CN110290351A - 一种视频目标跟踪方法、系统、装置和存储介质 - Google Patents

一种视频目标跟踪方法、系统、装置和存储介质 Download PDF

Info

Publication number
CN110290351A
CN110290351A CN201910561588.0A CN201910561588A CN110290351A CN 110290351 A CN110290351 A CN 110290351A CN 201910561588 A CN201910561588 A CN 201910561588A CN 110290351 A CN110290351 A CN 110290351A
Authority
CN
China
Prior art keywords
target
image frame
video
video camera
camera
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
CN201910561588.0A
Other languages
English (en)
Other versions
CN110290351B (zh
Inventor
李新福
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.)
Guangdong Kangyun Technology Co Ltd
Original Assignee
Guangdong Kangyun 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 Guangdong Kangyun Technology Co Ltd filed Critical Guangdong Kangyun Technology Co Ltd
Priority to CN201910561588.0A priority Critical patent/CN110290351B/zh
Publication of CN110290351A publication Critical patent/CN110290351A/zh
Application granted granted Critical
Publication of CN110290351B publication Critical patent/CN110290351B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G06V20/42—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items of sport video content
    • 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
    • H04N23/67—Focus control based on electronic image sensor signals
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Studio Devices (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种视频目标跟踪方法、系统、装置和存储介质，所述方法包括从摄像机所拍摄的视频中截取画面帧，分别使用均值漂移算法和卡尔曼滤波算法对所述画面帧进行目标识别，对所述均值漂移算法的识别结果和所述卡尔曼滤波算法的识别结果进行加权平均，根据所述加权平均的结果确定所述目标在所述画面帧中的位置和控制所述云台驱动所述摄像机进行运动，从而使所述目标位于所述画面帧的中心区域等步骤。本发明通过均值漂移算法的识别结果和卡尔曼滤波算法的识别结果的加权平均结果来确定目标在摄像机视野中的位置，具有较高识别精度且可以适应不同的背景，从而适用于非固定摄像机的视频目标跟踪。本发明广泛应用于图像处理技术领域。

Description

一种视频目标跟踪方法、系统、装置和存储介质
技术领域
本发明涉及图像处理技术领域，尤其是一种视频目标跟踪方法、系统、装置和存储介质。
背景技术
在人机交互和视频监控等领域，需要对视频中的人脸或者车牌等特定目标进行锁定和跟踪。现有的视频目标跟踪技术主要应用在固定摄像机，而当应用在由云台等设备驱动运动的非固定摄像机上时，由于非固定摄像机的视野可能会发生改变，现有的视频目标跟踪技术可能无法适应经常改变的视野背景而导致无法准确跟踪到视频目标。
发明内容
为了解决上述技术问题，本发明的目的在于提供一种视频目标跟踪方法、系统、装置和存储介质。
一方面，本发明包括一种视频目标跟踪方法，包括以下步骤：
从摄像机所拍摄的视频中截取画面帧；所述摄像机由云台驱动进行运动；
对所述画面帧进行目标识别；
根据所述目标识别的结果确定所述目标在所述画面帧中的位置；
控制所述云台驱动所述摄像机进行运动，从而使所述目标位于所述画面帧的中心区域。
进一步地，所述视频目标跟踪方法还包括以下步骤：
当检测到所述画面帧缺失所述目标时，对位于所述画面帧的中心区域的像素标记为遮挡物。
进一步地，所述视频目标跟踪方法还包括以下步骤：
当重新检测到所述画面帧中的所述目标时，控制所述云台驱动所述摄像机进行运动，从而使所述目标位于所述画面帧的中心区域；
调整所述摄像机的焦距、调整所述摄像机与所述目标之间的距离和/或对所述画面帧进行裁剪，从而使所述遮挡物被排除在所述画面帧之外。
进一步地，所述视频目标跟踪方法还包括以下步骤：
当检测到所述摄像机以高于预设阈值的频率和/或低于预设阈值的幅度进行周期运动时，控制所述云台暂停驱动所述摄像机进行运动。
另一方面，本发明实施例还包括一种视频目标跟踪系统，包括：
画面帧模块，用于从摄像机所拍摄的视频中截取画面帧；所述摄像机由云台驱动进行运动；
目标识别模块，用于对所述画面帧进行目标识别；
位置确定模块，用于根据所述目标识别的结果确定所述目标在所述画面帧中的位置；
第一运动模块，用于控制所述云台驱动所述摄像机进行运动，从而使所述目标位于所述画面帧的中心区域。
进一步地，所述视频目标跟踪系统还包括：
遮挡物标记模块，用于当检测到所述画面帧缺失所述目标时，对位于所述画面帧的中心区域的像素标记为遮挡物。
进一步地，所述视频目标跟踪系统还包括：
第二运动模块，用于当重新检测到所述画面帧中的所述目标时，控制所述云台驱动所述摄像机进行运动，从而使所述目标位于所述画面帧的中心区域；
调整模块，用于调整所述摄像机的焦距、调整所述摄像机与所述目标之间的距离和/或对所述画面帧进行裁剪，从而使所述遮挡物被排除在所述画面帧之外。
进一步地，所述视频目标跟踪系统还包括：
第三运动模块，用于当检测到所述摄像机以高于预设阈值的频率和/或低于预设阈值的幅度进行周期运动时，控制所述云台暂停驱动所述摄像机进行运动。
另一方面，本发明实施例还包括一种视频目标跟踪装置，包括存储器和处理器，所述存储器用于存储至少一个程序，所述处理器用于加载所述至少一个程序以执行本发明方法。
另一方面，本发明实施例还包括一种存储介质，其中存储有处理器可执行的指令，所述处理器可执行的指令在由处理器执行时用于执行本发明方法。
本发明的有益效果是：本发明实施例中的方法通过从摄像机所拍摄的视频中截取画面帧，根据对画面帧进行的目标识别的结果确定所述目标在所述画面帧中的位置，从而控制所述云台驱动所述摄像机进行运动使所述目标位于所述画面帧的中心区域，可以适用于非固定摄像机的视频目标跟踪。
附图说明
图1为本发明视频目标跟踪方法实施例的流程图；
图2为本发明实施例中显示区域和中心区域的示意图；
图3为本发明视频目标跟踪系统实施例的结构框图。
具体实施方式
本实施例包括一种视频目标跟踪方法，参照图1，包括以下步骤：
S1.从摄像机所拍摄的视频中截取画面帧；所述摄像机由云台驱动进行运动；
S2.分别使用均值漂移算法和卡尔曼滤波算法对所述画面帧进行目标识别；
S3.对所述均值漂移算法的识别结果和所述卡尔曼滤波算法的识别结果进行加权平均；
S4.根据所述加权平均的结果确定所述目标在所述画面帧中的位置；
S5.控制所述云台驱动所述摄像机进行运动，从而使所述目标位于所述画面帧的中心区域。
本实施例中所述的摄像机由云台驱动，可以进行平移和旋转等运动，从而调整摄像机的视野或拍摄范围，而摄像机本身也可以进行镜头伸缩和变焦等动作。所述云台可以使用现有产品，通过云台开放的数据接口来向云台发出控制摄像机进行相应运动的控制数据。
步骤S1中，所述摄像机连续不断地拍摄视频，通过摄像机的数据接口实时获取摄像机拍摄到的视频，该视频是由连续的多帧画面帧组成的。截取或分解出视频中的一帧画面帧进行分析。
步骤S2中，分别使用均值漂移算法和卡尔曼滤波算法对截取出来的画面帧进行目标识别。通过对均值漂移算法和卡尔曼滤波算法的参数进行设定，均值漂移算法和卡尔曼滤波算法可以对画面帧中的人脸、车牌、图案或文字等特定目标进行识别，并分别输出识别结果。
步骤S3中，分别为均值漂移算法的识别结果和所述卡尔曼滤波算法的识别结果设定相同或不同的权重因子，然后对均值漂移算法的识别结果和所述卡尔曼滤波算法的识别结果进行加权平均。所述加权平均可以是指算术加权平均，也可以是指几何加权平均。所述加权平均的过程具体包括：将均值漂移算法输出的目标所在的坐标或坐标范围与卡尔曼滤波算法输出的目标所在的坐标或坐标范围进行加权平均计算，所得的结果是相应的坐标或坐标范围。
步骤S4中，根据所述加权平均的结果确定所述目标在所述画面帧中的位置，例如在画面帧上相应的坐标或坐标范围叠加显示方框或者标示点等来提示目标所在位置。
步骤S4中识别得到的目标可能在画面帧的边缘位置。步骤S5中，控制所述云台驱动所述摄像机进行运动，然后在摄像机运动过程中，连续循环执行步骤S1-S4从而实时获取画面变化，直到确认所述目标位于所述画面帧的中心区域，此时停止控制云台驱动摄像机进行运动，完成对目标的跟踪。
如图2所示，步骤S5中所述的中心区域2是摄像机的视野，或者通过显示器显示所拍摄到的视频时显示器的显示区域1中的一部分。所述中心区域2的大小和形状可调，例如可以将中心区域2设置成方形、圆形或者三角形等，也可以调整中心区域2的面积，使得中心区域2占摄像机的整个视野或者显示器的整个显示区域1的比例可以改变。由于执行步骤S5的目标是令识别到的目标位于所述画面帧的中心区域2，通过调整所述中心区域2的大小和形状，可以使得步骤S5的停止执行条件不同，例如当中心区域2的面积较大时，所识别到的目标本身位于所述中心区域2的概率较大，此时无需控制所述云台驱动所述摄像机进行运动或者只需进行较小幅度的运动即可完成步骤S5的目标，而识别到的目标位置发生移动时也有更大的概率是在移动完毕后仍处于所述中心区域2内，使得摄像机无需再进行运动，因此当中心区域2的面积较大时可以提高目标跟踪的成功率；当中心区域2的面积较小时，所识别到的目标本身位于所述中心区域2的概率较小，此时可能需要进行较小幅度的运动才能完成步骤S5的目标，而识别到的目标位置发生移动时也有更大的概率是在移动完毕后处于所述中心区域2外，使得摄像机需要再进行运动，因此当中心区域2的面积较大时可以提高目标跟踪的成功率，但是中心区域2更多地集中在所述显示区域1的几何中心附近，因此当中心区域2的面积较小时可以提高目标跟踪的精度。
进一步作为优选的实施方式，所述视频目标跟踪方法还包括以下步骤：
S6.当检测到所述画面帧缺失所述目标时，对位于所述画面帧的中心区域的像素标记为遮挡物。
本实施例中，步骤S1-S5是不断循环执行的，因此在循环执行过程中会对视频中的每个画面帧进行监测。步骤S6中所述画面帧缺失所述目标是指检测到某个画面帧中不存在所述目标，而从该画面帧的前一个画面帧中可以识别到所述目标。由于在执行步骤S1-S5的过程中，始终调整摄像机的视野以使目标位于画面帧的中心区域，因此可以判定是最新获取到的画面帧中出现了遮挡物，且该遮挡物位于中心区域。由于遮挡物一般是纸张、衣服或者其他杂物等完整的物件，因此遮挡物在视频中可能呈现出连续的具有相同颜色的像素区域，将位于所述画面帧的中心区域的具有相同或相近颜色的像素标记为遮挡物。
进一步作为优选的实施方式，所述视频目标跟踪方法还包括以下步骤：
S7.当重新检测到所述画面帧中的所述目标时，控制所述云台驱动所述摄像机进行运动，从而使所述目标位于所述画面帧的中心区域；
S8.调整所述摄像机的焦距、调整所述摄像机与所述目标之间的距离和/或对所述画面帧进行裁剪，从而使所述遮挡物被排除在所述画面帧之外。
步骤S7和S8是在执行S6的基础上进一步执行的。在执行步骤S6后，仍连续不断地循环执行步骤S1-S5，从而对新获取到的多个画面帧进行分析。步骤S7中的画面帧在时间轴上的位置位于步骤S6中的画面帧之后。步骤S7实际上相当于在遮挡物被撤除或者发生位置移动，从而不再遮挡所述目标后，再一次执行步骤S1-S5的结果。
遮挡物被撤除或者发生位置移动，从而不再遮挡所述目标后，仍然有可能位于摄像机的视野范围内。执行步骤S8，通过执行调整所述摄像机的焦距、调整所述摄像机与所述目标之间的距离和对所述画面帧进行裁剪这三个步骤中的一个或多个的组合，从而使所述遮挡物被排除在所述画面帧之外。所述调整所述摄像机的焦距，一般是指通过变焦增大摄像机的焦距，从而使得摄像机不再拍摄到所述遮挡物；所述调整所述摄像机与所述目标之间的距离，是指摄像机沿着与目标的连线向目标方向移动，从而使得摄像机不再拍摄到所述遮挡物；所述对所述画面帧进行裁剪，是指对剪切掉所述画面帧的外围部分，只保留所述画面帧的中心区域及其周边的部分，从而使得画面帧的剩余部分不再存在所述遮挡物。
通过步骤S7和S8，可以避免遮挡物对最终显示出来的视觉效果的影响。
进一步作为优选的实施方式，所述视频目标跟踪方法还包括以下步骤：
S9.当检测到所述摄像机以高于预设阈值的频率和/或低于预设阈值的幅度进行周期运动时，控制所述云台暂停驱动所述摄像机进行运动。
在实际应用中，所述目标的位置可能经常移动，例如在两个固定的位置之间来回转移，此时可能会引起所述摄像头频繁地跟踪所述目标进行运动，使得最终显示出来的视觉效果是来回晃动，影响视觉体验。本实施例中，可以预设的一个频率阈值和一个幅度阈值，执行步骤S9，当检测到所述摄像机以高于预设阈值的频率和/或低于预设阈值的幅度进行周期运动时，控制所述云台暂停驱动所述摄像机进行运动，避免因目标在两个固定的位置之间频繁地来回转移造成画面晃动而影响视觉体验。
本实施例还包括一种视频目标跟踪系统，参照图3，包括：
画面帧模块，用于从摄像机所拍摄的视频中截取画面帧；所述摄像机由云台驱动进行运动；
目标识别模块，用于分别使用均值漂移算法和卡尔曼滤波算法对所述画面帧进行目标识别；
加权平均模块，用于对所述均值漂移算法的识别结果和所述卡尔曼滤波算法的识别结果进行加权平均；
位置确定模块，用于根据所述加权平均的结果确定所述目标在所述画面帧中的位置；
第一运动模块，用于控制所述云台驱动所述摄像机进行运动，从而使所述目标位于所述画面帧的中心区域。
进一步地，所述视频目标跟踪系统还包括：
遮挡物标记模块，用于当检测到所述画面帧缺失所述目标时，对位于所述画面帧的中心区域的像素标记为遮挡物。
进一步地，所述视频目标跟踪系统还包括：
第二运动模块，用于当重新检测到所述画面帧中的所述目标时，控制所述云台驱动所述摄像机进行运动，从而使所述目标位于所述画面帧的中心区域；
调整模块，用于调整所述摄像机的焦距、调整所述摄像机与所述目标之间的距离和/或对所述画面帧进行裁剪，从而使所述遮挡物被排除在所述画面帧之外。
进一步地，所述视频目标跟踪系统还包括：
第三运动模块，用于当检测到所述摄像机以高于预设阈值的频率和/或低于预设阈值的幅度进行周期运动时，控制所述云台暂停驱动所述摄像机进行运动。
所述画面帧模块、目标识别模块、加权平均模块、位置确定模块、第一运动模块、遮挡物标记模块、第二运动模块、调整模块和第三运动模块可以是计算机系统上具有相应功能的硬件模块或软件模块。
本实施例还包括一种视频目标跟踪装置，包括摄像机云台、存储器和处理器，所述摄像机用于拍摄视频，所述云台用于驱动所述摄像机进行运动，所述存储器用于存储至少一个程序，所述处理器用于加载所述至少一个程序以执行本发明视频目标跟踪方法。
本实施例还包括一种存储介质，其中存储有处理器可执行的指令，所述处理器可执行的指令在由处理器执行时用于执行本发明视频目标跟踪方法。
本实施例中的视频目标跟踪系统、装置和存储介质，可以执行本发明的视频目标跟踪方法，可执行方法实施例的任意组合实施步骤，具备该方法相应的功能和有益效果。
需要说明的是，如无特殊说明，当某一特征被称为“固定”、“连接”在另一个特征，它可以直接固定、连接在另一个特征上，也可以间接地固定、连接在另一个特征上。此外，本公开中所使用的上、下、左、右等描述仅仅是相对于附图中本公开各组成部分的相互位置关系来说的。在本公开中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。此外，除非另有定义，本实施例所使用的所有的技术和科学术语与本技术领域的技术人员通常理解的含义相同。本实施例说明书中所使用的术语只是为了描述具体的实施例，而不是为了限制本发明。本实施例所使用的术语“和/或”包括一个或多个相关的所列项目的任意的组合。
应当理解，尽管在本公开可能采用术语第一、第二、第三等来描述各种元件，但这些元件不应限于这些术语。这些术语仅用来将同一类型的元件彼此区分开。例如，在不脱离本公开范围的情况下，第一元件也可以被称为第二元件，类似地，第二元件也可以被称为第一元件。本实施例所提供的任何以及所有实例或示例性语言(“例如”、“如”等)的使用仅意图更好地说明本发明的实施例，并且除非另外要求，否则不会对本发明的范围施加限制。
应当认识到，本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现，其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而，若需要，该程序可以以汇编或机器语言实现。在任何情况下，该语言可以是编译或解释的语言。此外，为此目的该程序能够在编程的专用集成电路上运行。
此外，可按任何合适的顺序来执行本实施例描述的过程的操作，除非本实施例另外指示或以其他方式明显地与上下文矛盾。本实施例描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行，并且可作为共同地在一个或多个处理器上执行的代码(例如，可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步，所述方法可以在可操作地连接至合适的任何类型的计算平台中实现，包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现，无论是可移动的还是集成至计算平台，如硬盘、光学读取和/或写入存储介质、RAM、ROM等，使得其可由可编程计算机读取，当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外，机器可读代码，或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时，本实施例所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时，本发明还包括计算机本身。
计算机程序能够应用于输入数据以执行本实施例所述的功能，从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中，转换的数据表示物理和有形的对象，包括显示器上产生的物理和有形对象的特定视觉描绘。
以上所述，只是本发明的较佳实施例而已，本发明并不局限于上述实施方式，只要其以相同的手段达到本发明的技术效果，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。

Claims (10)

1.一种视频目标跟踪方法，其特征在于，包括以下步骤：
从摄像机所拍摄的视频中截取画面帧；所述摄像机由云台驱动进行运动；
对所述画面帧进行目标识别；
根据所述目标识别的结果确定所述目标在所述画面帧中的位置；
控制所述云台驱动所述摄像机进行运动，从而使所述目标位于所述画面帧的中心区域。
2.根据权利要求1所述的一种视频目标跟踪方法，其特征在于，还包括以下步骤：
当检测到所述画面帧缺失所述目标时，对位于所述画面帧的中心区域的像素标记为遮挡物。
3.根据权利要求2所述的一种视频目标跟踪方法，其特征在于，还包括以下步骤：
当重新检测到所述画面帧中的所述目标时，控制所述云台驱动所述摄像机进行运动，从而使所述目标位于所述画面帧的中心区域；
调整所述摄像机的焦距、调整所述摄像机与所述目标之间的距离和/或对所述画面帧进行裁剪，从而使所述遮挡物被排除在所述画面帧之外。
4.根据权利要求3所述的一种视频目标跟踪方法，其特征在于，还包括以下步骤：
当检测到所述摄像机以高于预设阈值的频率和/或低于预设阈值的幅度进行周期运动时，控制所述云台暂停驱动所述摄像机进行运动。
5.一种视频目标跟踪系统，其特征在于，包括：
画面帧模块，用于从摄像机所拍摄的视频中截取画面帧；所述摄像机由云台驱动进行运动；
目标识别模块，用于对所述画面帧进行目标识别；
位置确定模块，用于根据所述目标识别的结果确定所述目标在所述画面帧中的位置；
第一运动模块，用于控制所述云台驱动所述摄像机进行运动，从而使所述目标位于所述画面帧的中心区域。
6.根据权利要求5所述的一种视频目标跟踪系统，其特征在于，还包括：
遮挡物标记模块，用于当检测到所述画面帧缺失所述目标时，对位于所述画面帧的中心区域的像素标记为遮挡物。
7.根据权利要求6所述的一种视频目标跟踪系统，其特征在于，还包括：
第二运动模块，用于当重新检测到所述画面帧中的所述目标时，控制所述云台驱动所述摄像机进行运动，从而使所述目标位于所述画面帧的中心区域；
调整模块，用于调整所述摄像机的焦距、调整所述摄像机与所述目标之间的距离和/或对所述画面帧进行裁剪，从而使所述遮挡物被排除在所述画面帧之外。
8.根据权利要求7所述的一种视频目标跟踪系统，其特征在于，还包括：
第三运动模块，用于当检测到所述摄像机以高于预设阈值的频率和/或低于预设阈值的幅度进行周期运动时，控制所述云台暂停驱动所述摄像机进行运动。
9.一种视频目标跟踪装置，其特征在于，包括摄像机云台、存储器和处理器，所述摄像机用于拍摄视频，所述云台用于驱动所述摄像机进行运动，所述存储器用于存储至少一个程序，所述处理器用于加载所述至少一个程序以执行权利要求1-4任一项所述方法。
10.一种存储介质，其中存储有处理器可执行的指令，其特征在于，所述处理器可执行的指令在由处理器执行时用于执行如权利要求1-4任一项所述方法。
CN201910561588.0A 2019-06-26 2019-06-26 一种视频目标跟踪方法、系统、装置和存储介质 Active CN110290351B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910561588.0A CN110290351B (zh) 2019-06-26 2019-06-26 一种视频目标跟踪方法、系统、装置和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910561588.0A CN110290351B (zh) 2019-06-26 2019-06-26 一种视频目标跟踪方法、系统、装置和存储介质

Publications (2)

Publication Number Publication Date
CN110290351A true CN110290351A (zh) 2019-09-27
CN110290351B CN110290351B (zh) 2021-03-23

Family

ID=68006148

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910561588.0A Active CN110290351B (zh) 2019-06-26 2019-06-26 一种视频目标跟踪方法、系统、装置和存储介质

Country Status (1)

Country Link
CN (1) CN110290351B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021184326A1 (zh) * 2020-03-20 2021-09-23 深圳市大疆创新科技有限公司 电子装置的控制方法、装置、设备及系统
CN113838101A (zh) * 2021-11-25 2021-12-24 之江实验室 一种适用于具有重叠视野的摄像机网络下的目标追踪方法
CN115100676A (zh) * 2022-05-27 2022-09-23 中国科学院半导体研究所 书写姿态跟踪方法、装置、电子设备及存储介质
CN115174861A (zh) * 2022-07-07 2022-10-11 广州后为科技有限公司 一种云台摄像机自动跟踪移动目标方法及装置
CN117132624A (zh) * 2023-10-27 2023-11-28 济南作为科技有限公司 跟随摄像机遮挡检测方法、装置、设备及存储介质

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102737384A (zh) * 2011-04-08 2012-10-17 慧友电子股份有限公司 球型摄影机自动追踪的方法
US8504222B2 (en) * 2009-09-11 2013-08-06 George W. Braly Emergency descent intervention system
CN105338292A (zh) * 2014-08-04 2016-02-17 杭州海康威视数字技术股份有限公司 用于视频监控的声源定向控制装置及方法
CN105979147A (zh) * 2016-06-22 2016-09-28 上海顺砾智能科技有限公司 一种无人机智能拍摄方法
CN106161930A (zh) * 2016-06-27 2016-11-23 乐视控股（北京）有限公司 摄像头控制方法及装置
CN107180435A (zh) * 2017-05-09 2017-09-19 杭州电子科技大学 一种适用于深度图像的人体目标跟踪方法
CN107659790A (zh) * 2017-10-23 2018-02-02 上海集光安防科技股份有限公司 一种球机自动跟踪目标的方法
CN107908195A (zh) * 2017-11-06 2018-04-13 深圳市道通智能航空技术有限公司 目标追踪方法、装置、追踪器及计算机可读存储介质
CN108055501A (zh) * 2017-11-22 2018-05-18 天津市亚安科技有限公司 一种目标检测及跟踪的视频监控系统及方法
CN108345885A (zh) * 2018-01-18 2018-07-31 浙江大华技术股份有限公司 一种目标遮挡检测的方法及装置
CN109076198A (zh) * 2016-07-08 2018-12-21 华为技术有限公司 基于视频的对象跟踪遮挡检测系统、过程和设备
CN109102522A (zh) * 2018-07-13 2018-12-28 北京航空航天大学 一种目标跟踪方法及装置
US20190072637A1 (en) * 2017-09-07 2019-03-07 Honeywell International Inc. Object tracking and ranging

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8504222B2 (en) * 2009-09-11 2013-08-06 George W. Braly Emergency descent intervention system
CN102737384A (zh) * 2011-04-08 2012-10-17 慧友电子股份有限公司 球型摄影机自动追踪的方法
CN105338292A (zh) * 2014-08-04 2016-02-17 杭州海康威视数字技术股份有限公司 用于视频监控的声源定向控制装置及方法
CN105979147A (zh) * 2016-06-22 2016-09-28 上海顺砾智能科技有限公司 一种无人机智能拍摄方法
CN106161930A (zh) * 2016-06-27 2016-11-23 乐视控股（北京）有限公司 摄像头控制方法及装置
CN109076198A (zh) * 2016-07-08 2018-12-21 华为技术有限公司 基于视频的对象跟踪遮挡检测系统、过程和设备
CN107180435A (zh) * 2017-05-09 2017-09-19 杭州电子科技大学 一种适用于深度图像的人体目标跟踪方法
US20190072637A1 (en) * 2017-09-07 2019-03-07 Honeywell International Inc. Object tracking and ranging
CN107659790A (zh) * 2017-10-23 2018-02-02 上海集光安防科技股份有限公司 一种球机自动跟踪目标的方法
CN107908195A (zh) * 2017-11-06 2018-04-13 深圳市道通智能航空技术有限公司 目标追踪方法、装置、追踪器及计算机可读存储介质
CN108055501A (zh) * 2017-11-22 2018-05-18 天津市亚安科技有限公司 一种目标检测及跟踪的视频监控系统及方法
CN108345885A (zh) * 2018-01-18 2018-07-31 浙江大华技术股份有限公司 一种目标遮挡检测的方法及装置
CN109102522A (zh) * 2018-07-13 2018-12-28 北京航空航天大学 一种目标跟踪方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
朱皓: "基于ARM的可实现运动目标跟踪的视频监控系统研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021184326A1 (zh) * 2020-03-20 2021-09-23 深圳市大疆创新科技有限公司 电子装置的控制方法、装置、设备及系统
CN113838101A (zh) * 2021-11-25 2021-12-24 之江实验室 一种适用于具有重叠视野的摄像机网络下的目标追踪方法
CN115100676A (zh) * 2022-05-27 2022-09-23 中国科学院半导体研究所 书写姿态跟踪方法、装置、电子设备及存储介质
CN115174861A (zh) * 2022-07-07 2022-10-11 广州后为科技有限公司 一种云台摄像机自动跟踪移动目标方法及装置
CN115174861B (zh) * 2022-07-07 2023-09-22 广州后为科技有限公司 一种云台摄像机自动跟踪移动目标方法及装置
CN117132624A (zh) * 2023-10-27 2023-11-28 济南作为科技有限公司 跟随摄像机遮挡检测方法、装置、设备及存储介质
CN117132624B (zh) * 2023-10-27 2024-01-30 济南作为科技有限公司 跟随摄像机遮挡检测方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN110290351B (zh) 2021-03-23

Similar Documents

Publication Publication Date Title
CN110290351A (zh) 一种视频目标跟踪方法、系统、装置和存储介质
US11003893B2 (en) Face location tracking method, apparatus, and electronic device
US10455141B2 (en) Auto-focus method and apparatus and electronic device
US10074031B2 (en) 2D image analyzer
CN106911922B (zh) 从单个传感器生成的深度图
WO2020095130A1 (en) Image capture device control based on determination of blur value of objects in images
CN107465877B (zh) 跟踪对焦方法及装置和相关介质产品
US11375097B2 (en) Lens control method and apparatus and terminal
CN101088104A (zh) 用于处理图像数据的电子设备和电子设备中的方法
CN110245641A (zh) 一种目标追踪拍摄方法、装置、电子设备
CN110210333A (zh) 一种自动聚焦式虹膜图像采集方法及装置
CN106469435B (zh) 图像处理方法、装置及设备
CN107404721A (zh) 物联网设备配网方法、图像采集方法及设备
CN106899800A (zh) 相机对焦的方法、装置及移动终端设备
CN103873760B (zh) 一种对焦点调整方法及电子设备
KR20180057225A (ko) 사용자의 눈을 추적하는 방법 및 장치와 역변환된 저조도 영상을 생성하는 방법
EP3109695B1 (en) Method and electronic device for automatically focusing on moving object
CN109523573A (zh) 目标对象的跟踪方法和装置
CN109598195B (zh) 一种基于监控视频的清晰人脸图像处理方法与装置
US8994846B2 (en) Image processing apparatus and image processing method for detecting displacement between images having different in-focus positions
JPWO2015141185A1 (ja) 撮像制御装置、撮像制御方法およびプログラム
CN103581538A (zh) 数字拍摄设备和控制所述数字拍摄设备的方法
CN106303203B (zh) 一种信息处理方法及电子设备
US11790483B2 (en) Method, apparatus, and device for identifying human body and computer readable storage medium
CN115037869A (zh) 自动对焦方法、装置、电子设备及计算机可读存储介质

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