CN113536932A - 人群聚集预测方法、装置、计算机设备和存储介质 - Google Patents
人群聚集预测方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN113536932A CN113536932A CN202110668129.XA CN202110668129A CN113536932A CN 113536932 A CN113536932 A CN 113536932A CN 202110668129 A CN202110668129 A CN 202110668129A CN 113536932 A CN113536932 A CN 113536932A
- Authority
- CN
- China
- Prior art keywords
- monitoring area
- preset
- main body
- time period
- determining
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000012544 monitoring process Methods 0.000 claims abstract description 254
- 238000001514 detection method Methods 0.000 claims abstract description 69
- 238000012545 processing Methods 0.000 claims description 33
- 238000004422 calculation algorithm Methods 0.000 claims description 32
- 238000000605 extraction Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 14
- 238000010586 diagram Methods 0.000 description 14
- 230000002776 aggregation Effects 0.000 description 8
- 238000004220 aggregation Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 238000012216 screening Methods 0.000 description 5
- 238000012358 sourcing Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
本申请涉及一种人群聚集预测方法、装置、计算机设备和存储介质。该方法包括:计算机设备获取预设监控范围内在预设检测时间段中的多个主体的移动信息,根据各主体的移动信息,确定朝向监控范围中监测区域移动的目标主体的数量,根据数量和监测区域在检测时间段的历史客流分布,预测监测区域在预设未来时间段是否发生人群聚集事件。在本方法中,由于统计的是朝向监测区域的人员数量,即在监测区域发生人群聚集事件之前,计算机设备便可预测到监测区域的是否会发生大量人员聚集的事件,使得计算机设备可以预先给相关人员提供是否产生人群聚集的数据支持,提高了监测区域的安全性。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种人群聚集预测方法、装置、计算机设备和存储介质。
背景技术
我国城市人口密度大,流动人口多,公共场所经常人员拥挤,人群聚集事件是公共安全领域一个重点关注的问题,该类事件可能造成交通堵塞、踩踏事故等恶劣社会影响。针对这种现象,若时时刻刻盯着监控视频来判断是否发生人员聚集,则会耗费大量的人力和时间,且效率较低。
随着大数据和计算机视觉等技术的发展,可以识别监控视频中的车辆、行人等目标,根据识别结果,确定监控区域的当前人群密度,从而确定是否发生人员聚集。
但是,上述通过分析监控视频中的人群密度来判断是否发生人员聚集的方法,仍然难以起到及时保证公共场所安全的效果。
发明内容
基于此,有必要针对上述技术问题,提供一种能够实现提前预警的人群聚集预测方法、装置、计算机设备和存储介质。
第一方面,提供一种人群聚集预测方法,该方法包括:
获取预设监控范围内在预设检测时间段中的多个主体的移动信息;预设监控范围包括监测区域;
根据各主体的移动信息,确定朝向监测区域移动的目标主体的数量;
根据数量和监测区域在检测时间段的历史客流分布,预测监测区域在预设未来时间段是否发生人群聚集事件。
在本实施例中,由于统计的是朝向监测区域的人员数量,即在监测区域发生人群聚集事件之前,便可预测到监测区域的是否会发生大量人员聚集的事件,使得计算机设备可以预先给相关人员提供是否产生人群聚集的数据支持,提高了监测区域的安全性。
在其中一个可选的实施例中,移动信息包括主体的移动轨迹和位置;根据各主体的移动信息,确定朝向监测区域移动的目标主体的数量,包括:
根据主体的位置和监测区域的中心点位置,确定参考路径;
根据主体的移动轨迹和参考路径之间夹角,确定朝向监测区域移动的目标主体的数量。
在本实施例中,计算机设备根据各个主体的移动轨迹与参考路径之间的夹角判断各个主体是否为朝向监测区域移动的目标主体,基于角度的判断可以比较准确地统计朝向监测区域移动的目标主体,从而比较准确地得到目标主体的总数量。
在其中一个可选的实施例中,根据主体的移动轨迹和参考路径之间夹角,确定朝向监测区域移动的目标主体的数量,包括:
若主体的夹角小于预设的角度阈值,则确定主体为朝向监测区域移动的目标主体;
统计目标主体的个数,作为朝向监测区域移动的目标主体的数量。
在本实施例中,将主体对应的夹角和预设角度阈值比大小,该判断方法简单,涉及数据量小,在节省计算资源的同时,又可以准确地确定朝向监测区域移动的目标主体的数量。
在其中一个可选的实施例中,获取预设监控范围内在预设检测时间段中的多个主体的移动信息,包括:
获取监控范围内的多个图像采集设备在检测时间段内采集到的视频数据;
根据预设的数据处理规则对视频数据进行处理,确定各主体的移动信息。
在本实施例中,计算机设备获取到监控范围内不同图像采集设备采集到的视频数据,通过预设的数据处理规则,得到主体的移动信息,从而为后续根据主体的移动信息确定主体是否为朝向监测区域的目标主体做了数据支撑。
在其中一个可选的实施例中,预设的数据处理规则包括预设的特征提取算法和预设的特征比对算法;根据预设的数据处理规则对视频数据进行处理,确定各主体的移动信息,包括:
根据预设的特征提取算法,提取各视频数据中各主体的特征信息;
根据预设的特征比对算法,从各视频数据中确定相同的主体;
基于同一个主体在各视频数据中的特征信息,确定各主体在监控范围内、检测时间段所形成的移动信息。
在本实施例中,计算机设备根据特征提取算法、特征比对算法,可以准确确定出现在监控范围内同一主体的移动信息,从而根据不同图像采集设备中的采集数据,准确得到同一主体所对应的移动信息。
在其中一个可选的实施例中,该方法还包括:
根据各主体的移动信息,从所有主体中确定无效主体;
上述根据各主体的移动信息,确定朝向监测区域移动的目标主体的数量,包括:
根据剔除无效主体后的剩余主体的移动信息,确定朝向监测区域移动的目标主体的数量。
在本实施例中,计算机设备根据各主体的移动信息剔除无效主体,减少了进行朝向监测区域移动的主体的数据处理量,节省了数据处理资源,相应地也可以提高数据处理效率。
在其中一个可选的实施例中,移动信息包括主体的移动速度;根据各主体的移动信息,从所有主体中确定无效主体,包括:
若主体的移动速度小于预设的速度阈值,则确定主体为无效主体。
在本实施例中,计算机设备根据各主体的移动速度剔除处于静止的无效主体,减少了进行朝向监测区域移动的主体的数据处理量。
在其中一个可选的实施例中,移动信息包括主体的移动轨迹;根据各主体的移动信息,从所有主体中确定无效主体,包括:
若主体的移动轨迹对应的移动距离小于预设的距离阈值,则确定主体为无效主体。
在本实施例中,计算机设备根据各主体的移动轨迹对应的移动距离剔除处于静止或者并非朝向监测区域移动的无效主体,减少了进行朝向监测区域移动的主体的数据处理量。
在其中一个可选的实施例中,根据数量和监测区域在检测时间段的历史客流分布,预测监测区域在预设未来时间段是否发生人群聚集事件,包括:
根据监测区域在检测时间段的历史客流分布,确定监测区域在检测时间段的历史客流平均值;
若数量与历史客流平均值的差值大于预设阈值,则确定监测区域在预设未来时间段会发生人群聚集事件。
在本实施例中,基于监测区域检测时间段对应的历史客流分布,确定当前前往数量是否为异常值,从而确定监测区域在预设未来时间段是否会发生人群聚集事件,该方法有效地在人群聚集发生之前,对人群聚集事件进行有效预测和判断,并且在会发生人群聚集的情况下,及时触发预警操作,可以加快相关人员对人群聚集事件的响应速度,及时预防和制止聚集事件、疏通人群,为监测区域提供安全保障。
第二方面,提供一种人群聚集预测装置,该装置包括:
获取模块,用于获取预设监控范围内在预设检测时间段中的多个主体的移动信息;预设监控范围包括监测区域;
确定模块,用于根据各主体的移动信息,确定朝向监测区域移动的目标主体的数量;
预测模块,用于根据数量和监测区域在检测时间段的历史客流分布,预测监测区域在预设未来时间段是否发生人群聚集事件。
第三方面,提供一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行该计算机程序时实现上述第一方面任一所述的人群聚集预测方法。
第四方面,提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述第一方面任一所述的人群聚集预测方法。
上述人群聚集预测方法、装置、计算机设备和存储介质,计算机设备获取预设监控范围内在预设检测时间段中的多个主体的移动信息,根据各主体的移动信息,确定朝向监控范围中监测区域移动的目标主体的数量,根据数量和监测区域在检测时间段的历史客流分布,预测监测区域在预设未来时间段是否发生人群聚集事件。在本方法中,计算机设备通过获取监控范围内的多个主体的移动信息,基于移动信息确定朝向监测区域的目标主体的数量,对监测区域的人群前往数量进行统计,从而基于统计的数量预测该监测区域在预设未来时间段是否会发生大量人员聚集的事件,其中,由于统计的是朝向监测区域的人员数量,即在监测区域发生人群聚集事件之前,便可预测到监测区域的是否会发生大量人员聚集的事件,使得计算机设备可以预先给相关人员提供是否产生人群聚集的数据支持,提高了监测区域的安全性。
附图说明
图1为一个实施例中人群聚集预测方法的应用环境图;
图2为一个实施例中人群聚集预测方法的流程示意图;
图3为一个实施例中人群聚集预测方法的流程示意图;
图4为一个实施例中人群聚集预测方法的流程示意图;
图5为一个实施例中人群聚集预测方法的流程示意图;
图6为一个实施例中人群聚集预测方法的流程示意图;
图7为一个实施例中人群聚集预测方法的流程示意图;
图8为一个实施例中人群聚集预测方法的流程示意图;
图9为一个实施例中人群聚集预测方法的流程示意图;
图10为一个实施例中人群聚集预测方法的流程示意图;
图11为一个实施例中人群聚集预测装置的结构框图;
图12为一个实施例中人群聚集预测装置的结构框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的人群聚集预测方法,可以应用于如图1所示的应用环境中。图1提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图1所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种人群聚集预测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图1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。
下面将通过实施例并结合附图具体地对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。需要说明的是,本申请图2-图10实施例提供的人群聚集预测方法,其执行主体为计算机设备,也可以是人群聚集预测装置,该人群聚集预测装置可以通过软件、硬件或者软硬件结合的方式成为计算机设备的部分或全部。下述方法实施例中,均以执行主体是计算机设备为例来进行说明。
在其中一个可选的实施例中,如图2所示,提供了一种人群聚集预测方法,涉及的是计算机设备获取预设监控范围内在预设检测时间段中的多个主体的移动信息,根据各主体的移动信息,确定朝向预设监控范围中监测区域移动的目标主体的数量,从而根据数量和监测区域在检测时间段的历史客流分布,预测监测区域在预设未来时间段是否发生人群聚集事件的过程,包括以下步骤:
S201、获取预设监控范围内在预设检测时间段中的多个主体的移动信息;预设监控范围包括监测区域。
其中,主体可以为出现在监控范围内的行人、车辆等;本实施例中,可以获取的是行人的移动信息,也可以获取车辆的移动信息,或者,同时获取行人和车辆的移动信息。监测区域指的是可能出现人群聚集预测的区域,监控范围指的是以监测区域为中心所涉及的较大的一个范围,例如,以监测区域为中心,半径为1000m的范围为监控范围,监控范围具体可以根据监测区域的实际场地情况所确定。监控范围中包括多个图像采集设备,计算机设备可以根据多个图像采集设备获取出现在监控范围内的多个主体的移动信息,其中移动信息包括主体的位置信息、移动轨迹、移动速度等信息。
在本实施例中,计算机设备通过监控范围内所有图像采集设备的权限接口,获取指定检测时间段内,监控范围内所有图像采集设备所采集到的检测时间段内视频数据,基于所以视频数据,确定出现在监控范围内的所有主体的移动信息。
S202、根据各主体的移动信息,确定朝向监测区域移动的目标主体的数量。
其中,朝向监测区域移动的目标主体可以理解为有意向前往监测区域的目标主体。
在本实施例中,计算机设备可以根据主体的移动轨迹,确定主体是否为朝向监测区域移动的目标主体;或者计算机设备还可以根据主体的移动方向、移动速度,确定主体是否为朝向监测区域移动的目标主体。可选地,计算机设备根据主体的移动轨迹确定主体是否为目标主体时,可以对移动轨迹进行朝向监测区域的延伸,从而确定主体是否要前往监测区域;或者,计算机设备还可以根据主体的位置确定一个主体前往监测区域的参考路径,根据参考路径与移动轨迹的平行程度(或者参考路径与移动轨迹之间的夹角),确定主体是否要前往监测区域。从而,在确定前往监测区域的目标主体之后,进行目标主体的数量统计,得到朝向监测区域移动的目标主体的数量。
S203、根据数量和监测区域在检测时间段的历史客流分布,预测监测区域在预设未来时间段是否发生人群聚集事件。
其中,计算机设备每次进行监测区域的人群聚集预测之后,将对应检测时间段的目标主体的数量进行存储,从而生成一个日常客流分布,这里历史客流分布即为从指定存储空间中获取到的与当前检测时间段对应的历史人群聚集预测数据。
在本实施例中,计算机设备根据数量和监测区域在检测时间段的历史客流分布进行分析,若当前数量相比历史客流分布中的日常量存在过高的情况,例如达到统计学上的离群值,则确定监测区域在预设未来时间段会发生人群聚集事件。可选地,计算机设备也可以根据检测时间段的历史客流分布,计算检测时间段的历史客流平均值,根据历史客流平均值和当前数量,预测监测区域在预设未来时间段是否发生人群聚集事件,其中,在当前数量远远大于历史客流平均值的情况下,可以确定监测区域在预设未来时间段会发生人群聚集事件。或者,计算机设备还可以基于当前检测时间段的历史客流分布确定当前检测时间段的客流范围,根据客流范围和当前数量,预测监测区域在预设未来时间段是否发生人群聚集事件,其中,在当前数量不处于客流范围的情况下,可以确定监测区域在预设未来时间段会发生人群聚集事件。
上述人群聚集预测方法中,计算机设备获取预设监控范围内在预设检测时间段中的多个主体的移动信息,根据各主体的移动信息,确定朝向监控范围中监测区域移动的目标主体的数量,根据数量和监测区域在检测时间段的历史客流分布,预测监测区域在预设未来时间段是否发生人群聚集事件。在本方法中,计算机设备通过获取监控范围内的多个主体的移动信息,基于移动信息确定朝向监测区域的目标主体的数量,对监测区域的人群前往数量进行统计,从而基于统计的数量预测该监测区域在预设未来时间段是否会发生大量人员聚集的事件,其中,由于统计的是朝向监测区域的人员数量,即在监测区域发生人群聚集事件之前,便可预测到监测区域的是否会发生大量人员聚集的事件,使得计算机设备可以预先给相关人员提供是否产生人群聚集的数据支持,提高了监测区域的安全性。
计算机设备在统计超项监测区域的目标主体的数量时,可以通过主体的移动轨迹来判断主体是否为正在朝向监测区域移动的目标主体,从而确定目标主体的数量。在其中一个可选的实施例中,如图3所示,上述移动信息包括主体的移动轨迹和位置;根据各主体的移动信息,确定朝向监测区域移动的目标主体的数量,包括:
S301、根据主体的位置和监测区域的中心点位置,确定参考路径。
其中,监测区域的中心点位置指的是监测区域在经纬度坐标系下的中心点位置,计算机设备可以通过第三方地图来获取监测区域的中心点位置。主体的位置指的是基于视频数据获取到的主体在经纬度坐标系下位置坐标,类似的,计算机设备也可以通过第三方地图来获取主体的位置坐标。
在本实施例中,参考路径指的是主体位置与监测区域的中心点位置之间的连线,可参考图4所示,以O点为中心点的矩形区域为监测区域,在监测区域所在的监控范围内,存在三个主体A,B,C,其中A所对应的L1、B所对应的L2、C所对应的L3即为这里所说的各主体对应的参考路径。
S302、根据主体的移动轨迹和参考路径之间夹角,确定朝向监测区域移动的目标主体的数量。
其中,主体的移动轨迹可以基于主体的位置得到。如图4所示,以O点为中心点的矩形区域为监测区域,在监测区域所在的监控范围内,存在三个主体A,B,C,主体A,B,C检测时间段内分别经过了五个不同的图像采集设备,那么,主体A的路径起点位置坐标为(x1t0,y1t0),在检测时间段内分别经过位置1(x1t1,y1t1)、位置2(x1t2,y1t2)、位置3(x1t3,y1t3)、位置4(x1t4,y1t4),根据起点位置和检测时间段内最后一个位置,这里指位置4,便可确定主体A的移动轨迹,图4中,主体A的移动轨迹为l1,那么相应地,主体B的移动轨迹为l2,主体C的移动轨迹为l3。
在本实施例中,计算机设备在确定各个主体的移动轨迹和参考路径之后,确定各个主体的移动轨迹与参考路径之间的夹角的大小,如图4所示,主体A对应的夹角为θ1,主体B对应的夹角为θ2,主体C对应的夹角为θ3,基于夹角确定朝向监测区域移动的目标主体的数量。
可选地,计算机设备可以将各主体对应的夹角与预设的夹角阈值进行比较,将小于夹角阈值的主体确定为朝向监测区域移动的目标主体,具体包括:
S401、若主体的夹角小于预设的角度阈值,则确定主体为朝向监测区域移动的目标主体。
其中,预设的角度阈值可以根据实际情况设定,例如,可以设定为30度。
在本实施例中,计算机设备在确定各主体对应的夹角之后,判断夹角与预设角度阈值的大小关系,确定夹角小于预设角度阈值的主体为朝向监测区域移动的目标主体。示例地,如图4所示,主体A的夹角θ1小于30度,则确定主体A为朝向监测区域移动的目标主体;主体B的夹角θ2大于30度,则确定主体B为背向监测区域移动的目标主体;主体C的夹角θ3大于30度,则确定主体C为背向监测区域移动的目标主体。
S402、统计目标主体的个数,作为朝向监测区域移动的目标主体的数量。
在本实施例中,计算机设备在确定各个主体是否为朝向监测区域移动的目标主体之后,统计目标主体的数量,确定朝向监测区域移动的目标主体的总数量。以上述例子来说明,计算机设备确定朝向监测区域移动的目标主体的总数量为1。
可选地,计算机设备还可以通过判断各主体对应的夹角是否处于预设的角度范围内,来确定朝向监测区域移动的目标主体,例如,将夹角处于角度范围内的主体确定为朝向监测区域移动的目标主体;从而,统计目标主体的数量,得到朝向监测区域移动的目标主体的总数量,本实施例对此不做限定。
在本实施例中,计算机设备根据各个主体的移动轨迹与参考路径之间的夹角判断各个主体是否为朝向监测区域移动的目标主体,从而可以比较准确地统计朝向监测区域移动的目标主体的总数量;该方法判断条件为主体对应的夹角,数据量小,在节省计算资源的同时,又可以准确地确定朝向监测区域移动的目标主体的数量。
计算机设备可以通过监控范围内设置的图像采集设备采集到的数据,确定主体的移动信息,在其中一个可选的实施例中,如图6所示,获取预设监控范围内在预设检测时间段中的多个主体的移动信息,包括:
S501、获取监控范围内的多个图像采集设备在检测时间段内采集到的视频数据。
其中,根据各个图像采集设备的采集范围在监控范围内部署相应数量的图像采集设备,确保可以连贯采集主体在监控范围内的视频数据。其中,各个图像采集设备的地理位置是已知的,地理位置可以为从第三方地图中获取到的经纬度坐标,或者是GIS坐标。
在本实施例中,主体在监控范围内移动,在移动的过程中通过监控范围内的各个图像采集设备进行主体视频数据的采集,可选的,可以将视频数据实时存储在指定的存储空间中。另外,图像采集设备可能涉及不同单位的权限问题,在本实施例中,可以预先获取各个图像采集设备的采集权限,从而获取监控范围内图像采集设备所采集到的视频数据。当然,计算机设备也可以获取图像采集设备所采集到的图像数据,基于图像数据执行人群聚集预测方法,图像数据的处理方法与视频数据的处理方法类似,本实施例中重点以视频数据来说明。
S502、根据预设的数据处理规则对视频数据进行处理,确定各主体的移动信息。
其中,预设的数据处理规则包括对视频数据中主体特征的识别、提取、对比等处理,通过对视频数据进行处理,得到视频数据中各个主体的移动信息,例如,得到各个主体的位置坐标、移动轨迹、移动速度、移动方向等。
可选地,预设的数据处理规则包括预设的特征提取算法和预设的特征比对算法;那么,根据预设的数据处理规则对视频数据进行处理,确定各主体的移动信息,包括:
S601、根据预设的特征提取算法,提取各视频数据中各主体的特征信息。
其中,特征提取算法可以为局部二值模式(Local Binary Patterns,LBP)特征提取算法、方向梯度直方图(Histogram of Oriented,HOG)特征提取算法、LoG特征提取算法等。
在本实施例中,计算机设备基于预设的特征提取算法,提取各个视频数据中主体的特征信息,例如,主体可以为轿车、摩托车、行人,特征信息包括车牌号、行人穿着特征、脸部特征、身高特征等。
S602、根据预设的特征比对算法,从各视频数据中确定相同的主体。
其中,特征比对算法可以为暴力(Brute-Force)匹配算法、K-最近邻(knn)匹配算法、最近邻开源库(Fast Library for Approximate Nearest Neighbors,FLANN)匹配算法等。
在本实施例中,通过目标检测、特征比对等算法,确定出在不同的图像采集设备采集到的所有视频数据中出现的相同主体。若监控范围内包括五个图像采集设备,则从五个图像采集设备所采集到的所有视频数据中,根据主体的特征信息,通过特征比对算法,确定出现的相同主体。
S603、基于同一个主体在各视频数据中的特征信息,确定各主体在监控范围内、检测时间段所形成的移动信息。
在本实施例中,根据同一主体在各个视频数据中的特征信息,确定各个主体在各个视频数据中的位置坐标,从而计算机设备可以基于各个主体在不同视频数据中的位置坐标得到该主体的其他移动信息,例如,计算机设备确定主体A在图像采集设备1所采集的视频数据中的位置a,主体A在图像采集设备2所采集的视频数据中的位置b,主体A在图像采集设备3所采集的视频数据中的位置c,基于位置a、b、c,得到主体A的移动轨迹和移动方向,根据视频数据的时间轴,得到主体A的移动速度,从而形成主体A所对应的移动信息,本实施例对此不做限定。
在本实施例中,计算机设备获取到监控范围内不同图像采集设备采集到的视频数据,通过特征提取、特征比对等数据处理算法,确定出现在监控范围内各个主体对应的移动信息,从而为后续根据主体的移动信息确定主体是否为朝向监测区域的目标主体做了数据支撑。
为了减少数据处理量,计算机设备还可以根据主体的移动信息从所有主体中确定无效主体,从而对无效主体进行剔除操作,保留有效主体进行后续的操作,在其中一个可选的实施例中,如图8所示,该方法还包括:
S701、根据各主体的移动信息,从所有主体中确定无效主体。
其中,移动信息包括主体的移动轨迹、移动方向、移动速度等。计算机设备根据主体的移动信息确定主体是否为无效主体可以从多个维度进行筛选确定。
在一种场景下,若主体为静止状态,则意味着可以不去关注该主体,也即,该主体为无效主体,那么,在这种场景下,计算机设备则可以根据主体的移动速度确定主体是否为无效主体,包括:
若主体的移动速度小于预设的速度阈值,则确定主体为无效主体。
在本实施例中,计算机设备若确定主体的移动速度小于预设的速度阈值,则确定主体为无效主体,例如,主体的移动速度为1m/min,预设的速度阈值为1m/s,计算机设备确定主体的移动速度小于速度阈值,则确定当前主体为无效主体,或者,计算机设备得到主体的移动速度为0,那么计算机设备可以直接确定当前主体为无效主体。
在另外一种场景下,若主体只移动了一点点距离,随后处于静止状态,同样意味着可以不去关注该主体,也即,该主体为无效主体,那么,在这种场景下,计算机设备则可以根据主体的移动轨迹确定主体是否为无效主体,包括:
若主体的移动轨迹对应的移动距离小于预设的距离阈值,则确定主体为无效主体。
在本实施例中,计算机设备若确定主体的移动轨迹对应的移动距离小于预设的距离阈值,则确定主体为无效主体,例如,主体的移动轨迹对应的移动距离为3m,预设的距离阈值为10m,计算机设备确定主体的移动轨迹对应的移动距离小于距离阈值,则确定当前主体为无效主体,或者,计算机设备得到主体的移动轨迹对应的移动距离为0,那么计算机设备可以直接确定当前主体为无效主体。
在本实施例中,计算机设备根据主体的移动信息确定当前主体是否为无效主体,在确定为无效主体的情况下,可选,还可以对无效主体进行剔除操作。
S702、根据剔除无效主体后的剩余主体的移动信息,确定朝向监测区域移动的目标主体的数量。
在本实施例中,计算机设备对无效主体进行剔除操作之后,根据剩余的主体,也即根据剩余有效主体,执行确定朝向监测区域移动的目标主体的数量的步骤,本实施例对此不做限定。
在本实施例中,计算机设备根据各主体的移动信息剔除无效主体,减少了进行朝向监测区域移动的主体的数据处理量,节省了数据处理资源,相应地也可以提高数据处理效率。
计算机设备根据历史客流分布确定监测区域是否会发生人群聚集事件,在其中一个可选的实施例中,如图9所示,根据数量和监测区域在检测时间段的历史客流分布,预测监测区域在预设未来时间段是否发生人群聚集事件,包括:
S801、根据监测区域在检测时间段的历史客流分布,确定监测区域在检测时间段的历史客流平均值。
其中,历史客流分布可以为历史中至少5天的检测时间段的人群聚集数据分布。在本实施例中,计算机设备根据历史客流分布,计算历史客流平均值,例如,历史客流分布数据为过去5天的检测时间段的人群聚集数据,则计算5个人群聚集数据的平均值,作为历史客流平均值。
S802、若数量与历史客流平均值的差值大于预设阈值,则确定监测区域在预设未来时间段会发生人群聚集事件。
在本实施例中,若数量与历史客流平均值的差值大于预设阈值,即,当前得到的前往数量远远大于历史客流平均值,则认为前往数量为异常值,此时,确定监测区域在预设未来时间段会发生人群聚集事件。可选的,在确定监测区域在预设未来时间段会发生人群聚集事件的情况下,计算机设备还可以触发预警操作,例如,向第三方平台输出预警消息,其中,第三方平台可以为干预人群聚集的相关人员所在的平台。
在本实施例中,基于监测区域检测时间段对应的历史客流分布,确定当前前往数量是否为异常值,从而确定监测区域在预设未来时间段是否会发生人群聚集事件,该方法有效地在人群聚集发生之前,对人群聚集事件进行有效预测和判断,并且在会发生人群聚集的情况下,及时触发预警操作,可以加快相关人员对人群聚集事件的响应速度,及时预防和制止聚集事件、疏通人群,为监测区域提供安全保障。
为了更好的说明上述方法,如图10所示,本实施例提供一种人群聚集预测方法,具体包括:
S101、获取监控范围内的多个图像采集设备在检测时间段内采集到的视频数据;
S102、根据预设的特征提取算法,提取各视频数据中各主体的特征信息;
S103、根据预设的特征比对算法,从各视频数据中确定相同的主体;
S104、基于同一个主体在各视频数据中的特征信息,确定各主体在监控范围内、检测时间段所形成的移动信息;
S105、根据各主体的移动信息,从所有主体中确定无效主体;
S106、根据剔除无效主体后的剩余主体的位置和监测区域的中心点位置,确定各主体对应参考路径;
S107、获取主体的移动轨迹和参考路径之间夹角,若主体的夹角小于预设的角度阈值,则确定主体为朝向监测区域移动的目标主体;
S108、统计目标主体的个数,作为朝向监测区域移动的目标主体的数量;
S109、根据监测区域在检测时间段的历史客流分布,确定监测区域在检测时间段的历史客流平均值;
S110、若数量与历史客流平均值的差值大于预设阈值,则确定监测区域在预设未来时间段会发生人群聚集事件。
在本实施例中,计算机设备通过获取监控范围内的多个主体的移动信息,基于移动信息确定朝向监测区域的目标主体的数量,对监测区域的人群前往数量进行统计,从而基于统计的数量预测该监测区域在预设未来时间段是否会发生大量人员聚集的事件,其中,由于统计的是朝向监测区域的人员数量,即在监测区域发生人群聚集事件之前,便可预测到监测区域的是否会发生大量人员聚集的事件,使得计算机设备可以预先给相关人员提供是否产生人群聚集的数据支持,提高了监测区域的安全性。
上述实施例提供的人群聚集预测方法,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
应该理解的是,虽然图2-10的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-10中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在其中一个可选的实施例中,如图11所示,提供了一种人群聚集预测装置,包括:获取模块01、确定模块02和预测模块03,其中:
获取模块01,用于获取预设监控范围内在预设检测时间段中的多个主体的移动信息;预设监控范围包括监测区域;
确定模块02,用于根据各主体的移动信息,确定朝向监测区域移动的目标主体的数量;
预测模块03,用于根据数量和监测区域在检测时间段的历史客流分布,预测监测区域在预设未来时间段是否发生人群聚集事件。
在其中一个可选的实施例中,移动信息包括主体的移动轨迹和位置;确定模块02,用于根据主体的位置和监测区域的中心点位置,确定参考路径;根据主体的移动轨迹和参考路径之间夹角,确定朝向监测区域移动的目标主体的数量。
在其中一个可选的实施例中,确定模块02,用于若主体的夹角小于预设的角度阈值,则确定主体为朝向监测区域移动的目标主体;统计目标主体的个数,作为朝向监测区域移动的目标主体的数量。
在其中一个可选的实施例中,获取模块01,用于获取监控范围内的多个图像采集设备在检测时间段内采集到的视频数据;根据预设的数据处理规则对视频数据进行处理,确定各主体的移动信息。
在其中一个可选的实施例中,预设的数据处理规则包括预设的特征提取算法和预设的特征比对算法;获取模块01,用于根据预设的特征提取算法,提取各视频数据中各主体的特征信息;根据预设的特征比对算法,从各视频数据中确定相同的主体;基于同一个主体在各视频数据中的特征信息,确定各主体在监控范围内、检测时间段所形成的移动信息。
在其中一个可选的实施例中,如图12所示,上述人群聚集预测装置还包括筛选模块04:
筛选模块04,用于根据各主体的移动信息,从所有主体中确定无效主体;
确定模块02,还用于根据剔除无效主体后的剩余主体的移动信息,确定朝向监测区域移动的目标主体的数量。
在其中一个可选的实施例中,移动信息包括主体的移动速度;筛选模块04,用于若主体的移动速度小于预设的速度阈值,则确定主体为无效主体。
在其中一个可选的实施例中,移动信息包括主体的移动轨迹;筛选模块04,用于若主体的移动轨迹对应的移动距离小于预设的距离阈值,则确定主体为无效主体。
在其中一个可选的实施例中,预测模块03,用于根据监测区域在检测时间段的历史客流分布,确定监测区域在检测时间段的历史客流平均值;若数量与历史客流平均值的差值大于预设阈值,则确定监测区域在预设未来时间段会发生人群聚集事件。
关于人群聚集预测装置的具体限定可以参见上文中对于人群聚集预测方法的限定,在此不再赘述。上述人群聚集预测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取预设监控范围内在预设检测时间段中的多个主体的移动信息;预设监控范围包括监测区域;
根据各主体的移动信息,确定朝向监测区域移动的目标主体的数量;
根据数量和监测区域在检测时间段的历史客流分布,预测监测区域在预设未来时间段是否发生人群聚集事件。
上述实施例提供的计算机设备,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取预设监控范围内在预设检测时间段中的多个主体的移动信息;预设监控范围包括监测区域;
根据各主体的移动信息,确定朝向监测区域移动的目标主体的数量;
根据数量和监测区域在检测时间段的历史客流分布,预测监测区域在预设未来时间段是否发生人群聚集事件。
上述实施例提供的计算机可读存储介质,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
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,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)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申请的几种实施方式,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,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (12)
1.一种人群聚集预测方法,其特征在于,所述方法包括:
获取预设监控范围内在预设检测时间段中的多个主体的移动信息;所述预设监控范围包括监测区域;
根据各所述主体的移动信息,确定朝向所述监测区域移动的目标主体的数量;
根据所述数量和所述监测区域在所述检测时间段的历史客流分布,预测所述监测区域在预设未来时间段是否发生人群聚集事件。
2.根据权利要求1所述的方法,其特征在于,所述移动信息包括所述主体的移动轨迹和位置;所述根据各所述主体的移动信息,确定朝向所述监测区域移动的目标主体的数量,包括:
根据所述主体的位置和所述监测区域的中心点位置,确定参考路径;
根据所述主体的移动轨迹和所述参考路径之间夹角,确定朝向所述监测区域移动的目标主体的数量。
3.根据权利要求2所述的方法,其特征在于,所述根据所述主体的移动轨迹和所述参考路径之间夹角,确定朝向所述监测区域移动的目标主体的数量,包括:
若所述主体的夹角小于预设的角度阈值,则确定所述主体为朝向所述监测区域移动的目标主体;
统计所述目标主体的个数,作为朝向所述监测区域移动的目标主体的数量。
4.根据权利要求1所述的方法,其特征在于,所述获取预设监控范围内在预设检测时间段中的多个主体的移动信息,包括:
获取所述监控范围内的多个图像采集设备在所述检测时间段内采集到的视频数据;
根据预设的数据处理规则对所述视频数据进行处理,确定各所述主体的移动信息。
5.根据权利要求4所述的方法,其特征在于,所述预设的数据处理规则包括预设的特征提取算法和预设的特征比对算法;所述根据预设的数据处理规则对所述视频数据进行处理,确定各所述主体的移动信息,包括:
根据预设的特征提取算法,提取各所述视频数据中各所述主体的特征信息;
根据预设的特征比对算法,从各所述视频数据中确定相同的主体;
基于同一个主体在各所述视频数据中的特征信息,确定各所述主体在所述监控范围内、所述检测时间段所形成的移动信息。
6.根据权利要求1-5中任一项所述的方法,其特征在于,所述方法还包括:
根据各所述主体的移动信息,从所有所述主体中确定无效主体;
所述根据各所述主体的移动信息,确定朝向所述监测区域移动的目标主体的数量,包括:
根据剔除无效主体后的剩余主体的移动信息,确定朝向所述监测区域移动的目标主体的数量。
7.根据权利要求6所述的方法,其特征在于,所述移动信息包括所述目标主体的移动速度;所述根据各所述主体的移动信息,从所有所述主体中确定无效主体,包括:
若所述主体的移动速度小于预设的速度阈值,则确定所述主体为所述无效主体。
8.根据权利要求6所述的方法,其特征在于,所述移动信息包括所述目标主体的移动轨迹;所述根据各所述主体的移动信息,从所有所述主体中确定无效主体,包括:
若所述主体的移动轨迹对应的移动距离小于预设的距离阈值,则确定所述主体为所述无效主体。
9.根据权利要求1-6中任一项所述的方法,其特征在于,所述根据所述数量和所述监测区域在所述检测时间段的历史客流分布,预测所述监测区域在预设未来时间段是否发生人群聚集事件,包括:
根据所述监测区域在所述检测时间段的历史客流分布,确定所述监测区域在所述检测时间段的历史客流平均值;
若所述数量与所述历史客流平均值的差值大于预设阈值,则确定所述监测区域在预设未来时间段会发生人群聚集事件。
10.一种人群聚集预测装置,其特征在于,所述装置包括:
获取模块,用于获取预设监控范围内在预设检测时间段中的多个主体的移动信息;所述预设监控范围包括监测区域;
确定模块,用于根据各所述主体的移动信息,确定朝向所述监测区域移动的目标主体的数量;
预测模块,用于根据所述数量和所述监测区域在所述检测时间段的历史客流分布,预测所述监测区域在预设未来时间段是否发生人群聚集事件。
11.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至9中任一项所述的方法的步骤。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至9中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110668129.XA CN113536932A (zh) | 2021-06-16 | 2021-06-16 | 人群聚集预测方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110668129.XA CN113536932A (zh) | 2021-06-16 | 2021-06-16 | 人群聚集预测方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113536932A true CN113536932A (zh) | 2021-10-22 |
Family
ID=78096105
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110668129.XA Pending CN113536932A (zh) | 2021-06-16 | 2021-06-16 | 人群聚集预测方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113536932A (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106331657A (zh) * | 2016-11-02 | 2017-01-11 | 北京弘恒科技有限公司 | 人群聚集及移动的视频分析检测方法及系统 |
CN107330386A (zh) * | 2017-06-21 | 2017-11-07 | 厦门中控智慧信息技术有限公司 | 一种人流量统计方法及终端设备 |
CN108965826A (zh) * | 2018-08-21 | 2018-12-07 | 北京旷视科技有限公司 | 监控方法、装置、处理设备及存储介质 |
CN109858338A (zh) * | 2018-12-23 | 2019-06-07 | 广东腾晟信息科技有限公司 | 一种人群密度估计的识别及人群行为分析算法 |
CN110139075A (zh) * | 2019-05-10 | 2019-08-16 | 银河水滴科技(北京)有限公司 | 视频数据处理方法、装置、计算机设备和存储介质 |
CN110263703A (zh) * | 2019-06-18 | 2019-09-20 | 腾讯科技(深圳)有限公司 | 人员流量统计方法、装置和计算机设备 |
WO2019198139A1 (ja) * | 2018-04-10 | 2019-10-17 | 三菱電機株式会社 | 情報表示システム及び情報表示方法 |
CN110717926A (zh) * | 2018-07-13 | 2020-01-21 | 杭州海康威视数字技术股份有限公司 | 一种获取行人流量信息的方法及装置 |
CN111027518A (zh) * | 2019-12-26 | 2020-04-17 | 广州市炬盾科技发展有限公司 | 可疑人群智能报警方法、装置、计算机设备及存储介质 |
CN111325048A (zh) * | 2018-12-13 | 2020-06-23 | 杭州海康威视数字技术股份有限公司 | 一种人员聚集检测方法和装置 |
CN111666821A (zh) * | 2020-05-12 | 2020-09-15 | 深圳力维智联技术有限公司 | 人员聚集的检测方法、装置及设备 |
CN112047212A (zh) * | 2020-08-31 | 2020-12-08 | 日立楼宇技术(广州)有限公司 | 电梯运行控制方法、装置、计算机设备和存储介质 |
CN112333431A (zh) * | 2020-10-30 | 2021-02-05 | 深圳市商汤科技有限公司 | 场景监测方法、装置、电子设备及存储介质 |
CN112364722A (zh) * | 2020-10-23 | 2021-02-12 | 岭东核电有限公司 | 核电作业人员监控处理方法、装置和计算机设备 |
WO2021072959A1 (zh) * | 2019-10-18 | 2021-04-22 | 深圳先进技术研究院 | 一种地铁大客流预测方法、系统及电子设备 |
-
2021
- 2021-06-16 CN CN202110668129.XA patent/CN113536932A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106331657A (zh) * | 2016-11-02 | 2017-01-11 | 北京弘恒科技有限公司 | 人群聚集及移动的视频分析检测方法及系统 |
CN107330386A (zh) * | 2017-06-21 | 2017-11-07 | 厦门中控智慧信息技术有限公司 | 一种人流量统计方法及终端设备 |
WO2019198139A1 (ja) * | 2018-04-10 | 2019-10-17 | 三菱電機株式会社 | 情報表示システム及び情報表示方法 |
CN110717926A (zh) * | 2018-07-13 | 2020-01-21 | 杭州海康威视数字技术股份有限公司 | 一种获取行人流量信息的方法及装置 |
CN108965826A (zh) * | 2018-08-21 | 2018-12-07 | 北京旷视科技有限公司 | 监控方法、装置、处理设备及存储介质 |
CN111325048A (zh) * | 2018-12-13 | 2020-06-23 | 杭州海康威视数字技术股份有限公司 | 一种人员聚集检测方法和装置 |
CN109858338A (zh) * | 2018-12-23 | 2019-06-07 | 广东腾晟信息科技有限公司 | 一种人群密度估计的识别及人群行为分析算法 |
CN110139075A (zh) * | 2019-05-10 | 2019-08-16 | 银河水滴科技(北京)有限公司 | 视频数据处理方法、装置、计算机设备和存储介质 |
CN110263703A (zh) * | 2019-06-18 | 2019-09-20 | 腾讯科技(深圳)有限公司 | 人员流量统计方法、装置和计算机设备 |
WO2021072959A1 (zh) * | 2019-10-18 | 2021-04-22 | 深圳先进技术研究院 | 一种地铁大客流预测方法、系统及电子设备 |
CN111027518A (zh) * | 2019-12-26 | 2020-04-17 | 广州市炬盾科技发展有限公司 | 可疑人群智能报警方法、装置、计算机设备及存储介质 |
CN111666821A (zh) * | 2020-05-12 | 2020-09-15 | 深圳力维智联技术有限公司 | 人员聚集的检测方法、装置及设备 |
CN112047212A (zh) * | 2020-08-31 | 2020-12-08 | 日立楼宇技术(广州)有限公司 | 电梯运行控制方法、装置、计算机设备和存储介质 |
CN112364722A (zh) * | 2020-10-23 | 2021-02-12 | 岭东核电有限公司 | 核电作业人员监控处理方法、装置和计算机设备 |
CN112333431A (zh) * | 2020-10-30 | 2021-02-05 | 深圳市商汤科技有限公司 | 场景监测方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tian et al. | An automatic car accident detection method based on cooperative vehicle infrastructure systems | |
CN109804367B (zh) | 使用边缘计算的分布式视频存储和搜索 | |
CN108091140B (zh) | 一种确定套牌车辆的方法和装置 | |
JP6954420B2 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
US11398150B2 (en) | Navigation analysis for a multi-lane roadway | |
CN110929589B (zh) | 车辆特征识别的方法、设备、计算机设备和存储介质 | |
CN110738150B (zh) | 相机联动抓拍方法、装置以及计算机存储介质 | |
CN105631418A (zh) | 一种人数统计的方法和装置 | |
CN110826594A (zh) | 一种轨迹聚类的方法、设备及存储介质 | |
JP7128723B2 (ja) | 画像管理装置、路面情報管理システム、車両、プログラム、及び、画像管理方法 | |
CN111666821B (zh) | 人员聚集的检测方法、装置及设备 | |
CN109685062B (zh) | 一种目标检测方法、装置、设备及存储介质 | |
CN111079621A (zh) | 检测对象的方法、装置、电子设备和存储介质 | |
CN112733598A (zh) | 车辆违法判别方法、装置、计算机设备和存储介质 | |
CN114360261B (zh) | 车辆逆行的识别方法、装置、大数据分析平台和介质 | |
CN114333386B (zh) | 导航信息的推送方法、装置及存储介质 | |
KR20220101535A (ko) | 딥러닝 기반 온-디바이스 실시간 교통제어 시스템 | |
CN113536932A (zh) | 人群聚集预测方法、装置、计算机设备和存储介质 | |
Vikruthi et al. | A Novel Framework for Vehicle Detection and Classification Using Enhanced YOLO-v7 and GBM to Prioritize Emergency Vehicle | |
CN113807125A (zh) | 应急车道占用检测方法、装置、计算机设备和存储介质 | |
CN114170498A (zh) | 遗洒物检测方法、装置、计算机设备和存储介质 | |
CN110581979B (zh) | 一种图像采集系统、方法及装置 | |
CN112818847A (zh) | 车辆检测方法、装置、计算机设备和存储介质 | |
CN114093155A (zh) | 交通事故责任溯源方法、装置、计算机设备和存储介质 | |
CN111274931A (zh) | 超车行为的审核方法、装置、计算机设备和存储介质 |
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 |