CN106570147A - 一种基于gis路网分析的跳跃式视频追踪方法和系统 - Google Patents
一种基于gis路网分析的跳跃式视频追踪方法和系统 Download PDFInfo
- Publication number
- CN106570147A CN106570147A CN201610968631.1A CN201610968631A CN106570147A CN 106570147 A CN106570147 A CN 106570147A CN 201610968631 A CN201610968631 A CN 201610968631A CN 106570147 A CN106570147 A CN 106570147A
- Authority
- CN
- China
- Prior art keywords
- probability
- crossing
- suspected target
- road
- 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.)
- Granted
Links
Classifications
-
- 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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
Abstract
本发明涉及一种基于GIS路网分析的跳跃式视频追踪方法和系统,所述方法包括:S1、根据GIS路网服务搜索获取选定范围内的道路数据;S2、查询并分析得到路口数据;S3、分析计算已知点到每个路口的最优路径距离;S4、分析嫌疑目标经过路口的概率,生成缓冲区,查询缓冲区内的摄像头;S5、分析预测嫌疑目标在摄像头中出现的概率;S6、根据S5中分析的概率,按概率大小顺序进行视频排查,实现对目标的跳跃式追踪。预测嫌疑人可能出现的位置概率及可能被哪些摄像头捕捉到的概率,给民警追踪提供参考,能够提高追踪效率。
Description
技术领域
本发明涉及视频监控技术领域,更具体的说,是涉及一种基于GIS路网分析的跳跃式视频追踪方法和系统。
背景技术
随着平安城市的不断建设,各地对城市视频监控的建设力度也不断加大,部分地区公安继刑侦、技侦、网侦、信息化之后,视侦(视频侦查支队)作为一个独立的职能机构成立,参与到破案的队伍当中,发挥着重要作用。作为起步阶段的视频侦查队伍,虽然有了完善的城市视频监控基础平台以及丰富的地理信息系统资源,但是缺少科学的追踪方法。目前视频追踪的主要手段是顺线追踪和大范围盲搜,依靠的主要是追踪人员的经验和技能素质,没有充分发挥出地理信息系统、监控平台与地理信息系统的关联作用。如何通过科学的方法进行视频追踪,成为亟待解决的问题。
发明内容
有鉴于此,有必要针对上述问题,提供一种基于GIS路网分析的跳跃式视频追踪方法和系统,,预测嫌疑人可能出现的位置概率及可能被哪些摄像头捕捉到的概率,给民警追踪提供参考,能够提高追踪效率。
为了实现上述目的,本发明的技术方案如下:
一种基于GIS路网分析的跳跃式视频追踪方法,包括以下步骤:
S1、根据GIS路网服务搜索获取选定范围内的道路数据;
S2、查询并分析得到路口数据;
S3、分析计算已知点到每个路口的最优路径距离;
S4、分析嫌疑目标经过路口的概率,生成缓冲区,查询缓冲区内的摄像头;
S5、分析预测嫌疑目标在摄像头中出现的概率;
S6、根据S5中分析的概率,按概率大小顺序进行视频排查,实现对目标的跳跃式追踪。
作为优选的,所述步骤S1具体包括:以案发地或嫌疑人出现过的位置为中心,设定搜索半径R,搜索的选定范围为:F=(R+R)*(R+R);若该选定范围内未查询到道路数据,则递增搜索半径,直至查询到选定范围内有道路数据。
作为优选的,所述步骤S2中具体包括:通过计算每一条道路与其他道路是否相交确定路口,若没有则增加搜索半径,直至查询到路口数据。
作为优选的,所述步骤S3具体包括:根据GIS路网分析得到钱n条较短路径,结合交通拥堵数据分析得到最优路径。
作为优选的,所述步骤S4具体包括:计算已知点A到每一个路口C1、C2…Cn的距离分别为S1、S2....Sn;若Sm<=路口缓冲区半径r,则嫌疑目标在该路口出现的概率为:Pm=100%;过滤掉100%的路口,Sn>路口缓冲区半径r的概率为:Pn=1/Sn/(1/S1+1/S2+...+1/Sn)。
作为优选的,所述步骤S5具体包括:根据嫌疑目标在该路口出现的概率P,并计算该路口到缓冲区内的每一个摄像头的距离分别为L1、L2....Ln,Lm=0,则嫌疑目标该摄像头中出现的概率为:Qm=100%;过滤掉100%的摄像头,Qn>0的概率为:Qn=1/Ln/(1/L1+1/L2+...+1/Ln)*P。
作为优选的,所述步骤S6具体包括:优先排查嫌疑目标出现概率较大的路口,其次排查路口中嫌疑目标出现概率较大的摄像头;若系统预测排查到嫌疑目标,则重复S1到S6步骤,直到追踪到嫌疑目标落脚点;若没有排查到嫌疑目标,则增大搜索半径,扩大排查范围,重复S1到S6步骤,直到排查到嫌疑目标。
一种根据上述方法的跳跃式视频追踪系统,其特征在于,包括基础服务平台和视频追踪平台;所述基础服务平台模块用于提供GIS路网服务和城市视频监控服务;所述视频追踪平台用于通过GIS路网分析进行跳跃式视频追踪。
作为优选的,所述基础服务平台包括GIS模块和城市视频监控模块;所述GIS模块用于提供地图路网数据和最优路径分析服务;所述城市视频监控模块用于提供监控设备数据。
作为优选的,所述视频追踪平台包括道路分析模块、路口分析模块、路口概率分析模块、监控设备概率分析模块和模块预测结果显示模块;
所述道路分析模块用于获取案发地或嫌疑目标出现过的位置附近的道路数据;
所述路口分析模块用于获取案发地或嫌疑目标出现过的位置附近的路口数据;
所述路口概率分析模块用于分析计算嫌疑目标可能经过的路口的概率;
所述监控设备概率分析模块用于分析嫌疑目标可能被哪些监控设备捕捉影像的概率;
所述模块预测结果显示模块用于地图空间上直观展示以及列表排序展示嫌疑目标可能经过的路口和监控设备,便于追踪民警追踪排查。
与现有技术相比,本发明的有益效果在于:本发明结合GIS道路数据进行路网分析获取路口数据,根据案发地址或嫌疑目标出现过的位置、路口、摄像头的空间位置关系,由近到远跳跃式的追踪,而不是全覆盖搜索或者空间不间断的沿道路追踪,同时提供科学的预测结果,预测嫌疑人可能出现的位置概率及可能被哪些摄像头捕捉到的概率,给民警追踪提供参考,能够提高追踪效率。
附图说明
图1为本发明实施例的方法流程图;
图2为本发明实施例的系统结构框图。
具体实施方式
下面结合附图和实施例对本发明所述的一种一种基于GIS路网分析的跳跃式视频追踪方法和系统作进一步说明。
以下是本发明所述的一种基于GIS路网分析的跳跃式视频追踪方法和系统的最佳实例,并不因此限定本发明的保护范围。
图1示出了一种基于GIS路网分析的跳跃式视频追踪方法,包括以下步骤:
S1、根据GIS(Geographic Information System,,地理信息系统)路网服务搜索获取选定范围内的道路数据;GIS路网图层数据来源有以下几种方式:公安警用地理信息系统PGIS、各地公安自建的GIS、互联网GIS服务;
S2、查询并分析得到路口数据;
S3、分析计算已知点到每个路口的最优路径距离;
S4、分析嫌疑目标经过路口的概率,生成缓冲区,查询缓冲区内的摄像头;
S5、分析预测嫌疑目标在摄像头中出现的概率;
S6、根据S5中分析的概率,按概率大小顺序进行视频排查,实现对目标的跳跃式追踪。
作为优选的,所述步骤S1具体包括:以案发地或嫌疑人出现过的位置为中心,设定搜索半径,系统提供默认搜索半径R,用户可修改R,搜索的选定范围为:F=(R+R)*(R+R);若该选定范围内未查询到道路数据,则递增搜索半径R’=R+ΔR,F根据新的R’重新计算,直至查询到选定范围内有道路数据。
作为优选的,所述步骤S2中具体包括:通过计算每一条道路与其他道路是否相交确定路口,若没有则增加搜索半径,直至查询到路口数据,路口包括十字路口、丁字路口和环形路口。
作为优选的,所述步骤S3具体包括:根据GIS路网分析得到钱n条较短路径,结合交通拥堵数据分析得到最优路径。
作为优选的,所述步骤S4具体包括:计算已知点A到每一个路口C1、C2…Cn的距离分别为S1、S2....Sn;若Sm<=路口缓冲区半径r,则嫌疑目标在该路口出现的概率为:Pm=100%;过滤掉100%的路口,Sn>路口缓冲区半径r的概率为:Pn=1/Sn/(1/S1+1/S2+...+1/Sn)。
作为优选的,所述步骤S5具体包括:根据嫌疑目标在该路口出现的概率P,并计算该路口到缓冲区内的每一个摄像头的距离分别为L1、L2....Ln,Lm=0,则嫌疑目标该摄像头中出现的概率为:Qm=100%;过滤掉100%的摄像头,Qn>0的概率为:Qn=1/Ln/(1/L1+1/L2+...+1/Ln)*P。
作为优选的,所述步骤S6具体包括:优先排查嫌疑目标出现概率较大的路口,其次排查路口中嫌疑目标出现概率较大的摄像头;若系统预测排查到嫌疑目标,则重复S1到S6步骤,直到追踪到嫌疑目标落脚点;若没有排查到嫌疑目标,则增大搜索半径,扩大排查范围,重复S1到S6步骤,直到排查到嫌疑目标。
图2示出了一种根据上述方法的跳跃式视频追踪系统,其特征在于,包括基础服务平台和视频追踪平台;所述基础服务平台模块用于提供GIS路网服务和城市视频监控服务;所述视频追踪平台用于通过GIS路网分析进行跳跃式视频追踪。
作为优选的,所述基础服务平台包括GIS模块和城市视频监控模块;所述GIS模块用于提供地图路网数据和最优路径分析服务;所述城市视频监控模块用于提供监控设备数据。
作为优选的,所述视频追踪平台包括道路分析模块、路口分析模块、路口概率分析模块、监控设备概率分析模块和模块预测结果显示模块;
所述道路分析模块用于获取案发地或嫌疑目标出现过的位置附近的道路数据;
所述路口分析模块用于获取案发地或嫌疑目标出现过的位置附近的路口数据;
所述路口概率分析模块用于分析计算嫌疑目标可能经过的路口的概率;
所述监控设备概率分析模块用于分析嫌疑目标可能被哪些监控设备捕捉影像的概率;
所述模块预测结果显示模块用于地图空间上直观展示以及列表排序展示嫌疑目标可能经过的路口和监控设备,便于追踪民警追踪排查。
与现有技术相比,本发明的有益效果在于:本发明结合GIS道路数据进行路网分析获取路口数据,根据案发地址或嫌疑目标出现过的位置、路口、摄像头的空间位置关系,由近到远跳跃式的追踪,而不是全覆盖搜索或者空间不间断的沿道路追踪,同时提供科学的预测结果,预测嫌疑人可能出现的位置概率及可能被哪些摄像头捕捉到的概率,给民警追踪提供参考,能够提高追踪效率。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于GIS路网分析的跳跃式视频追踪方法,其特征在于,包括以下步骤:
S1、根据GIS路网服务搜索获取选定范围内的道路数据;
S2、查询并分析得到路口数据;
S3、分析计算已知点到每个路口的最优路径距离;
S4、分析嫌疑目标经过路口的概率,生成缓冲区,查询缓冲区内的摄像头;
S5、分析预测嫌疑目标在摄像头中出现的概率;
S6、根据S5中分析的概率,按概率大小顺序进行视频排查,实现对目标的跳跃式追踪。
2.根据权利要求1所述的基于GIS路网分析的跳跃式视频追踪方法,其特征在于,所述步骤S1具体包括:以案发地或嫌疑人出现过的位置为中心,设定搜索半径R,搜索的选定范围为:F=(R+R)*(R+R);若该选定范围内未查询到道路数据,则递增搜索半径,直至查询到选定范围内有道路数据。
3.根据权利要求2所述的基于GIS路网分析的跳跃式视频追踪方法,其特征在于,所述步骤S2中具体包括:通过计算每一条道路与其他道路是否相交确定路口,若没有则增加搜索半径,直至查询到路口数据。
4.根据权利要求1所述的基于GIS路网分析的跳跃式视频追踪方法,其特征在于,所述步骤S3具体包括:根据GIS路网分析得到钱n条较短路径,结合交通拥堵数据分析得到最优路径。
5.根据权利要求1所述的基于GIS路网分析的跳跃式视频追踪方法,其特征在于,所述步骤S4具体包括:计算已知点A到每一个路口C1、C2…Cn的距离分别为S1、S2....Sn;若Sm<=路口缓冲区半径r,则嫌疑目标在该路口出现的概率为:Pm=100%;过滤掉100%的路口,Sn>路口缓冲区半径r的概率为:Pn=1/Sn/(1/S1+1/S2+...+1/Sn)。
6.根据权利要求5所述的基于GIS路网分析的跳跃式视频追踪方法,其特征在于,所述步骤S5具体包括:根据嫌疑目标在该路口出现的概率P,并计算该路口到缓冲区内的每一个摄像头的距离分别为L1、L2....Ln,Lm=0,则嫌疑目标该摄像头中出现的概率为:Qm=100%;过滤掉100%的摄像头,Qn>0的概率为:Qn=1/Ln/(1/L1+1/L2+...+1/Ln)*P。
7.根据权利要求1所述的基于GIS路网分析的跳跃式视频追踪方法,其特征在于,所述步骤S6具体包括:优先排查嫌疑目标出现概率较大的路口,其次排查路口中嫌疑目标出现概率较大的摄像头;若系统预测排查到嫌疑目标,则重复S1到S6步骤,直到追踪到嫌疑目标落脚点;若没有排查到嫌疑目标,则增大搜索半径,扩大排查范围,重复S1到S6步骤,直到排查到嫌疑目标。
8.一种根据权利要求1至7任一所述的方法的跳跃式视频追踪系统,其特征在于,包括基础服务平台和视频追踪平台;所述基础服务平台模块用于提供GIS路网服务和城市视频监控服务;所述视频追踪平台用于通过GIS路网分析进行跳跃式视频追踪。
9.根据权利要求8所述的系统,其特征在于,所述基础服务平台包括GIS模块和城市视频监控模块;所述GIS模块用于提供地图路网数据和最优路径分析服务;所述城市视频监控模块用于提供监控设备数据。
10.根据权利要求8所述的系统,其特征在于,所述视频追踪平台包括道路分析模块、路口分析模块、路口概率分析模块、监控设备概率分析模块和模块预测结果显示模块;
所述道路分析模块用于获取案发地或嫌疑目标出现过的位置附近的道路数据;
所述路口分析模块用于获取案发地或嫌疑目标出现过的位置附近的路口数据;
所述路口概率分析模块用于分析计算嫌疑目标可能经过的路口的概率;
所述监控设备概率分析模块用于分析嫌疑目标可能被哪些监控设备捕捉影像的概率;
所述模块预测结果显示模块用于地图空间上直观展示以及列表排序展示嫌疑目标可能经过的路口和监控设备,便于追踪民警追踪排查。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610968631.1A CN106570147B (zh) | 2016-10-27 | 2016-10-27 | 一种基于gis路网分析的跳跃式视频追踪方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610968631.1A CN106570147B (zh) | 2016-10-27 | 2016-10-27 | 一种基于gis路网分析的跳跃式视频追踪方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106570147A true CN106570147A (zh) | 2017-04-19 |
CN106570147B CN106570147B (zh) | 2020-05-08 |
Family
ID=58541320
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610968631.1A Active CN106570147B (zh) | 2016-10-27 | 2016-10-27 | 一种基于gis路网分析的跳跃式视频追踪方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106570147B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109961458A (zh) * | 2017-12-26 | 2019-07-02 | 杭州海康威视系统技术有限公司 | 目标对象的追踪方法、装置及计算机可读存储介质 |
CN111107319A (zh) * | 2019-12-25 | 2020-05-05 | 眸芯科技(上海)有限公司 | 基于区域摄像头的目标追踪方法、装置及系统 |
CN111935450A (zh) * | 2020-07-15 | 2020-11-13 | 长江大学 | 一种智能疑犯追踪方法、系统及计算机可读存储介质 |
CN112541457A (zh) * | 2020-12-21 | 2021-03-23 | 重庆紫光华山智安科技有限公司 | 一种监控节点的搜索方法及相关装置 |
CN112651992A (zh) * | 2020-06-29 | 2021-04-13 | 浙江宇视科技有限公司 | 一种轨迹追踪方法及系统 |
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 |
CN113010545A (zh) * | 2019-12-20 | 2021-06-22 | 浙江宇视科技有限公司 | 数据搜索方法、装置、服务器、存储介质及系统 |
CN116468254A (zh) * | 2023-06-14 | 2023-07-21 | 佳都科技集团股份有限公司 | 用于轨道交通的站内应急任务数据处理方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
US20130034261A1 (en) * | 2011-03-04 | 2013-02-07 | Quantum Signal, Llc | Road sign detection and tracking within field-of-view (FOV) video data |
CN103716587A (zh) * | 2013-12-12 | 2014-04-09 | 深圳先进技术研究院 | 基于gis网络分析与缓冲区分析的视频追踪方法 |
CN104679864A (zh) * | 2015-02-28 | 2015-06-03 | 武汉烽火众智数字技术有限责任公司 | 一种基于gis的嫌疑目标智能跟踪方法和装置 |
CN104951865A (zh) * | 2015-05-18 | 2015-09-30 | 济南创智电气科技有限公司 | 一种基于电网gis的物资调拨追踪方法及系统 |
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 |
-
2016
- 2016-10-27 CN CN201610968631.1A patent/CN106570147B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130034261A1 (en) * | 2011-03-04 | 2013-02-07 | Quantum Signal, Llc | Road sign detection and tracking within field-of-view (FOV) video data |
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 |
CN103716587A (zh) * | 2013-12-12 | 2014-04-09 | 深圳先进技术研究院 | 基于gis网络分析与缓冲区分析的视频追踪方法 |
CN104679864A (zh) * | 2015-02-28 | 2015-06-03 | 武汉烽火众智数字技术有限责任公司 | 一种基于gis的嫌疑目标智能跟踪方法和装置 |
CN104951865A (zh) * | 2015-05-18 | 2015-09-30 | 济南创智电气科技有限公司 | 一种基于电网gis的物资调拨追踪方法及系统 |
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 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109961458A (zh) * | 2017-12-26 | 2019-07-02 | 杭州海康威视系统技术有限公司 | 目标对象的追踪方法、装置及计算机可读存储介质 |
CN109961458B (zh) * | 2017-12-26 | 2021-07-02 | 杭州海康威视系统技术有限公司 | 目标对象的追踪方法、装置及计算机可读存储介质 |
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 |
CN113010545B (zh) * | 2019-12-20 | 2023-02-28 | 浙江宇视科技有限公司 | 数据搜索方法、装置、服务器、存储介质及系统 |
CN113010545A (zh) * | 2019-12-20 | 2021-06-22 | 浙江宇视科技有限公司 | 数据搜索方法、装置、服务器、存储介质及系统 |
CN111107319A (zh) * | 2019-12-25 | 2020-05-05 | 眸芯科技(上海)有限公司 | 基于区域摄像头的目标追踪方法、装置及系统 |
CN111107319B (zh) * | 2019-12-25 | 2021-05-28 | 眸芯科技(上海)有限公司 | 基于区域摄像头的目标追踪方法、装置及系统 |
CN112651992A (zh) * | 2020-06-29 | 2021-04-13 | 浙江宇视科技有限公司 | 一种轨迹追踪方法及系统 |
CN112651992B (zh) * | 2020-06-29 | 2024-04-05 | 浙江宇视科技有限公司 | 一种轨迹追踪方法及系统 |
CN111935450A (zh) * | 2020-07-15 | 2020-11-13 | 长江大学 | 一种智能疑犯追踪方法、系统及计算机可读存储介质 |
CN112541457A (zh) * | 2020-12-21 | 2021-03-23 | 重庆紫光华山智安科技有限公司 | 一种监控节点的搜索方法及相关装置 |
CN112541457B (zh) * | 2020-12-21 | 2021-10-26 | 重庆紫光华山智安科技有限公司 | 一种监控节点的搜索方法及相关装置 |
CN116468254A (zh) * | 2023-06-14 | 2023-07-21 | 佳都科技集团股份有限公司 | 用于轨道交通的站内应急任务数据处理方法及系统 |
CN116468254B (zh) * | 2023-06-14 | 2023-09-26 | 佳都科技集团股份有限公司 | 用于轨道交通的站内应急任务数据处理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106570147B (zh) | 2020-05-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106570147A (zh) | 一种基于gis路网分析的跳跃式视频追踪方法和系统 | |
CN106652483B (zh) | 利用检测设备在区域公路网布设交通信息检测点的方法 | |
US11328163B2 (en) | Methods and apparatus for automated surveillance systems | |
CN110191424B (zh) | 一种特定嫌疑人的轨迹生成方法和装置 | |
Petrovska et al. | Traffic congestion analysis visualisation tool | |
Khan et al. | Unmanned aerial vehicle-based traffic analysis: A case study to analyze traffic streams at urban roundabouts | |
CN111710177B (zh) | 智慧交通信号灯组网协同优化控制系统及控制方法 | |
KR20170022607A (ko) | 재난 안전 통합관리 시스템에 의한 관심지역 분석방법 | |
CN104200671A (zh) | 一种基于大数据平台的虚拟卡口管理方法及系统 | |
CN102819578A (zh) | 视频侦查嫌疑目标分析系统及方法 | |
RU2504014C1 (ru) | Способ управления системой мониторинга и система для его реализации | |
Zuo et al. | Reference-free video-to-real distance approximation-based urban social distancing analytics amid COVID-19 pandemic | |
Coifman et al. | The Berkeley highway laboratory-building on the I-880 field experiment | |
CN105491327A (zh) | 一种基于路网的视频追踪方法及装置 | |
CN108766031A (zh) | 一种检测车道障碍物的方法和装置 | |
CN106126593B (zh) | 基于网络开放照片资源的地表实景信息生成方法及装置 | |
Anedda et al. | A social smart city for public and private mobility: A real case study | |
Khadka et al. | Developing novel performance measures for traffic congestion management and operational planning based on connected vehicle data | |
US10341617B2 (en) | Public safety camera identification and monitoring system and method | |
CN111767432A (zh) | 共现对象的查找方法和装置 | |
CN114677640A (zh) | 基于机器视觉的智慧工地安全监测系统及方法 | |
Koh et al. | Improve safety using public network cameras | |
Duarte et al. | What urban cameras reveal about the city: The work of the Senseable City Lab | |
US10506201B2 (en) | Public safety camera identification and monitoring system and method | |
JP2007158496A (ja) | 地図連携映像監視方法及びその装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |