本发明涉及视频目标追踪技术领域，更具体的是涉及一种基于视频的目标智能追踪方法。
背景技术：
目前，随着图侦技术不断发展，公安办案过程中，会通过视频或图像发现大量的目标线索，但庞大数量的目标线索没有得到很好的整合，杂乱无章，理清线索，确认价值目标以，并进一步查找目标轨迹的工作耗费办案人员大量时间，降低了办案效率。
如何有效整合目标信息，快速确认价值目标，成为公安刑侦面临的重大难题。
海量的视频图像数据是公共安全部门信息化建设中积累的重要数据，通过对视频内容的分析和处理，快速准确的发现有效线索，能够充分发挥视频资源的作用，然而，在公安信息化建设深入开展的背景下，现有视频资源缺乏深度应用的模式，其应用的瓶颈是视频信息如何高效提取，如何同其他信息系统进行标准数据交换、互联互通及语义互操作，解决这一问题的核心技术即是视频结构化描述的技术，但是作为一项视频处理的核心技术，其实现上仍有视频结构化核心算法技术和瓶颈需要突破。
技术实现要素：
本发明的目的在于克服现有技术中存在的上述不足，提供一种基于视频的目标智能追踪方法，通过“自动结构化信息+人工审核校验”精准定位价值目标，并根据价值目标信息自动在地图上生成价值目标轨迹，从而绑定了价值目标的时空关系，同时对目标轨迹的长度和目标的运动速度进行自动测算，进一步帮助办案人员发现目标在运动过程中的异常行为和价值信息；通过不断确认价值目标，从而进一步延伸目标轨迹，确认下一步追查方向，最终找到目标落脚地，完成对价值目标的智能追踪，为了实现上述发明目的，本发明提供了以下具体的技术方案如下所述。
一种基于视频的目标智能追踪方法，包括以下步骤：
步骤1：根据业务需求，传入视频至软件客户端；
步骤2：根据结构化算法，服务器对所传入的视频进行结构化处理，提取目标信息；
步骤3：根据上层用户提供的筛选条件，自动生成价值目标图例；
步骤4：用户对自动生成的价值目标图例及其信息进行人工确认；
步骤5：根据确认后的价值目标图像，自动在地图上形成目标轨迹信息，绑定目标的时空关系，指导下一步追查方向。
上述技术方案中，所述步骤2中的对视频结构化分析处理，并提取目标信息，包括以下几个步骤：
步骤2.1：首先采用基于高斯混合模型的动静分离和基于模板匹配的轨迹跟踪技术，准确分析监控中的活动目标，形成目标的轨迹信息；
步骤2.2：采用深度学习技术，实现人车分类和人骑车结构化，采用深度学习技术实现人物结构化，包括上下身颜色、打伞、背包、带帽信息的结构化，采用深度学习技术实现人脸结构化，包括年龄、性别、眼镜信息的结构化，采用深度学习技术实现车辆结构化，包括车牌号码、车牌颜色、车身颜色、车型信息的结构化；
步骤2.3：系统提取关键信息，录入视频图像信息库，用于公安视频侦查。
上述技术方案中，所述步骤3中的根据上层用户提供的筛选条件，自动生成价值目标图例包括以下几个步骤：
步骤3.1：在软件的应用界面上，用户手动指定需要筛选的目标，需要筛选的目标包括人、机动车、人+非机动车；
步骤3.2：通过算法运算，在监控视频中提取出目标的截图帧，进而在应用界面的目标显示区域打印显示目标的截图帧；
步骤3.3：对机动车目标，用户继续指定车牌号码、车牌颜色、车身颜色、车型作为筛选条件，继续筛选目标，排除掉不符合条件的结果；
步骤3.4：对人物目标，用户继续指定带包、无包、打伞、无伞、上衣颜色、下衣颜色、年龄、性别、是否带眼镜作为筛选条件，继续筛选目标，排除掉不符合条件的结果；
步骤3.5：根据上述用户指定的筛选条件，在应用界面的目标显示区域打印显示全部符合筛选条件的结果。
所述基于视频的目标智能追踪方法，还包括智能地对价值目标轨迹总长度和各路段长度进行自动测算的步骤。
所述基于视频的目标智能追踪方法，还包括对价值目标的移动速度进行分析计算的步骤。
所述基于视频的目标智能追踪方法，还包括对价值目标及其信息进行标注的步骤。
所述基于视频的目标智能追踪方法，还包括价值目标运动轨迹无限延伸步骤，该步骤通过进一步确定价值目标，自动延展价值目标的运动轨迹，帮助办案人员更好地发现目标的运动过程中的有效线索，确定下一步侦查方向，形成追踪闭环操作。
因为本发明采用上述技术方案，因此具备以下有益效果：
通过本发明的方法，将自动提取结构化信息和人工确认标注相结合，解决了自动化提取存在误差，人工审看工作量大的问题，以最高效的方式保障了价值目标及其信息的准确度；在地图的基础上，绑定目标的时空关系，自动生成目标轨迹，并智能地对轨迹总长度和各路段长度进行自动测算，同时针对目标的移动速度进行分析；目标轨迹为自动生成，可以无限延伸，通过进一步确定价值目标，可以自动延展价值目标的运动轨迹，帮助办案人员更好地发现目标的运动过程中的有效线索，确定下一步侦查方向，形成追踪闭环操作。
附图说明
图1是本发明的程序流程图。
图2是本发明的处理流程示意图。
具体实施方式
下面结合本发明附图和实施例，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
下面结合说明书附图1-2对本申请加以说明。
如图1到图2所示：本发明基于视频的目标智能追踪技术包括如下步骤：
步骤1：根据业务需求，传入视频至软件客户端；
步骤2：根据结构化算法，服务器对所传入的视频进行结构化处理，提取目标信息；
具体地，服务器对所传入的视频进行结构化分析的系统，包括以下几个步骤：
步骤2.1：采用基于高斯混合模型的动静分离和基于模板匹配的轨迹跟踪技术，准确分析监控中的活动目标，形成目标的轨迹信息；
步骤2.2：采用深度学习技术，实现人车分类和人骑车结构化，采用深度学习技术实现人物结构化，包括上下身颜色、打伞、背包、带帽信息的结构化，采用深度学习技术实现人脸结构化，包括年龄、性别、眼镜信息的结构化，采用深度学习技术实现车辆结构化，包括车牌号码、车牌颜色、车身颜色、车型信息的结构化；
步骤2.3：系统提取关键信息，录入视频图像信息库，用于公安视频侦查。
步骤3：根据上层用户的筛选条件，自动生成价值目标图例；
具体地，根据上层用户的筛选条件，自动生成价值目标图例，包括以下几个步骤：
步骤3.1：在软件的应用界面上，用户手动指定需要筛选的目标，需要筛选的目标包括人、机动车、人+非机动车；
步骤3.2：通过算法运算，在监控视频中提取出目标的截图帧，进而在应用界面的目标显示区域打印显示目标的截图帧；
步骤3.3：对机动车目标，用户继续指定车牌号码、车牌颜色、车身颜色、车型作为筛选条件，继续筛选目标，排除掉不符合条件的结果；
步骤3.4：对人物目标，用户继续指定带包、无包、打伞、无伞、上衣颜色、下衣颜色、年龄、性别、是否带眼镜作为筛选条件，继续筛选目标，排除掉不符合条件的结果；
步骤3.5：根据上述用户指定的筛选条件，在应用界面的目标显示区域打印显示全部符合筛选条件的结果。
步骤4：用户对自动生成的价值目标图例及其信息进行人工确认和标注；
步骤5：根据确认后的价值目标图像，自动在地图上形成目标轨迹信息，指导下一步追查方向。
本发明在地图的基础上，绑定目标的时空关系，自动生成目标轨迹，并智能地对轨迹总长度和各路段长度进行自动测算，同时针对目标的移动速度进行分析。
目标轨迹为自动生成，且可以无限延伸。通过进一步确定价值目标，可以自动延展价值目标的运动轨迹，帮助办案人员更好地发现目标的运动过程中的有效线索，确定下一步侦查方向，形成追踪闭环操作。
以上所述，仅为本发明的较佳实施例，并不用以限制本发明，本发明的专利保护范围以权利要求书为准，凡是运用本发明的说明书及附图内容所作的等同结构变化，同理均应包含在本发明的保护范围内。