CN102843547A - 一种嫌疑目标智能追踪方法和系统 - Google Patents

Abstract

本发明提供一种嫌疑目标智能追踪方法和系统，该方法包括：步骤A、获取事件的时空信息以及嫌疑目标的特征属性，事件的时空信息包括事件发生的时间信息、地点信息；步骤B、以事件发生的地点信息为起点，将时空信息与地图系统相结合，根据嫌疑目标的特征属性，通过视频智能分析逐步获得嫌疑目标的活动范围，确定嫌疑目标的踪迹；该方法既快速高效准确，又节省人力成本，体现了极高的智能化。

Description

一种嫌疑目标智能追踪方法和系统

技术领域

本发明属于侦测技术领域，更具体地涉及一种基于计算机技术，通过视频和地图技术相结合实现嫌疑目标智能追踪的方法和系统。

背景技术

当今社会，视频监控设备已经相当普及，特别是在一些重要场所、生活小区等，当有突发事件（比如抢劫、杀人等恶性事件或者儿童、精神病人的走失等一般性事件）发生时，在离突发事件发生地最近的视频监控设备就可能会记录到，这将成为执法部门追踪嫌疑目标，或者事后惩凶的重要证据。在案件侦查过程中，执法部门通过这些监控设备掌握了案发地点和时间后，需要及时的判断嫌疑目标可能离开或逃逸的路径，获取进一步事态发展的信息，确定进一步的侦查范围，进行下一步的侦查跟踪。

现有的办法是在获得突发事件中嫌疑目标的时空信息后，人为地通过经验判断可能的离开或逃逸时间和方向。通过经验进行判断，计算复杂度大，且易存在较大误差与遗漏，且需要大量的人力对海量的视频进行分析过滤，工作量非常庞大而且效率低下。

发明内容

本发明的特征和优点在下文的描述中部分地陈述，或者可从该描述显而易见，或者可通过实践本发明而学习。

为克服现有技术中存在的上述问题，本发明提供一种嫌疑目标智能追踪方法，该方法包括以下步骤：

步骤A、获取事件的时空信息以及嫌疑目标的特征属性，事件的时空信息包括事件的时间信息、地点信息；

步骤B、以所述事件的地点信息为起点，将时空信息与地图系统相结合，根据嫌疑目标的特征属性，通过视频智能分析逐步获得嫌疑目标的活动范围，确定嫌疑目标的踪迹。

根据本发明的一个实施例，步骤B进一步包括：

步骤B1、将事件的时空信息与地图系统相结合，确定嫌疑目标的活动范围并在地图系统上显示出来；

步骤B2、查找活动范围内的视频监控点信息，并调取各视频监控点在事件发生预设时间段内的视频信息进行分析；

步骤B3、判断是否有视频监控点记录嫌疑目标踪迹；

步骤B4、如果有视频监控点记录嫌疑目标踪迹时，将记录有嫌疑目标踪迹的视频监控点的时空信息与地图系统相结合，确定嫌疑目标的下一个活动范围并在地图系统上显示出来，继续执行步骤B2，直至收到中断执行信号为止；

步骤B5，如果没有视频监控点记录嫌疑目标踪迹时，重新确定嫌疑目标的活动范围。

根据本发明的一个实施例，嫌疑目标的特征属性包括嫌疑目标的外观属性以及移动速度。

根据本发明的一个实施例，步骤B1中确定嫌疑目标的活动范围的方法是：根据预设时间和嫌疑目标的特征属性中的移动速度计算嫌疑目标的可能移动距离，并以可能移动距离为半径，以事件的地点信息为圆心，在地图系统上画圆，确定嫌疑目标可能的活动范围。

根据本发明的一个实施例，步骤B2中调取各视频监控点在预设时间段内的视频信息进行分析是将所述视频信息与嫌疑目标的特征属性进行分析匹配，具体包括：对嫌疑目标的特征属性根据对相似度大小的贡献，确定各特征属性的对比权值，根据对比权值的大小进行优先的相似度分析比较和匹配，然后对找到的图像或者视频按照相似度的大小进行排序。

根据本发明一个优选的实施例，将视频信息与嫌疑目标的特征属性进行分析匹配前还包括：自动过滤无动态图像时间段的视频。

根据本发明一个优选的实施例，如果没有视频监控点记录嫌疑目标踪迹，重新确定嫌疑目标的活动范围是通过进一步扩大在步骤B1中嫌疑目标的活动范围，对更大范围内的视频监控点进行分析匹配。

根据本发明一个优选的实施例，该方法还包括：根据时间的先后顺序，将记录有嫌疑目标踪迹的监控点在地图系统的相应位置或坐标进行标注，显示嫌疑目标踪迹。

本发明还提供了一种嫌疑目标智能追踪系统，该系统至少包括如下模块：

信息导入模块，用于将获取的事件的时空信息以及嫌疑目标的特征属性导入系统，事件的时空信息包括事件发生的时间信息、地点信息；

嫌疑目标追踪模块，用于以事件的地点信息为起点，将时空信息与地图系统相结合，根据嫌疑目标的特征属性，通过视频智能分析逐步获得嫌疑目标的活动范围，确定嫌疑目标的踪迹。

根据本发明的一个实施例，嫌疑目标追踪模块进一步包括：

路程计算模块，用于将所述事件的时空信息与地图系统相结合，计算确定嫌疑目标的活动范围并在地图系统上显示出来；

视频监控点查找模块，用于查找所述活动范围内视频监控点信息，并调取各视频监控点在事件发生预设时间段内的视频信息进行分析；

视频智能分析模块，用于将所述视频信息与嫌疑目标的特征属性进行分析匹配；所述视频智能分析模块还用于自动过滤无动态图像时间段的视频处理；

判断模块，用于根据所述视频智能分析模块的分析，判断是否有视频监控点记录嫌疑目标踪迹；

时空信息更新模块，用于当有视频监控点记录嫌疑目标踪迹时，将记录有嫌疑目标踪迹的监控点的时空信息与地图系统相结合，确定嫌疑目标的下一个活动范围；

重定位模块，用于当没有视频监控点记录嫌疑目标踪迹时，重新确定所述嫌疑目标的活动范围。

通过本发明技术方案的技术实现，同现有技术相比，至少具备如下优点：克服了现有技术中，对预测嫌疑目标的行动路线需要依靠人为经验或者计算的问题，实现了基于计算机技术的全自动化嫌疑目标的智能追踪，既快速高效准确，又节省人力成本，体现了极高的智能化，同时通过极具人性化的人机交互界面，能够大大提高执法部门的工作效率和工作成果，更好地保护人民生活财产安全。

通过阅读说明书，本领域普通技术人员将更好地了解这些技术方案的特征和内容。

附图说明

下面通过参考附图并结合实例具体地描述本发明，本发明的优点和实现方式将会更加明显，其中附图所示内容仅用于对本发明的解释说明，而不构成对本发明的任何意义上的限制，在附图中：

图1为本发明嫌疑目标智能追踪方法的总体流程图；

图2为本发明具体实施例中通过视频智能分析确定嫌疑目标踪迹的具体流程图；

图3为本发明具体实施中一个场景示意图；

图4为本发明系统原理以及连接关系示意图。

具体实施方式

以下结合附图对本发明的具体实施例作进一步的详细描述。

本发明的总体技术方案如图1所示，包括如下步骤：

步骤101、获取事件的时空信息以及嫌疑目标的特征属性，事件的时空信息包括事件发生的时间信息、地点信息；

步骤102、以事件发生的地点信息为起点，将时空信息与地图系统相结合，根据嫌疑目标的特征属性，通过视频智能分析逐步获得嫌疑目标的活动范围，确定嫌疑目标的踪迹。

如图2所示，步骤102可以进一步分解为如下步骤：

步骤201、将事件的时空信息与地图系统相结合，确定嫌疑目标的活动范围并在地图系统上显示出来；

步骤202、查找活动范围内的视频监控点信息，并调取各视频监控点在事件发生预设时间段内的视频信息进行分析；

步骤203、判断是否有视频监控点记录嫌疑目标踪迹；

步骤204、如果有视频监控点记录嫌疑目标踪迹时，将记录有嫌疑目标踪迹的视频监控点的时空信息与地图系统相结合，确定嫌疑目标的下一个活动范围并在地图系统上显示出来，继续执行步骤202，直至收到中断执行信号为止；

步骤205，如果没有视频监控点记录嫌疑目标踪迹时，重新确定嫌疑目标的活动范围。

应该首先说明的是：按照生活常识的角度来说，在步骤101中所描述的事件，除了包括杀人、抢劫、盗窃等恶性事件，还包括了如儿童、精神病人的走失等一般性事件。这些事件中的一般会有相应的当事人，或者是物件，如交通工具（汽车）等，这些人或者物都可以成为本发明所描述的嫌疑目标，当然，也可以是特定目标，为了方便描述，本说明书统一采用嫌疑目标的说法。

但是，从信息学的角度来说，这里所描述的事件，也可以理解成为，嫌疑目标在某个时刻、某个地点的视频监控点中出现，即视为一个事件，在另一个时刻、另一个地点的视频监控点中出现，即视为另一个事件，依此类推，即可以用“（事件1，事件2，事件3…事件n）”，来对整个事件进行完整表述。

此外，本说明书中所描述的时空信息，一般是指案发地点和时间，也可以是事件（包括：事件1，事件2，事件3…事件n）发生的时间信息、地点信息。这些要素，在现有的视频监控系统中，一般都是可以记录并查询的。此外，也可以是指事件发生之后的特定时间嫌疑目标在视频监控设备中出现的时间和地点，也不排除是指由操作人员根据目击证人的描述，人为地确定并输入系统的嫌疑目标出现的时间和地点。通常，时空条件是构成追踪嫌疑目标离开或逃逸路径的重要信息，通过分析某时刻监控点视频的信息获取更多的事件信息，确定嫌疑目标的离开或逃逸方向，从而找到嫌疑目标的位置。

嫌疑目标的特征属性主要是指当事人的外貌特征，比如脸型、身高、衣着等要素，还包括其移动速度，如果是物件的话，主要是指外观特征和移动速度。比如汽车，应该包括颜色，外型、行驶速度等，嫌疑目标的特征属性是可以根据具体实际的情况，由系统或人为设置。

作为本发明的一种实施方式，要追踪特定目标，可以通过视频监控系统，确定追踪目标首次在视频监控系统中出现的时空信息，这里的时空信息，可以定义为初始时空信息，然后将这些信息（时空信息和特征属性）导入系统中，再以初始时空信息中的时间地点为基准（起点、中心点）根据预测其移动速度以及分析查询时距案发时的时间，初步分析其下一次可能出现的活动范围。

作为本发明的另一种实施方式，如果上述初始时空信息并不是通过视频监控系统所获得，而是有目击者证实追踪目标出现在视频监控系统中的某视频监控点附近出现，则可以将该视频监控点人为设置为初始嫌疑目标追踪点，然后将该初始嫌疑目标追踪点信息的时空信息和特征属性导入系统中，再以该初始嫌疑目标追踪点的地点为基准（起点、中心点）根据预测其移动速度以及分析查询时距案发时的时间，初步分析其下一次可能出现的活动范围。

作为本发明的一种优选的实施方式，根据预测嫌疑目标的移动速度以及分析查询时距案发时的时间，初步分析其下一次可能出现的活动范围的具体方法如下：

根据嫌疑目标的特征属性中的移动速度V和时间范围T[0,t]，根据S=V*T[0,t]计算出嫌疑目标的可能移动距离S，并以可能移动距离S为半径，以事件发生地或者是嫌疑目标出现点为圆心，在地图上画圆，确定嫌疑目标可能的活动范围，其中，V,t分别为自然数。这里的移动速度V可以是根据其在最先出现的视频中分析得出，也可以是根据经验值进行系统预设。此外，理论上如果嫌疑目标的移动可能有加速度的话，则根据公式S=vt+1/2at²的方式计算嫌疑目标的可能移动距离S。

为了提高系统的智能化和直观性，以上工作内容，需要和电子地图系统结合起来，比如：谷歌地图、百度地图或者是PGIS（Police GeographicInformation System，警用地理信息系统），优选地，一般是采用目前已经较为成熟的PGIS。不管采用何种电子地图系统，都需要将视频监控的相关信息导入到电子地图系统中，使得该电子地图能够显示出各个视频监控点的地理信息，还包括经纬度信息。

然后在上述范围内，调取相关监控点的视频录像，进行特征匹配，确定其是否再次出现。为了提高速度，减少工作量，最好的方案是在进行特征对比匹配之前，首先要对所有视频信息进行自动过滤无动态图像时间段视频处理的操作，此项工作依赖于本发明的视频智能分析模块来完成。当然，在本发明其它实施方式中，也可以省略自动过滤无动态图像时间段的视频。在完成此项工作后，由视频智能分析模块进行进一步的处理：

调取各视频监控点在事件发生预设时间段内的视频信息进行分析是将视频信息与嫌疑目标的特征属性进行分析匹配，具体包括：对嫌疑目标的特征属性根据对相似度大小的贡献，确定各特征属性的对比权值，根据对比权值的大小进行优先的相似度分析比较和匹配，然后对找到的图像或者视频按照相似度的大小进行排序保存，以供后续分析人员进一步分析或者调用。举例来说，比如追踪的嫌疑目标为人，案件的嫌疑人具有A、B、C三个特征，分别是脸型、身高、衣着，则一般以脸型对比为主要特征，分别对这三个特征进行权值分配，A为60%，B为30%，C为10%，如果视频图像中分别包含有A、B、C，则其相似度为最高，如果仅包括A和B，则相似度次之，如果仅包括B或C，则相似度最低。应该说明的是，目前，对图像匹配对比分析的算法很多，以上方法仅是其中的一种，不管采用什么算法，只要能达到相同或者较好的效果即可。

一般而言，如果是在实时视频中找到了嫌疑目标，则立即通知相关人员对目标进行相适应的行动，如果是非实时的视频，时间间隔较大，则可以以最晚的出现的视频的时空信息进行下一步的查找，直到找到目标为止。如果是没有发现嫌疑目标踪迹，则进一步扩大在步骤201中嫌疑目标（可能的）活动范围，对更大范围内的视频监控点进行分析匹配。

如果是在一个活动范围内的多个视频监控点的视频中出现了嫌疑目标的踪迹，则根据时间的先后顺序，在地图系统中相应位置进行标注，从最早的时间点开始，根据地图上的路径连接成线，就完整地展示出了嫌疑目标的整个行踪路径，这样可以方便更好地预测分析嫌疑目标的下一步行动。如果是在第一个活动范围内的视频监控点找到了嫌疑目标的踪迹，则根据该视频监控点为中心点扩展到第二个活动范围进行查找嫌疑目标，找到后以新的视频监控点扩展到第三个活动范围进行查找，以此类推，查找下次，直到系统收到外部中断继续查找的信号为止。

以下设置特定应用场景进行进一步的说明：

如图3所示，假设现有一抢劫杀人案，现有其案发地点为：**巷东风理发店门口，案发视频时间23：20，初步确定嫌疑人案发后骑黑色20寸自行车逃逸，嫌疑人寸头，穿红色T恤，蓝色牛仔短裤，确定时间范围T（10,30）min，以确定搜索的范围，搜索的范围以10分钟可能逃跑的范围开始逐步扩大，如果10分钟可能逃跑的范围内未发现嫌疑人的视频信息，可以逐步扩大范围至例如20分钟可能逃跑的范围，直至预先确定的30分钟可能逃跑的范围为止。

以其案发地点为基础点o点，在地图上确定10分钟的可能逃跑范围，即圆圈范围f1。

查看其范围内监控点信息，只有p1处有监控点，且查看23:20-23:30监控视频内容，首先对时间段内视频内容进行动静分离，过滤无动态图像的视频，再进一步根据嫌疑人逃跑时特征，对动静分离后的视频进行进一步查询，根据红色上衣这一明显特征，并未发现相关可疑视频信息。

以o点为中心，在地图上确定20分钟时间的可能逃跑范围，即圆圈范围f2。

查看其范围内监控点信息，在p2处查看23:20-23:40监控视频内容，根据红色上衣这一明显特征，快速定位具有红色上衣片段的视频，发现嫌疑人的逃跑视频信息，确定p2为下一基础点。

以p2为基础点，重复以上过程，确定下一基础点p3。

如此反复确定，最终找到嫌疑人藏匿点T，并在地图呈现该案件嫌疑人的完整逃跑路径。

基于本方法的技术方案，如图4所示是各个模块的连接关系，本发明还提供一种嫌疑目标智能追踪系统，该系统具体包括以下模块：

信息导入模块401，用于将获取的事件的时空信息以及嫌疑目标的特征属性导入系统，事件的时空信息包括事件发生的时间信息、地点信息；

嫌疑目标追踪模块402，用于以事件的地点信息为起点，将时空信息与地图系统相结合，根据嫌疑目标的特征属性，通过视频智能分析逐步获得嫌疑目标的活动范围，确定嫌疑目标的踪迹。

作为一种优选的实施例，嫌疑目标追踪模块402可以进一步包括如下模块：

路程计算模块403，用于将事件的时空信息与地图系统相结合，计算确定嫌疑目标的活动范围并在地图系统上显示出来；

视频监控点查找模块404，用于查找活动范围内视频监控点信息，并调取各视频监控点在事件发生预设时间段内的视频信息进行分析；

视频智能分析模块405，用于将视频信息与嫌疑目标的特征属性进行分析匹配；视频智能分析模块还用于自动过滤无动态图像时间段的视频处理；作为一种优选的实施方式，视频智能分析模块405还可以进一步包括一视频智能分析规则是功能子模块，该模块主要功能为：对嫌疑目标的特征属性根据对相似度大小的贡献，确定各特征属性的对比权值，根据对比权值的大小进行优先的相似度分析比较和匹配，然后对找到的图像或者视频按照相似度的大小进行排序。

判断模块406，用于根据视频智能分析模块的分析，判断是否有视频监控点记录嫌疑目标踪迹；

重定位模块407，用于当没有视频监控点记录嫌疑目标踪迹时，重新确定嫌疑目标的活动范围；

时空信息更新模块408，用于当有视频监控点记录嫌疑目标踪迹时，将记录有嫌疑目标踪迹的监控点的时空信息与地图系统相结合，确定嫌疑目标的下一个活动范围，该模块与信息导入模块401相连，当需要对时空信息作出更新时，由时空信息更新模块408向信息导入模块401发出指示信息，对系统的时空信息进行更新。

以上参照附图说明了本发明的优选实施例，本领域技术人员不脱离本发明的范围和实质，可以有多种变型方案实现本发明。举例而言，作为一个实施例的部分示出或描述的特征可用于另一实施例以得到又一实施例。以上仅为本发明较佳可行的实施例而已，并非因此局限本发明的权利范围，凡运用本发明说明书及附图内容所作的等效变化，均包含于本发明的权利范围之内。

Claims (10)

1.一种嫌疑目标智能追踪方法，其特征在于，包括：

步骤A、获取事件的时空信息以及嫌疑目标的特征属性，所述事件的时空信息包括事件发生的时间信息、地点信息；

步骤B、以所述事件发生的地点信息为起点，将时空信息与地图系统相结合，根据嫌疑目标的特征属性，通过视频智能分析逐步获得嫌疑目标的活动范围，确定嫌疑目标的踪迹。

2.根据权利要求1所述的嫌疑目标智能追踪方法，其特征在于，所述步骤B具体包括：

步骤B1、将所述事件的时空信息与地图系统相结合，确定嫌疑目标的活动范围并在地图系统上显示出来；

步骤B2、查找所述活动范围内的视频监控点信息，并调取各视频监控点在事件发生预设时间段内的视频信息进行分析；

步骤B3、判断是否有视频监控点记录嫌疑目标踪迹；

步骤B4、如果有视频监控点记录嫌疑目标踪迹时，将记录有嫌疑目标踪迹的视频监控点的时空信息与地图系统相结合，确定嫌疑目标的下一个活动范围并在地图系统上显示出来，继续执行步骤B2，直至收到中断执行信号为止；

步骤B5，如果没有视频监控点记录嫌疑目标踪迹时，重新确定所述嫌疑目标的活动范围。

3.根据权利要求2所述的嫌疑目标智能追踪方法，其特征在于，所述嫌疑目标的特征属性包括嫌疑目标的外观属性以及移动速度。

4.根据权利要求3所述的嫌疑目标智能追踪方法，其特征在于，所述步骤B1中确定嫌疑目标的活动范围的方法是：根据预设时间和所述嫌疑目标的特征属性中的移动速度计算嫌疑目标的可能移动距离，并以可能移动距离为半径，以事件的地点信息为圆心，在地图系统上画圆，确定嫌疑目标可能的活动范围。

5.根据权利要求2至4任意一项所述的嫌疑目标智能追踪方法，其特征在于，所述步骤B2中调取各视频监控点在预设时间段内的视频信息进行分析是将所述视频信息与嫌疑目标的特征属性进行分析匹配，具体包括：对嫌疑目标的特征属性根据对相似度大小的贡献，确定各特征属性的对比权值，根据所述对比权值的大小进行优先的相似度分析比较和匹配，然后对找到的图像或者视频按照相似度的大小进行排序。

6.根据权利要求5所述的嫌疑目标智能追踪方法，其特征在于，所述将所述视频信息与嫌疑目标的特征属性进行分析匹配前还包括：自动过滤无动态图像时间段的视频。

7.根据权利要求2至4任意一项所述的嫌疑目标智能追踪方法，其特征在于，所述重新确定所述嫌疑目标的活动范围是通过进一步扩大在步骤B1中所述的嫌疑目标的活动范围，对更大范围内的视频监控点进行分析匹配。

8.根据权利要求2至4任意一项所述的嫌疑目标智能追踪方法，其特征在于，还包括：根据时间的先后顺序，将记录有嫌疑目标踪迹的监控点在地图系统的相应位置或坐标进行标注，显示嫌疑目标踪迹。

9.一种嫌疑目标智能追踪系统，其特征在于，包括：

信息导入模块，用于将获取的事件的时空信息以及嫌疑目标的特征属性导入系统，所述事件的时空信息包括事件发生的时间信息、地点信息；

嫌疑目标追踪模块，用于以事件的地点信息为起点，将时空信息与地图系统相结合，根据嫌疑目标的特征属性，通过视频智能分析逐步获得嫌疑目标的活动范围，确定嫌疑目标的踪迹。

10.根据权利要求9所述的嫌疑目标智能追踪系统，其特征在于，所述嫌疑目标追踪模块包括：

路程计算模块，用于将所述事件的时空信息与地图系统相结合，计算确定嫌疑目标的活动范围并在地图系统上显示出来；

视频监控点查找模块，用于查找所述活动范围内视频监控点信息，并调取各视频监控点在事件发生预设时间段内的视频信息进行分析；

视频智能分析模块，用于将所述视频信息与嫌疑目标的特征属性进行分析匹配；所述视频智能分析模块还用于自动过滤无动态图像时间段的视频处理；

判断模块，用于根据所述视频智能分析模块的分析，判断是否有视频监控点记录嫌疑目标踪迹；

时空信息更新模块，用于当有视频监控点记录嫌疑目标踪迹时，将记录有嫌疑目标踪迹的监控点的时空信息与地图系统相结合，确定嫌疑目标的下一个活动范围；

重定位模块，用于当没有视频监控点记录嫌疑目标踪迹时，重新确定所述嫌疑目标的活动范围。

Images