CN110211161B - 一种多摄像头轨迹重合分析的方法及装置 - Google Patents
一种多摄像头轨迹重合分析的方法及装置 Download PDFInfo
- Publication number
- CN110211161B CN110211161B CN201910417633.5A CN201910417633A CN110211161B CN 110211161 B CN110211161 B CN 110211161B CN 201910417633 A CN201910417633 A CN 201910417633A CN 110211161 B CN110211161 B CN 110211161B
- Authority
- CN
- China
- Prior art keywords
- image set
- track
- image
- time point
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000004458 analytical method Methods 0.000 title claims description 9
- 238000012545 processing Methods 0.000 claims description 25
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/292—Multi-camera tracking
-
- 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
- G06T2207/30241—Trajectory
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)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种多摄像头轨迹重合分析的方法及装置，该方法包括获取多个摄像头采集的图像集合，针对多个图像集合中第一图像集合，根据第一图像集合中的物品的各时间点的轨迹图像，从多个第二图像集合中确定出与第一图像集合的物品轨迹重合的图像集合，若与第一图像集合的物品轨迹重合的图像集合为多个，则确定每个与第一图像集合的物品轨迹重合的图像集合的得分，将得分最高的图像集合对应的物品轨迹确定为与第一图像集合的物品轨迹重合的轨迹。通过在确定出多个轨迹重合的图像集合之后，确定每个图像集合的得分，将得分最高的图像集合对应的物品轨迹确定为重合的轨迹，可以提高轨迹重合判断的准确率。
Description
技术领域
本发明实施例涉及轨迹去重技术领域，尤其涉及一种多摄像头轨迹重合分析的方法及装置。
背景技术
目前，在对物品摆放的货架进行监控时，由于使用一个摄像头对一个区域进行监控时，通常是存在监控盲区的，无法对区域内的所有位置全部监控，因此通常使用多个摄像头对同一区域进行监控，将多个摄像头布置在不同的角落，可以防止出现监控盲区。这种情况下，当有人员拿到物品去结算时，多个摄像头都会拍摄到该物品，从而使得多个摄像头拍摄到相同物品的轨迹图像，但是每个摄像头拍摄到的相同物品的轨迹图像是不同的，此时就需要分析物品的运动轨迹图像，确定出重合的轨迹。
发明内容
本发明实施例提供一种多摄像头轨迹重合分析的方法及装置，用以提高确定多摄像头轨迹重合的准确率。
本发明实施例提供的一种多摄像头轨迹重合分析的方法，包括：
获取多个摄像头采集的图像集合，所述图像集合中包括物品的各个时间点的轨迹图像；
针对多个所述图像集合中第一图像集合，根据所述第一图像集合中的物品的各时间点的轨迹图像，从多个第二图像集合中确定出与所述第一图像集合的物品轨迹重合的图像集合；所述第二图像集合为多个所述图像集合中除所述第一图像集合之外的图像集合；
若所述与所述第一图像集合的物品轨迹重合的图像集合为多个，则确定每个所述与所述第一图像集合的物品轨迹重合的图像集合的得分，将得分最高的图像集合对应的物品轨迹确定为与所述第一图像集合的物品轨迹重合的轨迹。
上述技术方案中，通过在确定出多个轨迹重合的图像集合之后，确定每个图像集合的得分，将得分最高的图像集合对应的物品轨迹确定为重合的轨迹，可以提高轨迹重合判断的准确率。
可选的，所述根据所述第一图像集合中的物品的各时间点的轨迹图像，从多个第二图像集合中确定出与所述第一图像集合的物品轨迹重合的图像集合，包括：
根据所述第一图像集合和所述第二图像集合的各时间点的轨迹图像的物品坐标、所述第一图像集合和所述第二图像集合对应的摄像头的外参数，确定所述第一图像集合和所述第二图像集合中各时间点对应的直线方程；
根据所述第一图像集合和所述第二图像集合中各时间点对应的直线方程，确定所述第一图像集合和所述第二图像集合中各时间点对应的直线方程的公垂线段；
根据所述第一图像集合和所述第二图像集合中各时间点对应的直线方程的公垂线段，确定所述第一图像集合和所述第二图像集合中各时间点的轨迹图像是否重合；
若所述第一图像集合和所述第二图像集合中所有时间点的轨迹图像都重合，则将所述第二图像集合确定为与所述第一图像集合的物品轨迹重合的图像集合。
可选的，所述根据所述第一图像集合和所述第二图像集合中各时间点对应的直线方程的公垂线段，确定所述第一图像集合和所述第二图像集合中各时间点的轨迹图像是否重合，包括：
若所述第一图像集合和所述第二图像集合中各时间点对应的直线方程的公垂线段的长度小于阈值且所述第一图像集合和所述第二图像集合中各时间点对应的直线方程的公垂线段的三维空间坐标位于预设区域内，则确定所述第一图像集合和所述第二图像集合中各时间点的轨迹图像重合，否则不重合。
可选的，所述确定每个所述与所述第一图像集合的物品轨迹重合的图像集合的得分，包括：
根据每个所述与所述第一图像集合的物品轨迹重合的图像集合的各时间点对应的直线方程的公垂线段的长度和阈值，确定每个所述与所述第一图像集合的物品轨迹重合的图像集合的得分。
可选的，在所述从多个第二图像集合中确定出与所述第一图像集合的物品轨迹重合的图像集合之前，还包括：
根据各图像集合对应的摄像头的内参数对各图像集合中的轨迹图像进行去除畸变。
可选的，在所述获取多个摄像头采集的图像集合之前，还包括：
对各摄像头的内外参数进行标定。
相应的，本发明实施例还提供了一种多摄像头轨迹重合分析的装置，包括：
获取单元，用于获取多个摄像头采集的图像集合，所述图像集合中包括物品的各个时间点的轨迹图像；
处理单元，用于针对多个所述图像集合中第一图像集合，根据所述第一图像集合中的物品的各时间点的轨迹图像，从多个第二图像集合中确定出与所述第一图像集合的物品轨迹重合的图像集合；所述第二图像集合为多个所述图像集合中除所述第一图像集合之外的图像集合；若所述与所述第一图像集合的物品轨迹重合的图像集合为多个，则确定每个所述与所述第一图像集合的物品轨迹重合的图像集合的得分，将得分最高的图像集合对应的物品轨迹确定为与所述第一图像集合的物品轨迹重合的轨迹。
可选的，所述处理单元具体用于：
根据所述第一图像集合和所述第二图像集合的各时间点的轨迹图像的物品坐标、所述第一图像集合和所述第二图像集合对应的摄像头的外参数，确定所述第一图像集合和所述第二图像集合中各时间点对应的直线方程；
根据所述第一图像集合和所述第二图像集合中各时间点对应的直线方程，确定所述第一图像集合和所述第二图像集合中各时间点对应的直线方程的公垂线段；
根据所述第一图像集合和所述第二图像集合中各时间点对应的直线方程的公垂线段，确定所述第一图像集合和所述第二图像集合中各时间点的轨迹图像是否重合；
若所述第一图像集合和所述第二图像集合中所有时间点的轨迹图像都重合，则将所述第二图像集合确定为与所述第一图像集合的物品轨迹重合的图像集合。
可选的，所述处理单元具体用于：
若所述第一图像集合和所述第二图像集合中各时间点对应的直线方程的公垂线段的长度小于阈值且所述第一图像集合和所述第二图像集合中各时间点对应的直线方程的公垂线段的三维空间坐标位于预设区域内，则确定所述第一图像集合和所述第二图像集合中各时间点的轨迹图像重合，否则不重合。
可选的，所述处理单元具体用于：
根据每个所述与所述第一图像集合的物品轨迹重合的图像集合的各时间点对应的直线方程的公垂线段的长度和阈值，确定每个所述与所述第一图像集合的物品轨迹重合的图像集合的得分。
可选的，所述处理单元还用于：
在所述从多个第二图像集合中确定出与所述第一图像集合的物品轨迹重合的图像集合之前，根据各图像集合对应的摄像头的内参数对各图像集合中的轨迹图像进行去除畸变。
可选的，所述处理单元还用于：
在所述获取多个摄像头采集的图像集合之前，对各摄像头的内外参数进行标定。
相应的，本发明实施例还提供了一种计算设备，包括：
存储器，用于存储程序指令；
处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行上述多摄像头轨迹重合分析的方法。
相应的，本发明实施例还提供了一种计算机可读非易失性存储介质，包括计算机可读指令，当计算机读取并执行所述计算机可读指令时，使得计算机执行上述多摄像头轨迹重合分析的方法。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，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，对于本领域的普通技术人员来讲，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为本发明实施例提供的一种系统架构的示意图；
图2为本发明实施例提供的一种多摄像头轨迹重合分析的方法的流程示意图；
图3为本发明实施例提供的一种多摄像头轨迹重合分析的装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，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它实施例，都属于本发明保护的范围。
图1示例性的示出了本发明实施例所适用的一种系统架构，该系统架构可以为服务器100，包括处理器110、通信接口120和存储器130。
其中，通信接口120用于与终端设备进行通信，收发该终端设备传输的信息，实现通信。
处理器110是服务器100的控制中心，利用各种接口和路线连接整个服务器100的各个部分，通过运行或执行存储在存储器130内的软件程序/或模块，以及调用存储在存储器130内的数据，执行服务器100的各种功能和处理数据。可选地，处理器110可以包括一个或多个处理单元。
存储器130可用于存储软件程序以及模块，处理器110通过运行存储在存储器130的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器130可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据业务处理所创建的数据等。此外，存储器130可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
需要说明的是，上述图1所示的结构仅是一种示例，本发明实施例对此不做限定。
基于上述描述，图2示例性的示出了本发明实施例提供的一种多摄像头轨迹重合分析的方法的流程，该流程可以由多摄像头轨迹重合分析的装置执行，该装置可以位于如图1所示服务器100内，也可以是该服务器100。
如图2所示，该流程具体包括：
步骤201，获取多个摄像头采集的图像集合。
在本发明实施例中图像集合中可以包括物品的各个时间点的轨迹图像，每个时间点对应一张轨迹图像，不同的图像集合具有相同的时间点。通常在对超市货架进行监控时，通常是有多个摄像头同时对一个区域进行监控，多个摄像头采集的物品图像可能会是同一个物品，但是不同摄像头在不同的角度拍摄出的同一个物品的轨迹是不同的。因此，需要判断相同时间点的轨迹图像上的物品是否为同一个物品。
在获取该多个摄像头采集的图像集合之前，还需要对该多个摄像头的内外参数进行标定，对摄像头标定的方式可以为现有技术中已有的技术方案，对此不对限定。
相应的，在获取到图像集合之后，还需要使用各图像集合对应的摄像头的内参数对。
步骤202，针对多个所述图像集合中第一图像集合，根据所述第一图像集合中的物品的各时间点的轨迹图像，从多个第二图像集合中确定出与所述第一图像集合的物品轨迹重合的图像集合。
上述第二图像集合为多个所述图像集合中除所述第一图像集合之外的图像集合。也就是说，该多个图像集合中除了第一图像集合之外的任意一个图像集合都可以是第二图像集合，该第二图像集合为多个。
具体的，可以根据第一图像集合和第二图像集合的各时间点的轨迹图像的物品坐标、第一图像集合和第二图像集合对应的摄像头的外参数，确定第一图像集合和第二图像集合中各时间点对应的直线方程。然后根据第一图像集合和第二图像集合中各时间点对应的直线方程，确定第一图像集合和第二图像集合中各时间点对应的直线方程的公垂线段。再根据第一图像集合和第二图像集合中各时间点对应的直线方程的公垂线段，确定第一图像集合和第二图像集合中各时间点的轨迹图像是否重合。若第一图像集合和第二图像集合中所有时间点的轨迹图像都重合，则将第二图像集合确定为与第一图像集合的物品轨迹重合的图像集合。
通过摄像头的内参数和轨迹图像上物品坐标，根据两点一线的原理，求解出直线方程，从而可以得到第一图像集合中各时间点的直线方程，和第二图像集合中各时间点的直线方程。然后求解这两个直线方程的公垂线段，如果两张轨迹图像中的物品是同一个物品，该两个直线方程理论上是相交于一点，但是由于误差存在，可以通过公垂线段的大小来判断两个直线方程是否相交，从而确定两个轨迹图像中的物品是否重合。因此，若第一图像集合和第二图像集合中各时间点对应的直线方程的公垂线段的长度小于阈值且第一图像集合和第二图像集合中各时间点对应的直线方程的公垂线段的三维空间坐标位于预设区域内，则确定第一图像集合和第二图像集合中各时间点的轨迹图像重合，否则不重合。上述阈值和预设区域可以依据经验设置。
也就是说，当公垂线段小于一个阈值且公垂线段的三维空间坐标位于预设区域内时，可以确定第一图像集合和第二图像集合中各时间点的轨迹图像重合。
步骤203，若所述与所述第一图像集合的物品轨迹重合的图像集合为多个，则确定每个所述与所述第一图像集合的物品轨迹重合的图像集合的得分，将得分最高的图像集合对应的物品轨迹确定为与所述第一图像集合的物品轨迹重合的轨迹。
需要说明的是，如果上述步骤202中确定的与第一图像集合中的物品轨迹重合的图像集合为多个时，此时可以计算每个与第一图像集合中的物品轨迹重合的图像集合的得分，具体的，可以根据每个与第一图像集合的物品轨迹重合的图像集合的各时间点对应的直线方程的公垂线段的长度和阈值，确定每个与第一图像集合的物品轨迹重合的图像集合的得分。计算公式可以参见公式(1)：
其中，S为每个与第一图像集合的物品轨迹重合的图像集合的得分，li为每个与第一图像集合的物品轨迹重合的图像集合的第i个时间点对应的直线方程的公垂线段的长度，dmin为阈值，i为正整数。
通过上述公式(1)可以计算出每个与第一图像集合的物品轨迹重合的图像集合的得分，从而可以将得分最高的图像集合对应的物品轨迹确定为与第一图像集合的物品轨迹重合的轨迹。
上述实施例表明，获取多个摄像头采集的图像集合，图像集合中包括物品的各个时间点的轨迹图像，针对多个图像集合中第一图像集合，根据第一图像集合中的物品的各时间点的轨迹图像，从多个第二图像集合中确定出与第一图像集合的物品轨迹重合的图像集合，第二图像集合为多个所述图像集合中除第一图像集合之外的图像集合，若与第一图像集合的物品轨迹重合的图像集合为多个，则确定每个与第一图像集合的物品轨迹重合的图像集合的得分，将得分最高的图像集合对应的物品轨迹确定为与第一图像集合的物品轨迹重合的轨迹。通过在确定出多个轨迹重合的图像集合之后，确定每个图像集合的得分，将得分最高的图像集合对应的物品轨迹确定为重合的轨迹，可以提高轨迹重合判断的准确率。
基于相同的技术构思，图3示例性的示出了本发明实施例提供的一种多摄像头轨迹重合分析的装置的结构，该装置可以执行多摄像头轨迹重合分析的流程，该装置可以位于图1所示的服务器100内，也可以是该服务器100。
如图3所示，该装置具体包括：
获取单元301，用于获取多个摄像头采集的图像集合，所述图像集合中包括物品的各个时间点的轨迹图像；
处理单元302，用于针对多个所述图像集合中第一图像集合，根据所述第一图像集合中的物品的各时间点的轨迹图像，从多个第二图像集合中确定出与所述第一图像集合的物品轨迹重合的图像集合；所述第二图像集合为多个所述图像集合中除所述第一图像集合之外的图像集合；若所述与所述第一图像集合的物品轨迹重合的图像集合为多个，则确定每个所述与所述第一图像集合的物品轨迹重合的图像集合的得分，将得分最高的图像集合对应的物品轨迹确定为与所述第一图像集合的物品轨迹重合的轨迹。
可选的，所述处理单元302具体用于：
根据所述第一图像集合和所述第二图像集合的各时间点的轨迹图像的物品坐标、所述第一图像集合和所述第二图像集合对应的摄像头的外参数，确定所述第一图像集合和所述第二图像集合中各时间点对应的直线方程；
根据所述第一图像集合和所述第二图像集合中各时间点对应的直线方程，确定所述第一图像集合和所述第二图像集合中各时间点对应的直线方程的公垂线段；
根据所述第一图像集合和所述第二图像集合中各时间点对应的直线方程的公垂线段，确定所述第一图像集合和所述第二图像集合中各时间点的轨迹图像是否重合；
若所述第一图像集合和所述第二图像集合中所有时间点的轨迹图像都重合，则将所述第二图像集合确定为与所述第一图像集合的物品轨迹重合的图像集合。
可选的，所述处理单元302具体用于：
若所述第一图像集合和所述第二图像集合中各时间点对应的直线方程的公垂线段的长度小于阈值且所述第一图像集合和所述第二图像集合中各时间点对应的直线方程的公垂线段的三维空间坐标位于预设区域内，则确定所述第一图像集合和所述第二图像集合中各时间点的轨迹图像重合，否则不重合。
可选的，所述处理单元302具体用于：
根据每个所述与所述第一图像集合的物品轨迹重合的图像集合的各时间点对应的直线方程的公垂线段的长度和阈值，确定每个所述与所述第一图像集合的物品轨迹重合的图像集合的得分。
可选的，所述处理单元302还用于：
在所述从多个第二图像集合中确定出与所述第一图像集合的物品轨迹重合的图像集合之前，根据各图像集合对应的摄像头的内参数对各图像集合中的轨迹图像进行去除畸变。
可选的，所述处理单元302还用于：
在所述获取多个摄像头采集的图像集合之前，对各摄像头的内外参数进行标定。
基于相同的技术构思，本发明实施例还提供了一种计算设备，包括：
存储器，用于存储程序指令；
处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行上述多摄像头轨迹重合分析的方法。
基于相同的技术构思，本发明实施例还提供了一种计算机可读非易失性存储介质，包括计算机可读指令，当计算机读取并执行所述计算机可读指令时，使得计算机执行上述多摄像头轨迹重合分析的方法。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
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 (14)
1.一种多摄像头轨迹重合分析的方法，其特征在于，包括：
获取多个摄像头采集的图像集合，所述图像集合中包括物品的各个时间点的轨迹图像；
针对多个所述图像集合中第一图像集合，根据所述第一图像集合中的物品的各时间点的轨迹图像，从多个第二图像集合中确定出与所述第一图像集合的物品轨迹重合的图像集合；所述第二图像集合为多个所述图像集合中除所述第一图像集合之外的图像集合；
若所述与所述第一图像集合的物品轨迹重合的图像集合为多个，则确定每个所述与所述第一图像集合的物品轨迹重合的图像集合的得分，将得分最高的图像集合对应的物品轨迹确定为与所述第一图像集合的物品轨迹重合的轨迹；
所述根据所述第一图像集合中的物品的各时间点的轨迹图像，从多个第二图像集合中确定出与所述第一图像集合的物品轨迹重合的图像集合，包括：
通过摄像头的外 参数和轨迹图像上物品坐标，得到第一图像集合中各时间点的直线方程和第二图像集合中各时间点的直线方程；
求解所述第一图像集合中各时间点的直线方程和第二图像集合中各时间点的直线方程的公垂线段；
根据公垂线段的大小确定两个轨迹图像中的物品是否重合。
2.如权利要求1所述的方法，其特征在于，所述根据所述第一图像集合中的物品的各时间点的轨迹图像，从多个第二图像集合中确定出与所述第一图像集合的物品轨迹重合的图像集合，包括：
根据所述第一图像集合和所述第二图像集合的各时间点的轨迹图像的物品坐标、所述第一图像集合和所述第二图像集合对应的摄像头的外参数，确定所述第一图像集合和所述第二图像集合中各时间点对应的直线方程；
根据所述第一图像集合和所述第二图像集合中各时间点对应的直线方程，确定所述第一图像集合和所述第二图像集合中各时间点对应的直线方程的公垂线段；
根据所述第一图像集合和所述第二图像集合中各时间点对应的直线方程的公垂线段，确定所述第一图像集合和所述第二图像集合中各时间点的轨迹图像是否重合；
若所述第一图像集合和所述第二图像集合中所有时间点的轨迹图像都重合，则将所述第二图像集合确定为与所述第一图像集合的物品轨迹重合的图像集合。
3.如权利要求2所述的方法，其特征在于，所述根据所述第一图像集合和所述第二图像集合中各时间点对应的直线方程的公垂线段，确定所述第一图像集合和所述第二图像集合中各时间点的轨迹图像是否重合，包括：
若所述第一图像集合和所述第二图像集合中各时间点对应的直线方程的公垂线段的长度小于阈值且所述第一图像集合和所述第二图像集合中各时间点对应的直线方程的公垂线段的三维空间坐标位于预设区域内，则确定所述第一图像集合和所述第二图像集合中各时间点的轨迹图像重合，否则不重合。
4.如权利要求2所述的方法，其特征在于，所述确定每个所述与所述第一图像集合的物品轨迹重合的图像集合的得分，包括：
根据每个所述与所述第一图像集合的物品轨迹重合的图像集合的各时间点对应的直线方程的公垂线段的长度和阈值，确定每个所述与所述第一图像集合的物品轨迹重合的图像集合的得分。
5.如权利要求1至4任一项所述的方法，其特征在于，在所述从多个第二图像集合中确定出与所述第一图像集合的物品轨迹重合的图像集合之前，还包括：
根据各图像集合对应的摄像头的内参数对各图像集合中的轨迹图像进行去除畸变。
6.如权利要求1至4任一项所述的方法，其特征在于，在所述获取多个摄像头采集的图像集合之前，还包括：
对各摄像头的内外参数进行标定。
7.一种多摄像头轨迹重合分析的装置，其特征在于，包括：
获取单元，用于获取多个摄像头采集的图像集合，所述图像集合中包括物品的各个时间点的轨迹图像；
处理单元，用于针对多个所述图像集合中第一图像集合，根据所述第一图像集合中的物品的各时间点的轨迹图像，从多个第二图像集合中确定出与所述第一图像集合的物品轨迹重合的图像集合；所述第二图像集合为多个所述图像集合中除所述第一图像集合之外的图像集合；若所述与所述第一图像集合的物品轨迹重合的图像集合为多个，则确定每个所述与所述第一图像集合的物品轨迹重合的图像集合的得分，将得分最高的图像集合对应的物品轨迹确定为与所述第一图像集合的物品轨迹重合的轨迹；
所述处理单元具体用于：
通过摄像头的外 参数和轨迹图像上物品坐标，得到第一图像集合中各时间点的直线方程和第二图像集合中各时间点的直线方程；
求解所述第一图像集合中各时间点的直线方程和第二图像集合中各时间点的直线方程的公垂线段；
根据公垂线段的大小确定两个轨迹图像中的物品是否重合。
8.如权利要求7所述的装置，其特征在于，所述处理单元具体用于：
根据所述第一图像集合和所述第二图像集合的各时间点的轨迹图像的物品坐标、所述第一图像集合和所述第二图像集合对应的摄像头的外参数，确定所述第一图像集合和所述第二图像集合中各时间点对应的直线方程；
根据所述第一图像集合和所述第二图像集合中各时间点对应的直线方程，确定所述第一图像集合和所述第二图像集合中各时间点对应的直线方程的公垂线段；
根据所述第一图像集合和所述第二图像集合中各时间点对应的直线方程的公垂线段，确定所述第一图像集合和所述第二图像集合中各时间点的轨迹图像是否重合；
若所述第一图像集合和所述第二图像集合中所有时间点的轨迹图像都重合，则将所述第二图像集合确定为与所述第一图像集合的物品轨迹重合的图像集合。
9.如权利要求8所述的装置，其特征在于，所述处理单元具体用于：
若所述第一图像集合和所述第二图像集合中各时间点对应的直线方程的公垂线段的长度小于阈值且所述第一图像集合和所述第二图像集合中各时间点对应的直线方程的公垂线段的三维空间坐标位于预设区域内，则确定所述第一图像集合和所述第二图像集合中各时间点的轨迹图像重合，否则不重合。
10.如权利要求8所述的装置，其特征在于，所述处理单元具体用于：
根据每个所述与所述第一图像集合的物品轨迹重合的图像集合的各时间点对应的直线方程的公垂线段的长度和阈值，确定每个所述与所述第一图像集合的物品轨迹重合的图像集合的得分。
11.如权利要求7至10任一项所述的装置，其特征在于，所述处理单元还用于：
在所述从多个第二图像集合中确定出与所述第一图像集合的物品轨迹重合的图像集合之前，根据各图像集合对应的摄像头的内参数对各图像集合中的轨迹图像进行去除畸变。
12.如权利要求7至10任一项所述的装置，其特征在于，所述处理单元还用于：
在所述获取多个摄像头采集的图像集合之前，对各摄像头的内外参数进行标定。
13.一种计算设备，其特征在于，包括：
存储器，用于存储程序指令；
处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行权利要求1至6任一项所述的方法。
14.一种计算机可读非易失性存储介质，其特征在于，包括计算机可读指令，当计算机读取并执行所述计算机可读指令时，使得计算机执行如权利要求1至6任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910417633.5A CN110211161B (zh) | 2019-05-20 | 2019-05-20 | 一种多摄像头轨迹重合分析的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910417633.5A CN110211161B (zh) | 2019-05-20 | 2019-05-20 | 一种多摄像头轨迹重合分析的方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110211161A CN110211161A (zh) | 2019-09-06 |
| CN110211161B true CN110211161B (zh) | 2021-06-11 |
Family
ID=67787786
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910417633.5A Active CN110211161B (zh) | 2019-05-20 | 2019-05-20 | 一种多摄像头轨迹重合分析的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110211161B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112735030B (zh) * | 2020-12-28 | 2022-08-19 | 深兰人工智能(深圳)有限公司 | 售货柜的视觉识别方法、装置、电子设备和可读存储介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104123732A (zh) * | 2014-07-14 | 2014-10-29 | 中国科学院信息工程研究所 | 一种基于多摄像头的在线目标跟踪方法及系统 |
| CN104392239A (zh) * | 2014-09-25 | 2015-03-04 | 深圳市捷顺科技实业股份有限公司 | 一种车牌识别方法及系统 |
| CN104574028A (zh) * | 2015-02-03 | 2015-04-29 | 深圳市易流科技有限公司 | 判断不同的gps是否随同一辆车移动的方法 |
| CN106846374A (zh) * | 2016-12-21 | 2017-06-13 | 大连海事大学 | 多摄像头场景下车辆的轨迹计算方法 |
| CN107622188A (zh) * | 2016-07-15 | 2018-01-23 | 阿里巴巴集团控股有限公司 | 基于生物特征的验证方法、装置、系统和设备 |
| CN108021924A (zh) * | 2016-11-03 | 2018-05-11 | 武汉四维图新科技有限公司 | 一种废弃目标识别方法及装置 |
| CN108509896A (zh) * | 2018-03-28 | 2018-09-07 | 腾讯科技（深圳）有限公司 | 一种轨迹跟踪方法、装置和存储介质 |
| CN108536282A (zh) * | 2018-03-02 | 2018-09-14 | 上海易武数码科技有限公司 | 一种基于多用户条形码动作捕捉的增强现实互动方法及装置 |
| CN109117882A (zh) * | 2018-08-10 | 2019-01-01 | 北京旷视科技有限公司 | 获取用户轨迹的方法、装置、系统和存储介质 |
| CN109345567A (zh) * | 2018-09-30 | 2019-02-15 | 百度在线网络技术（北京）有限公司 | 物体运动轨迹识别方法、装置、设备和存储介质 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10055850B2 (en) * | 2014-09-19 | 2018-08-21 | Brain Corporation | Salient features tracking apparatus and methods using visual initialization |
| US10576349B2 (en) * | 2017-02-15 | 2020-03-03 | Rugby Nation, LLC | System and methods of objectively evaluating football player tackling performance |
| CN109213202B (zh) * | 2018-08-17 | 2022-02-08 | 深圳蓝胖子机器智能有限公司 | 基于光学伺服的货物摆放方法、装置、设备和存储介质 |
-
2019
- 2019-05-20 CN CN201910417633.5A patent/CN110211161B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104123732A (zh) * | 2014-07-14 | 2014-10-29 | 中国科学院信息工程研究所 | 一种基于多摄像头的在线目标跟踪方法及系统 |
| CN104392239A (zh) * | 2014-09-25 | 2015-03-04 | 深圳市捷顺科技实业股份有限公司 | 一种车牌识别方法及系统 |
| CN104574028A (zh) * | 2015-02-03 | 2015-04-29 | 深圳市易流科技有限公司 | 判断不同的gps是否随同一辆车移动的方法 |
| CN107622188A (zh) * | 2016-07-15 | 2018-01-23 | 阿里巴巴集团控股有限公司 | 基于生物特征的验证方法、装置、系统和设备 |
| CN108021924A (zh) * | 2016-11-03 | 2018-05-11 | 武汉四维图新科技有限公司 | 一种废弃目标识别方法及装置 |
| CN106846374A (zh) * | 2016-12-21 | 2017-06-13 | 大连海事大学 | 多摄像头场景下车辆的轨迹计算方法 |
| CN108536282A (zh) * | 2018-03-02 | 2018-09-14 | 上海易武数码科技有限公司 | 一种基于多用户条形码动作捕捉的增强现实互动方法及装置 |
| CN108509896A (zh) * | 2018-03-28 | 2018-09-07 | 腾讯科技（深圳）有限公司 | 一种轨迹跟踪方法、装置和存储介质 |
| CN109117882A (zh) * | 2018-08-10 | 2019-01-01 | 北京旷视科技有限公司 | 获取用户轨迹的方法、装置、系统和存储介质 |
| CN109345567A (zh) * | 2018-09-30 | 2019-02-15 | 百度在线网络技术（北京）有限公司 | 物体运动轨迹识别方法、装置、设备和存储介质 |
Non-Patent Citations (3)
| Title |
|---|
| Monte Carlo sampling for visual pose tracking;Jehoon Lee 等;《2011 18th IEEE International Conference on Image Processing》;20111229;第501-504页 * |
| 基于路径重积分特征和深度学习方法的轨迹数据的表征和识别;杨维信;《中国博士学位论文全文数据库信息科技辑》;20190515;第I138-39页 * |
| 多摄像机下同一目标的识别与跟踪;陆业聪;《中国优秀硕士学位论文全文数据库信息科技辑》;20180415;第I138-2608页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110211161A (zh) | 2019-09-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10319098B2 (en) | System for real-time moving target detection using vision based image segmentation | |
| CN109086734B (zh) | 一种对人眼图像中瞳孔图像进行定位的方法及装置 | |
| CN108985199A (zh) | 商品取放操作的检测方法、装置及存储介质 | |
| CN108647587B (zh) | 人数统计方法、装置、终端及存储介质 | |
| CN110399831B (zh) | 一种巡检方法及装置 | |
| CN111798487A (zh) | 目标跟踪方法、装置和计算机可读存储介质 | |
| CN110675426B (zh) | 人体跟踪方法、装置、设备及存储介质 | |
| CN111160187B (zh) | 一种遗留物体检测的方法、装置及系统 | |
| CN108961316B (zh) | 图像处理方法、装置及服务器 | |
| CN112700478A (zh) | 目标跟踪方法、系统、计算机可读存储介质和程序产品 | |
| CN111583118A (zh) | 图像拼接方法、装置、存储介质及电子设备 | |
| CN110211161B (zh) | 一种多摄像头轨迹重合分析的方法及装置 | |
| CN110751116B (zh) | 一种目标识别的方法及装置 | |
| CN104376323A (zh) | 一种确定目标距离的方法及装置 | |
| CN111967529B (zh) | 识别方法、装置、设备及系统 | |
| CN109948436A (zh) | 一种监控道路上车辆的方法及装置 | |
| JP5674933B2 (ja) | 倉庫内の物体の位置を特定するための方法及び装置 | |
| CN109816588B (zh) | 行车轨迹线的记录方法、装置及设备 | |
| CN109146916B (zh) | 一种运动物体跟踪方法及装置 | |
| CN112802112B (zh) | 视觉定位方法、装置、服务器及存储介质 | |
| CN109003245B (zh) | 坐标处理方法、装置及电子设备 | |
| AU2021240276A1 (en) | Methods, apparatuses, devices and storage media for switching states of card games | |
| CN109740518B (zh) | 一种视频中对象的确定方法及装置 | |
| CN112766764A (zh) | 一种基于智能机器人的安防监控方法、装置、存储介质 | |
| US20180130221A1 (en) | Stereo matching method and system using rectangular window |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240516 Address after: Room 6227, No. 999, Changning District, Shanghai 200050 Patentee after: Shenlan robot (Shanghai) Co.,Ltd. Country or region after: China Address before: Unit 1001, 369 Weining Road, Changning District, Shanghai, 200336 (9th floor of actual floor) Patentee before: DEEPBLUE TECHNOLOGY (SHANGHAI) Co.,Ltd. Country or region before: China |