CN112488024A - 高空抛物溯源方法、装置、计算机设备及存储介质 - Google Patents

高空抛物溯源方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN112488024A
CN112488024A CN202011445005.7A CN202011445005A CN112488024A CN 112488024 A CN112488024 A CN 112488024A CN 202011445005 A CN202011445005 A CN 202011445005A CN 112488024 A CN112488024 A CN 112488024A
Authority
CN
China
Prior art keywords
falling object
building
dimensional coordinate
abnormal
real
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
Application number
CN202011445005.7A
Other languages
English (en)
Other versions
CN112488024B (zh
Inventor
陈晔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An International Smart City Technology Co Ltd
Original Assignee
Ping An International Smart City Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ping An International Smart City Technology Co Ltd filed Critical Ping An International Smart City Technology Co Ltd
Priority to CN202011445005.7A priority Critical patent/CN112488024B/zh
Publication of CN112488024A publication Critical patent/CN112488024A/zh
Application granted granted Critical
Publication of CN112488024B publication Critical patent/CN112488024B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/176—Urban or other man-made structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • 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)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了高空抛物溯源方法、装置、计算机设备及存储介质，方法包括：根据三维模型构建规则及两个监控终端从不同角度对建筑物进行拍摄得到的两张静态图像构建三维坐标模型，根据判断模型对监控终端的实时视频信息进行判断得到异常判断结果，若异常判断结果为存在异常，根据截取间隔时间从实时视频信息中截取两个监控终端的异常图像信息，根据异常图像信息及三维坐标模型确定坠物轨迹并进一步获取建筑物的坠物源头。本发明基于图像建模技术，属于图像检测技术领域，可根据实时监控获取异常图像信息并在三维坐标模型中对坠物轨迹进行还原从而获取坠物源头，可实现对建筑物周边进行实时监控并准确还原坠物轨迹，从而对高空抛物进行精准溯源。

Description

高空抛物溯源方法、装置、计算机设备及存储介质
技术领域
本发明涉及图像检测技术领域，属于智慧城市中对来自建筑物的高空抛物进行溯源的应用场景，尤其涉及一种高空抛物溯源方法、装置、计算机设备及存储介质。
背景技术
随着城市建设的发展，越来越多的高楼大厦在各城市拔地而起，然而居民住宅楼存在易发生高空抛物的问题，居民楼的高层住户所抛弃的物品由于动能较大而严重威胁了地面行人的生命安全。小区为方便管理并维护居民安全，通常会在住宅楼的外围设置多个监控摄像头，然而现有的监控摄像头因视角受限或监控死角而无法对全部高层住户进行监控，而出现高空抛物行为并导致严重后果的往往是高层住户，一旦出现因高层住户的高空抛物行为而产生严重后果，往往因监控摄像头视角受限而无法确定高空抛物行为的源头，因此也无法查实嫌疑人，因难以查实事件的嫌疑人而导致无法顺利地对受害人进行赔偿；若增加监控摄像头对全部住户进行监控则需要额外增加大量的设备及人工成本，且增加朝向天空的监控摄像头虽然可监控高层住户，但无法获取对高空抛物在地面造成的结果进行记录。因此传统技术方法中存在难以对高空抛物进行准确溯源的问题。
发明内容
本发明实施例提供了一种高空抛物溯源方法、装置、计算机设备及存储介质，旨在解决现有技术方法中所存在的难以对高空抛物进行准确溯源的问题。
第一方面，本发明实施例提供了一种高空抛物溯源方法，其包括：
若接收到来自两个所述监控终端从同一朝向的不同角度对同一建筑物进行拍摄得到的两张静态图像，根据预置的三维模型构建规则及所述两张静态图像构建与所述建筑物相匹配的三维坐标模型；
实时接收来自两个所述监控终端的实时视频信息，根据预置的判断模型对所述实时视频信息相对于所述两张静态图像是否存在异常进行判断，得到异常判断结果；
若异常判断结果为存在异常，根据预置的截取间隔时间从存在异常的所述实时视频信息分别截取与两个所述监控终端对应的异常图像信息；
根据所述异常图像信息及所述三维坐标模型确定与所述异常图像信息对应的坠物轨迹；
根据所述坠物轨迹确定所述建筑物中与所述坠物轨迹对应的坠物源头。
第二方面，本发明实施例提供了一种高空抛物溯源装置，其包括：
三维坐标模型构建单元，用于若接收到来自两个所述监控终端从同一朝向的不同角度对同一建筑物进行拍摄得到的两张静态图像，根据预置的三维模型构建规则及所述两张静态图像构建与所述建筑物相匹配的三维坐标模型；
异常判断结果获取单元，用于实时接收来自两个所述监控终端的实时视频信息，根据预置的判断模型对所述实时视频信息相对于所述两张静态图像是否存在异常进行判断，得到异常判断结果；
异常图像信息获取单元，用于若异常判断结果为存在异常，根据预置的截取间隔时间从存在异常的所述实时视频信息分别截取与两个所述监控终端对应的异常图像信息；
坠物轨迹获取单元，用于根据所述异常图像信息及所述三维坐标模型确定与所述异常图像信息对应的坠物轨迹；
坠物源头获取单元，用于根据所述坠物轨迹确定所述建筑物中与所述坠物轨迹对应的坠物源头。
第三方面，本发明实施例又提供了一种计算机设备，其包括存储器、处理器及存储在所述存储器上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第一方面所述的高空抛物溯源方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其中所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行上述第一方面所述的高空抛物溯源方法。
本发明实施例提供了一种高空抛物溯源方法、装置及计算机设备。根据三维模型构建规则及两个监控终端从不同角度对建筑物进行拍摄得到的两张静态图像构建三维坐标模型，根据判断模型对监控终端的实时视频信息进行判断得到异常判断结果，若异常判断结果为存在异常，根据截取间隔时间从实时视频信息中截取两个监控终端的异常图像信息，根据异常图像信息及三维坐标模型确定坠物轨迹并进一步获取建筑物的坠物源头。通过上述方法，可基于静态图像构建三维坐标模型，根据实时监控获取异常图像信息并在三维坐标模型中对坠物轨迹进行还原从而获取坠物源头，可实现对建筑物周边进行实时监控并准确还原坠物轨迹，从而对高空抛物进行精准溯源。
附图说明
为了更清楚地说明本发明实施例技术方案，下面将对实施例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的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的高空抛物溯源方法的流程示意图；
图2为本发明实施例提供的高空抛物溯源方法的应用场景示意图；
图3为本发明实施例提供的高空抛物溯源方法的效果示意图；
图4为本发明实施例提供的高空抛物溯源方法的效果示意图；
图5为本发明实施例提供的高空抛物溯源方法的效果示意图；
图6为本发明实施例提供的高空抛物溯源方法的子流程示意图；
图7为本发明实施例提供的高空抛物溯源方法的另一子流程示意图；
图8为本发明实施例提供的高空抛物溯源方法的另一子流程示意图；
图9为本发明实施例提供的高空抛物溯源方法的另一子流程示意图；
图10为本发明实施例提供的高空抛物溯源方法的另一子流程示意图；
图11为本发明实施例提供的高空抛物溯源方法的另一子流程示意图；
图12为本发明实施例提供的高空抛物溯源装置的示意性框图；
图13为本发明实施例提供的计算机设备的示意性框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
请参阅图1及图2，图1是本发明实施例提供的高空抛物溯源方法的流程示意图，图2为本发明实施例提供的高空抛物溯源方法的应用场景示意图；该高空抛物溯源方法应用于管理服务器10中，该高空抛物溯源方法通过安装于管理服务器10中的应用软件进行执行，管理服务器10与至少两台监控终端20进行网络连接以实现数据信息的传输，监控终端20可以是监控摄像头，监控终端20可发送静态图像或实时视频信息至管理服务器，管理服务器10对静态图像及实时视频信息进行解析以实现对高空抛物行为进行溯源，管理服务器10可以是企业内部所构建的服务器端，例如小区物业公司内部所构建的服务器端，管理服务器10的使用者即为企业的管理员。如图1所示，该方法包括步骤S110～S150。
S110、若接收到来自两个所述监控终端从同一朝向的不同角度对同一建筑物进行拍摄得到的两张静态图像，根据预置的三维模型构建规则及所述两张静态图像构建与所述建筑物相匹配的三维坐标模型。
若接收到来自两个所述监控终端从同一朝向的不同角度对同一建筑物进行拍摄得到的两张静态图像，根据预置的三维模型构建规则及所述两张静态图像构建与所述建筑物相匹配的三维坐标模型。两个监控终端设置于同一建筑物的同一朝向，且两个监控终端从不同角度对该建筑物进行监控，在进行三维坐标模型构建时，分别获取两个监控终端从不同角度拍摄到的两张静态图像，根据静态图像及三维模型构建规则即可构建与建筑物相匹配的三维坐标模型，其中三维模型构建规则即是用于构建三维坐标模型的具体规则，所构建得到的三维坐标模型包含建筑物模型以及两个监控终端的三维坐标位置，以其中一个监控终端在地面的投影位置作为三维坐标模型的坐标原点。
在一实施例中，如图6所示，步骤S110包括子步骤S111、S112和S113。
S111、根据所述三维模型构建规则中的像素分类规则对每一所述静态图像分别进行迭代分类，得到与每一所述静态图像对应的分类像素信息。
可根据像素分类规则对两张所述静态图像分别进行迭代分类得到分类像素信息，像素分类规则中包含迭代次数阈值、获取数量及合并阈值。具体的，从一张静态图像中获取分类像素信息的具体方法为，根据获取数量随机从一张静态图像中随机获取与获取数量相等的多个像素点作为目标像素点，目标像素点可以大于所需分类的类别数量，获取每一目标像素点的像素值，像素点的像素值即为一个像素点的RGB值，RGB值即为一个图像像素点在红色、绿色及蓝色三个颜色通道上对应的亮度值，一个图像像素点在一个颜色通道的亮度值为[0，255]之间的整数；计算该静态图像中非目标像素点的像素值与每一目标像素点的像素值之间的像素差值，具体的，像素差值可采用公式
Figure BDA0002824080420000051
计算得到，其中Rf为静态图像的非目标像素点f在红色通道的亮度值，Gf为该非目标像素点在绿色通道的亮度值，Bf为该非目标像素点在蓝色通道的亮度值；Rm为一个目标像素点m在红色通道的亮度值，Gm为该目标像素点在绿色通道的亮度值，Bm为该目标像素点在蓝色通道的亮度值，Cf-m即为非目标像素点f与目标像素点m之间的像素差值。根据每一非目标像素点与多个目标像素点之间的像素差值，获取像素差值最小的目标像素点对每一非目标像素点进行重新分类，得到与目标像素点数量相等多个像素点类，计算每一像素点类的像素均值作为相应像素点类的类别均值，以类别均值作为虚拟的目标像素点重新计算静态图像中每一像素点与每一类别均值之间的像素差值，以实现对静态图像中像素点进行迭代分类，直至迭代分类次数等于迭代次数阈值，获取最终得到与该静态图像对应的的多个像素点类，根据每一像素点类在该静态图像中的分布判断相邻两个像素点类的多个边缘像素点的像素差值是否小于合并阈值，若两个像素点类相邻的多个边缘像素点的像素差值小于合并阈值，对两个像素点类进行合并，否则不对两个像素点类进行合并，最终得到的多个像素点类即为该静态图像的分类像素信息。
S112、根据所述三维模型构建规则中的建筑物截取模板分别从两个所述分类像素信息中获取对应的建筑物信息。
一张静态图像的分类像素信息中包含多个像素点类的信息，建筑物截取模板中包含像素区间。具体的，从一个分类像素信息中获取相应对应建筑物信息的具体方法包括，判断每一像素点类中所有像素点的像素值属于所述像素区间的比例值，获取比例值最大的一个像素点类作为目标像素点类，根据目标像素点类在该分类像素信息对应的静态图像中的分布截取得到建筑物图像，测量建筑物图像的尺寸、底角等信息得到与该分类像素信息对应的建筑物信息，具体的，建筑物信息包括建筑物底部尺寸及底角。图3为本发明实施例提供的高空抛物溯源方法的效果示意图，从一个监控终端所获取到的一张静态图像如图3所示，则获取得到该张静态图像的建筑物信息至少包括建筑物横向尺寸L1、第一底角R1、第二底角R2及第三底角R3。
S113、根据所述三维模型构建规则中的尺寸参数及两份所述建筑物信息构建与所述建筑物相匹配的三维坐标模型。
三维模型构建规则中还包括尺寸参数，尺寸参数即为所需监控的建筑物的实际尺寸参数，可根据尺寸参数构建建筑物模型，根据所述建筑物信息可在建筑物模型中分别对两个监控终端进行三维定位得到三维坐标模型。具体的，根据一份建筑物信息对一个监控终端进行定位的具体方法包括，根据建筑物信息中的底角确定监控终端相对于建筑物模型的方位，由于监控终端实际拍摄建筑物的角度不同，所得到的静态图像中的底角均不为直角(三维坐标系中的建筑物模型的底角均为直角)，可根据底角及所构建的建筑物模型确定监控终端的具体方位，根据建筑物信息中的尺寸及尺寸参数即可确定该监控终端相对于建筑物模型的距离，由于建筑物模型的尺寸参数为固定值，距离远则从监控终端拍摄的静态图像中测量得到的尺寸越小，距离近则从监控终端拍摄的静态图像中测量得到的尺寸越大，根据监控终端相对于建筑物模型的方位及距离即可对该监控终端相对于建筑物模型的具体位置进行三维定位，并将监控终端添加至建筑物模型对应的三维坐标系中，添加两个监控终端后即可构建得到三维坐标模型。
图4为本发明实施例提供的高空抛物溯源方法的效果示意图，具体所得到的三维坐标模型如图4所示，其中，O为坐标原点，O点的坐标值为(0,0,0)，A为第一台监控终端，B为第二台监控终端。
S120、实时接收来自两个所述监控终端的实时视频信息，根据预置的判断模型对所述实时视频信息相对于所述两张静态图像是否存在异常进行判断，得到异常判断结果。
实时接收来自两个所述监控终端的实时视频信息，根据预置的判断模型对所述实时视频信息相对于所述两张静态图像是否存在异常进行判断，得到异常判断结果。管理服务器实时接收两个监控终端采集得到的实时视频信息，实时视频信息由多张实时图像所组成，每一张实时图像对应一个采集时间点，判断模型即为管理服务器中配置的用于对实时视频信息是否存在异常进行判断的模型，若实时视频信息的异常判断结果为存在异常，则对实时视频信息进行后续分析处理，若实时视频信息的异常判断结果为不存在异常，则无需对实时视频信息进行后续分析处理，再次执行根据预置的判断模型对所述实时视频信息相对于所述两张静态图像是否存在异常进行判断的步骤。其中，所述判断模型包括环境类别识别网络、偏置参数表及差别判断条件。
在一实施例中，如图7所示，步骤S120包括子步骤S121、S122、S123、S124、S125和S126。
S121、根据所述环境类别识别网络对所述实时视频信息进行识别得到对应的环境类别。
对实时视频信息进行识别得到环境类别的步骤不需要实时进行，可设置间隔时间，每到达间隔时间则自动对当前采集得到的实时视频信息进行一次识别，例如，可设置间隔时间为15分钟。环境类别识别网络是基于神经网络所构建的智能分析网络，环境类别识别网络由一个输入层、多个中间层及一个输出层组成，输入层与中间层之间、中间层与前后相邻的其他中间层之间、中间层与输出层之间均通过关联公式进行关联，例如某一关联公式可表示为q＝i×p+t，i和t即为该关联公式中的参数值，p为该关联公式的输入值，q为该关联公式的输出值。输出层中包含多个输出节点，每一输出节点对应一个环境类别，环境类别可以是阴天、雨天、雪天等，输入层中包含的输入节点的数量可由管理服务器的管理员预设。具体的，可获取一个监控终端的实时视频信息中的一张实时图像，从该实时图像中采集得到与输入节点的数量相等的多个图像像素点，将每一图像像素点的像素值经输入节点输入环境类别识别网络进行计算，即可从其输出层获取输出结果，输出结果即为输出节点的输出节点值，每一输出节点值即为实时图像与相应输出节点对应的一个环境类别之间的匹配概率，输出节点值可采用一个百分比进行表示，取值范围为[0，1]，获取匹配概率最高的输出节点所对应的环境类型作为与该实时图像相匹配的环境类别。则可从两个监控终端中的实时视频信息中分别获取对应的两张实时图像输入环境类别识别网络，得到对两个实时视频信息分别对应的两个环境类别，判断两个环境类别是否相同，若相同则将环境类别进行输出，若不相同则可向管理服务器的管理员发出报警提示信息。在对环境类别识别网络进行实际使用之前还可根据梯度下降训练规则进行训练，得到训练后的环境类别识别网络。
S122、获取所述偏置参数表中与所述环境类别相匹配的偏置参数；S123、根据所述偏置参数对每一所述静态图像分别进行偏置处理得到对应的环境偏置图像。
偏置参数表即为记载与每一类别相匹配的偏置参数的信息表，可从偏置参数表中获取与上述环境类别对应的偏置参数，可根据偏置参数对上述的两张静态图像分别进行偏置处理，得到与每一静态图像对应的环境偏置图像。具体的，偏置参数即为对图像像素点的像素值进行调整的参数信息，对静态图像中某一像素点的像素值进行调整的计算公式可表示为Jt＝c1×J0+c2，其中，c1及c2即为一组偏置参数，获取静态图像中每一像素点的像素调整值，根据[0，255]对像素调整值进行调整，对像素调整值进行取整，若取整后的像素调整值小于0则将其调整为0，若取整后的像素调整值大于255则将其调整为255，对一张静态图像的像素调整值进行调整后即可得到该静态图像的一张环境偏置图像。
S124、获取每一所述监控终端的实时视频信息中与所述监控终端对应的所述环境偏置图像的差别信息。
具体的，获取一台监控终端的一段实时视频信息中每一张实时图像与该监控终端的环境偏置图像的差别像素，作为与该监控终端的实时视频信息对应的差别信息，例如，可分别获取每一台监控终端在1分钟以内的两段实时视频信息，并对应获取得到1分钟以内的两段实时视频信息分别对应的差别像素。具体的，可将同一像素点在实时图像及环境偏置图像中的像素差别值大于阈值差别阈值的像素点作为差别像素，获取差别像素在实时图像中的像素位置及像素值作为与该实时图像对应的差别像素信息，获取一个监控终端在多个实时图像的差别像素信息作为差别信息，则可从两个监控终端中分别获取对应的差别信息。
S125、判断所述差别信息是否为空。
若两张图像之间不包含差别像素，则获取得到的差别信息为空值，可判断差别信息是否为空值，若不为空置则继续执行后续步骤，若为空置则再次执行所述获取每一所述监控终端的实时视频信息中相对于所述环境偏置图像的差别信息的步骤，也即是返回执行步骤S124，直至与上一次获取环境类别的获取时间之间间隔不小于上述的间隔时间，则返回执行所述根据所述环境类别识别网络对所述实时视频信息进行识别得到对应的环境类别的步骤，也即是返回执行步骤S121。
S126、若所述差别信息不为空，判断每一所述监控终端的所述差别信息是否均符合所述差别判断条件，得到是否存在异常的异常判断结果。
可判断每一监控终端的差别信息是否均符合差别判断条件，具体的，可从一监控终端的差别信息中获取与该监控终端的每一张实时图像的差别像素的数量是否均包含于差别判断条件的像素数量范围内，并判断该监控终端的每一张实时图像的差别像素移动方向是否符合差别判断条件的预置移动方向，若该监控终端的差别信息符合像素数量范围及预置移动方向，则表明该监控终端的差别信息即为坠物所对应的像素信息，判断得到该监控终端符合差别判断条件，否则判断得到该监控终端不符合差别判断条件，当两个监控终端的差别信息均符合差别判断条件即得到异常判断结果为存在异常，否则判断得到异常判断结果不存在异常。
S130、若异常判断结果为存在异常，根据预置的截取间隔时间从存在异常的所述实时视频信息分别截取与两个所述监控终端对应的异常图像信息。
若异常判断结果为存在异常，根据预置的截取间隔时间从存在异常的所述实时视频信息分别截取与两个所述监控终端对应的异常图像信息。若异常判断结果为存在异常，则可从每一监控终端的实时视频信息中分别截取得到对应的异常图像信息。
在一实施例中，如图8所示，步骤S130包括子步骤S131、S132和S133。
S131、根据所述差别信息确定起始时间点及终止时间点；S132、根据所述起始时间点及所述终止时间点从两个所述监控终端的实时视频信息中分别截取两个视频信息段。
可根据差别信息确定起始时间点及终止时间点，具体的，根据差别信息中差别像素出现的时间点确定为起始时间点，将差别像素未变化的时间点确定为终止时间点，若差别信息中前后相邻的两个差别像素未变化，则表明此时坠物静止不动，坠物静止不动即为坠物运动的终止时间点，根据差别信息中差别像素出现的实时图像所对应的采集时间点作为起始时间点，将差别像素未变化的实时图像所对应的采集时间点作为终止时间点。若两个监控终端对应的两个起始时间点不相同，将其中较晚的一个时间点作为起始时间点。根据起始时间点及终止时间点即可分别从两个实时视频信息中截取得到时长相等的两个视频信息段。
S133、根据所述截取间隔时间从两个所述视频信息段中分别截取多张图像，得到所述异常图像信息。
根据截取间隔时间分别从两个视频信息段中截取得到多张图像作为异常图像信息，具体的，以终止时间点为零点向前反推，每与零点间隔一个截取间隔时间则从两个视频信息段中分别获取两张图像，对应得到由多张图像所组成的异常图像信息。
例如，截取间隔时间可设置为0.2S。
S140、根据所述异常图像信息及所述三维坐标模型确定与所述异常图像信息对应的坠物轨迹。
根据所述异常图像信息及所述三维坐标模型确定与所述异常图像信息对应的坠物轨迹。对所得到的异常图像信息进行分析，即可在三维坐标模型中确定与异常图像信息对应的坠物轨迹，坠物轨迹由坠物的多个三维坐标点所组成。
在一实施例中，如图9所示，步骤S140包括子步骤S141、S142和S143。
S141、根据每一异常图像信息的坠物方位在所述三维坐标模型中生成与每一所述坠物方位对应的坠物投影点。
可从异常图像信息的每一张图像中获取该图像差异像素相对应建筑物的方位作为该图像的坠物方位，则异常图像信息中包含图像的数量与得到的坠物方位的数量相等，根据一个坠物方位在三维坐标模型中对应生成一个坠物投影点，坠物投影点即为根据坠物方位在模型背景上沿所述坠物方位进行投影所得到的投影点。
图5为本发明实施例提供的高空抛物溯源方法的效果示意图，如图5所示，与监控终端A对应的坠物投影点包括TA1、TA2、TA3及TA4，与监控终端A对应的坠物投影点包括TB1、TB2、TB3及TB4，其中，TA4与TB4均为坠物运动终止位置的三维坐标点，且TA4与TB4相重合。
S142、在所述三维坐标模型中将每一所述监控终端的三维坐标位置与每一所述监控终端对应的坠物投影点的三维坐标位置进行连线。
在三维坐标模型中将监控终端与该监控终端对应的多个坠物投影点进行连线。如图5所示，根据监控终端A在三维坐标模型中的三维坐标位置，将监控终端A与TA1、TA2、TA3及TA4四个坠物投影点进行连线；根据监控终端B在三维坐标模型中的三维坐标位置，将监控终端B与TB1、TB2、TB3及TB4四个坠物投影点进行连线。
S143、获取所述连线的多个交叉点作为与所述异常图像信息对应的坠物轨迹。
获取连线之间的多个交叉点作为坠物轨迹。如图5所示，在实际操作过程中，A至TA1的连线与B至TB1的连线相交，该交叉点即为S1，A至TA2的连线与B至TB2的交叉点即为S2，A至TA3的连线与B至TB3的交叉点即为S3，A至TA4的连线与B至TB4的交叉点即为S4(S4、TA4及TB4三点重合)，则对应获取得到连线之间的四个交叉点S1、S2、S3及S4。
S150、根据所述坠物轨迹确定所述建筑物中与所述坠物轨迹对应的坠物源头。
根据所述坠物轨迹确定所述建筑物中与所述坠物轨迹对应的坠物源头。坠物轨迹包含坠物在三维坐标模型中的多个三维坐标位置，可根据坠物的多个三维坐标位置获取相应的坠物轨迹曲线，根据坠物轨迹曲线即可获取相应坠物源头。
在一实施例中，如图10所示，步骤S150包括子步骤S151和S152。
S151、对所述坠物轨迹包含的多个三维坐标位置进行拟合以得到坠物轨迹曲线。
具体的，获取坠物轨迹中的三个三维坐标位置，抛物线的曲线方程可表示为：y＝n1×x2+n2×x+n3，其中n1、n2和n3均为曲线方程中的参数值，对三个三维坐标位置的x轴坐标和y轴坐标进行转换，并对上述曲线方程中包含的三个参数值进行求解即可得到坠物曲线方程。
例如，从坠物曲线中获取到的三个三维坐标位置分别为S1、S2及S3，三个三维坐标位置可分别表示为(XS1，YS1，ZS1)、(XS2，YS2，ZS2)及(XS3，YS3，ZS3)，对S1的x轴坐标和y轴坐标进行转换的方式为
Figure BDA0002824080420000111
则根据上述转换方法可分别得到与S2对应的DS2及与S3对应的DS3，将DS1、DS2及DS3分别作为上述曲线方程的x进行输入，将ZS1、ZS2及ZS3分别作为上述曲线方的y进行输入，并求解得到n1、n2和n3的值。
在一实施例中，如图11所示，步骤S151之后包括还步骤S1511。
S1511、根据预置的曲线验证规则及所述坠物轨迹对所述坠物轨迹曲线进行验证得到是否验证通过的曲线验证结果；若曲线验证结果为通过，则执行所述获取所述坠物轨迹曲线与所述三维坐标模型中建筑物外立面的交叉点作为所述建筑物中与所述坠物轨迹对应的坠物源头的步骤；若曲线验证结果为不通过，则返回执行所述对所述坠物轨迹包含的多个三维坐标位置进行拟合以得到坠物轨迹曲线的步骤。
此外，还可获取坠物轨迹中的其他三维坐标位置，根据曲线验证规则及坠物轨迹对所得到的坠物轨迹曲线进行验证。曲线验证规则即为对坠物轨迹曲线进行验证的具体规则，曲线验证规则包括比值区间。
例如，获取坠物轨迹中的三维坐标位置S4，经转换得到DS4，将DS4输入所得到的坠物轨迹曲线计算得到yS4'，判断yS4'与ZS4的比值是否位于曲线验证规则的比值区间内，若计算得到的比值位于该比值区间内，则曲线验证结果为通过，否则曲线验证结果为不通过。若曲线验证结果为不通过，则从坠物轨迹中再次获取多个三维坐标位置重新进行拟合得到新的坠物轨迹曲线，直至曲线验证结果为通过。
S152、获取所述坠物轨迹曲线与所述三维坐标模型中建筑物外立面的交叉点作为所述建筑物中与所述坠物轨迹对应的坠物源头。
获取三维坐标模型中坠物轨迹曲线与建筑物外立面的交叉点，获取交叉点的坐标位置作为建筑物与坠物轨迹对应的坠物源头，根据坠物源头在三维坐标模型中的位置在实际建筑物中进行位置还原即可确定高空抛物的嫌疑人。
如图5所示，最终可在三维坐标模型中确定坠物轨迹曲线与建筑物外立面的交叉点的坐标位置，交叉点的坐标位置即为坠物源头的准确位置，三维坐标模型中该交叉点的坐标位置对应的矩形块即为坠物源头对应的窗户模型。
在一实施例中，步骤S152之后还包括步骤：将所述坠物轨迹曲线、所述坠物源头及所述异常图像信息进行整合得到整合信息；将所述整合信息同步上传至区块链进行存储。
将所述整合信息上传至区块链进行存储，基于整合信息得到对应的摘要信息，具体来说，摘要信息由整合信息进行散列处理得到，比如利用sha256s算法处理得到。将摘要信息上传至区块链可保证其安全性和对用户的公正透明性。用户设备可以从区块链中下载得该摘要信息，以便查证整合信息是否被篡改，则整合信息可作为本次高空抛物的证据进行使用。本示例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。
本申请中的技术方法可应用于智慧城管/智慧社区/智慧安防等包含对来自建筑物的高空抛物进行溯源的应用场景中，从而推动智慧城市的建设。
在本发明实施例所提供的高空抛物溯源方法中，根据三维模型构建规则及两个监控终端从不同角度对建筑物进行拍摄得到的两张静态图像构建三维坐标模型，根据判断模型对监控终端的实时视频信息进行判断得到异常判断结果，若异常判断结果为存在异常，根据截取间隔时间从实时视频信息中截取两个监控终端的异常图像信息，根据异常图像信息及三维坐标模型确定坠物轨迹并进一步获取建筑物的坠物源头。通过上述方法，可基于静态图像构建三维坐标模型，根据实时监控获取异常图像信息并在三维坐标模型中对坠物轨迹进行还原从而获取坠物源头，可实现对建筑物周边进行实时监控并准确还原坠物轨迹，从而对高空抛物进行精准溯源。
本发明实施例还提供一种高空抛物溯源装置，该高空抛物溯源装置用于执行前述高空抛物溯源方法的任一实施例。具体地，请参阅图12，图12是本发明实施例提供的高空抛物溯源装置的示意性框图。该高空抛物溯源装置可配置于管理服务器10中。
如图12所示，高空抛物溯源100包括：三维坐标模型构建单元110、异常判断结果获取单元120、异常图像信息获取单元130、坠物轨迹获取单元140和坠物源头获取单元150。
三维坐标模型构建单元110，用于若接收到来自两个所述监控终端从同一朝向的不同角度对同一建筑物进行拍摄得到的两张静态图像，根据预置的三维模型构建规则及所述两张静态图像构建与所述建筑物相匹配的三维坐标模型。
在一实施例中，所述三维坐标模型构建单元110包括子单元：分类像素信息获取单元、建筑物信息获取单元和模型构建单元。
分类像素信息获取单元，用于根据所述三维模型构建规则中的像素分类规则对每一所述静态图像分别进行迭代分类，得到与每一所述静态图像对应的分类像素信息；建筑物信息获取单元，用于根据所述三维模型构建规则中的建筑物截取模板分别从两个所述分类像素信息中获取对应的建筑物信息；模型构建单元，用于根据所述三维模型构建规则中的尺寸参数及两份所述建筑物信息构建与所述建筑物相匹配的三维坐标模型。
异常判断结果获取单元120，用于实时接收来自两个所述监控终端的实时视频信息，根据预置的判断模型对所述实时视频信息相对于所述两张静态图像是否存在异常进行判断，得到异常判断结果。
在一实施例中，所述异常判断结果获取单元120包括子单元：环境类别识别单元、偏置参数获取单元、偏置处理单元、差别信息获取单元、差别信息判断单元和异常判断单元。
环境类别识别单元，用于根据所述环境类别识别网络对所述实时视频信息进行识别得到对应的环境类别；偏置参数获取单元，用于获取所述偏置参数表中与所述环境类别相匹配的偏置参数；偏置处理单元，用于根据所述偏置参数对每一所述静态图像分别进行偏置处理得到对应的环境偏置图像；差别信息获取单元，用于获取每一所述监控终端的实时视频信息中与所述监控终端对应的所述环境偏置图像的差别信息；差别信息判断单元，用于判断所述差别信息是否为空；异常判断单元，用于若所述差别信息不为空，判断每一所述监控终端的所述差别信息是否均符合所述差别判断条件，得到是否存在异常的异常判断结果。
异常图像信息获取单元130，用于若异常判断结果为存在异常，根据预置的截取间隔时间从存在异常的所述实时视频信息分别截取与两个所述监控终端对应的异常图像信息。
在一实施例中，所述异常图像信息获取单元130包括子单元：时间点确定单元、视频信息截取单元和图像截取单元。
时间点确定单元，用于根据所述差别信息确定起始时间点及终止时间点；视频信息截取单元，用于根据所述起始时间点及所述终止时间点从两个所述监控终端的实时视频信息中分别截取两个视频信息段；图像截取单元，用于根据所述截取间隔时间从两个所述视频信息段中分别截取多张图像，得到所述异常图像信息。
坠物轨迹获取单元140，用于根据所述异常图像信息及所述三维坐标模型确定与所述异常图像信息对应的坠物轨迹。
在一实施例中，所述坠物轨迹获取单元140包括子单元：坠物投影点生成单元、坐标位置连线单元和坠物轨迹确定单元。
坠物投影点生成单元，用于根据每一异常图像信息的坠物方位在所述三维坐标模型中生成与每一所述坠物方位对应的坠物投影点；坐标位置连线单元，用于在所述三维坐标模型中将每一所述监控终端的三维坐标位置与每一所述监控终端对应的坠物投影点的三维坐标位置进行连线；坠物轨迹确定单元，用于获取所述连线的多个交叉点作为与所述异常图像信息对应的坠物轨迹。
坠物源头获取单元150，用于根据所述坠物轨迹确定所述建筑物中与所述坠物轨迹对应的坠物源头。
在一实施例中，所述坠物源头获取单元150包括子单元：坠物轨迹曲线拟合单元和坠物源头确定单元。
坠物轨迹曲线拟合单元，用于对所述坠物轨迹包含的多个三维坐标位置进行拟合以得到坠物轨迹曲线；坠物源头确定单元，用于获取所述坠物轨迹曲线与所述三维坐标模型中建筑物外立面的交叉点作为所述建筑物中与所述坠物轨迹对应的坠物源头。
在一实施例中，所述坠物源头获取单元150还包括子单元：坠物轨迹曲线验证单元。
坠物轨迹曲线验证单元，用于根据预置的曲线验证规则及所述坠物轨迹对所述坠物轨迹曲线进行验证得到是否验证通过的曲线验证结果。若曲线验证结果为通过，则执行所述坠物源头确定单元中对应的步骤；若曲线验证结果为不通过，则返回执行所述坠物轨迹曲线拟合单元中对应的步骤。
在本发明实施例所提供的高空抛物溯源装置应用上述高空抛物溯源方法，根据三维模型构建规则及两个监控终端从不同角度对建筑物进行拍摄得到的两张静态图像构建三维坐标模型，根据判断模型对监控终端的实时视频信息进行判断得到异常判断结果，若异常判断结果为存在异常，根据截取间隔时间从实时视频信息中截取两个监控终端的异常图像信息，根据异常图像信息及三维坐标模型确定坠物轨迹并进一步获取建筑物的坠物源头。通过上述方法，可基于静态图像构建三维坐标模型，根据实时监控获取异常图像信息并在三维坐标模型中对坠物轨迹进行还原从而获取坠物源头，可实现对建筑物周边进行实时监控并准确还原坠物轨迹，从而对高空抛物进行精准溯源。
上述高空抛物溯源装置可以实现为计算机程序的形式，该计算机程序可以在如图13所示的计算机设备上运行。
请参阅图13，图13是本发明实施例提供的计算机设备的示意性框图。该计算机设备可以是用于执行高空抛物溯源方法以对来自建筑物的高空抛物进行溯源的管理服务器10。
参阅图13，该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505，其中，存储器可以包括非易失性存储介质503和内存储器504。
该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032被执行时，可使得处理器502执行高空抛物溯源方法。
该处理器502用于提供计算和控制能力，支撑整个计算机设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境，该计算机程序5032被处理器502执行时，可使得处理器502执行高空抛物溯源方法。
该网络接口505用于进行网络通信，如提供数据信息的传输等。本领域技术人员可以理解，图13中示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的计算机设备500的限定，具体的计算机设备500可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
其中，所述处理器502用于运行存储在存储器中的计算机程序5032，以实现上述的高空抛物溯源方法中对应的功能。
本领域技术人员可以理解，图13中示出的计算机设备的实施例并不构成对计算机设备具体构成的限定，在其他实施例中，计算机设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。例如，在一些实施例中，计算机设备可以仅包括存储器及处理器，在这样的实施例中，存储器及处理器的结构及功能与图13所示实施例一致，在此不再赘述。
应当理解，在本发明实施例中，处理器502可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器502还可以是其他通用处理器、数字信号处理器(DigitalSignal 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、分立硬件组件等。其中，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。
在本发明的另一实施例中提供计算机可读存储介质。该计算机可读存储介质可以为非易失性的计算机可读存储介质。该计算机可读存储介质存储有计算机程序，其中计算机程序被处理器执行时实现上述的高空抛物溯源方法中所包含的步骤。
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，上述描述的设备、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。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、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。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。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为逻辑功能划分，实际实现时可以有另外的划分方式，也可以将具有相同功能的单元集合成一个单元，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。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
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发明实施例方案的目的。
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，也可以是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存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或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计算机可读存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的计算机可读存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种高空抛物溯源方法，应用于管理服务器中，所述管理服务器与至少两台监控终端通过网络连接进行数据信息的传输，其特征在于，所述方法包括：
若接收到来自两个所述监控终端从同一朝向的不同角度对同一建筑物进行拍摄得到的两张静态图像，根据预置的三维模型构建规则及所述两张静态图像构建与所述建筑物相匹配的三维坐标模型；
实时接收来自两个所述监控终端的实时视频信息，根据预置的判断模型对所述实时视频信息相对于所述两张静态图像是否存在异常进行判断，得到异常判断结果；
若异常判断结果为存在异常，根据预置的截取间隔时间从存在异常的所述实时视频信息分别截取与两个所述监控终端对应的异常图像信息；
根据所述异常图像信息及所述三维坐标模型确定与所述异常图像信息对应的坠物轨迹；
根据所述坠物轨迹确定所述建筑物中与所述坠物轨迹对应的坠物源头。
2.根据权利要求1所述的高空抛物溯源方法，其特征在于，所述根据预置的三维模型构建规则及所述两张静态图像构建与所述建筑物相匹配的三维坐标模型，包括：
根据所述三维模型构建规则中的像素分类规则对每一所述静态图像分别进行迭代分类，得到与每一所述静态图像对应的分类像素信息；
根据所述三维模型构建规则中的建筑物截取模板分别从两个所述分类像素信息中获取对应的建筑物信息；
根据所述三维模型构建规则中的尺寸参数及两份所述建筑物信息构建与所述建筑物相匹配的三维坐标模型。
3.根据权利要求1所述的高空抛物溯源方法，其特征在于，所述判断模型包括环境类别识别网络、偏置参数表及差别判断条件，所述根据预置的判断模型对所述实时视频信息相对于所述两张静态图像是否存在异常进行判断，得到异常判断结果，包括：
根据所述环境类别识别网络对所述实时视频信息进行识别得到对应的环境类别；
获取所述偏置参数表中与所述环境类别相匹配的偏置参数；
根据所述偏置参数对每一所述静态图像分别进行偏置处理得到对应的环境偏置图像；
获取每一所述监控终端的实时视频信息中与所述监控终端对应的所述环境偏置图像的差别信息；
判断所述差别信息是否为空；
若所述差别信息不为空，判断每一所述监控终端的所述差别信息是否均符合所述差别判断条件，得到是否存在异常的异常判断结果。
4.根据权利要求1所述的高空抛物溯源方法，其特征在于，所述根据预置的截取间隔时间从存在异常的所述实时视频信息分别截取与两个所述监控终端对应的异常图像信息，包括：
根据所述差别信息确定起始时间点及终止时间点；
根据所述起始时间点及所述终止时间点从两个所述监控终端的实时视频信息中分别截取两个视频信息段；
根据所述截取间隔时间从两个所述视频信息段中分别截取多张图像，得到所述异常图像信息。
5.根据权利要求1所述的高空抛物溯源方法，其特征在于，所述根据所述异常图像信息及所述三维坐标模型确定与所述异常图像信息对应的坠物轨迹，包括：
根据每一异常图像信息的坠物方位在所述三维坐标模型中生成与每一所述坠物方位对应的坠物投影点；
在所述三维坐标模型中将每一所述监控终端的三维坐标位置与每一所述监控终端对应的坠物投影点的三维坐标位置进行连线；
获取所述连线的多个交叉点作为与所述异常图像信息对应的坠物轨迹。
6.根据权利要求1所述的高空抛物溯源方法，其特征在于，所述根据所述坠物轨迹确定所述建筑物中与所述坠物轨迹对应的坠物源头，包括：
对所述坠物轨迹包含的多个三维坐标位置进行拟合以得到坠物轨迹曲线；
获取所述坠物轨迹曲线与所述三维坐标模型中建筑物外立面的交叉点作为所述建筑物中与所述坠物轨迹对应的坠物源头。
7.根据权利要求6所述的高空抛物溯源方法，其特征在于，所述对所述坠物轨迹包含的多个三维坐标位置进行拟合以得到坠物轨迹曲线之后，还包括：
根据预置的曲线验证规则及所述坠物轨迹对所述坠物轨迹曲线进行验证得到是否验证通过的曲线验证结果；
若曲线验证结果为通过，则执行所述获取所述坠物轨迹曲线与所述三维坐标模型中建筑物外立面的交叉点作为所述建筑物中与所述坠物轨迹对应的坠物源头的步骤；
若曲线验证结果为不通过，则返回执行所述对所述坠物轨迹包含的多个三维坐标位置进行拟合以得到坠物轨迹曲线的步骤。
8.一种高空抛物溯源装置，其特征在于，包括：
三维坐标模型构建单元，用于若接收到来自两个所述监控终端从同一朝向的不同角度对同一建筑物进行拍摄得到的两张静态图像，根据预置的三维模型构建规则及所述两张静态图像构建与所述建筑物相匹配的三维坐标模型；
异常判断结果获取单元，用于实时接收来自两个所述监控终端的实时视频信息，根据预置的判断模型对所述实时视频信息相对于所述两张静态图像是否存在异常进行判断，得到异常判断结果；
异常图像信息获取单元，用于若异常判断结果为存在异常，根据预置的截取间隔时间从存在异常的所述实时视频信息分别截取与两个所述监控终端对应的异常图像信息；
坠物轨迹获取单元，用于根据所述异常图像信息及所述三维坐标模型确定与所述异常图像信息对应的坠物轨迹；
坠物源头获取单元，用于根据所述坠物轨迹确定所述建筑物中与所述坠物轨迹对应的坠物源头。
9.一种计算机设备，包括存储器、处理器及存储在所述存储器上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至7中任一项所述的高空抛物溯源方法。
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存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行如权利要求1至7中任一项所述的高空抛物溯源方法。
CN202011445005.7A 2020-12-08 2020-12-08 高空抛物溯源方法、装置、计算机设备及存储介质 Active CN112488024B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011445005.7A CN112488024B (zh) 2020-12-08 2020-12-08 高空抛物溯源方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011445005.7A CN112488024B (zh) 2020-12-08 2020-12-08 高空抛物溯源方法、装置、计算机设备及存储介质

Publications (2)

Publication Number Publication Date
CN112488024A true CN112488024A (zh) 2021-03-12
CN112488024B CN112488024B (zh) 2024-08-23

Family

ID=74940109

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011445005.7A Active CN112488024B (zh) 2020-12-08 2020-12-08 高空抛物溯源方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN112488024B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113822913A (zh) * 2021-11-25 2021-12-21 江西科技学院 一种基于计算机视觉的高空抛物检测方法和系统
CN114025173A (zh) * 2021-11-17 2022-02-08 浙江大华技术股份有限公司 一种图像处理方法、终端及计算机可读存储介质
CN114650398A (zh) * 2022-03-23 2022-06-21 湖南蓝海购企业策划有限公司 一种基于5g及云桌面的小区高空坠物监控方法及系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101646072A (zh) * 2009-08-25 2010-02-10 深圳市融创天下科技发展有限公司 一种多摄像头自动定位的系统
CN104601939A (zh) * 2013-10-31 2015-05-06 深圳市东宝嘉科技有限公司 一种监测高空抛物以及消除其危害的方法和系统
CN105654732A (zh) * 2016-03-03 2016-06-08 上海图甲信息科技有限公司 一种基于深度图像的道路监控系统及方法
WO2018047687A1 (ja) * 2016-09-12 2018-03-15 パナソニックＩｐマネジメント株式会社 三次元モデル生成装置及び三次元モデル生成方法
CN109309811A (zh) * 2018-08-31 2019-02-05 中建三局智能技术有限公司 一种基于计算机视觉的高空抛物检测系统与方法
CN111368741A (zh) * 2020-03-05 2020-07-03 深学科技(杭州)有限公司 一种高空抛物检测系统
CN111654664A (zh) * 2020-05-08 2020-09-11 浙江大华技术股份有限公司 高空抛物的检测方法、系统、计算机设备及存储介质
CN111669551A (zh) * 2020-06-16 2020-09-15 深圳市金安通电子有限公司 楼宇高空抛物点盲视量化取证方法和系统
CN111798374A (zh) * 2020-06-24 2020-10-20 浙江大华技术股份有限公司 一种图像拼接方法、装置、设备及介质
CN111950484A (zh) * 2020-08-18 2020-11-17 青岛聚好联科技有限公司 高空抛物信息的分析方法及电子设备

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101646072A (zh) * 2009-08-25 2010-02-10 深圳市融创天下科技发展有限公司 一种多摄像头自动定位的系统
CN104601939A (zh) * 2013-10-31 2015-05-06 深圳市东宝嘉科技有限公司 一种监测高空抛物以及消除其危害的方法和系统
CN105654732A (zh) * 2016-03-03 2016-06-08 上海图甲信息科技有限公司 一种基于深度图像的道路监控系统及方法
WO2018047687A1 (ja) * 2016-09-12 2018-03-15 パナソニックＩｐマネジメント株式会社 三次元モデル生成装置及び三次元モデル生成方法
CN109309811A (zh) * 2018-08-31 2019-02-05 中建三局智能技术有限公司 一种基于计算机视觉的高空抛物检测系统与方法
CN111368741A (zh) * 2020-03-05 2020-07-03 深学科技(杭州)有限公司 一种高空抛物检测系统
CN111654664A (zh) * 2020-05-08 2020-09-11 浙江大华技术股份有限公司 高空抛物的检测方法、系统、计算机设备及存储介质
CN111669551A (zh) * 2020-06-16 2020-09-15 深圳市金安通电子有限公司 楼宇高空抛物点盲视量化取证方法和系统
CN111798374A (zh) * 2020-06-24 2020-10-20 浙江大华技术股份有限公司 一种图像拼接方法、装置、设备及介质
CN111950484A (zh) * 2020-08-18 2020-11-17 青岛聚好联科技有限公司 高空抛物信息的分析方法及电子设备

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
张龙;: "基于多幅图像的建筑物三维建模", 硕士学位论文电子期刊, no. 2015 *
王保云;周文;潘良波;刘焕焕;: "基于2维照片构建建筑物三维模型的研究", 电子技术与软件工程, no. 24 *
郭元;: "基于多幅图像的系统三维重构的实现", 菏泽学院学报, no. 05 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114025173A (zh) * 2021-11-17 2022-02-08 浙江大华技术股份有限公司 一种图像处理方法、终端及计算机可读存储介质
CN113822913A (zh) * 2021-11-25 2021-12-21 江西科技学院 一种基于计算机视觉的高空抛物检测方法和系统
CN114650398A (zh) * 2022-03-23 2022-06-21 湖南蓝海购企业策划有限公司 一种基于5g及云桌面的小区高空坠物监控方法及系统

Also Published As

Publication number Publication date
CN112488024B (zh) 2024-08-23

Similar Documents

Publication Publication Date Title
CN112488024B (zh) 高空抛物溯源方法、装置、计算机设备及存储介质
TWI492188B (zh) 利用多攝影機自動偵測與追蹤多目標的方法及系統
Del-Blanco et al. An efficient multiple object detection and tracking framework for automatic counting and video surveillance applications
CN111598132B (zh) 一种人像识别算法性能评测方法和装置
Venetianer et al. Performance evaluation of an intelligent video surveillance system–A case study
CN105122303A (zh) 利用特征识别的摄像机校准
Nyaruhuma et al. Verification of 2D building outlines using oblique airborne images
CN107659754B (zh) 一种树叶扰动情况下监控视频的有效浓缩方法
US20180039860A1 (en) Image processing apparatus and image processing method
CN112634340A (zh) 基于点云数据确定bim模型的方法、装置、设备和介质
CN114862946B (zh) 位置预测方法、系统、设备及介质
CN103281513B (zh) 一种无重叠域监控系统中行人识别方法
CN106101622A (zh) 一种大数据存储系统
CN110909195A (zh) 基于区块链的图片标注方法、装置及存储介质、服务器
CN112950717A (zh) 一种空间标定方法和系统
CN112562005A (zh) 一种空间标定方法和系统
CN111091106A (zh) 图像聚类方法及装置、存储介质、电子装置
EP3121758A1 (en) Pattern mapping
Theiner et al. Tvcalib: Camera calibration for sports field registration in soccer
Wang et al. Traffic camera anomaly detection
CN110414792A (zh) 基于bim和大数据的部品集采管理系统及相关产品
Gueguen et al. Mapping human settlements and population at country scale from VHR images
CN110276379A (zh) 一种基于视频图像分析的灾情信息快速提取方法
CN116305498B (zh) 隧道数字孪生建模指标判断网络模型构建方法、分析方法
CN105574844A (zh) 辐射响应函数估计方法和装置

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