片的方法及***
CN112329521A (zh) * 2020-09-24 2021-02-05 上海品览数据科技有限公司 一种基于深度学习的多目标跟踪视频巡店方法

Similar Documents

Publication Publication Date Title
US10402627B2 (en) Method and apparatus for determining identity identifier of face in face image, and terminal
CN110235138B (zh) 用于外观搜索的***和方法
US10339402B2 (en) Method and apparatus for liveness detection
US20190005305A1 (en) Method for processing video, electronic device and storage medium
CN110942003A (zh) 人员轨迹搜索方法及***
CN109829396B (zh) 人脸识别运动模糊处理方法、装置、设备及存储介质
CN112016353B (zh) 一种基于视频的人脸图像进行身份识别方法及装置
Ravì et al. Real-time food intake classification and energy expenditure estimation on a mobile device
CN112487886A (zh) 一种有遮挡的人脸识别方法、装置、存储介质及终端
CN113705290A (zh) 图像处理方法、装置、计算机设备和存储介质
CN113780243B (zh) 行人图像识别模型的训练方法、装置、设备以及存储介质
CN109858354A (zh) 一种人脸身份库、轨迹表建立和人脸轨迹查询方法和***
CN111597910A (zh) 一种人脸识别方法、装置、终端设备及介质
CN112132103A (zh) 一种视频人脸检测识别方法和***
CN111444817B (zh) 一种人物图像识别方法、装置、电子设备和存储介质
KR20220042335A (ko) 자동 수어 인식 방법 및 시스템
CN105844204B (zh) 人体行为识别方法和装置
WO2023019927A1 (zh) 一种人脸识别方法、装置、存储介质及电子设备
CN111738042A (zh) 识别方法、设备及存储介质
Ke et al. Human action recognition based on 3d human modeling and cyclic HMMs
KR102277929B1 (ko) 얼굴 인식에 기반한 실시간 얼굴 마스킹 시스템 및 이를 이용한 실시간 얼굴 마스킹 방법
CN112257628A (zh) 一种户外比赛运动员的身份识别方法、装置及设备
CN116612542A (zh) 基于多模态生物特征一致性的音视频人物识别方法及***
Mi et al. Recognizing actions in wearable-camera videos by training classifiers on fixed-camera videos
CN111414959A (zh) 图像识别方法、装置、计算机可读介质和电子设备

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20220915

Address after: 25 Financial Street, Xicheng District, Beijing 100033

Applicant after: CHINA CONSTRUCTION BANK Corp.

Address before: 25 Financial Street, Xicheng District, Beijing 100033

Applicant before: CHINA CONSTRUCTION BANK Corp.

Applicant before: Jianxin Financial Science and Technology Co.,Ltd.

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200331