CN115830076A - 一种人员轨迹视频智能分析系统 - Google Patents
一种人员轨迹视频智能分析系统 Download PDFInfo
- Publication number
- CN115830076A CN115830076A CN202310141102.4A CN202310141102A CN115830076A CN 115830076 A CN115830076 A CN 115830076A CN 202310141102 A CN202310141102 A CN 202310141102A CN 115830076 A CN115830076 A CN 115830076A
- Authority
- CN
- China
- Prior art keywords
- face
- personnel
- track
- pedestrian
- searching
- 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.)
- Granted
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
Abstract
本发明公开了一种人员轨迹视频智能分析系统,属于监控技术领域,包括人员轨迹监管模块、以图搜图模块、同行人监控模块、视频接入模块和统计分析模块;人员轨迹监管模块对区域内经过的人脸图像进行抓拍形成人脸抓拍库,结合GIS信息还原显示抓拍人员行走轨迹并进行跟踪监管和轨迹预测;以图搜图模块根据上传的人脸特征或人脸图片在人脸抓拍库中进行人脸特征搜索或人员图片检索;同行人监控模块根据设置的重点人员信息进行人脸抓拍和轨迹监测告警,并分析获取与该重点人员同行的人员信息。本发明通过抓拍人脸图像进行轨迹分析,实时显示重点人员的轨迹位置并预测其活动轨迹,确保获取到其接触过的所有物品及人员信息。
Description
技术领域
本发明涉及监控技术领域,尤其涉及一种人员轨迹视频智能分析系统。
背景技术
随着信息技术的发展,针对人员实时定位和轨迹查询系统已成为趋势。在公共区域,有时需要从公共区域内摄像头记录的视频中找出特定人员的移动轨迹,需要分析得到疑似人员的移动轨迹。目前常用的方法是人工调阅大量视频图像,以从视频中搜寻到特定人员,之后再根据图像中特定人员出现的时间和图像记录位置,最后绘制出特定人员的移动轨迹。由于人工操作容易发生疏忽,导致调阅视频过程中很有可能遗漏某些重要信息,无法保证最终人员识别的准确性,进而无法保证人员移动轨迹的准确性,并且这种方式的效率较低,不能快速准确地从大量视频图像中得到人员移动轨迹。
此外,在现有的人员轨迹还原技术多依靠室内定位技术和物联网技术实现,存在轨迹还原不够精确且无法预测人员的活动轨迹,不能获取与抓拍对象同行的人员信息,人脸特征搜索效率较低。比如中国专利CN107548028A提出一种室内人员移动轨迹计算系统及方法,主要利用可穿戴定位设备实现对室内人员的移动定位,这种方式并不适用于公共区域中的人员移动轨迹生成。又如中国专利CN202010317431.6公开了一种基于视频分析的人员移动轨迹生成系统及方法,该系统包括装于公共区域的多个定点监视器,以采集公共区域内不同位置的定点视频,其中,公共区域的必经位置均安装有相应的定点监视器,定点监视器输出的视频数据中包含定点监视器的位置编号以及视频拍摄时间;存储单元分别与多个定点监视器连接,以存储定点监视器采集的视频数据;人员信息库,用于保存待搜寻人员的人像信息;视频分析单元,所述视频分析单元分别与存储单元、人员信息库连接,根据视频数据和待搜寻人员的人像信息,以分析得到待搜寻人员的移动轨迹可过对公共区域内的定点视频图像进行分析,生成特定人员的移动轨迹。该方案虽然可以应用公共区域进行人员轨迹追踪,但其不能实现追踪与目标人员同行的同行人员,同时也不能实现对目标人员的轨迹预测。此外,该方案在进行待搜索人员特征搜索时,没有对待搜索人员进行深度特征描述,其检索效率不高,需要进一步改进。
发明内容
本发明的目的在于克服现有技术的不足,提供一种人员轨迹视频智能分析系统,可对重点人员进行监管,实时显示重点人员的轨迹位置并预测其活动轨迹,能够查看其在整个行动轨迹中的活动视频,同时还能获取与重点人员同行的人员信息,确保获取到其接触过的所有物品及人员信息,实现2.5D或3D的人员轨迹可视化展现。
本发明的目的是通过以下技术方案来实现的:
一种人员轨迹视频智能分析系统,包括人员轨迹监管模块、以图搜图模块、同行人监控模块、视频接入模块和统计分析模块;其中,人员轨迹监管模块利用摄像头对区域内经过的人脸图像进行实时抓拍形成人脸抓拍库,结合GIS信息在电子地图上还原显示抓拍人员行走轨迹并进行跟踪监管和轨迹预测;以图搜图模块根据上传的人脸特征或人脸图片在人脸抓拍库中进行人脸特征搜索或人员图片检索;同行人监控模块根据布控数据库或黑名单中设置的重点人员信息进行人脸抓拍和轨迹监测告警,并分析获取与该重点人员在同一时间地点出现的同行人员人脸图片信息;视频接入模块用于接入所有监控设备采集的监控视频并视频查看回放和编辑;统计分析模块根据历史数据资料、告警事件的分类统计和区域人员流量信息,分析展示告警事件、区域人员流量和时间之间的相互关系、变化规律和发展趋势。
人员轨迹监管模块具体包括人员轨迹跟踪单元和行人轨迹预测单元;人员轨迹跟踪单元利用高清摄像头对监控区域内经过的人员自动抓拍人脸图像,并记录对应的结构化数据形成人脸抓拍库,结合GIS信息同时在电子地图上显示人员轨迹以及高清摄像头拍到的疑似目标人员图片,并可关联录像进行播放;行人轨迹预测单元先采集行人特征、区域环境特征和行人行走方向建立高匹配的预测机制,利用预测机制和人员轨迹预测人员轨迹路线。
预测机制的建立过程具体包括以下步骤:
S101,行人特征提取,首先根据人的坐标和时间对不同距离行人间的影响进行加权,反映力的变化,获取空间特征图,再将行人轨迹绘制成矩阵图,然后利用图卷积神经网络对矩阵图进行处理,得到行人轨迹特征图,在行人轨迹特征图的基础上扩展时间轴,将多幅行人轨迹特征图进行时间维度连接,得到同一行人在两个时间段之间的时间特征图,并将时间特征图与空间特征图组合成时空图卷积神经网络;
S102,区域特征提取,根据监控区域内的障碍物信息构建区域特征点,并对区域特征点进行加权处理获得区域特征图,然后将区域特征图添加到时空图卷积神经网络中;
S103,行人轨迹预测,将当前时间段的行人轨迹信息输入时空图卷积神经网络进行因果卷积处理,预测出下一时间段的行人轨迹,并记录行人轨迹的时间信息。
以图搜图模块具体包括人脸特征搜索单元和人脸图片搜索单元;人脸特征搜索单元根据用户输入的文本信息、时间地点和结构化信息在人脸抓拍库中进行人脸特征搜索,并按照特征相似度从高到低的方式对人脸特征搜索结果中的人脸图片进行排序展示;人脸图片搜索单元根据用户选择或上传的待搜索人脸图片在人脸抓拍库中搜索超过预设相似度的人脸图片,并按照特征相似度从高到低的方式对人脸图片搜索结果进行排序展示。
人脸图片搜索过程具体包括以下步骤:
S201,人脸深度特征提取,用户选择或上传待搜索人脸图片后,计算图片像素大小W×H,采用深度卷积神经网络分别提取人脸抓拍数据库中人脸图像和待检索人脸图片的深度特征,并将每个卷积层都利用前一层的输出作为本层的输入,定义为:
式中,和分别为1层的第m个输出通道和I-1层的第n个输入通道;和为相应的卷积核滤波器和偏置项,符号为卷积运算符;为了保证所有元素的非负性,卷积层激活函数选择校正线性激活函数,其中,;S202,人脸特征相似度度量,人脸图片I特征向量:,式中,表示人脸的稀疏特征向量,表示第项人脸图像维度;将人脸图片Ⅰ的特征向量进行L2正则化得到最终用以人脸图片搜索任务的深度特征向量:式中,等号右边分子表示未正则化前的稀疏特征向量,等号左边表示正则化的结果,即正则化后的稀疏特征向量,表示带特征向量的正则项;
根据人脸图像深度特征向量计算结果的大小进行排序即可得到人脸图片检索排序结果列表:式中,表示人脸图片检索排序结果列表,表示第i项人脸图片检索结果,越小表示与待检索人脸图像越相似,相反越大,表示与待检索人脸图像越不相似。
同行人监控模块包括同行人搜索单元和重点人员布控单元;同行人搜索单元用于根据布控数据库或黑名单中设置的重点人员信息抓拍某时间段内某监控设备区域内经过行人的人脸图片并进行人脸特征搜索比对,若抓拍的人脸图片为重点人员则分析搜索获取与该重点人员在同一时间段和同一区域内出现的同行人人脸图片信息;重点人员布控单元用于将需要布控重点人员信息添加至布控数据库,并对设置布控时间、地点、布控等级和相识度报警阈值,对重点人员进行布防监控、人脸比对报警和轨迹监测追踪。
视频接入模块接入的监控视频包括实时视频与历史视频,在历史视频接入时,采用常规回放方式或者分段回放方式进行历史视频回放。
本发明的有益效果:
1.本发明可根据当前人员轨迹和区域环境特征进行轨迹预测,适用于高度非线性和复杂的行人流场景,解决了传统的预测方法忽视时间和空间上的依赖问题;
2.本发明可以根据用户提供的待搜索人员特征信息和人脸图像分别进行人脸特征搜索和人员图片检索,并能提取抓拍人脸图像及待检索人脸图像的深度特征,构建人脸图像的深度特征向量描述进行检索;
3.本发明为了进一步提高检索性能,采用查询扩展方法将初始检索结果列表中排序前N个人脸图像的深度特征向量描述符与待检索人脸图像的深度特征向量描述符进行均值融合后再次执行检索,显著提高了待搜索人员的搜索效率;
4.本发明系统集人脸实时抓拍、可疑人员布控预警、人员精准搜索、身份信息核验、人员轨迹追踪为一体,可以对区域内出入人员进行实时抓拍与预警,还能追踪与目标人员在同一时间和同一地点出现过的同行人员相关信息,并进行轨迹跟踪监测告警。
附图说明
图1是本发明的系统功能模块图;
图2是人员轨迹跟踪监管流程图;
图3是以图搜图模块工作流程图。
具体实施方式
为了对本发明的技术特征、目的和有益效果有更加清楚的理解,现对本发明的技术方案精选以下详细说明。显然,所描述的实施案例是本发明一部分实施例,而不是全部实施例,不能理解为对本发明可实施范围的限定。基于本发明的实施例,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其他所有实施例,都属于本发明的保护范围。
实施例一:
本实施例中,如图1所示,一种人员轨迹视频智能分析系统,包括人员轨迹监管模块、以图搜图模块、同行人监控模块、视频接入模块和统计分析模块。其中,人员轨迹监管模块利用摄像头对区域内经过的人脸图像进行实时抓拍形成人脸抓拍库,并结合GIS信息在电子地图上还原显示抓拍人员行走轨迹进行跟踪监管和轨迹预测;以图搜图模块根据上传的人脸特征或人脸图片在人脸抓拍库中进行人脸特征搜索或人员图片检索;同行人监控模块根据布控数据库或黑名单中设置的重点人员信息进行人脸抓拍和轨迹监测告警,并分析获取与该重点人员在同一时间地点出现的同行人员人脸图片信息;视频接入模块用于接入所有监控设备采集的监控视频并视频查看回放和编辑;统计分析模块根据历史数据资料、告警事件的分类统计和区域人员流量信息,分析展示告警事件、区域人员流量和时间之间的相互关系、变化规律和发展趋势。
本实施例中,以医院作为本发明系统的应用场景对系统功能进行阐述,对于医院来说,实时掌握住院病人动向十分重要,在需要找人时立即找到相应人员的位置及行走路线,也体现着医院的智能化服务水平和先进程度,通过在医院住院病房、医院公共关键区域、医院主要出入口部署高清摄像头,当行人经过时会自动抓拍人脸照,并记录对应的结构化数据,如抓拍地点(摄像头编号)、抓拍时间等。本发明的系统可自动对重点人员进行监管,实时显示重点人员的轨迹位置,并能够查看其在整个行动轨迹中的活动视频,确保获取到其接触过的所有物品及人员。
本实施例中,人员轨迹监管模块具体包括人员轨迹跟踪单元和行人轨迹预测单元。其中,如图2所示,人员轨迹跟踪单元进行人员轨迹跟踪时,利用摄像头对经过人脸进行实时抓拍,对人员的实时轨迹进行跟踪监控,并绘制行动路线图,并支持对历史轨迹查看,方便工作人员的管理,其具体工作流程如下:
1)人脸抓拍:通过在医院住院病房、医院公共关键区域、医院主要出入口部署高清摄像头,当行人经过时会自动抓拍人脸照,并记录对应的结构化数据,如抓拍地点(摄像头编号)、抓拍时间等。人脸抓拍系统会把所有经过摄像头的人进行抓拍并形成完整的过人抓拍库。
2)轨迹还原:系统结合GIS信息同时在地图上显示轨迹以及摄像头拍到的疑似目标人员图片,并可关联录像进行播放。
3)摄像头设备自身带有人脸识别功能,具体应用过程如下:
(1) 在医院机房部署平台,通过平台完成住院病人、员工等的入库工作,并将人员布控起来。
(2)在医院公共区域部署摄像头或者人脸抓拍机,完成医院经过人员的实时抓拍并和库中人员比对确认身份。
(3)重点人员出现,护士及安保人员可以快速查询重点人员轨迹。
行人轨迹预测单元基于医院行人进行轨迹预测,系统产生告警信息后,点击告警可展示人员轨迹预测路线。人员轨迹预测是一个重要而复杂的问题,因为其不仅存在高度非线性和复杂的行人流,传统的预测方法经常忽视了时间和空间上的依赖。
医院人员轨迹预测研究中,通常选择行人特征、医院环境特征和行人行走方向来建立高匹配的预测机制。预测机制的构建处理过程如下:
将行人轨迹绘制成图,然后利用图卷积神经网络对矩阵图进行处理,得到行人轨迹特征图。以此为基础,在空间特征图的基础上扩展时间轴,将多幅行人轨迹特征图进行时间维度连接﹐得到同一行人在两个时间段之间的时间特征图,并将时间特征图与空间特征图组合成时空图卷积神经网络。
2)医院园区特征提取在获取了行人特征图之后,为了提升准确度,在时空图卷积神经网络中添加了医院园区特征图。园区中不同区域的障碍物会在不同方向上对行人的运动产生阻力﹐从而产生了行人绕道的效果。园区特征点加权公式如下:,
园区某一区域加权:将区域特征图进一步加权处理得到行人向各个方向行走的概率,式中,表示行人向各个方向行走的概率,表示以该行人为中心的领域,表示行人经过点位的横坐标,是医院人员当前时间的地理位置,表示点位的横坐标,表示点位的纵坐标,符号*表示:卷积运算符。
3)行人轨迹预测式中,是一个连接函数,表示把各个点位串起来,是一个时空图卷积(ST-GCN)函数,是时间外推(预测未来人员轨迹)卷积神经网络(TXP-CNN)函数,表示:不同距离第与第个行人之间的影响权重值,t表示当前时间,表示:t时刻行人预测轨迹集合,表示:行人向各个方向行走的概率。由于时空图卷积神经网络采用因果卷积﹐可以记录轨迹的时间信息﹐从而在降低参数的同时保留了时间特征。
本实施例中,随着医院业务发展,各设备上报的信息需要我们进行研究及了解历史信息。各设备抓拍信息包含了多个标签,比如:抓拍人姓名、发生时间、设备编号、抓拍地点,抓拍人员性别,年龄等,除了图片的各种特征,还需要和抓拍库中的人像图片进行对比。因此,系统的以图搜图模块具体包括人脸特征搜索单元和人脸图片搜索单元,两个单元的工作流程如图3所示。
其中,人脸特征搜索单元进行人脸特征搜索的具体流程如下:
1)输入姓名等特性可对动态抓拍库的人脸查询;
2)支持按照时间地点以及结构化信息(年龄段、性别、戴眼镜、微笑、高危人员)查询;
3)按照相似度高低来排序,展示相似度超过90%,且排名前10的照片;
4)在搜索图片结果中可以一键选择任意一张图片,查看历史轨迹轨迹、还可以进行经过摄像头抓拍视频的查看,视频打包下载。
人脸图片搜索单元进行人脸图片检索时,用户可以选择某张人像图片,在抓拍库中寻找相似度超过90%,且排名前10的照片的人像图片,系统根据相似度高低来排序。选择的图片可以是本地上传的图片,也可以是抓拍图片或者是静态图片。本系统采用深度卷积神经网络提取数据库中保存的医院抓拍人脸图像及待检索人脸图像的深度特征,构建人脸图像的深度特征向量描述﹐并将其与数据库中保存的人脸图像的深度特征向量描述进行相似度度量比较得到初始的检索结果列表;同时,为了进一步提高检索性能,系统采用查询扩展方法将初始检索结果列表中排序前N个人脸图像的深度特征向量描述符与待检索人脸图像的深度特征向量描述符进行均值融合后再次执行检索。具体的人脸图像检索过程如下:
1.人脸特征提取:
用户人脸上传照片后,系统后台计算图片像素大小W×H,每个卷积层都利用前一层的输出作为本层的输入,定义为:式中,和分别为1层的第m个输出通道和I-1层的第n个输入通道;和为相应的卷积核滤波器和偏置项,符号为卷积运算符;为了保证所有元素的非负性,卷积层激活函数选择校正线性激活函数,其中,;
2.人脸特征相似度度量:
人脸图像特征向量基于聚合人脸图像未经过处理的深度特征,从深度卷积神经网络的全连接层提取维度为4096维的人脸图像的稀疏特征向量:,式中,表示人脸的稀疏特征向量,表示第项人脸图像维度;将人脸图片Ⅰ的特征向量进行L2正则化得到最终用以人脸图片搜索任务的深度特征向量:式中,等号右边分子表示未正则化前的稀疏特征向量,等号左边表示正则化的结果,即正则化后的稀疏特征向量,表示带特征向量的正则项;
根据人脸图像深度特征向量计算结果的大小进行排序即可得到人脸图片检索排序结果列表:式中,表示人脸图片检索排序结果列表,表示第i项人脸图片检索结果,越小表示与待检索人脸图像越相似,相反越大,表示与待检索人脸图像越不相似。
本实施例中,医院对同行人的监测非常重要,所谓同行人,即那些经常结伴而行的人。从监测识别的角度讲,同行人也可看作是在某一时间段内从同一个设备经过的人,当可疑人员出现时,可以快速的找出其同行人,方便医院的进一步监督与管理。而可疑人员管控是一套集人脸实时抓拍、可疑人员布控预警、人员精准搜索、身份信息核验、人员轨迹追踪为一体的分析和应用。可以对医院出入人员进行实时抓拍与预警,帮助医院管理人员有效的防范重点人员,提升医院安全防范能力。
进行布控的摄像头部署在医院大楼各出入口以及相关主要通道。系统对所有通行人员进行实时布控比对。当黑名单布控库里的人员出现在摄像头画面中时,系统比对告警后立即推送给医院安全管理人员。
因此,本实施例中的同行人监控模块包括同行人搜索单元和重点人员布控单元。同行人搜索单元进行同行人搜索过程时根据布控数据库或黑名单中设置的重点人员信息抓拍某时间段内某监控设备区域内经过行人的人脸图片并进行人脸特征搜索比对,若抓拍的人脸图片为重点人员则分析搜索获取与该重点人员在同一时间段和同一区域内出现的同行人人脸图片信息。同行人搜索流程如下:
1)同行人搜索支持对某时间段某设备经过行人抓拍人脸搜索;
2)选择任一抓拍人脸后,通过人脸特征搜索及概率比对还可以进行该人脸图像的同行人分析搜索;
3)系统可以对同行人资料信息进行打包合并下载。
为了方便对搜索出的同行人进行进一步监督与管理,系统支持对匹配出来的同行人进行入库操作,当重点可疑人员布控后,即可以进行轨迹监测,告警等操作。重点人员布控单元将需要布控重点人员信息添加至布控数据库,并对设置布控时间、地点、布控等级和相识度报警阈值,对重点人员进行布防监控、人脸比对报警和轨迹监测追踪。重点人员布控单元具有功能如下:
1)可疑人员布控:系统把要布控重点人员的信息(包含姓名、性别、身份证号、人脸照片等信息)添加到布控数据底库。然后按照时间、地点、布控等级、相识度报警阈值等信息,对人员进行布防。
2)比对报警:系统对人员卡口位置(医院门口、楼梯口、关键通道口)抓拍的人员与人脸布控数据库中的人脸特征数据进行实时比对,如果人脸的相识度达到预设的报警阀值,系统自动可通过多种报警方式将报警信号推送到相关监管人员。
3)人员追踪:安保人员收到报警推送后,初步审核报警的准确性,若为疑似布控人员,可以在抓拍库中找出嫌疑人人脸图像,系统会根据这些人脸图像采集的时间和地点,自动按时间轴方式上描绘出人员轨迹。
4)实时视频预览:前端人脸抓拍机除了人脸抓拍功能,支持对已选择抓拍通道的视频查看,供安保人员快速查阅,并快出响应处置。
本实施例中,视频接入即为设备的所有视频接入,包括实时视频与历史视频,可供安保人员随时查看。视频接入模块接入视频时,系统分页根据设备编号展示所有摄像头,并支持根据医院区域、设备在离线状态进行筛选和摄像头的模糊匹配。
在系统网页点击摄像头出现该摄像头视频弹框,默认实时视频接入,在弹框上根据需要可以选择开始时间/结束时间进行历史视频查看。
历史视频接入时,包括以下两种回放方式:
1)常规回放:1、选择所要回放的通道,可以多通道同时回放;2、选择回放录像的日期;3、选择所要回放的录像类型,如:计划录像、移动侦测录像、手动录像、告警录像;4、搜索相应录像,所要回放的录像片段,就会显示出来,不同类型的录像,会有不同的颜色区分;5、回放录像时,可对录像进行剪辑、抓图等功能。6、对于查询到的录像可以进行录像片段的下载、备份功能。
2)分段回放:录像的分段回放,用来对同一路通道的录像资料,分为几个不同的时间片段来回放,方便快速的查找所要的录像段。可对录像进行4/9/16的分段回放。
本实施例中,系统的统计分析模块支持根据企业的历史数据资料及当前上报情况一图展示告警事件的分类统计与医院人流信息,展示各指标之间的相互关系、变化规律和发展趋势,方便安保人员和医院领导层实时查看医院人流状态。统计分析模块统计分析内容如下:
不同告警类型发生情况(季度):用户选择年份,通过折线图展示所选年份不同季度各告警发生数量情况。
不同告警类型发生总数占比:用户选择年份,通过饼图展示所选年份不同告警类型发生占比。
告警高发地Top5:用户选择年份,通过柱状图展示告警发生次数最多的5个地点。
医院人流情况(月度):用户选择年份,展示当前年份各月医院人流和历史各月均值。
住院楼人流情况(月度):用户选择年份,展示当前年份各月住院楼一楼、二楼的门禁设备通过人流情况。人流聚集地Top3:用户选择年份,展示当前年份人流聚集地Top3。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护的范围由所附的权利要求书及其等效物界定。
Claims (7)
1.一种人员轨迹视频智能分析系统,其特征在于,包括人员轨迹监管模块、以图搜图模块、同行人监控模块、视频接入模块和统计分析模块;其中,
人员轨迹监管模块利用摄像头对区域内经过的人脸图像进行实时抓拍形成人脸抓拍库,结合GIS信息在电子地图上还原显示抓拍人员行走轨迹并进行跟踪监管和轨迹预测;
以图搜图模块根据上传的人脸特征或人脸图片在人脸抓拍库中进行人脸特征搜索或人员图片检索;
同行人监控模块根据布控数据库或黑名单中设置的重点人员信息进行人脸抓拍和轨迹监测告警,并分析获取与该重点人员在同一时间地点出现的同行人员人脸图片信息;
视频接入模块用于接入所有监控设备采集的监控视频并视频查看回放和编辑;
统计分析模块根据历史数据资料、告警事件的分类统计和区域人员流量信息,分析展示告警事件、区域人员流量和时间之间的相互关系、变化规律和发展趋势。
2.根据权利要求1所述的一种人员轨迹视频智能分析系统,其特征在于,所述人员轨迹监管模块具体包括人员轨迹跟踪单元和行人轨迹预测单元;人员轨迹跟踪单元利用高清摄像头对监控区域内经过的人员自动抓拍人脸图像,并记录对应的结构化数据形成人脸抓拍库,结合GIS信息同时在电子地图上显示人员轨迹以及高清摄像头拍到的疑似目标人员图片,并可关联录像进行播放;行人轨迹预测单元先采集行人特征、区域环境特征和行人行走方向建立高匹配的预测机制,利用预测机制和人员轨迹预测人员轨迹路线。
3.根据权利要求2所述的一种人员轨迹视频智能分析系统,其特征在于,所述预测机制的建立过程具体包括以下步骤;
S101,行人特征提取,首先根据人的坐标和时间对不同距离行人间的影响进行加权,反映力的变化,获取空间特征图,再将行人轨迹绘制成矩阵图,然后利用图卷积神经网络对矩阵图进行处理,得到行人轨迹特征图,在行人轨迹特征图的基础上扩展时间轴,将多幅行人轨迹特征图进行时间维度连接,得到同一行人在两个时间段之间的时间特征图,并将时间特征图与空间特征图组合成时空图卷积神经网络;
S102,区域特征提取,根据监控区域内的障碍物信息构建区域特征点,并对区域特征点进行加权处理获得区域特征图,然后将区域特征图添加到时空图卷积神经网络中;
S103,行人轨迹预测,将当前时间段的行人轨迹信息输入时空图卷积神经网络进行因果卷积处理,预测出下一时间段的行人轨迹,并记录行人轨迹的时间信息。
4.根据权利要求1所述的一种人员轨迹视频智能分析系统,其特征在于,所述
以图搜图模块具体包括人脸特征搜索单元和人脸图片检索单元;人脸特征搜索单元根据用户输入的文本信息、时间地点和结构化信息在人脸抓拍库中进行人脸特征搜索,并按照特征相似度从高到低的方式对人脸特征搜索结果中的人脸图片进行排序展示;人脸图片搜索单元根据用户选择或上传的待搜索人脸图片在人脸抓拍库中搜索超过预设相似度的人脸图片,并按照特征相似度从高到低的方式对人脸图片搜索结果进行排序展示。
5.根据权利要求4所述的一种人员轨迹视频智能分析系统,其特征在于,所述人脸图片搜索过程具体包括以下步骤:
S201,人脸深度特征提取,用户选择或上传待搜索人脸图片后,计算图片像素大小W×H,采用深度卷积神经网络分别提取人脸抓拍数据库中人脸图像和待检索人脸图片的深度特征,并将每个卷积层都利用前一层的输出作为本层的输入,定义为:
将人脸图片Ⅰ的特征向量进行L2正则化得到最终用以人脸图片搜索任务的深度特征向量:
根据人脸图像深度特征向量计算结果的大小进行排序即可得到人脸图片检索排序结果列表:
6.根据权利要求1所述的一种人员轨迹视频智能分析系统,其特征在于,所述同行人监控模块包括同行人搜索单元和重点人员布控单元;同行人搜索单元用于根据布控数据库或黑名单中设置的重点人员信息抓拍某时间段内某监控设备区域内经过行人的人脸图片并进行人脸特征搜索比对,若抓拍的人脸图片为重点人员则分析搜索获取与该重点人员在同一时间段和同一区域内出现的同行人人脸图片信息;重点人员布控单元用于将需要布控重点人员信息添加至布控数据库,并对设置布控时间、地点、布控等级和相识度报警阈值,对重点人员进行布防监控、人脸比对报警和轨迹监测追踪。
7.根据权利要求1所述的一种人员轨迹视频智能分析系统,其特征在于,所述视频接入模块接入的监控视频包括实时视频与历史视频,在历史视频接入时,采用常规回放方式或者分段回放方式进行历史视频回放。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310141102.4A CN115830076B (zh) | 2023-02-21 | 2023-02-21 | 一种人员轨迹视频智能分析系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310141102.4A CN115830076B (zh) | 2023-02-21 | 2023-02-21 | 一种人员轨迹视频智能分析系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115830076A true CN115830076A (zh) | 2023-03-21 |
CN115830076B CN115830076B (zh) | 2023-05-09 |
Family
ID=85522008
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310141102.4A Active CN115830076B (zh) | 2023-02-21 | 2023-02-21 | 一种人员轨迹视频智能分析系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115830076B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103986905A (zh) * | 2014-04-30 | 2014-08-13 | 武汉兆图科技有限公司 | 一种三维环境下基于线路特征的视频空间实时漫游方法 |
CN112016443A (zh) * | 2020-08-26 | 2020-12-01 | 深圳市商汤科技有限公司 | 同行识别方法及装置、电子设备和存储介质 |
CN112487926A (zh) * | 2020-11-26 | 2021-03-12 | 电子科技大学 | 一种基于时空图卷积网络的景区投喂行为识别方法 |
CN112775970A (zh) * | 2021-01-06 | 2021-05-11 | 嘉兴学院 | 一种巡检机器人多传感器系统及巡检方法 |
US20210155266A1 (en) * | 2019-11-22 | 2021-05-27 | Samsung Electronics Co., Ltd. | System and method for object trajectory prediction in an autonomous scenario |
CN113111581A (zh) * | 2021-04-09 | 2021-07-13 | 重庆邮电大学 | 结合时空因素和基于图神经网络的lstm轨迹预测方法 |
CN113191340A (zh) * | 2021-07-01 | 2021-07-30 | 智广海联(天津)大数据技术有限公司 | 基于联邦学习模式的社区重点人员监管系统及方法 |
CN113505314A (zh) * | 2021-07-27 | 2021-10-15 | 王程 | 时空复杂网络聚类的位置轨迹分析系统 |
CN113888638A (zh) * | 2021-10-08 | 2022-01-04 | 南京航空航天大学 | 一种基于注意力机制的图神经网络行人轨迹预测方法 |
WO2022001925A1 (zh) * | 2020-06-29 | 2022-01-06 | 中兴通讯股份有限公司 | 行人追踪方法和设备,及计算机可读存储介质 |
CN114666554A (zh) * | 2022-05-23 | 2022-06-24 | 创意信息技术股份有限公司 | 一种边缘网关云服务管理系统 |
-
2023
- 2023-02-21 CN CN202310141102.4A patent/CN115830076B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103986905A (zh) * | 2014-04-30 | 2014-08-13 | 武汉兆图科技有限公司 | 一种三维环境下基于线路特征的视频空间实时漫游方法 |
US20210155266A1 (en) * | 2019-11-22 | 2021-05-27 | Samsung Electronics Co., Ltd. | System and method for object trajectory prediction in an autonomous scenario |
WO2022001925A1 (zh) * | 2020-06-29 | 2022-01-06 | 中兴通讯股份有限公司 | 行人追踪方法和设备,及计算机可读存储介质 |
CN112016443A (zh) * | 2020-08-26 | 2020-12-01 | 深圳市商汤科技有限公司 | 同行识别方法及装置、电子设备和存储介质 |
CN112487926A (zh) * | 2020-11-26 | 2021-03-12 | 电子科技大学 | 一种基于时空图卷积网络的景区投喂行为识别方法 |
CN112775970A (zh) * | 2021-01-06 | 2021-05-11 | 嘉兴学院 | 一种巡检机器人多传感器系统及巡检方法 |
CN113111581A (zh) * | 2021-04-09 | 2021-07-13 | 重庆邮电大学 | 结合时空因素和基于图神经网络的lstm轨迹预测方法 |
CN113191340A (zh) * | 2021-07-01 | 2021-07-30 | 智广海联(天津)大数据技术有限公司 | 基于联邦学习模式的社区重点人员监管系统及方法 |
CN113505314A (zh) * | 2021-07-27 | 2021-10-15 | 王程 | 时空复杂网络聚类的位置轨迹分析系统 |
CN113888638A (zh) * | 2021-10-08 | 2022-01-04 | 南京航空航天大学 | 一种基于注意力机制的图神经网络行人轨迹预测方法 |
CN114666554A (zh) * | 2022-05-23 | 2022-06-24 | 创意信息技术股份有限公司 | 一种边缘网关云服务管理系统 |
Non-Patent Citations (4)
Title |
---|
ZHUANGZHUANG YANG等: "Trajectory Forecasting Using Graph Convolutional Neural Networks Based on Prior Awareness and Information Fusion", 《ISPRS INTERNATIONAL JOURNAL OF GEO-INFORMATION》 * |
汪威 等: "基于行人关键点的低亮度行人轨迹和意图估计", 《江苏大学学报(自然科学版)》 * |
罗超: "带领行业进入刷脸时代――评测英飞拓V2233-F智能人脸大数据分析平台", 《中国公共安全》 * |
陈媛媛 等: "一种基于多传感器轨迹融合的伪实时场景监控系统", 《测控技术》 * |
Also Published As
Publication number | Publication date |
---|---|
CN115830076B (zh) | 2023-05-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111222373B (zh) | 一种人员行为分析方法、装置和电子设备 | |
US8885047B2 (en) | System and method for capturing, storing, analyzing and displaying data relating to the movements of objects | |
US6424370B1 (en) | Motion based event detection system and method | |
US8284990B2 (en) | Social network construction based on data association | |
US7881505B2 (en) | Video retrieval system for human face content | |
US8457354B1 (en) | Movement timestamping and analytics | |
US8570376B1 (en) | Method and system for efficient sampling of videos using spatiotemporal constraints for statistical behavior analysis | |
JP6854881B2 (ja) | 顔画像照合システムおよび顔画像検索システム | |
CN111612113A (zh) | 防疫管控方法、装置、系统、存储介质以及处理器 | |
US9245247B2 (en) | Queue analysis | |
WO2008058296A2 (en) | Method and apparatus for analyzing activity in a space | |
CN101778260A (zh) | 一种基于结构化描述的视频监控管理方法及系统 | |
JP6013923B2 (ja) | ビデオエピソードの閲覧及び検索のためのシステム及び方法 | |
CN109361895B (zh) | 嫌疑人关系人员的搜索方法及系统 | |
CN109117771B (zh) | 一种基于锚节点的图像中暴力事件检测系统及方法 | |
CN115881286B (zh) | 一种防疫管理调度系统 | |
CN111090777B (zh) | 一种视频数据的管理方法、管理设备及计算机存储介质 | |
CN110019963B (zh) | 嫌疑人关系人员的搜索方法 | |
Xu et al. | AR2Net: An attentive neural approach for business location selection with satellite data and urban data | |
Anwar et al. | Mining anomalous events against frequent sequences in surveillance videos from commercial environments | |
Zhang et al. | A Multiple Instance Learning and Relevance Feedback Framework for Retrieving Abnormal Incidents in Surveillance Videos. | |
EP3244344A1 (en) | Ground object tracking system | |
CN115830076B (zh) | 一种人员轨迹视频智能分析系统 | |
CN109871456A (zh) | 一种看守所人员关系分析方法、装置和电子设备 | |
CN113920470B (zh) | 一种基于自注意力机制的行人检索方法 |
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 |