CN113628243A - 运动轨迹获取方法、装置、计算机设备和存储介质 - Google Patents
运动轨迹获取方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN113628243A CN113628243A CN202010380257.XA CN202010380257A CN113628243A CN 113628243 A CN113628243 A CN 113628243A CN 202010380257 A CN202010380257 A CN 202010380257A CN 113628243 A CN113628243 A CN 113628243A
- Authority
- CN
- China
- Prior art keywords
- image
- target
- moving object
- object image
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种运动轨迹获取方法、装置、计算机设备和存储介质。所述方法包括:获取目标运动对象的图像,作为目标对象图像;遍历第一数据库中存储的第一候选对象图像,从所述第一候选对象图像中筛选出与所述目标对象图像匹配的多张初始对象图像,并获取各所述初始对象图像的初始对象图像标识;遍历第二数据库中存储的图像信息参数,从所述图像信息参数中筛选出与所述初始对象图像标识匹配的多组目标图像信息参数;根据各所述目标图像信息参数生成所述目标运动对象的运动轨迹。采用本方法能够实现多摄像头视频安防中目标运动对象的历史运动轨迹的还原,提高所获取到的目标运动对象的信息完整性。
Description
技术领域
本申请涉及图像识别技术领域,特别是涉及一种运动轨迹获取方法、装置、计算机设备和存储介质。
背景技术
随着深度学习在图像领域的快速发展,图像识别技术日趋成熟,在生产和生活中应用图像识别技术进行人、车和物品的查找也越来越广泛,特别是在视频安防监控应用上。现有的视频安防监控技术,通常是利用目标对象,例如目标人物、车辆等的图像或特征图像,从历史监控时间段内的监控视频所拍摄到的图像中查找出包含目标对象的图像。然而现有的视频安防监控技术只能获取到某路摄像头抓拍的图像信息,即只能确定目标对象在某路摄像头下出现过,得到的目标对象的信息比较单一、不全面,容易造成信息遗漏。
发明内容
基于此,有必要针对上述获取的信息单一、不全面,容易造成信息遗漏的技术问题,提供一种运动轨迹获取方法、装置、计算机设备和存储介质。
一种运动轨迹获取方法,所述方法包括:
获取目标运动对象的图像,作为目标对象图像;
遍历第一数据库中存储的第一候选对象图像,从所述第一候选对象图像中筛选出与所述目标对象图像匹配的多张初始对象图像,并获取各所述初始对象图像的初始对象图像标识;
遍历第二数据库中存储的图像信息参数,从所述图像信息参数中筛选出与所述初始对象图像标识匹配的多组目标图像信息参数;
根据各所述目标图像信息参数生成所述目标运动对象的运动轨迹。
在其中一个实施例中,所述从所述第一候选对象图像中筛选出与所述目标对象图像匹配的多张初始对象图像的步骤,包括:
将所述第一候选对象图像与所述目标对象图像进行匹配,获取所述第一候选对象图像与所述目标对象图像的匹配分数;
根据所述匹配分数从所述第一候选对象图像中筛选出所述初始对象图像。
在其中一个实施例中,所述获取所述第一候选对象图像与所述目标对象图像的匹配分数的步骤,包括:
获取所述第一候选对象图像的第一图像特征,以及,获取所述目标对象图像的第二图像特征;
根据所述第一图像特征与所述第二图像特征的相似度,获取所述匹配分数。
在其中一个实施例中,所述图像信息参数包括图像时间戳与摄像头标识;所述根据各所述目标图像信息参数生成所述目标运动对象的运动轨迹的步骤,包括:
从所述目标图像信息参数中获取目标图像时间戳与目标摄像头标识;所述目标摄像头标识为拍摄到所述目标运动对象的摄像头的标识;
根据所述目标摄像头标识获取目标摄像头的定位信息参数;
根据所述目标图像时间戳与所述目标摄像头的定位信息参数,生成所述目标运动对象的运动轨迹。
在其中一个实施例中,所述方法还包括:
获取对摄像头所拍摄的视频进行视频解码后的解码图像;
对所述解码图像进行检测,得到所述解码图像中的运动对象;
从所述解码图像中获取所述运动对象的运动对象图像,并生成与所述运动对象图像对应的运动对象图像标识;
将所述运动对象图像标识赋予所述运动对象图像,并将赋有所述运动对象图像标识的运动对象图像作为第一候选对象图像上传至所述第一数据库中。
在其中一个实施例中,所述方法还包括:
获取所述解码图像的图像时间戳以及摄像头标识;
将所述解码图像的图像时间戳与所述摄像头标识,以及从所述解码图像中获取的所述运动对象图像的运动对象图像标识,作为所述运动对象的运动对象图像的图像信息参数对应上传至所述第二数据库中。
在其中一个实施例中,所述图像信息参数还包括运动对象质量分数;所述将赋有所述运动对象图像标识的运动对象图像作为第一候选对象图像上传至所述第一数据库中的步骤,包括:
遍历所述第二数据库中存储的各组图像信息参数,判断所述第二数据库中是否存在与所述摄像头标识匹配,且与所述运动对象标识匹配的目标图像信息参数;
若判断结果为存在所述目标图像信息参数时,将所述目标图像信息参数中的目标运动对象质量分数与所述运动对象图像对应的运动对象质量分数进行对比;
当对比结果为所述目标运动对象质量分数小于所述运动对象质量分数时,则用所述运动对象图像替换所述第一数据库中与所述运动对象图像标识对应的运动对象图像。
一种运动轨迹获取装置,所述装置包括:
图像获取模块,用于获取目标运动对象的图像,作为目标对象图像;
标识获取模块,用于遍历第一数据库中存储的第一候选对象图像,从所述第一候选对象图像中筛选出与所述目标对象图像匹配的多张初始对象图像,并获取各所述初始对象图像的初始对象图像标识;
参数获取模块,用于遍历第二数据库中存储的图像信息参数,从所述图像信息参数中筛选出与所述初始对象图像标识匹配的多组目标图像信息参数;
轨迹生成模块,用于根据各所述目标图像信息参数生成所述目标运动对象的运动轨迹。
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,所述处理器执行所述计算机程序时实现以下步骤:
获取目标运动对象的图像,作为目标对象图像;
遍历第一数据库中存储的第一候选对象图像,从所述第一候选对象图像中筛选出与所述目标对象图像匹配的多张初始对象图像,并获取各所述初始对象图像的初始对象图像标识;
遍历第二数据库中存储的图像信息参数,从所述图像信息参数中筛选出与所述初始对象图像标识匹配的多组目标图像信息参数;
根据各所述目标图像信息参数生成所述目标运动对象的运动轨迹。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取目标运动对象的图像,作为目标对象图像;
遍历第一数据库中存储的第一候选对象图像,从所述第一候选对象图像中筛选出与所述目标对象图像匹配的多张初始对象图像,并获取各所述初始对象图像的初始对象图像标识;
遍历第二数据库中存储的图像信息参数,从所述图像信息参数中筛选出与所述初始对象图像标识匹配的多组目标图像信息参数;
根据各所述目标图像信息参数生成所述目标运动对象的运动轨迹。
上述运动轨迹获取方法、装置、计算机设备和存储介质,通过从第一数据库中搜索出与目标运动对象的图像相匹配的多张初始对象图像,并获取各个初始对象图像的初始对象图像标识,进而根据初始对象图像标识从第二数据库中筛选出目标运动对象关联的多组目标图像信息参数,进一步根据各组目标图像信息参数生成目标运动对象的运动轨迹,该方法通过在第一数据库进行图像比对、在第二数据库中进行信息参数比对后,便可根据得到的图像信息参数生成目标运动对象的运动轨迹,将得到的图像信息参数串联起来,实现了多摄像头视频安防中目标运动对象的历史运动轨迹的还原,提高了所获取到的目标运动对象的信息完整性,从而,解决了传统方法中仅获取到某路摄像头抓拍的图像信息,导致得到的信息单一、不全面,容易造成信息遗漏的技术问题。
附图说明
图1为一个实施例中运动轨迹获取方法的应用场景图;
图2为一个实施例中运动轨迹获取方法的流程示意图;
图3为一个实施例中获取第一候选对象图像步骤的流程示意图;
图4为另一个实施例中获取第一候选对象图像步骤的流程示意图;
图5为一个实施例中运动轨迹获取方法所需模块之间的逻辑关系示意图;
图6为一个实施例中运动轨迹获取方法中存储数据的流程示意图;
图7为一个实施例中解码图像的示意图;
图8为一个实施例中运动对象图像的示意图;
图9为一个实施例中运动轨迹获取方法中搜索数据的流程示意图;
图10为一个实施例中运动轨迹获取装置的结构框图;
图11为一个实施例中计算机设备的内部结构图。
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。
本申请提供的运动轨迹获取方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104通过网络进行通信。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。其中,第一数据库和第二数据库可以部署于服务器104上。
在一个实施例中,如图2所示,提供了一种运动轨迹获取方法,本实施例以该方法应用于服务器104进行举例说明,可以理解的是,该方法也可以应用于终端102,还可以应用于包括终端102和服务器104的系统,并通过终端102和服务器104的交互实现。本实施例中,该方法包括以下步骤:
步骤S202,获取目标运动对象的图像,作为目标对象图像。
其中,目标运动对象表示待获取其运动轨迹的对象,可以为人、车或物体等移动目标。
步骤S204,遍历第一数据库中存储的第一候选对象图像,从第一候选对象图像中筛选出与目标对象图像匹配的多张初始对象图像,并获取各初始对象图像的初始对象图像标识。
其中,第一数据库用于存储各个摄像头下不同运动对象的单张图像。
其中,初始对象图像标识可表示与目标对象图像匹配的各个第一候选对象图像的图像标识,可用imageId表示。
具体实现中,在得到目标运动对象的图像后,可遍历第一数据库中存储的第一候选对象图像,搜索第一数据库中是否存在与目标对象图像相匹配的第一候选对象图像,并将查找到的与目标对象图像相匹配的多张第一候选对象图像,作为初始对象图像,由于第一数据库中的每张第一候选对象图像均有对应的图像标识,因此,在得到初始对象图像后,便可进一步获取各个初始对象图像的初始对象图像标识。
步骤S206,遍历第二数据库中存储的图像信息参数,从图像信息参数中筛选出与初始对象图像标识匹配的多组目标图像信息参数。
其中,第二数据库用于存储各个摄像头下不同运动对象的多组图像信息参数。
其中,图像信息参数可表示与运动对象图像相关的参数,例如运动对象图像的图像时间戳、摄像头标识、运动对象图像的图像标识等。
具体实现中,在得到与目标对象图像相匹配的各个初始对象图像的初始对象图像标识后,即可根据初始对象图像标识遍历第二数据库中存储的图像信息参数,从第二数据库中筛选出与初始对象图像标识相匹配的多组目标图像信息参数,即将第二数据库中的各个运动对象图像的图像标识与初始对象图像标识进行对比,筛选出与初始对象图像标识相匹配的多个目标运动对象图像标识,将包含有各个目标运动对象图像标识的各组图像信息参数作为目标图像信息参数。
步骤S208,根据各目标图像信息参数生成目标运动对象的运动轨迹。
具体实现中,在得到目标图像信息参数中,可从目标图像信息参数中获取目标图像时间戳和目标摄像头标识,其中,目标图像时间戳为包含有目标运动对象的图像的解码时间,目标摄像头标识为拍摄到目标运动对象的摄像头的标识,并且可预先对各个摄像头标识及其定位信息参数进行标定,因此,可根据摄像头标识获取其定位信息参数,进而便可根据目标摄像头定位信息参数和目标图像时间戳生成目标运动对象的运动轨迹。
上述运动轨迹获取方法中,通过从第一数据库中搜索出与目标运动对象的图像相匹配的多张初始对象图像,并获取各个初始对象图像的初始对象图像标识,进而根据初始对象图像标识从第二数据库中筛选出目标运动对象关联的多组目标图像信息参数,进一步根据各组目标图像信息参数生成目标运动对象的运动轨迹,该方法通过在第一数据库进行图像比对、在第二数据库中进行信息参数比对后,便可根据得到的图像信息参数生成目标运动对象的运动轨迹,将得到的图像信息参数串联起来,实现了多摄像头视频安防中目标运动对象的历史运动轨迹的还原,提高了所获取到的目标运动对象的信息完整性,从而,解决了传统方法中仅获取到某路摄像头抓拍的图像信息,导致得到的信息单一、不全面,容易造成信息遗漏的技术问题。
在一个实施例中,上述步骤S204具体包括:将第一候选对象图像与目标对象图像进行匹配,获取第一候选对象图像与目标对象图像的匹配分数;根据匹配分数从第一候选对象图像中筛选出初始对象图像。
具体实现中,在筛选初始对象图像时,可预先设定筛选条件和一个匹配分数阈值,在将第一数据库中的各个第一候选对象图像分别与目标对象图像进行匹配,得到各个第一候选对象图像与目标对象图像的匹配分数后,判断各个匹配分数是否符合设定的筛选条件,根据判断结果确定初始对象图像。更具体地,当第一候选对象图像与目标对象图像的匹配分数大于匹配分数阈值时,判定该匹配分数符合筛选条件,则可将第一候选对象图像作为初始对象图像筛选出来;当第一候选对象图像与目标对象图像的匹配分数不大于匹配分数阈值时,则判定该匹配分数不符合筛选条件,则可继续对下一个第一候选对象图像与目标对象图像进行匹配。
本实施例中,通过第一候选对象图像与目标对象图像的匹配分数,对第一候选对象图像进行筛选,得到与目标对象图像相匹配的多个初始对象图像,以便于进一步根据初始对象图像获取目标运动对象的图像信息参数,进而生成目标运动对象的运动轨迹。
在一个实施例中,上述获取第一候选对象图像与目标对象图像的匹配分数的步骤,包括:获取第一候选对象图像的第一图像特征,以及,获取目标对象图像的第二图像特征;根据第一图像特征与第二图像特征的相似度,获取匹配分数。
其中,第一图像特征可表示第一候选对象图像中的可识别出候选对象的特征,例如,当候选对象为人体时,则第一图像特征可以为人体面部特征、人体所穿服装/所佩戴物品的颜色特征、花纹特征和形状特征等。类似地,第二图像特征可表示目标对象图像中的可识别出目标对象的特征。
具体实现中,可利用相似度度量方法将获取的第一候选对象图像的第一图像特征与目标对象图像的第二图像特征进行对比,得到第一图像特征与第二图像特征的相似度。进一步地,可以设置多个相似度区间,每个相似度区间具有对应的匹配分数,判断第一图像特征与第二图像特征的相似度所对应的目标相似度区间,将该目标相似度区间对应的匹配分数,作为第一图像特征与第二图像特征的匹配分数。
本实施例中,通过获取第一图像特征与第二图像特征,根据第一图像特征与第二图像特征的相似度获取匹配分数,将第一候选对象图像与目标对象图像的相似度进行量化,便于直观地确定第一候选对象图像与目标对象图像的匹配程度,通过提取两个图像的特征进行匹配可以提高第一候选对象图像与目标对象图像的精确度和匹配效率。
在一个实施例中,图像信息参数包括图像时间戳与摄像头标识;根据各目标图像信息参数生成目标运动对象的运动轨迹的步骤,包括:从目标图像信息参数中获取目标图像时间戳与目标摄像头标识;其中,目标摄像头标识为拍摄到目标运动对象的摄像头的标识;根据目标摄像头标识获取目标摄像头的定位信息参数;根据目标图像时间戳与目标摄像头的定位信息参数,生成目标运动对象的运动轨迹。
其中,图像时间戳可表示对摄像头实时拍摄的视频进行视频解码,得到各个截图时的解码时间,则目标图像时间戳可表示包含有目标运动对象的图像的解码时间。
其中,摄像头标识为表示摄像头的唯一性的标识,例如,摄像头ID。
其中,定位信息参数为可表示摄像头的位置信息的参数,例如,在地图中的坐标、经纬度、高程或如建筑信息模型(Building Information Modeling,BIM)的模型中的3D坐标。
具体实现中,由于每组图像信息参数中包括:图像时间戳、摄像头标识、运动对象图像标识等多种参数,因此,在确定多组目标图像信息参数后,先从目标图像信息参数中确定出包含有目标运动对象的目标图像时间戳,和拍摄到目标运动对象的目标摄像头标识。进一步,可根据目标摄像头标识将目标摄像头进行分类,各个目标摄像头标识下都将包括多个目标图像时间戳,将这些目标图像时间戳按时间先后顺序进行排序,则可得到目标运动对象在各个目标摄像头下的出现时刻、离开时刻及停留的时间,更进一步地,可根据目标图像时间戳再将目标运动对象在各个目标摄像头下出现的时间进行排序,则可得到目标运动对象在某一段时间内出现在各个目标摄像头下的时间顺序。进而在根据目标摄像头标识得到目标摄像头的定位信息参数后,即可确定目标运动对象出现在各个位置的时间,从而可生成目标运动对象的运动轨迹。
本实施例中,通过目标图像信息参数中的目标摄像头标识得到目标摄像头的定位信息参数后,将目标图像时间戳按照时间先后顺序进行排序,进而可得到目标运动对象在各个位置出现的时间,从而便可生成目标运动对象的运动轨迹。该方法通过从第二数据库中获取的图像信息参数便可快速地生成运动轨迹,可极大地减少搜索工作量,提高运动轨迹的生成效率,从而,可解决传统方法中逐个查询各个摄像头的视频来寻找目标运动对象,耗时耗力、工作量大且效率较低的技术问题。
在一个实施例中,如图3所示,上述方法还包括以下步骤:
步骤S302,获取对摄像头所拍摄的视频进行视频解码后的解码图像;
步骤S304,对解码图像进行检测,得到解码图像中的运动对象;
步骤S306,从解码图像中获取运动对象的运动对象图像,并生成与运动对象图像对应的运动对象图像标识;
步骤S308,将运动对象图像标识赋予运动对象图像,并将赋有运动对象图像标识的运动对象图像作为第一候选对象图像上传至第一数据库中。
其中,解码图像可以为摄像头所拍摄的实时视频的截图,因此,解码图像为摄像头所拍摄的完整画面图像。
其中,运动对象图像标识可表示识别运动对象图像的唯一标识,例如,运动对象图像标识可以为运动对象图像ID。
具体实现中,先对摄像头实时拍摄的视频进行解码,得到解码图像,由于解码图像具有完整的画面,且该画面中是否存在运动对象是未知的,因此,需对该解码图像进行检测,确定解码图像中是否存在运动对象。当检测结果为解码图像中存在运动对象时,则从解码图像中获取运动对象的运动对象图像,并且生成与运动对象图像对应的运动对象图像标识,将该运动对象图像标识赋予运动对象图像,进而便可将赋有运动对象图像标识的运动对象图像作为第一候选对象图像上传至第一数据库中。
当检测结果为解码图像中包含有多个运动对象时,则可从解码图像中分别获取各个运动对象的运动对象图像,生成多个运动对象图像标识,分别赋予各个运动对象图像。其中,每个运动对象图像中仅包含有一个运动对象,最后将各个运动对象图像均作为第一候选对象图像上传至第一数据库中。
本实施例中,通过对解码图像进行检测,从中获取运动对象图像,并将生成的运动对象图像标识赋予该运动对象图像,并将赋有该运动对象图像标识的运动对象图像作为第一候选对象图像上传至第一数据库中,以便于目标运动对象的运动轨迹的获取。
在一个实施例中,上述方法还包括:获取解码图像的图像时间戳以及摄像头标识;将解码图像的图像时间戳与摄像头标识,以及从解码图像中获取的运动对象图像的运动对象图像标识,作为运动对象的运动对象图像的图像信息参数对应上传至第二数据库中。
具体实现中,在对摄像头所拍摄的视频进行视频解码,得到解码图像时,还可获取解码图像的图像时间戳和摄像头标识,以及,获取从解码图像中得到运动对象图像时,赋予给运动对象图像的运动对象图像标识,并将图像时间戳、摄像头标识和运动对象图像标识等作为图像信息参数对应上传至第二数据库中。
优选地,在检测到解码图像中存在运动对象时,还可获取运动对象的运动对象像素坐标、运动对象质量分数和运动对象标识,其中,运动对象像素坐标可以为包含有该运动对象的一个矩形检测框,可由左上点像素坐标和右下点像素坐标确定。其中,运动对象质量分数可表示运动对象图像的画面质量。其中,运动对象标识可表示识别运动对象的唯一标识,例如,运动对象ID,其中,同一个运动对象在同一个摄像头下的运动对象标识是相同的,同一个运动对象在不同摄像头下的运动对象标识不相同,不同运动对象在同一个摄像头下的运动对象标识也不相同。进一步地,可将运动对象的运动对象像素坐标、运动对象质量分数、运动对象标识、图像时间戳和摄像头标识以及运动对象图像标识等一起作为图像信息参数对应上传至第二数据库中。
可选地,在得到各个运动对象的运动对象图像后,还可将各个运动对象图像上传至第三数据库中,获取各个运动对象图像的图像地址,并将图像地址也作为图像信息参数与运动对象像素坐标、运动对象质量分数、运动对象标识、图像时间戳、摄像头标识和运动对象图像标识等对应上传至第二数据库中,以便于在第二数据库中查找到目标运动对象的运动对象图像标识后,可获取到与目标运动对象对应的图像地址,进而可根据图像地址从第三数据库中获取目标运动对象在各个时间点上的运动对象图像。
本实施例中,通过将各个运动对象图像时间戳、摄像头标识和运动对象图像标识对应上传至第二数据库中,从而得到各个运动对象的图像信息参数,便于在查找目标运动对象的轨迹时,可直接快捷地从第二数据库中获取目标运动对象的图像信息参数,进一步根据图像信息参数生成运动轨迹,极大地提高了获取运动对象的运动轨迹的效率。
在一个实施例中,如图4所示,上述将赋有运动对象图像标识的运动对象作为第一候选对象上传至第一数据库中的步骤具体包括:
步骤S402,遍历第二数据库中存储的各组图像信息参数,判断第二数据库中是否存在与摄像头标识匹配,且与运动对象标识匹配的目标图像信息参数;
步骤S404,若判断结果为存在目标图像信息参数时,将目标图像信息参数中的目标运动对象质量分数与运动对象图像对应的运动对象质量分数进行对比;
步骤S406,当对比结果为目标运动对象质量分数小于运动对象质量分数时,则用运动对象图像替换第一数据库中与运动对象图像标识对应的运动对象图像。
具体实现中,在从解码图像中获取到运动对象的运动对象图像后,先查找该运动对象在同一摄像头下的图像信息参数是否已经存在于第二数据库中,即可通过遍历第二数据库中存储的各组图像信息参数,判断第二数据库中是否存在于该运动对象的运动对象标识相匹配,且与该运动对象对应的摄像头标识相匹配的一组或多组目标图像信息参数。若查找结果为第二数据库中不存在这样的一组或多组目标图像信息参数时,则在为当前的运动对象图像赋予运动对象图像标识后,将当前的运动对象图像作为第一候选对象图像直接上传至第一数据库中。若查找结果为第二数据库中已经存在这样的一组或多组目标图像信息参数时,进一步将目标图像信息参数中的运动对象质量分数与该运动对象的当前运动对象质量分数进行对比。当对比结果为目标运动对象质量分数小于当前运动对象质量分数时,则用当前运动对象质量分数替换第一数据库中存储的与运动对象图像标识相对应的运动对象图像。当对比结果为目标运动对象质量分数不小于当前运动对象质量分数时,则无需进行替换。
本实施例中,通过查找第二数据库中是否存在与当前运动对象的运动对象标识相匹配,且与该运动对象对应的摄像头标识相匹配的一组或多组目标图像信息参数,根据查找结果确定是否将当前运动对象图像上传至第一数据库中,进一步,在第二数据库中存在与当前运动对象的运动对象标识相匹配,且与该运动对象对应的摄像头标识相匹配的目标图像信息参数时,对比当前运动对象质量分数和目标运动对象质量分数,根据对比结果确定是否替换第一数据库中的运动对象图像,以确保第一数据库中的运动对象图像为质量分数最高的图像,进而可根据具有较高质量分数的运动对象图像查找运动对象的轨迹,提高查找效率和准确度。
为了更清晰阐明本申请实施例提供的技术方案,以下将结合图5-图9对该方案进行说明,图5为一个应用实例中运动轨迹获取方法所需模块之间的逻辑关系示意图,由图中可知,该方法的实现需要三个模块,分别为:视频解码模块、深度学习算法模块和视觉定位模块,以下将对各个模块的功能进行说明。
视频解码模块502,用于按需求提供各路摄像头实时视频解码后的图像时间戳、摄像头的ID(可记为cameraId,即摄像头标识),以及解码图像,解码图像的格式可以为jpg格式,例如,视频解码模块可每秒解码得到5张jpg格式的解码图像。
深度学习算法模块504,用于提供图像入库、图像更新、运动对象检测、图像搜索的功能。其中,图像入库,表示将图像结构化后存入深度学习的算法库,该算法库可作为提供运动轨迹搜索的基础库,可将该算法库称为底库(即第一数据库),底库中的图像可称为底图(即第一候选对象图像)。图像更新,表示将底库中指定图像ID(即运动对象图像标识,记为imageId)的底图进行更新。运动对象检测,表示将摄像头抓拍的图像进行运动对象的检测分析,得到包括运动对象像素坐标、运动对象质量分数以及运动对象标识等参数,例如,以运动对象为人体为例,在对人体进行检测分析时,可得到抓拍的图像中每个人体的人体像素坐标(即运动对象像素坐标)、人体质量分数(即运动对象质量分数)以及人体ID(即运动对象标识,可记为trackId),其中,人体像素坐标可用矩形检测框表示,一般为左上点和右下点像素坐标确定一个检测框坐标。图像搜索,表示根据提供的目标对象图像进行搜索,从底图(即第一候选对象图像)中搜索出与目标对象图像最相似的若干个图像(即初始对象图像),并返回各个最相似图像的图像ID(即,初始对象图像标识,记为imageId)以及各个最相似的图像与目标对象图像的匹配分数。
视觉定位模块506,由于预先对每个摄像头进行了标定,可以根据摄像头ID得到摄像头的定位信息参数,所以视觉定位模块可以将检测得到的运动对象的运动对象像素坐标转化为其他坐标信息,例如,经纬度、高程以及模型(例如建筑信息模型)中的3D坐标。
在确定各个模块所需的功能后,利用各个功能模块实现运动轨迹获取方法还包括存储数据和搜索数据两部分流程,以下将以人体作为运动对象对这两个流程进行说明。
整个流程涉及三个数据库,分别为深度学习的底库(记为A库,即第一数据库)、信息数据库(记为B库,即第二数据库)以及文件服务器(记为C库,即第三数据库)。涉及三个索引ID,分别为摄像头的cameraId(即摄像头标识)、人体的trackId(即运动对象标识)和底库中的imageId(即运动对象图像标识),其中,cameraId为摄像头的唯一ID,用于区分多路视频监控的摄像头,trackId是进行人体检测时得到的每个人体的ID;imageId是以图搜图底库(A库)中的图像ID。
如图6所示,为运动轨迹获取方法中存储数据的流程图,该流程主要包括以下几个步骤:
(1)获取解码图像,通过视频解码模块502,获取摄像头所拍摄实时视频的截图信息(I),截图信息包括:解码图像、图像时间戳和摄像头ID,即cameraId。
(2)人体检测,从视频解码得到的解码图像是摄像头拍摄的整个画面,因此需将截图信息(I)发送给深度学习算法模块504进行人体检测,获取到解码图像中所有人体的检测结果。例如,如图7所示,为一个解码图像的示意图,该解码图像中包含有三个人体,可记为人体A、人体B和人体C,则检测结果(R)中就包含有三组人体检测结果,可分别记为RA、RB和RC,每组检测结果中至少包括:该路摄像头的标识cameraId、人体像素坐标、人体质量分数和人体标识trackId等。其中,trackId在同一个摄像头下同一个人体不变,不同的人体有不同的trackId,比如对于人体A、人体B和人体C就有3个trackId,可分别记为trackIdA、trackIdB和trackIdC,分别包含在人体检测信息RA、RB和RC中。另外,同一个人体在不同相机下的trackId也会不同。
(3)在获取人体检测结果后,可分两路并行,一路进行视觉定位,将截图信息(I)以及所有人体的检测结果(RA、RB和RC)发送给视觉定位模块506,获取到各个人体的定位信息p(例如,对于图7中所示的解码图像,则得到的3个定位信息可记为pA、pB和pC),并将各个人体定位信息上传至信息数据库(B库,即第二数据库)中。另一路可按照人体像素坐标从解码图像中获取到人体图像,例如图7所示,在解码图像中包含3个人体时,可按照每个人的人体像素坐标进行裁剪,得到3个人体小图,如图8所示,每个人体小图中包含一个人体。在得到人体小图后,可将各个人体小图上传至文件服务器(C库,即第三数据库),获取每个人体小图的图像地址imageUrl(imageUrlA、imageUrlB和imageUrC)。
(4)在从解码图像中获取到各个人体小图后,可以每个人体的cameraId和trackId为查询条件,来搜索信息数据库(B库,即第二数据库)中存储的数据,判断B库中是否已经含有与该cameraId和trackId都相同的一组或多组人体数据。其中,可将人体像素坐标、人体质量分数和人体的trackId、截图信息(即解码图像、图像时间戳和摄像头标识cameraId)、人体图像标识imageId以及人体图像地址imageUrl作为一组人体数据。
(5)若判断结果为B库中不存在与cameraId和trackId都相同的人体数据,即该cameraId和trackId为新的人体数据时,则可将该人体小图添加至深度学习的底库(A库,即第一数据库)中,并为该人体小图赋予一个图像标识(可记为imageId),例如,对于图8中的三个人体小图,则可分别为每个人体小图赋予imageIdA、imageIdB和imageIdC。
(6)若判断结果为B库中已经存在与cameraId和trackId都相同的人体数据,即所获取的人体图像并非新的人体数据时,则需将所获取的人体图像相对应的人体质量分数与B库中已存在的人体质量分数进行对比。例如,若在同一个摄像头标识(cameraId)下,信息数据库(B库,即第二数据库)中已经存在与人体A的人体标识trackIdA对应的一组人体数据时,则将新获取的人体A的人体质量分数与B库中标识也为trackIdA的人体质量分数进行对比。如果新获取的人体质量分数大于B库中的人体质量分数,则利用B库中与人体A对应的人体数据的imageIdA,来更新深度学习底库(A库,即第一数据库)中的人体小图,即用新获取的人体小图替换掉A库中的名为imageIdA的人体小图。如果新获取的人体A的人体质量分数不大于B库中的人体质量分数,则不做图像更新操作,更新图像的目的是让底图质量更好,搜索的结果更正确。可以理解的是,对于同一个摄像头下所拍摄到的同一个人体,在B库中仅保存一条对应的人体数据。
(7)整合数据存入信息数据库(B库,即第二数据库)。将每个人体小图的信息分别进行整合存入B库,例如,若得到图8中的三个人体,则第1个人的信息就包括截图信息IA、人体检测结果RA、定位结果pA、imageIdA和imageUrlA,第2个人的信息就包括截图信息IB、人体检测结果RB、定位结果pB、imageIdB和imageUrlB,第3个人的信息就包括截图信息IC、人体检测结果RC、定位结果pC、imageIdC和imageUrlC。
(8)将各个人体数据全部存入信息库(B库,即第二数据库)以后,继续向视频解码模块502获取下一张截图信息,并继续重复上述步骤(1)至步骤(7)的操作。
如图9所示,为运动轨迹获取方法中搜索数据的流程图,该流程主要包括以下几个步骤:
(1)输入需要进行搜索的目标人体图像,记为图像a(即目标对象图像)。
(2)图像搜索,将图像a发送至深度学习算法模块504,深度学习算法模块504将在底图(即第一数据库中的第一候选对象图像)中进行图像搜索,并返回搜索结果,其中,该搜索结果包括:各个底图的图像标识,即imageId,以及各个底图与图像a的匹配分数,如果搜索结果为空,则搜索结束。
(3)筛选结果,可设定匹配分数阈值为S(0<S<1),若匹配分数大于S,则判定图像a中的人体和底图里的人体为同一个人。深度学习算法模块504返回的搜索结果中会包含与图像a匹配度最高的前若干个底图的imageId,以及每个底图与图像a的匹配分数score。例如,若匹配分数S=0.7,返回了M=3个结果,分别为{imageId1,0.4}、{imageId2,0.85}和{imageId3,0.75},则可得到返回的搜索结果中imageId2和imageId3的匹配分数大于S,则可判定imageId2和imageId3(imageId2和imageId3即为筛选出来的初始对象图像的初始对象图像标识)的人体与图像a中的人体为同一个人,则imageId2和imageId3满足筛选条件,剩下的结果{imageId1,0.4}则弃用。如果返回的搜索结果中,没有一个搜索结果的匹配分数大于S,则可判定A库中没有图像a这个人,则搜索结束。可以理解的是,这里imageId2和imageId3是同一个人被不同摄像头所拍摄到的图像。
(4)查询信息数据库(B库,即第二数据库)。以搜索结果中满足筛选条件的imageId2和imageId3为搜索目标,搜索B库中的人体数据(即第二数据库中的图像信息参数),得到与imageId2、imageId3匹配的多组人体数据(即目标图像信息参数)。
(5)整理数据,将搜索出的数据全部按照截图信息中的图像时间戳的时间先后顺序进行排列,进一步便可根据图像时间戳和摄像头的定位信息参数生成目标人体的运动轨迹。
本实施例中,通过在A库(即第一数据库)进行图像比对、在B库(即第二数据库)中进行人体数据比对后,便可将得到的人体数据串联起来,生成目标人体的运动轨迹,实现了多摄像头视频安防中目标运动对象的历史运动轨迹的还原,提高了所获取到的目标运动对象的信息完整性,从而,解决了传统方法中仅获取到某路摄像头抓拍的图像信息,导致得到的信息单一、不全面,容易造成信息遗漏的技术问题。简便快捷,极大地提高了获取运动轨迹的效率,并且使得搜索得到的目标运动对象的信息更全面,按照时间线将信息串联在一起,信息可视化更强,从而使安防系统更健全,可减少安全隐患,并且可降低人力消耗,信息查阅更加方便,提高区域人员管控的效率和准确率,还可对视频侦查起到良好的辅助作用。
应该理解的是,虽然图2-4、图6和图9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2-4、图6和图9中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子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,这些子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的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图10所示,提供了一种运动轨迹获取装置,包括:图像获取模块1002、标识获取模块1004、参数获取模块1006和轨迹生成模块1008,其中:
图像获取模块1002,用于获取目标运动对象的图像,作为目标对象图像;
标识获取模块1004,用于遍历第一数据库中存储的第一候选对象图像,从第一候选对象图像中筛选出与目标对象图像匹配的多张初始对象图像,并获取各初始对象图像的初始对象图像标识;
参数获取模块1006,用于遍历第二数据库中存储的图像信息参数,从图像信息参数中筛选出与初始对象图像标识匹配的多组目标图像信息参数;
轨迹生成模块1008,用于根据各目标图像信息参数生成目标运动对象的运动轨迹。
在一个实施例中,上述标识获取模块1004还包括:
分数获取子模块,用于将第一候选对象图像与目标对象图像进行匹配,获取第一候选对象图像与目标对象图像的匹配分数;
图像筛选子模块,用于根据匹配分数从第一候选对象图像中筛选出初始对象图像。
在一个实施例中,上述分数获取子模块具体用于:获取第一候选对象图像的第一图像特征,以及,获取目标对象图像的第二图像特征;根据第一图像特征与第二图像特征的相似度,获取匹配分数。
在一个实施例中,上述轨迹生成模块1008具体用于:从目标图像信息参数中获取目标图像时间戳与目标摄像头标识;目标摄像头标识为拍摄到目标运动对象的摄像头的标识;根据目标摄像头标识获取目标摄像头的定位信息参数;根据目标图像时间戳与目标摄像头的定位信息参数,生成目标运动对象的运动轨迹。
在一个实施例中,上述装置还包括:
解码图像获取模块,用于获取对摄像头所拍摄的视频进行视频解码后的解码图像;
图像检测模块,用于对解码图像进行检测,得到解码图像中的运动对象;
标识生成模块,用于从解码图像中获取运动对象的运动对象图像,并生成与运动对象图像对应的运动对象图像标识;
图像上传模块,用于将运动对象图像标识赋予运动对象图像,并将赋有运动对象图像标识的运动对象图像作为第一候选对象图像上传至第一数据库中。
在一个实施例中,上述装置还包括:
参数获取模块,用于获取所述解码图像的图像时间戳以及摄像头标识;
参数上传模块,用于将所述解码图像的图像时间戳与所述摄像头标识,以及从所述解码图像中获取的所述运动对象图像的运动对象图像标识,作为所述运动对象的运动对象图像的图像信息参数对应上传至所述第二数据库中。
在一个实施例中,上述图像上传模块具体用于:遍历第二数据库中存储的各组图像信息参数,判断第二数据库中是否存在与摄像头标识匹配,且与运动对象标识匹配的目标图像信息参数;若判断结果为存在目标图像信息参数时,将目标图像信息参数中的目标运动对象质量分数与运动对象图像对应的运动对象质量分数进行对比;当对比结果为目标运动对象质量分数小于运动对象质量分数时,则用运动对象图像替换第一数据库中与运动对象图像标识对应的运动对象图像。
需要说明的是,本申请的运动轨迹获取装置与本申请的运动轨迹获取方法一一对应,在上述运动轨迹获取方法的实施例阐述的技术特征及其有益效果均适用于运动轨迹获取装置的实施例中,具体内容可参见本申请方法实施例中的叙述,此处不再赘述,特此声明。
此外,上述运动轨迹获取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,该计算机设备可以是服务器,其内部结构图可以如图11所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。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、计算机程序和数据库。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。该计算机设备的数据库用于存储运动轨迹获取数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种运动轨迹获取方法。
本领域技术人员可以理解,图11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。
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,存储器存储有计算机程序,处理器执行计算机程序时实现以下步骤:
获取目标运动对象的图像,作为目标对象图像;
遍历第一数据库中存储的第一候选对象图像,从第一候选对象图像中筛选出与目标对象图像匹配的多张初始对象图像,并获取各初始对象图像的初始对象图像标识;
遍历第二数据库中存储的图像信息参数,从图像信息参数中筛选出与初始对象图像标识匹配的多组目标图像信息参数;
根据各目标图像信息参数生成目标运动对象的运动轨迹。
在一个实施例中,还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上述各方法实施例中的步骤。
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:
获取目标运动对象的图像,作为目标对象图像;
遍历第一数据库中存储的第一候选对象图像,从第一候选对象图像中筛选出与目标对象图像匹配的多张初始对象图像,并获取各初始对象图像的初始对象图像标识;
遍历第二数据库中存储的图像信息参数,从图像信息参数中筛选出与初始对象图像标识匹配的多组目标图像信息参数;
根据各目标图像信息参数生成目标运动对象的运动轨迹。
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,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
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,该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/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)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 (10)
1.一种运动轨迹获取方法,其特征在于,所述方法包括:
获取目标运动对象的图像,作为目标对象图像;
遍历第一数据库中存储的第一候选对象图像,从所述第一候选对象图像中筛选出与所述目标对象图像匹配的多张初始对象图像,并获取各所述初始对象图像的初始对象图像标识;
遍历第二数据库中存储的图像信息参数,从所述图像信息参数中筛选出与所述初始对象图像标识匹配的多组目标图像信息参数;
根据各所述目标图像信息参数生成所述目标运动对象的运动轨迹。
2.根据权利要求1所述的方法,其特征在于,所述从所述第一候选对象图像中筛选出与所述目标对象图像匹配的多张初始对象图像的步骤,包括:
将所述第一候选对象图像与所述目标对象图像进行匹配,获取所述第一候选对象图像与所述目标对象图像的匹配分数;
根据所述匹配分数从所述第一候选对象图像中筛选出所述初始对象图像。
3.根据权利要求2所述的方法,其特征在于,所述获取所述第一候选对象图像与所述目标对象图像的匹配分数的步骤,包括:
获取所述第一候选对象图像的第一图像特征,以及,获取所述目标对象图像的第二图像特征;
根据所述第一图像特征与所述第二图像特征的相似度,获取所述匹配分数。
4.根据权利要求1所述的方法,其特征在于,所述图像信息参数包括图像时间戳与摄像头标识;所述根据各所述目标图像信息参数生成所述目标运动对象的运动轨迹的步骤,包括:
从所述目标图像信息参数中获取目标图像时间戳与目标摄像头标识;所述目标摄像头标识为拍摄到所述目标运动对象的摄像头的标识;
根据所述目标摄像头标识获取目标摄像头的定位信息参数;
根据所述目标图像时间戳与所述目标摄像头的定位信息参数,生成所述目标运动对象的运动轨迹。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取对摄像头所拍摄的视频进行视频解码后的解码图像;
对所述解码图像进行检测,得到所述解码图像中的运动对象;
从所述解码图像中获取所述运动对象的运动对象图像,并生成与所述运动对象图像对应的运动对象图像标识;
将所述运动对象图像标识赋予所述运动对象图像,并将赋有所述运动对象图像标识的运动对象图像作为第一候选对象图像上传至所述第一数据库中。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
获取所述解码图像的图像时间戳以及摄像头标识;
将所述解码图像的图像时间戳与所述摄像头标识,以及从所述解码图像中获取的所述运动对象图像的运动对象图像标识,作为所述运动对象的运动对象图像的图像信息参数对应上传至所述第二数据库中。
7.根据权利要求6所述的方法,其特征在于,所述图像信息参数还包括运动对象质量分数;所述将赋有所述运动对象图像标识的运动对象图像作为第一候选对象图像上传至所述第一数据库中的步骤,包括:
遍历所述第二数据库中存储的各组图像信息参数,判断所述第二数据库中是否存在与所述摄像头标识匹配,且与所述运动对象标识匹配的目标图像信息参数;
若判断结果为存在所述目标图像信息参数时,将所述目标图像信息参数中的目标运动对象质量分数与所述运动对象图像对应的运动对象质量分数进行对比;
当对比结果为所述目标运动对象质量分数小于所述运动对象质量分数时,则用所述运动对象图像替换所述第一数据库中与所述运动对象图像标识对应的运动对象图像。
8.一种运动轨迹获取装置,其特征在于,所述装置包括:
图像获取模块,用于获取目标运动对象的图像,作为目标对象图像;
标识获取模块,用于遍历第一数据库中存储的第一候选对象图像,从所述第一候选对象图像中筛选出与所述目标对象图像匹配的多张初始对象图像,并获取各所述初始对象图像的初始对象图像标识;
参数获取模块,用于遍历第二数据库中存储的图像信息参数,从所述图像信息参数中筛选出与所述初始对象图像标识匹配的多组目标图像信息参数;
轨迹生成模块,用于根据各所述目标图像信息参数生成所述目标运动对象的运动轨迹。
9.一种计算机设备,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7中任一项所述方法的步骤。
10.一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7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010380257.XA CN113628243A (zh) | 2020-05-08 | 2020-05-08 | 运动轨迹获取方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010380257.XA CN113628243A (zh) | 2020-05-08 | 2020-05-08 | 运动轨迹获取方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113628243A true CN113628243A (zh) | 2021-11-09 |
Family
ID=78377034
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010380257.XA Pending CN113628243A (zh) | 2020-05-08 | 2020-05-08 | 运动轨迹获取方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113628243A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117896626A (zh) * | 2024-03-15 | 2024-04-16 | 深圳市瀚晖威视科技有限公司 | 多摄像头检测运动轨迹的方法、装置、设备及存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104660987A (zh) * | 2015-01-27 | 2015-05-27 | 武汉烽火众智数字技术有限责任公司 | 一种目标运动轨迹分析的方法和监控系统 |
US20170364755A1 (en) * | 2016-06-21 | 2017-12-21 | Beijing Xiaomi Mobile Software Co., Ltd. | Systems and Methods for Tracking Movements of a Target |
US20180096217A1 (en) * | 2013-07-18 | 2018-04-05 | Golba Llc | Hybrid multi-camera based positioning |
US20180107868A1 (en) * | 2016-03-16 | 2018-04-19 | Sportsmedia Technology Corporation | Tracking of handheld sporting implements using computer vision |
CN108229323A (zh) * | 2017-11-30 | 2018-06-29 | 深圳市商汤科技有限公司 | 布控方法和装置、电子设备、计算机存储介质 |
CN108256443A (zh) * | 2017-12-28 | 2018-07-06 | 深圳英飞拓科技股份有限公司 | 一种人员定位方法、系统及终端设备 |
CN108875485A (zh) * | 2017-09-22 | 2018-11-23 | 北京旷视科技有限公司 | 一种底图录入方法、装置及系统 |
JP2019041261A (ja) * | 2017-08-25 | 2019-03-14 | 株式会社 日立産業制御ソリューションズ | 画像処理システムおよび画像処理システムの設定方法 |
CN109671101A (zh) * | 2018-11-30 | 2019-04-23 | 江苏文化投资管理集团有限公司 | 行为轨迹采集装置及智能终端 |
CN109886078A (zh) * | 2018-12-29 | 2019-06-14 | 华为技术有限公司 | 目标对象的检索定位方法和装置 |
CN110263847A (zh) * | 2019-06-18 | 2019-09-20 | 腾讯科技(深圳)有限公司 | 轨迹获取方法、装置、计算机设备及存储介质 |
-
2020
- 2020-05-08 CN CN202010380257.XA patent/CN113628243A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180096217A1 (en) * | 2013-07-18 | 2018-04-05 | Golba Llc | Hybrid multi-camera based positioning |
CN104660987A (zh) * | 2015-01-27 | 2015-05-27 | 武汉烽火众智数字技术有限责任公司 | 一种目标运动轨迹分析的方法和监控系统 |
US20180107868A1 (en) * | 2016-03-16 | 2018-04-19 | Sportsmedia Technology Corporation | Tracking of handheld sporting implements using computer vision |
US20170364755A1 (en) * | 2016-06-21 | 2017-12-21 | Beijing Xiaomi Mobile Software Co., Ltd. | Systems and Methods for Tracking Movements of a Target |
JP2019041261A (ja) * | 2017-08-25 | 2019-03-14 | 株式会社 日立産業制御ソリューションズ | 画像処理システムおよび画像処理システムの設定方法 |
CN108875485A (zh) * | 2017-09-22 | 2018-11-23 | 北京旷视科技有限公司 | 一种底图录入方法、装置及系统 |
CN108229323A (zh) * | 2017-11-30 | 2018-06-29 | 深圳市商汤科技有限公司 | 布控方法和装置、电子设备、计算机存储介质 |
CN108256443A (zh) * | 2017-12-28 | 2018-07-06 | 深圳英飞拓科技股份有限公司 | 一种人员定位方法、系统及终端设备 |
CN109671101A (zh) * | 2018-11-30 | 2019-04-23 | 江苏文化投资管理集团有限公司 | 行为轨迹采集装置及智能终端 |
CN109886078A (zh) * | 2018-12-29 | 2019-06-14 | 华为技术有限公司 | 目标对象的检索定位方法和装置 |
CN110263847A (zh) * | 2019-06-18 | 2019-09-20 | 腾讯科技(深圳)有限公司 | 轨迹获取方法、装置、计算机设备及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117896626A (zh) * | 2024-03-15 | 2024-04-16 | 深圳市瀚晖威视科技有限公司 | 多摄像头检测运动轨迹的方法、装置、设备及存储介质 |
CN117896626B (zh) * | 2024-03-15 | 2024-05-14 | 深圳市瀚晖威视科技有限公司 | 多摄像头检测运动轨迹的方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110609920B (zh) | 一种视频监控场景下的行人混合搜索方法及系统 | |
CN109740004B (zh) | 一种归档方法及装置 | |
CN105320705B (zh) | 相似车辆的检索方法及装置 | |
CN111160275B (zh) | 行人重识别模型训练方法、装置、计算机设备和存储介质 | |
WO2020114138A1 (zh) | 信息的关联分析方法及装置、储存介质、电子装置 | |
CN109800318B (zh) | 一种归档方法及装置 | |
CN111666922A (zh) | 视频匹配方法、装置、计算机设备和存储介质 | |
CN110826484A (zh) | 车辆重识别的方法、装置、计算机设备及模型训练方法 | |
WO2021114612A1 (zh) | 目标重识别方法、装置、计算机设备和存储介质 | |
CN113034550A (zh) | 跨镜行人轨迹追踪的方法、系统、电子装置和存储介质 | |
CN107862072B (zh) | 基于大数据技术分析车辆入城套牌作案的方法 | |
CN111160307A (zh) | 一种人脸识别方法及人脸识别打卡系统 | |
CN110930434A (zh) | 目标对象跟踪方法、装置、存储介质和计算机设备 | |
CN111310728A (zh) | 基于监控相机和无线定位的行人重识别系统 | |
CN112084812A (zh) | 图像处理方法、装置、计算机设备及存储介质 | |
CN113128448B (zh) | 基于肢体识别的视频匹配方法、装置、设备及存储介质 | |
CN113628243A (zh) | 运动轨迹获取方法、装置、计算机设备和存储介质 | |
CN115115825A (zh) | 图像中的对象检测方法、装置、计算机设备和存储介质 | |
CN110766077A (zh) | 证据链图像中特写图筛选方法、装置和设备 | |
CN111985467B (zh) | 聊天记录截图处理方法、装置、计算机设备和存储介质 | |
CN106603888A (zh) | 图像颜色提取处理结构 | |
CN110659576A (zh) | 一种基于联合判断与生成学习的行人搜索方法及装置 | |
CN113657145B (zh) | 一种基于汗孔特征及神经网络的指纹检索方法 | |
CN113569755B (zh) | 基于对偶关系网络的时序动作定位方法、系统、设备及介质 | |
CN112215205B (zh) | 目标识别方法、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 |