CN112199554B - 一种追踪目标检索方法、系统、介质及电子终端 - Google Patents
一种追踪目标检索方法、系统、介质及电子终端 Download PDFInfo
- Publication number
- CN112199554B CN112199554B CN202011123843.2A CN202011123843A CN112199554B CN 112199554 B CN112199554 B CN 112199554B CN 202011123843 A CN202011123843 A CN 202011123843A CN 112199554 B CN112199554 B CN 112199554B
- Authority
- CN
- China
- Prior art keywords
- nodes
- tracked
- target
- devices
- vehicle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000004590 computer program Methods 0.000 claims description 14
- 230000008520 organization Effects 0.000 claims description 14
- 238000001914 filtration Methods 0.000 claims description 5
- 239000003086 colorant Substances 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 6
- 238000013461 design Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
Images
Classifications
-
- 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
- G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- 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
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30241—Trajectory
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种追踪目标检索方法、系统、介质及电子终端,方法包括:预先设置若干用于图像采集的设备,并获取每个设备的设备信息;获取节点以及设备网状图;根据每个节点出现待追踪目标对象的几率,确定待追踪人或待追踪车辆的检索起点;根据路径递增的顺序以最短路径依次递进检索,获取检索起点与其他各节点的最优路径;再根据所述最优路径进行检索,直至检索出目标,完成追踪目标检索;本发明通过结合概率计算选择出起始检索点,再根据最短路径来进行检索系统内部的设备,最终达到在最短的时间内找到目标人或车出现的视频设备,便于后续并将结果显示在界面,以及发出报警提示等操作,设计合理且高效,提高了系统检索的时间效率。
Description
技术领域
本发明涉及安防领域和计算机领域,尤其涉及一种追踪目标检索方法、系统、介质及电子终端。
背景技术
在安防系统中,在进行人车追踪时,通常采用通过将目标人脸照片上传至系统内,或者将目标车辆的车牌号上传到系统内,然后通过设置的一系列参数结合系统内部设计的检索算法过滤筛选出出现对应目标人或车的视频设备,最后将结果显示出来。
但是,目前各大厂商使用的内部检索算法不一致,因此,检索的时长也不同,但检索时间的长短直接影响到使用该系统的一个体验感,所以系统的检索时间越短,说明系统的性能越好。而目前的追踪目标检索方式,还存在检索时间较长的问题,不能满足实际工作的需要。因此,需要一种新的检索方式,可以利用最短的时间且最快的检索出目标。
发明内容
鉴于以上所述现有技术的缺点,本发明提供一种追踪目标检索方法、系统、介质及电子终端,以解决上述技术问题。
本发明提供的追踪目标检索方法,包括:
预先设置若干用于图像采集的设备,并获取每个设备的设备信息,所述设备信息包括组织信息、位置信息、设备类型、设备名称;
根据所述设备信息,在电子地图中获取节点以及设备网状图,所述节点与邻接点途中包括一个或多个设备;
根据待追踪目标对象的类别,分别对人车进行独立检索,根据每个节点出现待追踪目标对象的几率,在所述设备网状图中确定待追踪人或待追踪车辆的检索起点;
根据路径递增的顺序以最短路径依次递进检索,获取检索起点与其他各节点的最优路径;
根据所述最优路径进行检索,直至检索出目标,完成追踪目标检索。
可选的,获取待追踪目标对象的对象信息,所述待追踪目标对象包括待追踪人和待追踪车辆,所述对象信息包括待追踪人的人脸图像信息,以及所述待追踪车辆的车辆识别信息;
根据所述设备信息对所有设备按目标范围内的设备区域进行过滤;
在过滤后的节点中,选取概率最大的节点作为起始点开始检索。
可选的,预设一阈值;
在过滤后的设备对应的节点中选取任意两个节点,若所述任意两个节点间的设备数小于等于所述阈值,则将其加入至选起始点集合中;
在所述选起始点集合中选取途中设备数最少的两个节点,并分别计算其为起始点的概率;
选择概率大的节点,选取概率最大的节点作为起始点开始检索。
可选的,当途中设备数最少的两个节点的设备数最少路线为多条时,根据途中设备数最少的两个节点的邻接点数,判断最终选择的检索起点。
可选的,将相邻两个节点间的设备数量作为设备网状图中节点之间直接路径的权值,
若存在直接路径,则将根据所述直接路径的权值获取对应的设备数,
若不存在直接路径,则判定相邻间的节点的设备数无穷多;
获取起始点到每个终点的最短路径长度,并获取最短路径长度中最小的路径,及最小的路径的终点,将所述最小的路径作为最优路径;
按顺序依次递增,分别获取起点到每个终点的最优路径,并进行追踪目标检索。
本发明还提供一种追踪目标检索系统,包括:
设备管理模块,用于管理预先设置的若干用于图像采集的设备,并获取每个设备的设备信息,所述设备信息包括组织信息、位置信息、设备类型、设备名称;
电子地图模块,用于根据所述设备信息,在电子地图中获取节点以及设备网状图,所述节点与邻接点途中包括一个或多个设备;
设备数统计模块,用于统计每个节点与邻接点途中的所有设备的数量;
比对模块,用于根据待追踪目标对象的类别,分别对人车进行信息比对,
人车追踪模块,用于根据待追踪目标对象的类别,分别对人车进行独立检索,根据每个节点出现待追踪目标对象的几率,在所述设备网状图中确定待追踪人或待追踪车辆的检索起点;根据路径递增的顺序以最短路径依次递进检索,获取检索起点与其他各节点的最优路径;根据所述最优路径进行检索,直至检索出目标,完成追踪目标检索。
可选的,所述对比模块包括
人脸比对模块,用于根据待追踪人的人脸图像信息进行人脸比对;
车辆比对模块,用于根据待追踪车的车辆识别信息进行车辆比对,所述车辆识别信息包括车牌号、车型、车辆品牌、车辆颜色;
所述人车追踪模块根据所述设备信息对所有设备按目标范围内的设备区域进行过滤;在过滤后的节点中,选取概率最大的节点作为起始点开始检索。
可选的,还包括报警模块,用于当检索到待追踪目标对象时,发出报警信息。
本发明还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述中任一项所述方法。
本发明还提供一种电子终端,包括:处理器及存储器;
所述存储器用于存储计算机程序,所述处理器用于执行所述存储器存储的计算机程序,以使所述终端执行如上述中任一项所述方法。
本发明的有益效果:本发明中的追踪目标检索方法、系统、介质及电子终端,通过结合概率计算选择出起始检索点,再根据最短路径来进行检索系统内部的设备,最终达到在最短的时间内找到目标人或车出现的视频设备,便于后续并将结果显示在界面,以及发出报警提示等操作,设计合理且高效,提高了系统检索的时间效率。
附图说明
图1是本发明实施例中追踪目标检索方法中的设备网状图的示意图。
图2是本发明实施例中追踪目标检索方法中的人车独立检索的流程示意图。
图3是本发明实施例中追踪目标检索方法中的最短路径依次递进检索的示意图。
图4是本发明实施例中追踪目标检索系统中的架构示意图。
图5是本发明实施例中追踪目标检索系统中的流程示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
在下文描述中,探讨了大量细节,以提供对本发明实施例的更透彻的解释,然而,对本领域技术人员来说,可以在没有这些具体细节的情况下实施本发明的实施例是显而易见的,在其他实施例中,以方框图的形式而不是以细节的形式来示出公知的结构和设备,以避免使本发明的实施例难以理解。
如图5所示,本实施例中的追踪目标检索方法,包括:
预先设置若干用于图像采集的设备,并获取每个设备的设备信息,设备信息包括组织信息、位置信息、设备类型、设备名称;
根据设备信息,在电子地图中获取节点以及设备网状图,节点与邻接点途中包括一个或多个设备;
根据待追踪目标对象的类别,分别对人车进行独立检索,根据每个节点出现待追踪目标对象的几率,在所述设备网状图中确定待追踪人或待追踪车辆的检索起点;
根据路径递增的顺序以最短路径依次递进检索,获取检索起点与其他各节点的最优路径;
根据最优路径进行检索,直至检索出目标,完成追踪目标检索。
在本实施例中,组织信息表示区域信息,例如可以以现有的行政区域来进行划分区域,如重庆市、北京市等,节点相当于组织区域,本实施例主要针对各省市或区域的独立且视频数据采用本地存储的系统,当需要从系统内视频设备中检索出目标人或车时,通过本实施例中的追踪目标检索方法实现快速减速,本实施例通过采用概率计算找到起始检索点,然后通过采用最短路径依次递进检索并获得起始点与其他各节点的最优路径,然后采用最优的路径进行检索,使其利用最短的时间且最快的检索出目标。
在本实施例中,预先设置若干用于图像采集的设备,图像可以包括图片信息、视频信息等,设备可以采用最常见的摄像头,当然也可以采用其他图像采集装置,并获取每个设备的设备信息,设备信息包括组织信息、位置信息、设备类型、设备名称,本实施例中的位置信息包括设备所在位置的经纬度,根据设备信息中的经纬度添加遍布各组织或区域的视频采集设备的设备信息,通过电子地图可以得到基于物理位置的设备网状图。可选的,在视频设备添加完成后,可进一步到电子地图模块检验,看是否所添加设备在电子地图对应位置上显示点位图标。
在本实施例中,获取待追踪目标对象的对象信息,待追踪目标对象包括待追踪人和待追踪车辆,对象信息包括待追踪人的人脸图像信息,以及待追踪车辆的车辆识别信息,本实施例根据待追踪目标对象的类别,分别对人车进行独立检索。假设选择人追踪,则进入人脸比对,例如通过上传嫌疑人的人脸图片,并设置人脸比对的相似度,假设选择车追踪,则进入车辆比对,通过上传嫌疑车的车牌号、车型、车辆品牌、车辆颜色等重要信息。在本实施例中,除了上述参数之外,还需要分别对嫌疑人和嫌疑车追踪设置组织、设备类型和设备名称。通过选择可能出现的组织区域,可以排除大多数无用组织下的视频设备,如在选择组织下的设备未检索出目标,会自动采用设计算法进行检索目标;设备类型可以如人追踪需选择人脸卡口或编码器等设备,而车追踪需选择车辆卡口等设备。当进行人检索时,会通过计算将出现目标人概率最大的一个节点视为起点开始检索,通过依次检索设备,最终将出现该目标人的位置和抓拍到的视频设备信息显示到电子地图页面上,并以闪烁状态提示;同理,当进行嫌疑车检索时,会通过计算将出现目标车辆概率最大的一个节点视为起点开始检索,依次检索设备,最终将出现该目标车辆的位置和抓拍到的视频设备信息显示到电子地图页面上,并以闪烁状态提示。
在本实施例中,根据设备信息对所有设备按目标范围内的设备区域进行过滤,即通过将人脸或车辆比对中的参数配置过滤找到指定范围内的视频设备区域;在过滤后的节点中,选取概率最大的节点作为起始点开始检索。在过滤后的设备对应的节点中选取任意两个节点,若所述任意两个节点间的设备数小于等于所述阈值,则将其加入至选起始点集合中;在所述选起始点集合中选取途中设备数最少的两个节点,并分别计算其为起始点的概率;选择概率大的节点,选取概率最大的节点作为起始点开始检索。
例如,经过筛选过滤后剩下的节点总共有N个,通过预先设定一个阈值A,如果节点间的设备数小于等于阈值A,就将其节点加入到预选起始点集合B中,则起始点必定在该集合内,即:
例如剩余集合B是D1,D2,...,Dm,Dn,DN,且节点之间的设备数为且m,n∈B,选择出途中设备数最少的两个节点,假设为Dm和Dn,如果设备数最少的路线不止一条,可以再根据Dm和Dn的邻接点的个数判断最终选择的起始节点。
最后分别计算选择Dm和Dn的概率大小:
其中,num(Dm)和num(Dn)分别表示与Dm和Dn邻接点的个数,N表示经过筛选过滤后剩下的总节点数,K表示距离小于等于A的节点数,表示选择Dm节点为起始点的概率,表示选择Dn节点为起始点的概率,表示从N个节点中选出K个节点,表示从K个节点选出2个节点,表示从2个节点中选出1个节点。
如果则选择Dm为起始点,反之,选择Dn为起始点。在本实施例中,需要先从N个选择K个,再从K个选择设备数最少的两个节点,是考虑到有可能设备数最少的节点有多个。途中设备数最少的两个节点的设备数最少路线为多条时,根据途中设备数最少的两个节点的邻接点数,判断最终选择的检索起点,通过本实施例中的最后选择的起始点是邻接点少的节点,邻接点越少作为起始点开始检索会更加节省资源。
在本实施例中,所有的节点是通过经纬度在电子地图上形成的网状图,通过设备数统计模块统计节点之间的设备数,本实施例中将各省市或区域视为网状图的节点,而节点之间弧(直接路径)的权值即为两个相邻节点之间的设备数量,按照路径递增的顺序产生最短路径具体包括:
引入辅助数组S,S的元素S[i]表示从起始点v到每个终点vi的最短路径长度,例如,当起始点v到终点vi有弧,则S即为弧的权值,即相邻节点间的设备数为S,如没有弧,则将其权值视为无穷大,即相邻间的节点的设备数无穷多。
则S[j]=min{S[i]vi∈V}是从v出发的第一条最短路径,即(v,vi)。
其中,S[j]表示从起始点v到终点vj的最短路径长度,S[j]=min{S[i]vi∈V}表示需要从起始点v到每个终点vi的路径长度中选择出最小的一条路径,并将该路径的终点定为vj
在本实施例中,例如,次优路径的终点是vk,则这条路径可能是(v,vk),其设备数是从v到vk直接弧的权值,路径也可能是(v,vi,vk),设备数为S[j]加上v到vk弧的权值。
按照以上步骤依次递增序列,分别找出从起点到各终点的最优路径,即检索的设备数会最少,且始终从节点间设备数最少的路径开始检测,即可以按照最短路径在最短的时间内检索到目标人/车出现的视频设备所在的位置。
下面以1个具体实施例进行说明:
一系统内视频设备的网状图如图1所示,每个节点表示电子地图上的一个组织区域点位的图标,而节点之间的弧权值表示节点间视频设备的个数。以某一节点为起始点,开始在与起始节点直接相连的节点里寻找与起始节点最近的相邻节点,与起始节点不相邻的节点则暂时视为与起始节点的距离为无穷大。如图3所示,S是已计算出最短路径的节点的集合;U是未计算出最短路径的节点的集合;C(x)表示节点C到起点的最短距离为x。首先通过概率计算的步骤确定节点,例如以D为起始点,则D与D的距离为0,D与A未直接连接,其距离为无穷大,D与B未直接连接,其距离为无穷大,D与C的直接距离为2,D与E的直接距离为4,D与F和G均未直接连接,其距离均为无穷大,表示如下:
S={D(0)}
U={A(∞),B(∞),C(2),E(4),F(∞),G(∞)} 式(4)
从式(4)中的集合U可看到,D与C的距离最短,因此,将节点C加入S集合,继续寻找距离D最短的节点。此时D与A、G尽管通过节点C仍然未直接连接,其距离为无穷大,D与B通过节点C可到达,即距离2+10=12,其路径为D-C-B,D与E的直接距离为4,D与F也可通过节点C到达,即距离为2+6=8,其路径为D-C-F,表示如下:
S={D(0),C(2)}
U={A(∞),B(12),E(4),F(8),G(∞)} 式(5)
从式(5)中集合U可看到,D与E的距离最短,因此,将节点E加入S集合,继续寻找距离D最短的节点。此时D与A尽管通过节点C或E仍然未直接连接,其距离为无穷大,D与B通过节点C到达比通过节点E到达的距离短,即距离仍为2+10=12,其路径仍为D-C-B,D与F的距离通过节点E比节点C更短,即距离为4+3=7,其路径为D-E-F,D与G的距离通过节点E是最短的,则距离为4+8=12,其路径为D-E-G,表示如下:
S={D(0),C(2),E(4)}
U={A(∞),B(12),F(7),G(12)}式(6)
从式(6)中的集合U可看到,D与F的距离最短,因此,将节点F加入S集合,继续寻找距离D最短的节点。此时D与A通过节点E、F达到,则距离为4+3+16=23,其路径为D-E-F-A,D与B仍然是通过节点C到达的距离最短,即距离仍为2+10=12,其路径仍为D-C-B,D与G的距离也仍然是通过节点E最短,则距离为4+8=12,其路径为D-E-G,表示如下:
S={D(0),C(2),E(4),F(7)}
U={A(23),B(12),G(12)} 式(7)
从式(7)中的集合U可看到,D与G的距离和D与B的距离一样,因此,任意选择将节点G加入S集合,继续寻找距离D最短的节点。此时D与A仍然是通过节点E、F达到距离最短,则距离为4+3+16=23,其路径为D-E-F-A,D与B仍然是通过节点C到达的距离最短,即距离仍为2+10=12,其路径仍为D-C-B,表示如下:
S={D(0),C(2),E(4),F(7),G(12)}
U={A(23),B(12)} 式(8)
从式(8)中的集合U可看到,D与B的距离最短,因此,将节点B加入S集合,继续寻找距离D最短的节点。此时剩下最后的节点A,D与A的距离最短为4+3+16=23,其路径为D-E-F-A,表示如下:
S={D(0),C(2),E(4),F(7),G(11),B(12))
U={A(23)} 式(9)
最后将节点A添加到S集合,即完成该网状图的所有节点最短路径搜索,且起点D到各节点的最短距离也可计算出来,表示如下:
S={D(0),C(2),E(4),F(7),G(12),B(12),A(23)} 式(10)
在本实施例中,通过按照以上步骤依次递增序列,分别找出从起点到各终点的最优路径,其中式(4)-式(10)之间的集合U和S是按递增顺序依次变化的,直至完成网状图的所有节点最短路径搜索,本实施例中的以上所述的距离意思是节点之间的设备数表示的弧权值,设备数越多,表示节点间距离越长,且搜索需要耗费的资源和时间越多,而反之设备数越少,表示节点间距离越短,且搜索需要耗费的资源和时间越少,如节点间无弧,表示节点间的设备数无穷多。
相应的,本实施例还提供一种追踪目标检索系统,如图4所示,包括:
设备管理模块,用于管理预先设置的若干用于图像采集的设备,并获取每个设备的设备信息,所述设备信息包括组织信息、位置信息、设备类型、设备名称;
电子地图模块,用于根据所述设备信息,在电子地图中获取节点以及设备网状图,所述节点与邻接点途中包括一个或多个设备;
设备数统计模块,用于统计每个节点与邻接点途中的所有设备的数量;
比对模块,用于根据待追踪目标对象的类别,分别对人车进行信息比对,
人车追踪模块,用于根据待追踪目标对象的类别,分别对人车进行独立检索,根据每个节点出现待追踪目标对象的几率,在所述设备网状图中确定待追踪人或待追踪车辆的检索起点;根据路径递增的顺序以最短路径依次递进检索,获取检索起点与其他各节点的最优路径;根据所述最优路径进行检索,直至检索出目标,完成追踪目标检索。
还包括报警模块,用于当检索到待追踪目标对象时,发出报警信息。
本实施例中的系统,通过上述方法将相邻两个节点间的设备数量作为设备网状图中节点之间直接路径的权值,
若存在直接路径,则将根据所述直接路径的权值获取对应的设备数,
若不存在直接路径,则判定相邻间的节点的设备数无穷多;
获取起始点到每个终点的最短路径长度,并获取最短路径长度中最小的路径,及最小的路径的终点,将所述最小的路径作为最优路径;
按顺序依次递增,分别获取起点到每个终点的最优路径,并进行追踪目标检索。
本实施例中的系统,通过上述方法,通过结合概率计算选择出起始检索点,再根据最短路径来进行检索系统内部的设备,最终达到在最短的时间内找到目标人或车出现的视频设备,并将结果显示在界面,且发出报警提示。
本实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本实施例中的任一项方法。
本实施例还提供一种电子终端,包括:处理器及存储器;
所述存储器用于存储计算机程序,所述处理器用于执行所述存储器存储的计算机程序,以使所述终端执行本实施例中任一项方法。
本实施例中的计算机可读存储介质,本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
本实施例提供的电子终端,包括处理器、存储器、收发器和通信接口,存储器和通信接口与处理器和收发器连接并完成相互间的通信,存储器用于存储计算机程序,通信接口用于进行通信,处理器和收发器用于运行计算机程序,使电子终端执行如上方法的各个步骤。
在本实施例中,存储器可能包含随机存取存储器(Random Access Memory,简称RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital Signal Processing,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在上述实施例中,尽管已经结合了本发明的具体实施例对本发明进行了描述,但是根据前面的描述,这些实施例的很多替换、修改和变形对本领域普通技术人员来说将是显而易见的。例如,其他存储结构(例如,动态RAM(DRAM))可以使用所讨论的实施例。本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。
本发明可用于众多通用或专用的计算系统环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
上述实施例仅示例性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,但凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (10)
1.一种追踪目标检索方法,其特征在于,包括:
预先设置若干用于图像采集的设备,并获取每个设备的设备信息,所述设备信息包括组织信息、位置信息、设备类型、设备名称;
根据所述设备信息,在电子地图中获取节点以及设备网状图,所述节点与邻接点途中包括一个或多个设备;
根据待追踪目标对象的类别,分别对人车进行独立检索,根据每个节点出现待追踪目标对象的几率,在所述设备网状图中确定待追踪人或待追踪车辆的检索起点;
根据路径递增的顺序以最短路径依次递进检索,获取检索起点与其他各节点的最优路径,所述路径递增的顺序为已计算出最短路径的节点的集合中节点数量依次增加的顺序;
根据所述最优路径进行检索,直至检索出目标,完成追踪目标检索。
2.根据权利要求1所述的追踪目标检索方法,其特征在于,
获取待追踪目标对象的对象信息,所述待追踪目标对象包括待追踪人和待追踪车辆,所述对象信息包括待追踪人的人脸图像信息,以及所述待追踪车辆的车辆识别信息;
根据所述设备信息对所有设备按目标范围内的设备区域进行过滤;
在过滤后的节点中,选取概率最大的节点作为起始点开始检索。
3.根据权利要求2所述的追踪目标检索方法,其特征在于,
预设一阈值;
在过滤后的设备对应的节点中选取任意两个节点,若所述任意两个节点间的设备数小于等于所述阈值,则将其加入至选起始点集合中;
在所述选起始点集合中选取途中设备数最少的两个节点,并分别计算其为起始点的概率;
选择概率大的节点,选取概率最大的节点作为起始点开始检索。
4.根据权利要求3所述的追踪目标检索方法,其特征在于,当途中设备数最少的两个节点的设备数最少路线为多条时,根据途中设备数最少的两个节点的邻接点数,判断最终选择的检索起点。
5.根据权利要求3所述的追踪目标检索方法,其特征在于,将相邻两个节点间的设备数量作为设备网状图中节点之间直接路径的权值,
若存在直接路径,则将根据所述直接路径的权值获取对应的设备数,
若不存在直接路径,则判定相邻间的节点的设备数无穷多;
获取起始点到每个终点的最短路径长度,并获取最短路径长度中最小的路径,及最小的路径的终点,将所述最小的路径作为最优路径;
按顺序依次递增,分别获取起点到每个终点的最优路径,并进行追踪目标检索。
6.一种追踪目标检索系统,其特征在于,包括:
设备管理模块,用于管理预先设置的若干用于图像采集的设备,并获取每个设备的设备信息,所述设备信息包括组织信息、位置信息、设备类型、设备名称;
电子地图模块,用于根据所述设备信息,在电子地图中获取节点以及设备网状图,所述节点与邻接点途中包括一个或多个设备;
设备数统计模块,用于统计每个节点与邻接点途中的所有设备的数量;
比对模块,用于根据待追踪目标对象的类别,分别对人车进行信息比对,
人车追踪模块,用于根据待追踪目标对象的类别,分别对人车进行独立检索,根据每个节点出现待追踪目标对象的几率,在所述设备网状图中确定待追踪人或待追踪车辆的检索起点;根据路径递增的顺序以最短路径依次递进检索,获取检索起点与其他各节点的最优路径,所述路径递增的顺序为已计算出最短路径的节点的集合中节点数量依次增加的顺序;根据所述最优路径进行检索,直至检索出目标,完成追踪目标检索。
7.根据权利要求6所述的追踪目标检索系统,其特征在于,所述比对模块包括
人脸比对模块,用于根据待追踪人的人脸图像信息进行人脸比对;
车辆比对模块,用于根据待追踪车的车辆识别信息进行车辆比对,所述车辆识别信息包括车牌号、车型、车辆品牌、车辆颜色;
所述人车追踪模块根据所述设备信息对所有设备按目标范围内的设备区域进行过滤;在过滤后的节点中,选取概率最大的节点作为起始点开始检索。
8.根据权利要求6所述的追踪目标检索系统,其特征在于,还包括报警模块,用于当检索到待追踪目标对象时,发出报警信息。
9.一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:所述计算机程序被处理器执行时实现权利要求1至5中任一项所述方法。
10.一种电子终端,其特征在于,包括:处理器及存储器;
所述存储器用于存储计算机程序,所述处理器用于执行所述存储器存储的计算机程序,以使所述终端执行如权利要求1至5中任一项所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011123843.2A CN112199554B (zh) | 2020-10-20 | 2020-10-20 | 一种追踪目标检索方法、系统、介质及电子终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011123843.2A CN112199554B (zh) | 2020-10-20 | 2020-10-20 | 一种追踪目标检索方法、系统、介质及电子终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112199554A CN112199554A (zh) | 2021-01-08 |
CN112199554B true CN112199554B (zh) | 2022-11-11 |
Family
ID=74009500
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011123843.2A Active CN112199554B (zh) | 2020-10-20 | 2020-10-20 | 一种追踪目标检索方法、系统、介质及电子终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112199554B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113987227B (zh) * | 2021-09-17 | 2023-03-14 | 上海燃气有限公司 | 一种计算燃气泄露干涉范围方法、装置和电子设备 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0886660A (ja) * | 1994-09-16 | 1996-04-02 | Alpine Electron Inc | 車載用ナビゲーション装置 |
CN103366573A (zh) * | 2013-07-10 | 2013-10-23 | 中兴智能交通(无锡)有限公司 | 一种基于云计算的车辆行驶信息追踪方法及系统 |
WO2015098442A1 (ja) * | 2013-12-26 | 2015-07-02 | 株式会社日立国際電気 | 映像検索システム及び映像検索方法 |
CN105629198A (zh) * | 2015-12-28 | 2016-06-01 | 西安电子科技大学 | 基于密度的快速搜索聚类算法的室内多目标追踪方法 |
CN106096577A (zh) * | 2016-06-24 | 2016-11-09 | 安徽工业大学 | 一种摄像头分布地图中的目标追踪系统及追踪方法 |
CN107315755A (zh) * | 2016-04-27 | 2017-11-03 | 杭州海康威视数字技术股份有限公司 | 查询对象的轨迹生成方法及装置 |
CN108648492A (zh) * | 2018-06-26 | 2018-10-12 | 深兰科技(上海)有限公司 | 一种车辆引导的方法、装置、服务器和可读存储介质 |
CN109190056A (zh) * | 2018-08-22 | 2019-01-11 | 深圳先进技术研究院 | 一种车辆轨迹重建方法、系统及电子设备 |
CN109934074A (zh) * | 2017-12-19 | 2019-06-25 | 杭州海康威视系统技术有限公司 | 行动轨迹确定方法及装置 |
CN109961458A (zh) * | 2017-12-26 | 2019-07-02 | 杭州海康威视系统技术有限公司 | 目标对象的追踪方法、装置及计算机可读存储介质 |
CN111596675A (zh) * | 2020-05-15 | 2020-08-28 | 中国海洋大学 | 面向非广域目标搜索任务的水下机器人优化决策方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10839196B2 (en) * | 2015-09-22 | 2020-11-17 | ImageSleuth, Inc. | Surveillance and monitoring system that employs automated methods and subsystems that identify and characterize face tracks in video |
-
2020
- 2020-10-20 CN CN202011123843.2A patent/CN112199554B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0886660A (ja) * | 1994-09-16 | 1996-04-02 | Alpine Electron Inc | 車載用ナビゲーション装置 |
CN103366573A (zh) * | 2013-07-10 | 2013-10-23 | 中兴智能交通(无锡)有限公司 | 一种基于云计算的车辆行驶信息追踪方法及系统 |
WO2015098442A1 (ja) * | 2013-12-26 | 2015-07-02 | 株式会社日立国際電気 | 映像検索システム及び映像検索方法 |
CN105629198A (zh) * | 2015-12-28 | 2016-06-01 | 西安电子科技大学 | 基于密度的快速搜索聚类算法的室内多目标追踪方法 |
CN107315755A (zh) * | 2016-04-27 | 2017-11-03 | 杭州海康威视数字技术股份有限公司 | 查询对象的轨迹生成方法及装置 |
CN106096577A (zh) * | 2016-06-24 | 2016-11-09 | 安徽工业大学 | 一种摄像头分布地图中的目标追踪系统及追踪方法 |
CN109934074A (zh) * | 2017-12-19 | 2019-06-25 | 杭州海康威视系统技术有限公司 | 行动轨迹确定方法及装置 |
CN109961458A (zh) * | 2017-12-26 | 2019-07-02 | 杭州海康威视系统技术有限公司 | 目标对象的追踪方法、装置及计算机可读存储介质 |
CN108648492A (zh) * | 2018-06-26 | 2018-10-12 | 深兰科技(上海)有限公司 | 一种车辆引导的方法、装置、服务器和可读存储介质 |
CN109190056A (zh) * | 2018-08-22 | 2019-01-11 | 深圳先进技术研究院 | 一种车辆轨迹重建方法、系统及电子设备 |
CN111596675A (zh) * | 2020-05-15 | 2020-08-28 | 中国海洋大学 | 面向非广域目标搜索任务的水下机器人优化决策方法 |
Non-Patent Citations (2)
Title |
---|
Tracking object considering energy balance on wireless sensor networks;The Nguyen Manh等;《2016 IEEE International Conference on Consumer Electronics-Asia (ICCE-Asia)》;20170105;第1-5页 * |
基于云计算的车辆轨迹分析系统;吴雨欣;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20190915(第9期);第C034-274页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112199554A (zh) | 2021-01-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230161816A1 (en) | Short-term and long-term memory on an edge device | |
US7392247B2 (en) | Method and apparatus for fusing context data | |
US8600659B1 (en) | Method and system for geographic search for public transportation commuters | |
CN108492580B (zh) | 判断涉案嫌疑车辆的方法及系统 | |
CN111079577B (zh) | 一种动态区域聚集预警实时推荐的计算方法及系统 | |
CN109282826B (zh) | 基于点聚合方式进行地图多点路径规划的方法及其系统 | |
CN103699679A (zh) | 目标对象的信息检索方法及信息检索设备 | |
CN112199554B (zh) | 一种追踪目标检索方法、系统、介质及电子终端 | |
WO2017173783A1 (zh) | 兴趣点数据显示方法及终端 | |
CN113077181A (zh) | 一种停车站点设置方法、装置、介质及电子设备 | |
WO2024146201A1 (zh) | 车位推荐方法、装置、车辆及存储介质 | |
Xia et al. | A fast filter for obstructed nearest neighbor queries | |
CN114238346B (zh) | 监控密度分析方法、装置、存储介质和电子设备 | |
CN114265952B (zh) | 一种目标检索方法和装置 | |
Hasan et al. | Efficient algorithms to monitor continuous constrained k nearest neighbor queries | |
CN113449130A (zh) | 一种图像检索方法、装置、一种计算机可读存储介质和计算设备 | |
CN111325971A (zh) | 实时路况的显示方法、显示系统、存储介质及车载终端 | |
CN112507044B (zh) | 终端数据处理系统 | |
CN112507046B (zh) | 终端数据处理系统 | |
CN112507045B (zh) | 终端数据处理系统 | |
CN112507043B (zh) | 终端数据处理系统 | |
CN114491307B (zh) | 一种设备聚合方法及装置 | |
CN117853714B (zh) | 停车区生成方法、装置、计算机设备和存储介质 | |
CN115131987B (zh) | 停车位推荐方法、装置、计算机设备和存储介质 | |
US20230119116A1 (en) | Method and processing apparatus for determining optimal pick-up/drop-off locations for transport service |
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 |