CN110969644A - 人员轨迹追踪方法、装置及系统 - Google Patents
人员轨迹追踪方法、装置及系统 Download PDFInfo
- Publication number
- CN110969644A CN110969644A CN201811139421.7A CN201811139421A CN110969644A CN 110969644 A CN110969644 A CN 110969644A CN 201811139421 A CN201811139421 A CN 201811139421A CN 110969644 A CN110969644 A CN 110969644A
- Authority
- CN
- China
- Prior art keywords
- camera
- human body
- person
- track
- target
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 97
- 238000001514 detection method Methods 0.000 claims abstract description 251
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 abstract description 10
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
- G06T7/251—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving models
Abstract
本发明公开了一种人员轨迹追踪方法、装置及系统,属于智能监控领域。所述方法包括:获取多个人体检测相机对应的多条单相机人员轨迹,每条所述单相机人员轨迹表征在对应的人体检测相机的拍摄区域内某一人员的连续运动轨迹;基于目标人员的目标人体特征模型,在所述多条单相机人员轨迹中确定所述目标人员的至少两条目标单相机人员轨迹,所述目标人体特征模型用于反映所述目标人员的人体特征;将所述至少两条目标单相机人员轨迹进行轨迹拼接,得到所述目标人员的运动轨迹。本发明解决了相关技术中人员轨迹追踪方法的硬件成本较高且应用局限性较大的问题。本发明用于追踪人员的运动轨迹。
Description
技术领域
本发明涉及智能监控领域,特别涉及一种人员轨迹追踪方法、装置及系统。
背景技术
人员轨迹追踪即获取人员的轨迹信息,人员的轨迹信息包括该人员在多个时刻的位置信息。通过追踪某一区域(例如商场)内活动人员的运动轨迹,可以实现对该区域内人员的管理和分析,进而提高对区域的管理程度。
相关技术中提供了一种基于射频识别(Radio Frequency Identification,RFID)技术实现人员轨迹追踪的方法。通常在区域内安装射频接收器,并使在该区域内活动的人员携带射频发射器,其中,射频接收器能够接收从该区域内发出的射频信号,不同的人员携带的射频发射器发出的射频信号不同,即人员与射频信号一一对应。
例如,对某一人员进行人员轨迹追踪的过程包括:通过射频接收器实时接收该人员对应的射频信号;基于接收到的射频信号确定该人员的位置信息;基于该人员在多个时刻的位置信息,确定该追踪人员的运动轨迹。
但是,相关技术中提供的人员轨迹追踪方法,对于每个人员均需配备射频发射器以确定该人员在不同时刻的位置信息,硬件成本较高且应用局限性较大。
发明内容
本发明实施例提供了一种人员轨迹追踪方法、装置及系统,可以解决相关技术中人员轨迹追踪方法的硬件成本较高且应用局限性较大的问题。所述技术方案如下:
第一方面,提供了一种人员轨迹追踪方法,所述方法包括:
获取多个人体检测相机对应的多条单相机人员轨迹,每条所述单相机人员轨迹表征在对应的人体检测相机的拍摄区域内某一人员的连续运动轨迹;
基于目标人员的目标人体特征模型,在所述多条单相机人员轨迹中确定所述目标人员的至少两条目标单相机人员轨迹,所述目标人体特征模型用于反映所述目标人员的人体特征;
将所述至少两条目标单相机人员轨迹进行轨迹拼接,得到所述目标人员的运动轨迹。
可选的,在所述多条单相机人员轨迹中确定所述目标人员的至少两条目标单相机人员轨迹之前,所述方法还包括:
获取所述目标人体特征模型,所述目标人体特征模型基于所述目标人员的人体本体特征和人体外在特征确定。
可选的,所述基于所述目标人体特征模型,在所述多条单相机人员轨迹中确定所述目标人员的至少两条目标单相机人员轨迹,包括:
对每条所述单相机人员轨迹执行检测过程,所述检测过程包括:
获取所述单相机人员轨迹对应的人体图像;
对所述人体图像中的人体特征进行建模,得到待定人体特征模型;
计算所述待定人体特征模型与所述目标人体特征模型的相似度;
当所述待定人体特征模型与所述目标人体特征模型的相似度满足指定相似度条件时,确定所述单相机人员轨迹为所述目标单相机人员轨迹。
可选的,所述目标人体特征模型包括多个人体特征子模型,所述多个人体特征子模型所对应的人体外在特征不同,所述人体外在特征包括人体朝向;
所述计算所述待定人体特征模型与所述目标人体特征模型的相似度,包括:
基于所述人体图像,确定所述单相机人员轨迹所对应的人员的第一人体朝向;
从所述多个人体特征子模型中,获取与所述第一人体朝向对应的第一人体特征子模型;
计算所述待定人体特征模型与所述第一人体特征子模型的相似度。
可选的,所述对每条所述单相机人员轨迹执行检测过程,包括:
获取每条所述单相机人员轨迹的始端时刻;
根据所述始端时刻的由先至后的顺序,对所述多条单相机人员轨迹依次执行所述检测过程;
所述方法还包括:
在确定所述待定人体特征模型与所述第一人体特征子模型的相似度满足所述指定相似度条件后,采用所述待定人体特征模型替换所述第一人体特征子模型,得到更新后的目标人体特征模型。
可选的,所述多个人体检测相机包括第一人体检测相机,所述方法还包括:
在确定所述第一人体检测相机对应的第一单相机人员轨迹为所述目标单相机人员轨迹后,获取第二人体检测相机对应的单相机人员轨迹,所述第二人体检测相机与所述第一人体检测相机相邻设置;
所述获取所述单相机人员轨迹对应的人体图像,包括:
获取所述第二人体检测相机对应的单相机人员轨迹所对应的人体图像。
可选的,所述第一人体检测相机的拍摄区域与所述第二人体检测相机的拍摄区域不存在重合区域,所述获取所述第二人体检测相机对应的单相机人员轨迹所对应的人体图像,包括:
获取所述第一单相机人员轨迹的末端时刻;
检测所述第二人体检测相机对应的单相机人员轨迹中是否存在第二单相机人员轨迹,所述第二单相机人员轨迹的始端时刻在时域上位于所述第一单相机人员轨迹的末端时刻之后;
当所述第二人体检测相机对应的单相机人员轨迹中存在所述第二单相机人员轨迹,获取所述第二单相机人员轨迹的始端时刻所对应的人体图像。
可选的,在所述获取所述第二单相机人员轨迹的始端时刻所对应的人体图像后,所述方法还包括:
获取所述第一单相机人员轨迹的末端的第一实际位置信息以及所述第二单相机人员轨迹的始端的第二实际位置信息;
检测所述第一实际位置信息和所述第二实际位置信息是否满足第一位置条件;
所述当所述待定人体特征模型与所述目标人体特征模型的相似度满足指定相似度条件时,确定所述单相机人员轨迹为所述目标单相机人员轨迹,包括:
当存在指定单相机人员轨迹对应的待定人体特征模型与所述目标人体特征模型的相似度满足所述指定相似度条件,且所述第一实际位置信息和所述第二实际位置信息满足所述第一位置条件时,确定所述指定单相机人员轨迹为所述目标单相机人员轨迹,所述指定单相机人员轨迹为任一所述第二单相机人员轨迹。
可选的,在所述确定所述指定单相机人员轨迹为所述目标单相机人员轨迹后,所述将所述至少两条目标单相机人员轨迹进行轨迹拼接,包括:
将所述第一单相机人员轨迹的末端与所述指定单相机人员轨迹的始端进行轨迹拼接。
可选的,所述获取所述第一单相机人员轨迹的末端的第一实际位置信息以及所述第二单相机人员轨迹的始端的第二实际位置信息,包括:
获取所述第一单相机人员轨迹的末端在世界坐标系下的第一世界坐标,所述第一世界坐标根据所述第一单相机人员轨迹的末端时刻所对应的人体图像在所述第一人体检测相机的图像坐标系中的图像坐标,以及所述第一人体检测相机的相机参数确定;
将所述第一世界坐标确定为所述第一实际位置信息;
获取所述第二单相机人员轨迹的始端在所述世界坐标系下的第二世界坐标,所述第二世界坐标根据所述第二单相机人员轨迹的始端时刻所对应的人体图像在所述第二人体检测相机的图像坐标系中的图像坐标,以及所述第二人体检测相机的相机参数确定;
将所述第二世界坐标确定为所述第二实际位置信息。
可选的,所述第一人体检测相机的拍摄区域与所述第二人体检测相机的拍摄区域存在重合区域,所述获取所述第二人体检测相机对应的单相机人员轨迹所对应的人体图像,包括:
获取所述第一单相机人员轨迹的末端时刻;
检测所述第二人体检测相机对应的单相机人员轨迹中是否存在第三单相机人员轨迹,所述第三单相机人员轨迹的始端时刻在时域上位于所述第一单相机人员轨迹的末端时刻之前,且所述第三单相机人员轨迹的末端时刻在时域上位于所述第一单相机人员轨迹的末端时刻之后;
当所述第二人体检测相机对应的单相机人员轨迹中存在所述第三单相机人员轨迹,获取所述第三单相机人员轨迹的指定时刻所对应的人体图像,所述指定时刻为所述第一单相机人员轨迹的末端时刻。
可选的,在所述获取所述第三单相机人员轨迹的指定时刻所对应的人体图像后,所述方法还包括:
获取所述第一单相机人员轨迹的末端的第一实际位置信息以及所述第三单相机人员轨迹的指定位置的第三实际位置信息,所述指定位置为所述指定时刻所对应的位置;
检测所述第一实际位置信息和所述第三实际位置信息是否满足第二位置条件;
所述当所述待定人体特征模型与所述目标人体特征模型的相似度满足指定相似度条件时,确定所述单相机人员轨迹为所述目标单相机人员轨迹,包括:
当存在指定单相机人员轨迹对应的待定人体特征模型与所述目标人体特征模型的相似度满足所述指定相似度条件,且所述第一实际位置信息和所述第三实际位置信息满足所述第二位置条件时,确定所述指定单相机人员轨迹为所述目标单相机人员轨迹,所述指定单相机人员轨迹为任一所述第三单相机人员轨迹。
可选的,在所述确定所述指定单相机人员轨迹为所述目标单相机人员轨迹后,所述将所述至少两条目标单相机人员轨迹进行轨迹拼接,包括:
将所述第一单相机人员轨迹的末端与所述指定单相机人员轨迹的所述指定位置进行轨迹拼接。
可选的,所述获取所述第一单相机人员轨迹的末端的第一实际位置信息以及所述第三单相机人员轨迹的指定位置的第三实际位置信息,包括:
获取所述第一单相机人员轨迹的末端在世界坐标系下的第一世界坐标,所述第一世界坐标根据所述第一单相机人员轨迹的末端时刻所对应的人体图像在所述第一人体检测相机的图像坐标系中的图像坐标,以及所述第一人体检测相机的相机参数确定;
将所述第一世界坐标确定为所述第一实际位置信息;
获取所述第三单相机人员轨迹的指定位置在所述世界坐标系下的第三世界坐标,所述第三世界坐标根据所述第二单相机人员轨迹在所述指定时刻所对应的人体图像在所述第二人体检测相机的图像坐标系中的图像坐标,以及所述第二人体检测相机的相机参数确定;
将所述第三世界坐标确定为所述第三实际位置信息。
可选的,所述获取所述目标人体特征模型,包括:
接收人脸人体抓拍机拍摄得到的所述目标人员的人脸人体图像;
基于所述人脸人体图像中的人体特征,建立所述目标人体特征模型。
可选的,在所述接收人脸人体抓拍机拍摄得到的所述目标人员的人脸人体图像后,所述方法还包括:
基于人员信息数据库,根据所述人脸人体图像中的人脸特征,确定所述目标人员的身份标签,所述人员信息数据库中存储有至少一组人脸特征与身份标签的对应关系。
第二方面,提供了一种人员轨迹追踪装置,所述装置包括:
第一获取模块,用于获取多个人体检测相机对应的多条单相机人员轨迹,每条所述单相机人员轨迹表征在对应的人体检测相机的拍摄区域内某一人员的连续运动轨迹;
第一确定模块,用于基于目标人员的目标人体特征模型,在所述多条单相机人员轨迹中确定所述目标人员的至少两条目标单相机人员轨迹,所述目标人体特征模型用于反映所述目标人员的人体特征;
轨迹拼接模块,用于将所述至少两条目标单相机人员轨迹进行轨迹拼接,得到所述目标人员的运动轨迹。
可选的,所述装置还包括:
第二获取模块,用于获取所述目标人体特征模型,所述目标人体特征模型基于所述目标人员的人体本体特征和人体外在特征确定。
可选的,所述第一确定模块,用于:对每条所述单相机人员轨迹执行检测过程,所述检测过程由获取子模块、建模子模块、计算子模块和确定子模块执行:
所述获取子模块,用于获取所述单相机人员轨迹对应的人体图像;
所述建模子模块,用于对所述人体图像中的人体特征进行建模,得到待定人体特征模型;
所述计算子模块,用于计算所述待定人体特征模型与所述目标人体特征模型的相似度;
所述确定子模块,用于当所述待定人体特征模型与所述目标人体特征模型的相似度满足指定相似度条件时,确定所述单相机人员轨迹为所述目标单相机人员轨迹。
可选的,所述目标人体特征模型包括多个人体特征子模型,所述多个人体特征子模型所对应的人体外在特征不同,所述人体外在特征包括人体朝向;
所述计算子模块,用于:
基于所述人体图像,确定所述单相机人员轨迹所对应的人员的第一人体朝向;
从所述多个人体特征子模型中,获取与所述第一人体朝向对应的第一人体特征子模型;
计算所述待定人体特征模型与所述第一人体特征子模型的相似度。
可选的,所述第一确定模块,用于:
获取每条所述单相机人员轨迹的始端时刻;
根据所述始端时刻的由先至后的顺序,对所述多条单相机人员轨迹依次执行所述检测过程;
所述装置还包括:
替换模块,用于在确定所述待定人体特征模型与所述第一人体特征子模型的相似度满足所述指定相似度条件后,采用所述待定人体特征模型替换所述第一人体特征子模型,得到更新后的目标人体特征模型。
可选的,所述多个人体检测相机包括第一人体检测相机,所述装置还用于:
在确定所述第一人体检测相机对应的第一单相机人员轨迹为所述目标单相机人员轨迹后,获取第二人体检测相机对应的单相机人员轨迹,所述第二人体检测相机与所述第一人体检测相机相邻设置;
所述获取子模块,用于:
获取所述第二人体检测相机对应的单相机人员轨迹所对应的人体图像。
可选的,所述第一人体检测相机的拍摄区域与所述第二人体检测相机的拍摄区域不存在重合区域,所述获取子模块,用于:
获取所述第一单相机人员轨迹的末端时刻;
检测所述第二人体检测相机对应的单相机人员轨迹中是否存在第二单相机人员轨迹,所述第二单相机人员轨迹的始端时刻在时域上位于所述第一单相机人员轨迹的末端时刻之后;
当所述第二人体检测相机对应的单相机人员轨迹中存在所述第二单相机人员轨迹,获取所述第二单相机人员轨迹的始端时刻所对应的人体图像。
可选的,所述获取子模块还用于:
获取所述第一单相机人员轨迹的末端的第一实际位置信息以及所述第二单相机人员轨迹的始端的第二实际位置信息;
检测所述第一实际位置信息和所述第二实际位置信息是否满足第一位置条件;
所述确定子模块,用于:
当存在指定单相机人员轨迹对应的待定人体特征模型与所述目标人体特征模型的相似度满足所述指定相似度条件,且所述第一实际位置信息和所述第二实际位置信息满足所述第一位置条件时,确定所述指定单相机人员轨迹为所述目标单相机人员轨迹,所述指定单相机人员轨迹为任一所述第二单相机人员轨迹。
可选的,所述轨迹拼接模块,用于:
在确定所述指定单相机人员轨迹为所述目标单相机人员轨迹后,将所述第一单相机人员轨迹的末端与所述指定单相机人员轨迹的始端进行轨迹拼接。
可选的,所述获取子模块还用于:
获取所述第一单相机人员轨迹的末端在世界坐标系下的第一世界坐标,所述第一世界坐标根据所述第一单相机人员轨迹的末端时刻所对应的人体图像在所述第一人体检测相机的图像坐标系中的图像坐标,以及所述第一人体检测相机的相机参数确定;
将所述第一世界坐标确定为所述第一实际位置信息;
获取所述第二单相机人员轨迹的始端在所述世界坐标系下的第二世界坐标,所述第二世界坐标根据所述第二单相机人员轨迹的始端时刻所对应的人体图像在所述第二人体检测相机的图像坐标系中的图像坐标,以及所述第二人体检测相机的相机参数确定;
将所述第二世界坐标确定为所述第二实际位置信息。
可选的,所述第一人体检测相机的拍摄区域与所述第二人体检测相机的拍摄区域存在重合区域,所述获取子模块,用于:
获取所述第一单相机人员轨迹的末端时刻;
检测所述第二人体检测相机对应的单相机人员轨迹中是否存在第三单相机人员轨迹,所述第三单相机人员轨迹的始端时刻在时域上位于所述第一单相机人员轨迹的末端时刻之前,且所述第三单相机人员轨迹的末端时刻在时域上位于所述第一单相机人员轨迹的末端时刻之后;
当所述第二人体检测相机对应的单相机人员轨迹中存在所述第三单相机人员轨迹,获取所述第三单相机人员轨迹的指定时刻所对应的人体图像,所述指定时刻为所述第一单相机人员轨迹的末端时刻。
可选的,所述获取子模块还用于:
获取所述第一单相机人员轨迹的末端的第一实际位置信息以及所述第三单相机人员轨迹的指定位置的第三实际位置信息,所述指定位置为所述指定时刻所对应的位置;
检测所述第一实际位置信息和所述第三实际位置信息是否满足第二位置条件;
所述确定子模块,用于:
当存在指定单相机人员轨迹对应的待定人体特征模型与所述目标人体特征模型的相似度满足所述指定相似度条件,且所述第一实际位置信息和所述第三实际位置信息满足所述第二位置条件时,确定所述指定单相机人员轨迹为所述目标单相机人员轨迹,所述指定单相机人员轨迹为任一所述第三单相机人员轨迹。
可选的,所述轨迹拼接模块,用于:
在确定所述指定单相机人员轨迹为所述目标单相机人员轨迹后,将所述第一单相机人员轨迹的末端与所述指定单相机人员轨迹的所述指定位置进行轨迹拼接。
所述获取子模块还用于:
获取所述第一单相机人员轨迹的末端在世界坐标系下的第一世界坐标,所述第一世界坐标根据所述第一单相机人员轨迹的末端时刻所对应的人体图像在所述第一人体检测相机的图像坐标系中的图像坐标,以及所述第一人体检测相机的相机参数确定;
将所述第一世界坐标确定为所述第一实际位置信息;
获取所述第三单相机人员轨迹的指定位置在所述世界坐标系下的第三世界坐标,所述第三世界坐标根据所述第二单相机人员轨迹在所述指定时刻所对应的人体图像在所述第二人体检测相机的图像坐标系中的图像坐标,以及所述第二人体检测相机的相机参数确定;
将所述第三世界坐标确定为所述第三实际位置信息。
可选的,所述第二获取模块,用于:
接收人脸人体抓拍机拍摄得到的所述目标人员的人脸人体图像;
基于所述人脸人体图像中的人体特征,建立所述目标人体特征模型。
可选的,所述装置还包括:
第二确定模块,用于基于人员信息数据库,根据所述人脸人体图像中的人脸特征,确定所述目标人员的身份标签,所述人员信息数据库中存储有至少一组人脸特征与身份标签的对应关系。
第三方面,提供了一种人员轨迹追踪系统,包括:多个人体检测相机和如第二方面任一所述的人员轨迹追踪装置。
第四方面,提供了一种人员轨迹追踪装置,包括处理器和存储器,
所述存储器,用于存储计算机程序;
所述处理器,用于执行所述存储器上所存储的计算机程序,实现如第一方面任一所述的人员轨迹追踪方法。
第五方面,提供了一种计算机可读存储介质,当所述存储介质中的程序由处理器执行时,实现如第一方面任一所述的人员轨迹追踪方法。
本发明实施例提供的技术方案带来的有益效果包括:
在获取多个人体检测相机对应的多条单相机人员轨迹后,基于目标人员的目标人体特征模型,在该多条单相机人员轨迹中确定目标人员的至少两条目标单相机人员轨迹,并将该至少两条目标单相机人员轨迹进行轨迹拼接以得到目标人员的运动轨迹。本发明实施例提供的人员轨迹追踪方法,仅需在区域内安装多个人体检测相机,即可对该区域内的所有人员进行轨迹追踪,与相关技术相比,无需为每个人员配备射频发射器,也无需人员的配合,节约了硬件成本的同时降低了应用局限性。
附图说明
图1是本发明实施例提供的一种人员轨迹追踪系统的结构示意图;
图2是本发明实施例提供的另一种人员轨迹追踪系统的结构示意图;
图3是本发明实施例提供的一种人员轨迹追踪方法的流程图;
图4是本发明实施例提供的另一种人员轨迹追踪方法的流程图;
图5是本发明实施例提供的一种单相机人员轨迹的检测方法流程图;
图6是本发明实施例提供的一种人员轨迹追踪装置的结构示意图;
图7是本发明实施例提供的另一种人员轨迹追踪装置的结构示意图;
图8是本发明实施例提供的一种第一确定模块的结构示意图;
图9是本发明实施例提供的又一种人员轨迹追踪装置的结构示意图;
图10是本发明实施例提供的再一种人员轨迹追踪装置的结构示意图;
图11是本发明实施例提供的一种服务器的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
图1是本发明实施例提供的一种人员轨迹追踪系统的结构示意图,如图1所示,该人员轨迹追踪系统包括:后端服务器01和多个人体检测相机(也可称为人体检测跟踪相机)02。
后端服务器01可以是一台服务器,或者由若干台服务器组成的服务器集群,或者是一个云计算服务中心。人体检测相机02为能够拍摄人体图像的摄像设备,例如人体检测相机可以是枪机摄像设备和球机摄像设备等。后端服务器01和每个人体检测相机02之间可以通过有线网络或无线网络建立连接。
在一种可能的实现方式中,人体检测相机02拍摄该人体检测相机02的拍摄区域内活动人员的人体图像;人体检测相机02根据拍摄的同一人员的多张连续人体图像,确定该人员在拍摄区域内的单相机人员轨迹;人体检测相机02向后端服务器01发送该单相机人员轨迹。后端服务器01接收到多个人体检测相机02发送的多条单相机人员轨迹后,基于预先获取的人体特征模型,在该多条单相机人员轨迹中确定属于同一人员的至少两条单相机人员轨迹,并对属于同一人员的至少两条单相机人员轨迹进行轨迹拼接,得到该人员的运动轨迹。
在另一种可能的实现方式中,人体检测相机02拍摄该人体检测相机02的拍摄区域内活动人员的人体图像;人体检测相机02分别向后端服务器01发送拍摄得到的人体图像。后端服务器01接收到多个人体检测相机02发送的人体图像后,基于预先获取的人体特征模型,对每个人体检测相机02发送的人体图像分别进行处理,得到多条单相机人员轨迹;后端服务器01将属于同一人员的至少两条单相机人员轨迹进行轨迹拼接,得到该人员的运动轨迹。
需要说明的是,本发明实施例提供的人员轨迹追踪系统可以实现对不同类型区域内的活动人员进行轨迹追踪。该区域可以是可活动人员较为固定的区域,例如某些机关单位的办公区域和实验室等;该区域也可以是可活动人员流动性较大的区域,例如商场、车站、图书馆和博物馆等,本发明实施例对人员轨迹追踪系统的应用场景不做限定。
可选的,本发明实施例提供的多个人体检测相机的拍摄时刻和拍摄帧率均相同,以保证多个人体检测相机能够同步拍摄图像。例如可以采用型号相同的多个人体检测相机,并通过触发器控制该多个人体检测相机同时开始拍摄图像。
可选的,图2是本发明实施例提供的另一种人员轨迹追踪系统的结构示意图,如图2所示,该人员轨迹追踪系统还可以包括人脸人体抓拍机03。人脸人体抓拍机03和后端服务器01之间可以通过有线网络或无线网络建立连接。
其中,人脸人体抓拍机03用于拍摄人员的人脸人体图像,该人脸人体图像既能反映人员的人脸特征,又能反映人员的人体特征。人脸人体抓拍机03向后端服务器01发送人员的人脸人体图像;后端服务器01基于人脸人体图像中的人体特征,建立人体特征模型。可选的,后端服务器01还可以获取人脸人体图像中的人脸特征,将人脸特征与人体特征进行关联,以便后续使用。
可选的,参见图2,该人员轨迹追踪系统可以用于对区域A内的活动人员进行轨迹追踪。其中,人脸人体抓拍机03设置在区域A的入口处和/或出口处,多个人体检测相机02分布设置在区域A的内部。
图3是本发明实施例提供的一种人员轨迹追踪方法的流程图,可以应用于如图1或图2所示的人员轨迹追踪系统中的后端服务器01,如图3所示,该方法包括:
步骤101、获取多个人体检测相机对应的多条单相机人员轨迹,每条单相机人员轨迹表征在对应的人体检测相机的拍摄区域内某一人员的连续运动轨迹。
可选的,每个人体检测相机对应至少一条单相机人员轨迹,每条单相机人员轨迹基于对应的人体检测相机拍摄的同一人员的多张人体图像确定。
步骤102、基于目标人员的目标人体特征模型,在多条单相机人员轨迹中确定目标人员的至少两条目标单相机人员轨迹,该目标人体特征模型用于反映目标人员的人体特征。
可选的,上述至少两条目标单相机人员轨迹对应至少两个人体检测相机,也即是,该至少两条目标单相机人员轨迹中存在两条目标单相机人员轨迹基于不同的人体检测相机拍摄的人体图像确定。
步骤103、将至少两条目标单相机人员轨迹进行轨迹拼接,得到目标人员的运动轨迹。
综上所述,本发明实施例提供的人员轨迹追踪方法,在获取多个人体检测相机对应的多条单相机人员轨迹后,基于目标人员的目标人体特征模型,在该多条单相机人员轨迹中确定目标人员的至少两条目标单相机人员轨迹,并将该至少两条目标单相机人员轨迹进行轨迹拼接以得到目标人员的运动轨迹。本发明实施例提供的人员轨迹追踪方法,仅需在区域内安装多个人体检测相机,即可对该区域内的所有人员进行轨迹追踪,与相关技术相比,无需为每个人员配备射频发射器,也无需人员的配合,节约了硬件成本的同时降低了应用局限性。
图4是本发明实施例提供的另一种人员轨迹追踪方法的流程图,可以应用于如图1或图2所示的人员轨迹追踪系统中的后端服务器01,如图4所示,该方法包括:
步骤201、获取目标人员的目标人体特征模型。
其中,目标人体特征模型用于反映目标人员的人体特征。可选的,目标人体特征模型可以基于目标人员的人体本体特征和人体外在特征确定。其中,人体本体特征为人体本身具有的特征,通常是在短时间内不可变的特征,例如人体本体特征包括身高、身形、所属年龄段和性别中的至少一种;人体外在特征为人体外部的特征,通常是在短时间内可变的特征,例如人体外在特征包括人体朝向和人体的主色调(包括上半身的主色调和下半身的主色调)中的至少一种。该短时间可以是1分钟、1小时或1天。
在本发明实施例中,目标人体特征模型可以包括多个人体特征子模型,该多个人体特征子模型所对应的人体外在特征不同。当人体外在特征包括人体朝向,假设人体朝向包括正向、侧向和背向这三种,则目标人体特征模型包括三个人体特征子模型,该三个人体特征子模型分别基于目标人员的正向人体图像、侧向人体图像和背向人体图像建立。后端服务器中存储的不同人体朝向的人体特征子模型的特征标识不同,例如人体朝向为正向的人体特征子模型可以记为f1,人体朝向为侧向的人体特征子模型可以记为f2,人体朝向为背向的人体特征子模型可以记为f3。其中,人体朝向中的侧向还可以分为左侧向和右侧向,则可以分别基于目标人员的左侧向人体图像和右侧向人体图像建立对应的人体特征子模型,本发明实施例对此不做限定。
需要说明的是,由于在不同人体朝向下,人体特征的差异较大,因此建立基于不同人体朝向建立多个人体特征子模型,可以提高人体特征匹配的准确性。
可选的,目标人体特征模型可以是预先建立后存储在后端服务器中的;或者,后端服务器接收人脸人体抓拍机拍摄得到的目标人员的人脸人体图像;基于该人脸人体图像中的人体特征,建立目标人体特征模型。
在一种可能的实现方式中,在后端服务器中通过深度学习训练得到人体特征学习模型,将目标人员的人脸人体图像输入该人体特征学习模型中,得到该人体特征学习模型输出的目标人体特征模型。可选的,不同人体朝向对应的人体特征学习模型不同。
可选的,本发明实施例提供的后端服务器中可以存储有人员信息数据库,该人员信息数据库中存储有至少一组人脸特征信息与身份标签的对应关系。则后端服务器在接收到人脸人体抓拍机拍摄得到的目标人员的人脸人体图像后,可以根据人脸人体图像中的人脸特征,确定目标人员的身份标签。
示例的,以对商场中的人员进行轨迹追踪为例进行说明,身份标签可以包括店员、VIP顾客、黑名单人员和普通顾客,人员信息数据库中可以对应存储有所有店员的人脸特征、VIP顾客的人脸特征和黑名单人员的人脸特征。当在人员信息数据库中无法匹配到人员的人脸特征,后端服务器可以确定该人员为普通顾客。通过在商场的入口处设置人脸人体抓拍机,人脸人体抓拍机将进入商场的某一人员的人脸人体图像发送至后端服务器后,后端服务器可以根据人员信息数据库中人脸特征与身份标签的对应关系,确定该人员的身份标签,以便于针对不同的人员群体进行不同的数据分析。例如,在确定该人员为店员后,可以根据店员的运动轨迹判断该店员陪同顾客的积极性;又例如,在确定该人员为VIP顾客后,可根据VIP顾客的运动轨迹(例如在某个柜台或商品前停留的时间)确定该VIP顾客较感兴趣的商品,以实现对VIP顾客的个性化推荐。
可选的,后端服务器接收到人脸人体抓拍机发送的人脸人体图像后,还可以对人脸人体图像进行人脸属性识别,确定人员的性别、所处年龄段和是否戴眼镜等,以分析区域内主体活动人员的类型。
步骤202、获取多个人体检测相机对应的多条单相机人员轨迹。
其中,每条单相机人员轨迹表征在对应的人体检测相机的拍摄区域内某一人员的连续运动轨迹。
可选的,后端服务器可以接收多个人体检测相机发送的多条单相机人员轨迹,例如,人体检测相机可以计算拍摄到的多张人体图像之间的相似度,确定属于同一人员的n张人体图像,并根据该n张人体图像的拍摄时刻以及该n张人体图像的图像位置信息(图像坐标)或实际位置信息(世界坐标),确定该人员在该人体检测相机的拍摄区域内的运动轨迹,该运动轨迹即单相机人员轨迹,n为大于1的整数;或者,后端服务器可以接收多个人体检测相机发送的多张人体图像,并基于每个人体检测相机对应的多张人体图像,确定多个人体检测相机对应的多条单相机人员轨迹,本发明实施例对此不做限定。
步骤203、基于目标人体特征模型,在多条单相机人员轨迹中确定目标人员的至少两条目标单相机人员轨迹。
可选的,上述至少两条目标单相机人员轨迹对应至少两个人体检测相机,也即是,该至少两条目标单相机人员轨迹中存在两条目标单相机人员轨迹基于不同的人体检测相机拍摄的人体图像确定。
可选的,可以通过对每条单相机人员轨迹执行检测过程以实现上述步骤203,如图5所示,该检测过程包括:
步骤2031、获取单相机人员轨迹对应的人体图像。
其中,单相机人员轨迹对应的人体图像即用于确定单相机人员轨迹的人体图像,也即是该单相机人员轨迹对应的人员的人体图像。
步骤2032、对人体图像中的人体特征进行建模,得到待定人体特征模型。
可选的,人体特征包括人体本体特征和人体外在特征,人体外在特征包括人体朝向。在基于人体图像确定单相机人员轨迹所对应的人员的第一人体朝向后,将该人体图像输入与第一人体朝向对应的人体特征学习模型,以得到待定人体特征模型。
步骤2033、计算待定人体特征模型与目标人体特征模型的相似度。
可选的,目标人体特征模型包括多个人体特征子模型,该多个人体特征子模型所对应的人体朝向不同,则计算待定人体特征模型与目标人体特征模型的相似度,包括:从多个人体特征子模型中,获取与第一人体朝向对应的第一人体特征子模型;计算待定人体特征模型与第一人体特征子模型的相似度。
需要说明的是,人体特征模型通常用人体特征矩阵表征,则可以通过计算用于表征待定人体特征模型的人体特征矩阵与用于保证第一人体特征模型的人体特征矩阵之间的距离(例如余弦距离或欧氏距离等),得到待定人体特征模型与第一人体特征子模型的相似度。
步骤2034、当待定人体特征模型与目标人体特征模型的相似度满足指定相似度条件时,确定该单相机人员轨迹为目标单相机人员轨迹。
可选的,当待定人体特征模型与目标人体特征模型的相似度大于或等于预设的相似度阈值时,确定该待定人体特征模型所表征的人员为目标人员,相应的,该单相机人员轨迹为目标单相机人员轨迹。
可选的,后端服务器对每条单相机人员轨迹执行检测过程,包括:获取每条单相机人员轨迹的始端时刻;根据始端时刻的由先至后的顺序,对多条单相机人员轨迹依次执行检测过程。进一步的,在确定待定人体特征模型与第一人体特征子模型的相似度满足指定相似度条件后,采用待定人体特征模型替换第一人体特征子模型,得到更新后的目标人体特征模型。
需要说明的是,在人员轨迹追踪过程中,实时更新后端服务器中目标人员的目标人体特征模型,可以提高模型匹配的准确度。
示例的,多个人体检测相机包括第一人体检测相机和第二人体检测相机,第二人体检测相机为与第一人体检测相机相邻设置的任一人体检测相机。在确定第一人体检测相机对应的第一单相机人员轨迹为目标单相机人员轨迹后,获取第二人体检测相机对应的单相机人员轨迹。则上述步骤2031的实现方式可以为:获取第二人体检测相机对应的单相机人员轨迹所对应的人体图像。
需要说明的是,由于目标人员离开第一人体检测相机的拍摄区域后,必然进入与第一人体检测相机相邻设置的人体检测相机的拍摄区域内,因此后端服务器获取与第一人体检测相机相邻设置的第二人体检测相机对应的单相机人员轨迹所对应的人体图像,而非获取所有人体检测相机对应的单相机人员轨迹所对应的人体图像,可以较大程度上减小后端服务器的工作量,提高工作效率。
在本发明实施例中,第一人体检测相机的拍摄区域与第二人体检测相机的拍摄区域不存在重合区域;或者,第一人体检测相机的拍摄区域和第二人体检测相机的拍摄区域存在重合区域,以下分别对这两种情况下,获取第二人体检测相机对应的单相机人员轨迹所对应的人体图像的过程进行说明:
第一种情况,当第一人体检测相机的拍摄区域与第二人体检测相机的拍摄区域不存在重合区域,获取第二人体检测相机对应的单相机人员轨迹所对应的人体图像的过程包括:
获取第一单相机人员轨迹的末端时刻;检测第二人体检测相机对应的单相机人员轨迹中是否存在第二单相机人员轨迹,该第二单相机人员轨迹的始端时刻在时域上位于第一单相机人员轨迹的末端时刻之后;当第二人体检测相机对应的单相机人员轨迹中存在第二单相机人员轨迹,获取第二单相机人员轨迹的始端时刻所对应的人体图像。
需要说明的是,由于第一人体检测相机的拍摄区域与第二人体检测相机的拍摄区域不存在重合区域,当目标人员位于第一人体检测相机的拍摄区域内时,无法位于第二人体检测相机的拍摄区域内,假设第二人体检测相机对应的单相机人员轨迹中存在目标单相机人员轨迹,该目标单相机人员轨迹的始端时刻在时序上必定位于第一单相机人员轨迹的末端时刻之后,因此仅获取第二人体检测相机对应的第二单相机人员轨迹所对应的人体图像,可以进一步减小后端服务器获取的人体图像的数量,以进一步减小后端服务器的工作量。
可选的,在获取第二单相机人员轨迹的始端时刻所对应的人体图像后,可以进一步获取第一单相机人员轨迹的末端的第一实际位置信息以及第二单相机人员轨迹的始端的第二实际位置信息;并检测第一实际位置信息和第二实际位置信息是否满足第一位置条件。
其中,第一实际位置信息和第二实际位置信息均为世界坐标系下的位置信息,该位置信息可以为二维坐标或三维坐标,对此不做限定。
可选的,获取第一单相机人员轨迹的末端的第一实际位置信息以及第二单相机人员轨迹的始端的第二实际位置信息的过程,可以包括:
获取第一单相机人员轨迹的末端在世界坐标系下的第一世界坐标,该第一世界坐标根据第一单相机人员轨迹的末端时刻所对应的人体图像在第一人体检测相机的图像坐标系中的图像坐标,以及第一人体检测相机的相机参数确定;将第一世界坐标确定为第一实际位置信息;获取第二单相机人员轨迹的始端在世界坐标系下的第二世界坐标,第二世界坐标根据第二单相机人员轨迹的始端时刻所对应的人体图像在第二人体检测相机的图像坐标系中的图像坐标,以及第二人体检测相机的相机参数确定;将第二世界坐标确定为第二实际位置信息。
可选的,人体检测相机在拍摄到人体图像后,可以获取人员在图像坐标系下的图像位置信息,并结合自身的相机参数,将图像位置信息转换为世界坐标系下的实际位置信息后,将实际位置信息发送至后端服务器。
相应的,上述步骤2034的实现方式可以为:当存在指定单相机人员轨迹对应的待定人体特征模型与目标人体特征模型的相似度满足指定相似度条件,且第一实际位置信息和第二实际位置信息满足第一位置条件时,确定指定单相机人员轨迹为目标单相机人员轨迹,该指定单相机人员轨迹为任一第二单相机人员轨迹。
可选的,第一位置条件为第一实际位置信息所对应的坐标与第二实际位置信息所对应的坐标之间的距离小于指定距离阈值。
需要说明的是,由于第一人体检测相机与第二人体检测相机相邻设置,当目标人员从第一人体检测相机的拍摄区域离开,进入第二人体检测相机的拍摄区域后,该目标人员最后出现在第一人体检测相机的拍摄区域内的位置与最先出现在第二人体检测相机的拍摄区域内的位置之间的距离必定小于某个距离阈值,因此在确定目标单相机人员轨迹的过程中结合目标人员的位置信息,可以提高获取目标单相机人员轨迹的准确性。
第二种情况,当第一人体检测相机的拍摄区域与第二人体检测相机的拍摄区域存在重合区域,获取第二人体检测相机对应的单相机人员轨迹所对应的人体图像的过程包括:
获取第一单相机人员轨迹的末端时刻;检测第二人体检测相机对应的单相机人员轨迹中是否存在第三单相机人员轨迹,该第三单相机人员轨迹的始端时刻在时域上位于第一单相机人员轨迹的末端时刻之前,且第三单相机人员轨迹的末端时刻在时域上位于第一单相机人员轨迹的末端时刻之后;当第二人体检测相机对应的单相机人员轨迹中存在第三单相机人员轨迹,获取第三单相机人员轨迹的指定时刻所对应的人体图像,该指定时刻为第一单相机人员轨迹的末端时刻。
需要说明的是,由于第一人体检测相机的拍摄区域与第二人体检测相机的拍摄区域存在重合区域,假设第二人体检测相机对应的单相机人员轨迹中存在目标单相机人员轨迹,该目标单相机人员轨迹的始端时刻在时序上必定位于第一单相机人员轨迹的末端时刻之后,且该目标单相机人员轨迹的末端时刻在时序上位于第一单相机人员轨迹的末端时刻之前,也即是,存在某一时刻目标人员同时位于第一人体检测相机和第二人体检测相机的拍摄区域内。因此仅获取第二人体检测相机对应的第三单相机人员轨迹所对应的人体图像,可以进一步减小后端服务器获取的人体图像的数量,以进一步减小后端服务器的工作量。
可选的,在获取第三单相机人员轨迹的指定时刻所对应的人体图像后,还可以获取第一单相机人员轨迹的末端的第一实际位置信息以及第三单相机人员轨迹的指定位置的第三实际位置信息,该指定位置为上述指定时刻所对应的位置;并检测第一实际位置信息和第三实际位置信息是否满足第二位置条件。
其中,第一实际位置信息和第三实际位置信息均为世界坐标系下的位置信息,该位置信息可以为二维坐标或三维坐标,对此不做限定。
可选的,获取第一单相机人员轨迹的末端的第一实际位置信息以及第三单相机人员轨迹的指定位置的第三实际位置信息的过程,可以包括:
获取第一单相机人员轨迹的末端在世界坐标系下的第一世界坐标,该第一世界坐标根据第一单相机人员轨迹的末端时刻所对应的人体图像在第一人体检测相机的图像坐标系中的图像坐标,以及第一人体检测相机的相机参数确定;将第一世界坐标确定为第一实际位置信息;获取第三单相机人员轨迹的指定位置在世界坐标系下的第三世界坐标,该第三世界坐标根据第二单相机人员轨迹在指定时刻所对应的人体图像在第二人体检测相机的图像坐标系中的图像坐标,以及第二人体检测相机的相机参数确定;将第三世界坐标确定为第三实际位置信息。
可选的,人体检测相机在拍摄到人体图像后,可以获取人员在图像坐标系下的图像位置信息,并结合自身的相机参数,将图像位置信息转换为世界坐标系下的实际位置信息后,将实际位置信息发送至后端服务器。
相应的,上述步骤2034的实现方式可以为:当存在指定单相机人员轨迹对应的待定人体特征模型与目标人体特征模型的相似度满足指定相似度条件,且第一实际位置信息和第三实际位置信息满足第二位置条件时,确定指定单相机人员轨迹为目标单相机人员轨迹,该指定单相机人员轨迹为任一第三单相机人员轨迹。
可选的,第二位置条件为第一实际位置信息与第二实际位置信息相同,也即是,第一实际位置信息所对应的坐标与第二实际位置信息所对应的坐标为同一坐标。
需要说明的是,由于第一人体检测相机与第二人体检测相机相邻设置,当目标人员从第一人体检测相机的拍摄区域进入第二人体检测相机的拍摄区域时,目标人员在第一人体检测相机的拍摄区域内的离开位置位于第二人体检测相机的拍摄区域内,因此在确定目标单相机人员轨迹的过程中结合目标人员的位置信息,可以提高获取目标单相机人员轨迹的准确性。
步骤204、将至少两条目标单相机人员轨迹进行轨迹拼接,得到目标人员的运动轨迹。
示例的,在本发明实施例中,单相机人员轨迹可以由携带有时刻信息的曲线或折线表征,则将至少两条目标单相机人员轨迹进行轨迹拼接,也即是,将用于表征该至少两条目标单相机人员轨迹的至少两条曲线或折线串联,得到连续的线条,该连续的线条表征目标人员在区域内的连续运动轨迹。
可选的,参考上述步骤2034中的第一种情况,当第一人体检测相机的拍摄区域与第二人体检测相机的拍摄区域不存在重合区域,在确定第二人体检测相机对应的指定单相机人员轨迹为目标单相机人员轨迹后,将第一单相机人员轨迹的末端与指定单相机人员轨迹的始端进行轨迹拼接,以得到目标人员在第一人体检测相机和第二人体检测相机的拍摄区域内的运动轨迹。
其中,将第一单相机人员轨迹的末端与指定单相机人员轨迹的始端进行轨迹拼接,也即是,将用于表征第一单相机人员轨迹的线条的末端与用于表征指定单相机人员轨迹的线条的始端连接,得到目标人员在第一人体检测相机和第二人体检测相机的拍摄区域内的连续运动轨迹。
可选的,参考上述步骤2034中的第二种情况,当第一人体检测相机的拍摄区域与第二人体检测相机的拍摄区域存在重合区域,在确定第二人体检测相机对应的指定单相机人员轨迹为目标单相机人员轨迹后,将第一单相机人员轨迹的末端与指定单相机人员轨迹的指定位置进行轨迹拼接,以得到目标人员在第一人体检测相机和第二人体检测相机的拍摄区域内的运动轨迹,该指定位置为第一单相机人员轨迹的末端时刻在指定单相机人员轨迹上所对应的位置。
其中,将第一单相机人员轨迹的末端与指定单相机人员轨迹的指定位置进行轨迹拼接,也即是,在指定单相机人员轨迹的指定位置处截取位于该指定位置之后的单相机人员轨迹,将用于表征第一单相机人员轨迹的线条的末端与用于表征截取后的单相机人员轨迹的线条的始端连接,得到目标人员在第一人体检测相机和第二人体检测相机的拍摄区域内的连续运动轨迹。
需要说明的是,本发明实施例提供的人员轨迹追踪方法的步骤先后顺序可以进行适当调整,步骤也可以根据情况进行相应增减,例如,在得到目标人员的运动轨迹后,后端服务器可以输出目标人员的身份标签和轨迹信息等,轨迹信息包括各个时刻的位置信息,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化的方法,都应涵盖在本发明的保护范围之内,因此不再赘述。
综上所述,本发明实施例提供的人员轨迹追踪方法,在获取多个人体检测相机对应的多条单相机人员轨迹后,基于目标人员的目标人体特征模型,在该多条单相机人员轨迹中确定目标人员的至少两条目标单相机人员轨迹,并将该至少两条目标单相机人员轨迹进行轨迹拼接以得到目标人员的运动轨迹。本发明实施例提供的人员轨迹追踪方法,仅需在区域内安装多个人体检测相机,即可对该区域内的所有人员进行轨迹追踪,与相关技术相比,无需为每个人员配备射频发射器,也无需人员的配合,节约了硬件成本的同时降低了应用局限性。
图6是本发明实施例提供的一种人员轨迹追踪装置的结构示意图,如图6所示,装置30包括:
第一获取模块301,用于获取多个人体检测相机对应的多条单相机人员轨迹,每条单相机人员轨迹表征在对应的人体检测相机的拍摄区域内某一人员的连续运动轨迹。
第一确定模块302,用于基于目标人员的目标人体特征模型,在多条单相机人员轨迹中确定目标人员的至少两条目标单相机人员轨迹,该目标人体特征模型用于反映目标人员的人体特征。
轨迹拼接模块303,用于将至少两条目标单相机人员轨迹进行轨迹拼接,得到目标人员的运动轨迹。
综上所述,本发明实施例提供的人员轨迹追踪装置,在通过第一获取模块获取多个人体检测相机对应的多条单相机人员轨迹后,通过第一确定模块基于目标人员的目标人体特征模型,在该多条单相机人员轨迹中确定目标人员的至少两条目标单相机人员轨迹,并通过轨迹拼接模块将该至少两条目标单相机人员轨迹进行轨迹拼接以得到目标人员的运动轨迹。本发明实施例提供的人员轨迹追踪方法,仅需在区域内安装多个人体检测相机,即可对该区域内的所有人员进行轨迹追踪,与相关技术相比,无需为每个人员配备射频发射器,也无需人员的配合,节约了硬件成本的同时降低了应用局限性。
可选的,如图7所示,装置30还包括:
第二获取模块304,用于获取目标人体特征模型,该目标人体特征模型基于目标人员的人体本体特征和人体外在特征确定。
可选的,第一确定模块302,用于:对每条单相机人员轨迹执行检测过程,如图8所示,第一确定模块302包括获取子模块3021、建模子模块3022、计算子模块3023和确定子模块3024,该检测过程由获取子模块3021、建模子模块3022、计算子模块3023和确定子模块3024执行:
获取子模块3021,用于获取单相机人员轨迹对应的人体图像;
建模子模块3022,用于对人体图像中的人体特征进行建模,得到待定人体特征模型;
计算子模块3023,用于计算待定人体特征模型与目标人体特征模型的相似度;
确定子模块3024,用于当待定人体特征模型与目标人体特征模型的相似度满足指定相似度条件时,确定单相机人员轨迹为目标单相机人员轨迹。
可选的,目标人体特征模型包括多个人体特征子模型,多个人体特征子模型所对应的人体外在特征不同,人体外在特征包括人体朝向;相应的,计算子模块,用于:
基于人体图像,确定单相机人员轨迹所对应的人员的第一人体朝向;从多个人体特征子模型中,获取与第一人体朝向对应的第一人体特征子模型;计算待定人体特征模型与第一人体特征子模型的相似度。
可选的,第一确定模块,用于:
获取每条单相机人员轨迹的始端时刻;根据始端时刻的由先至后的顺序,对多条单相机人员轨迹依次执行检测过程。
相应的,如图9所示,装置30还包括:
替换模块305,用于在确定待定人体特征模型与第一人体特征子模型的相似度满足指定相似度条件后,采用待定人体特征模型替换第一人体特征子模型,得到更新后的目标人体特征模型。
可选的,多个人体检测相机包括第一人体检测相机,装置还用于:
在确定第一人体检测相机对应的第一单相机人员轨迹为目标单相机人员轨迹后,获取第二人体检测相机对应的单相机人员轨迹,第二人体检测相机与第一人体检测相机相邻设置。
相应的,获取子模块,用于:
获取第二人体检测相机对应的单相机人员轨迹所对应的人体图像。
可选的,第一人体检测相机的拍摄区域与第二人体检测相机的拍摄区域不存在重合区域,获取子模块,用于:
获取第一单相机人员轨迹的末端时刻;
检测第二人体检测相机对应的单相机人员轨迹中是否存在第二单相机人员轨迹,第二单相机人员轨迹的始端时刻在时域上位于第一单相机人员轨迹的末端时刻之后;
当第二人体检测相机对应的单相机人员轨迹中存在第二单相机人员轨迹,获取第二单相机人员轨迹的始端时刻所对应的人体图像。
进一步的,获取子模块还用于:
获取第一单相机人员轨迹的末端的第一实际位置信息以及第二单相机人员轨迹的始端的第二实际位置信息;检测第一实际位置信息和第二实际位置信息是否满足第一位置条件。
相应的,确定子模块,用于:
当存在指定单相机人员轨迹对应的待定人体特征模型与目标人体特征模型的相似度满足指定相似度条件,且第一实际位置信息和第二实际位置信息满足第一位置条件时,确定指定单相机人员轨迹为目标单相机人员轨迹,指定单相机人员轨迹为任一第二单相机人员轨迹。
可选的,轨迹拼接模块,用于:
在确定指定单相机人员轨迹为目标单相机人员轨迹后,将第一单相机人员轨迹的末端与指定单相机人员轨迹的始端进行轨迹拼接。
可选的,获取子模块还用于:
获取第一单相机人员轨迹的末端在世界坐标系下的第一世界坐标,第一世界坐标根据第一单相机人员轨迹的末端时刻所对应的人体图像在第一人体检测相机的图像坐标系中的图像坐标,以及第一人体检测相机的相机参数确定;将第一世界坐标确定为第一实际位置信息;获取第二单相机人员轨迹的始端在世界坐标系下的第二世界坐标,第二世界坐标根据第二单相机人员轨迹的始端时刻所对应的人体图像在第二人体检测相机的图像坐标系中的图像坐标,以及第二人体检测相机的相机参数确定;将第二世界坐标确定为第二实际位置信息。
可选的,第一人体检测相机的拍摄区域与第二人体检测相机的拍摄区域存在重合区域,获取子模块,用于:
获取第一单相机人员轨迹的末端时刻;
检测第二人体检测相机对应的单相机人员轨迹中是否存在第三单相机人员轨迹,第三单相机人员轨迹的始端时刻在时域上位于第一单相机人员轨迹的末端时刻之前,且第三单相机人员轨迹的末端时刻在时域上位于第一单相机人员轨迹的末端时刻之后;
当第二人体检测相机对应的单相机人员轨迹中存在第三单相机人员轨迹,获取第三单相机人员轨迹的指定时刻所对应的人体图像,指定时刻为第一单相机人员轨迹的末端时刻。
进一步的,获取子模块还用于:
获取第一单相机人员轨迹的末端的第一实际位置信息以及第三单相机人员轨迹的指定位置的第三实际位置信息,指定位置为指定时刻所对应的位置;
检测第一实际位置信息和第三实际位置信息是否满足第二位置条件。
相应的,确定子模块,用于:
当存在指定单相机人员轨迹对应的待定人体特征模型与目标人体特征模型的相似度满足指定相似度条件,且第一实际位置信息和第三实际位置信息满足第二位置条件时,确定指定单相机人员轨迹为目标单相机人员轨迹,指定单相机人员轨迹为任一第三单相机人员轨迹。
可选的,轨迹拼接模块,用于:
在确定指定单相机人员轨迹为目标单相机人员轨迹后,将第一单相机人员轨迹的末端与指定单相机人员轨迹的指定位置进行轨迹拼接。
获取子模块还用于:
获取第一单相机人员轨迹的末端在世界坐标系下的第一世界坐标,第一世界坐标根据第一单相机人员轨迹的末端时刻所对应的人体图像在第一人体检测相机的图像坐标系中的图像坐标,以及第一人体检测相机的相机参数确定;将第一世界坐标确定为第一实际位置信息;获取第三单相机人员轨迹的指定位置在世界坐标系下的第三世界坐标,第三世界坐标根据第二单相机人员轨迹在指定时刻所对应的人体图像在第二人体检测相机的图像坐标系中的图像坐标,以及第二人体检测相机的相机参数确定;将第三世界坐标确定为第三实际位置信息。
可选的,第二获取模块,用于:
接收人脸人体抓拍机拍摄得到的目标人员的人脸人体图像;
基于人脸人体图像中的人体特征,建立目标人体特征模型。
可选的,如图10所示,装置30还包括:
第二确定模块306,用于基于人员信息数据库,根据人脸人体图像中的人脸特征,确定目标人员的身份标签,人员信息数据库中存储有至少一组人脸特征与身份标签的对应关系。
可选的,多个人体检测相机的拍摄时刻和拍摄帧率均相同。
本发明实施例提供的人员轨迹追踪装置,在通过第一获取模块获取多个人体检测相机对应的多条单相机人员轨迹后,通过第一确定模块基于目标人员的目标人体特征模型,在该多条单相机人员轨迹中确定目标人员的至少两条目标单相机人员轨迹,并通过轨迹拼接模块将该至少两条目标单相机人员轨迹进行轨迹拼接以得到目标人员的运动轨迹。本发明实施例提供的人员轨迹追踪方法,仅需在区域内安装多个人体检测相机,即可对该区域内的所有人员进行轨迹追踪,与相关技术相比,无需为每个人员配备射频发射器,也无需人员的配合,节约了硬件成本的同时降低了应用局限性。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
本发明实施例提供了一种人员轨迹追踪系统,包括:多个人体检测相机和如图6、图7、图9和图10任一所示的人员轨迹追踪装置。
本发明实施例提供了一种人员轨迹追踪装置,包括处理器和存储器,
所述存储器,用于存储计算机程序;
所述处理器,用于执行所述存储器上所存储的计算机程序,实现方法侧实施例提供的人员轨迹追踪方法。
图11是本发明实施例提供的一种服务器的结构示意图,该服务器可以为上述后端服务器。所述服务器400包括中央处理单元(CPU)401、包括随机存取存储器(RAM)402和只读存储器(ROM)403的系统存储器404,以及连接系统存储器404和中央处理单元401的系统总线405。所述服务器400还包括帮助计算机内的各个器件之间传输信息的基本输入/输出系统(I/O系统)406,和用于存储操作系统413、应用程序414和其他程序模块415的大容量存储设备407。
所述基本输入/输出系统406包括有用于显示信息的显示器408和用于用户输入信息的诸如鼠标、键盘之类的输入设备409。其中所述显示器408和输入设备409都通过连接到系统总线405的输入输出控制器410连接到中央处理单元401。所述基本输入/输出系统406还可以包括输入输出控制器410以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地,输入输出控制器410还提供输出到显示屏、打印机或其他类型的输出设备。
所述大容量存储设备407通过连接到系统总线405的大容量存储控制器(未示出)连接到中央处理单元401。所述大容量存储设备407及其相关联的计算机可读介质为服务器400提供非易失性存储。也就是说,所述大容量存储设备407可以包括诸如硬盘或者CD-ROM驱动器之类的计算机可读介质(未示出)。
不失一般性,所述计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、EPROM、EEPROM、闪存或其他固态存储其技术,CD-ROM、DVD或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然,本领域技术人员可知所述计算机存储介质不局限于上述几种。上述的系统存储器404和大容量存储设备407可以统称为存储器。
根据本发明的各种实施例,所述服务器400还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即服务器400可以通过连接在所述系统总线405上的网络接口单元411连接到网络412,或者说,也可以使用网络接口单元411来连接到其他类型的网络或远程计算机系统(未示出)。
所述存储器还包括一个或者一个以上的程序,所述一个或者一个以上程序存储于存储器中,中央处理器401通过执行该一个或一个以上程序来实现图3或图4所示的人员轨迹追踪方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器,上述指令可由服务器的处理器执行以完成本发明各个实施例所示的人员轨迹追踪方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
以上所述仅为本发明的可选实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (23)
1.一种人员轨迹追踪方法,其特征在于,所述方法包括:
获取多个人体检测相机对应的多条单相机人员轨迹,每条所述单相机人员轨迹表征在对应的人体检测相机的拍摄区域内某一人员的连续运动轨迹;
基于目标人员的目标人体特征模型,在所述多条单相机人员轨迹中确定所述目标人员的至少两条目标单相机人员轨迹,所述目标人体特征模型用于反映所述目标人员的人体特征;
将所述至少两条目标单相机人员轨迹进行轨迹拼接,得到所述目标人员的运动轨迹。
2.根据权利要求1所述的方法,其特征在于,在所述多条单相机人员轨迹中确定所述目标人员的至少两条目标单相机人员轨迹之前,所述方法还包括:
获取所述目标人体特征模型,所述目标人体特征模型基于所述目标人员的人体本体特征和人体外在特征确定。
3.根据权利要求1或2所述的方法,其特征在于,所述基于所述目标人体特征模型,在所述多条单相机人员轨迹中确定所述目标人员的至少两条目标单相机人员轨迹,包括:
对每条所述单相机人员轨迹执行检测过程,所述检测过程包括:
获取所述单相机人员轨迹对应的人体图像;
对所述人体图像中的人体特征进行建模,得到待定人体特征模型;
计算所述待定人体特征模型与所述目标人体特征模型的相似度;
当所述待定人体特征模型与所述目标人体特征模型的相似度满足指定相似度条件时,确定所述单相机人员轨迹为所述目标单相机人员轨迹。
4.根据权利要求3所述的方法,其特征在于,所述目标人体特征模型包括多个人体特征子模型,所述多个人体特征子模型所对应的人体外在特征不同,所述人体外在特征包括人体朝向;
所述计算所述待定人体特征模型与所述目标人体特征模型的相似度,包括:
基于所述人体图像,确定所述单相机人员轨迹所对应的人员的第一人体朝向;
从所述多个人体特征子模型中,获取与所述第一人体朝向对应的第一人体特征子模型;
计算所述待定人体特征模型与所述第一人体特征子模型的相似度。
5.根据权利要求4所述的方法,其特征在于,所述对每条所述单相机人员轨迹执行检测过程,包括:
获取每条所述单相机人员轨迹的始端时刻;
根据所述始端时刻的由先至后的顺序,对所述多条单相机人员轨迹依次执行所述检测过程;
所述方法还包括:
在确定所述待定人体特征模型与所述第一人体特征子模型的相似度满足所述指定相似度条件后,采用所述待定人体特征模型替换所述第一人体特征子模型,得到更新后的目标人体特征模型。
6.根据权利要求2所述的方法,其特征在于,所述多个人体检测相机包括第一人体检测相机,所述方法还包括:
在确定所述第一人体检测相机对应的第一单相机人员轨迹为所述目标单相机人员轨迹后,获取第二人体检测相机对应的单相机人员轨迹,所述第二人体检测相机与所述第一人体检测相机相邻设置;
所述获取所述单相机人员轨迹对应的人体图像,包括:
获取所述第二人体检测相机对应的单相机人员轨迹所对应的人体图像。
7.根据权利要求6所述的方法,其特征在于,所述第一人体检测相机的拍摄区域与所述第二人体检测相机的拍摄区域不存在重合区域,所述获取所述第二人体检测相机对应的单相机人员轨迹所对应的人体图像,包括:
获取所述第一单相机人员轨迹的末端时刻;
检测所述第二人体检测相机对应的单相机人员轨迹中是否存在第二单相机人员轨迹,所述第二单相机人员轨迹的始端时刻在时域上位于所述第一单相机人员轨迹的末端时刻之后;
当所述第二人体检测相机对应的单相机人员轨迹中存在所述第二单相机人员轨迹,获取所述第二单相机人员轨迹的始端时刻所对应的人体图像。
8.根据权利要求7所述的方法,其特征在于,在所述获取所述第二单相机人员轨迹的始端时刻所对应的人体图像后,所述方法还包括:
获取所述第一单相机人员轨迹的末端的第一实际位置信息以及所述第二单相机人员轨迹的始端的第二实际位置信息;
检测所述第一实际位置信息和所述第二实际位置信息是否满足第一位置条件;
所述当所述待定人体特征模型与所述目标人体特征模型的相似度满足指定相似度条件时,确定所述单相机人员轨迹为所述目标单相机人员轨迹,包括:
当存在指定单相机人员轨迹对应的待定人体特征模型与所述目标人体特征模型的相似度满足所述指定相似度条件,且所述第一实际位置信息和所述第二实际位置信息满足所述第一位置条件时,确定所述指定单相机人员轨迹为所述目标单相机人员轨迹,所述指定单相机人员轨迹为任一所述第二单相机人员轨迹。
9.根据权利要求8所述的方法,其特征在于,在所述确定所述指定单相机人员轨迹为所述目标单相机人员轨迹后,所述将所述至少两条目标单相机人员轨迹进行轨迹拼接,包括:
将所述第一单相机人员轨迹的末端与所述指定单相机人员轨迹的始端进行轨迹拼接。
10.根据权利要求8或9所述的方法,其特征在于,所述获取所述第一单相机人员轨迹的末端的第一实际位置信息以及所述第二单相机人员轨迹的始端的第二实际位置信息,包括:
获取所述第一单相机人员轨迹的末端在世界坐标系下的第一世界坐标,所述第一世界坐标根据所述第一单相机人员轨迹的末端时刻所对应的人体图像在所述第一人体检测相机的图像坐标系中的图像坐标,以及所述第一人体检测相机的相机参数确定;
将所述第一世界坐标确定为所述第一实际位置信息;
获取所述第二单相机人员轨迹的始端在所述世界坐标系下的第二世界坐标,所述第二世界坐标根据所述第二单相机人员轨迹的始端时刻所对应的人体图像在所述第二人体检测相机的图像坐标系中的图像坐标,以及所述第二人体检测相机的相机参数确定;
将所述第二世界坐标确定为所述第二实际位置信息。
11.根据权利要求6所述的方法,其特征在于,所述第一人体检测相机的拍摄区域与所述第二人体检测相机的拍摄区域存在重合区域,所述获取所述第二人体检测相机对应的单相机人员轨迹所对应的人体图像,包括:
获取所述第一单相机人员轨迹的末端时刻;
检测所述第二人体检测相机对应的单相机人员轨迹中是否存在第三单相机人员轨迹,所述第三单相机人员轨迹的始端时刻在时域上位于所述第一单相机人员轨迹的末端时刻之前,且所述第三单相机人员轨迹的末端时刻在时域上位于所述第一单相机人员轨迹的末端时刻之后;
当所述第二人体检测相机对应的单相机人员轨迹中存在所述第三单相机人员轨迹,获取所述第三单相机人员轨迹的指定时刻所对应的人体图像,所述指定时刻为所述第一单相机人员轨迹的末端时刻。
12.根据权利要求11所述的方法,其特征在于,在所述获取所述第三单相机人员轨迹的指定时刻所对应的人体图像后,所述方法还包括:
获取所述第一单相机人员轨迹的末端的第一实际位置信息以及所述第三单相机人员轨迹的指定位置的第三实际位置信息,所述指定位置为所述指定时刻所对应的位置;
检测所述第一实际位置信息和所述第三实际位置信息是否满足第二位置条件;
所述当所述待定人体特征模型与所述目标人体特征模型的相似度满足指定相似度条件时,确定所述单相机人员轨迹为所述目标单相机人员轨迹,包括:
当存在指定单相机人员轨迹对应的待定人体特征模型与所述目标人体特征模型的相似度满足所述指定相似度条件,且所述第一实际位置信息和所述第三实际位置信息满足所述第二位置条件时,确定所述指定单相机人员轨迹为所述目标单相机人员轨迹,所述指定单相机人员轨迹为任一所述第三单相机人员轨迹。
13.根据权利要求12所述的方法,其特征在于,在所述确定所述指定单相机人员轨迹为所述目标单相机人员轨迹后,所述将所述至少两条目标单相机人员轨迹进行轨迹拼接,包括:
将所述第一单相机人员轨迹的末端与所述指定单相机人员轨迹的所述指定位置进行轨迹拼接。
14.根据权利要求12或13所述的方法,其特征在于,所述获取所述第一单相机人员轨迹的末端的第一实际位置信息以及所述第三单相机人员轨迹的指定位置的第三实际位置信息,包括:
获取所述第一单相机人员轨迹的末端在世界坐标系下的第一世界坐标,所述第一世界坐标根据所述第一单相机人员轨迹的末端时刻所对应的人体图像在所述第一人体检测相机的图像坐标系中的图像坐标,以及所述第一人体检测相机的相机参数确定;
将所述第一世界坐标确定为所述第一实际位置信息;
获取所述第三单相机人员轨迹的指定位置在所述世界坐标系下的第三世界坐标,所述第三世界坐标根据所述第二单相机人员轨迹在所述指定时刻所对应的人体图像在所述第二人体检测相机的图像坐标系中的图像坐标,以及所述第二人体检测相机的相机参数确定;
将所述第三世界坐标确定为所述第三实际位置信息。
15.根据权利要求2所述的方法,其特征在于,所述获取所述目标人体特征模型,包括:
接收人脸人体抓拍机拍摄得到的所述目标人员的人脸人体图像;
基于所述人脸人体图像中的人体特征,建立所述目标人体特征模型。
16.根据权利要求15所述的方法,其特征在于,在所述接收人脸人体抓拍机拍摄得到的所述目标人员的人脸人体图像后,所述方法还包括:
基于人员信息数据库,根据所述人脸人体图像中的人脸特征,确定所述目标人员的身份标签,所述人员信息数据库中存储有至少一组人脸特征与身份标签的对应关系。
17.一种人员轨迹追踪装置,其特征在于,所述装置包括:
第一获取模块,用于获取多个人体检测相机对应的多条单相机人员轨迹,每条所述单相机人员轨迹表征在对应的人体检测相机的拍摄区域内某一人员的连续运动轨迹;
第一确定模块,用于基于目标人员的目标人体特征模型,在所述多条单相机人员轨迹中确定所述目标人员的至少两条目标单相机人员轨迹,所述目标人体特征模型用于反映所述目标人员的人体特征;
轨迹拼接模块,用于将所述至少两条目标单相机人员轨迹进行轨迹拼接,得到所述目标人员的运动轨迹。
18.根据权利要求17所述的装置,其特征在于,所述装置还包括:
第二获取模块,用于获取所述目标人体特征模型,所述目标人体特征模型基于所述目标人员的人体本体特征和人体外在特征确定。
19.根据权利要求17或18所述的装置,其特征在于,所述第一确定模块,用于:对每条所述单相机人员轨迹执行检测过程,所述检测过程由获取子模块、建模子模块、计算子模块和确定子模块执行:
所述获取子模块,用于获取所述单相机人员轨迹对应的人体图像;
所述建模子模块,用于对所述人体图像中的人体特征进行建模,得到待定人体特征模型;
所述计算子模块,用于计算所述待定人体特征模型与所述目标人体特征模型的相似度;
所述确定子模块,用于当所述待定人体特征模型与所述目标人体特征模型的相似度满足指定相似度条件时,确定所述单相机人员轨迹为所述目标单相机人员轨迹。
20.根据权利要求19所述的装置,其特征在于,所述目标人体特征模型包括多个人体特征子模型,所述多个人体特征子模型所对应的人体外在特征不同,所述人体外在特征包括人体朝向;
所述计算子模块,用于:
基于所述人体图像,确定所述单相机人员轨迹所对应的人员的第一人体朝向;
从所述多个人体特征子模型中,获取与所述第一人体朝向对应的第一人体特征子模型;
计算所述待定人体特征模型与所述第一人体特征子模型的相似度。
21.一种人员轨迹追踪系统,其特征在于,包括:多个人体检测相机和如权利要求17至20任一所述的人员轨迹追踪装置。
22.一种人员轨迹追踪装置,其特征在于,包括处理器和存储器,
所述存储器,用于存储计算机程序;
所述处理器,用于执行所述存储器上所存储的计算机程序,实现如权利要求1至16任一所述的人员轨迹追踪方法。
23.一种计算机可读存储介质,其特征在于,当所述存储介质中的程序由处理器执行时,实现如权利要求1至16任一所述的人员轨迹追踪方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811139421.7A CN110969644B (zh) | 2018-09-28 | 2018-09-28 | 人员轨迹追踪方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811139421.7A CN110969644B (zh) | 2018-09-28 | 2018-09-28 | 人员轨迹追踪方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110969644A true CN110969644A (zh) | 2020-04-07 |
CN110969644B CN110969644B (zh) | 2023-12-01 |
Family
ID=70026792
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811139421.7A Active CN110969644B (zh) | 2018-09-28 | 2018-09-28 | 人员轨迹追踪方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110969644B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111476183A (zh) * | 2020-04-13 | 2020-07-31 | 腾讯科技(深圳)有限公司 | 客流信息处理方法及装置 |
CN111784730A (zh) * | 2020-07-01 | 2020-10-16 | 杭州海康威视数字技术股份有限公司 | 一种对象跟踪方法、装置、电子设备及存储介质 |
CN111983603A (zh) * | 2020-08-31 | 2020-11-24 | 杭州海康威视数字技术股份有限公司 | 运动轨迹接力方法、系统、装置和中心端处理设备 |
CN111986227A (zh) * | 2020-08-26 | 2020-11-24 | 杭州海康威视数字技术股份有限公司 | 轨迹生成方法、装置、计算机设备及存储介质 |
CN112257660A (zh) * | 2020-11-11 | 2021-01-22 | 汇纳科技股份有限公司 | 无效客流的去除方法、系统、设备及计算机可读存储介质 |
CN112465866A (zh) * | 2020-11-27 | 2021-03-09 | 杭州海康威视数字技术股份有限公司 | 多目标轨迹获取方法、装置、系统及存储介质 |
CN113515982A (zh) * | 2020-05-22 | 2021-10-19 | 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 |
CN116168421A (zh) * | 2023-04-13 | 2023-05-26 | 微网优联科技(成都)有限公司 | 一种基于ipc网络摄像机的目标追踪方法及系统 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090052739A1 (en) * | 2007-08-23 | 2009-02-26 | Hitachi Kokusai Electric Inc. | Human pursuit system, human pursuit apparatus and human pursuit program |
US20100220056A1 (en) * | 2006-02-15 | 2010-09-02 | Konami Digital Entertainment Co., Ltd. | Trace information processing device, trace information processing method, information recording medium, and program |
US20140347475A1 (en) * | 2013-05-23 | 2014-11-27 | Sri International | Real-time object detection, tracking and occlusion reasoning |
CN104881637A (zh) * | 2015-05-09 | 2015-09-02 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 基于传感信息及目标追踪的多模信息系统及其融合方法 |
US20170177947A1 (en) * | 2015-12-18 | 2017-06-22 | Canon Kabushiki Kaisha | Methods, devices and computer programs for tracking targets using independent tracking modules associated with cameras |
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 |
CN107240124A (zh) * | 2017-05-19 | 2017-10-10 | 清华大学 | 基于时空约束的跨镜头多目标跟踪方法及装置 |
CN107358622A (zh) * | 2017-06-19 | 2017-11-17 | 三峡大学 | 一种基于可视化运动轨迹的视频信息处理方法与系统 |
CN107370983A (zh) * | 2016-05-13 | 2017-11-21 | 腾讯科技(深圳)有限公司 | 用于视频监控系统的行踪轨迹的获取方法和装置 |
CN107516321A (zh) * | 2017-07-04 | 2017-12-26 | 深圳大学 | 一种视频多目标跟踪方法及装置 |
CN107527075A (zh) * | 2016-06-20 | 2017-12-29 | 杭州海康威视数字技术股份有限公司 | Rfid标签与人员对应关系建立及轨迹追踪方法及装置 |
CN107526997A (zh) * | 2016-06-20 | 2017-12-29 | 杭州海康威视数字技术股份有限公司 | 一种人员轨迹识别方法及装置 |
CN108051777A (zh) * | 2017-12-01 | 2018-05-18 | 北京迈格威科技有限公司 | 目标的追踪方法、装置及电子设备 |
JP2018093283A (ja) * | 2016-11-30 | 2018-06-14 | マクセル株式会社 | 監視情報収集システム |
US20180232906A1 (en) * | 2017-02-13 | 2018-08-16 | Adobe Systems Incorporated | Visual odometry using object priors |
-
2018
- 2018-09-28 CN CN201811139421.7A patent/CN110969644B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100220056A1 (en) * | 2006-02-15 | 2010-09-02 | Konami Digital Entertainment Co., Ltd. | Trace information processing device, trace information processing method, information recording medium, and program |
US20090052739A1 (en) * | 2007-08-23 | 2009-02-26 | Hitachi Kokusai Electric Inc. | Human pursuit system, human pursuit apparatus and human pursuit program |
US20140347475A1 (en) * | 2013-05-23 | 2014-11-27 | Sri International | Real-time object detection, tracking and occlusion reasoning |
CN104881637A (zh) * | 2015-05-09 | 2015-09-02 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 基于传感信息及目标追踪的多模信息系统及其融合方法 |
US20170177947A1 (en) * | 2015-12-18 | 2017-06-22 | Canon Kabushiki Kaisha | Methods, devices and computer programs for tracking targets using independent tracking modules associated with cameras |
CN107370983A (zh) * | 2016-05-13 | 2017-11-21 | 腾讯科技(深圳)有限公司 | 用于视频监控系统的行踪轨迹的获取方法和装置 |
CN107526997A (zh) * | 2016-06-20 | 2017-12-29 | 杭州海康威视数字技术股份有限公司 | 一种人员轨迹识别方法及装置 |
CN107527075A (zh) * | 2016-06-20 | 2017-12-29 | 杭州海康威视数字技术股份有限公司 | Rfid标签与人员对应关系建立及轨迹追踪方法及装置 |
JP2018093283A (ja) * | 2016-11-30 | 2018-06-14 | マクセル株式会社 | 監視情報収集システム |
US20180232906A1 (en) * | 2017-02-13 | 2018-08-16 | Adobe Systems Incorporated | Visual odometry using object priors |
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 |
CN107240124A (zh) * | 2017-05-19 | 2017-10-10 | 清华大学 | 基于时空约束的跨镜头多目标跟踪方法及装置 |
CN107358622A (zh) * | 2017-06-19 | 2017-11-17 | 三峡大学 | 一种基于可视化运动轨迹的视频信息处理方法与系统 |
CN107516321A (zh) * | 2017-07-04 | 2017-12-26 | 深圳大学 | 一种视频多目标跟踪方法及装置 |
CN108051777A (zh) * | 2017-12-01 | 2018-05-18 | 北京迈格威科技有限公司 | 目标的追踪方法、装置及电子设备 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111476183A (zh) * | 2020-04-13 | 2020-07-31 | 腾讯科技(深圳)有限公司 | 客流信息处理方法及装置 |
CN113515982A (zh) * | 2020-05-22 | 2021-10-19 | 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 |
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 |
CN111784730A (zh) * | 2020-07-01 | 2020-10-16 | 杭州海康威视数字技术股份有限公司 | 一种对象跟踪方法、装置、电子设备及存储介质 |
CN111986227A (zh) * | 2020-08-26 | 2020-11-24 | 杭州海康威视数字技术股份有限公司 | 轨迹生成方法、装置、计算机设备及存储介质 |
CN111986227B (zh) * | 2020-08-26 | 2023-09-01 | 杭州海康威视数字技术股份有限公司 | 轨迹生成方法、装置、计算机设备及存储介质 |
CN111983603A (zh) * | 2020-08-31 | 2020-11-24 | 杭州海康威视数字技术股份有限公司 | 运动轨迹接力方法、系统、装置和中心端处理设备 |
CN112257660A (zh) * | 2020-11-11 | 2021-01-22 | 汇纳科技股份有限公司 | 无效客流的去除方法、系统、设备及计算机可读存储介质 |
CN112257660B (zh) * | 2020-11-11 | 2023-11-17 | 汇纳科技股份有限公司 | 无效客流的去除方法、系统、设备及计算机可读存储介质 |
CN112465866A (zh) * | 2020-11-27 | 2021-03-09 | 杭州海康威视数字技术股份有限公司 | 多目标轨迹获取方法、装置、系统及存储介质 |
CN112465866B (zh) * | 2020-11-27 | 2024-02-02 | 杭州海康威视数字技术股份有限公司 | 多目标轨迹获取方法、装置、系统及存储介质 |
CN116168421A (zh) * | 2023-04-13 | 2023-05-26 | 微网优联科技(成都)有限公司 | 一种基于ipc网络摄像机的目标追踪方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110969644B (zh) | 2023-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110969644B (zh) | 人员轨迹追踪方法、装置及系统 | |
US8254633B1 (en) | Method and system for finding correspondence between face camera views and behavior camera views | |
US8442307B1 (en) | Appearance augmented 3-D point clouds for trajectory and camera localization | |
Zhang et al. | Ev-loc: integrating electronic and visual signals for accurate localization | |
US10970528B2 (en) | Method for human motion analysis, apparatus for human motion analysis, device and storage medium | |
CN110428449B (zh) | 目标检测跟踪方法、装置、设备及存储介质 | |
US11915192B2 (en) | Systems, devices, and methods for scanning a shopping space | |
CN109033985B (zh) | 商品识别的处理方法、装置、设备、系统及存储介质 | |
CN111241932A (zh) | 汽车展厅客流检测与分析系统、方法及存储介质 | |
CN109902681B (zh) | 用户群体关系确定方法、装置、设备及存储介质 | |
CA3014365C (en) | System and method for gathering data related to quality of service in a customer service environment | |
CN112150514A (zh) | 视频的行人轨迹追踪方法、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 | |
CN110889314A (zh) | 图像处理方法、装置、电子设备、服务器及系统 | |
Radaelli et al. | Using cameras to improve wi-fi based indoor positioning | |
CN111047622B (zh) | 视频中对象的匹配方法和装置、存储介质及电子装置 | |
CN111739056A (zh) | 一种轨迹追踪系统 | |
KR20200076267A (ko) | 골격의 길이 정보를 이용한 제스쳐 인식 방법 및 처리 시스템 | |
CN114022531A (zh) | 图像处理方法、电子设备和存储介质 | |
CN113034544A (zh) | 一种基于深度相机的人流分析方法及装置 | |
KR102250712B1 (ko) | 전자 장치 및 제어 방법 | |
WO2022134916A1 (zh) | 身份特征生成方法、设备及存储介质 | |
CN110659615A (zh) | 基于人脸识别的客群流量及结构化分析系统及方法 | |
WO2022126668A1 (zh) | 一种公共场所行人识别方法及人流统计系统 | |
US10614578B2 (en) | System and method for tracking people, animals and objects using a volumetric representation and artificial intelligence |
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 |