CN110139075B - 视频数据处理方法、装置、计算机设备和存储介质 - Google Patents
视频数据处理方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN110139075B CN110139075B CN201910390784.6A CN201910390784A CN110139075B CN 110139075 B CN110139075 B CN 110139075B CN 201910390784 A CN201910390784 A CN 201910390784A CN 110139075 B CN110139075 B CN 110139075B
- Authority
- CN
- China
- Prior art keywords
- gait
- preset
- gait feature
- video data
- features
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种视频数据处理方法、装置、计算机设备和存储介质。所述方法包括:获取当前视频数据中的步态特征,当前视频数据携带了录制信息,其中录制信息包括监控区域和录制时间;当从第一预设步态特征库中,查找到匹配的候选步态特征时,获取与候选步态特征对应的预设活动信息;当预设活动信息与录制信息未成功匹配时,获取预设时间段的监控视频;根据目标步态特征,与监控视频中的步态特征的匹配结果,确定当前运动轨迹,目标步态特征为步态特征和/或候选步态特征。实时监控的视频数据中出现预先配置的步态特征匹配的步态特征,且活动信息不匹配时,根据获取的视频数据和特征计算运动轨迹,运动轨迹可用于分析用户行为,进而提高监控效率。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种视频数据处理方法、装置、计算机设备和存储介质。
背景技术
随着计算机技术的不断发展,计算机视觉技术也随之发展。目前计算机视觉已经被应用到日常生活中的各个领域中,在监控领域尤其突出。目前的视频监控中,都是直接对视频数据进行数据处理,提取视频数据中的特征,根据提取的特征与预设特征匹配度,判断视频的用户,由于视频数据的质量无法保证,从而导致监控效率低下。
发明内容
为了解决上述技术问题,本申请提供了一种视频数据处理方法、装置、计算机设备和存储介质。
第一方面,本申请提供了一种视频数据处理方法,包括:
获取当前视频数据中的步态特征,当前视频数据携带了录制信息;
当从第一预设步态特征库中,查找到与步态特征匹配的至少一个候选步态特征时,获取与各个候选步态特征对应的预设活动信息;
当预设活动信息,与录制信息未成功匹配时,获取预设时间段的监控视频;
根据目标步态特征,与监控视频中的步态特征的匹配结果,确定目标步态特征对应的当前运动轨迹,其中目标步态特征包括步态特征和候选步态特征中的至少一种。
第二方面,本申请提供了一种视频数据处理装置,包括:
特征获取模块,用于获取当前视频数据中的步态特征,当前视频数据携带了录制信息;
当从第一预设步态特征库中,查找到与步态特征匹配的至少一个候选步态特征时,获取与各个候选步态特征对应的预设活动信息;
当预设活动信息,与录制信息未成功匹配时,获取预设时间段的监控视频;
根据目标步态特征,与监控视频中的步态特征的匹配结果,确定目标步态特征对应的当前运动轨迹,其中目标步态特征包括步态特征和候选步态特征中的至少一种。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取当前视频数据中的步态特征,当前视频数据携带了录制信息;
当从第一预设步态特征库中,查找到与步态特征匹配的至少一个候选步态特征时,获取与各个候选步态特征对应的预设活动信息;
当预设活动信息,与录制信息未成功匹配时,获取预设时间段的监控视频;
根据目标步态特征,与监控视频中的步态特征的匹配结果,确定目标步态特征对应的当前运动轨迹,其中目标步态特征包括步态特征和候选步态特征中的至少一种。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取当前视频数据中的步态特征,当前视频数据携带了录制信息;
当从第一预设步态特征库中,查找到与步态特征匹配的至少一个候选步态特征时,获取与各个候选步态特征对应的预设活动信息;
当预设活动信息,与录制信息未成功匹配时,获取预设时间段的监控视频;
根据目标步态特征,与监控视频中的步态特征的匹配结果,确定目标步态特征对应的当前运动轨迹,其中目标步态特征包括步态特征和候选步态特征中的至少一种。
上述视频数据处理方法、装置、计算机设备和存储介质,所述方法包括:获取当前视频数据中的步态特征,当前视频数据携带了录制信息,录制信息包括监控区域和录制时间;当从第一预设步态特征库中,查找到与步态特征匹配的至少一个候选步态特征时,获取与各个候选步态特征对应的预设活动信息;当预设活动信息,与录制信息未成功匹配时,获取预设时间段的监控视频;根据目标步态特征,与监控视频中的步态特征的匹配结果,确定目标步态特征对应的当前运动轨迹,其中目标步态特征包括步态特征和候选步态特征中的至少一种。实时监控视频,当监控视频中出现与步态步态特征库中的步态特征匹配的步态特征,且对应的预设活动信息不匹配时,获取视频数据,根据视频数据和特征计算运动轨迹,运动轨迹可用于分析用户行为,进而提高监控效率。
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,并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为一个实施例中视频数据处理方法的应用环境图;
图2为一个实施例中视频数据处理方法的流程示意图;
图3为一个实施例中视频数据处理装置的结构框图;
图4为一个实施例中计算机设备的内部结构图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
图1为一个实施例中视频数据处理方法的应用环境图。参照图1,该视频数据处理方法应用于视频数据处理系统。该视频数据处理系统包括视频采集设备组110和服务器120。视频采集设备组110和服务器120通过网络连接。其中视频采集设备组110包含多个视频采集设备,如包括视频采集设备112、视频采集设备114和视频采集设备116。以视频采集设备112为例,服务器120获取视频采集设备112中采集的当前视频数据中的步态特征,当前视频数据携带了录制信息,录制信息包括监控区域和录制时间,当从第一预设步态特征库中,查找到与步态特征匹配的至少一个候选步态特征时,获取与各个候选步态特征对应的预设活动信息,当预设活动信息,与录制信息未成功匹配时,获取预设时间段的监控视频,根据目标步态特征,与监控视频中的步态特征的匹配结果,确定目标步态特征对应的当前运动轨迹,其中,目标步态特征包括步态特征和候选步态特征中的至少一种。视频采集设备110为常见的摄像装置。服务器120可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
如图2所示,在一个实施例中,提供了一种视频数据处理方法。本实施例主要以该方法应用于上述图1中的服务器120来举例说明。参照图2,该视频数据处理方法具体包括如下步骤:
步骤S201,获取当前视频数据中的步态特征。
在本具体实施例中,当前视频数据携带了录制信息,录制信息包括监控区域和录制时间。
具体地,当前视频数据为预设定义好的任意一个视频采集设备所采集的视频数据。步态特征是指视频数据中提取到的步态特征,提取到的步态特征可以为一个或多个。每个视频数据都携带了录制信息,录制信息为当前视频数据的录制信息,其中录制信息包括但不限于监控区域和录制时间等,其中监控区域与视频采集设备存在对应关系,不同的视频采集设备对应的监控区域不完全相同,不同的视频采集设备的监控区域可以重叠,也可以不重叠。
在一个实施例中,步骤S201之前,还包括:配置预设活动信息,预设活动信息包括预设活动区域和对应的预设活动时间。
具体地,预设活动信息是预先配置的活动信息,活动信息包括但不限于活动区域和活动时间。活动信息可以按照需求自定义,如对于工作人员,员工的工作区域和工作时间都是预先配置好的活动信息。对于监狱中囚犯,则囚犯的放风时间和对应的可活动区域,就餐时间和对应的就餐区域等等为预先配置好的活动信息。
在一个实施例中,随着人员的变动,更新预设活动信息,如工作人员的岗位变动或工作区域的变动等等带来活动信息的变动时,更新员工的预设活动信息。监狱囚犯的关押区域等变动,使得活动信息变动时,更新囚犯的预设活动信息。随着人员变动更新人员的预设活动信息,能够更好的管理数据。
步骤S202,当从第一预设步态特征库中,查找到与步态特征匹配的至少一个候选步态特征时,获取与各个候选步态特征对应的预设活动信息。
具体地,第一预设步态特征库为预先存储的步态特征库。第一预设步态特征库中的各个第一预设步态特征存在对应的预设活动信息,在配置预设活动信息,配置了各个预设活动信息对应的第一预设步态特征,各个第一预设步态特征与用户的身份对应。在提取到当前视频数据中的步态特征,将步态特征与第一预设步态特征库中的各个第一预设步态特征进行匹配,当存在匹配的第一预设步态特征时,将匹配的第一预设步态特征作为候选步态特征。根据第一预设步态特征与预设活动信息的对应关系,获取候选步态特征对应的预设活动信息。
在一个实施中,在步骤S202之前,还包括:获取各个用户标识和对应的注册视频,提取注册视频中的预设步态特征,由各个预设步态特征组成预设步态特征库,建立用户标识与预设步态特征的对应关系,预设步态特征库包括第一预设步态特征库。
具体地,用户标识是用于唯一标识用户的标签数据,获取各个用户标识对应的注册视频,注册视频可以是要求用户按照对应的视频录制条件进行录制得到的视频数据,还可以是用户随意行走时录制的视频数据。其中,视频录制条件可以根据需求自定义设置,不同的应用场景可以选择设置不同的视频录制条件,视频录制条件可以包括录制环境、录制对象的姿态等等。提取注册视频中的用户的步态特征,得到各个用户的预设步态特征,建立各个用户的用户标识与预设步态特征的对应关系。将用户标识与预设步态特征对应存储,当确定用户的预设步态特征时,可以根据预设步态特征与用户标识的对应关系确定用户的身份,方便数据管理。其中预设步态特征库至少包括第一预设步态特征库和第二预设步态特征库中的至少一种,第一预设步态特征库和第二预设步态特征库存储的步态特征为不同的身份人员的步态特征,以监狱为例,第一预设步态特征库中包含的第一预设步态特征可以设置为囚犯的步态特征,第二预设步态特征库中包含的第二预设步态特征可以设置为警察等工作人员的步态特征。
在一个实施例中,当从第一预设步态特征库中,未查找到与步态特征匹配的候选步态特征时,获取下一视频数据,将下一视频数据作为当前视频数据,进入获取当前视频数据中的步态特征。
具体地,当在第一预设步态特征库未查找到与步态特征匹配的第一预设步态特征时,继续监控,获取当前视频数据的下一视频数据,下一视频数据的生成时间在当前视频数据之后。提取下一视频数据的中步态特征,对下一视频数据中提取到的步态特征,与第一预设步态特征库进行匹配。
在一个实施例中,当从第一预设步态特征库中,未查找到与步态特征匹配的候选步态特征时,从第二预设步态特征库中,查找是否存在与步态特征匹配的候选步态特征,当查找到与第二预设步态特征库中的第二预设步态特征匹配的步态特征时,进入获取下一视频数据。
具体地,第一预设步态特征库与第二预设步态特征库对应不同工作身份中的人员,如第一预设步态特征库对应黑名单人员的步态特征,第二预设步态特征库对应白名单的步态特征,其中,黑名单和白名单可以根据不同的工作场合自定义设置。如矿场中的盗矿者、油田中的盗油者等等可以定义为黑名单,其他的工作人员可以定位白名单。在监狱中的囚犯可以定义为黑名单,警察等工作人员可以定义为白名单。当确定视频中提取到的步态特征不是黑名单上的用户的步态特征时,判断视频中提取到的步态特征是否为白名单上的人员的步态特征,当为白名单上的人员的步态特征时,获取下一视频数据。
在一个实施例中,当视频中提取到的步态特征也不是白名单上的人员的步态特征时,可以保留步态特征,发送提示信息至对应的提示终端。提示终端可以通过报警提示存在未知人员进入该区域,辅助工作人员的监管工作,使得监管更为全面和高效。
在一个实施例中,在步骤S204之前,还包括:计算步态特征与第一预设步态特征库中各个第一预设步态特征的相似度,将相似度在预设相似度阈值范围内的第一预设步态特征,作为候选步态特征。
具体地,相似度是用于度量两个不同特征之间的相似性。其中相似度可以采用常见的特征向量的相似度计算方法确定,如采用欧式距离、标准化欧氏距离、马氏距离和夹角余弦相似度等等。不同的相似度计算方法,对应的约束条件不同,即对应的预设相似度阈值范围设置方式不同。以欧式距离为例,计算步态特征与各个第一预设步态特征的欧式距离,将欧式距离小于预设欧式距离的第一预设步态特征,作为候选步态特征。若计算相似度的方法为夹角余弦相似度,将夹角余弦相似度大于预设余弦相似度的第一预设步态特征,作为候选步态特征。
步骤S203,当预设活动信息,与录制信息未成功匹配时,获取预设时间段的监控视频。
具体地,对录制信息和预设活动信息进行匹配,两者匹配时,说明用户出现的时间和地点与预先设定的时间和地点匹配。不匹配时,说明用户出现的时间和地点与预设设定的时间和地点中的至少一个不匹配。如配置的预设活动时间为在12点到12点半,为吃饭时间,用户出现的地点为饭堂,用户在12点到12点半出现的地点不是饭堂时,或则用户出现在饭堂的时间不是12点到12点半,或者出现的时间和地点都不符合。
预设时间段为预先定义的时间,具体时间长度的定义可以根据需求定义,如可以定义为2天、一天或半天等,也可以定位在一天中的特定时间段,如定义晚上12点到2点为预设时间段,还可以定义当前视频的录制时间到一天的开始时间作为预设时间段,其中开始的时间可以按照需求设定。假设当前视频的录制时间为下午2点,获取是获取凌晨0点到下午2点的视频数据。当视频采集设备包含多个时,获取各个视频采集设备录制的视频数据作为监控视频。根据需求定义时间能够更好对数据进行筛选,减少需要处理的视频数据,从而提高数据处理效率。
步骤S204,根据目标步态特征,与监控视频中的步态特征的匹配结果,确定目标步态特征对应的当前运动轨迹。
在本具体实施例中,目标步态特征包括步态特征和候选步态特征中的至少一种。
具体地,提取监控视频中的步态特征,对提取得到的步态特征与目标步态特征进行匹配,其中目标步态特征为步态特征和候选步态特征中的至少一种。当提取得到的步态特征与目标步态特征,获取匹配的步态特征的位置信息和时间信息,按照时间信息顺序对位置信息进行排序,进而对位置信息进行曲线拟合,得到目标步态特征对应的当前运动轨迹。运动轨迹是指用户的行动路径,当前运动轨迹是指步态特征对应的用户的行动路径。通过对预设时间段的监控视频,计算用户的行动路径,知道用户的行动路径可以通过行动路径可以对用户的行动意图进行分析。
在一个实施例中,步骤S204,包括:提取监控视频中的步态特征,判断监控视频中是否包含目标步态特征,查找监控视频中包含目标步态特征的位置信息,根据位置信息进行曲线拟合,得到目标步态特征的当前运动轨迹。
具体地,提取监控视频中的步态特征,步态特征的提取算法采用常见的步态特征提取算法,其中,监控视频中的步态特征的提取算法与步态特征和预设步态特征的提取算法相同。通过目标步态特征对监控视频中提取的步态特征进行匹配,保存匹配的监控视频中提取的步态特征的位置信息和对应的录制时间,根据位置信息和对应的录制时间进行曲线拟合,曲线拟合方法采用常见的曲线拟合方法,如最小二乘法。也可以直接根据时间顺序,连接各个位置点,得到目标特征对应的当前运动轨迹。
在一个实施例中,查找监控视频中的步态特征与目标步态特征的匹配度最高的步态特征对应的位置信息和对应的录制时间。选择匹配度最高的步态特征,提高数据处理准确度。
在一个实施例中,当目标步态特征为多个时,查找监控视频中的步态特征与各个目标步态特征匹配的位置信息和对应的录制时间,根据各个目标步态特征的位置信息和对应的录制时间,计算得到各个目标步态特征的当前运动轨迹。因为越狱或者盗油可能是多人行动,当存在多个目标特征时,对各个目标特征都进行匹配。
在一个实施例中,在步骤S204之后,还包括:计算各个当前运动轨迹与预设运动轨迹的轨迹匹配度,将轨迹匹配度大于或等于轨迹阈值的当前运动轨迹作为目标运动轨迹,根据目标运动轨迹与用户标识的对应关系,确定嫌疑对象。
具体地,预设运动轨迹是预先配置的运动轨迹,预设运动轨迹是指发生异常事件可能行走的路径轨迹。如在监狱中,预设运动轨迹为囚犯的逃跑路径,在油田中,预设运动轨迹为盗油路径等的。根据各个地区的地域分布,自定义设置预设运动轨迹。计算各个当前运动轨迹与预设运动轨迹的轨迹匹配度,当轨迹匹配度大于或等于轨迹阈值时,表示用户行走的路径与配置的路径基本一致,用户的行动意图与预设运动轨迹对应的行动意图符合,则确定用户为嫌疑对象。
上述视频数据处理方法,包括:获取当前视频数据中的步态特征,当前视频数据携带了录制信息,录制信息包括监控区域和录制时间,当从第一预设步态特征库中,查找到与步态特征匹配的至少一个候选步态特征时,获取与各个候选步态特征对应的预设活动信息,当预设活动信息,与录制信息未成功匹配时,获取预设时间段的监控视频,根据目标步态特征,与监控视频中的步态特征的匹配结果,确定目标步态特征对应的当前运动轨迹,其中目标步态特征包括步态特征和候选步态特征中的至少一种。实时监控视频,当监控视频中出现与第一预设步态特征库中的第一步态特征匹配的步态特征,且对应的预设活动信息不匹配时,获取视频数据,根据视频数据和特征计算运动轨迹,运动轨迹可用于分析用户行为,进而提高监控效率。
在一个具体的实施例中,上述视频数据处理方法,包括:
数据采集和数据关联:采集黑名单人员的步态特征,并建立采集的步态特征与其身份信息和预设活动信息的对应关系,并存储对应关系,其中预设活动信息包括但不限于活动时间和活动地点。黑名单人员可以自定义,如在油田中可以定义黑名单人员为有过偷油记录的人,在监狱监控中,可以定义黑名单人员为罪犯。
数据监控:实时获取视频采集设备中采集的当前视频数据,对当前视频数据进行步态特征进行监测,当特定时间的视频采集设备中采集的当前视频数据中监测到与黑名单人员对应的步态特征匹配的步态特征时,根据步态特征与身份信息的对应关系,确定目标用户,根据身份信息与活动时间和活动地点的对应关系,获取目标用户的活动时间和活动地点,分别判断当前视频的监控区域和录制时间,是否与活动地点和活动时间匹配,当任意一个不匹配时,发送目标用户的信息至预设终端,保存目标用户的信息,目标用户的信息包括步态信息、视频录制时间和监控区域。
运动轨迹计算:当目标用户出现的时间与地点与预先配置的活动时间和活动地点,任意一个不匹配时,获取当天的监控视频,通过目标步态特征检索监控视频,得到目标步态特征出现的位置信息和时间,根据时间和位置进行曲线拟合,得到目标步态特征的运动轨迹。其中目标步态特征为当前视频数据中提取的步态特征和/或采集的黑名单人员的步态特征。根据目标步态特征的运动轨迹确定是否需要
上述视频数据处理方法,通过对实时监控视频中的步态特征,判断各个监控区域中出现的用户的行动是否属于常规行动,若不是常规行动,则保留该行动的信息,检索出现的用户的行动路径,根据检索到的行动路径进一步确定出现的用户的行为是否正常,若异常则可以给监控人员发送提示信息,从而提高监管效率。
图2为一个实施例中视频数据处理方法的流程示意图。应该理解的是,虽然图2的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图3所示,提供了一种视频数据处理装置,包括:
特征获取模块201,用于获取当前视频数据中的步态特征,当前视频数据携带了录制信息,录制信息包括监控区域和录制时间。
活动信息获取模块202,用于当从第一预设步态特征库中,查找到与步态特征匹配的至少一个候选步态特征时,获取与各个候选步态特征对应的预设活动信息。
视频获取模块203,用于当预设活动信息,与录制信息未成功匹配时,获取预设时间段的监控视频。
轨迹计算模块204,用于根据目标步态特征,与监控视频中的步态特征的匹配结果,确定目标步态特征对应的当前运动轨迹,其中目标步态特征包括步态特征和候选步态特征中的至少一种。
在一个实施例中,上述视频数据处理装置,还包括:
对应关系建立模块,用于获取各个用户标识和对应的注册视频,提取注册视频中的预设步态特征,,由各个预设步态特征组成预设步态特征库,建立用户标识与预设步态特征的对应关系,预设步态特征库包括第一预设步态特征库。
在一个实施例中,上述视频数据处理装置,还包括:
活动信息配置模块,用于配置预设活动信息,预设活动信息包括预设活动区域和对应的预设活动时间。
在一个实施例中,上述视频数据处理装置,还包括:
相似度计算模块,用于计算步态特征与第一预设步态特征库中各个第一预设步态特征的相似度。
候选步态特征确定模块,用于将相似度在预设相似度阈值范围内的第一预设步态特征,作为候选步态特征。
在一个实施例中,上述视频数据处理装置,包括:
运动轨迹计算模块,用于提取监控视频中的步态特征,判断监控视频中是否包含目标步态特征,查找监控视频中包含目标步态特征的位置信息,根据位置信息进行曲线拟合,得到目标步态特征的当前运动轨迹。
在一个实施例中,上述特征获取模块还用于当从第一预设步态特征库中,未查找到与步态特征匹配的候选步态特征时,获取下一视频数据,将下一视频数据作为当前视频数据,获取当前视频数据中的步态特征。
在一个实施例中,上述特征获取模块还用于当从第一预设步态特征库中,未查找到与步态特征匹配的候选步态特征时,从第二预设步态特征库,查找是否存在与步态特征匹配的候选步态特征,当查找到与第二预设步态特征库中第二预设步态特征匹配的步态特征时,获取下一视频数据,将下一视频数据作为当前视频数据。
在一个实施例中,上述视频数据处理装置,包括:
轨迹匹配对计算模块,用于计算各个当前运动轨迹与预设运动轨迹的轨迹匹配度。
嫌疑对象确定模块,用于将轨迹匹配度大于或等于轨迹阈值的当前运动轨迹作为目标运动轨迹,根据目标运动轨迹与用户标识的对应关系,确定嫌疑对象。
图4示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是图1中的视频采集设备110(或服务器120)。如图4所示,该计算机设备包括该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、输入装置和显示屏。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现视频数据处理方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行视频数据处理方法。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图4中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,本申请提供的视频数据处理装置可以实现为一种计算机程序的形式,计算机程序可在如图4所示的计算机设备上运行。计算机设备的存储器中可存储组成该视频数据处理装置的各个程序模块,比如,图3所示的特征获取模块201、活动信息获取模块202、视频获取模块203和轨迹计算模块204。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的视频数据处理方法中的步骤。
例如,图4所示的计算机设备可以通过如图3所示的视频数据处理装置中的特征获取模块201执行获取当前视频数据中的步态特征,当前视频数据携带了录制信息,录制信息包括监控区域和录制时间。计算机设备可通过活动信息获取模块202执行当从第一预设步态特征库中,查找到与步态特征匹配的至少一个候选步态特征时,获取与各个候选步态特征对应的预设活动信息。计算机设备可通过视频获取模块203执行当预设活动信息,与录制信息未成功匹配时,获取预设时间段的监控视频。计算机设备可通过轨迹计算模块204执行根据目标步态特征,与监控视频中的步态特征的匹配结果,确定目标步态特征对应的当前运动轨迹,其中目标步态特征包括步态特征和候选步态特征中的至少一种。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:获取当前视频数据中的步态特征,当前视频数据携带了录制信息,录制信息包括监控区域和录制时间;当从第一预设步态特征库中,查找到与步态特征匹配的至少一个候选步态特征时,获取与各个候选步态特征对应的预设活动信息;当预设活动信息,与录制信息未成功匹配时,获取预设时间段的监控视频;根据目标步态特征,与监控视频中的步态特征的匹配结果,确定目标步态特征对应的当前运动轨迹,其中目标步态特征包括步态特征和候选步态特征中的至少一种。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取各个用户标识和对应的注册视频,提取注册视频中的预设步态特征,由各个预设步态特征组成预设步态特征库,建立用户标识与预设步态特征的对应关系,预设步态特征库包括第一预设步态特征库。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:配置预设活动信息,预设活动信息包括预设活动区域和对应的预设活动时间。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:计算步态特征与第一预设步态特征库相似度;将相似度在预设相似度阈值范围内的第一预设步态特征,作为候选步态特征。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:提取监控视频中的步态特征;判断监控视频中是否包含目标步态特征;查找监控视频中包含目标步态特征的位置信息;根据位置信息进行曲线拟合,得到目标步态特征的当前运动轨迹。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:当从第一预设步态特征库中,未查找到与步态特征匹配的候选步态特征时,获取下一视频数据,将下一视频数据作为当前视频数据,执行获取当前视频数据中的步态特征。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:当从第一预设步态特征库中,未查找到与步态特征匹配的候选步态特征时,从第二预设步态特征库,查找是否存在与步态特征匹配的候选步态特征,当查找到与第二预设步态特征库中的第二预设步态特征匹配的步态特征时,获取下一视频数据,将下一视频数据作为当前视频数据。
在一个实施例中,确定目标步态特征对应的当前运动轨迹之后,处理器执行计算机程序时还实现以下步骤:计算各个当前运动轨迹与预设运动轨迹的轨迹匹配度;将轨迹匹配度大于或等于轨迹阈值的当前运动轨迹作为目标运动轨迹;根据目标运动轨迹与用户标识的对应关系,确定嫌疑对象。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:获取当前视频数据中的步态特征,当前视频数据携带了录制信息,录制信息包括监控区域和录制时间;当从第一预设步态特征库中,查找到与步态特征匹配的至少一个候选步态特征时,获取与各个候选步态特征对应的预设活动信息;当预设活动信息,与录制信息未成功匹配时,获取预设时间段的监控视频;根据目标步态特征,与监控视频中的步态特征的匹配结果,确定目标步态特征对应的当前运动轨迹,其中目标步态特征包括步态特征和候选步态特征中的至少一种。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取各个用户标识和对应的注册视频;提取注册视频中的预设步态特征,由各个预设步态特征组成预设步态特征库,建立用户标识与预设步态特征的对应关系,预设步态特征库包括第一预设步态特征库。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:配置预设活动信息,预设活动信息包括预设活动区域和对应的预设活动时间。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:计算步态特征与第一预设步态特征库中各个第一预设步态特征的相似度,将相似度在预设相似度阈值范围内的第一预设步态特征,作为候选步态特征。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:提取监控视频中的步态特征;判断监控视频中是否包含目标步态特征;查找监控视频中包含目标步态特征的位置信息;根据位置信息进行曲线拟合,得到目标步态特征的当前运动轨迹。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:当从第一预设步态特征库中,未查找到与步态特征匹配的候选步态特征时,获取下一视频数据,将下一视频数据作为当前视频数据,执行获取当前视频数据中的步态特征。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:当从第一预设步态特征库中,未查找到与步态特征匹配的候选步态特征时,从第二预设步态特征库,查找是否存在与步态特征匹配的候选步态特征,当查找到与第二预设步态特征库中的第二预设步态特征匹配的步态特征时,获取下一视频数据,将下一视频数据作为当前视频数据。
在一个实施例中,确定目标步态特征对应的当前运动轨迹之后,计算机程序被处理器执行时还实现以下步骤:计算各个当前运动轨迹与预设运动轨迹的轨迹匹配度;将轨迹匹配度大于或等于轨迹阈值的当前运动轨迹作为目标运动轨迹;根据目标运动轨迹与用户标识的对应关系,确定嫌疑对象。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种视频数据处理方法,其特征在于,所述方法包括:
获取当前视频数据中的步态特征,所述当前视频数据携带了录制信息,所述录制信息包括监控区域和录制时间;
当从第一预设步态特征库中,查找到与所述步态特征匹配的至少一个候选步态特征时,获取与各个所述候选步态特征对应的预设活动信息;
当所述预设活动信息,与所述录制信息未成功匹配时,获取预设时间段的监控视频;
根据目标步态特征,与所述监控视频中的步态特征的匹配结果,确定所述目标步态特征对应的运动轨迹,其中所述目标步态特征包括所述步态特征和所述候选步态特征中的至少一种;
当从所述第一预设步态特征库中,未查找到与所述步态特征匹配的候选步态特征时,发送提示信息至对应的提示终端。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取各个用户标识和对应的注册视频;
提取所述注册视频中的预设步态特征,由各个所述预设步态特征组成预设步态特征库;
建立所述用户标识与所述预设步态特征的对应关系,所述预设步态特征库包括第一预设步态特征库。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
计算所述步态特征与所述第一预设步态特征库中各个第一预设步态特征的相似度;
将所述相似度在预设相似度阈值范围内的第一预设步态特征,作为所述候选步态特征。
4.根据权利要求1所述的方法,其特征在于,所述方法包括:
提取所述监控视频中的步态特征;
判断所述监控视频中是否包含所述目标步态特征;
查找所述监控视频中包含所述目标步态特征的位置信息;
根据所述位置信息进行曲线拟合,得到所述目标步态特征的运动轨迹。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当从所述第一预设步态特征库中,未查找到与所述步态特征匹配的候选步态特征时,获取下一视频数据,将所述下一视频数据作为所述当前视频数据,获取当前视频数据中的步态特征。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
当从所述第一预设步态特征库中,未查找到与所述步态特征匹配的候选步态特征时,从第二预设步态特征库中,查找是否存在与所述步态特征匹配的候选步态特征;
当查找到与所述第二预设步态特征库中的第二预设步态特征匹配的步态特征时,获取下一视频数据,将所述下一视频数据作为所述当前视频数据。
7.根据权利要求1至6任意一项所述的方法,其特征在于,所述确定所述目标步态特征对应的运动轨迹之后,还包括:
计算各个所述运动轨迹与预设运动轨迹的轨迹匹配度;
将轨迹匹配度大于或等于轨迹阈值的运动轨迹作为目标运动轨迹;
根据所述目标运动轨迹与用户标识的对应关系,确定嫌疑对象。
8.一种视频数据处理装置,其特征在于,所述装置包括:
特征获取模块,用于获取当前视频数据中的步态特征,所述当前视频数据携带了录制信息,所述录制信息包括监控区域和录制时间;
活动信息获取模块,用于当从第一预设步态特征库中,查找到与所述步态特征匹配的至少一个候选步态特征时,获取与各个所述候选步态特征对应的预设活动信息;
视频获取模块,用于当所述预设活动信息,与所述录制信息未成功匹配时,获取预设时间段的监控视频;
轨迹计算模块,用于根据目标步态特征,与所述监控视频中的步态特征的匹配结果,确定所述目标步态特征对应的运动轨迹,其中所述目标步态特征包括所述步态特征或所述候选步态特征中的至少一种;
提示信息发送模块,用于当从所述第一预设步态特征库中,未查找到与所述步态特征匹配的候选步态特征时,发送提示信息至对应的提示终端。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910390784.6A CN110139075B (zh) | 2019-05-10 | 2019-05-10 | 视频数据处理方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910390784.6A CN110139075B (zh) | 2019-05-10 | 2019-05-10 | 视频数据处理方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110139075A CN110139075A (zh) | 2019-08-16 |
CN110139075B true CN110139075B (zh) | 2021-05-07 |
Family
ID=67573289
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910390784.6A Active CN110139075B (zh) | 2019-05-10 | 2019-05-10 | 视频数据处理方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110139075B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110598043B (zh) * | 2019-09-24 | 2024-02-09 | 腾讯科技(深圳)有限公司 | 一种视频处理方法、装置、计算机设备以及存储介质 |
CN111414854A (zh) * | 2020-03-19 | 2020-07-14 | 银河水滴科技(北京)有限公司 | 一种目标人群轨迹追踪方法及装置 |
CN111461031B (zh) * | 2020-04-03 | 2023-10-24 | 银河水滴科技(宁波)有限公司 | 一种对象识别系统和方法 |
CN111353477B (zh) * | 2020-04-16 | 2024-04-19 | 公安部物证鉴定中心 | 一种步态识别系统和方法 |
CN111565225B (zh) * | 2020-04-27 | 2023-08-04 | 银河水滴科技(宁波)有限公司 | 一种人物行动轨迹确定方法及装置 |
CN113536932A (zh) * | 2021-06-16 | 2021-10-22 | 中科曙光国际信息产业有限公司 | 人群聚集预测方法、装置、计算机设备和存储介质 |
CN113870501B (zh) * | 2021-12-03 | 2022-04-26 | 深圳市思拓通信系统有限公司 | 一种工程车油量异常监控报警方法及系统 |
CN114626900A (zh) * | 2022-05-16 | 2022-06-14 | 深圳市一指淘科技有限公司 | 一种基于特征识别和大数据分析的智能管理系统 |
CN114663822A (zh) * | 2022-05-18 | 2022-06-24 | 广州市影擎电子科技有限公司 | 伺服运动轨迹生成方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101179706A (zh) * | 2006-11-07 | 2008-05-14 | 国立阳明大学 | 远程居家监视系统及其方法 |
CN103533167A (zh) * | 2013-10-15 | 2014-01-22 | 东莞宇龙通信科技有限公司 | 一种根据用户当前状态智能关闭提醒的方法及系统 |
CN104717468A (zh) * | 2015-03-06 | 2015-06-17 | 中国科学院大学 | 基于集群轨迹分类的集群场景智能监控方法及系统 |
CN104850651A (zh) * | 2015-05-29 | 2015-08-19 | 小米科技有限责任公司 | 信息上报方法及装置和信息推送方法及装置 |
CN108920719A (zh) * | 2018-07-30 | 2018-11-30 | 合肥康之恒机械科技有限公司 | 一种宠物饲养健康全方位管理方法及系统 |
CN109544751A (zh) * | 2018-11-23 | 2019-03-29 | 银河水滴科技(北京)有限公司 | 一种门禁控制方法及装置 |
CN109598911A (zh) * | 2018-08-23 | 2019-04-09 | 浙江宇视科技有限公司 | 预警方法、装置及计算机可读存储介质 |
-
2019
- 2019-05-10 CN CN201910390784.6A patent/CN110139075B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101179706A (zh) * | 2006-11-07 | 2008-05-14 | 国立阳明大学 | 远程居家监视系统及其方法 |
CN103533167A (zh) * | 2013-10-15 | 2014-01-22 | 东莞宇龙通信科技有限公司 | 一种根据用户当前状态智能关闭提醒的方法及系统 |
CN104717468A (zh) * | 2015-03-06 | 2015-06-17 | 中国科学院大学 | 基于集群轨迹分类的集群场景智能监控方法及系统 |
CN104850651A (zh) * | 2015-05-29 | 2015-08-19 | 小米科技有限责任公司 | 信息上报方法及装置和信息推送方法及装置 |
CN108920719A (zh) * | 2018-07-30 | 2018-11-30 | 合肥康之恒机械科技有限公司 | 一种宠物饲养健康全方位管理方法及系统 |
CN109598911A (zh) * | 2018-08-23 | 2019-04-09 | 浙江宇视科技有限公司 | 预警方法、装置及计算机可读存储介质 |
CN109544751A (zh) * | 2018-11-23 | 2019-03-29 | 银河水滴科技(北京)有限公司 | 一种门禁控制方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110139075A (zh) | 2019-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110139075B (zh) | 视频数据处理方法、装置、计算机设备和存储介质 | |
CN107958258B (zh) | 用于追踪限定区域中的对象的方法和系统 | |
US20220092881A1 (en) | Method and apparatus for behavior analysis, electronic apparatus, storage medium, and computer program | |
Bouchrika | A survey of using biometrics for smart visual surveillance: Gait recognition | |
JP7282851B2 (ja) | 装置、方法及びプログラム | |
CN109740004B (zh) | 一种归档方法及装置 | |
WO2018180588A1 (ja) | 顔画像照合システムおよび顔画像検索システム | |
JP2022518469A (ja) | 情報処理方法および装置、記憶媒体 | |
JP2022521594A (ja) | アーカイブ適用方法及び装置、記憶媒体 | |
US10262209B2 (en) | Method for analyzing video data | |
CN111652331B (zh) | 一种图像识别方法、装置和计算机可读存储介质 | |
CN110705476A (zh) | 数据分析方法、装置、电子设备和计算机存储介质 | |
CN111209776A (zh) | 同行人识别方法、装置、处理服务器、存储介质及系统 | |
CN109784220B (zh) | 一种确定路人轨迹的方法及装置 | |
US20210319226A1 (en) | Face clustering in video streams | |
CN110852148A (zh) | 一种基于目标追踪的访客目的地核验方法及系统 | |
CN111222373A (zh) | 一种人员行为分析方法、装置和电子设备 | |
US11657623B2 (en) | Traffic information providing method and device, and computer program stored in medium in order to execute method | |
CN113343913A (zh) | 目标确定方法、装置、存储介质及计算机设备 | |
CN110795592B (zh) | 图片处理方法、装置及设备 | |
CN112330742A (zh) | 公共区域重点人员活动路线记录方法及装置 | |
De Marsico et al. | ES-RU: an e ntropy based rule to s elect r epresentative templates in face su rveillance | |
CN114463555A (zh) | 步态特征提取方法及装置 | |
CN110969209B (zh) | 一种陌生人识别方法、装置、电子设备及存储介质 | |
CN111666786B (zh) | 图像处理方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |