CN108446620A - 一种基于视频的目标智能追踪方法 - Google Patents
一种基于视频的目标智能追踪方法 Download PDFInfo
- Publication number
- CN108446620A CN108446620A CN201810204830.4A CN201810204830A CN108446620A CN 108446620 A CN108446620 A CN 108446620A CN 201810204830 A CN201810204830 A CN 201810204830A CN 108446620 A CN108446620 A CN 108446620A
- Authority
- CN
- China
- Prior art keywords
- target
- video
- information
- structuring
- value goal
- 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
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- 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
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30241—Trajectory
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/178—Human faces, e.g. facial parts, sketches or expressions estimating age from face image; using age information for improving recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Life Sciences & Earth Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于视频的目标智能追踪方法,首先根据业务需求,传入视频至软件客户端;再根据结构化算法,服务器对所传入的视频进行结构化处理,提取目标信息;然后根据上层用户的筛选条件,自动生成价值目标图例;用户对自动生成的价值目标图例及其信息进行人工确认和标注;根据确认后的价值目标图像,自动在地图上形成目标轨迹信息,指导下一步追查方向。本发明将自动提取结构化信息和人工确认标注相结合,解决了自动化提取存在误差,人工审看工作量大的问题,以最高效的方式保障了价值目标及其信息的准确度。
Description
技术领域
本发明涉及视频目标追踪技术领域,更具体的是涉及一种基于视频的目标智能追踪方法。
背景技术
目前,随着图侦技术不断发展,公安办案过程中,会通过视频或图像发现大量的目标线索,但庞大数量的目标线索没有得到很好的整合,杂乱无章,理清线索,确认价值目标以,并进一步查找目标轨迹的工作耗费办案人员大量时间,降低了办案效率。
如何有效整合目标信息,快速确认价值目标,成为公安刑侦面临的重大难题。
海量的视频图像数据是公共安全部门信息化建设中积累的重要数据,通过对视频内容的分析和处理,快速准确的发现有效线索,能够充分发挥视频资源的作用,然而,在公安信息化建设深入开展的背景下,现有视频资源缺乏深度应用的模式,其应用的瓶颈是视频信息如何高效提取,如何同其他信息系统进行标准数据交换、互联互通及语义互操作,解决这一问题的核心技术即是视频结构化描述的技术,但是作为一项视频处理的核心技术,其实现上仍有视频结构化核心算法技术和瓶颈需要突破。
发明内容
本发明的目的在于克服现有技术中存在的上述不足,提供一种基于视频的目标智能追踪方法,通过“自动结构化信息+人工审核校验”精准定位价值目标,并根据价值目标信息自动在地图上生成价值目标轨迹,从而绑定了价值目标的时空关系,同时对目标轨迹的长度和目标的运动速度进行自动测算,进一步帮助办案人员发现目标在运动过程中的异常行为和价值信息;通过不断确认价值目标,从而进一步延伸目标轨迹,确认下一步追查方向,最终找到目标落脚地,完成对价值目标的智能追踪,为了实现上述发明目的,本发明提供了以下具体的技术方案如下所述。
一种基于视频的目标智能追踪方法,包括以下步骤:
步骤1:根据业务需求,传入视频至软件客户端;
步骤2:根据结构化算法,服务器对所传入的视频进行结构化处理,提取目标信息;
步骤3:根据上层用户提供的筛选条件,自动生成价值目标图例;
步骤4:用户对自动生成的价值目标图例及其信息进行人工确认;
步骤5:根据确认后的价值目标图像,自动在地图上形成目标轨迹信息,绑定目标的时空关系,指导下一步追查方向。
上述技术方案中,所述步骤2中的对视频结构化分析处理,并提取目标信息,包括以下几个步骤:
步骤2.1:首先采用基于高斯混合模型的动静分离和基于模板匹配的轨迹跟踪技术,准确分析监控中的活动目标,形成目标的轨迹信息;
步骤2.2:采用深度学习技术,实现人车分类和人骑车结构化,采用深度学习技术实现人物结构化,包括上下身颜色、打伞、背包、带帽信息的结构化,采用深度学习技术实现人脸结构化,包括年龄、性别、眼镜信息的结构化,采用深度学习技术实现车辆结构化,包括车牌号码、车牌颜色、车身颜色、车型信息的结构化;
步骤2.3:系统提取关键信息,录入视频图像信息库,用于公安视频侦查。
上述技术方案中,所述步骤3中的根据上层用户提供的筛选条件,自动生成价值目标图例包括以下几个步骤:
步骤3.1:在软件的应用界面上,用户手动指定需要筛选的目标,需要筛选的目标包括人、机动车、人+非机动车;
步骤3.2:通过算法运算,在监控视频中提取出目标的截图帧,进而在应用界面的目标显示区域打印显示目标的截图帧;
步骤3.3:对机动车目标,用户继续指定车牌号码、车牌颜色、车身颜色、车型作为筛选条件,继续筛选目标,排除掉不符合条件的结果;
步骤3.4:对人物目标,用户继续指定带包、无包、打伞、无伞、上衣颜色、下衣颜色、年龄、性别、是否带眼镜作为筛选条件,继续筛选目标,排除掉不符合条件的结果;
步骤3.5:根据上述用户指定的筛选条件,在应用界面的目标显示区域打印显示全部符合筛选条件的结果。
所述基于视频的目标智能追踪方法,还包括智能地对价值目标轨迹总长度和各路段长度进行自动测算的步骤。
所述基于视频的目标智能追踪方法,还包括对价值目标的移动速度进行分析计算的步骤。
所述基于视频的目标智能追踪方法,还包括对价值目标及其信息进行标注的步骤。
所述基于视频的目标智能追踪方法,还包括价值目标运动轨迹无限延伸步骤,该步骤通过进一步确定价值目标,自动延展价值目标的运动轨迹,帮助办案人员更好地发现目标的运动过程中的有效线索,确定下一步侦查方向,形成追踪闭环操作。
因为本发明采用上述技术方案,因此具备以下有益效果:
通过本发明的方法,将自动提取结构化信息和人工确认标注相结合,解决了自动化提取存在误差,人工审看工作量大的问题,以最高效的方式保障了价值目标及其信息的准确度;在地图的基础上,绑定目标的时空关系,自动生成目标轨迹,并智能地对轨迹总长度和各路段长度进行自动测算,同时针对目标的移动速度进行分析;目标轨迹为自动生成,可以无限延伸,通过进一步确定价值目标,可以自动延展价值目标的运动轨迹,帮助办案人员更好地发现目标的运动过程中的有效线索,确定下一步侦查方向,形成追踪闭环操作。
附图说明
图1是本发明的程序流程图。
图2是本发明的处理流程示意图。
具体实施方式
下面结合本发明附图和实施例,对本发明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,都属于本发明保护的范围。
下面结合说明书附图1-2对本申请加以说明。
如图1到图2所示:本发明基于视频的目标智能追踪技术包括如下步骤:
步骤1:根据业务需求,传入视频至软件客户端;
步骤2:根据结构化算法,服务器对所传入的视频进行结构化处理,提取目标信息;
具体地,服务器对所传入的视频进行结构化分析的系统,包括以下几个步骤:
步骤2.1:采用基于高斯混合模型的动静分离和基于模板匹配的轨迹跟踪技术,准确分析监控中的活动目标,形成目标的轨迹信息;
步骤2.2:采用深度学习技术,实现人车分类和人骑车结构化,采用深度学习技术实现人物结构化,包括上下身颜色、打伞、背包、带帽信息的结构化,采用深度学习技术实现人脸结构化,包括年龄、性别、眼镜信息的结构化,采用深度学习技术实现车辆结构化,包括车牌号码、车牌颜色、车身颜色、车型信息的结构化;
步骤2.3:系统提取关键信息,录入视频图像信息库,用于公安视频侦查。
步骤3:根据上层用户的筛选条件,自动生成价值目标图例;
具体地,根据上层用户的筛选条件,自动生成价值目标图例,包括以下几个步骤:
步骤3.1:在软件的应用界面上,用户手动指定需要筛选的目标,需要筛选的目标包括人、机动车、人+非机动车;
步骤3.2:通过算法运算,在监控视频中提取出目标的截图帧,进而在应用界面的目标显示区域打印显示目标的截图帧;
步骤3.3:对机动车目标,用户继续指定车牌号码、车牌颜色、车身颜色、车型作为筛选条件,继续筛选目标,排除掉不符合条件的结果;
步骤3.4:对人物目标,用户继续指定带包、无包、打伞、无伞、上衣颜色、下衣颜色、年龄、性别、是否带眼镜作为筛选条件,继续筛选目标,排除掉不符合条件的结果;
步骤3.5:根据上述用户指定的筛选条件,在应用界面的目标显示区域打印显示全部符合筛选条件的结果。
步骤4:用户对自动生成的价值目标图例及其信息进行人工确认和标注;
步骤5:根据确认后的价值目标图像,自动在地图上形成目标轨迹信息,指导下一步追查方向。
本发明在地图的基础上,绑定目标的时空关系,自动生成目标轨迹,并智能地对轨迹总长度和各路段长度进行自动测算,同时针对目标的移动速度进行分析。
目标轨迹为自动生成,且可以无限延伸。通过进一步确定价值目标,可以自动延展价值目标的运动轨迹,帮助办案人员更好地发现目标的运动过程中的有效线索,确定下一步侦查方向,形成追踪闭环操作。
以上所述,仅为本发明的较佳实施例,并不用以限制本发明,本发明的专利保护范围以权利要求书为准,凡是运用本发明的说明书及附图内容所作的等同结构变化,同理均应包含在本发明的保护范围内。
Claims (7)
1.一种基于视频的目标智能追踪方法,其特征在于,包括以下步骤:
步骤1:将监控视频传入软件客户端;
步骤2:根据结构化算法,服务器对传入软件客户端的监控视频进行结构化处理,提取出目标信息;
步骤3:根据上层用户指定的筛选条件,筛选目标信息,通过算法自动生成符合筛选条件的价值目标图例;
步骤4:用户对自动生成的价值目标图例及其信息进行人工确认;
步骤5:根据用户人工确认后的价值目标图例,自动在地图上形成目标轨迹信息,绑定目标的时空关系,指导下一步追查方向。
2.根据权利要求1所述的基于视频的目标智能追踪方法,其特征在于,所述步骤2包括以下步骤:
步骤2.1:首先采用基于高斯混合模型的动静分离和基于模板匹配的轨迹跟踪技术,准确分析监控中的活动目标,形成目标的轨迹信息;
步骤2.2:采用深度学习技术,实现人车分类和人骑车结构化,采用深度学习技术实现人物结构化,包括上下身颜色、打伞、背包、带帽信息的结构化,采用深度学习技术实现人脸结构化,包括年龄、性别、眼镜信息的结构化,采用深度学习技术实现车辆结构化,包括车牌号码、车牌颜色、车身颜色、车型信息的结构化;
步骤2.3:系统提取关键信息,录入视频图像信息库,用于公安视频侦查。
3.根据权利要求1所述的基于视频的目标智能追踪方法,其特征在于,所述步骤3包括以下几个步骤:
步骤3.1:在软件的应用界面上,用户手动指定需要筛选的目标,需要筛选的目标包括人、机动车、人+非机动车;
步骤3.2:通过算法运算,在监控视频中提取出目标的截图帧,进而在应用界面的目标显示区域打印显示目标的截图帧;
步骤3.3:对机动车目标,用户继续指定车牌号码、车牌颜色、车身颜色、车型作为筛选条件,继续筛选目标,排除掉不符合条件的结果;
步骤3.4:对人物目标,用户继续指定带包、无包、打伞、无伞、上衣颜色、下衣颜色、年龄、性别、是否带眼镜作为筛选条件,继续筛选目标,排除掉不符合条件的结果;
步骤3.5:根据上述用户指定的筛选条件,在应用界面的目标显示区域打印显示全部符合筛选条件的结果。
4.根据权利要求1所述的基于视频的目标智能追踪方法,其特征在于,还包括智能地对价值目标轨迹总长度和各路段长度进行自动测算的步骤。
5.根据权利要求1所述的基于视频的目标智能追踪方法,其特征在于,还包括对价值目标的移动速度进行分析计算的步骤。
6.根据权利要求1所述的基于视频的目标智能追踪方法,其特征在于,还包括对价值目标及其信息进行标注的步骤。
7.根据权利要求1所述的基于视频的目标智能追踪方法,其特征在于,还包括价值目标运动轨迹无限延伸步骤,该步骤通过进一步确定价值目标,自动延展价值目标的运动轨迹,帮助办案人员更好地发现目标的运动过程中的有效线索,确定下一步侦查方向,形成追踪闭环操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810204830.4A CN108446620A (zh) | 2018-03-13 | 2018-03-13 | 一种基于视频的目标智能追踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810204830.4A CN108446620A (zh) | 2018-03-13 | 2018-03-13 | 一种基于视频的目标智能追踪方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108446620A true CN108446620A (zh) | 2018-08-24 |
Family
ID=63194878
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810204830.4A Pending CN108446620A (zh) | 2018-03-13 | 2018-03-13 | 一种基于视频的目标智能追踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108446620A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112565717A (zh) * | 2021-02-18 | 2021-03-26 | 深圳市安软科技股份有限公司 | 视频结构化方法、相关设备、系统及存储介质 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102595102A (zh) * | 2012-03-07 | 2012-07-18 | 深圳市信义科技有限公司 | 一种视频结构化存储方法 |
CN102724482A (zh) * | 2012-06-18 | 2012-10-10 | 西安电子科技大学 | 基于gps和gis的智能视觉传感网络运动目标接力跟踪系统 |
CN102982311A (zh) * | 2012-09-21 | 2013-03-20 | 公安部第三研究所 | 基于视频结构化描述的车辆视频特征提取系统及方法 |
CN103268528A (zh) * | 2013-04-23 | 2013-08-28 | 四川天翼网络服务有限公司 | 智慧天网视频资源分析系统 |
CN103294829A (zh) * | 2013-06-26 | 2013-09-11 | 公安部第三研究所 | 基于Android操作系统实现轻量化视频结构化描述的系统及方法 |
CN103500230A (zh) * | 2013-10-25 | 2014-01-08 | 苏州千视通信科技有限公司 | 基于样本图像的视频检索方法 |
CN103617234A (zh) * | 2013-11-26 | 2014-03-05 | 公安部第三研究所 | 主动式视频浓缩装置及方法 |
CN104378539A (zh) * | 2014-11-28 | 2015-02-25 | 华中科技大学 | 场景自适应的视频结构化语义提取摄像机及其方法 |
CN105893510A (zh) * | 2016-03-30 | 2016-08-24 | 北京格灵深瞳信息技术有限公司 | 一种视频结构化系统及其目标搜索方法 |
CN105959621A (zh) * | 2016-04-28 | 2016-09-21 | 泰华智慧产业集团股份有限公司 | 基于多源视频结构化数据的准实时布控系统及方法 |
CN106230768A (zh) * | 2016-06-16 | 2016-12-14 | 北京数智源科技股份有限公司 | 结构化视频管理系统 |
US20170132471A1 (en) * | 2006-03-28 | 2017-05-11 | Avigilon Fortress Corporation | Automatic extraction of secondary video streams |
CN107194006A (zh) * | 2017-06-19 | 2017-09-22 | 深圳警翼智能科技股份有限公司 | 一种视频特征结构化管理方法 |
CN107291910A (zh) * | 2017-06-26 | 2017-10-24 | 图麟信息科技(深圳)有限公司 | 一种视频片段结构化查询方法、装置及电子设备 |
-
2018
- 2018-03-13 CN CN201810204830.4A patent/CN108446620A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170132471A1 (en) * | 2006-03-28 | 2017-05-11 | Avigilon Fortress Corporation | Automatic extraction of secondary video streams |
CN102595102A (zh) * | 2012-03-07 | 2012-07-18 | 深圳市信义科技有限公司 | 一种视频结构化存储方法 |
CN102724482A (zh) * | 2012-06-18 | 2012-10-10 | 西安电子科技大学 | 基于gps和gis的智能视觉传感网络运动目标接力跟踪系统 |
CN102982311A (zh) * | 2012-09-21 | 2013-03-20 | 公安部第三研究所 | 基于视频结构化描述的车辆视频特征提取系统及方法 |
CN103268528A (zh) * | 2013-04-23 | 2013-08-28 | 四川天翼网络服务有限公司 | 智慧天网视频资源分析系统 |
CN103294829A (zh) * | 2013-06-26 | 2013-09-11 | 公安部第三研究所 | 基于Android操作系统实现轻量化视频结构化描述的系统及方法 |
CN103500230A (zh) * | 2013-10-25 | 2014-01-08 | 苏州千视通信科技有限公司 | 基于样本图像的视频检索方法 |
CN103617234A (zh) * | 2013-11-26 | 2014-03-05 | 公安部第三研究所 | 主动式视频浓缩装置及方法 |
CN104378539A (zh) * | 2014-11-28 | 2015-02-25 | 华中科技大学 | 场景自适应的视频结构化语义提取摄像机及其方法 |
CN105893510A (zh) * | 2016-03-30 | 2016-08-24 | 北京格灵深瞳信息技术有限公司 | 一种视频结构化系统及其目标搜索方法 |
CN105959621A (zh) * | 2016-04-28 | 2016-09-21 | 泰华智慧产业集团股份有限公司 | 基于多源视频结构化数据的准实时布控系统及方法 |
CN106230768A (zh) * | 2016-06-16 | 2016-12-14 | 北京数智源科技股份有限公司 | 结构化视频管理系统 |
CN107194006A (zh) * | 2017-06-19 | 2017-09-22 | 深圳警翼智能科技股份有限公司 | 一种视频特征结构化管理方法 |
CN107291910A (zh) * | 2017-06-26 | 2017-10-24 | 图麟信息科技(深圳)有限公司 | 一种视频片段结构化查询方法、装置及电子设备 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112565717A (zh) * | 2021-02-18 | 2021-03-26 | 深圳市安软科技股份有限公司 | 视频结构化方法、相关设备、系统及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Laharotte et al. | Spatiotemporal analysis of bluetooth data: Application to a large urban network | |
CN105070053B (zh) | 一种识别车辆违规运动模式的智能交通监控摄像机 | |
CN108216252A (zh) | 一种地铁司机车载驾驶行为分析方法、车载终端及系统 | |
CN104268586B (zh) | 一种多视角动作识别方法 | |
CN110874362A (zh) | 一种数据关联分析方法及装置 | |
CN109388663A (zh) | 一种面向社会安全领域的大数据智能分析平台 | |
Alamri et al. | An effective bio-signal-based driver behavior monitoring system using a generalized deep learning approach | |
CN109583315A (zh) | 一种面向智能视频监控的多通道快速人体姿态识别方法 | |
Zhao et al. | Real-time vehicle motion detection and motion altering for connected vehicle: Algorithm design and practical applications | |
CN106412508A (zh) | 车辆违章压线智能监控方法和系统 | |
CN108898520A (zh) | 基于轨迹数据的学生安全监控方法和系统 | |
CN109949351A (zh) | 基于视频结构化监控的目标车辆行驶轨迹提取装置及方法 | |
CN109523574A (zh) | 一种行走轨迹预测方法和电子设备 | |
CN110390232A (zh) | 确认违法驾驶的方法、装置、服务器和系统 | |
Wang et al. | Vision-based hand signal recognition in construction: A feasibility study | |
CN110210382A (zh) | 一种基于时空特征识别的人脸疲劳驾驶检测方法及装置 | |
CN111986235A (zh) | 一种提取车辆轨迹特征运动模式的方法 | |
CN115797403A (zh) | 交通事故预测方法和装置、存储介质及电子设备 | |
Wang et al. | Urbanpose: A new benchmark for vru pose estimation in urban traffic scenes | |
CN106412507A (zh) | 人员流量的智能监控方法和系统 | |
CN108446620A (zh) | 一种基于视频的目标智能追踪方法 | |
Huang et al. | A collaborative perception method of human-urban environment based on machine learning and its application to the case area | |
CN106504542A (zh) | 车速智能监控方法和系统 | |
Satzoda et al. | Towards automated drive analysis: A multimodal synergistic approach | |
CN113076999A (zh) | 基于人工智能信息数据采集方法 |
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 | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20221111 |
|
AD01 | Patent right deemed abandoned |