CN111488835B - 一种同行人员的识别方法及装置 - Google Patents

一种同行人员的识别方法及装置 Download PDF

Info

Publication number
CN111488835B
CN111488835B CN202010284698.XA CN202010284698A CN111488835B CN 111488835 B CN111488835 B CN 111488835B CN 202010284698 A CN202010284698 A CN 202010284698A CN 111488835 B CN111488835 B CN 111488835B
Authority
CN
China
Prior art keywords
person
personnel
world coordinate
preset
processed
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
Application number
CN202010284698.XA
Other languages
English (en)
Other versions
CN111488835A (zh
Inventor
朱强
翁仁亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Aibee Technology Co Ltd
Original Assignee
Beijing Aibee Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Aibee Technology Co Ltd filed Critical Beijing Aibee Technology Co Ltd
Priority to CN202010284698.XA priority Critical patent/CN111488835B/zh
Publication of CN111488835A publication Critical patent/CN111488835A/zh
Application granted granted Critical
Publication of CN111488835B publication Critical patent/CN111488835B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/40Scenes; Scene-specific elements in video content
    • G06V20/41Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/50Context or environment of the image
    • G06V20/52Surveillance or monitoring of activities, e.g. for recognising suspicious objects

Abstract

本申请提供了同行人员的识别方法及装置,其中,方法包括:获得待处理场景区域中每个人员的世界坐标运行轨迹;确定每个人员的世界坐标运行轨迹中满足预设条件的人员为同行人员;预设条件包括:在预设时长内被检测到世界坐标位置属于相同划分区域的次数大于预设次数;划分区域是通过对待处理场景区域在世界坐标系下的坐标图进行划分得到;其中,划分区域中每个划分区域的范围均小于预设范围。本申请可以快速准确地确定出待处理场景下的同行人员。

Description

一种同行人员的识别方法及装置
技术领域
本申请涉及视频处理领域,尤其涉及一种同行人员的识别方法及装置。
背景技术
在某些场景下,需要能够确定出在该场景下哪些人属于同行人员。
例如,在机场等场景下,需要确定某一旅客的同行人员。目前,主要是依靠获取机场中人员的相关信息(例如,姓名、单位、居住地和所乘坐飞机的航班号等)来判断与该旅客同行的人员,但是,在较短时间内无法获取该机场中人员的相关信息,为快速确定出同行人员的工作增加了难度,所以目前急需一种快速准确确定出同行人员的方案。
发明内容
本申请提供了一种同行人员的识别方法及装置,目的在于提供一种快速准确识别出同行人员的方案。
为了实现上述目的,本申请提供了以下技术方案:+
本申请提供了一种同行人员的识别方法,包括:
获得待处理场景区域中每个人员的世界坐标运行轨迹;
确定所述每个人员的世界坐标运行轨迹中满足预设条件的人员为同行人员;所述预设条件包括:在预设时长内被检测到世界坐标位置属于相同划分区域的次数大于预设次数;所述划分区域是通过对所述待处理场景区域在世界坐标系下的坐标图进行划分得到;其中,所述划分区域中每个划分区域的范围均小于预设范围。
可选的,所述确定所述每个人员的世界坐标运行轨迹中满足预设条件的人员为同行人员,包括:
依据所述每个人员的世界坐标运行轨迹,分别确定各个人员在预设时长中的各个待检测时刻所处的划分区域;
依据所述各个人员在所述各个待检测时刻所处的划分区域,确定所述待处理场景下的同行人员。
可选的,所述依据所述各个人员在所述各个待检测时刻所处的划分区域,确定所述待处理场景下的同行人员,包括:
分别将每个人员作为目标人员执行以下处理流程:
根据其他各个人员在所述各个待检测时刻所处的划分区域,分别确定每个待检测时刻与所述目标人员的划分区域相同的人员,得到所述目标人员在所述各个待检测时刻下的备选人员集合;
从所述目标人员在所述各个待检测时刻下的备选人员集合中,确定所述目标人员的同行人员;所述同行人员为存在于大于预设个数个备选人员集合中的人员;所述预设个数的大小与所述预设次数的大小相同。
可选的,所述确定所述每个人员的世界坐标运行轨迹中满足预设条件的人员为同行人员,包括:
依据每个人员的世界坐标运行轨迹,分别确定每个所述划分区域在预设时长中的各个待检测时刻下出现的人员,得到所有划分区域在所述各个待检测时刻下的人员集合;
依据所有划分区域在所述各个待检测时刻下的人员集合,确定所述待处理场景下的同行人员。
可选的,所述依据所有划分区域在所述各个待检测时刻下的人员集合,确定所述待处理场景下的同行人员,包括:
从所有划分区域在所述各个待检测时刻下的人员集合中,确定存在于大于预设个数个人员集合中的人员为所述待处理场景下的同行人员;所述预设个数的大小与所述预设次数的大小相同。
可选的,所述划分区域的大小都相同。
可选的,所述获得待处理场景区域中每个人员的世界坐标运行轨迹,包括:
确定所述待处理场景区域的监控视频中每个人员的运行轨迹,得到每个人员的视频运行轨迹;
将所述每个人员的视频运行轨迹中的位置,转换为世界坐标系下的位置,得到每个人员的世界坐标运行轨迹。
本申请还提供了一种同行人员的识别装置,包括:
获取模块,用于获得待处理场景区域中每个人员的世界坐标运行轨迹;
确定模块,用于确定所述每个人员的世界坐标运行轨迹中满足预设条件的人员为同行人员;所述预设条件包括:在预设时长内被检测到世界坐标位置属于相同划分区域的次数大于预设次数;所述划分区域是通过对所述待处理场景区域在世界坐标系下的坐标图进行划分得到;其中,所述划分区域中每个划分区域的范围均小于预设范围。
本申请还提供了一种存储介质,所述存储介质包括存储的程序,其中,所述程序执行上述任一所述的同行人员的识别方法。
本申请还提供了一种设备,所述设备包括至少一个处理器、以及与所述处理器连接的至少一个存储器、总线;其中,所述处理器、所述存储器通过所述总线完成相互间的通信;所述处理器用于调用所述存储器中的程序指令,以执行上述任一所述的同行人员的识别方法。
本申请所述的同行人员的识别方法及装置中,获得待处理场景区域中每个人员的世界坐标运行轨迹。其中,任一人员的世界坐标运行轨迹反映了该人员在真实的待处理场景下的运行轨迹。
一方面,在本申请中确定每个人员的世界坐标运行轨迹中满足预设条件的人员为同行人员,其中,预设条件包括:在预设时长内被检测到的世界坐标位置属于相同划分区域的次数大于预设次数。由于本申请中每个划分区域的范围均小于预设范围,因此,在满足预设条件中被检测到的世界坐标位置属于相同划分区域的人员,是距离较近的人员;由于本申请中的预设条件还限定了预设时长内检测到该距离较近的人员的次数大于预设次数,从而,保证了本申请识别出的同行人员的准确性。
另一方面,本申请识别同行人员的方案中无需待处理场景下的人员的相关信息,只需针对待处理场景区域中每个人员的世界坐标运行轨迹,采用本申请的方案确定出待处理场景下的同行人员,从而,保证快速确定出同行人员。
综上所述,本申请提供的同行人员的识别方案,无需待处理场景下的人员的信息,并且可以准确地识别出同行人员,因此,本申请可以快速准确地识别出同行人员。
附图说明
为了更清楚地说明本申请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申请的一些实施例,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1为申请实施例公开的一种同行人员的识别方法的流程图;
图2为本申请实施例公开的又一种同行人员的识别方法的流程图;
图3为本申请实施例公开的又一种同行人员的识别方法的流程图;
图4为本申请实施例公开的一种同行人员的识别装置的结构示意图;
图5为本申请实施例公开的一种设备的结构示意图。
具体实施方式
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,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做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。
图1为本申请实施例提供的一种同行人员的识别方法,包括以下步骤:
S101、获得待处理场景区域中每个人员的世界坐标运行轨迹。
在本实施例中,待处理场景区域可以根据实际情况确定,例如,实际中需要识别商场人流中的同行人员,则待处理场景为商场,待处理场景区域为商场所在区域。还例如,实际中需要识别机场人流中的同行人员,则待处理场景为机场,待处理场景区域为机场所在的区域。本实施例不对待处理场景的具体内容作限定。
在本步骤中,每个人员的世界坐标运行轨迹指每个人员在真实的待处理场景区域中的运行轨迹。
在本步骤中,获得待处理场景区域中每个人员的世界坐标运行轨迹的方式可以包括以下步骤A1~A2:
A1、确定待处理场景区域的监控视频中每个人员的运行轨迹,得到每个人员的视频运行轨迹。
在实际中,待处理场景区域都安装有摄像头,形成待处理场景区域的监控视频,在本步骤中,确定待处理场景区域的监控视频中每个人员的运行轨迹。其中,确定待处理场景区域的监控视频中任意一个人员的运行轨迹的过程为现有技术,这里不再赘述。为了描述方便,在本实施例中,将确定出待处理场景区域的监控视频中任意一个人员的运行轨迹,称为该人员的视频运行轨迹。其中,任意一个人员的视频运行轨迹为该人员在监控视频中的位置与运行时刻间的对应关系。
A2、将每个人员的视频运行轨迹中的位置,转换为世界坐标系下的位置,得到每个人员的世界坐标运行轨迹。
在本实施例中,由于确定出的任意一个人员的视频运行轨迹中的位置表示该人员在待处理场景区域的视频中的位置,该位置并不是该人员在真实的待处理场景区域中的位置。在本步骤中,将每个人员的视频运行轨迹中的位置,转换为世界坐标系下的位置,得到每个人员的世界坐标运行轨迹。
在本步骤中,以任意一个人员的视频运行轨迹为例,介绍将该人员的视频运行轨迹中的位置,转换为世界坐标系下的位置的过程。具体的,监控待处理场景区域的摄像机包括内参数和外参数,在本步骤中,利用内参数对该人员的视频运行轨迹中的位置向世界坐标系下进行一次转换,并利用外参数对该人员的视频运行轨迹中的位置向世界坐标系下进行一次转换,具体的转换实现过程为现有技术,这里不再赘述。
S102、确定每个人员的世界坐标运行轨迹中满足预设条件的人员为同行人员。
在本实施例中,每个人员的世界坐标运行轨迹表征每个人员在真实的待处理场景区域中的运行轨迹。在本实施例中,将每个人员的世界坐标运行轨迹中满足预设条件的人员,确定为同行人员。
其中,预设条件包括:在预设时长内被检测到世界坐标位置属于相同划分区域的次数大于预设次数。
其中,划分区域是通过对待处理场景区域在世界坐标系下的坐标图进行划分得到,其中,划分得到的划分区域中每个划分区域的范围均小于预设范围。本实施例不对具体的划分实现方式作限定。在本实施例中,每个划分区域的大小可以相同也可以不同,只要保证每个划分区域的范围均小于预设范围即可。当然,在本实施例中,如果每个划分区域的大小都相同,则可以方便后续的计算。
在本步骤中,每个人员的世界坐标运行轨迹中满足预设条件的人员指:在预设时长内被检测到世界坐标位置属于相同划分区域的次数大于预设次数的人员。
需要说明的是,在本实施例的预设条件中,多次被检测到世界坐标位置属于相同划分区域,并不限于多次被检测到世界坐标位置都属于一个划分区域,即可以为一个划分区域(例如,两个同行人员在预设时长内一直位于一个划分区域,该种情况下,每次被检测到世界坐标位置都属于一个划分区域),也可以是多个划分区域(例如,不同次检测到世界坐标位置所属的划分区域不同,但是,同一次检测到的世界坐标位置所属的划分区域是一个划分区域)。
以待处理场景区域为机场区域、将机场区域划分为100个区域(即得到 100个划分区域)、预设时长为20分钟,以及预设次数为5000次为例,即对每个人员的世界坐标运行轨迹进行检测,其中,将检测到20分钟内世界坐标位置属于相同划分区域的次数大于5000次的人员,确定为同行人员。其中,这大于5000次中每次检测到的世界坐标位置所属的划分区域可以是一个划分区域,即这大于5000次中每次检测到的世界坐标位置所属的划分区域都是A 划分区域。其中,这大于5000次中不同次检测到的世界坐标位置所属的划分区域可以不同,但是,一次检测到的世界坐标位置必须属于同一个划分区域。
在本实施例中,一方面,由于本实施例中每个划分区域的范围均小于预设范围,因此,在满足预设条件中被检测到世界坐标位置属于相同划分区域的人员,是距离较近的人员;由于本实施例中的预设条件还限定了预设时长内检测到该距离较近的人员的次数大于预设次数,从而,保证了本实施例识别出的同行人员的准确性。
另一方面,本实施例识别同行人员的方案中无需待处理场景下的人员的相关信息,只需针对待处理场景区域中每个人员的世界坐标运行轨迹,采用本实施例的方案确定出待处理场景下的同行人员,从而,保证快速确定出同行人员。
综上所述,本实施例提供的同行人员的识别方案,无需待处理场景下的人员的信息,并且可以准确地识别出同行人员,因此,本实施例可以快速准确地识别出同行人员。
上述实施例给出的同行人员的识别方法,可以满足实际中对快速准确的识别出待处理场景区域中的同行人员的需求。本申请实施例给出了两种识别待处理场景区域下的同行人员的实现方案,第一种是从待处理场景区域的划分区域出发,确定待处理场景下的同行人员。第二种是从每个人员的角度出发,分别确定每个人员的同行人员,得到待处理场景下的同行人员。
具体的,针对第一种方案的同行人员的识别方法,如图2所示,包括以下步骤:
S201、确定待处理场景区域的监控视频中每个人员的运行轨迹,得到每个人员的视频运行轨迹。
本步骤所表示的含义以及具体的实现过程可以参考A1,这里不再赘述。
S202、将每个人员的视频运行轨迹中的位置,转换为世界坐标系下的位置,得到每个人员的世界坐标运行轨迹。
本步骤所表示的含义以及具体的实现过程可以参考A2,这里不再赘述。
上述S201~S202的目的是:获得待处理场景区域中每个人员的世界坐标运行轨迹。
S203、依据每个人员的世界坐标运行轨迹,分别确定每个划分区域在预设时长的各个待检测时刻下出现的人员,得到所有划分区域在该各个待检测时刻下的人员集合。
在本步骤中,预设时长的各个待检测时刻可以为预设时长内时间间隔为预设时间间隔的时刻,当然,在实际中,预设时长内各个待检测时刻的确定方式不局限于时间间隔为预设时间间隔的方式,也可以采用其他方式确定,本实施例不对具体的确定方式作限定。其中,在本步骤中,预设时长的取值可以根据实际情况确定,例如,预设时长的取值可以为20分钟,当然,在实际中,预设时长还可以为其他值,本实施例不对预设时长的取值作限定。
在本步骤中,从每个人员的世界坐标运行轨迹中,分别确定每个划分区域在预设时长的各个待检测时刻下出现的人员。为了描述方便,以一个划分区域为例,从每个人员的世界坐标运行轨迹中,确定该划分区域在预设时长的各个待检测时刻下分别出现的人员,得到该划分区域分别在各个待检测时刻下的人员集合。通过本步骤得到所有划分区域在预设时长的各个待检测时刻下的人员集合,即一个划分区域一个待检测时刻对应一个人员集合。
其中,本步骤的具体实现方式为现有技术,这里不再赘述。
S204、依据所有划分区域在该各个待检测时刻下的人员集合,确定待处理场景下的同行人员。
在本步骤中,依据所有划分区域分别在该各个时刻下的人员集合,确定待处理场景下的同行人员的方式可以包括:
从所有划分区域分别在该各个待检测时刻下的人员集合中,确定存在于大于预设个数个人员集合中的人员为待处理场景下的同行人员,其中,预设个数的大小预设次数的大小相同,其中,预设次数指图1对应的实施例中预设条件中的预设次数。
由于存在于大于预设个数个人员集合中的人员是指:在大于预设个数个人员集合中都出现的人员,并且,预设个数的大小与预设次数的大小相同,即确定出的人员在大于预设次数下位于相同的人员集合,也就是确定出的人员在大于预设次数下世界坐标位置位于相同划分区域,从而,说明本步骤确定出的人员是同行人员。
图2对应的实施例是从每个划分区域的角度出发,对所有划分区域分别在预设时长的各个待检测时刻下的人员集合进行处理,确定待处理场景下的同行人员,除此之外,本申请实施例又提供了一种同行人员的识别方法,如图3所示。该方法从每个人员的角度出发,分别确定每个人员的同行人员,得到待处理场景下的同行人员。具体的,可以包括以下步骤:
S301、确定待处理场景区域的监控视频中每个人员的运行轨迹,得到每个人员的视频运行轨迹。
本步骤的含义以及具体的实现方式,可以参考S201,这里不再赘述。
S302、将每个人员的视频运行轨迹中的位置,转换为世界坐标系下的位置,得到每个人员的世界坐标运行轨迹。
本步骤的含义以及具体的实现方式,可以参考S202,这里不再赘述。
上述S301~S302的目的是:获得待处理场景区域中每个人员的世界坐标运行轨迹。
S303、依据每个人员的世界坐标运行轨迹,分别确定各个人员在预设时长中的各个待检测时刻所处的划分区域。
在本步骤中,预设时长中的各个待检测时刻的含义以及确定方式,可以参考S203,这里不再赘述。
在本步骤中,一个人员一个待检测时刻对应一个划分区域,本步骤的具体实现方式为现有技术,这里不再赘述。
S304、依据各个人员在该各个待检测时刻所处的划分区域,确定待处理场景下的同行人员。
具体的,在本步骤中,依据各个人员在该各个待检测时刻所处的划分区域,确定待处理场景下的同行人员的方式可以包括:分别将每个人员作为目标人员,确定目标人员的同行人员,进而得到待处理场景下的同行人员。其中,分别将每个人员作为目标人员,确定目标人员的同行人员的实现步骤可以包括以下步骤B1~步骤B2:
B1、根据其他各个人员在该各个待检测时刻所处的划分区域,分别确定每个待检测时刻与目标人员的划分区域相同的人员,得到目标人员在该各个待检测时刻下的备选人员集合。
在本步骤中,假设待处理场景区域包括1000个人,以其中的A人员是目标人员为例,则其他人员是指1000个人中除A人员之外的999个人员。具体的,在本步骤中,从999个人员在该各个待检测时刻所处的划分区域中,分别确定每个待检测时刻与A人员的划分区域相同的人员,分别得到了每个待检测时刻下,与A人员所处的划分区域相同的人员,为了描述方便,针对任一待检测时刻,将在该待检测时刻下与A人员所处的划分区域相同的人员构成的集合,称为A人员在该待检测时刻下的备选人员集合,即本步骤得到了 A人员在该各个待检测时刻下的备选人员集合。
B2、从目标人员在该各个待检测时刻下的备选人员集合中,确定目标人员的同行人员。
在本实施例中,由于目标人员在该各个待检测时刻中任一待检测时刻下的备选人员集合中的人员,表示该待检测时刻下世界坐标位置与该目标人员的世界坐标位置处于相同划分区域的人员。因此,在本步骤中,将存在于大于预设个数个备选人员集合中的人员确定为目标人员的同行人员,其中,预设个数的大小与预设次数的大小相同,即将预设时长内世界坐标位置与目标人员的世界坐标位置处于相同划分区域的次数大于预设次数的人员,确定为目标人员的同行人员,因此,本步骤确定的目标人员的同行人员是准确的。进而保证了本实施例确定出的待处理场景下的同行人员是准确的。
需要说明的是,图2与图3对应的同行人员的识别方法,都可以确定出待处理场景下的全部同行人员,只是从不同的角度识别待处理场景下的同行人员。具体的,在图2对应的实施例中,从每个划分区域出发,对每个划分区域在预设时长中的各个待检测时刻下的人员集合进行处理,确定待处理场景中的同行人员。在图3的实施例中,分别从每个人员出发,分别将每个人员作为目标人员,从其他人员在预设时长的各个待检测时刻所处的划分区域中,确定目标人员在该各个待检测时刻下的备选人员集合,基于备选人员集合确定目标人员的同行人员,
在实际中,由于待处理场景区域被划分得到的划分区域的数量远远小于待处理场景区域中的人员数量,因此,从每个划分区域的角度出发,比从每个人员的角度出发,确定待处理场景下的同行人员所需的计算量得到减少,进而,图2对应的同行人员的识别方法的计算量更小,计算速度更快。
但是,在某些特殊的场景中,例如,需要确定某些已确定人员的同行人员,在这种场景下,采用图3对应的同行人员的识别方法确定该确定人员的同行人员更方便,同时,计算速度更快。
图4为本申请实施例提供的一种同行人员的识别装置,包括:获取模块 401和确定模块402,其中,
获取模块401,用于获得待处理场景区域中每个人员的世界坐标运行轨迹。
确定模块402,用户确定所述每个人员的世界坐标运行轨迹中满足预设条件的人员为同行人员;所述预设条件包括:在预设时长内被检测到世界坐标位置属于相同划分区域的次数大于预设次数;所述划分区域是通过对所述待处理场景区域在世界坐标系下的坐标图进行划分得到;其中,所述划分区域中每个划分区域的范围均小于预设范围。
可选的,确定模块402,用于确定每个人员的世界坐标运行轨迹中满足预设条件的人员为同行人员,包括:
确定模块402,具体用于依据每个人员的世界坐标运行轨迹,分别确定各个人员在预设时长中的各个待检测时刻所处的划分区域;依据各个人员在各个待检测时刻所处的划分区域,确定待处理场景下的同行人员。
可选的,确定模块402,用于依据各个人员在各个待检测时刻所处的划分区域,确定待处理场景下的同行人员,包括:
确定模块402,具体用于分别将每个人员作为目标人员执行以下处理流程:根据其他各个人员在各个待检测时刻所处的划分区域,分别确定每个待检测时刻与目标人员的划分区域相同的人员,得到目标人员在各个待检测时刻下的备选人员集合;从目标人员在各个待检测时刻下的备选人员集合中,确定目标人员的同行人员;同行人员为存在于大于预设个数个备选人员集合中的人员;预设个数的大小与预设次数的大小相同。
可选的,确定模块402,用于确定每个人员的世界坐标运行轨迹中满足预设条件的人员为同行人员,包括:
确定模块402,具体用于依据每个人员的世界坐标运行轨迹,分别确定每个划分区域在预设时长中的各个待检测时刻下出现的人员,得到所有划分区域在各个待检测时刻下的人员集合;依据所有划分区域在各个待检测时刻下的人员集合,确定待处理场景下的同行人员。
可选的,确定模块402,用于依据所有划分区域在各个待检测时刻下的人员集合,确定待处理场景下的同行人员,包括:
确定模块402,具体用于从所有划分区域在所述各个待检测时刻下的人员集合中,确定存在于大于预设个数个人员集合中的人员为待处理场景下的同行人员;预设个数的大小与预设次数的大小相同。
可选的,划分区域的大小都相同。
可选的,获取模块401,用于获得待处理场景区域中每个人员的世界坐标运行轨迹,包括:
获取模块401,具体用于确定待处理场景区域的监控视频中每个人员的运行轨迹,得到每个人员的视频运行轨迹;将每个人员的视频运行轨迹中的位置,转换为世界坐标系下的位置,得到每个人员的世界坐标运行轨迹。
同行人员识别装置包括处理器和存储器,上述获取模块401和确定模块 402等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来提供快速准确的同行人员的识别方法。
本发明实施例提供了一种存储介质,其上存储有程序,该程序被处理器执行时实现所述同行人员的识别方法。
本发明实施例提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行所述同行人员的识别方法。
本发明实施例提供了一种设备,如图5所示,设备包括至少一个处理器、以及与处理器连接的至少一个存储器、总线;其中,处理器、存储器通过总线完成相互间的通信;处理器用于调用存储器中的程序指令,以执行上述的同行人员的识别方法。本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:
获得待处理场景区域中每个人员的世界坐标运行轨迹;
确定所述每个人员的世界坐标运行轨迹中满足预设条件的人员为同行人员;所述预设条件包括:在预设时长内被检测到世界坐标位置属于相同划分区域的次数大于预设次数;所述划分区域是通过对所述待处理场景区域在世界坐标系下的坐标图进行划分得到;其中,所述划分区域中每个划分区域的范围均小于预设范围。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
在一个典型的配置中,设备包括一个或多个处理器(CPU)、存储器和总线。设备还可以包括输入/输出接口、网络接口等。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器 (RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存 (PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器 (CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商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、商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,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、 CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
本申请实施例方法所述的功能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,可以存储在一个计算设备可读取存储介质中。基于这样的理解,本申请实施例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设备(可以是个人计算机,服务器,移动计算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。
本说明书的各个实施例中记载的特征可以相互替换或者组合,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种同行人员的识别方法,其特征在于,包括:
获得待处理场景区域中每个人员的世界坐标运行轨迹;
确定所述每个人员的世界坐标运行轨迹中满足预设条件的人员为同行人员;所述预设条件包括:在预设时长内被检测到世界坐标位置属于相同划分区域的次数大于预设次数;所述划分区域是通过对所述待处理场景区域在世界坐标系下的坐标图进行划分得到;其中,所述划分区域中每个划分区域的范围均小于预设范围。
2.根据权利要求1所述的方法,其特征在于,所述确定所述每个人员的世界坐标运行轨迹中满足预设条件的人员为同行人员,包括:
依据所述每个人员的世界坐标运行轨迹,分别确定各个人员在预设时长中的各个待检测时刻所处的划分区域;
依据所述各个人员在所述各个待检测时刻所处的划分区域,确定所述待处理场景下的同行人员。
3.根据权利要求2所述的方法,其特征在于,所述依据所述各个人员在所述各个待检测时刻所处的划分区域,确定所述待处理场景下的同行人员,包括:
分别将每个人员作为目标人员执行以下处理流程:
根据其他各个人员在所述各个待检测时刻所处的划分区域,分别确定每个待检测时刻与所述目标人员的划分区域相同的人员,得到所述目标人员在所述各个待检测时刻下的备选人员集合;
从所述目标人员在所述各个待检测时刻下的备选人员集合中,确定所述目标人员的同行人员;所述同行人员为在大于预设个数个备选人员集合中都出现的人员;所述预设个数的大小与所述预设次数的大小相同。
4.根据权利要求1所述的方法,其特征在于,所述确定所述每个人员的世界坐标运行轨迹中满足预设条件的人员为同行人员,包括:
依据每个人员的世界坐标运行轨迹,分别确定每个所述划分区域在预设时长中的各个待检测时刻下出现的人员,得到所有划分区域在所述各个待检测时刻下的人员集合;
依据所有划分区域在所述各个待检测时刻下的人员集合,确定所述待处理场景下的同行人员。
5.根据权利要求4所述的方法,其特征在于,所述依据所有划分区域在所述各个待检测时刻下的人员集合,确定所述待处理场景下的同行人员,包括:
从所有划分区域在所述各个待检测时刻下的人员集合中,确定在大于预设个数个人员集合中都出现的人员为所述待处理场景下的同行人员;所述预设个数的大小与所述预设次数的大小相同。
6.根据权利要求1~5任一项所述的方法,其特征在于,所述划分区域的大小都相同。
7.根据权利要求1所述的方法,其特征在于,所述获得待处理场景区域中每个人员的世界坐标运行轨迹,包括:
确定所述待处理场景区域的监控视频中每个人员的运行轨迹,得到每个人员的视频运行轨迹;
将所述每个人员的视频运行轨迹中的位置,转换为世界坐标系下的位置,得到每个人员的世界坐标运行轨迹。
8.一种同行人员的识别装置,其特征在于,包括:
获取模块,用于获得待处理场景区域中每个人员的世界坐标运行轨迹;
确定模块,用于确定所述每个人员的世界坐标运行轨迹中满足预设条件的人员为同行人员;所述预设条件包括:在预设时长内被检测到世界坐标位置属于相同划分区域的次数大于预设次数;所述划分区域是通过对所述待处理场景区域在世界坐标系下的坐标图进行划分得到;其中,所述划分区域中每个划分区域的范围均小于预设范围。
9.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,所述程序执行权利要求1~7任意一项权利要求所述的同行人员的识别方法。
10.一种设备,其特征在于,所述设备包括至少一个处理器、以及与所述处理器连接的至少一个存储器、总线;其中,所述处理器、所述存储器通过所述总线完成相互间的通信;所述处理器用于调用所述存储器中的程序指令,以执行如权利要求1~7中任一项权利要求所述的同行人员的识别方法。
CN202010284698.XA 2020-04-13 2020-04-13 一种同行人员的识别方法及装置 Active CN111488835B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010284698.XA CN111488835B (zh) 2020-04-13 2020-04-13 一种同行人员的识别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010284698.XA CN111488835B (zh) 2020-04-13 2020-04-13 一种同行人员的识别方法及装置

Publications (2)

Publication Number Publication Date
CN111488835A CN111488835A (zh) 2020-08-04
CN111488835B true CN111488835B (zh) 2023-10-10

Family

ID=71811899

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010284698.XA Active CN111488835B (zh) 2020-04-13 2020-04-13 一种同行人员的识别方法及装置

Country Status (1)

Country Link
CN (1) CN111488835B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112037927A (zh) * 2020-08-24 2020-12-04 北京金山云网络技术有限公司 与被追踪人关联的同行人确定方法、装置及电子设备
CN112965978B (zh) * 2021-03-10 2024-02-09 中国民航信息网络股份有限公司 旅客同行人关系的确认方法、装置、电子设备及存储介质
CN113220750A (zh) * 2021-05-28 2021-08-06 重庆中科云从科技有限公司 同行人员的识别方法、装置及计算机可读存储介质
CN113806459B (zh) * 2021-08-09 2023-12-08 北京北斗伏羲科技有限公司 基于北斗网格的同行人员识别方法、系统及存储介质
CN115412709B (zh) * 2022-07-26 2023-11-10 广州汽车集团股份有限公司 投影方法、装置、车辆及存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005329515A (ja) * 2004-05-21 2005-12-02 Hitachi Ltd サービスロボットシステム
CN105095908A (zh) * 2014-05-16 2015-11-25 华为技术有限公司 视频图像中群体行为特征处理方法和装置
CN105208528A (zh) * 2015-09-24 2015-12-30 山东合天智汇信息技术有限公司 一种用于识别同行人员的系统及方法
CN106778688A (zh) * 2017-01-13 2017-05-31 辽宁工程技术大学 一种拥挤场景监控视频中人群流异常事件的检测方法
CN109784199A (zh) * 2018-12-21 2019-05-21 深圳云天励飞技术有限公司 同行分析方法及相关产品
CN110019175A (zh) * 2019-04-03 2019-07-16 深圳市甲易科技有限公司 一种基于行为轨迹库的区域碰撞分析方法
WO2020001395A1 (zh) * 2018-06-29 2020-01-02 大连民族大学 道路行人分类方法及二维世界坐标系的俯视行人风险量化方法
CN110766088A (zh) * 2019-10-29 2020-02-07 浙江大华技术股份有限公司 同行车辆分析方法、装置、及存储装置
CN110956644A (zh) * 2018-09-27 2020-04-03 杭州海康威视数字技术股份有限公司 一种运动轨迹确定方法及系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8836788B2 (en) * 2012-08-06 2014-09-16 Cloudparc, Inc. Controlling use of parking spaces and restricted locations using multiple cameras
US9524426B2 (en) * 2014-03-19 2016-12-20 GM Global Technology Operations LLC Multi-view human detection using semi-exhaustive search

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005329515A (ja) * 2004-05-21 2005-12-02 Hitachi Ltd サービスロボットシステム
CN105095908A (zh) * 2014-05-16 2015-11-25 华为技术有限公司 视频图像中群体行为特征处理方法和装置
CN105208528A (zh) * 2015-09-24 2015-12-30 山东合天智汇信息技术有限公司 一种用于识别同行人员的系统及方法
CN106778688A (zh) * 2017-01-13 2017-05-31 辽宁工程技术大学 一种拥挤场景监控视频中人群流异常事件的检测方法
WO2020001395A1 (zh) * 2018-06-29 2020-01-02 大连民族大学 道路行人分类方法及二维世界坐标系的俯视行人风险量化方法
CN110956644A (zh) * 2018-09-27 2020-04-03 杭州海康威视数字技术股份有限公司 一种运动轨迹确定方法及系统
CN109784199A (zh) * 2018-12-21 2019-05-21 深圳云天励飞技术有限公司 同行分析方法及相关产品
CN110019175A (zh) * 2019-04-03 2019-07-16 深圳市甲易科技有限公司 一种基于行为轨迹库的区域碰撞分析方法
CN110766088A (zh) * 2019-10-29 2020-02-07 浙江大华技术股份有限公司 同行车辆分析方法、装置、及存储装置

Also Published As

Publication number Publication date
CN111488835A (zh) 2020-08-04

Similar Documents

Publication Publication Date Title
CN111488835B (zh) 一种同行人员的识别方法及装置
US11170525B2 (en) Autonomous vehicle based position detection method and apparatus, device and medium
CN109086734B (zh) 一种对人眼图像中瞳孔图像进行定位的方法及装置
CN109934074B (zh) 行动轨迹确定方法及装置
CN110706247B (zh) 一种目标跟踪方法、装置及系统
CN113140005A (zh) 目标对象定位方法、装置、设备及存储介质
Liu et al. AutoVAPS: An IoT-enabled public safety service on vehicles
CN107886105A (zh) 一种图像的标注装置
CN111595336B (zh) 一种机器人定位信息的确定方法及装置
CN110874932B (zh) 识别车轴数量的方法、装置及系统
CN110223320B (zh) 物体检测跟踪方法和检测跟踪装置
CN113177440A (zh) 图像同步方法、装置、电子设备和计算机存储介质
CN113014876A (zh) 视频监控方法、装置、电子设备及可读存储介质
CN105830437B (zh) 一种监控系统中背景识别的方法及系统
CN109145821B (zh) 一种对人眼图像中瞳孔图像进行定位的方法及装置
US10108582B2 (en) Detecting an event from time-series data sequences
CN116311135A (zh) 语义信息的数据降维方法、数据降维系统及控制器
CN112073711B (zh) 用于仿真调试智能设备摄像性能参数的方法、系统及设备
CN106454884A (zh) 用于区分同名无线接入点的方法和设备
CN110708499A (zh) 监控的控制方法及装置
CN111027592B (zh) 细粒度对象流量分析方法和装置
CN114219938A (zh) 感兴趣区域获取方法
CN111931920A (zh) 基于级联神经网络的目标检测方法、装置及存储介质
CN109142354B (zh) 采集流水线上的产品图像的系统、方法和装置
CN111160289A (zh) 针对目标用户的意外事故的检测方法、装置及电子设备

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