一种基于目标mac地址与监控视频的人员定位方法及系统
技术领域
1.本发明涉及视频监控领域以及智能安防领域，具体涉及一种基于目标mac 地址与监控视频的人员定位方法。
背景技术：2.目前市场上的人脸识别和目标mac采集技术均已经非常成熟，国家相关部门在城市的大街小巷均布控了视频监控设备和目标mac采集设备，对城市的治安进行守护。但是在对一些特殊人员进行定位时，特别是一些还未确认身份无法直接通过视频识别的人员，往往需要先采用人力的方式对目标mac 信息的轨迹进行研判，再通过视频录像进行筛查，人力消耗非常巨大，对于案件的侦破效率产生一定的影响。
技术实现要素：3.针对现有技术中的缺陷，本发明提供一种基于目标mac地址与监控视频的人员定位方法，包括以下内容：
4.导入目标mac地址信息，查询并生成目标mac轨迹，其中，所述目标mac 轨迹包括目标mac时长轨迹、目标mac次数轨迹；
5.根据所述目标mac轨迹调取对应的监控视频数据，根据所述监控视频数据生成多个视频轨迹，其中，所述视频轨迹包括视频时长轨迹、视频次数轨迹；
6.通过碰撞，将所述目标mac轨迹和视频轨迹关联，并将监控视频数据和目标mac地址信息绑定。
7.优选的，所述查询并生成目标mac轨迹包括：
8.在多个指定区域查询所述目标mac地址信息；
9.获取所述目标mac地址信息在每个指定区域的出现次数以及每次出现的开始时间和结束时间；
10.根据所述目标mac地址信息在每个指定区域的出现次数以及每次出现的开始时间和结束时间生成目标mac轨迹。
11.优选的，所述根据所述目标mac地址信息在每个指定区域的出现次数以及每次出现的开始时间和结束时间生成目标mac轨迹包括：
12.获取所述目标mac地址信息在每个指定区域的出现次数，将所述出现次数标记为ri，i＝1，2，
…
n，i表示区域，得到目标mac次数轨迹序列 {r1,r2,r3，
…
,rn}；
13.获取根据所述目标mac地址信息在每个指定区域的每次出现的开始时间和结束时间，计算每次出现的持续时长和间隔时长，将每个区域中所有持续时长的平均值和所有间隔时长的平均值的比值记为si＝gi/hi，得到目标mac时长轨迹{s1,s2,s3，
…
,sn}。
14.优选的，根据所述目标mac轨迹调取对应的监控视频数据，根据所述监控视频数据生成多个视频轨迹序列包括：
15.根据目标mac轨迹调取对应的多个指定区域的监控视频数据；
16.通过图像识别技术识别所述监控视频数据中出现的人脸，并获取每个人脸的出现次数以及每次出现的开始时间和结束时间；
17.根据每个人脸的出现次数以及每次出现的开始时间和结束时间生成每个人脸的视频轨迹。
18.优选的，根据每个指定区域每个人脸的出现次数以及每次出现的时间生成每个人脸的视频轨迹包括：
19.获取每个指定区域任一人脸的出现次数，将所述出现次数标记为fi，得到视频次数序列{f1,f2,f3，...,fn}，其中,所述出现次数包括确定出现次数和疑似出现次数；
20.获取每个指定区域该人脸每次出现的开始时间和结束时间，计算每次出现的持续时长和间隔时长，将每个区域中所有持续时长的平均值和所有间隔时长的平均值的比值记为qi＝gi/hi，得到视频时长轨迹{q1,q2,q3，...,qn}；
21.重复上述步骤，直到获取每个人脸的视频轨迹。
22.优选的，所述fi具体为：
23.fi＝p
ij
+p
ij-im
/2
24.其中，p
ij
表示第i区域该人脸的确定出现次数，所述p
ij-im
表示一区域该人脸的疑似出现次数。
25.优选的，获取每个指定区域该人脸每次出现的开始时间和结束时间，计算每次出现的持续时长和间隔时长包括：
26.若本次出现为疑似出现，则记本次出现持续时长为实际持续时长的1/2 倍；若本次出现为确定出现，则记本次出现持续时长为实际持续时长，其中，实际持续时长为本次出现的开始时间和结束时间的差值；
27.若本次出现和下次出现均为疑似出现，则记该两次的间隔时长为实际间隔时长的1/4倍；若本次出现或者下次出现为疑似出现，则记该两次的间隔时长为实际间隔时长的1/2倍；若本次出现和下次出现均为确定出现，记该两次的间隔时长为实际间隔时长，其中，所述实际间隔时长为下次出现的开始时间和本次出现的结束时间的差值。
28.优选的，通过碰撞从多个视频轨迹中确定出目标视频轨迹，将所述目标 mac轨迹和所述目标视频轨迹关联，并将所述目标视频轨迹所对应的监控视频数据和目标mac地址信息绑定包括：
29.计算目标mac轨迹与多个视频轨迹的相似度；
30.将相似度最高的视频轨迹作为目标视频轨迹，将所述目标mac轨迹与所述目标视频轨迹关联，并将所述目标mac轨迹对应的目标mac地址信息和所述目标视频轨迹对应的监控视频数据绑定。
31.优选的，计算目标mac轨迹与多个视频轨迹的相似度包括：
32.获取一条视频轨迹，分别计算目标mac次数轨迹与该视频轨迹中的视频次数轨迹的第一相似度和目标mac时长轨迹与该视频轨迹中的视频时长轨迹的第二相似度；
33.根据所述第一相似度和第二相似度，计算目标mac轨迹和该视频轨迹的相似度；
34.重复上述步骤，直到得到目标mac轨迹与所有视频轨迹的相似度。
35.优选的，根据所述第一相似度和第二相似度，计算目标mac轨迹和该视频轨迹的相似度包括：
36.x＝λx1+(1-λ)x237.其中，x为相似度，x1为第一相似度，x2为第二相似度,λ为常数。
38.本发明的有益效果体现在：本发明利用已知的目标mac信息与监控视频图像识别技术相融合，通过大数据分析技术，综合考虑了mac时长轨迹与视频时长轨迹的相似度以及mac次数轨迹与视频次数轨迹的相似度，能够快速有效地获取到未知目标人物，极大地方便了侦查人员确定嫌疑目标的有效身份信息，提升对研判工具的有效利用率。
附图说明
39.为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。
40.图1为一种基于目标mac地址与监控视频的人员定位方法的流程图；
41.图2为一种基于目标mac地址与监控视频的人员定位系统的结构示意图。
具体实施方式
42.下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只作为示例，而不能以此来限制本发明的保护范围。
43.需要注意的是，除非另有说明，本技术使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
44.如图1所示，本发明实施例提供了一种基于目标mac地址与监控视频的人员定位方法，包括以下步骤：
45.步骤一：导入目标mac地址信息，查询并生成目标mac轨迹，其中，所述目标mac轨迹包括目标mac时长轨迹、目标mac次数轨迹；
46.在本发明实施例中，所述查询并生成目标mac轨迹包括：在多个指定区域查询所述目标mac地址信息；获取所述目标mac地址信息在每个指定区域的出现次数以及每次出现的开始时间和结束时间；根据所述目标mac地址信息在每个指定区域的出现次数以及每次出现的开始时间和结束时间生成目标mac轨迹。
47.在本发明实施例中，所述根据所述目标mac地址信息在每个指定区域的出现次数以及每次出现的开始时间和结束时间生成目标mac轨迹包括：
48.根据所述目标mac地址信息在每个指定区域的出现次数，将所述出现次数标记为ri，i＝1，2，
…
n，i表示区域，得到目标mac次数轨迹序列 {r1,r2,r3，
…
,rn}；
49.根据所述目标mac地址信息在每个指定区域的每次出现的开始时间和结束时间，计算每次出现的持续时长和间隔时长，将每个区域中所有持续时长的平均值和所有间隔时长的平均值的比值记为si＝gi/hi，得到目标mac时长轨迹 {s1,s2,s3，
…
,sn}。
50.具体的，若指定区域为abcd，分别用1234表示；在a区域中目标mac地址信息出现的次数3，第一次出现的开始时间时间为3点14，结束时间为3 点19；第二次出现的开始时间为3点40，结束时间为3点46；第三次出现的开始时间为5点11，结束时间为5点21；在b区域中的出现次数为2，第一次出现的开始时间为4点12，结束时间为4点19；第二次出现的开始时间
为 5点27，结束时间为5点36；在c区域中的出现次数为1，该次开始时间为6 点01，结束时间为6点09在d区域中的出现次数为1，该次的开始时间为6 点30，结束时间为6点36；
51.那么，目标mac次数轨迹为{3，2，4，1}，目标mac时长轨迹为{7/23， 8/68，8，6}。
52.步骤二：根据所述目标mac轨迹调取对应的监控视频数据，根据所述监控视频数据生成多个视频轨迹，其中，所述视频轨迹包括视频时长轨迹、视频次数轨迹；
53.在本发明实施例中，根据所述目标mac轨迹调取对应的监控视频数据，根据所述监控视频数据生成多个视频轨迹序列包括：根据目标mac轨迹调取对应的多个指定区域的监控视频数据；通过图像识别技术识别所述监控视频数据中出现的人脸，并获取每个人脸的出现次数以及每次出现的开始时间和结束时间；根据每个人脸的出现次数以及每次出现的开始时间和结束时间生成每个人脸的视频轨迹。
54.具体的，通过图像识别技术识别所述监控视频数据中出现的人脸，具体可采用人脸对比技术进行查重对比技术，相似度超过第一阈值判断为同一人脸，相似度低于第一阈值高于第二阈值判断为疑似人脸，相似度低于第二阈值判断为非同一人脸，在其他发明实施例中，可采用现有的图像识别模型进行识别，在本技术中不做限制。
55.当然，在其他实施例中，采用图像识别技术识别监控数据中的目标，包括但不限于人脸，例如车辆。
56.在本发明实施例中，根据每个指定区域每个人脸的出现次数以及每次出现的时间生成每个人脸的视频轨迹包括：
57.获取每个指定区域任一人脸的出现次数，将所述出现次数标记为fi，得到视频次数序列{f1,f2,f3，...,fn}，其中,所述出现次数包括确定出现次数和疑似出现次数；
58.获取每个指定区域该人脸每次出现的开始时间和结束时间，计算每次出现的持续时长和间隔时长，计算每个区域中所有持续时长和所有间隔时长的平均值，将每个区域中所有持续时长的平均值和所有间隔时长的平均值的比值记为 qi＝gi/hi，得到视频时长轨迹{q1,q2,q3，...,qn}；
59.重复上述步骤，直到获取每个人脸的视频轨迹。
60.本发明实施例所通过的获取视频轨迹的方法与获取mac轨迹的方法出于同样的发明构思，因此，关于获取视频轨迹更加具体的实例，在此不做赘述。
61.需要说明的是，由于mac地址信息是确定的数据，而监控视频中的人脸包括确定的人脸和不确定的人脸，因此，在本发明实施例中还需要采用以下方法对人脸出现次数以及每次出现的开始时间和结束时间进行处理，以保证得到的数据更加准确。
62.具体的，所述fi具体为：
63.fi＝p
ij
+p
ij-im
/2
64.其中，p
ij
表示第i区域该人脸的确定出现次数，所述p
ij-im
表示一区域该人脸的疑似出现次数。
65.具体的，获取每个指定区域该人脸每次出现的开始时间和结束时间，计算每次出现的持续时长和间隔时长包括：
66.若本次出现为疑似出现，则记本次出现持续时长为实际持续时长的1/2 倍；数本次出现为确定出现，则记本次出现持续时长为实际持续时长，其中，实际持续时长为本次出现的开始时间和结束时间的差值；
67.若本次出现和下次出现均为疑似出现，则记该两次的间隔时长为实际间隔时长的1/4倍；若本次出现或者下次出现为疑似出现，则记该两次的间隔时长为实际间隔时长的1/2倍；若本次出现和下次出现均为确定出现，记该两次的间隔时长为实际间隔时长，其中，所述实际间隔时长为下次出现的开始时间和本次出现的结束时间的差值。
68.在具体的实施例中，进一步的，可对每次出现的持续时长和间隔时长进行处理，由于持续时长太短的数据意义不大，因此，需要删除持续时长小于预设持续时长阈值的数据，再求取剩余持续时长的平均值；由于间隔太久的数据意义不大，因此，需要删除间隔时长超过预设间隔阈值的数据，再求取剩余间隔时长的平均值。
69.步骤三：通过碰撞从多个视频轨迹中确定出目标视频轨迹，将所述目标 mac轨迹和所述目标视频轨迹关联，并将所述目标视频轨迹所对应的监控视频数据和目标mac地址信息绑定。
70.步骤三具体包括：计算目标mac轨迹与多个视频轨迹的相似度；将相似度最高的视频轨迹作为目标视频轨迹，将所述目标mac轨迹与所述目标视频轨迹关联，并将所述目标mac轨迹对应的目标mac地址信息和所述目标视频轨迹对应的监控视频数据绑定。
71.在本发明实施例中，计算目标mac轨迹与多个视频轨迹的相似度包括：
72.获取一条视频轨迹，分别计算目标mac次数轨迹与该视频轨迹中的视频次数轨迹的第一相似度和目标mac时长轨迹与该视频轨迹中的视频时长轨迹的第二相似度；
73.根据所述第一相似度和第二相似度，计算目标mac轨迹和该视频轨迹的相似度；
74.重复上述步骤，直到得到目标mac轨迹与所有视频轨迹的相似度。
75.需要说明的是，通过计算第一相似度和第二相似度均为余弦相似度，计算公式为：
[0076][0077]
其中，xi表示mac轨迹中的元素，yi表示视频轨迹中的元素。
[0078]
在具体的实施例中，可以对目标mac轨迹和视频轨迹进行归一化处理后再分别计算第一相似度和第二相似度，以减少计算量。
[0079]
在本发明实施例中，根据所述第一相似度和第二相似度，计算目标mac 轨迹和该视频轨迹的相似度包括：
[0080]
x＝λx1+(1-λ)x2[0081]
其中，x为相似度，x1为第一相似度，x2为第二相似度,λ为常数，λ根据经验计算所得。
[0082]
通过上述方法可以将所有的mac地址信息与其对应的监控视频数据进行匹配。
[0083]
综上，本发明实施例提供了一种基于目标mac地址与监控视频的人员定位方法，利用已知的目标mac信息与监控视频图像识别技术相融合，通过大数据分析技术，综合考虑了mac时长轨迹与视频时长轨迹的相似度以及mac次数轨迹与视频次数轨迹的相似度，能够快速有效地获取到未知目标人物，极大地方便了侦查人员确定嫌疑目标的有效身份信息，提升对研判工具的有效利用率。
[0084]
如图2所示，基于上述发明构思，本发明实施例还提供了一种基于目标 mac地址与
监控视频的人员定位系统，所述系统包括判研平台和多个指定区域安装的用于采集mac地址信息的探针以及用于采集监控视频数据的摄像头，其中，所述判研平台用于执行上述实施例所述的方法。
[0085]
首先在平台内输入已确定的目标mac地址信息，系统根据采集到的mac信息在地图上生成目标mac的运动轨迹，使用人员通过选择在某一时间段或者某一区域内的运动轨迹并自动与视频监控采集到的图像信息进行数据融合碰撞，系统根据该段运动轨迹内所有摄像头均采集到的图像信息为高度符合目标特征的原则进行判断，产出所对应的目标mac地址所对应的人员图像信息或者驾驶的车辆图像信息等内容。
[0086]
例如，已知如图2所示小黑人和小黑车上设备的mac地址信息，分别为mac1和mac2,。当a区和d区均出现了mac2的地址信息和小黑人视频图像信息，则我们可以判断小黑人为mac2地址对应的人员，即可通过视频图像信息确认人员身份。同理，a区和c区的小黑车也可通过这种方式确定其视频图像信息，从而获得诸如车辆型号、颜色和车牌号码等身份，进而确认车主信息和车辆轨迹。当产出的结果较多时可通过扩大研判区域和时间的方式，进一步缩小对比结果，最终实现一对一的绑定结果，从而达到人员身份定位的效果。
[0087][0088]
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。
技术特征：1.一种基于目标mac地址与监控视频的人员定位方法，其特征在于，包括以下内容：导入目标mac地址信息，查询并生成目标mac轨迹，其中，所述目标mac轨迹包括目标mac时长轨迹、目标mac次数轨迹；根据所述目标mac轨迹调取对应的监控视频数据，根据所述监控视频数据生成多个视频轨迹，其中，所述视频轨迹包括视频时长轨迹、视频次数轨迹；通过碰撞从多个视频轨迹中确定出目标视频轨迹，将所述目标mac轨迹和所述目标视频轨迹关联，并将所述目标视频轨迹所对应的监控视频数据和目标mac地址信息绑定。2.根据权利要求1所述的一种基于目标mac地址与监控视频的人员定位方法，其特征在于，所述查询并生成目标mac轨迹包括：在多个指定区域查询所述目标mac地址信息；获取所述目标mac地址信息在每个指定区域的出现次数以及每次出现的开始时间和结束时间；根据所述目标mac地址信息在每个指定区域的出现次数以及每次出现的开始时间和结束时间生成目标mac轨迹。3.根据权利要求2所述的一种基于目标mac地址与监控视频的人员定位方法，其特征在于，所述根据所述目标mac地址信息在每个指定区域的出现次数以及每次出现的开始时间和结束时间生成目标mac轨迹包括：根据所述目标mac地址信息在每个指定区域的出现次数，将所述出现次数标记为r
i
，i＝1，2，
…
n，i表示区域，得到目标mac次数轨迹序列{r1,r2,r3，
…
,r
n
}；根据所述目标mac地址信息在每个指定区域的每次出现的开始时间和结束时间，计算每次出现的持续时长和间隔时长，将每个区域中所有持续时长的平均值和所有间隔时长的平均值的比值记为s
i
＝g
i
/h
i
，得到目标mac时长轨迹{s1,s2,s3，
…
,s
n
}。4.根据权利要求1所述的一种基于目标mac地址与监控视频的人员定位方法，其特征在于，根据所述目标mac轨迹调取对应的监控视频数据，根据所述监控视频数据生成多个视频轨迹序列包括：根据目标mac轨迹调取对应的多个指定区域的监控视频数据；通过图像识别技术识别所述监控视频数据中出现的人脸，并获取每个人脸的出现次数以及每次出现的开始时间和结束时间；根据每个人脸的出现次数以及每次出现的开始时间和结束时间生成每个人脸的视频轨迹。5.根据权利要求4所述的一种基于目标mac地址与监控视频的人员定位方法，其特征在于，所述根据每个指定区域每个人脸的出现次数以及每次出现的时间生成每个人脸的视频轨迹包括：根据每个指定区域任一人脸的出现次数，将所述出现次数标记为f
i
，得到视频次数序列{f1,f2,f3，...,f
n
}，其中,所述出现次数包括确定出现次数和疑似出现次数；根据每个指定区域该人脸每次出现的开始时间和结束时间，计算每次出现的持续时长和间隔时长，将每个区域中所有持续时长的平均值和所有间隔时长的平均值的比值记为q
i
＝g
i
/h
i
，得到视频时长轨迹{q1,q2,q3，...,q
n
}；重复上述步骤，直到获取每个人脸的视频轨迹。
6.根据权利要求5所述的一种基于目标mac地址与监控视频的人员定位方法，其特征在于，所述f
i
具体为：f
i
＝p
ij
+p
ij-im
/2其中，p
ij
表示第i区域该人脸的确定出现次数，所述p
ij-im
表示一区域该人脸的疑似出现次数。7.根据权利要求5所述的一种基于目标mac地址与监控视频的人员定位方法，其特征在于，所述根据每个指定区域该人脸每次出现的开始时间和结束时间，计算每次出现的持续时长和间隔时长包括：若本次出现为疑似出现，则记本次出现持续时长为实际持续时长的1/2倍；若本次出现为确定出现，则记本次出现持续时长为实际持续时长，其中，实际持续时长为本次出现的开始时间和结束时间的差值；若本次出现和下次出现均为疑似出现，则记该两次的间隔时长为实际间隔时长的1/4倍；若本次出现或者下次出现为疑似出现，则记该两次的间隔时长为实际间隔时长的1/2倍；若本次出现和下次出现均为确定出现，记该两次的间隔时长为实际间隔时长，其中，所述实际间隔时长为下次出现的开始时间和本次出现的结束时间的差值。8.根据权利要求1所述的一种基于目标mac地址与监控视频的人员定位方法，其特征在于，所述通过碰撞从多个视频轨迹中确定出目标视频轨迹，将所述目标mac轨迹和所述目标视频轨迹关联，并将所述目标视频轨迹所对应的监控视频数据和目标mac地址信息绑定包括：计算目标mac轨迹与多个视频轨迹的相似度；将相似度最高的视频轨迹作为目标视频轨迹，将所述目标mac轨迹与所述目标视频轨迹关联，并将所述目标mac轨迹对应的目标mac地址信息和所述目标视频轨迹对应的监控视频数据绑定。9.根据权利要求1所述的一种基于目标mac地址与监控视频的人员定位方法，其特征在于，所述计算目标mac轨迹与多个视频轨迹的相似度包括：获取一条视频轨迹，分别计算目标mac次数轨迹与该视频轨迹中的视频次数轨迹的第一相似度和目标mac时长轨迹与该视频轨迹中的视频时长轨迹的第二相似度；根据所述第一相似度和第二相似度，计算目标mac轨迹和该视频轨迹的相似度；重复上述步骤，直到得到目标mac轨迹与所有视频轨迹的相似度。10.根据权利要求1所述的一种基于目标mac地址与监控视频的人员定位方法，其特征在于，根据所述第一相似度和第二相似度，计算目标mac轨迹和该视频轨迹的相似度包括：x＝λx1+(1-λ)x2其中，x为相似度，x1为第一相似度，x2为第二相似度,λ为常数。
技术总结本发明公开了一种基于目标MAC地址与监控视频的人员定位方法，所述方法包括：导入目标MAC地址信息，查询并生成目标MAC轨迹，根据所述目标MAC轨迹调取对应的监控视频数据，根据所述监控视频数据生成多个视频轨迹，通过碰撞从多个视频轨迹中确定出目标视频轨迹，将所述目标视频轨迹所对应的监控视频数据和目标MAC地址信息绑定。本发明利用已知的目标MAC地址信息与监控视频图像识别技术相融合，通过大数据分析技术，综合考虑了MAC时长轨迹与视频时长轨迹的相似度以及MAC次数轨迹与视频次数轨迹的相似度，能够快速有效地获取到未知目标人物，极大地方便了侦查人员确定嫌疑目标的有效身份信息，提升对研判工具的有效利用率。提升对研判工具的有效利用率。提升对研判工具的有效利用率。
技术研发人员：潘碧清 梁猛 阮涛 黄佳
受保护的技术使用者：浙江齐安信息科技有限公司
技术研发日：2022.06.20
技术公布日：2022/11/1
