CN112541457A - 一种监控节点的搜索方法及相关装置 - Google Patents

一种监控节点的搜索方法及相关装置 Download PDF

Info

Publication number
CN112541457A
CN112541457A CN202011517816.3A CN202011517816A CN112541457A CN 112541457 A CN112541457 A CN 112541457A CN 202011517816 A CN202011517816 A CN 202011517816A CN 112541457 A CN112541457 A CN 112541457A
Authority
CN
China
Prior art keywords
monitoring
target
node
monitoring node
processed
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
CN202011517816.3A
Other languages
English (en)
Other versions
CN112541457B (zh
Inventor
陈方云
夏凤君
周斌
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.)
Chongqing Unisinsight Technology Co Ltd
Original Assignee
Chongqing Unisinsight 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 Chongqing Unisinsight Technology Co Ltd filed Critical Chongqing Unisinsight Technology Co Ltd
Priority to CN202011517816.3A priority Critical patent/CN112541457B/zh
Publication of CN112541457A publication Critical patent/CN112541457A/zh
Application granted granted Critical
Publication of CN112541457B publication Critical patent/CN112541457B/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
    • G06V20/50—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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • 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
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • 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
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Human Resources & Organizations (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Psychiatry (AREA)
  • Game Theory and Decision Science (AREA)
  • Human Computer Interaction (AREA)
  • Social Psychology (AREA)
  • General Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请公开了一种监控节点的搜索方法及相关装置，通过将识别到监控目标的监控摄像头所在地作为出发地，路网中其他监控摄像头所在地作为目的地，筛选出路网中出发地到各目的地的出行路线。并根据预先从识别到监控目标的监控摄像头中分析到的监控目标的行进方向对各出行路线进行预测，根据预测结果筛选出监控目标出行概率最高的出行路线。确定经筛选后的各出行路线的目的地，并对各目的地对应的监控摄像头的监控视频进行重识别操作。以此解决现有的ReID技术全量搜索方法，处理量大、耗时长且处理资源消耗大的问题。

Description

一种监控节点的搜索方法及相关装置
技术领域
本发明涉及计算机视觉技术领域，特别涉及一种监控节点的搜索方法及相关装置。
背景技术
随着对路网的监管能力愈加增强，ReID(PersonRe-identification，行人重识别)技术能够在识别到监控目标的人像图片后，通过该人像图片从监控视频库中检索出监控目标所在的视频段。以此将监控目标在各个监控摄像头的轨迹串连起来，形成监控目标的行踪记录。
发明人发现，相关技术中通常每个摄像头都去定位监控目标，这样全量搜索方法，处理量大、耗时长且处理资源消耗大。
发明内容
本申请的目的是提供一种监控节点的搜索方法。用于解决现有的ReID技术全量搜索方法，处理量大、耗时长且处理资源消耗大的问题。
第一方面，本申请实施例提供了一种监控节点的搜索方法，所述方法包括：
以指定监控节点为出发地，以多个待处理监控节点为目的地规划所述指定监控节点到各所述待处理监控节点的出行路线；
根据预先从所述指定监控节点的监控视频中分析出的监控目标的行进方向，预测所述监控目标采用各所述出行路线出行的概率；
选择出行概率最高的所述出行路线上的所述待处理监控节点为搜索的目标监控节点；
在所述目标监控节点的监控视频中对所述监控目标进行重识别。
在一些可能的实施例中，所述以多个待处理监控节点为目的地规划所述指定监控节点到各所述待处理监控节点的出行路线之前，所述方法还包括：
以所述指定监控节点为起始点，确定所述监控目标在第一预设时间内能够到达的地理范围，并将该地理范围内的监控节点作为所述待处理监控节点。
在一些可能的实施例中，每条所述出行路线中包括至少一条路段；所述根据预先从所述指定监控节点的监控视频中分析出的监控目标的行进方向，预测所述监控目标采用各所述出行路线出行的概率，包括：
针对每条所述出行路线分别执行：
从所述出行路线中的所述指定监控节点所在路段开始，从所述出行路线中选取指定数量的路段；
根据所述指定数量的路段确定所述出行路线的延展方向；
确定所述延展方向和所述监控目标的所述行进方向之间的夹角作为所述监控目标采用所述出行路线出行的概率。
在一些可能的实施例中，所述延展方向和所述监控目标的所述行进方向均为方位角。
在一些可能的实施例中，所述方法还包括：
根据以下方法从所述指定监控节点的监控视频中分析出所述监控目标的所述行进方向：
从所述指定监控节点的所述监控视频中分析出所述监控目标相对于所述指定监控节点的朝向；
根据所述指定监控节点的监控方向，和所述监控目标相对于所述指定监控节点的朝向，确定所述监控目标的所述行进方向。
在一些可能的实施例中，所述根据所述指定监控节点的监控方向，和所述监控目标相对于所述指定监控节点的朝向，确定所述监控目标的所述行进方向，包括：
响应于所述监控目标相对于所述指定监控节点的朝向为面对所述指定监控节点，将所述监控方向的相反方向作为所述监控目标的所述行进方向；
响应于所述监控目标相对于所述指定监控节点的朝向为背对所述指定监控节点，将所述监控方向作为所述监控目标的所述行进方向；
响应于所述监控目标相对于所述指定监控节点的朝向为侧身面对所述指定监控节点，将垂直于所述监控方向的两个垂直方向分别作为所述监控目标的所述行进方向。
在一些可能的实施例中，所述以指定监控节点为出发地，以多个待处理监控节点为目的地规划所述指定监控节点到各所述待处理监控节点的出行路线之前，所述方法包括：
获取各个所述待处理监控节点的位置信息，将属于同一位置的待处理监控节点合并为一个需要进行路线规划的监控节点。
在一些可能的实施例中，所述在所述目标监控节点的监控视频中对所述监控目标进行重识别之后，所述方法还包括：
若在所述目标监控节点的监控视频识别到所述监控目标，则将所述目标监控节点作为所述指定监控节点，并返回执行所述以指定监控节点为出发地，以多个待处理监控节点为目的地规划所述指定监控节点到各所述待处理监控节点的出行路线的步骤。
在一些可能的实施例中，所述方法还包括：
若未在所述目标监控节点的监控视频识别到所述监控目标，则扩充所述待处理监控节点，并返回执行所述以指定监控节点为出发地，以多个待处理监控节点为目的地规划所述指定监控节点到各所述待处理监控节点的出行路线的步骤。
在一些可能的实施例中，所述方法还包括：
若针对同一所述指定监控节点，扩充所述待处理监控节点的次数大于预设次数，则确定所述监控目标消失。
第二方面，本申请实施例提供了一种监控节点的搜索装置，所述装置包括：
出行路线规划模块，用于以指定监控节点为出发地，以多个待处理监控节点为目的地规划所述指定监控节点到各所述待处理监控节点的出行路线；
出行概率统计模块，用于根据预先从所述指定监控节点的监控视频中分析出的监控目标的行进方向，预测所述监控目标采用各所述出行路线出行的概率；
目标重识别模块，用于选择出行概率最高的所述出行路线上的所述待处理监控节点为搜索的目标监控节点；在所述目标监控节点的监控视频中对所述监控目标进行重识别。
在一些可能的实施例中，所述出行路线规划模块执行以多个待处理监控节点为目的地规划所述指定监控节点到各所述待处理监控节点的出行路线之前，还被配置为：
以所述指定监控节点为起始点，确定所述监控目标在第一预设时间内能够到达的地理范围，并将该地理范围内的监控节点作为所述待处理监控节点。
在一些可能的实施例中，每条所述出行路线中包括至少一条路段；所述出行概率统计模块执行根据预先从所述指定监控节点的监控视频中分析出的监控目标的行进方向，预测所述监控目标采用各所述出行路线出行的概率时，被配置为：
针对每条所述出行路线分别执行：
从所述出行路线中的所述指定监控节点所在路段开始，从所述出行路线中选取指定数量的路段；
根据所述指定数量的路段确定所述出行路线的延展方向；
确定所述延展方向和所述监控目标的所述行进方向之间的夹角作为所述监控目标采用所述出行路线出行的概率。
在一些可能的实施例中，所述延展方向和所述监控目标的所述行进方向均为方位角。
在一些可能的实施例中，所述装置还包括：
行进方向确定模块，用于根据以下方法从所述指定监控节点的监控视频中分析出所述监控目标的所述行进方向：
从所述指定监控节点的所述监控视频中分析出所述监控目标相对于所述指定监控节点的朝向；
根据所述指定监控节点的监控方向，和所述监控目标相对于所述指定监控节点的朝向，确定所述监控目标的所述行进方向。
在一些可能的实施例中，所述行进方向确定模块执行根据所述指定监控节点的监控方向，和所述监控目标相对于所述指定监控节点的朝向，确定所述监控目标的所述行进方向时，被配置为：
响应于所述监控目标相对于所述指定监控节点的朝向为面对所述指定监控节点，将所述监控方向的相反方向作为所述监控目标的所述行进方向；
响应于所述监控目标相对于所述指定监控节点的朝向为背对所述指定监控节点，将所述监控方向作为所述监控目标的所述行进方向；
响应于所述监控目标相对于所述指定监控节点的朝向为侧身面对所述指定监控节点，将垂直于所述监控方向的两个垂直方向分别作为所述监控目标的所述行进方向。
在一些可能的实施例中，所述出行路线规划模块执行以指定监控节点为出发地，以多个待处理监控节点为目的地规划所述指定监控节点到各所述待处理监控节点的出行路线之前，还被配置为：
获取各个所述待处理监控节点的位置信息，将属于同一位置的待处理监控节点合并为一个需要进行路线规划的监控节点。
在一些可能的实施例中，所述目标重识别模块执行在所述目标监控节点的监控视频中对所述监控目标进行重识别之后，还被配置为：
若在所述目标监控节点的监控视频识别到所述监控目标，则将所述目标监控节点作为所述指定监控节点，并返回执行所述以指定监控节点为出发地，以多个待处理监控节点为目的地规划所述指定监控节点到各所述待处理监控节点的出行路线的步骤。
在一些可能的实施例中，所述装置还包括：
后处理模块，用于若未在所述目标监控节点的监控视频识别到所述监控目标，则扩充所述待处理监控节点，并返回执行所述以指定监控节点为出发地，以多个待处理监控节点为目的地规划所述指定监控节点到各所述待处理监控节点的出行路线的步骤。
在一些可能的实施例中，所述装置还包括：
目标消失确定模块，用于若针对同一所述指定监控节点，扩充所述待处理监控节点的次数大于预设次数，则确定所述监控目标消失。
第三方面，本申请另一实施例还提供了一种电子设备，包括至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请实施例提供的任一监控节点的搜索方法。
第四方面，本申请另一实施例还提供了一种计算机存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序用于使计算机执行本申请实施例提供的任一监控节点的搜索方法。
本申请实施例，以识别到监控目标的监控摄像头所在地作为出发地，路网中其他监控摄像头所在地作为目的地，筛选出路网中出发地到各目的地的出行路线。并根据预先从识别到监控目标的监控摄像头中分析到的监控目标的行进方向对各出行路线进行预测，根据预测结果筛选出监控目标出行概率最高的出行路线。确定经筛选后的各出行路线的目的地，并对各目的地对应的监控摄像头的监控视频进行重识别操作。以此解决现有的ReID技术全量搜索方法，处理量大、耗时长且处理资源消耗大的问题。
本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，显而易见地，下面所介绍的附图仅仅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为根据本申请一个实施例的应用环境的示意图；
图2a为根据本申请一个实施例的监控节点的搜索方法流程示意图；
图2b为根据本申请一个实施例的监控目标的出行路线规划示意图；
图2c为根据本申请一个实施例根据方位角确定出行路线概率的示意图；
图3为根据本申请一个实施例的监控节点的搜索装置图；
图4为根据本申请一个实施例的电子设备结构图。
具体实施方式
下面将结合附图对本申请实施例中的技术方案进行清楚、详尽地描述。在本申请实施例的描述中，除非另有说明，“/”表示或的意思，例如，A/B可以表示A或B；文本中的“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况，另外，在本申请实施例的描述中，“多个”是指两个或多于两个。
在本申请实施例的描述中，除非另有说明，术语“多个”是指两个或两个以上，其它量词与之类似应当理解，此处所描述的优选实施例仅用于说明和解释本申请，并不用于限定本申请，并且在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
为进一步说明本申请实施例提供的技术方案，下面结合附图以及具体实施方式对此进行详细的说明。虽然本申请实施例提供了如下述实施例或附图所示的方法操作步骤，但基于常规或者无需创造性的劳动在方法中可以包括更多或者更少的操作步骤。在逻辑上不存在必要因果关系的步骤中，这些步骤的执行顺序不限于本申请实施例提供的执行顺序。方法在实际的处理过程中或者控制设备执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行。
鉴于相关技术中全量搜索方法，处理量大、耗时长且处理资源消耗大的问题。本申请提出一种能够实时地的且准确的预测监控到目标对象的下一个监控节点。
有鉴于此，本申请的发明构思为：首先将识别到监控目标的监控摄像头所在地作为出发地，路网中其他监控摄像头所在地作为目的地，以此从路网中筛选到出发地到各目的地的出行路线。在获取到监控目标在路网中能够行进的路线后，根据预先从识别到监控目标的监控摄像头中分析到的监控目标的行进方向对各出行路线进行预测，根据预测结果筛选出监控目标出行概率最高的出行路线。经筛选后的出行路线应为监控目标最后可能行进的路线，故此，通过对筛选后的行进路线中各监控摄像头的监控视频进行重识别操作，能够避免遍历路网中所有监控摄像头对应的监控视频来搜索目标对象。在保证最大概率识别到监控目标的基础上，提高处理效率并降低资源消耗。
本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面结合附图对本申请实施例中的监控节点的搜索方法进行详细说明。
参见图1，为根据本申请一个实施例的应用环境的示意图。
如图1所示，该应用环境中例如可以包括网络10、服务器20、至少一种监控设备30、终端设备40以及数据库50。其中：监控设备30用于采集监控范围内的图像，并通过网络10将采集的图像发送给服务器20，由服务器20将图像存储至数据库50中。
监控设备30所采集的监控视频可通过网络10发送给服务器20，由服务器20下达存储指令，存储到服务器20所关联的数据库50总。此外，终端设备40可以发送监控视频获取请求给服务器20，服务器20响应该监控视频获取请求，从数据库50中调取监控视频并通过网络10发送给终端设备40。
在图1所示的应用场景中，监控设备30_1为路网中的一个监控摄像头，监控设备30_1将所识别到监控目标的监控视频通过网络10发送给服务器20，服务器20针对监控目标的行进方式进行识别操作(如步行、骑行)。实施时，可以由服务器20基于监控视频完成对目标对象的出行方式的识别，针对该出行方式对监控目标的出行范围进行判断，并调取数据库50中所存储的路网信息。将路网内，以监控设备30_1所在位置作为出发地，上述出行范围内的各监控设备30_2……30_N所在位置作为目的地。并以指定监控节点为出发地、各待处理监控节点为目的地规划出路网中的出行路线。
在一些可能的实施例中，服务器20针对规划的各出行路线进行分析，确定监控目标最大概率行进的出行路线，将该出行路线上的监控节点作为最可能监控到目标对象的监控节点，并从该监控节点的视频中对目标对象进行重识别。识别之后，可以通过网络10将识别结果发送给终端设备40以供监管人员查看和进行后续的处理操作。
在一些可能的实施例中，监控设备30在将监控视频上传给服务器20时，同时上传用于表示监控设备30的安装方向及所在位置的参数信息。
本申请中的描述中仅就单个服务器或终端设备加以详述，但是本领域技术人员应当理解的是，示出的监控设备30、终端设备40、服务器20和数据库50旨在表示本申请的技术方案涉及的监控设备、终端设备、服务器以及存储系统的操作。对单个服务器和存储系统加以详述至少为了说明方便，而非暗示对终端设备和服务器的数量、类型或是位置等具有限制。应当注意，如果向图示环境中添加附加模块或从其中去除个别模块，不会改变本申请的示例实施例的底层概念。另外，虽然为了方便说明而在图1中示出了从数据库50到服务器20的双向箭头，但本领域技术人员可以理解的是，上述数据的收发也是需要通过网络10实现的。
需要说明的是，本申请实施例中的存储系统例如可以是缓存系统、也可以是硬盘存储、内存存储等等。此外，本申请提出的监控节点的搜索方法不仅适用于图1所示的监控系统，还适用于任何能够进行图像采集的图像采集装置，例如，智能终端的相机。
图2a示出了本申请一个实施例提供的监控节点的搜索方法流程示意图，包括：
步骤201：以指定监控节点为出发地，以多个待处理监控节点为目的地规划所述指定监控节点到各所述待处理监控节点的出行路线。
由于路网规模庞大，监控摄像头数量繁多。为避免盲目检索，可预先设定监控目标的出行时间。通过确定在预设时间内，监控目标能够到达的地理范围，对各出行路线进行筛选。实施时通过预设出行时间来确定监控目标的出行范围。在路网中确定该出行范围内的监控摄像头，并将该监控摄像头作为待处理监控节点。以指定监控节点为出发地，各待处理监控节点为目的地规划出预设时间内，监控目标可能在路网中行进的出行路线。
发明人考虑到如语义分割等技术能够在识别监控目标的同时，识别到该监控目标的行进方式(如步行、骑车等)。故此，在对监控目标的出行时间进行预测时，可以结合该监控目标的行进方式对监控目标出行时间的时间范围进行调整。具体可如图2b所示，其中A为指定监控节点处的监控摄像头；B、C、D、E以及F为路网中的其他监控摄像头，当识别到监控目标为步行时，预设监控目标的出行时间为30秒，并根据正常人30秒的步行距离确定监控目标在路网中的出行范围(如图中圆α所示)，在出行范围α内的监控摄像头B和C所在位置即为上述待处理监控节点。为了扩大搜索范围，也可以设置出行时间为1分钟，故而得到如图2b中的β圈所示的范围。
在另一个实施例中，当识别到监控目标骑自行车时，该监控目标的出行时间预设为1分钟，并根据正常人1分钟的骑行距离确定监控目标在路网中的出行范围(如图中圆β所示)，在出行范围β内的监控摄像头B、C、D以及E的所在位置即为上述待处理监控节点。
此外，发明人还考虑到在实际应用场景中存在多个监控摄像头的安装位置相同的情况(如一个电线杆上安装有不同角度的多个监控摄像头)。为避免所规划的出行路线重复导致的资源消耗，可以预先获取各待处理监控节点的位置信息，并将属于同一位置的待处理监控节点合并为一个，也即多个待处理监控节点位置相同时，可针对位置相同的待处理监控节点所在位置为目的地规划一次出行路线。例如，路网中存在一处安装有四个监控摄像头的电线杆，四个监控摄像头分别按照东南西北方位进行监控。在规划监控目标的出行路线时。将该电线杆所在位置计作待处理监控节点，在对待处理监控节点处监控摄像头的监控视频进行查看时，则分别查看上述东南西北四个方位的监控摄像头所采集的监控视频。
通过上述方法可以保证所规划的出行路线中各目的地的所在位置不同，也即所规划的每条出行路线各不相同。另需说明的是，将处于同一位置的多个待处理监控节点进行合并是为了确保出行路线的目的地位置唯一，具体合并方式本申请不做限定。
步骤202：根据预先从所述指定监控节点的监控视频中分析出的监控目标的行进方向，预测所述监控目标采用各所述出行路线出行的概率。
发明人考虑到在对监控目标的出行路线进行预测时，通过获取监控目标的当前行进方向与出行路线方向间的关系即能够判断出监控目标沿该出行路线行进的概率。为了便于理解本申请，下面以如何获取监控目标的行进方向以及如何确定监控目标沿每条出行路线行进的概率这两部分进行分别说明，具体如下：
部分1：获取监控目标的行进方向
由于PAR算法(Pedestrian Attribute Recognition，行人属性识别算法)能够通过如CNN(Convolutional Neural Networks,卷积神经网络)等技术对监控目标进行特征识别，得到监控目标的特征信息。本申请实施例中基于监控目标的特征信息可识别监控目标相对于监控摄像头的方位关系。
监控摄像头中携带表示该监控摄像头安装方向的参数信息，根据监控摄像头的安装方向以及监控目标相对于监控摄像头的方位关系能够确定监控目标的行进方向。例如，从指定监控节点处的监控摄像头中识别到该监控摄像头的安装方向为正东，监控目标与监控摄像头间的方位关系为正向。根据监控摄像头的安装方向和监控目标相对监控摄像头的方位关系能够确定监控目标面向正东移动，即监控目标当前的行进方向为正西方向。
在一些可能的实施例中，路网中各监控摄像头配备有距离传感器，通过距离传感器能够使监控摄像头识别到监控目标时，记录该监控目标与监控摄像头间的距离及角度。在确定监控目标当前的行进方向时，对监控视频进行逐帧分析，确定每帧视频画面内监控目标与监控摄像头间的距离和角度。通过监控摄像头的安装方向、每帧视频画面对应的距离及角度可以确定监控目标的行进方向。例如确定监控摄像头的安装方向为正南，从监控视频中确定监控目标向监控摄像头所在位置逐渐靠近(即正向监控摄像头)，监控目标与监控摄像头间的夹角为45°，则确定该监控目标正沿西北45°方向行进。
在一些可能的实施例中，路网中的每个监控摄像头均由多镜头摄像头模组构成，该摄像头模组中包括可以探测距离的深度摄像头。通过深度摄像头能够在识别监控目标的同时，确定监控目标相对监控摄像头的距离。
实施时可对多帧图像进行分析得到监控目标相对监控节点的方位关系。例如，可采用投票法来确定监控目标与监控摄像头之间的方位关系。例如对识别到监控目标的监控视频按照每秒8帧的方式进行逐帧处理，并将8帧视频画面分别通过PAR算法识别监控目标与监控摄像头间的方位关系。例如PAR算法识别到8帧视频画面中，5帧画面内监控目标与监控摄像头间的方位关系为正向，其余3帧为侧向，则确定该监控目标与监控摄像头之间的方位关系为正向。
此外，考虑到通过简化计算来识别监控目标与监控摄像头间的方位关系时，仅能够识别到监控目标面向摄像头、侧向摄像头以及背向摄像头三种状态，且侧向摄像头时，可无需区分监控目标朝向监控摄像头的左侧还是右侧，根据后面的出行概率可进一步筛选出行路线，进而定位出目标监控节点并针对监控目标进行重识别操作。
在确定监控目标与监控摄像头间的方位关系时，可根据对监控目标的面部特征识别量定义出监控目标与监控摄像头间的夹角，并通过携带夹角参数的方式进一步确定监控目标相对于监控摄像头的方位。实施时，可预先经过大量实验统计出监控目标在朝向监控摄像头不同角度时，监控目标的姿态特征。以此形成监控目标相对监控摄像头的角度与监控目标的姿态特征之间的关系。如通过训练神经网络来使之能够识别出监控目标的相对指定监控节点是正面、背面还是侧面。
在一些可能的实施例中，确定角度时，以监控目标正向监控摄像头角度为0°，顺时针旋转(即0°到180°为监控目标朝向摄像头的左侧、180°为监控目标背向摄像头、180°到360°为监控目标朝向摄像头的右侧)。通过神经网络特征模型对监控目标的面部特征进行识别后，例如，识别到监控目标50％的左侧人脸时，则确定此时监控目标与监控摄像头之间的夹角为60°。识别到监控目标50％的右侧人脸时，确定监控目标与监控摄像头之间的夹角为360°-60°＝300°。
部分2：确定监控目标沿每条出行路线行进的概率
本申请采用方位角来表示监控目标延每条出行路线行进的概率(方位角越大则表示监控目标越偏离出行路线)。方位角即为从某点的指北方向线起，依顺时针方向到目标方向线之间的水平夹角，方位角的取值范围为0°至360°。为了便于说明本申请如何通过方位角来标识监控目标延每条出行路线行进的概率，如图2c所示，由于各出行路线在路网中的记录方式由多条路段所组成，在确定出行路线的延展方向时，可从出行路线中选取以指定监控节点为出发地的所在路段(如图2c中线段ab，实施时可选择第一个路段，也可以选择以第一个路段开始的多个路段)，该路段的朝向方向即为出行路线延展方向。A为指定监控节点处的监控摄像机；B、C、D以及E为路网中各待处理监控节点处的监控摄像机；方向箭头M表示为以监控摄像机A为出发地、监控摄像机B为目的地这段出行路线的延展方向；方向箭头N表示监控目标当前的行进方向。
图2c中的角U即为出行路线所对应的方向角，由出行路线AB中，指定监控节点(A)为出发地的所在路段(ab)中a和b的坐标值确定。确定a点坐标为a(Xa,Ya)、b点坐标为(Xb，Yb)；线段ab对应的出行路线方位角的正切值tanU＝(|Ya|+|Yb|)/(|Xa|+|Xb|)，通过反正切函数即可确定方向角U的角度。在确定出行路线的方位角后，根据出行路线的方位角与监控目标行进方向的方位角间的角度差值即可表示为监控目标延该出行路线行进的概率。
由于监控摄像机中能够记录该摄像机的方位角，在确定监控摄像机的方位角后，根据监控目标与监控摄像机的方位关系可以确定监控目标的方位角。例如当监控摄像机A的方位角为30°时，若确定监控目标与监控摄像机的方位关系为正向，则确定该监控目标当前行进路线的方位角为30°+180°＝210°、若确定监控目标与监控摄像机的方位关系为背向，则确定该监控目标当前行进路线的方位角为30°+0°＝30°、若确定监控目标与监控摄像机的方位关系为侧向，则确定该监控目标当前行进路线的方位角为30°+90°＝120°或为360°-30°＝330°。
在确定出行路线的方位角U以及监控目标的行进方向对应的方位角后，通过做差确定监控目标的行进方向与出行路线的延展方向间相差的角度u。角度u的绝对值即可衡量监控目标延该出行路线行进的概率，若角度u的绝对值越趋近于0，则表示监控目标当前的行进方向越趋近于出行路线的延展方向，也即监控目标延出行路线行进的概率越大。
步骤203：选择出行概率最高的所述出行路线上的所述待处理监控节点为搜索的目标监控节点，在所述目标监控节点的监控视频中对所述监控目标进行重识别。
在确定监控目标延各出行路线行进的概率后，选取概率最高的出行路线，并将被选取出的出行路线对应的待处理监控节点作为目标监控节点。根据预设的监控目标出行时间对目标监控节点进行重识别操作。若从目标监控节点中识别到监控目标，则将该目标监控节点作为指定监控节点，并重新对监控目标下一个可能出现的待处理监控节点进行预测。
若在目标监控节点处未识别到监控目标，考虑到监控目标可能由于临时变更行进路线、更换出行交通工具以及出行时间比预计出行时间要长等因素，可通过增加监控目标的预设出行时间来重新在路网中确定监控目标的可能出行范围，也即重新确定路网中的各待处理监控节点。在重新确定各待处理监控节点后，重复执行步骤202和步骤203的操作，根据重新选定的各待处理监控节点确定监控目标最有可能出现的目标监控节点，并对重新确定的目标监控节点针对监控目标进行重识别操作。
在一些可能的实施例中，当针对同一指定监控节点，重新确定待处理节点的次数大于预设次数，则确定该监控目标消失。
基于相同的发明构思，本申请还提供一种监控节点的搜索装置300，如图3所示，该装置包括：
出行路线规划模块301，用于以指定监控节点为出发地，以多个待处理监控节点为目的地规划所述指定监控节点到各所述待处理监控节点的出行路线；
出行概率统计模块302，用于根据预先从所述指定监控节点的监控视频中分析出的监控目标的行进方向，预测所述监控目标采用各所述出行路线出行的概率；
目标重识别模块303，用于选择出行概率最高的所述出行路线上的所述待处理监控节点为搜索的目标监控节点；在所述目标监控节点的监控视频中对所述监控目标进行重识别。
在一些可能的实施例中，所述出行路线规划模块执行以多个待处理监控节点为目的地规划所述指定监控节点到各所述待处理监控节点的出行路线之前，还被配置为：
以所述指定监控节点为起始点，确定所述监控目标在第一预设时间内能够到达的地理范围，并将该地理范围内的监控节点作为所述待处理监控节点。
在一些可能的实施例中，每条所述出行路线中包括至少一条路段；所述出行概率统计模块执行根据预先从所述指定监控节点的监控视频中分析出的监控目标的行进方向，预测所述监控目标采用各所述出行路线出行的概率时，被配置为：
针对每条所述出行路线分别执行：
从所述出行路线中的所述指定监控节点所在路段开始，从所述出行路线中选取指定数量的路段；
根据所述指定数量的路段确定所述出行路线的延展方向；
确定所述延展方向和所述监控目标的所述行进方向之间的夹角作为所述监控目标采用所述出行路线出行的概率。
在一些可能的实施例中，所述延展方向和所述监控目标的所述行进方向均为方位角。
在一些可能的实施例中，所述装置还包括：
行进方向确定模块，用于根据以下方法从所述指定监控节点的监控视频中分析出所述监控目标的所述行进方向：
从所述指定监控节点的所述监控视频中分析出所述监控目标相对于所述指定监控节点的朝向；
根据所述指定监控节点的监控方向，和所述监控目标相对于所述指定监控节点的朝向，确定所述监控目标的所述行进方向。
在一些可能的实施例中，所述行进方向确定模块执行根据所述指定监控节点的监控方向，和所述监控目标相对于所述指定监控节点的朝向，确定所述监控目标的所述行进方向时，被配置为：
响应于所述监控目标相对于所述指定监控节点的朝向为面对所述指定监控节点，将所述监控方向的相反方向作为所述监控目标的所述行进方向；
响应于所述监控目标相对于所述指定监控节点的朝向为背对所述指定监控节点，将所述监控方向作为所述监控目标的所述行进方向；
响应于所述监控目标相对于所述指定监控节点的朝向为侧身面对所述指定监控节点，将垂直于所述监控方向的两个垂直方向分别作为所述监控目标的所述行进方向。
在一些可能的实施例中，所述出行路线规划模块执行以指定监控节点为出发地，以多个待处理监控节点为目的地规划所述指定监控节点到各所述待处理监控节点的出行路线之前，还被配置为：
获取各个所述待处理监控节点的位置信息，将属于同一位置的待处理监控节点合并为一个需要进行路线规划的监控节点。
在一些可能的实施例中，所述目标重识别模块执行在所述目标监控节点的监控视频中对所述监控目标进行重识别之后，还被配置为：
若在所述目标监控节点的监控视频识别到所述监控目标，则将所述目标监控节点作为所述指定监控节点，并返回执行所述以指定监控节点为出发地，以多个待处理监控节点为目的地规划所述指定监控节点到各所述待处理监控节点的出行路线的步骤。
在一些可能的实施例中，所述装置还包括：
后处理模块，用于若未在所述目标监控节点的监控视频识别到所述监控目标，则扩充所述待处理监控节点，并返回执行所述以指定监控节点为出发地，以多个待处理监控节点为目的地规划所述指定监控节点到各所述待处理监控节点的出行路线的步骤。
在一些可能的实施例中，所述装置还包括：
目标消失确定模块，用于若针对同一所述指定监控节点，扩充所述待处理监控节点的次数大于预设次数，则确定所述监控目标消失。
在介绍了本申请示例性实施方式的监控节点的搜索方法和装置之后，接下来，介绍根据本申请的另一示例性实施方式的电子设备。
所属技术领域的技术人员能够理解，本申请的各个方面可以实现为系统、方法或程序产品。因此，本申请的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
在一些可能的实施方式中，根据本申请的电子设备可以至少包括至少一个处理器、以及至少一个存储器。其中，存储器存储有程序代码，当程序代码被处理器执行时，使得处理器执行本说明书上述描述的根据本申请各种示例性实施方式的监控节点的搜索方法中的步骤。例如，处理器可以执行如监控节点的搜索方法中的步骤。
下面参照图4来描述根据本申请的这种实施方式的电子设备130。图4显示的电子设备130仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图4所示，电子设备130以通用电子设备的形式表现。电子设备130的组件可以包括但不限于：上述至少一个处理器131、上述至少一个存储器132、连接不同系统组件(包括存储器132和处理器131)的总线133。
总线133表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器、外围总线、处理器或者使用多种总线结构中的任意总线结构的局域总线。
存储器132可以包括易失性存储器形式的可读介质，例如随机存取存储器(RAM)1321和/或高速缓存存储器1322，还可以进一步包括只读存储器(ROM)1323。
存储器132还可以包括具有一组(至少一个)程序模块1324的程序/实用工具1325，这样的程序模块1324包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
电子设备130也可以与一个或多个外部设备134(例如键盘、指向设备等)通信，还可与一个或者多个使得用户能与电子设备130交互的设备通信，和/或与使得该电子设备130能与一个或多个其它电子设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口135进行。并且，电子设备130还可以通过网络适配器136与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器136通过总线133与用于电子设备130的其它模块通信。应当理解，尽管图中未示出，可以结合电子设备130使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
在一些可能的实施方式中，本申请提供的一种监控节点的搜索方法的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在计算机设备上运行时，程序代码用于使计算机设备执行本说明书上述描述的根据本申请各种示例性实施方式的一种监控中的步骤。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
本申请的实施方式的用于监控的程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在电子设备上运行。然而，本申请的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本申请操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户电子设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户电子设备上部分在远程电子设备上执行、或者完全在远程电子设备或服务端上执行。在涉及远程电子设备的情形中，远程电子设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户电子设备，或者，可以连接到外部电子设备(例如利用因特网服务提供商来通过因特网连接)。
应当注意，尽管在上文详细描述中提及了装置的若干单元或子单元，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本申请的实施方式，上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之，上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。
此外，尽管在附图中以特定顺序描述了本申请方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和方框图来描述的。应理解可由计算机程序指令实现流程图和方框图中的每一流程和/或方框、以及流程图和方框图中的流程和方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (13)

1.一种监控节点的搜索方法，其特征在于，所述方法包括：
以指定监控节点为出发地，以多个待处理监控节点为目的地规划所述指定监控节点到各所述待处理监控节点的出行路线；
根据预先从所述指定监控节点的监控视频中分析出的监控目标的行进方向，预测所述监控目标采用各所述出行路线出行的概率；
选择出行概率最高的所述出行路线上的所述待处理监控节点为搜索的目标监控节点；
在所述目标监控节点的监控视频中对所述监控目标进行重识别。
2.根据权利要求1所述的方法，其特征在于，所述以多个待处理监控节点为目的地规划所述指定监控节点到各所述待处理监控节点的出行路线之前，所述方法还包括：
以所述指定监控节点为起始点，确定所述监控目标在第一预设时间内能够到达的地理范围，并将该地理范围内的监控节点作为所述待处理监控节点。
3.根据权利要求1所述的方法，其特征在于，每条所述出行路线中包括至少一条路段；所述根据预先从所述指定监控节点的监控视频中分析出的监控目标的行进方向，预测所述监控目标采用各所述出行路线出行的概率，包括：
针对每条所述出行路线分别执行：
从所述出行路线中的所述指定监控节点所在路段开始，从所述出行路线中选取指定数量的路段；
根据所述指定数量的路段确定所述出行路线的延展方向；
确定所述延展方向和所述监控目标的所述行进方向之间的夹角作为所述监控目标采用所述出行路线出行的概率。
4.根据权利要求3所述的方法，其特征在于，所述延展方向和所述监控目标的所述行进方向均为方位角。
5.根据权利要求1-4中任一所述的方法，其特征在于，所述方法还包括：
根据以下方法从所述指定监控节点的监控视频中分析出所述监控目标的所述行进方向：
从所述指定监控节点的所述监控视频中分析出所述监控目标相对于所述指定监控节点的朝向；
根据所述指定监控节点的监控方向，和所述监控目标相对于所述指定监控节点的朝向，确定所述监控目标的所述行进方向。
6.根据权利要求5所述的方法，其特征在于，所述根据所述指定监控节点的监控方向，和所述监控目标相对于所述指定监控节点的朝向，确定所述监控目标的所述行进方向，包括：
响应于所述监控目标相对于所述指定监控节点的朝向为面对所述指定监控节点，将所述监控方向的相反方向作为所述监控目标的所述行进方向；
响应于所述监控目标相对于所述指定监控节点的朝向为背对所述指定监控节点，将所述监控方向作为所述监控目标的所述行进方向；
响应于所述监控目标相对于所述指定监控节点的朝向为侧身面对所述指定监控节点，将垂直于所述监控方向的两个垂直方向分别作为所述监控目标的所述行进方向。
7.根据权利要求1所述的方法，其特征在于，所述以指定监控节点为出发地，以多个待处理监控节点为目的地规划所述指定监控节点到各所述待处理监控节点的出行路线之前，所述方法包括：
获取各个所述待处理监控节点的位置信息，将属于同一位置的待处理监控节点合并为一个需要进行路线规划的监控节点。
8.根据权利要求1-4和7中任一所述的方法，其特征在于，所述在所述目标监控节点的监控视频中对所述监控目标进行重识别之后，所述方法还包括：
若在所述目标监控节点的监控视频识别到所述监控目标，则将所述目标监控节点作为所述指定监控节点，并返回执行所述以指定监控节点为出发地，以多个待处理监控节点为目的地规划所述指定监控节点到各所述待处理监控节点的出行路线的步骤。
9.根据权利要求1-4和7中任一所述的方法，其特征在于，所述方法还包括：
若未在所述目标监控节点的监控视频识别到所述监控目标，则扩充所述待处理监控节点，并返回执行所述以指定监控节点为出发地，以多个待处理监控节点为目的地规划所述指定监控节点到各所述待处理监控节点的出行路线的步骤。
10.根据权利9所述的方法，其特征在于，所述方法还包括：
若针对同一所述指定监控节点，扩充所述待处理监控节点的次数大于预设次数，则确定所述监控目标消失。
11.一种监控节点的搜索装置，其特征在于，所述装置包括：
出行路线规划模块，用于以指定监控节点为出发地，以多个待处理监控节点为目的地规划所述指定监控节点到各所述待处理监控节点的出行路线；
出行概率统计模块，用于根据预先从所述指定监控节点的监控视频中分析出的监控目标的行进方向，预测所述监控目标采用各所述出行路线出行的概率；
目标重识别模块，用于选择出行概率最高的所述出行路线上的所述待处理监控节点为搜索的目标监控节点；在所述目标监控节点的监控视频中对所述监控目标进行重识别。
12.一种电子设备，其特征在于，包括至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1-10中任何一项所述的方法。
13.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机程序，所述计算机程序用于使计算机执行如权利要求1-10任何一项所述的方法。
CN202011517816.3A 2020-12-21 2020-12-21 一种监控节点的搜索方法及相关装置 Active CN112541457B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011517816.3A CN112541457B (zh) 2020-12-21 2020-12-21 一种监控节点的搜索方法及相关装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011517816.3A CN112541457B (zh) 2020-12-21 2020-12-21 一种监控节点的搜索方法及相关装置

Publications (2)

Publication Number Publication Date
CN112541457A true CN112541457A (zh) 2021-03-23
CN112541457B CN112541457B (zh) 2021-10-26

Family

ID=75019232

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011517816.3A Active CN112541457B (zh) 2020-12-21 2020-12-21 一种监控节点的搜索方法及相关装置

Country Status (1)

Country Link
CN (1) CN112541457B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113221800A (zh) * 2021-05-24 2021-08-06 珠海大横琴科技发展有限公司 一种待检测目标的监控判断方法及系统

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090002489A1 (en) * 2007-06-29 2009-01-01 Fuji Xerox Co., Ltd. Efficient tracking multiple objects through occlusion
CN104094279A (zh) * 2014-04-30 2014-10-08 中国科学院自动化研究所 大范围优先的跨摄像机视觉目标再识别方法
CN106525024A (zh) * 2016-11-03 2017-03-22 广东欧珀移动通信有限公司 一种移动终端的提示方法、装置及移动终端
CN106570147A (zh) * 2016-10-27 2017-04-19 武汉烽火众智数字技术有限责任公司 一种基于gis路网分析的跳跃式视频追踪方法和系统
CN107490371A (zh) * 2017-07-19 2017-12-19 广州贰拾肆机器人科技有限公司 智能设备行走路径选择方法、智能设备及存储介质
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
US20190250624A1 (en) * 2018-02-15 2019-08-15 Wipro Limited Method and system for real-time generation of reference navigation path for navigation of vehicle
CN110285817A (zh) * 2019-07-12 2019-09-27 东北电力大学 基于自适应d-s证据理论的复杂路网地图匹配方法
CN110796040A (zh) * 2019-10-15 2020-02-14 武汉大学 一种基于多元空间轨迹关联的行人身份识别方法
CN111310524A (zh) * 2018-12-12 2020-06-19 浙江宇视科技有限公司 多视频关联方法及装置
CN111612043A (zh) * 2020-04-27 2020-09-01 腾讯科技（深圳）有限公司 道路场景匹配方法、装置及存储介质
CN112101170A (zh) * 2020-09-08 2020-12-18 平安科技（深圳）有限公司 目标定位方法、装置、计算机设备及存储介质

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090002489A1 (en) * 2007-06-29 2009-01-01 Fuji Xerox Co., Ltd. Efficient tracking multiple objects through occlusion
CN104094279A (zh) * 2014-04-30 2014-10-08 中国科学院自动化研究所 大范围优先的跨摄像机视觉目标再识别方法
CN106570147A (zh) * 2016-10-27 2017-04-19 武汉烽火众智数字技术有限责任公司 一种基于gis路网分析的跳跃式视频追踪方法和系统
CN106525024A (zh) * 2016-11-03 2017-03-22 广东欧珀移动通信有限公司 一种移动终端的提示方法、装置及移动终端
CN107490371A (zh) * 2017-07-19 2017-12-19 广州贰拾肆机器人科技有限公司 智能设备行走路径选择方法、智能设备及存储介质
US20190250624A1 (en) * 2018-02-15 2019-08-15 Wipro Limited Method and system for real-time generation of reference navigation path for navigation of vehicle
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
CN111310524A (zh) * 2018-12-12 2020-06-19 浙江宇视科技有限公司 多视频关联方法及装置
CN110285817A (zh) * 2019-07-12 2019-09-27 东北电力大学 基于自适应d-s证据理论的复杂路网地图匹配方法
CN110796040A (zh) * 2019-10-15 2020-02-14 武汉大学 一种基于多元空间轨迹关联的行人身份识别方法
CN111612043A (zh) * 2020-04-27 2020-09-01 腾讯科技（深圳）有限公司 道路场景匹配方法、装置及存储介质
CN112101170A (zh) * 2020-09-08 2020-12-18 平安科技（深圳）有限公司 目标定位方法、装置、计算机设备及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113221800A (zh) * 2021-05-24 2021-08-06 珠海大横琴科技发展有限公司 一种待检测目标的监控判断方法及系统

Also Published As

Publication number Publication date
CN112541457B (zh) 2021-10-26

Similar Documents

Publication Publication Date Title
CN108766031B (zh) 一种检测车道障碍物的方法和装置
CN113276874B (zh) 一种车辆行驶轨迹处理方法及相关装置
CN108898520B (zh) 基于轨迹数据的学生安全监控方法和系统
US11403947B2 (en) Systems and methods for identifying available parking spaces using connected vehicles
US20210256848A1 (en) Moving body tracking system, moving body tracking method, and program
KR101678004B1 (ko) 노드-링크 기반 카메라 네트워크 통합 감시 시스템 및 감시 방법
CN112507953A (zh) 一种目标搜索及追踪方法和装置及设备
CN113744310A (zh) 目标跟踪方法、装置、电子设备及可读存储介质
CN112541457B (zh) 一种监控节点的搜索方法及相关装置
CN115294169A (zh) 一种车辆追踪方法、装置、电子设备及存储介质
CN114360261B (zh) 车辆逆行的识别方法、装置、大数据分析平台和介质
Wang et al. A semi-automatic video labeling tool for autonomous driving based on multi-object detector and tracker
CN111695627A (zh) 路况检测方法、装置、电子设备及可读存储介质
CN111524350A (zh) 车路协同异常行驶状况检测方法、系统、终端设备及介质
KR20170095599A (ko) 동영상 검색 시스템 및 그 방법
CN109446437B (zh) 信息挖掘方法、装置、服务器及存储介质
US11499833B2 (en) Inferring lane boundaries via high speed vehicle telemetry
CN115908498B (zh) 一种基于类别最优匹配的多目标跟踪方法及装置
CN112488069B (zh) 一种目标搜索方法和装置及设备
CN113380046B (zh) 基于固定线路识别车辆行驶状态的方法、装置及电子设备
CN114550028A (zh) 车辆的任务进度获取方法、电子设备、介质及产品
CN109740518B (zh) 一种视频中对象的确定方法及装置
Nguyen et al. PreActo: Efficient Cross-Camera Object Tracking System in Video Analytics Edge Computing
KR20170045061A (ko) 차량데이터를 이용한 경로 안내 장치 및 그 방법
CN116543356B (zh) 一种轨迹确定方法、设备及介质

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
GR01 Patent grant
GR01 Patent grant