CN111383265B - 一种设备点位的筛选方法、装置、电子设备及存储介质 - Google Patents
一种设备点位的筛选方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111383265B CN111383265B CN201911340502.8A CN201911340502A CN111383265B CN 111383265 B CN111383265 B CN 111383265B CN 201911340502 A CN201911340502 A CN 201911340502A CN 111383265 B CN111383265 B CN 111383265B
- Authority
- CN
- China
- Prior art keywords
- point
- triangle
- equipment
- thiessen polygon
- location
- 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
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000012216 screening Methods 0.000 title claims abstract description 55
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000012163 sequencing technique Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 11
- 238000010586 diagram Methods 0.000 description 17
- 238000004364 calculation method Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000012790 confirmation Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Geometry (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及公共安全技术领域，提供一种设备点位的筛选方法、装置、电子设备及存储介质，所述方法包括步骤：获取多个设备点位以构建点位三角网，所述点位三角网包括多个点位三角形；基于所述点位三角形的外接圆圆心构建与各设备点位对应的点位泰森多边形，所述点位泰森多边形内包括有唯一设备点位；获取案发点，查找所述案发点所在的点位泰森多边形，将所述案发点所在的点位泰森多边形内的所述唯一设备点位确定为所述案发点最近的目标设备点位。本发明能够降低计算量的同时，还提高了目标设备点位筛选的准确率。
Description
技术领域
本发明涉及公共安全技术领域，尤其涉及一种设备点位的筛选方法、装置、电子设备及存储介质。
背景技术
在公安应用实战中，当出现案发事件时警员会根据对场地的熟悉情况重点关注周边的摄像机，在视频中寻找嫌疑人或受害人的踪迹。对警员对周围环境的熟悉程度要求较高。现有技术中，会选择半径画圆找相关摄像机点位。半径画圆找点位的方式确实能较简单地找出一定距离范围的点位，但并非找到所有方向最近的点位，例如：案发地的摄像机点南面较多较近，而北面距离较远较稀疏，此时用半径画圆法当半径过小时北面较远的点位并未筛选到，过程中还需要计算对应的距离。可见，现有技术，计算量大、且无法实时、准确的获取到来自案发点各个方向距离最近的摄像机点位，存在计算量大、准确率低的问题。
发明内容
本发明实施例提供一种设备点位的筛选方法，能够解决现有技术中存在最近摄像头点位查找计算量大、准确率低的问题。
第一方面，本发明实施例提供一种设备点位的筛选方法，所述方法包括以下步骤：
获取多个设备点位以构建点位三角网，所述点位三角网包括多个点位三角形；
基于所述点位三角形的外接圆圆心构建与各设备点位对应的点位泰森多边形，所述点位泰森多边形内包括有唯一设备点位；
获取案发点，查找所述案发点所在的点位泰森多边形，将所述案发点所在的点位泰森多边形内的所述唯一设备点位确定为所述案发点最近的目标设备点位。
第二方面，本发明实施例还提供一种设备点位的筛选装置，包括：
获取模块，用于获取多个设备点位以构建点位三角网，所述点位三角网包括多个点位三角形；
构建模块，用于基于所述点位三角形的外接圆圆心构建与各设备点位对应的点位泰森多边形，所述点位泰森多边形内包括有唯一设备点位；
确认模块，用于获取案发点，查找所述案发点所在的点位泰森多边形，将所述案发点所在的点位泰森多边形内的所述唯一设备点位确定为所述案发点最近的目标设备点位。
第三方面，本发明实施例还提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述实施例提供的设备点位的筛选方法中的步骤。
第四方面，一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现所述实施例提供的设备点位的筛选方法中的步骤。
本发明实施例中，通过获取多个设备点位以构建点位三角网，所述点位三角网包括多个点位三角形；基于所述点位三角形的外接圆圆心构建与各设备点位对应的点位泰森多边形，所述点位泰森多边形内包括有唯一设备点位；获取案发点，查找所述案发点所在的点位泰森多边形，将所述案发点所在的点位泰森多边形内的所述唯一设备点位确定为所述案发点最近的目标设备点位。本发明实施例由于通过获取多个设备点位以构建点位三角网，基于点位三角网中的多个三角形的外接圆圆心构建对应的点位泰森多边形，在整个点位泰森多边形中查找到案发点所在的点位泰森多边形，结合点位泰森多边形内的任一点到构成该多边形的设备点位的距离小于到其他多边形设备点位的距离的特点，便可以找到其所在的点位泰森多边形中的唯一设备点位，而该唯一设备点位则表示与案发点最近的目标设备点位，这样，可以通过构建点位泰森多边形，找到距离案发点最近的目标设备点位，并且可以找到案发点的各个方向上距离最近的设备点位，降低了计算量的同时，还能够提高目标设备点位筛选的准确率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图。
图1a是本发明实施例提供的一种设备点位的筛选方法的流程图；
图1b是本发明实施例提供的构建点位泰森多边形的结构示意图；
图2是本发明实施例提供的另一种设备点位的筛选方法的流程图；
图3是本发明实施例提供的另一种设备点位的筛选方法的流程图；
图4是本发明实施例提供的另一种设备点位的筛选方法的流程图；
图5是本发明实施例提供的另一种设备点位的筛选方法的流程图；
图6是本发明实施例提供的一种设备点位的筛选装置的结构示意图；
图7是本发明实施例提供的另一种设备点位的筛选装置的结构示意图；
图8是本发明实施例提供的另一种设备点位的筛选装置的结构示意图；
图9是本发明实施例提供的另一种设备点位的筛选装置的结构示意图；
图10是本发明实施例提供的另一种设备点位的筛选装置的结构示意图；
图11是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本申请的说明书和权利要求书及附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
如图1a所示，图1a是本发明实施例提供的一种设备点位的筛选方法的流程图，该设备点位的筛选方法包括以下步骤：
101、获取多个设备点位以构建点位三角网，点位三角网包括多个点位三角形。
在本实施例中，设备点位的筛选方法运行于其上的电子设备可以通过有线连接方式或者无线连接方式获取干扰图片数据等。需要指出的是，无线连接方式可以包括但不限于3G/4G连接、WiFi(Wireless-Fidelity)连接、蓝牙连接、WiMAX(WorldwideInteroperability forMicrowaveAccess)连接、Zigbee(低功耗局域网协议，又称紫峰协议)连接、UWB(ultrawideband)连接、以及其他现在已知或将来开发的无线连接方式。
其中，设备点位可以是指多个具有抓拍存储等功能的图像采集设备设置的坐标位置，例如：摄像机点位等。上述的摄像机在一定区域范围内可以设置有多个摄像机，且可以设置在不同的区域，例如：在A小区中，在入口、小区内的公共区域以及该小区的边界各个区域分别设置一个或者多个摄像头，每个摄像头所在的坐标位置即上述的设备点位。在本发明实施例中，对设备点位的数量不作限定，可以根据所选择的区域进行确定。
上述的点位三角网(Delaunay，德洛内)是一系列相连的但不重叠的三角形的集合，而且这些Delaunay三角形的外接圆不包含这个面域的其他任何点。每个Delaunay三角形的外接圆不包含面内的其他任何点。上述的多个点位三角形即为上述的Delaunay三角形，Delaunay三角形通过多个设备点位构成，设备点位在Delaunay三角形中也可以称为离散点位。
可以从已构建的摄像机部署图中获取多个摄像机点位，将获取到的多个摄像机点位构建成由多个不交叉的三角形组成的Delaunay三角网，通过该Delaunay三角网可以得到各个摄像机点位之间在对应的区域的位置关系。
102、基于点位三角形的外接圆圆心构建与各设备点位对应的点位泰森多边形，点位泰森多边形内包括有唯一设备点位。
具体的，泰森多边形又叫冯洛诺伊图(Voronoi diagram)，它是一种空间分割算法。该空间分割算法是对连接两邻点线段做垂直平分线进行分割平面，多条垂直平分线组成的连续多边形即为泰森多边形。它的空间分割算法特性是一个泰森多边形内的任一点到构成该多边形的控制点的距离小于到其他多边形控制点的距离。
在本发明实施例中，点位泰森多边形可以是在多个摄像机点位形成三角网中，将多个点位三角形对应的外接圆圆心进行连接所形成的泰森多边形。在每个点位泰森多边形的内仅含有一个离散点位数据，也就是上述的唯一设备点位(唯一摄像机点位)。落入点位泰森多边形内的点(包括各种需要查找的设备或者物体等)到其所在的点位泰森多边形中的设备点位的距离最近，且位于点位泰森多边形边上的点到其两边的设备点位的距离相等。
通过上述点位泰森多边形，判断一个设备点位与其它哪些设备点位相邻时，可根据点位泰森多边形直接得出，且若点位泰森多边形是n边形，则就与n个离散点相邻；当某一数据点落入某一点位泰森多边形中时，它与相应的唯一设备点位最邻近，无需计算距离。
上述构建点位泰森多边形的过程具体可以参考图1b所示，图1b是本发明实施例提供的构建点位泰森多边形的结构示意图。其中，a、b、c分别代表设备点位，图中其余的离散点也表示设备点位，在本发明实施例中，具体以一个点位泰森多边形进行说明。采集到多个设备点位后，可以让一个设备点位为参考设备点位，根据角度判断法可以找到需要进行连接的三个设备点位，依次构建点位三角网。在该三角网中，会包括多个点位三角形，如图1b中，a、b、c三个设备点位构成的三角形即为一个点位三角形。构建好点位三角网后，可以找出每个点位三角形的圆心，图1b中O点即为a、b、c三个设备点位构成的点位三角形。找到每个点位三角形的圆心之后，以每个设备点位的相邻点位三角形为连接条件，连接相邻点位三角形的外接圆圆心，即得到上述的点位泰森多边形，如图1b中A即表示一个点位泰森多边形，其中的a设备点位即为上述的唯一设备点位。
103、获取案发点，查找案发点所在的点位泰森多边形，将案发点所在的点位泰森多边形内的唯一设备点位确定为案发点最近的目标设备点位。
其中，案发点可以是指发生事故的地点，例如：发生抢劫、偷盗、打架、拐骗、交通事故等的地点。当然，不一定只是发生事故的地点，具体的意义可以根据其应用环境确定。在构建好点位泰森多边形后，若是某个时段发生抢劫、偷盗、打架、拐骗、交通事故等中的至少一种情况或者其它情况时，则可以将案发点(案发现场的坐标位置)投射到该案发区域对应的点位泰森多边形中，从该点位泰森多边形中查找到上述案发点所在的点位泰森多边形，从而确定该案发点与所落入的点位泰森多边形中的唯一设备点位为目标设备点位，且目标设备点位与案发点之间的距离最近。在公安警员进行查找搜索嫌疑人或作案人等时，可以根据上述方式快速锁定最近的摄像头点位，加快查找速度，有效的获取到最快最有效的信息。
参考图1b所示，其中，点h可以表示上述案发点，将案发点h映射到已构建好的点位泰森多边形后，锁定案发点h位于点位泰森多边形A中，因此，可以快速定位最近的设备点位为a，并且还可以发现与案发点h的距离仅次于设备点位a的设备点位b与设备点位c。
本发明实施例中，通过获取多个设备点位以构建Delaunay三角网，Delaunay三角网包括多个点位三角形；基于点位三角形的外接圆圆心构建与各设备点位对应的点位泰森多边形，点位泰森多边形内包括有唯一设备点位；获取案发点，查找案发点所在的点位泰森多边形，将点位泰森多边形内的唯一设备点位确定为案发点最近的目标设备点位。本发明实施例由于通过获取多个设备点位以构建Delaunay三角网，基于Delaunay三角网中的多个三角形的外接圆圆心构建对应的点位泰森多边形，通过查找获取到的案发点所在的点位泰森多边形，结合点位泰森多边形内的任一点到构成该多边形的设备点位的距离小于到其他多边形设备点位的距离的特点，便可以找到其所在的点位泰森多边形中的唯一设备点位，而该唯一设备点位则表示与案发点最近的目标设备点位，这样，可以通过构建点位泰森多边形，找到距离案发点最近的目标设备点位，并且可以找到案发点的各个方向上距离最近的设备点位，降低了计算量的同时，还能够提高目标设备点位筛选的准确率。
如图2所示，图2是本发明实施例提供的另一种方法流程图，包括以下步骤：
201、获取案发区域界线内的所有设备点位，根据点位三角模型算法构建点位三角网。
其中，案发区域界线内可以表示案发点所在的管辖区域的边界，在该边界以内可以安装有多个摄像机。上述的点位三角模型算法可以是Lawson算法，Lawson算法表示Delaunay三角剖分(Delaunaytriangulation algorithm)，假设V是二维实数域上的有限点集，边e是由点集中的点作为端点构成的封闭线段，E为e的集合。那么该点集V的一个三角剖分T＝(V,E)是一个平面图G，该平面图除了端点，平面图中的边不包含点集中的任何点；没有相交边；平面图中所有的面都是三角面，且所有三角面的合集是散点集V的凸包。基于上述算法构建出Delaunay三角网，Delaunay三角网中包括一系列连续且不重叠的三角形。
202、对点位三角网中的所有设备点位及点位三角形进行编号，记录每个点位三角形所关联的多个设备点位。
其中，可以对所有的摄像机点位以及摄像机点位形成的点位三角形进行编号，编号可以用数字、字母或者文字等字符，例如：将摄像机点位用A、B、C、D、E、F、G编号，将点位三角形用1、2、3、4、5编号。上述记录每个点位三角形所关联的多个设备点位可以表示每个点位三角形分别由哪三个摄像机点位构成，例如：点位三角形1由A、B、C三个摄像机点位构成，点位三角形2由A、C、D三个摄像机点位构成。对所有设备点位及点位三角形进行编号可以有序的构建点位泰森多边形，加快构建速度。
203、基于点位三角形的外接圆圆心构建与各设备点位对应的点位泰森多边形，点位泰森多边形内包括有唯一设备点位。
具体的，上述泰森多边形基于数学原理角度分析具体如下:
设平面区域B上有一组离散点(Xi,Yj)(i＝1,2,3，…，k；j＝1,2,3，…，k，k为离散点点数)，若将区域B用一组直线段分成k个互相邻接的多边形，使得:
(1)每个多边形内含有且仅含有一个离散点；
(2)若区域B上任意一点(X1,Y1)位于含离散点(Xi,Yj)的多边形内，不等式
在i≠j时恒成立；
(3)若点(X1,Y1)位于含离散点(Xi,Yj)的两个多边形的公共边上，则等式
成立。
由上述方法得到的多边形叫泰森多边形。在本发明实施例中，上述的离散点(Xi,Yj)为设备点位(摄像机点位)，任意一点(X1,Y1)为案发点，k为设备点位的点数，区域B为与设备点位(Xi,Yj)所在区域的管辖范围。
204、查找案发点所在的点位泰森多边形，将案发点所在的点位泰森多边形内的唯一设备点位确定为案发点最近的目标设备点位。
在本发明实施例中，通过获取案发区域界线内的所有设备点位，根据Lawson算法构建Delaunay三角网，对Delaunay三角网中的所有设备点位及点位三角形进行编号，记录每个点位三角形所关联的多个设备点位，有利于加快点位泰森多边形的构建速度，让构建过程有序进行，避免混乱。基于编号后根据点位三角形的外接圆圆心构建与各设备点位对应的点位泰森多边形，查找案发点所在的点位泰森多边形，将点位泰森多边形内的唯一设备点位确定为案发点最近的目标设备点位。这样，可以通过构建点位泰森多边形，找到距离案发点最近的目标设备点位，并且可以找到案发点的各个方向上距离最近的设备点位，降低了计算量的同时，还能够提高目标设备点位筛选的准确率。
如图3所示，图3为本发明实施提供的另一种设备点位的筛选方法的流程图，具体包括以下步骤：
301、获取案发区域界线内的所有设备点位，根据点位三角模型算法构建点位三角网。
302、对点位三角网中的所有设备点位及点位三角形进行编号，记录每个点位三角形所关联的多个设备点位。
303、基于编号后的所有设备点位及点位三角形，查找具有公共设备点位的点位三角形，对查找到的点位三角形根据依次相邻关系进行有序排列，以得到点位三角形排序位。
其中，在经过步骤202对所有设备点位以及点位三角形进行编号后，只需要选取任意一个公共顶点，基于同一个方向(顺时针、逆时针)对与该公共顶点共点的三角形进行依次有序的排列，以得到点位三角形排序位。在点位三角形排序位中，可以明确谁与谁属于相邻三角形，例如：以a为公共顶点，共属于三个点位三角形的顶点，所构建的A点位三角形由a、b、c三点构成，若是根据字母的排列顺序进行编号，则可以知道与A点位三角形相邻的B点位三角形由a、c、d构成或者由a、d、e构成。
304、获取与每个设备点位共点的点位三角形的外接圆圆心。
上述获取与每个设备点位共点的点位三角形的外接圆圆心可以表示获取具有公共顶点，且依次相邻的点位三角形的外接圆圆心，例如：获取点位三角形A、B、C、D的外接圆圆心，其中，点位三角形A、B、C、D依次相邻，且公共顶点为a。
305、基于点位三角形排序位，将外接圆圆心依次连接，以得到与各设备点位对应的点位泰森多边形。
其中，将获取到的外接圆圆心依次连接可以避免出现交叉重复等情况，依次连接后形成一个封闭区域，该封闭区域包括n条边与n个摄像机点位，该封闭区域则为与n个摄像机点位对应的点位泰森多边形。
作为一种可行的实施例方式，对于三角网边缘的三角形形成点位泰森多边形时，可做三角形各边的垂直平分线与图廓(区域的边界)相交，与图廓一起构成泰森多边形。这样，有利于构建针对该区域更完整的点位泰森多边形，在案发点落在边缘区域时，同样可以找到对应的目标设备点位。
306、查找案发点所在的点位泰森多边形，将案发点所在的点位泰森多边形的唯一设备点位确定为案发点最近的目标设备点位。
可选的，上述步骤303包括：
任意选取一个设备点位，查找以设备点位为第一顶点的点位三角形。
其中，一个设备点位可以成为多个点位三角形的公共顶点，通过选取任意一个设备点位作为第一顶点，查找任意一个包括有该第一顶点的点位三角形。
根据点位三角形确定其余两个设备点位的编号，将其余两个设备点位依次作为第二顶点及第三顶点。
查找到该点位三角形后，可以确定该点位三角形的另外两个设备点位的编号，将找到的另外两个设备点位分别作为第二顶点及第三顶点，以第一顶点与第二顶点为第一条公共边、或以第一顶点与第三顶点为第一条公共边，查找与第一顶点、第二顶点及第三顶点构成的点位三角形共点的点位三角形，例如：第一顶点、第二顶点及第三顶点依次为e、f、g，得到的点位三角形为E，则以ef边为公共边查找包括ef边的其它点位三角形，该点位三角形与点位三角形E相邻；或者以eg边为公共边查找包括eg边的其它点位三角形，该点位三角形与点位三角形E相邻，且上述通过不同的公共边查找到的点位三角形可以是位于点位三角形E的两侧，也可以相邻。
若包含有第一顶点的点位三角形大于三个时，可以依次执行上述步骤，直到查找到包括第一顶点的所有的点位三角形，回到第一条公共边，其中，每个点位三角形均与三个其它点位三角形相邻。
对查找到的点位三角形依次进行有序排列，以得到点位三角形排序位。
其中，对查找到的所有的点位三角形进行排列，可以根据各个点位三角形相邻的关系依次排列例如：点位三角形A与点位三角形B相邻，点位三角形B与点位三角形C相邻，点位三角形C与点位三角形D相邻，点位三角形D与点位三角形E相邻，点位三角形E与点位三角形A相邻，也可以得出某个离散顶点共属于五个点位三角形的公共顶点。
可选的，上述步骤304包括：
查找与每个设备点位共点的点位三角形的三条边的中点。
其中，上述查找点位三角形的三条边中点可以根据两个设备点位的坐标位置，计算两个坐标位置之间的坐标距离，取坐标距离的中间值所在位置为中点。当然，还可以根据其他方式获取，例如通过所在的点位三角形结合余弦定理等方式获取中点。在本发明实施例中，对查找中点的方式不做限定。
基于三条边的中点做垂直平分线，确定三条垂直平分线的交点，交点为点位三角形对应的外接圆圆心。
查找到每条边的中点后，可以基于该中点做每条边的垂直平分线，将三条垂直平分线延伸会出现一个交点，该交点则为该点位三角形赌赢的外接圆圆心。上述的交点可以位于该点位三角形内部，也可以位于该点位三角形的边上，或者位于该点为三角形的外部。
在本发明实施例中，以某个设备点位作为公共设备点位，查找具有公共设备点位的点位三角形，对查找到的点位三角形根据依次相邻关系进行有序排列，以得到点位三角形排序位；获取与每个设备点位共点的点位三角形的外接圆圆心；基于点位三角形排序位，将外接圆圆心依次连接，以得到与各设备点位对应的点位泰森多边形；将获取到的案发点的坐标信息映射到已构建的点位泰森多边形中，查找案发点所在的点位泰森多边形，将点位泰森多边形内的唯一设备点位确定为案发点最近的目标设备点位。这样，将各个点位三角形进行排序，确定彼此之间的关系后，有利于构建对应的点位泰森多边形，找到距离案发点最近的目标设备点位，以及在案发点各个方向上距离最近的设备点位，有利于提高目标设备点位筛选的准确率。
如图4所示，图4为本发明实施提供的另一种设备点位的筛选方法的流程图，具体包括以下步骤：
401、获取多个设备点位以构建点位三角网，点位三角网包括多个点位三角形。
402、基于点位三角形的外接圆圆心构建与各设备点位对应的点位泰森多边形，点位泰森多边形内包括有唯一设备点位。
403、获取案发点的坐标信息，将案发点的坐标信息投射到点位泰森多边形中，确认案发点所在的点位泰森多边形。
其中，上述的坐标信息可以表示案发点的具体位置，具体位置可以通过视频或者人工提供。得到案发点的坐标信息后，可以将坐标信息投射到已经构建好的点位泰森多边形中。因为点位泰森多边形是根据整个案发区域构建的，因此上述的案发点的坐标信息可以映射到点位泰森多边形中，且具有唯一位置。
404、提取案发点所在的点位泰森多边形中的唯一设备点位作为与案发点最近的目标设备点位。
其中，锁定所在的点位泰森多边形之后，该点位泰森多边形中的唯一设备点位则为距离案发点最近的摄像头点位，即上述的目标设备点位，此过程无需计算距离，有利于较少计算量。在警员想要尽快地获取到有用的数据时，可以优先锁定上述目标设备点位，有利于警员快速获取数据。
本发明实施例中，通过获取多个设备点位以构建Delaunay三角网，基于点位三角形的外接圆圆心构建与各设备点位对应的点位泰森多边形，点位泰森多边形内包括有唯一设备点位，将案发点的坐标信息投射到点位泰森多边形中，根据所在的点位泰森多边形，提取案发点所在的点位泰森多边形的唯一设备点位作为该案发点的目标设备点位。这样，可以通过构建点位泰森多边形，找到距离案发点最近的摄像机点位，并且可以找到案发点的各个方向上距离最近的设备点位，降低了计算量的同时，还能够提高目标设备点位筛选的准确率。
如图5所示，图5为本发明实施提供的另一种设备点位的筛选方法的流程图，具体包括以下步骤：
501、获取多个设备点位以构建点位三角网，点位三角网包括多个点位三角形。
502、基于点位三角形的外接圆圆心构建与各设备点位对应的点位泰森多边形，点位泰森多边形内包括有唯一设备点位。
503、获取案发点，查找案发点所在的点位泰森多边形，将案发点所在的点位泰森多边形内的唯一设备点位确定为案发点最近的目标设备点位。
504、查找与唯一设备点位相邻连接的设备点位，将相邻连接的设备点位确认为次要目标设备点位。
其中，将案发点投射到点位泰森多边形中，确定案发点所在的点位泰森多边形后，可以找到与所在的点位泰森多边形存在公共边的点位泰森多边形，这些点位泰森多边形内的设备点位即为与案发点在各个方向上的次要目标设备点位，这些次要目标设备点位即为与目标设备点位在各方向形成的最小包围圈。若在目标设备点位没有获取到想要的信息，可以优先从次要目标设备点位的各个摄像头进行再次获取。当然，还可以基于案发点一次向外延伸，从多层包围圈中的摄像头中获取信息。
本发明实施例中，通过获取多个设备点位以构建Delaunay三角网，基于点位三角形的外接圆圆心构建与各设备点位对应的点位泰森多边形，点位泰森多边形内包括有唯一设备点位，将案发点投射到点位泰森多边形中，根据所在的点位泰森多边形，延伸到与唯一设备点位相邻连接的设备点位，将相邻连接的设备点位确认为次要目标设备点位。这样，可以通过构建点位泰森多边形，找到距离案发点最近的摄像机点位，从最近的摄像机点位获取不到信息时，还可以从案发点的各个方向上距离最近的次要目标设备点位获取，降低了计算量的同时，还能够提高目标设备点位筛选的准确率。
如图6所示，图6是本发明实施例提供的一种设备点位的筛选装置的结构示意图，设备点位的筛选装置600包括：
第一构建模块601，用于获取多个设备点位以构建点位三角网，点位三角网包括多个点位三角形。
第二构建模块602，用于基于点位三角形的外接圆圆心构建与各设备点位对应的点位泰森多边形，点位泰森多边形内包括有唯一设备点位。
确认模块603，用于获取案发点，查找案发点所在的点位泰森多边形，将点位泰森多边形内的唯一设备点位确定为案发点最近的目标设备点位。
可选的，如图7所示，图7是本发明实施例提供的另一种设备点位的筛选装置的结构示意图，第一构建模块601包括：
第一获取单元6011，用于获取案发区域界线内的所有设备点位，根据点位三角模型算法构建点位三角网；
编辑单元6012，用于对点位三角网中的所有设备点位及点位三角形进行编号，记录每个点位三角形所关联的多个设备点位。
可选的，如图8所示，图8是本发明实施例提供的另一种设备点位的筛选装置的结构示意图，第二构建模块602包括：
排序单元6021，用于基于编号后的所有设备点位及点位三角形，查找具有公共设备点位的点位三角形，对查找到的点位三角形根据依次相邻关系进行有序排列，以得到点位三角形排序位；
第二获取单元6022，用于获取与每个设备点位共点的点位三角形的外接圆圆心；
构建单元6023，用于基于点位三角形排序位，将外接圆圆心依次连接，以得到与各设备点位对应的点位泰森多边形。
可选的，如图9所示，图9是本发明实施例提供的另一种设备点位的筛选装置的结构示意图，上述排序单元6021包括：
选取子单元60211，用于获任意选取一个设备点位，查找以设备点位为第一顶点的点位三角形；
编辑子单元60212，用于根据点位三角形确定其余两个设备点位的编号，将其余两个设备点位依次作为第二顶点及第三顶点；
查找子单元60213，用于以第一顶点与第二顶点为第一条公共边、或以第一顶点与第三顶点为第一条公共边，查找与第一顶点、第二顶点及第三顶点构成的点位三角形共点的点位三角形，重复执行，直到回到第一条公共边；
排序子单元60214，用于对查找到的相邻的点位三角形依次进行有序排列，以得到点位三角形排序位。
可选的，上述查找子单元60213还用于查找与每个设备点位共点的点位三角形的三条边的中点；
上述编辑子单元60212还用于基于三条边的中点做垂直平分线，确定三条垂直平分线的交点，交点为点位三角形对应的外接圆圆心。
可选的，如图10所示，图10是本发明实施例提供的另一种设备点位的筛选装置的结构示意图，上述确认模块603包括:
第三获取单元6031，用于获取案发点的坐标信息，将案发点的坐标信息投射到点位泰森多边形中，确认案发点所在的点位泰森多边形；
选取单元6032，用于提取案发点所在的点位泰森多边形中的唯一设备点位作为与案发点最近的目标设备点位。
可选的，上述确认模块603还用于查找与唯一设备点位相邻连接的设备点位，将相邻连接的设备点位确认为次要目标设备点位。
本发明实施例提供的设备点位的筛选装置能够实现上述方法实施例中设备点位的筛选方法实现的各个过程且可以达到相同的有益效果，为避免重复，这里不再赘述。
如图11所示，图11是本发明实施例提供的一种电子设备的结构示意图，该电子设备1100包括：存储器1102、处理器1101、网络接口1103及存储在存储器1102上并可在处理器1101上运行的计算机程序，处理器1101执行计算机程序时实现实施例提供的设备点位的筛选方法中的步骤。
具体的，处理器1101用于执行以下步骤：
获取多个设备点位以构建点位三角网，点位三角网包括多个点位三角形；
基于点位三角形的外接圆圆心构建与各设备点位对应的点位泰森多边形，点位泰森多边形内包括有唯一设备点位；
获取案发点，查找案发点所在的点位泰森多边形，将案发点所在的点位泰森多边形内的唯一设备点位确定为案发点最近的目标设备点位。
可选的，处理器1101执行的获取多个设备点位以构建点位三角网的步骤包括：
获取案发区域界线内的所有设备点位，点位三角模型算法构建点位三角网；
对点位三角网中的所有设备点位及点位三角形进行编号，记录每个点位三角形所关联的多个设备点位。
可选的，处理器1101执行的基于点位三角形的外接圆圆心构建与各设备点位对应的泰森多边形的步骤包括：
基于编号后的所有设备点位及点位三角形，查找具有公共设备点位的点位三角形，对查找到的点位三角形根据依次相邻关系进行有序排列，以得到点位三角形排序位；
获取与每个设备点位共点的点位三角形的外接圆圆心；
基于点位三角形排序位，将外接圆圆心依次连接，以得到与各设备点位对应的点位泰森多边形。
可选的，处理器1101执行的查找具有公共设备点位的点位三角形，对查找到的点位三角形根据依次相邻关系进行有序排列的步骤包括：
任意选取一个设备点位，查找以设备点位为第一顶点的点位三角形；
根据点位三角形确定其余两个设备点位的编号，将其余两个设备点位依次作为第二顶点及第三顶点；
以第一顶点与第二顶点为第一条公共边、或以第一顶点与第三顶点为第一条公共边，查找与第一顶点、第二顶点及第三顶点构成的点位三角形共点的点位三角形，重复执行，直到回到第一条公共边；
对查找到的点位三角形依次进行有序排列，以得到点位三角形排序位。
可选的，处理器1101执行的获取与每个设备点位共点的点位三角形的外接圆圆心的步骤包括：
查找与每个设备点位共点的点位三角形的三条边的中点；
基于三条边的中点做垂直平分线，确定三条垂直平分线的交点，交点为点位三角形对应的外接圆圆心。
可选的，处理器1101执行的获取案发点，查找案发点所在的点位泰森多边形，将案发点所在的点位泰森多边形内的唯一设备点位确定为案发点最近的目标设备点位的步骤包括:
获取案发点的坐标信息，将案发点的坐标信息投射到点位泰森多边形中，确认案发点所在的点位泰森多边形；
提取案发点所在的点位泰森多边形中的唯一设备点位作为与案发点最近的目标设备点位。
可选的，处理器1101还用于执行查找与唯一设备点位相邻连接的设备点位，将相邻连接的设备点位确认为次要目标设备点位。
本发明实施例提供的电子设备1100能够实现设备点位的筛选方法实施例中的各个实施方式，以及相应有益效果，为避免重复，这里不再赘述。
需要指出的是，图中仅示出了具有组件的1101-1103，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的电子设备1100是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable GateArray，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。
电子设备1100可以是桌上型计算机、笔记本及掌上电脑等计算设备。电子设备1100可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
存储器1102至少包括一种类型的可读存储介质，可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，存储器1102可以是电子设备1100的内部存储单元，例如该电子设备1100的硬盘或内存。在另一些实施例中，存储器1102也可以是电子设备1100的外部存储设备，例如该电子设备1100上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。当然，存储器1102还可以既包括电子设备1100的内部存储单元也包括其外部存储设备。本实施例中，存储器1102通常用于存储安装于电子设备1100的操作系统和各类应用软件，例如设备点位的筛选方法的程序代码等。此外，存储器1102还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器1101在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器1101通常用于控制电子设备1100的总体操作。本实施例中，处理器1101用于运行存储器1102中存储的程序代码或者处理数据，例如运行设备点位的筛选方法的程序代码。
网络接口1103可包括无线网络接口或有线网络接口，该网络接口1103通常用于在电子设备1100与其他电子设备之间建立通信连接。
本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器1101执行时实现实施例提供的设备点位的筛选方法中的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
本领域普通技术人员可以理解实现实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如各方法的实施例的流程。其中，存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存取存储器1002(RandomAccess Memory，简称RAM)等。
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。
Claims (9)
1.一种设备点位的筛选方法，其特征在于，包括以下步骤：
获取多个设备点位以构建点位三角网，所述点位三角网包括多个点位三角形，所述设备点位为摄像机点位；
基于所述点位三角形的外接圆圆心构建与各设备点位对应的点位泰森多边形，所述点位泰森多边形内包括有唯一设备点位；
获取事发点，查找所述事发点所在的点位泰森多边形，将所述事发点所在的点位泰森多边形内的所述唯一设备点位确定为所述事发点最近的目标设备点位；
查找与所述唯一设备点位相邻连接的设备点位，将所述相邻连接的设备点位确认为次要目标设备点位，所述次要目标设备点位为与目标设备点位在各方向形成的最小包围圈；
若在目标设备点位没有获取到想要的信息，则从次要目标设备点位的各个摄像头进行再次获取。
2.如权利要求1所述的设备点位的筛选方法，其特征在于，所述获取多个设备点位以构建点位三角网的步骤包括：
获取事发区域界线内的所有设备点位，根据点位三角模型算法构建所述点位三角网；
对所述点位三角网中的所有设备点位及点位三角形进行编号，记录每个所述点位三角形所关联的多个所述设备点位。
3.如权利要求2所述的设备点位的筛选方法，其特征在于，所述基于所述点位三角形的外接圆圆心构建与各设备点位对应的泰森多边形的步骤包括：
基于编号后的所有设备点位及点位三角形，查找具有公共设备点位的点位三角形，对查找到的所述点位三角形根据依次相邻关系进行有序排列，以得到点位三角形排序位；
获取与每个设备点位共点的点位三角形的外接圆圆心；
基于所述点位三角形排序位，将所述外接圆圆心依次连接，以得到所述与各设备点位对应的点位泰森多边形。
4.如权利要求3所述的设备点位的筛选方法，其特征在于，所述查找具有公共设备点位的点位三角形，对查找到的所述点位三角形根据依次相邻关系进行有序排列的步骤包括：
任意选取一个设备点位，查找以所述设备点位为第一顶点的点位三角形；
根据所述点位三角形确定其余两个设备点位的编号，将所述其余两个设备点位依次作为第二顶点及第三顶点；
以所述第一顶点与所述第二顶点为第一条公共边、或以所述第一顶点与所述第三顶点为第一条公共边，查找与所述第一顶点、第二顶点及第三顶点构成的点位三角形共点的点位三角形，重复执行，直到回到所述第一条公共边；
对查找到的所述点位三角形依次进行有序排列，以得到点位三角形排序位。
5.如权利要求3所述的设备点位的筛选方法，其特征在于，所述获取所述与每个设备点位共点的点位三角形的外接圆圆心的步骤包括：
查找所述与每个设备点位共点的点位三角形的三条边的中点；
基于所述三条边的中点做垂直平分线，确定所述三条垂直平分线的交点，所述交点为所述点位三角形对应的外接圆圆心。
6.如权利要求1所述的设备点位的筛选方法，其特征在于，所述获取事发点，查找所述事发点所在的点位泰森多边形，将所述事发点所在的点位泰森多边形内的所述唯一设备点位确定为所述事发点最近的目标设备点位的步骤包括:
获取所述事发点的坐标信息，将所述事发点的坐标信息投射到所述点位泰森多边形中，确认所述事发点所在的点位泰森多边形；
提取所述事发点所在的点位泰森多边形中的唯一设备点位作为与所述事发点最近的目标设备点位。
7.一种设备点位的筛选装置，其特征在于，包括：
第一构建模块，用于获取多个设备点位以构建点位三角网，所述点位三角网包括多个点位三角形，所述设备点位为摄像机点位；
第二构建模块，用于基于所述点位三角形的外接圆圆心构建与各设备点位对应的点位泰森多边形，所述点位泰森多边形内包括有唯一设备点位；
确认模块，用于获取事发点，查找所述事发点所在的点位泰森多边形，将所述事发点所在的点位泰森多边形内的所述唯一设备点位确定为所述事发点最近的目标设备点位；确认模块还用于查找与所述唯一设备点位相邻连接的设备点位，将所述相邻连接的设备点位确认为次要目标设备点位，所述次要目标设备点位为与目标设备点位在各方向形成的最小包围圈；若在目标设备点位没有获取到想要的信息，则从次要目标设备点位的各个摄像头进行再次获取。
8.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述的设备点位的筛选方法中的步骤。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的设备点位的筛选方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911340502.8A CN111383265B (zh) | 2019-12-23 | 2019-12-23 | 一种设备点位的筛选方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911340502.8A CN111383265B (zh) | 2019-12-23 | 2019-12-23 | 一种设备点位的筛选方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111383265A CN111383265A (zh) | 2020-07-07 |
| CN111383265B true CN111383265B (zh) | 2024-01-05 |
Family
ID=71218500
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911340502.8A Active CN111383265B (zh) | 2019-12-23 | 2019-12-23 | 一种设备点位的筛选方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111383265B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112402973B (zh) * | 2020-11-18 | 2022-11-04 | 芯勍(上海)智能化科技股份有限公司 | 模型细节判断方法、终端设备及计算机可读存储介质 |
| CN113361854B (zh) * | 2021-04-28 | 2022-10-21 | 上海工程技术大学 | 一种基于泰森多边形的事故多发点鉴别方法及其应用 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101203015A (zh) * | 2006-12-14 | 2008-06-18 | 北京亿阳信通软件研究院有限公司 | 基站无线场强覆盖区域范围确定方法和装置 |
| CN105338537A (zh) * | 2015-11-16 | 2016-02-17 | 广州杰赛科技股份有限公司 | 一种新增基站站址共享分析的方法及终端 |
| CN106643783A (zh) * | 2016-12-28 | 2017-05-10 | 国网天津市电力公司东丽供电分公司 | 基于最短路径泰森多边形的电动汽车充电站搜索方法 |
| CN107423361A (zh) * | 2017-06-19 | 2017-12-01 | 广东中冶地理信息股份有限公司 | 一种最临近服务点的搜索方法 |
| CN110243339A (zh) * | 2019-06-25 | 2019-09-17 | 重庆紫光华山智安科技有限公司 | 一种单目摄像头定位方法、装置、可读存储介质及电子终端 |
-
2019
- 2019-12-23 CN CN201911340502.8A patent/CN111383265B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101203015A (zh) * | 2006-12-14 | 2008-06-18 | 北京亿阳信通软件研究院有限公司 | 基站无线场强覆盖区域范围确定方法和装置 |
| CN105338537A (zh) * | 2015-11-16 | 2016-02-17 | 广州杰赛科技股份有限公司 | 一种新增基站站址共享分析的方法及终端 |
| CN106643783A (zh) * | 2016-12-28 | 2017-05-10 | 国网天津市电力公司东丽供电分公司 | 基于最短路径泰森多边形的电动汽车充电站搜索方法 |
| CN107423361A (zh) * | 2017-06-19 | 2017-12-01 | 广东中冶地理信息股份有限公司 | 一种最临近服务点的搜索方法 |
| CN110243339A (zh) * | 2019-06-25 | 2019-09-17 | 重庆紫光华山智安科技有限公司 | 一种单目摄像头定位方法、装置、可读存储介质及电子终端 |
Non-Patent Citations (1)
| Title |
|---|
| 邹强 ; 张晓华 ; 姚玉刚 ; 丁黄达 ; 朱燕玲 ; .泰森多边形在环境空气监测网络布设中的应用.干旱环境监测.2014,(第01期),全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111383265A (zh) | 2020-07-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108256404B (zh) | 行人检测方法和装置 | |
| Raneri | Enhancing forensic investigation through the use of modern three-dimensional (3D) imaging technologies for crime scene reconstruction | |
| CN107833280B (zh) | 一种基于地理网格与图像识别相结合的户外移动增强现实方法 | |
| US10043097B2 (en) | Image abstraction system | |
| Sun et al. | CG-Net: Conditional GIS-aware network for individual building segmentation in VHR SAR images | |
| CN108009466B (zh) | 行人检测方法和装置 | |
| CN111383265B (zh) | 一种设备点位的筛选方法、装置、电子设备及存储介质 | |
| CN109815813A (zh) | 图像处理方法及相关产品 | |
| US11341183B2 (en) | Apparatus and method for searching for building based on image and method of constructing building search database for image-based building search | |
| Brejcha et al. | GeoPose3K: Mountain landscape dataset for camera pose estimation in outdoor environments | |
| CN108182218A (zh) | 一种基于地理信息系统的视频人物识别方法、系统及电子设备 | |
| CN112668461A (zh) | 一种具有野生动物识别的智能监管系统 | |
| CN111899279A (zh) | 一种目标对象的运动速度检测方法及装置 | |
| CN109829380B (zh) | 一种狗脸特征点的检测方法、装置、系统及存储介质 | |
| CN113536997B (zh) | 基于图像识别和行为分析的智能安防系统及方法 | |
| CN111125290A (zh) | 一种基于河长制的智能巡河方法、装置及存储介质 | |
| Supernant et al. | Mapping social cohesion in Prince Rupert Harbour, BC: A social application of GIS to the archaeology of the Northwest Coast | |
| CN111259702B (zh) | 一种用户兴趣的估计方法及装置 | |
| CN114943809A (zh) | 一种地图模型的生成方法、装置及存储介质 | |
| CN113127585A (zh) | 一种地址选取的推荐方法、装置、电子设备及存储介质 | |
| Sayed et al. | Point clouds reduction model based on 3D feature extraction | |
| Luo et al. | Complete trajectory extraction for moving targets in traffic scenes that considers multi-level semantic features | |
| CN109241825B (zh) | 用于人群计数的数据集生成的方法及装置 | |
| CN109448287B (zh) | 一种安全监控方法、装置、可读存储介质及终端设备 | |
| Meng et al. | Precise determination of mini railway track with ground based laser scanning |
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 |