CN109151375A - 一种目标对象抓拍方法、装置及视频监控设备 - Google Patents
一种目标对象抓拍方法、装置及视频监控设备 Download PDFInfo
- Publication number
- CN109151375A CN109151375A CN201710459273.6A CN201710459273A CN109151375A CN 109151375 A CN109151375 A CN 109151375A CN 201710459273 A CN201710459273 A CN 201710459273A CN 109151375 A CN109151375 A CN 109151375A
- Authority
- CN
- China
- Prior art keywords
- target object
- multiplying power
- location information
- camera
- target
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/50—Constructional details
- H04N23/54—Mounting of pick-up tubes, electronic image sensors, deviation or focusing coils
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/61—Control of cameras or camera modules based on recognised objects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/61—Control of cameras or camera modules based on recognised objects
- H04N23/611—Control of cameras or camera modules based on recognised objects where the recognised objects include parts of the human body
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/64—Computer-aided capture of images, e.g. transfer from script file into camera, check of taken image quality, advice or proposal for image composition or decision on when to take image
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/69—Control of means for changing angle of the field of view, e.g. optical zoom objectives or electronic zooming
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/695—Control of camera direction for changing a field of view, e.g. pan, tilt or based on tracking of objects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/698—Control of cameras or camera modules for achieving an enlarged field of view, e.g. panoramic image capture
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/025—Services making use of location information using location based information parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/025—Services making use of location information using location based information parameters
- H04W4/027—Services making use of location information using location based information parameters using movement velocity, acceleration information
-
- 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
-
- 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
- G06T2207/30244—Camera pose
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Studio Devices (AREA)
- Closed-Circuit Television Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供了一种目标对象抓拍方法、装置及视频监控设备,所述方法包括:检测全景相机所采集的当前全景视频帧中的目标对象,确定各目标对象在所述当前全景视频帧中的第一位置信息、大小、移动方向和速度信息;计算各目标对象的抓拍位置信息;确定各目标对象对应的细节相机位置信息,并根据各目标对象的大小确定各目标对象对应的倍率;确定各目标对象的跟踪时长,针对每个目标对象,根据该目标对象对应的细节相机位置信息和倍率,控制所述细节相机调整其位置和倍率,并控制调整后的细节相机在该目标对象对应的跟踪时长内抓拍该目标对象。本发明实施例能够在保证监控范围的前提下,提高目标对象的抓拍质量。
Description
技术领域
本发明涉及图像处理技术领域,特别是涉及一种目标对象抓拍方法、装置及视频监控设备。
背景技术
随着视频监控技术的不断发展,视频监控设备已广泛应用于安防领域。在监控场景中,通常要求监控设备能监控到较大范围的场景,且捕获到较高清晰度的监控图像。
然而,当使用监控范围较大的全景相机(如枪机等)进行监控时,监控图像中的目标通常会较小,从而导致看不清目标对象细节等问题。当使用细节相机(如球机等)进行监控时,监控图像中通常能获取到清晰的目标对象,但是监控范围往往会较小。因此,现有的视频监控设备,存在监控范围和目标对象抓拍质量不可兼得的问题。
发明内容
本发明实施例的目的在于提供一种目标对象抓拍方法、装置及视频监控设备,以在保证监控范围的前提下,提高目标对象的抓拍质量。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对象抓拍方法,所述方法包括:
检测全景相机所采集的当前全景视频帧中的目标对象,确定各目标对象在所述当前全景视频帧中的第一位置信息、大小、移动方向和速度信息;
根据各目标对象的第一位置信息、移动方向和速度信息,以及预设的细节相机位置调整时间,计算各目标对象的抓拍位置信息;
根据各目标对象的抓拍位置信息,以及预先构建的全景相机和细节相机的位置映射关系,确定各目标对象对应的细节相机位置信息,并根据各目标对象的大小确定各目标对象对应的倍率;
确定各目标对象的跟踪时长,针对每个目标对象,根据该目标对象对应的细节相机位置信息和倍率,控制所述细节相机调整其位置和倍率,并控制调整后的细节相机在该目标对象对应的跟踪时长内抓拍该目标对象。
可选的,所述根据各目标对象的第一位置信息、移动方向和速度信息,以及预设的细节相机位置调整时间,计算各目标对象的抓拍位置信息的步骤包括:
根据各目标对象的速度信息、移动方向,以及预设的细节相机位置调整时间,确定各目标对象的位置变化信息;
根据各目标对象的第一位置信息,以及对应的位置变化信息,确定各目标对象的抓拍位置信息。
可选的,所述根据各目标对象的大小确定各目标对象对应的倍率的步骤包括:
针对每个目标对象,根据该目标对象的大小,确定对应的视场角;
根据预设的倍率和视场角的对应关系,确定该视场角对应的倍率,并将确定的倍率作为该目标对象对应的倍率。
可选的,所述确定各目标对象的跟踪时长的步骤包括:
根据各目标对象的移动方向,确定各目标对象距离监控场景边缘的距离,根据各目标对象距离监控场景边缘的距离、以及对应各目标对象的速度大小,计算各目标对象的离开时间;
根据各目标对象的离开时间,以及预设条件,计算各目标对象的跟踪时长;其中,所述预设条件包括:各目标对象的跟踪时长之和小于任一目标对象的离开时间,各目标对象的跟踪时长之和最大,各目标对象的跟踪时长的方差最小。
可选的,所述针对每个目标对象,根据该目标对象对应的细节相机位置信息和倍率,控制所述细节相机调整其位置和倍率,并控制调整后的细节相机在该目标对象对应的跟踪时长内抓拍该目标对象之前,所述方法还包括:
根据各目标对象的离开时间从小到大的顺序,确定各目标对象的抓拍优先级;
所述针对每个目标对象,根据该目标对象对应的细节相机位置信息和倍率,控制所述细节相机调整其位置和倍率,并控制调整后的细节相机在该目标对象对应的跟踪时长内抓拍该目标对象的步骤包括:
根据抓拍优先级从高到低的顺序,针对每个目标对象,根据该目标对象对应的细节相机位置信息和倍率,控制所述细节相机调整其位置和倍率,并控制调整后的细节相机在该目标对象对应的跟踪时长内抓拍该目标对象。
可选的,所述确定各目标对象的跟踪时长的步骤包括:
获取预设的跟踪时长,并将所获取的跟踪时长作为各目标对象的跟踪时长。
可选的,所述根据各目标对象的第一位置信息、移动方向和速度信息,以及预设的细节相机位置调整时间,计算各目标对象的抓拍位置信息之前,所述方法还包括:
在各目标对象中,识别移动方向为正朝所述全景相机移动的第一目标对象;
相应的,所述根据各目标对象的第一位置信息、移动方向和速度信息,以及预设的细节相机位置调整时间,计算各目标对象对应的抓拍位置信息;根据各目标对象的抓拍位置信息,以及预先构建的全景相机和细节相机的位置映射关系,确定各目标对象对应的细节相机位置信息,并根据各目标对象的大小确定各目标对象对应的倍率;确定各目标对象的跟踪时长,针对每个目标对象,根据该目标对象对应的细节相机位置信息和倍率,控制所述细节相机调整其位置和倍率,并控制调整后的细节相机在该目标对象对应的跟踪时长内抓拍该目标对象的步骤包括:
根据各第一目标对象的第一位置信息、移动方向和速度信息,以及预设的细节相机位置调整时间,计算各第一目标对象的抓拍位置信息;
根据各第一目标对象的抓拍位置信息,以及预先构建的全景相机和细节相机的位置映射关系,确定各第一目标对象对应的细节相机位置信息,并根据各第一目标对象的大小确定各第一目标对象对应的倍率;
确定各第一目标对象的跟踪时长,针对每个第一目标对象,根据该第一目标对象对应的细节相机位置信息和倍率,控制所述细节相机调整其位置和倍率,并控制调整后的细节相机在该第一目标对象对应的跟踪时长内抓拍该第一目标对象。
可选的,所述方法还包括:
针对任一目标对象,获取所述细节相机采集的该目标对象对应的多张图像;
在所述多张图像中,识别并保存图像质量最优的N张图像,其中,N为大于0的整数。
可选的,所述确定各目标对象的跟踪时长,针对每个目标对象,根据该目标对象对应的细节相机位置信息和倍率,控制所述细节相机调整其位置和倍率,并控制调整后的细节相机在该目标对象对应的跟踪时长内抓拍该目标对象的步骤包括:
根据每个目标对象对应的细节相机位置信息和倍率,对各目标对象进行分块处理,得到至少一个目标块,其中,各目标块中包含一个或多个目标对象;
确定每个目标块的跟踪时长,针对每个目标块,在该目标块包含的各目标对象中识别处于边缘位置的第二目标对象,并根据各第二目标对象对应的细节相机位置信息确定该目标块对应的细节相机位置信息,根据各第二目标对象对应的倍率确定该目标块对应的倍率;
针对每个目标块,根据该目标块对应的细节相机位置信息和倍率,控制所述细节相机调整其位置和倍率,并控制调整后的细节相机在该目标块对应的跟踪时长内抓拍该目标块。
可选的,所述确定每个目标块的跟踪时长的步骤包括:
针对每个目标块,根据该目标块中包括的各目标对象的移动方向,确定移动方向相同且数量最多的第三目标对象,并根据各第三目标对象的移动方向,确定该目标块距离监控场景边缘的距离;
根据各目标块距离监控场景边缘的距离,以及对应各目标块中包括的各第三目标对象的平均速度,计算各目标块的离开时间;
根据各目标块的离开时间,以及预设条件,计算各目标块的跟踪时长;其中,所述预设条件包括:各目标块的跟踪时长之和小于任一目标块的离开时间,各目标块的跟踪时长之和最大,各目标块的跟踪时长的方差最小。
可选的,所述根据各第二目标对象对应的倍率确定该目标块对应的倍率的步骤包括:
将各第二目标对象对应的倍率中的最大值作为该目标块对应的倍率,或将各第二目标对象的倍率乘以对应的权重得到综合倍率,作为该目标块对应的倍率。
可选的,所述检测全景相机所采集的当前全景视频帧中的目标对象的步骤包括:
检测全景相机所采集的当前全景视频帧中的,且不存在于上一视频帧中的目标对象。
第二方面,本发明实施例提供了一种目标对象抓拍装置,所述装置包括:
检测模块,用于检测全景相机所采集的当前全景视频帧中的目标对象,确定各目标对象在所述当前全景视频帧中的第一位置信息、大小、移动方向和速度信息;
计算模块,用于根据各目标对象的第一位置信息、移动方向和速度信息,以及预设的细节相机位置调整时间,计算各目标对象的抓拍位置信息;
第一确定模块,用于根据各目标对象的抓拍位置信息,以及预先构建的全景相机和细节相机的位置映射关系,确定各目标对象对应的细节相机位置信息,并根据各目标对象的大小确定各目标对象对应的倍率;
控制模块,用于确定各目标对象的跟踪时长,针对每个目标对象,根据该目标对象对应的细节相机位置信息和倍率,控制所述细节相机调整其位置和倍率,并控制调整后的细节相机在该目标对象对应的跟踪时长内抓拍该目标对象。
可选的,所述计算模块包括:
第一确定子模块,用于根据各目标对象的速度信息、移动方向,以及预设的细节相机位置调整时间,确定各目标对象的位置变化信息;
第二确定子模块,用于根据各目标对象的第一位置信息,以及对应的位置变化信息,确定各目标对象的抓拍位置信息。
可选的,所述第一确定模块包括:
第三确定子模块,用于针对每个目标对象,根据该目标对象的大小,确定对应的视场角;
第四确定子模块,用于根据预设的倍率和视场角的对应关系,确定该视场角对应的倍率,并将确定的倍率作为该目标对象对应的倍率。
可选的,所述控制模块包括:
第一计算子模块,用于根据各目标对象的移动方向,确定各目标对象距离监控场景边缘的距离,根据各目标对象距离监控场景边缘的距离、以及对应各目标对象的速度大小,计算各目标对象的离开时间;
第二计算子模块,用于根据各目标对象的离开时间,以及预设条件,计算各目标对象的跟踪时长;其中,所述预设条件包括:各目标对象的跟踪时长之和小于任一目标对象的离开时间,各目标对象的跟踪时长之和最大,各目标对象的跟踪时长的方差最小。
可选的,所述装置还包括:
第二确定模块,用于根据各目标对象的离开时间从小到大的顺序,确定各目标对象的抓拍优先级;
所述控制模块,具体用于根据抓拍优先级从高到低的顺序,针对每个目标对象,根据该目标对象对应的细节相机位置信息和倍率,控制所述细节相机调整其位置和倍率,并控制调整后的细节相机在该目标对象对应的跟踪时长内抓拍该目标对象。
可选的,所述控制模块,具体用于获取预设的跟踪时长,并将所获取的跟踪时长作为各目标对象的跟踪时长。
可选的,所述装置还包括:
识别模块,用于在各目标对象中,识别移动方向为正朝所述全景相机移动的第一目标对象;
相应的,所述计算模块,用于根据各第一目标对象的第一位置信息、移动方向和速度信息,以及预设的细节相机位置调整时间,计算各第一目标对象的抓拍位置信息;
所述第一确定模块,用于根据各第一目标对象的抓拍位置信息,以及预先构建的全景相机和细节相机的位置映射关系,确定各第一目标对象对应的细节相机位置信息,并根据各第一目标对象的大小确定各第一目标对象对应的倍率;
所述控制模块,用于确定各第一目标对象的跟踪时长,针对每个第一目标对象,根据该第一目标对象对应的细节相机位置信息和倍率,控制所述细节相机调整其位置和倍率,并控制调整后的细节相机在该第一目标对象对应的跟踪时长内抓拍该第一目标对象。
可选的,所述装置还包括:
获取模块,用于针对任一目标对象,获取所述细节相机采集的该目标对象对应的多张图像;
存储模块,用于在所述多张图像中,识别并保存图像质量最优的N张图像,其中,N为大于0的整数。
可选的,所述控制模块包括:
切分子模块,用于根据每个目标对象对应的细节相机位置信息和倍率,对各目标对象进行分块处理,得到至少一个目标块,其中,各目标块中包含一个或多个目标对象;
第五确定子模块,用于确定每个目标块的跟踪时长,针对每个目标块,在该目标块包含的各目标对象中识别处于边缘位置的第二目标对象,并根据各第二目标对象对应的细节相机位置信息确定该目标块对应的细节相机位置信息,根据各第二目标对象对应的倍率确定该目标块对应的倍率;
控制子模块,用于针对每个目标块,根据该目标块对应的细节相机位置信息和倍率,控制所述细节相机调整其位置和倍率,并控制调整后的细节相机在该目标块对应的跟踪时长内抓拍该目标块。
可选的,所述第五确定子模块包括:
确定子单元,用于针对每个目标块,根据该目标块中包括的各目标对象的移动方向,确定移动方向相同且数量最多的第三目标对象,并根据各第三目标对象的移动方向,确定该目标块距离监控场景边缘的距离;
第一计算子单元,用于根据各目标块距离监控场景边缘的距离,以及对应各目标块中包括的各第三目标对象的平均速度,计算各目标块的离开时间;
第二计算子单元,用于根据各目标块的离开时间,以及预设条件,计算各目标块的跟踪时长;其中,所述预设条件包括:各目标块的跟踪时长之和小于任一目标块的离开时间,各目标块的跟踪时长之和最大,各目标块的跟踪时长的方差最小。
可选的,所述第五确定子模块,具体用于将各第二目标对象对应的倍率中的最大值作为该目标块对应的倍率,或将各第二目标对象的倍率乘以对应的权重得到综合倍率,作为该目标块对应的倍率。
可选的,所述检测模块,具体用于检测全景相机所采集的当前全景视频帧中的,且不存在于上一全景视频帧中的目标对象。
第三方面,本发明实施例提供了一种视频监控设备,包括全景相机、细节相机、以及处理器;
所述全景相机,用于采集当前全景视频帧,并将所述当前全景视频帧发送给所述处理器;
所述处理器,用于检测所述当前全景视频帧中的目标对象,确定各目标对象在所述当前全景视频帧中的第一位置信息、大小、移动方向和速度信息;根据各目标对象的第一位置信息、移动方向和速度信息,以及预设的细节相机位置调整时间,计算各目标对象的抓拍位置信息;根据各目标对象的抓拍位置信息,以及预先构建的全景相机和细节相机的位置映射关系,确定各目标对象对应的细节相机位置信息,并根据各目标对象的大小确定各目标对象对应的倍率;确定各目标对象的跟踪时长,并针对每个目标对象,将该目标对象对应的细节相机位置信息和倍率发送至细节相机;
所述细节相机,用于根据接收到的该目标对象对应的细节相机位置信息和倍率调整其自身的位置和倍率,并控制调整后的细节相机在该目标对象对应的跟踪时长内抓拍该目标对象。
可选的,所述处理器,具体用于根据各目标对象的速度信息、移动方向,以及预设的细节相机位置调整时间,确定各目标对象的位置变化信息;根据各目标对象的第一位置信息,以及对应的位置变化信息,确定各目标对象的抓拍位置信息。
可选的,所述处理器,具体用于针对每个目标对象,根据该目标对象的大小,确定对应的视场角;根据预设的倍率和视场角的对应关系,确定该视场角对应的倍率,并将确定的倍率作为该目标对象对应的倍率。
可选的,所述处理器,具体用于根据各目标对象的移动方向,确定各目标对象距离监控场景边缘的距离,根据各目标对象距离监控场景边缘的距离、以及对应各目标对象的速度大小,计算各目标对象的离开时间;根据各目标对象的离开时间,以及预设条件,计算各目标对象的跟踪时长;其中,所述预设条件包括:各目标对象的跟踪时长之和小于任一目标对象的离开时间,各目标对象的跟踪时长之和最大,各目标对象的跟踪时长的方差最小。
可选的,所述处理器,还用于在针对每个目标对象,根据该目标对象对应的细节相机位置信息和倍率,控制所述细节相机调整其位置和倍率,并控制调整后的细节相机在该目标对象对应的跟踪时长内抓拍该目标对象之前,根据各目标对象的离开时间从小到大的顺序,确定各目标对象的抓拍优先级;
所述处理器,具体用于根据抓拍优先级从高到低的顺序,针对每个目标对象,将该目标对象对应的细节相机位置信息和倍率发送至细节相机;
所述细节相机,具体用于根据接收到的该目标对象对应的细节相机位置信息和倍率调整其自身的位置和倍率,并控制调整后的细节相机在该目标对象对应的跟踪时长内抓拍该目标对象。
可选的,所述处理器,具体用于获取预设的跟踪时长,并将所获取的跟踪时长作为各目标对象的跟踪时长。
可选的,所述处理器,还用于在根据各目标对象的第一位置信息、移动方向和速度信息,以及预设的细节相机位置调整时间,计算各目标对象的抓拍位置信息之前,在各目标对象中,识别移动方向为正朝所述全景相机移动的第一目标对象;
所述处理器,具体用于根据各第一目标对象的第一位置信息、移动方向和速度信息,以及预设的细节相机位置调整时间,计算各第一目标对象的抓拍位置信息;根据各第一目标对象的抓拍位置信息,以及预先构建的全景相机和细节相机的位置映射关系,确定各第一目标对象对应的细节相机位置信息,并根据各第一目标对象的大小确定各第一目标对象对应的倍率;确定各第一目标对象的跟踪时长,针对每个第一目标对象,将该第一目标对象对应的细节相机位置信息和倍率发送至细节相机;
所述细节相机,用于根据接收到的该第一目标对象对应的细节相机位置信息和倍率调整其自身的位置和倍率,并控制调整后的细节相机在该第一目标对象对应的跟踪时长内抓拍该第一目标对象。
可选的,所述处理器,还用于针对任一目标对象,获取所述细节相机采集的该目标对象对应的多张图像;在所述多张图像中,识别并保存图像质量最优的N张图像,其中,N为大于0的整数。
可选的,所述处理器,具体用于根据每个目标对象对应的细节相机位置信息和倍率,对各目标对象进行分块处理,得到至少一个目标块,其中,各目标块中包含一个或多个目标对象;确定每个目标块的跟踪时长,针对每个目标块,在该目标块包含的各目标对象中识别处于边缘位置的第二目标对象,并根据各第二目标对象对应的细节相机位置信息确定该目标块对应的细节相机位置信息,根据各第二目标对象对应的倍率确定该目标块对应的倍率;针对每个目标块,将该目标块对应的细节相机位置信息和倍率发送至细节相机;
所述细节相机,具体用于根据接收到的该目标块对应的细节相机位置信息和倍率调整其自身的位置和倍率,并控制调整后的细节相机在该目标块对应的跟踪时长内抓拍该目标块。
可选的,所述处理器,具体用于针对每个目标块,根据该目标块中包括的各目标对象的移动方向,确定移动方向相同且数量最多的第三目标对象,并根据各第三目标对象的移动方向,确定该目标块距离监控场景边缘的距离;根据各目标块距离监控场景边缘的距离,以及对应各目标块中包括的各第三目标对象的平均速度,计算各目标块的离开时间;根据各目标块的离开时间,以及预设条件,计算各目标块的跟踪时长;其中,所述预设条件包括:各目标块的跟踪时长之和小于任一目标块的离开时间,各目标块的跟踪时长之和最大,各目标块的跟踪时长的方差最小。
可选的,所述处理器,具体用于将各第二目标对象对应的倍率中的最大值作为该目标块对应的倍率,或将各第二目标对象的倍率乘以对应的权重得到综合倍率,作为该目标块对应的倍率。
可选的,所述处理器,具体用于检测全景相机所采集的当前全景视频帧中的,且不存在于上一视频帧中的目标对象。
本发明实施例提供的一种目标对象抓拍方法、装置及视频监控设备,所述方法包括:检测全景相机所采集的当前全景视频帧中的目标对象,确定各目标对象在所述当前全景视频帧中的第一位置信息、大小、移动方向和速度信息;根据各目标对象的第一位置信息、移动方向和速度信息,以及预设的细节相机位置调整时间,计算各目标对象的抓拍位置信息;根据各目标对象的抓拍位置信息,以及预先构建的全景相机和细节相机的位置映射关系,确定各目标对象对应的细节相机位置信息,并根据各目标对象的大小确定各目标对象对应的倍率;确定各目标对象的跟踪时长,针对每个目标对象,根据该目标对象对应的细节相机位置信息和倍率,控制所述细节相机调整其位置和倍率,并控制调整后的细节相机在该目标对象对应的跟踪时长内抓拍该目标对象。
本发明实施例中,当检测到全景相机中的目标对象时,能够根据各目标对象的具体位置信息、大小、移动方向和速度信息等,调整细节相机采用与各目标对象对应的位置和倍率对其进行抓拍,并且能够在各目标对象对应的抓拍时长内对各目标对象进行多次抓拍,从而能够在保证监控范围的前提下,提高目标对象的抓拍质量。
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为本发明实施例的一种目标对象抓拍方法的流程图;
图2为本发明实施例的一种全景视频帧示意图;
图3为本发明实施例的一种全景视频帧中目标对象位置信息示意图;
图4为本发明实施例的一种目标对象抓拍方法的另一流程图;
图5为本发明实施例的对目标对象进行分块的结果示意图;
图6为本发明实施例的确定目标块中第二目标对象的结果示意图;
图7为本发明实施例的一种目标对象抓拍装置的结构示意图;
图8为本发明实施例的一种视频监控设备的结构示意图。
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。
以下通过具体实施例,对本发明进行详细说明。
请参考图1,其示出了本发明实施例的一种目标对象抓拍方法流程,该方法可以包括以下步骤:
S101,检测全景相机所采集的当前全景视频帧中的目标对象,确定各目标对象在所述当前全景视频帧中的第一位置信息、大小、移动方向和速度信息。
本发明实施例提供的方法可以应用于视频监控设备。具体的,本发明实施例的视频监控设备至少可以包括全景相机、细节相机、以及处理器。其中,全景相机可以为监控范围较大的相机,例如枪机、鱼眼相机等;细节相机可以为能够调节抓拍倍率的相机,如球机等。并且,细节相机的位置也是可以调整的,从而,其监控范围和所采集图像中目标对象的大小都是可以调整的。
在本发明实施例中,全景相机可以采集全景视频帧。如,全景相机可以按照预设的时间间隔,周期性采集全景视频帧。并且,全景相机可以将采集的当前全景视频帧发送给处理器。
处理器接收到全景相机发送的当前全景视频帧后,可以对当前全景视频帧中的目标对象进行检测。例如,处理器可以采用DPM(deformable parts model,可形变部件模型)或FRCNN(Faster Region Convolutional Neural Network,快速区域卷积神经网络)等目标检测类算法,来检测当前全景视频帧中的目标对象。其中,上述目标对象可以为人、车辆等。本发明实施例中,以目标对象为人为例,来说明本发明实施例提供的目标对象抓拍方法。
参考图2,其示出了全景相机采集的当前全景视频帧的示意图。如图2所示,全景相机采集的当前全景视频帧中包括目标对象1、2、3、4、5、6、7、8、9、10。
检测到各目标对象后,处理器还可以确定各目标对象在当前全景视频帧中的第一位置信息、大小、移动方向和速度信息。如,处理器可以针对每个目标对象,确定该目标对象所在的长方形区域,并根据预设的坐标系,将该长方形区域的左上角坐标和右下角坐标确定为该目标对象的第一位置信息。相应的,处理器可以将该目标对象所在长方形区域的大小确定为该目标对象的大小。
如图3所示,针对目标对象1,可以确定其所在的长方形区域为210,并且,根据图中构建的坐标系,目标对象1的第一位置信息可以为区域210的左上角220和右下角230的坐标信息。目标对象1的大小可以为区域210的大小。
在确定任一目标对象的移动方向和速度信息时,处理器可以先确定该目标对象是否存在于之前采集的全景视频帧中,如,前一张视频帧中;如果是,可以根据多张视频帧,来确定目标对象的移动方向和速度信息。
S102,根据各目标对象的第一位置信息、移动方向和速度信息,以及预设的细节相机位置调整时间,计算各目标对象的抓拍位置信息。
在本发明实施例中,细节相机的位置是可以调整的。并且,调整其位置需要花费一定的时间。该时间可以预先设定好并保存在处理器中。
可以理解,由于细节相机位置调整需要一定的时间,且各目标对象有其对应的速度。因此,针对任一目标对象,其在当前全景视频帧中的位置可能并不是其被细节相机抓拍到时所在的位置。
处理器确定各目标对象的第一位置信息、移动方向和速度信息后,可以根据各目标对象的第一位置信息、移动方向和速度信息,以及预设的细节相机位置调整时间,计算各目标对象的抓拍位置信息,也就是各目标对象被细节相机抓拍到时所在全景视频帧中的位置信息。
例如,处理器可以根据各目标对象的速度信息、移动方向,以及预设的全景相机位置调整时间,确定各目标对象的位置变化信息。之后可以根据各目标对象的第一位置信息,以及对应的位置变化信息,确定各目标对象的抓拍位置信息。
S103,根据各目标对象的抓拍位置信息,以及预先构建的全景相机和细节相机的位置映射关系,确定各目标对象对应的细节相机位置信息,并根据各目标对象的大小确定各目标对象对应的倍率。
在本发明实施例中,可以预先构建全景相机和细节相机的位置映射关系。如,当任一目标对象在全景相机采集的全景视频帧中的位置信息为a1时,对应的细节相机的位置信息为b1;当任一目标对象在全景相机采集的全景视频帧中的位置信息为a2时,对应的细节相机的位置信息为b2等。其中,细节相机的位置信息可以包括其水平方向位置信息和垂直方向位置信息。
当处理器确定各目标对象的抓拍位置信息后,可以根据各目标对象的抓拍位置信息,以及预先构建的全景相机和细节相机的位置映射关系,确定各目标对象对应的细节相机位置信息。也就是说,确定细节相机用于抓拍各目标对象时所在的位置。
如,针对任一目标对象,处理器可以在预先保存的全景相机和细节相机的位置映射关系中,查找该目标对象的抓拍位置信息,并将该抓拍位置信息对应的细节相机的位置信息作为该目标对象对应的细节相机位置信息。
在本发明实施例中,为了能够清晰的对目标对象进行抓拍,细节相机的倍率是可以调整的。具体的,处理器可以根据各目标对象的大小,确定各目标对象对应的倍率。
通常情况下,图像中人的像素宽度达到240为可辨认的细节标准。根据该标准,处理器可以确定不同大小的目标对象对应的倍率。如,针对较大的目标对象,可以将细节相机的倍率调整为较小值,以抓拍到完整的目标对象;针对较小的目标对象,可以将细节相机的倍率调整为较大值,以获得尽可能大的目标对象,提高其清晰度。
在一种实现方式中,处理器可以针对每个目标对象,根据该目标对象的大小,确定对应的视场角,进而可以根据预设的倍率和视场角的对应关系,确定该视场角对应的倍率,并将确定的倍率作为该目标对象对应的倍率。
S104,确定各目标对象的跟踪时长,针对每个目标对象,根据该目标对象对应的细节相机位置信息和倍率,控制所述细节相机调整其位置和倍率,并控制调整后的细节相机在该目标对象对应的跟踪时长内抓拍该目标对象。
在本发明实施例中,为了提高目标对象的抓拍质量,可以针对任一目标对象,对其进行多次抓拍。具体的,处理器可以在对各目标对象进行抓拍之前,确定各目标对象的跟踪时长,进而可以在各目标对象的跟踪时长内对各目标对象进行多次抓拍。
例如,处理器可以预先设定各目标对象的跟踪时长为相同值,在进行目标对象抓拍之前,获取预设的跟踪时长,并将所获取的跟踪时长作为各目标对象的跟踪时长。
确定各目标对象的跟踪时长,且得到各目标对象的细节相机位置信息和倍率后,即可对各目标对象进行细节抓拍。具体的,处理器可以针对每个目标对象,根据该目标对象对应的细节相机位置信息和倍率,控制细节相机调整其位置和倍率,并控制调整后的细节相机在该目标对象对应的跟踪时长内抓拍该目标对象。
例如,处理器可以按照各目标对象的检测顺序,依次针对每个目标对象,向细节相机发送包含将该目标对象对应的细节相机位置信息和倍率的抓拍指令。细节相机接收到抓拍指令后,可以根据其中包含的细节相机位置信息和倍率,调整其自身的位置和倍率,并在该目标对象对应的跟踪时长内抓拍该目标对象。如,针对任一目标对象,细节相机可以在任一目标对象对应的跟踪时长内按照一固定的抓拍频率,对该目标对象进行抓拍。
本发明实施例中,当检测到全景相机中的目标对象时,能够根据各目标对象的具体位置信息、大小、移动方向和速度信息等,调整细节相机采用与各目标对象对应的位置和倍率对其进行抓拍,并且能够在各目标对象对应的抓拍时长内对各目标对象进行多次抓拍,从而能够在保证监控范围的前提下,提高目标对象的抓拍质量
作为本发明实施例的一种实施方式,为了提高目标对象抓拍效率,处理器对当前全景视频帧中的目标对象进行检测时,可以检测全景相机所采集的当前全景视频帧中的,且不存在于上一全景视频帧中的目标对象。
可以理解,相邻全景视频帧中的同一目标对象,其相似度一般是较高的。因此,针对出现在相邻全景视频帧中的同一目标对象,可以仅对其进行一次细节抓拍,从而能提高目标对象抓拍效率。
作为本发明实施例的一种实施方式,处理器在确定各目标对象的跟踪时长时,可以根据各目标对象的移动方向,确定各目标对象距离监控场景边缘的距离,根据各目标对象距离监控场景边缘的距离、以及对应各目标对象的速度大小,计算各目标对象的离开时间,进而可以根据各目标对象的离开时间,以及预设条件,计算各目标对象的跟踪时长;其中,上述预设条件包括:各目标对象的跟踪时长之和小于任一目标对象的离开时间,各目标对象的跟踪时长之和最大,各目标对象的跟踪时长的方差最小。
具体的,处理器可以通过以下公式,计算各目标对象i的跟踪时长Tk(i):
其中,Tl(n)为任一目标对象的离开时间。
并且,要满足以下两个条件:
达到最大,且达到最小。
也就是说,在确定各目标对象的跟踪时长时,能够保证每个目标对象都能分配到一定的跟踪时长,从而保证每个目标对象都能被抓拍到。并且,各目标对象的跟踪时长尽可能长,且各目标对象的跟踪时长相差较小,防止局部最优。
在本发明实施例中,为了进一步提高各目标对象的抓拍质量,处理器可以确定各目标对象的抓拍优先级,进而可以根据优先级顺序,对各目标对象进行抓拍。
具体的,处理器可以根据离开时间从小到大的顺序,确定各目标对象的抓拍优先级。也就是说,离开时间越小的目标对象,其抓拍优先级越大。
相应的,对目标对象进行抓拍时,处理器可以根据抓拍优先级从高到低的顺序,针对每个目标对象,根据该目标对象对应的细节相机位置信息和倍率,控制所述细节相机调整其位置和倍率,并控制调整后的细节相机在该目标对象对应的跟踪时长内抓拍该目标对象。
本发明实施例中,能够根据各目标对象的离开时间,确定各目标对象的抓拍优先级,并根据抓拍优先级顺序,对各目标对象进行抓拍,从而能够尽可能保证对各目标对象进行抓拍时,各目标对象不会位于边缘位置,提高各目标对象的抓拍质量。
可以理解,对目标对象进行抓拍时,面朝全景相机移动的目标对象,可以抓拍到质量比较好的图像。因此,作为本发明实施例的一种实施方式,为了提高抓拍质量和抓拍效率,在确定各目标对象对应的抓拍位置信息之前,处理器可以在各目标对象中,识别移动方向为正朝全景相机移动的第一目标对象。例如,处理器可以根据各目标对象的移动方向,来识别正朝全景相机移动的第一目标对象。
相应的,识别出第一目标对象后,处理器可以仅对各第一目标对象进行抓拍。具体的,处理器可以根据各第一目标对象的第一位置信息、移动方向和速度信息,以及预设的细节相机位置调整时间,计算各第一目标对象的抓拍位置信息;然后根据各第一目标对象的抓拍位置信息,以及预先构建的全景相机和细节相机的位置映射关系,确定各第一目标对象对应的细节相机位置信息,并根据各第一目标对象的大小确定各第一目标对象对应的倍率;之后确定各第一目标对象的跟踪时长,针对每个第一目标对象,根据该第一目标对象对应的细节相机位置信息和倍率,控制所述细节相机调整其位置和倍率,并控制调整后的细节相机在该第一目标对象对应的跟踪时长内抓拍该第一目标对象。
作为本发明实施例的一种实施方式,处理器控制细节相机对各目标对象进行抓拍后,其还可以针对每个目标对象,在其对应的图像中,识别质量较高的一张或多张图像进行保存,进而可以对保存的图像进行特征提取等操作。
具体的,处理器可以针对任一目标对象,获取细节相机采集的该目标对象对应的多张图像,进而在该多张图像中,识别并保存图像质量最优的N张图像,其中,N为大于0的整数。
作为本发明实施例的一种实施方式,为了提高目标对象的抓拍效率,处理器可以对当前全景视频帧中的各个目标对象进行分块处理。如图4所示,处理器对各目标对象进行抓拍的过程可以包括以下步骤:
S401,根据每个目标对象对应的细节相机位置信息和倍率,对各目标对象进行分块处理,得到至少一个目标块,其中,各目标块中包含一个或多个目标对象。
本发明实施例中,处理器可以根据每个目标对象对应的细节相机位置信息和倍率,对各目标对象进行分块处理,得到至少一个目标块,其中,各目标块中包含一个或多个目标对象。
细节相机在不同的倍率下,对应不同的位置范围。当得到各目标对象对应的细节相机位置信息和倍率后,通过搜索寻找倍率在一定范围内(如0.5倍)能满足细节相机位置范围的所有目标分为一块,最终形成不同的目标块。
参考图5,对图2所示的全景视频帧中各目标对象进行分块处理后,得到的各目标块可以如图5所示。如图5所示,可以将各目标对象分为4块,分别为目标对象7、8、9、10为一块,目标对象2、3、4为一块,目标对象5、6为一块,目标对象1为一块。
S402,确定每个目标块的跟踪时长,针对每个目标块,在该目标块包含的各目标对象中识别处于边缘位置的第二目标对象,并根据各第二目标对象对应的细节相机位置信息确定该目标块对应的细节相机位置信息,根据各第二目标对象对应的倍率确定该目标块对应的倍率。
得到目标块后,处理器可以确定每个目标块的跟踪时长。具体的,针对任一目标块,处理器可以首先根据该目标块中包括的各目标对象的移动方向,确定移动方向相同且数量最多的第三目标对象,并根据各第三目标对象的移动方向,确定该目标块距离监控场景边缘的距离。
如,当任一目标块中包括6个目标对象,其中5个目标对象的移动方向为正朝全景相机移动,另一个目标对象的移动方向为背向全景相机移动时,可以将正朝全景相机移动的5个目标对象确定为第三目标对象。进而,处理器可以确定当该目标块的移动方向为第三目标对象的移动方向时,该目标块距离监控场景边缘的距离。
进一步地,处理器可以根据各目标块距离监控场景边缘的距离,以及对应各目标块中包括的各第三目标对象的平均速度,计算各目标块的离开时间;并且,可以根据各目标块的离开时间,以及预设条件,计算各目标块的跟踪时长;其中,该预设条件包括:各目标块的跟踪时长之和小于任一目标块的离开时间,各目标块的跟踪时长之和最大,各目标块的跟踪时长的方差最小。
处理器确定各目标块的跟踪时长的过程,可以参考确定各目标对象的跟踪时长的过程,在此不做赘述。
在本实施例中,处理器还可以针对每个目标块,在该目标块包含的各目标对象中识别处于边缘位置的第二目标对象。
如图6所示,其示出了一目标块中包括多个目标对象的示意图。如图6所示,针对该目标块,处理器可以识别出处于边缘位置的第二目标对象分别为目标对象610、620、650、和660。
识别出各目标块中处于边缘位置的各第二目标对象后,处理器可以根据各第二目标对象对应的细节相机位置信息确定该目标块对应的细节相机位置信息,根据各第二目标对象对应的倍率确定该目标块对应的倍率。
如,可以将各第二目标对象对应的倍率中的最大值作为该目标块对应的倍率,或将各第二目标对象的倍率乘以对应的权重得到综合倍率,作为该目标块对应的倍率。
S403,针对每个目标块,根据该目标块对应的细节相机位置信息和倍率,控制所述细节相机调整其位置和倍率,并控制调整后的细节相机在该目标块对应的跟踪时长内抓拍该目标块。
得到各目标块对应的细节相机位置信息和倍率,以及各目标块对应的跟踪时长后,处理器可以针对每个目标块,根据该目标块对应的细节相机位置信息和倍率,控制细节相机调整其位置和倍率,并控制调整后的细节相机在该目标块对应的跟踪时长内抓拍该目标块。
本实施例中,处理器可以对各目标对象进行分块处理,进而可以对各个目标块进行抓拍,提高抓拍效率。
相应的,本发明实施例还提供了一种目标对象抓拍装置,如图7所示,所述装置包括:
检测模块710,用于检测全景相机所采集的当前全景视频帧中的目标对象,确定各目标对象在所述当前全景视频帧中的第一位置信息、大小、移动方向和速度信息;
计算模块720,用于根据各目标对象的第一位置信息、移动方向和速度信息,以及预设的细节相机位置调整时间,计算各目标对象的抓拍位置信息;
第一确定模块730,用于根据各目标对象的抓拍位置信息,以及预先构建的全景相机和细节相机的位置映射关系,确定各目标对象对应的细节相机位置信息,并根据各目标对象的大小确定各目标对象对应的倍率;
控制模块740,用于确定各目标对象的跟踪时长,针对每个目标对象,根据该目标对象对应的细节相机位置信息和倍率,控制所述细节相机调整其位置和倍率,并控制调整后的细节相机在该目标对象对应的跟踪时长内抓拍该目标对象。
本发明实施例中,当检测到全景相机中的目标对象时,能够根据各目标对象的具体位置信息、大小、移动方向和速度信息等,调整细节相机采用与各目标对象对应的位置和倍率对其进行抓拍,并且能够在各目标对象对应的抓拍时长内对各目标对象进行多次抓拍,从而能够在保证监控范围的前提下,提高目标对象的抓拍质量。
作为本发明实施例的一种实施方式,所述计算模块720包括:
第一确定子模块(图中未示出),用于根据各目标对象的速度信息、移动方向,以及预设的细节相机位置调整时间,确定各目标对象的位置变化信息;
第二确定子模块(图中未示出),用于根据各目标对象的第一位置信息,以及对应的位置变化信息,确定各目标对象的抓拍位置信息。
作为本发明实施例的一种实施方式,所述第一确定模块730包括:
第三确定子模块(图中未示出),用于针对每个目标对象,根据该目标对象的大小,确定对应的视场角;
第四确定子模块(图中未示出),用于根据预设的倍率和视场角的对应关系,确定该视场角对应的倍率,并将确定的倍率作为该目标对象对应的倍率。
作为本发明实施例的一种实施方式,所述控制模块740包括:
第一计算子模块(图中未示出),用于根据各目标对象的移动方向,确定各目标对象距离监控场景边缘的距离,根据各目标对象距离监控场景边缘的距离、以及对应各目标对象的速度大小,计算各目标对象的离开时间;
第二计算子模块(图中未示出),用于根据各目标对象的离开时间,以及预设条件,计算各目标对象的跟踪时长;其中,所述预设条件包括:各目标对象的跟踪时长之和小于任一目标对象的离开时间,各目标对象的跟踪时长之和最大,各目标对象的跟踪时长的方差最小。
作为本发明实施例的一种实施方式,所述装置还包括:
第二确定模块(图中未示出),用于根据各目标对象的离开时间从小到大的顺序,确定各目标对象的抓拍优先级;
所述控制模块740,具体用于根据抓拍优先级从高到低的顺序,针对每个目标对象,根据该目标对象对应的细节相机位置信息和倍率,控制所述细节相机调整其位置和倍率,并控制调整后的细节相机在该目标对象对应的跟踪时长内抓拍该目标对象。
作为本发明实施例的一种实施方式,,所述控制模块740,具体用于获取预设的跟踪时长,并将所获取的跟踪时长作为各目标对象的跟踪时长。
作为本发明实施例的一种实施方式,所述装置还包括:
识别模块(图中未示出),用于在各目标对象中,识别移动方向为正朝所述全景相机移动的第一目标对象;
相应的,所述计算模块720,用于根据各第一目标对象的第一位置信息、移动方向和速度信息,以及预设的细节相机位置调整时间,计算各第一目标对象的抓拍位置信息;
所述第一确定模块730,用于根据各第一目标对象的抓拍位置信息,以及预先构建的全景相机和细节相机的位置映射关系,确定各第一目标对象对应的细节相机位置信息,并根据各第一目标对象的大小确定各第一目标对象对应的倍率;
所述控制模块740,用于确定各第一目标对象的跟踪时长,针对每个第一目标对象,根据该第一目标对象对应的细节相机位置信息和倍率,控制所述细节相机调整其位置和倍率,并控制调整后的细节相机在该第一目标对象对应的跟踪时长内抓拍该第一目标对象。
作为本发明实施例的一种实施方式,所述装置还包括:
获取模块(图中未示出),用于针对任一目标对象,获取所述细节相机采集的该目标对象对应的多张图像;
存储模块(图中未示出),用于在所述多张图像中,识别并保存图像质量最优的N张图像,其中,N为大于0的整数。
作为本发明实施例的一种实施方式,所述控制模块740包括:
切分子模块(图中未示出),用于根据每个目标对象对应的细节相机位置信息和倍率,对各目标对象进行分块处理,得到至少一个目标块,其中,各目标块中包含一个或多个目标对象;
第五确定子模块(图中未示出),用于确定每个目标块的跟踪时长,针对每个目标块,在该目标块包含的各目标对象中识别处于边缘位置的第二目标对象,并根据各第二目标对象对应的细节相机位置信息确定该目标块对应的细节相机位置信息,根据各第二目标对象对应的倍率确定该目标块对应的倍率;
控制子模块(图中未示出),用于针对每个目标块,根据该目标块对应的细节相机位置信息和倍率,控制所述细节相机调整其位置和倍率,并控制调整后的细节相机在该目标块对应的跟踪时长内抓拍该目标块。
作为本发明实施例的一种实施方式,所述第五确定子模块包括:
确定子单元(图中未示出),用于针对每个目标块,根据该目标块中包括的各目标对象的移动方向,确定移动方向相同且数量最多的第三目标对象,并根据各第三目标对象的移动方向,确定该目标块距离监控场景边缘的距离;
第一计算子单元(图中未示出),用于根据各目标块距离监控场景边缘的距离,以及对应各目标块中包括的各第三目标对象的平均速度,计算各目标块的离开时间;
第二计算子单元(图中未示出),用于根据各目标块的离开时间,以及预设条件,计算各目标块的跟踪时长;其中,所述预设条件包括:各目标块的跟踪时长之和小于任一目标块的离开时间,各目标块的跟踪时长之和最大,各目标块的跟踪时长的方差最小。
作为本发明实施例的一种实施方式,所述第五确定子模块,具体用于将各第二目标对象对应的倍率中的最大值作为该目标块对应的倍率,或将各第二目标对象的倍率乘以对应的权重得到综合倍率,作为该目标块对应的倍率。
作为本发明实施例的一种实施方式,所述检测模块710,具体用于检测全景相机所采集的当前全景视频帧中的,且不存在于上一全景视频帧中的目标对象。
相应的,本发明实施例还提供了一种视频监控设备,如图8所示,所述视频监控设备包括全景相机810、处理器820、以及细节相机830;
所述全景相机810,用于采集当前全景视频帧,并将所述当前全景视频帧发送给所述处理器820;
所述处理器820,用于检测所述当前全景视频帧中的目标对象,确定各目标对象在所述当前全景视频帧中的第一位置信息、大小、移动方向和速度信息;根据各目标对象的第一位置信息、移动方向和速度信息,以及预设的细节相机位置调整时间,计算各目标对象的抓拍位置信息;根据各目标对象的抓拍位置信息,以及预先构建的全景相机和细节相机的位置映射关系,确定各目标对象对应的细节相机位置信息,并根据各目标对象的大小确定各目标对象对应的倍率;确定各目标对象的跟踪时长,并针对每个目标对象,将该目标对象对应的细节相机位置信息和倍率发送至细节相机;
所述细节相机830,用于根据接收到的该目标对象对应的细节相机位置信息和倍率调整其自身的位置和倍率,并在该目标对象对应的跟踪时长内抓拍该目标对象。
本发明实施例中,当检测到全景相机中的目标对象时,能够根据各目标对象的具体位置信息、大小、移动方向和速度信息等,调整细节相机采用与各目标对象对应的位置和倍率对其进行抓拍,并且能够在各目标对象对应的抓拍时长内对各目标对象进行多次抓拍,从而能够在保证监控范围的前提下,提高目标对象的抓拍质量。
作为本发明实施例的一种实施方式,所述处理器820,具体用于根据各目标对象的速度信息、移动方向,以及预设的细节相机位置调整时间,确定各目标对象的位置变化信息;根据各目标对象的第一位置信息,以及对应的位置变化信息,确定各目标对象对应的抓拍位置信息。
作为本发明实施例的一种实施方式,所述处理器820,具体用于针对每个目标对象,根据该目标对象的大小,确定对应的视场角;根据预设的倍率和视场角的对应关系,确定该视场角对应的倍率,并将确定的倍率作为该目标对象对应的倍率。
作为本发明实施例的一种实施方式,所述处理器820,具体用于根据各目标对象的移动方向,确定各目标对象距离监控场景边缘的距离,根据各目标对象距离监控场景边缘的距离、以及对应各目标对象的速度大小,计算各目标对象的离开时间;根据各目标对象的离开时间,以及预设条件,计算各目标对象的跟踪时长;其中,所述预设条件包括:各目标对象的跟踪时长之和小于任一目标对象的离开时间,各目标对象的跟踪时长之和最大,各目标对象的跟踪时长的方差最小。
作为本发明实施例的一种实施方式,所述处理器820,还用于在针对每个目标对象,根据该目标对象对应的细节相机位置信息和倍率,控制所述细节相机调整其位置和倍率,并控制调整后的细节相机在该目标对象对应的跟踪时长内抓拍该目标对象之前,根据各目标对象的离开时间从小到大的顺序,确定各目标对象的抓拍优先级;
所述处理器820,具体用于根据抓拍优先级从高到低的顺序,针对每个目标对象,将该目标对象对应的细节相机位置信息和倍率发送至细节相机830;
所述细节相机830,具体用于根据接收到的该目标对象对应的细节相机位置信息和倍率调整其自身的位置和倍率,并控制调整后的细节相机在该目标对象对应的跟踪时长内抓拍该目标对象。
作为本发明实施例的一种实施方式,所述处理器820,具体用于获取预设的跟踪时长,并将所获取的跟踪时长作为各目标对象的跟踪时长。
作为本发明实施例的一种实施方式,所述处理器820,还用于在根据各目标对象的第一位置信息、移动方向和速度信息,以及预设的细节相机位置调整时间,计算各目标对象的抓拍位置信息之前,在各目标对象中,识别移动方向为正朝所述全景相机移动的第一目标对象;
所述处理器820,具体用于根据各第一目标对象的第一位置信息、移动方向和速度信息,以及预设的细节相机位置调整时间,计算各第一目标对象的抓拍位置信息;根据各第一目标对象的抓拍位置信息,以及预先构建的全景相机和细节相机的位置映射关系,确定各第一目标对象对应的细节相机位置信息,并根据各第一目标对象的大小确定各第一目标对象对应的倍率;确定各第一目标对象的跟踪时长,针对每个第一目标对象,将该第一目标对象对应的细节相机位置信息和倍率发送至细节相机830;
所述细节相机830,用于根据接收到的该第一目标对象对应的细节相机位置信息和倍率调整其自身的位置和倍率,并控制调整后的细节相机在该第一目标对象对应的跟踪时长内抓拍该第一目标对象。
作为本发明实施例的一种实施方式,所述处理器820,还用于针对任一目标对象,获取所述细节相机采集的该目标对象对应的多张图像;在所述多张图像中,识别并保存图像质量最优的N张图像,其中,N为大于0的整数。
作为本发明实施例的一种实施方式,所述处理器820,具体用于根据每个目标对象对应的细节相机位置信息和倍率,对各目标对象进行分块处理,得到至少一个目标块,其中,各目标块中包含一个或多个目标对象;确定每个目标块的跟踪时长,针对每个目标块,在该目标块包含的各目标对象中识别处于边缘位置的第二目标对象,并根据各第二目标对象对应的细节相机位置信息确定该目标块对应的细节相机位置信息,根据各第二目标对象对应的倍率确定该目标块对应的倍率;针对每个目标块,将该目标块对应的细节相机位置信息和倍率发送至细节相机830;
所述细节相机830,具体用于根据接收到的该目标块对应的细节相机位置信息和倍率调整其自身的位置和倍率,并控制调整后的细节相机在该目标块对应的跟踪时长内抓拍该目标块。
作为本发明实施例的一种实施方式,所述处理器820,具体用于针对每个目标块,根据该目标块中包括的各目标对象的移动方向,确定移动方向相同且数量最多的第三目标对象,并根据各第三目标对象的移动方向,确定该目标块距离监控场景边缘的距离;根据各目标块距离监控场景边缘的距离,以及对应各目标块中包括的各第三目标对象的平均速度,计算各目标块的离开时间;根据各目标块的离开时间,以及预设条件,计算各目标块的跟踪时长;其中,所述预设条件包括:各目标块的跟踪时长之和小于任一目标块的离开时间,各目标块的跟踪时长之和最大,各目标块的跟踪时长的方差最小。
作为本发明实施例的一种实施方式,所述处理器820,具体用于将各第二目标对象对应的倍率中的最大值作为该目标块对应的倍率,或将各第二目标对象的倍率乘以对应的权重得到综合倍率,作为该目标块对应的倍率。
作为本发明实施例的一种实施方式,所述处理器820,具体用于检测全景相机所采集的当前全景视频帧中的,且不存在于上一视频帧中的目标对象。
对于装置/视频监控设备实施例而言,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。
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,对于系统实施例而言,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 (25)
1.一种目标对象抓拍方法,其特征在于,所述方法包括:
检测全景相机所采集的当前全景视频帧中的目标对象,确定各目标对象在所述当前全景视频帧中的第一位置信息、大小、移动方向和速度信息;
根据各目标对象的第一位置信息、移动方向和速度信息,以及预设的细节相机位置调整时间,计算各目标对象的抓拍位置信息;
根据各目标对象的抓拍位置信息,以及预先构建的全景相机和细节相机的位置映射关系,确定各目标对象对应的细节相机位置信息,并根据各目标对象的大小确定各目标对象对应的倍率;
确定各目标对象的跟踪时长,针对每个目标对象,根据该目标对象对应的细节相机位置信息和倍率,控制所述细节相机调整其位置和倍率,并控制调整后的细节相机在该目标对象对应的跟踪时长内抓拍该目标对象。
2.根据权利要求1所述的方法,其特征在于,所述根据各目标对象的第一位置信息、移动方向和速度信息,以及预设的细节相机位置调整时间,计算各目标对象的抓拍位置信息的步骤包括:
根据各目标对象的速度信息、移动方向,以及预设的细节相机位置调整时间,确定各目标对象的位置变化信息;
根据各目标对象的第一位置信息,以及对应的位置变化信息,确定各目标对象的抓拍位置信息。
3.根据权利要求1所述的方法,其特征在于,所述根据各目标对象的大小确定各目标对象对应的倍率的步骤包括:
针对每个目标对象,根据该目标对象的大小,确定对应的视场角;
根据预设的倍率和视场角的对应关系,确定该视场角对应的倍率,并将确定的倍率作为该目标对象对应的倍率。
4.根据权利要求1所述的方法,其特征在于,所述确定各目标对象的跟踪时长的步骤包括:
根据各目标对象的移动方向,确定各目标对象距离监控场景边缘的距离,根据各目标对象距离监控场景边缘的距离、以及对应各目标对象的速度大小,计算各目标对象的离开时间;
根据各目标对象的离开时间,以及预设条件,计算各目标对象的跟踪时长;其中,所述预设条件包括:各目标对象的跟踪时长之和小于任一目标对象的离开时间,各目标对象的跟踪时长之和最大,各目标对象的跟踪时长的方差最小。
5.根据权利要求4所述的方法,其特征在于,所述针对每个目标对象,根据该目标对象对应的细节相机位置信息和倍率,控制所述细节相机调整其位置和倍率,并控制调整后的细节相机在该目标对象对应的跟踪时长内抓拍该目标对象之前,所述方法还包括:
根据各目标对象的离开时间从小到大的顺序,确定各目标对象的抓拍优先级;
所述针对每个目标对象,根据该目标对象对应的细节相机位置信息和倍率,控制所述细节相机调整其位置和倍率,并控制调整后的细节相机在该目标对象对应的跟踪时长内抓拍该目标对象的步骤包括:
根据抓拍优先级从高到低的顺序,针对每个目标对象,根据该目标对象对应的细节相机位置信息和倍率,控制所述细节相机调整其位置和倍率,并控制调整后的细节相机在该目标对象对应的跟踪时长内抓拍该目标对象。
6.根据权利要求1所述的方法,其特征在于,所述确定各目标对象的跟踪时长的步骤包括:
获取预设的跟踪时长,并将所获取的跟踪时长作为各目标对象的跟踪时长。
7.根据权利要求1-6任一项所述的方法,其特征在于,所述根据各目标对象的第一位置信息、移动方向和速度信息,以及预设的细节相机位置调整时间,计算各目标对象的抓拍位置信息之前,所述方法还包括:
在各目标对象中,识别移动方向为正朝所述全景相机移动的第一目标对象;
相应的,所述根据各目标对象的第一位置信息、移动方向和速度信息,以及预设的细节相机位置调整时间,计算各目标对象的抓拍位置信息;根据各目标对象的抓拍位置信息,以及预先构建的全景相机和细节相机的位置映射关系,确定各目标对象对应的细节相机位置信息,并根据各目标对象的大小确定各目标对象对应的倍率;确定各目标对象的跟踪时长,针对每个目标对象,根据该目标对象对应的细节相机位置信息和倍率,控制所述细节相机调整其位置和倍率,并控制调整后的细节相机在该目标对象对应的跟踪时长内抓拍该目标对象的步骤包括:
根据各第一目标对象的第一位置信息、移动方向和速度信息,以及预设的细节相机位置调整时间,计算各第一目标对象的抓拍位置信息;
根据各第一目标对象的抓拍位置信息,以及预先构建的全景相机和细节相机的位置映射关系,确定各第一目标对象对应的细节相机位置信息,并根据各第一目标对象的大小确定各第一目标对象对应的倍率;
确定各第一目标对象的跟踪时长,针对每个第一目标对象,根据该第一目标对象对应的细节相机位置信息和倍率,控制所述细节相机调整其位置和倍率,并控制调整后的细节相机在该第一目标对象对应的跟踪时长内抓拍该第一目标对象。
8.根据权利要求1-6任一项所述的方法,其特征在于,所述方法还包括:
针对任一目标对象,获取所述细节相机采集的该目标对象对应的多张图像;
在所述多张图像中,识别并保存图像质量最优的N张图像,其中,N为大于0的整数。
9.根据权利要求1-6任一项所述的方法,其特征在于,所述确定各目标对象的跟踪时长,针对每个目标对象,根据该目标对象对应的细节相机位置信息和倍率,控制所述细节相机调整其位置和倍率,并控制调整后的细节相机在该目标对象对应的跟踪时长内抓拍该目标对象的步骤包括:
根据每个目标对象对应的细节相机位置信息和倍率,对各目标对象进行分块处理,得到至少一个目标块,其中,各目标块中包含一个或多个目标对象;
确定每个目标块的跟踪时长,针对每个目标块,在该目标块包含的各目标对象中识别处于边缘位置的第二目标对象,并根据各第二目标对象对应的细节相机位置信息确定该目标块对应的细节相机位置信息,根据各第二目标对象对应的倍率确定该目标块对应的倍率;
针对每个目标块,根据该目标块对应的细节相机位置信息和倍率,控制所述细节相机调整其位置和倍率,并控制调整后的细节相机在该目标块对应的跟踪时长内抓拍该目标块。
10.根据权利要求9所述的方法,其特征在于,所述确定每个目标块的跟踪时长的步骤包括:
针对每个目标块,根据该目标块中包括的各目标对象的移动方向,确定移动方向相同且数量最多的第三目标对象,并根据各第三目标对象的移动方向,确定该目标块距离监控场景边缘的距离;
根据各目标块距离监控场景边缘的距离,以及对应各目标块中包括的各第三目标对象的平均速度,计算各目标块的离开时间;
根据各目标块的离开时间,以及预设条件,计算各目标块的跟踪时长;其中,所述预设条件包括:各目标块的跟踪时长之和小于任一目标块的离开时间,各目标块的跟踪时长之和最大,各目标块的跟踪时长的方差最小。
11.根据权利要求9所述的方法,其特征在于,所述根据各第二目标对象对应的倍率确定该目标块对应的倍率的步骤包括:
将各第二目标对象对应的倍率中的最大值作为该目标块对应的倍率,或将各第二目标对象的倍率乘以对应的权重得到综合倍率,作为该目标块对应的倍率。
12.根据权利要求1-6任一项所述的方法,其特征在于,所述检测全景相机所采集的当前全景视频帧中的目标对象的步骤包括:
检测全景相机所采集的当前全景视频帧中的,且不存在于上一全景视频帧中的目标对象。
13.一种目标对象抓拍装置,其特征在于,所述装置包括:
检测模块,用于检测全景相机所采集的当前全景视频帧中的目标对象,确定各目标对象在所述当前全景视频帧中的第一位置信息、大小、移动方向和速度信息;
计算模块,用于根据各目标对象的第一位置信息、移动方向和速度信息,以及预设的细节相机位置调整时间,计算各目标对象的抓拍位置信息;
第一确定模块,用于根据各目标对象的抓拍位置信息,以及预先构建的全景相机和细节相机的位置映射关系,确定各目标对象对应的细节相机位置信息,并根据各目标对象的大小确定各目标对象对应的倍率;
控制模块,用于确定各目标对象的跟踪时长,针对每个目标对象,根据该目标对象对应的细节相机位置信息和倍率,控制所述细节相机调整其位置和倍率,并控制调整后的细节相机在该目标对象对应的跟踪时长内抓拍该目标对象。
14.根据权利要求13所述的装置,其特征在于,所述计算模块包括:
第一确定子模块,用于根据各目标对象的速度信息、移动方向,以及预设的细节相机位置调整时间,确定各目标对象的位置变化信息;
第二确定子模块,用于根据各目标对象的第一位置信息,以及对应的位置变化信息,确定各目标对象的抓拍位置信息。
15.根据权利要求13所述的装置,其特征在于,所述第一确定模块包括:
第三确定子模块,用于针对每个目标对象,根据该目标对象的大小,确定对应的视场角;
第四确定子模块,用于根据预设的倍率和视场角的对应关系,确定该视场角对应的倍率,并将确定的倍率作为该目标对象对应的倍率。
16.根据权利要求13所述的装置,其特征在于,所述控制模块包括:
第一计算子模块,用于根据各目标对象的移动方向,确定各目标对象距离监控场景边缘的距离,根据各目标对象距离监控场景边缘的距离、以及对应各目标对象的速度大小,计算各目标对象的离开时间;
第二计算子模块,用于根据各目标对象的离开时间,以及预设条件,计算各目标对象的跟踪时长;其中,所述预设条件包括:各目标对象的跟踪时长之和小于任一目标对象的离开时间,各目标对象的跟踪时长之和最大,各目标对象的跟踪时长的方差最小。
17.根据权利要求16所述的装置,其特征在于,所述装置还包括:
第二确定模块,用于根据各目标对象的离开时间从小到大的顺序,确定各目标对象的抓拍优先级;
所述控制模块,具体用于根据抓拍优先级从高到低的顺序,针对每个目标对象,根据该目标对象对应的细节相机位置信息和倍率,控制所述细节相机调整其位置和倍率,并控制调整后的细节相机在该目标对象对应的跟踪时长内抓拍该目标对象。
18.根据权利要求13所述的装置,其特征在于,所述控制模块,具体用于获取预设的跟踪时长,并将所获取的跟踪时长作为各目标对象的跟踪时长。
19.根据权利要求13-18任一项所述的装置,其特征在于,所述装置还包括:
识别模块,用于在各目标对象中,识别移动方向为正朝所述全景相机移动的第一目标对象;
相应的,所述计算模块,用于根据各第一目标对象的第一位置信息、移动方向和速度信息,以及预设的细节相机位置调整时间,计算各第一目标对象的抓拍位置信息;
所述第一确定模块,用于根据各第一目标对象的抓拍位置信息,以及预先构建的全景相机和细节相机的位置映射关系,确定各第一目标对象对应的细节相机位置信息,并根据各第一目标对象的大小确定各第一目标对象对应的倍率;
所述控制模块,用于确定各第一目标对象的跟踪时长,针对每个第一目标对象,根据该第一目标对象对应的细节相机位置信息和倍率,控制所述细节相机调整其位置和倍率,并控制调整后的细节相机在该第一目标对象对应的跟踪时长内抓拍该第一目标对象。
20.根据权利要求13-18任一项所述的装置,其特征在于,所述装置还包括:
获取模块,用于针对任一目标对象,获取所述细节相机采集的该目标对象对应的多张图像;
存储模块,用于在所述多张图像中,识别并保存图像质量最优的N张图像,其中,N为大于0的整数。
21.根据权利要求13-18任一项所述的装置,其特征在于,所述控制模块包括:
切分子模块,用于根据每个目标对象对应的细节相机位置信息和倍率,对各目标对象进行分块处理,得到至少一个目标块,其中,各目标块中包含一个或多个目标对象;
第五确定子模块,用于确定每个目标块的跟踪时长,针对每个目标块,在该目标块包含的各目标对象中识别处于边缘位置的第二目标对象,并根据各第二目标对象对应的细节相机位置信息确定该目标块对应的细节相机位置信息,根据各第二目标对象对应的倍率确定该目标块对应的倍率;
控制子模块,用于针对每个目标块,根据该目标块对应的细节相机位置信息和倍率,控制所述细节相机调整其位置和倍率,并控制调整后的细节相机在该目标块对应的跟踪时长内抓拍该目标块。
22.根据权利要求21所述的装置,其特征在于,所述第五确定子模块包括:
确定子单元,用于针对每个目标块,根据该目标块中包括的各目标对象的移动方向,确定移动方向相同且数量最多的第三目标对象,并根据各第三目标对象的移动方向,确定该目标块距离监控场景边缘的距离;
第一计算子单元,用于根据各目标块距离监控场景边缘的距离,以及对应各目标块中包括的各第三目标对象的平均速度,计算各目标块的离开时间;
第二计算子单元,用于根据各目标块的离开时间,以及预设条件,计算各目标块的跟踪时长;其中,所述预设条件包括:各目标块的跟踪时长之和小于任一目标块的离开时间,各目标块的跟踪时长之和最大,各目标块的跟踪时长的方差最小。
23.根据权利要求21所述的装置,其特征在于,所述第五确定子模块,具体用于将各第二目标对象对应的倍率中的最大值作为该目标块对应的倍率,或将各第二目标对象的倍率乘以对应的权重得到综合倍率,作为该目标块对应的倍率。
24.根据权利要求13-19任一项所述的装置,其特征在于,所述检测模块,具体用于检测全景相机所采集的当前全景视频帧中的,且不存在于上一全景视频帧中的目标对象。
25.一种视频监控设备,其特征在于,包括全景相机、细节相机、以及处理器;
所述全景相机,用于采集当前全景视频帧,并将所述当前全景视频帧发送给所述处理器;
所述处理器,用于检测所述当前全景视频帧中的目标对象,确定各目标对象在所述当前全景视频帧中的第一位置信息、大小、移动方向和速度信息;根据各目标对象的第一位置信息、移动方向和速度信息,以及预设的细节相机位置调整时间,计算各目标对象的抓拍位置信息;根据各目标对象的抓拍位置信息,以及预先构建的全景相机和细节相机的位置映射关系,确定各目标对象对应的细节相机位置信息,并根据各目标对象的大小确定各目标对象对应的倍率;确定各目标对象的跟踪时长,并针对每个目标对象,将该目标对象对应的细节相机位置信息和倍率发送至细节相机;
所述细节相机,用于根据接收到的该目标对象对应的细节相机位置信息和倍率调整其自身的位置和倍率,并在该目标对象对应的跟踪时长内抓拍该目标对象。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710459273.6A CN109151375B (zh) | 2017-06-16 | 2017-06-16 | 一种目标对象抓拍方法、装置及视频监控设备 |
EP18818742.1A EP3641304B1 (en) | 2017-06-16 | 2018-06-13 | Target object capturing method and device, and video monitoring device |
US16/622,568 US11102417B2 (en) | 2017-06-16 | 2018-06-13 | Target object capturing method and device, and video monitoring device |
PCT/CN2018/090987 WO2018228410A1 (zh) | 2017-06-16 | 2018-06-13 | 一种目标对象抓拍方法、装置及视频监控设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710459273.6A CN109151375B (zh) | 2017-06-16 | 2017-06-16 | 一种目标对象抓拍方法、装置及视频监控设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109151375A true CN109151375A (zh) | 2019-01-04 |
CN109151375B CN109151375B (zh) | 2020-07-24 |
Family
ID=64659429
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710459273.6A Active CN109151375B (zh) | 2017-06-16 | 2017-06-16 | 一种目标对象抓拍方法、装置及视频监控设备 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11102417B2 (zh) |
EP (1) | EP3641304B1 (zh) |
CN (1) | CN109151375B (zh) |
WO (1) | WO2018228410A1 (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109756682A (zh) * | 2019-02-01 | 2019-05-14 | 孙斌 | 动态影像捕捉、跟踪、对焦装置及方法 |
CN110221602A (zh) * | 2019-05-06 | 2019-09-10 | 上海秒针网络科技有限公司 | 目标对象捕捉方法和装置、存储介质及电子装置 |
CN110519510A (zh) * | 2019-08-08 | 2019-11-29 | 浙江大华技术股份有限公司 | 一种抓拍方法、装置、球机及存储介质 |
CN110933318A (zh) * | 2019-12-12 | 2020-03-27 | 天地伟业技术有限公司 | 一种运动目标的抓拍方法 |
CN111263118A (zh) * | 2020-02-18 | 2020-06-09 | 浙江大华技术股份有限公司 | 图像的获取方法、装置、存储介质及电子装置 |
CN111698413A (zh) * | 2019-03-13 | 2020-09-22 | 杭州海康威视数字技术股份有限公司 | 一种对象的图像获取方法、装置及电子设备 |
CN111814517A (zh) * | 2019-04-11 | 2020-10-23 | 深圳市家家分类科技有限公司 | 垃圾投递检测方法及相关产品 |
CN112616019A (zh) * | 2020-12-16 | 2021-04-06 | 重庆紫光华山智安科技有限公司 | 目标跟踪方法、装置、云台及存储介质 |
CN112954188A (zh) * | 2019-12-10 | 2021-06-11 | 李思成 | 一种仿人眼感知的目标主动抓拍方法和装置 |
CN112954274A (zh) * | 2021-02-04 | 2021-06-11 | 三亚海兰寰宇海洋信息科技有限公司 | 一种用于船舶的视频抓拍方法及系统 |
CN113452903A (zh) * | 2021-06-17 | 2021-09-28 | 浙江大华技术股份有限公司 | 一种抓拍设备、抓拍方法及主控芯片 |
CN113592427A (zh) * | 2021-06-29 | 2021-11-02 | 浙江大华技术股份有限公司 | 工时统计方法、工时统计装置及计算机可读存储介质 |
CN114071015A (zh) * | 2021-11-11 | 2022-02-18 | 浙江宇视科技有限公司 | 一种联动抓拍路径的确定方法、装置、介质及设备 |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109886995B (zh) * | 2019-01-15 | 2023-05-23 | 深圳职业技术学院 | 一种复杂环境下多目标跟踪方法 |
US11265478B2 (en) * | 2019-12-20 | 2022-03-01 | Canon Kabushiki Kaisha | Tracking apparatus and control method thereof, image capturing apparatus, and storage medium |
CN111340857B (zh) * | 2020-02-20 | 2023-09-19 | 浙江大华技术股份有限公司 | 一种摄像机跟踪控制方法及装置 |
CN113849687B (zh) * | 2020-11-23 | 2022-10-28 | 阿里巴巴集团控股有限公司 | 视频处理方法以及装置 |
CN112822396B (zh) * | 2020-12-31 | 2023-05-02 | 上海米哈游天命科技有限公司 | 一种拍摄参数的确定方法、装置、设备及存储介质 |
CN112887531B (zh) * | 2021-01-14 | 2023-07-25 | 浙江大华技术股份有限公司 | 摄像机视频处理方法、装置、系统和计算机设备 |
CN114071013B (zh) * | 2021-10-13 | 2023-06-20 | 浙江大华技术股份有限公司 | 一种用于车载摄像机的目标抓拍与跟踪方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014043975A1 (zh) * | 2012-09-24 | 2014-03-27 | 天津市亚安科技股份有限公司 | 多方向监控区域预警定位监控装置 |
WO2014043976A1 (zh) * | 2012-09-24 | 2014-03-27 | 天津市亚安科技股份有限公司 | 多方向监控区域预警定位自动跟踪监控装置 |
CN104125433A (zh) * | 2014-07-30 | 2014-10-29 | 西安冉科信息技术有限公司 | 基于多球机联动结构的视频运动目标监控方法 |
CN106791715A (zh) * | 2017-02-24 | 2017-05-31 | 深圳英飞拓科技股份有限公司 | 分级联控智能监控方法及系统 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7990422B2 (en) | 2004-07-19 | 2011-08-02 | Grandeye, Ltd. | Automatically expanding the zoom capability of a wide-angle video camera |
US7796154B2 (en) * | 2005-03-07 | 2010-09-14 | International Business Machines Corporation | Automatic multiscale image acquisition from a steerable camera |
KR100716306B1 (ko) | 2006-11-14 | 2007-05-08 | 주식회사 지.피 코리아 | 산불감시시스템 |
EP2437496A4 (en) * | 2009-05-29 | 2013-05-22 | Youngkook Electronics Co Ltd | INTELLIGENT SURVEILLANCE CAMERA APPARATUS AND IMAGE MONITORING SYSTEM USING THE SAME |
CN101969548B (zh) | 2010-10-15 | 2012-05-23 | 中国人民解放军国防科学技术大学 | 基于双目摄像的主动视频获取方法及装置 |
US9210385B2 (en) | 2012-11-20 | 2015-12-08 | Pelco, Inc. | Method and system for metadata extraction from master-slave cameras tracking system |
CN103105858A (zh) * | 2012-12-29 | 2013-05-15 | 上海安维尔信息科技有限公司 | 在固定相机和云台相机间进行目标放大、主从跟踪的方法 |
CN103297696B (zh) | 2013-05-24 | 2016-12-28 | 小米科技有限责任公司 | 拍摄方法、装置和终端 |
-
2017
- 2017-06-16 CN CN201710459273.6A patent/CN109151375B/zh active Active
-
2018
- 2018-06-13 EP EP18818742.1A patent/EP3641304B1/en active Active
- 2018-06-13 US US16/622,568 patent/US11102417B2/en active Active
- 2018-06-13 WO PCT/CN2018/090987 patent/WO2018228410A1/zh active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014043975A1 (zh) * | 2012-09-24 | 2014-03-27 | 天津市亚安科技股份有限公司 | 多方向监控区域预警定位监控装置 |
WO2014043976A1 (zh) * | 2012-09-24 | 2014-03-27 | 天津市亚安科技股份有限公司 | 多方向监控区域预警定位自动跟踪监控装置 |
CN104125433A (zh) * | 2014-07-30 | 2014-10-29 | 西安冉科信息技术有限公司 | 基于多球机联动结构的视频运动目标监控方法 |
CN106791715A (zh) * | 2017-02-24 | 2017-05-31 | 深圳英飞拓科技股份有限公司 | 分级联控智能监控方法及系统 |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109756682A (zh) * | 2019-02-01 | 2019-05-14 | 孙斌 | 动态影像捕捉、跟踪、对焦装置及方法 |
CN111698413A (zh) * | 2019-03-13 | 2020-09-22 | 杭州海康威视数字技术股份有限公司 | 一种对象的图像获取方法、装置及电子设备 |
CN111698413B (zh) * | 2019-03-13 | 2021-05-14 | 杭州海康威视数字技术股份有限公司 | 一种对象的图像获取方法、装置及电子设备 |
CN111814517A (zh) * | 2019-04-11 | 2020-10-23 | 深圳市家家分类科技有限公司 | 垃圾投递检测方法及相关产品 |
CN110221602B (zh) * | 2019-05-06 | 2022-04-26 | 上海秒针网络科技有限公司 | 目标对象捕捉方法和装置、存储介质及电子装置 |
CN110221602A (zh) * | 2019-05-06 | 2019-09-10 | 上海秒针网络科技有限公司 | 目标对象捕捉方法和装置、存储介质及电子装置 |
CN110519510A (zh) * | 2019-08-08 | 2019-11-29 | 浙江大华技术股份有限公司 | 一种抓拍方法、装置、球机及存储介质 |
CN110519510B (zh) * | 2019-08-08 | 2021-02-02 | 浙江大华技术股份有限公司 | 一种抓拍方法、装置、球机及存储介质 |
CN112954188A (zh) * | 2019-12-10 | 2021-06-11 | 李思成 | 一种仿人眼感知的目标主动抓拍方法和装置 |
CN110933318A (zh) * | 2019-12-12 | 2020-03-27 | 天地伟业技术有限公司 | 一种运动目标的抓拍方法 |
CN111263118A (zh) * | 2020-02-18 | 2020-06-09 | 浙江大华技术股份有限公司 | 图像的获取方法、装置、存储介质及电子装置 |
CN112616019A (zh) * | 2020-12-16 | 2021-04-06 | 重庆紫光华山智安科技有限公司 | 目标跟踪方法、装置、云台及存储介质 |
CN112616019B (zh) * | 2020-12-16 | 2022-06-03 | 重庆紫光华山智安科技有限公司 | 目标跟踪方法、装置、云台及存储介质 |
CN112954274A (zh) * | 2021-02-04 | 2021-06-11 | 三亚海兰寰宇海洋信息科技有限公司 | 一种用于船舶的视频抓拍方法及系统 |
CN113452903A (zh) * | 2021-06-17 | 2021-09-28 | 浙江大华技术股份有限公司 | 一种抓拍设备、抓拍方法及主控芯片 |
CN113452903B (zh) * | 2021-06-17 | 2023-07-11 | 浙江大华技术股份有限公司 | 一种抓拍设备、抓拍方法及主控芯片 |
CN113592427A (zh) * | 2021-06-29 | 2021-11-02 | 浙江大华技术股份有限公司 | 工时统计方法、工时统计装置及计算机可读存储介质 |
CN114071015A (zh) * | 2021-11-11 | 2022-02-18 | 浙江宇视科技有限公司 | 一种联动抓拍路径的确定方法、装置、介质及设备 |
CN114071015B (zh) * | 2021-11-11 | 2024-02-20 | 浙江宇视科技有限公司 | 一种联动抓拍路径的确定方法、装置、介质及设备 |
Also Published As
Publication number | Publication date |
---|---|
EP3641304A1 (en) | 2020-04-22 |
EP3641304B1 (en) | 2023-03-01 |
EP3641304A4 (en) | 2020-04-22 |
CN109151375B (zh) | 2020-07-24 |
WO2018228410A1 (zh) | 2018-12-20 |
US11102417B2 (en) | 2021-08-24 |
US20200228720A1 (en) | 2020-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109151375A (zh) | 一种目标对象抓拍方法、装置及视频监控设备 | |
CN109922250A (zh) | 一种目标对象抓拍方法、装置及视频监控设备 | |
CN109151295A (zh) | 一种目标对象抓拍方法、装置及视频监控设备 | |
US9886770B2 (en) | Image processing device and method, image processing system, and image processing program | |
WO2020098195A1 (zh) | 基于ais与视频数据融合的船舶身份识别方法 | |
AU2011343674B2 (en) | Zooming factor computation | |
CN105654512B (zh) | 一种目标跟踪方法和装置 | |
CN101379825B (zh) | 自动跟踪设备和自动跟踪方法 | |
WO2012023766A2 (ko) | 열화상 좌표를 이용한 보안용 카메라 추적 감시 시스템 및 방법 | |
CN110570454A (zh) | 一种检测异物入侵的方法及装置 | |
CN106791385A (zh) | 一种基于虚拟现实技术的观景方法、装置及系统 | |
CN111242025A (zh) | 一种基于yolo的动作实时监测方法 | |
CN105872770A (zh) | 一种音量调节方法及系统 | |
GB2603715A (en) | Depth estimation using a neural network | |
KR20150130901A (ko) | 카메라 장치 및 이를 이용한 객체 추적 방법 | |
CN104378549A (zh) | 一种抓拍方法、装置及终端 | |
JPH09130783A (ja) | 分散映像監視装置 | |
JP2016076791A (ja) | 物体追尾装置、物体追尾方法、およびプログラム | |
CN112884803B (zh) | 基于dsp的实时智能监控目标检测方法及装置 | |
CN109982030A (zh) | 一种目标对象抓拍方法、装置、视频监控设备及存储介质 | |
CN112001224A (zh) | 基于卷积神经网络的视频采集方法和视频采集系统 | |
CN112601021B (zh) | 一种网络摄像机监控视频的处理方法及系统 | |
JPH10188145A (ja) | 自動ズーム監視装置 | |
CN103366174A (zh) | 图像信息获取的方法及系统 | |
CN114037757A (zh) | 基于同步图像的双目摄像机姿态感知系统 |
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 |