CN102779348A - 无标识运动目标跟踪测量方法 - Google Patents
无标识运动目标跟踪测量方法 Download PDFInfo
- Publication number
- CN102779348A CN102779348A CN2012102107540A CN201210210754A CN102779348A CN 102779348 A CN102779348 A CN 102779348A CN 2012102107540 A CN2012102107540 A CN 2012102107540A CN 201210210754 A CN201210210754 A CN 201210210754A CN 102779348 A CN102779348 A CN 102779348A
- Authority
- CN
- China
- Prior art keywords
- target
- template
- point
- value
- subgraph
- 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
本发明提供了一种无标识运动目标跟踪测量方法,包括:S1、在初始图像上获取背景和目标信息;S2、选择目标类型,选定目标,进行目标检测。本发明针对未标记的多个运动目标进行视频和实时检测。利用颜色特征进行前后帧的模板匹配,目标识别,进而对其运动轨迹进行追踪并对目标行为进行分析,完成目标运动行为自动检测分析。检测结果具有准确、稳定及快速等优点。
Description
技术领域
本发明属于图像处理与机器视觉技术领域,具体涉及一种可对多个运动目标进行无标识跟踪测量的检测方法。
背景技术
运动目标检测与跟踪是图像处理与机器视觉相关领域的重要研究内容之一,目标跟踪主要是研究视频图像序列中运动目标的检测、提取、识别和跟踪,获得运动目标的运动参数,如位置、速度、加速度等,以及目标运动的轨迹,从而进行进一步处理与分析,实现对运动目标的行为理解,以完成更高一级的任务。因此,运动目标检测与跟踪成为了十分重要的研究方向。对于简单环境下的大目标,目前,已有相应的图像处理方法完成相应的自动检测和跟踪。
在“第九届全国信息获取与处理学术会议”上,李伟宁提出了基于运动区域分析、图像匹配、动态模板更新等的跟踪算法。当运动目标出现时,建立边界框并生成模板进行跟踪,如果运动目标外形发生变化,及时更新模板并初始化。该算法在可见光图像的实验中取得了较好的跟踪效果。
美国卡耐基梅隆大学机器人学院所发表的《Moving TargetClassification and Tracking from Real-time Video》中提出了利用各帧之间的明暗差异和目标匹配的方式来进行目标的跟踪。文中提出将目标分为三种类型模板:人,机动车和背景,在追踪过程中将所发现的目标与该目标模板进行匹配,从而实现跟踪。
现如今,出现的目标跟踪测量系统基本上都只能对简单环境下的大目标或者是添加标记的目标进行跟踪测量,适用范围并不是很广。
发明内容
(一)要解决的技术问题
本发明针对以上不足之处,利用背景和目标的特征差异、前后帧的模板匹配以及目标识别等方式,完成了可对多种类型、多个目标、无标识跟踪测量的方法。
(二)技术方案
为了解决上述问题,本发明提供了一种无标识运动目标跟踪测量方法,包括:S1、在初始图像上获取背景和目标信息;S2、选择目标类型,选定目标,进行目标检测。
优选地,所述步骤S1包括:首先获取图像上的背景信息,然后将各个目标的信息与背景信息相互对比,进而确定各个目标的模板信息,之后,利用模板与图像的匹配,找到匹配程度最高的区域,将其中心点视为目标的准确位置,进而实现目标的跟踪。
优选地,初始图像上目标信息的获取过程如下:
1)获取图像背景上R、G、B分量的亮度平均值ave_r,ave_g,ave_b,并求出这三个值的平均值;
2)获取图像上目标的长短轴,求出长轴上R、G、B分量的亮度平均值和标准偏差,并与背景的亮度平均值相比较,确定目标与背景的明暗关系;
3)将目标长轴上R、G、B分量各像素点的亮度平均值进行排序,将其中亮度平均值最大分量的帧号设为a1帧,最小分量的帧号设为a2帧;
4)获得目标长轴在a1帧和a2帧图像上各像素点的亮度值,并依次求出各点E值大小,设长轴上某一像素点在a1帧和a2帧分量上的亮度值大小为P1、P2,亮度平均值为ave1、ave2,如果目标的亮度高于背景,由公式1求出E值并找出E值最大的坐标点(cx,cy),如果目标的亮度小于背景,由公式2求出E值并找出E值最小的坐标点(cx,cy),
E=(2*P1-P2)-4*||ave1-ave2|-|P1-P2|| (1)
E=P1+P2 (2)
5)以(cx,cy)为中心点,建立9×9像素的初始模板T(cx,cy),并以(cx,cy)为中心顺时针读取其周围80个像素在a1帧和a2帧分量上的亮度值,并存放在数组buf1[i]、buf2[i]中(0≤i<80),对buf1[]、buf2[]中的值进行排序。
优选地,所述过程5)中排序方法如下:读取该模板最外层像素在a1帧上的亮度值,即从buf1[49]到buf2[80],查找亮度值最大的元素作为新数组的第一个元素并记下其在原数组中的序号,将该序号之后的值依次排列在其后,该序号之前的值按原顺序排列到最后,按照这种方式,将buf1[]、buf2[]中的值依次存入数组sbuf1[]、sbuf2[]中。
优选地,所述步骤S2包括:在目标检测过程中,各帧图像均以前一帧为参考进行模板匹配,进而确定目标的具体位置,在目标的中心点(i,j)处建立9×9像素的模板T(i,j),在图像上移动该模板,模板下覆盖的那块搜索区域叫做子图,比较模板与子图信息并求出匹配程度的大小,将匹配程度最大的子图中心点视为该目标的准目标点,再对准目标点进行区域判定,如果准目标点在规定范围内,则认定其为目标点,反之,进行目标点查找,最终确定目标点。
优选地,所述步骤S2包括:1)提取目标模板T(i,j)的颜色特征值buf1[],buf2[],sbuf1[],sbuf2[];
2)将前一帧上目标点的坐标位置(i,j)作为当前帧上的初始检测点,将目标模板T(i,j)的中心与点(i,j)重合覆盖在搜索区域上,得到子图P(i,j),提取子图P(i,j)的颜色特征值,得到子图P(i,j)各点在a1帧和a2帧分量上的数组buf1’[]、buf2’[],以及重排后数组sbuf1’[]、sbuf2’[];
3)比较子图P(i,j)和模板T(i,j),定义匹配差异参数D,如公式3所示,以该参数的值代表匹配程度,该值越小说明匹配程度越高,
4)在图像上移动模板T(i,j),查找准目标点,即找与目标模板T(i,j)最匹配的子图,即匹配差异参数D最小的子图,模板中心的移动方式由N0依次移至N8,分别测量出模板由N0移至N8的过程中各子图的颜色特征值buf1’[]、buf2’[]和sbuf1’[]、sbuf2’[],并计算出各子图与模板T(i,j)的匹配差异参数D,比较包括P(N0)在内的9个子图的匹配程度大小,若子图P(N0)比周围8个子图匹配程度都大,则停止查找,点N0即为准目标点,并记录该子图和模板的匹配差异参数为MD,若周围8个子图有比子图P(N0)匹配程度大的子图,设为P(Nx),则将模板T的中心移至点Nx处,将Nx设定为新一轮查找的中心点N0,重新进行模板移动和目标点查找,直到找到比周围8个子图匹配程度都大的中心位置为止;
5)对准目标点进行判定,判断该点是否在搜索范围内,判定条件如公式4,其中As为模板上的像素个数(81),系数5表示模板与子图之间平均每个像素点的最大亮度差值,若公式4成立,则认为该目标点在搜索范围内,符合条件,该点即为所追踪的目标点,若不成立,则认为准目标点超出搜索范围,进行目标查找,转步骤6),
MD<5×As (4);
6)目标查找,在准目标点周围采取逐层查找的方式,如果目标的亮度大于背景,则在准目标点周围查找E值最大的像素点,如果目标的亮度小于背景,则在准目标点周围查找E值最小的像素点,并以该点为中心,查找包括8邻域像素在内的9个像素点中E值最大或最小的点,将该点视为准目标点;
7)建立新模板,在查找到目标点之后,以该目标点为中心,提取颜色特征值buf1[],buf2[]和buf1[],sbuf2[],用作下一帧图像上的目标模板。
优选地,当进行多目标跟踪测量时,按照步骤S1,确定各目标的目标和背景的相关信息,建立初始模板T,按照步骤S2,依次对各目标点进行模板匹配,检测出目标位置。
(三)有益效果
本发明针对未标记的多个运动目标进行视频和实时检测。利用颜色特征进行前后帧的模板匹配,目标识别,进而对其运动轨迹进行追踪并对目标行为进行分析,完成目标运动行为自动检测分析。检测结果具有准确、稳定及快速等优点。
附图说明
下面参照附图并结合实例来进一步描述本发明。其中:
图1为根据本发明实施例的模板移动方式示意图。
图2为根据本发明实施例的在实时跟踪测量过程中的流程图。
图3为根据本发明实施例的视频跟踪的操作过程。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
本发明视频跟踪时所采用的视频样本是分辨率640x480,帧率为30帧/秒的AVI文件或连续的BMP文件;实时跟踪时所采用的采集装置是分辨率为640x480,帧率为30帧/秒的数码摄像机或者是简易摄像头均可。图像处理采用的PC机,配置为Pentium(R)Dual-Core处理器,主频为2.6GHz,内存为2.00GB。利用Microsoft的Visual Studio 10.0进行了算法的研究开发。根据本发明提出的无标识运动目标跟踪测量方法,包括以下步骤:
S1、获取初始图像背景和目标信息
为了实现对任意目标的跟踪测量,首先需要获取图像上的背景信息,然后将各个目标的信息与背景信息相互对比,进而确定各个目标的模板信息;之后,利用模板与图像的匹配,找到匹配程度最高的区域,将其中心点视为目标的准确位置,进而实现目标的跟踪。初始图像上目标信息的获取过程如下:
1)获取图像背景上R、G、B分量的亮度平均值ave_r,ave_g,ave_b,并求出这三个值的平均值。
2)获取图像上目标的长短轴,求出长轴上R、G、B分量的亮度平均值和标准偏差,并与背景的亮度平均值相比较,确定目标与背景的明暗关系。
3)将目标长轴上R、G、B分量各像素点的亮度平均值进行排序,将其中亮度平均值最大分量的帧号设为a1帧,最小分量的帧号设为a2帧。
4)获得目标长轴在a1帧和a2帧图像上各像素点的亮度值,并依次求出各点E值大小(式1、2)。设长轴上某一像素点在a1帧和a2帧分量上的亮度值大小为P1,P2,亮度平均值为ave1,ave2。如果目标的亮度高于背景,由公式1求出E值并找出E值最大的坐标点(cx,cy);如果目标的亮度小于背景,由公式2求出E值并找出E值最小的坐标点(cx,cy)。
E=(2*P1-P2)-4*||ave1-ave2|-|P1-P2|| (1)
E=P1+P2 (2)
5)以(cx,cy)为中心点,建立9×9像素的初始模板T(cx,cy),并以(cx,cy)为中心顺时针读取其周围80个像素在a1帧和a2帧分量上的亮度值,并存放在数组buf1[i],buf2[i]中(0≤i<80),对buf1[],buf2[]中的值进行排序。排序方法如下:读取该模板最外层像素在a1帧上的亮度值(即从buf1[49]到buf2[80]),查找亮度值最大的元素作为新数组的第一个元素并记下其在原数组中的序号,将该序号之后的值依次排列在其后,该序号之前的值按原顺序排列到最后。按照这种方式,将buf1[],buf2[]中的值依次存入数组sbuf1[],sbuf2[]中。
S2、检测目标
在目标检测过程中,各帧图像均以前一帧为参考进行模板匹配,进而确定目标的具体位置。在目标的中心点(i,j)处建立9×9像素的模板T(i,j)。在图像上移动该模板,模板下覆盖的那块搜索区域叫做子图,比较模板与子图信息并求出匹配程度的大小,将匹配程度最大的子图中心点视为该目标的准目标点,再对准目标点进行区域判定,如果准目标点在规定范围内,则认定其为目标点;反之,进行目标点查找,最终确定目标点。具体步骤如下。
提取目标模板T(i,j)的颜色特征值buf1[],buf2[],sbuf1[],sbuf2[],具体内容同步骤2(5)。
将前一帧上目标点的坐标位置(i,j)作为当前帧上的初始检测点。将目标模板T(i,j)的中心与点(i,j)重合覆盖在搜索区域上,得到子图P(i,j)。提取子图P(i,j)的颜色特征值,方法与提取目标模板T(i,j)的颜色特征值方法相同,得到子图P(i,j)各点在a1帧和a2帧分量上的数组buf1’[],buf2’[],以及重排后数组sbuf1’[],sbuf2’[]。
比较子图P(i,j)和模板T(i,j)。定义匹配差异参数D,如公式3所示,以该参数的值代表匹配程度。该值越小说明匹配程度越高。
在图像上移动模板T(i,j),查找准目标点。查找准目标点的过程实质是查找与目标模板T(i,j)最匹配的子图,即匹配差异参数D最小的子图。模板中心的移动方式如图1所示,由N0依次移至N8。分别测量出模板由N0移至N8的过程中各子图的颜色特征值buf1’[],buf2’[]和sbuf1’[],sbuf2’[],并计算出各子图与模板T(i,j)的匹配差异参数D,具体步骤同2)3)。比较包括P(N0)在内的9个子图的匹配程度大小,若子图P(N0)比周围8个子图匹配程度都大,则停止查找,点N0即为准目标点,并记录该子图和模板的匹配差异参数为MD;若周围8个子图有比子图P(N0)匹配程度大的子图,设为P(Nx),则将模板T的中心移至点Nx处,将Nx设定为新一轮查找的中心点N0,重新进行模板移动和目标点查找,直到找到比周围8个子图匹配程度都大的中心位置为止。
对准目标点进行判定,判断该点是否在搜索范围内。由于在进行目标匹配的过程中,可能将其他目标上符合条件的点或背景上符合条件的点误判为我们所查找的点,所以要进行判定。判定条件如公式4,其中As为模板上的像素个数(81),系数5表示模板与子图之间平均每个像素点的最大亮度差值。若公式4成立,则认为该目标点在搜索范围内,符合条件。该点即为所追踪的目标点。若不成立,则认为准目标点超出搜索范围,进行目标查找,转步骤(6)。
MD<5×As (4)
目标查找。在准目标点周围采取逐层查找的方式,查找范围的大小依实际情况而定。如果目标的亮度大于背景,则在准目标点周围查找E值最大的像素点;如果目标的亮度小于背景,则在准目标点周围查找E值最小的像素点。并以该点为中心,查找包括8邻域像素在内的9个像素点中E值最大(或最小)的点,将该点视为准目标点。
建立新模板。在查找到目标点之后,以该目标点为中心,提取颜色特征值buf1[],buf2[]和buf1[],sbuf2[],用作下一帧图像上的目标模板。
多目标实时跟踪测量
按照步骤S1,确定各目标的目标和背景的相关信息,建立初始模板T。按照步骤S2,依次对各目标点进行模板匹配,检测出目标位置。
实施例
为使本发明的目的、内容和优点更加清楚,下面结合实例,对本发明的具体实施方式作进一步详细描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。本实施例采用的视频是分辨率为640x480像素,帧率为30帧/秒的AVI文件,视频的内容是桌球比赛过程中球的运动。图3(a)是从视频中截取的初始图像,可以看出该实施例具有多种类的运动目标和较为均匀的背景。为了使目标与背景分离出来,就需要我们建立不同类型的目标模板。
视频跟踪的操作过程如下:
在初始图像的背景上画一条线,测量获取视频的背景信息,如图3(b)所示。因图像背景相对比较均匀,线上的信息便可在一定程度上代表背景信息,获取线上各个像素点在R、G、B分量上的亮度平均值ave_r,ave_g,ave_b,并算出这三个值的平均值;
点击左键在目标上画两条十字相交的线,选定目标,获取目标区域的相关信息。求出长轴上R、G、B分量的亮度平均值和标准偏差,并与背景的亮度平均值相比较,确定目标与背景的明暗关系,例如白色球和红色球的亮度明显要高于背景,黑色球的亮度要低于背景;本发明中可同时选定多种不同颜色、大小、运动速度的目标。对于运动较快的目标,需要将目标搜索范围的倍数适当的调大些,以此明确目标跟踪过程中目标丢失后的查找范围。如图3中(c)所示,因白球的速度较快,故将目标搜索范围的倍数调整为10,再选定目标。依照此方法,将视频上的所有目标选中,并以各个目标的中心位置为中心点建立9×9像素的初始模板T,其他目标搜索范围设为1-2倍即可。
执行测量,进行轨迹跟踪。第二帧图像以第一帧图像目标的中心点为起始点,进行模板匹配,移动模板,检测各子图的颜色特征参数buf1’[],buf2’[]和sbuf1’[],sbuf2’[],找到图像中起始点周围各子图与模板最匹配的一个,并将此中心点视为准目标点。同样,其他帧的图像均以前一帧目标的中心点为起始点进行匹配、跟踪、测量。详细的步骤如具体解决方案中的目标检测部分。图3中(d)是在轨迹跟踪的第60帧的追踪图像,图3中(e)显示了最终的轨迹结果图。
实时跟踪的操作过程与视频跟踪的操作过程相类似。不同之处是在实时跟踪过程之前,要提前获取背景的相关信息和目标的初始模板T。实时跟踪的操作过程如下:
开启实时跟踪操作界面。停止预览,获得当前预览的图像。
在预览图像的背景上画一条线,获取视频背景RGB分量的相关信息。
点击左键在目标上画两条十字相交的线,选定目标作为一种目标类型,获取目标区域的相关信息。可同时选定多种不同颜色、大小、运动速度的目标。对于运动较快的目标,需要将目标搜索范围的倍数适当的调大些。
开始跟踪,选定目标所属的目标类型,直接点击目标,即可获得目标的运动轨迹。
本发明的描述是为了示例和描述起见而给出的,而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用,并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。
Claims (7)
1.一种无标识运动目标跟踪测量方法,其特征在于,包括:
S1、在初始图像上获取背景和目标信息;
S2、选择目标类型,选定目标,进行目标检测。
2.如权利要求1所述的方法,其特征在于:
所述步骤S1包括:首先获取图像上的背景信息,然后将各个目标的信息与背景信息相互对比,进而确定各个目标的模板信息,之后,利用模板与图像的匹配,找到匹配程度最高的区域,将其中心点视为目标的准确位置,进而实现目标的跟踪。
3.如权利要求2所述的方法,其特征在于:
初始图像上目标信息的获取过程如下:
1)获取图像背景上R、G、B分量的亮度平均值ave_r,ave_g,ave_b,并求出这三个值的平均值;
2)获取图像上目标的长短轴,求出长轴上R、G、B分量的亮度平均值和标准偏差,并与背景的亮度平均值相比较,确定目标与背景的明暗关系;
3)将目标长轴上R、G、B分量各像素点的亮度平均值进行排序,将其中亮度平均值最大分量的帧号设为a1帧,最小分量的帧号设为a2帧;
4)获得目标长轴在a1帧和a2帧图像上各像素点的亮度值,并依次求出各点E值大小,设长轴上某一像素点在a1帧和a2帧分量上的亮度值大小为P1、P2,亮度平均值为ave1、ave2,如果目标的亮度高于背景,由公式1求出E值并找出E值最大的坐标点(cx,cy),如果目标的亮度小于背景,由公式2求出E值并找出E值最小的坐标点(cx,cy),
E=(2*P1-P2)-4*||ave1-ave2|-|P1-P2|| (1)
E=P1+P2 (2)
5)以(cx,cy)为中心点,建立9×9像素的初始模板T(cx,cy),并以(cx,cy)为中心顺时针读取其周围80个像素在a1帧和a2帧分量上的亮度值,并存放在数组buf1[i]、buf2[i]中(0≤i<80),对buf1[]、buf2[]中的值进行排序。
4.如权利要求3所述的方法,其特征在于:
所述过程5)中排序方法如下:读取该模板最外层像素在a1帧上的亮度值,即从buf1[49]到buf2[80],查找亮度值最大的元素作为新数组的第一个元素并记下其在原数组中的序号,将该序号之后的值依次排列在其后,该序号之前的值按原顺序排列到最后,按照这种方式,将buf1[]、buf2[]中的值依次存入数组sbuf1[]、sbuf2[]中。
5.如权利要求1所述的方法,其特征在于:
所述步骤S2包括:在目标检测过程中,各帧图像均以前一帧为参考进行模板匹配,进而确定目标的具体位置,在目标的中心点(i,j)处建立9×9像素的模板T(i,j),在图像上移动该模板,模板下覆盖的那块搜索区域叫做子图,比较模板与子图信息并求出匹配程度的大小,将匹配程度最大的子图中心点视为该目标的准目标点,再对准目标点进行区域判定,如果准目标点在规定范围内,则认定其为目标点,反之,进行目标点查找,最终确定目标点。
6.如权利要求5所述的方法,其特征在于:
所述步骤S2包括:1)提取目标模板T(i,j)的颜色特征值buf1[],buf2[],sbuf1[],sbuf2[];
2)将前一帧上目标点的坐标位置(i,j)作为当前帧上的初始检测点,将目标模板T(i,j)的中心与点(i,j)重合覆盖在搜索区域上,得到子图P(i,j),提取子图P(i,j)的颜色特征值,得到子图P(i,j)各点在a1帧和a2帧分量上的数组buf1’[]、buf2’[],以及重排后数组sbuf1’[]、sbuf2’[];
3)比较子图P(i,j)和模板T(i,j),定义匹配差异参数D,如公式3所示,以该参数的值代表匹配程度,该值越小说明匹配程度越高,
4)在图像上移动模板T(i,j),查找准目标点,即找与目标模板T(i,j)最匹配的子图,即匹配差异参数D最小的子图,模板中心的移动方式由N0依次移至N8,分别测量出模板由N0移至N8的过程中各子图的颜色特征值buf1’[]、buf2’[]和sbuf1’[]、sbuf2’[],并计算出各子图与模板T(i,j)的匹配差异参数D,比较包括P(N0)在内的9个子图的匹配程度大小,若子图P(N0)比周围8个子图匹配程度都大,则停止查找,点N0即为准目标点,并记录该子图和模板的匹配差异参数为MD,若周围8个子图有比子图P(N0)匹配程度大的子图,设为P(Nx),则将模板T的中心移至点Nx处,将Nx设定为新一轮查找的中心点N0,重新进行模板移动和目标点查找,直到找到比周围8个子图匹配程度都大的中心位置为止;
5)对准目标点进行判定,判断该点是否在搜索范围内,判定条件如公式4,其中As为模板上的像素个数(81),系数5表示模板与子图之间平均每个像素点的最大亮度差值,若公式4成立,则认为该目标点在搜索范围内,符合条件,该点即为所追踪的目标点,若不成立,则认为准目标点超出搜索范围,进行目标查找,转步骤6),
MD<5×As (4);
6)目标查找,在准目标点周围采取逐层查找的方式,如果目标的亮度大于背景,则在准目标点周围查找E值最大的像素点,如果目标的亮度小于背景,则在准目标点周围查找E值最小的像素点,并以该点为中心,查找包括8邻域像素在内的9个像素点中E值最大或最小的点,将该点视为准目标点;
7)建立新模板,在查找到目标点之后,以该目标点为中心,提取颜色特征值buf1[],buf2[]和buf1[],sbuf2[],用作下一帧图像上的目标模板。
7.如权利要求1所述的方法,其特征在于:
当进行多目标跟踪测量时,按照步骤S1,确定各目标的目标和背景的相关信息,建立初始模板T,按照步骤S2,依次对各目标点进行模板匹配,检测出目标位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210210754.0A CN102779348B (zh) | 2012-06-20 | 2012-06-20 | 无标识运动目标跟踪测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210210754.0A CN102779348B (zh) | 2012-06-20 | 2012-06-20 | 无标识运动目标跟踪测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102779348A true CN102779348A (zh) | 2012-11-14 |
CN102779348B CN102779348B (zh) | 2015-01-07 |
Family
ID=47124257
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210210754.0A Expired - Fee Related CN102779348B (zh) | 2012-06-20 | 2012-06-20 | 无标识运动目标跟踪测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102779348B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102968802A (zh) * | 2012-11-28 | 2013-03-13 | 无锡港湾网络科技有限公司 | 一种基于视频监控的运动目标分析跟踪方法及系统 |
CN107194306A (zh) * | 2017-03-31 | 2017-09-22 | 上海体育学院 | 视频中球员追踪方法和装置 |
CN108230284A (zh) * | 2016-12-14 | 2018-06-29 | 深圳先进技术研究院 | 一种运动轨迹确定方法及装置 |
CN109241896A (zh) * | 2018-08-28 | 2019-01-18 | 腾讯科技(深圳)有限公司 | 一种通道安全检测方法、装置及电子设备 |
CN109271854A (zh) * | 2018-08-07 | 2019-01-25 | 北京市商汤科技开发有限公司 | 基于视频处理方法及装置、视频设备及存储介质 |
CN109743497A (zh) * | 2018-12-21 | 2019-05-10 | 创新奇智(重庆)科技有限公司 | 一种数据集采集方法、系统及电子装置 |
WO2020078026A1 (zh) * | 2018-10-15 | 2020-04-23 | 华为技术有限公司 | 一种图像处理方法、装置与设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090087029A1 (en) * | 2007-08-22 | 2009-04-02 | American Gnc Corporation | 4D GIS based virtual reality for moving target prediction |
CN101739686A (zh) * | 2009-02-11 | 2010-06-16 | 北京智安邦科技有限公司 | 运动目标跟踪方法及其系统 |
CN101739551A (zh) * | 2009-02-11 | 2010-06-16 | 北京智安邦科技有限公司 | 运动目标识别方法及系统 |
CN101860664A (zh) * | 2010-06-13 | 2010-10-13 | 华中科技大学 | 一种对光照变化鲁棒的运动目标检测方法 |
CN102103748A (zh) * | 2010-12-14 | 2011-06-22 | 西北工业大学 | 一种复杂背景下红外弱小目标检测和跟踪方法 |
-
2012
- 2012-06-20 CN CN201210210754.0A patent/CN102779348B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090087029A1 (en) * | 2007-08-22 | 2009-04-02 | American Gnc Corporation | 4D GIS based virtual reality for moving target prediction |
CN101739686A (zh) * | 2009-02-11 | 2010-06-16 | 北京智安邦科技有限公司 | 运动目标跟踪方法及其系统 |
CN101739551A (zh) * | 2009-02-11 | 2010-06-16 | 北京智安邦科技有限公司 | 运动目标识别方法及系统 |
CN101860664A (zh) * | 2010-06-13 | 2010-10-13 | 华中科技大学 | 一种对光照变化鲁棒的运动目标检测方法 |
CN102103748A (zh) * | 2010-12-14 | 2011-06-22 | 西北工业大学 | 一种复杂背景下红外弱小目标检测和跟踪方法 |
Non-Patent Citations (3)
Title |
---|
ALAN J.LIPTON等: "Moving target classification and tracking from real-time video", 《APPLICATIONS OF COMPUTER VISION》 * |
刘伟宁: "基于运动区域检测的目标跟踪算法", 《仪器仪表学报》 * |
张娟等: "运动目标跟踪算法研究综述", 《计算机应用研究》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102968802A (zh) * | 2012-11-28 | 2013-03-13 | 无锡港湾网络科技有限公司 | 一种基于视频监控的运动目标分析跟踪方法及系统 |
CN108230284A (zh) * | 2016-12-14 | 2018-06-29 | 深圳先进技术研究院 | 一种运动轨迹确定方法及装置 |
CN108230284B (zh) * | 2016-12-14 | 2021-09-07 | 深圳先进技术研究院 | 一种运动轨迹确定方法及装置 |
CN107194306A (zh) * | 2017-03-31 | 2017-09-22 | 上海体育学院 | 视频中球员追踪方法和装置 |
CN107194306B (zh) * | 2017-03-31 | 2020-04-28 | 上海体育学院 | 视频中球员追踪方法和装置 |
CN109271854A (zh) * | 2018-08-07 | 2019-01-25 | 北京市商汤科技开发有限公司 | 基于视频处理方法及装置、视频设备及存储介质 |
CN109241896A (zh) * | 2018-08-28 | 2019-01-18 | 腾讯科技(深圳)有限公司 | 一种通道安全检测方法、装置及电子设备 |
WO2020078026A1 (zh) * | 2018-10-15 | 2020-04-23 | 华为技术有限公司 | 一种图像处理方法、装置与设备 |
CN109743497A (zh) * | 2018-12-21 | 2019-05-10 | 创新奇智(重庆)科技有限公司 | 一种数据集采集方法、系统及电子装置 |
CN109743497B (zh) * | 2018-12-21 | 2020-06-30 | 创新奇智(重庆)科技有限公司 | 一种数据集采集方法、系统及电子装置 |
Also Published As
Publication number | Publication date |
---|---|
CN102779348B (zh) | 2015-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102779348B (zh) | 无标识运动目标跟踪测量方法 | |
CN105488454B (zh) | 基于单目视觉的前方车辆检测与测距 | |
CN104392468B (zh) | 基于改进视觉背景提取的运动目标检测方法 | |
CN104106105B (zh) | 立体物检测装置 | |
CN102307274B (zh) | 基于边缘检测和帧差法的运动检测方法 | |
CN102609720B (zh) | 一种基于位置校正模型的行人检测方法 | |
CN109145708B (zh) | 一种基于rgb和d信息融合的人流量统计方法 | |
CN109900711A (zh) | 基于机器视觉的工件缺陷检测方法 | |
CN104978567B (zh) | 基于场景分类的车辆检测方法 | |
EP3118833B1 (en) | Traffic light detection device and traffic light detection method | |
CN108346160A (zh) | 基于视差图背景差法和Meanshift结合的多运动目标跟踪方法 | |
CN105894534B (zh) | 一种基于ViBe的改进运动目标检测方法 | |
CN105160691A (zh) | 基于颜色直方图的车身颜色识别方法 | |
CN101094413A (zh) | 用于视频监控的实时运动检测方法 | |
CN106570490B (zh) | 一种基于快速聚类的行人实时跟踪方法 | |
CN104992453A (zh) | 基于极限学习机的复杂背景下目标跟踪方法 | |
CN104809463A (zh) | 一种基于密集尺度不变特征转换字典学习的高精度火灾火焰检测方法 | |
CN108764338B (zh) | 一种应用于视频分析的行人跟踪方法 | |
CN106204594A (zh) | 一种基于视频图像的弥散性运动物体的方向检测方法 | |
CN102393902A (zh) | 基于h_s二维直方图和区域颜色匹配的车辆颜色检测方法 | |
Zhang et al. | Application research of YOLO v2 combined with color identification | |
CN105740835A (zh) | 夜视环境下基于车载相机的前方车辆检测方法 | |
CN110516527B (zh) | 一种基于实例分割的视觉slam回环检测改进方法 | |
Cordes et al. | Roadsaw: A large-scale dataset for camera-based road surface and wetness estimation | |
CN105956531A (zh) | 基于视频序列影像特征分析的日夜切换检测算法 |
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: 20150107 Termination date: 20160620 |
|
CF01 | Termination of patent right due to non-payment of annual fee |