CN103716587B - 基于gis网络分析与缓冲区分析的视频追踪方法 - Google Patents

基于gis网络分析与缓冲区分析的视频追踪方法 Download PDF

Info

Publication number
CN103716587B
CN103716587B CN201310683549.0A CN201310683549A CN103716587B CN 103716587 B CN103716587 B CN 103716587B CN 201310683549 A CN201310683549 A CN 201310683549A CN 103716587 B CN103716587 B CN 103716587B
Authority
CN
China
Prior art keywords
video
video surveillance
analysis
point
target
Prior art date
Application number
CN201310683549.0A
Other languages
English (en)
Other versions
CN103716587A (zh
Inventor
修文群
Original Assignee
深圳先进技术研究院
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 深圳先进技术研究院 filed Critical 深圳先进技术研究院
Priority to CN201310683549.0A priority Critical patent/CN103716587B/zh
Publication of CN103716587A publication Critical patent/CN103716587A/zh
Application granted granted Critical
Publication of CN103716587B publication Critical patent/CN103716587B/zh

Links

Abstract

本发明涉及视频监控技术领域,具体公开一种基于GIS网络分析与缓冲区分析的视频追踪方法,包括步骤S1建立基于地理信息的视频监控网络;S2当在视频监控网络中的视频监控点发现目标时,通过GIS网络搜索关联点,并对所述关联点进行视频监控网络分析,以追踪所述目标的位置;S3当所述目标出现时空断裂或消失时,通过GIS缓冲区分析,建立缓冲区,并对所述缓冲区内的视频监控点进行视频监控网络分析,以追踪所述目标的位置;S4根据步骤S2和S3的所述视频监控网络分析,形成所述目标的连续位置轨迹。该方法建立统一坐标系的视频监控网络,利用GIS空间网络分析和缓冲区分析,实现了对目标的空间连续追踪。

Description

基于GIS网络分析与缓冲区分析的视频追踪方法

技术领域

[0001]本发明涉及视频监控技术领域,具体涉及基于地理信息系统(Geographic Information System,GIS)网络分析与缓冲区分析的视频追踪方法。

背景技术

[0002]各类监控设备已成为城市最普遍基础设施,室内外及各交通工具上遍布摄像系 统。通过视频系统进行人员监控及搜索,是公安抓逃的主要方式。

[0003]但目前各视频监控系统缺乏有效的统一管理及信息整合模式,使得目标监控难以 在多个、多类摄像系统间进行,无法实现基于犯罪对象的不间断空间追踪。

发明内容

[0004]鉴于以上,本发明提供一种基于GIS网络分析与缓冲区分析的视频追踪方法,通过 建立视频地理网络,并通过网络分析和缓冲分析,实现对目标的连续空间追踪。

[0005]本发明的技术方案为一种基于GIS网络分析与缓冲区分析的视频追踪方法,包括 以下步骤:S1在GIS数据库中建立视频监控网络的拓扑结构;S2当在所述视频监控网络中的 视频监控点发现目标时,通过GIS网络搜索所述视频监控点的关联点,并对所述关联点进行 视频监控网络分析,以追踪所述目标的位置;S3当所述目标在所述视频监控网络关联分析 中出现时空断裂或消失时,通过GIS缓冲区分析,建立缓冲区,并对所述缓冲区内的视频监 控点进行视频监控网络分析,以追踪所述目标的位置;S4根据步骤S2和S3的所述视频监控 网络分析,形成所述目标的连续位置轨迹。

[0006] —些实施例中,步骤S1包括根据区域内视频监控点的关联信息,在GIS数据库中建 立所述视频监控网络的拓扑结构。所述关联信息例如可以包括空间位置、逻辑关系、应用类 别等等。

[0007] —些实施例中,步骤S1的所述视频监控网络中的所述视频监控点具有统一的坐标 系D

[0008] —些实施例中,步骤S1还包括在所述GIS数据库中对所述视频监控网络中的视频 监控点进行空间定位,并在视频监控点的视频数据中附加各自视频监控点的位置信息。 [0009] —些实施例中,所述视频监控点的位置信息通过实地测绘获得。

[0010] —些实施例中,步骤S2中的所述GIS网络搜索包括:使用最佳路径算法、临近设施 算法、服务区算法、可通达性算法,搜索所述视频监控点的关联点。

[0011] —些实施例中,步骤S3中的所述GSI缓冲区分析包括:以步骤S2中的所述视频监控 点和/或其关联点形成的点、线或区域为中心,建立缓冲区。

[0012] —些实施例中,所述目标的位置信息通过投影变换、坐标变换计算获得。

[0013]本发明的视频追踪方法通过在建立基于地理信息的视频监控网络拓扑关系,利用 GIS空间网络关联分析与空间缓冲功能,按照视频监控点所在空间位置及路径,进行多个多 类视频监控点的连续空间搜索,以追踪目标的位置及轨迹。本发明的方法可以替代原有的 人工判断,有效提高查找精度与工作效率。

附图说明

[0014]图1不出根据本发明基于G1 s网络分析与缓冲区分析的视频追踪方法的流程。

具体实施方式

[0015]本发明的基本原理在于,利用城市密集的视频监控设备,通过对这些视频监控设 备进行空间定位,并在GIS数据库中建立视频监控网络的拓扑结构。一旦在某处发现目标, 例如犯罪嫌疑人,则可以通过连续不断的空间网络分析与缓冲区分析,在各类空间相关的 视频监控系统间追踪查询目标的活动路线与活动范围。进行有效监控抓捕。

[0016]下面以公安抓逃为例,并结合附图1和具体实施例对本发明作进一步详细说明。图 1为本发明的基于GIS网络分析与缓冲区分析的视频追踪方法的流程图。从图中可见,根据 本发明的基于GI S网络分析与缓冲区分析的视频追踪方法,主要包括四个步骤:建立视频监 控网络;GIS网络关联分析;缓冲区分析;获得目标的连续空间位置轨迹。

[0017] 首先,在步骤S1,建立基于地理信息的视频监控网络。该步骤可以包括根据区域内 的视频监控点的空间位置、逻辑关系、应用类别等等关联信息,在GIS数据库中建立所述视 频监控网络的拓扑结构。

[0018] 具体地,步骤S1是将各个视频监控点,按它们的空间位置、逻辑关系、应用类别等, 进行连接,以组成视频监控网络。例如,基于地铁线路的视频监控网络、基于地面道路的交 通视频监控网络、基于公共区域与重点区域的视频监控网络、基于商场、机场等室内视频监 控网络等,在GIS数据库中建立上述视频的拓扑结构。

[0019]地理信息网络由包含了简单要素(线和点)和转弯要素的源要素创建而成,存储了 源要素的连通性,是GIS主要数据类型。在这样的视频监控网络中,所有的视频监控点均可 以具有统一的坐标系。如此,可以通过在GI S数据库中,对视频监控网络中的视频监控点进 行有效的空间定位,并将各自视频监控点的位置信息附加到视频数据中。从而实现了对各 视频监控系统的统一管理,从而有利于进一步的信息整合。视频监控点的位置信息例如可 以通过实地测绘获得。

[0020]之后,在步骤S2,当在视频监控网络中的视频监控点发现目标时,通过GIS网络搜 索所述视频监控点的关联点,并对所述关联点进行视频监控网络分析,以追踪所述目标的 位置。

[0021]具体地,当在某视频监控点发现目标(例如嫌疑人)时,根据该视频监控点及其网 络(簇)的特征,通过GIS网络搜索(trace),寻找与该视频监控点空间相连、相邻的其他监控 点,并对关联点进行视频监控网络分析,以追踪目标位置或行踪。

[0022]例如如果是在某交通站点处的视频监控中发现了嫌疑人,由于位置处于交通站 点,根据其特征,依照交通规则的关联点例如可以为该位置的交通上游、下游。因此向存在 可能性的上、下游方向进行多线路网络搜索,寻找上、下游方向的地理位置区域中存在的其 他视频监控点,作为关联点。在这些关联点中进行视频监控网络分析,以追踪目标(犯罪嫌 疑人)的移动路线。

[0023]其中,GIS网络搜索可以包括使用最佳路径算法、临近设施算法、服务区算法、可通 达性算法等等网络分析算法,搜索某一个或几个视频监控点的关联点。

[0024]接着,在步骤S3,当所述目标在所述视频监控网络关联分析中出现时空断裂或消 失时,通过GIS缓冲区分析,建立缓冲区,并对所述缓冲g内的视频监控点进行视频监控网 络分析,以追踪所述目标的位置。

[0025]缓冲区分析(Buffering)是指以点、线、面实体为基础,自动建立其周围一定宽度 范围内的缓冲区多边形图层,然后建立该图层与目标图层的叠加,进行分析而得到所需结 果。是用来解决邻近度问题的空间分析工具。邻近度描述了地理空间中两个地物距离相近 的程度。缓冲区分析是地理信息系统重要的空间分析功能之一,包括基于点、线、面的缓冲 区分析。

[0026] 在本发明的方法中,步骤S3中的GSI缓冲区分析可以包括,以特定视频监控点和/ 或其关联点形成的点、线或区域为中心,建立缓冲区。例如,以目标移动路线断裂或消失之 前的最后出现的视频监控点和/或其关联点、断裂或消失之后再次出现的最早视频监控点 和/或其关联点,形成的点、线、区域为中心,建立缓冲区。

[0027] 这样可以进一步增大视频搜索对象及范围,加大搜索力度。实现对目标的空间连 续、不间断的追踪。

[0028]最后,在步骤S4,根据前面的视频监控网络分析,形成所述目标的连续位置轨迹。 目标的位置信息可以利用投影变换、坐标变换等等,通过计算获得。

[0029] 本发明通过建立基于地理信息的视频监控网络,使各类城市视频资源在统一坐标 系=得到有效的空间管理。基于此,在GIS数据库中形成视频监控网络的拓扑关系,并进一 步采用GIS空间网络关联分析、空间缓冲区分析功能,按照目标视频监视点所在的空间位置 及路径,进行多个多类视频监视点的连续空间搜索,以追踪嫌疑人位置及轨迹,并实现空间 位置不间断的连续追踪。

[0030] 如此,利用视频地理网以及网络分析、缓冲区分析,替代原有人工判断,有效地提 高了查找精度与工作效率。

[0031] 以上所述本发明的具体实施方式,并不构成对本发明保护范围的限定。任何根据 本发明的技术构思所作出的各种其他相应的改变与变形,均应包含在本发明权利要求的保 护范围内。

Claims (8)

1.一种基于GIS网络分析与缓冲区分析的视频追踪方法,其特征在于,包括以下步骤: S1建立基于地理信息的视频监控网络; S2当在所述视频监控网络中的视频监控点发现目标时,通过GIS网络搜索所述视频监 控点的关联点,并对所述关联点进行视频监控网络分析,以追踪所述目标的位置; S3当所述目标在所述关联点的视频监控网络分析中出现时空断裂或消失时,通过GIS 缓冲区分析,建立缓冲区,并对所述缓冲区内的视频监控点进行视频监控网络分析,以追踪 所述目标的位置; S4根据步骤S2和S3的所述视频监控网络分析,形成所述目标的连续位置轨迹; 步骤S1包括根据区域内视频监控点的关联信息,在GIS数据库中建立所述视频监控网 络的拓扑结构。
2.如权利要求1所述的视频追踪方法,其中,所述关联信息包括空间位置,或者逻辑关 系,或者应用类别。
3.如权利要求1所述的视频追踪方法,其中,步骤S1的所述视频监控网络中的所述视频 监控点具有统一的坐标系。
4.如权利要求1所述的视频追踪方法,其中,步骤S1还包括在所述GIS数据库中对所述 视频监控网络中的视频监控点进行空间定位,并在视频监控点的视频数据中附加各自视频 监控点的位置信息。
5.如权利要求4所述的视频追踪方法,其中,所述视频监控点的位置信息通过实地测绘 获得。
6.如权利要求1所述的视频追踪方法,其中,步骤S2中的所述GIS网络搜索包括:使用最 佳路径算法,或者临近设施算法,或者服务区算法,或者可通达性算法,搜索所述视频监控 点的关联点。
7. 如权利要求1所述的视频追踪方法,其中,步骤S3中的所述GIS缓冲区分析包括:以步 骤S2中的所述视频监控点和/或其关联点形成的点、线或区域为中心,建立缓冲区。
8. 如权利要求1所述的视频追踪方法,其中,目标的位置信息通过投影变换、坐标变换 计算获得。
CN201310683549.0A 2013-12-12 2013-12-12 基于gis网络分析与缓冲区分析的视频追踪方法 CN103716587B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310683549.0A CN103716587B (zh) 2013-12-12 2013-12-12 基于gis网络分析与缓冲区分析的视频追踪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310683549.0A CN103716587B (zh) 2013-12-12 2013-12-12 基于gis网络分析与缓冲区分析的视频追踪方法

Publications (2)

Publication Number Publication Date
CN103716587A CN103716587A (zh) 2014-04-09
CN103716587B true CN103716587B (zh) 2018-01-05

Family

ID=50409112

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310683549.0A CN103716587B (zh) 2013-12-12 2013-12-12 基于gis网络分析与缓冲区分析的视频追踪方法

Country Status (1)

Country Link
CN (1) CN103716587B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105138525B (zh) * 2014-05-30 2019-10-01 株式会社日立制作所 交通视频处理装置和方法及检索装置和方法
CN105472333A (zh) * 2015-12-04 2016-04-06 航天科工智慧产业发展有限公司 视频监控设备拓扑系统的建立方法及关联监控方法
CN106878667A (zh) * 2015-12-11 2017-06-20 深圳先进技术研究院 基于路网数据的视频快速追踪方法
CN106570147B (zh) * 2016-10-27 2020-05-08 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系统
CN106603973A (zh) * 2016-11-15 2017-04-26 彭小林 基于互联网的智能监控及报警系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6862500B2 (en) * 2003-05-12 2005-03-01 Circumnav Networks, Inc. Methods for communicating between elements in a hierarchical floating car data network
CN101808230A (zh) * 2009-02-16 2010-08-18 杭州恒生数字设备科技有限公司 一种用于数字视频监控的统一坐标系
CN102307386B (zh) * 2011-08-31 2015-03-11 公安部第三研究所 基于Zigbee无线网络的室内定位监控系统及方法

Also Published As

Publication number Publication date
CN103716587A (zh) 2014-04-09

Similar Documents

Publication Publication Date Title
Ning et al. Vehicular social networks: Enabling smart mobility
Wang et al. Patterns and limitations of urban human mobility resilience under the influence of multiple types of natural disaster
US10867398B2 (en) Methods, systems, apparatuses and devices for facilitating motion analysis in an environment
Frias-Martinez et al. Spectral clustering for sensing urban land use using Twitter activity
Wang et al. Evacuation planning based on the contraflow technique with consideration of evacuation priorities and traffic setup time
Gedik et al. Mobieyes: A distributed location monitoring service using moving location queries
US20170316033A1 (en) Streaming representation of moving objects and shapes in a geographic information service
Tao et al. A survey on barrier coverage problem in directional sensor networks
US9336451B2 (en) Video surveillance and analytics system
Kim et al. Emergency information diffusion on online social media during storm Cindy in US
Demissie et al. Intelligent road traffic status detection system through cellular networks handover information: An exploratory study
Liu et al. Spatiotemporal correlation-aware dummy-based privacy protection scheme for location-based services
US8620624B2 (en) Event identification in sensor analytics
Gerla Vehicular cloud computing
US7480395B2 (en) Decentralized detection, localization, and tracking utilizing distributed sensors
Wang et al. PGT: Measuring mobility relationship using personal, global and temporal factors
US9086793B2 (en) Methods and systems for assessing security risks
Chong et al. Sensor networks: evolution, opportunities, and challenges
Lin et al. Localization based on social big data analysis in the vehicular networks
Versichele et al. The use of Bluetooth for analysing spatiotemporal dynamics of human movement at mass events: A case study of the Ghent Festivities
Mehmood et al. Saliency-directed prioritization of visual data in wireless surveillance networks
Shin et al. Privacy protection for users of location-based services
US9173056B2 (en) Hybrid method for high accuracy and cost-effective prediction of mobile device positions through mobile networks
US7890060B2 (en) Enhanced location based service for positioning intersecting objects in the measured radio coverage
Liu et al. Fraud detection from taxis' driving behaviors

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant