CN113536846A - 一种跨摄像头人员追踪智能分析系统 - Google Patents
一种跨摄像头人员追踪智能分析系统 Download PDFInfo
- Publication number
- CN113536846A CN113536846A CN202010305026.2A CN202010305026A CN113536846A CN 113536846 A CN113536846 A CN 113536846A CN 202010305026 A CN202010305026 A CN 202010305026A CN 113536846 A CN113536846 A CN 113536846A
- Authority
- CN
- China
- Prior art keywords
- module
- camera
- pedestrian
- target
- tracking
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- 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
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种跨摄像头人员追踪智能分析系统,其技术方案要点是:包括:前景超分辨率模块:所述前景超分辨率模块包括编码器、分辨率无关特征提取模块;行人检测模块:所述行人检测模块用于实时检测摄像头获取到的视频画面中的行人,对行人的位置进行估算,同时缩小候选人图片集,并对其进行轨迹跟踪;捕捉摄像头处理模块:所述捕捉摄像头处理模块中的多个捕捉摄像头各自将其通过检测器检测到的行人图像加入待关联的候选池中;人脸检测模块;目标筛选模块,用于根据所述行人检测信息将所述目标人体识别结果与所述目标人脸识别结果进行数据融合,返回目标筛选结果;利用本系统能够增大追踪的准确性。
Description
技术领域
本发明涉及人脸识别领域,特别涉及一种跨摄像头人员追踪智能分析系统。
背景技术
跨摄像头对人员进行追踪这一研究正在被兴起。有较大的应用前景,被广泛利用在公安等领域。
可参考现有公开号为CN110969112A的中国专利,其公开了一种跨摄像头场景下行人身份对齐方法,包括以下步骤:步骤S1:多个摄像头各自将其通过检测器检测到的行人图像加入待关联的候选池中;步骤S2:对待关联的候选池中属于不同摄像头的两个行人图像计算外观适配度;步骤S3:将待关联的候选池中的行人图像两两配对计算完外观适配度后,根据每对行人外观适配度,结合时空关系,建立最小费用流图模型,求解最优的行人关联解。
上述的这种跨摄像头场景下行人身份对齐方法解决了行人的外观适配度度量的问题,但是上述的这种跨摄像头场景下行人身份对齐方法依旧存在着一些缺点,如:常常会出现数据比对错误。
发明内容
针对背景技术中提到的问题,本发明的目的是提供一种跨摄像头人员追踪智能分析系统,以解决背景技术中提到的问题。
本发明的上述技术目的是通过以下技术方案得以实现的:
一种跨摄像头人员追踪智能分析系统,包括:
前景超分辨率模块:所述前景超分辨率模块包括编码器、分辨率无关特征提取模块;
行人检测模块:所述行人检测模块用于实时检测摄像头获取到的视频画面中的行人,对行人的位置进行估算,同时缩小候选人图片集,并对其进行轨迹跟踪;
捕捉摄像头处理模块:所述捕捉摄像头处理模块中的多个捕捉摄像头各自将其通过检测器检测到的行人图像加入待关联的候选池中,对待关联的候选池中属于不同捕捉摄像头的两个行人脸部图像计算外观适配度,之后将待关联的候选池中的行人图像两两配对计算完外观适配度后,根据每对行人外观适配度,结合时空关系,建立最小费用流图模型,求解最优的行人关联解;
人脸检测模块:所述人脸检测模块根据所述捕捉摄像头处理模块对行人检测信息进行人体特征提取,并将所述人体特征提取的结果与目标库中的信息进行特征比对,返回比中的目标人体识别结果,将人脸检测的结果与人脸目标库中的信息进行搜索比对,返回比中的目标人脸识别结果;
目标筛选模块:用于根据所述行人检测信息将所述目标人体识别结果与所述目标人脸识别结果进行数据融合,对比中的目标进行速度计算并筛选,返回目标筛选结果;
追踪摄像头处理模块:将获得的人脸上传至云处理器,追踪摄像头采集不同地区的人脸图像,将所述追踪摄像头采集的人脸图像上传至云处理器进行比对,完成追踪。
较佳的,所述前景超分辨率模块包括使用先降采样再上采样的深度超分辨率网络、关注前景的像素级约束、用作前景掩模高斯核。
较佳的,所述分辨率无关特征提取模块包括分支跳转比例、分支跳转变换率、指令混合比、访存步长、重用距离、关键路径长度和串行指令。
较佳的,所述行人检测模块在对行人的位置进行估算、缩小候选人图片集和进行轨迹跟踪后将图像上传至图像存储模块。
较佳的,所述捕捉摄像头处理模块中的图像匹配算法具体包括关系结构匹配方法、结合特定理论工具的匹配方法、基于灰度信息的匹配方法、基于亚像元匹配方法以及基于内容特征的匹配方法。
较佳的,所述捕捉摄像头处理模块对行人的局部特征点、局部特征边缘、局部特征线条和局部特征区域进行采集。
较佳的,所述目标筛选模块通过动态采集、静态识别、动静结合进行采集识别,通过1:n静态并发比对,与云处理器中存储的人像比对检索。
综上所述,本发明主要具有以下有益效果:
本跨摄像头人员追踪智能分析系统通过利用前景超分辨率模块、捕捉摄像头处理模块、人脸检测模块、目标筛选模块、追踪摄像头处理模块等实现对行人画面的采集和行人面部特征的采集,采集的行人面部特征可以在经过分析后被存储,当需要对人脸进行追踪比对时,利用追踪摄像头处理模块能够将追踪到的图像与云处理器中的图像进行比对,从而能够增大追踪的准确性。
具体实施方式
下面对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例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他实施例,都属于本发明保护的范围。
一种跨摄像头人员追踪智能分析系统,包括:
前景超分辨率模块:前景超分辨率模块包括编码器、分辨率无关特征提取模块;
行人检测模块:行人检测模块用于实时检测摄像头获取到的视频画面中的行人,对行人的位置进行估算,同时缩小候选人图片集,并对其进行轨迹跟踪;
捕捉摄像头处理模块:捕捉摄像头处理模块中的多个捕捉摄像头各自将其通过检测器检测到的行人图像加入待关联的候选池中,对待关联的候选池中属于不同捕捉摄像头的两个行人脸部图像计算外观适配度,之后将待关联的候选池中的行人图像两两配对计算完外观适配度后,根据每对行人外观适配度,结合时空关系,建立最小费用流图模型,求解最优的行人关联解;
人脸检测模块:人脸检测模块根据捕捉摄像头处理模块对行人检测信息进行人体特征提取,并将人体特征提取的结果与目标库中的信息进行特征比对,返回比中的目标人体识别结果,将人脸检测的结果与人脸目标库中的信息进行搜索比对,返回比中的目标人脸识别结果;
目标筛选模块:用于根据行人检测信息将目标人体识别结果与目标人脸识别结果进行数据融合,对比中的目标进行速度计算并筛选,返回目标筛选结果;
追踪摄像头处理模块:将获得的人脸上传至云处理器,追踪摄像头采集不同地区的人脸图像,将追踪摄像头采集的人脸图像上传至云处理器进行比对,完成追踪。
其中,前景超分辨率模块包括使用先降采样再上采样的深度超分辨率网络、关注前景的像素级约束、用作前景掩模高斯核。
其中,分辨率无关特征提取模块包括分支跳转比例、分支跳转变换率、指令混合比、访存步长、重用距离、关键路径长度和串行指令。
其中,行人检测模块在对行人的位置进行估算、缩小候选人图片集和进行轨迹跟踪后将图像上传至图像存储模块。
其中,捕捉摄像头处理模块中的图像匹配算法具体包括关系结构匹配方法、结合特定理论工具的匹配方法、基于灰度信息的匹配方法、基于亚像元匹配方法以及基于内容特征的匹配方法。
其中,捕捉摄像头处理模块对行人的局部特征点、局部特征边缘、局部特征线条和局部特征区域进行采集。
其中,目标筛选模块通过动态采集、静态识别、动静结合进行采集识别,通过1:n静态并发比对,与云处理器中存储的人像比对检索。
综上,本跨摄像头人员追踪智能分析系统通过利用前景超分辨率模块、捕捉摄像头处理模块、人脸检测模块、目标筛选模块、追踪摄像头处理模块等实现对行人画面的采集和行人面部特征的采集,采集的行人面部特征可以在经过分析后被存储,当需要对人脸进行追踪比对时,利用追踪摄像头处理模块能够将追踪到的图像与云处理器中的图像进行比对,从而能够增大追踪的准确性。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (7)
1.一种跨摄像头人员追踪智能分析系统,其特征在于:包括:
前景超分辨率模块:所述前景超分辨率模块包括编码器、分辨率无关特征提取模块;
行人检测模块:所述行人检测模块用于实时检测摄像头获取到的视频画面中的行人,对行人的位置进行估算,同时缩小候选人图片集,并对其进行轨迹跟踪;
捕捉摄像头处理模块:所述捕捉摄像头处理模块中的多个捕捉摄像头各自将其通过检测器检测到的行人图像加入待关联的候选池中,对待关联的候选池中属于不同捕捉摄像头的两个行人脸部图像计算外观适配度,之后将待关联的候选池中的行人图像两两配对计算完外观适配度后,根据每对行人外观适配度,结合时空关系,建立最小费用流图模型,求解最优的行人关联解;
人脸检测模块:所述人脸检测模块根据所述捕捉摄像头处理模块对行人检测信息进行人体特征提取,并将所述人体特征提取的结果与目标库中的信息进行特征比对,返回比中的目标人体识别结果,将人脸检测的结果与人脸目标库中的信息进行搜索比对,返回比中的目标人脸识别结果;
目标筛选模块:用于根据所述行人检测信息将所述目标人体识别结果与所述目标人脸识别结果进行数据融合,对比中的目标进行速度计算并筛选,返回目标筛选结果;
追踪摄像头处理模块:将获得的人脸上传至云处理器,追踪摄像头采集不同地区的人脸图像,将所述追踪摄像头采集的人脸图像上传至云处理器进行比对,完成追踪。
2.根据权利要求1所述的一种跨摄像头人员追踪智能分析系统,其特征在于:所述前景超分辨率模块包括使用先降采样再上采样的深度超分辨率网络、关注前景的像素级约束、用作前景掩模高斯核。
3.根据权利要求1所述的一种跨摄像头人员追踪智能分析系统,其特征在于:所述分辨率无关特征提取模块包括分支跳转比例、分支跳转变换率、指令混合比、访存步长、重用距离、关键路径长度和串行指令。
4.根据权利要求1所述的一种跨摄像头人员追踪智能分析系统,其特征在于:所述行人检测模块在对行人的位置进行估算、缩小候选人图片集和进行轨迹跟踪后将图像上传至图像存储模块。
5.根据权利要求1所述的一种跨摄像头人员追踪智能分析系统,其特征在于:所述捕捉摄像头处理模块中的图像匹配算法具体包括关系结构匹配方法、结合特定理论工具的匹配方法、基于灰度信息的匹配方法、基于亚像元匹配方法以及基于内容特征的匹配方法。
6.根据权利要求1所述的一种跨摄像头人员追踪智能分析系统,其特征在于:所述捕捉摄像头处理模块对行人的局部特征点、局部特征边缘、局部特征线条和局部特征区域进行采集。
7.根据权利要求1所述的一种跨摄像头人员追踪智能分析系统,其特征在于:所述目标筛选模块通过动态采集、静态识别、动静结合进行采集识别,通过1:n静态并发比对,与云处理器中存储的人像比对检索。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010305026.2A CN113536846B (zh) | 2020-04-17 | 2020-04-17 | 一种跨摄像头人员追踪智能分析系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010305026.2A CN113536846B (zh) | 2020-04-17 | 2020-04-17 | 一种跨摄像头人员追踪智能分析系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113536846A true CN113536846A (zh) | 2021-10-22 |
CN113536846B CN113536846B (zh) | 2023-08-15 |
Family
ID=78123380
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010305026.2A Active CN113536846B (zh) | 2020-04-17 | 2020-04-17 | 一种跨摄像头人员追踪智能分析系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113536846B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101850286B1 (ko) * | 2017-06-27 | 2018-04-19 | 한국기술교육대학교 산학협력단 | 딥 러닝 기반 cctv용 영상 인식 방법 |
CN109583373A (zh) * | 2018-11-29 | 2019-04-05 | 成都索贝数码科技股份有限公司 | 一种行人重识别实现方法 |
CN109886196A (zh) * | 2019-02-21 | 2019-06-14 | 中水北方勘测设计研究有限责任公司 | 基于bim加gis视频监控的人员轨迹追溯系统及方法 |
CN110674746A (zh) * | 2019-09-24 | 2020-01-10 | 视云融聚(广州)科技有限公司 | 一种应用视频空间关系辅助实现高精度跨镜追踪的方法、装置、计算机设备以及存储介质 |
-
2020
- 2020-04-17 CN CN202010305026.2A patent/CN113536846B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101850286B1 (ko) * | 2017-06-27 | 2018-04-19 | 한국기술교육대학교 산학협력단 | 딥 러닝 기반 cctv용 영상 인식 방법 |
CN109583373A (zh) * | 2018-11-29 | 2019-04-05 | 成都索贝数码科技股份有限公司 | 一种行人重识别实现方法 |
CN109886196A (zh) * | 2019-02-21 | 2019-06-14 | 中水北方勘测设计研究有限责任公司 | 基于bim加gis视频监控的人员轨迹追溯系统及方法 |
CN110674746A (zh) * | 2019-09-24 | 2020-01-10 | 视云融聚(广州)科技有限公司 | 一种应用视频空间关系辅助实现高精度跨镜追踪的方法、装置、计算机设备以及存储介质 |
Non-Patent Citations (1)
Title |
---|
张家树,陈辉,李德芳,罗小宾,夏小东: "人脸表情自动识别技术研究进展", 西南交通大学学报, no. 03 * |
Also Published As
Publication number | Publication date |
---|---|
CN113536846B (zh) | 2023-08-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021196294A1 (zh) | 一种跨视频人员定位追踪方法、系统及设备 | |
Zhang et al. | Arbitrary-oriented ship detection through center-head point extraction | |
CN101950426B (zh) | 一种多摄像机场景下车辆接力跟踪方法 | |
CN100390811C (zh) | 实时的从视频中跟踪多个人脸的方法 | |
US8538082B2 (en) | System and method for detecting and tracking an object of interest in spatio-temporal space | |
CN102306290B (zh) | 一种基于视频的人脸跟踪识别方法 | |
CN103824070B (zh) | 一种基于计算机视觉的快速行人检测方法 | |
CN105574506A (zh) | 基于深度学习和大规模集群的智能人脸追逃系统及方法 | |
Lian et al. | Locating and counting heads in crowds with a depth prior | |
CN109919977A (zh) | 一种基于时间特征的视频运动人物跟踪与身份识别方法 | |
CN102243765A (zh) | 基于多相机的多目标定位跟踪方法及系统 | |
CN101770568A (zh) | 基于仿射不变点及光流计算的目标自动识别和跟踪方法 | |
CN107153820A (zh) | 一种面向高噪声的人脸识别及运动轨迹判别方法 | |
CN107492116A (zh) | 一种基于多外观模型进行人脸跟踪的方法 | |
CN112200106A (zh) | 跨相机行人重识别与跟踪方法 | |
CN105160649A (zh) | 基于核函数非监督聚类的多目标跟踪方法及系统 | |
Liu et al. | Robust multi-drone multi-target tracking to resolve target occlusion: A benchmark | |
CN110728252A (zh) | 一种应用于区域人员运动轨迹监控的人脸检测方法 | |
Xu et al. | A real-time, continuous pedestrian tracking and positioning method with multiple coordinated overhead-view cameras | |
Wang et al. | Face tracking using motion-guided dynamic template matching | |
CN113536846B (zh) | 一种跨摄像头人员追踪智能分析系统 | |
CN106558065A (zh) | 基于图像颜色和纹理分析实现对目标的实时视觉跟踪方法 | |
Sio et al. | Multiple fisheye camera tracking via real-time feature clustering | |
CN113743380A (zh) | 一种基于视频图像动态监测的主动跟踪方法 | |
Panagiotakis et al. | Shape-based individual/group detection for sport videos categorization |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230718 Address after: 314200 Room 1108-1, Floor 11, Building B, Pinghu International E-commerce Industrial Park, No. 958, Fuzhen Road, Zhongdai Street, Pinghu City, Jiaxing, Zhejiang Province Applicant after: Pinghu Shenzhou Bohai Technology Co.,Ltd. Address before: 214000 Chuangxing incubator F3, second floor, F11 building, 200 Linghu Avenue, Xinwu District, Wuxi City, Jiangsu Province Applicant before: Wuxi Jincheng Artificial Intelligence Technology Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |