CN105261035A - 一种高速公路运动目标跟踪方法及装置 - Google Patents
一种高速公路运动目标跟踪方法及装置 Download PDFInfo
- Publication number
- CN105261035A CN105261035A CN201510586040.3A CN201510586040A CN105261035A CN 105261035 A CN105261035 A CN 105261035A CN 201510586040 A CN201510586040 A CN 201510586040A CN 105261035 A CN105261035 A CN 105261035A
- Authority
- CN
- China
- Prior art keywords
- target
- queue
- tracking
- tracked
- moving
- 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
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000012544 monitoring process Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 10
- 230000003247 decreasing effect Effects 0.000 claims description 2
- 239000000725 suspension Substances 0.000 claims description 2
- 238000002372 labelling Methods 0.000 abstract 1
- 230000002457 bidirectional effect Effects 0.000 description 3
- 230000004927 fusion Effects 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Landscapes
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明提供一种高速公路运动目标跟踪方法，包括：标记感兴趣区域和车辆行驶方向；获取当前帧运动目标；获取前一帧正在跟踪的目标队列，获取前一帧待跟踪目标队列，获取前一帧丢失跟踪的目标队列，将剩下的运动目标放入待跟踪队列，并初始化，用于下一帧跟踪。本发明根据高速公路上车辆行驶的特性，在一块感兴趣区域只设置车辆的单向行驶方向，结合摄像头架设角度与车道的关系，通过人为设置车辆的正向行驶方向，能够有效得到车辆在行驶过程中的特征变化趋势，从而在目标搜索匹配阶段减少目标搜索的区域、减少搜索所需的模板，在较大程度上提高了跟踪的准确性和效率。
Description
技术领域
本发明涉及智能交通监控技术，特别是涉及一种高速公路智能交通监控系统中的运动目标跟踪方法与系统。
背景技术
随着经济的发展，交通运输技术的进步，对视频监控的需求也随之快速增长，人工监视已远远满足不了交通监控的需求，智能化视频监控技术的需求变得十分迫切。
近年来，计算机硬件性能的长足发展，使嵌入式设备具备了更快的处理速度、更大的存储能力，是嵌入式智能视频监控系统的前端眼睛和大脑，为降低整个系统的复杂度、提升系统的传输能力和分析能力起了关键的作用。目标跟踪广泛应用在视频监控中，是后期行为分析、目标识别、分类的基础，准确、稳定的对感兴趣目标进行实时跟踪，是智能视频监控领域的一个具有挑战性的课题，尤其是在复杂场景中，对多目标进行稳定实时的跟踪，存在遮挡、相互融合等复杂情形，使其更加具有挑战性。高速公路上，路线长，车辆行驶速度较快，瞬息万变，异常行为事件的发生对高速公路的畅通行驶有着极大的影响，甚至可能导致严重的交通事故、财产损失和人身伤害，因此，智能地跟踪高速公路上的运动目标，检测出异常事件，对预防事故的发生有着极为重要的意义。
发明内容
本发明首先要解决的技术问题是提供一种高速公路运动目标跟踪方法，通过自适应匹配的方法对运动目标进行匹配实现运动目标跟踪功能。
本发明解决上述技术问题所采用的技术方案是：一种高速公路运动目标跟踪方法，该方法将跟踪装置沿车辆行驶方向安装在高速公路的通道上方，并包括以下步骤：
1)标记感兴趣区域和车辆行驶方向；
2)获取当前帧运动目标；
3)获取前一帧正在跟踪的目标队列，与当前帧进行搜索匹配，如果存在匹配，则计算与运动目标的相似度，找到一个最相似的加入正在跟踪的目标队列并更新(如何更新)；
4)获取前一帧待跟踪目标队列，在当前帧进行搜索匹配，如果存在匹配，则计算与剩下的运动目标的相似度，找到一个最相似的加入待跟踪的目标队列，同时更新待跟踪计数，如果计数大于一定值，则将其放到正在跟踪队列；如果不存在匹配，则将其移出待跟踪队列；
5)获取前一帧丢失跟踪的目标队列，在当前帧进行搜索匹配，如果存在匹配，则计算与剩下的运动目标的相似度，找到一个最相似的移入正在跟踪队列，如果不存在匹配，则更新丢失帧数，当丢失达到一定帧数时，将其移出丢失跟踪队列；
6)将剩下的运动目标放入待跟踪队列，并初始化，用于下一帧跟踪。
在采用上述技术方案的同时，本发明还可以采用或者组合采用以下进一步的技术方案：
所述步骤3)中的前一帧正在跟踪目标队列是指稳定跟踪达到或超过t1帧，并且上一帧还在继续跟踪的目标；每个在跟踪目标队列中的运动目标包含的信息包括：在前一帧的位置、速度和大小，在前一帧中所处位置的归一化直方图。
所述步骤4)中的前一帧待跟踪目标队列是指稳定跟踪小于t1帧，并且上一帧还在继续跟踪的目标；每个在待跟踪目标队列中的运动目标包含的信息包括：在前一帧的位置、速度和大小，在前一帧中所处位置的归一化直方图。
所述步骤5)中的前一帧丢失跟踪目标队列是指稳定跟踪达到或超过t1帧，最近连续丢失跟踪小于t2帧；每个在丢失跟踪目标队列中的运动目标包含的信息包括：在前一帧的位置、速度和大小，在前一帧中所处位置的归一化直方图。
所述步骤3)、4)、5)中的在当前帧进行搜索匹配是指，结合目标行驶方向和跟踪装置悬挂方式确定目标大小和速度的变化趋势，如果目标行驶方向靠近跟踪装置，则认为目标大小和速度均有逐渐变大的趋势，如果目标行驶方向远离跟踪装置，则认为目标大小和速度均有逐渐变小的趋势，根据目标在前一帧的位置、速度和大小等信息，结合变化趋势，在当前帧对应的位置范围内进行搜索，利用归一化直方图进行匹配，如果直方图相似度大于阈值t3，并且大小和速度符合变化趋势，则认为存在匹配目标。
所述步骤4)中的匹配具体是指：比较匹配目标与当前帧运动目标的位置与直方图匹配，选取最匹配的运动目标调整匹配目标的位置、大小和直方图，如果运动目标的大小大于匹配目标大小的1.5倍，则将运动目标分裂成两块，一块作为匹配上的目标放入相应队列，另一块作为新的运动目标；否则直接放入相应队列。
所述步骤5)中的匹配具体是指：如果正在跟踪目标在当前帧不存在匹配，则移入丢失跟踪队列，并将丢失跟踪计数计为1；如果丢失跟踪的目标在当前帧存在匹配，则移入正在跟踪队列；如果丢失跟踪的目标在当前帧不存在匹配，则丢失跟踪计数加1，当丢失跟踪计数大于阈值t4，则移出队列；如果待跟踪目标在当前帧存在匹配，则待跟踪计数加1，当待跟踪计数大于阈值t5，则移入正在跟踪队列；如果待跟踪目标在当前帧不存在匹配，则移出队列。
本发明所要解决的另一个技术问题是提供一种高速公路运动目标跟踪系统，该系统能够实现上述方法，所述系统装置包括用于设置图像中的感兴趣区域和车辆行驶方向的规则设置单元，用于采集监控图像的图像采集单元，用于获取当前帧运动目标，调整在当前帧搜索匹配到的跟踪目标位置、大小、归一化直方图等信息的运动目标检测单元，用于处理正在跟踪的目标队列的跟踪队列处理单元，用于处理丢失跟踪的目标队列的丢失跟踪队列处理单元，用于处理待跟踪的目标队列的待跟踪队列处理单元以及用于处理新出现的运动目标并初始化的新目标处理单元；所述规则设置单元与所述图像采集单元连接，所述图像采集单元连接至所述运动目标检测单元，所述运动目标检测单元分别与所述跟踪队列处理单元、丢失跟踪队列处理单元以及待跟踪队列处理单元连接，所述跟踪队列处理单元、丢失跟踪队列处理单元以及待跟踪队列处理单元的输出端连接至新目标处理单元。
在采用上述技术方案的同时，本发明还可以采用或者组合采用以下进一步的技术方案：
所述跟踪队列处理单元、丢失跟踪队列处理单元以及待跟踪队列处理单元各自包括搜索匹配模块、目标调整模块和队列更新模块，所述搜索匹配模块用于在当前帧搜索匹配跟踪目标的匹配目标；所述目标调整模块使用检测到的运动目标调整匹配目标的位置、速度、大小、归一化直方图等信息；所述队列更新模块用于根据搜索匹配模块和目标调整模块的结果对当前跟踪队列进行处理，包括更新队列中的目标、对目标进行队列调整和初始化。
本发明的有益效果是：本发明提出的一种高速公路运动目标跟踪方法与凶是一个一体化的解决方案，具体有如下创新：1、根据高速公路上车辆行驶的特性，在一块感兴趣区域只设置车辆的单向行驶方向，结合摄像头架设角度与车道的关系，通过人为设置车辆的正向行驶方向，能够有效得到车辆在行驶过程中的特征变化趋势，从而在目标搜索匹配阶段减少目标搜索的区域、减少搜索所需的模板，在较大程度上提高了跟踪的准确性和效率。2、将跟踪目标分成三类：正在跟踪、待跟踪和丢失跟踪；新目标只有经过一定帧数的连续跟踪才能进入跟踪队列，从而减少了误跟踪物体；目标只有消失一定帧数之后，才会被移出跟踪队列，较好的解决了目标遮挡的问题。3、利用检测到的运动目标对匹配目标进行反馈，当运动目标的大小大于匹配目标的1.5倍时，分裂运动目标，一部分放入相应跟踪队列，另一部分最为新的运动目标，从而能够较好的解决目标在运动过程中相互遮挡和融合的问题。
附图说明
图1是本发明的目标跟踪方法的流程图。
图2是本发明的目标跟踪系统的结构图。
具体实施方式
实施例1，一种高速公路运动目标跟踪方法，参照附图1。
本发明首先要将带有跟踪功能的摄像头(即跟踪装置)挂在高速公路上方的横杆上，如果监控单向通道，则挂在单向通道中央，平行于高速公路，标记单向通道的区域范围，并标记车辆行驶方向；如果监控双向通道，则挂在双向通道的中央，平行于高速公路，分别标记双向通道的区域范围和车辆行驶方向。
在标记步骤完成后，通过基于混合高斯背景建模的运动目标检测方法获取当前帧运动目标。
获取前一帧正在跟踪的目标队列，假设相邻两帧之间的间隔时间为单位1，计算得到前一帧目标的速度为：
其中，为前一帧的即时速度，(xt-1，yt-1)，(xt-2，yt-2)分别是最近两帧所处的位置。
计算得到前一帧目标的大小，即目标区域的总像素数。
在当前帧进行搜索匹配：在高速公路上，车辆的运动速度变化不大，因此，在单向通道上，运动目标的像素速度和目标大小的变化趋势一致。计算最近两帧运动目标大小变化趋势SCt和速度变化趋势VCt：
SCt＝St-1/St-2
其中S为目标大小即目标包含的像素数。
因此，按照过往的目标大小和速度变化趋势来预测当前帧的搜索位置LSt以及搜索模板的大小：
St＝SCt*St-1
将预测位置作为搜索中心，当前位置到预测位置的距离作为半径，进行搜索。搜索模板的范围为(0.5*St，1.5*St)，模板的变化尺度为1.1，利用归一化直方图进行匹配，找到最匹配的目标proTar。
在所有的当前帧运动目标中，找到与proTar距离和归一化直方图最匹配的运动目标，如果运动目标的大小大于proTar大小的1.5倍，则将运动目标分裂成两块，一块作为匹配上的目标放入相应队列，另一块作为新的运动目标；否则直接放入相应队列。
利用运动目标调整过后，更新目标的参数，包括位置、大小、速度和归一化直方图等信息。然后，根据目标匹配的情况分别更新队列：正在跟踪队列，如果存在匹配目标，则更新；如果不存在匹配目标，则初始化丢失跟踪计数为1，移入丢失跟踪队列；丢失跟踪队列，如果存在匹配目标，则移入正在跟踪队列，并更新相关参数；如果不存在匹配目标，则将丢失跟踪计数加1，如果丢失跟踪计数大于阈值t4，则将其移出队列；待跟踪队列，如果存在匹配目标，则待匹配计数加1，如果待匹配计数大于阈值t5，则移入正在跟踪队列；如果不存在匹配目标，则移出队列。
在所有队列中的目标更新完成后，将剩下的运动目标放入跟踪队列，并初始化。
正在跟踪目标队列是指：稳定跟踪达到或超过t1帧，并且上一帧还在继续跟踪的目标；
待跟踪目标队列是指：稳定跟踪小于t1帧，并且上一帧还在继续跟踪的目标；
丢失跟踪目标队列是指：稳定跟踪达到或超过t1帧，最近连续丢失跟踪小于t2帧。
实施例2，一种高速公路运动目标跟踪系统，参照附图2。
一种高速公路运动目标跟踪系统，包括用于设置图像中的感兴趣区域和车辆行驶方向的规则设置单元1，用于采集监控图像的图像采集单元2，用于获取当前帧运动目标并调整在当前帧搜索匹配到的跟踪目标位置、大小、归一化直方图等信息的运动目标检测单元3，用于处理正在跟踪的目标队列的跟踪队列处理单元4，用于处理丢失跟踪的目标队列的丢失跟踪队列处理单元5，用于处理待跟踪的目标队列的待跟踪队列处理单元6以及用于处理新出现的运动目标并初始化的新目标处理单元7；所述规则设置单元1与所述图像采集单元2连接并向其发送所设置的规则信息，所述图像采集单元2连接至所述运动目标检测单元3并将规则信息以及所采集的图像信息发送至目标检测单元，所述运动目标检测单元3分别与所述跟踪队列处理单元4、丢失跟踪队列处理单元5以及待跟踪队列处理单元6连接，所述跟踪队列处理单元4、丢失跟踪队列处理单元5以及待跟踪队列处理单元6的输出端连接至新目标处理单元7。
所述跟踪队列处理单元4、丢失跟踪队列处理单元5以及待跟踪队列处理单元6各自包括搜索匹配模块、目标调整模块和队列更新模块，所述搜索匹配模块用于在当前帧搜索匹配跟踪目标的匹配目标；所述目标调整模块使用检测到的运动目标调整匹配目标的位置、速度、大小、归一化直方图等信息；在跟踪队列处理单元中，队列更新模块用于更新正在跟踪队列中的目标，将为匹配上的目标调整到丢失跟踪队列，并初始化相关信息，在待跟踪队列处理单元中，队列更新模块用于更新待跟踪队列中的目标，将匹配上的待跟踪目标计数加1，并将待跟踪计数大于一定阈值的目标移入正在跟踪队列；将未匹配上的待跟踪目标移出队列，在丢失跟踪队列处理单元中，队列更新模块用于更新丢失跟踪队列的目标，将匹配上的丢失跟踪目标移入正在跟踪队列，并初始化参数，将未匹配上的丢失跟踪目标计数加1，并将丢失跟踪目标计数大于一定阈值的目标移出队列。
Claims (9)
1.一种高速公路运动目标跟踪方法，其特征在于：所述跟踪方法将跟踪装置沿车辆行驶方向安装在高速公路的通道上方，并包括以下步骤：
1)标记感兴趣区域和车辆行驶方向；
2)获取当前帧运动目标；
3)获取前一帧正在跟踪的目标队列，与当前帧进行搜索匹配，如果存在匹配，则计算与运动目标的相似度，找到一个最相似的加入正在跟踪的目标队列并更新；
4)获取前一帧待跟踪目标队列，在当前帧进行搜索匹配，如果存在匹配，则计算与剩下的运动目标的相似度，找到一个最相似的加入待跟踪的目标队列，同时更新待跟踪计数，如果计数大于一定值，则将其放到正在跟踪队列；如果不存在匹配，则将其移出待跟踪队列；
5)获取前一帧丢失跟踪的目标队列，在当前帧进行搜索匹配，如果存在匹配，则计算与剩下的运动目标的相似度，找到一个最相似的移入正在跟踪队列，如果不存在匹配，则更新丢失帧数，当丢失达到一定帧数时，将其移出丢失跟踪队列；
6)将剩下的运动目标放入待跟踪队列，并初始化，用于下一帧跟踪。
2.如权利要求1所述的一种高速公路运动目标跟踪方法，其特征在于：所述步骤3)中的前一帧正在跟踪目标队列是指稳定跟踪达到或超过t1帧，并且上一帧还在继续跟踪的目标；每个在跟踪目标队列中的运动目标包含的信息包括：在前一帧的位置、速度和大小，在前一帧中所处位置的归一化直方图。
3.如权利要求1所述的一种高速公路运动目标跟踪方法，其特征在于：所述步骤4)中的前一帧待跟踪目标队列是指稳定跟踪小于t1帧，并且上一帧还在继续跟踪的目标；每个在待跟踪目标队列中的运动目标包含的信息包括：在前一帧的位置、速度和大小，在前一帧中所处位置的归一化直方图。
4.如权利要求1所述的一种高速公路运动目标跟踪方法，其特征在于：所述步骤5)中的前一帧丢失跟踪目标队列是指稳定跟踪达到或超过t1帧，最近连续丢失跟踪小于t2帧；每个在丢失跟踪目标队列中的运动目标包含的信息包括：在前一帧的位置、速度和大小，在前一帧中所处位置的归一化直方图。
5.如权利要求1所述的一种高速公路运动目标跟踪方法，其特征在于：所述步骤3)、4)、5)中的在当前帧进行搜索匹配是指，结合目标行驶方向和跟踪装置悬挂方式确定目标大小和速度的变化趋势，如果目标行驶方向靠近跟踪装置，则认为目标大小和速度均有逐渐变大的趋势，如果目标行驶方向远离跟踪装置，则认为目标大小和速度均有逐渐变小的趋势，根据目标在前一帧的位置、速度和大小等信息，结合变化趋势，在当前帧对应的位置范围内进行搜索，利用归一化直方图进行匹配，如果直方图相似度大于阈值t3，并且大小和速度符合变化趋势，则认为存在匹配目标。
6.如权利要求1所述的一种高速公路运动目标跟踪方法，其特征在于：所述步骤4)中的匹配具体是指：比较匹配目标与当前帧运动目标的位置与直方图匹配，选取最匹配的运动目标调整匹配目标的位置、大小和直方图，如果运动目标的大小大于匹配目标大小的1.5倍，则将运动目标分裂成两块，一块作为匹配上的目标放入相应队列，另一块作为新的运动目标；否则直接放入相应队列。
7.如权利要求1所述的一种高速公路运动目标跟踪方法，其特征在于：所述步骤5)中的匹配具体是指：如果正在跟踪目标在当前帧不存在匹配，则移入丢失跟踪队列，并将丢失跟踪计数计为1；如果丢失跟踪的目标在当前帧存在匹配，则移入正在跟踪队列；如果丢失跟踪的目标在当前帧不存在匹配，则丢失跟踪计数加1，当丢失跟踪计数大于阈值t4，则移出队列；如果待跟踪目标在当前帧存在匹配，则待跟踪计数加1，当待跟踪计数大于阈值t5，则移入正在跟踪队列；如果待跟踪目标在当前帧不存在匹配，则移出队列。
8.一种高速公路运动目标跟踪系统，其特征在于：所述跟踪系统包括用于设置图像中的感兴趣区域和车辆行驶方向的规则设置单元，用于采集监控图像的图像采集单元，用于获取当前帧运动目标，调整在当前帧搜索匹配到的跟踪目标位置、大小、归一化直方图等信息的运动目标检测单元，用于处理正在跟踪的目标队列的跟踪队列处理单元，用于处理丢失跟踪的目标队列的丢失跟踪队列处理单元，用于处理待跟踪的目标队列的待跟踪队列处理单元以及用于处理新出现的运动目标并初始化的新目标处理单元；所述规则设置单元与所述图像采集单元连接，所述图像采集单元连接至所述运动目标检测单元，所述运动目标检测单元分别与所述跟踪队列处理单元、丢失跟踪队列处理单元以及待跟踪队列处理单元连接，所述跟踪队列处理单元、丢失跟踪队列处理单元以及待跟踪队列处理单元的输出端连接至新目标处理单元。
9.如权利要求8所述的一种高速公路运动目标跟踪系统，其特征在于：所述跟踪队列处理单元、丢失跟踪队列处理单元以及待跟踪队列处理单元各自包括搜索匹配模块、目标调整模块和队列更新模块，所述搜索匹配模块用于在当前帧搜索匹配跟踪目标的匹配目标；所述目标调整模块使用检测到的运动目标调整匹配目标的位置、速度、大小、归一化直方图等信息；所述队列更新模块用于根据搜索匹配模块和目标调整模块的结果对当前跟踪队列进行处理，包括更新队列中的目标、对目标进行队列调整和初始化。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510586040.3A CN105261035B (zh) | 2015-09-15 | 2015-09-15 | 一种高速公路运动目标跟踪方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510586040.3A CN105261035B (zh) | 2015-09-15 | 2015-09-15 | 一种高速公路运动目标跟踪方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105261035A true CN105261035A (zh) | 2016-01-20 |
| CN105261035B CN105261035B (zh) | 2018-05-11 |
Family
ID=55100706
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510586040.3A Active CN105261035B (zh) | 2015-09-15 | 2015-09-15 | 一种高速公路运动目标跟踪方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105261035B (zh) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105701479A (zh) * | 2016-02-26 | 2016-06-22 | 重庆邮电大学 | 基于目标特征的智能车辆多激光雷达融合识别方法 |
| CN106355603A (zh) * | 2016-08-29 | 2017-01-25 | 深圳市商汤科技有限公司 | 人体跟踪方法和人体跟踪装置 |
| CN106780555A (zh) * | 2016-12-01 | 2017-05-31 | 中科唯实科技（北京）有限公司 | 一种高速稳健的运动目标跟踪方法 |
| CN107042829A (zh) * | 2016-02-05 | 2017-08-15 | 上海汽车集团股份有限公司 | 车队跟随监控方法、装置及系统 |
| CN107644528A (zh) * | 2017-08-02 | 2018-01-30 | 浙江工业大学 | 一种基于车辆跟踪的车辆排队长度检测方法 |
| CN108108697A (zh) * | 2017-12-25 | 2018-06-01 | 中国电子科技集团公司第五十四研究所 | 一种实时无人机视频目标检测与跟踪方法 |
| CN109521419A (zh) * | 2017-09-20 | 2019-03-26 | 比亚迪股份有限公司 | 基于车辆雷达的目标跟踪方法和装置 |
| CN110675432A (zh) * | 2019-10-11 | 2020-01-10 | 智慧视通(杭州)科技发展有限公司 | 一种基于多维特征融合的视频多目标跟踪方法 |
| CN110827322A (zh) * | 2019-10-23 | 2020-02-21 | 江苏广宇协同科技发展研究院有限公司 | 一种城市高速路超载车辆的远程跟踪方法、装置及系统 |
| CN111247526A (zh) * | 2020-01-02 | 2020-06-05 | 香港应用科技研究院有限公司 | 使用迭代模板匹配的目标跟踪方法及系统 |
| CN111860168A (zh) * | 2020-06-18 | 2020-10-30 | 汉王科技股份有限公司 | 行人重识别方法、装置、电子设备及存储介质 |
| CN112184760A (zh) * | 2020-10-13 | 2021-01-05 | 中国科学院自动化研究所 | 基于动态视觉传感器的高速运动目标检测跟踪方法 |
| CN112347810A (zh) * | 2019-08-07 | 2021-02-09 | 杭州萤石软件有限公司 | 移动目标物体的检测方法、装置及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0977437A2 (en) * | 1998-07-28 | 2000-02-02 | Hitachi Denshi Kabushiki Kaisha | Method of distinguishing a moving object and apparatus of tracking and monitoring a moving object |
| CN101212658A (zh) * | 2007-12-21 | 2008-07-02 | 北京中星微电子有限公司 | 一种目标跟踪方法及装置 |
| CN101339608A (zh) * | 2008-08-15 | 2009-01-07 | 北京中星微电子有限公司 | 一种基于检测的目标跟踪方法及系统 |
| CN102065275A (zh) * | 2009-11-17 | 2011-05-18 | 中国科学院电子学研究所 | 智能视频监控系统中多目标跟踪方法 |
| CN102682453A (zh) * | 2012-04-24 | 2012-09-19 | 河海大学 | 基于多特征融合的运动车辆跟踪方法 |
| CN103886292A (zh) * | 2014-03-20 | 2014-06-25 | 杭州电子科技大学 | 一种基于机器视觉的夜间车辆目标稳定跟踪方法 |
-
2015
- 2015-09-15 CN CN201510586040.3A patent/CN105261035B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0977437A2 (en) * | 1998-07-28 | 2000-02-02 | Hitachi Denshi Kabushiki Kaisha | Method of distinguishing a moving object and apparatus of tracking and monitoring a moving object |
| CN101212658A (zh) * | 2007-12-21 | 2008-07-02 | 北京中星微电子有限公司 | 一种目标跟踪方法及装置 |
| CN101339608A (zh) * | 2008-08-15 | 2009-01-07 | 北京中星微电子有限公司 | 一种基于检测的目标跟踪方法及系统 |
| CN102065275A (zh) * | 2009-11-17 | 2011-05-18 | 中国科学院电子学研究所 | 智能视频监控系统中多目标跟踪方法 |
| CN102682453A (zh) * | 2012-04-24 | 2012-09-19 | 河海大学 | 基于多特征融合的运动车辆跟踪方法 |
| CN103886292A (zh) * | 2014-03-20 | 2014-06-25 | 杭州电子科技大学 | 一种基于机器视觉的夜间车辆目标稳定跟踪方法 |
Cited By (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107042829A (zh) * | 2016-02-05 | 2017-08-15 | 上海汽车集团股份有限公司 | 车队跟随监控方法、装置及系统 |
| CN105701479B (zh) * | 2016-02-26 | 2019-03-08 | 重庆邮电大学 | 基于目标特征的智能车辆多激光雷达融合识别方法 |
| CN105701479A (zh) * | 2016-02-26 | 2016-06-22 | 重庆邮电大学 | 基于目标特征的智能车辆多激光雷达融合识别方法 |
| CN106355603A (zh) * | 2016-08-29 | 2017-01-25 | 深圳市商汤科技有限公司 | 人体跟踪方法和人体跟踪装置 |
| CN106355603B (zh) * | 2016-08-29 | 2019-10-22 | 深圳市商汤科技有限公司 | 人体跟踪方法和人体跟踪装置 |
| CN106780555A (zh) * | 2016-12-01 | 2017-05-31 | 中科唯实科技（北京）有限公司 | 一种高速稳健的运动目标跟踪方法 |
| CN107644528A (zh) * | 2017-08-02 | 2018-01-30 | 浙江工业大学 | 一种基于车辆跟踪的车辆排队长度检测方法 |
| CN109521419A (zh) * | 2017-09-20 | 2019-03-26 | 比亚迪股份有限公司 | 基于车辆雷达的目标跟踪方法和装置 |
| CN108108697B (zh) * | 2017-12-25 | 2020-05-19 | 中国电子科技集团公司第五十四研究所 | 一种实时无人机视频目标检测与跟踪方法 |
| CN108108697A (zh) * | 2017-12-25 | 2018-06-01 | 中国电子科技集团公司第五十四研究所 | 一种实时无人机视频目标检测与跟踪方法 |
| CN112347810A (zh) * | 2019-08-07 | 2021-02-09 | 杭州萤石软件有限公司 | 移动目标物体的检测方法、装置及存储介质 |
| CN112347810B (zh) * | 2019-08-07 | 2024-08-02 | 杭州萤石软件有限公司 | 移动目标物体的检测方法、装置及存储介质 |
| CN110675432A (zh) * | 2019-10-11 | 2020-01-10 | 智慧视通(杭州)科技发展有限公司 | 一种基于多维特征融合的视频多目标跟踪方法 |
| CN115311329A (zh) * | 2019-10-11 | 2022-11-08 | 杭州云栖智慧视通科技有限公司 | 一种基于双环节约束的视频多目标跟踪方法 |
| CN115311329B (zh) * | 2019-10-11 | 2023-05-23 | 杭州云栖智慧视通科技有限公司 | 一种基于双环节约束的视频多目标跟踪方法 |
| CN110827322A (zh) * | 2019-10-23 | 2020-02-21 | 江苏广宇协同科技发展研究院有限公司 | 一种城市高速路超载车辆的远程跟踪方法、装置及系统 |
| CN111247526A (zh) * | 2020-01-02 | 2020-06-05 | 香港应用科技研究院有限公司 | 使用迭代模板匹配的目标跟踪方法及系统 |
| CN111247526B (zh) * | 2020-01-02 | 2023-05-02 | 香港应用科技研究院有限公司 | 跟踪二维平面上移动的目标物体位置和方向的方法和系统 |
| CN111860168A (zh) * | 2020-06-18 | 2020-10-30 | 汉王科技股份有限公司 | 行人重识别方法、装置、电子设备及存储介质 |
| CN112184760A (zh) * | 2020-10-13 | 2021-01-05 | 中国科学院自动化研究所 | 基于动态视觉传感器的高速运动目标检测跟踪方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105261035B (zh) | 2018-05-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105261035B (zh) | 一种高速公路运动目标跟踪方法及装置 | |
| US11314973B2 (en) | Lane line-based intelligent driving control method and apparatus, and electronic device | |
| CN109948582B (zh) | 一种基于跟踪轨迹分析的车辆逆行智能检测方法 | |
| CN109636829B (zh) | 一种基于语义信息和场景信息的多目标跟踪方法 | |
| CN102509306B (zh) | 一种基于视频的特定目标的跟踪方法 | |
| CN105512618B (zh) | 视频跟踪方法 | |
| Yaghoobi Ershadi et al. | Robust vehicle detection in different weather conditions: Using MIPM | |
| US10579883B2 (en) | Method and apparatus for detecting a vehicle in a driving assisting system | |
| DE102015207373A1 (de) | Spurerkennungsvorrichtung | |
| Chang et al. | Video analytics in smart transportation for the AIC'18 challenge | |
| CN110688954A (zh) | 一种基于向量运算的车辆变道检测方法 | |
| WO2020066072A1 (ja) | 区画線認識装置 | |
| Meshram et al. | Traffic surveillance by counting and classification of vehicles from video using image processing | |
| KR20180070258A (ko) | 주행상황에서의 동시적 물체 인식 및 학습 방법 | |
| CN113255439A (zh) | 一种障碍物识别方法、装置、系统、终端及云端 | |
| Hua et al. | Effective vehicle tracking algorithm for smart traffic networks | |
| Gad et al. | Real-time lane instance segmentation using SegNet and image processing | |
| Khan et al. | Estimating speeds of pedestrians in real-world using computer vision | |
| CN114049610A (zh) | 一种高速公路上机动车倒车和逆行违法行为主动发现方法 | |
| CN114820699B (zh) | 多目标跟踪方法、装置、设备及介质 | |
| Hota et al. | A Simple and Efficient Lane Detection using Clustering and Weighted Regression. | |
| Pandilwar et al. | Moving Vehicle Detection with Real Time Speed Estimation Using Deep Learning Techniques | |
| CN113192106B (zh) | 一种家畜跟踪方法及装置 | |
| CN112215109B (zh) | 基于场景分析的车辆检测方法及系统 | |
| Joshy et al. | Improved detection and tracking of lane marking using Hough transform |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |