CN112040186A - 目标对象的活动区域确定方法、装置、设备及存储介质 - Google Patents
目标对象的活动区域确定方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112040186A CN112040186A CN202010888751.7A CN202010888751A CN112040186A CN 112040186 A CN112040186 A CN 112040186A CN 202010888751 A CN202010888751 A CN 202010888751A CN 112040186 A CN112040186 A CN 112040186A
- Authority
- CN
- China
- Prior art keywords
- target object
- target
- image
- determining
- track information
- 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
-
- 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
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Radar Systems Or Details Thereof (AREA)
- Alarm Systems (AREA)
Abstract
本公开提供一种目标对象的活动区域确定方法、装置、设备及存储介质,其中方法包括:获取目标对象在目标场所的抓拍图像;所述抓拍图像包括所述目标场所内的监控设备拍摄的图像;根据所述目标对象的抓拍图像,确定第一时段内所述目标对象在所述目标场所内的轨迹信息;所述轨迹信息是根据所述目标场所内的监控设备采集的视频数据得到;根据所述轨迹信息,确定第二时段内所述目标对象的活动区域。
Description
技术领域
本公开涉及计算机视觉技术领域,具体涉及一种目标对象的活动区域确定方法、装置、设备及存储介质。
背景技术
在人员密集的大型活动场所内,常常发生同伴走失而需要在场内寻找同伴的情况。相关技术中,可以通过同伴携带的通信设备(如手机)进行联系,从而在约定地点找到同伴。但是,上述实现方式往往需要被寻找同伴的主动配合,而对于诸如未携带通信设备的走失人员(如老人或小孩)等不具备主动配合条件或是不愿主动配合的被寻找同伴而言,这种方式并不能及时找到走失的同伴。
发明内容
本公开提供了一种目标对象的活动区域确定方法、装置、设备及存储介质。
根据本公开实施例的第一方面,提供一种目标对象的活动区域确定方法,所述方法包括:获取目标对象在目标场所的抓拍图像;所述抓拍图像包括所述目标场所内的监控设备拍摄的图像;根据所述目标对象的抓拍图像,确定第一时段内所述目标对象在所述目标场所内的轨迹信息;所述轨迹信息是根据所述目标场所内的监控设备采集的视频数据得到;根据所述轨迹信息,确定第二时段内所述目标对象的活动区域。
在一些可选实施例中,在时序上,所述第二时段的起始时刻不早于所述第一时段的起始时刻,且所述第二时段的截止时刻晚于所述第一时段的截止时刻。
在一些可选实施例中,所述获取目标对象在目标场所的抓拍图像,包括:获取所述目标对象的人脸图像;将所述目标对象的人脸图像与抓拍图像库中的各抓拍图像进行相似度匹配;所述抓拍图像库中包括多张由所述目标场所内的监控设备拍摄的图像;将所述抓拍图像库中与所述目标对象的人脸图像相匹配的抓拍图像,确定为所述目标对象的抓拍图像。
在一些可选实施例中,所述获取目标对象在目标场所的抓拍图像,包括:获取所述目标对象的人脸图像;将所述目标对象的人脸图像与抓拍图像库中的各抓拍图像进行相似度匹配,并确定满足相似度条件的至少一张抓拍图像;所述抓拍图像库中包括多张由所述目标场所内的监控设备拍摄的图像;响应于从所述至少一张抓拍图像中指定一张图像的指定操作,将被指定的抓拍图像确定为所述目标对象的抓拍图像。
在一些可选实施例中,所述获取所述目标对象的人脸图像,包括:接收所述目标对象的人脸图像;或者,根据所述目标对象的对象标识,从人脸图像库中获取对应所述对象标识的人脸图像;所述人脸图像库中预先存储至少一张人脸图像。
在一些可选实施例中,所述根据所述目标对象的抓拍图像,确定第一时段内所述目标对象在所述目标场所内的轨迹信息,包括:基于所述目标对象的抓拍图像,从轨迹数据库中获取所述目标对象对应的轨迹信息;所述轨迹数据库中包括所述目标场所中各个活动对象的轨迹信息。
在一些可选实施例中,所述从轨迹数据库中获取所述目标对象对应的轨迹信息之前,还包括:获取所述目标场所内的监控设备采集的视频数据;根据所述采集的视频数据,确定所述目标场所中至少一个活动对象的轨迹信息,并存储在所述轨迹数据库中;所述至少一个活动对象包括所述目标对象。
在一些可选实施例中,所述根据所述目标对象的抓拍图像,确定第一时段内所述目标对象在所述目标场所内的轨迹信息,包括:获取所述目标场所内的监控设备采集的视频数据;基于所述采集的视频数据,根据所述目标对象的抓拍图像,确定第一时段内所述目标对象在所述目标场所内的轨迹信息。
在一些可选实施例中,所述根据所述轨迹信息,确定第二时段内所述目标对象的活动区域,包括:确定所述目标对象在所述目标场所内的完整轨迹信息中的至少一部分轨迹信息,所述至少一部分轨迹信息包括所述目标对象在所述第一时段的截止时刻对应的轨迹位置;根据所述至少一部分轨迹信息,确定第二时段内所述目标对象的活动区域。
在一些可选实施例中,所述根据所述轨迹信息,确定第二时段内所述目标对象的活动区域,包括:获取所述目标对象在所述目标场所内的历史行为数据;基于所述历史行为数据和第一时段内所述目标对象的轨迹信息,确定所述目标对象的活动区域。
在一些可选实施例中,所述活动区域包括如下至少一项:所述目标场所内的区域或位置;除所述目标场所外的区域或位置。
根据本公开实施例的第二方面,提供一种目标对象的活动区域确定装置,所述装置包括:抓拍图像获取模块,用于获取目标对象在目标场所的抓拍图像;所述抓拍图像包括所述目标场所内的监控设备拍摄的图像;轨迹信息确定模块,用于根据所述目标对象的抓拍图像,确定第一时段内所述目标对象在所述目标场所内的轨迹信息;所述轨迹信息是根据所述目标场所内的监控设备采集的视频数据得到;活动区域确定模块,用于根据所述轨迹信息,确定第二时段内所述目标对象的活动区域。
在一些可选实施例中,在时序上,所述第二时段的起始时刻不早于所述第一时段的起始时刻,且所述第二时段的截止时刻晚于所述第一时段的截止时刻。
在一些可选实施例中,所述抓拍图像获取模块包括:人脸图像获取子模块,用于获取所述目标对象的人脸图像;匹配子模块,用于将所述目标对象的人脸图像与抓拍图像库中的各抓拍图像进行相似度匹配;所述抓拍图像库中包括多张由所述目标场所内的监控设备拍摄的图像;抓拍图像确定子模块,用于将所述抓拍图像库中与所述目标对象的人脸图像相匹配的抓拍图像,确定为所述目标对象的抓拍图像。
在一些可选实施例中,所述匹配子模块,还用于将所述目标对象的人脸图像与抓拍图像库中的各抓拍图像进行相似度匹配,并确定满足相似度条件的至少一张抓拍图像;所述抓拍图像库中包括多张由所述目标场所内的监控设备拍摄的图像;所述抓拍图像确定子模块,还用于响应于从所述至少一张抓拍图像中指定一张图像的指定操作,将被指定的抓拍图像确定为所述目标对象的抓拍图像。
在一些可选实施例中,所述人脸图像获取子模块,在用于获取所述目标对象的人脸图像时,包括:接收所述目标对象的人脸图像;或者,根据所述目标对象的对象标识,从人脸图像库中获取对应所述对象标识的人脸图像;所述人脸图像库中预先存储至少一张人脸图像。
在一些可选实施例中,所述轨迹信息确定模块包括:轨迹信息确定子模块,用于基于所述目标对象的抓拍图像,从轨迹数据库中获取所述目标对象对应的轨迹信息;所述轨迹数据库中包括所述目标场所中各个活动对象的轨迹信息。
在一些可选实施例中,所述轨迹信息确定子模块,在用于从轨迹数据库中获取所述目标对象对应的轨迹信息之前,还包括:获取所述目标场所内的监控设备采集的视频数据;根据所述采集的视频数据,确定所述目标场所中至少一个活动对象的轨迹信息,并存储在所述轨迹数据库中;所述至少一个活动对象包括所述目标对象。
在一些可选实施例中,所述轨迹信息确定子模块,还用于获取所述目标场所内的监控设备采集的视频数据;基于所述采集的视频数据,根据所述目标对象的抓拍图像,确定第一时段内所述目标对象在所述目标场所内的轨迹信息。
在一些可选实施例中,所述活动区域确定模块,在用于根据所述轨迹信息,确定第二时段内所述目标对象的活动区域时,包括:确定所述目标对象在所述目标场所内的完整轨迹信息中的至少一部分轨迹信息,所述至少一部分轨迹信息包括所述目标对象在所述第一时段的截止时刻对应的轨迹位置;根据所述至少一部分轨迹信息,确定第二时段内所述目标对象的活动区域。
在一些可选实施例中,所述活动区域确定模块,在用于根据所述轨迹信息,确定第二时段内所述目标对象的活动区域时,包括:获取所述目标对象在所述目标场所内的历史行为数据;基于所述历史行为数据和第一时段内所述目标对象的轨迹信息,确定所述目标对象的活动区域。
在一些可选实施例中,所述活动区域包括如下至少一项:所述目标场所内的区域或位置;除所述目标场所外的区域或位置。
根据本公开实施例的第三方面,提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现第一方面中任一项所述的目标对象的活动区域确定方法。
根据本公开实施例的第四方面,提供一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现第一方面中任一所述的目标对象的活动区域确定方法。
根据本公开实施例的第五方面,提供一种计算机程序产品,包括计算机程序,所述程序被处理器执行时实现第一方面中任一所述的目标对象的活动区域确定方法。
本公开实施例中,可以获取需要寻找的目标对象的抓拍图像,根据抓拍图像确定目标对象第一时段内在目标场所中的轨迹信息,从而根据轨迹信息确定第二时段内目标对象的活动区域。相关工作人员可以根据确定的活动区域及时找回走失的目标对象,提高寻人效率。这种目标对象的活动区域确定方法,不依赖目标对象的主动配合,不依赖目标对象携带的通信设备,仅通过目标场所内的监控设备采集的视频数据就可以确定目标对象的活动区域,从而可以及时找回走失的目标对象。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种目标对象的活动区域确定方法流程图;
图2是根据一示例性实施例示出的一种获取抓拍图像的方法流程图;
图3是根据一示例性实施例示出的另一种获取抓拍图像的方法流程图;
图4是根据一示例性实施例示出的一种目标对象的活动区域确定装置示意图;
图5是根据一示例性实施例示出的另一种目标对象的活动区域确定装置示意图;
图6是根据一示例性实施例示出的又一种目标对象的活动区域确定装置示意图;
图7是根据一示例性实施例示出的一种计算机设备的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的具体方式并不代表与本公开相一致的所有方案。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
在本公开使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本公开可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本公开范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
在大型活动场所内,由于人流量大、环境复杂,经常出现同伴走失而需要在场所内寻人的情况。例如,在大型购物中心、大型游乐场、旅游景点、公园等活动场所内,经常发生同行的同伴走失需要寻人的情况。
在相关技术中,可以通过同伴随身携带的通信设备(如手机、智能手表等)进行联系,从而在约定地点找到走失的同伴。这种寻人的方式往往需要被寻找同伴主动配合,才能及时找到。但是,仍然存在相当一部分人如老人或小孩,或者不具备主动配合条件(不会随身携带通信设备),或者不愿意主动配合。这部分不能提供主动配合的人一旦走失,以上的寻人方式将不能及时找回。
因此,需要一种不依赖走失人员主动配合的寻人方法,以更高效的找回走失的同伴。
出于安全监控或客流统计需求,在大型活动场所中通常部署了一定数量的监控摄像头,实时采集该活动场所内的视频数据、图像数据。基于此,本公开实施例提供了一种目标对象的活动区域确定方法,通过获取目标对象的抓拍图像,根据抓拍图像确定第一时段内目标对象在目标场所内的轨迹信息,基于轨迹信息确定第二时段内目标对象的活动区域。相关人员可以根据基于轨迹信息确定的活动区域,更快找到丢失的目标对象。
为了使本公开提供的目标对象的活动区域确定方法更加清楚,下面结合附图和具体实施例对本公开提供的方案执行过程进行详细描述。
参见图1,图1是本公开提供的实施例示出的一种目标对象的活动区域确定方法流程图。该方法可以应用于目标场所的管理系统,例如商场的运营系统、景区的管理系统等。如图1所示,该流程包括:
步骤101,获取目标对象在目标场所的抓拍图像;所述抓拍图像包括所述目标场所内的监控设备拍摄的图像。
目标场所,是可供目标对象进行活动的场所。
例如,大型购物中心、大型娱乐场所、旅游景点、公园、车站等活动场所,均可以看作本公开实施例中的目标场所。对应不同的目标场所,目标对象可以进行不同的活动。例如,目标对象可以在大型购物中心进行购物活动、在公园进行健身运动、在车站进行乘车或候车等等。
目标场所通常具有人流量大、场所空间大等特点。所以,在目标场所中进行各种活动的过程中,容易造成同行同伴的走失,从而需要寻找走失的同伴。
目标对象,是在目标场所中走失而需要寻找的走失人员。
例如,某丈夫A、妻子B和孩子C,一家三人同时在购物中心进行购物活动。由于购物中心人流量大、环境嘈杂等原因,导致其中孩子C不慎与其父母(丈夫A和妻子B)走失。此时,孩子C的父母通常会通过购物中心,来寻找走失的孩子C。其中,可以将走失而需要寻找的孩子C作为本公开实施例中的目标对象。
在本公开实施例中,需要提前在目标场所内安装一定数量的监控设备。
出于安全监控或者客流统计的需求,在各种大型活动场所中通常均会部署一定数量的监控设备。本公开实施例中,可以复用目标场所中已经安装的监控设备,或者在已有监控设备的基础上补充更多的监控设备。
其中,监控设备需要按照一定规则,拍摄在目标场所内进行活动的各个活动对象,得到各个活动对象的抓拍图像。
以购物中心为例,其中部署的摄像头可以在检测到正面人脸时进行拍摄,从而得到对应的活动对象的抓拍图像。或者,摄像头可以按照固定的时间间隔,拍摄监控区域得到抓拍图像。可以理解的是,监控设备拍摄的规则可以有多种形式,以上仅是示例性的。
在监控设备对目标场所内的活动对象进行拍摄,得到各活动对象的抓拍图像后,可以将抓拍图像进行存储。
本步骤需要从大量的抓拍图像中,获取目标对象的抓拍图像。
示例性的,可以根据现有的目标对象的图像,与大量的抓拍图像进行相似度匹配,得到与目标对象相匹配的一张抓拍图像。或者,可以根据目标对象的图像,从大量抓拍图像中匹配得到多张相似度较高的抓拍图像,由寻找人员从多张抓拍图像中指定目标对象的抓拍图像。
例如,寻找走失孩子C的父母,可以提供孩子C的生活照。通过将孩子C的生活照与存储的大量抓拍图像进行相似度匹配,得到一张匹配的抓拍图像。其中,孩子C的父母可以进一步确定该匹配到的抓拍图像,是否是孩子C的抓拍图像。或者,在得到多张匹配的抓拍图像的情况下,可以由孩子C的父母从中指定孩子C的抓拍图像。
步骤102,根据所述目标对象的抓拍图像,确定第一时段内所述目标对象在所述目标场所内的轨迹信息;所述轨迹信息是根据所述目标场所内的监控设备采集的视频数据得到。
轨迹信息,是目标对象第一时段内在目标场所中活动轨迹的相关信息。
示例性的,轨迹信息中可以包括目标对象第一时段内在目标场所中的不同位置坐标、以及目标对象在不同位置坐标处的时间信息。
例如,通过获取孩子C的轨迹信息,可知:孩子C在下午3点到下午4点之间的时段内一直在餐厅D;在下午4点到下午5点之间的时段内一直在溜冰场E;在下午5点整离开溜冰场E去了洗手间F。
可以理解的是,以上轨迹信息中包括的活动轨迹的相关信息仅是示例性的。在具体应用中,轨迹信息中可以包括更丰富的关于目标对象的相关信息,在本公开实施例中并不限制具体包含哪些信息。
第一时段,是目标对象走失之前的一个时间段。其中,第一时段的截止时刻可以是目标对象的走失时刻。
如上例中,假设孩子C在下午5点整离开溜冰场E去了洗手间F之后走失。本公开实施例中,在下午5点之前的时间段可以称为第一时段。例如,下午3点到下午5点之间的时段,可以称为第一时段;或者,下午4点到下午5点之间的时段,可以称为第一时段。
需要说明的是,在本公开实施例中,对于第一时段的设置方式不予限定,可以包括但不限于上述一段时间,还可以包括多段时间。
比如,该多段时间在时序上存在先后顺序,且相邻两个时段之间存在一定时间间隔。通常情况下,相邻两个时段之间的时间间隔小于一定时长,而所指的一定时长的长短通常对于目标对象的轨迹不会带来较大的影响。即在所指的一定时长内,目标对象产生的轨迹较短,或是在可控范围内运动等。需要说明的是,不同的两个时段之间的时间间隔,可以相同或是不同,在此不予限定。
在本公开实施例中,可以根据目标场所内的监控设备采集的视频数据,基于人脸/人体识别、人脸/人体跟踪、属性识别等基础AI能力,结合ReID(Person re-identification,行人重识别)技术,将目标对象第一时段内在目标场所中的活动轨迹还原出来,从而得到目标对象的轨迹信息。
在一种可能的实现方式中,可以将第一时段内目标对象的轨迹信息,与目标对象的抓拍图像建立对应的关联关系。例如,在存储目标对象的轨迹信息时,可以将目标对象的抓拍图像进行对应存储。所以,确定目标对象的抓拍图像后,即可从存储中得到对应的目标对象的轨迹信息。
本步骤中根据目标对象的抓拍图像确定的第一时段内的轨迹信息,可以是预先已经根据视频数据得到的轨迹信息。
例如,目标场所内的监控设备在实时采集视频数据的同时,可以根据这些采集的视频数据,同步计算并更新目标场所中各个活动对象的轨迹信息并进行存储。这样在确定目标对象的抓拍图像后,就可以根据抓拍图像从存储的轨迹信息中,确定出对应目标对象的轨迹信息。
或者,本步骤中根据目标对象的抓拍图像确定的轨迹信息,可以是确定目标对象的抓拍图像后,再获取第一时段内的视频数据并基于视频数据,只计算出目标对象的轨迹信息。这种方式可以只计算目标对象的轨迹信息,不需要对视频数据中出现的各个活动对象的轨迹信息均进行计算。
步骤103,根据所述轨迹信息,确定第二时段内所述目标对象的活动区域。其中,第二时段的截止时刻晚于第一时段的截止时刻。
在一些可选实施例中,在时序上,所述第二时段的起始时刻不早于所述第一时段的起始时刻,且所述第二时段的截止时刻晚于所述第一时段的截止时刻。
例如,孩子C在下午4点到下午5点之间的第一时段内一直在溜冰场E,于下午五点与父母走失,其父母于下午6点在购物中心寻求帮助。本公开实施例中,可以将下午4点到下午6点之间的时段,称为第二时段;或者,将下午5点到下午6点之间的时段,称为第二时段。
需要说明的是,与第一时段类似,在本公开实施例中,对于第二时段的设置方式不予限定,可以包括但不限于上述一段时间,还可以包括多段时间。该多段时间的关系,可以参考前文对于第一时段的解释,在此不予赘述。
本步骤可以根据第一时段内目标对象在目标场所内的轨迹信息,确定第二时段内目标对象的活动区域。从而相关人员可以从确定的目标对象的活动区域中,及时找到走失的目标对象。
在一些可选实施例中,活动区域可以是目标场所内的区域或位置;或者,可以是目标场所外的区域或位置。
上述实施例中,活动区域可以是目标对象的一个具体的位置,或者可以是目标对象所在范围的一个范围区域。并且,活动区域可以在目标场所内;或者可以在目标场所外。在活动区域是目标对象所在范围的一个范围区域的情况下,目标对象的活动区域可以同时包括目标场所内的区域和目标场所外的区域。
在本公开实施例中,一种可能的情况是,目标对象始终在目标场所内监控设备的监控范围内。所以根据视频数据得到的目标对象的轨迹信息,可以是持续不断更新的轨迹信息。
本步骤中,可以根据轨迹信息实时确定目标对象的活动区域。相关的工作人员或者寻找人员,可以立即前往目标对象实时所在的活动区域,寻找到走失的目标对象。
在本公开实施例中,另一种可能的情况是,目标对象在走失以后就不在监控范围内。所以根据视频数据得到的第一时段内目标对象的轨迹信息,并不能直接得到目标对象的活动区域。
本步骤中,需要根据第一时段内目标对象的轨迹信息,预测出第二时段内目标对象的活动区域。相关人员可以根据预测的活动区域进行有针对性寻找,提高了寻找走失人员的效率。
示例性的,可以根据第一时段内目标对象的轨迹信息,推断目标对象的行进速度;并从轨迹信息中确定目标对象走失前最后出现的时刻和地点。从而,可以根据当前时刻与目标对象最后出现的时刻,计算出目标对象的走失时长。基于计算出的走失时长,结合推断出的目标对象的行进速度,计算出当前时刻目标对象距离最后出现地点的距离。以目标对象最后出现的地点为中心,根据计算出的当前时刻目标对象距离最后出现地点的距离,可以预测出第二时段内目标对象的活动区域。
需要说明的是,活动区域通常可以用圆形区域、椭圆形区域等规则区域,或是不规则区域来表示。
在一种实现方式中,可以结合走失场所内可行走路径的部署情况来确定。
比如,对于商场等规则部署的场所而言,活动区域可以表示为矩形区域;再比如,对于大卖场等非规则部署的场所而言,在确定活动区域的过程中,考虑到走失场所内可行走的路径的不规则性,因此可以结合可行走路径、计算出的距离(指的通常是目标对象按照推断出的行进速度可行进的路径长度)以及推断出的行进速度,来确定活动区域。此时得到的活动区域中往往包括至少一条不规则路径,还可能存在一条甚至多条规则路径。
其中,规则路径指的是方向明确且路径区域平直或是趋近于平直的情况;不规则路径指的是方向不明确(即方向模糊,比如,随着路径中位置点的变化,可行进方向不断变化等)和/或路径区域呈折线或是弧形等的情况。由于可行走路径的多样化,因此,活动区域往往呈不规则图形。
在一些可选实施例中,所述根据所述轨迹信息,确定第二时段内所述目标对象的活动区域,包括:确定所述目标对象在所述目标场所内的完整轨迹信息中的至少一部分轨迹信息,所述至少一部分轨迹信息包括所述目标对象在所述第一时段内的截止时刻对应的轨迹位置;根据所述至少一部分轨迹信息,确定第二时段内所述目标对象的活动区域。
在上述实施例中,可以只根据完整轨迹信息中的一部分轨迹信息,确定第二时段内目标对象的活动区域。
其中,完整轨迹信息可以是目标对象从进入目标场所进行活动后,产生的完整的活动轨迹相关的信息。一部分轨迹信息,包括目标对象在第一时段的截止时刻对应的轨迹位置。例如,一部分轨迹信息中,可以包含最新轨迹的轨迹信息:轨迹最后的轨迹位置和时间等。
例如,顾客甲上午8点进入商场进行购物,下午4点与家人走失。从上午8点到下午4点,对应的顾客甲的轨迹信息,可以看作本公开实施例中的完整轨迹信息。从中午12点到下午4点,对应的顾客甲的轨迹信息,可以看作本公开实施例中的一部分轨迹信息。
上述实施例中的一部分轨迹信息,已经包括了目标对象走失前最后的轨迹位置以及时间。可以根据目标对象的轨迹变化、最后出现的位置坐标、最后出现时间与当前时间时间差,综合预测出第二时段内目标对象的活动区域。
在一些可选实施例中,所述根据所述轨迹信息,确定第二时段内所述目标对象的活动区域,包括:获取所述目标对象在所述目标场所内的历史行为数据;基于所述历史行为数据和第一时段内所述目标对象的轨迹信息,确定所述目标对象的活动区域。
历史行为数据,是目标对象在走失之前的一段历史时间内,在目标场所进行各种行为活动时记录下来的行为数据。
例如,假设目标对象是某购物中心的会员,每天利用会员卡在商场中的超市进行购物。目标对象在超市购物的过程中,作为目标场所的购物中心可以收集到目标对象的购物活动相关数据,作为目标对象每天的“行为数据”。在寻找目标对象时,可以将购物中心收集到的行为数据,作为目标对象的历史行为数据。可以理解的是,以上的“历史行为数据”仅是示例性的,在实际应用中可以包括更多形式的“历史行为数据”,本公开实施例不作限制。
上述实施例中,可以根据目标对象的历史行为数据和第一时段内目标对象的轨迹信息,综合确定目标对象的活动区域。
例如,通过获取目标对象的历史行为数据,可以了解到目标对象每天上午10点均会到超市进行购物;并且通过目标对象的轨迹信息,可以了解到目标对象最后出现的活动区域在超市附近。上述实施例中,可以综合目标对象的历史行为数据和轨迹信息,确定或预测出目标对象的活动区域。从而,寻找人员可以有针对性寻找目标对象,提高寻人效率。
本公开实施例中,确定目标对象活动区域的方式,不依赖需要寻找的目标对象的主动配合,不依赖目标对象携带的通信设备。只需要依托活动场所内安装的监控设备采集的视频数据、图像数据,得到对应目标对象的轨迹信息,从而根据轨迹信息确定目标对象的活动区域,显著提高了寻找目标对象的效率,可以更加及时找回走失的目标对象。
在一些可选实施例中,在步骤101中,获取目标对象在目标场所的抓拍图像,如图2所示,可以包括如下步骤:
步骤201,获取所述目标对象的人脸图像。
目标对象的人脸图像,是包含目标对象人脸部分的图像。
例如,人脸图像可以是包含目标对象的正面人脸的图像。比如,人脸图像可以是目标对象的证件照、包含目标对象清晰人脸的生活照等。
获取目标对象的人脸图像后,可以将目标对象的人脸与监控设备拍摄的图像中的人脸进行相似度比较,从而可以确定监控设备采集的视频中的目标对象。
在一种可能的实现方式中,获取所述目标对象的人脸图像,可以包括:接收所述目标对象的人脸图像。例如,可以接收由寻人用户提供的目标对象的人脸图像;其中,寻人用户可以是主动寻找目标对象的人员。
上述可能的实现方式中,寻人用户可以主动提供所要寻找的目标对象的人脸图像。从而,目标场所的管理系统可以接收目标对象的人脸图像。
其中,接收人脸图像的方式可以包括多种。例如,寻找人员可以通过手机APP、公众号、小程序、蓝牙等不同的方式,提供目标对象的人脸图像。
在另一种可能的实现方式中,获取所述目标对象的人脸图像,可以包括:根据所述目标对象的对象标识,从人脸图像库中获取对应所述对象标识的人脸图像;所述人脸图像库中预先存储至少一张人脸图像。
上述可能的实现方式中,对象标识是可以唯一标识目标对象的标识。例如,可以是目标对象的手机号、身份证号等。人脸图像库中可以预先存储了多张人脸图像,并且每张人脸图像对应不同的对象标识。
其中,人脸图像库中的人脸图像,可以由多种不同的方式预先存储。
示例性的,可以在目标对象到访目标场所、记录目标对象的访客信息时,采集并存储目标对象对应的对象标识和人脸图像。例如,可以在商场门口设置到访人员登记表,由到访人员主动填写手机号、身份证号等信息,作为对应该到访人员的对象标识。同时,可以在商场门口安装监控设备,采集到访人员的人脸图像,并存储在人脸图像库中。
示例性的,可以在目标对象注册目标场所的会员、填写注册信息时,采集并存储目标对象对应的对象标识和人脸图像。例如,可以在目标场所对应的手机APP用户注册页面中,设置“手机号”和“身份证号”填写项,采集注册用户的手机号和身份证号等信息,作为注册用户的对象标识。同时,注册用户在手机APP进行注册时,可以调用手机摄像头采集该注册用户的人脸图像,并存储在人脸图像库中。
例如,在目标对象是所在目标场所的会员的情况下,上述实现方式中,可以直接从会员信息中获取目标对象的会员照片。例如,寻找人员可以提供目标对象的手机号、身份证信息、姓名或年龄等等,可以根据这些信息确定目标对象的身份,从而查看该目标对象的会员信息、获取会员照片作为该目标对象的人脸图像。
步骤202,将所述目标对象的人脸图像与抓拍图像库中的各抓拍图像进行相似度匹配;所述抓拍图像库中包括多张由所述目标场所内的监控设备拍摄的图像。
在本公开实施例中,可以预先利用目标场所的监控设备,按照一定的规则拍摄目标场所中各个活动对象的抓拍图像,并将抓拍图像存储在抓拍图像库中。
例如,可以每隔5秒钟,由监控设备采集一次目标场所中监控区域的各个活动对象的图像,作为抓拍图像存储在抓拍图像库中。或者,监控设备在检测到各个活动对象的正面人脸时,采集包含活动对象的正面人脸的抓拍图像,存储在抓拍图像库中。
本步骤中,可以将目标对象的人脸图像与抓拍图像库中的各个抓拍图像进行相似度匹配。例如,可以将人脸图像中的人脸与抓拍图像中的人脸进行相似度比较,通过人脸的相似度确定两张图像是否匹配,可以提高匹配准确性。
在一种可能的实现方式中,寻找人员可从抓拍图像库中确定自己的抓拍图像。由于寻找人员与目标对象是同行人员,所以可以由寻找人员根据自己的抓拍图像从中指认出目标对象,作为目标对象的抓拍图像。
例如,父母与孩子C下午4点同时在餐厅吃饭,吃饭后孩子C走失。此时,可以根据父母下午4点在餐厅吃饭的抓拍图像,由父母从中指认出走失的孩子C。从而,确定该孩子C的抓拍图像。
这种得到目标对象的抓拍图像的方式,可以不依赖目标对象的人脸图像。而是通过与目标对象同框的人员,确认出目标对象的抓拍图像。
步骤203,将所述抓拍图像库中与所述目标对象的人脸图像相匹配的抓拍图像,确定为所述目标对象的抓拍图像。
本步骤中,可以从抓拍图像库中匹配得到一张抓拍图像,作为目标对象的抓拍图像。从而根据该匹配的抓拍图像,可以确定目标对象的轨迹信息,进而确定目标对象的活动区域。
本公开实施例中获取目标对象的抓拍图像的方式,可以自动从抓拍图像库中,确定一张图像为目标对象的抓拍图像。不需要人工干预或选择,从而提高了寻找目标对象的效率。
在一些可选实施例中,在步骤101中,获取目标对象在目标场所的抓拍图像,如图3所示,可以包括如下步骤:
步骤301,获取所述目标对象的人脸图像。
本步骤获取目标对象的人脸图像的过程,与步骤201类似,在此不再赘述。
步骤302,将所述目标对象的人脸图像与抓拍图像库中的各抓拍图像进行相似度匹配,并确定满足相似度条件的至少一张抓拍图像;所述抓拍图像库中包括多张由所述目标场所内的监控设备拍摄的图像。
本公开实施例中,可以预先设置相似度条件。根据预先设置的相似度条件,从抓拍图像库中得到满足相似度条件的一张或者多张抓拍图像。为了进一步准确确定目标对象的抓拍图像,可以由寻找人员从中指定一张图像。
步骤303,响应于从所述至少一张抓拍图像中指定一张图像的指定操作,将被指定的抓拍图像确定为所述目标对象的抓拍图像。
本步骤中,寻找人员可以从多张抓拍图像中指定一张图像,作为目标对象的抓拍图像。例如,寻找人员可以通过触摸屏幕,点击多张抓拍图像中的一张。响应于该“点击”操作,本步骤中可以将“点击”的图像确定为目标对象的抓拍图像。
在本公开实施例中,可以从抓拍图像库中匹配得到多张抓拍图像,由寻找人员指定目标对象的抓拍图像。进一步提高了确定目标对象的抓拍图像的准确性,从而可以更高效的寻找到目标对象。
在一些可选实施例中,步骤102中,根据目标对象的抓拍图像,确定第一时段内目标对象在目标场所内的轨迹信息,可以包括:基于所述目标对象的抓拍图像,从轨迹数据库中获取所述目标对象对应的轨迹信息;所述轨迹数据库中包括所述目标场所中各个活动对象的轨迹信息。
在上述实施例中,可以预先将目标场所中各个活动对象的轨迹信息存储在轨迹数据库中,从而可以根据目标对象的抓拍图像,从轨迹数据库中获取对应的轨迹信息。
例如,目标场所中的监控设备可以实时采集视频数据,根据采集的视频数据,实时确定出目标场所中各个活动对象的轨迹信息,存储在轨迹数据库中。在获取目标对象的抓拍图像后,可以从轨迹数据库中存储的轨迹信息中,根据抓拍图像获取对应的轨迹信息。
本公开实施例中,将目标场所中各个活动对象的轨迹信息预先进行存储,在需要获取目标对象的轨迹信息时,可以直接从存储中获取对应的轨迹信息。不需要临时根据采集的视频数据计算、确定轨迹信息,可以更加高效、便捷的获取目标对象在第一时段内的轨迹信息,从而提高了寻找目标对象的效率。
在一些可选实施例中,所述从轨迹数据库中获取所述目标对象对应的轨迹信息之前,还包括:获取所述目标场所内的监控设备采集的视频数据;根据所述采集的视频数据,确定所述目标场所中至少一个活动对象的轨迹信息,并存储在所述轨迹数据库中;所述至少一个活动对象包括所述目标对象。
在上述实施例中,可以根据目标场所内的监控设备采集的视频数据,基于人脸/人体识别、人脸/人体跟踪、属性识别等基础AI能力,结合ReID技术,将一个或多个活动对象在目标场所中的活动轨迹还原出来。从而得到一个或多个活动对象的轨迹信息,并将轨迹信息存储在轨迹数据库中。
在一种可能的实现方式中,各个活动对象的轨迹信息进行存储时,可以将对应的各个活动对象的抓拍图像进行关联。以便于通过抓拍图像,确定不同活动对象的轨迹信息。
在一些可选实施例中,所述根据所述目标对象的抓拍图像,确定第一时段内所述目标对象在所述目标场所内的轨迹信息,包括:获取所述目标场所内的监控设备采集的视频数据;基于所述采集的视频数据,根据所述目标对象的抓拍图像,确定第一时段内所述目标对象在所述目标场所内的轨迹信息。
在上述实施例中,并没有预先计算并存储目标场所中一个或多个活动对象的轨迹信息,而是在确定了目标对象的抓拍图像后,才利用采集的视频数据仅计算得到第一时段内目标对象的轨迹信息。
例如,在获取目标对象在目标场所的抓拍图像后,从存储的视频数据中获取目标场所的视频数据,并根据该视频数据单独计算出第一时段内目标对象的轨迹信息。
本公开实施例中,对于目标场所中目标对象之外的其他活动对象,并不需要计算出对应的轨迹信息,更不必实时根据视频数据计算不同活动对象的轨迹信息。只需要计算出目标场所中目标对象的轨迹信息,可以有效节约计算资源。
图4所示,本公开提供了一种目标对象的活动区域确定装置,该装置可以执行本公开任一实施例的目标对象的活动区域确定方法。该装置包括:抓拍图像获取模块401、轨迹信息确定模块402和活动区域确定模块403。其中:
抓拍图像获取模块401,用于获取目标对象在目标场所的抓拍图像;所述抓拍图像包括所述目标场所内的监控设备拍摄的图像;
轨迹信息确定模块402,用于根据所述目标对象的抓拍图像,确定第一时段内所述目标对象在所述目标场所内的轨迹信息;所述轨迹信息是根据所述目标场所内的监控设备采集的视频数据得到;
活动区域确定模块403,用于根据所述轨迹信息,确定第二时段内所述目标对象的活动区域。
可选地,在时序上,所述第二时段的起始时刻不早于所述第一时段的起始时刻,且所述第二时段的截止时刻晚于所述第一时段的截止时刻。
可选地,如图5所示,所述抓拍图像获取模块401包括:
人脸图像获取子模块501,用于获取所述目标对象的人脸图像;
匹配子模块502,用于将所述目标对象的人脸图像与抓拍图像库中的各抓拍图像进行相似度匹配;所述抓拍图像库中包括多张由所述目标场所内的监控设备拍摄的图像;
抓拍图像确定子模块503,用于将所述抓拍图像库中与所述目标对象的人脸图像相匹配的抓拍图像,确定为所述目标对象的抓拍图像。
可选地,所述匹配子模块502,还用于将所述目标对象的人脸图像与抓拍图像库中的各抓拍图像进行相似度匹配,并确定满足相似度条件的至少一张抓拍图像;所述抓拍图像库中包括多张由所述目标场所内的监控设备拍摄的图像;所述抓拍图像确定子模块503,还用于响应于从所述至少一张抓拍图像中指定一张图像的指定操作,将被指定的抓拍图像确定为所述目标对象的抓拍图像。
可选地,所述人脸图像获取子模块501,在用于获取所述目标对象的人脸图像时,包括:接收所述目标对象的人脸图像;或者,根据所述目标对象的对象标识,从人脸图像库中获取对应所述对象标识的人脸图像;所述人脸图像库中预先存储至少一张人脸图像。
可选地,如图6所示,所述轨迹信息确定模块402包括:轨迹信息确定子模块601,用于基于所述目标对象的抓拍图像,从轨迹数据库中获取所述目标对象对应的轨迹信息;所述轨迹数据库中包括所述目标场所中各个活动对象的轨迹信息。
可选地,所述轨迹信息确定子模块601,在用于从轨迹数据库中获取所述目标对象对应的轨迹信息之前,还包括:获取所述目标场所内的监控设备采集的视频数据;根据所述采集的视频数据,确定所述目标场所中至少一个活动对象的轨迹信息,并存储在所述轨迹数据库中;所述至少一个活动对象包括所述目标对象。
可选地,所述轨迹信息确定子模块601,还用于获取所述目标场所内的监控设备采集的视频数据;基于所述采集的视频数据,根据所述目标对象的抓拍图像,确定第一时段内所述目标对象在所述目标场所内的轨迹信息。
可选地,所述活动区域确定模块403,在用于根据所述轨迹信息,确定第二时段内所述目标对象的活动区域时,包括:确定所述目标对象在所述目标场所内的完整轨迹信息中的至少一部分轨迹信息,所述至少一部分轨迹信息包括所述目标对象在所述第一时段的截止时刻对应的轨迹位置;根据所述至少一部分轨迹信息,确定第二时段内所述目标对象的活动区域。
可选地,所述活动区域确定模块403,在用于根据所述轨迹信息,确定第二时段内所述目标对象的活动区域时,包括:获取所述目标对象在所述目标场所内的历史行为数据;基于所述历史行为数据和第一时段内所述目标对象的轨迹信息,确定所述目标对象的活动区域。
可选地,所述活动区域包括如下至少一项:所述目标场所内的区域或位置;除所述目标场所外的区域或位置。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本公开至少一个实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
本公开还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时能够实现本公开任一实施例的目标对象的活动区域确定方法。
图7示出了本公开实施例所提供的一种更为具体的计算机设备硬件结构示意图,该设备可以包括:处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。
处理器1010可以采用通用的CPU(Central Processing Unit,中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本说明书实施例所提供的技术方案。
存储器1020可以采用ROM(Read Only Memory,只读存储器)、RAM(Random AccessMemory,随机存取存储器)、静态存储设备,动态存储设备等形式实现。存储器1020可以存储操作系统和其他应用程序,在通过软件或者固件来实现本说明书实施例所提供的技术方案时,相关的程序代码保存在存储器1020中,并由处理器1010来调用执行。
输入/输出接口1030用于连接输入/输出模块,以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出),也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等,输出设备可以包括显示器、扬声器、振动器、指示灯等。
通信接口1040用于连接通信模块(图中未示出),以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线1050包括一通路,在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。
需要说明的是,尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050,但是在具体实施过程中,该设备还可以包括实现正常运行所必需的其他组件。此外,本领域的技术人员可以理解的是,上述设备中也可以仅包含实现本说明书实施例方案所必需的组件,而不必包含图中所示的全部组件。
本公开还提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时能够实现本公开任一实施例的目标对象的活动区域确定方法。
其中,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等,本申请并不对此进行限制。
在一些可选实施例中,本公开实施例提供了一种计算机程序产品,包括计算机可读代码,当计算机可读代码在设备上运行时,设备中的处理器执行用于实现如上任一实施例提供的目标对象的活动区域确定方法。该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。
本领域技术人员在考虑说明书及实践这里申请的发明后,将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未申请的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
以上所述仅为本公开的较佳实施例而已,并不用于限制本公开,凡在本公开的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本公开保护的范围之内。
Claims (14)
1.一种目标对象的活动区域确定方法,其特征在于,所述方法包括:
获取目标对象在目标场所的抓拍图像;所述抓拍图像包括所述目标场所内的监控设备拍摄的图像;
根据所述目标对象的抓拍图像,确定第一时段内所述目标对象在所述目标场所内的轨迹信息;所述轨迹信息是根据所述目标场所内的监控设备采集的视频数据得到;
根据所述轨迹信息,确定第二时段内所述目标对象的活动区域。
2.根据权利要求1所述的方法,其特征在于,在时序上,所述第二时段的起始时刻不早于所述第一时段的起始时刻,且所述第二时段的截止时刻晚于所述第一时段的截止时刻。
3.根据权利要求1或2所述的方法,其特征在于,所述获取目标对象在目标场所的抓拍图像,包括:
获取所述目标对象的人脸图像;
将所述目标对象的人脸图像与抓拍图像库中的各抓拍图像进行相似度匹配;所述抓拍图像库中包括多张由所述目标场所内的监控设备拍摄的图像;
将所述抓拍图像库中与所述目标对象的人脸图像相匹配的抓拍图像,确定为所述目标对象的抓拍图像。
4.根据权利要求1或2所述的方法,其特征在于,所述获取目标对象在目标场所的抓拍图像,包括:
获取所述目标对象的人脸图像;
将所述目标对象的人脸图像与抓拍图像库中的各抓拍图像进行相似度匹配,并确定满足相似度条件的至少一张抓拍图像;所述抓拍图像库中包括多张由所述目标场所内的监控设备拍摄的图像;
响应于从所述至少一张抓拍图像中指定一张图像的指定操作,将被指定的抓拍图像确定为所述目标对象的抓拍图像。
5.根据权利要求3或4所述的方法,其特征在于,所述获取所述目标对象的人脸图像,包括:
接收所述目标对象的人脸图像;
或者,根据所述目标对象的对象标识,从人脸图像库中获取对应所述对象标识的人脸图像;所述人脸图像库中预先存储至少一张人脸图像。
6.根据权利要求1至5中任一项所述的方法,其特征在于,所述根据所述目标对象的抓拍图像,确定第一时段内所述目标对象在所述目标场所内的轨迹信息,包括:
基于所述目标对象的抓拍图像,从轨迹数据库中获取所述目标对象对应的轨迹信息;所述轨迹数据库中包括所述目标场所中各个活动对象的轨迹信息。
7.根据权利要求6所述的方法,其特征在于,所述从轨迹数据库中获取所述目标对象对应的轨迹信息之前,还包括:
获取所述目标场所内的监控设备采集的视频数据;
根据所述采集的视频数据,确定所述目标场所中至少一个活动对象的轨迹信息,并存储在所述轨迹数据库中;所述至少一个活动对象包括所述目标对象。
8.根据权利要求1至5中任一项所述的方法,其特征在于,所述根据所述目标对象的抓拍图像,确定第一时段内所述目标对象在所述目标场所内的轨迹信息,包括:
获取所述目标场所内的监控设备采集的视频数据;
基于所述采集的视频数据,根据所述目标对象的抓拍图像,确定第一时段内所述目标对象在所述目标场所内的轨迹信息。
9.根据权利要求1至8中任一项所述的方法,其特征在于,所述根据所述轨迹信息,确定第二时段内所述目标对象的活动区域,包括:
确定所述目标对象在所述目标场所内的完整轨迹信息中的至少一部分轨迹信息,所述至少一部分轨迹信息包括所述目标对象在所述第一时段的截止时刻对应的轨迹位置;
根据所述至少一部分轨迹信息,确定第二时段内所述目标对象的活动区域。
10.根据权利要求1至9中任一项所述的方法,其特征在于,所述根据所述轨迹信息,确定第二时段内所述目标对象的活动区域,包括:
获取所述目标对象在所述目标场所内的历史行为数据;
基于所述历史行为数据和第一时段内所述目标对象的轨迹信息,确定所述目标对象的活动区域。
11.根据权利要求1至10中任一项所述的方法,其特征在于,所述活动区域包括如下至少一项:
所述目标场所内的区域或位置;
除所述目标场所外的区域或位置。
12.一种目标对象的活动区域确定装置,其特征在于,所述装置包括:
抓拍图像获取模块,用于获取目标对象在目标场所的抓拍图像;所述抓拍图像包括所述目标场所内的监控设备拍摄的图像;
轨迹信息确定模块,用于根据所述目标对象的抓拍图像,确定第一时段内所述目标对象在所述目标场所内的轨迹信息;所述轨迹信息是根据所述目标场所内的监控设备采集的视频数据得到;
活动区域确定模块,用于根据所述轨迹信息,确定第二时段内所述目标对象的活动区域。
13.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1-11任一所述的方法。
14.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现权利要求1-11中任一项所述的方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010888751.7A CN112040186B (zh) | 2020-08-28 | 2020-08-28 | 目标对象的活动区域确定方法、装置、设备及存储介质 |
PCT/CN2021/113695 WO2022042434A1 (zh) | 2020-08-28 | 2021-08-20 | 目标对象的活动区域确定方法、装置、设备及存储介质 |
TW110131136A TWI778761B (zh) | 2020-08-28 | 2021-08-23 | 目標對象的活動區域確定方法、裝置、設備及儲存媒體 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010888751.7A CN112040186B (zh) | 2020-08-28 | 2020-08-28 | 目标对象的活动区域确定方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112040186A true CN112040186A (zh) | 2020-12-04 |
CN112040186B CN112040186B (zh) | 2023-01-31 |
Family
ID=73587645
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010888751.7A Active CN112040186B (zh) | 2020-08-28 | 2020-08-28 | 目标对象的活动区域确定方法、装置、设备及存储介质 |
Country Status (3)
Country | Link |
---|---|
CN (1) | CN112040186B (zh) |
TW (1) | TWI778761B (zh) |
WO (1) | WO2022042434A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112949396A (zh) * | 2021-01-29 | 2021-06-11 | 南通大学 | 一种景区寻找同游人员的自适应方法 |
CN113225457A (zh) * | 2020-12-29 | 2021-08-06 | 视联动力信息技术股份有限公司 | 数据处理方法、装置、电子设备及存储介质 |
WO2022042434A1 (zh) * | 2020-08-28 | 2022-03-03 | 北京市商汤科技开发有限公司 | 目标对象的活动区域确定方法、装置、设备及存储介质 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115762055B (zh) * | 2023-01-05 | 2023-04-14 | 广东汇通信息科技股份有限公司 | 一种基于计算机视觉的公共场所踩踏预警方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018148399A (ja) * | 2017-03-06 | 2018-09-20 | キヤノン株式会社 | 情報処理システム、情報処理方法及びプログラム |
CN109743541A (zh) * | 2018-12-15 | 2019-05-10 | 深圳壹账通智能科技有限公司 | 智能监控方法、装置、计算机设备及存储介质 |
CN109784177A (zh) * | 2018-12-14 | 2019-05-21 | 深圳壹账通智能科技有限公司 | 基于图像匹配的失踪人员快速定位方法、装置及介质 |
CN109886999A (zh) * | 2019-01-24 | 2019-06-14 | 北京明略软件系统有限公司 | 位置确定方法、装置、存储介质和处理器 |
WO2019228194A1 (zh) * | 2018-06-01 | 2019-12-05 | 深圳市商汤科技有限公司 | 目标对象追踪方法及装置、电子设备和存储介质 |
CN110929770A (zh) * | 2019-11-15 | 2020-03-27 | 云从科技集团股份有限公司 | 一种基于图像处理的智能追踪方法、系统、设备及可读介质 |
CN111010547A (zh) * | 2019-12-23 | 2020-04-14 | 浙江大华技术股份有限公司 | 目标对象的追踪方法及装置、存储介质、电子装置 |
WO2020073505A1 (zh) * | 2018-10-11 | 2020-04-16 | 平安科技(深圳)有限公司 | 基于图像识别的图像处理方法、装置、设备及存储介质 |
CN111221997A (zh) * | 2020-01-06 | 2020-06-02 | 四川智胜慧旅科技有限公司 | 一种基于人像识别定位的景区寻人方法 |
WO2020125406A1 (zh) * | 2018-12-20 | 2020-06-25 | Oppo广东移动通信有限公司 | 安全监护方法、装置、终端及计算机可读存储介质 |
CN111429476A (zh) * | 2019-01-09 | 2020-07-17 | 杭州海康威视系统技术有限公司 | 确定目标人物行动轨迹的方法和装置 |
WO2020151083A1 (zh) * | 2019-01-24 | 2020-07-30 | 北京明略软件系统有限公司 | 区域确定方法、装置、存储介质和处理器 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9195883B2 (en) * | 2012-04-09 | 2015-11-24 | Avigilon Fortress Corporation | Object tracking and best shot detection system |
CN103731636A (zh) * | 2013-12-12 | 2014-04-16 | 深圳先进技术研究院 | 利用wi-fi与视频监控设备对目标进行追踪的方法 |
CN111242077A (zh) * | 2020-01-20 | 2020-06-05 | 西安奥卡云数据科技有限公司 | 一种人物追踪方法、系统及服务器 |
CN112040186B (zh) * | 2020-08-28 | 2023-01-31 | 北京市商汤科技开发有限公司 | 目标对象的活动区域确定方法、装置、设备及存储介质 |
-
2020
- 2020-08-28 CN CN202010888751.7A patent/CN112040186B/zh active Active
-
2021
- 2021-08-20 WO PCT/CN2021/113695 patent/WO2022042434A1/zh active Application Filing
- 2021-08-23 TW TW110131136A patent/TWI778761B/zh active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018148399A (ja) * | 2017-03-06 | 2018-09-20 | キヤノン株式会社 | 情報処理システム、情報処理方法及びプログラム |
WO2019228194A1 (zh) * | 2018-06-01 | 2019-12-05 | 深圳市商汤科技有限公司 | 目标对象追踪方法及装置、电子设备和存储介质 |
WO2020073505A1 (zh) * | 2018-10-11 | 2020-04-16 | 平安科技(深圳)有限公司 | 基于图像识别的图像处理方法、装置、设备及存储介质 |
CN109784177A (zh) * | 2018-12-14 | 2019-05-21 | 深圳壹账通智能科技有限公司 | 基于图像匹配的失踪人员快速定位方法、装置及介质 |
CN109743541A (zh) * | 2018-12-15 | 2019-05-10 | 深圳壹账通智能科技有限公司 | 智能监控方法、装置、计算机设备及存储介质 |
WO2020125406A1 (zh) * | 2018-12-20 | 2020-06-25 | Oppo广东移动通信有限公司 | 安全监护方法、装置、终端及计算机可读存储介质 |
CN111429476A (zh) * | 2019-01-09 | 2020-07-17 | 杭州海康威视系统技术有限公司 | 确定目标人物行动轨迹的方法和装置 |
CN109886999A (zh) * | 2019-01-24 | 2019-06-14 | 北京明略软件系统有限公司 | 位置确定方法、装置、存储介质和处理器 |
WO2020151083A1 (zh) * | 2019-01-24 | 2020-07-30 | 北京明略软件系统有限公司 | 区域确定方法、装置、存储介质和处理器 |
CN110929770A (zh) * | 2019-11-15 | 2020-03-27 | 云从科技集团股份有限公司 | 一种基于图像处理的智能追踪方法、系统、设备及可读介质 |
CN111010547A (zh) * | 2019-12-23 | 2020-04-14 | 浙江大华技术股份有限公司 | 目标对象的追踪方法及装置、存储介质、电子装置 |
CN111221997A (zh) * | 2020-01-06 | 2020-06-02 | 四川智胜慧旅科技有限公司 | 一种基于人像识别定位的景区寻人方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022042434A1 (zh) * | 2020-08-28 | 2022-03-03 | 北京市商汤科技开发有限公司 | 目标对象的活动区域确定方法、装置、设备及存储介质 |
CN113225457A (zh) * | 2020-12-29 | 2021-08-06 | 视联动力信息技术股份有限公司 | 数据处理方法、装置、电子设备及存储介质 |
CN112949396A (zh) * | 2021-01-29 | 2021-06-11 | 南通大学 | 一种景区寻找同游人员的自适应方法 |
CN112949396B (zh) * | 2021-01-29 | 2023-11-24 | 南通大学 | 一种景区寻找同游人员的自适应方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2022042434A1 (zh) | 2022-03-03 |
CN112040186B (zh) | 2023-01-31 |
TWI778761B (zh) | 2022-09-21 |
TW202209863A (zh) | 2022-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112040186B (zh) | 目标对象的活动区域确定方法、装置、设备及存储介质 | |
KR102399591B1 (ko) | 관심 지역 및 입구의 위치를 결정하는 시스템 | |
CN107871114B (zh) | 一种推送目标人员跟踪信息的方法、装置及系统 | |
Zheng et al. | Travi-navi: Self-deployable indoor navigation system | |
US8438127B2 (en) | Behaviour pattern analysis system, mobile terminal, behaviour pattern analysis method, and program | |
JP5746378B2 (ja) | 移動体ロケーション判定のための方法及び装置 | |
US10102431B2 (en) | Visual monitoring of queues using auxillary devices | |
WO2021240889A1 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
Elhamshary et al. | JustWalk: A crowdsourcing approach for the automatic construction of indoor floorplans | |
Irfan et al. | Crowd analysis using visual and non-visual sensors, a survey | |
CN112381853A (zh) | 用于利用无线信号和图像来进行人员检测、跟踪和标识的装置和方法 | |
CN111078751A (zh) | 一种基于unreal4进行目标统计的方法及其系统 | |
Mallah et al. | Crowd Monitoring: Critical Situations Prevention Using Smartphones and Group Detection | |
CN110766717B (zh) | 一种基于图像识别的跟随服务方法及装置 | |
WO2017135310A1 (ja) | 通過数カウント装置、通過数カウント方法、プログラムおよび記憶媒体 | |
JP2016143302A (ja) | 情報通知装置、方法、およびプログラム | |
JP6565061B2 (ja) | 看視システム | |
EP3901820A2 (en) | Event analysis system and event analysis method | |
AU2018414269A1 (en) | Information processing apparatus, person search system, place estimation method, and non-transitory computer readable medium storing program | |
Kiran et al. | A novel system architecture for real-time, robust and accurate step detection for PDR based indoor localization | |
Kumrai et al. | Automated construction of Wi-Fi-based indoor logical location predictor using crowd-sourced photos with Wi-Fi signals | |
Felemban et al. | MMaPFlow: a crowd-sourcing based approach for mapping mass pedestrian flow | |
TOKARCHUK et al. | Crowd Analysis using visual and non-visual sensors, a survey | |
Dong | Unleashing the power of the crowd: Towards efficient and sustainable mobile crowdsensing | |
EP4131163A1 (en) | Information processing method, program, and information processing system |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40037855 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |