CN102855465A - 一种移动物体的跟踪方法 - Google Patents
一种移动物体的跟踪方法 Download PDFInfo
- Publication number
- CN102855465A CN102855465A CN2012102634040A CN201210263404A CN102855465A CN 102855465 A CN102855465 A CN 102855465A CN 2012102634040 A CN2012102634040 A CN 2012102634040A CN 201210263404 A CN201210263404 A CN 201210263404A CN 102855465 A CN102855465 A CN 102855465A
- Authority
- CN
- China
- Prior art keywords
- tracking
- mobile object
- subregion
- image
- central point
- 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)
- Studio Devices (AREA)
Abstract
本发明提供了一种移动物体的跟踪方法，所述物体探测跟踪方法包括以下步骤，S1、获取监控区域的视频流图像；S2、通过背景建模法获取背景帧图像，并将当前帧图像与背景帧图像进行比较，获得运动区域；S3、通过对所述运动区域内的像素点进行灰度直方图运算；S4、结合运动区域的中心点距离，对相邻帧的相同面积的子区域进行搜索，获取与所述灰度直方图运算结果中匹配度最高的子区域；S5、将子区域的中心点信息进行即时更新，并保存至存储装置，通过计算子区域的中心点在监控区域内的轨迹信息，得到移动物体的跟踪结果。通过本发明，可对室内与室外的复杂环境中，对移动物体进行跟踪，可有效地提高对移动物体的跟踪的效率与准确度。
Description
技术领域
本发明属于视频图像处理及识别技术领域，特别涉及基于视频流图像处理技术的一种移动物体的跟踪方法。
背景技术
众所周知，视频监控的主要目的是监控运动目标，其核心内容主要包括运动检测、目标分类、目标跟踪、行为分析和理解。其中移动物体的跟踪则更是重中之重，它是近年来计算机视觉领域中备受关注的前沿内容。对移动物体跟踪的意义在于对移动物体的行动进行理解和描述，从而对移动物体的一些危险行为做出正确的判断。如果其构成预定义的危险状况，则及时发出警报给相关部门，以避免不必要的损失。除此之外，移动物体的跟踪在高级的人机交互、视频会议、3D动画制作等方面也有广泛的应用。
然而，分析近年来国内外对移动物体监控、理解和应用方面的研究成果可以发现，尽管在移动物体跟踪的研究方面取得了积极的研究成果，但这些成果大多是基于户内理想场景而取得的。这样，尽管在理论上具有一定的可行性，或在特定场景的实践中也具有一定的实用和经济价值，然而一旦应用于户外复杂变化的场景时就暴露出了许多问题。
有鉴于此，有必要对现有技术中的移动物体的跟踪方法予以改进，以解决上述问题。
发明内容
本发明的目的在于提供一种移动物体的跟踪方法，其可有效地提高实时探测监控区域内的移动物体的跟踪效率与准确度。
为实现上述发明目的，本发明提供了一种移动物体的跟踪方法，其至少包括以下步骤，
S1、获取监控区域的视频流图像；
S2、通过背景建模法获取背景帧图像，并将当前帧图像与背景帧图像进行比较，获得运动区域；
S3、通过对所述运动区域内的像素点进行灰度直方图运算；
S4、结合运动区域的中心点距离，对相邻帧的相同面积的子区域进行搜索，获取与所述灰度直方图运算结果中匹配度最高的子区域；
S5、将子区域的中心点信息进行即时更新，并保存至存储装置，通过计算子区域的中心点在监控区域内的轨迹信息，得到移动物体的跟踪结果。
作为本发明的进一步改进，所述步骤S1具体为：通过摄像机获取监控区域的视频流图像，所述监控区域位于摄像机的下方。
作为本发明的进一步改进，所述步骤S2具体为：通过中值滤波运算，获取设定间隔的连续的背景帧图像；并将当前帧图像与最终被选定的背景帧图像进行比较；将该比较结果与设定阈值进行比较，以提取出运动区域。
作为本发明的进一步改进，所述步骤S2中的中值滤波运算的运算公式为：
其中，Pb(x,y)为最终被选定的背景帧图像的像素，Pak(x,y)为从视频流图像中抽取的原始图像帧的像素，median为中值滤波函数，k为设定间隔参数，其为大于或者等于2的整数。
作为本发明的进一步改进，所述步骤S2中，若所述比较结果大于或者等于所述设定阈值，则提取出运动区域；若所述比较结果小于所述设定阈值，则不提取出运动区域。
作为本发明的进一步改进，所述比较结果为在当前帧图像和最终被选定的背景帧图像的同一位置中的像素灰度差。
作为本发明的进一步改进，所述设定阈值为20。
作为本发明的进一步改进，所述步骤S4中获取与所述灰度直方图运算结果中匹配度最高的子区域的计算公式为：
其中，A是子区域的像素灰度直方图分布特征，Aij为相邻帧的子区域的像素灰度直方图分布特征，d为搜索距离，i与j分别为与所述灰度直方图运算结果中匹配度最高的子区域中心点坐标。
作为本发明的进一步改进，所述步骤S5中的中心点信息包括与所述灰度直方图运算结果中匹配度最高的子区域的水平移动距离H、垂直移动距离V以及中心点移动方向。
作为本发明的进一步改进，所述步骤S5中水平移动距离H以及垂直移动距离V的计算公式为：
作为本发明的进一步改进，所述步骤S5中的存储装置至少包括flash 闪存、服务器数据库。
与现有技术相比，本发明的有益效果是：通过本发明，可对室内与室外的复杂环境中，对移动物体进行跟踪，可有效地提高对移动物体跟踪的效率与准确度。
附图说明
图1为本发明一种移动物体的跟踪方法一具体实施方式中的流程示意图；
图2为图1所示的步骤S1中获取监控区域的视频流图像的工作原理示意图；
图3为图1所示的步骤S3中通过背景建模法获取背景帧图像的工作原理示意图；
图4为图1所示的步骤S4中子区域的中心点的计算过程示意图；
图5为图1所示的步骤S4中子区域搜索示意图；
图6为图1所示的跟踪所述监控区域中的两个子区域的中心点的轨迹信息示意图。
具体实施方式
下面结合附图所示的各实施方式对本发明进行详细说明，但应当说明的是，这些实施方式并非对本发明的限制，本领域普通技术人员根据这些实施方式所作的功能、方法、或者结构上的等效变换或替代，均属于本发明的保护范围之内。
关于监控区域30内的移动物体的跟踪的方法，常用的有帧差法、高斯模型的方法、光流法、均值漂移法、特征匹配法、小波和支持向量机法等。
请参图1所示，图1为本发明一种移动物体的跟踪方法一具体实施方式中的流程示意图。在本实施方式中，一种移动物体的跟踪方法，其至少包括以下步骤：
S1、获取监控区域的视频流图像。
参图2所示，本发明一种移动物体的跟踪方法是一种基于摄像机水平或倾斜拍摄，适用于室内外场景的物体探测跟踪方法。
在本实施方式中，摄像机10可设置在户外场景20中，监控区域30可是设置于摄像机10的正下方，也可设置于摄像机10的斜下方，摄像机10可设置在距离地面一定高度的地方。移动物体（未图示）可在监控区域30内任意移动。在本实施方式中，该监控区域30可为正方形，当然也可为矩形、圆形或者其他形状。
S2、通过背景建模法获取背景帧图像，并将当前帧图像与背景帧图像进行比较，获得运动区域。
背景建模法是用来得到一个稳定的且能自适应环境的背景帧图像。背景模型要适应在短时间内保持一个稳定的状态，而且又要根据外部环境的变化自动调节。具体方法是通过中值滤波运算，获取设定间隔的连续的背景帧图像；并将当前帧图像与最终被选定的背景帧图像进行比较。然后将该比较结果与设定阈值进行比较，以提取出运动区域。
参图3所示，在本实施方式中，可对监控区域30的视频流图像中每十帧的原始图像40中提取第一帧作为原始背景帧图像401。并对提取的原始背景帧图像401进行积累，将所有积累的原始背景帧图像401相同位置411上的像素点灰度值进行从大到小顺次排列，选取灰度值为中值点的像素作为最终被选定的背景帧图像402的像素，其运算公式为：
其中，Pb(x,y)为最终被选定的背景帧图像402的像素，Pak(x,y)为从视频流图像中抽取的原始图像帧的像素，median为中值滤波函数，k为设定间隔参数，其为大于或者等于2的整数。在本实施方式中，该设定间隔参数k为10，当然也可取其它大于或者等于2的整数。
随着监控区域30的视频流图像中的原始图像40的不断更新，以上过程重复进行，以保证每十帧的原始图像40中提取第一帧图像作为原始背景帧图像401，参图3所示。
用最终被选定的背景帧图像402做背景，用当前帧图像和最终被选定的背景帧图像402做比较，以提取出运动区域，其运算公式为：
其中，Pr(x,y)为提取出运动区域像素点的二值化结果，Pc(x,y)为当前帧图像的像素点灰度值，Pb(x,y)为最终被选定的背景帧图像402的像素点灰度值。该步骤中所生成的比较结果为当前帧图像和最终被选定的背景帧图像402在同一位置411的像素灰度差。
接下来，将生成的比较结果与设定阈值进行比较，以提取出运动区域。若比较结果大于或者等于设定阈值，则提取出运动区域；若比较结果小于设定阈值，则不提取出运动区域。
在本实施方式中，像素灰度差的设定阈值为20。设定阈值对移动物体的检测效果起决定性作用，其大小决定了对整个移动物体的检测敏感度。
S3、通过对所述运动区域内的像素点进行灰度直方图运算。
灰度直方图（histogram）是灰度级的函数，它表示图像中具有每种灰度级的像素的个数，反映图象中每种灰度出现的频率。其计算方法是，灰度级为[0,L-1]范围内的图像的直方图是离散函数h(rk)=nk，其中rk是第k级灰度，nk是图像中灰度为rk的像素个数。
在通过对所述运动区域内的像素点进行灰度直方图运算后，可以得到运动区域的灰度信息分布特征。
S4、结合运动区域的中心点距离，对相邻帧的相同面积的子区域进行搜索，获取与所述灰度直方图运算结果中匹配度最高的子区域。
参图4所示，在本实施方式中，运动区域中心点距离：设CA(xA,yA)为Fn-1帧333的中的子区域A的中心点坐标，Ci(xi,yi)(i=1,2…n)为第Fn帧334的中的子区域i的中心点坐标。计算CA与Ci的距离DAi，其计算公式如下：
在计算得到相邻帧333、334的运动区域312之间的距离DAi后，设定距离的阈值d为W/4，即四分之一的通过背景建模法得到的子区域的宽度W。凡是符合DAi<d的子区域312，计算每个子区域312内像素点的灰度直方图分布。通过距离搜索，找到灰度直方图分布与子区域A最接近的子区域i，则该子区域i即为跟踪目标。
在本实施方式中，该步骤S4中获取与所述灰度直方图运算结果中匹配度最高的子区域的计算公式为：
其中，A是子区域的像素灰度直方图分布特征， Aij为相邻帧子区域的像素灰度直方图分布特征，d为搜索距离，i与j分别为与所述灰度直方图运算结果中匹配度最高的子区域A的中心点坐标。
参图5所示，在本实施方式中，该搜索距离d，是以子区域A的中心点坐标为基准点，在横向和纵向方向上距离此基准点的距离，即i和j需要同时符合以下条件：-d<=i<=d，-d<=j<=d。
S5、将子区域的中心点信息进行即时更新，并保存至存储装置，通过计算子区域的中心点在监控区域内的轨迹信息，得到移动物体的跟踪结果。
该中心点信息包括与步骤S4中获取的与所述灰度直方图运算结果中匹配度最高的子区域的垂直移动距离V、水平移动距离H以及中心点移动方向。
参图6所示，只要监控区域30的子区域312的中心点3121在该监控区域30内时进行跟踪，并将其中心点3121的坐标进行保存。在对移动物体的跟踪的过程中，随着子区域312的位置变化，每次的子区域312的中心点3121坐标都被保存，直到该子区域312的中心点3121移出该监控区域30。
这时，根据该子区域312之前的所有中心点3121的坐标位置，可以计算出此子区域312的的中心点3121在监控区域30内的轨迹信息。该轨迹信息为该子区域312的中心点3121在监控区域30内的轨迹移动矢量数据。该矢量数据包括中心点3121的轨迹移动方向322、垂直移动距离V以及水平移动距离H。
设子区域312每次保存的中心点3121的坐标为（Xi,Yi），该子区域312的水平移动距离H以及垂直移动距离V的计算公式为：
其中，H为该子区域312水平移动距离，V为该子区域312垂直移动距离。
在本实施方式中，该子区域312的中心点位置3121信息可保存至服务器数据库中，当然也可保存至flash闪存等移动存储装置中。
上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明，它们并非用以限制本发明的保护范围，凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
Claims (11)
1.一种移动物体的跟踪方法，其特征在于，其至少包括以下步骤，
S1、获取监控区域的视频流图像；
S2、通过背景建模法获取背景帧图像，并将当前帧图像与背景帧图像进行比较，获得运动区域；
S3、通过对所述运动区域内的像素点进行灰度直方图运算；
S4、结合运动区域的中心点距离，对相邻帧的相同面积的子区域进行搜索，获取与所述灰度直方图运算结果中匹配度最高的子区域；
S5、将子区域的中心点信息进行即时更新，并保存至存储装置，通过计算子区域的中心点在监控区域内的轨迹信息，得到移动物体的跟踪结果。
2.根据权利要求1所述的移动物体的跟踪方法，其特征在于，所述步骤S1具体为：通过摄像机获取监控区域的视频流图像，所述监控区域位于摄像机的下方。
3.根据权利要求1所述的移动物体的跟踪方法，其特征在于，所述步骤
S2具体为：通过中值滤波运算，获取设定间隔的连续的背景帧图像；并将当前帧图像与最终被选定的背景帧图像进行比较；将该比较结果与设定阈值进行比较，以提取出运动区域。
4.根据权利要求3所述的移动物体的跟踪方法，其特征在于，所述步骤S2中的中值滤波运算的运算公式为：
其中，Pb(x,y)为最终被选定的背景帧图像的像素，Pak(x,y)为从视频流图像中抽取的原始图像帧的像素，median为中值滤波函数，k为设定间隔参数，其为大于或者等于2的整数。
5.根据权利要求3所述的移动物体的跟踪方法，其特征在于，所述步骤S2中，若所述比较结果大于或者等于所述设定阈值，则提取出运动区域；若所述比较结果小于所述设定阈值，则不提取出运动区域。
6.根据权利要求3所述的移动物体的跟踪方法，其特征在于，所述比较结果为在当前帧图像和最终被选定的背景帧图像的同一位置中的像素灰度差。
7.根据权利要求3所述的移动物体的跟踪方法，其特征在于，所述设定阈值为20。
8.根据权利要求1所述的移动物体的跟踪方法，其特征在于，所述步骤S4中获取与所述灰度直方图运算结果中匹配度最高的子区域的计算公式为：
其中，A是子区域的像素灰度直方图分布特征， Aij为相邻帧的子区域的像素灰度直方图分布特征，d为搜索距离，i与j分别为与所述灰度直方图运算结果中匹配度最高的子区域中心点坐标。
9.根据权利要求1所述的移动物体的跟踪方法，其特征在于，所述步骤S5中的中心点信息包括与所述灰度直方图运算结果中匹配度最高的子区域的水平移动距离H、垂直移动距离V以及中心点移动方向。
10.根据权利要求9所述的移动物体的跟踪方法，其特征在于，所述步骤S5中水平移动距离H以及垂直移动距离V的计算公式为：
11.根据权利要求1所述的移动物体的跟踪方法，其特征在于，所述步骤S5中的存储装置至少包括flash 闪存、服务器数据库。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210263404.0A CN102855465B (zh) | 2012-04-12 | 2012-07-27 | 一种移动物体的跟踪方法 |
Applications Claiming Priority (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2012101065324 | 2012-04-12 | ||
| CN201210106532 | 2012-04-12 | ||
| CN201210106532.4 | 2012-04-12 | ||
| CN201210263404.0A CN102855465B (zh) | 2012-04-12 | 2012-07-27 | 一种移动物体的跟踪方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102855465A true CN102855465A (zh) | 2013-01-02 |
| CN102855465B CN102855465B (zh) | 2016-10-05 |
Family
ID=47402043
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201210263404.0A Active CN102855465B (zh) | 2012-04-12 | 2012-07-27 | 一种移动物体的跟踪方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102855465B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103426183A (zh) * | 2013-07-10 | 2013-12-04 | 上海理工大学 | 运动物体跟踪方法以及装置 |
| CN104392464A (zh) * | 2014-09-30 | 2015-03-04 | 天津艾思科尔科技有限公司 | 一种基于彩色视频图像的人为入侵检测方法 |
| CN105069815A (zh) * | 2015-07-27 | 2015-11-18 | 广东东软学院 | 一种海面监测图像弱小目标跟踪方法及装置 |
| CN105279821A (zh) * | 2014-07-22 | 2016-01-27 | 无锡慧眼电子科技有限公司 | 一种基于角度灰度信息的行人计数方法 |
| CN106778537A (zh) * | 2016-11-28 | 2017-05-31 | 中国科学院心理研究所 | 一种基于图像处理的动物社交网络结构采集及分析系统及其方法 |
| CN107067411A (zh) * | 2017-01-03 | 2017-08-18 | 江苏慧眼数据科技股份有限公司 | 一种结合密集特征的Mean‑shift跟踪方法 |
| CN108989580A (zh) * | 2018-10-25 | 2018-12-11 | 努比亚技术有限公司 | 摄像头切换方法、移动终端及可读存储介质 |
| CN111586348A (zh) * | 2020-04-15 | 2020-08-25 | 福建星网视易信息系统有限公司 | 一种视频背景图像获取方法、存储介质、视频抠像方法和存储设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1897015A (zh) * | 2006-05-18 | 2007-01-17 | 王海燕 | 基于机器视觉的车辆检测和跟踪方法及系统 |
| CN101256626A (zh) * | 2008-02-28 | 2008-09-03 | 王路 | 基于计算机视觉的入侵监控方法 |
| CN101739550A (zh) * | 2009-02-11 | 2010-06-16 | 北京智安邦科技有限公司 | 运动目标检测方法及系统 |
| CN101771893A (zh) * | 2010-01-05 | 2010-07-07 | 浙江大学 | 一种基于视频序列背景建模的虚拟视点绘制方法 |
| CN101847265A (zh) * | 2010-04-20 | 2010-09-29 | 上海理工大学 | 一种在公交客流统计系统中使用的运动目标提取及多目标分割方法 |
| CN102074022A (zh) * | 2011-01-10 | 2011-05-25 | 南京理工大学 | 一种基于红外图像的弱小运动目标检测方法 |
-
2012
- 2012-07-27 CN CN201210263404.0A patent/CN102855465B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1897015A (zh) * | 2006-05-18 | 2007-01-17 | 王海燕 | 基于机器视觉的车辆检测和跟踪方法及系统 |
| CN101256626A (zh) * | 2008-02-28 | 2008-09-03 | 王路 | 基于计算机视觉的入侵监控方法 |
| CN101739550A (zh) * | 2009-02-11 | 2010-06-16 | 北京智安邦科技有限公司 | 运动目标检测方法及系统 |
| CN101771893A (zh) * | 2010-01-05 | 2010-07-07 | 浙江大学 | 一种基于视频序列背景建模的虚拟视点绘制方法 |
| CN101847265A (zh) * | 2010-04-20 | 2010-09-29 | 上海理工大学 | 一种在公交客流统计系统中使用的运动目标提取及多目标分割方法 |
| CN102074022A (zh) * | 2011-01-10 | 2011-05-25 | 南京理工大学 | 一种基于红外图像的弱小运动目标检测方法 |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103426183A (zh) * | 2013-07-10 | 2013-12-04 | 上海理工大学 | 运动物体跟踪方法以及装置 |
| CN103426183B (zh) * | 2013-07-10 | 2016-12-28 | 上海理工大学 | 运动物体跟踪方法以及装置 |
| CN105279821A (zh) * | 2014-07-22 | 2016-01-27 | 无锡慧眼电子科技有限公司 | 一种基于角度灰度信息的行人计数方法 |
| CN105279821B (zh) * | 2014-07-22 | 2018-01-09 | 江苏慧眼数据科技股份有限公司 | 一种基于角度灰度信息的行人计数方法 |
| CN104392464A (zh) * | 2014-09-30 | 2015-03-04 | 天津艾思科尔科技有限公司 | 一种基于彩色视频图像的人为入侵检测方法 |
| CN104392464B (zh) * | 2014-09-30 | 2017-08-29 | 天津艾思科尔科技有限公司 | 一种基于彩色视频图像的人为入侵检测方法 |
| CN105069815A (zh) * | 2015-07-27 | 2015-11-18 | 广东东软学院 | 一种海面监测图像弱小目标跟踪方法及装置 |
| CN106778537A (zh) * | 2016-11-28 | 2017-05-31 | 中国科学院心理研究所 | 一种基于图像处理的动物社交网络结构采集及分析系统及其方法 |
| CN107067411A (zh) * | 2017-01-03 | 2017-08-18 | 江苏慧眼数据科技股份有限公司 | 一种结合密集特征的Mean‑shift跟踪方法 |
| CN108989580A (zh) * | 2018-10-25 | 2018-12-11 | 努比亚技术有限公司 | 摄像头切换方法、移动终端及可读存储介质 |
| CN111586348A (zh) * | 2020-04-15 | 2020-08-25 | 福建星网视易信息系统有限公司 | 一种视频背景图像获取方法、存储介质、视频抠像方法和存储设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102855465B (zh) | 2016-10-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102855465A (zh) | 一种移动物体的跟踪方法 | |
| CN102074022B (zh) | 一种基于红外图像的弱小运动目标检测方法 | |
| CN110049206B (zh) | 图像处理方法、装置及计算机可读存储介质 | |
| Jung et al. | Detecting moving objects using a single camera on a mobile robot in an outdoor environment | |
| Hou et al. | Detection of the mobile object with camouflage color under dynamic background based on optical flow | |
| CN103679691B (zh) | 连续型道路分割物检测方法和装置 | |
| CN106157329B (zh) | 一种自适应目标跟踪方法及装置 | |
| CN102855466B (zh) | 一种基于视频图像处理的人数统计方法 | |
| CN107403451B (zh) | 自适应二值特征单目视觉里程计方法及计算机、机器人 | |
| CN102542571A (zh) | 一种运动目标检测方法及装置 | |
| CN104079800A (zh) | 一种视频监控中视频图像的抗抖动方法 | |
| CN111627049A (zh) | 高空抛物的确定方法、装置、存储介质及处理器 | |
| CN106504274A (zh) | 一种基于红外摄像头下的视觉跟踪方法及系统 | |
| CN106023248A (zh) | 一种实时的视频跟踪方法 | |
| CN106558069A (zh) | 一种基于视频监控下的目标跟踪方法及系统 | |
| CN103646242B (zh) | 基于最大稳定极值区域特征的扩展目标跟踪方法 | |
| CN113808162A (zh) | 目标跟踪方法、装置、电子设备及存储介质 | |
| Zhang | Multiple moving objects detection and tracking based on optical flow in polar-log images | |
| CN115393538A (zh) | 基于深度学习的室内动态场景的视觉slam方法及系统 | |
| CN101877135B (zh) | 一种基于背景重构的运动目标检测方法 | |
| CN109344685A (zh) | 一种智慧托盘及其智能定位追踪方法 | |
| CN104517292A (zh) | 基于平面单应矩阵约束的多摄像机高密度人群分割方法 | |
| Yu | Moving target tracking based on improved Meanshift and Kalman filter algorithm | |
| Xu et al. | Moving target detection and tracking in FLIR image sequences based on thermal target modeling | |
| CN102254186A (zh) | 一种采用局部结构相似度差异的红外目标探测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information |
Address after: 214174 Tsinghua innovation building, No. 1, wisdom road, Huishan Economic Development Zone, Jiangsu, Wuxi province A1501-A1509 Applicant after: ABD SMART EYE ELECTRONICS CO., LTD. Address before: 214174, Jiangsu, Huishan Economic Development Zone, Wuxi, 1, wisdom road, Jiangsu Digital Information Industry Park, Tsinghua innovation building, block A, 15F Applicant before: Wuxi Eye Technology Co., Ltd. |
|
| COR | Change of bibliographic data | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |