CN114513624A - 一种布控方法、装置、设备及存储介质 - Google Patents

一种布控方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN114513624A
CN114513624A CN202011185294.1A CN202011185294A CN114513624A CN 114513624 A CN114513624 A CN 114513624A CN 202011185294 A CN202011185294 A CN 202011185294A CN 114513624 A CN114513624 A CN 114513624A
Authority
CN
China
Prior art keywords
deployment
control
target
monitoring equipment
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
Application number
CN202011185294.1A
Other languages
English (en)
Inventor
张胜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Uniview Technologies Co Ltd
Original Assignee
Zhejiang Uniview Technologies Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Uniview Technologies Co Ltd filed Critical Zhejiang Uniview Technologies Co Ltd
Priority to CN202011185294.1A priority Critical patent/CN114513624A/zh
Publication of CN114513624A publication Critical patent/CN114513624A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/219—Managing data history or versioning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Probability & Statistics with Applications (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Alarm Systems (AREA)

Abstract

本申请公开了一种布控方法、装置、设备及存储介质；在本方案中，需要预先设置不同布控类型与布控区域及布控监控设备类聚之间的关联关系，该关联关系设置后，用户在下发布控任务时，便可根据布控类型自动确定具有关联关系的目标布控区域及目标布控监控设备类聚，实现对布控区域及布控监控设备的快速精准确定，该选取方式与通过盲选或经验选取方式相比，可以在节省布控资源的基础上，提高布控效率及布控效果。

Description

一种布控方法、装置、设备及存储介质
技术领域
本发明涉及监控技术领域，更具体地说，涉及一种布控方法、装置、设备及存储介质。
背景技术
随着视频监控建设的日益完善，目前可利用部署的摄像机，对下发的布控任务中的布控目标进行监控，实现对布控目标的布控预警。
目前在进行布控时，会在下发任务时选择一个布控区域，由于该布控区域一般是通过盲选或者使用者的经验来选取，选取准确度较低，从而对布控的效果产生影响。例如：在选择布控区域时，一般集中在高端商超附近的电瓶车停车区域进行选取，若布控目标是偷电瓶车的盗窃犯，在高端商超附近骑电瓶车的人与开私家车的人相比，骑电瓶车的人较少，若选择在该区域下发布控偷电瓶车的盗窃犯的任务，既浪费了资源，又不能产生较好的效果。
发明内容
本发明的目的在于提供一种布控方法、装置、设备及存储介质，以实现：在节省布控资源的基础上，提高布控效果。
为实现上述目的，本发明提供的一种布控方法，包括：
确定布控目标的目标布控类型；
利用预先确定的关联关系，确定与所述目标布控类型对应的目标布控区域及目标布控监控设备类聚；所述目标布控监控设备类聚包括属于同一类型的至少一个目标布控监控设备；
将与所述布控目标对应的布控任务下发至与所述目标布控区域对应的目标布控监控设备类聚，以对所述布控目标进行监控。
其中，所述确定布控目标的目标布控类型之后，还包括：
利用预先确定的关联关系，确定与所述目标布控类型对应的布控时间。
其中，所述确定布控目标的目标布控类型之前，还包括：
利用历史案件数据确定布控类型与布控区域之间的关联关系；
利用历史布控任务数据确定布控类型与布控区域之间的关联关系；
对不同类型的监控设备进行类聚，确定布控类型与布控监控设备类聚之间的关联关系。
其中，所述对不同类型的监控设备进行类聚，包括：
根据各监控设备的场景标签对监控设备进行类聚；或者，根据聚类算法及历史布控任务数据对监控设备进行类聚。
其中，将与所述布控目标对应的布控任务下发至与所述目标布控区域对应的目标布控监控设备类聚，包括：
计算每个目标布控区域与每个目标布控监控设备类聚的相关度；
利用所述相关度确定与每个目标布控区域对应的待下发布控任务的目标布控监控设备类聚；
将所述布控目标的布控任务下发至与每个目标布控区域对应的待下发布控任务的目标布控监控设备类聚。
其中，所述对所述布控目标进行监控包括：
获取下发所述布控任务的目标布控监控设备类聚所监控的目标对象；
判断所述目标对象与所述布控目标的相似度是否大于第一预定阈值；若是，则判定所述目标对象为高度疑似对象，并进行预警；
若否，则判断所述相似度是否小于第二预定阈值；所述第一预定阈值大于所述第二预定阈值；
若小于所述第二预定阈值，则判定所述目标对象为非布控目标；
若不小于所述第二预定阈值，则根据所述目标对象的位置信息确定联动监控设备，并判断所述联动监控设备是否属于下发所述布控任务的目标布控监控设备类聚；
若属于，则继续执行所述对所述布控目标进行监控的步骤；若不属于，则根据所述联动监控设备更新待下发所述布控任务的目标布控区域以及目标布控监控设备，并继续执行所述对所述布控目标进行监控的步骤。
其中，所述根据所述目标对象的位置信息确定联动监控设备，包括：
根据所述目标对象的位置信息确定待联动监控设备；
根据各待联动监控设备与所述目标对象之间的距离参数值、行进方向一致性参数值、朝向角度一致性参数值确定各待联动监控设备的参考值；
根据各待联动监控设备的参考值，确定联动监控设备。
为实现上述目的，本发明进一步提供一种布控装置，包括：
第一确定模块，用于确定布控目标的目标布控类型；
第二确定模块，用于利用预先确定的关联关系，确定与所述目标布控类型对应的目标布控区域及目标布控监控设备类聚；
任务下发模块，用于将与所述布控目标对应的布控任务下发至与所述目标布控区域对应的目标布控监控设备类聚，以对所述布控目标进行监控。
为实现上述目的，本发明进一步提供一种电子设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现上述的布控方法的步骤。
为实现上述目的，本发明进一步提供一种计算机可读存储介质，所述计算机可读存储介质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上述的布控方法的步骤。
通过以上方案可知，本发明实施例提供的一种布控方法，该方法包括：确定布控目标的目标布控类型；利用预先确定的关联关系，确定与所述目标布控类型对应的目标布控区域及目标布控监控设备类聚；所述目标布控监控设备类聚包括属于同一类型的至少一个目标布控监控设备；将与所述布控目标对应的布控任务下发至与所述目标布控区域对应的目标布控监控设备类聚，以对所述布控目标进行监控。可见，本发明需要预先设置不同布控类型与布控区域及布控监控设备类聚之间的关联关系，该关联关系设置后，用户在下发布控任务时，便可根据布控类型自动确定具有关联关系的目标布控区域及目标布控监控设备类聚，实现对布控区域及布控监控设备的快速精准确定，该选取方式与通过盲选或经验选取方式相比，可以在节省布控资源的基础上，提高布控效率及布控效果；本发明还公开了一种布控装置、设备及存储介质，同样能实现上述技术效果。
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，显而易见地，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他的附图。
图1为本发明实施例公开的一种布控方法流程示意图；
图2为本发明实施例公开的关联关系示意图；
图3为本发明实施例公开的一种布控目标监控流程图；
图4为本发明实施例公开的一种精准动态布控总体流程图；
图5为本发明实施例公开的一种布控装置结构示意图；
图6为本发明实施例公开的一种电子设备结构示意图。
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他实施例，都属于本发明保护的范围。
本发明实施例公开了一种布控方法、装置、设备及存储介质，以实现：在节省布控资源的基础上，提高布控效果。
参见图1，本发明实施例提供的一种布控方法流程示意图；通过图1可以看出，该方法包括：
S101、确定布控目标的目标布控类型；
具体来说，本申请中的布控目标可以为人、车辆等目标，布控类型为人或者车辆等目标所属的类型，如：若布控目标为人，则布控类型可以为：偷车、偷钱，若布控目标为车辆，则布控类型可以为闯红灯、不规范驾驶等。在本实施例中，为了对本方案进行清楚说明，在此以布控目标为嫌疑人、以布控类型为偷车为例进行说明。
S102、利用预先确定的关联关系，确定与所述目标布控类型对应的目标布控区域及目标布控监控设备类聚；所述目标布控监控设备类聚包括属于同一类型的至少一个目标布控监控设备；
S103、将与所述布控目标对应的布控任务下发至与所述目标布控区域对应的目标布控监控设备类聚，以对所述布控目标进行监控。
在本实施例中，为了快速准确的确定下发布控任务的目标布控区域及目标布控监控设备类聚，需要预先设置布控区域及布控监控设备类聚与布控类型之间的关联关系，这样用户在下发布控任务时，便可自动根据预先设定的关联关系，确定与布控类型对应的目标布控区域及目标布控监控设备类聚。需要说明的是，本申请中的布控监控设备类聚中包括属于同一类型的至少一个目标布控监控设备，因此在下发布控任务时，需要将该布控任务下发至该目标布控监控设备类聚中的每一个目标布控监控设备。
具体来说，在确定该关联关系时，可通过对大量历史数据的分析来确定该关联关系，该历史数据可以为历史案件数据及历史布控任务数据，例如：通过对历史数据进行分析后发现，类型A发生在区域D1和D2的概率较高，类型B发生在区域D3的概率较高，类型A通过布控监控设备类聚A获取到布控目标的概率较高，类型B通过布控监控设备类聚C获取到布控目标的概率较高，因此，若用户下发的布控类型为类型B，则可将布控任务下发至区域D3对应的布控监控设备类聚C，通过布控监控设备类聚C中的监控设备来对布控目标进行监控。
需要说明的是，本申请下发的布控任务中，还可以包括布控时间及预警条件，该布控时间可以为用户自定义设置的，也可以为利用预先确定的关联关系确定的与目标布控类型对应的布控时间。例如：通过对历史数据的分析可以发现，类型B通过布控监控设备类聚C获取到布控目标的概率较高的时间段为16:00～21:00，这时可确定布控时间为16:00～21:00，也即：将布控任务下发至区域D3对应的布控监控设备类聚C，布控监控设备类聚C中的监控设备在16:00～21:00对布控目标进行监控。并且，通过设置布控任务中的预警条件，可以在布控监控设备获取到与布控目标类似的对象时，通过该预警条件来确定处理逻辑，例如：将该预警条件设置为：相似度大于80％时预警，若布控监控设备获取的目标对象与布控目标之间的相似度大于80％，则进行预警，否则，不预警。
综上可见，本发明通过预先设置的不同布控类型与布控区域、布控监控设备类聚之间的关联关系，可以在用户下发布控任务时，自动根据布控类型确定具有关联关系的目标布控区域及目标布控监控设备类聚，实现对布控区域及布控监控设备的快速精准确定，该选取方式与通过盲选或经验选取方式相比，可以在节省布控资源的基础上，提高布控效率及布控效果。
基于上述实施例，在本实施例中，确定布控目标的目标布控类型之前，需要通过如下三种方式来确定布控类型与布控区域、监控设备类聚之间的关系，在此分别对这三种方式进行具体说明：
方式一：利用历史案件数据确定布控类型与布控区域之间的关联关系；
在本实施例中，可根据历史案件数据确定布控类型与布控区域之间的关联关系，该历史案件数据可以为已发生案件数据，若该布控类型为犯罪类型，则通过方式一可将不同的犯罪类型与不同区域进行关联，形成布控类型与布控区域的关联映射关系，该关联关系为：布控类型与区域之间产生的一种面的关联关系，参见图2，为本发明实施例提供的关联关系示意图，通过图2可以看出，若图2所框区域为地图，则区域A为通过方式一确定的与布控类型A具有关联关系的区域。
具体来说，该历史案件数据的数据来源可以是警务系统中的案件信息，利用大数据技术对历史案件数据进行分析时，可根据报案人报案的犯罪类型，发生的地点，发生的时间，将高频犯罪类型与区域产生关联关系，该关联关系即为布控类型与布控区域之间的关联关系。这样在下发布控任务之前，系统就会根据布控类型推荐对应的目标布控区域。参见表1，为本发明实施例提供的犯罪类型与区域关联示意表：
表1
犯罪类型 犯罪区域 时间段 推荐值
类型A D1,D2 T1 0.9
类型A D3 T2 0.7
类型B D4 T2、T4 0.8
类型C D5 T4 0.8
通过表1可以看出，通过对历史案件数据进行分析后，可以确定不同犯罪类型与犯罪区域、时间段之间的关联关系，该时间段为历史案件数据所发生的时间段，该推荐值为通过该类型案件在某一区域的发生频率，频率越高，则推荐值越大。其中，表1中的犯罪类型即为布控类型，该犯罪区域即为布控区域。在下发布控任务时，可以通过布控类型与布控区域之间的关联关系，查找对应的目标布控区域。需要说明的是，由于同一布控类型所对应的布控区域的数量可以为多个，此时用户可预先设定选取规则，例如，可设定该选取规则为：与布控类型对应的所有布控区域均作为目标布控区域，可设定该选取规则为：选取推荐值较大的预定数量个布控区域作为目标布控区域，在此并不具体限定，可根据用户的实际需求进行自定义设定。同样的，表1中的布控类型与时间段之间的关联关系，可以为用户设置布控时间作为参考，也即：用户可根据需求设置布控任务的布控时间，也可将与布控类型对应的时间段作为布控时间。
方式二：利用历史布控任务数据确定布控类型与布控区域之间的关联关系；
在本实施例中，除了通过历史案件数据确定布控类型与布控区域之间的关联关系之外，还可以根据历史布控任务所产生的结果确定布控类型与布控区域之间的关联关系。具体来说，该历史布控任务数据即为历史布控任务及其所产生的结果，如：在历史布控任务数据中，针对类型A所下发的多个布控任务中，大多数的布控结果对应的区域为区域A，则可设定类型A与区域A之间的关联关系。并且，在确定该关联关系时，可在地图上根据地理位置生成热力图进行展示，该热力图展示了不同布控类型所对应的布控位置，将该热力图进行标签化，得到热力图中布控类型与布控区域的关联关系，在该方式中，布控类型与区域之间产生的是一种点的对应关系，参见图2，图2的区域B即为通过方式二确定的与布控类型A具有关联关系的高频区域。
需要说明的是，通过方式二产生关联关系时，同样会存在同一布控类型与多个布控区域具有关联关系，在这种情况下，同样可根据用户的实际需求来设置选取规则，如：可设定该选取规则为：与布控类型对应的所有布控区域均作为目标布控区域，或者设定为：选取推荐值较大的预定数量个布控区域作为目标布控区域，在此并不具体限定。
方式三：对不同类型的监控设备进行类聚，确定布控类型与布控监控设备类聚之间的关联关系。
需要说明的是，目前布控任务下发时，选取监控设备的常用做法为：根据监控设备的物理位置进行整片区域下发，或者手动筛选相机进行下发，这种下发方式容易造成下发区域宽泛，无针对性，或者手动操作复杂，费时间。因此在本实施例中，可对监控设备进行类聚后与布控类型建立关联关系，这样用户在下发布控任务时，可利用该关联关系直接向与布控类型对应的监控设备类聚下发布控任务，既能精准布控又能减少资源的浪费。需要说明的是，对监控设备类聚后，会使布控类型与区域之间产生一种线的对应关系，参见图3，监控设备类聚A和监控设备类聚B为通过方式三确定的与布控类型A具有关联关系的两个类聚。
具体来说，在本实施例对不同类型的布控监控设备进行类聚时，可通过如下两种聚类操作对监控设备进行类聚：
聚类操作一：根据各监控设备的场景标签对监控设备进行类聚；
在本实施例中，对监控设备进行类聚时，首先需要确定各监控设备的场景标签。其中，本实施例中的监控设备可以为相机、摄像头等等。
在确定监控设备的场景标签时，可按照区域的不同在地图上对场景进行划分，从而形成场景标签；例如：根据各区域的实际场景划分出如下标签：写字楼区域、老人居住小区、高端小区、商超、步行街、地铁口、菜市场、学校等，在为各场景标签添加监控设备时，便可将实际位置的相机归类到上述场景标签下，如：在学校A附近的监控设备和在学校B附近的监控设备，就可以归类为同一场景标签下，属于同一场景标签的监控设备即为一个监控设备类聚，布控任务在下发时，便可将布控任务下发至具有关联关系的布控监控设备类聚。如：若布控目标的布控类型为：在学校附近偷窃，此时的场景标签为学校，也即：与该布控类型具有关联关系的监控设备类聚为场景标签为学校的监控设备类聚，此时便可将布控任务下发至场景标签为学校的监控设备类聚中，既能精准布控又能使用最少资源。
聚类操作二：根据聚类算法及历史布控任务数据对监控设备进行类聚。
在本实施例中，除了上述将相机与场景标签进行关联之外，还可以根据历史布控任务数据进行监控设备的自动类聚，该历史布控任务数据中包括了每个布控任务的布控类型及布控结果，该布控结果包括监控到布控目标的监控设备的位置，因此，通过聚类算法及历史布控任务数据，可对监控设备进行类聚，类聚后的每组监控设备与布控类型具有关联关系。
在本实施例中，所使用的聚类算法为K-Means(K均值)聚类算法，对不同布控类型所产生的监控设备位置进行类聚时，监控设备位置即为数据点，则通过K-Means聚类算法产生监控设备类聚的过程如下：
(1)、计算每个数据点与其他所有数据点之间的距离；
(2)、计算每个数据点的M-距离值，并对所有数据点的M-距离集合进行升序排序，输出的经过排序后的M-距离值；
M-距离是指：给定数据集K＝{k(i)；i＝0,1,…n}，对于任意点k(i)，计算点k(i)到集合K的子集L＝{p(1),p(2),…,p(i-1),p(i+1),…,p(n)}中所有点之间的距离，距离按照从小到大的顺序排序，假设排序后的距离集合为D＝{d(1),d(2),…,d(j-1),d(j),d(j+1),…,d(n)}，则d(j)就被称为M-距离；
(3)、将所有数据点的M-距离值，用散点图显示M-距离变化趋势，根据散点图确定半径R的值；
(4)、根据给定的数据点个数N＝4，以及半径R的值，计算所有核心点，并建立核心点与到核心点距离小于半径R的点的映射；
(5)、根据得到的核心点集合，以及半径R的值，计算能够连通的核心点，并得到离群点；
(6)、将能够连通的每一组核心点，以及到核心点距离小于半径R的点，都放到一起，形成一个类聚。
通过上述步骤即可得到类聚后的监控设备类聚，由于每个监控设备均具有其监控区域，则每个监控设备类聚均会生成对应的监控设备区域。将监控设备类聚后会形成与布控类型关联的标签，产生的类聚标签可以根据布控类型进行推荐下发，如：生成的监控设备聚类中，各个监控设备具有类型A这一类聚标签，则该监控设备类聚与类型A具有关联关系。
通过上述三种方式可以看出，布控类型与布控区域、监控设备之间具有关联关系，因此在下发布控任务之前，需要根据上述关联关系，确定与该布控类型对应的布控区域及布控监控设备类聚。需要说明的是，根据历史布控任务数据中与布控类型对应的布控区域的频次产生的热力图高频点，可以直观的作为布控区域的补充点位。例如：在对一个偷车贼进行布控，可能存在一个销赃地点，此地与案发区域并无直接联系产生，但却频繁产生与偷车案件相关的告警，那么这样的高频点就能对布控区域起到一个补充作用。综上可以看出，本方案通过利用大数据分析技术对历史案件数据以及历史布控任务数据分析后，可形成布控类型和布控区域之间的点线面的关联关系，利用点线面之间的关系，生成布控区域及布控监控设备类聚，提高布控效率。
基于上述实施例，在本实施例中，将与所述布控目标对应的布控任务下发至与所述目标布控区域对应的目标布控监控设备类聚时，由于通过关联关系确定的布控区域及布控监控设备类聚数量为多个，因此本实施例可通过如下方式确定最终下发布控任务的目标布控聚类设备聚类：
计算每个目标布控区域与每个目标布控监控设备类聚的相关度；
利用所述相关度确定与每个目标布控区域对应的待下发布控任务的目标布控监控设备类聚；
将所述布控目标的布控任务下发至与每个目标布控区域对应的待下发布控任务的目标布控监控设备类聚。
需要说明的是，本申请确定所有的目标布控监控设备类聚后，可向所有的目标布控监控设备类聚同时或者依次下发目标任务，也可以选择部分目标布控监控设备类聚进行同时或者依次下发布控任务。在本实施例中，可通过目标布控区域与目标布控监控设备类聚之间的相关度，确定部分下发布控任务的目标布控监控设备类聚，以及布控任务的下发顺序。
在计算区域与监控设备类聚之间关联的相关度时，可以从如下几个方面进行计算判断：
一、根据区域与监控设备类聚之间的地理位置确定，区域与监控设备越近相关度越高，如参见图2，区域A与监控设备类聚A之间的距离大于区域A与监控设备类聚B之间的距离，则区域A与监控设备类聚A的相关度小于区域A与监控设备类聚B的相关度；
二、根据案发时间与布控结果时间合理性确定，时间越合理相关度越高，如：通过历史布控任务数据分析可知，监控设备类聚A获取到布控类型A的时间为第一时间范围，监控设备类聚B获取到布控类型A的时间为第二时间范围，由于区域A出现布控类型A的时间也为第一时间范围，因此可说明：区域A与监控设备类聚A的时间更合理，因此可判定区域A与监控设备类聚A的相关度大于区域A与监控设备类聚B的相关度；
三、根据路网结构分析确定，如：通过地图网络结构分析可知，监控设备类聚A中监控设备所在路口，为嫌疑人从区域A离开时必经的路口，因此可判定区域A与监控设备类聚A的相关度大于区域A与监控设备类聚B的相关度。需要说明的是，在本实施例中，仅以上述三种方式对相关度进行说明，但并不局限于此。
参见表2，为本发明实施例提供的布控类型与布控区域推荐示意表。通过表2可以看出，对于布控类型A来说，共有对应的三个布控区域：区域A、区域B和区域C，共有对应的五个相机类聚：相机类聚A～E，该相机类聚即为监控设备类聚；表中的相关度代表了推荐值，相关度越高推荐值越高，并且表2中每个区域对应的相机类聚，仅选取了几个相关度较高的进行示意。
表2
Figure BDA0002751265540000111
具体来说，本申请确定每个目标布控区域与每个目标布控监控设备类聚之间的相关度后，可根据相关度来确定与每个目标布控区域对应的待下发布控任务的目标布控监控设备类聚，确定规则可根据用户需求进行设定，例如：设定相关度阈值，若相关度大于该相关度阈值，则设定为该目标布控区域对应的待下发布控任务的目标布控监控设备类聚，如：设定相关度阈值为0.8，对于区域A来说，只有相机类聚A的相关度大于0.8，因此设置相机聚类A为区域A对应的待下发布控任务的相机类聚。还可以设定该确定规则为：选取相关度最大的布控监控设备类聚，则对于区域A来说，设置相机聚类A为区域A对应的待下发布控任务的相机类聚，对于区域B来说，设置相机聚类C为区域B对应的待下发布控任务的相机类聚，当然还可以设置其他确定规则来选取待下发布控任务的目标布控监控设备类聚，在此并不限定。确定待下发布控任务的目标布控监控设备类聚后，便可进行布控任务的下发。
需要说明的是，若通过历史案件数据分析的案件频发区域为目标布控区域，但是该区域可能是一个监控盲区，或者该区域的监控设备遭到嫌疑人故意遮挡，在该情况下，目标布控区域内的监控设备不会拍到嫌疑人，但是在这种情况下，案发周围其他地方的监控设备可能拍摄到嫌疑人，因此在本实施例中，根据历史布控任务数据生成的布控类型与监控设备类聚之间的关联后，可将监控设备类聚与案件频发区域之间产生一种联系，该联系即为监控设备类聚与案件频发区域之间的相关度，通过该相关度来生成布控推荐区域的优先级，根据该优先级来下发布控任务，相关度越大则优先级越高，例如：在表2中，可先向每个区域的相关度最大的相机类聚下发布控任务，如果预定时间内没有检测到布控目标，再向相关度第二大的相机类聚下发布控任务，以此类推。
可以看出，通过本方案所述的利用布控区域与布控监控设备类聚直线的相关度下发布控任务的方式，可以在布控区域不存在监控设备时，通过相关度确定该布控区域对应的待下发布控任务的布控监控设备类聚，以通过该布控区域周围相关度较高的布控监控设备类聚进行布控目标的检测，提高布控效果。
参见图3，为本实施例提供的一种布控目标监控流程图，通过图3可以看出，本实施例中，对布控目标进行监控的过程具体包括如下步骤：
S201、获取下发布控任务的目标布控监控设备类聚所监控的目标对象；
S202、判断目标对象与布控目标的相似度是否大于第一预定阈值；
若是，则执行S203：判定目标对象为高度疑似对象，并进行预警；
若否，则执行S204：判断相似度是否小于第二预定阈值；所述第一预定阈值大于所述第二预定阈值；
若是，则执行S205：判定目标对象为非布控目标；
若否，则执行S206：根据目标对象的位置信息确定联动监控设备，并判断联动监控设备是否属于下发布控任务的目标布控监控设备类聚；
若是，则继续执行S201；
若否，则继续执行S207：根据联动监控设备更新待下发布控任务的目标布控区域以及目标布控监控设备，并继续S201。
需要说明的是，本方案在布控任务下发之后，如果有其中一个监控设备获取到布控目标，此时需要对布控目标进行动态处理，以获取到布控目标的最大信息。具体来说，任意布控监控设备拍摄到目标对象后，可根据预先设置的处理逻辑判定获取的目标对象是否为布控目标，在本实施例中，该处理逻辑为：计算目标对象与布控目标之间的相似度，具体可以计算监控设备获取的目标对象的人脸图像，与数据库中预先存储的布控目标的人脸图像之间的相似度，将该相似度作为目标对象与布控目标之间的相似度。若该相似度达到预先设定的第一预定阈值时，进行预警处理，反之则不处理。
具体来说，本申请确定目标对象与布控目标之间的相似度后，可将该相似度与预先设置的三个预设范围进行对比，这三个预设范围包括：大于第一预定阈值的范围、小于等于第一预设阈值至大于等于第二预设阈值的范围、小于第二预设阈值的范围，其中，相似度属于第一个范围时，代表目标对象为高度疑似目标处理，相似度属于第二个范围时，代表目标对象为再确认处理对象，相似度属于第三个范围时，代表目标对象为非目标处理对象。
例如：设相似度为S，S<60％，设置为C，60％≤S≤85％，设置为B，S>85％，设置为A；若相似度达到A，为高度疑似目标处理，则进行预警，将目标对象的人脸图像加入到新的布控任务中，增加布控目标的最新的人脸数据，使得后续新建的布控任务可根据最新的人脸数据监控布控目标，提高布控效果。若相似度达到C，则说明目标对象不是布控目标，认为该目标对象为无关人员，不进行预警；若相似度达到B，则可对该目标对象进行再确认处理，对目标对象进行进一步确认；可以理解的是，在本实施例中，可根据实际需求预先设置相似度达到B后，是否进行预警，在此并不具体限定。
具体来说，任意布控监控设备拍摄到目标对象后，可从数据库中查找到与该监控设备相关的信息，以确定该监控设备的经纬度、按照角度，并结合地图信息获取该监控设备所在位置的路网信息等。并且，监控设备拍摄到目标对象的图片后，还可以确定目标对象的方位信息，例如：目标对象的GPS位置、目标对象的方位朝向信息、目标对象的移动的方向、目标对象的移动速度等等。因此，若目标对象与布控目标的相似度达到B后，可获取目标对象的位置信息，根据目标对象的朝向以及路网周围的相机，联动其他相机进行目标任务再确认，根据再次识别的相似度，对应做A、B、C等级处理。
需要说明的是，本申请根据目标对象的位置信息确定联动监控设备时，可以根据目标对象的位置信息确定待联动监控设备，并根据各待联动监控设备与目标对象之间的距离参数值、行进方向一致性参数值、朝向角度一致性参数值确定各待联动监控设备的参考值，根据各待联动监控设备的参考值，确定联动监控设备。
其中，本实施例根据目标对象的位置信息确定待联动监控设备时，可以根据当前目标对象的位置，获取周围预定范围内的监控设备作为待联动监控设备，在本实施例中，目标对象的位置可通过获取目标对象的监控设备的位置进行确定，例如：目标相机M获取目标对象后，以目标相机M作为当前相机的位置，获取其周围一公里以内的相机M1、M2…等参数信息，作为待联动相机集合T＝{M1,M2,....,Mn}，其中相机的参数信息预先存储在后台数据库中，可直接获取；该参数信息包括相机的位置、朝向、角度等信息。
进一步，本申请从待联动监控设备中确定联动监控设备时，可根据目标对象的位置信息，计算目标对象的行进方向和行进速度，并计算各个因素的权重得分，在本实施例中，各个因素的权重得分主要包括如下参数值：待联动监控设备与目标对象之间的距离参数值P1、待联动监控设备与目标对象之间的行进方向一致性参数值P2、待联动监控设备与目标对象之间的朝向角度一致性参数值P3。根据上述参数值确定各待联动监控设备的参考值时，可根据用户预先设置的方式来确定，在本实施例中，通过权重值函数来确定各个因素的参数值：Pn＝f(X1，X2)，其中，f(X1，X2)为计算权重值函数，在本实施例中，并不限定该函数的具体形式，只要能计算出各个因素的参数值即可；Pn是第n个因素的权重参数值，X1为相机实际的因素值，X2是能够拍摄到目标对象的期待因素值。
例如：在确定距离参数值P1时，相机实际的因素值X1为相机的位置，目标对象的期待因素值X2为目标对象的位置，通过f(X1，X2)即可获得距离参数值P1，在确定距离参数值时，若位置X1与位置X2距离越近，则代表目标对象与待联动监控设备越近，那么该待联动监控设备拍摄的目标对象的图像更清楚，此时便可将其距离参数值P1设置的较大，也即：位置X1与位置X2距离越近，距离参数值P1越大。
通过上述方式确定每个待联动监控设备的各个因素的参数值后，即可根据各个参数值确定该待联动监控设备的参考值，该参考值的确定方式同样并不限定，可通过将各个因素的参数值相加后获得参考值，或者将各个因素的参数值相乘后获得参考值，例如：待联动监控设备的参考值P＝P1.P2....Pn。计算各个待联动监控设备的参考值后，本申请还可以根据各待联动监控设备的参考值对各待联动监控设备进行降序排列，得到待联动相机子集U＝{M1,M2,....,Mx}，然后根据预先设置的确定规则来确定联动监控设备，该确定规则可以为：选取较大的预定数量个待联动监控设备作为联动监控设备，或者选取参考值大于预定阈值的待联动监控设备作为联动监控设备，或者将全部待联动监控设备作为联动监控设备等等。
需要说明的是，联动监控设备确定后，如果该设备不在初始确定的目标布控监控设备类聚中，则需要对布控区域及布控监控设备进行更新：将与联动监控设备对应的区域添加至目标布控区域中，将联动监控设备作为目标布控监控设备，进行布控任务的下发。通过这种联动目标对象所途经的监控设备进行布控的方式，可以捕捉更精准的布控目标，这样可以使用最小资源进行监控设备之间的联动配合，实现更精准的联动。
参见图4，为本发明实施例公开的一种精准动态布控总体流程图，通过该流程图可以看出，预设第一布控目标后，可以通过三种方式确定与布控类型对应的布控区域及布控监控设备，并进行布控任务的下发。在捕获目标后，通过三挡相似度来进行判断，若相似度较高落入A档，则认定捕获到布控目标，此时将捕获到的目标对象的图像添加至新的布控任务中，增加布控目标，若相似度较低落入C档，则不做处理，若相似度落入处于中间B档，则通过联动其他监控设备的方式进行目标的再确认。
可以看出，本申请通过对布控类型和布控区域、监控设备关联，可以提高布控的准确度；在布控中，进行布控目标更新，联动相机更新布控区域，实现动态布控，提高目标识别率。
下面对本发明实施例提供的布控装置进行介绍，下文描述的布控装置与上文描述的布控方法可以相互参照。
参见图5，本发明实施例提供的一种布控装置结构示意图，包括：
第一确定模块100，用于确定布控目标的目标布控类型；
第二确定模块200，用于利用预先确定的关联关系，确定与所述目标布控类型对应的目标布控区域及目标布控监控设备类聚；
任务下发模块300，用于将与所述布控目标对应的布控任务下发至与所述目标布控区域对应的目标布控监控设备类聚，以对所述布控目标进行监控。
其中，所述装置还包括：
第三确定模块，用于利用预先确定的关联关系，确定与所述目标布控类型对应的布控时间。
其中，所述装置还包括：关联关系确定模块，该关联关系确定模块包括：
第一确定单元，用于利用历史案件数据确定布控类型与布控区域之间的关联关系；
第二确定单元，用于利用历史布控任务数据确定布控类型与布控区域之间的关联关系；
第三确定单元，用于对不同类型的监控设备进行类聚，确定布控类型与布控监控设备类聚之间的关联关系。
其中，所述第三确定单元具体用于：根据各监控设备的场景标签对监控设备进行类聚；或者，根据聚类算法及历史布控任务数据对监控设备进行类聚；确定布控类型与布控监控设备类聚之间的关联关系。
其中，所述任务下发模块包括：
计算单元，用于计算每个目标布控区域与每个目标布控监控设备类聚的相关度；
第四确定单元，用于利用所述相关度确定与每个目标布控区域对应的待下发布控任务的目标布控监控设备类聚；
下发单元，用于将所述布控目标的布控任务下发至与每个目标布控区域对应的待下发布控任务的目标布控监控设备类聚。
其中，所述装置还包括监控模块，该监控模块包括：
获取单元，用于获取下发所述布控任务的目标布控监控设备类聚所监控的目标对象；
第一判断单元，用于判断所述目标对象与所述布控目标的相似度是否大于第一预定阈值；若是，则触发第一判定单元：若否，则触发第二判断单元；
第一判定单元，用于判定所述目标对象为高度疑似对象，并进行预警；
第二判断单元，用于判断所述相似度是否小于第二预定阈值；所述第一预定阈值大于所述第二预定阈值；若小于所述第二预定阈值，则触发第二判定单元；若不小于所述第二预定阈值，则触发第三判断单元；
第二判定单元，用于判定所述目标对象为非布控目标；
第三判断单元，用于根据所述目标对象的位置信息确定联动监控设备，并判断所述联动监控设备是否属于下发所述布控任务的目标布控监控设备类聚；若属于，则触发监控模块；若不属于，则触发更新单元；
更新单元，用于根据所述联动监控设备更新待下发所述布控任务的目标布控区域以及目标布控监控设备，并触发监控模块。
其中，所述第三判断单元包括：
待联动监控设备确定子单元，用于根据所述目标对象的位置信息确定待联动监控设备；
参考值确定子单元，用于根据各待联动监控设备与所述目标对象之间的距离参数值、行进方向一致性参数值、朝向角度一致性参数值确定各待联动监控设备的参考值；
联动监控设备确定子单元，用于根据各待联动监控设备的参考值，确定联动监控设备。
参见图6，本发明实施例还提供了一种电子设备结构示意图，包括：
存储器11，用于存储计算机程序；
处理器12，用于执行所述计算机程序时实现上述任意方法实施例所述的布控方法的步骤。
在本实施例中，设备可以是PC(Personal Computer，个人电脑)，也可以是智能手机、平板电脑、掌上电脑、便携计算机等终端设备。
该设备可以包括存储器11、处理器12和总线13。
其中，存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器11在一些实施例中可以是设备的内部存储单元，例如该设备的硬盘。存储器11在另一些实施例中也可以是设备的外部存储设备，例如设备上配备的插接式硬盘，智能存储卡(SmartMedia Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，存储器11还可以既包括设备的内部存储单元也包括外部存储设备。存储器11不仅可以用于存储安装于设备的应用软件及各类数据，例如执行布控方法的程序代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
处理器12在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器或其他数据处理芯片，用于运行存储器11中存储的程序代码或处理数据，例如执行布控方法的程序代码等。
该总线13可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示，图6中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
进一步地，设备还可以包括网络接口14，网络接口14可选的可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该设备与其他电子设备之间建立通信连接。
可选地，该设备还可以包括用户接口15，用户接口15可以包括显示器(Display)、输入单元比如键盘(Keyboard)，可选的用户接口15还可以包括标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在设备中处理的信息以及用于显示可视化的用户界面。
图6仅示出了具有组件11-15的设备，本领域技术人员可以理解的是，图6示出的结构并不构成对设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质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上述任意方法实施例所述的布控方法的步骤。
其中，该存储介质可以包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种布控方法，其特征在于，包括：
确定布控目标的目标布控类型；
利用预先确定的关联关系，确定与所述目标布控类型对应的目标布控区域及目标布控监控设备类聚；所述目标布控监控设备类聚包括属于同一类型的至少一个目标布控监控设备；
将与所述布控目标对应的布控任务下发至与所述目标布控区域对应的目标布控监控设备类聚，以对所述布控目标进行监控。
2.根据权利要求1所述的布控方法，其特征在于，所述确定布控目标的目标布控类型之后，还包括：
利用预先确定的关联关系，确定与所述目标布控类型对应的布控时间。
3.根据权利要求1所述的布控方法，其特征在于，所述确定布控目标的目标布控类型之前，还包括：
利用历史案件数据确定布控类型与布控区域之间的关联关系；
利用历史布控任务数据确定布控类型与布控区域之间的关联关系；
对不同类型的监控设备进行类聚，确定布控类型与布控监控设备类聚之间的关联关系。
4.根据权利要求3所述的布控方法，其特征在于，所述对不同类型的监控设备进行类聚，包括：
根据各监控设备的场景标签对监控设备进行类聚；或者，根据聚类算法及历史布控任务数据对监控设备进行类聚。
5.根据权利要求1所述的布控方法，其特征在于，将与所述布控目标对应的布控任务下发至与所述目标布控区域对应的目标布控监控设备类聚，包括：
计算每个目标布控区域与每个目标布控监控设备类聚的相关度；
利用所述相关度确定与每个目标布控区域对应的待下发布控任务的目标布控监控设备类聚；
将所述布控目标的布控任务下发至与每个目标布控区域对应的待下发布控任务的目标布控监控设备类聚。
6.根据权利要求1至5中任意一项所述的布控方法，其特征在于，所述对所述布控目标进行监控包括：
获取下发所述布控任务的目标布控监控设备类聚所监控的目标对象；
判断所述目标对象与所述布控目标的相似度是否大于第一预定阈值；若是，则判定所述目标对象为高度疑似对象，并进行预警；
若否，则判断所述相似度是否小于第二预定阈值；所述第一预定阈值大于所述第二预定阈值；
若小于所述第二预定阈值，则判定所述目标对象为非布控目标；
若不小于所述第二预定阈值，则根据所述目标对象的位置信息确定联动监控设备，并判断所述联动监控设备是否属于下发所述布控任务的目标布控监控设备类聚；
若属于，则继续执行所述对所述布控目标进行监控的步骤；若不属于，则根据所述联动监控设备更新待下发所述布控任务的目标布控区域以及目标布控监控设备，并继续执行所述对所述布控目标进行监控的步骤。
7.根据权利要求6所述的布控方法，其特征在于，所述根据所述目标对象的位置信息确定联动监控设备，包括：
根据所述目标对象的位置信息确定待联动监控设备；
根据各待联动监控设备与所述目标对象之间的距离参数值、行进方向一致性参数值、朝向角度一致性参数值确定各待联动监控设备的参考值；
根据各待联动监控设备的参考值，确定联动监控设备。
8.一种布控装置，其特征在于，包括：
第一确定模块，用于确定布控目标的目标布控类型；
第二确定模块，用于利用预先确定的关联关系，确定与所述目标布控类型对应的目标布控区域及目标布控监控设备类聚；
任务下发模块，用于将与所述布控目标对应的布控任务下发至与所述目标布控区域对应的目标布控监控设备类聚，以对所述布控目标进行监控。
9.一种电子设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至7任一项所述的布控方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质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如权利要求1至7任一项所述的布控方法的步骤。
CN202011185294.1A 2020-10-29 2020-10-29 一种布控方法、装置、设备及存储介质 Pending CN114513624A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011185294.1A CN114513624A (zh) 2020-10-29 2020-10-29 一种布控方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011185294.1A CN114513624A (zh) 2020-10-29 2020-10-29 一种布控方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN114513624A true CN114513624A (zh) 2022-05-17

Family

ID=81546684

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011185294.1A Pending CN114513624A (zh) 2020-10-29 2020-10-29 一种布控方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN114513624A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116628231A (zh) * 2023-07-26 2023-08-22 苏州盈天地资讯科技有限公司 基于大数据平台的任务可视化发布方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116628231A (zh) * 2023-07-26 2023-08-22 苏州盈天地资讯科技有限公司 基于大数据平台的任务可视化发布方法及系统
CN116628231B (zh) * 2023-07-26 2023-09-22 苏州盈天地资讯科技有限公司 基于大数据平台的任务可视化发布方法及系统

Similar Documents

Publication Publication Date Title
Ke et al. A smart, efficient, and reliable parking surveillance system with edge artificial intelligence on IoT devices
US11941887B2 (en) Scenario recreation through object detection and 3D visualization in a multi-sensor environment
US9934447B2 (en) Object detection and classification
US9035799B2 (en) Providing parking availability information and parking alerts
CN109029446B (zh) 一种行人位置预测方法、装置及设备
US9652525B2 (en) Dynamic event detection system and method
CN104715612A (zh) 基于行车轨迹匹配实现的嫌疑车辆跟踪方法及装置
US20230186517A1 (en) Method, apparatus, and computer program product for displaying virtual graphical data based on digital signatures
JP6954420B2 (ja) 情報処理装置、情報処理方法、及びプログラム
US11151509B1 (en) Image-based scene attribute and delivery attribute determination
US20210089784A1 (en) System and Method for Processing Video Data from Archive
CN114781768B (zh) 基于城市资源数据的停车场设施规划方法、装置及设备
US20180260401A1 (en) Distributed video search with edge computing
CN113963533A (zh) 驾驶行为异常检测方法、装置、电子设备、服务器及介质
CN114513624A (zh) 一种布控方法、装置、设备及存储介质
CN103761345A (zh) 一种基于ocr字符识别技术的视频检索方法
Ying et al. Cluster-based congestion outlier detection method on trajectory data
JP6982875B2 (ja) 情報提供システム
CN115062240A (zh) 一种停车场排序方法、装置、电子设备和存储介质
Hu et al. An image-based crash risk prediction model using visual attention mapping and a deep convolutional neural network
CN115272924A (zh) 一种基于模块化视频智能分析引擎的治理系统
Elomiya et al. A Smart Parking System Using Surveillance Cameras and Fuzzy Logic: A Case Study at Pardubice University's Campus
KR102452570B1 (ko) Cctv 영상을 통해 교통상황에 대한 특이패턴을 감지하는 장치, 방법 및 프로그램
CN112579924B (zh) 道路生成方法、电子装置和存储介质
WO2022142922A1 (zh) 道路安全评估方法、视频处理中心及存储介质

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