CN104679864A - 一种基于gis的嫌疑目标智能跟踪方法和装置 - Google Patents

一种基于gis的嫌疑目标智能跟踪方法和装置 Download PDF

Info

Publication number
CN104679864A
CN104679864A CN201510092518.7A CN201510092518A CN104679864A CN 104679864 A CN104679864 A CN 104679864A CN 201510092518 A CN201510092518 A CN 201510092518A CN 104679864 A CN104679864 A CN 104679864A
Authority
CN
China
Prior art keywords
suspected target
dog
candidate
video
gis
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.)
Pending
Application number
CN201510092518.7A
Other languages
English (en)
Inventor
杨朝晖
杨波
贺波涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Fiberhome Digtal Technology Co Ltd
Original Assignee
Wuhan Fiberhome Digtal Technology Co Ltd
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 Wuhan Fiberhome Digtal Technology Co Ltd filed Critical Wuhan Fiberhome Digtal Technology Co Ltd
Priority to CN201510092518.7A priority Critical patent/CN104679864A/zh
Publication of CN104679864A publication Critical patent/CN104679864A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
    • 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
    • G06T2207/30232—Surveillance

Abstract

本发明涉及视频监控技术领域，提供了一种基于GIS的嫌疑人车智能跟踪方法，包括确定事件发生时间、发生地点、嫌疑目标移动方式；以所述发生地点为中心，结合所述嫌疑目标移动方式和GIS路网模型，计算行进路线；确定布局在所述行进路线上的候选视频监控设备；通过所述发生地点、发生时间、嫌疑目标移动方式和候选视频监控设备在GIS路网模型中的位置信息，计算在所述候选视频监控设备中记录所述嫌疑目标的候选时间；依据所述候选时间调取对应候选视频监控设备中记录的监控视频。本发明结合了GIS路网模型，通过监控点和发生地点的道路距离计算候选时间段，有效提高跟踪嫌疑目标的效率。

Description

一种基于GIS的嫌疑目标智能跟踪方法和装置
【技术领域】
本发明涉及视频监控技术领域，特别是涉及一种基于GIS的嫌疑人车智能跟踪方法和装置。
【背景技术】
随着如火如荼的智慧城市建设，监控点的数量也逐渐增多，加以日常交通方式的多样化，使排查嫌疑目标的工作量变得异常庞大复杂。现实中80％的信息与地理位置有关，如何通过GIS(地理信息系统)等各种信息技术快速定位到嫌疑目标，提高排查的工作效率，成为亟待解决的问题。
名称为“一种嫌疑目标智能追踪方法和系统”的发明专利申请(公开号：CN102843547A)公开的技术方案中，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。然后再调取活动范围内的各视频监控点录像，确定嫌疑目标信息。
但是在嫌疑目标活动范围较大的情况下，逐个调阅大量的视频监控点，每个监控点的视频时间段又无法确定，这无疑成为了一个快速定位嫌疑目标的瓶颈。
【发明内容】
本发明要解决的技术问题是在嫌疑目标活动范围较大的情况下，逐个调阅大量的视频监控点，每个监控点的视频时间段又无法确定，从而影响了在视频监控系统中排查嫌疑目标的效率。
本发明一方面，提供了一种基于GIS的嫌疑目标智能跟踪方法，其中，完成地理信息系统GIS路网模型的建模，进行视频监控网络系统中视频监控设备和所述GIS路网模型的映射，所述方法还包括：
确定事件发生时间t、发生地点p、嫌疑目标移动方式；以所述发生地点p为中心，结合所述嫌疑目标移动方式和GIS路网模型，计算行进路线；根据从所述GIS路网模型中计算出的行进路线的位置信息和各视频监控设备的位置信息，确定布局在所述行进路线上的候选视频监控设备；通过所述发生地点p、发生时间t、嫌疑目标移动方式和候选视频监控设备在GIS路网模型中的位置信息，计算在所述候选视频监控设备中记录所述嫌疑目标的候选时间；依据所述候选时间调取对应候选视频监控设备中记录的监控视频。
优选的，所述进行视频监控网络系统中视频监控设备所在位置信息和所述GIS路网模型中位置信息的映射，具体为：
将视频监控网络系统中视频监控设备所在位置信息映射到所述GIS路网模型中，在所述GIS路网模型中生成视频监控设备节点。
优选的，所述嫌疑目标移动方式，包括：步行、自行车、汽车或者其他代步方式。
优选的，所述依据所述候选时间调取对应候选视频监控设备中记录的监控视频，具体包括在依据候选时间A调取对应候选视频监控设备A中记录的监控视频中发现嫌疑目标时，所述方法还包括:
以所述视频监控设备A为第二发生地点p2，其中出现嫌疑目标的时间为第二发生时间t2；基于所述GIS路网模型计算第二批候选视频监控设备和相应的候选时间。
本发明另一方面，提供了一种基于GIS的嫌疑目标智能跟踪方法，其中，依据GIS路网模型在视频监控设备系统中设立路线导航接口，所述方法包括：确定事件发生时间t、发生地点p、嫌疑目标移动方式；以所述发生地点p为中心，进行区域视频监控设备检索；对于检索到的候选视频监控设备，通过路线导航接口获取从发生地点p到达所述视频监控设备的位置的行进路线，计算所述候选视频监控设备中记录所述嫌疑目标的候选时间；依据所述候选时间调取对应候选视频监控设备中记录的监控视频。
优选的，所述依据GIS路网模型在视频监控设备系统中设立路线导航接口，具体包括：在所述视频监控系统中扩展访问GIS路网模型的路线导航接口；所述路线导航接口能够根据两个位置信息，从GIS路网模型获取一条或者多条行经路线。
优选的，所述计算所述候选视频监控设备中记录所述嫌疑目标的候选时间，具体包括：结合发生时间t和嫌疑目标移动方式，计算出完成所述一条或者多条行进路线所需的候选时间区间。
优选的，所述以所述发生地点p为中心，进行区域视频监控设备检索，具体包括：以所述发生地点p为圆心，在半径r范围内搜索视频监控设备；所述半径r是预先设置的、操作人员临时输入的或者由系统根据嫌疑目标的移动方式计算出来的。
本发明另一方面，还提供了一种基于GIS的嫌疑目标智能跟踪装置，包括输入装置、存储装置、处理装置和显示装置，具体的：
所述输入装置，用于获取事件发生时间t、发生地点p、嫌疑目标移动方式；所述存储装置，用于存储GIS路网模型和视频监控网络系统的相关数据；所述处理装置，用于以所述发生地点p为中心，结合所述嫌疑目标移动方式和GIS路网模型，计算行进路线；根据从所述GIS路网模型中计算出的行进路线的位置信息和各视频监控设备的位置信息，确定布局在所述行进路线上的候选视频监控设备；通过所述发生地点p、发生时间t、嫌疑目标移动方式和候选视频监控设备在GIS路网模型中的位置信息，计算在所述候选视频监控设备中记录所述嫌疑目标的候选时间；依据所述候选时间调取对应候选视频监控设备中记录的监控视频；所述显示装置，用于显示调取出的监控视频。
本发明另一方面，还提供了一种基于GIS的嫌疑目标智能跟踪装置，包括输入装置、存储装置、处理装置和显示装置，具体的：
所述输入装置，用于以所述发生地点p为中心，进行区域视频监控设备检索；对于检索到的候选视频监控设备，通过路线导航接口获取从发生地点p到达所述视频监控设备的位置的行进路线，计算所述候选视频监控设备中记录所述嫌疑目标的候选时间；依据所述候选时间调取对应候选视频监控设备中记录的监控视频。
与现有技术相比，本发明的有益效果在于：本发明结合GIS路网模型，计算监控点位和中心点的实际道路距离，根据目标移动方式和发生时间，推测出嫌疑目标最有可能出现的时间段，有效提高排查嫌疑目标的工作效率。
【附图说明】
图1是本发明实施例提供的一种基于GIS的嫌疑人车智能跟踪方法的流程图；
图2是本发明实施例提供的一种基于GIS的嫌疑人车智能跟踪方法的流程图；
图3是本发明实施例提供的一种结合GIS路网模型和视频监控系统的结构示意图；
图4是本发明实施例提供的一种基于GIS的嫌疑人车智能跟踪装置的结构示意图；
图5是本发明实施例提供的一种基于GIS的嫌疑人车智能跟踪装置的结构示意图；
图6是本发明实施例提供的一种基于GIS的嫌疑人车智能跟踪系统的示意图。
【具体实施方式】
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，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，并不用于限定本发明。
此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
实施例1:
本发明实施例1提供了一种基于GIS的嫌疑人车智能跟踪方法，其中，首先需要完成地理信息系统GIS路网模型的建模，进行视频监控网络系统中视频监控设备和所述GIS路网模型的映射，如图1所示，所述方法还包括：
在步骤201中，确定事件发生时间t、发生地点p、嫌疑目标移动方式。
在步骤202中，以所述发生地点p为中心，结合所述嫌疑目标移动方式和GIS路网模型，计算行进路线。
在步骤203中，根据从所述GIS路网模型中计算出的行进路线的位置信息和各视频监控设备的位置信息，确定布局在所述行进路线上的候选视频监控设备。
在步骤204中，通过所述发生地点p、发生时间t、嫌疑目标移动方式和候选视频监控设备在GIS路网模型中的位置信息，计算在所述候选视频监控设备中记录所述嫌疑目标的候选时间。
其中，由于根据嫌疑目标移动方式确定出的移动速度可能是在某区间范围内的，因此，所述嫌疑目标的候选时间可以是时间点，也可以是时间区间；优选的是采用时间区间来实现。所述嫌疑目标的候选时间的解释也适用于本发明其它实施例。
在步骤205中，依据所述候选时间调取对应候选视频监控设备中记录的监控视频。
本实施例结合GIS路网模型，计算监控点位(视频监控设备的位置)和中心点位(发生地点p)的实际道路距离，根据目标移动方式和发生时间，推测出嫌疑目标在监控点位上最有可能出现的时间段，从而有效提高排查嫌疑目标的工作效率。
在本实施例中，所述进行视频监控网络系统中视频监控设备所在位置信息和所述GIS路网模型中位置信息的映射，存在一种实现方式，具体为：
将视频监控网络系统中视频监控设备所在位置信息映射到所述GIS路网模型中，在所述GIS路网模型中生成视频监控设备节点。
在本实施例中，所述嫌疑目标移动方式包括：步行、自行车、汽车或者其他代步方式。可知，上述几种移动方式仅仅是简单的罗列，并不排除其他可能的移动方式。而本领域技术人员，能够根据所述各种移动方式定量的得到其移动速度范围，以便后续计算候选时间段使用。
通常具体实现中不会一次性就将整个视频监控系统纳入候选视频监控设备的计算，而会出于计算量的考虑分成多组完成计算，此时，本实施例在执行完步骤201-205时，就是完成了一组候选视频监控设备的赛选。因此，本实施例在执行所述依据所述候选时间调取对应候选视频监控设备中记录的监控视频，具体包括在依据候选时间A调取对应候选视频监控设备A中记录的监控视频中发现嫌疑目标时，所述方法还需要继续递归下去，具体包括:
以所述视频监控设备A为第二发生地点p2，其中出现嫌疑目标的时间为第二发生时间t2；
基于所述GIS路网模型计算第二批候选视频监控设备和相应的候选时间。
实施例2:
实施例1给出了一种融合了视频监控系统和GIS路网模型的方法，而实际实现中，还可以基于现有的视频监控系统，结合已有的路网模型来解决本发明所发现的技术问题。具体的，依据GIS路网模型在视频监控设备系统中设立路线导航接口，如图2所示，所述方法包括：
在步骤301中，确定事件发生时间t、发生地点p、嫌疑目标移动方式。
在步骤302中，以所述发生地点p为中心，进行区域视频监控设备检索。
在步骤303中，对于检索到的候选视频监控设备，通过路线导航接口获取从发生地点p到达所述视频监控设备的位置的行进路线，计算所述候选视频监控设备中记录所述嫌疑目标的候选时间。
在步骤304中，依据所述候选时间调取对应候选视频监控设备中记录的监控视频。
本实施例结合GIS路网模型，计算监控点位(视频监控设备的位置)和中心点位(发生地点p)的实际道路距离，根据目标移动方式和发生时间，推测出嫌疑目标在监控点位上最有可能出现的时间段，从而有效提高排查嫌疑目标的工作效率。相比较实施例1，本实施例对于现有的GIS路网模型和现有的视频监控系统改动更小，实施例1是通过将现有的视频监控系统功能和GIS路网模型融合到了一起，生成一个具有本发明实施例1所述功能的GIS路网模型(仅仅名称相同，其代表的功能已经发生改变)，而本实施例则是通过接口将现有技术中GIS路网模型的功能作为可调用对象补充到视频监控系统中，并在所述视频监控系统中扩展如实施例2所述的功能。
在本实施例中，所述依据GIS路网模型在视频监控设备系统中设立路线导航接口，存在一种可行的实现方式，具体包括：
在所述视频监控系统中扩展访问GIS路网模型的路线导航接口；所述路线导航接口能够根据两个位置信息，从GIS路网模型获取一条或者多条行经路线。
在本实施例中，所述计算所述候选视频监控设备中记录所述嫌疑目标的候选时间，存在一种可行的实现方式，具体包括：
结合发生时间t和嫌疑目标移动方式，计算出完成所述一条或者多条行进路线所需的候选时间区间。
在本实施例中，所述以所述发生地点p为中心，进行区域视频监控设备检索，存在一种可行的实现方式，如图3所示，具体包括：
以所述发生地点p(图3中为中心点)为圆心，在半径r范围内搜索视频监控设备(图3中为监控点)；所述半径r是预先设置的、操作人员临时输入的或者由系统根据嫌疑目标的移动方式计算出来的。图3中，粗线代表从GIS路网模型中计算出的监控节点之间的实际道路。
实施例3:
本发明实施例除了提供如实施例1所述的方法外，还提供了用于实现实施例1所述方法的一种基于GIS的嫌疑目标智能跟踪装置1，其特征在于，包括输入装置11、存储装置12、处理装置13和显示装置14，具体的：
所述输入装置11，用于获取事件发生时间t、发生地点p、嫌疑目标移动方式。
所述存储装置12，用于存储GIS路网模型和视频监控网络系统的相关数据。
所述处理装置13，用于以所述发生地点p为中心，结合所述嫌疑目标移动方式和GIS路网模型，计算行进路线；根据从所述GIS路网模型中计算出的行进路线的位置信息和各视频监控设备的位置信息，确定布局在所述行进路线上的候选视频监控设备；通过所述发生地点p、发生时间t、嫌疑目标移动方式和候选视频监控设备在GIS路网模型中的位置信息，计算在所述候选视频监控设备中记录所述嫌疑目标的候选时间；依据所述候选时间调取对应候选视频监控设备中记录的监控视频。
所述显示装置14，用于显示调取出的监控视频。
实施例4:
本发明实施例除了提供如实施例2所述的方法外，还提供了用于实现实施例2所述方法的一种基于GIS的嫌疑目标智能跟踪装置2，其特征在于，包括输入装置21、存储装置22、处理装置23和显示装置24，具体的：
所述输入装置21，用于获取事件发生时间t、发生地点p、嫌疑目标移动方式。
所述存储装置22，用于存储监控点位数据库和路线导航接口的相关数据。
所述处理装置23，用于以所述发生地点p为中心，进行区域视频监控设备检索；对于检索到的候选视频监控设备，通过路线导航接口获取从发生地点p到达所述视频监控设备的位置的行进路线，计算所述候选视频监控设备中记录所述嫌疑目标的候选时间；依据所述候选时间调取对应候选视频监控设备中记录的监控视频。
所述显示装置24，用于显示调取出的监控视频。
实施例5:
如图6所示为本发明实施例提供的基于GIS的嫌疑人车智能推测方法所基于的系统的结构示意图，由图6可知，该系统包括：视频监控数据库、地图服务器和地图客户端。地图客户端又包括智能推测模块、地图展现模块，以及其他模块。地图客户端分别连接视频监控数据库和地图服务器。地图客户端请求地图服务器，地图展现模块绘制出地图底图；同时从视频监控数据库中读取出监控点位坐标信息，添加到地图上进行展现。智能推测模块即是本发明方法的所在模块，读取路网数据和监控点位数据进行推测分析。
值得说明的是，上述装置和系统内的模块、单元之间的信息交互、执行过程等内容，由于与本发明的处理方法实施例基于同一构思，具体内容可参见本发明方法实施例中的叙述，此处不再赘述。
本领域普通技术人员可以理解实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，Read Onl y Memory)、随机存取存储器(RAM，Random Access Memory)、磁盘或光盘等。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于GIS的嫌疑目标智能跟踪方法，其特征在于，完成地理信息系统GIS路网模型的建模，进行视频监控网络系统中视频监控设备和所述GIS路网模型的映射，所述方法还包括：
确定事件发生时间t、发生地点p、嫌疑目标移动方式；
以所述发生地点p为中心，结合所述嫌疑目标移动方式和GIS路网模型，计算行进路线；
根据从所述GIS路网模型中计算出的行进路线的位置信息和各视频监控设备的位置信息，确定布局在所述行进路线上的候选视频监控设备；
通过所述发生地点p、发生时间t、嫌疑目标移动方式和候选视频监控设备在GIS路网模型中的位置信息，计算在所述候选视频监控设备中记录所述嫌疑目标的候选时间；
依据所述候选时间调取对应候选视频监控设备中记录的监控视频。
2.根据权利要求1所述的方法，其特征在于，所述进行视频监控网络系统中视频监控设备所在位置信息和所述GIS路网模型中位置信息的映射，具体为：
将视频监控网络系统中视频监控设备所在位置信息映射到所述GIS路网模型中，在所述GIS路网模型中生成视频监控设备节点。
3.根据权利要求1或2所述的方法，其特征在于，所述嫌疑目标移动方式，包括：
步行、自行车、汽车或者其他代步方式。
4.根据权利要求1所述的方法，其特征在于，所述依据所述候选时间调取对应候选视频监控设备中记录的监控视频，具体包括在依据候选时间A调取对应候选视频监控设备A中记录的监控视频中发现嫌疑目标时，所述方法还包括:
以所述视频监控设备A为第二发生地点p2，其中出现嫌疑目标的时间为第二发生时间t2；
基于所述GIS路网模型计算第二批候选视频监控设备和相应的候选时间。
5.一种基于GIS的嫌疑目标智能跟踪方法，其特征在于，依据GIS路网模型在视频监控设备系统中设立路线导航接口，所述方法包括：
确定事件发生时间t、发生地点p、嫌疑目标移动方式；
以所述发生地点p为中心，进行区域视频监控设备检索；
对于检索到的候选视频监控设备，通过路线导航接口获取从发生地点p到达所述视频监控设备的位置的行进路线，计算所述候选视频监控设备中记录所述嫌疑目标的候选时间；
依据所述候选时间调取对应候选视频监控设备中记录的监控视频。
6.根据权利要求5所述的方法，其特征在于，所述依据GIS路网模型在视频监控设备系统中设立路线导航接口，具体包括：
在所述视频监控系统中扩展访问GIS路网模型的路线导航接口；
所述路线导航接口能够根据两个位置信息，从GIS路网模型获取一条或者多条行经路线。
7.根据权利要求6所述的方法，其特征在于，所述计算所述候选视频监控设备中记录所述嫌疑目标的候选时间，具体包括：
结合发生时间t和嫌疑目标移动方式，计算出完成所述一条或者多条行进路线所需的候选时间区间。
8.根据权利要求5-7任一所述的方法，其特征在于，所述以所述发生地点p为中心，进行区域视频监控设备检索，具体包括：
以所述发生地点p为圆心，在半径r范围内搜索视频监控设备；
所述半径r是预先设置的、操作人员临时输入的或者由系统根据嫌疑目标的移动方式计算出来的。
9.一种基于GIS的嫌疑目标智能跟踪装置，其特征在于，包括输入装置、存储装置、处理装置和显示装置，具体的：
所述输入装置，用于获取事件发生时间t、发生地点p、嫌疑目标移动方式；
所述存储装置，用于存储GIS路网模型和视频监控网络系统的相关数据；
所述处理装置，用于以所述发生地点p为中心，结合所述嫌疑目标移动方式和GIS路网模型，计算行进路线；根据从所述GIS路网模型中计算出的行进路线的位置信息和各视频监控设备的位置信息，确定布局在所述行进路线上的候选视频监控设备；通过所述发生地点p、发生时间t、嫌疑目标移动方式和候选视频监控设备在GIS路网模型中的位置信息，计算在所述候选视频监控设备中记录所述嫌疑目标的候选时间；依据所述候选时间调取对应候选视频监控设备中记录的监控视频；
所述显示装置，用于显示调取出的监控视频。
10.一种基于GIS的嫌疑目标智能跟踪装置，其特征在于，包括输入装置、存储装置、处理装置和显示装置，具体的：
所述输入装置，用于获取事件发生时间t、发生地点p、嫌疑目标移动方式；
所述存储装置，用于存储监控点位数据库和路线导航接口的相关数据；
所述处理装置，用于以所述发生地点p为中心，进行区域视频监控设备检索；对于检索到的候选视频监控设备，通过路线导航接口获取从发生地点p到达所述视频监控设备的位置的行进路线，计算所述候选视频监控设备中记录所述嫌疑目标的候选时间；依据所述候选时间调取对应候选视频监控设备中记录的监控视频；
所述显示装置，用于显示调取出的监控视频。
CN201510092518.7A 2015-02-28 2015-02-28 一种基于gis的嫌疑目标智能跟踪方法和装置 Pending CN104679864A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510092518.7A CN104679864A (zh) 2015-02-28 2015-02-28 一种基于gis的嫌疑目标智能跟踪方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510092518.7A CN104679864A (zh) 2015-02-28 2015-02-28 一种基于gis的嫌疑目标智能跟踪方法和装置

Publications (1)

Publication Number Publication Date
CN104679864A true CN104679864A (zh) 2015-06-03

Family

ID=53314906

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510092518.7A Pending CN104679864A (zh) 2015-02-28 2015-02-28 一种基于gis的嫌疑目标智能跟踪方法和装置

Country Status (1)

Country Link
CN (1) CN104679864A (zh)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105450991A (zh) * 2015-11-17 2016-03-30 浙江宇视科技有限公司 一种追踪方法及装置
CN105491327A (zh) * 2015-11-18 2016-04-13 浙江宇视科技有限公司 一种基于路网的视频追踪方法及装置
CN105677922A (zh) * 2016-03-23 2016-06-15 苏州数字地图信息科技股份有限公司 一种利用视频定位目标的方法及装置
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系统
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
CN107993416A (zh) * 2016-10-26 2018-05-04 北京视联动力国际信息技术有限公司 一种报警事件的处理方法和装置
CN109377518A (zh) * 2018-09-29 2019-02-22 佳都新太科技股份有限公司 目标追踪方法、装置、目标追踪设备及存储介质
CN109448363A (zh) * 2018-09-30 2019-03-08 佳都新太科技股份有限公司 基于轨迹预测的嫌疑车辆智能封控方法、系统及处理终端
CN110263219A (zh) * 2019-06-26 2019-09-20 银河水滴科技（北京）有限公司 一种目标对象路线筛选、展示的方法及装置
CN110392224A (zh) * 2018-04-18 2019-10-29 北京视联动力国际信息技术有限公司 一种数据处理方法和装置
CN110708509A (zh) * 2019-10-10 2020-01-17 桂林理工大学 一种嫌疑犯追踪及特征快速提取的天眼网络视频监控方法
CN111522995A (zh) * 2020-04-26 2020-08-11 重庆紫光华山智安科技有限公司 目标对象分析方法、装置及电子设备
CN112203016A (zh) * 2020-09-29 2021-01-08 北京飞讯数码科技有限公司 一种视频采集设备的监控处理方法、装置、设备及介质
CN112750301A (zh) * 2019-10-30 2021-05-04 杭州海康威视系统技术有限公司 目标对象追踪方法、装置、设备及计算机可读存储介质
CN113132493A (zh) * 2021-04-29 2021-07-16 任勇金 一种基于定位信息对车辆进行跨区域监控的方法及系统
CN113256997A (zh) * 2021-04-30 2021-08-13 贵州数据宝网络科技有限公司 一种交通车辆违规行为检测装置及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007267294A (ja) * 2006-03-30 2007-10-11 Hitachi Ltd 複数カメラを用いた移動物体監視装置
CN102509310A (zh) * 2011-11-18 2012-06-20 上海电机学院 一种结合地理信息的视频追踪分析方法及系统
CN102638675A (zh) * 2012-04-01 2012-08-15 安科智慧城市技术（中国）有限公司 一种利用多视点视频进行目标跟踪的方法和系统
CN102843547A (zh) * 2012-08-01 2012-12-26 安科智慧城市技术（中国）有限公司 一种嫌疑目标智能追踪方法和系统
CN103731636A (zh) * 2013-12-12 2014-04-16 深圳先进技术研究院 利用wi-fi与视频监控设备对目标进行追踪的方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007267294A (ja) * 2006-03-30 2007-10-11 Hitachi Ltd 複数カメラを用いた移動物体監視装置
CN102509310A (zh) * 2011-11-18 2012-06-20 上海电机学院 一种结合地理信息的视频追踪分析方法及系统
CN102638675A (zh) * 2012-04-01 2012-08-15 安科智慧城市技术（中国）有限公司 一种利用多视点视频进行目标跟踪的方法和系统
CN102843547A (zh) * 2012-08-01 2012-12-26 安科智慧城市技术（中国）有限公司 一种嫌疑目标智能追踪方法和系统
CN103731636A (zh) * 2013-12-12 2014-04-16 深圳先进技术研究院 利用wi-fi与视频监控设备对目标进行追踪的方法

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105450991A (zh) * 2015-11-17 2016-03-30 浙江宇视科技有限公司 一种追踪方法及装置
CN105491327A (zh) * 2015-11-18 2016-04-13 浙江宇视科技有限公司 一种基于路网的视频追踪方法及装置
CN105491327B (zh) * 2015-11-18 2018-12-07 浙江宇视科技有限公司 一种基于路网的视频追踪方法及装置
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
CN105677922A (zh) * 2016-03-23 2016-06-15 苏州数字地图信息科技股份有限公司 一种利用视频定位目标的方法及装置
CN107993416A (zh) * 2016-10-26 2018-05-04 北京视联动力国际信息技术有限公司 一种报警事件的处理方法和装置
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系统
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
CN110392224A (zh) * 2018-04-18 2019-10-29 北京视联动力国际信息技术有限公司 一种数据处理方法和装置
CN109377518A (zh) * 2018-09-29 2019-02-22 佳都新太科技股份有限公司 目标追踪方法、装置、目标追踪设备及存储介质
CN109448363A (zh) * 2018-09-30 2019-03-08 佳都新太科技股份有限公司 基于轨迹预测的嫌疑车辆智能封控方法、系统及处理终端
CN109448363B (zh) * 2018-09-30 2021-06-08 佳都科技集团股份有限公司 基于轨迹预测的嫌疑车辆智能封控方法、系统及处理终端
CN110263219A (zh) * 2019-06-26 2019-09-20 银河水滴科技（北京）有限公司 一种目标对象路线筛选、展示的方法及装置
CN110708509A (zh) * 2019-10-10 2020-01-17 桂林理工大学 一种嫌疑犯追踪及特征快速提取的天眼网络视频监控方法
CN112750301A (zh) * 2019-10-30 2021-05-04 杭州海康威视系统技术有限公司 目标对象追踪方法、装置、设备及计算机可读存储介质
CN111522995A (zh) * 2020-04-26 2020-08-11 重庆紫光华山智安科技有限公司 目标对象分析方法、装置及电子设备
CN111522995B (zh) * 2020-04-26 2023-06-27 重庆紫光华山智安科技有限公司 目标对象分析方法、装置及电子设备
CN112203016A (zh) * 2020-09-29 2021-01-08 北京飞讯数码科技有限公司 一种视频采集设备的监控处理方法、装置、设备及介质
CN113132493A (zh) * 2021-04-29 2021-07-16 任勇金 一种基于定位信息对车辆进行跨区域监控的方法及系统
CN113256997A (zh) * 2021-04-30 2021-08-13 贵州数据宝网络科技有限公司 一种交通车辆违规行为检测装置及方法

Similar Documents

Publication Publication Date Title
CN104679864A (zh) 一种基于gis的嫌疑目标智能跟踪方法和装置
Hwang et al. An effective taxi recommender system based on a spatio-temporal factor analysis model
Suma et al. Enabling next generation logistics and planning for smarter societies
US10281284B2 (en) Hybrid road network and grid based spatial-temporal indexing under missing road links
KR102205096B1 (ko) 거래 위험 검출 방법 및 장치
Hu et al. GeoAI at ACM SIGSPATIAL: progress, challenges, and future directions
Villanueva et al. Crowdsensing smart city parking monitoring
EP3144703B1 (en) Generating trail network maps
CN102865872A (zh) 路径生成系统、路径生成方法以及程序
US11307049B2 (en) Methods, apparatuses, systems, and storage media for storing and loading visual localization maps
Bordogna et al. Clustering geo-tagged tweets for advanced big data analytics
CN103164529B (zh) 一种基于Voronoi图的反k最近邻查询方法
CN108182218A (zh) 一种基于地理信息系统的视频人物识别方法、系统及电子设备
US20150345978A1 (en) Navigational computer system and method for presenting local search data
CN105387844A (zh) 路面状况测定系统以及路面状况测定方法
CN110186472A (zh) 车辆偏航检测方法、计算机设备、存储介质及车辆系统
Li et al. Fake plate vehicle auditing based on composite constraints in Internet of Things environment
CN115862416B (zh) 一种路径规划方法、装置、电子设备及存储介质
CN111581306B (zh) 一种行车轨迹模拟方法及装置
CN115034718B (zh) 一种危化品管理方法、系统、计算设备及存储介质
CN110113716A (zh) 一种路径状态信息获取方法、装置及存储介质
Ali et al. Enabling spatial digital twins: Technologies, challenges, and future research directions
Pierdicca et al. Identifying the use of a park based on clusters of visitors' movements from mobile phone data
CN114743395A (zh) 一种信号灯检测方法、装置、设备及介质
Donko et al. Implementation of tracking mobile application and analysis of spatial data

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20150603