CN106023261A - 一种电视视频目标跟踪的方法及装置 - Google Patents

一种电视视频目标跟踪的方法及装置 Download PDF

Info

Publication number
CN106023261A
CN106023261A CN201610382547.1A CN201610382547A CN106023261A CN 106023261 A CN106023261 A CN 106023261A CN 201610382547 A CN201610382547 A CN 201610382547A CN 106023261 A CN106023261 A CN 106023261A
Authority
CN
China
Prior art keywords
area
picture
tracing
target
fritter
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
Application number
CN201610382547.1A
Other languages
English (en)
Other versions
CN106023261B (zh
Inventor
刘帅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuxi Tvmining Juyuan Media Technology Co Ltd
Original Assignee
Wuxi Tvmining Juyuan Media Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuxi Tvmining Juyuan Media Technology Co Ltd filed Critical Wuxi Tvmining Juyuan Media Technology Co Ltd
Priority to CN201610382547.1A priority Critical patent/CN106023261B/zh
Publication of CN106023261A publication Critical patent/CN106023261A/zh
Application granted granted Critical
Publication of CN106023261B publication Critical patent/CN106023261B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • 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

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种电视视频目标跟踪的方法及装置，用以解决保证电视视频中目标特征提取的有效性的问题。方法包括：获取包含跟踪目标的电视视频图像，并在所述电视视频图像中将所述跟踪目标标定构成跟踪图像；将所述跟踪图像分成多个小块，计算每个小块的直方图数值和LBP特征数值组成代表小块的高维向量；通过计算所述跟踪图像的多个小块的高维向量之和捕获跟踪目标。通过对跟踪图像分成多个小块计算其每个小块的直方图数值和LBP特征数值组成代表小块的高维向量，丰富了跟踪图像的识别特征，通过识别该高维向量的识别特征，提高了识别标定跟踪目标的跟踪图像的准确性和识别效率。

Description

一种电视视频目标跟踪的方法及装置
技术领域
本发明涉及电视视频技术领域，特别涉及一种电视视频目标跟踪的方法及装置。
背景技术
视频及图像序列中的运动信息检测技术有着广泛的应用基础，是诸多视频和图像应用领域的必要步骤，例如在实现目标跟踪、视频安全监控、交通监控、行为分析、去隔行技术以及各种视频处理任务中都需要以所提取的运动信息为依据。
运动信息的检测主要通过检测相邻图像间的差异程度完成，如基于光流的方法通过计算每个像素点在时间上的偏导数值得到运动信息，基于块的方法则通常计算所定义的块内部像素点差的绝对值累加值来得到运动信息。但通常所计算出的运动信息会受到特定图像内容的影响，难以用统一的标准衡量运动的显著程度。
在电视视频等多种视频处理的过程中，目标跟踪是一个非常重要的内容，对于视频分析有很重要的意义。
在目标跟踪过程中，提取目标有效的特征非常重要，另外，在目标移动过程中存在目标被部分遮挡的情况，因此，需要保证提取目标特征的有效性及克服目标被部分遮挡的问题。
发明内容
本发明提供一种网站数据采集的方法及装置，用以解决保证电视视频中目标特征提取的有效性的问题，实现有效准确提取电视视频的目标特征的目的。
本发明提供一种电视视频目标跟踪的方法，包括：
获取包含跟踪目标的电视视频图像，并在所述电视视频图像中将所述跟踪目标标定构成跟踪图像；
将所述跟踪图像分成多个小块，计算每个所述小块的直方图数值和LBP特征数值组成代表所述小块的高维向量；
根据所述跟踪图像的多个小块的所述高维向量捕获所述跟踪目标。
本发明实施例的一些有益效果可以包括：通过对跟踪图像分成多个小块计算其每个小块的直方图数值和LBP特征数值组成代表小块的高维向量，丰富了跟踪图像的识别特征，通过识别该高维向量的识别特征，提高了识别标定跟踪目标的跟踪图像的准确性和识别效率。
在一个实施例中，方法还包括：
在所述跟踪图像的周边区域进行搜索面积小于所述跟踪图像所分小块的目标搜索以获得目标搜索面积，将所述目标搜索面积放大至所述跟踪图像所分小块的面积以构成放大面积；
将提取的所述放大面积的高维向量与所述小块的高维向量进行比较，如果两者近似，确认所述目标搜索面积为所述跟踪图像的一部分；
根据确认的目标搜索面积的合并图像确定被部分遮挡的所述跟踪图像的所处区域。
该实施例中，在跟踪被部分遮挡的跟踪图像时，先通过较小面积的搜索并将搜索结果放大与原小块的高维向量比较，能够准确确定跟踪图像各小块的准确位置，有效提高了被部分遮挡的跟踪图像的跟踪准确性和跟踪效率。
本发明提供一种电视视频目标跟踪的装置，包括：
图像构成模块，用于获取包含跟踪目标的电视视频图像，并在所述电视视频图像中将所述跟踪目标标定构成跟踪图像；
向量计算模块，用于将所述跟踪图像分成多个小块，计算每个所述小块的直方图数值和LBP特征数值组成代表所述小块的高维向量；
目标捕获模块，用于根据所述跟踪图像的多个小块的所述高维向量捕获所述跟踪目标。
在本实施例中，通过对跟踪图像分成多个小块计算其每个小块的直方图数值和LBP特征数值组成代表小块的高维向量，丰富了跟踪图像的识别特征，通过识别该高维向量的识别特征，提高了识别标定跟踪目标的跟踪图像的准确性和识别效率。
在一个实施例中，装置还包括：
搜索放大模块，用于在所述跟踪图像的周边区域进行搜索面积小于所述跟踪图像所分小块的目标搜索以获得目标搜索面积，将所述目标搜索面积放大至所述跟踪图像所分小块的面积以构成放大面积；
比较确定模块，用于将提取的所述放大面积的高维向量与所述小块的高维向量进行比较，如果两者近似，确认所述目标搜索面积为所述跟踪图像的一部分；
区域确定模块，用于根据确认的目标搜索面积的合并图像确定被部分遮挡的所述跟踪图像的所处区域。
该实施例中，在跟踪被部分遮挡的跟踪图像时，先通过较小面积的搜索并将搜索结果放大与原小块的高维向量比较，能够准确确定跟踪图像各小块的准确位置，有效提高了被部分遮挡的跟踪图像的跟踪准确性和跟踪效率。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种电视视频目标跟踪的方法的流程图；
图2为本发明实施例中另一种播放视频的方法的流程图；
图3为本发明实施例中第三种播放视频的方法的流程图；
图4为本发明实施例中一种电视视频目标跟踪的装置的框图；
图5为本发明实施例中另一种电视视频目标跟踪的装置的框图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
图1为本发明实施例中一种电视视频目标跟踪方法的流程图。如图1所示，包括以下步骤S101-S103：
步骤S101，获取包含跟踪目标的电视视频图像，并在所述电视视频图像中将所述跟踪目标标定构成跟踪图像。
步骤S102，将所述跟踪图像分成多个小块，计算每个小块的直方图数值和LBP特征数值组成代表小块的高维向量。
在步骤S102中，由每个小块的如RGB等直方图数值的颜色特征和LBP特征数值组成了跟踪图像的每个小块的高维向量，多种颜色特征的组合丰富了跟踪图像的特征。
步骤S103，通过计算所述跟踪图像的多个小块的所述高维向量之和捕获所述跟踪目标。
本发明实施例提供的一种电视视频目标跟踪的方法的技术方案，通过对跟踪图像分成多个小块计算其每个小块的直方图数值和LBP特征数值组成代表小块的高维向量，丰富了跟踪图像的识别特征，通过识别该高维向量的识别特征，提高了识别标定跟踪目标的跟踪图像的准确性和识别效率。
在一个实施例中，如图2所示，包括以下步骤S201-S206：
步骤S201，获取包含跟踪目标的电视视频图像，并在所述电视视频图像中将所述跟踪目标标定构成跟踪图像。
步骤S202，将所述跟踪图像分成多个小块，计算每个小块的直方图数值和LBP特征数值组成代表小块的高维向量。
在步骤S202中，将跟踪图像分成多个小块，计算每个小块的直方图数值和LBP特征数值组成代表小块的高维向量。
步骤S203，根据跟踪图像的多个小块的高维向量捕获跟踪目标。
步骤S204，在所述跟踪图像的周边区域进行搜索面积小于所述跟踪图像所分小块的目标搜索以获得目标搜索面积，将所述目标搜索面积放大至所述跟踪图像所分小块的面积以构成放大面积；
步骤S205，将提取的所述放大面积的高维向量与所述小块的高维向量进行比较，如果两者近似，确认所述目标搜索面积为所述跟踪图像的一部分；
步骤S206，根据确认的目标搜索面积的合并图像确定被部分遮挡的所述跟踪图像的所处区域。
图2的实施例在图1实施例的基础上，在跟踪被部分遮挡的跟踪图像时，先通过较小面积的搜索并将搜索结果放大与原小块的高维向量比较，能够准确确定跟踪图像各小块的准确位置，有效提高了被部分遮挡的跟踪图像的跟踪准确性和跟踪效率。
图3为本发明实施例中第三种播放视频的方法的流程图。如图3所示，包括以下步骤S301-S309：
步骤S301，获取包含跟踪目标的第一帧的电视视频图像，并在所述电视视频图像中将所述跟踪目标标定构成跟踪图像。
步骤S302，将所述跟踪图像分成3*3的9个小块。
步骤S303，计算每个所述小块的normlized RG直方图数值和LBP特征数值。目标图像由9个小块组成，即由9个normlized RG直方图数值和LBP特征数值的高维向量表示这个目标。
步骤S304，在前一帧跟踪图像的周边区域进行金字塔式小块搜索，即当前帧提取的小块小于上一帧的小块，将所述目标搜索面积放大至所述跟踪图像所分小块的面积以构成放大面积。
步骤S305，将提取的所述放大面积的高维向量与所述小块的高维向量进行比较，如果两者近似，确认所述目标搜索面积为所述跟踪图像的一部分。
步骤S306，在所述跟踪图像的周边区域进行更大面积的目标搜索形成新目标搜索面积，将所述新目标搜索面积放大至所述跟踪图像所分小块的面积构成新放大面积。
步骤S307，将提取的所述新放大面积的高维向量与所述小块的高维向量进行比较确认所述新放大面积所属的目标搜索面积是否为所述跟踪图像的一部分。
步骤S308，继续进行上述步骤，直至将所述跟踪图像的周边区域进行更大面积等于所述跟踪图像所分小块面积的目标搜索。
步骤S309，根据确认的目标搜索面积的合并图像确定被部分遮挡的所述跟踪图像的所处区域，更新跟踪图像的位置，以进行下一帧图像的目标跟踪。
本发明实施例提供的技术方案，在图2实施例的基础上，将步骤S306-步骤S308的技术细节进行优化迭代，能够准确有效的识别跟踪图像，提高了对部分遮挡的跟踪图像的跟踪效率和准确度。
对应于上述实施例提供的一种电视视频目标跟踪的方法，本发明实施例还提供一种电视视频目标跟踪的装置，如图4所示，包括：
图像构成模块41，用于获取包含跟踪目标的电视视频图像，并在所述电视视频图像中将所述跟踪目标标定构成跟踪图像。
向量计算模块42，用于将所述跟踪图像分成多个小块，计算每个所述小块的直方图数值和LBP特征数值组成代表所述小块的高维向量；
目标捕获模块43，用于根据所述跟踪图像的多个小块的所述高维向量捕获所述跟踪目标。
本发明实施例提供的一种电视视频目标跟踪的装置的技术方案，通过对跟踪图像分成多个小块计算其每个小块的直方图数值和LBP特征数值组成代表小块的高维向量，丰富了跟踪图像的识别特征，通过识别该高维向量的识别特征，提高了识别标定跟踪目标的跟踪图像的准确性和识别效率。
对应于上述实施例提供的一种电视视频目标跟踪的方法，本发明实施例还提供另一种电视视频目标跟踪的装置，如图5所示，包括：
图像构成模块51，用于获取包含跟踪目标的电视视频图像，并在所述电视视频图像中将所述跟踪目标标定构成跟踪图像；
向量计算模块52，用于将所述跟踪图像分成多个小块，计算每个所述小块的直方图数值和LBP特征数值组成代表所述小块的高维向量；
目标捕获模块53，用于根据所述跟踪图像的多个小块的所述高维向量捕获所述跟踪目标。
其中：装置还包括：
搜索放大模块54，用于在所述跟踪图像的周边区域进行搜索面积小于所述跟踪图像所分小块的目标搜索以获得目标搜索面积，将所述目标搜索面积放大至所述跟踪图像所分小块的面积以构成放大面积；
比较确定模块55，用于将提取的所述放大面积的高维向量与所述小块的高维向量进行比较，如果两者近似，确认所述目标搜索面积为所述跟踪图像的一部分；
区域确定模块56，用于根据确认的目标搜索面积的合并图像确定被部分遮挡的所述跟踪图像的所处区域。
其中：
所述搜索放大模块54，还用于在所述跟踪图像的周边区域进行更大面积的目标搜索形成新目标搜索面积，将所述新目标搜索面积放大至所述跟踪图像所分小块的面积构成新放大面积；
所述比较确定模块55，还用于将提取的所述新放大面积的高维向量与所述小块的高维向量进行比较确认所述新放大面积所属的目标搜索面积是否为所述跟踪图像的一部分。
其中：
所述向量计算模块52包括：
小块分成子模块521，具体用于将所述跟踪图像分成3*3的9个小块。
向量组成子模块522，用于计算每个所述小块的RGB直方图数值和LBP特征数值组成代表所述小块的高维向量。
图5的实施例在图4实施例的基础上，在跟踪被部分遮挡的跟踪图像时，先通过较小面积的搜索并将搜索结果放大与原小块的高维向量比较，能够准确确定跟踪图像各小块的准确位置，有效提高了被部分遮挡的跟踪图像的跟踪准确性和跟踪效率。
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和光学存储器等)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。
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 (10)

1.一种电视视频目标跟踪的方法，其特征在于，包括：
获取包含跟踪目标的电视视频图像，并在所述电视视频图像中将所述跟踪目标标定构成跟踪图像；
将所述跟踪图像分成多个小块，计算每个所述小块的直方图数值和LBP特征数值组成代表所述小块的高维向量；
根据所述跟踪图像的多个小块的所述高维向量捕获所述跟踪目标。
2.根据权利要求1所述的方法，其特征在于，还包括：
在所述跟踪图像的周边区域进行搜索面积小于所述跟踪图像所分小块的目标搜索以获得目标搜索面积，将所述目标搜索面积放大至所述跟踪图像所分小块的面积以构成放大面积；
将提取的所述放大面积的高维向量与所述小块的高维向量进行比较，如果两者近似，确认所述目标搜索面积为所述跟踪图像的一部分；
根据确认的目标搜索面积的合并图像确定被部分遮挡的所述跟踪图像的所处区域。
3.根据权利要求2所述的方法，其特征在于，在所述确认所述目标搜索面积为所述跟踪图像的一部分的步骤之后还包括：
在所述跟踪图像的周边区域进行更大面积的目标搜索形成新目标搜索面积，将所述新目标搜索面积放大至所述跟踪图像所分小块的面积构成新放大面积；
将提取的所述新放大面积的高维向量与所述小块的高维向量进行比较确认所述新放大面积所属的目标搜索面积是否为所述跟踪图像的一部分；
继续进行上述步骤，直至将所述跟踪图像的周边区域进行更大面积等于所述跟踪图像所分小块面积的目标搜索。
4.根据权利要求1-3任一所述的方法，其特征在于，所述将跟踪图像分成多个小块的步骤具体包括：将所述跟踪图像分成3*3的9个小块。
5.根据权利要求1-3任一所述的方法，其特征在于，所述直方图数值包括RGB直方图数值。
6.一种电视视频目标跟踪的装置，其特征在于，包括：
图像构成模块，用于获取包含跟踪目标的电视视频图像，并在所述电视视频图像中将所述跟踪目标标定构成跟踪图像；
向量计算模块，用于将所述跟踪图像分成多个小块，计算每个所述小块的直方图数值和LBP特征数值组成代表所述小块的高维向量；
目标捕获模块，用于根据所述跟踪图像的多个小块的所述高维向量捕获所述跟踪目标。
7.根据权利要求6所述的装置，其特征在于，还包括：
搜索放大模块，用于在所述跟踪图像的周边区域进行搜索面积小于所述跟踪图像所分小块的目标搜索以获得目标搜索面积，将所述目标搜索面积放大至所述跟踪图像所分小块的面积以构成放大面积；
比较确定模块，用于将提取的所述放大面积的高维向量与所述小块的高维向量进行比较，如果两者近似，确认所述目标搜索面积为所述跟踪图像的一部分；
区域确定模块，用于根据确认的目标搜索面积的合并图像确定被部分遮挡的所述跟踪图像的所处区域。
8.根据权利要求7所述的装置，其特征在于，
所述搜索放大模块，还用于在所述跟踪图像的周边区域进行更大面积的目标搜索形成新目标搜索面积，将所述新目标搜索面积放大至所述跟踪图像所分小块的面积构成新放大面积；
所述比较确定模块，还用于将提取的所述新放大面积的高维向量与所述小块的高维向量进行比较确认所述新放大面积所属的目标搜索面积是否为所述跟踪图像的一部分。
9.根据权利要求6所述的装置，其特征在于，所述向量计算模块包括：
小块分成子模块，具体用于将所述跟踪图像分成3*3的9个小块。
10.根据权利要求9所述的装置，其特征在于，所述向量计算模块还包括：
向量组成子模块，用于计算每个所述小块的RGB直方图数值和LBP特征数值组成代表所述小块的高维向量。
CN201610382547.1A 2016-06-01 2016-06-01 一种电视视频目标跟踪的方法及装置 Expired - Fee Related CN106023261B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610382547.1A CN106023261B (zh) 2016-06-01 2016-06-01 一种电视视频目标跟踪的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610382547.1A CN106023261B (zh) 2016-06-01 2016-06-01 一种电视视频目标跟踪的方法及装置

Publications (2)

Publication Number Publication Date
CN106023261A true CN106023261A (zh) 2016-10-12
CN106023261B CN106023261B (zh) 2019-11-29

Family

ID=57092106

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610382547.1A Expired - Fee Related CN106023261B (zh) 2016-06-01 2016-06-01 一种电视视频目标跟踪的方法及装置

Country Status (1)

Country Link
CN (1) CN106023261B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110301136A (zh) * 2017-02-17 2019-10-01 Vid拓展公司 在流传输视频中进行选择性感兴趣对象缩放的系统和方法
US11765150B2 (en) 2013-07-25 2023-09-19 Convida Wireless, Llc End-to-end M2M service layer sessions
US11871451B2 (en) 2018-09-27 2024-01-09 Interdigital Patent Holdings, Inc. Sub-band operations in unlicensed spectrums of new radio
US11877308B2 (en) 2016-11-03 2024-01-16 Interdigital Patent Holdings, Inc. Frame structure in NR
US11949891B2 (en) 2016-07-08 2024-04-02 Interdigital Madison Patent Holdings, Sas Systems and methods for region-of-interest tone remapping

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105118071A (zh) * 2015-08-04 2015-12-02 山东大学 一种新型的基于自适应分块的视频跟踪方法
CN105139418A (zh) * 2015-08-04 2015-12-09 山东大学 一种新型的基于分块策略的视频跟踪方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105118071A (zh) * 2015-08-04 2015-12-02 山东大学 一种新型的基于自适应分块的视频跟踪方法
CN105139418A (zh) * 2015-08-04 2015-12-09 山东大学 一种新型的基于分块策略的视频跟踪方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李冠彬 等: "基于颜色纹理直方图的带权分块均值漂移目标跟踪算法", 《计算机辅助设计与图形学学报》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11765150B2 (en) 2013-07-25 2023-09-19 Convida Wireless, Llc End-to-end M2M service layer sessions
US11949891B2 (en) 2016-07-08 2024-04-02 Interdigital Madison Patent Holdings, Sas Systems and methods for region-of-interest tone remapping
US11877308B2 (en) 2016-11-03 2024-01-16 Interdigital Patent Holdings, Inc. Frame structure in NR
CN110301136A (zh) * 2017-02-17 2019-10-01 Vid拓展公司 在流传输视频中进行选择性感兴趣对象缩放的系统和方法
CN110301136B (zh) * 2017-02-17 2023-03-24 交互数字麦迪逊专利控股公司 在流传输视频中进行选择性感兴趣对象缩放的系统和方法
US11765406B2 (en) 2017-02-17 2023-09-19 Interdigital Madison Patent Holdings, Sas Systems and methods for selective object-of-interest zooming in streaming video
US11871451B2 (en) 2018-09-27 2024-01-09 Interdigital Patent Holdings, Inc. Sub-band operations in unlicensed spectrums of new radio

Also Published As

Publication number Publication date
CN106023261B (zh) 2019-11-29

Similar Documents

Publication Publication Date Title
CN106023261A (zh) 一种电视视频目标跟踪的方法及装置
KR101636370B1 (ko) 영상 처리 장치 및 방법
JP5500024B2 (ja) 画像認識方法及び装置並びにプログラム
CN109670405B (zh) 一种基于深度学习的复杂背景行人检测方法
US20200410688A1 (en) Image Segmentation Method, Image Segmentation Apparatus, Image Segmentation Device
JP4373840B2 (ja) 動物体追跡方法、動物体追跡プログラムおよびその記録媒体、ならびに、動物体追跡装置
CN113191180B (zh) 目标跟踪方法、装置、电子设备及存储介质
US20110007983A1 (en) Method and apparatus of detecting image objects
CN102103457A (zh) 简报操作系统及方法
CN105469397A (zh) 一种基于系数矩阵分析的目标遮挡检测方法
JP2008035301A (ja) 移動体追跡装置
CN113658203A (zh) 建筑物三维轮廓提取及神经网络的训练方法和装置
US8306111B2 (en) Image analysis using a hybrid connected component labeling process
CN103092929B (zh) 一种视频摘要的生成方法及装置
CN109146973B (zh) 机器人场地特征识别和定位方法、装置、设备和存储介质
Ibrahem et al. Weakly supervised traffic sign detection in real time using single CNN architecture for multiple purposes
CN113312981B (zh) 机房鼠类图像识别方法、系统和存储介质
CN112084815A (zh) 一种基于摄像机焦距变换的目标检测方法、存储介质及处理器
CN106951831B (zh) 一种基于深度摄像机的行人检测跟踪方法
KR101305725B1 (ko) 로고인식 증강현실 시스템 및 그 구현 방법
CN116862920A (zh) 一种人像分割方法、装置、设备及介质
CN106023260A (zh) 一种电视视频目标跟踪的方法及装置
CN104732558B (zh) 运动目标检测装置
JP4449483B2 (ja) 画像解析装置、および画像解析方法、並びにコンピュータ・プログラム
JP2011170554A (ja) 物体認識装置、物体認識方法及び物体認識プログラム

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
PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A method and device for TV video target tracking

Effective date of registration: 20210104

Granted publication date: 20191129

Pledgee: Inner Mongolia Huipu Energy Co.,Ltd.

Pledgor: WUXI TVMINING MEDIA SCIENCE & TECHNOLOGY Co.,Ltd.

Registration number: Y2020990001517

CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20191129

Termination date: 20210601