CN101527838A - 对视频对象的反馈式对象检测与跟踪的方法和系统 - Google Patents
对视频对象的反馈式对象检测与跟踪的方法和系统 Download PDFInfo
- Publication number
- CN101527838A CN101527838A CN 200810007655 CN200810007655A CN101527838A CN 101527838 A CN101527838 A CN 101527838A CN 200810007655 CN200810007655 CN 200810007655 CN 200810007655 A CN200810007655 A CN 200810007655A CN 101527838 A CN101527838 A CN 101527838A
- Authority
- CN
- China
- Prior art keywords
- moving object
- foreground moving
- present frame
- frame
- coincidence factor
- 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.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种对视频对象的反馈式对象检测与跟踪的方法和系统,涉及图像处理领域,解决了当前帧中前景运动对象内部出现空洞,以及现有方案无法得到较高质量边缘轮廓的问题。该方法对每一帧新采集的视频图像都进行对象检测,提取当前帧的前景运动对象。根据前一帧(即参考帧)视频图像中的前景运动对象,分块划分得到参考区;通过均值漂移算法跟踪参考区,计算当前帧中的前景运动对象的候选区。然后,根据跟踪结果和检测结果之间的面积重合率,确定最终的前景运动对象,同时将此结果反馈更新背景模型。
Description
技术领域
本发明涉及图像处理领域,尤其涉及一种视频对象的反馈式检测与跟踪的方法和系统。
背景技术
在图像处理中,对视频流中感兴趣的运动对象进行分析时,需要对该运动对象进行检测与跟踪。在现有技术中,对运动对象的检测与跟踪是两个独立的过程,先对图像进行对象检测,再对该检测的结果进行跟踪。
对象检测最常见的方法是背景消去法。背景消去法首先利用视频流的最初若干帧建立背景模型,然后根据该背景模型把后续的每一帧视频图像分为前景运动对象和背景。将后续的每一帧视频图像的像素区域与该背景模型相应的像素区域进行比较,如果该像素区域的偏差值比较大,则该区域属于前景运动对象,即感兴趣的视频对象;如果该像素区域的偏差值比较小,则该区域属于背景,利用该背景更新上述背景模型,用于进行下一帧图像的检测。
在连续帧中找到最佳匹配的前景运动对象就是对象跟踪。对象跟踪是对检测得到的前景运动对象在不同的帧之间建立对应关系。对象跟踪最常见的方法是均值飘移算法(Mean-Shift)。均值飘移算法将当前帧中被跟踪的某个前景运动对象分为至少一个区域,作为参考区,找出该参考区在下一帧中的最佳匹配区。根据参考区的中心位置,计算出该参考区在下一帧中的若干候选区的中心位置,从该若干候选区中确定出该参考区的最佳匹配区。所有参考区的最佳匹配区集合作为对该前景运动对象的跟踪结果。
在实现上述视频图像的对象检测与跟踪的过程中,发明人发现现有技术中至少存在如下问题:
进行对象检测时,当运动对象尺度较大或运动较慢时,因为运动对象的边缘部分与背景比较相似,可能无法将该边缘部分的轮廓从背景中清晰的分离出来,引起错误的检测结果,从而造成了空洞。
对象跟踪方法可以对前景运动对象的中心或大致范围进行跟踪,对于重合度高或相互重叠的多个前景运动对象不能进行正确匹配,造成“误配”现象,导致跟踪失败。
发明内容
一方面,本发明实施例提供了一种能够获得前景运动对象清晰轮廓的视频对象的反馈式对象检测与跟踪的方法。
一种对视频对象的反馈式对象检测与跟踪的方法,包括如下步骤:
确定视频图像的参考帧,将所述参考帧的前景运动对象,划分为至少两个参考区;
检测当前帧,获得所述当前帧的前景运动对象;
跟踪所述参考区,在当前帧得到至少一个候选区;
获取候选区与当前帧的前景运动对象的面积重合率;
根据所述面积重合率更新前景运动对象,并且确定下一帧的跟踪对象。
该方法对每一帧新采集的视频图像都进行对象检测,提取当前帧的前景运动对象。根据前一帧(即参考帧)视频图像中的参考区,获取当前帧中的前景运动对象的候选区;根据所述面积重合率,确定跟踪的结果。解决了前景运动对象轮廓不清晰,跟踪结果不准确的问题。填补了前景运动对象中出现的空洞,提高前景运动对象轮廓的清晰度。
另一方面,本发明实施例提供了一种能够获得前景运动对象清晰轮廓的视频对象的反馈式对象检测与跟踪的系统。
一种对视频对象的反馈式对象检测与跟踪的系统,包括:
参考帧获取单元,用于确定视频图像的参考帧;
分区单元,与所述参考帧获取单元连接,用于将参考帧的前景运动对象分成至少两个参考区;
跟踪单元,与所述分区单元连接,用于对所述参考区进行跟踪,在当前帧中得到至少一个候选区;
获取单元,用于检测当前帧,并从所述当前帧中获得前景运动对象;
面积重合率获取单元,与所述跟踪单元和获取单元连接,用于获取候选区与当前帧的前景运动对象的面积重合率;
反馈单元,与面积重合率获取单元连接,根据所述面积重合率更新前景运动对象,并且确定下一帧的跟踪对象。
获取单元对每一帧新采集的视频图像都进行对象检测,提取当前帧的前景运动对象。根据前一帧(即参考帧)视频图像中的参考区域,计算当前帧中的前景运动对象的候选区域;根据面积重合率,确定跟踪的结果。反馈单元根据跟踪的结果,调整检测出的当前帧前景运动对象。解决了前景运动对象轮廓不清晰,跟踪结果不准确的问题。填补了前景运动对象中出现的空洞,提高前景运动对象轮廓的清晰度。
附图说明
图1为本发明实施例反馈式对象检测与跟踪的方法流程图;
图2为本发明实施例反馈式对象检测与跟踪的系统结构图;
图3为本发明实施例对单个跑步对象的实验结果图;
图4为本发明实施例对单个骑车对象的实验结果图;
图5为本发明实施例对两个行走对象进行合并的实验结果图;
图6为本发明实施例对两个行走对象进行分离的实验结果图。
具体实施方式
为解决当前帧中前景运动对象由于出现空洞,造成轮廓不清晰的问题,本发明实施例提供了一种对视频对象的反馈式对象检测与跟踪的方法。如图1所示,该方法包括如下步骤:
确定视频图像的参考帧,将所述参考帧的前景运动对象,划分为至少两个参考区;
对当前帧进行检测,获得当前帧的前景运动对象;
跟踪所述参考区,在所述当前帧得到至少一个候选区;
获取候选区与当前帧的前景运动对象的面积重合率;
根据所述面积重合率更新前景运动对象,并且确定下一帧的跟踪对象。
该方法对每一帧新采集的视频图像都进行对象检测,提取当前帧的前景运动对象。根据前一帧(即参考帧)视频图像中的参考区域,计算当前帧中的前景运动对象的候选区域;根据面积重合率,确定跟踪的结果。根据跟踪的结果调整检测出的当前帧前景运动对象。
下面对本发明实施例提供的对视频对象的反馈式对象检测与跟踪的方法进行详细说明:
在本发明实施例中,采用背景消去法进行对象检测。背景消去法通常选择视频流的最初一帧或者若干帧建立背景模型。每帧视频图像中的像素点符合单一的高斯分布,表示为:I(x,y)~N(μ(x,y),σ(x,y)),其中,I(x,y)为像素点的像素值,μ(x,y)为均值,σ(x,y)为方差。
用最初若干帧视频图像进行统计,建立背景模型,将I(x,y)作为背景模型像素点高斯分布的均值,同时设定某一常值为初始方差。利用该背景模型,将后续每帧视频图像分为动态的前景运动对象和相对静止的背景。
下面以视频图像的任意帧作为当前帧,对本发明实施例进行说明。
确定视频对象的参考帧,将所述参考帧的前景运动对象,划分为至少两个参考区;;
在当前帧的前景运动对象上选取一个矩形或圆形区域,作为参考区域时,如果该参考区域选取得太大,会将背景选中,将静止的背景作为前景运动对象处理,使跟踪不准确。因此,将前景运动对象划分为多个矩形或圆形区域,作为参考区域q,构成参考区域的像素点集可以用直方图表示。
检测当前帧,获得当前帧的前景运动对象;
将当前帧中的某一像素区域和背景模型中与其匹配的像素区域进行比较,如果偏差值很大,则该像素区域为前景运动对象;如果没有偏差,则该像素区域为背景。背景不是绝对静止的,而是有些偏差,此时要更新背景模型。利用该更新过的背景模型,采用同样的方法,对下一帧进行对象检测。
在当前帧提取前景运动对象的方法与在参考帧中提取前景运动对象的方法相同。下面进行具体说明。
对参考帧进行检测时,已经对背景模型进行了更新。利用已更新的背景模型的均值和方差从当前帧中提取前景运动对象。通过以下公式实现:
其中,标志为1的像素点为前景运动对象,标志为0的像素点为背景;倍数因子k=3~5,所有的F(x,y)=1构成前景运动对象。
跟踪所述参考区,在所述当前帧得到至少一个候选区;该步骤包括如下两个步骤:
3a、对所述参考区进行跟踪,在当前帧中得到至少两个匹配区;
3b、将匹配区进行合并,获得至少一个候选区。下面分别对其进行介绍:
3a、对所述参考区进行跟踪,在当前帧中得到至少两个匹配区;
本发明实施例采用均值飘移算法进行对象跟踪。
当前帧中对参考帧前景运动对象进行对象跟踪的具体步骤如下:
在当前帧有多个可能的备选区与所述参考区对应,备选区的像素点分布为P(y),y为备选区的中心位置,用颜色直方图(M=2m)描述备选区像素点的分布为:
其中,P(y)为备选区内的像素值;Ck为规一化系数;b(xi)是直方图索引函数;不同像素点对应的索引值u∈[1,M];核函数K(.)给对象区域中的像素分配权值。
匹配区就是与参考区最相似的备选区。使用以下距离公式衡量参考区和不同备选区P(y)之间的相似度:
其中,
所以在当前帧中寻找的匹配区应是使距离d(y)最小的备选区,其方法为:
接着,根据根据均值飘移矢量迭代公式,计算备选区的新的中心位置y1: 重复迭代步骤得到若干中心位置;
然后,将得到的中心位置代入距离公式(1),选出距离最小的中心位置;该中心位置所在的备选区即为匹配区。
3b、将匹配区进行合并,获得至少一个候选区
该步骤包括如下三个步骤:
1)设定合并阈值;
2)计算每两个匹配区的重合度;
3)将重合度大于所述合并阈值的两个匹配区进行合并。下面对这三个步骤进行具体说明:
1)设定合并阈值
本发明实施例设定的合并阈值为0.8。
2)计算每两个匹配区的重合度
为了将相似的匹配区合并:首先要计算每两个匹配区的重合度λm1,m2(41);所述重合度λm1,m2为:
其中,λm1,m2表示当前帧中第m1个匹配区与第m2个匹配区之间的重合度,Tm1表示第m1个匹配区,Tm2表示第m2个匹配区,函数A(.)表示求取区域面积。
3)将重合度大于等于所述合并阈值的两个匹配区进行合并
当两个匹配区的重合度λm1,m2≥0.8。我们认为这两个匹配区的重合度高,可以将它们合并为一个匹配区。
将所有的匹配区两两之间进行重合度比较,将重合度高的匹配区合并,得到至少一个候选区。所谓的候选区是指经重合度比较、合并后的匹配区。
获取候选区与当前帧的前景运动对象的面积重合率
该步骤包括如下两个步骤:
4a、计算每一个候选区与当前帧中前景运动对象的第一面积重合率;
4b、计算所有候选区与当前帧中前景运动对象的第二面积重合率;下面对这两个步骤进行具体说明:
4a、计算每一个候选区与当前帧中前景运动对象的第一面积重合率所述第一面积重合率为βm:
其中,βm表示当前帧中第m个候选区和当前帧中前景运动对象的第一面积重合率,D表示当前帧中的前景运动对象,Sm表示第m个候选区,函数A(.)表示求取区域面积;分母表示第m个候选区的面积,分子表示前景运动对象与第m个候选区的重合部分的面积之和。
4b、计算所有候选区与当前帧中前景运动对象的第二面积重合率;
所述第二面积重合率γ为:
其中,γ表示当前帧中m个所有的候选区和与当前帧中的第二面积重合率,D表示当前帧中的前景运动对象,Sm表示第m个候选区,函数A(.)表示求取区域面积,∑m表示对当前帧中m个所有的候选区和当前帧中前景运动对象重叠部分的面积求和。分母表示前景运动对象的面积,分子表示前景运动对象与m个所有的候选区重合部分的面积之和。
根据所述面积重合率更新前景运动对象,并且确定下一帧的跟踪对象
所述面积重合率包括第一面积重合率和第二面积重合率,因此,该步骤为:
根据第一面积重合率和第二面积重合率确定下一帧的跟踪对象。根据跟踪的结果调整检测出的当前帧前景运动对象。
跟踪的结果分为理想结果和不理想结果。
不理想结果分为两种:一种是第一面积重合率过低;另一种是第一面积重合率低。
所述的根据所述第一面积重合率和第二面积重合率确定下一帧的跟踪对象的步骤包括:
设定第一重合阈值为0.1;
设定第二重合阈值为0.9;
设定第三重合阈值为0.9;
如果所述第一面积重合率小于第一重合阈值即βm<0.1。这种情况出现的原因是:前景运动对象运动速度过快,当前帧没有跟踪到前景运动对象。此时调整的方法为:将当前帧的前景运动对象,作为下一帧的跟踪对象。
如果所述第一面积重合率低大于第一重合阈值,小于第二重合阈值,即0.1<βm<0.9。当前帧中前景运动对象出现空洞,造成轮廓不清晰。此时调整的方法为:用所述候选区替换当前帧中前景运动对象的相应区域,作为下一帧的跟踪对象;
如果所述第一面积重合率大于第二重合阈值,同时所述第二面积重合率大于第三重合阈值,即βm≥0.9、γ≥0.9。此时不需要调整检测出的当前帧前景运动对象。将当前帧的前景运动对象作为下一帧的跟踪对象。
以上技术方案只是对当前帧中只有一个前景运动对象的情况进行了介绍。对当前帧中有多个前景运动对象的处理方案相同。处理方案不同点在于:1)当前帧中包括至少一个前景运动对象时,为每个前景运动对象添加一个生命计数器;2)设置合并分离计数器;下面分别对其进行介绍:
生命计数器
生命计数器与所述获取单元连接。
当检测到新的前景运动对象时,该前景运动对象的生命计数器开始计时;当前景运动对象在当前帧中消失时,该前景运动对象的生命计数器停止计时;并销毁该前景运动对象的生命计数器;
合并分离计数器;
当至少两个前景运动对象互相重叠时,合并分离计数器的数目与所述互相重叠的前景运动对象的个数对应,将互相重叠的前景运动对象合并成一个合并前景运动对象;
当有一个互相重叠的前景运动对象从合并前景运动对象中分离时,合并分离计数器减1。
下面结合试验结果,说明本发明的有益效果。如图3、图4中的黑白蒙板图,噪声点基本被过滤掉,对象区域的大小稳定。如图3中的连续三帧图像,跑步对象的双腿由“合拢”变成“张开”状态,发生了变形运动,现有技术方案的跟踪结果必然会导致:(a)中的双腿仅仅与(c)中的某一条腿相匹配,无法得到另一条腿在(c)中的轮廓;但是本发明的反馈式处理能有效避免这个问题,如图3中(c)所示。这种融合也能有效地填补对象检测过程产生的“空洞”,如图4所示,跟踪的结果一方面具有良好的轮廓,另一方面内部“空洞”被填充。
从试验结果可以看出,由于跟踪结果的反馈,对象检测质量很高,尽管使用的是单模高斯背景模型,仍然能取得好的对象轮廓,从根本上可以消除噪声的影响。
如图5、图6所示,本发明实施例能较好地解决多个对象跟踪中的遮挡、分离和合并的问题,不但保证了各区域的特征明显和相似程度低,而且降低了区域匹配中的误配,提高了跟踪的可靠性。
本发明实施例同时提供了一种对视频对象的反馈式对象检测与跟踪的系统。如图2所示,该系统包括:
参考帧获取单元,用于确定视频图像的参考帧;
分区单元,与所述参考帧获取单元连接,用于将参考帧的前景运动对象分成至少两个参考区;
跟踪单元,与所述分区单元连接,用于对所述参考区进行跟踪,在当前帧中得到至少一个候选区;
获取单元,用于检测当前帧,并从所述当前帧中获得前景运动对象;
面积重合率获取单元,与所述跟踪单元和获取单元连接,用于获取候选区与当前帧的前景运动对象的面积重合率;
反馈单元,与面积重合率获取单元连接,根据所述面积重合率更新前景运动对象,并且确定下一帧的跟踪对象。
如果所述第一面积重合率低,前景运动对象出现空洞,用所述候选区替换当前帧中前景运动对象的相应区域,作为下一帧的跟踪对象;
如果所述第一面积重合率高,同时所述第二面积重合率高,将当前帧的前景运动对象作为下一帧的跟踪对象。
所述跟踪单元包括:
匹配单元,与所述分区单元连接,对所述参考区进行跟踪,在当前帧中得到至少两个匹配区;
合并单元,与所述匹配单元连接,将匹配区进行合并,获得至少一个候选区。
所述合并单元包括:
阈值设定单元,用于设定合并阈值;
重合度计算单元,用于计算每两个匹配区的重合度;
匹配区合并单元,与所述阈值设定单元和重合度计算单元连接,将重合度大于所述合并阈值的两个匹配区进行合并。
所述面积重合率获取单元包括:
第一面积重合率获取单元,与所述跟踪单元和获取单元连接,用于计算每一个候选区与当前帧中前景运动对象的第一面积重合率;
第二面积重合率获取单元,与所述跟踪单元和获取单元连接,用于计算所有候选区与当前帧中前景运动对象的第二面积重合率。
当处理的当前帧中有多个前景运动对象时,本发明实施例对视频对象的反馈式对象检测与跟踪的系统还包括:
生命计数单元,与所述获取单元连接,用于为当前帧中的前景运动对象进行计时。
合并分离计数单元;与所述获取单元连接,为互相重叠的前景运动对象的合并或分离进行计数。
获取单元对每一帧新采集的视频图像都进行对象检测,提取当前帧的前景运动对象。根据前一帧(即参考帧)视频图像中的参考区,计算当前帧中的前景运动对象的候选区;根据第一面积重合率和第二面积重合率,确定跟踪的结果。反馈单元根据跟踪的结果,调整检测出的当前帧前景运动对象。跟踪的结果分为理想结果和不理想结果。理想结果就是第一面积重合率大于第二重合阈值,同时所述第二面积重合率大于第三重合阈值;当前帧的前景运动对象不需要做调整,可以直接作为下一帧的跟踪对象。不理想结果分为两种:一种是第一面积重合率小于第一重合阈值;另一种是第一面积重合率大于第一重合阈值,小于第二重合阈值。第一种情况出现的原因是:前景运动对象运动速度过快,当前帧没有跟踪到前景运动对象。此时调整的方法为:将当前帧的前景运动对象,作为下一帧的的跟踪对象。第二种情况出现的原因是:当前帧中前景运动对象出现了空洞,造成轮廓不清晰。此时调整的方法为:用所述候选区替换当前帧前景运动对象出现空洞的区域。解决了前景运动对象轮廓不清晰,跟踪结果不准确的问题。填补了前景运动对象中出现的空洞,提高前景运动对象轮廓的清晰度。
本发明实施例对每一帧新采集的视频图像都进行对象检测,提取当前帧的前景运动对象。根据前一帧(即参考帧)视频图像中的参考区,获取当前帧中的前景运动对象的候选区;根据所述面积重合率,确定跟踪的结果。解决了前景运动对象轮廓不清晰,跟踪结果不准确的问题。填补了前景运动对象中出现的空洞,提高前景运动对象轮廓的清晰度。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (14)
1.一种对视频对象的反馈式对象检测与跟踪的方法,其特征在于,包括如下步骤:
确定视频图像的参考帧,将所述参考帧的前景运动对象,划分为至少两个参考区;
检测当前帧,获得所述当前帧的前景运动对象;
跟踪所述参考区,在所述当前帧得到至少一个候选区;
获取候选区与当前帧的前景运动对象的面积重合率;
根据所述面积重合率更新前景运动对象,并且确定下一帧的跟踪对象。
2、根据权利要求1所述的对视频对象的反馈式对象检测与跟踪的方法,其特征在于,对所述参考区进行跟踪,在当前帧得到至少一个候选区的步骤包括:
对所述参考区进行跟踪,在当前帧中得到至少两个匹配区;
将匹配区进行合并,获得至少一个候选区。
3、根据权利要求2所述的对视频对象的反馈式对象检测与跟踪的方法,其特征在于,将匹配区进行合并,获得至少一个候选区的步骤包括:
设定合并阈值;
计算每两个匹配区的重合度;
将重合度大于所述合并阈值的两个匹配区进行合并。
4、根据权利要求3所述的对视频对象的反馈式对象检测与跟踪的方法,其特征在于,所述重合度λm1,m2为:
其中,λm1,m2表示当前帧中第m1个匹配区与第m2个匹配区之间的重合度,Tm1表示第m1个匹配区,Tm2表示第m2个匹配区,函数A(.)表示求取区域面积。
5、根据权利要求1所述的对视频对象的反馈式对象检测与跟踪的方法,其特征在于,所述获取候选区与当前帧的前景运动对象的面积重合率的步骤包括:
计算每一个候选区与当前帧中前景运动对象的第一面积重合率;
计算所有候选区与当前帧中前景运动对象的第二面积重合率。
6、根据权利要求1所述的对视频对象的反馈式对象检测与跟踪的方法,其特征在于,所述根据所述面积重合率更新前景运动对象,并且确定下一帧的跟踪对象的步骤包括:
根据所述第一面积重合率和第二面积重合率确定下一帧的跟踪对象。
7、根据权利要求6所述的对视频对象的反馈式对象检测与跟踪的方法,其特征在于,所述的根据所述第一面积重合率和第二面积重合率确定下一帧的跟踪对象的步骤包括:
设定第一重合阈值;
设定第二重合阈值;
设定第三重合阈值;
如果所述第一面积重合率小于第一重合阈值,将当前帧的前景运动对象,作为下一帧的跟踪对象;
如果所述第一面积重合率大于第一重合阈值,小于第二重合阈值,用所述候选区替换当前帧中前景运动对象的相应区域,作为下一帧的跟踪对象;
如果所述第一面积重合率大于第二重合阈值,同时所述第二面积重合率高大于第三重合阈值,将当前帧的前景运动对象作为下一帧的跟踪对象。
8、根据权利要求1所述的对视频对象的反馈式对象检测与跟踪的方法,其特征在于,还包括:
当前帧中包括至少一个前景运动对象,为每个对象建立生命计数器;
当检测到新的前景运动对象时,该前景运动对象的生命计数器开始计时;
当前景运动对象在当前帧中消失时,该前景运动对象的生命计数器停止计时,并销毁该前景运动对象的生命计数器。
9、根据权利要求8所述的对视频对象的反馈式对象检测与跟踪的方法,其特征在于,还包括:
设置合并分离计数器;
当至少两个前景运动对象互相重叠时,将互相重叠的前景运动对象合并成一个合并前景运动对象;
当有一个互相重叠的前景运动对象从所述合并前景运动对象中分离时,合并分离计数器减少。
10、根据权利要求1所述的对视频对象的反馈式对象检测与跟踪的方法,其特征在于,检测当前帧,获得当前帧的前景运动对象的步骤包括:
确定视频对象的背景模型;
根据背景模型确定当前帧的背景和前景运动对象。
11、一种对视频对象的反馈式对象检测与跟踪的系统,其特征在于,包括:
参考帧获取单元,用于确定视频图像的参考帧;
分区单元,与所述参考帧获取单元连接,用于将参考帧的前景运动对象分成至少两个参考区;
获取单元,用于检测当前帧,并从所述当前帧中获得前景运动对象;
跟踪单元,与所述分区单元连接,用于对所述参考区进行跟踪,在当前帧中得到至少一个候选区;
面积重合率获取单元,与所述跟踪单元和获取单元连接,用于获取候选区与当前帧的前景运动对象的面积重合率;
反馈单元,与面积重合率获取单元连接,根据所述面积重合率更新前景运动对象,并且确定下一帧的跟踪对象。
12、根据权利要求11所述的对视频对象的反馈式对象检测与跟踪的系统,其特征在于,所述跟踪单元包括:
匹配单元,与所述分区单元连接,对所述参考区进行跟踪,在当前帧中得到至少两个匹配区;
合并单元,与所述匹配单元连接,将匹配区进行合并,获得至少一个候选区。
13、根据权利要求12所述的对视频对象的反馈式对象检测与跟踪的系统,其特征在于,所述合并单元包括:
阈值设定单元,用于设定合并阈值;
重合度计算单元,用于计算每两个匹配区的重合度;
匹配区合并单元,与所述阈值设定单元和重合度计算单元连接,将重合度大于所述合并阈值的两个匹配区进行合并。
14、根据权利要求11所述的对视频对象的反馈式对象检测与跟踪的系统,其特征在于,所述面积重合率获取单元包括:
第一面积重合率获取单元,与所述跟踪单元和获取单元连接,用于计算每一个候选区与当前帧中前景运动对象的第一面积重合率;
第二面积重合率获取单元,与所述跟踪单元和获取单元连接,用于计算所有候选区与当前帧中前景运动对象的第二面积重合率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200810007655 CN101527838B (zh) | 2008-03-04 | 2008-03-04 | 对视频对象的反馈式对象检测与跟踪的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200810007655 CN101527838B (zh) | 2008-03-04 | 2008-03-04 | 对视频对象的反馈式对象检测与跟踪的方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101527838A true CN101527838A (zh) | 2009-09-09 |
CN101527838B CN101527838B (zh) | 2010-12-08 |
Family
ID=41095499
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 200810007655 Expired - Fee Related CN101527838B (zh) | 2008-03-04 | 2008-03-04 | 对视频对象的反馈式对象检测与跟踪的方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101527838B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102087747A (zh) * | 2011-01-05 | 2011-06-08 | 西南交通大学 | 基于单纯形法的对象跟踪方法 |
CN102883101A (zh) * | 2011-07-15 | 2013-01-16 | 华晶科技股份有限公司 | 影像处理装置及其影像处理方法 |
WO2013075295A1 (zh) * | 2011-11-23 | 2013-05-30 | 浙江晨鹰科技有限公司 | 低分辨率视频的服装识别方法及系统 |
CN105046661A (zh) * | 2015-07-02 | 2015-11-11 | 广东欧珀移动通信有限公司 | 一种提升视频美颜效率的方法、装置及智能终端 |
WO2017080399A1 (zh) * | 2015-11-12 | 2017-05-18 | 阿里巴巴集团控股有限公司 | 一种人脸位置跟踪方法、装置和电子设备 |
CN107316322A (zh) * | 2017-06-27 | 2017-11-03 | 上海智臻智能网络科技股份有限公司 | 视频跟踪方法和装置、以及对象识别方法和装置 |
CN110490902A (zh) * | 2019-08-02 | 2019-11-22 | 西安天和防务技术股份有限公司 | 应用于智慧城市的目标跟踪方法、装置、计算机设备 |
CN110852253A (zh) * | 2019-11-08 | 2020-02-28 | 杭州宇泛智能科技有限公司 | 梯控场景检测方法、装置及电子设备 |
CN113658232A (zh) * | 2021-07-13 | 2021-11-16 | 广东技术师范大学 | 基于视频跟踪的建模方法、装置及计算机可读程序介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060204036A1 (en) * | 2005-03-09 | 2006-09-14 | Dean Huang | Method for intelligent video processing |
ATE486332T1 (de) * | 2005-03-17 | 2010-11-15 | British Telecomm | Verfahren zur verfolgung von objekten in einer videosequenz |
CN100502463C (zh) * | 2005-12-14 | 2009-06-17 | 浙江工业大学 | 一种交通流信息视频检测中的特征采集方法 |
CN100508555C (zh) * | 2007-03-23 | 2009-07-01 | 北京中星微电子有限公司 | 一种静止物体检测的方法及系统 |
-
2008
- 2008-03-04 CN CN 200810007655 patent/CN101527838B/zh not_active Expired - Fee Related
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102087747B (zh) * | 2011-01-05 | 2012-09-19 | 西南交通大学 | 基于单纯形法的对象跟踪方法 |
CN102087747A (zh) * | 2011-01-05 | 2011-06-08 | 西南交通大学 | 基于单纯形法的对象跟踪方法 |
CN102883101A (zh) * | 2011-07-15 | 2013-01-16 | 华晶科技股份有限公司 | 影像处理装置及其影像处理方法 |
WO2013075295A1 (zh) * | 2011-11-23 | 2013-05-30 | 浙江晨鹰科技有限公司 | 低分辨率视频的服装识别方法及系统 |
CN105046661B (zh) * | 2015-07-02 | 2018-04-06 | 广东欧珀移动通信有限公司 | 一种提升视频美颜效率的方法、装置及智能终端 |
CN105046661A (zh) * | 2015-07-02 | 2015-11-11 | 广东欧珀移动通信有限公司 | 一种提升视频美颜效率的方法、装置及智能终端 |
US10410046B2 (en) | 2015-11-12 | 2019-09-10 | Alibaba Group Holding Limited | Face location tracking method, apparatus, and electronic device |
US10713472B2 (en) * | 2015-11-12 | 2020-07-14 | Alibaba Group Holding Limited | Face location tracking method, apparatus, and electronic device |
CN106709932A (zh) * | 2015-11-12 | 2017-05-24 | 阿里巴巴集团控股有限公司 | 一种人脸位置跟踪方法、装置和电子设备 |
KR20180084085A (ko) * | 2015-11-12 | 2018-07-24 | 알리바바 그룹 홀딩 리미티드 | 얼굴 위치 추적 방법, 장치 및 전자 디바이스 |
WO2017080399A1 (zh) * | 2015-11-12 | 2017-05-18 | 阿里巴巴集团控股有限公司 | 一种人脸位置跟踪方法、装置和电子设备 |
US11423695B2 (en) | 2015-11-12 | 2022-08-23 | Advanced New Technologies Co., Ltd. | Face location tracking method, apparatus, and electronic device |
US11003893B2 (en) | 2015-11-12 | 2021-05-11 | Advanced New Technologies Co., Ltd. | Face location tracking method, apparatus, and electronic device |
AU2016352215B2 (en) * | 2015-11-12 | 2020-10-01 | Advanced New Technologies Co., Ltd. | Method and device for tracking location of human face, and electronic equipment |
KR102150776B1 (ko) * | 2015-11-12 | 2020-09-02 | 알리바바 그룹 홀딩 리미티드 | 얼굴 위치 추적 방법, 장치 및 전자 디바이스 |
US10726562B2 (en) | 2017-06-27 | 2020-07-28 | Shanghai Xiaoi Robot Technology Co., Ltd. | Video tracking method and device, and object recognition method and device |
CN107316322A (zh) * | 2017-06-27 | 2017-11-03 | 上海智臻智能网络科技股份有限公司 | 视频跟踪方法和装置、以及对象识别方法和装置 |
CN110490902B (zh) * | 2019-08-02 | 2022-06-14 | 西安天和防务技术股份有限公司 | 应用于智慧城市的目标跟踪方法、装置、计算机设备 |
CN110490902A (zh) * | 2019-08-02 | 2019-11-22 | 西安天和防务技术股份有限公司 | 应用于智慧城市的目标跟踪方法、装置、计算机设备 |
CN110852253A (zh) * | 2019-11-08 | 2020-02-28 | 杭州宇泛智能科技有限公司 | 梯控场景检测方法、装置及电子设备 |
CN113658232A (zh) * | 2021-07-13 | 2021-11-16 | 广东技术师范大学 | 基于视频跟踪的建模方法、装置及计算机可读程序介质 |
CN113658232B (zh) * | 2021-07-13 | 2024-01-05 | 杭州追形视频科技有限公司 | 基于视频跟踪的建模方法、装置及计算机可读程序介质 |
Also Published As
Publication number | Publication date |
---|---|
CN101527838B (zh) | 2010-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101527838B (zh) | 对视频对象的反馈式对象检测与跟踪的方法和系统 | |
CN101142593B (zh) | 跟踪视频序列中的目标的方法 | |
US20180075593A1 (en) | Automatic scene calibration method for video analytics | |
CN100589561C (zh) | 基于视频内容分析的可疑静止物检测方法 | |
CN103164858B (zh) | 基于超像素和图模型的粘连人群分割与跟踪方法 | |
CN102982598B (zh) | 基于单个摄像头场景配置的视频人数统计方法和系统 | |
CN107564034A (zh) | 一种监控视频中多目标的行人检测与跟踪方法 | |
CN103310444B (zh) | 一种基于头顶摄像头的监控行人计数的方法 | |
CN102867188B (zh) | 一种基于级联结构的会场内座位状态检测方法 | |
CN103605969A (zh) | 一种人脸录入的方法及装置 | |
CN106204586B (zh) | 一种基于跟踪的复杂场景下的运动目标检测方法 | |
Stringa | Morphological Change Detection Algorithms for Surveillance Applications. | |
CN103413120A (zh) | 基于物体整体性和局部性识别的跟踪方法 | |
CN107886507B (zh) | 一种基于图像背景和空间位置的显著区域检测方法 | |
CN101901334A (zh) | 静态目标检测方法 | |
CN104537688A (zh) | 一种基于背景差分和hog特征的运动目标检测方法 | |
CN107977645B (zh) | 一种视频新闻海报图的生成方法及装置 | |
US20180173982A1 (en) | System and method for 1d root association providing sparsity guarantee in image data | |
CN103150549A (zh) | 一种基于烟雾早期运动特征的公路隧道火灾检测方法 | |
CN107895379A (zh) | 一种视频监控中前景提取的改进算法 | |
CN103700087A (zh) | 移动侦测方法和装置 | |
US20220036110A1 (en) | Method of tracking objects in a scene | |
CN103093274A (zh) | 基于视频的行人计数的方法 | |
CN105931267A (zh) | 一种基于改进ViBe算法的运动物体检测跟踪方法 | |
CN103020580B (zh) | 快速人脸检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20101208 Termination date: 20170304 |
|
CF01 | Termination of patent right due to non-payment of annual fee |