CN110334231A - 一种信息处理方法及装置、存储介质 - Google Patents
一种信息处理方法及装置、存储介质 Download PDFInfo
- Publication number
- CN110334231A CN110334231A CN201910577496.1A CN201910577496A CN110334231A CN 110334231 A CN110334231 A CN 110334231A CN 201910577496 A CN201910577496 A CN 201910577496A CN 110334231 A CN110334231 A CN 110334231A
- Authority
- CN
- China
- Prior art keywords
- information
- target object
- image
- candid photograph
- track
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/55—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24133—Distances to prototypes
- G06F18/24143—Distances to neighbourhood prototypes, e.g. restricted Coulomb energy networks [RCEN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/18—Legal services; Handling legal documents
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
- G06V40/173—Classification, e.g. identification face re-identification, e.g. recognising unknown faces across different face tracks
-
- 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
- G06V40/50—Maintenance of biometric data or enrolment thereof
-
- 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
- G06V2201/07—Target detection
-
- 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
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
Abstract
本申请公开了一种信息处理方法及装置、存储介质,其中,所述的方法包括:基于聚合档案数据确定目标对象;获取所述目标对象的第一抓拍信息;对所述第一抓拍信息进行分析,得到第一分析结果;根据所述第一分析结果确定所述目标对象的第一轨迹。
Description
技术领域
本申请涉及计算机领域中信息处理技术,具体涉及一种信息处理方法及装置、存储介质。
背景技术
公安部门在日常进行一些案件侦破的时候,需要工作人员对抓拍图片逐一进行人工研究、判断、选择后,才能分析出目标嫌疑人的活动轨迹,工作量大,耗时长。因此,如何快速确定嫌疑人的活动轨迹,是亟待解决的技术问题。
发明内容
有鉴于此,本申请提供一种信息处理方法及装置、存储介质,至少能自动分析统计目标对象的抓拍信息并形成轨迹。
第一方面,本申请实施例提供了一种信息处理方法,所述方法包括:基于聚合档案数据确定目标对象;获取所述目标对象的第一抓拍信息;对所述第一抓拍信息进行分析,得到第一分析结果;根据所述第一分析结果确定所述目标对象的第一轨迹;其中,所述第一分析结果包括所述目标对象的出现信息。
上述方案中,可选地,所述方法还包括:基于系统内的档案数据确定所述目标对象的同行人员;其中,所述同行人员是在抓拍到所述目标对象的图像采集装置在目标时间点前后t秒的抓拍图像中出现的除所述目标对象之外的人,所述目标时间点为所述图像采集装置抓拍到所述目标对象的时间点;获取所述同行人员的第二抓拍信息;对所述第二抓拍信息进行分析,得到第二分析结果;根据所述第二分析结果确定所述同行人员的第二轨迹,其中,所述第二分析结果包括所述同行人员的出现信息。
上述方案中,可选地,所述对所述第一抓拍信息进行分析,得到第一分析结果,包括:基于所述第一抓拍信息确定待分析的抓拍图像;确定每张所述抓拍图像中所述目标对象的出现信息;其中,所述出现信息至少包括出现地理位置及出现时间;基于所述出现信息对所述目标对象在同一地理位置的出现次数进行统计。
上述方案中,可选地,所述第一分析结果,还包括以下至少一种:每张抓拍图像与其所得出现信息的对应关系;每张抓拍图像与其前后相邻M张抓拍图像的关联关系;其中,所述M为正数。
上述方案中,可选地,所述根据所述第一分析结果确定所述目标对象的第一轨迹,包括:基于所述目标对象的出现信息,在电子地图上标注所述目标对象的出现点位及出现次数;对电子地图上的出现点位按照所述出现时间进行连接,形成第一轨迹。
上述方案中,可选地,所述方法还包括:从所述目标对象的同行人员中确定出第一同行人;调取所述第一同行人的第二轨迹;将所述目标对象的第一轨迹和所述第一同行人的第二轨迹作对比展示。
上述方案中,可选地,所述方法还包括:对第一数据库中的图像数据进行聚类处理得到聚类处理结果;其中,所述第一数据库基于图像采集装置抓拍到的人像图形成;对第二数据库中的图像数据进行聚合处理得到聚合处理结果;其中,所述第二数据库基于实名的图像信息形成;将所述聚类处理结果与所述聚合处理结果进行关联分析,得到聚合档案数据。
上述方案中,可选地,所述对第一数据库中的图像数据进行聚类处理,包括:从所述第一数据库中的图像数据提取出人脸图像数据;将所述人脸图像数据分成若干类,所述若干类中的每个类都有一个类中心,且所述类中心包括类中心特征值。
上述方案中,可选地,所述对第二数据库中的图像数据进行聚合处理得到聚合处理结果,包括:将身份证号相同的图像数据聚合为一个图像库;建立所述图像库与所述身份证号对应的文本信息的关联关系,得到聚合处理结果,所述聚合处理结果中每一身份证号对应唯一档案数据。
上述方案中,可选地,所述将所述聚类处理结果与所述聚合处理结果进行关联分析,包括:将第一数据库中每个类中心特征值与第二数据库各个参考类中心特征值进行全量比对;基于全量对比结果确定出相似度最高并且相似度大于预设阈值的目标参考类中心特征值;从所述第二数据库中查找所述目标参考类中心特征值对应的目标人像和所述目标人像对应的身份信息;建立所述目标人像对应的身份信息与第一数据库中类中心特征值对应的图像的关联关系。
上述方案中,可选地,所述方法还包括:当向所述第一数据库新增图像数据时,对新增的图像数据进行聚类处理,将新增图像数据中人脸图像数据分成若干类,从所述第一数据库中查询是否有与新增图像数据相同的类,如果有相同的类,则合并到相应类的现有档案中;如果没有相同的类,则基于新类建立新的档案,补充到所述第一数据库中。
上述方案中,可选地,所述方法还包括:当向所述第二数据库新增图像数据时,从所述第二数据库中查询是否有与新增图像数据相同的身份证号,如果有相同的身份证号,则合并到所述身份证号对应的现有档案中;如果没有相同的身份证号,则基于新增图像数据的身份证号建立新的档案,补充到所述第二数据库中。
第二方面,本申请实施例提供了一种信息处理装置,所述装置包括:确定模块,用于基于聚合档案数据确定目标对象;获取模块,用于获取所述目标对象的第一抓拍信息;分析模块,用于对所述第一抓拍信息进行分析,得到第一分析结果;处理模块,用于根据所述第一分析结果确定所述目标对象的第一轨迹;其中,所述第一分析结果包括所述目标对象的出现信息。
上述方案中,可选地,所述确定模块,还用于基于聚合档案数据确定所述目标对象的同行人员;其中,所述同行人员是在抓拍到所述目标对象的图像采集装置在目标时间点前后t秒的抓拍图像中出现的除所述目标对象之外的人,所述目标时间点为所述图像采集装置抓拍到所述目标对象的时间点;所述获取模块,还用于获取所述同行人员的第二抓拍信息;所述分析模块,还用于对所述第二抓拍信息进行分析,得到第二分析结果;所述处理模块,还用于根据所述第二分析结果确定所述同行人员的第二轨迹;其中,所述第二分析结果包括所述同行人员的出现信息。
上述方案中,可选地,所述分析模块,还用于:基于所述第一抓拍信息确定待分析的抓拍图像;确定每张所述抓拍图像中所述目标对象的出现信息;其中,所述出现信息至少包括出现地理位置及出现时间;基于所述出现信息对所述目标对象在同一地理位置的出现次数进行统计。
上述方案中,可选地,所述第一分析结果还包括以下至少一种:每张抓拍图像与其所得出现信息的对应关系;每张抓拍图像与其前后相邻M张抓拍图像的关联关系;其中,所述M为正数。
上述方案中,可选地,所述处理模块,还用于:基于所述目标对象的出现信息,在电子地图上标注所述目标对象的出现点位及出现次数;对电子地图上的出现点位按照所述出现时间进行连接,形成第一轨迹。
上述方案中,可选地,所述处理模块,还用于:从所述目标对象的同行人员中确定出第一同行人;调取所述第一同行人的第二轨迹;将所述目标对象的第一轨迹和所述第一同行人的第二轨迹作对比展示。
上述方案中,可选地,所述装置还包括:档案建立模块,用于:对第一数据库中的图像数据进行聚类处理得到聚类处理结果;其中,所述第一数据库基于图像采集装置抓拍到的人像图形成;对第二数据库中的图像数据进行聚合处理得到聚合处理结果;其中,所述第二数据库基于实名的图像信息形成;将所述聚类处理结果与所述聚合处理结果进行关联分析,得到聚合档案数据。
上述方案中,可选地,所述档案建立模块,还用于:从所述第一数据库中的图像数据提取出人脸图像数据;将所述人脸图像数据分成若干类,所述若干类中的每个类都有一个类中心,且所述类中心包括类中心特征值。
上述方案中,可选地,所述档案建立模块,还用于:将身份证号相同的图像数据聚合为一个图像库;建立所述图像库与所述身份证号对应的文本信息的关联关系,得到聚合处理结果,所述聚合处理结果中每一身份证号对应唯一档案数据。
上述方案中,可选地,所述档案建立模块,还用于:将第一数据库中每个类中心特征值与第二数据库各个参考类中心特征值进行全量比对;基于全量对比结果确定出相似度最高并且相似度大于预设阈值的目标参考类中心特征值;从所述第二数据库中查找所述目标参考类中心特征值对应的目标人像和所述目标人像对应的身份信息;建立所述目标人像对应的身份信息与第一数据库中类中心特征值对应的图像的关联关系。
上述方案中,可选地,所述档案建立模块,还用于:当向所述第一数据库新增图像数据时,对新增的图像数据进行聚类处理,将新增图像数据中人脸图像数据分成若干类,从所述第一数据库中查询是否有与新增图像数据相同的类,如果有相同的类,则合并到相应类的现有档案中;如果没有相同的类,则基于新类建立新的档案,补充到所述第一数据库中。
上述方案中,可选地,所述档案建立模块,还用于:当向所述第二数据库新增图像数据时,从所述第二数据库中查询是否有与新增图像数据相同的身份证号,如果有相同的身份证号,则合并到所述身份证号对应的现有档案中;如果没有相同的身份证号,则基于新增图像数据的身份证号建立新的档案,补充到所述第二数据库中。
第三方面,本申请实施例提供了一种信息处理装置,所述装置包括: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程序时实现本申请实施例所述的信息处理方法的步骤。
第四方面,本申请实施例提供了一种存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行本申请实施例所述的信息处理方法的步骤。
本申请提供的技术方案,基于聚合档案数据确定目标对象;获取所述目标对象的第一抓拍信息;对所述第一抓拍信息进行分析,得到第一分析结果;根据所述第一分析结果确定所述目标对象的第一轨迹;如此,可对目标对象的抓拍信息自动分析统计并形成轨迹,提高了确定目标对象轨迹的速度。
附图说明
图1为本申请实施例提供的档案建立流程示意图;
图2为本申请实施例提供的抓拍库聚类的算法原理示意图;
图3为本申请实施例提供的一种信息处理方法的实现流程示意图;
图4为本申请实施例提供的抓拍记录对应的抓拍点位查询界面示意图;
图5为本申请实施例提供的抓拍记录对应的目标轨迹查询界面示意图;
图6为本申请实施例提供的同行人分析的同行人关系网查询界面示意图;
图7为本申请实施例提供的同行人分析的筛选同行人界面示意图;
图8为本申请实施例提供的目标对象与同行人的轨迹示意图;
图9为本申请实施例提供的点击视频源点位进入详情示意图;
图10为本申请实施例提供的目标对象与同行人的同行点位示意图一;
图11为本申请实施例提供的目标对象与同行人的同行点位示意图二;
图12为本申请实施例提供的一种信息处理装置的组成结构示意图。
具体实施方式
为了更好的解释本申请,下面,先介绍一些现有技术中的档案建立方法。
传统的人员档案自动建立方法,通过1:N的比对将同一人的抓拍信息逐个归类。这种方法的召回率低、速度慢,难以适应存在大规模海量数据的场景。
基于此,本申请提出了基于聚类分析建立档案数据的方法。
下面结合附图和具体实施例对本申请的技术方案进一步详细阐述。
在一些可选实施方式中,基于聚类分析建立聚合档案数据,包括:
对第一数据库中的图像数据进行聚类处理得到聚类处理结果;其中,所述第一数据库基于图像采集装置抓拍到的人像图形成;
对第二数据库中的图像数据进行聚合处理得到聚合处理结果;其中,所述第二数据库基于实名的图像信息形成;
将所述聚类处理结果与所述聚合处理结果进行关联分析,得到聚合档案数据。
如此,可以得到一个人在系统内的全部档案信息。
举例来说,通过对采集的海量视频内容进行处理,对抓拍的人脸图片进行特征提取,通过与第二数据库比对,当匹配率大于阈值,将最高匹配率的人脸图片默认为比中的人脸照片,关联对应人物的姓名、身份证号码、照片抓拍时间和地点等个人信息,将人脸照片及对应的个人信息作为一人一档的数据存储,实现视频中每个人的信息量化,提供大数据分析方法,辅助有关部门破案。
在一些可选实施方式中,对第一数据库中的图像数据进行聚类处理,包括:
从所述第一数据库中的图像数据提取出人脸图像数据;将所述人脸图像数据分成若干类,所述若干类中的每个类都有一个类中心,且所述类中心包括类中心特征值。
这样,给出了在众多人像抓拍图中进行人脸聚类的方法,即将人脸的集合分成由类似的人脸组成的多个类,由聚类所生成的类是一组数据对象的集合,这些对象与同一个类中的对象彼此相似,与其他类的对象相异。
在一些可选实施方式中,对第二数据库中的图像数据进行聚合处理得到聚合处理结果,包括:将身份证号相同的图像数据聚合为一个图像库;建立所述图像库与所述身份证号对应的文本信息的关联关系,得到聚合处理结果,所述聚合处理结果中每一身份证号对应唯一档案数据。
也就是说,在第二数据库中,身份证号相同的聚合为一个档案。
在一些可选实施方式中,将所述聚类处理结果与所述聚合处理结果进行关联分析,包括:将第一数据库中每个类中心特征值与第二数据库各个参考类中心特征值进行全量比对;基于全量对比结果确定出相似度最高并且相似度大于预设阈值的目标参考类中心特征值;从所述第二数据库中查找所述目标参考类中心特征值对应的目标人像和所述目标人像对应的身份信息;建立所述目标人像对应的身份信息与第一数据库中类中心特征值对应的图像的关联关系。
如此,将相似度最高的图像对应的身份信息赋予这个抓拍库的类,使得这类抓拍人像实名。
上述方案中,可选地,所述方法还包括:
当向所述第一数据库新增图像数据时,对新增的图像数据进行聚类处理,将新增图像数据中人脸图像数据分成若干类,从所述第一数据库中查询是否有与新增图像数据相同的类,如果有相同的类,则合并到相应类的现有档案中;如果没有相同的类,则基于新类建立新的档案,补充到所述第一数据库中。
上述方案中,可选地,所述方法还包括:
当向所述第二数据库新增图像数据时,从所述第二数据库中查询是否有与新增图像数据相同的身份证号,如果有相同的身份证号,则合并到所述身份证号对应的现有档案中;如果没有相同的身份证号,则基于新增图像数据的身份证号建立新的档案,补充到所述第二数据库中。
如此,当数据库出现新增增量时,及时对系统档案数据进行更新或补充。
上述档案建立方法能够将海量的抓拍图片自动归类,可以将视频监控中的海量嫌疑人抓拍与公安既有人员数据库的信息自动关联,实现基于人脸聚类的一人一档数据存储,实现视频中每个人的信息量化,提供大数据分析方法,便于辅助有关部门破案。
为方便理解,可将所述第一数据库称为抓拍库或抓拍人像库,其根据图像采集装置抓拍到的人像图所形成;可将第二数据库称之为人像库或静态人像库,其根据已实名认证的公民人口信息如身份证形成。
图1示出了本申请实施例提供的档案建立流程示意图,如图1所示,该流程主要包括抓拍库聚类、人像库聚合、抓拍库与人像库撞库、增量撞库四大步骤。
1.抓拍库聚类:
1)抓拍库聚类为系统自动定时触发;
2)初次为全量聚类,以后增量聚类,与现有的类聚合;
3)没有相近的类可自动聚合成一个新类。
具体地,对于抓拍库来说,批量抓拍图像入库或接入视频流,定时触发聚类,比如一小时或一天聚类一次,时间可配置,初次为全量聚类,以后增量聚类,与现有的类聚合,而没有相近的类可自动聚合成一个新类。
图2示出了本申请实施例提供的抓拍库聚类的算法原理示意图,如图2所示,对每日输入的数据流进行分析,得到新特征;对新特征进行分类,对于有类别的新特征,将其与现有类别聚类,并更新底库类中心。对于无类别的新特征,对其聚类,确定为新的类别,将新的类别加入到底库类中心。
2.人像库聚合:
1)有身份证号的情况
将人像库中有同身份证号的聚合为一个档案,以身份ID为单位;
人像库中同一人有多个ID的情况,不作处理,当作多个档案。
2)没有身份证ID的情况
没有身份证ID的情况,身份证号会默认0000000000000000,此类每张人像单独成为一个档案。
具体地,对于人像库来说,批量人像入库,将同身份证号的人像聚合为一个档案。
3.抓拍库与人像库撞库:
1)抓拍库聚类后分成若干类(人),每个类都有一个类中心,对应一个类中心特征值;
2)每个类中心特征值再和人像库进行全量1:n比对,取相似度最高TOP1并且大于预设预置(比如95%)的一个人像;
3)将此TOP1的人像对应的身份信息赋予此抓拍库的类,使这类抓拍人像实名。
具体地,抓拍库聚类后分成若干类(人),每个类都有一个类中心,对应一个类中心特征值,每个类中心特征值再和人像库进行全量1:n比对,将相似度最高的图像对应的身份信息赋予这个抓拍库的类,使得这类抓拍人像实名。
4.增量撞库
1)抓拍库增量
a.抓拍库每天定时进行增量聚类;
b.与现有的类聚类的,则合并到现有档案,更新新的类中心;
c.更新的类与人像库撞库;
d.不能与现有类聚类的,则新增类形成新档案;
e.新类的类中心与人像库撞库;
f.撞库结果有预设预置以上的TOP1则与此人像身份信息关联实名,与此档案合并;
g.撞库没有结果则添加到未实名类。
2)人像库增量
a.与现有人像库进行身份信息(身份证号)关联查询,如果有同身份信息则合并到其档案;
b.如果没有同身份信息的,建立新的档案;
c.与抓拍库的类中心撞库;
d.撞库结果有预设预置以上的TOP1则与此人像身份信息关联实名,与此档案合并;
e.撞库没有结果则添加到已建档无抓拍类。
具体地,对于新增人像,可批量入库或单张入库,查询人像库的现有档案中是否有与新增人像相同的身份证号,如果有,将新增人像聚合到相同身份证号下的档案;如果没有与新增人像相同的身份证号,为新增人像建立新的档案。对于新增抓拍,可批量入库或单张入库或接入视频流,定时触发聚类,查询抓拍库的现有档案中是否有与新增抓拍相同的类,如果有,将新增抓拍聚合到相同类下的档案;如果没有与新增抓拍相同的类,为新增抓拍建立新的档案,新类的类中心与人像库撞库。
可见,将带有公民身份的人像库作为基准库,结合由抓拍机抓拍到带有时空信息的人脸抓拍图进行聚类,以两两相似度为判断标准,将人脸识别系统中疑似同一人的信息进行关联,使得一个人有唯一的综合档案。从档案中,可得出潜在嫌疑人的属性特征、行为特征等。
如此,从所有已聚类(包括已实名、未实名)档案中进行条件筛选,找出在指定时间范围的指定视频源同一人抓拍张数超过某一特定阈值的某人员档案信息。获得其档案信息后,用户可以快速根据嫌疑人人像信息在某个区域的某个时间段中,找到与其在前后t秒同行的人,将符合条件的同行人抓拍图像进行聚合;也可以在得到同行人的同行次数的基础上,可以查询嫌疑人Q与单个同行人G的详细同行记录,以判断某些嫌疑人员的同行记录和同行人关系网。
相对于现有技术在海量数据的场景下难以实现高效的自动归类的问题,本申请能够将海量的抓拍图像自动归类,还可以将视频监控中的海量嫌疑人抓拍与公安既有人员数据库的信息高效地自动关联。
上述基于聚类的人员档案自动生成的方法,利用人脸增量聚类算法及人脸人体联合聚类算法,能提高聚类的效果。进一步地,采用图形处理器(GPU,Graphics ProcessingUnit)并行运算,能保证足够的运算力,以适应大规模数据的场景。
基于上述人员档案自动生成的方案,本申请提出了一种基于系统档案数据的信息处理的方案。
本申请实施例提供一种信息处理方法,如图3所示,所述方法主要包括:
步骤301、基于聚合档案数据确定目标对象。
示例性地,终端从系统数据库获取目标图像,基于所述目标图像确定目标对象。
其中,所述系统数据库存储有基于聚类分析而建立的聚合档案数据。
在本申请实施例中,所述系统数据库至少包括第一数据库和第二数据库;其中,所述第一数据库基于图像采集装置抓拍到的人像图形成;所述第二数据库基于实名的图像信息形成。
步骤302、获取所述目标对象的第一抓拍信息。
本实施例中,所述第一抓拍信息由图像采集装置采集而得。所述图像采集装置具有图像采集功能,比如,所述图像采集装置可以是摄像机或抓拍机。
在一些可选实施方式中,所述获取所述目标对象的第一抓拍信息,包括:接收各个图像采集装置发送的抓拍信息;分析所述抓拍信息,以获得所述目标对象的第一抓拍信息。
具体地,所述图像采集装置可定时向终端发送其采集的抓拍信息,也可在接收到终端侧发送的传送指令时,向终端发送其采集的抓拍信息;进一步地,还可基于传送指令要求向终端发送指定时间段内关于指定区域的抓拍信息。
在另一些可选实施方式中,所述获取所述目标对象的第一抓拍信息,包括:从存储器读取各个图像采集装置采集的抓拍信息;分析所述抓拍信息,以获得所述目标对象的第一抓拍信息。
这里,所述存储器是存储有抓拍信息且能够与所述终端连接的存储器。
需要说明的是,本申请实施例对目标对象的第一抓拍信息的获取方式不作限定。
步骤303、对所述第一抓拍信息进行分析,得到第一分析结果。
其中,所述第一分析结果包括所述目标对象的出现信息。
在一些可选实施方式中,所述对所述第一抓拍信息进行分析,得到第一分析结果,包括:基于所述第一抓拍信息确定待分析的抓拍图像;确定每张所述抓拍图像中所述目标对象的出现信息;其中,所述出现信息至少包括出现地理位置及出现时间;基于所述出现信息对所述目标对象在同一地理位置的出现次数进行统计。
本实施例中,所述第一抓拍信息至少包括多张抓拍图像,所述抓拍图像携带有抓拍时间信息。可选地,所述第一抓拍信息还携带有抓拍所述抓拍图像的图像采集装置的信息。需要说明的是,每个图像采集装置都具有一个唯一表征所述图像采集装置的标识。
在一些具体实施方式中,所述基于所述第一抓拍信息确定待分析的抓拍图像,包括:根据时间要求筛选出待分析的抓拍图像。
这里,所述时间要求可根据用户需求或设计需求进行设定或调整。
比如,所述时间要求可以是以t0时刻对应的抓拍图像为时间起始点,每隔d秒选取一张抓拍图像。从而选出t0时刻对应的抓拍图像、t0+d时刻对应的抓拍图像、t0+2d时刻对应的抓拍图像、…t0+xd时刻对应的抓拍图像等多张图像。
在一些具体实施方式中,所述基于所述第一抓拍信息确定待分析的抓拍图像,包括:根据图像采集装置标识信息筛选出待分析的抓拍图像。
比如,A市B小区内共有10个摄像机,分别记为摄像机1、2、3、4、5、6、7、8、9、10,选取摄像机1、3、5、7、9所采集的抓拍图像作为待分析的抓拍图像。
在另一些可选实施方式中,所述对所述第一抓拍信息进行分析,得到第一分析结果,还包括:建立每张抓拍图像与其所得出现信息的对应关系。
如此,便于后续基于单张抓拍图像查询目标对象的活动轨迹。
在另一些可选实施方式中,所述对所述第一抓拍信息进行分析,得到第一分析结果,还包括:建立每张抓拍图像与其前后相邻M张抓拍图像的关联关系;其中,M为正数。
如此,便于后续基于单张抓拍图像查询与其有关联关系的抓拍图像。
举例来说,根据抓拍图像a2分析得到目标对象F的出现信息为:地理位置c2、出现时间t2,建立有抓拍图像a2与其相邻的抓拍图像a1、a0、a3、a4的关联关系,如此,当查询单张抓拍图像如抓拍图像a2时,可显示根据单张图像分析得到的信息,并能快速查找与其相邻的抓拍图像,有助于对目标对象的行动轨迹的推测。
步骤304、根据所述第一分析结果确定所述目标对象的第一轨迹。
在一些可选实施方式中,所述根据所述第一分析结果确定所述目标对象的第一轨迹,包括:基于所述目标对象的出现信息,在电子地图上标注所述目标对象的出现点位及出现次数;对电子地图上的出现点位按照所述出现时间进行连接,形成第一轨迹。
如此,对目标对象在各个出现点位的出现次数进行标注,能够清晰显示各个出现点位的出现频率,有助于找到目标对象的常驻地点;按照出现时间对各个出现点位进行连线,能够得到目标对象在一定时间段内的行动轨迹,便于跟踪和查找目标对象。
上述方案中,所述方法还包括:
基于聚合档案数据确定所述目标对象的同行人员;其中,所述同行人员是在抓拍到所述目标对象的图像采集装置在目标时间点前后t秒的抓拍图像中出现的除所述目标对象之外的人,所述目标时间点为所述图像采集装置抓拍到所述目标对象的时间点;获取所述同行人员的第二抓拍信息;对所述第二抓拍信息进行分析,得到第二分析结果;根据所述第二分析结果确定所述同行人员的第二轨迹;其中,所述第二分析结果包括所述同行人员的出现信息。
可选地,所述同行人员还可以是在抓拍到所述目标对象的图像采集装置在目标时间点前后t秒的抓拍图像中出现的除所述目标对象之外的,且经过聚类出现次数超过预设值的人,所述t为正数。
如此,能缩小同行人员的范围。
这里,关于同行人员的轨迹确定方法可参照目标对象的轨迹确定方法,在此不再对各个实现步骤一一赘述。
上述方案中,可选地,所述方法还包括:
从所述目标对象的同行人员中确定出第一同行人;调取所述第一同行人的第二轨迹;将所述目标对象的第一轨迹和所述第一同行人的第二轨迹作对比展示。
如此,将目标对象的第一轨迹和某个同行人的第二轨迹同时显示,在锁定某个同行人后,查看目标和同行人在地图上的轨迹比对、显示二者的同行点位等,以便确认两者之间的关系、行动预测等。
下面,对目标对象和其同行人员的轨迹分析的界面显示进行举例说明。
1.目标对象的轨迹:
1)在抓拍记录标签下,地图上显示目标出现的各点位,点击“显示轨迹”按钮,连接点位形成轨迹。
2)显示每个点位出现的次数,并对“首次出现”、“最后出现”、“常现点”三种点位进行统计与展示。
图4示出了本申请实施例提供的抓拍记录对应的抓拍点位查询界面示意图,如图4所示,图中左侧显示有目标对象的个人档案信息,以及其在各个场所的行动数据等信息;图中右侧显示有在不同时间不同摄像机的抓拍记录,以及在电子地图上主要出现点位的出现次数等信息。
3)点击单个点位,可查看该点抓拍的人脸小图与前后几张监控抓拍、点位地理位置及抓拍发生时间。
4)可查看发生抓拍的点位的视频源详情。
图5示出了本申请实施例提供的抓拍记录对应的目标轨迹查询界面示意图,如图5所示,在查询结果界面中,图中左侧显示有目标对象的个人档案信息,最近30天抓拍次数曲线图、最多抓拍时间段柱形图;图中右侧显示有在不同时间不同摄像机的抓拍记录,以及针对某一抓拍记录如视频所形成的行动轨迹。
2.同行人员的轨迹:
1)同行人:某人的每一张抓拍,在同一摄像头下前后n秒抓拍的人,经过聚类,出现超过预设值以上的人。
图6示出了本申请实施例提供的同行人分析的同行人关系网查询界面示意图,如图6所示,在查询结果界面中,图中左侧显示有目标对象的头像、最近30天抓拍次数曲线图、最多抓拍时间段柱形图、捕捉到该同行人的摄像机所在位置,图中右侧显示有同行人关系网。
2)切换到同行人分析标签,依据条件筛选同行人。
图7示出了本申请实施例提供的同行人分析的筛选同行人界面示意图,如图7所示,在查询结果界面中,图中左侧显示有目标对象的个人档案信息,以及其在各个场所的行动数据等信息;图中右侧显示有按照同行次数排序的同行人信息。
3)同行人轨迹分析:选定同行人,可进入同行人轨迹页面,在全部轨迹标签下,地图上展示档案人及其同行人的轨迹。支持以两级同行人为中心展示同行抓拍和轨迹。
图8示出了本申请实施例提供的目标对象与同行人的轨迹示意图,如图8所示,在查询结果界面中,图中左侧显示有捕捉到目标对象和同行人的视频源;图中右侧显示有目标对象的轨迹与同行人的轨迹。
4)同行轨迹:切换至同行点位标签,用户可在地图上看到目标和同行人的同行点位,点击点位可显示二人同行的抓拍详情。
图9示出了本申请实施例提供的点击视频源点位进入详情示意图,如图9所示,在图8所示轨迹基础上,点击视频源点位,可在界面左上角播放与该视频源点位对应的视频源。
图10示出了本申请实施例提供的目标对象与同行人的同行点位示意图一,如图10所示,点击界面上的同行点位标签后,显示二人同行的点位。
图11示出了本申请实施例提供的目标对象与同行人的同行点位示意图二,如图11所示,在图10所示同行点位基础上,点击视频源点位,可在界面中间播放与该视频源点位对应的视频源。
需要说明的是,可以理解,上述各个界面显示内容及布局等信息,可根据用户需求或设计需求进行设定或调整。
还应理解,本申请中列举的各个界面仅仅是示例性的,用于帮助本领域技术人员更好地理解本申请实施例的技术方案,而不应理解成对本申请实施例的限定,本领域普通技术人员可以在本申请所记载的各个界面的基础上进行各种改变和替换,也应理解为本申请实施例的一部分。
本申请所述技术方案可应用于智能视频分析,安防监控等领域。比如,可用于入室盗窃、反恐监测、医闹肇事、上访管控、涉毒打击、国保重点、社区管控等案件排查。举例来说,案件发生后,警方手上有一名嫌犯F的人像照片,在系统的档案数据库中上传F照片,找到该嫌犯档案,在同行人分析中设置案发时间段、在案发现场周边的视频源,找到与嫌犯F同行过的人员档案,显示同伙轨迹,进而确认同伙位置;找到同伙照片后,又可重复以上步骤,找到更多可能的同伙照片。如此,便于警方将线索串联,提高破案效率。
本申请实施例还提供了一种信息处理装置,如图12所示,所述装置包括:确定模块10,用于基于聚合档案数据确定目标对象;获取模块20,用于获取所述目标对象的第一抓拍信息;分析模块30,用于对所述第一抓拍信息进行分析,得到第一分析结果;处理模块40,用于根据所述第一分析结果确定所述目标对象的第一轨迹;其中,所述第一分析结果包括所述目标对象的出现信息。
作为一种实施方式,所述确定模块10,还用于基于聚合档案数据确定所述目标对象的同行人员;其中,所述同行人员是在抓拍到所述目标对象的图像采集装置在目标时间点前后t秒的抓拍图像中出现的除所述目标对象之外的人,所述目标时间点为所述图像采集装置抓拍到所述目标对象的时间点;所述获取模块20,还用于获取所述同行人员的第二抓拍信息;所述分析模块30,还用于对所述第二抓拍信息进行分析,得到第二分析结果;所述处理模块40,还用于根据所述第二分析结果确定所述同行人员的第二轨迹;其中,所述第二分析结果包括所述同行人员的出现信息。
作为一种实施方式,所述分析模块30,还用于:基于所述第一抓拍信息确定待分析的抓拍图像;确定每张所述抓拍图像中所述目标对象的出现信息;其中,所述出现信息至少包括出现地理位置及出现时间;基于所述出现信息对所述目标对象在同一地理位置的出现次数进行统计。
作为一种实施方式,所述分析模块30,还用于:建立每张抓拍图像与其所述出现信息的对应关系。
作为一种实施方式,所述分析模块30,还用于:建立每张抓拍图像与其前后相邻M张抓拍图像的关联关系;其中,M为正数。
作为一种实施方式,所述处理模块40,还用于:基于所述目标对象的出现信息,在电子地图上标注所述目标对象的出现点位及出现次数;对电子地图上的出现点位按照所述出现时间进行连接,形成第一轨迹。
作为一种实施方式,所述处理模块40,还用于:从所述目标对象的同行人员中确定出第一同行人;调取所述第一同行人的第二轨迹;将所述目标对象的第一轨迹和所述第一同行人的第二轨迹作对比展示。
上述方案中,可选地,所述装置还包括:档案建立模块50,用于:对第一数据库中的图像数据进行聚类处理得到聚类处理结果;其中,所述第一数据库基于图像采集装置抓拍到的人像图形成;对第二数据库中的图像数据进行聚合处理得到聚合处理结果;其中,所述第二数据库基于实名的图像信息形成;将所述聚类处理结果与所述聚合处理结果进行关联分析,得到聚合档案数据。
作为一种实施方式,所述档案建立模块50,还用于:从所述第一数据库中的图像数据提取出人脸图像数据;将所述人脸图像数据分成若干类,所述若干类中的每个类都有一个类中心,且所述类中心包括类中心特征值。
作为一种实施方式,所述档案建立模块50,还用于:将身份证号相同的图像数据聚合为一个图像库;建立所述图像库与所述身份证号对应的文本信息的关联关系,得到聚合处理结果,所述聚合处理结果中每一身份证号对应唯一档案数据。
作为一种实施方式,所述档案建立模块50,还用于:将第一数据库中每个类中心特征值与第二数据库各个参考类中心特征值进行全量比对;基于全量对比结果确定出相似度最高并且相似度大于预设阈值的目标参考类中心特征值;从所述第二数据库中查找所述目标参考类中心特征值对应的目标人像和所述目标人像对应的身份信息;建立所述目标人像对应的身份信息与第一数据库中类中心特征值对应的图像的关联关系。
作为一种实施方式,所述档案建立模块50,还用于:当向所述第一数据库新增图像数据时,对新增的图像数据进行聚类处理,将新增图像数据中人脸图像数据分成若干类,从所述第一数据库中查询是否有与新增图像数据相同的类,如果有相同的类,则合并到相应类的现有档案中;如果没有相同的类,则基于新类建立新的档案,补充到所述第一数据库中。
作为一种实施方式,所述档案建立模块50,还用于:当向所述第二数据库新增图像数据时,从所述第二数据库中查询是否有与新增图像数据相同的身份证号,如果有相同的身份证号,则合并到所述身份证号对应的现有档案中;如果没有相同的身份证号,则基于新增图像数据的身份证号建立新的档案,补充到所述第二数据库中。
本领域技术人员应当理解,在一些可选实施例中,图12中所示的信息处理装置中的各处理模块的实现功能可参照前述信息处理方法的相关描述而理解。
本领域技术人员应当理解,在一些可选实施例中,图12所示的信息处理装置中各处理单元的功能可通过运行于处理器上的程序而实现,也可通过具体的逻辑电路而实现。
实际应用中,上述的确定模块10、获取模块20、分析模块30、处理模块40和档案建立模块50的具体结构均可对应于处理器。所述处理器具体的结构可以为中央处理器(CPU,Central Processing Unit)、微处理器(MCU,Micro Controller Unit)、数字信号处理器(DSP,Digital Signal Processing)或可编程逻辑器件(PLC,Programmable LogicController)等具有处理功能的电子元器件或电子元器件的集合。其中,所述处理器包括可执行代码,所述可执行代码存储在存储介质中,所述处理器可以通过总线等通信接口与所述存储介质中相连,在执行具体的各单元的对应功能时,从所述存储介质中读取并运行所述可执行代码。所述存储介质用于存储所述可执行代码的部分优选为非瞬间存储介质。
所述第确定模块10、获取模块20、分析模块30、处理模块40和档案建立模块50可以集成对应于同一处理器,或分别对应不同的处理器;当集成对应于同一处理器时,所述处理器采用时分处理所述确定模块10、获取模块20、分析模块30、处理模块40和档案建立模块50对应的功能。
本申请实施例提供的信息处理装置,能对目标对象的抓拍信息自动分析统计并形成轨迹,还能对同行人员的抓拍信息自动分析统计并形成轨迹;支持查看目标对象和同行人员在电子地图上的轨迹比对、显示二者的同行点位等,以便确认两者之间的关系、行动预测等。
本申请实施例还记载了一种信息处理装置,所述装置包括:存储器31、处理器32及存储在存储器31上并可在处理器32上运行的计算机程序,所述处理器32执行所述程序时实现前述任意一个技术方案提供的信息处理方法。
本申请实施例中,所述处理器32执行所述程序时实现:
基于聚合档案数据确定目标对象;获取所述目标对象的第一抓拍信息;对所述第一抓拍信息进行分析,得到第一分析结果;根据所述第一分析结果确定所述目标对象的第一轨迹;其中,所述第一分析结果包括所述目标对象的出现信息。
作为一种实施方式,所述处理器32执行所述程序时实现:基聚合档案数据确定所述目标对象的同行人员;其中,所述同行人员是与所述目标对象在同一图像采集装置下前后t秒被抓拍,且经过聚类出现次数超过预设值的人,所述t为正数;获取所述同行人员的第二抓拍信息;对所述第二抓拍信息进行分析,得到第二分析结果;根据所述第二分析结果确定所述同行人员的第二轨迹;其中,所述第二分析结果包括所述同行人员的出现信息。
作为一种实施方式,所述处理器32执行所述程序时实现:基于所述第一抓拍信息确定待分析的抓拍图像;确定每张所述抓拍图像中所述目标对象的出现信息;其中,所述出现信息至少包括出现地理位置及出现时间;基于所述出现信息对所述目标对象在同一地理位置的出现次数进行统计。
作为一种实施方式,所述处理器32执行所述程序时实现:建立每张抓拍图像与其所得出现信息的对应关系。
作为一种实施方式,所述处理器32执行所述程序时实现:建立每张抓拍图像与其前后相邻M张抓拍图像的关联关系;其中,M为正数。
作为一种实施方式,所述处理器32执行所述程序时实现:基于所述目标对象的出现信息,在电子地图上标注所述目标对象的出现点位及出现次数;对电子地图上的出现点位按照所述出现时间进行连接,形成第一轨迹。
作为一种实施方式,所述处理器32执行所述程序时实现:从所述目标对象的同行人员中确定出第一同行人;调取所述第一同行人的第二轨迹;将所述目标对象的第一轨迹和所述第一同行人的第二轨迹作对比展示。
作为一种实施方式,所述处理器32执行所述程序时实现:
对第一数据库中的图像数据进行聚类处理得到聚类处理结果;其中,所述第一数据库基于图像采集装置抓拍到的人像图形成;对第二数据库中的图像数据进行聚合处理得到聚合处理结果;其中,所述第二数据库基于实名的图像信息形成;将所述聚类处理结果与所述聚合处理结果进行关联分析,得到聚合档案数据。
作为一种实施方式,所述处理器32执行所述程序时实现:
从所述第一数据库中的图像数据提取出人脸图像数据;将所述人脸图像数据分成若干类,所述若干类中的每个类都有一个类中心,且所述类中心包括类中心特征值。
作为一种实施方式,所述处理器32执行所述程序时实现:
将身份证号相同的图像数据聚合为一个图像库;建立所述图像库与所述身份证号对应的文本信息的关联关系,得到聚合处理结果,所述聚合处理结果中每一身份证号对应唯一档案数据。
作为一种实施方式,所述处理器32执行所述程序时实现:
将第一数据库中每个类中心特征值与第二数据库各个参考类中心特征值进行全量比对;基于全量对比结果确定出相似度最高并且相似度大于预设阈值的目标参考类中心特征值;从所述第二数据库中查找所述目标参考类中心特征值对应的目标人像和所述目标人像对应的身份信息;建立所述目标人像对应的身份信息与第一数据库中类中心特征值对应的图像的关联关系。
作为一种实施方式,所述处理器32执行所述程序时实现:
当向所述第一数据库新增图像数据时,对新增的图像数据进行聚类处理,将新增图像数据中人脸图像数据分成若干类,从所述第一数据库中查询是否有与新增图像数据相同的类,如果有相同的类,则合并到相应类的现有档案中;如果没有相同的类,则基于新类建立新的档案,补充到所述第一数据库中。
作为一种实施方式,所述处理器32执行所述程序时实现:
当向所述第二数据库新增图像数据时,从所述第二数据库中查询是否有与新增图像数据相同的身份证号,如果有相同的身份证号,则合并到所述身份证号对应的现有档案中;如果没有相同的身份证号,则基于新增图像数据的身份证号建立新的档案,补充到所述第二数据库中。
本申请实施例提供的信息处理装置,能对目标对象的抓拍信息自动分析统计并形成轨迹,还能对同行人员的抓拍信息自动分析统计并形成轨迹;支持查看目标对象和同行人员在电子地图上的轨迹比对、显示二者的同行点位等,以便确认两者之间的关系、行动预测等。
本申请实施例还记载了一种计算机存储介质,所述计算机存储介质中存储有计算机可执行指令,所述计算机可执行指令用于执行前述各个实施例所述的发票识别方法。也就是说,所述计算机可执行指令被处理器执行之后,能够实现前述任意一个技术方案提供的信息处理方法。
本领域技术人员应当理解,本实施例的计算机存储介质中各程序的功能,可参照前述各实施例所述的信息处理方法的相关描述而理解。
本申请所述技术方案,自动将同一人在视频监控中的抓拍图像与既有静态人员数据库结合,便于警方将线索串联、提高破案效率。比如,侦破团伙犯罪时,根据同行人找到其他犯罪嫌疑人;通过分析嫌疑人的同行人,了解嫌疑人的社会关系,进而排查其身份与行踪。而且,能够将每人的所有抓拍图像形成轨迹,并且支持同行人筛选,锁定某个同行人后,查看目标对象和同行人在地图上的轨迹比对、显示二者的同行点位等,以便确认两者之间的关系、行动预测等。
还应理解,本文中列举的各个可选实施例仅仅是示例性的,用于帮助本领域技术人员更好地理解本申请实施例的技术方案,而不应理解成对本申请实施例的限定,本领域普通技术人员可以在本文所记载的各个可选实施例的基础上进行各种改变和替换,也应理解为本申请实施例的一部分。
此外,本文对技术方案的描述着重于强调各个实施例的不同之处,其相同或相似之处可以相互参考,为了简洁,不再一一赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本申请各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本申请上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种信息处理方法,其特征在于,所述方法包括:
基于聚合档案数据确定目标对象;
获取所述目标对象的第一抓拍信息;
对所述第一抓拍信息进行分析,得到第一分析结果;
根据所述第一分析结果确定所述目标对象的第一轨迹;
其中,所述第一分析结果包括所述目标对象的出现信息。
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:
基于所述聚合档案数据确定所述目标对象的同行人员;其中,所述同行人员是在抓拍到所述目标对象的图像采集装置在目标时间点前后t秒的抓拍图像中出现的除所述目标对象之外的人,所述目标时间点为所述图像采集装置抓拍到所述目标对象的时间点;
获取所述同行人员的第二抓拍信息;
对所述第二抓拍信息进行分析,得到第二分析结果;
根据所述第二分析结果确定所述同行人员的第二轨迹;
其中,所述第二分析结果包括所述同行人员的出现信息。
3.根据权利要求1或2所述的方法,其特征在于,所述对所述第一抓拍信息进行分析,得到第一分析结果,包括:
基于所述第一抓拍信息确定待分析的抓拍图像;
确定每张所述抓拍图像中所述目标对象的出现信息;其中,所述出现信息至少包括出现地理位置及出现时间;
基于所述出现信息对所述目标对象在同一地理位置的出现次数进行统计。
4.根据权利要求3所述的方法,其特征在于,所述第一分析结果还包括以下至少一种:
每张抓拍图像与其所述出现信息的对应关系;
每张抓拍图像与其前后相邻M张抓拍图像的关联关系,所述M为正数。
5.根据权利要求3所述的方法,其特征在于,所述根据所述第一分析结果确定所述目标对象的第一轨迹,包括:
基于所述目标对象的出现信息,在电子地图上标注所述目标对象的出现点位及出现次数;
对电子地图上的出现点位按照所述出现时间进行连接,形成第一轨迹。
6.根据权利要求2所述的方法,其特征在于,所述方法还包括:
从所述目标对象的同行人员中确定出第一同行人;
调取所述第一同行人的第二轨迹;
将所述目标对象的第一轨迹和所述第一同行人的第二轨迹作对比展示。
7.根据权利要求1至6任一项所述的方法,其特征在于,所述方法还包括:
对第一数据库中的图像数据进行聚类处理得到聚类处理结果;其中,所述第一数据库基于图像采集装置抓拍到的人像图形成;
对第二数据库中的图像数据进行聚合处理得到聚合处理结果;其中,所述第二数据库基于实名的图像信息形成;
将所述聚类处理结果与所述聚合处理结果进行关联分析,得到聚合档案数据。
8.一种信息处理装置,其特征在于,所述装置包括:
确定模块,用于基于聚合档案数据确定目标对象;
获取模块,用于获取所述目标对象的第一抓拍信息;
分析模块,用于对所述第一抓拍信息进行分析,得到第一分析结果;
处理模块,用于根据所述第一分析结果确定所述目标对象的第一轨迹;其中,所述第一分析结果包括所述目标对象的出现信息。
9.一种信息处理装置,所述装置包括: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程序时实现权利要求1至7任一项所述的信息处理方法。
10.一种存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行权利要求1至7任一项所述的信息处理方法。
Priority Applications (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910577496.1A CN110334231A (zh) | 2019-06-28 | 2019-06-28 | 一种信息处理方法及装置、存储介质 |
PCT/CN2020/089594 WO2020259100A1 (zh) | 2019-06-28 | 2020-05-11 | 一种信息处理方法及装置、存储介质 |
JP2021541270A JP2022518459A (ja) | 2019-06-28 | 2020-05-11 | 情報処理方法および装置、記憶媒体 |
SG11202108246UA SG11202108246UA (en) | 2019-06-28 | 2020-05-11 | Information processing method and apparatus, and storage medium |
TW109119861A TWI740537B (zh) | 2019-06-28 | 2020-06-12 | 一種資訊處理方法及裝置、儲存介質 |
US17/386,490 US20210357678A1 (en) | 2019-06-28 | 2021-07-27 | Information processing method and apparatus, and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910577496.1A CN110334231A (zh) | 2019-06-28 | 2019-06-28 | 一种信息处理方法及装置、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110334231A true CN110334231A (zh) | 2019-10-15 |
Family
ID=68143715
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910577496.1A Pending CN110334231A (zh) | 2019-06-28 | 2019-06-28 | 一种信息处理方法及装置、存储介质 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20210357678A1 (zh) |
JP (1) | JP2022518459A (zh) |
CN (1) | CN110334231A (zh) |
SG (1) | SG11202108246UA (zh) |
TW (1) | TWI740537B (zh) |
WO (1) | WO2020259100A1 (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110765121A (zh) * | 2019-10-31 | 2020-02-07 | 太原蓝知科技有限公司 | 一种大数据智能采集处理方法和系统 |
CN111104915A (zh) * | 2019-12-23 | 2020-05-05 | 云粒智慧科技有限公司 | 一种同行分析方法、装置、设备和介质 |
CN111291682A (zh) * | 2020-02-07 | 2020-06-16 | 浙江大华技术股份有限公司 | 确定目标对象的方法、装置、存储介质及电子装置 |
CN111435435A (zh) * | 2019-12-10 | 2020-07-21 | 杭州海康威视数字技术股份有限公司 | 一种同行人识别方法、装置、服务器及系统 |
CN111625686A (zh) * | 2020-05-20 | 2020-09-04 | 深圳市商汤科技有限公司 | 数据处理方法及装置、电子设备和存储介质 |
WO2020259100A1 (zh) * | 2019-06-28 | 2020-12-30 | 深圳市商汤科技有限公司 | 一种信息处理方法及装置、存储介质 |
CN112528099A (zh) * | 2020-12-17 | 2021-03-19 | 青岛以萨数据技术有限公司 | 一种基于大数据的人员同行分析方法、系统、设备及介质 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113793363A (zh) * | 2021-09-27 | 2021-12-14 | 重庆紫光华山智安科技有限公司 | 目标跟踪方法及相关装置 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108229335A (zh) * | 2017-12-12 | 2018-06-29 | 深圳市商汤科技有限公司 | 关联人脸识别方法和装置、电子设备、存储介质、程序 |
CN108733819A (zh) * | 2018-05-22 | 2018-11-02 | 深圳云天励飞技术有限公司 | 一种人员档案建立方法和装置 |
CN109034944A (zh) * | 2018-06-19 | 2018-12-18 | 阿里巴巴集团控股有限公司 | 同人多用户的数据信息维护方法及装置 |
CN109086829A (zh) * | 2018-08-14 | 2018-12-25 | 东方网力科技股份有限公司 | 一种社会人口治理的方法及装置 |
CN109117714A (zh) * | 2018-06-27 | 2019-01-01 | 北京旷视科技有限公司 | 一种同行人员识别方法、装置、系统及计算机存储介质 |
CN109241378A (zh) * | 2018-08-29 | 2019-01-18 | 北京旷视科技有限公司 | 档案建立方法、装置、设备及存储介质 |
CN109711874A (zh) * | 2018-12-17 | 2019-05-03 | 平安科技(深圳)有限公司 | 用户画像生成方法、装置、计算机设备和存储介质 |
CN109784217A (zh) * | 2018-12-28 | 2019-05-21 | 上海依图网络科技有限公司 | 一种监控方法及装置 |
CN109800673A (zh) * | 2018-12-28 | 2019-05-24 | 上海依图网络科技有限公司 | 一种归档方法及装置 |
CN109800329A (zh) * | 2018-12-28 | 2019-05-24 | 上海依图网络科技有限公司 | 一种监控方法及装置 |
CN109858365A (zh) * | 2018-12-28 | 2019-06-07 | 深圳云天励飞技术有限公司 | 一种特殊人群聚集行为分析方法、装置及电子设备 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013192154A (ja) * | 2012-03-15 | 2013-09-26 | Omron Corp | 監視装置、信頼度算出プログラム、および信頼度算出方法 |
WO2015111312A1 (ja) * | 2014-01-23 | 2015-07-30 | 株式会社日立国際電気 | 画像検索システム及び画像検索方法 |
TWI647632B (zh) * | 2014-06-25 | 2019-01-11 | 沈鉦諺 | Cluster data sharing method and system thereof |
CN104133917B (zh) * | 2014-08-15 | 2018-08-10 | 百度在线网络技术(北京)有限公司 | 照片的分类存储方法及装置 |
JP6885682B2 (ja) * | 2016-07-15 | 2021-06-16 | パナソニックi−PROセンシングソリューションズ株式会社 | 監視システム、管理装置、及び監視方法 |
CN109844747A (zh) * | 2017-04-01 | 2019-06-04 | 深圳市大疆创新科技有限公司 | 身份认证服务器、身份认证终端、身份认证系统及方法 |
CN110334231A (zh) * | 2019-06-28 | 2019-10-15 | 深圳市商汤科技有限公司 | 一种信息处理方法及装置、存储介质 |
-
2019
- 2019-06-28 CN CN201910577496.1A patent/CN110334231A/zh active Pending
-
2020
- 2020-05-11 WO PCT/CN2020/089594 patent/WO2020259100A1/zh active Application Filing
- 2020-05-11 JP JP2021541270A patent/JP2022518459A/ja active Pending
- 2020-05-11 SG SG11202108246UA patent/SG11202108246UA/en unknown
- 2020-06-12 TW TW109119861A patent/TWI740537B/zh active
-
2021
- 2021-07-27 US US17/386,490 patent/US20210357678A1/en not_active Abandoned
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108229335A (zh) * | 2017-12-12 | 2018-06-29 | 深圳市商汤科技有限公司 | 关联人脸识别方法和装置、电子设备、存储介质、程序 |
CN108733819A (zh) * | 2018-05-22 | 2018-11-02 | 深圳云天励飞技术有限公司 | 一种人员档案建立方法和装置 |
CN109034944A (zh) * | 2018-06-19 | 2018-12-18 | 阿里巴巴集团控股有限公司 | 同人多用户的数据信息维护方法及装置 |
CN109117714A (zh) * | 2018-06-27 | 2019-01-01 | 北京旷视科技有限公司 | 一种同行人员识别方法、装置、系统及计算机存储介质 |
CN109086829A (zh) * | 2018-08-14 | 2018-12-25 | 东方网力科技股份有限公司 | 一种社会人口治理的方法及装置 |
CN109241378A (zh) * | 2018-08-29 | 2019-01-18 | 北京旷视科技有限公司 | 档案建立方法、装置、设备及存储介质 |
CN109711874A (zh) * | 2018-12-17 | 2019-05-03 | 平安科技(深圳)有限公司 | 用户画像生成方法、装置、计算机设备和存储介质 |
CN109784217A (zh) * | 2018-12-28 | 2019-05-21 | 上海依图网络科技有限公司 | 一种监控方法及装置 |
CN109800673A (zh) * | 2018-12-28 | 2019-05-24 | 上海依图网络科技有限公司 | 一种归档方法及装置 |
CN109800329A (zh) * | 2018-12-28 | 2019-05-24 | 上海依图网络科技有限公司 | 一种监控方法及装置 |
CN109858365A (zh) * | 2018-12-28 | 2019-06-07 | 深圳云天励飞技术有限公司 | 一种特殊人群聚集行为分析方法、装置及电子设备 |
Non-Patent Citations (1)
Title |
---|
孙世友 等: "《大地图 测绘地理信息大数据理论与实践》", 31 December 2017 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020259100A1 (zh) * | 2019-06-28 | 2020-12-30 | 深圳市商汤科技有限公司 | 一种信息处理方法及装置、存储介质 |
CN110765121A (zh) * | 2019-10-31 | 2020-02-07 | 太原蓝知科技有限公司 | 一种大数据智能采集处理方法和系统 |
CN110765121B (zh) * | 2019-10-31 | 2022-09-20 | 上海意臣信息科技有限公司 | 一种大数据智能采集处理方法和系统 |
CN111435435A (zh) * | 2019-12-10 | 2020-07-21 | 杭州海康威视数字技术股份有限公司 | 一种同行人识别方法、装置、服务器及系统 |
WO2021114985A1 (zh) * | 2019-12-10 | 2021-06-17 | 杭州海康威视数字技术股份有限公司 | 一种同行对象识别方法、装置、服务器及系统 |
CN111104915A (zh) * | 2019-12-23 | 2020-05-05 | 云粒智慧科技有限公司 | 一种同行分析方法、装置、设备和介质 |
CN111104915B (zh) * | 2019-12-23 | 2023-05-16 | 云粒智慧科技有限公司 | 一种同行分析方法、装置、设备和介质 |
CN111291682A (zh) * | 2020-02-07 | 2020-06-16 | 浙江大华技术股份有限公司 | 确定目标对象的方法、装置、存储介质及电子装置 |
CN111625686A (zh) * | 2020-05-20 | 2020-09-04 | 深圳市商汤科技有限公司 | 数据处理方法及装置、电子设备和存储介质 |
CN112528099A (zh) * | 2020-12-17 | 2021-03-19 | 青岛以萨数据技术有限公司 | 一种基于大数据的人员同行分析方法、系统、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
TWI740537B (zh) | 2021-09-21 |
WO2020259100A1 (zh) | 2020-12-30 |
SG11202108246UA (en) | 2021-08-30 |
US20210357678A1 (en) | 2021-11-18 |
TW202101443A (zh) | 2021-01-01 |
JP2022518459A (ja) | 2022-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110334231A (zh) | 一种信息处理方法及装置、存储介质 | |
Xu et al. | Video structured description technology based intelligence analysis of surveillance videos for public security applications | |
US9251425B2 (en) | Object retrieval in video data using complementary detectors | |
CN110348347A (zh) | 一种信息处理方法及装置、存储介质 | |
CN110210276A (zh) | 一种移动轨迹获取方法及其设备、存储介质、终端 | |
CN109783685A (zh) | 一种查询方法及装置 | |
CN108229335A (zh) | 关联人脸识别方法和装置、电子设备、存储介质、程序 | |
CN109858365A (zh) | 一种特殊人群聚集行为分析方法、装置及电子设备 | |
CN109784274A (zh) | 识别尾随的方法及相关产品 | |
CN110263613A (zh) | 监控视频处理方法及装置 | |
CN109711228A (zh) | 一种实现图像识别的图像处理方法及装置、电子设备 | |
CN110390031A (zh) | 信息处理方法及装置、图像设备及存储介质 | |
CN112818149A (zh) | 一种基于时空轨迹数据的人脸聚类方法、装置及存储介质 | |
CN107169106A (zh) | 视频检索方法、装置、存储介质及处理器 | |
CN109800664B (zh) | 一种确定路人轨迹的方法及装置 | |
CN109426785A (zh) | 一种人体目标身份识别方法及装置 | |
CN109195011A (zh) | 一种视频处理方法、装置、设备及存储介质 | |
CN113935358A (zh) | 一种行人追踪方法、设备和存储介质 | |
CN109857891A (zh) | 一种查询方法及装置 | |
CN113255477A (zh) | 一种行人视频图像的综合管理系统及方法 | |
CN111353343A (zh) | 一种基于视频监控的营业厅服务规范质检方法 | |
CN109784220B (zh) | 一种确定路人轨迹的方法及装置 | |
Su et al. | Open-view human action recognition based on linear discriminant analysis | |
CN108363771B (zh) | 一种面向公安侦查应用的图像检索方法 | |
CN112699328A (zh) | 网点服务数据处理方法、装置、系统、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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191015 |