CN109784177A - 基于图像匹配的失踪人员快速定位方法、装置及介质 - Google Patents
基于图像匹配的失踪人员快速定位方法、装置及介质 Download PDFInfo
- Publication number
- CN109784177A CN109784177A CN201811536205.6A CN201811536205A CN109784177A CN 109784177 A CN109784177 A CN 109784177A CN 201811536205 A CN201811536205 A CN 201811536205A CN 109784177 A CN109784177 A CN 109784177A
- Authority
- CN
- China
- Prior art keywords
- photo
- information
- missing
- node server
- mist node
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000000605 extraction Methods 0.000 claims abstract description 29
- 230000002123 temporal effect Effects 0.000 claims abstract description 19
- 230000004044 response Effects 0.000 claims abstract description 6
- 239000003595 mist Substances 0.000 claims description 80
- 238000004590 computer program Methods 0.000 claims description 3
- 240000007594 Oryza sativa Species 0.000 claims description 2
- 235000007164 Oryza sativa Nutrition 0.000 claims description 2
- 235000009566 rice Nutrition 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 10
- 238000012544 monitoring process Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008033 biological extinction Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000005291 magnetic effect Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 241000750002 Nestor Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005587 bubbling Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 210000000352 storage cell Anatomy 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及人工智能领域,揭示了一种基于图像匹配的失踪人员快速定位方法、装置、介质及电子设备。该方法包括:获取用户发布的寻人启事中失踪人员的人脸信息、失踪时间信息和失踪位置信息;根据失踪时间信息和失踪位置信息确定用于追踪失踪人员的目标摄像头和目标摄像头的照片提取时间段;接收目标摄像头在照片提取时间段内拍摄到的照片;将接收到的照片与人脸信息进行匹配;响应于照片与失踪人员的人脸信息匹配成功,获取拍摄到所述照片的时间信息和摄像头的位置信息;根据拍摄照片的时间信息以及摄像头的位置信息预测失踪人员的实时位置范围。综上,此方法增强了获取照片的针对性,减少了人脸照片匹配的任务量,提高了寻找失踪人员效率。
Description
技术领域
本发明涉及人工智能领域,特别涉及一种基于图像匹配的失踪人员快速定位方法、装置、介质及电子设备。
背景技术
随着经济社会发展,城市化进程进一步推进,人口流动性越来越大,年轻劳动力出门打工后,家里留下了大量的留守儿童和留守老人,儿童和老人的认路能力差,极易迷路或者走失;另一方面,即使儿童和老人有成年人陪伴,但智能手机如迷药一般让很多成年人沉迷其中不能自拔,一旦成年人陷入手机的虚拟世界中,就会放松对身边老人或者儿童的监管,造成儿童或者老人走失的情况时有发生。
在现有技术的实现中,公共场所的监控只能起到录像和拍照的作用,一般都没有或者只有很少的专业人员来监视这些视频;判断哪个监控探头记录有走失人员的移动情况难度很大,可能同时有多个探头记录了走失人员的移动行为,但这些探头是不同的单位或者个人所有,一方面,普通人调取这些单位或者个人的监控视频难度很大,通常只有警方可以调取;另一方面,即使可以调取监控视频,因为走失人员很可能是不断移动的,而且摄像头众多,所以现阶段一般要人为从长时间大量摄像头拍摄的海量照片中,判断是否有失踪人员的照片。
现有技术的缺陷在于,在摄像头拍摄出的海量照片中找出失踪人员照片的任务量太大,无法通过摄像头及时确定失踪人员的位置,寻找失踪人员的效率低下。
发明内容
为了解决相关技术中存在的寻找失踪人员效率低下的技术问题,本发明提供了一种基于图像匹配的失踪人员快速定位方法、装置、介质及电子设备。
根据本申请的一方面,提供了一种基于图像匹配的失踪人员快速定位方法,所述方法包括:
获取用户发布的寻人启事中失踪人员的人脸信息、失踪时间信息和失踪位置信息;
根据所述失踪时间信息和失踪位置信息确定用于追踪所述失踪人员的目标摄像头和目标摄像头的照片提取时间段;
接收所述目标摄像头在所述照片提取时间段内拍摄到的照片;
将接收到的照片与所述失踪人员的人脸信息进行匹配;
响应于所述照片与所述失踪人员的人脸信息匹配成功,获取拍摄到所述照片的时间信息和拍摄到所述照片的摄像头的位置信息;
根据拍摄到所述照片的时间信息以及摄像头的位置信息预测所述失踪人员的实时位置范围。
根据本申请的另一方面,提供了一种基于图像匹配的失踪人员快速定位装置,所述装置包括:
第一获取模块,被配置为获取用户发布的寻人启事中失踪人员的人脸信息、失踪时间信息和失踪位置信息;
确定模块,被配置为根据所述失踪时间信息和失踪位置信息确定用于追踪所述失踪人员的目标摄像头和目标摄像头的照片提取时间段;
接收模块,被配置为接收所述目标摄像头在所述照片提取时间段内拍摄到的照片;
匹配模块,被配置为将接收到的照片与所述失踪人员的人脸信息进行匹配;
第二获取模块,被配置为响应于所述照片与所述失踪人员的人脸信息匹配成功,获取拍摄到所述照片的时间信息和拍摄到所述照片的摄像头的位置信息;
预测模块,被配置为根据拍摄到所述照片的时间信息以及摄像头的位置信息预测所述失踪人员的实时位置范围。
根据本申请的另一方面,提供了一种计算机可读程序介质,其存储有计算机程序指令,当所述计算机程序指令被计算机执行时,使计算机执行如前所述的方法。
根据本申请的另一方面,提供了一种电子设备,所述电子设备包括:
处理器;
存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,实现如前所述的方法。
本发明的实施例提供的技术方案可以包括以下有益效果:
对于本发明所提供的基于图像匹配的失踪人员快速定位方法,该方法包括:获取用户发布的寻人启事中失踪人员的人脸信息、失踪时间信息和失踪位置信息;根据所述失踪时间信息和失踪位置信息确定用于追踪所述失踪人员的目标摄像头和目标摄像头的照片提取时间段;接收所述目标摄像头在所述照片提取时间段内拍摄到的照片;将接收到的照片与所述失踪人员的人脸信息进行匹配;响应于所述照片与所述失踪人员的人脸信息匹配成功,获取拍摄到所述照片的时间信息和拍摄到所述照片的摄像头的位置信息;根据拍摄到所述照片的时间信息以及摄像头的位置信息预测所述失踪人员的实时位置范围。
此方法下,根据寻人启事中与失踪人员有关的信息,确定用于追踪失踪人员的摄像头,然后通过摄像头及时确定并预测失踪人员的位置,减少了人脸照片匹配的任务量,提高了寻找失踪人员的效率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并于说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的一种基于图像匹配的失踪人员快速定位方法应用环境示意图;
图2是根据一示例性实施例示出的一种基于图像匹配的失踪人员快速定位方法的流程示意图;
图3是根据一示例性实施例示出的雾节点服务器应用场景示意图;
图4是根据图2对应实施例示出的步骤220以及步骤230的细节流程图;
图5是根据图4对应实施例示出的步骤221的细节的流程图;
图6是根据图5对应实施例示出的一实施例的一种不可信度评分确定方法流程图;
图7是根据一示例性实施例示出的上限参考值的确定方法流程图;
图8是根据一示例性实施例示出的一种基于图像匹配的失踪人员快速定位装置的框图;
图9是根据一示例性实施例示出的一种用于实现上述基于图像匹配的失踪人员快速定位方法的电子设备示例框图;
图10是根据一示例性实施例示出的一种用于实现上述基于图像匹配的失踪人员快速定位方法的计算机可读存储介质。
具体实施方式
这里将详细地对示例性实施例执行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。
本公开首先提供了一种基于图像匹配的失踪人员快速定位方法。本发明可以固定于各种终端,例如服务器、云计算的物理基础设施、智能手机、平板电脑、台式电脑、笔记本电脑、iPad、主机、自助服务终端等任何具有控制功能和通信功能的设备。
图1是根据一示例性实施例示出的一种基于图像匹配的失踪人员快速定位方法应用环境示意图。如图1所示,本发明的实施终端可以与多个摄像头之间建立通信链路的连接,通信链路连接方式可以是:有线通信网连接、无线通信网连接。有线通信网的连接方式可以为双绞线、同轴电缆、光纤等;无线通信网的连接方式可以为微波、蜂窝网络等。通过通信链路的连接,本发明的实施终端可以与摄像头进行通信。在社会上经常有人员失踪的现象发生,通过摄像头可以拍摄各种场景的照片,当有失踪人员进入摄像头的视野内时,就可以拍摄到他的照片,然后可以根据拍摄到的照片追踪失踪人员的位置,在理论上只要足够多的摄像头,可以提供尽可能广的覆盖范围,有利于快速找到失踪人员。
图2是根据一示例性实施例示出的一种基于图像匹配的失踪人员快速定位方法的流程示意图。如图2所示,包括以下步骤:
步骤210,获取用户发布的寻人启事中失踪人员的人脸信息、失踪时间信息和失踪位置信息。
人脸信息是人脸的照片或者图片,记录有人的脸部特征用于识别失踪人员;失踪时间信息是失踪人员消失的时间;失踪位置信息是最后发现失踪者的地理位置。人脸信息可以用于确定失踪者是谁,其脸部特征是怎样,失踪时间信息和失踪位置信息可以帮助确定失踪者可能出现的位置。
在一个实施例中,在第三方网络平台的页面上展示有用户发布的寻人启事,通过预设的脚本爬取该寻人启事可以获取失踪人员的人脸信息、失踪时间信息和失踪位置信息。
在一个实施例中,用户通过邮件的方式将寻人启事发送到本终端所能读取的邮箱,通过邮箱处理工具或者在本发明的实施终端中设置的脚本可以爬取失踪人员的人脸信息、失踪时间信息和失踪位置信息。
在一个实施例中,用户把寻人启事发送到本发明实施终端所能控制的数据库,通过读取该数据库,即可得到失踪人员的人脸信息、失踪时间信息和失踪位置信息。
步骤220,根据所述失踪时间信息和失踪位置信息确定用于追踪所述失踪人员的目标摄像头和目标摄像头的照片提取时间段。
如上所述,失踪时间信息和失踪位置信息可以帮助确定失踪者可能出现的位置,而失踪者的位置最终要通过能拍摄到失踪者的摄像头来确定。由于摄像头的数量可能很多,如果获取本终端能控制的所有摄像头拍摄的照片来判断是否有失踪人员,不仅会对本终端造成巨大的负荷压力,而且会影响最终确定出有失踪人员照片的时间,降低了寻找失踪人员的效率,与本发明的本意相违背。所以这样做的好处在于,确定出用于追踪所述失踪人员的目标摄像头和目标摄像头的照片提取时间段可以大大降低确定含有失踪人员的照片的工作量,提高寻找失踪人员的效率。
在一个实施例中,通过如下步骤确定用于追踪所述失踪人员的目标摄像头和目标摄像头的照片提取时间段:
确定当前时间与失踪时间的差值,作为失踪持续时间;将失踪持续时间与预定单位距离的乘积作为目标摄像头分布范围半径;将以失踪位置为圆心,以目标摄像头分布范围半径为半径的圆形区域内的摄像头作为目标摄像头;确定目标摄像头位置与失踪位置之间的距离和目标摄像头分布范围半径的比值;将失踪时间后该比值与失踪持续时间的乘积作为起始时间点;将所述起始时间点后预定时间段作为所述目标摄像头的照片提取时间段。
在本实施例中,主要思想就是判断失踪人员的最大移动速度,然后划定失踪人员的最大可能出现的范围,然后在该范围内根据当前时间判断失踪人员是否有可能移动到某一摄像头的位置判断是否获取该摄像头拍摄的照片,如果判断失踪人员在该时间不可能移动到该位置,就不获取该位置的摄像头拍摄的照片。这样做的好处在于,在更大程度上降低确定出摄像头拍摄到的有失踪人员的照片的工作量,降低本实施终端的处理负载,提高寻找失踪人员的效率。
步骤230,接收所述目标摄像头在所述照片提取时间段内拍摄到的照片。
在一个实施例中,当判断当前时间进入某一目标摄像头的照片提取时间段,就指示可以接收该目标摄像头拍摄到的照片,本发明实施终端可以通过有线或者无线数据传输等方式接收目标摄像头拍摄到的照片。
步骤240,将接收到的照片与所述失踪人员的人脸信息进行匹配。
在一个实施例中,使用现有的卷积神经网络算法构建的模型,对接收到的照片进行人脸的提取,然后再用将提取到的人脸转化为单通道图像,对转化后的单通道图像使用直方图进行比较,以得出相似度,当相似度大于预定阈值,就认为人脸匹配成功。
步骤250,响应于所述照片与所述失踪人员的人脸信息匹配成功,获取拍摄到所述照片的时间信息和拍摄到所述照片的摄像头的位置信息。
在一个实施例中,每个摄像头中有GPS(Global Positioning System)模块和计时器,每当摄像头拍摄下一张照片,就在该照片上记录有该摄像头的位置和拍摄到该照片的时间。
在一个实施例中,在本端中设有数据库,记录有与本端连接的所有摄像头的ID(identification)和各摄像头的位置信息的对应关系;每一摄像头拍摄到的照片都记录有该摄像头的ID和照片拍摄时间,当确定出与失踪人员的人脸匹配成功的照片后,通过读取该照片上记录的时间可以得到所述照片的时间信息,通过读取记录在该照片上的摄像头ID可以从该数据库检索出拍摄到所述照片的摄像头的位置信息。
步骤260,根据拍摄到所述照片的时间信息以及摄像头的位置信息预测所述失踪人员的实时位置范围。
在一个实施例中,所述失踪人员的实时位置范围是通过如下方式预测的:确定当前时间与失踪时间的差值作为失踪持续时间,将当前时间与摄像头最后拍摄到失踪人员的时间的差值作为监控消失时间;按照拍摄到所述失踪人员时的时间的先后顺序,确定每一拍摄到失踪人员的摄像头与前一拍摄到失踪人员的摄像头之间的距离以及相应的拍摄时间差;确定所有该距离与拍摄时间差的比值的平均值;判断监控消失时间与平均值的乘积是否大于失踪位置和最后拍摄到失踪人员照片的摄像头的位置之间的距离;如果大于,将以失踪位置为圆心,以平均值与失踪持续时间的乘积为半径的圆形区域和以最后拍摄到失踪人员照片的摄像头的位置为圆心,以平均值与监控消失时间的乘积为半径的圆形区域重合的区域作为预测的失踪人员实时位置范围;如果不大于,将以最后拍摄到失踪人员照片的摄像头的位置为圆心,以平均值与监控消失时间的乘积为半径的圆形区域作为预测的失踪人员实时位置范围。
在本实施例中,通过分析接收到的照片数据,根据每相邻两个拍摄到失踪人员的照片的摄像头的位置以及拍摄时间,可以确定失踪人员的平均移动速度,然后根据该平均移动速度最终可以预测失踪人员的实时位置范围。这样做的好处在于,通过预测失踪人员的可能的实时位置范围,降低了由于失踪人员的不断移动在寻找失踪人员方面增加的困难,提高了失踪人员的搜索效率。
在一个实施例中,在摄像头与本端之间设有雾节点服务器,同一雾节点服务器连接有多个摄像头。
在摄像头与本端之间设置雾节点服务器体现了雾计算的架构。雾节点服务器本发明的技术方案实施在雾计算的服务计算架构模型中。雾计算是近年来新产生计算架构模型,是分布式计算中的一种,与云计算不同,雾计算的服务器与现场采集设备距离更近,具有低时延的特点,可以更快地处理现场采集到的数据。
图3是根据一示例性实施例示出的雾节点服务器应用场景示意图。如图3所示,在距离现场较近的位置设有计算能力一般的雾节点服务器,其通常通过通信链路控制并连接有少量的摄像头,因此,由于每个雾节点服务器与现场摄像头距离较近,且连接的摄像头数量较少,可以快速处理现场摄像头采集到的数据;然后,数据中心可以从雾节点服务器有选择地获取数据进行分析或者二次加工。
图4是根据图2对应实施例示出的步骤220以及步骤230的细节流程图。如图4所示,步骤220具体包括:
步骤221,确定用于追踪所述失踪人员的雾节点服务器。
在一个实施例中,将所有摄像头覆盖的范围划分为若干个区域,每个区域对应一个雾节点服务器。判断失踪人员的失踪位置属于哪个区域,就将该区域对应的雾节点服务器作为用于追踪所述失踪人员的雾节点服务器。
步骤222,向所述雾节点服务器发送失踪时间信息和失踪位置信息,以便所述雾节点服务器根据所述失踪时间信息和失踪位置信息确定目标摄像头和照片提取时间段。
在一个实施例中,将失踪时间后的时间划分为若干个时间段,根据失踪时间所属的时间段和失踪位置确定目标摄像头的位置和提取时间段。比如,如果一个人失踪一小时,则将以失踪位置为圆心,以3公里为半径的圆形区域内的摄像头作为目标摄像头;确定各目标摄像头的位置与失踪位置之间的距离,然后针对每个目标摄像头确定该距离与3的比值;将该比值与1的乘积的小时数作为该目标摄像头的照片提取时间段。
步骤230具体包括:
步骤231,通知所述雾节点服务器接收所述目标摄像头在所述照片提取时间段内拍摄到的照片,以便所述雾节点服务器在接收到的照片中识别出有人的照片。
在一个实施例中,雾节点服务器使用卷积神经网络模型,判断接收到的照片中是否有人脸,实现将接收到的照片分为有人和没人两类。
步骤232,从所述雾节点服务器获取所述有人的照片。
综上所述,图4所示的实施例好处在于,减少了本发明的实施终端的计算任务,降低了数据传输时的带宽需求,提高了拍有失踪人员的照片的识别效率。
图5是根据图4对应实施例示出的步骤221的细节的流程图。如图5所示,步骤221包括以下子步骤:
步骤2211,确定各雾节点服务器与所述失踪位置信息所记录的失踪位置之间的距离。
在一个实施例中,设有各雾节点服务器的地理位置和ID的对应关系表,通过查询雾节点服务器的ID,可以获取该雾节点服务器的地理位置,然后通过调用预设的地图API(Application Programming Interface,应用程序编程接口),将雾节点服务器的地理位置和失踪位置输入,得到该API返回的该雾节点服务器与失踪位置之间的距离。
步骤2212,获取当前时间与失踪时间之差,作为失踪持续时间。
步骤2213,基于所述距离和失踪持续时间确定各雾节点服务器的不可信度评分。
不可信度评分用于衡量一个服务器对于寻找失踪人员的不可信任的程度,一个雾节点服务器的该评分越大,说明该雾节点服务器在寻找失踪人员方面帮助越小,在一个实施例中,不可信度评分通过如下公式确定:
y=(x-e)2,
其中e是预先设置的基准值,x是各雾节点服务器的所述距离和失踪持续时间的比值,y是不可信度评分。
步骤2214,根据所述不可信度评分确定用于追踪所述失踪人员的雾节点服务器。
在一个实施例中,对各雾节点服务器的按照不可信度评分从小到大排序,将排序在前预定数目的雾节点服务器作为用于追踪该失踪人员的雾节点服务器。
图6是根据图5对应实施例示出的一实施例的一种不可信度评分确定方法流程图。如图6所示,包括以下步骤:
步骤610,根据各雾节点服务器与所述失踪位置的距离和失踪持续时间确定距离分数和时间分数。
在一个实施例中,距离分数通过将各雾节点服务器与所述失踪位置之间的距离通过如下公式归一化到[0,1]之间而得到的:
其中,是归一化后的雾节点服务器与所述失踪位置之间的距离,xmin是所有雾节点服务器与失踪位置之间的距离的最小值,xmax是所有雾节点服务器与失踪位置之间的距离的上限参考值。
在一个实施例中,将各雾节点服务器与所述失踪位置的距离与预定距离基准值的比值作为距离分数,将失踪持续时间与预定时间基准值的比值作为时间分数。这样做的好处在于,消除了由于失踪持续时间和距离的量纲不同而在确定不可信度评分时作用差别过大带来的不合理性。
步骤620,分别获取距离分数和时间分数的权重。
在一个实施例中,所述权重通过如下公式确定:
其中x是各雾节点服务器与所述失踪位置之间距离,单位为米(m),y是失踪持续时间,单位为小时(h),a是距离分数的权重,b是时间分数的权重。这样做的好处在于,针对不同的距离和失踪持续时间的组合确定不同的距离分数和时间分数的权重,使得在不同的距离和失踪持续时间的组合的情况下,距离分数和时间分数在确定不可信度评分中的作用各不相同,从而使不可信度评分的确定更为精准。
步骤630,基于该权重以及距离分数和时间分数确定各雾节点服务器距离分数和时间分数的加权和。
步骤640,将确定出的加权和作为针对各雾节点服务器确定的不可信度评分。
综上所述,本实施例技术方案的好处在于,通过分别将距离和失踪持续时间转化为距离分数和时间分数,消除了距离和时间由于量纲、单位不同而在确定不可信度评分中作用的不公平性,同时,考虑了各雾节点服务器与所述失踪位置的距离和失踪持续时间两个因素在确定用于追踪失踪人员的不同作用,使确定出的雾节点服务器更为合理。
图7是根据一示例性实施例示出的上限参考值的确定方法流程图。如图7所示,包括以下步骤:
步骤710,分别对各雾节点服务器与失踪位置之间的距离按照从小到大的顺序排序。
在一个实施例中,通过冒泡的方法排序,具体为,从前到后,分别比较相邻两个距离的大小,如果排在前面的距离大于排在后面的距离,就将两个距离互换,从前到后,依次比较,直至确定出最大的距离;然后在除了前一次确定出的最大距离后剩下的距离中重新通过如上方式确定最大距离,直至剩下一个距离。
步骤720,确定雾节点服务器的数目。
在一个实施例中,本发明实施终端中设有计数器,然后分别向各个雾节点服务器发送请求,雾节点服务器会返回带有标识的响应,每次接收到一个雾节点服务器返回的响应,计数器就加1。
步骤730,计算99%与所述数目的乘积。
步骤740,如果所述乘积为整数,将排序为所述乘积的雾节点服务器与失踪位置之间的距离作为上限参考值。
步骤750,如果所述乘积不为整数,将排序为小于所述乘积的最大整数的雾节点服务器与失踪位置之间的距离作为上限参考值。
本实施例的有益效果为,将极端大的雾节点服务器与所述失踪位置之间的距离,即冒尖的数据过滤掉,避免了极端数据对最终确定的距离分数的不良影响。
本公开还提供了一种基于图像匹配的失踪人员快速定位装置,以下是本发明的装置实施例。
图8是根据一示例性实施例示出的一种基于图像匹配的失踪人员快速定位装置的框图。如图8所示,该失踪人员快速定位装置800包括:
第一获取模块810,被配置为获取用户发布的寻人启事中失踪人员的人脸信息、失踪时间信息和失踪位置信息;
确定模块820,被配置为根据所述失踪时间信息和失踪位置信息确定用于追踪所述失踪人员的目标摄像头和目标摄像头的照片提取时间段;
接收模块830,被配置为接收所述目标摄像头在所述照片提取时间段内拍摄到的照片;
匹配模块840,被配置为将接收到的照片与所述失踪人员的人脸信息进行匹配;
第二获取模块850,被配置为响应于所述照片与所述失踪人员的人脸信息匹配成功,获取拍摄到所述照片的时间信息和拍摄到所述照片的摄像头的位置信息;
预测模块860,被配置为根据拍摄到所述照片的时间信息以及摄像头的位置信息预测所述失踪人员的实时位置范围。
根据本公开的第三方面,还提供了一种能够实现上述基于图像匹配的失踪人员快速定位方法的电子设备。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为系统、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
下面参照图9来描述根据本发明的这种实施方式的电子设备900。图9显示的电子设备900仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图9所示,电子设备900以通用计算设备的形式表现。电子设备900的组件可以包括但不限于:上述至少一个处理单元910、上述至少一个存储单元920、连接不同系统组件(包括存储单920和处理单元910)的总线930。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元910执行,使得所述处理单元910执行本说明书上述“实施例方法”部分中描述的根据本发明各种示例性实施方式的步骤。
存储单元920可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)921和/或高速缓存存储单元922,还可以进一步包括只读存储单元(ROM)923。
存储单元920还可以包括具有一组(至少一个)程序模块925的程序/实用工具924,这样的程序模块925包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线930可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备900也可以与一个或多个外部设备1100(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备900交互的设备通信,和/或与使得该电子设备900能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口950进行。并且,电子设备900还可以通过网络适配器960与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器960通过总线930与电子设备900的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备900使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
根据本公开的第四方面,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
参考图10所示,描述了根据本发明的实施方式的用于实现上述方法的程序产品1000,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外,上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围执行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (10)
1.一种基于图像匹配的失踪人员快速定位方法,其特征在于,所述方法包括:
获取用户发布的寻人启事中失踪人员的人脸信息、失踪时间信息和失踪位置信息;
根据所述失踪时间信息和失踪位置信息确定用于追踪所述失踪人员的目标摄像头和目标摄像头的照片提取时间段;
接收所述目标摄像头在所述照片提取时间段内拍摄到的照片;
将接收到的照片与所述失踪人员的人脸信息进行匹配;
响应于所述照片与所述失踪人员的人脸信息匹配成功,获取拍摄到所述照片的时间信息和拍摄到所述照片的摄像头的位置信息;
根据拍摄到所述照片的时间信息以及摄像头的位置信息预测所述失踪人员的实时位置范围。
2.根据权利要求1所述的方法,其特征在于,在摄像头和本端之间设有雾节点服务器,同一雾节点服务器连接有多个摄像头,所述根据所述失踪时间信息和失踪位置信息确定用于追踪所述失踪人员的目标摄像头和目标摄像头的照片提取时间段具体包括:
确定用于追踪所述失踪人员的雾节点服务器;
向所述雾节点服务器发送失踪时间信息和失踪位置信息,以便所述雾节点服务器根据所述失踪时间信息和失踪位置信息确定目标摄像头和照片提取时间段;
以及/或者所述接收所述目标摄像头在所述照片提取时间段内拍摄到的照片具体包括:
通知所述雾节点服务器接收所述目标摄像头在所述照片提取时间段内拍摄到的照片,以便所述雾节点服务器在接收到的照片中识别出有人的照片;
从所述雾节点服务器获取所述有人的照片。
3.根据权利要求2所述的方法,其特征在于,所述失踪位置信息记录有失踪位置,所述确定用于追踪所述失踪人员的雾节点服务器具体包括:
确定各雾节点服务器与所述失踪位置信息所记录的失踪位置之间的距离;
获取当前时间与失踪时间之差,作为失踪持续时间;
基于所述距离和失踪持续时间确定各雾节点服务器的不可信度评分;
根据所述不可信度评分确定用于追踪所述失踪人员的雾节点服务器。
4.根据权利要求3所述的方法,其特征在于,所述不可信度评分通过如下方式确定:
根据各雾节点服务器与所述失踪位置的距离和失踪持续时间确定距离分数和时间分数;
分别获取距离分数和时间分数的权重;
基于该权重以及距离分数和时间分数确定各雾节点服务器距离分数和时间分数的加权和;
将确定出的加权和作为针对各雾节点服务器确定的不可信度评分。
5.根据权利要求3所述的方法,其特征在于,所述权重通过如下公式确定:
其中x是各雾节点服务器与所述失踪位置之间距离,单位为米(m),y是失踪持续时间,单位为小时(h),a是距离分数的权重,b是时间分数的权重。
6.根据权利要求4所述的方法,其特征在于,距离分数通过将各雾节点服务器与所述失踪位置之间的距离通过如下公式归一化到[0,1]之间而得到的:
其中,是归一化后的雾节点服务器与所述失踪位置之间的距离,xmin是所有雾节点服务器与失踪位置之间的距离的最小值,xmax是所有雾节点服务器与失踪位置之间的距离的上限参考值。
7.根据权利要求6所述的方法,其特征在于,所述上限参考值按照如下方式确定:
分别对各雾节点服务器与失踪位置之间的距离按照从小到大的顺序排序;
确定雾节点服务器的数目;
计算99%与所述数目的乘积;
如果所述乘积为整数,将排序为所述乘积的雾节点服务器与失踪位置之间的距离作为上限参考值;
如果所述乘积不为整数,将排序为小于所述乘积的最大整数的雾节点服务器与失踪位置之间的距离作为上限参考值。
8.一种基于图像匹配的失踪人员快速定位装置,其特征在于,所述装置包括:
第一获取模块,被配置为获取用户发布的寻人启事中失踪人员的人脸信息、失踪时间信息和失踪位置信息;
确定模块,被配置为根据所述失踪时间信息和失踪位置信息确定用于追踪所述失踪人员的目标摄像头和目标摄像头的照片提取时间段;
接收模块,被配置为接收所述目标摄像头在所述照片提取时间段内拍摄到的照片;
匹配模块,被配置为将接收到的照片与所述失踪人员的人脸信息进行匹配;
第二获取模块,被配置为响应于所述照片与所述失踪人员的人脸信息匹配成功,获取拍摄到所述照片的时间信息和拍摄到所述照片的摄像头的位置信息;
预测模块,被配置为根据拍摄到所述照片的时间信息以及摄像头的位置信息预测所述失踪人员的实时位置范围。
9.一种计算机可读程序介质,其特征在于,其存储有计算机程序指令,当所述计算机程序指令被计算机执行时,使计算机执行根据权利要求1至7中任一项所述的方法。
10.一种电子设备,其特征在于,所述电子设备包括:
处理器;
存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,实现如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811536205.6A CN109784177A (zh) | 2018-12-14 | 2018-12-14 | 基于图像匹配的失踪人员快速定位方法、装置及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811536205.6A CN109784177A (zh) | 2018-12-14 | 2018-12-14 | 基于图像匹配的失踪人员快速定位方法、装置及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109784177A true CN109784177A (zh) | 2019-05-21 |
Family
ID=66497053
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811536205.6A Pending CN109784177A (zh) | 2018-12-14 | 2018-12-14 | 基于图像匹配的失踪人员快速定位方法、装置及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109784177A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110491128A (zh) * | 2019-09-23 | 2019-11-22 | 广西交通职业技术学院 | 一种基于大数据的智慧交通系统 |
CN110502521A (zh) * | 2019-08-28 | 2019-11-26 | 上海寰创通信科技股份有限公司 | 一种档案库的建立方法 |
CN110708509A (zh) * | 2019-10-10 | 2020-01-17 | 桂林理工大学 | 一种嫌疑犯追踪及特征快速提取的天眼网络视频监控方法 |
CN110781265A (zh) * | 2019-10-28 | 2020-02-11 | 恒大智慧科技有限公司 | 一种景区寻人方法、装置及存储介质 |
CN111556100A (zh) * | 2020-04-13 | 2020-08-18 | 支付宝(杭州)信息技术有限公司 | 信息处理方法、装置及设备 |
CN112040186A (zh) * | 2020-08-28 | 2020-12-04 | 北京市商汤科技开发有限公司 | 目标对象的活动区域确定方法、装置、设备及存储介质 |
CN112183243A (zh) * | 2020-09-11 | 2021-01-05 | 杭州市地下管道开发有限公司 | 一种智慧社区老人监护方法、系统、装置和存储介质 |
CN112417977A (zh) * | 2020-10-26 | 2021-02-26 | 青岛聚好联科技有限公司 | 一种目标对象查找方法和终端 |
CN113111207A (zh) * | 2021-04-21 | 2021-07-13 | 海南绿昆环岛害虫防治有限公司 | 一种有害生物防治检测信息系统及其实现方法 |
CN113129334A (zh) * | 2021-03-11 | 2021-07-16 | 宇龙计算机通信科技(深圳)有限公司 | 物体追踪方法、装置、存储介质及可穿戴电子设备 |
CN113132680A (zh) * | 2019-12-31 | 2021-07-16 | 浙江宇视科技有限公司 | 防止人员走失的方法、装置、设备和介质 |
CN113326823A (zh) * | 2021-08-03 | 2021-08-31 | 深圳市赛菲姆科技有限公司 | 一种基于社区场景下人员路径确定方法、系统 |
CN115394016A (zh) * | 2022-08-30 | 2022-11-25 | 中国银行股份有限公司 | 基于atm机纸质凭证的寻人方法及装置 |
CN116912899A (zh) * | 2023-05-22 | 2023-10-20 | 国政通科技有限公司 | 一种基于区域网络的人员搜索方法及装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20100138155A (ko) * | 2009-06-24 | 2010-12-31 | (주)로봇에버 | 미아찾기 시스템 및 그 방법 |
CN102843547A (zh) * | 2012-08-01 | 2012-12-26 | 安科智慧城市技术(中国)有限公司 | 一种嫌疑目标智能追踪方法和系统 |
CN103246869A (zh) * | 2013-04-19 | 2013-08-14 | 福建亿榕信息技术有限公司 | 基于人脸识别和行为语音识别的犯罪监控方法 |
CN104902004A (zh) * | 2015-04-13 | 2015-09-09 | 深圳位置网科技有限公司 | 一种失踪人口的紧急救助系统及方法 |
CN106096529A (zh) * | 2016-06-07 | 2016-11-09 | 深圳市智能城市技术有限公司 | 一种失踪人员定位方法、云端服务器及定位系统 |
CN106548646A (zh) * | 2016-11-08 | 2017-03-29 | 西安电子科技大学宁波信息技术研究院 | 基于雾计算的城市堵车时道路信息服务系统及方法 |
CN108073577A (zh) * | 2016-11-08 | 2018-05-25 | 中国电信股份有限公司 | 一种基于人脸识别的报警方法和系统 |
CN108513317A (zh) * | 2018-04-13 | 2018-09-07 | 中南大学 | 非回连模式下车联网雾计算能力的评估方法 |
CN108848170A (zh) * | 2018-06-22 | 2018-11-20 | 山东大学 | 一种基于nagios监控的雾集群管理系统与方法 |
CN108875466A (zh) * | 2017-06-01 | 2018-11-23 | 北京旷视科技有限公司 | 基于人脸识别的监控方法、监控系统与存储介质 |
-
2018
- 2018-12-14 CN CN201811536205.6A patent/CN109784177A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20100138155A (ko) * | 2009-06-24 | 2010-12-31 | (주)로봇에버 | 미아찾기 시스템 및 그 방법 |
CN102843547A (zh) * | 2012-08-01 | 2012-12-26 | 安科智慧城市技术(中国)有限公司 | 一种嫌疑目标智能追踪方法和系统 |
CN103246869A (zh) * | 2013-04-19 | 2013-08-14 | 福建亿榕信息技术有限公司 | 基于人脸识别和行为语音识别的犯罪监控方法 |
CN104902004A (zh) * | 2015-04-13 | 2015-09-09 | 深圳位置网科技有限公司 | 一种失踪人口的紧急救助系统及方法 |
CN106096529A (zh) * | 2016-06-07 | 2016-11-09 | 深圳市智能城市技术有限公司 | 一种失踪人员定位方法、云端服务器及定位系统 |
CN106548646A (zh) * | 2016-11-08 | 2017-03-29 | 西安电子科技大学宁波信息技术研究院 | 基于雾计算的城市堵车时道路信息服务系统及方法 |
CN108073577A (zh) * | 2016-11-08 | 2018-05-25 | 中国电信股份有限公司 | 一种基于人脸识别的报警方法和系统 |
CN108875466A (zh) * | 2017-06-01 | 2018-11-23 | 北京旷视科技有限公司 | 基于人脸识别的监控方法、监控系统与存储介质 |
CN108513317A (zh) * | 2018-04-13 | 2018-09-07 | 中南大学 | 非回连模式下车联网雾计算能力的评估方法 |
CN108848170A (zh) * | 2018-06-22 | 2018-11-20 | 山东大学 | 一种基于nagios监控的雾集群管理系统与方法 |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110502521A (zh) * | 2019-08-28 | 2019-11-26 | 上海寰创通信科技股份有限公司 | 一种档案库的建立方法 |
CN110502521B (zh) * | 2019-08-28 | 2023-05-09 | 上海寰创通信科技股份有限公司 | 一种档案库的建立方法 |
CN110491128A (zh) * | 2019-09-23 | 2019-11-22 | 广西交通职业技术学院 | 一种基于大数据的智慧交通系统 |
CN110708509A (zh) * | 2019-10-10 | 2020-01-17 | 桂林理工大学 | 一种嫌疑犯追踪及特征快速提取的天眼网络视频监控方法 |
CN110781265A (zh) * | 2019-10-28 | 2020-02-11 | 恒大智慧科技有限公司 | 一种景区寻人方法、装置及存储介质 |
CN113132680A (zh) * | 2019-12-31 | 2021-07-16 | 浙江宇视科技有限公司 | 防止人员走失的方法、装置、设备和介质 |
CN111556100A (zh) * | 2020-04-13 | 2020-08-18 | 支付宝(杭州)信息技术有限公司 | 信息处理方法、装置及设备 |
CN112040186A (zh) * | 2020-08-28 | 2020-12-04 | 北京市商汤科技开发有限公司 | 目标对象的活动区域确定方法、装置、设备及存储介质 |
WO2022042434A1 (zh) * | 2020-08-28 | 2022-03-03 | 北京市商汤科技开发有限公司 | 目标对象的活动区域确定方法、装置、设备及存储介质 |
CN112183243A (zh) * | 2020-09-11 | 2021-01-05 | 杭州市地下管道开发有限公司 | 一种智慧社区老人监护方法、系统、装置和存储介质 |
CN112183243B (zh) * | 2020-09-11 | 2024-02-02 | 杭州市地下管道开发有限公司 | 一种智慧社区老人监护方法、系统、装置和存储介质 |
CN112417977A (zh) * | 2020-10-26 | 2021-02-26 | 青岛聚好联科技有限公司 | 一种目标对象查找方法和终端 |
CN112417977B (zh) * | 2020-10-26 | 2023-01-17 | 青岛聚好联科技有限公司 | 一种目标对象查找方法和终端 |
CN113129334A (zh) * | 2021-03-11 | 2021-07-16 | 宇龙计算机通信科技(深圳)有限公司 | 物体追踪方法、装置、存储介质及可穿戴电子设备 |
CN113111207A (zh) * | 2021-04-21 | 2021-07-13 | 海南绿昆环岛害虫防治有限公司 | 一种有害生物防治检测信息系统及其实现方法 |
CN113111207B (zh) * | 2021-04-21 | 2023-04-07 | 海南绿昆环岛害虫防治有限公司 | 一种有害生物防治检测信息系统及其实现方法 |
CN113326823A (zh) * | 2021-08-03 | 2021-08-31 | 深圳市赛菲姆科技有限公司 | 一种基于社区场景下人员路径确定方法、系统 |
CN115394016A (zh) * | 2022-08-30 | 2022-11-25 | 中国银行股份有限公司 | 基于atm机纸质凭证的寻人方法及装置 |
CN115394016B (zh) * | 2022-08-30 | 2024-05-28 | 中国银行股份有限公司 | 基于atm机纸质凭证的寻人方法及装置 |
CN116912899A (zh) * | 2023-05-22 | 2023-10-20 | 国政通科技有限公司 | 一种基于区域网络的人员搜索方法及装置 |
CN116912899B (zh) * | 2023-05-22 | 2024-05-03 | 国政通科技有限公司 | 一种基于区域网络的人员搜索方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109784177A (zh) | 基于图像匹配的失踪人员快速定位方法、装置及介质 | |
CN109074358B (zh) | 提供与用户兴趣有关的地理位置 | |
WO2017193735A1 (zh) | 用于视频监控系统的行踪轨迹的获取方法和装置 | |
JP5457434B2 (ja) | モバイル装置により記録された画像のコンテンツに基づくデータアクセス | |
CN109686049A (zh) | 公共场所内儿童落单提醒方法、装置、介质及电子设备 | |
CN109800325A (zh) | 视频推荐方法、装置和计算机可读存储介质 | |
CN109669943A (zh) | 数据存储方法、数据查询方法及装置 | |
WO2017012236A1 (zh) | 用于人群风险预警的方法及装置 | |
JP2015531053A (ja) | 無線マップを動的に作成するためのシステム、方法、及びコンピュータプログラム | |
WO2020108234A1 (zh) | 图像索引生成方法、图像搜索方法、装置、终端及介质 | |
WO2019080881A1 (zh) | 行人流量漏斗生成方法及装置、存储介质、电子设备 | |
CN109213882A (zh) | 图片排序方法及终端 | |
TWI745818B (zh) | 視覺定位方法、電子設備及電腦可讀儲存介質 | |
CN110334231A (zh) | 一种信息处理方法及装置、存储介质 | |
Redžić et al. | Image and wlan bimodal integration for indoor user localization | |
AU2013321782A1 (en) | Device management apparatus and device search method | |
CN114550053A (zh) | 一种交通事故定责方法、装置、计算机设备及存储介质 | |
CN109902681A (zh) | 用户群体关系确定方法、装置、设备及存储介质 | |
CN109819400A (zh) | 用户位置的查找方法、装置、设备及介质 | |
CN113239792A (zh) | 一种大数据分析处理系统和方法 | |
US10176379B1 (en) | Integrating computer vision and wireless data to provide identification | |
CN113487055A (zh) | 一种智能门票预售方法和装置 | |
CN112183380B (zh) | 基于人脸识别的客流量分析方法和系统、电子设备 | |
CN115560753A (zh) | 一种信息处理方法、装置及计算机可读存储介质 | |
Jiao et al. | A hybrid fusion of wireless signals and RGB image for indoor positioning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 201, room 518000, building A, No. 1, front Bay Road, Qianhai Shenzhen Guangdong Shenzhen Hong Kong cooperation zone (Qianhai business secretary) Applicant after: Shenzhen one ledger Intelligent Technology Co., Ltd. Address before: 518000 Guangdong city of Shenzhen province Qianhai Shenzhen Hong Kong cooperation zone before Bay Road No. 1 building 201 room A Applicant before: Shenzhen one ledger Intelligent Technology Co., Ltd. |
|
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |