CN113569645B - 基于图像检测的轨迹生成方法、装置及系统 - Google Patents
基于图像检测的轨迹生成方法、装置及系统 Download PDFInfo
- Publication number
- CN113569645B CN113569645B CN202110722441.2A CN202110722441A CN113569645B CN 113569645 B CN113569645 B CN 113569645B CN 202110722441 A CN202110722441 A CN 202110722441A CN 113569645 B CN113569645 B CN 113569645B
- Authority
- CN
- China
- Prior art keywords
- monitoring
- image
- mark
- features
- database
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000001514 detection method Methods 0.000 title claims abstract description 31
- 238000012544 monitoring process Methods 0.000 claims abstract description 368
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 9
- 239000003550 marker Substances 0.000 claims description 26
- 238000010586 diagram Methods 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 12
- 238000012806 monitoring device Methods 0.000 claims description 9
- 230000000007 visual effect Effects 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
Abstract
本发明公开了一种基于图像检测的轨迹生成方法、装置及系统,其中,包括:获取图像信息,并从所述图像信息选择监控对象的个人图像;采集所述监控对象的个人图像中的生物特征,并基于该生物特征进行特征分解,以获得多个监控特征;多个所述监控特征之间存在相关联;获取监控数据库,并基于多个所述监控特征从所述监控数据库的动态视频中确定所述监控对象;标记所述监控对象,并虚化其他动态对象;具体化所述监控数据库的动态视频中的固定建筑,并基于所述动态视频和卫星图像构建全景模型;实时监控所述监控对象,并记录所述监控对象相对于所述全景模型的移动,以形成轨迹图。
Description
技术领域
本发明涉及的图像检测技术领域,尤其涉及一种基于图像检测的轨迹生成方法、装置及系统。
背景技术
目前是大数据的时代,人们需要输入对应的个人信息以捕捉对应人人员的行踪,可是,个人信息大多是是文字信息,需要平台进行图像信息的转化,在该转化过程中会影响图像检测的准确度。
发明内容
本发明的目的在于克服现有技术的不足,本发明提供了一种基于图像检测的轨迹生成方法、装置及系统,可以实现对图像信息中的监控对象进行监控数据库中的监控捕捉,并且能够基于监控特征快速确认监控对象的移动轨迹,形成移动轨迹图的输出,实现监控对象的快速确定和捕捉,保证监控对象的准确度。
为了解决上述技术问题,本发明实施例提供了一种基于图像检测的轨迹生成方法,包括:获取图像信息,并从所述图像信息选择监控对象的个人图像;采集所述监控对象的个人图像中的生物特征,并基于该生物特征进行特征分解,以获得多个监控特征;多个所述监控特征之间存在相关联;获取监控数据库,并基于多个所述监控特征从所述监控数据库的动态视频中确定所述监控对象;标记所述监控对象,并虚化其他动态对象;具体化所述监控数据库的动态视频中的固定建筑,并基于所述动态视频和卫星图像构建全景模型;实时监控所述监控对象,并记录所述监控对象相对于所述全景模型的移动,以形成轨迹图。
可选的,所述获取图像信息,并从所述图像信息选择监控对象的个人图像,包括:获取图像信息,并对所述图像信息中的人像进行显化,且降低所述图像信息中的非人像的对比度;获取所述监控对象的以往图像,该以往图像包括所述监控对象在各个年龄段的个人照片;将所述以往图像基于人像识别模型进行训练,并呈现所述以往图像中各个特征随着年龄的增大而变化趋势;基于所述人像识别模型记录所述监控对象的各个阶段的变化,并且对所述图像信息中的人像进行识别;将所述人像输入至所述人像识别模型,所述人像识别模型基于逆向思维策略确定所述人像中的所述监控对象的个人图像。
可选的,所述采集所述监控对象的个人图像中的生物特征,并基于该生物特征进行特征分解,以获得多个监控特征;多个所述监控特征之间存在相关联,包括:获取所述监控对象的个人图像;基于所述监控对象的个人图像寻找所述监控对象在对应时间内的活动视频;基于所述活动视频采集所述监控对象的生物特征,并形成所述生物特征的活动动画;基于所述生物特征的活动动画采集所述生物特征的变化趋势;对所述生物特征进行区域划分,并形成各个特征区域;将所述特征区域和所述生物特征的变化趋势进行结合,以形成多个所述监控特征;相邻的两所述监控特征基于所述生物特征的活动动画限定对于的关联系数,并且基于所述关联系数调整相邻的两所述监控特征的带动范围;将所述监控特征和对应的关联系数进行结合对比,以在所述监控数据库中定格所述监控对象。
可选的,所述获取监控数据库,并基于多个所述监控特征从所述监控数据库的动态视频中确定所述监控对象,包括:连通车载监控、公共监控、商铺监控,并构建所述监控数据库;基于相同的标记物的多向视角,调取所述车载监控的相关视频、所述公共监控的相关视频和所述商铺监控的相关视频;结合所述车载监控的相关视频、所述公共监控的相关视频和所述商铺监控的相关视频,并对重复视角区域进行归一,对非重复视角区域进行整合,以形成多向角度的监控数据,并形成所述监控数据库;基于所述监控数据库构建各个对象对应的对象特征库;基于多个所述监控特征从各个对象对应的对象特征库的动态视频中确定所述监控对象。
可选的,还包括:将多个所述监控特征进行分级处理,并基于所述监控对象的个人信息以确定高相关监控特征、中相关监控特征和其余相关监控特征;基于所述高相关监控特征排查各个所述对象特征库,并将对应的所述对象特征库构建成高相关对象特征库;在所述高相关对象特征库匹配所述中相关监控特征,并将所述高相关对象特征库匹配分拆为第一对比库和第二对比库;所述第一对比库和所述中相关监控特征的对比度大于所述第二对比库和所述中相关监控特征的对比度;将所述第一对比库逐一地跟所述其余相关监控特征对比,并初步确定第一监控对象;将所述第二对比库逐一地跟所述其余相关监控特征对比,并初步确定第二监控对象;若所述第一监控对象与多个所述监控特征的相似度大于所述第二监控对象与多个所述监控特征的相似度,则认定第一监控对象为所述监控对象。
可选的,所述标记所述监控对象,并虚化其他动态对象,包括:在所述监控对象标记有第一标记;将所述监控对象所接触的非监控对象标记有第二标记;在所述监控数据库仅仅显示所述第一标记和所述第二标记,并虚化其他动态对象;在预设时间内重新采集所述监控对象的相关视频,并确定多个所述监控特征;基于多个所述监控特征形成第三标记;将所述第三标记和所述第一标记进行对比,以确定标记相似度;当所述标记相似度大于预设标记相似度,则认定所述第三标记和所述第一标记相等同,维持所述第一标记的标记,并进行所述第二标记的增加。
可选的,所述具体化所述监控数据库的动态视频中的固定建筑,并基于所述动态视频和卫星图像构建全景模型,包括:通过所述监控数据库的动态视频捕捉所述固定建筑的多个视角;基于多个所述视角构建所述固定建筑的外轮廓,并对所述固定建筑进行具象化;获取所述卫星图像,并基于所述第一标记获取附近地面图像;基于所述地面图像和具象化的所述固定建筑进行所述全景模型的构建;获取所述固定建筑的建筑信息,并基于所述建筑信息进一步校准所述全景模型。
可选的,所述实时监控所述监控对象,并记录所述监控对象相对于所述全景模型的移动,以形成轨迹图,包括:在所述全景模型中插入所述第一标记;基于所述第一标记的移动实时监控所述监控对象;同步记录所述第二标记的移动;所述第二标记的移动线与所述第一标记的移动线存在颜色差异;随着所述监控对象相对于所述全景模型的移动,所述第一标记的移动线进行实时的延伸,并形成对应的轨迹图;记录所述轨迹图对应的移动时间,并基于所选择的所述移动时间呈现对应时间的部分轨迹图;基于所述轨迹图分析所述监控对象所进入的场所;获取所述场所的工商信息,并基于所述场所的工商信息形成所述监控对象的轨迹报告,所述轨迹报告包括监控对象的个人信息、移动时间、停留时间和场所信息。
另外,本发明实施例还提供了一种基于图像检测的轨迹生成装置,所述基于图像检测的轨迹生成装置包括:选择模块:用于获取图像信息,并从所述图像信息选择监控对象的个人图像;采集模块:用于采集所述监控对象的个人图像中的生物特征,并基于该生物特征进行特征分解,以获得多个监控特征;多个所述监控特征之间存在相关联;获取模块:用于获取监控数据库,并基于多个所述监控特征从所述监控数据库的动态视频中确定所述监控对象;标记模块:用于标记所述监控对象,并虚化其他动态对象;构建模块:用于具体化所述监控数据库的动态视频中的固定建筑,并基于所述动态视频和卫星图像构建全景模型;记录模块:用于实时监控所述监控对象,并记录所述监控对象相对于所述全景模型的移动,以形成轨迹图。
另外,本发明实施例还提供了一种基于图像检测的轨迹生成系统,所述系统包括:一体机屏幕、电脑和彩色分析仪;所述电脑基于HDMI接口与所述一体机屏幕相连接;所述电脑基于USB接口与所述彩色分析仪相连接;所述彩色分析仪与所述一体机屏幕信号连接;其中,
所述系统被配置为用于执行上述中任意一项的所述基于图像检测的轨迹生成方法。
在本发明实施例中,通过本发明实施例中的方法,可以实现对图像信息中的监控对象进行监控数据库中的监控捕捉,并且能够基于监控特征快速确认监控对象的移动轨迹,形成移动轨迹图的输出,实现监控对象的快速确定和捕捉。
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,显而易见的,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它的附图。
图1是本发明实施例中的基于图像检测的轨迹生成方法的流程示意图;
图2是本发明实施例中的基于图像检测的轨迹生成装置的结构组成示意图;
图3是本发明实施例中的基于图像检测的轨迹生成系统的结构组成示意图。
具体实施方式
下面将结合本发明实施例中的附图,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。
实施例
请参阅图1,图1是本发明实施例中的基于图像检测的轨迹生成方法的流程示意图。
如图1所示,一种基于图像检测的轨迹生成方法,所述方法包括:
S11:获取图像信息,并从所述图像信息选择监控对象的个人图像;
在本发明具体实施过程中,具体的步骤可以为:获取图像信息,并对所述图像信息中的人像进行显化,且降低所述图像信息中的非人像的对比度;获取所述监控对象的以往图像,该以往图像包括所述监控对象在各个年龄段的个人照片;将所述以往图像基于人像识别模型进行训练,并呈现所述以往图像中各个特征随着年龄的增大而变化趋势;基于所述人像识别模型记录所述监控对象的各个阶段的变化,并且对所述图像信息中的人像进行识别;将所述人像输入至所述人像识别模型,所述人像识别模型基于逆向思维策略确定所述人像中的所述监控对象的个人图像。
其中,通过图像信息直接获取对应的监控对象的个人图像,避免个人的基本信息的影响,并且基于所述图像信息中的非人像的排除,提高监控对象的个人图像的识别度,另外,能够基于所述以往图像和人像识别模型的训练以呈现监控对象的变化趋势,提高所述监控对象的个人图像的识别精度和避免其他对象的影响。
还有的是,基于以往图像并通过人像识别模型的转化,能够在人像识别模型获取对应年纪的个人图像,并且对个人图像进行延伸,通过所延伸的个人图像进行图像查询,并且大量的数据库中寻找对应人群,以获得对应的个人信息,针对儿童的寻找会有个年纪的追溯,通过年纪的追溯和延伸的个人图像,以判断儿童多年之后的形成,并为寻找儿童提供寻找的信息基础。
S12:采集所述监控对象的个人图像中的生物特征,并基于该生物特征进行特征分解,以获得多个监控特征;多个所述监控特征之间存在相关联;
在本发明具体实施过程中,具体的步骤可以为:获取所述监控对象的个人图像;基于所述监控对象的个人图像寻找所述监控对象在对应时间内的活动视频;基于所述活动视频采集所述监控对象的生物特征,并形成所述生物特征的活动动画;基于所述生物特征的活动动画采集所述生物特征的变化趋势;对所述生物特征进行区域划分,并形成各个特征区域;将所述特征区域和所述生物特征的变化趋势进行结合,以形成多个所述监控特征;相邻的两所述监控特征基于所述生物特征的活动动画限定对于的关联系数,并且基于所述关联系数调整相邻的两所述监控特征的带动范围;将所述监控特征和对应的关联系数进行结合对比,以在所述监控数据库中定格所述监控对象。
其中,基于车载监控、公共监控、商铺监控构建所述监控数据库,并在利用标记物的多个视角进行相关视频的拼接,以呈现监控对象在多个视角下的捕捉,并且有利于监控对象的多个生物特征进行对比。具体的,结合所述车载监控的相关视频、所述公共监控的相关视频和所述商铺监控的相关视频,并对重复视角区域进行归一,对非重复视角区域进行整合,以形成多向角度的监控数据,并形成所述监控数据库。基于多个所述监控特征从各个对象对应的对象特征库的动态视频中确定所述监控对象,实现在众多人海中获取对应的监控对象。
还有的是,将多个所述监控特征进行分级处理,并基于所述监控对象的个人信息以确定高相关监控特征、中相关监控特征和其余相关监控特征;
基于所述高相关监控特征排查各个所述对象特征库,并将对应的所述对象特征库构建成高相关对象特征库;在所述高相关对象特征库匹配所述中相关监控特征,并将所述高相关对象特征库匹配分拆为第一对比库和第二对比库;所述第一对比库和所述中相关监控特征的对比度大于所述第二对比库和所述中相关监控特征的对比度;将所述第一对比库逐一地跟所述其余相关监控特征对比,并初步确定第一监控对象;将所述第二对比库逐一地跟所述其余相关监控特征对比,并初步确定第二监控对象;若所述第一监控对象与多个所述监控特征的相似度大于所述第二监控对象与多个所述监控特征的相似度,则认定第一监控对象为所述监控对象。通过多层的对比,并且在高相关监控特征、中相关监控特征和其余相关监控特征的依次对比中,以确定所述监控对象,从而保证所述监控对象的准确度。
S13:获取监控数据库,并基于多个所述监控特征从所述监控数据库的动态视频中确定所述监控对象;
S14:标记所述监控对象,并虚化其他动态对象;
在本发明具体实施过程中,具体的步骤可以为:在所述监控对象标记有第一标记;将所述监控对象所接触的非监控对象标记有第二标记;在所述监控数据库仅仅显示所述第一标记和所述第二标记,并虚化其他动态对象;在预设时间内重新采集所述监控对象的相关视频,并确定多个所述监控特征;基于多个所述监控特征形成第三标记;将所述第三标记和所述第一标记进行对比,以确定标记相似度;当所述标记相似度大于预设标记相似度,则认定所述第三标记和所述第一标记相等同,维持所述第一标记的标记,并进行所述第二标记的增加。
通过第一标记记录监控对象,第二标记记录相关人员,并且降低所述监控数据库其他对象的影响,提高监控数据库中第一标记和第二标记的处理效率,并且通过在预设时间内进行第三标记的重新确认,以保证第一标记所对应的监控对象没有转移,另外,第二标记在第一标记的移动过程中进行延伸,以保证第二标记的数量的增加,追溯第一标记的延伸链。
S15:具体化所述监控数据库的动态视频中的固定建筑,并基于所述动态视频和卫星图像构建全景模型;
在本发明具体实施过程中,具体的步骤包括:通过所述监控数据库的动态视频捕捉所述固定建筑的多个视角;基于多个所述视角构建所述固定建筑的外轮廓,并对所述固定建筑进行具象化;获取所述卫星图像,并基于所述第一标记获取附近地面图像;基于所述地面图像和具象化的所述固定建筑进行所述全景模型的构建;获取所述固定建筑的建筑信息,并基于所述建筑信息进一步校准所述全景模型。
其中,通过所述监控数据库的动态视频捕捉所述固定建筑的多个视角,并且在固定建筑上多个角度的扫描,以便于构建所述固定建筑的外轮廓,并对所述固定建筑进行具象化。并且基于所述卫星图像和动态视频捕捉的结合构建固定建筑进行所述全景模型,降低对象相对于建筑物的影响,另外,基于所述建筑信息进一步校准所述全景模型,保证全景模型的准确度和实体化。
S16:实时监控所述监控对象,并记录所述监控对象相对于所述全景模型的移动,以形成轨迹图。
在本发明具体实施过程中,具体的步骤包括:在所述全景模型中插入所述第一标记;基于所述第一标记的移动实时监控所述监控对象;同步记录所述第二标记的移动;所述第二标记的移动线与所述第一标记的移动线存在颜色差异;随着所述监控对象相对于所述全景模型的移动,所述第一标记的移动线进行实时的延伸,并形成对应的轨迹图;记录所述轨迹图对应的移动时间,并基于所选择的所述移动时间呈现对应时间的部分轨迹图;基于所述轨迹图分析所述监控对象所进入的场所;获取所述场所的工商信息,并基于所述场所的工商信息形成所述监控对象的轨迹报告,所述轨迹报告包括监控对象的个人信息、移动时间、停留时间和场所信息。
还有的是,基于第一标记进行第二标记的延伸,并且记录第二标记的移动轨迹,以构建第一标记的移动轨迹和第二标记的移动轨迹,并且能够在特定时间内进行轨迹图的确定,以便于跟踪相关联的人物移动信息。
在特定的环境中,基于第二标记的移动轨迹图,可以追溯第一标记的移动轨迹,并且进行多个标记的轨迹记录,能够以单一对象进行关联对象的跟踪,构建多个标记之间的关系,并基于该关系进行特定病情的跟踪、集群信息的建立,另外,相对应的轨迹图能够进行精准调取,以实现在特定时间内的热点跟踪,并且基于热点跟踪建立对应的兴趣关系链,以便于利用兴趣关系链建立集群式关联圈,以拓展集群式关联圈的特定主题信息。
在本发明实施例中,通过本发明实施例中的方法,可以实现对图像信息中的监控对象进行监控数据库中的监控捕捉,并且能够基于监控特征快速确认监控对象的移动轨迹,形成移动轨迹图的输出,实现监控对象的快速确定和捕捉。
实施例
请参阅图2,图2是本发明实施例中的基于图像检测的轨迹生成装置的结构组成示意图。
如图2所示,一种基于图像检测的轨迹生成装置,所述基于图像检测的轨迹生成装置包括:
选择模块21:用于获取图像信息,并从所述图像信息选择监控对象的个人图像;
采集模块22:用于采集所述监控对象的个人图像中的生物特征,并基于该生物特征进行特征分解,以获得多个监控特征;多个所述监控特征之间存在相关联;
获取模块23:用于获取监控数据库,并基于多个所述监控特征从所述监控数据库的动态视频中确定所述监控对象;
标记模块24:用于标记所述监控对象,并虚化其他动态对象;
构建模块25:用于具体化所述监控数据库的动态视频中的固定建筑,并基于所述动态视频和卫星图像构建全景模型;
记录模块26:用于实时监控所述监控对象,并记录所述监控对象相对于所述全景模型的移动,以形成轨迹图。
本发明提供了一种基于图像检测的轨迹生成方法、装置及系统,可以实现对图像信息中的监控对象进行监控数据库中的监控捕捉,并且能够基于监控特征快速确认监控对象的移动轨迹,形成移动轨迹图的输出,实现监控对象的快速确定和捕捉,保证监控对象的准确度。
实施例
请参阅图3,图3是本发明实施例中的基于图像检测的轨迹生成系统的结构组成示意图。
如图3所示,一种基于图像检测的轨迹生成系统,所述系统包括:一体机屏幕31、电脑32和彩色分析仪33;所述电脑32基于HDMI接口与所述一体机屏幕31相连接;所述电脑32基于USB接口与所述彩色分析仪33相连接;所述彩色分析仪33与所述一体机屏幕31信号连接;其中,
所述系统被配置为用于执行上述中任意一项的所述基于图像检测的轨迹生成方法。
在本发明具体实施过程中,基于图像检测的轨迹生成系统的具体实施过程请参阅上述实施例,在此不再赘述。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(ROM,ReadOnly Memory)、随机存取存储器(RAM,Random AccessMemory)、磁盘或光盘等。
另外,以上对本发明实施例所提供的基于图像检测的轨迹生成方法、装置及系统进行了详细介绍,本文中应采用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (5)
1.一种基于图像检测的轨迹生成方法,其特征在于,包括:
获取图像信息,并从所述图像信息选择监控对象的个人图像;
采集所述监控对象的个人图像中的生物特征,并基于该生物特征进行特征分解,以获得多个监控特征;多个所述监控特征之间存在相关联;
获取监控数据库,并基于多个所述监控特征从所述监控数据库的动态视频中确定所述监控对象;
标记所述监控对象,并虚化其他动态对象;
具体化所述监控数据库的动态视频中的固定建筑,并基于所述动态视频和卫星图像构建全景模型;
实时监控所述监控对象,并记录所述监控对象相对于所述全景模型的移动,以形成轨迹图;所述获取图像信息,并从所述图像信息选择监控对象的个人图像,包括:
获取图像信息,并对所述图像信息中的人像进行显化,且降低所述图像信息中的非人像的对比度;
获取所述监控对象的以往图像,该以往图像包括所述监控对象在各个年龄段的个人照片;
将所述以往图像基于人像识别模型进行训练,并呈现所述以往图像中各个特征随着年龄的增大而变化趋势;
基于所述人像识别模型记录所述监控对象的各个阶段的变化,并且对所述图像信息中的人像进行识别;
将所述人像输入至所述人像识别模型,所述人像识别模型基于逆向思维策略确定所述人像中的所述监控对象的个人图像;
所述标记所述监控对象,并虚化其他动态对象,包括:
在所述监控对象标记有第一标记;
将所述监控对象所接触的非监控对象标记有第二标记;
在所述监控数据库仅仅显示所述第一标记和所述第二标记,并虚化其他动态对象;
在预设时间内重新采集所述监控对象的相关视频,并确定多个所述监控特征;
基于多个所述监控特征形成第三标记;
将所述第三标记和所述第一标记进行对比,以确定标记相似度;
当所述标记相似度大于预设标记相似度,则认定所述第三标记和所述第一标记相等同,维持所述第一标记的标记,并进行所述第二标记的增加;
所述获取监控数据库,并基于多个所述监控特征从所述监控数据库的动态视频中确定所述监控对象,包括:
连通车载监控、公共监控、商铺监控,并构建所述监控数据库;
基于相同的标记物的多向视角,调取所述车载监控的相关视频、所述公共监控的相关视频和所述商铺监控的相关视频;
结合所述车载监控的相关视频、所述公共监控的相关视频和所述商铺监控的相关视频,并对重复视角区域进行归一,对非重复视角区域进行整合,以形成多向角度的监控数据,并形成所述监控数据库;
基于所述监控数据库构建各个对象对应的对象特征库;
基于多个所述监控特征从各个对象对应的对象特征库的动态视频中确定所述监控对象;
将多个所述监控特征进行分级处理,并基于所述监控对象的个人信息以确定高相关监控特征、中相关监控特征和其余相关监控特征;
基于所述高相关监控特征排查各个所述对象特征库,并将对应的所述对象特征库构建成高相关对象特征库;
在所述高相关对象特征库匹配所述中相关监控特征,并将所述高相关对象特征库匹配分拆为第一对比库和第二对比库;所述第一对比库和所述中相关监控特征的对比度大于所述第二对比库和所述中相关监控特征的对比度;
将所述第一对比库逐一地跟所述其余相关监控特征对比,并初步确定第一监控对象;
将所述第二对比库逐一地跟所述其余相关监控特征对比,并初步确定第二监控对象;
若所述第一监控对象与多个所述监控特征的相似度大于所述第二监控对象与多个所述监控特征的相似度,则认定第一监控对象为所述监控对象;
所述具体化所述监控数据库的动态视频中的固定建筑,并基于所述动态视频和卫星图像构建全景模型,包括:
通过所述监控数据库的动态视频捕捉所述固定建筑的多个视角;
基于多个所述视角构建所述固定建筑的外轮廓,并对所述固定建筑进行具象化;
获取所述卫星图像,并基于所述第一标记获取附近地面图像;
基于所述地面图像和具象化的所述固定建筑进行所述全景模型的构建;
获取所述固定建筑的建筑信息,并基于所述建筑信息进一步校准所述全景模型。
2.根据权利要求1所述的基于图像检测的轨迹生成方法,其特征在于,所述采集所述监控对象的个人图像中的生物特征,并基于该生物特征进行特征分解,以获得多个监控特征;多个所述监控特征之间存在相关联,包括:
获取所述监控对象的个人图像;
基于所述监控对象的个人图像寻找所述监控对象在对应时间内的活动视频;
基于所述活动视频采集所述监控对象的生物特征,并形成所述生物特征的活动动画;
基于所述生物特征的活动动画采集所述生物特征的变化趋势;
对所述生物特征进行区域划分,并形成各个特征区域;
将所述特征区域和所述生物特征的变化趋势进行结合,以形成多个所述监控特征;
相邻的两所述监控特征基于所述生物特征的活动动画限定对于的关联系数,并且基于所述关联系数调整相邻的两所述监控特征的带动范围;
将所述监控特征和对应的关联系数进行结合对比,以在所述监控数据库中定格所述监控对象。
3.根据权利要求1所述的基于图像检测的轨迹生成方法,其特征在于,所述实时监控所述监控对象,并记录所述监控对象相对于所述全景模型的移动,以形成轨迹图,包括:
在所述全景模型中插入所述第一标记;
基于所述第一标记的移动实时监控所述监控对象;
同步记录所述第二标记的移动;所述第二标记的移动线与所述第一标记的移动线存在颜色差异;
随着所述监控对象相对于所述全景模型的移动,所述第一标记的移动线进行实时的延伸,并形成对应的轨迹图;
记录所述轨迹图对应的移动时间,并基于所选择的所述移动时间呈现对应时间的部分轨迹图;
基于所述轨迹图分析所述监控对象所进入的场所;
获取所述场所的工商信息,并基于所述场所的工商信息形成所述监控对象的轨迹报告,所述轨迹报告包括监控对象的个人信息、移动时间、停留时间和场所信息。
4.一种基于图像检测的轨迹生成装置,其特征在于,所述基于图像检测的轨迹生成装置包括:
选择模块:用于获取图像信息,并从所述图像信息选择监控对象的个人图像;
采集模块:用于采集所述监控对象的个人图像中的生物特征,并基于该生物特征进行特征分解,以获得多个监控特征;多个所述监控特征之间存在相关联;
获取模块:用于获取监控数据库,并基于多个所述监控特征从所述监控数据库的动态视频中确定所述监控对象;
标记模块:用于标记所述监控对象,并虚化其他动态对象;
构建模块:用于具体化所述监控数据库的动态视频中的固定建筑,并基于所述动态视频和卫星图像构建全景模型;
记录模块:用于实时监控所述监控对象,并记录所述监控对象相对于所述全景模型的移动,以形成轨迹图;
所述获取图像信息,并从所述图像信息选择监控对象的个人图像,包括:
获取图像信息,并对所述图像信息中的人像进行显化,且降低所述图像信息中的非人像的对比度;
获取所述监控对象的以往图像,该以往图像包括所述监控对象在各个年龄段的个人照片;
将所述以往图像基于人像识别模型进行训练,并呈现所述以往图像中各个特征随着年龄的增大而变化趋势;
基于所述人像识别模型记录所述监控对象的各个阶段的变化,并且对所述图像信息中的人像进行识别;
将所述人像输入至所述人像识别模型,所述人像识别模型基于逆向思维策略确定所述人像中的所述监控对象的个人图像;
所述标记所述监控对象,并虚化其他动态对象,包括:
在所述监控对象标记有第一标记;
将所述监控对象所接触的非监控对象标记有第二标记;
在所述监控数据库仅仅显示所述第一标记和所述第二标记,并虚化其他动态对象;
在预设时间内重新采集所述监控对象的相关视频,并确定多个所述监控特征;
基于多个所述监控特征形成第三标记;
将所述第三标记和所述第一标记进行对比,以确定标记相似度;
当所述标记相似度大于预设标记相似度,则认定所述第三标记和所述第一标记相等同,维持所述第一标记的标记,并进行所述第二标记的增加;
所述获取监控数据库,并基于多个所述监控特征从所述监控数据库的动态视频中确定所述监控对象,包括:
连通车载监控、公共监控、商铺监控,并构建所述监控数据库;
基于相同的标记物的多向视角,调取所述车载监控的相关视频、所述公共监控的相关视频和所述商铺监控的相关视频;
结合所述车载监控的相关视频、所述公共监控的相关视频和所述商铺监控的相关视频,并对重复视角区域进行归一,对非重复视角区域进行整合,以形成多向角度的监控数据,并形成所述监控数据库;
基于所述监控数据库构建各个对象对应的对象特征库;
基于多个所述监控特征从各个对象对应的对象特征库的动态视频中确定所述监控对象;
将多个所述监控特征进行分级处理,并基于所述监控对象的个人信息以确定高相关监控特征、中相关监控特征和其余相关监控特征;
基于所述高相关监控特征排查各个所述对象特征库,并将对应的所述对象特征库构建成高相关对象特征库;
在所述高相关对象特征库匹配所述中相关监控特征,并将所述高相关对象特征库匹配分拆为第一对比库和第二对比库;所述第一对比库和所述中相关监控特征的对比度大于所述第二对比库和所述中相关监控特征的对比度;
将所述第一对比库逐一地跟所述其余相关监控特征对比,并初步确定第一监控对象;
将所述第二对比库逐一地跟所述其余相关监控特征对比,并初步确定第二监控对象;
若所述第一监控对象与多个所述监控特征的相似度大于所述第二监控对象与多个所述监控特征的相似度,则认定第一监控对象为所述监控对象;
所述具体化所述监控数据库的动态视频中的固定建筑,并基于所述动态视频和卫星图像构建全景模型,包括:
通过所述监控数据库的动态视频捕捉所述固定建筑的多个视角;
基于多个所述视角构建所述固定建筑的外轮廓,并对所述固定建筑进行具象化;
获取所述卫星图像,并基于所述第一标记获取附近地面图像;
基于所述地面图像和具象化的所述固定建筑进行所述全景模型的构建;
获取所述固定建筑的建筑信息,并基于所述建筑信息进一步校准所述全景模型。
5.一种基于图像检测的轨迹生成系统,其特征在于,所述系统包括:一体机屏幕、电脑和彩色分析仪;所述电脑基于HDMI接口与所述一体机屏幕相连接;所述电脑基于USB接口与所述彩色分析仪相连接;所述彩色分析仪与所述一体机屏幕信号连接;其中,
所述系统被配置为用于执行权利要求1-3所述基于图像检测的轨迹生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110722441.2A CN113569645B (zh) | 2021-06-28 | 2021-06-28 | 基于图像检测的轨迹生成方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110722441.2A CN113569645B (zh) | 2021-06-28 | 2021-06-28 | 基于图像检测的轨迹生成方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113569645A CN113569645A (zh) | 2021-10-29 |
CN113569645B true CN113569645B (zh) | 2024-03-22 |
Family
ID=78162914
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110722441.2A Active CN113569645B (zh) | 2021-06-28 | 2021-06-28 | 基于图像检测的轨迹生成方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113569645B (zh) |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102724482A (zh) * | 2012-06-18 | 2012-10-10 | 西安电子科技大学 | 基于gps和gis的智能视觉传感网络运动目标接力跟踪系统 |
CN102799862A (zh) * | 2012-06-29 | 2012-11-28 | 陕西省交通规划设计研究院 | 高清视频监控图像的行人快速定位、事件检测系统及方法 |
CN103946732A (zh) * | 2011-09-26 | 2014-07-23 | 微软公司 | 基于对透视、近眼显示器的传感器输入的视频显示修改 |
CN106095980A (zh) * | 2016-06-21 | 2016-11-09 | 成都科曦科技有限公司 | 一种突发事件下的建筑物内人员移动轨迹的三维展示系统及方法 |
CN106114623A (zh) * | 2016-06-16 | 2016-11-16 | 江苏大学 | 一种基于人类视觉的自动泊车路径规划方法及系统 |
CN106303417A (zh) * | 2016-08-12 | 2017-01-04 | 长沙冰眼电子科技有限公司 | 用于无人平台的增强全景监控方法 |
CN106529467A (zh) * | 2016-11-07 | 2017-03-22 | 南京邮电大学 | 基于多特征融合的群体行为识别方法 |
CN106657069A (zh) * | 2016-12-24 | 2017-05-10 | 深圳云天励飞技术有限公司 | 一种图像数据处理系统 |
CN107016374A (zh) * | 2017-04-12 | 2017-08-04 | 电子科技大学 | 面向特定目标的智能检测追踪及时空轨迹的生成方法 |
CN107370983A (zh) * | 2016-05-13 | 2017-11-21 | 腾讯科技(深圳)有限公司 | 用于视频监控系统的行踪轨迹的获取方法和装置 |
CN109977853A (zh) * | 2019-03-25 | 2019-07-05 | 太原理工大学 | 一种基于多辨识器的矿井群体全景监控方法 |
CN110263613A (zh) * | 2019-04-25 | 2019-09-20 | 深圳市商汤科技有限公司 | 监控视频处理方法及装置 |
CN110443109A (zh) * | 2019-06-11 | 2019-11-12 | 万翼科技有限公司 | 异常行为监控处理方法、装置、计算机设备和存储介质 |
WO2020133079A1 (zh) * | 2018-12-27 | 2020-07-02 | 深圳市优必选科技有限公司 | 一种对象轨迹跟踪展示方法以及系统 |
CN111596297A (zh) * | 2020-07-06 | 2020-08-28 | 吉林大学 | 基于全景成像及超声旋转对空中无人机的探测装置及方法 |
CN111918024A (zh) * | 2020-06-29 | 2020-11-10 | 北京大学 | 一种城市路网数字化监控系统和方法 |
CN112037266A (zh) * | 2020-11-05 | 2020-12-04 | 北京软通智慧城市科技有限公司 | 一种下落物体的识别方法、装置、终端设备及存储介质 |
CN112818960A (zh) * | 2021-03-25 | 2021-05-18 | 平安科技(深圳)有限公司 | 基于人脸识别的等待时长处理方法、装置、设备及介质 |
CN112991544A (zh) * | 2021-04-20 | 2021-06-18 | 山东新一代信息产业技术研究院有限公司 | 一种基于全景影像建模的群体疏散行为仿真方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160256233A1 (en) * | 2015-03-05 | 2016-09-08 | MRI Interventions, Inc. | Trajectory guide systems, frames and methods for image-guided surgeries |
-
2021
- 2021-06-28 CN CN202110722441.2A patent/CN113569645B/zh active Active
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103946732A (zh) * | 2011-09-26 | 2014-07-23 | 微软公司 | 基于对透视、近眼显示器的传感器输入的视频显示修改 |
CN102724482A (zh) * | 2012-06-18 | 2012-10-10 | 西安电子科技大学 | 基于gps和gis的智能视觉传感网络运动目标接力跟踪系统 |
CN102799862A (zh) * | 2012-06-29 | 2012-11-28 | 陕西省交通规划设计研究院 | 高清视频监控图像的行人快速定位、事件检测系统及方法 |
CN107370983A (zh) * | 2016-05-13 | 2017-11-21 | 腾讯科技(深圳)有限公司 | 用于视频监控系统的行踪轨迹的获取方法和装置 |
CN106114623A (zh) * | 2016-06-16 | 2016-11-16 | 江苏大学 | 一种基于人类视觉的自动泊车路径规划方法及系统 |
CN106095980A (zh) * | 2016-06-21 | 2016-11-09 | 成都科曦科技有限公司 | 一种突发事件下的建筑物内人员移动轨迹的三维展示系统及方法 |
CN106303417A (zh) * | 2016-08-12 | 2017-01-04 | 长沙冰眼电子科技有限公司 | 用于无人平台的增强全景监控方法 |
CN106529467A (zh) * | 2016-11-07 | 2017-03-22 | 南京邮电大学 | 基于多特征融合的群体行为识别方法 |
CN106657069A (zh) * | 2016-12-24 | 2017-05-10 | 深圳云天励飞技术有限公司 | 一种图像数据处理系统 |
CN107016374A (zh) * | 2017-04-12 | 2017-08-04 | 电子科技大学 | 面向特定目标的智能检测追踪及时空轨迹的生成方法 |
WO2020133079A1 (zh) * | 2018-12-27 | 2020-07-02 | 深圳市优必选科技有限公司 | 一种对象轨迹跟踪展示方法以及系统 |
CN109977853A (zh) * | 2019-03-25 | 2019-07-05 | 太原理工大学 | 一种基于多辨识器的矿井群体全景监控方法 |
CN110263613A (zh) * | 2019-04-25 | 2019-09-20 | 深圳市商汤科技有限公司 | 监控视频处理方法及装置 |
CN110443109A (zh) * | 2019-06-11 | 2019-11-12 | 万翼科技有限公司 | 异常行为监控处理方法、装置、计算机设备和存储介质 |
CN111918024A (zh) * | 2020-06-29 | 2020-11-10 | 北京大学 | 一种城市路网数字化监控系统和方法 |
CN111596297A (zh) * | 2020-07-06 | 2020-08-28 | 吉林大学 | 基于全景成像及超声旋转对空中无人机的探测装置及方法 |
CN112037266A (zh) * | 2020-11-05 | 2020-12-04 | 北京软通智慧城市科技有限公司 | 一种下落物体的识别方法、装置、终端设备及存储介质 |
CN112818960A (zh) * | 2021-03-25 | 2021-05-18 | 平安科技(深圳)有限公司 | 基于人脸识别的等待时长处理方法、装置、设备及介质 |
CN112991544A (zh) * | 2021-04-20 | 2021-06-18 | 山东新一代信息产业技术研究院有限公司 | 一种基于全景影像建模的群体疏散行为仿真方法 |
Non-Patent Citations (2)
Title |
---|
Modeling trajectory of dynamic clusters in image time-series for spatio-temporal reasoning;P. Heas等;《IEEE》;第1635-1647页 * |
基于乘客多运动行为的公交客流计数判定方法;鲜晓东等;《 计算机工程》;第176-180页,第186页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113569645A (zh) | 2021-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhao et al. | Vision-based anti-uav detection and tracking | |
CN103324937B (zh) | 标注目标的方法和装置 | |
CN109190508A (zh) | 一种基于空间坐标系的多摄像头数据融合方法 | |
CN111079584A (zh) | 基于改进YOLOv3的快速车辆检测方法 | |
US20110025834A1 (en) | Method and apparatus of identifying human body posture | |
Chen et al. | Indoor camera pose estimation via style‐transfer 3D models | |
CN105574550A (zh) | 一种车辆识别方法及装置 | |
CN114399672A (zh) | 一种基于深度学习的铁路货车闸瓦故障检测方法 | |
CN109241349A (zh) | 一种基于深度学习的监控视频多目标分类检索方法及系统 | |
CN107977656A (zh) | 一种行人重识别方法及系统 | |
CN110309768B (zh) | 车检工位的工作人员检测方法及设备 | |
CN108830185B (zh) | 基于多任务联合学习的行为识别及定位方法 | |
CN111489339A (zh) | 高速铁路定位器螺栓备母缺陷的检测方法 | |
CN112348787A (zh) | 物体缺陷检测模型的训练方法、物体缺陷检测方法及装置 | |
CN110246157B (zh) | 基于大数据监控的油气田设备生产状态判别系统与方法 | |
CN113256731A (zh) | 基于单目视觉的目标检测方法及装置 | |
Ding et al. | Improved object detection algorithm for drone-captured dataset based on yolov5 | |
CN104463240A (zh) | 一种控制列表界面的方法及装置 | |
CN108154199B (zh) | 一种基于深度学习的高精度快速单类目标检测方法 | |
CN113569645B (zh) | 基于图像检测的轨迹生成方法、装置及系统 | |
CN117372876A (zh) | 一种多任务遥感影像道路损毁评估方法及系统 | |
CN113011359A (zh) | 一种基于图像的同时检测平面结构和生成平面描述的方法及应用 | |
CN112989916A (zh) | 一种结合密度估计与目标检测的人群计数方法 | |
CN112465854A (zh) | 基于无锚点检测算法的无人机跟踪方法 | |
CN112364687A (zh) | 一种基于改进的Faster R-CNN加油站静电标志识别方法及系统 |
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 |