CN111461031A - 一种对象识别***和方法 - Google Patents
一种对象识别***和方法 Download PDFInfo
- Publication number
- CN111461031A CN111461031A CN202010260664.7A CN202010260664A CN111461031A CN 111461031 A CN111461031 A CN 111461031A CN 202010260664 A CN202010260664 A CN 202010260664A CN 111461031 A CN111461031 A CN 111461031A
- Authority
- CN
- China
- Prior art keywords
- gait
- data
- target
- module
- feature information
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000005021 gait Effects 0.000 claims abstract description 332
- 238000012545 processing Methods 0.000 claims abstract description 56
- 238000007405 data analysis Methods 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 9
- 239000000284 extract Substances 0.000 description 6
- 238000000605 extraction Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012163 sequencing technique Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012916 structural analysis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- 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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
- G06V40/25—Recognition of walking or running movements, e.g. gait recognition
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Social Psychology (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Psychiatry (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Computer Interaction (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请提供了一种对象识别***和方法,所述***包括:所述数据采集模块,用于采集自身所处环境中第一对象的步态数据;所述数据处理模块,用于接收所述数据采集模块传输的步态数据,基于所述步态数据和预设的步态识别模型,确定每个第一对象的步态特征信息,并基于所述步态特征信息,以及预设的历史视频流或步态特征数据库,从多个第一对象中,确定目标对象,以及目标对象的步态图像信息,将所述步态图像信息发送给所述展示模块;所述展示模块,用于展示所述步态图像信息。
Description
技术领域
本申请涉及数据处理技术领域,具体而言,涉及一种对象识别***和方法。
背景技术
在进行对象(如行人或动物等)身份识别时,尤其是在安防领域中,一般是通过人脸识别或指纹识别,但是,这些技术都局限于短距离识别,比如,指纹识别必须得通过人体接触才能识别成功,而在对象面部被遮挡的情况下人脸识别无法识别成功,从而导致无法实现精确、高效的进行远距离、非接触、全视角的身份识别,从而也无法对对象的识别信息进行展示。
发明内容
有鉴于此,本申请的目的在于提供一种对象识别***和方法,用于提高对象的识别效率。
第一方面,本申请实施例提供了一种对象识别***,该***包括:数据采集模块、数据处理模块以及展示模块;
所述数据采集模块,用于采集自身所处环境中第一对象的步态数据;
所述数据处理模块,用于接收所述数据采集模块传输的步态数据,基于所述步态数据和预设的步态识别模型,确定每个第一对象的步态特征信息,并基于所述步态特征信息,以及预设的历史视频流或步态特征数据库,从多个第一对象中,确定目标对象,以及目标对象的步态图像信息,将所述步态图像信息发送给所述展示模块;
所述展示模块,用于展示所述步态图像信息。
在一种实施方式中,所述步态数据包括视频流和步态图像序列中的至少一种。
在一种实施方式中,所述数据处理模块包括数据分析模块,所述数据分析模块用于:
基于所述步态识别模型,确定每个所述历史视频流中包括的第二对象的步态特征信息;
基于所述第一对象对应的步态特征信息,以及所述第二对象对应的步态特征信息或所述步态特征数据库,从多个第一对象中确定目标对象。
在一种实施方式中,所述数据处理模块包括区域碰撞模块,所述区域碰撞模块用于:
接收所述数据分析模块传输的第二对象的步态特征信息;
基于视频流的来源信息,从多个所述历史视频流中,确定属于同一位置区域的第一目标历史视频流;
针对不同的位置区域,将属于该位置区域的第一历史视频流所对应的第二对象确定为第三对象;
基于所述第一对象对应的步态特征信息和每个位置区域对应的第三对象所对应的步态特征信息,从多个第一对象中确定所述目标对象;或者,
从多个所述历史视频流中,确定属于同一预设时间段的第二历史视频流;
针对不同的预设时间段,将属于该预设时间段的第二历史视频流对应的第二对象确定为第四对象;
基于所述第一对象对应的步态特征信息和每个预设时间段对应的第四对象所对应的步态特征信息,从多个第一对象中确定所述目标对象。
在一种实施方式中,所述数据处理模块包括数据检索模块,所述数据检索模块用于:
基于目标对象的步态特征信息,从包括所述目标对象的步态数据和/或历史视频流中,确定所述目标对象的步态图像信息。
在一种实施方式中,所述数据处理模块还用于:
获取目标嫌疑人的步态特征信息;
基于所述目标嫌疑人的步态特征信息和所述目标对象的步态特征信息,确定所述目标嫌疑人和所述目标对象之间的相似度;
若确定所述相似度大于预设相似度阈值,则基于目标对象的步态图像信息,确定所述目标嫌疑人的目标步态图像信息,将所述目标步态图像信息发送给所述展示模块;
所述展示模块还用于:
展示所述目标嫌疑人的目标步态图像信息。
在一种实施方式中,该***还包括:警示模块,所述数据处理模块还用于:在确定所述相似度大于预设相似度阈值后,生成警示信息,将所述警示信息分别发送给所述警示模块和所述展示模块;
所述警示模块用于基于所述警示信息进行警示;
所述展示模块还用于展示所述警示信息。
在一种实施方式中,所述数据处理模块还用于:
从所述步态数据中,确定与所述目标对象对应的目标步态数据;
该***还包括:案件管理模块和存储模块,所述案件管理模块用于:
获取多个案件分别对应的案件数据,以及所述数据处理模块传输的目标对象的目标步态数据和步态特征信息;
基于所述案件数据和所述目标对象的步态特征信息,从所述目标步态数据中,确定多个案件分别关联的关联步态数据;
指示所述存储模块关联存储所述多个案件、案件数据和对应的关联步态数据。
在一种实施方式中,所述存储模块还用于:
存储所述目标对象的步态特征信息。
第二方面,本申请实施例提供了一种对象识别方法,该方法应用于第一方面任一项所述的对象识别***中,所述对象识别***包括:数据采集模块、数据处理模块以及展示模块;
所述数据采集模块采集自身所处环境中第一对象的步态数据;
所述数据处理模块接收所述步态数据,基于所述步态数据和预设的步态识别模型,确定每个第一对象的步态特征信息,并基于所述步态特征信息,以及预设的历史视频流或步态特征数据库,从多个第一对象中,确定目标对象,以及目标对象的步态图像信息;
所述展示模块展示所述步态图像信息。
本申请实施例提供了一种对象识别***,该***包数据采集模块、数据处理模块以及展示模块;数据采集模块用于采集多个第一对象分别对应的步态数据,数据处理模块用于接收数据采集模块传输的步态数据,基于步态数据和预设的步态识别模型,确定每个第一对象的步态特征信息,基于步态特征信息,以及预设的历史视频流或步态特征数据库,从多个第一对象中,确定目标对象,以及目标对象的步态图像信息,将步态图像信息发送给展示模块,以便展示模块展示步态图像信息,这样,不需要近距离接触对象,可实现高效率识别对象的信息。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1示出了本申请实施例提供的一种对象识别***的第一种结构示意图;
图2示出了本申请实施例提供的一种对象识别***的第二种结构示意图;
图3示出了本申请实施例提供的一种对象识别***的第三种结构示意图;
图4示出了本申请实施例提供的一种对象识别方法的流程示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,应当理解,本申请中附图仅起到说明和描述的目的,并不用于限定本申请的保护范围。另外,应当理解,示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应该理解,流程图的操作可以不按顺序实现,没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外,本领域技术人员在本申请内容的指引下,可以向流程图添加一个或多个其他操作,也可以从流程图中移除一个或多个操作。
另外,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
需要说明的是,本申请实施例中将会用到术语“包括”,用于指出其后所声明的特征的存在,但并不排除增加其它的特征。
本申请实施例提供了一种对象识别***,该***包括:数据采集模块、数据处理模块以及展示模块;数据采集模块用于采集多个第一对象分别对应的步态数据,数据处理模块用于接收数据采集模块传输的步态数据,基于步态数据和预设的步态识别模型,确定每个第一对象的步态特征信息,基于步态特征信息,以及预设的历史视频流或步态特征数据库,从多个第一对象中,确定目标对象,以及目标对象的步态图像信息,将步态图像信息发送给展示模块,以便展示模块展示步态图像信息,这样,不需要近距离接触对象,可实现高效率识别对象的数据。
本申请实施例提供了一种对象识别***,如图1所示,该***具体包括:数据采集模块11、数据处理模块12以及展示模块13。
所述数据采集模块11,用于采集自身所处环境中第一对象的步态数据;
所述数据处理模块12,用于接收所述数据采集模块11传输的步态数据,基于所述步态数据和预设的步态识别模型,确定每个第一对象的步态特征信息,并基于所述步态特征信息,以及预设的历史视频流或步态特征数据库,从多个第一对象中,确定目标对象,以及目标对象的步态图像信息,将所述步态图像信息发送给所述展示模块;
所述展示模块13,用于展示所述步态图像信息。
对象可以为行人、或动物等,可以根据实际情况确定。
数据采集模块11可以应用在商场、交通标志牌或学校等场景中,数据采集模块11至少包括视频摄像机和步态识别摄像机,视频摄像机可以采集对象的视频流,而该视频摄像机无法从视频流中提取步态图像,因此,在数据采集模块为视频摄像机时,该视频摄像机采集的步态数据为对象的视频流。
步态识别摄像机中嵌入有步态检测算法和步态跟踪算法,该步态识别摄像机可以为步态抓拍摄像机、步态识别摄像机等,步态识别摄像机具备视频结构化分析的能力,可以提取步态信息及进行步态识别。
数据采集模块11采集的步态数据可以为视频流,也可以为步态图像序列,可以根据实际情况确定,在获取步态数据的同时还可以获取对象的步态信息、对象所属的区域、摄像设备采集步态数据的时间、以及采集到步态的摄像设备的设备标识。
数据处理模块12包括数据分析模块121、区域碰撞模块122和数据检索模块123,参考图2,以下分别介绍数据分析模块121的功能、区域碰撞模块122的功能以及数据检索模块123的功能。
数据分析模块121可以基于所述步态识别模型,确定每个所述历史视频流中包括的第二对象的步态特征信息,基于所述第一对象对应的步态特征信息,以及所述第二对象对应的步态特征信息或步态特征数据库,从多个第一对象中确定目标对象。
这里,步态识别模块为预设的完成训练的模型;历史视频流可以为未接入本***的视频采集设备采集的视频流,可以为接入本***的摄像设备采集的视频流,也可以为从各个平台抓取的历史案件视频;步态特征数据库中预先存储了大量样本对象和对应的步态特征信息。其中,未接入本***的视频采集设备包括对象携带的移动终端,或者便携式摄像设备;接入本***的摄像设备包括视频摄像机和步态识别摄像机。
步态特征信息可以为对象行走时力的大小、方向、作用点等信息。
在具体实现过程中,数据分析模块121在接收到数据采集模块传输的步态数据后,在步态数据为视频流时,通过步态检测算法从视频流中提取多个第一对象分别对应的多个步态图像,针对每个第一对象,将该第一对象对应的多个步态图像输入到步态跟踪算法,得到该第一对象对应的步态图像序列,将该第一对象对应的步态图像序列输入到步态识别模型中,得到该第一对象的步态特征信息。其中,步态检测算法和步态跟踪算法可以嵌入到步态识别盒子中,该步态识别盒子设置在数据处理模块中。
当步态数据为步态图像序列时,直接将每个第一对象对应步态图像序列输入到步态识别模型中,得到每个第一对象对应的步态特征信息。
在得到第一对象的步态特征信息后,数据分析模块121还用于利用步态识别模型对各个历史视频流进行识别处理,得到每个历史视频流包括的第二对象的步态特征信息。在利用步态识别模型对历史视频流进行处理之前,可以利用步态检测算法和步态跟踪算法对历史视频流进行处理,得到每个第二对象对应的步态图像序列,从而将第二对象的步态图像序列输入到步态识别模型得到第二对象的步态特征信息。
在得到第一对象和第二对象分别对应的步态特征信息后,可以对第一对象的步态特征信息进行特征提取,得到第一对象对应的步态特征向量,对第二对象的步态特征信息进行特征提取,得到第二对象对应的步态特征向量。
针对每个第一对象,分别将该第一对象的步态特征向量和每个第二对象对应的步态特征向量输入到相似度计算算法中,得到该第一对象与每个第二对象之间的第一步态相似度。其中,相似度计算算法可以为余弦相似度算法、欧式距离算法等。
当第一对象对应的多个第一步态相似度中存在大于预设相似度阈值的第一步态相似度时,说明第一对象的步态特征信息和第二对象的步态特征信息的相似度较大,可以统计大于预设相似度阈值的第一步态相似度的第一数目。其中,相似度阈值可以为根据实际情况确定的,例如,预设相似度阈值可以为90%、95%或98%等。
按照第一数目由大到小的顺序对多个第一对象进行排序,将排序靠前的预设数目个第一对象确定为目标对象。其中,预设数目可以为根据实际情况确定,例如,预设数目可以为5、8、或10等。
本申请通过历史视频流确定目标对象,从历史视频数据中找到有价值的数据,比如,可以在未破的陈年旧案中获取有用信息,进而可以找出罪犯,提高视频资源的利用率。
除了通过上述方式确定目标对象外,也可以利用第一对象和步态特征数据库中的步态特征信息确定目标对象,可以包括以下步骤:
对步态特征数据库中的步态特征信息进行特征提取,得到每个样本对象对应的步态特征向量。
针对每个第一对象,分别将该第一对象的步态特征向量和每个样本对象对应的步态特征向量输入到相似度计算算法中,得到该第一对象与每个样本对象之间的第二步态相似度。
当第一对象对应的多个第二步态相似度中存在大于预设相似度阈值的第二步态相似度时,说明第一对象的步态特征信息和样本对象的步态特征信息的相似度较大,可以统计大于预设相似度阈值的第二步态相似度的第二数目,按照第二数目由大到小的顺序对多个第一对象进行排序,将排序靠前的预设数目个第二对象确定为目标对象。
本公开在通过第一对象和第二对象来确定目标对象时,可以进一步获取来源信息的视频采集设备采集的视频流确定目标对象,以下详述。
数据分析模块121在确定第二对象的步态特征信息后,还可以将第二对象的步态特征信息传输给区域碰撞模块122,区域碰撞模块122在对第二对象的步态特征信息进行处理之前,可以基于视频流的来源信息,从多个所述历史视频流中,确定属于同一位置区域的第一历史视频流,针对不同的位置区域,将属于该位置区域的第一历史视频流所对应的第二对象确定为第三对象,基于所述第一对象对应的步态特征信息和每个位置区域对应的第三对象所对应的步态特征信息,从多个第一对象中确定目标对象。
这里,视频流的来源信息包括采集视频流的摄像设备的设备标识,以及设备位置信息,设备标识可以为设备序列号、编码(预设的)等,设备位置信息可以为采集历史视频流的设备的安装位置信息(如GPS坐标)。
在具体实施过程中,对历史视频流进一步进行划分,根据视频流的来源信息中的设备位置信息,计算每两个历史视频流对应的摄像设备之间的实际距离,若实际距离小于预设距离阈值,则确定对应的历史视频流属于同一位置区域,将属于同一位置区域的历史视频流作为第一历史视频流。
除了通过上述方式确定属于同一位置区域的第一历史视频流外,可以在地图中标注每个历史视频流对应的设备位置信息,属于同一个行政区域的历史视频流确定为第一历史视频流。
例如,历史视频流包括5个,第一个历史视频流为Q1、第二个历史视频流为Q2、第三个历史视频流为Q3、第四个历史视频流为Q4和第五个历史视频流的设备为Q5,Q1与Q2之间的实际距离、Q2与Q3之间的实际距离小于预设距离阈值,则确定Q1、Q2和Q3为第一历史视频流。
针对每个位置区域,确定属于该位置区域的第一历史视频流对应的第二对象,将确定的第二对象作为第三对象。
针对每个第一对象,分别将该第一对象的步态特征向量和每个位置区域对应的第三对象所对应的步态特征向量输入到相似度计算算法中,得到该第一对象与每个第三对象之间的第三步态相似度。
当第一对象对应的多个第三步态相似度中存在大于预设相似度阈值的第三步态相似度时,说明第一对象的步态特征信息和第三对象的步态特征信息的相似度较大,可以统计大于预设相似度阈值的第三步态相似度的第二数目。
按照第二数目由大到小的顺序对多个第一对象进行排序,将排序靠前的预设数目个第三对象确定为目标对象。
除了利用采集视频流的摄像设备所属的区域确定目标对象外,可以从多个所述历史视频流中,确定属于预设时间段的第二历史视频流;针对不同的预设时间段,将属于该预设时间段的第二历史视频流对应的第二对象确定为第四对象;基于所述第一对象对应的步态特征信息和每个预设时间段对应的第四对象所对应的步态特征信息,从多个第一对象中确定所述目标对象。
这里,预设时间段可以为通勤时间段(如7:00-9:00、17:00-19:00),可以预先设置多个时间段。
在具体实施过程中,针对每个历史视频流,从该历史视频流中截取预设时间段对应的第二历史视频流,确定每个第二历史视频流对应的第二对象,将确定的第二对象作为第四对象。
针对每个第一对象,分别将该第一对象的步态特征向量和每个第四对象所对应的步态特征向量输入到相似度计算算法中,得到该第一对象与每个第四对象之间的第四步态相似度。
当第一对象对应的多个第四步态相似度中存在大于预设相似度阈值的第四步态相似度时,说明第一对象的步态特征信息和第四对象的步态特征信息的相似度较大,可以统计大于预设相似度阈值的第四步态相似度的第散数目。
按照第三数目由大到小的顺序对多个第一对象进行排序,将排序靠前的预设数目个第四对象确定为目标对象。
在数据分析模块121或区域碰撞模块122确定目标对象后,将目标对象的步态特征信息传输给数据检索模块123,数据检索模块123可以基于目标对象的步态特征信息,从包括目标对象对应的步态数据和/或历史视频流中,确定所述目标对象的步态图像信息。
步态图像信息包括步态图像、位置信息、时间信息、对象的身份信息和活动轨迹信息,其中,位置信息可以为GPS坐标,为采集目标对象的步态数据的数据采集模块的位置,时间信息为目标对象通过数据采集模块所处位置的时间,在对象为用户时,对象的身份信息为用户授权的身份信息,活动轨迹信息为用户授权的轨迹信息。
在具体实施过程中,在确定目标对象后,可以获取目标对象对应的步态图像序列或当前视频流,也可以获取包括目标对象的历史视频流,也可以同时获取包括目标对象的步态数据和历史视频流,可以根据实际情况确定。
根据目标对象的步态特征信息,从包括目标图像的当前视频流、或历史视频流中,确定目标对象的位置信息、目标对象通过对应位置时的时间信息以及目标对象在该位置的步态图像,将目标对象的位置信息、时间信息、步态图像、身份信息以及活动轨迹信息等作为步态图像信息。
本申请的***还可以实现预警,在预警时,数据处理模块12可以获取目标嫌疑人的步态特征信息,基于所述目标嫌疑人的步态特征信息和所述目标对象的步态特征信息,确定所述目标嫌疑人和所述目标对象之间的相似度;若确定所述相似度大于预设相似度阈值,则基于目标对象的步态图像信息,确定所述目标嫌疑人的目标步态图像信息,将目标步态图像信息发送给所述展示模块13。
这里,目标嫌疑人的步态特征信息为授权的步态特征信息。
在具体实施过程中,在获取目标嫌疑人的步态特征信息后,可以对目标嫌疑人的步态特征信息进行特征提取,得到目标嫌疑人对应的步态特征向量,对目标对象的步态特征信息进行特征提取,得到目标对象的步态特征向量。
将目标嫌疑人的步态特征向量和目标对象的步态特征向量输入到相似度计算算法中,得到目标嫌疑人和目标对象之间的相似度。
当目标嫌疑人与目标对象的相似度大于预设相似度阈值时,可以将目标对象的步态图像信息中的步态图像信息作为目标嫌疑人的目标步态图像信息,以便在展示模块13中进行展示。
当本***确定目标嫌疑人与目标对象之间的相似度大于预设相似度阈值时,还可以生成警示信息,将警示信息发送给警示模块,警示模块基于警示信息中的警示指令进行警示,比如,可以通过警示灯(如红灯频闪)的方式进行警示,也可以通过语音方式进行警示。
在警示模块在进行警示的同时,展示模块13可以对警示信息进行展示,警示信息包括目标嫌疑人的数目、每个目标嫌疑人的身份信息等信息。
本申请公开的***还可以与第三方授权的案件进行关联存储,在对第三方授权的案件进行关联存储时,可以通过案件管理模块15实现,参考图3。
数据处理模块12在确定步态图像信息时,还可以从步态数据中,确定与目标对象对应的目标步态数据,也就是,确定包括目标对象的步态图像序列或视频流,将包括目标对象的视频流或步态图像序列作为目标步态数据,并将目标步态数据传输给案件管理模块15。
案件管理模块15可以获取多个案件分别对应的案件数据,以及所述数据处理模块12传输的目标步态数据。
这里,案件数据包括案件名称、卷宗内容、和卷宗视频等数据,卷宗内容包括案件的详细信息(如涉案人员的步态特征信息),卷宗视频包括案件发生时的相关视频等。
案件管理模块15可以基于案件数据,从目标步态数据中,确定多个案件分别关联的关联步态数据,并指示存储模块14关联存储案件。案件数据和对应的关联步态数据。
在具体实施过程中,案件管理模块15可以从卷宗视频中提取涉案人员的步态特征信息,或者从卷宗内容中提取涉案人员的步态特征信息,针对每个案件,案件管理模块15可以根据该案件的对应的涉案人员的步态特征信息,和目标对象的步态特征信息,计算目标对象和该案件之间的相似度,若该相似度大于预设相似度阈值,则可以将该目标对象的目标步态数据作为与该案件关联的关联步态数据,存储该案件的案件标识、对应的案件数据和对应的关联步态数据,同时,存储模块14还可以存储目标对象的步态特征信息和步态图像信息。
另外,数据处理模块12可以周期性的从存储模块中提取每个案件对应的步态特征信息,利用每个案件对应的步态特征信息,和从实时获取的视频流中提取的步态特征信息,实现对案件的监控,若从视频流中提取的步态特征信息与案件的步态特征信息匹配,则可以进行警示,并确定相关人员的位置信息和行动轨迹。
本申请实施例提供了一种对象识别方法,如图4所示,该方法应用于对象识别***,对象识别***包括数据采集模块、数据处理模块和展示模块;包括:
S401,所述数据采集模块采集自身所处环境中第一对象的步态数据;
S402,所述数据处理模块接收所述步态数据,基于所述步态数据和预设的步态识别模型,确定每个第一对象的步态特征信息,并基于所述步态特征信息,以及预设的历史视频流或步态特征数据库,从多个第一对象中,确定目标对象,以及目标对象的步态图像信息;
S403,所述展示模块展示所述步态图像信息。
在一种实施方式中,所述步态数据包括视频流和步态图像序列中的至少一种。
在一种实施方式中,所述数据处理模块包括数据分析模块,数据处理模块基于所述步态特征信息,以及预设的历史视频流或步态特征数据库,从多个第一对象中,确定目标对象,包括:
所述数据分析模块基于所述步态识别模型,确定每个所述历史视频流中包括的第二对象的步态特征信息;以及,
基于所述第一对象对应的步态特征信息,以及所述第二对象对应的步态特征信息或步态特征数据库,从多个第一对象中确定目标对象。
在一种实施方式中,所述数据处理模块包括区域碰撞模块,数据处理模块基于所述步态特征信息,以及预设的历史视频流,从多个第一对象中,确定目标对象,包括:
所述区域碰撞模块接收所述数据分析模块传输的第二对象的步态特征信息;以及,
基于视频流的来源信息,从多个所述历史视频流中,确定属于同一位置区域的目标历史视频流;
针对不同的位置区域,将属于该位置区域的第一历史视频流所对应的第二对象确定为第三对象;
基于所述第一对象对应的步态特征信息和每个位置区域对应的第三对象所对应的步态特征信息,从多个第一对象中确定所述目标对象;或者,
从多个所述历史视频流中,确定属于同一预设时间段的第二历史视频流;
针对不同的预设时间段,将属于该预设时间段的第二历史视频流对应的第二对象确定为第四对象;
基于所述第一对象对应的步态特征信息和每个预设时间段对应的第四对象所对应的步态特征信息,从多个第一对象中确定所述目标对象。
在一种实施方式中,所述数据处理模块包括数据检索模块,所述数据处理模块确定目标对象的步态图像信息,包括:
所述数据检索模块基于目标对象的步态特征信息,从包括所述目标对象的步态数据,和/或历史视频流中,确定所述目标对象的步态图像信息。
在一种实施方式中,还包括:
所述数据处理模块获取目标嫌疑人的步态特征信息;
所述数据处理模块基于所述目标嫌疑人的步态特征信息和所述目标对象的步态特征信息,确定所述目标嫌疑人和所述目标对象之间的相似度;
所述数据处理模块若确定所述相似度大于预设相似度阈值,则基于目标对象的步态图像信息,确定所述目标嫌疑人的目标步态图像信息,将所述目标步态图像信息发送给所述展示模块;
所述展示模块展示所述目标嫌疑人的目标步态图像信息。
在一种实施方式中,该***包括:警示模块,所述方法还包括:
所述数据处理模块在确定所述相似度大于预设相似度阈值后,生成警示信息,将所述警示信息分别发送给警示模块和展示模块;
所述警示模块基于所述警示信息进行警示;
所述展示模块还用于展示所述警示信息。
在一种实施方式中,该***还包括:案件管理模块和存储模块,所述方法还包括:
所述数据处理模块从所述步态数据中,确定与所述目标对象对应的目标步态数据;
所述案件管理模块获取多个案件分别对应的案件数据,以及所述数据处理模块传输的目标对象的目标步态数据和步态特征信息;
所述案件管理模块基于所述案件数据和所述目标对象的步态特征信息,从所述目标步态数据中,确定多个案件分别关联的关联步态数据;
所述案件管理模块指示所述存储模块关联存储所述多个案件、案件数据和对应的关联步态数据。
在一种实施方式中,还包括:所述存储模块存储所述目标对象的步态特征信息。
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,可以参考方法实施例中的对应过程,本申请中不再赘述。在本申请所提供的几个实施例中,应该理解到,所揭露的***、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个模块或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
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,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请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)执行本申请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、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种对象识别***,其特征在于,该***包括:数据采集模块、数据处理模块以及展示模块;
所述数据采集模块,用于采集自身所处环境中第一对象的步态数据;
所述数据处理模块,用于接收所述数据采集模块传输的步态数据,基于所述步态数据和预设的步态识别模型,确定每个第一对象的步态特征信息,并基于所述步态特征信息,以及预设的历史视频流或步态特征数据库,从多个第一对象中,确定目标对象,以及目标对象的步态图像信息,将所述步态图像信息发送给所述展示模块;
所述展示模块,用于展示所述步态图像信息。
2.如权利要求1所述的***,其特征在于,所述步态数据包括视频流和步态图像序列中的至少一种。
3.如权利要求1所述的***,其特征在于,所述数据处理模块包括数据分析模块,所述数据分析模块用于:
基于所述步态识别模型,确定每个所述历史视频流中包括的第二对象的步态特征信息;
基于所述第一对象对应的步态特征信息,以及所述第二对象对应的步态特征信息或所述步态特征数据库,从多个第一对象中确定目标对象。
4.如权利要求3所述的***,其特征在于,所述数据处理模块包括区域碰撞模块,所述区域碰撞模块用于:
接收所述数据分析模块传输的第二对象的步态特征信息;
基于视频流的来源信息,从多个所述历史视频流中,确定属于同一位置区域的第一目标历史视频流;
针对不同的位置区域,将属于该位置区域的第一历史视频流所对应的第二对象确定为第三对象;
基于所述第一对象对应的步态特征信息和每个位置区域对应的第三对象所对应的步态特征信息,从多个第一对象中确定所述目标对象;或者,
从多个所述历史视频流中,确定属于同一预设时间段的第二历史视频流;
针对不同的预设时间段,将属于该预设时间段的第二历史视频流对应的第二对象确定为第四对象;
基于所述第一对象对应的步态特征信息和每个预设时间段对应的第四对象所对应的步态特征信息,从多个第一对象中确定所述目标对象。
5.如权利要求4所述的***,其特征在于,所述数据处理模块包括数据检索模块,所述数据检索模块用于:
基于目标对象的步态特征信息,从包括所述目标对象的步态数据和/或历史视频流中,确定所述目标对象的步态图像信息。
6.如权利要求1所述的***,其特征在于,所述数据处理模块还用于:
获取目标嫌疑人的步态特征信息;
基于所述目标嫌疑人的步态特征信息和所述目标对象的步态特征信息,确定所述目标嫌疑人和所述目标对象之间的相似度;
若确定所述相似度大于预设相似度阈值,则基于目标对象的步态图像信息,确定所述目标嫌疑人的目标步态图像信息,将所述目标步态图像信息发送给所述展示模块;
所述展示模块还用于:
展示所述目标嫌疑人的目标步态图像信息。
7.如权利要求6所述的***,其特征在于,该***还包括:警示模块,所述数据处理模块还用于:在确定所述相似度大于预设相似度阈值后,生成警示信息,将所述警示信息分别发送给所述警示模块和所述展示模块;
所述警示模块用于基于所述警示信息进行警示;
所述展示模块还用于展示所述警示信息。
8.如权利要求1所述的***,其特征在于,所述数据处理模块还用于:
从所述步态数据中,确定与所述目标对象对应的目标步态数据;
该***还包括:案件管理模块和存储模块,所述案件管理模块用于:
获取多个案件分别对应的案件数据,以及所述数据处理模块传输的目标对象的目标步态数据和步态特征信息;
基于所述案件数据和所述目标对象的步态特征信息,从所述目标步态数据中,确定多个案件分别关联的关联步态数据;
指示所述存储模块关联存储所述多个案件、案件数据和对应的关联步态数据。
9.如权利要求8所述的***,其特征在于,所述存储模块还用于:
存储所述目标对象的步态特征信息。
10.一种对象识别方法,其特征在于,该方法应用于如权利要求1-9中任一项所述的对象识别***中,所述对象识别***包括:数据采集模块、数据处理模块以及展示模块;
所述数据采集模块采集自身所处环境中第一对象的步态数据;
所述数据处理模块接收所述步态数据,基于所述步态数据和预设的步态识别模型,确定每个第一对象的步态特征信息,并基于所述步态特征信息,以及预设的历史视频流或步态特征数据库,从多个第一对象中,确定目标对象,以及目标对象的步态图像信息;
所述展示模块展示所述步态图像信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010260664.7A CN111461031B (zh) | 2020-04-03 | 2020-04-03 | 一种对象识别***和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010260664.7A CN111461031B (zh) | 2020-04-03 | 2020-04-03 | 一种对象识别***和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111461031A true CN111461031A (zh) | 2020-07-28 |
CN111461031B CN111461031B (zh) | 2023-10-24 |
Family
ID=71680451
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010260664.7A Active CN111461031B (zh) | 2020-04-03 | 2020-04-03 | 一种对象识别***和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111461031B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107506684A (zh) * | 2016-06-14 | 2017-12-22 | 中兴通讯股份有限公司 | 步态识别方法及装置 |
CN108108693A (zh) * | 2017-12-20 | 2018-06-01 | 深圳市安博臣实业有限公司 | 基于3d高清vr全景的智能识别监控装置及识别方法 |
CN109508645A (zh) * | 2018-10-19 | 2019-03-22 | 银河水滴科技(北京)有限公司 | 监控场景下身份识别方法及装置 |
CN109544751A (zh) * | 2018-11-23 | 2019-03-29 | 银河水滴科技(北京)有限公司 | 一种门禁控制方法及装置 |
CN109634981A (zh) * | 2018-12-11 | 2019-04-16 | 银河水滴科技(北京)有限公司 | 一种数据库扩充方法及装置 |
CN110139075A (zh) * | 2019-05-10 | 2019-08-16 | 银河水滴科技(北京)有限公司 | 视频数据处理方法、装置、计算机设备和存储介质 |
CN110765984A (zh) * | 2019-11-08 | 2020-02-07 | 北京市商汤科技开发有限公司 | 一种移动状态信息展示方法、装置、设备及存储介质 |
CN110781711A (zh) * | 2019-01-21 | 2020-02-11 | 北京嘀嘀无限科技发展有限公司 | 目标对象识别方法、装置、电子设备及存储介质 |
CN110874568A (zh) * | 2019-09-27 | 2020-03-10 | 银河水滴科技(北京)有限公司 | 基于步态识别的安检方法、装置、计算机设备和存储介质 |
-
2020
- 2020-04-03 CN CN202010260664.7A patent/CN111461031B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107506684A (zh) * | 2016-06-14 | 2017-12-22 | 中兴通讯股份有限公司 | 步态识别方法及装置 |
CN108108693A (zh) * | 2017-12-20 | 2018-06-01 | 深圳市安博臣实业有限公司 | 基于3d高清vr全景的智能识别监控装置及识别方法 |
CN109508645A (zh) * | 2018-10-19 | 2019-03-22 | 银河水滴科技(北京)有限公司 | 监控场景下身份识别方法及装置 |
CN109544751A (zh) * | 2018-11-23 | 2019-03-29 | 银河水滴科技(北京)有限公司 | 一种门禁控制方法及装置 |
CN109634981A (zh) * | 2018-12-11 | 2019-04-16 | 银河水滴科技(北京)有限公司 | 一种数据库扩充方法及装置 |
CN110781711A (zh) * | 2019-01-21 | 2020-02-11 | 北京嘀嘀无限科技发展有限公司 | 目标对象识别方法、装置、电子设备及存储介质 |
CN110139075A (zh) * | 2019-05-10 | 2019-08-16 | 银河水滴科技(北京)有限公司 | 视频数据处理方法、装置、计算机设备和存储介质 |
CN110874568A (zh) * | 2019-09-27 | 2020-03-10 | 银河水滴科技(北京)有限公司 | 基于步态识别的安检方法、装置、计算机设备和存储介质 |
CN110765984A (zh) * | 2019-11-08 | 2020-02-07 | 北京市商汤科技开发有限公司 | 一种移动状态信息展示方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111461031B (zh) | 2023-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107305627B (zh) | 一种车辆视频监控方法、服务器及*** | |
WO2019153193A1 (zh) | 一种出租车运营监测方法、设备、存储介质和*** | |
US20220092881A1 (en) | Method and apparatus for behavior analysis, electronic apparatus, storage medium, and computer program | |
CN109325429B (zh) | 一种关联特征数据的方法、装置、存储介质及终端 | |
CN109766755B (zh) | 人脸识别方法及相关产品 | |
US20140369566A1 (en) | Perimeter Image Capture and Recognition System | |
CN108540751A (zh) | 基于视频与电子设备标识的监控方法、装置及*** | |
Bertoni et al. | Perceiving humans: from monocular 3d localization to social distancing | |
CN115457449B (zh) | 一种基于ai视频分析和监控安防的预警*** | |
CN111539338A (zh) | 行人口罩佩戴管控方法、装置、设备及计算机存储介质 | |
CN111460985A (zh) | 基于跨摄像头人体匹配的现场工人轨迹统计方法和*** | |
JP5718632B2 (ja) | 部位認識装置、部位認識方法、及び部位認識プログラム | |
RU2315352C2 (ru) | Способ и система для автоматического обнаружения трехмерных образов | |
CN110147731A (zh) | 车辆类型识别方法及相关产品 | |
KR20220000873A (ko) | 인공 지능을 이용한 관제 서비스 시스템 | |
CN113505704B (zh) | 图像识别的人员安全侦测方法、***、设备及存储介质 | |
CN114743026A (zh) | 目标对象的方位检测方法、装置、设备及计算机可读介质 | |
CN113627321A (zh) | 基于人工智能的图像识别方法、装置及计算机设备 | |
Pinthong et al. | The License Plate Recognition system for tracking stolen vehicles | |
CN111461031A (zh) | 一种对象识别***和方法 | |
CN117671576A (zh) | 一种识别危险目标的成像处理方法 | |
CN108540748A (zh) | 监控视频与电子设备标识关联的方法、装置及*** | |
CN114783097B (zh) | 一种医院防疫管理***及方法 | |
CN111898434B (zh) | 一种视频侦测分析*** | |
CN109819207B (zh) | 目标查找方法及相关设备 |
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: 20210201 Address after: 315000 9-3, building 91, 16 Buzheng lane, Haishu District, Ningbo City, Zhejiang Province Applicant after: Yinhe shuidi Technology (Ningbo) Co.,Ltd. Address before: 0701, 7 / F, 51 Xueyuan Road, Haidian District, Beijing 100191 Applicant before: Watrix Technology (Beijing) Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |