CN106096577A - 一种摄像头分布地图中的目标追踪系统及追踪方法 - Google Patents

一种摄像头分布地图中的目标追踪系统及追踪方法 Download PDF

Info

Publication number
CN106096577A
CN106096577A CN201610479171.6A CN201610479171A CN106096577A CN 106096577 A CN106096577 A CN 106096577A CN 201610479171 A CN201610479171 A CN 201610479171A CN 106096577 A CN106096577 A CN 106096577A
Authority
CN
China
Prior art keywords
target
suspected target
photographic head
video
suspected
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.)
Granted
Application number
CN201610479171.6A
Other languages
English (en)
Other versions
CN106096577B (zh
Inventor
纪滨
许婷
申元霞
粱昌龙
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.)
Jiangsu Thinking Driven Intelligent Research Institute Co ltd
Original Assignee
Anhui University of Technology AHUT
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 Anhui University of Technology AHUT filed Critical Anhui University of Technology AHUT
Priority to CN201610479171.6A priority Critical patent/CN106096577B/zh
Publication of CN106096577A publication Critical patent/CN106096577A/zh
Application granted granted Critical
Publication of CN106096577B publication Critical patent/CN106096577B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G06V20/42—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items of sport video content
    • 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
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

本发明公开了一种摄像头分布地图中的目标追踪系统及追踪方法，包括监控操作客户端和视频计算服务器，监控操作客户端输入嫌疑目标的图像，通过摄像头分布地图设定要搜索的范围；视频计算服务器对采样得到的视频及图像进行处理，包括嫌疑目标图像服色特征提取、视频场景中的目标检测及跟踪，记录目标运动信息，然后将计算的相应结果发送给监控操作客户端；监控操作客户端标注了摄像头节点的地图上，根据嫌疑目标出现过的摄像头节点获得其在地图上的路径轨迹，同时收集目标的行进速度及状态等信息，供安防监控人员分析。本发明大大减轻了盯屏搜索的艰巨工作，让工作人员把精力放在有效视频片段上，在科技强警方面有较大的应用价值。

Description

一种摄像头分布地图中的目标追踪系统及追踪方法
技术领域
本发明属于视频监控技术领域，更具体地说，涉及一种摄像头分布地图中的目标追踪系统及追踪方法。
背景技术
随着对智慧城市要求的提高，人们对视频监控的需求空前高涨，各地布设的摄像头也越来越密集。在我国至少有1000万监控摄像头用于城市监控与报警系统。虽然摄像头的增加为大规模的防范带来了益处，能够获取海量的视频数据用于实时报警和事后查询，但是人工怎样利用海量的视频数据成为一个巨大的挑战。美国圣地亚国家实验室专门做了一项研究，结果显示，一个人目不转睛地盯着海量视频画面，仅仅在22分钟以后，人眼就会对视频画面里95％以上的活动信息视而不见。
为了解决人们对视频中感兴趣的“是谁、在哪、干什么”的问题，智能视频监控技术应用而生，其中核心部分是基于计算机视觉的视频内容理解技术，通过对原始视频图像经过特征提取、目标检测与识别、目标跟踪等一系列算法分析，进而分析视频中的目标行为。已有的文献中相当一部分的工作都是对某一类算法进行介绍，Bouwmans等人从背景建模及行人检测方面对目标检测技术进行了介绍[T.Bouwmans,F.EI Baf,B.Vachon.Backgroundmodeling using mixture of gaussians for foreground detection:a survey[J].Recent Patents on Computer Science,2008.1(3):219-237]，Yilmaz等人从单摄像机和多摄像机跟踪方面对目标跟踪算法进行较为详细的介绍[Yilmaz,A,O.Javed,M.Shah.Object tracking:a survey[J].ACM Computing Surveys,2006.38(4):1-29]，也有一些学者从系统角度对多个模块算法进行了介绍，这些算法对于智能视频监控技术的发展起到了重要的作用。但是随着视频监控技术突飞猛进的发展，近几年来大部分算法都是基于单个视频源的分析处理，对于多摄像头的视频监控研究也主要从构建监控网络结构出发，如果需要知道嫌疑目标何时出现在监控区域中的某个摄像头节点及目标在摄像头网络地图中的活动路径信息，并希望收集嫌疑目标运动的信息参数，期望有更进一步地智能辅助分析功能，显然单个摄像头视频分析已经满足不了这个需求。将多个视频源作为一个系统，形成一个速度快，精度高，能够处理多摄像头多场景的目标跟踪系统，仍然是一个有待解决的研究热点。
经检索，中国专利申请号201510708935.X，申请日为2015年10月27日，发明创造名称为：跨监控摄像头进行目标追踪的方法、装置和系统，该申请案涉及一种跨监控摄像头进行目标追踪的方法、装置和系统，其追踪方法包括：确定多个监控摄像头的视野范围与电子地图上的区域之间的对应关系；确定与所述多个监控摄像头中的第一监控摄像头的视野范围对应的所述电子地图上的第一区域；识别目标即将离开所述第一区域的移动方向；以及根据所述电子地图上的位置信息，确定在所述移动方向上目标己经进入的或者与第一区域相邻的第二区域；该申请案使得对目标的追踪更加便利和智能，但该申请案不能够得知目标经过的路径，以及目标速度、运动状态等信息。
又如中国专利申请号201410332105.7，申请日为2014年7月11日，发明创造名称为：跟踪辅助装置、跟踪辅助系统和跟踪辅助方法，该申请案通过在显示装置上显示监控画面，辅助监控人员跟踪运动对象，在监控画面中，根据摄像机的实际设置，在表示受监控区域的地图图像上，设置用于实时显示由各个摄像机拍摄的捕获图像的显示视图，该跟踪辅助装置包括：待跟踪目标设定单元，响应于由监控人员在显示视图之一上执行的、指定待跟踪运动目标的输入操作，将所指定的运动对象设定为待跟踪目标；预测单元，基于通过处理捕获图像所获得的追踪信息，预测设定为待跟踪目标的运动对象紧接着将出现的下一显示视图；以及显示视图指示单元，在监控画面上指示下一显示视图。该申请案同样虽然能在一定程度上达到智能监控的目的，但鉴于目标出现在视频中的有效片段仅仅占监控人员盯屏浏览工作量很少的比例，且如果要依靠人工将目标出现的所有摄像头监控节点在地图上绘制成路径，并分析相应的运动信息，其工作量巨大且十分复杂，因此，需要一种摄像头分布地图中追踪嫌疑目标的技术，利用计算机视觉自动提取有嫌疑目标出现的视频片段和运动信息供监控人员针对性分析。
发明内容
1.发明要解决的技术问题
本发明鉴于嫌疑目标出现在视频中的有效片段仅仅占安防监控人员盯屏浏览工作量很少的比例，且如果要依靠人工将嫌疑目标出现的所有摄像头监控节点在地图上绘制成路径，并分析相应的运动信息，目前，这项工作的艰巨性和复杂性导致值守人员难以及时高效地完成，提供了一种摄像头分布地图中的目标追踪系统及追踪方法；本发明技术上主要解决构建监控操作客户端，通过一种含有摄像头节点分布的地图子系统，方便用户设定监控的地理区域，设定嫌疑目标的图像，调看地图上摄像头节点的视频，查看搜索嫌疑目标的轨迹和运动信息等功能；在视频计算服务器上，需要解决视频采样、嫌疑目标服色特征计算、摄像头节点近邻搜索、单摄像头场景中目标检测和跟踪的问题，并能自动计算视频中的目标移动速度和出现的时间，并输出对应的结果到监控操作客户端，便于用户获取嫌疑目标出现的摄像头节点、对应的视频片段及目标在摄像头分布地图中的活动路径信息等，嫌疑目标追踪更加智能化，便于推广应用。
2.技术方案
为达到上述目的，本发明提供的技术方案为：
本发明的一种摄像头分布地图中的目标追踪系统，包括监控操作客户端以及视频计算服务器；其中：
所述的监控操作客户端包括嫌疑目标图像操作模块、摄像头分布地图操作模块和追踪结果展示模块，嫌疑目标图像操作模块用于在监控区域中没有找到嫌疑目标的情况下，直接导入嫌疑目标图像；或者在监控区域中找到嫌疑目标的情况下，选择含有嫌疑目标的视频帧，并用鼠标交互式勾画圈定出嫌疑目标及其所在区域；摄像头分布地图操作模块用于在地图上设置摄像头与确定搜索范围；追踪结果展示模块用于显示嫌疑目标在设定区域内经过的摄像头节点、时间以及运动信息；
所述的视频计算服务器包括视频采样模块、摄像头节点网络近邻搜索模块、嫌疑目标服色特征计算模块、视频场景中目标检测及跟踪模块，目标运动信息处理模块；所述视频采样模块用于调取监控区域任一摄像头节点视频信息；所述摄像头节点网络近邻搜索模块根据近邻原则，采用多线程并发方式搜索邻近的单摄像头场景中嫌疑目标；所述嫌疑目标服色特征计算模块用于提取嫌疑目标上装、下装或上下两部分融合后服色特征；所述视频场景中目标检测及跟踪模块用于检测嫌疑目标，并跨时段跨区域跟踪嫌疑目标；所述目标运动信息处理模块用于计算嫌疑目标的运动信息。
本发明的一种摄像头分布地图中的目标追踪方法，其步骤为：
步骤一、监控操作客户端上，引入地图并标注摄像头监控点，加载视频计算服务器上对应的摄像头视频数据，构建摄像头分布地图，并在摄像头分布地图上设定搜索范围；
步骤二、在监控区域中寻找嫌疑目标，若找到嫌疑目标，则选择含有嫌疑目标的视频帧，并圈定出嫌疑目标及其所在区域；若未找到嫌疑目标，则导入嫌疑目标图像；
步骤三、嫌疑目标图像自动送入视频计算服务器，调用嫌疑目标服色特征计算模块，计算嫌疑目标的服色特征模型；
步骤四、监控操作客户端上选择起始监控摄像头节点作为核心搜索节点，视频计算服务器根据近邻原则，采用多线程并发地方式同步处理核心搜索节点视频以及该节点邻域内摄像头节点视频，采用目标检测算法，搜索嫌疑目标；
步骤五、在某个单摄像头视频中检测到嫌疑目标后，运行粒子滤波追踪算法，追踪过程中记录嫌疑目标的速度信息，直至目标在该摄像头场景中消失，单摄像头目标跟踪结束；同时，以该摄像头为核心搜索节点，重复步骤五操作；
步骤六、在设定搜索范围内完成嫌疑目标追踪后，监控操作客户端通过追踪结果展示模块，观察嫌疑目标在地图上的路径，可以根据自己的需求，下载嫌疑目标视频片段。
更进一步地，步骤三中以嫌疑目标的上装、下装或上下装服色为特征模型。
更进一步地，步骤三提取嫌疑目标的上装服色特征模型过程为：
提取嫌疑目标图像在HSV颜色模型中的H分量，采用反向投影法提取出嫌疑目标图像上装相似颜色区域，采用最大类间方差法设定阈值对处理过的图像进行二值化，然后采用区域生长法，提取出只含有上装颜色的区域，如果是导入的嫌疑目标图像，以图像的上半部分的质心为种子点，最后用边缘检测算子检测出边缘，勾勒出上装轮廓，同时计算该轮廓中颜色直方图分布的主成份核心值，作为特征模板，其核心值的计算公式如下：
H = Σ i = 1 N p i * H i Σ i = 1 N p i
其中，Pi为H分量直方图按降序重组的频次分量，选择前N个频次分量，Hi为Pi对应的H分量，N一般取直方图所有频次的前10％-30％为宜，嫌疑目标下装的服色特征模型提取方法与上装提取方法类似。
更进一步地，步骤三以嫌疑目标上装和下装服色为特征模型时，将经过区域生长法处理后的只含有上装和下装区域的图像进行数组加权融合，其融合的公式如下：
g(x)＝(1-α)f0(x)+αf1(x)
上式中，α取值为0.5，f0(x)与f1(x)分别代表经区域生长法处理后得到的上身与下装的图像数组。
更进一步地，步骤四中视频计算服务器处理单摄像头视频的目标检测算法过程为：根据背景差分法，重点检测当前帧的候选目标，然后将提取得到的多个嫌疑目标的H分量直方图的核心值分别与目标服色的核心值相减取绝对值进行阈值λ匹配，若结果在0＜λ＜1范围内，得到的候选目标即为需要追踪的目标；同时同步记录嫌疑目标出现的时间与所处的摄像头节点；如果在该帧中匹配出现两个及以上嫌疑目标，则通过预警信号提醒用户进行人工干预，只选择一个嫌疑目标为追踪对象；如果确实没有找到嫌疑目标，则继续读取后继帧。
更进一步地，步骤五中视频计算服务器单摄像头检测出嫌疑目标后，则采用基于颜色直方图的粒子滤波跟踪算法对嫌疑目标进行跟踪，粒子滤波算法的初始粒子是视频帧中得到的嫌疑目标服色特征模型的边界位置，然后根据动态二阶自回归状态转移方程对运动状态进行预测，其方程公式如下：
X = A 1 * ( P x - P x 0 ) + A 2 * ( P x p - P x 0 ) + B 0 * g s l _ r a n _ g a u s s i a n ( r n g , T R A N S _ X _ S T D ) + P x 0 Y = A 1 * ( P y - P y 0 ) + A 2 * ( P y p - P y 0 ) + B 0 * g s l _ r a n _ g a u s s i a n ( r n g , T R A N S _ Y _ S T D ) + P y 0
其中，A1＝2.0,A2＝-1.0,B0＝1.0,TRANS_X_STD＝1.0,TRANS_Y_STD＝0.5，Px,Py分别代表粒子现在位置中心点的坐标，Px0,Py0分别代表粒子初始位置中心点坐标，Pxp,Pyp分别代表粒子前一帧位置中心点的坐标，gsl_ran_gaussian()函数为产生高斯分布的随机数；
预测后生成采样点集，采用观测方程巴氏距离公式计算预测位置与初始位置的两个H分量直方图的相似度作为权值，然后自动调整粒子的权值和位置进行重采样，修正最初的边界位置，得到需要追踪的目标。
更进一步地，视频计算服务器上进行单摄像头嫌疑目标跟踪时，记录嫌疑目标的出现时间、消失时间和时间跨度，同时根据场景的尺寸比例尺，以及记录的时间计算目标运动的速度，并根据速度的大小判断嫌疑目标运动状态。
更进一步地，在视频计算服务器多线程目标检测过程中，监控操作客户端地图上正在处于目标检测状态的摄像头节点呈现闪烁的黄色，未经检测的摄像头节点呈现灰色，已经检测到目标的摄像头节点变为红色，已经检测未发现目标的摄像头节点变为灰色，同时已经检测到目标的相邻两个摄像头节点轨迹线调用GIS的API轨迹功能，在地图上形成目标经过的踪迹。
3.有益效果
采用本发明提供的技术方案，与已有的公知技术相比，具有如下显著效果：
(1)本发明考虑到现有嫌疑目标追踪工作主要基于大量的人工摄像头视频调看分析，工作过程中存在不可避免调看大量的无效视频信息，导致安防监控人员身心疲惫，效率低下；提出一种摄像头分布地图中的目标追踪方法，本发明只需人工在摄像头节点分布地图上设定搜索范围和嫌疑人图像，剩下的工作由计算机自动完成，最后不仅能够得知嫌疑目标经过的摄像头节点的路径，而且能获取嫌疑目标在摄像头场景的片段以及目标人物速度、运动状态等信息参数，供安防监控人员分析，大大减轻了盯屏搜索的艰巨工作，让工作人员把精力放在有效视频片段上，在科技强警方面有较大的应用价值；
(2)本发明的一种摄像头分布地图中的目标追踪方法，以嫌疑目标的上装、下装或上下装服色为特征模型，并提取嫌疑目标图像在HSV颜色模型中的H分量颜色直方图分布的主成份核心值作为特征模板，能够根据嫌疑目标的服色特征快速搜索到嫌疑目标，节省时间且搜索准确率高；
(3)本发明的一种摄像头分布地图中的目标追踪方法，在单摄像头视频嫌疑目标追踪过程中，采用将提取得到的多个嫌疑目标的H分量直方图的核心值分别与目标服色的核心值相减取绝对值进行阈值λ匹配的方式，该方法处理流程简单，匹配快速、准确；
(4)本发明的一种摄像头分布地图中的目标追踪方法，采用基于颜色直方图的粒子滤波跟踪算法对嫌疑目标进行跟踪，通过对粒子的样本容量进行调整，使得视频场景中即使出现嫌疑目标被遮挡物遮挡的现象，遮挡结束后，嫌疑目标仍然能够被继续跟踪到，目标追踪的效果得到进一步增强；
(5)本发明的一种摄像头分布地图中的目标追踪方法，设置地图上正在处于目标检测状态的摄像头节点呈现闪烁的黄色，未经检测的摄像头节点颜色呈现灰色，已经检测到目标的摄像头节点变为红色，已经检测未发现目标的摄像头节点变为灰色，同时已经检测到目标的相邻两个摄像头节点轨迹线调用GIS的API轨迹功能，在地图上形成目标经过的踪迹，界面更加人性化，便于安防监控人员观察。
附图说明
图1为本发明的目标追踪系统的功能结构示意图；
图2中的(a)为提取目标人物的上装轮廓图；图2中的(b)为提取目标人物的下装轮廓图；图2中的(c)为提取目标人物的上装和下装轮廓图；
图3为单摄像头视频中目标检测与识别算法的流程图。
具体实施方式
为进一步了解本发明的内容，结合实施例对本发明作详细描述。
实施例1
结合图1，本实施例的一种摄像头分布地图中的目标追踪系统，包括监控操作客户端以及视频计算服务器两大部分。
所述的监控操作客户端包括嫌疑目标图像操作模块、摄像头分布地图操作模块和追踪结果展示模块。监控区域摄像头节点通过GIS的API接口均早已标注在地图上，且具有调用对应的摄像头节点上监控视频信息的功能。
所述嫌疑目标图像操作模块主要实现在监控区域中没有找到嫌疑目标的情况下，直接导入嫌疑目标图像；或者在监控区域中找到嫌疑目标的情况下，选择含有嫌疑目标的视频帧，并用鼠标交互式勾画圈定出嫌疑目标及其所在区域的功能。
所述摄像头分布地图操作模块主要实现在GIS地图上设置摄像头与确定搜索范围的功能。
所述追踪结果展示模块则主要实现记录并显示嫌疑目标在设定区域内经过的摄像头节点、时间以及它的运动信息的功能。
所述的视频计算服务器和常规的视频监控系统相连，包括视频采样模块、摄像头节点网络近邻搜索模块、嫌疑目标服色特征计算模块、视频场景中的目标检测及跟踪模块，目标运动信息处理模块。
所述视频采样模块具有调取所需监控区域任一摄像头节点视频信息的功能，所述摄像头节点网络近邻搜索模块根据近邻原则，采用多线程并发方式搜索邻近的单摄像头场景中嫌疑目标。所述嫌疑目标服色特征计算模块主要实现分别提取嫌疑目标上装、下装或上下两部分融合后服色特征的功能。所述视频场景中的目标检测及跟踪模块用于目标检测及目标跟踪，主要实现在视频中检测嫌疑目标与跨时段跨区域跟踪嫌疑目标的功能。所述目标运动信息处理模块用于计算嫌疑目标的运动信息。
本实施例的目标追踪过程为：
视频计算服务器通过视频采样模块构建所需监控区域摄像头节点的视频信息数据库，监控操作客户端通过GIS(地理信息系统)提供的API接口引入地图，并在地图上标注摄像头监控点，且能加载视频计算服务器上对应的摄像头视频数据，构建摄像头分布地图，并通过人机对话，在摄像头分布地图上设定搜索范围。
用户登录监控操作客户端，进入监控模式，通过直接点击地图上4个以上监控点数量的摄像头，视频计算服务器就会将对应的视频信息反馈给监控操作客户端，监控视频相继出现在一个四分屏的监控画面中。
用户操作客户端，进入追踪模式：用户在观察监控画面的时候根据需求，一旦发现视频场景中的嫌疑目标，即可选择当前视频帧，并用鼠标交互式勾画圈定目标区域；如果监控画面暂时没发现目标，可导入外部嫌疑目标的图像，并用鼠标交互式勾画圈定目标区域，将该嫌疑目标图像送至视频计算服务器。
结合图3，所得嫌疑目标图像自动送入视频计算服务器，本实施例中嫌疑目标的上身服色主要为红色，视频计算服务器调用嫌疑目标服色特征计算模块，计算嫌疑目标的服色特征模板。即首先在HSV颜色模型H分量中，用反向投影法分割出该图像中只含有红色部分的区域，采用最大类间方差法设定阈值对处理过的图像进行二值化，然后采用区域生长法，提取出只含有上身颜色的区域，如果导入的是嫌疑目标的图像，以图像的上半部分质心为种子点，如图2中的(a)所示；最后用边缘检测算子检测出边缘，勾勒出红色部分的轮廓，同时计算该轮廓中的颜色直方图分布中的主成份核心值，作为特征模板，其核心值的计算公式如下：
H = Σ i = 1 N p i * H i Σ i = 1 N p i
其中，Pi为H分量直方图按降序重组的频次分量，在这里选择前N个频次分量，Hi为Pi对应的H分量，N一般取直方图所有频次的前10％-30％为宜，嫌疑目标人物下装的服色特征模板提取方法与上身的提取方法类似。
视频计算服务器开始单摄像头场景中嫌疑目标检测，根据背景差分法，重点检测当前帧的候选目标，然后将提取得到的多个嫌疑目标的H分量直方图的核心值分别与目标服色的核心值相减取绝对值进行阈值λ匹配，若结果在0＜λ＜1范围内，得到的候选目标即为需要追踪的目标；同时同步记录嫌疑目标出现的时间与所处的摄像头节点；如果在该帧中匹配出现两个及以上穿红色上身的目标人物，则通过预警信号提醒用户可以人工干预操作，只选择一个嫌疑目标为追踪对象。如果确实没有找到嫌疑目标，则继续读取后继帧。
用户在监控操作客户端上选择起始监控摄像头节点(如果在监控视频中发现了嫌疑目标，就以发现嫌疑目标的摄像头节点作为起始监控点；如果一直未发现嫌疑目标，此时监控点可由用户自由选择)。为了使目标从一个监控位置离开到达另外一个监控位置时，仍然能保持跟踪的状态，视频计算服务器根据近邻原则，采用多线程并发地方式同步处理目标所在的摄像头节点视频以及该节点周围多个(根据用户计算机的配置以及该路口的复杂度来确定是四邻域或五邻域等)摄像头节点的视频，采用目标检测算法，对这些邻域视频进行同步处理。当检测到嫌疑目标时，记录当时的时间与摄像头监控节点，以此时间为目标出现的时间，此摄像头监控点为核心监控点，然后继续处理以该监控点为核心的相邻最近的、未搜索过的监控点，一旦其中一个摄像头发现目标，则此轮其他监控节点停止目标检测。
视频计算服务器单摄像头检测出嫌疑目标后，则采用基于颜色直方图的粒子滤波跟踪算法对嫌疑目标进行跟踪，粒子滤波算法的初始粒子是视频帧中得到的嫌疑目标上身区域的边界位置，然后根据动态二阶自回归状态转移方程对运动状态进行预测，其方程公式如下：
X = A 1 * ( P x - P x 0 ) + A 2 * ( P x p - P x 0 ) + B 0 * g s l _ r a n _ g a u s s i a n ( r n g , T R A N S _ X _ S T D ) + P x 0 Y = A 1 * ( P y - P y 0 ) + A 2 * ( P y p - P y 0 ) + B 0 * g s l _ r a n _ g a u s s i a n ( r n g , T R A N S _ Y _ S T D ) + P y 0
其中，A1＝2.0,A2＝-1.0,B0＝1.0,TRANS_X_STD＝1.0,TRANS_Y_STD＝0.5，Px,Py分别代表粒子现在位置中心点的坐标，Px0,Py0分别代表粒子初始位置中心点坐标，Pxp,Pyp分别代表粒子前一帧位置中心点的坐标，gsl_ran_gaussian()函数为产生高斯分布的随机数。
预测后生成采样点集，采用观测方程巴氏距离公式计算预测位置与初始位置的两个H分量直方图的相似度作为权值，然后自动调整粒子的权值和位置进行重采样，修正最初的边界位置，得到需要追踪的目标；当粒子样本容量很大时，目标追踪的鲁棒性更好，本实施例中粒子的样本容量设置为50。视频计算服务器上进行单摄像头嫌疑目标跟踪时，记录嫌疑目标的出现时间、消失时间和时间跨度，同时根据场景的尺寸比例尺，以及记录的时间计算目标运动的速度并根据速度的大小判断运动状态(走、跑和停止)。
在视频计算服务器多线程目标检测过程中，监控操作客户端地图上正在处于目标检测状态的摄像头节点呈现闪烁的黄色，未经检测的摄像头节点颜色呈现灰色，已经检测到目标的摄像头节点变为红色，已经检测未发现目标的摄像头节点变为灰色，同时已经检测到目标的相邻两个摄像头节点轨迹线调用GIS的API轨迹功能，在地图上形成目标经过的踪迹。
记录重要的视频信息参数：监控操作客户端能够调用视频计算服务器记录的重要视频参数，包括嫌疑目标出现在摄像头节点的开始时间、消失时间和运动速度，在某一节点出现嫌疑目标多个运动状态并存，则该摄像头节点呈现红色闪烁，提醒用户优先注意，可调看该监控摄像头节点嫌疑目标的视频片段；追踪结束后，监控操作客户端的追踪结果展示模块中，摄像头地图上会形成目标的活动路径轨迹，嫌疑目标出现在沿途摄像头场景中的视频片段，可供用户下载进行重点分析。
实施例2
本实施例的一种摄像头分布地图中的目标追踪系统及追踪方法，基本同实施例1，其不同之处在于：本实施例嫌疑目标的下装服色融合作为嫌疑目标的服色特征模板，例如嫌疑目标的下装主要颜色为蓝色，用反向投影法只分割出含有蓝色的区域，分割出嫌疑目标下装的边界，如图2中的(b)所示，在采用区域生长法时，种子点是导入的嫌疑目标的图像下半部分的质心，计算该边界区域中的颜色直方图主成份核心值为特征模板。
实施例3
本实施例的一种摄像头分布地图中的目标追踪系统及追踪方法，基本同实施例1，其不同之处在于：本实施例中选择嫌疑目标的上装和下装服色融合作为嫌疑目标的服色特征模板，如图2中的(c)所示，即本实施例将经过区域生长法处理后的只含有上身和下装区域的图像进行数组加权融合，其融合的公式如下：
g(x)＝(1-α)f0(x)+αf1(x)
本实施例α取值为0.5，f0(x)与f1(x)分别代表经区域生长法处理后得到的上身与下装的图像数组。
实施例4
本实施例的一种摄像头分布地图中的目标追踪系统及追踪方法，基本同实施例1，其不同之处在于：本实施例中视频场景中有嫌疑目标被遮挡物遮挡3-5秒的现象，在这种情况下，将粒子的样本容量调整为100，遮挡结束后，目标人物仍然能够被继续跟踪到；
实施例1～4所述的一种摄像头分布地图中的目标追踪系统及追踪方法，通过监控操作客户端以及视频计算服务器协同工作，只需人工在摄像头节点分布地图上设定搜索范围和嫌疑人图像，剩下的工作由计算机自动完成，最后不仅能够得知嫌疑目标经过的摄像头节点的路径，而且能获取嫌疑目标在摄像头场景的片段以及目标人物速度、运动状态等重要信息参数，嫌疑目标追踪更加智能化，便于推广应用。
以上示意性的对本发明及其实施方式进行了描述，该描述没有限制性。所以，如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的方案及实施例，均应属于本发明的保护范围。

Claims (9)

1.一种摄像头分布地图中的目标追踪系统，其特征在于：包括监控操作客户端以及视频计算服务器；其中：
所述的监控操作客户端包括嫌疑目标图像操作模块、摄像头分布地图操作模块和追踪结果展示模块，嫌疑目标图像操作模块用于在监控区域中没有找到嫌疑目标的情况下，直接导入嫌疑目标图像；或者在监控区域中找到嫌疑目标的情况下，选择含有嫌疑目标的视频帧，并用鼠标交互式勾画圈定出嫌疑目标及其所在区域；摄像头分布地图操作模块用于在地图上设置摄像头与确定搜索范围；追踪结果展示模块用于显示嫌疑目标在设定区域内经过的摄像头节点、时间以及运动信息；
所述的视频计算服务器包括视频采样模块、摄像头节点网络近邻搜索模块、嫌疑目标服色特征计算模块、视频场景中目标检测及跟踪模块，目标运动信息处理模块；所述视频采样模块用于调取监控区域任一摄像头节点视频信息；所述摄像头节点网络近邻搜索模块根据近邻原则，采用多线程并发方式搜索邻近的单摄像头场景中嫌疑目标；所述嫌疑目标服色特征计算模块用于提取嫌疑目标上装、下装或上下两部分融合后服色特征；所述视频场景中目标检测及跟踪模块用于检测嫌疑目标，并跨时段跨区域跟踪嫌疑目标；所述目标运动信息处理模块用于计算嫌疑目标的运动信息。
2.利用权利要求1所述摄像头分布地图中的目标追踪系统进行目标追踪的方法，其步骤为：
步骤一、监控操作客户端上，引入地图并标注摄像头监控点，加载视频计算服务器上对应的摄像头视频数据，构建摄像头分布地图，并在摄像头分布地图上设定搜索范围；
步骤二、在监控区域中寻找嫌疑目标，若找到嫌疑目标，则选择含有嫌疑目标的视频帧，并圈定出嫌疑目标及其所在区域；若未找到嫌疑目标，则导入嫌疑目标图像；
步骤三、嫌疑目标图像自动送入视频计算服务器，调用嫌疑目标服色特征计算模块，计算嫌疑目标的服色特征模型；
步骤四、监控操作客户端上选择起始监控摄像头节点作为核心搜索节点，视频计算服务器根据近邻原则，采用多线程并发地方式同步处理核心搜索节点视频以及该节点邻域内摄像头节点视频，采用目标检测算法，搜索嫌疑目标；
步骤五、在某个单摄像头视频中检测到嫌疑目标后，运行粒子滤波追踪算法，追踪过程中记录嫌疑目标的速度信息，直至目标在该摄像头场景中消失，单摄像头目标跟踪结束；同时，以该摄像头为核心搜索节点，重复步骤五操作；
步骤六、在设定搜索范围内完成嫌疑目标追踪后，监控操作客户端通过追踪结果展示模块，观察嫌疑目标在地图上的路径，可以根据自己的需求，下载嫌疑目标视频片段。
3.根据权利要求2所述的一种摄像头分布地图中的目标追踪方法，其特征在于：步骤三中以嫌疑目标的上装、下装或上下装服色为特征模型。
4.根据权利要求3所述的一种摄像头分布地图中的目标追踪方法，其特征在于：步骤三提取嫌疑目标的上装服色特征模型过程为：
提取嫌疑目标图像在HSV颜色模型中的H分量，采用反向投影法提取出嫌疑目标图像上装相似颜色区域，采用最大类间方差法设定阈值对处理过的图像进行二值化，然后采用区域生长法，提取出只含有上装颜色的区域，如果是导入的嫌疑目标图像，以图像的上半部分的质心为种子点，最后用边缘检测算子检测出边缘，勾勒出上装轮廓，同时计算该轮廓中颜色直方图分布的主成份核心值，作为特征模板，其核心值的计算公式如下：
H = Σ i = 1 N p i * H i Σ i = 1 N p i
其中，Pi为H分量直方图按降序重组的频次分量，选择前N个频次分量，Hi为Pi对应的H分量，N一般取直方图所有频次的前10％-30％为宜，嫌疑目标下装的服色特征模型提取方法与上装提取方法类似。
5.根据权利要求4所述的一种摄像头分布地图中的目标追踪方法，其特征在于：步骤三以嫌疑目标上装和下装服色为特征模型时，将经过区域生长法处理后的只含有上装和下装区域的图像进行数组加权融合，其融合的公式如下：
g(x)＝(1-α)f0(x)+αf1(x)
上式中，α取值为0.5，f0(x)与f1(x)分别代表经区域生长法处理后得到的上身与下装的图像数组。
6.根据权利要求2～5任一项所述的一种摄像头分布地图中的目标追踪方法，其特征在于：步骤四中视频计算服务器处理单摄像头视频的目标检测算法过程为：根据背景差分法，重点检测当前帧的候选目标，然后将提取得到的多个嫌疑目标的H分量直方图的核心值分别与目标服色的核心值相减取绝对值进行阈值λ匹配，若结果在0＜λ＜1范围内，得到的候选目标即为需要追踪的目标；同时同步记录嫌疑目标出现的时间与所处的摄像头节点；如果在该帧中匹配出现两个及以上嫌疑目标，则通过预警信号提醒用户进行人工干预，只选择一个嫌疑目标为追踪对象；如果确实没有找到嫌疑目标，则继续读取后继帧。
7.根据权利要求6所述的一种摄像头分布地图中的目标追踪方法，其特征在于：步骤五中视频计算服务器单摄像头检测出嫌疑目标后，则采用基于颜色直方图的粒子滤波跟踪算法对嫌疑目标进行跟踪，粒子滤波算法的初始粒子是视频帧中得到的嫌疑目标服色特征模型的边界位置，然后根据动态二阶自回归状态转移方程对运动状态进行预测，其方程公式如下：
X = A 1 * ( P x - P x 0 ) + A 2 * ( P x p - P x 0 ) + B 0 * g s l _ r a n _ g a u s s i a n ( r n g , T R A N S _ X _ S T D ) + P x 0 Y = A 1 * ( P y - P y 0 ) + A 2 * ( P y p - P y 0 ) + B 0 * g s l _ r a n _ g a u s s i a n ( r n g , T R A N S _ Y _ S T D ) + P y 0
其中，A1＝2.0,A2＝-1.0,B0＝1.0,TRANS_X_STD＝1.0,TRANS_Y_STD＝0.5，Px,Py分别代表粒子现在位置中心点的坐标，Px0,Py0分别代表粒子初始位置中心点坐标，Pxp,Pyp分别代表粒子前一帧位置中心点的坐标，gsl_ran_gaussian()函数为产生高斯分布的随机数；
预测后生成采样点集，采用观测方程巴氏距离公式计算预测位置与初始位置的两个H分量直方图的相似度作为权值，然后自动调整粒子的权值和位置进行重采样，修正最初的边界位置，得到需要追踪的目标。
8.根据权利要求7所述的一种摄像头分布地图中的目标追踪方法，其特征在于：视频计算服务器上进行单摄像头嫌疑目标跟踪时，记录嫌疑目标的出现时间、消失时间和时间跨度，同时根据场景的尺寸比例尺，以及记录的时间计算目标运动的速度，并根据速度的大小判断嫌疑目标运动状态。
9.根据权利要求8所述的一种摄像头分布地图中的目标追踪方法，其特征在于：在视频计算服务器多线程目标检测过程中，监控操作客户端地图上正在处于目标检测状态的摄像头节点呈现闪烁的黄色，未经检测的摄像头节点呈现灰色，已经检测到目标的摄像头节点变为红色，已经检测未发现目标的摄像头节点变为灰色，同时已经检测到目标的相邻两个摄像头节点轨迹线调用GIS的API轨迹功能，在地图上形成目标经过的踪迹。
CN201610479171.6A 2016-06-24 2016-06-24 一种摄像头分布地图中的目标追踪方法 Active CN106096577B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610479171.6A CN106096577B (zh) 2016-06-24 2016-06-24 一种摄像头分布地图中的目标追踪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610479171.6A CN106096577B (zh) 2016-06-24 2016-06-24 一种摄像头分布地图中的目标追踪方法

Publications (2)

Publication Number Publication Date
CN106096577A true CN106096577A (zh) 2016-11-09
CN106096577B CN106096577B (zh) 2019-05-31

Family

ID=57253749

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610479171.6A Active CN106096577B (zh) 2016-06-24 2016-06-24 一种摄像头分布地图中的目标追踪方法

Country Status (1)

Country Link
CN (1) CN106096577B (zh)

Cited By (41)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106529556A (zh) * 2016-11-16 2017-03-22 国家电网公司 一种仪表指示灯的视觉检测系统
CN106658199A (zh) * 2016-12-28 2017-05-10 网易传媒科技（北京）有限公司 一种视频内容的展示方法及装置
CN106651916A (zh) * 2016-12-29 2017-05-10 深圳市深网视界科技有限公司 一种目标的定位跟踪方法及装置
CN108090147A (zh) * 2017-12-08 2018-05-29 四川金英科技有限责任公司 一种视频目标智能追踪方法
CN108122242A (zh) * 2016-11-24 2018-06-05 英业达科技有限公司 物件追踪方法
CN108174147A (zh) * 2017-12-12 2018-06-15 山东科技大学 视频监控系统中视频源与追踪服务器的自动优化分配方法
CN108470180A (zh) * 2018-03-16 2018-08-31 北京学之途网络科技有限公司 一种实现信息处理的方法及装置
CN108647557A (zh) * 2017-03-06 2018-10-12 佳能株式会社 信息处理设备、信息处理方法和存储介质
CN108764032A (zh) * 2018-04-18 2018-11-06 北京百度网讯科技有限公司 煤矿探放水智能监控方法、装置、计算机设备及存储介质
WO2018205591A1 (zh) * 2017-05-11 2018-11-15 京东方科技集团股份有限公司 一种目标追踪方法和目标追踪装置
CN109271533A (zh) * 2018-09-21 2019-01-25 深圳市九洲电器有限公司 一种多媒体文件检索方法
CN109598240A (zh) * 2018-12-05 2019-04-09 深圳市安软慧视科技有限公司 视频目标快速重识别方法及系统
CN109727269A (zh) * 2019-03-29 2019-05-07 中国人民解放军国防科技大学 一种基于单目视觉和道路地图的匹配定位方法
CN109785367A (zh) * 2019-01-21 2019-05-21 视辰信息科技(上海)有限公司 三维模型追踪中外点滤除方法和装置
CN109815861A (zh) * 2019-01-11 2019-05-28 佰路得信息技术(上海)有限公司 一种基于人脸识别的用户行为信息统计方法
CN109829936A (zh) * 2019-01-29 2019-05-31 青岛海信网络科技股份有限公司 一种目标追踪的方法及设备
CN110113581A (zh) * 2019-06-13 2019-08-09 沈力 一种智慧城市监控系统及方法
CN110191424A (zh) * 2019-05-16 2019-08-30 武汉数矿科技股份有限公司 一种特定嫌疑人的轨迹生成方法和装置
CN110399517A (zh) * 2018-12-25 2019-11-01 北京嘀嘀无限科技发展有限公司 一种路径确定方法、装置、电子设备和计算机存储介质
CN110659391A (zh) * 2019-08-29 2020-01-07 苏州千视通视觉科技股份有限公司 一种视频侦查方法及装置
CN111223131A (zh) * 2020-01-14 2020-06-02 山东科技大学 一种特定目标与嫌疑目标持续移动的监控追踪方法
CN111385522A (zh) * 2018-12-27 2020-07-07 杭州海康威视系统技术有限公司 一种运动对象的展示方法、装置、系统及电子设备
CN111405382A (zh) * 2019-06-24 2020-07-10 杭州海康威视系统技术有限公司 视频摘要生成方法、装置、计算机设备和存储介质
CN112036306A (zh) * 2020-08-31 2020-12-04 公安部第三研究所 基于监控视频解析实现目标追踪的系统及其方法
CN112102367A (zh) * 2020-09-21 2020-12-18 中国电子科技集团公司第二十八研究所 一种基于运动模型的视频分析算力实时分配调度方法
CN112131904A (zh) * 2019-06-24 2020-12-25 曜科智能科技（上海）有限公司 基于图匹配的多目标跨镜追踪方法、装置、设备和介质
CN112199554A (zh) * 2020-10-20 2021-01-08 重庆紫光华山智安科技有限公司 一种追踪目标检索方法、系统、介质及电子终端
CN112288865A (zh) * 2019-07-23 2021-01-29 比亚迪股份有限公司 地图的构建方法、装置、设备及存储介质
CN112348856A (zh) * 2019-08-09 2021-02-09 盐城吉大智能终端产业研究院有限公司 基于网络系统拓扑结构的多摄像头协同分析方法及系统
CN112365522A (zh) * 2020-10-19 2021-02-12 中标慧安信息技术股份有限公司 园区内人员跨境追踪的方法
CN113114938A (zh) * 2021-04-12 2021-07-13 滁州博格韦尔电气有限公司 一种基于电子信息的目标精确监控系统
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
CN113128282A (zh) * 2019-12-31 2021-07-16 深圳云天励飞技术有限公司 一种人群类别的划分方法、装置及终端
WO2021146952A1 (zh) * 2020-01-21 2021-07-29 深圳市大疆创新科技有限公司 跟随方法、可移动平台、装置和存储介质
CN113206955A (zh) * 2021-04-25 2021-08-03 青岛海信智慧生活科技股份有限公司 一种人员轨迹识别多摄像头调度的方法及装置
CN113449714A (zh) * 2021-09-02 2021-09-28 深圳奥雅设计股份有限公司 一种用于儿童游乐场地的人脸识别方法及系统
CN113449563A (zh) * 2020-03-26 2021-09-28 深圳云天励飞技术有限公司 一种人员跟踪标记方法、装置、电子设备及存储介质
CN113837023A (zh) * 2021-09-02 2021-12-24 北京新橙智慧科技发展有限公司 一种跨摄像头行人自动追踪方法
CN114782793A (zh) * 2022-04-27 2022-07-22 重庆紫光华山智安科技有限公司 目标嫌疑度识别方法、系统、设备及介质
CN115225963A (zh) * 2022-06-24 2022-10-21 浪潮通信技术有限公司 室内定位监控方法及装置
CN116886874A (zh) * 2023-08-11 2023-10-13 广东盈香生态园有限公司 一种生态园安防监控预警数据的采集方法及其系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102289822A (zh) * 2011-09-09 2011-12-21 南京大学 一种多摄像机协同跟踪运动目标的方法
CN103268480A (zh) * 2013-05-30 2013-08-28 重庆大学 一种视觉跟踪系统及方法
CN103500230A (zh) * 2013-10-25 2014-01-08 苏州千视通信科技有限公司 基于样本图像的视频检索方法
CN104581000A (zh) * 2013-10-12 2015-04-29 北京航天长峰科技工业集团有限公司 一种视频关注目标的运动轨迹的快速检索方法
US9213904B1 (en) * 2013-03-15 2015-12-15 PureTech Systems Inc. Autonomous lock-on target tracking with geospatial-aware PTZ cameras
CN105245850A (zh) * 2015-10-27 2016-01-13 太原市公安局 跨监控摄像头进行目标追踪的方法、装置和系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102289822A (zh) * 2011-09-09 2011-12-21 南京大学 一种多摄像机协同跟踪运动目标的方法
US9213904B1 (en) * 2013-03-15 2015-12-15 PureTech Systems Inc. Autonomous lock-on target tracking with geospatial-aware PTZ cameras
CN103268480A (zh) * 2013-05-30 2013-08-28 重庆大学 一种视觉跟踪系统及方法
CN104581000A (zh) * 2013-10-12 2015-04-29 北京航天长峰科技工业集团有限公司 一种视频关注目标的运动轨迹的快速检索方法
CN103500230A (zh) * 2013-10-25 2014-01-08 苏州千视通信科技有限公司 基于样本图像的视频检索方法
CN105245850A (zh) * 2015-10-27 2016-01-13 太原市公安局 跨监控摄像头进行目标追踪的方法、装置和系统

Cited By (53)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106529556B (zh) * 2016-11-16 2019-11-19 国家电网公司 一种仪表指示灯的视觉检测系统
CN106529556A (zh) * 2016-11-16 2017-03-22 国家电网公司 一种仪表指示灯的视觉检测系统
CN108122242A (zh) * 2016-11-24 2018-06-05 英业达科技有限公司 物件追踪方法
CN106658199A (zh) * 2016-12-28 2017-05-10 网易传媒科技（北京）有限公司 一种视频内容的展示方法及装置
CN106658199B (zh) * 2016-12-28 2020-05-22 网易传媒科技（北京）有限公司 一种视频内容的展示方法及装置
CN106651916B (zh) * 2016-12-29 2019-09-03 深圳市深网视界科技有限公司 一种目标的定位跟踪方法及装置
CN106651916A (zh) * 2016-12-29 2017-05-10 深圳市深网视界科技有限公司 一种目标的定位跟踪方法及装置
CN108647557A (zh) * 2017-03-06 2018-10-12 佳能株式会社 信息处理设备、信息处理方法和存储介质
WO2018205591A1 (zh) * 2017-05-11 2018-11-15 京东方科技集团股份有限公司 一种目标追踪方法和目标追踪装置
US10872421B2 (en) 2017-05-11 2020-12-22 Boe Technology Group Co., Ltd. Object tracking method and object tracking device
CN108090147A (zh) * 2017-12-08 2018-05-29 四川金英科技有限责任公司 一种视频目标智能追踪方法
CN108174147A (zh) * 2017-12-12 2018-06-15 山东科技大学 视频监控系统中视频源与追踪服务器的自动优化分配方法
CN108174147B (zh) * 2017-12-12 2020-01-03 山东科技大学 视频监控系统中视频源与追踪服务器的自动优化分配方法
CN108470180A (zh) * 2018-03-16 2018-08-31 北京学之途网络科技有限公司 一种实现信息处理的方法及装置
CN108764032A (zh) * 2018-04-18 2018-11-06 北京百度网讯科技有限公司 煤矿探放水智能监控方法、装置、计算机设备及存储介质
CN109271533A (zh) * 2018-09-21 2019-01-25 深圳市九洲电器有限公司 一种多媒体文件检索方法
CN109598240A (zh) * 2018-12-05 2019-04-09 深圳市安软慧视科技有限公司 视频目标快速重识别方法及系统
CN110399517A (zh) * 2018-12-25 2019-11-01 北京嘀嘀无限科技发展有限公司 一种路径确定方法、装置、电子设备和计算机存储介质
CN111385522A (zh) * 2018-12-27 2020-07-07 杭州海康威视系统技术有限公司 一种运动对象的展示方法、装置、系统及电子设备
CN109815861A (zh) * 2019-01-11 2019-05-28 佰路得信息技术(上海)有限公司 一种基于人脸识别的用户行为信息统计方法
CN109785367A (zh) * 2019-01-21 2019-05-21 视辰信息科技(上海)有限公司 三维模型追踪中外点滤除方法和装置
CN109829936A (zh) * 2019-01-29 2019-05-31 青岛海信网络科技股份有限公司 一种目标追踪的方法及设备
CN109829936B (zh) * 2019-01-29 2021-12-24 青岛海信网络科技股份有限公司 一种目标追踪的方法及设备
CN109727269A (zh) * 2019-03-29 2019-05-07 中国人民解放军国防科技大学 一种基于单目视觉和道路地图的匹配定位方法
CN110191424A (zh) * 2019-05-16 2019-08-30 武汉数矿科技股份有限公司 一种特定嫌疑人的轨迹生成方法和装置
CN110113581A (zh) * 2019-06-13 2019-08-09 沈力 一种智慧城市监控系统及方法
CN111405382A (zh) * 2019-06-24 2020-07-10 杭州海康威视系统技术有限公司 视频摘要生成方法、装置、计算机设备和存储介质
CN112131904A (zh) * 2019-06-24 2020-12-25 曜科智能科技（上海）有限公司 基于图匹配的多目标跨镜追踪方法、装置、设备和介质
CN112131904B (zh) * 2019-06-24 2024-03-15 曜科智能科技（上海）有限公司 基于图匹配的多目标跨镜追踪方法、装置、设备和介质
CN112288865A (zh) * 2019-07-23 2021-01-29 比亚迪股份有限公司 地图的构建方法、装置、设备及存储介质
CN112348856A (zh) * 2019-08-09 2021-02-09 盐城吉大智能终端产业研究院有限公司 基于网络系统拓扑结构的多摄像头协同分析方法及系统
CN110659391A (zh) * 2019-08-29 2020-01-07 苏州千视通视觉科技股份有限公司 一种视频侦查方法及装置
CN113128282A (zh) * 2019-12-31 2021-07-16 深圳云天励飞技术有限公司 一种人群类别的划分方法、装置及终端
CN111223131A (zh) * 2020-01-14 2020-06-02 山东科技大学 一种特定目标与嫌疑目标持续移动的监控追踪方法
CN111223131B (zh) * 2020-01-14 2022-05-03 山东科技大学 一种特定目标与嫌疑目标持续移动的监控追踪方法
WO2021146952A1 (zh) * 2020-01-21 2021-07-29 深圳市大疆创新科技有限公司 跟随方法、可移动平台、装置和存储介质
CN113449563A (zh) * 2020-03-26 2021-09-28 深圳云天励飞技术有限公司 一种人员跟踪标记方法、装置、电子设备及存储介质
CN112036306A (zh) * 2020-08-31 2020-12-04 公安部第三研究所 基于监控视频解析实现目标追踪的系统及其方法
CN112102367B (zh) * 2020-09-21 2022-09-06 中国电子科技集团公司第二十八研究所 一种基于运动模型的视频分析算力实时分配调度方法
CN112102367A (zh) * 2020-09-21 2020-12-18 中国电子科技集团公司第二十八研究所 一种基于运动模型的视频分析算力实时分配调度方法
CN112365522A (zh) * 2020-10-19 2021-02-12 中标慧安信息技术股份有限公司 园区内人员跨境追踪的方法
CN112199554B (zh) * 2020-10-20 2022-11-11 重庆紫光华山智安科技有限公司 一种追踪目标检索方法、系统、介质及电子终端
CN112199554A (zh) * 2020-10-20 2021-01-08 重庆紫光华山智安科技有限公司 一种追踪目标检索方法、系统、介质及电子终端
CN113114938B (zh) * 2021-04-12 2022-07-19 滁州博格韦尔电气有限公司 一种基于电子信息的目标精确监控系统
CN113114938A (zh) * 2021-04-12 2021-07-13 滁州博格韦尔电气有限公司 一种基于电子信息的目标精确监控系统
CN113206955A (zh) * 2021-04-25 2021-08-03 青岛海信智慧生活科技股份有限公司 一种人员轨迹识别多摄像头调度的方法及装置
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
CN113837023A (zh) * 2021-09-02 2021-12-24 北京新橙智慧科技发展有限公司 一种跨摄像头行人自动追踪方法
CN113449714A (zh) * 2021-09-02 2021-09-28 深圳奥雅设计股份有限公司 一种用于儿童游乐场地的人脸识别方法及系统
CN114782793A (zh) * 2022-04-27 2022-07-22 重庆紫光华山智安科技有限公司 目标嫌疑度识别方法、系统、设备及介质
CN114782793B (zh) * 2022-04-27 2024-08-09 重庆紫光华山智安科技有限公司 目标嫌疑度识别方法、系统、设备及介质
CN115225963A (zh) * 2022-06-24 2022-10-21 浪潮通信技术有限公司 室内定位监控方法及装置
CN116886874A (zh) * 2023-08-11 2023-10-13 广东盈香生态园有限公司 一种生态园安防监控预警数据的采集方法及其系统

Also Published As

Publication number Publication date
CN106096577B (zh) 2019-05-31

Similar Documents

Publication Publication Date Title
CN106096577B (zh) 一种摄像头分布地图中的目标追踪方法
CN108764085B (zh) 基于生成对抗网络的人群计数方法
CN109919981A (zh) 一种基于卡尔曼滤波辅助的多特征融合的多目标跟踪方法
CN103440668B (zh) 一种在线视频目标跟踪方法和装置
CN103810717B (zh) 一种人体行为检测方法及装置
CN110443969A (zh) 一种火点检测方法、装置、电子设备及存储介质
CN108121945A (zh) 一种多目标检测跟踪方法、电子设备及存储介质
CN103646257B (zh) 一种基于视频监控图像的行人检测和计数方法
CN106557774A (zh) 多通道核相关滤波的实时跟踪方法
CN109446989A (zh) 人群聚集检测方法、装置及存储介质
CN103605983B (zh) 一种遗留物检测和跟踪方法
CN107993250A (zh) 一种快速多目标行人追踪和分析方法及其智能装置
CN114049477A (zh) 一种过鱼鱼道系统、鱼类数量和种类的动态识别跟踪方法
CN102034267A (zh) 基于关注度的目标物三维重建方法
CN113436229A (zh) 一种多目标跨摄像机行人轨迹路径的生成方法
CN106023249A (zh) 一种基于局部二值相似性模式的运动目标检测方法
CN108846852A (zh) 基于多示例和时间序列的监控视频异常事件检测方法
CN110490899A (zh) 一种结合目标跟踪的可变形施工机械的实时检测方法
CN108471497A (zh) 一种基于云台摄像机的船目标实时检测方法
CN110298234A (zh) 基于人体姿态识别的变电站带电区域安全预警方法及系统
CN106887014B (zh) 一种跨摄像头的行人轨迹匹配方法
Pan et al. Key algorithms of video target detection and recognition in intelligent transportation systems
CN105957060B (zh) 一种基于光流分析的tvs事件分簇方法
CN108717522A (zh) 一种基于深度学习和相关滤波的人体目标跟踪方法
CN108764026A (zh) 一种基于时序检测单元预筛选的视频行为检测方法

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20220208

Address after: 221000 5th floor, building C6, Xuzhou Software Park, No. 6, Software Park Road, Quanshan District, Xuzhou City, Jiangsu Province

Patentee after: Xuzhou Hanze Information Technology Co.,Ltd.

Address before: 243002 No. 59 East Lake Road, Anhui, Ma'anshan

Patentee before: ANHUI University OF TECHNOLOGY

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240411

Address after: Room C308-2, 3rd Floor, Zone C, University Entrepreneurship Park, No. 99 Daxue Road, High tech Industrial Development Zone, Xuzhou City, Jiangsu Province, 221000

Patentee after: Jiangsu thinking driven intelligent Research Institute Co.,Ltd.

Country or region after: China

Address before: 221000 5th floor, building C6, Xuzhou Software Park, No. 6, Software Park Road, Quanshan District, Xuzhou City, Jiangsu Province

Patentee before: Xuzhou Hanze Information Technology Co.,Ltd.

Country or region before: China