CN109961458A - 目标对象的追踪方法、装置及计算机可读存储介质 - Google Patents

目标对象的追踪方法、装置及计算机可读存储介质 Download PDF

Info

Publication number
CN109961458A
CN109961458A CN201711428763.6A CN201711428763A CN109961458A CN 109961458 A CN109961458 A CN 109961458A CN 201711428763 A CN201711428763 A CN 201711428763A CN 109961458 A CN109961458 A CN 109961458A
Authority
CN
China
Prior art keywords
monitoring point
target object
attribute
place
weight
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
Application number
CN201711428763.6A
Other languages
English (en)
Other versions
CN109961458B (zh
Inventor
肖鸿安
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.)
Hangzhou Hikvision Digital Technology Co Ltd
Hangzhou Hikvision System Technology Co Ltd
Original Assignee
Hangzhou Hikvision Digital Technology 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 Hangzhou Hikvision Digital Technology Co Ltd filed Critical Hangzhou Hikvision Digital Technology Co Ltd
Priority to CN201711428763.6A priority Critical patent/CN109961458B/zh
Publication of CN109961458A publication Critical patent/CN109961458A/zh
Application granted granted Critical
Publication of CN109961458B publication Critical patent/CN109961458B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • 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)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Closed-Circuit Television Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种目标对象的追踪方法、装置及计算机可读存储介质，属于视频监控技术领域。所述方法包括：当获取拍摄到目标对象的视频画面时，从已部署的监控点中选择N个监控点，并通过该N个监控点采集的视频画面对目标对象进行追踪。由于该N个监控点是根据标对象当前所处的位置和目标对象的至少一个特征属性确定的，因此该N个监控点的拍摄区域可以代表目标对象之后可能出现的位置，无需通过管理人员人工预测目标对象之后可能出现的位置，简化了追踪的步骤，从而提高了对目标对象进行追踪的效率。

Description

目标对象的追踪方法、装置及计算机可读存储介质
技术领域
本发明涉及视频监控技术领域，特别涉及一种目标对象的追踪方法、装置及计算机可读存储介质。
背景技术
追踪，也即，当待监控的目标对象处于移动过程时，通过不同位置上的监控点分别监控目标对象的过程。比如，当目标对象从位置A移动到位置B，先通过位置A处的监控点监控目标对象，再通过位置B处的监控点监控目标对象，以实现对目标对象的追踪。
相关技术中，在检测到目标对象之后，由管理人员预测该目标对象之后可能出现的位置，并根据预测位置，从已部署的多个监控点中选择位于该预测位置处的监控点，并通过选择的监控点对目标对象进行监控。也即，当监控终端检测到管理人员通过预设操作触发的追踪指令时，根据该追踪指令携带的监控点的标识，获取该监控点采集的视频画面，以实现对目标对象的追踪。
在上述追踪方法中，在目标对象移动的过程中，由管理人员通过人工方法预测目标对象之后可能出现的位置，以实现对该目标对象的追踪，导致上述追踪方法步骤繁琐且效率较低。
发明内容
为了解决相关技术中的追踪方法步骤繁琐且效率较低的问题，本发明实施例提供了一种目标对象的追踪方法、装置及计算机可读存储介质。所述技术方案如下：
第一方面，提供了一种目标对象的追踪方法，所述方法包括：
获取拍摄到所述目标对象的视频画面；
根据拍摄所述视频画面的监控点的位置信息和/或所述视频画面中的背景建筑物的位置信息，确定所述目标对象当前所处的位置；
根据所述目标对象当前所处的位置和所述目标对象的至少一个特征属性，从已部署的监控点中选择N个监控点，每个特征属性用于描述所述目标对象的环境属性或所述目标对象的运动属性，所述N为大于或等于1且小于或等于所述已部署的监控点的总数的正整数；
获取所述N个监控点采集的视频画面，以实现对所述目标对象的追踪。
可选地，所述根据所述目标对象当前所处的位置和所述目标对象的至少一个特征属性，从已部署的监控点中选择N个监控点，包括：
根据所述目标对象当前所处的位置，从已部署的监控点中确定多个监控点；
根据所述至少一个特征属性，以及每个监控点与所述目标对象之间的距离，确定每个监控点的推荐指数；
根据所述多个监控点的推荐指数，对所述多个监控点进行排序；
按照所述多个监控点的推荐指数从大到小的顺序，从排序结果中选择N个监控点。
可选地，所述根据所述至少一个特征属性，以及每个监控点与所述目标对象之间的距离，确定每个监控点的推荐指数，包括：
针对所述多个监控点中的任一监控点A，根据所述监控点A与所述目标对象之间的距离，确定所述监控点A的距离权值，所述监控点A与所述目标对象之间的距离和所述距离权值成反比关系；
根据所述监控点A的位置信息和每个特征属性，确定与每个特征属性对应的属性权值，得到至少一个属性权值；
将所述至少一个属性权值和所述距离权值的乘积确定为所述监控点A的推荐指数。
可选地，所述至少一个特征属性包括所述目标对象当前的走向；
所述根据所述监控点A的位置信息和每个特征属性，确定与每个特征属性对应的属性权值，包括：
根据所述监控点A的位置信息，确定从所述目标对象当前所在的位置到所述监控点A的位置构成的线路的方向；
根据确定出的线路的方向与所述目标对象当前的走向之间的角度，确定所述监控点A的方向权值，所述监控点A的方向权值与所述角度成反比关系。
可选地，所述至少一个特征属性包括所述目标对象的特征场所，所述特征场所包括M个场所，每个场所存在对应的场所权值，且所述特征场所是根据所述目标对象所属的一类对象的历史出现位置确定的，所述M为大于或等于1的正整数；
所述根据所述监控点A的位置信息和每个特征属性，确定与每个特征属性对应的属性权值，包括：
根据所述监控点A的位置信息，确定所述监控点A所属的场所；
从所述M个场所中查找所述监控点A所属的场所；
将查找到的场所对应的场所权值确定为所述监控点A的场所权值，所述监控点A的场所权值用于描述所述目标对象出现在所述监控点A所属的场所的概率。
可选地，所述至少一个特征属性包括所述目标对象的特征道路类型，所述特征道路类型包括P个道路类型，每个道路类型存在对应的道路权值，所述特征道路类型是根据所述目标对象所属的一类对象的历史出现位置确定的，所述P为大于或等于1的正整数；
所述根据所述监控点A的位置信息和每个特征属性，确定与每个特征属性对应的属性权值，包括：
根据所述监控点A的位置信息，确定所述监控点A所在道路的道路类型；
从所述P个道路类型中查找所述监控点A所在道路的道路类型；
将查找到的道路类型对应的道路权值确定为所述监控点A的道路权值，所述监控点A的道路权值用于描述所述目标对象出现在所述监控点A所在道路的概率。
可选地，所述根据所述目标对象当前所处的位置和所述目标对象的至少一个特征属性，从已部署的监控点中选择N个监控点之前，还包括：
确定所述目标对象所属的一类对象的所有历史出现位置；
按照每个历史出现位置对应的属性类型，对所述所有历史出现位置进行分类，得到多个属性类型，每个历史出现位置对应的属性类型包括每个历史出现位置所在道路的道路类型或每个历史出现位置所属的场所；
根据所述多个属性类型中每个属性类型包括的历史出现位置的个数，对所述多个属性类型进行排序；
按照所述多个属性类型包括的历史出现位置的个数从大到小的顺序，从排序结果中选择Q个属性类型作为所述目标对象的一个特征属性，所述Q为大于或等于1的正整数；
确定所述Q个属性类型中每个属性类型的属性权值，每个属性类型的属性权值与对应的属性类型的排序名次成反比关系。
第二方面，提供了一种目标对象的追踪装置，所述装置包括：
第一获取模块，用于获取拍摄到所述目标对象的视频画面；
第一确定模块，用于根据拍摄所述视频画面的监控点的位置信息和/或所述视频画面中的背景建筑物的位置信息，确定所述目标对象当前所处的位置；
第一选择模块，用于根据所述目标对象当前所处的位置和所述目标对象的至少一个特征属性，从已部署的监控点中选择N个监控点，每个特征属性用于描述所述目标对象的环境属性或所述目标对象的运动属性，所述N为大于或等于1且小于或等于所述已部署的监控点的总数的正整数；
第二获取模块，用于获取所述N个监控点采集的视频画面，以实现对所述目标对象的追踪。
可选地，所述第一选择模块，包括：
第一确定单元，用于根据所述目标对象当前所处的位置，从已部署的监控点中确定多个监控点；
第二确定单元，用于根据所述至少一个特征属性，以及每个监控点与所述目标对象之间的距离，确定每个监控点的推荐指数；
排序单元，用于根据所述多个监控点的推荐指数，对所述多个监控点进行排序；
选择单元，用于按照所述多个监控点的推荐指数从大到小的顺序，从排序结果中选择N个监控点。
可选地，所述第二确定单元，包括：
第一确定子单元，用于针对所述多个监控点中的任一监控点A，根据所述监控点A与所述目标对象之间的距离，确定所述监控点A的距离权值，所述监控点A与所述目标对象之间的距离和所述距离权值成反比关系；
第二确定子单元，用于根据所述监控点A的位置信息和每个特征属性，确定与每个特征属性对应的属性权值，得到至少一个属性权值；
第三确定子单元，用于将所述至少一个属性权值和所述距离权值的乘积确定为所述监控点A的推荐指数。
可选地，所述至少一个特征属性包括所述目标对象当前的走向；
所述第二确定子单元，具体用于：
根据所述监控点A的位置信息，确定从所述目标对象当前所在的位置到所述监控点A的位置构成的线路的方向；
根据确定出的线路的方向与所述目标对象当前的走向之间的角度，确定所述监控点A的方向权值，所述监控点A的方向权值与所述角度成反比关系。
可选地，所述至少一个特征属性包括所述目标对象的特征场所，所述特征场所包括M个场所，每个场所存在对应的场所权值，且所述特征场所是根据所述目标对象所属的一类对象的历史出现位置确定的，所述M为大于或等于1的正整数；
所述第二确定子单元，具体用于：
根据所述监控点A的位置信息，确定所述监控点A所属的场所；
从所述M个场所中查找所述监控点A所属的场所；
将查找到的场所对应的场所权值确定为所述监控点A的场所权值，所述监控点A的场所权值用于描述所述目标对象出现在所述监控点A所属的场所的概率。
可选地，所述至少一个特征属性包括所述目标对象的特征道路类型，所述特征道路类型包括P个道路类型，每个道路类型存在对应的道路权值，所述特征道路类型是根据所述目标对象所属的一类对象的历史出现位置确定的，所述P为大于或等于1的正整数；
所述第二确定子单元，具体用于：
根据所述监控点A的位置信息，确定所述监控点A所在道路的道路类型；
从所述P个道路类型中查找所述监控点A所在道路的道路类型；
将查找到的道路类型对应的道路权值确定为所述监控点A的道路权值，所述监控点A的道路权值用于描述所述目标对象出现在所述监控点A所在道路的概率。
可选地，所述装置还包括：
第二确定模块，用于确定所述目标对象所属的一类对象的所有历史出现位置；
分类模块，用于按照每个历史出现位置对应的属性类型，对所述所有历史出现位置进行分类，得到多个属性类型，每个历史出现位置对应的属性类型包括每个历史出现位置所在道路的道路类型或每个历史出现位置所属的场所；
排序模块，用于根据所述多个属性类型中每个属性类型包括的历史出现位置的个数，对所述多个属性类型进行排序；
第二选择模块，按照所述多个属性类型包括的历史出现位置的个数从大到小的顺序，从排序结果中选择Q个属性类型作为所述目标对象的一个特征属性，所述Q为大于或等于1的正整数；
第三确定模块，用于确定所述Q个属性类型中每个属性类型的属性权值，每个属性类型的属性权值与对应的属性类型的排序名次成反比关系。
第三方面，提供一种目标对象的追踪系统，所述系统包括监控点和监控终端，所述监控终端用于执行上述第一方面所述的任一项方法的步骤。
第四方面，提供一种目标对象的追踪系统，所述系统包括监控终端和监控点：
所述监控点，用于获取拍摄到所述目标对象的视频画面；
所述监控点，还用于根据拍摄所述视频画面的监控点的位置信息和/或所述视频画面中的背景建筑物的位置信息，确定所述目标对象当前所处的位置；
所述监控终端，用于根据所述目标对象当前所处的位置和所述目标对象的至少一个特征属性，从已部署的监控点中选择N个监控点，每个特征属性用于描述所述目标对象的环境属性或所述目标对象的运动属性，所述N为大于或等于1且小于或等于所述已部署的监控点的总数的正整数；
所述监控终端，还用于获取所述N个监控点采集的视频画面，以实现对所述目标对象的追踪。
第五方面，提供一种目标对象的追踪装置，所述目标对象的追踪装置包括处理器、通信接口、存储器和通信总线；
所述处理器，所述通信接口和所述存储器通过所述通信总线完成相互间的通信；
所述存储器用于存放计算机程序；
所述处理器用于执行存储器上所存放的程序，以实现上述第一方面所述的任一项方法的步骤。
第六方面，提供一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的任一项方法的步骤。
第七方面，提供了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第一方面所述的目标对象的追踪方法。
本发明实施例提供的技术方案带来的有益效果是：
在本发明实施例中，当获取拍摄到目标对象的视频画面时，从已部署的监控点中选择N个监控点，并通过该N个监控点采集的视频画面对目标对象进行追踪。由于该N个监控点是根据标对象当前所处的位置和目标对象的至少一个特征属性确定的，因此该N个监控点的拍摄区域可以代表目标对象之后可能出现的位置，无需通过管理人员人工预测目标对象之后可能出现的位置，简化了追踪的步骤，从而提高了对目标对象进行追踪的效率。
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单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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是本发明实施例提供的一种目标对象的追踪系统示意图；
图2是本发明实施例提供的一种目标对象的追踪方法流程图；
图3是本发明实施例提供另的一种目标对象的追踪方法流程图；
图4A是本发明实施例提供的一种目标对象的追踪装置框图；
图4B是本发明实施例提供的一种第一选择模块框图；
图5是本发明实施例提供的另一种目标对象的追踪装置框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
在对本发明实施例提供的目标对象的追踪方法进行解释说明之前，先对本发明实施例的应用场景进行介绍。在视频监控技术领域，通常需要对目标对象进行追踪，以确定目标对象的行程。例如，为了确保学校的安全性，当在学校检测到嫌疑人员时，通常需要对该嫌疑人员进行追踪，以实时了解该嫌疑人员的行程，从而确保学校人员的安全。本申请就应用于对目标对象进行追踪的场景中。
另外，本发明实施例还提供了一种目标对象的追踪系统，如图1所示，该系统100包括监控终端101和多个监控点102，每个监控点102与监控终端101之间通过有线或无线的方式连接以进行通信。其中，该多个监控点102为部署在该系统100中的监控点。
监控点102用于采集该监控点102所在位置处的视频画面，并将采集的视频画面上传至监控终端101。监控终端101用于接收各个监控点102采集的视频画面，并基于各个监控点102采集的视频画面对目标对象进行追踪。
其中，监控终端101基于各个监控点102采集的视频画面对目标对象进行追踪的过程将在下述实施例中详细介绍，在此就先不阐述。
可选地，监控点102还用于对采集到的视频画面进行分析处理，比如对采集到的视频画面进行图像处理，以确定视频画面中的具体信息。也即，在本发明实施例中，监控点102可以直接将采集到的视频画面发送至监控终端101，由监控终端101对视频画面进行图像处理。当然，监控点102也可以在采集到视频画面之后，由自身对该视频画面进行图像处理，本发明实施例在此不做具体限定。
以下将结合附图对本发明实施例提供的目标对象的追踪方法做进一步说明。
图2是本发明实施例提供的一种目标对象的追踪方法流程图，该方法应用于图1所示的系统中，如图2所示，该方法包括以下步骤：
步骤201，获取拍摄到该目标对象的视频画面。
为了实现对目标对象进行追踪，需要首先确定拍摄到该目标对象的视频画面，以基于该视频画面对目标对象之后可能出现的位置进行分析。
需要说明的是，步骤201可以由图1所示的系统中的监控点执行，也可以由系统中的监控终端执行。
步骤202，根据拍摄该视频画面的监控点的位置信息和/或该视频画面中的背景建筑物的位置信息，确定该目标对象当前所处的位置。
对目标对象进行追踪，首先需要先确定目标对象当前所处的位置。
同样需要说明的是，步骤201可以由图1所示的系统中的监控点执行，也可以由系统中的监控终端执行。
步骤203，根据该目标对象当前所处的位置和该目标对象的至少一个特征属性，从已部署的监控点中选择N个监控点，每个特征属性用于描述该目标对象的环境属性或该目标对象的运动属性，N为大于或等于1且小于或等于已部署的监控点的总数的正整数。
由于该N个监控点是根据标对象当前所处的位置和目标对象的至少一个特征属性确定的，因此该N个监控点的拍摄区域可以代表目标对象之后可能出现的位置。
步骤204，获取该N个监控点采集的视频画面，以实现对该目标对象的追踪。
由于该N个监控点的拍摄区域可以代表目标对象之后可能出现的位置，因此通过该N个监控点采集的视频画面实现对该目标对象的追踪。
其中，步骤203和步骤204均是由图1所示的系统中的监控终端执行。
在本发明实施例中，根据目标对象当前所处的位置和目标对象的至少一个特征属性，从已部署的监控点中选择N个监控点，并通过该N个监控点采集的视频画面对目标对象进行追踪。由于该N个监控点是根据标对象当前所处的位置和目标对象的至少一个特征属性确定的，因此该N个监控点的拍摄区域可以代表目标对象之后可能出现的位置，无需通过管理人员人工预测目标对象之后可能出现的位置，简化了追踪的步骤，从而提高了对目标对象进行追踪的效率。
图3是本发明实施例提供的另一种目标对象的追踪方法流程图，该方法应用于图1所示的系统中，如图3所示，该方法包括以下步骤：
步骤301，获取拍摄到目标对象的视频画面。
在第一种可能的实现方式中，在监控终端中存储有目标对象的图片，监控终端在接收到各个监控点采集的视频画面之后，根据目标对象的图片识别各个监控点采集的视频画面中是否存在目标对象。当某个监控点采集的视频画面中存在目标对象时，确定当前检测到目标对象，并获取拍摄到该目标对象的视频画面。
也即，在第一种可能的实现方式中，是由图1所示的系统中的监控终端执行上述步骤301。
其中，根据目标对象的图片识别各个监控点采集的视频画面中是否存在目标对象的实现过程可以为：对于每个监控点采集的视频画面，监控终端对该视频画面进行分析，以确定该视频画面中是否存在与该目标对象的图片之间的相似度大于预设相似度的部分，当该视频画面中存在与该目标对象的图片之间的相似度大于预设相似度的部分时，确定该视频画面中存在目标对象。
在第二种可能的实现方式中，对于图1所示的系统中部署的每个监控点，在该监控点中存储有目标对象的图片，监控点在采集到视频画面之后，根据目标对象的图片识别该视频画面中是否存在目标对象，当确定该视频画面中存在该目标对象，该监控点确定当前检测到该目标对象。此时，获取拍摄该目标对象的视频画面，也即该监控点当前的视频画面。
也即，在第二种可能的实现方式中，是由图1所示的系统中的监控点执行上述步骤301。
其中，根据目标对象的图片识别该视频画面中是否存在目标对象的实现方式可以参考上述第一种可能的实现方式，在此不再详细阐述。
步骤302：根据拍摄该视频画面的监控点的位置信息和/或该视频画面中的背景建筑物的位置信息，确定该目标对象当前所处的位置。
具体地，确定该目标对象当前所处的位置可以由以下三种实现方式：
第一种可能的实现方式，根据拍摄该视频画面的监控点的位置信息，确定该目标对象当前所处的位置，也即，可以将拍摄频画面的监控点的位置确定为目标对象当前所处的位置。
第二种可能的实现方式，根据该视频画面中的背景建筑物的位置信息，确定该目标对象当前所处的位置。也即，对该视频画面进行分析处理，确定视频画面中的背景建筑物在该视频画面中的标识，并根据该背景建筑物在该视频画面中的标识确定该背景建筑物的位置信息。此时，可以将该背景建筑物的位置确定为该目标对象当前所处的位置。
第三种可能的实现方式，根据拍摄该视频画面的监控点的位置信息和该视频画面中的背景建筑物的位置信息，确定该目标对象当前所处的位置。也即，可以先根据拍摄该视频画面的监控点的位置信息，确定一个区域范围，然后根据视频画面中的背景建筑物的位置信息，在该区域范围中查找该背景建筑物的位置，以将该背景建筑物的位置确定为该目标对象当前所处的位置。
需要说明的是，针对步骤301的第一种可能的实现方式，当监控终端获取拍摄到该目标对象的视频画面之后，该监控终端根据步骤302确定该目标对象当前所处的位置。
针对步骤301的第二种可能的实现方式，当某个监控点获取拍摄到该目标对象的视频画面之后，可以将该视频画面发送给监控终端，由监控终端通过步骤302确定该目标对象当前所处的位置。
或者，当某个监控点获取拍摄到该目标对象的视频画面之后，由该监控点直接根据步骤302确定该目标对象当前所处的位置，当该监控点确定出该目标对象当前所处的位置之后，将该目标对象当前所处的位置发送给监控终端，以便于监控终端通过下述步骤303实现对该目标对象的追踪。
也即，在本发明实施例中，可以由监控点执行上述步骤302，可以由监控终端执行上述步骤302。
另外，在确定出目标对象当前所处的位置之后，需根据该目标对象当前所处的位置，预测目标对象之后可能出现的位置，也即需确定之后对该目标对象进行追踪的监控点。具体地，根据该目标对象当前所处的位置和该目标对象的至少一个特征属性，从已部署的监控点中选择N个监控点，该N为大于或等于1且小于或等于该已部署的监控点的总数的正整数。
其中，每个特征属性用于描述该目标对象的环境属性或该目标对象的运动属性。为了后续便于说明，在此对该目标对象的特征属性进行解释说明。
当特征属性用于描述该目标对象的环境属性时，该特征属性可以为目标对象出现的位置所属的场所的属性或出现的位置所在的道路的道路类型属性，也即，该特征属性可以为该目标对象的特征场所或特征道路类型。
当然，该特征属性可以为其他类型的环境属性，比如，可以为目标对象出现的位置处的建筑物的密集程度等。
当特征属性用于描述该目标对象的运动属性时，该特征属性可以为目标对象当前的走向。当然，该特征属性可以为其他类型的运行属性，比如，可以为该目标对象当前的运动速度。
进一步地，在本发明实施例中，监控终端预先确定该目标对象的特征属性，并为特征属性中的每个属性类型设置对应的属性权值，以便于后续根据该目标对象当前所处的位置和该目标对象的至少一个特征属性，从已部署的监控点中选择N个监控点。
其中，监控终端预先确定该目标对象的特征属性，并为特征属性中的每个属性类型设置对应的属性权值的实现方式如下：
确定该目标对象所属的一类对象的所有历史出现位置，按照每个历史出现位置对应的属性类型，对该所有历史出现位置进行分类，得到多个属性类型，每个历史出现位置对应的属性类型包括每个历史出现位置所在道路的道路类型或每个历史出现位置所属的场所。
根据该多个属性类型中每个属性类型包括的历史出现位置的个数，对该多个属性类型进行排序，按照该多个属性类型包括的历史出现位置的个数从大到小的顺序，从排序结果中选择Q个属性类型作为该目标对象的一个特征属性，该Q为大于或等于1的正整数。
监控终端在确定出该目标对象的特征属性之后，确定该特征属性包括的Q个属性类型中每个属性类型的属性权值，每个属性类型的属性权值与对应的属性类型的排序名次成反比关系。
下面将分别以目标对象的特征场所和目标对象的特征道路类型为例进行说明。
(1)目标对象的特征场所可以代表目标对象出现几率比较高的场所。在一种可能的实现方式中，该特征场所包括M个场所，每个场所存在对应的场所权值，且该特征场所是根据该目标对象所属的一类对象的历史出现位置确定的，M为大于或等于1的正整数。此时，上述Q个属性类型即该M个场所。
其中，监控终端预先确定该目标对象的特征场所的实现方式如下：
确定该目标对象的所有历史出现位置，按照每个历史出现位置所属的场所，对该所有历史出现位置进行分类，得到多个场所。根据该多个场所包括的历史出现位置的个数，对该多个场所进行排序。按照该多个场所包括的历史出现位置的个数从大到小的顺序，从排序结果中选择M个场所作为该目标对象的特征场所，该M为大于或等于1的正整数。
其中，根据该多个场所包括的历史出现位置的个数，对该多个场所进行排序可以为按照多个场所包括的历史出现位置的个数从大到小的顺序进行排序，也可以为按照多个场所包括的历史出现位置的个数从大到小的顺序进行排序。
另外，按照该多个场所包括的历史出现位置的个数从大到小的顺序，从排序结果中选择M个场所作为该目标对象的特征场所的实现方式也有很多种。比如，上述排序是按照从大到小的顺序进行排序的，此时，从排序结果中选择M个场所可以为选择排序结果中前M个场所，可以为选择排序结果中第2至第M+1个场所，也可以为选择第1个、第3个、…、第2M-1个场所。也即，从排序结果中选择M个场所可以为任意M个场所，只需保证这M个场所包括的历史出现位置的个数为从大到小的顺序即可。
当监控终端确定出目标对象的特征场所时，可以确定该特征场所包括的M个场所中每个场所的场所权值，其中，每个场所的场所权值与对应的场所的排序名次成反比关系。
例如，表1为本发明实施例提供的一种特征场所和场所权值的对应关系，如表1所示，特征场所包括场所1、场所2、…、场所M，场所1对应的场所权值为β1，场所2对应的场所权值为β2，…，场所M对应的场所权值为βM。其中，场所1、场所2、…、场所M的排序名词依次增大。
表1
特征场所 场所权值
场所1 β<sub>1</sub>
场所2 β<sub>2</sub>
… …
场所M β<sub>M</sub>
在一种可能的实现方式中，对于M个特征场所，场所1的场所权值为1，也即β1＝1，场所M的场所权值为1/M，也即βM＝1/M。
在另一种可能的实现方式中，β1至βM成等差数列依次减小。比如，M＝4，则M个特征场所的场所权值依次为1、0.75、0.5、0.25。又比如，M＝5，则M个特征场所的场所权值依次为1、0.8、0.6、0.4、0.2。
需要说明的是，为了避免该目标对象的所有历史出现位置的数量过多，增加监控终端处理数据的压力，该目标对象的所有历史出现位置可以为在当前时间之前且距离当前时间预设时间段内的时间范围内出现的位置。比如，该预设时间段为6个月，则该目标对象的所有历史出现位置为最近6个月内该目标对象出现的位置。
另外，由于目标对象的特征场所在一段时间之后可能发生变化，因此，监控终端需及时对已经确定出的特征场所进行更新，也即，监控终端可以每隔预设时长重新按照上述实现方式确定该目标对象的特征场所和该特征场所中包括的每个场所的场所权值。比如，监控终端可以每隔6个月对该目标对象的特征常说及对应的场所权值进行更新。
需要说明的是，不同类型的目标对象的特征场所极有可能不同，因此监控终端可以预先针对不同类型的目标对象，确定每种类型的目标对象的特征场所，并将每种类型的目标对象的特征场所存储在对象类型与特征场所之间的对应关系中。当监控终端通过步骤302确定出目标对象当前所处的位置之后，可以根据该目标对象的对象类型，从存储的对象类型与特征场所之间的对应关系中，确定该目标对象的特征场所。
例如，对于部署在学校的监控系统，存在三种不同类型的目标对象，分别为老师、学生以及嫌疑人员。通过上述方法分别确定这三种类型的目标对象的特征场所，并将目标对象的对象类型和确定的特征场所存储在对象类型和特征场所之间的对应关系中。如表2所示，目标对象老师的特征场所为教学楼、食堂以及办公楼，目标对象学生的特征场所为教学楼、图书馆、食堂以及运动场馆，目标对象嫌疑人员的特征场所为食堂、运动场馆以及宿舍。
表2
(2)目标对象的特征道路类型可以代表目标对象出现几率比较高的道路类型。在一种可能的实现方式中，该特征道路类型包括P个道路类型，每个道路类型存在对应的道路权值，该特征道路类型是根据该目标对象所属的一类对象的历史出现位置确定的，该P为大于或等于1的正整数。此时，上述Q个属性类型即该P个道路类型。
其中，监控终端预先确定该目标对象的特征道路类型的实现方式如下：
确定该目标对象所属的一类对象的所有历史出现位置；按照每个历史出现位置所在道路的道路类型，对该所有历史出现位置进行分类，得到多个道路类型；根据该多个道路类型包括的历史出现位置的个数，对该多个道路类型进行排序；按照该多个道路类型包括的历史出现位置的个数从大到小的顺序，从排序结果中选择P个道路类型作为该目标对象的特征道路类型。
当监控终端确定出目标对象的特征道路类型时，可以确定该特征道路类型包括的P个道路类型中每个道路类型的道路权值，其中，每个道路类型的道路权值与对应的道路类型的排序名次成反比关系。
具体地，监控终端预先确定该目标对象的特征道路类型的实现方式的详细过程可以参考上述监控终端预先确定该目标对象的特征场所的实现方式，在此不再详细阐述。
例如，对于部署在学校的目标对象的追踪系统，监控终端通过上述方式确定出目标对象的特征道路类型为：交叉路口、路边、大楼门口以及校大门。表3是本发明实施例提供的一种道路类型与道路权值之间的对应关系，如表3所示，道路类型“交叉路口”对应的道路权值为1，道路类型“路边”对应的道路权值为0.9，道路类型“大楼门口”对应的道路权值为0.8，道路类型“校大门”对应的道路权值为0.7。
表3
具体地，监控终端根据该目标对象当前所处的位置和该目标对象的至少一个特征属性，从已部署的监控点中选择N个监控点的详细过程将在下述步骤302至305进行介绍。
步骤303，根据该目标对象当前所处的位置，从已部署的监控点中确定多个监控点。
当监控终端确定出目标对象当前所处的位置之后，由于目标对象之后可能出现的位置一定是与当前所处的位置邻近的位置，因此，为了确定之后对该目标对象进行追踪的监控点，需先从已部署的监控点中确定多个与该目标对象当前所处位置邻近的监控点。
在一种可能的实现方式中，在监控终端中存储有在图1所示的系统中部署的监控点的位置信息，因此，步骤302具体可以为：对于监控系统中部署的每个监控点，根据每个监控点的位置信息和目标对象当前所处的位置，确定该监控点和目标对象之间的距离，并判断该监控点和目标对象之间的距离是否小于预设距离，当该监控点和目标对象之间的距离小于预设距离时，将该监控点确定为距离该目标对象预设距离范围内的监控点，也即将该监控点确定为该多个监控点中的一个监控点。
其中，预设距离为预设设置的距离，该预设距离可以为50m、100m或200m等。例如，预设距离为200m，监控终端在确定出目标对象当前所处的位置之后，可以按照上述方法确定距离该目标对象200m内的多个监控点。
另外，在监控系统中部署的监控点的位置信息是通过GPS(Global PositioningSystem，全球定位系统)技术确定的。也即，监控终端预先通过GPS技术确定在监控系统中部署的各个监控点的位置信息，并存储该各个监控点的位置信息。
在另一种可能的实现方式中，若该至少一个特征属性包括目标对象的走向，此时步骤302的实现方式为：根据该目标对象当前所处的位置和目标对象的走向，确定一个扇形区域，该扇形区域对应的圆的中心即为该目标对象当前所处的位置，该扇形区域的中心线的方向即为该目标对象的走向，该扇形区域的半径为预设距离。此时，对于监控系统中部署的每个监控点，监控终端根据每个监控点的位置信息确定该监控点是否在该扇形区域内，若该监控点在该扇形区域内，则将该监控点确定为该多个监控点中的一个。
步骤304，根据该至少一个特征属性，以及每个监控点与该目标对象之间的距离，确定每个监控点的推荐指数。
对于该多个监控点，监控终端需确定目标对象出现在该多个监控点中各个监控点的拍摄区域的可能性，在本发明实施例中，为每个监控点设置有推荐指数，该推荐指数可以代表目标对象出现在该监控点的拍摄区域的概率，也即，监控点的推荐指数越大，表明目标对象越有可能出现在该监控点的拍摄区域。因此，确定目标对象出现在各个监控点的拍摄区域的可能性，也即确定各个监控点的推荐指数。
具体地，步骤304的实现方式可以为：针对该多个监控点中的任一监控点A，根据该监控点A与该目标对象之间的距离，确定该监控点A的距离权值，该监控点A与该目标对象之间的距离和该距离权值成反比关系；根据该监控点A的位置信息和每个特征属性，确定与每个特征属性对应的属性权值，得到至少一个属性权值；将该至少一个属性权值和该距离权值的乘积确定为该监控点A的推荐指数。
其中，由于监控点距离目标对象越近，则目标对象出现在该监控点A所在位置的可能也比较大，因此，可以直接根据该监控点A与该目标对象之间的距离，确定该监控点A的距离权值，只需保证该距离权值和该监控点A与该目标对象之间的距离成反比关系即可。
在一种可能的实现方式中，可以直接将该监控点A与该目标对象之间的距离的倒数确定为该监控点A的距离权值。
在另一种可能的实现方式中，可以按照下述公式确定该监控点A的距离权值：
γ＝(L0-L)/L0
其中，γ为该监控点A的距离权值，L0为步骤303中的预设距离，也即L0为筛选范围内的最远距离，L为该监控点A与该目标对象之间的距离。
另外，由于该至少一个特征属性为目标对象当前的走向、目标对象的特征场所和目标对象的特征道路类型中的至少一个，因此，监控终端根据该监控点A的位置信息和每个特征属性，确定与每个特征属性对应的属性权值，得到至少一个属性权值，可能是确定上述三个特征属性对应的属性权值中的任一个，下面将分别说明确定与每个特征属性对应的属性权值的实现方式。
(1)当该特征属性为该目标对象当前的走向时，监控终端根据该监控点A的位置信息，确定从该目标对象当前所在的位置到该监控点A的位置构成的线路的方向；根据确定出的线路的方向与该目标对象当前的走向之间的角度，确定该监控点A的方向权值，该监控点A的方向权值与该角度成反比关系。
当目标按照当前的走向继续行走时，当该角度越小时，目标对象越有可能出现在监控点A的拍摄区域，因此该角度越小时，该监控点A的方向权值越大。
(2)当该特征属性为该目标对象的特征场所时，监控终端根据该监控点A的位置信息，确定该监控点A所属的场所；从该M个场所中查找该监控点A所属的场所；将查找到的场所对应的场所权值确定为该监控点A的场所权值，该监控点A的场所权值用于描述该目标对象出现在该监控点A所属的场所的概率。
由步骤302可知，目标对象的特征场所通常为M个场所。另外，对于目标对象的每个特征场所存在与其对应的场所权值，该场所权值代表目标对象出现在该特征场所的概率。也即，在监控终端中存储特征场所和场所权值的对应关系。
因此，监控终端可以直接根据上述步骤(2)确定监控点A的场所权值。
例如，在对于部署在学校的目标对象的追踪系统，目标对象嫌疑人员的特征场所为食堂、运动场馆以及宿舍，对应的场所权值β分别为，1、2/3、1/3。当该监控点所属的场所为宿舍时，该监控点的场所权值为1/3，当该监控点所属的场所为食堂时，该监控点的场所权值为1。
值得注意的是，当从该目标对象的特征场所中查找不到与该监控点所属的场所一致的特征场所时，可以将该监控点的场所权值设置为预设数值，该预设数值需小于上述特征场所的场所权值中的最小值，也即该预设数值小于βM。
(3)当该特征属性为该目标对象的特征道路类型时，监控终端根据该监控点A的位置信息，确定该监控点A所在道路的道路类型；从该P个道路类型中查找该监控点A所在道路的道路类型；将查找到的道路类型对应的道路权值确定为该监控点A的道路权值，该监控点A的道路权值用于描述该目标对象出现在该监控点A所在道路的概率。
由步骤302可知，在监控终端中存储有目标对象的特征道路类型，且存储有特征道路类型包括的P个道路类型与道路权值之间的对应关系，因此监控终端可以直接上述步骤(3)确定该监控点的道路权值。
当监控终端通过上述步骤(1)至步骤(3)中的至少一个步骤确定出该至少一个属性权值时，可以将该至少一个属性权值和确定出的距离权值相乘，得到该监控点A的推荐指数。
比如，如果该监控点所属的场所为目标对象的特征场所，则目标对象出现在该监控点所在位置的可能性较大。另一方面，如果监控点距离目标对象越近，则目标对象出现在该监控点所在位置的可能也比较大。因此，可以根据场所权值和距离权值确定该监控点的推荐指数。也即上述至少一个特征属性为该目标对象的特征场所。
又比如，由于对于不同的道路类型，监控点的推荐指数除了与场所权值、距离权值相关外，还与该监控点所在道路的道路类型相关。也即，上述至少一个特征属性为该目标对象的特征场所和该目标对象的特征道路类型。
步骤305，根据该多个监控点的推荐指数，对该多个监控点进行排序。
其中，对该多个监控点进行排序，可以按照多个监控点的推荐指数从大到小的顺序进行排序，也可以按照多个监控点的推荐指数从小到大的顺序进行排序。
例如，通过步骤304确定出10个监控点，按照该10个监控点的推荐指数从大到小的顺序进行排序，得到排序结果为监控点1、监控点2、监控点3、…、监控点10。
步骤306，按照该多个监控点的推荐指数从大到小的顺序，从排序结果中选择N个监控点。
步骤306的实现方式有很多种。当上述排序是按照从大到小的顺序进行排序时，此时，从从排序结果中选择N个监控点可以为选择排序结果中前N个监控点，可以为选择排序结果中第2至第N+1个监控点，也可以为选择第1个、第3个、…、第2N-1个监控点。也即，从排序结果中选择N个监控点可以为任意N个监控点，只需保证这N个监控点的推荐指数为从大到小的顺序即可。
其中，N为预设设置的数值，该N可以为2、3或4等。
例如，N为3，对于步骤304中的10个监控点，从排序结果中选择监控点1、监控点2和监控点3作为该3个监控点。
步骤307，获取该N个监控点采集的视频画面，以实现对该目标对象的追踪。
由于选取的N个监控点为步骤305中的多个监控点中推荐指数较高的监控点，因此，目标对象出现在该N个监控点的拍摄区域的可能性最大，所以监控终端可以根据该N个监控点采集的视频画面，对目标对象进行追踪。也即，监控终端获取该N个监控点采集的视频画面，根据该N个监控点采集的视频画面，确定目标对象移动之后所处的位置。
其中，根据该N个监控点采集的视频画面，确定目标对象移动之后所处的位置，也即，对于该N个监控点采集的视频画面中的每个视频画面，监控终端确定该视频画面中是否存在目标对象，当确定该视频画面存在目标对象时，确定目标对象当前处于采集该视频画面的监控点所在的位置。
另外，监控终端确定该视频画面中是否存在目标对象，可以为监控终端根据存储的目标对象的图片识别该视频画面中是否存在目标对象。也可以为当监控终端接收到管理人员通过预设操作触发的确定指令时，确定该视频画面中存在目标对象，也即监控终端在获取该N个监控点采集的视频画面之后，显示该N个监控点采集的视频画面，管理人员通过该N个监控点采集的视频画面确定目标对象位于哪个监控点采集的视频画面，以实现对目标对象的追踪。
进一步地，当监控终端确定该视频画面中存在目标对象时，也即监控终端获取拍摄到该目标对象的视频画面，此时由于目标对象可能还处于移动过程，监控终端可以返回执行步骤301，继续通过步骤301至步骤306对目标对象进行追踪。
在本发明实施例中，当获取拍摄到目标对象的视频画面时，从已部署的监控点中选择N个监控点，并通过该N个监控点采集的视频画面对目标对象进行追踪。由于该N个监控点是根据标对象当前所处的位置和目标对象的至少一个特征属性确定的，因此该N个监控点的拍摄区域可以代表目标对象之后可能出现的位置，无需通过管理人员人工预测目标对象之后可能出现的位置，简化了追踪的步骤，从而提高了对目标对象进行追踪的效率。
本发明实施例除了提供上述目标对象的追踪方法，还提供了一种目标对象的追踪装置，该目标对象的追踪装置应用于图1所示的监控终端，如图4A所示，该目标对象的追踪装置400包括第一获取模块401、第一确定模块402、第一选择模块403和第二获取模块404：
第一获取模块401，用于获取拍摄到该目标对象的视频画面；
第一确定模块402，用于根据拍摄该视频画面的监控点的位置信息和/或该视频画面中的背景建筑物的位置信息，确定该目标对象当前所处的位置；
第一选择模块403，用于根据该目标对象当前所处的位置和该目标对象的至少一个特征属性，从已部署的监控点中选择N个监控点，每个特征属性用于描述该目标对象的环境属性或该目标对象的运动属性，该N为大于或等于1且小于或等于该已部署的监控点的总数的正整数；
第二获取模块404，用于获取该N个监控点采集的视频画面，以实现对该目标对象的追踪。
可选地，参见图4B，该第一选择模块403包括第一确定单元4031、第二确定单元4032、排序单元4033和选择单元4034：
第一确定单元4031，用于根据该目标对象当前所处的位置，从已部署的监控点中确定多个监控点；
第二确定单元4032，用于根据该至少一个特征属性，以及每个监控点与该目标对象之间的距离，确定每个监控点的推荐指数；
排序单元4033，用于根据该多个监控点的推荐指数，对该多个监控点进行排序；
选择单元4034，用于按照该多个监控点的推荐指数从大到小的顺序，从排序结果中选择N个监控点。
可选地，该第二确定单元4032，包括：
第一确定子单元，用于针对该多个监控点中的任一监控点A，根据该监控点A与该目标对象之间的距离，确定该监控点A的距离权值，该监控点A与该目标对象之间的距离和该距离权值成反比关系；
第二确定子单元，用于根据该监控点A的位置信息和每个特征属性，确定与每个特征属性对应的属性权值，得到至少一个属性权值；
第三确定子单元，用于将该至少一个属性权值和该距离权值的乘积确定为该监控点A的推荐指数。
可选地，该至少一个特征属性包括该目标对象当前的走向；
该第二确定子单元，具体用于：
根据该监控点A的位置信息，确定从该目标对象当前所在的位置到该监控点A的位置构成的线路的方向；
根据确定出的线路的方向与该目标对象当前的走向之间的角度，确定该监控点A的方向权值，该监控点A的方向权值与该角度成反比关系。
可选地，该至少一个特征属性包括该目标对象的特征场所，该特征场所包括M个场所，每个场所存在对应的场所权值，且该特征场所是根据该目标对象所属的一类对象的历史出现位置确定的，该M为大于或等于1的正整数；
该第二确定子单元，具体用于：
根据该监控点A的位置信息，确定该监控点A所属的场所；
从该M个场所中查找该监控点A所属的场所；
将查找到的场所对应的场所权值确定为该监控点A的场所权值，该监控点A的场所权值用于描述该目标对象出现在该监控点A所属的场所的概率。
可选地，该至少一个特征属性包括该目标对象的特征道路类型，该特征道路类型包括P个道路类型，每个道路类型存在对应的道路权值，该特征道路类型是根据该目标对象所属的一类对象的历史出现位置确定的，该P为大于或等于1的正整数；
该第二确定子单元，具体用于：
根据该监控点A的位置信息，确定该监控点A所在道路的道路类型；
从该P个道路类型中查找该监控点A所在道路的道路类型；
将查找到的道路类型对应的道路权值确定为该监控点A的道路权值，该监控点A的道路权值用于描述该目标对象出现在该监控点A所在道路的概率。
可选地，该装置还包括：
第二确定模块，用于确定该目标对象所属的一类对象的所有历史出现位置；
分类模块，用于按照每个历史出现位置对应的属性类型，对该所有历史出现位置进行分类，得到多个属性类型，每个历史出现位置对应的属性类型包括每个历史出现位置所在道路的道路类型或每个历史出现位置所属的场所；
排序模块，用于根据该多个属性类型中每个属性类型包括的历史出现位置的个数，对该多个属性类型进行排序；
第二选择模块，按照该多个属性类型包括的历史出现位置的个数从大到小的顺序，从排序结果中选择Q个属性类型作为该目标对象的一个特征属性，该Q为大于或等于1的正整数；
第三确定模块，用于确定该Q个属性类型中每个属性类型的属性权值，每个属性类型的属性权值与对应的属性类型的排序名次成反比关系。
在本发明实施例中，当获取拍摄到目标对象的视频画面时，从已部署的监控点中选择N个监控点，并通过该N个监控点采集的视频画面对目标对象进行追踪。由于该N个监控点是根据标对象当前所处的位置和目标对象的至少一个特征属性确定的，因此该N个监控点的拍摄区域可以代表目标对象之后可能出现的位置，无需通过管理人员人工预测目标对象之后可能出现的位置，简化了追踪的步骤，从而提高了对目标对象进行追踪的效率。
需要说明的是：上述实施例提供的目标对象的追踪装置在对目标对象进行追踪时，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，即将设备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，上述实施例提供的基于目标对象的追踪装置与目标对象的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是本发明实施例提供的一种目标对象的追踪装置500的结构示意图。该装置500可以为图1所示的监控终端。具体来讲：
装置500包括中央处理单元(CPU)501、包括随机存取存储器(RAM)502和只读存储器(ROM)503的系统存储器504，以及连接系统存储器504和中央处理单元501的系统总线505。装置500还包括帮助计算机内的各个器件之间传输信息的基本输入/输出系统(I/O系统)506，和用于存储操作系统513、应用程序514和其他程序模块515的大容量存储设备507。
基本输入/输出系统506包括有用于显示信息的显示器508和用于用户输入信息的诸如鼠标、键盘之类的输入设备509。其中显示器508和输入设备509都通过连接到系统总线505的输入输出控制器510连接到中央处理单元501。基本输入/输出系统506还可以包括输入输出控制器510以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地，输入输出控制器510还提供输出到显示屏、打印机或其他类型的输出设备。
大容量存储设备507通过连接到系统总线505的大容量存储控制器(未示出)连接到中央处理单元501。大容量存储设备507及其相关联的计算机可读介质为装置500提供非易失性存储。也就是说，大容量存储设备507可以包括诸如硬盘或者CD-ROM驱动器之类的计算机可读介质(未示出)。
不失一般性，计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、EPROM、EEPROM、闪存或其他固态存储其技术，CD-ROM、DVD或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然，本领域技术人员可知计算机存储介质不局限于上述几种。上述的系统存储器504和大容量存储设备507可以统称为存储器。
根据本发明的各种实施例，装置500还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即装置500可以通过连接在系统总线505上的网络接口单元511连接到网络512，或者说，也可以使用网络接口单元511来连接到其他类型的网络或远程计算机系统(未示出)。
上述存储器还包括一个或者一个以上的程序，一个或者一个以上程序存储于存储器中，被配置由CPU执行。所述一个或者一个以上程序包含用于进行本发明实施例提供的目标对象的追踪方法的指令。
本发明实施例还提供了一种非临时性计算机可读存储介质，当所述存储介质中的指令由装置的处理器执行时，使得装置能够执行上述实施例提供的目标对象的追踪方法。
本申请实施例还提供了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实施例提供的目标对象的追踪方法。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (18)

1.一种目标对象的追踪方法，其特征在于，所述方法包括：
获取拍摄到所述目标对象的视频画面；
根据拍摄所述视频画面的监控点的位置信息和/或所述视频画面中的背景建筑物的位置信息，确定所述目标对象当前所处的位置；
根据所述目标对象当前所处的位置和所述目标对象的至少一个特征属性，从已部署的监控点中选择N个监控点，每个特征属性用于描述所述目标对象的环境属性或所述目标对象的运动属性，所述N为大于或等于1且小于或等于所述已部署的监控点的总数的正整数；
获取所述N个监控点采集的视频画面，以实现对所述目标对象的追踪。
2.如权利要求1所述的方法，其特征在于，所述根据所述目标对象当前所处的位置和所述目标对象的至少一个特征属性，从已部署的监控点中选择N个监控点，包括：
根据所述目标对象当前所处的位置，从所述已部署的监控点中确定多个监控点；
根据所述至少一个特征属性，以及每个监控点与所述目标对象之间的距离，确定每个监控点的推荐指数；
根据所述多个监控点的推荐指数，对所述多个监控点进行排序；
按照所述多个监控点的推荐指数从大到小的顺序，从排序结果中选择N个监控点。
3.如权利要求2所述的方法，其特征在于，所述根据所述至少一个特征属性，以及每个监控点与所述目标对象之间的距离，确定每个监控点的推荐指数，包括：
针对所述多个监控点中的任一监控点A，根据所述监控点A与所述目标对象之间的距离，确定所述监控点A的距离权值，所述监控点A与所述目标对象之间的距离和所述距离权值成反比关系；
根据所述监控点A的位置信息和每个特征属性，确定与每个特征属性对应的属性权值，得到至少一个属性权值；
将所述至少一个属性权值和所述距离权值的乘积确定为所述监控点A的推荐指数。
4.如权利要求3所述的方法，其特征在于，所述至少一个特征属性包括所述目标对象当前的走向；
所述根据所述监控点A的位置信息和每个特征属性，确定与每个特征属性对应的属性权值，包括：
根据所述监控点A的位置信息，确定从所述目标对象当前所在的位置到所述监控点A的位置构成的线路的方向；
根据确定出的线路的方向与所述目标对象当前的走向之间的角度，确定所述监控点A的方向权值，所述监控点A的方向权值与所述角度成反比关系。
5.如权利要求3所述的方法，其特征在于，所述至少一个特征属性包括所述目标对象的特征场所，所述特征场所包括M个场所，每个场所存在对应的场所权值，且所述特征场所是根据所述目标对象所属的一类对象的历史出现位置确定的，所述M为大于或等于1的正整数；
所述根据所述监控点A的位置信息和每个特征属性，确定与每个特征属性对应的属性权值，包括：
根据所述监控点A的位置信息，确定所述监控点A所属的场所；
从所述M个场所中查找所述监控点A所属的场所；
将查找到的场所对应的场所权值确定为所述监控点A的场所权值，所述监控点A的场所权值用于描述所述目标对象出现在所述监控点A所属的场所的概率。
6.如权利要求3所述的方法，其特征在于，所述至少一个特征属性包括所述目标对象的特征道路类型，所述特征道路类型包括P个道路类型，每个道路类型存在对应的道路权值，所述特征道路类型是根据所述目标对象所属的一类对象的历史出现位置确定的，所述P为大于或等于1的正整数；
所述根据所述监控点A的位置信息和每个特征属性，确定与每个特征属性对应的属性权值，包括：
根据所述监控点A的位置信息，确定所述监控点A所在道路的道路类型；
从所述P个道路类型中查找所述监控点A所在道路的道路类型；
将查找到的道路类型对应的道路权值确定为所述监控点A的道路权值，所述监控点A的道路权值用于描述所述目标对象出现在所述监控点A所在道路的概率。
7.如权利要求1至6任一所述的方法，其特征在于，所述根据所述目标对象当前所处的位置和所述目标对象的至少一个特征属性，从已部署的监控点中选择N个监控点之前，还包括：
确定所述目标对象所属的一类对象的所有历史出现位置；
按照每个历史出现位置对应的属性类型，对所述所有历史出现位置进行分类，得到多个属性类型，每个历史出现位置对应的属性类型包括每个历史出现位置所在道路的道路类型或每个历史出现位置所属的场所；
根据所述多个属性类型中每个属性类型包括的历史出现位置的个数，对所述多个属性类型进行排序；
按照所述多个属性类型包括的历史出现位置的个数从大到小的顺序，从排序结果中选择Q个属性类型作为所述目标对象的一个特征属性，所述Q为大于或等于1的正整数；
确定所述Q个属性类型中每个属性类型的属性权值，每个属性类型的属性权值与对应的属性类型的排序名次成反比关系。
8.一种目标对象的追踪装置，其特征在于，所述装置包括：
第一获取模块，用于获取拍摄到所述目标对象的视频画面；
第一确定模块，用于根据拍摄所述视频画面的监控点的位置信息和/或所述视频画面中的背景建筑物的位置信息，确定所述目标对象当前所处的位置；
第一选择模块，用于根据所述目标对象当前所处的位置和所述目标对象的至少一个特征属性，从已部署的监控点中选择N个监控点，每个特征属性用于描述所述目标对象的环境属性或所述目标对象的运动属性，所述N为大于或等于1且小于或等于所述已部署的监控点的总数的正整数；
第二获取模块，用于获取所述N个监控点采集的视频画面，以实现对所述目标对象的追踪。
9.如权利要求8所述的装置，其特征在于，所述第一选择模块，包括：
第一确定单元，用于根据所述目标对象当前所处的位置，从已部署的监控点中确定多个监控点；
第二确定单元，用于根据所述至少一个特征属性，以及每个监控点与所述目标对象之间的距离，确定每个监控点的推荐指数；
排序单元，用于根据所述多个监控点的推荐指数，对所述多个监控点进行排序；
选择单元，用于按照所述多个监控点的推荐指数从大到小的顺序，从排序结果中选择N个监控点。
10.如权利要求9所述的装置，其特征在于，所述第二确定单元，包括：
第一确定子单元，用于针对所述多个监控点中的任一监控点A，根据所述监控点A与所述目标对象之间的距离，确定所述监控点A的距离权值，所述监控点A与所述目标对象之间的距离和所述距离权值成反比关系；
第二确定子单元，用于根据所述监控点A的位置信息和每个特征属性，确定与每个特征属性对应的属性权值，得到至少一个属性权值；
第三确定子单元，用于将所述至少一个属性权值和所述距离权值的乘积确定为所述监控点A的推荐指数。
11.如权利要求10所述的装置，其特征在于，所述至少一个特征属性包括所述目标对象当前的走向；
所述第二确定子单元，具体用于：
根据所述监控点A的位置信息，确定从所述目标对象当前所在的位置到所述监控点A的位置构成的线路的方向；
根据确定出的线路的方向与所述目标对象当前的走向之间的角度，确定所述监控点A的方向权值，所述监控点A的方向权值与所述角度成反比关系。
12.如权利要求10所述的装置，其特征在于，所述至少一个特征属性包括所述目标对象的特征场所，所述特征场所包括M个场所，每个场所存在对应的场所权值，且所述特征场所是根据所述目标对象所属的一类对象的历史出现位置确定的，所述M为大于或等于1的正整数；
所述第二确定子单元，具体用于：
根据所述监控点A的位置信息，确定所述监控点A所属的场所；
从所述M个场所中查找所述监控点A所属的场所；
将查找到的场所对应的场所权值确定为所述监控点A的场所权值，所述监控点A的场所权值用于描述所述目标对象出现在所述监控点A所属的场所的概率。
13.如权利要求10所述的装置，其特征在于，所述至少一个特征属性包括所述目标对象的特征道路类型，所述特征道路类型包括P个道路类型，每个道路类型存在对应的道路权值，所述特征道路类型是根据所述目标对象所属的一类对象的历史出现位置确定的，所述P为大于或等于1的正整数；
所述第二确定子单元，具体用于：
根据所述监控点A的位置信息，确定所述监控点A所在道路的道路类型；
从所述P个道路类型中查找所述监控点A所在道路的道路类型；
将查找到的道路类型对应的道路权值确定为所述监控点A的道路权值，所述监控点A的道路权值用于描述所述目标对象出现在所述监控点A所在道路的概率。
14.如权利要求8至13任一所述的装置，其特征在于，所述装置还包括：
第二确定模块，用于确定所述目标对象所属的一类对象的所有历史出现位置；
分类模块，用于按照每个历史出现位置对应的属性类型，对所述所有历史出现位置进行分类，得到多个属性类型，每个历史出现位置对应的属性类型包括每个历史出现位置所在道路的道路类型或每个历史出现位置所属的场所；
排序模块，用于根据所述多个属性类型中每个属性类型包括的历史出现位置的个数，对所述多个属性类型进行排序；
第二选择模块，按照所述多个属性类型包括的历史出现位置的个数从大到小的顺序，从排序结果中选择Q个属性类型作为所述目标对象的一个特征属性，所述Q为大于或等于1的正整数；
第三确定模块，用于确定所述Q个属性类型中每个属性类型的属性权值，每个属性类型的属性权值与对应的属性类型的排序名次成反比关系。
15.一种目标对象的追踪系统，其特征在于，所述系统包括监控点和监控终端，所述监控终端用于执行上述权利要求1至7所述的任一项方法的步骤。
16.一种目标对象的追踪系统，其特征在于，所述系统包括监控点和监控终端：
所述监控点，用于获取拍摄到所述目标对象的视频画面；
所述监控点，还用于根据拍摄所述视频画面的监控点的位置信息和/或所述视频画面中的背景建筑物的位置信息，确定所述目标对象当前所处的位置；
所述监控终端，用于根据所述目标对象当前所处的位置和所述目标对象的至少一个特征属性，从已部署的监控点中选择N个监控点，每个特征属性用于描述所述目标对象的环境属性或所述目标对象的运动属性，所述N为大于或等于1且小于或等于所述已部署的监控点的总数的正整数；
所述监控终端，还用于获取所述N个监控点采集的视频画面，以实现对所述目标对象的追踪。
17.一种目标对象的追踪装置，其特征在于，所述目标对象的追踪装置包括处理器、通信接口、存储器和通信总线；
所述处理器，所述通信接口和所述存储器通过所述通信总线完成相互间的通信；
所述存储器用于存放计算机程序；
所述处理器用于执行存储器上所存放的程序，以实现权利要求1-7所述的任一项方法的步骤。
18.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-7所述的任一项方法的步骤。
CN201711428763.6A 2017-12-26 2017-12-26 目标对象的追踪方法、装置及计算机可读存储介质 Active CN109961458B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711428763.6A CN109961458B (zh) 2017-12-26 2017-12-26 目标对象的追踪方法、装置及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711428763.6A CN109961458B (zh) 2017-12-26 2017-12-26 目标对象的追踪方法、装置及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN109961458A true CN109961458A (zh) 2019-07-02
CN109961458B CN109961458B (zh) 2021-07-02

Family

ID=67021791

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711428763.6A Active CN109961458B (zh) 2017-12-26 2017-12-26 目标对象的追踪方法、装置及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN109961458B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN111102987A (zh) * 2019-12-12 2020-05-05 杭州鲁尔物联科技有限公司 一种救援车辆跟踪方法、装置、服务器和介质
CN111757001A (zh) * 2020-06-30 2020-10-09 浩鲸云计算科技股份有限公司 一种基于案发地点的实时最优摄像头选择和联动的智能解决方案
CN112199554A (zh) * 2020-10-20 2021-01-08 重庆紫光华山智安科技有限公司 一种追踪目标检索方法、系统、介质及电子终端
CN112732975A (zh) * 2020-12-31 2021-04-30 杭州海康威视数字技术股份有限公司 一种对象追踪方法、装置、电子设备及系统
CN112750301A (zh) * 2019-10-30 2021-05-04 杭州海康威视系统技术有限公司 目标对象追踪方法、装置、设备及计算机可读存储介质
CN112752067A (zh) * 2019-10-30 2021-05-04 杭州海康威视系统技术有限公司 目标追踪方法、装置、电子设备及存储介质
US20220187092A1 (en) * 2019-05-06 2022-06-16 Samsung Electronics Co., Ltd. Electronic device for acquiring location information on basis of image, and method for operating same

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102118611A (zh) * 2011-04-15 2011-07-06 中国电信股份有限公司 运动目标的数字视频监控方法与系统、数字视频监控平台
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
CN104079867A (zh) * 2013-03-28 2014-10-01 深圳先进技术研究院 一种基于空间信息的多视频关联监控定位装置与方法
US20150116502A1 (en) * 2013-10-31 2015-04-30 Electronics And Telecommunications Research Institute Apparatus and method for dynamically selecting multiple cameras to track target object
CN106570147A (zh) * 2016-10-27 2017-04-19 武汉烽火众智数字技术有限责任公司 一种基于gis路网分析的跳跃式视频追踪方法和系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102118611A (zh) * 2011-04-15 2011-07-06 中国电信股份有限公司 运动目标的数字视频监控方法与系统、数字视频监控平台
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
CN104079867A (zh) * 2013-03-28 2014-10-01 深圳先进技术研究院 一种基于空间信息的多视频关联监控定位装置与方法
US20150116502A1 (en) * 2013-10-31 2015-04-30 Electronics And Telecommunications Research Institute Apparatus and method for dynamically selecting multiple cameras to track target object
CN106570147A (zh) * 2016-10-27 2017-04-19 武汉烽火众智数字技术有限责任公司 一种基于gis路网分析的跳跃式视频追踪方法和系统

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220187092A1 (en) * 2019-05-06 2022-06-16 Samsung Electronics Co., Ltd. Electronic device for acquiring location information on basis of image, and method for operating same
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
CN112750301A (zh) * 2019-10-30 2021-05-04 杭州海康威视系统技术有限公司 目标对象追踪方法、装置、设备及计算机可读存储介质
CN112752067A (zh) * 2019-10-30 2021-05-04 杭州海康威视系统技术有限公司 目标追踪方法、装置、电子设备及存储介质
CN111102987A (zh) * 2019-12-12 2020-05-05 杭州鲁尔物联科技有限公司 一种救援车辆跟踪方法、装置、服务器和介质
CN111757001A (zh) * 2020-06-30 2020-10-09 浩鲸云计算科技股份有限公司 一种基于案发地点的实时最优摄像头选择和联动的智能解决方案
CN112199554A (zh) * 2020-10-20 2021-01-08 重庆紫光华山智安科技有限公司 一种追踪目标检索方法、系统、介质及电子终端
CN112199554B (zh) * 2020-10-20 2022-11-11 重庆紫光华山智安科技有限公司 一种追踪目标检索方法、系统、介质及电子终端
CN112732975A (zh) * 2020-12-31 2021-04-30 杭州海康威视数字技术股份有限公司 一种对象追踪方法、装置、电子设备及系统
WO2022143231A1 (zh) * 2020-12-31 2022-07-07 杭州海康威视数字技术股份有限公司 一种对象追踪方法、装置、电子设备及系统

Also Published As

Publication number Publication date
CN109961458B (zh) 2021-07-02

Similar Documents

Publication Publication Date Title
CN109961458A (zh) 目标对象的追踪方法、装置及计算机可读存储介质
TWI754855B (zh) 人臉圖像識別方法、裝置、電子設備及儲存介質
CN107677285B (zh) 机器人的路径规划系统及方法
CN110619423B (zh) 多任务预测方法、装置、电子设备及存储介质
Liu et al. Object tracking in vary lighting conditions for fog based intelligent surveillance of public spaces
US9652525B2 (en) Dynamic event detection system and method
CN108460362B (zh) 一种检测人体部位的系统及方法
CN108520229A (zh) 图像检测方法、装置、电子设备和计算机可读介质
CN108960114A (zh) 人体识别方法及装置、计算机可读存储介质及电子设备
Panagiotou et al. Intelligent urban data monitoring for smart cities
CN110573837B (zh) 导航方法、装置、存储介质以及服务器
JP2021533474A (ja) ノード分類方法、モデル訓練方法並びに、その装置、機器及びコンピュータプログラム
US20170220668A1 (en) Dynamic event detection system and method
US20170124430A1 (en) Apparatus, method and program for classifying crowd
Alashhab et al. Hand gesture detection with convolutional neural networks
CN110246160A (zh) 视频目标的检测方法、装置、设备及介质
Koceski et al. A novel quad harmony search algorithm for grid-based path finding
CN113807399A (zh) 一种神经网络训练方法、检测方法以及装置
CN112115372B (zh) 一种停车场的推荐方法及装置
Bahamid et al. A review on crowd analysis of evacuation and abnormality detection based on machine learning systems
Zhou et al. Familiarity-dependent computational modelling of indoor landmark selection for route communication: a ranking approach
CN109934845A (zh) 基于自注意力网络的时序行为捕捉框生成方法及装置
JP7491308B2 (ja) 物体検出装置、物体検出方法、プログラムおよび記録媒体
Kontarinis et al. Towards a Better Understanding of Museum Visitors' Behavior through Indoor Trajectory Analysis
CN110399900A (zh) 对象检测方法、装置、设备及介质

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