WO2020199484A1 - 基于视频的轨迹跟踪方法、装置、计算机设备及存储介质 - Google Patents
基于视频的轨迹跟踪方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- WO2020199484A1 WO2020199484A1 PCT/CN2019/103374 CN2019103374W WO2020199484A1 WO 2020199484 A1 WO2020199484 A1 WO 2020199484A1 CN 2019103374 W CN2019103374 W CN 2019103374W WO 2020199484 A1 WO2020199484 A1 WO 2020199484A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- user
- data
- identification information
- trajectory
- time period
- Prior art date
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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/908—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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/909—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
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- 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
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
Definitions
- This application relates to the field of biometrics technology, in particular to a video-based trajectory tracking method, device, computer equipment and storage medium.
- the monitoring of pedestrians driving on the road is generally collected through high-definition cameras installed on fixed devices on the road.
- massive monitoring video collected the local travel of pedestrians can be monitored.
- the increase in the scale of video-based big data has only stored pedestrian surveillance videos, and has not effectively achieved effective tracking of pedestrian trajectories. That is, when it is necessary to analyze the trajectory of a designated pedestrian, only a large amount of surveillance videos can be viewed for human analysis, which leads to low efficiency.
- the embodiments of the application provide a video-based trajectory tracking method, device, computer equipment, and storage medium, which are designed to solve the problem that the monitoring video of pedestrians collected in the prior art is only saved, and when the trajectory route analysis of the designated pedestrian is required, Can only view massive surveillance videos for human analysis, leading to inefficiency.
- an embodiment of the present application provides a video-based trajectory tracking method, which includes:
- user identification information corresponding to the user information to be queried is obtained, and user trajectory data corresponding to the query time period is obtained in the database according to the user identification information.
- an embodiment of the present application provides a video-based trajectory tracking device, which includes:
- the video conversion unit is configured to receive the currently collected user monitoring video through the message middleware, and convert the user monitoring video into user path data;
- the data storage unit is configured to create an index corresponding to the user identification information of the user path data as the primary key, and store the user path data in the database using the user identification information as the primary key;
- the trajectory query unit is used to obtain the user identification information corresponding to the user information to be queried if the entered user information and query time period are detected, and obtain the user corresponding to the query time period in the database according to the user identity information Track data.
- an embodiment of the present application provides a computer device, which includes a memory, a processor, and a computer program stored on the memory and running on the processor, and the processor executes the computer
- the program implements the video-based trajectory tracking method described in the first aspect.
- the embodiments of the present application also provide a computer-readable storage medium, wherein the computer-readable storage medium stores a computer program, and when the computer program is executed by a processor, the processor executes the above-mentioned The video-based trajectory tracking method described in one aspect.
- FIG. 1 is a schematic diagram of an application scenario of a video-based trajectory tracking method provided by an embodiment of the application
- FIG. 2 is a schematic flowchart of a video-based trajectory tracking method provided by an embodiment of the application
- FIG. 3 is a schematic diagram of a sub-flow of a video-based trajectory tracking method provided by an embodiment of the application;
- FIG. 4 is a schematic diagram of another sub-flow of a video-based trajectory tracking method provided by an embodiment of the application.
- FIG. 5 is a schematic block diagram of a video-based trajectory tracking device provided by an embodiment of the application.
- Fig. 6 is a schematic block diagram of subunits of a video-based trajectory tracking device provided by an embodiment of the application.
- FIG. 7 is a schematic block diagram of another subunit of the video-based trajectory tracking device provided by an embodiment of the application.
- FIG. 8 is a schematic block diagram of a computer device provided by an embodiment of the application.
- Figure 1 is a schematic diagram of an application scenario of a video-based trajectory tracking method provided by an embodiment of the application
- Figure 2 is a schematic flowchart of a video-based trajectory tracking method provided by an embodiment of the application, which is video-based
- the trajectory tracking method is applied to the server, and the method is executed by application software installed in the server.
- the method includes steps S110 to S130.
- S110 Receive the currently collected user monitoring video through the message middleware, and convert the user monitoring video into user path data; wherein the user path data includes at least user identification information, geographic coordinate data, and user track time point data.
- the terminals involved are introduced below. Among them, in this application, the technical solution is described from the perspective of the server.
- One is the server, where message middleware, image recognition library and database are deployed.
- the message middleware is used to receive user monitoring videos uploaded by the front-end acquisition device
- the image recognition library is used to convert user path data into user path data, and store the user path data in the database after indexing.
- the second is the front-end collection device, such as surveillance cameras installed on the road (these surveillance cameras are generally installed at the entrance and exit of the sidewalk, the starting point and the end of the zebra crossing and other important surveillance locations), which are used to collect user surveillance videos and upload them to the middle of Kafka messages (Kafka is a high-throughput distributed publish-and-subscribe messaging system that can process all action stream data in consumer-scale websites).
- surveillance cameras installed on the road
- Kafka is a high-throughput distributed publish-and-subscribe messaging system that can process all action stream data in consumer-scale websites.
- the server When the server receives the user monitoring video collected by the front-end acquisition device and converts it into user path data, it can effectively monitor the path of each user.
- step S110 includes:
- S112 Obtain corresponding multi-frame user monitoring pictures by performing video decomposition on the user monitoring video
- S113 Perform face recognition on the multi-frame user monitoring pictures to obtain user identification information in the multi-frame user monitoring pictures;
- each of the multiple front-end collection devices set up at a certain intersection collects user surveillance video in the direction it is facing, if the user surveillance picture obtained by the user surveillance video decomposition has a human face In case of a partial image, it means that the server needs to perform face recognition on the user's monitoring image. Since the geographic location information of the multiple front-end collection devices installed at the intersection is known, the geographic coordinate data of the users currently present at the intersection can be determined by the geographic location information of the multiple front-end collection devices installed at the intersection.
- the user surveillance video needs to be decomposed into the video at this time to obtain the corresponding multi-frame user surveillance picture.
- each front-end collection device at the intersection collects user surveillance video in the direction it is facing, if the user surveillance picture obtained by decomposition has a human face image, it means that the current collection time needs to be acquired as the user path data
- the user track time point data.
- the time point data of the user's trajectory can be more vividly understood as the corresponding shooting time when the user is captured by a certain front-end collection device.
- each user path data includes at least three pieces of information, namely user identification information, geographic coordinate data, and user track time point data.
- step S113 includes:
- the picture feature vector corresponding to the preprocessed picture is added To the face database and send notification information to the management terminal connected to the face database.
- the image preprocessing of the face is based on the result of face detection, the image is processed and finally serves the process of feature extraction. Due to various conditions and random interference, the original image obtained by the server cannot be used directly. It must be pre-processed with grayscale correction and noise filtering in the early stage of image processing.
- the preprocessing process mainly includes light compensation, gray scale transformation, histogram equalization, normalization, geometric correction, filtering and sharpening of the face image.
- the feature vector of the picture When obtaining the feature vector of the picture, first obtain the pixel matrix corresponding to the preprocessed picture of each frame, and then use the pixel matrix corresponding to the preprocessed picture of each frame as the input of the input layer in the convolutional neural network model to obtain multiple Then input the feature maps into the pooling layer to obtain the one-dimensional row vector corresponding to the maximum value of each feature map, and finally input the one-dimensional row vector corresponding to the maximum value of each feature map to the fully connected layer , Get the picture feature vector corresponding to the preprocessed picture of each frame.
- the feature templates stored in the face database store the feature vectors corresponding to the massive amount of face images that have been collected, that is, each person’s face corresponds to a unique feature vector. With these massive feature templates as data After basic, it can be used to determine one or more people corresponding to the preprocessed picture, so as to realize face recognition.
- the obtained user identification information can be the user's ID number. Since each citizen's ID number is unique, it can be used as its unique identification code.
- step S110 the method further includes:
- the user path data is stored in a temporary database created in the message middleware; wherein, the message middleware is a distributed publish and subscribe message middleware.
- the message middleware is a distributed publish-subscribe message middleware (distributed publish-subscribe message middleware, namely Kafka message middleware).
- Kafka message middleware can be visibly understood as a large pool, continuously Various types of messages are produced, stored, and consumed, that is, producers write messages to the queue (that is, a pool of image understanding), and consumers take messages from the queue for business logic.
- Kafka message middleware is used as the temporary storage data of user path data, which can effectively process and process user path data.
- the database index is like a table of contents in front of a book, which can speed up the query speed of the database.
- the index is a structure that sorts the values of one or more columns in the database table (for example, the user identification information column of the user path data table). If you need to find users based on their user identification information, the index helps to obtain information faster than searching all rows in the table. Defining the primary key with user identification information will automatically create a primary key index. When the primary key index is used in a query, it also allows quick access to data.
- the user information to be queried can be entered in the following ways: one is to directly enter the ID number of the user to be queried, and two Enter the avatar photo of the user to be queried, and the third is to enter the surveillance video of the user to be queried (including the user's face video), enter the user information to be queried through at least the above three methods, and enter or select the query time period
- the above-mentioned unified identification can be converted into user identification information, and the user trajectory data corresponding to the query time period can be obtained in the database according to the user identity recognition information; wherein, the user trajectory data is the user corresponding to the query time period
- the geographic coordinate data of, and the geographic coordinate data are sequentially connected in chronological order to form user track data.
- step S130 includes:
- the obtained multiple geographic coordinate data corresponding to the query time period are rendered on an electronic map, and the geographic coordinate data are sequentially connected in chronological order to form a user map track.
- multiple user path data corresponding to the query time period can be obtained and rendered on an electronic map according to geographic coordinate data, and each geographic location can be serially connected in chronological order.
- the coordinate data forms a user map trajectory (user map trajectory is user trajectory data). In this way, the trajectory of the target task can be drawn more intuitively through the way of the user map trajectory.
- step S130 the method further includes:
- target user identification information corresponding to the target user trajectory data, and target contact information corresponding to the target user identification information; wherein, the target contact information includes a phone number and an email address;
- the preset first prompt information is sent to the user terminal corresponding to the target contact information.
- the current time can be calculated based on the maintenance start time and time period. Query time period. Then query the user path data stored in the database according to the current query time period and the maintenance section trajectory data to obtain the target user trajectory data, that is, obtain a higher degree of coincidence with the maintenance section trajectory data (for example, with the maintenance section).
- the user trajectory data whose trajectory data coincides more than 80% is used as the target user trajectory data.
- each target user identification information corresponding to the target user's trajectory data is obtained, and the target contact information (such as telephone number, etc.) corresponding to each target user identification information is obtained, and the server is sent to prompt the user to detour the first section of the repair section. Prompt information to the user terminal corresponding to the target contact information.
- the querying the user path data stored in the database according to the current query time period and the maintenance section trajectory data to obtain target user trajectory data includes:
- trajectory data of each initial query target user Compare the trajectory data of each initial query target user with the trajectory data of the maintenance section. If there is an overlap trajectory data between the trajectory data of the target user for the first query and the trajectory data of the maintenance section, it will overlap with the trajectory data of the maintenance section.
- the trajectory data constitutes the target user trajectory data.
- the target user trajectory data when acquiring the target user trajectory data, it is generally first to initially filter the trajectory data of the first query target user according to the current query time period, and then compare the trajectory data of the target user for each initial query with the trajectory data of the maintenance section. To determine whether there is coincident trajectory data, if the trajectory data of the target user corresponding to the user's initial query is exactly the same as the trajectory data of the maintenance section, then the trajectory data of the target user corresponding to the user for the first query is regarded as one of the target user trajectory data.
- the target users filtered through the above methods are those users who need to be notified by the server of the detour.
- step S130 the method further includes:
- the contact information of the target user to be recommended includes a phone number and an email address
- the preset second prompt information is sent to the user terminal corresponding to the target contact information to be recommended.
- the server sets the suspect tag on the user information to be queried, in order to better investigate its trajectory information, you can obtain Users who have similar trajectory data in the same time period as the user are notified to participate in the information survey. Thereafter, the target user trajectory data to be recommended whose coincidence degree with the user trajectory data exceeds a preset coincidence degree threshold (for example, the coincidence degree threshold is set to 85%) can be obtained in the database according to the query time period.
- a preset coincidence degree threshold for example, the coincidence degree threshold is set to 85%
- the acquiring, in the database according to the query time period, the trajectory data of the target user to be recommended whose coincidence degree with the user trajectory data exceeds a preset coincidence degree threshold includes:
- the trajectory data of the corresponding user is composed of the target user trajectory data to be recommended.
- the user trajectory data AT1 includes 3 positioning points, denoted as a11, a12, and a13;
- the trajectory data BT corresponding to user B also includes 3 positioning points, denoted as b1, b2, and b3, at this time, AT1 and BT
- the degree of coincidence with the user trajectory data AT1 if the degree of coincidence 1/D1 exceeds the preset degree of coincidence threshold, the trajectory data of the corresponding user is composed of the target user trajectory data to be recommended.
- the target user to be recommended and the corresponding trajectory data of the target user to be recommended can be accurately filtered.
- the method realizes the recognition of the characters in the surveillance video, and correspondingly converts them into user path data, which is convenient for drawing the user's trajectory route.
- An embodiment of the present application also provides a video-based trajectory tracking device, which is used to execute any embodiment of the aforementioned video-based trajectory tracking method.
- FIG. 5 is a schematic block diagram of a video-based trajectory tracking device provided by an embodiment of the present application.
- the video-based trajectory tracking device 100 can be configured in a server.
- the video-based trajectory tracking device 100 includes a video conversion unit 110, a data storage unit 120, and a trajectory query unit 130.
- the video conversion unit 110 is configured to receive the currently collected user monitoring video through the message middleware, and convert the user monitoring video into user path data; wherein, the user path data includes at least user identification information and geographic coordinate data , User track time point data.
- the server when the server receives the user monitoring video collected by the front-end collection device and converts it into user path data, it can effectively monitor the path of each user.
- the video conversion unit 110 includes: a positioning unit 111, configured to obtain corresponding geographic location information of the front-end collection device corresponding to the user surveillance video, as geographic coordinates in the user path data Data; the video decomposition unit 112 is used to decompose the user monitoring video to obtain the corresponding multi-frame user monitoring pictures; the face recognition unit 113 is used to perform face recognition on multi-frame user monitoring pictures to obtain multiple Frame the user identification information existing in the user monitoring picture; the time point obtaining unit 114 is used to obtain the collection time corresponding to the user monitoring video as the user track time point data in the user path data; the data assembly unit 115 uses By assembling each user identification information corresponding to the user monitoring video with the corresponding geographic coordinate data and user track time point data, the user path data corresponding to each user identification information is obtained.
- a positioning unit 111 configured to obtain corresponding geographic location information of the front-end collection device corresponding to the user surveillance video, as geographic coordinates in the user path data Data
- the video decomposition unit 112 is used to decompos
- each of the multiple front-end collection devices set up at a certain intersection collects user surveillance video in the direction it is facing, if the user surveillance picture obtained by the user surveillance video decomposition has a human face In case of a partial image, it means that the server needs to perform face recognition on the user's monitoring image. Since the geographic location information of the multiple front-end collection devices installed at the intersection is known, the geographic coordinate data of the users currently present at the intersection can be determined by the geographic location information of the multiple front-end collection devices installed at the intersection.
- the face recognition unit 113 includes: a picture preprocessing unit 1131, configured to sequentially perform grayscale correction and noise filtering on the user monitoring picture to obtain a preprocessed picture; a picture feature extraction unit 1132, configured to obtain a picture feature vector corresponding to the preprocessed picture through a convolutional neural network model; a feature comparison unit 1133, configured to compare the picture feature vector with a feature template stored in the face database Yes, it is judged whether there is a feature template that is the same as the picture feature vector corresponding to the preprocessed picture among the feature templates stored in the face database; the identification information acquisition unit 1134 is used to determine whether the feature template has been stored in the face database There is a feature template that is the same as the picture feature vector corresponding to the preprocessed picture, and the corresponding user identification information is obtained.
- a picture preprocessing unit 1131 configured to sequentially perform grayscale correction and noise filtering on the user monitoring picture to obtain a preprocessed picture
- a picture feature extraction unit 1132 configured to obtain
- the obtained user identification information may be the user's ID number. Since each citizen's ID number is unique, it can be used as its unique identification code.
- the video-based trajectory tracking device 100 further includes: a temporary storage unit, configured to store the user path data in a temporary database created in the message middleware; wherein, the message middleware Middleware for distributed publish and subscribe messaging.
- the message middleware is a distributed publish-subscribe message middleware (distributed publish-subscribe message middleware, namely Kafka message middleware).
- Kafka message middleware can be visibly understood as a large pool, continuously Various types of messages are produced, stored, and consumed, that is, producers write messages to the queue (that is, a pool of image understanding), and consumers take messages from the queue for business logic.
- Kafka message middleware is used as the temporary storage data of user path data, which can effectively process and process user path data.
- the data storage unit 120 is configured to create an index corresponding to the user identification information of the user path data as the primary key, and store the user path data in the database with the user identification information as the primary key; wherein the database stores the In the data table of the user path data, the corresponding field of the user identification information is used as the index name of the index.
- the database index is like a table of contents in front of a book, which can speed up the query speed of the database.
- the index is a structure that sorts the values of one or more columns in the database table (for example, the user identification information column of the user path data table). If you need to find users based on their user identification information, the index helps to obtain information faster than searching all rows in the table. Defining the primary key with user identification information will automatically create a primary key index. When the primary key index is used in a query, it also allows quick access to data.
- the trajectory query unit 130 is configured to obtain the user identification information corresponding to the user information to be queried if the entered user information to be queried and the query time period are detected, and obtain the information corresponding to the query time period in the database according to the user identification information User trace data.
- the user information to be queried can be entered in the following ways: one is to directly enter the ID number of the user to be queried, and two Enter the avatar photo of the user to be queried, and the third is to enter the surveillance video of the user to be queried (including the user's face video), enter the user information to be queried through at least the above three methods, and enter or select the query time period
- the above-mentioned unified identification can be converted into user identification information, and the user trajectory data corresponding to the query time period can be obtained in the database according to the user identity recognition information; wherein, the user trajectory data is the user corresponding to the query time period
- the geographic coordinate data of, and the geographic coordinate data are sequentially connected in chronological order to form user track data.
- trajectory query unit 130 is further configured to:
- the obtained multiple geographic coordinate data corresponding to the query time period are rendered on an electronic map, and the geographic coordinate data are sequentially connected in chronological order to form a user map track.
- multiple user path data corresponding to the query time period can be obtained and rendered on an electronic map according to geographic coordinate data, and each geographic location can be serially connected in chronological order.
- the coordinate data forms a user map trajectory (user map trajectory is user trajectory data). In this way, the trajectory of the target task can be drawn more intuitively through the way of the user map trajectory.
- the device realizes the recognition of the characters in the surveillance video, and the corresponding conversion into user path data, which is convenient for drawing the user's trajectory route.
- the above-mentioned video-based trajectory tracking device can be implemented in the form of a computer program, and the computer program can be run on a computer device as shown in FIG. 8.
- FIG. 8 is a schematic block diagram of a computer device according to an embodiment of the present application.
- the computer device 500 is a server, and the server may be an independent server or a server cluster composed of multiple servers.
- the computer device 500 includes a processor 502, a memory, and a network interface 505 connected through a system bus 501, where the memory may include a non-volatile storage medium 503 and an internal memory 504.
- the non-volatile storage medium 503 can store an operating system 5031 and a computer program 5032.
- the processor 502 can execute a video-based trajectory tracking method.
- the processor 502 is used to provide calculation and control capabilities, and support the operation of the entire computer device 500.
- the internal memory 504 provides an environment for the running of the computer program 5032 in the non-volatile storage medium 503.
- the processor 502 can execute the video-based trajectory tracking method.
- the network interface 505 is used for network communication, such as providing data information transmission.
- the structure shown in FIG. 8 is only a block diagram of part of the structure related to the solution of the present application, and does not constitute a limitation on the computer device 500 to which the solution of the present application is applied.
- the specific computer device 500 may include more or fewer components than shown in the figure, or combine certain components, or have a different component arrangement.
- the processor 502 is configured to run a computer program 5032 stored in a memory to implement the video-based trajectory tracking method of the embodiment of the present application.
- the embodiment of the computer device shown in FIG. 8 does not constitute a limitation on the specific configuration of the computer device.
- the computer device may include more or less components than those shown in the figure. Or combine certain components, or different component arrangements.
- the computer device may only include a memory and a processor. In such embodiments, the structures and functions of the memory and the processor are consistent with the embodiment shown in FIG. 8 and will not be repeated here.
- the processor 502 may be a central processing unit (Central Processing Unit, CPU), and the processor 502 may also be other general-purpose processors, digital signal processors (Digital Signal Processors, DSPs), Application Specific Integrated Circuit (ASIC), Field-Programmable Gate Array (FPGA) or other programmable logic devices, discrete gate or transistor logic devices, discrete hardware components, etc.
- the general-purpose processor may be a microprocessor or the processor may also be any conventional processor.
- a computer-readable storage medium may be a non-volatile computer-readable storage medium.
- the computer-readable storage medium stores a computer program, where the computer program is executed by a processor to implement the video-based trajectory tracking method of the embodiment of the present application.
- the storage medium is a physical, non-transitory storage medium, such as a U disk, a mobile hard disk, a read-only memory (Read-Only Memory, ROM), a magnetic disk, or an optical disk that can store program codes. medium.
- a physical, non-transitory storage medium such as a U disk, a mobile hard disk, a read-only memory (Read-Only Memory, ROM), a magnetic disk, or an optical disk that can store program codes. medium.
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Library & Information Science (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Computer Security & Cryptography (AREA)
- Human Computer Interaction (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
Abstract
一种基于视频的轨迹跟踪方法、装置、计算机设备及存储介质。该方法包括:通过消息中间件接收当前所采集的用户监控视频,将所述用户监控视频转化为用户路径数据(S110);根据所述用户路径数据的用户身份识别信息作为主键对应建立索引,将所述用户路径数据以用户身份识别信息作为主键存储至数据库(S120);以及若检测到所录入的待查询用户信息及查询时间段,获取与待查询用户信息对应的用户身份识别信息,根据用户身份识别信息在数据库中获取与查询时间段对应的用户轨迹数据(S130)。
Description
本申请要求于2019年4月4日提交中国专利局、申请号为201910270530.0、申请名称为“基于视频的轨迹跟踪方法、装置、计算机设备及存储介质”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。
本申请涉及生物识别技术领域,尤其涉及一种基于视频的轨迹跟踪方法、装置、计算机设备及存储介质。
目前,对道路上行驶的行人进行监控,一般是通过设置在道路的固定装置上的高清摄像头来采集获取。通过采集的海量的监控视频,能实现对行人的局部行程进行监控。但是,基于视频的大数据规模增加,也只是存储了行人的监控视频,并未有效实现对行人轨迹的有效跟踪。即当需对指定行人进行轨迹路线分析时,只能查看海量的监控视频进行人为分析,导致效率低下。
申请内容
本申请实施例提供了一种基于视频的轨迹跟踪方法、装置、计算机设备及存储介质,旨在解决现有技术中采集了行人的监控视频仅保存,当需对指定行人进行轨迹路线分析时,只能查看海量的监控视频进行人为分析,导致效率低下的问题。
第一方面,本申请实施例提供了一种基于视频的轨迹跟踪方法,其包括:
通过消息中间件接收当前所采集的用户监控视频,将所述用户监控视频转化为用户路径数据;
根据所述用户路径数据的用户身份识别信息作为主键对应建立索引,将所述用户路径数据以用户身份识别信息作为主键存储至数据库;以及
若检测到所录入的待查询用户信息及查询时间段,获取与待查询用户信息对应的用户身份识别信息,根据用户身份识别信息在数据库中获取与查询时间段对应的用户轨迹数据。
第二方面,本申请实施例提供了一种基于视频的轨迹跟踪装置,其包括:
视频转化单元,用于通过消息中间件接收当前所采集的用户监控视频,将 所述用户监控视频转化为用户路径数据;
数据存储单元,用于根据所述用户路径数据的用户身份识别信息作为主键对应建立索引,将所述用户路径数据以用户身份识别信息作为主键存储至数据库;以及
轨迹查询单元,用于若检测到所录入的待查询用户信息及查询时间段,获取与待查询用户信息对应的用户身份识别信息,根据用户身份识别信息在数据库中获取与查询时间段对应的用户轨迹数据。
第三方面,本申请实施例又提供了一种计算机设备,其包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一方面所述的基于视频的轨迹跟踪方法。
第四方面,本申请实施例还提供了一种计算机可读存储介质,其中所述计算机可读存储介质存储有计算机程序,所述计算机程序当被处理器执行时使所述处理器执行上述第一方面所述的基于视频的轨迹跟踪方法。
为了更清楚地说明本申请实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的基于视频的轨迹跟踪方法的应用场景示意图;
图2为本申请实施例提供的基于视频的轨迹跟踪方法的流程示意图;
图3为本申请实施例提供的基于视频的轨迹跟踪方法的子流程示意图;
图4为本申请实施例提供的基于视频的轨迹跟踪方法的另一子流程示意图;
图5为本申请实施例提供的基于视频的轨迹跟踪装置的示意性框图;
图6为本申请实施例提供的基于视频的轨迹跟踪装置的子单元示意性框图;
图7为本申请实施例提供的基于视频的轨迹跟踪装置的另一子单元示意性框图;
图8为本申请实施例提供的计算机设备的示意性框图。
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部 的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
请参阅图1和图2,图1为本申请实施例提供的基于视频的轨迹跟踪方法的应用场景示意图;图2为本申请实施例提供的基于视频的轨迹跟踪方法的流程示意图,该基于视频的轨迹跟踪方法应用于服务器中,该方法通过安装于服务器中的应用软件进行执行。
如图2所示,该方法包括步骤S110~S130。
S110、通过消息中间件接收当前所采集的用户监控视频,将所述用户监控视频转化为用户路径数据;其中,所述用户路径数据中至少包括用户身份识别信息、地理坐标数据、用户轨迹时间点数据。
在本实施例中,为了更清楚的理解技术方案的使用场景(例如以监控行人的行走路线轨迹为例),下面对所涉及到的终端进行介绍。其中,在本申请中,是站在服务器的角度来描述技术方案。
一是服务器,服务器中部署有消息中间件,图像识别库和数据库。消息中间件用于接收前端采集装置上传的用户监控视频,图像识别库用于将用户路径数据转化为用户路径数据,并将用户路径数据建立索引后存储至数据库。
二是前端采集装置,例如设置在道路上的监控摄像头(这些监控摄像头一般安装在人行道的出入口,路口斑马线的起始点和终点等重要监控地点),用于采集用户监控视频并上传至Kafka消息中间件(Kafka是一种高吞吐量的分布式发布订阅消息系统,它可以处理消费者规模的网站中的所有动作流数据)。
当服务器接收了由前端采集装置所采集用户监控视频,转化为用户路径数据后,可对每一用户的路径进行有效监控。
在一实施例中,如图3所示,步骤S110包括:
S111、获取所述用户监控视频对应的前端采集装置相应的地理位置信息,以作为用户路径数据中的地理坐标数据;
S112、通过对所述用户监控视频进行视频分解,得到对应的多帧用户监控图片;
S113、对多帧用户监控图片进行人脸识别,得到多帧用户监控图片中存在的用户身份识别信息;
S114、获取所述用户监控视频对应的采集时间,以作为用户路径数据中的用户轨迹时间点数据;
S115、将所述用户监控视频对应的各用户身份识别信息,与对应的地理坐标数据及用户轨迹时间点数据进行组装,得到与各用户身份识别信息对应的用户路径数据。
在本实施例中,在某一路口所设置的多个前端采集装置中每一个前端采集装置针对其正对的方向采集用户监控视频时,若经过用户监控视频分解得到的用户监控图片存在人物脸部图像时,则表示需由服务器对用户监控图片进行人脸识别。由于在该路口设置的多个前端采集装置的地理位置信息是已知的,故可由在该路口设置的多个前端采集装置的地理位置信息来确定该路口目前出现的用户的地理坐标数据。
由于直接对用户监控视频无法直接进行人脸识别,此时需将用户监控视频进行视频分解,得到对应的多帧用户监控图片。
之后在该路口的每一个前端采集装置针对其正对的方向采集用户监控视频时,若分解得到的用户监控图片存在人物脸部图像时,则表示需获取当前的采集时间以作为用户路径数据中的用户轨迹时间点数据。用户轨迹时间点数据,更形象的可以理解为用户在某一前端采集装置被拍摄到时对应的拍摄时间。
最后,将所识别得到的各用户身份识别信息,分别与对应的地理坐标数据及用户轨迹时间点数据进行组装,得到与各用户身份识别信息对应的用户路径数据。可见,每一用户路径数据中至少包括三个信息,分别是用户身份识别信息、地理坐标数据、用户轨迹时间点数据,通过针对同一用户的多个用户路径 数据进行串联,即可得到某一用户在某一时间段的用户轨迹。
在一实施例中,如图4所示,步骤S113包括:
S1131、对用户监控图片依次进行灰度校正及噪声过滤,得到预处理后图片;
S1132、通过卷积神经网络模型获取与所述预处理后图片对应的图片特征向量;
S1133、将所述图片特征向量与人脸数据库中已存储的特征模板进行比对,判断人脸数据库中已存储的特征模板中是否存在与所述预处理后图片对应的图片特征向量相同的特征模板;
S1134、若人脸数据库中已存储的特征模板中存在与所述预处理后图片对应的图片特征向量相同的特征模板,获取对应的用户身份识别信息。
在本实施例中,若人脸数据库中已存储的特征模板中不存在与所述预处理后图片对应的图片特征向量相同的特征模板,则将所述预处理后图片对应的图片特征向量添加至人脸数据库并向与人脸数据库连接的管理端发送通知信息。
对于人脸的图像预处理是基于人脸检测结果,对图像进行处理并最终服务于特征提取的过程。服务器获取的原始图像由于受到各种条件的限制和随机干扰,往往不能直接使用,必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理。对于人脸图像而言,其预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。
在获取图片的特征向量时,先获取与每一帧预处理后图片对应的像素矩阵,然后将每一帧预处理后图片对应的像素矩阵作为卷积神经网络模型中输入层的输入,得到多个特征图,之后将特征图输入池化层,得到每一特征图对应的最大值所对应一维行向量,最后将每一特征图对应的最大值所对应一维行向量输入至全连接层,得到与每一帧预处理后图片对应的图片特征向量。
由于人脸数据库中已存储的特征模板中存储了已采集的海量的人脸图片对应的特征向量,也即每一个人的人脸均对应唯一的特征向量,有了这些海量的特征模板为数据基础后,可以用来确定预处理后图片对应的一个或多个人,从而实现人脸识别。
最后,所得到的用户身份识别信息可以是用户的身份证号,由于每一公民的身份证号是唯一的,可以作为其唯一识别码。
在一实施例中,步骤S110之后,还包括:
将所述用户路径数据存储至在所述消息中间件中创建的临时数据库中;其中,所述消息中间件为分布式发布订阅消息中间件。
在本实施例中,所述消息中间件为分布式发布订阅消息中间件(分布式发布订阅消息中间件即Kafka消息中间件),Kafka消息中间件可形象的理解为一个大的水池,不断的生产、存储、消费着各种类别的消息,即生产者往队列(即形象理解的水池)里写消息,消费者从队列里取消息进行业务逻辑。通过Kafka消息中间件作为用户路径数据的临时存储数据,能有效的对用户路径数据进行对应的数据加工和处理。
S120、根据所述用户路径数据的用户身份识别信息作为主键对应建立索引,将所述用户路径数据以用户身份识别信息作为主键存储至数据库;其中,所述数据库中存储所述用户路径数据的数据表中以用户身份识别信息对应字段作为所述索引的索引名称。
在本实施例中,根据用户路径数据中的用户身份识别信息对应建立索引时,其具体过程类似于创建图书的目录。即数据库索引好比是一本书前面的目录,能加快数据库的查询速度。索引是对数据库表中一个或多个列(例如,用户路径数据表的用户身份识别信息列)的值进行排序的结构。如果需按用户的用户身份识别信息查找用户,则与在表中搜索所有的行相比,索引有助于更快地获取信息。以用户身份识别信息定义主键将自动创建主键索引,当在查询中使用主键索引时,它还允许对数据的快速访问。
S130、若检测到所录入的待查询用户信息及查询时间段,获取与待查询用户信息对应的用户身份识别信息,根据用户身份识别信息在数据库中获取与查询时间段对应的用户轨迹数据。
在本实施例中,当需要查询某一个用户或多个用户的在某一时间段的用户轨迹时,可以通过以下方式录入待查询用户信息:一是直接输入待查询用户的身份证号,二是输入待查询用户的头像照片,三是输入待查询用户的监控视频(需包含用户的脸部视频),通过至少上述三种方式录入了待查询用户信息,并录入或选定了查询时间段,此时可以将上述统一识别并转化为用户身份识别信息,在数据库中根据用户身份识别信息获取与查询时间段对应的用户轨迹数据;其中,所述用户轨迹数据为用户在查询时间段内对应的各地理坐标数据,按照时间先后顺序依次串接各地理坐标数据以形成用户轨迹数据。
在一实施例中,步骤S130包括:
将所获取的与查询时间段对应的多个地理坐标数据渲染至电子地图上,按照时间先后顺序依次串接各地理坐标数据以形成用户地图轨迹。
在本实施例中,为了更直观的展示用户的轨迹,可以将获取的与查询时间段对应的多个用户路径数据根据地理坐标数据渲染至电子地图上,并按照时间先后顺序依次串接各地理坐标数据以形成用户地图轨迹(用户地图轨迹即用户轨迹数据)。这样,通过用户地图轨迹的方式能更直观的实现对目标任务的形成轨迹进行绘制。
在一实施例中,步骤S130之后,还包括:
获取预先设置的维修路段轨迹数据,及维修路段轨迹数据对应的维修起点时间;
将所述维修起点时间减去预设的时间周期以得到当前查询时间起点,将当前查询时间起点作为当前查询时间段对应的起始时间,并将维修起点时间作为当前查询时间段对应的终止时间;
根据所述当前查询时间段及维修路段轨迹数据在数据库中所存储的用户路径数据进行查询,以获取目标用户轨迹数据;
获取目标用户轨迹数据对应的目标用户身份识别信息,及与目标用户身份识别信息对应的目标联系信息;其中,所述目标联系信息包括电话号码、邮箱;
将预先设置的第一提示信息发送至目标联系信息对应的用户终端。
在本实施例中,若某一路段已经处于维修的状态或即将维修的状态时,为了及时的通知经常在这一路段上行走的行人绕行,可以先根据维修起点时间和时间周期计算得到当前查询时间段。然后根据所述当前查询时间段及维修路段轨迹数据在数据库中所存储的用户路径数据进行查询,以获取目标用户轨迹数据,也即获取了与维修路段轨迹数据重合度比较高(例如与维修路段轨迹数据的重合度超出80%)的用户轨迹数据作为目标用户轨迹数据。最后获取目标用户轨迹数据对应的各目标用户身份识别信息,及与各目标用户身份识别信息对应的目标联系信息(如电话号码等),并通过服务器发送用于提示用户绕行维修路段的第一提示信息至目标联系信息对应的用户终端。
在一实施例中,所述根据所述当前查询时间段及维修路段轨迹数据在数据库中所存储的用户路径数据进行查询,以获取目标用户轨迹数据,包括:
根据所述当前查询时间段在数据库中所存储的用户路径数据进行查询,得到初次查询目标用户轨迹数据;
将各初次查询目标用户轨迹数据与维修路段轨迹数据进行比对,若有初次查询目标用户轨迹数据与维修路段轨迹数据存在重合轨迹数据,将与维修路段轨迹数据存在重合轨迹数据的初次查询目标用户轨迹数据组成目标用户轨迹数据。
在本实施例中,在获取目标用户轨迹数据时,一般是先根据所述当前查询时间段初步筛选初次查询目标用户轨迹数据,然后再将各初次查询目标用户轨迹数据与维修路段轨迹数据进行比对以判断是否有重合轨迹数据,若有用户对应的初次查询目标用户轨迹数据与维修路段轨迹数据完全相同,则将该用户对应的初次查询目标用户轨迹数据作为目标用户轨迹数据之一。通过上述方式筛选得到的目标用户,即是服务器需进行路段绕行通知的用户。
在一实施例中,步骤S130之后,还包括:
根据所述查询时间段在数据库中获取与所述用户轨迹数据的重合度超过预设的重合度阈值的待推荐目标用户轨迹数据;
获取待推荐目标用户轨迹数据对应的待推荐目标用户身份识别信息,及与待推荐目标用户身份识别信息对应的待推荐目标联系信息;其中,所述待推荐目标联系信息包括电话号码、邮箱;
将预先设置的第二提示信息发送至待推荐目标联系信息对应的用户终端。
在本实施例中,先在数据库中获取了与待查询用户信息对应的用户身份识别信息后,若服务器将该待查询用户信息设置了嫌疑人标签,为了更好地调查其轨迹信息,可以获取与该用户在相同时间段具有近似轨迹数据的用户以通知其参与信息调查。之后,可以根据所述查询时间段在数据库中获取与所述用户轨迹数据的重合度超过预设的重合度阈值(如设置重合度阈值为85%)的待推荐目标用户轨迹数据。最后,获取待推荐目标用户轨迹数据对应的待推荐目标用户身份识别信息,及与待推荐目标用户身份识别信息对应的待推荐目标联系信息(如电话号码),并通过服务器发送用于提示用户参与配合调查嫌疑人的第二提示信息至待推荐目标用户身份识别信息对应的用户终端。
在一实施例中,所述根据所述查询时间段在数据库中获取与所述用户轨迹数据的重合度超过预设的重合度阈值的待推荐目标用户轨迹数据,包括:
获取所述待查询用户信息对应的用户轨迹数据,及所述用户轨迹数据中所包括定位点的当前用户地理位置坐标;
在数据库中获取在所述查询时间段内各用户对应的轨迹数据,及各用户对应的轨迹数据所包括定位点的目标用户地理位置坐标;
计算每一用户对应的各目标用户地理位置坐标与相距最近的当前用户地理位置坐标之间的距离并求和,以得到每一用户对应的轨迹数据与所述用户轨迹数据之间的总距离值;
若有用户的轨迹数据与所述用户轨迹数据之间的总距离值对应的倒数超过预设的重合度阈值,将对应的用户的轨迹数据组成待推荐目标用户轨迹数据。
在本实施例中,在计算两个用户轨迹数据之间的重合度时,可以参照以下过程。例如所述用户轨迹数据AT1包括3个定位点,分别记为a11、a12和a13;用户B对应的轨迹数据BT也包括3个定位点,分别记为b1、b2、b3,此时AT1与BT之间的总距离值为D1=(B1-a11)
1/2+(B2-a12)
1/2+(B3-a13)
1/2,此时可以将1/D1作为用户B对应的轨迹数据与用户轨迹数据AT1之间的重合度,若该重合度1/D1超过预设的重合度阈值,将对应的用户的轨迹数据组成待推荐目标用户轨迹数据。通过上述方式,即可准确的筛选出待推荐目标用户,及其对应的待推荐目标用户轨迹数据。
该方法实现了对监控视频中所存在人物进行识别,以对应转化为用户路径数据,便于绘制用户的轨迹路线。
本申请实施例还提供一种基于视频的轨迹跟踪装置,该基于视频的轨迹跟踪装置用于执行前述基于视频的轨迹跟踪方法的任一实施例。具体地,请参阅图5,图5是本申请实施例提供的基于视频的轨迹跟踪装置的示意性框图。该基于视频的轨迹跟踪装置100可以配置于服务器中。
如图5所示,基于视频的轨迹跟踪装置100包括视频转化单元110、数据存储单元120、轨迹查询单元130。
视频转化单元110,用于通过消息中间件接收当前所采集的用户监控视频,将所述用户监控视频转化为用户路径数据;其中,所述用户路径数据中至少包括用户身份识别信息、地理坐标数据、用户轨迹时间点数据。
在本实施例中,当服务器接收了由前端采集装置所采集用户监控视频,转化为用户路径数据后,可对每一用户的路径进行有效监控。
在一实施例中,如图6所示,视频转化单元110包括:定位单元111,用于获取所述用户监控视频对应的前端采集装置相应的地理位置信息,以作为用户路径数据中的地理坐标数据;视频分解单元112,用于通过对所述用户监控视频进行视频分解,得到对应的多帧用户监控图片;人脸识别单元113,用于对多帧用户监控图片进行人脸识别,得到多帧用户监控图片中存在的用户身份识别信息;时间点获取单元114,用于获取所述用户监控视频对应的采集时间,以作为用户路径数据中的用户轨迹时间点数据;数据组装单元115,用于将所述用户监控视频对应的各用户身份识别信息,与对应的地理坐标数据及用户轨迹时间点数据进行组装,得到与各用户身份识别信息对应的用户路径数据。
在本实施例中,在某一路口所设置的多个前端采集装置中每一个前端采集装置针对其正对的方向采集用户监控视频时,若经过用户监控视频分解得到的用户监控图片存在人物脸部图像时,则表示需由服务器对用户监控图片进行人脸识别。由于在该路口设置的多个前端采集装置的地理位置信息是已知的,故可由在该路口设置的多个前端采集装置的地理位置信息来确定该路口目前出现的用户的地理坐标数据。
在一实施例中,如图7所示,人脸识别单元113包括:图片预处理单元1131,用于对用户监控图片依次进行灰度校正及噪声过滤,得到预处理后图片;图片特征提取单元1132,用于通过卷积神经网络模型获取与所述预处理后图片对应的图片特征向量;特征比对单元1133,用于将所述图片特征向量与人脸数据库中已存储的特征模板进行比对,判断人脸数据库中已存储的特征模板中是否存在与所述预处理后图片对应的图片特征向量相同的特征模板;识别信息获取单元1134,用于若人脸数据库中已存储的特征模板中存在与所述预处理后图片对应的图片特征向量相同的特征模板,获取对应的用户身份识别信息。
在本实施例中,所得到的用户身份识别信息可以是用户的身份证号,由于每一公民的身份证号是唯一的,可以作为其唯一识别码。
在一实施例中,基于视频的轨迹跟踪装置100还包括:临时存储单元,用于将所述用户路径数据存储至在所述消息中间件中创建的临时数据库中;其中,所述消息中间件为分布式发布订阅消息中间件。
在本实施例中,所述消息中间件为分布式发布订阅消息中间件(分布式发布订阅消息中间件即Kafka消息中间件),Kafka消息中间件可形象的理解为一 个大的水池,不断的生产、存储、消费着各种类别的消息,即生产者往队列(即形象理解的水池)里写消息,消费者从队列里取消息进行业务逻辑。通过Kafka消息中间件作为用户路径数据的临时存储数据,能有效的对用户路径数据进行对应的数据加工和处理。
数据存储单元120,用于根据所述用户路径数据的用户身份识别信息作为主键对应建立索引,将所述用户路径数据以用户身份识别信息作为主键存储至数据库;其中,所述数据库中存储所述用户路径数据的数据表中以用户身份识别信息对应字段作为所述索引的索引名称。
在本实施例中,根据用户路径数据中的用户身份识别信息对应建立索引时,其具体过程类似于创建图书的目录。即数据库索引好比是一本书前面的目录,能加快数据库的查询速度。索引是对数据库表中一个或多个列(例如,用户路径数据表的用户身份识别信息列)的值进行排序的结构。如果需按用户的用户身份识别信息查找用户,则与在表中搜索所有的行相比,索引有助于更快地获取信息。以用户身份识别信息定义主键将自动创建主键索引,当在查询中使用主键索引时,它还允许对数据的快速访问。
轨迹查询单元130,用于若检测到所录入的待查询用户信息及查询时间段,获取与待查询用户信息对应的用户身份识别信息,根据用户身份识别信息在数据库中获取与查询时间段对应的用户轨迹数据。
在本实施例中,当需要查询某一个用户或多个用户的在某一时间段的用户轨迹时,可以通过以下方式录入待查询用户信息:一是直接输入待查询用户的身份证号,二是输入待查询用户的头像照片,三是输入待查询用户的监控视频(需包含用户的脸部视频),通过至少上述三种方式录入了待查询用户信息,并录入或选定了查询时间段,此时可以将上述统一识别并转化为用户身份识别信息,在数据库中根据用户身份识别信息获取与查询时间段对应的用户轨迹数据;其中,所述用户轨迹数据为用户在查询时间段内对应的各地理坐标数据,按照时间先后顺序依次串接各地理坐标数据以形成用户轨迹数据。
在一实施例中,轨迹查询单元130还用于:
将所获取的与查询时间段对应的多个地理坐标数据渲染至电子地图上,按照时间先后顺序依次串接各地理坐标数据以形成用户地图轨迹。
在本实施例中,为了更直观的展示用户的轨迹,可以将获取的与查询时间 段对应的多个用户路径数据根据地理坐标数据渲染至电子地图上,并按照时间先后顺序依次串接各地理坐标数据以形成用户地图轨迹(用户地图轨迹即用户轨迹数据)。这样,通过用户地图轨迹的方式能更直观的实现对目标任务的形成轨迹进行绘制。
该装置实现了对监控视频中所存在人物进行识别,以对应转化为用户路径数据,便于绘制用户的轨迹路线。
上述基于视频的轨迹跟踪装置可以实现为计算机程序的形式,该计算机程序可以在如图8所示的计算机设备上运行。
请参阅图8,图8是本申请实施例提供的计算机设备的示意性框图。该计算机设备500是服务器,服务器可以是独立的服务器,也可以是多个服务器组成的服务器集群。
参阅图8,该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505,其中,存储器可以包括非易失性存储介质503和内存储器504。
该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032被执行时,可使得处理器502执行基于视频的轨迹跟踪方法。
该处理器502用于提供计算和控制能力,支撑整个计算机设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境,该计算机程序5032被处理器502执行时,可使得处理器502执行基于视频的轨迹跟踪方法。
该网络接口505用于进行网络通信,如提供数据信息的传输等。本领域技术人员可以理解,图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备500的限定,具体的计算机设备500可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
其中,所述处理器502用于运行存储在存储器中的计算机程序5032,以实现本申请实施例的基于视频的轨迹跟踪方法。
本领域技术人员可以理解,图8中示出的计算机设备的实施例并不构成对计算机设备具体构成的限定,在其他实施例中,计算机设备可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。例如,在一些实 施例中,计算机设备可以仅包括存储器及处理器,在这样的实施例中,存储器及处理器的结构及功能与图8所示实施例一致,在此不再赘述。
应当理解,在本申请实施例中,处理器502可以是中央处理单元(Central Processing Unit,CPU),该处理器502还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
在本申请的另一实施例中提供计算机可读存储介质。该计算机可读存储介质可以为非易失性的计算机可读存储介质。该计算机可读存储介质存储有计算机程序,其中计算机程序被处理器执行时实现本申请实施例的基于视频的轨迹跟踪方法。
所述存储介质为实体的、非瞬时性的存储介质,例如可以是U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的实体存储介质。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的设备、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (20)
- 一种基于视频的轨迹跟踪方法,包括:通过消息中间件接收当前所采集的用户监控视频,将所述用户监控视频转化为用户路径数据;其中,所述用户路径数据中至少包括用户身份识别信息、地理坐标数据、用户轨迹时间点数据;根据所述用户路径数据的用户身份识别信息作为主键对应建立索引,将所述用户路径数据以用户身份识别信息作为主键存储至数据库;其中,所述数据库中存储所述用户路径数据的数据表中以用户身份识别信息对应字段作为所述索引的索引名称;以及若检测到所录入的待查询用户信息及查询时间段,获取与待查询用户信息对应的用户身份识别信息,根据用户身份识别信息在数据库中获取与查询时间段对应的用户轨迹数据。
- 根据权利要求1所述的基于视频的轨迹跟踪方法,其中,所述将用户监控视频转化为用户路径数据,包括:获取所述用户监控视频对应的前端采集装置相应的地理位置信息,以作为用户路径数据中的地理坐标数据;通过对所述用户监控视频进行视频分解,得到对应的多帧用户监控图片;对多帧用户监控图片进行人脸识别,得到多帧用户监控图片中存在的用户身份识别信息;获取所述用户监控视频对应的采集时间,以作为用户路径数据中的用户轨迹时间点数据;将所述用户监控视频对应的各用户身份识别信息,与对应的地理坐标数据及用户轨迹时间点数据进行组装,得到与各用户身份识别信息对应的用户路径数据。
- 根据权利要求2所述的基于视频的轨迹跟踪方法,其中,所述对多帧用户监控图片进行人脸识别,得到多帧用户监控图片中存在的用户身份识别信息,包括:对用户监控图片依次进行灰度校正及噪声过滤,得到预处理后图片;通过卷积神经网络模型获取与所述预处理后图片对应的图片特征向量;将所述图片特征向量与人脸数据库中已存储的特征模板进行比对,判断人 脸数据库中已存储的特征模板中是否存在与所述预处理后图片对应的图片特征向量相同的特征模板;若人脸数据库中已存储的特征模板中存在与所述预处理后图片对应的图片特征向量相同的特征模板,获取对应的用户身份识别信息。
- 根据权利要求1所述的基于视频的轨迹跟踪方法,其中,所述通过消息中间件接收当前所采集的用户监控视频,将所述用户监控视频转化为用户路径数据之后,还包括:将所述用户路径数据存储至在所述消息中间件中创建的临时数据库中;其中,所述消息中间件为分布式发布订阅消息中间件。
- 根据权利要求1所述的基于视频的轨迹跟踪方法,其中,所述根据用户身份识别信息在数据库中获取与查询时间段对应的用户轨迹数据之后,还包括:将所获取的与查询时间段对应的多个地理坐标数据渲染至电子地图上,按照时间先后顺序依次串接各地理坐标数据以形成用户地图轨迹。
- 根据权利要求1所述的基于视频的轨迹跟踪方法,其中,所述若检测到所录入的待查询用户信息及查询时间段,获取与待查询用户信息对应的用户身份识别信息,根据用户身份识别信息在数据库中获取与查询时间段对应的用户轨迹数据之后,还包括:获取预先设置的维修路段轨迹数据,及维修路段轨迹数据对应的维修起点时间;将所述维修起点时间减去预设的时间周期以得到当前查询时间起点,将当前查询时间起点作为当前查询时间段对应的起始时间,并将维修起点时间作为当前查询时间段对应的终止时间;根据所述当前查询时间段及维修路段轨迹数据在数据库中所存储的用户路径数据进行查询,以获取目标用户轨迹数据;获取目标用户轨迹数据对应的目标用户身份识别信息,及与目标用户身份识别信息对应的目标联系信息;其中,所述目标联系信息包括电话号码、邮箱;将预先设置的第一提示信息发送至目标联系信息对应的用户终端。
- 根据权利要求6所述的基于视频的轨迹跟踪方法,其中,所述根据所述当前查询时间段及维修路段轨迹数据在数据库中所存储的用户路径数据进行查询,以获取目标用户轨迹数据,包括:根据所述当前查询时间段在数据库中所存储的用户路径数据进行查询,得到初次查询目标用户轨迹数据;将各初次查询目标用户轨迹数据与维修路段轨迹数据进行比对,若有初次查询目标用户轨迹数据与维修路段轨迹数据存在重合轨迹数据,将与维修路段轨迹数据存在重合轨迹数据的初次查询目标用户轨迹数据组成目标用户轨迹数据。
- 根据权利要求1所述的基于视频的轨迹跟踪方法,其中,所述若检测到所录入的待查询用户信息及查询时间段,获取与待查询用户信息对应的用户身份识别信息,根据用户身份识别信息在数据库中获取与查询时间段对应的用户轨迹数据之后,还包括:根据所述查询时间段在数据库中获取与所述用户轨迹数据的重合度超过预设的重合度阈值的待推荐目标用户轨迹数据;获取待推荐目标用户轨迹数据对应的待推荐目标用户身份识别信息,及与待推荐目标用户身份识别信息对应的待推荐目标联系信息;其中,所述待推荐目标联系信息包括电话号码、邮箱;将预先设置的第二提示信息发送至待推荐目标联系信息对应的用户终端。
- 根据权利要求8所述的基于视频的轨迹跟踪方法,其中,所述根据所述查询时间段在数据库中获取与所述用户轨迹数据的重合度超过预设的重合度阈值的待推荐目标用户轨迹数据,包括:获取所述待查询用户信息对应的用户轨迹数据,及所述用户轨迹数据中所包括定位点的当前用户地理位置坐标;在数据库中获取在所述查询时间段内各用户对应的轨迹数据,及各用户对应的轨迹数据所包括定位点的目标用户地理位置坐标;计算每一用户对应的各目标用户地理位置坐标与相距最近的当前用户地理位置坐标之间的距离并求和,以得到每一用户对应的轨迹数据与所述用户轨迹数据之间的总距离值;若有用户的轨迹数据与所述用户轨迹数据之间的总距离值对应的倒数超过预设的重合度阈值,将对应的用户的轨迹数据组成待推荐目标用户轨迹数据。
- 一种基于视频的轨迹跟踪装置,其中,包括:视频转化单元,用于通过消息中间件接收当前所采集的用户监控视频,将 所述用户监控视频转化为用户路径数据;其中,所述用户路径数据中至少包括用户身份识别信息、地理坐标数据、用户轨迹时间点数据;数据存储单元,用于根据所述用户路径数据的用户身份识别信息作为主键对应建立索引,将所述用户路径数据以用户身份识别信息作为主键存储至数据库;其中,所述数据库中存储所述用户路径数据的数据表中以用户身份识别信息对应字段作为所述索引的索引名称;以及轨迹查询单元,用于若检测到所录入的待查询用户信息及查询时间段,获取与待查询用户信息对应的用户身份识别信息,根据用户身份识别信息在数据库中获取与查询时间段对应的用户轨迹数据。
- 一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其中,所述处理器执行所述计算机程序时实现以下步骤:。通过消息中间件接收当前所采集的用户监控视频,将所述用户监控视频转化为用户路径数据;其中,所述用户路径数据中至少包括用户身份识别信息、地理坐标数据、用户轨迹时间点数据;根据所述用户路径数据的用户身份识别信息作为主键对应建立索引,将所述用户路径数据以用户身份识别信息作为主键存储至数据库;其中,所述数据库中存储所述用户路径数据的数据表中以用户身份识别信息对应字段作为所述索引的索引名称;以及若检测到所录入的待查询用户信息及查询时间段,获取与待查询用户信息对应的用户身份识别信息,根据用户身份识别信息在数据库中获取与查询时间段对应的用户轨迹数据。
- 根据权利要求11所述的计算机设备,其中,所述将用户监控视频转化为用户路径数据,包括:获取所述用户监控视频对应的前端采集装置相应的地理位置信息,以作为用户路径数据中的地理坐标数据;通过对所述用户监控视频进行视频分解,得到对应的多帧用户监控图片;对多帧用户监控图片进行人脸识别,得到多帧用户监控图片中存在的用户身份识别信息;获取所述用户监控视频对应的采集时间,以作为用户路径数据中的用户轨 迹时间点数据;将所述用户监控视频对应的各用户身份识别信息,与对应的地理坐标数据及用户轨迹时间点数据进行组装,得到与各用户身份识别信息对应的用户路径数据。
- 根据权利要求12所述的计算机设备,其中,所述对多帧用户监控图片进行人脸识别,得到多帧用户监控图片中存在的用户身份识别信息,包括:对用户监控图片依次进行灰度校正及噪声过滤,得到预处理后图片;通过卷积神经网络模型获取与所述预处理后图片对应的图片特征向量;将所述图片特征向量与人脸数据库中已存储的特征模板进行比对,判断人脸数据库中已存储的特征模板中是否存在与所述预处理后图片对应的图片特征向量相同的特征模板;若人脸数据库中已存储的特征模板中存在与所述预处理后图片对应的图片特征向量相同的特征模板,获取对应的用户身份识别信息。
- 根据权利要求11所述的计算机设备,其中,所述通过消息中间件接收当前所采集的用户监控视频,将所述用户监控视频转化为用户路径数据之后,还包括:将所述用户路径数据存储至在所述消息中间件中创建的临时数据库中;其中,所述消息中间件为分布式发布订阅消息中间件。
- 根据权利要求11所述的计算机设备,其中,所述根据用户身份识别信息在数据库中获取与查询时间段对应的用户轨迹数据之后,还包括:将所获取的与查询时间段对应的多个地理坐标数据渲染至电子地图上,按照时间先后顺序依次串接各地理坐标数据以形成用户地图轨迹。
- 根据权利要求11所述的计算机设备,其中,所述若检测到所录入的待查询用户信息及查询时间段,获取与待查询用户信息对应的用户身份识别信息,根据用户身份识别信息在数据库中获取与查询时间段对应的用户轨迹数据之后,还包括:获取预先设置的维修路段轨迹数据,及维修路段轨迹数据对应的维修起点时间;将所述维修起点时间减去预设的时间周期以得到当前查询时间起点,将当前查询时间起点作为当前查询时间段对应的起始时间,并将维修起点时间作为 当前查询时间段对应的终止时间;根据所述当前查询时间段及维修路段轨迹数据在数据库中所存储的用户路径数据进行查询,以获取目标用户轨迹数据;获取目标用户轨迹数据对应的目标用户身份识别信息,及与目标用户身份识别信息对应的目标联系信息;其中,所述目标联系信息包括电话号码、邮箱;将预先设置的第一提示信息发送至目标联系信息对应的用户终端。
- 根据权利要求16所述的计算机设备,其中,所述根据所述当前查询时间段及维修路段轨迹数据在数据库中所存储的用户路径数据进行查询,以获取目标用户轨迹数据,包括:根据所述当前查询时间段在数据库中所存储的用户路径数据进行查询,得到初次查询目标用户轨迹数据;将各初次查询目标用户轨迹数据与维修路段轨迹数据进行比对,若有初次查询目标用户轨迹数据与维修路段轨迹数据存在重合轨迹数据,将与维修路段轨迹数据存在重合轨迹数据的初次查询目标用户轨迹数据组成目标用户轨迹数据。
- 根据权利要求11所述的计算机设备,其中,所述若检测到所录入的待查询用户信息及查询时间段,获取与待查询用户信息对应的用户身份识别信息,根据用户身份识别信息在数据库中获取与查询时间段对应的用户轨迹数据之后,还包括:根据所述查询时间段在数据库中获取与所述用户轨迹数据的重合度超过预设的重合度阈值的待推荐目标用户轨迹数据;获取待推荐目标用户轨迹数据对应的待推荐目标用户身份识别信息,及与待推荐目标用户身份识别信息对应的待推荐目标联系信息;其中,所述待推荐目标联系信息包括电话号码、邮箱;将预先设置的第二提示信息发送至待推荐目标联系信息对应的用户终端。
- 根据权利要求18所述的计算机设备,其中,所述根据所述查询时间段在数据库中获取与所述用户轨迹数据的重合度超过预设的重合度阈值的待推荐目标用户轨迹数据,包括:获取所述待查询用户信息对应的用户轨迹数据,及所述用户轨迹数据中所包括定位点的当前用户地理位置坐标;在数据库中获取在所述查询时间段内各用户对应的轨迹数据,及各用户对应的轨迹数据所包括定位点的目标用户地理位置坐标;计算每一用户对应的各目标用户地理位置坐标与相距最近的当前用户地理位置坐标之间的距离并求和,以得到每一用户对应的轨迹数据与所述用户轨迹数据之间的总距离值;若有用户的轨迹数据与所述用户轨迹数据之间的总距离值对应的倒数超过预设的重合度阈值,将对应的用户的轨迹数据组成待推荐目标用户轨迹数据。
- 一种计算机可读存储介质,其中,所述计算机可读存储介质存储有计算机程序,所述计算机程序当被处理器执行时使所述处理器执行以下操作:通过消息中间件接收当前所采集的用户监控视频,将所述用户监控视频转化为用户路径数据;其中,所述用户路径数据中至少包括用户身份识别信息、地理坐标数据、用户轨迹时间点数据;根据所述用户路径数据的用户身份识别信息作为主键对应建立索引,将所述用户路径数据以用户身份识别信息作为主键存储至数据库;其中,所述数据库中存储所述用户路径数据的数据表中以用户身份识别信息对应字段作为所述索引的索引名称;以及若检测到所录入的待查询用户信息及查询时间段,获取与待查询用户信息对应的用户身份识别信息,根据用户身份识别信息在数据库中获取与查询时间段对应的用户轨迹数据。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910270530.0 | 2019-04-04 | ||
CN201910270530.0A CN110147471A (zh) | 2019-04-04 | 2019-04-04 | 基于视频的轨迹跟踪方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2020199484A1 true WO2020199484A1 (zh) | 2020-10-08 |
Family
ID=67589482
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/CN2019/103374 WO2020199484A1 (zh) | 2019-04-04 | 2019-08-29 | 基于视频的轨迹跟踪方法、装置、计算机设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110147471A (zh) |
WO (1) | WO2020199484A1 (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112380901A (zh) * | 2020-10-10 | 2021-02-19 | 杭州翔毅科技有限公司 | 行为轨迹生成方法、设备、存储介质及装置 |
CN112507833A (zh) * | 2020-11-30 | 2021-03-16 | 北京百度网讯科技有限公司 | 人脸识别及模型训练的方法、装置、设备和存储介质 |
CN112613467A (zh) * | 2020-12-30 | 2021-04-06 | 深圳市艾特智能科技有限公司 | 小区人员安全管理方法、装置、可读存储介质及电子设备 |
CN112735605A (zh) * | 2021-01-22 | 2021-04-30 | 中国银行股份有限公司 | 人员密切接触识别追踪分析方法及装置 |
CN112925948A (zh) * | 2021-02-05 | 2021-06-08 | 上海依图网络科技有限公司 | 视频处理方法及其装置、介质、芯片和电子设备 |
CN113269081A (zh) * | 2021-05-20 | 2021-08-17 | 上海仪电数字技术股份有限公司 | 人员自动识别与视频轨迹查询的系统及方法 |
CN113456281A (zh) * | 2021-06-28 | 2021-10-01 | 深圳市妇幼保健院 | 一种基于牙周刮治器的牙齿清洁度检测方法及相关设备 |
CN113515665A (zh) * | 2020-12-03 | 2021-10-19 | 阿里巴巴集团控股有限公司 | 视频处理与信息查询方法、设备、系统及存储介质 |
CN113947742A (zh) * | 2021-10-19 | 2022-01-18 | 成都佳发安泰教育科技股份有限公司 | 一种基于人脸识别的人员轨迹追踪方法与装置 |
CN114339155A (zh) * | 2021-12-29 | 2022-04-12 | 重庆紫光华山智安科技有限公司 | 抓拍漏洞路线确定方法和相关装置 |
CN114973642A (zh) * | 2022-01-17 | 2022-08-30 | 东华理工大学 | 基于大数据轨迹分析的计算机路径决策系统和决策方法 |
CN115391679A (zh) * | 2022-08-05 | 2022-11-25 | 北京微视威信息科技有限公司 | 时空伴随对象的挖掘方法及装置 |
CN115460548A (zh) * | 2022-09-05 | 2022-12-09 | 王树鹏 | 违规使用手机识别方法、装置、介质和设备 |
CN115905623A (zh) * | 2022-11-21 | 2023-04-04 | 山东光庭信息技术有限公司 | 一种智慧乡村管理数据存储方法及系统 |
CN116863407A (zh) * | 2023-08-31 | 2023-10-10 | 江苏润和软件股份有限公司 | 物联网监控数据处理方法及系统 |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110147471A (zh) * | 2019-04-04 | 2019-08-20 | 平安科技(深圳)有限公司 | 基于视频的轨迹跟踪方法、装置、计算机设备及存储介质 |
CN110598670B (zh) * | 2019-09-20 | 2022-03-25 | 腾讯科技(深圳)有限公司 | 设置监控区域禁区的方法、装置、存储介质和计算机设备 |
CN111126124A (zh) * | 2019-10-12 | 2020-05-08 | 深圳壹账通智能科技有限公司 | 多方视频的用户身份验证方法、装置及计算机设备 |
CN112702563B (zh) * | 2019-10-23 | 2023-08-01 | 深圳云天励飞技术有限公司 | 一种校园场景下的学生行为表现的订阅方法及设备、系统 |
CN110837606A (zh) * | 2019-11-04 | 2020-02-25 | 北京明略软件系统有限公司 | 时空数据融合查询方法、装置、服务器及存储介质 |
CN111176860A (zh) * | 2019-12-12 | 2020-05-19 | 北京明略软件系统有限公司 | 一种实现轨迹分析的方法、系统、计算机存储介质及终端 |
CN111143497A (zh) * | 2019-12-23 | 2020-05-12 | 北京明略软件系统有限公司 | 一种轨迹数据处理方法、装置和电子设备 |
CN111460977B (zh) * | 2020-03-30 | 2024-02-20 | 广东电网有限责任公司电力科学研究院 | 一种跨视域人员再识别方法、装置、终端及存储介质 |
CN111462200B (zh) * | 2020-04-03 | 2023-09-19 | 中国科学院深圳先进技术研究院 | 一种跨视频行人定位追踪方法、系统及设备 |
CN113761088A (zh) * | 2020-07-01 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 一种处理位置数据的方法和装置 |
CN112866817B (zh) * | 2021-01-06 | 2022-10-14 | 浙江大华技术股份有限公司 | 视频回放方法、装置、电子装置和存储介质 |
CN112966642A (zh) * | 2021-03-23 | 2021-06-15 | 云账户技术(天津)有限公司 | 一种人脸识别的方法、系统及流处理平台 |
CN114332768B (zh) * | 2021-12-30 | 2022-09-16 | 江苏国盈信息科技有限公司 | 智慧型社区安防管理方法及系统 |
CN117237418B (zh) * | 2023-11-15 | 2024-01-23 | 成都航空职业技术学院 | 一种基于深度学习的运动目标检测方法和系统 |
CN117953238A (zh) * | 2024-02-23 | 2024-04-30 | 北京积加科技有限公司 | 一种多目标跨场景跟踪方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104731964A (zh) * | 2015-04-07 | 2015-06-24 | 上海海势信息科技有限公司 | 基于人脸识别的人脸摘要方法、视频摘要方法及其装置 |
US20160125232A1 (en) * | 2014-11-04 | 2016-05-05 | Hewlett-Packard Development Company, L.P. | Dynamic face identification |
CN105574506A (zh) * | 2015-12-16 | 2016-05-11 | 深圳市商汤科技有限公司 | 基于深度学习和大规模集群的智能人脸追逃系统及方法 |
CN106650652A (zh) * | 2016-12-14 | 2017-05-10 | 黄先开 | 基于人脸识别技术的轨迹跟踪系统及其方法 |
CN110147471A (zh) * | 2019-04-04 | 2019-08-20 | 平安科技(深圳)有限公司 | 基于视频的轨迹跟踪方法、装置、计算机设备及存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102567380A (zh) * | 2010-12-28 | 2012-07-11 | 沈阳聚德视频技术有限公司 | 在视频图像中检索车辆信息的方法 |
CN106326240A (zh) * | 2015-06-18 | 2017-01-11 | 中兴通讯股份有限公司 | 一种物体移动轨迹识别方法及系统 |
US10670418B2 (en) * | 2016-05-04 | 2020-06-02 | International Business Machines Corporation | Video based route recognition |
-
2019
- 2019-04-04 CN CN201910270530.0A patent/CN110147471A/zh active Pending
- 2019-08-29 WO PCT/CN2019/103374 patent/WO2020199484A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160125232A1 (en) * | 2014-11-04 | 2016-05-05 | Hewlett-Packard Development Company, L.P. | Dynamic face identification |
CN104731964A (zh) * | 2015-04-07 | 2015-06-24 | 上海海势信息科技有限公司 | 基于人脸识别的人脸摘要方法、视频摘要方法及其装置 |
CN105574506A (zh) * | 2015-12-16 | 2016-05-11 | 深圳市商汤科技有限公司 | 基于深度学习和大规模集群的智能人脸追逃系统及方法 |
CN106650652A (zh) * | 2016-12-14 | 2017-05-10 | 黄先开 | 基于人脸识别技术的轨迹跟踪系统及其方法 |
CN110147471A (zh) * | 2019-04-04 | 2019-08-20 | 平安科技(深圳)有限公司 | 基于视频的轨迹跟踪方法、装置、计算机设备及存储介质 |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112380901A (zh) * | 2020-10-10 | 2021-02-19 | 杭州翔毅科技有限公司 | 行为轨迹生成方法、设备、存储介质及装置 |
CN112507833A (zh) * | 2020-11-30 | 2021-03-16 | 北京百度网讯科技有限公司 | 人脸识别及模型训练的方法、装置、设备和存储介质 |
CN113515665A (zh) * | 2020-12-03 | 2021-10-19 | 阿里巴巴集团控股有限公司 | 视频处理与信息查询方法、设备、系统及存储介质 |
CN112613467B (zh) * | 2020-12-30 | 2024-08-02 | 深圳市艾特智能科技有限公司 | 小区人员安全管理方法、装置、可读存储介质及电子设备 |
CN112613467A (zh) * | 2020-12-30 | 2021-04-06 | 深圳市艾特智能科技有限公司 | 小区人员安全管理方法、装置、可读存储介质及电子设备 |
CN112735605A (zh) * | 2021-01-22 | 2021-04-30 | 中国银行股份有限公司 | 人员密切接触识别追踪分析方法及装置 |
CN112925948A (zh) * | 2021-02-05 | 2021-06-08 | 上海依图网络科技有限公司 | 视频处理方法及其装置、介质、芯片和电子设备 |
CN113269081A (zh) * | 2021-05-20 | 2021-08-17 | 上海仪电数字技术股份有限公司 | 人员自动识别与视频轨迹查询的系统及方法 |
CN113456281A (zh) * | 2021-06-28 | 2021-10-01 | 深圳市妇幼保健院 | 一种基于牙周刮治器的牙齿清洁度检测方法及相关设备 |
CN113947742A (zh) * | 2021-10-19 | 2022-01-18 | 成都佳发安泰教育科技股份有限公司 | 一种基于人脸识别的人员轨迹追踪方法与装置 |
CN114339155A (zh) * | 2021-12-29 | 2022-04-12 | 重庆紫光华山智安科技有限公司 | 抓拍漏洞路线确定方法和相关装置 |
CN114973642A (zh) * | 2022-01-17 | 2022-08-30 | 东华理工大学 | 基于大数据轨迹分析的计算机路径决策系统和决策方法 |
CN114973642B (zh) * | 2022-01-17 | 2023-09-08 | 深圳市聚业美家科技有限公司 | 基于大数据轨迹分析的计算机路径决策系统和决策方法 |
CN115391679A (zh) * | 2022-08-05 | 2022-11-25 | 北京微视威信息科技有限公司 | 时空伴随对象的挖掘方法及装置 |
CN115460548A (zh) * | 2022-09-05 | 2022-12-09 | 王树鹏 | 违规使用手机识别方法、装置、介质和设备 |
CN115905623A (zh) * | 2022-11-21 | 2023-04-04 | 山东光庭信息技术有限公司 | 一种智慧乡村管理数据存储方法及系统 |
CN115905623B (zh) * | 2022-11-21 | 2023-08-25 | 山东光庭信息技术有限公司 | 一种智慧乡村管理数据存储方法及系统 |
CN116863407A (zh) * | 2023-08-31 | 2023-10-10 | 江苏润和软件股份有限公司 | 物联网监控数据处理方法及系统 |
CN116863407B (zh) * | 2023-08-31 | 2023-11-10 | 江苏润和软件股份有限公司 | 物联网监控数据处理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110147471A (zh) | 2019-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020199484A1 (zh) | 基于视频的轨迹跟踪方法、装置、计算机设备及存储介质 | |
US20210256320A1 (en) | Machine learning artificialintelligence system for identifying vehicles | |
CN112132113B (zh) | 车辆再识别的方法、装置、训练方法以及电子设备 | |
CN111680551B (zh) | 监控牲畜数量的方法、装置、计算机设备及存储介质 | |
CN111626202B (zh) | 用于识别视频的方法及装置 | |
CN111598164B (zh) | 识别目标对象的属性的方法、装置、电子设备和存储介质 | |
WO2022041830A1 (zh) | 行人重识别方法和装置 | |
CN108683877B (zh) | 基于Spark的分布式海量视频解析系统 | |
CN113887447B (zh) | 一种针对密集群体目标的密度估计、分类预测模型的训练、推理方法及装置 | |
US9836826B1 (en) | System and method for providing live imagery associated with map locations | |
CN110941978B (zh) | 一种未识别身份人员的人脸聚类方法、装置及存储介质 | |
CN112182295B (zh) | 基于行为预测的业务处理方法、装置及电子设备 | |
CN108288025A (zh) | 一种车载视频监控方法、装置及设备 | |
CN111832658B (zh) | 兴趣点信息处理方法、装置、电子设备和存储介质 | |
CN111753766B (zh) | 一种图像处理方法、装置、设备及介质 | |
CN113160231A (zh) | 一种样本生成方法、样本生成装置及电子设备 | |
CN113378768A (zh) | 垃圾桶状态识别方法、装置、设备以及存储介质 | |
CN110263830B (zh) | 图像处理方法、装置和系统及存储介质 | |
JP5430636B2 (ja) | データ取得装置、方法及びプログラム | |
CN108376377B (zh) | 一种寻找宠物的方法、装置、终端、服务器及存储介质 | |
CN111708906B (zh) | 基于人脸识别的来访检索方法、装置、设备及存储介质 | |
CN111104915B (zh) | 一种同行分析方法、装置、设备和介质 | |
CN110995687B (zh) | 一种猫池设备识别方法、装置、设备及存储介质 | |
JP6244887B2 (ja) | 情報処理装置、画像探索方法、及びプログラム | |
KR20200031020A (ko) | 수사지원정보 제공 방법 및 장치 |
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: 19923053 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: 19923053 Country of ref document: EP Kind code of ref document: A1 |