CN112822450B - 一种大规模视觉计算系统中有效节点动态遴选方法 - Google Patents
一种大规模视觉计算系统中有效节点动态遴选方法 Download PDFInfo
- Publication number
- CN112822450B CN112822450B CN202110024177.5A CN202110024177A CN112822450B CN 112822450 B CN112822450 B CN 112822450B CN 202110024177 A CN202110024177 A CN 202110024177A CN 112822450 B CN112822450 B CN 112822450B
- Authority
- CN
- China
- Prior art keywords
- end node
- tracked
- target
- coordinate system
- effective
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000000007 visual effect Effects 0.000 title claims abstract description 29
- 238000010187 selection method Methods 0.000 title description 8
- 238000012216 screening Methods 0.000 claims abstract description 77
- 238000000034 method Methods 0.000 claims abstract description 45
- 239000013598 vector Substances 0.000 claims description 109
- 230000003287 optical effect Effects 0.000 claims description 31
- 239000011159 matrix material Substances 0.000 claims description 21
- 238000006243 chemical reaction Methods 0.000 claims description 19
- 238000012544 monitoring process Methods 0.000 abstract description 13
- 239000000463 material Substances 0.000 abstract description 6
- 238000004891 communication Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种大规模视觉计算系统中有效节点动态遴选方法,所述方法包括:获取待追踪目标的空间信息,根据所述待追踪目标的空间信息对前端节点进行筛选,得到初筛前端节点,然后获取所述初筛前端节点的空间信息和技术参数,根据所述待追踪目标的空间信息、所述初筛前端节点的空间信息和技术参数计算待追踪目标和节点之间的距离、高度、位置关系、拍摄角度等多个参数,并按照对应的筛选方法对所述初筛前端节点进行筛选,将筛选出的前端节点作为有效前端节点。本发明可以有效解决现有技术中进行目标追踪任务时需要对视频监控系统中的每个前端节点拍摄的视频进行处理和检索,导致产生大量无效工作,消耗大量人力物力的问题。
Description
技术领域
本发明涉及视频监控领域,尤其涉及的是一种大规模视觉计算系统中有效节点动态遴选方法。
背景技术
目前,大、中城市中已经部署了大量摄像头,规模在数十万级到百万级,用于安防、交通、警务、城管等众多行业中。现有技术中,在基于视频监控系统进行目标追踪任务时需要对每个前端节点拍摄的视频进行处理和检索,由于视频监控系统通常含有海量的前端节点(即前端摄像头),而目标只会在单个摄像头视角内或者少数几个摄像头视角内出现,因此导致产生大量无效工作,消耗大量人力物力。
因此,现有技术还有待改进和发展。
发明内容
本发明要解决的技术问题在于,针对现有技术的上述缺陷,提供一种大规模视觉计算系统中有效节点动态遴选方法,旨在解决现有技术中视频监控系统在进行目标追踪任务时需要对每个前端节点拍摄的视频进行处理和检索,导致产生大量无效工作,消耗大量人力物力的问题。
本发明解决问题所采用的技术方案如下:
第一方面,本发明实施例提供一种大规模视觉计算系统中有效节点动态遴选方法,其中,所述方法包括:
获取待追踪目标的空间信息,根据所述待追踪目标的空间信息对前端节点进行筛选,得到初筛前端节点;
获取所述初筛前端节点的空间信息和技术参数,根据所述待追踪目标的空间信息、所述初筛前端节点的空间信息和技术参数按照筛选方法对所述初筛前端节点进行筛选,将筛选出的前端节点作为有效前端节点。
在一种实施方式中,所述获取待追踪目标的空间信息,根据所述待追踪目标的空间信息对前端节点进行筛选,得到初筛前端节点包括:
获取待追踪目标的空间信息,根据所述待追踪目标的空间信息确定所述待追踪目标所在的最小行政区域;所述待追踪目标的空间信息包括位置信息、姿态信息和运动信息;
获取所述最小行政区域的位置信息,根据所述最小行政区域的位置信息将位于所述最小行政区域之内的前端节点作为初筛前端节点。
在一种实施方式中,所述获取所述初筛前端节点的空间信息和技术参数,根据所述待追踪目标的空间信息、所述初筛前端节点的空间信息和技术参数按照筛选方法对所述初筛前端节点进行筛选,将筛选出的前端节点作为有效前端节点包括:
获取所述初筛前端节点的空间信息,根据所述待追踪目标的空间信息、所述初筛前端节点的空间信息计算所述待追踪目标与所述初筛前端节点之间的距离值;所述初筛前端节点的空间信息包括位置信息和姿态信息;
获取距离阈值,将所述待追踪目标与所述初筛前端节点之间的距离值与所述距离阈值进行比较;
通过距离值小于距离阈值的初筛前端节点,得到有效前端节点。
在一种实施方式中,所述获取所述初筛前端节点的空间信息,根据所述待追踪目标的空间信息、所述初筛前端节点的空间信息计算所述待追踪目标与所述初筛前端节点之间的距离值包括:
根据所述待追踪目标的空间信息、所述初筛前端节点的空间信息计算所述待追踪目标的地固坐标系坐标以及所述初筛前端节点的地固坐标系坐标;
根据所述待追踪目标的地固坐标系坐标以及所述初筛前端节点的地固坐标系坐标计算所述待追踪目标与所述初筛前端节点之间的距离值。
在一种实施方式中,所述通过距离值小于距离阈值的初筛前端节点得到有效前端节点包括:
将距离值小于距离阈值的初筛前端节点作为一筛有效前端节点;
获取所述一筛有效前端节点的位置信息,根据所述待追踪目标的位置信息以及所述一筛有效前端节点的位置信息中的高度信息,计算所述待追踪目标与所述一筛有效前端节点之间的高度差;
获取预设的高度差阈值,将所述待追踪目标与所述一筛前端节点之间的高度差与所述高度差阈值进行比较;
通过高度差值小于预设的高度差阈值的一筛有效前端节点,得到有效前端节点。
在一种实施方式中,所述通过高度差值小于预设的高度差阈值的一筛有效前端节点得到有效前端节点包括:
将高度差值小于预设的高度差阈值的一筛有效前端节点作为二筛有效前端节点;
获取所述二筛有效前端节点的空间信息和技术参数;所述技术参数包括视场角信息;
根据所述待追踪目标的空间信息、所述二筛有效前端节点的空间信息和技术参数,计算所述待追踪目标的三维位置坐标和所述二筛有效前端节点的视线方向矢量;
将所述待追踪目标的三维位置坐标和所述二筛有效前端节点的视线方向矢量转换到同一坐标系下;
在所述同一坐标系中计算所述待追踪目标的位置矢量和所述二筛有效前端节点的视线方向矢量之间的夹角值;
获取第一夹角阈值,将计算出的所述同一坐标系中所述待追踪目标的位置矢量和所述二筛有效前端节点的视线方向矢量之间的夹角值与所述第一夹角阈值进行比较;
通过所述待追踪目标的位置矢量和所述二筛有效前端节点的视线方向矢量之间的夹角值小于所述第一夹角阈值的二筛有效前端节点,得到有效前端节点。
在一种实施方式中,所述通过高度差值小于预设的高度差阈值的一筛有效前端节点得到有效前端节点包括:
将高度差值小于预设的高度差阈值的一筛有效前端节点作为二筛有效前端节点;
获取所述二筛有效前端节点的空间信息和技术参数;
根据所述待追踪目标的空间信息、所述二筛有效前端节点的空间信息和技术参数,计算所述待追踪目标的地固坐标系坐标以及所述二筛有效前端节点的地固坐标系坐标;
根据所述二筛有效前端节点的空间信息以及技术参数得到地固坐标系到前端所在东北天坐标系的转换矩阵以及前端所在东北天坐标系到其前端坐标系的转换矩阵,通过所述地固坐标系到前端所在东北天坐标系的转换矩阵、所述前端所在东北天坐标系到其前端坐标系的转换矩阵、所述待追踪目标的地固坐标系坐标以及所述二筛有效前端节点的地固坐标系坐标,得到所述待追踪目标的前端坐标系坐标;
所述地固坐标系到前端所在东北天坐标系的转换矩阵和所述前端所在东北天坐标系到其前端坐标系的转换矩阵是基于前端节点的空间信息中的位置信息和姿态角信息计算得到的;
通过第一夹角公式,并根据所述待追踪目标的前端坐标系坐标计算所述待追踪目标的位置矢量与前端节点的视线方向的夹角值;
获取第一夹角阈值,将计算出的所述待追踪目标的位置矢量与前端节点的视线方向的夹角值与所述第一夹角阈值进行比较;
通过所述待追踪目标的位置矢量与前端节点的视线方向的夹角值小于所述第一夹角阈值的二筛有效前端节点,得到有效前端节点。
在一种实施方式中,所述通过所述待追踪目标的位置矢量和所述二筛有效前端节点的视线方向矢量之间的夹角值小于所述第一夹角阈值的二筛有效前端节点,得到有效前端节点包括:
将所述待追踪目标的位置矢量和所述二筛有效前端节点的视线方向矢量之间的夹角值小于所述第一夹角阈值的二筛有效前端节点作为三筛有效前端节点;
获取所述三筛有效前端节点的空间信息和技术参数;
根据所述待追踪目标的空间信息、所述三筛有效前端节点的空间信息和技术参数,计算所述待追踪目标的人脸朝向的方向矢量和所述三筛有效前端节点的光轴方向矢量,将所述待追踪目标的人脸朝向的方向矢量和所述三筛有效前端节点的光轴方向矢量转换到同一坐标系下,在所述同一坐标系中计算所述待追踪目标的人脸朝向的方向矢量与所述三筛有效前端节点的光轴方向矢量之间的夹角值;
获取第二夹角阈值,将在所述同一坐标系中计算出的所述待追踪目标的人脸朝向与前端节点的光轴方向的夹角值大于所述第二夹角阈值的三筛有效前端节点作为有效前端节点。
在一种实施方式中,所述通过所述待追踪目标的位置矢量和所述二筛有效前端节点的视线方向矢量之间的夹角值小于所述第一夹角阈值的二筛有效前端节点,得到有效前端节点包括:
将所述待追踪目标的位置矢量和所述二筛有效前端节点的视线方向矢量之间的夹角值小于所述第一夹角阈值的二筛有效前端节点作为三筛有效前端节点;
获取所述三筛有效前端节点的空间信息和技术参数;
根据所述待追踪目标的空间信息获取所述待追踪目标的人脸水平朝向角,根据所述人脸水平朝向角计算所述待追踪目标的人脸朝向在东北天坐标系下的方向矢量;
根据所述三筛有效前端节点的空间信息将所述待追踪目标的人脸朝向在所述东北天坐标系下的方向矢量转换至前端坐标系下,得到目标人脸朝向在前端坐标系下的方向矢量;
获取三筛有效前端节点的光轴方向在前端坐标系中的单位矢量,通过第二夹角公式、所述目标人脸朝向在前端坐标系下的方向矢量以及所述三筛有效前端节点的光轴方向在前端坐标系中的单位矢量计算所述待追踪目标的人脸朝向与前端节点的光轴方向的夹角值;
获取第二夹角阈值,将计算出的所述待追踪目标的人脸朝向与前端节点的光轴方向的夹角值大于所述第二夹角阈值的三筛有效前端节点作为有效前端节点。
在一种实施方式中,所述第一夹角公式为:
,/>,
其中,为所述待追踪目标的位置矢量与前端节点的视线方向的夹角值;/>为待追踪目标在前端坐标系中的x轴坐标,/>为待追踪目标在前端坐标系中的y轴坐标,为待追踪目标在前端坐标系中的z轴坐标。
在一种实施方式中,所述第二夹角公式为:
,
其中,为所述待追踪目标的人脸朝向与前端节点的光轴方向的夹角值,/>为表示反余弦的符号,/>为待追踪目标人脸朝向在第/>个三筛有效前端节点的前端坐标系下的方向矢量;/>为前端节点的光轴方向在前端坐标系中的单位矢量。
第二方面,本发明实施例还提供一种服务器,其特征在于,包括:处理器、与处理器通信连接的存储介质,所述存储介质适于存储多条指令;所述处理器适于调用所述存储介质中的指令,一致性实现上述任一项所述的一种大规模视觉计算系统中有效节点动态遴选方法的步骤。
第三方面,本发明实施例还提供一种计算机可读存储介质,其上存储有多条指令,其特征在于,所述指令适用于由处理器加载并执行,以实现上述任一项所述的一种大规模视觉计算系统中有效节点动态遴选方法的步骤。
本发明的有益效果:本发明实施例通过获取待追踪目标的空间信息,根据所述待追踪目标的空间信息对前端节点进行筛选,得到初筛前端节点,然后获取所述初筛前端节点的空间信息和技术参数,根据所述待追踪目标的空间信息、所述初筛前端节点的空间信息和技术参数计算待追踪目标和节点之间的距离、高度、位置关系、拍摄角度等多个参数,并按照对应的筛选方法对所述初筛前端节点进行筛选,将筛选出的前端节点作为有效前端节点。可以有效解决现有技术中进行目标追踪任务时需要对视频监控系统中的每个前端节点拍摄的视频进行处理和检索,导致产生大量无效工作,消耗大量人力物力的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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中记载的一些实施例,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是本发明实施例提供的一种大规模视觉计算系统中有效节点动态遴选方法的流程示意图。
图2是本发明实施例提供的服务器的原理框图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
需要说明,若本发明实施例中有涉及方向性指示(诸如上、下、左、右、前、后……),则该方向性指示仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。
随着信息技术的发展和普及,摄像头在城市中得到了大规模的铺设。利用这些摄像头进行的监控,对人类社会生活中的安全的保障起到了越来越重要的作用。目前,大、中城市中已经部署了大量摄像头,规模在数十万级到百万级,用于安防、交通、警务、城管等众多行业中。针对大规模视频监控系统的目标追踪任务,由于目标只会在单个摄像头视角内或者少数几个摄像头视角内出现,采用视频监控系统中海量的摄像头追踪目标,需要对每路视频进行处理和检索,导致产生大量无效工作,消耗大量人力物力。因此针对指定任务(例如,行人追踪)如何在大规模视频监控系统中,查找并选择可能拍摄到待追踪目标的前端节点、提取其原始视频数据用于后续分析处理是系统协同调度中的重要环节。
本发明利用目标和节点时、空、设备参数等信息建立多种筛选规则以及参数计算模型,使用待追踪目标和节点之间的距离、高度、位置关系、拍摄角度等多参数联合达到准确判定节点可用性的目的,在系统构建完成后,可用于根据具体任务对包含目标信息的若干前端节点和数据时段进行精准定位和调度。
如图1所示,本实施例提供一种大规模视觉计算系统中有效节点动态遴选方法,所述方法包括如下步骤:
步骤S100、获取待追踪目标的空间信息,根据所述待追踪目标的空间信息对前端节点进行筛选,得到初筛前端节点。
本实施例以行人追踪为例,由于视频监控系统中通常包含数量巨大的前端节点,在实际应用中,这些前端节点不可能每一个都能够拍摄到待追踪目标,而遍历所有摄像头拍摄的影像去查找待追踪目标的行踪仍然需要大量的人力资源或者计算资源,并不方便。因此本实施例通过首先获取待追踪目标的空间信息,对前端节点进行初步筛选,将筛选出的前端节点作为初筛前端节点,从而排除了视频监控系统中一些不可能拍摄到待追踪目标的前端节点,避免了后续大量的无效工作。
在一种实现方式中,所述步骤S100具体包括如下步骤:
步骤S110、获取待追踪目标的空间信息,根据所述待追踪目标的空间信息确定所述待追踪目标所在的最小行政区域;所述待追踪目标的空间信息包括位置信息、姿态信息和运动信息;
步骤S120、获取所述最小行政区域的位置信息,根据所述最小行政区域的位置信息将位于所述最小行政区域之内的前端节点作为初筛前端节点。
本实施例假设每个前端节点具有全局统一的时间、位置和设备标识信息,其中,位置信息包括行政区划(区、街道、社区/道路/路口)、经度/纬度/高度、姿态等多种属性,当已知待追踪目标位置时,首先按照行政区划逐级筛选潜在可用的前端节点,并将筛选出来的前端节点作为初筛前端节点,从而以最快的速度将搜索范围缩小至最小行政单元,例如道路、路口等,初筛前端节点的集合记为,其中,/>为初筛后的前端数量。
如图1所示,所述方法还包括如下步骤:
步骤S200、获取所述初筛前端节点的空间信息和技术参数,根据所述待追踪目标的空间信息、所述初筛前端节点的空间信息和技术参数按照筛选方法对所述初筛前端节点进行筛选,将筛选出的前端节点作为有效前端节点。
具体地,得到初筛前端节点以后,还需要利用待追踪目标和前端节点时、空、设备参数等信息建立多种筛选规则以及参数计算模型,使用多参数联合的方法达到准确判定节点可用性的目的,从而实现准确判定可以拍摄到待追踪目标的有效前端节点。具体地,获取到初筛节点以后,还需要获取所述初筛前端节点的空间信息和技术参数,根据所述待追踪目标的空间信息、所述初筛前端节点的空间信息和技术参数按照筛选方法对所述初筛前端节点进行进一步筛选,将筛选出的前端节点作为有效前端节点。
在一种实现方式中,所述步骤S200具体包括如下步骤:
步骤S210、获取所述初筛前端节点的空间信息,根据所述待追踪目标的空间信息、所述初筛前端节点的空间信息计算所述待追踪目标与所述初筛前端节点之间的距离值;所述初筛前端节点的空间信息包括位置信息和姿态信息;
步骤S220、获取距离阈值,将所述待追踪目标与所述初筛前端节点之间的距离值与所述距离阈值进行比较;
步骤S230、通过距离值小于距离阈值的初筛前端节点,得到有效前端节点。
首先,本实施例需要获取所述初筛前端节点的空间信息,根据所述待追踪目标的空间信息、所述初筛前端节点的空间信息计算所述待追踪目标与所述初筛前端节点之间的距离值。具体地,需要根据所述待追踪目标的空间信息、所述初筛前端节点的空间信息计算所述待追踪目标的地固坐标系坐标以及所述初筛前端节点的地固坐标系坐标,然后根据所述待追踪目标的地固坐标系坐标以及所述初筛前端节点的地固坐标系坐标计算所述待追踪目标与所述初筛前端节点之间的距离值。之后,获取距离阈值,将所述待追踪目标与所述初筛前端节点之间的距离值与所述距离阈值进行比较,然后将计算出的距离值小于距离阈值的初筛前端节点选择出来,在它们之中选择出最后的有效前端节点。
举例说明,将初筛得到的初筛前端节点的集合中的节点位置表示为/>,,假设目标位置为/>,其中,/>、/>和/>分别表示经度、纬度和高度,分别计算它们在地固坐标系下的三维坐标,记为/>和/>。根据下述公式计算每个初筛前端节点与待追踪目标之间的距离:
,/>,
当时,则该初筛前端节点为无效节点,反之则为有效前端节点,以此得到一筛有效前端节点。其中,/>为第/>个前端的有效探测距离,/>为考虑到用户位置误差、前端安装高度等引起的误差而加入的裕量。
在一种实现方式中,还可以采用下述方法对距离值小于距离阈值的初筛前端节点进行进一步的筛选。具体地,可以通过将距离值小于距离阈值的初筛前端节点作为一筛有效前端节点,然后获取所述一筛有效前端节点的位置信息,根据所述待追踪目标的位置信息以及所述一筛有效前端节点的位置信息中的高度信息,计算所述待追踪目标与所述一筛有效前端节点之间的高度差。再获取预设的高度差阈值,将所述待追踪目标与所述一筛前端节点之间的高度差与所述高度差阈值进行比较,通过高度差值小于预设的高度差阈值的一筛有效前端节点,得到有效前端节点。
举例说明,根据所述待追踪目标的位置信息以及所述一筛有效前端节点的位置信息中的高度信息计算每一个一筛有效前端节点与待追踪目标之间的高度差,,当/>大于一定阈值时,则该一筛有效前端节点为无效的前端节点,反之则为有效的前端节点。
在一种实现方式中,还可以对高度差值小于预设的高度差阈值的一筛有效前端节点进行进一步地筛选。具体地,可以将所述高度差值小于预设的高度差阈值的一筛有效前端节点作为二筛有效前端节点。然后获取所述二筛有效前端节点的空间信息和技术参数,所述技术参数包括视场角信息。根据所述待追踪目标的空间信息、所述二筛有效前端节点的空间信息和技术参数,计算所述待追踪目标的三维位置坐标和所述二筛有效前端节点的视线方向矢量,将所述待追踪目标的三维位置坐标和所述二筛有效前端节点的视线方向矢量转换到同一坐标系下,在所述同一坐标系中计算所述待追踪目标的位置矢量和所述二筛有效前端节点的视线方向矢量之间的夹角值。然后获取第一夹角阈值,将计算出的所述同一坐标系中所述待追踪目标的位置矢量和所述二筛有效前端节点的视线方向矢量之间的夹角值与所述第一夹角阈值进行比较,通过所述待追踪目标的位置矢量和所述二筛有效前端节点的视线方向矢量之间的夹角值小于所述第一夹角阈值的二筛有效前端节点,得到有效前端节点。
举例说明,假设二筛有效前端节点的视场角为,当计算出的所述同一坐标系中待追踪目标的位置矢量和前端节点的视线方向矢量之间的夹角值小于/>时,表示用户位于该二筛有效前端节点的视场范围内,则该二筛有效前端节点有效,反之无效。
此外,本实施例还提供第二种对所述高度差值小于预设的高度差阈值的一筛有效前端节点进行筛选的方法。在一种实现方式中,获取到高度差值小于预设的高度差阈值的一筛有效前端节点以后,可以将高度差值小于预设的高度差阈值的一筛有效前端节点作为二筛有效前端节点。然后,获取所述二筛有效前端节点的空间信息和技术参数,根据所述待追踪目标的空间信息、所述二筛有效前端节点的空间信息和技术参数,计算所述待追踪目标的地固坐标系坐标以及所述二筛有效前端节点的地固坐标系坐标,根据所述二筛有效前端节点的空间信息以及技术参数得到地固坐标系到前端所在东北天坐标系的转换矩阵以及前端所在东北天坐标系到其前端坐标系的转换矩阵,通过所述地固坐标系到前端所在东北天坐标系的转换矩阵、所述前端所在东北天坐标系到其前端坐标系的转换矩阵、所述待追踪目标的地固坐标系坐标以及所述二筛有效前端节点的地固坐标系坐标,得到所述待追踪目标的前端坐标系坐标。其中,所述地固坐标系到前端所在东北天坐标系的转换矩阵和所述前端所在东北天坐标系到其前端坐标系的转换矩阵是基于前端节点的空间信息中的位置信息和姿态角信息计算得到的。然后通过第一夹角公式,并根据所述待追踪目标的前端坐标系坐标计算所述待追踪目标的位置矢量与前端节点的视线方向的夹角值。再获取第一夹角阈值,将计算出的所述待追踪目标的位置矢量与前端节点的视线方向的夹角值与所述第一夹角阈值进行比较,通过所述待追踪目标的位置矢量与前端节点的视线方向的夹角值小于所述第一夹角阈值的二筛有效前端节点,得到有效前端节点。
举例说明,根据公式,将待追踪目标在地固坐标系下的位置转换到前端坐标系下。其中,/>,/>为地固坐标系到第/>个二筛有效前端节点所在东北天坐标系的转换矩阵,/>为第/>个二筛有效前端节点所在东北天坐标系到其前端坐标系的转换矩阵。
其中,前端所在东北天坐标系到其前端坐标系转换矩阵的一般形式为:
,
,/>,
,
其中,、/>和/>依次为前端安装的俯仰、横滚和朝向角。
然后根据下述第一夹角公式在前端坐标系中计算所述待追踪目标的位置矢量与前端节点的视线方向的夹角值:
,/>,
假设第个二筛有效前端节点的视场角为/>,当/>时,表示用户位于该二筛有效前端节点的视场范围内,则该二筛有效前端节点有效,反之无效。
由于视频监控系统广泛应用于人脸识别,而只有一定角度范围内拍摄的人脸图片才是可用的,即目标人脸的朝向也会影响前端的可用性。因此,在一种实现方式中,还可以采用下述方法对所述待追踪目标的位置矢量和所述二筛有效前端节点的视线方向矢量之间的夹角值小于所述第一夹角阈值的二筛有效前端节点进行进一步地筛选。具体地,可以将所述待追踪目标的位置矢量和所述二筛有效前端节点的视线方向矢量之间的夹角值小于所述第一夹角阈值的二筛有效前端节点作为三筛有效前端节点。然后,获取所述三筛有效前端节点的空间信息和技术参数,根据所述待追踪目标的空间信息、所述三筛有效前端节点的空间信息和技术参数,计算所述待追踪目标的人脸朝向的方向矢量和所述三筛有效前端节点的光轴方向矢量,将所述待追踪目标的人脸朝向的方向矢量和所述三筛有效前端节点的光轴方向矢量转换到同一坐标系下,在所述同一坐标系中计算所述待追踪目标的人脸朝向的方向矢量与所述三筛有效前端节点的光轴方向矢量之间的夹角值,并根据在同一坐标系下计算得到的所述待追踪目标的人脸朝向的方向矢量与所述三筛有效前端节点的光轴方向矢量之间的夹角值按照对应的筛选方法对所述三筛有效前端节点进行筛选,得到有效前端节点。
此外,本实施例还提供第二种对所述待追踪目标的位置矢量和所述二筛有效前端节点的视线方向矢量之间的夹角值小于所述第一夹角阈值的二筛有效前端节点进行筛选的方法。在一种实现方式中,可以将所述待追踪目标的位置矢量和所述二筛有效前端节点的视线方向矢量之间的夹角值小于所述第一夹角阈值的二筛有效前端节点作为三筛有效前端节点。然后,获取所述三筛有效前端节点的空间信息和技术参数,根据所述待追踪目标的空间信息获取所述待追踪目标的人脸水平朝向角,根据所述人脸水平朝向角计算所述待追踪目标的人脸朝向在东北天坐标系下的方向矢量。再根据所述三筛有效前端节点的空间信息将所述待追踪目标的人脸朝向在所述东北天坐标系下的方向矢量转换至前端坐标系下,得到目标人脸朝向在前端坐标系下的方向矢量。然后,获取三筛有效前端节点的光轴方向在前端坐标系中的单位矢量,通过第二夹角公式、所述目标人脸朝向在前端坐标系下的方向矢量以及所述三筛有效前端节点的光轴方向在前端坐标系中的单位矢量计算所述待追踪目标的人脸朝向与前端节点的光轴方向的夹角值。最后,获取第二夹角阈值,将计算出的所述待追踪目标的人脸朝向与前端节点的光轴方向的夹角值大于所述第二夹角阈值的三筛有效前端节点作为有效前端节点。
举例说明,由于待追踪目标人脸的朝向与其运动方向和姿态均有关,主要包括水平朝向角和垂直朝向角(仰角,可正可负)两个维度,其中,垂直朝向角与获取二筛有效前端节点时的高度差约束条件具有等价性,所以本步骤仅建立水平朝向角约束。假设待追踪目标的人脸水平朝向角记为,是其面向的方向与北向的夹角,逆时针为正,则待追踪目标的人脸朝向在其所在东北天坐标系下的方向矢量记为:
。
经过前述筛选得到的三筛有效前端节点和待追踪目标相距不远,因此,待追踪目标所在东北天坐标系和三筛有效前端节点所在东北天坐标系的差异可以忽略不计。根据公式将/>转换到前端坐标系。前端节点的光轴方向矢量可以表示为。然后,根据下述第二夹角公式计算待追踪目标的人脸朝向在前端坐标系下的方向矢量与前端节点的光轴方向的夹角值/>:
,
其中,的范围为/>,/>表示前端索引序号。将人脸拍摄角度定义为人脸朝向与前端节点的光轴方向之间的夹角,假设人脸识别要求的人脸拍摄角度最大值为/>,当/>时,表示该三筛有效前端节点对目标人脸的拍摄角度在识别要求以内,因此该三筛有效前端节点有效,否则无效,以此最终确定能够准确获取到待追踪目标相关信息的有效前端节点,然后就可以结合视频分析处理技术实现对待追踪目标信息的精准提取。
然而在具体应用过程中,待追踪目标的位置并不是固定的,而是会不断地进行移动,则能监控到它的前端节点会发生变化,前端节点对它的拍摄角度也会变化。因此在一种实现方式中,当所述待追踪目标不断地移动时,按预设距离值选取位于待追踪目标的运动方向上一定范围内的若干个初筛前端节点作为备选节点,同时保留原有的有效前端节点作为备选节点,然后重复上述步骤S200确定新的有效前端节点,以实现根据待追踪目标位置的变化对有效前端节点进行动态调整。此外,对于事后检索的离线工作场景,可以利用已知的待追踪目标出现的时间对有效前端节点的可用数据时段进行筛选。
基于上述实施例,本发明还提供了一种用于实现一种大规模视觉计算系统中有效节点动态遴选方法的服务器,参照图2,图2是本发明实施例方案涉及的硬件运行环境的结构示意图。如图2所示,该用于实现一种大规模视觉计算系统中有效节点动态遴选方法的服务器可以包括:处理器1001,例如CPU,存储器1005,用户接口1003,网络接口1004,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。可选地,用于实现一种大规模视觉计算系统中有效节点动态遴选方法的服务器还可以包括RF(RadioFrequency,射频)电路,传感器、WiFi模块等等。本领域技术人员可以理解,图2中示出的用于实现一种大规模视觉计算系统中有效节点动态遴选方法的服务器结构并不构成用于实现一种大规模视觉计算系统中有效节点动态遴选方法的服务器的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。如图2所示,作为一种计算机存储可读存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及有效节点动态遴选程序。其中,操作系统是管理和控制用于实现一种大规模视觉计算系统中有效节点动态遴选方法的服务器硬件和软件资源的程序的运行。
本发明的亮点在于:提出了一种任务驱动的有用节点动态遴选方法,利用目标和节点时、空、设备参数等信息建立多种筛选规则以及参数计算模型,使用目标和节点之间的距离、高度、位置关系、拍摄角度等多参数联合达到准确判定节点可用性的目的,在系统构建完成后,可用于根据具体任务对包含目标信息的若干前端节点和数据时段进行精准定位和调度。
综上所述,本发明公开了一种大规模视觉计算系统中有效节点动态遴选方法,通过利用目标和节点时、空、设备参数等信息建立多种筛选规则以及参数计算模型,使用目标和节点之间的距离、高度、位置关系、拍摄角度等多参数联合达到准确判定节点可用性的目的,在系统构建完成后,可用于根据具体任务对包含目标信息的若干前端节点和数据时段进行精准定位和调度。解决了现有技术中进行目标追踪任务时需要对视频监控系统中的每个前端节点拍摄的视频进行处理和检索,导致产生大量无效工作,消耗大量人力物力的问题。
应当理解的是,本发明的应用不限于上述的举例,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (13)
1.一种大规模视觉计算系统中有效节点动态遴选方法,其特征在于,所述方法包括:
获取待追踪目标的空间信息,根据所述待追踪目标的空间信息确定所述待追踪目标所在的区域;
获取所述区域的位置信息,根据所述区域的位置信息将位于所述区域之内的前端节点作为初筛前端节点;
获取所述初筛前端节点的空间信息,根据所述待追踪目标的空间信息、所述初筛前端节点的空间信息计算所述待追踪目标与所述初筛前端节点之间的距离值;
获取距离阈值,将所述待追踪目标与所述初筛前端节点之间的距离值与所述距离阈值进行比较;
通过距离值小于距离阈值的初筛前端节点,得到有效前端节点。
2.根据权利要求1所述的一种大规模视觉计算系统中有效节点动态遴选方法,其特征在于,所述区域为最小行政区域;所述待追踪目标的空间信息包括位置信息、姿态信息和运动信息。
3.根据权利要求1所述的一种大规模视觉计算系统中有效节点动态遴选方法,其特征在于,所述初筛前端节点的空间信息包括位置信息和姿态信息。
4.根据权利要求3所述的一种大规模视觉计算系统中有效节点动态遴选方法,其特征在于,所述获取所述初筛前端节点的空间信息,根据所述待追踪目标的空间信息、所述初筛前端节点的空间信息计算所述待追踪目标与所述初筛前端节点之间的距离值包括:
根据所述待追踪目标的空间信息、所述初筛前端节点的空间信息计算所述待追踪目标的地固坐标系坐标以及所述初筛前端节点的地固坐标系坐标;
根据所述待追踪目标的地固坐标系坐标以及所述初筛前端节点的地固坐标系坐标计算所述待追踪目标与所述初筛前端节点之间的距离值。
5.根据权利要求3所述的一种大规模视觉计算系统中有效节点动态遴选方法,其特征在于,所述通过距离值小于距离阈值的初筛前端节点得到有效前端节点包括:
将距离值小于距离阈值的初筛前端节点作为一筛有效前端节点;
获取所述一筛有效前端节点的位置信息,根据所述待追踪目标的位置信息以及所述一筛有效前端节点的位置信息中的高度信息,计算所述待追踪目标与所述一筛有效前端节点之间的高度差;
获取预设的高度差阈值,将所述待追踪目标与所述一筛前端节点之间的高度差与所述高度差阈值进行比较;
通过高度差值小于预设的高度差阈值的一筛有效前端节点,得到有效前端节点。
6.根据权利要求5所述的一种大规模视觉计算系统中有效节点动态遴选方法,其特征在于,所述通过高度差值小于预设的高度差阈值的一筛有效前端节点得到有效前端节点包括:
将高度差值小于预设的高度差阈值的一筛有效前端节点作为二筛有效前端节点;
获取所述二筛有效前端节点的空间信息和技术参数;所述技术参数包括视场角信息;
根据所述待追踪目标的空间信息、所述二筛有效前端节点的空间信息和技术参数,计算所述待追踪目标的三维位置坐标和所述二筛有效前端节点的视线方向矢量;
将所述待追踪目标的三维位置坐标和所述二筛有效前端节点的视线方向矢量转换到同一坐标系下;
在所述同一坐标系中计算所述待追踪目标的位置矢量和所述二筛有效前端节点的视线方向矢量之间的夹角值;
获取第一夹角阈值,将计算出的所述同一坐标系中所述待追踪目标的位置矢量和所述二筛有效前端节点的视线方向矢量之间的夹角值与所述第一夹角阈值进行比较;
通过所述待追踪目标的位置矢量和所述二筛有效前端节点的视线方向矢量之间的夹角值小于所述第一夹角阈值的二筛有效前端节点,得到有效前端节点。
7.根据权利要求5所述的一种大规模视觉计算系统中有效节点动态遴选方法,其特征在于,所述通过高度差值小于预设的高度差阈值的一筛有效前端节点得到有效前端节点包括:
将高度差值小于预设的高度差阈值的一筛有效前端节点作为二筛有效前端节点;
获取所述二筛有效前端节点的空间信息和技术参数;
根据所述待追踪目标的空间信息、所述二筛有效前端节点的空间信息和技术参数,计算所述待追踪目标的地固坐标系坐标以及所述二筛有效前端节点的地固坐标系坐标;
根据所述二筛有效前端节点的空间信息以及技术参数得到地固坐标系到前端所在东北天坐标系的转换矩阵以及前端所在东北天坐标系到其前端坐标系的转换矩阵,通过所述地固坐标系到前端所在东北天坐标系的转换矩阵、所述前端所在东北天坐标系到其前端坐标系的转换矩阵、所述待追踪目标的地固坐标系坐标以及所述二筛有效前端节点的地固坐标系坐标,得到所述待追踪目标的前端坐标系坐标;
所述地固坐标系到前端所在东北天坐标系的转换矩阵和所述前端所在东北天坐标系到其前端坐标系的转换矩阵是基于前端节点的空间信息中的位置信息和姿态角信息计算得到的;
通过第一夹角公式,并根据所述待追踪目标的前端坐标系坐标计算所述待追踪目标的位置矢量与前端节点的视线方向的夹角值;
获取第一夹角阈值,将计算出的所述待追踪目标的位置矢量与前端节点的视线方向的夹角值与所述第一夹角阈值进行比较;
通过所述待追踪目标的位置矢量与前端节点的视线方向的夹角值小于所述第一夹角阈值的二筛有效前端节点,得到有效前端节点。
8.根据权利要求7所述的一种大规模视觉计算系统中有效节点动态遴选方法,其特征在于,所述通过所述待追踪目标的位置矢量和所述二筛有效前端节点的视线方向矢量之间的夹角值小于所述第一夹角阈值的二筛有效前端节点,得到有效前端节点包括:
将所述待追踪目标的位置矢量和所述二筛有效前端节点的视线方向矢量之间的夹角值小于所述第一夹角阈值的二筛有效前端节点作为三筛有效前端节点;
获取所述三筛有效前端节点的空间信息和技术参数;
根据所述待追踪目标的空间信息获取所述待追踪目标的人脸水平朝向角,根据所述人脸水平朝向角计算所述待追踪目标的人脸朝向在东北天坐标系下的方向矢量;
根据所述三筛有效前端节点的空间信息将所述待追踪目标的人脸朝向在所述东北天坐标系下的方向矢量转换至前端坐标系下,得到目标人脸朝向在前端坐标系下的方向矢量;
获取三筛有效前端节点的光轴方向在前端坐标系中的单位矢量,通过第二夹角公式、所述目标人脸朝向在前端坐标系下的方向矢量以及所述三筛有效前端节点的光轴方向在前端坐标系中的单位矢量计算所述待追踪目标的人脸朝向与前端节点的光轴方向的夹角值;
获取第二夹角阈值,将计算出的所述待追踪目标的人脸朝向与前端节点的光轴方向的夹角值大于所述第二夹角阈值的三筛有效前端节点作为有效前端节点。
9.根据权利要求7所述的一种大规模视觉计算系统中有效节点动态遴选方法,其特征在于,所述第一夹角公式为:
,/>,
其中,为所述待追踪目标的位置矢量与前端节点的视线方向的夹角值;/>为待追踪目标在前端坐标系中的x轴坐标,/>为待追踪目标在前端坐标系中的z轴坐标。
10.根据权利要求6所述的一种大规模视觉计算系统中有效节点动态遴选方法,其特征在于,所述通过所述待追踪目标的位置矢量和所述二筛有效前端节点的视线方向矢量之间的夹角值小于所述第一夹角阈值的二筛有效前端节点,得到有效前端节点包括:
将所述待追踪目标的位置矢量和所述二筛有效前端节点的视线方向矢量之间的夹角值小于所述第一夹角阈值的二筛有效前端节点作为三筛有效前端节点;
获取所述三筛有效前端节点的空间信息和技术参数;
根据所述待追踪目标的空间信息、所述三筛有效前端节点的空间信息和技术参数,计算所述待追踪目标的人脸朝向的方向矢量和所述三筛有效前端节点的光轴方向矢量,将所述待追踪目标的人脸朝向的方向矢量和所述三筛有效前端节点的光轴方向矢量转换到同一坐标系下,在所述同一坐标系中计算所述待追踪目标的人脸朝向的方向矢量与所述三筛有效前端节点的光轴方向矢量之间的夹角值;
获取第二夹角阈值,将在所述同一坐标系中计算出的所述待追踪目标的人脸朝向与前端节点的光轴方向的夹角值大于所述第二夹角阈值的三筛有效前端节点作为有效前端节点。
11.根据权利要求8所述的一种大规模视觉计算系统中有效节点动态遴选方法,其特征在于,所述第二夹角公式为:
,
其中,为所述待追踪目标的人脸朝向与前端节点的光轴方向的夹角值,/>为表示反余弦的符号,/>为待追踪目标人脸朝向在第/>个三筛有效前端节点的前端坐标系下的方向矢量;/>为前端节点的光轴方向在前端坐标系中的单位矢量。
12.一种服务器,其特征在于,包括:处理器、与处理器通信连接的存储介质,所述存储介质适于存储多条指令;所述处理器适于调用所述存储介质中的指令,一致性实现上述权利要求1-11任一项所述的一种大规模视觉计算系统中有效节点动态遴选方法的步骤。
13.一种计算机可读存储介质,其上存储有多条指令,其特征在于,所述指令适用于由处理器加载并执行,以实现上述权利要求1-11任一项所述的一种大规模视觉计算系统中有效节点动态遴选方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110024177.5A CN112822450B (zh) | 2021-01-08 | 2021-01-08 | 一种大规模视觉计算系统中有效节点动态遴选方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110024177.5A CN112822450B (zh) | 2021-01-08 | 2021-01-08 | 一种大规模视觉计算系统中有效节点动态遴选方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112822450A CN112822450A (zh) | 2021-05-18 |
CN112822450B true CN112822450B (zh) | 2024-03-19 |
Family
ID=75869079
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110024177.5A Active CN112822450B (zh) | 2021-01-08 | 2021-01-08 | 一种大规模视觉计算系统中有效节点动态遴选方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112822450B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103632044A (zh) * | 2013-11-19 | 2014-03-12 | 北京环境特性研究所 | 基于地理信息系统的摄像头拓扑构建方法及装置 |
CN104038729A (zh) * | 2014-05-05 | 2014-09-10 | 重庆大学 | 级联式多摄像机接力跟踪方法及系统 |
CN105828045A (zh) * | 2016-05-12 | 2016-08-03 | 浙江宇视科技有限公司 | 一种利用空间信息实现目标追踪的方法及装置 |
CN109996039A (zh) * | 2019-04-04 | 2019-07-09 | 中南大学 | 一种基于边缘计算的目标追踪方法及装置 |
CN110245268A (zh) * | 2019-06-26 | 2019-09-17 | 银河水滴科技(北京)有限公司 | 一种路线确定、展示的方法及装置 |
WO2020098076A1 (zh) * | 2018-11-12 | 2020-05-22 | 平安科技(深圳)有限公司 | 跟踪目标的定位方法、装置、设备及存储介质 |
CN112104841A (zh) * | 2020-11-05 | 2020-12-18 | 深圳市万佳安人工智能数据技术有限公司 | 一种用于移动目标监测的多摄像头智能监控方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040075738A1 (en) * | 1999-05-12 | 2004-04-22 | Sean Burke | Spherical surveillance system architecture |
-
2021
- 2021-01-08 CN CN202110024177.5A patent/CN112822450B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103632044A (zh) * | 2013-11-19 | 2014-03-12 | 北京环境特性研究所 | 基于地理信息系统的摄像头拓扑构建方法及装置 |
CN104038729A (zh) * | 2014-05-05 | 2014-09-10 | 重庆大学 | 级联式多摄像机接力跟踪方法及系统 |
CN105828045A (zh) * | 2016-05-12 | 2016-08-03 | 浙江宇视科技有限公司 | 一种利用空间信息实现目标追踪的方法及装置 |
WO2020098076A1 (zh) * | 2018-11-12 | 2020-05-22 | 平安科技(深圳)有限公司 | 跟踪目标的定位方法、装置、设备及存储介质 |
CN109996039A (zh) * | 2019-04-04 | 2019-07-09 | 中南大学 | 一种基于边缘计算的目标追踪方法及装置 |
CN110245268A (zh) * | 2019-06-26 | 2019-09-17 | 银河水滴科技(北京)有限公司 | 一种路线确定、展示的方法及装置 |
CN112104841A (zh) * | 2020-11-05 | 2020-12-18 | 深圳市万佳安人工智能数据技术有限公司 | 一种用于移动目标监测的多摄像头智能监控方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112822450A (zh) | 2021-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111586360B (zh) | 一种无人机投影方法、装置、设备及存储介质 | |
JP6831414B2 (ja) | 測位のための方法、測位のための装置、デバイス及びコンピュータ読み取り可能な記憶媒体 | |
CN107067794B (zh) | 一种基于视频图像处理的室内车辆定位导航系统及方法 | |
CN111127563A (zh) | 联合标定方法、装置、电子设备及存储介质 | |
US11842516B2 (en) | Homography through satellite image matching | |
CN111612852A (zh) | 用于验证相机参数的方法和装置 | |
CN109523471A (zh) | 一种地面坐标和广角摄像机画面坐标的转换方法、系统以及装置 | |
CN111507204A (zh) | 倒计时信号灯的检测方法、装置、电子设备及存储介质 | |
CN111787489B (zh) | 实采兴趣点的位置确定方法、装置、设备和可读存储介质 | |
JP7164589B2 (ja) | 室内測位方法、装置、機器および記憶媒体 | |
WO2023083256A1 (zh) | 位姿显示方法、装置及系统、服务器以及存储介质 | |
CN111815672A (zh) | 动态跟踪控制方法、装置及控制设备 | |
CN111327876A (zh) | 目标跟踪显示方法、装置、电子设备及机器可读存储介质 | |
CN109345567B (zh) | 物体运动轨迹识别方法、装置、设备和存储介质 | |
CN109827595B (zh) | 室内惯性导航仪方向校准方法、室内导航装置及电子设备 | |
CN113742440A (zh) | 道路图像数据处理方法、装置、电子设备及云计算平台 | |
CN111612851B (zh) | 用于标定相机的方法、装置、设备以及存储介质 | |
CN112822450B (zh) | 一种大规模视觉计算系统中有效节点动态遴选方法 | |
CN112215036B (zh) | 跨镜追踪方法、装置、设备及存储介质 | |
CN107766476A (zh) | 基于楼块数据的众包数据处理方法、装置、设备及存储介质 | |
CN112381873A (zh) | 一种数据标注方法及装置 | |
CN111400537A (zh) | 一种道路元素信息获取方法、装置和电子设备 | |
CN114066945B (zh) | 基于像素空间分辨率的视频追踪方法及系统 | |
CN113112551B (zh) | 相机参数的确定方法、装置、路侧设备和云控平台 | |
CN114266876B (zh) | 定位方法、视觉地图的生成方法及其装置 |
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 |