CN114329058B - 图像聚档方法、装置和电子设备 - Google Patents
图像聚档方法、装置和电子设备 Download PDFInfo
- Publication number
- CN114329058B CN114329058B CN202111635540.3A CN202111635540A CN114329058B CN 114329058 B CN114329058 B CN 114329058B CN 202111635540 A CN202111635540 A CN 202111635540A CN 114329058 B CN114329058 B CN 114329058B
- Authority
- CN
- China
- Prior art keywords
- grids
- sequence
- grid
- partition
- monitoring nodes
- 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
Images
Classifications
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Image Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及安防视频监控技术领域,尤其涉及一种图像聚档方法、装置和电子设备,用以解决对行人抓拍数据进行聚档效率低且准确率低的问题。首先,获取目标区域的期望分区数量m,m取为正整数,然后,按照期望分区条件将标区域划分为n个分区,n也为正整数,且n与m的差距小于预设差距,其中,期望分区条件包括:将每个分区的监控节点数量在指定数量范围内,完成分区后,对各分区分别对目标对象进行图像聚档。综上,本申请实施例能够就目前的技术条件下,用户在进行图像聚档时,通过合理地对目标区域进行区域分割,再对各个区域进行聚档,提高了聚档的准确率,并且有效缩短了聚档时间,节省了时间和资源,提高了聚档的效率。
Description
背景技术
随着人脸识别、行人重识别等智能技术快速发展,对行人进行抓拍聚档的业务应运而生。
城市道路、社区、商业区等公共场所视频监控装置广泛的安装,既提高了公共安全的水平,也对于现有技术中城市级的图像聚档业务带来了挑战,可分为以下三个方面:
a.对于一个城市,监控设备数以千计,每天将产生千万级甚至亿级的行人抓拍数据,如果同时对全区域进行一次性聚档,对于硬件设备配置要求极高,从极限的角度思考,无法找到一台可以满足条件的服务器;
b.若对全区域内所有行人进行聚档,客观上增加了每个行人的干扰目标,对于聚档准确度将产生较大影响;
c.若同时对全区域内所有行人进行一次性聚档,效率低、耗时长。
因此,相关技术中,对行人抓拍数据进行聚档效率低且准确率低,无法满足快速获取行人信息的需求。
发明内容
本申请的目的是提供一种图像聚档方法、装置和电子设备,用以解决对行人抓拍数据进行聚档效率低且准确率低的问题。
第一方面,本申请提供一种图像聚档方法,所述方法包括:
获取目标区域的期望分区数量m,m为正整数;
按照期望分区条件将所述目标区域划分为n个分区,n为正整数且n与m的差距小于预设差距;所述期望分区条件包括:每个分区的监控节点数量在指定数量范围内;
分别对各分区的目标对象进行图像聚档。
在一些实施例中,按照期望分区条件将所述目标区域划分为n个分区,具体包括:
获取目标区域内监控节点的位置坐标;
基于所述目标区域内的监控节点的位置坐标,确定各监控节点的位置坐标的中心位置、监控节点之间的最大经度差和最大纬度差;
基于所述最大经度差和所述最大纬度差确定地理散列编码长度;
基于所述地理散列编码长度将所述目标区域划分出多个网格;
若划分出的所述多个网格满足合并条件,则基于所述期望分区条件对所述多个网格进行合并操作得到n个分区;
所述合并条件包括:所述多个网格的数量高于所述期望分区数量、且网格内的监控节点数量小于指定数量阈值的网格数量大于预设值,所述预设值与划分出的所述多个网格的数量正相关。
在一些实施例中,所述方法还包括:
若划分出的所述多个网格不满足所述合并条件,则增加地理散列编码长度并返回执行所述基于所述地理散列编码长度将所述目标区域划分出多个网格的步骤,直至划分出的网格满足所述合并条件。
在一些实施例中,所述基于所述期望分区条件对所述多个网格进行合并操作得到n个分区,具体包括:
从所述多个网格中筛选掉不存在监控节点的网格,得到候选网格集合;
对所述候选网格集合中的各网格按照包括监控节点的数量进行排序,得到网格序列;
遍历所述网格序列,依序对所述网格序列中的序列网格分别执行以下兼并操作:将所述序列网格的指定邻域内的相邻网格依序与所述序列网格合并,直至合并后得到的分区中包括的监控节点数量满足所述期望分区条件则结束对所述序列网格的合并操作,并若合并到所述分区中的相邻网格在所述网格序列中,则将所述相邻网格从所述网格序列中删除。
在一些实施例中,所述将所述序列网格的指定邻域内的相邻网格依序与所述序列网格合并,具体包括:
从所述序列网格最近的一层相邻网格开始,将所述指定领域内的相邻网格逐一并入所述序列网格中得到分区,直至分区内的总监控节点数量满足所述期望分区条件,结束对所述序列网格的合并操作。
在一些实施例中,所述方法还包括:
所述网格序列中已遍历序列网格数量和所述网格序列的总网格数量满足指定关系后,针对当前遍历的序列网格,若将指定层数的相邻网格均并入所述分区中之后,所述分区内总监控节点数量不满足所述期望分区条件,则确定所述序列网格不适合执行网格兼并操作,并撤销对所述序列网格的兼并操作。
在一些实施例中,遍历完所述网格序列之后,所述方法还包括:
若所述网格序列中存在未合并到任意一个分区中的未合并网格,则将所述未合并网格中的监控节点按照所述期望分区条件合并到相邻分区中。
第二方面,本申请提供了一种图像聚档装置,所述装置包括:
信息获取模块,用于获取目标区域的期望分区数量m,m为正整数;
区域划分模块,用于按照期望分区条件将所述目标区域划分为n个分区,n为正整数且n与m的差距小于预设差距;所述期望分区条件包括:每个分区的监控节点数量在指定数量范围内;
图像聚档模块,用于分别对各分区的目标对象进行图像聚档。
可选的,执行按照期望分区条件将所述目标区域划分为n个分区,所述区域划分模块具体用于:
获取目标区域内监控节点的位置坐标;
基于所述目标区域内的监控节点的位置坐标,确定各监控节点的位置坐标的中心位置、监控节点之间的最大经度差和最大纬度差;
基于所述最大经度差和所述最大纬度差确定地理散列编码长度;
基于所述地理散列编码长度将所述目标区域划分出多个网格;
若划分出的所述多个网格满足合并条件,则基于所述期望分区条件对所述多个网格进行合并操作得到n个分区;
所述合并条件包括:所述多个网格的数量高于所述期望分区数量、且网格内的监控节点数量小于指定数量阈值的网格数量大于预设值,所述预设值与划分出的所述多个网格的数量正相关。
可选的,所述区域划分模块还用于:
若划分出的所述多个网格不满足所述合并条件,则增加地理散列编码长度并返回执行所述基于所述地理散列编码长度将所述目标区域划分出多个网格的步骤,直至划分出的网格满足所述合并条件。
可选的,执行所述基于所述期望分区条件对所述多个网格进行合并操作得到n个分区,所述区域划分模块包括:
筛选单元,用于从所述多个网格中筛选掉不存在监控节点的网格,得到候选网格集合;
排序单元,用于对所述候选网格集合中的各网格按照包括监控节点的数量进行排序,得到网格序列;
遍历单元,遍历所述网格序列,依序对所述网格序列中的序列网格分别执行以下兼并操作:将所述序列网格的指定邻域内的相邻网格依序与所述序列网格合并,直至合并后得到的分区中包括的监控节点数量满足所述期望分区条件则结束对所述序列网格的合并操作,并若合并到所述分区中的相邻网格在所述网格序列中,则将所述相邻网格从所述网格序列中删除。
可选的,执行所述将所述序列网格的指定邻域内的相邻网格依序与所述序列网格合并,所述遍历单元具体用于:
从所述序列网格最近的一层相邻网格开始,将所述指定领域内的相邻网格逐一并入所述序列网格中得到分区,直至分区内的总监控节点数量满足所述期望分区条件,结束对所述序列网格的合并操作。
可选的,所述遍历单元还用于:
所述网格序列中已遍历序列网格数量和所述网格序列的总网格数量满足指定关系后,针对当前遍历的序列网格,若将指定层数的相邻网格均并入所述分区中之后,所述分区内总监控节点数量不满足所述期望分区条件,则确定所述序列网格不适合执行网格兼并操作,并撤销对所述序列网格的兼并操作。
可选的,执行遍历完所述网格序列之后,所述遍历单元还用于:
若所述网格序列中存在未合并到任意一个分区中的未合并网格,则将所述未合并网格中的监控节点按照所述期望分区条件合并到相邻分区中。
第三方面,本申请还提供了一种电子设备,包括:
存储器,用于存储处理器的可执行指令;
处理器,用于执行所述可执行指令,以实现如本申请第一方面提供的任一方法。
第四方面,本申请一实施例还提供了一种计算机可读存储介质,当所述计算机可读存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行如本申请第一方面中提供的任一方法。
第五方面,本申请一实施例提供了一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如本申请第一方面中提供的任一方法。
本申请的实施例提供的技术方案至少带来以下有益效果:
本申请提供了一种图像聚档方法,通过合理地对目标区域进行区域分割,再对各个区域进行聚档,避免了一次性同时对大量数据进行聚档超过硬件设备的处理上限,同时合理的区域分割聚档,可以有效降低大范围内单独聚档时相似目标干扰的概率,提高了聚档的准确率,并且有效缩短了聚档时间,节省了时间和资源,提高了聚档的效率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。在符合本领域常识的基础上,上述各优选条件,可任意组合,即得本申请各较佳实施例。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,显而易见地,下面所介绍的附图仅仅是本申请的一些实施例,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他的附图。
图1为本申请实施例提供的一种图像聚档方法的应用场景示意图;
图2为本申请实施例提供的一种图像聚档方法的流程示意图;
图3为本申请实施例提供的按照期望分区条件将目标区域划分为n个分区的流程示意图;
图4为本申请实施例提供的对照表的示意图;
图5为本申请实施例提供的基于期望分区条件对多个网格进行合并操作得到n个分区的流程示意图;
图6为本申请实施例提供的网格分布的示意图;
图7为本申请实施例提供的目标区域的地图示意图;
图8为本申请实施例提供的目标区域的又一地图示意图;
图9为本申请实施例提供的目标区域的再一地图示意图;
图10为本申请实施例提供的完成分区的目标区域的地图示意图;
图11为本申请实施例提供的图像聚档装置的结构示意图;
图12为本申请实施例提供的电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。其中,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
并且,在本申请实施例的描述中,除非另有说明,“/”表示或的意思,例如,A/B可以表示A或B;文本中的“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况,另外,在本申请实施例的描述中,“多个”是指两个或多于两个。
以下,术语“第一”、“第二”仅用于描述目的,而不能理解为暗示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”、的特征可以明示或者隐含地包括一个或者更多个该特征。
下面将结合实施例对本申请提供的图像聚档方法进行介绍。
本申请的发明构思可概括为:首先,获取目标区域的期望分区数量m,m取为正整数,然后,按照期望分区条件将标区域划分为n个分区,n也为正整数,且n与m的差距小于预设差距,其中,期望分区条件包括:将每个分区的监控节点数量在指定数量范围内,完成分区后,对各分区分别对目标对象进行图像聚档。综上,本申请实施例能够就目前的技术条件下,用户在进行图像聚档时,通过合理地对目标区域进行区域分割,再对各个区域进行聚档,避免了一次性同时对大量数据进行聚档超过硬件设备的处理上限,同时合理的区域分割聚档,可以有效降低大范围内单独聚档时相似目标干扰的概率,提高了聚档的准确率,并且有效缩短了聚档时间,节省了时间和资源,提高了聚档的效率。
在介绍完本申请实施例的主要发明思想之后,下面对本申请实施例的技术方案能够适用的应用场景做一些简单介绍,需要说明的是,以下介绍的应用场景仅用于说明本申请实施例而非限定。在具体实施时,可以根据实际需要灵活地应用本申请实施例提供的技术方案。
为了便于理解,下面结合附图对本申请实施例提供的一种图像聚档方法进行详细说明:
如图1所示,为本申请实施例中的一种图像聚档方法的应用场景图。图中包括:网络10、服务器20、存储器30。服务器20通过网络连接多个摄像头。通过本申请实施例提供的方法,可将这多个摄像头划分为多个分区,例如第一分区、第二分区、第N分区。每个分区可单独对目标对象完成图像聚档。
本申请中的描述中仅就单个服务器或摄像头加以详述,但是本领域技术人员应当理解的是,示出的摄像头、网络10、服务器20和存储器30旨在表示本申请的技术方案涉及的终端设备、服务器以及存储器的操作。对单个服务器和存储器加以详述至少为了说明方便,而非暗示对摄像头和服务器的数量、类型或是位置等具有限制。应当注意,如果向图示环境中添加附加模块或从其中去除个别模块,不会改变本申请的示例实施例的底层概念。另外,虽然为了方便说明而在图1中示出了从存储器30到服务器20的双向箭头,但本领域技术人员可以理解的是,上述数据的收发也是需要通过网络10实现的。
需要说明的是,本申请实施例中的存储器例如可以是缓存系统、也可以是硬盘存储、内存存储等等。此外,本申请提出的跨镜头的目标对象提取方法不仅适用于图1所示的应用场景,还可以用于其它可能的应用场景,本申请实施例并不进行限制。
基于上述描述,本申请实施例提供的一种图像聚档方法,可包括以下内容:
为了对目标区域的行人的图像数据进行聚档处理,所谓聚档即将同一个人的图像聚到一个档案,该档案可以供人脸识别、人体搜索等算法使用,如图2示,为本申请实施例提供的一种图像聚档方法的流程示意图,其中:
在步骤201中,获取目标区域的期望分区数量m。其中,m为正整数。
在一些实施例中,这个期望分区数量m取决于该目标区域监控节点的数量。例如,选定目标区域后,获取全区域监控节点数量,定义为CN,则定义期望分区数量为DDN,全区域总共的监控节点数量越多,为了减少每个分区的信息量,提高图像聚档的效率,则将目标区域分成更多的分区;若全区域总共的监控节点数量较少,则期望分区数量也较少。本申请将目标区域分为若干较小的分区,使得用户采用若干设备同时处理各个分区所采集的图像数据,相较于相关技术中对整个目标区域的所有数据同时进行处理,节省了大量的时间和资源。
在步骤202中,按照期望分区条件将所述目标区域划分为n个分区。
在一些实施例中,其中,n为正整数,且由于期望分区条件为将每个分区的监控节点数量在指定数量范围内,每个分区的监控节点数量存在上下浮动的空间,所以分区数量n与期望分区数量m也存在上下浮动的空间,且n与m的差距小于预设差距。实施时期望分区条件为:将每个分区的监控节点数量在指定数量范围内。例如,可确定目标区域的分区偏差常数c,c为百分数,然后采用以下公式(1)确定分区偏差数量d,d为正整数:
d=m×c (1)
则指定数量范围内,即每个分区的监控节点x数量不小于期望分区数量m与分区偏差数量d之差,并且每个分区的监控节点数量不大于所述期望分区数量m与所述分区偏差数量d之和,如以下公式(2)所示:
m-d≤x≤m+d (2)
例如,目标区域共包括10000个摄像头,即监控节点,则期望分区条件设定为;将每个分区的监控节点数量在200个左右,偏差常数为5%,则指定数量为190到210之间。
在另一些实施例中,按照期望分区条件将目标区域划分为n个分区,具体流程如下图3,可实施为:
在步骤301中,获取目标区域内监控节点的位置坐标。该位置坐标即为经纬度(WGS84)数据。
在步骤302中,基于目标区域内的监控节点的位置坐标,确定各监控节点的位置坐标的中心位置、监控节点之间的最大经度差和最大纬度差。
在步骤303中,基于最大经度差和最大纬度差确定地理散列编码长度。确定了最大经度差和最大纬度差之后,查找图4所示的对照表中的经度误差(lng error)和维度误差(lat error)得到地理散列(geohash)编码长度。例如,最大经度差为0.6,最大纬度差为0.4,将最大经度差0.6与对照表中经度误差(lng error)进行比对,±0.7的范围是1.7,±0.18的范围是0.36,0.6大于0.36且小于1.7,所以确定编码长度为3,基于相同的原理,将最大纬度差0.4与对照表中维度误差(lat error)进行比对,±0.70的范围是1.7,±0.087的范围是0.174,0.4大于0.174且小于1.7,所以确定编码长度为3,若根据最大经度差和最大纬度差所确定编码长度不等,则取编码长度较大的值。
在步骤304中,基于地理散列编码长度将目标区域划分出多个网格。基于Geohash,不同的geohash网格对应不同的代码,且编码长度越长,网格精度越高。
在步骤305中,若划分出的多个网格满足合并条件,则基于期望分区条件对多个网格进行合并操作得到n个分区。
其中,合并条件包括:多个网格的数量高于期望分区数量、且网格内的监控节点数量小于指定数量阈值的网格数量大于预设值,预设值与划分出的多个网格的数量正相关。
需要说明的是,网格化后得到的网格数量高于期望分区数量,例如,期望分区数量为100个,而网格化之后得到的网格数量为150个,远高于期望分区数量100;或者,网格内的监控节点数量小于指定数量阈值的网格数量大于预设值,即网格化后得到包含指定数量阈值(比如监控节点<=2倍的分区偏差数量)的网格数量占总网格数的比例大于预设值,例如,总网格数150,其中分区偏差数量为5,则包含小于等于10个监控节点的网格有100个,占比为三分之二,该比例大于设定值50%。上述两种情况满足了合并条件,因此,对所有网格进行合并操作。
需要补充的是,网格内的监控节点数量小于指定数量阈值的网格数量占总网格数的比例越高,表示网格划分越精细化,有利于进行网格合并操作。
除此之外,若划分出的多个网格不满足上述的合并条件,则增加地理散列编码长度并返回执行基于地理散列编码长度将目标区域划分出多个网格的步骤,例如原本的地理散列编码长度为4,但是划分的网格不满足合并条件,则增加地理散列编码长度至5,若根据增加之后的编码长度5划分的网格仍然不满足合并条件,则继续增加地理散列编码长度,直至划分出的网格满足合并条件。
在另一些实施例中,上述步骤305中,基于期望分区条件对多个网格进行合并操作得到n个分区,具体流程如图5可实施为:
在步骤501中,从多个网格中筛选掉不存在监控节点的网格,得到候选网格集合。如图6所示,网格中NA表示不存在监控节点,则将该网格筛选掉,将剩下的网格组成候选网格结合。
在步骤502中,对候选网格集合中的各网格按照包括监控节点的数量进行排序,得到网格序列。如图6所示,包括监控节点最多的为36个,包括监控节点最少的为1个,从大到小进行排序,得到网格序列。
在步骤503中,遍历网格序列,依序对网格序列中的序列网格分别执行以下兼并操作:将序列网格的指定邻域内的相邻网格依序与序列网格合并,直至合并后得到的分区中包括的监控节点数量满足期望分区条件则结束对序列网格的合并操作,并若合并到分区中的相邻网格在网格序列中,则将相邻网格从网格序列中删除。
如图6所示,以包括监控节点为11的网格为例,周围4层的网格,分为不同的灰度,一共得到81个网格,将该网格的指定邻域内的相邻网格依序与序列网格合并,即从该网格最近的一层相邻网格开始,将指定领域内的相邻网格逐一并入该网格中得到分区,指定领域可以为图6所示周围4层的相邻网格,直至分区内的总监控节点数量满足期望分区条件结束兼并操作。例如,期望分区条件为每个分区100个左右监控节点,若合并的网格内的总监控节点达到了100个,则结束对该包括监控节点为11的网格的合并操作,并将该网格从网格序列中删除。然后,继续对网格序列中的下一个网格进行合并操作。
还需要补充的是,若网格序列中已遍历序列网格数量和网格序列的总网格数量满足指定关系后,例如,分区完成数量过半后,针对当前遍历的序列网格,若将指定层数的相邻网格均并入分区中之后,分区内总监控节点数量不满足期望分区条件,则确定该序列网格不适合执行网格兼并操作,并撤销对序列网格的兼并操作。
即在每次分区的过程中,本申请对所选的网格就是否适合作为中心网格进行计算,如果合并的周围层数远大于前几次分区完成所需要的平均周围层数,则判断此网格不适合作为中心网格,尝试换下一个作为中心网格处理。
在另一些的实施例中,若网格序列中存在未合并到任意一个分区中的未合并网格,即,最后遍历完所有网格并进行分区后,有可能存在个别网格未合并到任意一个分区中,则将未合并网格中的监控节点按照期望分区条件合并到相邻分区中。例如,最后剩余的网格内的监控节点为5,根据就近原则,将这5个监控节点合并到已经生成的分区中,同时所合并的分区内的总监控节点满足期望分区条件,最终保证所有网格、所有监控节点都被合并到分区中。
最后,在步骤203中,分别对各分区的目标对象进行图像聚档。
也即若对目标区域完成期望分区条件下的分区,针对各分区的图像数据,将同一个人的图像聚到一个档,完成图像聚档。
举一个具体的例子,如图7所示目标区域分布85个相机,黑色圆圈即为相机,期望分割成5个分区。根据区域的经纬度范围,计算出该区域的中心点位,同时计算后选择geohash编码长度为5进行第一次分区。如图8所示,五角星表示整个区域所有相机分布的中心位置。
通过本申请所提供的方法进行计算,首先得到四个区域(图中所示仅为四块geohash区域的部分展示)覆盖了所有相机点位的分布,分别为中心区域wtm7z及其邻近的三个区域wtm7x、wtme8、wtmeb。
其中wtm7z包含了53个相机点位、wtm7x包含了20个相机点位、wtme8包含了7个相机点位、wtmeb包含了5个相机点位。
根据本申请所提供的方法,第一次分区数量为4块,并不满足期望分割的5块分区,因此需要进行网格再分以及网格合并。将原区域分割时geohash编码长度加1,得到新的geohash编码长度为6,经过新的分区计算得到结果如图9所示:
其中30个geohash区域包含了相机点位,包含数量最多的七个区域分别为wtm7xr、wtm7z2、wtm7z3、wtm7z9、wtm7zu、wtm7zb、wtme8p。
经计算,本次网格化已经本申请所提供的网格数量大于期望分区数量的条件,接着可以进入网格合并进行分区步骤了。根据本申请描述步骤607中的方法,最终得到的5个分区如图10所示,分为1、2、3、4、5共5个分区。
上述步骤能够就目前的技术条件下,用户在进行图像聚档时,通过合理地对目标区域进行区域分割,再对各个区域进行聚档,避免了一次性同时对大量数据进行聚档超过硬件设备的处理上限,同时合理的区域分割聚档,可以有效降低大范围内单独聚档时相似目标干扰的概率,提高了聚档的准确率,并且有效缩短了聚档时间,节省了时间和资源,提高了聚档的效率。
基于相同的发明构思,本申请实施例还提供一种图像聚档装置1100,如图11所示,所述装置包括:
信息获取模块1101,用于获取目标区域的期望分区数量m,m为正整数;
区域划分模块1102,用于按照期望分区条件将所述目标区域划分为n个分区,n为正整数且n与m的差距小于预设差距;所述期望分区条件包括:每个分区的监控节点数量在指定数量范围内;
图像聚档模块1103,用于对各分区分别对目标对象进行图像聚档。
可选的,执行按照期望分区条件将所述目标区域划分为n个分区,所述区域划分模块具体用于:
获取目标区域内监控节点的位置坐标;
基于所述目标区域内的监控节点的位置坐标,确定监控节点的中心位置、监控节点之间的最大经度差和最大纬度差;
基于所述最大经度差和所述最大纬度差确定地理散列编码长度;
基于所述地理散列编码长度将所述目标区域划分出多个网格;
若划分出的所述多个网格满足合并条件,则基于所述期望分区条件对所述多个网格进行合并操作得到n个分区;
所述合并条件包括:所述多个网格的数量高于所述期望分区数量、且网格内的监控节点数量小于指定数量阈值的网格数量大于预设值,所述预设值与划分出的所述多个网格的数量正相关。
可选的,所述区域划分模块还用于:
若划分出的所述多个网格不满足所述合并条件,则增加地理散列编码长度并返回执行所述基于所述地理散列编码长度将所述目标区域划分出多个网格的步骤,直至划分出的网格满足所述合并条件。
可选的,执行所述基于所述期望分区条件对所述多个网格进行合并操作得到n个分区,所述区域划分模块包括:
筛选单元,用于从所述多个网格中筛选掉不存在监控节点的网格,得到候选网格集合;
排序单元,用于对所述候选网格集合中的各网格按照包括监控节点的数量进行排序,得到网格序列;
遍历单元,遍历所述网格序列,依序对所述网格序列中的序列网格分别执行以下兼并操作:将所述序列网格的指定邻域内的相邻网格依序与所述序列网格合并,直至合并后得到的分区中包括的监控节点数量满足所述期望分区条件则结束对所述序列网格的合并操作,并若合并到所述分区中的相邻网格在所述网格序列中,则将所述相邻网格从所述网格序列中删除。
可选的,执行所述将所述序列网格的指定邻域内的相邻网格依序与所述序列网格合并,所述遍历单元具体用于:
从所述序列网格最近的一层相邻网格开始,将所述指定领域内的相邻网格逐一并入所述序列网格中得到分区,直至分区内的总监控节点数量满足所述期望分区条件,结束对所述序列网格的合并操作。
可选的,所述遍历单元还用于:
所述网格序列中已遍历序列网格数量和所述网格序列的总网格数量满足指定关系后,针对当前遍历的序列网格,若将指定层数的相邻网格均并入所述分区中之后,所述分区内总监控节点数量不满足所述期望分区条件,则确定所述序列网格不适合执行网格兼并操作,并撤销对所述序列网格的兼并操作。
可选的,执行遍历完所述网格序列之后,所述遍历单元还用于:
若所述网格序列中存在未合并到任意一个分区中的未合并网格,则将所述未合并网格中的监控节点按照所述期望分区条件合并到相邻分区中。
在介绍了本申请示例性实施方式的图像聚档方法和装置之后,接下来,介绍根据本申请的另一示例性实施方式的电子设备。
所属技术领域的技术人员能够理解,本申请的各个方面可以实现为系统、方法或程序产品。因此,本申请的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
在一些可能的实施方式中,根据本申请的电子设备可以至少包括至少一个处理器、以及至少一个存储器。其中,存储器存储有程序代码,当程序代码被处理器执行时,使得处理器执行本说明书上述描述的根据本申请各种示例性实施方式的图像聚档方法。例如,处理器可以执行如图像聚档方法中的步骤。
下面参照图12来描述根据本申请的这种实施方式的电子设备130。图12显示的电子设备130仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图12所示,电子设备130以通用电子设备的形式表现。电子设备130的组件可以包括但不限于:上述至少一个处理器131、上述至少一个存储器132、连接不同系统组件(包括存储器132和处理器131)的总线133。
总线133表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器、外围总线、处理器或者使用多种总线结构中的任意总线结构的局域总线。
存储器132可以包括易失性存储器形式的可读介质,例如随机存取存储器(RAM)1321和/或高速缓存存储器1322,还可以进一步包括只读存储器(ROM)1323。
存储器132还可以包括具有一组(至少一个)程序模块1324的程序/实用工具1325,这样的程序模块1324包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
电子设备130也可以与一个或多个外部设备134(例如键盘、指向设备等)通信,还可与一个或者多个使得用户能与电子设备130交互的设备通信,和/或与使得该电子设备130能与一个或多个其它电子设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口135进行。并且,电子设备130还可以通过网络适配器136与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器136通过总线133与用于电子设备130的其它模块通信。应当理解,尽管图中未示出,可以结合电子设备130使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
在示例性实施例中,还提供了一种包括指令的计算机可读存储介质,例如包括指令的存储器132,上述指令可由处理器131执行以完成上述图像聚档方法。可选地,存储介质可以是非临时性计算机可读存储介质,例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在示例性实施例中,还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器131执行时实现如本申请提供的图像聚档方法的任一方法。
在示例性实施例中,本申请提供的一种图像聚档方法的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在计算机设备上运行时,程序代码用于使计算机设备执行本说明书上述描述的根据本申请各种示例性实施方式的图像聚档方法中的步骤。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
本申请的实施方式的用于图像聚档方法的程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在电子设备上运行。然而,本申请的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于——无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本申请操作的程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户电子设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户电子设备上部分在远程电子设备上执行、或者完全在远程电子设备或服务端上执行。在涉及远程电子设备的情形中,远程电子设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户电子设备,或者,可以连接到外部电子设备(例如利用因特网服务提供商来通过因特网连接)。
应当注意,尽管在上文详细描述中提及了装置的若干单元或子单元,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之,上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。
此外,尽管在附图中以特定顺序描述了本申请方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、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图像缩放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图像缩放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图像缩放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图像缩放设备上,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。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做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申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (8)
1.一种图像聚档方法,其特征在于,所述方法包括:
获取目标区域的期望分区数量m,m为正整数;
按照期望分区条件将所述目标区域划分为n个分区,n为正整数且n与m的差距小于预设差距;所述期望分区条件包括:每个分区的监控节点数量在指定数量范围内;
分别对各分区的目标对象进行图像聚档;
其中,所述按照期望分区条件将所述目标区域划分为n个分区,包括:
获取目标区域内监控节点的位置坐标;
基于所述目标区域内的监控节点的位置坐标,确定各监控节点的位置坐标的中心位置、监控节点之间的最大经度差和最大纬度差;
基于所述最大经度差和所述最大纬度差确定地理散列编码长度;
基于所述地理散列编码长度将所述目标区域划分出多个网格;
若划分出的所述多个网格满足合并条件,则从所述多个网格中筛选掉不存在监控节点的网格,得到候选网格集合;
对所述候选网格集合中的各网格按照包括监控节点的数量进行排序,得到网格序列;
遍历所述网格序列,依序对所述网格序列中的序列网格分别执行以下兼并操作:将所述序列网格的指定邻域内的相邻网格依序与所述序列网格合并,直至合并后得到的分区中包括的监控节点数量满足所述期望分区条件则结束对所述序列网格的合并操作得到n个分区,并若合并到所述分区中的相邻网格在所述网格序列中,则将所述相邻网格从所述网格序列中删除;
其中,所述合并条件包括:所述多个网格的数量高于所述期望分区数量、且网格内的监控节点数量小于指定数量阈值的网格数量大于预设值,所述预设值与划分出的所述多个网格的数量正相关。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若划分出的所述多个网格不满足所述合并条件,则增加地理散列编码长度并返回执行所述基于所述地理散列编码长度将所述目标区域划分出多个网格的步骤,直至划分出的网格满足所述合并条件。
3.根据权利要求1所述的方法,其特征在于,所述将所述序列网格的指定邻域内的相邻网格依序与所述序列网格合并,具体包括:
从所述序列网格最近的一层相邻网格开始,将所述指定邻域内的相邻网格逐一并入所述序列网格中得到分区,直至分区内的总监控节点数量满足所述期望分区条件,结束对所述序列网格的合并操作。
4.根据权利要求1或3所述的方法,其特征在于,所述方法还包括:
所述网格序列中已遍历序列网格数量和所述网格序列的总网格数量满足指定关系后,针对当前遍历的序列网格,若将指定层数的相邻网格均并入所述分区中之后,所述分区内总监控节点数量不满足所述期望分区条件,则确定所述序列网格不适合执行网格兼并操作,并撤销对所述序列网格的兼并操作。
5.根据权利要求1所述的方法,其特征在于,遍历完所述网格序列之后,所述方法还包括:
若所述网格序列中存在未合并到任意一个分区中的未合并网格,则将所述未合并网格中的监控节点按照所述期望分区条件合并到相邻分区中。
6.一种图像聚档装置,其特征在于,所述装置包括:
信息获取模块,用于获取目标区域的期望分区数量m,m为正整数;
区域划分模块,用于按照期望分区条件将所述目标区域划分为n个分区,n为正整数且n与m的差距小于预设差距;所述期望分区条件包括:每个分区的监控节点数量在指定数量范围内;其中,所述按照期望分区条件将所述目标区域划分为n个分区,具体包括:获取目标区域内监控节点的位置坐标;基于所述目标区域内的监控节点的位置坐标,确定各监控节点的位置坐标的中心位置、监控节点之间的最大经度差和最大纬度差;基于所述最大经度差和所述最大纬度差确定地理散列编码长度;基于所述地理散列编码长度将所述目标区域划分出多个网格;若划分出的所述多个网格满足合并条件,则从所述多个网格中筛选掉不存在监控节点的网格,得到候选网格集合;对所述候选网格集合中的各网格按照包括监控节点的数量进行排序,得到网格序列;遍历所述网格序列,依序对所述网格序列中的序列网格分别执行以下兼并操作:将所述序列网格的指定邻域内的相邻网格依序与所述序列网格合并,直至合并后得到的分区中包括的监控节点数量满足所述期望分区条件则结束对所述序列网格的合并操作得到n个分区,并若合并到所述分区中的相邻网格在所述网格序列中,则将所述相邻网格从所述网格序列中删除;所述合并条件包括:所述多个网格的数量高于所述期望分区数量、且网格内的监控节点数量小于指定数量阈值的网格数量大于预设值,所述预设值与划分出的所述多个网格的数量正相关;
图像聚档模块,用于分别对各分区的目标对象进行图像聚档。
7.一种电子设备,其特征在于,包括:
存储器,用于存储处理器的可执行指令;
处理器,用于执行所述可执行指令,以实现如权利要求1-5中任一项所述的图像聚档方法。
8.一种计算机可读存储介质,其特征在于,当所述计算机可读存储介质中的指令由电子设备的处理器执行时,使得所述电子设备能够执行如权利要求1-5中任一项所述的图像聚档方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111635540.3A CN114329058B (zh) | 2021-12-29 | 2021-12-29 | 图像聚档方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111635540.3A CN114329058B (zh) | 2021-12-29 | 2021-12-29 | 图像聚档方法、装置和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114329058A CN114329058A (zh) | 2022-04-12 |
CN114329058B true CN114329058B (zh) | 2023-05-16 |
Family
ID=81016693
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111635540.3A Active CN114329058B (zh) | 2021-12-29 | 2021-12-29 | 图像聚档方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114329058B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117056551B (zh) * | 2023-07-07 | 2024-04-02 | 北京瑞莱智慧科技有限公司 | 行驶路径的档案聚集方法、装置、计算机设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011221888A (ja) * | 2010-04-13 | 2011-11-04 | Yahoo Japan Corp | 地域情報検索サーバ、地域情報検索方法及び補完用メッシュ生成方法 |
GB201612934D0 (en) * | 2016-07-26 | 2016-09-07 | Canon Kk | Mesh partitioning and merging methods |
CN113473076A (zh) * | 2020-07-21 | 2021-10-01 | 青岛海信电子产业控股股份有限公司 | 社区报警方法及服务器 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106570917A (zh) * | 2016-10-25 | 2017-04-19 | 先锋智道(北京)科技有限公司 | 车辆需求热力图生成方法和装置 |
CN113128305B (zh) * | 2019-12-31 | 2024-06-11 | 深圳云天励飞技术有限公司 | 人像档案聚档评估方法、装置、电子设备及存储介质 |
CN112232178A (zh) * | 2020-10-13 | 2021-01-15 | 重庆紫光华山智安科技有限公司 | 基于人像聚档的区域落脚点判定方法、系统、设备及介质 |
CN112199555A (zh) * | 2020-10-21 | 2021-01-08 | 重庆紫光华山智安科技有限公司 | 人员聚档方法、装置及电子设备 |
CN113408337B (zh) * | 2021-05-11 | 2022-08-09 | 浙江大华技术股份有限公司 | 目标聚档方法、电子设备和计算机存储介质 |
CN113792107A (zh) * | 2021-09-15 | 2021-12-14 | 北京沃东天骏信息技术有限公司 | 区域识别方法和装置 |
-
2021
- 2021-12-29 CN CN202111635540.3A patent/CN114329058B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011221888A (ja) * | 2010-04-13 | 2011-11-04 | Yahoo Japan Corp | 地域情報検索サーバ、地域情報検索方法及び補完用メッシュ生成方法 |
GB201612934D0 (en) * | 2016-07-26 | 2016-09-07 | Canon Kk | Mesh partitioning and merging methods |
CN113473076A (zh) * | 2020-07-21 | 2021-10-01 | 青岛海信电子产业控股股份有限公司 | 社区报警方法及服务器 |
Also Published As
Publication number | Publication date |
---|---|
CN114329058A (zh) | 2022-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109992636B (zh) | 时空编码方法、时空索引及查询方法及装置 | |
CN109165215B (zh) | 一种云环境下时空索引的构建方法、装置及电子设备 | |
CN108981739B (zh) | 一种路径规划方法、装置、服务器及存储介质 | |
US8824337B1 (en) | Alternate directions in hierarchical road networks | |
CN109359170B (zh) | 用于生成信息的方法和装置 | |
CN109816226B (zh) | 一种公园绿地防灾避险能力的评价方法及系统 | |
CN111487624A (zh) | 一种预测降雨量的方法与设备 | |
US20210312587A1 (en) | Distributed image analysis method and system, and storage medium | |
CN114329058B (zh) | 图像聚档方法、装置和电子设备 | |
CN111966289A (zh) | 基于Kafka集群的分区优化方法和系统 | |
CN113722409A (zh) | 空间关系的确定方法、装置、计算机设备及存储介质 | |
CN114064834A (zh) | 目标地点确定方法及装置、存储介质和电子设备 | |
CN103712628A (zh) | 导航路径描绘方法和终端 | |
CN113207101B (zh) | 基于5g城市部件传感器的信息处理方法及物联网云平台 | |
CN113869599A (zh) | 鱼类疫病发展预测方法、系统、设备及介质 | |
CN113722518A (zh) | 基于遥感影像元数据的存储方法、检索方法、设备及介质 | |
CN116796083B (zh) | 一种空间数据划分方法及系统 | |
CN110765073B (zh) | 分布式存储系统的文件管理方法、介质、设备及装置 | |
JP2019128837A (ja) | サーバ装置、情報収集システム、およびプログラム | |
CN107404659B (zh) | 网络视频显示方法及装置 | |
CN110348525B (zh) | 地图兴趣点获取方法、装置、设备及存储介质 | |
CN111027592B (zh) | 细粒度对象流量分析方法和装置 | |
KR20140006491A (ko) | 확률 그래프의 효과적인 그래프 클러스터링 장치 및 방법 | |
CN117495063B (zh) | 警力资源调度方法、装置、电子设备和计算机可读介质 | |
KR20210006429A (ko) | 오브젝트 검출 방법, 장치, 장비 및 컴퓨터 판독 가능 저장 매체 |
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 |