CN108038408A - 智能跟踪方法及装置、存储介质及电子终端 - Google Patents

智能跟踪方法及装置、存储介质及电子终端 Download PDF

Info

Publication number
CN108038408A
CN108038408A CN201710952943.8A CN201710952943A CN108038408A CN 108038408 A CN108038408 A CN 108038408A CN 201710952943 A CN201710952943 A CN 201710952943A CN 108038408 A CN108038408 A CN 108038408A
Authority
CN
China
Prior art keywords
tracking
image file
file
tracking target
testing result
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
CN201710952943.8A
Other languages
English (en)
Inventor
王文涛
李宁鸟
胡锦龙
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.)
XIAN TIANHE DEFENCE TECHNOLOGY Co Ltd
Original Assignee
XIAN TIANHE DEFENCE 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 XIAN TIANHE DEFENCE TECHNOLOGY Co Ltd filed Critical XIAN TIANHE DEFENCE TECHNOLOGY Co Ltd
Priority to CN201710952943.8A priority Critical patent/CN108038408A/zh
Publication of CN108038408A publication Critical patent/CN108038408A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/40Scenes; Scene-specific elements in video content
    • G06V20/41Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/21Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/20Analysis of motion
    • G06T7/223Analysis of motion using block-matching
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10016Video; Image sequence
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20081Training; Learning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30232Surveillance
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07Target detection

Landscapes

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

Abstract

本公开涉及图像识别技术领域,具体涉及一种智能跟踪方法、一种智能跟踪装置、一种存储介质以及一种电子终端。所述方法包括:生成一图像文件以及发出一控制指令以便于一检测模块根据所述控制指令检测所述图像文件中是否存在跟踪目标;在检测所述图像文件中存在所述跟踪目标时,获取所述跟踪目标的位置信息;获取所述位置信息并根据所述位置信息对所述跟踪目标开始跟踪并实时判断跟踪状态。本公开能够在跟踪过程中对跟踪状态进行实时的判断,并针对跟踪状态的变化实时的做出调整,进而实现对跟踪目标的稳定跟踪。

Description

智能跟踪方法及装置、存储介质及电子终端
技术领域
本公开涉及图像识别技术领域,具体涉及一种智能跟踪方法、一种智能跟踪装置、一种存储介质以及一种电子终端。
背景技术
在复杂背景下对跟踪目标进行实时检测和跟踪是光电精确制导、目标探测、自动识别以及移动载体的自主导航和环境认知等领域的共性关键技术。如何自动、准确且快速地从复杂背景中检测战略目标并进行稳定跟踪,对移动目标跟踪具有重要意义。
目前,现有的军用目标检测及跟踪技术大多只能针对独立目标,但在复杂背景中往往存在多个疑似目标,各疑似目标的朝向、分布、大小、内容都不尽相同;同时还需要实现对跟踪目标的快速检测和稳定跟踪,而现有技术并不能很好的实现这一需求。此外,现有的被动式雷达在目标侦察过程中容易受到电子干扰,从而无法检测到目标位置信息导致跟踪任务失败。在民用领域也存在类似的问题,比如低空背景下的无人机检测和跟踪,容易受到建筑物构件、树梢、不明飞行物等物体的影响,导致无法准确的检测以及实现稳定的跟踪。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种智能跟踪方法、一种智能跟踪装置、一种存储介质以及一种电子终端,进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
根据本公开的第一方面,提供一种智能跟踪方法,包括:
生成一图像文件以及发出一控制指令以便于一检测模块根据所述控制指令检测所述图像文件中是否存在跟踪目标;
在检测所述图像文件中存在所述跟踪目标时,获取所述跟踪目标的位置信息;
获取所述位置信息并根据所述位置信息对所述跟踪目标开始跟踪并实时判断跟踪状态。
在本公开的一种示例性实施例中,所述生成一图像文件包括:
接收一跟踪视频,选取所述跟踪视频的当前帧图像作为所述图像文件。
在本公开的一种示例性实施例中,所述发出一控制指令以便于一检测模块根据所述控制指令检测所述图像文件中是否存在跟踪目标包括:
将所述图像文件存储至一通信文件夹,并向所述检测模块发送一控制指令;
所述检测模块根据接收的所述控制指令获取所述图像文件,并检测所述图像文件中是否存在跟踪目标。
在本公开的一种示例性实施例中,所述在检测所述图像文件中存在所述跟踪目标时,获取所述跟踪目标的位置信息包括:
所述检测模块根据所述控制指令检测所述图像文件中存在所述跟踪目标时,获取所述跟踪目标的位置信息并生成一包含所述位置信息的第一检测结果;
将所述第一检测结果存储至所述通信文件夹。
在本公开的一种示例性实施例中,所述获取所述位置信息并根据所述位置信息对所述跟踪目标开始跟踪包括:
检测所述通信文件夹中是否存在所述第一检测结果;
在检测存在所述第一检测结果时,读取所述的位置信息并根据所述检测结果中的位置信息开始跟踪目标。
在本公开的一种示例性实施例中,所述方法还包括:
在跟踪目标成功时,生成一包含跟踪状态信息的状态文件;
将所述状态文件存储至所述通信文件夹以便于所述检测模块获取所述状态文件。
在本公开的一种示例性实施例中,所述检测所述图像文件中是否存在跟踪目标还包括:
在检测所述图像文件中不存在所述跟踪目标时,生成一包含不存在所述跟踪目标信息的第二检测检测结果;
将所述第二检测结果存储至所述通信文件夹。
在本公开的一种示例性实施例中,所述方法还包括:
检测所述通信文件夹中是否存在所述第二检测结果;
在检测存在所述第二检测结果时,读取所述第二检测结果,并获取所述图像文件的下一帧图像文件;
将所述图像文件的下一帧图像文件存储至所述通信文件夹并发送一控制指令以便于所述检测模块根据所述控制指令对所述下一帧图像进行检测;
重复上述方法至检测到一帧图像文件中存在所述跟踪目标。
在本公开的一种示例性实施例中,所述检测结果还包括一用于区别所述第一检测结果及第二检测结果的类别标签。
在本公开的一种示例性实施例中,所述实时判断所述跟踪目标的跟踪状态包括:
判断所述跟踪目标的当前跟踪状态;
在判断所述跟踪状态为丢失时,将当前时刻的图像文件存储至所述通信文件夹并发送一控制指令以便于所述检测模块根据所述控制指令检测所述当前时刻的图像文件;
所述检测模块根据所述控制指令获取所述当前时刻的图像文件,并检测所述当前时刻的图像文件中是否存在所述跟踪目标;
在检测存在所述跟踪目标时,生成一第一检测结果并存储至所述通信文件夹以便于根据所述第一检测结果开始跟踪所述跟踪目标。
在本公开的一种示例性实施例中,所述方法还包括:
在所述检测模块检测所述当前时刻的图像文件中不存在所述跟踪目标时,生成一包含不存在跟踪目标信息的第二检测结果并存储至所述通信文件夹;
获取所述第二检测结果并根据所述第二检测结果选取下一帧图文件像并存储至所述通信文件夹,发送一控制指令以便于所述检测模块根据所述控制指令检测下一帧图像文件中是否存在所述跟踪目标;
重复上述方法至所述检测模块检测到一帧图像文件中存在所述跟踪目标。
根据本公开的第二方面,提供一种智能跟踪系统,包括:
检测模块,用于根据一控制指令检测一图像文件中是否存在跟踪目标及生成检测结果;
跟踪模块,用于生成所述图像文件并发送所述控制指令,以及根据所述检测结果跟踪目标并实时检测跟踪状态;
通信文件夹,用于存储所述图像文件以及所述检测结果。
根据本公开的第三方面,提供一种存储介质,其上存储有计算机程序,所述程序被处理器执行时实现上述的智能跟踪方法。
根据本公开的第四方面,提供一种电子终端,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行以下操作:
生成一图像文件以及发出一控制指令以便于一检测模块根据所述控制指令检测所述图像文件中是否存在跟踪目标;
在检测所述图像文件中存在所述跟踪目标时,获取所述跟踪目标的位置信息;
获取所述位置信息并根据所述位置信息对所述跟踪目标开始跟踪并实时判断跟踪状态。
本公开的一种实施例所提供的智能跟踪方法中,通过利用一检测模块根据接收到的控制指令对图像文件进行检测并输出跟踪目标的位置信息,并根据检测模块输出的位置信息对跟踪目标开始跟踪。通过对图像文件的检测,从而实现在复杂背景中对跟踪目标的检测和有效跟踪。同时,通过在跟踪过程中对跟踪状态进行实时的判断,并针对跟踪状态的变化实时的做出调整,进而实现对跟踪目标的稳定跟踪。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示意性示出本公开示例性实施例中一种智能跟踪方法的示意图;
图2示意性示出本公开示例性实施例中另一种智能跟踪方法的示意图;
图3示意性示出本公开示例性实施例中一种智能跟踪方法的流程示意图;
图4示意性示出本公开示例性实施例中一种获取的初始图像的示意图;
图5示意性示出本公开示例性实施例中一种稳定跟踪时的状态示意图;
图6示意性示出本公开示例性实施例中一种跟踪丢失且未检测到跟踪目标时的状态示意图;
图7示意性示出本公开示例性实施例中一种跟踪成功时的帧图像示意图;
图8示意性示出本公开示例性实施例中一种智能跟踪系统的组成示意图;
图9示意性示出本公开示例性实施例中一种智能跟踪装置的另一种示意图;
图10示意性示出本公开示例性实施例中一种智能跟踪装置的另一种示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
本示例实施方式中首先提供了本示例实施方式中首先提供了一种智能跟踪方法,可以应用于民用或军用的针对低空目标在复杂背景下的跟踪,例如在具有较多建筑物的城区、树木茂盛的丛林以及其他背景中包含多个疑似目标的场景;同时能够有效的解决电子干扰的问题。参考图1中所示,上述的主动式智能跟踪方法可以包括以下步骤:
S1,生成一图像文件以及发出一控制指令以便于一检测模块根据所述控制指令检测所述图像文件中是否存在跟踪目标;
S2,在检测所述图像文件中存在所述跟踪目标时,获取所述跟踪目标的位置信息;
S3,获取所述位置信息并根据所述位置信息对所述跟踪目标开始跟踪并实时判断跟踪状态。
本示例实施方式所提供的智能跟踪方法,通过利用一检测模块根据接收到的控制指令对图像文件进行检测并输出跟踪目标的位置信息,并根据检测模块输出的位置信息对跟踪目标开始跟踪。通过对图像文件的检测,从而实现在复杂背景中对跟踪目标的检测和有效跟踪。同时,通过在跟踪过程中对跟踪状态进行实时的判断,并针对跟踪状态的变化实时的做出调整,进而实现对跟踪目标的稳定跟踪。
下面,将结合附图及实施例对本示例实施方式中的智能跟踪方法的各个步骤进行更详细的说明。
步骤S1,生成一图像文件以及发出一控制指令以便于一检测模块根据所述控制指令检测所述图像文件中是否存在跟踪目标。
本示例实施方式中,可以提供一跟踪模块,用于生成上述的图像文件及控制指令。上述的生成一图像文件具体可以包括:
接收一跟踪视频,截取所述跟踪视频的一帧图像作为所述图像文件。
进行初次跟踪时,由于第一帧图像无法确定跟踪目标的坐标信息而不能进行正常跟踪。跟踪模块在接收到一跟踪视频时,可以选取视频流的第一帧图像作为初始图像文件,并将该初始图像文件存储至一通信文件夹。本示例中采集的视频流来自低空无人机飞行视频,无人机距离大约保持在1.5公里,实时传输的视频分辨率为720*576。参考图4所示,为跟踪模块根据视频流截取的初始帧图像画面。同时,可以向一检测模块发送一控制指令,调用并启动检测模块使其获取所述初始图像文件。所述检测模块在接收到控制指令后开启,读取该图像文件并检测所述图像文件中是否包含跟踪目标。
步骤S2,在检测所述图像文件中存在所述跟踪目标时,获取所述跟踪目标的位置信息。
本示例实施方式中,检测模块在启动后,根据接收的控制指令读取存储在通信文件夹中的初始图像文件并对其进行检测。当所述检测模块检测到所述初始图像文件中存在跟踪目标,即检测到图4中的无人机目标时,可以利用检测算法获取该跟踪目标的具体坐标信息;并将该坐标信息生成一第一检测结果,同时将所述第一检测结果存储至所述通信文件夹中供跟踪模块读取。
在检测时,可以利用例如深度学习无人机检测模型对当前帧图像进行检测。上述的深度学习无人机检测模型可以是通过采集1.5公里的无人机低空飞行视频并整理标记了大量的无人机图像样本,然后对深度学习检测模型进行训练得到了该低空场景下无人机检测模型。另外的,在其他示例性实施例中也可以使用其他方式对截取的图像中的是否存在跟踪目标进行判断,本公开对此不作特殊限定。
进一步的,在本公开的其他示例中,为了保证跟踪效果,提高位置信息的有效性和准确性,上述的位置信息可以包括:坐标信息以及跟踪目标的区域信息。
步骤S3,获取所述位置信息并根据所述位置信息对所述跟踪目标开始跟踪并实时判断跟踪状态。
本示例实施方式中,上述的步骤S3具体可以包括:
S311,检测所述通信文件夹中是否存在所述第一检测结果;
S312,在检测存在所述第一检测结果时,读取所述的位置信息并根据所述检测结果中的位置信息开始跟踪目标。
在跟踪模块向通信文件夹存储所述图像文件并向检测模块发送控制指令后,便可以开始循环检测读取所述通信文件夹中是否存在一检测结果。在检测到通信文件夹中存在一第一检测结果时,读取所述第一检测结果中所述跟踪目标的坐标信息,并根据坐标信息开始跟踪。同时,在跟踪目标成功时,可以生成一包含跟踪状态信息的状态文件并将其存储至所述通信文件夹中。使得检测模块在读取到该状态文件时便可以停止接收控制及获取图像文件。
举例来说,如图5中所示,上述的状态信息可以用数字表示,例如【0.0.0】。在进行目标跟踪时,可以通过例如:均值漂移算法、连续自适应均值漂移算法、粒子滤波算法、跟踪学习检测算法、最大相关匹配算法或相似度度量算法等经典算法对跟踪目标进行跟踪。本公开对此不作特殊限定。
在本公开的其他示例中,上述的检测所述图像文件中是否存在跟踪目标还包括:
在检测所述图像文件中不存在所述跟踪目标时,生成一包含不存在所述跟踪目标信息的第二检测检测结果;
将所述第二检测结果存储至所述通信文件夹。
本示例实施方式中,当检测模块检测所述初始图像文件中不存在跟踪目标,即未检测到无人机目标时,便可以生成一区别上述第一检测结果的第二检测结果,并将该检测结果存储在所述通信文件夹中供所述跟踪模块读取。
基于上述内容,在本示例实施方式中,上述方法步骤S3还可以包括:
步骤S321,检测所述通信文件夹中是否存在所述第二检测结果;
步骤S322,在检测存在所述第二检测结果时,读取所述第二检测结果,并获取所述图像文件的下一帧图像文件;
步骤S323,将所述图像文件的下一帧图像文件存储至所述通信文件夹并发送一控制指令以便于所述检测模块根据所述控制指令对所述下一帧图像进行检测;
步骤S324,重复步骤S3至检测到一帧图像文件中存在所述跟踪目标。
当跟踪模块在循环检测通信文件夹时读取到一第二检测结果,即当前检测的一帧图像文件中未发现跟踪目标,则跟踪模块截取所述视频流中当前帧图像的下一帧图像并生成图像文件存储至通信文件夹,同时再次向检测模块发送一控制指令,以使检测模块根据控制指令获取这一帧的图像文件并对其进行检测。
再次执行步骤S1-S3,依次检测视频流中的每一帧图像,直至检测到视频流中的一帧图像中存在跟踪目标,则根据检测到的坐标信息开始跟踪目标。
举例来说,上述的第一检测结果及第二检测结果可以分别使用数字的组合来表示,并包含一用于区别检测结果的类别标签,便于跟踪模块读取。例如第一检测结果可以表示为【1.x.y】,其中“1”可以作为标识位,用于标识为检测到跟踪目标,“x.y”可以表示跟踪目标的详细坐标。或者也可以使用“x.y.z”的方式来表示所述跟踪目标的坐标信息。第二检测结果可以表示为【2.0.0】,其中“2”可以用于作为标识位,用于标识为未检测到跟踪目标。通过设置检测结果的标识位,跟踪模块在读取各检测结果时可先检查检测结果的表示为,便于跟踪模块对检测结果的读取。
在本公开的其他示例性实施方式中,也可以利用字母与数字的结果来表示检测结果。例如第一检测结果为【Y.x.y】,其中“Y”作为标识位,表示为检测到跟踪目标,“x.y”表示具体的坐标信息;第二检测结果为【N.0.0】,其中“N”作为标识位,表示为未检测到跟踪目标。本公开对检测结果的表现形式不做特殊限定。在跟踪目标读取通信文件夹中的各检测结果信息时,也可以首先读取第一位的标示位信息。
基于上述内容,在本示例性实施方式中,上述的实时判断所述跟踪目标的跟踪状态具体可以包括:
步骤S41,判断所述跟踪目标的当前跟踪状态;
步骤S42,在判断所述跟踪状态为丢失时,将当前时刻的图像文件存储至所述通信文件夹并发送一控制指令以便于所述检测模块根据所述控制指令检测所述当前时刻的图像文件;
步骤S43,所述检测模块根据所述控制指令获取所述当前时刻的图像文件,并检测所述当前时刻的图像文件中是否存在所述跟踪目标;
步骤S44,在检测存在所述跟踪目标时,生成一第一检测结果并存储至所述通信文件夹以便于根据所述第一检测结果开始跟踪所述跟踪目标。
在成功开始跟踪后,跟踪模块可以对跟踪状态进行实时判断。在判断为跟踪丢失时,截取当前帧图像并将其存储至所述通信文件夹,同时发送一控制指令使检测模块检测当前帧图形中是否存在跟踪目标。并在检测当前时刻的帧图像中存在跟踪目标时生成第一检测结果,将该第一检测结果存储在所述通信文件夹中,以使跟踪模块读取该第一检测结果并对跟踪目标继续跟踪。即在判断跟踪丢失时,循环执行步骤S1~S3。参考图7所示,为跟踪丢失后再次跟踪成功时的跟踪状态的一帧画面。
在本公开的其他示例性实施例中,上述的实时判断所述跟踪目标的跟踪状态具体还可以包括:
在所述检测模块检测所述当前时刻的图像文件中不存在所述跟踪目标时,生成一包含不存在跟踪目标信息的第二检测结果并存储至所述通信文件夹;
获取所述第二检测结果并根据所述第二检测结果截取下一帧图文件像并存储至所述通信文件夹,发送一控制指令以便于所述检测模块根据所述控制指令检测下一帧图像文件中是否存在所述跟踪目标;
重复上述方法至所述检测模块检测到一帧图像文件中存在所述跟踪目标。
在本示例实施方式中,参考图6所示,当发生跟踪丢失时,且检测模块检测当前帧图像文件中不存在跟踪目标时,则跟踪模块在读取该检测结果后,继续截取下一帧的图像文件并继续调用检测模块对下一帧的图像文件进行检测,直至一帧图像中检测到跟踪目标。在跟踪过程中,可以通过例如归一化相关匹配算法等方式对跟踪状态进行判断。
通过在跟踪成功后对跟踪状态进行实时的判断,并在判断跟踪丢失时及时获取当前帧图像并对其检测,在检测不存在跟踪目标时可以对连续的多帧图像进行检测,直至检测到一帧图像中存在所述跟踪目标并将位置信息发送至跟踪模块,使跟踪模块根据位置信息继续跟踪,实现对目标的“跟踪丢失-启动检测模块重新检测-跟踪”的循环操作。从而实现了对目标的持续、稳定跟踪。
在本公开的其他示例中,所述跟踪模块在截图视频流的图像时,也可以截取连续的n帧图像,例如截取连续的二帧或三帧图像,并将各帧图像文件同时保存至通信文件夹,并发送控制指令以使检测模块同时检测多帧图像,并输出包含坐标信息的第一检测结果,以保证每一次的检测过程中都能检测到跟踪目标的坐标信息,从而提高检测效果,进而提高跟踪效率。
在本公开的其他示例中,也可以为所述检测模块设置一提醒信息,即当检测模块连续n帧图像文件未检测到跟踪目标时,生成一第四检测结果,并将该第四检测结果存储至所述通信文件夹中,以提醒所述跟踪模块对于接受的初始视频流中可能并不存在跟踪目标。
基于上述内容,在本示例实施方式中,上述方法还可以包括:
步骤S4,判断是否接收到一结束指令;
步骤S5,在判断接收到一结束指令时,退出跟踪模块。
当跟踪模块接收到一跟踪结束指令或在视频流结束时,停止进行跟踪,同时跟踪模块不会再调用检测模块,则即刻结束检测模块。
需要注意的是,上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
进一步的,参考图8所示,本示例的实施方式中还提供智能跟踪系统2,包括:检测模块21、跟踪模块22以及通信文件夹23。其中:
所述检测模块21可以用于根据一控制指令检测一图像文件中是否存在跟踪目标及生成检测结果。
所述跟踪模块22可以用于生成所述图像文件并发送所述控制指令,以及根据所述检测结果跟踪目标并实时检测跟踪状态。
所述通信文件夹23可以用于存储所述图像文件以及所述检测结果。
上述的智能跟踪系统2中各模块的具体细节已经在对应的智能跟踪方法中进行了详细的描述,因此此处不再赘述。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
在本公开的示例性实施例中,还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为系统、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
下面参照图9来描述根据本发明的这种实施方式的电子设备600。图9显示的电子设备600仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图9所示,电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于:上述至少一个处理单元610、上述至少一个存储单元620、连接不同系统组件(包括存储单元620和处理单元610)的总线630、显示单元640。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元610执行,使得所述处理单元610执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如,所述处理单元610可以执行如图1中所示的步骤S1:生成一图像文件以及发出一控制指令以便于一检测模块根据所述控制指令检测所述图像文件中是否存在跟踪目标;步骤S2:在检测所述图像文件中存在所述跟踪目标时,获取所述跟踪目标的位置信息;步骤S3:获取所述位置信息并根据所述位置信息对所述跟踪目标开始跟踪并实时判断跟踪状态。
存储单元620可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202,还可以进一步包括只读存储单元(ROM)6203。
存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204,这样的程序模块6205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线630可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备600交互的设备通信,和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且,电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器660通过总线630与电子设备600的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备600使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
参考图10所示,描述了根据本发明的实施方式的用于实现上述方法的程序产品800,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外,上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。

Claims (14)

1.一种智能跟踪方法,其特征在于,包括:
生成一图像文件以及发出一控制指令以便于一检测模块根据所述控制指令检测所述图像文件中是否存在跟踪目标;
在检测所述图像文件中存在所述跟踪目标时,获取所述跟踪目标的位置信息;
获取所述位置信息并根据所述位置信息对所述跟踪目标开始跟踪并实时判断跟踪状态。
2.根据权利要求1所述的智能跟踪方法,其特征在于,所述生成一图像文件包括:
接收一跟踪视频,选取所述跟踪视频的当前帧图像作为所述图像文件。
3.根据权利要求2所述的智能跟踪方法,其特征在于,所述发出一控制指令以便于一检测模块根据所述控制指令检测所述图像文件中是否存在跟踪目标包括:
将所述图像文件存储至一通信文件夹,并向所述检测模块发送一控制指令;
所述检测模块根据接收的所述控制指令获取所述图像文件,并检测所述图像文件中是否存在跟踪目标。
4.根据权利要求3所述的智能跟踪方法,其特征在于,所述在检测所述图像文件中存在所述跟踪目标时,获取所述跟踪目标的位置信息包括:
所述检测模块根据所述控制指令检测所述图像文件中存在所述跟踪目标时,获取所述跟踪目标的位置信息并生成一包含所述位置信息的第一检测结果;
将所述第一检测结果存储至所述通信文件夹。
5.根据权利要求4所述的智能跟踪方法,其特征在于,所述获取所述位置信息并根据所述位置信息对所述跟踪目标开始跟踪包括:
检测所述通信文件夹中是否存在所述第一检测结果;
在检测存在所述第一检测结果时,读取所述的位置信息并根据所述检测结果中的位置信息开始跟踪目标。
6.根据权利要求5所述的智能跟踪方法,其特征在于,所述方法还包括:
在跟踪目标成功时,生成一包含跟踪状态信息的状态文件;
将所述状态文件存储至所述通信文件夹以便于所述检测模块获取所述状态文件。
7.根据权利要求3所述的智能跟踪方法,其特征在于,所述检测所述图像文件中是否存在跟踪目标还包括:
在检测所述图像文件中不存在所述跟踪目标时,生成一包含不存在所述跟踪目标信息的第二检测检测结果;
将所述第二检测结果存储至所述通信文件夹。
8.根据权利要求7所述的智能跟踪方法,其特征在于,所述方法还包括:
检测所述通信文件夹中是否存在所述第二检测结果;
在检测存在所述第二检测结果时,读取所述第二检测结果,并获取所述图像文件的下一帧图像文件;
将所述图像文件的下一帧图像文件存储至所述通信文件夹并发送一控制指令以便于所述检测模块根据所述控制指令对所述下一帧图像进行检测;
重复上述方法至检测到一帧图像文件中存在所述跟踪目标。
9.根据权利要求4或7所述智能跟踪方法,其特征在于,所述检测结果还包括一用于区别所述第一检测结果及第二检测结果的类别标签。
10.根据权利要求3所述的智能跟踪方法,其特征在于,所述实时判断所述跟踪目标的跟踪状态包括:
判断所述跟踪目标的当前跟踪状态;
在判断所述跟踪状态为丢失时,将当前时刻的图像文件存储至所述通信文件夹并发送一控制指令以便于所述检测模块根据所述控制指令检测所述当前时刻的图像文件;
所述检测模块根据所述控制指令获取所述当前时刻的图像文件,并检测所述当前时刻的图像文件中是否存在所述跟踪目标;
在检测存在所述跟踪目标时,生成一第一检测结果并存储至所述通信文件夹以便于根据所述第一检测结果开始跟踪所述跟踪目标。
11.根据权利要求10所述智能跟踪方法,其特征在于,所述方法还包括:
在所述检测模块检测所述当前时刻的图像文件中不存在所述跟踪目标时,生成一包含不存在跟踪目标信息的第二检测结果并存储至所述通信文件夹;
获取所述第二检测结果并根据所述第二检测结果选取下一帧图文件像并存储至所述通信文件夹,发送一控制指令以便于所述检测模块根据所述控制指令检测下一帧图像文件中是否存在所述跟踪目标;
重复上述方法至所述检测模块检测到一帧图像文件中存在所述跟踪目标。
12.一种智能跟踪系统,其特征在于,包括:
检测模块,用于根据一控制指令检测一图像文件中是否存在跟踪目标及生成检测结果;
跟踪模块,用于生成所述图像文件并发送所述控制指令,以及根据所述检测结果跟踪目标并实时检测跟踪状态;
通信文件夹,用于存储所述图像文件以及所述检测结果。
13.一种存储介质,其上存储有计算机程序,所述程序被处理器执行时实现根据权利要求1至11中任一项所述的智能跟踪方法。
14.一种电子终端,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行以下操作:
生成一图像文件以及发出一控制指令以便于一检测模块根据所述控制指令检测所述图像文件中是否存在跟踪目标;
在检测所述图像文件中存在所述跟踪目标时,获取所述跟踪目标的位置信息;
获取所述位置信息并根据所述位置信息对所述跟踪目标开始跟踪并实时判断跟踪状态。
CN201710952943.8A 2017-10-13 2017-10-13 智能跟踪方法及装置、存储介质及电子终端 Pending CN108038408A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710952943.8A CN108038408A (zh) 2017-10-13 2017-10-13 智能跟踪方法及装置、存储介质及电子终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710952943.8A CN108038408A (zh) 2017-10-13 2017-10-13 智能跟踪方法及装置、存储介质及电子终端

Publications (1)

Publication Number Publication Date
CN108038408A true CN108038408A (zh) 2018-05-15

Family

ID=62093460

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710952943.8A Pending CN108038408A (zh) 2017-10-13 2017-10-13 智能跟踪方法及装置、存储介质及电子终端

Country Status (1)

Country Link
CN (1) CN108038408A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108961310A (zh) * 2018-06-13 2018-12-07 北京清瑞维航技术发展有限公司 对目标自动识别和跟踪实现的装置、系统、介质、计算设备和方法
CN109684953A (zh) * 2018-12-13 2019-04-26 北京小龙潜行科技有限公司 基于目标检测和粒子滤波算法进行猪只跟踪的方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1968352A (zh) * 2005-11-17 2007-05-23 中国科学院半导体研究所 高速目标跟踪方法及其电路系统
CN101860732A (zh) * 2010-06-04 2010-10-13 天津市亚安科技电子有限公司 一种控制云台摄像机自动跟踪目标的方法
CN104008371A (zh) * 2014-05-22 2014-08-27 南京邮电大学 一种基于多摄像机的区域可疑目标跟踪与识别方法
CN106713862A (zh) * 2016-12-23 2017-05-24 浙江宇视科技有限公司 跟踪监控方法及装置
CN106874854A (zh) * 2017-01-19 2017-06-20 西安电子科技大学 基于嵌入式平台的无人机车辆跟踪方法
CN107105207A (zh) * 2017-06-09 2017-08-29 北京深瞐科技有限公司 目标监控方法、目标监控装置及摄像机

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1968352A (zh) * 2005-11-17 2007-05-23 中国科学院半导体研究所 高速目标跟踪方法及其电路系统
CN101860732A (zh) * 2010-06-04 2010-10-13 天津市亚安科技电子有限公司 一种控制云台摄像机自动跟踪目标的方法
CN104008371A (zh) * 2014-05-22 2014-08-27 南京邮电大学 一种基于多摄像机的区域可疑目标跟踪与识别方法
CN106713862A (zh) * 2016-12-23 2017-05-24 浙江宇视科技有限公司 跟踪监控方法及装置
CN106874854A (zh) * 2017-01-19 2017-06-20 西安电子科技大学 基于嵌入式平台的无人机车辆跟踪方法
CN107105207A (zh) * 2017-06-09 2017-08-29 北京深瞐科技有限公司 目标监控方法、目标监控装置及摄像机

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108961310A (zh) * 2018-06-13 2018-12-07 北京清瑞维航技术发展有限公司 对目标自动识别和跟踪实现的装置、系统、介质、计算设备和方法
CN109684953A (zh) * 2018-12-13 2019-04-26 北京小龙潜行科技有限公司 基于目标检测和粒子滤波算法进行猪只跟踪的方法及装置

Similar Documents

Publication Publication Date Title
JP7265003B2 (ja) ターゲット検出方法、モデル訓練方法、装置、機器及びコンピュータプログラム
CN109947886B (zh) 图像处理方法、装置、电子设备及存储介质
US10430707B2 (en) Information processing device
CN109145680A (zh) 一种获取障碍物信息的方法、装置、设备和计算机存储介质
CN109343061A (zh) 传感器标定方法、装置、计算机设备、介质和车辆
CN109188457A (zh) 物体检测框的生成方法、装置、设备、存储介质及车辆
JP2017134814A (ja) 点群データに基づく車両輪郭検出方法、および装置
CN107545241A (zh) 神经网络模型训练及活体检测方法、装置及存储介质
CN107450088A (zh) 一种基于位置的服务lbs的增强现实定位方法及装置
CN109344804A (zh) 一种激光点云数据的识别方法、装置、设备和介质
CN107533767A (zh) 机器人的增强的配置和控制
CN105512627A (zh) 一种关键点的定位方法及终端
CN109116374A (zh) 确定障碍物距离的方法、装置、设备及存储介质
CN111652087B (zh) 验车方法、装置、电子设备和存储介质
CN109582880A (zh) 兴趣点信息处理方法、装置、终端及存储介质
CN110348463A (zh) 用于识别车辆的方法和装置
CN113205515B (zh) 目标检测方法、装置、及计算机存储介质
CN108876857A (zh) 无人驾驶车辆的定位方法、系统、设备及存储介质
CN110349212A (zh) 即时定位与地图构建的优化方法及装置、介质和电子设备
CN108268831A (zh) 一种无人车视觉检测的鲁棒性测试方法和系统
CN109656319B (zh) 一种用于呈现地面行动辅助信息方法与设备
CN115471662B (zh) 语义分割模型的训练方法、识别方法、装置和存储介质
CN113537374A (zh) 一种对抗样本生成方法
US9301722B1 (en) Guiding computational perception through a shared auditory space
CN108038408A (zh) 智能跟踪方法及装置、存储介质及电子终端

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180515