CN110929770A - 一种基于图像处理的智能追踪方法、系统、设备及可读介质 - Google Patents
一种基于图像处理的智能追踪方法、系统、设备及可读介质 Download PDFInfo
- Publication number
- CN110929770A CN110929770A CN201911118984.2A CN201911118984A CN110929770A CN 110929770 A CN110929770 A CN 110929770A CN 201911118984 A CN201911118984 A CN 201911118984A CN 110929770 A CN110929770 A CN 110929770A
- Authority
- CN
- China
- Prior art keywords
- pedestrian
- target object
- target
- information
- image processing
- 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
Images
Classifications
-
- 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
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明提供的一种目标对象的基于图像处理的智能追踪方法、系统、设备及可读介质,所述基于图像处理的智能追踪方法包括:通过目标对象的生物特征信息,在视频监控系统中进行检索匹配,获得匹配结果;根据所述匹配结果,确定对应的目标搜索区域;通过调用所述目标搜索区域内的移动装置执行对所述目标对象的追踪;如此,实现对特定公共场合中人员的轨迹追踪,并结合移动装置在目标人员最后出现或者可能出现的目标搜索区域进行定向搜寻,可以实现精准寻人,且定向搜寻减少对公共场所内所有人员的影响。
Description
技术领域
本发明涉及图像处理领域,特别是涉及一种基于图像处理的智能追踪方法、系统、设备及可读介质。
背景技术
通常来说,如果想在公共场所寻人,通常需要去广播站和工作人员说明情况,通过工作人员人工广播的方式向喇叭覆盖区域不断播报寻人启事,期待待寻人员即目标人员能够听见并作出响应。这种寻人方式至少存在以下问题:寻人方式比较被动,只能等目标人员听到并作出响应,无法追踪目标对象的行动轨迹并据此主动寻人;并且,广播向公共场所全区域不断广播寻人启事,会影响到公共场所内的所有人员。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种基于图像处理的智能追踪方法、系统、设备及可读介质,用于解决公共场所无法追踪目标对象的行动轨迹并据此主动寻人的问题。
为实现上述目的及其他相关目的,本发明提供一种基于图像处理的智能追踪方法,包括:
通过目标对象的生物特征信息,在视频监控系统中进行检索匹配,获得匹配结果;
根据所述匹配结果,确定对应的目标搜索区域;
通过调用所述目标搜索区域内的移动装置执行对所述目标对象的追踪。
可选的,所述的基于图像处理的智能追踪方法,还包括:
在客运点,通过获取目标对象的生物特征信息,在客运点的视频监控系统中进行检索匹配,输出与所述目标对象对应的行为轨迹,确定所述目标对象最后出现的行为轨迹点所在的目标位置;
通过所述目标位置和/或所述目标对象的运动特征,确定对应的目标搜索区域。
可选的,所述移动装置为一个或多个,当所述移动装置为多个时,集群调度系统对所述目标搜索区域进行分割,获得多个分割区域,并调用移动装置到对应的分割区域对所述目标对象进行追踪。
可选的,位于所述分割区域内的移动装置,对来往的对象进行识别,并在查找到所述目标对象后,跟踪所述目标对象并向所述目标对象播放关联信息。
可选的,所述移动装置识别到所述目标对象后,向所述集群调度系统上报所述目标对象位置信息。
可选的,所述移动装置查找所述目标对象时,用于识别比对的图像数据来源于服务器。
可选的,所述移动装置为移动机器人。
可选的,所述的基于图像处理的智能追踪方法,还包括:
采集行人图像信息;
获取行人特征信息,根据所述行人特征信息建立行人数据集;
获取目标对象的目标对象的生物特征信息,对所述目标对象的生物特征信息进行处理得到目标特征向量;
通过所述目标特征向量,在所述行人数据库中进行特征匹配,得到匹配结果;根据所述匹配结果确定目标搜索区域,通过调用所述目标搜索区域内的移动装置执行对所述目标对象的追踪。
可选的,所述的基于图像处理的智能追踪方法,包括:
通过设置在不同位置的监控摄像头采集行人图像信息;
采用神经网络对所述行人图像信息进行处理,得到所述行人特征信息。
可选的,所述的基于图像处理的智能追踪方法,包括:
对所述行人图像信息进行行人检测得到行人框;
对所述行人框进行特征提取,得到行人特征信息。
可选的,所述的基于图像处理的智能追踪方法,包括:
对所述行人图像信息进行行人检测得到行人框;
对所述行人框进行分割,得到图像块;
对所述图像块进行特提取,得到分块行人特征向量;
对所述分块行人特征向量进行特征融合,得到多组所述行人特征信息。
可选的,所述目标对象的生物特征信息至少包括以下之一:人脸属性、身形属性、人体属性。
可选的,所述目标特征向量至少包括以下之一:人脸特征、身形关键点特征、人体特征。
可选的,所述的基于图像处理的智能追踪方法,包括:
对所述行人特征信息和所述目标特征向量进行相似度计算,得到相似度参数;
若所述相似度参数大于阈值,则匹配到所述目标对象。
本发明还提供一种基于图像处理的智能追踪系统,包括:
处理模块,用于通过目标对象的生物特征信息,在视频监控系统中进行检索匹配,获得匹配结果;根据所述匹配结果,确定对应的目标搜索区域,以及生成调用指令;
移动装置,用于根据所述调用指令在所述目标搜索区域内执行对所述目标对象的追踪。
可选的,所述处理模块包括:
目标匹配单元,用于通过在客运点获取的目标对象的生物特征信息,在客运点的视频监控系统中进行检索匹配,输出与所述目标对象对应的行为轨迹,确定所述目标对象最后出现的行为轨迹点所在的目标位置;
目标搜索单元,用于通过所述目标位置和/或所述目标对象的运动特征,确定对应的目标搜索区域。
可选的,所述移动装置为一个或多个,当所述移动装置为多个时,集群调度系统对所述目标搜索区域进行分割,获得多个分割区域,并调用移动装置到对应的分割区域对所述目标对象进行追踪。
可选的,位于所述分割区域内的移动装置,对来往的对象进行识别,并在查找到所述目标对象后,跟踪所述目标对象并向所述目标对象播放关联信息。
可选的,所述移动装置识别到所述目标对象后,向所述集群调度系统上报所述目标对象位置信息。
可选的,所述移动装置查找所述目标对象时,用于识别比对的图像数据来源于服务器。
可选的,所述的基于图像处理的智能追踪系统,还包括:
行人信息采集模块,用于采集行人图像信息;获取行人特征信息,根据所述行人特征信息建立行人数据集;
目标信息采集模块,用于获取目标对象的目标对象的生物特征信息,对所述目标对象的生物特征信息进行处理得到目标特征向量;
所述处理模块通过所述目标特征向量,在所述行人数据库中进行特征匹配,得到匹配结果;根据所述匹配结果确定目标搜索区域,通过调用所述目标搜索区域内的移动装置执行对所述目标对象的追踪。
可选的,所述行人信息采集模块包括:
图像采集单元,包括设置在不同位置的监控摄像头,用于采集行人图像信息;
行人检测单元,用于对所述行人图像信息进行行人检测得到行人框;
特征提取单元,用于对所述行人框进行特征提取,得到行人特征信息。
可选的,通过所述特征提取单元对所述行人框进行分割,得到图像块;对所述图像块进行特提取,得到分块行人特征向量;对所述分块行人特征向量进行特征融合,得到多组所述行人特征信息。
本发明还提供一种设备,包括:
一个或多个处理器;和
其上存储有指令的一个或多个机器可读介质,当所述一个或多个处理器执行时,使得所述设备执行上述的一个或多个所述的方法。
本发明还提供一个或多个机器可读介质,其上存储有指令,当由一个或多个处理器执行时,使得设备执行上述的一个或多个所述的方法。
如上所述,本发明提供的一种目标对象的基于图像处理的智能追踪方法、系统、设备及可读介质,所述基于图像处理的智能追踪方法包括:通过目标对象的生物特征信息,在视频监控系统中进行检索匹配,获得匹配结果;根据所述匹配结果,确定对应的目标搜索区域;通过调用所述目标搜索区域内的移动装置执行对所述目标对象的追踪;如此,实现对特定公共场合中人员的轨迹追踪,并结合移动装置在目标人员最后出现或者可能出现的目标搜索区域进行定向搜寻,可以实现精准寻人,且定向搜寻减少对公共场所内所有人员的影响。
附图说明
图1为一实施例的目标对象的基于图像处理的智能追踪方法的流程图。
图2为一实施例的基于图像处理的智能追踪系统的框图。
图3为又一实施例的基于图像处理的智能追踪系统的框图。
图4为一实施例提供的终端设备的硬件结构示意图。
图5为另一实施例提供的终端设备的硬件结构示意图。
元件标号说明
处理模块10、目标匹配单元11、目标搜索单元12、移动装置20、集群调度系统30、行人信息采集模块40、目标信息采集模块50
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,请参阅图1-5,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
请参阅图1,为实现上述目的及其他相关目的,本发明提供一种基于图像处理的智能追踪方法,包括:
S10:通过目标对象的生物特征信息,在视频监控系统中进行检索匹配,获得匹配结果;
S20:根据所述匹配结果,确定对应的目标搜索区域;
S30:通过调用所述目标搜索区域内的移动装置20执行对所述目标对象的追踪。
可以理解的,本发明的基于图像处理的智能追踪方法可以应用在游乐园、公园、机场、火车站或者汽车客运站等人员流动大、人员易走失的公共场所。公共场所可以存在多个不同的区域,各个不同的区域可以安装至少一个图像装置来采集行人图像信息,以及移动装置20来实现定向搜寻。诸如在由A、B、C、D、E、F和G区域组成的公共场所中,每个区域至少有一个图像采集装置。移动装置20可以是智能机器人,智能机器人可以接受匹配结果,匹配结果可以是目标对象的行人特征信息;智能机器人可自如移动,动态采集该区域的行人信息,来与接收到的目标对象的行人特征信息进行比对,移动装置20至少包括信息采集单元、通信单元、定位单元、微处理单元和存储单元,移动装置20设的种类和形式在此不做限定。
可以理解的,可以通过目标信息采集模块50采集目标对象的生物特征信息,目标信息采集模块50至少包括以下之一:摄像头、身份证读卡器、触控显示屏等,目标信息采集模块50的具体种类在此不做限定。
在某些实施方式中,所述的基于图像处理的智能追踪方法,还包括:
在客运点,通过获取目标对象的生物特征信息,在客运点的视频监控系统中进行检索匹配,输出与所述目标对象对应的行为轨迹,确定所述目标对象最后出现的行为轨迹点所在的目标位置;
通过所述目标位置和/或所述目标对象的运动特征,确定对应的目标搜索区域。
在某些实施方式中,所述移动装置20为一个或多个,当所述移动装置20为多个时,集群调度系统30对所述目标搜索区域进行分割,获得多个分割区域,并调用移动装置20到对应的分割区域对所述目标对象进行追踪。
在某些实施方式中,位于所述分割区域内的移动装置20,对来往的对象进行识别,并在查找到所述目标对象后,跟踪所述目标对象并向所述目标对象播放关联信息。
在某些实施方式中,所述移动装置20识别到所述目标对象后,向所述集群调度系统30上报所述目标对象位置信息。
在某些实施方式中,所述移动装置20查找所述目标对象时,用于识别比对的图像数据来源于服务器。
在某些实施方式中,所述移动装置20为移动机器人。
在某些实施方式中,所述的基于图像处理的智能追踪方法,还包括:
采集行人图像信息;
获取行人特征信息,根据所述行人特征信息建立行人数据集;
获取目标对象的目标对象的生物特征信息,对所述目标对象的生物特征信息进行处理得到目标特征向量;
通过所述目标特征向量,在所述行人数据库中进行特征匹配,得到匹配结果;根据所述匹配结果确定目标搜索区域,通过调用所述目标搜索区域内的移动装置20执行对所述目标对象的追踪。
在某些实施方式中,所述的基于图像处理的智能追踪方法,包括:
通过设置在不同位置的监控摄像头采集行人图像信息;
采用神经网络对所述行人图像信息进行处理,得到所述行人特征信息。
在某些实施方式中,在某些实施方式中,上述方法包括:对所述图像信息标注时间信息和位置信息。如此,可以通过采集的图像信息反映出行人的在具体时间点出现的具体位置,本发明的基于图像处理的智能追踪方法中,可以对不同位置的图像采集装置的视频图像贴上时间信息、位置信息等标签,以便对进入该公共场所的行人的轨迹进行追踪。
在某些实施方式中,所述的基于图像处理的智能追踪方法,包括:
对所述行人图像信息进行行人检测得到行人框;
对所述行人框进行特征提取,得到行人特征信息。
在某些实施方式中,所述的基于图像处理的智能追踪方法,包括:
对所述行人图像信息进行行人检测得到行人框;
对所述行人框进行分割,得到图像块;
对所述图像块进行特提取,得到分块行人特征向量;
对所述分块行人特征向量进行特征融合,得到多组所述行人特征信息。
可以理解的,可以通过训练好的卷积神经网络对行人框进行处理,具体可以是对行人框的图像分割得到多个反应局部特征的图像块,诸如将行人框分割成头部、上身和下身三个部分,整个网络使用堆叠的卷积神经网络(MSCAN)对整张图像进行特征提取,得到行人特征信息。
在某些实施方式中,可以是对行人框的图像分割得到多个反应局部特征的图像块,诸如将行人框分割成头部、上身和下身三个部分,整个网络使用堆叠的卷积神经网络(MSCAN)对整张图像进行特征提取,同时也将图像的部分作为一个输入进入这个MSCAN进行特征提取,最终将一个全局特征和三个局部潜在块特征级联起来进行最终的分类损失计算,最终得到行人特征信息。
综上,获取行人特征信息的方式在此不做限定。
在某些实施方式中,所述目标对象的生物特征信息至少包括以下之一:人脸属性、身形属性、人体属性。
可以理解的,人脸属性即人脸图像,身形属性即反应人的身形特征的关键点位置,人体属性即人的性别、姓名、年龄、戴帽子、背包、上衣颜色、裤子颜色等特征信息。关键点位置又包括以下中的至少一项:头部位置、左肩位置、右肩位置、左膝位置、右膝位置、左脚位置、右脚位置。如此,多维度的采集目标对象的生物特征信息可以丰富找人的参考标准的多样性,可以实现后续对行人轨迹的精准追踪,提高了寻人的准确性。
在某些实施方式中,所述目标特征向量至少包括以下之一:人脸特征、身形关键点特征、人体特征。
可以理解的,目标对象的生物特征信息可以包括人脸图像、上衣颜色、裤子颜色、身高、性别、是否戴口罩、姓名或证件号等,获取这些信息的方式可以是通过要查找目标对象的亲朋好友提供的,或者是基于其提供的部分信息在监控中进行搜索得到的,诸如在机场中,行人进安检口,安检口的监控摄像头会采集人脸信息、身份证上的性别、姓名等一组关联的信息,后续系统中的图像采集装置会不间断的对各个区域的行人的图像进行采集,追踪出各个行人的运动轨迹,本发明的基于图像处理的智能追踪方法可以基于部分目标对象的生物特征信息在基于行人重识别的搜索系统中实现对目标对象的追踪和查找,此处仅以机场的应用场景为例进行说明,在其他应用场景中的例子不再一一举例。
可以理解的,本发明的基于图像处理的智能追踪方法可以应用在多种不同的场景中,具体应用时可以以最先采集到行人图像的为基准图像,对后续采集的行人图像与基准图像进行拟合,诸如通过相似度计算进行拟合,得到不同行人的行人轨迹,将同一行人的多个轨迹进行归类得到该行人的行人轨迹集,通过多个轨迹集建立数据库。具体,可以以公共场所的安检口或者入口位置区域的图像采集装置采集的行人图像作为基准图像,对该基准图像进行行人检测处理得到预设行人框,再对预设行人框进行特征提取得到预设行人特征信息。
在某些实施方式中,根据所述图像信息建立数据库,具体可以包括以下步骤:对基准图像和其他图像信息进行相似度计算得到多组行人轨迹集,可以理解的,一个行人对应的一行人轨迹集,一个行人轨迹集中包括多条该行人的运动轨迹,根据多个行人轨迹集建立数据库。
本发明可以在一公共场所中追踪不同行人的行人轨迹集,建立的数据库包括多个行人轨迹集,获取要寻找的人员即目标对象的目标对象的生物特征信息后,可以根据目标对象的生物特征信息对应的目标特征向量在数据库中匹配出该目标对象的行人轨迹,追踪出该目标人员最后出现在监控镜头的时间、最后出现的位置或者正在寻找的时刻目标人员出现的位置,从而确定目标搜索区域,在该目标搜索区域定向搜寻目标对象的相关信息,实现精准寻人的同时不打扰整个公共场所的其他无关区域的行人。
在某些实施方式中,对所述目标特征向量和所述数据库中的信息进行相似度计算可以得到多组相似度参数,可以对相似度参数的值从高到低进行排序,诸如第一行人轨迹集中的行人框匹配的相似度参数为88%,第二行人轨迹集中的行人框匹配的相似度参数为80%,则第一行人轨迹集中行人与目标人员最相似,则直接调取第一行人轨迹集来实现对目标对象的轨迹追踪。
可以理解的,本发明的相似度计算方法可以是闵可夫斯基距离、余弦相似度或者欧式距离等,在此不做限定。此处的阈值可以设定为一个范围,诸如80%--90%。在某些实施方式中,可以对目标对象的人脸特征向量于数据库中的行人框的人脸图像块的特征向量进行相似度计算,若数据库中某一行人框的人脸图像块的特征向量与目标对象的人脸特征向量的相似度参数为80%,则可以调取此行人的行人轨迹集,由此对该行人的行人轨迹进行追踪,追踪的结果可以是行人仍旧还在某个特定的区域,诸如在由A、B、C、D、E、F和G区域组成的公共场所中的A区域中,此时就可以向A区域的移动装置20发送目标对象的关联信息,通过该区域的移动装置20寻找目标人员,具体可以通过移动装置20不断的采集信息并进行处理来实现搜寻;或者,通过追踪结果可以确定目标人员最后一次出现的位置、轨迹方向、以及据今的时间依次扩大显示区域的范围。例如,目标人员最后一次出现在监控区域A,轨迹方向是朝监控区域B,且最后一次出现距今有3分钟了,那么就给监控区域A和B,以及其他邻近区域的移动装置20定向搜寻。又例如,目标人员最后一次出现在监控区域A,轨迹方向是公共场所以外,且最后一次出现距今有2个小时了,那么就有可能全区域搜寻。此外,本发明应用在人员密集、喧闹的公共场所时,通过定向搜寻来实现精准寻人,避免了喧哗场景中语音寻人来人的识别灵敏度低的问题;本发明应用在安静的公共场所时,避免了语音寻人带来的噪音污染。
在某些实施方式中,所述的基于图像处理的智能追踪方法,包括:
对所述行人特征信息和所述目标特征向量进行相似度计算,得到相似度参数;
若所述相似度参数大于阈值,则匹配到所述目标对象。
请参阅图2-3,本发明还提供一种基于图像处理的智能追踪系统,包括:
处理模块10,用于通过目标对象的生物特征信息,在视频监控系统中进行检索匹配,获得匹配结果;根据所述匹配结果,确定对应的目标搜索区域,以及生成调用指令;
移动装置20,用于根据所述调用指令在所述目标搜索区域内执行对所述目标对象的追踪。
在某些实施方式中,基于图像处理的智能追踪系统还包括目标信息采集模块50,可以通过目标信息采集模块50采集目标对象的生物特征信息,目标信息采集模块50至少包括以下之一:摄像头、身份证读卡器、触控显示屏等,目标信息采集模块50的具体种类在此不做限定。
在某些实施方式中,所述处理模块10包括:
目标匹配单元11,用于通过在客运点获取的目标对象的生物特征信息,在客运点的视频监控系统中进行检索匹配,输出与所述目标对象对应的行为轨迹,确定所述目标对象最后出现的行为轨迹点所在的目标位置;
目标搜索单元12,用于通过所述目标位置和/或所述目标对象的运动特征,确定对应的目标搜索区域。
在某些实施方式中,所述移动装置20为一个或多个,当所述移动装置20为多个时,集群调度系统30对所述目标搜索区域进行分割,获得多个分割区域,并调用移动装置20到对应的分割区域对所述目标对象进行追踪。
在某些实施方式中,位于所述分割区域内的移动装置20,对来往的对象进行识别,并在查找到所述目标对象后,跟踪所述目标对象并向所述目标对象播放关联信息。
在某些实施方式中,所述移动装置20识别到所述目标对象后,向所述集群调度系统30上报所述目标对象位置信息。
在某些实施方式中,所述移动装置20查找所述目标对象时,用于识别比对的图像数据来源于服务器。
在某些实施方式中,所述的基于图像处理的智能追踪系统,还包括:
行人信息采集模块40,用于采集行人图像信息;获取行人特征信息,根据所述行人特征信息建立行人数据集;
目标信息采集模块50,用于获取目标对象的目标对象的生物特征信息,对所述目标对象的生物特征信息进行处理得到目标特征向量;
所述处理模块10通过所述目标特征向量,在所述行人数据库中进行特征匹配,得到匹配结果;根据所述匹配结果确定目标搜索区域,通过调用所述目标搜索区域内的移动装置20执行对所述目标对象的追踪。
在某些实施方式中,所述行人信息采集模块40包括:
图像采集单元,包括设置在不同位置的监控摄像头,用于采集行人图像信息;
行人检测单元,用于对所述行人图像信息进行行人检测得到行人框;
特征提取单元,用于对所述行人框进行特征提取,得到行人特征信息。
在某些实施方式中,通过所述特征提取单元对所述行人框进行分割,得到图像块;对所述图像块进行特提取,得到分块行人特征向量;对所述分块行人特征向量进行特征融合,得到多组所述行人特征信息。
可以理解的,行人信息采集模块40可以是视频监控系统,或者视频监控系统包括行人信息采集模块40,行人信息采集模块40即为获得行人特征信息,其具体形式在此不做限定。
本发明基于图像处理的智能追踪系统的相关实施例详参见本发明的方法的实施例,在此不再赘述。
本发明还提供一种设备,包括:
一个或多个处理器;和
其上存储有指令的一个或多个机器可读介质,当所述一个或多个处理器执行时,使得所述设备执行上述的一个或多个所述的方法。
本发明还提供一个或多个机器可读介质,其上存储有指令,当由一个或多个处理器执行时,使得设备执行上述的一个或多个所述的方法。
如上所述,本发明提供的一种基于图像处理的智能追踪方法、系统、设备及可读介质,所述基于图像处理的智能追踪方法包括:通过目标对象的生物特征信息,在视频监控系统中进行检索匹配,获得匹配结果;根据所述匹配结果,确定对应的目标搜索区域;通过调用所述目标搜索区域内的移动装置20执行对所述目标对象的追踪如此,实现对特定公共场合中人员的轨迹追踪,并结合移动装置20在目标人员最后出现或者可能出现的目标搜索区域进行定向搜寻,可以实现精准寻人,且定向搜寻减少对公共场所内所有人员的影响。
本申请实施例还提供了一种设备,该设备可以包括:一个或多个处理器;和其上存储有指令的一个或多个机器可读介质,当由所述一个或多个处理器执行时,使得所述设备执行图1所述的方法。在实际应用中,该设备可以作为终端设备,也可以作为服务器,终端设备的例子可以包括:智能手机、平板电脑、电子书阅读器、MP3(动态影像专家压缩标准语音层面3,Moving Picture Experts Group Audio Layer III)播放器、MP4(动态影像专家压缩标准语音层面4,Moving Picture Experts Group Audio Layer IV)播放器、膝上型便携计算机、车载电脑、台式计算机、机顶盒、智能电视机、可穿戴设备等等,本申请实施例对于具体的设备不加以限制。
本申请实施例还提供了一种非易失性可读存储介质,该存储介质中存储有一个或多个模块(programs),该一个或多个模块被应用在设备时,可以使得该设备执行本申请实施例的图1中基于图像处理的智能追踪方法所包含步骤的指令(instructions)。
图4为本申请一实施例提供的终端设备的硬件结构示意图。如图所示,该终端设备可以包括:输入设备1100、第一处理器1101、输出设备1102、第一存储器1103和至少一个通信总线1104。通信总线1104用于实现元件之间的通信连接。第一存储器1103可能包含高速RAM存储器,也可能还包括非易失性存储NVM,例如至少一个磁盘存储器,第一存储器1103中可以存储各种程序,用于完成各种处理功能以及实现本实施例的方法步骤。
在某些实施方式中,上述第一处理器1101例如可以为中央处理器(CentralProcessing Unit,简称CPU)、应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,该第一处理器1101通过有线或无线连接耦合到上述输入设备1100和输出设备1102。
在某些实施方式中,上述输入设备1100可以包括多种输入设备,例如可以包括面向用户的用户接口、面向设备的设备接口、软件的可编程接口、摄像头、传感器中至少一种。在某些实施方式中,该面向设备的设备接口可以是用于设备与设备之间进行数据传输的有线接口、还可以是用于设备与设备之间进行数据传输的硬件插入接口(例如USB接口、串口等);在某些实施方式中,该面向用户的用户接口例如可以是面向用户的控制按键、用于接收语音输入的语音输入设备以及用户接收用户触摸输入的触摸感知设备(例如具有触摸感应功能的触摸屏、触控板等);在某些实施方式中,上述软件的可编程接口例如可以是供用户编辑或者修改程序的入口,例如芯片的输入引脚接口或者输入接口等;输出设备1102可以包括显示器、音响等输出设备。
在本实施例中,该终端设备的处理器包括用于执行各设备中语音识别装置各模块的功能,具体功能和技术效果参照上述实施例即可,此处不再赘述。
图5为本申请的一个实施例提供的终端设备的硬件结构示意图。图4是对图5在实现过程中的一个具体的实施例。如图所示,本实施例的终端设备可以包括第二处理器1201以及第二存储器1202。
第二处理器1201执行第二存储器1202所存放的计算机程序代码,实现上述实施例中图1所述方法。
第二存储器1202被配置为存储各种类型的数据以支持在终端设备的操作。这些数据的示例包括用于在终端设备上操作的任何应用程序或方法的指令,例如消息,图片,行人图像信息等。第二存储器1202可能包含随机存取存储器(random access memory,简称RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
可选地,第二处理器1201设置在处理组件1200中。该终端设备还可以包括:通信组件1203,电源组件1204,多媒体组件1205,语音组件1206,输入/输出接口1207和/或传感器组件1208。终端设备具体所包含的组件等依据实际需求设定,本实施例对此不作限定。
处理组件1200通常控制终端设备的整体操作。处理组件1200可以包括一个或多个第二处理器1201来执行指令,以完成上述数据处理方法中的全部或部分步骤。此外,处理组件1200可以包括一个或多个模块,便于处理组件1200和其他组件之间的交互。例如,处理组件1200可以包括多媒体模块,以方便多媒体组件1205和处理组件1200之间的交互。
电源组件1204为终端设备的各种组件提供电力。电源组件1204可以包括电源管理系统,一个或多个电源,及其他与为终端设备生成、管理和分配电力相关联的组件。
多媒体组件1205包括在终端设备和用户之间的提供一个输出接口的显示屏。在一些实施例中,显示屏可以包括液晶显示器(LCD)和触摸面板(TP)。如果显示屏包括触摸面板,显示屏可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。
语音组件1206被配置为输出和/或输入语音信号。例如,语音组件1206包括一个麦克风(MIC),当终端设备处于操作模式,如语音识别模式时,麦克风被配置为接收外部语音信号。所接收的语音信号可以被进一步存储在第二存储器1202或经由通信组件1203发送。在一些实施例中,语音组件1206还包括一个扬声器,用于输出语音信号。
输入/输出接口1207为处理组件1200和外围接口模块之间提供接口,上述外围接口模块可以是点击轮,按钮等。这些按钮可包括但不限于:音量按钮、启动按钮和锁定按钮。
传感器组件1208包括一个或多个传感器,用于为终端设备提供各个方面的状态评估。例如,传感器组件1208可以检测到终端设备的打开/关闭状态,组件的相对定位,用户与终端设备接触的存在或不存在。传感器组件1208可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在,包括检测用户与终端设备间的距离。在一些实施例中,该传感器组件1208还可以包括摄像头等。
通信组件1203被配置为便于终端设备和其他设备之间有线或无线方式的通信。终端设备可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个实施例中,该终端设备中可以包括SIM卡插槽,该SIM卡插槽用于插入SIM卡,使得终端设备可以登录GPRS网络,通过互联网与服务器建立通信。
由上可知,在图5实施例中所涉及的通信组件1203、语音组件1206以及输入/输出接口1207、传感器组件1208均可以作为图3实施例中的输入设备的实现方式。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (25)
1.一种基于图像处理的智能追踪方法,其特征在于,包括:
通过目标对象的生物特征信息,在视频监控系统中进行检索匹配,获得匹配结果;
根据所述匹配结果,确定对应的目标搜索区域;
通过调用所述目标搜索区域内的移动装置执行对所述目标对象的追踪。
2.根据权利要求1所述的基于图像处理的智能追踪方法,其特征在于,
在客运点,通过获取目标对象的生物特征信息,在客运点的视频监控系统中进行检索匹配,输出与所述目标对象对应的行为轨迹,确定所述目标对象最后出现的行为轨迹点所在的目标位置;
通过所述目标位置和/或所述目标对象的运动特征,确定对应的目标搜索区域。
3.根据权利要求1或2所述的任意一项基于图像处理的智能追踪方法,其特征在于,所述移动装置为一个或多个,当所述移动装置为多个时,集群调度系统对所述目标搜索区域进行分割,获得多个分割区域,并调用移动装置到对应的分割区域对所述目标对象进行追踪。
4.根据权利要求3所述的基于图像处理的智能追踪方法,其特征在于,位于所述分割区域内的移动装置,对来往的对象进行识别,并在查找到所述目标对象后,跟踪所述目标对象并向所述目标对象播放关联信息。
5.根据权利要求4所述的基于图像处理的智能追踪方法,其特征在于,所述移动装置识别到所述目标对象后,向所述集群调度系统上报所述目标对象位置信息。
6.根据权利要求4所述的基于图像处理的智能追踪方法,其特征在于,所述移动装置查找所述目标对象时,用于识别比对的图像数据来源于服务器。
7.根据权利要求1所述的基于图像处理的智能追踪方法,其特征在于,所述移动装置为移动机器人。
8.根据权利要求1所述的基于图像处理的智能追踪方法,其特征在于,
采集行人图像信息;
获取行人特征信息,根据所述行人特征信息建立行人数据集;
获取目标对象的目标对象的生物特征信息,对所述目标对象的生物特征信息进行处理得到目标特征向量;
通过所述目标特征向量,在所述行人数据库中进行特征匹配,得到匹配结果;根据所述匹配结果确定目标搜索区域,通过调用所述目标搜索区域内的移动装置执行对所述目标对象的追踪。
9.根据权利要求8所述的基于图像处理的智能追踪方法,其特征在于,包括:
通过设置在不同位置的监控摄像头采集行人图像信息;
采用神经网络对所述行人图像信息进行处理,得到所述行人特征信息。
10.根据权利要求9所述的基于图像处理的智能追踪方法,其特征在于,包括:
对所述行人图像信息进行行人检测得到行人框;
对所述行人框进行特征提取,得到行人特征信息。
11.根据权利要求9所述的基于图像处理的智能追踪方法,其特征在于,包括:
对所述行人图像信息进行行人检测得到行人框;
对所述行人框进行分割,得到图像块;
对所述图像块进行特提取,得到分块行人特征向量;
对所述分块行人特征向量进行特征融合,得到多组所述行人特征信息。
12.根据权利要求8所述的基于图像处理的智能追踪方法,其特征在于,所述目标对象的生物特征信息至少包括以下之一:人脸属性、身形属性、人体属性。
13.根据权利要求8所述的基于图像处理的智能追踪方法,其特征在于,所述目标特征向量至少包括以下之一:人脸特征、身形关键点特征、人体特征。
14.根据权利要求8所述的基于图像处理的智能追踪方法,其特征在于,包括:
对所述行人特征信息和所述目标特征向量进行相似度计算,得到相似度参数;
若所述相似度参数大于阈值,则匹配到所述目标对象。
15.一种基于图像处理的智能追踪系统,其特征在于,包括:
处理模块,用于通过目标对象的生物特征信息,在视频监控系统中进行检索匹配,获得匹配结果;根据所述匹配结果,确定对应的目标搜索区域,以及生成调用指令;
移动装置,用于根据所述调用指令在所述目标搜索区域内执行对所述目标对象的追踪。
16.根据权利要求15所述的基于图像处理的智能追踪系统,其特征在于,所述处理模块包括:
目标匹配单元,用于通过在客运点获取的目标对象的生物特征信息,在客运点的视频监控系统中进行检索匹配,输出与所述目标对象对应的行为轨迹,确定所述目标对象最后出现的行为轨迹点所在的目标位置;
目标搜索单元,用于通过所述目标位置和/或所述目标对象的运动特征,确定对应的目标搜索区域。
17.根据权利要求15或16所述的任意一项基于图像处理的智能追踪系统,其特征在于,所述移动装置为一个或多个,当所述移动装置为多个时,集群调度系统对所述目标搜索区域进行分割,获得多个分割区域,并调用移动装置到对应的分割区域对所述目标对象进行追踪。
18.根据权利要求17所述的基于图像处理的智能追踪系统,其特征在于,位于所述分割区域内的移动装置,对来往的对象进行识别,并在查找到所述目标对象后,跟踪所述目标对象并向所述目标对象播放关联信息。
19.根据权利要求18所述的基于图像处理的智能追踪系统,其特征在于,所述移动装置识别到所述目标对象后,向所述集群调度系统上报所述目标对象位置信息。
20.根据权利要求18所述的基于图像处理的智能追踪系统,其特征在于,所述移动装置查找所述目标对象时,用于识别比对的图像数据来源于服务器。
21.根据权利要求15所述的基于图像处理的智能追踪系统,其特征在于,还包括:
行人信息采集模块,用于采集行人图像信息;获取行人特征信息,根据所述行人特征信息建立行人数据集;
目标信息采集模块,用于获取目标对象的目标对象的生物特征信息,对所述目标对象的生物特征信息进行处理得到目标特征向量;
所述处理模块通过所述目标特征向量,在所述行人数据库中进行特征匹配,得到匹配结果;根据所述匹配结果确定目标搜索区域,通过调用所述目标搜索区域内的移动装置执行对所述目标对象的追踪。
22.根据权利要求21所述的基于图像处理的智能追踪系统,其特征在于,所述行人信息采集模块包括:
图像采集单元,包括设置在不同位置的监控摄像头,用于采集行人图像信息;
行人检测单元,用于对所述行人图像信息进行行人检测得到行人框;
特征提取单元,用于对所述行人框进行特征提取,得到行人特征信息。
23.根据权利要求21所述的基于图像处理的智能追踪系统,其特征在于,通过所述特征提取单元对所述行人框进行分割,得到图像块;对所述图像块进行特提取,得到分块行人特征向量;对所述分块行人特征向量进行特征融合,得到多组所述行人特征信息。
24.一种设备,其特征在于,包括:
一个或多个处理器;和
其上存储有指令的一个或多个机器可读介质,当所述一个或多个处理器执行时,使得所述设备执行如权利要求1-14中一个或多个所述的方法。
25.一个或多个机器可读介质,其特征在于,其上存储有指令,当由一个或多个处理器执行时,使得设备执行如权利要求1-14中一个或多个所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911118984.2A CN110929770A (zh) | 2019-11-15 | 2019-11-15 | 一种基于图像处理的智能追踪方法、系统、设备及可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911118984.2A CN110929770A (zh) | 2019-11-15 | 2019-11-15 | 一种基于图像处理的智能追踪方法、系统、设备及可读介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110929770A true CN110929770A (zh) | 2020-03-27 |
Family
ID=69853068
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911118984.2A Pending CN110929770A (zh) | 2019-11-15 | 2019-11-15 | 一种基于图像处理的智能追踪方法、系统、设备及可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110929770A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111601076A (zh) * | 2020-04-29 | 2020-08-28 | 利智华(北京)智能科技有限公司 | 机场行李及人员双重匹配安检管理方法、装置及设备 |
CN112040186A (zh) * | 2020-08-28 | 2020-12-04 | 北京市商汤科技开发有限公司 | 目标对象的活动区域确定方法、装置、设备及存储介质 |
CN112131919A (zh) * | 2020-04-24 | 2020-12-25 | 民航成都电子技术有限责任公司 | 安检方法、装置、设备及介质 |
CN112141176A (zh) * | 2020-09-30 | 2020-12-29 | 青岛海信微联信号有限公司 | 一种可移动设备搜索的方法及设备 |
CN112507953A (zh) * | 2020-12-21 | 2021-03-16 | 重庆紫光华山智安科技有限公司 | 一种目标搜索及追踪方法和装置及设备 |
CN112580482A (zh) * | 2020-12-14 | 2021-03-30 | 深圳优地科技有限公司 | 一种动物监控方法、终端和存储介质 |
CN112598704A (zh) * | 2020-12-15 | 2021-04-02 | 中标慧安信息技术股份有限公司 | 用于公共场所的目标定位追踪方法和系统 |
CN112633068A (zh) * | 2020-11-25 | 2021-04-09 | 河北汉光重工有限责任公司 | 基于陆防监控的人车图像识别追踪云系统 |
CN112699720A (zh) * | 2020-10-10 | 2021-04-23 | 杭州翔毅科技有限公司 | 基于人物信息集的监控方法、设备、存储介质及装置 |
CN112788238A (zh) * | 2021-01-05 | 2021-05-11 | 中国工商银行股份有限公司 | 用于机器人跟随的控制方法和装置 |
CN113592910A (zh) * | 2021-07-29 | 2021-11-02 | 浙江大华技术股份有限公司 | 一种跨相机追踪方法及装置 |
CN115546830A (zh) * | 2022-09-30 | 2022-12-30 | 星宠王国(北京)科技有限公司 | 一种丢失犬只寻找方法、装置及设备 |
CN115620379A (zh) * | 2022-12-16 | 2023-01-17 | 广东汇通信息科技股份有限公司 | 一种基于计算机视觉的商场寻人方法 |
TWI816072B (zh) * | 2020-12-10 | 2023-09-21 | 晶睿通訊股份有限公司 | 物件識別方法及其監控系統 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107085609A (zh) * | 2017-04-24 | 2017-08-22 | 国网湖北省电力公司荆州供电公司 | 一种基于神经网络进行多特征融合的行人检索方法 |
CN109040677A (zh) * | 2018-07-27 | 2018-12-18 | 中山火炬高新企业孵化器有限公司 | 园区安防预警防御系统 |
CN109102531A (zh) * | 2018-08-21 | 2018-12-28 | 北京深瞐科技有限公司 | 一种目标轨迹追踪方法及装置 |
CN109743541A (zh) * | 2018-12-15 | 2019-05-10 | 深圳壹账通智能科技有限公司 | 智能监控方法、装置、计算机设备及存储介质 |
CN109934177A (zh) * | 2019-03-15 | 2019-06-25 | 艾特城信息科技有限公司 | 行人再识别方法、系统及计算机可读存储介质 |
-
2019
- 2019-11-15 CN CN201911118984.2A patent/CN110929770A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107085609A (zh) * | 2017-04-24 | 2017-08-22 | 国网湖北省电力公司荆州供电公司 | 一种基于神经网络进行多特征融合的行人检索方法 |
CN109040677A (zh) * | 2018-07-27 | 2018-12-18 | 中山火炬高新企业孵化器有限公司 | 园区安防预警防御系统 |
CN109102531A (zh) * | 2018-08-21 | 2018-12-28 | 北京深瞐科技有限公司 | 一种目标轨迹追踪方法及装置 |
CN109743541A (zh) * | 2018-12-15 | 2019-05-10 | 深圳壹账通智能科技有限公司 | 智能监控方法、装置、计算机设备及存储介质 |
CN109934177A (zh) * | 2019-03-15 | 2019-06-25 | 艾特城信息科技有限公司 | 行人再识别方法、系统及计算机可读存储介质 |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112131919A (zh) * | 2020-04-24 | 2020-12-25 | 民航成都电子技术有限责任公司 | 安检方法、装置、设备及介质 |
CN112131919B (zh) * | 2020-04-24 | 2022-08-05 | 民航成都电子技术有限责任公司 | 安检方法、装置、设备及介质 |
CN111601076A (zh) * | 2020-04-29 | 2020-08-28 | 利智华(北京)智能科技有限公司 | 机场行李及人员双重匹配安检管理方法、装置及设备 |
CN112040186A (zh) * | 2020-08-28 | 2020-12-04 | 北京市商汤科技开发有限公司 | 目标对象的活动区域确定方法、装置、设备及存储介质 |
CN112141176A (zh) * | 2020-09-30 | 2020-12-29 | 青岛海信微联信号有限公司 | 一种可移动设备搜索的方法及设备 |
CN112699720A (zh) * | 2020-10-10 | 2021-04-23 | 杭州翔毅科技有限公司 | 基于人物信息集的监控方法、设备、存储介质及装置 |
CN112699720B (zh) * | 2020-10-10 | 2023-10-20 | 杭州翔毅科技有限公司 | 基于人物信息集的监控方法、设备、存储介质及装置 |
CN112633068B (zh) * | 2020-11-25 | 2023-03-28 | 河北汉光重工有限责任公司 | 基于陆防监控的人车图像识别追踪云系统 |
CN112633068A (zh) * | 2020-11-25 | 2021-04-09 | 河北汉光重工有限责任公司 | 基于陆防监控的人车图像识别追踪云系统 |
TWI816072B (zh) * | 2020-12-10 | 2023-09-21 | 晶睿通訊股份有限公司 | 物件識別方法及其監控系統 |
CN112580482A (zh) * | 2020-12-14 | 2021-03-30 | 深圳优地科技有限公司 | 一种动物监控方法、终端和存储介质 |
CN112598704A (zh) * | 2020-12-15 | 2021-04-02 | 中标慧安信息技术股份有限公司 | 用于公共场所的目标定位追踪方法和系统 |
CN112507953A (zh) * | 2020-12-21 | 2021-03-16 | 重庆紫光华山智安科技有限公司 | 一种目标搜索及追踪方法和装置及设备 |
CN112507953B (zh) * | 2020-12-21 | 2022-10-14 | 重庆紫光华山智安科技有限公司 | 一种目标搜索及追踪方法和装置及设备 |
CN112788238A (zh) * | 2021-01-05 | 2021-05-11 | 中国工商银行股份有限公司 | 用于机器人跟随的控制方法和装置 |
CN113592910A (zh) * | 2021-07-29 | 2021-11-02 | 浙江大华技术股份有限公司 | 一种跨相机追踪方法及装置 |
CN115546830A (zh) * | 2022-09-30 | 2022-12-30 | 星宠王国(北京)科技有限公司 | 一种丢失犬只寻找方法、装置及设备 |
CN115620379A (zh) * | 2022-12-16 | 2023-01-17 | 广东汇通信息科技股份有限公司 | 一种基于计算机视觉的商场寻人方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110929770A (zh) | 一种基于图像处理的智能追踪方法、系统、设备及可读介质 | |
CN111047621B (zh) | 一种目标对象追踪方法、系统、设备及可读介质 | |
CN108960209B (zh) | 身份识别方法、装置及计算机可读存储介质 | |
CN110929619A (zh) | 一种基于图像处理的目标对象追踪方法、系统、设备及可读介质 | |
CN110807361B (zh) | 人体识别方法、装置、计算机设备及存储介质 | |
TWI761851B (zh) | 圖像處理方法、圖像處理裝置、電子設備和電腦可讀儲存媒體 | |
US11288531B2 (en) | Image processing method and apparatus, electronic device, and storage medium | |
CN105631403A (zh) | 人脸识别方法及装置 | |
CN112100305B (zh) | 一种基于多源数据的轨迹确定方法、装置、设备及介质 | |
CN106548145A (zh) | 图像识别方法及装置 | |
CN105354543A (zh) | 视频处理方法及装置 | |
CN106663196A (zh) | 视频中的计算机显著人物识别 | |
CN113052079B (zh) | 一种基于人脸聚类的区域客流统计方法、系统、设备和介质 | |
CN106295515A (zh) | 确定图像中的人脸区域的方法及装置 | |
CN113378705B (zh) | 车道线检测方法、装置、设备及存储介质 | |
TW202044107A (zh) | 影像處理方法及裝置、電子設備和儲存介質 | |
CN111339943A (zh) | 一种对象管理方法、系统、平台、设备及介质 | |
CN110889346B (zh) | 一种智能追踪方法、系统、设备及可读介质 | |
CN111340848A (zh) | 对目标区域的对象跟踪方法、系统、设备及介质 | |
CN114332503A (zh) | 对象重识别方法及装置、电子设备和存储介质 | |
CN105335714A (zh) | 照片处理方法、装置和设备 | |
CN112529939A (zh) | 一种目标轨迹匹配方法、装置、机器可读介质及设备 | |
CN111291638A (zh) | 一种对象比对方法、系统、设备及介质 | |
EP2659429B1 (en) | Methods, apparatuses and computer program products for efficiently recognizing faces of images associated with various illumination conditions | |
CN113536914A (zh) | 一种对象跟踪识别方法、系统、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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200327 |