CN108447091A - 目标定位方法、装置、电子设备及存储介质 - Google Patents
目标定位方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN108447091A CN108447091A CN201810260036.1A CN201810260036A CN108447091A CN 108447091 A CN108447091 A CN 108447091A CN 201810260036 A CN201810260036 A CN 201810260036A CN 108447091 A CN108447091 A CN 108447091A
- Authority
- CN
- China
- Prior art keywords
- target
- image
- close shot
- distant view
- tracked
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
Abstract
本发明实施例提供了目标定位方法、装置、电子设备及存储介质，该方法包括：获取目标近景图像及目标远景图像；确定被跟踪目标在目标近景图像中的位置，作为近景目标位置；通过位置映射关系，将近景目标位置映射到目标远景图像中，得到映射目标位置；利用映射目标位置，确定被跟踪目标在目标远景图像中的目标位置。目标远景图像能够减少被跟踪目标脱离监控范围的情况，目标近景图像能够有效减少因距离较远造成被跟踪目标识别失败的情况，结合目标近景图像及目标远景图像，对被跟踪目标进行定位，可以减少拍摄位置的影响，能够提高目标定位的准确度，减少丢失目标的情况。
Description
技术领域
本发明涉及目标定位技术领域，特别是涉及目标定位方法、装置、电子设备及存储介质。
背景技术
随着人们对安全防范意识的增强，对监控系统智能化的要求越来越高，安防监控管理规模迅速扩大，社会环境日趋复杂，监控画面也越来越多，采用传统的手动控制跟踪监控画面已经不能满足现阶段的高技术需求了。
基于计算机视觉的目标识别算法及目标跟踪算法的出现，为自动跟踪及定位目标提供了支持。在现有目标跟踪定位技术中，可以通过摄像机定点采集图像，并针对单个摄像机定点连续采集图像视频帧，以及通过目标识别算法识别待检测目标，并对识别出的目标进行目标跟踪。
但是采用上述方法，单个摄像机的拍摄位置等因素会受到实际环境的限制，例如，距离目标较远会造成目标识别失败等，距离目标较近当摄像头发生转动，变换拍摄画面时，容易导致目标丢失。总之现有目标定位方法中，目标定位准确度低，容易出现丢失目标的情况。
发明内容
本发明实施例的目的在于提供一种目标定位方法、装置、电子设备及存储介质，以实现提高目标定位的准确度，减少丢失目标的情况。具体技术方案如下：
第一方面，本发明实施例提供了一种目标定位方法，所述方法包括：
获取目标近景图像及目标远景图像，其中，所述目标近景图像中包括被跟踪目标，所述目标远景图像中包括所述被跟踪目标；
确定所述被跟踪目标在所述目标近景图像中的位置，作为近景目标位置；
获取所述目标近景图像与所述目标远景图像的位置映射关系；
通过所述位置映射关系，将所述近景目标位置映射到所述目标远景图像中，得到映射目标位置；
利用所述映射目标位置，确定所述被跟踪目标在所述目标远景图像中的目标位置。
可选的，在本发明实施例的目标定位方法中，所述目标近景图像为用于拍摄近景图像的近景摄像机拍摄得到的，所述目标远景图像为用于拍摄远景图像的远景摄像机拍摄得到的；
采用如下步骤建立所述位置映射关系：
获取所述近景摄像机拍摄得到的近景图像中多个标识位置的坐标，作为近景坐标，获取所述远景摄像机拍摄得到的远景图像中所述多个标识位置的坐标，作为远景坐标；
利用所述多个标识位置中相同的标识位置的近景坐标及远景坐标，计算仿射变换矩阵，作为所述近景摄像机拍摄得到的近景图像与所述远景摄像机拍摄得到的远景图像的位置映射关系。
可选的，本发明实施例的目标定位方法还包括：
根据所述近景目标位置，通过预先训练得到的目标跟踪模型，调整近景摄像机的监视位置，以使所述近景摄像机保持采集包含所述被跟踪目标的目标近景图像；
其中，预先训练得到所述目标跟踪模型的步骤包括：
针对包含同一待检测目标的多个样本图像，提取每个样本图像的方向梯度直方图特征及颜色空间特征，其中，所述待检测目标在所述多个样本图像中的尺寸不全部相同；
使用所述方向梯度直方图特征及所述颜色空间特征，构建目标跟踪模型。
可选的，所述利用所述映射目标位置，确定所述被跟踪目标在所述目标远景图像中的目标位置，包括：
在所述目标远景图像中，以所述映射目标位置为中心增加预设范围，得到远景判别范围；
在所述远景判别范围中，识别所述被跟踪目标，得到所述被跟踪目标在所述目标远景图像中的目标位置。
可选的，在所述利用所述映射目标位置，确定所述被跟踪目标在所述目标远景图像中的目标位置之后，所述方法还包括：
对所述目标位置进行分析，得到所述被跟踪目标在所述目标远景图像中的目标运行轨迹；
在所述被跟踪目标脱离目标近景图像采集设备的监视范围时，根据所述目标运行轨迹，确定所述被跟踪目标的当前位置，其中，所述目标近景图像采集设备为采集所述目标近景图像的近景摄像机；
通过所述当前位置对应的近景摄像机，获取所述当前位置所在区域的近景图像，作为当前的目标近景图像；
确定所述被跟踪目标在所述当前的目标近景图像中的近景目标位置。
第二方面，本发明实施例提供了一种目标定位装置，所述装置包括：
图像获取模块，用于获取目标近景图像及目标远景图像，其中，所述目标近景图像中包括被跟踪目标，所述目标远景图像中包括所述被跟踪目标；
位置确定模块，用于确定所述被跟踪目标在所述目标近景图像中的位置，作为近景目标位置；
映射关系获取模块，用于获取所述目标近景图像与所述目标远景图像的位置映射关系；
位置映射模块，用于通过所述位置映射关系，将所述近景目标位置映射到所述目标远景图像中，得到映射目标位置；
目标确定模块，用于利用所述映射目标位置，确定所述被跟踪目标在所述目标远景图像中的目标位置。
可选的，在本发明实施例的目标定位装置中，所述目标近景图像为用于拍摄近景图像的近景摄像机拍摄得到的，所述目标远景图像为用于拍摄远景图像的远景摄像机拍摄得到的；
采用如下步骤建立所述位置映射关系：
获取所述近景摄像机拍摄得到的近景图像中多个标识位置的坐标，作为近景坐标，获取所述远景摄像机拍摄得到的远景图像中所述多个标识位置的坐标，作为远景坐标；
利用所述多个标识位置中相同的标识位置的近景坐标及远景坐标，计算仿射变换矩阵，作为所述近景摄像机拍摄得到的近景图像与所述远景摄像机拍摄得到的远景图像的位置映射关系。
可选的，本发明实施例的目标定位装置还包括：
跟踪拍摄模块，用于根据所述近景目标位置，通过预先训练得到的目标跟踪模型，调整近景摄像机的监视位置，以使所述近景摄像机保持采集包含所述被跟踪目标的目标近景图像；
其中，预先训练得到所述目标跟踪模型的步骤包括：
针对包含同一待检测目标的多个样本图像，提取每个样本图像的方向梯度直方图特征及颜色空间特征，其中，所述待检测目标在所述多个样本图像中的尺寸不全部相同；
使用所述方向梯度直方图特征及所述颜色空间特征，构建目标跟踪模型。
可选的，所述目标确定模块，包括：
范围确定子模块，用于在所述目标远景图像中，以所述映射目标位置为中心增加预设范围，得到远景判别范围；
目标识别子模块，用于在所述远景判别范围中，识别所述被跟踪目标，得到所述被跟踪目标在所述目标远景图像中的目标位置。
可选的，本发明实施例的目标定位装置还包括：
轨迹预测模块，用于对所述目标位置进行分析，得到所述被跟踪目标在所述目标远景图像中的目标运行轨迹；
位置预测模块，用于在所述被跟踪目标脱离目标近景图像采集设备的监视范围时，根据所述目标运行轨迹，确定所述被跟踪目标的当前位置，其中，所述目标近景图像采集设备为采集所述目标近景图像的近景摄像机；
图像重获取模块，用于通过所述当前位置对应的近景摄像机，获取所述当前位置所在区域的近景图像，作为当前的目标近景图像；
当前位置确定模块，用于确定所述被跟踪目标在所述当前的目标近景图像中的近景目标位置。
第三方面，本发明实施例提供一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，所述处理器，所述通信接口，所述存储器通过通信总线完成相互间的通信；
所述存储器，用于存放计算机程序；
所述处理器，用于执行所述存储器上所存放的程序时，实现上述第一方面任一所述的目标定位方法。
第四方面，本发明实施例提供了一种存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现述第一方面任一所述的目标定位方法。
本发明实施例提供的目标定位方法、装置、电子设备及存储介质，获取目标近景图像及目标远景图像，其中，目标近景图像中包括被跟踪目标，目标远景图像中包括被跟踪目标；确定被跟踪目标在目标近景图像中的位置，作为近景目标位置；获取目标近景图像与目标远景图像的位置映射关系；通过位置映射关系，将近景目标位置映射到目标远景图像中，得到映射目标位置；利用映射目标位置，确定被跟踪目标在目标远景图像中的目标位置。目标远景图像能够提供更大范围的监控图像，能够有效减少被跟踪目标脱离监控范围的情况，目标近景图像能够有效减少因距离较远造成目标识别失败的情况，结合目标近景图像及目标远景图像，对被跟踪目标进行定位，可以减少拍摄位置的影响，能够提高目标定位的准确度，减少丢失目标的情况。当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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为本发明实施例的目标定位方法的一种流程示意图；
图2为本发明实施例的目标定位方法的实际应用场景的一种示意图；
图3为本发明实施例的目标定位方法的另一种流程示意图；
图4为本发明实施例的目标定位装置的一种示意图；
图5为本发明实施例的电子设备的一种示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在现有目标定位方法中，通过对单个摄像头采集的视频图像进行分析，确定出目标在该视频图像中的位置，进而对目标进行定位，但是由于单个摄像头拍摄角度及拍摄位置的差异，会影响目标定位的精度。
有鉴于此，本发明实施例提供了一种目标定位方法，其特征在于，上述方法包括：
S101，获取目标近景图像及目标远景图像，其中，上述目标近景图像中包括被跟踪目标，上述目标远景图像中包括上述被跟踪目标。
本发明实施例的目标定位方法，可以通过定位系统实现，定位系统为任意能够实现本发明实施例的目标定位方法的系统。例如：
定位系统可以为一种设备，包括：处理器、存储器、通信接口和总线；处理器、存储器和通信接口通过总线连接并完成相互间的通信；存储器存储可执行程序代码；处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序，以用于执行本发明实施例的目标定位方法。
定位系统还可以为一种应用程序，用于在运行时执行本发明实施例的目标定位方法。
定位系统还可以为一种存储介质，用于存储可执行代码，可执行代码用于执行本发明实施例的目标定位方法。
定位系统可以通过监控系统获取目标近景图像及目标远景图像。被跟踪目标为任意的目标，例如车辆、行人或野生动物等。
可选的，上述获取目标近景图像及目标远景图像包括：
步骤一，获取各近景图像及各远景图像。
定位系统通过监控系统中的枪机获取各远景图像，通过监控系统中的球机获取各近景图像。
步骤二，确定各上述近景图像及各上述远景图像中是否包含被跟踪目标。
近景图像及远景图像中的被跟踪目标可以通过用户输入的指令进行确定。近景图像及远景图像中的被跟踪目标也可以由定位系统自动确定，例如，定位系统检测到图像中包括无牌或超速行驶的车辆时，将该车辆作为被跟踪目标等。
可选的，在近景图像包含被跟踪目标时，判定监控区域包括该近景图像监控区域的远景图像中包含被跟踪目标。
步骤三，将包含上述被跟踪目标的近景图像作为上述目标近景图像，将包含上述被跟踪目标的远景图像作为上述目标远景图像。
S102，确定上述被跟踪目标在上述目标近景图像中的位置，作为近景目标位置。
S103，获取上述目标近景图像与上述目标远景图像的位置映射关系。
目标远景图像的图样范围大于目标近景图像的图像范围，通常情况下，目标近景图像是通过球机采集的，目标远景图像是通过枪机采集的，并且目标近景图像的图像范围是包含在目标远景图像中的，可以根据球机的拍摄角度，确定球机拍摄的近景图像的图像范围，处于枪机采集的远景图像中的哪一部分，从而建立各近景图像与远景图像的位置映射关系。然后从中获取目标近景图像与目标远景图像的位置映射关系。
可选的，上述目标近景图像为用于拍摄近景图像的近景摄像机拍摄得到的，上述目标远景图像为用于拍摄远景图像的远景摄像机拍摄得到的；
近景摄像机可以为球机，方便近距离跟踪拍摄被跟踪目标，远景摄像机可以为枪机，能够采集固定范围的远景图像。
采用如下步骤建立目标近景图像与目标远景图像的位置映射关系：
步骤一，获取上述近景摄像机拍摄得到的近景图像中多个标识位置的坐标，作为近景坐标，获取上述远景摄像机拍摄得到的远景图像中上述多个标识位置的坐标，作为远景坐标。
标识位置可以为图像中易辨别的位置，例如，近/远景图像中的标志性建筑，近/远景图像中同一目标车辆等。在以运动物体作为标识位置时，应当保证近景图像与远景图像的拍摄时间相同。
可选的，分别提取近景图像及远景图像的SIFT(Scale-Invariant FeatureTransform，尺度不变特征转换)特征，通过RANSAC(Random Sample Consensus，随机抽样一致性算法)算法对近景图像的SIFT特征与远景图像的SIFT特征进行匹配，得到多个匹配对，选取预设数量的匹配对，作为目标匹配对。将各目标匹配对对应的位置，作为标识位置。在本发明实施例中，匹配对的预设数量为4。
步骤二，利用上述多个标识位置中相同的标识位置的近景坐标及远景坐标，计算仿射变换矩阵，作为上述近景摄像机拍摄得到的近景图像与上述远景摄像机拍摄得到的远景图像的位置映射关系。
相同的标识位置的近景坐标及远景坐标为同一监控位置在近景图像及远景图像中的坐标，利用近景坐标及远景坐标计算仿射变换矩阵，将得到的仿射变换矩阵作为近景图像及远景图像的位置映射关系。其中，近景图像与远景图像的位置映射关系包括目标近景图像与目标远景图像的位置映射关系。
S104，通过上述位置映射关系，将上述近景目标位置映射到上述目标远景图像中，得到映射目标位置。
将被跟踪目标在目标近景图像中的位置，映射到目标远景图像中，得到映射目标位置。
S105，利用上述映射目标位置，确定上述被跟踪目标在上述目标远景图像中的目标位置。
可选的，上述利用上述映射目标位置，确定上述被跟踪目标在上述目标远景图像中的目标位置，包括：
步骤一，在上述目标远景图像中，以上述映射目标位置为中心增加预设范围，得到远景判别范围。
步骤二，在上述远景判别范围中，识别上述被跟踪目标，得到上述被跟踪目标在上述目标远景图像中的目标位置。
预设范围根据位置误差进行设定，预设范围越小，需要判定的范围越小，目标位置确定速度越快，但是预设范围不易过小，否则会造成目标位置识别失败。获取近景图像中被跟踪目标的图像作为模板图像，将目标远景图像的远景判别范围中的各区域与模板图像进行比较，识别出被跟踪目标，得到被跟踪目标在目标远景图像中的目标位置。
在本发明实施例中，目标远景图像能够有效减少被跟踪目标脱离监控范围的情况，目标近景图像能够有效减少因距离较远造成被跟踪目标识别失败的情况，结合目标近景图像及目标远景图像，对被跟踪目标进行定位，可以减少拍摄位置及拍摄角度的影响，能够提高被跟踪目标定位的准确度，减少丢失目标的情况。
可选的，本发明实施例的目标定位方法还包括：
根据上述近景目标位置，通过预先训练得到的目标跟踪模型，调整近景摄像机的监视位置，以使上述近景摄像机保持采集包含上述被跟踪目标的目标近景图像。
近景摄像机可以为球机，当被跟踪目标运动时，需要调整近景摄像机的监视位置，以保持拍摄被跟踪目标。定位系统通过预先训练的目标跟踪模型，确定被跟踪目标的运动轨迹，调整近景摄像机的监视位置，以跟踪监视被跟踪目标。
其中，预先训练得到上述目标跟踪模型的步骤包括：
针对包含同一待检测目标的多个样本图像，提取每个样本图像的方向梯度直方图特征及颜色空间特征，其中，上述待检测目标在上述多个样本图像中的尺寸不全部相同；使用上述方向梯度直方图特征及上述颜色空间特征，构建目标跟踪模型。
本发明实施例中，可以通过KCF(High-speed tracking with kerneliezedcorrelation filters，核相关滤波器的高速跟踪)算法得到目标跟踪模型。将多幅包含待检测目标的样本图像输入到预设的KCF模型中，得到样本图形中待检测目标正好所在的矩形区域及其周围矩形区域作为正样本，其中，正样本中两矩形区域要有一定的交集，且两矩形区域的IoU(Intersection-over-Union，交并比)要大于预设交并阈值，例如0.7等。将样本图形中与待检测目标的区域IoU小于上述预设交并阈值的区域作为负样本，提取样本图像的HOG(Histogram of Oriented Gradient，方向梯度直方图)特征及LAB(Lightness-A-Bcolor model，Lightness-A-B颜色模型)颜色空间特征，构建关于HOG特征及LAB特征的目标检测器，使用目标检测器检测与当前样本图像相邻的下一帧样本图像的预测位置附近是否包含待检测目标，得到检测结果，并利用该检测结果更新目标检测器进而得到目标跟踪模型。其中，样本图像是从包含待检测目标的视频中提取的，每个视频中至少提取两帧相邻的样本图像，每个样本图像中均包含待检测目标，多个样本图像中包含多种尺寸的待检测目标。
在本发明实施例中，在训练目标跟踪模型时，待检测目标在多个样本图像中的尺寸不全部相同，目标跟踪模型可以识别不同尺寸的待检测目标。
可选的，在上述利用上述映射目标位置，确定上述被跟踪目标在上述目标远景图像中的目标位置之后，上述方法还包括：
步骤一，对上述目标位置进行分析，得到上述被跟踪目标在上述目标远景图像中的目标运行轨迹。
将上述目标位置作为输入，通过预设目标跟踪算法预测被跟踪目标在目标远景图像中的目标运行轨迹。预设目标跟踪算法为任意预测被跟踪目标运行轨迹的算法，例如KCF算法、协同过滤算法、CN(Color Names)算法或DSST(Discriminative Scale SpaceTracker)算法等。
步骤二，在上述被跟踪目标脱离目标近景图像采集设备的监视范围时，根据上述目标运行轨迹，确定上述被跟踪目标的当前位置，其中，上述目标近景图像采集设备为采集上述目标近景图像的近景摄像机。
处于移动状态的被跟踪目标有可能会脱离目标近景图像采集设备(例如球机等)的监视范围，在被跟踪目标脱离目标近景图像采集设备的监视范围时，根据上述目标运行轨迹，预测被跟踪目标的当前位置。
步骤三，通过上述当前位置对应的近景摄像机，获取上述当前位置所在区域的近景图像，作为当前的目标近景图像。
调用被跟踪目标的当前位置所处的监控区域的近景摄像机，通过该球机采集当前位置所处的监控区域的近景图像，作为当前的目标近景图像。
步骤四，确定上述被跟踪目标在上述当前的目标近景图像中的近景目标位置。
用视频目标检测技术检测出画面中的所有的目标，通过预设重识别算法，确定被跟踪目标在当前的目标近景图像中的近景目标位置。预设重识别算法可以为ReID(PersonRe-Identification,行人再识别)算法等。
可选的，在被跟踪目标脱离目标远景图像采集设备的监视范围时，根据目标运行轨迹，确定被跟踪目标的当前位置，其中，目标远景图像采集设备为采集目标远景图像的远景摄像机；通过当前位置对应的远景摄像机，获取当前位置所在区域的近景图像，作为当前的目标远景图像；确定被跟踪目标在当前的目标远景图像中的远景目标位置。
在本发明实施例中，在被跟踪目标超出当前图像采集设备的监控范围时，触发被跟踪目标当前位置所在的图像采集设备进行图像采集，能够实现多画面联动自动实时跟踪。
可选的，在上述利用上述映射目标位置，确定上述被跟踪目标在上述目标远景图像中的目标位置之后，本发明实施例的目标定位方法还包括：
输出上述目标位置。
定位系统持续输出被跟踪目标在目标远景图像中的目标位置的坐标，以方便通过坐标跟踪上述被跟踪目标。
在本发明实施例的目标定位方法中，可以通过高点摄像头、交通电子眼、公安卡口摄像头等，采集近景图像及远景图像，并最终确定枪机远景画面下的被跟踪目标的实时位置。可选的，本发明实施例的目标定位方法的一种具体应用场景如图2所示：A、B、C及D分别为四个城市高点摄像头，城市高点监控通常由枪机和球机组成，枪机位于城市高点处，监控某区域全景画面。球机为近景摄像头，位于低点处且可以转动，球机不断转动角度实现对全景画面的放大循环监控。通过枪机及球机的联动，确保对一个目标的持续跟踪。
目标车辆从A摄像头(包括球机A及枪机A)处开始被跟踪，目标车辆从A点开始沿街道横向直行。地图中矩形框表示目标车辆，在跟踪过程中，以目标车辆作为被跟踪目标，通过本发明实施例的目标定位方法对A摄像头采集到的近景图像及远景图像进行分析，并将目标车辆的定位结果以位置坐标的形式反馈到预设位置进行显示。
在图2所示的位置处，目标车辆即将离开A摄像头区域，可能驶往B、C或D中的一个监控区域，通过本发明实施例的目标定位方法，可以预测出目标车辆即将在D摄像头画面中出现。向D摄像头发送指令，利用D摄像头中的球机D采集近景图像，对该近景图像进行视频目标检测与重识别，从而确定D图像的矩形框中目标车辆。整个过程不需要人为的辅助，自动完成跨摄像区域、跨高点的实时车辆联动跟踪。
参见图3，图3为本发明实施例的目标定位方法的又一种流程示意图，包括：
S301，获取目标车辆的图像。
目标车辆的图像可以为用户主动输入的；目标车辆的图像还可以为定位系统自动获取的，当检测到车辆触发预设图像获取条件时，例如检测到车辆超速或检测到车辆遮蔽车牌等情况时，定位系统自动采集该车辆的图像。
S302，获取近景图像。
定位系统通过球机获取近景图像。
S303，检测近景图像。
定位系统通过视频目标检测技术及重识别技术，对近景图像进行检测。
S304，确定近景图像中目标车辆的位置。
S305，近景图像画面跟踪。
利用KCF算法预测目标车辆的运行轨迹，调整球机的监控位置，实现对目标车辆的跟踪监控。
S306，确定远景图像中目标车辆的位置。
确定包含目标车辆的近景图像所在区域的枪机，通过该枪机采集远景图像，并确定目标车辆在远景图像中的位置。利用目标车辆在近景图像中的位置，修正目标车辆在远景图像中的位置，得到目标车辆修正后的位置。
S307，远景图像画面跟踪。
利用KCF算法预测目标车辆的运行轨迹，实现对目标车辆的跟踪监控。
S308，调整球机位置至目标车辆即将驶入的区域。
在目标车辆驶出上一球机的监控区域时，根据利用预测的运行轨迹，确定目标车辆即将驶入的监控区域，并调整目标车辆即将驶入的监控区域中球机的监控角度，以使该球机能够拍摄到目标车辆即将驶入的监控区域的画面。
S309，重识别目标车辆。
通过视频目标检测技术及重识别技术，在当前近景图像中识别出目标车辆，返回S304继续执行，从而实现对目标车辆的持续定位跟踪。
在本发明实施例中，远景图像能够有效减少目标车辆被脱离监控范围的情况，近景图像能够有效减少因距离较远而造成目标车辆识别失败的情况，结合近景图像及远景图像，对目标车辆进行定位，可以减少拍摄位置及拍摄角度的影响，能够提高目标车辆定位的准确度，减少丢失目标车辆的情况。并且能够完成跨摄像区域、跨高点的实时车辆联动跟踪。
本发明实施例还提供了一种目标定位装置，参见图4，该装置包括：
图像获取模块401，用于获取目标近景图像及目标远景图像，其中，上述目标近景图像中包括被跟踪目标，上述目标远景图像中包括上述被跟踪目标；
位置确定模块402，用于确定上述被跟踪目标在上述目标近景图像中的位置，作为近景目标位置，确定上述被跟踪目标在上述目标远景图像中的位置，作为远景目标位置；
映射关系获取模块403，用于获取上述目标近景图像与上述目标远景图像的位置映射关系；
位置映射模块404，用于通过上述位置映射关系，将上述近景目标位置映射到上述目标远景图像中，得到映射目标位置；
目标确定模块405，用于利用上述映射目标位置，确定上述被跟踪目标在上述目标远景图像中的目标位置。
在本发明实施例中，目标远景图像能够有效减少被跟踪目标脱离监控范围的情况，目标近景图像能够有效减少因距离较远造成被跟踪目标识别失败的情况，结合目标近景图像及目标远景图像，对被跟踪目标进行定位，可以减少拍摄位置及拍摄角度的影响，能够提高被跟踪目标定位的准确度，减少丢失目标的情况。
可选的，在本发明实施例的目标定位装置中，上述目标近景图像为用于拍摄近景图像的近景摄像机拍摄得到的，上述目标远景图像为用于拍摄远景图像的远景摄像机拍摄得到的；
采用如下步骤建立上述位置映射关系：
获取上述近景摄像机拍摄得到的近景图像中多个标识位置的坐标，作为近景坐标，获取上述远景摄像机拍摄得到的远景图像中上述多个标识位置的坐标，作为远景坐标；
利用上述多个标识位置中相同的标识位置的近景坐标及远景坐标，计算仿射变换矩阵，作为上述近景摄像机拍摄得到的近景图像与上述远景摄像机拍摄得到的远景图像的位置映射关系。
可选的，本发明实施例的目标定位装置还包括：
跟踪拍摄模块，用于根据上述近景目标位置，通过预先训练得到的目标跟踪模型，调整近景摄像机的监视位置，以使上述近景摄像机保持采集包含上述被跟踪目标的目标近景图像；
其中，预先训练得到上述目标跟踪模型的步骤包括：
针对包含同一待检测目标的多个样本图像，提取每个样本图像的方向梯度直方图特征及颜色空间特征，其中，上述待检测目标在上述多个样本图像中的尺寸不全部相同；
使用上述方向梯度直方图特征及上述颜色空间特征，构建目标跟踪模型。
在本发明实施例中，在训练目标跟踪模型时，待检测目标在多个样本图像中的尺寸不全部相同，目标跟踪模型可以识别不同尺寸的待检测目标。
可选的，上述目标确定模块405，包括：
范围确定子模块，用于在上述目标远景图像中，以上述映射目标位置为中心增加预设范围，得到远景判别范围；
目标识别子模块，用于在上述远景判别范围中，识别上述被跟踪目标，得到上述被跟踪目标在上述目标远景图像中的目标位置。
可选的，本发明实施例的目标定位装置还包括：
轨迹预测模块，用于对上述目标位置进行分析，得到上述被跟踪目标在上述目标远景图像中的目标运行轨迹；
位置预测模块，用于在上述被跟踪目标脱离目标近景图像采集设备的监视范围时，根据上述目标运行轨迹，确定上述被跟踪目标的当前位置，其中，上述目标近景图像采集设备为采集上述目标近景图像的近景摄像机；
图像重获取模块，用于通过上述当前位置对应的近景摄像机，获取上述当前位置所在区域的近景图像，作为当前的目标近景图像；
当前位置确定模块，用于确定上述被跟踪目标在上述当前的目标近景图像中的近景目标位置。
在本发明实施例中，在被跟踪目标超出当前图像采集设备的监控范围时，触发被跟踪目标当前位置所在的图像采集设备进行图像采集，能够实现多画面联动自动实时跟踪。
可选的，本发明实施例的目标定位装置还包括：
输出模块，用于输出上述目标位置。
输出模块持续输出被跟踪目标在目标远景图像中的目标位置的坐标，以方便通过坐标跟踪上述被跟踪目标。
本发明实施例还提供了一种电子设备，如图5所示，包括处理器501、通信接口502、存储器503和通信总线504，其中，处理器501，通信接口502，存储器503通过通信总线504完成相互间的通信，
存储器503，用于存放计算机程序；
处理器501，用于执行存储器503上所存放的程序时，实现如下步骤：
获取目标近景图像及目标远景图像，其中，上述目标近景图像中包括被跟踪目标，上述目标远景图像中包括上述被跟踪目标；
确定上述被跟踪目标在上述目标近景图像中的位置，作为近景目标位置；
获取上述目标近景图像与上述目标远景图像的位置映射关系；
通过上述位置映射关系，将上述近景目标位置映射到上述目标远景图像中，得到映射目标位置；
利用上述映射目标位置，确定上述被跟踪目标在上述目标远景图像中的目标位置。
在本发明实施例中，目标远景图像能够有效减少被跟踪目标脱离监控范围的情况，目标近景图像能够有效减少因距离较远造成被跟踪目标识别失败的情况，结合目标近景图像及目标远景图像，对被跟踪目标进行定位，可以减少拍摄位置及拍摄角度的影响，能够提高被跟踪目标定位的准确度，减少丢失目标的情况。
可选的，上述处理器501用于执行存储器503上所存放的程序时，还能够实现上述任一目标定位方法。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本发明实施例还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，计算机程序被处理器执行时实现如下方法步骤：
获取目标近景图像及目标远景图像，其中，上述目标近景图像中包括被跟踪目标，上述目标远景图像中包括上述被跟踪目标；
确定上述被跟踪目标在上述目标近景图像中的位置，作为近景目标位置；
获取上述目标近景图像与上述目标远景图像的位置映射关系；
通过上述位置映射关系，将上述近景目标位置映射到上述目标远景图像中，得到映射目标位置；
利用上述映射目标位置，确定上述被跟踪目标在上述目标远景图像中的目标位置。
在本发明实施例中，目标远景图像能够有效减少被跟踪目标脱离监控范围的情况，目标近景图像能够有效减少因距离较远造成被跟踪目标识别失败的情况，结合目标近景图像及目标远景图像，对被跟踪目标进行定位，可以减少拍摄位置及拍摄角度的影响，能够提高被跟踪目标定位的准确度，减少丢失目标的情况。
可选的，上述计算机程序被处理器执行时，还能够实现上述任一目标定位方法。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、电子设备及存储介质的实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。
Claims (10)
1.一种目标定位方法，其特征在于，所述方法包括：
获取目标近景图像及目标远景图像，其中，所述目标近景图像中包括被跟踪目标，所述目标远景图像中包括所述被跟踪目标；
确定所述被跟踪目标在所述目标近景图像中的位置，作为近景目标位置；
获取所述目标近景图像与所述目标远景图像的位置映射关系；
通过所述位置映射关系，将所述近景目标位置映射到所述目标远景图像中，得到映射目标位置；
利用所述映射目标位置，确定所述被跟踪目标在所述目标远景图像中的目标位置。
2.根据权利要求1所述的方法，其特征在于，所述目标近景图像为用于拍摄近景图像的近景摄像机拍摄得到的，所述目标远景图像为用于拍摄远景图像的远景摄像机拍摄得到的；
采用如下步骤建立所述位置映射关系：
获取所述近景摄像机拍摄得到的近景图像中多个标识位置的坐标，作为近景坐标，获取所述远景摄像机拍摄得到的远景图像中所述多个标识位置的坐标，作为远景坐标；
利用所述多个标识位置中相同的标识位置的近景坐标及远景坐标，计算仿射变换矩阵，作为所述近景摄像机拍摄得到的近景图像与所述远景摄像机拍摄得到的远景图像的位置映射关系。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述近景目标位置，通过预先训练得到的目标跟踪模型，调整近景摄像机的监视位置，以使所述近景摄像机保持采集包含所述被跟踪目标的目标近景图像；
其中，预先训练得到所述目标跟踪模型的步骤包括：
针对包含同一待检测目标的多个样本图像，提取每个样本图像的方向梯度直方图特征及颜色空间特征，其中，所述待检测目标在所述多个样本图像中的尺寸不全部相同；
使用所述方向梯度直方图特征及所述颜色空间特征，构建目标跟踪模型。
4.根据权利要求1所述的方法，其特征在于，所述利用所述映射目标位置，确定所述被跟踪目标在所述目标远景图像中的目标位置，包括：
在所述目标远景图像中，以所述映射目标位置为中心增加预设范围，得到远景判别范围；
在所述远景判别范围中，识别所述被跟踪目标，得到所述被跟踪目标在所述目标远景图像中的目标位置。
5.根据权利要求1所述的方法，其特征在于，在所述利用所述映射目标位置，确定所述被跟踪目标在所述目标远景图像中的目标位置之后，所述方法还包括：
对所述目标位置进行分析，得到所述被跟踪目标在所述目标远景图像中的目标运行轨迹；
在所述被跟踪目标脱离目标近景图像采集设备的监视范围时，根据所述目标运行轨迹，确定所述被跟踪目标的当前位置，其中，所述目标近景图像采集设备为采集所述目标近景图像的近景摄像机；
通过所述当前位置对应的近景摄像机，获取所述当前位置所在区域的近景图像，作为当前的目标近景图像；
确定所述被跟踪目标在所述当前的目标近景图像中的近景目标位置。
6.一种目标定位装置，其特征在于，所述装置包括：
图像获取模块，用于获取目标近景图像及目标远景图像，其中，所述目标近景图像中包括被跟踪目标，所述目标远景图像中包括所述被跟踪目标；
位置确定模块，用于确定所述被跟踪目标在所述目标近景图像中的位置，作为近景目标位置；
映射关系获取模块，用于获取所述目标近景图像与所述目标远景图像的位置映射关系；
位置映射模块，用于通过所述位置映射关系，将所述近景目标位置映射到所述目标远景图像中，得到映射目标位置；
目标确定模块，用于利用所述映射目标位置，确定所述被跟踪目标在所述目标远景图像中的目标位置。
7.根据权利要求6所述的装置，其特征在于，所述装置还包括：
跟踪拍摄模块，用于根据所述近景目标位置，通过预先训练得到的目标跟踪模型，调整近景摄像机的监视位置，以使所述近景摄像机保持采集包含所述被跟踪目标的目标近景图像；
其中，预先训练得到所述目标跟踪模型的步骤包括：
针对包含同一待检测目标的多个样本图像，提取每个样本图像的方向梯度直方图特征及颜色空间特征，其中，所述待检测目标在所述多个样本图像中的尺寸不全部相同；
使用所述方向梯度直方图特征及所述颜色空间特征，构建目标跟踪模型。
8.根据权利要求6所述的装置，其特征在于，所述装置还包括：
轨迹预测模块，用于对所述目标位置进行分析，得到所述被跟踪目标在所述目标远景图像中的目标运行轨迹；
位置预测模块，用于在所述被跟踪目标脱离目标近景图像采集设备的监视范围时，根据所述目标运行轨迹，确定所述被跟踪目标的当前位置，其中，所述目标近景图像采集设备为采集所述目标近景图像的近景摄像机；
图像重获取模块，用于通过所述当前位置对应的近景摄像机，获取所述当前位置所在区域的近景图像，作为当前的目标近景图像；
当前位置确定模块，用于确定所述被跟踪目标在所述当前的目标近景图像中的近景目标位置。
9.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，所述处理器，所述通信接口，所述存储器通过通信总线完成相互间的通信；
所述存储器，用于存放计算机程序；
所述处理器，用于执行所述存储器上所存放的程序时，实现权利要求1-5任一所述的方法步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-5任一所述的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810260036.1A CN108447091B (zh) | 2018-03-27 | 2018-03-27 | 目标定位方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810260036.1A CN108447091B (zh) | 2018-03-27 | 2018-03-27 | 目标定位方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108447091A true CN108447091A (zh) | 2018-08-24 |
| CN108447091B CN108447091B (zh) | 2022-09-06 |
Family
ID=63197110
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810260036.1A Active CN108447091B (zh) | 2018-03-27 | 2018-03-27 | 目标定位方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108447091B (zh) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109489678A (zh) * | 2018-10-29 | 2019-03-19 | 温州大学 | 用于监控导航的定位方法及系统 |
| CN109492522A (zh) * | 2018-09-17 | 2019-03-19 | 中国科学院自动化研究所 | 特定目标检测模型训练程序、设备及计算机可读存储介质 |
| CN109711375A (zh) * | 2018-12-29 | 2019-05-03 | 中国银联股份有限公司 | 一种信号灯的识别方法及装置 |
| CN110738150A (zh) * | 2019-09-29 | 2020-01-31 | 浙江大华技术股份有限公司 | 相机联动抓拍方法、装置以及计算机存储介质 |
| CN110969657A (zh) * | 2018-09-29 | 2020-04-07 | 杭州海康威视数字技术股份有限公司 | 一种枪球坐标关联方法、装置、电子设备及存储介质 |
| CN111091584A (zh) * | 2019-12-23 | 2020-05-01 | 浙江宇视科技有限公司 | 一种目标跟踪方法、装置、设备和存储介质 |
| CN111368830A (zh) * | 2020-03-03 | 2020-07-03 | 西北工业大学 | 基于多视频帧信息和核相光滤波算法的车牌检测识别方法 |
| CN111372051A (zh) * | 2020-03-17 | 2020-07-03 | 三一重工股份有限公司 | 多相机联动盲区检测方法、装置和电子设备 |
| CN111723769A (zh) * | 2020-06-30 | 2020-09-29 | 北京百度网讯科技有限公司 | 用于处理图像的方法、装置、设备以及存储介质 |
| CN111914592A (zh) * | 2019-05-08 | 2020-11-10 | 杭州海康威视数字技术股份有限公司 | 多相机联合取证方法、装置及系统 |
| CN112255973A (zh) * | 2019-07-02 | 2021-01-22 | 库卡机器人(广东)有限公司 | 工业生产系统中的目标检测方法、检测终端及存储介质 |
| CN113065495A (zh) * | 2021-04-13 | 2021-07-02 | 深圳技术大学 | 图像相似度的计算方法、目标对象重识别方法及系统 |
| CN113515978A (zh) * | 2020-04-16 | 2021-10-19 | 阿里巴巴集团控股有限公司 | 数据处理方法、设备及存储介质 |
| WO2021237960A1 (zh) * | 2020-05-28 | 2021-12-02 | 上海商汤智能科技有限公司 | 图像处理方法、装置、电子设备、存储介质和程序 |
| CN115412668A (zh) * | 2022-07-04 | 2022-11-29 | 浙江大华技术股份有限公司 | 跟踪拍摄方法、装置及计算机可读存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080136912A1 (en) * | 2006-09-26 | 2008-06-12 | Hirotaka Iwano | Image generating apparatus and image generating method |
| CN201248107Y (zh) * | 2008-04-30 | 2009-05-27 | 深圳市飞瑞斯科技有限公司 | 主从式摄像机智能视频监控系统 |
| CN202771619U (zh) * | 2012-07-18 | 2013-03-06 | 中海网络科技股份有限公司 | 用于违章停车的自动抓拍装置 |
| CN105407283A (zh) * | 2015-11-20 | 2016-03-16 | 成都因纳伟盛科技股份有限公司 | 一种多目标主动识别跟踪监控方法 |
| CN106131506A (zh) * | 2016-08-23 | 2016-11-16 | 北京汉博信息技术有限公司 | 一种可视化数据跟踪采集终端 |
| CN107305627A (zh) * | 2016-04-22 | 2017-10-31 | 杭州海康威视数字技术股份有限公司 | 一种车辆视频监控方法、服务器及系统 |
-
2018
- 2018-03-27 CN CN201810260036.1A patent/CN108447091B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080136912A1 (en) * | 2006-09-26 | 2008-06-12 | Hirotaka Iwano | Image generating apparatus and image generating method |
| CN201248107Y (zh) * | 2008-04-30 | 2009-05-27 | 深圳市飞瑞斯科技有限公司 | 主从式摄像机智能视频监控系统 |
| CN202771619U (zh) * | 2012-07-18 | 2013-03-06 | 中海网络科技股份有限公司 | 用于违章停车的自动抓拍装置 |
| CN105407283A (zh) * | 2015-11-20 | 2016-03-16 | 成都因纳伟盛科技股份有限公司 | 一种多目标主动识别跟踪监控方法 |
| CN107305627A (zh) * | 2016-04-22 | 2017-10-31 | 杭州海康威视数字技术股份有限公司 | 一种车辆视频监控方法、服务器及系统 |
| CN106131506A (zh) * | 2016-08-23 | 2016-11-16 | 北京汉博信息技术有限公司 | 一种可视化数据跟踪采集终端 |
Non-Patent Citations (3)
| Title |
|---|
| 孙承岳: "结合近景和远景分析的行人状态跟踪", 《万方数据》 * |
| 孙承岳: "结合近景和远景分析的行人状态跟踪", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 高韬: "基于彩色图像的自动货车识别系统", 《计算机光盘软件与应用》 * |
Cited By (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109492522A (zh) * | 2018-09-17 | 2019-03-19 | 中国科学院自动化研究所 | 特定目标检测模型训练程序、设备及计算机可读存储介质 |
| CN110969657A (zh) * | 2018-09-29 | 2020-04-07 | 杭州海康威视数字技术股份有限公司 | 一种枪球坐标关联方法、装置、电子设备及存储介质 |
| CN110969657B (zh) * | 2018-09-29 | 2023-11-03 | 杭州海康威视数字技术股份有限公司 | 一种枪球坐标关联方法、装置、电子设备及存储介质 |
| CN109489678B (zh) * | 2018-10-29 | 2022-11-15 | 温州大学 | 用于监控导航的定位方法及系统 |
| CN109489678A (zh) * | 2018-10-29 | 2019-03-19 | 温州大学 | 用于监控导航的定位方法及系统 |
| CN109711375A (zh) * | 2018-12-29 | 2019-05-03 | 中国银联股份有限公司 | 一种信号灯的识别方法及装置 |
| WO2020133983A1 (zh) * | 2018-12-29 | 2020-07-02 | 中国银联股份有限公司 | 一种信号灯的识别方法及装置、电子设备 |
| CN111914592A (zh) * | 2019-05-08 | 2020-11-10 | 杭州海康威视数字技术股份有限公司 | 多相机联合取证方法、装置及系统 |
| CN111914592B (zh) * | 2019-05-08 | 2023-09-05 | 杭州海康威视数字技术股份有限公司 | 多相机联合取证方法、装置及系统 |
| CN112255973A (zh) * | 2019-07-02 | 2021-01-22 | 库卡机器人(广东)有限公司 | 工业生产系统中的目标检测方法、检测终端及存储介质 |
| CN110738150A (zh) * | 2019-09-29 | 2020-01-31 | 浙江大华技术股份有限公司 | 相机联动抓拍方法、装置以及计算机存储介质 |
| CN111091584B (zh) * | 2019-12-23 | 2024-03-08 | 浙江宇视科技有限公司 | 一种目标跟踪方法、装置、设备和存储介质 |
| CN111091584A (zh) * | 2019-12-23 | 2020-05-01 | 浙江宇视科技有限公司 | 一种目标跟踪方法、装置、设备和存储介质 |
| CN111368830B (zh) * | 2020-03-03 | 2024-02-27 | 西北工业大学 | 基于多视频帧信息和核相关滤波算法的车牌检测识别方法 |
| CN111368830A (zh) * | 2020-03-03 | 2020-07-03 | 西北工业大学 | 基于多视频帧信息和核相光滤波算法的车牌检测识别方法 |
| CN111372051B (zh) * | 2020-03-17 | 2021-06-01 | 三一重工股份有限公司 | 多相机联动盲区检测方法、装置和电子设备 |
| CN111372051A (zh) * | 2020-03-17 | 2020-07-03 | 三一重工股份有限公司 | 多相机联动盲区检测方法、装置和电子设备 |
| CN113515978A (zh) * | 2020-04-16 | 2021-10-19 | 阿里巴巴集团控股有限公司 | 数据处理方法、设备及存储介质 |
| WO2021237960A1 (zh) * | 2020-05-28 | 2021-12-02 | 上海商汤智能科技有限公司 | 图像处理方法、装置、电子设备、存储介质和程序 |
| CN111723769B (zh) * | 2020-06-30 | 2023-10-27 | 北京百度网讯科技有限公司 | 用于处理图像的方法、装置、设备以及存储介质 |
| CN111723769A (zh) * | 2020-06-30 | 2020-09-29 | 北京百度网讯科技有限公司 | 用于处理图像的方法、装置、设备以及存储介质 |
| CN113065495B (zh) * | 2021-04-13 | 2023-07-14 | 深圳技术大学 | 图像相似度的计算方法、目标对象重识别方法及系统 |
| CN113065495A (zh) * | 2021-04-13 | 2021-07-02 | 深圳技术大学 | 图像相似度的计算方法、目标对象重识别方法及系统 |
| CN115412668A (zh) * | 2022-07-04 | 2022-11-29 | 浙江大华技术股份有限公司 | 跟踪拍摄方法、装置及计算机可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108447091B (zh) | 2022-09-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108447091A (zh) | 目标定位方法、装置、电子设备及存储介质 | |
| CN110142785A (zh) | 一种基于目标检测的巡检机器人视觉伺服方法 | |
| CN107305627B (zh) | 一种车辆视频监控方法、服务器及系统 | |
| CN109887040B (zh) | 面向视频监控的运动目标主动感知方法及系统 | |
| Siagian et al. | Biologically inspired mobile robot vision localization | |
| CN103208008B (zh) | 基于机器视觉的交通视频监控目标检测快速适应方法 | |
| CN105373135B (zh) | 一种基于机器视觉的飞机入坞引导和机型识别的方法及系统 | |
| CN105302151B (zh) | 一种飞机入坞引导和机型识别的系统及方法 | |
| JP6448223B2 (ja) | 画像認識システム、画像認識装置、画像認識方法、およびコンピュータプログラム | |
| CN109903312A (zh) | 一种基于视频多目标跟踪的足球球员跑动距离统计方法 | |
| CN109977813A (zh) | 一种基于深度学习框架的巡检机器人目标定位方法 | |
| CN110751022A (zh) | 基于图像识别的城市宠物活动轨迹监测方法及相关设备 | |
| WO2020252974A1 (zh) | 一种针对运动状态下的多目标对象追踪方法和装置 | |
| KR101769601B1 (ko) | 자동추적 기능을 갖는 무인항공기 | |
| CN109685000A (zh) | 一种基于视觉的车位检测方法及装置 | |
| CN104637058B (zh) | 一种基于图像信息的客流量识别统计方法 | |
| CN109145708B (zh) | 一种基于rgb和d信息融合的人流量统计方法 | |
| CN100550039C (zh) | 一种图像特征点定位方法及装置 | |
| CN109635875A (zh) | 一种基于深度学习的端到端网口检测方法 | |
| CN107748860A (zh) | 无人机的目标跟踪方法、装置、无人机及存储介质 | |
| CN105898107B (zh) | 一种目标物体抓拍方法及系统 | |
| CN105844659A (zh) | 运动部件的跟踪方法和装置 | |
| Chang et al. | Video analytics in smart transportation for the AIC'18 challenge | |
| CN110009060A (zh) | 一种基于相关滤波与目标检测的鲁棒性长期跟踪方法 | |
| CN106919895A (zh) | 用于运动目标的跟踪方法和系统 |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20220907 Address after: Room 417, No. 42, Guangzhou Road, Development Zone, Nantong City, Jiangsu Province, 226010 Patentee after: Jiangsu Songze Technology Co.,Ltd. Address before: 100876 room 1226, 12 / F, building 60, 10 Xitucheng Road, Haidian District, Beijing Patentee before: BEIJING SONGZE TECHNOLOGY Co.,Ltd. |