CN109146923A - 一种目标跟踪丢断帧的处理方法及系统 - Google Patents
一种目标跟踪丢断帧的处理方法及系统 Download PDFInfo
- Publication number
- CN109146923A CN109146923A CN201810767930.8A CN201810767930A CN109146923A CN 109146923 A CN109146923 A CN 109146923A CN 201810767930 A CN201810767930 A CN 201810767930A CN 109146923 A CN109146923 A CN 109146923A
- Authority
- CN
- China
- Prior art keywords
- frame
- target
- detection
- tracking target
- lost
- 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
- G06T7/20—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
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T2207/20081—Training; Learning
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
一种目标跟踪丢/断帧的处理方法，包括步骤A，依次获取待跟踪视频图像的帧信息，调用SSD检测模型，检测跟踪目标，并获取跟踪目标的质心及检测框；步骤B，跟踪检测所述跟踪目标的检测框帧信息，判断并获取丢/断帧；步骤C，调用丢/断帧前一帧信息，获取并筛选跟踪目标的临近检测框，选择符合条件的检测框作为丢/断帧的跟踪目标检测框，完成所述丢/断帧的接续。采用本发明技术方案，针对跟踪目标短帧中出现的丢/断帧情况，利用跟踪目标的回归置信度值判断丢/断帧，并利用SSD检测模型获取丢/断帧的跟踪目标信息，将传统的KCF跟踪算法结合SSD检测框架通过逻辑结构进行联结，在尽可能减少硬件成本的基础上满足跟踪的稳定性和时效性的需求。
Description
技术领域
本发明涉及在视频图像个跟踪监测中，对跟踪目标丢断帧的处理方法及 系统。
背景技术
在市场经济的快速发展过程中，视频监控系统因其对现实场景的有效还 原，能够通过对远程监控对象的录像、回放、联动报警、监控策略制定、应 急指挥等应用，达到监控与通讯的双重功能，全面满足了交通、水利、电信、 安防、银行、军队、政府管理、智能家居等各个领域的远程监控与指挥管理 需求。
对目标的跟踪监控需通过目标检测算法实现，现有的目标跟踪算法主要 包括生成式算法、判别式算法、基于KCF(Kernel Correlation Filter，核相关 滤波器)改进算法。其中，生成式算法通过人工设计目标的特征提取方法或 者通过全局的像素扰动特征检测来获得目标在图像获取装置中的位置，从而 完成跟踪的过程。判别式算法预先获取特定跟踪目标的特征信息同时获取目 标背景的特征信息，然后在跟踪的过程中根据预先获得的特征信息来区分目 标和背景，从而完成对特定目标的跟踪。KCF算法在首次提出基于首帧手动 框选目标，然后输入框选区域进行HOG特征提取，得到跟踪目标的特征正样 本，同时算法自动框选首帧非目标部分的HOG特征作为负样本，得到划分目 标对象和背景的分类器，将这个分类器运用到往后的视频帧中对每一帧识别 出目标和背景，从而完成目标的跟踪过程。
为达到目标跟踪的稳定性，可以采用高端的硬件设备对每一帧视频图像 进行深度卷积网络检测，但在得到比较稳定的跟踪结果的同时，也会增加算 法在产品化落地上的硬件成本，而深度卷积网络在对目标对象进行特征提取 的过程中也会产生庞大的参数集合，这些参数集合在算法调用的过程中也耗 费大量的服务器的内存资源，导致算法的可移植性能受限。然而，任何跟踪 算法都不可避免在跟踪过程中出现丢帧、断帧的情况，导致一开始赋予的跟 踪目标的ID(Identity，身份识别信息)发生改变，从而使系统无法维系原目标的状态进行跟踪。
如何在降低硬件成本的基础上满足目标跟踪的稳定性和时效性？在现有 技术中均未有相应的解决方案。
发明内容
针对现有技术问题，本发明将传统的KCF跟踪算法结合SSD检测框架通 过逻辑结构进行联结，提供一种目标跟踪丢/断帧的处理方法及系统。
为了完成上述发明目的，本发明提供一种目标跟踪丢/断帧的处理方法，， 包括，
步骤A，依次获取待跟踪视频图像的帧信息，调用SSD检测模型，检测跟 踪目标，并获取跟踪目标的质心及检测框；
步骤B，跟踪检测所述跟踪目标的检测框帧信息，判断并获取丢/断帧；
步骤C，调用丢/断帧前一帧信息，获取并筛选跟踪目标的临近检测框，选 择符合条件的检测框作为丢/断帧的跟踪目标检测框，完成所述丢/断帧的接 续。
更进一步，所述获取跟踪目标的质心及检测框的步骤包括，
步骤A-1，判断是否检测到所述跟踪目标及所述跟踪目标是否为首次检测 到目标；
步骤A-2，计算所述跟踪目标框和外围框的HOG特征和RAW特征，完成 对所述跟踪目标的正样本特征采集和背景环境的负样本特征采集；
步骤A-3，采用线性回归进行训练获得所述跟踪目标首帧的质心及检测框。
更进一步，所述判断丢/断帧的步骤包括，
步骤B-1，计算当前帧跟踪目标和外围框的HOG特征和RAW特征；
步骤B-2，采用线性回归对所述当前帧的目标位置和背景进行分类；
步骤B-3，计算获得所述跟踪目标的回归置信度值M；
步骤B-4，若M≤预先设定的阈值N，则判定所述当前帧为丢/断帧。
更进一步，N＝0.6。
更进一步，所述选择符合条件的检测框作为丢/断帧中中跟踪目标检测框的 步骤包括，
步骤C-1，以所述丢/断帧前一帧中所述跟踪目标检测框的质心为中心进行 尺度变化得到P个候选检测框，进行平移变化变化得到Q个候选检测框，P、 Q为正整数；
步骤C-2，对所述P+Q个候选检测框调用SSD检测模型，筛选出置信度 值最高的候选检测框作为所述丢/断帧的所述跟踪目标的检测框，并获取所述 检测质心；
步骤C-3，将所述跟踪目标的检测框输入至KCF中完成断帧接续。
本发明还提供了一种目标跟踪丢/断帧的处理系统，包括，
跟踪目标获取模块，用于获取跟踪目标的质心及检测框；
丢/断帧获取模块，用于检测获取丢/断帧；
接续模块，用于对所述丢/断帧进行接续。
更进一步，所述跟踪目标模块还包括，
跟踪目标获取子模块，用于获取所述跟踪目标并判断是否为所述跟踪目标 的首帧；
特征采集模块，用于对所述跟踪目标的首帧的正样本特征采集和背景环境 的负样本特征采集；
位置获取模块，用于获取步所述跟踪目标首帧的质心及检测框。
更进一步，所述丢/断帧模块还包括，
特征计算模块，用于计算当前帧跟踪目标和外围框的HOG特征和RAW特 征；
分类模块，用于对采用线性回归对所述当前帧的目标位置和背景进行分 类；
回归置信度计算模块，用于计算获得所述跟踪目标当前帧的回归置信度值 M。
更进一步，所述接续模块还包括，
二次获取模块，用于获取所述丢/断帧前一帧中所述跟踪目标的候选检测 框；
筛选模块，用于筛选出置信度值最高的候选检测框作为所述丢/断帧的所述 跟踪目标的检测框，并获取所述检测质心。
采用本发明技术方案，针对跟踪目标短帧中出现的丢/断帧情况，利用跟踪 目标的回归置信度值判断丢/断帧，并利用SSD检测模型获取丢/断帧的跟踪目 标信息，将传统的KCF跟踪算法结合SSD检测框架通过逻辑结构进行联结， 在尽可能减少硬件成本的基础上满足跟踪的稳定性和时效性的需求。
附图说明
图1为本发明提供的一种目标跟踪丢/断帧的处理方法的一个实施例的流 程示意图；
图2为本发明提供的一种目标跟踪丢/断帧的处理方法的另一个实施例的 流程示意图；
图3为本发明提供的一种目标跟踪丢/断帧的处理系统的一个实施例的结 构示意图；
图4为本发明提供的一种目标跟踪丢/断帧的处理系统的另一个实施例的 结构示意图；
图5-1为本发明实际场景检测到跟踪行人的首帧图；
图5-2为本发明一个实际场景跟踪行人的当前帧回归置信度低于阈值图；
图5-3为本发明一个实际场景以丢/断帧之前一帧跟踪行人检测框的质心 为中心进行尺度变化得到多个候选框图；
图5-4为本发明一个实际场景以丢/断帧之前一帧跟踪行人检测框的质心 为中心进行平移变化得到多个候选框图。
图5-5为本发明一个实际场景将筛选出的置信度最高的检测框接续到丢/ 断帧图。
具体实施方式
本发明提供了一种目标跟踪丢/断帧的方法及系统，针对跟踪目标短帧中 出现的丢/断帧情况，利用跟踪目标的回归置信度值判断丢/断帧，并利用SSD 检测模型获取丢/断帧的跟踪目标信息，将传统的KCF跟踪算法结合SSD检 测框架通过逻辑结构进行联结，在尽可能减少硬件成本的基础上满足跟踪的 稳定性和时效性的需求。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，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，下面所描述的实施例仅仅是本发明一部分实施例，而非全部 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它实施例，都属于本发明保护的范围。
实施例1：
图1为本发明提供的一种目标跟踪丢/断帧的处理方法的一个实施例的流 程示意图，包括：
步骤101，依次获取待跟踪视频图像的帧信息，调用SSD检测模型，检 测跟踪目标，并获取跟踪目标的质心及检测框；
首先通过视频图像获取设备，如摄像头获取视频图像的帧信息，调用SSD 模型定位待跟踪目标的位置，也就是待跟踪目标的质心和跟踪检测框。
步骤102，跟踪检测跟踪目标的检测框帧信息，判断并获取丢/断帧；
实时跟踪并检测跟踪目标检测框的帧信息，当跟踪目标检测框当前帧信 息满足丢帧或断帧的条件时，判定为丢/断帧，获取该丢/断帧的信息。
步骤103，调用丢/断帧前一帧信息，获取并筛选跟踪目标的临近检测框， 选择符合条件的检测框作为丢/断帧的跟踪目标检测框，完成所述丢/断帧的接 续。
在确定当前帧为丢帧或断帧后，需要对该丢/断帧进行修正接续，所采用 的方法是在丢/断帧的前一帧中的跟踪目标的临近检测框中选择符合条件的检 测框作为丢/断帧的跟踪目标的检测框，从而完成对丢/断帧的修正接续工作。
本实施例中，利用SSD模型获取跟踪目标的检测框，选择丢/断帧前一帧 中跟踪目标的临近检测框中符合条件的检测框作为丢/断帧的跟踪目标检测 框，以完成对丢/断帧的修正接续。将传统的KCF跟踪算法结合SSD检测框 架通过逻辑结构进行联结，在尽可能减少硬件成本的基础上满足跟踪的稳定 性和时效性的需求。
实施例2：
图2为本发明提供的一种目标跟踪丢/断帧的处理方法的另一个实施例的 流程示意图，包括：
步骤201，依次获取待跟踪视频图像的帧信息；
视频图像获取设备可以是摄像头。
步骤2011，调用SSD检测模型检测，判断是否检测到跟踪目标及是否为 该跟踪目标的首帧，若是，则执行步骤2012，若否，则执行步骤2021；
步骤2012，计算跟踪目标和外围框的HOG特征和RAW特征，完成对所 述跟踪目标的正样本特征采集和背景环境的负样本特征采集；
KCF算法的提出是基于目标出现的首帧框选待跟踪目标，在调用SSD检 测模型后，对输入框选区域进行HOG特征提取，得到跟踪目标的特征正样本， 同时算法自动框选首帧非目标部分的HOG特征作为负样本，得到区分跟踪目 标和背景的分类器，将这个分类器运用到往后的视频帧中对每一帧识别出目 标和背景，作为跟踪目标检测框与背景的分离器。
需要说明的是，这里的外围框是围绕着目标框生成的一系列矩形框，囊 括目标周围的部分背景图。
步骤2013，采用线性回归进行训练获得所述跟踪目标首帧的质心及检测 框；
所属领域的技术人员应当知道，训练是一种寻找不同分类的特征的划分 线的一种手段，在本步骤中训练前景和背景划分线的参数。
步骤2021，计算跟踪目标当前帧跟踪目标和外围框的HOG特征和RAW 特征；
步骤2022，采用线性回归对跟踪目标框和外围框进行分类，获得当前目 标和背景的分类模型；
步骤2023，根据分类模型，计算当前帧跟踪目标的回归置信度值M；
步骤2024，若当前帧跟踪目标的置信度值M≤预先设定的阈值N，判断 当前帧为丢/断帧，执行步骤2031，否则，执行步骤2011；
对于短帧内出现的跟踪目标丢/断帧，需要引入判定跟踪目标帧是否丢失 的机制，本实施例预先设定回归置信度的阈值，用来与跟踪目标的回归置信 度值进行对比，从而判定是否为丢/断帧，当判定为丢/断帧时，执行步骤203， 否则，执行步骤2011。
步骤2031，以丢/断帧前一帧中跟踪目标检测框的质心为中心进行尺度变 化得到P个候选检测框，进行平移变化变化得到Q个候选检测框；
对于丢/断帧跟踪目标进行修正接续，本实施例所采用的方法是在丢/断帧 的前一帧的跟踪目标的临近检测框中选择符合条件的检测框作为丢/断帧的跟 踪目标的检测框，这里临近检测框，也就是候选检测框通过丢/断帧前一帧的 质心为中心进行尺度变化、平移变化得到。
步骤2032，对步骤2031中的P+Q个候选检测框调用SSD检测模型，筛 选出置信度值最高的候选检测框作为所述丢/断帧的所述跟踪目标的检测框， 并获取所述检测质心。
步骤2033，将步骤2032获得的跟踪目标检测框通过坐标转换，输入至 KCF，完成丢/断帧接续。
本发明提供了一种目标跟踪丢/断帧的方法及系统，针对跟踪目标短帧中 出现的丢/断帧情况，利用跟踪目标的回归置信度值判断丢/断帧，并利用SSD 检测模型获取丢/断帧的跟踪目标信息，将传统的KCF跟踪算法结合SSD检 测框架通过逻辑结构进行联结，在尽可能减少硬件成本的基础上满足跟踪的 稳定性和时效性的需求。
本实施例中，利用SSD模型获取跟踪目标的检测框，选择丢/断帧前一帧 中跟踪目标的临近检测框中符合条件的检测框作为丢/断帧的跟踪目标检测 框，以完成对丢/断帧的修正接续。将传统的KCF跟踪算法结合SSD检测框 架通过逻辑结构进行联结，在尽可能减少硬件成本的基础上满足跟踪的稳定 性和时效性的需求。尤其以预先设定的阈值判断丢/断帧，选择丢/断帧跟踪目 标检测框是在前一帧跟踪目标的临近检测框中筛选出回归置信度值最高的检 测框，进一步提高了处理精度。
实施例3：
图3为本发明提供的一种目标跟踪丢/断帧的处理系统一个实施例的结构 示意图，包括，
跟踪目标获取模块301，用于获取跟踪目标的质心及检测框；
丢/断帧获取模块302，用于检测获取丢/断帧；
接续模块303，用于对丢/断帧进行接续。
本实施例三大模块分别用于获取跟踪目标，判断丢/断帧，修正接续丢/ 断帧，完成了对跟踪目标度丢/断帧的处理，在尽可能减少硬件成本的基础上 满足跟踪的稳定性和时效性的需求。
实施例4：
图4为本发明提供的一种目标跟踪丢/断帧的处理系统另一个实施例的结 构示意图；
跟踪目标获取模块401，用于获取跟踪目标的质心及检测框，具体还包括，
跟踪目标获取子模块4011，用于获取所述跟踪目标并判断是否为所述跟 踪目标的首帧；
特征采集模块4012，用于对所述跟踪目标的首帧的正样本特征采集和背 景环境的负样本特征采集；
位置获取模块4013，用于获取步所述跟踪目标首帧的质心及检测框。
丢/断帧获取模块402，用于检测获取丢/断帧，具体还包括，
特征计算模块4021，用于计算当前帧跟踪目标和外围框的HOG特征和 RAW特征；
分类模块4022，用于对采用线性回归对当前帧的目标位置和背景进行分 类；
回归置信度计算模块4023，用于计算获得所述跟踪目标当前帧的回归置 信度值M；
接续模块403，用于对丢/断帧进行接续，具体还包括，
二次获取模块4031，用于获取所述丢/断帧前一帧中所述跟踪目标的候选 检测框；
筛选模块4032，用于筛选出置信度值最高的候选检测框作为所述丢/断帧 的所述跟踪目标的检测框，并获取所述检测质心。
本实施在实施例3的基础上细化了每个模块子模块的功能，由4011、4012、 4013根据跟踪目标首帧的正负样本采集获取跟踪目标，由4021、4022、4023 引入回归置信度阈值判断丢/断帧，由4031、4032在丢/断帧前一帧的跟踪目 标尺度变化、平移变化的检测框中选择最优检测框作为丢/断帧跟踪目标的检 测框，进一步达到了减少硬件成本、满足跟踪的稳定性和时效性的技术效果。
实施例5：
图5-1到图5-5为本发明一个实际场景根据本技术方案披露的目标跟踪断 帧处理方法过程图。
图5-1为摄像头获取实际场景检测到某个行人，调用SSD检测模型，确 定该行人为跟踪目标，通过计算行人和行人外围的HOG特征和RAW特征， 完成对行人目标的正样本特征采集和背景环境的负样本特征采集，采用线性 回归对跟踪目标框和外围框进行训练，获取到跟踪行人的检测框；
图5-2为通过计算当前帧跟踪目标和外围框的HOG特征和RAW特征， 并采用线性回归对跟踪目标框和外围框进行分类，检测到当前帧的回归置信 度值低于预先设定的阈值，此时，认为该帧为断帧；
图5-3为调用断帧之前一帧中目标行人的检测框的质心为中心进行尺度 变化得到4个候选检测框；
图5-4为调用断帧之前一帧中目标行人的检测框的质心为中心进行平移 变化得到8个候选检测框；
图5-5为将前述12个候选框输入到SSD检测模型，筛选出置信度最高的 候选框作为断帧的行人目标检测框输入到KCF中。
本实施例中，利用SSD模型获取目标行人的检测框，当目标行人检测框 的回归置信度值低于预设阈值时，启动断帧修正接续，调用断帧之前一帧目 标行人临近检测框中回归置信度值最大的检测框作为断帧的目标检测框，完 成了对丢/断帧的修正接续。本实施例将传统的KCF跟踪算法结合SSD检测 框架通过逻辑结构进行联结，采用出现断帧的判断逻辑和断帧目标行人检测 框的筛选逻辑，在尽可能减少硬件成本的基础上满足跟踪的稳定性和时效性 的需求。
以上所述，仅为本发明的具体实施方式，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，可轻易 想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护 范围应所述以权利要求的保护范围为准。
Claims (9)
1.一种目标跟踪丢/断帧的处理方法，其特征在于，包括，
步骤A，依次获取待跟踪视频图像的帧信息，调用SSD检测模型，检测跟踪目标，并获取跟踪目标的质心及检测框；
步骤B，跟踪检测所述跟踪目标的检测框帧信息，判断并获取丢/断帧；
步骤C，调用丢/断帧前一帧信息，获取并筛选跟踪目标的临近检测框，选择符合条件的检测框作为丢/断帧的跟踪目标检测框，完成所述丢/断帧的接续。
2.根据权利要求1所述的目标跟踪丢/断帧的处理方法，其特征在于，所述获取跟踪目标的质心及检测框的步骤包括，
步骤A-1，判断是否检测到所述跟踪目标及所述跟踪目标是否为首次检测到目标；
步骤A-2，计算所述跟踪目标框和外围框的HOG特征和RAW特征，完成对所述跟踪目标的正样本特征采集和背景环境的负样本特征采集；
步骤A-3，采用线性回归进行训练获得所述跟踪目标首帧的质心及检测框。
3.根据权利要求2所述的目标跟踪丢/断帧的处理方法，其特征在于，所述判断丢/断帧的步骤包括，
步骤B-1，计算当前帧跟踪目标和外围框的HOG特征和RAW特征；
步骤B-2，采用线性回归对所述当前帧的目标位置和背景进行分类；
步骤B-3，计算获得所述跟踪目标的回归置信度值M；
步骤B-4，若M≤预先设定的阈值N，则判定所述当前帧为丢/断帧。
4.根据权利要求3所述的目标跟踪丢/断帧的处理方法，其特征在于，N＝0.6。
5.根据权利要求3所述的目标跟踪丢/断帧的处理方法，其特征在于，所述选择符合条件的检测框作为丢/断帧中中跟踪目标检测框的步骤包括，
步骤C-1，以所述丢/断帧前一帧中所述跟踪目标检测框的质心为中心进行尺度变化得到P个候选检测框，进行平移变化变化得到Q个候选检测框，P、Q为正整数；
步骤C-2，对所述P+Q个候选检测框调用SSD检测模型，筛选出置信度值最高的候选检测框作为所述丢/断帧的所述跟踪目标的检测框，并获取所述检测质心。
步骤C-3，将所述跟踪目标的检测框输入至KCF中完成断帧接续。
6.一种目标跟踪丢/断帧的处理系统，其特征在于，包括，
跟踪目标获取模块，用于获取跟踪目标的质心及检测框；
丢/断帧获取模块，用于检测获取丢/断帧；
接续模块，用于对所述丢/断帧进行接续。
7.根据权利要求6所述的目标跟踪丢/断帧的处理系统，其特征在于，所述跟踪目标模块还包括，
跟踪目标获取子模块，用于获取所述跟踪目标并判断是否为所述跟踪目标的首帧；
特征采集模块，用于对所述跟踪目标的首帧的正样本特征采集和背景环境的负样本特征采集；
位置获取模块，用于获取步所述跟踪目标首帧的质心及检测框。
8.根据权利要求7所述的目标跟踪丢/断帧的处理系统，其特征在于，所述丢/断帧模块还包括，
特征计算模块，用于计算当前帧跟踪目标和外围框的HOG特征和RAW特征；
分类模块，用于对采用线性回归对所述当前帧的目标位置和背景进行分类；
回归置信度计算模块，用于计算获得所述跟踪目标当前帧的回归置信度值M。
9.根据权利要求8所述的目标跟踪丢/断帧的处理系统，其特征在于，所述接续模块还包括，
二次获取模块，用于获取所述丢/断帧前一帧中所述跟踪目标的候选检测框；
筛选模块，用于筛选出置信度值最高的候选检测框作为所述丢/断帧的所述跟踪目标的检测框，并获取所述检测质心。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810767930.8A CN109146923B (zh) | 2018-07-13 | 2018-07-13 | 一种目标跟踪丢断帧的处理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810767930.8A CN109146923B (zh) | 2018-07-13 | 2018-07-13 | 一种目标跟踪丢断帧的处理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109146923A true CN109146923A (zh) | 2019-01-04 |
| CN109146923B CN109146923B (zh) | 2021-08-24 |
Family
ID=64800532
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810767930.8A Active CN109146923B (zh) | 2018-07-13 | 2018-07-13 | 一种目标跟踪丢断帧的处理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109146923B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111402295A (zh) * | 2020-03-11 | 2020-07-10 | 桂林理工大学 | 基于对象检测和跟踪的移动物体识别方法 |
| CN111667505A (zh) * | 2020-04-30 | 2020-09-15 | 北京捷通华声科技股份有限公司 | 一种定置物品跟踪的方法和装置 |
| CN111709974A (zh) * | 2020-06-22 | 2020-09-25 | 苏宁云计算有限公司 | 基于rgb-d图像的人体跟踪方法及装置 |
| CN112686215A (zh) * | 2021-01-26 | 2021-04-20 | 广东工业大学 | 一种运载车的轨迹跟踪监测预警系统及方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101807300A (zh) * | 2010-03-05 | 2010-08-18 | 北京智安邦科技有限公司 | 一种目标碎片区域融合的方法及装置 |
| CN103325126A (zh) * | 2013-07-09 | 2013-09-25 | 中国石油大学(华东) | 一种在尺度变化和遮挡情况下的视频目标跟踪方法 |
| CN107066953A (zh) * | 2017-03-22 | 2017-08-18 | 北京邮电大学 | 一种面向监控视频的车型识别、跟踪及矫正方法和装置 |
| CN107918765A (zh) * | 2017-11-17 | 2018-04-17 | 中国矿业大学 | 一种移动目标检测并追踪系统及其方法 |
-
2018
- 2018-07-13 CN CN201810767930.8A patent/CN109146923B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101807300A (zh) * | 2010-03-05 | 2010-08-18 | 北京智安邦科技有限公司 | 一种目标碎片区域融合的方法及装置 |
| CN103325126A (zh) * | 2013-07-09 | 2013-09-25 | 中国石油大学(华东) | 一种在尺度变化和遮挡情况下的视频目标跟踪方法 |
| CN107066953A (zh) * | 2017-03-22 | 2017-08-18 | 北京邮电大学 | 一种面向监控视频的车型识别、跟踪及矫正方法和装置 |
| CN107918765A (zh) * | 2017-11-17 | 2018-04-17 | 中国矿业大学 | 一种移动目标检测并追踪系统及其方法 |
Non-Patent Citations (4)
| Title |
|---|
| YANFEI LIU，ET AL: "《Research on Target Loss Warning Method of KCF Algorithm Based on Outlier Detection》", 《APOP 2017》 * |
| 李娟: "《基于KCF的视频中运动物体的跟踪系统》", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 王艳川 等: "《基于在线检测和尺度自适应的相关滤波跟踪》", 《光学学报》 * |
| 翁昕: "《目标检测网络SSD的区域候选框的设置问题研究》", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111402295A (zh) * | 2020-03-11 | 2020-07-10 | 桂林理工大学 | 基于对象检测和跟踪的移动物体识别方法 |
| CN111402295B (zh) * | 2020-03-11 | 2023-08-08 | 桂林理工大学 | 基于对象检测和跟踪的移动物体识别方法 |
| CN111667505A (zh) * | 2020-04-30 | 2020-09-15 | 北京捷通华声科技股份有限公司 | 一种定置物品跟踪的方法和装置 |
| CN111667505B (zh) * | 2020-04-30 | 2023-04-07 | 北京捷通华声科技股份有限公司 | 一种定置物品跟踪的方法和装置 |
| CN111709974A (zh) * | 2020-06-22 | 2020-09-25 | 苏宁云计算有限公司 | 基于rgb-d图像的人体跟踪方法及装置 |
| CN111709974B (zh) * | 2020-06-22 | 2022-08-02 | 苏宁云计算有限公司 | 基于rgb-d图像的人体跟踪方法及装置 |
| CN112686215A (zh) * | 2021-01-26 | 2021-04-20 | 广东工业大学 | 一种运载车的轨迹跟踪监测预警系统及方法 |
| CN112686215B (zh) * | 2021-01-26 | 2023-07-25 | 广东工业大学 | 一种运载车的轨迹跟踪监测预警系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109146923B (zh) | 2021-08-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109146923A (zh) | 一种目标跟踪丢断帧的处理方法及系统 | |
| KR100568237B1 (ko) | 비디오 영상으로부터 이동 물체를 추출하는 장치 및 방법 | |
| CN110610150B (zh) | 一种目标运动物体的跟踪方法、装置、计算设备和介质 | |
| KR20180135898A (ko) | 기계 학습에 의해 객체 분류기를 훈련시키는 시스템 및 방법 | |
| CN103246896B (zh) | 一种鲁棒性车辆实时检测与跟踪方法 | |
| CN105654508B (zh) | 基于自适应背景分割的监控视频移动目标跟踪方法及系统 | |
| CN111914665B (zh) | 一种人脸遮挡检测方法、装置、设备及存储介质 | |
| CN110852190B (zh) | 一种融合目标检测与手势识别的驾驶行为识别方法及系统 | |
| CN110398720A (zh) | 一种反无人机探测跟踪干扰系统及光电跟踪系统工作方法 | |
| US11107231B2 (en) | Object detection device, object detection method, and object detection program | |
| CN111222478A (zh) | 一种工地安全防护检测方法和系统 | |
| CN102073851A (zh) | 一种城市交通事故自动识别方法和系统 | |
| CN105868708A (zh) | 一种图像目标识别方法及装置 | |
| CN102034240A (zh) | 一种静态前景检测和跟踪方法 | |
| CN111507278B (zh) | 一种检测路障的方法、装置及计算机设备 | |
| CN113642474A (zh) | 一种基于yolov5的危险区域人员监控方法 | |
| CN103839085A (zh) | 一种列车车厢异常人群密度的检测方法 | |
| CN103544480A (zh) | 车辆颜色识别方法 | |
| CN112700475A (zh) | 不同场景下自适应的多目标视频追踪系统 | |
| CN112905824A (zh) | 目标车辆追踪方法、装置、计算机设备及存储介质 | |
| CN111881741A (zh) | 车牌识别方法、装置、计算机设备和计算机可读存储介质 | |
| CN106886746A (zh) | 一种识别方法及后端服务器 | |
| CN113516082A (zh) | 安全帽的检测方法、装置、计算机设备及存储介质 | |
| CN116524410A (zh) | 基于混合高斯模型的深度学习融合场面目标检测方法 | |
| CN116721288A (zh) | 一种基于YOLOv5的安全帽检测方法及系统 |
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 |