CN109741373A - 一种运动物体跟踪方法及设备和计算机存储介质 - Google Patents
一种运动物体跟踪方法及设备和计算机存储介质 Download PDFInfo
- Publication number
- CN109741373A CN109741373A CN201811603321.5A CN201811603321A CN109741373A CN 109741373 A CN109741373 A CN 109741373A CN 201811603321 A CN201811603321 A CN 201811603321A CN 109741373 A CN109741373 A CN 109741373A
- Authority
- CN
- China
- Prior art keywords
- camera
- moving object
- main camera
- auxiliary
- main
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000033001 locomotion Effects 0.000 claims abstract description 88
- 230000015654 memory Effects 0.000 claims description 17
- 238000013135 deep learning Methods 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 230000009017 pursuit movement Effects 0.000 abstract 1
- 238000001514 detection method Methods 0.000 description 16
- 238000012544 monitoring process Methods 0.000 description 5
- 238000006073 displacement reaction Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种运动物体跟踪方法及设备和计算机存储介质,用于提供一种确定运动物体移动方向的方法,提高跟踪运动物体的准确度。其中的运动物体跟踪方法包括:根据主摄像机和辅摄像机拍摄的图像,确定运动物体的实际运动朝向;其中,所述运动朝向指示所述运动物体朝着所述主摄像机或所述辅摄像机运动;根据所述实际运动朝向,确定是否将所述主摄像机和所述辅摄像机互相切换;若需要切换所述主摄像机和所述辅摄像机,则将所述主摄像机跟踪的运动物体与所述辅摄像机跟踪的目标进行关联;通过切换后的主摄像机继续对所述运动物体进行跟踪。
Description
技术领域
本发明涉及视频监控技术领域,特别涉及一种运动物体跟踪方法及设备和计算机存储介质。
背景技术
现有的视频监视系统中,通常采用一台摄像机,采集固定分辨率的视频画面,从而基于较多帧的目标运动信息确定目标移动的方向。这种方式依赖较多帧的目标运动信息,对于小位移目标而言,由于单个目标检测帧所占的像素数很少,难以确认目标的移动方向。
或者,采用多台摄像机,其中主摄像机进行目标的跟踪识别,其余摄像机用于辅助跟踪,但是这种方式较为依赖目标关键点的检测,如果存在多个目标,主摄像机检测不到目标关键点,跟踪多个运动目标的效果较差,且无法确认目标的移动方向。
发明内容
本发明实施例提供一种运动物体跟踪方法及设备和计算机存储介质,用于提供一种确定运动物体移动方向的方法,提高跟踪运动物体的准确度。
第一方面,本发明实施例提供了一种运动物体跟踪方法,该跟踪方法包括:
根据主摄像机和辅摄像机拍摄的图像,确定运动物体的实际运动朝向;其中,所述实际运动朝向指示所述运动物体朝着所述主摄像机或所述辅摄像机运动;
根据所述实际运动朝向,确定是否将所述主摄像机和所述辅摄像机互相切换;
若需要切换所述主摄像机和所述辅摄像机,则将所述主摄像机跟踪的运动物体与所述辅摄像机跟踪的目标进行关联,并将所述辅摄像机确定为切换后的主摄像机;
通过所述切换后的主摄像机继续对所述运动物体进行跟踪。
本发明实施例通过主摄像机和辅摄像机对监控场景中的运动物体进行拍摄,基于运动物体相对主摄像机的朝向和运动物体相对辅摄像机的朝向,从而确定运动物体的实际运动朝向,当实际运动朝向发生了变化,原始的辅摄像机可能更加适合对运动物体进行跟踪,因此,可以根据运动物体的实际运动朝向确定跟踪的主摄像机,提高了跟踪的准确度。
可选的,根据主摄像机和辅摄像机拍摄的图像,确定运动物体的实际运动朝向,包括:
确定主摄像机和辅摄像机拍摄的图像中的所述运动物体所在所述主摄像机的第一方向,及所述运动物体所在所述辅摄像机的第二方向;
根据预设的朝向规则及所述第一方向和所述第二方向,确定所述实际运动朝向;其中,所述朝向规则用于指示物体相对主摄像机及辅摄像机的方向,与实际运动朝向的对应关系。
本发明实施例中,在运动物体移动时,以主摄像机和辅摄像机的相对固定的位置作为参考,即基于双目系统确定运动物体的实际运动朝向,对小位移目标的要求较低,较为容易确认运动物体的移动方向。
可选的,根据所述实际运动朝向,确定是否将所述主摄像机和所述辅摄像机互相切换,包括:
判断所述实际运动朝向指向的摄像机与当前的主摄像机是否为同一个摄像机;
若确定所述实际运动朝向指向的摄像机与当前的主摄像机不是同一个摄像机,则确定将所述主摄像机和所述辅摄像机互相切换。
可选的,在根据所述实际运动朝向,确定是否将所述主摄像机和所述辅摄像机互相切换之后,还包括:
若所述实际运动朝向指向的方向不是位于所述主摄像机和所述辅摄像机的中间位置,将所述实际运动朝向指向的摄像机切换为主摄像机;
或者,
若所述实际运动朝向指向的方向位于所述主摄像机和所述辅摄像机的中间位置,则将深度学习检测器输出结果置信度大的摄像机确定为主摄像机;其中,所述深度学习检测器用于确定所述实际运动朝向。
本发明实施例中,考虑到监控场景中存在多个运动物体,那么当实际运动朝向发生了变化,原始的辅摄像机可能更加适合对运动物体进行跟踪,本发明实施例基于深度学习的方式结合运动物体相对主摄像机和辅摄像机的位置确定运动物体的实际运动朝向,提高了确定运动物体实际运动朝向的准确度。
可选的,将所述主摄像机跟踪的运动物体与所述辅摄像机跟踪的目标进行关联,包括:
从所述主摄像机拍摄的图像中确定所述运动物体的第一特征信息,并从所述辅摄像机拍摄的图像中确定所述运动物体的第二特征信息;
若所述第一特征信息与所述第二特征信息相似度大于或等于预设阈值,则将所述主摄像机跟踪的运动物体与所述辅摄像机跟踪的所述目标进行关联。
可选的,将所述主摄像机跟踪的运动物体与所述辅摄像机跟踪的目标进行关联,包括:
根据所述主摄像机及所述辅摄像机的坐标映射关系,将所述主摄像机跟踪的运动物体与所述辅摄像机跟踪的目标进行关联。
上述两种可选的方式提供了将主摄像机与辅摄像机监控的同一运动物体进行关联的两种可能的实施方式。
可选的,在根据主摄像机和辅摄像机拍摄的图像,确定运动物体的实际运动朝向之前,还包括:
所述主摄像机在所述运动物体达到预先设置的抓拍线位置时,对所述运动物体进行拍摄,获得所述图像。
本发明实施例在对运动物体进行跟踪时,可以在运动物体到达预先设置的抓拍线时采集运动物体的图像,这样存储的图像的数量较少,节约了存储空间。
第二方面,本发明实施例提供了一种运动物体跟踪设备,该跟踪设备包括:
确定单元,用于根据主摄像机和辅摄像机拍摄的图像,确定运动物体的实际运动朝向;其中,所述实际运动朝向指示所述运动物体朝着所述主摄像机或所述辅摄像机运动;
切换单元,用于根据所述实际运动朝向,确定是否将所述主摄像机和所述辅摄像机互相切换;
关联单元,用于若需要切换所述主摄像机和所述辅摄像机,则将所述主摄像机跟踪的运动物体与所述辅摄像机跟踪的目标进行关联,并将所述辅摄像机确定为切换后的主摄像机;
跟踪单元,用于通过切换后的主摄像机继续对所述运动物体进行跟踪。
可选的,所述确定单元具体用于:
确定主摄像机和辅摄像机拍摄的图像中的所述运动物体所在所述主摄像机的第一方向,及所述运动物体所在所述辅摄像机的第二方向;
根据预设的朝向规则及所述第一方向和所述第二方向,确定所述实际运动朝向;其中,所述朝向规则用于指示物体相对主摄像机及辅摄像机的方向,与实际运动朝向的对应关系。
可选的,所述确定单元具体用于:
判断所述实际运动朝向指向的摄像机与当前的主摄像机是否为同一个摄像机;
若确定所述实际运动朝向指向的摄像机与当前的主摄像机不是同一个摄像机,则确定将所述主摄像机和所述辅摄像机互相切换。
可选的,所述切换单元具体用于:
若所述实际运动朝向指向的方向不是位于所述主摄像机和所述辅摄像机的中间位置,将所述实际运动朝向指向的摄像机切换为主摄像机;
或者,
若所述实际运动朝向指向的方向位于所述主摄像机和所述辅摄像机的中间位置,则将深度学习检测器输出结果置信度大的摄像机切换为主摄像机;其中,所述深度学习检测器用于确定所述实际运动朝向。
可选的,所述关联单元具体用于:
从所述主摄像机拍摄的图像中确定所述运动物体的第一特征信息,并从所述辅摄像机拍摄的图像中确定所述运动物体的第二特征信息;
若所述第一特征信息与所述第二特征信息相似度大于或等于预设阈值,则将所述主摄像机跟踪的运动物体与所述辅摄像机跟踪的所述目标进行关联。
可选的,所述关联单元具体用于:
根据所述主摄像机及所述辅摄像机的坐标映射关系,将所述主摄像机跟踪的运动物体与所述辅摄像机跟踪的所述目标进行关联。
可选的,还包括抓拍单元,用于:
所述主摄像机在所述运动物体达到预先设置的抓拍线位置时,对所述运动物体进行拍摄,获得所述图像。
第三方面,提供一种运动物体跟踪设备,该运动物体跟踪设备包括:
至少一个处理器,以及
与所述至少一个处理器连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述至少一个处理器通过执行所述存储器存储的指令实现如第一方面任一项所述的方法。
第四方面,提供一种计算机存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面任一项所述的方法。
本发明实施例中,通过主摄像机和辅摄像机对监控场景中的运动物体进行拍摄,基于运动物体相对主摄像机的朝向和运动物体相对辅摄像机的朝向,从而确定运动物体的实际运动朝向,当实际运动朝向发生了变化,原始的辅摄像机可能更加适合对运动物体进行跟踪,因此,可以根据运动物体的实际运动朝向确定跟踪的主摄像机,提高了跟踪的准确度。
附图说明
图1是本发明实施例提供的运动物体跟踪方法的流程示意图;
图2为本发明实施例提供的运动物体跟踪设备的一种结构示意图;
图3为本发明实施例提供的运动物体跟踪设备的一种结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,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。
目前采用单台摄像机对运动物体进行跟踪,只能基于较多帧的目标运动信息确定目标移动的方向,对于小位移目标而言,由于单个目标检测帧所占的像素数很少,难以确认目标的移动方向。而采用多台摄像机对运动物体进行跟踪,主要依赖跟踪摄像机对目标关键点的检测,如果存在多个目标,跟踪摄像机检测不到目标关键点,跟踪多个运动目标的效果较差,且无法确认目标的移动方向。
鉴于此,本发明实施例通过主摄像机和辅摄像机对监控场景中的运动物体进行拍摄,基于运动物体相对主摄像机的朝向和运动物体相对辅摄像机的朝向,从而确定运动物体的实际运动朝向,当实际运动朝向发生了变化,原始的辅摄像机可能更加适合对运动物体进行跟踪,因此,可以根据运动物体的实际运动朝向确定跟踪的主摄像机,提高了跟踪的准确度。
下面结合说明书附图介绍本发明实施例提供的技术方案。
请参见图1,本发明实施例提供了一种运动物体跟踪方法,该跟踪方法可以由摄像机执行,具体的流程描述如下:
步骤S101、根据主摄像机和辅摄像机拍摄的图像,确定运动物体的实际运动朝向;其中,实际运动朝向指示运动物体朝着主摄像机或辅摄像机运动。
本发明实施例可以根据监控区域设置两个摄像机,例如以监控车辆为例,本发明实施例事先安装两个摄像机,两个摄像机分别位于监控车辆的车辆监控区域左右两侧,这两个摄像机的拍摄画面中间可以对准监控车辆的车辆监控区域。为了便于描述,下文中将两个摄像机称为主摄像机和辅摄像机,其中,主摄像机主要用来跟踪运动物体。
可能的实施方式中,本发明实施例还可以在车辆监控区域内设置目标触发区域,也就是抓拍运动物体的区域,当运动物体进入该目标触发区域,则主摄像机和辅摄像机可以对运动物体进行拍摄,获得图像,从而通过图像确定运动物体的实际运动朝向。
具体地,主摄像机可以将拍摄的图像输出给深度学习检测器,辅摄像机也可以将拍摄的图像传输给输出给深度学习检测器。深度学习检测器接收到分别来自主摄像机和辅摄像机的图像之后,可以利用时间戳同步接收的图像,以保证主摄像机和辅摄像机监控的是同一时刻的画面。或者,可能的实施方式中,主摄像机可以将拍摄的图像发送给辅摄像机,由辅摄像机将自身的图像与主摄像机的图像进行同步后,输出给深度学习检测器。或者,可能的实施方式中,辅摄像机可以将拍摄的图像发送给主摄像机,由主摄像机将自身的图像与辅摄像机的图像进行同步后,输出给深度学习检测器。深度学习检测器根据输入的图像确定运动物体的位置和运动物体相对主摄像机的朝向,以及运动物体相对辅摄像机的朝向,以进一步确定运动物体的实际运动朝向。
可能的实施方式中,本发明实施例可以确定主摄像机和辅摄像机拍摄的图像中的运动物体所在主摄像机的第一方向,并确定运动物体所在辅摄像机的第二方向。例如,第一方向可以是左侧或者右侧,对应地,第二方向可能是右侧或者左侧,从而根据运动物体是在主摄像机的左侧还是右侧,及运动物体是在辅摄像机的左侧还是右侧,确定运动物体的实际运动朝向。
具体地,本发明实例可以根据预设的朝向规则及第一方向和第二方向,确定运动物体的实际运动朝向,朝向规则用于指示物体相对主摄像机及辅摄像机的方向,与实际运动朝向的对应关系。
可能的实施方式中,本发明实施例可以根据运动物体远离主摄像机和辅摄像机的一侧相对拍摄画面与主摄像机和辅摄像机的连线的中垂线的偏向分为左方向、右方向和中间方向,从而设定的朝向规则可以如下表1所示,从而深度学习检测器基于表1所示的朝向规则,确定出运动物体的实际运动朝向。
表1
表1中的左摄像机和右摄像机可以分别利用深度学习检测器检测物体的位置以及物体相对左摄像机和右摄像机的朝向,从而确定出物体的实际运动朝向,如表1所示。本发明实施例中,在运动物体移动时,以主摄像机和辅摄像机的相对固定的位置作为参考,即基于双目系统确定运动物体的实际运动朝向,对小位移目标的要求较低,较为容易确认运动物体的移动方向。本发明实施例中,在确定出运动物体的实际运动朝向时,也可以识别运动物体的特征信息,例如如果运动物体是车辆,则可以识别车辆的车牌信息。
运动物体可能一直处于运动状态,那么运动物体的实际运动朝向可能发生变化,那么作为运动物体原始的主摄像机可能检测不到运动物体的特征信息,或者只能检测到运动物体的部分特征信息,这样可能导致将运动物体更丢。为此,本发明实施例可以根据运动物体的实际运动朝向确实是否将主摄像机和辅摄像机互相切换,也就是原始的主摄像机作为辅摄像机,而原始的辅摄像机作为主摄像机,以尽量保证对运动物体跟踪的准确度。
步骤S102、根据实际运动朝向,确定是否将主摄像机和辅摄像机互相切换。
可能的实施方式中,本发明实施例可以判断实际运动朝向指向的摄像机与当前的主摄像机是否为同一个摄像机,如果确定实际运动朝向指向的摄像机与当前的主摄像机不是同一个摄像机,则确定将主摄像机和辅摄像机互相切换。在具体将主摄像机和辅摄像机进行切换时,首先可以判断物体的实际运动朝向指向的方向是不是位于主摄像机和辅摄像机的中间位置,如果物体的实际运动朝向指向的方向不是位于主摄像机和辅摄像机的中间位置,则可以将实际运动朝向指向的摄像机切换为主摄像机,例如,如果实际运动朝向指向左方向,则主摄像机可以是位于运动物体左侧的摄像机。而如果实际运动朝向指向右方向,则主摄像机可以是位于运动物体右侧的摄像机。或者,实际运动朝向指向的方向是深度学习检测器输出的置信度大的摄像机输出值指示的方向,则可以将置信度大的摄像机切换为主摄像。如果物体的实际运动朝向指向的方向位于主摄像机和辅摄像机的中间位置,则可以将深度学习检测器输出结果置信度大的摄像机切换为主摄像机。
具体地,本发明实施例可以基于表1所示的实际运动朝向,切换主摄像机可能包括如表2所示的几种情况:
表2
本发明实施例在对运动物体进行跟踪时,可以确定当前的主摄像机与表2确定的主摄像机是否一致,如果一致则可以不切换主摄像机,而如果不一致则可以将当前的主摄像机切换为辅摄像机,将当前的辅摄像机切换为主摄像机。
步骤S103、若需要切换主摄像机和所述辅摄像机,则将主摄像机跟踪的运动物体与辅摄像机跟踪的目标进行关联。
由于主摄像机和辅摄像机切换,而主摄像机和辅摄像机拍摄的图像中可能包括多个运动物体,为了确保主摄像机对同一运动物体的连线跟踪,本发明实施例切换主摄像机和辅摄像机时,可以将主摄像机跟踪的运动物体与辅摄像机跟踪的目标进行关联。例如,将主摄像机跟踪的运动物体的ID与辅摄像机跟踪的目标进行关联,具体地,可能包括以下两种可能的实施方式。
方式一:
本发明实施例可以从主摄像机拍摄的图像中确定运动物体的第一特征信息,并从辅摄像机拍摄的图像中确定运动物体的第二特征信息。如果第一特征信息与第二特征信息相似度大于或等于预设阈值,则将主摄像机跟踪的运动物体的ID与辅摄像机跟踪的目标进行关联。不同的运动物体的ID不同,如果辅摄像机跟踪的目标就是主摄像机跟踪的运动物体,那么将辅摄像机跟踪的目标与主摄像机跟踪的运动物体的ID关联,则可以保证对同一运动物体在不同的摄像机中连续跟踪。
以运动物体是车辆为例,本发明实施例可以从主摄像机拍摄的图像中确定车辆的第一车牌特征信息,并从辅摄像机拍摄的图像中确定车辆体的第二车牌特征信息。当第一车牌特征信息包括的车牌字符和第二车牌特征信息包括的车牌字符相似程度大于预设阈值例如4,也就是二者的车牌字符中相同字符大于4,则可以认为二者对应的车辆是同一车辆,此时将辅摄像机跟踪的目标与主摄像机跟踪的运动物体的ID关联,匹配完成。
方式二:
本发明实施例可以根据主摄像机及辅摄像机的坐标映射关系,将主摄像机跟踪的运动物体的ID与辅摄像机跟踪的目标进行关联。
沿用上述运动物体是车辆的例子,当车牌字符无匹配时,也就是根据辅摄像机跟踪的目标的特征信息无法确定该目标是否是运动物体,此时本发明实施例可以根据目标检测框(车辆框)位置匹配运动物体的ID,其中,车辆框可以是主摄像机和辅摄像机在拍摄图像中设置的目标检测区域。本发明实施例可以将辅摄像机的目标检测框根据事先计算的投影矩阵映射到主摄像机的坐标系,由于视角关系,两个目标检测框不会完全重叠,但会有较大一部分重叠区域。此时,计算单帧内辅摄像机所有检出车辆和主摄像机的目标检测框的投影框的位置关系:当满足辅摄像机的检测框和投影到主摄像机的目标检测框的相交区域面积满足大于较小目标框面积的1/3时,则认为二者是同一车辆,此时将两个目标检测框对应同一目标ID,即将辅摄像机跟踪的目标与主摄像机跟踪的运动物体的ID关联。如果辅摄像机的检测框和投影到主摄像机的目标检测框的相交区域面积满足不大于较小目标框面积的1/3时,则可以确定辅摄像机跟踪的目标并非是运动物体,此时可以生成新的ID以指示辅摄像机跟踪的目标,并对其开始进行跟踪。
步骤S104、通过切换后的主摄像机继续对运动物体进行跟踪。
本发明实施例中,当针对某一运动物体切换好主摄像机后,另一个辅摄像机仍要进行目标检测和跟踪。一方面,当前运动物体可能随时改变方向,以至于主摄像机需要随时判断综合方向以决定是否切换主摄像机。另一方面,两个摄像机需要继续检测当前画面中的其它可能存在的运动物体,并按前述方式判断检测运动物体的位置、方向和根据这些信息确定对此运动物体的主摄像机。也就是说,这个主摄像机是对单一的运动物体而言的,不同的运动物体可以有不同的主摄像机,当画面中有多个运动物体时,主摄像机和右摄像机可能同时作为主摄像机(针对不同的运动物体)。
本发明实施例中,主摄像机和辅摄像机在拍摄运动物体的图像时,可以在运动物体达到预先设置的抓拍线位置时,对运动物体进行拍摄,即针对性地获取图像,这样存储的图像的数量较少,节约了存储空间。
例如,以当前运动物体切换好的主摄像机设置的抓拍线位置为准,当跟踪的该运动物体到达抓拍线位置时,对运动物体进行抓拍,输出当前帧运动物体的位置框(目标触发区域图像),以及输出该运动物体的当前帧实际运动朝向。并在之后继续判断运动物体的方向,以确定针对运动物体的主摄像机,继而继续在运动物体到达抓拍线位置时对运动物体进行抓拍,但后续不对该运动物体进行抓拍,直至运动物体在两个摄像机画面内均消失后,消除该运动物体的目标ID,实现对运动物体的跟踪。
综上,本发明实施例通过主摄像机和辅摄像机对监控场景中的运动物体进行拍摄,基于运动物体相对主摄像机的朝向和运动物体相对辅摄像机的朝向,从而确定运动物体的实际运动朝向,当实际运动朝向发生了变化,原始的辅摄像机可能更加适合对运动物体进行跟踪,因此,可以根据运动物体的实际运动朝向确定跟踪的主摄像机,提高了跟踪的准确度。
下面结合说明书附图介绍本发明实施例提供的设备。
请参见图2,基于同一发明构思,本发明一实施例提供了一种运动物体跟踪设备,该跟踪设备可以包括确定单元201、切换单元202、关联单元203和跟踪单元204。其中:确定单元201用于根据主摄像机和辅摄像机拍摄的图像,确定运动物体的实际运动朝向;其中,实际运动朝向指示运动物体朝着主摄像机或辅摄像机运动。切换单元202用于根据实际运动朝向,确定是否将主摄像机和辅摄像机互相切换。关联单元203用于若需要切换主摄像机和辅摄像机,则将主摄像机跟踪的运动物体与辅摄像机跟踪的目标进行关联,并将辅摄像机确定为切换后的主摄像机。跟踪单元204用于通过切换后的主摄像机继续对运动物体进行跟踪。
可选的,确定单元201具体用于:
确定主摄像机和辅摄像机拍摄的图像中的运动物体所在主摄像机的第一方向,及运动物体所在辅摄像机的第二方向;
根据预设的朝向规则及第一方向和第二方向,确定实际运动朝向;其中,朝向规则用于指示物体相对主摄像机及辅摄像机的方向,与实际运动朝向的对应关系。
可选的,确定单元201具体用于:
判断实际运动朝向指向的摄像机与当前的主摄像机是否为同一个摄像机;
若确定实际运动朝向指向的摄像机与当前的主摄像机不是同一个摄像机,则确定将主摄像机和辅摄像机互相切换。
可选的,切换单元202具体用于:
若实际运动朝向指向的方向不是位于主摄像机和辅摄像机的中间位置,将实际运动朝向指向的摄像机切换为主摄像机;
或者,
若实际运动朝向指向的方向位于主摄像机和辅摄像机的中间位置,则将深度学习检测器输出结果置信度大的摄像机切换为主摄像机;其中,深度学习检测器用于确定实际运动朝向。
可选的,关联单元203具体用于:
从主摄像机拍摄的图像中确定运动物体的第一特征信息,并从辅摄像机拍摄的图像中确定运动物体的第二特征信息;
若第一特征信息与第二特征信息相似度大于或等于预设阈值,则将主摄像机跟踪的运动物体与辅摄像机跟踪的目标进行关联。
可选的,关联单元203具体用于:
根据主摄像机及辅摄像机的坐标映射关系,将主摄像机跟踪的运动物体与辅摄像机跟踪的目标进行关联。
可选的,还包括抓拍单元,用于:
主摄像机在运动物体达到预先设置的抓拍线位置时,对运动物体进行拍摄,获得图像。
请参见图3,基于同一发明构思,本发明一实施例提供一种运动物体跟踪设备,该运动物体跟踪设备可以是摄像机,该运动物体跟踪设备可以包括:至少一个处理器301,处理器301用于执行存储器中存储的计算机程序时实现本发明实施例提供的如图1所示的运动物体跟踪方法的步骤。
可选的,处理器301具体可以是中央处理器、特定应用集成电路(英文:Application Specific Integrated Circuit,简称:ASIC),可以是一个或多个用于控制程序执行的集成电路。
可选的,该运动物体跟踪设备还包括与至少一个处理器连接的存储器302,存储器302可以包括只读存储器(英文:Read Only Memory,简称:ROM)、随机存取存储器(英文:Random Access Memory,简称:RAM)和磁盘存储器。存储器302用于存储处理器301运行时所需的数据,即存储有可被至少一个处理器301执行的指令,至少一个处理器301通过执行存储器302存储的指令,执行如图1所示的方法。其中,存储器302的数量为一个或多个。其中,存储器302在图3中一并示出,但需要知道的是存储器302不是必选的功能模块,因此在图3中以虚线示出。
其中,确定单元201、切换单元202、关联单元203和跟踪单元204所对应的实体设备均可以是前述的处理器301。该运动物体跟踪设备可以用于执行图1所示的实施例所提供的方法。因此关于该设备中各功能模块所能够实现的功能,可参考图1所示的实施例中的相应描述,不多赘述。
本发明实施例还提供一种计算机存储介质,其中,计算机存储介质存储有计算机指令,当计算机指令在计算机上运行时,使得计算机执行如图1所述的方法。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:通用串行总线闪存盘(Universal Serial Bus flash disk)、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种运动物体跟踪方法,其特征在于,包括:
根据主摄像机和辅摄像机拍摄的图像,确定运动物体的实际运动朝向;其中,所述实际运动朝向指示所述运动物体朝着所述主摄像机或所述辅摄像机运动;
根据所述实际运动朝向,确定是否将所述主摄像机和所述辅摄像机互相切换;
若需要切换所述主摄像机和所述辅摄像机,则将所述主摄像机跟踪的运动物体与所述辅摄像机跟踪的目标进行关联,并将所述辅摄像机确定为切换后的主摄像机;
通过所述切换后的主摄像机继续对所述运动物体进行跟踪。
2.如权利要求1所述的方法,其特征在于,根据主摄像机和辅摄像机拍摄的图像,确定运动物体的实际运动朝向,包括:
确定主摄像机和辅摄像机拍摄的图像中的所述运动物体所在所述主摄像机的第一方向,及所述运动物体所在所述辅摄像机的第二方向;
根据预设的朝向规则及所述第一方向和所述第二方向,确定所述实际运动朝向;其中,所述朝向规则用于指示物体相对主摄像机及辅摄像机的方向,与实际运动朝向的对应关系。
3.如权利要求1所述的方法,其特征在于,根据所述实际运动朝向,确定是否将所述主摄像机和所述辅摄像机互相切换,包括:
判断所述实际运动朝向指向的摄像机与当前的主摄像机是否为同一个摄像机;
若确定所述实际运动朝向指向的摄像机与当前的主摄像机不是同一个摄像机,则确定将所述主摄像机和所述辅摄像机互相切换。
4.如权利要求1所述的方法,其特征在于,在根据所述实际运动朝向,确定是否将所述主摄像机和所述辅摄像机互相切换之后,还包括:
若所述实际运动朝向指向的方向不是位于所述主摄像机和所述辅摄像机的中间位置,将所述实际运动朝向指向的摄像机切换为主摄像机;
或者,
若所述实际运动朝向指向的方向位于所述主摄像机和所述辅摄像机的中间位置,则将深度学习检测器输出结果置信度大的摄像机切换为主摄像机;其中,所述深度学习检测器用于确定所述实际运动朝向。
5.如权利要求1-4任一所述的方法,其特征在于,将所述主摄像机跟踪的运动物体与所述辅摄像机跟踪的目标进行关联,包括:
从所述主摄像机拍摄的图像中确定所述运动物体的第一特征信息,并从所述辅摄像机拍摄的图像中确定所述运动物体的第二特征信息;
若所述第一特征信息与所述第二特征信息相似度大于或等于预设阈值,则将所述主摄像机跟踪的运动物体与所述辅摄像机跟踪的所述目标进行关联。
6.如权利要求1-4任一所述的方法,其特征在于,将所述主摄像机跟踪的运动物体与所述辅摄像机跟踪的目标进行关联,包括:
根据所述主摄像机及所述辅摄像机的坐标映射关系,将所述主摄像机跟踪的运动物体与所述辅摄像机跟踪的所述目标进行关联。
7.如权利要求1所述的方法,其特征在于,在根据主摄像机和辅摄像机拍摄的图像,确定运动物体的实际运动朝向之前,还包括:
所述主摄像机在所述运动物体达到预先设置的抓拍线位置时,对所述运动物体进行拍摄,获得所述图像。
8.一种运动物体跟踪设备,其特征在于,包括:
确定单元,用于根据主摄像机和辅摄像机拍摄的图像,确定运动物体的实际运动朝向;其中,所述实际运动朝向指示所述运动物体朝着所述主摄像机或所述辅摄像机运动;
切换单元,用于根据所述实际运动朝向,确定是否将所述主摄像机和所述辅摄像机互相切换;
关联单元,用于若需要切换所述主摄像机和所述辅摄像机,则将所述主摄像机跟踪的运动物体与所述辅摄像机跟踪的目标进行关联,并将所述辅摄像机确定为切换后的主摄像机;
跟踪单元,用于通过切换后的主摄像机继续对所述运动物体进行跟踪。
9.一种运动物体跟踪设备,其特征在于,包括:
至少一个处理器,以及
与所述至少一个处理器连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述至少一个处理器通过执行所述存储器存储的指令实现如权利要求1-7任一项所述的方法。
10.一种计算机存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811603321.5A CN109741373A (zh) | 2018-12-26 | 2018-12-26 | 一种运动物体跟踪方法及设备和计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811603321.5A CN109741373A (zh) | 2018-12-26 | 2018-12-26 | 一种运动物体跟踪方法及设备和计算机存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109741373A true CN109741373A (zh) | 2019-05-10 |
Family
ID=66360011
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811603321.5A Pending CN109741373A (zh) | 2018-12-26 | 2018-12-26 | 一种运动物体跟踪方法及设备和计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109741373A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112242057A (zh) * | 2019-07-19 | 2021-01-19 | 杭州海康威视系统技术有限公司 | 信号灯的控制方法、系统、装置、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102072702A (zh) * | 2010-12-31 | 2011-05-25 | 天津市亚安科技电子有限公司 | 一种双摄像机图像对应位置的计算方法 |
US20120242809A1 (en) * | 2011-03-22 | 2012-09-27 | Ben White | Video surveillance apparatus using dual camera and method thereof |
CN103997624A (zh) * | 2014-05-21 | 2014-08-20 | 江苏大学 | 重叠域双摄像头目标跟踪系统及方法 |
CN104660998A (zh) * | 2015-02-16 | 2015-05-27 | 苏州阔地网络科技有限公司 | 一种接力跟踪方法及系统 |
CN107749971A (zh) * | 2017-09-28 | 2018-03-02 | 江苏跃鑫科技有限公司 | 一种自动跟踪监控方法 |
-
2018
- 2018-12-26 CN CN201811603321.5A patent/CN109741373A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102072702A (zh) * | 2010-12-31 | 2011-05-25 | 天津市亚安科技电子有限公司 | 一种双摄像机图像对应位置的计算方法 |
US20120242809A1 (en) * | 2011-03-22 | 2012-09-27 | Ben White | Video surveillance apparatus using dual camera and method thereof |
CN103997624A (zh) * | 2014-05-21 | 2014-08-20 | 江苏大学 | 重叠域双摄像头目标跟踪系统及方法 |
CN104660998A (zh) * | 2015-02-16 | 2015-05-27 | 苏州阔地网络科技有限公司 | 一种接力跟踪方法及系统 |
CN107749971A (zh) * | 2017-09-28 | 2018-03-02 | 江苏跃鑫科技有限公司 | 一种自动跟踪监控方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112242057A (zh) * | 2019-07-19 | 2021-01-19 | 杭州海康威视系统技术有限公司 | 信号灯的控制方法、系统、装置、设备及存储介质 |
CN112242057B (zh) * | 2019-07-19 | 2021-12-31 | 杭州海康威视系统技术有限公司 | 信号灯的控制方法、系统、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104063867B (zh) | 一种多摄像机视频同步方法和装置 | |
CN110969097B (zh) | 监控目标联动跟踪控制方法、设备及存储装置 | |
US10242454B2 (en) | System for depth data filtering based on amplitude energy values | |
US11514606B2 (en) | Information processing apparatus, information processing method, and non-transitory computer-readable storage medium | |
EP3680808A1 (en) | Augmented reality scene processing method and apparatus, and computer storage medium | |
US20130051673A1 (en) | Portable electronic and method of processing a series of frames | |
KR101228341B1 (ko) | 카메라 간 협업을 이용한 영상 감시 시스템 및 방법 | |
WO2018112788A1 (zh) | 图像处理方法及设备 | |
KR20150050172A (ko) | 관심 객체 추적을 위한 다중 카메라 동적 선택 장치 및 방법 | |
KR101672732B1 (ko) | 객체 추적 장치 및 방법 | |
US20200267309A1 (en) | Focusing method and device, and readable storage medium | |
CN108062763B (zh) | 目标跟踪方法及装置、存储介质 | |
JP2012174180A (ja) | 立体物検出装置および立体物検出方法 | |
CN110213491B (zh) | 一种对焦方法、装置及存储介质 | |
JP2019190974A (ja) | キャリブレーション装置、キャリブレーション方法、及びプログラム | |
JP2015079444A5 (zh) | ||
CN107564033B (zh) | 一种水下目标的跟踪方法、水下设备和可穿戴设备 | |
CN109495733B (zh) | 三维影像重建方法、装置及其非暂态电脑可读取储存媒体 | |
CN110751685A (zh) | 深度信息确定方法、确定装置、电子装置和车辆 | |
JP5445069B2 (ja) | 3次元位置計測装置および3次元位置計測方法 | |
CN109741373A (zh) | 一种运动物体跟踪方法及设备和计算机存储介质 | |
CN113286084B (zh) | 终端的图像采集方法及装置、存储介质、终端 | |
CN111583338B (zh) | 用于无人设备的定位方法、装置、介质及无人设备 | |
CN113838151A (zh) | 相机标定方法、装置、设备及介质 | |
US20200285831A1 (en) | Three-dimensional dataset and two-dimensional image localisation |
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 |