[发明专利]形成移动轨迹的方法、装置、计算机设备及存储介质

说明书

本申请属于人工智能技术领域，涉及形成移动轨迹的方法、装置、计算机设备及存储介质。该方法包括：获取所述目标人物的形貌特征样本；从所述形貌特征样本中提取图像特征集；在路网的图像数据比对范围内提取图像数据与所述图像特征集进行比对；当有所述图像数据与所述图像特征集的相似度超过阈值时，确定所述目标人物在所述图像数据比对范围内的出现方位、消失方位、出现时间以及消失时间；将所述出现方位、所述消失方位、所述出现时间以及所述消失时间标注到所述路网中形成所述目标人物的移动轨迹。该方法能够快速地生成目标人物在所述路网中的移动轨迹。

技术领域

本申请属于人工智能技术领域，涉及形成移动轨迹的方法、装置、计算机设备及存储介质。

背景技术

随着城市闭路电视监控系统和道路卡口的普及，目前广泛地实时获取路网中的图像数据已经成为可能。所述城市闭路电视监控系统和所述道路卡口对于降低城市犯罪、提高城市破案率、寻找失踪人员等有着实质性的作用。

现有的技术条件下，通过所述城市闭路电视监控系统和所述道路卡口来形成目标人物的移动轨迹一般通过人工来实现。例如，通过人工识别所述目标人物并绘制所述目标人物的移动轨迹。

发明内容

本申请实施例公开了形成移动轨迹的方法、装置、计算机设备及存储介质，旨在准确而快速地形成目标人物的移动轨迹。

本申请的一些实施例公开了一种形成移动轨迹的方法。

所述形成移动轨迹的方法包括：获取所述目标人物的形貌特征样本；从所述形貌特征样本中提取图像特征集；在路网的图像数据比对范围内提取图像数据与所述图像特征集进行比对；当有所述图像数据与所述图像特征集的相似度超过阈值时，确定所述目标人物在所述图像数据比对范围内的出现方位、消失方位、出现时间以及消失时间；将所述出现方位、所述消失方位、所述出现时间以及所述消失时间标注到所述路网中形成所述目标人物的移动轨迹。

在本申请的一些实施例中，所述图像数据包括体形图像数据和脸部图像数据，所述图像特征集包括体形特征集和脸部特征集，所述在图像数据比对范围内提取图像数据与所述图像特征集进行比对的步骤包括：应用体形图像识别神经网络将所述体形图像数据中的各帧体形图像与所述体形特征集进行比对；计算所述各帧体形图像与所述体形特征集的第一相似度；应用脸部图像识别神经网络将所述脸部图像数据中的各帧脸部图像与所述脸部特征集进行比对；计算所述各帧脸部图像与所述脸部特征集的第二相似度。

在本申请的一些实施例中，所述在图像数据比对范围内提取图像数据与所述图像特征集进行比对的步骤还包括：当所述体形图像与所述体形特征集的所述第一相似度达到第一阈值时，将所述体形图像提供给所述体形图像识别神经网络进行图像识别增强训练；当所述脸部图像与所述脸部特征集的所述第二相似度达到第二阈值时，将所述脸部图像提供所述脸部图像识别神经网络进行图像识别增强训练。

在本申请的一些实施例中，所述确定所述目标人物在所述图像数据比对范围内的出现方位、消失方位、出现时间以及消失时间的步骤包括：将所述相似度超过所述阈值的所述图像数据按照时间进程形成图像序列；以所述图像序列中最早的时间点为所述出现时间，以所述图像序列中最晚的时间点为所述消失时间；应用路网识别神经网络识别与所述出现时间对应的所述图像数据中所述目标人物在所述路网中的第一方位；以所述第一方位为所述出现方位；应用所述路网识别神经网络识别与所述消失时间对应的所述图像数据中所述目标人物在所述路网中的第二方位；以所述第二方位为所述消失方位。

在本申请的一些实施例中，所述图像数据包括体形图像数据和脸部图像数据，所述相似度包括第一相似度和第二相似度；所述阈值包括第一阈值和第二阀值；所述将所述相似度超过所述阈值的所述图像数据按照时间进程形成图像序列的步骤包括：将所述第一相似度达到所述第一阈值的所述体形图像数据按照时间进程形成体形图像序列；将所述第二相似度达到所述第二阈值的所述脸部图像数据按照时间进程形成脸部图像序列；将所述体形图像序列与所述脸部图像序列进行融合得到所述图像序列。