CN115439796A - 特定区域人员追踪识别方法、系统、电子设备及存储介质 - Google Patents
特定区域人员追踪识别方法、系统、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115439796A CN115439796A CN202211395144.2A CN202211395144A CN115439796A CN 115439796 A CN115439796 A CN 115439796A CN 202211395144 A CN202211395144 A CN 202211395144A CN 115439796 A CN115439796 A CN 115439796A
- Authority
- CN
- China
- Prior art keywords
- target
- video
- monitoring area
- face
- face recognition
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000012544 monitoring process Methods 0.000 claims abstract description 152
- 230000008034 disappearance Effects 0.000 claims abstract description 18
- 238000005516 engineering process Methods 0.000 claims abstract description 12
- 230000001815 facial effect Effects 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012163 sequencing technique Methods 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 7
- 210000000697 sensory organ Anatomy 0.000 claims description 7
- 210000000056 organ Anatomy 0.000 claims description 5
- 230000004927 fusion Effects 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 10
- 238000007689 inspection Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000009466 transformation Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000010606 normalization Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 238000012552 review Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种特定区域人员追踪识别方法、系统、电子设备及存储介质,所述方法包括:获取目标人员的人脸图像信息;根据人脸图像信息,从已收录视频库中调取目标人员进入以及离开特定区域所对应时段内的监控视频;根据人脸识别监控区的监控视频查询目标人员在人脸识别监控区中交替消失以及出现所对应的时间段;根据时间段从人脸识别监控区中截取第一目标视频组,以及从普通监控区截取第二目标视频组;将第一目标视频组以及第二目标视频组按照时序关系采用视频拼接技术进行拼接,获取目标人员在特定区域内的全程轨迹视频。通过本申请,实现针对目标人员监控视频便捷审查,无需逐帧审查,提高审查效率。
Description
技术领域
本发明属于目标人员的追踪识别技术领域,具体地涉及一种特定区域人员追踪识别方法、系统、电子设备及存储介质。
背景技术
针对司法机关在办理自侦案件时,需要将嫌疑人带到自侦办案区,从入口进行身份信息登记,全程进行人脸识别,轨迹定位。在进入讯问室后具有全程识别监控的要求,是因为在讯问室内进行询问办案过程中,需要提供嫌疑人在一定时间内(例如48小时)全部的录像内容,并且必须保证嫌疑人出现在全程视频中。
目前,司法机关的询问室需考虑到保护嫌疑人的隐私,部分区域(诸如:卫生间)内是不允许布设人脸识别系统,只能装设普通摄像装置进行监控。基于目前司法机关的询问室内监控设备布设的现状,检察官针对个别嫌疑人的询问全过程进行审查时,需要排查全程视频录像的每一帧,其中全程视频录像中存在无人员的无效视频导致审查工作量大,尤其是在装设普通摄像装置的部分区域更是存在大量空白无效视频,进一步导致审查工作量巨大,司法资源成本消耗大;并且长时间查阅视频,易导致审查疲劳,引发审查判断失误的潜在风险。
因此,针对现有询问室所摄录的视频中存在大量无效视频如何进行处理,以使无需逐帧审查所摄录的视频即可实现对目标嫌疑人监控视频的审查,是一个亟待解决的课题。
发明内容
为了解决上述技术问题,本发明提供了一种特定区域人员追踪识别方法、系统、电子设备及存储介质,可以根据目标人员的人脸信息在已收录视频库中进行视频的截取及拼接,以形成目标人员在特定区域内的全程轨迹视频,实现针对目标人员监控视频便捷审查,无需逐帧审查,提高审查效率。
第一方面,该发明提供一种特定区域人员追踪识别方法,包括:
获取目标人员的人脸图像信息,其中,所述人脸图像信息中包括人脸五官数据以及信息来源的地址数据;
根据所述人脸图像信息,从已收录视频库中调取所述目标人员进入以及离开特定区域所对应时段内的监控视频,其中,所述特定区域包括人脸识别监控区和普通监控区;
根据所述人脸识别监控区的监控视频查询所述目标人员在所述人脸识别监控区中交替消失以及出现所对应的时间段;
根据所述时间段从所述人脸识别监控区中截取第一目标视频组,以及从所述普通监控区截取第二目标视频组;
将所述第一目标视频组以及所述第二目标视频组按照时序关系采用视频拼接技术进行拼接,获取所述目标人员在所述特定区域内的全程轨迹视频。
较佳地,所述获取目标人员的人脸图像信息,其中,所述人脸图像信息中包括人脸五官数据以及信息来源的地址数据的步骤具体包括:
获取目标人员的人脸照片;
将所述人脸照片进行图像数据处理转换成对应的人脸五官数据;
将所述人脸五官数据与预存人员简档中的数据进行比对,从所述预存人员简档中查找出与所述目标人员对应的人脸图像信息。
较佳地,所述根据所述人脸图像信息,从已收录视频库中调取所述目标人员进入以及离开特定区域所对应时段内的监控视频,其中,所述特定区域包括人脸识别监控区和普通监控区的步骤具体包括:
根据所述地址数据从已收录视频库中筛选出内置有所述目标人员视频的视频包;
根据所述人脸五官数据从所述视频包中截取所述目标人员进入以及离开特定区域所对应时段内的监控视频,其中,所述特定区域包括人脸识别监控区和普通监控区。
较佳地,所述根据所述人脸识别监控区的监控视频查询所述目标人员在所述人脸识别监控区中交替消失以及出现所对应的时间段的步骤具体包括:
基于所述人脸五官数据通过所述人脸识别监控区内的人脸识别设备锁定所述目标人员;
当监控到所述目标人员从所述人脸识别监控区的界面消失时,记录下当下的第一时间,且当监控到所述目标人员从所述人脸识别监控区的界面重新出现时,记录下当下的第二时间;
根据时序将所述第一时间及所述第二时间依序排列;
将相邻的所述第一时间及所述第二时间之间的时长定义为单次所述目标人员在所述人脸识别监控区中消失以及出现所对应的时间段。
较佳地,所述根据所述时间段从所述人脸识别监控区中截取第一目标视频组,以及从所述普通监控区截取第二目标视频组的步骤具体包括:
获取多个时间段的数据,并基于所述时间段的起始计时时间进行依序排列;
从所述人脸识别监控区中截取每相邻两所述时间段之间所对应的多个第一目标视频,并将所述第一目标视频按照时序排序获取第一目标视频组;
从所述普通监控区中截取所述时间段内所对应的多个第二目标视频,并将所述第二目标视频按照时序排序获取第二目标视频组。
较佳地,所述视频拼接技术包括视频帧解码、帧预处理、帧配准对齐和视频帧图像融合。
较佳地,所述第一目标视频组是指所述目标人员消失及出现在所述人脸识别监控区内所对应的监控视频;所述第二目标视频组是指所述目标人员进入及离开所述普通监控区所对应的监控视频。
第二方面,该发明提供一种特定区域人员追踪识别系统,包括:
获取模块,用于获取目标人员的人脸图像信息,其中,所述人脸图像信息中包括人脸五官数据以及信息来源的地址数据;
调取模块,用于根据所述人脸图像信息,从已收录视频库中调取所述目标人员进入以及离开特定区域所对应时段内的监控视频,其中,所述特定区域包括人脸识别监控区和普通监控区;
查询模块,用于根据所述人脸识别监控区的监控视频查询所述目标人员在所述人脸识别监控区中交替消失以及出现所对应的时间段;
截取模块,用于根据所述时间段从所述人脸识别监控区中截取第一目标视频组,以及从所述普通监控区截取第二目标视频组;
拼接模块,用于将所述第一目标视频组以及所述第二目标视频组按照时序关系采用视频拼接技术进行拼接,获取所述目标人员在所述特定区域内的全程轨迹视频。
较佳地,所述获取模块包括:
第一获取单元,用于获取目标人员的人脸照片;
转换单元,用于将所述人脸照片进行图像数据处理转换成对应的人脸五官数据;
查找单元,用于将所述人脸五官数据与预存人员简档中的数据进行比对,从所述预存人员简档中查找出与所述目标人员对应的人脸图像信息。
较佳地,所述调取模块包括:
筛选单元,用于根据所述地址数据从已收录视频库中筛选出内置有所述目标人员视频的视频包括:
第一截取单元,用于根据所述人脸五官数据从所述视频包中截取所述目标人员进入以及离开特定区域所对应时段内的监控视频,其中,所述特定区域包括人脸识别监控区和普通监控区。
较佳地,所述查询模块包括:
锁定单元,用于基于所述人脸五官数据通过所述人脸识别监控区内的人脸识别设备锁定所述目标人员;
记录单元,用于当监控到所述目标人员从所述人脸识别监控区的界面消失时,记录下当下的第一时间,且当监控到所述目标人员从所述人脸识别监控区的界面重新出现时,记录下当下的第二时间;
第一排序单元,用于根据时序将所述第一时间及所述第二时间依序排列;
定义单元,用于将相邻的所述第一时间及所述第二时间之间的时长定义为单次所述目标人员在所述人脸识别监控区中消失以及出现所对应的时间段。
较佳地,所述截取模块包括:
第二获取单元,用于获取多个时间段的数据,并基于所述时间段的起始计时时间进行依序排列;
第二截取单元,用于从所述人脸识别监控区中截取每相邻两所述时间段之间所对应的多个第一目标视频,并将所述第一目标视频按照时序排序获取第一目标视频组;
第三截取单元,用于从所述普通监控区中截取所述时间段内所对应的多个第二目标视频,并将所述第二目标视频按照时序排序获取第二目标视频组。
第三方面,本申请实施例提供了一种电子设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面所述的特定区域人员追踪识别方法。
第四方面,本申请实施例提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面所述的特定区域人员追踪识别方法。
相比于现有技术,本申请提供的一种特定区域人员追踪识别方法、系统、电子设备及存储介质,基于特定区域因监控设备差异形成的人脸识别监控区和普通监控区,通过在人脸识别监控区的人脸识别设备查询目标人员在该区交替消失以及出现所对应的时间段,根据该时间段截取目标人员在人脸识别监控区出现的视频组以及在普通监控区出现的视频组,将两视频组按时序拼接即可获取目标人员在特定区域内的全程轨迹视频,从而解决诸如询问室类特定区域所摄录的视频中存在大量无效视频而导致针对目标人员审查效率低下的问题。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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性的前提下,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1提供的特定区域人员追踪识别方法的流程图;
图2为本发明实施例1提供的特定区域人员追踪识别方法步骤S101的具体流程图;
图3为本发明实施例1提供的特定区域人员追踪识别方法步骤S102的具体流程图;
图4为本发明实施例1提供的特定区域人员追踪识别方法步骤S103的具体流程图;
图5为本发明实施例1提供的特定区域人员追踪识别方法步骤S104的具体流程图;
图6是本发明实施例2提供的与实施例1方法对应的特定区域人员追踪识别系统结构框图;
图7是本发明实施例3提供的设备的硬件结构示意图。
附图标识说明:
10-获取模块、11-第一获取单元、12-转换单元、13-查找单元;
20-调取模块、21-筛选单元、22-第一截取单元;
30-查询模块、31-锁定单元、32-记录单元、33-第一排序单元、34-定义单元;
40-截取模块、41-第二获取单元、42-第二截取单元、43-第三截取单元;
50-拼接模块。
60-总线、61-处理器、62-存储器、63-通信接口。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本公开的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
实施例1
具体而言,图1所示为本实施例所提供的一种特定区域人员追踪识别方法的流程示意图。
如图1所示,本实施例的特定区域人员追踪识别方法包括以下步骤:
S101,获取目标人员的人脸图像信息,其中,所述人脸图像信息中包括人脸五官数据以及信息来源的地址数据。
具体地,警务人员针对嫌疑人在指定询问室询问时,需要针对询问的全过程进行拍摄,但是基于对隐私的保护,部分区域只能通过普通摄像装置进行监控,并不允许清晰的跟踪拍摄。因此,询问室所摄录的图像通常根据不同的区域要求形成不同的存储包,并且在警务系统上传给检察机关的存储包通常会标记来源地。此外,检察机关针对各辖区上传的询问室询问视频会进行相应收集,汇总形成一份预存人员简档,以便查阅。
进一步地,如图2所示,步骤S101的具体步骤包括:
S1011,获取目标人员的人脸照片。
具体地,当检察机关的检察员接收到上级指派下来的任务,针对某一嫌疑人(目标人员)的询问视频记录进行合法性审查,通常接收到任务项时收到一张目标人员的人脸照片。
S1012,将所述人脸照片进行图像数据处理转换成对应的人脸五官数据。
具体地,通过人脸照片识别五官点的方法是通过人脸检测以及面部特征定位的方式来实现的。识别人脸主要依据人脸上的特征,对人脸图像进行特征提取和分类之前一般需要做几何归一化算法和灰度归一算法。其中,几何归一化算法是根据人脸定位结果将图像中人脸变换到同一位置和同样大小;灰度归一化算法是指对图像进行光照补偿等处理,光照补偿能够一定程度的克服光照变化的影响而提高识别度。
S1013,将所述人脸五官数据与预存人员简档中的数据进行比对,从所述预存人员简档中查找出与所述目标人员对应的人脸图像信息。
具体的,预存人员简档是指检察机关针对各辖区上传的询问室询问视频基于不同嫌疑人进行信息汇总形成的查询文件,其中该预存人员简档中基于嫌疑人的照片信息部分存储其对应的相关信息,诸如嫌疑人的人脸五官信息以及其询问视频的来源信息等。
S102,根据所述人脸图像信息,从已收录视频库中调取所述目标人员进入以及离开特定区域所对应时段内的监控视频,其中,所述特定区域包括人脸识别监控区和普通监控区。
具体地,检察机关针对各辖区上传的询问室询问视频会进行相应的收录,形成已收录视频库。由于警务询问室针对嫌疑人的询问所拍摄的全程录像通常是一段时间的拍摄记录,诸如一个月、一个季度等;因此,上传至检察机关的视频库中存在不同嫌疑人的询问视频。又或者是不同警务所的警务询问室共同收录在一个视频库中,那包含的嫌疑人的数量就更多。但是,已收录视频库中的视频因询问室场所拍摄要求的不同,可以归类为不同的类别。本实施例中,询问室的场所分为两类,一类是人脸识别监控区,即是可采用人脸跟踪技术的设备进行拍摄的区域,诸如询问场所;另一类是普通监控区,即是采用普通摄像的设备进行拍摄的区域,诸如卫生间。
进一步地,如图3所示,步骤S102的具体步骤包括:
S1021,根据所述地址数据从已收录视频库中筛选出内置有所述目标人员视频的视频包。
具体地,各辖区针对其上传的询问视频会在其上传的视频包中标识清楚视频来源,诸如可通过行政区域划分、邮编代码等格式来体现。
S1022,根据所述人脸五官数据从所述视频包中截取所述目标人员进入以及离开特定区域所对应时段内的监控视频,其中,所述特定区域包括人脸识别监控区和普通监控区。
具体地,由于特定区域里面的人脸识别监控区采用人脸跟踪技术进行人员跟踪拍摄,因此所采录的视频中含有目标人员的人脸信息。具体实践中,通过目标人员的照片获取的目标人员的人脸五官数据,在所述视频包中找寻具有该人脸五官数据的视频频段,将含有该人脸五官数据的所有视频进行截取,可得到该目标人员进入询问室以及离开询问室的相关视频。
S103,根据所述人脸识别监控区的监控视频查询所述目标人员在所述人脸识别监控区中交替消失以及出现所对应的时间段。
进一步地,如图4所示,步骤S103的具体步骤包括:
S1031,基于所述人脸五官数据通过所述人脸识别监控区内的人脸识别设备锁定所述目标人员。
具体地,由于人脸识别监控区不仅包括目标人员,还包括在场的若干警务人员,因此需要针对该时段内所摄录的人员进行区分,采用人脸识别设备可以清晰对现场人员进行拍摄及区分。故此可通过人脸五官数据实现针对目标人员的锁定。
S1032,当监控到所述目标人员从所述人脸识别监控区的界面消失时,记录下当下的第一时间,且当监控到所述目标人员从所述人脸识别监控区的界面重新出现时,记录下当下的第二时间。
具体地,若目标人员从人脸识别监控区的界面消失,说明该目标人员离开该人脸识别监控区进入了普通监控区,具体指该目标人员进入了卫生间等隐私场所,此时记录下第一时间,诸如14:50pm、16:30pm、19:50pm。若目标人员又重新在人脸识别监控区的界面出现,说明该目标人员回到该人脸识别监控区了,此时记录第二时间,诸如14:55pm、16:35pm、19:55pm。
S1033,根据时序将所述第一时间及所述第二时间依序排列。
具体地,针对14:50pm、16:30pm、19:50pm以及14:55pm、16:35pm、19:55pm进行时间上的排序,14:50pm、14:55pm、16:30pm、16:35pm、19:50pm、19:55pm。
S1034,将相邻的所述第一时间及所述第二时间之间的时长定义为单次所述目标人员在所述人脸识别监控区中消失以及出现所对应的时间段。
具体地,14:50pm及14:55pm定义为一次目标人员在人脸识别监控区中消失以及出现所对应的时间段,16:30pm及16:35pm定义为一次目标人员在人脸识别监控区中消失以及出现所对应的时间段,19:50pm及19:55pm定义为一次目标人员在人脸识别监控区中消失以及出现所对应的时间段。
S104,根据所述时间段从所述人脸识别监控区中截取第一目标视频组,以及从所述普通监控区截取第二目标视频组。
具体地,所述第一目标视频组是指目标人员消失及出现在人脸识别监控区内所对应的监控视频;第二目标视频组是指目标人员进入及离开所述普通监控区所对应的监控视频。
进一步地,如图5所示,步骤S104的具体步骤包括:
S1041,获取多个时间段的数据,并基于所述时间段的起始计时时间进行依序排列。
具体地,将获取的:起始进入时间-14:50pm、14:55pm-16:30pm、16:35pm-19:50pm、14:50pm-14:55pm、16:30pm-16:35pm、19:50pm-19:55pm按照时间前后顺序进行排序。
S1042,从所述人脸识别监控区中截取每相邻两所述时间段之间所对应的多个第一目标视频,并将所述第一目标视频按照时序排序获取第一目标视频组。
具体地,起始进入时间-14:50pm、14:55pm-16:30pm、16:35pm-19:50pm为目标人员出现在人脸识别监控区的时间段,其对应时间段内的视频为对应的数据;将这些数据按照时间顺序进行排序,可以获得多个第一目标视频。
S1043,从所述普通监控区中截取所述时间段内所对应的多个第二目标视频,并将所述第二目标视频按照时序排序获取第二目标视频组。
具体地,14:50pm-14:55pm、16:30pm-16:35pm、19:50pm-19:55pm为目标人员出现在普通监控区的时间段,其对应时间段内的视频为对应的数据;将这些数据按照时间顺序进行排序,可以获得多个第一目标视频。
S105,将所述第一目标视频组以及所述第二目标视频组按照时序关系采用视频拼接技术进行拼接,获取所述目标人员在所述特定区域内的全程轨迹视频。
其中,所述视频拼接技术包括视频帧解码、帧预处理、帧配准对齐和视频帧图像融合。具体地,图像拼接技术的流程主要包括五个步骤:1)图像预处理,图像预处理包括数字图像处理的基本操作,如去噪、边缘提取、直方图处理等;建立图像的匹配模板以及对图像进行变换,如傅里叶变换、小波变换等操作。2)图像配准,图像配准就是采用一定的匹配策略,找出待拼接图像中的模板或特征点在参考图像中对应的位置,进而确定两幅图像之间的变换关系。3)建立变换模型,根据模板或者图像特征之间的对应关系,计算出数学模型中的各参数值,从而建立两幅图像的数学变换模型。4)坐标变换,根据建立的数学变换模型,将待拼接图像转换到参考图像的坐标系中,完成统一坐标变换。5)图像融合,将待拼接图像的重合区域进行融合,得到大视场、高分辨率的无缝图像。
综上所述,基于特定区域因监控设备差异形成的人脸识别监控区和普通监控区,通过在人脸识别监控区的人脸识别设备查询目标人员在该区交替消失以及出现所对应的时间段,根据该时间段截取目标人员在人脸识别监控区出现的视频组以及在普通监控区出现的视频组,将两视频组按时序拼接即可获取目标人员在特定区域内的全程轨迹视频。
实施例2
本实施例提供了与实施例1所述方法相对应的系统的结构框图。图6是根据本申请实施例的特定区域人员追踪识别系统的结构框图,如图6所示,该系统包括:
获取模块10,用于获取目标人员的人脸图像信息,其中,所述人脸图像信息中包括人脸五官数据以及信息来源的地址数据;
调取模块20,用于根据所述人脸图像信息,从已收录视频库中调取所述目标人员进入以及离开特定区域所对应时段内的监控视频,其中,所述特定区域包括人脸识别监控区和普通监控区;
查询模块30,用于根据所述人脸识别监控区的监控视频查询所述目标人员在所述人脸识别监控区中交替消失以及出现所对应的时间段;
截取模块40,用于根据所述时间段从所述人脸识别监控区中截取第一目标视频组,以及从所述普通监控区截取第二目标视频组;
拼接模块50,用于将所述第一目标视频组以及所述第二目标视频组按照时序关系采用视频拼接技术进行拼接,获取所述目标人员在所述特定区域内的全程轨迹视频。
进一步地,所述获取模块10包括:
第一获取单元11,用于获取目标人员的人脸照片;
转换单元12,用于将所述人脸照片进行图像数据处理转换成对应的人脸五官数据;
查找单元13,用于将所述人脸五官数据与预存人员简档中的数据进行比对,从所述预存人员简档中查找出与所述目标人员对应的人脸图像信息。
进一步地,所述调取模块20包括:
筛选单元21,用于根据所述地址数据从已收录视频库中筛选出内置有所述目标人员视频的视频包括:
第一截取单元22,用于根据所述人脸五官数据从所述视频包中截取所述目标人员进入以及离开特定区域所对应时段内的监控视频,其中,所述特定区域包括人脸识别监控区和普通监控区。
进一步地,所述查询模块30包括:
锁定单元31,用于基于所述人脸五官数据通过所述人脸识别监控区内的人脸识别设备锁定所述目标人员;
记录单元32,用于当监控到所述目标人员从所述人脸识别监控区的界面消失时,记录下当下的第一时间,且当监控到所述目标人员从所述人脸识别监控区的界面重新出现时,记录下当下的第二时间;
第一排序单元33,用于根据时序将所述第一时间及所述第二时间依序排列;
定义单元34,用于将相邻的所述第一时间及所述第二时间之间的时长定义为单次所述目标人员在所述人脸识别监控区中消失以及出现所对应的时间段。
进一步地,所述截取模块40包括:
第二获取单元41,用于获取多个时间段的数据,并基于所述时间段的起始计时时间进行依序排列;
第二截取单元42,用于从所述人脸识别监控区中截取每相邻两所述时间段之间所对应的多个第一目标视频,并将所述第一目标视频按照时序排序获取第一目标视频组;
第三截取单元43,用于从所述普通监控区中截取所述时间段内所对应的多个第二目标视频,并将所述第二目标视频按照时序排序获取第二目标视频组。
需要说明的是,上述各个模块可以是功能模块也可以是程序模块,既可以通过软件来实现,也可以通过硬件来实现。对于通过硬件来实现的模块而言,上述各个模块可以位于同一处理器中;或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
实施例3
结合图1所描述的特定区域人员追踪识别方法可以由设备来实现。图7为根据本实施例的设备的硬件结构示意图。
设备可以包括处理器61以及存储有计算机程序指令的存储器62。
具体地,上述处理器61可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,简称为ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
其中,存储器62可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器62可包括硬盘驱动器(Hard Disk Drive,简称为HDD)、软盘驱动器、固态驱动器(SolidState Drive,简称为SSD)、闪存、光盘、磁光盘、磁带或通用串行总线(Universal SerialBus,简称为USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器62可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器62可在数据处理装置的内部或外部。在特定实施例中,存储器62是非易失性(Non-Volatile)存储器。在特定实施例中,存储器62包括只读存储器(Read-Only Memory,简称为ROM)和随机存取存储器(RandomAccess Memory,简称为RAM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(Programmable Read-Only Memory,简称为PROM)、可擦除PROM(Erasable ProgrammableRead-Only Memory,简称为EPROM)、电可擦除PROM(Electrically Erasable ProgrammableRead-Only Memory,简称为EEPROM)、电可改写ROM(Electrically Alterable Read-OnlyMemory,简称为EAROM)或闪存(FLASH)或者两个或更多个以上这些的组合。在合适的情况下,该RAM可以是静态随机存取存储器(Static Random-Access Memory,简称为SRAM)或动态随机存取存储器(Dynamic Random Access Memory,简称为DRAM),其中,DRAM可以是快速页模式动态随机存取存储器(Fast Page Mode Dynamic Random Access Memory,简称为FPMDRAM)、扩展数据输出动态随机存取存储器(Extended Date Out Dynamic RandomAccess Memory,简称为EDODRAM)、同步动态随机存取内存(Synchronous Dynamic Random-Access Memory,简称SDRAM)等。
存储器62可以用来存储或者缓存需要处理和/或通信使用的各种数据文件,以及处理器61所执行的可能的计算机程序指令。
处理器61通过读取并执行存储器62中存储的计算机程序指令,以实现上述实施例1的特定区域人员追踪识别方法。
在其中一些实施例中,设备还可包括通信接口63和总线60。其中,如图7所示,处理器61、存储器62、通信接口63通过总线60连接并完成相互间的通信。
通信接口63用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。通信接口63还可以实现与其他部件例如:外接设备、图像/数据采集设备、数据库、外部存储以及图像/数据处理工作站等之间进行数据通信。
总线60包括硬件、软件或两者,将设备的部件彼此耦接在一起。总线60包括但不限于以下至少之一:数据总线(Data Bus)、地址总线(Address Bus)、控制总线(ControlBus)、扩展总线(Expansion Bus)、局部总线(Local Bus)。举例来说而非限制,总线60可包括图形加速接口(Accelerated Graphics Port,简称为AGP)或其他图形总线、增强工业标准架构(Extended Industry Standard Architecture,简称为EISA)总线、前端总线(FrontSide Bus,简称为FSB)、超传输(Hyper Transport,简称为HT)互连、工业标准架构(Industry Standard Architecture,简称为ISA)总线、无线带宽(InfiniBand)互连、低引脚数(Low Pin Count,简称为LPC)总线、存储器总线、微信道架构(Micro ChannelArchitecture,简称为MCA)总线、外围组件互连(Peripheral Component Interconnect,简称为PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(Serial AdvancedTechnology Attachment,简称为SATA)总线、视频电子标准协会局部(Video ElectronicsStandards Association Local Bus,简称为VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线60可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线,但本申请考虑任何合适的总线或互连。
该设备可以基于获取到特定区域人员追踪识别系统,执行本实施例1的特定区域人员追踪识别方法。
另外,结合上述实施例1中的特定区域人员追踪识别方法,本申请实施例可提供一种存储介质来实现。该存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例1的特定区域人员追踪识别方法。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种特定区域人员追踪识别方法,其特征在于,包括:
获取目标人员的人脸图像信息,其中,所述人脸图像信息中包括人脸五官数据以及信息来源的地址数据;
根据所述人脸图像信息,从已收录视频库中调取所述目标人员进入以及离开特定区域所对应时段内的监控视频,其中,所述特定区域包括人脸识别监控区和普通监控区;
根据所述人脸识别监控区的监控视频查询所述目标人员在所述人脸识别监控区中交替消失以及出现所对应的时间段;
根据所述时间段从所述人脸识别监控区中截取第一目标视频组,以及从所述普通监控区截取第二目标视频组;
将所述第一目标视频组以及所述第二目标视频组按照时序关系采用视频拼接技术进行拼接,获取所述目标人员在所述特定区域内的全程轨迹视频。
2.根据权利要求1所述的特定区域人员追踪识别方法,其特征在于,所述获取目标人员的人脸图像信息,其中,所述人脸图像信息中包括人脸五官数据以及信息来源的地址数据的步骤具体包括:
获取目标人员的人脸照片;
将所述人脸照片进行图像数据处理转换成对应的人脸五官数据;
将所述人脸五官数据与预存人员简档中的数据进行比对,从所述预存人员简档中查找出与所述目标人员对应的人脸图像信息。
3.根据权利要求1所述的特定区域人员追踪识别方法,其特征在于,所述根据所述人脸图像信息,从已收录视频库中调取所述目标人员进入以及离开特定区域所对应时段内的监控视频,其中,所述特定区域包括人脸识别监控区和普通监控区的步骤具体包括:
根据所述地址数据从已收录视频库中筛选出内置有所述目标人员视频的视频包;
根据所述人脸五官数据从所述视频包中截取所述目标人员进入以及离开特定区域所对应时段内的监控视频,其中,所述特定区域包括人脸识别监控区和普通监控区。
4.根据权利要求1所述的特定区域人员追踪识别方法,其特征在于,所述根据所述人脸识别监控区的监控视频查询所述目标人员在所述人脸识别监控区中交替消失以及出现所对应的时间段的步骤具体包括:
基于所述人脸五官数据通过所述人脸识别监控区内的人脸识别设备锁定所述目标人员;
当监控到所述目标人员从所述人脸识别监控区的界面消失时,记录下当下的第一时间,且当监控到所述目标人员从所述人脸识别监控区的界面重新出现时,记录下当下的第二时间;
根据时序将所述第一时间及所述第二时间依序排列;
将相邻的所述第一时间及所述第二时间之间的时长定义为单次所述目标人员在所述人脸识别监控区中消失以及出现所对应的时间段。
5.根据权利要求1所述的特定区域人员追踪识别方法,其特征在于,所述根据所述时间段从所述人脸识别监控区中截取第一目标视频组,以及从所述普通监控区截取第二目标视频组的步骤具体包括:
获取多个时间段的数据,并基于所述时间段的起始计时时间进行依序排列;
从所述人脸识别监控区中截取每相邻两所述时间段之间所对应的多个第一目标视频,并将所述第一目标视频按照时序排序获取第一目标视频组;
从所述普通监控区中截取所述时间段内所对应的多个第二目标视频,并将所述第二目标视频按照时序排序获取第二目标视频组。
6.根据权利要求1所述的特定区域人员追踪识别方法,其特征在于,所述视频拼接技术包括视频帧解码、帧预处理、帧配准对齐和视频帧图像融合。
7.根据权利要求1~6任一项所述的特定区域人员追踪识别方法,其特征在于,所述第一目标视频组是指所述目标人员消失及出现在所述人脸识别监控区内所对应的监控视频;所述第二目标视频组是指所述目标人员进入及离开所述普通监控区所对应的监控视频。
8.一种特定区域人员追踪识别系统,其特征在于,包括:
获取模块,用于获取目标人员的人脸图像信息,其中,所述人脸图像信息中包括人脸五官数据以及信息来源的地址数据;
调取模块,用于根据所述人脸图像信息,从已收录视频库中调取所述目标人员进入以及离开特定区域所对应时段内的监控视频,其中,所述特定区域包括人脸识别监控区和普通监控区;
查询模块,用于根据所述人脸识别监控区的监控视频查询所述目标人员在所述人脸识别监控区中交替消失以及出现所对应的时间段;
截取模块,用于根据所述时间段从所述人脸识别监控区中截取第一目标视频组,以及从所述普通监控区截取第二目标视频组;
拼接模块,用于将所述第一目标视频组以及所述第二目标视频组按照时序关系采用视频拼接技术进行拼接,获取所述目标人员在所述特定区域内的全程轨迹视频。
9.一种电子设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的特定区域人员追踪识别方法。
10.一种存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至7中任一项所述的特定区域人员追踪识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211395144.2A CN115439796A (zh) | 2022-11-09 | 2022-11-09 | 特定区域人员追踪识别方法、系统、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211395144.2A CN115439796A (zh) | 2022-11-09 | 2022-11-09 | 特定区域人员追踪识别方法、系统、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115439796A true CN115439796A (zh) | 2022-12-06 |
Family
ID=84252994
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211395144.2A Pending CN115439796A (zh) | 2022-11-09 | 2022-11-09 | 特定区域人员追踪识别方法、系统、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115439796A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117423066A (zh) * | 2023-12-15 | 2024-01-19 | 四川三思德科技有限公司 | 一种基于多源数据融合分析的目标人员识别方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110418076A (zh) * | 2019-08-02 | 2019-11-05 | 新华智云科技有限公司 | 视频集锦生成方法、装置、电子设备及存储介质 |
CN113642517A (zh) * | 2021-08-31 | 2021-11-12 | 上海明略人工智能(集团)有限公司 | 会议人员检测方法、系统和计算机可读存储介质 |
CN113723257A (zh) * | 2021-08-24 | 2021-11-30 | 江苏范特科技有限公司 | 事件短视频生成方法、系统、设备和存储介质 |
CN113886631A (zh) * | 2021-09-16 | 2022-01-04 | 杭州海康威视数字技术股份有限公司 | 视频档案生成方法、装置及存储介质 |
CN113947742A (zh) * | 2021-10-19 | 2022-01-18 | 成都佳发安泰教育科技股份有限公司 | 一种基于人脸识别的人员轨迹追踪方法与装置 |
-
2022
- 2022-11-09 CN CN202211395144.2A patent/CN115439796A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110418076A (zh) * | 2019-08-02 | 2019-11-05 | 新华智云科技有限公司 | 视频集锦生成方法、装置、电子设备及存储介质 |
CN113723257A (zh) * | 2021-08-24 | 2021-11-30 | 江苏范特科技有限公司 | 事件短视频生成方法、系统、设备和存储介质 |
CN113642517A (zh) * | 2021-08-31 | 2021-11-12 | 上海明略人工智能(集团)有限公司 | 会议人员检测方法、系统和计算机可读存储介质 |
CN113886631A (zh) * | 2021-09-16 | 2022-01-04 | 杭州海康威视数字技术股份有限公司 | 视频档案生成方法、装置及存储介质 |
CN113947742A (zh) * | 2021-10-19 | 2022-01-18 | 成都佳发安泰教育科技股份有限公司 | 一种基于人脸识别的人员轨迹追踪方法与装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117423066A (zh) * | 2023-12-15 | 2024-01-19 | 四川三思德科技有限公司 | 一种基于多源数据融合分析的目标人员识别方法 |
CN117423066B (zh) * | 2023-12-15 | 2024-02-27 | 四川三思德科技有限公司 | 一种基于多源数据融合分析的目标人员识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109117714B (zh) | 一种同行人员识别方法、装置、系统及计算机存储介质 | |
CN107016322B (zh) | 一种尾随人员分析的方法及装置 | |
Sadeghi et al. | State of the art in passive digital image forgery detection: copy-move image forgery | |
US9141184B2 (en) | Person detection system | |
US20210357624A1 (en) | Information processing method and device, and storage medium | |
Wahab et al. | Passive video forgery detection techniques: A survey | |
CN111209776A (zh) | 同行人识别方法、装置、处理服务器、存储介质及系统 | |
CN103020275A (zh) | 基于视频摘要、视频检索的视频分析方法 | |
CN115439796A (zh) | 特定区域人员追踪识别方法、系统、电子设备及存储介质 | |
CN109492604A (zh) | 人脸模型特征统计分析系统 | |
CN112232178A (zh) | 基于人像聚档的区域落脚点判定方法、系统、设备及介质 | |
CN110930566A (zh) | 监狱往来车辆的安全复核方法、系统、装置及可存储介质 | |
CN109598251A (zh) | 人证核验方法、装置、设备和系统及存储介质 | |
CN112464030A (zh) | 一种可疑人员确定方法及装置 | |
CN108090982A (zh) | 一种签到方法、系统及终端设备 | |
CN111259789A (zh) | 一种人脸识别智能安防监控管理方法和系统 | |
CN109271859A (zh) | 串并案方法和装置、电子设备、计算机存储介质 | |
KR20090035798A (ko) | 차량 번호판의 영상 저장 시스템 및 그 방법 | |
CN111091047B (zh) | 活体检测方法、装置、服务器和人脸识别设备 | |
CN112418063A (zh) | 人脸识别方法、装置、电子设备及存储介质 | |
CN202205213U (zh) | 应用于公安系统的人像比对系统 | |
Hnoohom et al. | Weapon Detection Using Faster R-CNN Inception-V2 for a CCTV Surveillance System | |
CN112818150B (zh) | 一种图片内容审核方法、装置、设备和介质 | |
CN111723761B (zh) | 异常人脸图像的确定方法、装置及存储介质 | |
CN113283410A (zh) | 基于数据关联分析的人脸增强识别方法、装置和设备 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20221206 |