System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及智慧园区,具体涉及一种基于云边协同的可疑人员追踪方法、装置、设备及介质。
技术介绍
1、近年来,我国园区快速发展,已经成为推动我国工业化、城镇化发展和区域经济高质量发展的重要平台,由于园区内人员、财产分布密集、访客类型复杂、功能区域多等特点,切实做好预防和处理安全事故,成为园区运营管理的重要保障。
2、现有的园区管理系统由于通过云端统一集中管理所有的摄像头数据再进行可疑人员的识别追踪,导致需要处理海量的视频信息且传输数据带来大量的带宽浪费和时延,在对可疑人员进行追踪的时候无法做到快速响应、及时追踪。
技术实现思路
1、鉴于以上所述相关技术的缺点,本申请提供一种基于云边协同的可疑人员追踪方法、装置、设备及介质,以解决现有园区管理系统响应过慢和浪费带宽的技术问题。
2、本申请提供了一种基于云边协同的可疑人员追踪方法,所述基于云边协同的可疑人员追踪方法包括:通过园区内的摄像头获取园区视频数据;基于边缘计算设备对所述园区视频数据中的待识别人员进行人员面部遮挡识别和人员徘徊识别并将识别结果和所述园区视频数据上传至云边协同平台;若所述园区视频数据中存在所述待识别人员的所述人员面部遮挡识别的识别结果为有遮挡,且所述待识别人员的所述人员徘徊识别的识别结果为有徘徊,则将所述待识别人员确定为可疑人员;所述云边协同平台基于所述园区视频数据得到带有所述可疑人员的图像数据,并将所述图像数据发送至园区管理平台,所述园区管理平台对带有所述可疑人员的所述图像数据进行特征属性识别得
3、于本申请的一实施例中,获取人员面部遮挡训练集,所述人员面部遮挡训练集包括历史园区视频图像和面部遮挡标注;将所述人员面部遮挡训练集输入至预设机器模型进行训练,得到人员面部遮挡识别模型;基于所述人员面部遮挡识别模型对所述待识别人员进行人员面部遮挡识别。
4、于本申请的一实施例中,基于园区内各区域的安全防护等级将所述园区划分为目标区域和非目标区域,所述目标区域为所述安全防护等级大于预设等级的区域;通过目标跟踪算法对所述目标区域内和所述目标区域附近的所述园区视频数据中待识别人员的运动进行跟踪识别,得到所述待识别人员在所述目标区域中的移动距离、在所述目标区域中的移动时间和进出所述目标区域的次数;若所述待识别人员在所述目标区域中的移动距离大于预设距离阈值,则所述待识别人员的所述人员徘徊识别的识别结果为有徘徊;若所述待识别人员在所述目标区域中的移动时间大于预设时间阈值,则所述待识别人员的所述人员徘徊识别的识别结果为有徘徊;若所述待识别人员进出所述目标区域的次数大于预设次数阈值,则所述待识别人员的所述人员徘徊识别的识别结果为有徘徊。
5、于本申请的一实施例中,所述属性数据至少包括性别、体型、发型发色、上衣颜色款式、下装颜色款式、是否佩戴眼镜、是否戴帽子、是否背物及背何物、是否怀抱物及怀抱何物以及是否手持物及手持何物。
6、于本申请的一实施例中,提取各个所述摄像头一周内上传的历史视频数据;
7、基于行人重识别算法和所述属性数据在所述历史视频数据中对所述可疑人员进行识别,得到带有所述可疑人员的追踪视频。
8、于本申请的一实施例中,将所述人员位置和所述移动轨迹基于时间顺序进行标注和连接得到所述可疑人员行动轨迹;基于所述预设园区三维模型和所述行动轨迹形成追踪可视化视频,在所述追踪可视化视频中对所述可疑人员进行高亮处理。
9、于本申请的一实施例中,若所述待识别人员的所述人员面部遮挡识别的识别结果为有遮挡,且所述待识别人员的所述人员徘徊识别的识别结果为有徘徊,则将所述待识别人员确定为可疑人员;若所述待识别人员的所述人员面部遮挡识别的识别结果为无遮挡,且所述待识别人员的所述人员徘徊识别的识别结果为无徘徊,则将所述待识别人员确定为正常人员;若所述待识别人员的所述人员面部遮挡识别的识别结果为有遮挡,且所述待识别人员的所述人员徘徊识别的识别结果为无徘徊,则将所述待识别人员确定为遮挡人员;若所述待识别人员的所述人员面部遮挡识别的识别结果为无遮挡,且所述待识别人员的所述人员徘徊识别的识别结果为有徘徊,则将所述待识别人员确定为徘徊人员。
10、本申请的实施例还提供一种基于云边协同的可疑人员追踪装置,所述基于云边协同的可疑人员追踪装置包括:视频获取模块,用于通过园区内的摄像头获取园区视频数据;边缘识别模块,用于基于边缘计算设备对所述园区视频数据中的待识别人员进行人员面部遮挡识别和人员徘徊识别并将识别结果和所述园区视频数据上传至云边协同平台;可疑人员确定模块,用于若所述园区视频数据中存在所述待识别人员的所述人员面部遮挡识别的识别结果为有遮挡,且所述待识别人员的所述人员徘徊识别的识别结果为有徘徊,则将所述待识别人员确定为可疑人员;属性数据确定模块,用于所述云边协同平台基于所述园区视频数据得到带有所述可疑人员的图像数据,并将所述图像数据发送至园区管理平台,所述园区管理平台对带有所述可疑人员的所述图像数据进行特征属性识别得到所述可疑人员的属性数据,并将所述属性数据回传至所述云边协同平台;边缘搜索模块,用于所述云边协同平台将所述属性数据下发至各个所述边缘计算设备,所述边缘计算设备基于所述属性数据通过各个所述摄像头上传的视频数据对所述可疑人员进行搜索;追踪上传模块,用于若搜索到带有所述可疑人员的追踪视频,所述边缘计算设备记录下带有所述可疑人员的追踪视频的拍摄时间、拍摄位置和所述追踪视频,并将所述拍摄时间、拍摄位置和所述追踪视频上传至所述云边协同平台;追踪发送模块,用于所述云边协同平台基于所述拍摄时间、拍摄位置和所述追踪视频得到所述可疑人员的移动轨迹和人员位置,并将所述移动轨迹和所述人员位置发送至所述园区管理平台;可视化追踪模块,用于所述园区管理平台基于所述移动轨迹、所述人员位置和预设园区三维模型实现所述可疑人员的可视化轨迹追踪,以对所述可疑人员进行追踪。
11、本申请的实施例还提供一种电子设备,所述电子设备包括一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述电子设备实现如上述各实施例中任一所述的基于云边协同的可疑人员追踪方法。
12、本申请的实施例本文档来自技高网...
【技术保护点】
1.一种基于云边协同的可疑人员追踪方法,其特征在于,所述基于云边协同的可疑人员追踪方法包括:
2.根据权利要求1中所述的基于云边协同的可疑人员追踪方法,其特征在于,基于边缘计算设备对所述园区视频数据中的待识别人员进行人员面部遮挡识别,还包括:
3.根据权利要求1中所述的基于云边协同的可疑人员追踪方法,其特征在于,基于边缘计算设备对所述园区视频数据中的待识别人员进行人员徘徊识别包括:
4.根据权利要求1中所述的基于云边协同的可疑人员追踪方法,其特征在于,所述属性数据至少包括性别、体型、发型发色、上衣颜色款式、下装颜色款式、是否佩戴眼镜、是否戴帽子、是否背物及背何物、是否怀抱物及怀抱何物以及是否手持物及手持何物。
5.根据权利要求1中所述的基于云边协同的可疑人员追踪方法,其特征在于,所述边缘计算设备基于所述属性数据通过各个所述摄像头上传的视频数据对所述可疑人员进行搜索包括:
6.根据权利要求1中所述的基于云边协同的可疑人员追踪方法,其特征在于,所述园区管理平台基于所述移动轨迹、所述人员位置和预设园区三维模型实现所述可疑人员的
7.根据权利要求1中所述的基于云边协同的可疑人员追踪方法,其特征在于,基于边缘计算设备对所述园区视频数据中的待识别人员进行人员面部遮挡识别和人员徘徊识别并将识别结果和所述园区视频数据上传至云边协同平台之后,还包括:
8.一种基于云边协同的可疑人员追踪装置,其特征在于,所述基于云边协同的可疑人员追踪装置包括:
9.一种电子设备,其特征在于,所述电子设备包括:
10.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,当所述计算机程序被计算机的处理器执行时,使计算机执行如权利要求1-7中任一项所述的基于云边协同的可疑人员追踪方法。
...【技术特征摘要】
1.一种基于云边协同的可疑人员追踪方法,其特征在于,所述基于云边协同的可疑人员追踪方法包括:
2.根据权利要求1中所述的基于云边协同的可疑人员追踪方法,其特征在于,基于边缘计算设备对所述园区视频数据中的待识别人员进行人员面部遮挡识别,还包括:
3.根据权利要求1中所述的基于云边协同的可疑人员追踪方法,其特征在于,基于边缘计算设备对所述园区视频数据中的待识别人员进行人员徘徊识别包括:
4.根据权利要求1中所述的基于云边协同的可疑人员追踪方法,其特征在于,所述属性数据至少包括性别、体型、发型发色、上衣颜色款式、下装颜色款式、是否佩戴眼镜、是否戴帽子、是否背物及背何物、是否怀抱物及怀抱何物以及是否手持物及手持何物。
5.根据权利要求1中所述的基于云边协同的可疑人员追踪方法,其特征在于,所述边缘计算设备基于所述属性数据通过各个所述摄像头上传的视频数据对所述可疑人员...
【专利技术属性】
技术研发人员:毛莉亚,李杰,王斌鑫,梁霞,刘明,
申请(专利权)人:中冶赛迪信息技术重庆有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。