CN101081513A - 机器人视觉系统在有遮挡情况下对特定人的跟踪方法 - Google Patents
机器人视觉系统在有遮挡情况下对特定人的跟踪方法 Download PDFInfo
- Publication number
- CN101081513A CN101081513A CN 200610012060 CN200610012060A CN101081513A CN 101081513 A CN101081513 A CN 101081513A CN 200610012060 CN200610012060 CN 200610012060 CN 200610012060 A CN200610012060 A CN 200610012060A CN 101081513 A CN101081513 A CN 101081513A
- Authority
- CN
- China
- Prior art keywords
- target
- situation
- tracking
- model
- module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 18
- 230000000903 blocking effect Effects 0.000 claims description 42
- 238000001514 detection method Methods 0.000 claims description 18
- 238000005352 clarification Methods 0.000 claims description 2
- 230000001419 dependent effect Effects 0.000 claims description 2
- 238000005315 distribution function Methods 0.000 claims description 2
- 230000036541 health Effects 0.000 claims description 2
- 230000003068 static effect Effects 0.000 claims description 2
- 238000012546 transfer Methods 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 abstract description 32
- 238000005516 engineering process Methods 0.000 abstract description 9
- 230000008569 process Effects 0.000 abstract description 4
- 238000012545 processing Methods 0.000 abstract description 2
- 238000000638 solvent extraction Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- MFRCZYUUKMFJQJ-UHFFFAOYSA-N 1,4-dioxane-2,5-dione;1,3-dioxan-2-one Chemical compound O=C1OCCCO1.O=C1COC(=O)CO1 MFRCZYUUKMFJQJ-UHFFFAOYSA-N 0.000 description 1
- 241000243251 Hydra Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000005183 dynamical system Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- QRXWMOHMRWLFEY-UHFFFAOYSA-N isoniazide Chemical compound NNC(=O)C1=CC=NC=C1 QRXWMOHMRWLFEY-UHFFFAOYSA-N 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明属于图像处理技术领域，公开一种机器人视觉系统在有遮挡情况下对特定人的跟踪方法。建立目标遮挡检测模块，建立无遮挡目标跟踪模块，建立被遮挡目标跟踪模块，建立最终目标图像模块。本发明针对移动机器人跟踪特定人的问题提出了一套有效的跟踪算法，在跟踪过程中，可以解决摄像头存在覆盖的区域变化大的问题；以及可动摄像头的方法计算量相对较大，难以适应机器人平台的实时性要求的问题；部分遮挡和完全遮挡情况。相比与背景技术中提到的各种算法，本发明的方法适合在移动机器人视觉部分遮挡，更适合对于变化快、鲁棒性要求高以及需要处理完全遮挡情况的场合中使用。
Description
技术领域
本发明属于图像处理技术领域，涉及在移动机器人平台上的图像跟踪技术，特别是对视频图像中有遮挡情况下对特定人的跟踪。
背景技术
带有视觉系统的移动机器人技术可以广泛应用于重要场所保安、公共和家庭服务以及科技展示等方面。其中视觉系统的一个关键技术就是运动机器人平台上对特定可动物体的视觉跟踪。同时，移动机器人特殊的应用环境要求这种跟踪技术不仅能够满足通用要求，包括遮挡情况和多视角等问题，也能够适用于机器人运动带来的特殊问题，包括剧烈的光照变化、环境背景变化、运动带来的不确定性和高鲁棒性的要求。
在视觉跟踪领域内，遮挡的处理方法一般可分为两类，第一类是使用固定摄像头的方法，第二类是使用可动摄像头的方法，目前这个领域内的研究以第一种方法为主。
1.固定摄像头
对于固定位置的摄像头(摄像头覆盖的区域范围基本不变)，处理遮挡的方法基本可分为两类：合并-分割算法(Merge-Split)和交叉通过算法(Straight-Through)。其中：
合并-分割算法如文献所述：
[Yang 2005]Tao Yang，Stan Z.Li，Quan Pan，Jing Li，“Real-TimeMultiple Objects Tracking with Occlusion Handling in Dynamic Scenes，”2005 IEEE Computer Society Conference on Computer Vision and PatternRecognition(CVPR′05)-Volume 1，pp.970-975，2005；
[Brémond 1998]F.Brémond and M.Thonnat，“Tracking multiplenonrigid objects in video sequences，”In IEEE Trans.on Circuits andSystems for Video Techniques，1998.；
[McKenna 2000]S.McKenna，S.Jabri，Z.Duric，and H.Wechsler，“Tracking Groups of People，”In Computer Vision and Image Understanding，2000.；
[Haritaoglu 1998]I.Haritaoglu，D.Harwood，L.S.DaVis，“W4s：AReal-Time System for Detecting and Tracking People in
D，”In the 5thEuropean Conference on Computer Vision，1998.；
[Piater 2001]J.H.Piater and J.L.Crowley，“Multi-modal tracking ofinteracting targets using Gaussian approximations,”In Second IEEEInternational Workshop on Performance Evaluation of Tracking andSurveillance，2001.；
上述文献在遮挡发生时把分离出的多个前景图像合并为一个被跟踪物体，当遮挡解除时，合并．分割算法再根据遮挡发生前记录的各个被跟踪物体的特征重新定位每个物体。
交叉通过算法如文献所述：
[Elgammal 2001]A.M.Elgammal，L.S.Davis，“ProbabilisticFramework for Segmenting People Under Occlusion，”ICCV，p.145，EighthInternational Conference on Computer Vision(ICCV′01)-Vol.2，2001.；
[Senior 2001]A.W.Senior，A.Hampapur，L.M.Brown，Y.Tian，S.Pankanti and R.M.Bolle，“Appearance Models for Occlusion Handling，”In2nd International Workshop on Performance Evaluation of Tracking andSurveillance systems，2001；
[Khan 2000]S.Khan and M.Shah，“Tracking People in Presence ofOcclusinn，”In Asian Conference on Computer Vision，2000.；
[Haritaoglu 1999]I.Haritaoglu，D.Harwood，and L.Davis，“Hydra：Multiple People Detection and Tracking Using Silhouettes，”In Workshop ofVideo Surveillance，1999.；
[Roh 2000]H.K.Roh and S.W.Lee，“Multiple People Tracking Usinga Appearance Mode，Based on Temporal Color，”In International Conferenceon Pattern Recognition，2000.；
上述文献中在遮挡发生时，根据被跟踪物体的特征分别继续跟踪，而不合并它们。对于机器人视觉的问题，这些固定摄像头的跟踪方法都不适用，因为机器人本身的可动性，安装于机器人上的摄像头覆盖的区域可以变化很大。
2.可动摄像头
对于可动摄像头，也有一些解决遮挡的跟踪算法，如对比文献：
[Nguyen 2001]Hieu T.Nguyen，Marcel Worring，Rein van denBoomgaard，″Occlusion robust adaptive template tracking，″iccv，p.678，Eighth International Conference on Computer Vision(ICCV′01)-Volume 1，2001.；基于模板更新的模板匹配算法。这种模板更新的方法可以用于变化的场景中，也可以解决被跟踪物体被不同类物体遮挡的情况。但这种算法计算量相对较大，难以适应机器人平台的实时性要求。
发明内容
背景技术固定摄像头跟踪方法中，采用合并-分割算法和交叉通过算法，摄像头存在覆盖的区域变化大的问题；以及可动摄像头的方法计算量相对较大，难以适应机器人平台的实时性要求的问题；为了解决上述问题，本发明的目的是提供一种机器人视觉系统在有遮挡情况下对特定人的跟踪方法。
本发明一种机器人视觉系统在有遮挡情况下对特定人的跟踪方法，包括如下步骤：
建立目标遮挡检测模块，用于检测在一个动态场景中跟踪目标，根据遮挡程度，构建目标遮挡情形模型，并对目标的遮挡情形进行分类；
建立无遮挡目标跟踪模块，用于跟踪动态场景中无遮挡目标情形的识别与跟踪；
建立被遮挡目标跟踪模块，用于跟踪动态场景中被遮挡目标情形的识别与跟踪；
建立最终目标跟踪模块，用于跟踪动态场景中最终目标图像的识别与跟踪。
本发明针对移动机器人跟踪特定人的问题提出了一套有效的跟踪算法，本发明提供的机器人视觉系统在有遮挡情况下对特定人的跟踪方法，在跟踪过程中，可以解决摄像头存在覆盖的区域变化大的问题；以及可动摄像头的方法计算量相对较大，难以适应机器人平台的实时性要求的问题；部分遮挡和完全遮挡情况。相比与背景技术中提到的各种算法，本发明的方法适合在移动机器人视觉部分遮挡，更适合对于变化快、鲁棒性要求高以及需要处理完全遮挡情况的场合中使用。
附图说明
通过以下结合附图的详细描述，本发明的上述和其它方面、特征和优点将变得更加显而易见。附图中：
图1是本发明一种机器人视觉系统在有遮挡情况下对特定人的跟踪方法原理示意图
图2是本发明一种机器人视觉系统在有遮挡情况下对特定人的跟踪方法实施系统示意图
具体实施方式
下面结合附图对本发明作具体说明。应该指出，所描述的施例仅仅是为说明的目的，而不是对本发明的限制。
根据本发明的图1，一种机器人视觉系统在有遮挡情况下对特定人的跟踪方法原理示意图所示，图中包括：
建立目标遮挡检测模块1，用于检测在一个动态场景中跟踪目标，根据遮挡程度，建立目标遮挡情形模型，并对目标的遮挡情形进行分类；
建立无遮挡目标跟踪模块2，用于跟踪动态场景中无遮挡目标情形的识别与跟踪；
建立被遮挡目标跟踪模块3，用于跟踪动态场景中被遮挡目标情形的识别与跟踪；
建立最终目标跟踪模块4，用于跟踪动态场景中最终目标图像的识别与跟踪。当移动机器人跟踪复杂场景中的特定人时，怎样从机器人的摄像机画面中锁定被跟踪人，包括被跟踪人被遮挡的情况。
所述建立无遮挡目标跟踪模块步骤，使用基于目标颜色概率密度分布的均值漂移法来跟踪目标。
所述建立被遮挡目标跟踪模块步骤，使用目标人的颜色表象概率分布函数做为特征，在跟踪历史信息之上综合的判断目标人是否被其他物体所遮挡。
所述建立最终目标跟踪模块步骤，根据所述目标遮挡检测模块的输出来区分不同的所述情形，再根据不同的情形使用不同的功能模块(如无遮挡跟踪模块、被遮挡跟踪模块以及遮挡下的等待模块等等)，其中情形的转移是连续且非独立的。
本发明的算法：
a)在无遮挡的情况下能够稳定快速的跟踪；在有遮挡的情况下能够鲁棒的搜索和跟踪特定的目标；
b)跟踪模块能够很好的集成在机器人软件系统之中，并且能和机器人运动规划、智能决策和身份识别等模块协调工作。
本发明是智能移动机器人平台中的模块，属于机器人视觉中的跟踪部分，为移动机器人的决策系统服务。同时本发明作为一个单独的模块是一个图像的跟踪算法，能够有效的解决机器人视觉中被跟踪物体发生遮挡的问题，同时当机器人在复杂场景中运动时，该算法能够可靠的工作。
为了实现本发明，现举实施例如下：
(一)硬件：
如图2是本发明一种机器人视觉系统在有遮挡情况下对特定人的跟踪方法实施系统示意图所示，此图中解释了本发明在机器人平台中的位置，以及与机器人运动控制部分的关系，其中：
(a)部分是本发明中描述的跟踪策略的算法，跟踪算法包括四个部分：目标遮挡检测模块1、无遮挡目标跟踪模块2、目标被遮挡时的等待模块3以及目标重新出现后的搜索定位的最终目标跟踪模块4。跟踪条件是被跟踪目标的颜色分布与其他非目标可以明显区分；以及被控对象的PTZ(Pan-Tile-Zoom)摄像机。
(b)部分为机器人运动控制，包括：机器人运动规划、机器人马达、传感器反馈等，其内容不属于本发明故不再介绍。
本发明在一套带有摄像机的移动机器人平台上得到实施。摄像机PTZ(Pan-Tilt-Zoom)是通过串口VISCA协议控制的，具体的型号为SONYTM D-100P。机器人的动力系统即机器人马达采用了瑞士MaxonTMRE36型直流电机和与之配套的还有MaxonTM GP32A型行星齿轮减速箱。机器人的上位机采用了基于通用PC架构的Pentiem IVTM平台。
(二)软件
软件环境为“WindowsTM”操作系统以及支持标准C++语言的编译器以及相应的驱动程序。
(三)跟踪策略
如图1本发明跟踪原理示意图所示：此图中解释了本发明中的主要组成部分的逻辑关系。
图中上方为遮挡检测模块1即采用遮挡情形分类器，当它未检测出遮挡情形发生时，算法就使用A.简单跟踪模块即无遮挡目标跟踪模块2来锁定目标。
当遮挡情形发生时，相应的策略即为“B.等待目标重新出现”，则采用被遮挡目标跟踪模块3工作。
当目标候选物体重新出现后，对应的策略为“C.搜索并确定目标”，则采用最终目标跟踪模块4工作。
所述本发明跟踪策略是采用基于颜色分布的概率算法。算法初始化时从外部输入一个目标模型，例如：被跟踪目标人的面部颜色、上身衣服颜色。遮挡检测模块1采用情形分类器来判断遮挡的发生。如果遮挡情况发生则目标状态被设为“丢失”，算法开始等待目标重新出现。当符合目标表示模型(区域的颜色分布、区域位置关系和宽度比例关系)的候选目标出现时，算法寻找最相似的候选目标。
(1)本发明根据策略划分情形，对于不同的情形根据要求使用不同功能模块；并对每种情形的共同功能如目标被遮挡时的等待，使用同一个模块如等待模块即被遮挡目标跟踪模块3来处理。
A.情形：
所述建立遮挡检测模块1步骤中构建目标情形模型包括：在动态场景中跟踪目标如跟踪某个人，
(1.1)根据目标遮挡程度，将目标情形分类为：
a).目标不被遮挡模块；
b).目标的一部分被其他物体所遮挡或部分遮挡模块；
c).目标的可见部分全部被其他物体所遮挡即完全遮挡模块等等；
(1.2)根据运动情况，情形又可分为目标运动时的情形和目标相对静止时的情形。
B.对应的策略：
对于以上的情形，本发明遮挡检测模块1采用了基于遮挡检测的分类器来构成相应的策略，例如采用目标人颜色分布构建遮挡检测的分类器。首先人的皮肤的颜色在HSV图像空间中的色调较为鲁棒，可以做为目标的关键区域来使用图像跟踪算法进行锁定。其次对于符合正常穿着习惯的目标人来说，其表观颜色分布一般为从上至下的几个独立区域，如面部、上身衣服和下身裤装(从上到下)。这样的遮挡分类器可以根据目标人的上身衣物和下身裤装的颜色区域是否出现在面部颜色区域周围来构造。
基于颜色的遮挡检测器的适用条件是目标的表象颜色分布可以明显与非目标区分开来。
所述目标不被遮挡的情况，目标分类对应策略是使用简单跟踪模块锁定目标；
所述部分遮挡模型和完全遮挡模型，由于目标的一部分或者全部可见区域被其他物体所遮挡，所以不能够根据剩下的可见部分来区分这个目标，因此对应目标分类对应策略是等待目标重新回到不被遮挡的情形；当目标回到不被遮挡的情形时，对应的策略不同于对所述a)情形的策略，而是使用本发明中的对应策略目标搜索最终目标图像模块，从若干个目标候选区域中来重新确定目标；
所述运动情形模型以及静止情形模型目标分类对应策略归入到根据目标遮挡程度划分的策略之中。
C.对策略的分析：之所以采用如上所述的对应策略是由于移动机器人平台的应用需要快速、可靠的跟踪算法。首先在无遮挡的情况下，使用一个简单跟踪模块锁定目标保证了快速性。其次，在部分遮挡或完全遮挡发生时，使用等待目标重新出现和“目标搜索模块”的策略保证了可靠性同时也兼顾了快速性。
(2)情形的划分是基于这样的一个原则：
所述建立目标遮挡情形模型中的情形划分步骤为：
原则A.同一类情形共用同一个策略；例如部分遮挡和完全遮挡情形都对应了等待目标重新出现策略。
原则B.具体的说，保证在目标未丢失之时，使目标遮挡情形模型的算法能够准确、快速的跟踪目标；在已经丢失了目标之后，当目标重新出现时能够稳定的找到目标。
(3)情形的划分最大程度的保证了各种状况下的快速性和可靠性的综合指标；例如无遮挡目标跟踪模块在目标始终没有被遮挡的情况下，可以快速的跟踪。
所述建立目标遮挡情形模型中的情形划分步骤为：情形划分不仅依靠现有状态，而且也和目标的历史跟踪状态有关。
(4)所述建立目标遮挡情形模型中的情形划分步骤为：对于不同的情形采用不同的策略，它们的共用部分又用通用模块实现。例如，针对不同的遮挡情况都使用被遮挡目标跟踪模块做为一个通用模块。
(5)所述目标的特征除了身体各个区域的位置关系之外，目标人的肩膀宽度和头部宽度的比值也被选为一个特征。
(四)在图1中策略框架下的各个模块包括：目标遮挡检测模块1、无遮挡目标跟踪模块2、被遮挡目标跟踪模块3、搜索定位最终目标跟踪模块4。
图1解释了本发明中的主要组成部分的逻辑关系。图中上方为“遮挡情形分类器”，当它未检测出遮挡情形发生时，算法就使用“A.简单跟踪模块”即无遮挡目标跟踪模块2来锁定目标。当遮挡情形发生时，相应的策略即为“B.等待目标重新出现”即被遮挡目标跟踪模块3。当目标候选物体重新出现后，对应的策略为“C.搜索并确定目标”即最终目标跟踪模块4。
本发明的算法分为三个部分：无遮挡目标跟踪模块2即帧-帧跟踪模块(Frame-to-frame tracker)；目标遮挡检测模块1(Occlusion detector)和目标搜索最终目标跟踪模块4(Target re-localization)。
当跟踪算法在运行中时，这四个模块当中的目标遮挡检测模块1是一直被调用的。当它没有检测出遮挡情况时，跟踪程序就调用无遮挡目标跟踪模块2即帧-帧跟踪模块来跟踪目标；当它检测出遮挡情况时，被跟踪物体的状态便被设为“丢失”，而被遮挡目标跟踪模块3便一直等待遮挡情况的解除。当遮挡情况解除时，被跟踪物体的状态被设为“曾经丢失”，这时目标搜索最终目标跟踪模块4即模块便被激活并开始寻找遮挡解除后的被跟踪物体。
这样的一个框架之所以是一个通用的框架，原因是算法中的四个模块通过一个被跟踪物体的状态降低了互相之间的耦合性，并且这些模块可以分别应用各种技术来实现。
如图2所示本发明的跟踪方法在实施系统工作时，机器人视觉系统单独做为一个闭环，同时视觉系统的输出又会影响运动闭环。本发明在视觉系统中实施，并且直接由本发明所述算法的输出控制PTZ摄像机，并接受PTZ摄像机的方位反馈。
上面描述是用于实现本发明及其实施例，各个步骤均为示例，因此，本发明的范围不应由该描述来限定。本领域的技术人员应该理解，在不脱离本发明的范围的任何修改或局部替换，均属于本发明权利要求来限定的范围。
Claims (10)
1、一种机器人视觉系统在有遮挡情况下对特定人的跟踪方法，其特征在于，包括如下步骤：
建立目标遮挡检测模块，用于检测在一个动态场景中跟踪目标，根据遮挡程度，建立目标遮挡情形模型，并对目标的遮挡情形进行分类；
建立无遮挡目标跟踪模块，用于跟踪动态场景中无遮挡目标情形的识别与跟踪；
建立被遮挡目标跟踪模块，用于跟踪动态场景中被遮挡目标情形的识别与跟踪；
建立最终目标跟踪模块，用于跟踪动态场景中最终目标图像的识别与跟踪。
2、根据权利要求1所述的机器人视觉系统在有遮挡情况下对特定人的跟踪方法，其特征在于，所述建立遮挡检测模块步骤包括：建立目标情形模型，在动态场景中跟踪目标，其中：
(1)根据目标遮挡程度，建立目标情形模型为：
a)目标不被遮挡模型；
b)目标的部分被其他物体所遮挡即部分遮挡模型；
c)目标的可见部分全部被其他物体所遮挡即完全遮挡模型；
(2)根据运动情况，情形分为a)目标运动时的情形模型和b)目标相对静止时的情形模型。
3、根据权利要求1或2所述的机器人视觉系统在有遮挡情况下对特定人的跟踪方法，其特征在于，所述建立遮挡检测模块步骤中，建立目标分类策略包括：
所述目标不被遮挡的情况，目标分类对应策略是使用简单跟踪模块锁定目标；
所述部分遮挡模型和完全遮挡模型，目标分类对应策略是等待目标重新回到不被遮挡的情形；当目标回到不被遮挡的情形时，对应策略使用目标搜索最终目标图像模块，从若干个目标候选区域中来重新确定目标；
所述运动情形模型以及所述静止情形模型下，目标分类对应策略归入根据目标遮挡程度划分的策略之中。
4、根据权利要求1所述的机器人视觉系统在有遮挡情况下对特定人的跟踪方法，其特征在于，所述建立无遮挡目标跟踪模块步骤，使用基于目标颜色概率密度分布的均值漂移法来跟踪目标。
5、根据权利要求1所述的机器人视觉系统在有遮挡情况下对特定人的跟踪方法，其特征在于，所述建立被遮挡目标跟踪模块步骤，使用目标人的颜色表象概率分布函数做为特征，在跟踪历史信息之上综合的判断目标人是否被其他物体所遮挡。
6、根据权利要求1所述的机器人视觉系统在有遮挡情况下对特定人的跟踪方法，其特征在于，所述建立最终目标跟踪模块步骤，根据所述目标遮挡检测模块的输出来区分不同的所述情形，再根据不同的情形使用所述的不同功能模，其中情形的转移是连续且非独立的。
7、根据权利要求1所述的机器人视觉系统在有遮挡情况下对特定人的跟踪方法，其特征在于，所述构建目标遮挡情形模型中的情形划分步骤为：
原则A.同一类情形共用同一个策略；
原则B.在目标未丢失之时，使目标遮挡情形模型能够快速跟踪目标；在已经丢失了目标之后，当目标重新出现时能够稳定的找到目标。
8、根据权利要求1所述的机器人视觉系统在有遮挡情况下对特定人的跟踪方法，其特征在于，所述构建目标遮挡情形模型中的情形划分步骤为：情形划分不仅依靠目标的现有状态，而且也和目标的历史跟踪状态相关。
9、根据权利要求1所述的机器人视觉系统在有遮挡情况下对特定人的跟踪方法，其特征在于，所述构建目标遮挡情形模型中的情形划分步骤为：对于不同的目标情形采用不同的策略，它们共用部分又用通用模块实现。
10、根据权利要求1所述的机器人视觉系统在有遮挡情况下对特定人的跟踪方法，其特征在于，所述目标的特征包括身体各个区域的位置关系，目标人的肩膀宽度和头部宽度的比值也被选为一个特征。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 200610012060 CN101081513A (zh) | 2006-05-31 | 2006-05-31 | 机器人视觉系统在有遮挡情况下对特定人的跟踪方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 200610012060 CN101081513A (zh) | 2006-05-31 | 2006-05-31 | 机器人视觉系统在有遮挡情况下对特定人的跟踪方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN101081513A true CN101081513A (zh) | 2007-12-05 |
Family
ID=38911407
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN 200610012060 Pending CN101081513A (zh) | 2006-05-31 | 2006-05-31 | 机器人视觉系统在有遮挡情况下对特定人的跟踪方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101081513A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103139521A (zh) * | 2011-11-23 | 2013-06-05 | 联发科技股份有限公司 | 图像采集与选取方法及图像采集装置 |
| CN103995747A (zh) * | 2014-05-12 | 2014-08-20 | 上海大学 | 基于移动机器人平台的分布式行人检测系统和方法 |
| CN104724566A (zh) * | 2013-12-24 | 2015-06-24 | 株式会社日立制作所 | 具备图像识别功能的电梯 |
| CN105469397A (zh) * | 2015-11-23 | 2016-04-06 | 山东科技大学 | 一种基于系数矩阵分析的目标遮挡检测方法 |
| CN109410245A (zh) * | 2018-09-13 | 2019-03-01 | 北京米文动力科技有限公司 | 一种视频目标跟踪方法及设备 |
| CN109584269A (zh) * | 2018-10-17 | 2019-04-05 | 龙马智芯（珠海横琴）科技有限公司 | 一种目标跟踪方法 |
-
2006
- 2006-05-31 CN CN 200610012060 patent/CN101081513A/zh active Pending
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103139521A (zh) * | 2011-11-23 | 2013-06-05 | 联发科技股份有限公司 | 图像采集与选取方法及图像采集装置 |
| CN104724566A (zh) * | 2013-12-24 | 2015-06-24 | 株式会社日立制作所 | 具备图像识别功能的电梯 |
| CN103995747A (zh) * | 2014-05-12 | 2014-08-20 | 上海大学 | 基于移动机器人平台的分布式行人检测系统和方法 |
| CN103995747B (zh) * | 2014-05-12 | 2017-05-31 | 上海大学 | 基于移动机器人平台的分布式行人检测系统和方法 |
| CN105469397A (zh) * | 2015-11-23 | 2016-04-06 | 山东科技大学 | 一种基于系数矩阵分析的目标遮挡检测方法 |
| CN105469397B (zh) * | 2015-11-23 | 2018-05-18 | 山东科技大学 | 一种基于系数矩阵分析的目标遮挡检测方法 |
| CN109410245A (zh) * | 2018-09-13 | 2019-03-01 | 北京米文动力科技有限公司 | 一种视频目标跟踪方法及设备 |
| CN109410245B (zh) * | 2018-09-13 | 2021-08-10 | 北京米文动力科技有限公司 | 一种视频目标跟踪方法及设备 |
| CN109584269A (zh) * | 2018-10-17 | 2019-04-05 | 龙马智芯（珠海横琴）科技有限公司 | 一种目标跟踪方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101808587B1 (ko) | 객체인식과 추적감시 및 이상상황 감지기술을 이용한 지능형 통합감시관제시스템 | |
| Park et al. | Continuous localization of construction workers via integration of detection and tracking | |
| Hampapur et al. | Smart video surveillance: exploring the concept of multiscale spatiotemporal tracking | |
| Haritaoglu et al. | w 4 s: a real-time system for detecting and tracking people in 2 1/2 d | |
| Yang et al. | Tracking multiple workers on construction sites using video cameras | |
| CN104217428B (zh) | 一种融合特征匹配和数据关联的视频监控多目标跟踪方法 | |
| KR20160088224A (ko) | 객체 인식 방법 및 장치 | |
| CN101081513A (zh) | 机器人视觉系统在有遮挡情况下对特定人的跟踪方法 | |
| Varcheie et al. | People tracking using a network-based PTZ camera | |
| WO2003098922A1 (en) | An imaging system and method for tracking the motion of an object | |
| Liang et al. | Methods of moving target detection and behavior recognition in intelligent vision monitoring. | |
| Masoud et al. | Robust pedestrian tracking using a model-based approach | |
| Nam | Real-time abandoned and stolen object detection based on spatio-temporal features in crowded scenes | |
| Lin et al. | Face occlusion detection for automated teller machine surveillance | |
| Nam | Loitering detection using an associating pedestrian tracker in crowded scenes | |
| Xu et al. | Smart video surveillance system | |
| Patel et al. | Human tracking in video surveillance | |
| Königs et al. | Evaluation of thermal imaging for people detection in outdoor scenarios | |
| Lee et al. | An intelligent video security system using object tracking and shape recognition | |
| Maurin et al. | Camera surveillance of crowded traffic scenes | |
| Beaugendre et al. | Human tracking system for automatic video surveillance with particle filters | |
| CN111985331A (zh) | 预防商业秘密被窃照的检测方法及装置 | |
| Marchesotti et al. | Cooperative multisensor system for real-time face detection and tracking in uncontrolled conditions | |
| Marchesotti et al. | A cooperative multisensor system for face detection in video surveillance applications | |
| Masoud et al. | A robust real-time multi-level model-based pedestrian tracking system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
| WD01 | Invention patent application deemed withdrawn after publication |