CN107330924A - 一种基于单目摄像头识别运动物体的方法 - Google Patents

一种基于单目摄像头识别运动物体的方法 Download PDF

Info

Publication number
CN107330924A
CN107330924A CN201710552045.3A CN201710552045A CN107330924A CN 107330924 A CN107330924 A CN 107330924A CN 201710552045 A CN201710552045 A CN 201710552045A CN 107330924 A CN107330924 A CN 107330924A
Authority
CN
China
Prior art keywords
moving object
monocular cam
recognized based
image information
detection
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
Application number
CN201710552045.3A
Other languages
English (en)
Inventor
杨高峰
孟军霞
朱炯圳
郭海峰
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.)
Zhengzhou Renfeng Software Development Co Ltd
Original Assignee
Zhengzhou Renfeng Software Development 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 Zhengzhou Renfeng Software Development Co Ltd filed Critical Zhengzhou Renfeng Software Development Co Ltd
Priority to CN201710552045.3A priority Critical patent/CN107330924A/zh
Publication of CN107330924A publication Critical patent/CN107330924A/zh
Pending legal-status Critical Current

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
    • G06T7/254—Analysis of motion involving subtraction of images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/269—Analysis of motion using gradient-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/292—Multi-camera tracking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/28—Indexing scheme for image data processing or generation, in general involving image processing hardware
    • 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
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20224—Image subtraction
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30232—Surveillance

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于单目摄像头识别运动物体的方法，包括以下步骤：S1：视频采集设备对检测目标的当前运动信息进行采集，得到当前运动图像信息，所述视频采集设备中的检测器对检测目标进行运动数据采集时，采用光流特征进行刻画，并结合DBSCAN聚类以及卡尔曼滤波器对图像信息进行筛选和判断，即得最终图像信息；S2：嵌入式主机对S1步骤获得的最终图像信息进行压缩和预处理，并将处理后的数据经由路由器发送至服务器；S3：服务器再识别接收到的数据，并对数据进行实时跟踪识别并反馈结果至电脑主机，电脑主机再将反馈结果直观显示出。本发明提出的方法，识别精度和效率高，处理速度快，成本低，安装简单，运行稳定，维护难度低。

Description

一种基于单目摄像头识别运动物体的方法
技术领域
本发明涉及运动检测技术领域，尤其涉及一种基于单目摄像头识别运动物体的方法。
背景技术
在视频监控系统中往往需要对特定目标的特定行为做出识别，尤其对于学校环境复杂，识别难度加大。现有的运动物体的识别方法通常是借助多摄像头，比如微软kinect需要两个红外景深摄像头和一个RGB摄像头，虽然识别精度高，但是成本较高，需要微软的技术支持及授权。双目摄像头对运动物体的识别精度也可以达到较高水平，但其安装复杂，受环境影响较大，所以使用成本普遍偏高。而现有的单目摄像头的成本低，其识别功能常常需要使用嵌入式开发板实现，精度低，计算能力弱，更新维修不便。而且传统的嵌入式方法算法、采集均在嵌入式设备运行，开发维护及稳定性均得不到保证。
除此之外，传统的检测物体运动的方法是光流法，但使用光流法检测过程中由于光照、运动速度、运动方向等因素产生的运动区域没有规则与规律，根据不同的场景甚至没有统计特性，所以单一的光流法不易确定学生的不规则运动区域，而且人的运动方向往往有噪声干扰，不是理想的线性运动，如果在多帧之后确定运动的拟合方向，将影响运动检测的结果，所以光流法不易描述学生运动的方向特性。
基于上述现有技术存在的不足，本发明提出一种基于单目摄像头识别运动物体的方法及系统。
发明内容
本发明的目的是为了解决现有技术中存在的缺点，而提出的一种基于单目摄像头识别运动物体的方法。
一种基于单目摄像头识别运动物体的方法，包括以下步骤：
S1：视频采集设备对检测目标的当前运动信息进行采集，得到当前运动图像信息，所述视频采集设备中的检测器对检测目标进行运动数据采集时，采用光流特征进行刻画，并结合DBSCAN聚类以及卡尔曼滤波器对图像信息进行筛选和判断，即得最终图像信息；
S2：嵌入式主机对S1步骤获得的最终图像信息进行压缩和预处理，并将处理后的数据经由路由器发送至服务器；
S3：服务器再识别接收到的数据，并对数据进行实时跟踪识别并反馈结果至电脑主机，电脑主机再将反馈结果从显示屏直观显示出。
优选的，所述视频采集设备为单目摄像头。
优选的，所述S1步骤中的检测器对检测目标进行运动数据采集时的具体检测算法包括以下步骤：先构建帧差序列，再通过帧差法检测运动的区域，并对检测到的区域进行处理，得到候选区域，再对候选区域进行DBSCAN聚类，创建运动检测对象，然后对运动检测对象进行ORB特征检测，找到特征点，再对特征点进行LK光流检测，创建跟踪对象，并将跟踪对象加入到跟踪序列，在检测过程中持续构建帧差序列进行下一轮检测，当跟踪对象连续被跟踪到，则返回跟踪结果。
优选的，所述检测区域处理的具体操作包括剔除边缘区域、较小区域以及亮度异常区域。
优选的，所述跟踪对象为满足上下运动阈值特征的对象。
优选的，所述连续被跟踪到中的连续性指标可以根据帧速做调整。
优选的，所述S2步骤中的服务器采用千兆交换能力的路由器，所述千兆交换能力的路由器为TP-LINK TL-R478G+、H3C ER5200、H3C MSR2600-10和TP-LINK TL-R483G中的任意一个。
优选的，所述路由器上连接至少一个服务器，所述服务器还可以连接到云端。
本发明提出的识别运动物体的方法，识别精度和效率高，处理速度快，硬件成本低，安装简单，维护难度低；软件部分采用光流法、聚类以及卡尔曼滤波器相结合的方法，在场景复杂的情况下也可以为算法提供充足的信息，避免检测环境对检测结果的影响，使信息的筛选和判断更准确，进而提高运动图像信息识别的精度；硬件部分使用单摄像头复用现有主机构成客户机-服务器的方式将核心算法放在服务器端完成，改变传统的纯嵌入式方法，降低部署成本，避免将算法和采集均在嵌入式设备内运行造成的数据量大、处理难度大、处理速度慢的问题，且维护和运行稳定，同时采用分布式部署，一台主机可以服务多个定位摄像头，适用于不同学校的复杂环境，降低使用成本以及维护难度，可以借助主机的性能有效提高识别率，并可以直接在现有主机上升级识别系统，方便软件维护。
附图说明
图1为本发明提出的一种基于单目摄像头识别运动物体的方法的检测算法流程图；
图2为本发明提出的一种基于单目摄像头识别运动物体的方法的结构流程图。
具体实施方式
下面结合具体实施例对本发明作进一步解说。
实施例
本发明提出的一种基于单目摄像头识别运动物体的方法，包括以下步骤：
S1：单目摄像头对检测目标的当前运动信息进行采集，先构建帧差序列，再通过帧差法检测运动的区域，并剔除边缘区域、较小区域以及亮度异常区域，得到候选区域，再对候选区域进行DBSCAN聚类，创建运动检测对象，然后对运动检测对象进行ORB特征检测，找到特征点，再对特征点进行LK光流检测，将满足上下运动阈值特征的对象创建为跟踪对象，并将跟踪对象加入到跟踪序列，在检测过程中持续构建帧差序列进行下一轮检测，当跟踪对象连续被跟踪到，则返回跟踪结果，得到最终图像信息，所述连续被跟踪到中的连续性指标可以根据帧速做调整；
S2：嵌入式主机对S1步骤获得的最终图像信息进行压缩和预处理，并将处理后的数据经由TP-LINK TL-R478G+路由器发送至服务器；
S3：服务器再识别接收到的数据，并对数据进行实时跟踪识别并反馈结果至电脑主机，电脑主机再将反馈结果从显示屏直观显示出，并同步发送至云端。
在使用实施例的方法对学校学生起立和坐下的运动进行检测的过程中，设备安装简单，维修难度低，且在进行识别过程中设备运行的稳定，识别精度高，识别速度快，学校内的复杂环境对设备安装以及图像识别过程的影响小。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (8)

1.一种基于单目摄像头识别运动物体的方法，其特征在于：包括以下步骤：
S1：视频采集设备对检测目标的当前运动信息进行采集，得到当前运动图像信息，所述视频采集设备中的检测器对检测目标进行运动数据采集时，采用光流特征进行刻画，并结合DBSCAN聚类以及卡尔曼滤波器对图像信息进行筛选和判断，即得最终图像信息；
S2：嵌入式主机对S1步骤获得的最终图像信息进行压缩和预处理，并将处理后的数据经由路由器发送至服务器；
S3：服务器再识别接收到的数据，并对数据进行实时跟踪识别并反馈结果至电脑主机，电脑主机再将反馈结果从显示屏直观显示出。
2.根据权利要求1所述的一种基于单目摄像头识别运动物体的方法，其特征在于，所述视频采集设备为单目摄像头。
3.根据权利要求1所述的一种基于单目摄像头识别运动物体的方法，其特征在于，所述S1步骤中的检测器对检测目标进行运动数据采集时的具体检测算法包括以下步骤：先构建帧差序列，再通过帧差法检测运动的区域，并对检测到的区域进行处理，得到候选区域，再对候选区域进行DBSCAN聚类，创建运动检测对象，然后对运动检测对象进行ORB特征检测，找到特征点，再对特征点进行LK光流检测，创建跟踪对象，并将跟踪对象加入到跟踪序列，在检测过程中持续构建帧差序列进行下一轮检测，当跟踪对象连续被跟踪到，则返回跟踪结果。
4.根据权利要求3所述的一种基于单目摄像头识别运动物体的方法，其特征在于，所述检测区域处理的具体操作包括剔除边缘区域、较小区域以及亮度异常区域。
5.根据权利要求3所述的一种基于单目摄像头识别运动物体的方法，其特征在于，所述跟踪对象为满足上下运动阈值特征的对象。
6.根据权利要求3所述的一种基于单目摄像头识别运动物体的方法，其特征在于，所述连续被跟踪到中的连续性指标可以根据帧速做调整。
7.根据权利要求1所述的一种基于单目摄像头识别运动物体的方法，其特征在于，所述S2步骤中的服务器采用千兆交换能力的路由器，所述千兆交换能力的路由器为TP-LINKTL-R478G+、H3C ER5200、H3C MSR2600-10和TP-LINK TL-R483G中的任意一个。
8.根据权利要求1所述的一种基于单目摄像头识别运动物体的方法，其特征在于，所述路由器上连接至少一个服务器，所述服务器还可以连接到云端。
CN201710552045.3A 2017-07-07 2017-07-07 一种基于单目摄像头识别运动物体的方法 Pending CN107330924A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710552045.3A CN107330924A (zh) 2017-07-07 2017-07-07 一种基于单目摄像头识别运动物体的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710552045.3A CN107330924A (zh) 2017-07-07 2017-07-07 一种基于单目摄像头识别运动物体的方法

Publications (1)

Publication Number Publication Date
CN107330924A true CN107330924A (zh) 2017-11-07

Family

ID=60196377

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710552045.3A Pending CN107330924A (zh) 2017-07-07 2017-07-07 一种基于单目摄像头识别运动物体的方法

Country Status (1)

Country Link
CN (1) CN107330924A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109740558A (zh) * 2019-01-10 2019-05-10 吉林大学 一种基于改进光流法的移动目标检测方法
CN109902595A (zh) * 2019-01-31 2019-06-18 天津大学 采用多摄像头的变电站检修人员异常检测方法
CN110781721A (zh) * 2019-09-05 2020-02-11 温州视鑫科技有限公司 一种基于改进vibe算法的户外场景运动目标检测方法
CN111131713A (zh) * 2019-12-31 2020-05-08 深圳市维海德技术股份有限公司 镜头切换方法、装置、设备与计算机可读存储介质
CN112015170A (zh) * 2019-05-29 2020-12-01 北京市商汤科技开发有限公司 运动物体检测及智能驾驶控制方法、装置、介质及设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080313108A1 (en) * 2002-02-07 2008-12-18 Joseph Carrabis System and Method for Obtaining Subtextual Information Regarding an Interaction Between an Individual and a Programmable Device
CN102043967A (zh) * 2010-12-08 2011-05-04 中国科学院自动化研究所 一种有效的运动目标行为建模与识别方法
CN103268495A (zh) * 2013-05-31 2013-08-28 公安部第三研究所 计算机系统中基于先验知识聚类的人体行为建模识别方法
US20140126818A1 (en) * 2012-11-06 2014-05-08 Sony Corporation Method of occlusion-based background motion estimation
CN105243664A (zh) * 2015-10-08 2016-01-13 东南大学 一种基于视觉的轮式移动机器人快速目标跟踪方法
CN106960440A (zh) * 2017-04-20 2017-07-18 力源液压系统（贵阳）有限公司 基于物体图像特征点像素空间位置组合控制方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080313108A1 (en) * 2002-02-07 2008-12-18 Joseph Carrabis System and Method for Obtaining Subtextual Information Regarding an Interaction Between an Individual and a Programmable Device
CN102043967A (zh) * 2010-12-08 2011-05-04 中国科学院自动化研究所 一种有效的运动目标行为建模与识别方法
US20140126818A1 (en) * 2012-11-06 2014-05-08 Sony Corporation Method of occlusion-based background motion estimation
CN103268495A (zh) * 2013-05-31 2013-08-28 公安部第三研究所 计算机系统中基于先验知识聚类的人体行为建模识别方法
CN105243664A (zh) * 2015-10-08 2016-01-13 东南大学 一种基于视觉的轮式移动机器人快速目标跟踪方法
CN106960440A (zh) * 2017-04-20 2017-07-18 力源液压系统（贵阳）有限公司 基于物体图像特征点像素空间位置组合控制方法

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109740558A (zh) * 2019-01-10 2019-05-10 吉林大学 一种基于改进光流法的移动目标检测方法
CN109740558B (zh) * 2019-01-10 2022-11-18 吉林大学 一种基于改进光流法的移动目标检测方法
CN109902595A (zh) * 2019-01-31 2019-06-18 天津大学 采用多摄像头的变电站检修人员异常检测方法
CN109902595B (zh) * 2019-01-31 2023-04-21 天津大学 采用多摄像头的变电站检修人员异常检测方法
CN112015170A (zh) * 2019-05-29 2020-12-01 北京市商汤科技开发有限公司 运动物体检测及智能驾驶控制方法、装置、介质及设备
CN110781721A (zh) * 2019-09-05 2020-02-11 温州视鑫科技有限公司 一种基于改进vibe算法的户外场景运动目标检测方法
CN110781721B (zh) * 2019-09-05 2024-04-30 温州视鑫科技有限公司 一种基于改进vibe算法的户外场景运动目标检测方法
CN111131713A (zh) * 2019-12-31 2020-05-08 深圳市维海德技术股份有限公司 镜头切换方法、装置、设备与计算机可读存储介质
CN111131713B (zh) * 2019-12-31 2022-03-08 深圳市维海德技术股份有限公司 镜头切换方法、装置、设备与计算机可读存储介质

Similar Documents

Publication Publication Date Title
CN107330924A (zh) 一种基于单目摄像头识别运动物体的方法
JP7567979B2 (ja) 物体追跡方法および物体追跡装置
US11232326B2 (en) System and process for detecting, tracking and counting human objects of interest
US8582037B2 (en) System and method for hand gesture recognition for remote control of an internet protocol TV
CN112149636B (zh) 用于检测目标物体的方法、装置、电子设备及存储介质
CN109446942A (zh) 目标跟踪方法、装置和系统
US20150169082A1 (en) Method and Device for Filter-Processing Imaging Information of Emission Light Source
US20090060352A1 (en) Method and system for the detection and the classification of events during motion actions
KR101935010B1 (ko) 영상 기반 차량 번호판 인식 장치 및 방법
CN110910658A (zh) 交通信号控制方法、装置、计算机设备和存储介质
CN105205455A (zh) 一种移动平台上人脸识别的活体检测方法及系统
CN104573706A (zh) 一种物体图像识别方法及其系统
EP2801078A1 (en) Context aware moving object detection
KR20060070969A (ko) 비디오 감시 시스템에서 카메라/물체 움직임 구분 및 객체추출 장치 및 그 방법
CN111783639A (zh) 图像检测方法、装置、电子设备及可读存储介质
KR20110035662A (ko) 감시 카메라를 이용한 지능형 영상 검색 방법 및 시스템
CN111767840A (zh) 用于验证图像的方法、装置、电子设备及计算机可读存储介质
Cavallaro et al. Detecting shadows in image sequences
Carletti et al. An efficient and effective method for people detection from top-view depth cameras
CN113507630B (zh) 比赛视频的拆条方法和装置
CN111369578B (zh) 云台异动智能跟踪方法及其系统
CN113361303A (zh) 临时交通标志牌识别方法、装置及设备
Bano et al. Gyro-based camera-motion detection in user-generated videos
CN106651952A (zh) 基于足球检测跟踪的视频处理方法及装置
JP6482892B2 (ja) 監視システム

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for 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: 20171107