CN108710827B - 一种社区微警务巡查和信息自动分析系统及方法 - Google Patents

一种社区微警务巡查和信息自动分析系统及方法 Download PDF

Info

Publication number
CN108710827B
CN108710827B CN201810347977.9A CN201810347977A CN108710827B CN 108710827 B CN108710827 B CN 108710827B CN 201810347977 A CN201810347977 A CN 201810347977A CN 108710827 B CN108710827 B CN 108710827B
Authority
CN
China
Prior art keywords
information
video
pixel
target person
community
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.)
Active
Application number
CN201810347977.9A
Other languages
English (en)
Other versions
CN108710827A (zh
Inventor
李莉莉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Terminus Beijing Technology Co Ltd
Original Assignee
Terminus Beijing Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Terminus Beijing Technology Co Ltd filed Critical Terminus Beijing Technology Co Ltd
Priority to CN201810347977.9A priority Critical patent/CN108710827B/zh
Publication of CN108710827A publication Critical patent/CN108710827A/zh
Application granted granted Critical
Publication of CN108710827B publication Critical patent/CN108710827B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • 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
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L2101/00—Indexing scheme associated with group H04L61/00
    • H04L2101/60—Types of network addresses
    • H04L2101/618—Details of network addresses
    • H04L2101/622—Layer-2 addresses, e.g. medium access control [MAC] addresses

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Image Analysis (AREA)

Abstract

本申请提供一种社区微警务巡查和信息自动分析系统和方法，包括：前端信息采集模块，用于采集与对应区域内的人物身份相关的视频信息以及人物手机的MAC地址信息；后台信息汇总模块用于对所述视频采集单元采集到的视频信息进行汇总和存储；微警务巡查模块用于接收所述MAC无线采集单元采集到的MAC地址信息，并从所述前端信息采集模块或者所述后台信息汇总模块中获取所述视频信息；信息分析模块，用于对所述微警务巡查模块中的MAC地址信息和视频信息进行分析处理，确定目标人物在社区内的行动轨迹，监测社区内的异常场景。本发明充分利用社区内的监控资源，从而可以降低常态化的开展社区级的警务巡查的成本。

Description

一种社区微警务巡查和信息自动分析系统及方法
技术领域
本申请涉及智慧城市技术领域，尤其涉及一种社区微警务巡查和信息自动分析系统及方法。
背景技术
社区是若干社会群体或社会组织聚集在某一个领域里所形成的一个生活上相互关联的大集体，当今社会中，人们生活在各种各样的社区中，通常意义上的社区包括住宅区以及商业住宅一体化的空间。社区是人和物质财富的聚集场所，安全性是社区管理和服务必须首要解决的问题。
警务力量是维护社会安全的核心支柱，公安人员通过警务巡查，可以发现可疑人员，处理治安案件。警务巡查主要在比较繁华的街道等公共场所进行，目前有些地方推进了警务巡查进社区措施，除了治安管理，还能发现违规群租、非法传销聚集等情况，纠正乱停车、违规养犬等不文明行为。但是，由于警力资源非常有限，不可能在城市的每个社区都派驻警察，也难以常态化的开展社区级的警务巡查。
可见，维护社区安全的重要性和警力资源稀缺存在着矛盾，运用信息化、智能化的技术手段实现远程的社区级微警务巡查，是这一矛盾有效的解决途径。然而，目前尚缺少专门在社区这一具体场景的软硬件环境下实现微警务巡查功能的技术体系。
发明内容
有鉴于此，本申请的目的在于提出一种社区微警务巡查和信息自动分析系统及方法，来解决广大居民对常态化开展社区级微警务巡查的普遍需求与警力资源不足的客观实际之间的矛盾，运用信息化和智能化的技术手段，可以远程实现面向社区级微警务巡查的功能。
基于上述目的，本申请实施例提出了一种社区微警务巡查和信息自动分析系统，包括：
前端信息采集模块，包括分布在所述社区内的多个区域内的视频采集单元和MAC无线采集单元，所述视频采集单元用于采集与对应区域内的人物身份相关的视频信息，所述MAC无线采集单元用于采集对应区域内人物手机的MAC地址信息；
后台信息汇总模块，用于对所述视频采集单元采集到的视频信息进行汇总和存储；
微警务巡查模块，用于接收所述MAC无线采集单元采集到的MAC地址信息，并从所述前端信息采集模块或者所述后台信息汇总模块中获取所述视频信息；
信息分析模块，用于对所述微警务巡查模块中的MAC地址信息和视频信息进行分析处理，确定目标人物在社区内的行动轨迹，监测社区内的异常场景。
在一些实施例中，所述视频采集单元包括：
门禁视频采集单元，用于采集所述社区门禁处的人物的视频信息；
交通视频采集单元，分布在社区室外及停车场，用于采集对应区域内的车辆的视频信息；
车牌号采集单元，分布在停车场出入口，用于采集出入停车场的车辆的车牌号信息；
公共视频采集单元，分布在社区公共区域，用于采集公共区域的视频信息。
在一些实施例中，所述后台信息汇总模块包括：
门禁管理平台，用于接收并存储所述门禁视频采集单元采集到的视频信息；
交通监控平台，用于接收并存储所述交通视频采集单元集到的视频信息；
停车管理平台，用于接收并存储所述车牌号采集单元集到的车牌号信息；
公共区域监控平台，用于接收并存储所述公共视频采集单元采集到的公共区域的视频信息。
在一些实施例中，所述信息分析模块包括信息提取单元，用于从所述视频信息和MAC地址信息中识别目标人物和目标物体，并提取目标人物的身份信息、MAC地址信息以及目标物体的标识信息；根据所述身份信息、MAC地址信息以及标识信息，确定分布在一定时间和空间范围内的包含目标人物或者目标物体在内的视频信息或者MAC地址信息。
在一些实施例中，所述信息分析模块还包括信息汇总单元，用于对所述信息提取模块提取到包含目标人物或者目标物体在内的视频信息或者MAC地址信息进行汇总，生成汇总信息。
在一些实施例中，所述信息分析模块还包括信息排序单元，用于按照时间顺序对所述汇总后的视频信息和MAC地址信息进行排序，从而确定目标人物或者目标物体在各个时间点的位置，进而生成所述目标人物或目标物体的运动轨迹。
基于上述目的，本申请实施例还提出了一种社区微警务巡查和信息自动分析方法，其特征在于，包括：
确定目标人物和/或目标物体；提取所述目标人体的身份信息和MAC地址信息，和/或，目标物体的标识信息；所述身份信息包括面部特征信息和/或着装颜色特征信息，所述目标物体的标识信息包括车辆号牌信息和/或目标物体特征矢量信息；
根据所述身份信息，从实时视频信息和历史视频信息当中，查找包含所述目标人物的视频信息；
根据所述标识信息，从实时视频信息和历史视频信息当中，查找包含所述目标物体的视频信息；
根据所述目标人物的手机MAC地址信息，在一定时间和空间范围内记录的全部MAC地址信息中进行查找，确定该目标人物的MAC地址信息的采集时间和采集位置的记录；
根据包含所述目标人物或目标物体的视频信息，以及目标人物的MAC地址信息记录，确定目标人物和目标物体在社区内的行动轨迹。
在一些实施例中，确定目标人物和目标物体在社区内的行动轨迹具体包括：
确定所述目标人物的视频信息、所述目标物体的视频信息以及所述目标人物MAC地址信息记录对应的时间点；
按照时间顺序对所述目标人物的视频信息、所述目标物体的视频信息以及所述目标人物MAC地址信息记录进行排序；
按照排序生成所述目标人物和目标物体在社区内的行动轨迹。
在一些实施例中，还包括：从所述目标人物和目标物体在社区内的行动轨迹中截取预设时间段内的行动轨迹。
在一些实施例中，所述社区微警务巡查和信息自动分析方法还包括：基于实时的视频信息，识别社区异常场景，并自动向警务人员产生预警提示。
在一些实施例中，提取该目标人物的面部特征信息包括：将整个面部区域的外接矩形分解为N×N个子区域；针对其中每一个子区域，为该子区域内的每一个像素提取以该像素为中心像素、包括该像素左上、上、右上、右、右下、下、左下、左侧相邻像素的3×3像素块；该中心像素的图像纹理特征值Tc为：
其中ic表示中心像素的像素灰度值，ip表示相邻像素的像素灰度值，按照左上、上、右上、右、右下、下、左下、左的顺序，p的取值依次由1至8；且
在一些实施例中，提取该目标人物的着装颜色特征包括：统计目标人物身体区域的颜色区间分布直方图；根据颜色区间分布直方图，获取其中分布像素数量最多的L个颜色区间，将这些颜色区间作为主颜色成分，其中L的取值为10-20；将主颜色成分作为身体区域的着装颜色特征。
在一些实施例中，提取目标物体的标识信息包括：算法提取该目标物体区域的边缘像素；建立以该中心点为起点、以每个边缘像素为终点的特征矢量，全部特征矢量集合为特征矢量组，作为该目标物体的标识信息。
在一些实施例中，识别视频信息中的社区异常场景包括：建立一个异常场景库，该数据库内保存各种异常场景的标志帧模板；对于视频信息中的视频帧，计算该视频帧的平均视差矢量NV，
其中，在视频帧画面选取一定数量的采样点，M为采样点总数，分别表示第i个采样点在横坐标和纵坐标上的运动矢量幅值；将该视频帧的平均视差矢量NV与异常场景数据库中异常场景的标志帧模板的平均视差矢量NV进行对比，如果该视频帧的NV与其中某一个标志帧模板的NV差值在阈值范围T以内，则为二者属于相同的异常场景。
本申请通过微警务巡查模块获取社区内实时的视频信息和MAC地址信息，对目标人物和目标物体进行识别，使得对目标人体的识别更加准确；同时将微警务巡查模块与社区内的后台信息汇总模块对接，充分利用社区内的历史监控资源，实现高效智能的目标追溯机制；可以对社区内实时出现的异常场景进行自动识别与报警；从而可以降低常态化的开展社区级的警务巡查的成本。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本申请实施例一的社区微警务巡查和信息自动分析系统的结构示意图；
图2是本申请实施例二的社区微警务巡查和信息自动分析系统的信息分析模块的结构示意图；
图3是本申请实施例三的社区微警务巡查和信息自动分析方法的流程图；
图4是本申请实施例四的的社区微警务巡查和信息自动分析方法的流程图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
本申请实施例的社区微警务巡查和信息自动分析系统，充分利用社区部署的物联网化的各种信息采集前端设备，与警方后台互联互通，双向交互，警方后台可以智能化自动组织和远程控制前端设备，并且在后台进行信息分析，识别异常。
如图1所示，是本申请实施例一的社区微警务巡查和信息自动分析系统的结构示意图。从图中可以看出，作为本申请的一个实施例，所述社区微警务巡查和信息自动分析系统包括：
前端信息采集模块101，包括分布在所述社区内的多个区域内的视频采集单元1011和MAC无线采集单元1012，所述视频采集单元1011用于采集与对应区域内的人物身份相关的视频信息，所述MAC无线采集单元1012用于采集对应区域内人物手机的MAC地址信息。
在本实施例中，所述视频采集单元1011可以是分布在所述社区内的多个区域内的视频采集设备，或者集成在其他设备上的视频采集设备，例如，可以是集成在可视门禁机上的门禁视频采集单元，用于采集通过门禁出入所述社区的人员的视频信息(特别是面部信息)，或者，可以是社区内室内室外实现安全监控的公共视频采集单元，例如超市、公园、游乐场处的公共视频采集摄像头，也可以是室外和停车场的交通视频采集单元，用于采集社区内的路况以及路上行人和车辆信息，可以是停车场出入口的车牌号采集单元，用于采集出入停车场的车辆的车牌号。通过所述视频采集单元1011，可以采集社区内人物的视频信息，进而可以从采集的视频信息中提取目标人物的身份信息或者其它类型目标物体的标识信息，包括目标人体的面部特征、目标车辆的车牌号码信息等。
所述MAC无线采集单元1012可以是隐蔽式的MAC编号无线采集设备，用于采集用户的手机的MAC地址，随着科技的飞速发展，几乎每个人都配备有个人的手机，而且手机基本上已经全面实名绑定，因此，手机的MAC地址也可以作为人物的一种身份信息，本系统将手机的MAC地址作为代表人物身份的身份信息用于警务巡查，并且通过进一步与通信运营商的合作可以确定和追溯该手机拥有者的真实身份，通过各MAC无线采集单元1012覆盖社区空间，对该空间内存在的手机的MAC地址进行无感知的隐蔽采集，不但可以获取人物身份，还可以确定手机拥有者在社区内的分布空间和活动轨迹。
后台信息汇总模块102，用于对所述视频采集单元1011采集到的视频信息进行汇总和存储。
在本实施例中，所述后台信息汇总模块102可以是社区物业的后台管理平台，例如社区门禁管理平台、交通监控平台、公共区域监控平台和停车管理平台。所述后台信息汇总模块102与所述视频采集单元1011连接，所述视频采集单元1011将采集到的视频信息发送至所述后台信息汇总模块102，所述后台信息汇总模块102对接收到的视频信息进行汇总和存储，视频信息需要保留至少一段时间(例如3个月)作为留档。例如，可以对与社区门禁管理平台对应的多个视频采集单元采集到的人物身份视频信息(例如面部视频信息)进行汇总，或者，对与公共区域监控平台对应的多个视频采集单元采集到的公共区域视频信息进行汇总，或者，也可以对与停车管理平台对应的多个视频采集单元采集到的车牌号视频信息进行汇总，或者，对与交通监控平台对应的视频采集单元采集的交通视频信息进行汇总，并将汇总后的视频信息进行存储，以在需要时进行调用和查看。
微警务巡查模块103，用于接收所述MAC无线采集单元1012采集到的MAC地址信息，并从所述前端信息采集模块或者所述后台信息汇总模块102中获取所述视频信息。
在本实施例中，所述微警务巡查模块103可以集成到警务专用的监控平台中，例如设在110警务信息中心、公安分局、派出所或者治安哨所的警务监控平台，并且微警务巡查模块103通过网络远程连接所述前端信息采集模块和后台信息汇总模块。其中，所述微警务巡查模块103通过与所述MAC无线采集单元1012连接，用于接收所述MAC无线采集单元采集到的MAC地址信息。此外，所述微警务巡查模块103可以单向的从所述后台信息汇总模块102中调取存储的视频信息，或者从前端信息采集模块101中获取实时采集的视频信息，以利用获取到的视频信息和MAC地址信息对目标人物或目标物体在社区内的空间位置分布和运动轨迹进行分析，以及监测社区内的异常场景。
信息分析模块104，用于对所述微警务巡查模块获取的MAC地址信息和视频信息进行分析处理，确定目标人物或目标物体在社区内的空间位置分布和运动轨迹，以及监测社区内的异常场景。
在本实施例中，信息分析模块104首先从实时或者存储的视频信息中提取目标人物的身份信息或者其它类型目标物体的标识信息，以及获得作为一种人物身份信息的MAC地址信息；基于目标人物的身份信息、目标物体的标识信息以及MAC地址信息，例如面部特征、车辆的车牌号信息和手机MAC地址信息，信息分析模块104从所述微警务巡查模块103获取到的视频信息或者MAC地址信息中进行查找，确定分布在一定时间和空间范围内的包含目标人物或者目标物体在内的视频信息或者MAC地址信息，并根据采集视频信息的视频采集单元1011的位置和采集MAC地址信息的MAC无线采集单元1012的位置，确定目标人物或者目标物体在各个时间点的位置，进而生成所述目标人物或目标物体的运动轨迹。
具体来说，当利用本申请实施例的社区微警务巡查和信息自动分析系统进行警务巡查时，警方工作人员可通过微警务巡查模块103远程指定任何一台视频采集单元1011和MAC无线采集单元1012提供自身当前采集的视频信息和MAC地址信息，也可以通过微警务巡查模块103定期轮询社区的各个视频采集单元1011和MAC无线采集单元1012，对社区范围内的门禁视频、交通视频、公共区域视频、停车视频以及MAC地址信息进行巡查；微警务巡查模块103也可以远程查询后台信息汇总模块102在任何时段保存的视频信息，调取门禁出入人员和打卡的历史记录、交通监控视频的历史记录、室内外安全监控视频的历史记录，停车出入的历史记录等信息，核实历史情况。
信息分析模块104从实时或者存储的视频信息中提取目标人物的身份信息或者其它类型目标物体的标识信息。对于目标人物，信息分析模块104从视频信息当中获得该目标人物的着装颜色特征，并且从视频信息中选择具有可识别面部画面区域的视频帧，提取该目标人物的面部特征信息，面部特征信息和着装颜色特征可以作为身份信息。面部特征信息的计算方法如下：将目标人物整个面部区域的外接矩形分解为N×N个子区域，N的取值范围为5-20；针对其中每一个子区域，为该子区域内的每一个像素提取以该像素为中心像素、包括该像素左上、上、右上、右、右下、下、左下、左侧相邻像素的3×3像素块；该中心像素的图像纹理特征值Tc为：
其中ic表示中心像素的像素灰度值，ip表示相邻像素的像素灰度值，按照左上、上、右上、右、右下、下、左下、左的顺序，p的取值依次由1至8；且
也就是说，在3×3像素块内，以中心像素的灰度值为阈值，将相邻的8个像素的灰度值与其进行比较，若相邻像素灰度值大于等于中心像素灰度值，则该相邻像素被标记为1，否则该相邻像素标记为0。这样，3×3像素块内的8个相邻像素经比较可产生8个数值为0或者1的标记，按照左上、上、右上、右、右下、下、左下、左的顺序将相邻像素对应的标记排列为一个8位的二进制数，该8位二进制数转化为十进制即为Tc，作为中心像素的图像纹理特征值，并用这个值来反映该像素块的纹理信息。对于N×N个子区域中的每一个子区域，获得其中每一个像素的图像纹理特征值，进而进行该子区域像素图像纹理特征值的直方图统计，获得每个子区域的直方图数据；将全部子区域的直方图数据组合在一起，形成的数据集合作为目标人物的面部特征信息。着装颜色特征的计算方法是：统计目标人物身体区域的颜色区间分布直方图，即将身体区域每个像素的颜色值归入色域中的一个颜色区间，统计每个颜色区间上分布的像素数量，形成颜色区间分布直方图；根据颜色区间分布直方图，获取其中分布像素数量最多的L个颜色区间，将这些颜色区间作为主颜色成分，其中L的取值为10-20；将主颜色成分作为身体区域的着装颜色特征。对于其它类型的目标物体，例如车辆，信息分析模块104可以利用车辆号牌提取算法取得车辆的号牌，作为标识信息。对于动物或者其它目标物体，信息分析模块104利用梯度判断等边缘识别算法提取该目标物体区域的边缘像素；建立以该中心点为起点、以每个边缘像素为终点的特征矢量，全部特征矢量集合为特征矢量组，作为该目标物体的标识信息。基于所提取的目标人物的身份信息、目标物体的标识信息，所述信息分析模块104可以从整个社区的视频采集单元1011采集的实时视频信息以及后台信息汇总模块102在任何时段保存的视频信息当中利用该身份信息和标识信息进行查找，确定所有包含目标人物或者目标物体在内的视频信息，并根据这些视频信息的采集时间以及采集这些视频信息的视频采集单元1011的位置，确定目标人物和目标物体在各个时间点的位置，生成所述目标人物和目标物体的运动轨迹。
当警方锁定某个目标人物的MAC地址信息后，信息分析模块104可以从MAC无线采集单元1012在一定时间和空间范围内记录的全部MAC地址信息中进行查找，确定该目标人物的MAC地址信息的采集时间和采集位置(即采集到该MAC地址信息的MAC无线采集单元1012的位置)，进而确定目标人物在各个时间点的位置，从而基于MAC地址信息的时空分布，也能够生成所述目标人物的运动轨迹。
考虑到视频信息采集和MAC地址采集都存在死角，信息分析模块104还可以将针对目标人物的视频信息和MAC地址信息关联起来，共同描述所述目标人物的运动轨迹。具体来说，信息分析模块104可以根据视频采集单元1011和MAC无线采集单元1012的安装位置，将安装位置接近的视频采集单元1011和MAC无线采集单元1012匹配为一组，如果从视频采集单元1011采集的视频信息中查找到某个目标人物，则同时调取同组的MAC无线采集单元1012采集的MAC地址信息，从而将该目标人物的身份信息与其手机的MAC地址信息绑定起来，共同用于生成所述目标人物的运动轨迹。
信息分析模块104还可以利用视频采集单元1011提供的视频信息，进行自动的场景分析与监控，识别社区内的车祸、人员聚集等异常场景，并自动向警务人员产生预警提示。具体来说，信息分析模块104建立一个异常场景库，该数据库内保存各种异常场景的标志帧模板，对于视频采集单元1011提供的视频信息中的视频帧，计算该视频帧的平均视差矢量NV，
其中，在视频帧画面选取一定数量的采样点，M为采样点总数，分别表示第i个采样点在横坐标和纵坐标上的运动矢量幅值；本领域技术人员知晓，运动矢量可以通过前、后帧的对比计算，在此不做阐述。将NV与异常场景数据库中异常场景的标志帧模板的平均视差矢量NV进行对比，如果该视频帧的NV与某一个标志帧模板的NV差值在阈值范围T以内，则为二者属于相同的异常场景。
可见，本申请实施例通过微警务巡查模块获取社区内实时的视频信息和MAC地址信息，对目标人物和目标物体进行识别，使得对目标人体的识别更加准确；同时将微警务巡查模块与社区内的后台信息汇总模块对接，充分利用社区内的历史监控资源，实现高效智能的目标追溯机制；可以对社区内实时出现的异常场景进行自动识别与报警；从而可以降低常态化的开展社区级的警务巡查的成本。
作为本申请的一个可选实施例，所述视频采集单元包括：
门禁视频采集单元，用于采集所述社区门禁处的人物的视频信息；
交通视频采集单元，分布在社区室外及停车场，用于采集对应区域内的车辆的视频信息；
车牌号采集单元，分布在停车场出入口，用于采集出入停车场的车辆的车牌号信息；
公共视频采集单元，分布在社区公共区域，用于采集公共区域的视频信息。
所述门禁视频采集单元、交通视频采集单元、车牌号采集单元、公共视频采集单元可以配置有各自的后台信息汇总模块，也可以公用同一个后台信息汇总模块。通过不同视频采集单元，可以采集不同类型的人物和物体的特征信息，进而可以全方位地确认目标的运动轨迹。
作为本申请的一个可选实施例，所述后台信息汇总模块包括：
门禁管理平台，用于接收并存储所述门禁视频采集单元采集到的视频信息；以及接收和存储打卡记录等资料；
交通监控平台，用于接收并存储所述交通视频采集单元集到的视频信息；
停车管理平台，用于接收并存储所述车牌号采集单元集到的车牌号信息；
公共区域监控平台，用于接收并存储所述公共视频采集单元采集到的公共区域的视频信息。
如图2所示，是本申请实施例二的社区微警务巡查和信息自动分析系统的信息分析模块的结构示意图。
在本实施例中，所述信息分析模块104包括信息提取单元1041，用于从视频信息和MAC地址信息中识别目标人物和目标物体，并提取目标人物的身份信息、MAC地址信息以及目标物体的标识信息；根据以上信息，确定分布在一定时间和空间范围内的包含目标人物或者目标物体在内的视频信息或者MAC地址信息。
所述信息分析模块104还包括信息汇总单元1042，用于对所述信息提取模块提取到包含目标人物或者目标物体在内的视频信息或者MAC地址信息进行汇总，生成汇总信息。
所述信息分析模块104还包括信息排序单元1043，用于按照时间顺序对所述汇总后的视频信息和MAC地址信息进行排序，从而确定目标人物或者目标物体在各个时间点的位置，进而生成所述目标人物或目标物体的运动轨迹。
信息提取单元1041还可以利用视频采集单元1011提供的视频信息，进行自动的场景分析与监控，识别社区内的车祸、人员聚集等异常场景，并自动向警务人员产生预警提示。
本实施例能够取得与上述实施例相似的技术效果，这里不再赘述。
如图3所示，是本申请实施例三的社区微警务巡查和信息自动分析方法的流程图。在本实施例中，所述社区微警务巡查和信息自动分析可以方法包括以下步骤：
S301：确定目标人物和/或目标物体；提取所述目标人体的身份信息和MAC地址信息，和/或，目标物体的标识信息；所述身份信息包括面部特征信息和/或着装颜色特征信息，所述目标物体的标识信息包括车辆号牌信息和/或目标物体特征矢量信息。
在本实施例中，可以通过轮询分布在社区内的视频采集设备或者社区物业的后台信息汇总模块来发现目标人物或者目标物体，例如异常场景中出现的目标人物或者目标物体；在确定目标人物或者目标物体后，提取所述目标人物的身份信息以及目标物体的标识信息。具体地，可以提取视频信息中的关键帧，然后利用前文介绍中的图像识别技术提取实时关键帧中目标人物的身份特征和/或目标物体的标识信息；也可以通过查询获得目标人物的手机MAC地址信息。
S302：根据所述身份信息，从门禁视频采集单元、公共视频采集单元、交通视频采集单元的实时视频信息当中，以及从门禁管理平台、交通监控平台、公共区域监控平台的历史视频信息当中，查找包含所述目标人物的视频信息。可以通过将步骤S301中提取到的目标人物的身份信息与上述视频信息进行匹配，确定包含目标人体的视频信息。此外，还可以提取采集到目标人物的视频信息的位置和时间点。
S303：根据所述标识信息，从公共视频采集单元、交通视频采集单元、车牌号采集单元采集的实时视频信息，或者从交通监控平台、停车管理平台、公共区域监控平台保存的历史视频信息中，查找包含所述目标物体(例如目标车辆)的视频信息。可以通过将步骤S301中提取到的车辆车牌号码信息等标识信息与上述视频信息进行匹配，确定包含目标物体的视频信息，进而确定采集上述视频信息的位置。此外，还可以提取采集目标物体的视频信息的时间点。
S304：根据所述目标人物的手机MAC地址信息，在一定时间和空间范围内记录的全部MAC地址信息中进行查找，确定该目标人物的MAC地址信息的采集时间和采集位置的MAC地址信息记录。
S305：对所述目标人物的实时和历史视频信息、所述目标物体的实时和历史视频信息、以及所述目标人物MAC地址信息记录进行分析处理，确定目标人物和目标物体在社区内的行动轨迹。
在本实施例中，可以确定采集对应信息的采集单元的位置，由于上述采集单元的采集范围是固定，因此，可以将该采集单元所在地点一定范围内的常用通道作为目标人体的活动点，并由多个所述的活动点构成目标人体在社区内的活动轨迹。
本申请实施例的社区微警务巡查和信息自动分析方法，可以根据视频信息和MAC地址信息确认目标在社区内的活动轨迹，充分利用社区内的监控资源，从而可以降低常态化的开展社区级的警务巡查的成本。
如图4所示，是本申请实施例四的社区微警务巡查和信息自动分析流程图。作为本申请实施例三的步骤S304的一个具体实现方式，所述对所述目标人物的实时和历史视频信息、所述目标物体的实时和历史视频信息、以及所述目标人物MAC地址信息记录进行分析处理，确定目标人体在社区内的行动轨迹，包括以下步骤：
S401：确定所述目标人物的实时和历史视频信息、所述目标物体的实时和历史视频信息、以及所述目标人物MAC地址信息记录对应的时间点。
S402：按照时间顺序对目标人物的实时和历史视频信息、所述目标物体的实时和历史视频信息、以及所述目标人物MAC地址信息记录进行排序。
通过按照时间点的先后顺序对目标人物的实时和历史视频信息、所述目标物体的实时和历史视频信息、以及所述目标人物MAC地址信息记录进行排序，可以在时间上根据所述目标人物的实时和历史视频信息、所述目标物体的实时和历史视频信息、以及所述目标人物MAC地址信息记录生成完整的运动轨迹。
S403：生成所述目标人物和目标物体在社区内的行动轨迹。
在按照时间点的先后顺序对目标人物的实时和历史视频信息、所述目标物体的实时和历史视频信息、以及所述目标人物MAC地址信息记录进行排序后，可以提取目标人物的实时和历史视频信息、所述目标物体的实时和历史视频信息、以及所述目标人物MAC地址信息记录中的关键片段及其位置，生成简洁的目标人体的行动轨迹。
作为本申请的一个可选实施例，在上述实施例中，还可以包括：从所述目标人体在社区内的行动轨迹中截取预设时间段内的行动轨迹。通过截取预设时间段内的行动轨迹，可以从视频信息中提取关键字段，大大缩短视频浏览的时间。
作为本申请的一个可选实施例，在上述实施例中，还可以包括：对所述目标人体进行跟踪，实时获取所述目标人物和目标物体的视频信息，以及目标人物的手机MAC地址信息，并实时更新所述目标人体在社区内的行动轨迹。具体地，可以将所述目标人物的身份信息和MAC地址信息以及目标物体的标识信息发送至分布在社区内的视频采集设备或者MAC无线采集单元，以对所述目标进行跟踪，实时获取所述目标的视频信息和手机MAC地址信息，并对实时获取到的视频信息和手机MAC地址信息进行汇总，生成新的对应与所述目标人体的行动轨迹。
本实施例的方法还可以包括以下步骤：基于实时视频信息，进行自动的场景分析与监控，识别社区内的车祸、人员聚集等异常场景，并自动向警务人员产生预警提示。本实施例能够取得与上述方法实施例相类似的技术效果，这里不再赘述。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (5)

1.一种社区微警务巡查和信息自动分析系统，其特征在于，包括：
前端信息采集模块，包括分布在所述社区内的多个区域内的视频采集单元和MAC无线采集单元，所述视频采集单元用于采集与对应区域内的人物身份相关的视频信息，所述MAC无线采集单元用于采集对应区域内人物手机的MAC地址信息；
后台信息汇总模块，用于对所述视频采集单元采集到的视频信息进行汇总和存储；
微警务巡查模块，用于接收所述MAC无线采集单元采集到的MAC地址信息，并从所述前端信息采集模块或者所述后台信息汇总模块中获取所述视频信息；信息分析模块，包括信息提取单元、信息汇总单元、信息排序单元；所述信息提取单元，用于从实时或者存储的视频信息中提取目标人物的身份信息或者其它类型目标物体的标识信息，以及获得作为一种人物身份信息的MAC地址信息；并且根据所述身份信息、MAC地址信息以及标识信息，从所述微警务巡查模块获取到的视频信息或者MAC地址信息中进行查找，确定分布在一定时间和空间范围内的包含目标人物或者目标物体在内的视频信息或者MAC地址信息；信息汇总单元，用于对所述信息提取模块提取到包含目标人物或者目标物体在内的视频信息或者MAC地址信息进行汇总，生成汇总信息；信息排序单元，用于按照时间顺序对所述汇总后的视频信息和MAC地址信息进行排序，根据采集视频信息的视频采集单元的位置和采集MAC地址信息的MAC无线采集单元的位置，从而确定目标人物或者目标物体在各个时间点的位置，进而生成所述目标人物或目标物体的运动轨迹；
并且，所述信息分析模块还利用所述视频采集单元提供的视频信息，进行自动的场景分析与监控，识别社区内的异常场景，并自动向警务人员产生预警提示，以及提取异常场景中出现的目标人物或者目标物体；
其中，所述信息分析模块识别社区内的异常场景的过程为建立一个异常场景库，该异常场景库内保存各种异常场景的标志帧模板，对于视频采集单元提供的视频信息中的视频帧，计算该视频帧的平均视差矢量NV：
其中，在视频帧画面选取一定数量的采样点，M为采样点总数，分别表示第i个采样点在横坐标和纵坐标上的运动矢量幅值；将NV与异常场景数据库中异常场景的标志帧模板的平均视差矢量NV进行对比，如果该视频帧的NV与某一个标志帧模板的NV差值在阈值范围T以内，则为二者属于相同的异常场景；
其中，所述信息提取单元从实时或者存储的视频信息中提取目标人物的身份信息具体包括：从视频信息当中获得该目标人物的着装颜色特征，并且从视频信息中选择具有可识别面部画面区域的视频帧，提取该目标人物的面部特征信息，面部特征信息和着装颜色特征可以作为身份信息；面部特征信息的计算方法如下：将目标人物整个面部区域的外接矩形分解为N×N个子区域，N的取值范围为5-20；针对其中每一个子区域，为该子区域内的每一个像素提取以该像素为中心像素、包括该像素左上、上、右上、右、右下、下、左下、左侧相邻像素的3×3像素块；该中心像素的图像纹理特征值Tc为：
其中ic表示中心像素的像素灰度值，ip表示相邻像素的像素灰度值，按照左上、上、右上、右、右下、下、左下、左的顺序，p的取值依次由1至8；且
也就是说，在3×3像素块内，以中心像素的灰度值为阈值，将相邻的8个像素的灰度值与其进行比较，若相邻像素灰度值大于等于中心像素灰度值，则该相邻像素被标记为1，否则该相邻像素标记为0；这样，3×3像素块内的8个相邻像素经比较可产生8个数值为0或者1的标记，按照左上、上、右上、右、右下、下、左下、左的顺序将相邻像素对应的标记排列为一个8位的二进制数，该8位二进制数转化为十进制即为Tc，作为中心像素的图像纹理特征值，并用这个值来反映该像素块的纹理信息；对于N×N个子区域中的每一个子区域，获得其中每一个像素的图像纹理特征值，进而进行该子区域像素图像纹理特征值的直方图统计，获得每个子区域的直方图数据；将全部子区域的直方图数据组合在一起，形成的数据集合作为目标人物的面部特征信息；着装颜色特征的计算方法是：统计目标人物身体区域的颜色区间分布直方图，即将身体区域每个像素的颜色值归入色域中的一个颜色区间，统计每个颜色区间上分布的像素数量，形成颜色区间分布直方图；根据颜色区间分布直方图，获取其中分布像素数量最多的L个颜色区间，将这些颜色区间作为主颜色成分，其中L的取值为10-20；将主颜色成分作为身体区域的着装颜色特征；
所述信息提取单元从实时或者存储的视频信息中提取目标物体的标识信息包括：对于车辆利用车辆号牌提取算法取得车辆的号牌，作为标识信息；对于动物或者其它目标物体，利用梯度判断等边缘识别算法提取该目标物体区域的边缘像素；建立以该中心点为起点、以每个边缘像素为终点的特征矢量，全部特征矢量集合为特征矢量组，作为该目标物体的标识信息。
2.根据权利要求1所述的系统，其特征在于，所述视频采集单元包括：
门禁视频采集单元，用于采集所述社区门禁处的人物的视频信息；
交通视频采集单元，分布在社区室外及停车场，用于采集对应区域内的车辆的视频信息；
车牌号采集单元，分布在停车场出入口，用于采集出入停车场的车辆的车牌号信息；
公共视频采集单元，分布在社区公共区域，用于采集公共区域的视频信息。
3.根据权利要求2所述的系统，其特征在于，所述后台信息汇总模块包括：
门禁管理平台，用于接收并存储所述门禁视频采集单元采集到的视频信息；
交通监控平台，用于接收并存储所述交通视频采集单元集到的视频信息；
停车管理平台，用于接收并存储所述车牌号采集单元集到的车牌号信息；
公共区域监控平台，用于接收并存储所述公共视频采集单元采集到的公共区域的视频信息。
4.一种社区微警务巡查和信息自动分析方法，其特征在于，包括：
基于实时的视频信息，识别社区异常场景，并自动向警务人员产生预警提示，以及提取异常场景中出现的目标人物或者目标物体；其中，识别社区内的异常场景的过程为建立一个异常场景库，该异常场景库内保存各种异常场景的标志帧模板，对于所述视频信息中的视频帧，计算该视频帧的平均视差矢量NV：
其中，在视频帧画面选取一定数量的采样点，M为采样点总数，分别表示第i个采样点在横坐标和纵坐标上的运动矢量幅值；将NV与异常场景数据库中异常场景的标志帧模板的平均视差矢量NV进行对比，如果该视频帧的NV与某一个标志帧模板的NV差值在阈值范围T以内，则为二者属于相同的异常场景；
确定目标人物和/或目标物体；提取所述目标人体的身份信息和MAC地址信息，和/或，目标物体的标识信息；所述身份信息包括面部特征信息和/或着装颜色特征信息，所述目标物体的标识信息包括车辆号牌信息和/或目标物体特征矢量信息；从实时或者存储的视频信息中提取目标人物的身份信息具体包括：从视频信息当中获得该目标人物的着装颜色特征，并且从视频信息中选择具有可识别面部画面区域的视频帧，提取该目标人物的面部特征信息，面部特征信息和着装颜色特征可以作为身份信息；面部特征信息的计算方法如下：将目标人物整个面部区域的外接矩形分解为N×N个子区域，N的取值范围为5-20；针对其中每一个子区域，为该子区域内的每一个像素提取以该像素为中心像素、包括该像素左上、上、右上、右、右下、下、左下、左侧相邻像素的3×3像素块；该中心像素的图像纹理特征值Tc为：
其中ic表示中心像素的像素灰度值，ip表示相邻像素的像素灰度值，按照左上、上、右上、右、右下、下、左下、左的顺序，p的取值依次由1至8；且
也就是说，在3×3像素块内，以中心像素的灰度值为阈值，将相邻的8个像素的灰度值与其进行比较，若相邻像素灰度值大于等于中心像素灰度值，则该相邻像素被标记为1，否则该相邻像素标记为0；这样，3×3像素块内的8个相邻像素经比较可产生8个数值为0或者1的标记，按照左上、上、右上、右、右下、下、左下、左的顺序将相邻像素对应的标记排列为一个8位的二进制数，该8位二进制数转化为十进制即为Tc，作为中心像素的图像纹理特征值，并用这个值来反映该像素块的纹理信息；对于N×N个子区域中的每一个子区域，获得其中每一个像素的图像纹理特征值，进而进行该子区域像素图像纹理特征值的直方图统计，获得每个子区域的直方图数据；将全部子区域的直方图数据组合在一起，形成的数据集合作为目标人物的面部特征信息；着装颜色特征的计算方法是：统计目标人物身体区域的颜色区间分布直方图，即将身体区域每个像素的颜色值归入色域中的一个颜色区间，统计每个颜色区间上分布的像素数量，形成颜色区间分布直方图；根据颜色区间分布直方图，获取其中分布像素数量最多的L个颜色区间，将这些颜色区间作为主颜色成分，其中L的取值为10-20；将主颜色成分作为身体区域的着装颜色特征；所述信息提取单元从实时或者存储的视频信息中提取目标物体的标识信息包括：对于车辆利用车辆号牌提取算法取得车辆的号牌，作为标识信息；对于动物或者其它目标物体，利用梯度判断等边缘识别算法提取该目标物体区域的边缘像素；建立以该中心点为起点、以每个边缘像素为终点的特征矢量，全部特征矢量集合为特征矢量组，作为该目标物体的标识信息；
根据所述身份信息，从实时视频信息和历史视频信息当中，查找分布在一定时间和空间范围内的包含所述目标人物的视频信息；
根据所述标识信息，从实时视频信息和历史视频信息当中，查找分布在一定时间和空间范围内的包含所述目标物体的视频信息；
根据所述目标人物的手机MAC地址信息，在一定时间和空间范围内记录的全部MAC地址信息中进行查找，确定该目标人物的MAC地址信息的采集时间和采集位置的记录；
将包含目标人物或者目标物体在内的视频信息或者MAC地址信息进行汇总，生成汇总信息；按照时间顺序对所述汇总后的视频信息和MAC地址信息进行排序，根据采集视频信息的视频采集单元的位置和采集MAC地址信息的MAC无线采集单元的位置，从而确定目标人物或者目标物体在各个时间点的位置，进而生成所述目标人物或目标物体的运动轨迹。
5.根据权利要求4所述的方法，其特征在于，确定目标人物和目标物体在社区内的行动轨迹包括：从所述目标人物和目标物体在社区内的行动轨迹中截取预设时间段内的行动轨迹。
CN201810347977.9A 2018-04-18 2018-04-18 一种社区微警务巡查和信息自动分析系统及方法 Active CN108710827B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810347977.9A CN108710827B (zh) 2018-04-18 2018-04-18 一种社区微警务巡查和信息自动分析系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810347977.9A CN108710827B (zh) 2018-04-18 2018-04-18 一种社区微警务巡查和信息自动分析系统及方法

Publications (2)

Publication Number Publication Date
CN108710827A CN108710827A (zh) 2018-10-26
CN108710827B true CN108710827B (zh) 2019-04-16

Family

ID=63866728

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810347977.9A Active CN108710827B (zh) 2018-04-18 2018-04-18 一种社区微警务巡查和信息自动分析系统及方法

Country Status (1)

Country Link
CN (1) CN108710827B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110008298B (zh) * 2019-03-28 2022-03-15 武汉星视源科技有限公司 驻车多维信息感知应用系统及方法
CN110139221B (zh) * 2019-05-09 2020-02-14 特斯联（北京）科技有限公司 一种基于手机信号微卡口的人口集群动态监测方法与系统
CN110443109A (zh) * 2019-06-11 2019-11-12 万翼科技有限公司 异常行为监控处理方法、装置、计算机设备和存储介质
CN110705819B (zh) * 2019-08-20 2021-06-15 重庆特斯联智慧科技股份有限公司 一种基于大数据的社区资源匹配方法和系统
CN111083446A (zh) * 2019-12-27 2020-04-28 中科劲点（北京）科技有限公司 一种结合视觉信号与无线信号的跟踪定位方法、系统与设备
CN113347358A (zh) * 2021-06-02 2021-09-03 临沂边锋自动化设备有限公司 基于视频监控的数据识别系统
CN113592919A (zh) * 2021-08-02 2021-11-02 金茂智慧科技(广州)有限公司 安防控制方法及相关装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106303968A (zh) * 2016-09-27 2017-01-04 北京航空航天大学 一种基于专用短程通信网络的路网黑客车辆定位方法
CN107590439A (zh) * 2017-08-18 2018-01-16 湖南文理学院 基于监控视频的目标人物识别追踪方法和装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7924725B2 (en) * 2003-11-10 2011-04-12 Nortel Networks Limited Ethernet OAM performance management

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106303968A (zh) * 2016-09-27 2017-01-04 北京航空航天大学 一种基于专用短程通信网络的路网黑客车辆定位方法
CN107590439A (zh) * 2017-08-18 2018-01-16 湖南文理学院 基于监控视频的目标人物识别追踪方法和装置

Also Published As

Publication number Publication date
CN108710827A (zh) 2018-10-26

Similar Documents

Publication Publication Date Title
CN108710827B (zh) 一种社区微警务巡查和信息自动分析系统及方法
CN109686109B (zh) 一种基于人工智能的停车场安全监控管理系统及方法
WO2022121059A1 (zh) 一种基于5g物联网及ai智能门禁综合管理系统
Cai et al. Deep learning-based video system for accurate and real-time parking measurement
CN108765976B (zh) 路侧平行停车信息管理系统及方法
CN104303193B (zh) 基于聚类的目标分类
KR102122859B1 (ko) 교통 영상감시시스템의 멀티 표적 추적 방법
CN103986910A (zh) 一种基于智能分析摄像机的客流统计方法和系统
CN102129785A (zh) 大场景停车场智能管理系统
WO2004042673A2 (en) Automatic, real time and complete identification of vehicles
CN102915638A (zh) 基于监控视频的智能停车场管理系统
US20190156676A1 (en) Control system and procedure for vehicles and parking spaces for outdoor parking lots
CN113033293A (zh) 一种出入口管理设备、系统和方法
CN103646550A (zh) 一种智能车牌识别系统
CN105825350A (zh) 基于视频分析智慧旅游预警决策系统及其使用方法
CN110852148A (zh) 一种基于目标追踪的访客目的地核验方法及系统
CN110942580A (zh) 一种智能楼宇访客管理方法、系统及储存介质
CN110322726A (zh) 一种基于高位视频的半封闭路侧停车管理系统及方法
CN111510675A (zh) 一种基于人脸识别和大数据分析的智慧安防系统
CN100496122C (zh) 利用单个摄像机进行主从视频跟踪的方法
CN112349016A (zh) 一种基于大数据分析的智能门禁管理系统
CN111404874A (zh) 出租车嫌疑车辆甄别分析体系架构
CN114358980A (zh) 一种基于物联网的智慧社区物业管理系统及方法
CN113487877A (zh) 一种道路车辆违规停车监控方法
CN113743260A (zh) 一种地铁站台密集人流情况下的行人跟踪方法

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
GR01 Patent grant
GR01 Patent grant