本發(fā)明屬于視頻圖像處理
技術(shù)領(lǐng)域：
，具體而言，涉及一種匹配人體特征與MAC地址的方法及系統(tǒng)。
背景技術(shù)：
：通過人的圖像信息來確定人員身份的技術(shù)日趨成熟，然而現(xiàn)有算法只利用了監(jiān)控視頻的人臉信息。這種方法往往因攝像機(jī)清晰度和架設(shè)角度原因，無法抓拍到清晰的人臉。只有當(dāng)人臉正對攝像機(jī)時攝像機(jī)才能夠抓拍到人臉，而大角度側(cè)臉和人背對相機(jī)的情況下，會出現(xiàn)人臉抓拍失敗的情況從而影響人員身份確定效果。因此利用MAC探針探測周邊移動設(shè)備的MAC地址來提高人員身份確定的技術(shù)隨之產(chǎn)生。但這種技術(shù)的算法僅僅利用人臉特征進(jìn)行，并且算法復(fù)雜運(yùn)算速度慢。技術(shù)實現(xiàn)要素：為解決上述技術(shù)缺陷，本發(fā)明結(jié)合人臉特征、身體特征以及MAC地址信息，計算人體特征與MAC的匹配度，防止了因攝像頭未拍到人臉特征而無法確定人員身份，同時本發(fā)明通過簡單的余弦距離算法提高了對人員的區(qū)分，進(jìn)而加快了計算人體特征與MAC地址的匹配速度。本發(fā)明提供了一種匹配人體特征與MAC地址的方法，包括如下步驟：接收監(jiān)控范圍內(nèi)的視頻圖像獲取人臉圖像和/或身體圖像，將人臉圖像和/或身體圖像以及抓拍時間與地點生成圖像數(shù)據(jù)后存儲至圖像日志數(shù)據(jù)庫后，提取人臉特征或身體特征并分別聚類為人臉聚類或身體聚類，將同一人的人臉聚類與身體聚類進(jìn)行關(guān)聯(lián)并聚類，并結(jié)合聚類中人臉圖像和/或身體圖像對應(yīng)的時間和地點，獲取人體運(yùn)動軌跡；獲取移動設(shè)備的MAC記錄存儲至MAC日志數(shù)據(jù)庫，按照時間順序繪制移動設(shè)備運(yùn)動軌跡，其中，MAC記錄包括對移動設(shè)備的編號、MAC地址、記錄時間和記錄地點；根據(jù)人體運(yùn)動軌跡獲取并遍歷每個人體，計算每個人體與運(yùn)動軌跡中每個移動設(shè)備的匹配成功的次數(shù)cij及每個移動設(shè)備運(yùn)動軌跡的時間段內(nèi)出現(xiàn)的次數(shù)根據(jù)cij與的比值獲取每個人與移動設(shè)備的匹配度。進(jìn)一步，所述接收監(jiān)控范圍內(nèi)的視頻圖像獲取人臉圖像和/或身體圖像，將人臉圖像和/或身體圖像以及抓拍時間與地點生成圖像數(shù)據(jù)后存儲至圖像日志數(shù)據(jù)庫后，提取人臉特征或身體特征并分別聚類為人臉聚類或身體聚類，將同一人的人臉聚類與身體聚類進(jìn)行關(guān)聯(lián)并聚類，獲取人體運(yùn)動軌跡包括獲取視頻圖像中包括人臉特征或身體特征的圖像視頻幀的數(shù)量n，并提取所有人臉特征或身體特征；選定人臉特征或身體特征，計算選定的人臉特征或身體特征與其他的人臉特征或身體特征的余弦距離；將余弦距離與預(yù)設(shè)的判別閾值進(jìn)行比較，將大于判別閾值的人臉特征或身體特征聚類為人臉聚類或身體聚類；將同一個人的人臉特征與身體特征進(jìn)行關(guān)聯(lián)，根據(jù)關(guān)聯(lián)信息將同一個人的人臉聚類和身體聚類合并。進(jìn)一步，所述根據(jù)人體運(yùn)動軌跡獲取并遍歷每個人體，計算每個人體與運(yùn)動軌跡中每個移動設(shè)備的匹配成功的次數(shù)cij及每個移動設(shè)備運(yùn)動軌跡的時間段內(nèi)出現(xiàn)的次數(shù)根據(jù)cij與的比值獲取每個人與移動設(shè)備的匹配度還包括獲取所有的匹配度，并根據(jù)人體數(shù)量與移動設(shè)備數(shù)量生成匹配度矩陣；判斷匹配度矩陣是否為方形矩陣，是則按照匈牙利算法輸出人與移動設(shè)備匹配的對應(yīng)關(guān)系，否則將匹配度矩陣補(bǔ)充為方形矩陣后，再應(yīng)用匈牙利算法輸出人與移動設(shè)備匹配的對應(yīng)關(guān)系。進(jìn)一步，所述計算每個人體與運(yùn)動軌跡中每個移動設(shè)備的匹配成功的次數(shù)cij包括遍歷移動設(shè)備運(yùn)動軌跡獲取目標(biāo)移動設(shè)備的MAC記錄，并按照時間順序進(jìn)行排序，獲取目標(biāo)移動設(shè)備出現(xiàn)的時間段；獲取目標(biāo)移動設(shè)備的記錄地點，獲取該記錄地點目標(biāo)移動設(shè)備連續(xù)出現(xiàn)的所有時間點，得到該目標(biāo)移動設(shè)備在該記錄地點出現(xiàn)的開始時間ks以及結(jié)束時間ke；計算ks與ke時間段內(nèi)目標(biāo)移動設(shè)備出現(xiàn)的次數(shù)并統(tǒng)計目標(biāo)移動設(shè)備出現(xiàn)的時間段內(nèi)的總個數(shù)進(jìn)一步，所述計算每個人體與運(yùn)動軌跡中每個移動設(shè)備的匹配成功的次數(shù)cij及每個移動設(shè)備運(yùn)動軌跡的時間段內(nèi)出現(xiàn)的次數(shù)包括遍歷移動設(shè)備運(yùn)動軌跡獲取目標(biāo)移動設(shè)備的MAC記錄，并按照時間順序進(jìn)行排序，獲取目標(biāo)移動設(shè)備出現(xiàn)的時間段；根據(jù)獲取目標(biāo)移動設(shè)備的MAC記錄獲取其對應(yīng)的時間點t1,根據(jù)時間點t1設(shè)置目標(biāo)移動設(shè)備的時間判斷區(qū)間判斷目標(biāo)移動設(shè)備出現(xiàn)的各個時間段是否有重合，如果有，則合并并獲取對應(yīng)的人臉特征和/或身體特征出現(xiàn)的時間點，判斷每個人臉特征或身體特征出現(xiàn)的時間點是否在目標(biāo)移動設(shè)備出現(xiàn)的時間判斷區(qū)間內(nèi)，是則匹配次數(shù)加1，統(tǒng)計所有的匹配次數(shù)為人臉或身體與移動設(shè)備匹配成功的次數(shù)cij，其中，cij表示第i個人臉特征或身體特征與第j個移動設(shè)備的匹配成功次數(shù)。本發(fā)明還提供了一種匹配人體特征與MAC地址的系統(tǒng)，包括圖像日志模塊，用于接收監(jiān)控范圍內(nèi)的視頻圖像獲取人臉圖像和/或身體圖像，將人臉圖像和/或身體圖像以及抓拍時間與地點生成圖像數(shù)據(jù)后存儲至圖像日志數(shù)據(jù)庫后，提取人臉特征或身體特征并分別聚類為人臉聚類或身體聚類，將同一人的人臉聚類與身體聚類進(jìn)行關(guān)聯(lián)并聚類，并結(jié)合聚類中人臉圖像和/或身體圖像對應(yīng)的時間和地點，獲取人體運(yùn)動軌跡；MAC日志模塊，用于獲取移動設(shè)備的MAC記錄存儲至MAC日志數(shù)據(jù)庫，按照時間順序繪制移動設(shè)備運(yùn)動軌跡，其中，MAC記錄包括對移動設(shè)備的編號、MAC地址、記錄時間和記錄地點；匹配模塊，用于根據(jù)人體運(yùn)動軌跡獲取并遍歷每個人體，計算每個人體與運(yùn)動軌跡中每個移動設(shè)備的匹配成功的次數(shù)cij及每個移動設(shè)備運(yùn)動軌跡的時間段內(nèi)出現(xiàn)的次數(shù)根據(jù)cij與的比值獲取每個人與移動設(shè)備的匹配度。進(jìn)一步，圖像日志模塊包括特征提取單元，用于獲取視頻圖像中包括人臉特征或身體特征的圖像視頻幀的數(shù)量n，并提取所有人臉特征或身體特征；特征計算單元，用于選定人臉特征或身體特征，計算選定的人臉特征或身體特征與其他的人臉特征或身體特征的余弦距離；判斷子模塊，用于將余弦距離與預(yù)設(shè)的判別閾值進(jìn)行比較，將大于判別閾值的人臉特征或身體特征聚類為人臉聚類或身體聚類；關(guān)聯(lián)子模塊，用于將同一個人的人臉特征與身體特征進(jìn)行關(guān)聯(lián)，根據(jù)關(guān)聯(lián)信息將同一個人的人臉聚類和身體聚類合并。進(jìn)一步，匹配模塊還包括矩陣生成單元，用于獲取所有的匹配度，并根據(jù)人體數(shù)量與移動設(shè)備數(shù)量生成匹配度矩陣；矩陣計算單元，用于判斷匹配度矩陣是否為方形矩陣，是則按照匈牙利算法輸出人與移動設(shè)備匹配的對應(yīng)關(guān)系，否則將匹配度矩陣補(bǔ)充為方形矩陣后，再應(yīng)用匈牙利算法輸出人與移動設(shè)備匹配的對應(yīng)關(guān)系。進(jìn)一步，匹配模塊包括第一計算子模塊與第二計算子模塊，其中，第一計算子模塊包括第一排序單元，用于遍歷移動設(shè)備運(yùn)動軌跡獲取目標(biāo)移動設(shè)備的MAC記錄，并按照時間順序進(jìn)行排序，獲取目標(biāo)移動設(shè)備出現(xiàn)的時間段；時間點統(tǒng)計單元，用于獲取目標(biāo)移動設(shè)備的記錄地點，獲取該記錄地點目標(biāo)移動設(shè)備連續(xù)出現(xiàn)的所有時間點，得到該目標(biāo)移動設(shè)備在該記錄地點出現(xiàn)的開始時間ks以及結(jié)束時間ke；第一計算單元，用于計算ks與ke時間段內(nèi)目標(biāo)移動設(shè)備出現(xiàn)的次數(shù)并統(tǒng)計目標(biāo)移動設(shè)備出現(xiàn)的時間段內(nèi)的總個數(shù)第二計算子模塊包括第二排序單元，用于遍歷移動設(shè)備運(yùn)動軌跡獲取目標(biāo)移動設(shè)備的MAC記錄，并按照時間順序進(jìn)行排序，獲取目標(biāo)移動設(shè)備出現(xiàn)的時間段；區(qū)間判斷單元，用于根據(jù)獲取目標(biāo)移動設(shè)備的MAC記錄獲取其對應(yīng)的時間點t1,根據(jù)時間點t1設(shè)置目標(biāo)移動設(shè)備的時間判斷區(qū)間次數(shù)統(tǒng)計單元，用于判斷目標(biāo)移動設(shè)備出現(xiàn)的各個時間段是否有重合，如果有，則合并并獲取對應(yīng)的人臉特征和/或身體特征出現(xiàn)的時間點，判斷每個人臉特征或身體特征出現(xiàn)的時間點是否在目標(biāo)移動設(shè)備出現(xiàn)的時間判斷區(qū)間內(nèi)，是則匹配次數(shù)加1，統(tǒng)計所有的匹配次數(shù)為人臉或身體與移動設(shè)備匹配成功的次數(shù)cij，其中，cij表示第i個人臉特征或身體特征與第j個移動設(shè)備的匹配成功次數(shù)。綜上，本發(fā)明的有益效果如下：1、綜合利用視頻監(jiān)控中的人臉信息和身體信息進(jìn)行人與MAC的匹配計算，適用性更廣，可更加準(zhǔn)確地統(tǒng)計人在各個地點出現(xiàn)的次數(shù)；2、記錄每個地點人和MAC出現(xiàn)的次數(shù)信息的同時，也記錄出現(xiàn)的時間信息，以排除人和MAC實際出現(xiàn)一次，記錄多次的情況；3、利用人和MAC出現(xiàn)的時間和地點信息，分別計算人和MAC的運(yùn)動軌跡，該軌跡反映的是人或MAC的實際運(yùn)動路線；4、可利用匹配度信息以全局最優(yōu)的方式對所有的人和MAC進(jìn)行一對一的匹配。附圖說明為了更清楚地說明本申請實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明中記載的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，還可以根據(jù)這些附圖獲得其他的附圖。圖1為本發(fā)明所述的匹配人體特征與MAC地址的方法的流程示意圖；圖2為本發(fā)明所述的匹配人體特征與MAC地址的方法中S101的流程示意圖；圖3為本發(fā)明所述的匹配人體特征與MAC地址的系統(tǒng)的框圖結(jié)構(gòu)示意圖。具體實施方式為了使本領(lǐng)域的技術(shù)人員更好地理解本發(fā)明的技術(shù)方案，下面將結(jié)合附圖對本發(fā)明作進(jìn)一步的詳細(xì)介紹。下面通過具體的實施例并結(jié)合附圖對本發(fā)明做進(jìn)一步的詳細(xì)描述。如圖1所示，本發(fā)明提供了一種匹配人體特征與MAC地址的方法，包括如下步驟：S101、接收監(jiān)控范圍內(nèi)的視頻圖像獲取人臉圖像和/或身體圖像，將人臉圖像和/或身體圖像以及抓拍時間與地點生成圖像數(shù)據(jù)后存儲至圖像日志數(shù)據(jù)庫后，提取人臉特征或身體特征并分別聚類為人臉聚類或身體聚類，將同一人的人臉聚類與身體聚類進(jìn)行關(guān)聯(lián)并聚類，并結(jié)合聚類中人臉圖像和/或身體圖像對應(yīng)的時間和地點，獲取人體運(yùn)動軌跡；具體實施時，在監(jiān)控區(qū)域范圍內(nèi)的數(shù)個地點布置監(jiān)控攝像頭與MAC探針分別獲取視頻流及移動設(shè)備的MAC地址信息，同一個地點的監(jiān)控攝像頭與MAC探針布置在相同的位置，MAC探針的監(jiān)控區(qū)域應(yīng)該與攝像頭的監(jiān)控區(qū)域盡量重合，如果一個攝像頭的監(jiān)控區(qū)域無法覆蓋MAC探針的監(jiān)控區(qū)域，可以在同一個地點布置多個攝像頭，以覆蓋不同的角度。具體的，視頻流中每個視頻幀中包括場景和/或人體等，在本發(fā)明對視頻幀進(jìn)行檢測獲取人臉特征、身體特征。在該步驟中，就是從整個視頻幀中識別人臉及身體所在的區(qū)域。該區(qū)域一般會以一個矩形框等進(jìn)行劃定，并不會精確到識別人臉輪廓曲線。需要說明的是，關(guān)于人臉區(qū)域檢測及身體區(qū)域檢測的具體實現(xiàn)方式可以現(xiàn)有技術(shù)，此處并不屬于本發(fā)明的重點，因此，這里不再詳述。S102、獲取移動設(shè)備的MAC記錄存儲至MAC日志數(shù)據(jù)庫，按照時間順序繪制移動設(shè)備運(yùn)動軌跡，其中，MAC記錄包括對移動設(shè)備的編號、MAC地址、記錄時間和記錄地點；具體實施時，每個移動設(shè)備的MAC記錄可選的如下表1所示進(jìn)行存儲。表1IDMAC地址記錄時間記錄地點MA_1地址112:00:09地點1MA_2地址212:01:05地點1MA_3地址112:03:22地點2MA_4地址212:08:32地點3MA_5地址212:10:39地點4MA_6地址312:11:25地點1S103、根據(jù)人體運(yùn)動軌跡獲取并遍歷每個人體，計算每個人體與運(yùn)動軌跡中每個移動設(shè)備的匹配成功的次數(shù)cij及每個移動設(shè)備運(yùn)動軌跡的時間段內(nèi)出現(xiàn)的次數(shù)根據(jù)cij與的比值獲取每個人與移動設(shè)備的匹配度。本發(fā)明結(jié)合人臉特征與身體特征，首先對人臉特征或身體特征進(jìn)行初步人員劃分，提高了人員數(shù)量確定的速度，同時對人臉特征與身體特征的關(guān)聯(lián)關(guān)系的建立進(jìn)一步確定監(jiān)控區(qū)域人員數(shù)量的確認(rèn)，最終實現(xiàn)了人臉特征、身體特征及MAC地址匹配度的計算。進(jìn)一步，S103還包括獲取所有的匹配度，并根據(jù)人體數(shù)量與移動設(shè)備數(shù)量生成匹配度矩陣；判斷匹配度矩陣是否為方形矩陣，是則按照匈牙利算法輸出人與移動設(shè)備匹配的對應(yīng)關(guān)系，否則將匹配度矩陣補(bǔ)充為方形矩陣后，再應(yīng)用匈牙利算法輸出人與移動設(shè)備匹配的對應(yīng)關(guān)系。本發(fā)明選擇匹配度最大的MAC地址作為某個人的移動設(shè)備的MAC地址。當(dāng)需要獲得多個人與多個MAC的匹配結(jié)果時，如假設(shè)一個人只攜帶一個移動設(shè)備，則匹配結(jié)果中人和MAC應(yīng)為一對一的關(guān)系；而當(dāng)某一個MAC地址和兩個人的匹配度都最高時，再按照上面的方式進(jìn)行MAC地址匹配將發(fā)生沖突的情況，因此本發(fā)明利用匈牙利算法，以全局匹配度最高為目標(biāo)來對人和MAC地址進(jìn)行匹配。具體實施時首先，在已知所有人臉與所有MAC之間的匹配度的情況下，生成匹配度矩陣。該矩陣以每行代表每個人，每列代表每個MAC，矩陣中每個位置填充對應(yīng)的匹配度值。生成匹配度矩陣后，應(yīng)補(bǔ)充匹配度矩陣為方陣。設(shè)人數(shù)為m，MAC數(shù)為n,如果人數(shù)大于MAC數(shù)，則補(bǔ)充(m-n)列，并填充0,；如果人數(shù)小于MAC數(shù)，則補(bǔ)充(n-m)行，并填充0。而生成方陣后，用匈牙利算法進(jìn)行計算，最后得出一一對應(yīng)的人與MAC匹配結(jié)果。如果人數(shù)多于MAC數(shù)，則MAC地址完全分配，部分人無MAC與之匹配；如果人數(shù)小于MAC數(shù)，則人完全匹配，部分MAC未匹配。進(jìn)一步，S101包括S1011、獲取視頻圖像中包括人臉特征或身體特征的圖像視頻幀的數(shù)量n，并提取所有人臉特征或身體特征；S1012、選定人臉特征或身體特征，計算選定的人臉特征或身體特征與其他的人臉特征或身體特征的余弦距離；本發(fā)明通過人臉檢測算法檢測到的人臉圖像輸入人臉特征提取網(wǎng)絡(luò)，得到人臉特征。人臉特征是128維向量。設(shè)一共有n張人臉圖像，則共產(chǎn)生n個人臉特征。將所有的人臉特征相互之間進(jìn)行人臉比對，兩兩計算人臉特征間的余弦距離，計算結(jié)果在(-1,1)區(qū)間。結(jié)果越靠近-1，表示兩個人臉特征間的距離越大，兩個人臉特征越不相似；結(jié)果越靠近1，表示兩個人臉特征間的距離越小，兩個人臉特征越相似；而身體特征是256維向量。設(shè)一共有m張身體圖像，則共產(chǎn)生m個身體特征，將所有的身體特征相互之間進(jìn)行身體特征比對，兩兩計算身體特征間的余弦距離，計算結(jié)果在(-1,1)區(qū)間。結(jié)果越靠近-1，表示兩個人體特征見得距離越大，兩個人體特征越不相似；結(jié)果越靠近1，表示兩個人體特征間的距離越小，兩個人體特征越相似。具體實施時，余弦距離可選按照如下公式計算：其中，Db(i,j)是第i個人臉特征和第j個人臉特征的余弦距離或第i個身體特征和第j個身體特征的余弦距離，Bi是第i個人臉特征或身體特征，Bj是第j個人臉特征或身體特征。本發(fā)明采用余弦距離計算兩個人臉特征的距離，結(jié)果在(-1,1)區(qū)間內(nèi)，計算結(jié)果可以直觀反映兩個人臉特征的相似程度且不用歸一化，這樣的結(jié)果便于在某個人臉特征與另外多個人臉特征比較時，通過劃分閾值區(qū)分屬于同一個人的人臉特征和不同的人的人臉特征。每個該人臉特征由128個float型的數(shù)組成一個向量。是指第i個人臉的特征，就是人臉圖像進(jìn)入深度神經(jīng)網(wǎng)絡(luò)后，輸出的人臉特征。具體實施時，提取人臉特征和身體特征均可選的采用深度神經(jīng)網(wǎng)絡(luò)進(jìn)行提取。具體實施時采集的一張人臉圖像獲取的人臉特征就是128個浮點數(shù)組成的一個向量。深度神經(jīng)網(wǎng)絡(luò)需要訓(xùn)練后，才能提取出人臉區(qū)分程度高的特征。訓(xùn)練集包含數(shù)萬張人臉圖像對(如每個人臉圖像對包含三張人臉圖像，其中第一張人臉圖像和第二張人臉圖像屬于同一個人，第一張人臉圖像和第三張人臉圖像不屬于同一個人)。通過訓(xùn)練集對深度神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，即不斷輸入圖像對進(jìn)行迭代訓(xùn)練，不斷調(diào)節(jié)神經(jīng)網(wǎng)絡(luò)中的參數(shù)，從而得到有效的神經(jīng)網(wǎng)絡(luò)模型。訓(xùn)練過程如下：輸入人臉對，經(jīng)神經(jīng)網(wǎng)絡(luò)后分別提取人臉對中三張人臉的人臉特征。然后計算第一張人臉的特征和第二張人臉的特征的距離f1，即兩個向量相減后得到的向量再取范數(shù),在計算第一張人臉的特征與第三張人臉的特征的距離f2,計算(f1-f2)，我們期望屬于同一個人的人臉的特征的距離盡量小，屬于不同人的人臉的特征的距離盡量大，即f1盡量小，f2盡量大，f1-f2盡量小。把f1-f2的值反饋到深度神經(jīng)網(wǎng)絡(luò)，調(diào)整深度神經(jīng)網(wǎng)絡(luò)的參數(shù)，使下次迭代f1-f2向減小的趨勢發(fā)展。具體實施時，計算兩個身體特征的距離參照人臉特征的。S1013、將余弦距離與預(yù)設(shè)的判別閾值進(jìn)行比較，將大于判別閾值的人臉特征或身體特征聚類為人臉聚類或身體聚類；具體實施時，判別閾值v∈(-1,1)。S1014、將同一個人的人臉特征與身體特征進(jìn)行關(guān)聯(lián)，根據(jù)關(guān)聯(lián)信息將同一個人的人臉聚類和身體聚類合并。人臉特征與身體特征的關(guān)聯(lián)關(guān)系可選的根據(jù)人臉特征是否屬于同一人，具體實施時，可選的根據(jù)如下兩種方式進(jìn)行判斷：1)人臉特征和身體特征是否同幀出現(xiàn)。2)如果人臉特征和身體特征同幀出現(xiàn)，那么人臉特征是否完全包含在身體特征中。具體可通過判斷標(biāo)記的人臉框是否包括在身體框中。本發(fā)明通過對標(biāo)記后的人臉特征的聚合、標(biāo)記后的身體特征的聚合以及人臉特征集合與身體特征集合關(guān)聯(lián)關(guān)系的建立將同一個人的身體特征和人臉特征關(guān)聯(lián)起來，這樣，同一個人的人臉特征集合和身體特征集合就可以合并為一個集合，形成此人出現(xiàn)在監(jiān)控攝像中的抓拍信息集合。抓拍信息中除人臉和身體外，還包括時間和地點信息，由此，得到了此人在監(jiān)控攝像頭中出現(xiàn)的時間和地點信息，如表2所示。表2進(jìn)一步，所述計算每個人體與運(yùn)動軌跡中每個移動設(shè)備的匹配成功的次數(shù)cij包括遍歷移動設(shè)備運(yùn)動軌跡獲取目標(biāo)移動設(shè)備的MAC記錄，并按照時間順序進(jìn)行排序，獲取目標(biāo)移動設(shè)備出現(xiàn)的時間段；獲取目標(biāo)移動設(shè)備的記錄地點，獲取該記錄地點目標(biāo)移動設(shè)備連續(xù)出現(xiàn)的所有時間點，得到該目標(biāo)移動設(shè)備在該記錄地點出現(xiàn)的開始時間ks以及結(jié)束時間ke；具體在遍歷過程中，通過該步驟在對某一個移動設(shè)備的軌跡進(jìn)行處理，修正該移動設(shè)備出現(xiàn)的次數(shù)，若該移動設(shè)備的MAC地址在某個地點連續(xù)出現(xiàn)，獲取這個移動設(shè)備的MAC地址在這一地點連續(xù)出現(xiàn)的所有時間點，從而得到該移動設(shè)備在某個地點出現(xiàn)的開始時間ks以及結(jié)束時間ke。計算ks與ke時間段內(nèi)目標(biāo)移動設(shè)備出現(xiàn)的次數(shù)并統(tǒng)計目標(biāo)移動設(shè)備出現(xiàn)的時間段內(nèi)的總個數(shù)具體實施時其中，表示MAC日志數(shù)據(jù)庫中目標(biāo)移動設(shè)備j在ke與ks時間段內(nèi)的記錄。本發(fā)明利用部署的MAC探針實時接收移動設(shè)備的MAC地址，單位時間內(nèi)MAC探測將接收到多個MAC地址并進(jìn)行存儲，而單位時間內(nèi)同一移動設(shè)備的MAC地址數(shù)量是不確定的，且時間也不確定，因此，本發(fā)明利用作為每個時間點的時間判斷區(qū)間，從而對單位時間內(nèi)記錄的同一MAC地址進(jìn)行修正，進(jìn)而實現(xiàn)計算其匹配度。進(jìn)一步，所述計算每個人體與運(yùn)動軌跡中每個移動設(shè)備的匹配成功的次數(shù)cij及每個移動設(shè)備運(yùn)動軌跡的時間段內(nèi)出現(xiàn)的次數(shù)包括遍歷移動設(shè)備運(yùn)動軌跡獲取目標(biāo)移動設(shè)備的MAC記錄，并按照時間順序進(jìn)行排序，獲取目標(biāo)移動設(shè)備出現(xiàn)的時間段；根據(jù)獲取目標(biāo)移動設(shè)備的MAC記錄獲取其對應(yīng)的時間點t1,根據(jù)時間點t1設(shè)置目標(biāo)移動設(shè)備的時間判斷區(qū)間判斷目標(biāo)移動設(shè)備出現(xiàn)的各個時間段是否有重合，如果有，則合并并獲取對應(yīng)的人臉特征和/或身體特征出現(xiàn)的時間點，判斷每個人臉特征或身體特征出現(xiàn)的時間點是否在目標(biāo)移動設(shè)備出現(xiàn)的時間判斷區(qū)間內(nèi)，是則匹配次數(shù)加1，統(tǒng)計所有的匹配次數(shù)為人臉或身體與移動設(shè)備匹配成功的次數(shù)cij，其中，cij表示第i個人臉特征或身體特征與第j個移動設(shè)備的匹配成功次數(shù)。如圖2所示，本發(fā)明還提供了一種匹配人體特征與MAC地址的系統(tǒng)，包括圖像日志模塊10、MAC日志模塊20、匹配模塊30。本發(fā)明通過監(jiān)控攝像頭持續(xù)獲得監(jiān)控視頻流，應(yīng)用人臉檢測算法和人體檢測算法抓拍視頻中出現(xiàn)的人臉和身體，并記錄抓拍的時間和抓拍的地點(經(jīng)緯度表示)，將抓拍到的人臉或人體圖像，抓拍時間和地點合成一條圖像信息，存入圖像日志中。其中，圖像日志模塊10，用于圖像日志模塊，用于接收監(jiān)控范圍內(nèi)的視頻圖像獲取人臉圖像和/或身體圖像，將人臉圖像和/或身體圖像以及抓拍時間與地點生成圖像數(shù)據(jù)后存儲至圖像日志數(shù)據(jù)庫后，提取人臉特征或身體特征并分別聚類為人臉聚類或身體聚類，將同一人的人臉聚類與身體聚類進(jìn)行關(guān)聯(lián)并聚類，并結(jié)合聚類中人臉圖像和/或身體圖像對應(yīng)的時間和地點，獲取人體運(yùn)動軌跡；MAC日志模塊20，用于獲取移動設(shè)備的MAC記錄存儲至MAC日志數(shù)據(jù)庫，按照時間順序繪制移動設(shè)備運(yùn)動軌跡，其中，MAC記錄包括對移動設(shè)備的編號、MAC地址、記錄時間和記錄地點。本發(fā)明所述的匹配人體特征與MAC地址的系統(tǒng)可選的按照表3存儲數(shù)據(jù)：表3ID抓拍圖像抓拍時間抓拍地點關(guān)聯(lián)信息IM_1人體圖像112:00:05地點1IM_2人體圖像212:02:08地點1IM_3人體圖像312:02:36地點2IM_4人體圖像412:07:23地點3IM_5IM_5人臉圖像112:07:23地點3IM_4IM_6人臉圖像212:08:11地點4IM_7人臉圖像312:09:56地點2IM_9IM_8人臉圖像412:09:56地點5IM_9人體圖像512:09:56地點2IM_7IM_10人臉圖像512:10:55地點5IM_11人臉圖像612:12:53地點1IM_12人體圖像612:12:55地點6進(jìn)一步，圖像日志模塊包括特征提取單元，用于獲取視頻圖像中包括人臉特征或身體特征的圖像視頻幀的數(shù)量n，并提取所有人臉特征或身體特征；特征計算單元，用于選定人臉特征或身體特征，計算選定的人臉特征或身體特征與其他的人臉特征或身體特征的余弦距離；判斷子模塊，用于將余弦距離與預(yù)設(shè)的判別閾值進(jìn)行比較，將大于判別閾值的人臉特征或身體特征聚類為人臉聚類或身體聚類；關(guān)聯(lián)子模塊，用于將同一個人的人臉特征與身體特征進(jìn)行關(guān)聯(lián)，根據(jù)關(guān)聯(lián)信息將同一個人的人臉聚類和身體聚類合并。進(jìn)一步，匹配模塊包括第一計算子模塊與第二計算子模塊，其中，第一計算子模塊包括第一排序單元，用于遍歷移動設(shè)備運(yùn)動軌跡獲取目標(biāo)移動設(shè)備的MAC記錄，并按照時間順序進(jìn)行排序，獲取目標(biāo)移動設(shè)備出現(xiàn)的時間段；時間點統(tǒng)計單元，用于獲取目標(biāo)移動設(shè)備的記錄地點，獲取該記錄地點目標(biāo)移動設(shè)備連續(xù)出現(xiàn)的所有時間點，得到該目標(biāo)移動設(shè)備在該記錄地點出現(xiàn)的開始時間ks以及結(jié)束時間ke；第一計算單元，用于計算ks與ke時間段內(nèi)目標(biāo)移動設(shè)備出現(xiàn)的次數(shù)并統(tǒng)計目標(biāo)移動設(shè)備出現(xiàn)的時間段內(nèi)的總個數(shù)第二計算子模塊包括第二排序單元，用于遍歷移動設(shè)備運(yùn)動軌跡獲取目標(biāo)移動設(shè)備的MAC記錄，并按照時間順序進(jìn)行排序，獲取目標(biāo)移動設(shè)備出現(xiàn)的時間段；區(qū)間判斷單元，用于根據(jù)獲取目標(biāo)移動設(shè)備的MAC記錄獲取其對應(yīng)的時間點t1,根據(jù)時間點t1設(shè)置目標(biāo)移動設(shè)備的時間判斷區(qū)間次數(shù)統(tǒng)計單元，用于判斷目標(biāo)移動設(shè)備出現(xiàn)的各個時間段是否有重合，如果有，則合并并獲取對應(yīng)的人臉特征和/或身體特征出現(xiàn)的時間點，判斷每個人臉特征或身體特征出現(xiàn)的時間點是否在目標(biāo)移動設(shè)備出現(xiàn)的時間判斷區(qū)間內(nèi)，是則匹配次數(shù)加1，統(tǒng)計所有的匹配次數(shù)為人臉或身體與移動設(shè)備匹配成功的次數(shù)cij，其中，cij表示第i個人臉特征或身體特征與第j個移動設(shè)備的匹配成功次數(shù)。進(jìn)一步，匹配模塊還包括矩陣生成單元，用于獲取所有的匹配度，并根據(jù)人體數(shù)量與移動設(shè)備數(shù)量生成匹配度矩陣；矩陣計算單元，用于判斷匹配度矩陣是否為方形矩陣，是則按照匈牙利算法輸出人與移動設(shè)備匹配的對應(yīng)關(guān)系，否則將匹配度矩陣補(bǔ)充為方形矩陣后，再應(yīng)用匈牙利算法輸出人與移動設(shè)備匹配的對應(yīng)關(guān)系。以上只通過說明的方式描述了本發(fā)明的某些示范性實施例，毋庸置疑，對于本領(lǐng)域的普通技術(shù)人員，在不偏離本發(fā)明的精神和范圍的情況下，可以用各種不同的方式對所描述的實施例進(jìn)行修正。因此，上述附圖和描述在本質(zhì)上是說明性的，不應(yīng)理解為對本發(fā)明權(quán)利要求保護(hù)范圍的限制。當(dāng)前第1頁1 2 3