CN109063622B - 一种定位的方法和设备 - Google Patents

一种定位的方法和设备 Download PDF

Info

Publication number
CN109063622B
CN109063622B CN201810834841.0A CN201810834841A CN109063622B CN 109063622 B CN109063622 B CN 109063622B CN 201810834841 A CN201810834841 A CN 201810834841A CN 109063622 B CN109063622 B CN 109063622B
Authority
CN
China
Prior art keywords
matching
camera
image data
image
acquiring
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
CN201810834841.0A
Other languages
English (en)
Other versions
CN109063622A (zh
Inventor
林彦颖
李文辉
潘仲康
王彬超
何志澎
潘矾
刘启焕
张雪连
项华杰
黄仝宇
汪刚
宋一兵
侯玉清
刘双广
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.)
Gosuncn Technology Group Co Ltd
Original Assignee
Gosuncn Technology Group 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 Gosuncn Technology Group Co Ltd filed Critical Gosuncn Technology Group Co Ltd
Priority to CN201810834841.0A priority Critical patent/CN109063622B/zh
Publication of CN109063622A publication Critical patent/CN109063622A/zh
Application granted granted Critical
Publication of CN109063622B publication Critical patent/CN109063622B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06V20/42—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items of sport video content
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/292—Multi-camera tracking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • 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
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30232—Surveillance

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例提出了一种定位的方法和设备，应用于包括一个或多个摄像头的定位系统中，其中，该方法包括：获取摄像头拍摄的图像数据；将所述图像数据与预先存储的对象的图像特征进行匹配；若匹配成功，则将所述图像数据对应的时间点以及摄像头位置作为轨迹点信息与匹配的对象进行关联；针对各对象，基于所述对象的轨迹点信息生成轨迹数据。不需要对办案区进行过多的改造，成本低，且基于软件识别的方式来进行的，容易升级，也容易进行故障排查，且基于摄像头拍摄的图像进行识别的方方式，提高了定位精准程度。

Description

一种定位的方法和设备
技术领域
本发明涉及人员定位技术领域，特别涉及一种定位的方法和设备。
背景技术
目前，在警用领域，在嫌疑人在进入办案区时，采用的是手环无线定位的方案，具体的需要佩戴手环，事先将手环与嫌疑人进行绑定，生成唯一身份识别的信号数据。通过部署在办案区楼道、各个功能房间中的定位标签、定位基站、交换机构成的网络基础设施，定位嫌疑人的位置。
但是手环无线定位方案存在以下缺点：
1.由于使用此种方案需要改造办案区，在办案区区域内，墙体内嵌入信号发射设备，导致成本较高。
2.设备升级困难。设备安装后就是长期使用的设备，如果要升级，或者出现故障排查困难。
3.定位不准确。通过手环与墙体内感应器的感应来定位嫌疑人，可能出现多个感应器的信号冲突或者信号处理故障的情况，导致嫌疑人位置错误。
由此，需要一种更好的定位方案。
发明内容
针对现有技术中的缺陷，本发明提出了一种定位的方法和设备，不需要对办案区进行过多的改造，成本低，且基于软件识别的方式来进行的，容易升级，也容易进行故障排查，且基于摄像头拍摄的图像进行识别的方方式，提高了定位精准程度。
具体的，本发明提出了以下具体的实施例：
本发明实施例提出了一种定位的方法，应用于包括一个或多个摄像头的定位系统中，该方法包括：
获取摄像头拍摄的图像数据；
将所述图像数据与预先存储的对象的图像特征进行匹配；
若匹配成功，则将所述图像数据对应的时间点以及摄像头位置作为轨迹点信息与匹配的对象进行关联；
针对各对象，基于所述对象的轨迹点信息生成轨迹数据。
在一个具体的实施例中，该方法还包括：
针对各待定位的对象，通过摄像头获取所述对象的图像；
基于所述图像进行特征提取，以获取图像特征；
将所述图像特征与所述对象的信息进行关联后存储。
在一个具体的实施例中，所述“获取摄像头拍摄的图像数据”，包括：
设置定时器；
当所述定时器的计时结束时，获取所述定位系统中所有摄像头拍摄的图像数据。
在一个具体的实施例中，该方法还包括：
针对各摄像头，获取预设时间段内的所有匹配结果；
若在所述匹配结果中，存在有对象在一定间隔时间内出现次数超过预设值，则将存在的对象保留在所述匹配结果中。
在一个具体的实施例中，所述“将所述图像数据与预先存储的对象的图像特征进行匹配”，包括：
对所述图像数据进行特征提取，以获取图像特征；
将获取到的图像特征与预先存储的对象的图像特征进行相似度匹配；
若相似度超过预设值，则匹配成功；
若相似度未超过预设值，则匹配失败。
本发明实施例还提出了一种定位的设备，应用于包括一个或多个摄像头的定位系统中，该设备包括：
获取模块，用于获取摄像头拍摄的图像数据；
匹配模块，用于将所述图像数据与预先存储的对象的图像特征进行匹配；
关联模块，用于若匹配成功，则将所述图像数据对应的时间点以及摄像头位置作为轨迹点信息与匹配的对象进行关联；
定位模块，用于针对各对象，基于所述对象的轨迹点信息生成轨迹数据。
在一个具体的实施例中，该设备还包括：
存储模块，用于针对各待定位的对象，通过摄像头获取所述对象的图像；
基于所述图像进行特征提取，以获取图像特征；
将所述图像特征与所述对象的信息进行关联后存储。
在一个具体的实施例中，所述获取模块，用于：
设置定时器；
当所述定时器的计时结束时，获取所述定位系统中所有摄像头拍摄的图像数据。
在一个具体的实施例中，该设备还包括：
验证模块，用于针对各摄像头，获取预设时间段内的所有匹配结果；
若在所述匹配结果中，存在有对象在一定间隔时间内出现次数超过预设值，则将存在的对象保留在所述匹配结果中。
在一个具体的实施例中，所述匹配模块，用于：
对所述图像数据进行特征提取，以获取图像特征；
将获取到的图像特征与预先存储的对象的图像特征进行相似度匹配；
若相似度超过预设值，则匹配成功；
若相似度未超过预设值，则匹配失败。
以此，本发明实施例提出了一种定位的方法和设备，应用于包括一个或多个摄像头的定位系统中，其中，该方法包括：获取摄像头拍摄的图像数据；将所述图像数据与预先存储的对象的图像特征进行匹配；若匹配成功，则将所述图像数据对应的时间点以及摄像头位置作为轨迹点信息与匹配的对象进行关联；针对各对象，基于所述对象的轨迹点信息生成轨迹数据。不需要对办案区进行过多的改造，成本低，且基于软件识别的方式来进行的，容易升级，也容易进行故障排查，且基于摄像头拍摄的图像进行识别的方方式，提高了定位精准程度。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本发明实施例提出的一种定位的方法的流程示意图；
图2为本发明实施例提出的一种定位的方法的流程示意图；
图3为本发明实施例提出的一种定位的设备的结构示意图；
图4为本发明实施例提出的一种定位的设备的结构示意图；
图5为本发明实施例提出的一种定位的设备的结构示意图。
具体实施方式
在下文中，将更全面地描述本公开的各种实施例。本公开可具有各种实施例，并且可在其中做出调整和改变。然而，应理解：不存在将本公开的各种实施例限于在此公开的特定实施例的意图，而是应将本公开理解为涵盖落入本公开的各种实施例的精神和范围内的所有调整、等同物和/或可选方案。
在本公开的各种实施例中使用的术语仅用于描述特定实施例的目的并且并非意在限制本公开的各种实施例。如在此所使用，单数形式意在也包括复数形式，除非上下文清楚地另有指示。除非另有限定，否则在这里使用的所有术语(包括技术术语和科学术语)具有与本公开的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义，除非在本公开的各种实施例中被清楚地限定。
实施例1
本发明实施例1公开了一种定位的方法，应用于包括一个或多个摄像头的定位系统中，如图1所示，该方法包括：
步骤101、获取摄像头拍摄的图像数据；
具体的，在一个实际的应用场景下，定位系统会被布设在警务区，例如办案区，羁押区等区域，各个区域可以按照实际情况，例如根据监控需要设置一个或多个摄像头，用于拍摄，拍摄的数据则为图像数据(拍摄的视频也是由多张图片组成，因此也是图像数据)。
在一个具体的实施例中所述“获取摄像头拍摄的图像数据”，包括：
设置定时器；
当所述定时器的计时结束时，获取所述定位系统中所有摄像头拍摄的图像数据。
具体的，为了节约系统资源，在保证定位监控的效果的前提下，可以周期性的获取图像数据。
步骤102、将所述图像数据与预先存储的对象的图像特征进行匹配；
在实际的应用过程中，特别是警务系统中，会事先对例如嫌疑人进行拍照，以提取图像特征，便于后续的比对；具体的过程如下：
针对各待定位的对象，通过摄像头获取所述对象的图像；
基于所述图像进行特征提取，以获取图像特征；
将所述图像特征与所述对象的信息进行关联后存储。
而在获取到图像数据后，则需要进行比对，具体的，匹配过程如下：
对所述图像数据进行特征提取，以获取图像特征；
将获取到的图像特征与预先存储的对象的图像特征进行相似度匹配；
若相似度超过预设值，则匹配成功；
若相似度未超过预设值，则匹配失败。
步骤103、若匹配成功，则将所述图像数据对应的时间点以及摄像头位置作为轨迹点信息与匹配的对象进行关联；
步骤104、针对各对象，基于所述对象的轨迹点信息生成轨迹数据。在另一个具体的实施例中，该方法还包括：
针对各摄像头，获取预设时间段内的所有匹配结果；
若在所述匹配结果中，存在有对象在一定间隔时间内出现次数超过预设值，则将存在的对象保留在所述匹配结果中。
具体的，考虑到识别可能有误差，一般算法识别稳定性在93％左右，存在7％的误识别率，所以在实际的应用过程中有可能发现以上情况会出现嫌疑人位置飘忽的情况，即，嫌疑人1s前在功能室1，下一秒在的功能室2，为此增加下面方法规避：
a)获取3秒钟内此摄像头下所有的识别结果；
b)将识别结果按时间进行排序，在间隔时间为300ms内出现次数超过7次的认为此嫌疑人在此摄像头下出现，也即可以保留在匹配结果中，至于其他的对象，则可以进行预警，例如进行人工识别流程。
具体的，在一个实际的应用过程中，如图2所示，该方法包括以下流程：
1.进区的时候首先进行特征采集拍照，获取嫌疑人特征，启动行人识别算法；
2.行人识别算法启动后，将嫌疑人出现在摄像头下的每一个时间点作为中间数据存到数据库；
3.通过一个配置的时间，默认为2s，实时去读取数据库中嫌疑人在摄像头下出现的时间点；
4.使用轨迹分析算法对中间结果集进行分析，得到摄像头下嫌疑人的信息在页面上展示出来。
实施例2
本发明实施例2还公开了一种定位的设备，应用于包括一个或多个摄像头的定位系统中，如图3所示，该设备包括：
获取模块201，用于获取摄像头拍摄的图像数据；
匹配模块202，用于将所述图像数据与预先存储的对象的图像特征进行匹配；
关联模块203，用于若匹配成功，则将所述图像数据对应的时间点以及摄像头位置作为轨迹点信息与匹配的对象进行关联；
定位模块204，用于针对各对象，基于所述对象的轨迹点信息生成轨迹数据。
在一个具体的实施例中，如图4所示，该设备还包括：
存储模块205，用于针对各待定位的对象，通过摄像头获取所述对象的图像；
基于所述图像进行特征提取，以获取图像特征；
将所述图像特征与所述对象的信息进行关联后存储。
在一个具体的实施例中，所述获取模块201，用于：
设置定时器；
当所述定时器的计时结束时，获取所述定位系统中所有摄像头拍摄的图像数据。
在一个具体的实施例中，如图5所示，该设备还包括：
验证模块206，用于针对各摄像头，获取预设时间段内的所有匹配结果；
若在所述匹配结果中，存在有对象在一定间隔时间内出现次数超过预设值，则将存在的对象保留在所述匹配结果中。
在一个具体的实施例中，所述匹配模块202，用于：
对所述图像数据进行特征提取，以获取图像特征；
将获取到的图像特征与预先存储的对象的图像特征进行相似度匹配；
若相似度超过预设值，则匹配成功；
若相似度未超过预设值，则匹配失败。
以此，本发明实施例提出了一种定位的方法和设备，应用于包括一个或多个摄像头的定位系统中，其中，该方法包括：获取摄像头拍摄的图像数据；将所述图像数据与预先存储的对象的图像特征进行匹配；若匹配成功，则将所述图像数据对应的时间点以及摄像头位置作为轨迹点信息与匹配的对象进行关联；针对各对象，基于所述对象的轨迹点信息生成轨迹数据。不需要对办案区进行过多的改造，成本低，且基于软件识别的方式来进行的，容易升级，也容易进行故障排查，且基于摄像头拍摄的图像进行识别的方方式，提高了定位精准程度。
本领域技术人员可以理解附图只是一个优选实施场景的示意图，附图中的模块或流程并不一定是实施本发明所必须的。
本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中，也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
上述本发明序号仅仅为了描述，不代表实施场景的优劣。
以上公开的仅为本发明的几个具体实施场景，但是，本发明并非局限于此，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。

Claims (8)

1.一种定位的方法，其特征在于，应用于包括一个或多个摄像头的定位系统中，该方法包括：
获取摄像头拍摄的图像数据；
将所述图像数据与预先存储的对象的图像特征进行匹配；
针对各摄像头，获取预设时间段内的所有匹配结果；
若在所述匹配结果中，存在有对象在一定间隔时间内出现次数超过预设值，则将存在的对象保留在所述匹配结果中；
若匹配成功，则将所述图像数据对应的时间点以及摄像头位置作为轨迹点信息与匹配的对象进行关联；
针对各对象，基于所述对象的轨迹点信息生成轨迹数据；
所述若在所述匹配结果中，存在有对象在一定间隔时间内出现次数超过预设值，则将存在的对象保留在所述匹配结果中，具体为：
若存在有对象在一预设的间隔时间内出现次数超过预设值，则认为所述对象在摄像头下出现，则将所述对象保留在所述匹配结果中。
2.如权利要求1所述的一种定位的方法，其特征在于，还包括：
针对各待定位的对象，通过摄像头获取所述对象的图像；
基于所述图像进行特征提取，以获取图像特征；
将所述图像特征与所述对象的信息进行关联后存储。
3.如权利要求1所述的一种定位的方法，其特征在于，所述“获取摄像头拍摄的图像数据”，包括：
设置定时器；
当所述定时器的计时结束时，获取所述定位系统中所有摄像头拍摄的图像数据。
4.如权利要求1所述的一种定位的方法，其特征在于，所述“将所述图像数据与预先存储的对象的图像特征进行匹配”，包括：
对所述图像数据进行特征提取，以获取图像特征；
将获取到的图像特征与预先存储的对象的图像特征进行相似度匹配；
若相似度超过预设值，则匹配成功；
若相似度未超过预设值，则匹配失败。
5.一种定位的设备，其特征在于，应用于包括一个或多个摄像头的定位系统中，该设备包括：
获取模块，用于获取摄像头拍摄的图像数据；
匹配模块，用于将所述图像数据与预先存储的对象的图像特征进行匹配；
关联模块，用于若匹配成功，则将所述图像数据对应的时间点以及摄像头位置作为轨迹点信息与匹配的对象进行关联；
定位模块，用于针对各对象，基于所述对象的轨迹点信息生成轨迹数据；
所述设备还包括验证模块，用于针对各摄像头，获取预设时间段内的所有匹配结果；
若在所述匹配结果中，存在有对象在一定间隔时间内出现次数超过预设值，则将存在的对象保留在所述匹配结果中；
所述若在所述匹配结果中，存在有对象在一定间隔时间内出现次数超过预设值，则将存在的对象保留在所述匹配结果中，具体为：
若存在有对象在一预设的间隔时间内出现次数超过预设值，则认为所述对象在摄像头下出现，则将所述对象保留在所述匹配结果中。
6.如权利要求5所述的一种定位的设备，其特征在于，还包括：
存储模块，用于针对各待定位的对象，通过摄像头获取所述对象的图像；
基于所述图像进行特征提取，以获取图像特征；
将所述图像特征与所述对象的信息进行关联后存储。
7.如权利要求5所述的一种定位的设备，其特征在于，所述获取模块，用于：
设置定时器；
当所述定时器的计时结束时，获取所述定位系统中所有摄像头拍摄的图像数据。
8.如权利要求5所述的一种定位的设备，其特征在于，所述匹配模块，用于：
对所述图像数据进行特征提取，以获取图像特征；
将获取到的图像特征与预先存储的对象的图像特征进行相似度匹配；
若相似度超过预设值，则匹配成功；
若相似度未超过预设值，则匹配失败。
CN201810834841.0A 2018-07-26 2018-07-26 一种定位的方法和设备 Active CN109063622B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810834841.0A CN109063622B (zh) 2018-07-26 2018-07-26 一种定位的方法和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810834841.0A CN109063622B (zh) 2018-07-26 2018-07-26 一种定位的方法和设备

Publications (2)

Publication Number Publication Date
CN109063622A CN109063622A (zh) 2018-12-21
CN109063622B true CN109063622B (zh) 2021-04-23

Family

ID=64835719

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810834841.0A Active CN109063622B (zh) 2018-07-26 2018-07-26 一种定位的方法和设备

Country Status (1)

Country Link
CN (1) CN109063622B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110851646B (zh) * 2019-11-18 2020-11-24 嵊州市万睿科技有限公司 智能园区的工作效率统计方法
CN111881806A (zh) * 2020-07-23 2020-11-03 高新兴科技集团股份有限公司 基于超宽带和人脸识别的办案区管理方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106874347A (zh) * 2016-12-26 2017-06-20 深圳市深网视界科技有限公司 一种匹配人体特征与mac地址的方法及系统
CN106998444A (zh) * 2017-02-14 2017-08-01 北京中科天云科技有限公司 一种大数据人脸监控系统及装置
CN107370983A (zh) * 2016-05-13 2017-11-21 腾讯科技（深圳）有限公司 用于视频监控系统的行踪轨迹的获取方法和装置
CN107529221A (zh) * 2017-08-22 2017-12-29 上海兴容信息技术有限公司 一种结合视频监控和Wi‑Fi定位的追踪分析系统及方法
CN107909033A (zh) * 2017-11-15 2018-04-13 西安交通大学 基于监控视频的嫌疑人快速追踪方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013164834A (ja) * 2012-01-13 2013-08-22 Sony Corp 画像処理装置および方法、並びにプログラム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107370983A (zh) * 2016-05-13 2017-11-21 腾讯科技（深圳）有限公司 用于视频监控系统的行踪轨迹的获取方法和装置
CN106874347A (zh) * 2016-12-26 2017-06-20 深圳市深网视界科技有限公司 一种匹配人体特征与mac地址的方法及系统
CN106998444A (zh) * 2017-02-14 2017-08-01 北京中科天云科技有限公司 一种大数据人脸监控系统及装置
CN107529221A (zh) * 2017-08-22 2017-12-29 上海兴容信息技术有限公司 一种结合视频监控和Wi‑Fi定位的追踪分析系统及方法
CN107909033A (zh) * 2017-11-15 2018-04-13 西安交通大学 基于监控视频的嫌疑人快速追踪方法

Also Published As

Publication number Publication date
CN109063622A (zh) 2018-12-21

Similar Documents

Publication Publication Date Title
CN108885698B (zh) 人脸识别方法、装置和服务器
CN109753928B (zh) 违章建筑物识别方法和装置
CN109325429B (zh) 一种关联特征数据的方法、装置、存储介质及终端
US11048917B2 (en) Method, electronic device, and computer readable medium for image identification
CN109063622B (zh) 一种定位的方法和设备
CN110765938A (zh) 身份识别方法、装置、电子设备及计算机可读存储介质
CN105141915A (zh) 一种视频查找方法及系统
CN111160275A (zh) 行人重识别模型训练方法、装置、计算机设备和存储介质
CN111539338A (zh) 行人口罩佩戴管控方法、装置、设备及计算机存储介质
EP3462734A1 (en) Systems and methods for directly accessing video data streams and data between devices in a video surveillance system
CN111126411B (zh) 一种异常行为识别方法及装置
CN110557722B (zh) 目标团伙的识别方法及相关装置
CN110175553B (zh) 基于步态识别与人脸识别建立特征库的方法及装置
CN111797713A (zh) 车牌识别方法及拍照设备
CN112631333B (zh) 无人机的目标跟踪方法、装置及图像处理芯片
CN113627321A (zh) 基于人工智能的图像识别方法、装置及计算机设备
CN109190466A (zh) 一种人员实时定位的方法和设备
US20200272839A1 (en) Traffic information providing method and device, and computer program stored in medium in order to execute method
CN111738043A (zh) 一种行人重识别方法及装置
CN112990156B (zh) 基于视频的最优目标捕捉方法、装置及相关设备
CN111079506A (zh) 基于增强现实的信息采集方法、装置和计算机设备
CN112235589B (zh) 网络直播识别方法、边缘服务器、计算机设备及存储介质
CN112241671B (zh) 一种人员身份识别方法、装置及系统
CN113591620A (zh) 一种基于一体式移动采集设备的预警方法、装置及系统
CN111882656A (zh) 基于人工智能的图形处理方法、设备及存储介质

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