CN109614956A - 一种视频中对象的识别方法及装置 - Google Patents
一种视频中对象的识别方法及装置 Download PDFInfo
- Publication number
- CN109614956A CN109614956A CN201811648086.3A CN201811648086A CN109614956A CN 109614956 A CN109614956 A CN 109614956A CN 201811648086 A CN201811648086 A CN 201811648086A CN 109614956 A CN109614956 A CN 109614956A
- Authority
- CN
- China
- Prior art keywords
- identified
- image
- identification
- attribute
- attribute value
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种视频中对象的识别方法及装置。所述方法包括：获取待识别对象的识别图像对应的至少一个类别的属性值，根据待识别对象对应的至少一个类别的属性值，以及预先存储的多个已识别对象对应的至少一个类别的属性值，从多个已识别对象中确定所述待识别对象的相似对象，进而根据相似对象的识别图像，识别待识别对象。如此，本发明实施例可以根据待识别对象对应的至少一个类别的属性值，从其它监控设备拍摄到的监控视频中确定待识别对象的相似对象，进而根据相似对象的识别图像，确定待识别对象的轨迹，从而提高识别该对象的准确度，也有利于追踪该对象。
Description
技术领域
本发明涉及视频处理技术领域，尤其涉及一种视频中对象的识别方法及装置。
背景技术
当今社会中，出于安防管理的需要，监控设备布满了街道、社区、楼宇等各种公共场合。在发生警情时，先从监控设备采集的视频数据中确定出嫌疑人或嫌疑车辆的图像，然后由警务人员根据嫌疑人或嫌疑车辆的图像搜捕嫌疑人或嫌疑车辆。
现有技术中，监控设备采集视频流后，对于视频流中的识别对象，尚没有一种较佳方法可以识别该对象的轨迹。
发明内容
本发明实施例提供一种视频中对象的识别方法及装置，以解决现有技术中没有一种较佳方法可以识别该对象的轨迹的技术问题。
本发明实施例提供一种视频中对象的识别方法，所述方法包括：
获取待识别对象的识别图像对应的至少一个类别的属性值；
根据所述待识别对象对应的至少一个类别的属性值，以及预先存储的多个已识别对象对应的至少一个类别的属性值，从所述多个已识别对象中确定所述待识别对象的相似对象；所述已识别对象对应的至少一个类别的属性值是根据所述已识别对象的识别图像确定的，所述已识别对象的识别图像是根据第一监控设备拍摄得到的第一监控视频中包括的M帧图像确定的；M大于等于2；
根据所述相似对象的识别图像，识别所述待识别对象。
如此，本发明实施例可以根据待识别对象对应的至少一个类别的属性值，从其它监控设备拍摄到的监控视频中确定待识别对象的相似对象，进而根据相似对象的识别图像，确定待识别对象的轨迹，从而提高识别该对象的准确度，也有利于追踪该对象。
在一种可能的实现方式中，所述待识别对象的识别图像通过以下方式确定：
获取第二监控设备在预设时间段内对所述待识别对象进行拍摄得到的第二监控视频，所述第二监控视频包括N帧图像；N大于等于2；
针对第一图像，若所述第一图像为检测帧图像，则检测所述第一图像中所述待识别对象的类型及所述待识别对象对应的检测图像信息；若所述第一图像为预测帧图像，则根据第二图像中的所述待识别对象对应的图像信息，预测所述待识别对象在所述第一图像中对应的预测图像信息；所述第一图像是所述N帧图像中的任一个，所述第二图像是所述第一图像相邻的图像且已确定出或预测出所述待识别对象对应的图像信息；
根据所述待识别对象在不同帧图像中的检测图像信息和预测图像信息，确定所述待识别对象的识别图像。
在一种可能的实现方式中，根据所述待识别对象对应的至少一个类别的属性值，以及预先存储的多个已识别对象对应的至少一个类别的属性值，从所述多个已识别对象中确定所述待识别对象的相似对象，包括：
针对第一已识别对象，根据所述待识别对象对应的至少一个类别的属性值，以及所述第一已识别对象对应的至少一个类别的属性值，确定所述待识别对象与所述第一已识别对象之间的相似度；所述第一已识别对象为所述多个已识别对象中的任一个；
将所述多个已识别对象中与所述待识别对象之间的相似度大于预设阈值的已识别对象确定为所述相似对象。
在一种可能的实现方式中，根据所述待识别对象对应的至少一个类别的属性值，以及所述第一已识别对象对应的至少一个类别的属性值，确定所述待识别对象与所述第一已识别对象之间的相似度，包括：
针对第一类别的属性，根据所述待识别对象对应的所述第一类别的属性值以及所述第一已识别对象对应的所述第一类别的属性值，确定所述待识别对象与所述第一已识别对象之间针对所述第一类别的属性的相似度；所述第一类别的属性为所述至少一个类别的属性中的任一个；
根据所述待识别对象与所述第一已识别对象之间针对每个类别的属性的相似度，确定所述待识别对象与所述第一已识别对象之间的相似度。
在一种可能的实现方式中，所述识别对象为行人；所述识别对象对应的至少一个类别的属性为性别、年龄、衣服颜色、衣服款式、是否戴眼镜和是否背包中的至少一项；
或
所述识别对象为车辆；所述识别对象的至少一个类别的属性为车型、车身颜色、车辆品牌中的至少一项。
本发明实施例提供一种视频中对象的识别装置，所述装置包括：
获取单元，用于获取待识别对象的识别图像对应的至少一个类别的属性值；
处理单元，用于根据所述待识别对象对应的至少一个类别的属性值，以及预先存储的多个已识别对象对应的至少一个类别的属性值，从所述多个已识别对象中确定所述待识别对象的相似对象；所述已识别对象对应的至少一个类别的属性值是根据所述已识别对象的识别图像确定的，所述已识别对象的识别图像是根据第一监控设备拍摄得到的第一监控视频中包括的M帧图像确定的；M大于等于2；
所述处理单元，还用于根据所述相似对象的识别图像，识别所述待识别对象。
在一种可能的实现方式中，所述待识别对象的识别图像通过以下方式确定：
获取第二监控设备在预设时间段内对所述待识别对象进行拍摄得到的第二监控视频，所述第二监控视频包括N帧图像；N大于等于2；
针对第一图像，若所述第一图像为检测帧图像，则检测所述第一图像中所述待识别对象的类型及所述待识别对象对应的检测图像信息；若所述第一图像为预测帧图像，则根据第二图像中的所述待识别对象对应的图像信息，预测所述待识别对象在所述第一图像中对应的预测图像信息；所述第一图像是所述N帧图像中的任一个，所述第二图像是所述第一图像相邻的图像且已确定出或预测出所述待识别对象对应的图像信息；
根据所述待识别对象在不同帧图像中的检测图像信息和预测图像信息，确定所述待识别对象的识别图像。
在一种可能的实现方式中，所述处理单元具体用于：
针对第一已识别对象，根据所述待识别对象对应的至少一个类别的属性值，以及所述第一已识别对象对应的至少一个类别的属性值，确定所述待识别对象与所述第一已识别对象之间的相似度；所述第一已识别对象为所述多个已识别对象中的任一个；
将所述多个已识别对象中与所述待识别对象之间的相似度大于预设阈值的已识别对象确定为所述相似对象。
在一种可能的实现方式中，所述处理单元具体用于：
针对第一类别的属性，根据所述待识别对象对应的所述第一类别的属性值以及所述第一已识别对象对应的所述第一类别的属性值，确定所述待识别对象与所述第一已识别对象之间针对所述第一类别的属性的相似度；所述第一类别的属性为所述至少一个类别的属性中的任一个；
根据所述待识别对象与所述第一已识别对象之间针对每个类别的属性的相似度，确定所述待识别对象与所述第一已识别对象之间的相似度。
在一种可能的实现方式中，所述识别对象为行人；所述识别对象对应的至少一个类别的属性为性别、年龄、衣服颜色、衣服款式、是否戴眼镜和是否背包中的至少一项；
或
所述识别对象为车辆；所述识别对象的至少一个类别的属性为车型、车身颜色、车辆品牌中的至少一项。
本申请实施例的还提供一种装置，该装置具有实现上文所描述的视频中对象的识别方法的功能。该功能可以通过硬件执行相应的软件实现，在一种可能的设计中，该装置包括：处理器、收发器、存储器；该存储器用于存储计算机执行指令，该收发器用于实现该装置与其他通信实体进行通信，该处理器与该存储器通过该总线连接，当该装置运行时，该处理器执行该存储器存储的该计算机执行指令，以使该装置执行上文所描述的视频中对象的识别方法。
本发明实施例还提供一种计算机存储介质，所述存储介质中存储软件程序，该软件程序在被一个或多个处理器读取并执行时实现上述各种可能的实现方式中所描述的视频中对象的识别方法。
本发明实施例还提供一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述各种可能的实现方式中所描述的视频中对象的识别方法。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍。
图1为本发明实施例适用的系统架构的示意图；
图2为本发明实施例提供的一种视频中对象的识别方法所对应的流程示意图；
图3为本发明实施例提供的一种视频中对象的识别装置的结构示意图。
具体实施方式
下面结合说明书附图对本申请进行具体说明，方法实施例中的具体操作方法也可以应用于装置实施例中。
图1示例性示出了本发明实施例适用的系统架构的示意图，在该系统架构中包括监控设备101、服务器102。监控设备101实时采集视频流，然后将采集的视频流发送至服务器102，服务器102中包括视频中对象的识别装置，服务器102从视频流中获取图像，然后确定图像中的待识别对象对应的图像区域。监控设备101通过无线网络与服务器102连接，监控设备是具备采集图像功能的电子设备，比如摄像头、摄像机、录像机等。服务器102是一台服务器或若干台服务器组成的服务器集群或云计算中心。
基于图1所示的系统架构，图2示例性示出了本发明实施例提供的一种视频中对象的识别方法所对应的流程示意图，该方法的流程可以由视频中对象的识别装置执行，视频中对象的识别装置可以是图1所示的服务器102，如图2所示，具体包括以下步骤：
步骤201，获取待识别对象的识别图像对应的至少一个类别的属性值。
步骤202，根据待识别对象对应的至少一个类别的属性值，以及预先存储的多个已识别对象对应的至少一个类别的属性值，从多个已识别对象中确定待识别对象的相似对象。
步骤203，根据相似对象的识别图像，识别待识别对象。
如此，本发明实施例可以根据待识别对象对应的至少一个类别的属性值，从其它监控设备拍摄到的监控视频中确定待识别对象的相似对象，进而根据相似对象的识别图像，确定待识别对象的轨迹，从而提高识别该对象的准确度，也有利于追踪该对象。
步骤201中，待识别对象的识别图像可以通过多种方式获得，一种可能的实现方式为，获取第二监控设备在预设时间段内对待识别对象进行拍摄得到的第二监控视频，其中，第二监控视频可以包括N帧图像，N大于等于2。针对第一图像，若第一图像为检测帧图像，则检测第一图像中待识别对象的类型及待识别对象对应的检测图像信息；若第一图像为预测帧图像，则根据第二图像中的待识别对象对应的图像信息，预测待识别对象在第一图像中对应的预测图像信息，其中，第一图像是N帧图像中的任一个，第二图像是第一图像相邻的图像且已确定出或预测出待识别对象对应的图像信息。进而，可以根据待识别对象在不同帧图像中的检测图像信息和预测图像信息，确定待识别对象的识别图像。
在其它可能的实现方式中，待识别对象的识别图像也可以是通过其它摄像设备拍摄得到的，比如可以是照相机拍摄得到的照片，或者也可以是截取自视频中的图像，具体不做限定。
进一步地，识别对象可以为行人或车辆。
若识别对象为行人，则识别对象对应的至少一个类别的属性可以为性别、年龄、衣服颜色、衣服款式、是否戴眼镜和是否背包等属性。
若识别对象为车辆，则识别对象的至少一个类别的属性可以为车型、车身颜色、车辆品牌等属性。
更进一步地，针对任一识别对象，可以将识别对象的识别图像输入预设的属性分类模型，得到所述第一识别对象对应的多个属性类别的属性值。其中，预设的属性分类模型可以包括多个第一分类模型和第二分类模型，各第一分类模型对应的属性类别均不同，第二分类模型对应于所有属性类别。
步骤202中，已识别对象对应的至少一个类别的属性值可以是根据已识别对象的识别图像确定的，已识别对象的识别图像可以是根据第一监控设备拍摄得到的第一监控视频中包括的M帧图像确定的，M大于等于2。
具体地，获取第一监控设备拍摄得到的第一监控视频，其中，第一监控视频可以包括M帧图像。针对M帧图像中的任一图像，若该图像为检测帧图像，则检测该图像中识别对象的类型及识别对象对应的检测图像信息；若该图像为预测帧图像，则根据其它图像中的识别对象对应的图像信息，预测识别对象在该图像中对应的预测图像信息，其中，其它图像是第一图像相邻的图像且已确定出或预测出待识别对象对应的图像信息。进而，可以根据识别对象在不同帧图像中的检测图像信息和预测图像信息，确定识别对象的识别图像，即确定出已识别对象的识别图像。
本发明实施例中，相似对象的确定方式有多种，一个示例中，针对第一已识别对象，可以根据待识别对象对应的至少一个类别的属性值，以及第一已识别对象对应的至少一个类别的属性值，确定待识别对象与第一已识别对象之间的相似度，其中，第一已识别对象为多个已识别对象中的任一个；进而，可以将多个已识别对象中与待识别对象之间的相似度大于预设阈值的已识别对象确定为相似对象。
进一步地，针对第一类别的属性，根据待识别对象对应的第一类别的属性值以及第一已识别对象对应的第一类别的属性值，确定待识别对象与第一已识别对象之间针对第一类别的属性的相似度，其中，第一类别的属性为至少一个类别的属性中的任一个；进而，可以根据待识别对象与第一已识别对象之间针对每个类别的属性的相似度，确定待识别对象与第一已识别对象之间的相似度。
另一个示例中，针对第一已识别对象，可以根据待识别对象对应的至少一个类别的属性值，以及第一已识别对象对应的至少一个类别的属性值，确定待识别对象与第一已识别对象之间属性值相同的属性的数量，其中，第一已识别对象为多个已识别对象中的任一个；进而，若待识别对象与第一已识别对象之间属性值相同的属性的数量大于预设阈值，则可以将第一已识别对象确定为相似对象。
步骤203中，在确定相似图像之后，可以根据相似图像的识别图像来对待识别图像进行识别，例如，可以确定待识别对象的轨迹。
举个例子，若待识别对象为行人，监控设备A拍摄得到的行人的至少一个类别的属性值包括：男性、年龄30岁至40岁、戴眼镜、戴鸭舌帽、穿黑色夹克衫、蓝色牛仔裤和黑色运动鞋。则，根据这些属性值，可以从其他监控设备拍摄到的对象中进行查找，如果监控设备B拍摄到了相似图像，则可以确定待识别对象的轨迹，如果监控设备A早于监控设备B拍摄到待识别对象，则待识别对象的轨迹可以是从监控设备A运动到监控设备B，如果监控设备A晚于监控设备B拍摄到待识别对象，则待识别对象的轨迹可以是从监控设备B运动到监控设备A。
为了更好的解释本发明实施例，下面结合具体的实施场景描述本发明实施例提供的一种视频中对象的确定方法，该方法可以由视频中对象的确定装置执行。
设定视频流中包括10帧待识别图像，其中第一帧待识别图像为检测帧图像、第三帧待识别图像为检测帧图像。首先对第一帧待识别图像进行检测，确定第一帧待识别图像中的各识别对象的第一检测框。针对第一帧待识别图像中识别对象A的第一检测框，先对第一检测框中识别对象A的关键点进行检测，根据检测的关键点调整第一检测框。然后预测识别对象A的第一检测框在第二帧待识别图像对应的第二预测框。对第二预测框中识别对象A的关键点进行检测，根据检测的关键点调整第二预测框。之后再预测识别对象A的第二预测框在第三帧待识别图像中对应的第三预测框，对第三预测框中识别对象A的关键点进行检测，根据检测的关键点调整第三预测框。同时对第三帧待识别图像进行检测，确定第三帧待识别图像的第三检测框。依次类推，直到不能预测识别对象A在下一帧待识别图像中预测框。设定10帧待识别图像中，识别对象A对应8个框，则将这8个框作为识别对象A的识别图像，进而可以根据识别对象A的识别图像所对应的至少一个属性值，来确定识别对象A的相似对象，从而确定识别对象A的轨迹。
基于相同的技术构思，本发明实施例提供了一种视频中对象的识别的装置，如图3所示，该装置包括获取单元301和处理单元302；其中：
获取单元301，用于获取待识别对象的识别图像对应的至少一个类别的属性值；
处理单元302，用于根据所述待识别对象对应的至少一个类别的属性值，以及预先存储的多个已识别对象对应的至少一个类别的属性值，从所述多个已识别对象中确定所述待识别对象的相似对象；所述已识别对象对应的至少一个类别的属性值是根据所述已识别对象的识别图像确定的，所述已识别对象的识别图像是根据第一监控设备拍摄得到的第一监控视频中包括的M帧图像确定的；M大于等于2；
所述处理单元302，还用于根据所述相似对象的识别图像，识别所述待识别对象。
在一种可能的实现方式中，所述待识别对象的识别图像通过以下方式确定：
获取第二监控设备在预设时间段内对所述待识别对象进行拍摄得到的第二监控视频，所述第二监控视频包括N帧图像；N大于等于2；
针对第一图像，若所述第一图像为检测帧图像，则检测所述第一图像中所述待识别对象的类型及所述待识别对象对应的检测图像信息；若所述第一图像为预测帧图像，则根据第二图像中的所述待识别对象对应的图像信息，预测所述待识别对象在所述第一图像中对应的预测图像信息；所述第一图像是所述N帧图像中的任一个，所述第二图像是所述第一图像相邻的图像且已确定出或预测出所述待识别对象对应的图像信息；
根据所述待识别对象在不同帧图像中的检测图像信息和预测图像信息，确定所述待识别对象的识别图像。
在一种可能的实现方式中，所述处理单元302具体用于：
针对第一已识别对象，根据所述待识别对象对应的至少一个类别的属性值，以及所述第一已识别对象对应的至少一个类别的属性值，确定所述待识别对象与所述第一已识别对象之间的相似度；所述第一已识别对象为所述多个已识别对象中的任一个；
将所述多个已识别对象中与所述待识别对象之间的相似度大于预设阈值的已识别对象确定为所述相似对象。
在一种可能的实现方式中，所述处理单元302具体用于：
针对第一类别的属性，根据所述待识别对象对应的所述第一类别的属性值以及所述第一已识别对象对应的所述第一类别的属性值，确定所述待识别对象与所述第一已识别对象之间针对所述第一类别的属性的相似度；所述第一类别的属性为所述至少一个类别的属性中的任一个；
根据所述待识别对象与所述第一已识别对象之间针对每个类别的属性的相似度，确定所述待识别对象与所述第一已识别对象之间的相似度。
在一种可能的实现方式中，所述识别对象为行人；所述识别对象对应的至少一个类别的属性为性别、年龄、衣服颜色、衣服款式、是否戴眼镜和是否背包中的至少一项；
或
所述识别对象为车辆；所述识别对象的至少一个类别的属性为车型、车身颜色、车辆品牌中的至少一项。
本申请实施例的还提供一种装置，该装置具有实现上文所描述的视频中对象的识别方法的功能。该功能可以通过硬件执行相应的软件实现，在一种可能的设计中，该装置包括：处理器、收发器、存储器；该存储器用于存储计算机执行指令，该收发器用于实现该装置与其他通信实体进行通信，该处理器与该存储器通过该总线连接，当该装置运行时，该处理器执行该存储器存储的该计算机执行指令，以使该装置执行上文所描述的视频中对象的识别方法。
本发明实施例还提供一种计算机存储介质，所述存储介质中存储软件程序，该软件程序在被一个或多个处理器读取并执行时实现上述各种可能的实现方式中所描述的视频中对象的识别方法。
本发明实施例还提供一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述各种可能的实现方式中所描述的视频中对象的识别方法。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (12)
1.一种视频中对象的识别方法，其特征在于，所述方法包括：
获取待识别对象的识别图像对应的至少一个类别的属性值；
根据所述待识别对象对应的至少一个类别的属性值，以及预先存储的多个已识别对象对应的至少一个类别的属性值，从所述多个已识别对象中确定所述待识别对象的相似对象；所述已识别对象对应的至少一个类别的属性值是根据所述已识别对象的识别图像确定的，所述已识别对象的识别图像是根据第一监控设备拍摄得到的第一监控视频中包括的M帧图像确定的；M大于等于2；
根据所述相似对象的识别图像，识别所述待识别对象。
2.根据权利要求1所述的方法，其特征在于，所述待识别对象的识别图像通过以下方式确定：
获取第二监控设备在预设时间段内对所述待识别对象进行拍摄得到的第二监控视频，所述第二监控视频包括N帧图像；N大于等于2；
针对第一图像，若所述第一图像为检测帧图像，则检测所述第一图像中所述待识别对象的类型及所述待识别对象对应的检测图像信息；若所述第一图像为预测帧图像，则根据第二图像中的所述待识别对象对应的图像信息，预测所述待识别对象在所述第一图像中对应的预测图像信息；所述第一图像是所述N帧图像中的任一个，所述第二图像是所述第一图像相邻的图像且已确定出或预测出所述待识别对象对应的图像信息；
根据所述待识别对象在不同帧图像中的检测图像信息和预测图像信息，确定所述待识别对象的识别图像。
3.根据权利要求1所述的方法，其特征在于，根据所述待识别对象对应的至少一个类别的属性值，以及预先存储的多个已识别对象对应的至少一个类别的属性值，从所述多个已识别对象中确定所述待识别对象的相似对象，包括：
针对第一已识别对象，根据所述待识别对象对应的至少一个类别的属性值，以及所述第一已识别对象对应的至少一个类别的属性值，确定所述待识别对象与所述第一已识别对象之间的相似度；所述第一已识别对象为所述多个已识别对象中的任一个；
将所述多个已识别对象中与所述待识别对象之间的相似度大于预设阈值的已识别对象确定为所述相似对象。
4.根据权利要求3所述的方法，其特征在于，根据所述待识别对象对应的至少一个类别的属性值，以及所述第一已识别对象对应的至少一个类别的属性值，确定所述待识别对象与所述第一已识别对象之间的相似度，包括：
针对第一类别的属性，根据所述待识别对象对应的所述第一类别的属性值以及所述第一已识别对象对应的所述第一类别的属性值，确定所述待识别对象与所述第一已识别对象之间针对所述第一类别的属性的相似度；所述第一类别的属性为所述至少一个类别的属性中的任一个；
根据所述待识别对象与所述第一已识别对象之间针对每个类别的属性的相似度，确定所述待识别对象与所述第一已识别对象之间的相似度。
5.根据权利要求1至3中任一项所述的方法，其特征在于，所述识别对象为行人；所述识别对象对应的至少一个类别的属性为性别、年龄、衣服颜色、衣服款式、是否戴眼镜和是否背包中的至少一项；
或
所述识别对象为车辆；所述识别对象的至少一个类别的属性为车型、车身颜色、车辆品牌中的至少一项。
6.一种视频中对象的识别装置，其特征在于，所述装置包括：
获取单元，用于获取待识别对象的识别图像对应的至少一个类别的属性值；
处理单元，用于根据所述待识别对象对应的至少一个类别的属性值，以及预先存储的多个已识别对象对应的至少一个类别的属性值，从所述多个已识别对象中确定所述待识别对象的相似对象；所述已识别对象对应的至少一个类别的属性值是根据所述已识别对象的识别图像确定的，所述已识别对象的识别图像是根据第一监控设备拍摄得到的第一监控视频中包括的M帧图像确定的；M大于等于2；
所述处理单元，还用于根据所述相似对象的识别图像，识别所述待识别对象。
7.根据权利要求6所述的装置，其特征在于，所述待识别对象的识别图像通过以下方式确定：
获取第二监控设备在预设时间段内对所述待识别对象进行拍摄得到的第二监控视频，所述第二监控视频包括N帧图像；N大于等于2；
针对第一图像，若所述第一图像为检测帧图像，则检测所述第一图像中所述待识别对象的类型及所述待识别对象对应的检测图像信息；若所述第一图像为预测帧图像，则根据第二图像中的所述待识别对象对应的图像信息，预测所述待识别对象在所述第一图像中对应的预测图像信息；所述第一图像是所述N帧图像中的任一个，所述第二图像是所述第一图像相邻的图像且已确定出或预测出所述待识别对象对应的图像信息；
根据所述待识别对象在不同帧图像中的检测图像信息和预测图像信息，确定所述待识别对象的识别图像。
8.根据权利要求6所述的装置，其特征在于，所述处理单元具体用于：
针对第一已识别对象，根据所述待识别对象对应的至少一个类别的属性值，以及所述第一已识别对象对应的至少一个类别的属性值，确定所述待识别对象与所述第一已识别对象之间的相似度；所述第一已识别对象为所述多个已识别对象中的任一个；
将所述多个已识别对象中与所述待识别对象之间的相似度大于预设阈值的已识别对象确定为所述相似对象。
9.根据权利要求8所述的装置，其特征在于，所述处理单元具体用于：
针对第一类别的属性，根据所述待识别对象对应的所述第一类别的属性值以及所述第一已识别对象对应的所述第一类别的属性值，确定所述待识别对象与所述第一已识别对象之间针对所述第一类别的属性的相似度；所述第一类别的属性为所述至少一个类别的属性中的任一个；
根据所述待识别对象与所述第一已识别对象之间针对每个类别的属性的相似度，确定所述待识别对象与所述第一已识别对象之间的相似度。
10.根据权利要求6至8中任一项所述的方法，其特征在于，所述识别对象为行人；所述识别对象对应的至少一个类别的属性为性别、年龄、衣服颜色、衣服款式、是否戴眼镜和是否背包中的至少一项；
或
所述识别对象为车辆；所述识别对象的至少一个类别的属性为车型、车身颜色、车辆品牌中的至少一项。
11.一种计算机可读存储介质，其特征在于，所述存储介质存储有指令，当所述指令在计算机上运行时，使得计算机实现执行权利要求1至5中任一项所述的方法。
12.一种计算机设备，其特征在于，包括：
存储器，用于存储程序指令；
处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行如权利要求1至5中任一权利要求所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811648086.3A CN109614956A (zh) | 2018-12-29 | 2018-12-29 | 一种视频中对象的识别方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811648086.3A CN109614956A (zh) | 2018-12-29 | 2018-12-29 | 一种视频中对象的识别方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109614956A true CN109614956A (zh) | 2019-04-12 |
Family
ID=66017276
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811648086.3A Pending CN109614956A (zh) | 2018-12-29 | 2018-12-29 | 一种视频中对象的识别方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109614956A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117095317A (zh) * | 2023-10-19 | 2023-11-21 | 深圳市森歌数据技术有限公司 | 一种无人机三维影像实体识别与时间定位方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080031493A1 (en) * | 2006-05-22 | 2008-02-07 | Martin Brogren | Identification apparatus and method for identifying properties of an object detected by a video surveillance camera |
| CN106897742A (zh) * | 2017-02-21 | 2017-06-27 | 北京市商汤科技开发有限公司 | 用于检测视频中物体的方法、装置和电子设备 |
| CN108777779A (zh) * | 2018-06-12 | 2018-11-09 | 北京京东金融科技控股有限公司 | 一种视频拍摄设备的智能化装置、方法、介质及电子设备 |
| CN108986145A (zh) * | 2018-09-07 | 2018-12-11 | 中国工商银行股份有限公司 | 视频图像处理方法及装置 |
| CN108986138A (zh) * | 2018-05-24 | 2018-12-11 | 北京飞搜科技有限公司 | 目标跟踪方法及设备 |
| CN109002744A (zh) * | 2017-06-06 | 2018-12-14 | 中兴通讯股份有限公司 | 图像识别方法、装置和视频监控设备 |
| CN109102531A (zh) * | 2018-08-21 | 2018-12-28 | 北京深瞐科技有限公司 | 一种目标轨迹追踪方法及装置 |
-
2018
- 2018-12-29 CN CN201811648086.3A patent/CN109614956A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080031493A1 (en) * | 2006-05-22 | 2008-02-07 | Martin Brogren | Identification apparatus and method for identifying properties of an object detected by a video surveillance camera |
| CN106897742A (zh) * | 2017-02-21 | 2017-06-27 | 北京市商汤科技开发有限公司 | 用于检测视频中物体的方法、装置和电子设备 |
| CN109002744A (zh) * | 2017-06-06 | 2018-12-14 | 中兴通讯股份有限公司 | 图像识别方法、装置和视频监控设备 |
| CN108986138A (zh) * | 2018-05-24 | 2018-12-11 | 北京飞搜科技有限公司 | 目标跟踪方法及设备 |
| CN108777779A (zh) * | 2018-06-12 | 2018-11-09 | 北京京东金融科技控股有限公司 | 一种视频拍摄设备的智能化装置、方法、介质及电子设备 |
| CN109102531A (zh) * | 2018-08-21 | 2018-12-28 | 北京深瞐科技有限公司 | 一种目标轨迹追踪方法及装置 |
| CN108986145A (zh) * | 2018-09-07 | 2018-12-11 | 中国工商银行股份有限公司 | 视频图像处理方法及装置 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117095317A (zh) * | 2023-10-19 | 2023-11-21 | 深圳市森歌数据技术有限公司 | 一种无人机三维影像实体识别与时间定位方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110827190B (zh) | 针对自动对象标识的图像处理 | |
| CN112232293B (zh) | 图像处理模型训练、图像处理方法及相关设备 | |
| WO2019218824A1 (zh) | 一种移动轨迹获取方法及其设备、存储介质、终端 | |
| CN110853033B (zh) | 基于帧间相似度的视频检测方法和装置 | |
| US9224211B2 (en) | Method and system for motion detection in an image | |
| CN112149636B (zh) | 用于检测目标物体的方法、装置、电子设备及存储介质 | |
| Huang et al. | Automatic moving object extraction through a real-world variable-bandwidth network for traffic monitoring systems | |
| CN109740517A (zh) | 一种确定待识别对象的方法及装置 | |
| Hashemzadeh et al. | Counting moving people in crowds using motion statistics of feature-points | |
| CN109815842A (zh) | 一种确定待识别对象的属性信息的方法及装置 | |
| CN111553327A (zh) | 一种服饰识别方法、装置、设备和介质 | |
| US10373015B2 (en) | System and method of detecting moving objects | |
| CN111079621B (zh) | 检测对象的方法、装置、电子设备和存储介质 | |
| CN111553947A (zh) | 目标对象的定位方法、装置 | |
| CN111383204A (zh) | 视频图像融合方法、融合装置、全景监控系统及存储介质 | |
| KR20110035662A (ko) | 감시 카메라를 이용한 지능형 영상 검색 방법 및 시스템 | |
| US20230394686A1 (en) | Object Identification | |
| Turchini et al. | Convex polytope ensembles for spatio-temporal anomaly detection | |
| Mousse et al. | People counting via multiple views using a fast information fusion approach | |
| KR20170068312A (ko) | 효율적인 영상 분석 및 검색이 가능한 영상 분석 시스템, 이를 포함하는 통합 관제 시스템 및 그 동작방법 | |
| Patel et al. | Top‐Down and Bottom‐Up Cues Based Moving Object Detection for Varied Background Video Sequences | |
| CN109800675A (zh) | 一种确定人脸对象的识别图像的方法及装置 | |
| CN109800678A (zh) | 一种视频中对象的属性确定方法及装置 | |
| Choudhury et al. | Segmenting foreground objects in a multi-modal background using modified Z-score | |
| KR101826669B1 (ko) | 동영상 검색 시스템 및 그 방법 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190412 |