JP2023505864A - ターゲット移動軌跡の構築方法、機器及びコンピュータ記憶媒体 - Google Patents
ターゲット移動軌跡の構築方法、機器及びコンピュータ記憶媒体 Download PDFInfo
- Publication number
- JP2023505864A JP2023505864A JP2022535529A JP2022535529A JP2023505864A JP 2023505864 A JP2023505864 A JP 2023505864A JP 2022535529 A JP2022535529 A JP 2022535529A JP 2022535529 A JP2022535529 A JP 2022535529A JP 2023505864 A JP2023505864 A JP 2023505864A
- Authority
- JP
- Japan
- Prior art keywords
- target
- picture
- features
- feature
- capture
- 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.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/75—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/787—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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
- G06V40/173—Classification, e.g. identification face re-identification, e.g. recognising unknown faces across different face tracks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30236—Traffic on road, railway or crossing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30241—Trajectory
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
-
- 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
Abstract
ターゲット移動軌跡の構築方法、機器及びコンピュータ可読記憶媒体を開示する。ターゲット移動軌跡の構築方法は、検索条件に合致した少なくとも2つの異なるタイプのターゲット特徴を取得するステップであって、少なくとも2つの異なるタイプのターゲット特徴は、少なくとも顔特徴人体特徴及び車両特徴のうちの少なくとも2つを含む、ステップと、少なくとも2つの異なるタイプのターゲット特徴に関連付けられている撮影時刻及び撮影地点を取得するステップと、少なくとも2つの異なるタイプのターゲット特徴に関連付けられている撮影時刻と撮影地点の組み合わせに基づいて、ターゲット移動軌跡を生成するステップと、を含む。上記方法により、検索条件に合致したターゲット特徴を入力しターゲット特徴に関連付けられている撮影時刻及び撮影地点に基づいてターゲット移動軌跡を生成することで、ターゲット移動軌跡の構築方法の実用性を向上させることができる。
Description
(関連出願の相互参照)
本願は、2019年12月30日に中国特許局に提出された、出願番号が201911402892.7であり、発明名称が「ターゲット移動軌跡の構築方法、機器及びコンピュータ記憶媒体」である中国特許出願に基づく優先権を主張し、その全内容が参照として本願に組み込まれる。
本願は、2019年12月30日に中国特許局に提出された、出願番号が201911402892.7であり、発明名称が「ターゲット移動軌跡の構築方法、機器及びコンピュータ記憶媒体」である中国特許出願に基づく優先権を主張し、その全内容が参照として本願に組み込まれる。
本願は、交通監視分野に関し、特にターゲット移動軌跡の構築方法、機器及びコンピュータ記憶媒体に関する。
現在、都市で多くのカメラが設置されている。これらは、人体、顔、自動車、軽車両などの種々の内容を含むリアルタイムビデオを収集することができる。これらのビデオに対してターゲット検出及び構造的解析を行うことで、顔、人体、車両の特徴及び属性情報を抽出することができる。警察機関において日常のビデオ捜査、容疑者追跡などの任務を遂行する場合、種々のルートを通じて収集された、容疑者関連情報(顔、人体、犯罪/逃走車両などを含む)を有するピクチャ及びテキストの手がかりをアップロードしてから、リアルタイムビデオ内の内容を比較する必要があり、時空間情報を有する結果を検索することで、容疑者の行動ルート及び逃走軌跡などを再現する必要がある。
本願は、ターゲット移動軌跡の構築方法、機器及びコンピュータ可読記憶媒体を提供する。
本願は、ターゲット移動軌跡の構築方法を提供する。前記ターゲット移動軌跡の構築方法は、
検索条件に合致した少なくとも2つの異なるタイプのターゲット特徴を取得するステップであって、前記少なくとも2つの異なるタイプのターゲット特徴は、少なくとも顔特徴、人体特徴及び車両特徴のうちの少なくとも2つを含む、ステップと、
前記少なくとも2つの異なるタイプのターゲット特徴にそれぞれ関連付けられている撮影時刻及び撮影地点を取得するステップと、
前記少なくとも2つの異なるタイプのターゲット特徴に関連付けられている撮影時刻と撮影地点の組み合わせに基づいて、ターゲット移動軌跡を生成するステップと、を含む。
検索条件に合致した少なくとも2つの異なるタイプのターゲット特徴を取得するステップであって、前記少なくとも2つの異なるタイプのターゲット特徴は、少なくとも顔特徴、人体特徴及び車両特徴のうちの少なくとも2つを含む、ステップと、
前記少なくとも2つの異なるタイプのターゲット特徴にそれぞれ関連付けられている撮影時刻及び撮影地点を取得するステップと、
前記少なくとも2つの異なるタイプのターゲット特徴に関連付けられている撮影時刻と撮影地点の組み合わせに基づいて、ターゲット移動軌跡を生成するステップと、を含む。
ここで、前記少なくとも2つの異なるタイプのターゲット特徴に関連付けられている撮影時刻と撮影地点の組み合わせに基づいて、ターゲット移動軌跡を生成するステップは、
前記少なくとも2つの異なるタイプのターゲット特徴のうちの1つのタイプのターゲット特徴をプライマリーターゲット特徴として、他のタイプのターゲット特徴をセカンダリターゲット特徴とするステップと、
前記プライマリーターゲット特徴の撮影時刻と撮影地点、及び前記セカンダリターゲット特徴の撮影時刻と撮影地点に基づいて、前記セカンダリターゲット特徴と前記プライマリーターゲット特徴との相対的位置がターゲットの移動規律に合致するかどうかを判定するステップと、
ターゲットの移動規律に合致しなければ、前記セカンダリターゲット特徴に関連付けられている撮影時刻及び撮影地点を削除するステップと、を更に含む。
前記少なくとも2つの異なるタイプのターゲット特徴のうちの1つのタイプのターゲット特徴をプライマリーターゲット特徴として、他のタイプのターゲット特徴をセカンダリターゲット特徴とするステップと、
前記プライマリーターゲット特徴の撮影時刻と撮影地点、及び前記セカンダリターゲット特徴の撮影時刻と撮影地点に基づいて、前記セカンダリターゲット特徴と前記プライマリーターゲット特徴との相対的位置がターゲットの移動規律に合致するかどうかを判定するステップと、
ターゲットの移動規律に合致しなければ、前記セカンダリターゲット特徴に関連付けられている撮影時刻及び撮影地点を削除するステップと、を更に含む。
ここで、前記プライマリーターゲット特徴の撮影時刻と撮影地点、及び前記セカンダリターゲット特徴の撮影時刻と撮影地点に基づいて、前記セカンダリターゲット特徴と前記プライマリーターゲット特徴との相対的位置がターゲットの移動規律に合致するかどうかを判定するステップは、
前記プライマリーターゲット特徴の撮影地点及び前記セカンダリターゲット特徴の撮影地点に基づいて、位置差を算出するステップと、
前記プライマリーターゲット特徴の撮影時刻及び前記セカンダリターゲット特徴の撮影時刻に基づいて、時刻差を算出するステップと、
前記位置差及び前記時刻差に基づいて、移動速度を算出し、前記移動速度が所定の移動速度閾値以下である場合、前記セカンダリターゲット特徴と前記プライマリーターゲット特徴との相対的位置がターゲットの移動規律に合致すると判定するステップと、を更に含む。
前記プライマリーターゲット特徴の撮影地点及び前記セカンダリターゲット特徴の撮影地点に基づいて、位置差を算出するステップと、
前記プライマリーターゲット特徴の撮影時刻及び前記セカンダリターゲット特徴の撮影時刻に基づいて、時刻差を算出するステップと、
前記位置差及び前記時刻差に基づいて、移動速度を算出し、前記移動速度が所定の移動速度閾値以下である場合、前記セカンダリターゲット特徴と前記プライマリーターゲット特徴との相対的位置がターゲットの移動規律に合致すると判定するステップと、を更に含む。
前記少なくとも2つの異なるタイプのターゲット特徴にそれぞれ関連付けられている撮影時刻及び撮影地点を取得するステップは、
前記少なくとも2つの異なるタイプのターゲット特徴にそれぞれ対応する第1ターゲットピクチャを取得するステップと、
少なくとも前記第1ターゲットピクチャに基づいて、前記ターゲット特徴に関連付けられている撮影時刻及び撮影地点を決定するステップと、を含む。
前記少なくとも2つの異なるタイプのターゲット特徴にそれぞれ対応する第1ターゲットピクチャを取得するステップと、
少なくとも前記第1ターゲットピクチャに基づいて、前記ターゲット特徴に関連付けられている撮影時刻及び撮影地点を決定するステップと、を含む。
ここで、前記少なくとも2つの異なるタイプのターゲット特徴にそれぞれ関連付けられている第1ターゲットピクチャを取得した後、前記方法は、
前記顔特徴に対応するターゲット顔ピクチャ、前記人体特徴に対応するターゲット人体ピクチャ及び/又は前記車両特徴に対応するターゲット車両ピクチャをそれぞれ取得するステップと、
前記ターゲット顔ピクチャと前記ターゲット人体ピクチャが同一の第1ターゲットピクチャに対応し、且つ所定の空間的関係を有する場合、前記第1ターゲットピクチャ内の前記ターゲット顔ピクチャと前記ターゲット人体ピクチャを関連付け、前記ターゲット顔ピクチャと前記ターゲット車両ピクチャが同一の第1ターゲットピクチャに対応し、且つ所定の空間的関係を有する場合、前記第1ターゲットピクチャ内の前記ターゲット顔ピクチャと前記ターゲット車両ピクチャを関連付け、前記ターゲット人体ピクチャと前記ターゲット車両ピクチャが同一の第1ターゲットピクチャに対応し、且つ所定の空間的関係を有する場合、前記第1ターゲットピクチャ内の前記ターゲット人体ピクチャと前記ターゲット車両ピクチャを関連付けるステップと、を更に含む。
前記顔特徴に対応するターゲット顔ピクチャ、前記人体特徴に対応するターゲット人体ピクチャ及び/又は前記車両特徴に対応するターゲット車両ピクチャをそれぞれ取得するステップと、
前記ターゲット顔ピクチャと前記ターゲット人体ピクチャが同一の第1ターゲットピクチャに対応し、且つ所定の空間的関係を有する場合、前記第1ターゲットピクチャ内の前記ターゲット顔ピクチャと前記ターゲット人体ピクチャを関連付け、前記ターゲット顔ピクチャと前記ターゲット車両ピクチャが同一の第1ターゲットピクチャに対応し、且つ所定の空間的関係を有する場合、前記第1ターゲットピクチャ内の前記ターゲット顔ピクチャと前記ターゲット車両ピクチャを関連付け、前記ターゲット人体ピクチャと前記ターゲット車両ピクチャが同一の第1ターゲットピクチャに対応し、且つ所定の空間的関係を有する場合、前記第1ターゲットピクチャ内の前記ターゲット人体ピクチャと前記ターゲット車両ピクチャを関連付けるステップと、を更に含む。
ここで、前記少なくとも2つの異なるタイプのターゲット特徴が前記顔特徴を含む場合、前記第1ターゲットピクチャ内の前記ターゲット顔ピクチャと前記ターゲット車両ピクチャを関連付けた後、前記方法は、
前記ターゲット車両ピクチャに基づいて、前記ターゲット車両ピクチャに対応する第2ターゲットピクチャを取得するステップを更に含み、
少なくとも前記第1ターゲットピクチャに基づいて、前記ターゲット特徴に関連付けられている撮影時刻及び撮影地点を決定するステップは、
前記第1ターゲットピクチャ及び前記第2ターゲットピクチャに基づいて、前記ターゲット特徴に関連付けられている撮影時刻及び撮影地点を決定するステップを含む。
前記ターゲット車両ピクチャに基づいて、前記ターゲット車両ピクチャに対応する第2ターゲットピクチャを取得するステップを更に含み、
少なくとも前記第1ターゲットピクチャに基づいて、前記ターゲット特徴に関連付けられている撮影時刻及び撮影地点を決定するステップは、
前記第1ターゲットピクチャ及び前記第2ターゲットピクチャに基づいて、前記ターゲット特徴に関連付けられている撮影時刻及び撮影地点を決定するステップを含む。
ここで、前記少なくとも2つの異なるタイプのターゲット特徴が前記顔特徴を含む場合、前記第1ターゲットピクチャ内の前記ターゲット顔ピクチャと前記ターゲット人体ピクチャを関連付けた後、前記方法は、
前記ターゲット人体ピクチャに基づいて、前記ターゲット人体ピクチャに対応する第3ターゲットピクチャを取得するステップを更に含み、
少なくとも前記第1ターゲットピクチャに基づいて、前記ターゲット特徴に関連付けられている撮影時刻及び撮影地点を決定するステップは、
前記第1ターゲットピクチャ及び前記第3ターゲットピクチャに基づいて、前記ターゲット特徴に関連付けられている撮影時刻及び撮影地点を決定するステップを含む。
前記ターゲット人体ピクチャに基づいて、前記ターゲット人体ピクチャに対応する第3ターゲットピクチャを取得するステップを更に含み、
少なくとも前記第1ターゲットピクチャに基づいて、前記ターゲット特徴に関連付けられている撮影時刻及び撮影地点を決定するステップは、
前記第1ターゲットピクチャ及び前記第3ターゲットピクチャに基づいて、前記ターゲット特徴に関連付けられている撮影時刻及び撮影地点を決定するステップを含む。
ここで、前記所定の空間的関係は、
前記第1ターゲット関連ピクチャの画像カバレージ範囲が前記第2ターゲット関連ピクチャの画像カバレージ範囲を含むことと、
前記第1ターゲット関連ピクチャの画像カバレージ範囲と前記第2ターゲット関連ピクチャの画像カバレージ範囲が部分的に重なり合うことと、
前記第1ターゲット関連ピクチャの画像カバレージ範囲と前記第2ターゲット関連ピクチャの画像カバレージ範囲が連結していることと、のうちの少なくとも1つを含み、
前記第1ターゲット関連ピクチャは、前記ターゲット顔ピクチャ、前記ターゲット人体ピクチャ及び前記ターゲット車両ピクチャのうちのいずれか1つ又は複数を含み、前記第2ターゲット関連ピクチャは、前記ターゲット顔ピクチャ、前記ターゲット人体ピクチャ及び前記ターゲット車両ピクチャのうちのいずれか1つ又は複数を含む。
前記第1ターゲット関連ピクチャの画像カバレージ範囲が前記第2ターゲット関連ピクチャの画像カバレージ範囲を含むことと、
前記第1ターゲット関連ピクチャの画像カバレージ範囲と前記第2ターゲット関連ピクチャの画像カバレージ範囲が部分的に重なり合うことと、
前記第1ターゲット関連ピクチャの画像カバレージ範囲と前記第2ターゲット関連ピクチャの画像カバレージ範囲が連結していることと、のうちの少なくとも1つを含み、
前記第1ターゲット関連ピクチャは、前記ターゲット顔ピクチャ、前記ターゲット人体ピクチャ及び前記ターゲット車両ピクチャのうちのいずれか1つ又は複数を含み、前記第2ターゲット関連ピクチャは、前記ターゲット顔ピクチャ、前記ターゲット人体ピクチャ及び前記ターゲット車両ピクチャのうちのいずれか1つ又は複数を含む。
検索条件に合致した少なくとも2つの異なるタイプのターゲット特徴を取得するステップは、
少なくとも2つの前記検索条件を取得するステップと、
データベースから、前記少なくとも2つの検索条件のうちのいずれか1つの検索条件に合致したターゲット特徴を検索するステップと、を含む。
少なくとも2つの前記検索条件を取得するステップと、
データベースから、前記少なくとも2つの検索条件のうちのいずれか1つの検索条件に合致したターゲット特徴を検索するステップと、を含む。
ここで、前記検索条件は、身元検索条件、顔検索条件、人体検索条件及び車両検索条件のうちの少なくとも1つを含み、
ここで、前記ターゲット特徴に身元情報が事前関連付けられており、前記身元情報は、身元証明書情報、姓名情報及び身上調書情報のうちのいずれか1つである。
ここで、前記ターゲット特徴に身元情報が事前関連付けられており、前記身元情報は、身元証明書情報、姓名情報及び身上調書情報のうちのいずれか1つである。
ここで、データベースから、前記少なくとも2つの検索条件のうちのいずれか1つの検索条件に合致したターゲット特徴を検索するステップは、
少なくとも2つの検索条件のうちのいずれか1つの検索条件のサンプル特徴をクラスタ中心として、前記データベースにおけるターゲット特徴に対してクラスタリングを行い、前記クラスタ中心の所定の範囲内のターゲット特徴を、前記検索条件に合致したターゲット特徴とするステップを含む。
少なくとも2つの検索条件のうちのいずれか1つの検索条件のサンプル特徴をクラスタ中心として、前記データベースにおけるターゲット特徴に対してクラスタリングを行い、前記クラスタ中心の所定の範囲内のターゲット特徴を、前記検索条件に合致したターゲット特徴とするステップを含む。
本願は、ターゲット移動軌跡の構築機器を提供する。前記ターゲット移動軌跡の構築機器は、プロセッサと、メモリと、を備え、メモリにコンピュータプログラムが記憶されており、プロセッサは、コンピュータプログラムを実行し、上記ターゲット移動軌跡の構築方法のステップを実現させる。
本願は、コンピュータ可読記憶媒体を提供する。前記コンピュータ可読記憶媒体にコンピュータプログラムが記憶されており、コンピュータプログラムが実行される時、上記ターゲット移動軌跡の構築方法のステップを実現させる。
本願は、コンピュータプログラム製品を更に提供する。前記コンピュータプログラム製品における命令がプロセッサにより実行される時、前記いずれか一項に記載のターゲット移動軌跡の構築方法を実行する。
本願の有益な効果は以下の通りである。ターゲット移動軌跡の構築機器は、検索条件に合致した少なくとも2つの異なるタイプのターゲット特徴を取得し、少なくとも2つの異なるタイプのターゲット特徴は、少なくとも顔特徴、人体特徴及び車両特徴のうちの少なくとも2つを含み、少なくとも2つの異なるタイプのターゲット特徴にそれぞれ関連付けられている撮影時刻及び撮影地点を取得し、少なくとも2つの異なるタイプのターゲット特徴に関連付けられている撮影時刻と撮影地点の組み合わせに基づいて、ターゲット移動軌跡を生成する。上記方法により、本願は、検索条件に合致したターゲット特徴を入力し、ターゲット特徴に関連付けられている撮影時刻及び撮影地点に基づいて、ターゲット移動軌跡を生成することで、ターゲット移動軌跡の構築方法の実用性を向上させることができる。
本願の実施例における技術的解決手段をより明確に説明するために、以下、実施例の説明に必要な図面を簡単に説明する。勿論、以下の図面は本願の一部の実施例に過ぎず、当業者は創造的な労力を要することなく、これらの図面に基づいて他の図面を得ることもできる。
以下、本発明の実施例における図面を参照しながら、本発明の実施例における技術的解決手段を明瞭かつ完全に説明する。勿論、記述される実施例は、全ての実施例ではなく、ただ本発明の一部の実施例である。本発明における実施例に基づいて、当業者が創造的な労力なしに得られる他の実施例の全ては、本発明の保護の範囲に含まれる。
本願は、具体的なターゲット移動軌跡の構築方法を提供する。顔検索、人体検索及び車両検索並びにビデオ構造化技術の進歩によれば、本願が提供する方法は、複数のアルゴリズムを組み合わせることで、交通画像における顔情報、人体情報及び車両情報などの単一の検索対象又は複数の検索対象の組み合わせにより、検索結果を一括して取得し、全てのターゲット移動軌跡をマージして再現することができる。
具体的には、図1を参照する。図1は、本願によるターゲット移動軌跡の構築方法の第1実施例を示すフローチャートである。本願のターゲット移動軌跡の構築方法は、ターゲット移動軌跡の構築機器に適用される。ターゲット移動軌跡の構築機器は例えば、スマートフォン、タブレット、ノートパソコン、コンピュータ又はウェアラブル機器などの端末機器であってもよく、交通関所システムにおけるモニタリングシステムであってもよい。下記実施例の記述において、軌跡構築機器を用いてターゲット移動軌跡の構築方法を実行することについて説明する。
図1に示すように、本実施例のターゲット移動軌跡の構築方法は具体的には下記ステップを含む。
S101において、検索条件に合致した少なくとも2つの異なるタイプのターゲット特徴を取得し、少なくとも2つの異なるタイプのターゲット特徴は、少なくとも顔特徴、人体特徴及び車両特徴のうちの少なくとも2つを含む。
軌跡構築機器は、複数の画像データを取得する。画像データは、既存の交通ビッグデータオープンソースプラットフォーム又は交通管理部署から取得されてもよい。ここで、画像データは、時刻情報及び位置情報を含む。ここで、軌跡構築機器は、既存の交通ビッグデータオープンソースプラットフォーム又は交通管理部署からリアルタイムビデオストリームを取得し、リアルタイムビデオストリームに対して画像フレーム分割を行い、複数の画像データを得ることもできる。
具体的には、画像データは、例えば、経緯度(latitude、longitude)情報などのような、監視領域内の関所点位置情報を含む必要があり、また、所定の時間帯を含む必要もある。例えば、1ヶ月にわたる、関所でスナップショットされた通過車両記録データを含む。ここで、関所でスナップショットされた通過車両記録データは、時刻情報を含む。例えば、関所でスナップショットされた通過車両記録データに、経緯度などの位置情報が記憶されている。関所点位置情報は、関所でスナップショットされた通過車両記録データから直接的に抽出されてもよい。
極端な場合に、ある期間のスナップショット記録に全ての関所点に対応する画像データが含まれることを確保できないため、、監視領域内の全ての関所点に対応する画像データが欠落しないことを確保するために、この場合、端末機器は、既存の交通ビッグデータオープンソースプラットフォーム又は交通管理部署から全ての関所点位置情報を取得する必要がある。
オリジナル画像データ集合に一部の異常データが存在する可能性があるため、画像データを取得した後、端末機器は、画像データに対して前処理を行うことができる。具体的には、端末機器は、各画像データにスナップショット時刻の時刻情報及び経緯度情報の位置情報の全ての情報が含まれるかどうかを判定する。画像データに、時刻情報及び位置情報のうちのいずれか1つが足りない場合、端末機器は、後続において時空間上のデータの欠損が発生するという問題を避けるために、対応する画像データを直接的に削除する。
端末機器は、オリジナル画像データにおける重複データ、無効データをクリアする。これは、データ分析に寄与する。
ここで、軌跡構築機器は、複数の画像データに対してそれぞれターゲット検出を行う。具体的には、軌跡構築機器は、1つのターゲット検出アルゴリズム又は複数のターゲット検出アルゴリズムの組み合わせにより、画像データにおける全ての顔、人体及び/又は車両を検出し、全ての顔、人体及び/又は車両の特徴を抽出し、ターゲット特徴を形成する。
具体的には、ターゲット特徴は、データ画像から抽出された画像特徴及び/又は画像特徴に対して構造的解析を行うことで生成されたテキスト特徴を含んでもよい。画像特徴は、画像データにおける全ての顔特徴、人体特徴及び車両特徴を含む。テキスト特徴は、車両特徴に対して構造的解析を行うことで生成された特徴情報である。例えば、軌跡構築機器は、車両特徴に対して文字認識を行い、車両特徴におけるナンバープレート番号を得て、該ナンバープレート番号をテキスト特徴とすることができる。
更に、軌跡構築機器は、ユーザから入力された検索条件を受信し、検索条件に基づいて、動的データベースから、検索条件に合致したターゲット特徴を検索する。ここで、軌跡構築機器は、検索条件に合致した少なくとも2つの異なるタイプのターゲット特徴を取得する。少なくとも2つの異なるタイプのターゲット特徴は少なくとも、顔特徴、人体特徴及び車両特徴のうちの少なくとも2つを含む。複数のタイプのターゲット特徴を取得することは、十分な軌跡情報の抽出に寄与し、撮影ブレ、障害物による遮蔽などにより一部の重要な軌跡情報を失うことを避け、軌跡構築方法の正確性を向上させる。
ここで、検索条件は、警察が、現場調査、交番からの報告、スナップショット検索等のルートにより取得されたターゲットを検索するための顔人体画像、犯罪/逃走車両画像などであってもよく、又は、上記画像情報を含む任意の画像又はテキストであってもよい。
例えば、警察は軌跡構築機器に容疑者の顔人体画像を入力した後、軌跡構築機器は、顔人体画像に基づいて、動的データベースから、該顔人体画像に合致したターゲット特徴を検索する。
S102において、少なくとも2つの異なるタイプのターゲット特徴にそれぞれ関連付けられている撮影時刻及び撮影地点を取得する。
ここで、軌跡構築機器は、画像データのターゲット特徴を取得した後、該画像データの撮影時刻及び撮影地点を更に取得し、同一の画像データのターゲット特徴を、対応する撮影時刻及び撮影地点に関連付ける。関連付け方式は、同一の記憶スペースに記憶するという方式であってもよく、同一の識別番号を設定するという方式であってもよい。
具体的には、軌跡構築機器は、画像データの時刻情報から、ターゲット特徴の撮影時刻を取得し、軌跡構築機器は、画像データの位置情報から、ターゲット特徴の撮影地点を取得する。
軌跡構築機器は更に、関連付けられているターゲット特徴と撮影時刻及び撮影地点を動的データベースに記憶する。ここで、動的データベースは、サーバに設けられてもよく、ローカルメモリに設けられてもよく、クラウド側に設けられてもよい。
S103において、少なくとも2つの異なるタイプのターゲット特徴に関連付けられている撮影時刻と撮影地点の組み合わせに基づいて、ターゲット移動軌跡を生成する。
ここで、軌跡構築機器は、動的データベースから、検索条件に合致したターゲット特徴に関連付けられている撮影時刻及び撮影地点を抽出し、ターゲット特徴の順番に従って、即ち、撮影時刻順に従って、撮影地点を結び、ターゲット移動軌跡を生成する。
本実施例において、ターゲット移動軌跡の構築機器は、検索条件に合致した少なくとも2つの異なるタイプのターゲット特徴を取得し、少なくとも2つの異なるタイプのターゲット特徴は、少なくとも顔特徴、人体特徴及び車両特徴のうちの少なくとも2つを含み、少なくとも2つの異なるタイプのターゲット特徴にそれぞれ関連付けられている撮影時刻及び撮影地点を取得し、少なくとも2つの異なるタイプのターゲット特徴に関連付けられている撮影時刻と撮影地点の組み合わせに基づいて、ターゲット移動軌跡を生成する。上記方法により、本願は、検索条件に合致したターゲット特徴を入力し、ターゲット特徴に関連付けられている撮影時刻及び撮影地点に基づいて、ターゲット移動軌跡を生成することで、ターゲット移動軌跡の構築方法の実用性を向上させることができる。
上記実施例のS101を基に、本願は、もう1つの具体的なターゲット移動軌跡の構築方法を更に提供する。具体的には、図2を参照する。図2は、本願によるターゲット移動軌跡方法の第2実施例を示すフローチャートである。
図2に示すように、本実施例のターゲット移動軌跡の構築方法は具体的には下記ステップを含む。
S201において、少なくとも2つの検索条件を取得する。
ここで、本願に示す少なくとも2つの検索条件は、顔検索条件、人体検索条件及び車両検索条件のうちの少なくとも2つを含む。上記検索条件のタイプによれば、本願は、対応する検索方式を更に提供する。
具体的には、軌跡構築機器は、1つの画像データを取得し、顔、人体、車両などの任意のターゲット又はターゲット組み合わせを検索条件とした場合、軌跡構築機器により自動的に呼び出される検索アルゴリズムのタイプはそれぞれ以下の通りである。
S202において、データベースから、少なくとも2つの検索条件のうちのいずれか1つの検索条件に合致したターゲット特徴を検索する。
ここで、軌跡構築機器は、動的データベースから、必要なターゲット特徴を検索する場合、ターゲット特徴とユーザにより入力された少なくとも2つの検索条件に対してそれぞれマッチングを行い、少なくとも2つの検索条件のうちのいずれか1つの検索条件に合致したターゲット特徴を選択する。
例えば、ユーザにより入力された2つの検索条件はそれぞれ顔検索条件及び車両検索条件である場合、軌跡構築機器は、顔検索条件及び車両検索条件に基づいて、動的データベースから、検索を行い、顔検索条件及び車両検索条件のうちの少なくとも1つの検索条件に合致したターゲット特徴を抽出する。これにより、ターゲット特徴に対する多次元検索を実現させ、単一次元検索による軌跡点の欠落の問題を避ける。
ここで、顔検索条件に基づいた顔検索方式は具体的に、ユーザからアップロードされた画像における顔と動的データベース内のターゲット特徴の顔を比較し、類似度が所定の閾値を超えるターゲット特徴を返信することである。顔検索条件及び人体検索条件に基づいた融合検索方式は、具体的には、ユーザからアップロードされた画像における顔又は人体を動的データベース内のターゲット特徴の顔又は人体と比較し、類似度が所定の閾値を超えるターゲット特徴を返信することである。車両検索条件に基づいた車両検索方式は具体的に、ユーザからアップロードされた画像における車両を動的データベース内のターゲット特徴の車両と比較し、類似度が所定の閾値を超えるターゲット特徴を返信することである。車両検索方式は、ユーザから入力されたナンバープレート番号に基づいて、動的データベースにおける構造的抽出されたナンバープレート番号を検索し、ナンバープレート番号に対応するターゲット特徴を返信することであってもよい。顔検索条件に基づいた顔検索方式は具体的に、ユーザが身元証明書情報、姓名情報及び身上調書情報のうちのいずれか1つを入力し、上記情報を、該当する身元情報に関連付けられているターゲット特徴とマッチングすることである。例えば、警察は容疑者を追跡する必要がある場合、軌跡構築機器に該容疑者の身元認識情報を入力することができる。身元認識情報は、身上調書ID、姓名、身元証明書及びナンバープレート番号のうちのいずれか1つであってもよい。
具体的には、軌跡構築機器は、ユーザにより入力された少なくとも2つの検索条件のうちのいずれか1つの検索条件のサンプル特徴をクラスタ中心として、データベースにおけるターゲット特徴に対してクラスタリングを行い、クラスタ中心の所定の範囲内のターゲット特徴を、検索条件に合致したターゲット特徴とする。
本実施例において、軌跡構築機器は、顔検索条件、人体検索条件、車両検索条件及び身元検索条件のうちのいずれか2つの検索条件により、ターゲット特徴を検索することで、多次元検索を実現させることができ、検索の精度及び効率を向上させる。
上記実施例のS102を基に、本願は、また1つの具体的なターゲット移動軌跡の構築方法を更に提供する。具体的には、図3を参照する。図3は、本願によるターゲット移動軌跡の構築方法の第3実施例を示すフローチャートである。
図3に示すように、本実施例のターゲット移動軌跡の構築方法は具体的には下記ステップを含む。
S301において、少なくとも2つの異なるタイプのターゲット特徴のうちの1つのタイプのターゲット特徴をプライマリーターゲット特徴として、他のタイプのターゲット特徴をセカンダリターゲット特徴とする。
ここで、顔特徴は、全てのターゲット特徴のうち、表現力が最も高い特徴タイプであるため、軌跡構築機器は、顔特徴をプライマリーターゲット特徴とし、人体特徴及び車両特徴などのような他のタイプのターゲット特徴をセカンダリターゲット特徴とする。
S302において、プライマリーターゲット特徴の撮影時刻と撮影地点、及びセカンダリターゲット特徴の撮影時刻と撮影地点に基づいて、セカンダリターゲット特徴と前記プライマリーターゲット特徴との相対的位置がターゲットの移動規律に合致するかどうかを判定する。
具体的には、軌跡構築機器は、隣接するプライマリーターゲット特徴とセカンダリターゲット特徴を取得し、プライマリーターゲット特徴の撮影地点及びセカンダリターゲット特徴の撮影地点に基づいて変位差を算出し、プライマリーターゲット特徴の撮影時刻及びセカンダリターゲット特徴の撮影時刻に基づいて、時刻差を算出する。更に、軌跡構築機器は、変位差及び時刻差に基づいて、プライマリーターゲット特徴とセカンダリターゲット特徴との移動速度を算出する。
S303において、ターゲットの移動規律に合致しなければ、前記セカンダリターゲット特徴に関連付けられている撮影時刻及び撮影地点を削除する。
ここで、軌跡構築機器は、道路の最大制限速度、区間速度測定データ、履歴歩行者データなどに基づいて、移動速度閾値を事前設定することができる。プライマリーターゲット特徴とセカンダリターゲット特徴との移動速度が所定の移動速度閾値より大きい場合、プライマリーターゲット特徴とセカンダリターゲット特徴を正常に関連付けることができないことを示し、更に、セカンダリターゲット特徴に関連付けられている撮影時刻及び撮影地点を削除する。
本実施例において、軌跡構築機器は、ターゲット特徴間の関係を検出することで、ターゲットの移動規律に合致するかどうかを判定する。これにより、誤ったターゲット特徴に関連付けられている撮影時刻及び撮影地点を削除し、ターゲット移動軌跡の構築方法の正確性を向上させる。
上記実施例のS103を基に、本願は、また1つの具体的なターゲット移動軌跡の構築方法を更に提供する。具体的には、図4を参照する。図4は、本願によるターゲット移動軌跡の構築方法の第4実施例を示すフローチャートである。
図4に示すように、本実施例のターゲット移動軌跡の構築方法は具体的には下記ステップを含む。
S401において、少なくとも2つの異なるタイプのターゲット特徴にそれぞれ対応する第1ターゲットピクチャを取得する。
ここで、軌跡構築機器は、第1ターゲットピクチャを取得し、第1ターゲットピクチャに少なくとも2つの異なるタイプのターゲット特徴が含まれる。
具体的には、軌跡構築機器は、顔特徴に対応するターゲット顔ピクチャ、人体特徴に対応するターゲット人体ピクチャ及び車両特徴に対応するターゲット車両ピクチャをそれぞれ取得する。上記ピクチャは、同一の第1ターゲットピクチャに存在してもよい。
ターゲット顔ピクチャ、ターゲット人体ピクチャ及び/又はターゲット車両ピクチャが同一のターゲットピクチャに存在する場合、軌跡構築機器は更に、所定の空間的関係に基づいて、ターゲット顔ピクチャ、ターゲット人体ピクチャ及び/又はターゲット車両ピクチャを関連付ける。
ここで、ターゲット顔ピクチャ及びターゲット車両ピクチャを例として、所定の空間的関係は、ターゲット車両ピクチャの画像カバレージ範囲がターゲット顔ピクチャの画像カバレージ範囲を含むことと、ターゲット車両ピクチャの画像カバレージ範囲とターゲット顔ピクチャの画像カバレージ範囲が部分的に重なり合うことと、ターゲット車両ピクチャの画像カバレージ範囲とターゲット顔ピクチャの画像カバレージ範囲が連結していることと、のうちの少なくとも1つを含む。
本実施例において、所定の空間的関係に基づいて、ターゲット顔ピクチャ、ターゲット人体ピクチャ及びターゲット車両ピクチャに関連付け関係が存在するかどうかを判定することで、顔、人体及び車両の間の関係を迅速に認識することができる。例えば、運転手が自動車を運転する場合、ターゲット車両ピクチャのカバレージ範囲は、車両内部の運転手のターゲット顔ピクチャのカバレージ範囲を含む。従って、両者に関連付け関係が存在すると判定し、相互関連付けを行う。乗り手が電動バイクに乗る場合、乗り手のターゲット人体ピクチャの画像カバレージ範囲とターゲット車両ピクチャの画像カバレージ範囲が部分的に重なり合う。従って、両者に関連付け関係が存在すると判定し、相互関連付けを行う。
少なくとも2つの異なるタイプのターゲット特徴が顔特徴を含む場合、第1ターゲットピクチャ内の前記ターゲット顔ピクチャとターゲット車両ピクチャを関連付けた後、軌跡構築機器は、ターゲット車両ピクチャに基づいて、ターゲット車両ピクチャに対応する第2ターゲットピクチャを取得する。又は、少なくとも2つの異なるタイプのターゲット特徴が顔特徴を含む場合、第1ターゲットピクチャ内のターゲット顔ピクチャとターゲット人体ピクチャを関連付けた後、軌跡構築機器は、ターゲット人体ピクチャに基づいて、ターゲット人体ピクチャに対応する第3ターゲットピクチャを取得する。
ターゲット車両ピクチャに対応する第2ターゲットピクチャ及びターゲット人体ピクチャに対応する第3ターゲットピクチャを取得する目的は、1つのターゲットピクチャにターゲット顔画像が含まれない場合、関連付け関係及びターゲット車両ピクチャ及び/又はターゲット人体ピクチャに基づいてターゲット顔画像を検索し、ターゲット移動軌跡を構築するための軌跡情報を豊かにすることである。
S402において、少なくとも第1ターゲットピクチャに基づいて、ターゲット特徴に関連付けられている撮影時刻及び撮影地点を決定する。
軌跡構築機器は、第1ターゲットピクチャ、第2ターゲットピクチャ及び/又は第3ターゲットピクチャに基づいて、ターゲット特徴に関連付けられている撮影時刻及び撮影地点を決定する。
上記実施例のターゲット移動軌跡の構築方法を実現させるために、本願は、ターゲット移動軌跡の構築機器を更に提供する。具体的には、図5を参照する。図5は、本願によるターゲット移動軌跡の構築機器の1つの実施例の構造を示す概略図である。
本実施例のターゲット移動軌跡の構築機器500は、上記任意の実施例におけるターゲット移動軌跡の構築方法を実行又は実現するために用いられる。図5に示すように、ターゲット移動軌跡の構築機器500は、検索モジュール51と、取得モジュール52と、軌跡構築モジュール53と、を備える。
ここで、検索モジュール51は、検索条件に合致した少なくとも2つの異なるタイプのターゲット特徴を取得するように構成され、少なくとも2つの異なるタイプのターゲット特徴は、少なくとも顔特徴、人体特徴及び車両特徴のうちの少なくとも2つを含む。
取得モジュール52は、少なくとも2つの異なるタイプのターゲット特徴にそれぞれ関連付けられている撮影時刻及び撮影地点を取得するように構成される。
軌跡構築モジュール53は、前記少なくとも2つの異なるタイプのターゲット特徴に関連付けられている撮影時刻と撮影地点の組み合わせに基づいて、ターゲット移動軌跡を生成するように構成される。
幾つかの実施例において、軌跡構築モジュール53は更に、少なくとも2つの異なるタイプのターゲット特徴のうちの1つのタイプのターゲット特徴をプライマリーターゲット特徴として、他のタイプのターゲット特徴をセカンダリターゲット特徴とし、プライマリーターゲット特徴の撮影時刻と撮影地点、及びセカンダリターゲット特徴の撮影時刻と撮影地点に基づいて、セカンダリターゲット特徴とプライマリーターゲット特徴との相対的位置がターゲットの移動規律に合致するかどうかを判定し、ターゲットの移動規律に合致しなければ、セカンダリターゲット特徴に関連付けられている撮影時刻及び撮影地点を削除するように構成される。
幾つかの実施例において、軌跡構築モジュール53は更に、プライマリーターゲット特徴の撮影地点及びセカンダリターゲット特徴の撮影地点に基づいて、位置差を算出し、プライマリーターゲット特徴の撮影時刻及びセカンダリターゲット特徴の撮影時刻に基づいて、時刻差を算出し、位置差及び時刻差に基づいて、移動速度を算出し、移動速度が所定の移動速度閾値より大きい場合、セカンダリターゲット特徴とプライマリーターゲット特徴との相対的位置がターゲットの移動規律に合致しないと判定するように構成される。
幾つかの実施例において、取得モジュール52は更に、少なくとも2つの異なるタイプのターゲット特徴にそれぞれ対応する第1ターゲットピクチャを取得し、少なくとも第1ターゲットピクチャに基づいて、ターゲット特徴に関連付けられている撮影時刻及び撮影地点を決定するように構成される。
幾つかの実施例において、取得モジュール52は更に、顔特徴に対応するターゲット顔ピクチャ、人体特徴に対応するターゲット人体ピクチャ及び/又は車両特徴に対応するターゲット車両ピクチャをそれぞれ取得し、ターゲット顔ピクチャとターゲット人体ピクチャが同一の第1ターゲットピクチャに対応し、且つ所定の空間的関係を有する場合、第1ターゲットピクチャ内のターゲット顔ピクチャとターゲット人体ピクチャを関連付け、ターゲット顔ピクチャとターゲット車両ピクチャが同一の第1ターゲットピクチャに対応し、且つ所定の空間的関係を有する場合、第1ターゲットピクチャ内のターゲット顔ピクチャとターゲット車両ピクチャを関連付け、ターゲット人体ピクチャとターゲット車両ピクチャが同一の第1ターゲットピクチャに対応し、且つ所定の空間的関係を有する場合、第1ターゲットピクチャ内のターゲット人体ピクチャとターゲット車両ピクチャを関連付けるように構成される。
幾つかの実施例において、少なくとも2つの異なるタイプのターゲット特徴が顔特徴を含む場合、第1ターゲットピクチャ内のターゲット顔ピクチャとターゲット車両ピクチャを関連付けた後、取得モジュール52は更に、ターゲット車両ピクチャに基づいて、ターゲット車両ピクチャに対応する第2ターゲットピクチャを取得し、第1ターゲットピクチャ及び第2ターゲットピクチャに基づいて、ターゲット特徴に関連付けられている撮影時刻及び撮影地点を決定するように構成される。
幾つかの実施例において、少なくとも2つの異なるタイプのターゲット特徴が顔特徴を含む場合、第1ターゲットピクチャ内のターゲット顔ピクチャとターゲット車両ピクチャを関連付けた後、取得モジュール52は更に、ターゲット人体ピクチャに基づいて、ターゲット人体ピクチャに対応する第3ターゲットピクチャを取得し、第1ターゲットピクチャ及び第3ターゲットピクチャに基づいて、ターゲット特徴に関連付けられている撮影時刻及び撮影地点を決定するように構成される。
幾つかの実施例において、所定の空間的関係は、第1ターゲット関連ピクチャの画像カバレージ範囲が第2ターゲット関連ピクチャの画像カバレージ範囲を含むことと、第1ターゲット関連ピクチャの画像カバレージ範囲と第2ターゲット関連ピクチャの画像カバレージ範囲が部分的に重なり合うことと、第1ターゲット関連ピクチャの画像カバレージ範囲と第2ターゲット関連ピクチャの画像カバレージ範囲が連結していることと、のうちの少なくとも1つを含み、第1ターゲット関連ピクチャは、ターゲット顔ピクチャ、ターゲット人体ピクチャ及びターゲット車両ピクチャのうちのいずれか1つ又は複数を含み、第2ターゲット関連ピクチャは、ターゲット顔ピクチャ、ターゲット人体ピクチャ及びターゲット車両ピクチャのうちのいずれか1つ又は複数を含む。
幾つかの実施例において、検索モジュール51は更に、少なくとも2つの検索条件を取得し、データベースから、少なくとも2つの検索条件のうちのいずれか1つの検索条件に合致したターゲット特徴を検索するように構成される。
幾つかの実施例において、検索条件は、身元検索条件、顔検索条件、人体検索条件及び車両検索条件のうちの少なくとも1つを含む。ターゲット特徴に身元情報が事前関連付けられており、身元情報は、身元証明書情報、姓名情報及び身上調書情報のうちのいずれか1つである。
幾つかの実施例において、検索モジュール51は更に、少なくとも2つの検索条件のうちのいずれか1つの検索条件のサンプル特徴をクラスタ中心として、データベースにおけるターゲット特徴に対してクラスタリングを行い、クラスタ中心の所定の範囲内のターゲット特徴を、検索条件に合致したターゲット特徴とするように構成される。
上記実施例のターゲット移動軌跡の構築方法を実現させるために、本願は、もう1つのターゲット移動軌跡の構築機器を更に提供する。具体的には、図6を参照する。図6は、本願によるターゲット移動軌跡の構築機器のもう1つの実施例の構造を示す概略図である。
図6に示すように、本実施例のターゲット移動軌跡の構築機器600は、プロセッサ61と、メモリ62と、入力出力機器63と、バス64と、を備える。
該プロセッサ61、メモリ62、入力出力機器63はそれぞれバス64に接続される。該メモリ62にコンピュータプログラムが記憶されており、プロセッサ61は、コンピュータプログラムを実行し、上記実施例のターゲット移動軌跡の構築方法を実現させる。
本実施例において、プロセッサ61は、CPU(Central Processing Unit:中央演算装置)と呼ばれてもよい。プロセッサ61は、信号処理能力を持つ集積回路チップであってもよい。プロセッサ61は、汎用プロセッサ、デジタル信号プロセッサ(DSP)、特定用途向け集積回路(ASIC)、フィールドプログラマブルゲートアレイ(FPGA)又は他のプログラマブルゲートアレイ、ディスクリートゲート又はトランジスタ論理デバイス、ディスクリートハードウェアコンポーネントであってもよい。プロセッサ61は、GPU(Graphics Processing Unit:グラフィックプロセッサ)であってもよい。これは、表示コア、ビジョンプロセッサ、表示チップとも呼ばれ、パソコン、ワークステーション、ゲーム機及び幾つかの携帯機器(例えば、タブレット、スマートフォンなど)で画像演算動作を行うマイクロプロセッサである。GPUの用途は、コンピュータシステムに必要な表示情報を変換して駆動し、ディスプレイに行走査信号を供給し、ディスプレイを、正確な表示を行うように制御することである。これは、ディスプレイとパソコンのマザーボードを接続するための重要な素子であり、「ヒューマンマシン対話」のための重要な機器の1つである。グラフィックカードは、コンピュータホストの重要な構成部として、表示グラフィックを出力するタスクを担う。専門的なラフィックデザイナにとって、グラフィックカードは非常に重要である。汎用プロセッサは、マイクロプロセッサであってもよく、又は、該プロセッサ51は、如何なる従来のプロセッサなどであってもよい。
本願は、コンピュータ可読記憶媒体を更に提供する。図7に示すように、コンピュータ可読記憶媒体700は、コンピュータプログラム71を記憶するように構成される。コンピュータプログラム71がプロセッサにより実現される時、本願のターゲット移動軌跡の構築方法の実施例に記載の方法を実現させる。
本願のターゲット移動軌跡の構築方法の実施例に係わる方法は、ソフトウェア機能ユニットの形で実現され、かつ独立した製品として販売または使用されるとき、コンピュータにより読み取り可能な記憶媒体のような機器内に記憶されてもよい。このような理解のもと、本願の実施例の技術的解決手段は、本質的に、又は、従来技術に対して貢献をもたらした部分又は該技術的解決手段の一部は、ソフトウェア製品の形式で具現することができ、このようなコンピュータソフトウェア製品は、記憶媒体に記憶しても良く、また、1台のコンピュータ機器(パソコン、サーバ、又はネットワーク機器など)又はプロセッサ(processor)に、本願の各実施例に記載の方法の全部又は一部のステップを実行させるための若干の命令を含む。前記の記憶媒体は、USBメモリ、リムーバブルハードディスク、読み出し専用メモリ(ROM:Read Only Memory)、ランダムアクセスメモリ(RAM:Random Access Memory)、磁気ディスク又は光ディスクなどの、プログラムコードを記憶できる種々の媒体を含む。又は、コンピュータ、サーバ、携帯電話、タブレットなどの端末機器を含む。
以上は、本願の実施形態だけであり、本願の特許請求の範囲を限定するものではない、本願の明細書及び図面による同等の構造又は同等のプロセスの変換に対する利用、又は他の関連技術分野における直接的又は間接的な利用のすべてが本願の特許請求の範囲に属する。
本願は、コンピュータプログラム製品を更に提供する。前記コンピュータプログラム製品における命令がプロセッサにより実行される時、前記いずれか一項に記載のターゲット移動軌跡の構築方法を実行する。
例えば、本願は以下の項目を提供する。
(項目1)
ターゲット移動軌跡の構築方法であって、
検索条件に合致した少なくとも2つの異なるタイプのターゲット特徴を取得するステップであって、前記少なくとも2つの異なるタイプのターゲット特徴は、少なくとも顔特徴、人体特徴及び車両特徴のうちの少なくとも2つを含む、ステップと、
前記少なくとも2つの異なるタイプのターゲット特徴にそれぞれ関連付けられている撮影時刻及び撮影地点を取得するステップと、
前記少なくとも2つの異なるタイプのターゲット特徴に関連付けられている撮影時刻と撮影地点の組み合わせに基づいて、ターゲット移動軌跡を生成するステップと、を含む、ターゲット移動軌跡の構築方法。
(項目2)
前記少なくとも2つの異なるタイプのターゲット特徴に関連付けられている撮影時刻と撮影地点の組み合わせに基づいて、ターゲット移動軌跡を生成するステップは、
前記少なくとも2つの異なるタイプのターゲット特徴のうちの1つのタイプのターゲット特徴をプライマリーターゲット特徴として、他のタイプのターゲット特徴をセカンダリターゲット特徴とするステップと、
前記プライマリーターゲット特徴の撮影時刻と撮影地点、及び前記セカンダリターゲット特徴の撮影時刻と撮影地点に基づいて、前記セカンダリターゲット特徴と前記プライマリーターゲット特徴との相対的位置がターゲットの移動規律に合致するかどうかを判定するステップと、
ターゲットの移動規律に合致しなければ、前記セカンダリターゲット特徴に関連付けられている撮影時刻及び撮影地点を削除するステップと、を更に含むことを特徴とする
項目1に記載の方法。
(項目3)
前記プライマリーターゲット特徴の撮影時刻と撮影地点、及び前記セカンダリターゲット特徴の撮影時刻と撮影地点に基づいて、前記セカンダリターゲット特徴と前記プライマリーターゲット特徴との相対的位置がターゲットの移動規律に合致するかどうかを判定するステップは、
前記プライマリーターゲット特徴の撮影地点及び前記セカンダリターゲット特徴の撮影地点に基づいて、位置差を算出するステップと、
前記プライマリーターゲット特徴の撮影時刻及び前記セカンダリターゲット特徴の撮影時刻に基づいて、時刻差を算出するステップと、
前記位置差及び前記時刻差に基づいて、移動速度を算出し、前記移動速度が所定の移動速度閾値より大きい場合、前記セカンダリターゲット特徴と前記プライマリーターゲット特徴との相対的位置がターゲットの移動規律に合致しないと判定するステップと、を更に含むことを特徴とする
項目2に記載の方法。
(項目4)
前記少なくとも2つの異なるタイプのターゲット特徴にそれぞれ関連付けられている撮影時刻及び撮影地点を取得するステップは、
前記少なくとも2つの異なるタイプのターゲット特徴にそれぞれ対応する第1ターゲットピクチャを取得するステップと、
少なくとも前記第1ターゲットピクチャに基づいて、前記ターゲット特徴に関連付けられている撮影時刻及び撮影地点を決定するステップと、を含むことを特徴とする
項目1又は2に記載の方法。
(項目5)
前記少なくとも2つの異なるタイプのターゲット特徴にそれぞれ関連付けられている第1ターゲットピクチャを取得した後、前記方法は、
前記顔特徴に対応するターゲット顔ピクチャ、前記人体特徴に対応するターゲット人体ピクチャ及び/又は前記車両特徴に対応するターゲット車両ピクチャをそれぞれ取得するステップと、
前記ターゲット顔ピクチャと前記ターゲット人体ピクチャが同一の第1ターゲットピクチャに対応し、且つ所定の空間的関係を有する場合、前記第1ターゲットピクチャ内の前記ターゲット顔ピクチャと前記ターゲット人体ピクチャを関連付け、前記ターゲット顔ピクチャと前記ターゲット車両ピクチャが同一の第1ターゲットピクチャに対応し、且つ所定の空間的関係を有する場合、前記第1ターゲットピクチャ内の前記ターゲット顔ピクチャと前記ターゲット車両ピクチャを関連付け、前記ターゲット人体ピクチャと前記ターゲット車両ピクチャが同一の第1ターゲットピクチャに対応し、且つ所定の空間的関係を有する場合、前記第1ターゲットピクチャ内の前記ターゲット人体ピクチャと前記ターゲット車両ピクチャを関連付けるステップと、を更に含むことを特徴とする
項目4に記載の方法。
(項目6)
前記少なくとも2つの異なるタイプのターゲット特徴が前記顔特徴を含む場合、前記第1ターゲットピクチャ内の前記ターゲット顔ピクチャと前記ターゲット車両ピクチャを関連付けた後、前記方法は、
前記ターゲット車両ピクチャに基づいて、前記ターゲット車両ピクチャに対応する第2ターゲットピクチャを取得するステップを更に含み、
少なくとも前記第1ターゲットピクチャに基づいて、前記ターゲット特徴に関連付けられている撮影時刻及び撮影地点を決定するステップは、
前記第1ターゲットピクチャ及び前記第2ターゲットピクチャに基づいて、前記ターゲット特徴に関連付けられている撮影時刻及び撮影地点を決定するステップを含むことを特徴とする
項目5に記載の方法。
(項目7)
前記少なくとも2つの異なるタイプのターゲット特徴が前記顔特徴を含む場合、前記第1ターゲットピクチャ内の前記ターゲット顔ピクチャと前記ターゲット人体ピクチャを関連付けた後、前記方法は、
前記ターゲット人体ピクチャに基づいて、前記ターゲット人体ピクチャに対応する第3ターゲットピクチャを取得するステップを更に含み、
少なくとも前記第1ターゲットピクチャに基づいて、前記ターゲット特徴に関連付けられている撮影時刻及び撮影地点を決定するステップは、
前記第1ターゲットピクチャ及び前記第3ターゲットピクチャに基づいて、前記ターゲット特徴に関連付けられている撮影時刻及び撮影地点を決定するステップを含むことを特徴とする
項目5に記載の方法。
(項目8)
前記所定の空間的関係は、
第1ターゲット関連ピクチャの画像カバレージ範囲が第2ターゲット関連ピクチャの画像カバレージ範囲を含むことと、
前記第1ターゲット関連ピクチャの画像カバレージ範囲と前記第2ターゲット関連ピクチャの画像カバレージ範囲が部分的に重なり合うことと、
前記第1ターゲット関連ピクチャの画像カバレージ範囲と前記第2ターゲット関連ピクチャの画像カバレージ範囲が連結していることと、のうちの少なくとも1つを含み、
前記第1ターゲット関連ピクチャは、前記ターゲット顔ピクチャ、前記ターゲット人体ピクチャ及び前記ターゲット車両ピクチャのうちのいずれか1つ又は複数を含み、前記第2ターゲット関連ピクチャは、前記ターゲット顔ピクチャ、前記ターゲット人体ピクチャ及び前記ターゲット車両ピクチャのうちのいずれか1つ又は複数を含むことを特徴とする
項目5-7のいずれか一項に記載の方法。
(項目9)
検索条件に合致した少なくとも2つの異なるタイプのターゲット特徴を取得するステップは、
少なくとも2つの前記検索条件を取得するステップと、
データベースから、前記少なくとも2つの検索条件のうちのいずれか1つの検索条件に合致したターゲット特徴を検索するステップと、を含むことを特徴とする
項目1に記載の方法。
(項目10)
前記検索条件は、身元検索条件、顔検索条件、人体検索条件及び車両検索条件のうちの少なくとも1つを含み、
ここで、前記ターゲット特徴に身元情報が事前関連付けられており、前記身元情報は、身元証明書情報、姓名情報及び身上調書情報のうちのいずれか1つであることを特徴とする
項目9に記載の方法。
(項目11)
データベースから、前記少なくとも2つの検索条件のうちのいずれか1つの検索条件に合致したターゲット特徴を検索するステップは、
少なくとも2つの検索条件のうちのいずれか1つの検索条件のサンプル特徴をクラスタ中心として、前記データベースにおけるターゲット特徴に対してクラスタリングを行い、前記クラスタ中心の所定の範囲内のターゲット特徴を、前記検索条件に合致したターゲット特徴とするステップを含むことを特徴とする
項目9に記載の方法。
(項目12)
ターゲット移動軌跡の構築機器であって、前記機器は、検索モジュールと、取得モジュールと、軌跡構築モジュールと、を備え、
前記検索モジュールは、検索条件に合致した少なくとも2つの異なるタイプのターゲット特徴を取得するように構成され、前記少なくとも2つの異なるタイプのターゲット特徴は、少なくとも顔特徴、人体特徴及び車両特徴のうちの少なくとも2つを含み、
前記取得モジュールは、前記少なくとも2つの異なるタイプのターゲット特徴にそれぞれ関連付けられている撮影時刻及び撮影地点を取得するように構成され、
前記軌跡構築モジュールは、前記少なくとも2つの異なるタイプのターゲット特徴に関連付けられている撮影時刻と撮影地点の組み合わせに基づいて、ターゲット移動軌跡を生成するように構成される、ターゲット移動軌跡の構築機器。
(項目13)
前記軌跡構築モジュールは更に、
前記少なくとも2つの異なるタイプのターゲット特徴のうちの1つのタイプのターゲット特徴をプライマリーターゲット特徴として、他のタイプのターゲット特徴をセカンダリターゲット特徴とし、
前記プライマリーターゲット特徴の撮影時刻と撮影地点、及び前記セカンダリターゲット特徴の撮影時刻と撮影地点に基づいて、前記セカンダリターゲット特徴と前記プライマリーターゲット特徴との相対的位置がターゲットの移動規律に合致するかどうかを判定し、
ターゲットの移動規律に合致しなければ、前記セカンダリターゲット特徴に関連付けられている撮影時刻及び撮影地点を削除するように構成されることを特徴とする
項目12に記載のターゲット移動軌跡の構築機器。
(項目14)
前記軌跡構築モジュールは更に、
前記プライマリーターゲット特徴の撮影地点及び前記セカンダリターゲット特徴の撮影地点に基づいて、位置差を算出し、
前記プライマリーターゲット特徴の撮影時刻及び前記セカンダリターゲット特徴の撮影時刻に基づいて、時刻差を算出し、
前記位置差及び前記時刻差に基づいて、移動速度を算出し、前記移動速度が所定の移動速度閾値より大きい場合、前記セカンダリターゲット特徴と前記プライマリーターゲット特徴との相対的位置がターゲットの移動規律に合致しないと判定するように構成されることを特徴とする
項目13に記載のターゲット移動軌跡の構築機器。
(項目15)
前記取得モジュールは更に、
前記少なくとも2つの異なるタイプのターゲット特徴にそれぞれ対応する第1ターゲットピクチャを取得し、
少なくとも前記第1ターゲットピクチャに基づいて、前記ターゲット特徴に関連付けられている撮影時刻及び撮影地点を決定するように構成されることを特徴とする
項目12又は13に記載のターゲット移動軌跡の構築機器。
(項目16)
前記取得モジュールは更に、
前記顔特徴に対応するターゲット顔ピクチャ、前記人体特徴に対応するターゲット人体ピクチャ及び/又は前記車両特徴に対応するターゲット車両ピクチャをそれぞれ取得し、
前記ターゲット顔ピクチャと前記ターゲット人体ピクチャが同一の第1ターゲットピクチャに対応し、且つ所定の空間的関係を有する場合、前記第1ターゲットピクチャ内の前記ターゲット顔ピクチャと前記ターゲット人体ピクチャを関連付け、前記ターゲット顔ピクチャと前記ターゲット車両ピクチャが同一の第1ターゲットピクチャに対応し、且つ所定の空間的関係を有する場合、前記第1ターゲットピクチャ内の前記ターゲット顔ピクチャと前記ターゲット車両ピクチャを関連付け、前記ターゲット人体ピクチャと前記ターゲット車両ピクチャが同一の第1ターゲットピクチャに対応し、且つ所定の空間的関係を有する場合、前記第1ターゲットピクチャ内の前記ターゲット人体ピクチャと前記ターゲット車両ピクチャを関連付けるように構成されることを特徴とする
項目15に記載のターゲット移動軌跡の構築機器。
(項目17)
前記少なくとも2つの異なるタイプのターゲット特徴が前記顔特徴を含む場合、前記第1ターゲットピクチャ内の前記ターゲット顔ピクチャと前記ターゲット車両ピクチャを関連付けた後、前記取得モジュールは更に、前記ターゲット車両ピクチャに基づいて、前記ターゲット車両ピクチャに対応する第2ターゲットピクチャを取得し、
前記第1ターゲットピクチャ及び前記第2ターゲットピクチャに基づいて、前記ターゲット特徴に関連付けられている撮影時刻及び撮影地点を決定するように構成されることを特徴とする
項目16に記載のターゲット移動軌跡の構築機器。
(項目18)
前記少なくとも2つの異なるタイプのターゲット特徴が前記顔特徴を含む場合、前記第1ターゲットピクチャ内の前記ターゲット顔ピクチャと前記ターゲット人体ピクチャを関連付けた後、前記取得モジュールは更に、
前記ターゲット人体ピクチャに基づいて、前記ターゲット人体ピクチャに対応する第3ターゲットピクチャを取得し、
前記第1ターゲットピクチャ及び前記第3ターゲットピクチャに基づいて、前記ターゲット特徴に関連付けられている撮影時刻及び撮影地点を決定するように構成されることを特徴とする
項目16に記載のターゲット移動軌跡の構築機器。
(項目19)
前記所定の空間的関係は、
前記第1ターゲット関連ピクチャの画像カバレージ範囲が前記第2ターゲット関連ピクチャの画像カバレージ範囲を含むことと、
前記第1ターゲット関連ピクチャの画像カバレージ範囲と前記第2ターゲット関連ピクチャの画像カバレージ範囲が部分的に重なり合うことと、
前記第1ターゲット関連ピクチャの画像カバレージ範囲と前記第2ターゲット関連ピクチャの画像カバレージ範囲が連結していることと、のうちの少なくとも1つを含み、
前記第1ターゲット関連ピクチャは、前記ターゲット顔ピクチャ、前記ターゲット人体ピクチャ及び前記ターゲット車両ピクチャのうちのいずれか1つ又は複数を含み、前記第2ターゲット関連ピクチャは、前記ターゲット顔ピクチャ、前記ターゲット人体ピクチャ及び前記ターゲット車両ピクチャのうちのいずれか1つ又は複数を含むことを特徴とする
項目16-18のいずれか一項に記載のターゲット移動軌跡の構築機器。
(項目20)
前記検索モジュールは更に、
少なくとも2つの前記検索条件を取得し、
データベースから、前記少なくとも2つの検索条件のうちのいずれか1つの検索条件に合致したターゲット特徴を検索するように構成されることを特徴とする
項目12に記載のターゲット移動軌跡の構築機器。
(項目21)
前記検索条件は、身元検索条件、顔検索条件、人体検索条件及び車両検索条件のうちの少なくとも1つを含み、
ここで、前記ターゲット特徴に身元情報が事前関連付けられており、前記身元情報は、身元証明書情報、姓名情報及び身上調書情報のうちのいずれか1つであることを特徴とする
項目20に記載のターゲット移動軌跡の構築機器。
(項目22)
検索モジュールは更に、
少なくとも2つの検索条件のうちのいずれか1つの検索条件のサンプル特徴をクラスタ中心として、前記データベースにおけるターゲット特徴に対してクラスタリングを行い、前記クラスタ中心の所定の範囲内のターゲット特徴を、前記検索条件に合致したターゲット特徴とするように構成されることを特徴とする
項目20に記載のターゲット移動軌跡の構築機器。
(項目23)
ターゲット移動軌跡の構築機器であって、前記機器は、プロセッサと、メモリと、を備え、前記メモリにコンピュータプログラムが記憶されており、前記プロセッサは、前記コンピュータプログラムを実行し、項目1-11のいずれか一項に記載のターゲット移動軌跡の構築方法のステップを実現する、ターゲット移動軌跡の構築機器。
(項目24)
コンピュータ可読記憶媒体であって、前記コンピュータ可読記憶媒体にコンピュータプログラムが記憶されており、コンピュータプログラムが実行される時、コンピュータに、項目1-11のいずれか一項に記載のターゲット移動軌跡の構築方法のステップを実現させる、コンピュータ可読記憶媒体。
(項目25)
コンピュータプログラムであって、前記コンピュータプログラムにおける命令がプロセッサにより実行される時、前記プロセッサに、項目1-11のいずれか一項に記載のターゲット移動軌跡の構築方法を実行させる、コンピュータプログラム。
例えば、本願は以下の項目を提供する。
(項目1)
ターゲット移動軌跡の構築方法であって、
検索条件に合致した少なくとも2つの異なるタイプのターゲット特徴を取得するステップであって、前記少なくとも2つの異なるタイプのターゲット特徴は、少なくとも顔特徴、人体特徴及び車両特徴のうちの少なくとも2つを含む、ステップと、
前記少なくとも2つの異なるタイプのターゲット特徴にそれぞれ関連付けられている撮影時刻及び撮影地点を取得するステップと、
前記少なくとも2つの異なるタイプのターゲット特徴に関連付けられている撮影時刻と撮影地点の組み合わせに基づいて、ターゲット移動軌跡を生成するステップと、を含む、ターゲット移動軌跡の構築方法。
(項目2)
前記少なくとも2つの異なるタイプのターゲット特徴に関連付けられている撮影時刻と撮影地点の組み合わせに基づいて、ターゲット移動軌跡を生成するステップは、
前記少なくとも2つの異なるタイプのターゲット特徴のうちの1つのタイプのターゲット特徴をプライマリーターゲット特徴として、他のタイプのターゲット特徴をセカンダリターゲット特徴とするステップと、
前記プライマリーターゲット特徴の撮影時刻と撮影地点、及び前記セカンダリターゲット特徴の撮影時刻と撮影地点に基づいて、前記セカンダリターゲット特徴と前記プライマリーターゲット特徴との相対的位置がターゲットの移動規律に合致するかどうかを判定するステップと、
ターゲットの移動規律に合致しなければ、前記セカンダリターゲット特徴に関連付けられている撮影時刻及び撮影地点を削除するステップと、を更に含むことを特徴とする
項目1に記載の方法。
(項目3)
前記プライマリーターゲット特徴の撮影時刻と撮影地点、及び前記セカンダリターゲット特徴の撮影時刻と撮影地点に基づいて、前記セカンダリターゲット特徴と前記プライマリーターゲット特徴との相対的位置がターゲットの移動規律に合致するかどうかを判定するステップは、
前記プライマリーターゲット特徴の撮影地点及び前記セカンダリターゲット特徴の撮影地点に基づいて、位置差を算出するステップと、
前記プライマリーターゲット特徴の撮影時刻及び前記セカンダリターゲット特徴の撮影時刻に基づいて、時刻差を算出するステップと、
前記位置差及び前記時刻差に基づいて、移動速度を算出し、前記移動速度が所定の移動速度閾値より大きい場合、前記セカンダリターゲット特徴と前記プライマリーターゲット特徴との相対的位置がターゲットの移動規律に合致しないと判定するステップと、を更に含むことを特徴とする
項目2に記載の方法。
(項目4)
前記少なくとも2つの異なるタイプのターゲット特徴にそれぞれ関連付けられている撮影時刻及び撮影地点を取得するステップは、
前記少なくとも2つの異なるタイプのターゲット特徴にそれぞれ対応する第1ターゲットピクチャを取得するステップと、
少なくとも前記第1ターゲットピクチャに基づいて、前記ターゲット特徴に関連付けられている撮影時刻及び撮影地点を決定するステップと、を含むことを特徴とする
項目1又は2に記載の方法。
(項目5)
前記少なくとも2つの異なるタイプのターゲット特徴にそれぞれ関連付けられている第1ターゲットピクチャを取得した後、前記方法は、
前記顔特徴に対応するターゲット顔ピクチャ、前記人体特徴に対応するターゲット人体ピクチャ及び/又は前記車両特徴に対応するターゲット車両ピクチャをそれぞれ取得するステップと、
前記ターゲット顔ピクチャと前記ターゲット人体ピクチャが同一の第1ターゲットピクチャに対応し、且つ所定の空間的関係を有する場合、前記第1ターゲットピクチャ内の前記ターゲット顔ピクチャと前記ターゲット人体ピクチャを関連付け、前記ターゲット顔ピクチャと前記ターゲット車両ピクチャが同一の第1ターゲットピクチャに対応し、且つ所定の空間的関係を有する場合、前記第1ターゲットピクチャ内の前記ターゲット顔ピクチャと前記ターゲット車両ピクチャを関連付け、前記ターゲット人体ピクチャと前記ターゲット車両ピクチャが同一の第1ターゲットピクチャに対応し、且つ所定の空間的関係を有する場合、前記第1ターゲットピクチャ内の前記ターゲット人体ピクチャと前記ターゲット車両ピクチャを関連付けるステップと、を更に含むことを特徴とする
項目4に記載の方法。
(項目6)
前記少なくとも2つの異なるタイプのターゲット特徴が前記顔特徴を含む場合、前記第1ターゲットピクチャ内の前記ターゲット顔ピクチャと前記ターゲット車両ピクチャを関連付けた後、前記方法は、
前記ターゲット車両ピクチャに基づいて、前記ターゲット車両ピクチャに対応する第2ターゲットピクチャを取得するステップを更に含み、
少なくとも前記第1ターゲットピクチャに基づいて、前記ターゲット特徴に関連付けられている撮影時刻及び撮影地点を決定するステップは、
前記第1ターゲットピクチャ及び前記第2ターゲットピクチャに基づいて、前記ターゲット特徴に関連付けられている撮影時刻及び撮影地点を決定するステップを含むことを特徴とする
項目5に記載の方法。
(項目7)
前記少なくとも2つの異なるタイプのターゲット特徴が前記顔特徴を含む場合、前記第1ターゲットピクチャ内の前記ターゲット顔ピクチャと前記ターゲット人体ピクチャを関連付けた後、前記方法は、
前記ターゲット人体ピクチャに基づいて、前記ターゲット人体ピクチャに対応する第3ターゲットピクチャを取得するステップを更に含み、
少なくとも前記第1ターゲットピクチャに基づいて、前記ターゲット特徴に関連付けられている撮影時刻及び撮影地点を決定するステップは、
前記第1ターゲットピクチャ及び前記第3ターゲットピクチャに基づいて、前記ターゲット特徴に関連付けられている撮影時刻及び撮影地点を決定するステップを含むことを特徴とする
項目5に記載の方法。
(項目8)
前記所定の空間的関係は、
第1ターゲット関連ピクチャの画像カバレージ範囲が第2ターゲット関連ピクチャの画像カバレージ範囲を含むことと、
前記第1ターゲット関連ピクチャの画像カバレージ範囲と前記第2ターゲット関連ピクチャの画像カバレージ範囲が部分的に重なり合うことと、
前記第1ターゲット関連ピクチャの画像カバレージ範囲と前記第2ターゲット関連ピクチャの画像カバレージ範囲が連結していることと、のうちの少なくとも1つを含み、
前記第1ターゲット関連ピクチャは、前記ターゲット顔ピクチャ、前記ターゲット人体ピクチャ及び前記ターゲット車両ピクチャのうちのいずれか1つ又は複数を含み、前記第2ターゲット関連ピクチャは、前記ターゲット顔ピクチャ、前記ターゲット人体ピクチャ及び前記ターゲット車両ピクチャのうちのいずれか1つ又は複数を含むことを特徴とする
項目5-7のいずれか一項に記載の方法。
(項目9)
検索条件に合致した少なくとも2つの異なるタイプのターゲット特徴を取得するステップは、
少なくとも2つの前記検索条件を取得するステップと、
データベースから、前記少なくとも2つの検索条件のうちのいずれか1つの検索条件に合致したターゲット特徴を検索するステップと、を含むことを特徴とする
項目1に記載の方法。
(項目10)
前記検索条件は、身元検索条件、顔検索条件、人体検索条件及び車両検索条件のうちの少なくとも1つを含み、
ここで、前記ターゲット特徴に身元情報が事前関連付けられており、前記身元情報は、身元証明書情報、姓名情報及び身上調書情報のうちのいずれか1つであることを特徴とする
項目9に記載の方法。
(項目11)
データベースから、前記少なくとも2つの検索条件のうちのいずれか1つの検索条件に合致したターゲット特徴を検索するステップは、
少なくとも2つの検索条件のうちのいずれか1つの検索条件のサンプル特徴をクラスタ中心として、前記データベースにおけるターゲット特徴に対してクラスタリングを行い、前記クラスタ中心の所定の範囲内のターゲット特徴を、前記検索条件に合致したターゲット特徴とするステップを含むことを特徴とする
項目9に記載の方法。
(項目12)
ターゲット移動軌跡の構築機器であって、前記機器は、検索モジュールと、取得モジュールと、軌跡構築モジュールと、を備え、
前記検索モジュールは、検索条件に合致した少なくとも2つの異なるタイプのターゲット特徴を取得するように構成され、前記少なくとも2つの異なるタイプのターゲット特徴は、少なくとも顔特徴、人体特徴及び車両特徴のうちの少なくとも2つを含み、
前記取得モジュールは、前記少なくとも2つの異なるタイプのターゲット特徴にそれぞれ関連付けられている撮影時刻及び撮影地点を取得するように構成され、
前記軌跡構築モジュールは、前記少なくとも2つの異なるタイプのターゲット特徴に関連付けられている撮影時刻と撮影地点の組み合わせに基づいて、ターゲット移動軌跡を生成するように構成される、ターゲット移動軌跡の構築機器。
(項目13)
前記軌跡構築モジュールは更に、
前記少なくとも2つの異なるタイプのターゲット特徴のうちの1つのタイプのターゲット特徴をプライマリーターゲット特徴として、他のタイプのターゲット特徴をセカンダリターゲット特徴とし、
前記プライマリーターゲット特徴の撮影時刻と撮影地点、及び前記セカンダリターゲット特徴の撮影時刻と撮影地点に基づいて、前記セカンダリターゲット特徴と前記プライマリーターゲット特徴との相対的位置がターゲットの移動規律に合致するかどうかを判定し、
ターゲットの移動規律に合致しなければ、前記セカンダリターゲット特徴に関連付けられている撮影時刻及び撮影地点を削除するように構成されることを特徴とする
項目12に記載のターゲット移動軌跡の構築機器。
(項目14)
前記軌跡構築モジュールは更に、
前記プライマリーターゲット特徴の撮影地点及び前記セカンダリターゲット特徴の撮影地点に基づいて、位置差を算出し、
前記プライマリーターゲット特徴の撮影時刻及び前記セカンダリターゲット特徴の撮影時刻に基づいて、時刻差を算出し、
前記位置差及び前記時刻差に基づいて、移動速度を算出し、前記移動速度が所定の移動速度閾値より大きい場合、前記セカンダリターゲット特徴と前記プライマリーターゲット特徴との相対的位置がターゲットの移動規律に合致しないと判定するように構成されることを特徴とする
項目13に記載のターゲット移動軌跡の構築機器。
(項目15)
前記取得モジュールは更に、
前記少なくとも2つの異なるタイプのターゲット特徴にそれぞれ対応する第1ターゲットピクチャを取得し、
少なくとも前記第1ターゲットピクチャに基づいて、前記ターゲット特徴に関連付けられている撮影時刻及び撮影地点を決定するように構成されることを特徴とする
項目12又は13に記載のターゲット移動軌跡の構築機器。
(項目16)
前記取得モジュールは更に、
前記顔特徴に対応するターゲット顔ピクチャ、前記人体特徴に対応するターゲット人体ピクチャ及び/又は前記車両特徴に対応するターゲット車両ピクチャをそれぞれ取得し、
前記ターゲット顔ピクチャと前記ターゲット人体ピクチャが同一の第1ターゲットピクチャに対応し、且つ所定の空間的関係を有する場合、前記第1ターゲットピクチャ内の前記ターゲット顔ピクチャと前記ターゲット人体ピクチャを関連付け、前記ターゲット顔ピクチャと前記ターゲット車両ピクチャが同一の第1ターゲットピクチャに対応し、且つ所定の空間的関係を有する場合、前記第1ターゲットピクチャ内の前記ターゲット顔ピクチャと前記ターゲット車両ピクチャを関連付け、前記ターゲット人体ピクチャと前記ターゲット車両ピクチャが同一の第1ターゲットピクチャに対応し、且つ所定の空間的関係を有する場合、前記第1ターゲットピクチャ内の前記ターゲット人体ピクチャと前記ターゲット車両ピクチャを関連付けるように構成されることを特徴とする
項目15に記載のターゲット移動軌跡の構築機器。
(項目17)
前記少なくとも2つの異なるタイプのターゲット特徴が前記顔特徴を含む場合、前記第1ターゲットピクチャ内の前記ターゲット顔ピクチャと前記ターゲット車両ピクチャを関連付けた後、前記取得モジュールは更に、前記ターゲット車両ピクチャに基づいて、前記ターゲット車両ピクチャに対応する第2ターゲットピクチャを取得し、
前記第1ターゲットピクチャ及び前記第2ターゲットピクチャに基づいて、前記ターゲット特徴に関連付けられている撮影時刻及び撮影地点を決定するように構成されることを特徴とする
項目16に記載のターゲット移動軌跡の構築機器。
(項目18)
前記少なくとも2つの異なるタイプのターゲット特徴が前記顔特徴を含む場合、前記第1ターゲットピクチャ内の前記ターゲット顔ピクチャと前記ターゲット人体ピクチャを関連付けた後、前記取得モジュールは更に、
前記ターゲット人体ピクチャに基づいて、前記ターゲット人体ピクチャに対応する第3ターゲットピクチャを取得し、
前記第1ターゲットピクチャ及び前記第3ターゲットピクチャに基づいて、前記ターゲット特徴に関連付けられている撮影時刻及び撮影地点を決定するように構成されることを特徴とする
項目16に記載のターゲット移動軌跡の構築機器。
(項目19)
前記所定の空間的関係は、
前記第1ターゲット関連ピクチャの画像カバレージ範囲が前記第2ターゲット関連ピクチャの画像カバレージ範囲を含むことと、
前記第1ターゲット関連ピクチャの画像カバレージ範囲と前記第2ターゲット関連ピクチャの画像カバレージ範囲が部分的に重なり合うことと、
前記第1ターゲット関連ピクチャの画像カバレージ範囲と前記第2ターゲット関連ピクチャの画像カバレージ範囲が連結していることと、のうちの少なくとも1つを含み、
前記第1ターゲット関連ピクチャは、前記ターゲット顔ピクチャ、前記ターゲット人体ピクチャ及び前記ターゲット車両ピクチャのうちのいずれか1つ又は複数を含み、前記第2ターゲット関連ピクチャは、前記ターゲット顔ピクチャ、前記ターゲット人体ピクチャ及び前記ターゲット車両ピクチャのうちのいずれか1つ又は複数を含むことを特徴とする
項目16-18のいずれか一項に記載のターゲット移動軌跡の構築機器。
(項目20)
前記検索モジュールは更に、
少なくとも2つの前記検索条件を取得し、
データベースから、前記少なくとも2つの検索条件のうちのいずれか1つの検索条件に合致したターゲット特徴を検索するように構成されることを特徴とする
項目12に記載のターゲット移動軌跡の構築機器。
(項目21)
前記検索条件は、身元検索条件、顔検索条件、人体検索条件及び車両検索条件のうちの少なくとも1つを含み、
ここで、前記ターゲット特徴に身元情報が事前関連付けられており、前記身元情報は、身元証明書情報、姓名情報及び身上調書情報のうちのいずれか1つであることを特徴とする
項目20に記載のターゲット移動軌跡の構築機器。
(項目22)
検索モジュールは更に、
少なくとも2つの検索条件のうちのいずれか1つの検索条件のサンプル特徴をクラスタ中心として、前記データベースにおけるターゲット特徴に対してクラスタリングを行い、前記クラスタ中心の所定の範囲内のターゲット特徴を、前記検索条件に合致したターゲット特徴とするように構成されることを特徴とする
項目20に記載のターゲット移動軌跡の構築機器。
(項目23)
ターゲット移動軌跡の構築機器であって、前記機器は、プロセッサと、メモリと、を備え、前記メモリにコンピュータプログラムが記憶されており、前記プロセッサは、前記コンピュータプログラムを実行し、項目1-11のいずれか一項に記載のターゲット移動軌跡の構築方法のステップを実現する、ターゲット移動軌跡の構築機器。
(項目24)
コンピュータ可読記憶媒体であって、前記コンピュータ可読記憶媒体にコンピュータプログラムが記憶されており、コンピュータプログラムが実行される時、コンピュータに、項目1-11のいずれか一項に記載のターゲット移動軌跡の構築方法のステップを実現させる、コンピュータ可読記憶媒体。
(項目25)
コンピュータプログラムであって、前記コンピュータプログラムにおける命令がプロセッサにより実行される時、前記プロセッサに、項目1-11のいずれか一項に記載のターゲット移動軌跡の構築方法を実行させる、コンピュータプログラム。
Claims (25)
- ターゲット移動軌跡の構築方法であって、
検索条件に合致した少なくとも2つの異なるタイプのターゲット特徴を取得するステップであって、前記少なくとも2つの異なるタイプのターゲット特徴は、少なくとも顔特徴、人体特徴及び車両特徴のうちの少なくとも2つを含む、ステップと、
前記少なくとも2つの異なるタイプのターゲット特徴にそれぞれ関連付けられている撮影時刻及び撮影地点を取得するステップと、
前記少なくとも2つの異なるタイプのターゲット特徴に関連付けられている撮影時刻と撮影地点の組み合わせに基づいて、ターゲット移動軌跡を生成するステップと、を含む、ターゲット移動軌跡の構築方法。 - 前記少なくとも2つの異なるタイプのターゲット特徴に関連付けられている撮影時刻と撮影地点の組み合わせに基づいて、ターゲット移動軌跡を生成するステップは、
前記少なくとも2つの異なるタイプのターゲット特徴のうちの1つのタイプのターゲット特徴をプライマリーターゲット特徴として、他のタイプのターゲット特徴をセカンダリターゲット特徴とするステップと、
前記プライマリーターゲット特徴の撮影時刻と撮影地点、及び前記セカンダリターゲット特徴の撮影時刻と撮影地点に基づいて、前記セカンダリターゲット特徴と前記プライマリーターゲット特徴との相対的位置がターゲットの移動規律に合致するかどうかを判定するステップと、
ターゲットの移動規律に合致しなければ、前記セカンダリターゲット特徴に関連付けられている撮影時刻及び撮影地点を削除するステップと、を更に含むことを特徴とする
請求項1に記載の方法。 - 前記プライマリーターゲット特徴の撮影時刻と撮影地点、及び前記セカンダリターゲット特徴の撮影時刻と撮影地点に基づいて、前記セカンダリターゲット特徴と前記プライマリーターゲット特徴との相対的位置がターゲットの移動規律に合致するかどうかを判定するステップは、
前記プライマリーターゲット特徴の撮影地点及び前記セカンダリターゲット特徴の撮影地点に基づいて、位置差を算出するステップと、
前記プライマリーターゲット特徴の撮影時刻及び前記セカンダリターゲット特徴の撮影時刻に基づいて、時刻差を算出するステップと、
前記位置差及び前記時刻差に基づいて、移動速度を算出し、前記移動速度が所定の移動速度閾値より大きい場合、前記セカンダリターゲット特徴と前記プライマリーターゲット特徴との相対的位置がターゲットの移動規律に合致しないと判定するステップと、を更に含むことを特徴とする
請求項2に記載の方法。 - 前記少なくとも2つの異なるタイプのターゲット特徴にそれぞれ関連付けられている撮影時刻及び撮影地点を取得するステップは、
前記少なくとも2つの異なるタイプのターゲット特徴にそれぞれ対応する第1ターゲットピクチャを取得するステップと、
少なくとも前記第1ターゲットピクチャに基づいて、前記ターゲット特徴に関連付けられている撮影時刻及び撮影地点を決定するステップと、を含むことを特徴とする
請求項1又は2に記載の方法。 - 前記少なくとも2つの異なるタイプのターゲット特徴にそれぞれ関連付けられている第1ターゲットピクチャを取得した後、前記方法は、
前記顔特徴に対応するターゲット顔ピクチャ、前記人体特徴に対応するターゲット人体ピクチャ及び/又は前記車両特徴に対応するターゲット車両ピクチャをそれぞれ取得するステップと、
前記ターゲット顔ピクチャと前記ターゲット人体ピクチャが同一の第1ターゲットピクチャに対応し、且つ所定の空間的関係を有する場合、前記第1ターゲットピクチャ内の前記ターゲット顔ピクチャと前記ターゲット人体ピクチャを関連付け、前記ターゲット顔ピクチャと前記ターゲット車両ピクチャが同一の第1ターゲットピクチャに対応し、且つ所定の空間的関係を有する場合、前記第1ターゲットピクチャ内の前記ターゲット顔ピクチャと前記ターゲット車両ピクチャを関連付け、前記ターゲット人体ピクチャと前記ターゲット車両ピクチャが同一の第1ターゲットピクチャに対応し、且つ所定の空間的関係を有する場合、前記第1ターゲットピクチャ内の前記ターゲット人体ピクチャと前記ターゲット車両ピクチャを関連付けるステップと、を更に含むことを特徴とする
請求項4に記載の方法。 - 前記少なくとも2つの異なるタイプのターゲット特徴が前記顔特徴を含む場合、前記第1ターゲットピクチャ内の前記ターゲット顔ピクチャと前記ターゲット車両ピクチャを関連付けた後、前記方法は、
前記ターゲット車両ピクチャに基づいて、前記ターゲット車両ピクチャに対応する第2ターゲットピクチャを取得するステップを更に含み、
少なくとも前記第1ターゲットピクチャに基づいて、前記ターゲット特徴に関連付けられている撮影時刻及び撮影地点を決定するステップは、
前記第1ターゲットピクチャ及び前記第2ターゲットピクチャに基づいて、前記ターゲット特徴に関連付けられている撮影時刻及び撮影地点を決定するステップを含むことを特徴とする
請求項5に記載の方法。 - 前記少なくとも2つの異なるタイプのターゲット特徴が前記顔特徴を含む場合、前記第1ターゲットピクチャ内の前記ターゲット顔ピクチャと前記ターゲット人体ピクチャを関連付けた後、前記方法は、
前記ターゲット人体ピクチャに基づいて、前記ターゲット人体ピクチャに対応する第3ターゲットピクチャを取得するステップを更に含み、
少なくとも前記第1ターゲットピクチャに基づいて、前記ターゲット特徴に関連付けられている撮影時刻及び撮影地点を決定するステップは、
前記第1ターゲットピクチャ及び前記第3ターゲットピクチャに基づいて、前記ターゲット特徴に関連付けられている撮影時刻及び撮影地点を決定するステップを含むことを特徴とする
請求項5に記載の方法。 - 前記所定の空間的関係は、
第1ターゲット関連ピクチャの画像カバレージ範囲が第2ターゲット関連ピクチャの画像カバレージ範囲を含むことと、
前記第1ターゲット関連ピクチャの画像カバレージ範囲と前記第2ターゲット関連ピクチャの画像カバレージ範囲が部分的に重なり合うことと、
前記第1ターゲット関連ピクチャの画像カバレージ範囲と前記第2ターゲット関連ピクチャの画像カバレージ範囲が連結していることと、のうちの少なくとも1つを含み、
前記第1ターゲット関連ピクチャは、前記ターゲット顔ピクチャ、前記ターゲット人体ピクチャ及び前記ターゲット車両ピクチャのうちのいずれか1つ又は複数を含み、前記第2ターゲット関連ピクチャは、前記ターゲット顔ピクチャ、前記ターゲット人体ピクチャ及び前記ターゲット車両ピクチャのうちのいずれか1つ又は複数を含むことを特徴とする
請求項5-7のいずれか一項に記載の方法。 - 検索条件に合致した少なくとも2つの異なるタイプのターゲット特徴を取得するステップは、
少なくとも2つの前記検索条件を取得するステップと、
データベースから、前記少なくとも2つの検索条件のうちのいずれか1つの検索条件に合致したターゲット特徴を検索するステップと、を含むことを特徴とする
請求項1に記載の方法。 - 前記検索条件は、身元検索条件、顔検索条件、人体検索条件及び車両検索条件のうちの少なくとも1つを含み、
ここで、前記ターゲット特徴に身元情報が事前関連付けられており、前記身元情報は、身元証明書情報、姓名情報及び身上調書情報のうちのいずれか1つであることを特徴とする
請求項9に記載の方法。 - データベースから、前記少なくとも2つの検索条件のうちのいずれか1つの検索条件に合致したターゲット特徴を検索するステップは、
少なくとも2つの検索条件のうちのいずれか1つの検索条件のサンプル特徴をクラスタ中心として、前記データベースにおけるターゲット特徴に対してクラスタリングを行い、前記クラスタ中心の所定の範囲内のターゲット特徴を、前記検索条件に合致したターゲット特徴とするステップを含むことを特徴とする
請求項9に記載の方法。 - ターゲット移動軌跡の構築機器であって、前記機器は、検索モジュールと、取得モジュールと、軌跡構築モジュールと、を備え、
前記検索モジュールは、検索条件に合致した少なくとも2つの異なるタイプのターゲット特徴を取得するように構成され、前記少なくとも2つの異なるタイプのターゲット特徴は、少なくとも顔特徴、人体特徴及び車両特徴のうちの少なくとも2つを含み、
前記取得モジュールは、前記少なくとも2つの異なるタイプのターゲット特徴にそれぞれ関連付けられている撮影時刻及び撮影地点を取得するように構成され、
前記軌跡構築モジュールは、前記少なくとも2つの異なるタイプのターゲット特徴に関連付けられている撮影時刻と撮影地点の組み合わせに基づいて、ターゲット移動軌跡を生成するように構成される、ターゲット移動軌跡の構築機器。 - 前記軌跡構築モジュールは更に、
前記少なくとも2つの異なるタイプのターゲット特徴のうちの1つのタイプのターゲット特徴をプライマリーターゲット特徴として、他のタイプのターゲット特徴をセカンダリターゲット特徴とし、
前記プライマリーターゲット特徴の撮影時刻と撮影地点、及び前記セカンダリターゲット特徴の撮影時刻と撮影地点に基づいて、前記セカンダリターゲット特徴と前記プライマリーターゲット特徴との相対的位置がターゲットの移動規律に合致するかどうかを判定し、
ターゲットの移動規律に合致しなければ、前記セカンダリターゲット特徴に関連付けられている撮影時刻及び撮影地点を削除するように構成されることを特徴とする
請求項12に記載のターゲット移動軌跡の構築機器。 - 前記軌跡構築モジュールは更に、
前記プライマリーターゲット特徴の撮影地点及び前記セカンダリターゲット特徴の撮影地点に基づいて、位置差を算出し、
前記プライマリーターゲット特徴の撮影時刻及び前記セカンダリターゲット特徴の撮影時刻に基づいて、時刻差を算出し、
前記位置差及び前記時刻差に基づいて、移動速度を算出し、前記移動速度が所定の移動速度閾値より大きい場合、前記セカンダリターゲット特徴と前記プライマリーターゲット特徴との相対的位置がターゲットの移動規律に合致しないと判定するように構成されることを特徴とする
請求項13に記載のターゲット移動軌跡の構築機器。 - 前記取得モジュールは更に、
前記少なくとも2つの異なるタイプのターゲット特徴にそれぞれ対応する第1ターゲットピクチャを取得し、
少なくとも前記第1ターゲットピクチャに基づいて、前記ターゲット特徴に関連付けられている撮影時刻及び撮影地点を決定するように構成されることを特徴とする
請求項12又は13に記載のターゲット移動軌跡の構築機器。 - 前記取得モジュールは更に、
前記顔特徴に対応するターゲット顔ピクチャ、前記人体特徴に対応するターゲット人体ピクチャ及び/又は前記車両特徴に対応するターゲット車両ピクチャをそれぞれ取得し、
前記ターゲット顔ピクチャと前記ターゲット人体ピクチャが同一の第1ターゲットピクチャに対応し、且つ所定の空間的関係を有する場合、前記第1ターゲットピクチャ内の前記ターゲット顔ピクチャと前記ターゲット人体ピクチャを関連付け、前記ターゲット顔ピクチャと前記ターゲット車両ピクチャが同一の第1ターゲットピクチャに対応し、且つ所定の空間的関係を有する場合、前記第1ターゲットピクチャ内の前記ターゲット顔ピクチャと前記ターゲット車両ピクチャを関連付け、前記ターゲット人体ピクチャと前記ターゲット車両ピクチャが同一の第1ターゲットピクチャに対応し、且つ所定の空間的関係を有する場合、前記第1ターゲットピクチャ内の前記ターゲット人体ピクチャと前記ターゲット車両ピクチャを関連付けるように構成されることを特徴とする
請求項15に記載のターゲット移動軌跡の構築機器。 - 前記少なくとも2つの異なるタイプのターゲット特徴が前記顔特徴を含む場合、前記第1ターゲットピクチャ内の前記ターゲット顔ピクチャと前記ターゲット車両ピクチャを関連付けた後、前記取得モジュールは更に、前記ターゲット車両ピクチャに基づいて、前記ターゲット車両ピクチャに対応する第2ターゲットピクチャを取得し、
前記第1ターゲットピクチャ及び前記第2ターゲットピクチャに基づいて、前記ターゲット特徴に関連付けられている撮影時刻及び撮影地点を決定するように構成されることを特徴とする
請求項16に記載のターゲット移動軌跡の構築機器。 - 前記少なくとも2つの異なるタイプのターゲット特徴が前記顔特徴を含む場合、前記第1ターゲットピクチャ内の前記ターゲット顔ピクチャと前記ターゲット人体ピクチャを関連付けた後、前記取得モジュールは更に、
前記ターゲット人体ピクチャに基づいて、前記ターゲット人体ピクチャに対応する第3ターゲットピクチャを取得し、
前記第1ターゲットピクチャ及び前記第3ターゲットピクチャに基づいて、前記ターゲット特徴に関連付けられている撮影時刻及び撮影地点を決定するように構成されることを特徴とする
請求項16に記載のターゲット移動軌跡の構築機器。 - 前記所定の空間的関係は、
前記第1ターゲット関連ピクチャの画像カバレージ範囲が前記第2ターゲット関連ピクチャの画像カバレージ範囲を含むことと、
前記第1ターゲット関連ピクチャの画像カバレージ範囲と前記第2ターゲット関連ピクチャの画像カバレージ範囲が部分的に重なり合うことと、
前記第1ターゲット関連ピクチャの画像カバレージ範囲と前記第2ターゲット関連ピクチャの画像カバレージ範囲が連結していることと、のうちの少なくとも1つを含み、
前記第1ターゲット関連ピクチャは、前記ターゲット顔ピクチャ、前記ターゲット人体ピクチャ及び前記ターゲット車両ピクチャのうちのいずれか1つ又は複数を含み、前記第2ターゲット関連ピクチャは、前記ターゲット顔ピクチャ、前記ターゲット人体ピクチャ及び前記ターゲット車両ピクチャのうちのいずれか1つ又は複数を含むことを特徴とする
請求項16-18のいずれか一項に記載のターゲット移動軌跡の構築機器。 - 前記検索モジュールは更に、
少なくとも2つの前記検索条件を取得し、
データベースから、前記少なくとも2つの検索条件のうちのいずれか1つの検索条件に合致したターゲット特徴を検索するように構成されることを特徴とする
請求項12に記載のターゲット移動軌跡の構築機器。 - 前記検索条件は、身元検索条件、顔検索条件、人体検索条件及び車両検索条件のうちの少なくとも1つを含み、
ここで、前記ターゲット特徴に身元情報が事前関連付けられており、前記身元情報は、身元証明書情報、姓名情報及び身上調書情報のうちのいずれか1つであることを特徴とする
請求項20に記載のターゲット移動軌跡の構築機器。 - 検索モジュールは更に、
少なくとも2つの検索条件のうちのいずれか1つの検索条件のサンプル特徴をクラスタ中心として、前記データベースにおけるターゲット特徴に対してクラスタリングを行い、前記クラスタ中心の所定の範囲内のターゲット特徴を、前記検索条件に合致したターゲット特徴とするように構成されることを特徴とする
請求項20に記載のターゲット移動軌跡の構築機器。 - ターゲット移動軌跡の構築機器であって、前記機器は、プロセッサと、メモリと、を備え、前記メモリにコンピュータプログラムが記憶されており、前記プロセッサは、前記コンピュータプログラムを実行し、請求項1-11のいずれか一項に記載のターゲット移動軌跡の構築方法のステップを実現する、ターゲット移動軌跡の構築機器。
- コンピュータ可読記憶媒体であって、前記コンピュータ可読記憶媒体にコンピュータプログラムが記憶されており、コンピュータプログラムが実行される時、コンピュータに、請求項1-11のいずれか一項に記載のターゲット移動軌跡の構築方法のステップを実現させる、コンピュータ可読記憶媒体。
- コンピュータプログラムであって、前記コンピュータプログラムにおける命令がプロセッサにより実行される時、前記プロセッサに、請求項1-11のいずれか一項に記載のターゲット移動軌跡の構築方法を実行させる、コンピュータプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911402892.7 | 2019-12-30 | ||
CN201911402892.7A CN111400550A (zh) | 2019-12-30 | 2019-12-30 | 一种目标运动轨迹构建方法、设备以及计算机存储介质 |
PCT/CN2020/100265 WO2021135138A1 (zh) | 2019-12-30 | 2020-07-03 | 一种目标运动轨迹构建方法、设备以及计算机存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023505864A true JP2023505864A (ja) | 2023-02-13 |
Family
ID=71428378
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022535529A Withdrawn JP2023505864A (ja) | 2019-12-30 | 2020-07-03 | ターゲット移動軌跡の構築方法、機器及びコンピュータ記憶媒体 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20220301317A1 (ja) |
JP (1) | JP2023505864A (ja) |
KR (1) | KR20220098030A (ja) |
CN (1) | CN111400550A (ja) |
TW (1) | TW202125332A (ja) |
WO (1) | WO2021135138A1 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112364722A (zh) * | 2020-10-23 | 2021-02-12 | 岭东核电有限公司 | 核电作业人员监控处理方法、装置和计算机设备 |
CN112883214B (zh) * | 2021-01-07 | 2022-10-28 | 浙江大华技术股份有限公司 | 特征检索方法、电子设备及存储介质 |
CN114543674B (zh) * | 2022-02-22 | 2023-02-07 | 成都睿畜电子科技有限公司 | 一种基于图像识别的检测方法及系统 |
CN114724122B (zh) * | 2022-03-29 | 2023-10-17 | 北京卓视智通科技有限责任公司 | 一种目标追踪方法、装置、电子设备及存储介质 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6226721B2 (ja) * | 2012-12-05 | 2017-11-08 | キヤノン株式会社 | 再生制御装置、再生制御方法、プログラム及び記憶媒体 |
US9176987B1 (en) * | 2014-08-26 | 2015-11-03 | TCL Research America Inc. | Automatic face annotation method and system |
CN105975633A (zh) * | 2016-06-21 | 2016-09-28 | 北京小米移动软件有限公司 | 运动轨迹的获取方法及装置 |
CN108875548B (zh) * | 2018-04-18 | 2022-02-01 | 科大讯飞股份有限公司 | 人物轨迹生成方法及装置、存储介质、电子设备 |
CN109189972A (zh) * | 2018-07-16 | 2019-01-11 | 高新兴科技集团股份有限公司 | 一种目标行踪确定方法、装置、设备及计算机存储介质 |
CN110070005A (zh) * | 2019-04-02 | 2019-07-30 | 腾讯科技(深圳)有限公司 | 图像目标识别方法、装置、存储介质及电子设备 |
CN110532923A (zh) * | 2019-08-21 | 2019-12-03 | 深圳供电局有限公司 | 一种人物轨迹检索方法及其系统 |
CN110532432A (zh) * | 2019-08-21 | 2019-12-03 | 深圳供电局有限公司 | 一种人物轨迹检索方法及其系统、计算机可读存储介质 |
CN110609916A (zh) * | 2019-09-25 | 2019-12-24 | 四川东方网力科技有限公司 | 视频图像数据检索方法、装置、设备和存储介质 |
-
2019
- 2019-12-30 CN CN201911402892.7A patent/CN111400550A/zh active Pending
-
2020
- 2020-07-03 WO PCT/CN2020/100265 patent/WO2021135138A1/zh active Application Filing
- 2020-07-03 KR KR1020227020877A patent/KR20220098030A/ko active Search and Examination
- 2020-07-03 JP JP2022535529A patent/JP2023505864A/ja not_active Withdrawn
- 2020-07-10 TW TW109123414A patent/TW202125332A/zh unknown
-
2022
- 2022-06-09 US US17/836,288 patent/US20220301317A1/en not_active Abandoned
Also Published As
Publication number | Publication date |
---|---|
WO2021135138A1 (zh) | 2021-07-08 |
TW202125332A (zh) | 2021-07-01 |
KR20220098030A (ko) | 2022-07-08 |
US20220301317A1 (en) | 2022-09-22 |
CN111400550A (zh) | 2020-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shah et al. | CADP: A novel dataset for CCTV traffic camera based accident analysis | |
JP2023505864A (ja) | ターゲット移動軌跡の構築方法、機器及びコンピュータ記憶媒体 | |
US9560323B2 (en) | Method and system for metadata extraction from master-slave cameras tracking system | |
JP5976237B2 (ja) | 映像検索システム及び映像検索方法 | |
US9589190B2 (en) | System and method for detection of high-interest events in video data | |
US20220092881A1 (en) | Method and apparatus for behavior analysis, electronic apparatus, storage medium, and computer program | |
JP2022518459A (ja) | 情報処理方法および装置、記憶媒体 | |
WO2022227490A1 (zh) | 行为识别方法、装置、设备、存储介质、计算机程序及程序产品 | |
US20210089784A1 (en) | System and Method for Processing Video Data from Archive | |
CN113111838A (zh) | 行为识别方法及装置、设备和存储介质 | |
CN112507860A (zh) | 一种视频标注方法、装置、设备及存储介质 | |
Jung et al. | Real-time car tracking system based on surveillance videos | |
Dhatbale et al. | Deep learning techniques for vehicle trajectory extraction in mixed traffic | |
Anisha et al. | Automated vehicle to vehicle conflict analysis at signalized intersections by camera and LiDAR sensor fusion | |
CN109784220B (zh) | 一种确定路人轨迹的方法及装置 | |
CN114913470B (zh) | 一种事件检测方法及装置 | |
JP7202995B2 (ja) | 時空間事象予測装置、時空間事象予測方法及び時空間事象予測システム | |
JP6341843B2 (ja) | 画像検索装置、及び画像検索システム | |
KR101527003B1 (ko) | 블랙박스시스템 | |
JP2022534314A (ja) | ピクチャに基づいた多次元情報の統合方法及び関連機器 | |
KR20200122900A (ko) | 감시 영상 기반의 차량 추적 시스템 | |
Bamond et al. | Application of an event-sensor to situational awareness | |
WO2024020824A1 (zh) | 目标跟踪方法、装置、设备及存储介质 | |
RU2701985C1 (ru) | Система и способ поиска объектов по траекториям движения на плане местности | |
US20210150753A1 (en) | Object tracking method based on image |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220610 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220610 |
|
A761 | Written withdrawal of application |
Free format text: JAPANESE INTERMEDIATE CODE: A761 Effective date: 20230113 |