CN113206955A - 一种人员轨迹识别多摄像头调度的方法及装置 - Google Patents

一种人员轨迹识别多摄像头调度的方法及装置 Download PDF

Info

Publication number
CN113206955A
CN113206955A CN202110447919.5A CN202110447919A CN113206955A CN 113206955 A CN113206955 A CN 113206955A CN 202110447919 A CN202110447919 A CN 202110447919A CN 113206955 A CN113206955 A CN 113206955A
Authority
CN
China
Prior art keywords
detection point
target
state
camera
detection
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
CN202110447919.5A
Other languages
English (en)
Other versions
CN113206955B (zh
Inventor
谢宇
张士林
赵考鹏
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.)
Qingdao Hisense Smart Life Technology Co Ltd
Original Assignee
Qingdao Hisense Smart Life 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 Qingdao Hisense Smart Life Technology Co Ltd filed Critical Qingdao Hisense Smart Life Technology Co Ltd
Priority to CN202110447919.5A priority Critical patent/CN113206955B/zh
Publication of CN113206955A publication Critical patent/CN113206955A/zh
Application granted granted Critical
Publication of CN113206955B publication Critical patent/CN113206955B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/61—Control of cameras or camera modules based on recognised objects
    • H04N23/611—Control of cameras or camera modules based on recognised objects where the recognised objects include parts of the human body
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/65—Control of camera operation in relation to power supply
    • H04N23/651—Control of camera operation in relation to power supply for reducing power consumption by affecting camera operations, e.g. sleep mode, hibernation mode or power off of selective parts of the camera
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/695—Control of camera direction for changing a field of view, e.g. pan, tilt or based on tracking of objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种人员轨迹识别多摄像头调度的方法及装置，该方法包括获取社区入口处摄像头对应的检测点检测到的目标，控制入口处摄像头对应的检测点对所述目标进行轨迹跟踪，并将入口处摄像头对应的检测点的邻近摄像头对应的检测点的状态切换为拉流状态，在确定目标离开所述入口处摄像头对应的检测点时，切换目标所在的检测点的邻近摄像头对应的检测点的状态，确定目标所在的检测点，切换前一检测到目标的检测点的邻近摄像头对应的检测点的状态，对目标进行持续轨迹跟踪。通过目标跟踪轨迹，动态切换检测到目标的摄像头和邻近摄像头对应的检测点的状态，使得未检测到目标的检测点处于休眠状态，能够减少计算资源，减少投入成本。

Description

一种人员轨迹识别多摄像头调度的方法及装置
技术领域
本发明涉及社区监控技术领域，尤其涉及一种人员轨迹识别多摄像头调度的方法及装置。
背景技术
人员轨迹跟踪的实现需要使用基于深度学习卷积神经网络的人脸(体态、服装等)的识别、匹配来实现。深度学习方法准确率和召回率等指标远超传统机器学习方法，但是其消耗的计算资源也远超传统机器学习方法。在视频领域对于人员轨迹跟踪的实现，一般采用对每个摄像头的监控视频实时全部分析，这样就带来了非常大的计算资源消耗。深度学习对于计算资源的严重消耗，带来了非常大的工程化实现成本。目前，人员轨迹跟踪实现中的严重计算资源消耗问题是人员轨迹跟踪实现的瓶颈。
发明内容
本发明实施例提供一种人员轨迹识别多摄像头调度的方法及装置，用以实现降低人员轨迹跟踪过程中的计算资源消耗。
第一方面，本发明实施例提供一种人员轨迹识别多摄像头调度的方法，包括：
获取社区入口处摄像头对应的检测点检测到的目标；
控制所述入口处摄像头对应的检测点对所述目标进行轨迹跟踪，并将所述入口处摄像头对应的检测点的邻近摄像头对应的检测点的状态切换为拉流状态；
在确定所述目标离开所述入口处摄像头对应的检测点时，切换所述目标所在的检测点的邻近摄像头对应的检测点的状态，确定所述目标所在的检测点；
切换前一检测到所述目标的检测点的邻近摄像头对应的检测点的状态，对所述目标进行持续轨迹跟踪。
上述技术方案中，通过目标跟踪轨迹，动态切换检测到目标的摄像头和邻近摄像头对应的检测点的状态，使得未检测到目标的检测点处于休眠状态，能够减少计算资源，减少投入成本。
可选的，所述确定所述目标所在的检测点，包括：
从所述目标离开的检测点的邻近摄像头对应的检测点中确定出识别到所述目标的检测点；
将识别到所述目标的检测点确定为所述目标所在的检测点。
可选的，所述切换所述目标所在的检测点的邻近摄像头对应的检测点的状态，包括：
将所述目标所在的检测点的邻近摄像头对应的检测点的状态由拉流状态切换为检测状态。
可选的，所述切换前一检测到所述目标的检测点的邻近摄像头对应的检测点的状态，包括：
将所述前一检测到所述目标的检测点的邻近摄像头对应的检测点的状态由检测状态切换为休眠状态。
可选的，在所述控制所述入口处摄像头对应的检测点对所述目标进行轨迹跟踪之后，还包括：
将所述入口处摄像头对应的检测点的邻近摄像头对应的检测点的状态切换为检测状态；
将处于检测状态的检测点的邻近摄像头对应的检测点的状态切换为拉流状态；
在确定所述目标被新的检测点检测到时，将前一检测点的邻近摄像头对应的检测点的状态由检测状态切换到休眠状态。
可选的，所述方法还包括：
当检测到所述目标的检测点检测到多个不同的目标时，在确定所述目标离开时，禁止将所述检测到所述目标的检测点的状态切换为休眠状态。
第二方面，本发明实施例提供一种人员轨迹识别多摄像头调度的装置，包括：
获取单元，用于获取社区入口处摄像头对应的检测点检测到的目标；
处理单元，用于控制所述入口处摄像头对应的检测点对所述目标进行轨迹跟踪，并将所述入口处摄像头对应的检测点的邻近摄像头对应的检测点的状态切换为拉流状态；在确定所述目标离开所述入口处摄像头对应的检测点时，切换所述目标所在的检测点的邻近摄像头对应的检测点的状态，确定所述目标所在的检测点；切换前一检测到所述目标的检测点的邻近摄像头对应的检测点的状态，对所述目标进行持续轨迹跟踪。
可选的，所述处理单元具体用于：
从所述目标离开的检测点的邻近摄像头对应的检测点中确定出识别到所述目标的检测点；
将识别到所述目标的检测点确定为所述目标所在的检测点。
可选的，所述处理单元具体用于：
将所述目标所在的检测点的邻近摄像头对应的检测点的状态由拉流状态切换为检测状态。
可选的，所述处理单元具体用于：
将所述前一检测到所述目标的检测点的邻近摄像头对应的检测点的状态由检测状态切换为休眠状态。
可选的，所述处理单元还用于：
在所述控制所述入口处摄像头对应的检测点对所述目标进行轨迹跟踪之后，将所述入口处摄像头对应的检测点的邻近摄像头对应的检测点的状态切换为检测状态；
将处于检测状态的检测点的邻近摄像头对应的检测点的状态切换为拉流状态；
在确定所述目标被新的检测点检测到时，将前一检测点的邻近摄像头对应的检测点的状态由检测状态切换到休眠状态。
可选的，所述处理单元还用于：
当检测到所述目标的检测点检测到多个不同的目标时，在确定所述目标离开时，禁止将所述检测到所述目标的检测点的状态切换为休眠状态。
第三方面，本发明实施例还提供一种计算设备，包括：
存储器，用于存储程序指令；
处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行上述人员轨迹识别多摄像头调度的方法。
第四方面，本发明实施例还提供一种计算机可读非易失性存储介质，包括计算机可读指令，当计算机读取并执行所述计算机可读指令时，使得计算机执行上述人员轨迹识别多摄像头调度的方法。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，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一种系统架构的示意图；
图2为本发明实施例提供的一种人员轨迹识别多摄像头调度的方法的流程示意图；
图3中(a)图至(c)图为本发明实施例提供的一种检测点状态切换的示意图；
图4中(a)图至(c)图为本发明实施例提供的一种检测点状态切换的示意图；
图5为本发明实施例提供的一种人员轨迹识别多摄像头调度的装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，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做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。
图1为本发明实施例提供的一种系统架构。如图1所示，该系统架构可以为服务器100，该服务器100可以包括处理器110、通信接口120和存储器130。
其中，通信接口120用于与其它终端设备进行通信，收发该其它终端设备传输的信息，实现通信。
处理器110是服务器100的控制中心，利用各种接口和线路连接整个服务器100的各个部分，通过运行或执行存储在存储器130内的软件程序/或模块，以及调用存储在存储器130内的数据，执行服务器100的各种功能和处理数据。可选地，处理器110可以包括一个或多个处理单元。
存储器130可用于存储软件程序以及模块，处理器110通过运行存储在存储器130的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器130可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据业务处理所创建的数据等。此外，存储器130可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
需要说明的是，上述图1所示的结构仅是一种示例，本发明实施例对此不做限定。
基于上述描述，图2详细的示出了本发明实施例提供的一种人员轨迹识别多摄像头调度的方法的流程，该流程可以由人员轨迹识别多摄像头调度的装置执行。
如图2所示，该流程具体包括：
步骤201，获取社区入口处摄像头对应的检测点检测到的目标。
在本发明实施例中，摄像头对应视频采集、数据传输、视频分析整体功能定义为检测点。一个检测点对应的三种计算状态：休眠状态、拉流状态、检测状态。休眠状态对应着服务器与该摄像头断开连接，没有视频流进入服务器；拉流状态对应着服务器从摄像头持续拉取视频流，但是不进行任何视频分析和检测；检测状态则表示服务器对从该摄像头拉取的视频流进行分析，判断是不是有行人，再判断该行人是不是要跟踪的目标。
位于社区入口处的摄像头对应的检测点是长期处于检测状态，也就是能够实时识别目标和跟踪目标。当行人目标进入社区(园区，包括但不限于住宅小区)时，位于社区入口处的摄像头对应的检测点能够检测到目标。
步骤202，控制所述入口处摄像头对应的检测点对所述目标进行轨迹跟踪，并将所述入口处摄像头对应的检测点的邻近摄像头对应的检测点的状态切换为拉流状态。
当获取到社区入口处摄像头对应的检测点检测到的目标时，就可以控制入口处摄像头对应的检测点对目标进行轨迹跟踪，并通知其邻近摄像头对应的检测点开启拉流状态。也就是将其邻近摄像头对应的检测点的状态切换为拉流状态，这里是由休眠状态切换为拉流状态。
其中，邻近摄像头不一定是空间上邻近，也可以是离开入口处摄像头后目标必须经过的下一批摄像头。
步骤203，在确定所述目标离开所述入口处摄像头对应的检测点时，切换所述目标所在的检测点的邻近摄像头对应的检测点的状态，确定所述目标所在的检测点。
当确定目标离开入口处摄像头时，可以切换邻近摄像头对应的检测点的状态，这里是将目标所在的检测点的邻近摄像头对应的检测点的状态由拉流状态切换为检测状态，用以继续识别目标并跟踪目标。然后从目标离开的检测点的邻近摄像头对应的检测点中确定出识别到目标的检测点，将识别到目标的检测点确定为目标所在的检测点。也就是说，从多个检测状态的检测点中确定出识别到目标的检测点。
步骤204，切换前一检测到所述目标的检测点的邻近摄像头对应的检测点的状态，对所述目标进行持续轨迹跟踪。
当确定出识别到目标的检测点时，该目标即到达一个新的检测点，此时，可以将前一检测到目标的检测点的邻近摄像头对应的检测点的状态由检测状态切换为休眠状态。
需要说明的是，前一检测到目标的检测点的邻近摄像头对应的检测点是不包括当前检测到目标的检测点。
当目标再次离开当前检测点时，继续进行上述切换流程，实现对目标的持续轨迹跟踪。
举例来说，以一个目标进入社区为例来说明检测点的切换。门口的摄像头对应的检测点始终处于检测状态，因为它需要承担识别目标和开启跟踪的功能。当门口检测点发现目标后，通知它的邻近检测点(不只是空间上的邻近，是指离开门口摄像头后，目标必须经过的下一批摄像头)开启拉流状态。当目标离开门口摄像头后，通知邻近检测点开启检测状态。然后这些开启检测的检测点必然会有一个检测到目标，比如叫它1号检测点，然后通知1号检测点的邻近检测点开启拉流，通知门口检测点的邻近检测点(其它门口检测点、1号检测点和它的邻近检测点除外)停止检测和拉流，切换到休眠状态。然后，当目标离开1号检测点时，通知1号检测点的邻近检测点开启检测。后面以同样的方式切换检测点状态。
此外，为了应对摄像头分布密集，目标处于单摄像头下的时间较短的情况，在上述控制入口处摄像头对应的检测点对目标进行轨迹跟踪之后，还可以将入口处摄像头对应的检测点的邻近摄像头对应的检测点的状态切换为检测状态，将处于检测状态的检测点的邻近摄像头对应的检测点的状态切换为拉流状态(不包括已切换为检测状态的检测点)，在确定目标被新的检测点检测到时，将前一检测点的邻近摄像头对应的检测点的状态由检测状态切换到休眠状态(当前检测到目标的检测点及其邻近摄像头对应的检测点除外)。
为了更好的解释本发明实施例，下面将在具体的实施场景下来描述上述摄像头对应的检测点的切换方案。
根据社区中摄像头分布情况可以分为两种切换方案，其中，切换方案1如图3中(a)、(b)、(c)三图所示。在图3中的(a)图中，目标位于检测点1中时，检测点1处于检测状态，检测点2和检测点3处于拉流状态，其余检测点处于休眠状态。在图3中的(b)图中，目标离开检测点1，检测点1仍为检测状态，检测点2和检测点3切换到检测状态，其余检测点处于休眠状态。在图3中的(c)图中，目标来到检测点2，检测点1切换到拉流状态，检测点2仍为检测状态，检测点3切换到休眠状态，检测点4切换到拉流状态，其余检测点处于休眠状态。
该切换方案1中，检测点遵循切换原则具体可以如下：
(1)、门口的摄像头对应的检测点始终处于检测状态。
由于门口检测点需要承担识别目标、开启跟踪的功能，因此需要一直保持开启的状态。
(2)、目标所在检测点始终处于检测状态。
(3)、目标所在检测点的邻近检测点切换到拉流状态。
(4)、目标离开一个检测点时，该检测点的邻近检测点切换到检测状态。该检测点仍然保持检测状态，防止目标返回。
(5)、目标到达一个新检测点时，前一个检测点的邻近检测点切换到休眠状态(当前检测点除外)。
(6)、存在多个目标时，检测点优先处于检测状态，其次优先处于拉流状态。
(7)、其它检测点处于休眠状态。
切换方案2可以如图4中(a)、(b)、(c)三图所示。在图4中的(a)图中，目标位于检测点1，检测点1处于检测状态，检测点2和检测点3处于检测状态，检测点4和检测点5处于拉流状态，其余检测点处于休眠状态。在图4中的(b)图中，目标离开检测点1，检测点1仍为检测状态，检测点2和检测点3切换到检测状态，检测点4和检测点5处于拉流状态，其余检测点处于休眠状态。在图4中的(c)图中，目标来到检测点2，检测点1、检测点2和检测点4仍为检测状态，检测点3和检测点6切换到拉流状态，其余检测点处于休眠状态。
该切换方案2中，检测点遵循切换原则具体可以如下：
(1)、门口的摄像头对应的检测点始终处于检测状态。
(2)、目标所在检测点始终处于检测状态。
(3)、目标所在检测点的邻近检测点切换到检测状态。
(4)、检测状态的邻近检测点切换到拉流状态(不包括已确定为检测状态的检测点)。
(5)、目标到达一个新检测点时，前一个检测点的邻近检测点切换到休眠状态(当前检测点和其邻近检测点除外)。
(6)、其它检测点处于休眠状态。
综上，在实际使用可以结合摄像头的分布情况将两个方案混合使用。
检测点使用的人员检测和识别一般可采用基于深度学习的人脸检测和识别方法，或者使用ReID(Person Re-identification，行人重识别)等其它特征作为辅助。因为这些检测和识别技术不是本提案关注的重点，本发明实施例不进行展开描述。
在具体实施过程中，上述流程可以由总控模块来实现，其中，总控模块有以下职责：
(1)收集检测点检测到的信息(某个目标是否位于当前检测点)。
(2)下发所有检测点应该处于的状态。
(3)下发检测状态检测点要检测的目标列表。
其中，总控模块更新检测点状态的原则上述多摄像头调度的流程。
全部检测点状态的更新流程如下：
(1)、门口检测点检测到新目标后，将新目标信息发送到总控模块。
(2)、总控模块下发目标列表到处于检测状态的检测点。
(3)、检测点根据目标列表进行目标检索，如检测到目标，则上报到总控模块。
(4)、总控模块维护每个目标经过的所有检测点列表，形成目标运动轨迹。
(5)、总控模块更新每个检测点下的目标列表。
(6)、总控模块根据每个检测点下的目标列表，更新下一时刻所有检测点的状态。
(7)、总控模块根据每个检测点下的目标列表，更新下一时刻检测状态检测点需要检测的目标列表。
(8)、目标离开小区后，总控模块将目标从总目标列表中删除。
在本发明实施例中，通过获取社区入口处摄像头对应的检测点检测到的目标，控制所述入口处摄像头对应的检测点对所述目标进行轨迹跟踪，并将所述入口处摄像头对应的检测点的邻近摄像头对应的检测点的状态切换为拉流状态，在确定所述目标离开所述入口处摄像头对应的检测点时，切换所述目标所在的检测点的邻近摄像头对应的检测点的状态，确定所述目标所在的检测点，切换前一检测到所述目标的检测点的邻近摄像头对应的检测点的状态，对所述目标进行持续轨迹跟踪。通过目标跟踪轨迹，动态切换检测到目标的摄像头和邻近摄像头对应的检测点的状态，使得未检测到目标的检测点处于休眠状态，能够减少计算资源，减少投入成本。
基于相同的技术构思，图5示例性的示出了本发明实施例提供的一种人员轨迹识别多摄像头调度的装置的结构，该装置可以执行人员轨迹识别多摄像头调度的流程。
如图5所示，该装置具体包括：
获取单元501，用于获取社区入口处摄像头对应的检测点检测到的目标；
处理单元502，用于控制所述入口处摄像头对应的检测点对所述目标进行轨迹跟踪，并将所述入口处摄像头对应的检测点的邻近摄像头对应的检测点的状态切换为拉流状态；在确定所述目标离开所述入口处摄像头对应的检测点时，切换所述目标所在的检测点的邻近摄像头对应的检测点的状态，确定所述目标所在的检测点；切换前一检测到所述目标的检测点的邻近摄像头对应的检测点的状态，对所述目标进行持续轨迹跟踪。
可选的，所述处理单元502具体用于：
从所述目标离开的检测点的邻近摄像头对应的检测点中确定出识别到所述目标的检测点；
将识别到所述目标的检测点确定为所述目标所在的检测点。
可选的，所述处理单元502具体用于：
将所述目标所在的检测点的邻近摄像头对应的检测点的状态由拉流状态切换为检测状态。
可选的，所述处理单元502具体用于：
将所述前一检测到所述目标的检测点的邻近摄像头对应的检测点的状态由检测状态切换为休眠状态。
可选的，所述处理单元502还用于：
在所述控制所述入口处摄像头对应的检测点对所述目标进行轨迹跟踪之后，将所述入口处摄像头对应的检测点的邻近摄像头对应的检测点的状态切换为检测状态；
将处于检测状态的检测点的邻近摄像头对应的检测点的状态切换为拉流状态；
在确定所述目标被新的检测点检测到时，将前一检测点的邻近摄像头对应的检测点的状态由检测状态切换到休眠状态。
可选的，所述处理单元502还用于：
当检测到所述目标的检测点检测到多个不同的目标时，在确定所述目标离开时，禁止将所述检测到所述目标的检测点的状态切换为休眠状态。
基于相同的技术构思，本发明实施例还提供了一种计算设备，包括：
存储器，用于存储程序指令；
处理器，用于调用存储器中存储的程序指令，按照获得的程序执行上述人员轨迹识别多摄像头调度的方法。
基于相同的技术构思，本发明实施例还提供了一种计算机可读非易失性存储介质，包括计算机可读指令，当计算机读取并执行计算机可读指令时，使得计算机执行上述人员轨迹识别多摄像头调度的方法。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。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/或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/或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/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作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发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种人员轨迹识别多摄像头调度的方法，其特征在于，包括：
获取社区入口处摄像头对应的检测点检测到的目标；
控制所述入口处摄像头对应的检测点对所述目标进行轨迹跟踪，并将所述入口处摄像头对应的检测点的邻近摄像头对应的检测点的状态切换为拉流状态；
在确定所述目标离开所述入口处摄像头对应的检测点时，切换所述目标所在的检测点的邻近摄像头对应的检测点的状态，确定所述目标所在的检测点；
切换前一检测到所述目标的检测点的邻近摄像头对应的检测点的状态，对所述目标进行持续轨迹跟踪。
2.如权利要求1所述的方法，其特征在于，所述确定所述目标所在的检测点，包括：
从所述目标离开的检测点的邻近摄像头对应的检测点中确定出识别到所述目标的检测点；
将识别到所述目标的检测点确定为所述目标所在的检测点。
3.如权利要求1所述的方法，其特征在于，所述切换所述目标所在的检测点的邻近摄像头对应的检测点的状态，包括：
将所述目标所在的检测点的邻近摄像头对应的检测点的状态由拉流状态切换为检测状态。
4.如权利要求1所述的方法，其特征在于，所述切换前一检测到所述目标的检测点的邻近摄像头对应的检测点的状态，包括：
将所述前一检测到所述目标的检测点的邻近摄像头对应的检测点的状态由检测状态切换为休眠状态。
5.如权利要求1所述的方法，其特征在于，在所述控制所述入口处摄像头对应的检测点对所述目标进行轨迹跟踪之后，还包括：
将所述入口处摄像头对应的检测点的邻近摄像头对应的检测点的状态切换为检测状态；
将处于检测状态的检测点的邻近摄像头对应的检测点的状态切换为拉流状态；
在确定所述目标被新的检测点检测到时，将前一检测点的邻近摄像头对应的检测点的状态由检测状态切换到休眠状态。
6.如权利要求1至5任一项所述的方法，其特征在于，所述方法还包括：
当检测到所述目标的检测点检测到多个不同的目标时，在确定所述目标离开时，禁止将所述检测到所述目标的检测点的状态切换为休眠状态。
7.一种人员轨迹识别多摄像头调度的装置，其特征在于，包括：
获取单元，用于获取社区入口处摄像头对应的检测点检测到的目标；
处理单元，用于控制所述入口处摄像头对应的检测点对所述目标进行轨迹跟踪，并将所述入口处摄像头对应的检测点的邻近摄像头对应的检测点的状态切换为拉流状态；在确定所述目标离开所述入口处摄像头对应的检测点时，切换所述目标所在的检测点的邻近摄像头对应的检测点的状态，确定所述目标所在的检测点；切换前一检测到所述目标的检测点的邻近摄像头对应的检测点的状态，对所述目标进行持续轨迹跟踪。
8.如权利要求7所述的装置，其特征在于，所述处理单元具体用于：
从所述目标离开的检测点的邻近摄像头对应的检测点中确定出识别到所述目标的检测点；
将识别到所述目标的检测点确定为所述目标所在的检测点。
9.一种计算设备，其特征在于，包括：
存储器，用于存储程序指令；
处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行权利要求1至6任一项所述的方法。
10.一种计算机可读非易失性存储介质，其特征在于，包括计算机可读指令，当计算机读取并执行所述计算机可读指令时，使得计算机执行如权利要求1至6任一项所述的方法。
CN202110447919.5A 2021-04-25 2021-04-25 一种人员轨迹识别多摄像头调度的方法及装置 Active CN113206955B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110447919.5A CN113206955B (zh) 2021-04-25 2021-04-25 一种人员轨迹识别多摄像头调度的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110447919.5A CN113206955B (zh) 2021-04-25 2021-04-25 一种人员轨迹识别多摄像头调度的方法及装置

Publications (2)

Publication Number Publication Date
CN113206955A true CN113206955A (zh) 2021-08-03
CN113206955B CN113206955B (zh) 2022-04-15

Family

ID=77028565

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110447919.5A Active CN113206955B (zh) 2021-04-25 2021-04-25 一种人员轨迹识别多摄像头调度的方法及装置

Country Status (1)

Country Link
CN (1) CN113206955B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050104958A1 (en) * 2003-11-13 2005-05-19 Geoffrey Egnal Active camera video-based surveillance systems and methods
CN106096577A (zh) * 2016-06-24 2016-11-09 安徽工业大学 一种摄像头分布地图中的目标追踪系统及追踪方法
CN106210613A (zh) * 2015-04-30 2016-12-07 中兴通讯股份有限公司 一种视频监控方法、装置及系统
WO2017160015A1 (ko) * 2016-03-17 2017-09-21 경희대학교산학협력단 수면 무호흡 모니터링 시스템
JP2018189854A (ja) * 2017-05-10 2018-11-29 キヤノン株式会社 撮像装置
US20190215491A1 (en) * 2017-12-29 2019-07-11 Bull Sas Movement or topology prediction for a camera network
CN113438450A (zh) * 2021-06-11 2021-09-24 深圳市大工创新技术有限公司 动态目标跟踪监控方法、监控系统、电子设备及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050104958A1 (en) * 2003-11-13 2005-05-19 Geoffrey Egnal Active camera video-based surveillance systems and methods
CN106210613A (zh) * 2015-04-30 2016-12-07 中兴通讯股份有限公司 一种视频监控方法、装置及系统
WO2017160015A1 (ko) * 2016-03-17 2017-09-21 경희대학교산학협력단 수면 무호흡 모니터링 시스템
CN106096577A (zh) * 2016-06-24 2016-11-09 安徽工业大学 一种摄像头分布地图中的目标追踪系统及追踪方法
JP2018189854A (ja) * 2017-05-10 2018-11-29 キヤノン株式会社 撮像装置
US20190215491A1 (en) * 2017-12-29 2019-07-11 Bull Sas Movement or topology prediction for a camera network
CN113438450A (zh) * 2021-06-11 2021-09-24 深圳市大工创新技术有限公司 动态目标跟踪监控方法、监控系统、电子设备及存储介质

Also Published As

Publication number Publication date
CN113206955B (zh) 2022-04-15

Similar Documents

Publication Publication Date Title
CN108055501A (zh) 一种目标检测及跟踪的视频监控系统及方法
CN101587606B (zh) 一种展览场地人员流量检测方法及系统
CN105426820B (zh) 基于安防监控视频数据的多人异常行为检测方法
CN111860318A (zh) 一种建筑工地行人徘徊检测方法、装置、设备及存储介质
CN101325694A (zh) 结合无线射频识别技术的智能视频监控系统及其方法
CN104636773B (zh) 一种具有射频信号识别的定向监测系统
CN110414376B (zh) 更新人脸识别模型的方法、人脸识别相机及服务器
CN203606951U (zh) 基于车牌识别的图像采集装置及系统
CN109740590A (zh) 基于目标跟踪辅助的roi精确提取方法及系统
CN104284150A (zh) 基于道路交通监控的智能摄像头自主协同跟踪方法及其监控系统
CN101799968A (zh) 基于视频图像智能分析的油井入侵检测方法及装置
CN109872541A (zh) 一种车辆信息分析方法及装置
CN106504360B (zh) 一种跑步督导方法和系统
CN105025099A (zh) 智能摄像机网络系统及摄像机网络动态任务分配方法
CN112380955A (zh) 动作的识别方法及装置
CN112836683A (zh) 用于便携式摄像设备的车牌识别方法、装置、设备和介质
CN115294169A (zh) 一种车辆追踪方法、装置、电子设备及存储介质
CN113206955B (zh) 一种人员轨迹识别多摄像头调度的方法及装置
CN109934161A (zh) 基于卷积神经网络的车辆识别与检测方法及系统
CN103700112A (zh) 一种基于混合预测策略的遮挡目标跟踪方法
CN117649428A (zh) 基于云边协同的可疑人员追踪方法、装置、设备及介质
CN113014878A (zh) 一种低功耗摄像头的控制系统及其控制方法
CN112116630A (zh) 目标跟踪的方法
Tiwari et al. Real time traffic management using machine learning
CN109815921A (zh) 加氢站中活动类别的预测方法及装置

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