基于视频分析的人车关联方法及装置与流程

本发明涉及视频分析技术领域，尤其涉及一种基于视频分析的人车关联方法及装置。

背景技术：

人车关联是指建立车辆与乘车人员的关联关系，其能够分析出车辆的乘客身份信息，或者人员乘坐的车辆信息，人车关联技术可以协助公安机关开展对某些可疑人员的轨迹追踪，同伙挖掘，及事件预警等工作。

现有的人车关联方法，一般是通过在多个路口安装视频摄像头和手机感应设，通过数据采集分析，获取通过路口的车牌号码和手机imei(internationalmobileequipmentidentity，手机序列号)号。如果在多个路口，车牌号和imei号始终伴随出现，则说明该imei号手机在该车牌号的车上。进一步，通过电信部门数据可以查找到对应手机imei号使用人员的身份，从而建立车辆与乘车人员身份之间的关联关系。

然而现有的人车关联方法，需要在多个路口安装摄像头和手机感应设备，并且需要建立远距离的通信网络将这些分布广泛的设备连接起来，整个系统成本投入大，同时这种方法依赖于车辆上的人员都携带其手机，并且该手机为其常用的手机，否则将无法关联或无法准确关联。

技术实现要素：

本发明实施例提供一种基于视频分析的人车关联方法及装置，用以解决现有技术中人车关联不准确的问题。

第一方面，本发明实施例提供一种基于视频分析的人车关联方法，所述方法包括：

在车辆进站和出站的位置设置有若干摄像头，接收各所述摄像头采集的视频数据；

对各所述摄像头采集的视频数据进行处理，以从各摄像头的视频数据中提取获得若干移动目标运动轨迹；

对各所述移动目标运动轨迹中包含的移动目标的特征信息进行解析，获得目标人员图像信息和若干目标车辆图像信息；

将目标人员图像信息与距离最近的目标车辆图像信息进行关联。

可选的，所述对各所述摄像头采集的视频数据进行处理，以从各摄像头的视频数据中提取获得若干移动目标运动轨迹时，具体包括：

对各摄像头采集的各组视频数据进行处理获得移动目标的若干个原始运动轨迹；

利用均值加权方法对同一移动目标的若干个原始运动轨迹进行加权计算，以获得移动目标的最终运动轨迹。

可选的，所述对各所述移动目标运动轨迹中包含的移动目标的特征信息进行解析，获得目标人员图像信息和若干目标车辆图像信息时，具体包括：

利用视频结构化算法对移动目标的特征信息进行解析，获得移动人员图像和移动车辆图像；

通过人脸识别系统对移动人员图像进行识别，确定移动人员身份为目标人员；

通过车辆识别系统对移动车辆图像进行识别，确定移动车辆身份为目标车辆并获取车牌号。

可选的，所述将目标人员图像信息与距离最近的目标车辆图像信息进行关联时，具体包括：依据移动目标运动轨迹确定目标人员最后出现时刻所在的位置和最近的车辆，将目标人员与位置最近的车辆进行人车关联；或者，依据运动轨迹确定目标人员首次出现的位置和最近的车辆，将目标人员与位置最近的车辆进行人车关联。

可选的，所述移动目标的运动轨迹用矢量序列f表示为：

其中，ft＝(xt,yt)表示在t时刻目标的坐标位置；

ts为目标首次出现时刻；

te为目标最后出现时刻。

第二方面，本发明实施例提供一种基于视频分析的人车关联装置，包括在车辆进站和出站的位置设置若干摄像头，还包括接收模块、处理模块、解析模块和管理模块；

所述接收模块，用于接收各所述摄像头采集的视频数据；

所述处理模块，对各所述摄像头采集的视频数据进行处理，以从各摄像头的视频数据中提取获得若干移动目标运动轨迹；

所述解析模块，用于对对各所述移动目标运动轨迹中包含的移动目标的特征信息进行解析，获得目标人员图像信息和若干目标车辆图像信息；

所述关联模块，用于将目标人员图像信息与距离最近的目标车辆图像信息进行关联。

可选的，所述处理模块在用于对对各所述摄像头采集的视频数据进行处理，以从各摄像头的视频数据中提取获得若干移动目标运动轨迹时，具体用于：对各摄像头采集的各组视频数据进行处理获得移动目标的若干个原始运动轨迹；

利用均值加权方法对同一移动目标的若干个原始运动轨迹进行加权计算，以获得移动目标的最终运动轨迹。

可选的，所述解析模块在用于对各所述移动目标运动轨迹中包含的移动目标的特征信息进行解析，获得目标人员图像信息和若干目标车辆图像信息时，具体用于：

利用视频结构化算法对移动目标的特征信息进行解析，获得移动人员图像和移动车辆图像；

通过人脸识别系统对移动人员图像进行识别，确定移动人员身份为目标人员；

通过车辆识别系统对移动车辆图像进行识别，确定移动车辆身份为目标车辆并获取车牌号

可选的，所述关联模块在用于将目标人员图像信息与距离最近的目标车辆图像信息进行关联时，具体用于：依据运动轨迹确定目标人员最后出现时刻所在的位置和最近的车辆，将目标人员与位置最近的车辆进行人车关联；或者，依据运动轨迹确定目标人员首次出现的位置和最近的车辆，将目标人员与位置最近的车辆进行人车关联。

本发明实施例通过在上下车区域四周安装多个摄像头，每个摄像头的位置和拍摄方向不同，使得摄像头能够尽可能地拍摄到人脸照片和车牌号码；再通过基于视频结构化分析，得到人的人脸照片、车的车牌号码，并进一步根据人脸照片获取到人员身份；最后基于人与车的轨迹数据来确定它们的关联关系；由此解决了现有的人车关联不够准确的问题。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1为本发明第一个实施例方法流程图；

图2为本发明摄像头及控制终端通讯连接示意图；

图3为本发明第二个实施例人车上车关联示意图；

图4为本发明第二个实施例人车下车关联示意图；

图5为本法明第三个实施例装置结构框图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

本发明第一实施例提供一种基于视频分析的人车关联方法，在车辆进站和出站的位置设置有若干摄像头，各所述摄像头与控制终端通信连接，如图1所示，所述方法包括以下具体步骤：

步骤s101，接收各所述摄像头采集的视频数据；

步骤s102，对各所述摄像头采集的视频数据进行处理，以从各摄像头的视频数据中提取获得若干移动目标运动轨迹；

步骤s103，对各所述移动目标运动轨迹中包含的移动目标的特征信息进行解析，获得目标人员图像信息和若干目标车辆图像信息；

步骤s104，将目标人员图像信息与距离最近的目标车辆图像信息进行关联。

本实施例中执行主体可以为控制终端。本发明实施例通过在上下车区域四周安装多个摄像头，每个摄像头的位置和拍摄方向不同，使得摄像头能够尽可能地拍摄到人脸照片和车牌号码；再通过基于视频结构化分析，得到人的人脸照片、车的车牌号码，并进一步根据人脸照片获取到人员身份；最后基于人与车的轨迹数据来确定它们的关联关系；由此解决了现有的人车关联不够准确的问题。

本发明第二个实施例提供一种基于视频分析的人车关联方法，包括如下步骤：

步骤s201，接收各所述摄像头采集的视频数据；

步骤s202，对各摄像头采集的各组视频数据进行处理获得移动目标的若干个原始运动轨迹；利用均值加权方法对同一移动目标的若干个原始运动轨迹进行加权计算、以获得移动目标的最终的运动轨迹。

其中，移动目标的运动轨迹用矢量序列f表示为：

其中，ft＝(xt,yt)表示在t时刻目标的坐标位置；ts为目标首次出现时刻；te为目标最后出现时刻。

步骤s203，利用视频结构化算法对移动目标的特征信息进行解析，获得移动人员图像或移动车辆图像；具体的，若移动目标符合人的特征，则提取人脸正面图像p，并且通过人脸识别系统的搜索识别，确定该人员的身份i，运动轨迹可记为fⁱ；若移动目标符合车的特征，则提取其车牌号码n，其运动轨迹可记为fⁿ。

步骤s204，依据运动轨迹确定目标人员最后出现时刻所在的位置和最近的车辆，将目标人员与位置最近的车辆进行人车上车关联；或者，依据运动轨迹确定目标人员首次出现的位置和最近的车辆，将目标人员与位置最近的车辆进行人车下车关联，具体结合图2和图3和图4。

本发明实施例中利用均值加权法对同一目标的多个轨迹进行加权求取同一时刻所在位置的平均值，得到最终的运动轨迹，然后根据运动轨迹确定目标人员首次出现或最后出现时所在位置的周围车辆，并进行人车关联。

本发明第三个实施例提供一种基于视频分析的人车关联装置，结合图5，包括在车辆进站和出站的位置设置若干摄像头，还包括接收模块11、处理模块12、解析模块13和管理模块14；

所述接收模块11，用于接收各所述摄像头采集的视频数据；

所述处理模块12，对各所述摄像头采集的视频数据进行处理，以从各摄像头的视频数据中提取获得若干移动目标运动轨迹；具体的，在实施例过程中，处理模块用于：对各摄像头采集的各组视频数据进行处理获得移动目标的若干个原始运动轨迹；利用均值加权方法对同一移动目标的若干个原始运动轨迹进行加权计算，以获得移动目标的最终运动轨迹。

所述解析模块13，用于对对各所述移动目标运动轨迹中包含的移动目标的特征信息进行解析，获得目标人员图像信息和若干目标车辆图像信息。具体的，在实施例过程中，解析模块用于利用视频结构化算法对移动目标的特征信息进行解析，获得移动人员图像和移动车辆图像；通过人脸识别系统对移动人员图像进行识别，确定移动人员身份为目标人员；通过车辆识别系统对移动车辆图像进行识别，确定移动车辆身份为目标车辆并获取车牌号。

所述关联模块14，用于将目标人员图像信息与距离最近的目标车辆图像信息进行关联。具体的，在实施例过程中，关联模块用于依据运动轨迹确定目标人员最后出现时刻所在的位置和最近的车辆，将目标人员与位置最近的车辆进行人车关联；或者，依据运动轨迹确定目标人员首次出现的位置和最近的车辆，将目标人员与位置最近的车辆进行人车关联。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。