CN110458866A - 目标追踪方法及系统 - Google Patents
目标追踪方法及系统 Download PDFInfo
- Publication number
- CN110458866A CN110458866A CN201910745249.8A CN201910745249A CN110458866A CN 110458866 A CN110458866 A CN 110458866A CN 201910745249 A CN201910745249 A CN 201910745249A CN 110458866 A CN110458866 A CN 110458866A
- Authority
- CN
- China
- Prior art keywords
- target
- detected
- image
- image information
- target tracking
- 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 50
- 238000001514 detection method Methods 0.000 claims abstract description 10
- 230000033001 locomotion Effects 0.000 claims abstract description 10
- 238000004590 computer program Methods 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 7
- 238000012544 monitoring process Methods 0.000 abstract description 7
- 230000006870 function Effects 0.000 description 9
- 230000000007 visual effect Effects 0.000 description 7
- 230000006854 communication Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000009434 installation Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000005291 magnetic effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本申请属于视频监控技术领域,特别涉及一种目标追踪方法及系统。目标追踪方法,包括如下步骤:根据指定区域的第一图像信息进行背景建模,获得指定区域的背景场景模型,其中,第一图像信息通过广角相机捕获;实时获取广角相机捕获的针对指定区域的第二图像信息,并根据第二图像信息获得混合场景模型,其中,第二图像信息中包括有待检测目标;对混合场景模型进行前景检测,获得待检测目标运动的前景区域;对前景区域内的待检测目标进行追踪。本申请的目标追踪方法及系统,能够捕获更大的图像视野,并能够捕捉待检测目标运动区域以及进行目标追踪,从而具备低时延、宽视角的效果;并且,能够适用于指定场景下的多目标追踪。
Description
技术领域
本申请属于视频监控技术领域,特别涉及一种目标追踪方法及系统。
背景技术
近年来,数字化、网络化的视频监控系统依靠其集成性、灵活性和可靠性在安防领域占据着重要地位。智能云台则是实施视频监控系统的重要载体。
现有的智能监控云台大都由机械控制模块、集成电路模块和视频采集模块三部分组成。根据其业务场景,主要分为室内监控云台和室外监控云台。其主要工作原理是,通过远程安装了对应控制软件的PC端发送信号,信号通过云台控制模块中的通讯系统到达云台。云台设备根据接收到的信号,控制电机实现机械转动,并控制视频采集分析系统进行对应的信息处理。
但是,这种传统的方法至少存在以下几个问题:
首先,摄像头的视野比较局限,需要不断转变位置来获得全景图像,一旦目标数量较多且较为分散时,较小的视野不能很好的支持实时多目标追踪的需求。
其次,从PC端发送信号到云台机械转动这一过程存在着一定的延时,不能满足一些高实时性应用场景的要求。
最后,传统云台的性能很大程度上依赖着控制系统,更新升级所需成本较高。
综上,这些缺点会限制监控云台在室内应用场景的普及。
发明内容
为了解决上述技术问题至少之一,本申请提供了一种目标追踪方法及系统。
第一方面,本申请公开了一种目标追踪方法,包括如下步骤:
根据指定区域的第一图像信息进行背景建模,获得所述指定区域的背景场景模型,其中,所述第一图像信息通过广角相机捕获;
实时获取所述广角相机捕获的针对指定区域的第二图像信息,并根据所述第二图像信息获得混合场景模型,其中,所述第二图像信息中包括有待检测目标;
对所述混合场景模型进行前景检测,获得所述待检测目标运动的前景区域;
对所述前景区域内的待检测目标进行追踪。
根据本申请的至少一个实施方式,所述的目标追踪方法还包括:
对追踪到的待检测目标的图像进行消除畸变处理;
将消除畸变处理后的图像进行传输。
根据本申请的至少一个实施方式,对追踪到的待检测目标的图像进行消除畸变处理,包括:
根据广角相机的内参矩阵和畸变系数,利用插值方法对图像进行消除畸变处理。
根据本申请的至少一个实施方式,根据指定区域的第一图像信息进行背景建模,包括:
根据混合高斯模型进行背景建模。
根据本申请的至少一个实施方式,根据所述第二图像信息获得混合场景模型,包括:
依次根据所述第二图像信息中的每一帧的图片信息,更新所述混合高斯模型的参数。
根据本申请的至少一个实施方式,对所述前景区域内的待检测目标进行追踪,包括:
根据KCF追踪算法对待检测目标进行追踪。
第二方面,本申请公开了一种目标追踪系统,包括:
广角相机,用于捕获指定区域的第一视频信息以及第二视频信息,其中,所述第二图像信息中包括有待检测目标的图像;
场景模型构建模块,用于根据所述第一图像信息进行背景建模,获得所述指定区域的背景场景模型,以及根据实时获取所述第二图像信息获得混合场景模型;
目标捕获模块,用于对所述混合场景模型进行前景检测,获得所述待检测目标运动的前景区域;
目标追踪模块,用于对所述前景区域内的待检测目标进行追踪。
根据本申请的至少一个实施方式,所述的目标追踪系统还包括:
消除畸变模块,用于对追踪到的待检测目标的图像进行消除畸变处理;
图像传输模块,用于将消除畸变处理后的图像进行传输。
第三方面,本申请公开了一种计算机设备,包括处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序用于实现上述第一方面中任一项所述的目标追踪方法。
第四方面,本申请公开了一种可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序被处理器执行时用于实现上述第一方面中任一项所述的目标追踪方法。
本申请至少存在以下有益技术效果:
本申请的目标追踪方法及系统,通过广角相机镜头捕获指定场景下更大的图像视野,并能够捕捉待检测目标运动区域以及进行目标追踪,从而具备低时延、宽视角的效果,解决传统机械云台依靠机械转动才能获得全部视野的问题;并且,能够适用于指定场景下的多目标追踪。
附图说明
图1是本申请目标追踪方法的一优选实施例的流程图;
图2是本申请目标追踪系统的一优选实施例的框架图;
图3为适于用来实现本申请实施方式的终端或服务器的计算机设备的结构示意图。
具体实施方式
为使本申请实施的目的、技术方案和优点更加清楚,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更加详细的描述。在附图中,自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。所描述的实施例是本申请一部分实施例,而不是全部的实施例。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。下面结合附图对本申请的实施例进行详细说明。
需要说明的是,一个完整的电子云台可以包括图像采集(包括云台转动控制)、图像处理、图像传输、图像显示、报警等功能结构;而本申请的目标追踪方法及系统,可以作为构成新型电子云台的一部分特征,主要是包括图像采集、图像处理、图像传输几部分,其他的图像显示、报警等功能可以与传统电子云台的相同。也即是说,可以构成电子云台,仅是本申请的目标追踪方法及系统的其中一个优选实施例(并不是唯一实施例),为方便理解,后续的陈述内容均建立在该实施例条件下。
下面结合附图1-图3对本申请的目标追踪方法及系统进一步详细说明。
第一方面,如图1所示,本申请公开了一种目标追踪方法,包括如下步骤:
步骤S101、根据指定区域的第一图像信息进行背景建模,获得指定区域的背景场景模型,其中,第一图像信息通过广角相机捕获。
上述指定区域可以根据需要选择为多种适合的场景区域,例如用户室内的客厅、办公区前台、学校教室等区域。
进一步地,在本步骤S101之前,还可以包括第一图像信息捕获步骤,即通过广角相机捕获第一图像信息。本申请的目标追踪方法中,是采用广角相机作为视频采集设备,其中,广角相机采用的是广角镜头,广角镜头的焦距短于标准镜头、视角大于标准镜头,因此能够采集到更大视角的视频信息;广角镜头又可以分多种焦距,本申请可以根据具体场景进行适合的选择,此处不再具体赘述。
进一步地,上述第一图像信息是默认为在对应场景区域中未出现待检测目标(即运动目标)时拍摄的图像信息。在一些优选实施例中,第一图像信息的捕获,可以在电子云台初始安装阶段且用户还未正式启用前,通过预安装电子云台中的广角相机进行。当然,在其他实施例中,也可以是电子云台完整完成之后的其他时间阶段拍摄得到,只需要确保第一图像信息中包含的各种对象均为后续不需要进行运动检测的对象即可。
进一步地,在本步骤S101中,可以采用目前已知的多种适合的方法来进行背景建模,从而获得指定区域的背景场景模型;本实施例中,优选通过混合高斯模型的方法进行背景建模,通过学习到当前室内应用场景模型,即背景场景模型。
步骤S102、实时获取广角相机捕获的针对指定区域的第二图像信息,并根据第二图像信息获得混合场景模型,其中,第二图像信息中包括有待检测目标。
在本步骤S102中,第二图像信息的捕获时机是在第一图像信息捕获之后,可以理解为,是在电子云台正式启用后拍摄到的包含有待检测目标的图像信息。
同样地,可以采用目前已知的多种适合的方法来获得混合场景模型;本实施例中,是基于上述混合高斯模型的方法,依次根据接收到的第二图像信息中的每一帧的图片信息,更新混合高斯模型的参数,从而获得混合场景模型。
步骤S103、对混合场景模型进行前景检测,获得待检测目标运动的前景区域。
前景检测目的是从序列图像中将变化区域(即前景区域)从背景图像中提取出来,从而对前景物体(即待检测目标)进行捕获;其中,前景检测具体方法可以采用目前已知的多种适合的方法,此处不再具体赘述。
步骤S104、对前景区域内的待检测目标进行追踪。
在本步骤S104中,可以通过已知的多种适合方法进行目标追踪;本实施例中,优选根据KCF追踪算法对待检测目标进行追踪,并且,待检测目标可以为多个。
进一步地,在一些优选实施例中,参见图1所示,本申请的目标追踪方法还可以包括如下步骤:
步骤S105、对追踪到的待检测目标的图像进行消除畸变处理。
具体地,本实施例中,优选根据广角相机的内参矩阵和畸变系数,利用插值方法对图像进行消除畸变处理,以改进输出图像的质量。
步骤S106、将消除畸变处理后的图像进行传输。
具体地,可以将图像输出至用户端,例如显示器、平板、手机等设备。
综上所述,本申请的目标追踪方法,通过广角相机镜头捕获指定场景下更大的图像视野,并结合相关的计算机视觉算法,以捕捉待检测目标运动区域(即运动侦测)以及进行目标追踪,从而具备低时延、宽视角的效果,解决传统机械云台依靠机械转动才能获得全部视野的问题;另外,通过去畸变算法,改进了输出图像的质量;在室内多目标追踪的场景下,获得了比较好的效果。
第二方面,如图2所示,本申请公开了一种目标追踪系统,可以包括广角相机201、场景模型构建模块202、目标捕获模块203以及目标追踪模块204。
其中,广角相机201是用于捕获指定区域的第一视频信息以及第二视频信息,其中,第二图像信息中包括有待检测目标的图像。参见上述第一方面对目标追踪方法陈述,第二视频信息的捕获时机是在第一视频信息之后。
场景模型构建模块202用于根据第一图像信息进行背景建模,获得指定区域的背景场景模型,以及根据实时获取第二图像信息获得混合场景模型。同样地,优选是采用混合高斯模型的方法进行相应的背景建模,此处不再赘述。
目标捕获模块203用于对混合场景模型进行前景检测,以获得待检测目标运动的前景区域。
目标追踪模块204用于对前景区域内的待检测目标进行追踪。同样的,在本实施例中,优选根据KCF追踪算法对待检测目标进行追踪,并且,待检测目标可以为多个。
进一步地,在一些优选实施例中,参见图2所示,本申请的目标追踪系统还可以包括消除畸变模块205以及图像传输模块206。
消除畸变模块205用于对追踪到的待检测目标的图像进行消除畸变处理。
图像传输模块206用于将消除畸变处理后的图像进行传输。
综上,本申请的目标追踪系统,通过广角相机镜头捕获指定场景下更大的图像视野,并结合相关的计算机视觉算法,以捕捉待检测目标运动区域(即运动侦测)以及进行目标追踪,从而具备低时延、宽视角的效果,解决传统机械云台依靠机械转动才能获得全部视野的问题;另外,通过去畸变算法,改进了输出图像的质量;在室内多目标追踪的场景下,获得了比较好的效果。
第三方面,本申请公开了一种计算机设备,包括处理器、存储器以及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序用于实现上述第一方面的目标追踪方法。
第四方面,本申请公开了一种可读存储介质,可读存储介质存储有计算机程序,计算机程序被处理器执行时用于实现上述第一方面的目标追踪方法。该计算机可读存储介质可以是上述实施方式中描述的装置中所包含的;也可以是单独存在,而未装配入该装置中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被该装置执行时按上述方法对数据进行处理。
下面参考图3,其示出了适于用来实现本申请实施方式的计算机设备300的结构示意图。图3示出的计算机设备仅仅是一个示例,不应对本申请实施方式的功能和使用范围带来任何限制。
如图3所示,计算机设备300包括中央处理单元(CPU)301,其可以根据存储在只读存储器(ROM)302中的程序或者从存储部分308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM303中,还存储有设备300操作所需的各种程序和数据。CPU301、ROM302以及RAM303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
以下部件连接至I/O接口305:包括键盘、鼠标等的输入部分306;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分307;包括硬盘等的存储部分308;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分309。通信部分309经由诸如因特网的网络执行通信处理。驱动器310也根据需要连接至I/O接口305。可拆卸介质311,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器310上,以便于从其上读出的计算机程序根据需要被安装入存储部分308。
特别地,根据本申请的实施方式,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本申请的实施方式包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施方式中,该计算机程序可以通过通信部分309从网络上被下载和安装,和/或从可拆卸介质311被安装。在该计算机程序被中央处理单元(CPU)301执行时,执行本申请的方法中限定的上述功能。需要说明的是,本申请的计算机存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施方式的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施方式中所涉及到的模块或单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块或单元也可以设置在处理器中,这些模块或单元的名称在某种情况下并不构成对该模块或单元本身的限定。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种目标追踪方法,其特征在于,包括如下步骤:
根据指定区域的第一图像信息进行背景建模,获得所述指定区域的背景场景模型,其中,所述第一图像信息通过广角相机捕获;
实时获取所述广角相机捕获的针对指定区域的第二图像信息,并根据所述第二图像信息获得混合场景模型,其中,所述第二图像信息中包括有待检测目标;
对所述混合场景模型进行前景检测,获得所述待检测目标运动的前景区域;
对所述前景区域内的待检测目标进行追踪。
2.根据权利要求1所述的目标追踪方法,其特征在于,还包括:
对追踪到的待检测目标的图像进行消除畸变处理;
将消除畸变处理后的图像进行传输。
3.根据权利要求2所述的目标追踪方法,其特征在于,对追踪到的待检测目标的图像进行消除畸变处理,包括:
根据广角相机的内参矩阵和畸变系数,利用插值方法对图像进行消除畸变处理。
4.根据权利要求1所述的目标追踪方法,其特征在于,根据指定区域的第一图像信息进行背景建模,包括:
根据混合高斯模型进行背景建模。
5.根据权利要求4所述的指定区域内目标追踪方法,其特征在于,根据所述第二图像信息获得混合场景模型,包括:
依次根据所述第二图像信息中的每一帧的图片信息,更新所述混合高斯模型的参数。
6.根据权利要求1所述的目标追踪方法,其特征在于,对所述前景区域内的待检测目标进行追踪,包括:
根据KCF追踪算法对待检测目标进行追踪。
7.一种目标追踪系统,其特征在于,包括:
广角相机,用于捕获指定区域的第一视频信息以及第二视频信息,其中,所述第二图像信息中包括有待检测目标的图像;
场景模型构建模块,用于根据所述第一图像信息进行背景建模,获得所述指定区域的背景场景模型,以及根据实时获取所述第二图像信息获得混合场景模型;
目标捕获模块,用于对所述混合场景模型进行前景检测,获得所述待检测目标运动的前景区域;
目标追踪模块,用于对所述前景区域内的待检测目标进行追踪。
8.根据权利要求7所述的目标追踪系统,其特征在于,还包括:
消除畸变模块,用于对追踪到的待检测目标的图像进行消除畸变处理;
图像传输模块,用于将消除畸变处理后的图像进行传输。
9.一种计算机设备,特征在于,包括处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序用于实现如权利要求1-6任一项所述的目标追踪方法。
10.一种可读存储介质,所述可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时用于实现如权利要求1-6任一项所述的目标追踪方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910745249.8A CN110458866A (zh) | 2019-08-13 | 2019-08-13 | 目标追踪方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910745249.8A CN110458866A (zh) | 2019-08-13 | 2019-08-13 | 目标追踪方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110458866A true CN110458866A (zh) | 2019-11-15 |
Family
ID=68486348
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910745249.8A Pending CN110458866A (zh) | 2019-08-13 | 2019-08-13 | 目标追踪方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110458866A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111932581A (zh) * | 2020-08-11 | 2020-11-13 | 沈阳帝信人工智能产业研究院有限公司 | 安全绳检测方法、装置、电子设备和可读存储介质 |
CN112291478A (zh) * | 2020-11-05 | 2021-01-29 | 北京软通智慧城市科技有限公司 | 一种高空抛坠物的监测方法、装置、设备及存储介质 |
CN113128302A (zh) * | 2019-12-30 | 2021-07-16 | 深圳云天励飞技术有限公司 | 图像检测方法及相关产品 |
CN114500873A (zh) * | 2021-12-31 | 2022-05-13 | 浙江大华技术股份有限公司 | 跟踪拍摄系统 |
CN117218162A (zh) * | 2023-11-09 | 2023-12-12 | 深圳市巨龙创视科技有限公司 | 一种基于ai的全景追踪控视系统 |
CN113128302B (zh) * | 2019-12-30 | 2024-06-11 | 深圳云天励飞技术有限公司 | 图像检测方法及相关产品 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101833791A (zh) * | 2010-05-11 | 2010-09-15 | 成都索贝数码科技股份有限公司 | 一种单摄像机下的场景建模方法及系统 |
CN102148965A (zh) * | 2011-05-09 | 2011-08-10 | 上海芯启电子科技有限公司 | 多目标跟踪特写拍摄视频监控系统 |
CN102291568A (zh) * | 2011-07-22 | 2011-12-21 | 长春理工大学 | 一种大视场智能化视频监控系统的加速处理方法 |
CN105654733A (zh) * | 2016-03-08 | 2016-06-08 | 博康智能网络科技股份有限公司 | 一种基于视频检测的前后车牌识别方法及装置 |
CN106707296A (zh) * | 2017-01-09 | 2017-05-24 | 华中科技大学 | 一种基于双孔径光电成像系统的无人机检测与识别方法 |
-
2019
- 2019-08-13 CN CN201910745249.8A patent/CN110458866A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101833791A (zh) * | 2010-05-11 | 2010-09-15 | 成都索贝数码科技股份有限公司 | 一种单摄像机下的场景建模方法及系统 |
CN102148965A (zh) * | 2011-05-09 | 2011-08-10 | 上海芯启电子科技有限公司 | 多目标跟踪特写拍摄视频监控系统 |
CN102291568A (zh) * | 2011-07-22 | 2011-12-21 | 长春理工大学 | 一种大视场智能化视频监控系统的加速处理方法 |
CN105654733A (zh) * | 2016-03-08 | 2016-06-08 | 博康智能网络科技股份有限公司 | 一种基于视频检测的前后车牌识别方法及装置 |
CN106707296A (zh) * | 2017-01-09 | 2017-05-24 | 华中科技大学 | 一种基于双孔径光电成像系统的无人机检测与识别方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113128302A (zh) * | 2019-12-30 | 2021-07-16 | 深圳云天励飞技术有限公司 | 图像检测方法及相关产品 |
CN113128302B (zh) * | 2019-12-30 | 2024-06-11 | 深圳云天励飞技术有限公司 | 图像检测方法及相关产品 |
CN111932581A (zh) * | 2020-08-11 | 2020-11-13 | 沈阳帝信人工智能产业研究院有限公司 | 安全绳检测方法、装置、电子设备和可读存储介质 |
CN111932581B (zh) * | 2020-08-11 | 2023-09-26 | 沈阳帝信人工智能产业研究院有限公司 | 安全绳检测方法、装置、电子设备和可读存储介质 |
CN112291478A (zh) * | 2020-11-05 | 2021-01-29 | 北京软通智慧城市科技有限公司 | 一种高空抛坠物的监测方法、装置、设备及存储介质 |
CN112291478B (zh) * | 2020-11-05 | 2022-08-30 | 北京软通智慧科技有限公司 | 一种高空抛坠物的监测方法、装置、设备及存储介质 |
CN114500873A (zh) * | 2021-12-31 | 2022-05-13 | 浙江大华技术股份有限公司 | 跟踪拍摄系统 |
CN117218162A (zh) * | 2023-11-09 | 2023-12-12 | 深圳市巨龙创视科技有限公司 | 一种基于ai的全景追踪控视系统 |
CN117218162B (zh) * | 2023-11-09 | 2024-03-12 | 深圳市巨龙创视科技有限公司 | 一种基于ai的全景追踪控视系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110458866A (zh) | 目标追踪方法及系统 | |
CN110267008B (zh) | 图像处理方法、装置、服务器及存储介质 | |
CN110400363A (zh) | 基于激光点云的地图构建方法和装置 | |
CN107516294B (zh) | 拼接图像的方法和装置 | |
CN105934753B (zh) | 在云视频服务中共享视频 | |
CN109308681A (zh) | 图像处理方法和装置 | |
CN110166943A (zh) | 终端位置信息的处理方法 | |
US9615063B2 (en) | Method and apparatus for visual monitoring | |
EP4117313A1 (en) | Audio processing method and apparatus, readable medium, and electronic device | |
CN109495686A (zh) | 拍摄方法及设备 | |
CN110536075A (zh) | 视频生成方法和装置 | |
CN112954450A (zh) | 视频处理方法、装置、电子设备和存储介质 | |
CN109272050B (zh) | 图像处理方法和装置 | |
US11010613B2 (en) | Systems and methods for target identification in video | |
CN109271929A (zh) | 检测方法和装置 | |
CN114554092A (zh) | 设备控制方法、装置和电子设备 | |
CN110401793A (zh) | 用于控制智能终端的方法和装置 | |
US20240007590A1 (en) | Image processing method and apparatus, and electronic device, and computer readable medium | |
CN107431751A (zh) | 采集图像的方法、装置和系统 | |
CN109635532A (zh) | 一种摄像设备及其绑定方法 | |
CN108476291A (zh) | 图像生成方法、图像生成装置和机器可读存储介质 | |
CN111292276B (zh) | 图像处理方法和装置 | |
CN112954369B (zh) | 户型预览方法、装置、设备及计算机可读存储介质 | |
CN114630081B (zh) | 视频播放顺序确定方法、装置、设备及介质 | |
CN114554108B (zh) | 图像处理方法、装置和电子设备 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191115 |