本申請涉及對象監(jiān)控領(lǐng)域，尤其涉及一種對象鎖定方法及系統(tǒng)。

背景技術(shù)：

隨著信息技術(shù)的發(fā)展，對象監(jiān)控設(shè)備的應用越來越廣泛。在一種應用場景中，對象監(jiān)控設(shè)備被用于鎖定可疑目標。例如，在某些公共場所，采用對象監(jiān)控設(shè)備進行可疑分子的鎖定或者罪犯的篩查。

現(xiàn)有技術(shù)中，采用對象監(jiān)控設(shè)備在公共場所中進行對象鎖定時，無法有效地鎖定移動中的目標對象。

技術(shù)實現(xiàn)要素：

有鑒于此，本申請實施例提供一種對象鎖定方法及系統(tǒng)，用于提升對象鎖定的準確性以及有效性。

本申請實施例提供一種對象鎖定方法，包括：第一對象監(jiān)控設(shè)備對第一監(jiān)控區(qū)域進行圖像采集，以獲得包含潛在可疑對象的第一視頻圖像；所述第一對象監(jiān)控設(shè)備指示第二對象監(jiān)控設(shè)備在第二監(jiān)控區(qū)域內(nèi)采集并回傳包含所述潛在可疑對象的第二視頻圖像；所述第一對象監(jiān)控設(shè)備根據(jù)所述第一視頻圖像和所述第二視頻圖像，確定所述潛在可疑對象為目標可疑對象。

進一步可選地，所述第一對象監(jiān)控設(shè)備指示第二對象監(jiān)控設(shè)備在第二監(jiān)控區(qū)域內(nèi)采集并回傳包含所述潛在可疑對象的第二視頻圖像，包括：當丟失所述潛在可疑對象時，所述第一對象監(jiān)控設(shè)備廣播所述潛在可疑對象的圖像識別特征，以指示所述第二對象監(jiān)控設(shè)備基于所述圖像識別特征在所述第二監(jiān)控區(qū)域內(nèi)采集并回傳所述第二視頻圖像；其中，所述圖像識別特征為所述第一對象監(jiān)控設(shè)備從所述第一視頻圖像中提取的表征所述潛在可疑對象的特征。

進一步可選地，所述第一對象監(jiān)控設(shè)備對第一監(jiān)控區(qū)域進行圖像采集，以獲得包含潛在可疑對象的第一視頻圖像，包括：所述第一對象監(jiān)控設(shè)備對所述第一監(jiān)控區(qū)域進行圖像采集，以獲得所述第一視頻圖像；所述第一對象監(jiān)控設(shè)備標定所述第一視頻圖像中的至少一個對象；基于已知的可疑特征和所述至少一個對象各自的至少一個特征，從所述至少一個對象中確定所述潛在可疑對象。

進一步可選地，所述基于已知的可疑特征和所述至少一個對象各自的至少一個特征，從所述至少一個對象中確定所述潛在可疑對象，包括：對所述至少一個對象中的任一對象，基于所述已知的可疑特征，計算所述對象的至少一個特征的異常分數(shù)；對所述對象的至少一個特征的異常分數(shù)進行加權(quán)計算，以得到所述對象對應的異常分數(shù)；若所述對象對應的異常分數(shù)大于預設(shè)的第一閾值，則確定所述對象為所述潛在可疑對象。

進一步可選地，所述第一對象監(jiān)控設(shè)備根據(jù)所述第一視頻圖像和所述第二視頻圖像，確定所述潛在可疑對象為目標可疑對象，包括：從所述第一視頻圖像以及所述第二視頻圖像中，提取所述潛在可疑對象的至少一個特征；基于已知的可疑特征以及所述潛在可疑對象的至少一個特征，確定所述潛在可疑對象為所述目標可疑對象。

進一步可選地，所述基于已知的可疑特征以及所述潛在可疑對象的至少一個特征，確定所述潛在可疑對象為所述目標可疑對象，包括：基于所述已知的可疑特征，計算所述潛在可疑對象的至少一個特征的異常分數(shù)；對所述潛在可疑對象的至少一個特征的異常分數(shù)進行加權(quán)計算，以得到所述潛在對象對應的異常分數(shù)；若所述潛在對象對應的異常分數(shù)大于預設(shè)的第二閾值，則確定所述潛在可疑對象為所述目標可疑對象。

進一步可選地，所述潛在可疑對象的至少一個特征包括：面部和/或行為特征。

本申請實施例提供一種對象鎖定系統(tǒng)，包括：第一對象監(jiān)控設(shè)備以及第二對象監(jiān)控設(shè)備；

所述第一對象監(jiān)控設(shè)備用于：對第一監(jiān)控區(qū)域進行圖像采集，以獲得包含潛在可疑對象的第一視頻圖像；指示第二對象監(jiān)控設(shè)備在第二監(jiān)控區(qū)域內(nèi)采集并回傳包含所述潛在可疑對象的第二視頻圖像；根據(jù)所述第一視頻圖像和所述第二視頻圖像，確定所述潛在可疑對象為目標可疑對象；

第二對象監(jiān)控設(shè)備用于：根據(jù)所述第一對象監(jiān)控設(shè)備的指示，在第二監(jiān)控區(qū)域內(nèi)采集并回傳包含所述潛在可疑對象的第二視頻圖像。

進一步可選地，所述第一對象監(jiān)控設(shè)備用于：當丟失所述潛在可疑對象時，所述第一對象監(jiān)控設(shè)備廣播所述潛在可疑對象的圖像識別特征，以指示所述第二對象監(jiān)控設(shè)備基于所述圖像識別特征在所述第二監(jiān)控區(qū)域內(nèi)采集并回傳所述第二視頻圖像；其中，所述圖像識別特征為所述第一對象監(jiān)控設(shè)備從所述第一視頻圖像中提取的表征所述潛在可疑對象的特征。

進一步可選地，所述第一對象監(jiān)控設(shè)備用于：從所述第一視頻圖像以及所述第二視頻圖像中，提取所述潛在可疑對象的至少一個特征；基于已知的可疑特征以及所述潛在可疑對象的至少一個特征，確定所述潛在可疑對象為所述目標可疑對象。

本申請實施例提供的對象鎖定方法及系統(tǒng)，第一對象監(jiān)控設(shè)備在其監(jiān)控的第一監(jiān)控區(qū)域采集包含潛在可疑對象的第一視頻圖像并指示第二對象監(jiān)控設(shè)備在第二監(jiān)控區(qū)域采集包含潛在可疑對象的第二視頻圖像；基于第一視頻圖像和第二視頻圖像，判斷所述潛在可疑對象是否為目標可疑對象，克服了對象監(jiān)控設(shè)備在公共場所進行對象鎖定時，無法有效鎖定移動中的目標對象的缺陷，提升了對象鎖定的效率以及準確率。

附圖說明

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作一簡單地介紹，顯而易見地，下面描述中的附圖是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1是本申請實施例提供的一種對象鎖定系統(tǒng)的結(jié)構(gòu)示意圖；

圖2是本申請實施例提供的對象鎖定方法的實施例一的流程示意圖；

圖3是本申請實施例提供的對象鎖定方法的實施例二的流程示意圖；

圖4是本申請實施例提供的對象鎖定方法的實施例三的流程示意圖。

具體實施方式

為使本發(fā)明實施例的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

圖1是本申請實施例提供的對象鎖定系統(tǒng)的結(jié)構(gòu)示意圖。如圖1所示，該對象鎖定系統(tǒng)包括第一對象監(jiān)控設(shè)備11以及第二對象監(jiān)控設(shè)備12。在實際應用中，所述第一對象監(jiān)控設(shè)備11以及上述第二對象監(jiān)控設(shè)備12可以是具有對象監(jiān)控功能的機器人。

其中，根據(jù)公共場所等任意被監(jiān)控場所的范圍，可以布設(shè)一個或多個第二對象監(jiān)控設(shè)備12。優(yōu)選的，第二對象監(jiān)控設(shè)備12的數(shù)量需保證在結(jié)合第一對象監(jiān)控設(shè)備11的基礎(chǔ)上能夠完全覆蓋被監(jiān)控場所。在圖1中，示出多個第二對象監(jiān)控設(shè)備12，但不限于多個。

在本實施例提供的對象鎖定系統(tǒng)中，第一對象監(jiān)控設(shè)備11為對象鎖定系統(tǒng)中的主控對象監(jiān)控設(shè)備，具有拍攝功能、數(shù)據(jù)處理功能以及與系統(tǒng)中其他對象監(jiān)控設(shè)備通信等功能，其監(jiān)控區(qū)域為第一監(jiān)控區(qū)域。

第二對象監(jiān)控設(shè)備12具有拍攝功能、數(shù)據(jù)處理功能以及與系統(tǒng)中其他對象監(jiān)控設(shè)備通信等功能。第二對象監(jiān)控設(shè)備12對應的監(jiān)控區(qū)域為第二監(jiān)控區(qū)域。應當理解，任意一個第二對象監(jiān)控設(shè)備12都對應一個第二監(jiān)控區(qū)域。第一對象監(jiān)控設(shè)備11以及至少一個第二對象監(jiān)控設(shè)備12實現(xiàn)了對被監(jiān)控場所的全面監(jiān)控覆蓋。例如，標記被監(jiān)控場所的范圍為A，標記第一監(jiān)控區(qū)域為A0，標記第二監(jiān)控區(qū)域為Ai，i∈[1,N]，其中N為正整數(shù)，則

其中，對第一對象監(jiān)控設(shè)備11來說，其在對象鎖定過程中的主要功能是：對第一監(jiān)控區(qū)域進行圖像采集，以獲得包含潛在可疑對象的第一視頻圖像；指示第二對象監(jiān)控設(shè)備12在第二監(jiān)控區(qū)域內(nèi)采集并回傳包含潛在可疑對象的第二視頻圖像；根據(jù)第一視頻圖像和第二視頻圖像，確定潛在可疑對象為目標可疑對象。

對第二對象監(jiān)控設(shè)備12來說，其在對象鎖定過程中的主要功能是：根據(jù)第一對象監(jiān)控設(shè)備11的指示，在第二監(jiān)控區(qū)域內(nèi)采集并回傳包含潛在可疑對象的第二視頻圖像。

第一對象監(jiān)控設(shè)備11在第一監(jiān)控區(qū)域進行圖像采集，以獲得包含潛在可疑對象的第一視頻圖像，有如下可選的實施方式：

在第一監(jiān)控區(qū)域中，第一對象監(jiān)控設(shè)備11對第一監(jiān)控區(qū)域進行圖像采集，獲得第一視頻圖像。針對第一視頻圖像，第一對象監(jiān)控設(shè)備11標定第一視頻圖像中的至少一個對象?；谝阎目梢商卣骱椭辽僖粋€對象各自的至少一個特征，從至少一個對象中確定潛在可疑對象。

其中，上述至少一個對象為第一對象監(jiān)控設(shè)備11在拍攝到的第一視頻圖像中標定的對象。可選的，對第一視頻圖像中包含的對象進行標定可通過基于神經(jīng)網(wǎng)絡的快速區(qū)域檢測(Faster-Region-based Convolutional Neural Networks，F(xiàn)aster-RCNN)算法實現(xiàn)。Faster-RCNN算法解決了計算機視覺領(lǐng)域中目標檢測的問題，其算法主要包括候選區(qū)域生成，特征提取，分類，位置精修等步驟。Faster-RCNN算法將目標檢測的四個步驟統(tǒng)一到一個深度網(wǎng)絡框架之內(nèi)，步驟之間的計算沒有重復，完全在圖形處理器(Graphics Processing Unit，GPU)中完成，大大提高了運行速度。與此同時，F(xiàn)aster-RCNN算法在目標檢測上漏檢率以及虛報率低，為實現(xiàn)高準確率的對象鎖定奠定了基礎(chǔ)。

其中，對從第一視頻圖像中標定的任一對象，其至少一個特征包括：面部和/或行為特征。例如，第一對象監(jiān)控設(shè)備11在第一監(jiān)控區(qū)域內(nèi)拍攝到的第一視頻圖像中標定10個對象，分別獲取這10個對象中任一對象對應的面部和/或行為特征。

其中，所述已知的可疑特征可以是第一對象監(jiān)控設(shè)備11接收到的云端下發(fā)的，也可以是第一對象監(jiān)控設(shè)備11從本地資料庫讀取的。所述已知的可疑特征包括目標可疑對象的面部特征和/或行為特征，在不同應用場景下包含不同的內(nèi)容。例如，當本申請實施例提供的對象鎖定系統(tǒng)用于在銀行或者火車站等場所鎖定可疑或危險人員時，所述已知的可疑特征可以包括：公安系統(tǒng)公布的嫌疑犯的照片、嫌疑犯的行為特征，例如尾隨行為、掏口袋行為、手持工具行為等。又例如，當本申請實施例提供的對象鎖定系統(tǒng)用于在公共場鎖定走失兒童時，所述已知的可疑特征可以包括：被鎖定對象的身高范圍、逗留時間、面部表情、服裝色彩種類等。

在基于上述實施方式獲取到至少一個對象各自的至少一個特征之后，第一對象監(jiān)控設(shè)備11基于上述已知的可疑特征和至少一個對象各自的至少一個特征，從至少一個對象中確定潛在可疑對象。可選的，第一對象監(jiān)控設(shè)備11可通過如下的方式確定潛在可疑對象：基于已知的可疑特征和至少一個對象各自的至少一個特征計算至少一個對象的異常分數(shù)；對至少一個對象中的任一對象，若所述對象對應的異常分數(shù)大于預設(shè)的第一閾值，則確定所述對象為所述潛在可疑對象。其中，所述第一閾值為經(jīng)驗值，其取值可根據(jù)應用場景、應用需求等因素適應性設(shè)置，本申請實施例不做限制。

針對所述至少一個對象中的任一對象，基于已知的可疑特征和該對象的至少一個特征計算所述對象的異常分數(shù)，可以包括如下可行的實施方式：其一，計算該對象的至少一個特征的異常分數(shù)，從該至少一個特征的異常分數(shù)中選取最大值作為該對象的異常分數(shù)。其二，計算該對象的至少一個特征的異常分數(shù)，對至少一個特征的異常分數(shù)進行預設(shè)計算，以計算結(jié)果作為該對象的異常分數(shù)。當然，本申請實施例包括但不僅限于上述兩種計算任一對象的異常分數(shù)的方法。

可選的，上述預設(shè)計算為加權(quán)計算。即，得到該對象的至少一個特征的異常分數(shù)后，對該對象的至少一個特征的異常分數(shù)進行加權(quán)計算，將所述加權(quán)計算得到的結(jié)果作為該對象對應的異常分數(shù)。對該對象的至少一個特征的異常分數(shù)進行加權(quán)計算時，每一個特征對應的權(quán)重是預先設(shè)置的，可以保存在第一對象監(jiān)控設(shè)備11的本地內(nèi)存，也可以通過云端實時下發(fā)至第一對象監(jiān)控設(shè)備11。針對每個特征，可以分別根據(jù)面部識別以及行為識別的經(jīng)驗進行權(quán)重設(shè)置。例如，面部識別中，預先設(shè)置眉毛的權(quán)重為0.05，眼睛的權(quán)重為0.2，鼻子的權(quán)重為0.5，嘴巴的權(quán)重為0.2，臉部輪廓的權(quán)重為0.05。假設(shè)第一對象監(jiān)控設(shè)備11在第一視頻圖像提取到的對某一對象的上述五個特征的異常分數(shù)分別為20、60、75、50、50，則：

該對象的異常分數(shù)＝0.05*20+0.2*60+0.5*75+0.2*50+0.05*50。

采用上述實施方式對第一對象監(jiān)控設(shè)備11標定的任一對象的至少一個特征的異常分數(shù)進行加權(quán)計算，通過綜合該對象的每一特征的異常分數(shù)，使得該對象的異常分數(shù)計算結(jié)果更加合理，在判斷該對象是否為潛在可疑對象時，有利于極大地降低誤判率。當然，上述的數(shù)字僅供舉例使用，不對本申請實施例構(gòu)成任何限制。

可選的，在對該對象的至少一個特征的異常分數(shù)進行加權(quán)計算之前，預先計算該對象的至少一個特征的異常分數(shù)：針對該對象的至少一特征中任一特征，計算該特征與已知的可疑特征中的相應特征的相似度，標記為S。以將S、k*S或k*S+b作為該特征的異常分數(shù)，其中，k為比例系數(shù)，b為常實數(shù)。其中，所述的該特征與已知的可疑特征中的相應特征的相似度，應當理解為在所述已知的可疑特征中查詢與該特征同一類別的特征，并計算二者相似度。例如，第一對象監(jiān)控設(shè)備11讀取到的已知的可疑特征中，包括人臉圖像特征分布M1、人臉圖像特征分布M2、人臉圖像特征分布M3，動作特征1、動作特征2。第一對象監(jiān)控設(shè)備11獲取到的第一對象的第一特征為：人臉圖像特征分布M，則針對該第一特征，第一對象監(jiān)控設(shè)備11從上述已知的可疑特征中讀取M1、M2以及M3，分別計算M與M1的相似度、M與M2的相似度、M與M3的相似度。

在一種可行的實施方式中，第一對象監(jiān)控設(shè)備11在鎖定潛在可疑對象之后，立即廣播所述潛在可疑對象的圖像識別特征。其中，所述圖像識別特征為所述第一對象監(jiān)控設(shè)備11從所述第一視頻圖像中提取的表征所述潛在可疑對象的特征。由于拍攝環(huán)境的復雜，例如行人之間的遮擋、拍攝光線差，第一對象監(jiān)控設(shè)備11在鎖定潛在可疑對象之后，根據(jù)第一對象監(jiān)控設(shè)備11能夠拍攝到的第一視頻圖像無法確定所述潛在可以對象是目標可疑對象。在本實施方式中，第一對象監(jiān)控設(shè)備11廣播所述潛在可疑對象的圖像識別特征值之后，第二對象監(jiān)控設(shè)備12根據(jù)該圖像識別可疑特征在第二監(jiān)控區(qū)域內(nèi)跟蹤拍攝該潛在可疑對象并回傳包含所述潛在可疑對象的第二視頻圖像。從而，第一對象監(jiān)控設(shè)備11根據(jù)自身拍攝到的包含潛在可疑對象的第一視頻圖像和第二視頻圖像判斷所述潛在可疑對象是否為目標可疑對象。上述實施方式通過至少兩個對象監(jiān)控設(shè)備同步對潛在可疑對象進行跟蹤拍攝，提升了潛在可疑對象的相關(guān)視頻圖像的獲取效率，進一步提升了目標可疑對象鎖定的精準度以及時效性。

在另一種可行的實施方式中，第一對象監(jiān)控設(shè)備11在鎖定潛在可疑對象之后，若第一對象監(jiān)控設(shè)備11丟失所述潛在可疑對象(所述潛在可疑對象不在第一監(jiān)控區(qū)域內(nèi))，尤其是在第一對象監(jiān)控設(shè)備11尚未確定潛在可疑對象是否為目標可疑對象之前丟失潛在可疑對象時，第一對象監(jiān)控設(shè)備11廣播所述潛在可疑對象的圖像識別特征，以指示所述第二對象監(jiān)控設(shè)備12基于所述圖像識別特征在所述第二監(jiān)控區(qū)域內(nèi)采集并回傳所述第二視頻圖像，以便于基于第二對象監(jiān)控設(shè)備12回傳的第二視頻圖像繼續(xù)監(jiān)控潛在可疑對象。

通常，當被監(jiān)控的區(qū)域較大時，一個對象監(jiān)控設(shè)備的監(jiān)控面積無法覆蓋整個被監(jiān)控區(qū)域。當?shù)谝粚ο蟊O(jiān)控設(shè)備11還未判斷其鎖定的潛在可疑對象是否為目標可疑對象，且該潛在可疑對象已不在第一對象監(jiān)控設(shè)備11所監(jiān)控的第一監(jiān)控區(qū)域內(nèi)時，第一對象監(jiān)控設(shè)備11無法持續(xù)獲得有效的視頻圖像來對該潛在可疑對象做進一步的判斷，從而可能導致對象鎖定超時或?qū)ο箧i定失敗?；诒緦嵤┓绞?，第一對象監(jiān)控設(shè)備11在檢測到所述潛在可疑對象不在第一監(jiān)控區(qū)域后，廣播所述潛在可疑對象的圖像識別特征。第二對象監(jiān)控設(shè)備12根據(jù)基于所述圖像識別特征在所述第二監(jiān)控區(qū)域內(nèi)采集并回傳所述第二視頻圖像。從而，第一對象監(jiān)控設(shè)備11根據(jù)自身拍攝到的包含潛在可疑對象的第一視頻圖像和第二視頻圖像繼續(xù)監(jiān)控潛在可疑對象，進而判斷所述潛在可疑對象是否為目標可疑對象。上述實施方式克服了第一對象監(jiān)控設(shè)備11存在盲區(qū)造成的對象鎖定成功率低的缺陷，實現(xiàn)了有效地可持續(xù)追蹤與對象鎖定。

在上述實施例中，第一對象監(jiān)控設(shè)備11可以采用預設(shè)的通信協(xié)議，想第二對象監(jiān)控設(shè)備12發(fā)送圖像識別特征。關(guān)于第一對象監(jiān)控設(shè)備11與第二對象監(jiān)控設(shè)備12之間通信方式可采用任何已有通信方式實現(xiàn)，此處不贅述。

對于第二對象監(jiān)控設(shè)備12，可根據(jù)第一對象監(jiān)控設(shè)備11的指示，在其所監(jiān)控的第二監(jiān)控區(qū)域采集潛在可疑對象對應的第二視頻圖像。其中，所述潛在可疑對象是所述述第一對象監(jiān)控設(shè)備11通過對第一監(jiān)控區(qū)域進行圖像采集并分析鎖定的對象。

可選的，第二對象監(jiān)控設(shè)備12基于所述圖像識別特征在所述第二監(jiān)控區(qū)域內(nèi)采集并回傳所述第二視頻圖像，包括：第二對象監(jiān)控設(shè)備12在第二監(jiān)控區(qū)域內(nèi)拍攝，得到視頻圖像；對該視頻圖像進行對象標定，獲得該視頻圖像中包含的至少一個對象；針對該至少一個對象中的任一對象，獲取該對象的至少一個特征，如面部特征和/或行為特征；計算該對象的至少一個特征與第一對象監(jiān)控設(shè)備11確定的所述潛在可疑對象的圖像識別特征中相應的特征之間的相似度，得到至少一個相似度；從該至少一個相似度中選擇最大值作為該對象與所述潛在可疑對象之間的相似度，或者將該至少一個相似度的加權(quán)結(jié)果作為該對象與所述潛在可疑對象之間的相似度；若該對象與所述潛在可疑對象之間的相似度大于預設(shè)的相似度范圍，則將該對象所在的視頻圖像作為第二視頻圖像回傳至第一對象監(jiān)控設(shè)備11。

在獲得自身拍攝的第一視頻圖像以及第二對象監(jiān)控設(shè)備12拍攝到的第二視頻圖像之后，第一對象監(jiān)控設(shè)備11，根據(jù)所述第一視頻圖像和所述第二視頻圖像，確定所述潛在可疑對象為目標可疑對象。

第一對象監(jiān)控設(shè)備11確定所述潛在可疑對象為目標可疑對象的過程可通過如下可選的實施方式實現(xiàn)：第一對象監(jiān)控設(shè)備11從所述第一視頻圖像以及所述第二視頻圖像中，提取所述潛在可疑對象的至少一個特征；基于已知的可疑特征以及所述潛在可疑對象的至少一個特征，確定所述潛在可疑對象為目標可疑對象。

其中，所述已知的可疑特征參見前述記載，不再贅述。可選的，第一對象監(jiān)控設(shè)備11基于已知的可疑特征以及所述潛在可疑對象的至少一個特征，確定所述潛在可疑對象為所述目標可疑對象，包括：基于所述已知的可疑特征，計算所述潛在可疑對象的至少一個特征的異常分數(shù)；對所述潛在可疑對象的至少一個特征的異常分數(shù)進行加權(quán)計算，以得到所述潛在對象對應的異常分數(shù)；若所述潛在對象對應的異常分數(shù)大于預設(shè)的第二閾值，說明可疑度較高，則確定所述潛在可疑對象為所述目標可疑對象。若所述潛在對象對應的異常分數(shù)小于等于預設(shè)的第二閾值，說明可疑度較低，則可以解除對所述潛在可疑對象的嫌疑，不再追蹤拍攝。其中，所述第二閾值為經(jīng)驗值，本申請實施例不做限制。

需要說明的是，對從第一視頻圖像和第二視頻圖像中都能提取到的特征，會根據(jù)第一視頻圖像和第二視頻圖像分別計算得到該特征的異常分數(shù)，在確定是否為目標可疑對象時使用到的該特征對應的異常分數(shù)，可選擇根據(jù)第一視頻圖像和第二視頻圖像分別計算得到的異常分數(shù)中較大的，或者可取根據(jù)第一視頻圖像和第二視頻圖像分別計算得到的異常分數(shù)的均值。當然上述計算同一特征的異常分數(shù)的平均值的方式僅供舉例，本申請實施例包括但不僅限于此。在確定目標可以對象之后，第一對象監(jiān)控設(shè)備11可以發(fā)出危險警報或請求人工進行目標可疑對象的抓捕等，視具體應用場景而定。

本實施例提供的對象鎖定系統(tǒng)，第一對象監(jiān)控設(shè)備在其監(jiān)控的第一監(jiān)控區(qū)域采集包含潛在可疑對象的第一視頻圖像并指示第二對象監(jiān)控設(shè)備在第二監(jiān)控區(qū)域采集包含潛在可疑對象的第二視頻圖像；基于第一視頻圖像和第二視頻圖像，判斷所述潛在可疑對象是否為目標可疑對象，克服了對象監(jiān)控設(shè)備在公共場所進行對象鎖定時，無法有效鎖定移動中的目標對象的缺陷，提升了對象鎖定的效率以及準確率。

圖1提供的對象鎖定系統(tǒng)有多種應用場景，例如，應用在銀行辦事大廳、展覽廳、學校校門口、商場、火車站等人流比較密集的區(qū)域輔助安保或者尋找走失兒童。以下部分將以該對象鎖定系統(tǒng)應用于公共場鎖定走失兒童為例，對本申請實施例提供的對象鎖定系統(tǒng)進行進一步說明。

假設(shè)對象監(jiān)控設(shè)備11從服務端獲取到的已知的可疑特征為：目標可疑對象的身高在1米～1.4米之間、目標可疑對象的移動速度在0米/秒～0.5米/秒、目標可疑對象的服裝色彩種類在3～6之間。假設(shè)上述三個已知的可疑特征對應的權(quán)重分別為0.4、0.4、0.2。

第一對象監(jiān)控設(shè)備11在第一監(jiān)控區(qū)域連續(xù)拍攝視頻圖像并標定拍攝到的視頻圖像中的至少一個對象。針對拍攝到的第一對象，第一對象監(jiān)控設(shè)備11提取該第一對象的身高、移動速度以及色彩分布等三個特征。假設(shè)提取到的三個特征分別為：該對象的身高為1.2米、該對象的移動速度為2米/秒(兒童驚慌失措地四處跑動)、該對象的服裝色彩種類為3種。計算三個特征各自對應的異常分數(shù)(以下均為假設(shè)值)：該對象的身高的異常分數(shù)為100、該對象的色彩分布的異常分數(shù)為80、該對象的移動速度的異常分數(shù)為20。假設(shè)：判斷潛在可疑對象的第一閾值為60，判斷目標可疑對象的第二閾值為80分。則該第一對象的異常分數(shù)為：0.4*100+0.4*20+0.2*80>60，判定該對象為可能是走失兒童，但是由于0.4*100+0.4*20+0.2*80<80，故不能完全確定該對象確實是走失兒童，需要持續(xù)的跟蹤拍攝。

在鎖定潛在走失兒童之后，假設(shè)該潛在走失兒童跑到了第二監(jiān)控區(qū)域，第一對象監(jiān)控設(shè)備11無法持續(xù)跟蹤拍攝，第一對象監(jiān)控設(shè)備11將提取到的第一對象的圖像識別特征值，例如：第一對象的身高、色彩分布、面部特征等信息廣播出去。第二對象監(jiān)控設(shè)備在其監(jiān)控范圍內(nèi)根據(jù)上述圖像識別特征值持續(xù)跟蹤第一對象并回傳對第一對象的持續(xù)拍攝結(jié)果。假設(shè)，第二對象監(jiān)控設(shè)備拍攝到在第二監(jiān)控區(qū)域，第一對象身高為1.2米、服裝色彩種類為3種、移動速度為0.3米/秒(兒童找不到監(jiān)護人在原地打轉(zhuǎn))，計算得到該對象的身高的異常分數(shù)為100、移動速度的異常分數(shù)為90分、色彩分布的異常分數(shù)為80。則該第一對象的異常分數(shù)為：

0.4*[(100+100)/2]+0.4*[(90+20)/2]+0.2*[(80+80)/2]>80，判定該對象為可能是走失兒童，第一對象監(jiān)控設(shè)備11請求人工幫助，救助走失兒童。

圖2是本申請實施例提供的對象鎖定方法的實施例一的流程示意圖。結(jié)合圖，該方法包括：

步驟201、第一對象監(jiān)控設(shè)備對第一監(jiān)控區(qū)域進行圖像采集，以獲得包含潛在可疑對象的第一視頻圖像。

步驟202、所述第一對象監(jiān)控設(shè)備指示第二對象監(jiān)控設(shè)備在第二監(jiān)控區(qū)域內(nèi)采集并回傳包含所述潛在可疑對象的第二視頻圖像。

步驟203、所述第一對象監(jiān)控設(shè)備根據(jù)所述第一視頻圖像和所述第二視頻圖像，確定所述潛在可疑對象為目標可疑對象。

本實施例中，第一對象監(jiān)控設(shè)備在其監(jiān)控的第一監(jiān)控區(qū)域采集包含潛在可疑對象的第一視頻圖像并指示第二對象監(jiān)控設(shè)備在第二監(jiān)控區(qū)域采集包含潛在可疑對象的第二視頻圖像；基于第一視頻圖像和第二視頻圖像，判斷所述潛在可疑對象是否為目標可疑對象，克服了對象監(jiān)控設(shè)備在公共場所進行對象鎖定時，無法有效鎖定移動中的目標對象的缺陷，提升了對象鎖定的效率以及準確率。

圖3是本申請實施例提供的對象鎖定方法的實施例二的流程示意圖。結(jié)合圖，該方法包括：

步驟301、第一對象監(jiān)控設(shè)備對第一監(jiān)控區(qū)域進行圖像采集，以獲得包含潛在可疑對象的第一視頻圖像。

步驟302、當丟失所述潛在可疑對象時，所述第一對象監(jiān)控設(shè)備廣播所述潛在可疑對象的圖像識別特征，以指示所述第二對象監(jiān)控設(shè)備基于所述圖像識別特征在所述第二監(jiān)控區(qū)域內(nèi)采集并回傳所述第二視頻圖像。

其中，所述圖像識別特征為所述第一對象監(jiān)控設(shè)備從所述第一視頻圖像中提取的表征所述潛在可疑對象的特征。

步驟303、所述第一對象監(jiān)控設(shè)備根據(jù)所述第一視頻圖像和所述第二視頻圖像，確定所述潛在可疑對象為目標可疑對象。

本實施例中，第一對象監(jiān)控設(shè)備在其監(jiān)控的第一監(jiān)控區(qū)域采集包含潛在可疑對象的第一視頻圖像。當所述潛在可疑對象離開第一監(jiān)控區(qū)域從而第一對象監(jiān)控設(shè)備無法持續(xù)監(jiān)控所述潛在可疑對象時，所述第一對象監(jiān)控設(shè)備廣播所述潛在可疑對象的圖像識別特征以指示第二對象監(jiān)控設(shè)備在第二監(jiān)控區(qū)域采集包含潛在可疑對象的第二視頻圖像；基于第一視頻圖像和第二視頻圖像，判斷所述潛在可疑對象是否為目標可疑對象，克服了對象監(jiān)控設(shè)備在公共場所進行對象鎖定時，拍攝盲區(qū)造成的對象鎖定成功率低的缺陷，實現(xiàn)了有效地可持續(xù)追蹤與對象鎖定。

圖4是本申請實施例提供的對象鎖定方法的實施例三的流程示意圖。結(jié)合圖，該方法包括：

步驟401、第一對象監(jiān)控設(shè)備對第一監(jiān)控區(qū)域進行圖像采集，以獲得所述第一視頻圖像。

步驟402、所述第一對象監(jiān)控設(shè)備標定所述第一視頻圖像中的至少一個對象。

步驟403、所述第一對象監(jiān)控設(shè)備基于已知的可疑特征和所述至少一個對象各自的至少一個特征，從所述至少一個對象中確定所述潛在可疑對象。

步驟404、所述第一對象監(jiān)控設(shè)備指示第二對象監(jiān)控設(shè)備在第二監(jiān)控區(qū)域內(nèi)采集并回傳包含所述潛在可疑對象的第二視頻圖像。

步驟405、所述第一對象監(jiān)控設(shè)備從所述第一視頻圖像以及所述第二視頻圖像中，提取所述潛在可疑對象的至少一個特征。

步驟406、所述第一對象監(jiān)控設(shè)備基于已知的可疑特征以及所述潛在可疑對象的至少一個特征，確定所述潛在可疑對象為所述目標可疑對象。

本實施例中，第一對象監(jiān)控設(shè)備在確定潛在可疑對象時，針對第一視頻圖像中的任一對象，采用加權(quán)的計算方式計算該對象的異常分數(shù)?；诘玫降脑搶ο蟮漠惓７謹?shù)判斷該對象是否為潛在可疑對象，漏檢率低。同理，在第一對象監(jiān)控設(shè)備確定目標可疑對象的過程中，采用加權(quán)計算的處理方式計算潛在可疑對象的異常分數(shù)，降低了誤判率，實現(xiàn)了高效率的對象鎖定。

以上所描述的裝置實施例僅僅是示意性的，其中所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個地方，或者也可以分布到多個網(wǎng)絡單元上。可以根據(jù)實際的需要選擇其中的部分或者全部模塊來實現(xiàn)本實施例方案的目的。本領(lǐng)域普通技術(shù)人員在不付出創(chuàng)造性的勞動的情況下，即可以理解并實施。

通過以上的實施方式的描述，本領(lǐng)域的技術(shù)人員可以清楚地了解到各實施方式可借助軟件加必需的通用硬件平臺的方式來實現(xiàn)，當然也可以通過硬件。基于這樣的理解，上述技術(shù)方案本質(zhì)上或者說對現(xiàn)有技術(shù)做出貢獻的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計算機軟件產(chǎn)品可以存儲在計算機可讀存儲介質(zhì)中，如ROM/RAM、磁碟、光盤等，包括若干指令用以使得一臺計算機設(shè)備(可以是個人計算機，服務器，或者網(wǎng)絡設(shè)備等)執(zhí)行各個實施例或者實施例的某些部分所述的方法。

最后應說明的是：以上實施例僅用以說明本發(fā)明的技術(shù)方案，而非對其限制；盡管參照前述實施例對本發(fā)明進行了詳細的說明，本領(lǐng)域的普通技術(shù)人員應當理解：其依然可以對前述各實施例所記載的技術(shù)方案進行修改，或者對其中部分技術(shù)特征進行等同替換；而這些修改或者替換，并不使相應技術(shù)方案的本質(zhì)脫離本發(fā)明各實施例技術(shù)方案的精神和范圍。