对象锁定方法及系统与流程

本申请涉及对象监控领域，尤其涉及一种对象锁定方法及系统。

背景技术：

随着信息技术的发展，对象监控设备的应用越来越广泛。在一种应用场景中，对象监控设备被用于锁定可疑目标。例如，在某些公共场所，采用对象监控设备进行可疑分子的锁定或者罪犯的筛查。

现有技术中，采用对象监控设备在公共场所中进行对象锁定时，无法有效地锁定移动中的目标对象。

技术实现要素：

有鉴于此，本申请实施例提供一种对象锁定方法及系统，用于提升对象锁定的准确性以及有效性。

本申请实施例提供一种对象锁定方法，包括：第一对象监控设备对第一监控区域进行图像采集，以获得包含潜在可疑对象的第一视频图像；所述第一对象监控设备指示第二对象监控设备在第二监控区域内采集并回传包含所述潜在可疑对象的第二视频图像；所述第一对象监控设备根据所述第一视频图像和所述第二视频图像，确定所述潜在可疑对象为目标可疑对象。

进一步可选地，所述第一对象监控设备指示第二对象监控设备在第二监控区域内采集并回传包含所述潜在可疑对象的第二视频图像，包括：当丢失所述潜在可疑对象时，所述第一对象监控设备广播所述潜在可疑对象的图像识别特征，以指示所述第二对象监控设备基于所述图像识别特征在所述第二监控区域内采集并回传所述第二视频图像；其中，所述图像识别特征为所述第一对象监控设备从所述第一视频图像中提取的表征所述潜在可疑对象的特征。

进一步可选地，所述第一对象监控设备对第一监控区域进行图像采集，以获得包含潜在可疑对象的第一视频图像，包括：所述第一对象监控设备对所述第一监控区域进行图像采集，以获得所述第一视频图像；所述第一对象监控设备标定所述第一视频图像中的至少一个对象；基于已知的可疑特征和所述至少一个对象各自的至少一个特征，从所述至少一个对象中确定所述潜在可疑对象。

进一步可选地，所述基于已知的可疑特征和所述至少一个对象各自的至少一个特征，从所述至少一个对象中确定所述潜在可疑对象，包括：对所述至少一个对象中的任一对象，基于所述已知的可疑特征，计算所述对象的至少一个特征的异常分数；对所述对象的至少一个特征的异常分数进行加权计算，以得到所述对象对应的异常分数；若所述对象对应的异常分数大于预设的第一阈值，则确定所述对象为所述潜在可疑对象。

进一步可选地，所述第一对象监控设备根据所述第一视频图像和所述第二视频图像，确定所述潜在可疑对象为目标可疑对象，包括：从所述第一视频图像以及所述第二视频图像中，提取所述潜在可疑对象的至少一个特征；基于已知的可疑特征以及所述潜在可疑对象的至少一个特征，确定所述潜在可疑对象为所述目标可疑对象。

进一步可选地，所述基于已知的可疑特征以及所述潜在可疑对象的至少一个特征，确定所述潜在可疑对象为所述目标可疑对象，包括：基于所述已知的可疑特征，计算所述潜在可疑对象的至少一个特征的异常分数；对所述潜在可疑对象的至少一个特征的异常分数进行加权计算，以得到所述潜在对象对应的异常分数；若所述潜在对象对应的异常分数大于预设的第二阈值，则确定所述潜在可疑对象为所述目标可疑对象。

进一步可选地，所述潜在可疑对象的至少一个特征包括：面部和/或行为特征。

本申请实施例提供一种对象锁定系统，包括：第一对象监控设备以及第二对象监控设备；

所述第一对象监控设备用于：对第一监控区域进行图像采集，以获得包含潜在可疑对象的第一视频图像；指示第二对象监控设备在第二监控区域内采集并回传包含所述潜在可疑对象的第二视频图像；根据所述第一视频图像和所述第二视频图像，确定所述潜在可疑对象为目标可疑对象；

第二对象监控设备用于：根据所述第一对象监控设备的指示，在第二监控区域内采集并回传包含所述潜在可疑对象的第二视频图像。

进一步可选地，所述第一对象监控设备用于：当丢失所述潜在可疑对象时，所述第一对象监控设备广播所述潜在可疑对象的图像识别特征，以指示所述第二对象监控设备基于所述图像识别特征在所述第二监控区域内采集并回传所述第二视频图像；其中，所述图像识别特征为所述第一对象监控设备从所述第一视频图像中提取的表征所述潜在可疑对象的特征。

进一步可选地，所述第一对象监控设备用于：从所述第一视频图像以及所述第二视频图像中，提取所述潜在可疑对象的至少一个特征；基于已知的可疑特征以及所述潜在可疑对象的至少一个特征，确定所述潜在可疑对象为所述目标可疑对象。

本申请实施例提供的对象锁定方法及系统，第一对象监控设备在其监控的第一监控区域采集包含潜在可疑对象的第一视频图像并指示第二对象监控设备在第二监控区域采集包含潜在可疑对象的第二视频图像；基于第一视频图像和第二视频图像，判断所述潜在可疑对象是否为目标可疑对象，克服了对象监控设备在公共场所进行对象锁定时，无法有效锁定移动中的目标对象的缺陷，提升了对象锁定的效率以及准确率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的一种对象锁定系统的结构示意图；

图2是本申请实施例提供的对象锁定方法的实施例一的流程示意图；

图3是本申请实施例提供的对象锁定方法的实施例二的流程示意图；

图4是本申请实施例提供的对象锁定方法的实施例三的流程示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1是本申请实施例提供的对象锁定系统的结构示意图。如图1所示，该对象锁定系统包括第一对象监控设备11以及第二对象监控设备12。在实际应用中，所述第一对象监控设备11以及上述第二对象监控设备12可以是具有对象监控功能的机器人。

其中，根据公共场所等任意被监控场所的范围，可以布设一个或多个第二对象监控设备12。优选的，第二对象监控设备12的数量需保证在结合第一对象监控设备11的基础上能够完全覆盖被监控场所。在图1中，示出多个第二对象监控设备12，但不限于多个。

在本实施例提供的对象锁定系统中，第一对象监控设备11为对象锁定系统中的主控对象监控设备，具有拍摄功能、数据处理功能以及与系统中其他对象监控设备通信等功能，其监控区域为第一监控区域。

第二对象监控设备12具有拍摄功能、数据处理功能以及与系统中其他对象监控设备通信等功能。第二对象监控设备12对应的监控区域为第二监控区域。应当理解，任意一个第二对象监控设备12都对应一个第二监控区域。第一对象监控设备11以及至少一个第二对象监控设备12实现了对被监控场所的全面监控覆盖。例如，标记被监控场所的范围为A，标记第一监控区域为A0，标记第二监控区域为Ai，i∈[1,N]，其中N为正整数，则

其中，对第一对象监控设备11来说，其在对象锁定过程中的主要功能是：对第一监控区域进行图像采集，以获得包含潜在可疑对象的第一视频图像；指示第二对象监控设备12在第二监控区域内采集并回传包含潜在可疑对象的第二视频图像；根据第一视频图像和第二视频图像，确定潜在可疑对象为目标可疑对象。

对第二对象监控设备12来说，其在对象锁定过程中的主要功能是：根据第一对象监控设备11的指示，在第二监控区域内采集并回传包含潜在可疑对象的第二视频图像。

第一对象监控设备11在第一监控区域进行图像采集，以获得包含潜在可疑对象的第一视频图像，有如下可选的实施方式：

在第一监控区域中，第一对象监控设备11对第一监控区域进行图像采集，获得第一视频图像。针对第一视频图像，第一对象监控设备11标定第一视频图像中的至少一个对象。基于已知的可疑特征和至少一个对象各自的至少一个特征，从至少一个对象中确定潜在可疑对象。

其中，上述至少一个对象为第一对象监控设备11在拍摄到的第一视频图像中标定的对象。可选的，对第一视频图像中包含的对象进行标定可通过基于神经网络的快速区域检测(Faster-Region-based Convolutional Neural Networks，Faster-RCNN)算法实现。Faster-RCNN算法解决了计算机视觉领域中目标检测的问题，其算法主要包括候选区域生成，特征提取，分类，位置精修等步骤。Faster-RCNN算法将目标检测的四个步骤统一到一个深度网络框架之内，步骤之间的计算没有重复，完全在图形处理器(Graphics Processing Unit，GPU)中完成，大大提高了运行速度。与此同时，Faster-RCNN算法在目标检测上漏检率以及虚报率低，为实现高准确率的对象锁定奠定了基础。

其中，对从第一视频图像中标定的任一对象，其至少一个特征包括：面部和/或行为特征。例如，第一对象监控设备11在第一监控区域内拍摄到的第一视频图像中标定10个对象，分别获取这10个对象中任一对象对应的面部和/或行为特征。

其中，所述已知的可疑特征可以是第一对象监控设备11接收到的云端下发的，也可以是第一对象监控设备11从本地资料库读取的。所述已知的可疑特征包括目标可疑对象的面部特征和/或行为特征，在不同应用场景下包含不同的内容。例如，当本申请实施例提供的对象锁定系统用于在银行或者火车站等场所锁定可疑或危险人员时，所述已知的可疑特征可以包括：公安系统公布的嫌疑犯的照片、嫌疑犯的行为特征，例如尾随行为、掏口袋行为、手持工具行为等。又例如，当本申请实施例提供的对象锁定系统用于在公共场锁定走失儿童时，所述已知的可疑特征可以包括：被锁定对象的身高范围、逗留时间、面部表情、服装色彩种类等。

在基于上述实施方式获取到至少一个对象各自的至少一个特征之后，第一对象监控设备11基于上述已知的可疑特征和至少一个对象各自的至少一个特征，从至少一个对象中确定潜在可疑对象。可选的，第一对象监控设备11可通过如下的方式确定潜在可疑对象：基于已知的可疑特征和至少一个对象各自的至少一个特征计算至少一个对象的异常分数；对至少一个对象中的任一对象，若所述对象对应的异常分数大于预设的第一阈值，则确定所述对象为所述潜在可疑对象。其中，所述第一阈值为经验值，其取值可根据应用场景、应用需求等因素适应性设置，本申请实施例不做限制。

针对所述至少一个对象中的任一对象，基于已知的可疑特征和该对象的至少一个特征计算所述对象的异常分数，可以包括如下可行的实施方式：其一，计算该对象的至少一个特征的异常分数，从该至少一个特征的异常分数中选取最大值作为该对象的异常分数。其二，计算该对象的至少一个特征的异常分数，对至少一个特征的异常分数进行预设计算，以计算结果作为该对象的异常分数。当然，本申请实施例包括但不仅限于上述两种计算任一对象的异常分数的方法。

可选的，上述预设计算为加权计算。即，得到该对象的至少一个特征的异常分数后，对该对象的至少一个特征的异常分数进行加权计算，将所述加权计算得到的结果作为该对象对应的异常分数。对该对象的至少一个特征的异常分数进行加权计算时，每一个特征对应的权重是预先设置的，可以保存在第一对象监控设备11的本地内存，也可以通过云端实时下发至第一对象监控设备11。针对每个特征，可以分别根据面部识别以及行为识别的经验进行权重设置。例如，面部识别中，预先设置眉毛的权重为0.05，眼睛的权重为0.2，鼻子的权重为0.5，嘴巴的权重为0.2，脸部轮廓的权重为0.05。假设第一对象监控设备11在第一视频图像提取到的对某一对象的上述五个特征的异常分数分别为20、60、75、50、50，则：

该对象的异常分数＝0.05*20+0.2*60+0.5*75+0.2*50+0.05*50。

采用上述实施方式对第一对象监控设备11标定的任一对象的至少一个特征的异常分数进行加权计算，通过综合该对象的每一特征的异常分数，使得该对象的异常分数计算结果更加合理，在判断该对象是否为潜在可疑对象时，有利于极大地降低误判率。当然，上述的数字仅供举例使用，不对本申请实施例构成任何限制。

可选的，在对该对象的至少一个特征的异常分数进行加权计算之前，预先计算该对象的至少一个特征的异常分数：针对该对象的至少一特征中任一特征，计算该特征与已知的可疑特征中的相应特征的相似度，标记为S。以将S、k*S或k*S+b作为该特征的异常分数，其中，k为比例系数，b为常实数。其中，所述的该特征与已知的可疑特征中的相应特征的相似度，应当理解为在所述已知的可疑特征中查询与该特征同一类别的特征，并计算二者相似度。例如，第一对象监控设备11读取到的已知的可疑特征中，包括人脸图像特征分布M1、人脸图像特征分布M2、人脸图像特征分布M3，动作特征1、动作特征2。第一对象监控设备11获取到的第一对象的第一特征为：人脸图像特征分布M，则针对该第一特征，第一对象监控设备11从上述已知的可疑特征中读取M1、M2以及M3，分别计算M与M1的相似度、M与M2的相似度、M与M3的相似度。

在一种可行的实施方式中，第一对象监控设备11在锁定潜在可疑对象之后，立即广播所述潜在可疑对象的图像识别特征。其中，所述图像识别特征为所述第一对象监控设备11从所述第一视频图像中提取的表征所述潜在可疑对象的特征。由于拍摄环境的复杂，例如行人之间的遮挡、拍摄光线差，第一对象监控设备11在锁定潜在可疑对象之后，根据第一对象监控设备11能够拍摄到的第一视频图像无法确定所述潜在可以对象是目标可疑对象。在本实施方式中，第一对象监控设备11广播所述潜在可疑对象的图像识别特征值之后，第二对象监控设备12根据该图像识别可疑特征在第二监控区域内跟踪拍摄该潜在可疑对象并回传包含所述潜在可疑对象的第二视频图像。从而，第一对象监控设备11根据自身拍摄到的包含潜在可疑对象的第一视频图像和第二视频图像判断所述潜在可疑对象是否为目标可疑对象。上述实施方式通过至少两个对象监控设备同步对潜在可疑对象进行跟踪拍摄，提升了潜在可疑对象的相关视频图像的获取效率，进一步提升了目标可疑对象锁定的精准度以及时效性。

在另一种可行的实施方式中，第一对象监控设备11在锁定潜在可疑对象之后，若第一对象监控设备11丢失所述潜在可疑对象(所述潜在可疑对象不在第一监控区域内)，尤其是在第一对象监控设备11尚未确定潜在可疑对象是否为目标可疑对象之前丢失潜在可疑对象时，第一对象监控设备11广播所述潜在可疑对象的图像识别特征，以指示所述第二对象监控设备12基于所述图像识别特征在所述第二监控区域内采集并回传所述第二视频图像，以便于基于第二对象监控设备12回传的第二视频图像继续监控潜在可疑对象。

通常，当被监控的区域较大时，一个对象监控设备的监控面积无法覆盖整个被监控区域。当第一对象监控设备11还未判断其锁定的潜在可疑对象是否为目标可疑对象，且该潜在可疑对象已不在第一对象监控设备11所监控的第一监控区域内时，第一对象监控设备11无法持续获得有效的视频图像来对该潜在可疑对象做进一步的判断，从而可能导致对象锁定超时或对象锁定失败。基于本实施方式，第一对象监控设备11在检测到所述潜在可疑对象不在第一监控区域后，广播所述潜在可疑对象的图像识别特征。第二对象监控设备12根据基于所述图像识别特征在所述第二监控区域内采集并回传所述第二视频图像。从而，第一对象监控设备11根据自身拍摄到的包含潜在可疑对象的第一视频图像和第二视频图像继续监控潜在可疑对象，进而判断所述潜在可疑对象是否为目标可疑对象。上述实施方式克服了第一对象监控设备11存在盲区造成的对象锁定成功率低的缺陷，实现了有效地可持续追踪与对象锁定。

在上述实施例中，第一对象监控设备11可以采用预设的通信协议，想第二对象监控设备12发送图像识别特征。关于第一对象监控设备11与第二对象监控设备12之间通信方式可采用任何已有通信方式实现，此处不赘述。

对于第二对象监控设备12，可根据第一对象监控设备11的指示，在其所监控的第二监控区域采集潜在可疑对象对应的第二视频图像。其中，所述潜在可疑对象是所述述第一对象监控设备11通过对第一监控区域进行图像采集并分析锁定的对象。

可选的，第二对象监控设备12基于所述图像识别特征在所述第二监控区域内采集并回传所述第二视频图像，包括：第二对象监控设备12在第二监控区域内拍摄，得到视频图像；对该视频图像进行对象标定，获得该视频图像中包含的至少一个对象；针对该至少一个对象中的任一对象，获取该对象的至少一个特征，如面部特征和/或行为特征；计算该对象的至少一个特征与第一对象监控设备11确定的所述潜在可疑对象的图像识别特征中相应的特征之间的相似度，得到至少一个相似度；从该至少一个相似度中选择最大值作为该对象与所述潜在可疑对象之间的相似度，或者将该至少一个相似度的加权结果作为该对象与所述潜在可疑对象之间的相似度；若该对象与所述潜在可疑对象之间的相似度大于预设的相似度范围，则将该对象所在的视频图像作为第二视频图像回传至第一对象监控设备11。

在获得自身拍摄的第一视频图像以及第二对象监控设备12拍摄到的第二视频图像之后，第一对象监控设备11，根据所述第一视频图像和所述第二视频图像，确定所述潜在可疑对象为目标可疑对象。

第一对象监控设备11确定所述潜在可疑对象为目标可疑对象的过程可通过如下可选的实施方式实现：第一对象监控设备11从所述第一视频图像以及所述第二视频图像中，提取所述潜在可疑对象的至少一个特征；基于已知的可疑特征以及所述潜在可疑对象的至少一个特征，确定所述潜在可疑对象为目标可疑对象。

其中，所述已知的可疑特征参见前述记载，不再赘述。可选的，第一对象监控设备11基于已知的可疑特征以及所述潜在可疑对象的至少一个特征，确定所述潜在可疑对象为所述目标可疑对象，包括：基于所述已知的可疑特征，计算所述潜在可疑对象的至少一个特征的异常分数；对所述潜在可疑对象的至少一个特征的异常分数进行加权计算，以得到所述潜在对象对应的异常分数；若所述潜在对象对应的异常分数大于预设的第二阈值，说明可疑度较高，则确定所述潜在可疑对象为所述目标可疑对象。若所述潜在对象对应的异常分数小于等于预设的第二阈值，说明可疑度较低，则可以解除对所述潜在可疑对象的嫌疑，不再追踪拍摄。其中，所述第二阈值为经验值，本申请实施例不做限制。

需要说明的是，对从第一视频图像和第二视频图像中都能提取到的特征，会根据第一视频图像和第二视频图像分别计算得到该特征的异常分数，在确定是否为目标可疑对象时使用到的该特征对应的异常分数，可选择根据第一视频图像和第二视频图像分别计算得到的异常分数中较大的，或者可取根据第一视频图像和第二视频图像分别计算得到的异常分数的均值。当然上述计算同一特征的异常分数的平均值的方式仅供举例，本申请实施例包括但不仅限于此。在确定目标可以对象之后，第一对象监控设备11可以发出危险警报或请求人工进行目标可疑对象的抓捕等，视具体应用场景而定。

本实施例提供的对象锁定系统，第一对象监控设备在其监控的第一监控区域采集包含潜在可疑对象的第一视频图像并指示第二对象监控设备在第二监控区域采集包含潜在可疑对象的第二视频图像；基于第一视频图像和第二视频图像，判断所述潜在可疑对象是否为目标可疑对象，克服了对象监控设备在公共场所进行对象锁定时，无法有效锁定移动中的目标对象的缺陷，提升了对象锁定的效率以及准确率。

图1提供的对象锁定系统有多种应用场景，例如，应用在银行办事大厅、展览厅、学校校门口、商场、火车站等人流比较密集的区域辅助安保或者寻找走失儿童。以下部分将以该对象锁定系统应用于公共场锁定走失儿童为例，对本申请实施例提供的对象锁定系统进行进一步说明。

假设对象监控设备11从服务端获取到的已知的可疑特征为：目标可疑对象的身高在1米～1.4米之间、目标可疑对象的移动速度在0米/秒～0.5米/秒、目标可疑对象的服装色彩种类在3～6之间。假设上述三个已知的可疑特征对应的权重分别为0.4、0.4、0.2。

第一对象监控设备11在第一监控区域连续拍摄视频图像并标定拍摄到的视频图像中的至少一个对象。针对拍摄到的第一对象，第一对象监控设备11提取该第一对象的身高、移动速度以及色彩分布等三个特征。假设提取到的三个特征分别为：该对象的身高为1.2米、该对象的移动速度为2米/秒(儿童惊慌失措地四处跑动)、该对象的服装色彩种类为3种。计算三个特征各自对应的异常分数(以下均为假设值)：该对象的身高的异常分数为100、该对象的色彩分布的异常分数为80、该对象的移动速度的异常分数为20。假设：判断潜在可疑对象的第一阈值为60，判断目标可疑对象的第二阈值为80分。则该第一对象的异常分数为：0.4*100+0.4*20+0.2*80>60，判定该对象为可能是走失儿童，但是由于0.4*100+0.4*20+0.2*80<80，故不能完全确定该对象确实是走失儿童，需要持续的跟踪拍摄。

在锁定潜在走失儿童之后，假设该潜在走失儿童跑到了第二监控区域，第一对象监控设备11无法持续跟踪拍摄，第一对象监控设备11将提取到的第一对象的图像识别特征值，例如：第一对象的身高、色彩分布、面部特征等信息广播出去。第二对象监控设备在其监控范围内根据上述图像识别特征值持续跟踪第一对象并回传对第一对象的持续拍摄结果。假设，第二对象监控设备拍摄到在第二监控区域，第一对象身高为1.2米、服装色彩种类为3种、移动速度为0.3米/秒(儿童找不到监护人在原地打转)，计算得到该对象的身高的异常分数为100、移动速度的异常分数为90分、色彩分布的异常分数为80。则该第一对象的异常分数为：

0.4*[(100+100)/2]+0.4*[(90+20)/2]+0.2*[(80+80)/2]>80，判定该对象为可能是走失儿童，第一对象监控设备11请求人工帮助，救助走失儿童。

图2是本申请实施例提供的对象锁定方法的实施例一的流程示意图。结合图，该方法包括：

步骤201、第一对象监控设备对第一监控区域进行图像采集，以获得包含潜在可疑对象的第一视频图像。

步骤202、所述第一对象监控设备指示第二对象监控设备在第二监控区域内采集并回传包含所述潜在可疑对象的第二视频图像。

步骤203、所述第一对象监控设备根据所述第一视频图像和所述第二视频图像，确定所述潜在可疑对象为目标可疑对象。

本实施例中，第一对象监控设备在其监控的第一监控区域采集包含潜在可疑对象的第一视频图像并指示第二对象监控设备在第二监控区域采集包含潜在可疑对象的第二视频图像；基于第一视频图像和第二视频图像，判断所述潜在可疑对象是否为目标可疑对象，克服了对象监控设备在公共场所进行对象锁定时，无法有效锁定移动中的目标对象的缺陷，提升了对象锁定的效率以及准确率。

图3是本申请实施例提供的对象锁定方法的实施例二的流程示意图。结合图，该方法包括：

步骤301、第一对象监控设备对第一监控区域进行图像采集，以获得包含潜在可疑对象的第一视频图像。

步骤302、当丢失所述潜在可疑对象时，所述第一对象监控设备广播所述潜在可疑对象的图像识别特征，以指示所述第二对象监控设备基于所述图像识别特征在所述第二监控区域内采集并回传所述第二视频图像。

其中，所述图像识别特征为所述第一对象监控设备从所述第一视频图像中提取的表征所述潜在可疑对象的特征。

步骤303、所述第一对象监控设备根据所述第一视频图像和所述第二视频图像，确定所述潜在可疑对象为目标可疑对象。

本实施例中，第一对象监控设备在其监控的第一监控区域采集包含潜在可疑对象的第一视频图像。当所述潜在可疑对象离开第一监控区域从而第一对象监控设备无法持续监控所述潜在可疑对象时，所述第一对象监控设备广播所述潜在可疑对象的图像识别特征以指示第二对象监控设备在第二监控区域采集包含潜在可疑对象的第二视频图像；基于第一视频图像和第二视频图像，判断所述潜在可疑对象是否为目标可疑对象，克服了对象监控设备在公共场所进行对象锁定时，拍摄盲区造成的对象锁定成功率低的缺陷，实现了有效地可持续追踪与对象锁定。

图4是本申请实施例提供的对象锁定方法的实施例三的流程示意图。结合图，该方法包括：

步骤401、第一对象监控设备对第一监控区域进行图像采集，以获得所述第一视频图像。

步骤402、所述第一对象监控设备标定所述第一视频图像中的至少一个对象。

步骤403、所述第一对象监控设备基于已知的可疑特征和所述至少一个对象各自的至少一个特征，从所述至少一个对象中确定所述潜在可疑对象。

步骤404、所述第一对象监控设备指示第二对象监控设备在第二监控区域内采集并回传包含所述潜在可疑对象的第二视频图像。

步骤405、所述第一对象监控设备从所述第一视频图像以及所述第二视频图像中，提取所述潜在可疑对象的至少一个特征。

步骤406、所述第一对象监控设备基于已知的可疑特征以及所述潜在可疑对象的至少一个特征，确定所述潜在可疑对象为所述目标可疑对象。

本实施例中，第一对象监控设备在确定潜在可疑对象时，针对第一视频图像中的任一对象，采用加权的计算方式计算该对象的异常分数。基于得到的该对象的异常分数判断该对象是否为潜在可疑对象，漏检率低。同理，在第一对象监控设备确定目标可疑对象的过程中，采用加权计算的处理方式计算潜在可疑对象的异常分数，降低了误判率，实现了高效率的对象锁定。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上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精神和范围。