CN111310524B - 多视频关联方法及装置 - Google Patents
多视频关联方法及装置 Download PDFInfo
- Publication number
- CN111310524B CN111310524B CN201811517606.7A CN201811517606A CN111310524B CN 111310524 B CN111310524 B CN 111310524B CN 201811517606 A CN201811517606 A CN 201811517606A CN 111310524 B CN111310524 B CN 111310524B
- Authority
- CN
- China
- Prior art keywords
- image acquisition
- target
- image
- target person
- acquisition equipment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
- G06V20/42—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items of sport video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
- Alarm Systems (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本申请提供一种多视频关联方法及装置,将存在有预设目标人员的图像采集设备作为目标图像采集设备,获取距离所述目标图像采集设备预设距离内的图像采集设备所采集的图像,根据人体特征信息判断所述图像中是否存在预设的目标人员,将存在有所述目标人员的图像对应的图像采集设备作为新的目标图像采集设备。同时,计算目标人员沿不同路径行进的概率,将概率最大的路径作为目标路径,获取视角在所述目标路径中的图像采集设备所采集的图像。本申请通过有针对性的获取图像采集设备的图像,大大减少了识别目标人员的计算量,提高了识别速率,同时,本申请不需要特殊的图像抓拍设备,降低了使用成本。
Description
技术领域
本申请涉及监控领域,具体而言,涉及一种多视频关联方法及装置。
背景技术
公安在做人脸的布控抓捕方案中有一个黄金三秒钟原则,就是说从平台发布报警信息到确定目标所在位置做好布控,要控制在3秒之内,否则,目标很可能就会丢失。而在实际情况中,由于识别目标人员需要做大量的计算,尤其是针对一些摄像头较多的场景,这个问题尤为突出。因此,当中心管理员发现平台的布控告警并协调相关安保人员前往目标所在地时,由于,有时间上的滞后性,当到达目标人员所在地,目标人员已经离开目标所在地。
发明内容
为了克服现有技术中的上述不足,本申请的目的在于提供一种多视频关联方法,应用于与多个图像采集设备通信的监控处理设备,所述方法的步骤包括:
将拍摄到预设目标人员的图像采集设备作为目标图像采集设备;
获取所述目标图像采集设备的位置信息,根据所述位置信息,将距离所述目标图像采集设备预设距离内的图像采集设备作为跟踪图像采集设备;
获取并显示所述目标图像采集设备及跟踪图像采集设备拍摄的监控图像;
根据所述目标人员的人体特征信息判断所述跟踪图像采集设备采集图像中是否存在所述目标人员,将存在所述目标人员的监控图像对应的图像采集设备作为新的目标图像采集设备,获取所述新的目标图像采集设备位置信息,将距离所述新的目标图像采集设备预设距离内的图像采集设备作为新的跟踪图像采集设备。
可选地,所述监控处理设备预设有各图像采集设备视角范围内不同路径的人员流向概率,所述方法的步骤还包括:
根据所述人员流向概率、预设权值和路径夹角计算所述目标人员沿所述不同路径行进的概率,所述路径夹角表示所述目标人员行进方向和所述不同路径的夹角;
将所述目标人员行进方向概率最大的路径作为目标路径,将视角在所述目标路径范围内的图像采集设备作为跟踪图像采集设备,并获取所述跟踪图像采集设备拍摄的监控图像。
可选地,所述监控处理设备包括地图显示端,所述预设权值包括人员流向概率对应的第一权值和路径夹角对应的第二权值,所述根据所述人员流向概率、预设权值和路径夹角计算所述目标人员沿所述不同路径行进的概率的步骤包括:
根据存在有目标人员的待分析图像,识别出所述目标人员行进方向和所述不同路径的夹角;
根据所述第一权值、第二权值、人员流向概率和不同路径的夹角计算所述目标人员沿不同路径行进的概率;
将概率最大的路径在所述地图显示端中进行标记。
可选地,所述监控处理设备预设有目标人员的人脸信息,所述方法的步骤还包括:
获取所述多个图像采集设备的采集的待分析图像;
根据所述目标人员的人脸信息判断所述待分析图像中是否存在所述目标人员;
将存在所述目标人员的待分析图像对应的图像采集设备作为目标图像采集设备,并获取所述目标人员的人体特征信息,所述人体特征信息包括性别、年龄、身高和着装信息。
可选地,所述图像采集设备包括视角可调的图像采集设备,所述所述获取所述目标图像采集设备的位置信息,根据所述位置信息,将距离所述目标图像采集设备预设距离内的图像采集设备作为跟踪图像采集设备的步骤包括:
根据所述位置信息,控制距离所述目标图像采集设备预设距离内的视角可调的图像采集设备偏转到所述目标人员行进方向概率最大的路径。
可选地,所述根据所述位置信息,控制距离所述目标图像采集设备预设距离内的视角可调的图像采集设备偏转到所述目标人员行进方向概率最大的路径的步骤包括:
将所述目标图像采集设备的位置信息发送到距离所述目标图像采集设备预设距离内的视角可调的图像采集设备,使得所述距离所述目标图像采集设备预设距离内的视角可调的图像采集设备根据所述位置信息偏转预设的角度。
本申请的另一目的在于提供一种多视频关联装置,应用于与多个图像采集设备通信的监控处理设备,所述多视频关联装置包括目标确定模块、跟踪图像采集设备确定模块、图像获取模块;
所述目标确定模块用于将拍摄到预设目标人员的图像采集设备作为目标图像采集设备;
所述跟踪图像采集设备确定模块用于获取所述目标图像采集设备的位置信息,根据所述位置信息,将距离所述目标图像采集设备预设距离内的图像采集设备作为跟踪图像采集设备;
所述图像获取模块用于获取并显示所述目标图像采集设备及跟踪图像采集设备拍摄的监控图像;
所述目标确定模块还用于根据所述目标人员的人体特征信息判断所述跟踪图像采集设备采集图像中是否存在所述目标人员,将存在所述目标人员的待分析图像对应的图像采集设备作为新的目标图像采集设备,获取所述新的目标图像采集设备位置信息,将距离所述新的目标图像采集设备预设距离内的图像采集设备作为新的跟踪图像采集设备。
可选地,应用于监控处理设备,所述监控处理设备预设有各图像采集设备视角范围内不同路径的人员流向概率,所述关联装置还包括概率计算模块和目标路径视频获取模块;
所述概率计算模块用于根据所述人员流向概率、预设权值和路径夹角计算所述目标人员沿所述不同路径行进的概率,所述路径夹角表示所述目标人员行进方向和所述不同路径的夹角;
所述目标路径视频获取模块用于将所述目标人员行进方向概率最大的路径作为目标路径,获取视角在所述目标路径范围内的图像采集设备所采集的待分析图像。
可选地,所述监控处理设备包括地图显示端,所述预设权值包括人员流向概率对应的第一权值和路径夹角对应的第二权值,所述概率计算模块通过以下方式计算所述目标人员沿所述不同路径行进的概率:
根据包含有目标人员的待分析图像,识别出所述目标人员行进方向和所述不同路径的夹角;
根据所述第一权值、第二权值、人员流向概率和不同路径的夹角计算所述目标人员沿不同路径行进的概率;
将概率最大的路径在所述地图显示端中进行显示。
可选地,所述监控处理设备预设有目标人员的人脸信息,所述视频关联装置还包括识别模块和人体特征信息获取模块;
所述图像获取模块用于获取所述多个图像采集设备的采集的待分析图像;
所述识别模块用于根据所述目标人员的人脸信息判断所述待分析图像中是否存在所述目标人员;
所述人体特征信息获取模块用于将存在所述目标人员的待分析图像对应的图像采集设备作为目标图像采集设备,并获取所述目标人员的人体特征信息,所述人体特征信息包括性别、年龄、身高和着装信息。
相对于现有技术而言,本申请具有以下有益效果:
本申请提供一种多视频关联方法及装置,将存在有预设目标人员的图像采集设备作为目标图像采集设备,获取距离所述目标图像采集设备预设距离内的图像采集设备所采集的图像,根据人体特征信息判断所述图像中是否存在预设的目标人员,将存在有所述目标人员的图像对应的图像采集设备作为新的目标图像采集设备。同时,计算目标人员沿不同路径行进的概率,将概率最大的路径作为目标路径,获取视角在所述目标路径中的图像采集设备所采集的图像。本申请通过有针对性的获取图像采集设备的图像,大大减少了识别目标人员的计算量,提高了识别速率,同时,本申请不需要特殊的图像抓拍设备,降低了使用成本。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的本申请的场景示意图;
图2为本申请实施例提供的监控处理设备的硬件结构图;
图3为本申请实施例提供的多视频关联方法的步骤流程图;
图4为本申请实施例提供的计算沿不同路径行进概率的步骤流程图;
图5为本申请实施例提供的预测目标人员行进方向的场景示意图;
图6为本申请实施例提供的获取人体特征信息的步骤流程图;
图7为本申请实施例提供的多视频关联装置的结构图。
图标:100-监控处理设备;300-网络;200-图像采集设备;150-通信单元;130-处理器;110-多视频关联装置;120-机器可读存储介质;2001-路径A;2002-路径C;2003-路径B;2004-目标人员;1101-目标确定模块;1102-跟踪图像采集设备确定模块;1103-图像获取模块。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本申请的描述中,还需要说明的是,除非另有明确的规定和限定,术语“设置”、“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本申请中的具体含义。
请参照图1,图1是本申请较佳实施例提供的监控处理设备100与多个图像采集设备200通信的场景示意图。所述监控处理设备100可通过网络300与所述多图像采集设备200进行通信,以实现监控处理设备100与多个图像采集设备200之间的数据通信或交互。
本实施例中,所述监控处理设备100可以是,但不限于,web(网站)服务器、ftp(file transfer protocol,文件传输协议)服务器、特殊服务器等。
所述网络300可以是,但不限于,有线网络或无线网络。
请参照图2,图2是图1所示的监控处理设备100的硬件结构图。所述监控处理设备100包括第一多视频关联装置110、机器可读存储介质120、处理器130。
所述机器可读存储介质120、处理器130各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述多视频关联装置110包括至少一个可以软件或固件(firmware)的形式存储于所述机器可读存储介质120中或固化在所述监控处理设备100的操作系统(operating system,OS)中的软件功能模块。所述处理器130用于执行所述机器可读存储介质120中存储的可执行模块,例如所述多视频关联装置110所包括的软件功能模块及计算机程序等。
其中,所述机器可读存储介质120可以是,但不限于,随机存取存储器(RandomAccess Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-Only Memory,PROM),可擦除只读存储器(Erasable ProgrammableRead-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable ProgrammableRead-Only Memory,EEPROM)等。其中,机器可读存储介质120用于存储程序,所述处理器130在接收到执行指令后,执行所述程序。所述通信单元150用于通过所述网络300建立所述监控处理设备100与图像采集设备200之间的通信连接,并用于通过所述网络300收发数据。
所述处理器130可能是一种集成电路芯片,具有信号的处理能力。上述的处理器130可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述通信单元150用于通过所述网络300与所述图像采集设备200的通信单元150建立连接,从而实现所述监控处理设备100与图像采集设备200之间的通信连接。例如,该通信单元150可以利用所述射频单元发送的射频信号连接到网络300,进而通过网络300与图像采集设备200的通信单元150建立通信连接。
请参照图3,图3为应用于图2所示的一种多视频关联方法的步骤流程图,以下将对所述方法包括的各个步骤进行详细阐述。
由于当监控中心管理员从发布的发现目标人员告警到协调相关安保人员前往目标所在地。这中间存在时间上的滞后性,而这个滞后性可能导致布控的目标人员已经走离原先位置,而下一刻位置出现在哪存在多种可能性,很难通过人为去判断或寻找,这个时候往往丢失了最佳抓捕时间。
步骤S100,将拍摄到预设目标人员的图像采集设备200作为目标图像采集设备。
可选地,所述监控处理设备100包括有目标确定单元,将发现目标人员的图像采集设备200作为目标图像采集设备。
步骤S200,获取所述目标图像采集设备的位置信息,根据所述位置信息,将距离所述目标图像采集设备预设距离内的图像采集设备作为跟踪图像采集设备。
可选地,所述监控处理设备100为了确定所述目标图像采集设备预设范围内的图像采集设备200的位置,需要获取所述目标图像采集设备的位置信息。
可选地,本申请的一种具体的实施例中,所述图像采集设备200包括位置信息获取装置。所述位置获取装置包括GPS(GPS,Global Positioning System)或者北斗导航芯片。所述图像采集设备200采集视角范围内的图像,其中,所述图像中携带有所述图像对应的图像采集设备200的位置信息。所述监控处理设备100通过解析所述图像获得所述图像采集设备200的位置。
可选地,本申请的另一种具体的实施例中,所述监控处理设备100通过网络向所述图像采集设备200发送位置获取命令。所述图像采集设备200接收到所述位置获取命令,将其位置信息回复给所述监控处理设备100。
可选地,所述监控处理设备100根据所述目标图像采集设备的位置信息和其他图像采集设备200的位置信息,计算所述目标图像采集设备和其他图像采集设备之间的距离。所述监控处理设备100获取距离所述目标图像采集设备在预设范围内的图像采集设备200所采集的待分析图像。
步骤S300,获取并显示所述目标图像采集设备及跟踪图像采集设备拍摄的监控图像。
所述监控处理设备100根据所述目标人员的人体特征信息,判断所述待分析图像中是否存在有所述目标人员。所述监控处理设备100将最先判断出存在有所述目标人员的图像对应的图像采集设备200作为跟踪图像采集设备。
为了提醒监控人员发现目标,同时为了方便监控人员实时观看所述目标人员的行动走向,将所述目标图像采集设备和所述跟踪图像采集设备拍摄的监控图像在显示器中进行显示。
步骤S400,根据所述目标人员的人体特征信息判断所述跟踪图像采集设备采集图像中是否存在所述目标人员,将存在所述目标人员的监控图像对应的图像采集设备作为新的目标图像采集设备,获取所述新的目标图像采集设备位置信息,将距离所述新的目标图像采集设备预设距离内的图像采集设备作为新的跟踪图像采集设备。
如图4所示,图4为计算沿不同路径行进概率的步骤流程图,为了进一步提高发现所述目标人员的几率,以实现对所述目标人员的实时跟踪,所述监控处理设备100需要计算所述目标人员沿不同路径行进的概率。所述监控处理设备100根据图像采集设备200视角范围内的历史人流信息,计算出各个图像采集设备200视角范围内的不同路径的人员流向概率,并将所述人员流向概率预存到所述监控处理设备100中。
步骤S500,根据所述人员流向概率、预设权值和路径夹角计算所述目标人员沿所述不同路径行进的概率,所述路径夹角表示所述目标人员行进方向和所述不同路径的夹角。
所述监控处理设备100根据所述目标图像采集设备所采集的图像,识别出所述目标人员同所述目标图像采集设备视角中不同路径的夹角。其中,所述监控处理设备100预存有人员流动概率对应的第一权值和所述夹角对应的第二权值。所述监控处理设备100根据所述人员流向概率、第一权值、第二权值和所述夹角计算所述目标人员沿所述不同路径行进的概率。
可选地,如图5所示,图5为预测目标人员2004行进方向的场景示意图,本申请的提供的一种具体的实施例中,假设某目标图像采集设备的视角范围内有3条路径可以行走,分别为路径A2001、路径B2003、路径C2002,其中所述目标人员2004处于路径A2001和路径C2002之间,根据所述目标人员2004行进方向计算出与路径A2001、路径C2002的夹角,分别为α和β。将α和β换算成对应的比值X和Y,其中X+Y=1。假设α和β为30°,则X和Y分别为50%。其中,所述夹角对应的第二权值为80%。根据平时人员流向数据的积累,根据大数据分析得出路径A2001、路径B2003、路径C2002的人员流动概率,比如,分别为25%,25%,50%,假设所述人员流动概率对应的第一权值为20%。另外,所述第一权值和所述第二权值的和为1。通过以下方式计算所述目标人员2004沿路径A2001行走的概率P1:
P1=25%*20%+50%*80%;
通过以下方式计算所述目标人员2004沿路径C2002行走的概率P2:
P2=50%*20%+50%*80%;
通过以下方式计算所述目标人员2004沿路径B2003行走的概率P3:
P3=25%*20%;
经过计算可得,P1为45%,P2为50%,P3为5%。其中,路径C2002的概率最大。
可选地,所述图像采集设备200包括视角可调节的图像采集设备200,所述监控处理设备100将所述目标图像采集设备的位置信息发送到所述视角可调的图像采集设备200。所述视角可调的图像采集设备200根据所述目标图像采集设备的位置信息调整预设的角度,使得所述视角可调的图像采集设备200转向所述目标人员2004行进概率最大的路径。其中,所述视角可调的图像采集设备可以是可旋转的球机,也可以是其他一些视角可以根据控制命令调整角度摄像机。
所述监控处理设备100还包括地图显示端,所述监控处理设备100将所述不同路径中概率最大的路径在所述地图显示端显示,用以为抓捕所述目标人员2004提供参考。
步骤S600,将所述目标人员2004行进方向概率最大的路径作为目标路径,将视角在所述目标路径范围内的图像采集设备作为跟踪图像采集设备,并获取所述跟踪图像采集设备拍摄的监控图像。
所述监控处理设备100根据所述目标人员2004沿各个路径行走的概率,选取其中概率值最大路径作为目标路径。所述监控处理设备100获取视角范围在所述目标路径的跟踪图像采集设备所采集的待分析图像。
如图6所示,图6为获取人体特征信息的步骤流程图,所述监控处理设备100通过以下步骤获取所述目标人员2004的人体特征信息。
步骤S700,获取所述多个图像采集设备200的采集的待分析图像。
所述图像采集设备200抓拍人脸图像,将所述抓拍的人脸图像发送到所述监控处理设备100。
步骤S800,根据所述目标人员2004的人脸信息判断所述待分析图像中是否存在所述目标人员2004。
所述监控处理设备100预存有目标人员2004的人脸信息,所述监控处理设备100将所述图像采集设备200抓拍的人脸图形和所述预存的目标人员2004的人脸信息进行对比,用以发现是否存在所述目标人员2004。
步骤S900,将存在所述目标人员2004的待分析图像对应的图像采集设备200作为目标图像采集设备,并获取所述目标人员2004的人体特征信息,所述人体特征信息包括性别、年龄、身高和着装信息。
因为所述图像采集设备200并不能一直采集所述目标人员2004的人脸信息,为了能够在不能够采集到所述目标人员2004人脸信息的情况下实现对所述目标人员2004的跟踪,获取所述目标人员2004除人脸以外的人体特征信息。同时,所述处理设备通过人体特征信息检测所述目标人员2004,进而使得不需要通过特殊的人脸抓拍相机识别图像中的人脸并进行抓拍。所以本申请公开的方法不需要对现有图像采集设备200进行更换,降低了用户使用成本。
所述监控处理设备100一旦发现所述抓拍的人脸信息中存在目标人员2004,通过存在目标人员2004的待分析图像获取所述目标人员2004的人体特征信息,其中所述人体特征信息包括所述目标人员2004的性别、年龄、身高和着装信息。其中所述着装信息包括目标人员2004的衣服颜色和所述目标人员2004是否佩戴有眼镜。所述监控处理设备100利用所述人体特征信息,进一步的识别所述目标人员2004,进而提高识别的准确率和识别速度。
如图7所示的多视频关联装置110的结构图,本申请的另一目的在于提供一多视频关联装置110,应用于与多个图像采集设备200通信的监控处理设备100,所述多视频关联装置110包括目标确定模块1101、跟踪图像采集设备确定模块1102、图像获取模块1103;
所述目标确定模块1101用于将拍摄到预设目标人员2004的图像采集设备200作为目标图像采集设备。
在本是实施例中,所述目标确定模块1101用于执行图3中的步骤S100,关于所述目标确定模块1101的详细描述可参考步骤S100的详细描述。
所述跟踪图像采集设备确定模块1102用于获取所述目标图像采集设备的位置信息,根据所述位置信息,将距离所述目标图像采集设备预设距离内的图像采集设备作为跟踪图像采集设备。
在本实施例中,所述跟踪图像采集设备确定模块1102用于执行图3中的步骤S200,关于所述跟踪图像采集设备确定模块1102的详细描述可参考步骤S200的详细描述。
所述图像获取模块1103用于获取并显示所述目标图像采集设备及跟踪图像采集设备拍摄的监控图像。
在本实施例中,所述图像获取模块1103用于执行图3中的步骤S300,关于所述图像获取模块1103的详细描述可参考步骤S200的详细描。
所述目标确定模块1101还用于根据所述目标人员2004的人体特征信息判断所述跟踪图像采集设备采集图像中是否存在所述目标人员2004,将存在所述目标人员2004的监控图像对应的图像采集设备作为新的目标图像采集设备,获取所述新的目标图像采集设备位置信息,将距离所述新的目标图像采集设备预设距离内的图像采集设备作为新的跟踪图像采集设备。
可选地,所述所述监控处理设备100预设有各图像采集设备200视角范围内不同路径的人员流向概率,所述多视频关联装置110还包括概率计算模块和目标路径视频获取模块;
所述概率计算模块用于根据所述人员流向概率、预设权值和路径夹角计算所述目标人员2004沿所述不同路径行进的概率,所述路径夹角表示所述目标人员2004行进方向和所述不同路径的夹角。
在本实施例中,所述概率计算模块用于执行图4中的步骤S500,关于所述概率计算模块的详细描述可参考步骤S500的详细描述。
所述目标路径视频获取模块用于将所述目标人员2004行进方向概率最大的路径作为目标路径,获取视角在所述目标路径范围内的图像采集设备200所采集的待分析图像。
在本实施例中,所述目标路径视频获取模块用于执行图4中的步骤S600,关于所述目标路径视频获取模块的详细描述可参考步骤S600的详细描述。
可选地,所述监控处理设备100预设有目标人员2004的人脸信息,所述视频关联装置还包括图像获取模块1103、识别模块和人体特征信息获取模块。
所述图像获取模块1103用于获取所述多个图像采集设备200所采集的监控图像。
在本实施例中,所述图像获取模块1103用于执行图6中的步骤S700,关于所述图像获取模块1103的详细描述可参考步骤S700的详细描述。
所述识别模块用于根据所述目标人员2004的人脸信息判断所述监控图像中是否存在所述目标人员2004。
在本实施例中,所述识别模块用于执行图6中的步骤S800,关于所述识别模块的详细秒速可以参考步骤S800的详细描述。
所述人体特征信息获取模块用于将存在所述目标人员2004的监控图像对应的图像采集设备200作为目标图像采集设备,并获取所述目标人员2004的人体特征信息,所述人体特征信息包括性别、年龄、身高和着装信息。
在本实施例中,所述人体特征信息获取模块用于执行图6中的步骤S900,关于所述人体特征信息获取模块的详细描述可参考步骤S900的详细描述。
值得说明的是,所述监控处理设备100在发现一个目标人员2004并对其进行跟踪的过程中,所述监控处理设备100还可以用于发现并跟踪其他目标人员2004。
综上所述,本申请提供一种多视频关联方法及装置,将存在有预设目标人员2004的图像采集设备200作为目标图像采集设备,获取距离所述目标图像采集设备预设距离内的图像采集设备所采集的图像,根据人体特征信息判断所述图像中是否存在预设的目标人员2004,将存在有所述目标人员2004的图像对应的图像采集设备作为新的目标图像采集设备。同时,计算目标人员2004沿不同路径行进的概率,将概率最大的路径作为目标路径,获取视角在所述目标路径中的图像采集设备所采集的图像。本申请通过有针对性的获取图像采集设备200的图像,大大减少了识别目标人员2004的计算量,提高了识别速率,同时,本申请不需要特殊的图像抓拍设备,降低了使用成本。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。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中,包括若干指令用以使得一台计算机设备(可以是个人计算机,监控处理设备,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。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
Claims (8)
1.一种多视频关联方法,其特征在于,应用于与多个图像采集设备通信的监控处理设备,所述监控处理设备预设有各图像采集设备视角范围内不同路径的人员流向概率,所述方法的步骤包括:
将拍摄到预设目标人员的图像采集设备作为目标图像采集设备;
获取所述目标图像采集设备的位置信息,根据所述位置信息,将距离所述目标图像采集设备预设距离内的图像采集设备作为跟踪图像采集设备;
根据存在有目标人员的图像,识别出所述目标人员行进方向和不同路径的夹角;
根据所述人员流向概率以及对应的第一权值、所述不同路径的夹角以及路径夹角对应的第二权值,计算所述目标人员沿不同路径行进的概率;
将所述目标人员行进方向概率最大的路径作为目标路径,将视角在所述目标路径范围内的图像采集设备作为跟踪图像采集设备;
获取并显示所述目标图像采集设备及跟踪图像采集设备拍摄的监控图像;
根据所述目标人员的人体特征信息判断所述跟踪图像采集设备采集图像中是否存在所述目标人员,将存在所述目标人员的监控图像对应的图像采集设备作为新的目标图像采集设备,获取所述新的目标图像采集设备位置信息,将距离所述新的目标图像采集设备预设距离内的图像采集设备作为新的跟踪图像采集设备。
2.根据权利要求1所述的多视频关联方法,其特征在于,所述监控处理设备包括地图显示端,所述方法还包括:
将概率最大的路径在所述地图显示端中进行标记。
3.根据权利要求1所述的多视频关联方法,其特征在于,所述图像采集设备包括视角可调的图像采集设备,所述获取所述目标图像采集设备的位置信息,根据所述位置信息,将距离所述目标图像采集设备预设距离内的图像采集设备作为跟踪图像采集设备的步骤包括:
根据所述位置信息,控制距离所述目标图像采集设备预设距离内的视角可调的图像采集设备偏转到所述目标人员行进方向概率最大的路径。
4.根据权利要求3所述的多视频关联方法,其特征在于,所述根据所述位置信息,控制距离所述目标图像采集设备预设距离内的视角可调的图像采集设备偏转到所述目标人员行进方向概率最大的路径的步骤包括:
将所述目标图像采集设备的位置信息发送到距离所述目标图像采集设备预设距离内的视角可调的图像采集设备,使得所述距离所述目标图像采集设备预设距离内的视角可调的图像采集设备根据所述位置信息偏转预设的角度。
5.根据权利要求1所述的多视频关联方法,其特征在于,所述监控处理设备预设有目标人员的人脸信息,所述方法的步骤还包括:
获取所述多个图像采集设备的采集的待分析图像;
根据所述目标人员的人脸信息判断所述待分析图像中是否存在所述目标人员;
将存在所述目标人员的待分析图像对应的图像采集设备作为目标图像采集设备,并获取所述目标人员的人体特征信息,所述人体特征信息包括性别、年龄、身高和着装信息。
6.一种多视频关联装置,其特征在于,应用于与多个图像采集设备通信的监控处理设备,所述监控处理设备预设有各图像采集设备视角范围内不同路径的人员流向概率,所述多视频关联装置包括目标确定模块、跟踪图像采集设备确定模块、图像获取模块;
所述目标确定模块用于将拍摄到预设目标人员的图像采集设备作为目标图像采集设备;
所述跟踪图像采集设备确定模块用于获取所述目标图像采集设备的位置信息,根据所述位置信息,将距离所述目标图像采集设备预设距离内的图像采集设备作为跟踪图像采集设备;
所述图像获取模块用于获取并显示所述目标图像采集设备及跟踪图像采集设备拍摄的监控图像;
概率计算模块用于根据包含有目标人员的待分析图像,识别出所述目标人员行进方向和所述不同路径的夹角;
根据所述人员流向概率以及对应的第一权值、所述不同路径的夹角以及路径夹角对应的第二权值,计算所述目标人员沿不同路径行进的概率;
目标路径视频获取模块用于将所述目标人员行进方向概率最大的路径作为目标路径,将视角在所述目标路径范围内的图像采集设备作为跟踪图像采集设备;
所述目标确定模块还用于根据所述目标人员的人体特征信息判断所述跟踪图像采集设备采集图像中是否存在所述目标人员,将存在所述目标人员的监控图像对应的图像采集设备作为新的目标图像采集设备,获取所述新的目标图像采集设备位置信息,将距离所述新的目标图像采集设备预设距离内的图像采集设备作为新的跟踪图像采集设备。
7.根据权利要求6所述的多视频关联装置,其特征在于,所述监控处理设备包括地图显示端,所述概率计算模块还用于:
将概率最大的路径在所述地图显示端中进行显示。
8.根据权利要求6所述的多视频关联装置,其特征在于,所述监控处理设备预设有目标人员的人脸信息,所述视频关联装置还包括识别模块和人体特征信息获取模块;
所述图像获取模块用于获取所述多个图像采集设备的采集的待分析图像;
所述识别模块用于根据所述目标人员的人脸信息判断所述待分析图像中是否存在所述目标人员;
所述人体特征信息获取模块用于将存在所述目标人员的待分析图像对应的图像采集设备作为目标图像采集设备,并获取所述目标人员的人体特征信息,所述人体特征信息包括性别、年龄、身高和着装信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811517606.7A CN111310524B (zh) | 2018-12-12 | 2018-12-12 | 多视频关联方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811517606.7A CN111310524B (zh) | 2018-12-12 | 2018-12-12 | 多视频关联方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111310524A CN111310524A (zh) | 2020-06-19 |
CN111310524B true CN111310524B (zh) | 2023-08-22 |
Family
ID=71161320
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811517606.7A Active CN111310524B (zh) | 2018-12-12 | 2018-12-12 | 多视频关联方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111310524B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111967306B (zh) * | 2020-07-02 | 2021-09-14 | 广东技术师范大学 | 目标远程监控方法、装置、计算机设备及存储介质 |
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 |
CN112541457B (zh) * | 2020-12-21 | 2021-10-26 | 重庆紫光华山智安科技有限公司 | 一种监控节点的搜索方法及相关装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101572804A (zh) * | 2009-03-30 | 2009-11-04 | 浙江大学 | 多摄像机智能控制方法及装置 |
WO2011102416A1 (ja) * | 2010-02-19 | 2011-08-25 | 株式会社 東芝 | 移動物体追跡システムおよび移動物体追跡方法 |
CN102831385A (zh) * | 2011-06-13 | 2012-12-19 | 索尼公司 | 多相机监控网络中的目标识别设备和方法 |
CN104021643A (zh) * | 2014-06-17 | 2014-09-03 | 北京化工大学 | 一种智能变向的应急疏散方法及系统 |
WO2014206656A1 (de) * | 2013-06-27 | 2014-12-31 | Bayerische Motoren Werke Aktiengesellschaft | Vorhersage des zukünftigen fahrpfades eines fahrzeugs |
CN105446342A (zh) * | 2016-01-04 | 2016-03-30 | 杭州亚美利嘉科技有限公司 | 用于机器人终端场地回流的方法和装置 |
CN107301657A (zh) * | 2017-06-12 | 2017-10-27 | 西安交通大学 | 一种考虑目标运动信息的视频目标跟踪方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130101159A1 (en) * | 2011-10-21 | 2013-04-25 | Qualcomm Incorporated | Image and video based pedestrian traffic estimation |
US9786177B2 (en) * | 2015-04-10 | 2017-10-10 | Honda Motor Co., Ltd. | Pedestrian path predictions |
-
2018
- 2018-12-12 CN CN201811517606.7A patent/CN111310524B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101572804A (zh) * | 2009-03-30 | 2009-11-04 | 浙江大学 | 多摄像机智能控制方法及装置 |
WO2011102416A1 (ja) * | 2010-02-19 | 2011-08-25 | 株式会社 東芝 | 移動物体追跡システムおよび移動物体追跡方法 |
CN102831385A (zh) * | 2011-06-13 | 2012-12-19 | 索尼公司 | 多相机监控网络中的目标识别设备和方法 |
WO2014206656A1 (de) * | 2013-06-27 | 2014-12-31 | Bayerische Motoren Werke Aktiengesellschaft | Vorhersage des zukünftigen fahrpfades eines fahrzeugs |
CN104021643A (zh) * | 2014-06-17 | 2014-09-03 | 北京化工大学 | 一种智能变向的应急疏散方法及系统 |
CN105446342A (zh) * | 2016-01-04 | 2016-03-30 | 杭州亚美利嘉科技有限公司 | 用于机器人终端场地回流的方法和装置 |
CN107301657A (zh) * | 2017-06-12 | 2017-10-27 | 西安交通大学 | 一种考虑目标运动信息的视频目标跟踪方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111310524A (zh) | 2020-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI459332B (zh) | 整合多攝影機影像的車輛追蹤方法及系統 | |
JP6696615B2 (ja) | 監視システム、監視方法、及び監視プログラムを記憶する記録媒体 | |
CN111310524B (zh) | 多视频关联方法及装置 | |
KR101727162B1 (ko) | 관제 서비스 제공 장치 및 그 방법 | |
JP6128468B2 (ja) | 人物追尾システム及び人物追尾方法 | |
US10949657B2 (en) | Person's behavior monitoring device and person's behavior monitoring system | |
CN112041848A (zh) | 人数统计和跟踪系统及方法 | |
EP4127773A1 (en) | Integrated camera and ultra- wideband location devices and related systems | |
JP6047910B2 (ja) | 監視装置及び監視センタ | |
JP5001808B2 (ja) | 犯罪防止装置及び犯罪防止プログラム | |
RU2268497C2 (ru) | Система и способ автоматизированного видеонаблюдения и распознавания объектов и ситуаций | |
CN113557713A (zh) | 情景感知监测 | |
JP2005011057A (ja) | 空間情報配信装置 | |
KR101579275B1 (ko) | 위험객체 위치추적을 통한 실시간 모니터링을 이용한 방범보안 시스템 | |
US8379056B2 (en) | Device and method for providing a video signal of a virtual image | |
US20210034927A1 (en) | Apparatus and method for person detection, tracking, and identification utilizing wireless signals and images | |
KR20160043864A (ko) | 실내위치인식기반 보안관리장치 및 방법 | |
CN113295168B (zh) | 一种基于人脸识别的签约用户导航方法及装置 | |
JP6435640B2 (ja) | 混雑度推定システム | |
CN116996760A (zh) | 视频数据的处理方法、装置、计算机可读介质及电子设备 | |
KR101844588B1 (ko) | 실내 측위를 이용한 영상 제공 장치 및 방법 | |
KR20170040056A (ko) | 등산 낙상 감지장치 | |
JP2019023939A (ja) | ウェアラブル端末 | |
CN112330917B (zh) | 火情点的定位的方法、装置和系统 | |
US11431910B2 (en) | System for controlling the zoom of a set of cameras and method of controlling a set of cameras |
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 |