CN112101170A - 目标定位方法、装置、计算机设备及存储介质 - Google Patents
目标定位方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN112101170A CN112101170A CN202010936379.2A CN202010936379A CN112101170A CN 112101170 A CN112101170 A CN 112101170A CN 202010936379 A CN202010936379 A CN 202010936379A CN 112101170 A CN112101170 A CN 112101170A
- Authority
- CN
- China
- Prior art keywords
- pedestrian
- track
- target
- camera
- target pedestrian
- 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
Images
Classifications
-
- 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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/73—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/787—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Library & Information Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请实施例属于人工智能领域,应用于智慧安防的目标追踪领域中,涉及一种目标定位方法,包括对定位空间内摄像头位置以及地形进行测绘,得到每个摄像头的可行区域,获取目标行人在起始摄像头画面中的轨迹,并纠正在可行区域边界外的轨迹点,根据纠正后的轨迹建立行人空间模型,根据摄像头的位置以及行人空间模型预测目标行人出现的位置,并对目标行人进行定位。本申请还提供一种目标定位装置、计算机设备及存储介质。此外,本申请还涉及区块链技术,目标行人轨迹可存储于区块链中。本申请建立了合理的行人空间模型,将摄像头和建立的行人空间模型相结合对行人进行定位,提高了行人定位的合理性和准确性。
Description
技术领域
本申请涉及人工智能技术领域,尤其涉及一种目标定位方法、装置、计算机设备及存储介质。
背景技术
在安防监控领域,在一个区域内往往部署多个摄像头,摄像头间视野互相补充,起到同时对全区域监控的效果。行人在该区域内行走时,会穿越不同摄像头的视野,如何预测行人穿越摄像头的路径和时机是行人重识别系统中意义重大的课题,它极大地影响了行人重识别系统的实时性和准确性。
相关技术对行人位置预测方法存在以下不足:
(1)建模结果不准确
建立的模型不够精确,模型参数不精确将造成行人再次出现的地点和时机与真实情况出入很大,则需要在大量的摄像头和时间段中检索行人,计算量很大,因而实时性能无法保证。
(2)未细分可行区域
摄像头可视区域内往往包括了道路和路障,相关技术中对摄像头监控区域内分区不到位,这将影响行人出现轨迹点,从而极大地影响行人重识别精度。
发明内容
本申请实施例的目的在于提出一种目标定位方法、装置、计算机设备及存储介质,以解决相关技术中建模不准确以及对摄像头监控区域内分区不到位导致行人重识别的实时性以及准确性较低的问题。
为了解决上述技术问题,本申请实施例提供一种目标定位方法,采用了如下所述的技术方案:
对定位空间内摄像头位置以及地形进行测绘,得到每个摄像头的可视区域,所述可视区域包括可行区域和不可行区域;
获取目标行人在起始摄像头画面中的轨迹,并对在可行区域边界外的轨迹点进行轨迹纠正;
根据纠正后的轨迹建立行人空间模型;及
根据所述摄像头的位置以及所述行人空间模型预测所述目标行人出现的位置,并对目标行人进行定位。
进一步的,所述获取目标行人在起始摄像头画面中的轨迹的步骤包括:
所述画面中接收到指定需要跟踪的目标行人的信息,记录跟踪开始时刻;
获取预设的帧间隔,令所述帧间隔对应的时间间隔为检测时间间隔;
采用跟踪算法对所述目标行人进行跟踪,每经过预设的帧间隔在起始摄像头画面中产生一个行人轨迹点,直至所述目标行人走出起始摄像头画面,记录跟踪结束时刻。
进一步的,所述根据所述轨迹建立行人空间模型的步骤包括:
根据纠正后的轨迹计算建立行人空间模型所需的模型参数,其中,所述模型参数包括所述目标行人的GPS位置、行人速度以及移动方向;
根据所述目标行人的GPS位置、行人速度以及移动方向建立行人空间模型。
进一步的,所述根据纠正后的轨迹计算建立行人空间模型所需的模型参数的步骤包括:
将纠正后的轨迹点在画面中的位置转化为GPS坐标;
计算相邻轨迹点之间的GPS坐标距离;
根据所述GPS坐标距离计算相邻轨迹点间的行人速度;
根据轨迹点确定所述目标行人的移动方向。
进一步的,所述根据所述GPS坐标距离计算相邻轨迹点间的行人速度的步骤包括:
根据所述检测时间间隔和GPS坐标距离计算出相邻轨迹点间行人速度;
将多个相邻轨迹点间的行人速度代入正态分布函数,求出行人速度正态分布概率密度函数;
根据正态分布概率密度函数,计算出发生概率最大的行人速度作为所述行人空间模型的行人模型速度;
所述根据轨迹点确定所述目标行人的移动方向的步骤包括:
用一条光滑的曲线连接所述目标行人的轨迹点,得到轨迹曲线;
获取所述轨迹曲线上最终轨迹点处的轨迹切线;
将轨迹切线顺时针方向旋转第一预设角度以及逆时针方向旋转第二预设角度,将第一预设角度和第二预设角度形成的角度和作为所述目标行人可能的移动方向。
进一步的,所述根据所述摄像头的位置以及所述行人空间模型预测所述目标行人出现的位置,并对目标行人进行定位的步骤包括:
以最终轨迹点为圆心,以预设距离为半径作所述目标行人的轨迹圆;
通过所述目标行人随后可能的移动方向将圆分成了两个区域,其中,延伸方向与所述轨迹切线的延伸方向相同的区域为内部区域,另一个区域为外部区域;内部区域中包含的摄像头的优先级高于外部区域中包含的摄像头;
根据优先等级在内部区域和外部区域中搜寻摄像头,并将搜寻到的摄像头作为待查摄像头;
根据测绘的地形信息,获得最终轨迹点到每一待查摄像头视野中的可行路径;
根据所述行人模型速度和可行路径长度,计算所述目标行人到每一待查摄像头所需时间,由该时间和最终轨迹点时间合计出所述目标行人出现在所述待查摄像机视野内的时间段;
在各所述待查摄像头中对应时间段的画面中检测行人,将所述目标行人与检测的行人进行比对,当存在相似度超过预设阈值的行人则停止检测。
进一步的,所述对在可行区域边界外的轨迹点进行轨迹纠正的步骤具体包括:
用直线将在可行区域边界外的轨迹点与可行区域中心进行连接,并用所述直线与可行区域边界产生的交点替代在可行区域边界外的轨迹点;
采用卡尔曼滤波方法将在可行区域边界外的轨迹点进行过滤。
为了解决上述技术问题,本申请实施例还提供一种目标定位装置,采用了如下所述的技术方案:
测绘模块,用于对定位空间内摄像头位置以及地形进行测绘,得到每个摄像头的可视区域,所述可视区域包括可行区域和不可行区域;
获取模块,用于获取目标行人在起始摄像头画面中的轨迹;
纠正模块,用于对在可行区域边界外的轨迹点进行轨迹纠正;
创建模块,用于根据纠正后的轨迹建立行人空间模型;及
定位模块,用于根据所述摄像头的位置以及所述行人空间模型预测所述目标行人出现的位置,并对目标行人进行定位。
为了解决上述技术问题,本申请实施例还提供一种计算机设备,采用了如下所述的技术方案:
该计算机设备包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如上所述的目标定位方法的步骤。
为了解决上述技术问题,本申请实施例还提供一种计算机可读存储介质,采用了如下所述的技术方案:
所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如上所述的目标定位方法的步骤。
与现有技术相比,本申请实施例主要有以下有益效果:
本申请通过对定位空间内摄像头位置以及地形进行测绘,得到每个摄像头的可视区域,可视区域包括可行区域和不可行区域,获取目标行人在起始摄像头画面中的轨迹,并对在可行区域边界外的轨迹点进行轨迹纠正,根据纠正后的轨迹建立行人空间模型,最后根据摄像头的位置以及行人空间模型预测目标行人出现的位置,并对目标行人进行定位;本申请通过测绘将摄像头的可视区域划分为可行区域和不可行区域,并对行人轨迹进行纠正,增加了系统的容错率,同时为建立合理的行人空间模型奠定基础,将摄像头和建立的行人空间模型相结合对行人进行定位,提高了行人定位的准确性和实时性。
附图说明
为了更清楚地说明本申请中的方案,下面将对本申请实施例描述中所需要使用的附图作一个简单介绍,显而易见地,下面描述中的附图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是本申请可以应用于其中的示例性系统架构图;
图2根据本申请的目标定位方法的一个实施例的流程图;
图3为本申请目标行人可能的移动方向示意图;
图4是图2中步骤S204的一种具体实施方式的流程图;
图5为本申请目标行人轨迹圆的示意图;
图6是根据本申请的目标定位装置的一个实施例的结构示意图;
图7是根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同;本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。
为了解决相关技术中建模不准确以及对摄像头监控区域内分区不到位导致行人重识别的实时性以及准确性较低的问题,本申请提供了目标定位方法,涉及人工智能对象追踪,可以应用于如图1所示的系统架构100中,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是,本申请实施例所提供的目标定位方法一般由服务器/终端设备执行,相应地,目标定位装置一般设置于服务器/终端设备中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的目标定位的方法的一个实施例的流程图。所述的目标定位方法,包括以下步骤:
步骤S201,对定位空间内摄像头位置以及地形进行测绘,得到每个摄像头的可视区域,其中,可视区域包括可行区域和不可行区域。
在本实施例中,定位空间内部署有多个摄像头,定位空间为需要进行行人跟踪定位的区域,对摄像头部署的地形和位置进行测绘,在此基础上对每个摄像头对应的可视区域进行测绘。需要说明的是,可视区域中包含了可行区域和不可行区域,可行区域是指用户可以行走的区域,不可行区域是指可视区域范围内的花台,路基以及不能正常行走的区域等。
在本实施例中,可以使用手持GPS测绘工具或者更专业的GPS工具进行测量,得到测绘点,测绘点的位置可以通过GPS坐标(经度,纬度)来表示。
步骤S202,获取目标行人在起始摄像头画面中的轨迹,并对在可行区域边界外的轨迹点进行轨迹纠正。
应当理解,行人在轨迹跟踪过程中,可能会产生一些在可行区域边界之外的轨迹点,这些轨迹点是不合理的,会降低行人定位的准确性,因此,需要对这些轨迹点进行纠正。
在本实施例中,目标行人通常是事先知道的需要跟踪的指定人物,确定目标行人之后,获取该目标行人在起始摄像头画面中的轨迹。
在一些可选的实现方式中,获取该目标行人在起始摄像头画面中的轨迹包括如下步骤:
起始摄像头画面中接收到指定需要跟踪的目标行人信息,记录跟踪开始时刻;
获取预设的帧间隔,令帧间隔对应的时间间隔为检测时间间隔;
采用跟踪算法对目标行人进行跟踪,每经过预设的帧间隔在起始摄像头画面中产生一个行人轨迹点,直至目标行人走出起始摄像头画面,记录跟踪结束时刻。
目标行人最早出现的画面对应的摄像头为起始摄像头,则最早出现在画面中对应的时间即为跟踪开始时刻。
在本实施例中,采用现有的跟踪算法对目标行人进行跟踪,跟踪算法包括基于特征匹配的目标跟踪算法、贝叶斯跟踪、光流算法以及多特征跟踪等。
在本实施例中,跟踪算法产生的行人轨迹可能存在超出摄像头的可行区域边界的轨迹点,对这类轨迹点则需要进行轨迹纠正,纠正的方法具体如下:
用直线将在可行区域边界外的轨迹点与可行区域中心进行连接,并用直线与可行区域边界产生的交点替代在可行区域边界外的轨迹点。
采用卡尔曼滤波方法将在可行区域边界外的轨迹点进行过滤。
应当理解,超出可行区域边界的轨迹点为杂质点,会影响建立的行人空间模型的准确性,因此需要校正通过行人检测和跟踪得到的目标行人轨迹,将杂质点去除,保证后续行人定位的准确性。
需要强调的是,为进一步保证上述目标行人轨迹信息的私密和安全性,上述目标行人轨迹信息还可以存储于一区块链的节点中。
本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
步骤S203,根据纠正后的轨迹建立行人空间模型。
在本实施例中,根据纠正后的轨迹计算出建立行人空间模型所需的模型参数,根据模型参数建立行人空间模型,模型参数包括目标行人的GPS位置、行人速度以及移动方向,并根据目标行人的GPS位置、行人速度以及移动方向建立行人空间模型。
目标行人的GPS位置通过GPS坐标来表示,将纠正后的轨迹点在画面中的位置转化为GPS坐标,GPS坐标包括经度和纬度。
具体地,在进行测绘的时候会获得摄像头的基本信息,包括摄像头的GPS信息、摄像头的高度以及摄像头参数信息,然后通过摄像头的FOV视场水平角,FOV视场垂直角,画面分辨率L和H,摄像头偏航角和俯仰角以及轨迹点在画面中的X和Y的坐标,综合计算出GPS位置。
获得每个轨迹点的GPS坐标后,相邻轨迹点之间的GPS坐标距离便可计算出来。由于每经过预设的帧间隔会在摄像头画面中产生一个行人轨迹点,预设的帧间隔对应的时间间隔为检测时间间隔,则根据检测时间间隔和GPS坐标距离计算出相邻轨迹点间行人速度。应当理解,一个摄像头画面中有多个轨迹点,相应的,也会得到多个行人速度,例如,在起始摄像头画面中产生10个轨迹点,则计算出9个行人速度。
将多个相邻轨迹点间的行人速度代入正态分布函数,求出行人速度正态分布概率密度函数,根据正态分布概率密度函数,计算出发生概率最大的行人速度作为行人空间模型的行人模型速度。
应当理解,根据当前摄像头得出目标行人的行走轨迹,当该目标行人走出可视区域后,需要通过算法推算出目标行人可能的移动方向,从而推算出可能进入的下一个摄像头。
在本实施例中,根据轨迹点确定目标行人的移动方向,具体地,用一条光滑的曲线连接目标行人的轨迹点,得到轨迹曲线,获取轨迹曲线上最终轨迹点处的轨迹切线,将轨迹切线顺时针方向旋转第一预设角度以及逆时针方向旋转第二预设角度,将第一预设角度和第二预设角度形成的角度和作为目标行人可能的移动方向。
优选地,参见图3所示,轨迹切线为带箭头的虚线,将轨迹切线顺时针方向和逆时针方向各旋转45°角,形成的90°角作为目标行人可能的移动方向,即前方90°角范围内的摄像头,目标行人出现的概率比较高,首先在这些摄像头中进行寻找,确定目标行人是否出现,如果出现,则重复之前的步骤继续进行跟踪。
在本实施例中,通过分别计算各相邻轨迹点间的行人速度,再由多个行人速度通过正态分布计算出发生概率最大的行人速度,并以该速度作为行人模型速度,降低了正常情况下行人速度差异的干扰,提高了行人建模的准确性。
步骤S204,根据摄像头的位置以及行人空间模型预测目标行人出现的位置,并对目标行人进行定位。
在本实施例的一些可选的实现方式中,根据摄像头的位置以及行人空间模型预测目标行人出现在下一个摄像头的时机,具体的实现步骤如下:
步骤S401,以最终轨迹点为圆心,以预设距离为半径作所述目标行人的轨迹圆;
步骤S402,通过目标行人可能的移动方向将圆分成了两个区域,其中,延伸方向与所述轨迹切线的延伸方向相同的区域为内部区域,另一个区域为外部区域;内部区域包含的摄像头的优先级高于外部区域中包含的摄像头;
步骤S403,根据优先等级在内部区域和外部区域中搜寻摄像头,并将搜寻到的摄像头作为待查摄像头;
步骤S404,根据测绘的地形信息,获得最终轨迹点到每一待查摄像头视野中的可行路径;
步骤S405,根据行人模型速度和可行路径长度,计算目标行人到每一待查摄像头所需时间,由该时间和最终轨迹点时间合计出目标行人出现在待查摄像头视野内的时间段;
步骤S406,在各待查摄像头中对应时间段的画面中检测行人,将目标行人与检测的行人进行比对,当存在相似度超过预设阈值的行人则停止检测。
参见图5所示,S1为内部区域,S2为外部区域,51为可行路径,52为摄像头可视区域内的可行区域,53为摄像头可视区域内的不可行区域。在步骤S404中,最终轨迹点到另一摄像头的可视区域可能会存在多条可行路径,为了提高查找目标行人的准确率,每一条可行路径都需要进行规划,并确定每条可行路径的长度。
在步骤S406中,将起始摄像头中的指定的目标行人与某一个待查摄像头中检测到的行人序列输入行人重识别模型进行识别,若该待查摄像头中存在相似度大于预设阈值的行人,则目标行人定位成功,可以继续进行跟踪;否则,对下一个待查摄像头进行同上处理,直至成功定位行人,本实施例中采用的行人重识别模型可以为AlignedReID行人重识别模型。
本实施例中,在预测行人位置时,以行人最终轨迹点为圆心建立预测圆,在预测圆内检索存在的摄像头;并在预测圆为行人可能的移动方向区域设置摄像头的高优先级,剩余方向设置较低的优先级,先后检索预测圆内摄像头是否包含目标行人;并通过GPS坐标计算可行路径长度,提高系统的合理性和准确性。
本申请通过测绘将摄像头的可视区域划分为可行区域和不可行区域,并对行人轨迹进行纠正,去除轨迹杂质点,增加了系统的容错率,同时为建立合理的行人空间模型奠定基础;通过分别计算各相邻轨迹点间的行人速度,再由多个行人速度通过正态分布计算出发生概率最大的行人速度,并以该速度作为行人模型速度,降低了正常情况下行人速度差异的干扰,提高了行人空间模型建模的准确性;此外,通过摄像头位置和行人空间模型预测目标行人的位置,提高了目标行人定位的合理性和准确性。
本申请可应用于智慧安防的目标追踪领域中,从而推动智慧城市的建设。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机可读指令来指令相关的硬件来完成,该计算机可读指令可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
进一步参考图6,作为对上述图2所示方法的实现,本申请提供了一种目标定位装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图6所示,本实施例所述的目标定位装置包括:测绘模块601、获取模块602、纠正模块603、创建模块604、以及定位模块605。其中:
测绘模块601用于对定位空间内摄像头位置以及地形进行测绘,得到每个摄像头的可视区域,所述可视区域包括可行区域和不可行区域;
获取模块602用于获取目标行人在起始摄像头画面中的轨迹;
纠正模块603用于对在可行区域边界外的轨迹点进行轨迹纠正;
创建模块604用于根据纠正后的轨迹建立行人空间模型;
定位模块605用于根据所述摄像头的位置以及所述行人空间模型预测所述目标行人出现的位置,并对目标行人进行定位。
需要强调的是,为进一步保证上述目标行人轨迹信息的私密和安全性,上述目标行人轨迹信息还可以存储于一区块链的节点中。
在本实施例中,获取模块602进一步用于:起始摄像头画面中接收到指定需要跟踪的目标行人的信息,记录跟踪开始时刻;获取预设的帧间隔,预设的帧间隔对应的时间间隔为检测时间间隔;采用跟踪算法对目标行人进行跟踪,每经过预设的帧间隔在起始摄像头画面中产生一个行人轨迹点,直至目标行人走出起始摄像头画面,记录跟踪结束时刻。
在本实施例的一些可选的实现方式中,创建模块603包括计算子模块和创建子模块。其中,计算单元用于根据纠正后的轨迹计算建立行人空间模型所需的模型参数,其中,所述模型参数包括所述目标行人的GPS位置、行人速度以及移动方向;创建单元用于根据所述目标行人的GPS位置、行人速度以及移动方向建立行人空间模型。
在本实施例的一种具体实施方式中,计算子模块包括转化单元、计算单元以及处理单元,转化单元用于将纠正后的轨迹点在画面中的位置转化为GPS坐标;计算单元用于计算相邻轨迹点之间的GPS坐标距离以及根据所述GPS坐标距离计算相邻轨迹点间的行人速度;处理单元用于根据轨迹点确定所述目标行人的移动方向。
其中,计算单元具体用于根据检测时间间隔和GPS坐标距离计算出相邻轨迹点间行人速度;将多个相邻轨迹点间的行人速度代入正态分布函数,求出行人速度正态分布概率密度函数;根据正态分布概率密度函数,计算出发生概率最大的行人速度作为所述行人空间模型的行人模型速度。
处理单元具体用于用一条光滑的曲线连接所述目标行人的轨迹点,得到轨迹曲线;获取所述轨迹曲线上最终轨迹点处的轨迹切线;将轨迹切线顺时针方向旋转第一预设角度以及逆时针方向旋转第二预设角度,将第一预设角度和第二预设角度形成的角度和作为所述目标行人可能的移动方向。
在本实施例一种具体实施方式中,纠正模块603进一步用于用直线将在可行区域边界外的轨迹点与可行区域中心进行连接,并用所述直线与可行区域边界产生的交点替代在可行区域边界外的轨迹点;采用卡尔曼滤波方法将在可行区域边界外的轨迹点进行过滤。
在本实施例的一些可选的实现方式中,定位模块604进一步用于实现如下步骤:
以最终轨迹点为圆心,以预设距离为半径作所述目标行人的轨迹圆;
通过目标行人可能的移动方向将圆分成了两个区域,其中,延伸方向与所述轨迹切线的延伸方向相同的区域为内部区域,另一个区域为外部区域;内部区域中包含的摄像头的优先级高于外部区域中包含的摄像头;
根据优先等级在内部区域和外部区域中搜寻摄像头,并将搜寻到的摄像头作为待查摄像头;
根据测绘的地形信息,获得最终轨迹点到每一待查摄像头视野中的可行路径;
根据所述行人模型速度和可行路径长度,计算所述目标行人到每一待查摄像头所需时间,由该时间和最终轨迹点时间合计出所述目标行人出现在所述待查摄像机视野内的时间段;
在各所述待查摄像头中对应时间段的画面中检测行人,将所述目标行人与检测的行人进行比对,当存在相似度超过预设阈值的行人则停止检测,所述目标行人定位成功。
上述目标定位装置,通过对定位空间内摄像头位置以及地形进行测绘,得到每个摄像头的可视区域,可视区域包括可行区域和不可行区域,获取目标行人在起始摄像头画面中的轨迹,并对在可行区域边界外的轨迹点进行轨迹纠正,根据纠正后的轨迹建立行人空间模型,最后根据摄像头的位置以及行人空间模型预测目标行人出现的位置,并对目标行人进行定位;本申请通过测绘将摄像头的可视区域划分为可行区域和不可行区域,并对行人轨迹进行纠正,增加了系统的容错率,同时为建立合理的行人空间模型奠定基础,将摄像头和建立的行人空间模型相结合对行人进行定位,提高了行人定位的准确性和实时性。
为解决上述技术问题,本申请实施例还提供计算机设备。具体请参阅图7,图7为本实施例计算机设备基本结构框图。
所述计算机设备7包括通过系统总线相互通信连接存储器71、处理器72、网络接口73。需要指出的是,图中仅示出了具有组件71-73的计算机设备7,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable GateArray,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器71至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器71可以是所述计算机设备7的内部存储单元,例如该计算机设备7的硬盘或内存。在另一些实施例中,所述存储器71也可以是所述计算机设备7的外部存储设备,例如该计算机设备7上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(FlashCard)等。当然,所述存储器71还可以既包括所述计算机设备7的内部存储单元也包括其外部存储设备。本实施例中,所述存储器71通常用于存储安装于所述计算机设备7的操作系统和各类应用软件,例如目标定位方法的计算机可读指令等。此外,所述存储器71还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器72在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器72通常用于控制所述计算机设备7的总体操作。本实施例中,所述处理器72用于运行所述存储器71中存储的计算机可读指令或者处理数据,例如运行所述目标定位方法的计算机可读指令。
所述网络接口73可包括无线网络接口或有线网络接口,该网络接口73通常用于在所述计算机设备7与其他电子设备之间建立通信连接。
本实施例通过处理器执行存储在存储器的计算机可读指令时实现如上述实施例目标定位方法的步骤,增加了系统的容错率,同时建立了合理的行人空间模型,将摄像头和建立的行人空间模型相结合对行人进行定位,提高了行人定位的合理性和准确性。
本申请还提供了另一种实施方式,即提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可读指令,所述计算机可读指令可被至少一个处理器执行,以使所述至少一个处理器执行如上述的目标定位方法的步骤,增加了系统的容错率,同时建立了合理的行人空间模型,将摄像头和建立的行人空间模型相结合对行人进行定位,提高了行人定位的合理性和准确性。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
显然,以上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,附图中给出了本申请的较佳实施例,但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现,相反地,提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本申请专利保护范围之内。
Claims (10)
1.一种目标定位方法,其特征在于,包括下述步骤:
对定位空间内摄像头位置以及地形进行测绘,得到每个摄像头的可视区域,所述可视区域包括可行区域和不可行区域;
获取目标行人在起始摄像头画面中的轨迹,并对在可行区域边界外的轨迹点进行轨迹纠正;
根据纠正后的轨迹建立行人空间模型;及
根据所述摄像头的位置以及所述行人空间模型预测所述目标行人出现的位置,并对目标行人进行定位。
2.根据权利要求1所述的目标定位方法,其特征在于,所述获取目标行人在起始摄像头画面中的轨迹的步骤包括:
所述画面中接收到指定需要跟踪的目标行人的信息,记录跟踪开始时刻;
获取预设的帧间隔,令所述帧间隔对应的时间间隔为检测时间间隔;
采用跟踪算法对所述目标行人进行跟踪,每经过预设的帧间隔在起始摄像头画面中产生一个行人轨迹点,直至所述目标行人走出起始摄像头画面,记录跟踪结束时刻。
3.根据权利要求2所述的目标定位方法,其特征在于,所述根据所述轨迹建立行人空间模型的步骤包括:
根据纠正后的轨迹计算建立行人空间模型所需的模型参数,其中,所述模型参数包括所述目标行人的GPS位置、行人速度以及移动方向;
根据所述目标行人的GPS位置、行人速度以及移动方向建立行人空间模型。
4.根据权利要求3所述的目标定位方法,其特征在于,所述根据纠正后的轨迹计算建立行人空间模型所需的模型参数的步骤包括:
将纠正后的轨迹点在画面中的位置转化为GPS坐标;
计算相邻轨迹点之间的GPS坐标距离;
根据所述GPS坐标距离计算相邻轨迹点间的行人速度;
根据轨迹点确定所述目标行人的移动方向。
5.根据权利要求4所述的目标定位方法,其特征在于,所述根据所述GPS坐标距离计算相邻轨迹点间的行人速度的步骤包括:
根据所述检测时间间隔和GPS坐标距离计算出相邻轨迹点间行人速度;
将多个相邻轨迹点间的行人速度代入正态分布函数,求出行人速度正态分布概率密度函数;
根据正态分布概率密度函数,计算出发生概率最大的行人速度作为所述行人空间模型的行人模型速度;
所述根据轨迹点确定所述目标行人的移动方向的步骤包括:
用一条光滑的曲线连接所述目标行人的轨迹点,得到轨迹曲线;
获取所述轨迹曲线上最终轨迹点处的轨迹切线;
将轨迹切线顺时针方向旋转第一预设角度以及逆时针方向旋转第二预设角度,将第一预设角度和第二预设角度形成的角度和作为所述目标行人可能的移动方向。
6.根据权利要求5所述的目标定位方法,其特征在于,所述根据所述摄像头的位置以及所述行人空间模型预测所述目标行人出现的位置,并对目标行人进行定位的步骤包括:
以最终轨迹点为圆心,以预设距离为半径作所述目标行人的轨迹圆;
通过所述目标行人可能的移动方向将圆分成了两个区域,其中,延伸方向与所述轨迹切线的延伸方向相同的区域为内部区域,另一个区域为外部区域;内部区域中包含的摄像头的优先级高于外部区域中包含的摄像头;
根据优先等级在内部区域和外部区域中搜寻摄像头,并将搜寻到的摄像头作为待查摄像头;
根据测绘的地形信息,获得最终轨迹点到每一待查摄像头视野中的可行路径;
根据所述行人模型速度和可行路径长度,计算所述目标行人到每一待查摄像头所需时间,由该时间和最终轨迹点时间合计出所述目标行人出现在所述待查摄像机视野内的时间段;
在各所述待查摄像头中对应时间段的画面中检测行人,将所述目标行人与检测的行人进行比对,当存在相似度超过预设阈值的行人则停止检测。
7.根据权利要求1至6任意一项所述的目标定位方法,其特征在于,所述对在可行区域边界外的轨迹点进行轨迹纠正的步骤具体包括:
用直线将在可行区域边界外的轨迹点与可行区域中心进行连接,并用所述直线与可行区域边界产生的交点替代在可行区域边界外的轨迹点;
采用卡尔曼滤波方法将在可行区域边界外的轨迹点进行过滤。
8.一种目标定位装置,其特征在于,包括:
测绘模块,用于对定位空间内摄像头位置以及地形进行测绘,得到每个摄像头的可视区域,所述可视区域包括可行区域和不可行区域;
获取模块,用于获取目标行人在起始摄像头画面中的轨迹;
纠正模块,用于对在可行区域边界外的轨迹点进行轨迹纠正;
创建模块,用于根据纠正后的轨迹建立行人空间模型;及
定位模块,用于根据所述摄像头的位置以及所述行人空间模型预测所述目标行人出现的位置,并对目标行人进行定位。
9.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的目标定位方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的目标定位方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010936379.2A CN112101170A (zh) | 2020-09-08 | 2020-09-08 | 目标定位方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010936379.2A CN112101170A (zh) | 2020-09-08 | 2020-09-08 | 目标定位方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112101170A true CN112101170A (zh) | 2020-12-18 |
Family
ID=73751758
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010936379.2A Pending CN112101170A (zh) | 2020-09-08 | 2020-09-08 | 目标定位方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112101170A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112541457A (zh) * | 2020-12-21 | 2021-03-23 | 重庆紫光华山智安科技有限公司 | 一种监控节点的搜索方法及相关装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102799862A (zh) * | 2012-06-29 | 2012-11-28 | 陕西省交通规划设计研究院 | 高清视频监控图像的行人快速定位、事件检测系统及方法 |
US20180189573A1 (en) * | 2013-05-23 | 2018-07-05 | Sri International | Real-time detection, tracking and occlusion reasoning |
CN109558831A (zh) * | 2018-11-27 | 2019-04-02 | 成都索贝数码科技股份有限公司 | 一种融合时空模型的跨摄像头行人定位方法 |
KR20190081334A (ko) * | 2017-12-29 | 2019-07-09 | 삼성에스디에스 주식회사 | 복합 측위 기반의 이동 궤적 추적 방법 및 그 장치 |
-
2020
- 2020-09-08 CN CN202010936379.2A patent/CN112101170A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102799862A (zh) * | 2012-06-29 | 2012-11-28 | 陕西省交通规划设计研究院 | 高清视频监控图像的行人快速定位、事件检测系统及方法 |
US20180189573A1 (en) * | 2013-05-23 | 2018-07-05 | Sri International | Real-time detection, tracking and occlusion reasoning |
KR20190081334A (ko) * | 2017-12-29 | 2019-07-09 | 삼성에스디에스 주식회사 | 복합 측위 기반의 이동 궤적 추적 방법 및 그 장치 |
CN109558831A (zh) * | 2018-11-27 | 2019-04-02 | 成都索贝数码科技股份有限公司 | 一种融合时空模型的跨摄像头行人定位方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112541457A (zh) * | 2020-12-21 | 2021-03-23 | 重庆紫光华山智安科技有限公司 | 一种监控节点的搜索方法及相关装置 |
CN112541457B (zh) * | 2020-12-21 | 2021-10-26 | 重庆紫光华山智安科技有限公司 | 一种监控节点的搜索方法及相关装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6828044B2 (ja) | ルート逸脱認識方法、端末、および記憶媒体 | |
EP3505869B1 (en) | Method, apparatus, and computer readable storage medium for updating electronic map | |
US20160371394A1 (en) | Indoor localization using crowdsourced data | |
CN105635956B (zh) | 一种基于室内虚拟地标的定位方法及装置 | |
US9086288B2 (en) | Method and system for finding paths using GPS tracks | |
CN108834077B (zh) | 基于用户移动特性的跟踪区划分方法、装置及电子设备 | |
EP3667236B1 (en) | A method of determining position data | |
CN110866497B (zh) | 基于点线特征融合的机器人定位与建图方法和装置 | |
CN111737377B (zh) | 一种漂移轨迹的识别方法、装置及计算设备、存储介质 | |
KR20140103046A (ko) | 객체 추적 방법 및 이를 지원하는 전자 장치 | |
US20170039450A1 (en) | Identifying Entities to be Investigated Using Storefront Recognition | |
CN110926478B (zh) | 一种ar导航路线纠偏方法、系统及计算机可读存储介质 | |
CN113587944B (zh) | 准实时的车辆行驶路线生成方法、系统及设备 | |
CN111866734A (zh) | 一种巡检轨迹定位的方法、终端、服务器以及存储介质 | |
WO2022083487A1 (zh) | 生成高精度地图的方法、装置和计算机可读存储介质 | |
CN114626169A (zh) | 交通路网优化方法、装置、设备、可读存储介质及产品 | |
CN111105459B (zh) | 描述子地图生成方法、定位方法、装置、设备和存储介质 | |
CN114897669A (zh) | 一种标注方法、装置及电子设备 | |
CN112101170A (zh) | 目标定位方法、装置、计算机设备及存储介质 | |
US20210150756A1 (en) | Geolocation System | |
KR102029450B1 (ko) | 격자화된 지도를 이용하는 사용자 위치 정보를 제공하는 방법 및 시스템 | |
CN113673288B (zh) | 空闲车位检测方法、装置、计算机设备及存储介质 | |
CA2894863A1 (en) | Indoor localization using crowdsourced data | |
CN111582296B (zh) | 一种遥感图像综合匹配方法、装置、电子设备及存储介质 | |
CN116772821A (zh) | 地图生成方法、装置、计算机设备和存储介质 |
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 |