CN107315755A - 查询对象的轨迹生成方法及装置 - Google Patents
查询对象的轨迹生成方法及装置 Download PDFInfo
- Publication number
- CN107315755A CN107315755A CN201610272653.4A CN201610272653A CN107315755A CN 107315755 A CN107315755 A CN 107315755A CN 201610272653 A CN201610272653 A CN 201610272653A CN 107315755 A CN107315755 A CN 107315755A
- Authority
- CN
- China
- Prior art keywords
- control point
- query object
- time
- information
- retrieved
- 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
- 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
-
- 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
Abstract
本发明公开了一种查询对象的轨迹生成方法及装置。其中，该方法包括：获取查询对象的目标图像，其中，目标图像中记录有时空信息，时空信息包括目标图像记录的地理位置信息和采集目标图像时的时间信息；根据监控网络中各个监控点的点位位置信息和时空信息，确定监控网络中的待检索监控点的时空范围；从目标图像中提取查询对象的特征信息；利用查询对象的特征信息，获取待检索监控点的时空范围内的有效对象与查询对象的相似度结果；根据相似度结果确定查询对象的移动位置，并基于移动位置生成移动轨迹。本发明解决了现有技术中对查询对象的检索效率低的问题。
Description
技术领域
本发明涉及视频监控、智能分析、模式识别领域，具体而言，涉及一种查询对象的轨迹生成方法及装置。
背景技术
在现有的技术中，根据监控点设置的相机拍摄的监控视频来检索一个查询对象(如，行人目标)时，一般是通过从一张查询对象图像中提取查询对象的颜色、纹理、形状等特征，在数据库中进行特征模型比对，最后按相似度从高到低排序输出检索结果。在视频监控应用场景中，若查询对象为行人目标时，由于行人目标数据数量庞大，致使检索该行人目标时需要处理的检索数据数量较大，且检索时容易造成数据的丢失，使得检索速度和精度严重下降；并且在进行结果展示时，将所有的检索数据一起排序，容易造成漏检，同时，监控点设置的相机也没有将检索结果与时空信息结合，形成行人目标移动轨迹。
现有技术中对查询对象的检索一般通过以下两个方法来实现，第一种为互动式关联的方式进行查询对象的检索，具体地，先接收查询对象的资讯信息和时空检索条件，并根据时空检索条件、查询对象的资讯信息分别与查询对象的资料库中的多个第一类物件资讯之间的相似度，以及物件资料库中的多个第二类物件资讯个别对应的时间资讯与位置资讯，从物件资料库中筛选出多个检索结果；第二种为根据某个指定点和半径，检索此范围内的查询对象，并获取其经纬度对应的坐标，进行数据挖掘及分析，在获取位置信息的基础上，对网吧、旅馆、基站、卡口等数据做进一步的挖掘，从而获取嫌疑人的信息。
现有的技术中对查询对象的检索方法，无法对检索目标生成移动轨迹，且在大规模的数据集上检索的效率低，效果差。
针对上述的现有技术中对查询对象的检索效率低的问题，目前尚未提出有效的解决方案。
发明内容
本实施例提供了一种查询对象的轨迹生成方法及装置，以至少解决现有技术中对查询对象的检索效率低的技术问题。
根据本实施例的一个方面，提供了一种查询对象的轨迹生成方法，该方法包括：获取查询对象的目标图像，其中，所述目标图像中记录有时空信息，所述时空信息包括所述目标图像记录的地理位置信息和采集所述目标图像时的时间信息；根据监控网络中各个监控点的点位位置信息和所述时空信息，确定所述监控网络中的待检索监控点的时空范围；从所述目标图像中提取所述查询对象的特征信息；利用所述查询对象的特征信息，获取所述待检索监控点的时空范围内监控到的有效对象与所述查询对象的相似度结果；根据相似度结果确定查询对象的移动位置，并基于移动位置生成移动轨迹。
根据本发明的另一方面，还提供了一种查询对象的轨迹生成装置，该轨迹生成装置包括：第一获取单元，用于获取查询对象的目标图像，其中，目标图像中记录有时空信息，时空信息包括目标图像记录的地理位置信息和采集目标图像时的时间信息；确定单元，用于根据监控网络中各个监控点的点位位置信息和时空信息，确定监控网络中的待检索监控点的时空范围；提取单元，用于从目标图像中提取查询对象的特征信息；第二获取单元，用于利用查询对象的特征信息，获取待检索监控点的时空范围内监控到的有效对象与查询对象的相似度结果；生成单元，用于根据相似度结果确定查询对象的移动位置，并基于移动位置生成移动轨迹。
在本实施例中，在获取目标图像之后，基于目标图像的时空信息和监控网络中的监控点的点位位置信息，确定检索时空范围，该检索时空范围不是监控网络的全部监控范围，而是缩小了的时空范围，通过缩小查询范围(即上述的时空范围)，达到了在大规模数据集上查询该查询对象时，减小数据处理量的目的，从而实现了提高在对查询对象进行查询时的查询效率的技术效果，进而解决了现有技术中对查询对象的检索效率低的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本实施例的一种查询对象的轨迹生成方法的流程图；
图2是根据本实施例的第一种可选的查询对象的轨迹生成方法的流程图；
图3是根据本实施例的第二种可选的查询对象的轨迹生成方法的流程图；
图4是根据本实施例的第三种可选的查询对象的轨迹生成方法的流程图；以及
图5是根据本实施例的一种查询对象的轨迹生成装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本实施例中的附图，对本实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本实施例，提供了一种查询对象的轨迹生成方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本实施例的一种查询对象的轨迹生成方法的流程图，如图1所示，该方法包括如下步骤：
步骤S102，获取查询对象的目标图像，其中，目标图像中记录有时空信息，时空信息包括目标图像记录的地理位置信息和采集目标图像时的时间信息。
具体的，本申请实施例提供的查询对象的轨迹生成方法可以适用于视频/图像监控领域，尤其可以应用于公共场所的监控设备，其中，本申请实施例中的时空信息可以包含：时间与位置两个维度，其中，时空信息中采集目标图像是的时间信息可以为采集目标图像于某时某分某秒，例如，在201S年X月Y日的14:36:50采集目标图像A；
地理位置信息可以为当前目标图像所处的经纬度或目标图像所处经纬度对应的国家-省份-城市-街道-门号等位置信息。
步骤S104，根据监控网络中各个监控点的点位位置信息和时空信息，确定监控网络中的待检索监控点的时空范围。
基于步骤S102中的获取的目标图像，上述步骤S104中，在获取目标图像后，本申请实施例通过各个监控点的点位位置信息生成带权无向图，进而步骤S102中的时空信息结合带权无向图，确定监控网络中的待检索监控点的时空范围。
步骤S106，从目标图像中提取查询对象的特征信息。
具体的，在待检索监控点的时空范围所监控到的所有对象中，确定满足预设时空条件的对象为有效对象，然后提取查询对象的各个特征信息。
步骤S108，利用查询对象的特征信息，获取待检索监控点的时空范围内的有效对象与查询对象的相似度结果。
具体的，在本申请实施例中可以将查询对象的体貌特征、动作形态与有效对象的特征进行对比，得到相似度，再根据获得的查询对象与各个有效对象的相似度得到相似度结果。
步骤S110，根据相似度结果确定查询对象的移动位置，并基于移动位置生成移动轨迹。
具体的，该移动位置可以从相似度结果中选取符合预设阈值的相似度；将选取出的相似度对应的待检索监控点所在的位置，确定为移动位置。
在本实施例中，在获取目标图像之后，基于目标图像的时空信息和监控网络中的监控点的点位位置信息，确定检索时空范围，该检索时空范围不是监控网络的全部监控范围，而是缩小了的时空范围，通过缩小查询范围(即上述的时空范围)，达到了在大规模数据集上查询该查询对象时，减小数据处理量的目的，从而实现了提高在对查询对象进行查询时的查询效率的技术效果，进而解决了现有技术中对查询对象的检索效率低的技术问题。
上述实施例中的查询对象可以是行人、嫌疑犯、嫌疑车辆等，目标图像可以是该查询对象的照片或者视频资料，该目标图像中记录的时空信息可以包括该目标图像记录的地理位置信息和采集目标图像时的时间信息，例如，时空信息中的地理位置信息可以为行人照片的拍摄地点，或者行人视频资料摄制的小区监控设备所在位置，时空信息中的时间信息可以为行人照片拍摄的时间，或者行人视频资料摄制的时间段。上述实施例中的查询对象的特征信息可以为查询对象的体貌特征，如身高、衣着、五官特征、行为方式、外形特点等等。上述实施例中的监控点监控到的有效对象可以为监控点监控到的其他行人或者其他嫌疑犯，移动位置可以为查询对象在移动一段时间后的查询对象所在的位置，根据移动位置生成的移动轨迹可以显示于地图上。
在一个可选的实施例中，步骤S102获取查询对象的目标图像的操作可以包括：在输入的监控信息为视频的情况下，依据视频设置目标检测范围，将目标检测范围中最大置信度的图像作为目标图像；在输入的监控信息为图片的情况下，在图片中进行目标检测，得到目标图像。
在上述实施例中，可以根据不同的输入监控信息的类型来匹配对应的查询方法，对于类型为视频的监控信息可以选择先设置目标检测范围，再选取该目标检测范围中最大置信度的图像作为目标图形的查询方法，对于类型为图片的监控信息，可以选择在图片中进行目标检测的查询方法，从而可以实现根据输入的监控信息的实际情况来选择不同的查询方法，以得到准确的目标图像，从而实现提高目标图像的查询准确度的效果。
上述实施例中的监控信息(或者可以称为监控媒体)的类型可以为视频或者图片，在开始对查询对象进行检索时，可以根据不同监控信息的类型的查询对象图像的输入，来采用不同的处理方式进行处理，当输入的查询对象的监控信息为视频时，可以使用视频对应的查询方法来对查询对象(如，行人目标)进行检索和跟踪，生成置信度最高的查询对象集合(即目标图像)，供用户选择，以得到目标图像；当输入的监控信息为图片时，可以使用图片的媒体类型所对应的查询对象的检索和跟踪方法来自动进行查询对象(如，行人目标)的检测，生成查询对象集合(即目标图像)，以供用户选择，以得到目标图像。
可选地，上述实施例中的步骤S104根据监控网络中各个监控点的点位位置信息和时空信息，确定监控网络中的待检索监控点的时空范围的操作可以包括：依据监控网络中监控点的点位位置信息生成带权无向图；依据时空信息和带权无向图，确定待检索监控点的时空范围。
在上述实施例中，可以通过先依据监控网络中各个监控点(如，相机)的点位位置信息生成带权无向图，该带权无向图中包括地图信息、监控点的点位位置信息、以及各个监控点之间的关联关系，如距离等信息，再根据时空信息约束该带权无向图中的检索范围，从而确定查询对象的查询范围，即确定待检索监控点的时空范围。通过上述实施例，可以实现利用查询对象的时空信息约束来减少查询数据的数据量，提取了有效的查询数据，提高了查询该查询对象的查询速度和查询精度。
上述可选实施例中的依据监控网络中监控点的点位位置信息生成带权无向图可以包括：根据点位位置信息构建邻接矩阵；生成邻接矩阵对应的带权无向图，其中，带权无向图中包括监控点之间的近邻关系和距离信息。
具体地，在带权无向图在生成之前，先要生成时空信息无向图，可以通过在监控区域内，结合地图信息和监控网络中监控点的点位位置信息，自动生成监控点的时空信息无向图，最终在地图上将空间上相邻的监控点连接起来进行展示，在生成时空信息带权无向图时，首先要计算邻接矩阵，计算监控点位两两之间的直线距离，距离的值作为邻接矩阵元素，然后设定距离阈值为δdkm，假设为3km。监控点位之间的距离超过这个阈值，邻接矩阵的元素值设置为一个较大的值，假设为256，若两个监控点位之间存在着不可逾越的障碍，包含但不限于湖泊、铁路、军事禁区，使用沿道路的路程代替直线距离。如该路径中包含其他监控点，则邻接矩阵的元素值设置为一个较大的值，假设为256；在该带权无向图建立时，可以根据上述的邻接矩阵，创建带权无向图数据结构。然后，在地图上显示该带权无向图，显示所有监控点之间的近邻关系以及距离信息。若新加入监控点，需要更新邻接矩阵和带权无向图数据结构。
通过上述实施例，可以通过创建邻接矩阵和带权无向图，来实现对监控网络中的各个监控点信息的准确掌控，为后续的生成查询对象的跟踪和检测做出了良好的准备。
进一步地，依据时空信息和带权无向图，确定待检索监控点的时空范围包括：在带权无向图中，查找与时空信息中的地理位置信息对应的第一监控点；确定第一监控点的空间检索区域，其中，位于空间检索区域中的各个第二监控点与第一监控点之间的最远距离不超过预设距离；从第二监控点中，获取带权无向图所指示的与第一监控点具有近邻关系的待检索监控点；确定各个待检索监控点符合预设时空条件的有效检索时间，其中，时空范围包括空间检索区域和有效检索时间。
在上述实施例中，可以通过在带权无向图中，先查找出与时空信息中的地理位置信息对应的第一监控点，该第一监控点可以为摄制或者拍摄目标图像的监控点，以该第一监控点为中心，将距离第一监控点预设距离的位置确定为空间检索区域的边缘，并获取带权无向图中指示与第一监控点具有近邻关系的、位于该空间检索区域内的待检索监控点。
可选地，可以通过在带权无向图中，先查找出与时空信息中的地理位置信息对应的第一监控点，该第一监控点可以为摄制或者拍摄目标图像的监控点，获取带权无向图中与该第一监控点具有近邻关系的第二监控点，从这些第二监控点中，提取预设数量的、与第一监控点的距离小于预设距离的待检索监控点。
在另一个可选的实现方案中，可以将第一监控点定为圆心，以用户设定的距离(即上述的预设距离)为半径，画出一个圆形区域，在该圆形区域中的所有监控点即为第二监控点，再从第二监控点中选取预设数量的且与上述第一监控点具有近邻关系的待检索监控点。
在确定待检索监控点之后，可以通过预设时空条件确定各个待检索监控点的有效检索时间。
通过上述实施例，可以快速准确确定待检索监控点的范围，缩小了查询范围，提高了查询效率。
根据本发明的上述实施例，确定各个待检索监控点符合预设时空条件的有效检索时间包括：若待检索监控点为产生目标图像的初始监控点，则确定有效检索时间包括除时间信息对应的时间范围以外的时间范围；若待检索监控点不为产生目标图像的初始监控点，则获取初始监控点对应待检索监控点的有效监控时间，确定有效监控时间为有效检索时间。
进一步地，确定在待检索监控点的时空范围内的有效对象可以包括：若待检索监控点的时空范围对应的待检索监控点为产生目标图像的初始监控点，则确定待检索监控点在时间信息对应的时间范围以外监控到的对象为有效对象；若待检索监控点不为产生目标图像的初始监控点，则获取初始监控点对应待检索监控点的有效监控时间，确定待检索监控点在有效监控时间内所监控到的对象为有效对象。
在上述实施例中，在确定有效对象时，可以将待检索监控点分为两种监控点来分别进行判断。通过上述实施例，可以准确获取有效对象。
第一种情况，若待检索监控点为产生目标图像的初始监控点，则确定待检索监控点在时间信息对应的时间范围以外监控到的对象为有效对象，可以理解为在初始监控点中有多个监控对象，其中包括查询对象，而当该查询对象的时间信息对应的时间范围为8：00到9:00时，有效查询对象应该为该初始监控点中在时间范围为8：00到9:00之外的其他监控对象为有效对象。因为有效对象为疑似的查询对象，即与查询对象相似度较高的对象，而查询对象与有效对象不可能在同一时间一起出现在一个位置。
第二种情况，若待检索监控点不为产生目标图像的初始监控点，则获取初始监控点对应待检索监控点的有效监控时间，确定待检索监控点在有效监控时间内所监控到的对象为有效对象，可以理解为在待检索监控点中有多个监控对象，而当该查询对象的时间信息对应的时间范围为8：00到9:00时，该查询对象可以为行人，该行人的速度是有限的，他在从初始监控点出发后活动的范围也是有限的，根据初始监控点A和待检索监控点B之间的距离和行人的行动速度可以确定他可能从初始监控点A到待检索监控点B的时间范围，并且可以在行人在A出现的时间确定之后，根据该时间范围，来得到他可能出现在待检索监控点B的时间范围，这个时间范围即为有效监控时间，该有效监控时间可以为一个时间段。可以确定待检索监控点B中在上述有效时间出现的对象即为有效对象。
具体地，上述实施例中的有效监控时间通过如下方式获取包括：按照如下公式获取有效监控时间公式为：
其中，t1用于表示时间信息对应的时间范围内的最小时刻，t2用于表示时间信息对应的时间范围内的最大时刻，Dt用于表示待检索监控点与初始监控点之间的距离，vmax用于表示预先获取的查询对象的最大移动速度，vmin用于表示预先获取的查询对象的最小移动速度。
上述可选实施例中，除了可以将待检索监控点所监控到的所有对象中满足预设时空条件的对象确定为有效对象外，还可以将待检索监控点的时空范围内所监控到的所有对象中符合筛选条件的对象筛除掉，将剩下的对象确定为有效对象。具体地，该筛选条件可以包括：与查询对象不同监控点的点位位置信息，且与查询对象处于相同时间的加减距离时间范围(即相同时间或者有效监控时间)内的目标；与查询对象相同的监控点的点位位置信息，查询对象出现到消失的时间段内的所有其他目标，其中，有效监控时间与上述的有效时间相同。
具体地，可以通过提取查询对象的目标图像(包括图像或者视频的媒体类型)中的时空信息，利用时间信息和点位信息(即上述的地理位置信息)来缩小检索范围，并使用基于相同的目标不可能同时出现在不同位置以及与目标同处于一个位置的目标一定是其他目标这两种前提，对满足以下条件的所有目标，属于无效检索范围，对相关的数据进行过滤：与查询对象不同点位，且与查询对象处于相同时间或者有效监控时间范围内的目标，以及与查询对象相同点位，查询对象出现到消失的时间段内的所有其他目标。当监控点为相机时，若监控点对应的监控点的地理位置(也称点位)已被查找过，可以根据时空有效范围确定检索数据范围，查询对象发生的时间为t0，与查询对象发生的地点的监控相机一定范围δdkm内所有相机的集合{Ci},0<i<n，不同相机与查询对象点位的距离集合{Di},0<i<n，假设目标移动速度范围为[vmin,vmax]，不同相机的有效时间计算公式如下：
其中，t1用于表示时间信息对应的时间范围内的最小时刻，t2用于表示时间信息对应的时间范围内的最大时刻，Dt用于表示待检索监控点与初始监控点之间的距离，vmax用于表示预先获取的查询对象的最大移动速度，vmin用于表示预先获取的查询对象的最小移动速度。根据上述策略取出处于一定范围的相机有效目标数据用于检索和查询。
通过上述实施例，可以通过时空信息和上面的三个约束条件来实现对查询对象的查询范围的缩小和确定，减小了查询对象进行查询时的数据处理量，提高了查询效率。
可选地，利用查询对象的特征信息，获取待检索监控点的时空范围内监控到的有效对象与查询对象的相似度结果包括：利用查询对象的特征信息，获取查询对象与各个有效对象的相似度；根据查询对象与各个有效对象的相似度，生成相似度结果。
在上述实施例中，在获取在待检索监控点的时空范围内监控到的有效对象与查询对象的相似度结果的过程中，可以先在待检索监控点的时空范围所监控到的所有对象中，确定满足预设时空条件的对象为有效对象，然后将查询对象的各个特征信息与各个有效对象的有效特征信息进行对比，例如，可以将查询对象的体貌特征、动作形态与有效对象的特征进行对比，得到相似度，再根据获得的查询对象与各个有效对象的相似度得到相似度结果。通过上述实施例，可以实现相似度结果的准确快速获取的效果。
可选地，利用查询对象的特征信息，获取查询对象与各个有效对象的相似度包括：对查询对象的特征信息进行特征建模，得到特征模型；利用特征模型与有效对象进行比对，得到各个有效对象与查询对象的相似度。
在上述实施例中，将查询对象的特征信息的特征建模后的特征模型与各个有效对象的特征模型进行匹配，得到匹配各个有效对象与查询对象的相似度。通过上述实施例，可以实现快速得到有效对象与查询对象的相似度的效果。
进一步地，根据查询对象与各个有效对象的相似度，生成相似度结果包括：获取每个待检索监控点的m个有效对象与查询对象的m个相似度，其中，待检索监控点为位于待检索监控点的时空范围内的监控点，m为自然数；从m个相似度组成的相似度序列中，提取n个相似度生成第一序列，并基于相似度序列中剩余的相似度生成第二序列，其中，n为自然数，n<m；将多个待检索监控点的第一序列汇总起来得到第一结果，将多个待检索监控点的第二序列汇总起来得到第二结果；汇总第一结果和第二结果，生成相似度结果。
在上述实施例中，按照从低到高或者从高到低的顺序对相似度进行排序，并选取前n个相似度得到第一序列，将多个待检索监控点的第一序列进行汇总，得到第一结果，将剩余的相似度生成第二序列，汇总第二序列得到第二结果，并将第一结果和第二结果进行融合，得到上述的相似度结果，从而从基于相似度结果中快速查询出与查询对象相似度较高的监控对象所对应的监控点，以实现对查询对象的准确检测和跟踪。
具体地，可以利用包含但不限于视觉词袋(Bag of Visual Word，BOW)、汉明嵌入、局部敏感哈希、CDVS(Compact Descriptor for Visual Search，图像检索紧凑描述)方法进行检索，对不同的相机分别进行检索，返回与查询对象图像相似度从高到低的排序结果。
{Li},0<i<n
Li＝[pi1,pi2,...,pik],0<k<Ki
其中，Li为第i个相机的所有目标与查询对象相似度从高到低的排序结果，该相机有效目标共Ki个。
结果融合模块，用于对检索结果进行融合，不同相机的检索结果如下：
{Li},0<i<n
Li＝[pi1,pi2,...,pik],0<k<Ki，
可以分别取出每一个有效范围内的相机的检索结果前m，共n×m个结果：
{Li},0<i<n
Li＝[pi1,pi2,...,pim]。
对检索相似度从高到低进行排序，得到检索结果FL。
对于有效范围内的相机的检索结果前m之外的检索结果，共个结果：
{Li},0<i<n
Li＝[pim,pi2,...,piKi]。
对检索相似度从高到低进行排序，得到检索结果BL；将FL,BL结果联接起来，最终的检索结果为：{FL,BL}。
可选地，根据相似度结果确定查询对象的移动位置包括：从相似度结果中选取符合预设阈值的相似度；将选取出的相似度对应的待检索监控点所在的位置，确定为移动位置。
具体地，可以根据相似度和预设阈值，剔除与查询对象不同的误检目标；依据剔除后剩余的相似度对应的待检索监控点在地图上所在的位置，确定为移动位置，该移动位置对应的监控点所监控到的有效对象中存在与查询对象相似度较高的对象，或者相同的对象，并且根据该移动位置以及其对应的时空范围，生成查询对象的移动轨迹，实现了提高生成查询对象的移动轨迹的准确度。
可选地，基于移动位置生成移动轨迹包括：以地理位置信息为起点，以移动位置为终点，在地图上绘制连接起点和终点的移动轨迹。
上述实施例中的在基于移动位置生成移动轨迹之后，还可以在移动轨迹上显示各个监控点中的查询对象出现的时间信息。通过上述实施例，可以实现快速生成从地理位置信息对应的监控点到移动位置的移动轨迹的效果。
在一个可选的实施例中，可以基于上述的检索结果生成有效对象的移动轨迹。即可以根据查询对象的初始的地理位置对应的监控点，查询到有效对象中相似度最高的下一个监控点(即上述的移动位置)，自动生成从初始时的地理位置的监控点到下一个监控点(即移动位置对应的监控点)的移动轨迹。
再判断是否需要进行迭代查找。具体地，当判断需要进行迭代查找，进行特征融合；否则结束。可选地，若待检索监控点的地理位置位于待查找的监控区域以外，或者待检索监控点与当前查找的监控点重合，也即若查询对象移动范围超出要查找的范围，或者查询对象已经到达预设的目的地，则判断出此时不需要进行迭代查找；相反的，若待检索监控点不符合上述条件，则判断此时需要进行迭代查找。
当需要进行迭代查找时，对于确定的下一个监控点，可以再以该下一个监控点为当前监控点，以该当前监控点为起点，再对预设范围内的各个监控点中的监控图像与查询对象的特征进行匹配，基于匹配结果(即相似度)确定与该当前监控点对应的下一个监控点(即待检索监控点)，然后依次连接当前监控点和下一个监控点，以生成移动轨迹。
具体地，可以在上述检索结果(即上述相似度)基础上，根据用户设定的相似度阈值(即预设阈值)，自动生成和在地图上显示嫌疑目标(即上述查询对象)活动轨迹。用户可以选择剔除其中与嫌疑目标不同的误检，最终形成符合真实嫌疑目标活动轨迹的结果，显示到地图上，双击轨迹可调取视频和图像，供筛选和排查。如果在检索结果之间存在着其他摄像头，使用包含但不限于狄克斯特拉(Dijkstra)算法计算最短路径，显示嫌疑目标可能的轨迹。
在一个可选的实施例中，可以在选取用户给定查询图像(即查询对象的目标图像)之后，设定查询图像的地理位置或者选取查询图像发生的点位(即地理位置信息)，以及查询图像的生成时间(即时间信息)。可以设置感兴趣距离约束δdkm，监控点(即对应于监控点)到嫌疑监控点(即待检索监控点)之间在无向图中的跨越的监控点个数。当检索未发现移动位置时，自动外扩的距离以及近邻之间间隔的监控点个数等检索规则。可以根据查询图像的位置信息以及带权无向图和邻接矩阵的信息，选取查询图像位置信息附近(由上述检索规则决定)的监控点，使用时空约束信息进行检索(即对查询对象进行检测和查询)，并返回检索结果(包括相似度结果)。用户查看检索结果并进行反馈检索，通过选定其中的与真实嫌疑人员(即查询对象)相同的目标(即有效对象)，将该检索结果顺序提至第一位，并在地图上自动生成一条查询图像监控点(即地理位置信息对应的监控点)指向检索结果监控点(移动位置)的路径，点击相关监控点可显示检索结果相关图像、视频、以及结构化信息，然后系统自动使用该检索结果重复根据查询图像的位置信息以及带权无向图和邻接矩阵的信息，选取查询图像位置信息附近的监控点的过程，并将两次检索结果进行融合展示。用户没有发现与真实嫌疑人员相同的目标，系统自动将检索区域(即目标对象对应的区域)按检索规则进行外扩，在地图上突出显示外扩之后的区域和该区域包含的点位(即监控点)，重复根据查询图像的位置信息以及带权无向图和邻接矩阵的信息，选取查询图像位置信息附近的监控点的过程。重复上述的用户查看检索结果并进行反馈检索的过程，直到用户选择完成检索，展示最终的嫌疑目标活动路径(即移动轨迹)，供用户分析。
具体地，在本实施例中，在获取查询对象的目标图像之后，得到该查询对象的时空信息，根据该时空信息和监控网络中各个监控点的点位位置信息，确定监控网络中的待检索监控点的时空范围，并将从该目标图像中提取到的查询对象的特征信息来获取待检索监控点的时空范围监控到的有效对象与该查询对象的相似度结果；根据相似度结果来确定查询对象的移动位置，以生成移动轨迹，通过获取查询对象的时空信息在监控网络中确定待检索监控点的时空范围，来缩小查询范围，达到了在大规模数据集上查询该查询对象时，减小数据处理量的目的，从而实现了提高查询对象进行查询的查询效率的技术效果，进而解决了现有技术中对查询对象的检索效率低的技术问题。
上述实施例中的方法融合了查询对象的时空信息，通过该时空信息缩小检索的范围，实现跨相机间(监控点间)的查询对象(如，行人目标)轨迹的跟踪。
下面具体介绍上述方法的实现过程，图2是根据本实施例的第一种可选的查询对象的轨迹生成方法的流程图，如图2所示，该方法可以包括如下步骤：
步骤S201，对各个监控点的监控视频进行收集和处理。
具体地，可以实时地对监控网络中各个监控点的所有视频进行查询对象的检测和跟踪。
步骤S202，对查询目标进行特征建模。
具体地，可以对同一目标置信度最高的查询对象区域进行特征建模。
步骤S203，存储特征建模的模型、查询对象的时空信息和结构化信息。
具体地，可以将查询对象(如，行人目标)相关的结构化和半结构化信息、以及时空信息存储到数据库中。
图3是根据本实施例的第二种可选的查询对象的轨迹生成方法的流程图，如图3所示，上述步骤S201可以包括如下步骤实现：
步骤S2011，对查询对象进行检测。
具体地，获取查询对象的目标图像和该查询对象的时空信息，基于该查询对象的时空信息和目标图像对该查询对象进行检测，得到查询对象的检测结果。
步骤S2012，对查询对象进行跟踪。
具体地，可以基于对查询对象的检测结果，对查询对象进行跟踪。
步骤S2013，输出置信度最高的查询目标集合。
具体地，可以根据跟踪后的结果，得到置信度最高的查询对象的跟踪结果，将该跟踪结果作为查询目标集合(也即查询对象的集合)。
图4是根据本实施例的第三种可选的查询对象的轨迹生成方法的流程图，如图4所示，该方法可以包括如下步骤：
步骤S401，判断监控媒体的类型。
具体地，监控媒体即为上述的监控对象，首先要对用户输入的监控对象的类型进行判断，其中监控对象的类型包括视频或者图片。
步骤S402，若监控媒体的类型为图片时，进行查询对象的检测。
具体地，在输入的监控信息为图片的情况下，在图片中进行目标检测，得到目标图像。步骤S403，若监控媒体的类型为视频时，进行视频处理。
具体地，在输入的监控信息为视频的情况下，依据视频设置目标检测范围，将目标检测范围中最大置信度的图像作为目标图像。
步骤S404，利用查询对象时空范围，确定查询时空范围。
具体地，时空范围即为上述的时空信息，包括查询对象的时间信息以及地理位置信息，可以根据查询对象的时空信息来缩小查询时空范围，通过地理位置信息确定初始监控点，并依据时空信息和带权无向图，确定待检索监控点的时空范围，并确定待检索监控点的时空范围所监控到的所有对象中满足预设时空条件的有效对象，从而确定了查询时空范围。
步骤S405，对查询对象进行特征建模。
具体地，可以对查询对象的特征信息进行特征建模，得到特征模型。
步骤S406，对查询对象进行目标检索得到检索结果。
具体地，可以利用特征模型与有效对象进行比对，得到各个有效对象与查询对象的相似度，并根据查询对象与各个有效对象的相似度，生成相似度结果(即检索结果)，获得检索结果的过程又称为目标检索。
步骤S407，对检索结果进行融合。
具体地，可以对监控图像与有效对象的相似度进行结果融合，并可以对各个监控点的相似度进行排序，通过结果的融合，可以使得各个监控点的排序结果更加均匀准确。
步骤S408，轨迹生成。
具体地，可以基于上述的检索结果生成有效对象的移动轨迹。即可以根据查询对象的初始的地理位置对应的监控点，查询到有效对象中相似度最高的下一个监控点(即上述的移动位置)，自动生成从初始时的地理位置的监控点到下一个监控点(即移动位置对应的监控点)的移动轨迹。
步骤S409，判断是否需要进行迭代查找。
具体地，当判断需要进行迭代查找，即判断结果为是，则执行步骤S410，进行特征融合；否则结束。当需要进行迭代查找时，对于确定的下一个监控点，可以再以该下一个监控点为当前监控点，以该当前监控点为起点，再对预设范围内的各个监控点中的监控图像与查询对象的特征进行匹配，基于匹配结果(即相似度)确定与该当前监控点对应的下一个监控点。
可选地，若待检索监控点的地理位置位于待查找的监控区域以外，或者待检索监控点与当前查找的监控点重合，也即若查询对象移动范围超出要查找的范围，或者查询对象已经到达预设的目的地，则判断出此时不需要进行迭代查找；相反的，若待检索监控点不符合上述条件，则判断此时需要进行迭代查找。
查询时首先获取查询对象图像的时空信息，其中，查询对象图像为包括查询对象的图像，该查询对象图像的时空信息可以包括查询对象的地理位置信息(例如，该查询对象所在的监控点点位位置信息)、查询对象的时间信息(例如，该查询对象出现的时间)等有关查询对象的时间和空间方面的信息，根据当前监控网络中的监控点(监控点设置有相机)的位置，以及该监控点位置相对于查询对象图像对应所在的监控点的位置，来自动确定查询对象的时间和空间范围，该确定的时间和空间范围即为有效的检索范围。然后使用查询对象检测和跟踪方法在查询对象图像中定位查询对象的位置，该位置即为查询对象区域，在该查询对象区域上提取查询对象的颜色、纹理、形状特征等信息，与上述确定的查询对象的时间和空间范围(也即，有效的检索范围)内的特征模型信息进行匹配，获取查询对象区域的特征信息与各个监控点设置的相机的特征模型的相似度，对不同的监控点设置的相机根据相似度从高到低进行排序，然后将不同的相机的前N个检索结果融合起来进行展示，用户可以剔除其中错误的匹配，最后在上一步的基础上自动根据设定的相似度阈值生成查询对象的时空轨迹。
上述实施例中的方法由目标生成模块、监控点时空信息带权无向图生成模块、时空信息约束模块、目标建模模块、目标检索模块、结果融合模块、轨迹生成模块、特征融合模块、步步为营式检索模块组成，该方法的操作流程可以如图1和图2所示。
根据本实施例的另一个方面，还提供了一种查询对象的轨迹生成装置，图5是根据本实施例的一种查询对象的轨迹生成装置的示意图，如图5所示，该装置包括：第一获取单元10、确定单元20、提取单元30、第二获取单元40以及生成单元50。
其中，第一获取单元10，用于获取查询对象的目标图像，其中，目标图像中记录有时空信息，时空信息包括目标图像记录的地理位置信息和采集目标图像时的时间信息。
具体的，图1对应的实施例中第一获取单元10对应步骤S102，通过获取查询对象的目标图像，得到目标图像中的时空信息。
确定单元20，用于根据监控网络中各个监控点的点位位置信息和时空信息，确定监控网络中的待检索监控点的时空范围。
具体的，基于第一获取单元10得到的时空信息，确定单元20对应图1中的步骤S104依据该时空信息，结合各个监控点的点位位置，确定监控网络中的待检索监控点的时空范围。
提取单元30，用于从目标图像中提取查询对象的特征信息。
具体的，提取单元30对应图1中的步骤S106，通过目标图像，从该目标图像中提取查询对象的特征信息。
第二获取单元40，用于利用查询对象的特征信息，获取待检索监控点的时空范围内监控到的有效对象与查询对象的相似度结果。
具体的，第二获取单元40对应图1中的步骤S108，基于提取单元30提取的特征信息，第二获取单元40获取待检索监控点的时空范围内的有效对象与查询对象的相似度结果。
生成单元50，用于根据相似度结果确定查询对象的移动位置，并基于移动位置生成移动轨迹。
具体的，生成单元50对应图1中的步骤S110，基于第二获取单元40得到的相似度结果，确定该查询对象的移动位置，并基于该移动位置生成移动轨迹。
此处需要说明的是，上述第一获取单元10、确定单元20、提取单元30、第二获取单元40以及生成单元50对应于图1中的步骤S102至步骤S110，五个模块单元与对应的步骤所实现的示例和应用场景相同，但不限于上述图1对应的实施例所公开的内容。需要说明的是，上述模块单元作为装置的一部分可以运行在监控系统中，可以通过软件实现，也可以通过硬件实现。
在本实施例中，在获取目标图像之后，基于目标图像的时空信息和监控网络中的监控点的点位位置信息，确定检索时空范围，该检索时空范围不是监控网络的全部监控范围，而是缩小了的时空范围，通过缩小查询范围(即上述的时空范围)，达到了在大规模数据集上查询该查询对象时，减小数据处理量的目的，从而实现了提高在对查询对象进行查询时的查询效率的技术效果，进而解决了现有技术中对查询对象的检索效率低的技术问题。
上述实施例中的查询对象可以是行人、嫌疑犯、嫌疑车辆等，目标图像可以是该查询对象的照片或者视频资料，该目标图像中记录的时空信息可以包括该目标图像记录的地理位置信息和采集目标图像时的时间信息，例如，时空信息中的地理位置信息可以为行人照片的拍摄地点，或者行人视频资料摄制的小区监控设备所在位置，时空信息中的时间信息可以为行人照片拍摄的时间，或者行人视频资料摄制的时间段。上述实施例中的查询对象的特征信息可以为查询对象的体貌特征，如身高、衣着、五官特征、行为方式、外形特点等等。上述实施例中的监控点监控到的有效对象可以为监控点监控到的其他行人或者其他嫌疑犯，移动位置可以为查询对象在移动一段时间后的查询对象所在的位置，根据移动位置生成的移动轨迹可以显示于地图上。
可选地，第一获取单元包括：处理模块，用于在输入的监控信息为视频的情况下，依据视频设置目标检测范围，将目标检测范围中最大置信度的图像作为目标图像；目标检测模块，用于在输入的监控信息为图片的情况下，在图片中进行目标检测，得到目标图像。
在上述实施例中，可以根据不同的输入监控信息的类型来匹配对应的查询方法，对于类型为视频的监控信息可以选择先设置目标检测范围，再选取该目标检测范围中最大置信度的图像作为目标图形的查询方法，对于类型为图片的监控信息，可以选择在图片中进行目标检测的查询方法，从而可以实现根据输入的监控信息的实际情况来选择不同的查询方法，以得到准确的目标图像，从而实现提高目标图像的查询准确度的效果。
可选地，确定单元包括：第一生成模块，用于依据监控网络中监控点的点位位置信息生成带权无向图；第一确定模块，用于依据时空信息和带权无向图，确定待检索监控点的时空范围。
在上述实施例中，可以通过先依据监控网络中各个监控点(如，相机)的点位位置信息生成带权无向图，该带权无向图中包括地图信息、监控点的点位位置信息、以及各个监控点之间的关联关系，如距离等信息，再根据时空信息约束该带权无向图中的检索范围，从而确定查询对象的查询范围，即确定待检索监控点的时空范围。通过上述实施例，可以实现利用查询对象的时空信息约束来减少查询数据的数据量，提取了有效的查询数据，提高了查询该查询对象的查询速度和查询精度。
可选地，生成模块包括：构建子模块，用于根据点位位置信息构建邻接矩阵；生成子模块，用于生成邻接矩阵对应的带权无向图，其中，带权无向图中包括监控点之间的近邻关系和距离信息。
通过上述实施例，可以通过创建邻接矩阵和带权无向图，来实现对监控网络中的各个监控点信息的准确掌控，为后续的生成查询对象的跟踪和检测做出了良好的准备。
可选地，确定模块包括：查找子模块，用于在带权无向图中，查找与时空信息中的地理位置信息对应的第一监控点；第一确定子模块，用于确定第一监控点的空间检索区域，其中，位于空间检索区域中的各个第二监控点与第一监控点之间的最远距离不超过预设距离；第一获取子模块，用于从第二监控点中，获取带权无向图所指示的与第一监控点具有近邻关系的待检索监控点；第二确定子模块，用于确定各个待检索监控点符合预设时空条件的有效检索时间，其中，时空范围包括空间检索区域和有效检索时间。
在上述实施例中，可以通过在带权无向图中，先查找出与时空信息中的地理位置信息对应的第一监控点，该第一监控点可以为摄制或者拍摄目标图像的监控点，以该第一监控点为中心，将距离第一监控点预设距离的位置确定为空间检索区域的边缘，并获取带权无向图中指示与第一监控点具有近邻关系的、位于该空间检索区域内的待检索监控点。
可选地，可以通过在带权无向图中，先查找出与时空信息中的地理位置信息对应的第一监控点，该第一监控点可以为摄制或者拍摄目标图像的监控点，获取带权无向图中与该第一监控点具有近邻关系的第二监控点，从这些第二监控点中，提取预设数量的、与第一监控点的距离小于预设距离的待检索监控点。
在另一个可选的实现方案中，可以将第一监控点定为圆心，以用户设定的距离(即上述的预设距离)为半径，画出一个圆形区域，在该圆形区域中的所有监控点即为第二监控点，再从第二监控点中选取预设数量的且与上述第一监控点具有近邻关系的待检索监控点。
在确定待检索监控点之后，可以通过预设时空条件确定各个待检索监控点的有效检索时间。
通过上述实施例，可以快速准确确定待检索监控点的范围，缩小了查询范围，提高了查询效率。
根据本发明的上述实施例，确定各个待检索监控点符合预设时空条件的有效检索时间包括：若待检索监控点为产生目标图像的初始监控点，则确定有效检索时间包括除时间信息对应的时间范围以外的时间范围；若待检索监控点不为产生目标图像的初始监控点，则获取初始监控点对应待检索监控点的有效监控时间，确定有效监控时间为有效检索时间。
可选地，第二确定子模块包括：第一时间确定子模块，用于若待检索监控点为产生目标图像的初始监控点，则确定有效检索时间包括除时间信息对应的时间范围以外的时间范围；第二时间确定子模块，用于若待检索监控点不为产生目标图像的初始监控点，则获取初始监控点对应待检索监控点的有效监控时间，确定有效监控时间为有效检索时间。
第一时间确定子模块具体用于：按照如下公式获取有效监控时间公式为：
其中，t1用于表示时间信息对应的时间范围内的最小时刻，t2用于表示时间信息对应的时间范围内的最大时刻，Dt用于表示待检索监控点与初始监控点之间的距离，vmax用于表示预先获取的查询对象的最大移动速度，vmin用于表示预先获取的查询对象的最小移动速度。
通过上述实施例，可以通过时空信息和上面的三个约束条件来实现对查询对象的查询范围的缩小和确定，减小了查询对象进行查询时的数据处理量，提高了查询效率。
可选地，第二获取单元包括：获取模块，用于利用查询对象的特征信息，获取查询对象与各个有效对象的相似度；第二生成模块，用于根据查询对象与各个有效对象的相似度，生成相似度结果。在上述实施例中，在获取在待检索监控点的时空范围内监控到的有效对象与查询对象的相似度结果的过程中，可以先在待检索监控点的时空范围所监控到的所有对象中，确定满足预设时空条件的对象为有效对象，然后将查询对象的各个特征信息与各个有效对象的有效特征信息进行对比，例如，可以将查询对象的体貌特征、动作形态与有效对象的特征进行对比，得到相似度，再根据获得的查询对象与各个有效对象的相似度得到相似度结果。通过上述实施例，可以实现相似度结果的准确快速获取的效果。
可选地，获取模块包括：建模模块，用于对查询对象的特征信息进行特征建模，得到特征模型；比对模块，用于利用特征模型与有效对象进行比对，得到各个有效对象与查询对象的相似度。
在上述实施例中，将查询对象的特征信息的特征建模后的特征模型与各个有效对象的特征模型进行匹配，得到匹配各个有效对象与查询对象的相似度。通过上述实施例，可以实现快速得到有效对象与查询对象的相似度的效果。
进一步可选地，第二生成模块包括：第二获取子模块，用于获取每个待检索监控点的m个有效对象与查询对象的m个相似度，其中，待检索监控点为位于待检索监控点的时空范围内的监控点，m为自然数；提取子模块，用于从m个相似度组成的相似度序列中，提取n个相似度生成第一序列，并基于相似度序列中剩余的相似度生成第二序列，其中，n为自然数，n<m；第一汇总子模块，用于将多个待检索监控点的第一序列汇总起来得到第一结果，将多个待检索监控点的第二序列汇总起来得到第二结果；第二汇总子模块，用于汇总第一结果和第二结果，生成相似度结果。
在上述实施例中，按照低到高或者从高到低的顺序对相似度进行排序，并选取前n个相似度得到第一序列，将多个待检索监控点的第一序列进行汇总，得到第一结果，将剩余的相似度生成第二序列，汇总第二序列得到第二结果，并将第一结果和第二结果进行融合，得到上述的相似度结果，从而从基于相似度结果中快速查询出与查询对象相似度较高的监控对象所对应的监控点，以实现对查询对象的准确检测和跟踪。
可选地，生成单元包括：选取模块，用于从相似度结果中选取符合预设阈值的相似度；第三确定模块，用于将选取出的相似度对应的待检索监控点所在的位置，确定为移动位置。
具体地，可以根据相似度和预设阈值，剔除与查询对象不同的误检目标；依据剔除后剩余的相似度对应的待检索监控点在地图上所在的位置，确定为移动位置，该移动位置对应的监控点所监控到的有效对象中存在与查询对象相似度较高的对象，或者相同的对象，并且根据该移动位置以及其对应的时空范围，生成查询对象的移动轨迹，实现了提高生成查询对象的移动轨迹的准确度。
可选地，生成单元包括：连接模块，用于以地理位置信息为起点，以移动位置为终点，在地图上绘制连接起点和终点的移动轨迹。
上述实施例中的在基于移动位置生成移动轨迹之后，还可以在移动轨迹上显示各个监控点中的查询对象出现的时间信息。通过上述实施例，可以实现快速生成从地理位置信息对应的监控点到移动位置的移动轨迹的效果。
下面具体介绍上述实施例的实现过程，具体地：
首先，实时地对监控网络中各个监控点的所有视频或图片进行查询对象的检测和跟踪，然后，对同一目标置信度最高的查询对象区域进行特征建模，最后将查询对象(如，行人目标)相关的结构化和半结构化信息、以及时空信息存储到数据库中。
查询时首先获取查询对象的目标图像的时空信息，其中，该查询对象的目标图像的时空信息可以包括查询对象的地理位置信息(例如，该查询对象所在的监控点位置)、查询对象的时间信息(例如，该查询对象出现的时间)等有关查询对象的时间和空间方面的信息，根据当前监控网络中的监控点(监控点设置有相机)的点位位置信息，以及该监控点点位位置信息相对于查询对象的目标图像对应所在的初始监控点的位置，来自动确定查询对象的时间和空间范围，该确定的时间和空间范围即为有效的检索范围(即待检索监控点的时空范围)，在该有效的检索范围内的监控点为待检索监控点。然后使用查询对象检测和跟踪方法在查询对象的目标图像中定位查询对象的位置，该位置即为查询对象区域，在该查询对象区域上提取该查询对象的颜色、纹理、形状特征等特征信息，将该特征信息与上述确定的查询对象的时间和空间范围内的有效监控时间内的有效对象的特征信息进行对比，其中，可以利用特征建模的检索方法来进行上述的特征信息的对比，获取查询对象的特征信息与各个有效对象的相似度，对不同的监控点设置的相机根据相似度从高到低进行排序，然后将不同的相机的前N个检索结果(相似度)融合起来的第一结果，以及剩余的相似度的第二结果，以及第一结果和第二结果融合后的相似度结果进行展示，用户可以剔除其中错误的匹配，也即剔除其中相似度结果中小于预设阈值的相似度结果，将选取出的相似度对应的待检索监控点所在的位置，确定为移动位置，最后在上一步的基础上自动根据设定的相似度阈值生成查询对象的时空轨迹(即移动轨迹)。
上述实施例中的方法对应的装置包括如下模块：目标生成模块(即上述的第一获取单元)、监控点时空信息带权无向图生成模块(即上述的生成模块)、时空信息约束模块(即上述的确定模块)、目标建模模块(即上述获取模块中的建模模块)、目标检索模块(即上述获取模块中的比对模块)、结果融合模块(即上述的第二生成模块)、轨迹生成模块(即上述的生成单元)、步步为营式检索模块(即上述的堆积生成装置)。
其中，目标生成模块(即上述的第一获取单元)，可以分为两个部分，第一个为对于监控视频或者用户提供的视频片段，可以生成适合建模的行人目标区域图像。目标生成模块包含行人目标检测，其中，可以包含但不限于用于目标检测的特征描述子(histogram of oriented gradient，HOG)、可变形部件模型(Deformable Parts Model，DPM)这两个关于多目标跟踪的模块。对于同一个id的查询对象序列，最终输出检测器置信度最高的那个目标作为建模目标；第二个为对于用户提供的查询图像，进行行人目标检测(包含但不限于HOG、DPM)，检测出行人目标位置，输出作为建模目标。
监控点时空信息带权无向图生成模块(即上述的生成模块)，用于在监控区域内，结合地图信息和监控点位置信息，自动生成监控点时空信息无向图，最终并在地图上将空间上相邻的监控连接起来进行展示，在生成时空信息带权无向图时，首先要计算邻接矩阵，计算监控点位两两之间的直线距离，距离的值作为邻接矩阵元素，然后设定距离阈值为δdkm，假设为3km。监控点位之间的距离超过这个阈值，邻接矩阵的元素值设置为一个较大的值，假设为256，若两个监控点位之间存在着不可逾越的障碍，包含但不限于湖泊，铁路，军事禁区，使用沿道路的路程代替直线距离。如该路径中包含其他监控点，则邻接矩阵的元素值设置为一个较大的值，假设为256；在该带权无向图建立时，可以根据上述的邻接矩阵，创建带权无向图数据结构。然后，在地图上显示该带权无向图，显示所有监控点之间的近邻关系以及距离信息。若新加入监控点，需要更新邻接矩阵和带权无向图数据结构。
时空信息约束模块(即上述的确定模块)，用于提取用户查询的目标图像或者视频中时空信息，利用时间和点位信息缩小检索范围，并使用基于相同的目标不可能同时出现在不同位置以及与目标同处于一个位置的目标一定是其他目标这两种前提，对满足以下条件的所有目标，属于无效检索范围，对相关的数据进行过滤：与查询对象不同点位，且与查询对象处于相同时间的加减距离时间范围内的目标，以及与查询对象相同点位，查询对象出现到消失的时间段内的所有其他目标。若监控点的位置(也称点位)已被查找过，可以根据时空有效范围确定检索数据范围，查询对象发生的时间为t0，与查询对象发生的地点监控相机一定范围δdkm内所有相机的集合{Ci},0<i<n，不同相机与查询对象点位的距离集合{Di},0<i<n，假设目标移动速度范围为[vmin,vmax]，不同相机的有效时间计算公式如下：
根据上述策略取出处于一定范围的相机有效目标数据用于检索。
目标建模模块(即上述获取模块中的建模模块)，用于对输入的行人目标区域图像提取颜色特征包含但不限于颜色直方图，色彩名称(color name)。纹理特征包含但不限于灰度共生矩阵、LBP(Local Binary Pattern，局部二值模式)、Gabor(加窗傅立叶变换)等纹理特征。局部特征包含但不限于SIFT(Scale-invariant feature transform，尺度不变特征变换)，SURF(Speeded Up Robust Features，加速稳健特征)等局部特征。对提取的特征利用离线训练好的模型利用包含但不限于视觉词袋(Bag of Visual Word，BOW)、汉明嵌入、局部敏感哈希、CDVS(Compact Descriptor forVisual Search，图像检索紧凑描述)方法进行编码压缩，生成目标模型。
目标检索模块(即上述获取模块中的比对模块)，用于利用包含但不限于视觉词袋(Bag of Visual Word，BOW)、汉明嵌入、局部敏感哈希、CDVS(Compact DescriptorforVisual Search，图像检索紧凑描述)方法进行检索，对不同的相机分别进行检索，返回与查询对象图像相似度从高到低的排序结果。
{Li},0<i<n
Li＝[pi1,pi2,...,pik],0<k<K。
其中Li为第i个相机的所有目标与查询对象相似度从高到低的排序结果，该相机有效目标共Ki个。
结果融合模块(即上述的第二生成模块)，用于对检索结果进行融合，不同相机的检索结果如下：
{Li},0<i<n
Li＝[pi1,pi2,...,pik],0<k<Ki，
可以分别取出每一个有效范围内的相机的检索结果前m，共n×m个结果：
{Li},0<i<n
Li＝[pi1,pi2,...,pim]。
对检索相似度从高到低进行排序，得到检索结果FL。
对于有效范围内的相机的检索结果前m之外的检索结果，共个结果：
{Li},0<i<n
Li＝[pim,pi2,...,piKi]。
对检索相似度从高到低进行排序，得到检索结果BL；将FL,BL结果联接起来，最终的检索结果为：{FL,BL}。
轨迹生成模块(即上述的生成单元)，用于在上述检索结果基础上，根据用户设定的相似度阈值，自动生成和在地图上显示嫌疑目标活动轨迹。用户可以选择剔除其中与嫌疑目标不同的误检，最终形成符合真实嫌疑目标活动轨迹的结果，显示到地图上，双击轨迹可调取视频和图像，供筛选和排查。如果在检索结果之间存在着其他摄像头，使用包含但不限于Dijkstra(狄克斯特拉)算法计算最短路径，显示嫌疑目标可能的轨迹。
步步为营式检索模块(即上述的堆积生成装置)，用于将用户给定查询图像，设定查询图像的地理位置或者选取查询图像发生的点位，以及查询图像的生成时间。可以设置感兴趣距离约束δdkm，监控点到嫌疑监控点之间在无向图中的跨越的监控点个数。当检索未发现真值(即上述实施例中的移动位置)时，自动外扩的距离以及近邻之间间隔的监控点个数等检索规则。可以根据查询图像的位置信息以及带权无向图和邻接矩阵的信息，选取查询图像位置信息附近(由上述检索规则决定)的监控点，使用模块时空约束信息进行检索，并返回检索结果。用户查看检索结果并进行反馈检索，通过选定其中的与真实嫌疑人员相同的目标，将该检索结果顺序提至第一位，并在地图上自动生成一条查询图像监控点指向检索结果监控点的路径，点击相关监控点可显示检索结果相关图像、视频、以及结构化信息，然后系统自动使用该检索结果重复根据查询图像的位置信息以及带权无向图和邻接矩阵的信息，选取查询图像位置信息附近的监控点的过程，并将两次检索结果进行融合展示。用户没有发现与真实嫌疑人员相同的目标，系统自动将检索区域按检索规则进行外扩，在地图上突出显示外扩之后的区域和该区域包含的点位，重复根据查询图像的位置信息以及带权无向图和邻接矩阵的信息，选取查询图像位置信息附近的监控点的过程。
重复上述的用户查看检索结果并进行反馈检索的过程，直到用户选择完成检索，展示最终的嫌疑目标活动路径，供用户分析。
通过上述实施例，可以通过监控点时空带权无向图生成和显示方法、利用时空信息约束数据有效范围的方法、以及步步为营式检索和显示方法，可以实现建立有效的监控带权无向图，充分挖掘了监控点之间的位置关系，通过采用时空信息约束方法，在保证不发生漏检的前提下缩小了检索数据范围，提高了检索速度和检索准确度，本发明采用的步步为营式检索和显示方法，为检索的过程和结果的优化提供了有效的工具。
上述本实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，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单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (24)
1.一种查询对象的轨迹生成方法，其特征在于，包括：
获取查询对象的目标图像，其中，所述目标图像中记录有时空信息，所述时空信息包括所述目标图像记录的地理位置信息和采集所述目标图像时的时间信息；
根据监控网络中各个监控点的点位位置信息和所述时空信息，确定所述监控网络中的待检索监控点的时空范围；
从所述目标图像中提取所述查询对象的特征信息；
利用所述查询对象的特征信息，获取所述待检索监控点的时空范围内监控到的有效对象与所述查询对象的相似度结果；
根据所述相似度结果确定所述查询对象的移动位置，并基于所述移动位置生成移动轨迹。
2.根据权利要求1所述的方法，其特征在于，根据监控网络中各个监控点的点位位置信息和所述时空信息，确定所述监控网络中的待检索监控点的时空范围包括：
依据所述监控网络中监控点的点位位置信息生成带权无向图；
依据所述时空信息和所述带权无向图，确定所述待检索监控点的时空范围。
3.根据权利要求2所述的方法，其特征在于，依据所述监控网络中监控点的点位位置信息生成带权无向图包括：
根据所述点位位置信息构建邻接矩阵；
生成所述邻接矩阵对应的所述带权无向图，其中，所述带权无向图中包括所述监控点之间的近邻关系和距离信息。
4.根据权利要求2所述的方法，其特征在于，依据所述时空信息和所述带权无向图，确定所述待检索监控点的时空范围包括：
在所述带权无向图中，查找与所述时空信息中的地理位置信息对应的第一监控点；
确定所述第一监控点的空间检索区域，其中，位于所述空间检索区域中的各个第二监控点与所述第一监控点之间的最远距离不超过预设距离；
从所述第二监控点中，获取所述带权无向图所指示的与所述第一监控点具有近邻关系的所述待检索监控点；
确定各个所述待检索监控点符合预设时空条件的有效检索时间，
其中，所述时空范围包括所述空间检索区域和所述有效检索时间。
5.根据权利要求4所述的方法，其特征在于，确定各个所述待检索监控点符合预设时空条件的有效检索时间包括：
若所述待检索监控点为产生所述目标图像的初始监控点，则确定所述有效检索时间包括除所述时间信息对应的时间范围以外的时间范围；
若所述待检索监控点不为产生所述目标图像的初始监控点，则获取所述初始监控点对应所述待检索监控点的有效监控时间，确定所述有效监控时间为所述有效检索时间。
6.根据权利要求5所述的方法，其特征在于，所述有效监控时间通过如下方式获取：
按照如下公式获取有效监控时间所述公式为：
<mrow>
<msubsup>
<mi>&delta;</mi>
<mi>t</mi>
<mi>i</mi>
</msubsup>
<mo>=</mo>
<mo>&lsqb;</mo>
<msub>
<mi>t</mi>
<mn>1</mn>
</msub>
<mo>-</mo>
<mfrac>
<msub>
<mi>D</mi>
<mi>t</mi>
</msub>
<msub>
<mi>v</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
</mfrac>
<mo>,</mo>
<msub>
<mi>t</mi>
<mn>1</mn>
</msub>
<mo>-</mo>
<mfrac>
<msub>
<mi>D</mi>
<mi>t</mi>
</msub>
<msub>
<mi>v</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
</mfrac>
<mo>&rsqb;</mo>
<mo>&cup;</mo>
<mo>&lsqb;</mo>
<msub>
<mi>t</mi>
<mn>2</mn>
</msub>
<mo>+</mo>
<mfrac>
<msub>
<mi>D</mi>
<mi>t</mi>
</msub>
<msub>
<mi>v</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
</mfrac>
<mo>,</mo>
<msub>
<mi>t</mi>
<mn>2</mn>
</msub>
<mo>+</mo>
<mfrac>
<msub>
<mi>D</mi>
<mi>t</mi>
</msub>
<msub>
<mi>v</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
</mfrac>
<mo>&rsqb;</mo>
<mo>,</mo>
</mrow>
其中，t1用于表示所述时间信息对应的时间范围内的最小时刻，t2用于表示所述时间信息对应的时间范围内的最大时刻，Dt用于表示所述待检索监控点与所述初始监控点之间的距离，vmax用于表示预先获取的所述查询对象的最大移动速度，vmin用于表示预先获取的所述查询对象的最小移动速度。
7.根据权利要求1所述的方法，其特征在于，利用所述查询对象的特征信息，获取所述待检索监控点的时空范围内监控到的有效对象与所述查询对象的相似度结果包括：
利用所述查询对象的特征信息，获取所述查询对象与各个所述有效对象的相似度；
根据所述查询对象与各个所述有效对象的相似度，生成所述相似度结果。
8.根据权利要求7所述的方法，其特征在于，利用所述查询对象的特征信息，获取所述查询对象与各个所述有效对象的相似度包括：
对所述查询对象的特征信息进行特征建模，得到特征模型；
利用所述特征模型与所述有效对象进行比对，得到各个所述有效对象与所述查询对象的相似度。
9.根据权利要求7所述的方法，其特征在于，根据所述查询对象与各个所述有效对象的相似度，生成所述相似度结果包括：
获取每个所述待检索监控点的m个有效对象与所述查询对象的m个相似度，其中，所述待检索监控点为位于所述待检索监控点的时空范围内的监控点，m为自然数；
从所述m个相似度组成的相似度序列中，提取n个相似度生成第一序列，并基于所述相似度序列中剩余的相似度生成第二序列，其中，n为自然数，n<m；
将多个待检索监控点的第一序列汇总起来得到第一结果，将所述多个待检索监控点的第二序列汇总起来得到第二结果；
汇总所述第一结果和所述第二结果，生成所述相似度结果。
10.根据权利要求1所述的方法，其特征在于，根据所述相似度结果确定所述查询对象的移动位置包括：
从所述相似度结果中选取符合预设阈值的相似度；
将选取出的相似度对应的待检索监控点所在的位置，确定为所述移动位置。
11.根据权利要求1所述的生成方法，其特征在于，基于所述移动位置生成移动轨迹包括：
以所述地理位置信息为起点，以所述移动位置为终点，在地图上绘制连接所述起点和所述终点的移动轨迹。
12.根据权利要求1所述的方法，其特征在于，所述获取查询对象的目标图像包括：
在输入的监控信息为视频的情况下，依据所述视频设置目标检测范围，将所述目标检测范围中最大置信度的图像作为所述目标图像；
在输入的监控信息为图片的情况下，在所述图片中进行目标检测，得到所述目标图像。
13.一种查询对象的轨迹生成装置，其特征在于，包括：
第一获取单元，用于获取查询对象的目标图像，其中，所述目标图像中记录有时空信息，所述时空信息包括所述目标图像记录的地理位置信息和采集所述目标图像时的时间信息；
确定单元，用于根据监控网络中各个监控点的点位位置信息和所述时空信息，确定所述监控网络中的待检索监控点的时空范围；
提取单元，用于从所述目标图像中提取所述查询对象的特征信息；
第二获取单元，用于利用所述查询对象的特征信息，获取所述待检索监控点的时空范围内监控到的有效对象与所述查询对象的相似度结果；
生成单元，用于根据所述相似度结果确定所述查询对象的移动位置，并基于所述移动位置生成移动轨迹。
14.根据权利要求13所述的装置，其特征在于，所述确定单元包括：
第一生成模块，用于依据所述监控网络中监控点的点位位置信息生成带权无向图；
第一确定模块，用于依据所述时空信息和所述带权无向图，确定所述待检索监控点的时空范围。
15.根据权利要求14所述的装置，其特征在于，所述第一生成模块包括：
构建子模块，用于根据所述点位位置信息构建邻接矩阵；
生成子模块，用于生成所述邻接矩阵对应的所述带权无向图，其中，所述带权无向图中包括所述监控点之间的近邻关系和距离信息。
16.根据权利要求14所述的装置，其特征在于，所述确定模块包括：
查找子模块，用于在所述带权无向图中，查找与所述时空信息中的地理位置信息对应的第一监控点；
第一确定子模块，用于确定所述第一监控点的空间检索区域，其中，位于所述空间检索区域中的各个第二监控点与所述第一监控点之间的最远距离不超过预设距离；
第一获取子模块，用于从所述第二监控点中，获取所述带权无向图所指示的与所述第一监控点具有近邻关系的所述待检索监控点；
第二确定子模块，用于确定各个所述待检索监控点符合预设时空条件的有效检索时间，
其中，所述时空范围包括所述空间检索区域和所述有效检索时间。
17.根据权利要求16所述的装置，其特征在于，所述第二确定子模块包括：
第一时间确定子模块，用于若所述待检索监控点为产生所述目标图像的初始监控点，则确定所述有效检索时间包括除所述时间信息对应的时间范围以外的时间范围；
第二时间确定子模块，用于若所述待检索监控点不为产生所述目标图像的初始监控点，则获取所述初始监控点对应所述待检索监控点的有效监控时间，确定所述有效监控时间为所述有效检索时间。
18.根据权利要求17所述的装置，其特征在于，所述第一时间确定子模块具体用于：
按照如下公式获取有效监控时间所述公式为：
<mrow>
<msubsup>
<mi>&delta;</mi>
<mi>t</mi>
<mi>i</mi>
</msubsup>
<mo>=</mo>
<mo>&lsqb;</mo>
<msub>
<mi>t</mi>
<mn>1</mn>
</msub>
<mo>-</mo>
<mfrac>
<msub>
<mi>D</mi>
<mi>t</mi>
</msub>
<msub>
<mi>v</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
</mfrac>
<mo>,</mo>
<msub>
<mi>t</mi>
<mn>1</mn>
</msub>
<mo>-</mo>
<mfrac>
<msub>
<mi>D</mi>
<mi>t</mi>
</msub>
<msub>
<mi>v</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
</mfrac>
<mo>&rsqb;</mo>
<mo>&cup;</mo>
<mo>&lsqb;</mo>
<msub>
<mi>t</mi>
<mn>2</mn>
</msub>
<mo>+</mo>
<mfrac>
<msub>
<mi>D</mi>
<mi>t</mi>
</msub>
<msub>
<mi>v</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
</mfrac>
<mo>,</mo>
<msub>
<mi>t</mi>
<mn>2</mn>
</msub>
<mo>+</mo>
<mfrac>
<msub>
<mi>D</mi>
<mi>t</mi>
</msub>
<msub>
<mi>v</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
</mfrac>
<mo>&rsqb;</mo>
<mo>,</mo>
</mrow>
其中，t1用于表示所述时间信息对应的时间范围内的最小时刻，t2用于表示所述时间信息对应的时间范围内的最大时刻，Dt用于表示所述待检索监控点与所述初始监控点之间的距离，vmax用于表示预先获取的所述查询对象的最大移动速度，vmin用于表示预先获取的所述查询对象的最小移动速度。
19.根据权利要求13所述的装置，其特征在于，所述第二获取单元包括：
获取模块，用于利用所述查询对象的特征信息，获取所述查询对象与各个所述有效对象的相似度；
第二生成模块，用于根据所述查询对象与各个所述有效对象的相似度，生成所述相似度结果。
20.根据权利要求19所述的装置，其特征在于，所述获取模块包括：
建模模块，用于对所述查询对象的特征信息进行特征建模，得到特征模型；
比对模块，用于利用所述特征模型与所述有效对象进行比对，得到各个所述有效对象与所述查询对象的相似度。
21.根据权利要求19所述的装置，其特征在于，所述第二生成模块包括：
第二获取子模块，用于获取每个所述待检索监控点的m个有效对象与所述查询对象的m个相似度，其中，所述待检索监控点为位于所述待检索监控点的时空范围内的监控点，m为自然数；
提取子模块，用于从所述m个相似度组成的相似度序列中，提取n个相似度生成第一序列，并基于所述相似度序列中剩余的相似度生成第二序列，其中，n为自然数，n<m；
第一汇总子模块，用于将多个待检索监控点的第一序列汇总起来得到第一结果，将所述多个待检索监控点的第二序列汇总起来得到第二结果；
第二汇总子模块，用于汇总所述第一结果和所述第二结果，生成所述相似度结果。
22.根据权利要求13所述的装置，其特征在于，所述生成单元包括：
选取模块，用于从所述相似度结果中选取符合预设阈值的相似度；
第三确定模块，用于将选取出的相似度对应的待检索监控点所在的位置，确定为所述移动位置。
23.根据权利要求13所述的生成装置，其特征在于，所述生成单元包括：
连接模块，用于以所述地理位置信息为起点，以所述移动位置为终点，在地图上绘制连接所述起点和所述终点的移动轨迹。
24.根据权利要求13所述的装置，其特征在于，所述第一获取单元包括：
处理模块，用于在输入的监控信息为视频的情况下，依据所述视频设置目标检测范围，将所述目标检测范围中最大置信度的图像作为所述目标图像；
目标检测模块，用于在输入的监控信息为图片的情况下，在所述图片中进行目标检测，得到所述目标图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610272653.4A CN107315755A (zh) | 2016-04-27 | 2016-04-27 | 查询对象的轨迹生成方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610272653.4A CN107315755A (zh) | 2016-04-27 | 2016-04-27 | 查询对象的轨迹生成方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107315755A true CN107315755A (zh) | 2017-11-03 |
Family
ID=60184647
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610272653.4A Pending CN107315755A (zh) | 2016-04-27 | 2016-04-27 | 查询对象的轨迹生成方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107315755A (zh) |
Cited By (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108268665A (zh) * | 2018-02-13 | 2018-07-10 | 山东顺国电子科技有限公司 | 一种可视化平台数据查询方法及装置 |
| CN108509657A (zh) * | 2018-04-27 | 2018-09-07 | 深圳爱酷智能科技有限公司 | 数据分配保存方法、设备及计算机可读存储介质 |
| CN109325965A (zh) * | 2018-08-22 | 2019-02-12 | 浙江大华技术股份有限公司 | 一种目标对象跟踪方法及装置 |
| CN109800727A (zh) * | 2019-01-28 | 2019-05-24 | 云谷（固安）科技有限公司 | 一种监控方法和装置 |
| CN109828991A (zh) * | 2018-12-03 | 2019-05-31 | 深圳市北斗智能科技有限公司 | 一种多时空条件下查询排序方法、装置、设备和存储介质 |
| CN109934074A (zh) * | 2017-12-19 | 2019-06-25 | 杭州海康威视系统技术有限公司 | 行动轨迹确定方法及装置 |
| CN109960969A (zh) * | 2017-12-22 | 2019-07-02 | 杭州海康威视数字技术股份有限公司 | 移动路线生成的方法、装置及系统 |
| CN109977108A (zh) * | 2019-04-03 | 2019-07-05 | 深圳市甲易科技有限公司 | 一种基于行为轨迹库的多种轨迹碰撞分析方法 |
| CN110443828A (zh) * | 2019-07-31 | 2019-11-12 | 腾讯科技（深圳）有限公司 | 对象跟踪方法和装置、存储介质及电子装置 |
| CN110675434A (zh) * | 2018-07-03 | 2020-01-10 | 杭州海康威视系统技术有限公司 | 一种动线生成方法、装置、设备及系统 |
| CN111008297A (zh) * | 2019-12-11 | 2020-04-14 | 维沃移动通信有限公司 | 寻址方法及服务器 |
| CN111143497A (zh) * | 2019-12-23 | 2020-05-12 | 北京明略软件系统有限公司 | 一种轨迹数据处理方法、装置和电子设备 |
| CN111143496A (zh) * | 2019-12-19 | 2020-05-12 | 北京百度网讯科技有限公司 | 用于确定轨迹相似的目标对象的方法和装置 |
| CN111475670A (zh) * | 2019-11-26 | 2020-07-31 | 北京明略软件系统有限公司 | 轨迹显示方法和装置、存储介质 |
| CN111522995A (zh) * | 2020-04-26 | 2020-08-11 | 重庆紫光华山智安科技有限公司 | 目标对象分析方法、装置及电子设备 |
| CN111586330A (zh) * | 2020-05-29 | 2020-08-25 | 深圳市天一智联科技有限公司 | 应用于tyrtc平台的保存视频的方法和装置 |
| CN111881322A (zh) * | 2020-09-28 | 2020-11-03 | 成都睿沿科技有限公司 | 一种目标搜索方法、装置、电子设备及存储介质 |
| 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 |
| CN112291531A (zh) * | 2020-11-12 | 2021-01-29 | 珠海大横琴科技发展有限公司 | 一种监控点处理方法和装置 |
| CN112836089A (zh) * | 2021-01-28 | 2021-05-25 | 浙江大华技术股份有限公司 | 运动轨迹的确认方法及装置、存储介质、电子装置 |
| WO2022012508A1 (zh) * | 2020-07-14 | 2022-01-20 | 杭州海康威视数字技术股份有限公司 | 一种信息检索方法、装置及电子设备 |
| CN113038382B (zh) * | 2019-12-09 | 2024-05-03 | 阿里巴巴集团控股有限公司 | 一种数据处理方法、装置及电子设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101840422A (zh) * | 2010-04-09 | 2010-09-22 | 江苏东大金智建筑智能化系统工程有限公司 | 基于目标特征和报警行为的智能视频检索系统和方法 |
| 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 |
| CN103942811A (zh) * | 2013-01-21 | 2014-07-23 | 中国电信股份有限公司 | 分布式并行确定特征目标运动轨迹的方法与系统 |
-
2016
- 2016-04-27 CN CN201610272653.4A patent/CN107315755A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101840422A (zh) * | 2010-04-09 | 2010-09-22 | 江苏东大金智建筑智能化系统工程有限公司 | 基于目标特征和报警行为的智能视频检索系统和方法 |
| 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 |
| CN103942811A (zh) * | 2013-01-21 | 2014-07-23 | 中国电信股份有限公司 | 分布式并行确定特征目标运动轨迹的方法与系统 |
Cited By (30)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109934074A (zh) * | 2017-12-19 | 2019-06-25 | 杭州海康威视系统技术有限公司 | 行动轨迹确定方法及装置 |
| CN109960969A (zh) * | 2017-12-22 | 2019-07-02 | 杭州海康威视数字技术股份有限公司 | 移动路线生成的方法、装置及系统 |
| CN109960969B (zh) * | 2017-12-22 | 2021-08-17 | 杭州海康威视数字技术股份有限公司 | 移动路线生成的方法、装置及系统 |
| CN108268665A (zh) * | 2018-02-13 | 2018-07-10 | 山东顺国电子科技有限公司 | 一种可视化平台数据查询方法及装置 |
| CN108509657A (zh) * | 2018-04-27 | 2018-09-07 | 深圳爱酷智能科技有限公司 | 数据分配保存方法、设备及计算机可读存储介质 |
| CN110675434A (zh) * | 2018-07-03 | 2020-01-10 | 杭州海康威视系统技术有限公司 | 一种动线生成方法、装置、设备及系统 |
| CN109325965A (zh) * | 2018-08-22 | 2019-02-12 | 浙江大华技术股份有限公司 | 一种目标对象跟踪方法及装置 |
| CN109828991A (zh) * | 2018-12-03 | 2019-05-31 | 深圳市北斗智能科技有限公司 | 一种多时空条件下查询排序方法、装置、设备和存储介质 |
| CN109800727A (zh) * | 2019-01-28 | 2019-05-24 | 云谷（固安）科技有限公司 | 一种监控方法和装置 |
| CN109977108A (zh) * | 2019-04-03 | 2019-07-05 | 深圳市甲易科技有限公司 | 一种基于行为轨迹库的多种轨迹碰撞分析方法 |
| CN110443828A (zh) * | 2019-07-31 | 2019-11-12 | 腾讯科技（深圳）有限公司 | 对象跟踪方法和装置、存储介质及电子装置 |
| WO2021017891A1 (zh) * | 2019-07-31 | 2021-02-04 | 腾讯科技（深圳）有限公司 | 对象跟踪方法和装置、存储介质及电子设备 |
| CN111475670A (zh) * | 2019-11-26 | 2020-07-31 | 北京明略软件系统有限公司 | 轨迹显示方法和装置、存储介质 |
| CN113038382B (zh) * | 2019-12-09 | 2024-05-03 | 阿里巴巴集团控股有限公司 | 一种数据处理方法、装置及电子设备 |
| CN111008297A (zh) * | 2019-12-11 | 2020-04-14 | 维沃移动通信有限公司 | 寻址方法及服务器 |
| CN111008297B (zh) * | 2019-12-11 | 2023-12-15 | 维沃移动通信有限公司 | 寻址方法及服务器 |
| CN111143496A (zh) * | 2019-12-19 | 2020-05-12 | 北京百度网讯科技有限公司 | 用于确定轨迹相似的目标对象的方法和装置 |
| CN111143496B (zh) * | 2019-12-19 | 2023-05-26 | 北京百度网讯科技有限公司 | 用于确定轨迹相似的目标对象的方法和装置 |
| CN111143497A (zh) * | 2019-12-23 | 2020-05-12 | 北京明略软件系统有限公司 | 一种轨迹数据处理方法、装置和电子设备 |
| CN111522995A (zh) * | 2020-04-26 | 2020-08-11 | 重庆紫光华山智安科技有限公司 | 目标对象分析方法、装置及电子设备 |
| CN111522995B (zh) * | 2020-04-26 | 2023-06-27 | 重庆紫光华山智安科技有限公司 | 目标对象分析方法、装置及电子设备 |
| CN111586330A (zh) * | 2020-05-29 | 2020-08-25 | 深圳市天一智联科技有限公司 | 应用于tyrtc平台的保存视频的方法和装置 |
| WO2022012508A1 (zh) * | 2020-07-14 | 2022-01-20 | 杭州海康威视数字技术股份有限公司 | 一种信息检索方法、装置及电子设备 |
| CN111881322A (zh) * | 2020-09-28 | 2020-11-03 | 成都睿沿科技有限公司 | 一种目标搜索方法、装置、电子设备及存储介质 |
| 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 |
| CN112291531B (zh) * | 2020-11-12 | 2021-12-03 | 珠海大横琴科技发展有限公司 | 一种监控点处理方法和装置 |
| CN112291531A (zh) * | 2020-11-12 | 2021-01-29 | 珠海大横琴科技发展有限公司 | 一种监控点处理方法和装置 |
| CN112836089A (zh) * | 2021-01-28 | 2021-05-25 | 浙江大华技术股份有限公司 | 运动轨迹的确认方法及装置、存储介质、电子装置 |
| CN112836089B (zh) * | 2021-01-28 | 2023-08-22 | 浙江大华技术股份有限公司 | 运动轨迹的确认方法及装置、存储介质、电子装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107315755A (zh) | 查询对象的轨迹生成方法及装置 | |
| Zhang et al. | Joint Deep Learning for land cover and land use classification | |
| US10984532B2 (en) | Joint deep learning for land cover and land use classification | |
| EP3614308B1 (en) | Joint deep learning for land cover and land use classification | |
| CN110210276A (zh) | 一种移动轨迹获取方法及其设备、存储介质、终端 | |
| CN103679674B (zh) | 一种无人飞行器实时图像拼接方法及系统 | |
| CN110414441B (zh) | 一种行人行踪分析方法及系统 | |
| CN103810717B (zh) | 一种人体行为检测方法及装置 | |
| CN107315795B (zh) | 联合特定人物和场景的视频实例检索方法及系统 | |
| CN111461209B (zh) | 一种模型训练装置和方法 | |
| CN109241349A (zh) | 一种基于深度学习的监控视频多目标分类检索方法及系统 | |
| CN109919045A (zh) | 基于级联卷积网络的小尺度行人检测识别方法 | |
| CN108960124A (zh) | 用于行人再识别的图像处理方法及装置 | |
| CN108734200A (zh) | 基于bing特征的人体目标视觉检测方法和装置 | |
| Puri | COCO dataset stuff segmentation challenge | |
| CN113408584A (zh) | Rgb-d多模态特征融合3d目标检测方法 | |
| CN101251857A (zh) | 信息存储和检索 | |
| Howard et al. | Pragmatic genetic programming strategy for the problem of vehicle detection in airborne reconnaissance | |
| Saha et al. | Unsupervised deep learning based change detection in Sentinel-2 images | |
| Yin et al. | Multimodal fusion of satellite images and crowdsourced GPS traces for robust road attribute detection | |
| Torres et al. | Mountain summit detection with Deep Learning: evaluation and comparison with heuristic methods | |
| CN109934147B (zh) | 基于深度神经网络的目标检测方法、系统及装置 | |
| CN111897993A (zh) | 一种基于行人再识别的高效目标人物轨迹生成方法 | |
| US8510243B2 (en) | Methods for updating and training for a self-organising card | |
| CN110852255A (zh) | 一种基于u型特征金字塔的交通目标检测方法 |
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: 20171103 |
|
| RJ01 | Rejection of invention patent application after publication |