监控视频中动态目标与地理空间信息的融合与可视化方法

监控视频的动态前景目标智能分析是平安城市、智慧园区等安防建设的重要基础,将监控视频与地理空间数据融合可为静态的地理数据赋予动态属性。针对传统监控视频与地理信息数据集成仅仅将视频数据投射至地理空间,造成存储难、视频内容理解难度大等问题,本文提出了前景动态目标与地理空间信息的融合模型,通过推导出的映射模型将图像空间中的动态前景目标及跟踪轨迹映射至地理空间中,达到将监控视频与地理信息有机融合的目的。根据不同的应用需求,本文设计了4种多图层融合显示模式,实现了监控视频中的动态前景目标在地理空间的可视化。     

带有地理编码的光学视频卫星物方稳像方法

发现运动目标并获得运动目标的地理位置与运动速度,是光学视频卫星非常重要的一个高精度应用。现有光学卫星视频稳像方法虽然可以获得稳定流畅的视频数据,但视频数据中缺少几何信息,难以满足这一应用需求。针对该问题,提出一种带有地理编码的光学视频卫星物方稳像方法。该方法充分利用卫星视频帧的定向参数信息,构建基于视频帧定向模型的帧间运动模型,并通过辅帧定向参数的运动补偿,实现视频序列帧间几何一致性,再在物方空间对视频序列进行地理编码,生成带有地理编码的流畅视频数据。经对珠海一号卫星视频数据的试验结果表明,该方法可以有效消除卫星平台抖动和卫星定轨测姿等误差对卫星视频帧间几何精度的影响,获得的帧间几何精度与视频稳像精度均优于0.3像素。     

视频与GIS协同的交通违规行为分析方法

针对人工监测无法及时、高效地发现视频中车辆和行人违规情况的不足,构建了地理空间视角下,兼顾动态目标在地理场景下的属性、时空关系和语义信息的轨迹模型(trajectory model,Tra-Model),设计了视频与GIS协同的交通违规行为分析方法,基于轨迹与规则几何约束条件对目标逆行、压线、禁止进入3类违规情况进行实时检测。以某高校为实验场地,分析不同交通场景下目标的3类违规情况。实验结果表明：（1）Tra-Model模型提取的轨迹包含目标类型、轨迹序列等语义信息,相比于现有动态目标跟踪算法,精准率提高15.6%;(2)所提方法对多个摄像机序列违规分析准确率均在70%以上,相对于现有方法具有更好的性能;（3）实现了地理场景下多种交通违规行为综合分析的全局性、高精度和探测类型多样性。     

无人机实时视频与三维地理场景融合

针对无人机视频巡查时无法获取视频要素与周围场景地理要素的空间关系等问题,本文提出了一种无人机实时视频与三维地理场景融合方法。该方法通过设置路线站点获取无人机实时巡查视频,利用高分辨率倾斜摄影模型构建三维地理场景,将视频在三维地理场景中投影,构建视频投影参数规范和无人机数据传输模型,实现无人机实时视频与三维地理场景融合展示;对无人机实景融合的应用流程进行设计,并通过具体案例进行试验验证。试验结果表明,无人机实景融合具有良好的表达效果,视频与三维地理场景融合度高且视频画面变形较小。该方法将无人机视频应用扩展至三维空间,为视频要素赋予了空间参考。     

视频GIS数据采集与处理

视频是一类天然的地理信息和场景地图,视频GIS是以处理、分析、表达和管理视频/地理视频数据为特征的GIS,能体现视频具有的定位、测量、3D建模、虚实融合等特征。从相机模型出发,分别从移动拍摄视频序列和固定拍摄视频序列角度,构建了视频图像空间和地理空间的互映射模型,解决了视频场景空间化问题。针对视频分析、建模和可视化的需求,论述了视频数据的处理技术,包括摄像机运动建模、前后景分离、视频增强和视频复原等技术,给出了相应的算法原理和实验结果。     

顾及相机可观测域的地理场景多相机视频浓缩

现有的视频浓缩方法无法有效表达视频对象在多相机地理场景中的全局运动情况。针对该问题,提出了顾及相机可观测域的地理场景多相机视频浓缩方法。首先基于视频空间化处理,进行地理场景中相机可观测域分析;其次通过多相机视频对象的数据组织,优选相机可观测组集合,获得虚拟视点;最终实现场景中多相机视频浓缩。实验结果表明,所提方法不仅能够表现视频对象在多个相机镜头中的全局运动情况,而且相比于虚拟场景中的单相机视频浓缩具有更高的时间压缩率。     

监控视频与2D地理空间数据互映射

在分析计算机视觉、摄影测量学相机模型的基础上,提出了多平面约束的监控视频与2D地理空间数据的几何互映射模型和面向互增强的内容互映射模型,并就其应用进行了介绍。针对几何互映射中存在的地面起伏对映射的影响以及监控视频空间分辨率等问题进行了分析。该模型适合于地面区域为多个平面的情况。研究表明,监控视频与2D地理空间数据可以实现一定精度下的互映射,能够满足视频监控系统与GIS的深度集成。     

多视角监控视频中动态目标的时空信息提取方法

监控视频中动态目标的精准定位与跟踪作为计算机视觉领域中重要的研究方向,近年来已成为监控领域的研究热点。传统视频动态目标检测仅依赖图像特征数据,忽略了与地理坐标系精准匹配,特别是对于多个摄像机覆盖的区域,拍摄的角度不同,投影后形成的图像空间分辨率也不同,因此,难以满足智能监控在复杂的地理场景中全方位时空信息感知。本文提出一种多摄像头协同的视频监控图像与地理空间数据互映射模型构建方法来获取动态目标的轮廓和地理位置等时空信息,首先建立监控图像信息与地理空间数据的互映射关系,将观测角度不同、尺度不同和空间分辨率的监控图像置于同一坐标系下,并在此基础上通过融合Canny算子与背景减法来检测目标的边缘信息;然后采用质心偏移算法还原目标在该场景的实际位置,从而实现多角度下连续跟踪,提升地理场景的时空理解力和分析力,提高动态目标的精准定位与跟踪能力。     

移动轨迹聚类方法研究综述

轨迹数据是人类移动行为的表征,能够映射出人的出行模式和社会属性等信息。怎样有效挖掘轨迹数据蕴藏的人类活动规律一直是研究的热点。通过轨迹聚类发现行为相似的类簇,从而探究群体的移动模式是轨迹挖掘和深度应用常见的方法之一。本文首先根据轨迹数据的特点,将轨迹数据模型分为轨迹点模型和轨迹段模型,并据此定义相应的相似性度量：空间相似性度量和时空相似性度量;然后,对两类模型的聚类方法进行了综述,并总结不同聚类算法的优缺点,以期为不同应用选取聚类算法提供科学依据;最后对移动轨迹数据聚类方法研究的发展趋势进行了讨论。     

多摄像机协同的室内实时地图构建方法

针对多摄像机时空信息提取精度低、融合效果差、与GIS集成困难的问题,提出了一种多摄像机构建室内实时地图的新方法.以高精度室内地图为基础,结合室内地理场景中的先验知识,计算各摄像机与室内地理空间的高精度单应矩阵;通过深度学习的方法,分别构建了人员头部前视和后视目标检测模型,实现了人员头部的高精度检测,并映射至地理空间;对...     

车辆轨迹数据的道路学习提取法

车辆轨迹数据的道路信息提取是地理信息领域的热点也是难点之一,深度学习的快速发展为该问题的解决提供了一种思路与方法。本文针对车辆轨迹数据的车行道级道路提取问题,引入深度学习领域的生成式对抗网络,利用残差网络构建深层网络和多尺度感受野感知轨迹数据不同细节特征,构建了基于条件生成式对抗网络的轨迹方向约束下车行道级道路提取模型。首先提出了朝向-颜色映射栅格化转换方法,实现轨迹朝向信息向HSV颜色空间的转换;然后利用样本数据学习模型参数;最后将训练模型应用到郑州、成都、南京3个试验区域提取车行道级道路数据。试验结果表明,本文方法能够有效地提取完整的车行道级道路数据。     

一种基于地理信息的手机用户定位方法北大核心CSCD

基于手机信令数据的用户轨迹行为分析已广泛应用于交通监测、城市管理、人口分析等多个业务领域。针对手机基站定位与用户实际位置存在偏差且驻留轨迹缺失语义信息的问题,本文提出了一种基于地理信息的手机信令数据用户定位方法。该方法首先构建面向轨迹分析的地理实体数据采集规范;然后对手机信令数据进行聚类,建立地理实体与基站的权重映射关系;最后使用时空推理及对轨迹的深度学习技术,将用户有效驻留轨迹点拟合至实际的地理实体,实现用户定位。验证结果表明,该方法提升了用户定位的准确度,为后续业务场景的应用提供了可靠的数据支撑。     

Rapid texture mapping from image sequences for building geometry model

An effective approach,mapping the texture for building model based on the digital photogrammetric theory, is proposed. The easily-ac-quired image sequences from digital video camera on helicopter are used as texture resource, and the correspon-dence between the space edge in build-ing geometry model and its line feature in image sequences is determined semi-automatically. The experimental re-sults in production of three-dimension-al data for car navigation show us an attractive future both in efficiency and effect.     

Rapid texture mapping from image sequences for building geometry model

An effective approach, mapping the texture for building model based on the digital photogrammetric theory, is proposed. The easily-acquired image sequences from digital video camera on helicopter are used as texture resource, and the correspondence between the space edge in building geometry model and its line feature in image sequences is determined semiautomatically. The experimental results in production of three-dimensional data for car navigation show us an attractive future both in efficiency and effect.     

Augmented virtual environment: fusion of real-time video and 3D models in the digital earth system

ABSTRACT

An Augmented virtual environment (AVE) is concerned with the fusion of real-time video with 3D models or scenes so as to augment the virtual environment. In this paper, a new approach to establish an AVE with a wide field of view is proposed, including real-time video projection, multiple video texture fusion and 3D visualization of moving objects. A new diagonally weighted algorithm is proposed to smooth the apparent gaps within the overlapping area between the two adjacent videos. A visualization method for the location and trajectory of a moving virtual object is proposed to display the moving object and its trajectory in the 3D virtual environment. The experimental results showed that the proposed set of algorithms are able to fuse multiple real-time videos with 3D models efficiently, and the experiment runs a 3D scene containing two million triangles and six real-time videos at around 55 frames per second on a laptop with 1GB of graphics card memory. In addition, a realistic AVE with a wide field of view was created based on the Digital Earth Science Platform by fusing three videos with a complex indoor virtual scene, visualizing a moving object and drawing its trajectory in the real time.     

室内位置轨迹的聚类与可视化

室内移动对象轨迹数据分析是商铺促销、室内空间规划、广告竞价等具有重要商业价值的应用基础，在公共安全、应急方案中也是必不可少的部分，近年来越来越受到研究者的重视。为了实现室内移动对象轨迹聚类分析，本文提出了一种将DBSCAN聚类算法与可视化相结合的综合分析方法。首先利用DBSCAN算法对某商场大厦内采集的基于手机WiFi信息的室内轨迹数据进行聚类处理；然后对得到的聚类成果和信息进行分析，为该商场的布局规划和店铺调整等提供一定的参考信息；最后，对该商场大厦的室内轨迹数据进行热度图可视化展示，并将展示效果与聚类结果进行对比，相互验证。