CN109345567B - 物体运动轨迹识别方法、装置、设备和存储介质 - Google Patents

物体运动轨迹识别方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN109345567B
CN109345567B CN201811160251.0A CN201811160251A CN109345567B CN 109345567 B CN109345567 B CN 109345567B CN 201811160251 A CN201811160251 A CN 201811160251A CN 109345567 B CN109345567 B CN 109345567B
Authority
CN
China
Prior art keywords
image
target object
positions
actual
determining
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.)
Active
Application number
CN201811160251.0A
Other languages
English (en)
Other versions
CN109345567A (zh
Inventor
高原
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201811160251.0A priority Critical patent/CN109345567B/zh
Publication of CN109345567A publication Critical patent/CN109345567A/zh
Application granted granted Critical
Publication of CN109345567B publication Critical patent/CN109345567B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/20Analysis of motion
    • G06T7/246Analysis of motion using feature-based methods, e.g. the tracking of corners or segments

Landscapes

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

Abstract

本发明实施例公开了一种物体运动轨迹识别方法、装置、设备和存储介质。该方法包括:获取通过图像采集器采集的目标物体图像,其中,所述图像采集器的采集区域中标定有位于不同直线上的至少三个特征点;依据目标物体和至少三个特征点在目标物体图像中的图像位置,以及至少三个特征点的实际位置,确定目标物体的实际位置。本发明实施例利用目标物体与各个已知了实际地理位置的特征点的图像位置之间的相对位置关系确定目标物体实际地理位置,无需重复建立位置坐标的转换关系,通用性较强,且实际应用意义较大,提高了图像中目标物体实际位置信息的确定效率和准确度。

Description

物体运动轨迹识别方法、装置、设备和存储介质
技术领域
本发明实施例涉及图像处理技术领域,尤其涉及一种物体运动轨迹识别方法、装置、设备和存储介质。
背景技术
随着图像处理技术的快速发展,越来越多的领域利用图像进行物体的监测、处理和分析。如何准确确定图像中物体的位置信息尤为重要。
现有技术中,通过摄像头等图像采集设备进行图像的采集,利用图像识别等处理手段进行目标的识别和图像中的定位,或者结合人工处理判断图像中的建筑物或道路等对象,通过视频图层和标记等技术,在视频上叠加标记信息和摄像机点位信息,以判断图像中的目标与实际地图对象的对应关系,从而间接地确定图像中目标的实际地理位置。
然而,现有技术中目标位置的确定还局限于图像范围内,只有借助于人工手段才能将目标的图像位置转换为实际场景中的地理位置,因此图像中目标实际位置的确定效率和准确度较低。
发明内容
本发明实施例提供了一种物体运动轨迹识别方法、装置、设备和存储介质,能够提高图像中目标物体实际位置信息的确定效率和准确度,通用性较强。
第一方面,本发明实施例提供了一种物体运动轨迹识别方法,包括:
获取通过图像采集器采集的目标物体图像,其中,所述图像采集器的采集区域中标定有位于不同直线上的至少三个特征点;
依据目标物体和至少三个特征点在目标物体图像中的图像位置,以及至少三个特征点的实际位置,确定目标物体的实际位置。
第二方面,本发明实施例提供了一种物体运动轨迹识别装置,包括:
图像获取模块,用于获取通过图像采集器采集的目标物体图像,其中,所述图像采集器的采集区域中标定有位于不同直线上的至少三个特征点;
实际位置确定模块,用于依据目标物体和至少三个特征点在目标物体图像中的图像位置,以及至少三个特征点的实际位置,确定目标物体的实际位置。
第三方面,本发明实施例提供了一种设备,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明任意实施例所述的物体运动轨迹识别方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本发明任意实施例所述的物体运动轨迹识别方法。
本发明实施例通过在图像采集器的采集区域中标定了位于不同直线上的至少三个特征点,预先获知该至少三个特征点的实际位置,从而获取通过图像采集器采集的目标物体图像,依据目标物体图像中目标物体和该至少三个特征点的图像位置,以及该至少三个特征点的实际位置,确定目标物体的实际位置。本发明实施例利用目标物体与各个已知了实际地理位置的特征点的图像位置之间的相对位置关系确定目标物体实际地理位置,无需重复建立位置坐标的转换关系,通用性较强,且实际应用意义较大,提高了图像中目标物体实际位置信息的确定效率和准确度。
附图说明
图1为本发明实施例一提供的一种物体运动轨迹识别方法的流程图;
图2为本发明实施例二提供的一种物体运动轨迹识别方法的流程图;
图3为本发明实施例二提供的确定交点的示例图;
图4为本发明实施例三提供的一种物体运动轨迹识别装置的结构示意图;
图5为本发明实施例四提供的一种设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明实施例作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明实施例,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明实施例相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种物体运动轨迹识别方法的流程图,本实施例可适用于确定图像中目标物体实际位置的情况,该方法可由一种物体运动轨迹识别装置来执行。该方法具体包括如下步骤:
S110、获取通过图像采集器采集的目标物体图像,其中,所述图像采集器的采集区域中标定有位于不同直线上的至少三个特征点。
在本发明具体实施例中,图像采集器可以为监控摄像头、工业相机、手机以及电脑等具备图像采集功能的设备,图像采集器可以安装或放置于固定位置,用于对固定的采集区域进行图像采集。图像采集器的数量可以为一个或多个,当需要获取多个场景的图像时,可以在不同场景中安装多个图像采集器,且不同的图像采集器采集到的图像或处理的数据可以通过后台统一进行管理。
其中,图像采集器的采集区域为图像采集器捕获图像时针对的实际场景区域,采集区域中预先标定有位于不同直线上的至少三个特征点,且在进行标定时确定了该至少三个特征点的实际位置。相应的,实际位置可以为现实物理世界中的具体地理位置,例如经纬度等。
本实施例中,目标物体可以是指采集图像中所包含的非背景图像中的前景物体,也可以是指明确了目标检测对象的物体。进而图像采集器实时或定时地捕获采集区域中的图像,并对采集图像进行检测或识别,当采集图像中包含前景物体或目标检测对象时,则获取包含该前景物体或目标检测对象的采集图像作为目标物体图像。本实施例不对图像检测和图像识别的方式进行具体限定,任何能够实现图像检测或识别的方式都可以应用于本实施例中。
示例性的,在某栋建筑物的周围安装多个监控摄像头,并控制进行运动目标的检测,通过系统的设置可以忽略树叶抖动等微小运动,从而对建筑物周围的环境进行安全性监控。根据摄像头的拍摄特点,采集区域可以为一个矩形区域,进而可以预先标定矩形采集区域中的三个顶点为特征点,并确定该三个特征点的实际位置。相应的,在检测到运动目标时,则获取通过摄像头采集的包含运动目标的目标物体图像。
S120、依据目标物体和至少三个特征点在目标物体图像中的图像位置,以及至少三个特征点的实际位置,确定目标物体的实际位置。
在本发明具体实施例中,图像位置可以是指目标物体图像中的像素位置。在获取到目标物体图像时,首先需要确定目标物体图像中目标物体和至少三个特征点的图像位置。相应的,由于图像采集器采集图像时产生的形变较小,因此可以忽略图像采集器采集图像时产生的形变,则可以依据至少三个特征点的实际位置以及至少三个特征点在采集区域中的相对位置,确定至少三个特征点的图像位置。若将图像采集器采集图像时产生的形变考虑在内,则可以依据图像采集器的拍摄参数,例如拍摄角度等参数,以及依据至少三个特征点的实际位置和至少三个特征点在采集区域中的相对位置,确定至少三个特征点的图像位置。同时依据目标物体图像中目标物体的位置,确定目标物体在目标物体图像中的图像位置。
本实施例中,在确定目标物体图像中的目标物体和至少三个特征点的图像位置,即可明确目标物体和至少三个特征点的图像位置关系。由于至少三个特征点的实际位置,进而以至少三个特征点为参照物,通过将目标物体和至少三个特征点的位置关系转移到实际物理空间中,并依据至少三个特征点的实际位置来确定目标物体的实际位置。
具体的,本实施例可以从至少三个特征点中选择一个作为第一特征点,并在目标物体图像中确定目标物体与第一特征点所在的第一直线。同时从至少三个特征点中选择除第一特征点以外的两个特征点分别作为第二特征点和第三特征点,并在目标物体图像中确定第二特征点与第三特征点所在的第二直线。值得注意的是,上述第一直线和第二直线为非平行的两条直线,且优选于第一直线与第二直线之间的交点落于目标物体图像上。因此,在目标物体图像中确定第一直线与第二直线之间的交点的图像位置,并依据第二特征点、第三特征点和交点的图像位置,以及第二特征点和第三特征点的实际位置,确定交点的实际位置。最终依据第一特征点、目标物体和交点的图像位置,以及第一特征点和交点的实际位置,确定目标物体的实际位置。
本实施例中,还可以通过获得一个或多个图像采集器在不同时间检测到的同一目标物体的实际位置,依据时间顺序在电子地图上生成目标物体的运动轨迹。从而在采集目标物体图像的同时,还能够确定目标物体的运动轨迹,丰富了图像采集信息的维度。
本实施例的技术方案,通过在图像采集器的采集区域中标定了位于不同直线上的至少三个特征点,预先获知该至少三个特征点的实际位置,从而获取通过图像采集器采集的目标物体图像,依据目标物体图像中目标物体和该至少三个特征点的图像位置,以及该至少三个特征点的实际位置,确定目标物体的实际位置。本发明实施例利用目标物体与各个已知了实际地理位置的特征点的图像位置之间的相对位置关系确定目标物体实际地理位置,无需重复建立位置坐标的转换关系,通用性较强,且实际应用意义较大,提高了图像中目标物体实际位置信息的确定效率和准确度。
实施例二
本实施例在上述实施例一的基础上,提供了物体运动轨迹识别方法的一个优选实施方式,能够在电子地图上生成目标物体的运动轨迹。图2为本发明实施例二提供的一种物体运动轨迹识别方法的流程图,如图2所示,该方法包括以下具体步骤:
S210、获取通过图像采集器采集的目标物体图像,其中,所述图像采集器的采集区域中标定有位于不同直线上的至少三个特征点。
在本发明具体实施例中,图像采集器的采集区域为图像采集器捕获图像时针对的实际场景区域,采集区域中预先标定有位于不同直线上的至少三个特征点,且在进行标定时确定了该至少三个特征点的实际位置。相应的,实际位置可以为现实物理世界中的具体地理位置,例如经纬度等。
本实施例中,图像采集器实时或定时地捕获采集区域中的图像,并对采集图像进行检测或识别,当采集图像中包含前景物体或目标检测对象时,则获取包含该前景物体或目标检测对象的采集图像作为目标物体图像。本实施例不对图像检测和图像识别的方式进行具体限定,任何能够实现图像检测或识别的方式都可以应用于本实施例中。
示例性的,假设在城市A的每个红绿灯路口处安装有图像采集器,并以车牌号为B的车辆为目标物体进行运动轨迹识别。本实施例可以采用目标检测和图像识别等图像处理技术,对采集区域中的物体进行识别,当检测到车牌号为B的车辆出现在采集区域中时,则获取通过图像采集器采集的目标物体图像。其中,目标物体图像包含了至少三个已知实际位置的特征点。
S220、依据至少三个特征点的实际位置以及至少三个特征点在采集区域中的相对位置,确定至少三个特征点的图像位置。
在本发明具体实施例中,由于图像采集器采集图像时产生的形变较小,因此可以忽略图像采集器采集图像时产生的形变,则可以依据至少三个特征点的实际位置以及至少三个特征点在采集区域中的相对位置,确定至少三个特征点的图像位置。若将图像采集器采集图像时产生的形变考虑在内,则可以依据图像采集器的拍摄参数确定至少三个特征点的图像位置。
可选的,依据图像采集器的拍摄参数、至少三个特征点的实际位置,以及至少三个特征点在采集区域中的相对位置,确定至少三个特征点的图像位置。
本实施例中,图像采集器的拍摄参数可以为拍摄角度、拍摄视野范围等参数。若考虑图像采集器采集图像时产生的形变,则可以采用透视变换等图像处理方法,恢复目标物体图像的形变。根据摄像头的拍摄特点,采集区域可以为一个矩形区域或者圆形区域等,进而可以预先标定矩形采集区域中的三个顶点为特征点或者圆形采集区域的边缘上选择至少三个特征点,并确定该三个特征点的实际位置。从而根据采集区域的大小、至少三个特征点的相对位置,确定每个特征点的图像位置。
S230、在目标物体图像中确定第一特征点和目标物体所在的第一直线,与第二特征点和第三特征点所在的第二直线之间的交点的图像位置。
在本发明具体实施例中,可以从至少三个特征点中选择一个作为第一特征点,并在目标物体图像中确定目标物体与第一特征点所在的第一直线。同时从至少三个特征点中选择除第一特征点以外的两个特征点分别作为第二特征点和第三特征点,并在目标物体图像中确定第二特征点与第三特征点所在的第二直线。值得注意的是,上述第一直线和第二直线为非平行的两条直线,且优选于第一直线与第二直线之间的交点落于目标物体图像上。因此,在目标物体图像中获得第一直线与第二直线之间的交点,并确定该交点在目标物体图像中的实际位置。
示例性的,图3为确定交点的示例图。由图3可以看出,目标物体图像300中包括三个特征点311、312和313,目标物体320。因此为了在目标物体图像300中获得辅助确定目标物体位置的直线交点,可以选择特征点311为第一特征点,特征点312和特征点313分别为第二特征点和第三特征点。相应的,可以获得第一特征点与目标物体所在的第一直线331,以及第二特征点与第三特征点所在的第二直线332。进而可以获得第一直线331与第二直线332之间的交点340。因此在目标物体图像300中形成第一特征点311、交点340和目标物体320之间的相对位置关系,以及第二特征点312、第三特征点313和交点340之间的相对位置关系。
S240、依据第二特征点、第三特征点和交点的图像位置,以及第二特征点和第三特征点的实际位置,确定交点的实际位置。
在本发明具体实施例中,鉴于第二特征点和第三特征点的实际位置已知,因此依据第二特征点、第三特征点和交点之间在目标物体图像中的相对位置关系,可以确定交点的实际位置。
示例性的,本实施例可以依据比例关系来确定交点的实际位置。在上述示例中,假设特征点312与交点340之间的距离,与交点340与特征点313之间的距离的比值为4比3,进而依据特征点312和特征点313的实际位置,可以确定交点340的实际位置。值得注意的是,鉴于图像采集器采集到的图像范围有限且相对较小,因此本实施例可以忽略图像采集中产生的形变以及地球球面上的距离误差。
S250、依据第一特征点、目标物体和交点的图像位置,以及第一特征点和交点的实际位置,确定目标物体的实际位置。
在本发明具体实施例中,鉴于第一特征点和交点的实际位置已知,因此依据第一特征点、交点和目标物体之间在目标物体图像中的相对位置关系,可以确定交点的实际位置。
示例性的,在上述示例中,假设特征点311与交点340之间的距离,与交点340与目标物体320之间的距离的比值为2比1,进而依据特征点311和交点340的实际位置,可以确定目标物体320的实际位置。
S260、依据目标物体在不同时间的实际位置在电子地图上生成目标物体的运动轨迹。
在本发明具体实施例中,还可以通过获得一个或多个图像采集器在不同时间检测到的同一目标物体的实际位置,依据各个实际位置对应的时间,按照时间顺序,在电子地图上利用平滑曲线将各个实际位置连接起来,生成目标物体的运动轨迹。从而在采集目标物体图像的同时,还能够确定目标物体的运动轨迹,丰富了图像采集信息的维度。
本实施例的技术方案,通过在图像采集器的采集区域中标定了位于不同直线上的至少三个特征点,预先获知该至少三个特征点的实际位置。在获取通过图像采集器采集的目标物体图像时,依据该至少三个特征点的实际位置以及至少三个特征点在采集区域中的相对位置,确定至少三个特征点的图像位置。从而依据其中一个特征点和目标物体构成的直线与另外特征点构成的直线之前的交点,通过交点的图像位置和实际位置的确定,最终依据特征点、目标物体和交点在图像中的位置关系,以及特征点和交点的实际位置,确定目标物体的实际位置。本发明实施例利用目标物体与各个已知了实际地理位置的特征点的图像位置之间的相对位置关系确定目标物体实际地理位置,无需重复建立位置坐标的转换关系,通用性较强,且实际应用意义较大,提高了图像中目标物体实际位置信息的确定效率和准确度。
实施例三
图4为本发明实施例三提供的一种物体运动轨迹识别装置的结构示意图,本实施例可适用于确定图像中目标物体实际位置的情况,该装置可实现本发明任意实施例所述的物体运动轨迹识别方法。该装置具体包括:
图像获取模块410,用于获取通过图像采集器采集的目标物体图像,其中,所述图像采集器的采集区域中标定有位于不同直线上的至少三个特征点;
实际位置确定模块420,用于依据目标物体和至少三个特征点在目标物体图像中的图像位置,以及至少三个特征点的实际位置,确定目标物体的实际位置。
可选的,所述实际位置确定模块420,包括:
交点图像位置确定单元,用于在所述目标物体图像中确定第一特征点和目标物体所在的第一直线,与第二特征点和第三特征点所在的第二直线之间的交点的图像位置;
交点实际位置确定单元,用于依据第二特征点、第三特征点和交点的图像位置,以及第二特征点和第三特征点的实际位置,确定交点的实际位置;
目标物体实际位置确定单元,用于依据第一特征点、目标物体和交点的图像位置,以及第一特征点和交点的实际位置,确定所述目标物体的实际位置。
进一步的,所述装置还包括:
特征点图像位置确定模块430,用于在所述依据目标物体和至少三个特征点在目标物体图像中的图像位置,以及至少三个特征点的实际位置,确定目标物体的实际位置之前,依据所述至少三个特征点的实际位置以及所述至少三个特征点在采集区域中的相对位置,确定至少三个特征点的图像位置。
可选的,所述特征点图像位置确定430模块具体用于:
依据图像采集器的拍摄参数、所述至少三个特征点的实际位置,以及所述至少三个特征点在采集区域中的相对位置,确定所述至少三个特征点的图像位置。
进一步的,所述装置还包括:
轨迹生成模块440,用于在所述确定目标物体的实际位置之后,依据所述目标物体在不同时间的实际位置在电子地图上生成目标物体的运动轨迹。
本实施例的技术方案,通过各个功能模块之间的相互配合,实现了采集区域中特征点的标定、图像的采集、特征点图像位置的确定、目标物体图像位置的确定、交点的图像位置和实际位置的确定、目标物体实际位置的确定以及电子地图中运动轨迹的生成等功能。本发明实施例利用目标物体与各个已知了实际地理位置的特征点的图像位置之间的相对位置关系确定目标物体实际地理位置,无需重复建立位置坐标的转换关系,通用性较强,且实际应用意义较大,提高了图像中目标物体实际位置信息的确定效率和准确度。
实施例四
图5为本发明实施例四提供的一种设备的结构示意图,图5示出了适于用来实现本发明实施例实施方式的示例性设备的框图。图5显示的设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
图5显示的设备12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5所示,设备12以通用计算设备的形式表现。设备12的组件可以包括但不限于:一个或者多个处理器16,系统存储器28,连接不同系统组件(包括系统存储器28和处理器16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图5未显示,通常称为“硬盘驱动器”)。尽管图5中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明实施例各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如系统存储器28中,这样的程序模块42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。程序模块42通常执行本发明实施例所描述的实施例中的功能和/或方法。
设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该设备12交互的设备通信,和/或与使得该设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,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22进行。并且,设备12还可以通过网络适配器20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20通过总线18与设备12的其它模块通信。应当明白,尽管图中未示出,可以结合设备12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、冗余处理器、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。
处理器16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的物体运动轨迹识别方法。
实施例五
本发明实施例五还提供一种计算机可读存储介质,其上存储有计算机程序(或称为计算机可执行指令),该程序被处理器执行时用于执行一种物体运动轨迹识别方法,该方法包括:
获取通过图像采集器采集的目标物体图像,其中,所述图像采集器的采集区域中标定有位于不同直线上的至少三个特征点;
依据目标物体和至少三个特征点在目标物体图像中的图像位置,以及至少三个特征点的实际位置,确定目标物体的实际位置。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——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。计算机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、便携式计算机磁盘、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、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机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。
计算机可读的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,其中承载了计算机可读的程序代码。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。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、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。
计算机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、电线、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或其组合来编写用于执行本发明实施例操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言-诸如Java、Smalltalk、C++,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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或设备上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)-连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明实施例进行了较为详细的说明,但是本发明实施例不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种物体运动轨迹识别方法,其特征在于,包括:
获取通过图像采集器采集的目标物体图像,其中,所述图像采集器的采集区域中标定有位于不同直线上的至少三个特征点;
依据所述至少三个特征点的实际位置以及所述至少三个特征点在采集区域中的相对位置,确定至少三个特征点的图像位置;
依据目标物体和至少三个特征点在目标物体图像中的图像位置,以及至少三个特征点的实际位置,确定目标物体的实际位置。
2.根据权利要求1所述的方法,其特征在于,所述依据目标物体和至少三个特征点在目标物体图像中的图像位置,以及至少三个特征点的实际位置,确定目标物体的实际位置,包括:
在所述目标物体图像中确定第一特征点和目标物体所在的第一直线,与第二特征点和第三特征点所在的第二直线之间的交点的图像位置;
依据第二特征点、第三特征点和交点的图像位置,以及第二特征点和第三特征点的实际位置,确定交点的实际位置;
依据第一特征点、目标物体和交点的图像位置,以及第一特征点和交点的实际位置,确定所述目标物体的实际位置。
3.根据权利要求1所述的方法,其特征在于,所述依据所述至少三个特征点的实际位置以及所述至少三个特征点在采集区域中的相对位置,确定至少三个特征点的图像位置,包括:
依据图像采集器的拍摄参数、所述至少三个特征点的实际位置,以及所述至少三个特征点在采集区域中的相对位置,确定所述至少三个特征点的图像位置。
4.根据权利要求1所述的方法,其特征在于,在所述确定目标物体的实际位置之后,还包括:
依据所述目标物体在不同时间的实际位置在电子地图上生成目标物体的运动轨迹。
5.一种物体运动轨迹识别装置,其特征在于,包括:
图像获取模块,用于获取通过图像采集器采集的目标物体图像,其中,所述图像采集器的采集区域中标定有位于不同直线上的至少三个特征点;
特征点图像位置确定模块,用于依据所述至少三个特征点的实际位置以及所述至少三个特征点在采集区域中的相对位置,确定至少三个特征点的图像位置;
实际位置确定模块,用于依据目标物体和至少三个特征点在目标物体图像中的图像位置,以及至少三个特征点的实际位置,确定目标物体的实际位置。
6.根据权利要求5所述的装置,其特征在于,所述实际位置确定模块,包括:
交点图像位置确定单元,用于在所述目标物体图像中确定第一特征点和目标物体所在的第一直线,与第二特征点和第三特征点所在的第二直线之间的交点的图像位置;
交点实际位置确定单元,用于依据第二特征点、第三特征点和交点的图像位置,以及第二特征点和第三特征点的实际位置,确定交点的实际位置;
目标物体实际位置确定单元,用于依据第一特征点、目标物体和交点的图像位置,以及第一特征点和交点的实际位置,确定所述目标物体的实际位置。
7.根据权利要求5所述的装置,其特征在于,所述特征点图像位置确定模块具体用于:
依据图像采集器的拍摄参数、所述至少三个特征点的实际位置,以及所述至少三个特征点在采集区域中的相对位置,确定所述至少三个特征点的图像位置。
8.根据权利要求5所述的装置,其特征在于,所述装置还包括:
轨迹生成模块,用于在所述确定目标物体的实际位置之后,依据所述目标物体在不同时间的实际位置在电子地图上生成目标物体的运动轨迹。
9.一种设备,其特征在于,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1至4中任一项所述的物体运动轨迹识别方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至4中任一项所述的物体运动轨迹识别方法。
CN201811160251.0A 2018-09-30 2018-09-30 物体运动轨迹识别方法、装置、设备和存储介质 Active CN109345567B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811160251.0A CN109345567B (zh) 2018-09-30 2018-09-30 物体运动轨迹识别方法、装置、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811160251.0A CN109345567B (zh) 2018-09-30 2018-09-30 物体运动轨迹识别方法、装置、设备和存储介质

Publications (2)

Publication Number Publication Date
CN109345567A CN109345567A (zh) 2019-02-15
CN109345567B true CN109345567B (zh) 2021-03-16

Family

ID=65308145

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811160251.0A Active CN109345567B (zh) 2018-09-30 2018-09-30 物体运动轨迹识别方法、装置、设备和存储介质

Country Status (1)

Country Link
CN (1) CN109345567B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110211161B (zh) * 2019-05-20 2021-06-11 深兰科技(上海)有限公司 一种多摄像头轨迹重合分析的方法及装置
CN111975781B (zh) * 2020-08-25 2021-10-26 北京华航唯实机器人科技股份有限公司 机器人修正方法及装置、机器人
CN114088062B (zh) * 2021-02-24 2024-03-22 上海商汤临港智能科技有限公司 目标定位方法及装置、电子设备和存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1861236A (zh) * 2005-05-11 2006-11-15 原相科技股份有限公司 指向装置的指向点定位方法及其装置
CN101782370A (zh) * 2010-03-09 2010-07-21 哈尔滨工业大学 基于usb摄像头的测量定位方法及测量运动物体的运动轨迹的方法
CN105303549A (zh) * 2015-06-29 2016-02-03 北京格灵深瞳信息技术有限公司 一种确定视频图像中被测对象间位置关系的方法及装置
CN106527762A (zh) * 2016-11-10 2017-03-22 深圳市鹰眼在线电子科技有限公司 光标坐标确定方法、光标坐标确定装置和鼠标控制系统
CN107346415A (zh) * 2017-06-08 2017-11-14 小草数语(北京)科技有限公司 视频图像处理方法、装置及监控设备
CN108320493A (zh) * 2018-01-31 2018-07-24 域通全球成都科技有限责任公司 一种基于图像识别的场内车调度管理系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1861236A (zh) * 2005-05-11 2006-11-15 原相科技股份有限公司 指向装置的指向点定位方法及其装置
CN101782370A (zh) * 2010-03-09 2010-07-21 哈尔滨工业大学 基于usb摄像头的测量定位方法及测量运动物体的运动轨迹的方法
CN105303549A (zh) * 2015-06-29 2016-02-03 北京格灵深瞳信息技术有限公司 一种确定视频图像中被测对象间位置关系的方法及装置
CN106527762A (zh) * 2016-11-10 2017-03-22 深圳市鹰眼在线电子科技有限公司 光标坐标确定方法、光标坐标确定装置和鼠标控制系统
CN107346415A (zh) * 2017-06-08 2017-11-14 小草数语(北京)科技有限公司 视频图像处理方法、装置及监控设备
CN108320493A (zh) * 2018-01-31 2018-07-24 域通全球成都科技有限责任公司 一种基于图像识别的场内车调度管理系统

Also Published As

Publication number Publication date
CN109345567A (zh) 2019-02-15

Similar Documents

Publication Publication Date Title
CN109242903B (zh) 三维数据的生成方法、装置、设备及存储介质
CN109343061B (zh) 传感器标定方法、装置、计算机设备、介质和车辆
CN109242913B (zh) 采集器相对参数的标定方法、装置、设备和介质
CN110095752B (zh) 定位方法、装置、设备和介质
CN109492507B (zh) 红绿灯状态的识别方法及装置、计算机设备及可读介质
CN111586360B (zh) 一种无人机投影方法、装置、设备及存储介质
CN109543680B (zh) 兴趣点的位置确定方法、装置设备和介质
CN109931945B (zh) Ar导航方法、装置、设备和存储介质
CN109961522B (zh) 图像投射方法、装置、设备和存储介质
CN111127563A (zh) 联合标定方法、装置、电子设备及存储介质
CN109146938B (zh) 动态障碍物的位置校准方法、装置、设备及存储介质
CN109300143B (zh) 运动向量场的确定方法、装置、设备、存储介质和车辆
CN109345567B (zh) 物体运动轨迹识别方法、装置、设备和存储介质
CN109523471A (zh) 一种地面坐标和广角摄像机画面坐标的转换方法、系统以及装置
CN110634138A (zh) 一种基于视觉感知的桥梁变形的监测方法、装置及设备
CN113763478B (zh) 无人车相机标定方法、装置、设备、存储介质及系统
CN110111018B (zh) 评估车辆感测能力的方法、装置、电子设备及存储介质
CN111832579A (zh) 地图兴趣点数据处理方法、装置、电子设备以及可读介质
CN116990830B (zh) 基于双目和tof的距离定位方法、装置、电子设备及介质
CN110853098B (zh) 机器人定位方法、装置、设备及存储介质
WO2023103883A1 (zh) 对象自动标注方法、装置、电子设备及存储介质
CN111951328A (zh) 一种物体位置检测方法、装置、设备和存储介质
CN116642490A (zh) 基于混合地图的视觉定位导航方法、机器人及存储介质
CN112766068A (zh) 一种基于网格化标注的车辆检测方法及系统
CN114202689A (zh) 一种点位标注方法、装置、电子设备和存储介质

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