CN110855935B - 一种基于多摄像头的人员轨迹生成系统及方法 - Google Patents
一种基于多摄像头的人员轨迹生成系统及方法 Download PDFInfo
- Publication number
- CN110855935B CN110855935B CN201910350071.7A CN201910350071A CN110855935B CN 110855935 B CN110855935 B CN 110855935B CN 201910350071 A CN201910350071 A CN 201910350071A CN 110855935 B CN110855935 B CN 110855935B
- Authority
- CN
- China
- Prior art keywords
- personnel
- score
- time
- track
- divided
- 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
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明属于电子信息科技领域，具体涉及一种基于多摄像头的人员轨迹生成系统及方法，包括监控模块、行人再识别系统和人员轨迹生成模块，根据人员进入和离开办案区的时间，对不同房间和过道产生的行人再识别结构化信息，按设定的时间片，根据时间、空间、相似度三因子权重计算以及根据权重分进行决策，从而得出轨迹片段，最终再根据轨迹片段进行合并；本发明让自动生成的人员轨迹更加精确；在不同房间和过道环境以及选用不同行人再识别算法时，会导致人员结构化信息有所有不同，而本发明中所提到的三因子计算方式中权重是可根据这些因数的变化来调整的，从而能适应更多场景。
Description
技术领域
本发明属于电子信息科技领域，具体涉及一种基于多摄像头的人员轨迹生成系统及方法。
背景技术
随着社会智能化的发展，人们对办事效率要求不断提高，各种智能辅助系统在我们身边随处可见，甚至深入到执法办案中。各地公安派出所为规范办案流程并提高办案效率，将办案过程流程化及智能化，因此提出要求行人在派出所办案区(下面简称为办案区)的活动轨迹能在系统中自动生成。
办案区的环境简单阐述，办案区包括房间和过道，其中房间包括：采集室、候问室、审讯室，过道则是指房间之间的通道，这些房间和过道都安装有摄像头。
为解决自动生成活动轨迹的问题，传统的做法有以下几种：
现有技术方案1(下面简称为方案1)，如专利公开号为CN206283608U等，基于摄像头和智能穿戴设备的方案，该方案通过佩戴智能穿戴设备，在房间和过道安装定位器，从而感应检测到行人在不同房间和过道的时间，并结合视频录像，基本可以实现自动生成行人在办案区的活动轨迹。方案1存在以下问题：1)能穿戴设备及相应感应装置，费用比较高；2)需要另外加装感应装置，对环境的改造要求比较高；3)进入办案区需要佩戴智能穿戴设备，执行步骤相对比较繁琐，时间耗费较长。
现有技术方案2(下面简称为方案2)，如专利公开号为CN107977656A等，基于摄像头和行人再识别的方案，该方案直接通过不同房间和过道中安装的摄像头对行人进行视频抓拍，再将提取到的图片送到行人再识别系统中与注册照片进行分析和比对，得出人员的结构化信息，从而定位出行人出现在不同房间和过道的时间，结合视频录像，来自动生成行人在办案区的活动轨迹。方案2相比方案1，基本解决了方案1出现的费用高、环境要求高、佩戴麻烦等问题。但带来了另一个问题，通过行人再识别系统出来的人员结构化信息，存在一定比例的误识别率，即在办案区的活动行人会在同一个时刻出现在不同的房间和过道，特别是在多个人员同时办案的情况，更容易出现误识别，从而导致行人活动轨迹不准确。
发明内容
本发明的目的是提出一种基于多摄像头的人员轨迹生成系统及方法，以解决现有技术中行人再识别存在一定的误识别率从而导致人员活动轨迹不准确的问题。
本发明通过以下技术方案实现：
一种基于多摄像头的人员轨迹生成系统，包括监控模块(101)和行人再识别模块(102)，其中，还包括人员轨迹生成模块(103)，所述的人员轨迹生成模块(103)从行人再识别模块(102)获得不同房间和过道的人员结构化信息数据，并根据预设的时间片，计算出时间因子x、空间因子y和相似度因子z，并根据时间因子x，空间因子y，相似度因子z的权重得分最高的作为目标轨迹段，再将所述目标轨迹片段进行合并得到人员的轨迹。
优选的，所述的监控模块(101)包括多个摄像头，分别安装在不同房间和过道中，通过视频抓拍获取抓拍照，所述行人再识别模块对将所述抓拍照进行识别和比对输出人员结构化信息数据。
多摄像头优选的，所述的人员结构化信息数据包括跟踪ID、相似度、出现时间、摄像头ID及房间角色类型。
优选的，所述的时间片为60秒。
本发明还提供了一种基于多摄像头的人员轨迹生成方法，其特征在于，所述的方法包括：根据目标人员进入和离开办案区的时间，获得不同房间和过道产生的人员结构化信息数据，按照设定的时间片，计算出时间因子x、空间因子y和相似度因子z，并根据权重分进行决策，得出轨迹片段，再根据轨迹片段进行合并。
优选的，所述的人员轨迹生成方法具体包括如下步骤：
(1)通过设定目标人员的进入和离开办案区时间，从行人再识别系统中获取不同房间和过道的人员结构化信息数据；所述的人员结构化信息数据包括跟踪ID、相似度、出现时间、摄像头ID及房间角色类型；
(2)根据设定的时间片来切割按时间先后排好序的不同房间和过道的人员结构化信息数据，对落在时间片范围内的人员结构化信息数据进行x、y、z三因子权重的计算；
(3)对不同房间和过道的x、y、z三因子权重计算结果的分值进行算数平均值计算，然后取得分值最高的为目标轨迹片段，轨迹片段得分＝(x+y+z)/3；
(4)对所有轨迹片段进行合并，最终形成完整的人员从进入办案区到离开办案区的活动轨迹。
优选的，所述的时间因子x的计算公式：x＝x1+x2+x3+x4+x5，其中
该时间片是否只有一个跟踪ID，是得3分，否得1分，得出x1；
该时间片之前是否有出现相同跟踪ID：是得4分，否不得分，得出x2；
该时间片之后是否有出现相同跟踪ID：是得2分，否不得分，得出x3；
该时间片之前与之后都有出现相同跟踪ID：是得2分，否不得分，得出x4；
该时间片是否与估算的经验值相近：是得1分，否不得分，得出x5。
所述的空间因子y的计算公式：y＝y1+y2+y3，其中
若上一次在采集室，本次分值计算：过道得3分，候问室、采集室和审讯室得6分，其他得1分，得出y1；
若上一次在审讯室，本次分值计算：过道得3分，候问室、采集室得4分，相同审讯室得8分，其他得1分，得出y2；
若上一次在侯问室，本次分值计算：过道得3分，相同候问室得8分，审讯室得6分，其他得1分，得出y3。
所述的相似度因子z的计算公式：z＝z1+z2，其中
相似度大于0.8得1分，并保存最高相似度，得出z1；
最高相似度的摄像头角色：过道或者采集室则得1分；候问室则得2分；其他得4分，得出z2。
优选的，所述的时间片为60秒。
优选的，可结合实际的轨迹结果来不断训练，以修正三因子的权重及时间片的长短。
由于权重分决策次数越少，说明冲突就越少，轨迹就越可信，所以优选的，可根据动态时间片来切割计算，以权重决策的次数最少的为目标轨迹。
与现有技术相比，本发明至少具有下述的有益效果或优点：
本发明提供的这种基于多摄像头的人员轨迹生成系统及方法，让自动生成的人员轨迹更加精确；同时针对在不同房间和过道环境以及选用不同行人再识别算法时，会导致人员结构化信息有所有不同，而本发明中所提到的三因子计算方式中权重是可根据这些因数的变化来调整的，从而能适应更多场景。
附图说明
以下将结合附图对本发明做进一步详细说明；
图1是本发明的系统结构图；
图2是本发明的人员轨迹生成方法流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明提供了一种基于多摄像头的人员轨迹生成系统，如图1所示，包括监控模块101和行人再识别系统102，还包括人员轨迹生成模块103，所述的人员轨迹生成模块103从行人再识别系统102获得不同房间和过道的人员结构化信息数据，按照设定的时间片，计算出时间因子x、空间因子y和相似度因子z，并根据权重分进行决策，得出轨迹片段，再根据轨迹片段进行合并。
在多个房间及过道的派出所办案区场景，每个房间和过道都安装有摄像头。监控模块101，监控模块101包括多个摄像头，分别安装在不同房间和过道中，通过视频抓拍，产生大量的抓拍照在行人再识别系统102中做识别和比对，再产生大量人员结构化信息数据，并传输给人员轨迹生成模块103，人员轨迹生成模块103根据上述信息数据生成相应的人员轨迹曲线。
本发明还提供了一种基于多摄像头的人员轨迹生成方法，包括：根据目标人员进入和离开办案区的时间，获得不同房间和过道产生的人员结构化信息数据，按照设定的时间片，计算出时间因子x、空间因子y和相似度因子z，并根据权重分进行决策，得出轨迹片段，再对所述的轨迹片段进行合并。本实施例的流程图如图2所示：
201、通过设定目标人员的进入和离开办案区时间，从行人再识别系统中获取到的不同房间和过道的人员结构化信息；
其中，人员结构化信息包括跟踪ID、相似度、出现时间、摄像头ID及房间角色类型。
202、根据设定的时间片(如60秒)来切割按时间先后排好序的不同房间和过道的人员结构化信息，对落在时间片范围内的人员结构化信息进行三因子权重的计算。
下面对三因子计算方式进行详细阐述：
1.时间因子(简称x)
1.1该时间片是否只有一个跟踪ID，是得3分，否得1分，得出x1；
1.2该时间片之前是否有出现相同跟踪ID：是得4分，否不得分，得出x2；
1.3该时间片之后是否有出现相同跟踪ID：是得2分，否不得分，得出x3；
1.4该时间片之前与之后都有出现相同跟踪ID：是得2分，否不得分，得出x4；
1.5该时间片是否与估算的经验值相近：是得1分，否不得分，得出x5；
综上可得时间因子计算公式：x＝x1+x2+x3+x4+x5。
2.空间因子(简称y)
2.1若上一次在采集室，本次分值计算：过道得3分，候问室、采集室和审讯室得6分，其他得1分，得出y1；
2.2若上一次在审讯室，本次分值计算：过道得3分，候问室、采集室得4分，相同审讯室得8分，其他得1分，得出y2；
2.3若上一次在侯问室，本次分值计算：过道得3分，相同候问室得8分，审讯室得6分，其他得1分，得出y3；
综上可得空间因子计算公式：y＝y1+y2+y3。
3.相似度因子(简称z)
3.1相似度大于0.8得1分，并保存最高相似度，得出z1；
3.2最高相似度的摄像头角色：过道或者采集室则得1分；候问室则得2分；其他得4分，得出z2；
综上可得相似度因子公式：z＝z1+z2。
203、根据权重分决策的计算方式，对不同房间和过道的三因子权重计算结果的分值进行算数平均值计算，然后取得分最高的为目标轨迹片段。具体计算公式如下：
轨迹片段得分＝(x+y+z)/3。
204、对所有轨迹片段进行合并，最终形成完整的人员从进入办案区到离开办案区的活动轨迹。
优选的，在项目应用中基于本发明，还可结合实际的轨迹结果来不断训练，以修正三因子的权重及时间片的长短。
由于权重分决策次数越少，说明冲突就越少，轨迹就越可信，所以优选的，本发明还可根据动态时间片来切割计算，以权重决策的次数最少的为目标轨迹。
本发明是对方案2的改进，解决行人再识别存在一定的误识别率从而导致人员活动轨迹不准确的问题。在不同房间和过道环境以及选用不同行人再识别算法时，会导致人员结构化信息有所有不同，而本发明中所提到的三因子计算方式中权重是可根据这些因数的变化来调整的，从而能适应更多场景。
以上所述的具体实施例，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例而已，并不用于限定本发明的保护范围。在不脱离本发明之精神和范围内，所做的任何修改、等同替换、改进等，同样属于本发明的保护范围之内。
Claims (5)
1.一种基于多摄像头的人员轨迹生成方法，其特征在于，所述的方法包括：根据目标人员进入和离开办案区的时间，获得不同房间和过道产生的人员结构化信息数据，按照设定的时间片，计算出时间因子x、空间因子y和相似度因子z，根据时间因子x、空间因子y和相似度因子z计算权重得分，并根据权重得分进行决策，得出目标轨迹片段，再根据所述目标轨迹片段进行合并；
所述的人员轨迹生成方法具体包括如下步骤：
（1）通过设定目标人员的进入和离开办案区时间，从行人再识别模快中获取不同房间和过道的人员结构化信息数据；所述的人员结构化信息数据包括跟踪ID、相似度、出现时间、摄像头ID及房间角色类型；
（2）根据设定的时间片来切割按时间先后排好序的不同房间和过道的人员结构化信息数据，对落在时间片范围内的人员结构化信息数据进行x、y、z三因子权重的计算；
（3）对不同房间和过道的x、y、z三因子权重计算结果的分值进行算数平均值计算，然后取得分值最高的为目标轨迹片段，目标轨迹片段得分=(x+y+z)/3；
（4）对所有目标轨迹片段进行合并，最终形成完整的人员从进入办案区到离开办案区的活动轨迹；
所述的时间因子x的计算公式：x=x1+x2+x3+x4+x5，其中
该时间片是否只有一个跟踪ID，是得3分，否得1分，得出x1；
该时间片之前是否有出现相同跟踪ID：是得4分，否不得分，得出x2；
该时间片之后是否有出现相同跟踪ID：是得2分，否不得分，得出x3；
该时间片之前与之后都有出现相同跟踪ID：是得2分，否不得分，得出x4；
该时间片是否与估算的经验值相近：是得1分，否不得分，得出x5；
所述的空间因子y的计算公式：y=y1+y2+y3，其中
若目标人员上一次在采集室，本次分值计算：过道得3分，候问室、采集室和审讯室得6分，其他得1分，得出y1；
若目标人员上一次在审讯室，本次分值计算：过道得3分，候问室、采集室得4分，相同审讯室得8分，其他得1分，得出y2；
若目标人员上一次在候问室，本次分值计算：过道得3分，相同候问室得8分，审讯室得6分，其他得1分，得出y3；
所述的相似度因子z的计算公式：z=z1+z2，其中
相似度大于0.8得1分，并保存最高相似度，得出z1；
最高相似度的摄像头位置：若摄像头位置处于过道或者采集室则得1分；若摄像头位置处于候问室则得2分；其他得4分，得出z2。
2.根据权利要求1所述的基于多摄像头的人员轨迹生成方法，其特征在于，所述的时间片为60秒。
3.根据权利要求1所述的基于多摄像头的人员轨迹生成方法，其特征在于，可结合实际的轨迹结果来不断训练，以修正所述x、y、z三因子的权重及时间片的长短。
4.一种应用于权利要求1所述方法的基于多摄像头的人员轨迹生成系统，包括监控模块（101）和行人再识别模块（102），其特征在于：还包括人员轨迹生成模块（103），所述的人员轨迹生成模块（103）从行人再识别模块（102）获得不同房间和过道的人员结构化信息数据，并根据预设的时间片，计算出时间因子x、空间因子y和相似度因子z，根据时间因子x，空间因子y，相似度因子z计算权重得分，并根据权重得分进行决策，得到目标轨迹片段，再将所述目标轨迹片段进行合并得到人员的轨迹。
5.根据权利要求4所述的基于多摄像头的人员轨迹生成系统，其特征在于，所述的监控模块（101）包括多个摄像头，分别安装在不同房间和过道中，通过视频抓拍获取抓拍照，所述行人再识别模块对所述抓拍照进行识别和比对输出人员结构化信息数据。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810869165.0A CN108924507A (zh) | 2018-08-02 | 2018-08-02 | 一种基于多摄像头场景的人员轨迹生成系统及方法 |
| CN2018108691650 | 2018-08-02 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110855935A CN110855935A (zh) | 2020-02-28 |
| CN110855935B true CN110855935B (zh) | 2023-08-25 |
Family
ID=64394030
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810869165.0A Withdrawn CN108924507A (zh) | 2018-08-02 | 2018-08-02 | 一种基于多摄像头场景的人员轨迹生成系统及方法 |
| CN201910350071.7A Active CN110855935B (zh) | 2018-08-02 | 2019-04-28 | 一种基于多摄像头的人员轨迹生成系统及方法 |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810869165.0A Withdrawn CN108924507A (zh) | 2018-08-02 | 2018-08-02 | 一种基于多摄像头场景的人员轨迹生成系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (2) | CN108924507A (zh) |
Families Citing this family (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109657588A (zh) * | 2018-12-11 | 2019-04-19 | 上海工业自动化仪表研究院有限公司 | 基于视频识别的智能边缘计算嵌入式终端 |
| CN109784199B (zh) * | 2018-12-21 | 2020-11-24 | 深圳云天励飞技术有限公司 | 同行分析方法及相关产品 |
| CN110532857A (zh) * | 2019-07-16 | 2019-12-03 | 杭州电子科技大学 | 基于多摄像头下的行为识别影像分析系统 |
| CN110517293A (zh) | 2019-08-29 | 2019-11-29 | 京东方科技集团股份有限公司 | 目标跟踪方法、装置、系统和计算机可读存储介质 |
| CN110517292A (zh) | 2019-08-29 | 2019-11-29 | 京东方科技集团股份有限公司 | 目标跟踪方法、装置、系统和计算机可读存储介质 |
| CN110851646B (zh) * | 2019-11-18 | 2020-11-24 | 嵊州市万睿科技有限公司 | 智能园区的工作效率统计方法 |
| CN111027462A (zh) * | 2019-12-06 | 2020-04-17 | 长沙海格北斗信息技术有限公司 | 跨多摄像头的行人轨迹识别方法 |
| CN111079600A (zh) * | 2019-12-06 | 2020-04-28 | 长沙海格北斗信息技术有限公司 | 多摄像头的行人识别方法及识别系统 |
| CN111243057A (zh) * | 2020-01-20 | 2020-06-05 | 上海锦同智能科技有限公司 | 一种校园人员流动轨迹绘制方法 |
| CN111651527B (zh) * | 2020-04-21 | 2023-06-13 | 高新兴科技集团股份有限公司 | 基于轨迹相似度的身份关联方法、装置、设备及存储介质 |
| CN113515982B (zh) * | 2020-05-22 | 2022-06-14 | 阿里巴巴集团控股有限公司 | 轨迹还原方法及设备、设备管理方法及管理设备 |
| CN111783295B (zh) * | 2020-06-28 | 2020-12-22 | 中国人民公安大学 | 城市社区特定人行为链动态识别与预测评估方法及系统 |
| CN111784742B (zh) * | 2020-06-29 | 2023-08-29 | 杭州海康威视数字技术股份有限公司 | 一种行人跨镜头追踪方法及装置 |
| CN111881806A (zh) * | 2020-07-23 | 2020-11-03 | 高新兴科技集团股份有限公司 | 基于超宽带和人脸识别的办案区管理方法及系统 |
| CN112102357B (zh) * | 2020-09-08 | 2023-07-25 | 杭州海康威视数字技术股份有限公司 | 轨迹调整方法、装置及设备、存储介质 |
| CN112241686A (zh) * | 2020-09-16 | 2021-01-19 | 四川天翼网络服务有限公司 | 一种基于特征向量的轨迹比对匹配方法及系统 |
| CN112163503A (zh) * | 2020-09-24 | 2021-01-01 | 高新兴科技集团股份有限公司 | 办案区人员无感轨迹生成方法、系统、存储介质及设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013130495A (ja) * | 2011-12-22 | 2013-07-04 | Hitachi Ltd | 情報処理装置、及び情報処理方法 |
| CN106650652A (zh) * | 2016-12-14 | 2017-05-10 | 黄先开 | 基于人脸识别技术的轨迹跟踪系统及其方法 |
| CN107016374A (zh) * | 2017-04-12 | 2017-08-04 | 电子科技大学 | 面向特定目标的智能检测追踪及时空轨迹的生成方法 |
| CN107133970A (zh) * | 2017-03-30 | 2017-09-05 | 北京航空航天大学 | 基于运动信息的在线多目标跟踪方法及装置 |
| CN107977656A (zh) * | 2017-12-26 | 2018-05-01 | 北京大学 | 一种行人重识别方法及系统 |
-
2018
- 2018-08-02 CN CN201810869165.0A patent/CN108924507A/zh not_active Withdrawn
-
2019
- 2019-04-28 CN CN201910350071.7A patent/CN110855935B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013130495A (ja) * | 2011-12-22 | 2013-07-04 | Hitachi Ltd | 情報処理装置、及び情報処理方法 |
| CN106650652A (zh) * | 2016-12-14 | 2017-05-10 | 黄先开 | 基于人脸识别技术的轨迹跟踪系统及其方法 |
| CN107133970A (zh) * | 2017-03-30 | 2017-09-05 | 北京航空航天大学 | 基于运动信息的在线多目标跟踪方法及装置 |
| CN107016374A (zh) * | 2017-04-12 | 2017-08-04 | 电子科技大学 | 面向特定目标的智能检测追踪及时空轨迹的生成方法 |
| CN107977656A (zh) * | 2017-12-26 | 2018-05-01 | 北京大学 | 一种行人重识别方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 使用轨迹片段分析的监控场景模型建立方法;王江峰等;《电子科技大学学报》;20120730(第04期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110855935A (zh) | 2020-02-28 |
| CN108924507A (zh) | 2018-11-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110855935B (zh) | 一种基于多摄像头的人员轨迹生成系统及方法 | |
| CN107506684B (zh) | 步态识别方法及装置 | |
| CN108062349B (zh) | 基于视频结构化数据及深度学习的视频监控方法和系统 | |
| US11295139B2 (en) | Human presence detection in edge devices | |
| CN110428449B (zh) | 目标检测跟踪方法、装置、设备及存储介质 | |
| CN103679212A (zh) | 基于视频图像的人员检测和计数方法 | |
| CN111325954B (zh) | 人员走失预警方法、装置、系统及服务器 | |
| CN107920223B (zh) | 一种对象行为检测方法及装置 | |
| CN110969644A (zh) | 人员轨迹追踪方法、装置及系统 | |
| CN112287827A (zh) | 基于智慧灯杆的复杂环境行人口罩佩戴检测方法及系统 | |
| CN112396658A (zh) | 一种基于视频的室内人员定位方法及定位系统 | |
| CN111353338B (zh) | 一种基于营业厅视频监控的能效改进方法 | |
| CN111814646B (zh) | 基于ai视觉的监控方法、装置、设备及介质 | |
| CN106251363A (zh) | 一种智慧金睛识别人流人数统计方法和装置 | |
| CN111091057A (zh) | 一种信息处理方法、装置及计算机可读存储介质 | |
| Nayak et al. | Deep learning based loitering detection system using multi-camera video surveillance network | |
| Fabbri et al. | Inter-homines: Distance-based risk estimation for human safety | |
| Melkumyan et al. | Real Time Facial Recognition and Tracking System Using Drones | |
| Maheshwari et al. | A review on crowd behavior analysis methods for video surveillance | |
| CN114821486B (zh) | 一种电力作业场景下人员识别方法 | |
| CN112906439A (zh) | 一种基于目标追踪和行为检测的客流分析方法和系统 | |
| CN112949606B (zh) | 工服穿戴状态检测方法、装置、存储介质及电子装置 | |
| CN114155483A (zh) | 监控告警方法、装置、存储介质及计算机设备 | |
| CN113837066A (zh) | 行为识别方法、装置、电子设备及计算机存储介质 | |
| CN113962338A (zh) | 一种rfid辅助多摄像头检测跟踪的室内监控方法及系统 |
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 |