CN110069339B - 一种分布式识别跟踪系统 - Google Patents
一种分布式识别跟踪系统 Download PDFInfo
- Publication number
- CN110069339B CN110069339B CN201910021710.5A CN201910021710A CN110069339B CN 110069339 B CN110069339 B CN 110069339B CN 201910021710 A CN201910021710 A CN 201910021710A CN 110069339 B CN110069339 B CN 110069339B
- Authority
- CN
- China
- Prior art keywords
- edge computing
- computing system
- target
- personal
- characteristic 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/41—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
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/43—Querying
- G06F16/432—Query formulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
- G06V10/95—Hardware or software architectures specially adapted for image or video understanding structured as a network, e.g. client-server architectures
-
- 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
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/502—Proximity
-
- 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
-
- 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
- G06V20/44—Event detection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Mathematical Physics (AREA)
- Image Analysis (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种分布式识别跟踪系统,通过分布式部署辅边缘计算系统和主边缘计算系统,使辅边缘计算系统可以根据主边缘计算系统下发的跟踪目标个人信息,开展跟踪目标的持续跟踪和轨迹刻画,实现计算资源配置优化,而主边缘计算系统则根据辅边缘计算系统上报的异常目标个人信息进行精确的目标身份识别,主辅系统之间数据交互通畅及时,实现了计算和存储的联合优化配置,为实现目标轨迹刻画和身份确认提供了详尽准确的数据基础。
Description
技术领域
本发明涉及监控领域,特别是涉及一种分布式识别跟踪系统。
背景技术
摄像头可以获取到其拍摄范围内运动中目标的人体多维特征信息,包括身高体态、行为习惯、肢体缺陷等,其拍摄到的监控内容可以作为目标人员的追踪依据。目前广域持续跟踪和步态特征提取属于两个专业研究领域,其中,广域持续跟踪重点解决跨摄像头的海量行人下的个人持续跟踪,计算量大但是精确性较差,无法构建标准数据库并开展精确搜索对比。精确特征提取主要解决重点环境下的个人身高、着装和步态的提取,能够构建精确地特征数据库并支持搜索对比识别。但是由于存储资源和计算资源受限,目前尚缺乏将二者集成的系统,并且鲜见针对广域持续跟踪和步态特征提取的总体设计。
发明内容
本发明提供一种分布式识别跟踪系统,用以解决现有技术中由于存储资源和计算资源受限,造成的广域持续跟踪和步态特征提取功能无法集成的问题。
为解决上述技术问题,一方面,本发明提供一种分布式识别跟踪系统,包括:辅边缘计算系统,用于在监测到异常行为时,将所述异常目标的个人特征信息发送至主边缘计算系统;并根据所述主边缘计算系统下发的跟踪目标的个人特征信息,对所述跟踪目标进行跟踪和轨迹刻画;主边缘计算系统,用于根据所述异常目标的个人特征信息,进行所述异常目标的身份识别;并获取所述跟踪目标的个人特征信息,将所述跟踪目标的个人特征信息下发至所述辅边缘计算系统。
进一步,每个所述主边缘计算系统与M个辅边缘计算系统连接,其中,M为大于1的整数。
进一步,所述主边缘计算系统,具体用于:根据所述异常目标的个人特征信息,检测所述主边缘计算系统的个人多维特征数据库中是否包括所述异常目标的个人特征信息;在所述主边缘计算系统的个人多维特征数据库中包括所述异常目标的个人特征信息的情况下,确定所述异常目标的身份;在所述主边缘计算系统的个人多维特征数据库中未包括所述异常目标的个人特征信息的情况下,将所述异常目标的个人特征信息发送至大数据核心云中心。
进一步,所述大数据核心云中心与N个主边缘计算系统连接,其中,N为大于1的整数。
进一步,所述大数据核心云中心,具体用于:接收所述主边缘计算系统发送的所述异常目标的个人特征信息;联合所有所述大数据核心云中心控制的主边缘计算系统的个人多维特征数据库,进行所述异常目标的身份识别。
进一步,所述个人特征信息至少包括以下之一:身高、着装、步态。
本发明通过分布式部署辅边缘计算系统和主边缘计算系统,使辅边缘计算系统可以根据主边缘计算系统下发的跟踪目标个人信息,开展跟踪目标的持续跟踪和轨迹刻画,实现计算资源配置优化,而主边缘计算系统则根据辅边缘计算系统上报的异常目标个人信息进行精确的目标身份识别,主辅系统之间数据交互通畅及时,实现了计算和存储的联合优化配置,为实现目标轨迹刻画和身份确认提供了详尽准确的数据基础。
附图说明
图1是本发明第一实施例中分布式识别跟踪系统的结构示意图;
图2是本发明第一实施例中实现目标跟踪和轨迹刻画功能的流程图;
图3是本发明第一实施例中实现异常目标身份识别功能的流程图;
图4是本发明第一实施例中另一种实现异常目标身份识别功能的流程图。
具体实施方式
为了解决现有技术由于存储资源和计算资源受限,造成的广域持续跟踪和步态特征提取功能无法集成的问题,本发明提供了一种分布式识别跟踪系统,以下结合附图以及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不限定本发明。
本发明的第一实施例提供了一种分布式识别跟踪系统,其结构示意图如图1所示,主要包括辅边缘计算系统100和主边缘计算系统200,其中,辅边缘计算系统100用于在监测到异常行为时,将异常目标的个人特征信息发送至主边缘计算系统200;并根据主边缘计算系统200下发的跟踪目标的个人特征信息,对跟踪目标进行跟踪和轨迹刻画;主边缘计算系统200用于根据异常目标的个人特征信息,进行异常目标的身份识别;并获取跟踪目标的个人特征信息,将跟踪目标的个人特征信息下发至辅边缘计算系统100。应当了解的是,每一个辅边缘计算系统100和主边缘计算系统200下,均连接有多个监控摄像头,以实现监控和数据获取。
优选的是,在一个分布式识别跟踪系统中,可以同时存在多个辅边缘计算系统100和主边缘计算系统200(图1中未示出),每个主边缘计算系统200可以同时与M个辅边缘计算系统100连接,以控制上述M个辅边缘计算系统100并接收M个辅边缘计算系统100上传的数据,其中,M为大于1的整数。与此同时,在通常情况下,一个辅边缘计算系统100只与一个主边缘计算系统200连接,以防止出现数据多次重复上传,或不同主边缘计算系统200发送操作相反的控制指令,但在实际操作时,监控人员可以设置一个辅边缘计算系统100与两个甚至多个主边缘计算系统200连接,以便辅边缘计算系统100可以进行更多的跟踪目标的跟踪和轨迹刻画。
在本实施例中,分布式识别跟踪系统主要实现了两项功能,分别为:跟踪目标的跟踪和轨迹刻画功能,以及异常目标的身份识别功能,下面结合图2至图4,对上述两项功能的实现方法进行描述。
图2为分布式识别跟踪系统实现目标跟踪和轨迹刻画功能的流程图,主要包括步骤S21和S22:
S21,主边缘计算系统获取跟踪目标的个人特征信息,将跟踪目标的个人特征信息发送至辅边缘计算系统。
具体地,主边缘计算系统200中包含个人多维特征数据库,个人多维特征数据库中存储有大量目标的个人特征信息,在确定需要进行追踪的对象后,当前主边缘计算系统200从自身的个人多维特征数据库中获取到该对象的个人特征信息,并将其发送给当前主边缘计算系统200连接的M个辅边缘计算系统100。应当了解的是,个人特征信息至少包括以下之一:身高、着装、步态等参数,还可以根据实际情况添加如面部参数、声音参数等。
S22,辅边缘计算系统根据主边缘计算系统下发的跟踪目标的个人特征信息,对跟踪目标进行跟踪和轨迹刻画。
具体地,辅边缘计算系统100接收到主边缘计算系统200下发的跟踪目标的个人特征信息后,在其可监控范围内对具有上述个人特征信息的目标进行持续的跟踪,在跟踪目标的不断运动过程中,对其运动轨迹进行刻画,并按照主边缘计算系统200的要求进行上报或暂存。
图3为分布式识别跟踪系统实现异常目标身份识别功能的流程图,主要包括步骤S31和S32:
S31,辅边缘计算系统在监测到异常行为时,将异常目标的个人特征信息发送至主边缘计算系统。
具体地,辅边缘计算系统100在监控的过程中,若监测到某个目标存在打架、突然奔跑、倒地等异常行为,则将该目标设定为异常目标,并从监控画面中提取出该异常目标的个人特征信息,将该个人特征信息发送给对应的的主边缘计算系统200。
S32,主边缘计算系统根据异常目标的个人特征信息,进行异常目标的身份识别。
具体地,主边缘计算系统200在接收到辅边缘计算系统100上传的异常目标的个人特征信息之后,根据异常目标的身高、着装、步态等参数,确认其真实身份,若发现该异常目标的真实身份为在逃嫌疑犯或其他违法人员,则可根据身份识别结果向警方进行报告,并将辅边缘计算系统100上传的异常目标的个人特征信息和主边缘计算系统200做出的身份识别结果一起作为证据进行提交。
进一步地,分布式识别跟踪系统还包括大数据核心云中心,通常情况下在一个分布式识别跟踪系统中只设置一个大数据核心云中心,作为总体调度和联合研判的主体。大数据核心云中心与N个主边缘计算系统200连接以进行数据交互,其中,N为大于1的整数。因此,分布式识别跟踪系统实现异常目标身份识别功能时,还可以通过以下步骤实现,如图4所示:
S41,主边缘计算系统根据异常目标的个人特征信息,检测主边缘计算系统的个人多维特征数据库中是否包括异常目标的个人特征信息,若个人多维特征数据库中包括异常目标的个人特征信息,则执行步骤S42,否则,执行步骤S43。
S42,主边缘计算系统识别异常目标的身份。
S43,主边缘计算系统将异常目标的个人特征信息发送至大数据核心云中心。
主边缘计算系统200中包含个人多维特征数据库,个人多维特征数据库中存储有大量目标的个人特征信息,在接收到辅边缘计算系统100上传的异常目标的个人特征信息之后,首先检测自身的个人多维特征数据库中是否有与异常目标相同的个人特征信息,若自身的个人多维特征数据库中存在,则可快速确定异常目标的身份,否则,请求大数据核心云中心进行异常目标身份的联合研判。
S44,大数据核心云中心接收主边缘计算系统发送的异常目标的个人特征信息,联合所有大数据核心云中心控制的主边缘计算系统的个人多维特征数据库,进行异常目标的身份识别。
大数据核心云中心接收当前主边缘计算系统200上传的异常目标的个人特征信息后,联合其自身控制连接的所有主边缘计算系统200上的个人多维特征数据库的内容,进行联合检测判断,通过扩大检索范围,来达到识别异常目标身份的目的。
进一步地,大数据核心云中心中还可以具有或调用包括人脸、手机定位、轨迹关联等其他特征数据库,在进行联合研判时,在其控制的所有主边缘计算系统的个人多维特征数据库的基础上,结合其他特征数据库,进行更准确的异常目标身份识别。
本实施例在实际部署时,可以将部署在城市周边区域的摄像头与辅边缘计算系统100相连接,以尽可能的扩大跟踪目标的监控和跟踪范围;将部署在城市核心区域的摄像头与主边缘计算系统200相连接,尽可能实现更准确的用户身份识别。而城市周边区域和城市核心区域的划分,则根据每个城市的实际情况确定。
本实施例通过分布式部署辅边缘计算系统和主边缘计算系统,使辅边缘计算系统可以根据主边缘计算系统下发的跟踪目标个人信息,开展跟踪目标的持续跟踪和轨迹刻画,实现计算资源配置优化,而主边缘计算系统则根据辅边缘计算系统上报的异常目标个人信息进行精确的目标身份识别,主辅系统之间数据交互通畅及时,实现了计算和存储的联合优化配置,为实现目标轨迹刻画和身份确认提供了详尽准确的数据基础。并且,通过分布式的系统部署方式,使辅边缘计算系统、主边缘计算系统和大数据核心云中心呈现三层树状分布式网络拓扑,实现网络资源配置优化,降低网络传输所需带宽。
本发明的第二实施例提供了一种部署本发明第一实施例所提供的分布式识别跟踪系统的实例。在本市实例中,将大数据核心云中心部署于某省会;主边缘计算系统部署于各市级城市或地区等,主边缘计算系统与大数据核心云中心通过网络进行通信;辅边缘计算系统部署于各区县,且该辅边缘计算系统与部署在某市的主边缘计算系统通过网络进行通信。同时,主边缘计算系统接入部署的城市的核心区域的2000路摄像头,而辅边缘计算系统则接入部署的城市的周边及外围区域的近20000路摄像头。
个人多维特征数据库用于存储各个目标的一段视频及个人特征信息,则每个人的多维特征数据库存储量为100MB。
辅边缘计算系统完成个人异常行为监测,调度覆盖范围内的网络资源,覆盖千余用户;主边缘计算系统完成嫌疑人轨迹刻画,匹配嫌疑人数据库,覆盖百余用户;由大数据核心云中心完成线索关联分析,与多个数据分系统关联,重点针对个别用户。
尽管为示例目的,已经公开了本发明的优选实施例,本领域的技术人员将意识到各种改进、增加和取代也是可能的,因此,本发明的范围应当不限于上述实施例。
Claims (4)
1.一种分布式识别跟踪系统,其特征在于,包括:
辅边缘计算系统,部署于各区县,用于在监测到异常行为时,将异常目标的个人特征信息发送至主边缘计算系统;并根据所述主边缘计算系统下发的跟踪目标的个人特征信息,对所述跟踪目标进行跟踪和轨迹刻画;
主边缘计算系统,部署于各市级城市或地区,用于根据所述异常目标的个人特征信息,进行所述异常目标的身份识别;并获取所述跟踪目标的个人特征信息,将所述跟踪目标的个人特征信息下发至所述辅边缘计算系统;
大数据核心云中心,部署于省会,与多个主边缘计算系统连接,用于当前主边缘计算系统无法识别异常目标身份时,联合所有所述大数据核心云中心控制的主边缘计算系统的个人多维特征数据库,进行所述异常目标的身份识别。
2.如权利要求1所述的分布式识别跟踪系统,其特征在于,每个所述主边缘计算系统与M个辅边缘计算系统连接,其中,M为大于1的整数。
3.如权利要求1所述的分布式识别跟踪系统,其特征在于,所述主边缘计算系统,具体用于:
根据所述异常目标的个人特征信息,检测所述主边缘计算系统的个人多维特征数据库中是否包括所述异常目标的个人特征信息;
在所述主边缘计算系统的个人多维特征数据库中包括所述异常目标的个人特征信息的情况下,确定所述异常目标的身份;
在所述主边缘计算系统的个人多维特征数据库中未包括所述异常目标的个人特征信息的情况下,将所述异常目标的个人特征信息发送至大数据核心云中心。
4.如权利要求1至3中任一项所述的分布式识别跟踪系统,其特征在于,所述个人特征信息至少包括以下之一:身高、着装、步态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910021710.5A CN110069339B (zh) | 2019-01-10 | 2019-01-10 | 一种分布式识别跟踪系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910021710.5A CN110069339B (zh) | 2019-01-10 | 2019-01-10 | 一种分布式识别跟踪系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110069339A CN110069339A (zh) | 2019-07-30 |
CN110069339B true CN110069339B (zh) | 2022-06-24 |
Family
ID=67365931
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910021710.5A Active CN110069339B (zh) | 2019-01-10 | 2019-01-10 | 一种分布式识别跟踪系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110069339B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111565225B (zh) * | 2020-04-27 | 2023-08-04 | 银河水滴科技(宁波)有限公司 | 一种人物行动轨迹确定方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1822025A (zh) * | 2006-03-08 | 2006-08-23 | 北京邮电大学 | 一种基于网格的并行、分布式识别人脸的方法 |
CN101465033A (zh) * | 2008-05-28 | 2009-06-24 | 丁国锋 | 一种自动追踪识别系统及方法 |
CN103763513A (zh) * | 2013-12-09 | 2014-04-30 | 北京计算机技术及应用研究所 | 一种分布式跟踪监控方法及其系统 |
CN107590488A (zh) * | 2017-10-27 | 2018-01-16 | 广州市浩翔计算机科技有限公司 | 一种拆分式快速识别的人脸识别系统 |
CN108629322A (zh) * | 2018-05-11 | 2018-10-09 | 中国联合网络通信集团有限公司 | 可疑人员的监控方法、装置及计算机可读存储介质 |
CN108683877A (zh) * | 2018-03-30 | 2018-10-19 | 中国科学院自动化研究所 | 基于Spark的分布式海量视频解析系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8036425B2 (en) * | 2008-06-26 | 2011-10-11 | Billy Hou | Neural network-controlled automatic tracking and recognizing system and method |
-
2019
- 2019-01-10 CN CN201910021710.5A patent/CN110069339B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1822025A (zh) * | 2006-03-08 | 2006-08-23 | 北京邮电大学 | 一种基于网格的并行、分布式识别人脸的方法 |
CN101465033A (zh) * | 2008-05-28 | 2009-06-24 | 丁国锋 | 一种自动追踪识别系统及方法 |
CN103763513A (zh) * | 2013-12-09 | 2014-04-30 | 北京计算机技术及应用研究所 | 一种分布式跟踪监控方法及其系统 |
CN107590488A (zh) * | 2017-10-27 | 2018-01-16 | 广州市浩翔计算机科技有限公司 | 一种拆分式快速识别的人脸识别系统 |
CN108683877A (zh) * | 2018-03-30 | 2018-10-19 | 中国科学院自动化研究所 | 基于Spark的分布式海量视频解析系统 |
CN108629322A (zh) * | 2018-05-11 | 2018-10-09 | 中国联合网络通信集团有限公司 | 可疑人员的监控方法、装置及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110069339A (zh) | 2019-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11568723B2 (en) | Video surveillance and object recognition | |
CN102843547B (zh) | 一种嫌疑目标智能追踪方法和系统 | |
US9386282B2 (en) | System and method for automatic camera hand-off using location measurements | |
US8295649B2 (en) | System and method for parallel processing of images from a large number of cameras | |
CN106682644B (zh) | 一种基于移动摄像设备的双动态车辆监测管理系统和方法 | |
CN109325429B (zh) | 一种关联特征数据的方法、装置、存储介质及终端 | |
CN106326240A (zh) | 一种物体移动轨迹识别方法及系统 | |
CN105335387A (zh) | 一种视频云存储系统的检索方法 | |
TWI450207B (zh) | 物件追蹤的方法、系統、電腦程式產品與記錄媒體 | |
CN109190588A (zh) | 一种人口分类的方法及装置 | |
WO2021068553A1 (zh) | 一种监控方法、装置和设备 | |
KR20190041704A (ko) | Cctv 분할 운영시스템 및 그 운영방법 | |
US9854400B2 (en) | Augmenting Wi-Fi localization with auxiliary sensor information | |
Chang et al. | Video surveillance for hazardous conditions using sensor networks | |
CN108537088B (zh) | 监控方法和系统 | |
CN110069339B (zh) | 一种分布式识别跟踪系统 | |
KR101758786B1 (ko) | 영상 내에서 특정 지점의 위치를 결정하기 위한 장치 및 그 방법 | |
CN112365520A (zh) | 一种基于视频大数据资源效能测评的行人目标实时追踪系统及方法 | |
CN108540749A (zh) | 身份标识和视频数据的处理方法、调用方法及系统 | |
TWI498527B (zh) | Submarine Vehicle Surrounding System and Method | |
CN110490104A (zh) | 一种减少流浪者冲突的监测系统及监测方法 | |
KR101754995B1 (ko) | 범죄자 추적 cctv 장치 | |
CN115376192A (zh) | 用户异常行为确定方法、装置、计算机设备及存储介质 | |
CN110309878A (zh) | 一种信息处理方法及装置、存储介质 | |
Nieves-Acaron et al. | Ace: An atak plugin for enhanced acoustic situational awareness at the edge |
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 |