身份信息提取方法、装置、电子装置和存储介质与流程

1.本技术涉及图像处理技术领域，特别是涉及身份信息提取方法、装置、电子装置和存储介质。


背景技术：

2.在公共场所中，老人、儿童或残疾人等弱势群体发生跌倒时，由于监控设备采集的数据庞大且存在较多干扰，未进行针对性过滤和筛选，因此直接从现场监控设备采集的视频数据中来提取跌倒对象的接触者的身份信息的效率较低，从而无法及时提取责任认定依据以证明救助者无责，进而导致周围群体对弱势群体发生跌倒时进行救助的积极性较低。
3.针对相关技术中，在公共场所中特定群体发生跌倒时，与其可能产生接触的人员的身份信息提取效率较低的问题，目前尚未提出有效的解决方案。


技术实现要素：

4.在本实施例中提供了一种身份信息提取方法、装置、电子装置和存储介质，以解决相关技术中在特定场景中发生跌事件时，与跌倒者可能产生接触的人员的身份信息提取效率较低的问题。
5.第一个方面，在本实施例中提供了一种身份信息提取方法，包括：
6.基于监控场景下的视频数据，实时获取所述监控场景下的目标对象与其他对象之间的监测距离；
7.在出现所述监测距离小于预设的安全距离的情况下，抓取所述其他对象中与所述目标对象之间的监测距离小于所述安全距离的对象的图像，得到所述目标对象的接触对象图像；
8.在检测到所述目标对象发生跌倒的情况下，根据所述目标对象发生跌倒之前所获取的所有的所述接触对象图像，从对应的信息库中匹配所述接触对象的身份信息。
9.在其中的一些实施例中，所述接触对象图像中标记有时间点，所述时间点用于指示所述接触对象图像被抓取的时间，所述在检测到所述目标对象发生跌倒的情况下，根据所述目标对象发生跌倒之前所获取的所有的所述接触对象图像，从对应的信息库中匹配所述接触对象的身份信息，包括：
10.在检测到所述目标对象发生跌倒的情况下，获取所标记的时间点在所述目标对象发生跌倒之前的预设时间区间内的接触对象图像；
11.根据所述预设时间区间内的接触对象图像，从对应的信息库中匹配所述接触对象的身份信息。
12.在其中的一些实施例中，所述基于监控场景下的视频数据，实时获取所述监控场景下的目标对象与其他对象之间的监测距离，包括：
13.在基于所述监控场景下的视频数据，检测到所述监控场景下存在所述目标对象的情况下，统计所述监控场景下在所述目标对象的预设范围内的人群密度；
14.在所述人群密度大于预设的密度阈值的情况下，实时获取所述监控场景下的目标对象与所述预设范围内的其他对象之间的监测距离。
15.在其中的一些实施例中，所述基于监控场景下的视频数据，实时获取所述监控场景下的目标对象与其他对象之间的监测距离，还包括：
16.基于所述监控场景下的视频数据，实时对所述目标对象进行跟踪，并基于跟踪结果确定所述目标对象与所述其他对象之间的监测距离。
17.在其中的一些实施例中，所述方法还包括：
18.在基于所述监控场景下的视频数据，对所述目标对象跟踪发生中断的情况下，根据所述监控场景下的雷达数据确定所述目标对象与所述其他对象之间的监测距离。
19.在其中的一些实施例中，在基于监控场景下的视频数据，实时获取所述监控场景下的目标对象与其他对象之间的监测距离之前，所述方法还包括：
20.利用预设的目标检测模型，基于所述视频数据，识别所述监控场景下的目标对象。
21.在其中的一些实施例中，所述在检测到所述目标对象发生跌倒的情况下，根据所述目标对象发生跌倒之前所获取的所有的所述接触对象图像，从对应的信息库中匹配所述接触对象的身份信息，还包括：
22.若所述接触对象为行人，则从人脸信息库中匹配所述接触对象的身份信息；
23.若所述接触对象为车辆，则从车牌信息库中匹配所述接触对象的身份信息。
24.第二个方面，在本实施例中提供了一种身份信息提取装置，用于监控场景下目标对象跌倒的责任认定，所述信息提取装置包括：第一获取模块、第二获取模块以及匹配模块，其中：
25.所述第一获取模块，用于基于监控场景下的视频数据，实时获取所述监控场景下的目标对象与其他对象之间的监测距离；
26.所述第二获取模块，用于在出现所述监测距离小于预设的安全距离的情况下，抓取所述其他对象中与所述目标对象之间的监测距离小于所述安全距离的对象的图像，得到所述目标对象的接触对象图像；
27.所述匹配模块，用于在检测到所述目标对象发生跌倒的情况下，根据所述目标对象发生跌倒之前所获取的所有的所述接触对象图像，从对应的信息库中匹配所述接触对象的身份信息。
28.第三个方面，在本实施例中提供了一种电子装置，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一个方面所述的身份信息提取方法。
29.第四个方面，在本实施例中提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现第一个方面所述的身份信息提取方法的步骤。
30.第五个方面，在本实施例中提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述第一个方面所述的身份信息提取方法。
31.上述涉及身份信息提取方法、装置、电子装置和存储介质，基于监控场景下的视频数据，实时获取监控场景下的目标对象与其他对象之间的监测距离，在出现监测距离小于预设的安全距离的情况下，抓取其他对象中与目标对象之间的监测距离小于安全距离的对
象的图像，得到目标对象的接触对象图像，在检测到目标对象发生跌倒的情况下，根据目标对象发生跌倒之前所获取的所有的接触对象图像，从对应的信息库中匹配接触对象的身份信息。其实现了对监控场景中其他对象与目标对象之间距离的计算，基于该距离实现了对监控场景中其他对象的进一步筛选，缩小了身份信息提取的范围，从而提高了监控场景中发生跌事件时，与跌倒者可能产生接触的人员的身份信息提取的效率。
32.本技术的一个或多个实施例的细节在以下附图和描述中提出，以使本技术的其他特征、目的和优点更加简明易懂。
附图说明
33.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
34.图1是相关技术的身份信息提取方法的终端的硬件结构框图；
35.图2是本实施例的一种身份信息提取方法的流程图；
36.图3是本实施例的另一种身份信息提取方法的流程图；
37.图4是本实施例的身份信息提取装置的结构框图。
具体实施方式
38.为更清楚地理解本技术的目的、技术方案和优点，下面结合附图和实施例，对本技术进行了描述和说明。
39.除另作定义外，本技术所涉及的技术术语或者科学术语应具有本技术所属技术领域具备一般技能的人所理解的一般含义。在本技术中的“一”、“一个”、“一种”、“该”、“这些”等类似的词并不表示数量上的限制，它们可以是单数或者复数。在本技术中所涉及的术语“包括”、“包含”、“具有”及其任何变体，其目的是涵盖不排他的包含；例如，包含一系列步骤或模块(单元)的过程、方法和系统、产品或设备并未限定于列出的步骤或模块(单元)，而可包括未列出的步骤或模块(单元)，或者可包括这些过程、方法、产品或设备固有的其他步骤或模块(单元)。在本技术中所涉及的“连接”、“相连”、“耦接”等类似的词语并不限定于物理的或机械连接，而可以包括电气连接，无论是直接连接还是间接连接。在本技术中所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“a和/或b”可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。通常情况下，字符“/”表示前后关联的对象是一种“或”的关系。在本技术中所涉及的术语“第一”、“第二”、“第三”等，只是对相似对象进行区分，并不代表针对对象的特定排序。
40.在本实施例中提供的方法实施例可以在终端、计算机或者类似的运算装置中执行。比如在终端上运行，图1是本实施例的身份信息提取方法的终端的硬件结构框图。如图1所示，终端可以包括一个或多个(图1中仅示出一个)处理器102和用于存储数据的存储器104，其中，处理器102可以包括但不限于微处理器mcu或可编程逻辑器件fpga等的处理装置。上述终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述终端的结构造成限制。例如，终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示出的不同配置。
41.存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如在本
实施例中的图像显示方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
42.传输设备106用于经由一个网络接收或者发送数据。上述的网络包括终端的通信供应商提供的无线网络。在一个实例中，传输设备106包括一个网络适配器(network interface controller，简称为nic)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备106可以为射频(radio frequency，简称为rf)模块，其用于通过无线方式与互联网进行通讯。
43.在本实施例中提供了一种身份信息提取方法，图2是本实施例的身份信息提取方法的流程图，如图2所示，该流程包括如下步骤：
44.步骤s210，基于监控场景下的视频数据，实时获取监控场景下的目标对象与其他对象之间的监测距离。
45.监控场景下的视频数据可以为监控设备在其可视区域中所采集的实时视频数据。监控场景具体可以是一种公共场景，例如广场、街道以及公园等户外场景，或者营业厅、酒店大堂以及商场等室内场景。另外，监控场景也可以为其他场景，在此不作具体限定。在监控场景下的目标对象可以为老人、幼儿以及残障人士，也可以为根据实际应用场景的需求而设定的特定目标人群。监控场景下的其他对象具体可以为同时与目标对象出现于监控设备的可视区域中的行人、车辆等活动对象。监测距离可以为根据视频数据所计算得到的目标对象与其他对象之间的监控场景下的实际距离。
46.在实际应用场景中，在目标对象因外力影响发生跌倒的情况下，导致该目标对象发生跌倒的接触对象，与该目标对象之间的距离，会小于该场景中未与该目标对象进行接触的其他对象的距离。因此可以实时获取监控场景中其他对象与该目标对象之间的监测距离，以便于后续识别与该目标对象进行接触的对象。其中，可以对该监控场景下的目标对象进行跟踪，并在不同视频帧中计算该目标对象与其他对象之间的监测距离，以实现对该监测距离的实时获取。具体地，基于视频数据，计算监控场景下的目标对象与其他对象之间的监测距离，可以是在多个视频帧中，通过建立像素坐标系来计算目标对象与该帧视频中所检测到的其他对象之间的监测距离。
47.另外地，应用于监控场景下的监控设备，可以为一种具有视频检测、录像回放以及物体识别等常规功能的摄像机，也可以为兼具视频摄取和雷达探测功能的雷达摄像机。其中，在使用雷达摄像机进行监控时，还可以采集该监控场景下的雷达数据，来作为该监控场景下视频数据的补充。例如，在监控场景中存在遮挡或者光线干扰，导致利用视频数据不能持续对目标对象的跟踪的情况下，或者利用视频数据不能计算出目标对象与其他对象之间的监测距离的情况下，还可以通过雷达数据来确定该监测距离。
48.步骤s220，在出现监测距离小于预设的安全距离的情况下，抓取其他对象中与目标对象之间的监测距离小于安全距离的对象的图像，得到目标对象的接触对象图像。
49.其中，安全距离可以按照实际应用场景的需求来进行设置。监控场景下一个目标
对象可以对应多个不同的监测距离，当其中一个或多个监测距离小于预设的安全距离时，可以认为该一个或多个与目标对象的监测距离小于安全距离的其他对象，存在与目标对象进行接触的可能。从视频数据中抓取所有与目标对象之间的监测距离小于安全距离的对象的图像，具体可以从视频帧中提取仅包含该接触对象的部分作为该接触对象图像。
50.步骤s230，在检测到目标对象发生跌倒的情况下，根据目标对象发生跌倒之前所获取的所有的接触对象图像，从对应的信息库中匹配接触对象的身份信息。
51.其中，在监控设备检测到目标对象出现于监控场景中后，可以开启录像功能，对该监控场景下的视频数据进行保存。在检测到目标对象发生跌倒的情况下，可以从已保存的录像数据中截取该目标对象发生跌倒之前的，预先确定的时间区间内的视频数据作为录像证据，并从已抓取的接触对象图像中，选择所标记的时间点在该时间区间内的接触对象图像，作为提取后续人员或车辆的身份信息的数据源。根据目标对象在发生跌倒之前的时间区间内的接触对象图像来进行身份信息提取，相比基于视频数据中所有其他对象进行身份信息提取的方式，进一步对视频数据中的其他对象进行了筛选，从而缩小了进行身份认定的范围，提高了身份信息提取的效率。
52.其中，可以通过跌倒检测算法来判断目标对象是否发生跌倒。具体地，可以通过背景差分法和形态学算法提取目标对象的骨架信息，再基于根据骨架的比例先粗判断目标对象是否跌倒，在判断目标对象已经为跌倒的状态下，用运动趋势分析目标对象是否存在下降趋势，以进行伪跌倒的筛检。在检测到目标对象发生跌倒后，可以直接对录像数据进行截取，并获取对应的接触对象图像。
53.另外地，从对应的信息库中匹配接触对象的身份信息，具体可以为在公安部门的人员信息系统，或交通部门的车辆信息系统中匹配接触对象的身份信息。例如，当接触对象为人体对象时，可以基于该接触对象图像，与人员信息系统中的人脸图片进行相似度对比，获取该接触对象的身份信息。在获得接触对象的身份信息后，可以与录像数据一并作为后期责任认定和查找造成目标对象跌倒的肇事对象的依据。
54.上述步骤s210至步骤s230，基于监控场景下的视频数据，实时获取监控场景下的目标对象与其他对象之间的监测距离，在出现监测距离小于预设的安全距离的情况下，抓取其他对象中与目标对象之间的监测距离小于安全距离的对象的图像，得到目标对象的接触对象图像，在检测到目标对象发生跌倒的情况下，根据目标对象发生跌倒之前所获取的所有的接触对象图像，从对应的信息库中匹配接触对象的身份信息。其实现了对监控场景中其他对象与目标对象之间距离的计算，基于该距离实现了对监控场景中其他对象的进一步筛选，缩小了身份信息提取的范围，从而提高了监控场景中发生跌事件时，与跌倒者可能产生接触的人员的身份信息提取的效率。
55.进一步地，在一个实施例中，基于上述步骤s230，接触对象图像中标记有时间点，时间点用于指示接触对象图像被抓取的时间，在检测到目标对象发生跌倒的情况下，根据目标对象发生跌倒之前所获取的所有的接触对象图像，从对应的信息库中匹配接触对象的身份信息，具体包括以下步骤：
56.步骤s231，在检测到目标对象发生跌倒的情况下，获取所标记的时间点在目标对象发生跌倒之前的预设时间区间内的接触对象图像。
57.其中，为接触对象图像标记当前时间点，可以用于后续进行身份信息提取时的时
间范围排查。
58.步骤s232，根据预设时间区间内的接触对象图像，从对应的信息库中匹配接触对象的身份信息。
59.另外地，在一个实施例中，基于上述步骤s210，基于监控场景下的视频数据，实时获取监控场景下的目标对象与其他对象之间的监测距离，具体包括以下步骤：
60.步骤s211，在基于监控场景下的视频数据，检测到监控场景下存在目标对象的情况下，统计监控场景下在目标对象的预设范围内的人群密度。
61.步骤s212，在人群密度大于预设的密度阈值的情况下，实时获取监控场景下的目标对象与预设范围内的其他对象之间的监测距离。
62.具体地，由于人群密集场景下发生人员碰撞、跌倒的概率相对人群稀疏场景而言较高，在人群密度大于预设的密度阈值的情况下，对目标对象与预设范围内的其他对象之间的监测距离进行计算，从而能够降低计算机系统的运算量，从而提高运算效率。
63.上述步骤s211至步骤s212，在检测到监控场景下存在目标对象的情况下，对该目标对象的预设范围内的人群密度进行统计，并在人群密度大于预设的密度阈值的情况下，实时获取监控场景下该目标对象与其他对象之间的监测距离，从而能够在目标对象出现于人群密集场景时，及时获取该目标对象的接触对象图像，从而能够在该目标对象在人群密集场景下发生跌倒的情况下，提高与跌倒者可能产生接触的人员的身份信息提取的效率。
64.进一步地，在一个实施例中，基于上述步骤s210，基于监控场景下的视频数据，实时获取监控场景下的目标对象与其他对象之间的监测距离，具体还包括以下步骤：
65.步骤s213，基于监控场景下的视频数据，实时对目标对象进行跟踪，并基于跟踪结果确定目标对象与其他对象之间的监测距离。
66.具体地，可以在识别出目标对象之后，利用视频跟踪算法，例如centernet对目标对象进行跟踪，在实现对该目标对象的跟踪后，可以在每帧视频数据中定位到该目标对象在像素坐标系中的坐标信息，并且基于该坐标信息计算每帧视频中该监控场景下的目标对象与其他对象之间的监测距离。
67.上述步骤s213通过对目标对象实时跟踪，基于跟踪结果确定目标对象与其他对象之间的监测距离，能够及时检测到监测距离小于安全距离的接触对象信息，从而提高基于监测距离抓取接触对象图像的准确度。
68.进一步地，在一个实施例中，基于上述步骤s213，上述方法还包括以下步骤：
69.步骤s214，在基于监控场景下的视频数据，对目标对象跟踪发生中断的情况下，根据监控场景下的雷达数据确定目标对象与其他对象之间的监测距离。
70.具体地，当监控场景中因人员、车辆活动，或者光线干扰，造成对目标对象的跟踪发生中断的情况下，可以通过采集监控场景下的雷达数据继续对该目标对象进行跟踪。其中，可以在监控场景中出现目标对象时，分别对该目标对象进行视频跟踪和雷达跟踪，再利用雷达与视频的对应关系，将雷达数据与视频数据进行关联，从而得到该目标对象与其他对象之间的监测距离。其中，雷达与视频的对应关系可以为雷达坐标系与像素坐标系之间的转换关系。
71.另外地，在利用雷达探测监控场景下其他对象与目标对象之间的监测距离时，可以通过雷达分别探测目标对象的坐标值和其他对象的坐标值，基于目标对象的坐标值和其
他对象的坐标值来确定目标对象与其他对象之间的监测距离。优选地，可以利用雷达摄像机中监控场景下的其他对象和目标对象分别进行探测，也可以利用独立于摄像机的雷达设备对该监控场景进行探测，在本实施例中不作具体限定。
72.上述步骤s214，在基于监控场景下的视频数据，对目标对象跟踪发生中断的情况下，根据监控场景下的雷达数据确定目标对象与其他对象之间的监测距离，降低了监控场景的环境因素的干扰和影响，实现了对目标对象的准确跟踪，和对监测距离的准确计算。
73.另外地，在一个实施例中，基于上述步骤s210，在基于监控场景下的视频数据，实时获取监控场景下的目标对象与其他对象之间的监测距离之前，还可以包括以下步骤：
74.步骤s215，利用预设的目标检测模型，基于视频数据，识别监控场景下的目标对象。
75.其中，该目标检测模型可以为卷积神经网络(convolutional neural networks，简称为cnn)模型。通过利用该目标检测模型，对监控场景中的人体对象进行年龄检测，将符合预设的年龄要求的人体对象作为目标对象，并对该目标对象进行跟踪。例如，可以预先设定目标对象的年龄区间，将通过目标检测模型得到的符合该年龄区间的人体对象作为目标对象。
76.另外地，在一个实施例中，在检测到目标对象发生跌倒的情况下，根据目标对象发生跌倒之前所获取的所有的接触对象图像，从对应的信息库中匹配接触对象的身份信息，还包括以下步骤：
77.步骤s233，若接触对象为行人，则从人脸信息库中匹配接触对象的身份信息。
78.步骤s234，若接触对象为车辆，则从车牌信息库中匹配接触对象的身份信息。
79.上述步骤s210至s234，基于监控场景下的视频数据，实时对目标对象进行跟踪，并基于跟踪结果确定目标对象与其他对象之间的监测距离，能够及时监测到与目标对象的监测距离小于安全距离的接触对象；在对目标对象跟踪发生中断的情况下，根据监控场景下的雷达数据确定目标对象与其他对象之间的监测距离，能够提高监测距离计算的准确度和鲁棒性；利用预设的目标检测模型识别监控场景下的目标对象，能够实现对目标对象的自动检测，避免人工主观判断造成的误检和漏检；在检测到目标对象发生跌倒的情况下，获取所标记的时间点在目标对象发生跌倒之前的预设时间区间内的接触对象图像，根据预设时间区间内的接触对象图像，从对应的信息库中匹配接触对象的身份信息，实现了对监控场景中其他对象的进一步筛选，缩小了身份信息提取的范围，从而提高了监控场景中发生跌事件时，与跌倒者可能产生接触的人员的身份信息提取的效率。
80.在本实施例中还提供了一种身份信息提取的方法。图3是该方法的流程图，如图3所示，该流程包括如下步骤：
81.步骤s310，在相机可视区域中检测到弱势群体，将其标记为目标对象；
82.步骤s320，相机开启录像；
83.步骤s330，确定目标对象与其他对象的安全距离；
84.步骤s340，将目标对象标记为雷达可感知的对象；
85.步骤s350，视频检测目标对象与其他对象的距离；
86.步骤s360，判断目标对象是否被遮挡，若是则执行步骤s370，否则执行步骤s380；
87.步骤s370，雷达检测目标对象与其他对象的距离；
88.步骤s380，若目标对象与其他对象的距离小于安全距离，则将该其他对象作为接触对象，抓取接触对象图像并标记时间点；
89.步骤s390，在监测到目标对象摔倒的情况下，查找时间跨度内的接触对象图像；
90.步骤s400，从人脸库/车牌库查找图片与接触对象图像进行匹配，获取肇事对象信息；
91.步骤s410，将肇事对象信息与录像数据作为责任认定依据归档。
92.在本实施例中还提供了一种身份信息提取装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。以下所使用的术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管在以下实施例中所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
93.图4是本实施例的身份信息提取装置40的结构框图，如图4所示，该身份信息提取装置40包括：第一获取模块42、第二获取模块44以及匹配模块46，其中：
94.第一获取模块42，用于基于监控场景下的视频数据，实时获取监控场景下的目标对象与其他对象之间的监测距离；
95.第二获取模块44，用于在出现监测距离小于预设的安全距离的情况下，抓取其他对象中与目标对象之间的监测距离小于安全距离的对象的图像，得到目标对象的接触对象图像；
96.匹配模块46，用于在检测到目标对象发生跌倒的情况下，根据目标对象发生跌倒之前所获取的所有的接触对象图像，从对应的信息库中匹配接触对象的身份信息。
97.上述身份信息提取装置40，基于监控场景下的视频数据，实时获取监控场景下的目标对象与其他对象之间的监测距离，在出现监测距离小于预设的安全距离的情况下，抓取其他对象中与目标对象之间的监测距离小于安全距离的对象的图像，得到目标对象的接触对象图像，在检测到目标对象发生跌倒的情况下，根据目标对象发生跌倒之前所获取的所有的接触对象图像，从对应的信息库中匹配接触对象的身份信息。其实现了对监控场景中其他对象与目标对象之间距离的计算，基于该距离实现了对监控场景中其他对象的进一步筛选，缩小了身份信息提取的范围，从而提高了监控场景中发生跌事件时，与跌倒者可能产生接触的人员的身份信息提取的效率。
98.在一个实施例中，匹配模块46还用于在检测到目标对象发生跌倒的情况下，获取所标记的时间点在目标对象发生跌倒之前的预设时间区间内的接触对象图像；根据预设时间区间内的接触对象图像，从对应的信息库中匹配接触对象的身份信息。
99.在一个实施例中，第一获取模块42还用于在基于监控场景下的视频数据，检测到监控场景下存在目标对象的情况下，统计监控场景下在目标对象的预设范围内的人群密度；在人群密度大于预设的密度阈值的情况下，实时获取监控场景下的目标对象与预设范围内的其他对象之间的监测距离。
100.在一个实施例中，第一获取模块42还用于基于监控场景下的视频数据，实时对目标对象进行跟踪，并基于跟踪结果确定目标对象与其他对象之间的监测距离。
101.在一个实施例中，身份信息提取装置40还包括第三获取模块，第三获取模块用于在基于监控场景下的视频数据，对目标对象跟踪发生中断的情况下，根据监控场景下的雷达数据确定目标对象与其他对象之间的监测距离。
102.在一个实施例中，身份信息提取装置40还包括识别模块，识别模块用于利用预设的目标检测模型，基于视频数据，识别监控场景下的目标对象。
103.在一个实施例中，匹配模块46还用于若接触对象为行人，则从人脸信息库中匹配接触对象的身份信息；若接触对象为车辆，则从车牌信息库中匹配接触对象的身份信息。
104.需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
105.在本实施例中还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
106.可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
107.可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
108.基于监控场景下的视频数据，实时获取监控场景下的目标对象与其他对象之间的监测距离；
109.在出现监测距离小于预设的安全距离的情况下，抓取其他对象中与目标对象之间的监测距离小于安全距离的对象的图像，得到目标对象的接触对象图像；
110.在检测到目标对象发生跌倒的情况下，根据目标对象发生跌倒之前所获取的所有的接触对象图像，从对应的信息库中匹配接触对象的身份信息。
111.在一些实施例中，处理器执行计算机程序时还实现以下步骤：
112.在检测到目标对象发生跌倒的情况下，获取所标记的时间点在目标对象发生跌倒之前的预设时间区间内的接触对象图像；
113.根据预设时间区间内的接触对象图像，从对应的信息库中匹配接触对象的身份信息。
114.在一些实施例中，处理器执行计算机程序时还实现以下步骤：
115.在基于监控场景下的视频数据，检测到监控场景下存在目标对象的情况下，统计监控场景下在目标对象的预设范围内的人群密度；
116.在人群密度大于预设的密度阈值的情况下，实时获取监控场景下的目标对象与预设范围内的其他对象之间的监测距离。
117.在一些实施例中，处理器执行计算机程序时还实现以下步骤：
118.基于监控场景下的视频数据，实时对目标对象进行跟踪，并基于跟踪结果确定目标对象与其他对象之间的监测距离。
119.在一些实施例中，处理器执行计算机程序时还实现以下步骤：
120.在基于监控场景下的视频数据，对目标对象跟踪发生中断的情况下，根据监控场景下的雷达数据确定目标对象与其他对象之间的监测距离。
121.在一些实施例中，处理器执行计算机程序时还实现以下步骤：
122.利用预设的目标检测模型，基于视频数据，识别监控场景下的目标对象。
123.在一些实施例中，处理器执行计算机程序时还实现以下步骤：
124.若接触对象为行人，则从人脸信息库中匹配接触对象的身份信息；
125.若接触对象为车辆，则从车牌信息库中匹配接触对象的身份信息。
126.需要说明的是，在本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，在本实施例中不再赘述。
127.在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种身份信息提取方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
128.此外，结合上述实施例中提供的身份信息提取方法，在本实施例中还可以提供一种存储介质来实现。该存储介质上存储有计算机程序；该计算机程序被处理器执行时实现上述实施例中的任意一种身份信息提取方法。
129.应该明白的是，这里描述的具体实施例只是用来解释这个应用，而不是用来对它进行限定。根据本技术提供的实施例，本领域普通技术人员在不进行创造性劳动的情况下得到的所有其它实施例，均属本技术保护范围。
130.显然，附图只是本技术的一些例子或实施例，对本领域的普通技术人员来说，也可以根据这些附图将本技术适用于其他类似情况，但无需付出创造性劳动。另外，可以理解的是，尽管在此开发过程中所做的工作可能是复杂和漫长的，但是，对于本领域的普通技术人员来说，根据本技术披露的技术内容进行的某些设计、制造或生产等更改仅是常规的技术手段，不应被视为本技术公开的内容不足。
[0131]“实施例”一词在本技术中指的是结合实施例描述的具体特征、结构或特性可以包括在本技术的至少一个实施例中。该短语出现在说明书中的各个位置并不一定意味着相同的实施例，也不意味着与其它实施例相互排斥而具有独立性或可供选择。本领域的普通技术人员能够清楚或隐含地理解的是，本技术中描述的实施例在没有冲突的情况下，可以与其它实施例结合。
[0132]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对专利保护范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。