CN112819859A - 一种应用于智慧安防的多目标跟踪方法及装置 - Google Patents
一种应用于智慧安防的多目标跟踪方法及装置 Download PDFInfo
- Publication number
- CN112819859A CN112819859A CN202110144211.2A CN202110144211A CN112819859A CN 112819859 A CN112819859 A CN 112819859A CN 202110144211 A CN202110144211 A CN 202110144211A CN 112819859 A CN112819859 A CN 112819859A
- Authority
- CN
- China
- Prior art keywords
- target
- preset
- information
- image
- security
- 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
Links
Images
Classifications
-
- 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
- G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Closed-Circuit Television Systems (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种应用于智慧安防的多目标跟踪方法、装置、计算机设备和存储介质。所述方法包括:根据目标图像帧中携带的时间戳信息,对各个目标图像帧进行图像融合,得到多个目标对象的目标跟踪轨迹。因此,采用本申请实施例,由于引入了能够精准地区分不同目标对象的第一标识,并采用多种方法对多个图像帧中的多个目标对象进行精准目标识别,以保证得到的对应于不同目标对象的各个图像帧集合是精准的,且有明显区分度的,因此,最终得到的多个目标对象的目标跟踪轨迹是精准的。此外,接收到的目标用户的触控指令中携带有目标跟踪对象信息和目标跟踪区域信息,这样,使得最终得到的多个目标对象的目标跟踪轨迹能够灵活地实现与目标用户的互动,提高了用户体验度。
Description
技术领域
本发明涉及人工智能技术领域,特别涉及一种应用于智慧安防的多目标跟踪方法及装置。
背景技术
随着摄像头的普及,可以通过摄像头对多目标进行跟踪,并将多目标跟踪技术应用于智慧安防领域中。现有的多目标跟踪方法主要包括以下步骤:目标检测、目标识别以及数据关联。通过目标检测,能够精准地对每帧图片中的所有目标对象的位置进行定位。目标识别是精准地识别出每帧图片中的所有目标对象所属的类别。数据关联是在多帧图像之间把同一目标对象进行关联,从而实现对同一目标对象的连续跟踪,最终得到同一目标对象的连续跟踪轨迹。因此,现有的多目标跟踪方法往往依赖于现有的目标检测结果以及目标识别结果。
但是,对于目标检测来说,若某一帧图片中包括众多行人,并且各个行人之间还存在遮挡现象,则很难从众多行人中精准地检测到目标行人,并框出该目标行人的检测框。现有的目标识别方法往往不够精准,无法精准地从某一帧图片中识别出目标对象所属类型。此外,传统的数据关联算法往往依赖上述目标对象的检测结果和目标对象的识别结果,因此,现有的多目标跟踪结果往往是不准确的。
发明内容
本发明实施例的目的在于提供一种应用于智慧安防的多目标跟踪方法、装置、计算机设备和存储介质,以解决上述技术问题。
第一方面,本申请实施例提供了一种应用于智慧安防的多目标跟踪方法,所述方法包括:
获取用于对预设区域进行安防的监控视频;
对所述监控视频进行图像提取,得到多个图像帧,所述图像帧中携带有每一个目标对象对应的标识,所述标识包括用于区分不同目标对象的第一标识、用于标识任意一个目标对象当前所处区域的第二标识和用于标识各个图像帧时序的第三标识;
对所述多个图像帧中的多个目标对象进行目标识别,得到对应于不同目标对象的各个图像帧集合;
接收目标用户的触控指令,所述触控指令中携带有目标跟踪对象信息和目标跟踪区域信息,所述目标跟踪区域信息用于在与所述预设区域对应的电子地图上标识出跟踪所述目标跟踪对象的目标跟踪区域;
根据所述触控指令中携带的所述目标跟踪对象信息和所述目标跟踪区域信息,从对应于不同目标对象的各个图像帧集合中确定出待进行图像融合的各个目标图像帧,所述目标图像帧中携带有时间戳信息;
根据所述目标图像帧中携带的所述时间戳信息,对各个目标图像帧进行图像融合,得到多个目标对象的目标跟踪轨迹。
在一种实施方式中,所述对所述多个图像帧中的多个目标对象进行目标识别包括:
根据目标对象类型预估模型,预估所述多个图像帧中包括的多个目标对象的类型对应的预估概率;
若任意一种类型的目标对象对应的预估概率大于或者等于预设概率阈值,则判断出当前目标对象的类型为预估类型;
根据所述预估类型预先配置的进行目标特征提取的多个目标特征参数,对当前目标对象进行目标特征提取,提取出对应的多个目标特征;
分别比对多个目标特征,得到比对结果,并根据所述比对结果判断所述多个图像帧中的目标对象是否为同一个目标对象,若所述比对结果中的任意一个目标对象的多个目标特征之间的误差均在对应的预设误差阈值范围内,则判断出多个图像帧中的该目标对象为同一个目标对象,否则,则判断出多个图像帧中的该目标对象不是同一个目标对象。
在一种实施方式中,所述方法还包括:
获取所述多个图像帧中包括的至少一种预估类型;
为每一种预估类型配置预进行目标特征提取的多个目标特征参数。
在一种实施方式中,所述方法还包括:
为每一种预估类型与对应的多个目标特征参数之间建立一一对应的映射关系。
在一种实施方式中,所述对所述多个图像帧中的多个目标对象进行目标识别包括:
提取不同类型的目标训练样本的各级特征向量,并将不同类型的目标训练样本的各级特征向量作为比对模板;
对所述多个图像帧进行目标对象特征提取,得到待识别的目标对象的各级特征向量;
将待识别的目标对象的各级特征向量与所述比对模板中的任意一种类型的目标训练样本的各级特征向量进行比对,得到比对结果;
根据所述比对结果判断所述待识别的目标对象所属的类型,若根据所述比对结果判断出所述待识别的目标对象的各级特征向量与所述对比模板中的任意一种类型的目标训练样本的各个特征向量之间的误差在预设阈值范围内,则判断出所述待识别的目标对象的所属类型。
在一种实施方式中,所述获取用于对预设区域进行安防的监控视频包括:
将所述预设区域划分为不同的预设子区域,各个预设子区域具有对应的至少包括安防等级信息的安防信息;
根据所述安防信息,为各个预设子区域的不同预设位置安装对应数量的监控装置;
间隔预设时间间隔,周期性地采集各个监控装置拍摄的监控视频。
在一种实施方式中,所述根据所述安防信息,为各个预设子区域的不同预设位置安装对应数量的监控装置包括:
若所述安防信息中的所述安防等级信息显示当前安防等级处于第一安防等级,则为各个预设子区域的不同预设位置安装与所述第一安防等级匹配的第一预设数量、且具有第一密集度的监控装置;或者,
若所述安防信息中的所述安防等级信息显示当前安防等级处于第二安防等级,则为各个预设子区域的不同预设位置安装于所述第二安防等级匹配的第二预设数量、且具有第二密集度的监控装置;或者,
若所述安防信息中的所述安防等级信息显示当前安防等级处于第三安防等级,则为各个预设子区域的不同预设位置安装于所述第三安防等级匹配的第三预设数量、且具有第三密集度的监控装置,其中,所述第一安防等级高于所述第二安防等级,所述第二安防等级高于第三安防等级,所述第一预设数量大于所述第二预设数量、所述第二预设数量大于所述第三预设数量,所述第一密集度高于所述第二密集度,所述第二密集度高于所述第三密集度。
第二方面,本申请实施例提供了一种应用于智慧安防的多目标跟踪装置,所述装置包括:
获取模块,用于获取用于对预设区域进行安防的监控视频;
图像提取模块,用于对所述获取模块获取的所述监控视频进行图像提取,得到多个图像帧,所述图像帧中携带有每一个目标对象对应的标识,所述标识包括用于区分不同目标对象的第一标识、用于标识任意一个目标对象当前所处区域的第二标识和用于标识各个图像帧时序的第三标识;
目标识别模块,用于对对所述图像提取模块提取的所述多个图像帧中的多个目标对象进行目标识别,得到对应于不同目标对象的各个图像帧集合;
接收模块,用于接收目标用户的触控指令,所述触控指令中携带有目标跟踪对象信息和目标跟踪区域信息,所述目标跟踪区域信息用于在与所述预设区域对应的电子地图上标识出跟踪所述目标跟踪对象的目标跟踪区域;
确定模块,用于根据所述接收模块接收的所述触控指令中携带的所述目标跟踪对象信息和所述目标跟踪区域信息,从对应于不同目标对象的各个图像帧集合中确定出待进行图像融合的各个目标图像帧,所述目标图像帧中携带有时间戳信息;
图像融合模块,用于根据所述确定模块确定出的所述目标图像帧中携带的所述时间戳信息,对各个目标图像帧进行图像融合,得到多个目标对象的目标跟踪轨迹。
第三方面,本申请实施例提供一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行上述的方法步骤。
第四方面,本申请实施例提供一种存储有计算机可读指令的存储介质,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行上述的方法步骤。
本申请实施例提供的技术方案可以包括以下有益效果:
在本申请实施例中,获取用于对预设区域进行安防的监控视频;对监控视频进行图像提取,得到多个图像帧,图像帧中携带有每一个目标对象对应的标识,标识包括用于区分不同目标对象的第一标识、用于标识任意一个目标对象当前所处区域的第二标识和用于标识各个图像帧时序的第三标识;对多个图像帧中的多个目标对象进行目标识别,得到对应于不同目标对象的各个图像帧集合;接收目标用户的触控指令,触控指令中携带有目标跟踪对象信息和目标跟踪区域信息,目标跟踪区域信息用于在与预设区域对应的电子地图上标识出跟踪目标跟踪对象的目标跟踪区域;根据触控指令中携带的目标跟踪对象信息和目标跟踪区域信息,从对应于不同目标对象的各个图像帧集合中确定出待进行图像融合的各个目标图像帧,目标图像帧中携带有时间戳信息;根据目标图像帧中携带的时间戳信息,对各个目标图像帧进行图像融合,得到多个目标对象的目标跟踪轨迹。因此,采用本申请实施例,由于引入了能够精准地区分不同目标对象的第一标识,并采用多种方法对多个图像帧中的多个目标对象进行精准目标识别,以保证得到的对应于不同目标对象的各个图像帧集合是精准的,且有明显区分度的,因此,最终得到的多个目标对象的目标跟踪轨迹是精准的。此外,接收到的目标用户的触控指令中携带有目标跟踪对象信息和目标跟踪区域信息,这样,使得最终得到的多个目标对象的目标跟踪轨迹能够灵活地实现与目标用户的互动,提高了用户体验度。应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1为一个实施例中提供的一种应用于智慧安防的多目标跟踪方法的实施环境图;
图2为一个实施例中计算机设备的内部结构框图;
图3是本公开实施例提供的一种应用于智慧安防的多目标跟踪方法的流程示意图;
图4是本公开实施例提供的一种应用于智慧安防的多目标跟踪装置的结构示意图。
具体实施方式
以下描述和附图充分地示出本发明的具体实施方案,以使本领域的技术人员能够实践它们。
应当明确,所描述的实施例仅仅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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
下面结合附图详细说明本公开的可选实施例。
图1为一个实施例中提供的一种应用于智慧安防的多目标跟踪方法的实施环境图,如图1所示,在该实施环境中,包括计算机设备110以及终端120。
需要说明的是,终端120以及计算机设备110可为智能手机、平板电脑、笔记本电脑、台式计算机等,但并不局限于此。计算机设备110以及终端110可以通过蓝牙、USB(Universal Serial Bus,通用串行总线)或者其他通讯连接方式进行连接,本发明在此不做限制。
图2为一个实施例中计算机设备的内部结构示意图。如图2所示,该计算机设备包括通过系统总线连接的处理器、非易失性存储介质、存储器和网络接口。其中,该计算机设备的非易失性存储介质存储有操作系统、数据库和计算机可读指令,数据库中可存储有控件信息序列,该计算机可读指令被处理器执行时,可使得处理器实现一种区块节点数据的处理方法。该计算机设备的处理器用于提供计算和控制能力,支撑整个计算机设备的运行。该计算机设备的存储器中可存储有计算机可读指令,该计算机可读指令被处理器执行时,可使得处理器执行一种应用于智慧安防的多目标跟踪方法。该计算机设备的网络接口用于与终端连接通信。本领域技术人员可以理解,图2中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备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。
如图3所示,本公开实施例提供一种应用于智慧安防的多目标跟踪方法,该应用于智慧安防的多目标跟踪方法具体包括以下方法步骤:
S301:获取用于对预设区域进行安防的监控视频。
在本申请实施例中,获取用于对预设区域进行安防的监控视频包括以下步骤:
将预设区域划分为不同的预设子区域,各个预设子区域具有对应的至少包括安防等级信息的安防信息;
根据安防信息,为各个预设子区域的不同预设位置安装对应数量的监控装置;
间隔预设时间间隔,周期性地采集各个监控装置拍摄的监控视频。
在一种可能的实现方式中,根据安防信息,为各个预设子区域的不同预设位置安装对应数量的监控装置包括以下步骤:
若安防信息中的安防等级信息显示当前安防等级处于第一安防等级,则为各个预设子区域的不同预设位置安装与第一安防等级匹配的第一预设数量、且具有第一密集度的监控装置;或者,
若安防信息中的安防等级信息显示当前安防等级处于第二安防等级,则为各个预设子区域的不同预设位置安装于第二安防等级匹配的第二预设数量、且具有第二密集度的监控装置;或者,
若安防信息中的安防等级信息显示当前安防等级处于第三安防等级,则为各个预设子区域的不同预设位置安装于第三安防等级匹配的第三预设数量、且具有第三密集度的监控装置,其中,第一安防等级高于第二安防等级,第二安防等级高于第三安防等级,第一预设数量大于第二预设数量、第二预设数量大于第三预设数量,第一密集度高于第二密集度,第二密集度高于第三密集度。
在此设置了三个安防等级,还可以根据不同应用场景的需求,对安防等级的等级数量进行增加或减少,在此对安防等级的等级数量不做具体限制。
在实际应用场景中,当前安防等级越高,需要在各个预设子区域的不同预设位置安装的监控装置的数量往往越多,而且安装的各个监控装置也越密集;这样,以保证预设区域下的各个预设子区域的当前安防等级均符合预设的安防等级,反之亦然,在此不再赘述。
S302:对监控视频进行图像提取,得到多个图像帧,图像帧中携带有每一个目标对象对应的标识,标识包括用于区分不同目标对象的第一标识、用于标识任意一个目标对象当前所处区域的第二标识和用于标识各个图像帧时序的第三标识。
S303:对多个图像帧中的多个目标对象进行目标识别,得到对应于不同目标对象的各个图像帧集合。
在一种可能的实现方式中,对多个图像帧中的多个目标对象进行目标识别包括以下步骤:
根据目标对象类型预估模型,预估多个图像帧中包括的多个目标对象的类型对应的预估概率;
若任意一种类型的目标对象对应的预估概率大于或者等于预设概率阈值,则判断出当前目标对象的类型为预估类型;
根据预估类型预先配置的进行目标特征提取的多个目标特征参数,对当前目标对象进行目标特征提取,提取出对应的多个目标特征;
分别比对多个目标特征,得到比对结果,并根据比对结果判断多个图像帧中的目标对象是否为同一个目标对象,若比对结果中的任意一个目标对象的多个目标特征之间的误差均在对应的预设误差阈值范围内,则判断出多个图像帧中的该目标对象为同一个目标对象,否则,则判断出多个图像帧中的该目标对象不是同一个目标对象。
具体地,若预估类型为监控视频中的行人时,首先提取目标行人的一些目标特征参数,例如,行人的姿态特征参数、行人的面部特征参数、行人的服饰特征参数、行人的配饰特征参数等。然后再对这些特征在感兴趣区域中分别选取一个兴趣点或特征点,称为核心点。对感兴趣区域中的各点与核心点的灰度值进行比较,若感兴趣区域内的像素灰度与感兴趣区域核心的像素灰度差值小于给定的门限,则认为该点与核心点是同值的或相似的,由满足这样条件的像素组成的区域称为特征区。
特征区的大小或特征参数的数目将由定义的计算公式n(ro)来计算,同时给出产生边缘响应图像的计算公式n(r0),由此公式检测出初始边缘特征响应,得到初始边缘响应后用特征重心及对称最长轴来确定局部边缘方向,在局部边缘垂直方向上取初始响应的局部极大值点的位置为边缘点,并进行细化、平滑,连接间断边缘点、消除假边缘点和边缘小分枝等处理,获得单一、连续、平滑的边缘输出。同时,由不同的目标响应结果,得出边缘、角点、拐点等特征,由定义的方向及各像素的位置,进而得出这些特征本身的特征参数,如均值、方差、位置以及到目标中心的距离等。
利用小波变换法,进行目标的特征提取。
对图像p(x,y)进行处理,实施算法为Wj,k=<ψj,k(t),p(x,y)>,就是对图像p(x,y)的能量特征进行分解、提取。由小波的分解计算知,第i级图像能量特征是由第i级小波分解系数计算出来的,反映图像在尺度2-i不同方向和不同位置的能量特征。图像经过n级二维离散小波变换后,在各级分别得到水平方向(Hi)、垂直方向(Vi)和对角线方向(Di)上的细节图像,其中,i=1,2,…,n。设第i级小波变换在各方向上细节图像大小为M×N,在对应方向上的第i级小波能量定义如下:
正如上述公式所示,Ei,h、Ei,v、Ei,d反映了目标图像的特征在各个方向上的边缘强度信息。正如上述三个公式1至公式3所示,反映了在第i级小波分解下,这些基本特征在各个方向上的强度信息由于非振荡信号的小波系数会随着小波分解级数的增加而增加,而振荡信号在较高小波分解级的系数却远小于与其振荡频率相对应的非振荡信号的小波分解级的系数,因此,经过n级小波变换后,由各级能量组成的目标特征向量为
V′=(E1,h,E1,v,E1,d,E2,h,E2,v,E2,d,…,En,h,En,v,En,d) 公式4;
然后对V′进行归一化处理:
若设第i级目标能量特征Vi为Vi=(Vi,h,Vi,v,Vi,d),那么可得目标的综合特征为V=(V1,V2,…,Vn)公式6。
由上述公式6可知,目标的能量特征V是由各级目标能量特征组合而成的,因此,反映了目标图像不同方向、不同位置、不同分辨率的细节目标特征。通过小波对图像不同水平的分解,得到图像目标的各级能量特征。
本申请实施例提供的多目标跟踪方法还包括以下步骤:
获取多个图像帧中包括的至少一种预估类型;
为每一种预估类型配置预进行目标特征提取的多个目标特征参数。
具体地,若预估类型为行人时,则为行人配置预进行目标特征提取的多个目标特征参数可以为:行人的姿态特征参数、行人的面部特征参数、行人的服饰特征参数、行人的配饰特征参数等,其中,行人的面部特征参数可以包括五官特征参数,例如,眼睛大小以及眼睛形状特征参数等,在此不再赘述。
本申请实施例提供的多目标跟踪方法还包括以下步骤:为每一种预估类型与对应的多个目标特征参数之间建立一一对应的映射关系;这样,便于根据预先配置的多个目标特征参数,更好地识别出与上述这些目标特征参数对应的预估类型。此外,还可以进一步地随着采集到的训练样本的增加,在原有的多个目标特征参数中引入新的目标特征参数,以使得预估出的预估类型更加精准,使得预估类型与真实类型更加符合。
在一种可能的实现方式中,对多个图像帧中的多个目标对象进行目标识别包括以下步骤:
提取不同类型的目标训练样本的各级特征向量,并将不同类型的目标训练样本的各级特征向量作为比对模板;
对多个图像帧进行目标对象特征提取,得到待识别的目标对象的各级特征向量;
将待识别的目标对象的各级特征向量与比对模板中的任意一种类型的目标训练样本的各级特征向量进行比对,得到比对结果;
根据比对结果判断待识别的目标对象所属的类型,若根据比对结果判断出待识别的目标对象的各级特征向量与对比模板中的任意一种类型的目标训练样本的各个特征向量之间的误差在预设阈值范围内,则判断出待识别的目标对象的所属类型。
S304:接收目标用户的触控指令,触控指令中携带有目标跟踪对象信息和目标跟踪区域信息,目标跟踪区域信息用于在与预设区域对应的电子地图上标识出跟踪目标跟踪对象的目标跟踪区域;
S305:根据触控指令中携带的目标跟踪对象信息和目标跟踪区域信息,从对应于不同目标对象的各个图像帧集合中确定出待进行图像融合的各个目标图像帧,目标图像帧中携带有时间戳信息;
S306:根据目标图像帧中携带的时间戳信息,对各个目标图像帧进行图像融合,得到多个目标对象的目标跟踪轨迹。
在本公开实施例中,获取用于对预设区域进行安防的监控视频;对监控视频进行图像提取,得到多个图像帧,图像帧中携带有每一个目标对象对应的标识,标识包括用于区分不同目标对象的第一标识、用于标识任意一个目标对象当前所处区域的第二标识和用于标识各个图像帧时序的第三标识;对多个图像帧中的多个目标对象进行目标识别,得到对应于不同目标对象的各个图像帧集合;接收目标用户的触控指令,触控指令中携带有目标跟踪对象信息和目标跟踪区域信息,目标跟踪区域信息用于在与预设区域对应的电子地图上标识出跟踪目标跟踪对象的目标跟踪区域;根据触控指令中携带的目标跟踪对象信息和目标跟踪区域信息,从对应于不同目标对象的各个图像帧集合中确定出待进行图像融合的各个目标图像帧,目标图像帧中携带有时间戳信息;根据目标图像帧中携带的时间戳信息,对各个目标图像帧进行图像融合,得到多个目标对象的目标跟踪轨迹。因此,采用本申请实施例,由于引入了能够精准地区分不同目标对象的第一标识,并采用多种方法对多个图像帧中的多个目标对象进行精准目标识别,以保证得到的对应于不同目标对象的各个图像帧集合是精准的,且有明显区分度的,因此,最终得到的多个目标对象的目标跟踪轨迹是精准的。此外,接收到的目标用户的触控指令中携带有目标跟踪对象信息和目标跟踪区域信息,这样,使得最终得到的多个目标对象的目标跟踪轨迹能够灵活地实现与目标用户的互动,提高了用户体验度。下述为本发明应用于智慧安防的多目标跟踪装置实施例,可以用于执行本发明应用于智慧安防的多目标跟踪方法实施例。对于本发明应用于智慧安防的多目标跟踪装置实施例中未披露的细节,请参照本发明应用于智慧安防的多目标跟踪方法实施例。
请参见图4,其示出了本发明一个示例性实施例提供的应用于智慧安防的多目标跟踪装置的结构示意图。该应用于智慧安防的多目标跟踪装置可以通过软件、硬件或者两者的结合实现成为终端的全部或一部分。该应用于智慧安防的多目标跟踪装置包括获取模块401、图像提取模块402、目标识别模块403、接收模块404、确定模块405和图像融合模块406。
具体而言,获取模块401,用于获取用于对预设区域进行安防的监控视频;
图像提取模块402,用于对获取模块401获取的监控视频进行图像提取,得到多个图像帧,图像帧中携带有每一个目标对象对应的标识,标识包括用于区分不同目标对象的第一标识、用于标识任意一个目标对象当前所处区域的第二标识和用于标识各个图像帧时序的第三标识;
目标识别模块403,用于对对图像提取模块402提取的多个图像帧中的多个目标对象进行目标识别,得到对应于不同目标对象的各个图像帧集合;
接收模块404,用于接收目标用户的触控指令,触控指令中携带有目标跟踪对象信息和目标跟踪区域信息,目标跟踪区域信息用于在与预设区域对应的电子地图上标识出跟踪目标跟踪对象的目标跟踪区域;
确定模块405,用于根据接收模块404接收的触控指令中携带的目标跟踪对象信息和目标跟踪区域信息,从对应于不同目标对象的各个图像帧集合中确定出待进行图像融合的各个目标图像帧,目标图像帧中携带有时间戳信息;
图像融合模块406,用于根据确定模块405确定出的目标图像帧中携带的时间戳信息,对各个目标图像帧进行图像融合,得到多个目标对象的目标跟踪轨迹。
可选的,目标识别模块403具体用于:
根据目标对象类型预估模型,预估多个图像帧中包括的多个目标对象的类型对应的预估概率;
若任意一种类型的目标对象对应的预估概率大于或者等于预设概率阈值,则判断出当前目标对象的类型为预估类型;
根据预估类型预先配置的进行目标特征提取的多个目标特征参数,对当前目标对象进行目标特征提取,提取出对应的多个目标特征;
分别比对多个目标特征,得到比对结果,并根据比对结果判断多个图像帧中的目标对象是否为同一个目标对象,若比对结果中的任意一个目标对象的多个目标特征之间的误差均在对应的预设误差阈值范围内,则判断出多个图像帧中的该目标对象为同一个目标对象,否则,则判断出多个图像帧中的该目标对象不是同一个目标对象。
可选的,获取模块401还用于:获取多个图像帧中包括的至少一种预估类型;
配置模块(在图4中未示出),用于为获取模块401获取的每一种预估类型配置预进行目标特征提取的多个目标特征参数。
可选的,所述装置还包括:
映射关系建立模块(在图4中未示出),用于为获取模块401获取的每一种预估类型与配置模块配置的对应的多个目标特征参数之间建立一一对应的映射关系。
可选的,目标识别模块403具体用于:
提取不同类型的目标训练样本的各级特征向量,并将不同类型的目标训练样本的各级特征向量作为比对模板;
对多个图像帧进行目标对象特征提取,得到待识别的目标对象的各级特征向量;
将待识别的目标对象的各级特征向量与比对模板中的任意一种类型的目标训练样本的各级特征向量进行比对,得到比对结果;
根据比对结果判断待识别的目标对象所属的类型,若根据比对结果判断出待识别的目标对象的各级特征向量与对比模板中的任意一种类型的目标训练样本的各个特征向量之间的误差在预设阈值范围内,则判断出待识别的目标对象的所属类型。
可选的,所述装置还包括:
划分模块(在图4中未示出),用于将预设区域划分为不同的预设子区域,各个预设子区域具有对应的至少包括安防等级信息的安防信息;
安装模块(在图4中未示出),用于根据划分模块划分出的各个预设子区域具有的安防信息,为各个预设子区域的不同预设位置安装对应数量的监控装置;
采集模块(在图4中未示出),用于间隔预设时间间隔,周期性地采集各个监控装置拍摄的监控视频。
可选的,安装模块具体用于:
若安防信息中的安防等级信息显示当前安防等级处于第一安防等级,则为各个预设子区域的不同预设位置安装与第一安防等级匹配的第一预设数量、且具有第一密集度的监控装置;或者,
若安防信息中的安防等级信息显示当前安防等级处于第二安防等级,则为各个预设子区域的不同预设位置安装于第二安防等级匹配的第二预设数量、且具有第二密集度的监控装置;或者,
若安防信息中的安防等级信息显示当前安防等级处于第三安防等级,则为各个预设子区域的不同预设位置安装于第三安防等级匹配的第三预设数量、且具有第三密集度的监控装置,其中,第一安防等级高于第二安防等级,第二安防等级高于第三安防等级,第一预设数量大于第二预设数量、第二预设数量大于第三预设数量,第一密集度高于第二密集度,第二密集度高于第三密集度。
需要说明的是,上述实施例提供的应用于智慧安防的多目标跟踪装置在执行应用于智慧安防的多目标跟踪方法时,仅以上述各功能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模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的应用于智慧安防的多目标跟踪装置与应用于智慧安防的多目标跟踪方法实施例属于同一构思,其体现实现过程详见应用于智慧安防的多目标跟踪方法实施例,这里不再赘述。
在本公开实施例中,确定模块用于根据接收模块接收的触控指令中携带的目标跟踪对象信息和目标跟踪区域信息,从对应于不同目标对象的各个图像帧集合中确定出待进行图像融合的各个目标图像帧,目标图像帧中携带有时间戳信息;以及图像融合模块用于根据确定模块确定出的目标图像帧中携带的时间戳信息,对各个目标图像帧进行图像融合,得到多个目标对象的目标跟踪轨迹。因此,采用本申请实施例,由于引入了能够精准地区分不同目标对象的第一标识,并采用多种方法对多个图像帧中的多个目标对象进行精准目标识别,以保证得到的对应于不同目标对象的各个图像帧集合是精准的,且有明显区分度的,因此,最终得到的多个目标对象的目标跟踪轨迹是精准的。此外,接收到的目标用户的触控指令中携带有目标跟踪对象信息和目标跟踪区域信息,这样,使得最终得到的多个目标对象的目标跟踪轨迹能够灵活地实现与目标用户的互动,提高了用户体验度。
在一个实施例中,提出了一种计算机设备,计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:获取用于对预设区域进行安防的监控视频;对监控视频进行图像提取,得到多个图像帧,图像帧中携带有每一个目标对象对应的标识,标识包括用于区分不同目标对象的第一标识、用于标识任意一个目标对象当前所处区域的第二标识和用于标识各个图像帧时序的第三标识;根据多个图像帧携带的每一个目标对象对应的第一标识,对多个图像帧中的多个目标对象进行目标识别,得到对应于不同目标对象的各个图像帧集合;接收目标用户的触控指令,触控指令中携带有目标跟踪对象信息和目标跟踪区域信息,目标跟踪区域信息用于在与预设区域对应的电子地图上标识出跟踪目标跟踪对象的目标跟踪区域;根据触控指令中携带的目标跟踪对象信息和目标跟踪区域信息,从对应于不同目标对象的各个图像帧集合中确定出待进行图像融合的各个目标图像帧,目标图像帧中携带有时间戳信息;根据目标图像帧中携带的时间戳信息,对各个目标图像帧进行图像融合,得到多个目标对象的目标跟踪轨迹。
在一个实施例中,提出了一种存储有计算机可读指令的存储介质,该计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行以下步骤:获取用于对预设区域进行安防的监控视频;对监控视频进行图像提取,得到多个图像帧,图像帧中携带有每一个目标对象对应的标识,标识包括用于区分不同目标对象的第一标识、用于标识任意一个目标对象当前所处区域的第二标识和用于标识各个图像帧时序的第三标识;根据多个图像帧携带的每一个目标对象对应的第一标识,对多个图像帧中的多个目标对象进行目标识别,得到对应于不同目标对象的各个图像帧集合;接收目标用户的触控指令,触控指令中携带有目标跟踪对象信息和目标跟踪区域信息,目标跟踪区域信息用于在与预设区域对应的电子地图上标识出跟踪目标跟踪对象的目标跟踪区域;根据触控指令中携带的目标跟踪对象信息和目标跟踪区域信息,从对应于不同目标对象的各个图像帧集合中确定出待进行图像融合的各个目标图像帧,目标图像帧中携带有时间戳信息;根据目标图像帧中携带的时间戳信息,对各个目标图像帧进行图像融合,得到多个目标对象的目标跟踪轨迹。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种应用于智慧安防的多目标跟踪方法,其特征在于,所述方法包括:
获取用于对预设区域进行安防的监控视频;
对所述监控视频进行图像提取,得到多个图像帧,所述图像帧中携带有每一个目标对象对应的标识,所述标识包括用于区分不同目标对象的第一标识、用于标识任意一个目标对象当前所处区域的第二标识和用于标识各个图像帧时序的第三标识;
对所述多个图像帧中的多个目标对象进行目标识别,得到对应于不同目标对象的各个图像帧集合;
接收目标用户的触控指令,所述触控指令中携带有目标跟踪对象信息和目标跟踪区域信息,所述目标跟踪区域信息用于在与所述预设区域对应的电子地图上标识出跟踪所述目标跟踪对象的目标跟踪区域;
根据所述触控指令中携带的所述目标跟踪对象信息和所述目标跟踪区域信息,从对应于不同目标对象的各个图像帧集合中确定出待进行图像融合的各个目标图像帧,所述目标图像帧中携带有时间戳信息;
根据所述目标图像帧中携带的所述时间戳信息,对各个目标图像帧进行图像融合,得到多个目标对象的目标跟踪轨迹。
2.根据权利要求1所述的方法,其特征在于,所述对所述多个图像帧中的多个目标对象进行目标识别包括:
根据目标对象类型预估模型,预估所述多个图像帧中包括的多个目标对象的类型对应的预估概率;
若任意一种类型的目标对象对应的预估概率大于或者等于预设概率阈值,则判断出当前目标对象的类型为预估类型;
根据所述预估类型预先配置的进行目标特征提取的多个目标特征参数,对当前目标对象进行目标特征提取,提取出对应的多个目标特征;
分别比对多个目标特征,得到比对结果,并根据所述比对结果判断所述多个图像帧中的目标对象是否为同一个目标对象,若所述比对结果中的任意一个目标对象的多个目标特征之间的误差均在对应的预设误差阈值范围内,则判断出多个图像帧中的该目标对象为同一个目标对象,否则,则判断出多个图像帧中的该目标对象不是同一个目标对象。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
获取所述多个图像帧中包括的至少一种预估类型;
为每一种预估类型配置预进行目标特征提取的多个目标特征参数。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
为每一种预估类型与对应的多个目标特征参数之间建立一一对应的映射关系。
5.根据权利要求1所述的方法,其特征在于,所述对所述多个图像帧中的多个目标对象进行目标识别包括:
提取不同类型的目标训练样本的各级特征向量,并将不同类型的目标训练样本的各级特征向量作为比对模板;
对所述多个图像帧进行目标对象特征提取,得到待识别的目标对象的各级特征向量;
将待识别的目标对象的各级特征向量与所述比对模板中的任意一种类型的目标训练样本的各级特征向量进行比对,得到比对结果;
根据所述比对结果判断所述待识别的目标对象所属的类型,若根据所述比对结果判断出所述待识别的目标对象的各级特征向量与所述对比模板中的任意一种类型的目标训练样本的各个特征向量之间的误差在预设阈值范围内,则判断出所述待识别的目标对象的所属类型。
6.根据权利要求1所述的方法,其特征在于,所述获取用于对预设区域进行安防的监控视频包括:
将所述预设区域划分为不同的预设子区域,各个预设子区域具有对应的至少包括安防等级信息的安防信息;
根据所述安防信息,为各个预设子区域的不同预设位置安装对应数量的监控装置;
间隔预设时间间隔,周期性地采集各个监控装置拍摄的监控视频。
7.根据权利要求6所述的方法,其特征在于,所述根据所述安防信息,为各个预设子区域的不同预设位置安装对应数量的监控装置包括:
若所述安防信息中的所述安防等级信息显示当前安防等级处于第一安防等级,则为各个预设子区域的不同预设位置安装与所述第一安防等级匹配的第一预设数量、且具有第一密集度的监控装置;或者,
若所述安防信息中的所述安防等级信息显示当前安防等级处于第二安防等级,则为各个预设子区域的不同预设位置安装于所述第二安防等级匹配的第二预设数量、且具有第二密集度的监控装置;或者,
若所述安防信息中的所述安防等级信息显示当前安防等级处于第三安防等级,则为各个预设子区域的不同预设位置安装于所述第三安防等级匹配的第三预设数量、且具有第三密集度的监控装置,其中,所述第一安防等级高于所述第二安防等级,所述第二安防等级高于第三安防等级,所述第一预设数量大于所述第二预设数量、所述第二预设数量大于所述第三预设数量,所述第一密集度高于所述第二密集度,所述第二密集度高于所述第三密集度。
8.一种应用于智慧安防的多目标跟踪装置,其特征在于,所述装置包括:
获取模块,用于获取用于对预设区域进行安防的监控视频;
图像提取模块,用于对所述获取模块获取的所述监控视频进行图像提取,得到多个图像帧,所述图像帧中携带有每一个目标对象对应的标识,所述标识包括用于区分不同目标对象的第一标识、用于标识任意一个目标对象当前所处区域的第二标识和用于标识各个图像帧时序的第三标识;
目标识别模块,用于对所述图像提取模块提取的所述多个图像帧中的多个目标对象进行目标识别,得到对应于不同目标对象的各个图像帧集合;
接收模块,用于接收目标用户的触控指令,所述触控指令中携带有目标跟踪对象信息和目标跟踪区域信息,所述目标跟踪区域信息用于在与所述预设区域对应的电子地图上标识出跟踪所述目标跟踪对象的目标跟踪区域;
确定模块,用于根据所述接收模块接收的所述触控指令中携带的所述目标跟踪对象信息和所述目标跟踪区域信息,从对应于不同目标对象的各个图像帧集合中确定出待进行图像融合的各个目标图像帧,所述目标图像帧中携带有时间戳信息;
图像融合模块,用于根据所述确定模块确定出的所述目标图像帧中携带的所述时间戳信息,对各个目标图像帧进行图像融合,得到多个目标对象的目标跟踪轨迹。
9.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行如权利要求1至7中任一项权利要求所述跟踪方法的步骤。
10.一种存储有计算机可读指令的存储介质,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行如权利要求1至7中任一项权利要求所述跟踪方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110144211.2A CN112819859B (zh) | 2021-02-02 | 2021-02-02 | 一种应用于智慧安防的多目标跟踪方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110144211.2A CN112819859B (zh) | 2021-02-02 | 2021-02-02 | 一种应用于智慧安防的多目标跟踪方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112819859A true CN112819859A (zh) | 2021-05-18 |
CN112819859B CN112819859B (zh) | 2023-06-02 |
Family
ID=75860650
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110144211.2A Active CN112819859B (zh) | 2021-02-02 | 2021-02-02 | 一种应用于智慧安防的多目标跟踪方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112819859B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116600194A (zh) * | 2023-05-05 | 2023-08-15 | 深圳市门钥匙科技有限公司 | 一种用于多镜头的切换控制方法及系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180114072A1 (en) * | 2016-10-25 | 2018-04-26 | Vmaxx, Inc. | Vision Based Target Tracking Using Tracklets |
CN108875465A (zh) * | 2017-05-26 | 2018-11-23 | 北京旷视科技有限公司 | 多目标跟踪方法、多目标跟踪装置以及非易失性存储介质 |
CN109800624A (zh) * | 2018-11-27 | 2019-05-24 | 上海眼控科技股份有限公司 | 一种基于行人重识别的多目标跟踪方法 |
CN110473232A (zh) * | 2017-07-14 | 2019-11-19 | 腾讯科技(深圳)有限公司 | 图像识别方法、装置、存储介质及电子设备 |
CN110490902A (zh) * | 2019-08-02 | 2019-11-22 | 西安天和防务技术股份有限公司 | 应用于智慧城市的目标跟踪方法、装置、计算机设备 |
CN110516559A (zh) * | 2019-08-02 | 2019-11-29 | 西安天和防务技术股份有限公司 | 适用于精准监控的目标跟踪方法及装置、计算机设备 |
CN110555867A (zh) * | 2019-09-05 | 2019-12-10 | 杭州立宸科技有限公司 | 一种融合物体捕获识别技术的多目标物体跟踪方法 |
CN111145213A (zh) * | 2019-12-10 | 2020-05-12 | 中国银联股份有限公司 | 一种目标跟踪方法、装置、系统及计算机可读存储介质 |
CN112037262A (zh) * | 2020-09-03 | 2020-12-04 | 珠海大横琴科技发展有限公司 | 一种目标跟踪方法、装置及电子设备 |
CN112070807A (zh) * | 2020-11-11 | 2020-12-11 | 湖北亿咖通科技有限公司 | 多目标跟踪方法和电子装置 |
CN112381092A (zh) * | 2020-11-20 | 2021-02-19 | 深圳力维智联技术有限公司 | 跟踪方法、装置及计算机可读存储介质 |
-
2021
- 2021-02-02 CN CN202110144211.2A patent/CN112819859B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180114072A1 (en) * | 2016-10-25 | 2018-04-26 | Vmaxx, Inc. | Vision Based Target Tracking Using Tracklets |
CN108875465A (zh) * | 2017-05-26 | 2018-11-23 | 北京旷视科技有限公司 | 多目标跟踪方法、多目标跟踪装置以及非易失性存储介质 |
CN110473232A (zh) * | 2017-07-14 | 2019-11-19 | 腾讯科技(深圳)有限公司 | 图像识别方法、装置、存储介质及电子设备 |
CN109800624A (zh) * | 2018-11-27 | 2019-05-24 | 上海眼控科技股份有限公司 | 一种基于行人重识别的多目标跟踪方法 |
CN110490902A (zh) * | 2019-08-02 | 2019-11-22 | 西安天和防务技术股份有限公司 | 应用于智慧城市的目标跟踪方法、装置、计算机设备 |
CN110516559A (zh) * | 2019-08-02 | 2019-11-29 | 西安天和防务技术股份有限公司 | 适用于精准监控的目标跟踪方法及装置、计算机设备 |
CN110555867A (zh) * | 2019-09-05 | 2019-12-10 | 杭州立宸科技有限公司 | 一种融合物体捕获识别技术的多目标物体跟踪方法 |
CN111145213A (zh) * | 2019-12-10 | 2020-05-12 | 中国银联股份有限公司 | 一种目标跟踪方法、装置、系统及计算机可读存储介质 |
CN112037262A (zh) * | 2020-09-03 | 2020-12-04 | 珠海大横琴科技发展有限公司 | 一种目标跟踪方法、装置及电子设备 |
CN112070807A (zh) * | 2020-11-11 | 2020-12-11 | 湖北亿咖通科技有限公司 | 多目标跟踪方法和电子装置 |
CN112381092A (zh) * | 2020-11-20 | 2021-02-19 | 深圳力维智联技术有限公司 | 跟踪方法、装置及计算机可读存储介质 |
Non-Patent Citations (1)
Title |
---|
安国成: ""具有身份标识的多目标跟踪"" * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116600194A (zh) * | 2023-05-05 | 2023-08-15 | 深圳市门钥匙科技有限公司 | 一种用于多镜头的切换控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112819859B (zh) | 2023-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11354901B2 (en) | Activity recognition method and system | |
CN109035304B (zh) | 目标跟踪方法、介质、计算设备和装置 | |
CN110473232B (zh) | 图像识别方法、装置、存储介质及电子设备 | |
US20170213081A1 (en) | Methods and systems for automatically and accurately detecting human bodies in videos and/or images | |
US10096117B2 (en) | Video segmentation method | |
CN110650316A (zh) | 智能巡逻及预警处理方法、装置、电子设备及存储介质 | |
CN105279484A (zh) | 对象检测方法和对象检测装置 | |
CN109035295B (zh) | 多目标跟踪方法、装置、计算机设备和存储介质 | |
CN109116129B (zh) | 终端检测方法、检测设备、系统及存储介质 | |
CN111667001B (zh) | 目标重识别方法、装置、计算机设备和存储介质 | |
CN111723773B (zh) | 遗留物检测方法、装置、电子设备及可读存储介质 | |
CN111382637B (zh) | 行人检测跟踪方法、装置、终端设备及介质 | |
CN111814655B (zh) | 目标重识别方法及其网络训练方法、相关装置 | |
CN111553947A (zh) | 目标对象的定位方法、装置 | |
Yoshinaga et al. | Object detection based on spatiotemporal background models | |
CN109146923B (zh) | 一种目标跟踪丢断帧的处理方法及系统 | |
CN112329851A (zh) | 一种图标检测方法、装置及计算机可读存储介质 | |
CN111429476A (zh) | 确定目标人物行动轨迹的方法和装置 | |
CN112819859B (zh) | 一种应用于智慧安防的多目标跟踪方法及装置 | |
CN112686205B (zh) | 一种参数更新方法及装置、多终端网络架构 | |
CN112733770A (zh) | 一种区域入侵监测方法和装置 | |
KR20230166840A (ko) | 인공지능을 이용한 객체 이동 경로 확인 방법 | |
CN113628251B (zh) | 一种智慧酒店终端监测方法 | |
Ghahremannezhad et al. | Real-time hysteresis foreground detection in video captured by moving cameras | |
Benito-Picazo et al. | Deep learning-based anomalous object detection system powered by microcontroller for ptz cameras |
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 |