CN108182218A - 一种基于地理信息系统的视频人物识别方法、系统及电子设备 - Google Patents
一种基于地理信息系统的视频人物识别方法、系统及电子设备 Download PDFInfo
- Publication number
- CN108182218A CN108182218A CN201711415028.1A CN201711415028A CN108182218A CN 108182218 A CN108182218 A CN 108182218A CN 201711415028 A CN201711415028 A CN 201711415028A CN 108182218 A CN108182218 A CN 108182218A
- Authority
- CN
- China
- Prior art keywords
- dimensional
- information
- data
- suspicious object
- target object
- 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
- G06F16/70—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
- G06F16/7867—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, title and artist information, manually generated time, location and usage information, user ratings
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- Multimedia (AREA)
- Remote Sensing (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种基于地理信息系统的视频人物识别方法、系统及电子设备。所述方法包括:建立三维空间地理信息大数据服务系统,所述三维空间地理信息大数据服务系统包括目标对象的三维坐标;提取包含可疑目标的图像或/和视频数据,并根据地理信息系统空间分析技术对提取的图像或/和视频数据进行分析,获取可疑目标的地点与分布区域;提取所述可疑目标的三维信息,将提取的三维信息与所述三维空间地理信息大数据服务系统中的三维坐标进行匹配,并将匹配后的三维信息展示在所述可疑目标的地点与分布区域中;获取可疑目标在不同时间段内的地点与分布区域,得到可疑目标的移动轨迹,根据移动轨迹对可疑目标进行识别与跟踪。
Description
技术领域
本申请涉及视频识别技术领域,特别涉及一种基于地理信息系统的视频人物识别方法、系统及电子设备。
背景技术
基于地理信息系统的视频信息人物识别是国际上计算机大数据应用发展最快的方向。地理智能大数据视频识别融合了遥感和地理信息技术、模式识别、人工智能、图像处理等学科,其中对个体和群体行为的识别和跟踪是最前沿、最关键的内容。
近年来,国内外关于三维城市模型的规范与标准还没有完整而系统的研究。Bourdakis根据在英国与希腊建立虚拟城市模型的经验,在三维城市模型的创建(包括数据源、软件平台、建模抽象程度、数据精度、分区策略等)、城市建模方面CAD与VR技术的比较(包括数据转换、坐标原点、坐标系、几何描述、几何优化、数据里、多细节层次、景观建模、数据库更新等)与三维城市模型的应用(包括设计与规划、教学辅助、商业应用等)三个角度,分别对三维城市模型不同方面的要求与应用实践进行了说明。纵观不同学者和机构对三维城市模型的研究,可以将三维城市模型的研究现状划分为以下几个不同的方面:
(1)基于不同数据源的数据获取和建模;
(2)三维空间数据标准;
(3)多维空间信息的多尺度表达;
(4)三维空间信息的可视化方法;
(5)三维城市模型应用。
目前国内外也有很多学者对多种数据获取及建模方法相结合的方式在城市的三维模型构建方面的应用进行了很多研究和论证,例如基于Lidar(Light Detection AndRanging,激光探测与测量)点云和航摄影像的三维城市建模、基于城市航空立体像对的快速三维建模、基于倾斜摄影的三维模型重建等。
视频识别技术也是大数据技术发展的主要推动力量之一,因为传统的数据分析处理技术已经无法满足视频大数据分析的需求。在大数据处理技术方面,Google起步比较早,先后开发了GFS(Global Forecast System,谷歌文件系统)和第二代GFS,如Colossus、BigTable、Megastore、Spanner等。微软自行开发的分布式计算平台Cosmos,能够存储和分析大规模数据集,可以在成千上万台服务器集群上运行。作为社交网络的代表,FaceBook也推出了海量小文件的文件处理系统Haystack,同时还结合自己的应用场景提出了实时的Hadoop系统。
目前国内大部分视频识别技术都只是单纯的针对单个摄像头的2D图像进行识别,2D识别是通过状态模型进行识别,存在个体识别实时性差、漏报和误报率高、自动化程度低、算法扩展性差等瓶颈问题。
发明内容
本申请提供了一种基于地理信息系统的视频人物识别方法、系统及电子设备,旨在至少在一定程度上解决现有技术中的上述技术问题之一。
为了解决上述问题,本申请提供了如下技术方案:
一种基于地理信息系统的视频人物识别方法,包括:
步骤a:根据立体三维空间数据以及空间分析数据建立三维空间地理信息大数据服务系统;所述三维空间地理信息大数据服务系统包括目标对象的三维坐标;
步骤b:提取包含可疑目标的图像或/和视频数据,并根据地理信息系统空间分析技术对提取的图像或/和视频数据进行分析,获取可疑目标的地点与分布区域;
步骤c:提取所述可疑目标的三维信息,将提取的三维信息与所述三维空间地理信息大数据服务系统中的三维坐标进行匹配,并将匹配后的三维信息展示在所述可疑目标的地点与分布区域中;
步骤d:获取可疑目标在不同时间段内的地点与分布区域,得到可疑目标的移动轨迹,根据移动轨迹对可疑目标进行识别与跟踪。
本申请实施例采取的技术方案还包括:在所述步骤a中,所述三维空间地理信息大数据服务系统包括数据组织与管理单元,所述数据组织与管理单元用于对所述立体三维空间数据以及空间分析数据进行编码和储存,并利用数据库工具对所述立体三维空间数据和空间分析数据进行增加、删除、修改或查询操作。
本申请实施例采取的技术方案还包括:在所述步骤a中,所述三维空间地理信息大数据服务系统还包括立体影像空间分析单元,所述立体影像空间分析单元用于对立体三维空间数据进行空间分析,对三维环境中的目标对象进行固定目标对象和移动目标对象的区分,并利用面向对象特征提取技术提取各个目标对象在三维环境中的空间区域;在提取的空间区域内,分别提取各个固定目标对象和移动目标对象的三维坐标,根据移动目标对象的三维坐标确定移动目标对象的移动轨迹,根据固定目标对象的三维坐标确定固定目标对象的位置和范围,并根据移动目标对象的移动轨迹和固定目标对象的位置和范围建立目标对象的三维信息特征库。
本申请实施例采取的技术方案还包括:所述步骤a还包括:采用机器学习方法对所述三维信息特征库中的三维信息进行分类,并利用数据组织与管理单元对三维信息建立索引。
本申请实施例采取的技术方案还包括:在所述步骤c中,所述提取可疑目标的三维信息,将提取的三维信息与所述三维空间地理信息大数据服务系统中的三维坐标进行匹配,并将匹配后的三维信息展示在所述可疑目标的地点与分布区域中具体为:利用三维信息分类结果和建立的索引查找出可疑目标在三维信息特征库中的最相似三维特征,对可疑目标的三维信息与三维空间地理信息大数据服务系统中的三维坐标进行快速匹配;并使用热点分析工具获取可疑目标的分布情况,将每平米大于人数阀值的分布区域划分为可疑目标的热点集中区域,对热点集中区域进行区域标识,并将可疑目标的三维信息展示在对应的热点集中区域内。
本申请实施例采取的另一技术方案为:一种基于地理信息系统的视频人物识别系统,包括:
服务系统建立模块:用于根据立体三维空间数据以及空间分析数据建立三维空间地理信息大数据服务系统;所述三维空间地理信息大数据服务系统包括目标对象的三维坐标;
区域分析模块:用于提取包含可疑目标的图像或/和视频数据,并根据地理信息系统空间分析技术对提取的图像或/和视频数据进行分析,获取可疑目标的地点与分布区域;
坐标匹配模块:用于提取所述可疑目标的三维信息,将提取的三维信息与所述三维空间地理信息大数据服务系统中的三维坐标进行匹配,并将匹配后的三维信息展示在所述可疑目标的地点与分布区域中;
轨迹跟踪模块:用于获取可疑目标在不同时间段内的地点与分布区域,得到可疑目标的移动轨迹,根据移动轨迹对可疑目标进行识别与跟踪。
本申请实施例采取的技术方案还包括:所述三维空间地理信息大数据服务系统包括数据组织与管理单元,所述数据组织与管理单元用于对所述立体三维空间数据以及空间分析数据进行编码和储存,并利用数据库工具对所述立体三维空间数据和空间分析数据进行增加、删除、修改或查询操作。
本申请实施例采取的技术方案还包括:所述三维空间地理信息大数据服务系统还包括立体影像空间分析单元,所述立体影像空间分析单元用于对立体三维空间数据进行空间分析,对三维环境中的目标对象进行固定目标对象和移动目标对象的区分,并利用面向对象特征提取技术提取各个目标对象在三维环境中的空间区域;在提取的空间区域内,分别提取各个固定目标对象和移动目标对象的三维坐标,根据移动目标对象的三维坐标确定移动目标对象的移动轨迹,根据固定目标对象的三维坐标确定固定目标对象的位置和范围,并根据移动目标对象的移动轨迹和固定目标对象的位置和范围建立目标对象的三维信息特征库。
本申请实施例采取的技术方案还包括数据分类模块,所述数据分类模块用于采用机器学习方法对所述三维信息特征库中的三维信息进行分类,并利用数据组织与管理单元对三维信息建立索引。
本申请实施例采取的技术方案还包括:所述坐标匹配模块提取可疑目标的三维信息,将提取的三维信息与所述三维空间地理信息大数据服务系统中的三维坐标进行匹配,并将匹配后的三维信息展示在所述可疑目标的地点与分布区域中具体为:利用三维信息分类结果和建立的索引查找出可疑目标在三维信息特征库中的最相似三维特征,对可疑目标的三维信息与三维空间地理信息大数据服务系统中的三维坐标进行快速匹配;并使用热点分析工具获取可疑目标的分布情况,将每平米大于人数阀值的分布区域划分为可疑目标的热点集中区域,对热点集中区域进行区域标识,并将可疑目标的三维信息展示在对应的热点集中区域内。
本申请实施例采取的又一技术方案为:一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述的基于地理信息系统的视频人物识别方法的以下操作:
步骤a:根据立体三维空间数据以及空间分析数据建立三维空间地理信息大数据服务系统;所述三维空间地理信息大数据服务系统包括目标对象的三维坐标;
步骤b:提取包含可疑目标的图像或/和视频数据,并根据地理信息系统空间分析技术对提取的图像或/和视频数据进行分析,获取可疑目标的地点与分布区域;
步骤c:提取所述可疑目标的三维信息,将提取的三维信息与所述三维空间地理信息大数据服务系统中的三维坐标进行匹配,并将匹配后的三维信息展示在所述可疑目标的地点与分布区域中;
步骤d:获取可疑目标在不同时间段内的地点与分布区域,得到可疑目标的移动轨迹,根据移动轨迹对可疑目标进行识别与跟踪。
相对于现有技术,本申请实施例产生的有益效果在于:本申请实施例的基于地理信息系统的视频人物识别方法、系统及电子设备采用计算机视觉对监控得到的图像和视频进行分析,结合地理空间信息、人口空间位置信息进行大数据挖掘和识别,具有全天候可靠监控、人力投入少、监控精度高、响应速度快等优点,克服了现有的2D图像识别的实时性差、漏报和误报率高、自动化程度低、算法扩展性差等瓶颈问题;通过大数据地理空间模型的应用,提高监控数据的空间有效性,提高识别率和应用性,并且在此基础上还可进一步研发个人终端系统,建立个人和整个城市视频监控和安全预警的连接,对城市安全具有重要的现实意义和科学意义。
附图说明
图1是本申请实施例的基于地理信息系统的视频人物识别方法的流程图;
图2是本申请实施例的基于地理信息系统的视频人物识别系统的结构示意图;
图3是本申请实施例提供的基于地理信息系统的视频人物识别方法的硬件设备结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
为了克服2D个体识别实时性差、漏报和误报率高、自动化程度低、算法扩展性差等瓶颈问题,本申请实施例的基于地理信息系统的视频人物识别方法通过大数据地理空间模型的应用,采用计算机视觉对监控得到的图像和视频进行分析和理解,结合地理空间信息、人口空间位置信息进行大数据挖掘和识别。
具体地,请参阅图1,是本申请实施例的基于地理信息系统的视频人物识别方法的流程图。本申请实施例的基于地理信息系统的视频人物识别方法包括以下步骤:
步骤100:对立体三维空间数据以及空间分析数据(目标对象信息)进行编码和储存,建立三维空间地理信息大数据服务系统;
在步骤100中,本申请实施例中的三维空间地理信息大数据服务系统包括数据组织与管理单元和立体影像空间分析单元,其中,数据组织与管理单元用于对立体三维空间数据以及空间分析数据(目标对象)进行编码和储存,并利用数据库工具(ARCGIS提供的Postgresql)对立体三维空间数据和空间分析数据进行增加、删除、修改或查询等数据管理操作。具体地,数据组织与管理单元采用ESRI公司的空间元数据库标准以及ARCGIS的空间元数据库(GeoD atabase)工具对立体三维空间数据以及空间分析数据进行编码和储存,立体三维空间数据以及空间分析数据的存储方式为:利用四叉树存储元三维信息元数据,利用金字塔影像瓦片儿技术存储影像数据,能够有效提高数据存储效率。
立体影像空间分析单元用于对立体三维空间数据进行空间分析,对三维环境中的多个目标对象进行固定目标对象和移动目标对象的区分,并利用面向对象特征提取技术提取各个目标对象在三维环境中的空间区域;在提取的空间区域内,分别提取各个固定目标对象和移动目标对象的三维坐标(X,Y,Z),根据移动目标对象的三维坐标确定移动目标对象的移动轨迹,根据固定目标对象的三维坐标确定固定目标对象的位置和范围,从而建立目标对象的三维信息特征库。其中,固定目标对象包括背景和处于静止状态的目标对象,移动目标对象即为处于移动状态的目标对象,面向对象特征提取技术包括机器抠图或人工扣图。
步骤200:通过立体影像空间分析单元对立体三维空间数据进行空间分析,对三维环境中的目标对象进行固定目标对象和移动目标对象的区分,并利用面向对象特征提取技术提取目标对象在三维环境中的空间区域;
步骤300:在提取的空间区域内,分别提取固定目标对象和移动目标对象的三维坐标(X,Y,Z),根据移动目标对象的三维坐标确定移动目标对象的移动轨迹,根据固定目标对象的三维坐标确定固定目标对象的位置和范围,根据移动目标对象的移动轨迹和固定目标对象的位置和范围建立目标对象的三维信息特征库;
步骤400:采用机器学习方法(SVM)对三维信息特征库中的三维信息进行分类,并利用数据组织与管理单元对三维信息建立索引;
在步骤400中,利用ARCGIS的二次开发功能,采用python语言提供的SVM工具包对三维信息进行分类。三维信息为由一系列三位坐标数据构成的实体信息,可理解为一组三维坐标的集合体。对集合体进行分类后,可实现集合体的类别划分,为下一步的信息索引建立类别依据。本申请实施例采用VA+-File索引结构,可利用三维信息分类结果和建立的索引快速查找出最相似特征(最相似特征是指三维信息分类后的聚类特性,相似的三维信息会聚集在类别划分区域范围内)。
步骤500:提取包含可疑目标的图像或/和视频数据,根据地理信息系统空间分析技术对提取的图像或/和视频数据进行分析,获取可疑目标的地点与分布区域;
步骤600:通过立体影像空间分析单元提取可疑目标的三维信息,将提取的三维信息与三维空间地理信息大数据服务系统中的三维坐标(X,Y,Z)进行匹配,并将匹配后的三维信息展示在三维坐标(X,Y,Z)对应的地点与分布区域中;
在步骤600中,可疑目标的图像或/和视频数据可通过路面固定摄像装置或移动巡逻车载探头等设备采集的监控数据中获取。可利用三维信息分类结果和建立的索引快速查找出可疑目标在三维信息特征库中的最相似三维特征。本申请使用ARCGIS热点分析工具Overlay获取可疑目标的分布情况,将每平米大于设定人数阀值的分布区域划分为可疑目标的热点集中区域,对热点集中区域进行区域标识,并将匹配后的可疑目标三维信息展示在对应的热点集中区域内。本申请实施例中,设定人数阀值为3人,具体可根据实际操作进行设定。
步骤700:获取可疑目标在不同时间段内的地点与分布区域,得到可疑目标的移动轨迹,根据移动轨迹对可疑目标进行识别与跟踪。
在步骤700中,通过获取目标对象的移动轨迹,便于及时掌握目标对象的活动区域、活动轨迹等信息,对于警察巡逻、公共安全等有着重要的价值。当出现重点可疑目标时会自己报警。
请参阅图2,是本申请实施例的基于地理信息系统的视频人物识别系统的结构示意图。本申请实施例的基于地理信息系统的视频人物识别系统包括服务系统建立模块、数据分类模块、区域分析模块、坐标匹配模块和轨迹跟踪模块。
服务系统建立模块:对立体三维空间数据以及空间分析数据(目标对象信息)进行编码和储存,建立三维空间地理信息大数据服务系统;本申请实施例中的三维空间地理信息大数据服务系统包括数据组织与管理单元和立体影像空间分析单元,其中,数据组织与管理单元用于对立体三维空间数据以及空间分析数据(目标对象)进行编码和储存,并利用数据库工具(ARCGIS提供的Postgresql)对立体三维空间数据和空间分析数据进行增加、删除、修改或查询等数据管理操作。具体地,数据组织与管理单元采用ESRI公司的空间元数据库标准以及ARCG IS的空间元数据库(GeoD atabase)工具对立体三维空间数据以及空间分析数据进行编码和储存,立体三维空间数据以及空间分析数据的存储方式为:利用四叉树存储元三维信息元数据,利用金字塔影像瓦片儿技术存储影像数据,能够有效提高数据存储效率。
立体影像空间分析单元用于对立体三维空间数据进行空间分析,对三维环境中的多个目标对象进行固定目标对象和移动目标对象的区分,并利用面向对象特征提取技术提取各个目标对象在三维环境中的空间区域;在提取的空间区域内,分别提取各个固定目标对象和移动目标对象的三维坐标(X,Y,Z),根据移动目标对象的三维坐标确定移动目标对象的移动轨迹,根据固定目标对象的三维坐标确定固定目标对象的位置和范围,从而建立目标对象的三维信息特征库。其中,固定目标对象包括背景和处于静止状态的目标对象,移动目标对象即为处于移动状态的目标对象,面向对象特征提取技术包括机器抠图或人工扣图。
数据分类模块:用于采用机器学习方法(SVM)对三维信息特征库中的三维信息进行分类,并利用数据组织与管理单元对三维信息建立索引;其中,利用ARCGIS的二次开发功能,采用python语言提供的SVM工具包对三维信息进行分类。三维信息为由一系列三位坐标数据构成的实体信息,可理解为一组三维坐标的集合体。对集合体进行分类后,可实现集合体的类别划分,为下一步的信息索引建立类别依据。本申请实施例采用VA+-File索引结构,可利用三维信息分类结果和建立的索引快速查找出最相似特征(最相似特征是指三维信息分类后的聚类特性,相似的三维信息会聚集在类别划分区域范围内)。
区域分析模块:用于提取包含可疑目标的图像或/和视频数据,根据地理信息系统空间分析技术对提取的图像或/和视频数据进行分析,获取可疑目标的地点与分布区域;
坐标匹配模块:用于通过立体影像空间分析单元提取可疑目标的三维信息,将提取的三维信息与三维空间地理信息大数据服务系统中的三维坐标(X,Y,Z)进行匹配,并将匹配后的三维信息展示在三维坐标(X,Y,Z)对应的地点与分布区域中;其中,可疑目标的图像或/和视频数据可通过路面固定摄像装置或移动巡逻车载探头等设备采集的监控数据中获取。本申请使用ARCGIS热点分析工具Overlay获取可疑目标的分布情况,将每平米大于设定人数阀值的分布区域划分为可疑目标的热点集中区域,对热点集中区域进行区域标识,并将匹配后的可疑目标三维信息展示在对应的热点集中区域内。
轨迹跟踪模块:用于获取可疑目标在不同时间段内的地点与分布区域,得到可疑目标的移动轨迹,根据移动轨迹对可疑目标进行识别与跟踪。
在步骤600中,通过获取目标对象的移动轨迹,便于及时掌握目标对象的活动区域、活动轨迹等信息,对于警察巡逻、公共安全等有着重要的价值。当出现重点可疑目标时会自己报警。
图3是本申请实施例提供的基于地理信息系统的视频人物识别方法的硬件设备结构示意图。如图3所示,该设备包括一个或多个处理器以及存储器。以一个处理器为例,该设备还可以包括:输入系统和输出系统。
处理器、存储器、输入系统和输出系统可以通过总线或者其他方式连接,图3中以通过总线连接为例。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块。处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块,从而执行电子设备的各种功能应用以及数据处理,即实现上述方法实施例的处理方法。
存储器可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至处理系统。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入系统可接收输入的数字或字符信息,以及产生信号输入。输出系统可包括显示屏等显示设备。
所述一个或者多个模块存储在所述存储器中,当被所述一个或者多个处理器执行时,执行上述任一方法实施例的以下操作:
步骤a:根据立体三维空间数据以及空间分析数据建立三维空间地理信息大数据服务系统;所述三维空间地理信息大数据服务系统包括目标对象的三维坐标;
步骤b:提取包含可疑目标的图像或/和视频数据,并根据地理信息系统空间分析技术对提取的图像或/和视频数据进行分析,获取可疑目标的地点与分布区域;
步骤c:提取所述可疑目标的三维信息,将提取的三维信息与所述三维空间地理信息大数据服务系统中的三维坐标进行匹配,并将匹配后的三维信息展示在所述可疑目标的地点与分布区域中;
步骤d:获取可疑目标在不同时间段内的地点与分布区域,得到可疑目标的移动轨迹,根据移动轨迹对可疑目标进行识别与跟踪。
上述产品可执行本申请实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本申请实施例提供的方法。
本申请实施例提供了一种非暂态(非易失性)计算机存储介质,所述计算机存储介质存储有计算机可执行指令,该计算机可执行指令可执行以下操作:
步骤a:根据立体三维空间数据以及空间分析数据建立三维空间地理信息大数据服务系统;所述三维空间地理信息大数据服务系统包括目标对象的三维坐标;
步骤b:提取包含可疑目标的图像或/和视频数据,并根据地理信息系统空间分析技术对提取的图像或/和视频数据进行分析,获取可疑目标的地点与分布区域;
步骤c:提取所述可疑目标的三维信息,将提取的三维信息与所述三维空间地理信息大数据服务系统中的三维坐标进行匹配,并将匹配后的三维信息展示在所述可疑目标的地点与分布区域中;
步骤d:获取可疑目标在不同时间段内的地点与分布区域,得到可疑目标的移动轨迹,根据移动轨迹对可疑目标进行识别与跟踪。
本申请实施例提供了一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,使所述计算机执行以下操作:
步骤a:根据立体三维空间数据以及空间分析数据建立三维空间地理信息大数据服务系统;所述三维空间地理信息大数据服务系统包括目标对象的三维坐标;
步骤b:提取包含可疑目标的图像或/和视频数据,并根据地理信息系统空间分析技术对提取的图像或/和视频数据进行分析,获取可疑目标的地点与分布区域;
步骤c:提取所述可疑目标的三维信息,将提取的三维信息与所述三维空间地理信息大数据服务系统中的三维坐标进行匹配,并将匹配后的三维信息展示在所述可疑目标的地点与分布区域中;
步骤d:获取可疑目标在不同时间段内的地点与分布区域,得到可疑目标的移动轨迹,根据移动轨迹对可疑目标进行识别与跟踪。
本申请实施例的基于地理信息系统的视频人物识别方法、系统及电子设备采用计算机视觉对监控得到的图像和视频进行分析,结合地理空间信息、人口空间位置信息进行大数据挖掘和识别,具有全天候可靠监控、人力投入少、监控精度高、响应速度快等优点,克服了现有的2D图像识别的实时性差、漏报和误报率高、自动化程度低、算法扩展性差等瓶颈问题;通过大数据地理空间模型的应用,提高监控数据的空间有效性,提高识别率和应用性,并且在此基础上还可进一步研发个人终端系统,建立个人和整个城市视频监控和安全预警的连接,对城市安全具有重要的现实意义和科学意义。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (11)
1.一种基于地理信息系统的视频人物识别方法,其特征在于,包括:
步骤a:根据立体三维空间数据以及空间分析数据建立三维空间地理信息大数据服务系统;所述三维空间地理信息大数据服务系统包括目标对象的三维坐标;
步骤b:提取包含可疑目标的图像或/和视频数据,并根据地理信息系统空间分析技术对提取的图像或/和视频数据进行分析,获取可疑目标的地点与分布区域;
步骤c:提取所述可疑目标的三维信息,将提取的三维信息与所述三维空间地理信息大数据服务系统中的三维坐标进行匹配,并将匹配后的三维信息展示在所述可疑目标的地点与分布区域中;
步骤d:获取可疑目标在不同时间段内的地点与分布区域,得到可疑目标的移动轨迹,根据移动轨迹对可疑目标进行识别与跟踪。
2.根据权利要求1所述的基于地理信息系统的视频人物识别方法,其特征在于,在所述步骤a中,所述三维空间地理信息大数据服务系统包括数据组织与管理单元,所述数据组织与管理单元用于对所述立体三维空间数据以及空间分析数据进行编码和储存,并利用数据库工具对所述立体三维空间数据和空间分析数据进行增加、删除、修改或查询操作。
3.根据权利要求2所述的基于地理信息系统的视频人物识别方法,其特征在于,在所述步骤a中,所述三维空间地理信息大数据服务系统还包括立体影像空间分析单元,所述立体影像空间分析单元用于对立体三维空间数据进行空间分析,对三维环境中的目标对象进行固定目标对象和移动目标对象的区分,并利用面向对象特征提取技术提取各个目标对象在三维环境中的空间区域;在提取的空间区域内,分别提取各个固定目标对象和移动目标对象的三维坐标,根据移动目标对象的三维坐标确定移动目标对象的移动轨迹,根据固定目标对象的三维坐标确定固定目标对象的位置和范围,并根据移动目标对象的移动轨迹和固定目标对象的位置和范围建立目标对象的三维信息特征库。
4.根据权利要求3所述的基于地理信息系统的视频人物识别方法,其特征在于,所述步骤a还包括:采用机器学习方法对所述三维信息特征库中的三维信息进行分类,并利用数据组织与管理单元对三维信息建立索引。
5.根据权利要求4所述的基于地理信息系统的视频人物识别方法,其特征在于,在所述步骤c中,所述提取可疑目标的三维信息,将提取的三维信息与所述三维空间地理信息大数据服务系统中的三维坐标进行匹配,并将匹配后的三维信息展示在所述可疑目标的地点与分布区域中具体为:利用三维信息分类结果和建立的索引查找出可疑目标在三维信息特征库中的最相似三维特征,对可疑目标的三维信息与三维空间地理信息大数据服务系统中的三维坐标进行快速匹配;并使用热点分析工具获取可疑目标的分布情况,将每平米大于人数阀值的分布区域划分为可疑目标的热点集中区域,对热点集中区域进行区域标识,并将可疑目标的三维信息展示在对应的热点集中区域内。
6.一种基于地理信息系统的视频人物识别系统,其特征在于,包括:
服务系统建立模块:用于根据立体三维空间数据以及空间分析数据建立三维空间地理信息大数据服务系统;所述三维空间地理信息大数据服务系统包括目标对象的三维坐标;
区域分析模块:用于提取包含可疑目标的图像或/和视频数据,并根据地理信息系统空间分析技术对提取的图像或/和视频数据进行分析,获取可疑目标的地点与分布区域;
坐标匹配模块:用于提取所述可疑目标的三维信息,将提取的三维信息与所述三维空间地理信息大数据服务系统中的三维坐标进行匹配,并将匹配后的三维信息展示在所述可疑目标的地点与分布区域中;
轨迹跟踪模块:用于获取可疑目标在不同时间段内的地点与分布区域,得到可疑目标的移动轨迹,根据移动轨迹对可疑目标进行识别与跟踪。
7.根据权利要求6所述的基于地理信息系统的视频人物识别系统,其特征在于,所述三维空间地理信息大数据服务系统包括数据组织与管理单元,所述数据组织与管理单元用于对所述立体三维空间数据以及空间分析数据进行编码和储存,并利用数据库工具对所述立体三维空间数据和空间分析数据进行增加、删除、修改或查询操作。
8.根据权利要求7所述的基于地理信息系统的视频人物识别系统,其特征在于,所述三维空间地理信息大数据服务系统还包括立体影像空间分析单元,所述立体影像空间分析单元用于对立体三维空间数据进行空间分析,对三维环境中的目标对象进行固定目标对象和移动目标对象的区分,并利用面向对象特征提取技术提取各个目标对象在三维环境中的空间区域;在提取的空间区域内,分别提取各个固定目标对象和移动目标对象的三维坐标,根据移动目标对象的三维坐标确定移动目标对象的移动轨迹,根据固定目标对象的三维坐标确定固定目标对象的位置和范围,并根据移动目标对象的移动轨迹和固定目标对象的位置和范围建立目标对象的三维信息特征库。
9.根据权利要求8所述的基于地理信息系统的视频人物识别系统,其特征在于,还包括数据分类模块,所述数据分类模块用于采用机器学习方法对所述三维信息特征库中的三维信息进行分类,并利用数据组织与管理单元对三维信息建立索引。
10.根据权利要求9所述的基于地理信息系统的视频人物识别系统,其特征在于,所述坐标匹配模块提取可疑目标的三维信息,将提取的三维信息与所述三维空间地理信息大数据服务系统中的三维坐标进行匹配,并将匹配后的三维信息展示在所述可疑目标的地点与分布区域中具体为:利用三维信息分类结果和建立的索引查找出可疑目标在三维信息特征库中的最相似三维特征,对可疑目标的三维信息与三维空间地理信息大数据服务系统中的三维坐标进行快速匹配;并使用热点分析工具获取可疑目标的分布情况,将每平米大于人数阀值的分布区域划分为可疑目标的热点集中区域,对热点集中区域进行区域标识,并将可疑目标的三维信息展示在对应的热点集中区域内。
11.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述1至5任一项所述的基于地理信息系统的视频人物识别方法的以下操作:
步骤a:根据立体三维空间数据以及空间分析数据建立三维空间地理信息大数据服务系统;所述三维空间地理信息大数据服务系统包括目标对象的三维坐标;
步骤b:提取包含可疑目标的图像或/和视频数据,并根据地理信息系统空间分析技术对提取的图像或/和视频数据进行分析,获取可疑目标的地点与分布区域;
步骤c:提取所述可疑目标的三维信息,将提取的三维信息与所述三维空间地理信息大数据服务系统中的三维坐标进行匹配,并将匹配后的三维信息展示在所述可疑目标的地点与分布区域中;
步骤d:获取可疑目标在不同时间段内的地点与分布区域,得到可疑目标的移动轨迹,根据移动轨迹对可疑目标进行识别与跟踪。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711415028.1A CN108182218B (zh) | 2017-12-21 | 2017-12-21 | 一种基于地理信息系统的视频人物识别方法、系统及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711415028.1A CN108182218B (zh) | 2017-12-21 | 2017-12-21 | 一种基于地理信息系统的视频人物识别方法、系统及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108182218A true CN108182218A (zh) | 2018-06-19 |
CN108182218B CN108182218B (zh) | 2021-11-19 |
Family
ID=62546855
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711415028.1A Active CN108182218B (zh) | 2017-12-21 | 2017-12-21 | 一种基于地理信息系统的视频人物识别方法、系统及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108182218B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109472731A (zh) * | 2018-11-07 | 2019-03-15 | 武汉烽火众智数字技术有限责任公司 | 一种可疑目标确定方法及装置 |
CN110009561A (zh) * | 2019-04-10 | 2019-07-12 | 南京财经大学 | 一种监控视频目标映射到三维地理场景模型的方法及系统 |
CN110312085A (zh) * | 2019-06-06 | 2019-10-08 | 武汉易科空间信息技术股份有限公司 | 基于多个无人机航拍技术的图像融合方法及系统 |
CN111178205A (zh) * | 2019-12-20 | 2020-05-19 | 航天信息股份有限公司 | 一种在区域范围内进行目标对象识别的方法及系统 |
CN111429584A (zh) * | 2020-03-23 | 2020-07-17 | 北京智汇云舟科技有限公司 | 一种基于三维地理信息的时空位置智能分析方法和系统 |
CN118015516A (zh) * | 2024-02-18 | 2024-05-10 | 北京瞭望神州科技有限公司 | 视频图像融合地理信息系统的耕地占用分析方法及装置 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101149843A (zh) * | 2007-10-10 | 2008-03-26 | 深圳先进技术研究院 | 一种数字城市的继承式自动生成及实时更新方法 |
US20090324010A1 (en) * | 2008-06-26 | 2009-12-31 | Billy Hou | Neural network-controlled automatic tracking and recognizing system and method |
CN101646067A (zh) * | 2009-05-26 | 2010-02-10 | 华中师范大学 | 数字化全空间智能监控系统及方法 |
US20100134484A1 (en) * | 2008-12-01 | 2010-06-03 | Microsoft Corporation | Three dimensional journaling environment |
CN102004963A (zh) * | 2010-12-02 | 2011-04-06 | 张磊 | 一种数字城市生成方法及系统 |
US20130191252A1 (en) * | 2004-08-31 | 2013-07-25 | Mv Patents, Llc | Method and Apparatus of Providing Street View Data of a Comparable Real Estate Property |
CN103697882A (zh) * | 2013-12-12 | 2014-04-02 | 深圳先进技术研究院 | 一种基于图像识别的地理三维空间定位方法和装置 |
CN103747207A (zh) * | 2013-12-11 | 2014-04-23 | 深圳先进技术研究院 | 基于视频监控网络的定位与追踪方法 |
US20160343147A1 (en) * | 2014-01-31 | 2016-11-24 | Hitachi, Ltd. | Image search system, image search apparatus, and image search method |
CN106204656A (zh) * | 2016-07-21 | 2016-12-07 | 中国科学院遥感与数字地球研究所 | 基于视频和三维空间信息的目标定位和跟踪系统及方法 |
CN106612414A (zh) * | 2015-10-27 | 2017-05-03 | 北京航天长峰科技工业集团有限公司 | 一种重点区域视频可疑目标的跟踪控制方法 |
-
2017
- 2017-12-21 CN CN201711415028.1A patent/CN108182218B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130191252A1 (en) * | 2004-08-31 | 2013-07-25 | Mv Patents, Llc | Method and Apparatus of Providing Street View Data of a Comparable Real Estate Property |
CN101149843A (zh) * | 2007-10-10 | 2008-03-26 | 深圳先进技术研究院 | 一种数字城市的继承式自动生成及实时更新方法 |
US20090324010A1 (en) * | 2008-06-26 | 2009-12-31 | Billy Hou | Neural network-controlled automatic tracking and recognizing system and method |
US20100134484A1 (en) * | 2008-12-01 | 2010-06-03 | Microsoft Corporation | Three dimensional journaling environment |
CN101646067A (zh) * | 2009-05-26 | 2010-02-10 | 华中师范大学 | 数字化全空间智能监控系统及方法 |
CN102004963A (zh) * | 2010-12-02 | 2011-04-06 | 张磊 | 一种数字城市生成方法及系统 |
CN103747207A (zh) * | 2013-12-11 | 2014-04-23 | 深圳先进技术研究院 | 基于视频监控网络的定位与追踪方法 |
CN103697882A (zh) * | 2013-12-12 | 2014-04-02 | 深圳先进技术研究院 | 一种基于图像识别的地理三维空间定位方法和装置 |
US20160343147A1 (en) * | 2014-01-31 | 2016-11-24 | Hitachi, Ltd. | Image search system, image search apparatus, and image search method |
CN106612414A (zh) * | 2015-10-27 | 2017-05-03 | 北京航天长峰科技工业集团有限公司 | 一种重点区域视频可疑目标的跟踪控制方法 |
CN106204656A (zh) * | 2016-07-21 | 2016-12-07 | 中国科学院遥感与数字地球研究所 | 基于视频和三维空间信息的目标定位和跟踪系统及方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109472731A (zh) * | 2018-11-07 | 2019-03-15 | 武汉烽火众智数字技术有限责任公司 | 一种可疑目标确定方法及装置 |
CN110009561A (zh) * | 2019-04-10 | 2019-07-12 | 南京财经大学 | 一种监控视频目标映射到三维地理场景模型的方法及系统 |
CN110009561B (zh) * | 2019-04-10 | 2023-04-18 | 南京财经大学 | 一种监控视频目标映射到三维地理场景模型的方法及系统 |
CN110312085A (zh) * | 2019-06-06 | 2019-10-08 | 武汉易科空间信息技术股份有限公司 | 基于多个无人机航拍技术的图像融合方法及系统 |
CN111178205A (zh) * | 2019-12-20 | 2020-05-19 | 航天信息股份有限公司 | 一种在区域范围内进行目标对象识别的方法及系统 |
CN111429584A (zh) * | 2020-03-23 | 2020-07-17 | 北京智汇云舟科技有限公司 | 一种基于三维地理信息的时空位置智能分析方法和系统 |
CN118015516A (zh) * | 2024-02-18 | 2024-05-10 | 北京瞭望神州科技有限公司 | 视频图像融合地理信息系统的耕地占用分析方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108182218B (zh) | 2021-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108182218A (zh) | 一种基于地理信息系统的视频人物识别方法、系统及电子设备 | |
US9911340B2 (en) | Real-time system for multi-modal 3D geospatial mapping, object recognition, scene annotation and analytics | |
Hu et al. | GeoAI at ACM SIGSPATIAL: progress, challenges, and future directions | |
CN112419368A (zh) | 运动目标的轨迹跟踪方法、装置、设备及存储介质 | |
Xu et al. | Unsupervised segmentation of point clouds from buildings using hierarchical clustering based on gestalt principles | |
Poux | The smart point cloud: Structuring 3D intelligent point data | |
CN113762044A (zh) | 道路识别方法、装置、计算机设备和存储介质 | |
CN117351521B (zh) | 基于数字孪生的输电线鸟类检测方法、系统、介质及设备 | |
Tohidi et al. | A review of the machine learning in gis for megacities application | |
Xu et al. | Building height calculation for an urban area based on street view images and deep learning | |
Xuqin | Application of network protocol improvement and image content search in mathematical calculus 3D modeling video analysis | |
Xia et al. | [Retracted] Gesture Tracking and Recognition Algorithm for Dynamic Human Motion Using Multimodal Deep Learning | |
San Blas et al. | A Platform for Swimming Pool Detection and Legal Verification Using a Multi-Agent System and Remote Image Sensing. | |
CN117470246A (zh) | 路径规划方法、装置、存储介质及电子设备 | |
JP6894395B2 (ja) | 情報取得装置及び情報集計システム並びに情報集計装置 | |
Liu et al. | 3D point cloud segmentation using GIS | |
Hou et al. | Application of YOLO V2 in construction vehicle detection | |
Miyazato et al. | Development of a free viewpoint pedestrian recognition system using deep learning for multipurpose flying drone | |
Dekker et al. | Point Cloud Analysis of Railway Infrastructure: A Systematic Literature Review | |
Zhang et al. | Computer Applications: 38th CCF Conference of Computer Applications, CCF NCCA 2023, Suzhou, China, July 16–20, 2023, Proceedings, Part I | |
Guo et al. | Partial 3D object retrieval and completeness evaluation for urban street scene | |
Lin et al. | Study on Text Detection and Positioning Method of Utility Pole Identification Plate Based on Improved EAST | |
Huneiti et al. | Extracting interesting regions and trips from taxi trajectory data | |
Deng et al. | Intelligent City Disaster Prevention and Mitigation System based on Visual Tracking Technology | |
Panphattarasap | Urban Patterns: Using Spatial Arrangement for Vision-Based Place Recognition and Localisation |
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 |