CN108875835B - 对象落脚点确定方法、装置、电子设备和计算机可读介质 - Google Patents
对象落脚点确定方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN108875835B CN108875835B CN201810668974.5A CN201810668974A CN108875835B CN 108875835 B CN108875835 B CN 108875835B CN 201810668974 A CN201810668974 A CN 201810668974A CN 108875835 B CN108875835 B CN 108875835B
- Authority
- CN
- China
- Prior art keywords
- target
- snapshot
- point
- target object
- data
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
Abstract
本发明提供了一种对象落脚点确定方法、装置、电子设备和计算机可读介质,涉及数据处理的技术领域,包括获取目标抓拍数据;其中,目标抓拍数据中包括抓拍点和在抓拍点对目标对象进行抓拍的时间之间的对应关系,抓拍点为多个;基于目标抓拍数据确定每个抓拍点被统计为目标对象的落脚点的次数,得到第一数据集合;基于第一数据集合在多个目标区域中确定目标对象的落脚点区域,其中,多个目标区域为多个抓拍点所属的行政区域,本发明缓解了现有的人像落脚点分析法准确度较差的技术问题。
Description
技术领域
本发明涉及数据处理的技术领域,尤其是涉及一种对象落脚点确定方法、装置、电子设备和计算机可读介质。
背景技术
随着社会现代化的发展,刑事犯罪事件时有发生。当刑事犯罪发生在城市时,嫌疑人作案后会藏匿起来。由于受限于城市中住宅、办公楼宇的隐蔽性,很难判断那块区域是嫌疑人的落脚点。现有的人像落脚点分析法,是将嫌疑人过往一段时间的抓拍数据进行聚合,以确定在哪个位置下嫌疑人出现的次数最多,进而,将该位置确定为其最可能的落脚点。但此技战法存在以下几个问题:落脚点判断不科学、单一点位不等于落脚点。
针对落脚点判断不科学的问题,现有的分析法未考虑落脚点时长,目前落脚点判断不科学。现有的分析法是按照嫌疑人经过一个摄像头的抓拍数据越多,即判定越多的地方即最可能是其落脚点。此逻辑存在漏洞,落脚点的含义是此人在此处长时停留,那么落脚可能是长时间工作也可能是长时间睡觉的地方。所以不考虑落脚点时长,只以频次判定落脚点是不科学的。
针对单一点位不等于落脚点的问题。摄像机只代表单一点位,单一点位无法判定其长时停留的区域。人像领域主要使用治安摄像头,其分布和架设位置主要为行人道路、重点区域位置,摄像头的安装位置并不能和此人的落脚点强关联。这就意味着即便准确判定某摄像机可能为长时停留的位置,但也不能判定此处是落脚点。
发明内容
有鉴于此,本发明的目的在于提供一种对象落脚点确定方法、装置、电子设备和计算机可读介质,以缓解了现有的人像落脚点分析法准确度较差的技术问题。
第一方面,本发明实施例提供了一种对象落脚点确定方法,包括:获取目标抓拍数据;其中,所述目标抓拍数据中包括抓拍点和在所述抓拍点对目标对象进行抓拍的时间之间的对应关系,所述抓拍点为多个;基于所述目标抓拍数据确定每个抓拍点被统计为所述目标对象的落脚点的次数,得到第一数据集合;基于所述第一数据集合在多个目标区域中确定所述目标对象的落脚点区域,其中,所述多个目标区域为多个所述抓拍点所属的行政区域。
进一步地,基于所述目标抓拍数据确定每个抓拍点被统计为所述目标对象的落脚点的次数包括:基于所述目标抓拍数据计算所述目标对象每次在每个抓拍点的停留时长,得到多个停留时长;利用所述多个停留时长确定每个所述抓拍点被统计为所述目标对象的落脚点的次数。
进一步地,所述目标抓拍数据中包括多个数据组,每个数据组中包括抓拍点和在所述抓拍点对所述目标对象进行抓拍的抓拍时间;基于所述目标抓拍数据计算所述目标对象每次在每个抓拍点的停留时长包括:计算所述多个数据组中抓拍时间相邻的每两个数据组中抓拍时间的差值,得到第一差值;计算所述第一差值与步行间距时长之间的差值,得到第二差值;将所述第二差值确定为目标抓拍点的一次停留时长,其中,所述目标抓拍点为目标数据组所对应抓拍点,其中,所述目标数据组为所述每两个数据组中时间靠前的数据组。
进一步地,计算所述多个数据组中抓拍时间相邻的每两个数据组中抓拍时间的差值,得到第一差值包括:按照抓拍时间对所述多个数据组进行倒序排序,得到目标数据组序列;计算数据组Ai中抓拍时间与数据组Ai+1中抓拍时间的差值,得到第一差值,其中,i依次取1至N-1,N为所述多个数据组的数量。
进一步地,利用所述多个停留时长确定每个所述抓拍点被统计为所述目标对象的落脚点的次数包括:在所述多个停留时长中统计停留时长大于所述落脚点时长的停留时长;将所述大于所述落脚点时长的停留时长的数量确定为对应抓拍点被统计为所述目标对象的落脚点的次数。
进一步地,基于所述第一数据集合在多个目标区域中确定所述目标对象的落脚点区域包括:按照多个所述抓拍点所属的目标区域,对所述第一数据集合中的数据进行聚合分析,得到包含所述目标对象在每个目标区域的落脚点次数的第二数据集合,其中,所述第二数据集合中包括所述目标对象在各个目标区域的落脚点次数;将所述第二数据集合中最大落脚点次数所对应的目标区域确定为所述目标对象的落脚点区域;或者,将所述第二数据集合中大于预设阈值的落脚点次数所对应的目标区域确定为所述目标对象的落脚点区域。
进一步地,按照多个所述抓拍点所属的目标区域,对所述第一数据集合中的数据进行聚合分析,得到所述目标对象在每个目标区域的落脚点次数包括:在多个所述抓拍点中确定第k个目标区域所包含的抓拍点,得到至少一个目标抓拍点,其中,k依次取1至M,M为所述多个目标区域的数量;基于所述第一数据集合计算所述至少一个目标抓拍点被统计为所述目标对象的落脚点的次数之和,得到计算结果;将所述计算结果作为所述第k个目标区域的落脚点次数。
进一步地,所述方法还包括:在所述落脚点区域中确定所述目标对象的落脚点社区。
进一步地,在所述落脚点区域中确定所述目标对象的落脚点社区包括:按照所述落脚点区域所属的至少一个目标社区,对所述落脚点区域所对应的第二数值进行聚类分析,得到所述目标对象在每个目标社区的落脚点次数;基于所述目标对象在每个目标社区的落脚点次数确定所述目标对象的落脚点社区。
第二方面,本发明实施例还提供了一种对象落脚点确定装置,包括:获取单元,用于获取目标抓拍数据;其中,所述目标抓拍数据中包括抓拍点和在所述抓拍点对目标对象进行抓拍的时间之间的对应关系,所述抓拍点为多个;第一确定单元,用于基于所述目标抓拍数据确定每个抓拍点被统计为所述目标对象的落脚点的次数,得到第一数据集合;第二确定单元,用于基于所述第一数据集合在多个目标区域中确定所述目标对象的落脚点区域,其中,所述多个目标区域为多个所述抓拍点所属的行政区域。
第三方面,本发明实施例提供了一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一方面任一项所述的方法。
第四方面,本发明实施例提供了一种具有处理器可执行的非易失的程序代码的计算机可读介质,所述程序代码使所述处理器执行上述第一方面任一项所述的方法。
通过上述描述可知,在本实施例中,首先从抓拍点中确定出正确的落脚点,然后,通过对落脚点所覆盖区域的目标区域进行分析,得到目标对象的落脚点区域。在确定出目标对象的落脚点区域之后,就能够锁定目标对象的位置,为目标对象的定位提供准确的定位依据。相对于现有技术,本实施例所提供的方法,能够更加科学的确定出目标对象的落脚点,从而为相关人员提供准确的目标对象的落脚点位置,进而缓解了现有的人像落脚点分析法准确度较差的技术问题,从而实现了对目标对象的落脚点进行确定的技术效果。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的一种电子设备的示意图;
图2是根据本发明实施例的一种对象落脚点确定方法的流程图;
图3是根据本发明实施例的第一种可选地对象落脚点确定方法的流程图;
图4是根据本发明实施例的第二种可选地对象落脚点确定方法的流程图;
图5是根据本发明实施例的第三种可选地对象落脚点确定方法的流程图;
图6是根据本发明实施例的一种对象落脚点确定装置的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例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。
实施例1:
首先,参照图1来描述用于实现本发明实施例的电子设备100,该电子设备可以用于运行本发明各实施例的对象落脚点确定方法。
如图1所示,电子设备100包括一个或多个处理器102、一个或多个存储器104、输入装置106、输出装置108以及摄像装置110,这些组件通过总线系统112和/或其它形式的连接机构(未示出)互连。应当注意,图1所示的电子设备100的组件和结构只是示例性的,而非限制性的,根据需要,所述电子设备也可以具有其他组件和结构。
所述处理器102可以采用数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)和ASIC(Application Specific Integrated Circuit)中的至少一种硬件形式来实现,所述处理器102可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元,并且可以控制所述电子设备100中的其它组件以执行期望的功能。
所述存储器104可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器102可以运行所述程序指令,以实现下文所述的本发明实施例中(由处理器实现)的客户端功能以及/或者其它期望的功能。在所述计算机可读存储介质中还可以存储各种应用程序和各种数据,例如所述应用程序使用和/或产生的各种数据等。
所述输入装置106可以是用户用来输入指令的装置,并且可以包括键盘、鼠标、麦克风和触摸屏等中的一个或多个。
所述输出装置108可以向外部(例如,用户)输出各种信息(例如,图像或声音),并且可以包括显示器、扬声器等中的一个或多个。
所述摄像装置110用于进行图像采集,其中,摄像装置所采集的数据(即,目标抓拍数据)经过所述对象落脚点确定方法进行处理之后得到的目标对象的落脚点社区,例如,摄像装置可以对目标对象进行抓拍,得到目标抓拍数据,然后,将该目标抓拍数据经过所述对象落脚点确定方法进行处理之后得到目标对象的落脚点社区,摄像装置还可以将抓拍到的目标抓拍数据存储在所述存储器104中以供其它组件使用。
示例性地,用于实现根据本发明实施例的对象落脚点确定方法的电子设备可以被实现为诸如智能手机、平板电脑等智能移动终端,也可以被实现为计算机、便携设备等。
实施例2:
根据本发明实施例,提供了一种对象落脚点确定方法的实施例,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2是根据本发明实施例的一种对象落脚点确定方法的流程图,如图2所示,该方法包括如下步骤:
步骤S202,获取目标抓拍数据;其中,所述目标抓拍数据中包括抓拍点和在所述抓拍点对目标对象进行抓拍的时间之间的对应关系,所述抓拍点为多个;
在本实施例中,可以通过预先设置在行政区域的各个角落的摄像机来对目标对象进行抓拍;还可以按照预设的布设方式,在行政区域的各个角落安装多个摄像机,然后,通过摄像机对目标对象进行抓拍。其中,目标对象可以为人,还可以其他非人的对象,本实施例中不做具体限定。
由于摄像机一直处于抓拍状态,因此,将得到大量的抓拍数据。此时,需要将包含目标对象的抓拍数据分离出来,得到目标抓拍数据,其中,目标抓拍数据包括摄像机在各个抓拍点对目标对象进行抓拍的抓拍时间和各个抓拍点之间的对应关系。例如,抓拍点C1和C2,其中,抓拍点C1的摄像机分别在T1和T2时刻抓拍到目标对象,抓拍点C2的摄像机分别在T3和T4时刻抓拍到目标对象,此时的目标抓拍数据即为:(C1,T1);(C1,T2);(C2,T3);(C2,T4)。
步骤S204,基于所述目标抓拍数据确定每个抓拍点被统计为所述目标对象的落脚点的次数,得到第一数据集合;
在得到上述步骤S202中所描述的目标抓拍数据之后,就可以基于目标抓拍数据确定每个抓拍点被统计为目标对象的落脚点的次数,得到第一数据集合,其中,第一数据集合中包括每个抓拍点被统计为目标对象的落脚点的次数。
需要说明的是,此处的落脚点是目标对象的疑似落脚点。例如,通过步骤S202中得到的目标抓拍数据可知,在抓拍点C1抓拍到目标对象的次数为15次,但是,15次中可能并不全是目标对象的落脚点,可能是目标对象路过抓拍点C1时,恰巧被抓拍点C1的摄像机抓拍到。因此,在本实施例中,基于目标抓拍数据确定每个抓拍点被统计为目标对象的落脚点的次数的核心是:目标对象在抓拍点的停留时长超过落脚点时长,其中,落脚点时长为预先定义的时长,表征对象在某一抓拍点下的停留最短时间。
也就是说,在本实施例中,可以结合落脚点时长和目标抓拍数据确定每个抓拍点被统计为所述目标对象的落脚点的次数,具体过程将在下述实施方式中进行介绍。
步骤S206,基于所述第一数据集合在多个目标区域中确定所述目标对象的落脚点区域,其中,所述多个目标区域为多个所述抓拍点所属的行政区域。
需要说明的是,在一些实施例中,目标区域是指行政区域,即国家为了进行分级管理而实行的区域划分的区域。社区狭义上指住宅小区、商务写字楼、其他以居住或工作为主要目的建筑区域。在另一些实施例中,目标区域也可以是根据实际需求在地理空间上划分的任意大小的地理区域。
通过上述描述可知,在本实施例中,首先从抓拍点中确定出正确的落脚点,然后,通过对落脚点所覆盖区域的目标区域进行分析,得到目标对象的落脚点区域。在确定出目标对象的落脚点区域之后,就能够锁定目标对象的位置,为目标对象的定位提供准确的定位依据。相对于现有技术,本实施例所提供的方法,能够更加科学的确定出目标对象的落脚点,从而为相关人员提供准确的目标对象的落脚点位置,进而缓解了现有的人像落脚点分析法准确度较差的技术问题,从而实现了对目标对象的落脚点进行确定的技术效果。
在本实施例的一个可选的实施方式中,如图3所示,步骤S204,基于所述目标抓拍数据确定每个抓拍点被统计为所述目标对象的落脚点的次数包括如下步骤:
步骤S301,基于所述目标抓拍数据计算所述目标对象每次在每个抓拍点的停留时长,得到多个停留时长;
在目标抓拍数据中包括多个数据组的情况下,步骤S301,基于所述目标抓拍数据计算所述目标对象每次在每个抓拍点的停留时长包括如下步骤:
步骤S3011,计算所述多个数据组中抓拍时间相邻的每两个数据组中抓拍时间的差值,得到第一差值;该步骤具体包括:按照抓拍时间对所述多个数据组进行倒序排序,得到目标数据组序列;计算数据组Ai中抓拍时间与数据组Ai+1中抓拍时间的差值,得到第一差值,其中,i依次取1至N-1,N为所述多个数据组的数量;
需要说明的是,在本实施例中,对按照抓拍时间对所述多个数据组进行倒序排序是指按照抓拍时间由先到后的顺序对多个数据组进行排序。应理解,也可以按照抓拍时间对所述多个数据组进行正序排序。即,按照抓拍时间由后到先的顺序对多个数据组进行排序。
步骤S3012,计算所述第一差值与步行间距时长之间的差值,得到第二差值;其中,步行间距时长为预先根据摄像机的覆盖密度预先设定的一个数值,该摄像机是指本实施例中用于获取抓拍数据的摄像机;例如,针对上述摄像机中的任意一个摄像机,确定该摄像机至最近直径范围内的摄像机的最长步行时长,此时,可以根据得到的多个最长步行时长计算出得到上述步行间距时长;
步骤S3013,将所述第二差值确定为目标抓拍点的一次停留时长,其中,所述目标抓拍点为目标数据组所对应抓拍点,其中,所述目标数据组为所述每两个数据组中时间靠前的数据组,每个数据组中包括抓拍点和在所述抓拍点对所述目标对象进行抓拍的抓拍时间。
步骤S302,利用所述多个停留时长确定每个所述抓拍点被统计为所述目标对象的落脚点的次数。
可选地,步骤S302,利用所述多个停留时长确定每个所述抓拍点被统计为所述目标对象的落脚点的次数包括:
在所述多个停留时长中统计停留时长大于所述落脚点时长的停留时长;将所述大于所述落脚点时长的停留时长的数量确定为对应抓拍点被统计为所述目标对象的落脚点的次数。
在本实施例中,可以基于目标抓拍数据计算目标对象在每个抓拍点每次停留时的停留时长,具体计算过程描述如下:
通过上述描述可知,目标抓拍数据为对各个抓拍点的摄像机抓拍到的数据进行筛选之后的抓拍数据,其中,目标抓拍数据包括摄像机在各个抓拍点对目标对象进行抓拍的抓拍时间和各个抓拍点之间的对应关系。
之后,按照抓拍时间和抓拍点对目标抓拍数据中的多个数据组进行倒序排列,例如,目标抓拍数据为:C1,st1;C1,st3;C1,st2;C2,st4,其中,st1<st2<st3<st4。其中,(C1,st1)为一个数据组,(C2,st2)为一个数据组,(C1,st3)为一个数据组,(C2,st4)为一个数据组。在对上述目标抓拍数据中的多个数据组进行倒序排序之后,得到目标数据组序列:{(C1,st1);(C2,st2);(C1,st3);(C2,st4)}。
在得到目标数据组序列之后,计算数据组Ai中抓拍时间与数据组Ai+1中抓拍时间的差值,得到第一差值。即用后一个抓拍时间st2减去前一个抓拍时间st1得到第一差值,第一差值再减去步行间距时长ft1,得到第二差值t1,用公式表示为:st2-st1-ft1=t1。其中,步行间距时长表示从摄像机1至最近直径范围内摄像机2的最长步行时长。
也就是说,在本实施例中,计算st2和st1之间的差值,得到第一差值F1,计算st3和st2之间的差值,得到第一差值F2,以及计算st4和st3之间的差值,得到第一差值F3。之后,计算F1与ft1之间的差值,得到第二差值t1,计算F2与ft1之间的差值,得到第二差值t2,计算F3与ft1之间的差值,得到第二差值t3。最后,分别将t1,t2和t3与落脚点时长lt1进行比较,如果比较出t1>lt1成立,说明在C1处停留时长超过了落脚点时长,即代表C1为一次可能的落脚点,此时C1记1次落脚点。
通过上述描述可知,在本实施例中,针对目标数据组序列,依次用后一个抓拍时间减去前一个抓拍时间,然后对摄像机进行累计计算落脚点,得到第一数据集合,例如,第一数据集合可以包括:C1,15次落脚点;C2,8次落脚点等。
需要说明的是,在本实施例的另一个可选的实施方式中,步骤S3012,计算所述第一差值与步行间距时长之间的差值,得到第二差值还包括:
计算第一差值与对应的步行间距时长之间的差值,得到第二差值。其中,此处的对应的步行间距时长是指每两个数据组所对应摄像机之间的步行间距时长。
例如,计算数据组A1中抓拍时间与数据组A2中抓拍时间的差值,得到第一差值B1,之后,计算第一差值B1与第一步行间距时长Q1之间的差值,得到第二差值。此时的第一步行间距时长Q1为数据组A1所对应的摄像机与数据组A2所对应的摄像机之间的步行间距时长。
在计算数据组A2中抓拍时间与数据组A3中抓拍时间的差值,得到第一差值B2,之后,计算第一差值B2与第二步行间距时长Q2之间的差值,得到第二差值。此时的第二步行间距时长Q2为数据组A2所对应的摄像机与数据组A3所对应的摄像机之间的步行间距时长。
通过该计算方式,能够更加精确的计算出目标对象在各个抓拍点的停留时长,为确定目标对象的落脚点区域提供更加准确的定位依据。
在按照上述描述确定每个抓拍点被统计为所述目标对象的落脚点的次数,得到第一数据集合之后,就可以基于第一数据集合在多个目标区域中确定目标对象的落脚点区域。
在一个可选的实施方式中,如图4所示,步骤S206,基于所述第一数据集合在多个目标区域中确定所述目标对象的落脚点区域包括如下步骤:
步骤S401,按照多个所述抓拍点所属的目标区域,对所述第一数据集合中的数据进行聚合分析,得到包含所述目标对象在每个目标区域的落脚点次数的第二数据集合,其中,所述第二数据集合中包括所述目标对象在各个目标区域的落脚点次数;
步骤S402,将所述第二数据集合中最大落脚点次数所对应的目标区域确定为所述目标对象的落脚点区域;或者
步骤S403,将所述第二数据集合中大于预设阈值的落脚点次数所对应的目标区域确定为所述目标对象的落脚点区域。
在通过所描述的方式判定出目标对象的最可能落脚点后,还是无法确定其准确的落脚点。此时应该回归到目标对象自身的特点上来看,目标对象在某一落脚点活动时,很多时候是以区域的范围进行活动的,如果将落脚点区域进行关联,就可以判定其在此区域的落脚点次数。
例如,将摄像头按照实际的目标区域(或者行政区域)将其归类,将第一数据集合中的数据按照实际的目标区域进行聚合,就可以得出嫌疑人在各个目标区域的落脚点次数。比如在目标区域1落脚点次数为3次,在目标区域2落脚点次数6次。此时就可以更加科学的得出其实嫌疑人是在目标区域2经常落脚。
可选地,按照多个所述抓拍点所属的目标区域,对所述第一数据集合中的数据进行聚合分析,得到所述目标对象在每个目标区域的落脚点次数包括如下步骤:
在多个所述抓拍点中确定第k个目标区域所包含的抓拍点,得到至少一个目标抓拍点,其中,k依次取1至M,M为所述多个目标区域的数量;
基于所述第一数据集合计算所述至少一个目标抓拍点被统计为所述目标对象的落脚点的次数之和,得到计算结果;
将所述计算结果作为所述第k个目标区域的落脚点次数。
具体地,在本实施例中,针对多个目标区域中的每个目标区域,可以从多个抓拍点中确定每个目标区域所包含的抓拍点,得到至少一个目标抓拍点。之后,可以在第一数据集合中确定每个目标抓拍点被统计为目标对象的落脚点的次数,接下来,将至少一个目标抓拍点被统计为目标对象的落脚点的次数进行求和运算,得到计算结果,并将该计算结果作为对应目标区域的落脚点次数。
在确定各个目标区域的落脚点次数之后,就可以基于各个目标区域的落脚点次数确定目标对象的落脚点区域。例如,将各个目标区域的落脚点次数中最大落脚点次数所对应的目标区域确定为所述目标对象的落脚点区域;或者,将各个目标区域的落脚点次数中大于预设阈值的落脚点次数所对应的目标区域确定为所述目标对象的落脚点区域。
在本实施例中,基于第一数据集合在多个目标区域中确定目标对象的落脚点区域之后,就可以在落脚点区域中确定目标对象的落脚点社区。
在一个可选的实施方式中,如图5所示,步骤S206,在所述落脚点区域中确定所述目标对象的落脚点社区包括如下步骤:
步骤S501,按照所述落脚点区域所属的至少一个目标社区,对所述落脚点区域所对应的第二数值进行聚类分析,得到所述目标对象在每个目标社区的落脚点次数;
步骤S502,基于所述目标对象在每个目标社区的落脚点次数确定所述目标对象的落脚点社区。
具体地,当判定目标对象的落脚点区域时,由于落脚点区域的范围过大,无法精确确定或布控,此时无法有效确定嫌疑人的真正落脚点。此时应该借助另一个概念:社区。假设,认为目标对象的落脚点无非是睡觉或是工作的地方,这些地方才可以长时间停留。此时,可以将落脚点区域内涵盖的社区进行明确,比如,圈定当前落脚点区域里面涵盖3个住宅小区和1个商务写字楼,那么可以对落脚点区域所对应的第二数值进行聚类分析,得到目标对象在每个目标社区的落脚点次数。例如,得出在住宅小区1涵盖的落脚点次数格外多,则可以明确嫌疑人很可能就是在住宅小区1居住,此处则极可能是其落脚点。通过上述处理方式,再次规避了可能某个区域的落脚点次数整体高,但是具体社区的落脚点次数却底的情况,从而得出最可能的落脚点区域。
实施例3:
下面为了进一步的说明本实施例所提供的对象落脚点确定方法,将以另一实施例进行详细介绍,本实施例中,目标对象以犯罪嫌疑人为例进行介绍。在该实施例中,包括以下三个步骤:确定每个抓拍点被统计为犯罪嫌疑人的落脚点的次数,得到第一数据集合;基于第一数据集合在多个目标区域中确定犯罪嫌疑人的落脚点区域;在落脚点区域中确定犯罪嫌疑人的落脚点社区。
第一个步骤:确定每个抓拍点被统计为目标对象的落脚点的次数,得到第一数据集合,具体过程描述如下:
S1:用户可自主选择落脚点时长lt1、步行间距时长ft1两个值;
S2:筛选犯罪嫌疑人过往一段时间的全部准确抓拍数据,得到目标抓拍数据;
S3:将目标抓拍数据按照时间地点进行倒序排列,得到目标数据组序列,例如:{(C1,st1);(C2,st2)}。
S4:将后一个抓拍时间st2减去前一个抓拍时间st1,得到第一差值,再将第一差值减去步行间距时长ft1,得到第二差值t1。
S5:将t1与lt1进行比较,若t1>lt1,说明在C1处停留时长超过了落脚点时长,即代表C1为一次可能的落脚点,此时C1记1次落脚点;
S6:依次用后一个抓拍时间减去前一个抓拍时间,统计每个抓拍点被统计为所述目标对象的落脚点的次数;
S7:此时即可得到第一数据集合,比如:抓拍点C1被统计为15次落脚点;抓拍点C2被统计为8次落脚点等。
第一个步骤:基于第一数据集合在多个目标区域中确定犯罪嫌疑人的落脚点区域
S1:对第一数据集合,按照各个抓拍点所处目标区域(或者行政区域)进行聚合分析,得到第二数据集合;
S2:通过第二数据集合可以知道犯罪嫌疑人在各个目标区域的落脚点次数,例如,在目标区域1,落脚点C1、C3共22次;目标区域2,落脚点C2、C4共10次;
S3:对第二数据集合按照目标区域的落脚点次数进行排序。
第三个步骤:在落脚点区域中确定犯罪嫌疑人的落脚点社区
S1:对第二数据集合中的目标区域按照各目标区域下的社区重新聚类分析落脚点,得到第三数据集合;
S2:通过第二数据集合可以知道犯罪嫌疑人在落脚点区域的各个社区的落脚点次数,例如,得到在落脚点区域2、住宅社区1,落脚点次数10次;落脚点区域1、住宅社区3,落脚点次数5次;
S3:基于犯罪嫌疑人在落脚点区域的各个社区的落脚点次数确定犯罪嫌疑人的落脚点社区。
通过上述描述可知,在本实施例中,首先从抓拍点中确定出正确的落脚点,然后,通过对落脚点所覆盖区域的目标区域进行分析,得到目标对象的落脚点区域,进而,从落脚点区域中进一步得到落脚点区域。相对于现有技术,本实施例所提供的方法,能够更加科学的确定出目标对象的落脚点,从而为相关人员提供准确的目标对象的落脚点位置,进而缓解了现有的人像落脚点分析法准确度较差的技术问题,从而实现了对目标对象的落脚点进行确定的技术效果。
实施例4:
本发明实施例还提供了一种对象落脚点确定装置,该对象落脚点确定装置主要用于执行本发明实施例上述内容所提供的对象落脚点确定方法,以下对本发明实施例提供的对象落脚点确定装置做具体介绍。
图6是根据本发明实施例的一种对象落脚点确定装置的示意图,如图6所示,该对象落脚点确定装置主要包括获取单元10,第一确定单元20和第二确定单元30,其中:
获取单元10,用于获取目标抓拍数据;其中,所述目标抓拍数据中包括抓拍点和在所述抓拍点对目标对象进行抓拍的时间之间的对应关系,所述抓拍点为多个;
第一确定单元20,用于基于所述目标抓拍数据确定每个抓拍点被统计为所述目标对象的落脚点的次数,得到第一数据集合;
第二确定单元30,用于基于所述第一数据集合在多个目标区域中确定所述目标对象的落脚点区域,其中,所述多个目标区域为多个所述抓拍点所属的行政区域。
通过上述描述可知,在本实施例中,首先从抓拍点中确定出正确的落脚点,然后,通过对落脚点所覆盖区域的目标区域进行分析,得到目标对象的落脚点区域。在确定出目标对象的落脚点区域之后,就能够锁定目标对象的位置,为目标对象的定位提供准确的定位依据。相对于现有技术,本实施例所提供的方法,能够更加科学的确定出目标对象的落脚点,从而为相关人员提供准确的目标对象的落脚点位置,进而缓解了现有的人像落脚点分析法准确度较差的技术问题,从而实现了对目标对象的落脚点进行确定的技术效果。
可选地,第一确定单元包括:第一计算模块,用于基于所述目标抓拍数据计算所述目标对象每次在每个抓拍点的停留时长,得到多个停留时长;第一确定模块,用于利用所述多个停留时长确定每个所述抓拍点被统计为所述目标对象的落脚点的次数。
可选地,所述目标抓拍数据中包括多个数据组,每个数据组中包括抓拍点和在所述抓拍点对所述目标对象进行抓拍的抓拍时间;第一计算模块用于:计算所述多个数据组中抓拍时间相邻的每两个数据组中抓拍时间的差值,得到第一差值;计算所述第一差值与步行间距时长之间的差值,得到第二差值;将所述第二差值确定为目标抓拍点的一次停留时长,其中,所述目标抓拍点为目标数据组所对应抓拍点,其中,所述目标数据组为所述每两个数据组中时间靠前的数据组。
可选地,第一计算模块还用于:按照抓拍时间对所述多个数据组进行倒序排序,得到目标数据组序列;计算数据组Ai中抓拍时间与数据组Ai+1中抓拍时间的差值,得到第一差值,其中,i依次取1至N-1,N为所述多个数据组的数量。
可选地,第一确定模块用于:在所述多个停留时长中统计停留时长大于所述落脚点时长的停留时长;将所述大于所述落脚点时长的停留时长的数量确定为目对应抓拍点被统计为所述目标对象的落脚点的次数。
可选地,第二确定单元用于:按照多个所述抓拍点所属的目标区域,对所述第一数据集合中的数据进行聚合分析,得到包含所述目标对象在每个目标区域的落脚点次数的第二数据集合,其中,所述第二数据集合中包括所述目标对象在各个目标区域的落脚点次数;将所述第二数据集合中最大落脚点次数所对应的目标区域确定为所述目标对象的落脚点区域;或者,将所述第二数据集合中大于预设阈值的落脚点次数所对应的目标区域确定为所述目标对象的落脚点区域。
可选地,第二确定单元还用于:在多个所述抓拍点中确定第k个目标区域所包含的抓拍点,得到至少一个目标抓拍点,其中,k依次取1至M,M为所述多个目标区域的数量;基于所述第一数据集合计算所述至少一个目标抓拍点被统计为所述目标对象的落脚点的次数之和,得到计算结果;将所述计算结果作为所述第k个目标区域的落脚点次数。
可选地,所述装置还包括:第三确定单元,用于在所述落脚点区域中确定所述目标对象的落脚点社区。
可选地,第三确定单元还用于:按照所述落脚点区域所属的至少一个目标社区,对所述落脚点区域所对应的第二数值进行聚类分析,得到所述目标对象在每个目标社区的落脚点次数;基于所述目标对象在每个目标社区的落脚点次数确定所述目标对象的落脚点社区。
本发明实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
在另一个实施例中,还提供了一种具有处理器可执行的非易失的程序代码的计算机可读介质,所述程序代码使所述处理器执行上述方法实施例中任一项实施例所述的方法。
另外,在本发明实施例的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,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通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述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网络单元上。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。
所述功能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,可以存储在一个处理器可执行的非易失的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(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (11)
1.一种对象落脚点确定方法,其特征在于,包括:
获取目标抓拍数据;其中,所述目标抓拍数据中包括抓拍点和多个摄像机在所述抓拍点对目标对象进行抓拍的时间之间的对应关系,所述抓拍点为多个,所述多个摄像机设置在行政区域,用于对所述目标对象进行抓拍,得到所述目标抓拍数据,所述目标对象包括人;
基于所述目标抓拍数据确定每个抓拍点被统计为所述目标对象的落脚点的次数,得到第一数据集合;所述落脚点表示目标对象在抓拍点的停留时长超过落脚点时长;
基于所述第一数据集合在多个目标区域中确定所述目标对象的落脚点区域,其中,所述多个目标区域为多个所述抓拍点所属的行政区域;
所述基于所述第一数据集合在多个目标区域中确定所述目标对象的落脚点区域包括:将第一数据集合中的数据按照所述目标区域进行聚合,得到所述目标对象在各个所述目标区域的落脚点次数;基于各个所述目标区域的落脚点次数确定目标对象的落脚点区域;
所述方法还包括:在所述落脚点区域中确定所述目标对象的落脚点社区。
2.根据权利要求1所述的方法,其特征在于,基于所述目标抓拍数据确定每个抓拍点被统计为所述目标对象的落脚点的次数包括:
基于所述目标抓拍数据计算所述目标对象每次在每个抓拍点的停留时长,得到多个停留时长;
利用所述多个停留时长确定每个所述抓拍点被统计为所述目标对象的落脚点的次数。
3.根据权利要求2所述的方法,其特征在于,所述目标抓拍数据中包括多个数据组,每个数据组中包括抓拍点和在所述抓拍点对所述目标对象进行抓拍的抓拍时间;
基于所述目标抓拍数据计算所述目标对象每次在每个抓拍点的停留时长包括:
计算所述多个数据组中抓拍时间相邻的每两个数据组中抓拍时间的差值,得到第一差值;
计算所述第一差值与步行间距时长之间的差值,得到第二差值;
将所述第二差值确定为目标抓拍点的一次停留时长,其中,所述目标抓拍点为目标数据组所对应抓拍点,其中,所述目标数据组为所述每两个数据组中时间靠前的数据组。
4.根据权利要求3所述的方法,其特征在于,计算所述多个数据组中抓拍时间相邻的每两个数据组中抓拍时间的差值,得到第一差值包括:
按照抓拍时间对所述多个数据组进行倒序排序,得到目标数据组序列;
计算数据组Ai中抓拍时间与数据组Ai+1中抓拍时间的差值,得到第一差值,其中,i依次取1至N-1,N为所述多个数据组的数量。
5.根据权利要求2所述的方法,其特征在于,利用所述多个停留时长确定每个所述抓拍点被统计为所述目标对象的落脚点的次数包括:
在所述多个停留时长中统计停留时长大于落脚点时长的停留时长;
将所述大于所述落脚点时长的停留时长的数量确定为对应抓拍点被统计为所述目标对象的落脚点的次数。
6.根据权利要求1至5中任一项所述的方法,其特征在于,基于所述第一数据集合在多个目标区域中确定所述目标对象的落脚点区域包括:
按照多个所述抓拍点所属的目标区域,对所述第一数据集合中的数据进行聚合分析,得到包含所述目标对象在每个目标区域的落脚点次数的第二数据集合,其中,所述第二数据集合中包括所述目标对象在各个目标区域的落脚点次数;
将所述第二数据集合中最大落脚点次数所对应的目标区域确定为所述目标对象的落脚点区域;或者
将所述第二数据集合中大于预设阈值的落脚点次数所对应的目标区域确定为所述目标对象的落脚点区域。
7.根据权利要求6所述的方法,其特征在于,按照多个所述抓拍点所属的目标区域,对所述第一数据集合中的数据进行聚合分析,得到所述目标对象在每个目标区域的落脚点次数包括:
在多个所述抓拍点中确定第k个目标区域所包含的抓拍点,得到至少一个目标抓拍点,其中,k依次取1至M,M为所述多个目标区域的数量;
基于所述第一数据集合计算所述至少一个目标抓拍点被统计为所述目标对象的落脚点的次数之和,得到计算结果;
将所述计算结果作为所述第k个目标区域的落脚点次数。
8.根据权利要求1所述的方法,其特征在于,在所述落脚点区域中确定所述目标对象的落脚点社区包括:
按照所述落脚点区域所属的至少一个目标社区,对所述落脚点区域所对应的第二数值进行聚类分析,得到所述目标对象在每个目标社区的落脚点次数;
基于所述目标对象在每个目标社区的落脚点次数确定所述目标对象的落脚点社区。
9.一种对象落脚点确定装置,其特征在于,包括:
获取单元,用于获取目标抓拍数据;其中,所述目标抓拍数据中包括抓拍点和多个摄像机在所述抓拍点对目标对象进行抓拍的时间之间的对应关系,所述抓拍点为多个,所述多个摄像机设置在行政区域,用于对所述目标对象进行抓拍,得到所述目标抓拍数据,所述目标对象包括人;
第一确定单元,用于基于所述目标抓拍数据确定每个抓拍点被统计为所述目标对象的落脚点的次数,得到第一数据集合;所述落脚点表示目标对象在抓拍点的停留时长超过落脚点时长;
第二确定单元,用于基于所述第一数据集合在多个目标区域中确定所述目标对象的落脚点区域,其中,所述多个目标区域为多个所述抓拍点所属的行政区域;所述基于所述第一数据集合在多个目标区域中确定所述目标对象的落脚点区域包括:将第一数据集合中的数据按照所述目标区域进行聚合,得到所述目标对象在各个所述目标区域的落脚点次数;基于各个所述目标区域的落脚点次数确定目标对象的落脚点区域;
所述装置还用于:在所述落脚点区域中确定所述目标对象的落脚点社区。
10.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1至8中任一项所述的方法。
11.一种具有处理器可执行的非易失的程序代码的计算机可读介质,其特征在于,所述程序代码使所述处理器执行上述权利要求1至8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810668974.5A CN108875835B (zh) | 2018-06-26 | 2018-06-26 | 对象落脚点确定方法、装置、电子设备和计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810668974.5A CN108875835B (zh) | 2018-06-26 | 2018-06-26 | 对象落脚点确定方法、装置、电子设备和计算机可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108875835A CN108875835A (zh) | 2018-11-23 |
CN108875835B true CN108875835B (zh) | 2021-06-22 |
Family
ID=64295745
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810668974.5A Active CN108875835B (zh) | 2018-06-26 | 2018-06-26 | 对象落脚点确定方法、装置、电子设备和计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108875835B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109547748B (zh) * | 2018-12-07 | 2021-06-11 | 苏州科达科技股份有限公司 | 对象落脚点确定方法、装置及存储介质 |
CN109815878B (zh) * | 2019-01-18 | 2021-12-14 | 深圳英飞拓智能技术有限公司 | 基于人脸识别的落脚点分析方法和装置 |
CN110705480B (zh) * | 2019-09-30 | 2022-12-02 | 重庆紫光华山智安科技有限公司 | 目标对象的停留点定位方法及相关装置 |
CN110705477A (zh) * | 2019-09-30 | 2020-01-17 | 深圳市商汤科技有限公司 | 行为分析方法、装置、电子设备和计算机存储介质 |
CN110781855B (zh) * | 2019-11-04 | 2022-12-06 | 浙江大华技术股份有限公司 | 目标停留点的确定方法、装置、设备及存储装置 |
CN112232178A (zh) * | 2020-10-13 | 2021-01-15 | 重庆紫光华山智安科技有限公司 | 基于人像聚档的区域落脚点判定方法、系统、设备及介质 |
CN112395955B (zh) * | 2020-10-27 | 2022-07-12 | 南威软件股份有限公司 | 一种涉车常驻落脚点分析方法、装置、设备和介质 |
CN112733047B (zh) * | 2020-11-05 | 2022-10-28 | 浙江大华技术股份有限公司 | 车辆落脚点生成方法、装置、设备及计算机存储介质 |
CN113779171A (zh) * | 2021-09-26 | 2021-12-10 | 浙江大华技术股份有限公司 | 对象落脚点的确定方法、装置、存储介质及电子装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104952273A (zh) * | 2015-07-17 | 2015-09-30 | 东方网力科技股份有限公司 | 针对车辆行为的告警方法、装置及系统 |
CN105427586A (zh) * | 2015-12-16 | 2016-03-23 | 武汉烽火众智数字技术有限责任公司 | 一种基于多轨迹碰撞的车辆落脚点分析方法 |
CN106846538A (zh) * | 2015-12-04 | 2017-06-13 | 杭州海康威视数字技术股份有限公司 | 过车记录处理方法和装置 |
CN107749164A (zh) * | 2017-11-23 | 2018-03-02 | 浪潮软件集团有限公司 | 一种车辆聚集分析方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9773417B2 (en) * | 2016-01-08 | 2017-09-26 | Ford Global Technologies, Llc | Enhanced park assist system |
-
2018
- 2018-06-26 CN CN201810668974.5A patent/CN108875835B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104952273A (zh) * | 2015-07-17 | 2015-09-30 | 东方网力科技股份有限公司 | 针对车辆行为的告警方法、装置及系统 |
CN106846538A (zh) * | 2015-12-04 | 2017-06-13 | 杭州海康威视数字技术股份有限公司 | 过车记录处理方法和装置 |
CN105427586A (zh) * | 2015-12-16 | 2016-03-23 | 武汉烽火众智数字技术有限责任公司 | 一种基于多轨迹碰撞的车辆落脚点分析方法 |
CN107749164A (zh) * | 2017-11-23 | 2018-03-02 | 浪潮软件集团有限公司 | 一种车辆聚集分析方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108875835A (zh) | 2018-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108875835B (zh) | 对象落脚点确定方法、装置、电子设备和计算机可读介质 | |
CN107278369B (zh) | 人员查找的方法、装置及通信系统 | |
Wang et al. | Smartphoto: a resource-aware crowdsourcing approach for image sensing with smartphones | |
US20130050496A1 (en) | Security monitoring method and apparatus using augmented reality | |
WO2017202226A1 (zh) | 人群流量的确定方法及装置 | |
CN107273833B (zh) | 用于监测流动人口的方法及其系统 | |
US20150170039A1 (en) | Apparatus and method for determining trends in picture taking activity | |
JP2022518469A (ja) | 情報処理方法および装置、記憶媒体 | |
JP2022518459A (ja) | 情報処理方法および装置、記憶媒体 | |
CN106570147A (zh) | 一种基于gis路网分析的跳跃式视频追踪方法和系统 | |
CN106878670A (zh) | 一种视频处理方法及装置 | |
JP6217888B1 (ja) | 解析装置、解析方法及びプログラム | |
US20180150683A1 (en) | Systems, methods, and devices for information sharing and matching | |
CN109547748B (zh) | 对象落脚点确定方法、装置及存储介质 | |
CN111079577B (zh) | 一种动态区域聚集预警实时推荐的计算方法及系统 | |
EP2897088A1 (en) | Method and apparatus for optimum spatial clustering | |
CN109784220B (zh) | 一种确定路人轨迹的方法及装置 | |
Xu et al. | Video analytics with zero-streaming cameras | |
CN111274287A (zh) | 人员集合同行信息的挖掘方法、装置及电子设备 | |
CN112419120A (zh) | 群体性聚集事件预警方法、装置、系统和电子设备 | |
CN112818173A (zh) | 关联对象的识别方法、装置及计算机可读存储介质 | |
CN114862946A (zh) | 位置预测方法、系统、设备及介质 | |
CN110705480B (zh) | 目标对象的停留点定位方法及相关装置 | |
CN111383265B (zh) | 一种设备点位的筛选方法、装置、电子设备及存储介质 | |
CN111666441A (zh) | 确定人员身份类型的方法、装置和电子系统 |
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 |