CN110245643A - 目标跟踪拍摄方法、装置、电子设备 - Google Patents

目标跟踪拍摄方法、装置、电子设备 Download PDF

Info

Publication number
CN110245643A
CN110245643A CN201910543583.5A CN201910543583A CN110245643A CN 110245643 A CN110245643 A CN 110245643A CN 201910543583 A CN201910543583 A CN 201910543583A CN 110245643 A CN110245643 A CN 110245643A
Authority
CN
China
Prior art keywords
target
tracking
tracking target
tracing area
supplement
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
Application number
CN201910543583.5A
Other languages
English (en)
Other versions
CN110245643B (zh
Inventor
浦汉来
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.)
Shanghai Friction Network Technology Co Ltd
Original Assignee
Shanghai Friction Network 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 Shanghai Friction Network Technology Co Ltd filed Critical Shanghai Friction Network Technology Co Ltd
Priority to CN201910543583.5A priority Critical patent/CN110245643B/zh
Publication of CN110245643A publication Critical patent/CN110245643A/zh
Application granted granted Critical
Publication of CN110245643B publication Critical patent/CN110245643B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • 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

Landscapes

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

Abstract

本申请实施例提供一种目标跟踪拍摄方法、装置、电子设备，所述方法包括：对所接收的图像数据进行目标识别，获得至少一跟踪目标以及所述跟踪目标的跟踪区域；根据所述跟踪目标以及所述跟踪目标的跟踪区域识别所述跟踪目标是否存在关联跟踪区域；如存在，则将所述关联跟踪区域设定为补充跟踪目标，并对所述补充跟踪目标进行运动跟踪操作。本申请实施例可以更加准确的进行多个运动目标的跟踪拍摄。

Description

目标跟踪拍摄方法、装置、电子设备
技术领域
本申请实施例涉及图像技术领域，尤其涉及一种目标跟踪拍摄方法、装置、电子设备。
背景技术
随着便携拍摄装置的发展，越来越多的用户使用便携拍摄装置进行视频拍。利用便携拍摄装置来拍摄视频，如拍摄场景中出现运动目标，可以根据运动目标的运动情况进行跟踪拍摄，可以获得更好的拍摄体验。
目标跟踪拍摄技术通常包括两种，一种是图像识别和跟踪，即根据采集到的图像进行平面二维的图像识别，并将识别区域反馈至跟踪器，以进行目标跟踪。另一种是物体识别和跟踪，具体来说，是将对物体进行深度学习得到的学习模型库写入处理芯片中，通过和学习模型库进行比对，从采集到的视频中识别出立体的目标物体，以进行目标跟踪。
但是图像识别和跟踪是对比图像相邻帧的变化率进行图像识别，并将变化率反馈给跟踪器(例如云台)，使得跟踪器可以根据变化率进行目标跟踪，但是在相邻帧的变化率较大的情况下，就会出现识别失败，从而导致跟踪失败的情况。物体识别和跟踪与处理芯片的处理性能强相关，处理芯片中通常可放置的学习模型库是有限的，使得可跟踪的物体数量非常有限。
因此，如何更加准确的进行多个运动目标的跟踪拍摄成为现有技术亟需解决的技术问题。
发明内容
有鉴于此，本申请实施例提供一种目标跟踪拍摄方法、装置、电子设备，以解决或者部分解决上述问题。
根据本申请实施例的第一方面，提供了一种目标跟踪拍摄方法，所述方法包括：对所接收的图像数据进行目标识别，获得至少一跟踪目标以及所述跟踪目标的跟踪区域；根据所述跟踪目标以及所述跟踪目标的跟踪区域识别所述跟踪目标是否存在关联跟踪区域；如存在，则将所述关联跟踪区域设定为补充跟踪目标，并对所述补充跟踪目标进行运动跟踪操作。
根据本申请实施例的第二方面，提供了一种目标跟踪拍摄装置，所述装置包括：目标确定模块，用于对所接收的图像数据进行目标识别，获得至少一跟踪目标以及所述跟踪目标的跟踪区域；关联确定模块，用于根据所述跟踪目标以及所述跟踪目标的跟踪区域识别所述跟踪目标是否存在关联跟踪区域；补充跟踪模块，用于如存在，则将所述关联跟踪区域设定为补充跟踪目标，并对所述补充跟踪目标进行运动跟踪操作。
根据本申请实施例的第三方面，提供了一种电子设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如第一方面所述的方法对应的操作。
根据本申请实施例的第四方面，提供了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的方法。
根据本申请实施例，本申请实施例对所接收的图像数据进行目标识别，获得至少一跟踪目标以及所述跟踪目标的跟踪区域，如果根据所述跟踪目标以及所述跟踪目标的跟踪区域识别所述跟踪目标存在关联跟踪区域，则将所述关联跟踪区域设定为补充跟踪目标，并对所述补充跟踪目标进行运动跟踪操作。本申请实施例通过跟踪目标扩展获得补充跟踪目标，其扩展了可跟踪物体的数量，即便处理芯片的处理能力有限，也能够实现更多目标的追踪拍摄。
附图说明
为了更清楚地说明本申请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申请实施例中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1为根据本申请实施例一的一种目标跟踪拍摄方法的步骤流程图；
图2为根据本申请实施例二的一种目标跟踪拍摄方法中步骤S104的步骤流程图；
图3为根据本申请实施例三的一种目标跟踪拍摄方法中步骤S106的步骤流程图；
图4为根据本申请实施例四的一种目标跟踪拍摄方法的步骤流程图；
图5为根据本申请实施例五的一种目标跟踪拍摄装置的结构框图；
图6为根据本申请实施例六的一种目标跟踪拍摄装置中关联确定模块的结构框图；
图7为根据本申请实施例七的一种目标跟踪拍摄装置中补充跟踪模块的结构框图；
图8为根据本申请实施例八的一种目标跟踪拍摄装置的结构框图；
图9为根据本申请实施例九的一种电子设备的结构示意图。
具体实施方式
为了使本领域的人员更好地理解本申请实施例中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请实施例一部分实施例，而不是全部的实施例。基于本申请实施例中的实施例，本领域普通技术人员所获得的所有其他实施例，都应当属于本申请实施例保护的范围。
下面结合本申请实施例附图进一步说明本申请实施例具体实现。
实施例一
参照图1，示出了根据本申请实施例一的一种目标跟踪拍摄方法的步骤流程图。
本申请实施例的目标跟踪拍摄方法包括以下步骤：
步骤S102：对所接收的图像数据进行目标识别，获得至少一跟踪目标以及所述跟踪目标的跟踪区域。
本申请实施例进行视频拍摄，获得所拍摄的视频数据。
在本申请实施例一具体实现中，所述视频数据包括至少一帧图像数据，本申请实施例利用图像识别对所述图像数据进行目标识别，获得至少一跟踪目标以及所述跟踪目标所在的跟踪区域。具体地，所述图像识别通过RCNN、SSD、YOLO等算法实现，由于识别算法本身属于本领域公知常识，故在此不再赘述。
在本申请实施例另一具体实现中，所述视频数据包括至少两帧图像数据，本申请实施例利用运动目标定位对所述图像数据进行目标识别，获得至少一跟踪目标以及所述跟踪目标所在的跟踪区域。具体地，所述运动目标定位通过帧间差分法、背景减除法等算法实现，由于运动目标定位算法本身属于本领域公知常识，故在此不再赘述。
本申请实施例所述跟踪目标的跟踪区域包括中心点坐标和/或包围框尺寸确定。
本申请实施例所述包围框通常为矩形框，所述包围框尺寸包括包围框的宽度和高度。
步骤S104：根据所述跟踪目标以及所述跟踪目标的跟踪区域识别所述跟踪目标是否存在关联跟踪区域。
本申请实施例获得所述跟踪目标以及所述跟踪目标的跟踪区域，可以通过跟踪所述跟踪目标确定所述跟踪目标是否还存在其他与其存在关联的关联跟踪区域。
在本申请实施例一具体实现中，所述步骤S104具体为：
利用图像识别算法识别判断所述跟踪目标的跟踪区域是否在预设跟踪周期内存在作为关联跟踪区域的图像轮廓。
所述预设跟踪周期由本领域技术人员根据经验与需要进行设定。
所述图像识别算法可以采用RCNN、SSD、YOLO等算法实现，也可以采用帧间差分法、背景减除法等算法实现，本领域普通技术人员根据需要进行选择，本申请对此不再进行限定。
本申请实施例通过在所述预设的跟踪周期内判断述跟踪目标的跟踪区域是否存在作为关联跟踪区域的图像轮廓，可以根据所述跟踪目标的运动情况确定是否存在关联跟踪区域。即，对于图像轮廓如果在所述预设的跟踪周期内和所述跟踪目标均具备关联，则确定所述图像轮廓可作为关联跟踪区域。
因此，本申请实施例通过图像识别算法识别预设跟踪周期内的图像数据，是否存在和所述跟踪目标关联的图像轮廓确定是否存在所述跟踪目标的关联跟踪区域。本申请实施例能够准确、快速以及简便的对所述跟踪目标进行扩展，获得与所述跟踪目标关联的关联跟踪区域，从而实现基于跟踪目标的跟踪物体扩展。
具体地，本申请实施例所述关联跟踪区域包括下述至少其一：
与所述跟踪目标的跟踪区域在预设范围内的图像轮廓；
与所述跟踪目标的跟踪区域存在关联运动的图像轮廓。
具体地，如果在所述预设跟踪周期内获得的图像数据中，所述图像轮廓都出现在与所述跟踪目标的跟踪区域在预设范围内，则表明所述图像轮廓和所述跟踪目标具有关联，因此所述图像轮廓为所述关联跟踪区域。
所述预设范围为本领域普通技术人员根据需要进行设置。
具体地，如果在所述预设跟踪周期内获得的图像数据中，所述图像轮廓都与所述跟踪目标的跟踪区域存在关联运动，则表明所述图像轮廓和所述跟踪目标具有关联，因此所述图像轮廓为所述关联跟踪区域。
所述关联运动包括在所述预设跟踪周期内所述图像轮廓和所述跟踪目标的跟踪区域存在多次重叠、接触等。
所述关联跟踪区域的确定也可以同时要求所述图像轮廓与所述跟踪目标的跟踪区域在预设范围内且与所述跟踪目标的跟踪区域存在关联运动。
本申请实施例通过与所述跟踪目标的跟踪区域的范围和/或关联运动获得的图像轮廓，扩展所述跟踪目标的关联跟踪区域，计算量小且处理速度快。
步骤S106：如存在，则将所述关联跟踪区域设定为补充跟踪目标，并对所述补充跟踪目标进行运动跟踪操作。
本申请实施例将存在关联跟踪区域设定为补充跟踪目标，对所述跟踪目标以及所述补充跟踪目标进行运动跟踪。
因此，本申请实施例在无需扩展处理芯片处理能力的前提下，可以通过在跟踪目标的基础上扩展出与所述跟踪目标关联的补充跟踪目标，对所述跟踪目标以及所述补充跟踪目标均进行运动跟踪，扩展了处理芯片能够根性的物体数量。
根据本申请实施例，本申请实施例对所接收的图像数据进行目标识别，获得至少一跟踪目标以及所述跟踪目标的跟踪区域，如果根据所述跟踪目标以及所述跟踪目标的跟踪区域识别所述跟踪目标存在关联跟踪区域，则将所述关联跟踪区域设定为补充跟踪目标，并对所述补充跟踪目标进行运动跟踪操作。本申请实施例通过跟踪目标扩展获得补充跟踪目标，其扩展了可跟踪物体的数量，即便处理芯片的处理能力有限，也能够实现更多目标的追踪拍摄。
本实施例的目标跟踪拍摄方法可以由任意适当的具有数据处理能力的电子设备执行，包括但不限于：服务器、移动终端(如平板电脑、手机等)和PC机等。
实施例二
本申请实施例二包括上述步骤S102——S106所述的一种目标跟踪拍摄方法的步骤流程图。
参见图2，本申请实施例所述步骤S102包括以下步骤：
步骤S1022：利用物体模型识别算法，基于物体模型跟踪所接收图像数据中至少一跟踪目标。
具体地，所述物体模型识别算法是通过预存多个模型库，当识别到所述预存多个模型库中的模型，则启动物体模型跟踪。所述模型库通常包括：人、猫、狗等常见物体的模型。
本申请实施例根据物体模型识别算法对接收的图像数据进行模型识别，从而能够实现对所述跟踪目标的快捷识别。
步骤S1024：根据所述至少一跟踪目标在所接收的图像数据中的所在区域，获得所述至少一跟踪目标的跟踪区域。
本申请实施例对所述跟踪目标的所在区域进行图像识别，获得至少一跟踪目标的跟踪区域，从而便于根据所述跟踪区域确定与所述跟踪目标存在关联的关联跟踪区域，其减少了图像跟踪识别的计算量，提高了图像跟踪识别的准确率。
根据本申请实施例，本申请实施例对所接收的图像数据进行目标识别，获得至少一跟踪目标以及所述跟踪目标的跟踪区域，如果根据所述跟踪目标以及所述跟踪目标的跟踪区域识别所述跟踪目标存在关联跟踪区域，则将所述关联跟踪区域设定为补充跟踪目标，并对所述补充跟踪目标进行运动跟踪操作。本申请实施例通过跟踪目标扩展获得补充跟踪目标，其扩展了可跟踪物体的数量，即便处理芯片的处理能力有限，也能够实现更多目标的追踪拍摄。
本实施例的目标跟踪拍摄方法可以由任意适当的具有数据处理能力的电子设备执行，包括但不限于：服务器、移动终端(如平板电脑、手机等)和PC机等。
实施例三
本申请实施例三包括上述步骤S102——S106所述的一种目标跟踪拍摄方法的步骤流程图。
参见图3，本申请实施例所述步骤S106包括以下步骤：
步骤S1062：如存在关联跟踪区域，则将所述关联跟踪区域对应的目标设定为补充跟踪目标。
步骤S1064：针对所述补充跟踪目标以及所述跟踪目标进行整体运动跟踪操作或者分别运动跟踪操作。
具体地，本申请实施例可以选择整体跟踪所述跟踪目标以及通过所述跟踪目标扩展的补充跟踪目标，也可以对所述跟踪目标以及通过所述跟踪目标扩展的补充跟踪目标进行分别跟踪。
因此，本申请实施例能够针对所述补充跟踪目标进行同所述跟踪目标相同的跟踪，从而基于所述跟踪目标，扩展了所能够实现跟踪的物体数量。
本申请实施例在无需扩展处理芯片处理能力的前提下，可以通过在跟踪目标的基础上扩展出与所述跟踪目标关联的补充跟踪目标，对所述跟踪目标以及所述补充跟踪目标均进行运动跟踪，扩展了处理芯片能够根性的物体数量。
根据本申请实施例，本申请实施例对所接收的图像数据进行目标识别，获得至少一跟踪目标以及所述跟踪目标的跟踪区域，如果根据所述跟踪目标以及所述跟踪目标的跟踪区域识别所述跟踪目标存在关联跟踪区域，则将所述关联跟踪区域设定为补充跟踪目标，并对所述补充跟踪目标进行运动跟踪操作。本申请实施例通过跟踪目标扩展获得补充跟踪目标，其扩展了可跟踪物体的数量，即便处理芯片的处理能力有限，也能够实现更多目标的追踪拍摄。
本实施例的目标跟踪拍摄方法可以由任意适当的具有数据处理能力的电子设备执行，包括但不限于：服务器、移动终端(如平板电脑、手机等)和PC机等。
实施例四
本申请实施例三包括上述步骤S102——S106所述的一种目标跟踪拍摄方法的步骤流程图。
参见图4，本申请实施例还包括：
步骤S108：如存在，则将所述关联跟踪区域与所述跟踪区域进行合并以实现图像处理。
本申请实施例能够将所述跟踪目标的跟踪区域扩大，对所述关联跟踪区域与所述跟踪区域的合并区域进行图像处理，如将图像整体抠出，制作重叠的影像；或是调整图像参数比如为实现调色，可使得该图像在整个画面中有与众不同的效果等等。
本申请实施例通过将所述跟踪目标的跟踪区域扩大以实现进一步图像处理，能够带来更佳的客户体验，丰富了图像处理的种类与效果。
实施例五
参照图5，示出了根据本申请实施例五的一种目标跟踪拍摄装置的结构框图。
本申请实施例的目标跟踪拍摄装置包括：
目标确定模块501，用于对所接收的图像数据进行目标识别，获得至少一跟踪目标以及所述跟踪目标的跟踪区域。
关联确定模块502，用于根据所述跟踪目标以及所述跟踪目标的跟踪区域识别所述跟踪目标是否存在关联跟踪区域。
补充跟踪模块503，用于如存在，则将所述关联跟踪区域设定为补充跟踪目标，并对所述补充跟踪目标进行运动跟踪操作。
本申请实施例进行视频拍摄，获得所拍摄的视频数据。
在本申请实施例一具体实现中，所述视频数据包括至少一帧图像数据，本申请实施例利用图像识别对所述图像数据进行目标识别，获得至少一跟踪目标以及所述跟踪目标所在的跟踪区域。具体地，所述图像识别通过RCNN、SSD、YOLO等算法实现，由于识别算法本身属于本领域公知常识，故在此不再赘述。
在本申请实施例另一具体实现中，所述视频数据包括至少两帧图像数据，本申请实施例利用运动目标定位对所述图像数据进行目标识别，获得至少一跟踪目标以及所述跟踪目标所在的跟踪区域。具体地，所述运动目标定位通过帧间差分法、背景减除法等算法实现，由于运动目标定位算法本身属于本领域公知常识，故在此不再赘述。
本申请实施例所述跟踪目标的跟踪区域包括中心点坐标和/或包围框尺寸确定。
本申请实施例所述包围框通常为矩形框，所述包围框尺寸包括包围框的宽度和高度。
本申请实施例获得所述跟踪目标以及所述跟踪目标的跟踪区域，可以通过跟踪所述跟踪目标确定所述跟踪目标是否还存在其他与其存在关联的关联跟踪区域。
在本申请实施例一具体实现中，所述目标确定模块501具体用于：
利用图像识别算法识别判断所述跟踪目标的跟踪区域是否在预设跟踪周期内存在作为关联跟踪区域的图像轮廓。
所述预设跟踪周期由本领域技术人员根据经验与需要进行设定。
所述图像识别算法可以采用RCNN、SSD、YOLO等算法实现，也可以采用帧间差分法、背景减除法等算法实现，本领域普通技术人员根据需要进行选择，本申请对此不再进行限定。
本申请实施例通过在所述预设的跟踪周期内判断述跟踪目标的跟踪区域是否存在作为关联跟踪区域的图像轮廓，可以根据所述跟踪目标的运动情况确定是否存在关联跟踪区域。即，对于图像轮廓如果在所述预设的跟踪周期内和所述跟踪目标均具备关联，则确定所述图像轮廓可作为关联跟踪区域。
因此，本申请实施例通过图像识别算法识别预设跟踪周期内的图像数据，是否存在和所述跟踪目标关联的图像轮廓确定是否存在所述跟踪目标的关联跟踪区域。本申请实施例能够准确、快速以及简便的对所述跟踪目标进行扩展，获得与所述跟踪目标关联的关联跟踪区域，从而实现基于跟踪目标的跟踪物体扩展。
具体地，本申请实施例所述关联跟踪区域包括下述至少其一：
与所述跟踪目标的跟踪区域在预设范围内的图像轮廓；
与所述跟踪目标的跟踪区域存在关联运动的图像轮廓。
具体地，如果在所述预设跟踪周期内获得的图像数据中，所述图像轮廓都出现在与所述跟踪目标的跟踪区域在预设范围内，则表明所述图像轮廓和所述跟踪目标具有关联，因此所述图像轮廓为所述关联跟踪区域。
所述预设范围为本领域普通技术人员根据需要进行设置。
具体地，如果在所述预设跟踪周期内获得的图像数据中，所述图像轮廓都与所述跟踪目标的跟踪区域存在关联运动，则表明所述图像轮廓和所述跟踪目标具有关联，因此所述图像轮廓为所述关联跟踪区域。
所述关联运动包括在所述预设跟踪周期内所述图像轮廓和所述跟踪目标的跟踪区域存在多次重叠、接触等。
所述关联跟踪区域的确定也可以同时要求所述图像轮廓与所述跟踪目标的跟踪区域在预设范围内且与所述跟踪目标的跟踪区域存在关联运动。
本申请实施例通过与所述跟踪目标的跟踪区域的范围和/或关联运动获得的图像轮廓，扩展所述跟踪目标的关联跟踪区域，计算量小且处理速度快。
本申请实施例将存在关联跟踪区域设定为补充跟踪目标，对所述跟踪目标以及所述补充跟踪目标进行运动跟踪。
因此，本申请实施例在无需扩展处理芯片处理能力的前提下，可以通过在跟踪目标的基础上扩展出与所述跟踪目标关联的补充跟踪目标，对所述跟踪目标以及所述补充跟踪目标均进行运动跟踪，扩展了处理芯片能够根性的物体数量。
根据本申请实施例，本申请实施例对所接收的图像数据进行目标识别，获得至少一跟踪目标以及所述跟踪目标的跟踪区域，如果根据所述跟踪目标以及所述跟踪目标的跟踪区域识别所述跟踪目标存在关联跟踪区域，则将所述关联跟踪区域设定为补充跟踪目标，并对所述补充跟踪目标进行运动跟踪操作。本申请实施例通过跟踪目标扩展获得补充跟踪目标，其扩展了可跟踪物体的数量，即便处理芯片的处理能力有限，也能够实现更多目标的追踪拍摄。
本实施例的目标跟踪拍摄装置可以由任意适当的具有数据处理能力的电子设备执行，包括但不限于：服务器、移动终端(如平板电脑、手机等)和PC机等。
实施例六
本申请实施例六包括上述目标确定模块501、关联确定模块502、补充跟踪模块503所述的一种目标跟踪拍摄装置的结构框图。
参见图6，本申请实施例所述目标确定模块501包括：
识别处理单元5011，用于利用物体模型识别算法，基于物体模型跟踪所接收图像数据中至少一跟踪目标。
目标获得单元5012，用于根据所述至少一跟踪目标在所接收的图像数据中的所在区域，获得所述至少一跟踪目标的跟踪区域。
具体地，所述物体模型识别算法是通过预存多个模型库，当识别到所述预存多个模型库中的模型，则启动物体模型跟踪。所述模型库通常包括：人、猫、狗等常见物体的模型。
本申请实施例根据物体模型识别算法对接收的图像数据进行模型识别，从而能够实现对所述跟踪目标的快捷识别。
本申请实施例对所述跟踪目标的所在区域进行图像识别，获得至少一跟踪目标的跟踪区域，从而便于根据所述跟踪区域确定与所述跟踪目标存在关联的关联跟踪区域，其减少了图像跟踪识别的计算量，提高了图像跟踪识别的准确率。
根据本申请实施例，本申请实施例对所接收的图像数据进行目标识别，获得至少一跟踪目标以及所述跟踪目标的跟踪区域，如果根据所述跟踪目标以及所述跟踪目标的跟踪区域识别所述跟踪目标存在关联跟踪区域，则将所述关联跟踪区域设定为补充跟踪目标，并对所述补充跟踪目标进行运动跟踪操作。本申请实施例通过跟踪目标扩展获得补充跟踪目标，其扩展了可跟踪物体的数量，即便处理芯片的处理能力有限，也能够实现更多目标的追踪拍摄。
本实施例的目标跟踪拍摄装置可以由任意适当的具有数据处理能力的电子设备执行，包括但不限于：服务器、移动终端(如平板电脑、手机等)和PC机等。
实施例七
本申请实施例七包括上述目标确定模块501、关联确定模块502、补充跟踪模块503所述的一种目标跟踪拍摄装置的结构框图。
参见图7，本申请实施例所述补充跟踪模块503包括：
补充确定单元5031，用于如存在关联跟踪区域，则将所述关联跟踪区域对应的目标设定为补充跟踪目标。
跟踪操作单元5032，用于针对所述补充跟踪目标以及所述跟踪目标进行整体运动跟踪操作或者分别运动跟踪操作。
具体地，本申请实施例可以选择整体跟踪所述跟踪目标以及通过所述跟踪目标扩展的补充跟踪目标，也可以对所述跟踪目标以及通过所述跟踪目标扩展的补充跟踪目标进行分别跟踪。
因此，本申请实施例能够针对所述补充跟踪目标进行同所述跟踪目标相同的跟踪，从而基于所述跟踪目标，扩展了所能够实现跟踪的物体数量。
本申请实施例在无需扩展处理芯片处理能力的前提下，可以通过在跟踪目标的基础上扩展出与所述跟踪目标关联的补充跟踪目标，对所述跟踪目标以及所述补充跟踪目标均进行运动跟踪，扩展了处理芯片能够根性的物体数量。
根据本申请实施例，本申请实施例对所接收的图像数据进行目标识别，获得至少一跟踪目标以及所述跟踪目标的跟踪区域，如果根据所述跟踪目标以及所述跟踪目标的跟踪区域识别所述跟踪目标存在关联跟踪区域，则将所述关联跟踪区域设定为补充跟踪目标，并对所述补充跟踪目标进行运动跟踪操作。本申请实施例通过跟踪目标扩展获得补充跟踪目标，其扩展了可跟踪物体的数量，即便处理芯片的处理能力有限，也能够实现更多目标的追踪拍摄。
本实施例的目标跟踪拍摄装置可以由任意适当的具有数据处理能力的电子设备执行，包括但不限于：服务器、移动终端(如平板电脑、手机等)和PC机等。
实施例八
本申请实施例四包括上述目标确定模块501、关联确定模块502、补充跟踪模块503所述的一种目标跟踪拍摄装置的结构框图。
参见图8，本申请实施例还包括：
图像处理模块504，用于如存在，则将所述关联跟踪区域与所述跟踪区域进行合并以实现图像处理。
本申请实施例能够将所述跟踪目标的跟踪区域扩大，对所述关联跟踪区域与所述跟踪区域的合并区域进行图像处理，如将图像整体抠出，制作重叠的影像；或是调整图像参数比如为实现调色，可使得该图像在整个画面中有与众不同的效果等等。
本申请实施例通过将所述跟踪目标的跟踪区域扩大以实现进一步图像处理，能够带来更佳的客户体验，丰富了图像处理的种类与效果。
实施例九
参照图9，示出了根据本申请实施例六的一种电子设备的结构示意图，本申请具体实施例并不对电子设备的具体实现做限定。
如图9所示，该电子设备可以包括：处理器(processor)902、通信接口(Communications Interface)904、存储器(memory)906、以及通信总线908。
其中：
处理器902、通信接口904、以及存储器906通过通信总线908完成相互间的通信。
通信接口904，用于与其它电子设备如终端设备或服务器进行通信。
处理器902，用于执行程序910，具体可以执行上述方法实施例中的相关步骤。
具体地，程序910可以包括程序代码，该程序代码包括计算机操作指令。
处理器902可能是中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本申请实施例的一个或多个集成电路。电子设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。
存储器906，用于存放程序910。存储器906可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
程序910具体可以用于使得处理器902执行以下操作：对所接收的图像数据进行目标识别，获得至少一跟踪目标以及所述跟踪目标的跟踪区域；根据所述跟踪目标以及所述跟踪目标的跟踪区域识别所述跟踪目标是否存在关联跟踪区域；如存在，则将所述关联跟踪区域设定为补充跟踪目标，并对所述补充跟踪目标进行运动跟踪操作。
在一种可选的实施方式中，程序910还用于利用物体模型识别算法，基于物体模型跟踪所接收图像数据中至少一跟踪目标；根据所述至少一跟踪目标在所接收的图像数据中的所在区域，获得所述至少一跟踪目标的跟踪区域。
在一种可选的实施方式中，所述关联跟踪区域包括下述至少其一：与所述跟踪目标的跟踪区域在预设范围内的图像轮廓；与所述跟踪目标的跟踪区域存在关联运动的图像轮廓。
在一种可选的实施方式中，程序910还用于如存在关联跟踪区域，则将所述关联跟踪区域对应的目标设定为补充跟踪目标；针对所述补充跟踪目标以及所述跟踪目标进行整体运动跟踪操作或者分别运动跟踪操作。
根据本申请实施例，本申请实施例对所接收的图像数据进行目标识别，获得至少一跟踪目标以及所述跟踪目标的跟踪区域，如果根据所述跟踪目标以及所述跟踪目标的跟踪区域识别所述跟踪目标存在关联跟踪区域，则将所述关联跟踪区域设定为补充跟踪目标，并对所述补充跟踪目标进行运动跟踪操作。本申请实施例通过跟踪目标扩展获得补充跟踪目标，其扩展了可跟踪物体的数量，即便处理芯片的处理能力有限，也能够实现更多目标的追踪拍摄。
需要指出，根据实施的需要，可将本申请实施例中描述的各个部件/步骤拆分为更多部件/步骤，也可将两个或多个部件/步骤或者部件/步骤的部分操作组合成新的部件/步骤，以实现本申请实施例的目的。
上述根据本申请实施例的方法可在硬件、固件中实现，或者被实现为可存储在记录介质(诸如CD ROM、RAM、软盘、硬盘或磁光盘)中的软件或计算机代码，或者被实现通过网络下载的原始存储在远程记录介质或非暂时机器可读介质中并将被存储在本地记录介质中的计算机代码，从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件(诸如ASIC或FPGA)的记录介质上的这样的软件处理。可以理解，计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件(例如，RAM、ROM、闪存等)，当所述软件或计算机代码被计算机、处理器或硬件访问且执行时，实现在此描述的目标跟踪拍摄方法。此外，当通用计算机访问用于实现在此示出的方法的代码时，代码的执行将通用计算机转换为用于执行在此示出的方法的专用计算机。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及方法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请实施例的范围。
以上实施方式仅用于说明本申请实施例，而并非对本申请实施例的限制，有关技术领域的普通技术人员，在不脱离本申请实施例的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本申请实施例的范畴，本申请实施例的专业保护范围应由权利要求限定。

Claims (14)

1.一种目标跟踪拍摄方法，其特征在于，所述方法包括：
对所接收的图像数据进行目标识别，获得至少一跟踪目标以及所述跟踪目标的跟踪区域；
根据所述跟踪目标以及所述跟踪目标的跟踪区域识别所述跟踪目标是否存在关联跟踪区域；
如存在，则将所述关联跟踪区域设定为补充跟踪目标，并对所述补充跟踪目标进行运动跟踪操作。
2.根据权利要求1所述的方法，其特征在于，所述对所接收的图像数据进行目标识别，获得至少一跟踪目标以及所述跟踪目标的跟踪区域包括：
利用物体模型识别算法，基于物体模型跟踪所接收图像数据中至少一跟踪目标；
根据所述至少一跟踪目标在所接收的图像数据中的所在区域，获得所述至少一跟踪目标的跟踪区域。
3.根据权利要求1所述的方法，其特征在于，所述根据所述跟踪目标以及所述跟踪目标的跟踪区域识别所述跟踪目标是否存在关联跟踪区域具体为：
利用图像识别算法识别判断所述跟踪目标的跟踪区域是否在预设跟踪周期内存在作为关联跟踪区域的图像轮廓。
4.根据权利要求3所述的方法，其特征在于，所述关联跟踪区域包括下述至少其一：
与所述跟踪目标的跟踪区域在预设范围内的图像轮廓；
与所述跟踪目标的跟踪区域存在关联运动的图像轮廓。
5.根据权利要求1所述的方法，其特征在于，所述如存在，则将所述关联跟踪区域设定为补充跟踪目标，并对所述补充跟踪目标进行运动跟踪操作包括：
如存在关联跟踪区域，则将所述关联跟踪区域对应的目标设定为补充跟踪目标；
针对所述补充跟踪目标以及所述跟踪目标进行整体运动跟踪操作或者分别运动跟踪操作。
6.根据权利要求1所述的方法，其特征在于，所述如存在，则将所述关联跟踪区域设定为补充跟踪目标，并对所述补充跟踪目标进行运动跟踪操作包括：对所述关联跟踪区域与所述跟踪区域的合并区域进行图像处理；或者，将调整图像参数。
7.一种目标跟踪拍摄装置，其特征在于，所述装置包括：
目标确定模块，用于对所接收的图像数据进行目标识别，获得至少一跟踪目标以及所述跟踪目标的跟踪区域；
关联确定模块，用于根据所述跟踪目标以及所述跟踪目标的跟踪区域识别所述跟踪目标是否存在关联跟踪区域；
补充跟踪模块，用于如存在，则将所述关联跟踪区域设定为补充跟踪目标，并对所述补充跟踪目标进行运动跟踪操作。
8.根据权利要求7所述的装置，其特征在于，所述目标确定模块包括：
识别处理单元，用于利用物体模型识别算法，基于物体模型跟踪所接收图像数据中至少一跟踪目标；
目标获得单元，用于根据所述至少一跟踪目标在所接收的图像数据中的所在区域，获得所述至少一跟踪目标的跟踪区域。
9.根据权利要求7所述的装置，其特征在于，所述关联确定模块具体用于：
利用图像识别算法识别判断所述跟踪目标的跟踪区域是否在预设跟踪周期内存在作为关联跟踪区域的图像轮廓。
10.根据权利要求9所述的装置，其特征在于，所述关联跟踪区域包括下述至少其一：
与所述跟踪目标的跟踪区域在预设范围内的图像轮廓；
与所述跟踪目标的跟踪区域存在关联运动的图像轮廓。
11.根据权利要求7所述的装置，其特征在于，所述补充跟踪模块包括：
补充确定单元，用于如存在关联跟踪区域，则将所述关联跟踪区域对应的目标设定为补充跟踪目标；
跟踪操作单元，用于针对所述补充跟踪目标以及所述跟踪目标进行整体运动跟踪操作或者分别运动跟踪操作。
12.根据权利要求7所述的方法，其特征在于，所述补充跟踪模块进一步用于对所述关联跟踪区域与所述跟踪区域的合并区域进行图像处理；或者调整图像参数。
13.一种电子设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如权利要求1-6中任一项所述的方法对应的操作。
14.一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现如权利要求1-6中任一所述的方法。
CN201910543583.5A 2019-06-21 2019-06-21 目标跟踪拍摄方法、装置、电子设备 Active CN110245643B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910543583.5A CN110245643B (zh) 2019-06-21 2019-06-21 目标跟踪拍摄方法、装置、电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910543583.5A CN110245643B (zh) 2019-06-21 2019-06-21 目标跟踪拍摄方法、装置、电子设备

Publications (2)

Publication Number Publication Date
CN110245643A true CN110245643A (zh) 2019-09-17
CN110245643B CN110245643B (zh) 2021-08-24

Family

ID=67888744

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910543583.5A Active CN110245643B (zh) 2019-06-21 2019-06-21 目标跟踪拍摄方法、装置、电子设备

Country Status (1)

Country Link
CN (1) CN110245643B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110809116A (zh) * 2019-11-04 2020-02-18 上海摩象网络科技有限公司 一种拍摄追踪的方法、装置、电子设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080259163A1 (en) * 2007-04-20 2008-10-23 General Electric Company Method and system for distributed multiple target tracking
US20090238408A1 (en) * 2008-03-18 2009-09-24 Sony Corporation Image-signal processor, image-signal processing method, and program
US20100013935A1 (en) * 2006-06-14 2010-01-21 Honeywell International Inc. Multiple target tracking system incorporating merge, split and reacquisition hypotheses
CN101739551A (zh) * 2009-02-11 2010-06-16 北京智安邦科技有限公司 运动目标识别方法及系统
CN103677734A (zh) * 2012-09-25 2014-03-26 中国航天科工集团第二研究院二〇七所 基于特征匹配矩阵的多目标数据关联算法
US20160019700A1 (en) * 2013-03-05 2016-01-21 Commissariat A L'energie Atomique Et Aux Energies Alternatives Method for tracking a target in an image sequence, taking the dynamics of the target into consideration
CN108664930A (zh) * 2018-05-11 2018-10-16 西安天和防务技术股份有限公司 一种智能的多目标检测跟踪方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100013935A1 (en) * 2006-06-14 2010-01-21 Honeywell International Inc. Multiple target tracking system incorporating merge, split and reacquisition hypotheses
US20080259163A1 (en) * 2007-04-20 2008-10-23 General Electric Company Method and system for distributed multiple target tracking
US20090238408A1 (en) * 2008-03-18 2009-09-24 Sony Corporation Image-signal processor, image-signal processing method, and program
CN101739551A (zh) * 2009-02-11 2010-06-16 北京智安邦科技有限公司 运动目标识别方法及系统
CN103677734A (zh) * 2012-09-25 2014-03-26 中国航天科工集团第二研究院二〇七所 基于特征匹配矩阵的多目标数据关联算法
US20160019700A1 (en) * 2013-03-05 2016-01-21 Commissariat A L'energie Atomique Et Aux Energies Alternatives Method for tracking a target in an image sequence, taking the dynamics of the target into consideration
CN108664930A (zh) * 2018-05-11 2018-10-16 西安天和防务技术股份有限公司 一种智能的多目标检测跟踪方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
WEI YOU等: "Real-time multiple object tracking in smart environments", 《IEEE》 *
张良等: "基于贪心策略的多目标跟踪数据关联算法", 《四川大学学报(自然科学版)》 *
汪洪桥等: "《模式分析的多核方法及其应用》", 31 March 2014, 北京：国防工业出版社 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110809116A (zh) * 2019-11-04 2020-02-18 上海摩象网络科技有限公司 一种拍摄追踪的方法、装置、电子设备

Also Published As

Publication number Publication date
CN110245643B (zh) 2021-08-24

Similar Documents

Publication Publication Date Title
US10963727B2 (en) Method, device and storage medium for determining camera posture information
CN112767489B (zh) 一种三维位姿确定方法、装置、电子设备及存储介质
CN109242913B (zh) 采集器相对参数的标定方法、装置、设备和介质
CN107633526B (zh) 一种图像跟踪点获取方法及设备、存储介质
CN108292362A (zh) 用于光标控制的手势识别
EP3477543A1 (en) System and method using augmented reality for efficient collection of training data for machine learning
US8879894B2 (en) Pixel analysis and frame alignment for background frames
CN110245641A (zh) 一种目标追踪拍摄方法、装置、电子设备
JP2017509972A (ja) ビュー非依存色等化３ｄシーンテクスチャ処理
CN104781849A (zh) 单眼视觉同时定位与建图(slam)的快速初始化
JP6493471B2 (ja) ビデオ再生方法、計算処理システム、及びビデオ再生プログラム
CN104156998A (zh) 一种基于图片虚拟内容融合真实场景的实现方法及系统
CN110648363A (zh) 相机姿态确定方法、装置、存储介质及电子设备
TW202309782A (zh) 一種姿態估計方法、電腦設備及電腦可讀儲存媒體
CN109688343A (zh) 增强现实演播室的实现方法和装置
AU2018282254A1 (en) System and method for determining a three-dimensional position of a person
CN115131437A (zh) 位姿估计方法及相关模型的训练方法、装置、设备、介质
CN110245643A (zh) 目标跟踪拍摄方法、装置、电子设备
US10438066B2 (en) Evaluation of models generated from objects in video
CN110849380A (zh) 一种基于协同vslam的地图对齐方法及系统
CN109213515A (zh) 多平台下埋点归一方法及装置和电子设备
Cordea et al. 3-D head pose recovery for interactive virtual reality avatars
Kim et al. Vision-based all-in-one solution for augmented reality and its storytelling applications
Ziegler Real-time markerless tracking of objects on mobile devices
CN110245668A (zh) 基于图像识别的终端信息获取方法、获取装置及存储介质

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