CN106878667A - 基于路网数据的视频快速追踪方法 - Google Patents
基于路网数据的视频快速追踪方法 Download PDFInfo
- Publication number
- CN106878667A CN106878667A CN201510919226.6A CN201510919226A CN106878667A CN 106878667 A CN106878667 A CN 106878667A CN 201510919226 A CN201510919226 A CN 201510919226A CN 106878667 A CN106878667 A CN 106878667A
- Authority
- CN
- China
- Prior art keywords
- road
- information database
- video
- target
- camera
- 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
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- 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
- G06V20/47—Detecting features for summarising video content
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Traffic Control Systems (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明提供一种基于道路数据的视频快速追踪方法,其包括如下步骤:S101、建立视频监控的地理信息数据库,所述地理信息数据库包括路网地理信息数据库和摄像头信息数据库;S103、设计空间算法,所述空间算法包括视频监控范围算法和基于路径的视频检索算法;S105、利用所述空间算法在所述路网地理信息数据库中找到目标通过的路径,调取所述摄像头信息数据库,并预测所述目标的路径。所述基于道路数据的视频快速追踪方法基于地理信息系统,构建以路网数据为基础的视频快速追踪方法与系统,能更加快速地调取监控视频,并快速预测目标的逃离路线,实现对目标的无缝追踪。
Description
技术领域
本发明涉及视频监控技术领域,尤其涉及一种基于路网数据的视频快速追踪方法。
背景技术
平安城市是近年我国电子政务建设中的重点业务系统。而城市报警与监控系统是平安城市建设的核心,也是社会治安防控体系的重要组成部分。随着社会经济的快速发展,社会治安形势也日益复杂起来,且直接关系到整个城市的发展,单靠传统的打击、防范、管理模式已较难适应新形势;科技防控是大势所趋,其中建设城市视频监控系统是一个重要手段。
而地理信息系统与其它系统最大的区别就是存储和分析空间数据的能力。对基于地理信息系统的视频监控系统来说,当重大案件或突发事件发生时,准确确定报警点及突发事件中目标的现场位置,自动通知目标周围有关警备单位,并快速预测目标的逃离路线,对目标进行无缝追踪,可以提高相关部门的快速反应能力和整体指挥作战能力。
传统的视频监控技术是利用计算机技术、视频图像处理技术以及模式识别和人工智能知识,对摄像机获取的图像序列进行自动分析,对被监控场景中的运动目标进行检测、跟踪和识别,描述和判别被监控目标的行为,并在有异常现象发生的情况下及时地做出反应的智能监控技术。但是,这种传统的视频监控技术目前普遍还难于快速预测目标的逃离路线,并对目标进行无缝追踪。
发明内容
基于此,本发明提供一种基于路网数据的视频快速追踪方法,以有效解决现有技术存在的问题。
一种基于道路数据的视频快速追踪方法,其包括如下步骤:
S101、建立视频监控的地理信息数据库,所述地理信息数据库包括路网地理信息数据库和摄像头信息数据库;
S103、设计空间算法,所述空间算法包括视频监控范围算法和基于路径的视频检索算法;
S105、利用所述空间算法在所述路网地理信息数据库中找到目标通过的路径,调取所述摄像头信息数据库,并预测所述目标的路径。
本发明一较佳实施方式中,所述路网地理信息数据库中分层分等级存储路段信息、路网的结点信息以及路网之间的拓扑关系。
本发明一较佳实施方式中,所述摄像头信息数据库中存储摄像头分布的点位数据及所在路段信息。
本发明一较佳实施方式中,所述点位数据包括摄像头的位置、型号、状态、有无云台、云台参数、覆盖角度、扫描半径及最近距离。
相对于现有技术,本发明提供的基于道路数据的视频快速追踪方法基于地理信息系统,构建以路网数据为基础的视频快速追踪方法与系统,能更加快速地调取监控视频,并快速预测目标的逃离路线,实现对目标的无缝追踪。
附图说明
图1为本发明一实施例提供的基于道路数据的视频快速追踪方法的流程图;
图2为图1所示基于道路数据的视频快速追踪方法的原理图。
具体实施方式
为了便于理解本发明,下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的较佳实施方式。以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的,不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
请参阅图1,本发明一实施例提供的一种基于道路数据的视频快速追踪方法,用于快速预测目标的逃离路线,对目标进行无缝追踪,所述基于道路数据的视频快速追踪方法包括如下步骤:
S101、建立视频监控的地理信息数据库,所述地理信息数据库包括路网地理信息数据库和摄像头信息数据库。
所述路网地理信息库中分层分等级存储路段信息、路网的结点信息以及路网之间的拓扑关系。具体地,路网的结点信息是指路网中两条或多条道路相交的交点,如道路的交叉口等。路网地理信息库中的路网数据集具有一种能够展示复杂细节的高级连接模型,并且拥有丰富的网络属性模型,这个模型可以帮助模拟网络阻力、网络限制和网络层次,并且保持网络要素的连接性,为后续工作的开展奠定基础。
所述摄像头信息数据库中存储摄像头分布的点位数据及所在路段信息。其中摄像头的点位数据包括摄像头的位置、型号、状态、有无云台、云台参数、覆盖角度、扫描半径及最近距离等。通过摄像头的所在路段信息可以与所述路网地理信息数据库关联。
S103、设计空间算法,所述空间算法包括视频监控范围算法和基于路径的视频检索算法。
具体地,在设计所述视频监控范围算法时,视频摄像头在路网中可以看作为一个点要素,各视频摄像头(点要素)两两相连,形成一个视频摄像头网络。而以往对要素进行范围分析往往是通过GIS中的缓冲区分析,即围绕该点目标的半径为缓冲距的圆周所包围的区域进行分析。但是,摄像头由于受本身参数和盲区的限制,监控范围并不是一个严格的圆形,而是一个扇形。摄像头监控的扇形缓冲区生成主要包括以下步骤:以单个目标(如犯罪人员或车辆)作为点要素,再以该点要素的定位点为圆心,以缓冲区的宽度为半径,以方位角为起点,根据摄像头的点位数据中的覆盖角度按顺时针或逆时针方向在图上作一个扇形,此扇形围成的区域即为所求的点要素的扇形缓冲区。当同类点要素间距离小于两倍缓冲区宽度时,形成的缓冲区会出现彼此交叠的情形,此时应采用多边形叠置处理技术,取重叠多边形外边界组成的包络多边形,作为最终的缓冲区多边形。
设计所述基于路径的视频检索算法时,由于目标(如犯罪人员或车辆)在逃跑过程中必然会在路网中行走,鉴于此,以事发地点为中心,调取所述路网地理信息数据库,基于路网的连通性规则将与事发地点连通的道路都提取出来,向外进一步分析与该道路连通的其它道路。若在某一条道路中发现目标,基于路网的连通性与可达性,可以预测目标可能逃跑的路径,从而检索并监测该路径上覆盖的摄像头视频信息,并按目标的速度特征进行时间排序,能有效地在视频中扑捉目标。
S105、利用所述空间算法在所述路网地理信息数据库中找到目标通过的路径,调取所述摄像头信息数据库,并预测所述目标的路径。
本实施例中,采用基于路网的实时路径快速调取视频资料的方法,主要包括:在所述路网地理信息数据库中找到目标通过的路径后,通过关联规则调取所述摄像头信息数据库,可以快速检索到该路径的摄像头编号,从而快速调取该摄像头的视频信息。而基于路网的连通性规则,可以预测目标可能逃跑的路径,从而监测该路径上覆盖的摄像头信息,达到快速调取与追踪的目的,进而实现对目标的快速无缝追踪。
相对于现有技术,所述基于道路数据的视频快速追踪方法基于地理信息系统,构建以路网数据为基础的视频快速追踪方法与系统,能更加快速地调取监控视频,并快速预测目标的逃离路线,实现对目标的无缝追踪。
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 (4)
1.一种基于道路数据的视频快速追踪方法,其特征在于,包括如下步骤:
S101、建立视频监控的地理信息数据库,所述地理信息数据库包括路网地理信息数据库和摄像头信息数据库;
S103、设计空间算法,所述空间算法包括视频监控范围算法和基于路径的视频检索算法;
S105、利用所述空间算法在所述路网地理信息数据库中找到目标通过的路径,调取所述摄像头信息数据库,并预测所述目标的路径。
2.如权利要求1所述的基于道路数据的视频快速追踪方法,其特征在于,所述路网地理信息数据库中分层分等级存储路段信息、路网的结点信息以及路网之间的拓扑关系。
3.如权利要求1所述的基于道路数据的视频快速追踪方法,其特征在于,所述摄像头信息数据库中存储摄像头分布的点位数据及所在路段信息。
4.如权利要求3所述的基于道路数据的视频快速追踪方法,其特征在于,所述点位数据包括摄像头的位置、型号、状态、有无云台、云台参数、覆盖角度、扫描半径及最近距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510919226.6A CN106878667A (zh) | 2015-12-11 | 2015-12-11 | 基于路网数据的视频快速追踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510919226.6A CN106878667A (zh) | 2015-12-11 | 2015-12-11 | 基于路网数据的视频快速追踪方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106878667A true CN106878667A (zh) | 2017-06-20 |
Family
ID=59178086
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510919226.6A Pending CN106878667A (zh) | 2015-12-11 | 2015-12-11 | 基于路网数据的视频快速追踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106878667A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108846089A (zh) * | 2018-06-12 | 2018-11-20 | 南京师范大学 | 一种面向城市供水专业管线与综合管线的空间数据匹配方法 |
CN108959638A (zh) * | 2018-07-26 | 2018-12-07 | 南京师范大学 | 一种面向城市燃气专业管线与综合管线的空间数据匹配方法 |
CN109190056A (zh) * | 2018-08-22 | 2019-01-11 | 深圳先进技术研究院 | 一种车辆轨迹重建方法、系统及电子设备 |
CN110113581A (zh) * | 2019-06-13 | 2019-08-09 | 沈力 | 一种智慧城市监控系统及方法 |
CN111526324A (zh) * | 2019-02-01 | 2020-08-11 | 杭州海康威视数字技术股份有限公司 | 监控系统及方法 |
CN112752067A (zh) * | 2019-10-30 | 2021-05-04 | 杭州海康威视系统技术有限公司 | 目标追踪方法、装置、电子设备及存储介质 |
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 |
CN113002595A (zh) * | 2021-03-19 | 2021-06-22 | 通号通信信息集团有限公司 | 一种列车追踪方法及系统 |
CN113961826A (zh) * | 2021-09-26 | 2022-01-21 | 深圳市震有软件科技有限公司 | 摄像头查找方法、装置、智能终端及计算机可读存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101203040A (zh) * | 2007-12-17 | 2008-06-18 | 刘迅 | 基于无线通信网络的导航方法及系统 |
CN101576926A (zh) * | 2009-06-04 | 2009-11-11 | 浙江大学 | 一种基于地理信息系统的监控视频检索方法 |
CN102289520A (zh) * | 2011-09-15 | 2011-12-21 | 山西四和交通工程有限责任公司 | 一种交通视频检索系统及其实现方法 |
WO2013142572A1 (en) * | 2012-03-22 | 2013-09-26 | Exelis Inc. | Algorithm for adaptive downsampling to an irregular grid |
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 |
CN104717465A (zh) * | 2014-12-23 | 2015-06-17 | 北京亿羽舜海科技有限公司 | 多个ip摄像头的广角视频监控设备及视频监控方法 |
-
2015
- 2015-12-11 CN CN201510919226.6A patent/CN106878667A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101203040A (zh) * | 2007-12-17 | 2008-06-18 | 刘迅 | 基于无线通信网络的导航方法及系统 |
CN101576926A (zh) * | 2009-06-04 | 2009-11-11 | 浙江大学 | 一种基于地理信息系统的监控视频检索方法 |
CN102289520A (zh) * | 2011-09-15 | 2011-12-21 | 山西四和交通工程有限责任公司 | 一种交通视频检索系统及其实现方法 |
WO2013142572A1 (en) * | 2012-03-22 | 2013-09-26 | Exelis Inc. | Algorithm for adaptive downsampling to an irregular grid |
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 |
CN104717465A (zh) * | 2014-12-23 | 2015-06-17 | 北京亿羽舜海科技有限公司 | 多个ip摄像头的广角视频监控设备及视频监控方法 |
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 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108846089A (zh) * | 2018-06-12 | 2018-11-20 | 南京师范大学 | 一种面向城市供水专业管线与综合管线的空间数据匹配方法 |
CN108846089B (zh) * | 2018-06-12 | 2021-10-19 | 南京师范大学 | 一种面向城市供水专业管线与综合管线的空间数据匹配方法 |
CN108959638B (zh) * | 2018-07-26 | 2021-10-19 | 南京师范大学 | 一种面向城市燃气专业管线与综合管线的空间数据匹配方法 |
CN108959638A (zh) * | 2018-07-26 | 2018-12-07 | 南京师范大学 | 一种面向城市燃气专业管线与综合管线的空间数据匹配方法 |
CN109190056A (zh) * | 2018-08-22 | 2019-01-11 | 深圳先进技术研究院 | 一种车辆轨迹重建方法、系统及电子设备 |
CN111526324A (zh) * | 2019-02-01 | 2020-08-11 | 杭州海康威视数字技术股份有限公司 | 监控系统及方法 |
CN111526324B (zh) * | 2019-02-01 | 2022-02-25 | 杭州海康威视数字技术股份有限公司 | 监控系统及方法 |
CN110113581A (zh) * | 2019-06-13 | 2019-08-09 | 沈力 | 一种智慧城市监控系统及方法 |
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 |
CN112752067A (zh) * | 2019-10-30 | 2021-05-04 | 杭州海康威视系统技术有限公司 | 目标追踪方法、装置、电子设备及存储介质 |
CN113002595A (zh) * | 2021-03-19 | 2021-06-22 | 通号通信信息集团有限公司 | 一种列车追踪方法及系统 |
CN113002595B (zh) * | 2021-03-19 | 2023-09-08 | 通号通信信息集团有限公司 | 一种列车追踪方法及系统 |
CN113961826A (zh) * | 2021-09-26 | 2022-01-21 | 深圳市震有软件科技有限公司 | 摄像头查找方法、装置、智能终端及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106878667A (zh) | 基于路网数据的视频快速追踪方法 | |
Duan et al. | Deep convolutional neural networks for spatiotemporal crime prediction | |
Kong et al. | Computer vision and long short-term memory: Learning to predict unsafe behaviour in construction | |
CN103366566A (zh) | 一种针对特定车辆潜在群体的行驶轨迹预测方法 | |
CN102970517B (zh) | 基于异常情景识别的云台镜头自主控制方法 | |
CN110235188A (zh) | 用于交通监控、事件检测和变化预测的视频数据和gis映射 | |
CN104021570A (zh) | 一种视频中有方向的越界和拌线检测方法 | |
CN104200466A (zh) | 一种预警方法及摄像机 | |
CN103716587B (zh) | 基于gis网络分析与缓冲区分析的视频追踪方法 | |
CN104392464A (zh) | 一种基于彩色视频图像的人为入侵检测方法 | |
CN109472233A (zh) | 一种行为追踪系统 | |
Küçükkeçeci et al. | Multilevel object tracking in wireless multimedia sensor networks for surveillance applications using graph-based big data | |
CN104581001A (zh) | 一种大范围多摄像机运动目标的关联监控方法 | |
CN116090333A (zh) | 基于感知盲区估计的城市公共空间灾害建模与预防系统 | |
Gao et al. | Research on multi-target tracking method based on multi-sensor fusion | |
Elghaish et al. | The application of “deep learning” in construction site management: scientometric, thematic and critical analysis | |
CN115311735A (zh) | 一种异常行为智能识别预警方法 | |
CN102789645A (zh) | 一种用于周界防范的多目标快速跟踪方法 | |
Yu et al. | Network security monitoring method based on deep learning | |
Dai et al. | Trajectory outlier detection based on dbscan and velocity entropy | |
Gagliardi et al. | Deep neural networks for asphalt pavement distress detection and condition assessment | |
Wang et al. | A Deep Reinforcement Learning Evolution of Emergency State during Traffic Network | |
Brax et al. | An ensemble approach for increased anomaly detection performance in video surveillance data | |
CN104794345A (zh) | 航迹跟踪中扁平型多假设关联处理方法 | |
Rothkrantz | Crisis management using multiple camera surveillance systems. |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170620 |
|
RJ01 | Rejection of invention patent application after publication |