CN112364683A - 一种案件证据固定方法及装置 - Google Patents
一种案件证据固定方法及装置 Download PDFInfo
- Publication number
- CN112364683A CN112364683A CN202010998522.0A CN202010998522A CN112364683A CN 112364683 A CN112364683 A CN 112364683A CN 202010998522 A CN202010998522 A CN 202010998522A CN 112364683 A CN112364683 A CN 112364683A
- Authority
- CN
- China
- Prior art keywords
- information
- target
- image
- suspect
- video
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012544 monitoring process Methods 0.000 claims abstract description 47
- 238000004458 analytical method Methods 0.000 claims abstract description 40
- 238000004590 computer program Methods 0.000 claims description 20
- 230000015654 memory Effects 0.000 claims description 15
- 238000012512 characterization method Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 3
- 238000011835 investigation Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 239000013598 vector Substances 0.000 description 7
- 238000003062 neural network model Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000003058 natural language processing Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012916 structural analysis Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- DMBHHRLKUKUOEG-UHFFFAOYSA-N diphenylamine Chemical compound C=1C=CC=CC=1NC1=CC=CC=C1 DMBHHRLKUKUOEG-UHFFFAOYSA-N 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- 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
- G06V40/12—Fingerprints or palmprints
- G06V40/1365—Matching; Classification
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Life Sciences & Earth Sciences (AREA)
- Alarm Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供了一种案件证据固定方法、装置、终端设备及计算机可读介质,所述方法包括:利用视频分析前端获取监控视频中的运动目标的结构特征化信息,并将从警综系统获取的案件信息中的嫌疑人特征信息与所述结构特征化信息进行比较,以初步确定目标嫌疑人图像;根据初步确定的目标嫌疑人图像对应的摄像头所在的位置,确定目标嫌疑人的活动范围,并在所述活动范围对应的摄像头获取的视频中最终确定目标嫌疑人图像;将最终确定的目标嫌疑人的图像与人脸信息进行比对,若一致,则将最终确定的目标嫌疑人图像对应的监控视频、指纹信息、身份证信息、人脸信息关联后储存在后端管理平台,从而可提高视频分析效率以及案件证据管理效率。
Description
技术领域
本发明属于视频侦查技术领域,具体是涉及到一种案件证据固定方法、装置、终端设备及计算机可读介质。
背景技术
视频现场勘查是视频侦查工作的起点,是视频侦查不可或缺的工作。但是目前现场勘查设备功能单一,侦查人员现场侦查时需要携带多种设备,增加了侦查人员的负担,且设备操作智能化程度不高,对视频的智能分析能力不足,分析效率低。同时现场采集数据时,由于采集数据数量多、种类多,容易造成数据混乱、错漏,需要耗费大量人力整理。
发明内容
有鉴于此,本发明实施例提供一种案件证据固定方法、装置、终端设备及计算机可读介质,能够减少基层侦查人员在现场侦查时的设备携带量,提高视频分析效率以及案件证据管理效率。
本发明实施例的第一方面提供了一种案件证据固定方法,包括:
通过信息采集前端采集多维信息;所述多维信息包括指纹信息、身份证信息、人脸信息和监控视频;
利用视频分析前端获取所述监控视频中的运动目标的结构特征化信息,并将从警综系统获取的案件信息中的嫌疑人特征信息与所述结构特征化信息进行比较,以初步确定目标嫌疑人图像;
根据初步确定的目标嫌疑人图像对应的摄像头所在的位置,确定目标嫌疑人的活动范围,并在所述活动范围对应的摄像头获取的视频中最终确定目标嫌疑人图像;
将最终确定的目标嫌疑人的图像与所述人脸信息进行比对,若一致,则将所述最终确定的目标嫌疑人图像对应的监控视频、指纹信息、身份证信息、人脸信息关联后储存在后端管理平台。
本发明实施例的第二方面提供了一种案件证据固定装置,包括:
采集模块,用于通过信息采集前端采集多维信息;所述多维信息包括指纹信息、身份证信息、人脸信息和监控视频;
第一确定模块,用于利用视频分析前端获取所述监控视频中的运动目标的结构特征化信息,并将从警综系统获取的案件信息中的嫌疑人特征信息与所述结构特征化信息进行比较,以初步确定目标嫌疑人图像;
第二确定模块,用于根据初步确定的目标嫌疑人图像对应的摄像头所在的位置,确定目标嫌疑人的活动范围,并在所述活动范围对应的摄像头获取的视频中最终确定目标嫌疑人图像;
固定模块,用于将最终确定的目标嫌疑人的图像与所述人脸信息进行比对,若一致,则将所述最终确定的目标嫌疑人图像对应的监控视频、指纹信息、身份证信息、人脸信息关联后储存在后端管理平台。
本发明实施例的第三方面提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述案件证据固定方法的步骤。
本发明实施例的第四方面提供了一种计算机可读介质,所述计算机可读介质存储有计算机程序,所述计算机程序被处理执行时实现上述案件证据固定方法的步骤。
本发明实施例提供的案件证据固定方法中,可利用视频分析前端获取信息采集前端采集的监控视频中的运动目标的结构特征化信息,并将从警综系统获取的案件信息中的嫌疑人特征信息与所述结构特征化信息进行比较,以初步确定目标嫌疑人图像,再根据初步确定的目标嫌疑人图像对应的摄像头所在的位置,确定目标嫌疑人的活动范围,在所述活动范围对应的摄像头获取的视频中最终确定目标嫌疑人图像,并将所述最终确定的目标嫌疑人图像对应的监控视频、指纹信息、身份证信息、人脸信息关联后储存在后端管理平台,从而可减少基层侦查人员在现场侦查时的设备携带量,提高视频分析效率以及案件证据管理效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1是本发明实施例提供的一种案件证据固定方法的流程图;
图2是本发明实施例提供的神经网络模型的结构示意图;
图3是本发明实施例提供的一种案件证据固定装置的结构示意图;
图4是图3中的采集模块的细化结构示意图;
图5是图3中的第一确定模块的细化结构示意图;
图6是图3中的第二确定模块的细化结构示意图;
图7是图3中的固定模块的细化结构示意图;
图8是本发明实施例提供的终端设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
请参阅图1,图1是本发明实施例提供的一种案件证据固定方法的流程图。如图1所示,本实施例的案件证据固定方法包括以下步骤:
S101:通过信息采集前端采集多维信息fk。
在本发明实施例中,通过信息采集前端中的指纹采集模块、身份证信息采集模块和摄像头分别采集指纹信息、身份证信息、人脸信息和监控视频。然后可将所述多维信息传输至视频分析前端,由所述视频分析前端计算所述多维信息的MD5(信息摘要算法)值,作为唯一识别码,使所获得的数据具有可溯源性。所述监控视频可以是案发地点的固定摄像头拍摄的视频,也可以是办案人员携带到现场的摄像设备所获取的视频。
S102:利用视频分析前端获取所述监控视频中的运动目标的结构特征化信息,并将从警综系统获取的案件信息中的嫌疑人特征信息与所述结构特征化信息进行比较,以初步确定目标嫌疑人图像。
在本发明实施例中,首先可通过视频分析前端将所述监控视频统一解码成标准格式。再以背景去除法提取解码后的监控视频中的运动目标,并根据所述运动目标的属性调用相应的视频结构化算法,提取所述运动目标的结构化特征信息,例如,如果所述运动目标为行人,则调用行人结构化算法提取行人结构化特征信息,如果所述运动目标为车辆,则调用车辆结构化算法,并综合行人结构化算法,提取车辆中的人的结构化特征信息,从而可多种算法统一管理,共享统一的GPU/CPU计算资源池,通过多种算法的智能调度可以实现视频全目标结构化信息提取。然后,可从警综系统获取的案件信息(该案件信息可以是同一案件的历史调查信息或者类似案件的相关信息),从案件信息中提取案件语义信息中的嫌疑人特征信息,将嫌疑人特征信息与所述结构特征化信息进行比较,以初步确定目标嫌疑人图像。所述嫌疑人特征信息包括嫌疑人衣着特点、衣着颜色、性别、是否戴眼镜、是否背包等进一步地,所述背景去除方法包括:先对背景建模,再根据所述背景建模对目标图像做前景检测与背景更新,然后可根据所述前景检测和背景更新提取所述解码后的视频数据对应的视频中的运动目标。需要指出的是,所述前景检测、背景更新、所述行人结构化算法以及车辆结构化算法同现有技术,故在此不再赘述。此外,所述案件语义信息是通过NLP(自然语言处理)技术从警综系统的案件信息中提取的语义结构化信息,所述案件语义信息包括嫌疑人特征信息、案发时间和案发地点等案件关键信息。具体地,可采用jieba (结巴)工具对预先准备好的用来训练的案件语料数据进行分词和词性标注,把One-hot(独热)形式表示的词语通过embedding(嵌入)方法进行分布式表示,形成包含语义信息的词向量序列,并将所述词向量序列输入神经网络模型进行高迭代次数的长期训练,形成预训练好的神经网络模型。在得到训练好的所述神经网络模型后,可从,例如,警综系统中调取案件信息,将所述案件信息输入所述训练好的神经网络模型,得到所述案件信息中的案件语义信息。进一步地,如图2所示,所述神经网络模型包括输入层、embedding层、CNN (卷积神经网络)层、Bi-LSTM(双向长短期记忆)层、Attention(注意力)层、全连接层和CRF(条件随机场)层;所述CNN层用于提取局部信息特征,所述Bi-LSTM层用于提取文本的上下文关联信息特征,同时增加注意力机制极大的提升系统的性能和鲁棒性,所述全连接层及CRF层用于使得基于包含语义信息的词向量加入词性和副词关键词的特征。其中,X1、X2等为输入层中输入的变量;e1、e2等为embedding层的输出结果, 等为Bi-LSTM层输出的向量。V表示Attention层,MLP表示全连接层。
S103:根据初步确定的目标嫌疑人图像对应的摄像头所在的位置,确定目标嫌疑人的活动范围,并在所述活动范围对应的摄像头获取的视频中最终确定目标嫌疑人图像。
在本发明实施例中,通过所述视频分析前端中的定位模块,获取初步确定的目标嫌疑人图像对应的摄像头所在的位置。再可基于获取的初步确定的目标嫌疑人图像对应的摄像头所在的位置,结合所述视频分析前端中的基站信息采集模块在该位置处获取的基站信息,确定目标嫌疑人的活动范围。然后可基于所述初步确定的目标嫌疑人图像,通过以图搜图的方法在所述活动范围对应的摄像头获取的视频中最终确定清晰的目标嫌疑人图像。具体地,可提取所述初步确定的目标嫌疑人图像中的特征向量,并按照公式(1)进行相似度匹配,提取相似度距离小于阈值D的目标作为最终确定的目标嫌疑人图像:
其中,fI1为所述犯罪嫌疑人图片中的特征向量,fI2为所述视频专网中的除确定的所述犯罪嫌疑人图片之外的其它图片中的特征向量,dI1,I2为相似度距离;
S104:将最终确定的目标嫌疑人的图像与所述人脸信息进行比对,若一致,则将所述最终确定的目标嫌疑人图像对应的监控视频、指纹信息、身份证信息、人脸信息关联后储存在后端管理平台。
在本发明实施例中,此前通过信息采集端采集的多维信息保存在后端管理平台中的储存模块中。后端管理平台中的调度模块可将所述多维信息调度到视频分析前端。视频分析前端可将最终确定的目标嫌疑人的图像与所述多维信息中的人脸信息进行对比;若匹配,则将所述最终确定的目标嫌疑人图像对应的监控视频、指纹信息、身份证信息、人脸信息关联后储存在后端管理平台中的案件数据库中。这里所说的关联是指将与最终确定的目标嫌疑人相关的视频、指纹信息、身份证信息和人脸信息等关联在一起形成证据链。
此外,从本发明某一实施例公开的与所述案件证据固定方法对应的案件证据固定装置的硬件上描述,所述案件证据固定装置可以包括所述信息采集前端、视频分析前端、后端管理平台。更具体地,所述信息采集前端包括摄像头、指纹采集模块、身份证信息采集模块、通信模块,所述信息采集前端还可以是已架设好的监控摄像头。所述视频分析前端包括显示模块、通信模块、中央处理器、电源模块、存储模块、定位模块、基站信息采集模块,所述中央处理器包括一个内嵌视频结构化算法的AI芯片。所述后端管理平台包括通信模块、存储模块、任务调度模块。信息采集前端的摄像头主要采集人脸信息,指纹采集模块采集指纹信息,身份证信息采集模块采集身份证信息。同时信息采集前端还可以调取监控摄像头中存储的监控视频。视频分析前端的定位模块定位经纬度确定信息采集位置,包括北斗和GPS定位,基站信息采集模块可以同步采集三大运营商全制式基站信息,包括WIFI、 2G、4G及5G频段采集。
在图1提供的案件证据固定方法中,可利用视频分析前端获取信息采集前端采集的监控视频中的运动目标的结构特征化信息,并将从警综系统获取的案件信息中的嫌疑人特征信息与所述结构特征化信息进行比较,以初步确定目标嫌疑人图像,再根据初步确定的目标嫌疑人图像对应的摄像头所在的位置,确定目标嫌疑人的活动范围,在所述活动范围对应的摄像头获取的视频中最终确定目标嫌疑人图像,并将所述最终确定的目标嫌疑人图像对应的监控视频、指纹信息、身份证信息、人脸信息关联后储存在后端管理平台,从而可以减少基层侦查人员在现场侦查时的设备携带量,并能对现场提取的视频及时进行结构化分析,提高分析效率,同时通过系统对各种数据证据进行的关联固定可更方便地进行案件证据管理。
请参阅图3,图3是本发明实施例提供的一种案件证据固定装置的结构示意图。如图3 所示,本实施例的案件证据固定装置30包括采集模块301、第一确定模块302、第二确定模块303和固定模块304。采集模块301、第一确定模块302、第二确定模块303和固定模块304分别用于执行图1中的S101、S102、S103和S104中的具体方法,详情可参见图1 的相关介绍,在此仅作简单描述:
采集模块301,用于通过信息采集前端采集多维信息;所述多维信息包括指纹信息、身份证信息、人脸信息和监控视频。
第一确定模块302,用于利用视频分析前端获取所述监控视频中的运动目标的结构特征化信息,并将从警综系统获取的案件信息中的嫌疑人特征信息与所述结构特征化信息进行比较,以初步确定目标嫌疑人图像。
第二确定模块303,用于根据初步确定的目标嫌疑人图像对应的摄像头所在的位置,确定目标嫌疑人的活动范围,并在所述活动范围对应的摄像头获取的视频中最终确定目标嫌疑人图像。
固定模块304,用于将最终确定的目标嫌疑人的图像与所述人脸信息进行比对,若一致,则将所述最终确定的目标嫌疑人图像对应的监控视频、指纹信息、身份证信息、人脸信息关联后储存在后端管理平台。
进一步地,请参看图4,采集模块301可具体包括:
采集单元3011,用于通过信息采集前端中的指纹采集模块、身份证信息采集模块和摄像头分别采集指纹信息、身份证信息、人脸信息和监控视频。
计算单元3012,用于将所述多维信息传输至视频分析前端,由所述视频分析前端计算所述多维信息的MD5值,作为唯一识别码。
进一步地,请参看图5,第一确定模块302可具体包括:
解码单元3021,用于通过视频分析前端将所述监控视频统一解码成标准格式。
背景去除单元3022,用于以背景去除法提取解码后的监控视频中的运动目标。
全目标结构提取单元3023,用于根据所述运动目标的属性调用相应的视频结构化算法,提取所述运动目标的结构化特征信息。
第一确定单元3024,用于将从警综系统获取的案件信息中的嫌疑人特征信息与所述结构特征化信息进行比较,以初步确定目标嫌疑人图像。
进一步地,请参看图6,第二确定模块303可具体包括:
第一定位单元3031,用于通过所述视频分析前端中的定位模块,获取初步确定的目标嫌疑人图像对应的摄像头所在的位置。
第二定位单元3032,用于基于获取的初步确定的目标嫌疑人图像对应的摄像头所在的位置,结合所述视频分析前端中的基站信息采集模块获取的基站信息,确定目标嫌疑人的活动范围。
第二确定单元3033,用于基于初步确定的目标嫌疑人图像,通过以图搜图的方法在所述活动范围对应的摄像头获取的视频中最终确定目标嫌疑人图像。
进一步地,请参看图7,固定模块304可具体包括:
比对单元3041,用于将最终确定的目标嫌疑人的图像与所述人脸信息进行比对。
固定单元3042,用于在比对单元3041比对出最终确定的目标嫌疑人的图像与所述人脸信息匹配时,将所述最终确定的目标嫌疑人图像对应的监控视频、指纹信息、身份证信息、人脸信息关联后储存在后端管理平台。
图3提供的案件证据固定装置,可利用视频分析前端获取信息采集前端采集的监控视频中的运动目标的结构特征化信息,并将从警综系统获取的案件信息中的嫌疑人特征信息与所述结构特征化信息进行比较,以初步确定目标嫌疑人图像,再根据初步确定的目标嫌疑人图像对应的摄像头所在的位置,确定目标嫌疑人的活动范围,在所述活动范围对应的摄像头获取的视频中最终确定目标嫌疑人图像,并将所述最终确定的目标嫌疑人图像对应的监控视频、指纹信息、身份证信息、人脸信息关联后储存在后端管理平台,从而可以减少基层侦查人员在现场侦查时的设备携带量,并能对现场提取的视频及时进行结构化分析,提高分析效率,同时通过系统对各种数据证据进行的关联固定可更方便地进行案件证据管理。
图8是本发明一实施例提供的终端设备的示意图。如图8所示,该实施例的终端设备8 包括:处理器80、存储器81以及存储在所述存储器81中并可在所述处理器80上运行的计算机程序82,例如进行湍流图像复原的程序。所述处理器80执行所述计算机程序82时实现上述方法实施例中的步骤,例如,图1所示的S101至S104。或者,所述处理器80执行所述计算机程序82时实现上述各装置实施例中各模块/单元的功能,例如图3所示模块301 至304的功能。
示例性的,所述计算机程序82可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器81中,并由所述处理器80执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序82在终端设备8中的执行过程。例如,所述计算机程序82可以被分割成采集模块301、第一确定模块302、第二确定模块303和固定模块304。(虚拟装置中的模块),各模块具体功能如下:
采集模块301,用于通过信息采集前端采集多维信息;所述多维信息包括指纹信息、身份证信息、人脸信息和监控视频。
第一确定模块302,用于利用视频分析前端获取所述监控视频中的运动目标的结构特征化信息,并将从警综系统获取的案件信息中的嫌疑人特征信息与所述结构特征化信息进行比较,以初步确定目标嫌疑人图像。
第二确定模块303,用于根据初步确定的目标嫌疑人图像对应的摄像头所在的位置,确定目标嫌疑人的活动范围,并在所述活动范围对应的摄像头获取的视频中最终确定目标嫌疑人图像。
固定模块304,用于将最终确定的目标嫌疑人的图像与所述人脸信息进行比对,若一致,则将所述最终确定的目标嫌疑人图像对应的监控视频、指纹信息、身份证信息、人脸信息关联后储存在后端管理平台。
所述终端设备8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。终端设备8可包括,但不仅限于,处理器80、存储器81。本领域技术人员可以理解,图8 仅仅是终端设备8的示例,并不构成对终端设备8的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所述处理器80可以是中央处理单元(Central Processing Unit,CPU),还可以是其它通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器81可以是终端设备8的内部存储单元,例如终端设备8的硬盘或内存。所述存储器81也可以是终端设备8的外部存储设备,例如所述终端设备8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(Flash Card)等。进一步地,所述存储器81还可以既包括终端设备8的内部存储单元也包括外部存储设备。所述存储器81用于存储所述计算机程序以及终端设备8所需的其它程序和数据。所述存储器81还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
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单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器 (RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例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同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种案件证据固定方法,其特征在于,包括:
通过信息采集前端采集多维信息;所述多维信息包括指纹信息、身份证信息、人脸信息和监控视频;
利用视频分析前端获取所述监控视频中的运动目标的结构特征化信息,并将从警综系统获取的案件信息中的嫌疑人特征信息与所述结构特征化信息进行比较,以初步确定目标嫌疑人图像;
根据初步确定的目标嫌疑人图像对应的摄像头所在的位置,确定目标嫌疑人的活动范围,并在所述活动范围对应的摄像头获取的视频中最终确定目标嫌疑人图像;
将最终确定的目标嫌疑人的图像与所述人脸信息进行比对,若一致,则将所述最终确定的目标嫌疑人图像对应的监控视频、指纹信息、身份证信息、人脸信息关联后储存在后端管理平台。
2.根据权利要求1所述的案件证据固定方法,其特征在于,所述通过信息采集前端采集多维信息,包括:
通过信息采集前端中的指纹采集模块、身份证信息采集模块和摄像头分别采集指纹信息、身份证信息、人脸信息和监控视频;
将所述多维信息传输至视频分析前端,由所述视频分析前端计算所述多维信息的MD5值,作为唯一识别码。
3.根据权利要求1所述的案件证据固定方法,其特征在于,所述利用视频分析前端获取所述监控视频中的运动目标的结构特征化信息,并将从警综系统获取的案件信息中的嫌疑人特征信息与所述结构特征化信息进行比较,以初步确定目标嫌疑人图像,包括:
通过视频分析前端将所述监控视频统一解码成标准格式;
以背景去除法提取解码后的监控视频中的运动目标;
根据所述运动目标的属性调用相应的视频结构化算法,提取所述运动目标的结构化特征信息;
将从警综系统获取的案件信息中的嫌疑人特征信息与所述结构特征化信息进行比较,以初步确定目标嫌疑人图像。
4.根据权利要求1-3中任一项所述的案件证据固定方法,其特征在于,所述根据初步确定的目标嫌疑人图像对应的摄像头所在的位置,确定目标嫌疑人的活动范围,并在所述活动范围对应的摄像头获取的视频中最终确定目标嫌疑人图像,包括:
通过所述视频分析前端中的定位模块,获取初步确定的目标嫌疑人图像对应的摄像头所在的位置;
基于获取的初步确定的目标嫌疑人图像对应的摄像头所在的位置,结合所述视频分析前端中的基站信息采集模块获取的基站信息,确定目标嫌疑人的活动范围;
基于初步确定的目标嫌疑人图像,通过以图搜图的方法在所述活动范围对应的摄像头获取的视频中最终确定目标嫌疑人图像。
5.根据权利要求1所述的案件证据固定方法,其特征在于,所述将最终确定的目标嫌疑人的图像与所述人脸信息进行比对,若一致,则将所述最终确定的目标嫌疑人图像对应的监控视频、指纹信息、身份证信息、人脸信息关联后储存在后端管理平台,包括:
将最终确定的目标嫌疑人的图像与所述人脸信息进行比对;
若一致,则将所述最终确定的目标嫌疑人图像对应的监控视频、指纹信息、身份证信息、人脸信息关联后储存在后端管理平台。
6.一种案件证据固定装置,其特征在于,包括:
采集模块,用于通过信息采集前端采集多维信息;所述多维信息包括指纹信息、身份证信息、人脸信息和监控视频;
第一确定模块,用于利用视频分析前端获取所述监控视频中的运动目标的结构特征化信息,并将从警综系统获取的案件信息中的嫌疑人特征信息与所述结构特征化信息进行比较,以初步确定目标嫌疑人图像;
第二确定模块,用于根据初步确定的目标嫌疑人图像对应的摄像头所在的位置,确定目标嫌疑人的活动范围,并在所述活动范围对应的摄像头获取的视频中最终确定目标嫌疑人图像;
固定模块,用于将最终确定的目标嫌疑人的图像与所述人脸信息进行比对,若一致,则将所述最终确定的目标嫌疑人图像对应的监控视频、指纹信息、身份证信息、人脸信息关联后储存在后端管理平台。
7.根据权利要求6所述的案件证据固定装置,其特征在于,所述第一确定模块包括:
解码单元,用于通过视频分析前端将所述监控视频统一解码成标准格式;
背景去除单元,用于以背景去除法提取解码后的监控视频中的运动目标;
全目标结构提取单元,用于根据所述运动目标的属性调用相应的视频结构化算法,提取所述运动目标的结构化特征信息;
第一确定单元,用于将从警综系统获取的案件信息中的嫌疑人特征信息与所述结构特征化信息进行比较,以初步确定目标嫌疑人图像。
8.根据权利要求6或7所述的案件证据固定装置,其特征在于,所述第二确定模块包括:
第一定位单元,用于通过所述视频分析前端中的定位模块,获取初步确定的目标嫌疑人图像对应的摄像头所在的位置;
第二定位单元,用于基于获取的初步确定的目标嫌疑人图像对应的摄像头所在的位置,结合所述视频分析前端中的基站信息采集模块获取的基站信息,确定目标嫌疑人的活动范围;
第二确定单元,用于基于初步确定的目标嫌疑人图像,通过以图搜图的方法在所述活动范围对应的摄像头获取的视频中最终确定目标嫌疑人图像。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述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计算机程序时实现如权利要求1-5中任一项所述方法的步骤。
10.一种计算机可读介质,所述计算机可读介质存储有计算机程序,其特征在于,所述计算机程序被处理执行时实现如权利要求1-5中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010998522.0A CN112364683A (zh) | 2020-09-22 | 2020-09-22 | 一种案件证据固定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010998522.0A CN112364683A (zh) | 2020-09-22 | 2020-09-22 | 一种案件证据固定方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112364683A true CN112364683A (zh) | 2021-02-12 |
Family
ID=74516398
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010998522.0A Pending CN112364683A (zh) | 2020-09-22 | 2020-09-22 | 一种案件证据固定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112364683A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113505249A (zh) * | 2021-04-29 | 2021-10-15 | 武汉北大高科软件股份有限公司 | 信息与数据证据绑定的方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106339428A (zh) * | 2016-08-16 | 2017-01-18 | 东方网力科技股份有限公司 | 基于视频大数据的嫌疑人身份识别方法和装置 |
US9852606B1 (en) * | 2017-04-10 | 2017-12-26 | Verint Americas Inc | System and method for crime investigation |
CN109033440A (zh) * | 2018-08-15 | 2018-12-18 | 武汉烽火众智数字技术有限责任公司 | 一种视频侦查多维轨迹分析方法 |
CN109344267A (zh) * | 2018-09-06 | 2019-02-15 | 苏州千视通视觉科技股份有限公司 | 基于pgis地图的接力追踪方法及系统 |
CN110175217A (zh) * | 2019-05-16 | 2019-08-27 | 武汉数矿科技股份有限公司 | 一种用于确定嫌疑人的感知数据分析方法和装置 |
CN110659391A (zh) * | 2019-08-29 | 2020-01-07 | 苏州千视通视觉科技股份有限公司 | 一种视频侦查方法及装置 |
-
2020
- 2020-09-22 CN CN202010998522.0A patent/CN112364683A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106339428A (zh) * | 2016-08-16 | 2017-01-18 | 东方网力科技股份有限公司 | 基于视频大数据的嫌疑人身份识别方法和装置 |
US9852606B1 (en) * | 2017-04-10 | 2017-12-26 | Verint Americas Inc | System and method for crime investigation |
CN109033440A (zh) * | 2018-08-15 | 2018-12-18 | 武汉烽火众智数字技术有限责任公司 | 一种视频侦查多维轨迹分析方法 |
CN109344267A (zh) * | 2018-09-06 | 2019-02-15 | 苏州千视通视觉科技股份有限公司 | 基于pgis地图的接力追踪方法及系统 |
CN110175217A (zh) * | 2019-05-16 | 2019-08-27 | 武汉数矿科技股份有限公司 | 一种用于确定嫌疑人的感知数据分析方法和装置 |
CN110659391A (zh) * | 2019-08-29 | 2020-01-07 | 苏州千视通视觉科技股份有限公司 | 一种视频侦查方法及装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113505249A (zh) * | 2021-04-29 | 2021-10-15 | 武汉北大高科软件股份有限公司 | 信息与数据证据绑定的方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112199375B (zh) | 跨模态的数据处理方法、装置、存储介质以及电子装置 | |
CN109104620B (zh) | 一种短视频推荐方法、装置和可读介质 | |
CN110033018B (zh) | 图形相似度判断方法、装置及计算机可读存储介质 | |
CN108197592B (zh) | 信息获取方法和装置 | |
CN106126617A (zh) | 一种视频检测方法及服务器 | |
CN108563651B (zh) | 一种多视频的目标搜索方法、装置及设备 | |
CN113836131B (zh) | 一种大数据清洗方法、装置、计算机设备及存储介质 | |
CN110941978B (zh) | 一种未识别身份人员的人脸聚类方法、装置及存储介质 | |
CN111626251A (zh) | 一种视频分类方法、视频分类装置及电子设备 | |
CN115512005A (zh) | 一种数据处理方法及其装置 | |
CN113239792A (zh) | 一种大数据分析处理系统和方法 | |
Elharrouss et al. | FSC-set: counting, localization of football supporters crowd in the stadiums | |
CN116311370A (zh) | 一种基于多角度特征的牛脸识别方法及其相关设备 | |
CN112235598B (zh) | 一种视频结构化处理方法、装置及终端设备 | |
CN112364683A (zh) | 一种案件证据固定方法及装置 | |
CN112101257B (zh) | 训练样本生成方法、图像处理方法、装置、设备和介质 | |
CN110909578A (zh) | 一种低分辨率图像识别方法、装置和存储介质 | |
CN112270205A (zh) | 一种案件侦查方法及装置 | |
CN115409041B (zh) | 一种非结构化数据提取方法、装置、设备及存储介质 | |
CN112633244B (zh) | 一种社交关系的识别方法、装置、电子设备及存储介质 | |
CN112364682A (zh) | 一种案件搜索方法及装置 | |
WO2021017289A1 (zh) | 在视频中定位对象的方法、装置、计算机设备及存储介质 | |
CN111832549A (zh) | 数据标注方法及装置 | |
CN109885762A (zh) | 信息检索方法、装置、存储介质及计算机设备 | |
CN113723093B (zh) | 人员管理策略推荐方法、装置、计算机设备及存储介质 |
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 |