[發(fā)明專利]一種基于智能實時視頻云的運(yùn)動目標(biāo)跟蹤方法

有效

• 申請?zhí)枺?/td>: 201610040258.3
• 申請日: 2016-01-18
• 公開（公告）號: CN105719313B
• 公開（公告）日: 2018-10-23
• 發(fā)明（設(shè)計）人: 張衛(wèi)山;段鵬程;宮文娟;盧清華;李忠偉
• 申請（專利權(quán)）人: 青島邃智信息科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 北京科億知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11350
• 代理人: 孫營營

本發(fā)明提出了一種基于智能實時視頻云的運(yùn)動目標(biāo)跟蹤方法，使其能夠在線跟蹤城市中被人為指定的運(yùn)動目標(biāo)，同時能減少資源開銷從而提高計算性能，為目前市場許多交通業(yè)務(wù)提供極為有用的信息。本發(fā)明的基于智能實時視頻云的運(yùn)動目標(biāo)跟蹤方法具有資源開銷小、保證實時性、滿足多種智能交通業(yè)務(wù)需求、判斷被監(jiān)視目標(biāo)的運(yùn)動意向等優(yōu)點；借助實時云環(huán)境Storm的并行化計算編程模型，具有很強(qiáng)的可行性，大大減少了同時處理監(jiān)控視頻流的數(shù)量，使得其減少到個位數(shù)，這為智能交通與智能城市的發(fā)展提供了有力的支持。

技術(shù)領(lǐng)域

本發(fā)明涉及云計算大數(shù)據(jù)計算、智能交通、深度學(xué)習(xí)領(lǐng)域，具體涉及到一種基于智能實時視頻云的運(yùn)動目標(biāo)跟蹤方法。

背景技術(shù)

目前，高清視頻監(jiān)控技術(shù)與智能交通系統(tǒng)都得到了前所未有的發(fā)展。視頻監(jiān)控與智能交通是相輔相成的，目前視頻監(jiān)控主要應(yīng)用在城市主要道路及交叉路口、城市與城市之間的高速公路視頻監(jiān)控系統(tǒng)、城市治安卡口系統(tǒng)以及電子警察系統(tǒng)等智能交通領(lǐng)域。

一方面，城市智能監(jiān)控系統(tǒng)的高速發(fā)展意味著監(jiān)控攝像頭的密度大和視頻質(zhì)量高，這導(dǎo)致了高質(zhì)量、多視頻流的智能分析變得困難；另一方面，目前深度學(xué)習(xí)算法是智能視頻分析最可靠的機(jī)器學(xué)習(xí)算法，但是深度學(xué)習(xí)算法的訓(xùn)練學(xué)習(xí)階段耗時長，資源開銷大，也使得整個智能分析變得困難。

高清視頻監(jiān)控在智能交通的主要作用在于疲勞駕駛識別，通過視頻監(jiān)控系統(tǒng)對違章行為車輛及非法車輛進(jìn)行跟蹤，同時對駕駛?cè)藛T進(jìn)行臉部信息捕捉。但是由于攝像頭眾多，車輛的定位與攝像頭的關(guān)系復(fù)雜等原因?qū)е铝诉\(yùn)動車輛智能定位變得困難。

發(fā)明內(nèi)容

為解決上述現(xiàn)有技術(shù)中的不足，本發(fā)明提出了一種基于智能實時視頻云的運(yùn)動目標(biāo)跟蹤方法，使其能夠在線跟蹤城市中被人為指定的運(yùn)動目標(biāo)，同時能減少資源開銷從而提高計算性能，這為目前市場許多交通業(yè)務(wù)提供極為有用的信息。

本發(fā)明的技術(shù)方案是這樣實現(xiàn)的：

一種基于智能實時視頻云的運(yùn)動目標(biāo)跟蹤方法，首先輸入如下元素：

G(V，E)：某區(qū)域根據(jù)路線與攝像頭所抽象出的圖模型，其中V表示攝像頭，E表示道路；

V_t：開始出現(xiàn)被標(biāo)定目標(biāo)所在攝像頭的位置；

N(V)：攝像頭V的鄰域攝像頭集合；

視頻幀集：包含被標(biāo)定運(yùn)動目標(biāo)的視頻數(shù)據(jù)；

接下來，運(yùn)算開始，包括如下步驟：

步驟一：標(biāo)定V_t并令V＝V_t；

步驟二：利用機(jī)器學(xué)習(xí)算法訓(xùn)練視頻幀集，生成被標(biāo)定目標(biāo)識別器；

步驟三：計算N(V)所對應(yīng)的攝像頭集合，通過監(jiān)控攝像頭切換器調(diào)用N(V)所對應(yīng)的攝像頭集合中每一個攝像頭的視頻流數(shù)據(jù)；

步驟四：啟動智能視頻分析拓?fù)洌渲幸曨l流來自N(V)中某一個攝像頭；

步驟五：將視頻流進(jìn)行分析，通過步驟二所學(xué)習(xí)的運(yùn)動目標(biāo)識別器對各個視頻流進(jìn)行識別；

步驟六：持續(xù)分析直到發(fā)現(xiàn)被標(biāo)定的運(yùn)動目標(biāo)出現(xiàn)在N(V)中的某一個攝像頭為止；同時判斷運(yùn)動目標(biāo)的路徑，以及運(yùn)動目標(biāo)接下來最有可能的走向；

步驟七：增加視頻幀集，重新訓(xùn)練并更新被標(biāo)定目標(biāo)識別器，回到步驟三；

運(yùn)算結(jié)束。

可選地，所述步驟二中的目標(biāo)識別器，采用基于區(qū)域的卷積神經(jīng)網(wǎng)絡(luò)來進(jìn)行運(yùn)動目標(biāo)的識別。

可選地，所述步驟六中的運(yùn)動目標(biāo)接下來最有可能的走向的判定，具體如下：