WO2019019943A1 - 跨区域目标轨迹跟踪的方法及数据处理方法、装置和系统 - Google Patents

跨区域目标轨迹跟踪的方法及数据处理方法、装置和系统 Download PDF

Info

Publication number
WO2019019943A1
WO2019019943A1 PCT/CN2018/096094 CN2018096094W WO2019019943A1 WO 2019019943 A1 WO2019019943 A1 WO 2019019943A1 CN 2018096094 W CN2018096094 W CN 2018096094W WO 2019019943 A1 WO2019019943 A1 WO 2019019943A1
Authority
WO
WIPO (PCT)
Prior art keywords
target
monitoring
trajectory
monitoring area
action
Prior art date
Application number
PCT/CN2018/096094
Other languages
English (en)
French (fr)
Inventor
陈伟
葛有功
Original Assignee
阿里巴巴集团控股有限公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 阿里巴巴集团控股有限公司 filed Critical 阿里巴巴集团控股有限公司
Publication of WO2019019943A1 publication Critical patent/WO2019019943A1/zh

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • 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
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/30241—Trajectory

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Image Analysis (AREA)
  • Alarm Systems (AREA)

Abstract

本申请公开了一种跨区域目标轨迹跟踪的方法及数据处理方法、装置和系统。其中，该方法包括：分别提取至少两个监控区域中目标的行动轨迹；判断至少两个监控区域中目标的行动轨迹的重合度是否大于预设值；在判断结果为至少两个监控区域中目标的行动轨迹的重合度大于预设值的情况下，生成目标在至少两个监控区域中的行动轨迹。本申请解决了由于现有技术中需要通过多台人脸识别摄像机对每层同一个目标人物的面部特征进行识别并监控拍摄，导致的部署复杂且目标人物跟踪效率低的技术问题。

Description

跨区域目标轨迹跟踪的方法及数据处理方法、装置和系统
本申请要求2017年07月28日递交的申请号为201710632975.X、发明名称为“跨区域目标轨迹跟踪的方法及数据处理方法、装置和系统”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。
技术领域
本申请涉及互联网技术应用领域，具体而言，涉及一种跨区域目标轨迹跟踪的方法及数据处理方法、装置和系统。
背景技术
在商业办公楼宇内，出于安防以及构建新型商业模式的目的，需要对进入楼宇内特定人员进行连续不间断的行进轨迹跟踪。业界现有的方案是可以实现一个摄像机枪机镜头视野内的人脸识别以及轨迹跟踪功能。但是对实现一个空间开阔的室内楼宇内人员轨迹的连续跟踪仍然缺失经济且有效的方案。
现有技术中需要在监控区域连续部署人脸识别摄像机，通过人脸识别摄像机对每层同一个目标人物进行跟踪拍摄。
但是一旦目标人物离开了一个摄像头的视野，再进入另一个摄像头的视野，除非第二个摄像头准确识别该人外，没有有效手段将两个摄像头获取到的两个认得特征有效标识起来，在室内开阔空间，难以确保所有摄像机都准确对准人的面部，并且在除了大厅入口进行人脸识别处部署摄像机外，其他开阔区域也部署摄像机进行人脸识别，容易引起个人隐私泄露。
针对上述由于现有技术中需要通过多台人脸识别摄像机对每层同一个目标人物的面部特征进行识别并监控拍摄，导致的部署复杂且目标人物跟踪效率低问题，目前尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种跨区域目标轨迹跟踪的方法及数据处理方法、装置和系统，以至少解决由于现有技术中需要通过多台人脸识别摄像机对每层同一个目标人物的面部特征进行识别并监控拍摄，导致的部署复杂且目标人物跟踪效率低的技术问题。
根据本申请实施例的一个方面，提供了一种数据处理方法，包括：获取至少两个存 在交集区域的地理围栏数据，其中，交集区域为公共区域，地理围栏数据包括其中物体的行动轨迹；分别获取两个地理围栏数据中第一行动轨迹和第二行动轨迹；确定第一行动轨迹和第二行动轨迹为匹配轨迹；展示第一行动轨迹和第二行动轨迹。
根据本申请实施例的另一个方面，提供了一种跨区域目标轨迹跟踪的方法，包括：分别提取至少两个监控区域中目标的行动轨迹；判断至少两个监控区域中目标的行动轨迹的重合度是否大于预设值；在判断结果为至少两个监控区域中目标的行动轨迹的重合度大于预设值的情况下，生成目标在至少两个监控区域中的行动轨迹。
可选的，在分别提取至少两个监控区域中目标的行动轨迹之前，方法还包括：在至少两个监控区域包括第一监控区域和第二监控区域的情况下，当目标进入第一监控区域时，通过监控设备对目标进行标记，并依据标记在第一监控区域中生成对应目标在第一监控区域的行动轨迹；当目标离开第一监控区域时，调用与第一监控区域相邻的第二监控区域的监控设备，判断第二监控区域的监控设备是否拍摄到至少一个目标；在判断结果为是的情况下，对第二监控区域中至少一个目标进行标记，并生成目标在第二监控区域的行动轨迹。
可选的，分别提取至少两个监控区域中目标的行动轨迹包括：在至少两个监控区域包括第一监控区域和第二监控区域的情况下，在第一监控区域中，分别对第一监控区域中至少一个目标进行标记，并提取标记后的至少一个目标的行动轨迹；在第二监控区域中，分别对第二监控区域中至少一个目标进行标记，并提取标记后的至少一个目标的行动轨迹。
进一步地，可选的，在第一监控区域中，分别对第一监控区域中至少一个目标进行标记，并提取标记后的至少一个目标的行动轨迹包括：对第一监控区域以预设单元格进行划分，得到栅格形式的第一监控区域的第一位置分格图；依据至少一个目标在第一位置分格图进行标记；依据标记后的至少一个目标在第一位置分格图的位置变化，生成轨迹矩阵；将轨迹矩阵确定为标记后的至少一个目标在第一监控区域的行动轨迹。
可选的，在第二监控区域中，分别对第二监控区域中至少一个目标进行标记，并提取标记后的至少一个目标的行动轨迹包括：对第二监控区域以预设单元格进行划分，得到栅格形式的第二监控区域的第二位置分格图；依据至少一个目标在第二位置分格图进行标记；依据标记后的至少一个目标在第二位置分格图的位置变化，生成轨迹矩阵；将轨迹矩阵确定为标记后的至少一个目标在第二监控区域的行动轨迹。
可选的，判断至少两个监控区域中目标的行动轨迹的重合度是否大于预设值包括： 在至少两个监控区域包括第一监控区域和第二监控区域的情况下，获取第一监控区域与第二监控区域的重叠区域；标记重叠区域中至少一个目标，并依据标记后的至少一个目标生成行动轨迹；判断重叠区域中至少一个目标的行动轨迹是否与第一监控区域中至少一个目标的行动轨迹，以及第二监控区域中至少一个目标的行动轨迹的重合度大于预设值。
进一步地，可选的，在判断结果为至少两个监控区域中目标的行动轨迹的重合度大于预设值的情况下，生成目标在至少两个监控区域中的行动轨迹包括：在重合度大于预设值的情况下，确定重叠区域中的至少一个目标与第一监控区域中至少一个目标以及第二监控区域中至少一个目标为同一目标；依据时间和第一监控区域与第二监控区域中至少一个目标的位置变化，生成至少一个目标的行动轨迹。
根据本申请实施例的又一个方面，提供了一种数据处理装置，包括：第一获取模块，用于获取至少两个存在交集区域的地理围栏数据，其中，交集区域为公共区域，地理围栏数据包括其中物体的行动轨迹；第二获取模块，用于分别获取两个地理围栏数据中第一行动轨迹和第二行动轨迹；轨迹确定模块，用于确定第一行动轨迹和第二行动轨迹为匹配轨迹；显示模块，用于展示第一行动轨迹和第二行动轨迹。
根据本申请实施例的再一个方面，提供了一种跨区域目标轨迹跟踪的装置，包括：提取模块，用于分别提取至少两个监控区域中目标的行动轨迹；判断模块，用于判断至少两个监控区域中目标的行动轨迹的重合度是否大于预设值；轨迹生成模块，用于在判断结果为至少两个监控区域中目标的行动轨迹的重合度大于预设值的情况下，生成目标在至少两个监控区域中的行动轨迹。
可选的，提取模块包括：第一提取单元，用于在至少两个监控区域包括第一监控区域和第二监控区域的情况下，在第一监控区域中，分别对第一监控区域中至少一个目标进行标记，并提取标记后的至少一个目标的行动轨迹；第二提取单元，用于在第二监控区域中，分别对第二监控区域中至少一个目标进行标记，并提取标记后的至少一个目标的行动轨迹。
可选的，判断模块包括：获取单元，用于在至少两个监控区域包括第一监控区域和第二监控区域的情况下，获取第一监控区域与第二监控区域的重叠区域；标记单元，用于标记重叠区域中至少一个目标，并依据标记后的至少一个目标生成行动轨迹；判断单元，用于判断重叠区域中至少一个目标的行动轨迹是否与第一监控区域中至少一个目标的行动轨迹，以及第二监控区域中至少一个目标的行动轨迹的重合度大于预设值。
根据本申请另一实施例的一个方面，提供了一种跨区域目标轨迹跟踪的系统，包括：至少两个微型监控设备，用于标记拍摄到的至少一个目标，并依据标记后的至少一个目标生成至少一个目标的行动轨迹，并将至少一个目标的行动轨迹上报至服务器；服务器，用于获取至少两个微型监控设备上传的至少一个目标的行动轨迹，判断在至少两个微型监控设备拍摄的重叠区域中是否在相同时间出现至少一个目标，并计算至少一个目标在至少两个微型监控设备所处监控区域的重合度，在重合度大于预设值的情况下，确定至少两个微型监控设备所处监控区域中至少一个目标是同一个目标，并生成至少一个目标的在至少两个微型监控设备所处监控区域的行动轨迹。
根据本申请另一实施例的另一个方面，提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述跨区域目标轨迹跟踪的方法。
根据本申请另一实施例的另一个方面，提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述跨区域目标轨迹跟踪的方法。
根据本申请另一实施例的又一个方面，提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述数据处理方法。
根据本申请另一实施例的又一个方面，提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述数据处理方法。
在本申请实施例中，通过分别提取至少两个监控区域中目标的行动轨迹；判断至少两个监控区域中目标的行动轨迹的重合度是否大于预设值；在判断结果为至少两个监控区域中目标的行动轨迹的重合度大于预设值的情况下，生成目标在至少两个监控区域中的行动轨迹，达到了对目标跟踪系统易部署的目的，从而实现了提升对目标任务的跟踪效率的技术效果，进而解决了由于现有技术中需要通过多台人脸识别摄像机对每层同一个目标人物的面部特征进行识别并监控拍摄，导致的部署复杂且目标人物跟踪效率低的技术问题。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是本申请实施例的一种跨区域目标轨迹跟踪的方法的计算机终端的硬件结构框图；
图2是根据本申请实施例一的跨区域目标轨迹跟踪的方法的流程图；
图3是根据本申请实施例一的一种跨区域目标轨迹跟踪的方法的示意图；
图4是根据本申请实施例一的另一种跨区域目标轨迹跟踪的方法的示意图；
图4a是根据本申请实施例二的数据处理方法的流程图；
图5是根据本发明实施例三的跨区域目标轨迹跟踪的装置的结构示意图；
图5a是根据本发明实施例四的数据处理装置的结构示意图；
图6是根据本发明实施例五的跨区域目标轨迹跟踪的系统的交互示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本申请实施例，还提供了一种跨区域目标轨迹跟踪的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例一所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在计算机终端上为例，图1是本申请实施例的一种跨区域目标轨迹跟踪的方法的计算机终端的硬件结构框图。如图1所示，计算机终端10可以包括一个或多个(图中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器104、以及用于通信功能 的传输模块106。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，计算机终端10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
存储器104可用于存储应用软件的软件程序以及模块，如本申请实施例中的跨区域目标轨迹跟踪的方法对应的程序指令/模块，处理器102通过运行存储在存储器104内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的应用程序的跨区域目标轨迹跟踪的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输模块106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端10的通信供应商提供的无线网络。在一个实例中，传输模块106包括一个网络适配器(Network Interface Controller，NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输模块106可以为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。
在上述运行环境下，本申请提供了如图2所示的跨区域目标轨迹跟踪的方法。图2是根据本申请实施例一的跨区域目标轨迹跟踪的方法的流程图。根据本申请实施例的一个方面，提供了一种跨区域目标轨迹跟踪的方法，该方法的步骤包括：
步骤S202，分别提取至少两个监控区域中目标的行动轨迹；
本申请上述步骤S202中，本申请提供的跨区域目标轨迹跟踪的方法可以适用于室内安防监控领域，其中，在本申请中区别于现有技术，以微型摄像头替代现有技术中的人脸识别摄像机，降低了安防监控成本，并且能够提升微型摄像头数量，以及微型摄像头与安防监控系统的接入兼容性。其中，每个微型摄像头所能够监控的区域称作监控区域，每个目标人物(即，本申请中的目标)在监控区域中移动的轨迹被称作行动轨迹，基于微型摄像头的分布每个微型摄像头所处的监控区域，均会在有目标人物出现在监控区域后，生成该目标人物在该监控区域的行动轨迹。
步骤S204，判断至少两个监控区域中目标的行动轨迹的重合度是否大于预设值；
本申请上述步骤S204中，当需要获取目标A的行动轨迹时，通过步骤S202获取目标A在至少两个监控区域中的行动轨迹，判断在至少两个监控区域中目标A的行动轨迹 的重合度是否大于预设值，如果大于预设值则执行步骤S206，如果小于预设值则说明至少两个监控区域中的目标的行动轨迹的重合度很低，所以目标A未移动，或目标A未移动至其他监控区域。
步骤S206，在判断结果为至少两个监控区域中目标的行动轨迹的重合度大于预设值的情况下，生成目标在至少两个监控区域中的行动轨迹。
本申请上述步骤S206中，基于步骤S204的判断，当重合度大于预设值的情况下，说明至少两个监控区域中的目标为同一个目标，进而根据该目标生成该目标在至少两个监控区域中的行动轨迹。
综上，本申请提供的跨区域目标轨迹跟踪的方法中，以跨区域目标人物的轨迹跟踪为例进行说明，本申请提供的实施例中无需部署用于人脸识别摄像机，但需要进行人轨迹跟踪的区域内连续部署微型摄像头(后续简称：摄像头)，确保摄像头之间的视野交叉或覆盖。本申请提供的跨区域目标轨迹跟踪的方法中的摄像头仅采集视野内出现的人这个生物类以及对应出现的轨迹、时间信息并通过低速无线传输技术将视野内每一个可识别为人类的坐标信息完成上报，不涉及具体人员的人脸识别，因此不会侵犯用户的隐私。
图3是根据本申请实施例一的一种跨区域目标轨迹跟踪的方法的示意图，如图3所示，本申请提供的跨区域目标轨迹跟踪的方法如下：
1.摄像头O识别出一个人以及其行进轨迹【将该人标记为Idxo】；
2.当该标记的人即将离开摄像头O的视野，进入与摄像头A重叠覆盖区时，后台服务器命令相邻微型摄像头进行捕获；
3.摄像头A获取视野内出现的人并加以区分标定，记录出现的时刻以及行进的轨迹并完成上报给后台服务器；
4.后台服务器对摄像头O中标记为Idxo的出现轨迹与A上报的人员轨迹进行匹配，寻找重合度大于设定门限值的人员，并将该人员标定在摄像头A范围内继承为Idxo；
5.当行人移动至下一个微型摄像头覆盖范围是，重复上述的过程，获取标定为Idxo在行进过程中的连续轨迹。
在本申请实施例中，通过分别提取至少两个监控区域中目标的行动轨迹；判断至少两个监控区域中目标的行动轨迹的重合度是否大于预设值；在判断结果为至少两个监控区域中目标的行动轨迹的重合度大于预设值的情况下，生成目标在至少两个监控区域中的行动轨迹，达到了对目标跟踪系统易部署的目的，从而实现了提升对目标任务的跟踪 效率的技术效果，进而解决了由于现有技术中需要通过多台人脸识别摄像机对每层同一个目标人物的面部特征进行识别并监控拍摄，导致的部署复杂且目标人物跟踪效率低的技术问题。
可选的，在步骤S202中分别提取至少两个监控区域中目标的行动轨迹之前，本申请提供的跨区域目标轨迹跟踪的方法还包括：
步骤S199,在至少两个监控区域包括第一监控区域和第二监控区域的情况下，当目标进入第一监控区域时，通过监控设备对目标进行标记，并依据标记在第一监控区域中生成对应目标在第一监控区域的行动轨迹；
步骤S200,当目标离开第一监控区域时，调用与第一监控区域相邻的第二监控区域的监控设备，判断第二监控区域的监控设备是否拍摄到至少一个目标；
步骤S201,在判断结果为是的情况下，对第二监控区域中至少一个目标进行标记，并生成目标在第二监控区域的行动轨迹。
具体的，在步骤S202中分别提取至少两个监控区域中目标的行动轨迹之前，结合步骤S199至步骤S201，以两个监控区域为例进行说明，即，第一监控区域和第二监控区域，在提取两个监控区域中目标的行动轨迹之前，每个监控区域先对自己监控区域内出现的目标进行标记，并随着时间的顺序生成每个标记后的目标子啊该监控区域生成的行动轨迹，并且当第一监控区域中的目标离开第一监控区域时，作为与第一监控区域相邻的第二监控区域将对每个进入该监控区域的目标进行标记，并生成标记后每个目标的行动轨迹，以便后续在对比重合度的过程中提供数据支持。
可选的，步骤S202中分别提取至少两个监控区域中目标的行动轨迹包括：
Step1,在至少两个监控区域包括第一监控区域和第二监控区域的情况下，在第一监控区域中，分别对第一监控区域中至少一个目标进行标记，并提取标记后的至少一个目标的行动轨迹；
Step2,在第二监控区域中，分别对第二监控区域中至少一个目标进行标记，并提取标记后的至少一个目标的行动轨迹。
具体的，结合Step1和Step2,提取每个监控区域的至少一个目标的行动轨迹的过程中，先提取标记过的目标，进而根据该标记提取各个目标在监控区域中的行动轨迹。
进一步地，可选的，步骤S202中Step1中的在第一监控区域中，分别对第一监控区域中至少一个目标进行标记，并提取标记后的至少一个目标的行动轨迹包括：
步骤1，对第一监控区域以预设单元格进行划分，得到栅格形式的第一监控区域的 第一位置分格图；
步骤2，依据至少一个目标在第一位置分格图进行标记；
步骤3，依据标记后的至少一个目标在第一位置分格图的位置变化，生成轨迹矩阵；
步骤4，将轨迹矩阵确定为标记后的至少一个目标在第一监控区域的行动轨迹。
可选的，步骤S202中Step2中的在第二监控区域中，分别对第二监控区域中至少一个目标进行标记，并提取标记后的至少一个目标的行动轨迹包括：
步骤1，对第二监控区域以预设单元格进行划分，得到栅格形式的第二监控区域的第二位置分格图；
步骤2，依据至少一个目标在第二位置分格图进行标记；
步骤3，依据标记后的至少一个目标在第二位置分格图的位置变化，生成轨迹矩阵；
步骤4，将轨迹矩阵确定为标记后的至少一个目标在第二监控区域的行动轨迹。
具体的，步骤S202中的Step1和步骤S202中的Step2中分别根据第一监控区域和第二监控区域划分单元格后，对每个目标在由单元格组成的第一位置分格图和第二位置分格图中的位置变化，生成每个目标在第一监控区域和第二监控区域的行动轨迹。
可选的，步骤S204中判断至少两个监控区域中目标的行动轨迹的重合度是否大于预设值包括：
Step1，在至少两个监控区域包括第一监控区域和第二监控区域的情况下，获取第一监控区域与第二监控区域的重叠区域；
Step2，标记重叠区域中至少一个目标，并依据标记后的至少一个目标生成行动轨迹；
Step3，判断重叠区域中至少一个目标的行动轨迹是否与第一监控区域中至少一个目标的行动轨迹，以及第二监控区域中至少一个目标的行动轨迹的重合度大于预设值。
进一步地，可选的，步骤S206中在判断结果为至少两个监控区域中目标的行动轨迹的重合度大于预设值的情况下，生成目标在至少两个监控区域中的行动轨迹包括：
Step1，在重合度大于预设值的情况下，确定重叠区域中的至少一个目标与第一监控区域中至少一个目标以及第二监控区域中至少一个目标为同一目标；
Step2，依据时间和第一监控区域与第二监控区域中至少一个目标的位置变化，生成至少一个目标的行动轨迹。
具体的，在本申请中通过两个监控区域重叠区域的目标的行动轨迹，通过对第一监控区域和第二监控区域中各个目标的行动轨迹的预测，如果该重叠区域的目标的行动轨迹与第一监控区域和第二监控区域的目标的行动轨迹的重合度大于预设值，则说明该重 叠区域的目标与第一监控区域和第二监控区域的目标为同一个目标，进而根据重叠区域、第一监控区域和第二监控区域中目标的行动轨迹生成目标在整个监控区域的移动轨迹。
综上，图4是根据本申请实施例一的另一种跨区域目标轨迹跟踪的方法的示意图，如图4所示，本申请提供的跨区域目标轨迹跟踪的方法具体如下：
1.将每一个摄像头的视野内位置划分为栅格，每格大小可以容纳不超过一个人的形体特征。
2.每一个摄像头内的视野中栅格位置使用矩阵进行标识，比如为：{M,N}，表示栅格范围为M行，N列的矩阵型(摄像头实际视野不一定是矩形，需匹配业界已有的畸形矫正技术)。则相邻摄像头重叠区域在各自摄像头视野范围内的栅格位置存在固定的逻辑转换关系，我们定义为{M,N} o*Z{N,N}＝{M,N} A。Z是一个N维矩阵。举例可以看出红星在摄像头O中的位置为(2,14)，经过矩阵转换后，其在摄像头A中的位置就是(2,2)。
3.一个人进入一个摄像头后，将该摄像头矩阵中出现该人的位置上的值标成1，其他位置都标成0，则该矩阵上所有值为1的点串起来就是这个人在该摄像头视野中的行进轨迹。举例，如
Figure PCTCN2018096094-appb-000001
4.当一个人从摄像头O进入摄像头O与A的重叠区域，直至离开该区域，在摄像头O中该区域内的行进轨迹可用矩阵表示为Track O，在摄像头A中该区域内的行进轨迹可用矩阵表示为Track A。
5.使用转换矩阵，将摄像头O中重叠区域里的行人轨迹转换为其在摄像头A内的轨迹：Track A’＝Track O*Z{N,N}。
6.通过上述计算可以获取摄像头O中重叠区域的X个人轨迹在摄像头A中的视野映射：Track A,1’、Track A,2’……Track A,x’，然后与摄像头A中的Track A进行相似度比较，相似度大于预设门限的则表示这两个轨迹对应的是同一个人。
本申请提供的跨区域目标轨迹跟踪的方法中后台服务器通过摄像头之间人轨迹识别的模糊算法匹配，获取行人在摄像头间移动时连续轨迹的跟踪；并且行人轨迹监控的摄像头仅捕获行人的轨迹、出现时间并对行人进行标号，不会捕获视频流去进行人脸识别， 不会造成人隐私的泄露。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的跨区域目标轨迹跟踪的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本申请各个实施例所述的方法。
实施例2
图4a是根据本申请实施例二的数据处理方法的流程图。如图4a所示，根据本申请实施例的一个方面，提供了一种数据处理方法，实现本申请提供的该数据处理方法包括如下步骤：
步骤S402，获取至少两个存在交集区域的地理围栏数据，其中，交集区域为公共区域，地理围栏数据包括其中物体的行动轨迹；
步骤S404，分别获取两个地理围栏数据中第一行动轨迹和第二行动轨迹；
步骤S406，确定第一行动轨迹和第二行动轨迹为匹配轨迹；
步骤S408，展示第一行动轨迹和第二行动轨迹。
具体的，本申请提供的数据处理方法可以适用于监控安防领域，特别是用于目标轨迹跟踪预测，在本实施例中，通过获取至少两个存在交局区域的地理围栏数据，得到各个目标在两个地理围栏数据中的第一行动轨迹和第二行动轨迹，通过匹配两个行动轨迹判断是否为同一目标。
在本申请实施例中，通过获取至少两个存在交集区域的地理围栏数据，其中，交集区域为公共区域，地理围栏数据包括其中物体的行动轨迹；分别获取两个地理围栏数据中第一行动轨迹和第二行动轨迹；确定第一行动轨迹和第二行动轨迹为匹配轨迹；展示第一行动轨迹和第二行动轨迹，达到了对目标跟踪系统易部署的目的，从而实现了提升 对目标任务的跟踪效率的技术效果，进而解决了由于现有技术中需要通过多台人脸识别摄像机对每层同一个目标人物的面部特征进行识别并监控拍摄，导致的部署复杂且目标人物跟踪效率低的技术问题。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的数据处理方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本申请各个实施例所述的方法。
实施例3
根据本申请实施例，还提供了一种用于实施上述跨区域目标轨迹跟踪的方法的装置，图5是根据本发明实施例三的跨区域目标轨迹跟踪的装置的结构示意图。
如图5所示，该跨区域目标轨迹跟踪的装置，包括：提取模块52、判断模块54和轨迹生成模块56。
其中，提取模块52，用于分别提取至少两个监控区域中目标的行动轨迹；判断模块54，用于判断至少两个监控区域中目标的行动轨迹的重合度是否大于预设值；轨迹生成模块56，用于在判断结果为至少两个监控区域中目标的行动轨迹的重合度大于预设值的情况下，生成目标在至少两个监控区域中的行动轨迹。
在本申请实施例中，通过分别提取至少两个监控区域中目标的行动轨迹；判断至少两个监控区域中目标的行动轨迹的重合度是否大于预设值；在判断结果为至少两个监控区域中目标的行动轨迹的重合度大于预设值的情况下，生成目标在至少两个监控区域中的行动轨迹，达到了对目标跟踪系统易部署的目的，从而实现了提升对目标任务的跟踪效率的技术效果，进而解决了由于现有技术中需要通过多台人脸识别摄像机对每层同一个目标人物的面部特征进行识别并监控拍摄，导致的部署复杂且目标人物跟踪效率低的 技术问题。
此处需要说明的是，上述提取模块52、判断模块54和轨迹生成模块56对应于实施例一中的步骤S202至步骤S206，三个模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例一所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在实施例一提供的跨区域目标轨迹跟踪的方法中，可以通过软件实现，也可以通过硬件实现。
可选的，提取模块52包括：第一提取单元，用于在至少两个监控区域包括第一监控区域和第二监控区域的情况下，在第一监控区域中，分别对第一监控区域中至少一个目标进行标记，并提取标记后的至少一个目标的行动轨迹；第二提取单元，用于在第二监控区域中，分别对第二监控区域中至少一个目标进行标记，并提取标记后的至少一个目标的行动轨迹。
此处需要说明的是，上述第一提取单元和第二提取单元对应于实施例一中的步骤S202中的Step1和Step2，两个模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例一所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在实施例一提供的跨区域目标轨迹跟踪的方法中，可以通过软件实现，也可以通过硬件实现。
可选的，判断模块54包括：获取单元，用于在至少两个监控区域包括第一监控区域和第二监控区域的情况下，获取第一监控区域与第二监控区域的重叠区域；标记单元，用于标记重叠区域中至少一个目标，并依据标记后的至少一个目标生成行动轨迹；判断单元，用于判断重叠区域中至少一个目标的行动轨迹是否与第一监控区域中至少一个目标的行动轨迹，以及第二监控区域中至少一个目标的行动轨迹的重合度大于预设值。
此处需要说明的是，上述获取单元、标记单元和判断单元对应于实施例一中的步骤S204中的Step1至Step3，三个模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例一所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在实施例一提供的跨区域目标轨迹跟踪的方法中，可以通过软件实现，也可以通过硬件实现。
实施例4
根据本申请实施例，还提供了一种用于实施上述数据处理方法的装置，图5a是根据本发明实施例四的数据处理装置的结构示意图。
如图5a所示，该数据处理装置，包括：第一获取模块52a、第二获取模块54a、轨 迹确定模块56a和显示模块58a。
第一获取模块52a，用于获取至少两个存在交集区域的地理围栏数据，其中，交集区域为公共区域，地理围栏数据包括其中物体的行动轨迹；第二获取模块54a，用于分别获取两个地理围栏数据中第一行动轨迹和第二行动轨迹；轨迹确定模块56a，用于确定第一行动轨迹和第二行动轨迹为匹配轨迹；显示模块58a，用于展示第一行动轨迹和第二行动轨迹。
在本申请实施例中，通过获取至少两个存在交集区域的地理围栏数据，其中，交集区域为公共区域，地理围栏数据包括其中物体的行动轨迹；分别获取两个地理围栏中第一行动轨迹和第二行动轨迹；确定第一行动轨迹和第二行动轨迹为匹配轨迹；展示第一行动轨迹和第二行动轨迹，达到了对目标跟踪系统易部署的目的，从而实现了提升对目标任务的跟踪效率的技术效果，进而解决了由于现有技术中需要通过多台人脸识别摄像机对每层同一个目标人物的面部特征进行识别并监控拍摄，导致的部署复杂且目标人物跟踪效率低的技术问题。
此处需要说明的是，上述第一获取模块52a、第二获取模块54a、轨迹确定模块56a和显示模块58a对应于实施例二中的步骤S402至步骤S408，四个模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例二所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在实施例二提供的数据处理方法中，可以通过软件实现，也可以通过硬件实现。
实施例5
根据本申请实施例的又一个方面，提供了一种跨区域目标轨迹跟踪的系统，包括：
至少两个微型监控设备，用于标记拍摄到的至少一个目标，并依据标记后的至少一个目标生成至少一个目标的行动轨迹，并将至少一个目标的行动轨迹上报至服务器；服务器，用于获取至少两个微型监控设备上传的至少一个目标的行动轨迹，判断在至少两个微型监控设备拍摄的重叠区域中是否在相同时间出现至少一个目标，并计算至少一个目标在至少两个微型监控设备所处监控区域的重合度，在重合度大于预设值的情况下，确定至少两个微型监控设备所处监控区域中至少一个目标是同一个目标，并生成至少一个目标的在至少两个微型监控设备所处监控区域的行动轨迹。
具体的，如实施例1中的图3所示，服务器可以为图3中的后台服务器，在本申请实施例中，如图6所示，图6是根据本发明实施例五的跨区域目标轨迹跟踪的系统的交 互示意图。具体如下：
S1，至少两个微型监控设备标记拍摄到的至少一个目标；
S2，至少两个微型监控设备依据标记后的至少一个目标生成至少一个目标的行动轨迹；
S3，至少两个微型监控设备将至少一个目标的行动轨迹上报至服务器；
S4，服务器获取至少两个微型监控设备上传的至少一个目标的行动轨迹，判断在至少两个微型监控设备拍摄的重叠区域中是否在相同时间出现至少一个目标；
S5，服务器计算至少一个目标在至少两个微型监控设备所处监控区域的重合度，在重合度大于预设值的情况下，确定至少两个微型监控设备所处监控区域中至少一个目标是同一个目标；
S6，服务器生成至少一个目标的在至少两个微型监控设备所处监控区域的行动轨迹。
实施例6
根据本申请实施例的再一个方面，提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述实施例1中的跨区域目标轨迹跟踪的方法。
实施例7
根据本申请实施例的再一个方面，提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述实施例1中的跨区域目标轨迹跟踪的方法。
实施例8
根据本申请实施例的再一个方面，提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述实施例2中的数据处理方法。
实施例9
根据本申请实施例的再一个方面，提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述实施例2中的数据处理方法。
实施例10
本申请的实施例还提供了一种存储介质。可选地，在本实施例中，上述存储介质可以用于保存上述实施例一所提供的跨区域目标轨迹跟踪的方法所执行的程序代码。
可选地，在本实施例中，上述存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：分 别提取至少两个监控区域中目标的行动轨迹；判断至少两个监控区域中目标的行动轨迹的重合度是否大于预设值；在判断结果为至少两个监控区域中目标的行动轨迹的重合度大于预设值的情况下，生成目标在至少两个监控区域中的行动轨迹。
可选的，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：在分别提取至少两个监控区域中目标的行动轨迹之前，在至少两个监控区域包括第一监控区域和第二监控区域的情况下，当目标进入第一监控区域时，通过监控设备对目标进行标记，并依据标记在第一监控区域中生成对应目标在第一监控区域的行动轨迹；当目标离开第一监控区域时，调用与第一监控区域相邻的第二监控区域的监控设备，判断第二监控区域的监控设备是否拍摄到至少一个目标；在判断结果为是的情况下，对第二监控区域中至少一个目标进行标记，并生成目标在第二监控区域的行动轨迹。
可选的，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：分别提取至少两个监控区域中目标的行动轨迹包括：在至少两个监控区域包括第一监控区域和第二监控区域的情况下，在第一监控区域中，分别对第一监控区域中至少一个目标进行标记，并提取标记后的至少一个目标的行动轨迹；在第二监控区域中，分别对第二监控区域中至少一个目标进行标记，并提取标记后的至少一个目标的行动轨迹。
进一步地，可选的，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：在第一监控区域中，分别对第一监控区域中至少一个目标进行标记，并提取标记后的至少一个目标的行动轨迹包括：对第一监控区域以预设单元格进行划分，得到栅格形式的第一监控区域的第一位置分格图；依据至少一个目标在第一位置分格图进行标记；依据标记后的至少一个目标在第一位置分格图的位置变化，生成轨迹矩阵；将轨迹矩阵确定为标记后的至少一个目标在第一监控区域的行动轨迹。
可选的，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：在第二监控区域中，分别对第二监控区域中至少一个目标进行标记，并提取标记后的至少一个目标的行动轨迹包括：对第二监控区域以预设单元格进行划分，得到栅格形式的第二监控区域的第二位置分格图；依据至少一个目标在第二位置分格图进行标记；依据标记后的至少一个目标在第二位置分格图的位置变化，生成轨迹矩阵；将轨迹矩阵确定为标记后的至少一个目标在第二监控区域的行动轨迹。
可选的，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：判断至少两个监控区域中目标的行动轨迹的重合度是否大于预设值包括：在至少两个监控区域包括第一监控区域和第二监控区域的情况下，获取第一监控区域与第二监控区域的 重叠区域；标记重叠区域中至少一个目标，并依据标记后的至少一个目标生成行动轨迹；判断重叠区域中至少一个目标的行动轨迹是否与第一监控区域中至少一个目标的行动轨迹，以及第二监控区域中至少一个目标的行动轨迹的重合度大于预设值。
进一步地，可选的，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：在判断结果为至少两个监控区域中目标的行动轨迹的重合度大于预设值的情况下，生成目标在至少两个监控区域中的行动轨迹包括：在重合度大于预设值的情况下，确定重叠区域中的至少一个目标与第一监控区域中至少一个目标以及第二监控区域中至少一个目标为同一目标；依据时间和第一监控区域与第二监控区域中至少一个目标的位置变化，生成至少一个目标的行动轨迹。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
在本申请的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的 全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (17)

  1. 一种数据处理方法，其特征在于，包括：
    获取至少两个存在交集区域的地理围栏数据，其中，所述交集区域为公共区域，所述地理围栏数据包括其中物体的行动轨迹；
    分别获取两个所述地理围栏数据中第一行动轨迹和第二行动轨迹；
    确定所述第一行动轨迹和第二行动轨迹为匹配轨迹；
    展示所述第一行动轨迹和第二行动轨迹。
  2. 一种跨区域目标轨迹跟踪的方法，其特征在于，包括：
    分别提取至少两个监控区域中目标的行动轨迹；
    判断所述至少两个监控区域中所述目标的行动轨迹的重合度是否大于预设值；
    在判断结果为所述至少两个监控区域中所述目标的行动轨迹的重合度大于预设值的情况下，生成所述目标在所述至少两个监控区域中的行动轨迹。
  3. 根据权利要求2所述的方法，其特征在于，在所述分别提取所述至少两个监控区域中所述目标的行动轨迹之前，所述方法还包括：
    在所述至少两个监控区域包括第一监控区域和第二监控区域的情况下，当所述目标进入所述第一监控区域时，通过监控设备对所述目标进行标记，并依据所述标记在所述第一监控区域中生成对应所述目标在第一监控区域的行动轨迹；
    当所述目标离开所述第一监控区域时，调用与所述第一监控区域相邻的所述第二监控区域的监控设备，判断所述第二监控区域的监控设备是否拍摄到至少一个目标；
    在判断结果为是的情况下，对所述第二监控区域中至少一个目标进行标记，并生成所述目标在所述第二监控区域的行动轨迹。
  4. 根据权利要求2或3所述的方法，其特征在于，所述分别提取至少两个监控区域中目标的行动轨迹包括：
    在所述至少两个监控区域包括第一监控区域和第二监控区域的情况下，在所述第一监控区域中，分别对所述第一监控区域中至少一个目标进行标记，并提取标记后的所述至少一个目标的行动轨迹；
    在所述第二监控区域中，分别对所述第二监控区域中至少一个目标进行标记，并提取标记后的所述至少一个目标的行动轨迹。
  5. 根据权利要求4所述的方法，其特征在于，所述在所述第一监控区域中，分别对所述第一监控区域中至少一个目标进行标记，并提取标记后的所述至少一个目标的行 动轨迹包括：
    对所述第一监控区域以预设单元格进行划分，得到栅格形式的所述第一监控区域的第一位置分格图；
    依据所述至少一个目标在所述第一位置分格图进行标记；
    依据标记后的所述至少一个目标在所述第一位置分格图的位置变化，生成轨迹矩阵；
    将所述轨迹矩阵确定为标记后的所述至少一个目标在所述第一监控区域的行动轨迹。
  6. 根据权利要求4所述的方法，其特征在于，所述在所述第二监控区域中，分别对所述第二监控区域中至少一个目标进行标记，并提取标记后的所述至少一个目标的行动轨迹包括：
    对所述第二监控区域以预设单元格进行划分，得到栅格形式的所述第二监控区域的第二位置分格图；
    依据所述至少一个目标在所述第二位置分格图进行标记；
    依据标记后的所述至少一个目标在所述第二位置分格图的位置变化，生成轨迹矩阵；
    将所述轨迹矩阵确定为标记后的所述至少一个目标在所述第二监控区域的行动轨迹。
  7. 根据权利要求2或3所述的方法，其特征在于，所述判断所述至少两个监控区域中所述目标的行动轨迹的重合度是否大于预设值包括：
    在所述至少两个监控区域包括第一监控区域和第二监控区域的情况下，获取所述第一监控区域与所述第二监控区域的重叠区域；
    标记所述重叠区域中至少一个目标，并依据标记后的所述至少一个目标生成行动轨迹；
    判断所述重叠区域中至少一个目标的行动轨迹是否与所述第一监控区域中至少一个目标的行动轨迹，以及所述第二监控区域中至少一个目标的行动轨迹的重合度大于所述预设值。
  8. 根据权利要求7所述的方法，其特征在于，所述在判断结果为所述至少两个监控区域中所述目标的行动轨迹的重合度大于预设值的情况下，生成所述目标在所述至少两个监控区域中的行动轨迹包括：
    在所述重合度大于所述预设值的情况下，确定所述重叠区域中的至少一个目标与所述第一监控区域中至少一个目标以及所述第二监控区域中至少一个目标为同一目标；
    依据时间和所述第一监控区域与所述第二监控区域中所述至少一个目标的位置变化，生成所述至少一个目标的行动轨迹。
  9. 一种数据处理装置，其特征在于，包括：
    第一获取模块，用于获取至少两个存在交集区域的地理围栏数据，其中，所述交集区域为公共区域，所述地理围栏数据包括其中物体的行动轨迹；
    第二获取模块，用于分别获取两个所述地理围栏数据中第一行动轨迹和第二行动轨迹；
    轨迹确定模块，用于确定所述第一行动轨迹和第二行动轨迹为匹配轨迹；
    显示模块，用于展示所述第一行动轨迹和第二行动轨迹。
  10. 一种跨区域目标轨迹跟踪的装置，其特征在于，包括：
    提取模块，用于分别提取至少两个监控区域中目标的行动轨迹；
    判断模块，用于判断所述至少两个监控区域中所述目标的行动轨迹的重合度是否大于预设值；
    轨迹生成模块，用于在判断结果为所述至少两个监控区域中所述目标的行动轨迹的重合度大于预设值的情况下，生成所述目标在所述至少两个监控区域中的行动轨迹。
  11. 根据权利要求10所述的装置，其特征在于，所述提取模块包括：
    第一提取单元，用于在所述至少两个监控区域包括第一监控区域和第二监控区域的情况下，在所述第一监控区域中，分别对所述第一监控区域中至少一个目标进行标记，并提取标记后的所述至少一个目标的行动轨迹；
    第二提取单元，用于在所述第二监控区域中，分别对所述第二监控区域中至少一个目标进行标记，并提取标记后的所述至少一个目标的行动轨迹。
  12. 根据权利要求10所述的装置，其特征在于，所述判断模块包括：
    获取单元，用于在所述至少两个监控区域包括第一监控区域和第二监控区域的情况下，获取所述第一监控区域与所述第二监控区域的重叠区域；
    标记单元，用于标记所述重叠区域中至少一个目标，并依据标记后的所述至少一个目标生成行动轨迹；
    判断单元，用于判断所述重叠区域中至少一个目标的行动轨迹是否与所述第一监控区域中至少一个目标的行动轨迹，以及所述第二监控区域中至少一个目标的行动轨迹的 重合度大于所述预设值。
  13. 一种跨区域目标轨迹跟踪的系统，其特征在于，包括：
    至少两个微型监控设备，用于标记拍摄到的至少一个目标，并依据标记后的所述至少一个目标生成所述至少一个目标的行动轨迹，并将所述至少一个目标的行动轨迹上报至服务器；
    服务器，用于获取所述至少两个微型监控设备上传的所述至少一个目标的行动轨迹，判断在所述至少两个微型监控设备拍摄的重叠区域中是否在相同时间出现至少一个目标，并计算所述至少一个目标在所述至少两个微型监控设备所处监控区域的重合度，在所述重合度大于预设值的情况下，确定所述至少两个微型监控设备所处监控区域中至少一个目标是同一个目标，并生成所述至少一个目标的在所述至少两个微型监控设备所处监控区域的行动轨迹。
  14. 一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求2至8中任意一项所述的跨区域目标轨迹跟踪的方法。
  15. 一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求2至8中任意一项所述的跨区域目标轨迹跟踪的方法。
  16. 一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1所述的数据处理方法。
  17. 一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1所述的数据处理方法。
PCT/CN2018/096094 2017-07-28 2018-07-18 跨区域目标轨迹跟踪的方法及数据处理方法、装置和系统 WO2019019943A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201710632975.XA CN109309809A (zh) 2017-07-28 2017-07-28 跨区域目标轨迹跟踪的方法及数据处理方法、装置和系统
CN201710632975.X 2017-07-28

Publications (1)

Publication Number Publication Date
WO2019019943A1 true WO2019019943A1 (zh) 2019-01-31

Family

ID=65041068

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2018/096094 WO2019019943A1 (zh) 2017-07-28 2018-07-18 跨区域目标轨迹跟踪的方法及数据处理方法、装置和系统

Country Status (3)

Country Link
CN (1) CN109309809A (zh)
TW (1) TW201911118A (zh)
WO (1) WO2019019943A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111274336A (zh) * 2019-12-18 2020-06-12 浙江大华技术股份有限公司 目标轨迹的处理方法、装置、存储介质及电子装置
CN111369587A (zh) * 2019-06-13 2020-07-03 杭州海康威视系统技术有限公司 一种跟踪方法及装置
CN111784730A (zh) * 2020-07-01 2020-10-16 杭州海康威视数字技术股份有限公司 一种对象跟踪方法、装置、电子设备及存储介质
CN113592919A (zh) * 2021-08-02 2021-11-02 金茂智慧科技(广州)有限公司 安防控制方法及相关装置

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111914592B (zh) * 2019-05-08 2023-09-05 杭州海康威视数字技术股份有限公司 多相机联合取证方法、装置及系统
CN110728249B (zh) * 2019-10-21 2023-07-28 上海市刑事科学技术研究院 目标行人的跨摄像机识别方法、装置及系统
CN111724412A (zh) * 2020-06-17 2020-09-29 杭州海康威视数字技术股份有限公司 确定运动轨迹的方法、装置及计算机存储介质
CN111986227B (zh) * 2020-08-26 2023-09-01 杭州海康威视数字技术股份有限公司 轨迹生成方法、装置、计算机设备及存储介质
CN112118427B (zh) * 2020-10-29 2022-11-04 上海擎感智能科技有限公司 监控方法、系统、服务器及计算机存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007096002A1 (en) * 2006-02-27 2007-08-30 Robert Bosch Gmbh Trajectory retrieval system, method and software for trajectory data retrieval
CN101854516A (zh) * 2009-04-02 2010-10-06 北京中星微电子有限公司 视频监控系统、视频监控服务器及视频监控方法
CN102156863A (zh) * 2011-05-16 2011-08-17 天津大学 跨摄像头的多运动目标跟踪方法
CN102256065A (zh) * 2011-07-25 2011-11-23 中国科学院自动化研究所 基于视频监控网络的视频自动浓缩方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101299811A (zh) * 2008-06-04 2008-11-05 上海世科嘉车辆技术研发有限公司 一种动态倒车影像辅助系统
CN104104915A (zh) * 2014-07-21 2014-10-15 四川沛阳科技有限公司 基于移动终端的多功能行车监控预警系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007096002A1 (en) * 2006-02-27 2007-08-30 Robert Bosch Gmbh Trajectory retrieval system, method and software for trajectory data retrieval
CN101854516A (zh) * 2009-04-02 2010-10-06 北京中星微电子有限公司 视频监控系统、视频监控服务器及视频监控方法
CN102156863A (zh) * 2011-05-16 2011-08-17 天津大学 跨摄像头的多运动目标跟踪方法
CN102256065A (zh) * 2011-07-25 2011-11-23 中国科学院自动化研究所 基于视频监控网络的视频自动浓缩方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111369587A (zh) * 2019-06-13 2020-07-03 杭州海康威视系统技术有限公司 一种跟踪方法及装置
CN111369587B (zh) * 2019-06-13 2023-05-02 杭州海康威视系统技术有限公司 一种跟踪方法及装置
CN111274336A (zh) * 2019-12-18 2020-06-12 浙江大华技术股份有限公司 目标轨迹的处理方法、装置、存储介质及电子装置
CN111274336B (zh) * 2019-12-18 2023-05-09 浙江大华技术股份有限公司 目标轨迹的处理方法、装置、存储介质及电子装置
CN111784730A (zh) * 2020-07-01 2020-10-16 杭州海康威视数字技术股份有限公司 一种对象跟踪方法、装置、电子设备及存储介质
CN111784730B (zh) * 2020-07-01 2024-05-03 杭州海康威视数字技术股份有限公司 一种对象跟踪方法、装置、电子设备及存储介质
CN113592919A (zh) * 2021-08-02 2021-11-02 金茂智慧科技(广州)有限公司 安防控制方法及相关装置

Also Published As

Publication number Publication date
TW201911118A (zh) 2019-03-16
CN109309809A (zh) 2019-02-05

Similar Documents

Publication Publication Date Title
WO2019019943A1 (zh) 跨区域目标轨迹跟踪的方法及数据处理方法、装置和系统
CN108234927B (zh) 视频追踪方法和系统
CN104094279B (zh) 大范围优先的跨摄像机视觉目标再识别方法
CN107529221A (zh) 一种结合视频监控和Wi‑Fi定位的追踪分析系统及方法
CN103716878B (zh) 利用手机与视频监控设备进行定位的方法
CN110175587B (zh) 一种基于人脸识别和步态识别算法的视频追踪方法
CN111241932A (zh) 汽车展厅客流检测与分析系统、方法及存储介质
US20220377285A1 (en) Enhanced video system
D'Orazio et al. Color brightness transfer function evaluation for non overlapping multi camera tracking
CN110378292B (zh) 三维空间定位系统和方法
CN102867349A (zh) 一种基于椭圆环模板匹配的人数统计方法
CN109960969A (zh) 移动路线生成的方法、装置及系统
CN110633648A (zh) 一种自然行走状态下的人脸识别方法和系统
CN112633096A (zh) 客流的监测方法、装置、电子设备及存储介质
CN111126411B (zh) 一种异常行为识别方法及装置
US20220171963A1 (en) Autonomous aerial vehicle projection zone selection
Kudo et al. Utilizing WiFi signals for improving SLAM and person localization
Pham et al. Fusion of wifi and visual signals for person tracking
CN113011445A (zh) 标定方法、识别方法、装置及设备
WO2020114132A1 (zh) 一种信息关联性处理方法、装置及系统
CN110490104A (zh) 一种减少流浪者冲突的监测系统及监测方法
CN112990156B (zh) 基于视频的最优目标捕捉方法、装置及相关设备
CN107945443A (zh) 一种脸部辨识安控系统
Hammoudi et al. Analyzing and managing the slot occupancy of car parking by exploiting vision-based urban surveillance networks
CN110177256B (zh) 一种追踪视频数据获取方法和装置

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18839497

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 18839497

Country of ref document: EP

Kind code of ref document: A1