CN110728249B - 目标行人的跨摄像机识别方法、装置及系统 - Google Patents
目标行人的跨摄像机识别方法、装置及系统 Download PDFInfo
- Publication number
- CN110728249B CN110728249B CN201911000809.3A CN201911000809A CN110728249B CN 110728249 B CN110728249 B CN 110728249B CN 201911000809 A CN201911000809 A CN 201911000809A CN 110728249 B CN110728249 B CN 110728249B
- Authority
- CN
- China
- Prior art keywords
- camera
- target
- matching
- determining
- image
- 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
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/48—Matching video sequences
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Closed-Circuit Television Systems (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本说明书实施例提供一种目标行人的跨摄像机识别方法、装置及系统，方法包括：获取目标行人的初始图像；在摄像机组中各摄像机采集的各监控图像中进行目标检测，以得到与初始图像匹配的多个匹配图像；确定一个匹配图像为真目标，并进行真目标行人跟踪，真目标对应第一摄像机；同时从多个匹配图像对应的各摄像机中，选择与第一摄像机具有空间相邻摄像机视域的第二摄像机，确定第二摄像机对应的匹配图像为伪目标，并进行伪目标行人跟踪；在真目标行人跟踪过程中，当确定真目标由第一摄像机的摄像机视域进入到第二摄像机的摄像机视域时，对第二摄像机采集的监控图像进行真目标检测时排除所述伪目标。能够准确、快速的识别出目标行人。
Description
技术领域
本说明书一个或多个实施例涉及视频监控领域，尤其涉及目标行人的跨摄像机识别方法、装置及系统。
背景技术
当前，常常有追踪目标行人的需求，例如，警务刑事侦查中追踪犯罪嫌疑人。随着视频监控网络被大量应用到各种公共场所，而这些场所的视频监控网络一般采用多台摄像机覆盖多处不同的区域，往往这些区域没有重叠，这样就构成了非重叠多摄像机网络。由于行人兼具刚性和柔性物体的特性，外观易受穿着、尺度、遮挡、姿态和视角等影响，针对非重叠多摄像机网络，进行目标行人的跨摄像机识别是个难点。
现有技术中，针对各摄像机的监控图像进行目标检测，当目标行人从一个摄像机的监控图像中消失后又在另一个摄像机的监控图像中出现时，往往无法准确、快速的识别出该目标行人。
发明内容
本说明书一个或多个实施例描述了一种目标行人的跨摄像机识别方法、装置及系统，能够准确、快速的识别出目标行人。
第一方面，提供了一种目标行人的跨摄像机识别方法，方法包括：
获取目标行人的初始图像；
在摄像机组中各摄像机采集的各监控图像中进行目标检测，以得到与所述初始图像匹配的多个匹配图像；
确定所述多个匹配图像中的一个匹配图像为真目标，并进行真目标行人跟踪，所述真目标对应第一摄像机；同时从所述多个匹配图像对应的各摄像机中，选择与所述第一摄像机具有空间相邻摄像机视域的第二摄像机，确定所述第二摄像机对应的匹配图像为伪目标，并进行伪目标行人跟踪；
在真目标行人跟踪过程中，当确定所述真目标由所述第一摄像机的摄像机视域进入到所述第二摄像机的摄像机视域时，对所述第二摄像机采集的监控图像进行真目标检测时排除所述伪目标。
在一种可能的实施方式中，所述确定所述多个匹配图像中的一个匹配图像为真目标，包括：
获取所述多个匹配图像分别与所述初始图像的各匹配度；
按照所述各匹配度由高到低对所述多个匹配图像进行排序；
接收指令，将所述指令指示的匹配图像确定为真目标。
在一种可能的实施方式中，所述在摄像机组中各摄像机采集的各监控图像中进行目标检测，以得到与所述初始图像匹配的多个匹配图像，包括：
在摄像机组中各摄像机采集的各监控图像中，基于所述初始图像的多维度多元特征描述矢量确定各监控图像中的初始匹配区域，以及确定各监控图像中的初始前景区域；
根据所述初始匹配区域和所述初始前景区域，综合确定与所述初始图像匹配的多个匹配图像。
进一步地，所述多维度多元特征描述矢量用于描述人体特征属性与区域属性；所述人体特征属性包括人脸、服饰、身体朝向、行为动作中的至少一项；所述区域属性包括颜色特征、纹理特征中的至少一项。
第二方面，提供了一种目标行人的跨摄像机识别装置，装置包括：
获取单元，用于获取目标行人的初始图像；
识别单元，用于在摄像机组中各摄像机采集的各监控图像中进行目标检测，以得到与所述获取单元获取的初始图像匹配的多个匹配图像；
确定单元，用于确定所述识别单元得到的多个匹配图像中的一个匹配图像为真目标，并进行真目标行人跟踪，所述真目标对应第一摄像机；同时从所述多个匹配图像对应的各摄像机中，选择与所述第一摄像机具有空间相邻摄像机视域的第二摄像机，确定所述第二摄像机对应的匹配图像为伪目标，并进行伪目标行人跟踪；
重识别单元，用于在真目标行人跟踪过程中，当确定所述确定单元确定的真目标由所述第一摄像机的摄像机视域进入到所述第二摄像机的摄像机视域时，对所述第二摄像机采集的监控图像进行真目标检测时排除所述伪目标。
第三方面，提供了一种目标行人的跨摄像机识别系统，系统包括：
数据中心和第二方面所述的目标行人的跨摄像机识别装置；
所述目标行人的跨摄像机识别装置，还用于每隔预定时间，将所述真目标的跟踪信息传送到所述数据中心。
第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行第一方面的方法。
第五方面，提供了一种计算设备，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现第一方面的方法。
通过本说明书实施例提供的方法和装置，首先获取目标行人的初始图像；然后在摄像机组中各摄像机采集的各监控图像中进行目标检测，以得到与所述初始图像匹配的多个匹配图像；接着确定所述多个匹配图像中的一个匹配图像为真目标，并进行真目标行人跟踪，所述真目标对应第一摄像机；同时从所述多个匹配图像对应的各摄像机中，选择与所述第一摄像机具有空间相邻摄像机视域的第二摄像机，确定所述第二摄像机对应的匹配图像为伪目标，并进行伪目标行人跟踪；最后在真目标行人跟踪过程中，当确定所述真目标由所述第一摄像机的摄像机视域进入到所述第二摄像机的摄像机视域时，对所述第二摄像机采集的监控图像进行真目标检测时排除所述伪目标。由上可见，本说明书实施例，先确定真目标和伪目标，不仅对真目标进行跟踪，还对伪目标进行跟踪，在真目标进入到伪目标所在的相邻摄像机视域内，不会将伪目标误认为是真目标，从而降低了误识别，能够准确、快速的识别出目标行人。
附图说明
为了更清楚地说明本发明实施例的技术方案，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它的附图。
图1为本说明书披露的一个实施例的实施场景示意图；
图2示出根据一个实施例的目标行人的跨摄像机识别方法流程图；
图3为本说明书实施例提供的一种多维度多元特征描述矢量生成方法流程图；
图4为本说明书实施例提供的一种真目标和伪目标的跟踪示意图；
图5示出根据一个实施例的目标行人的跨摄像机识别装置的示意性框图；
图6为本说明书实施例提供的一种目标行人的跨摄像机识别系统结构示意图。
具体实施方式
下面结合附图，对本说明书提供的方案进行描述。
图1为本说明书披露的一个实施例的实施场景示意图。该实施场景涉及目标行人的跨摄像机识别。如图1所示，在监控场所内布置了四台摄像机，摄像机1的摄像机视域为视域1，摄像机2的摄像机视域为视域2，摄像机3的摄像机视域为视域3，摄像机4的摄像机视域为视域4，各摄像机的摄像机视域均不重叠，当某一时刻在视域1发现目标行人后，随着该目标行人的移动，该目标行人可能出现在视域2的范围内，如果视域2中出现与目标行人匹配度较高的其他行人，则可能出现对目标行人的跨摄像机识别不准确，导致追踪失败的情况。
本说明书实施例，先确定真目标和伪目标，不仅对真目标进行跟踪，还对伪目标进行跟踪，在真目标进入到伪目标所在的相邻摄像机视域内，不会将伪目标误认为是真目标，从而降低了误识别，能够准确、快速的识别出目标行人。
图2示出根据一个实施例的目标行人的跨摄像机识别方法流程图，该方法可以基于图1所示的实施场景。如图2所示，该实施例中目标行人的跨摄像机识别方法包括以下步骤：步骤21，获取目标行人的初始图像；步骤22，在摄像机组中各摄像机采集的各监控图像中进行目标检测，以得到与所述初始图像匹配的多个匹配图像；步骤23，确定所述多个匹配图像中的一个匹配图像为真目标，并进行真目标行人跟踪，所述真目标对应第一摄像机；同时从所述多个匹配图像对应的各摄像机中，选择与所述第一摄像机具有空间相邻摄像机视域的第二摄像机，确定所述第二摄像机对应的匹配图像为伪目标，并进行伪目标行人跟踪；步骤24，在真目标行人跟踪过程中，当确定所述真目标由所述第一摄像机的摄像机视域进入到所述第二摄像机的摄像机视域时，对所述第二摄像机采集的监控图像进行真目标检测时排除所述伪目标。下面描述以上各个步骤的具体执行方式。
首先在步骤21，获取目标行人的初始图像。可以理解的是，该目标行人的初始图像可以为人为指定的，例如，获取途径为摄像机采集的视频经过人工截取。
然后在步骤22，在摄像机组中各摄像机采集的各监控图像中进行目标检测，以得到与所述初始图像匹配的多个匹配图像。可以理解的是，上述摄像机组可以为监控场所内的所有摄像机或部分摄像机，各摄像机的摄像机视域通常不重合。摄像机组中包括的摄像机的数目可以预先设定，例如，预先设定该数目为8，可以对8组摄像机采集的监控图像同时进行识别。
在一个示例中，在摄像机组中各摄像机采集的各监控图像中，基于所述初始图像的多维度多元特征描述矢量确定各监控图像中的初始匹配区域，以及确定各监控图像中的初始前景区域；根据所述初始匹配区域和所述初始前景区域，综合确定与所述初始图像匹配的多个匹配图像。该示例中，采用行人特征与前景目标综合区域提取相结合的方式，通过目标检测捕捉到的监控图像中的目标行人的匹配图像，准确性高。
进一步地，所述多维度多元特征描述矢量用于描述人体特征属性与区域属性；所述人体特征属性包括人脸、服饰、身体朝向、行为动作中的至少一项；所述区域属性包括颜色特征、纹理特征中的至少一项。
图3为本说明书实施例提供的一种多维度多元特征描述矢量生成方法流程图，该方法应用于目标行人的跨摄像机识别中。该方法包括：根据目标行人的初始图像，在无重叠视域的摄像机组视域内识别目标行人；采用行人图像特征与前景区域识别加权的方法，确定监控图像中的行人图像，实现行人区域准确抠图再提炼；提炼后的图像特征一方面作为行人特征属性，另一方面进行特征区域提取；然后在特征区域内进行语义描述子提取，将行人特征属性和提取的特征区域语义描述子多种区域属性组合描述行人特征，形成多维度多元特征描述矢量，用于行人跟踪与行人识别匹配。
接着在步骤23，确定所述多个匹配图像中的一个匹配图像为真目标，并进行真目标行人跟踪，所述真目标对应第一摄像机；同时从所述多个匹配图像对应的各摄像机中，选择与所述第一摄像机具有空间相邻摄像机视域的第二摄像机，确定所述第二摄像机对应的匹配图像为伪目标，并进行伪目标行人跟踪。可以理解的是，可以人为指定所述多个匹配图像中的一个匹配图像为真目标，或者，结合多个匹配图像与初始图像的匹配度，确定所述多个匹配图像中的一个匹配图像为真目标。此外伪目标可以为一个或多个。
在一个示例中，获取所述多个匹配图像分别与所述初始图像的各匹配度；按照所述各匹配度由高到低对所述多个匹配图像进行排序；接收指令，将所述指令指示的匹配图像确定为真目标。
其中，与所述第一摄像机具有空间相邻摄像机视域的第二摄像机可以包括多个摄像机，可以第一摄像机的摄像机视域作为参考点，在该参考点的各个方向上寻找各方向上最近的摄像机视域，以及该摄像机视域对应的摄像机。
图4为本说明书实施例提供的一种真目标和伪目标的跟踪示意图。可以理解的是，伪目标与目标行人的初始图像匹配度较高，当真目标由第一摄像机的摄像机视域进入到伪目标所在的第二摄像机的摄像机视域内时，由于人的动作、姿态等的变化，有可能出现伪目标与初始图像的匹配度高于真目标与初始图像的匹配度。其中，第二摄像机的摄像机视域为第一摄像机的相邻摄像机视域。本说明书实施例，记录识别摄像机的地址号，并进行真目标行人跟踪，同时进行伪目标行人跟踪，这样，当真目标由第一摄像机的摄像机视域进入到伪目标所在的第二摄像机的摄像机视域内时，该伪目标就从判断真目标的候选目标中删除掉，从而降低了误识别。
最后在步骤24，在真目标行人跟踪过程中，当确定所述真目标由所述第一摄像机的摄像机视域进入到所述第二摄像机的摄像机视域时，对所述第二摄像机采集的监控图像进行真目标检测时排除所述伪目标。也就是说，伪目标不会被当做真目标。
本说明书实施例，先确定真目标和伪目标，不仅对真目标进行跟踪，还对伪目标进行跟踪，在真目标进入到伪目标所在的相邻摄像机视域内，不会将伪目标误认为是真目标，从而降低了误识别，能够准确、快速的识别出目标行人。
根据另一方面的实施例，还提供一种目标行人的跨摄像机识别装置，该装置用于执行本说明书实施例提供的目标行人的跨摄像机识别方法。图5示出根据一个实施例的目标行人的跨摄像机识别装置的示意性框图。如图5所示，该装置500包括：
获取单元51，用于获取目标行人的初始图像；
识别单元52，用于在摄像机组中各摄像机采集的各监控图像中进行目标检测，以得到与所述获取单元51获取的初始图像匹配的多个匹配图像；
确定单元53，用于确定所述识别单元52得到的多个匹配图像中的一个匹配图像为真目标，并进行真目标行人跟踪，所述真目标对应第一摄像机；同时从所述多个匹配图像对应的各摄像机中，选择与所述第一摄像机具有空间相邻摄像机视域的第二摄像机，确定所述第二摄像机对应的匹配图像为伪目标，并进行伪目标行人跟踪；
重识别单元54，用于在真目标行人跟踪过程中，当确定所述确定单元53确定的真目标由所述第一摄像机的摄像机视域进入到所述第二摄像机的摄像机视域时，对所述第二摄像机采集的监控图像进行真目标检测时排除所述伪目标。
可选地，作为一个实施例，所述确定单元53，具体用于：
获取所述多个匹配图像分别与所述初始图像的各匹配度；
按照所述各匹配度由高到低对所述多个匹配图像进行排序；
接收指令，将所述指令指示的匹配图像确定为真目标。
可选地，作为一个实施例，所述识别单元52，具体用于：
在摄像机组中各摄像机采集的各监控图像中，基于所述初始图像的多维度多元特征描述矢量确定各监控图像中的初始匹配区域，以及确定各监控图像中的初始前景区域；
根据所述初始匹配区域和所述初始前景区域，综合确定与所述初始图像匹配的多个匹配图像。
进一步地，所述多维度多元特征描述矢量用于描述人体特征属性与区域属性；所述人体特征属性包括人脸、服饰、身体朝向、行为动作中的至少一项；所述区域属性包括颜色特征、纹理特征中的至少一项。
本说明书实施例，先确定真目标和伪目标，不仅对真目标进行跟踪，还对伪目标进行跟踪，在真目标进入到伪目标所在的相邻摄像机视域内，不会将伪目标误认为是真目标，从而降低了误识别，能够准确、快速的识别出目标行人。
图6为本说明书实施例提供的一种目标行人的跨摄像机识别系统结构示意图，该系统包括：
数据中心200和目标行人的跨摄像机识别装置100；
所述目标行人的跨摄像机识别装置100，还用于每隔预定时间，将所述真目标的跟踪信息传送到所述数据中心。
在一个示例中，工作人员还可以通过数据中心200向目标行人的跨摄像机识别装置100发出指令，以确定真目标，或者切换摄像机组包括的摄像机。
在本发明实施例中，通过数据中心和目标行人的跨摄像机识别装置可以实现对目标行人的识别和跟踪，相应地可以实现追踪犯罪嫌疑人的目的。
根据另一方面的实施例，还提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行结合图2或图3所描述的方法。
根据再一方面的实施例，还提供一种计算设备，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现结合图2或图3所描述的方法。
本领域技术人员应该可以意识到，在上述一个或多个示例中，本发明所描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时，可以将这些功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的技术方案的基础之上，所做的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。
Claims (10)
1.一种目标行人的跨摄像机识别方法，所述方法包括：
获取目标行人的初始图像；
在摄像机组中各摄像机采集的各监控图像中进行目标检测，以得到与所述初始图像匹配的多个匹配图像；
确定所述多个匹配图像中的一个匹配图像为真目标，并进行真目标行人跟踪，所述真目标对应第一摄像机；同时从所述多个匹配图像对应的各摄像机中，选择与所述第一摄像机具有空间相邻摄像机视域的第二摄像机，确定所述第二摄像机对应的匹配图像为伪目标，并进行伪目标行人跟踪；
在真目标行人跟踪过程中，当确定所述真目标由所述第一摄像机的摄像机视域进入到所述第二摄像机的摄像机视域时，对所述第二摄像机采集的监控图像进行真目标检测时排除所述伪目标。
2.如权利要求1所述的方法，其中，所述确定所述多个匹配图像中的一个匹配图像为真目标，包括：
获取所述多个匹配图像分别与所述初始图像的各匹配度；
按照所述各匹配度由高到低对所述多个匹配图像进行排序；
接收指令，将所述指令指示的匹配图像确定为真目标。
3.如权利要求1所述的方法，其中，所述在摄像机组中各摄像机采集的各监控图像中进行目标检测，以得到与所述初始图像匹配的多个匹配图像，包括：
在摄像机组中各摄像机采集的各监控图像中，基于所述初始图像的多维度多元特征描述矢量确定各监控图像中的初始匹配区域，以及确定各监控图像中的初始前景区域；
根据所述初始匹配区域和所述初始前景区域，综合确定与所述初始图像匹配的多个匹配图像。
4.如权利要求3所述的方法，其中，所述多维度多元特征描述矢量用于描述人体特征属性与区域属性；所述人体特征属性包括人脸、服饰、身体朝向、行为动作中的至少一项；所述区域属性包括颜色特征、纹理特征中的至少一项。
5.一种目标行人的跨摄像机识别装置，所述装置包括：
获取单元，用于获取目标行人的初始图像；
识别单元，用于在摄像机组中各摄像机采集的各监控图像中进行目标检测，以得到与所述获取单元获取的初始图像匹配的多个匹配图像；
确定单元，用于确定所述识别单元得到的多个匹配图像中的一个匹配图像为真目标，并进行真目标行人跟踪，所述真目标对应第一摄像机；同时从所述多个匹配图像对应的各摄像机中，选择与所述第一摄像机具有空间相邻摄像机视域的第二摄像机，确定所述第二摄像机对应的匹配图像为伪目标，并进行伪目标行人跟踪；
重识别单元，用于在真目标行人跟踪过程中，当确定所述确定单元确定的真目标由所述第一摄像机的摄像机视域进入到所述第二摄像机的摄像机视域时，对所述第二摄像机采集的监控图像进行真目标检测时排除所述伪目标。
6.如权利要求5所述的装置，其中，所述确定单元，具体用于：
获取所述多个匹配图像分别与所述初始图像的各匹配度；
按照所述各匹配度由高到低对所述多个匹配图像进行排序；
接收指令，将所述指令指示的匹配图像确定为真目标。
7.如权利要求5所述的装置，其中，所述识别单元，具体用于：
在摄像机组中各摄像机采集的各监控图像中，基于所述初始图像的多维度多元特征描述矢量确定各监控图像中的初始匹配区域，以及确定各监控图像中的初始前景区域；
根据所述初始匹配区域和所述初始前景区域，综合确定与所述初始图像匹配的多个匹配图像。
8.如权利要求7所述的装置，其中，所述多维度多元特征描述矢量用于描述人体特征属性与区域属性；所述人体特征属性包括人脸、服饰、身体朝向、行为动作中的至少一项；所述区域属性包括颜色特征、纹理特征中的至少一项。
9.一种目标行人的跨摄像机识别系统，所述系统包括：
数据中心和权利要求5所述的目标行人的跨摄像机识别装置；
所述目标行人的跨摄像机识别装置，还用于每隔预定时间，将所述真目标的跟踪信息传送到所述数据中心。
10.一种计算设备，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现权利要求1-4中任一项的所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911000809.3A CN110728249B (zh) | 2019-10-21 | 2019-10-21 | 目标行人的跨摄像机识别方法、装置及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911000809.3A CN110728249B (zh) | 2019-10-21 | 2019-10-21 | 目标行人的跨摄像机识别方法、装置及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110728249A CN110728249A (zh) | 2020-01-24 |
| CN110728249B true CN110728249B (zh) | 2023-07-28 |
Family
ID=69220507
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911000809.3A Active CN110728249B (zh) | 2019-10-21 | 2019-10-21 | 目标行人的跨摄像机识别方法、装置及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110728249B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117522476A (zh) * | 2020-11-23 | 2024-02-06 | 支付宝(杭州)信息技术有限公司 | 一种对象展示方法、装置及电子设备 |
| CN113450389B (zh) * | 2021-09-01 | 2021-12-10 | 智道网联科技(北京)有限公司 | 一种目标跟踪方法、装置及电子设备 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110047097A (zh) * | 2019-03-27 | 2019-07-23 | 深圳职业技术学院 | 一种多摄像机协同的目标持续跟踪方法 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101616309B (zh) * | 2009-07-16 | 2010-12-29 | 上海交通大学 | 无重叠视域多摄像机人体目标跟踪方法 |
| CN101835032B (zh) * | 2010-04-27 | 2012-11-21 | 沈阳瑗玛信息技术有限公司 | 一种多摄像机人群聚集信息统计装置与方法 |
| CN104601964B (zh) * | 2015-02-06 | 2018-09-21 | 武汉大学 | 非重叠视域跨摄像机室内行人目标跟踪方法及系统 |
| CN106878666B (zh) * | 2015-12-10 | 2020-04-28 | 杭州海康威视数字技术股份有限公司 | 基于监控摄像机来查找目标对象的方法、装置和系统 |
| CN109309809A (zh) * | 2017-07-28 | 2019-02-05 | 阿里巴巴集团控股有限公司 | 跨区域目标轨迹跟踪的方法及数据处理方法、装置和系统 |
| CN108875588B (zh) * | 2018-05-25 | 2022-04-15 | 武汉大学 | 基于深度学习的跨摄像头行人检测跟踪方法 |
| CN110070010B (zh) * | 2019-04-10 | 2022-06-14 | 武汉大学 | 一种基于行人重识别的人脸属性关联方法 |
-
2019
- 2019-10-21 CN CN201911000809.3A patent/CN110728249B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110047097A (zh) * | 2019-03-27 | 2019-07-23 | 深圳职业技术学院 | 一种多摄像机协同的目标持续跟踪方法 |
Non-Patent Citations (2)
| Title |
|---|
| 基于形态重构与跟踪的红外小目标检测算法;魏长安;姜守达;;电子学报(04);全文 * |
| 多摄像机跨区域目标跟踪;石亚玲;刘正熙;熊运余;;现代计算机(专业版)(02);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110728249A (zh) | 2020-01-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109325964B (zh) | 一种人脸追踪方法、装置及终端 | |
| CN108875507B (zh) | 行人跟踪方法、设备、系统和计算机可读存储介质 | |
| JP6032921B2 (ja) | 物体検出装置及びその方法、プログラム | |
| US10388022B2 (en) | Image target tracking method and system thereof | |
| US9911055B2 (en) | Method and system for detection and classification of license plates | |
| EP3422255B1 (en) | Method and system for training a neural network to classify objects or events | |
| US11321945B2 (en) | Video blocking region selection method and apparatus, electronic device, and system | |
| CN109727275B (zh) | 目标检测方法、装置、系统和计算机可读存储介质 | |
| US9811755B2 (en) | Object monitoring system, object monitoring method, and monitoring target extraction program | |
| CN109426785B (zh) | 一种人体目标身份识别方法及装置 | |
| JP2020515974A (ja) | 歩行者追跡の方法および電子デバイス | |
| CN111145223A (zh) | 多摄像头识别人员行为轨迹分析方法 | |
| CN110728249B (zh) | 目标行人的跨摄像机识别方法、装置及系统 | |
| WO2014193220A2 (en) | System and method for multiple license plates identification | |
| CN114708583A (zh) | 目标物的检测方法、装置、设备及存储介质 | |
| EP3048558A1 (en) | Object detecting method and object detecting apparatus | |
| CN111144404A (zh) | 遗留物体检测方法、装置、系统、计算机设备和存储介质 | |
| US11544926B2 (en) | Image processing apparatus, method of processing image, and storage medium | |
| US20200394802A1 (en) | Real-time object detection method for multiple camera images using frame segmentation and intelligent detection pool | |
| KR101595334B1 (ko) | 농장에서의 움직임 개체의 이동 궤적 트래킹 방법 및 장치 | |
| KR20210114309A (ko) | 다중 cctv 환경에서의 보행자 추적 장치 및 방법 | |
| US10395137B2 (en) | Method and processing unit for correlating image data content from disparate sources | |
| CN115767424A (zh) | 一种基于rss与csi融合的视频定位方法 | |
| CN110581979B (zh) | 一种图像采集系统、方法及装置 | |
| Gautam et al. | YOLORe-IDNet: An Efficient Multi-Camera System for Person-Tracking |
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 |