CN111008611B - 排队时长的确定方法及装置、存储介质、电子装置 - Google Patents
排队时长的确定方法及装置、存储介质、电子装置 Download PDFInfo
- Publication number
- CN111008611B CN111008611B CN201911330969.4A CN201911330969A CN111008611B CN 111008611 B CN111008611 B CN 111008611B CN 201911330969 A CN201911330969 A CN 201911330969A CN 111008611 B CN111008611 B CN 111008611B
- Authority
- CN
- China
- Prior art keywords
- queuing
- target object
- grid
- objects
- monitoring
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30241—Trajectory
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供了一种排队时长的确定方法及装置、存储介质、电子装置,所述方法包括:确定视频监控图像中正在排队的K个监控对象作为跟踪对象;实时统计监控对象的排队时长和运动轨迹;根据K个监控对象在视频监控图像中的运动轨迹,生成监控对象的排队路线;当K个监控对象中的目标对象在视频监控图像中跟丢后,根据排队路线确定目标对象的跟踪结果,其中,跟踪结果包括所述目标对象在整个排队过程中的排队时长,解决了现有技术中通过定时统计目标人前面排队人数的变化来评估排队等待时长时,经常丢失跟踪目标,导致排队等待时长评估不准确的问题。
Description
技术领域
本发明涉及视频监控的智能分析技术领域,具体而言,涉及一种排队时长的确定方法及装置、存储介质、电子装置。
背景技术
通过视频监控,对视频内的目标进行智能分析,有着越来越广泛的应用。目前的相关技术中,常用的手段是:对视频中的行人目标进行检测;然后跟踪检测到的多个行人目标;然后定时统计目标人前面的人数,根据人数随时间的变化,评估出行人的排队速度;根据评估出的行人排队速度给出排队提示信息。
上述方法长时间的目标跟踪容易丢失目标,当排队人数增多时,丢失现象会尤其明显。因此通过定时统计目标人前面排队人数的变化,很难准确评估当前目标需要等待的时间。
针对相关技术中,通过定时统计目标人前面排队人数的变化来评估排队等待时长时,经常丢失跟踪目标,导致排队等待时长评估不准确的问题,目前尚未有合理的解决办法。
发明内容
本发明实施例提供了一种排队时长的确定方法及装置、存储介质、电子装置,以至少解决相关技术中通过定时统计目标人前面排队人数的变化来评估排队等待时长时,经常丢失跟踪目标,导致排队等待时长评估不准确的问题。
根据本申请的一个实施例,提供了一种排队时长的确定方法,包括:确定视频监控图像中正在排队的K个监控对象作为跟踪对象,其中,K为大于1的整数;实时统计所述监控对象的排队时长和运动轨迹;根据K个所述监控对象在所述视频监控图像中的运动轨迹,生成所述监控对象的排队路线;当K个所述监控对象中的目标对象在所述视频监控图像中跟丢后,根据所述排队路线确定所述目标对象的跟踪结果,其中,所述跟踪结果包括所述目标对象在整个排队过程中的排队时长。
可选地,根据K个所述监控对象在所述视频监控图像中的运动轨迹,生成所述监控对象的排队路线包括:将所述视频监控图像的画面划分为M*N个网格,形成网格分布图,其中,M和N均为大于1的整数;将每个所述监控对象的在指定时刻的坐标映射到所述网格分布图的网格中,其中,所述指定时刻包括:在K个所述监控对象的排队过程中,随机或周期性选取的多个时刻;当K个所述监控对象均完成排队过程后,获取在K个所述监控对象的排队过程中,每个所述网格中经过的所述监控对象的个数;将经过的所述监控对象的个数最多的几个网格作为排队路线中的端点,连接所述端点形成所述监控对象的排队路线。
可选地,将经过的所述监控对象的个数最多的几个网格作为排队路线中的端点,连接所述端点形成所述监控对象的排队路线包括:遍历所述网格分布图最外层的网格,将经过所述监控对象的个数最多的网格确定为所述排队路线的第一端点;遍历所述第一端点邻接的所述网格,将经过所述监控对象的个数最多的网格确定为所述排队路线的第二端点,其中,所述第一端点与所述第二端点不重复;循环执行确定所述第二端点的步骤,直至所述第二端点邻接的所述网格中的所述监控对象的个数小于预设阈值;连接所有的所述第一端点和所述第二端点形成所述监控对象的排队路线。
可选地,生成所述监控对象的排队路线之后,所述方法还包括:按照预设的时间周期更新所述监控对象的排队路线。
可选地,所述根据所述排队路线确定所述目标对象的跟踪结果,包括:当所述目标对象消失在所述视频监控图像中时,记录所述目标对象在所述视频监控图像中最后一次出现时的坐标,以及所述目标对象在丢失时的排队时长,其中,所述坐标用于定位所述目标对象所处的网格;当第一目标对象重新出现在所述视频监控图像中时,判断所述第一目标对象所处的第一网格中是否存在丢失的第二目标对象,其中,当所述第二目标对象最后一次出现时的坐标位于所述第一网格中时,确定所述第二目标对象为在所述第一网格中丢失的目标对象;当所述第一网格中存在丢失的所述第二目标对象时,将所述第二目标对象丢失时的排队时长赋给重新出现的所述第一目标对象;当所述第一网格中不存在丢失的所述第二目标对象时,将所述第一网格内的其他所述监控对象的排队时长赋给重新出现的所述第一目标对象;当所述第一网格内的不存在其他所述目标对象时,按照所述排队路线,将距离所述第一网格最近的第二网格内的排队时长均值赋给重新出现的所述第一目标对象,其中,所述排队时长均值为,所述第二网格内的全部所述监控对象的排队时长取平均值。
可选地,所述根据所述排队路线确定所述目标对象的跟踪结果,包括:统计K个所述监控对象在整个排队过程中的平均排队时长,其中,所述平均排队时长由K个所述监控对象均完成所述排队过程后,将K个所述总排队时长取平均值确定。
根据本申请的另一个实施例,还提供了一种排队时长的确定装置,包括:
第一确定模块,用于确定视频监控图像中正在排队的K个监控对象作为跟踪对象,其中,K为大于1的整数;
统计模块,用于实时统计所述监控对象的排队时长和运动轨迹;
生成模块,用于根据K个所述监控对象在所述视频监控图像中的运动轨迹,生成所述监控对象的排队路线;
第二确定模块,用于当K个所述监控对象中的目标对象在所述视频监控图像中跟丢后,根据所述排队路线确定所述目标对象的跟踪结果,其中,所述跟踪结果包括所述目标对象在整个排队过程中的排队时长。
可选地,所述生成模块包括:
划分单元,用于将所述视频监控图像的画面划分为M*N个网格,形成网格分布图,其中,M和N均为大于1的整数;
映射单元,用于将每个所述监控对象的在指定时刻的坐标映射到所述网格分布图的网格中,其中,所述指定时刻包括:在K个所述监控对象的排队过程中,随机或周期性选取的多个时刻;
获取单元,用于当K个所述监控对象均完成排队过程后,获取在K个所述监控对象的排队过程中,每个所述网格中经过的所述监控对象的个数;
连接单元,用于将经过的所述监控对象的个数最多的几个网格作为排队路线中的端点,连接所述端点形成所述监控对象的排队路线。
可选地,所述连接单元还用于:
遍历所述网格分布图最外层的网格,将经过所述监控对象的个数最多的网格确定为所述排队路线的第一端点;
遍历所述第一端点邻接的所述网格,将经过所述监控对象的个数最多的网格确定为所述排队路线的第二端点,其中,所述第一端点与所述第二端点不重复;
循环执行确定所述第二端点的步骤,直至所述第二端点邻接的所述网格中的所述监控对象的个数小于预设阈值;
连接所有的所述第一端点和所述第二端点形成所述监控对象的排队路线。
可选地,所述优化模块包括:
存储单元,用于当所述目标对象消失在所述视频监控图像中时,记录所述目标对象在所述视频监控图像中最后一次出现时的坐标,以及所述目标对象在丢失时的排队时长,其中,所述坐标用于定位所述目标对象所处的网格;
判断单元,用于当第一目标对象重新出现在所述视频监控图像中时,判断所述第一目标对象所处的第一网格中是否存在丢失的第二目标对象,其中,当所述第二目标对象最后一次出现时的坐标位于所述第一网格中时,确定所述第二目标对象为在所述第一网格中丢失的目标对象;
第一赋给单元,用于当所述第一网格中存在丢失的所述第二目标对象时,将所述第二目标对象丢失时的排队时长赋给重新出现的所述第一目标对象;
第二赋给单元,用于当所述第一网格中不存在丢失的所述第二目标对象时,将所述第一网格内的其他所述监控对象的排队时长赋给重新出现的所述第一目标对象;
第三赋给单元,用于当所述第一网格内的不存在其他所述目标对象时,按照所述排队路线,将距离所述第一网格最近的第二网格内的排队时长均值赋给重新出现的所述第一目标对象,其中,所述排队时长均值为,所述第二网格内的全部所述监控对象的排队时长取平均值。
可选地,所述第二确定模块包括:
统计单元,用于统计K个所述监控对象在整个排队过程中的平均排队时长,其中,所述平均排队时长由K个所述监控对象均完成所述排队过程后,将K个所述总排队时长取平均值确定。
根据本申请的另一个实施例,还提供了一种计算机可读的存储介质,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
根据本申请的另一个实施例,还提供了一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
通过本申请实施例,确定视频监控图像中正在排队的K个监控对象作为跟踪对象;实时统计监控对象的排队时长和运动轨迹;根据K个监控对象在视频监控图像中的运动轨迹,生成监控对象的排队路线;当K个监控对象中的目标对象在所述视频监控图像中跟丢后,根据所述排队路线确定所述目标对象的跟踪结果,其中,所述跟踪结果包括所述目标对象在整个排队过程中的排队时长,解决了现有技术中通过定时统计目标人前面排队人数的变化来评估排队等待时长时,经常丢失跟踪目标,导致排队等待时长评估不准确的问题,通过本申请实施例的方案,即使目标跟踪丢失,当目标重新出现时排队时长也可以通过方案中的策略准确给出。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是本申请实施例的一种排队时长的确定方法的移动终端的硬件结构框图;
图2是本申请实施例中一种可选的排队时长的确定方法的流程图;
图3是根据本申请实施例的一种可选的排队时长确定方法的流程图;
图4是根据本申请实施例的一种可选的排队路线的获取方法的流程图;
图5是根据本发明实施例的一种可选的排队路线的选取示意图;
图6是根据本申请实施例的一种可选的跟踪结果优化过程示意图;
图7是根据本申请实施例的一种可选的排队时长的确定装置的结构框图;
图8是根据本申请实施例的一种可选的电子装置结构示意图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本申请。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
本申请实施例提供了一种排队时长的确定方法。图1是根据本申请实施例一种可选的排队时长的确定方法的硬件环境示意图,如图1所示,该硬件环境可以包括但不限于视频监控设备102和服务器104。视频监控设备102将获取的视频监控图像输入服务器104中,服务器104经过内部处理,监控对象的跟踪结果,其中,服务器104中执行的操作主要包括以下步骤:
步骤S102,确定视频监控图像中正在排队的K个监控对象作为跟踪对象,其中,K为大于1的整数;
步骤S104,实时统计监控对象的排队时长和运动轨迹;
步骤S106,根据K个监控对象在视频监控图像中的运动轨迹,生成监控对象的排队路线;
步骤S108,当K个监控对象中的目标对象在视频监控图像中跟丢后,根据排队路线确定目标对象的跟踪结果,其中,跟踪结果包括目标对象在整个排队过程中的排队时长。
本申请实施例提供了一种排队时长的确定方法。图2是本申请实施例中一种可选的排队时长的确定方法的流程图,如图2所示,该方法包括:
步骤S202,确定视频监控图像中正在排队的K个监控对象作为跟踪对象,其中,K为大于1的整数;
步骤S204,实时统计监控对象的排队时长和运动轨迹;
步骤S206,根据K个监控对象在视频监控图像中的运动轨迹,生成监控对象的排队路线;
步骤S208,当K个监控对象中的目标对象在视频监控图像中跟丢后,根据排队路线确定目标对象的跟踪结果,其中,跟踪结果包括目标对象在整个排队过程中的排队时长。
通过上述方法,确定视频监控图像中正在排队的K个监控对象作为跟踪对象;实时统计监控对象的排队时长和运动轨迹;根据K个监控对象在视频监控图像中的运动轨迹,生成监控对象的排队路线;当K个监控对象中的目标对象在所述视频监控图像中跟丢后,根据所述排队路线确定所述目标对象的跟踪结果,其中,所述跟踪结果包括所述目标对象在整个排队过程中的排队时长,解决了现有技术中通过定时统计目标人前面排队人数的变化来评估排队等待时长时,经常丢失跟踪目标,导致排队等待时长评估不准确的问题,通过本申请实施例的方案,即使目标跟踪丢失,当目标重新出现时排队时长也可以通过方案中的策略准确给出。
可选地,根据K个所述监控对象在所述视频监控图像中的运动轨迹,生成所述监控对象的排队路线包括:将所述视频监控图像的画面划分为M*N个网格,形成网格分布图,其中,M和N均为大于1的整数;将每个所述监控对象的在指定时刻的坐标映射到所述网格分布图的网格中,其中,所述指定时刻包括:在K个所述监控对象的排队过程中,随机或周期性选取的多个时刻;当K个所述监控对象均完成排队过程后,获取在K个所述监控对象的排队过程中,每个所述网格中经过的所述监控对象的个数;将经过的所述监控对象的个数最多的几个网格作为排队路线中的端点,连接所述端点形成所述监控对象的排队路线。
可选地,将经过的所述监控对象的个数最多的几个网格作为排队路线中的端点,连接所述端点形成所述监控对象的排队路线包括:遍历所述网格分布图最外层的网格,将经过所述监控对象的个数最多的网格确定为所述排队路线的第一端点;遍历所述第一端点邻接的所述网格,将经过所述监控对象的个数最多的网格确定为所述排队路线的第二端点,其中,所述第一端点与所述第二端点不重复;循环执行确定所述第二端点的步骤,直至所述第二端点邻接的所述网格中的所述监控对象的个数小于预设阈值;连接所有的所述第一端点和所述第二端点形成所述监控对象的排队路线。
可选地,生成所述监控对象的排队路线之后,所述方法还包括:按照预设的时间周期更新所述监控对象的排队路线。
可选地,所述根据所述排队路线确定所述目标对象的跟踪结果,包括:当所述目标对象消失在所述视频监控图像中时,记录所述目标对象在所述视频监控图像中最后一次出现时的坐标,以及所述目标对象在丢失时的排队时长,其中,所述坐标用于定位所述目标对象所处的网格;当第一目标对象重新出现在所述视频监控图像中时,判断所述第一目标对象所处的第一网格中是否存在丢失的第二目标对象,其中,当所述第二目标对象最后一次出现时的坐标位于所述第一网格中时,确定所述第二目标对象为在所述第一网格中丢失的目标对象;当所述第一网格中存在丢失的所述第二目标对象时,将所述第二目标对象丢失时的排队时长赋给重新出现的所述第一目标对象;当所述第一网格中不存在丢失的所述第二目标对象时,将所述第一网格内的其他所述监控对象的排队时长赋给重新出现的所述第一目标对象;当所述第一网格内的不存在其他所述目标对象时,按照所述排队路线,将距离所述第一网格最近的第二网格内的排队时长均值赋给重新出现的所述第一目标对象,其中,所述排队时长均值为,所述第二网格内的全部所述监控对象的排队时长取平均值。
可选地,所述根据所述排队路线确定所述目标对象的跟踪结果,包括:统计K个所述监控对象在整个排队过程中的平均排队时长,其中,所述平均排队时长由K个所述监控对象均完成所述排队过程后,将K个所述总排队时长取平均值确定。
图3是根据本申请实施例的一种可选的排队时长确定方法的流程图,如图3所示,该方法包括如下步骤:
1)对监控场景做目标检测,以行人为目标,获取行人目标检测框;
2)将检测结果给跟踪模块,生成前后帧关联的行人目标,每个目标有状态信息和目标轨迹;此处的状态信息可以包括行人目标进入监控视频画面的时间、移动速度、离开监控画面的时间、在监控画面中出现的时长等,目标轨迹可以包括行人目标的移动路线;
3)统计N个目标从出现到消失的所有轨迹信息,并根据这些轨迹,预测出排队路线。由于排队路线间隔一段时间后会发生变换,因此经过时间T后更新排队路线;
4)由于长时间跟踪目标时容易丢失,跟踪结果优化模块对跟踪结果进行优化;
5)统计每个目标的排队时长和目标的平均排队时长,平均时长指在排队线路末端消失的N个目标排队时长均值。
图4是根据本申请实施例的一种可选的排队路线的获取方法的流程图,如图4所示,该方法包括如下步骤:
1)对图像进行栅格处理得到M*N的网格;
2)将每个目标的堆积坐标映射到M*N的网格中,最终得到每个网格经过的目标数量;
3)遍历最外层的网格,找到经过目标数最多的网格作为排队的一个端点;
4)遍历端点领域的网格,找到经过目标数最多的作为新的端点,然后不断循环,直到端点的领域目标数小于阈值T结束;
5)连接所有端点,得到排队路径。
图5是根据本发明实施例的一种可选的排队路线的选取示意图,如图5所示,对上述图4做了示意,生成M*N网格图,每个网格存储经过的目标数,将所有的目标经过的轨迹都存储在网格中,最后每个网格统计了所经过的目标数,然后将经过目标数最多的网格连接后就是所要求的排队路线,图5中方框内数字格式为加粗倾斜的格子连起来即所要的排队路线。
图6是根据本申请实施例的一种可选的跟踪结果优化过程示意图,如图6所示,包括以下步骤:
1)对监控图像画面中的目标正常跟踪;
2)当目标丢失后,存储目标的丢失时间及丢失坐标,此处的丢失时间可以是丢失时目标的排队时长,也可以是从目标进入监控图像画面的时刻与离开监控图像画面的时刻差,即目标出现在监控图像画面中的时间,丢失坐标可以推断出目标是在那个网格中丢失的;
3)当目标重新出现时,判断目标领域(可以理解为目标重新出现的网格附近)是否存在丢失的目标;
4)如果存在,将目标领域丢失的目标的排队时长赋值给重新出现的目标;
5)如果不存在,判断重新出现的目标所处的网格,将网格内的所有目标的平均排队时长赋值给重新出现的目标,如果重新出现的目标所处网格内没有其他目标,可以将在排队路线上的所处网格前后临近的网格内的所有目标的平均排队时长赋值给重新出现的目标。
与现有技术对比,本申请实施例对跟踪效果较差的场景也有很好的适应性,即使目标跟踪丢失,当目标重新出现时排队时长也可以通过方案中的策略准确给出,现有技术没有给出每个目标的实时排队时长,本方案可以。
现有技术中只是定时检测目标前面排队人数,通过人数变化得出所需排队时间,且由于长时间跟踪目标容易跟丢,因此统计结果会精确,申请实施例通过一定数量目标排队时间均值更准确。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请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(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,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的方法。
根据本申请实施例的另一个方面,还提供了一种用于实施上述排队时长的确定方法的排队时长的确定装置。图7是根据本申请实施例的一种可选的排队时长的确定装置的结构框图,如图7所示,该装置包括:
第一确定模块702,用于确定视频监控图像中正在排队的K个监控对象作为跟踪对象,其中,K为大于1的整数;
统计模块704,用于实时统计所述监控对象的排队时长和运动轨迹;
生成模块706,用于根据K个所述监控对象在所述视频监控图像中的运动轨迹,生成所述监控对象的排队路线;
第二确定模块708,用于当K个所述监控对象中的目标对象在所述视频监控图像中跟丢后,根据所述排队路线确定所述目标对象的跟踪结果,其中,所述跟踪结果包括所述目标对象在整个排队过程中的排队时长。
可选地,所述生成模块包括:
划分单元,用于将所述视频监控图像的画面划分为M*N个网格,形成网格分布图,其中,M和N均为大于1的整数;
映射单元,用于将每个所述监控对象的在指定时刻的坐标映射到所述网格分布图的网格中,其中,所述指定时刻包括:在K个所述监控对象的排队过程中,随机或周期性选取的多个时刻;
获取单元,用于当K个所述监控对象均完成排队过程后,获取在K个所述监控对象的排队过程中,每个所述网格中经过的所述监控对象的个数;
连接单元,用于将经过的所述监控对象的个数最多的几个网格作为排队路线中的端点,连接所述端点形成所述监控对象的排队路线。
可选地,所述连接单元还用于:
遍历所述网格分布图最外层的网格,将经过所述监控对象的个数最多的网格确定为所述排队路线的第一端点;
遍历所述第一端点邻接的所述网格,将经过所述监控对象的个数最多的网格确定为所述排队路线的第二端点,其中,所述第一端点与所述第二端点不重复;
循环执行确定所述第二端点的步骤,直至所述第二端点邻接的所述网格中的所述监控对象的个数小于预设阈值;
连接所有的所述第一端点和所述第二端点形成所述监控对象的排队路线。
可选地,所述优化模块包括:
存储单元,用于当所述目标对象消失在所述视频监控图像中时,记录所述目标对象在所述视频监控图像中最后一次出现时的坐标,以及所述目标对象在丢失时的排队时长,其中,所述坐标用于定位所述目标对象所处的网格;
判断单元,用于当第一目标对象重新出现在所述视频监控图像中时,判断所述第一目标对象所处的第一网格中是否存在丢失的第二目标对象,其中,当所述第二目标对象最后一次出现时的坐标位于所述第一网格中时,确定所述第二目标对象为在所述第一网格中丢失的目标对象;
第一赋给单元,用于当所述第一网格中存在丢失的所述第二目标对象时,将所述第二目标对象丢失时的排队时长赋给重新出现的所述第一目标对象;
第二赋给单元,用于当所述第一网格中不存在丢失的所述第二目标对象时,将所述第一网格内的其他所述监控对象的排队时长赋给重新出现的所述第一目标对象;
第三赋给单元,用于当所述第一网格内的不存在其他所述目标对象时,按照所述排队路线,将距离所述第一网格最近的第二网格内的排队时长均值赋给重新出现的所述第一目标对象,其中,所述排队时长均值为,所述第二网格内的全部所述监控对象的排队时长取平均值。
可选地,所述第二确定模块包括:
统计单元,用于统计K个所述监控对象在整个排队过程中的平均排队时长,其中,所述平均排队时长由K个所述监控对象均完成所述排队过程后,将K个所述总排队时长取平均值确定。
根据本申请实施例的又一个方面,还提供了一种用于实施上述排队时长的确定方法的电子装置,上述电子装置可以但不限于应用于上述图1所示的服务器104中。如图8所示,该电子装置包括存储器402和处理器404,该存储器402中存储有计算机程序,该处理器404被设置为通过计算机程序执行上述任一项方法实施例中的步骤。
可选地,在本实施例中,上述电子装置可以位于计算机网络的多个网络设备中的至少一个网络设备。
可选地,在本实施例中,上述处理器可以被设置为通过计算机程序执行以下步骤:
S1,确定视频监控图像中正在排队的K个监控对象作为跟踪对象,其中,K为大于1的整数;
S2,实时统计监控对象的排队时长和运动轨迹;
S3,根据K个监控对象在视频监控图像中的运动轨迹,生成监控对象的排队路线;
S4,当K个监控对象中的目标对象在视频监控图像中跟丢后,根据排队路线确定目标对象的跟踪结果,其中,跟踪结果包括目标对象在整个排队过程中的排队时长。
可选地,本领域普通技术人员可以理解,图8所示的结构仅为示意,电子装置也可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑以及移动互联网设备(Mobile Internet Devices,MID)、PAD等终端设备。图8其并不对上述电子装置的结构造成限定。例如,电子装置还可包括比图8中所示更多或者更少的组件(如网络接口等),或者具有与图8所示不同的配置。
其中,存储器402可用于存储软件程序以及模块,如本申请实施例中的排队时长的确定方法和装置对应的程序指令/模块,处理器404通过运行存储在存储器402内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述的排队时长的确定方法。存储器402可包括高速随机存储器,还可以包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器402可进一步包括相对于处理器404远程设置的存储器,这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。其中,存储器402具体可以但不限于用于储存排队时长的确定方法的程序步骤。作为一种示例,如图8所示,上述存储器402中可以但不限于包括上述排队时长的确定装置中的第一确定模块702、统计模块704、生成模块706、和第二确定模块708。此外,还可以包括但不限于上述排队时长的确定装置中的其他模块单元,本示例中不再赘述。
可选地,上述的传输装置406用于经由一个网络接收或者发送数据。上述的网络具体实例可包括有线网络及无线网络。在一个实例中,传输装置406包括一个网络适配器(Network Interface Controller,NIC),其可通过网线与其他网络设备与路由器相连从而可与互联网或局域网进行通讯。在一个实例中,传输装置406为射频(Radio Frequency,RF)模块,其用于通过无线方式与互联网进行通讯。
此外,上述电子装置还包括:显示器408,用于显示可疑帐号的告警推送;和连接总线410,用于连接上述电子装置中的各个模块部件。
本申请的实施例还提供了一种计算机可读的存储介质,该存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地,在本实施例中,上述存储介质可以被设置为存储用于执行以下步骤的计算机程序:
S1,确定视频监控图像中正在排队的K个监控对象作为跟踪对象,其中,K为大于1的整数;
S2,实时统计监控对象的排队时长和运动轨迹;
S3,根据K个监控对象在视频监控图像中的运动轨迹,生成监控对象的排队路线;
S4,当K个监控对象中的目标对象在视频监控图像中跟丢后,根据排队路线确定目标对象的跟踪结果,其中,跟踪结果包括目标对象在整个排队过程中的排队时长。
可选地,存储介质还被设置为存储用于执行上述实施例中的方法中所包括的步骤的计算机程序,本实施例中对此不再赘述。
可选地,在本实施例中,本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:闪存盘、只读存储器(Read-Only Memory,ROM)、随机存取器(Random Access Memory,RAM)、磁盘或光盘等。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在上述计算机可读取的存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或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存储介质中,包括若干指令用以使得一台或多台计算机设备(可为个人计算机、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步骤。
在本申请的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的客户端,可通过其它的方式实现。其中,以上所描述的装置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,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的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,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者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者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,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,也可以采用软件功能单元的形式实现。
以上所述仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (11)
1.一种排队时长的确定方法,其特征在于,包括:
确定视频监控图像中正在排队的K个监控对象作为跟踪对象,其中,K为大于1的整数;
实时统计所述监控对象的排队时长和运动轨迹;
根据K个所述监控对象在所述视频监控图像中的运动轨迹,生成所述监控对象的排队路线;
当K个所述监控对象中的目标对象在所述视频监控图像中跟丢后,根据所述排队路线确定所述目标对象的跟踪结果,其中,所述跟踪结果包括所述目标对象在整个排队过程中的排队时长;
所述根据所述排队路线确定所述目标对象的跟踪结果,包括:
当所述目标对象消失在所述视频监控图像中时,记录所述目标对象在所述视频监控图像中最后一次出现时的坐标,以及所述目标对象在丢失时的排队时长,其中,所述坐标用于定位所述目标对象所处的、所述视频监控图像的画面划分的网格;
当第一目标对象重新出现在所述视频监控图像中时,判断所述第一目标对象所处的第一网格中是否存在丢失的第二目标对象,其中,当所述第二目标对象最后一次出现时的坐标位于所述第一网格中时,确定所述第二目标对象为在所述第一网格中丢失的目标对象;
当所述第一网格中存在丢失的所述第二目标对象时,将所述第二目标对象丢失时的排队时长赋给重新出现的所述第一目标对象;
当所述第一网格中不存在丢失的所述第二目标对象时,将所述第一网格内的其他所述监控对象的排队时长赋给重新出现的所述第一目标对象;当所述第一网格内的不存在其他所述目标对象时,按照所述排队路线,将距离所述第一网格最近的第二网格内的排队时长均值赋给重新出现的所述第一目标对象,其中,所述排队时长均值为,所述第二网格内的全部所述监控对象的排队时长取平均值。
2.根据权利要求1所述的方法,其特征在于,根据K个所述监控对象在所述视频监控图像中的运动轨迹,生成所述监控对象的排队路线包括:
将所述视频监控图像的画面划分为M*N个网格,形成网格分布图,其中,M和N均为大于1的整数;
将每个所述监控对象的在指定时刻的坐标映射到所述网格分布图的网格中,其中,所述指定时刻包括:在K个所述监控对象的排队过程中,随机或周期性选取的多个时刻;
当K个所述监控对象均完成排队过程后,获取在K个所述监控对象的排队过程中,每个所述网格中经过的所述监控对象的个数;
将经过的所述监控对象的个数最多的几个网格作为排队路线中的端点,连接所述端点形成所述监控对象的排队路线。
3.根据权利要求2所述的方法,其特征在于,将经过的所述监控对象的个数最多的几个网格作为排队路线中的端点,连接所述端点形成所述监控对象的排队路线包括:
遍历所述网格分布图最外层的网格,将经过所述监控对象的个数最多的网格确定为所述排队路线的第一端点;
遍历所述第一端点邻接的所述网格,将经过所述监控对象的个数最多的网格确定为所述排队路线的第二端点,其中,所述第一端点与所述第二端点不重复;
循环执行确定所述第二端点的步骤,直至所述第二端点邻接的所述网格中的所述监控对象的个数小于预设阈值;
连接所有的所述第一端点和所述第二端点形成所述监控对象的排队路线。
4.根据权利要求1至3任一项所述的方法,其特征在于,生成所述监控对象的排队路线之后,所述方法还包括:
按照预设的时间周期更新所述监控对象的排队路线。
5.根据权利要求1所述的方法,其特征在于,所述根据所述排队路线确定所述目标对象的跟踪结果,包括:
统计K个所述监控对象在整个排队过程中的平均排队时长,其中,所述平均排队时长由K个所述监控对象均完成所述排队过程后,将K个所述监控对象在整个排队过程中的总排队等待时长取平均值确定。
6.一种排队时长的确定装置,其特征在于,包括:
第一确定模块,用于确定视频监控图像中正在排队的K个监控对象作为跟踪对象,其中,K为大于1的整数;
统计模块,用于实时统计所述监控对象的排队时长和运动轨迹;
生成模块,用于根据K个所述监控对象在所述视频监控图像中的运动轨迹,生成所述监控对象的排队路线;
第二确定模块,用于当K个所述监控对象中的目标对象在所述视频监控图像中跟丢后,根据所述排队路线确定所述目标对象的跟踪结果,其中,所述跟踪结果包括所述目标对象在整个排队过程中的排队时长K个所述监控对象;
所述装置包括:
存储单元,用于当所述目标对象消失在所述视频监控图像中时,记录所述目标对象在所述视频监控图像中最后一次出现时的坐标,以及所述目标对象在丢失时的排队时长,其中,所述坐标用于定位所述目标对象所处的、所述视频监控图像的画面划分的网格;
判断单元,用于当第一目标对象重新出现在所述视频监控图像中时,判断所述第一目标对象所处的第一网格中是否存在丢失的第二目标对象,其中,当所述第二目标对象最后一次出现时的坐标位于所述第一网格中时,确定所述第二目标对象为在所述第一网格中丢失的目标对象;
第一赋给单元,用于当所述第一网格中存在丢失的所述第二目标对象时,将所述第二目标对象丢失时的排队时长赋给重新出现的所述第一目标对象;
第二赋给单元,用于当所述第一网格中不存在丢失的所述第二目标对象时,将所述第一网格内的其他所述监控对象的排队时长赋给重新出现的所述第一目标对象;
第三赋给单元,用于当所述第一网格内的不存在其他所述目标对象时,按照所述排队路线,将距离所述第一网格最近的第二网格内的排队时长均值赋给重新出现的所述第一目标对象,其中,所述排队时长均值为,所述第二网格内的全部所述监控对象的排队时长取平均值。
7.根据权利要求6所述的装置,其特征在于,所述生成模块包括:
划分单元,用于将所述视频监控图像的画面划分为M*N个网格,形成网格分布图,其中,M和N均为大于1的整数;
映射单元,用于将每个所述监控对象的在指定时刻的坐标映射到所述网格分布图的网格中,其中,所述指定时刻包括:在K个所述监控对象的排队过程中,随机或周期性选取的多个时刻;
获取单元,用于当K个所述监控对象均完成排队过程后,获取在K个所述监控对象的排队过程中,每个所述网格中经过的所述监控对象的个数;
连接单元,用于将经过的所述监控对象的个数最多的几个网格作为排队路线中的端点,连接所述端点形成所述监控对象的排队路线。
8.根据权利要求7所述的装置,其特征在于,所述连接单元还用于:
遍历所述网格分布图最外层的网格,将经过所述监控对象的个数最多的网格确定为所述排队路线的第一端点;
遍历所述第一端点邻接的所述网格,将经过所述监控对象的个数最多的网格确定为所述排队路线的第二端点,其中,所述第一端点与所述第二端点不重复;
循环执行确定所述第二端点的步骤,直至所述第二端点邻接的所述网格中的所述监控对象的个数小于预设阈值;
连接所有的所述第一端点和所述第二端点形成所述监控对象的排队路线监控对象的排队路线。
9.根据权利要求6所述的装置,其特征在于,所述第二确定模块包括:
统计单元,用于统计K个所述监控对象在整个排队过程中的平均排队时长,其中,所述平均排队时长由K个所述监控对象均完成所述排队过程后,将K个所述监控对象在整个排队过程中的总排队等待时长取平均值确定。
10.一种计算机可读的存储介质,其特征在于,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行所述权利要求1至5任一项中所述的方法。
11.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行所述权利要求1至5任一项中所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911330969.4A CN111008611B (zh) | 2019-12-20 | 2019-12-20 | 排队时长的确定方法及装置、存储介质、电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911330969.4A CN111008611B (zh) | 2019-12-20 | 2019-12-20 | 排队时长的确定方法及装置、存储介质、电子装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111008611A CN111008611A (zh) | 2020-04-14 |
CN111008611B true CN111008611B (zh) | 2023-07-14 |
Family
ID=70117683
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911330969.4A Active CN111008611B (zh) | 2019-12-20 | 2019-12-20 | 排队时长的确定方法及装置、存储介质、电子装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111008611B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114037146A (zh) * | 2021-11-05 | 2022-02-11 | 北京市商汤科技开发有限公司 | 一种排队等待时长确定方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102065275A (zh) * | 2009-11-17 | 2011-05-18 | 中国科学院电子学研究所 | 智能视频监控系统中多目标跟踪方法 |
CN103942773A (zh) * | 2013-01-21 | 2014-07-23 | 浙江大华技术股份有限公司 | 一种通过图像分析获取排队长度的方法及装置 |
CN104680555A (zh) * | 2015-02-13 | 2015-06-03 | 电子科技大学 | 基于视频监控的越界检测方法及越界监控系统 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6263088B1 (en) * | 1997-06-19 | 2001-07-17 | Ncr Corporation | System and method for tracking movement of objects in a scene |
JP2002297900A (ja) * | 2001-03-30 | 2002-10-11 | Ibm Japan Ltd | 業務別応対管理システム、顧客側端末装置、応対側端末装置、管理サーバ、待ち行列監視装置、応対側端末の割り当て方法、および記憶媒体 |
DE102009028604A1 (de) * | 2009-08-18 | 2011-02-24 | Robert Bosch Gmbh | Vorrichtung zur Erkennung einer Objektschlange, Verfahren sowie Computerprogramm |
WO2014171258A1 (ja) * | 2013-04-16 | 2014-10-23 | 日本電気株式会社 | 情報処理システム、情報処理方法及びプログラム |
US20160191865A1 (en) * | 2014-12-30 | 2016-06-30 | Nice-Systems Ltd. | System and method for estimating an expected waiting time for a person entering a queue |
CN104994360B (zh) * | 2015-08-03 | 2018-10-26 | 北京旷视科技有限公司 | 视频监控方法和视频监控系统 |
CN107153819A (zh) * | 2017-05-05 | 2017-09-12 | 中国科学院上海高等研究院 | 一种排队长度自动检测方法及排队长度控制方法 |
CN107330921A (zh) * | 2017-06-28 | 2017-11-07 | 京东方科技集团股份有限公司 | 一种排队装置及其排队控制方法 |
CN110264497B (zh) * | 2019-06-11 | 2021-09-17 | 浙江大华技术股份有限公司 | 跟踪时长的确定方法及装置、存储介质、电子装置 |
-
2019
- 2019-12-20 CN CN201911330969.4A patent/CN111008611B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102065275A (zh) * | 2009-11-17 | 2011-05-18 | 中国科学院电子学研究所 | 智能视频监控系统中多目标跟踪方法 |
CN103942773A (zh) * | 2013-01-21 | 2014-07-23 | 浙江大华技术股份有限公司 | 一种通过图像分析获取排队长度的方法及装置 |
CN104680555A (zh) * | 2015-02-13 | 2015-06-03 | 电子科技大学 | 基于视频监控的越界检测方法及越界监控系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111008611A (zh) | 2020-04-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7472362B2 (ja) | 受信方法、端末及びプログラム | |
CN102158689B (zh) | 视频监控系统及方法 | |
US9875411B2 (en) | Video monitoring method, video monitoring apparatus and video monitoring system | |
US9477891B2 (en) | Surveillance system and method based on accumulated feature of object | |
CN108073890A (zh) | 视频序列中的动作识别 | |
US11023717B2 (en) | Method, apparatus, device and system for processing commodity identification and storage medium | |
CN108062507B (zh) | 一种视频处理方法及装置 | |
CN110533700B (zh) | 对象跟踪方法和装置、存储介质及电子装置 | |
CN109410278B (zh) | 一种目标定位方法、装置及系统 | |
CN113691733B (zh) | 视频抖动检测方法、装置、电子设备和存储介质 | |
CN110533685B (zh) | 对象跟踪方法和装置、存储介质及电子装置 | |
CN110876035A (zh) | 一种基于视频的场景更新方法、装置及电子设备 | |
CN103916626A (zh) | 一种监控录像信息提供方法、装置及视频监控系统 | |
CN109960969B (zh) | 移动路线生成的方法、装置及系统 | |
CN111010547A (zh) | 目标对象的追踪方法及装置、存储介质、电子装置 | |
CN111047622B (zh) | 视频中对象的匹配方法和装置、存储介质及电子装置 | |
CN113096158A (zh) | 运动对象的识别方法、装置、电子设备及可读存储介质 | |
CN110619308A (zh) | 一种过道杂物检测方法、装置、系统和设备 | |
US20110157360A1 (en) | Surveillance system and method | |
CN111402286A (zh) | 一种目标跟踪方法、装置、系统及电子设备 | |
CN110826496A (zh) | 一种人群密度估计方法、装置、设备及存储介质 | |
CN111008611B (zh) | 排队时长的确定方法及装置、存储介质、电子装置 | |
US10878228B2 (en) | Position estimation system | |
CN110505438B (zh) | 一种排队数据的获取方法和摄像机 | |
CN111629336A (zh) | 一种目标区域内人数确定方法、装置、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |