CN111553225A - 一种基于视频分析的人员移动轨迹生成系统及方法 - Google Patents
一种基于视频分析的人员移动轨迹生成系统及方法 Download PDFInfo
- Publication number
- CN111553225A CN111553225A CN202010317431.6A CN202010317431A CN111553225A CN 111553225 A CN111553225 A CN 111553225A CN 202010317431 A CN202010317431 A CN 202010317431A CN 111553225 A CN111553225 A CN 111553225A
- Authority
- CN
- China
- Prior art keywords
- video data
- fixed point
- person
- searched
- storage unit
- 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.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 20
- 239000000284 extract Substances 0.000 claims description 13
- 239000011521 glass Substances 0.000 claims description 4
- 238000009434 installation Methods 0.000 claims description 4
- 238000013075 data extraction Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011840 criminal investigation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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
-
- 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
- G06V20/48—Matching video sequences
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明涉及一种基于视频分析的人员移动轨迹生成系统及方法,其中,系统包括装于公共区域的多个定点监视器,以采集公共区域内不同位置的定点视频,其中,公共区域的必经位置均安装有相应的定点监视器,定点监视器输出的视频数据中包含定点监视器的位置编号以及视频拍摄时间;存储单元分别与多个定点监视器连接,以存储定点监视器采集的视频数据;人员信息库,用于保存待搜寻人员的人像信息;视频分析单元,所述视频分析单元分别与存储单元、人员信息库连接,根据视频数据和待搜寻人员的人像信息,以分析得到待搜寻人员的移动轨迹,所述移动轨迹具体为沿时间轴的位置路线。与现有技术相比,本发明能够快速、准确地生成人员移动轨迹。
Description
技术领域
本发明涉及人员轨迹追踪技术领域,尤其是涉及一种基于视频分析的人员移动轨迹生成系统及方法。
背景技术
在公共区域,有时需要从公共区域内摄像头记录的视频中找出特定人员的移动轨迹,比如在疫情期间,需要分析得到疑似人员的移动轨迹;或者在刑侦破案过程中,需要分析得到嫌疑人员的移动轨迹;以及其他情况等等。目前常用的方法是人工调阅大量视频图像,以从视频中搜寻到特定人员,之后再根据图像中特定人员出现的时间和图像记录位置,最后绘制出特定人员的移动轨迹。由于人工操作容易发生疏忽,导致调阅视频过程中很有可能遗漏某些重要信息,无法保证最终人员识别的准确性,进而无法保证人员移动轨迹的准确性,并且这种方式的效率较低,不能快速准确地从大量视频图像中得到人员移动轨迹。
而现有的一些人员移动轨迹获得方法,大多是预先锁定人员,比如中国专利CN107548028A提出一种室内人员移动轨迹计算系统及方法,主要利用可穿戴定位设备实现对室内人员的移动定位,这种方式并不适用于公共区域中的人员移动轨迹生成。此外,目前有研究通过行人再识别技术对视频图像进行分析,以获得特定人员的移动轨迹,但这种方式需要遍历大量的视频图像,导致数据处理计算量过大,不利于快速获得人员移动轨迹。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于视频分析的人员移动轨迹生成系统及方法,通过对公共区域内的定点视频图像进行分析,以快速、准确地生成特定人员的移动轨迹。
本发明的目的可以通过以下技术方案来实现:一种基于视频分析的人员移动轨迹生成系统,包括安装于公共区域的多个定点监视器,以采集公共区域内不同位置的定点视频,其中,公共区域的必经位置均安装有相应的定点监视器,所述定点监视器输出的视频数据中包含定点监视器的位置编号以及视频拍摄时间;
存储单元,所述存储单元分别与多个定点监视器连接,以存储定点监视器采集的视频数据;
人员信息库,用于保存待搜寻人员的人像信息;
视频分析单元,所述视频分析单元分别与存储单元、人员信息库连接,根据视频数据和待搜寻人员的人像信息,以分析得到待搜寻人员的移动轨迹,所述移动轨迹具体为沿时间轴的位置路线。
进一步地,所述定点监视器的安装位置与公共区域的规划路径相一致,位置相近的两个定点监视器的位置编号之间为先后关系。
进一步地,所述人像信息包括待搜寻人员的面部数据以及识别特征信息,所述面部数据具体为待搜寻人员的身份证面部图像。
进一步地,所述待搜寻人员的识别特征信息包括基本特征、头部特征、体态特征、衣着特征以及携带物特征。
进一步地,所述基本特征具体为性别和年龄段,所述头部特征具体为帽子、发型、眼镜和口罩,所述体态特征具体为朝向和速度,所述衣着特征具体为上衣及裤子的类型及颜色,所述携带物特征具体为是否有包、是否抱小孩以及是否打伞。
进一步地,所述人员信息库还连接有语义输入装置,以将待搜寻人员的识别特征信息以语义形式输出给人员信息库。
一种基于视频分析的人员移动轨迹生成方法,包括以下步骤:
S1、多个定点监视器分别采集区域内不同位置的视频数据,并将采集的视频数据实时传输给存储单元;
S2、视频分析单元从人员信息库获取待搜寻人员的人像信息;
S3、视频分析单元从存储单元中提取视频数据,并根据待搜寻人员的人像信息,以从视频数据中识别得到待搜寻人员的途径位置及对应时间,即可生成待搜寻人员的移动轨迹。
进一步地,所述步骤S3具体包括以下步骤:
S31、提取公共区域必经位置的定点监视器视频数据;
S32、根据待搜寻人员的人像信息,视频分析单元对步骤S31提取的视频数据进行人像识别,若识别出待搜寻人员,则执行步骤S33,否则返回步骤S2;
S33、基于该视频数据所属定点监视器的位置编号和拍摄时间,按位置编号先后关系,依次获取相邻位置编号的定点监视器视频数据并进行人像识别,以确定待搜寻人员的所有途径位置及对应时间;
S34、按时间先后关系,整理待搜寻人员的途径位置及对应时间,生成沿时间轴的位置路线,即为待搜寻人员的移动轨迹。
进一步地,所述步骤S33具体包括以下步骤:
S331、获取并记录识别出待搜寻人员的视频数据所属定点监视器的位置编号N和拍摄时间To,之后从存储单元中分别提取位置编号为N+1和N-1的定点监视器视频数据;
S332、根据待搜寻人员的识别特征信息,视频分析单元对步骤S331提取的视频数据进行人像识别,若仅从位置编号为N+1的定点监视器视频数据中识别出待搜寻人员,则执行步骤S333;
若仅从位置编号为N-1的定点监视器视频数据中识别出待搜寻人员,则执行步骤S334;
若从位置编号为N+1和N-1的定点监视器视频数据中均识别出待搜寻人员,则执行步骤S335;
若从位置编号为N+1和N-1的定点监视器视频数据中均未识别出待搜寻人员,则执行步骤S336;
S333、记录该视频数据的拍摄时间,继续依次从存储单元中提取位置编号为N+2、N+3、……M、1的定点监视器视频数据,之后依次进行人像识别并记录对应拍摄时间,其中,M为定点监视器的安装总数量,位置编号1的定点监视器与位置编号M的定点监视器为两个相邻位置的定点监视器;
S334、记录该视频数据的拍摄时间,继续依次从存储单元中提取位置编号为N-1、N-3、……1、M的定点监视器视频数据,之后依次进行人像识别并记录对应拍摄时间;
S335、分别获取位置编号为N+1和N-1的定点监视器视频数据对应的拍摄时间Tp和Tm,根据To、Tp和Tm之间的大小关系,决定后续提取视频数据的先后顺序,以对后续提取的视频数据进行人像识别并记录对应的拍摄时间;
S336、从存储单元中分别提取位置编号为N+2和N-2的定点监视器视频数据,之后对应替换步骤S331中的位置编号N+1和N-1,并执行步骤S332;
S337、迭代执行步骤S332~S336,完成对定点监视器视频数据的人像识别,并记录识别出待搜寻人员的视频数据所属定点监视器的位置编号及对应的拍摄时间。
进一步地,所述步骤S335具体包括以下步骤:
S3351、分别获取位置编号为N+1和N-1的定点监视器视频数据对应的拍摄时间Tp和Tm;
S3352、若Tp<To<Tm,则继续依次从存储单元中提取位置编号为N+2、N+3、……M、1的定点监视器视频数据,之后依次进行人像识别并记录对应拍摄时间;
若Tp>To>Tm,则继续依次从存储单元中提取位置编号为N-1、N-3、……1、M的定点监视器视频数据,之后依次进行人像识别并记录对应拍摄时间;
若Tp>Tm>To,则继续依次从存储单元中提取位置编号为N-1、N-3、……1、M的定点监视器视频数据,之后依次进行人像识别并记录对应拍摄时间;
若Tm>Tp>To,则继续依次从存储单元中提取位置编号为N+2、N+3、……M、1的定点监视器视频数据,之后依次进行人像识别并记录对应拍摄时间;
若Tp<Tm<To,则继续依次从存储单元中提取位置编号为N-1、N-3、……1、M的定点监视器视频数据,之后依次进行人像识别并记录对应拍摄时间;
若Tm<Tp<To,则继续依次从存储单元中提取位置编号为N+2、N+3、……M、1的定点监视器视频数据,之后依次进行人像识别并记录对应拍摄时间。
与现有技术相比,本发明具有以下优点:
一、本发明通过在公共区域必经位置安装定点监视器,并将定点监视器的位置编号与公共区域规划路径相对应,通过对必经位置定点监视器的视频数据进行人像识别,能够快速确定待搜寻人员的位置,不需要遍历全部定点监视器的视频数据,有效降低数据处理计算量。
二、本发明利用定点监视器位置编号的先后关系,在必经位置识别出待搜寻人员后,能够分别向前、向后继续识别追踪待搜寻人员的途径位置,结合视频数据中的拍摄时间标记,使本发明兼具方向与时间线的识别追踪,进一步提高人员移动轨迹的生成效率。
三、本发明结合传统面部特征以及包括基本特征、头部特征、体态特征、衣着特征以及携带物特征的识别特征信息,共同构成人像信息,有利于视频分析单元将待搜寻人员的人脸与人体进行图像关联,在对视频数据进行人像识别时,不仅能够采用人脸特征进行识别,而且可以依托更为丰富的人体特征进行识别,扩大识别范围,保证人员识别的准确性,此外,利用语义输入的方式,提高了操作便利性。
附图说明
图1为本发明的系统结构示意图;
图2为本发明的方法流程示意图;
图中标记说明:1、定点监视器,2、存储单元,3、人员信息库,4、视频分析单元,5、语义输入装置。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
实施例
如图1所示,一种基于视频分析的人员移动轨迹生成系统,包括多个定点监视器1、存储单元2、人员信息库3、视频分析单元4和语义输入装置5,多个定点监视器分别连接至存储单元2,存储单元2和人员信息库3分别与视频分析单元4连接,人员信息库3还与语义输入装置5相连接,其中,多个定点监视器1按照公共区域的规划路径进行安装,以采集公共区域内不同位置的定点视频,并且在公共区域的必经位置均安装有相应的定点监视器、位置相近的两个定点监视器的位置编号之间为先后关系,定点监视器1输出的视频数据中包含定点监视器1的位置编号以及视频拍摄时间;
存储单元2用于存储定点监视器1采集的视频数据;
人员信息库3用于保存待搜寻人员的人像信息,人像信息包括待搜寻人员的面部数据以及识别特征信息,面部数据用于人脸识别,识别特征信息则用于人体识别,本实施例中,面部数据具体为待搜寻人员的身份证面部图像;识别特征信息则包括基本特征(性别和年龄段)、头部特征(帽子、发型、眼镜和口罩)、体态特征(朝向和速度)、衣着特征(上衣及裤子的类型及颜色)以及携带物特征(是否有包、是否抱小孩以及是否打伞),为进一步提高操作便利性,本发明通过语义输入装置5,以将待搜寻人员的识别特征信息以语义形式输出给人员信息库3,比如直接输入识别特征信息为“女性、青年、戴眼镜、戴口罩、背包、黑色外套、棕色长裤”;
视频分析单元4分别与存储单元2、人员信息库3连接,根据视频数据和待搜寻人员的人像信息,以分析得到待搜寻人员的移动轨迹,具体为沿时间轴的位置路线。
将上述系统应用于实际,如图2所示,主要包括以下步骤:
S1、多个定点监视器1分别采集区域内不同位置的视频数据,并将采集的视频数据实时传输给存储单元2;
S2、视频分析单元4从人员信息库3获取待搜寻人员的人像信息;
S3、视频分析单元4从存储单元2中提取视频数据,并根据待搜寻人员的人像信息,以从视频数据中识别得到待搜寻人员的途径位置及对应时间,即可生成待搜寻人员的移动轨迹:
首先提取公共区域必经位置的定点监视器视频数据;
之后根据待搜寻人员的人像信息,对必经位置的视频数据进行人像识别,若识别出待搜寻人员,则基于该视频数据所属定点监视器的位置编号和拍摄时间,按位置编号先后关系,依次获取相邻位置编号的定点监视器视频数据并进行人像识别,以确定待搜寻人员的所有途径位置及对应时间,否则返回步骤S2;
最后按时间先后关系,整理待搜寻人员的途径位置及对应时间,生成沿时间轴的位置路线,即为待搜寻人员的移动轨迹。
其中,在步骤S3的视频分析过程中,具体分析过程为:
获取并记录识别出待搜寻人员的视频数据所属定点监视器的位置编号N和拍摄时间To,之后从存储单元中分别提取位置编号为N+1和N-1的定点监视器视频数据;
根据待搜寻人员的识别特征信息,对位置编号为N+1和N-1的定点监视器视频数据分别进行人像识别,若仅从位置编号为N+1的定点监视器视频数据中识别出待搜寻人员,则记录该视频数据的拍摄时间,继续依次从存储单元中提取位置编号为N+2、N+3、……M、1的定点监视器视频数据,之后依次进行人像识别并记录对应拍摄时间,其中,M为定点监视器的安装总数量,位置编号1的定点监视器与位置编号M的定点监视器为两个相邻位置的定点监视器;
若仅从位置编号为N-1的定点监视器视频数据中识别出待搜寻人员,则记录该视频数据的拍摄时间,继续依次从存储单元中提取位置编号为N-1、N-3、……1、M的定点监视器视频数据,之后依次进行人像识别并记录对应拍摄时间;
若从位置编号为N+1和N-1的定点监视器视频数据中均识别出待搜寻人员,则分别获取位置编号为N+1和N-1的定点监视器视频数据对应的拍摄时间Tp和Tm,若Tp<To<Tm,则继续依次从存储单元中提取位置编号为N+2、N+3、……M、1的定点监视器视频数据,之后依次进行人像识别并记录对应拍摄时间;
若Tp>To>Tm,则继续依次从存储单元中提取位置编号为N-1、N-3、……1、M的定点监视器视频数据,之后依次进行人像识别并记录对应拍摄时间;
若Tp>Tm>To,则继续依次从存储单元中提取位置编号为N-1、N-3、……1、M的定点监视器视频数据,之后依次进行人像识别并记录对应拍摄时间;
若Tm>Tp>To,则继续依次从存储单元中提取位置编号为N+2、N+3、……M、1的定点监视器视频数据,之后依次进行人像识别并记录对应拍摄时间;
若Tp<Tm<To,则继续依次从存储单元中提取位置编号为N-1、N-3、……1、M的定点监视器视频数据,之后依次进行人像识别并记录对应拍摄时间;
若Tm<Tp<To,则继续依次从存储单元中提取位置编号为N+2、N+3、……M、1的定点监视器视频数据,之后依次进行人像识别并记录对应拍摄时间;
若从位置编号为N+1和N-1的定点监视器视频数据中均未识别出待搜寻人员,则从存储单元中分别提取位置编号为N+2和N-2的定点监视器视频数据,之后对应替换前述步骤中的位置编号N+1和N-1,以重新进行分析;
通过依次迭代分析,完成对定点监视器视频数据的人像识别,并记录识别出待搜寻人员的视频数据所属定点监视器的位置编号及对应的拍摄时间。
综上所述,本发明利用公共区域必经位置的视频数据,以快速确定待搜寻人员的位置,并将该位置作为起始位置,之后通过定点监视器的位置编号,从起始位置开始分别向前、向后继续识别追踪待搜寻人员,如此便能快速定位位置与时间,提高人员移动轨迹生成的效率,此外,结合面部数据和人体特征进行识别,也保证了人员识别的准确性,从而提高人员移动轨迹的准确性。
Claims (10)
1.一种基于视频分析的人员移动轨迹生成系统,其特征在于,包括安装于公共区域的多个定点监视器(1),以采集公共区域内不同位置的定点视频,其中,公共区域的必经位置均安装有相应的定点监视器(1),所述定点监视器(1)输出的视频数据中包含定点监视器(1)的位置编号以及视频拍摄时间;
存储单元(2),所述存储单元(2)分别与多个定点监视器(1)连接,以存储定点监视器(1)采集的视频数据;
人员信息库(3),用于保存待搜寻人员的人像信息;
视频分析单元(4),所述视频分析单元(4)分别与存储单元(2)、人员信息库(3)连接,根据视频数据和待搜寻人员的人像信息,得到待搜寻人员的移动轨迹,所述移动轨迹具体为沿时间轴的位置路线。
2.根据权利要求1所述的一种基于视频分析的人员移动轨迹生成系统,其特征在于,所述定点监视器(1)的安装位置与公共区域的规划路径相一致,位置相近的两个定点监视器(1)的位置编号之间为先后关系。
3.根据权利要求1所述的一种基于视频分析的人员移动轨迹生成系统,其特征在于,所述人像信息包括待搜寻人员的面部数据以及识别特征信息,所述面部数据具体为待搜寻人员的身份证面部图像。
4.根据权利要求3所述的一种基于视频分析的人员移动轨迹生成系统,其特征在于,所述待搜寻人员的识别特征信息包括基本特征、头部特征、体态特征、衣着特征以及携带物特征。
5.根据权利要求4所述的一种基于视频分析的人员移动轨迹生成系统,其特征在于,所述基本特征具体为性别和年龄段,所述头部特征具体为帽子、发型、眼镜和口罩,所述体态特征具体为朝向和速度,所述衣着特征具体为上衣及裤子的类型及颜色,所述携带物特征具体为是否有包、是否抱小孩以及是否打伞。
6.根据权利要求3所述的一种基于视频分析的人员移动轨迹生成系统,其特征在于,所述人员信息库(3)还连接有语义输入装置(5),以将待搜寻人员的识别特征信息以语义形式输出给人员信息库(3)。
7.一种应用权利要求1所述系统的人员移动轨迹生成方法,其特征在于,包括以下步骤:
S1、多个定点监视器(1)分别采集区域内不同位置的视频数据,并将采集的视频数据实时传输给存储单元(2);
S2、视频分析单元(4)从人员信息库(3)获取待搜寻人员的人像信息;
S3、视频分析单元(4)从存储单元(2)中提取视频数据,并根据待搜寻人员的人像信息,以从视频数据中识别得到待搜寻人员的途径位置及对应时间,即可生成待搜寻人员的移动轨迹。
8.根据权利要求7所述的一种人员移动轨迹生成方法,其特征在于,所述步骤S3具体包括以下步骤:
S31、提取公共区域必经位置的定点监视器(1)视频数据;
S32、根据待搜寻人员的人像信息,视频分析单元(4)对步骤S31提取的视频数据进行人像识别,若识别出待搜寻人员,则执行步骤S33,否则返回步骤S2;
S33、基于该视频数据所属定点监视器(1)的位置编号和拍摄时间,按位置编号先后关系,依次获取相邻位置编号的定点监视器(1)视频数据并进行人像识别,以确定待搜寻人员的所有途径位置及对应时间;
S34、按时间先后关系,整理待搜寻人员的途径位置及对应时间,生成沿时间轴的位置路线,即为待搜寻人员的移动轨迹。
9.根据权利要求8所述的一种人员移动轨迹生成方法,其特征在于,所述步骤S33具体包括以下步骤:
S331、获取并记录识别出待搜寻人员的视频数据所属定点监视器(1)的位置编号N和拍摄时间To,之后从存储单元(2)中分别提取位置编号为N+1和N-1的定点监视器(1)视频数据;
S332、根据待搜寻人员的识别特征信息,视频分析单元(4)对步骤S331提取的视频数据进行人像识别,若仅从位置编号为N+1的定点监视器(1)视频数据中识别出待搜寻人员,则执行步骤S333;
若仅从位置编号为N-1的定点监视器(1)视频数据中识别出待搜寻人员,则执行步骤S334;
若从位置编号为N+1和N-1的定点监视器(1)视频数据中均识别出待搜寻人员,则执行步骤S335;
若从位置编号为N+1和N-1的定点监视器(1)视频数据中均未识别出待搜寻人员,则执行步骤S336;
S333、记录该视频数据的拍摄时间,继续依次从存储单元(2)中提取位置编号为N+2、N+3、……M、1的定点监视器(1)视频数据,之后依次进行人像识别并记录对应拍摄时间,其中,M为定点监视器(1)的安装总数量,位置编号1的定点监视器(1)与位置编号M的定点监视器(1)为两个相邻位置的定点监视器(1);
S334、记录该视频数据的拍摄时间,继续依次从存储单元(2)中提取位置编号为N-1、N-3、……1、M的定点监视器(1)视频数据,之后依次进行人像识别并记录对应拍摄时间;
S335、分别获取位置编号为N+1和N-1的定点监视器(1)视频数据对应的拍摄时间Tp和Tm,根据To、Tp和Tm之间的大小关系,决定后续提取视频数据的先后顺序,以对后续提取的视频数据进行人像识别并记录对应的拍摄时间;
S336、从存储单元(2)中分别提取位置编号为N+2和N-2的定点监视器(1)视频数据,之后对应替换步骤S331中的位置编号N+1和N-1,并执行步骤S332;
S337、迭代执行步骤S332~S336,完成对定点监视器(1)视频数据的人像识别,并记录识别出待搜寻人员的视频数据所属定点监视器(1)的位置编号及对应的拍摄时间。
10.根据权利要求9所述的一种人员移动轨迹生成方法,其特征在于,所述步骤S335具体包括以下步骤:
S3351、分别获取位置编号为N+1和N-1的定点监视器(1)视频数据对应的拍摄时间Tp和Tm;
S3352、若Tp<To<Tm,则继续依次从存储单元(2)中提取位置编号为N+2、N+3、……M、1的定点监视器(1)视频数据,之后依次进行人像识别并记录对应拍摄时间;
若Tp>To>Tm,则继续依次从存储单元(2)中提取位置编号为N-1、N-3、……1、M的定点监视器(1)视频数据,之后依次进行人像识别并记录对应拍摄时间;
若Tp>Tm>To,则继续依次从存储单元(2)中提取位置编号为N-1、N-3、……1、M的定点监视器(1)视频数据,之后依次进行人像识别并记录对应拍摄时间;
若Tm>Tp>To,则继续依次从存储单元(2)中提取位置编号为N+2、N+3、……M、1的定点监视器(1)视频数据,之后依次进行人像识别并记录对应拍摄时间;
若Tp<Tm<To,则继续依次从存储单元(2)中提取位置编号为N-1、N-3、……1、M的定点监视器(1)视频数据,之后依次进行人像识别并记录对应拍摄时间;
若Tm<Tp<To,则继续依次从存储单元(2)中提取位置编号为N+2、N+3、……M、1的定点监视器(1)视频数据,之后依次进行人像识别并记录对应拍摄时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010317431.6A CN111553225A (zh) | 2020-04-21 | 2020-04-21 | 一种基于视频分析的人员移动轨迹生成系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010317431.6A CN111553225A (zh) | 2020-04-21 | 2020-04-21 | 一种基于视频分析的人员移动轨迹生成系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111553225A true CN111553225A (zh) | 2020-08-18 |
Family
ID=72004363
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010317431.6A Pending CN111553225A (zh) | 2020-04-21 | 2020-04-21 | 一种基于视频分析的人员移动轨迹生成系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111553225A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112330742A (zh) * | 2020-11-03 | 2021-02-05 | 盈合(深圳)机器人与自动化科技有限公司 | 公共区域重点人员活动路线记录方法及装置 |
CN112766638A (zh) * | 2020-12-28 | 2021-05-07 | 惠州学院 | 基于视频图像分析流水线操作人员工作效率的方法及系统 |
CN113139508A (zh) * | 2021-05-12 | 2021-07-20 | 深圳他米科技有限公司 | 基于人工智能的酒店安全预警方法、装置及设备 |
CN114255445A (zh) * | 2021-12-21 | 2022-03-29 | 承德石油高等专科学校 | 一种人员移动轨迹监测方法、系统和存储设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011227851A (ja) * | 2010-04-23 | 2011-11-10 | Rf Logitech Kk | 映像記録システム |
CN104902233A (zh) * | 2015-05-22 | 2015-09-09 | 辽宁玖鼎金盛计算机技术有限公司 | 综合安全监控系统 |
WO2016141641A1 (zh) * | 2015-03-11 | 2016-09-15 | 中兴通讯股份有限公司 | 一种可疑人员识别方法及装置 |
CN106650652A (zh) * | 2016-12-14 | 2017-05-10 | 黄先开 | 基于人脸识别技术的轨迹跟踪系统及其方法 |
CN109214276A (zh) * | 2018-07-23 | 2019-01-15 | 武汉虹信技术服务有限责任公司 | 一种基于人脸识别技术的目标人员轨迹跟踪的系统及方法 |
CN110443109A (zh) * | 2019-06-11 | 2019-11-12 | 万翼科技有限公司 | 异常行为监控处理方法、装置、计算机设备和存储介质 |
-
2020
- 2020-04-21 CN CN202010317431.6A patent/CN111553225A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011227851A (ja) * | 2010-04-23 | 2011-11-10 | Rf Logitech Kk | 映像記録システム |
WO2016141641A1 (zh) * | 2015-03-11 | 2016-09-15 | 中兴通讯股份有限公司 | 一种可疑人员识别方法及装置 |
CN104902233A (zh) * | 2015-05-22 | 2015-09-09 | 辽宁玖鼎金盛计算机技术有限公司 | 综合安全监控系统 |
CN106650652A (zh) * | 2016-12-14 | 2017-05-10 | 黄先开 | 基于人脸识别技术的轨迹跟踪系统及其方法 |
CN109214276A (zh) * | 2018-07-23 | 2019-01-15 | 武汉虹信技术服务有限责任公司 | 一种基于人脸识别技术的目标人员轨迹跟踪的系统及方法 |
CN110443109A (zh) * | 2019-06-11 | 2019-11-12 | 万翼科技有限公司 | 异常行为监控处理方法、装置、计算机设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
童长毅;马治国;殷正辉;: "人像识别技术在警务工作中的应用", 警察技术, no. 05 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112330742A (zh) * | 2020-11-03 | 2021-02-05 | 盈合(深圳)机器人与自动化科技有限公司 | 公共区域重点人员活动路线记录方法及装置 |
CN112766638A (zh) * | 2020-12-28 | 2021-05-07 | 惠州学院 | 基于视频图像分析流水线操作人员工作效率的方法及系统 |
CN113139508A (zh) * | 2021-05-12 | 2021-07-20 | 深圳他米科技有限公司 | 基于人工智能的酒店安全预警方法、装置及设备 |
CN113139508B (zh) * | 2021-05-12 | 2023-11-14 | 深圳他米科技有限公司 | 基于人工智能的酒店安全预警方法、装置及设备 |
CN114255445A (zh) * | 2021-12-21 | 2022-03-29 | 承德石油高等专科学校 | 一种人员移动轨迹监测方法、系统和存储设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111553225A (zh) | 一种基于视频分析的人员移动轨迹生成系统及方法 | |
Li et al. | Uav-human: A large benchmark for human behavior understanding with unmanned aerial vehicles | |
Gan et al. | Multiple attention network for facial expression recognition | |
Zheng et al. | Person re-identification in the wild | |
CN106295568B (zh) | 基于表情和行为双模态结合的人类自然状态情感识别方法 | |
Ryoo et al. | An overview of contest on semantic description of human activities (sdha) 2010 | |
CN109919977B (zh) | 一种基于时间特征的视频运动人物跟踪与身份识别方法 | |
Sun et al. | Discriminative exemplar coding for sign language recognition with kinect | |
He et al. | Human attention in image captioning: Dataset and analysis | |
US20090285456A1 (en) | Method and system for measuring human response to visual stimulus based on changes in facial expression | |
CN111985348B (zh) | 人脸识别方法和系统 | |
CN111783576A (zh) | 基于改进型YOLOv3网络和特征融合的行人重识别方法 | |
Zhao et al. | ME-PLAN: A deep prototypical learning with local attention network for dynamic micro-expression recognition | |
Chung et al. | Haa500: Human-centric atomic action dataset with curated videos | |
CN112257513B (zh) | 一种手语视频翻译模型的训练方法、翻译方法及系统 | |
Cai et al. | Robust object modeling for visual tracking | |
Sarker et al. | Towards robust human activity recognition from rgb video stream with limited labeled data | |
CN112541421A (zh) | 一种开放空间的行人换装重识别方法 | |
CN115439884A (zh) | 一种基于双分支自注意力网络的行人属性识别方法 | |
Liu et al. | Facial expression recognition for in-the-wild videos | |
CN113158739B (zh) | 基于注意力机制的孪生网络解决换装行人重识别的方法 | |
Liu et al. | Emotion recognition for in-the-wild videos | |
Vora et al. | Bringing generalization to deep multi-view pedestrian detection | |
CN114817638A (zh) | 一种固定场景监控视频的回溯系统 | |
US11783587B2 (en) | Deep learning tattoo match system based |
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 |