CN115171159A - 一种基于摄像头的预测跟踪方法、装置、电子设备及介质 - Google Patents
一种基于摄像头的预测跟踪方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN115171159A CN115171159A CN202210784456.6A CN202210784456A CN115171159A CN 115171159 A CN115171159 A CN 115171159A CN 202210784456 A CN202210784456 A CN 202210784456A CN 115171159 A CN115171159 A CN 115171159A
- Authority
- CN
- China
- Prior art keywords
- information
- initial
- camera
- characteristic information
- characteristic
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/62—Extraction of image or video features relating to a temporal dimension, e.g. time-based feature extraction; Pattern tracking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Alarm Systems (AREA)
Abstract
本申请涉及目标识别的领域,尤其是涉及一种基于摄像头的预测跟踪方法、装置、电子设备及介质。其方法包括:获取初始位置信息以及初始特征信息,然后基于初始位置信息确定第一摄像组信息,然后对第一摄像组信息进行提取识别,得到人员特征信息,然后将人员特征信息与初始特征信息相匹配,确定出逃方向信息,然后根据出逃方向信息确定第二摄像组信息,然后对第二摄像组信息进行分析,生成出逃路线信息,本申请具有提高案件侦破效率的效果。
Description
技术领域
本申请涉及目标识别的领域,尤其是涉及一种基于摄像头的预测跟踪方法、装置、电子设备及介质。
背景技术
随着物联网技术的飞速发展,在公安实际的物联网设备环境中,已经有人脸摄像头以及视频摄像头等多种感知设备,因此人员活动轨迹、车辆行驶轨迹信息、手机定位信息等感知数据都可以被记录下来。
但是,这些数据累计起来形成巨量的数据,使得在公安实际业务中,排查嫌疑目标和寻找线索的时候,工作量变得异常庞大复杂,如果单纯的靠人工去根据案情从这些海量的数据中挖掘线索,无异于海底捞针,亦需要花非常多的时间和警力,往往效果并不理想,也耽误案件的侦破最佳时机,从而降低案件侦破效率。
发明内容
为了提高案件侦破效率,本申请提供一种基于摄像头的预测跟踪方法、装置、电子设备及介质。
第一方面,本申请提供一种基于摄像头的预测跟踪方法,采用如下的技术方案:
一种基于摄像头的预测跟踪方法,包括:
获取初始位置信息以及初始特征信息,所述初始位置信息为嫌疑人作案位置信息,所述初始特征信息为嫌疑人的身体特征信息以及脸部特征信息;
基于所述初始位置信息确定第一摄像组信息,所述第一摄像组信息为位于不同方向的距离初始位置信息最近的摄像头信息;
对所述第一摄像组信息进行提取识别,得到人员特征信息;
将所述人员特征信息与所述初始特征信息相匹配,确定出逃方向信息;
根据所述出逃方向信息确定第二摄像组信息,所述第二摄像组信息为所述出逃方向信息中所涉及的出逃路线沿途的摄像头信息;
对所述第二摄像组信息进行分析,生成出逃路线信息。
通过采用上述技术方案,在对嫌疑人员进行预测跟踪时,获取嫌疑人作案的初始位置信息以及嫌疑人的身体特征信息和脸部特征信息。然后根据初始位置信息确定第一摄像组信息,然后对第一摄像组信息进行提取识别,得到人员特征信息,将人员特征信息与初始特征信息进行匹配,确定嫌疑人的出逃方向信息,根据出逃方向信息确定第二摄像组信息,然后对第二摄像组信息进行分析,得到出逃路线信息,从而达到了对嫌疑人进行预测跟踪的效果,便于警务人员对嫌疑人进行搜寻,提高了案件侦破效率。
在另一种可能实现的方式中,所述获取初始位置信息以及初始特征信息,之后还包括:
获取初始时间信息,所述初始时间信息为所述嫌疑人作案预估时间;
基于所述初始位置信息确定预设范围内的第三摄像组信息,所述第三摄像组信息为预设范围内的所有摄像头信息;
基于所述初始时间信息以及摄像头信息确定预设时间段内的历史人员特征信息;
将所述历史人员特征信息与所述初始特征信息进行匹配,确定所述嫌疑人的历史图像信息;
对所述历史图像信息进行图像识别,得到行动特征信息;
将所述行动特征信息添加至所述初始特征信息中,生成新的初始特征信息。
通过上述技术方案,获取初始时间信息,其中,初始时间信息为嫌疑人作案预估时间,然后根据初始位置信息确定预设范围内的第三摄像组信息,其中第三摄像组信息为预设范围内的所有摄像头信息,然后根据初始时间信息以及摄像头信息确定预设时间段内的历史人员特征信息,然后将历史人员特征信息与初始特征信息进行匹配,确定嫌疑人的历史图像信息,然后对历史图像信息进行图像识别,得到行动特征信息,然后将行动特征信息添加至初始特征信息中,生成新的初始特征信息,从而达到了确认嫌疑人的行驶工具的效果,便于后续对嫌疑人进行跟踪搜寻。
在另一种可能实现的方式中,所述将所述行动特征信息添加至所述初始特征信息中,生成新的初始特征信息,之后还包括:
确定所述嫌疑人在第一范围内的初始特征信息是否发生变化,所述第一范围为第一摄像组信息中摄像头所形成的区域范围;
若所述嫌疑人在第一范围内的初始特征信息发生变化,则根据所述行动特征信息以及初始时间信息确定到达所述第一摄像组信息中每个摄像头的预估时间段,并判断所述第一摄像组信息在所述预估时间段后是否存在与所述初始特征信息相似的第一特征信息;
若所述第一摄像组信息在所述预估时间段后存在与所述初始特征信息相似的第一特征信息,则根据所述第一特征信息对所述初始特征更新,得到新的初始特征信息;
若所述第一摄像组信息在所述预估时间段后不存在与所述初始特征信息相似的第一特征信息,则基于所述第一范围确定第一搜索范围。
通过上述技术方案,当嫌疑人在第一范围内更换特征后,确定嫌疑人在第一范围内的初始特征信息是否发生变化,当嫌疑人在第一范围内的初始特征信息发生变化时,根据行动特征信息以及初始时间信息确定到达第一摄像组信息中每个摄像头的预估时间段,并判断第一摄像组信息在预估时间段后是否存在与初始特征信息相似的第一特征信息,若第一摄像组信息在预估时间段后存在与初始特征信息相似的第一特征信息,则根据第一特征信息对初始特征更新,得到新的初始特征信息,若第一摄像组信息在预估时间段后不存在与初始特征信息相似的第一特征信息,则基于第一范围确定第一搜索范围,从而提高了对嫌疑人的搜捕追踪效率。
在另一种可能实现的方式中,所述确定所述嫌疑人在第一范围内的初始特征信息是否发生变化,包括:
若所述嫌疑人在第一范围内的初始特征信息未发生变化,则确定所述嫌疑人在第二范围内的初始特征信息是否发生变化,所述第二范围为所述第二摄像组信息中摄像头所形成的区域范围;
若所述嫌疑人在第二范围内的初始特征信息发生变化,则根据所述第二摄像组信息确定所述初始特征信息发生变化的初始摄像头信息,并根据所述初始特征信息判断所述初始摄像头信息中是否存在与所述初始特征信息相似的第二特征信息;
若所述初始摄像头信息中存在与所述初始特征信息相似的第二特征信息,则根据所述第二特征信息对所述初始特征信息进行更新,得到更新后的初始特征信息;
若所述初始摄像头信息中不存在所述嫌疑人,则根据所述第二摄像组信息确定满足预设条件的目标摄像头信息,基于所述初始摄像头信息以及所述目标摄像头信息确定第二搜捕范围。
通过上述技术方案,当嫌疑人在第二范围内更换特征后,确定嫌疑人在第二范围内的初始特征信息是否发生变化,第二范围为第二摄像组信息中摄像头所形成的区域范围,若嫌疑人在第二范围内的初始特征信息发生变化,则根据第二摄像组信息确定初始特征信息发生变化的初始摄像头信息,并根据初始特征信息判断初始摄像头信息中是否存在与初始特征信息相似的第二特征信息,若初始摄像头信息中存在与初始特征信息相似的第二特征信息,则根据第二特征信息对初始特征信息进行更新,得到更新后的初始特征信息,若初始摄像头信息中不存在所述嫌疑人,则根据第二摄像组信息确定满足预设条件的目标摄像头信息,基于初始摄像头信息以及目标摄像头信息确定第二搜捕范围,从而提高了对嫌疑人的搜捕追踪效率。
在另一种可能实现的方式中,所述对所述第一摄像组信息进行提取识别,得到人员特征信息,包括:
对所述第一摄像组信息进行图像提取,得到设备图像;
将所述设备图像输入至训练后的图像网络模型中进行训练,得到人员特征信息。
通过上述技术方案,在第一摄像组信息中的图像进行识别时,对第一摄像组信息进行图像提取,得到设备图像,然后将设备图像输入至训练后的图像网络模型中进行训练,得到人员特征信息,以便于后续进行人员特征比对。
在另一种可能实现的方式中,将所述设备图像输入至训练后的图像网络模型中进行训练,之前还包括:
获取图像训练样本,所述图像训练样本包括人员面部图像以及人员面部图像中每个对应的特征标签信息;
创建图像网络模型,并基于所述图像训练样本对所述图像网络模型进行训练,得到训练好的图像网络模型。
通过上述技术方案,在对图像网络模型进行创建训练时,获取图像训练样本,其中,图像训练样本包括人员面部图像以及人员面部图像中每个对应的特征标签信息,创建图像网络模型,并基于图像训练样本对图像网络模型进行训练,得到训练好的图像网络模型,从而提高人员特征的对比准确度。
在另一种可能实现的方式中,所述获取图像训练样本,所述图像训练样本包括人员面部图像以及人员面部图像中每个对应的特征标签信息,之后还包括:
基于所述人员特征信息以及人员面部图像确定特征标签信息;
判断所述特征标签信息是否符合预设标签信息,若所述特征标签信息符合预设标签信息,则对所述图像特征进行标注。
通过上述技术方案,当对嫌疑人的人员面部图像进行训练时,对应的特征标签信息为嫌疑人标签,而其他人员面部图像进行训练时,对应的特征标签信息则为普通人员标签,判断所述特征标签信息是否符合预设标签信息,其中,预设标签信息为嫌疑人标签,若所述特征标签信息符合预设标签信息,则对所述图像特征进行标注,以便于警务人员更加直观的对嫌疑人目标进行锁定。
第二方面,本申请提供一种基于摄像头的预测跟踪装置,采用如下的技术方案:
一种基于摄像头的预测跟踪装置,包括:
获取模块,用于获取初始位置信息以及初始特征信息,所述初始位置信息为嫌疑人作案位置信息,所述初始特征信息为嫌疑人的身体特征信息以及脸部特征信息;
第一确定模块,用于基于所述初始位置信息确定第一摄像组信息,所述第一摄像组信息为位于不同方向的距离初始位置信息最近的摄像头信息;
识别模块,用于对所述第一摄像组信息进行提取识别,得到人员特征信息;
匹配模块,用于将所述人员特征信息与所述初始特征信息相匹配,确定出逃方向信息;
第二确定模块,用于根据所述出逃方向信息确定第二摄像组信息,所述第二摄像组信息为所述出逃方向信息中所涉及的出逃路线沿途的摄像头信息;
路线生成模块,用于对所述第二摄像组信息进行分析,生成出逃路线信息。
通过采用上述技术方案,在对嫌疑人员进行预测跟踪时,获取嫌疑人作案的初始位置信息以及嫌疑人的身体特征信息和脸部特征信息。然后根据初始位置信息确定第一摄像组信息,然后对第一摄像组信息进行提取识别,得到人员特征信息,将人员特征信息与初始特征信息进行匹配,确定嫌疑人的出逃方向信息,根据出逃方向信息确定第二摄像组信息,然后对第二摄像组信息进行分析,得到出逃路线信息,从而达到了对嫌疑人进行预测跟踪的效果,便于警务人员对嫌疑人进行搜寻,提高了案件侦破效率。
在一种可能的实现方式中,所述装置还包括:时间获取模块、第三确定模块、第四确定模块、特征匹配模块、图像识别模块以及第一更新模块,其中,
所述时间获取模块,用于获取初始时间信息,所述初始时间信息为所述嫌疑人作案预估时间;
所述第三确定模块,用于基于所述初始位置信息确定预设范围内的第三摄像组信息,所述第三摄像组信息为预设范围内的所有摄像头信息;
所述第四确定模块,用于基于所述初始时间信息以及摄像头信息确定预设时间段内的历史人员特征信息;
所述特征匹配模块,用于将所述历史人员特征信息与所述初始特征信息进行匹配,确定所述嫌疑人的历史图像信息;
所述图像识别模块,用于对所述历史图像信息进行图像识别,得到行动特征信息;
所述第二更新模块,用于将所述行动特征信息添加至所述初始特征信息中,生成新的初始特征信息。
在另一种可能的实现方式中,所述装置还包括:特征判断模块、预估时间模块、第二更新模块以及第一范围确定模块,其中,
所述特征判断模块,用于确定所述嫌疑人在第一范围内的初始特征信息是否发生变化,所述第一范围为第一摄像组信息中摄像头所形成的区域范围;
所述预估时间模块,用于当所述嫌疑人在第一范围内的初始特征信息发生变化时,根据所述行动特征信息以及初始时间信息确定到达所述第一摄像组信息中每个摄像头的预估时间段,并判断所述第一摄像组信息在所述预估时间段后是否存在与所述初始特征信息相似的第一特征信息;
所述第二更新模块,用于当所述第一摄像组信息在所述预估时间段后存在与所述初始特征信息相似的第一特征信息时,根据所述第一特征信息对所述初始特征更新,得到新的初始特征信息;
所述第一范围确定模块,用于若所述第一摄像组信息在所述预估时间段后不存在与所述初始特征信息相似的第一特征信息,则基于所述第一范围确定第一搜索范围。
在另一种可能的实现方式中,所述特征判断模块在确定所述嫌疑人在第一范围内的初始特征信息是否发生变化时,具体用于:
若所述嫌疑人在第一范围内的初始特征信息未发生变化,则确定所述嫌疑人在第二范围内的初始特征信息是否发生变化,所述第二范围为所述第二摄像组信息中摄像头所形成的区域范围;
若所述嫌疑人在第二范围内的初始特征信息发生变化,则根据所述第二摄像组信息确定所述初始特征信息发生变化的初始摄像头信息,并根据所述初始特征信息判断所述初始摄像头信息中是否存在与所述初始特征信息相似的第二特征信息;
若所述初始摄像头信息中存在与所述初始特征信息相似的第二特征信息,则根据所述第二特征信息对所述初始特征信息进行更新,得到更新后的初始特征信息;
若所述初始摄像头信息中不存在所述嫌疑人,则根据所述第二摄像组信息确定满足预设条件的目标摄像头信息,基于所述初始摄像头信息以及所述目标摄像头信息确定第二搜捕范围。
在另一种可能的实现方式中,所述识别模块在对所述第一摄像组信息进行提取识别,得到人员特征信息时,具体用于:
对所述第一摄像组信息进行图像提取,得到设备图像;
将所述设备图像输入至训练后的图像网络模型中进行训练,得到人员特征信息。
在另一种可能的实现方式中,所述装置还包括:样本获取模块以及模型创建模块,其中,
所述样本获取模块,用于获取图像训练样本,所述图像训练样本包括人员面部图像以及人员面部图像中每个对应的特征标签信息;
所述模型创建模块,用于创建图像网络模型,并基于所述图像训练样本对所述图像网络模型进行训练,得到训练好的图像网络模型。
在另一种可能的实现方式中,所述装置还包括:标签确定模块以及标注模块,其中,
所述标签确定模块,用于基于所述人员特征信息以及人员面部图像确定特征标签信息;
所述标注模块,用于判断所述特征标签信息是否符合预设标签信息,若所述特征标签信息符合预设标签信息,则对所述图像特征进行标注。
第三方面,本申请提供一种电子设备,采用如下的技术方案:
一种电子设备,该电子设备包括:
至少一个处理器;
存储器;
至少一个应用程序,其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行,所述至少一个应用程序配置用于:执行上述基于摄像头的预测跟踪方法。
第四方面,本申请提供一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,包括:存储有能够被处理器加载并执行上述基于摄像头的预测跟踪方法的计算机程序。
综上所述,本申请包括以下有益技术效果:
1.在对嫌疑人员进行预测跟踪时,获取嫌疑人作案的初始位置信息以及嫌疑人的身体特征信息和脸部特征信息。然后根据初始位置信息确定第一摄像组信息,然后对第一摄像组信息进行提取识别,得到人员特征信息,将人员特征信息与初始特征信息进行匹配,确定嫌疑人的出逃方向信息,根据出逃方向信息确定第二摄像组信息,然后对第二摄像组信息进行分析,得到出逃路线信息,从而达到了对嫌疑人进行预测跟踪的效果,便于警务人员对嫌疑人进行搜寻,提高了案件侦破效率;
2.当嫌疑人在第二范围内更换特征后,确定嫌疑人在第二范围内的初始特征信息是否发生变化,第二范围为第二摄像组信息中摄像头所形成的区域范围,若嫌疑人在第二范围内的初始特征信息发生变化,则根据第二摄像组信息确定初始特征信息发生变化的初始摄像头信息,并根据初始特征信息判断初始摄像头信息中是否存在与初始特征信息相似的第二特征信息,若初始摄像头信息中存在与初始特征信息相似的第二特征信息,则根据第二特征信息对初始特征信息进行更新,得到更新后的初始特征信息,若初始摄像头信息中不存在所述嫌疑人,则根据第二摄像组信息确定满足预设条件的目标摄像头信息,基于初始摄像头信息以及目标摄像头信息确定第二搜捕范围,从而提高了对嫌疑人的搜捕追踪效率。
附图说明
图1是本申请实施例一种基于摄像头的预测跟踪方法的流程示意图;
图2是本申请实施例一种基于摄像头的预测跟踪方法的方框示意图;
图3是本申请实施例电子设备的示意图。
具体实施方式
以下结合附图1-3对本申请作进一步详细说明。
领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本申请的权利要求范围内都受到专利法的保护。
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,显然,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,都属于本申请保护的范围。
另外,本文中术语“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,本文中字符“/”,如无特殊说明,一般表示前后关联对象是一种“或”的关系。
下面结合说明书附图对本申请实施例作进一步详细描述。
本申请实施例提供了一种基于摄像头的预测跟踪方法,由电子设备执行,该电子设备可以为服务器也可以为终端设备,其中,该服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云计算服务的云服务器。终端设备可以是智能手机、平板电脑、笔记本电脑、台式计算机等,但并不局限于此,该终端设备以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请实施例在此不做限制,如图1所示,该方法包括步骤S10、步骤S11、步骤S12、步骤S13、步骤S14以及步骤S15,其中,
步骤S10,获取初始位置信息以及初始特征信息。
其中,初始位置信息为嫌疑人作案位置信息,初始特征信息为嫌疑人的身体特征信息以及脸部特征信息。
在本申请实施例中,根据报案人与目击证人提供的信息确定初始位置信息以及初始特征信息,例如:报案人提供的报案信息为在**小区**号楼1001出现案情,那么初始位置信息则为**小区**号楼1001,目击证人提供的目击信息为在*月*号见到一名身高170且脸部具有对称刀疤的男子,那么初始特征信息则为身高170且脸部具有对称刀疤的男子。
步骤S11,基于初始位置信息确定第一摄像组信息。
其中,第一摄像组信息为位于不同方向的距离初始位置信息最近的摄像头信息。
具体地,以初始位置信息为中心进行扫描,确定不同位于中心不同方位的摄像头信息,并将距离初始位置信息最近的摄像头信息进行筛选,得到最终的第一摄像组信息。
步骤S12,对第一摄像组信息进行提取识别,得到人员特征信息。
具体地,对第一摄像组信息中的每个摄像头进行图像提取,然后通过图像识别技术对提取到的图像进行人员特征识别,得到图像中每个人员的人员特征信息。
步骤S13,将人员特征信息与初始特征信息相匹配,确定出逃方向信息。
具体地,若人员特征信息中存在与初始特征信息相匹配的人员,则确定拍摄到该人员的摄像机位于初始位置信息的所在方向,从而确定该人员的出逃方向。例如:第一摄像组信息包括:1号摄像机、2号摄像机、3号摄像机以及4号摄像机,其中,1号摄像机位于初始位置信息的正北方,2号摄像机位于初始位置信息的正南方,3号摄像机位于初始位置信息的正西方,4号摄像机位于初始位置信息的正东方,通过将人员特征信息与初始特征信息相匹配,得到3号摄像机中拍摄的人员特征信息与嫌疑人的初始特征相匹配,因此出逃方向信息为正西方。
步骤S14,根据出逃方向信息确定第二摄像组信息。
其中,第二摄像组信息为出逃方向信息中所涉及的出逃路线沿途的摄像头信息。
具体地,根据出逃方向信息得到该方向的所有行进路线,然后对行进路线中的摄像头信息进行采集,得到第二摄像组信息。
步骤S15,对第二摄像组信息进行分析,生成出逃路线信息。
具体地,第二摄像组信息中包含:拍摄时间信息以及人员行驶方向信息,根据拍摄时间信息确定出第二摄像组信息中摄像机的拍摄顺序信息,即嫌疑人员出现在每个摄像机的先后顺序,然后根据摄像机的拍摄顺序信息以及人员行驶方向信息,进行路线绘制,得到出逃路线信息。
本申请实施例提供了一种基于摄像头的预测跟踪方法,在对嫌疑人员进行预测跟踪时,获取嫌疑人作案的初始位置信息以及嫌疑人的身体特征信息和脸部特征信息。然后根据初始位置信息确定第一摄像组信息,然后对第一摄像组信息进行提取识别,得到人员特征信息,将人员特征信息与初始特征信息进行匹配,确定嫌疑人的出逃方向信息,根据出逃方向信息确定第二摄像组信息,然后对第二摄像组信息进行分析,得到出逃路线信息,从而达到了对嫌疑人进行预测跟踪的效果,便于警务人员对嫌疑人进行搜寻,提高了案件侦破效率像的清晰度不符合标准,从而在电子设备在拍摄过程中,用户可以直观看清所拍摄图像的清晰度是否达标,进而提高了电子设备的拍摄效率了信息的查询效率。
本申请实施例的一种可能的实现方式,步骤S10之后还包括步骤S101(图中未示出)、步骤S102(图中未示出)、步骤S103(图中未示出)、步骤S104(图中未示出)、步骤S105(图中未示出)以及步骤S106(图中未示出),其中,
步骤S101,获取初始时间信息。
其中,初始时间信息为嫌疑人作案预估时间。
步骤S102,基于初始位置信息确定预设范围内的第三摄像组信。
其中,第三摄像组信息为预设范围内的所有摄像头信息。
在本申请实施例中,预设范围为以初始位置信息为中心,半径为5公里米的圆形区域。
步骤S103,基于初始时间信息以及摄像头信息确定预设时间段内的历史人员特征信息。
在本申请实施例中,预设时间段为一个小时,即该初始时间信息过去的一个小时里面的摄像头信息,然后对摄像头信息中的拍摄图像进行提取,得到拍摄图像,并对拍摄图像进行历史人员特征识别,得到历史人员特征信息。
步骤S104,将历史人员特征信息与初始特征信息进行匹配,确定嫌疑人的历史图像信息。
具体地,若历史人员特征信息中存在与初始特征信息相匹配的人员,则确定拍摄到该人员的历史图像信息。
步骤S105,对历史图像信息进行图像识别,得到行动特征信息。
具体地,根据历史图像信息,确定嫌疑人员的行驶方式,例如:嫌疑人员乘坐公交车达到初始位置信息处,那么行动特征信息为公交车。
步骤S106,将行动特征信息添加至初始特征信息中,生成新的初始特征信息。
本申请实施例的一种可能的实现方式,步骤S106之后还包括步骤Sa(图中未示出)、步骤Sb(图中未示出)、步骤Sc(图中未示出)以及步骤Sd(图中未示出),其中,
步骤Sa,确定嫌疑人在第一范围内的初始特征信息是否发生变化。
其中,第一范围为第一摄像组信息中摄像头所形成的区域范围。
具体地,当嫌疑人在作案后,他初始特征信息发生了变化,例如:嫌疑人在作案时,穿着蓝色的外套,在作案后,将蓝色外套脱掉,漏出里面的白色衬衣。
步骤Sb,若嫌疑人在第一范围内的初始特征信息发生变化,则根据行动特征信息以及初始时间信息确定到达第一摄像组信息中每个摄像头的预估时间段,并判断第一摄像组信息在预估时间段后是否存在与初始特征信息相似的第一特征信息。
步骤Sc,若第一摄像组信息在预估时间段后存在与初始特征信息相似的第一特征信息,则根据第一特征信息对初始特征更新,得到新的初始特征信息。
步骤Sd,若第一摄像组信息在预估时间段后不存在与初始特征信息相似的第一特征信息,则基于第一范围确定第一搜索范围。
具体地,当在预估时间段后不存在与初始特征信息相似的第一特征信息,即表示嫌疑人当前仍在第一范围区域内,因此,将第一范围认定为第一搜索范围。
本申请实施例的一种可能的实现方式,步骤Sa具体还包括步骤Sa1(图中未示出)、步骤Sa2(图中未示出)、步骤Sa3(图中未示出)以及步骤Sa4(图中未示出)
步骤Sa1,若嫌疑人在第一范围内的初始特征信息未发生变化,则确定嫌疑人在第二范围内的初始特征信息是否发生变化。
其中,第二范围为第二摄像组信息中摄像头所形成的区域范围。
具体地,当嫌疑人停止运动后,确定第二摄像组信息中最后拍摄到嫌疑人的摄像头,然后根据该摄像头以及第二摄像组信息确定第二范围。
步骤Sa2,若嫌疑人在第二范围内的初始特征信息发生变化,则根据第二摄像组信息确定初始特征信息发生变化的初始摄像头信息,并根据初始特征信息判断初始摄像头信息中是否存在与初始特征信息相似的第二特征信息。
步骤Sa3,若初始摄像头信息中存在与初始特征信息相似的第二特征信息,则根据第二特征信息对初始特征信息进行更新,得到更新后的初始特征信息。
步骤Sa4,若初始摄像头信息中不存在嫌疑人,则根据第二摄像组信息确定满足预设条件的目标摄像头信息,基于初始摄像头信息以及目标摄像头信息确定第二搜捕范围。
本申请实施例的一种可能的实现方式,步骤S12具体包括:
对第一摄像组信息进行图像提取,得到设备图像;
将设备图像输入至训练后的图像网络模型中进行训练,得到人员特征信息。
本申请实施例的一种可能的实现方式,步骤S12之前还包括:
获取图像训练样本,图像训练样本包括人员面部图像以及人员面部图像中每个对应的特征标签信息;
创建图像网络模型,并基于图像训练样本对图像网络模型进行训练,得到训练好的图像网络模型。
本申请实施例的一种可能的实现方式,步骤S12之后还包括:
基于人员特征信息以及人员面部图像确定特征标签信息;
判断特征标签信息是否符合预设标签信息,若特征标签信息符合预设标签信息,则对图像特征进行标注。
上述实施例从方法流程的角度介绍一种基于摄像头的预测跟踪方法,下述实施例从虚拟模块或者虚拟单元的角度介绍了一种基于摄像头的预测跟踪装置,具体详见下述实施例。
本申请实施例提供一种基于摄像头的预测跟踪装置,如图2所示,该基于摄像头的预测跟踪装置20具体可以包括:获取模块21、第一确定模块22、识别模块23、匹配模块24、第二确定模块25以及路线生成模块26,其中,
获取模块21,用于获取初始位置信息以及初始特征信息,初始位置信息为嫌疑人作案位置信息,初始特征信息为嫌疑人的身体特征信息以及脸部特征信息;
第一确定模块22,用于基于初始位置信息确定第一摄像组信息,第一摄像组信息为位于不同方向的距离初始位置信息最近的摄像头信息;
识别模块23,用于对第一摄像组信息进行提取识别,得到人员特征信息;
匹配模块24,用于将人员特征信息与初始特征信息相匹配,确定出逃方向信息;
第二确定模块25,用于根据出逃方向信息确定第二摄像组信息,第二摄像组信息为出逃方向信息中所涉及的出逃路线沿途的摄像头信息;
路线生成模块26,用于对第二摄像组信息进行分析,生成出逃路线信息。
本申请实施例的一种可能的实现方式,装置20还包括:时间获取模块、第三确定模块、第四确定模块、特征匹配模块、图像识别模块以及第一更新模块,其中,
时间获取模块,用于获取初始时间信息,初始时间信息为嫌疑人作案预估时间;
第三确定模块,用于基于初始位置信息确定预设范围内的第三摄像组信息,第三摄像组信息为预设范围内的所有摄像头信息;
第四确定模块,用于基于初始时间信息以及摄像头信息确定预设时间段内的历史人员特征信息;
特征匹配模块,用于将历史人员特征信息与初始特征信息进行匹配,确定嫌疑人的历史图像信息;
图像识别模块,用于对历史图像信息进行图像识别,得到行动特征信息;
第二更新模块,用于将行动特征信息添加至初始特征信息中,生成新的初始特征信息。
本申请实施例的另一种可能的实现方式,装置20还包括:特征判断模块、预估时间模块、第二更新模块以及第一范围确定模块,其中,
特征判断模块,用于确定嫌疑人在第一范围内的初始特征信息是否发生变化,第一范围为第一摄像组信息中摄像头所形成的区域范围;
预估时间模块,用于当嫌疑人在第一范围内的初始特征信息发生变化时,根据行动特征信息以及初始时间信息确定到达第一摄像组信息中每个摄像头的预估时间段,并判断第一摄像组信息在预估时间段后是否存在与初始特征信息相似的第一特征信息;
第二更新模块,用于当第一摄像组信息在预估时间段后存在与初始特征信息相似的第一特征信息时,根据第一特征信息对初始特征更新,得到新的初始特征信息;
第一范围确定模块,用于若第一摄像组信息在预估时间段后不存在与初始特征信息相似的第一特征信息,则基于第一范围确定第一搜索范围。
本申请实施例的另一种可能的实现方式,特征判断模块在确定嫌疑人在第一范围内的初始特征信息是否发生变化时,具体用于:
若嫌疑人在第一范围内的初始特征信息未发生变化,则确定嫌疑人在第二范围内的初始特征信息是否发生变化,第二范围为第二摄像组信息中摄像头所形成的区域范围;
若嫌疑人在第二范围内的初始特征信息发生变化,则根据第二摄像组信息确定初始特征信息发生变化的初始摄像头信息,并根据初始特征信息判断初始摄像头信息中是否存在与初始特征信息相似的第二特征信息;
若初始摄像头信息中存在与初始特征信息相似的第二特征信息,则根据第二特征信息对初始特征信息进行更新,得到更新后的初始特征信息;
若初始摄像头信息中不存在嫌疑人,则根据第二摄像组信息确定满足预设条件的目标摄像头信息,基于初始摄像头信息以及目标摄像头信息确定第二搜捕范围。
本申请实施例的另一种可能的实现方式,识别模块23在对第一摄像组信息进行提取识别,得到人员特征信息时,具体用于:
对第一摄像组信息进行图像提取,得到设备图像;
将设备图像输入至训练后的图像网络模型中进行训练,得到人员特征信息。
本申请实施例的另一种可能的实现方式,装置20包括:样本获取模块以及模型创建模块,其中,
样本获取模块,用于获取图像训练样本,图像训练样本包括人员面部图像以及人员面部图像中每个对应的特征标签信息;
模型创建模块,用于创建图像网络模型,并基于图像训练样本对图像网络模型进行训练,得到训练好的图像网络模型。
本申请实施例的另一种可能的实现方式,装置20还包括:标签确定模块以及标注模块,其中,
标签确定模块,用于基于人员特征信息以及人员面部图像确定特征标签信息;
标注模块,用于判断特征标签信息是否符合预设标签信息,若特征标签信息符合预设标签信息,则对图像特征进行标注。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例还从实体装置的角度介绍了一种电子设备,如图3所示,图3所示的电子设备300除常规配置装置外包括:处理器301和存储器303。其中,处理器301和存储器303相连,如通过总线302相连。可选地,电子设备300还可以包括收发器304。需要说明的是,实际应用中收发器304不限于一个,该电子设备300的结构并不构成对本申请实施例的限定。
处理器301可以是CPU(Central Processing Unit,中央处理器),通用处理器,DSP(Digital Signal Processor,数据信号处理器),ASIC(Application SpecificIntegrated Circuit,专用集成电路),FPGA(Field Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器301也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线302可包括一通路,在上述组件之间传送信息。总线302可以是PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture,扩展工业标准结构)总线等。总线302可以分为地址总线、数据总线、控制总线等。为便于表示,图3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。
存储器303可以是ROM(Read Only Memory,只读存储器)或可存储静态信息和指令的其他类型的静态存储设备,RAM(Random Access Memory,随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory,电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory,只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
存储器303用于存储执行本申请方案的应用程序代码,并由处理器301来控制执行。处理器301用于执行存储器303中存储的应用程序代码,以实现前述方法实施例所示的内容。
其中,电子设备包括但不限于:移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。还可以为服务器等。图3示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
应该理解的是,虽然附图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,其可以以其他的顺序执行。而且,附图的流程图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,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他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。
以上仅是本申请的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种基于摄像头的预测跟踪方法,其特征在于,包括
获取初始位置信息以及初始特征信息,所述初始位置信息为嫌疑人作案位置信息,所述初始特征信息为嫌疑人的身体特征信息以及脸部特征信息;
基于所述初始位置信息确定第一摄像组信息,所述第一摄像组信息为位于不同方向的距离初始位置信息最近的摄像头信息;
对所述第一摄像组信息进行提取识别,得到人员特征信息;
将所述人员特征信息与所述初始特征信息相匹配,确定出逃方向信息;
根据所述出逃方向信息确定第二摄像组信息,所述第二摄像组信息为所述出逃方向信息中所涉及的出逃路线沿途的摄像头信息;
对所述第二摄像组信息进行分析,生成出逃路线信息。
2.根据权利要求1所述的方法,其特征在于,所述获取初始位置信息以及初始特征信息,之后还包括:
获取初始时间信息,所述初始时间信息为所述嫌疑人作案预估时间;
基于所述初始位置信息确定预设范围内的第三摄像组信息,所述第三摄像组信息为预设范围内的所有摄像头信息;
基于所述初始时间信息以及摄像头信息确定预设时间段内的历史人员特征信息;
将所述历史人员特征信息与所述初始特征信息进行匹配,确定所述嫌疑人的历史图像信息;
对所述历史图像信息进行图像识别,得到行动特征信息;
将所述行动特征信息添加至所述初始特征信息中,生成新的初始特征信息。
3.根据权利要求1所述的方法,其特征在于,所述将所述行动特征信息添加至所述初始特征信息中,生成新的初始特征信息,之后还包括:
确定所述嫌疑人在第一范围内的初始特征信息是否发生变化,所述第一范围为第一摄像组信息中摄像头所形成的区域范围;
若所述嫌疑人在第一范围内的初始特征信息发生变化,则根据所述行动特征信息以及初始时间信息确定到达所述第一摄像组信息中每个摄像头的预估时间段,并判断所述第一摄像组信息在所述预估时间段后是否存在与所述初始特征信息相似的第一特征信息;
若所述第一摄像组信息在所述预估时间段后存在与所述初始特征信息相似的第一特征信息,则根据所述第一特征信息对所述初始特征更新,得到新的初始特征信息;
若所述第一摄像组信息在所述预估时间段后不存在与所述初始特征信息相似的第一特征信息,则基于所述第一范围确定第一搜索范围。
4.根据权利要求1所述的方法,其特征在于,所述确定所述嫌疑人在第一范围内的初始特征信息是否发生变化,包括:
若所述嫌疑人在第一范围内的初始特征信息未发生变化,则确定所述嫌疑人在第二范围内的初始特征信息是否发生变化,所述第二范围为所述第二摄像组信息中摄像头所形成的区域范围;
若所述嫌疑人在第二范围内的初始特征信息发生变化,则根据所述第二摄像组信息确定所述初始特征信息发生变化的初始摄像头信息,并根据所述初始特征信息判断所述初始摄像头信息中是否存在与所述初始特征信息相似的第二特征信息;
若所述初始摄像头信息中存在与所述初始特征信息相似的第二特征信息,则根据所述第二特征信息对所述初始特征信息进行更新,得到更新后的初始特征信息;
若所述初始摄像头信息中不存在所述嫌疑人,则根据所述第二摄像组信息确定满足预设条件的目标摄像头信息,基于所述初始摄像头信息以及所述目标摄像头信息确定第二搜捕范围。
5.根据权利要求1所述的方法,其特征在于,所述对所述第一摄像组信息进行提取识别,得到人员特征信息,包括:
对所述第一摄像组信息进行图像提取,得到设备图像;
将所述设备图像输入至训练后的图像网络模型中进行训练,得到人员特征信息。
6.根据权利要求5所述的方法,其特征在于,将所述设备图像输入至训练后的图像网络模型中进行训练,之前还包括:
获取图像训练样本,所述图像训练样本包括人员面部图像以及人员面部图像中每个对应的特征标签信息;
创建图像网络模型,并基于所述图像训练样本对所述图像网络模型进行训练,得到训练好的图像网络模型。
7.根据权利要求5所述的方法,其特征在于,所述获取图像训练样本,所述图像训练样本包括人员面部图像以及人员面部图像中每个对应的特征标签信息,之后还包括:
基于所述人员特征信息以及人员面部图像确定特征标签信息;
判断所述特征标签信息是否符合预设标签信息,若所述特征标签信息符合预设标签信息,则对所述图像特征进行标注。
8.一种基于摄像头的预测跟踪装置,其特征在于,包括:
获取模块,用于获取初始位置信息以及初始特征信息,所述初始位置信息为嫌疑人作案位置信息,所述初始特征信息为嫌疑人的身体特征信息以及脸部特征信息;
第一确定模块,用于基于所述初始位置信息确定第一摄像组信息,所述第一摄像组信息为位于不同方向的距离初始位置信息最近的摄像头信息;
识别模块,用于对所述第一摄像组信息进行提取识别,得到人员特征信息;
匹配模块,用于将所述人员特征信息与所述初始特征信息相匹配,确定出逃方向信息;
第二确定模块,用于根据所述出逃方向信息确定第二摄像组信息,所述第二摄像组信息为所述出逃方向信息中所涉及的出逃路线沿途的摄像头信息;
路线生成模块,用于对所述第二摄像组信息进行分析,生成出逃路线信息。
9.一种电子设备,其特征在于,该电子设备包括:
至少一个处理器;
存储器;
至少一个应用程序,其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行,所述至少一个应用程序配置用于:执行权利要求1~7任一项所述的基于摄像头的预测跟踪方法。
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,当所述计算机程序在计算机中执行时,令所述计算机执行权利要求1~7任一项所述的基于摄像头的预测跟踪方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210784456.6A CN115171159A (zh) | 2022-07-05 | 2022-07-05 | 一种基于摄像头的预测跟踪方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210784456.6A CN115171159A (zh) | 2022-07-05 | 2022-07-05 | 一种基于摄像头的预测跟踪方法、装置、电子设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115171159A true CN115171159A (zh) | 2022-10-11 |
Family
ID=83491828
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210784456.6A Pending CN115171159A (zh) | 2022-07-05 | 2022-07-05 | 一种基于摄像头的预测跟踪方法、装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115171159A (zh) |
-
2022
- 2022-07-05 CN CN202210784456.6A patent/CN115171159A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8144920B2 (en) | Automated location estimation using image analysis | |
CN109325429B (zh) | 一种关联特征数据的方法、装置、存储介质及终端 | |
CN110033386B (zh) | 车辆事故的鉴定方法及装置、电子设备 | |
US10606824B1 (en) | Update service in a distributed environment | |
CN110706247B (zh) | 一种目标跟踪方法、装置及系统 | |
CN109727275B (zh) | 目标检测方法、装置、系统和计算机可读存储介质 | |
CN110660102B (zh) | 基于人工智能的说话人识别方法及装置、系统 | |
CN111950394A (zh) | 一种车辆变道的预测方法、装置及计算机存储介质 | |
CN112905824A (zh) | 目标车辆追踪方法、装置、计算机设备及存储介质 | |
US11657623B2 (en) | Traffic information providing method and device, and computer program stored in medium in order to execute method | |
WO2015098144A1 (ja) | 情報処理装置、情報処理プログラム、記録媒体及び情報処理方法 | |
CN111563398A (zh) | 用于确定目标物的信息的方法和装置 | |
CN111065044B (zh) | 基于大数据的数据关联分析方法、装置及计算机存储介质 | |
KR20190124436A (ko) | 영상 기반 건물 검색 방법 및 장치 | |
EP3376438A1 (en) | A system and method for detecting change using ontology based saliency | |
US20200097735A1 (en) | System and Method for Display of Object Movement Scheme | |
CN111310595A (zh) | 用于生成信息的方法和装置 | |
CN111027376A (zh) | 一种确定事件图谱的方法、装置、电子设备及存储介质 | |
US20110161443A1 (en) | Data management systems and methods for mobile devices | |
CN115171159A (zh) | 一种基于摄像头的预测跟踪方法、装置、电子设备及介质 | |
CN115393755A (zh) | 视觉目标跟踪方法、装置、设备以及存储介质 | |
JP5384979B2 (ja) | コンテンツ検索システムおよびコンテンツ検索プログラム | |
JP7382733B2 (ja) | イメージを位置データに変換して提供する方法とシステム、および非一時的なコンピュータ読み取り可能な記録媒体 | |
CN114756634A (zh) | 兴趣点变化发现方法、装置、电子设备及存储介质 | |
Singh et al. | Evaluating the Performance of Ensembled YOLOv8 Variants in Smart Parking Applications for Vehicle Detection and License Plate Recognition under Varying Lighting Conditions |
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 |