CN109559336A - 对象追踪方法、装置及存储介质 - Google Patents
对象追踪方法、装置及存储介质 Download PDFInfo
- Publication number
- CN109559336A CN109559336A CN201811540609.2A CN201811540609A CN109559336A CN 109559336 A CN109559336 A CN 109559336A CN 201811540609 A CN201811540609 A CN 201811540609A CN 109559336 A CN109559336 A CN 109559336A
- Authority
- CN
- China
- Prior art keywords
- device identification
- target
- images
- image
- identification
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/292—Multi-camera tracking
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种对象追踪方法、装置及存储介质,属于计算机技术领域,该方法包括:对于存储的每个第一设备标识,根据发送第一设备标识的图像采集设备的第二设备标识和第一设备标识的获取时间,获取对应的n张目标图像;从n张目标图像中确定在至少两张目标图像中出现的同一目标对象;根据具有目标对象的至少两张目标图像的获取时间和第二设备标识确定目标对象经过图像采集设备的移动顺序;根据移动顺序和其它图像确定第一设备标识的使用对象是否为目标对象;可以解决无法获知目标人物的图像时导致无法确定目标人物对应的唯一设备标识的问题;可以在未知嫌疑人图像的前提下,确定出每个第一设备标识的使用对象。
Description
技术领域
本申请涉及对象追踪方法、装置及存储介质,属于计算机技术领域。
背景技术
随着人工智能技术的发展,具有探测媒体访问控制地址(Media Access ControlAddress,MAC地址)功能的监控设备被广泛使用,该监控设备不仅可以实现图像抓拍、还具有探测一定范围内的MAC地址等功能。其中,MAC地址是在监控设备的探测范围内的用户所使用的设备的MAC地址。
由于在整个监控系统中,监控设备的数量较多,且每个监控设备采集到的图像和MAC地址的数量也较多,因此,如何确定MAC地址与用户之间对应关系是亟待解决的问题。
公开号为CN106296724A的发明专利《一种目标人物的轨迹信息的确定方法、系统及处理服务器》公开了一种确定MAC地址与用户之间对应关系的方法,该方法包括:获得包含目标人物的多个指定的视频录像;确定拍摄指定的视频录像的多个第一图像采集设备;根据预设的交集方式,针对多个第一图像采集设备中的至少两个第一图像采集设备:分别获得目标人物在指定的视频录像中的出现时刻,并分别确定包含该出现时刻的检测时刻区间,并分别获得第一图像采集设备的WiFi探测器在检测时刻区间检测到的WiFi终端的唯一标识信息的集合;将获得的WiFi终端的唯一标识信息的集合进行交集处理,获得唯一标识信息交集;将唯一标识信息交集中的WiFi终端的唯一标识信息,确定为目标人物的唯一标识信息。
然而,上述方式需要在已知目标人物的图像的前提下,才能确定出该目标人物的唯一标识信息,在未知目标人物的图像的前提下,依然无法确定出目标人物与唯一标识信息之间的对应关系。
发明内容
本申请提供了一种对象追踪方法、装置及存储介质,可以解决在无法获知目标人物的图像时导致的无法确定目标人物对应的唯一设备标识的问题。本申请提供如下技术方案:
第一方面,提供了一种对象追踪方法,所述方法包括:
对于存储的每个第一设备标识,根据发送所述第一设备标识的图像采集设备的第二设备标识和所述第一设备标识的获取时间,获取对应的n张目标图像;其中,所述第一设备标识为对象所使用的设备的唯一标识,所述图像采集设备具有获取所述第一设备标识的功能;所述n为正整数;
从所述n张目标图像中确定在至少两张目标图像中出现的同一目标对象;
根据具有所述目标对象的所述至少两张目标图像的获取时间和第二设备标识确定所述目标对象经过图像采集设备的移动顺序;
根据所述移动顺序和其它图像确定所述第一设备标识的使用对象是否为所述目标对象,所述其它图像是指除所述移动顺序对应的所述至少两张目标图像之外的包括所述目标对象的图像。
可选地,所述根据所述移动顺序和其它图像确定所述第一设备标识的使用对象是否为所述目标对象,包括:
根据所述移动顺序和其它图像计算所述目标对象所使用的设备的唯一标识是所述第一设备标识的使用概率;
在所述使用概率超过预设概率阈值时确定所述第一设备标识的使用对象是所述目标对象。
可选地,所述根据所述移动顺序和其它图像计算所述目标对象所使用的设备的唯一标识是所述第一设备标识的使用概率,包括:
统计所述其它图像的第一数量;
统计所述移动顺序包括的不同的第二设备标识的第二数量及所述至少两张目标图像的第三数量;
统计包括所述目标对象的各个图像的第四数量及获取所述各个图像的图像采集设备的不同设备标识的第五数量,所述各个图像包括所述其它图像和所述至少两张目标图像,所述设备标识包括所述第二设备标识;
将所述第一数量、所述第二数量、所述第三数量、所述第四数量和所述第五数量代入所述预设概率计算公式确定所述目标对象所使用的设备的唯一标识是所述第一设备标识的使用概率。
可选地,所述预设概率计算公式通过如下公式表示:
P=(c/a+i×d/b)/(i+1)-e/a
若c大于a,则令c=a;若d大于b,则令d=b
其中,P为所述使用概率,c为所述第四数量,d为所述第五数量,a为所述第三数量,b为所述第二数量,e为所述第一数量,i为固定系数。
可选地,所述对于存储的每个第一设备标识,根据发送所述第一设备标识的图像采集设备的第二设备标识和所述第一设备标识的获取时间,获取对应的n张目标图像,包括:
从第一数据库中获取发送所述第一设备标识的每个图像采集设备的第二设备标识和所述每个图像采集设备获取所述第一设备标识的获取时间;
从第二数据库中根据每个第二设备标识和每个获取时间获取对应的所述n张目标图像。
可选地,所述从第二数据库中根据每个第二设备标识和每个获取时间获取对应的所述n张目标图像,包括:
确定所述每个获取时间所属的目标时间段;
从所述第二数据库中获取所述第二设备标识和所述目标时间段对应的所述n张目标图像。
可选地,所述对于存储的每个第一设备标识,根据发送所述第一设备标识的图像采集设备的第二设备标识和所述第一设备标识的获取时间,获取对应的n张目标图像之前,还包括:
获取各个图像采集装置发送的第一设备标识和所述第一设备标识的获取时间;
将所述第一设备标识、所述第一设备标识的获取时间、以及发送所述第一设备标识的图像采集装置的第二设备标识存储至第一数据库;
获取各个图像采集装置发送的图像数据和所述图像数据的获取时间;所述图像数据包括图片数据和视频数据;
提取所述图像数据中对象的特征数据,将所述对象的特征数据、所述图像数据和所述图像数据的获取时间、以及发送所述图像数据的图像采集装置的第二设备标识存储至第二数据库。
第二方面,提供了一种对象追踪装置,所述装置包括:
数据获取模块,用于对于存储的每个第一设备标识,根据发送所述第一设备标识的图像采集设备的第二设备标识和所述第一设备标识的获取时间,获取对应的n张目标图像;其中,所述第一设备标识为对象所使用的设备的唯一标识,所述图像采集设备具有获取所述第一设备标识的功能;所述n为正整数;
对象确定模块,用于从所述n张目标图像中确定在至少两张目标图像中出现的同一目标对象;
轨迹确定模块,用于根据具有所述目标对象的所述至少两张目标图像的获取时间和第二设备标识确定所述目标对象经过图像采集设备的移动顺序;
对象分析模块,用于根据所述移动顺序和其它图像确定所述第一设备标识的使用对象是否为所述目标对象,所述其它图像是指除所述移动顺序对应的所述至少两张目标图像之外的包括所述目标对象的图像。
第三方面,提供一种对象追踪装置,所述装置包括处理器和存储器;所述存储器中存储有程序,所述程序由所述处理器加载并执行以实现第一方面所述的对象追踪方法。
第四方面,提供一种计算机可读存储介质,所述存储介质中存储有程序,所述程序由所述处理器加载并执行以实现第一方面所述的对象追踪方法。
本申请的有益效果在于:通过对于存储的每个第一设备标识,根据发送第一设备标识的图像采集设备的第二设备标识和第一设备标识的获取时间,获取对应的n张目标图像;从n张目标图像中确定在至少两张目标图像中出现的同一目标对象;根据具有目标对象的至少两张目标图像的获取时间和第二设备标识确定目标对象的移动顺序;根据移动顺序和其它图像确定第一设备标识的使用对象是否为目标对象,其它图像是指除移动顺序对应的至少两张目标图像之外的包括目标对象的图像;可以解决现有技术中在无法获知目标人物的图像时导致的无法确定目标人物对应的唯一设备标识的问题;由于可以根据存储的第一设备标识、图像数据、第二设备标识和数据的获取时间来自动分析第一设备标识的使用对象,此时,可以在未知嫌疑人图像的前提下,确定出每个第一设备标识的使用对象,并可以根据嫌疑人的第一设备标识确定出该嫌疑人的图像,无需人工筛选嫌疑人的图像来确定第一设备标识与使用对象之间的对应关系,可以提高确定第一设备标识的使用对象的效率,从而提高基于第一设备标识追踪目标人员的效率。
另外,由于可能存在至少两个对象同时出现在同一图像数据中,此时,对于该至少两个对象中任一对象使用的第一设备标识,由于至少两个对象的移动顺序部分相同,因此仅根据对象的移动顺序可能无法确定出该第一设备标识的使用对象;而本实施例中,通过使用移动顺序和其它图像相结合来分析第一设备标识的使用对象,可以提高确定出的使用对象的准确性。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,并可依照说明书的内容予以实施,以下以本申请的较佳实施例并配合附图详细说明如后。
附图说明
图1是本申请一个实施例提供的对象追踪系统的结构示意图;
图2是本申请一个实施例提供的数据获取范围的示意图;
图3是本申请一个实施例提供的对象追踪方法的流程图;
图4是本申请一个实施例提供的对象追踪装置的框图;
图5是本申请一个实施例提供的对象追踪装置的框图。
具体实施方式
下面结合附图和实施例,对本申请的具体实施方式作进一步详细描述。以下实施例用于说明本申请,但不用来限制本申请的范围。
目前,在安防监控系统中,可以通过图像采集设备采集到的嫌疑人的图像对嫌疑人进行追踪。然而,在嫌疑人躲避图像采集设备的情况下,图像采集设备只能抓取嫌疑人的所使用设备的媒体访问控制地址(Media Access Control Address,MAC地址),而无法抓取到嫌疑人的人像,本申请则提供了一种基于嫌疑人使用的设备的设备标识(不限于MAC地址)来确定嫌疑人的人像,从而方便警务人员快速确定嫌疑人身份。这种情况下,则需要通过嫌疑人的MAC地址来查询嫌疑人的行踪。因此,本申请提供一种确定第一设备标识(包括MAC地址)的使用对象的方式,从而确定哪些第一设备标识由嫌疑人使用,通过追踪第一设备标识间接实现对嫌疑人的追踪。
图1是本申请一个实施例提供的对象落脚点确定系统的结构示意图,如图1所示,该系统至少包括:多个图像采集设备110和服务器120。
图像采集设备110可以是视频拍摄设备(如:摄像机等)、或者也可以是图片拍摄设备(如:照相机等),本实施例不对图像采集设备110的设备类型作限定。本申请中,图像采集设备110具有探测附近的设备的第一设备标识的功能,第一设备标识用于唯一地标识设备,比如:第一设备标识为MAC地址、国际移动设备识别码(International Mobile EquipmentIdentity,IMEI)等(图1中以设备的唯一标识为MAC地址为例进行说明)。其中,MAC地址用于在网络中唯一标示一个网卡,一台设备若有一个或多个网卡,则每个网卡都存在唯一的MAC地址。IMEI用于在移动电话网络中识别每一部独立的手机等移动通信设备,相当于移动电话的身份证。
示意性地,图像采集设备110中安装有探测器,该探测器用于自动扫描附近的设备的第一设备标识,比如:扫描附近100米(m)、或者50m的MAC地址
等,本实施例不对图像采集设备110扫描第一设备标识的范围作限定。
多个图像采集设备110分布在不同的地理位置。图像采集设备110用于采集图像数据,并将该图像数据、该图像采集设备110的第二设备标识和图像数据的获取时间发送至服务器120;图像采集设备110还用于获取第一设备标识,并将该第一设备标识、该图像采集设备110的第二设备标识和第一设备标识的获取时间发送至服务器120。
其中,第二设备标识用于在服务器120中唯一地标识对应的图像采集设备110,该第二设备标识可以是图像采集设备110的设备号、编码等,本实施例不对第二设备标识的表示方式作限定。图像数据可以是图片数据;和/或视频数据,本实施例不对图像数据的类型作限定。
在实际应用中,参考图2,图像采集设备110的采集图像数据的视野是扇形;而图像采集设备110的采集第一设备标识的范围为以该图像采集设备110为圆心的圆。基于这种数据采集特性,图像采集设备110采集到的数据包括以下三种情况:
第一种:图像采集设备110采集到目标对象的图像数据以及该目标对象所使用的设备的第一设备标识;
第二种:图像采集设备110采集到目标对象的图像数据,但未采集到该目标对象所使用的设备的第一设备标识(概率较小);
第三种:图像采集设备110采集到目标对象所使用的设备的第一设备标识,但未采集到该目标对象的图像数据。
可选地,图像采集设备110通过有线或者无线的方式与服务器120通信相连。
服务器120可以是独立的服务器主机;或者,也可以是多个服务器主机构成的服务器集群,本实施例不对服务器120的结构作限定。可选地,服务器120用于根据图像采集设备110采集到的数据确定各个第一设备标识对应的目标对象。
其中,目标对象可是人、也可以是车辆等,本实施例不对目标对象的类型作限定。
可选地,本申请中,服务器120包括第一数据库121、第二数据库122和分析服务器123。服务器120将图像采集设备110发送的第一设备标识、该图像采集设备110的第二设备标识和第一设备标识的获取时间存储至第一数据库121;将图像采集设备110发送的图像数据、图像采集设备110的第二设备标识和图像数据的获取时间存储至第二数据库122;分析服务器123读取第一数据库121和第二数据库122中的数据确定各个第一设备标识对应的目标对象。
其中,第一数据库121和第二数据库122可以是非关系型数据库(Not Only SQL,NoSQ),当然,也可以是其它类型的数据库,本实施例不对第一数据库121和第二数据库122的数据库类型作限定。
示意性地,对于存储的每个第一设备标识,分析服务器123根据发送第一设备标识的图像采集设备的第二设备标识和第一设备标识的获取时间,获取对应的n张目标图像;从n张目标图像中确定在至少两张目标图像中出现的同一目标对象;根据具有目标对象的至少两张目标图像的获取时间和第二设备标识确定目标对象的移动顺序;根据移动顺序和其它图像确定第一设备标识的使用对象是否为目标对象,其它图像是指除移动顺序对应的至少两张目标图像之外的包括目标对象的图像。
当然,服务器120也可以将接收到的数据存储至同一数据库中,且设置有该数据库的服务器对该数据进行分析,本实施例不对服务器120的部署方式作限定。
假设存在对象A和对象B在相近时间内经过多个图像采集设备110,比如:对象A和对象B在同一公司工作,每天上班时间、午休时间、下班时间接近。此时,如果仅获取公司附近的图像采集设备110的数据,则该图像采集设备110可能在各个获取时间均获取到包括对象A和对象B的图像数据,以及对象A使用的第一设备标识A和对象B使用的第一设备标识B,此时,无法确定对象A和对象B分别对应哪一个第一设备标识。因此,在确定第一设备标识的使用对象时,仅分析与该第一设备标识同时出现的对象A或者对象B的移动顺序可能依然无法确定出第一设备标识的使用对象。
此时,需要将多个其它的图像采集设备110所采集的图片数据和第一设备标识汇集在一起进行分析。在对象A和对象B相同的移动顺序内,两个人可能由于运动速度不同而同时出现在不同的图像采集设备110中;或者,在相同的移动顺序之外存在不同的移动顺序而同时出现在不同的图像采集设备110中。此时,图像采集设备A获取到包括对象A的图像数据和对象A使用的第一设备标识A;图像采集设备B获取到包括对象B的图像数据和对象B使用的第一设备标识B,因此,在确定第一设备标识的使用对象时,通过分析与该第一设备标识同时出现的对象A的移动顺序和对象B的移动顺序,结合对象A与其它第一设备标识同时出现时图片数据、对象B与其它第一设备标识同时出现时图片数据,可以确定出第一设备标识的使用对象。
因此,本实施例中,服务器120根据目标对象的移动顺序和其它图像可以确定每个第一设备标识的使用对象。其中,目标对象是与第一设备标识同时出现的对象。移动顺序是指按照获取时间由各个第二设备标识对应的图像采集设备110构成的轨迹。
图3是本申请一个实施例提供的对象追踪方法的流程图,本实施例以该方法应用于图1所示的对象追踪系统中,且各个步骤的执行主体为该系统中的服务器120为例进行说明。该方法至少包括以下几个步骤:
步骤301,对于存储的每个第一设备标识,根据发送第一设备标识的图像采集设备的第二设备标识和第一设备标识的获取时间,获取对应的n张目标图像。
其中,第一设备标识为对象所使用的设备的唯一标识,图像采集设备具有获取第一设备标识的功能。
可选地,在本步骤之前,服务器获取各个图像采集装置发送的第一设备标识和第一设备标识的获取时间;将第一设备标识、第一设备标识的获取时间、以及发送第一设备标识的图像采集装置的第二设备标识存储至第一数据库;获取各个图像采集装置发送的图像数据和图像数据的获取时间;图像数据包括图片数据和视频数据;提取图像数据中对象的特征数据,将对象的特征数据、图像数据和图像数据的获取时间、以及发送图像数据的图像采集装置的第二设备标识存储至第二数据库。
当然,服务器也可以将第一设备标识、第一设备标识的获取时间、发送第一设备标识的图像采集装置的第二设备标识、对象的特征数据、图像数据和图像数据的获取时间、以及发送图像数据的图像采集装置的第二设备标识存储至通过数据库。
其中,服务器通过图像识别算法提取图像数据中对象的特征数据,该图像识别算法可以是基于模板匹配的算法、基于奇异值特征算法、子空间分析法等,本实施例不对图像识别算法的类型作限定。
比如:第一数据库中的数据如下表一,第二数据库中的数据如下表二。
表一:
获取时间 | 第一设备标识 | 第二设备标识 |
2018-12-7 12:24:23 | MAC1、MAC2 | 2 |
2018-12-7 12:24:25 | MAC2 | 1 |
2018-12-7 12:24:30 | MAC3 | 6 |
2018-12-7 12:26:24 | MAC1、MAC3 | 3 |
2018-12-7 12:26:30 | MAC4 | 3 |
… | … | … |
2018-12-7 12:30:16 | MAC1 | 10 |
表二:
可选地,服务器获取对应的n张目标图像,包括:从第一数据库中获取发送第一设备标识的每个图像采集设备的第二设备标识和每个图像采集设备获取第一设备标识的获取时间;从第二数据库中根据每个第二设备标识和每个获取时间获取对应的n张目标图像。n为正整数。
在一个示例中,从第二数据库中根据每个第二设备标识和每个获取时间获取对应的n张目标图像,包括:确定每个获取时间所属的目标时间段;从第二数据库中获取第二设备标识和目标时间段对应的n张目标图像。
可选地,获取时间所属的目标时间段由基于该获取时间之前的第一时长,和/或基于该获取时间之后的第二时长构成。其中,第一时长和第二时长可以相同,也可以不同,比如:第一时长和第二时长为10s、5s等,本实施例不对第一时长和第二时长的取值作限定。
比如:对于表一中的第一设备标识MAC1,服务器获取到的第二设备标识和获取时间如下表三所示。根据表三中的第二设备标识、获取时间所属的目标时间段从表二获取到的n张目标图像分别为:Pic1、Pic4、Pic5和Picx。本实例中以获取时间所属的目标时间段由获取时间之前的5s和获取时间之后的5s为例进行说明。
表三:
获取时间 | 第二设备标识 |
2018-12-7 12:24:23 | 2 |
2018-12-7 12:26:24 | 3 |
2018-12-7 12:30:16 | 10 |
步骤302,从n张目标图像中确定在至少两张目标图像中出现的同一目标对象。
服务器将n张目标图像的特征数据两两之间进行比较,若存在至少两张目标图像存在同一对象的特征数据时,则将该对象确定为目标对象。比如:n张目标图像分别为表二中的Pic1、Pic4、Pic5和Picx,则服务器可以确定出Pic1、Pic4和Picx均存在对象A的特征数据,则服务器对对象A进行分析。
需要补充说明的是,服务器从n张目标图像中确定出的在至少两张目标图像中出现的同一目标对象的数量可能是一个,也可能是多个。
步骤303,根据具有目标对象的至少两张目标图像的获取时间和第二设备标识确定目标对象的移动顺序。
由于服务器预先存储有目标图像对应的获取时间和发送该目标图像的图像采集设备的第二设备标识,因此,服务器可以根据至少两张目标图像获取到该获取时间和第二设备表示,然后,按照获取时间确定出与第一设备标识同时出现的目标对象经过各个第二设备标识对应的图像采集设备的轨迹,得到该移动顺序。
比如:具有目标对象的至少两张目标图像为Pic1、Pic4和Picx,则根据表二指示的获取时间和第二设备标识可知对象A的移动顺序为:2->3->10。
步骤304,根据移动顺序和其它图像确定第一设备标识的使用对象是否为目标对象。
可选地,在本实施例中,在第一设备标识的使用对象是目标对象时,若该第一设备标识为嫌疑人使用的第一设备标识,则目标对象为嫌疑人,包括该目标对象的图像为嫌疑人的图像;在第一设备标识的使用对象不是目标对象时,若该第一设备标识为嫌疑人使用的第一设备标识,则目标对象不是嫌疑人,包括该目标对象的图像不是嫌疑人的图像,也即,本实施例提供了一种根据第一设备标识确定嫌疑人的图像的方式。
其中,其它图像是指除移动顺序对应的至少两张目标图像之外的包括目标对象的图像。
在一个示例中,根据移动顺序和其它图像确定第一设备标识的使用对象是否为目标对象,包括:根据移动顺序和其它图像计算目标对象所使用的设备的唯一标识是第一设备标识的使用概率;在使用概率超过预设概率阈值时确定第一设备标识的使用对象是目标对象。
可选地,在使用概率未超过预设概率阈值时确定第一设备标识的使用对象不是目标对象,对下一目标对象再次执行步骤304;若不存在下一个目标对象,则根据数据库中更新后的数据再次执行步骤301或者流程结束。
预设概率阈值可以是80%、90%等,本实施例不对预设概率阈值的取值作限定。
其中,根据移动顺序和其它图像计算目标对象所使用的设备的唯一标识是第一设备标识的使用概率,包括:统计其它图像的第一数量;统计移动顺序包括的不同的第二设备标识的第二数量及至少两张目标图像的第三数量;统计包括目标对象的各个图像的第四数量及获取各个图像的图像采集设备的不同设备标识的第五数量,各个图像包括其它图像和至少两张目标图像,设备标识包括第二设备标识;将第一数量、第二数量、第三数量、第四数量和第五数量代入预设概率计算公式确定目标对象所使用的设备的唯一标识是第一设备标识的使用概率。
由于其它图像的第一数量的越多,说明图像采集装置可能采集到第一设备标识的使用对象(目标对象)的图像数据,但是未采集到该使用对象的第一设备标识,而这种概率很低,因此,在预设概率计算公式中第一数量与使用概率呈负相关关系。若第一设备标识的使用对象是目标对象,则正常情况下第四数量应大于第三数量、第五数量应大于第二数量,因此,在预设概率计算公式中若c大于a,则令c=a;若d大于b,则令d=b,使得使用概率仅与第一数量和第三数量的比值有关,且该使用概率与第一数量和第三数量的比值呈负相关关系。
预设概率计算公式通过如下公式表示:
P=(c/a+i×d/b)/(i+1)-e/a
若c大于a,则令c=a;若d大于b,则令d=b
其中,P为使用概率,c为第四数量,d为第五数量,a为第三数量,b为第二数量,e为第一数量,i为固定系数。i可以为3,也可以为其它正整数,本实施例不对i的取值作限定。
当然,预设概率计算公式也可以是基于第一数量、第二数量、第三数量、第四数量和第五数量之间的关系建立的其它公式,本实施例对此不作限定。
在另一个示例中,根据移动顺序和其它图像确定第一设备标识的使用对象是否为目标对象,包括:根据移动顺序和其它图像计算目标对象与第一设备标识同时出现的比例;在该比例大于其它对象与第一设备标识同时出现的比例时确定第一设备标识的使用对象是目标对象。
当然,服务器也可以通过其它方式根据移动顺序和其它图像确定第一设备标识的使用对象是否为目标对象,本实施例对此不作限定。
可选地,在本步骤之后,服务器可以基于确定出的第一设备标识追踪对应的使用对象,从而实现对象追踪。
综上所述,本实施例提供的对象追踪方法,通过对于存储的每个第一设备标识,根据发送第一设备标识的图像采集设备的第二设备标识和第一设备标识的获取时间,获取对应的n张目标图像;从n张目标图像中确定在至少两张目标图像中出现的同一目标对象;根据具有目标对象的至少两张目标图像的获取时间和第二设备标识确定目标对象的移动顺序;根据移动顺序和其它图像确定第一设备标识的使用对象是否为目标对象,其它图像是指除移动顺序对应的至少两张目标图像之外的包括目标对象的图像;可以解决现有技术中在无法获知目标人物的图像时导致的无法确定目标人物对应的唯一设备标识的问题;由于可以根据存储的第一设备标识、图像数据、第二设备标识和数据的获取时间来自动分析第一设备标识的使用对象,此时,可以在未知嫌疑人图像的前提下,确定出每个第一设备标识的使用对象,并可以根据嫌疑人的第一设备标识确定出该嫌疑人的图像,无需人工筛选嫌疑人的图像来确定第一设备标识与使用对象之间的对应关系,可以提高确定第一设备标识的使用对象的效率,从而提高基于第一设备标识追踪目标人员的效率。
另外,由于可能存在至少两个对象同时出现在同一图像数据中,此时,对于该至少两个对象中任一对象使用的第一设备标识,由于至少两个对象的移动顺序部分相同,因此仅根据对象的移动顺序可能无法确定出该第一设备标识的使用对象;而本实施例中,通过使用移动顺序和其它图像相结合来分析第一设备标识的使用对象,可以提高确定出的使用对象的准确性。
图4是本申请一个实施例提供的对象追踪装置的框图,本实施例以该装置应用于图1所示的对象追踪系统中的服务器120为例进行说明。该装置至少包括以下几个模块:数据获取模块410、对象确定模块420、轨迹确定模块430和对象分析模块440。
数据获取模块410,用于对于存储的每个第一设备标识,根据发送所述第一设备标识的图像采集设备的第二设备标识和所述第一设备标识的获取时间,获取对应的n张目标图像;其中,所述第一设备标识为对象所使用的设备的唯一标识,所述图像采集设备具有获取所述第一设备标识的功能;所述n为正整数;
对象确定模块420,用于从所述n张目标图像中确定在至少两张目标图像中出现的同一目标对象;
轨迹确定模块430,用于根据具有所述目标对象的所述至少两张目标图像的获取时间和第二设备标识确定所述目标对象经过图像采集设备的移动顺序;
对象分析模块440,用于根据所述移动顺序和其它图像确定所述第一设备标识的使用对象是否为所述目标对象,所述其它图像是指除所述移动顺序对应的所述至少两张目标图像之外的包括所述目标对象的图像。
相关细节参考上述方法实施例。
需要说明的是:上述实施例中提供的对象追踪装置在进行对象追踪时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将对象追踪装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的对象追踪装置与对象追踪方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
图5是本申请一个实施例提供的对象追踪装置的框图,该装置可以是包含图1所示的对象追踪系统中的阻塞监控组件110的装置,比如:智能手机、平板电脑、笔记本电脑、台式电脑或服务器。对象追踪装置还可能被称为用户设备、便携式终端、膝上型终端、台式终端、控制终端等,本实施例对此不作限定。该装置至少包括处理器501和存储器502。
处理器501可以包括一个或多个处理核心,比如:4核心处理器、5核心处理器等。处理器501可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器501也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器501可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器501还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器502可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器502还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器502中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器501所执行以实现本申请中方法实施例提供的对象追踪方法。
在一些实施例中,对象追踪装置还可选包括有:外围设备接口和至少一个外围设备。处理器501、存储器502和外围设备接口之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口相连。示意性地,外围设备包括但不限于:射频电路、触摸显示屏、音频电路、和电源等。
当然,对象追踪装置还可以包括更少或更多的组件,本实施例对此不作限定。
可选地,本申请还提供有一种计算机可读存储介质,所述计算机可读存储介质中存储有程序,所述程序由处理器加载并执行以实现上述方法实施例的对象追踪方法。
可选地,本申请还提供有一种计算机产品,该计算机产品包括计算机可读存储介质,所述计算机可读存储介质中存储有程序,所述程序由处理器加载并执行以实现上述方法实施例的对象追踪方法。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种对象追踪方法,其特征在于,所述方法包括:
对于存储的每个第一设备标识,根据发送所述第一设备标识的图像采集设备的第二设备标识和所述第一设备标识的获取时间,获取对应的n张目标图像;其中,所述第一设备标识为对象所使用的设备的唯一标识,所述图像采集设备具有获取所述第一设备标识的功能;所述n为正整数;
从所述n张目标图像中确定在至少两张目标图像中出现的同一目标对象;
根据具有所述目标对象的所述至少两张目标图像的获取时间和第二设备标识确定所述目标对象经过图像采集设备的移动顺序;
根据所述移动顺序和其它图像确定所述第一设备标识的使用对象是否为所述目标对象,所述其它图像是指除所述移动顺序对应的所述至少两张目标图像之外的包括所述目标对象的图像。
2.根据权利要求1所述的方法,其特征在于,所述根据所述移动顺序和其它图像确定所述第一设备标识的使用对象是否为所述目标对象,包括:
根据所述移动顺序和其它图像计算所述目标对象所使用的设备的唯一标识是所述第一设备标识的使用概率;
在所述使用概率超过预设概率阈值时确定所述第一设备标识的使用对象是所述目标对象。
3.根据权利要求2所述的方法,其特征在于,所述根据所述移动顺序和其它图像计算所述目标对象所使用的设备的唯一标识是所述第一设备标识的使用概率,包括:
统计所述其它图像的第一数量;
统计所述移动顺序包括的不同的第二设备标识的第二数量及所述至少两张目标图像的第三数量;
统计包括所述目标对象的各个图像的第四数量及获取所述各个图像的图像采集设备的不同设备标识的第五数量,所述各个图像包括所述其它图像和所述至少两张目标图像,所述设备标识包括所述第二设备标识;
将所述第一数量、所述第二数量、所述第三数量、所述第四数量和所述第五数量代入所述预设概率计算公式确定所述目标对象所使用的设备的唯一标识是所述第一设备标识的使用概率。
4.根据权利要求3所述的方法,其特征在于,所述预设概率计算公式通过如下公式表示:
P=(c/a+i×d/b)/(i+1)-e/a
若c大于a,则令c=a;若d大于b,则令d=b
其中,P为所述使用概率,c为所述第四数量,d为所述第五数量,a为所述第三数量,b为所述第二数量,e为所述第一数量,i为固定系数。
5.根据权利要求1至4任一所述的方法,其特征在于,所述对于存储的每个第一设备标识,根据发送所述第一设备标识的图像采集设备的第二设备标识和所述第一设备标识的获取时间,获取对应的n张目标图像,包括:
从第一数据库中获取发送所述第一设备标识的每个图像采集设备的第二设备标识和所述每个图像采集设备获取所述第一设备标识的获取时间;
从第二数据库中根据每个第二设备标识和每个获取时间获取对应的所述n张目标图像。
6.根据权利要求5所述的方法,其特征在于,所述从第二数据库中根据每个第二设备标识和每个获取时间获取对应的所述n张目标图像,包括:
确定所述每个获取时间所属的目标时间段;
从所述第二数据库中获取所述第二设备标识和所述目标时间段对应的所述n张目标图像。
7.根据权利要求1至4任一所述的方法,其特征在于,所述对于存储的每个第一设备标识,根据发送所述第一设备标识的图像采集设备的第二设备标识和所述第一设备标识的获取时间,获取对应的n张目标图像之前,还包括:
获取各个图像采集装置发送的第一设备标识和所述第一设备标识的获取时间;
将所述第一设备标识、所述第一设备标识的获取时间、以及发送所述第一设备标识的图像采集装置的第二设备标识存储至第一数据库;
获取各个图像采集装置发送的图像数据和所述图像数据的获取时间;所述图像数据包括图片数据和视频数据;
提取所述图像数据中对象的特征数据,将所述对象的特征数据、所述图像数据和所述图像数据的获取时间、以及发送所述图像数据的图像采集装置的第二设备标识存储至第二数据库。
8.一种对象追踪装置,其特征在于,所述装置包括:
数据获取模块,用于对于存储的每个第一设备标识,根据发送所述第一设备标识的图像采集设备的第二设备标识和所述第一设备标识的获取时间,获取对应的n张目标图像;其中,所述第一设备标识为对象所使用的设备的唯一标识,所述图像采集设备具有获取所述第一设备标识的功能;所述n为正整数;
对象确定模块,用于从所述n张目标图像中确定在至少两张目标图像中出现的同一目标对象;
轨迹确定模块,用于根据具有所述目标对象的所述至少两张目标图像的获取时间和第二设备标识确定所述目标对象经过图像采集设备的移动顺序;
对象分析模块,用于根据所述移动顺序和其它图像确定所述第一设备标识的使用对象是否为所述目标对象,所述其它图像是指除所述移动顺序对应的所述至少两张目标图像之外的包括所述目标对象的图像。
9.一种对象追踪装置,其特征在于,所述装置包括处理器和存储器;所述存储器中存储有程序,所述程序由所述处理器加载并执行以实现如权利要求1至7任一项所述的对象追踪方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质中存储有程序,所述程序被处理器执行时用于实现如权利要求1至7任一项所述的对象追踪方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811540609.2A CN109559336B (zh) | 2018-12-17 | 2018-12-17 | 对象追踪方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811540609.2A CN109559336B (zh) | 2018-12-17 | 2018-12-17 | 对象追踪方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109559336A true CN109559336A (zh) | 2019-04-02 |
CN109559336B CN109559336B (zh) | 2020-11-10 |
Family
ID=65870125
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811540609.2A Active CN109559336B (zh) | 2018-12-17 | 2018-12-17 | 对象追踪方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109559336B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110659587A (zh) * | 2019-09-02 | 2020-01-07 | 广东虚拟现实科技有限公司 | 标记物、标记物识别方法、装置、终端设备及存储介质 |
CN110751116A (zh) * | 2019-10-24 | 2020-02-04 | 银河水滴科技(北京)有限公司 | 一种目标识别的方法及装置 |
CN111339852A (zh) * | 2020-02-14 | 2020-06-26 | 北京百度网讯科技有限公司 | 追踪方法、装置、电子设备和计算机可读存储介质 |
CN112866570A (zh) * | 2021-01-08 | 2021-05-28 | 北京码牛科技有限公司 | 一种图码联采、目标对象轨迹生成方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103731636A (zh) * | 2013-12-12 | 2014-04-16 | 深圳先进技术研究院 | 利用wi-fi与视频监控设备对目标进行追踪的方法 |
CN103763513A (zh) * | 2013-12-09 | 2014-04-30 | 北京计算机技术及应用研究所 | 一种分布式跟踪监控方法及其系统 |
CN105790955A (zh) * | 2016-04-06 | 2016-07-20 | 深圳市博康智能信息技术有限公司 | 一种基于mac地址与人脸信息关联的方法和系统 |
CN106878666A (zh) * | 2015-12-10 | 2017-06-20 | 杭州海康威视数字技术股份有限公司 | 基于监控摄像机来查找目标对象的方法、装置和系统 |
-
2018
- 2018-12-17 CN CN201811540609.2A patent/CN109559336B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103763513A (zh) * | 2013-12-09 | 2014-04-30 | 北京计算机技术及应用研究所 | 一种分布式跟踪监控方法及其系统 |
CN103731636A (zh) * | 2013-12-12 | 2014-04-16 | 深圳先进技术研究院 | 利用wi-fi与视频监控设备对目标进行追踪的方法 |
CN106878666A (zh) * | 2015-12-10 | 2017-06-20 | 杭州海康威视数字技术股份有限公司 | 基于监控摄像机来查找目标对象的方法、装置和系统 |
CN105790955A (zh) * | 2016-04-06 | 2016-07-20 | 深圳市博康智能信息技术有限公司 | 一种基于mac地址与人脸信息关联的方法和系统 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110659587A (zh) * | 2019-09-02 | 2020-01-07 | 广东虚拟现实科技有限公司 | 标记物、标记物识别方法、装置、终端设备及存储介质 |
CN110751116A (zh) * | 2019-10-24 | 2020-02-04 | 银河水滴科技(北京)有限公司 | 一种目标识别的方法及装置 |
CN110751116B (zh) * | 2019-10-24 | 2022-07-01 | 银河水滴科技(宁波)有限公司 | 一种目标识别的方法及装置 |
CN111339852A (zh) * | 2020-02-14 | 2020-06-26 | 北京百度网讯科技有限公司 | 追踪方法、装置、电子设备和计算机可读存储介质 |
CN111339852B (zh) * | 2020-02-14 | 2023-12-26 | 阿波罗智联(北京)科技有限公司 | 追踪方法、装置、电子设备和计算机可读存储介质 |
CN112866570A (zh) * | 2021-01-08 | 2021-05-28 | 北京码牛科技有限公司 | 一种图码联采、目标对象轨迹生成方法及装置 |
CN112866570B (zh) * | 2021-01-08 | 2022-07-22 | 北京码牛科技有限公司 | 一种图码联采、目标对象轨迹生成方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109559336B (zh) | 2020-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109559336A (zh) | 对象追踪方法、装置及存储介质 | |
CN103942811B (zh) | 分布式并行确定特征目标运动轨迹的方法与系统 | |
CN106844492B (zh) | 一种人脸识别的方法、客户端、服务器及系统 | |
Zhang et al. | Ev-loc: integrating electronic and visual signals for accurate localization | |
CN110363076A (zh) | 人员信息关联方法、装置及终端设备 | |
CN108269333A (zh) | 人脸识别方法、应用服务器及计算机可读存储介质 | |
CN107590439A (zh) | 基于监控视频的目标人物识别追踪方法和装置 | |
CN109547748A (zh) | 对象落脚点确定方法、装置及存储介质 | |
CN107871114A (zh) | 一种推送目标人员跟踪信息的方法、装置及系统 | |
CN108229855A (zh) | 服务质量监测方法及装置、计算机可读存储介质、终端 | |
CN109213882A (zh) | 图片排序方法及终端 | |
WO2020114131A1 (zh) | 同行分析方法及装置 | |
US9854208B2 (en) | System and method for detecting an object of interest | |
CN105208528A (zh) | 一种用于识别同行人员的系统及方法 | |
CN110443224A (zh) | 翻页检测方法、装置、电子设备及存储介质 | |
CN103955876A (zh) | 一种基于嵌入式和图像处理的图书馆自动查错系统 | |
CN110475124A (zh) | 视频卡顿检测方法及装置 | |
CN109872362A (zh) | 一种目标检测方法及装置 | |
Radaelli et al. | Using cameras to improve wi-fi based indoor positioning | |
CN111065044B (zh) | 基于大数据的数据关联分析方法、装置及计算机存储介质 | |
CN112100619B (zh) | 一种恶意文件检测方法、系统、设备及计算机存储介质 | |
CN111753658A (zh) | 一种睡岗告警方法、装置和计算机设备 | |
CN108399387A (zh) | 用于识别目标群体的数据处理方法及装置 | |
CN106571971A (zh) | 检测空壳网站的方法、装置及系统 | |
Zeng et al. | Effectively linking persons on cameras and mobile devices on networks |
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 |