CN107784665A - 一种动态物体跟踪方法和系统 - Google Patents

一种动态物体跟踪方法和系统 Download PDF

Info

Publication number
CN107784665A
CN107784665A CN201710976528.6A CN201710976528A CN107784665A CN 107784665 A CN107784665 A CN 107784665A CN 201710976528 A CN201710976528 A CN 201710976528A CN 107784665 A CN107784665 A CN 107784665A
Authority
CN
China
Prior art keywords
pixel
image
pixel point
point
value
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
CN201710976528.6A
Other languages
English (en)
Other versions
CN107784665B (zh
Inventor
刘志煌
陈鹤峰
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.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
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 Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN201710976528.6A priority Critical patent/CN107784665B/zh
Publication of CN107784665A publication Critical patent/CN107784665A/zh
Application granted granted Critical
Publication of CN107784665B publication Critical patent/CN107784665B/zh
Active 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
    • G06T7/254—Analysis of motion involving subtraction of images
    • 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
    • G06T7/90—Determination of colour characteristics

Landscapes

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

Abstract

本发明公开了一种动态物体跟踪方法和系统。该方法包括如下步骤：获取视频图像，选取第一图像和第二图像；将像素点相邻的像素点中选择该像素点对应的像素点集合；从所述第一图像的选取一测试像素点，若所述测试像素点的像素点集合内包含有预设数量的像素点的像素值与所述像素点的像素值之差在预设范围内，则该测试像素点为背景像素点；在所述第二图像中选取与所述样本像素点的位置相同的像素点的相邻的点内选取一像素点作为新的测试像素点。本发明提供的动态物体跟踪方法和系统引入了新的测试像素点来判断背景和前景，从而可以更加精确的辨认移动的跟踪目标，在处理快速移动物体或者有规律的闪烁背景、遮挡背景的情境具有很好的鲁棒性。

Description

一种动态物体跟踪方法和系统
技术领域
本发明属于计算机图像处理领域，具体涉及一种动态物体跟踪方法和系统。
背景技术
随着计算机硬件和图像处理技术的发展，动态物体的跟踪技术已经广泛应用到了民生的各种领域。例如在智能交通领域用于控制交通流量、检测车辆异常行为、监控交通事故、判定行人行为等.或者在视频监控中用于自动识别不同物体，分析抽取视频源中关键有用信息，快速准确的定位事故现场，判断监控画面中的异常情况，并以最快和最佳的方式发出警报或触发其它动作，从而有效进行事前预警。动态跟踪技术更广泛的应用于医学图像、视觉重构、自主导航、视觉控制等领域。
Vibe(visual background extractor)背景提取算法能够快速的区别前景和背景，是一种有效的背景差分识别法，适合一些静态场景下的目标检测，但是对一些场景变化依旧很敏感，特别是在光照的突然改变时，ViBe算法会将大面积的背景像素点误判为前景点.这主要是因为ViBe算法是基于RGB色彩空间对像素点进行判别的，然而像素的RGB值在亮度改变时也会发生改变。另外，vibe算法在建模和模型更新的参数设置也存在过度依赖经验性的缺点。
因此，如果解决光照敏感问题和模型更新是跟踪动态物体亟待解决的问题。
发明内容
本发明的目的是要提供动态物体跟踪方法和系统，旨在解决现有动态物体跟踪中对光照敏感的技术问题。
为此，本发明首先提供了一种动态物体跟踪方法，包括如下步骤：
获取视频图像，从所述视频图像中沿时间轴先后选取第一图像和第二图像；
将所述第一图像和第二图像中每个像素点相邻的像素点中选择若干个像素点作为该像素点对应的像素点集合；
从所述第一图像的选取一测试像素点，若所述测试像素点对应的像素点集合内包含的像素值与所述测试像素点的像素值之差在预设范围内的像素点大于或等于一预定数值，则判断所述测试像素点为背景像素点；以及，在所述第二图像中选取与所述样本像素点的位置相同的像素点的相邻的点内选取一像素点作为新的测试像素点。
优选地，在所述第二图像中选取与所述样本像素点的位置相同的像素点的相邻的点内随机选取一像素点作为新的测试像素点。
优选地，通过打开视频文件或者接入视频摄像头来获取所述视频文件。
优选地，所述第一图像、第二图像为所述视频图像中相邻的帧图像。
优选地，所述将所述第一图像和第二图像中每个像素点相邻的像素点中选择若干个像素点作为该像素点对应的像素点集合的步骤包括：
当所述像素点位于图像边缘时，在该像素点的5个相邻点内随机选取10个像素点作为该像素点的像素点集合；当该像素点没有位于图像边缘时，从该像素点的8个相邻点内选取10个像素点作为该像素点的像素点集合。
优选地，所述若所述测试像素点对应的像素点集合内有预设数量的像素点的像素值与所述测试像素点的像素值之差在预设范围内包括：
将所述像素点集合内的像素点的三通道值与所述测试像素点的三通道值之差的绝对值均小于一预设值，则判断该像素点的像素值与所述测试像素点的像素值之差在预设范围内。
另外，本发明还提供一种动态物体跟踪系统，包括：图像获取单元，用于获取视频图像，并从所述视频图像中沿时间轴先后选取第一图像和第二图像；初始化模块，用于将所述第一图像和第二图像中每个像素点相邻的像素点中选择若干个像素点作为该像素点对应的像素点集合；动态跟踪模块，用于从所述第一图像的选取一测试像素点，若所述测试像素点对应的像素点集合内包含的像素值与所述测试像素点的像素值之差在预设范围内的像素点大于或等于一预定数值，则判断所述测试像素点为背景像素点；以及，在所述第二图像中选取与所述样本像素点的位置相同的像素点的相邻的点内选取一像素点作为新的测试像素点。
优选地，所述动态跟踪模块包括：当所述像素点位于图像边缘时，在该像素点的5个相邻点内随机选取10个像素点作为该像素点的像素点集合；当该像素点没有位于图像边缘时，从该像素点的8个相邻点内选取10个像素点作为该像素点的像素点集合。
优选地，所述动态跟踪模块包括：将所述像素点集合内的像素点的三通道值与所述测试像素点的三通道值之差的绝对值均小于一预设值，则判断该像素点的像素值与所述测试像素点的像素值之差在预设范围内。
优选地，所述动态跟踪模块包括：在所述第二图像中选取与所述样本像素点的位置相同的像素点的相邻的点内随机选取一像素点作为新的测试像素点。
相较于现有技术，本发明提供的动态物体跟踪方法和系统通过在第二图像中从原来位置的像素点的邻域内选取一个点作为测试像素点，以此去代替原来的测试像素点，由于引入了新的测试像素点来判断背景和前景，从而可以更加精确的辨认移动的跟踪目标，在处理快速移动物体或者有规律的闪烁背景、遮挡背景的情境具有很好的鲁棒性，有效的对固定镜头下的运动目标进行精确的跟踪，并且有效处理重影和光照敏感。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明，其中：
图1是本发明提供的一种动态物体跟踪方法一实施方式的流程图；
图2是本发明提供的一种动态物体跟踪方法一实施方式中选取像素点集合的示意图(测试像素点位于非边缘区域)；
图3是本发明提供的一种动态物体跟踪方法一实施方式中选取像素点集合的示意图(测试像素点位于边缘区域)；
图4a～4c分别为本发明提供的一种动态物体跟踪方法一实施方式点灯关闭情形下的真实情况的效果图、使用Vibe方法测试的效果图、使用本申请的测试效果图；
图5a～4b分别为本发明提供的一种动态物体跟踪方法一实施方式在弱光照情形下使用Vibe方法测试的效果图、使用本申请的测试效果图；
图6a～6c分别为本发明提供的一种动态物体跟踪方法一实施方式在水面波动情形下的真实情况的效果图、使用Vibe方法测试的效果图、使用本申请的测试效果图；
图7a～7c分别为本发明提供的一种动态物体跟踪方法一实施方式在背景点无规律运动情形下的真实情况的效果图、使用Vibe方法测试的效果图、使用本申请的测试效果图；
图8是本发明提供的一种动态物体跟踪系统一实施方式的结构示意图。
具体实施方式
下面结合附图对本发明的实施方式作进一步详细说明。本申请提供的动态物体跟踪方法在载入视频后，采用基于邻域扩散的背景消去法，首先用当前的像素值对比过去在相同位置上的像素值，来确定此像素值是否属于背景；其次随机地替换背景模型中像素值来更新模型；最后当像素被发现是背景的一部分时，它的值被传播到相邻像素的背景模型中，以此更新相邻像素模型。通过使用新的RGI三参数作为背景更新的参数，R和I的值采取基于自适应的方法灵活调整，达到准确连续跟踪动态的目的。
图1是本发明提供的一种动态物体跟踪方法一实施方式的流程图。如图1所示，该动态物体跟踪方法包括步骤S101～S103。步骤S101：获取视频图像，从所述视频图像中沿时间轴先后选取第一图像和第二图像。本实施方式中，通过视频接入模块打开视频文件或者通过摄像头接入模块接入视频摄像头来获取所述视频文件。
视频接入模块和摄像头接入模块可根据用户的需求可以接入不同格式的视频或者打开摄像头。其中，摄像头接入模块初始化之前必须创建相应的视频摄像头对象，打开或者装在后保持，以便后续对摄像头或者视频进行操作，在接入摄像头的时候调用openGL的内置函数，设置好相应的参数之后，直接打开摄像头并且保持摄像头对象。所述视频接入模块调用撰写函数可打开不同格式视频文件。所述接入模块使用对象保持，方便后续处理。装载视频的时候，调用撰写的视频载入函数，设置好相应的参数后，直接打开视频文件并且保持视频对象。此外，所述第一图像、第二图像优选为所述视频图像中相邻的帧图像。
所述载入视频或者图像，可以使用MFC库创建点击按钮，建立消息响应函数，在消息相应函数里调用openCV库函数Load入视频或者图像，将载入后的图像数据句柄保存到全局变量。
步骤S102：将所述第一图像和第二图像中每个像素点相邻的像素点中选择若干个像素点作为该像素点对应的像素点集合。具体而言，从载入后的图像数据句柄中逐个读取第一图像和第二图像的像素点，针对每一个像素点建立一个初始化模型。所述模型为一个像素点值的集合M(x)＝{v1，v2，LvN}，共包含C个像素点。集合中像素点从图像中的某个像素点v(x)邻域Ng(x)内随机抽取，共抽取C次。
图2是本发明提供的一种动态物体跟踪方法一实施方式中选取像素点集合的示意图(测试像素点位于非边缘区域)。如果像素点v(x)位于非边缘区域，则周围共有8个相邻像素点vg(1)，…….,vg(8)。C取值10，即在这8个点中随机抽取10次，共包含10个点，选取的集合里面可以有重复像素点，定义这个集合为模型集合M(x)。图3是本发明提供的一种动态物体跟踪方法一实施方式中选取像素点集合的示意图(测试像素点位于边缘区域)。如图3所示，在边缘位置，像素点v(x)邻域内的可选像素点相应减少，只有5个可选点，即在该像素点的5个相邻点内随机选取10个像素点作为该像素点的像素点集合，选取的集合里面可以有重复像素点，定义这个集合为模型集合M(x)。
本步骤中，在获取第一图像或者第二图像后，读取单帧图像进行背景建模，建模之后的更新机制采取随机替换的方法，并且在相邻像素之间进行传播。处理速度快，计算量较少，抗噪声能力强。
步骤S103：从所述第一图像的选取一测试像素点，若所述测试像素点对应的像素点集合内包含有预设数量的像素点的像素值与所述像素点的像素值之差在预设范围内，则判断所述测试像素点为背景像素点。具体而言，将所述像素点集合内的像素点的三通道值与所述测试像素点的三通道值之差的绝对值均小于一预设值，则判断该像素点的像素值与所述测试像素点的像素值之差在预设范围内。具体地说，由于像素以RGB(Red，Green，Blue)三色模式描述，每个颜色共0-255等级。设定一个半径值为R，如果某个像素点v(y)的RGB三通道值(yr,yg,yb)减去v(x)值(xr,xg,xb)的绝对值都小于R，那么这个就处于v(x)为中心的半径内。
{|yi-xi|≤R|i＝1,2,3}；
因而，可以设定一个阀值tmin，如果选取的模型M(x)集合中的C个元素有tmin个元素的值在v(x)半径内，那么v(x)就被定义为背景，否则的话v(x)就被认为是前景。
此外，若所述测试像素点对应的像素点集合内包含有预设数量的像素点的像素值与所述像素点的像素值之差在预设范围内，还在所述第二图像中选取与所述样本像素点的位置相同的像素点的相邻的点内选取一像素点作为新的测试像素点。优选地，在所述第二图像中选取与所述样本像素点的位置相同的像素点的相邻的点内选取一像素点作为新的测试像素点的方式可以是随机的。随着物体的不断移动，本实施方式提供的物体动态跟踪方法不采用先入先出策略,而采取随机更替的规则，在新的一帧从原来位置的邻域内随机选取一个点作为样本，以此样本值去代替原来模型集合中随机选取的的一个元素值。RGB色彩模式处理快速移动物体或者有规律的闪烁背景、遮挡背景的情境具有很好的鲁棒性，但是对于光照变化敏感，更新机制容易导致背景和前景大面积混淆。
然后，采用以下标准化色度坐标模式，公式如下：
r＝R/(R+G+B)
g＝G/(R+G+B).
b＝B/(R+G+B)
三个观测值采用标准化的色彩空间(r，g，I)，
当强度I值大时，r和g的值可信；但是当强度I小于阈值Imin时，r和g的值不可信，在这种情况下，仅采用强度I这个通道.v(x)的颜色观测值表示为：
可选的，本实施方式提供的方法还可记录整个跟踪过程中动态目标的识别数据，以文件形式存储动态跟踪过程的模型数据，前景和背景数据。存取过程以目标的图像序列为文件名，从而能够还原跟踪过程，快速提取目标丢失前的模型数据并且进行分析，根据文件名快速读取过程数据。以及，还可以根据用户需求选择打开摄像头或者装载视频，在动态跟踪过程中对跟踪过程进行控制，选择暂停，保存当前数据，还原跟踪过程，导出模型数据。此外，在一个实施方式提供的方法中，还可以提供用户友好的交互界面，界面良好，功能丰富，方便用户对动态跟踪过程进行过程把控，数据保存和分析。
图4a～4c分别为本发明提供的一种动态物体跟踪方法一实施方式点灯关闭情形下的真实情况的效果图、使用Vibe方法测试的效果图、使用本申请的测试效果图。如图4a～4c所示，在电灯突然关闭时，一个人走进房间的场景.从图中可以看到，ViBe算法对于光照非常敏感，光照改变时，大面积的背景被误认为前景，而且对于前景的识别效果不佳，改变色彩空间虽然不能完全消除光照的影响，但对比ViBe算法，已经有了极大的改进，而且在光照变化时对于前景的检测也十分准确。
图5a～5b分别为本发明提供的一种动态物体跟踪方法一实施方式在弱光照情形下使用Vibe方法测试的效果图、使用本申请的测试效果图。如图5a～5b所示，在光照持续黑暗，场景中没有前景的情况下，ViBe算法和结合(r,g,I)色彩空间算法的比较.场景一直处于光照较弱的情况下，ViBe算法由于RGB色彩空间处理图像的局限性，不能较快地恢复误检的背景.改进算法加入了一个光照强度条件I，在光照低于一定阈值的情况下，仅仅使用强度I通道，避免了光照弱产生的噪声.从图5a～5b可以看出，ViBe对于光照的敏感持续时间很长，改进算法可以快速恢复误检为前景的背景。
图6a～6c分别为本发明提供的一种动态物体跟踪方法一实施方式在水面波动情形下的真实情况的效果图、使用Vibe方法测试的效果图、使用本申请的测试效果图。如图6a～6c所示，一个人走到湖边，湖面的水不停的在波动.ViBe对于前景的检测效果不错，但对于波动的水面的处理还存在一些不足.由于改进算法是基于标准化的色彩空间，水面的波动不影响每个像素的光照强度，因此不会把水面的像素当做是运动前景，尽管它在运动.改进算法对该视频的背景提取很完整，只是对于运动人体的检测略有不足，人的脚部没有被完整地提取出来，这是由于这个人的裤子颜色与草地颜色相近而导致的。
图7a～7c分别为本发明提供的一种动态物体跟踪方法一实施方式在背景点无规律运动情形下的真实情况的效果图、使用Vibe方法测试的效果图、使用本申请的测试效果图。如图7a～7c所示，场景中包含摇动的树木，一辆行驶的汽车.从图中可以看出，改进后的算法在对于摇动的树木的处理上明显优于ViBe算法，而且对于运动的汽车的提取也更为完整。
本实施方式提供的动态物体跟踪方法通过在第二图像中从原来位置的像素点的邻域内选取一个点作为测试像素点，以此去代替原来的测试像素点，由于引入了新的测试像素点来判断背景和前景，从而可以更加精确的辨认移动的跟踪目标，在处理快速移动物体或者有规律的闪烁背景、遮挡背景的情境具有很好的鲁棒性，有效的对固定镜头下的运动目标进行精确的跟踪，并且有效处理重影和光照敏感。
图8是本发明提供的一种动态物体跟踪系统一实施方式的结构示意图。如图8所示，该动态物体跟踪系统包括图像获取单元10、初始化模块20和动态跟踪模块30。具体的说，图像获取单元10用于获取视频图像，并从所述视频图像中沿时间轴先后选取第一图像和第二图像。初始化模块20用于将所述第一图像和第二图像中每个像素点相邻的像素点中选择若干个像素点作为该像素点对应的像素点集合；动态跟踪模块30用于从所述第一图像的选取一测试像素点，若所述测试像素点对应的像素点集合内包含有预设数量的像素点的像素值与所述像素点的像素值之差在预设范围内，则判断所述测试像素点为背景像素点；以及，在所述第二图像中选取与所述样本像素点的位置相同的像素点的相邻的点内选取一像素点作为新的测试像素点。其中，将所述像素点集合内的像素点的三通道值与所述测试像素点的三通道值之差的绝对值均小于一预设值，则判断该像素点的像素值与所述测试像素点的像素值之差在预设范围内。优选地，在所述第二图像中选取与所述样本像素点的位置相同的像素点的相邻的点内选取一像素点作为新的测试像素点的方式可以是随机的。
当所述像素点位于图像边缘时，在该像素点的5个相邻点内随机选取10个像素点作为该像素点的像素点集合；当该像素点没有位于图像边缘时，从该像素点的8个相邻点内选取10个像素点作为该像素点的像素点集合。
本发明提供的动态物体跟踪系统通过在第二图像中从原来位置的像素点的邻域内选取一个点作为测试像素点，以此去代替原来的测试像素点，由于引入了新的测试像素点来判断背景和前景，从而可以更加精确的辨认移动的跟踪目标，在处理快速移动物体或者有规律的闪烁背景、遮挡背景的情境具有很好的鲁棒性，有效的对固定镜头下的运动目标进行精确的跟踪，并且有效处理重影和光照敏感。
上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域的普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。

Claims (10)

1.一种动态物体跟踪方法，其特征在于，包括如下步骤：
获取视频图像，从所述视频图像中沿时间轴先后选取第一图像和第二图像；
将所述第一图像和第二图像中每个像素点相邻的像素点中选择若干个像素点作为该像素点对应的像素点集合；
从所述第一图像的选取一测试像素点，若所述测试像素点对应的像素点集合内包含的像素值与所述测试像素点的像素值之差在预设范围内的像素点大于或等于一预定数值，则判断所述测试像素点为背景像素点；以及，在所述第二图像中选取与所述样本像素点的位置相同的像素点的相邻的点内选取一像素点作为新的测试像素点。
2.如权利要求1所述的动态物体跟踪方法，其特征在于：在所述第二图像中选取与所述样本像素点的位置相同的像素点的相邻的点内随机选取一像素点作为新的测试像素点。
3.如权利要求1所述的动态物体跟踪方法，其特征在于：通过打开视频文件或者接入视频摄像头来获取所述视频文件。
4.如权利要求1所述的动态物体跟踪方法，其特征在于：所述第一图像、第二图像为所述视频图像中相邻的帧图像。
5.如权利要求1所述的动态物体跟踪方法，其特征在于：所述将所述第一图像和第二图像中每个像素点相邻的像素点中选择若干个像素点作为该像素点对应的像素点集合的步骤包括：
当所述像素点位于图像边缘时，在该像素点的5个相邻点内随机选取10个像素点作为该像素点的像素点集合；当该像素点没有位于图像边缘时，从该像素点的8个相邻点内选取10个像素点作为该像素点的像素点集合。
6.如权利要求1所述的动态物体跟踪方法，其特征在于：所述若所述测试像素点对应的像素点集合内有预设数量的像素点的像素值与所述测试像素点的像素值之差在预设范围内包括：
将所述像素点集合内的像素点的三通道值与所述测试像素点的三通道值之差的绝对值均小于一预设值，则判断该像素点的像素值与所述测试像素点的像素值之差在预设范围内。
7.一种动态物体跟踪系统，其特征在于，包括：
图像获取单元，用于获取视频图像，并从所述视频图像中沿时间轴先后选取第一图像和第二图像；
初始化模块，用于将所述第一图像和第二图像中每个像素点相邻的像素点中选择若干个像素点作为该像素点对应的像素点集合；
动态跟踪模块，用于从所述第一图像的选取一测试像素点，若所述测试像素点对应的像素点集合内包含的像素值与所述测试像素点的像素值之差在预设范围内的像素点大于或等于一预定数值，则判断所述测试像素点为背景像素点；以及，在所述第二图像中选取与所述样本像素点的位置相同的像素点的相邻的点内选取一像素点作为新的测试像素点。
8.如权利要求7所述的动态物体跟踪系统，其特征在于，所述动态跟踪模块包括：
当所述像素点位于图像边缘时，在该像素点的5个相邻点内随机选取10个像素点作为该像素点的像素点集合；当该像素点没有位于图像边缘时，从该像素点的8个相邻点内选取10个像素点作为该像素点的像素点集合。
9.如权利要求7所述的动态物体跟踪系统，其特征在于，所述动态跟踪模块包括：
将所述像素点集合内的像素点的三通道值与所述测试像素点的三通道值之差的绝对值均小于一预设值，则判断该像素点的像素值与所述测试像素点的像素值之差在预设范围内。
10.如权利要求7所述的动态物体跟踪系统，其特征在于，所述动态跟踪模块包括：
在所述第二图像中选取与所述样本像素点的位置相同的像素点的相邻的点内随机选取一像素点作为新的测试像素点。
CN201710976528.6A 2017-10-19 2017-10-19 一种动态物体跟踪方法和系统 Active CN107784665B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710976528.6A CN107784665B (zh) 2017-10-19 2017-10-19 一种动态物体跟踪方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710976528.6A CN107784665B (zh) 2017-10-19 2017-10-19 一种动态物体跟踪方法和系统

Publications (2)

Publication Number Publication Date
CN107784665A true CN107784665A (zh) 2018-03-09
CN107784665B CN107784665B (zh) 2021-07-30

Family

ID=61434725

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710976528.6A Active CN107784665B (zh) 2017-10-19 2017-10-19 一种动态物体跟踪方法和系统

Country Status (1)

Country Link
CN (1) CN107784665B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109040614A (zh) * 2018-08-01 2018-12-18 安徽宇烁光电科技有限公司 一种多画面视频处理器场景处理系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102855642A (zh) * 2011-06-28 2013-01-02 富泰华工业（深圳）有限公司 图像处理装置及其物体轮廓的提取方法
CN104331905A (zh) * 2014-10-31 2015-02-04 浙江大学 一种基于运动物体检测的监控视频摘要提取方法
CN104616290A (zh) * 2015-01-14 2015-05-13 合肥工业大学 一种统计矩阵模型和自适应阈值相结合的目标检测算法
CN106485730A (zh) * 2015-08-31 2017-03-08 上海悠络客电子科技有限公司 视频中的目标跟踪方法
CN106485713A (zh) * 2015-08-31 2017-03-08 上海悠络客电子科技有限公司 视频前景检测方法
CN106677094A (zh) * 2017-03-27 2017-05-17 深圳市捷顺科技实业股份有限公司 一种道闸控制方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102855642A (zh) * 2011-06-28 2013-01-02 富泰华工业（深圳）有限公司 图像处理装置及其物体轮廓的提取方法
CN104331905A (zh) * 2014-10-31 2015-02-04 浙江大学 一种基于运动物体检测的监控视频摘要提取方法
CN104616290A (zh) * 2015-01-14 2015-05-13 合肥工业大学 一种统计矩阵模型和自适应阈值相结合的目标检测算法
CN106485730A (zh) * 2015-08-31 2017-03-08 上海悠络客电子科技有限公司 视频中的目标跟踪方法
CN106485713A (zh) * 2015-08-31 2017-03-08 上海悠络客电子科技有限公司 视频前景检测方法
CN106677094A (zh) * 2017-03-27 2017-05-17 深圳市捷顺科技实业股份有限公司 一种道闸控制方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
YUN YANG 等: "An Improved ViBe for Video Moving Object Detection Based on Evidential Reasoning", 《2016 IEEE LNTEMATIONAL CONFERENCE ON MULTISENSOR FUSION AND INTEGRATION FOR INTELLIGENT SYSTEMS（MFI）》 *
严红亮 等: "基于ViBe算法的改进背景减去法", 《计算机系统应用》 *
蒋建国 等: "基于ViBe 的车流量统计算法", 《电子测量与仪器学报》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109040614A (zh) * 2018-08-01 2018-12-18 安徽宇烁光电科技有限公司 一种多画面视频处理器场景处理系统

Also Published As

Publication number Publication date
CN107784665B (zh) 2021-07-30

Similar Documents

Publication Publication Date Title
CN106022209B (zh) 一种基于人脸检测的距离估算和处理的方法及装置
Tarel et al. Fast visibility restoration from a single color or gray level image
CN105323497B (zh) 恒定包围的高动态范围(cHDR)操作
US20080181507A1 (en) Image manipulation for videos and still images
CN109714532A (zh) 图像采集方法、处理方法和装置
US10382712B1 (en) Automatic removal of lens flares from images
US20090028432A1 (en) Segmentation of Video Sequences
CN107172354B (zh) 视频处理方法、装置、电子设备及存储介质
CN105493141B (zh) 非结构化道路边界检测
CN110210360A (zh) 一种基于视频图像目标识别的跳绳计数方法
Huerta et al. Exploiting multiple cues in motion segmentation based on background subtraction
CN110046560A (zh) 一种危险驾驶行为检测方法和相机
CN109670421B (zh) 一种疲劳状态检测方法和装置
CN110532903A (zh) 一种交通灯图像处理的方法和设备
CN111259757B (zh) 一种基于图像的活体识别方法、装置及设备
CN110113526A (zh) 处理方法、处理装置和电子设备
JP6838310B2 (ja) 撮影画像内の個体の検出装置
TW201032180A (en) Method and device for keeping image background by multiple gauss models
CN107784665A (zh) 一种动态物体跟踪方法和系统
CN103729624B (zh) 一种基于肤色识别的测光方法及测光系统
CN109191398A (zh) 图像处理方法、装置、计算机可读存储介质和电子设备
CN106231278B (zh) 视频处理方法及电视系统
JP4697923B2 (ja) 水中または水面における移動体の計数システムおよび計数方法
CN112926367A (zh) 一种活体检测的设备及方法
WO2016063595A1 (ja) 画像処理装置、画像処理方法及びプログラム

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
GR01 Patent grant
GR01 Patent grant