CN109922250B - 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
- CN109922250B CN109922250B CN201711320834.0A CN201711320834A CN109922250B CN 109922250 B CN109922250 B CN 109922250B CN 201711320834 A CN201711320834 A CN 201711320834A CN 109922250 B CN109922250 B CN 109922250B
- Authority
- CN
- China
- Prior art keywords
- target
- snapshot
- candidate
- determining
- candidate snapshot
- 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
Links
Images
Landscapes
- 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第一目标对象,确定各第一目标对象在所述当前全景视频帧中的位置信息;确定未抓拍的第二目标对象;确定候选抓拍对象,并确定各候选抓拍对象的抓拍优先级;在所述候选抓拍对象中,识别第一抓拍优先级的目标候选抓拍对象,确定所述目标候选抓拍对象对应的细节相机位置信息,并确定所述目标候选抓拍对象对应的倍率;控制所述细节相机调整其位置和倍率,控制调整后的细节相机抓拍所述目标候选抓拍对象。本发明实施例能够在保证监控范围的前提下,提高监控图像质量。
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,且捕获到图像质量较高的监控图像。
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,存在监控范围和图像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,提高监控图像质量。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第一目标对象,确定各第一目标对象在所述当前全景视频帧中的位置信息;
在所述各第一目标对象中,确定未抓拍的第二目标对象;
至少根据所述各第二目标对象的姿态信息,在所述各第二目标对象中确定候选抓拍对象,并确定各候选抓拍对象的抓拍优先级;
在所述候选抓拍对象中,识别第一抓拍优先级的目标候选抓拍对象,根据所述目标候选抓拍对象的位置信息,以及预先构建的全景相机和细节相机的位置映射关系,确定所述目标候选抓拍对象对应的细节相机位置信息,并确定所述目标候选抓拍对象对应的倍率;
根据所述目标候选抓拍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,控制调整后的细节相机抓拍所述目标候选抓拍对象。
可选的,所述确定各第一目标对象在所述当前全景视频帧中的位置信息之后,所述方法还包括:
确定各第一目标对象在所述当前全景视频帧中的大小;
所述确定所述目标候选抓拍对象对应的倍率的步骤包括:
根据所述目标候选抓拍对象的大小,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所述目标候选抓拍对象对应的倍率。
可选的,所述至少根据所述各第二目标对象的姿态信息,在所述各第二目标对象中确定候选抓拍对象,并确定各候选抓拍对象的抓拍优先级的步骤包括:
至少根据所述各第二目标对象的姿态信息,计算所述各第二目标对象的姿态评分,并根据所述各第二目标对象的姿态评分,确定候选抓拍对象;
根据各候选抓拍对象的姿态评分,确定各候选抓拍对象的抓拍优先级。
可选的,所述根据所述各第二目标对象的姿态评分,确定候选抓拍对象的步骤包括:
在各第二目标对象的姿态评分中,识别大于或等于预设阈值的第一姿态评分,以及小于所述预设阈值的第二姿态评分;
将所述第一姿态评分对应的第二目标对象确定为候选抓拍对象;
针对每个第二姿态评分对应的第二目标对象,根据该第二目标对象的姿态变化速度,计算该第二目标对象的姿态评分增长为所述预设阈值所用的目标时间;将所述目标时间小于预设时间阈值的第二姿态评分对应的第二目标对象确定为候选抓拍对象。
可选的,所述根据各候选抓拍对象的姿态评分,确定各候选抓拍对象的抓拍优先级的步骤包括:
针对各第一姿态评分对应的候选抓拍对象,按照姿态评分越大抓拍优先级越高的顺序,确定各候选抓拍对象的抓拍优先级;
针对各第二姿态评分对应的候选抓拍对象,按照目标时间越小抓拍优先级越高的顺序,确定各候选抓拍对象的抓拍优先级;
其中,所述第一姿态评分对应的候选抓拍对象的抓拍优先级,高于所述第二姿态评分对应的候选抓拍对象的抓拍优先级。
可选的,所述根据所述目标候选抓拍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,控制调整后的细节相机抓拍所述目标候选抓拍对象之前,所述方法还包括:
确定各候选抓拍对象的跟踪时长;
所述根据所述目标候选抓拍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,控制调整后的细节相机抓拍所述目标候选抓拍对象的步骤包括:
根据所述目标候选抓拍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所述目标候选抓拍对象对应的跟踪时长内抓拍所述目标候选抓拍对象。
可选的,所述确定各候选抓拍对象的跟踪时长的步骤包括:
根据各候选抓拍对象的移动方向,确定各候选抓拍对象距离监控场景边缘的距离,根据各候选抓拍对象距离监控场景边缘的距离、以及对应各候选抓拍对象的速度大小,计算各候选抓拍对象的离开时间;
根据各候选抓拍对象的离开时间,以及预设条件,计算各候选抓拍对象的跟踪时长;其中,所述预设条件包括:各候选抓拍对象的跟踪时长之和小于任一候选抓拍对象的离开时间,各候选抓拍对象的跟踪时长之和最大,各候选抓拍对象的跟踪时长的方差最小。
可选的,所述确定各候选抓拍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候选抓拍对象的跟踪时长。
可选的,所述方法还包括:
获取所述细节相机采集的所述目标候选抓拍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。
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第一目标对象,确定各第一目标对象在所述当前全景视频帧中的位置信息;
第一确定模块,用于在所述各第一目标对象中,确定未抓拍的第二目标对象;
第二确定模块,用于至少根据所述各第二目标对象的姿态信息,在所述各第二目标对象中确定候选抓拍对象,并确定各候选抓拍对象的抓拍优先级;
第三确定模块,用于在所述候选抓拍对象中,识别第一抓拍优先级的目标候选抓拍对象,根据所述目标候选抓拍对象的位置信息,以及预先构建的全景相机和细节相机的位置映射关系,确定所述目标候选抓拍对象对应的细节相机位置信息,并确定所述目标候选抓拍对象对应的倍率;
控制模块,用于根据所述目标候选抓拍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,控制调整后的细节相机抓拍所述目标候选抓拍对象。
可选的,所述装置还包括:
第四确定模块,用于确定各第一目标对象在所述当前全景视频帧中的大小;
所述第三确定模块,具体用于:
根据所述目标候选抓拍对象的大小,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所述目标候选抓拍对象对应的倍率。
可选的,所述第二确定模块,包括:
第一确定子模块,用于至少根据所述各第二目标对象的姿态信息,计算所述各第二目标对象的姿态评分,并根据所述各第二目标对象的姿态评分,确定候选抓拍对象;
第二确定子模块,用于根据各候选抓拍对象的姿态评分,确定各候选抓拍对象的抓拍优先级。
可选的,所述第一确定子模块,具体用于:
在各第二目标对象的姿态评分中,识别大于或等于预设阈值的第一姿态评分,以及小于所述预设阈值的第二姿态评分;
将所述第一姿态评分对应的第二目标对象确定为候选抓拍对象;
针对每个第二姿态评分对应的第二目标对象,根据该第二目标对象的姿态变化速度,计算该第二目标对象的姿态评分增长为所述预设阈值所用的目标时间;将所述目标时间小于预设时间阈值的第二姿态评分对应的第二目标对象确定为候选抓拍对象。
可选的,所述第二确定子模块,具体用于:
针对各第一姿态评分对应的候选抓拍对象,按照姿态评分越大抓拍优先级越高的顺序,确定各候选抓拍对象的抓拍优先级;
针对各第二姿态评分对应的候选抓拍对象,按照目标时间越小抓拍优先级越高的顺序,确定各候选抓拍对象的抓拍优先级;
其中,所述第一姿态评分对应的候选抓拍对象的抓拍优先级,高于所述第二姿态评分对应的候选抓拍对象的抓拍优先级。
可选的,所述装置还包括:
第五确定模块,用于确定各候选抓拍对象的跟踪时长;
所述控制模块,具体用于根据所述目标候选抓拍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所述目标候选抓拍对象对应的跟踪时长内抓拍所述目标候选抓拍对象。
可选的,所述第五确定模块,具体用于:
根据各候选抓拍对象的移动方向,确定各候选抓拍对象距离监控场景边缘的距离,根据各候选抓拍对象距离监控场景边缘的距离、以及对应各候选抓拍对象的速度大小,计算各候选抓拍对象的离开时间;
根据各候选抓拍对象的离开时间,以及预设条件,计算各候选抓拍对象的跟踪时长;其中,所述预设条件包括:各候选抓拍对象的跟踪时长之和小于任一候选抓拍对象的离开时间,各候选抓拍对象的跟踪时长之和最大,各候选抓拍对象的跟踪时长的方差最小。
可选的,所述第五确定模块,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候选抓拍对象的跟踪时长。
可选的,所述装置还包括:
获取模块,用于获取所述细节相机采集的所述目标候选抓拍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。
第三方面,本发明实施例提供了一种视频监控设备,包括处理器、全景相机和细节相机;
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,用于检测所述全景相机所采集的当前全景视频帧中的第一目标对象,确定各第一目标对象在所述当前全景视频帧中的位置信息;在所述各第一目标对象中,确定未抓拍的第二目标对象;至少根据所述各第二目标对象的姿态信息,在所述各第二目标对象中确定候选抓拍对象,并确定各候选抓拍对象的抓拍优先级;在所述候选抓拍对象中,识别第一抓拍优先级的目标候选抓拍对象,根据所述目标候选抓拍对象的位置信息,以及预先构建的全景相机和细节相机的位置映射关系,确定所述目标候选抓拍对象对应的细节相机位置信息,并确定所述目标候选抓拍对象对应的倍率;将所述目标候选抓拍对象对应的细节相机位置信息和倍率发送给所述细节相机;
所述细节相机,用于根据接收到的所述目标候选抓拍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,并抓拍所述目标候选抓拍对象。
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第一目标对象,确定各第一目标对象在所述当前全景视频帧中的位置信息;在所述各第一目标对象中,确定未抓拍的第二目标对象;至少根据所述各第二目标对象的姿态信息,在所述各第二目标对象中确定候选抓拍对象,并确定各候选抓拍对象的抓拍优先级;在所述候选抓拍对象中,识别第一抓拍优先级的目标候选抓拍对象,根据所述目标候选抓拍对象的位置信息,以及预先构建的全景相机和细节相机的位置映射关系,确定所述目标候选抓拍对象对应的细节相机位置信息,并确定所述目标候选抓拍对象对应的倍率;根据所述目标候选抓拍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,控制调整后的细节相机抓拍所述目标候选抓拍对象。
本发明实施例中,可以通过全景相机和细节相机联动来对目标对象进行抓拍,从而可以集中全景相机和细节相机的优势,既保证了监控范围,又能够保证通过细节相机采集到清晰度较高的监控图像。并且,对多个候选抓拍对象进行抓拍时,可以根据姿态信息对各候选抓拍对象进行优先级排序,进而对满足优先级条件的目标候选抓拍对象进行抓拍,也即能够保证对目标候选抓拍对象进行抓拍时,抓拍到的监控图像中目标候选抓拍对象的姿态较好,也即能够抓拍到质量较优的监控图像。
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为本发明实施例的一种目标对象抓拍装置的结构示意图;
图6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第一目标对象,确定各第一目标对象在所述当前全景视频帧中的位置信息。
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可以包括处理器、全景相机和细节相机。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,如1毫秒、5毫秒、10毫秒等,周期性采集当前全景视频帧。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。
处理器接收到当前全景视频帧后,可以对当前全景视频帧中的第一目标对象进行检测。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进入特定区域、或符合预设条件的第一目标对象。
其中,上述第一目标对象可以为人、车辆等。本发明实施例中,以第一目标对象为人为例,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,当前全景视频帧中包含有对象1、2、3、4、5、6、7、8、9、10,其中,进入特定区域的第一目标对象为目标对象1、5、6。
检测到各第一目标对象后,处理器还可以确定各第一目标对象在当前全景视频帧中的位置信息。如,处理器可以针对每个第一目标对象,确定该第一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第一目标对象的位置信息。
如图3所示,针对第一目标对象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,第一目标对象1的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。
S102,在所述各第一目标对象中,确定未抓拍的第二目标对象。
在本发明实施例中,检测到当前全景视频帧中的第一目标对象后,处理器可以控制细节相机依次对各第一目标对象进行抓拍。具体的,处理器可以在各第一目标对象中,确定未抓拍的第二目标对象,以对各第二目标对象进行抓拍,避免重复抓拍以及漏抓拍。
例如,当检测到各第一目标对象,还未进行抓拍时,处理器可以将全部的第一目标对象确定为未抓拍的第二目标对象;之后,每次对一个第一目标对象进行抓拍后,即可将除该第一目标对象之外的第一目标对象确定为第二目标对象。
在一种实现方式中,当处理器检测到各第一目标对象,还未进行抓拍时,其可以将全部的第一目标对象的已抓拍次数设置为0,当对任一第一目标对象进行抓拍后,则将其已抓拍次数更新为1。这种情况下,处理器在确定第二目标对象时,可以将已抓拍次数为0的第一目标对象确定为第二目标对象。
S103,至少根据所述各第二目标对象的姿态信息,在所述各第二目标对象中确定候选抓拍对象,并确定各候选抓拍对象的抓拍优先级。
在本发明实施例中,为了提高监控图像的图像质量,保证细节相机能够抓拍目标对象正面等,处理器可以在第二目标对象中,确定待抓拍的候选抓拍对象,并确定各候选抓拍对象的抓拍优先级,进而可以根据优先级顺序,对各候选抓拍对象进行抓拍。
也就是说,在第二目标对象中,只有满足条件的第二目标对象,处理器才控制细节相机对其进行抓拍。针对不满足条件的第二目标对象,如,背向全景相机的第二目标对象,将不对其进行抓拍,从而可以保证抓拍图像的质量。
具体的,处理器可以至少根据各第二目标对象的姿态信息,计算各第二目标对象的姿态评分,并根据各第二目标对象的姿态评分,确定候选抓拍对象。并且,可以根据各候选抓拍对象的姿态评分,确定各候选抓拍对象的抓拍优先级。
例如,处理器可以根据各第二目标对象的姿态信息,如,各第二目标对象是否正向全景相机,以及能够抓拍到各第二目标对象的脸部区域大小等信息,计算各第二目标对象的姿态评分。
得到各第二目标对象的姿态评分后,处理器可以将姿态评分大于预设阈值的第二目标对象确定为候选抓拍对象。并且,可以将各第二目标对象的姿态评分大小,确定为各第二目标对象的抓拍优先级大小。
S104,在所述候选抓拍对象中,识别第一抓拍优先级的目标候选抓拍对象,根据所述目标候选抓拍对象的位置信息,以及预先构建的全景相机和细节相机的位置映射关系,确定所述目标候选抓拍对象对应的细节相机位置信息,并确定所述目标候选抓拍对象对应的倍率。
得到各候选抓拍对象的抓拍优先级后,处理器可以在候选抓拍对象中,识别第一抓拍优先级的目标候选抓拍对象,如可以识别最高抓拍优先级、次高抓拍优先级、或第三抓拍优先级的目标候选抓拍对象。之后,可以确定对目标候选抓拍对象进行抓拍的相关参数。
具体的,处理器可以根据目标候选抓拍对象的位置信息,以及预先构建的全景相机和细节相机的位置映射关系,确定目标候选抓拍对象对应的细节相机位置信息,并确定目标候选抓拍对象对应的倍率。
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。
当处理器确定目标候选抓拍对象的位置信息后,可以根据目标候选抓拍对象的位置信息,以及预先构建的全景相机和细节相机的位置映射关系,确定目标候选抓拍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目标候选抓拍对象时所在的位置。
如,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,查找目标候选抓拍对象的位置信息,并将该位置信息对应的细节相机的位置信息作为目标候选抓拍对象对应的细节相机位置信息。
对当前全景视频帧中出现在坐标(x=500,y=720)处的目标候选抓拍对象,根据全景相机和细节相机的位置映射关系,可以获得其对应的细节相机位置信息为:PT坐标(P=10.5°,T=2.3°)。P为细节相机水平位置信息,T为细节相机垂直位置信息。
在本发明实施例中,为了能够清晰的对目标候选抓拍对象进行抓拍,细节相机的倍率是可以调整的。具体的,处理器可以根据目标候选抓拍对象的大小,确定目标候选抓拍对象对应的倍率。
通常情况下,图像中人的像素宽度达到80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,处理器可以根据目标候选抓拍对象的大小,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目标候选抓拍对象对应的倍率。
S105,根据所述目标候选抓拍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,控制调整后的细节相机抓拍所述目标候选抓拍对象。
得到目标候选抓拍对象对应的细节相机位置信息和倍率后,处理器可以根据该目标候选抓拍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抓拍该目标候选抓拍对象。
例如,处理器可以向细节相机发送包含将该目标候选抓拍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,并抓拍该目标候选抓拍对象。
可以理解,当全景相机中存在多个候选抓拍对象时,处理器可以控制细节相机依次对各个候选抓拍对象进行抓拍。具体的,控制细节相机对目标候选抓拍对象进行抓拍后,处理器可以返回执行步骤S102,在各第一目标对象中,确定未抓拍的第二目标对象,以进一步确定下一目标候选抓拍对象,并对其进行抓拍。当第一目标对象中不存在未抓拍的第二目标对象时,流程结束。
本发明实施例中,可以通过全景相机和细节相机联动来对目标对象进行抓拍,从而可以集中全景相机和细节相机的优势,既保证了监控范围,又能够保证通过细节相机采集到清晰度较高的监控图像。并且,对多个候选抓拍对象进行抓拍时,可以根据姿态信息对各候选抓拍对象进行优先级排序,进而对满足优先级条件的目标候选抓拍对象进行抓拍,也即能够保证对目标候选抓拍对象进行抓拍时,抓拍到的监控图像中目标候选抓拍对象的姿态较好,也即能够抓拍到质量较优的监控图像。
作为本发明实施例的一种实施方式,为了提高各候选抓拍对象以及各候选抓拍对象的抓拍优先级确定的准确性,如图4所示,处理器确定候选抓拍对象的过程可以包括以下步骤:
S401,在各第二目标对象的姿态评分中,识别大于或等于预设阈值的第一姿态评分,以及小于所述预设阈值的第二姿态评分。
在本实施例中,处理器确定候选抓拍对象时,可以在各第二目标对象的姿态评分中,识别大于或等于预设阈值的第一姿态评分,以及小于预设阈值的第二姿态评分。
例如,当存在5个第二目标对象,依次为第二目标对象a、b、c、d、e,各第二目标对象的姿态评分依次为:8.8,9.0,8.6,9.2,9.5,预设阈值为9.0时,即可确定第一姿态评分为9.0,9.2,9.5,第二姿态评分为8.8,8.6。
S402,将所述第一姿态评分对应的第二目标对象确定为候选抓拍对象。
第一姿态评分对应的第二目标对象,即为姿态较好的目标对象,如正对全景相机的目标对象,对其进行抓拍后,可以获得质量较好的监控图像。因此,确定第一姿态评分和第二姿态评分后,处理器可以将第一姿态评分对应的第二目标对象确定为候选抓拍对象。
仍以上述例子为例,当存在5个第二目标对象,依次为第二目标对象a、b、c、d、e,各第二目标对象的姿态评分依次为:8.8,9.0,8.6,9.2,9.5,预设阈值为9.0时,可确定第一姿态评分为9.0,9.2,9.5,第二姿态评分为8.8,8.6,即可将第一姿态评分对应的第二目标对象b、d、e确定为候选抓拍对象。
S403,针对每个第二姿态评分对应的第二目标对象,根据该第二目标对象的姿态变化速度,计算该第二目标对象的姿态评分增长为所述预设阈值所用的目标时间;将所述目标时间小于预设时间阈值的第二姿态评分对应的第二目标对象确定为候选抓拍对象。
第二姿态评分对应的第二目标对象,即为姿态较差的目标对象,如背对全景相机或侧面对着全景相机的目标对象,对其进行抓拍后,获取不到目标对象完整的面部图像,也即获取到的监控图像质量较差。然而,第二姿态评分的第二目标对象,其姿态评分可能一直在变化,且可能很快会变为较好的姿态,如,其可能正在转身等。
在本发明实施例中,为了保证尽可能对每个可能的目标对象均进行抓拍,针对每个第二姿态评分对应的第二目标对象,处理器可以根据该第二目标对象的姿态变化速度,计算该第二目标对象的姿态评分增长为预设阈值所用的目标时间;并将目标时间小于预设时间阈值的第二姿态评分对应的第二目标对象确定为候选抓拍对象。
如,当任一第二目标对象的姿态变化速度为Vn,其当前的第二姿态评分为Gn,预设阈值为G,则有
G=Gn+Vn*t
可以确定该第二目标对象对应的目标时间t。
相应的,处理器确定各候选抓拍对象的抓拍优先级时,针对各第一姿态评分对应的候选抓拍对象,可以按照姿态评分越大抓拍优先级越高的顺序,确定各候选抓拍对象的抓拍优先级;针对各第二姿态评分对应的候选抓拍对象,按照目标时间越小抓拍优先级越高的顺序,确定各候选抓拍对象的抓拍优先级;其中,第一姿态评分对应的候选抓拍对象的抓拍优先级,高于第二姿态评分对应的候选抓拍对象的抓拍优先级。
作为本发明实施例的一种实施方式,处理器对当前待抓拍的目标候选抓拍对象进行抓拍时,为了提高目标候选抓拍对象的抓拍质量,可以对该目标候选抓拍对象进行多次抓拍。具体的,处理器可以在对目标候选抓拍对象进行抓拍之前,确定各候选抓拍对象的跟踪时长,进而对目标候选抓拍对象进行抓拍时,可以根据其对应的跟踪时长,在该跟踪时长内对目标候选抓拍对象进行多次抓拍。
如,细节相机可以在目标候选抓拍对象对应的跟踪时长内按照一固定的抓拍频率,对目标候选抓拍对象进行抓拍。
本实施例中,细节相机对目标候选抓拍对象进行抓拍时,可以在目标候选抓拍对象对应的跟踪时长内对目标候选抓拍对象进行多次抓拍,从而能够进一步保证抓拍到较高质量的图像。
在一种实现方式中,处理器可以预先设定各候选抓拍对象的跟踪时长为相同值,在进行目标候选抓拍对象抓拍之前,获取预设的跟踪时长,并将所获取的跟踪时长作为各候选抓拍对象的跟踪时长。
在另一种实现方式中,处理器在确定各候选抓拍对象的跟踪时长时,可以根据各候选抓拍对象的移动方向,确定各候选抓拍对象距离监控场景边缘的距离,根据各候选抓拍对象距离监控场景边缘的距离、以及对应各候选抓拍对象的速度大小,计算各候选抓拍对象的离开时间,进而可以根据各候选抓拍对象的离开时间,以及预设条件,计算各候选抓拍对象的跟踪时长;其中,上述预设条件包括:各候选抓拍对象的跟踪时长之和小于任一候选抓拍对象的离开时间,各候选抓拍对象的跟踪时长之和最大,各候选抓拍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,计算各候选抓拍对象i的跟踪时长Tk(i):
其中,Tl(n)为任一候选抓拍对象的离开时间,n为候选抓拍对象的总数量。
并且,要满足以下两个条件:
也就是说,在确定各候选抓拍对象的跟踪时长时,能够保证每个候选抓拍对象都能分配到一定的跟踪时长,从而保证每个候选抓拍对象都能被抓拍到。并且,各候选抓拍对象的跟踪时长尽可能长,且各候选抓拍对象的跟踪时长相差较小,防止局部最优。
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目标候选抓拍对象进行抓拍时,细节相机可以抓拍包含该目标候选抓拍对象的多张图像。并且,处理器还可以在该多张图像中,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,处理器可以获取细节相机采集的目标候选抓拍对象对应的多张图像,并在多张图像中,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。
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5所示,所述装置包括:
检测模块510,用于检测全景相机所采集的当前全景视频帧中的第一目标对象,确定各第一目标对象在所述当前全景视频帧中的位置信息;
第一确定模块520,用于在所述各第一目标对象中,确定未抓拍的第二目标对象;
第二确定模块530,用于至少根据所述各第二目标对象的姿态信息,在所述各第二目标对象中确定候选抓拍对象,并确定各候选抓拍对象的抓拍优先级;
第三确定模块540,用于在所述候选抓拍对象中,识别第一抓拍优先级的目标候选抓拍对象,根据所述目标候选抓拍对象的位置信息,以及预先构建的全景相机和细节相机的位置映射关系,确定所述目标候选抓拍对象对应的细节相机位置信息,并确定所述目标候选抓拍对象对应的倍率;
控制模块550,用于根据所述目标候选抓拍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,控制调整后的细节相机抓拍所述目标候选抓拍对象。
本发明实施例中,可以通过全景相机和细节相机联动来对目标对象进行抓拍,从而可以集中全景相机和细节相机的优势,既保证了监控范围,又能够保证通过细节相机采集到清晰度较高的监控图像。并且,对多个候选抓拍对象进行抓拍时,可以根据姿态信息对各候选抓拍对象进行优先级排序,进而对满足优先级条件的目标候选抓拍对象进行抓拍,也即能够保证对目标候选抓拍对象进行抓拍时,抓拍到的监控图像中目标候选抓拍对象的姿态较好,也即能够抓拍到质量较优的监控图像。
作为本发明实施例的一种实施方式,所述装置还包括:
第四确定模块,用于确定各第一目标对象在所述当前全景视频帧中的大小;
所述第三确定模块540,具体用于:
根据所述目标候选抓拍对象的大小,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所述目标候选抓拍对象对应的倍率。
作为本发明实施例的一种实施方式,所述第二确定模块530,包括:
第一确定子模块,用于至少根据所述各第二目标对象的姿态信息,计算所述各第二目标对象的姿态评分,并根据所述各第二目标对象的姿态评分,确定候选抓拍对象;
第二确定子模块,用于根据各候选抓拍对象的姿态评分,确定各候选抓拍对象的抓拍优先级。
作为本发明实施例的一种实施方式,所述第一确定子模块,具体用于:
在各第二目标对象的姿态评分中,识别大于或等于预设阈值的第一姿态评分,以及小于所述预设阈值的第二姿态评分;
将所述第一姿态评分对应的第二目标对象确定为候选抓拍对象;
针对每个第二姿态评分对应的第二目标对象,根据该第二目标对象的姿态变化速度,计算该第二目标对象的姿态评分增长为所述预设阈值所用的目标时间;将所述目标时间小于预设时间阈值的第二姿态评分对应的第二目标对象确定为候选抓拍对象。
作为本发明实施例的一种实施方式,所述第二确定子模块,具体用于:
针对各第一姿态评分对应的候选抓拍对象,按照姿态评分越大抓拍优先级越高的顺序,确定各候选抓拍对象的抓拍优先级;
针对各第二姿态评分对应的候选抓拍对象,按照目标时间越小抓拍优先级越高的顺序,确定各候选抓拍对象的抓拍优先级;
其中,所述第一姿态评分对应的候选抓拍对象的抓拍优先级,高于所述第二姿态评分对应的候选抓拍对象的抓拍优先级。
作为本发明实施例的一种实施方式,所述装置还包括:
第五确定模块,用于确定各候选抓拍对象的跟踪时长;
所述控制模块550,具体用于根据所述目标候选抓拍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所述目标候选抓拍对象对应的跟踪时长内抓拍所述目标候选抓拍对象。
作为本发明实施例的一种实施方式,所述第五确定模块,具体用于:
根据各候选抓拍对象的移动方向,确定各候选抓拍对象距离监控场景边缘的距离,根据各候选抓拍对象距离监控场景边缘的距离、以及对应各候选抓拍对象的速度大小,计算各候选抓拍对象的离开时间;
根据各候选抓拍对象的离开时间,以及预设条件,计算各候选抓拍对象的跟踪时长;其中,所述预设条件包括:各候选抓拍对象的跟踪时长之和小于任一候选抓拍对象的离开时间,各候选抓拍对象的跟踪时长之和最大,各候选抓拍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,所述第五确定模块,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候选抓拍对象的跟踪时长。
作为本发明实施例的一种实施方式,所述装置还包括:
获取模块,用于获取所述细节相机采集的所述目标候选抓拍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。
相应的,本发明实施例还提供了一种视频监控设备,如图6所示,包括处理器610、全景相机620和细节相机630;
所述全景相机620,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610;
所述处理器610,用于检测所述全景相机620所采集的当前全景视频帧中的第一目标对象,确定各第一目标对象在所述当前全景视频帧中的位置信息;在所述各第一目标对象中,确定未抓拍的第二目标对象;至少根据所述各第二目标对象的姿态信息,在所述各第二目标对象中确定候选抓拍对象,并确定各候选抓拍对象的抓拍优先级;在所述候选抓拍对象中,识别第一抓拍优先级的目标候选抓拍对象,根据所述目标候选抓拍对象的位置信息,以及预先构建的全景相机和细节相机的位置映射关系,确定所述目标候选抓拍对象对应的细节相机位置信息,并确定所述目标候选抓拍对象对应的倍率;将所述目标候选抓拍对象对应的细节相机位置信息和倍率发送给所述细节相机630;
所述细节相机630,用于根据接收到的所述目标候选抓拍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,并抓拍所述目标候选抓拍对象。
本发明实施例中,可以通过全景相机和细节相机联动来对目标对象进行抓拍,从而可以集中全景相机和细节相机的优势,既保证了监控范围,又能够保证通过细节相机采集到清晰度较高的监控图像。并且,对多个候选抓拍对象进行抓拍时,可以根据姿态信息对各候选抓拍对象进行优先级排序,进而对满足优先级条件的目标候选抓拍对象进行抓拍,也即能够保证对目标候选抓拍对象进行抓拍时,抓拍到的监控图像中目标候选抓拍对象的姿态较好,也即能够抓拍到质量较优的监控图像。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置/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。
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 (17)
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第一目标对象,确定各第一目标对象在所述当前全景视频帧中的位置信息;
在所述各第一目标对象中,确定未抓拍的第二目标对象;
至少根据所述各第二目标对象的姿态信息,在所述各第二目标对象中确定候选抓拍对象,并确定各候选抓拍对象的抓拍优先级;
在所述候选抓拍对象中,识别第一抓拍优先级的目标候选抓拍对象,根据所述目标候选抓拍对象的位置信息,以及预先构建的全景相机和细节相机的位置映射关系,确定所述目标候选抓拍对象对应的细节相机位置信息,并确定所述目标候选抓拍对象对应的倍率;
根据所述目标候选抓拍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,控制调整后的细节相机抓拍所述目标候选抓拍对象;
所述至少根据所述各第二目标对象的姿态信息,在所述各第二目标对象中确定候选抓拍对象的步骤,包括:
至少根据所述各第二目标对象的姿态信息,计算所述各第二目标对象的姿态评分;
在各第二目标对象的姿态评分中,识别大于或等于预设阈值的第一姿态评分,以及小于所述预设阈值的第二姿态评分;
将所述第一姿态评分对应的第二目标对象确定为候选抓拍对象;
针对每个第二姿态评分对应的第二目标对象,根据该第二目标对象的姿态变化速度,计算该第二目标对象的姿态评分增长为所述预设阈值所用的目标时间;将所述目标时间小于预设时间阈值的第二姿态评分对应的第二目标对象确定为候选抓拍对象。
2.根据权利要求1所述的方法,其特征在于,所述确定各第一目标对象在所述当前全景视频帧中的位置信息之后,所述方法还包括:
确定各第一目标对象在所述当前全景视频帧中的大小;
所述确定所述目标候选抓拍对象对应的倍率的步骤包括:
根据所述目标候选抓拍对象的大小,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所述目标候选抓拍对象对应的倍率。
3.根据权利要求1所述的方法,其特征在于,所述至少根据所述各第二目标对象的姿态信息,确定各候选抓拍对象的抓拍优先级的步骤包括:
根据各候选抓拍对象的姿态评分,确定各候选抓拍对象的抓拍优先级。
4.根据权利要求3所述的方法,其特征在于,所述根据各候选抓拍对象的姿态评分,确定各候选抓拍对象的抓拍优先级的步骤包括:
针对各第一姿态评分对应的候选抓拍对象,按照姿态评分越大抓拍优先级越高的顺序,确定各候选抓拍对象的抓拍优先级;
针对各第二姿态评分对应的候选抓拍对象,按照目标时间越小抓拍优先级越高的顺序,确定各候选抓拍对象的抓拍优先级;
其中,所述第一姿态评分对应的候选抓拍对象的抓拍优先级,高于所述第二姿态评分对应的候选抓拍对象的抓拍优先级。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述根据所述目标候选抓拍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,控制调整后的细节相机抓拍所述目标候选抓拍对象之前,所述方法还包括:
确定各候选抓拍对象的跟踪时长;
所述根据所述目标候选抓拍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,控制调整后的细节相机抓拍所述目标候选抓拍对象的步骤包括:
根据所述目标候选抓拍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所述目标候选抓拍对象对应的跟踪时长内抓拍所述目标候选抓拍对象。
6.根据权利要求5所述的方法,其特征在于,所述确定各候选抓拍对象的跟踪时长的步骤包括:
根据各候选抓拍对象的移动方向,确定各候选抓拍对象距离监控场景边缘的距离,根据各候选抓拍对象距离监控场景边缘的距离、以及对应各候选抓拍对象的速度大小,计算各候选抓拍对象的离开时间;
根据各候选抓拍对象的离开时间,以及预设条件,计算各候选抓拍对象的跟踪时长;其中,所述预设条件包括:各候选抓拍对象的跟踪时长之和小于任一候选抓拍对象的离开时间,各候选抓拍对象的跟踪时长之和最大,各候选抓拍对象的跟踪时长的方差最小。
7.根据权利要求5所述的方法,其特征在于,所述确定各候选抓拍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候选抓拍对象的跟踪时长。
8.根据权利要求5所述的方法,其特征在于,所述方法还包括:
获取所述细节相机采集的所述目标候选抓拍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。
9.一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第一目标对象,确定各第一目标对象在所述当前全景视频帧中的位置信息;
第一确定模块,用于在所述各第一目标对象中,确定未抓拍的第二目标对象;
第二确定模块,用于至少根据所述各第二目标对象的姿态信息,在所述各第二目标对象中确定候选抓拍对象,并确定各候选抓拍对象的抓拍优先级;
第三确定模块,用于在所述候选抓拍对象中,识别第一抓拍优先级的目标候选抓拍对象,根据所述目标候选抓拍对象的位置信息,以及预先构建的全景相机和细节相机的位置映射关系,确定所述目标候选抓拍对象对应的细节相机位置信息,并确定所述目标候选抓拍对象对应的倍率;
控制模块,用于根据所述目标候选抓拍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,控制调整后的细节相机抓拍所述目标候选抓拍对象;
所述第二确定模块,包括:
第一确定子模块,用于至少根据所述各第二目标对象的姿态信息,计算所述各第二目标对象的姿态评分,并根据所述各第二目标对象的姿态评分,确定候选抓拍对象;
所述第一确定子模块,具体用于:
在各第二目标对象的姿态评分中,识别大于或等于预设阈值的第一姿态评分,以及小于所述预设阈值的第二姿态评分;
将所述第一姿态评分对应的第二目标对象确定为候选抓拍对象;
针对每个第二姿态评分对应的第二目标对象,根据该第二目标对象的姿态变化速度,计算该第二目标对象的姿态评分增长为所述预设阈值所用的目标时间;将所述目标时间小于预设时间阈值的第二姿态评分对应的第二目标对象确定为候选抓拍对象。
10.根据权利要求9所述的装置,其特征在于,所述装置还包括:
第四确定模块,用于确定各第一目标对象在所述当前全景视频帧中的大小;
所述第三确定模块,具体用于:
根据所述目标候选抓拍对象的大小,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所述目标候选抓拍对象对应的倍率。
11.根据权利要求9所述的装置,其特征在于,所述第二确定模块,还包括:
第二确定子模块,用于根据各候选抓拍对象的姿态评分,确定各候选抓拍对象的抓拍优先级。
12.根据权利要求11所述的装置,其特征在于,所述第二确定子模块,具体用于:
针对各第一姿态评分对应的候选抓拍对象,按照姿态评分越大抓拍优先级越高的顺序,确定各候选抓拍对象的抓拍优先级;
针对各第二姿态评分对应的候选抓拍对象,按照目标时间越小抓拍优先级越高的顺序,确定各候选抓拍对象的抓拍优先级;
其中,所述第一姿态评分对应的候选抓拍对象的抓拍优先级,高于所述第二姿态评分对应的候选抓拍对象的抓拍优先级。
13.根据权利要求9-12任一项所述的装置,其特征在于,所述装置还包括:
第五确定模块,用于确定各候选抓拍对象的跟踪时长;
所述控制模块,具体用于根据所述目标候选抓拍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所述目标候选抓拍对象对应的跟踪时长内抓拍所述目标候选抓拍对象。
14.根据权利要求13所述的装置,其特征在于,所述第五确定模块,具体用于:
根据各候选抓拍对象的移动方向,确定各候选抓拍对象距离监控场景边缘的距离,根据各候选抓拍对象距离监控场景边缘的距离、以及对应各候选抓拍对象的速度大小,计算各候选抓拍对象的离开时间;
根据各候选抓拍对象的离开时间,以及预设条件,计算各候选抓拍对象的跟踪时长;其中,所述预设条件包括:各候选抓拍对象的跟踪时长之和小于任一候选抓拍对象的离开时间,各候选抓拍对象的跟踪时长之和最大,各候选抓拍对象的跟踪时长的方差最小。
15.根据权利要求13所述的装置,其特征在于,所述第五确定模块,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候选抓拍对象的跟踪时长。
16.根据权利要求13所述的装置,其特征在于,所述装置还包括:
获取模块,用于获取所述细节相机采集的所述目标候选抓拍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。
17.一种视频监控设备,其特征在于,包括处理器、全景相机和细节相机;
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,用于检测所述全景相机所采集的当前全景视频帧中的第一目标对象,确定各第一目标对象在所述当前全景视频帧中的位置信息;在所述各第一目标对象中,确定未抓拍的第二目标对象;至少根据所述各第二目标对象的姿态信息,在所述各第二目标对象中确定候选抓拍对象,并确定各候选抓拍对象的抓拍优先级;在所述候选抓拍对象中,识别第一抓拍优先级的目标候选抓拍对象,根据所述目标候选抓拍对象的位置信息,以及预先构建的全景相机和细节相机的位置映射关系,确定所述目标候选抓拍对象对应的细节相机位置信息,并确定所述目标候选抓拍对象对应的倍率;将所述目标候选抓拍对象对应的细节相机位置信息和倍率发送给所述细节相机;
所述细节相机,用于根据接收到的所述目标候选抓拍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,并抓拍所述目标候选抓拍对象;
所述处理器用于至少根据所述各第二目标对象的姿态信息,在所述各第二目标对象中确定候选抓拍对象时,具体用于:至少根据所述各第二目标对象的姿态信息,计算所述各第二目标对象的姿态评分;在各第二目标对象的姿态评分中,识别大于或等于预设阈值的第一姿态评分,以及小于所述预设阈值的第二姿态评分;将所述第一姿态评分对应的第二目标对象确定为候选抓拍对象;针对每个第二姿态评分对应的第二目标对象,根据该第二目标对象的姿态变化速度,计算该第二目标对象的姿态评分增长为所述预设阈值所用的目标时间;将所述目标时间小于预设时间阈值的第二姿态评分对应的第二目标对象确定为候选抓拍对象。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711320834.0A CN109922250B (zh) | 2017-12-12 | 2017-12-12 | 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 |
---|---|---|---|
CN201711320834.0A CN109922250B (zh) | 2017-12-12 | 2017-12-12 | 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 |
---|---|
CN109922250A CN109922250A (zh) | 2019-06-21 |
CN109922250B true CN109922250B (zh) | 2021-04-02 |
Family
ID=66957666
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711320834.0A Active CN109922250B (zh) | 2017-12-12 | 2017-12-12 | 一种目标对象抓拍方法、装置及视频监控设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109922250B (zh) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN110705480B (zh) * | 2019-09-30 | 2022-12-02 | 重庆紫光华山智安科技有限公司 | 目标对象的停留点定位方法及相关装置 |
CN110677592B (zh) * | 2019-10-31 | 2022-06-10 | Oppo广东移动通信有限公司 | 主体对焦方法、装置、计算机设备和存储介质 |
CN111083358A (zh) * | 2019-12-05 | 2020-04-28 | 浙江大华技术股份有限公司 | 一种目标抓拍方法、装置及系统 |
CN112954188B (zh) * | 2019-12-10 | 2021-10-29 | 李思成 | 一种仿人眼感知的目标主动抓拍方法和装置 |
CN111083444B (zh) * | 2019-12-26 | 2021-10-15 | 浙江大华技术股份有限公司 | 一种抓拍方法、装置、电子设备及存储介质 |
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 |
CN112611715A (zh) * | 2020-11-11 | 2021-04-06 | 无锡臻永科技有限公司 | 旋转式分项检测系统及方法 |
CN112954274B (zh) * | 2021-02-04 | 2022-09-20 | 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 |
CN113301273B (zh) * | 2021-05-24 | 2023-06-13 | 浙江大华技术股份有限公司 | 跟踪方式的确定方法、装置、存储介质及电子装置 |
CN113473010B (zh) * | 2021-06-29 | 2023-08-22 | 浙江大华技术股份有限公司 | 抓拍方法、装置、存储介质及电子装置 |
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 |
CN113591651A (zh) * | 2021-07-22 | 2021-11-02 | 浙江大华技术股份有限公司 | 抓取图像的方法、图像展示方法、装置和存储介质 |
CN113705459B (zh) * | 2021-08-30 | 2024-09-06 | 平安银行股份有限公司 | 人脸抓拍方法、装置、电子设备及存储介质 |
CN113794818A (zh) * | 2021-09-01 | 2021-12-14 | 浙江大华技术股份有限公司 | 抓拍对象的确定方法、装置、存储介质及电子装置 |
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 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101106700A (zh) * | 2007-08-01 | 2008-01-16 | 大连海事大学 | 视频监控系统中的智能化目标细节捕获装置及方法 |
WO2012106314A2 (en) * | 2011-02-04 | 2012-08-09 | Eastman Kodak Company | Estimating subject motion between image frames |
CN103310190A (zh) * | 2012-05-16 | 2013-09-18 | 清华大学 | 基于异构主动视觉网络的人脸图像样本采集优化方法 |
CN103595915A (zh) * | 2013-11-07 | 2014-02-19 | 北京汉邦高科数字技术股份有限公司 | 一种控制高清球机的视频位置定位的方法 |
CN103761514A (zh) * | 2014-01-26 | 2014-04-30 | 公安部第三研究所 | 基于广角枪机和多球机实现人脸识别的系统及方法 |
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 |
CN104394356A (zh) * | 2014-11-03 | 2015-03-04 | 杭州普维光电技术有限公司 | 一种摄像机与高速球关联控制自动变倍方法 |
CN104754302A (zh) * | 2015-03-20 | 2015-07-01 | 安徽大学 | 一种基于枪球联动系统的目标检测跟踪方法 |
CN105979210A (zh) * | 2016-06-06 | 2016-09-28 | 深圳市深网视界科技有限公司 | 一种基于多枪多球摄像机阵列的行人识别系统 |
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 (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5845783B2 (ja) * | 2011-09-30 | 2016-01-20 | カシオ計算機株式会社 | 表示装置、表示制御方法及びプログラム |
US20170180680A1 (en) * | 2015-12-21 | 2017-06-22 | Hai Yu | Object following view presentation method and system |
CN106708089A (zh) * | 2016-12-20 | 2017-05-24 | 北京小米移动软件有限公司 | 跟随式的飞行控制方法及装置、无人机 |
-
2017
- 2017-12-12 CN CN201711320834.0A patent/CN109922250B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101106700A (zh) * | 2007-08-01 | 2008-01-16 | 大连海事大学 | 视频监控系统中的智能化目标细节捕获装置及方法 |
WO2012106314A2 (en) * | 2011-02-04 | 2012-08-09 | Eastman Kodak Company | Estimating subject motion between image frames |
CN103310190A (zh) * | 2012-05-16 | 2013-09-18 | 清华大学 | 基于异构主动视觉网络的人脸图像样本采集优化方法 |
CN103595915A (zh) * | 2013-11-07 | 2014-02-19 | 北京汉邦高科数字技术股份有限公司 | 一种控制高清球机的视频位置定位的方法 |
CN103761514A (zh) * | 2014-01-26 | 2014-04-30 | 公安部第三研究所 | 基于广角枪机和多球机实现人脸识别的系统及方法 |
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 |
CN104394356A (zh) * | 2014-11-03 | 2015-03-04 | 杭州普维光电技术有限公司 | 一种摄像机与高速球关联控制自动变倍方法 |
CN104754302A (zh) * | 2015-03-20 | 2015-07-01 | 安徽大学 | 一种基于枪球联动系统的目标检测跟踪方法 |
CN105979210A (zh) * | 2016-06-06 | 2016-09-28 | 深圳市深网视界科技有限公司 | 一种基于多枪多球摄像机阵列的行人识别系统 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN109922250A (zh) | 2019-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109922250B (zh) | 一种目标对象抓拍方法、装置及视频监控设备 | |
CN109151375B (zh) | 一种目标对象抓拍方法、装置及视频监控设备 | |
CN109151295B (zh) | 一种目标对象抓拍方法、装置及视频监控设备 | |
JP4241742B2 (ja) | 自動追尾装置及び自動追尾方法 | |
CN107710283B (zh) | 一种拍摄控制方法、装置以及控制设备 | |
CN110163885B (zh) | 一种目标跟踪方法及装置 | |
US10445887B2 (en) | Tracking processing device and tracking processing system provided with same, and tracking processing method | |
CN110570454B (zh) | 一种检测异物入侵的方法及装置 | |
KR101687530B1 (ko) | 촬상 시스템에 있어서의 제어방법, 제어장치 및 컴퓨터 판독 가능한 기억매체 | |
JP5484184B2 (ja) | 画像処理装置、画像処理方法及びプログラム | |
US20190295243A1 (en) | Method and system for automated video image focus change detection and classification | |
CN105898107B (zh) | 一种目标物体抓拍方法及系统 | |
CN111787232B (zh) | 基于云台摄像机的图像处理方法、设备及存储介质 | |
CN105915784A (zh) | 信息处理方法和装置 | |
CN109905641B (zh) | 一种目标监控方法、装置、设备及系统 | |
CN112207821A (zh) | 视觉机器人的目标搜寻方法及机器人 | |
JP4578864B2 (ja) | 自動追尾装置及び自動追尾方法 | |
CN114463781A (zh) | 确定触发手势的方法、装置及设备 | |
CN109982030B (zh) | 一种目标对象抓拍方法、装置、视频监控设备及存储介质 | |
CN108734065B (zh) | 一种手势图像获取设备及方法 | |
Li et al. | Unsupervised learning of human perspective context using ME-DT for efficient human detection in surveillance | |
EP4198918A1 (en) | Object detection method and object detection system for video | |
CN108733205B (zh) | 一种手势图像获取设备及方法 | |
CN115835008A (zh) | 跨不同拍摄设备的追踪方法、装置、电子设备以及介质 | |
Kim et al. | Performance Analysis of Geo-Fencing Effect for Intruder Monitoring |
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 |