CN105847751A - 基于地图的全局监控方法及装置 - Google Patents

基于地图的全局监控方法及装置 Download PDF

Info

Publication number
CN105847751A
CN105847751A CN201610232313.9A CN201610232313A CN105847751A CN 105847751 A CN105847751 A CN 105847751A CN 201610232313 A CN201610232313 A CN 201610232313A CN 105847751 A CN105847751 A CN 105847751A
Authority
CN
China
Prior art keywords
map
video
monitoring
triangle
field picture
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
CN201610232313.9A
Other languages
English (en)
Inventor
王斌
傅熠君
雷新约
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.)
Tsinghua University
Original Assignee
Tsinghua University
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 Tsinghua University filed Critical Tsinghua University
Priority to CN201610232313.9A priority Critical patent/CN105847751A/zh
Publication of CN105847751A publication Critical patent/CN105847751A/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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • 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
    • G06F16/7867—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, title and artist information, manually generated time, location and usage information, user ratings
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Library & Information Science (AREA)
  • Remote Sensing (AREA)
  • Signal Processing (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

本发明公开了一种基于地图的全局监控方法及装置，其中，该方法包括：将监控视频拍摄的视频与地图进行人工标定，生成内容映射文件；读取监控视频流对应的内容映射文件，并建立监控视频流与地图的映射规则；根据映射规则将监控视频流的每一帧图像映射到地图上形成每一帧新图像输出。该方法通过融合多个视频进入地图，产生更加直观的监控视角，提供对多个监控视频的时空全局观。

Description

基于地图的全局监控方法及装置
技术领域
本申请涉及视频分析技术领域，尤其涉及一种基于地图的全局监控方法及装置。
背景技术
通常在社会公共区域布置监控摄像头来进行实时监控是加强社会公共安全的一种有效措施。然而即使布设了多个监控摄像头进行全方位监控，仍需有经验的人才能通过多个摄像头呈现的影像获得全局信息，并且视频信息的整合还需要依靠人工来实现浪费了大量的人力。而当前常见的监控墙是将各个视角中的摄像头都平铺展示到一面电视墙上，但是当解读实时监控视频的时候，存在如下问题：
(1)不能很直观得将墙上的监控摄像头的位置与空间场景中的位置对应起来，不能够及时反应出哪些视频播放的是哪些位置，什么角度的监控内容，即时发生了突发事件，也不能立即反应出来是哪个地方；
(2)即使了解每个视频所对应的监控区域，也很难快速地形成各视频拍摄录像间的空间关系，对每个监控视角之间车流以及人流的进出关系把控困难；
(3)为了得到监控中整体的信息，采用人力观测各个监控视频上总体的车流以及人流统计信息容易造成错误，同时也浪费没有必要的人力投入。
由于存在以上问题，相关的视频全局监控系统可视化程度不完善，对于视频监控人员有较高的经验要求，不利于高层指挥人员从视频中获取全局信息从而精确指挥，急需要一个整合监控视频信息，并且能够将空间场景直观表达出来的系统。
发明内容
本申请的目的旨在至少在一定程度上解决上述的技术问题之一。
为此，本申请的第一个目的在于提出一种基于地图的全局监控方法。该方法通过融合多个视频进入地图，产生更加直观的监控视角，提供对多个监控视频的时空全局观。
本申请的第二个目的在于提出了一种基于地图的全局监控装置。
为达上述目的，本申请第一方面实施例的基于地图的全局监控方法，包括：将监控视频拍摄的视频与地图进行人工标定，生成内容映射文件；读取监控视频流对应的所述内容映射文件，并建立所述监控视频流与所述地图的映射规则；根据所述映射规则将所述监控视频流的每一帧图像映射到所述地图上形成每一帧新图像输出。
本申请实施例的基于地图的全局监控方法，首先将监控视频拍摄的视频与地图进行人工标定，生成内容映射文件，接着读取监控视频流对应的内容映射文件建立与地图的映射规则，最后根据映射规则将监控视频流的每一帧图像映射到地图上形成每一帧新图像输出。该方法通过融合多个视频进入地图，产生更加直观的监控视角，提供对多个监控视频的时空全局观。
在一些示例中，所述的全局监控方法，其特征在于，利用分类器提取所述监控视频拍摄的视频中关注点的特征，以及根据所述特征检测所述关注点并跟踪记录，最后在所述地图上显示所述关注点的跟踪记录信息。
在一些示例中，所述将监控视频拍摄的视频与地图进行人工标定，生成内容映射文件具体包括：分别导入所述视频的任意一帧图像和地图；人工标定所述任意一帧图像的点对应到所述地图的位置得到对应点信息；将所述任意一帧图像的点为顶点组成三角形对应到所述地图的位置得到对应三角形信息；将所述对应点信息、所述对应三角形信息和地图像素点对应三角形索引的矩阵输出生成内容映射文件。
在一些示例中，所述读取监控视频流对应的所述内容映射文件，并建立所述监控视频流与所述地图的映射规则具体包括:导入所述地图；分别导入各监控视频拍摄的视频和所述视频对应的内容映射文件；每次从所述内容映射文件中读取一个三角形的三个顶点的索引，根据所述索引确定所述三角形对应于所述视频和所述地图上的顶点的坐标。
在一些示例中，所述视频出现重叠帧图像，采用alpha混合方式，将所述重叠帧图像均分alpha值给对应的所述视频。
为达上述目的，本申请第二方面实施例的基于地图的全局监控装置，包括：生成模块，用于将监控视频拍摄的视频与地图进行人工标定，生成内容映射文件；建立模块，用于读取监控视频流对应的所述内容映射文件，并建立所述监控视频流与所述地图的映射规则；输出模块，用于根据所述映射规则将所述监控视频流的每一帧图像映射到所述地图上形成每一帧新图像输出。
本申请实施例的基于地图的全局监控装置，首先生成模块将监控视频拍摄的视频与地图进行人工标定，生成内容映射文件，接着建立模块读取监控视频流对应的内容映射文件建立与地图的映射规则，最后输出模块根据映射规则将监控视频流的每一帧图像映射到地图上形成每一帧新图像输出。该装置通过融合多个视频进入地图，产生更加直观的监控视角，提供对多个监控视频的时空全局观。
在一些示例中，所述的全局监控装置，还包括：显示模块，用于利用分类器提取所述监控视频拍摄的视频中关注点的特征，以及根据所述特征检测所述关注点并跟踪记录，最后在所述地图上显示所述关注点的跟踪记录信息。
在一些示例中，所述生成模块具体用于：分别导入所述视频的任意一帧图像和地图；人工标定所述任意一帧图像的点对应到所述地图的位置得到对应点信息；将所述任意一帧图像的点为顶点组成三角形对应到所述地图的位置得到对应三角形信息；
在一些示例中，建立模块具体用于:导入所述地图；分别导入各监控视频拍摄的视频和所述视频对应的内容映射文件；每次从所述内容映射文件中读取一个三角形的三个顶点的索引，根据所述索引确定所述三角形对应于所述视频和所述地图上的顶点的坐标。将所述对应点信息、所述对应三角形信息和地图像素点对应三角形索引的矩阵输出生成内容映射文件。
在一些示例中，所述视频出现重叠的帧图像，采用alpha混合方式，将所述重叠的帧图像对应的所述视频均分alpha值。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1是根据本申请一个实施例的基于地图的全局监控方法的流程图；
图2是根据本申请一个实施例的三角分割示意图；
图3是根据本申请一个实施例的建立映射规则示意图；
图4是图3的5秒后的处理结果示意图；
图5是根据本申请另一个实施例的基于地图的全局监控方法的流程图；
图6根据本申请一个实施例的车流量的处理结果示意图；
图7是根据本申请一个实施例的基于地图的全局监控装置的示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
本发明实施例的基于地图的全局监控方法及装置能够直观地从多个监控录像中获取一种时空全局观，并且将一段时间内的视频与空间地图相结合，用可视化的形式表达。可视化显示的结果：
(1)提供各监控视频的空间关系。即摄像头A是在另一个摄像头B的什么方向，在空间中能监控到的目标范围的大概位置等空间信息；
(2)提供监控对象在各摄像头出现的时间关系。即结合摄像头之间的时间同步性，当目标A在摄像头B出现时，能够根据其行进方向判断出其大概在何时会出现在摄像头C；
(3)提供一段时间内视频监控对象的整体信息。即结合视频中监控对象一般性的特点，可以进行追踪、统计个数等人性化应用。
图1是根据本申请一个实施例的基于地图的全局监控方法的流程图。
如图1所示，该基于地图的全局监控方法可以包括：
S101，将监控视频拍摄的视频与地图进行人工标定，生成内容映射文件。
具体地，在一些实例中，将监控视频拍摄的视频与地图进行人工标定，生成内容映射文件具体包括：分别导入视频的任意一帧图像和地图。人工标定任意一帧图像的点对应到地图的位置得到对应点信息。将任意一帧图像的点为顶点组成三角形对应到地图的位置得到对应三角形信息；将对应点信息、对应三角形信息和地图像素点对应三角形索引的矩阵输出生成内容映射文件。如图2a和图2b所示的三角分割示意图，可以清楚直观看到图像与地图的映射关系。
可以理解的是，摄像头是固定的，每一个监控视频的摄像头拍摄的视频与现实场景的对应关系，例如某个摄像头拍摄的画面为A，地图为B，将画面A的内容通过人工标定的方式对应到地图B，就可以得到画面A和地图N的映射关系。
需要说明的是，在导入视频中任意一帧图像时，最好为视频生成的背景图也就是去掉视频中的所有动态细节图像，可以用所有视频帧求平均值的方式得到。
需要说明的是，本发明的地图不限于是Google地图、百度地图、高德地图中的一种。
S102，读取监控视频流对应的内容映射文件，并建立监控视频流与地图的映射规则。
具体地，在一些示例中，读取监控视频流对应的内容映射文件，并建立监控视频流与地图的映射规则具体包括:导入地图；分别导入各监控视频拍摄的视频和视频对应的内容映射文件；每次从内容映射文件中读取一个三角形的三个顶点的索引，根据索引确定三角形对应于视频和地图上的顶点的坐标。
需要说明的是，在一些示例中，视频出现重叠帧图像，则采用alpha混合方式，将重叠帧图像均分alpha值给对应的视频。
可以理解的是，读取预处理过程中各摄像头与地图的映射关系，每次读取各摄像头的一帧图像，这些帧的内容根据对应摄像头的映射规则映射到地图对应区域内，合成一个新的帧。这个合成的帧显示了在地图上对应地点的摄像头所监控到的内容。随着每一帧的处理和播放，组成了在地图上映射的各个实时视频流。
更具体地，a.导入与前面步骤中相同的地图，这里使用Google地图。b.导入各摄像头视频及对应映射文件，建立映射规则。读取映射文件，可以得到位于原始视频中的各点坐标以及其对应在地图上的点坐标。每次从映射文件中获取一个三角形的三个顶点的索引，根据其索引可以知道其对应于原始视频和地图上的顶点的坐标。要建立映射规则，则需要计算点在视频和地图间的坐标转换矩阵，为了使组合视频帧中对应区域的所有像素点都覆盖到，这里选取从地图坐标转换到视频坐标。下面详细分析这一步：i.三角坐标系三个顶点在世界坐标系的齐次坐标为O(ox,oy,1)，A(ax,ay,1)，B(bx,by,1)，像素点P在世界坐标系W中的坐标记为PW，在三角形坐标系T中的坐标记为PT。则三角坐标系到世界坐标系的转换矩阵为：N＝(A-O,B-O,O)，故PW＝PTN。ii.记原始视频三个顶点为O1(xo1,yo1)，A1(xa1,ya1)，B1(xb1,yb1)，记地图中三个顶点为O2(xo2,yo2)，A2(xa2,ya2)，B2(xb2,yb2)。那么视频中的转换矩阵为N1＝(A1-O1,B1-O1,O1)，地图中的转换矩阵为N2＝(A2-O2,B2-O2,O2)。由于转换期间三角形坐标系内坐标不变，所以从地图坐标到视频坐标的转换矩阵为K＝N2 -1N1。将这个矩阵作为参数储存起来。iii.读取映射文件中的索引矩阵，对于每个在地图中属于某个三角形的像素点，都计算其对应视频中的点坐标，分别将两点加入到对应三角形映射中储存起来。c.每次从各摄像头视频中取一帧形成集合{F}1-N，循环执行步骤d，e来生成组合视频帧，直到监控视频中止：d.遍历集合{F}1-N的各图像帧，每次执行步骤e将该帧F嵌入地图中：e.帧F属于视频V，其中包含多个映射三角形，对于每个映射规则M，从中取出在其规则下的像素点，将其视频中的像素值赋值给地图对应像素点。若出现多个视频映射区域重叠的情况，则采取alpha混合方式，各视频帧均分alpha值。例如图3和图4所示的处理结果示意图。
S103，根据映射规则将监控视频流的每一帧图像映射到地图上形成每一帧新图像输出。
本申请实施例的基于地图的全局监控方法，首先将监控视频拍摄的视频与地图进行人工标定，生成内容映射文件，接着读取监控视频流对应的内容映射文件建立与地图的映射规则，最后根据映射规则将监控视频流的每一帧图像映射到地图上形成每一帧新图像输出。该方法通过融合多个视频进入地图，产生更加直观的监控视角，提供对多个监控视频的时空全局观。
如图5示的本申请另一个实施例的基于地图的全局监控方法的流程图中还包括：
S104，利用分类器提取监控视频拍摄的视频中关注点的特征，以及根据特征检测关注点并跟踪记录，最后在地图上显示关注点的跟踪记录信息。
可以理解的是，采用分类器提取监控视频中关注点的特征，例如道路监控视频中一般是提取车辆关注点的特征，之后检测各路视频中出现的车辆信息，跟踪监测出来的目标物信息记录轨迹，根据各个监控摄像头位置的相应关系，统计给定时间内一定方向上车流量的大小，在地图上进行简单易懂的可视化显示。
需要说明的是，物体检测的分类器，因此可以在这样的基于地图的全局监控系统上，添加各种监控视频处理技术。例如：识别监控目标并根据其在各监控视频中的行为绘制出其行进路径从而提前发现可能的奇怪行为；添加各种过滤器筛选监控对象中符合某种条件的对象。
更具体地，以车辆为例，用户给定想要整合视频信息的时间段，统计这段时间内的车流量大小以及方向，最终将数据在地图上进行可视化的显示。a.首先进行预处理，用haar-like特征来描述车辆的特征信息，提取训练数据样本中相应的特征信息，用adaboost分类器对提取到的目标特征进行训练，得到一个对每一层弱分类器进行级联的强分类器，用于之后每一帧视频的目标物检测操作。b.用分类器识别出用户要求时间段内的车辆目标，之后用CamShift跟踪方法对检测到的物体进行跟踪，并且根据之后每一帧检测到的新的目标物进行对比排查，去校正跟踪结果以及更新当前需要跟踪的目标，连接跟踪物体的质心记录在单个视频中车辆从进到出的轨迹路径。将一定容差范围内路径相同的车辆进行方向和数量的记录。c.接下来判断视频间车辆流的关系，根据每个视频中已经计算出来的车流方向和数量，加上监控摄像头之间的相对位置。将已知的车流方向延长线上的车流量进行叠加更新数量，连接对应进出方向的车流量的路径。d.将用户需求时间内检测和跟踪车辆数目和方向通过箭头和数字显示的方式，将数据可视化绘制显示到地图上，得到最终的结果，如图6根据本申请一个实施例的车流量的处理结果示意图所示。通过融合多个视频进入地图，产生了更加直观的监控视角，提供一种时空上的全局观。视频信息整合分析阶段：采用分类器检测并跟踪目标物信息，记录轨迹，根据各个监控摄像头位置的相应关系，统计给定时间内车流量的大小和方向，在地图上进行简单易懂的可视化显示。
与上述实施例提供的基于地图的全局监控方法相对应，本发明的一种实施例还提供一种基于地图的全局监控装置，由于本发明实施例提供的基于地图的全局监控装置与上述实施例提供的基于地图的全局监控方法具有相同或相似的技术特征，因此在前述基于地图的全局监控方法的实施方式也适用于本实施例提供的基于地图的全局监控装置，在本实施例中不再详细描述。如图7所示，该基于地图的全局监控装置可包括：生成模块110、建立模块120、输出模块130和显示模块140。
其中，生成模块110用于将监控视频拍摄的视频与地图进行人工标定，生成内容映射文件。
在一些示例中，生成模块110具体用于：导入视频的任意一帧图像和地图。人工标定任意一帧图像的点对应到地图的位置得到对应点信息。将任意一帧图像的点为顶点组成三角形对应到地图的位置得到对应三角形信息。将对应点信息、对应三角形信息和地图像素点对应三角形索引的矩阵输出生成内容映射文件。
建立模块120用于读取监控视频流对应的内容映射文件，并建立监控视频流与地图的映射规则。
在一些示例中，建立模块具体用于:导入地图。分别导入各监控视频拍摄的视频和视频对应的内容映射文件。每次从内容映射文件中读取一个三角形的三个顶点的索引，根据索引确定三角形对应于视频和地图上的顶点的坐标。
在一些示例中，视频出现重叠的帧图像，则采用alpha混合方式，将重叠的帧图像对应的视频均分alpha值。
输出模块130用于根据映射规则将监控视频流的每一帧图像映射到地图上形成每一帧新图像输出。
本申请实施例的基于地图的全局监控装置，首先生成模块将监控视频拍摄的视频与地图进行人工标定，生成内容映射文件，接着建立模块读取监控视频流对应的内容映射文件建立与地图的映射规则，最后输出模块根据映射规则将监控视频流的每一帧图像映射到地图上形成每一帧新图像输出。该装置通过融合多个视频进入地图，产生更加直观的监控视角，提供对多个监控视频的时空全局观。
显示模块140用于利用分类器提取监控视频拍摄的视频中关注点的特征，以及根据特征检测关注点并跟踪记录，最后在地图上显示关注点的跟踪记录信息。实现在地图上进行简单易懂的可视化显示。
在本申请的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种基于地图的全局监控方法，其特征在于，包括以下步骤：
将监控视频拍摄的视频与地图进行人工标定，生成内容映射文件；
读取监控视频流对应的所述内容映射文件，并建立所述监控视频流与所述地图的映射规则；
根据所述映射规则将所述监控视频流的每一帧图像映射到所述地图上形成每一帧新图像输出。
2.如权利要求1所述的全局监控方法，其特征在于，还包括：
利用分类器提取所述监控视频拍摄的视频中关注点的特征，以及根据所述特征检测所述关注点并跟踪记录，最后在所述地图上显示所述关注点的跟踪记录信息。
3.如权利要求1所述的全局监控方法，其特征在于，所述将监控视频拍摄的视频与地图进行人工标定，生成内容映射文件具体包括：
分别导入所述视频的任意一帧图像和地图；
人工标定所述任意一帧图像的点对应到所述地图的位置得到对应点信息；
将所述任意一帧图像的点为顶点组成三角形对应到所述地图的位置得到对应三角形信息；
将所述对应点信息、所述对应三角形信息和地图像素点对应三角形索引的矩阵输出生成内容映射文件。
4.如权利要求1所述的全局监控方法，其特征在于，所述读取监控视频流对应的所述内容映射文件，并建立所述监控视频流与所述地图的映射规则具体包括:
导入所述地图；
分别导入各监控视频拍摄的视频和所述视频对应的内容映射文件；
每次从所述内容映射文件中读取一个三角形的三个顶点的索引，根据所述索引确定所述三角形对应于所述视频和所述地图上的顶点的坐标。
5.如权利要求4所述的全局监控方法，其特征在于，所述视频出现重叠帧图像，采用alpha混合方式，将所述重叠帧图像均分alpha值给对应的所述视频。
6.一种基于地图的全局监控装置，其特征在于，包括：
生成模块，用于将监控视频拍摄的视频与地图进行人工标定，生成内容映射文件；
建立模块，用于读取监控视频流对应的所述内容映射文件，并建立所述监控视频流与所述地图的映射规则；
输出模块，用于根据所述映射规则将所述监控视频流的每一帧图像映射到所述地图上形成每一帧新图像输出。
7.如权利要求6所述的全局监控装置，其特征在于，还包括：
显示模块，用于利用分类器提取所述监控视频拍摄的视频中关注点的特征，以及根据所述特征检测所述关注点并跟踪记录，最后在所述地图上显示所述关注点的跟踪记录信息。
8.如权利要求6所述的全局监控装置，其特征在于，所述生成模块具体用于：
分别导入所述视频的任意一帧图像和地图；
人工标定所述任意一帧图像的点对应到所述地图的位置得到对应点信息；
将所述任意一帧图像的点为顶点组成三角形对应到所述地图的位置得到对应三角形信息；
将所述对应点信息、所述对应三角形信息和地图像素点对应三角形索引的矩阵输出生成内容映射文件。
9.如权利要求6所述的全局监控装置，其特征在于，建立模块具体用于:
导入所述地图；
分别导入各监控视频拍摄的视频和所述视频对应的内容映射文件；
每次从所述内容映射文件中读取一个三角形的三个顶点的索引，根据所述索引确定所述三角形对应于所述视频和所述地图上的顶点的坐标。
10.如权利要求9所述的全局监控装置，其特征在于，所述视频出现重叠的帧图像，采用alpha混合方式，将所述重叠的帧图像对应的所述视频均分alpha值。
CN201610232313.9A 2016-04-14 2016-04-14 基于地图的全局监控方法及装置 Pending CN105847751A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610232313.9A CN105847751A (zh) 2016-04-14 2016-04-14 基于地图的全局监控方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610232313.9A CN105847751A (zh) 2016-04-14 2016-04-14 基于地图的全局监控方法及装置

Publications (1)

Publication Number Publication Date
CN105847751A true CN105847751A (zh) 2016-08-10

Family

ID=56598076

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610232313.9A Pending CN105847751A (zh) 2016-04-14 2016-04-14 基于地图的全局监控方法及装置

Country Status (1)

Country Link
CN (1) CN105847751A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111699679A (zh) * 2018-04-27 2020-09-22 上海趋视信息科技有限公司 交通系统监控和方法
CN111722575A (zh) * 2019-03-22 2020-09-29 江苏海内软件科技有限公司 智能园企管理系统、方法和设备
CN111951598A (zh) * 2019-05-17 2020-11-17 杭州海康威视数字技术股份有限公司 一种车辆跟踪监测方法、装置及系统
CN116740878A (zh) * 2023-08-15 2023-09-12 广东威恒输变电工程有限公司 一种多摄像头协同的全局区域双向绘制的定位预警方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101277429A (zh) * 2007-03-27 2008-10-01 中国科学院自动化研究所 监控中多路视频信息融合处理与显示的方法和系统
CN102957895A (zh) * 2011-08-25 2013-03-06 上海安维尔信息科技有限公司 一种基于卫星图的全局拼接型视频监控显示方法
CN103595974A (zh) * 2013-12-01 2014-02-19 北京航空航天大学深圳研究院 一种面向城域的视频地理信息系统及方法
CN103686074A (zh) * 2013-11-20 2014-03-26 南京熊猫电子股份有限公司 视频监控中移动目标的定位方法
CN104081433A (zh) * 2011-12-22 2014-10-01 派尔高公司 图像坐标和地图坐标之间的转换

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101277429A (zh) * 2007-03-27 2008-10-01 中国科学院自动化研究所 监控中多路视频信息融合处理与显示的方法和系统
CN102957895A (zh) * 2011-08-25 2013-03-06 上海安维尔信息科技有限公司 一种基于卫星图的全局拼接型视频监控显示方法
CN104081433A (zh) * 2011-12-22 2014-10-01 派尔高公司 图像坐标和地图坐标之间的转换
CN103686074A (zh) * 2013-11-20 2014-03-26 南京熊猫电子股份有限公司 视频监控中移动目标的定位方法
CN103595974A (zh) * 2013-12-01 2014-02-19 北京航空航天大学深圳研究院 一种面向城域的视频地理信息系统及方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111699679A (zh) * 2018-04-27 2020-09-22 上海趋视信息科技有限公司 交通系统监控和方法
US11689697B2 (en) 2018-04-27 2023-06-27 Shanghai Truthvision Information Technology Co., Ltd. System and method for traffic surveillance
CN111722575A (zh) * 2019-03-22 2020-09-29 江苏海内软件科技有限公司 智能园企管理系统、方法和设备
CN111951598A (zh) * 2019-05-17 2020-11-17 杭州海康威视数字技术股份有限公司 一种车辆跟踪监测方法、装置及系统
CN116740878A (zh) * 2023-08-15 2023-09-12 广东威恒输变电工程有限公司 一种多摄像头协同的全局区域双向绘制的定位预警方法
CN116740878B (zh) * 2023-08-15 2023-12-26 广东威恒输变电工程有限公司 一种多摄像头协同的全局区域双向绘制的定位预警方法

Similar Documents

Publication Publication Date Title
KR20210078530A (ko) 차선 속성 검출방법, 장치, 전자장치 및 가독 저장 매체
RU2573239C2 (ru) Визуализация видеоизображения в существующих неподвижных изображениях
CN103425967B (zh) 一种基于行人检测和跟踪的人流监控方法
CN100565555C (zh) 基于计算机视觉的违章停车检测装置
US7386394B2 (en) Navigation and inspection system
DE102018201054A1 (de) System und Verfahren zur Bilddarstellung durch ein Fahrerassistenzmodul eines Fahrzeugs
WO2020122986A1 (en) Driver attention detection using heat maps
CN111967393A (zh) 一种基于改进YOLOv4的安全帽佩戴检测方法
CN105324633A (zh) 提供加强环境感知的增强视频系统
CN105847751A (zh) 基于地图的全局监控方法及装置
KR20210080459A (ko) 차선 검출방법, 장치, 전자장치 및 가독 저장 매체
US20100329513A1 (en) Apparatus, method and computer program for determining a position on the basis of a camera image from a camera
CN104378582A (zh) 一种基于ptz摄像机巡航的智能视频分析系统及方法
CN110532903B (zh) 一种交通灯图像处理的方法和设备
CN105320708B (zh) 车型数据库的建立方法及服务器
CN109299674A (zh) 一种基于车灯的隧道违章变道检测方法
JPWO2004008744A1 (ja) 道路面等の平面対象物映像の平面展開画像処理方法、同逆展開画像変換処理方法及びその平面展開画像処理装置、逆展開画像変換処理装置
CN113033412B (zh) 基于实景融合的交通态势监控方法、装置、设备及介质
CN107316332A (zh) 一种应用智能驾驶的相机和场景关联标定方法及系统
CN107657832A (zh) 一种车位引导方法及系统
DE102010003336A1 (de) Verfahren zur Visualisierung von Aktivitätsschwerpunkten in Überwachungsszenen
CN113903008A (zh) 基于深度学习和轨迹跟踪的匝道出口车辆违法识别方法
CN111316324A (zh) 一种自动驾驶模拟系统、方法、设备及存储介质
CN107622496A (zh) 图像处理方法及装置
Ito et al. Translating street view imagery to correct perspectives to enhance bikeability and walkability studies

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20160810