CN106529456A - 信息匹配和信息收发方法、装置及目标对象找寻系统 - Google Patents
信息匹配和信息收发方法、装置及目标对象找寻系统 Download PDFInfo
- Publication number
- CN106529456A CN106529456A CN201610965334.1A CN201610965334A CN106529456A CN 106529456 A CN106529456 A CN 106529456A CN 201610965334 A CN201610965334 A CN 201610965334A CN 106529456 A CN106529456 A CN 106529456A
- Authority
- CN
- China
- Prior art keywords
- information
- looked
- server
- destination object
- user
- 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
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
-
- 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
- G06V20/48—Matching video sequences
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
- Studio Devices (AREA)
Abstract
本发明实施例公开了信息匹配和信息收发方法、装置及目标对象找寻系统。该信息匹配方法应用于监控终端,包括:接收服务器发送的待找寻目标对象的图像特征数据,并获取摄像头当前捕获的视频画面;根据构建的神经网络模型,确定所述视频画面中是否存在与所述图像特征数据相匹配的特征;基于特征匹配结果,形成所述待找寻目标对象的第一找寻信息并发送至所述服务器,以使所述服务器向用户展示所述第一找寻信息。利用该方法,能够根据摄像头实时捕获的视频画面来针对性的找寻丢失的目标对象,由此可以简单快速的获得目标对象的实时找寻结果,从而大大提高了丢失人员的找回概率。
Description
技术领域
本发明实施例涉及计算机应用技术领域,尤其涉及信息匹配和信息收发方法、装置及目标对象找寻系统。
背景技术
人口拐卖问题一直是很严重的社会问题,而对于丢失人员的找寻一般都是通过人为发现取得成功,其找回几率非常低。
随着互联网技术的发展,目前也出现了一些专门解决丢失人员问题的网站,这些网站往往通过搜集丢失人员相关图片,然后基于互联网转发让更多的人参与到找寻工作中的方式进行丢失人员找寻,然而,该种方式更多的需要依赖人们的自觉性,因此通过该找寻方式找回丢失人员的概率也很低,
目前,一直没有一个有效的技术手段能够更好的解决丢失人员找回的问题。
发明内容
本发明实施例提供了信息匹配和信息收发方法、装置及目标对象找寻系统,能够更有针对性的找寻丢失的目标对象,从而大大提高目标对象的找回概率。
第一方面,本发明实施例提供了一种信息匹配方法,该方法应用于监控终端,包括:
接收服务器发送的待找寻目标对象的图像特征数据,并获取摄像头当前捕获的视频画面;
根据构建的神经网络模型,确定所述视频画面中是否存在与所述图像特征数据相匹配的特征;
基于特征匹配结果,形成所述待找寻目标对象的第一找寻信息并发送至所述服务器,以使所述服务器向用户展示所述第一找寻信息。
第二方面,本发明实施例提供了一种信息收发方法,该方法应用于服务器,包括:
获取用户提交的待找寻目标对象的图像信息,提取所述图像信息的图像特征数据,并发送给监控终端;和/或
接收所述监控终端反馈的第一找寻信息,并将所述第一找寻信息展示给所述用户。
第三方面,本发明实施例提供了一种信息匹配装置,该装置配置于监控终端中,包括:
信息获取模块,用于接收服务器发送的待找寻目标对象的图像特征数据,并获取摄像头当前捕获的视频画面;
特征匹配模块,用于根据构建的神经网络模型,确定所述视频画面中是否存在与所述图像特征数据相匹配的特征;
信息反馈模块,用于基于特征匹配结果,形成所述待找寻目标对象的第一找寻信息并发送至所述服务器,以使所述服务器向用户展示所述第一找寻信息。
第四方面,本发明实施例提供了一种信息收发装置,该装置配置在服务器上,包括:
信息发送模块,用于获取用户提交的待找寻目标对象的图像信息,提取所述图像信息的图像特征数据,并发送给监控终端;和/或
第一信息展示模块,用于接收所述监控终端反馈的第一找寻信息,并将所述第一找寻信息展示给所述用户。
第五方面,本发明实施例提供了一种目标对象找寻系统,包括:至少一个配置配置有本发明任意实施例提供的信息匹配装置的监控终端、配置有本发明任意实施例提供的信息收发装置的服务器以及至少一个摄像头;
其中,所述服务器,与至少一个监控终端连接,用于根据信息收发装置收发所述至少一个监控终端反馈的信息,并对应展示给用户;
所述至少一个监控终端,分别与至少一个摄像头连接,用于根据信息匹配装置进行信息匹配。
本发明实施例中提供的信息匹配和信息收发方法、装置及目标对象找寻系统。可以通过配置有信息匹配装置的监控终端确定待找寻目标对象的第一找寻信息,并将第一找寻信息发送给配置有信息收发装置的服务器;最终,通过该服务器可将第一找寻信息展示给用户。利用该目标对象找寻系统,能够仅根据用户提供的目标对象的图像信息,就简单快速的获得目标对象的找寻结果,由此能够更有针对性、更高效地实现丢失人员的找寻,从而大大提高了丢失人员的找回概率。
附图说明
图1为本发明实施例一提供的一种信息匹配方法的流程示意图;
图2为本发明实施例二提供的一种信息收发方法的流程示意图;
图3为本发明实施例三提供的一种信息收发方法的流程示意图;
图4为本发明实施例四提供的一种信息匹配装置的结构框图;
图5为本发明实施例五提供的一种信息收发装置的结构框图;
图6为本发明实施例六提供的一种目标对象找寻系统的系统架构图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种信息匹配方法的流程示意图,该方法适用于对现实生活中丢失人员的图像信息进行信息匹配的情况,且可以由信息匹配装置执行,其中该装置可以由软件和/或硬件实现,并一般配置于监控终端中。
如图1所示,本发明实施例一提供的信息匹配方法,包括如下操作:
需要说明的是,本实施例中可以基于信息匹配装置执行下述步骤S101至步骤S103,由于信息匹配装置配置于监控终端中,由此可认为本实施例由监控终端实现了下述步骤。
S101、接收服务器发送的待找寻目标对象的图像特征数据,并获取摄像头当前捕获的视频画面。
在本实施例中,待找寻目标对象具体可指现实生活中的丢失人员,如老人、妇女以及儿童等;所述待找寻目标对象的图像特征数据,可以由服务器从包含待找寻目标对象的一张或多张照片中提取,或者还可以从包含待找寻目标对象的一段或几段视频中提取。
在本实施例中,摄像头具体可为高清的遍布城市各个角落的公共摄像头,每个摄像头存在对应的捕获区域,摄像头可以实时捕获对应捕获区域中的视频画面。需要说明的是,执行本实施例操作的监控终端与上述至少一个摄像头存在有线或无线连接,由此能够获取摄像头当前捕获的视频画面,且所获取的视频画面中还包含有该视频画面的捕获时间,一般地,还可将摄像头当前捕获的视频画面看作是摄像头实时捕获的视频画面。
S102、根据构建的神经网络模型,确定所述视频画面中是否存在与所述图像特征数据相匹配的特征。
在本实施例中,所述神经网络模型具体可理解为能够根据输入的特征数据进行人物识别匹配的机器学习模型。该神经网络模型可通过不断的训练学习构建而成,一般地,训练学习时的训练样本数据来自于预先设定的标准测试集,此外,其构建过程也相当于所述神经网络模型的初始化过程。本实施例中,通过该神经网络模型可以通过特征匹配来确认两张图像中的人物是否为同一人。
具体地,根据构建的神经网络模型,确定视频画面中是否存在与图像特征数据相匹配的特征可表述为:将所述图像特征数据及所述视频画面中的特征数据作为神经网络模型的输入数据,由此可以基于神经网络模型的输出数据判定所述当前视频画面是否与图像特征数据相匹配。示例性地,可以是在神经网络模型的输出数据为1时确定为特征相匹配,输出数据为0时确定为特征不匹配。
S103、基于特征匹配结果,形成所述待找寻目标对象的第一找寻信息并发送至所述服务器,以使所述服务器向用户展示所述第一找寻信息。
在本实施例中,所述特征匹配结果包括上述的特征相匹配和特征不匹配两种情况。一般地,根据不同地特征匹配结果,可以为待找寻目标对象确定不同的第一找寻信息,示例性地,如特征不匹配时,对应形成的第一找寻信息可以是类似于特征匹配失败的文字说明。可以理解的是,本实施例所形成的第一找寻信息将反馈给服务器,服务器可将反馈的第一找寻信息展示给用户(找寻者)。
进一步地,本实施例还将“形成所述待找寻目标对象的第一找寻信息并发送至所述服务器”具体化为:如果所述视频画面中存在相匹配的特征,则将所述视频画面及对应的视频捕获信息作为所述待找寻目标对象的第一找寻信息并发送至所述服务器;否则,将实时特征匹配失败作为所述待找寻目标对象的第一找寻信息并发送至所述服务器。
在本实施例中,监控终端在获取摄像头捕获的视频画面时,还可以获取到视频画面对应的视频捕获信息,所述视频捕获信息中可以包括对应摄像头的摄像头编号以及该摄像头所处的地理空间位置,因此,本实施例基于所述视频捕获信息就可以确定所获取视频画面的具体所在位置。此外,需要说明的是,存在一个设定的摄像头管理系统可以确定所述视频捕获信息并发送给监控终端。
当基于神经网络模型确定为特征相匹配时,可认为所获取视频画面中包含了待找寻目标对象的图像信息,此时可通过该视频画面对应的视频捕获信息确定待找寻目标对象的当前所在位置。因此,基于上述步骤可以将该视频画面以及对应的视频捕获信息作为第一找寻信息通过网络通道实时反馈给服务器。
此外,当基于神经网络模型确定为特征不匹配,则可认为视频画面中不包含待找寻目标对象的图像信息,相当于基于上述操作并没有实时的发现待找寻目标对象,此时,可以将实时特征匹配失败作为第一找寻信息反馈给服务器。
本发明实施例一提供的信息匹配方法,可以根据构建的神经网络模型确定与图像特征数据相匹配的实时视频画面,以保证能够实时的获取到目标对象的找寻信息。利用该方法,能够根据摄像头实时捕获的视频画面来针对性的找寻丢失的目标对象,由此可以简单快速的获得目标对象的实时找寻结果,从而大大提高了丢失人员的找回概率。
实施例二
图2为本发明实施例二提供的一种信息收发方法的流程示意图。该方法适用于向找寻者提供并展示找寻信息的情况,且可以由信息收发装置执行,其中该装置可以由软件和/或硬件实现,并一般配置在服务器上。
如图2所示,本发明实施例二提供的信息手法方法,包括如下操作:
需要说明的是,本实施例中可以基于信息收发装置执行下述步骤S201和/或步骤S202,由于信息收发装置配置在服务器上,由此可认为本实施例由服务器实现下述步骤。
S201、获取用户提交的待找寻目标对象的图像信息,提取所述图像信息的图像特征数据,并发送给监控终端。和/或
在本实施例中,待找寻目标对象具体可指现实生活中的丢失人员,如老人、妇女以及儿童等;其待找寻目标对象的图像信息具体可以是包含待找寻目标对象的一张或多张照片,或者包含待找寻目标对象的一段或几段视频等。
在本实施例中,所获取的待找寻目标对象的图像信息可以由用户(找寻者)提供,具体地,用户可在持有的终端设备上通过设定的应用客户端或者登录设定的网页,进入目标对象找寻界面,之后可根据提示信息将待找寻目标对象的图像信息提交到服务器。需要说明的是,用户所持有的终端设备可以智能手机、平板电脑或者台式电脑等具有联网功能的电子设备。
在本实施例中,可对所获取的图像信息进行图像特征数据提取,一般地,可基于现有的图像特征提取算法进行图像特征数据提取,以使所述图像信息转换成机器能够识别的图像特征数据,其中,常见的图像特征提取算法有用于线性特征提取的主分量分析算法、投影追踪算法以及用于非线性特征提取的支持向量机算法等,这里不再赘述。
在本实施例中,需要将获取的图像特征数据分发给监控终端,其中,执行该操作的服务器可以通过网络通道于监控终端进行信息交互,此外,本实施例中与服务器可与至少一个监控终端进行信息交互,因此,服务器可以将提取的图像特征数据分发给至少一个监控终端,相应的,上述至少一个监控终端可以通过执行信息匹配方法来对图像特征数据进行特征匹配。
S202、接收所述监控终端反馈的所述待找寻目标对象的第一找寻信息,并将所述第一找寻信息展示给所述用户。
在本实施例中,服务器可以接收监控终端反馈的第一找寻信息,其中,所述第一找寻信息可以由监控终端根据设定的信息匹配方法对所述图像特征数据进行特征匹配判定获得。具体地,所述第一找寻信息包括了基于监控终端找寻处理时的找寻成功信息或找寻失败信息,同时,在找寻成功时,第一找寻信息中还包括了找寻成功的具体信息,示例性地,该具体信息可以是包含待找寻目标对象的视频画面和/或待找寻目标对象当前可能所在的地理位置信息等。
在本实施例中,服务器接收到所述第一找寻信息后,可以将该第一找寻信息展示给用户(找寻者),一般地,可以将第一找寻信息以地图形式及图像播放形式展现在用户终端的显示界面上。需要说明的是,服务器可以同时接收至少一个监控终端反馈的第一找寻信息,因此,服务器可以基于设定规则将所接收的第一找寻信息展示给用户,示例性地,如当存在找寻成功的第一找寻信息时,可以仅向用户展示找寻成功的第一找寻信息;当不存在找寻成功的第一找寻信息时,可以根据第一找寻信息的反馈时间逐个向用户展示。
进一步地,本实施例还将“将所述第一找寻信息展示给所述用户”具体优化为:如果所述第一找寻信息为实时特征匹配失败,则在所述用户的终端界面上显示所述待找寻目标对象实时找寻失败;如果所述第一找寻信息为所述视频画面及对应的视频捕获信息,则在所述用户的终端界面上播放所述视频画面,并以地图形式显示所述视频捕获信息中包含的地理空间位置。
在本实施例中,可认为所述监控终端对所述图像特征数据的特征匹配为实时特征匹配,即通过与摄像头当前捕获的视频画面进行特征匹配来确定视频画面中是否存在待找寻的目标对象,如果特征匹配失败,则向服务器反馈的第一找寻信息为实时特征匹配失败,因此,服务器需要在用户的终端界面上显示找寻目标对象实时找寻失败的文字说明。
在本实施例中,如果服务器接收的第一找寻信息为视频画面及对应的视频捕获信息,则可认为基于监控终端进行的信息匹配取得了成功,即相当于在摄像头实时捕获的视频画面中确定了待找寻目标对象。因此,服务器可以在用户的终端界面上播放该视频画面,以供用户确认所找寻的信息是否正确,并同时以地图形式显示视频画面所在的地理空间位置,以确定待找寻目标对象的当前所在位置。
本发明实施例二提供的一种信息收发方法,可以获取用户提交的待找寻目标对象的图像信息,并提取该图像信息的图像特征数据发送给监控终端;还可以接收监控终端对图像特征数据信息匹配后反馈的第一找寻信息,并展示给用户。利用该信息收发方法,能够仅根据用户提供的目标对象的图像信息,就简单快速的获得目标对象的找寻结果,由此能够更有针对性、更高效地实现丢失人员的找寻,从而大大提高了丢失人员的找回概率。
实施例三
图3为本发明实施例三提供的一种信息收发方法的流程示意图,本发明实施例在上述实施例的基础上进行优化,在本实施例中,优化增加了:如果接收的第一找寻信息为实时特征匹配失败,则根据所述神经网络模型确定图像信息库中是否存在与所述图像特征数据相匹配的历史视频文件;如果确定存在至少一个相匹配的历史视频文件,则获取筛选后确定的目标视频文件,并基于所述目标视频文件预测所述待找寻目标对象的当前所在区域,将所述目标视频文件及所述当前所在区域作为第二找寻信息展示给所述用户;否则,将历史特征匹配失败作为所述第二找寻信息并展示给所述用户。
如图3所示,本发明实施例三提供的一种信息收发方法,包括如下操作:
S301、获取用户提交的待找寻目标对象的图像信息,提取所述图像信息的图像特征数据,并发送给监控终端;和/或
S302、接收所述监控终端反馈的所述待找寻目标对象的第一找寻信息,并将所述第一找寻信息展示给所述用户。
在本实施例中,上述步骤S301和/或步骤S302已在上述实施例中详述,这里不再赘述。
S303、如果接收的第一找寻信息为实时特征匹配失败,则根据所述神经网络模型确定图像信息库中是否存在与所述图像特征数据相匹配的历史视频文件。
具体地,上述接收的第一找寻信息为实时特征匹配失败,可看作所有与服务器存在通信连接的监控终端所反馈的第一找寻信息均为实时特征匹配失败。此时,本实施例可根据已构建神经网络模型将待找寻目标对象的图像特征数据与图像信息库中的历史视频文件进行特征匹配,并确定相应的匹配结果。
在本实施例中,其特征匹配过程可表述为:可以将所述图像特征数据及历史视频文件中视频画面帧的特征数据作为神经网络模型的输入数据,最终可根据神经网络模型的输出结果确定图像特征数据是否与历史视频文件中的画面帧存在特征匹配。
进一步地,所述历史视频文件为监控终端在设定时间内获取的视频画面,所述视频画面基于摄像头捕获;同时,所述图像信息库以行形式存储所述历史视频文件及对应的视频捕获信息。
其中,所述设定时间可以系统默认,也可以人为设定,一般地,系统默认该设定时间为24小时,为了便于后续对历史视频文件的使用,本实施例优选地确定该设定时间为4小时,即可以将基于摄像头在4小时内捕获的视频画面作为一个历史视频文件进行存储。此外,在进行历史视频文件存储时,可以建立摄像头与历史视频文件的对应关系,即将每个摄像头产生的历史视频文件与该摄像头的视频捕获信息一起以行形式存放到设定的图像信息库中。
可以理解的是,所述图像信息库可以存放多个监控终端获取的历史视频文件,即,可认为所有摄像头产生的历史视频文件均可以存放在该图像信息库中,因此,本实施例要求所述图像信息库具有足够的存储空间,或者可直接将所述图像信息库建立于设定的云计算平台上。此外,为了保证图像信息库中的历史视频文件的时效性,所述图像信息库中仅优选地存储距离当前时间3个月内的历史视频文件。
S304、如果确定存在至少一个相匹配的历史视频文件,则执行步骤S305;否则,执行步骤S306。
在本实施例中,当图像特征数据与其中一个历史视频文件中的视频画面帧存在特征匹配时,可确定该历史视频文件与所述图像特征数据相匹配。此时可以执行步骤S305,如果不存在相匹配的历史视频文件,则可执行步骤S306。
S305、获取筛选后确定的目标视频文件,并基于所述目标视频文件预测所述待找寻目标对象的当前所在区域,将所述目标视频文件及所述当前所在区域作为第二找寻信息展示给所述用户。
在本实施例中,由于历史视频文件的文件数量较多,基于神经网络模型匹配时有可能确定出多个相匹配的历史视频文件,同时,局限于神经网络模型匹配识别精准度,所确定出的多个相匹配的历史视频文件可能存在匹配识别错误的情况,因此,需要对所确定的历史视频文件进行筛选。
示例性地,对所述历史视频文件的筛选处理可以由相关运维人员执行,相关运维人员可手动筛选确定出的历史视频文件,并将筛选后确定的目标视频文件提交给服务器。需要注意的是,相关运维人员还可将筛选后的目标视频文件提交给神经网络模型,神经网络模型可基于筛选后的目标视频文件进行训练学习,由此来不断提高神经网络模型匹配识别的精准度。
在本实施例中,服务器可以获取筛选后的目标视频文件,可以理解的是,服务器获取的所述目标视频文件的个数可以为0,此时服务器可确定历史特征匹配失败为第二找寻信息。当服务器获取的目标视频文件个数不为0时,可以基于目标视频文件的时间信息及对应的视频捕获信息预测待找寻目标对象的当前所在区域,一般地,可以通过三角测量算法等相应的位置预测算法来预测所述待找寻目标对象当前最可能所处的区域,其中,待找寻目标对象当前最可能所处的区域可以简称为当前所在区域。
需要说明的是,所述目标视频文件中包含了根据神经网络模型进行特征匹配时与图像特征数据相匹配的视频画面帧以及该视频画面帧对应的时间信息。因此,在将目标视频文件及当前所在区域作为第二找寻信息时,服务器向用户展示的内容有:预测出的当前所在区域、包含待找寻目标找对象的视频画面帧以及该视频画面帧的时间信息,其中,当前所在区域可以以地图形式向用户展示。
S306、将历史特征匹配失败作为所述第二找寻信息并展示给所述用户。
在本实施例中,如果服务器基于历史视频文件也没有找寻到所述待找寻目标对象,则可确定第二找寻信息为历史特征匹配失败,并可以向用户显示找寻失败的文字说明。
本发明实施例三提供的一种信息收发方法,还具体增加了实时特征匹配失败后基于历史视频文件进行的历史特征匹配的操作,即,根据已构建的神经网络模型确定图像信息库中与图像特征数据相匹配的历史视频文件,以根据历史视频文件确定目标对象当前可能所在的区域。利用该方法,能够根据摄像头捕获的历史视频文件来针对性的找寻丢失的目标对象,由此也可以简单快速的获得目标对象的实时找寻结果,进一步提高丢失人员的找回概率。
实施例四
图4为本发明实施例四提供的一种信息匹配装置的结构框图,该装置适用于对现实生活中丢失人员的图像信息进行信息匹配的情况,其中该装置可以由软件和/或硬件实现,并一般配置于监控终端中。如图4所示,该装置包括:信息获取模块41、特征匹配模块42以及信息反馈模块43。
其中,信息获取模块41,用于接收服务器发送的待找寻目标对象的图像特征数据,并获取摄像头当前捕获的视频画面;
特征匹配模块42,用于根据构建的神经网络模型,确定所述视频画面中是否存在与所述图像特征数据相匹配的特征;
信息反馈模块43,用于基于特征匹配结果,形成所述待找寻目标对象的第一找寻信息并发送至所述服务器,以使所述服务器向用户展示所述第一找寻信息。
在本实施例中,监控终端首先根据该装置中的信息获取模块41接收服务器发送的待找寻目标对象的图像特征数据,并获取摄像头当前捕获的视频画面;然后根据该装置中的特征匹配模块42根据构建的神经网络模型,确定所述视频画面中是否存在与所述图像特征数据相匹配的特征;最终根据该装置中的信息反馈模块43基于特征匹配结果,形成所述待找寻目标对象的第一找寻信息并发送至所述服务器,以使所述服务器向用户展示所述第一找寻信息。
本发明实施例四提供的一种信息匹配装置,可以根据构建的神经网络模型确定与图像特征数据相匹配的实时视频画面,以保证能够实时的获取到目标对象的找寻信息。能够根据摄像头实时捕获的视频画面来针对性的找寻丢失的目标对象,由此可以简单快速的获得目标对象的实时找寻结果,从而大大提高了丢失人员的找回概率。
进一步地,所述信息反馈模块43,具体用于:
当所述视频画面中存在相匹配的特征时,将所述视频画面及对应的视频捕获信息作为所述待找寻目标对象的第一找寻信息并发送至所述服务器;否则,将实时特征匹配失败作为所述待找寻目标对象的第一找寻信息并发送至所述服务器。
实施例五
图5为本发明实施例五提供的一种信息收发装置的结构框图。该装置适用于向找寻者提供并展示找寻信息的情况,其中该装置可以由软件和/或硬件实现,并一般配置在服务器上。如图5所示,该装置包括:信息发送模块51和第一信息展示模块52。
其中,信息发送模块51,用于获取用户提交的待找寻目标对象的图像信息,提取所述图像信息的图像特征数据,并发送给监控终端;和/或
第一信息展示模块52,用于接收所述监控终端反馈的第一找寻信息,并将所述第一找寻信息展示给所述用户。
在本实施例中,服务器通过该装置中的信息发送模块51获取用户提交的待找寻目标对象的图像信息,提取所述图像信息的图像特征数据,并发送给监控终端;和/或服务器通过该装置中的第一信息展示模块52接收所述监控终端反馈的第一找寻信息,并将所述第一找寻信息展示给所述用户。
本发明实施例五提供的一种信息收发装置,可以获取用户提交的待找寻目标对象的图像信息,并提取该图像信息的图像特征数据发送给监控终端;还可以接收监控终端对图像特征数据信息匹配后反馈的第一找寻信息,并展示给用户。利用该信息收发方法,能够仅根据用户提供的目标对象的图像信息,就简单快速的获得目标对象的找寻结果,由此能够更有针对性、更高效地实现丢失人员的找寻,从而大大提高了丢失人员的找回概率。
进一步地,所述第一信息展示模块52,具体用于:
接收所述监控终端反馈的第一找寻信息;如果所述第一找寻信息为实时特征匹配失败,则在所述用户的终端界面上显示所述待找寻目标对象实时找寻失败;如果所述第一找寻信息为所述视频画面及对应的视频捕获信息,则在所述用户的终端界面上播放所述视频画面,并以地图形式显示所述视频捕获信息中包含的地理空间位置。
进一步地,该装置还包括:
第二信息展示模块53,用于当接收的第一找寻信息为实时特征匹配失败时,根据所述神经网络模型确定图像信息库中是否存在与所述图像特征数据相匹配的历史视频文件;如果确定存在至少一个相匹配的历史视频文件,则获取筛选后确定的目标视频文件,并基于所述目标视频文件预测所述待找寻目标对象的当前所在区域,将所述目标视频文件及所述当前所在区域作为第二找寻信息展示给所述用户;否则,将历史特征匹配失败作为所述第二找寻信息并展示给所述用户。
在上述优化的基础上,所述历史视频文件为监控终端在设定时间内获取的视频画面,所述视频画面基于摄像头捕获;所述图像信息库以行形式存储所述历史视频文件及对应的视频捕获信息。
实施例六
图6为本发明实施例六提供的一种目标对象找寻系统的系统架构图。如图6所示,该目标对象找寻系统包括:配置有本发明任意实施例提供的信息收发装置的服务器61、至少一个配置配置有本发明任意实施例提供的信息匹配装置的监控终端62以及至少一个摄像头63。
其中,服务器61,与至少一个监控终端62连接,用于根据信息收发装置收发所述至少一个监控终端反馈的信息,并对应展示给用户;
所述至少一个监控终端62,分别与至少一个摄像头63连接,用于根据信息匹配装置进行信息匹配。
在本实施例中,至少一个监控终端62接收服务器61发送的待找寻目标对象的图像特征数据,同时接收至少一个与之连接的摄像头63在对应捕获区域中捕获的视频画面。此后,监控终端62根据视频画面和图像特征数据进行信息匹配,获得第一找寻信息,并将第一找寻信息发送给服务器61,最终,服务器63将第一找寻信息对应展示给用户。此外,基于该目标对象找寻系统,还可以通过服务器61确定待找寻目标对象的第二找寻信息,并展示给用户。
本发明实施例六提供的目标对象找寻系统,能够仅根据用户提供的目标对象的图像信息,就简单快速的获得目标对象的找寻结果,由此能够更有针对性、更高效地实现丢失人员的找寻,从而大大提高了丢失人员的找回概率。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种信息匹配方法,其特征在于,所述方法应用于监控终端,包括:
接收服务器发送的待找寻目标对象的图像特征数据,并获取摄像头当前捕获的视频画面;
根据构建的神经网络模型,确定所述视频画面中是否存在与所述图像特征数据相匹配的特征;
基于特征匹配结果,形成所述待找寻目标对象的第一找寻信息并发送至所述服务器,以使所述服务器向用户展示所述第一找寻信息。
2.根据权利要求1所述的方法,其特征在于,基于特征匹配结果,形成所述待找寻目标对象的第一找寻信息并发送至所述服务器包括:
如果所述视频画面中存在相匹配的特征,则将所述视频画面及对应的视频捕获信息作为所述待找寻目标对象的第一找寻信息并发送至所述服务器;否则,将实时特征匹配失败作为所述待找寻目标对象的第一找寻信息并发送至所述服务器。
3.一种信息收发方法,其特征在于,所述方法应用于服务器,包括:
获取用户提交的待找寻目标对象的图像信息,提取所述图像信息的图像特征数据,并发送给监控终端;和/或
接收所述监控终端反馈的所述待找寻目标对象的第一找寻信息,并将所述第一找寻信息展示给所述用户。
4.根据权利要求3所述的方法,其特征在于,将所述第一找寻信息展示给所述用户包括:
如果所述第一找寻信息为实时特征匹配失败,则在所述用户的终端界面上显示所述待找寻目标对象实时找寻失败;
如果所述第一找寻信息为所述视频画面及对应的视频捕获信息,则在所述用户的终端界面上播放所述视频画面,并以地图形式显示所述视频捕获信息中包含的地理空间位置。
5.根据权利要求3所述的方法,其特征在于,还包括:
如果接收的第一找寻信息为实时特征匹配失败,则根据所述神经网络模型确定图像信息库中是否存在与所述图像特征数据相匹配的历史视频文件;
如果确定存在至少一个相匹配的历史视频文件,则获取筛选后确定的目标视频文件,并基于所述目标视频文件预测所述待找寻目标对象的当前所在区域,将所述目标视频文件及所述当前所在区域作为第二找寻信息展示给所述用户;否则,将历史特征匹配失败作为所述第二找寻信息并展示给所述用户。
6.根据权利要求5所述的方法,其特征在于,所述历史视频文件为监控终端在设定时间内获取的视频画面,所述视频画面基于摄像头捕获;
所述图像信息库以行形式存储所述历史视频文件及对应的视频捕获信息。
7.一种信息匹配装置,其特征在于,所述装置配置于监控终端中,包括:
信息获取模块,用于接收服务器发送的待找寻目标对象的图像特征数据,并获取摄像头当前捕获的视频画面;
特征匹配模块,用于根据构建的神经网络模型,确定所述视频画面中是否存在与所述图像特征数据相匹配的特征;
信息反馈模块,用于基于特征匹配结果,形成所述待找寻目标对象的第一找寻信息并发送至所述服务器,以使所述服务器向用户展示所述第一找寻信息。
8.一种信息收发装置,其特征在于,所述装置配置在服务器上,包括:
信息发送模块,用于获取用户提交的待找寻目标对象的图像信息,提取所述图像信息的图像特征数据,并发送给监控终端;和/或
第一信息展示模块,用于接收所述监控终端反馈的第一找寻信息,并将所述第一找寻信息展示给所述用户。
9.根据权利要求8所述的装置,其特征在于,还包括:第二信息展示模块,用于:
当接收的第一找寻信息为实时特征匹配失败时,根据所述神经网络模型确定图像信息库中是否存在与所述图像特征数据相匹配的历史视频文件;如果确定存在至少一个相匹配的历史视频文件,则获取筛选后确定的目标视频文件,并基于所述目标视频文件预测所述待找寻目标对象的当前所在区域,将所述目标视频文件及所述当前所在区域作为第二找寻信息展示给所述用户;否则,将历史特征匹配失败作为所述第二找寻信息并展示给所述用户。
10.一种目标对象找寻系统,其特征在于,包括:至少一个配置有权利要求7所述的信息匹配装置的监控终端、配置有权利要求8或9所述的信息收发装置的服务器以及至少一个摄像头;
所述服务器,与至少一个监控终端连接,用于根据信息收发装置收发所述至少一个监控终端反馈的信息,并对应展示给用户;
所述至少一个监控终端,分别与至少一个摄像头连接,用于根据信息匹配装置进行信息匹配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610965334.1A CN106529456A (zh) | 2016-11-04 | 2016-11-04 | 信息匹配和信息收发方法、装置及目标对象找寻系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610965334.1A CN106529456A (zh) | 2016-11-04 | 2016-11-04 | 信息匹配和信息收发方法、装置及目标对象找寻系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106529456A true CN106529456A (zh) | 2017-03-22 |
Family
ID=58326475
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610965334.1A Pending CN106529456A (zh) | 2016-11-04 | 2016-11-04 | 信息匹配和信息收发方法、装置及目标对象找寻系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106529456A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107679487A (zh) * | 2017-09-29 | 2018-02-09 | 中国科学院福建物质结构研究所 | 失踪人口鉴别方法和系统 |
CN109034094A (zh) * | 2018-08-10 | 2018-12-18 | 佛山市泽胜科技有限公司 | 一种物品查找方法和装置 |
CN109255023A (zh) * | 2017-07-11 | 2019-01-22 | 中国移动通信集团浙江有限公司 | 线索信息处理方法及装置 |
WO2019085584A1 (zh) * | 2017-10-30 | 2019-05-09 | 格力电器(武汉)有限公司 | 多媒体数据处理和获取方法、采集终端和处理装置 |
CN115017365A (zh) * | 2022-05-23 | 2022-09-06 | 北京声智科技有限公司 | 物品查找方法、装置、服务器、终端及存储介质 |
WO2023160722A1 (zh) * | 2022-02-28 | 2023-08-31 | 京东方科技集团股份有限公司 | 交互式寻找目标对象的方法、系统和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101847154A (zh) * | 2010-02-26 | 2010-09-29 | 宇龙计算机通信科技(深圳)有限公司 | 一种查询信息的方法、系统及移动终端查询信息的方法 |
US20130268510A1 (en) * | 2012-04-06 | 2013-10-10 | Edgore L. Milberg | Special form of presentation of search results |
CN103365854A (zh) * | 2012-03-28 | 2013-10-23 | 鸿富锦精密工业(深圳)有限公司 | 视频文件检索系统及检索方法 |
CN103916626A (zh) * | 2013-01-05 | 2014-07-09 | 中兴通讯股份有限公司 | 一种监控录像信息提供方法、装置及视频监控系统 |
CN103984515A (zh) * | 2014-05-30 | 2014-08-13 | 厦门云朵网络科技有限公司 | 一种位置信息显示设备、方法和监控终端 |
-
2016
- 2016-11-04 CN CN201610965334.1A patent/CN106529456A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101847154A (zh) * | 2010-02-26 | 2010-09-29 | 宇龙计算机通信科技(深圳)有限公司 | 一种查询信息的方法、系统及移动终端查询信息的方法 |
CN103365854A (zh) * | 2012-03-28 | 2013-10-23 | 鸿富锦精密工业(深圳)有限公司 | 视频文件检索系统及检索方法 |
US20130268510A1 (en) * | 2012-04-06 | 2013-10-10 | Edgore L. Milberg | Special form of presentation of search results |
CN103916626A (zh) * | 2013-01-05 | 2014-07-09 | 中兴通讯股份有限公司 | 一种监控录像信息提供方法、装置及视频监控系统 |
CN103984515A (zh) * | 2014-05-30 | 2014-08-13 | 厦门云朵网络科技有限公司 | 一种位置信息显示设备、方法和监控终端 |
Non-Patent Citations (3)
Title |
---|
全虹瑞 等: "《商务电子化管理应用技术》", 31 January 2005, 北京:中国商业出版社 * |
徐晓慧 等: "《道路交通控制教程(第3版)》", 31 August 2011, 北京:中国人民公安大学出版社 * |
龚声蓉 等: "《数字图像处理与分析(第2版)》", 31 May 2014, 北京:清华大学出版社 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109255023A (zh) * | 2017-07-11 | 2019-01-22 | 中国移动通信集团浙江有限公司 | 线索信息处理方法及装置 |
CN107679487A (zh) * | 2017-09-29 | 2018-02-09 | 中国科学院福建物质结构研究所 | 失踪人口鉴别方法和系统 |
WO2019085584A1 (zh) * | 2017-10-30 | 2019-05-09 | 格力电器(武汉)有限公司 | 多媒体数据处理和获取方法、采集终端和处理装置 |
CN109034094A (zh) * | 2018-08-10 | 2018-12-18 | 佛山市泽胜科技有限公司 | 一种物品查找方法和装置 |
WO2023160722A1 (zh) * | 2022-02-28 | 2023-08-31 | 京东方科技集团股份有限公司 | 交互式寻找目标对象的方法、系统和存储介质 |
CN115017365A (zh) * | 2022-05-23 | 2022-09-06 | 北京声智科技有限公司 | 物品查找方法、装置、服务器、终端及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106529456A (zh) | 信息匹配和信息收发方法、装置及目标对象找寻系统 | |
CN110399550B (zh) | 一种信息推荐方法及装置 | |
US11294981B2 (en) | System and method for large scale crowdsourcing of map data cleanup and correction | |
JP6594329B2 (ja) | 顔表現のためのシステムおよび方法 | |
US10083186B2 (en) | System and method for large scale crowdsourcing of map data cleanup and correction | |
US20170132758A1 (en) | Systems and methods for processing content using convolutional neural networks | |
CN106686339A (zh) | 电子会议智能 | |
CN104135507B (zh) | 一种防盗链的方法和装置 | |
CN105917359A (zh) | 移动视频搜索 | |
CN112001274A (zh) | 人群密度确定方法、装置、存储介质和处理器 | |
WO2021064737A1 (en) | Federated learning using heterogeneous model types and architectures | |
CN114331829A (zh) | 一种对抗样本生成方法、装置、设备以及可读存储介质 | |
US20140295891A1 (en) | Method, server and terminal for information interaction | |
CN108235054A (zh) | 一种直播视频数据的处理方法和装置 | |
CN108009497A (zh) | 图像识别监控方法、系统、计算设备以及可读存储介质 | |
US20220245805A1 (en) | Multi weed detection | |
CN111414842B (zh) | 一种视频对比方法、装置、计算机设备和存储介质 | |
CN108985954A (zh) | 一种建立各标识的关联关系的方法以及相关设备 | |
WO2018205999A1 (zh) | 一种数据处理方法及装置 | |
CN108028768A (zh) | 通过近距离通信安装应用程序版本的方法和系统 | |
CN107430436A (zh) | 全景手势的自动检测 | |
US9552556B2 (en) | Site flow optimization | |
Khairunisa et al. | Virtual Job Fair Information System Design Based on Augmented Reality/Virtual Reality | |
US10078645B2 (en) | Crowdsourced feature identification and orthorectification | |
CN109993767A (zh) | 图像处理方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170322 |
|
RJ01 | Rejection of invention patent application after publication |