CN104077783A - 一种视频中的物体跟踪方法及装置 - Google Patents
一种视频中的物体跟踪方法及装置 Download PDFInfo
- Publication number
- CN104077783A CN104077783A CN201310097493.0A CN201310097493A CN104077783A CN 104077783 A CN104077783 A CN 104077783A CN 201310097493 A CN201310097493 A CN 201310097493A CN 104077783 A CN104077783 A CN 104077783A
- Authority
- CN
- China
- Prior art keywords
- information
- historic state
- state information
- status information
- current status
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种视频中的物体跟踪方法及装置,涉及数据处理技术,从用于存储物体历史状态信息的动态历史信息中,采集物体前一帧所在位置附近的该物体以及其它物体的历史状态信息,再根据该历史状态信息确定物体的运动趋势,估计物体在当前帧的位置,进而根据估计结果对该物体进行跟踪,由于在进行物体运动趋势的确定时,不仅仅根据物体本身的参数进行确定,而是参考了其它物体或该物体其它部位在该位置附近留下的历史状态信息,所以提高了运动趋势估计的准确性,减少了在跟踪过程中丢失目标的情况,提高了视频中的物体跟踪的准确度。
Description
技术领域
本发明涉及数据处理技术,尤其涉及一种视频中的物体跟踪方法及装置。
背景技术
近年来,通过视频进行物体跟踪得到了较多的应用,尤其在交通方面为跟踪车辆起到了较大的作用。
目前,通过视频进行物体跟踪的方法主要为:根据当前帧图像数据,在当前帧图像中搜索与前一帧该物体图片匹配的部分,作为当前帧的该物体的图片,从而实现物体跟踪。
但是,若在整个图像中进行物体图片的匹配,则计算量较大,所以首先根据物体的运动速度等运动情况参数,估计物体的运动趋势,确定物体在当前帧可能出现的范围,再在该范围内进行物体图片匹配,从而确定当前帧该物体的位置,实现物体跟踪;或者,也可以根据物体运动趋势确定当前帧中物体的第一位置,同时根据图片匹配确定当前帧中物体的第二位置,再根据第一位置和第二位置,确定出物体的最终位置。
可见,估计物体的运动趋势对当前帧中物体的匹配具有较大影响,目前,进行物体运动趋势的估计,通常仅仅考虑物体本身的参数,例如可以根据前两帧中物体的位置确定物体的速度,再在当前帧中根据物体的速度进行运动趋势的估计,如图1所示,根据物体在T-1帧中的位置、T帧中的位置确定物体的速度VT-1,再根据该VT-1以及物体运动方向确定物体在T+1帧中的位置,在一般模型下,通常认为VT=VT-1。
然而,物体的运动情况随时可能出现变化,单纯的根据物体本身的参数进行运动趋势的估计的准确度不高,容易在跟踪过程中丢失目标,影响视频中的物体跟踪的准确度。
发明内容
本发明实施例提供一种视频中的物体跟踪方法及装置,以提高视频中的物体跟踪的准确度。
一种视频中的物体跟踪方法,包括:
根据物体前一帧所在位置,确定信息采集范围;
从用于存储物体历史状态信息的动态历史信息中,获取在所述信息采集范围中该物体以及其它物体的历史状态信息;
根据所述历史状态信息确定所述物体的运动趋势,估计所述物体在当前帧的位置;
根据所述估计结果对该物体进行跟踪。
一种视频中的物体跟踪装置,包括:
确定单元,用于根据物体前一帧所在位置,确定信息采集范围;
获取单元,用于从用于存储物体历史状态信息的动态历史信息中,获取在所述信息采集范围中该物体以及其它物体的历史状态信息;
估计单元,用于根据所述历史状态信息确定所述物体的运动趋势,估计所述物体在当前帧的位置;
跟踪单元,用于根据所述估计结果对该物体进行跟踪。
本发明实施例提供一种视频中的物体跟踪方法及装置,从用于存储物体历史状态信息的动态历史信息中,采集物体前一帧所在位置附近的该物体以及其它物体的历史状态信息,再根据该历史状态信息确定物体的运动趋势,估计物体在当前帧的位置,进而根据估计结果对该物体进行跟踪,由于在进行物体运动趋势的确定时,不仅仅根据物体本身的参数进行确定,而是参考了其它物体或该物体其它部位在该位置附近留下的历史状态信息,所以提高了运动趋势估计的准确性,减少了在跟踪过程中丢失目标的情况,提高了视频中的物体跟踪的准确度。
附图说明
图1为现有技术中进行物体运动趋势估计的示意图;
图2为本发明实施例提供的视频中的物体跟踪方法流程图;
图3-图5为本发明实施例提供的与实施例一对应的示意图;
图6-图7为本发明实施例提供的与实施例二对应的示意图;
图8为本发明实施例提供的与实施例三对应的示意图;
图9为本发明实施例提供的与实施例四对应的示意图;
图10为本发明实施例提供的视频中的物体跟踪装置结构示意图;
图11为本发明实施例提供的较佳的视频中的物体跟踪装置结构示意图。
具体实施方式
本发明实施例提供一种视频中的物体跟踪方法及装置,从用于存储物体历史状态信息的动态历史信息中,采集物体前一帧所在位置附近的该物体以及其它物体的历史状态信息,再根据该历史状态信息确定物体的运动趋势,估计物体在当前帧的位置,进而根据估计结果对该物体进行跟踪,由于在进行物体运动趋势的确定时,不仅仅根据物体本身的参数进行确定,而是参考了其它物体或该物体其它部位在该位置附近留下的历史状态信息,所以提高了运动趋势估计的准确性,减少了在跟踪过程中丢失目标的情况,提高了视频中的物体跟踪的准确度。
当一个物体周围的物体都具有相似的运动状态时,可以参考其它物体的历史状态信息确定当前物体的运动趋势,例如在公路上对车辆的跟踪即符合场景要求。
如图2所示,本发明实施例提供的视频中的物体跟踪方法,包括:
步骤S201、根据物体前一帧所在位置,确定信息采集范围;
步骤S202、从用于存储物体历史状态信息的动态历史信息中,获取在信息采集范围中该物体以及其它物体的历史状态信息;
步骤S203、根据历史状态信息确定物体的运动趋势,估计物体在当前帧的位置;
步骤S204、根据估计结果对该物体进行跟踪。
其中,动态历史信息可以使用图的方式体现,也可以使用数据库等其他方式体现,当使用图的方式体现时,则使用动态历史信息图(Dynamic HistoryInformation map,以下简写为DHI map)作为跟踪方法的辅助工具,利用DHImap首先要假设物体之间的状态有相似性,因此利用其它物体的状态信息来指导当前物体的运动信息,DHI map中的状态信息不仅包括运动信息。除了运动信息外,可以添加例如尺寸变化等其他信息。任意符合假设的信息都可以添加到DHI map中。
在一些场景中,多个运动的物体之间有相似的状态信息变化。例如:在一条车道上,前后紧跟的两辆汽车,在经过同一个位置的速度大小、转弯方向、在监控视频里尺寸变化等状态是相似的。
因此,将物体经过一个位置的状态信息保留在这个位置,当有其他物体再次经过这个位置时,能够通过读取之前物体在这个位置的状态信息,即可对该物体下一时刻的状态作出一个初步判断。
但一个位置的状态信息不是一成不变的。例如早高峰时刻的车速信息显然不能指导半夜时刻经过该路口的车辆。物体间的相似性不仅随着距离增加而递减,也随着时间增加而递减。因此,存储邻近的(空间上和时间上)其他物体的历史状态对当前物体有指导意义较大。
DHI map中,物体上一帧留下的信息,有一部分会在当前做判断的时候被再次提取利用(两帧之间物体的范围有重叠时,这种现象经常出现)。因此物体之前的状态对当前状态有指导作用,或者说,物体会试图保持之前的状态(运动速度,方向,尺寸变化等等)。
DHI map中,前一个物体留下的状态信息,会对后面邻近的物体有指导作用(只要后面的物体能赶在信息被删除前将它提取出来)。从场景的角度来看,之前的状态信息对当前的状态信息有指导作用,或者说,场景的状态信息试图保持不变。(例如,拥堵的交通状态只会慢慢的缓解,而不太可能突然变得通畅。)
下面以DHI map为例,对本发明实施例提供的方案进行说明:
具体的,在步骤S201中,根据物体前一帧所在位置,确定信息采集范围,具体包括:
确定信息采集范围为物体前一帧所在位置且等同于物体本身大小的范围。
由于选择的物体本身大小的范围,所以该物体所获取的历史状态信息通常为自身和曾经通过自身当前所在位置的物体留下的信息,很难采集到与该物体相邻的物体留下的信息,所以当与该物体相邻的物体和该物体的运动趋势不同时,避免了与该物体相邻的物体留下的历史状态信息对该物体的影响。
其中,等同于物体本身大小的范围,可以具体为覆盖物体的最小矩形范围,或者覆盖物体的最小圆形范围,从而减小计算复杂度,也可以直接采用物体的轮廓作为等同于物体本身大小的范围,从而进一步提高跟踪准确度。
步骤S202中,从用于存储物体历史状态信息的动态历史信息图中,获取在信息采集范围中,该物体以及其它物体的历史状态信息,具体包括:
从用于存储物体历史状态信息的动态历史信息图中,获取在前N帧中在该信息采集范围中所记录的该物体及其他物体的历史状态信息,其中,N为预先设定的值。
历史状态信息可以仅包括运动速度信息,也可以包括运动速度信息和尺寸变化信息,还可以包括其他可以参考的信息。
步骤S203中,根据历史状态信息确定物体的运动趋势,估计物体在当前帧的位置,具体包括:
将历史状态信息的平均值或加权平均值作为物体的状态信息;
根据物体的状态信息确定物体的运动趋势,估计物体在当前帧的位置。
由于历史状态信息中的各项信息所记录的时间越近,对于当前物体的参考价值越大,所以,所获取的每一项历史状态信息的存在时间越大,该项历史状态信息的权重越小。
在确定该物体在当前帧的位置后,还可以在动态历史信息图中记录该物体的当前状态信息,以便于在后续帧中使用。此时,该方法还包括:
在确定该物体在当前帧的位置后,在动态历史信息图中的该物体在当前帧所覆盖的至少一个点上留下至少一项该物体当前的状态信息。
具体的,在确定该物体在当前帧的位置后,在动态历史信息图中的该物体在当前帧所覆盖的至少一个点上留下至少一项该物体当前的状态信息,具体包括:
在确定该物体在当前帧的位置后,在动态历史信息图中的对应该物体的每个预先选取的特征点上留下至少一项该物体当前的状态信息。其中,特征点可以在物体上按照预先设定的密度均匀选取,也可以通过角点提取方法选取物体上的角点作为特征点,还可以通过其它特征点选取方法选取。
为进一步滤除噪声,在留下该物体当前的状态信息后,还包括:
对留下的该物体当前的状态信息进行滤波。
在动态历史信息图中需要留下该物体当前的状态信息的点上已经存在历史状态信息时,还包括:
将动态历史信息图中需要留下该物体当前的状态信息的点上的历史状态信息更新为该物体当前的状态信息;或者
将动态历史信息图中需要留下该物体当前的状态信息的点上的历史状态信息与该物体当前的状态信息的平均值或加权平均值作为动态历史信息图中该点上的历史状态信息。
为了较准确的标识每项状态信息存在的时间长度,并减少DHI map的存储量,该方法还包括:
对应每项该物体当前的状态信息设置定时器,当定时器达到设定值时,删除该项该物体当前的状态信息。
下面通过具体的实施例对视频中的物体跟踪方法进行详细说明:
实施例一、
DHI map的更新:
当确定了一个跟踪物体1在某一个位置(x,y)的信息后(包括速度大小、方向、尺寸变化等等),将这些信息留在DHI map中(x,y)位置处,并对该位置的计时器设置初值,如图3所示。
所存储的信息可以是在DHI map添加一条新的数据,格式可以如表1所示。
表1:
坐标 | 计时器 | X方向速度 | Y方向速度 | 尺寸变化率 | ..... |
(x,y) | 20 | 3 | 5 | 0.9 |
坐标是当前要存储的信息所在的位置;
计时器用来维持信息存储在DHI map时间范围,在存储一条信息时设置它的启动值(这里设为20帧),之后它会不断的递减,当计时器减为0时,此条信息被DHI map删除;x方向速度、y方向速度、尺寸变化率等都是具体要存储的信息内容,具体的信息内容由应用场景决定,可以相应的增加或者减少。
计时器的时长可设置为1~5秒,通常设置为2~3秒较佳,若物体运动趋势变化较慢,则计时器的时长可设置的较大,若物体运动趋势变化较快,则计时器的时长可设置的较小。
在存储物体当前信息时,可以将物体当前的信息存储在了物体中心点(x,y)坐标处。而跟踪的物体都有一定的大小尺寸,例如常见的矩形区域,或者圆形区域等,所以,较佳的,可以在DHI map一个范围内都存储信息。
如图4所示,可以在物体内部均匀取9个点,然后在DHI map中按照这9个点的位置存储9条相同的信息。如果不断增加均匀取点的密度,最终会从点存储扩展为面存储,即物体覆盖范围内的所有位置都需要在DHI map中存储信息。
所存储信息同样可以是在DHI map添加多条新的数据,格式如表2所示。
表2:
坐标 | 计时器 | X方向速度 | Y方向速度 | 尺寸变化率 | ..... |
(x1,y1) | 20 | 3 | 5 | 0.9 | |
(x2,y2) | 20 | 3 | 5 | 0.9 | |
(x3,y3) | 20 | 3 | 5 | 0.9 | |
... | ... | ... | ... | ... |
图4的取点可以是用均匀的方式取点,另一种可选的方式是挑选一些特征性强的点。在使用LK(Lucas Kanade,卢卡斯-卡纳德)光流方法跟踪时,会在物体内部选择一些特征点并分别应用LK光流方法跟踪这些点,在跟踪结束后这些点的信息天然的适合存入DHI map中。这种情况图4中每个点存储的信息只是这个特征点的跟踪结果,他们未必相同,这样更能够增加DHI map存储信息的多样性。
当在DHI map的邻近位置存储多个信息时,一个可选的操作是对他们进行平滑滤波,从而抑制噪声。滤波的方法可以是常用的高斯滤波,中值滤波等,也可以自由定义。以高斯滤波为例,它是将中心点的值,和周围一个范围内的值进行加权平均,权重与距离成反比,中心点是指当前所存入的点,表3是一个3X3大小的模板示例,其中,0.147761是当前存入的点的权重值,表3中的其他数值是当前存入的点周围对应位置的点的权重值。
表3:
将此模板对DHI map中需要平滑的区域进行卷积。用这个模板对一个位置的信息进行平滑操作如下:
其中w是权重,Ik x,y是位置(x,y)处的信息的第k列属性。
以上存储多个信息时没有对信息的权重做区分,即认为所有的信息都是同等重要的。一个可选择的操作是将对多个信息赋予不同的权重。例如,以物体的中心均值,设立高斯权重函数如图5所示,距离中心近的位置,其存储的信息权重大,距离中心远的位置,其所存储的信息权重小。信息的权重可以是单独添加的一列属性,也可以和计时器结合起来。即权重大的信息,计时器的初值高。
在准备往DHI map中的一个位置写入信息时,可能这个位置已经存储着信息。对于这种情况,可以采用简单的替换方式,即用新的信息替换条原有的信息。另一个可选的操作是进行融合,即将两条信息加权平均后,再存入DHI map中。
实施例二、
DHI map的使用:
如图6所示,物体1处于(x,y)位置。若需要估计它下一帧最可能的状态(运动速度、方向、大小变化),只需要直观的去DHI map中,取出存在(x,y)位置的信息,作为参考。
若只取一个位置的信息,获得的信息量比较小。所以可以进一步在一个范围内取出多个信息,并综合分析,如图7所示。
提取信息的范围可以自由调整,一个常用的方法是提取范围等同于物体本身的范围。
当取出多个信息后,需要进行综合分析,常用的方法是加权平均。假设提取了n条信息,最终的综合信息如下:
wi是第i条信息的权重,Ik i是第i条信息的第k列属性。
每条信息都含有自己的计时器,作用是使信息只存在DHI map中一段时间。计时器从启动开始就不断减少,当减少到设定阈值时(通常设为0),DHImap删除该信息。
计时器的减少可以采用任意随时间减少的函数,通常的做法是根据视频的帧号递减。
计时器的值也可以当作信息的权重,计时器剩余的值大,表明信息存储的时间比较短,可信度高;计时器剩余的值小,表明信息存储了较长的时间,可信度较低。
实施例三、
DHI map中仅存储运动信息时,进行物体的跟踪。
假设要跟踪物体1,它的当前位置是A点(x,y)。在进行跟踪前,先到DHImap中寻找可用的信息。
如图8所示,以物体本身的范围为搜索区域,在DHI map中相应的范围内找到了3条信息,如表4所示。
表4:
坐标 | 计时器 | X方向速度 | Y方向速度 |
(x1,y1) | 15 | 3 | 5 |
(x2,y2) | 5 | 2 | 6 |
(x3,y3) | 10 | 4 | 5 |
以计时器数值作为权重,加权平均后得到:
x方向速度Vx=(15*3+5*2+10*4)/(15+5+10)=3.16
y方向速度Vy=(15*5+5*6+10*5)/(15+5+10)=5.16
由此,根据DHI map作出预测,物体1下一时刻可能的位置为B(x+Vx,y+Vy)。
在B位置附近用外观匹配方式搜索,得到位置C(Cx,Cy)。位置C即为下一时刻物体1的位置。
由此即完成了根据物体1当前的位置(x,y)获得该物体在下一帧图像的位置(Cx,Cy)。在确定下一帧图像中的位置后,在DHI map中记录这个结果信息,如表5所示。
表5:
坐标 | 计时器 | X方向速度 | Y方向速度 |
(x1,y1) | 14 | 3 | 5 |
(x2,y2) | 4 | 2 | 6 |
(x3,y3) | 9 | 4 | 5 |
(x,y) | 20 | Cx-x | Cy-y |
新添加的信息计时器设为初值20,其余所有信息的计时器减去1。至此当前帧的跟踪结束。
实施例四、
DHI map中存储运动信息和物体的尺寸变化信息时,进行物体的跟踪。
如图9所示,物体1的当前位置是A点(x,y),当前的尺寸是S=[20*20]个像素大小。在进行跟踪前,先到DHI map中寻找可用的信息,以物体本身的范围为搜索区域,在DHI map中相应范围内找到了3条信息如表6所示。
表6:
坐标 | 计时器 | X方向速度 | Y方向速度 | 尺寸变化 |
(x1,y1) | 15 | 3 | 5 | 0.96 |
(x2,y2) | 5 | 2 | 6 | 0.95 |
(x3,y3) | 10 | 4 | 5 | 0.92 |
以计时器数值作为权重,加权平均后得到:
x方向速度Vx=(15*3+5*2+10*4)/(15+5+10)=3.16
y方向速度Vy=(15*5+5*6+10*5)/(15+5+10)=5.16
尺寸变化率S=(15*0.96+5*0.95+10*0.92)/(15+5+10)=0.945
由此,根据DHI map作出预测,物体1下一帧可能的位置为B(x+Vx,y+Vy),物体1下一帧可能的尺寸是Bs=[19*19]个像素大小。
接着用LK光流法从物体1的原位置选取5个特征点并进行跟踪,得到跟踪结果C(Cx,Cy)。
将跟踪的结果和预测的结果融合,得到新的位置D(Dx,Dy),其中
Dx=αCx+(1-α)Bx
Dy=αCy+(1-α)By
0<=α<=1,是调节预测结果和跟踪结果的权值。
在位置D附近,尺寸[19*19]附近,采用外观匹配方式搜索最匹配的位置和尺寸,得到位置E(Ex,Ey)和尺寸Es=[18*18]。
位置E即是物体1的跟踪结果。由于采用LK光流方法得到了5个特征点,因在更新DHI map时,按照这5个特征点的位置去更新DHI map。并将其他所有信息的计时器减1。至此当前帧的跟踪结束。
本发明实施例还相应提供一种视频中的物体跟踪装置,如图10所示,包括:
确定单元1001,用于根据物体前一帧所在位置,确定信息采集范围;
获取单元1002,用于从用于存储物体历史状态信息的动态历史信息中,获取在信息采集范围中该物体以及其它物体的历史状态信息;
估计单元1003,用于根据历史状态信息确定物体的运动趋势,估计物体在当前帧的位置;
跟踪单元1004,用于根据估计结果对该物体进行跟踪。
其中,确定单元1001具体用于:
确定信息采集范围为物体前一帧所在位置且等同于物体本身大小的范围。
获取单元1002具体用于:
从用于存储物体历史状态信息的动态历史信息中,获取在前N帧中在该信息采集范围中所记录的该物体及其他物体的历史状态信息,其中,N为预先设定的值。
历史状态信息包括:运动速度信息和尺寸变化信息。
估计单元1003具体用于:
将历史状态信息的平均值或加权平均值作为物体的状态信息;
根据物体的状态信息确定物体的运动趋势,估计物体在当前帧的位置。
进一步,如图11所示,该装置还包括:
更新单元1005,用于在确定该物体在当前帧的位置后,在动态历史信息中的该物体在当前帧所覆盖的至少一个点上留下至少一项该物体当前的状态信息。
更新单元1005具体用于:
在确定该物体在当前帧的位置后,在动态历史信息中的对应该物体的每个预先选取的特征点上留下至少一项该物体当前的状态信息。其中,特征点可以在物体上按照预先设定的密度均匀选取,也可以通过角点提取方法选取物体上的角点作为特征点,还可以通过其它特征点选取方法选取。
更新单元1005还用于:
对留下的该物体当前的状态信息进行滤波。
在动态历史信息中需要留下该物体当前的状态信息的点上已经存在历史状态信息时,更新单元1005用于:
将动态历史信息中需要留下该物体当前的状态信息的点上的历史状态信息更新为该物体当前的状态信息;或者
将动态历史信息中需要留下该物体当前的状态信息的点上的历史状态信息与该物体当前的状态信息的平均值或加权平均值作为动态历史信息中该点上的历史状态信息。
更新单元1005还用于:
对应每项该物体当前的状态信息设置定时器,当定时器达到设定值时,删除该项该物体当前的状态信息。
本发明实施例提供一种视频中的物体跟踪方法及装置,从用于存储物体历史状态信息的动态历史信息中,采集物体前一帧所在位置附近的该物体以及其它物体的历史状态信息,再根据该历史状态信息确定物体的运动趋势,估计物体在当前帧的位置,进而根据估计结果对该物体进行跟踪,由于在进行物体运动趋势的确定时,不仅仅根据物体本身的参数进行确定,而是参考了其它物体或该物体其它部位在该位置附近留下的历史状态信息,所以提高了运动趋势估计的准确性,减少了在跟踪过程中丢失目标的情况,提高了视频中的物体跟踪的准确度。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (21)
1.一种视频中的物体跟踪方法,其特征在于,包括:
根据物体前一帧所在位置,确定信息采集范围;
从用于存储物体历史状态信息的动态历史信息中,获取在所述信息采集范围中该物体以及其它物体的历史状态信息;
根据所述历史状态信息确定所述物体的运动趋势,估计所述物体在当前帧的位置;
根据所述估计结果对该物体进行跟踪。
2.如权利要求1所述的方法,其特征在于,所述根据物体前一帧所在位置,确定信息采集范围,具体包括:
确定信息采集范围为物体前一帧所在位置且等同于物体本身大小的范围。
3.如权利要求1所述的方法,其特征在于,所述从用于存储物体历史状态信息的动态历史信息中,获取在所述信息采集范围中,该物体以及其它物体的历史状态信息,具体包括:
从用于存储物体历史状态信息的动态历史信息中,获取在前N帧中在该信息采集范围中所记录的该物体及其他物体的历史状态信息,其中,N为预先设定的值。
4.如权利要求1所述的方法,其特征在于,所述历史状态信息包括:
运动速度信息和尺寸变化信息。
5.如权利要求1所述的方法,其特征在于,所述根据所述历史状态信息确定所述物体的运动趋势,估计所述物体在当前帧的位置,具体包括:
将所述历史状态信息的平均值或加权平均值作为所述物体的状态信息;
根据所述物体的状态信息确定所述物体的运动趋势,估计所述物体在当前帧的位置。
6.如权利要求5所述的方法,其特征在于,所获取的每一项历史状态信息的存在时间越大,该项历史状态信息的权重越小。
7.如权利要求1所述的方法,其特征在于,还包括:
在确定该物体在当前帧的位置后,在动态历史信息中的该物体在当前帧所覆盖的至少一个点上留下至少一项该物体当前的状态信息。
8.如权利要求7所述的方法,其特征在于,所述在确定该物体在当前帧的位置后,在动态历史信息中的该物体在当前帧所覆盖的至少一个点上留下至少一项该物体当前的状态信息,具体包括:
在确定该物体在当前帧的位置后,在动态历史信息中的对应该物体的每个预先选取的特征点上留下至少一项该物体当前的状态信息。
9.如权利要求7或8所述的方法,其特征在于,还包括:
对留下的该物体当前的状态信息进行滤波。
10.如权利要求7或8所述的方法,其特征在于,在动态历史信息中需要留下该物体当前的状态信息的点上已经存在历史状态信息时,还包括:
将动态历史信息中需要留下该物体当前的状态信息的点上的历史状态信息更新为该物体当前的状态信息;或者
将动态历史信息中需要留下该物体当前的状态信息的点上的历史状态信息与该物体当前的状态信息的平均值或加权平均值作为动态历史信息中该点上的历史状态信息。
11.如权利要求7所述的方法,其特征在于,还包括:
对应每项该物体当前的状态信息设置定时器,当定时器达到设定值时,删除该项该物体当前的状态信息。
12.一种视频中的物体跟踪装置,其特征在于,包括:
确定单元,用于根据物体前一帧所在位置,确定信息采集范围;
获取单元,用于从用于存储物体历史状态信息的动态历史信息中,获取在所述信息采集范围中该物体以及其它物体的历史状态信息;
估计单元,用于根据所述历史状态信息确定所述物体的运动趋势,估计所述物体在当前帧的位置;
跟踪单元,用于根据所述估计结果对该物体进行跟踪。
13.如权利要求12所述的装置,其特征在于,所述确定单元具体用于:
确定信息采集范围为物体前一帧所在位置且等同于物体本身大小的范围。
14.如权利要求12所述的装置,其特征在于,所述获取单元具体用于:
从用于存储物体历史状态信息的动态历史信息中,获取在前N帧中在该信息采集范围中所记录的该物体及其他物体的历史状态信息,其中,N为预先设定的值。
15.如权利要求12所述的装置,其特征在于,所述历史状态信息包括:
运动速度信息和尺寸变化信息。
16.如权利要求12所述的装置,其特征在于,所述估计单元具体用于:
将所述历史状态信息的平均值或加权平均值作为所述物体的状态信息;
根据所述物体的状态信息确定所述物体的运动趋势,估计所述物体在当前帧的位置。
17.如权利要求12所述的装置,其特征在于,还包括:
更新单元,用于在确定该物体在当前帧的位置后,在动态历史信息中的该物体在当前帧所覆盖的至少一个点上留下至少一项该物体当前的状态信息。
18.如权利要求17所述的装置,其特征在于,所述更新单元具体用于:
在确定该物体在当前帧的位置后,在动态历史信息中的对应该物体的每个预先选取的特征点上留下至少一项该物体当前的状态信息。
19.如权利要求17或18所述的装置,其特征在于,所述更新单元还用于:
对留下的该物体当前的状态信息进行滤波。
20.如权利要求17或18所述的装置,其特征在于,在动态历史信息中需要留下该物体当前的状态信息的点上已经存在历史状态信息时,所述更新单元用于:
将动态历史信息中需要留下该物体当前的状态信息的点上的历史状态信息更新为该物体当前的状态信息;或者
将动态历史信息中需要留下该物体当前的状态信息的点上的历史状态信息与该物体当前的状态信息的平均值或加权平均值作为动态历史信息中该点上的历史状态信息。
21.如权利要求17所述的装置,其特征在于,所述更新单元还用于:
对应每项该物体当前的状态信息设置定时器,当定时器达到设定值时,删除该项该物体当前的状态信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310097493.0A CN104077783A (zh) | 2013-03-25 | 2013-03-25 | 一种视频中的物体跟踪方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310097493.0A CN104077783A (zh) | 2013-03-25 | 2013-03-25 | 一种视频中的物体跟踪方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104077783A true CN104077783A (zh) | 2014-10-01 |
Family
ID=51599025
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310097493.0A Pending CN104077783A (zh) | 2013-03-25 | 2013-03-25 | 一种视频中的物体跟踪方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104077783A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105741321A (zh) * | 2016-01-31 | 2016-07-06 | 华南理工大学 | 基于跟踪点分布的视频目标运动趋势分析方法 |
CN111551122A (zh) * | 2020-06-30 | 2020-08-18 | 上海振华重工(集团)股份有限公司 | 一种基于激光雷达的火车车皮数量和长度测量系统及方法 |
CN113747039A (zh) * | 2020-05-27 | 2021-12-03 | 杭州海康威视数字技术股份有限公司 | 图像采集方法及装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102708382A (zh) * | 2012-05-11 | 2012-10-03 | 北京航空航天大学 | 一种基于变处理窗口和变坐标系的多目标跟踪方法 |
-
2013
- 2013-03-25 CN CN201310097493.0A patent/CN104077783A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102708382A (zh) * | 2012-05-11 | 2012-10-03 | 北京航空航天大学 | 一种基于变处理窗口和变坐标系的多目标跟踪方法 |
Non-Patent Citations (1)
Title |
---|
宋国杰 等: "基于模式挖掘的交通预测模型", 《计算机科学》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105741321A (zh) * | 2016-01-31 | 2016-07-06 | 华南理工大学 | 基于跟踪点分布的视频目标运动趋势分析方法 |
CN105741321B (zh) * | 2016-01-31 | 2018-12-11 | 华南理工大学 | 基于跟踪点分布的视频目标运动趋势分析方法 |
CN113747039A (zh) * | 2020-05-27 | 2021-12-03 | 杭州海康威视数字技术股份有限公司 | 图像采集方法及装置 |
CN113747039B (zh) * | 2020-05-27 | 2023-03-24 | 杭州海康威视数字技术股份有限公司 | 图像采集方法及装置 |
CN111551122A (zh) * | 2020-06-30 | 2020-08-18 | 上海振华重工(集团)股份有限公司 | 一种基于激光雷达的火车车皮数量和长度测量系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110786783B (zh) | 清洁机器人的清洁方法及清洁机器人 | |
US20210333108A1 (en) | Path Planning Method And Device And Mobile Device | |
CN102221975B (zh) | 使用运动捕捉数据的项目导航 | |
CN111010590A (zh) | 一种视频裁剪方法及装置 | |
KR101986307B1 (ko) | 시각 대화를 통해 객체의 위치를 알아내기 위한 주의 기억 방법 및 시스템 | |
CN103500516A (zh) | 基于电子地图高效率轨迹回放的方法及系统 | |
CN111507153A (zh) | 用分割得分图和聚类图检测车道线的后处理方法以及装置 | |
US9959656B2 (en) | System and method for animating collision-free sequences of motions for objects placed across a surface | |
CN104574433A (zh) | 对象跟踪方法和设备、跟踪特征选择方法 | |
CN105261228B (zh) | 停车场寻车方法及装置 | |
CN104077783A (zh) | 一种视频中的物体跟踪方法及装置 | |
WO2016001446A1 (en) | Apparatus and method for determining an intended target | |
CN112306050A (zh) | 自主机器人及其行走路径规划方法、装置和存储介质 | |
CN110262487A (zh) | 一种障碍物检测方法、终端及计算机可读存储介质 | |
CN108270817A (zh) | 云端地图地图更新方法及系统 | |
JP7196999B2 (ja) | オブジェクト検出・追跡装置、方法、およびプログラム | |
CN106127810A (zh) | 一种视频宏块角点光流的录播系统图像跟踪方法和装置 | |
JP6898883B2 (ja) | 接続装置、接続方法及び接続プログラム | |
CN111444852A (zh) | 一种回环检测方法、装置及机器人 | |
CN116009552A (zh) | 一种路径规划方法、装置、设备及存储介质 | |
Belzner | Time-adaptive cross entropy planning | |
CN110887503B (zh) | 移动轨迹模拟方法、装置、设备及介质 | |
CN108268513A (zh) | 可移动设备、云端服务器及云端地图地图更新系统 | |
CN112904365A (zh) | 地图的更新方法及装置 | |
JP4818430B2 (ja) | 移動物体認識方法及び装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20141001 |