目标对象的逃逸路线预测方法和布控平台技术

本申请提供一种目标对象的逃逸路线预测方法和布控平台。本申请目标对象的逃逸路线预测方法，包括：获取目标对象的特征信息；根据特征信息获取多个目标监控视频，目标监控视频中拍到了疑似对象，疑似对象和目标对象的相似度大于设定阈值；根据多个目标监控视频获取疑似对象的历史行踪；根据第一监控视频获取疑似对象的实时移动信息；根据实时移动信息确定疑似对象即将到达的岔路口，岔路口对应至少三条道路，至少三条道路包括疑似对象当前所在的道路和至少两条待选道路；根据历史行踪，以及至少两条待选道路的红绿灯状态和拥堵状态预测至少两条待选道路各自的实现概率。本申请可以快速且有效的对目标对象进行追捕。

【技术实现步骤摘要】
目标对象的逃逸路线预测方法和布控平台
本申请涉及视频监控技术，尤其涉及一种目标对象的逃逸路线预测方法和布控平台。
技术介绍
为了维护人财安全，给交通出行带来便利，城市的很多路口、公共场所、小区、电梯等都安装了摄像机，全天候采集各处的画面，为案件侦破、处理交通违法行为等的执行提供了有利的证据。尤其是当案件的嫌疑对象(包括嫌疑人或嫌疑车辆)露面或者突发违法事件(例如交通违法)时，办案人员要对嫌疑对象进行追捕，摄像机拍得的监控视频便成为一个有力的辅助证据。传统方案中需要办案人员人工查看大量的监控视频，凭肉眼从监控视频中寻找嫌疑对象，再依据已拍摄到嫌疑对象的摄像机的位置和拍摄时间，凭主观经验预测嫌疑对象可能的逃逸路线，进而实施追捕。但很显然，这样的效率非常低，光是看监控视频就要耗费大量的人力和时间，更何况主观经验过于依赖办案人员的资历，很可能预测的逃逸路线是错误的，那么据此部署的追捕计划也是无效的。因此，如何快速且有效的利用监控视频成为一个追捕嫌疑对象的关键。
技术实现思路
本申请提供一种目标对象的逃逸路线预测方法和布控平台，以快速且有效的对目标对象进行追捕。第一方面，本申请提供一种目标对象的逃逸路线预测方法，包括：获取目标对象的特征信息，所述特征信息以文字描述和/或以图片呈现；根据所述特征信息获取多个目标监控视频，所述目标监控视频中拍到了疑似对象，所述疑似对象和所述目标对象的相似度大于设定阈值；根据所述多个目标监控视频获取所述疑似对象的历史行踪；根据第一监控视频获取所述疑似对象的实时移动信息，所述第一监控视频是所述多个目标监控视频中拍摄时间最晚的；根据所述实时移动信息确定所述疑似对象即将到达的岔路口，所述岔路口对应至少三条道路，所述至少三条道路包括所述疑似对象当前所在的道路和至少两条待选道路；根据所述历史行踪，以及所述至少两条待选道路的红绿灯状态和拥堵状态预测所述至少两条待选道路各自的实现概率，所述实现概率用于表示所述疑似对象选择对应的待选道路的可能性。目标对象(包括目标人员和/或目标车辆)是涉嫌违法事件的当事人，办案人员已经掌握了该目标对象的犯罪证据和个人信息，需要对其实施追捕。而在未抓到该目标对象之前，办案人员可以在布控平台中先创建关于该目标对象的布控任务，并在该布控任务中输入目标对象的特征信息，以便于各处的摄像机在拍到该目标对象后，布控平台可以及时检测到目标对象的出现并告警，进而对其实施追捕。目标对象的特征信息可以以文字描述，例如，目标人员的性别、年龄、身高、胖瘦、衣着等，目标车辆的车牌、颜色、品牌、车型等，这些外形特征均可以通过文字描述。特征信息也可以以图片或视频呈现，例如，目标人员或目标车辆的照片、视频等，图片或视频可以很直观的表达目标对象的特征，尤其是目标对象的外貌、衣着、外观等。需要说明的是，特征信息还可以包括其他形式的信息，例如声音信息，本申请对此不做具体限定。布控平台可以通过以下两种方式获取上述特征信息：一种方式可以是接收用户的输入信息，该输入信息中包括特征信息。用户在创建布控任务时，已经掌握了目标对象的一些信息，包括其涉嫌的违法事件，其在相关部门登记的身份信息，甚至拍到其违法过程的监控视频，因此办案人员可以基于这些信息分析得到该目标对象的特征信息。进而通过布控平台提供的人机交互界面，将该目标对象的特征信息输入至布控平台，创建布控任务。创建布控界面可以参考图4。另一种方式可以是根据已采集到的监控视频获取特征信息。对于目标对象造成的违法事件，可以通过现场附近的摄像机拍摄的监控视频掌握目标对象的违法证据，但由于现场附近的摄像机可能会拍摄大量的监控视频，因此需要先对这些监控视频进行筛选，只选取和违法事件相关的视频，然后根据这段视频获取目标对象的特征信息。例如，目标对象在违法现场的截图，然后通过图像识别在相关部门的信息库中获取该目标对象的特征信息。需要说明的是，还可以采用其他方式获取目标对象的特征信息，例如上述两种方式的结合，本申请对此不做具体限定。目标监控视频中拍到了疑似对象，该疑似对象和目标对象的相似度大于设定阈值。摄像机可能会24小时不间断的进行拍摄，那么对于布控平台来讲，大部分的监控视频可能是没有用的，因此首先要做的是对已经获取到的监控视频进行识别和筛选，只选出包含疑似对象的目标监控视频。已经获取到的监控视频可以是某一区域范围内(例如全市)的所有摄像机在某一时间范围内(例如近一周内)拍摄的监控视频，也可以是某一区域范围内(例如某一行政区)的部分摄像机(需要用户手动选取，或者基于某一设定条件自动筛选)在某一时间范围内(例如近一个月内)拍摄的监控视频。前述区域范围、参与的摄像机和时间范围均可根据需要进行设定或根据设定的条件自动筛选，对此不做具体限定。历史行踪包括疑似对象的多个停留地点，以及疑似对象在各个停留地点出现的时间和次数。历史行踪可以便于办案人员分析出疑似对象曾经露面的地点，疑似对象可能对这些地点比较熟悉，是其最容易选择躲藏的地方，因此可以在疑似对象经常出现的地方部署追捕人员，也可以据此预测疑似对象可能逃逸的路线。为了便于掌握疑似对象的逃逸路线，实时移动信息包括疑似对象当前位置、移动方向和移动速度，可以便于办案人员准确掌握疑似对象当前的方位。已知疑似对象的当前位置，并且知道疑似对象的移动方向，那么可以根据当前位置在地图中定位出疑似对象当前所在的道路，从地图上找到疑似对象当前所在的道路在移动方向上的下一个岔路口作为疑似对象即将到达的岔路口。岔路口通常是指道路分岔的地方，一条道路从岔路口开始分出了多条道路。岔路口对应的至少三条道路中，其中之一是疑似对象当前所在的道路，那么到达岔路口时，疑似对象可能还有至少两个道路作为待选道路，本申请可以对该至少两条待选道路进行预测，得到疑似对象选择其中一条待选道路的可能性。对于办案人员来讲，为了提高追捕的效率，首要目标是从上述可能逃逸的至少两条道路中，预测疑似对象会继续选择走哪一条路，进而提前在该道路上部署追捕人员，等待疑似对象落网。本申请在上述获取到疑似对象移动方向上的各个行进道路的实现概率并在人机交互界面上予以显示的基础上，同步在实时监控界面上显示疑似对象移动方向上的各个行进道路的实时监控视频，一方面可以针对疑似对象的行为，缩短预测时长，提高预测效率和准确率，以及时部署追捕人员，确保追捕成功，另一方面给用户提供实时监控画面，协助办案人员快速聚焦关键有价值的信息，提高办案效率。在一种可能的实现方式中，所述根据所述历史行踪，以及所述至少两条待选道路的红绿灯状态和拥堵状态预测所述至少两条待选道路各自的实现概率，包括：将所述红绿灯状态、所述历史行踪以及所述拥堵状态输入第一神经网络得到所述实现概率，所述第一神经网络是经训练的到的，且具备概率计算功能；其中，所述红绿灯状态的权重大于所述历史行踪的权重，所述历史行踪的权重大于所述拥堵状态的权重。红绿灯状态的获取包括：根据当前位置、移动方向和移动速度获取疑似对象到达疑似对象即将到达的岔路口的预测时间，获取预测时间对应的红绿灯状态。本文档来自技高网...

【技术保护点】
1.一种目标对象的逃逸路线预测方法，其特征在于，包括：/n获取目标对象的特征信息，所述特征信息以文字描述和/或以图片或视频呈现；/n根据所述特征信息获取多个目标监控视频，所述目标监控视频中拍到了疑似对象，所述疑似对象和所述目标对象的相似度大于设定阈值；/n根据所述多个目标监控视频获取所述疑似对象的历史行踪；/n根据第一监控视频获取所述疑似对象的实时移动信息，所述第一监控视频是所述多个目标监控视频中拍摄时间最晚的；/n根据所述实时移动信息确定所述疑似对象即将到达的岔路口，所述岔路口对应至少三条道路，所述至少三条道路包括所述疑似对象当前所在的道路和至少两条待选道路；/n根据所述历史行踪，以及所述至少两条待选道路的红绿灯状态和拥堵状态预测所述至少两条待选道路各自的实现概率，所述实现概率用于表示所述疑似对象选择对应的待选道路的可能性。/n

【技术特征摘要】
1.一种目标对象的逃逸路线预测方法，其特征在于，包括：
获取目标对象的特征信息，所述特征信息以文字描述和/或以图片或视频呈现；
根据所述特征信息获取多个目标监控视频，所述目标监控视频中拍到了疑似对象，所述疑似对象和所述目标对象的相似度大于设定阈值；
根据所述多个目标监控视频获取所述疑似对象的历史行踪；
根据第一监控视频获取所述疑似对象的实时移动信息，所述第一监控视频是所述多个目标监控视频中拍摄时间最晚的；
根据所述实时移动信息确定所述疑似对象即将到达的岔路口，所述岔路口对应至少三条道路，所述至少三条道路包括所述疑似对象当前所在的道路和至少两条待选道路；
根据所述历史行踪，以及所述至少两条待选道路的红绿灯状态和拥堵状态预测所述至少两条待选道路各自的实现概率，所述实现概率用于表示所述疑似对象选择对应的待选道路的可能性。


2.根据权利要求1所述的方法，其特征在于，所述根据所述历史行踪，以及所述至少两条待选道路的红绿灯状态和拥堵状态预测所述至少两条待选道路各自的实现概率，包括：
将所述红绿灯状态、所述历史行踪以及所述拥堵状态输入第一神经网络得到所述实现概率，所述第一神经网络是经训练的到的，且具备概率计算功能；其中，所述红绿灯状态的权重大于所述历史行踪的权重，所述历史行踪的权重大于所述拥堵状态的权重。


3.根据权利要求1或2所述的方法，其特征在于，所述历史行踪包括所述疑似对象的多个停留地点，以及所述疑似对象在各个所述停留地点出现的时间和次数；所述根据所述多个目标监控视频获取所述疑似对象的历史行踪，包括：
将一个或多个第一视频的拍摄地点作为第一停留地点，所述第一停留地点是所述多个停留地点中的任意一个，所述一个或多个第一视频是位于所述第一停留地点的摄像机拍到的，所述多个目标监控视频包括所述一个或多个第一视频；
将所述一个或多个第一视频的拍摄时间作为所述疑似对象在所述第一停留地点出现的时间；
将所述一个或多个第一视频的个数作为所述疑似对象在所述第一停留地点出现的次数。


4.根据权利要求1-3中任一项所述的方法，其特征在于，所述实时移动信息包括所述疑似对象当前位置、移动方向和移动速度。


5.根据权利要求4所述的方法，其特征在于，所述根据所述实时移动信息确定所述疑似对象即将到达的岔路口，包括：
根据所述当前位置在地图中定位出所述疑似对象当前所在的道路；
从所述地图上找到所述疑似对象当前所在的道路在所述移动方向上的下一个岔路口作为所述疑似对象即将到达的岔路口。


6.根据权利要求5所述的方法，其特征在于，所述根据所述实时移动信息确定所述疑似对象即将到达的岔路口之后，还包括：
根据所述当前位置、所述移动方向和所述移动速度获取所述疑似对象到达所述疑似对象即将到达的岔路口的预测时间，获取所述预测时间对应的所述红绿灯状态；
根据所述地图提供的路况信息获取所述拥堵状态，所述地图具备路况统计功能。


7.根据权利要求1-6中任一项所述的方法，其特征在于，所述根据所述特征信息获取目标监控视频，包括：
根据所述特征信息在已获取的监控视频中进行图像识别；
当检测到所述疑似对象时，将包含所述疑似对象的图像帧均截选出来得到所述目标监控视频。


8.根据权利要求1-6中任一项所述的方法，其特征在于，所述根据所述特征信息获取目标监控视频，包括：
将所述特征信息和已获取的监控视频输入第二神经网络得到所述目标监控视频，所述第二神经网络是经训练得到，且具备图像识别功能。


9.一种布控平台，其特征在于，包括：
显示模块，用于显示告警界面，所述告警界面包括告警列表，所述告警列表包括多个告警事件的表项，所述告警事件包括疑似对象的特征信息，所述疑似对象的特征信息以文字描述和/或以图片或视频呈现；
接收模块，用于接收确认指令，所述确认指令用于指示用户在所述告警列表中选择的第一告警事件；
处理模块，用于根据所述第一告警事件中的第一疑似对象的第一特征信息获取多个目标监控视频，所述目标监控视频中拍到了所述第一疑似对象，所述第一疑似对象和目标对象的相似度大于设定阈值；根据所述多个目标监控视频获取所述第一疑似对象的历史行踪；根据第一监控视频获取所述第一疑似对象的实时移动信息，所述第一监控视频是所述多个目标监控视频中拍摄时间最晚的；根据所述实时移动信息确定所述第一疑似对象即将到达的岔路口，所述岔路口对应至少三条道路，所述至少三条道路包括所述第一疑似对象当前所在的道路和至少两条待选道路；根据所述历史行踪，以及所述至少两条待选道路的红绿灯状态和拥堵状态预测所述至少两条待选道路各自的实现概率，所述实现概率用于表示所述第一疑似对象选择对应的待选道路的可能性；
所述显示模块，还用于在地图上显示所述至少两条待选道路各自的实现概率。


10.根据权利要求9所述的平台，其特征在于，所述处理模块，具体用于将所述红绿灯状态、所述历史行踪以及所述拥堵状态输入第一神经网络得到所述实现概率，所述第一神经网络是经训练的到的，且具备概率计算功能；其中，所述红绿灯状态的权重大于所述历史行踪的权重，所述历史行踪的权重大于所述拥堵状态的权重。


11.根据权利要求9或10所述的平台，其特征在于，所述历史行踪包括所述第一疑似对象的多个停留地点，以及所述第一疑似对象在各个所述停留地点出现的时间和次数；所述处理模块，具体用于将一个或多个第一视频的拍摄地点作为第一停留地点，所述第一停留地点是所述多个停留地点中的任意一个，所述一个或多个第一视频是位于所述第一停留地点的摄像机拍到的，所述多个目标监控视频包括所述一个或...

【专利技术属性】
技术研发人员：柳玮，魏园，杨敏敏，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：广东;44