CN112651992B - 一种轨迹追踪方法及*** - Google Patents
一种轨迹追踪方法及*** Download PDFInfo
- Publication number
- CN112651992B CN112651992B CN202010606047.8A CN202010606047A CN112651992B CN 112651992 B CN112651992 B CN 112651992B CN 202010606047 A CN202010606047 A CN 202010606047A CN 112651992 B CN112651992 B CN 112651992B
- Authority
- CN
- China
- Prior art keywords
- tracking
- tracking platform
- target
- platform
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 2
- 239000002699 waste material Substances 0.000 abstract description 5
- 230000008569 process Effects 0.000 description 15
- 238000012545 processing Methods 0.000 description 10
- 230000009471 action Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000005465 channeling Effects 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/292—Multi-camera tracking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30241—Trajectory
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Library & Information Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种轨迹追踪方法、***,该方法包括:将追踪目标的待匹配图像下发至目标追踪平台;利用目标追踪平台根据待匹配图像确定活动区域,选择活动区域对应的下级追踪平台,下级追踪平台对应的物理区域范围小于目标追踪平台,直至下级追踪平台为最低级追踪平台时,利用最低级追踪平台查找待匹配图像对应的检索结果,并将检索结果逐级上报至最高级追踪平台;通过最高级追踪平台根据检索结果生成追踪目标的轨迹信息。本申请中,目标追踪平台根据待匹配图像确定活动区域后,可以按此方式逐级下发至下级追踪平台,从而逐渐缩小物理区域范围,能够有效利用各级的计算资源进行图像匹配检索,避免了资源浪费问题,且明显减少了上级平台的计算量。
Description
技术领域
本申请涉及图像处理技术领域,更具体地说,涉及一种轨迹追踪方法及***。
背景技术
罪犯打击部门在打击盗窃、抢劫、人口贩卖等罪犯的过程中,往往面临罪犯跨多个地区的追踪,罪犯流窜范围越广、追踪难度就越大。利用人工智能虽然可以做到跨境追踪,但是由于受到各种因素的影响,往往只能在一个派出所或一个区县范围内进行操作,这种应用模式很难对一些流窜范围较大的目标起到快速追踪定位的效果。
传统技术中一种可行的技术方案是基层单位向上级平台推送摄像机点位,然后由上级平台进行结构化计算,提取视频画面里的人员特征,在上级平台进行统一以图搜图,根据相似度从高到低依次排序,得到追踪目标的位置信息,然而,上述这种方式导致基层单位建设的资源浪费,而上级平台计算量较大的问题。
发明内容
本申请的目的在于提供一种轨迹追踪方法及一种轨迹追踪***,能够在避免了资源浪费问题的同时明显减少了上级平台的计算量。
为实现上述目的,本申请提供了一种轨迹追踪方法,包括:
将追踪目标的待匹配图像下发至目标追踪平台;
利用所述目标追踪平台根据所述待匹配图像确定所述追踪目标的活动区域,选择所述活动区域对应的下级追踪平台,所述下级追踪平台对应的物理区域范围小于所述目标追踪平台;
若所述下级追踪平台为非最低级追踪平台,则将所述下级追踪平台重新作为新的目标追踪平台,再次进入利用所述目标追踪平台根据所述待匹配图像确定所述追踪目标的活动区域,选择所述活动区域对应的下级追踪平台的步骤;
若所述下级追踪平台为最低级追踪平台,则利用所述最低级追踪平台查找所述待匹配图像对应的检索结果,并将所述检索结果逐级上报至最高级追踪平台;
通过所述最高级追踪平台根据所述检索结果生成所述追踪目标的轨迹信息。
可选的,在所述将追踪目标的待匹配图像下发至目标追踪平台之前,还包括:
利用所述最低级追踪平台,根据区域属性标识信息向上级追踪平台推送摄像机点位,以使所述上级追踪平台基于所述摄像机点位获取对应摄像机采集的视频数据。
可选的,所述利用所述目标追踪平台根据所述待匹配图像确定所述追踪目标的活动区域,包括:
利用所述目标追踪平台对本级物理区域内跨行政区域的边界摄像机的视频数据进行全量计算,得到对应的人物信息;
提取所述待匹配图像中所述追踪目标的人体属性信息,根据所述人体属性信息在所述人物信息中进行匹配;
若在所述边界摄像机的视频数据中匹配成功,则将所述边界摄像机对应的物理区域确定为所述追踪目标的活动区域。
可选的,所述利用所述目标追踪平台对本级物理区域内跨行政区域的边界摄像机的视频数据进行全量计算,得到对应的人物信息之后,还包括:
将计算得到的所有人物信息存储至本级数据库中,以便进行后续的数据检索和分析。
可选的,所述利用所述最低级追踪平台查找所述待匹配图像对应的检索结果,包括:
根据所述待匹配图像中所述追踪目标的人体属性信息在所述最低级追踪平台的视频数据中进行全量检索,得到检索记录;
按照匹配到的原始图像与所述待匹配图像的相似度从高到低的顺序对所有检索记录进行排序,并筛选出预设数量的检索记录,得到所述检索结果。
可选的,所述检索结果包括匹配成功的原始图像、所述原始图像出现的经纬度信息和时间信息、所述原始图像与所述待匹配图像的相似度。
可选的,所述通过所述最高级追踪平台生成所述检索结果对应的追踪目标的轨迹信息,包括:
通过所述最高级追踪平台收集所有检索结果,并展示检索结果中所有匹配到的原始图像与所述待匹配图像的相似度;
接收用户终端核查后选择的目标原始图像,按照所述目标原始图像出现的时间顺序和经纬度信息在地图上生成对应的轨迹信息。
可选的,所述按照所述目标原始图像出现的时间顺序和经纬度信息在地图上生成对应的轨迹信息之后,还包括:
确定所述轨迹信息中所述原始图像最后时刻的出现位置;
根据所述出现位置向对应的最低级追踪平台发送警示信息。
为实现上述目的,本申请提供了一种轨迹追踪***,包括:
图像下发模块,用于将追踪目标的待匹配图像下发至目标追踪平台;
区域确定模块,用于利用所述目标追踪平台根据所述待匹配图像确定所述追踪目标的活动区域,选择所述活动区域对应的下级追踪平台,所述下级追踪平台对应的物理区域范围小于所述目标追踪平台;若所述下级追踪平台为非最低级追踪平台,则将所述下级追踪平台重新作为新的目标追踪平台,再次进入利用所述目标追踪平台根据所述待匹配图像确定所述追踪目标的活动区域,选择所述活动区域对应的下级追踪平台的步骤;
图像检索模块,用于若所述下级追踪平台为最低级追踪平台,则利用所述最低级追踪平台查找所述待匹配图像对应的检索结果,并将所述检索结果逐级上报至最高级追踪平台;
轨迹生成模块,用于通过所述最高级追踪平台根据所述检索结果生成所述追踪目标的轨迹信息。
可选的,所述轨迹生成模块,包括:
收集单元,用于通过所述最高级追踪平台收集所有检索结果,并展示检索结果中所有匹配到的原始图像与所述待匹配图像的相似度;
生成单元,接收用户终端核查后选择的目标原始图像,按照所述目标原始图像出现的时间顺序和经纬度信息在地图上生成对应的轨迹信息。
通过以上方案可知,本申请提供的一种轨迹追踪方法,包括:将追踪目标的待匹配图像下发至目标追踪平台;利用所述目标追踪平台根据所述待匹配图像确定所述追踪目标的活动区域,选择所述活动区域对应的下级追踪平台,所述下级追踪平台对应的物理区域范围小于所述目标追踪平台;若所述下级追踪平台为非最低级追踪平台,则将所述下级追踪平台重新作为新的目标追踪平台,再次进入利用所述目标追踪平台根据所述待匹配图像确定所述追踪目标的活动区域,选择所述活动区域对应的下级追踪平台的步骤;若所述下级追踪平台为最低级追踪平台,则利用所述最低级追踪平台查找所述待匹配图像对应的检索结果,并将所述检索结果逐级上报至最高级追踪平台;通过所述最高级追踪平台根据所述检索结果生成所述追踪目标的轨迹信息。本申请中,目标追踪平台根据待匹配图像确定活动区域后,可以按此方式逐级下发至下级追踪平台,从而逐渐缩小物理区域范围,能够有效利用各级的计算资源进行图像匹配检索,避免了资源浪费问题,且明显减少了上级平台的计算量。
本申请还公开了一种轨迹追踪***,同样能实现上述技术效果。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本申请。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例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本申请的一些实施例,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为本申请实施例公开的一种轨迹追踪方法的流程图;
图2为本申请实施例公开的一种轨迹追踪***的结构图;
图3为本申请实施例公开的一种具体的轨迹追踪***的部署示意图;
图4为本申请实施例公开的一种应用于轨迹追踪***的数据处理流程示意图。
具体实施方式
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,显然,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。基于本申请中的实施例,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,都属于本申请保护的范围。
传统技术中一种可行的技术方案是基层单位向上级平台推送摄像机点位,然后由上级平台进行结构化计算,提取视频画面里的人员特征,在上级平台进行统一以图搜图,根据相似度从高到低依次排序,得到追踪目标的位置信息,然而,上述这种方式导致基层单位建设的资源浪费,而上级平台计算量较大的问题。
因此,本申请实施例公开了一种轨迹追踪方法,能够在避免了资源浪费问题的同时明显减少了上级平台的计算量。
参见图1所示,本申请实施例公开的一种轨迹追踪方法包括:
S101:将追踪目标的待匹配图像下发至目标追踪平台;
本申请实施例中,在需要进行追踪时,可以将包含追踪目标的待匹配图像下发至目标追踪平台。需要说明的是,追踪平台可以具体根据行政区域归属设置,例如,可以具体包括但不限于一级追踪平台、二级追踪平台、三级追踪平台和四级追踪平台。其中,四级追踪平台级别依次降低,即一级追踪平台级别最高,四级追踪平台级别最低。
上述目标追踪平台可以具体为最高级追踪平台,即在进行追踪时,可直接由最高级追踪平台开始逐级向下进行定位。当然,也可根据追踪任务确定追踪目标最后出现的区域位置,将该位置所属物理区域对应的追踪平台作为目标追踪平台开始追踪定位的过程。
S102:利用所述目标追踪平台根据所述待匹配图像确定所述追踪目标的活动区域,选择所述活动区域对应的下级追踪平台,所述下级追踪平台对应的物理区域范围小于所述目标追踪平台;
本步骤中,目标追踪平台可以根据上述包含追踪目标的待匹配图像确定追踪目标的活动区域,进而选择该活动区域对应的下级追踪平台,以便将待匹配图像发送至下级追踪平台进行逐级查找,逐步缩小活动区域。需要指出的是,下级追踪平台对应的物理区域范围小于目标追踪平台,即下级追踪平台的级别低于目标追踪平台。例如,四级追踪平台对应的物理区域范围小于三级追踪平台。一级追踪平台对应的物理区域范围最大,四级追踪平台对应的物理区域范围最小。
在具体实施中,上述根据待匹配图像确定追踪目标的活动区域的过程可以包括:利用目标追踪平台对本级物理区域内跨行政区域的边界摄像机的视频数据进行全量计算,即对本级物理区域内所有边界摄像机的全部视频数据进行计算,得到对应的人物信息。也即,可针对本级物理区域内跨行政区域的视频数据进行分析,获取其中的人物图像,例如,可以对车辆内主驾驶和副驾驶的人员进行识别,进一步得到人物信息。上述人物信息可以包括但不限于人脸特征、发型特征、体态特征、服饰特征等信息。另外,本申请实施例可以提取待匹配图像中追踪目标的人体属性信息,从而可以根据该人体属性信息在人物信息中进行匹配。若在边界摄像机的视频数据中匹配成功,则将边界摄像机对应的物理区域确定为追踪目标的活动区域,获取对应人物信息出现的地点和时间。其中,人体属性信息可以包括但不限于人脸特征、发型特征、体态特征、服饰特征等信息。通过先对本级物理区域内跨行政区域的边界摄像机的视频数据进行分析的方式,可以先判断追踪目标是否存在跨行政区域的活动轨迹,如果是,则可将本级物理区域范围内对应较小的行政区域确定为追踪目标的活动区域,缩小下一步所要检索的物理区域范围,逐步进行追踪定位。
在确定活动区域之后,可获取与该活动区域对应的比当前目标追踪平台物理区域范围更小的下级追踪平台,再将待匹配图像发送至下级追踪平台进行查找。
需要指出的是,目标追踪平台需要对本级物理区域以及本级物理区域内跨行政区域的视频数据进行全量计算,例如,若目标追踪平台为省级追踪平台,则需要对本省内物理区域以及跨市的视频数据进行全量计算;若目标追踪平台为市级追踪平台,则需要对本市内物理区域以及跨区县内的视频数据进行全量计算。
可以理解的是,上述目标追踪平台对本级物理区域以及本级物理区域内跨行政区域的视频数据进行全量计算的过程与提取待匹配图像中追踪目标的人体属性信息的过程可以同步进行,以便节省查找时间。
作为一种优选的实施方式,本申请实施例在利用目标追踪平台对本级物理区域内跨行政区域的边界摄像机的视频数据进行全量计算之后,还可以进一步将计算得到的所有人物信息存储至本级数据库中,以便进行后续的数据检索和分析。在信息存储时,可以将当前视频数据处理的时间节点进行保存。在后续需要进行匹配时,可获取数据库中已处理的数据,以及已处理数据对应的时间节点,以便对该时间节点之后的未处理视频数据进行解析。
S103:若所述下级追踪平台为非最低级追踪平台,则将所述下级追踪平台重新作为新的目标追踪平台,再次进入步骤S102;
需要说明的是,当目标追踪平台根据活动区域选择对应的下级追踪平台之后,可获取下级追踪平台的类型。若下级追踪平台为非最低级追踪平台,即表征还存在比当前下级追踪平台对应的物理区域范围更小的追踪平台,因此可将当前下级追踪平台重新作为新的目标追踪平台,返回步骤S102进行循环的逐级查找过程,直至下级追踪平台为最低级追踪平台为止。
S104:若所述下级追踪平台为最低级追踪平台,则利用所述最低级追踪平台查找所述待匹配图像对应的检索结果,并将所述检索结果逐级上报至最高级追踪平台;
可以理解的是,若下级追踪平台为最低级追踪平台,即表征不存在比当前下级追踪平台对应的物理区域范围更小的追踪平台,则不需要执行循环的逐级查找,可利用该最低级追踪平台对待匹配图像进行检索,得到对应的检索结果并逐级上报至最高级追踪平台。
具体地,在利用该最低级追踪平台对待匹配图像进行检索,得到对应的检索结果时,可以首先根据待匹配图像中追踪目标的人体属性信息在最低级追踪平台管理的视频数据中进行全量检索,即根据追踪目标的人体属性信息在最低级追踪平台管理的全部视频数据中进行检索,得到检索记录;进而可按照匹配到的原始图像与待匹配图像的相似度从高到低的顺序对所有检索记录进行排序,筛选出预设数量的检索记录,得到检索结果。
上述检索结果中可以具体包括但不限于:匹配成功的原始图像、原始图像出现的经纬度信息和时间信息、以及原始图像与待匹配图像的相似度。
S105:通过所述最高级追踪平台根据所述检索结果生成所述追踪目标的轨迹信息。
在本步骤中,最高级追踪平台可以收集所有追踪平台上报的检索结果,并对检索结果进行展示,如可以显示所有匹配到的原始图像与待匹配图像的相似度。用户终端可针对检索结果进行人工核查,结合相似度选择最终的目标原始图像,也可以仅结合相似度选择最终的目标原始图像。最高级追踪平台进而可以从检索结果中获取目标原始图像出现历史记录,根据时间顺序和经纬度信息在地图上生成对应的轨迹信息。
在一种优选的实施方式中,当在地图上生成追踪目标的轨迹信息之后,可以进一步确定轨迹信息中原始图像最后时刻的出现位置,并根据出现位置向对应的最低级追踪平台发送警示信息,以便及时执行抓捕动作。
需要指出的是,在具体实施过程中,可以在追踪流程开始前,首先由最低级追踪平台进行摄像机的建设,并可根据区域属性标识信息向上级追踪平台推送摄像机点位,上级追踪平台便可基于摄像机点位获取对应摄像机采集的视频数据,以便进行后续的视频结构化,并将解析的数据保存至本级数据库中。通过为摄像机设置区域属性标识信息,将摄像机点位依次推送至上级追踪平台之后,各级追踪平台可以根据区域属性标识信息针对性的获取对应区域摄像机的视频流数据,无需获取全部视频数据,避免了不必要的资源开销和工作时间。上述区域属性标识信息具体可以指用于标识摄像机所处区域位置的标识信息,即标识摄像机所处的位置属于哪一级追踪平台对应的物理区域。在上述根据区域属性标识信息向上级追踪平台推送摄像机点位的过程中,可以具体由最低级追踪平台将包含区域属性标识信息的摄像机点位推送至该级的上一级追踪平台,依次逐级推送,直至将摄像机点位推送到最高级追踪平台。
通过以上方案可知,本申请提供的一种轨迹追踪方法,包括:将追踪目标的待匹配图像下发至目标追踪平台;利用所述目标追踪平台根据所述待匹配图像确定所述追踪目标的活动区域,选择所述活动区域对应的下级追踪平台,所述下级追踪平台对应的物理区域范围小于所述目标追踪平台;若所述下级追踪平台为非最低级追踪平台,则将所述下级追踪平台重新作为新的目标追踪平台,再次进入利用所述目标追踪平台根据所述待匹配图像确定所述追踪目标的活动区域,选择所述活动区域对应的下级追踪平台的步骤;若所述下级追踪平台为最低级追踪平台,则利用所述最低级追踪平台查找所述待匹配图像对应的检索结果,并将所述检索结果逐级上报至最高级追踪平台;通过所述最高级追踪平台根据所述检索结果生成所述追踪目标的轨迹信息。本申请中,目标追踪平台根据待匹配图像确定活动区域后,可以按此方式逐级下发至下级追踪平台,从而逐渐缩小物理区域范围,能够有效利用各级的计算资源进行图像匹配检索,避免了资源浪费问题,且明显减少了上级平台的计算量。
下面对本申请实施例提供的一种轨迹追踪***进行介绍,下文描述的一种轨迹追踪***与上文描述的一种轨迹追踪方法可以相互参照。
参见图2所示,本申请实施例提供的一种轨迹追踪***包括:
图像下发模块201,用于将追踪目标的待匹配图像下发至目标追踪平台;
区域确定模块202,用于利用所述目标追踪平台根据所述待匹配图像确定所述追踪目标的活动区域,选择所述活动区域对应的下级追踪平台,所述下级追踪平台对应的物理区域范围小于所述目标追踪平台;若所述下级追踪平台为非最低级追踪平台,则将所述下级追踪平台重新作为新的目标追踪平台,再次进入利用所述目标追踪平台根据所述待匹配图像确定所述追踪目标的活动区域,选择所述活动区域对应的下级追踪平台的步骤;
图像检索模块203,用于若所述下级追踪平台为最低级追踪平台,则利用所述最低级追踪平台查找所述待匹配图像对应的检索结果,并将所述检索结果逐级上报至最高级追踪平台;
轨迹生成模块204,用于通过所述最高级追踪平台根据所述检索结果生成所述追踪目标的轨迹信息。
关于上述模块201至204的具体实施过程可参考前述实施例公开的相应内容,在此不再进行赘述。
下面针对本申请实施例提供的一种具体的轨迹追踪***进行介绍。如图3 所示,该轨迹追踪***可具体部署一级追踪平台、二级追踪平台、三级追踪平台和四级追踪平台,且四级联网。需要说明的是,上述各个追踪平台可以具体为一种电子设备,其中可包括用于实现前述实施例公开的轨迹追踪方法的处理器。
在具体实施中,四级追踪平台可对本级对应的摄像机视频进行全量的结构化计算,分析其中的行人人脸和人体信息以及车辆信息,包括车辆内的主驾、副驾人脸和人体属性。一级追踪平台、二级追踪平台和三级追踪平台分别部署计算资源,可以对跨省、跨市、跨县摄像机分别做视频结构化,以分期其中的人物信息。
在具体的追踪过程中,上级追踪平台可以对跨行政区域的边界摄像机做视频结构化,如一级平台可以对跨省的重点相机做视频结构化,二级平台可以对本省和本省内跨地市的重点相机做结构化,三级平台可以对本市和本市内跨区县的重点相机做结构化。
当用户在一级追踪平台导入一张待追踪的人员图像之后,先在本域的跨省摄像机范围内进行检索,圈选出该追踪目标的活动区域。进而根据活动区域将人员图像下发到下级追踪平台检索,如在一级追踪平台在跨浙江和江西两省的视频中检索到该人员,则将该人员的图片信息下发到浙江和江西两省进行进一步的结构化检索。
下级追踪平台首先根据人员图像在本级平台内对重点相机的结构化数据做检索,如以浙江、江西两省举例,则浙江和江西的二级追踪平台检索跨市的摄像机视频数据,根据检索结果框选活动地市区域,再将人员图像下发到追踪目标出现的三级追踪平台。以此类推,将人员图像下发至最低级的四级追踪平台中。
四级追踪平台对需要检索的人员图像进行结构化,并在本域进行全量检索,根据综合评估得到的相似度从高到低的顺序,得到所有检索记录。进而可从所有检索记录中选取预设数量的记录得到检索结果,例如,可从排序后检索记录中选取前预设数量的记录,例如前五十条或一百条记录,作为检索结果,并逐级上报到最高级追踪平台。
最高级追踪平台可以统计各地检索的记录,即各个四级追踪平台逐级上报的检索结果,具体包括追踪目标当时的原始图像、时间、经纬度信息,经过人工核查后,选定明确符合检索条件的记录数据,并在地图上按照时间顺序和经纬度信息绘制轨迹。
由于摄像机统一由四级进行建设,在四级进行摄像机点位推送时,可以增加一个字段用于标识该摄像机的区域位置。例如,area=0表示普通摄像机, area=1表示跨区县摄像机,area=2表示跨地市摄像机,area=3表示跨省摄像机。四级追踪平台可将携带area属性的摄像机点位推送到三级追踪平台,三级追踪平台再将携带area属性的摄像机点位推送到二级,由二级追踪平台再推送到一级追踪平台,三级追踪平台可根据area属性对area标识为1和2的摄像机视频进行数据结构化处理,并将处理结果保存至本级数据库。二级追踪平台将对area属性为2和3的摄像机视频进行数据结构化处理,一级追踪平台将对area属性为3的摄像机视频进行数据结构化处理。
作为一种具体的实施方式,本申请实施例可以首先在跨区域的主干道路双向部署摄像机,如浙江省分别与福建、江西、安徽、江苏相邻,则在这些跨省区域部署相应相机,并在对应追踪平台进行视频数据处理,并将处理结果存入对应的数据库中。下面以追踪目标驾车为例对跨区域的轨迹追踪方案进行介绍:
根据具体的案发地点,县级追踪平台或市级追踪平台可以县为单位进行全量人体搜索,并根据搜索结果绘制目标轨迹,得到最后时刻的位置信息。
若追踪目标最后时刻的位置信息是根据区县边界车辆驾驶位比对得到的,说明追踪目标已离开本区域,并进入到其他区县,则在上级追踪平台进行搜索。首先搜索市级本域跨区县摄像机的结构化信息,判断追踪目标经过了哪些区县,并根据时间顺序和方向绘制追踪目标的轨迹信息。若在市级追踪平台内搜索追踪目标时发现该目标没有经过跨市的边界相机,则说明追踪目标落脚在本市范围内,可根据最后时刻出现的位置信息确定追踪目标进入的区县,进而将图像下发到该区县内进行全量结构化搜索,确定追踪目标的落脚点并进行抓捕。
如果在市级追踪平台检索时发现追踪目标经过跨市摄像机,则将上报至省级追踪平台,由省级追踪平台在本级区域内进行排查以搜索追踪目标。若在省级区域内搜索追踪目标,发现该追踪目标没有经过跨省的边界相机,则表征追踪目标落脚在本省范围内,进而可根据最后时刻出现的位置信息,确定追踪目标进入的地市,将图像下发到该地市,以便在该地市范围内进行全量结构化搜索,确定追踪目标的落脚点并进行抓捕。
如果在省级追踪平台通过搜索发现追踪目标经过跨省摄像机,则上报至部级追踪平台。部级追踪平台首先根据追踪目标在本域内跨省摄像机数据中进行检索,确定最后时刻出现的位置,并判断追踪目标进入的省份,下发至对应的省级追踪平台。同理,省级追踪平台确定追踪目标进入的地市,下发至对应的市级追踪平台,市级追踪平台确定追踪目标进入的曲线,下发至对应的区县级追踪平台。区县级追踪平台针对追踪目标在本域内进行全量检索,并将检索结果返回至市级追踪平台。市追踪平台结合本域的检索结果和下级区县的详细检索结果均上报至省级追踪平台,省级追踪平台可将各个区县、地市和本域检索的跨地市轨迹信息一并返回至部级追踪平台。部级追踪平台可根据所有检索结果绘制追踪目标的轨迹路线。
下面针对应用于该轨迹追踪***的数据处理流程进行介绍。参见图4所示,在一种可行的实施方式中,首先由部级追踪平台下发追踪目标的人体图片至相关的省级追踪平台,进而下发到对应的市级、县级追踪平台。县级追踪平台通过GPU资源进行人体特征值的提取,并在本级平台进行检索,将检索记录根据相似度从高到低进行排序,选取出topN个数据,进而将出现的时间、地点信息以及图片信息返回至地市,逐级收集上报至部级追踪平台。部级追踪平台统计下级平台返回的检索结果,根据绝对相似度从高到低进行排序输出统计结果。用户可手动根据图片进行判断,选出目标图片,进而可根据检索结果中的时间和地点信息在地图上绘制该目标图片出现的轨迹。在另外一种可行的实施方式中,在实际追踪过程中,可按照上述实施例描述的内容进行追踪,即根据案发地点,下级平台先在本域内进行检索,若未检索到或发现追踪目标已离开本区域,则逐级上报检索结果,以便上级追踪平台进行更大范围内的检索。
本申请实施例中,首先通过数据纵向级联的方式将数据统一汇总,方便对跨大区域的人员轨迹数据进行追踪;另外可以横向整合各类交通数据,能够针对多种出行手段进行多维度的排查,形成一个密集的监控网络。通过对跨行政区域边界摄像机进行独立分组,有利于目标对象的精确定位,逐级向下进行检索能够进一步缩小防控圈,并可显著减少数据的计算量。
说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的***而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以对本申请进行若干改进和修饰,这些改进和修饰也落入本申请权利要求的保护范围内。
还需要说明的是,在本说明书中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (9)
1.一种轨迹追踪方法,其特征在于,包括:
将追踪目标的待匹配图像下发至目标追踪平台;
利用所述目标追踪平台根据所述待匹配图像确定所述追踪目标的活动区域,选择所述活动区域对应的下级追踪平台,所述下级追踪平台对应的物理区域范围小于所述目标追踪平台;
若所述下级追踪平台为非最低级追踪平台,则将所述下级追踪平台重新作为新的目标追踪平台,再次进入利用所述目标追踪平台根据所述待匹配图像确定所述追踪目标的活动区域,选择所述活动区域对应的下级追踪平台的步骤;
若所述下级追踪平台为最低级追踪平台,则利用所述最低级追踪平台查找所述待匹配图像对应的检索结果,并将所述检索结果逐级上报至最高级追踪平台;
通过所述最高级追踪平台根据所述检索结果生成所述追踪目标的轨迹信息;
其中,所述利用所述目标追踪平台根据所述待匹配图像确定所述追踪目标的活动区域,包括:
利用所述目标追踪平台对本级物理区域内跨行政区域的边界摄像机的视频数据进行全量计算,得到对应的人物信息;提取所述待匹配图像中所述追踪目标的人体属性信息,根据所述人体属性信息在所述人物信息中进行匹配;若在所述边界摄像机的视频数据中匹配成功,则将所述边界摄像机对应的物理区域确定为所述追踪目标的活动区域。
2.根据权利要求1所述的轨迹追踪方法,其特征在于,在所述将追踪目标的待匹配图像下发至目标追踪平台之前,还包括:
利用所述最低级追踪平台,根据区域属性标识信息向上级追踪平台推送摄像机点位,以使所述上级追踪平台基于所述摄像机点位获取对应摄像机采集的视频数据。
3.根据权利要求1所述的轨迹追踪方法,其特征在于,所述利用所述目标追踪平台对本级物理区域内跨行政区域的边界摄像机的视频数据进行全量计算,得到对应的人物信息之后,还包括:
将计算得到的所有人物信息存储至本级数据库中,以便进行后续的数据检索和分析。
4.根据权利要求1所述的轨迹追踪方法,其特征在于,所述利用所述最低级追踪平台查找所述待匹配图像对应的检索结果,包括:
根据所述待匹配图像中所述追踪目标的人体属性信息在所述最低级追踪平台的视频数据中进行全量检索,得到检索记录;
按照匹配到的原始图像与所述待匹配图像的相似度从高到低的顺序对所有检索记录进行排序,并筛选出预设数量的检索记录,得到所述检索结果。
5.根据权利要求4所述的轨迹追踪方法,其特征在于,所述检索结果包括匹配成功的原始图像、所述原始图像出现的经纬度信息和时间信息、所述原始图像与所述待匹配图像的相似度。
6.根据权利要求1至5任一项所述的轨迹追踪方法,其特征在于,所述通过所述最高级追踪平台生成所述检索结果对应的追踪目标的轨迹信息,包括:
通过所述最高级追踪平台收集所有检索结果,并展示检索结果中所有匹配到的原始图像与所述待匹配图像的相似度;
接收用户终端核查后选择的目标原始图像,按照所述目标原始图像出现的时间顺序和经纬度信息在地图上生成对应的轨迹信息。
7.根据权利要求6所述的轨迹追踪方法,其特征在于,所述按照所述目标原始图像出现的时间顺序和经纬度信息在地图上生成对应的轨迹信息之后,还包括:
确定所述轨迹信息中所述原始图像最后时刻的出现位置;
根据所述出现位置向对应的最低级追踪平台发送警示信息。
8.一种轨迹追踪***,其特征在于,包括:
图像下发模块,用于将追踪目标的待匹配图像下发至目标追踪平台;
区域确定模块,用于利用所述目标追踪平台根据所述待匹配图像确定所述追踪目标的活动区域,选择所述活动区域对应的下级追踪平台,所述下级追踪平台对应的物理区域范围小于所述目标追踪平台;若所述下级追踪平台为非最低级追踪平台,则将所述下级追踪平台重新作为新的目标追踪平台,再次进入利用所述目标追踪平台根据所述待匹配图像确定所述追踪目标的活动区域,选择所述活动区域对应的下级追踪平台的步骤;
图像检索模块,用于若所述下级追踪平台为最低级追踪平台,则利用所述最低级追踪平台查找所述待匹配图像对应的检索结果,并将所述检索结果逐级上报至最高级追踪平台;
轨迹生成模块,用于通过所述最高级追踪平台根据所述检索结果生成所述追踪目标的轨迹信息;
其中,所述区域确定模块,具体包括:
利用所述目标追踪平台对本级物理区域内跨行政区域的边界摄像机的视频数据进行全量计算,得到对应的人物信息;提取所述待匹配图像中所述追踪目标的人体属性信息,根据所述人体属性信息在所述人物信息中进行匹配;若在所述边界摄像机的视频数据中匹配成功,则将所述边界摄像机对应的物理区域确定为所述追踪目标的活动区域。
9.根据权利要求8所述的轨迹追踪***,其特征在于,所述轨迹生成模块,包括:
收集单元,用于通过所述最高级追踪平台收集所有检索结果,并展示检索结果中所有匹配到的原始图像与所述待匹配图像的相似度;
生成单元,接收用户终端核查后选择的目标原始图像,按照所述目标原始图像出现的时间顺序和经纬度信息在地图上生成对应的轨迹信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010606047.8A CN112651992B (zh) | 2020-06-29 | 2020-06-29 | 一种轨迹追踪方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010606047.8A CN112651992B (zh) | 2020-06-29 | 2020-06-29 | 一种轨迹追踪方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112651992A CN112651992A (zh) | 2021-04-13 |
CN112651992B true CN112651992B (zh) | 2024-04-05 |
Family
ID=75346286
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010606047.8A Active CN112651992B (zh) | 2020-06-29 | 2020-06-29 | 一种轨迹追踪方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112651992B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113688278A (zh) * | 2021-07-13 | 2021-11-23 | 北京旷视科技有限公司 | 信息处理方法、装置、电子设备和计算机可读介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102929903A (zh) * | 2012-07-04 | 2013-02-13 | 北京中盾安全技术开发公司 | 一种基于视频信息分层结构化描述的快速视频检索方法 |
CN103366573A (zh) * | 2013-07-10 | 2013-10-23 | 中兴智能交通(无锡)有限公司 | 一种基于云计算的车辆行驶信息追踪方法及*** |
CN103714697A (zh) * | 2013-12-20 | 2014-04-09 | 华南理工大学 | 一种识别跟踪罪犯车辆的方法 |
CN106570147A (zh) * | 2016-10-27 | 2017-04-19 | 武汉烽火众智数字技术有限责任公司 | 一种基于gis路网分析的跳跃式视频追踪方法和*** |
CN109214315A (zh) * | 2018-08-21 | 2019-01-15 | 北京深瞐科技有限公司 | 人车跨镜头追踪方法及装置 |
CN109543566A (zh) * | 2018-11-05 | 2019-03-29 | 深圳市商汤科技有限公司 | 信息处理方法及装置、电子设备和存储介质 |
CN110570461A (zh) * | 2019-09-10 | 2019-12-13 | 中国计量大学 | 一种社区照明网与云平台社区人口信息库结合实现自动寻人追踪的方法 |
-
2020
- 2020-06-29 CN CN202010606047.8A patent/CN112651992B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102929903A (zh) * | 2012-07-04 | 2013-02-13 | 北京中盾安全技术开发公司 | 一种基于视频信息分层结构化描述的快速视频检索方法 |
CN103366573A (zh) * | 2013-07-10 | 2013-10-23 | 中兴智能交通(无锡)有限公司 | 一种基于云计算的车辆行驶信息追踪方法及*** |
CN103714697A (zh) * | 2013-12-20 | 2014-04-09 | 华南理工大学 | 一种识别跟踪罪犯车辆的方法 |
CN106570147A (zh) * | 2016-10-27 | 2017-04-19 | 武汉烽火众智数字技术有限责任公司 | 一种基于gis路网分析的跳跃式视频追踪方法和*** |
CN109214315A (zh) * | 2018-08-21 | 2019-01-15 | 北京深瞐科技有限公司 | 人车跨镜头追踪方法及装置 |
CN109543566A (zh) * | 2018-11-05 | 2019-03-29 | 深圳市商汤科技有限公司 | 信息处理方法及装置、电子设备和存储介质 |
CN110570461A (zh) * | 2019-09-10 | 2019-12-13 | 中国计量大学 | 一种社区照明网与云平台社区人口信息库结合实现自动寻人追踪的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112651992A (zh) | 2021-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110428091B (zh) | 基于数据分析的风险识别方法及相关设备 | |
CN111462488B (zh) | 一种基于深度卷积神经网络和交叉口行为特征模型的交叉口安全风险评估方法 | |
CN110245981B (zh) | 一种基于手机信令数据的人群类型识别方法 | |
CN110334111B (zh) | 一种多维轨迹分析方法及装置 | |
CN111209776A (zh) | 同行人识别方法、装置、处理服务器、存储介质及*** | |
CN111107319B (zh) | 基于区域摄像头的目标追踪方法、装置及*** | |
CN112836657A (zh) | 一种基于轻量化YOLOv3的行人检测方法及*** | |
CN112651992B (zh) | 一种轨迹追踪方法及*** | |
CN111897993A (zh) | 一种基于行人再识别的高效目标人物轨迹生成方法 | |
CN111159475B (zh) | 基于多摄像头视频图像的行人再识别路径生成方法 | |
CN117151959B (zh) | 一种用于城市管理的实时视频分析方法、***及存储介质 | |
CN110738366A (zh) | 一种室外盲区行为预测方法 | |
CN114003672A (zh) | 一种道路动态事件的处理方法、装置、设备和介质 | |
CN111210634B (zh) | 智能交通信息处理方法、装置、智能交通***及服务器 | |
CN112686226A (zh) | 一种基于网格化管理的大数据管理方法、装置及电子设备 | |
CN115203354B (zh) | 一种车码轨迹预关联方法、装置、计算机设备及存储介质 | |
CN114925994B (zh) | 一种基于深度学习的城中村风险评估和风险因素定位方法 | |
CN114265952B (zh) | 一种目标检索方法和装置 | |
Haryono et al. | Accuracy in Object Detection based on Image Processing at the Implementation of Motorbike Parking on the Street | |
Grigoropoulos et al. | Detection and classification of bicyclist group behavior for automated vehicle applications | |
CN109492116B (zh) | 人物关系网络构建的方法及装置 | |
CN113971213A (zh) | 智慧城市管理公共信息共享*** | |
CN112434648A (zh) | 一种墙体形状变化检测方法及*** | |
Suel et al. | Combining street imagery and spatial information for measuring socioeconomic status | |
CN113722615B (zh) | 互联网数据精准推送方法、***、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |