CN111508199A - 实现目标跟踪的老年人防走失系统和方法 - Google Patents
实现目标跟踪的老年人防走失系统和方法 Download PDFInfo
- Publication number
- CN111508199A CN111508199A CN202010148171.4A CN202010148171A CN111508199A CN 111508199 A CN111508199 A CN 111508199A CN 202010148171 A CN202010148171 A CN 202010148171A CN 111508199 A CN111508199 A CN 111508199A
- Authority
- CN
- China
- Prior art keywords
- video
- key frame
- target
- pictures
- image
- 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
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
- G08B21/0438—Sensor means for detecting
- G08B21/0476—Cameras to detect unsafe condition, e.g. video cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
- G06V10/507—Summing image-intensity values; Histogram projection analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
- G08B21/0407—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
- G08B21/0438—Sensor means for detecting
- G08B21/0492—Sensor dual technology, i.e. two or more technologies collaborate to extract unsafe condition, e.g. video tracking and RFID tracking
Abstract
本申请公开了实现目标跟踪的老年人防走失系统,其中,目标定位设备用于实时获取自身位置作为目标实时位置,并将目标实时位置发送至后台服务器,远程监测设备用于制定目标的预期移动轨迹并上传至后台服务器,后台服务器用于记录目标已发生的移动轨迹得到轨迹大数据,并将目标实时位置分别与预期移动轨迹以及轨迹大数据进行比对,在任一比对结果不匹配时执行预警动作,其中,预警动作包括:向远程监测设备发出走失预警信息,以及触发目标定位设备播放语音求助和/或显示画面求助。该系统通过将实时位置与轨迹数据进行比对从而能够及时发现和预警老人的走失,通过向监护人发送走失预警信息实现定位走失状态下老人的位置以便监护人及时实施救助。
Description
技术领域
本申请涉及位置及图像追踪技术领域,特别涉及实现目标跟踪的老年人防走失系统和方法。
背景技术
随着全球人口整体趋于老龄化,作为世界第一的人口超级大国,中国的老龄化问题尤其突出。截至2015年年底,中国60岁以上老年人口数量已超2亿,占总人口数量的15%以上。而预测表明,我国老年人口数量在2050年时将达到4亿,约占中国人口总数的三分之一。
老龄化问题中较为重要的一个就是老年人由于记忆力衰退、失智、身体机能退化等原因导致的走失及需要救助的问题。老年人由于对地形不熟悉、不会使用手机导航等工具、大脑反应和身体机能退化等方面的原因,经常容易出现走失的情况,这会给当事人和家庭的正常生活带来影响,甚至容易导致老人发生意外伤害等事故。
因此需要一种防止老人走失的装置,能够及时发现和预警老人的走失以便及时实施求助,能够定位走失状态下老人的位置以便进行寻找和救助,以及能够使老人在走失后随身发出求助以便身边的热心群众和民警等能够在第一时间给予帮助。
发明内容
(一)申请目的
基于此,为了能够及时发现和预警老人的走失以便及时实施求助,能够定位走失状态下老人的位置以便进行寻找和救助,以及能够使老人在走失后随身发出求助以便身边的热心群众和民警等能够在第一时间给予帮助,本申请公开了以下技术方案。
(二)技术方案
一方面,提供了一种实现目标跟踪的老年人防走失系统,包括目标定位设备、远程监测设备和后台服务器;
所述目标定位设备用于实时获取自身位置作为目标实时位置,并将所述目标实时位置发送至所述后台服务器;
所述远程监测设备用于制定目标的预期移动轨迹并上传至所述后台服务器;
所述后台服务器用于记录目标已发生的移动轨迹得到轨迹大数据,并将所述目标实时位置分别与所述预期移动轨迹以及所述轨迹大数据进行比对,在任一比对结果不匹配时执行预警动作;其中,
所述预警动作包括:向所述远程监测设备发出走失预警信息,以及触发所述目标定位设备播放语音求助和/或显示画面求助。
在一种可能的实施方式中,所述目标定位设备还用于实时拍摄实景视频,并将所述实景视频发送至所述后台服务器,所述后台服务器存储有预先建立的图像关键帧库;
所述后台服务器还用于从接收到的实景视频中提取出关键帧画面,并将所述关键帧画面与所述图像关键帧库中的关键帧图像进行匹配判断,若判定所述关键帧画面与所有关键帧图像均不匹配,则执行所述预警动作;其中,
所述关键帧图像为目标以往移动路径中的不同场景的图像或同一场景内不同视角下的图像。
在一种可能的实施方式中,所述后台服务器包括实景关键帧提取模块,所述实景关键帧提取模块用于从接收到的实景视频中实时提取出关键帧画面;所述实景关键帧提取模块包括:
第一视频分段单元,用于提取所述实景视频的首帧画面作为基准画面,之后每隔n帧的画面时,用该n帧后的画面作为待匹配画面与所述基准画面利用匹配度阈值进行画面是否匹配的判断,在判定画面不匹配时将当前的待匹配画面作为视频分段帧对实景视频进行分段;
第一关键帧提取单元,用于利用直方图平均法提取所述视频区间的关键帧图像,并加入到图像关键帧库中;其中,
所述第一视频分段单元在每次对实景视频进行分段之后,将所述第一关键帧提取单元从新分割出来的视频区间中提取出的关键帧图像作为新的基准画面进行下一次视频分段。
在一种可能的实施方式中,所述后台服务器包括样本关键帧提取模块,所述样本关键帧提取模块用于建立所述图像关键帧库;所述样本关键帧提取模块包括:
第二视频分段单元,用于将目标移动的样本视频依据场景的不同进行视频分段,得到视频区间;
第二关键帧提取单元,用于利用直方图平均法提取每段所述视频区间的关键帧图像,并加入到图像关键帧库中。
在一种可能的实施方式中,所述第二视频分段单元通过以下步骤进行视频分段:
步骤A1,将视频画面的RGB颜色空间转换为HSV颜色空间,并对所述HSV颜色空间在HSV分量上进行量化,得到视频画面的HSV颜色直方图;
步骤A2,依据所述HSV颜色直方图以及对视频画面划分出的多个子区域的预设权重算出相邻两帧视频画面的帧间差值;
步骤A3,依据所述帧间差值计算视频的帧间差值均值,并计算各所述帧间差值与该均值的比值,将所述比值大于预设的帧间差阈值的连续多帧中的最后一帧作为视频分段帧进行视频分段。
在一种可能的实施方式中,所述后台服务器包括关键帧匹配模块,所述关键帧间匹配模块用于将所述关键帧画面与所述图像关键帧库中的关键帧图像进行匹配判断;
所述关键帧间匹配模块通过以下步骤进行所述关键帧画面与所述关键帧图像的匹配判断:
步骤B1,分别提取出所述关键帧画面和所述图像关键帧库中所有所述关键帧图像的颜色直方图;
步骤B2,从所述图像关键帧库中确定出与所述关键帧画面颜色直方图颜色分布的相似度最高的至少一帧关键帧图像;
步骤B3,对所述关键帧画面与所述至少一帧关键帧图像进行基于尺度不变特征变换算法进行图像匹配。
在一种可能的实施方式中,所述目标定位设备还受所述远程监测设备的远程控制将实时拍摄的实景视频发送至所述远程监测设备。
在一种可能的实施方式中,所述远程监测设备还用于受控向所述后台服务器发出救援请求信号,所述后台服务器受所述救援请求信号触发将所述目标实时位置以及所述实景视频发送至救援中心。
在一种可能的实施方式中,所述目标实时位置分别与所述预期移动轨迹的比对结果不匹配的情况包括以下两种中的任一种:所述目标实时位置超出了所述预期移动轨迹的空间范围,所述目标实时位置的发生时间与所述预期移动轨迹中到达相应位置的时间的差值超出了设定范围;
所述目标实时位置分别与所述轨迹大数据的比对结果不匹配的情况包括以下两种中的任一种:所述目标实时位置超出了所述轨迹大数据中每个移动轨迹的空间范围,所述目标实时位置的发生时间与所述轨迹大数据中到达该位置的各时间的差值均超出了设定范围。
在一种可能的实施方式中,所述走失预警信息包括目标当前的实时位置和目标当前应当处于的位置。
在一种可能的实施方式中,所述目标定位设备还将所述目标实时位置发送至所述远程监测设备,所述远程监测设备在接收到所述走失预警信息时,基于所述目标实时位置控制所述目标定位设备进行返回路线指示或约车送返指示。
在一种可能的实施方式中,所述控制所述目标定位设备进行返回路线指示包括:
所述远程监测设备利用所述目标定位设备发来的所述目标实时位置生成从所述目标实时位置至指定安全地点之间的移动路线,并控制所述目标定位设备语音导航所述移动路线,以指示目标按照所述移动路线移动至指定安全地点。
在一种可能的实施方式中,所述控制所述目标定位设备进行约车送返指示包括:
所述远程监测设备远程进行约车,其中将所述目标定位设备发来的所述目标实时位置作为载客起始地,并将指定安全地点作为载客目的地,并且所述远程监测设备控制所述目标定位设备语音广播约车进展,以指示目标上车及下车。
另一方面,还提供了一种实现目标跟踪的老年人防走失方法,包括以下步骤:
目标定位设备实时获取自身设备的位置作为目标实时位置,并将所述目标实时位置发送至后台服务器;
远程监测设备制定目标的预期移动轨迹并上传至后台服务器;
后台服务器记录目标已发生的移动轨迹得到轨迹大数据,并将所述目标实时位置分别与所述预期移动轨迹以及所述轨迹大数据进行比对,在任一比对结果不匹配时:向远程监测设备发出走失预警信息,并触发目标定位设备播放语音求助和/或显示画面求助。
在一种可能的实施方式中,该方法还包括以下步骤:
目标定位设备实时拍摄实景视频,并将所述实景视频发送至后台服务器;
后台服务器从接收到的实景视频中提取出关键帧画面,并将所述关键帧画面与预先建立并存储于后台服务器的图像关键帧库中的关键帧图像进行匹配判断,若判定所述关键帧画面与所有关键帧图像均不匹配,则执行所述预警动作;其中,
所述关键帧图像为目标以往移动路径中的不同场景的图像或同一场景内不同视角下的图像。
在一种可能的实施方式中,所述从接收到的实景视频中提取出关键帧画面包括:
提取所述实景视频的首帧画面作为基准画面,之后每隔n帧的画面时,用该n帧后的画面作为待匹配画面与所述基准画面利用匹配度阈值进行画面是否匹配的判断,在判定画面不匹配时将当前的待匹配画面作为视频分段帧对实景视频进行分段;
利用直方图平均法提取所述视频区间的关键帧图像,并加入到图像关键帧库中;其中,
在每次对实景视频进行分段之后,将从新分割出来的视频区间中提取出的关键帧图像作为新的基准画面进行下一次视频分段。
在一种可能的实施方式中,建立所述图像关键帧库包括:
将目标移动的样本视频依据场景的不同进行视频分段,得到视频区间;
利用直方图平均法提取每段所述视频区间的关键帧图像,并加入到图像关键帧库中。
在一种可能的实施方式中,所述视频分段包括:
步骤A1,将视频画面的RGB颜色空间转换为HSV颜色空间,并对所述HSV颜色空间在HSV分量上进行量化,得到视频画面的HSV颜色直方图;
步骤A2,依据所述HSV颜色直方图以及对视频画面划分出的多个子区域的预设权重算出相邻两帧视频画面的帧间差值;
步骤A3,依据所述帧间差值计算视频的帧间差值均值,并计算各所述帧间差值与该均值的比值,将所述比值大于预设的帧间差阈值的连续多帧中的最后一帧作为视频分段帧进行视频分段。
在一种可能的实施方式中,所述将所述关键帧画面与所述图像关键帧库中的关键帧图像进行匹配判断包括:
步骤B1,分别提取出所述关键帧画面和所述图像关键帧库中所有所述关键帧图像的颜色直方图;
步骤B2,从所述图像关键帧库中确定出与所述关键帧画面颜色直方图颜色分布的相似度最高的至少一帧关键帧图像;
步骤B3,对所述关键帧画面与所述至少一帧关键帧图像进行基于尺度不变特征变换算法进行图像匹配。
在一种可能的实施方式中,该方法还包括:
目标定位设备受远程监测设备的远程控制将实时拍摄的实景视频发送至远程监测设备。
在一种可能的实施方式中,该方法还包括:
远程监测设备受控向后台服务器发出救援请求信号;
后台服务器受所述救援请求信号触发将所述目标实时位置以及所述实景视频发送至救援中心。
在一种可能的实施方式中,所述目标实时位置分别与所述预期移动轨迹的比对结果不匹配的情况包括以下两种中的任一种:所述目标实时位置超出了所述预期移动轨迹的空间范围,所述目标实时位置的发生时间与所述预期移动轨迹中到达相应位置的时间的差值超出了设定范围;
所述目标实时位置分别与所述轨迹大数据的比对结果不匹配的情况包括以下两种中的任一种:所述目标实时位置超出了所述轨迹大数据中每个移动轨迹的空间范围,所述目标实时位置的发生时间与所述轨迹大数据中到达该位置的各时间的差值均超出了设定范围。
在一种可能的实施方式中,所述走失预警信息包括目标当前的实时位置和目标当前应当处于的位置。
在一种可能的实施方式中,该方法还包括:
目标定位设备将所述目标实时位置发送至远程监测设备;
远程监测设备在接收到所述走失预警信息时,基于所述目标实时位置控制目标定位设备进行返回路线指示或约车送返指示。
在一种可能的实施方式中,所述控制目标定位设备进行返回路线指示包括:
远程监测设备利用目标定位设备发来的所述目标实时位置生成从所述目标实时位置至指定安全地点之间的移动路线,并控制目标定位设备语音导航所述移动路线,以指示目标按照所述移动路线移动至指定安全地点。
在一种可能的实施方式中,所述控制目标定位设备进行约车送返指示包括:
远程监测设备远程进行约车,将所述目标实时位置作为载客起始地,并将指定安全地点作为载客目的地;
远程监测设备控制目标定位设备语音广播约车进展,以指示目标上车及下车。
(三)有益效果
本申请公开的实现目标跟踪的老年人防走失系统和方法,通过将实时位置与轨迹数据进行比对从而能够及时发现和预警老人的走失,通过向监护人发送走失预警信息实现定位走失状态下老人的位置以便监护人及时实施救助,通过使目标定位设备播放语音及显示画面使老人在走失后随身发出求助以便身边的热心群众和民警等能够在第一时间给予帮助。
附图说明
以下参考附图描述的实施例是示例性的,旨在用于解释和说明本申请,而不能理解为对本申请的保护范围的限制。
图1是本申请公开的老年人防走失系统实施例的结构框图。
图2是本申请公开的老年人防走失方法实施例的流程示意图。
具体实施方式
为使本申请实施的目的、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更加详细的描述。
下面参考图1详细描述本申请公开的老年人防走失系统实施例。如图1所示,本实施例公开的防走失系统主要包括有:目标定位设备、远程监测设备和后台服务器。
目标定位设备用于实时获取自身位置作为目标实时位置,并将目标实时位置发送至后台服务器。
目标定位设备由老年人长期佩戴,使得目标定位设备的位置就是佩戴其的老年人的位置。目标定位设备可以采用腕表式设备,例如手环;也可以采用挂戴式设备,例如通过链条挂在脖子上。
以下将佩戴目标定位设备的老年人称为目标。目标定位设备可以包括定位模块和第一通信模块,定位模块可以通过GPS定位等方式定位目标的实时位置,第一通信模块可以通过3G-5G蜂窝通信网络等无线网络通信功能将位置上传至后台服务器,实现目标位置的获取。
远程监测设备用于制定目标的预期移动轨迹并上传至后台服务器。
远程监测设备由监护人持有,可以采用手机等智能移动终端。由于目标为高龄且易走失人员,因此其日常的日程活动、生活作息通常较为规律,可以预先进行安排,例如每天早晨7点出门去食堂吃早饭,上午10点出门去菜市场买菜,下午3点至4点去操场走路锻炼,晚上8点至10点去邻居家打麻将,等等。远程监测设备可以由此制定出目标在未来一天、两天或者一周的日程安排,而该日程安排中包含着目标的移动轨迹,也就是关于未来一段时间内的预期移动轨迹。远程监测设备会将预期移动轨迹上传至后台服务器。
可以理解的是,目标也会存在突发的、不符合日常规律的活动安排,但该活动安排依旧在计划之内,而不是意料之外的事件,例如突发疾病,而只是与多数时候的日常安排不同,例如计划明天去某举办减价促销活动的商场进行日常用品采购。
后台服务器用于记录目标已发生的移动轨迹得到轨迹大数据,并将目标实时位置分别与预期移动轨迹以及轨迹大数据进行比对,在任一比对结果不匹配时执行预警动作。
目标事先经过长期佩戴目标定位设备而会产生大量的时空轨迹数据,并均上传至后台服务器,因此后台服务器接收并保存这些数据,形成关于目标的时空轨迹大数据。而对于当前来说,判断目标是否走失的途径有两种,其一是后台服务器会将目标当前的位置与监护人利用远程监测设备制定的预期移动轨迹进行比对,其二是后台服务器会将目标当前的位置与目标长期以来累积形成的轨迹大数据进行比对。两种途经的比对会分别得到一个比对结果,两个比对结果中,只要其中一种途经的比对结果表示目标位置不匹配,则后台服务器会执行预警动作。
两个不匹配的比对结果中,包括目标位置位于预期移动轨迹之外的情况。假设按照预期计划,目标在今天的移动轨迹包括去食堂、菜市场、操场和邻居家,而去这些地点的路径是可知的,但目标在今天当前时刻的实时位置超出了去往上述这些地点的路径的空间范围,例如出现在了距离上述地点以及距离去往上述地点的路径均有一段路程的公交车站附近,则说明目标可能在外出去往本该去往的地点时由于记忆力不好等原因而走失;或者目标实时位置的发生时间与预期移动轨迹中到达相应位置的时间的差值超出了设定范围,也就是目标在相应时刻未按照预期移动轨迹出现在相应位置,例如本该下午3点10分左右到达操场锻炼,但直到下午3点30分目标依旧未到达操场,超出了20分钟的设定范围,这可能是突然失忆或某些原因导致目标不知道该去往何处,因此后台服务器需要相应执行预警动作。
两个不匹配的比对结果中,还包括目标位置位于轨迹大数据未包含的时空情况。假设过去两年时间内形成的轨迹大数据中,包含了目标去往的共计30种不同地点,同时也可以包含去往这30种不同地点的时间,也就是说,目标去往的地点基本不会超出这30个地点的范围,而去往其中某个地点的时间也不会是记录中去往该地点的各不同时间以外的时间。因此,当目标实时位置超出了轨迹大数据中每个移动轨迹的空间范围时,例如当目标出现在了这30个不同地点以及去往这30种不同地点的路径的以外的地点时,说明目标可能在外出去往本该去往的地点时由于记忆力不好等原因而走失;或者当目标实时位置的发生时间与轨迹大数据中到达该位置的各时间的差值均超出了设定范围,例如目标去往操场的时间包括有下午3点至4点,还包括有早晨6点至7点,而当前时刻为上午10点30分时目标到达了操场,在之前没有过的时间出现在了操场,且该时间与下午3点以及早晨6点均相差较多,超出了20分钟的设定范围,则说明目标可能走失,因此后台服务器需要相应执行预警动作。
后台服务器执行预警动作时,预警动作包括:向远程监测设备发出走失预警信息,以及触发目标定位设备播放语音求助和/或显示画面求助。
远程监测设备接收到走失预警信息后可以提示监护人目标可能已经走失,引起监护人重视并使监护人及时进行救助。其中,走失预警信息包括目标当前的实时位置和目标当前应当处于的位置,还可以包括目标脱离预期轨迹的时间。监护人可以通过走失预警信息采取适宜的方式来对目标进行救助,例如亲自前往目标所在地点找寻目标并带回,或者联系救援中心并将目标当前位置及其体貌特征告知救援人员,由救援人员找寻目标并带回。
远程监测设备接收到走失预警信息后还可以给目标定位设备发送救援信号,使得目标定位设备自动发出求助性语音和显示求助画面,例如向外界发出“我走失了,请求您的帮助”的语音,并且在目标定位设备的显示屏上显示“我走失了,请求您的帮助”的文字,同时还显示目标姓名、监护人联系电话等信息,以使得热心群众和民警能够及时帮助目标回家。
本实施例公开的老年人防走失系统,通过将实时位置与轨迹数据进行比对从而能够及时发现和预警老人的走失,通过向监护人发送走失预警信息实现定位走失状态下老人的位置以便监护人及时实施救助,通过使目标定位设备播放语音及显示画面使老人在走失后随身发出求助以便身边的热心群众和民警等能够在第一时间给予帮助。
除了上述通过地理位置信息的比对来实现对目标的位置获取进而实现对目标是否走失的判断之外,还可以同时通过视频图像信息的比对来实现对目标是否出现于日常场景进而实现对目标是否走失的判断。具体的,在一种实施方式中,目标定位设备还用于实时拍摄实景视频,并将实景视频发送至后台服务器,后台服务器存储有预先建立的图像关键帧库。图像关键帧库是由目标以往移动出行时目标定位设备拍摄的视频图像所建立的,图像关键帧库中存储的均为关键帧图像,每张关键帧图像均为目标以往移动路径中的不同场景的图像或同一场景内不同视角下的图像,也就是说,图像关键帧库包含了目标日常生活中的关键信息。每当目标移动出行时,就会拍摄一段或几段视频,从该视频中获取到能够代表该次移动轨迹的类似视频摘要性质的图像作为关键帧图像,形成图像关键帧库。
后台服务器还用于从接收到的实景视频中提取出关键帧画面,并将关键帧画面与图像关键帧库中的关键帧图像进行匹配判断。由于图像关键帧库在一定程度上代表了目标日常出行的移动轨迹信息,因此若判定关键帧画面与图像关键帧库中的所有关键帧图像均不匹配,说明目标当前所在的位置是目标之前从未去过的目的地,或者是目标在去往之前去过的目的地时采取了一条不同的移动路径,由此导致了当前的场景与日常出行的场景有较大差异,进而使得结果不匹配。而这都有可能表示目标是因为走失因此才处在一个对于图像关键帧库来说完全陌生的地方,则后台服务器执行预警动作。由图像关键帧对比引发的预警动作和由移动轨迹匹配引发的预警动作相同,均包括发出走失预警信息以及播放语音求助和显示画面求助。
在从实景视频中提取出了多帧关键帧画面时,若连续的多帧关键帧画面均未能与关键帧图像匹配成功,则说明目标周围的场景与日常出行所途经的场景有较大差异,可表明目标目前所处的场景为陌生场景,由此可确定目标走失。
若判定关键帧画面与至少一张关键帧图像相匹配,则说明目标处于以往行走过的路径环境中或以往到达过的目的地环境中,因此表明目标未走失。
可以理解的是,图像关键帧库需要积累一定时间和一定数量的图像才能使用,若从开始建立图像关键帧库到开始使用图像关键帧库进行走势判断之间的时间过短,就会导致目标当前可能只是更换了一条去往日常目的地的路径或者只是按照计划去往一个未在该段时间内去过的目的地时,会因为库中未存储有相应的关键帧图像导致系统判定目标走失,而真正原因只是因为图像关键帧库中的关键帧图像过少而不足以代表目标的全部日常出行场景画面。
在一种实施方式中,目标定位设备还受远程监测设备的远程控制将实时拍摄的实景视频发送至远程监测设备。
目标定位设备还可以利用其具有的视频拍摄功能,将拍摄的实景视频发送至远程监测设备,监护人可以随时开启接收该实景视频的功能,以掌握目标所处的场景环境,以在走失的情况下通过经验辅助判断识别出目标所处位置,利于在目标走失的情况下分析目标所处环境状况。
在一种实施方式中,远程监测设备还用于受控向后台服务器发出救援请求信号,后台服务器受所述救援请求信号触发将目标实时位置以及实景视频发送至救援中心。
监护人可以控制远程监测设备向后台服务器发出救援请求信号,以将相应的求助信息发送至救援中心,救援中心接收到走失目标的位置以及实时图像后,可以为目标提供必要的寻找和救助。
关于后台服务器从实景视频中提取关键帧画面的方式,在一种实施方式中,后台服务器包括实景关键帧提取模块,实景关键帧提取模块用于从接收到的实景视频中实时提取出关键帧画面。实景关键帧提取模块包括第一视频分段单元和第一关键帧提取单元。
第一视频分段单元用于提取实景视频的首帧画面作为基准画面,之后每隔n帧的画面时,用该n帧后的画面作为待匹配画面与基准画面利用匹配度阈值进行画面是否匹配的判断。
若待匹配画面与基准画面的匹配度大于等于匹配度阈值,则说明两者相匹配,也就说明两张画面中的场景、设施等对象具有较多的相同点,表明目标在首帧画面时所处的场景和n帧画面之后所处的场景没有显著变化,因此目标还处于同一场景内,例如移动于同一条街道上,因此无需提取关键帧画面。
若待匹配画面与基准画面的匹配度小于匹配度阈值,则说明两者不匹配,在判定画面不匹配时,将当前的待匹配画面作为视频分段帧对实景视频进行分段。假设目标在间隔第一个100帧画面之后判定第101帧画面(待匹配画面)与第1帧画面(基准画面)匹配,则继续向后间隔第二个100帧画面,也就是到达第201帧画面,在间隔了两个100帧画面之后,当第201帧画面与第1帧画面判定不匹配,则说明目标所处场景发生了变化,例如从第一条街道开始转入第二条街道,则第201帧画面即为视频分段帧,从第1帧画面到第200帧画面为视频中的一个视频区间(也就是在第一条街道中移动的视频)。
需要说明的是,第一视频分段单元对实景视频的提取是属于边拍摄视频边对还该未拍摄完成的视频进行提取的过程。
第一关键帧提取单元用于利用直方图平均法提取视频区间的关键帧图像,并加入到图像关键帧库中。
在第一视频分段单元从实景视频中分割出一段视频区间之后,第一关键帧提取单元开始对新分割出来的视频区间进行关键帧图像的提取。由于实景视频的性质是目标移动于不同的场景之间并且在各场景内的时候视频画面均相差不大,因此确定出能够代表这一段视频区间的关键帧画面时,只需要确定出和视频区间内所有画面帧均值最接近的一帧作为代表这一段视频区间大致内容的关键帧画面即可。
直方图平均法提取关键帧图像为:首先提取出视频区间中每一帧画面的颜色直方图,之后计算同一视频区间内各帧画面的颜色直方图均值,之后将同一视频区间的各帧图像中颜色直方图与颜色直方图均值最接近的一帧图像作为关键帧图像,并存入图像关键帧库。
之后,第一关键帧提取单元将该关键帧图像作为能够代表该视频区间的图像,将其作为进行下一段视频区间分割时的新的基准画面,然后第一视频分段单元基于该新的基准画面继续开始之后的间隔n帧画面并进行下一个n帧间隔的匹配判断,并循环此过程直至实景视频拍摄结束。
关于后台服务器提取关键帧图像形成图像关键帧库的方式,在一种实施方式中,后台服务器包括样本关键帧提取模块,样本关键帧提取模块用于建立上述图像关键帧库,也就是将过去较长时间内目标的移动出行过程中产生的关键帧图像存入图像关键帧库中。样本关键帧提取模块包括第二视频分段单元和第二关键帧提取单元。
第二视频分段单元用于将目标移动的样本视频依据场景的不同进行视频分段,得到视频区间。
在目标处于初始累积关键帧图像的阶段并且还未开始利用图像关键帧库中的关键帧图像进行走失判断时,用于累积关键帧图像的目标移动出行视频即为样本视频。样本视频是在正式使用图像关键帧库进行走失判别之前预先拍摄完成的完整视频,通常采用第一人称视角,其汇集了目标日常移动出行的各种不同目的地以及去往目的地的不同途经路径,作为证明目标未走失的参照。在样本关键帧提取模块对样本视频进行关键帧图像提取的处理操作时,样本视频是一段完整的视频,记录了目标从某位置移动到另一位置的全过程,因此该提取属于先拍摄成完整视频然后再对完整视频进行提取的过程。
假设目标去往操场,其中会沿途经过四条街道最终到达操场,由于街道之间互不相同,因此每条街道均为一个单独的场景,则该段视频中至少包括四个场景,也就是至少会被分为四段视频区间。
第二关键帧提取单元用于利用直方图平均法提取每段视频区间的关键帧图像,并加入到图像关键帧库中。
直方图平均法提取关键帧图像为:首先提取出视频区间中每一帧图像的颜色直方图,之后计算同一视频区间内各帧图像的颜色直方图均值,之后将同一视频区间的各帧图像中颜色直方图与颜色直方图均值最接近的一帧图像作为关键帧图像。
通过样本关键帧提取模块建立图像关键帧库,用于在利用图像来判断目标是否走失时的参照图像。
关于第二视频分段单元对视频进行分段的方式,在一种实施方式中,第二视频分段单元通过实施以下步骤A11至A13实现将目标移动的样本视频进行视频分段。
步骤A11,将视频画面的RGB颜色空间转换为HSV颜色空间,并对HSV颜色空间在HSV分量上进行量化,得到视频画面的HSV颜色直方图。
每一帧视频画面(视频图像)均具有较多数量的像素点,因此先将视频画面通过间隔量化的方式转换为HSV颜色空间。HSV(Hue,Saturation,Value)是一种颜色空间。其中H为色调,取值范围为0°~360°,表示色彩信息;S为饱和度,取值范围为0~1;V为亮度,取值范围为0~1,表示明亮程度。
由于人对于色调分量、饱和度分量、亮度分量的感受程度不同,因此为该三种分量的区间划分程度也不同,例如将色调分量划分为10个区间,将饱和度分量划分为4个区间,将亮度分量划分为3个区间,并依据这三种分量的不同取值范围进行量化,量化后得到色调值H、饱和度值S和亮度值V。
在HSV颜色空间中,亮度分量与颜色分量是分开进行描述的,而亮度与图像的色彩信息又无关联,所以以利用HSV颜色模型来进行帧间差的计算可以减少颜色分量的量化级数,从而提高计算速度。
HSV颜色空间的量化可以是等量划分量化,也可以是非等量划分量化。等量划分量化就是将分量均等地划分为多个区间,而非等量划分量化则是将分量不均等地划分为多个区间。为了简化计算,本实施例采用将画面的HSV颜色空间进行非等量划分量化的方式,以减少图像直方图矢量的维度数量,进而降低运算量。
假设色调分量、饱和度分量、亮度分量分别被划分为10、4、3个区间,则整个HSV颜色空间就被划分为10×4×3=120个子空间。每个子空间均会有一个专属的标识,因此能够得到视频的任一帧画面中各像素点的颜色值(H,S,V)所属子空间的标识。之后通过统计视频帧画面中属于各子空间的像素点个数,即能够得到视频任一帧画面的HSV颜色直方图特征矢量,该矢量共有120个分量。
步骤A12,依据步骤A11中算出的HSV颜色直方图,以及对视频画面划分出的多个子区域的预设权重,算出相邻两帧视频画面的帧间差值。
由于亮度分量与颜色分量是分开进行描述的,而亮度与色彩信息又无关联,因此通过HSV颜色模型来进行帧间差值的计算可以减少颜色分量的量化级数(区间),从而提高计算速度。
由于视频画面的内容不同,因此视频画面中不同区域的重要程度也不同,因此视频画面会被预先划分为多个子区域,本实施例中以3×3的方式划分出9个子区域,并且9个子区域中,3列子区域的长度比以及3行子区域的宽度比均为2:3:2,对该分布形式的9个子区域分别进行每个子区域的直方图统计。
根据每个子区域重要程度的不同对各子区域设置不同的加权系数,加权系数不同,权重也就不同,代表了各子区域的重要程度不同。然后计算两帧画面之间对应子区域之间的直方图差异。各子区域可以均匀划分,也可以非均匀划分,本实施例中采用非均匀划分的方式,针对常见的视频画面类型进行加权系数的分配,例如9个子区域中,由于视频画面的中间以及上部分为主要内容,包括了大部分的环境信息,下部分通常为地面等次要内容,因此视频画面的中心子区域和中上子区域的加权系数较高,中下子区域的加权系数较低。以先从左到后、后从上到下的顺序排序的各子区域权重之比为:2:3:2:1:2:1:0:1:0。
帧间差值可以利用计算绝对值距离的方式得到,例如相邻两帧i,j在子区域k上的绝对值距离为:
其中,子空间l∈[1,120],Hi,k(l)为第i帧在子区域k上的颜色直方图,Hj,k(l)为第j帧在子区域k上的颜色直方图。
分别计算出相邻两帧间对应子区域直方图的绝对值距离之后,依据不同权重计算相邻两帧的帧间差值:
其中,dm为相邻两帧的第m个子区域的绝对值距离,wm为第m个子区域的权重。
步骤A13,依据步骤12中算出的帧间差值计算视频的帧间差值均值,并计算各帧间差值与该均值的比值,将该比值大于预设的帧间差阈值的连续多帧中的最后一帧作为视频分段帧进行视频分段。
当老人于同一场景下移动时,例如沿一条街道直行或在同一房间内移动时,由于同一场景下的画面变化幅度不会过大,因此帧间差值没有过于明显的变化,但当老人移动到下一场景时,例如行走转向进入另一街道、从街道进入建筑内部时,视频画面变化较大,因此帧间差值会明显增大并高于帧间差值总体均值,而且这种状态会持续一定的帧数,直到完全进入新的场景之后,此时的帧间差值减小并再次相对稳定下来。因此视频分段的依据就在于将连续多帧帧间差值大大高于平均值的帧确定出来,这些帧就是视频中发生场景变化的时刻,以此来将一段视频分割为不同场景下的视频段。
因此本步骤中,首先利用以下公式算出帧间差均值:
其中,t为视频总帧数,Di为视频中每两帧间的帧间差值,S为t帧图像的帧间差均值。
之后,算出各帧间差与该均值的比值Di/S,利用预设的帧间差阈值把连续多帧帧间差值大大高于平均值的帧确定出来。具体的,当比值Di/S大于帧间差阈值T时开始计数,若从该比值所在的帧开始,连续t1帧的帧间差值均大于阈值T,则说明这连续t1帧的画面为老人移动到另一场景的全过程,因此这连续t1帧的最后一帧即为完全移动到另一场景之前的最后一帧,因此将该最后一帧作为不同场景的分割点进行视频分段,
第二视频分段单元通过上述A1至A3步骤,快速地将场景发生变化的帧区间确定出来,进而确定出其中的视频分段帧,实现对视频按照不同的场景进行准确快速分段。
关于关键帧画面与关键帧图像的匹配判断,由于该匹配为即时匹配,以满足及时能够提醒监护人以及使目标定位设备及时进行求助,因此对于该匹配的判断速度要求较高,而若每当从实景视频中提取出一帧关键帧画面时就将其与图像关键帧库中的所有关键帧图像进行对比匹配,则会降低匹配速度,因此在一种实施方式中,后台服务器包括关键帧匹配模块,关键帧间匹配模块用于将关键帧画面与图像关键帧库中的关键帧图像进行匹配判断。关键帧间匹配模块通过以下步骤B1至B3进行关键帧画面与关键帧图像的匹配判断。
步骤B1,分别提取出关键帧画面和图像关键帧库中所有关键帧图像的颜色直方图。
步骤B2,从图像关键帧库中确定出与关键帧画面颜色直方图颜色分布的相似度最高的至少一帧关键帧图像。
步骤B3,对关键帧画面与至少一帧关键帧图像进行基于尺度不变特征变换算法进行图像匹配。
由于同一场景图像的颜色分布应当较为相似,因此先从库中找到与该关键帧画面的颜色分布最接近的一帧或几帧关键帧图像,以进行粗略匹配。之后为了确定该一帧或几帧关键帧图像与关键帧画面属于同一场景,因此再将关键帧画面分别与各关键帧图像进行尺度不变特征变换(Scale-invariant featuretransform,sift)的运算,以进行精准匹配。通过此种匹配方式,降低了匹配过程中的运算量,提高了匹配速度,
尺度不变特征变换算法主要包括以下步骤:尺度空间的构建;高斯差分金字塔的建立;特征点的确定及筛选;特征点描述子的生成。通过两帧图像中特征点的匹配来判断两帧图像是否匹配。
在一种实施方式中,目标定位设备还将目标实时位置发送至远程监测设备,远程监测设备在接收到走失预警信息时,基于目标实时位置控制目标定位设备进行返回路线指示或约车送返指示。
其中,返回路线指示包括:远程监测设备利用目标定位设备发来的目标实时位置生成从目标实时位置至指定安全地点之间的移动路线,并控制目标定位设备语音导航移动路线,以指示目标按照移动路线移动至指定安全地点。
监护人在通过远程监测设备获知了目标当前位置之后,若目标已经走失,则监护人可以操作远程监测设备利用地图数据来生成从目标当前位置到指定安全地点之间的距离及步行安全路线。之后将该步行路线转化成语音导航信息发送至目标定位设备,目标定位设备逐步发出语音导航声音,指引目标沿步行安全路线向指定安全地点移动,并且每当目标按照指示完成一段移动,即向目标广播下一段移动指示,否则重复播放当前段的移动指示,直至目标到达指示指定安全地点。监护人可前往指定安全地点迎接目标。指定安全地点可以是距离目标较近的一个人少的区域,便于监护人前往并快速辨认出走失的目标,指定安全地点也可以是目标的住所。
约车送返指示包括:远程监测设备远程进行约车,其中将目标定位设备发来的目标实时位置作为载客起始地,并将指定安全地点作为载客目的地,并且远程监测设备控制目标定位设备语音广播约车进展,以指示目标上车及下车。
监护人除了为走失的目标导航回家的路之外,还可以选择为目标打车送目标返家。具体的,远程监测设备将起始地点和目的地均发送至司机,司机到达起始地点接上目标,并开往目的地,到达目的地后护送目标回家。同时,远程监测设备控制目标定位设备向目标告知当前进展,例如已约好车辆并指示目标在原地等候,并将车辆颜色、车牌号等广播告知目标,下车后告知目标当前位于家附近,并指示目标如何移动返家。
下面参考图2详细描述本申请公开的老年人防走失方法实施例。本实施例用于实施前述的老年人防走失系统实施例。如图2所示,本实施例公开的方法包括如下步骤:
步骤100,目标定位设备实时获取自身设备的位置作为目标实时位置,并将目标实时位置发送至后台服务器;
步骤200,远程监测设备制定目标的预期移动轨迹并上传至后台服务器;
步骤300,后台服务器记录目标已发生的移动轨迹得到轨迹大数据,并将目标实时位置分别与预期移动轨迹以及轨迹大数据进行比对,在任一比对结果不匹配时:向远程监测设备发出走失预警信息,并触发目标定位设备播放语音求助和/或显示画面求助。
在一种实施方式中,该方法还包括以下步骤:
目标定位设备实时拍摄实景视频,并将实景视频发送至后台服务器;
后台服务器从接收到的实景视频中提取出关键帧画面,并将关键帧画面与预先建立并存储于后台服务器的图像关键帧库中的关键帧图像进行匹配判断,若判定关键帧画面与所有关键帧图像均不匹配,则执行预警动作;其中,
关键帧图像为目标以往移动路径中的不同场景的图像或同一场景内不同视角下的图像。
在一种实施方式中,从接收到的实景视频中提取出关键帧画面包括:
提取实景视频的首帧画面作为基准画面,之后每隔n帧的画面时,用该n帧后的画面作为待匹配画面与基准画面利用匹配度阈值进行画面是否匹配的判断,在判定画面不匹配时将当前的待匹配画面作为视频分段帧对实景视频进行分段;
利用直方图平均法提取视频区间的关键帧图像,并加入到图像关键帧库中;其中,
在每次对实景视频进行分段之后,将从新分割出来的视频区间中提取出的关键帧图像作为新的基准画面进行下一次视频分段。
在一种实施方式中,建立图像关键帧库包括:
将目标移动的样本视频依据场景的不同进行视频分段,得到视频区间;
利用直方图平均法提取每段视频区间的关键帧图像,并加入到图像关键帧库中。
在一种实施方式中,视频分段包括:
步骤A1,将视频画面的RGB颜色空间转换为HSV颜色空间,并对HSV颜色空间在HSV分量上进行量化,得到视频画面的HSV颜色直方图;
步骤A2,依据HSV颜色直方图以及对视频画面划分出的多个子区域的预设权重算出相邻两帧视频画面的帧间差值;
步骤A3,依据帧间差值计算视频的帧间差值均值,并计算各帧间差值与该均值的比值,将比值大于预设的帧间差阈值的连续多帧中的最后一帧作为视频分段帧进行视频分段。
在一种实施方式中,将关键帧画面与图像关键帧库中的关键帧图像进行匹配判断包括:
步骤B1,分别提取出关键帧画面和图像关键帧库中所有关键帧图像的颜色直方图;
步骤B2,从图像关键帧库中确定出与关键帧画面颜色直方图颜色分布的相似度最高的至少一帧关键帧图像;
步骤B3,对关键帧画面与至少一帧关键帧图像进行基于尺度不变特征变换算法进行图像匹配。
在一种实施方式中,该方法还包括:
目标定位设备受远程监测设备的远程控制将实时拍摄的实景视频发送至远程监测设备。
在一种实施方式中,该方法还包括:
远程监测设备受控向后台服务器发出救援请求信号;
后台服务器受救援请求信号触发将目标实时位置以及实景视频发送至救援中心。
在一种实施方式中,目标实时位置分别与预期移动轨迹的比对结果不匹配的情况包括以下两种中的任一种:目标实时位置超出了预期移动轨迹的空间范围,目标实时位置的发生时间与预期移动轨迹中到达相应位置的时间的差值超出了设定范围;
目标实时位置分别与轨迹大数据的比对结果不匹配的情况包括以下两种中的任一种:目标实时位置超出了轨迹大数据中每个移动轨迹的空间范围,目标实时位置的发生时间与轨迹大数据中到达该位置的各时间的差值均超出了设定范围。
在一种实施方式中,走失预警信息包括目标当前的实时位置和目标当前应当处于的位置。
在一种实施方式中,该方法还包括:
目标定位设备将目标实时位置发送至远程监测设备;
远程监测设备在接收到走失预警信息时,基于目标实时位置控制目标定位设备进行返回路线指示或约车送返指示。
在一种实施方式中,控制目标定位设备进行返回路线指示包括:
远程监测设备利用目标定位设备发来的目标实时位置生成从目标实时位置至指定安全地点之间的移动路线,并控制目标定位设备语音导航移动路线,以指示目标按照移动路线移动至指定安全地点。
在一种实施方式中,控制目标定位设备进行约车送返指示包括:
远程监测设备远程进行约车,将目标实时位置作为载客起始地,并将指定安全地点作为载客目的地;
远程监测设备控制目标定位设备语音广播约车进展,以指示目标上车及下车。
在本文中,“第一”、“第二”等仅用于彼此的区分,而非表示它们的重要程度及顺序等。
本文中的模块、单元的划分仅仅是一种逻辑功能的划分,在实际实现时可以有其他的划分方式,例如多个模块和/或单元可以结合或集成于另一个系统中。作为分离部件说明的模块、单元在物理上可以是分开的,也可以是不分开的。作为单元显示的部件可以是物理单元,也可以不是物理单元,即可以位于一个具体地方,也可以分布到网格单元中。因此可以根据实际需要选择其中的部分或全部的单元来实现实施例的方案。
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,可轻易想到的变化或替换,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以所述权利要求的保护范围为准。
Claims (10)
1.一种实现目标跟踪的老年人防走失系统,其特征在于,包括目标定位设备、远程监测设备和后台服务器;
所述目标定位设备用于实时获取自身位置作为目标实时位置,并将所述目标实时位置发送至所述后台服务器;
所述远程监测设备用于制定目标的预期移动轨迹并上传至所述后台服务器;
所述后台服务器用于记录目标已发生的移动轨迹得到轨迹大数据,并将所述目标实时位置分别与所述预期移动轨迹以及所述轨迹大数据进行比对,在任一比对结果不匹配时执行预警动作;其中,
所述预警动作包括:向所述远程监测设备发出走失预警信息,以及触发所述目标定位设备播放语音求助和/或显示画面求助。
2.如权利要求1所述的防走失系统,其特征在于,所述目标定位设备还用于实时拍摄实景视频,并将所述实景视频发送至所述后台服务器,所述后台服务器存储有预先建立的图像关键帧库;
所述后台服务器还用于从接收到的实景视频中提取出关键帧画面,并将所述关键帧画面与所述图像关键帧库中的关键帧图像进行匹配判断,若判定所述关键帧画面与所有关键帧图像均不匹配,则执行所述预警动作;其中,
所述关键帧图像为目标以往移动路径中的不同场景的图像或同一场景内不同视角下的图像。
3.如权利要求2所述的防走失系统,其特征在于,所述后台服务器包括实景关键帧提取模块,所述实景关键帧提取模块用于从接收到的实景视频中实时提取出关键帧画面;所述实景关键帧提取模块包括:
第一视频分段单元,用于提取所述实景视频的首帧画面作为基准画面,之后每隔n帧的画面时,用该n帧后的画面作为待匹配画面与所述基准画面利用匹配度阈值进行画面是否匹配的判断,在判定画面不匹配时将当前的待匹配画面作为视频分段帧对实景视频进行分段;
第一关键帧提取单元,用于利用直方图平均法提取所述视频区间的关键帧图像,并加入到图像关键帧库中;其中,
所述第一视频分段单元在每次对实景视频进行分段之后,将所述第一关键帧提取单元从新分割出来的视频区间中提取出的关键帧图像作为新的基准画面进行下一次视频分段。
4.如权利要求2或3所述的防走失系统,其特征在于,所述后台服务器包括样本关键帧提取模块,所述样本关键帧提取模块用于建立所述图像关键帧库;所述样本关键帧提取模块包括:
第二视频分段单元,用于将目标移动的样本视频依据场景的不同进行视频分段,得到视频区间;
第二关键帧提取单元,用于利用直方图平均法提取每段所述视频区间的关键帧图像,并加入到图像关键帧库中。
5.如权利要求4所述的防走失系统,其特征在于,所述第二视频分段单元通过以下步骤进行视频分段:
步骤A1,将视频画面的RGB颜色空间转换为HSV颜色空间,并对所述HSV颜色空间在HSV分量上进行量化,得到视频画面的HSV颜色直方图;
步骤A2,依据所述HSV颜色直方图以及对视频画面划分出的多个子区域的预设权重算出相邻两帧视频画面的帧间差值;
步骤A3,依据所述帧间差值计算视频的帧间差值均值,并计算各所述帧间差值与该均值的比值,将所述比值大于预设的帧间差阈值的连续多帧中的最后一帧作为视频分段帧进行视频分段。
6.一种实现目标跟踪的老年人防走失方法,其特征在于,包括以下步骤:
目标定位设备实时获取自身设备的位置作为目标实时位置,并将所述目标实时位置发送至后台服务器;
远程监测设备制定目标的预期移动轨迹并上传至后台服务器;
后台服务器记录目标已发生的移动轨迹得到轨迹大数据,并将所述目标实时位置分别与所述预期移动轨迹以及所述轨迹大数据进行比对,在任一比对结果不匹配时:向远程监测设备发出走失预警信息,并触发目标定位设备播放语音求助和/或显示画面求助。
7.如权利要求6所述的防走失方法,其特征在于,该方法还包括以下步骤:
目标定位设备实时拍摄实景视频,并将所述实景视频发送至后台服务器;
后台服务器从接收到的实景视频中提取出关键帧画面,并将所述关键帧画面与预先建立并存储于后台服务器的图像关键帧库中的关键帧图像进行匹配判断,若判定所述关键帧画面与所有关键帧图像均不匹配,则执行所述预警动作;其中,
所述关键帧图像为目标以往移动路径中的不同场景的图像或同一场景内不同视角下的图像。
8.如权利要求7所述的防走失方法,其特征在于,所述从接收到的实景视频中提取出关键帧画面包括:
提取所述实景视频的首帧画面作为基准画面,之后每隔n帧的画面时,用该n帧后的画面作为待匹配画面与所述基准画面利用匹配度阈值进行画面是否匹配的判断,在判定画面不匹配时将当前的待匹配画面作为视频分段帧对实景视频进行分段;
利用直方图平均法提取所述视频区间的关键帧图像,并加入到图像关键帧库中;其中,
在每次对实景视频进行分段之后,将从新分割出来的视频区间中提取出的关键帧图像作为新的基准画面进行下一次视频分段。
9.如权利要求7或8所述的防走失方法,其特征在于,建立所述图像关键帧库包括:
将目标移动的样本视频依据场景的不同进行视频分段,得到视频区间;
利用直方图平均法提取每段所述视频区间的关键帧图像,并加入到图像关键帧库中。
10.如权利要求9所述的防走失方法,其特征在于,所述视频分段包括:
步骤A1,将视频画面的RGB颜色空间转换为HSV颜色空间,并对所述HSV颜色空间在HSV分量上进行量化,得到视频画面的HSV颜色直方图;
步骤A2,依据所述HSV颜色直方图以及对视频画面划分出的多个子区域的预设权重算出相邻两帧视频画面的帧间差值;
步骤A3,依据所述帧间差值计算视频的帧间差值均值,并计算各所述帧间差值与该均值的比值,将所述比值大于预设的帧间差阈值的连续多帧中的最后一帧作为视频分段帧进行视频分段。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010148171.4A CN111508199B (zh) | 2020-03-05 | 2020-03-05 | 实现目标跟踪的老年人防走失系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010148171.4A CN111508199B (zh) | 2020-03-05 | 2020-03-05 | 实现目标跟踪的老年人防走失系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111508199A true CN111508199A (zh) | 2020-08-07 |
CN111508199B CN111508199B (zh) | 2021-11-02 |
Family
ID=71877634
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010148171.4A Active CN111508199B (zh) | 2020-03-05 | 2020-03-05 | 实现目标跟踪的老年人防走失系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111508199B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114283542A (zh) * | 2021-11-30 | 2022-04-05 | 浙江朱道模块集成有限公司 | 一种用于公共场所的智能标识终端 |
CN114863638A (zh) * | 2022-04-07 | 2022-08-05 | 深圳腾信百纳科技有限公司 | 基于手表的管控方法、装置、设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110042596A (ko) * | 2009-10-19 | 2011-04-27 | 중앙대학교 산학협력단 | 미아 추적 시스템 및 위치 추적 방법 |
CN102223601A (zh) * | 2011-06-09 | 2011-10-19 | 中兴通讯股份有限公司 | 定位服务方法、系统及终端 |
CN106128026A (zh) * | 2016-06-15 | 2016-11-16 | 维沃移动通信有限公司 | 一种求救方法和移动终端 |
CN106850708A (zh) * | 2015-12-03 | 2017-06-13 | 山大鲁能信息科技有限公司 | 具有gps定位跟踪功能的家校通系统及其方法 |
CN107018385A (zh) * | 2017-05-27 | 2017-08-04 | 杭州咚咚信息技术有限公司 | 智能看护装置和方法 |
CN108551525A (zh) * | 2018-04-13 | 2018-09-18 | 维沃移动通信有限公司 | 一种移动轨迹的状态确定方法和移动终端 |
CN108876659A (zh) * | 2018-04-24 | 2018-11-23 | 南京交通职业技术学院 | 基于智能终端的敬老出行服务系统和方法 |
-
2020
- 2020-03-05 CN CN202010148171.4A patent/CN111508199B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110042596A (ko) * | 2009-10-19 | 2011-04-27 | 중앙대학교 산학협력단 | 미아 추적 시스템 및 위치 추적 방법 |
CN102223601A (zh) * | 2011-06-09 | 2011-10-19 | 中兴通讯股份有限公司 | 定位服务方法、系统及终端 |
CN106850708A (zh) * | 2015-12-03 | 2017-06-13 | 山大鲁能信息科技有限公司 | 具有gps定位跟踪功能的家校通系统及其方法 |
CN106128026A (zh) * | 2016-06-15 | 2016-11-16 | 维沃移动通信有限公司 | 一种求救方法和移动终端 |
CN107018385A (zh) * | 2017-05-27 | 2017-08-04 | 杭州咚咚信息技术有限公司 | 智能看护装置和方法 |
CN108551525A (zh) * | 2018-04-13 | 2018-09-18 | 维沃移动通信有限公司 | 一种移动轨迹的状态确定方法和移动终端 |
CN108876659A (zh) * | 2018-04-24 | 2018-11-23 | 南京交通职业技术学院 | 基于智能终端的敬老出行服务系统和方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114283542A (zh) * | 2021-11-30 | 2022-04-05 | 浙江朱道模块集成有限公司 | 一种用于公共场所的智能标识终端 |
CN114863638A (zh) * | 2022-04-07 | 2022-08-05 | 深圳腾信百纳科技有限公司 | 基于手表的管控方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111508199B (zh) | 2021-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11704936B2 (en) | Object tracking and best shot detection system | |
US11605225B2 (en) | Automatic determination and monitoring of vehicles on a racetrack with corresponding imagery data for broadcast | |
US9652863B2 (en) | Multi-mode video event indexing | |
CN109886096B (zh) | 一种智慧旅游监管及安全应急管理联动指挥系统 | |
KR102104088B1 (ko) | Uwb 기반 위치 추적 및 인공지능 융합 지능형 객체 추적 영상 감시 시스템 | |
CN108875588A (zh) | 基于深度学习的跨摄像头行人检测跟踪方法 | |
US20180218243A1 (en) | System and method for predictive sports analytics using body-pose information | |
US8195598B2 (en) | Method of and system for hierarchical human/crowd behavior detection | |
KR101650924B1 (ko) | 지능형 영상 분석 시스템 및 방법 | |
CN111508199B (zh) | 实现目标跟踪的老年人防走失系统和方法 | |
CN111174781B (zh) | 一种基于可穿戴设备联合目标检测的惯导定位方法 | |
EP2918071A1 (en) | System and method for processing visual information for event detection | |
CN103049751A (zh) | 一种改进的加权区域匹配高空视频行人识别方法 | |
JP2004531842A (ja) | サーベイランスシステムおよび監視システムに関する方法 | |
JP2004537790A (ja) | 移動対象物評価システムおよび方法 | |
JP2004534315A (ja) | 移動対象物を監視する方法およびシステム | |
Chang et al. | Video analytics in smart transportation for the AIC'18 challenge | |
CN113011371A (zh) | 目标检测方法、装置、设备及存储介质 | |
Nguyen et al. | The state of aerial surveillance: A survey | |
CN111929672A (zh) | 移动轨迹的确定方法及装置、存储介质和电子装置 | |
CN111782881B (zh) | 数据处理方法、装置、设备以及存储介质 | |
CN113627497B (zh) | 一种基于时空约束的跨摄像头行人轨迹匹配方法 | |
Zhang et al. | Visualwind: a novel video dataset for cameras to sense the wind | |
Nandakumar et al. | High-frequency crowd insights for public safety and congestion control | |
Buch | Classification of vehicles for urban traffic scenes |
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 |