CN110706247B - 一种目标跟踪方法、装置及系统 - Google Patents
一种目标跟踪方法、装置及系统 Download PDFInfo
- Publication number
- CN110706247B CN110706247B CN201810654154.0A CN201810654154A CN110706247B CN 110706247 B CN110706247 B CN 110706247B CN 201810654154 A CN201810654154 A CN 201810654154A CN 110706247 B CN110706247 B CN 110706247B
- Authority
- CN
- China
- Prior art keywords
- target
- tracking
- attribute information
- frame
- 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
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
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)
Abstract
本申请实施例提供了一种目标跟踪方法、装置及系统,方法包括:获取包含跟踪目标的目标图像;对目标图像进行检测,确定多个包含运动物体的目标框;提取各个目标框的属性信息;从多个目标框中,获取属性信息与预设的目标属性信息相同的目标框,作为当前框;目标属性信息为跟踪目标的属性信息;根据当前框的位置信息,确定跟踪目标的运动轨迹。应用本申请实施例,能够提高实现目标跟踪的效率,优化跟踪效果。
Description
技术领域
本申请涉及图像处理技术领域,特别是涉及一种目标跟踪方法、装置及系统。
背景技术
目标跟踪是指在连续的图像序列中对运动物体进行跟踪,得到运动物体在每一帧图像中的位置,进而确定运动物体的运动轨迹。目标跟踪在视频监控、自动驾驶和视频娱乐等领域有着广泛的应用。
目前,目标跟踪方法包括:初始化目标运动物体的特征信息,基于当前的运动信息,预测目标运动物体在当前图像中的位置;然后根据预测的位置,确定当前帧的多个候选框;根据目标运动物体的特征信息,以及每一候选框的特征信息,确定每一候选框的置信度;选取置信度最大的候选框作为目标运动物体,仅确定为目标运动物体的当前运动轨迹。
在对目标进行跟踪时,每获取到一帧图像的一个候选框,均需要计算一次置信度。置信度的计算较为复杂,消耗时间较多,这使得实现目标跟踪的效率较低,跟踪效果较差。
发明内容
本申请实施例的目的在于提供一种目标跟踪方法、装置及系统,以提高实现目标跟踪的效率,优化跟踪效果。具体技术方案如下:
为实现上述目的,本申请实施例提供了一种目标跟踪方法,所述方法包括:
获取包含跟踪目标的目标图像;
对所述目标图像进行检测,确定多个包含运动物体的目标框;
提取各个目标框的属性信息;
从多个目标框中,获取属性信息与预设的目标属性信息相同的目标框,作为当前框;所述目标属性信息为跟踪目标的属性信息;
根据所述当前框的位置信息,确定所述跟踪目标的运动轨迹。
可选的,所述对所述目标图像进行检测,确定多个包含运动物体的目标框的步骤,包括:
确定所述跟踪目标的类型,作为目标类型;
对所述目标图像进行检测,确定多个包含运动物体的候选框;
从多个候选框中,选择类型与所述目标类型相同的运动物体的候选框,作为目标框。
可选的,所述目标类型包括:车辆、人和人脸中的一种或多种。
可选的,所述方法还包括:
确定每一目标框标记标识;其中,包含同一运动物体的所有目标框的标识相同;
所述提取各个目标框的属性信息的步骤,包括:
判断是否记录有所述跟踪目标对应的目标标识;若否,则提取各个目标框的属性信息;
在获取属性信息与预设的目标属性信息相同的目标框,作为当前框之后,还包括:
将当前框的标识作为目标标识,记录所述目标标识与所述跟踪目标的对应关系。
可选的,所述方法还包括:
若判定记录有所述目标标识,则从多个目标框中,获取标识与所述目标标识相同的目标框,作为当前框。
可选的,所述方法还包括:
确定所述跟踪目标的运动信息;
根据所述运动信息,确定图像采集设备的目标位置信息;
将所述目标位置信息发送给所述图像采集设备,以使所述图像采集设备根据所述目标位置信息调整位置。
可选的,所述目标位置信息包括:所述图像采集设备的俯仰角、偏航角和滚转角。
可选的,所述跟踪目标为车辆,所述属性信息包括车辆颜色和车型。
为实现上述目的,本申请实施例还提供了一种目标跟踪装置,所述装置包括:
第一获取模块,用于获取包含跟踪目标的目标图像;
第一确定模块,用于对所述目标图像进行检测,确定多个包含运动物体的目标框;
提取模块,用于提取各个目标框的属性信息;
第二获取模块,用于从多个目标框中,获取属性信息与预设的目标属性信息相同的目标框,作为当前框;所述目标属性信息为跟踪目标的属性信息;
第二确定模块,用于根据所述当前框的位置信息,确定所述跟踪目标的运动轨迹。
可选的,所述第一确定模块,具体用于:
确定所述跟踪目标的类型,作为目标类型;
对所述目标图像进行检测,确定多个包含运动物体的候选框;
从多个候选框中,选择类型与所述目标类型相同的运动物体的候选框,作为目标框。
可选的,所述目标类型包括:车辆、人和人脸中的一种或多种。
可选的,所述第一确定模块,还用于确定每一目标框标记标识;其中,包含同一运动物体的所有目标框的标识相同;
所述提取模块,具体用于判断是否记录有所述跟踪目标对应的目标标识;若否,则提取各个目标框的属性信息;
所述第二获取模块,还用于在获取属性信息与预设的目标属性信息相同的目标框,作为当前框之后,将当前框的标识作为目标标识,记录所述目标标识与所述跟踪目标的对应关系。
可选的,所述第二获取模块,还用于若判定记录有所述目标标识,则从多个目标框中,获取标识与所述目标标识相同的目标框,作为当前框。
可选的,所述装置还包括:
第三确定单元,用于确定所述跟踪目标的运动信息;
第四确定单元,用于根据所述运动信息,确定图像采集设备的目标位置信息;
发送单元,用于将所述目标位置信息发送给所述图像采集设备,以使所述图像采集设备根据所述目标位置信息调整位置。
可选的,所述目标位置信息包括:所述图像采集设备的俯仰角、偏航角和滚转角。
可选的,所述跟踪目标为车辆,所述属性信息包括车辆颜色和车型。
为实现上述目的,本申请实施例还提供了一种电子设备,包括处理器和存储器;所述存储器,用于存放计算机程序;所述处理器,用于执行所述存储器上所存放的程序,实现上述任一目标跟踪方法步骤。
本申请实施例还提供一种目标跟踪系统,包括图像采集设备,以及上述任一目标跟踪装置。
为实现上述目的,本申请实施例还提供了一种机器可读存储介质,所述机器可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一目标跟踪方法步骤。
本申请实施例中,电子设备获取到包含跟踪目标的目标图像后,提取包含运动物体的各个目标框的属性信息,从多个目标框中获取属性信息与目标属性信息相同的目标框,作为当前框。之后,电子设备根据当前框的位置信息,确定跟踪目标的运动轨迹。其中,目标属性信息为跟踪目标的属性信息。
可见,本申请实施例中,电子设备通过属性信息,就可以确定跟踪目标的运动轨迹。属性信息为结构化数据,对比属性信息的复杂度低于计算置信度的复杂度,提高了实现目标跟踪的效率,进而优化了跟踪效果。当然,实施本申请的任一产品或方法必不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本申请实施例或相关技术中的技术方案,下面将对实施例或相关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为本申请实施例提供的目标跟踪方法的第一种流程示意图;
图2为本申请实施例提供的目标跟踪方法的第二种流程示意图;
图3为本申请实施例提供的目标跟踪方法的第三种流程示意图;
图4为本申请实施例提供的目标跟踪方法的第四种流程示意图;
图5为本申请实施例提供的目标跟踪装置的第一种结构示意图;
图6为本申请实施例提供的目标跟踪装置的第二种结构示意图;
图7为本申请实施例提供的电子设备的一种结构示意图。
具体实施方式
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,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
目前,在对目标进行跟踪时,每获取到一帧图像的一个候选框,均需要根据特征信息计算一次置信度。置信度的计算较为复杂,消耗时间较多,这使得实现目标跟踪的效率较低,跟踪效果较差。
为了提高实现目标跟踪的效率,优化跟踪效果,本申请实施例提供了一种目标跟踪方法、装置及系统。该目标跟踪方法可以应用于图像采集设备,也可以应用于与图像采集设备连接的电子设备等。其中,电子设备可以为手机、平板电脑和电脑。为便于理解,下面均以执行主体为电子设备为例进行说明。
该目标跟踪方法包括:获取包含跟踪目标的目标图像;对目标图像进行检测,确定多个包含运动物体的目标框;提取各个目标框的属性信息;从多个目标框中,获取属性信息与预设的目标属性信息相同的目标框,作为当前框,其中,目标属性信息为跟踪目标的属性信息;根据当前框的位置信息,确定跟踪目标的运动轨迹。
本申请实施例中,电子设备通过属性信息,就可以确定跟踪目标的运动轨迹。属性信息为结构化数据,对比属性信息的复杂度低于计算置信度的复杂度,提高了实现目标跟踪的效率,进而优化了跟踪效果。
下面通过具体实施例,对本申请进行说明。
参考图1,图1为本申请实施例提供的目标跟踪方法的第一种流程示意图。该方法包括如下步骤。
步骤101:获取包含跟踪目标的目标图像。
电子设备获取的目标图像,可以为图像采集设备采集后发送来的。电子设备获取的目标图像,也可以为用户输入的。其中,图像采集设备可以为球机、双目摄像机等。
跟踪目标可以为电子设备在图像中检测到的。也就是,电子设备获取到图像后,将从图像中检测到的运动物体均作为跟踪目标。
跟踪目标也可以为用户指定的。也就是,电子设备在进行目标跟踪前,用户预先输入跟踪目标的信息。
步骤102:对目标图像进行检测,确定多个包含运动物体的目标框。
本申请实施例中,可以采用HoG+SVM算法、YOLO算法或神经网络模型等,对目标图像进行检测,确定多个包含运动物体的目标框。
在本申请的一个实施例中,步骤102可以包括:
步骤1021:确定跟踪目标的类型,作为目标类型。
这里,目标类型包括:车辆、人和人脸中的一种或多种。目标类型还可以包括其他类型,本申请实施例对此不进行限定。
目标类型可以为用户预先指定的,也可以为电子设备在进行图像检测时确定的。例如,电子设备获取到图像后,对图像进行检测,确定图像中多个运动物体,以及每一运动物体的类型,存储每一运动物体的类型。当电子设备需要跟踪从图像中检测到的运动物体时,从存储的运动物体的类型中,获取跟踪目标的类型,作为目标类型。
步骤1022:对目标图像进行检测,确定多个包含运动物体的候选框。
运动物体有多种类型,例如人脸、人和车辆等。基于此,电子设备对目标图像进行检测,可以确定多种候选框,例如,包含人脸的候选框、包含人的候选框和包含车辆的候选框等。
本申请实施例不限定步骤1021和1022的执行顺序。
步骤1023:从多个候选框中,选择类型与目标类型相同的运动物体的候选框,作为目标框。
电子设备过滤掉多个候选框中类型与目标类型不同的运动物体的候选框,保留类型与目标类型相同的运动物体的候选框,作为目标框。
例如,电子设备对目标图像进行检测,所确定的候选框包括:包含人脸的候选框、包含人的候选框和包含车辆的候选框。若跟踪目标为车辆,则电子设备可以过滤掉包含人脸的候选框和包含人的候选框,保留包含车辆的候选框,将包含车辆的候选框作为目标框。
这样,有效减少了后续处理的候选框的数量,提高了目标跟踪效率。
步骤103:提取各个目标框的属性信息。
本申请实施例中,属性信息为结构化数据,即对图像数据进行视频结构化处理后得到的。视频结构化就是通过对原始视频进行智能分析,提取出关键信息,并进行文本的语义描述。电子设备提取属性信息的复杂度低,远低于计算置信度的复杂度。
属性信息的种类可以有多种。例如,若目标框包含车辆,属性信息可以为车辆颜色、车型和车辆品牌等;若目标框包含人脸,属性信息可以为人脸上关键点构成的多变形和眼间距等。属性信息还可以为其他,此处不再一一赘述。
一种实现方式中,为减少工作量,提供电子设备的工作效率,用户预设设定跟踪目标的属性信息,即用户预设设定目标属性信息。电子设备可根据目标属性信息的种类,提取各个目标框的属性信息。例如,跟踪目标为车辆,用户预设设定目标属性信息包括车辆颜色和车型,则电子设备从目标框中,提取目标框的车辆颜色和车型。
步骤104:从多个目标框中,获取属性信息与预设的目标属性信息相同的目标框,作为当前框。其中,目标属性信息为跟踪目标的属性信息。
电子设备从多个目标框中,过滤掉属性信息与目标属性信息不同的目标框,保留属性信息与目标属性信息相同的目标框,作为当前框。
例如,目标属性信息为:车辆颜色为“红色”,车型为“小型车”。电子设备提取的目标框的属性信息有:
{目标框1的属性信息1:车辆颜色为“黑色”,车型为“小型车”};
{目标框2的属性信息2:车辆颜色为“黄色”,车型为“SUV型车”};
{目标框3的属性信息3:车辆颜色为“黄色”,车型为“微型车”};
{目标框4的属性信息4:车辆颜色为“红色”,车型为“小型车”}。
此时,电子设备可确定属性信息4与目标属性信息相同,属性信息1-3与目标属性信息不同。电子设备过滤掉目标框1-3,保留目标框4,将目标框4作为当前框。
步骤105:根据当前框的位置信息,确定跟踪目标的运动轨迹。
这里,位置信息可以为当前框在图像坐标系中的位置信息,也可以为当前框在世界坐标系中的位置信息。
电子设备确定当前框的位置信息后,将位置信息添加至跟踪目标的运动轨迹集合中,进而确定跟踪目标的运动轨迹。例如,跟踪目标的运动轨迹集合中包括位置信息1和位置信息2,跟踪目标的运动轨迹为:位置信息1→位置信息2。若电子设备确定当前框的位置信息为位置信息3,将位置信息3添加至跟踪目标的运动轨迹集合中,进而确定跟踪目标的运动轨迹为:位置信息1→位置信息2→位置信息3。
应用本申请实施例,电子设备通过属性信息,就可以确定跟踪目标的运动轨迹。属性信息为结构化数据,对比属性信息的复杂度低于计算置信度的复杂度,提高了实现目标跟踪的效率,进而优化了跟踪效果。
为了进一步提高实现目标跟踪的效率,优化了跟踪效果,在本申请的一个实施例中,参考图2所示的目标跟踪方法的第二种流程示意图,基于图1,该包括可以包括:
步骤201:获取包含跟踪目标的目标图像。
步骤201与步骤101相同。
步骤202:对目标图像进行检测,确定多个包含运动物体的目标框。
步骤202与步骤102相同。
步骤203:确定每一目标框标记标识。其中,包含同一运动物体的所有目标框的标识相同。
在本申请的一个实施例中,电子设备在检测到包含同一运行物体的多个目标框时,为这多个目标框标记为同一标识。例如,电子设备为图像1中包含车辆1的目标框标记标识a。当电子设备获取到图像2时,在图像2中同样检测到包含车辆1的目标框,则同样为图像2中包含车辆1的目标框标记标识a。
在本申请的一个实施例中,电子设备对目标图像进行检测,确定多个包含运动物体的候选框时,就为每一候选框标记标识。电子设备确定目标框后,可以直接获取目标框的标识。
步骤204:判断是否记录有跟踪目标对应的目标标识。若否,则执行步骤205。若是,则执行步骤208。
本申请实施例中,目标框的标识与运动物体一一对应,目标框的标识相同,目标框包含的运动物体相同。若记录有跟踪目标对应的目标标识,则可以直接根据标标识查找当前框,而不必对比属性信息确定当前框,有效提高了实现目标跟踪的效率。
步骤205:提取各个目标框的属性信息。
步骤205与步骤103相同。
步骤206:从多个目标框中,获取属性信息与预设的目标属性信息相同的目标框,作为当前框。其中,目标属性信息为跟踪目标的属性信息。执行步骤209。
步骤206与步骤104相同。
步骤207:将当前框的标识作为目标标识,记录目标标识与跟踪目标的对应关系。
电子设备记录下跟踪目标对应的目标标识,以便于后续电子设备根据记录的目标标识对跟踪目标进行跟踪。
步骤208:从多个目标框中,获取标识与目标标识相同的目标框,作为当前框。执行步骤209。
若电子设备中记录有目标标识,则可以从多个目标框中获取标识与目标标识相同的目标框。电子设备获取的目标框的标识与目标标识相同,则可确定获取的目标框包含跟踪目标,将获取的目标框作为当前框。
电子设备直接根据标标识查找当前框,而不必对比属性信息确定当前框,有效提高了实现目标跟踪的效率。
步骤209:根据当前框的位置信息,确定跟踪目标的运动轨迹。
步骤209与步骤105相同。
本申请实施例中,目标框的标识也属性信息中的一种。电子设备通过对比目标框的标识与跟踪目标对应的标识,就可以确定跟踪目标的运动轨迹,提高了实现目标跟踪的效率,进而优化了跟踪效果。
为了提高跟踪效果,在本申请的一个实施例中,参考图3所示的目标跟踪方法的第三种流程示意图,基于图1,该包括可以包括:
步骤301:获取包含跟踪目标的目标图像。
步骤302:对目标图像进行检测,确定多个包含运动物体的目标框。
步骤303:提取各个目标框的属性信息。
步骤304:从多个目标框中,获取属性信息与预设的目标属性信息相同的目标框,作为当前框。其中,目标属性信息为跟踪目标的属性信息。
步骤305:根据当前框的位置信息,确定跟踪目标的运动轨迹。
步骤301-305与步骤101-105相同。
步骤306:确定跟踪目标的运动信息。
其中,运动信息可以包括跟踪目标的运动速度和运动方向等。
这里,运动速度可以为在世界坐标系下单位时间内移动了多少米,也可以为在图像坐标系下单位时间内移动了多个像素点。本申请实施例不进行限定。
运动方向可以为东、南、西、北、东北、东南、西北、西南等。运动方向也可以为时钟的方向,例如1点钟方向、2点钟方向…12点钟方向等。本申请实施例不进行限定。
步骤306可以在步骤302-305任意步骤之前或之后执行,例如,步骤301之后步骤306,再之后执行步骤302。本申请实施例对此不进行限定。
步骤307:根据跟踪目标的运动信息,确定图像采集设备的目标位置信息。
本申请实施例中,图像采集设备可以为球机、双目摄像机等。目标位置信息可以包括图像采集设备的俯仰角、偏航角和滚转角等。电子设备根据跟踪目标的运动信息,确定图像采集设备的俯仰角、偏航角和滚转角等位置信息,作为目标位置信息。
步骤308:将目标位置信息发送给图像采集设备。
这样,图像采集设备就可根据目标位置信息调整位置,例如调整俯仰角、偏航角和滚转角等,进而重新确定检测区域,以尽可能的跟踪目标。
下面结合图4所示的目标跟踪方法的第四种流程示意图,对本申请实施例进行说明。其中,跟踪目标为车辆,目标属性信息为车辆颜色和车型。
步骤1,球机采集包含跟踪目标的图像,并将采集的图像发送给电子设备。
步骤2,电子设备对接收的图像进行检测,确定多个包含运动物体的候选框,并过滤掉包含非车辆的候选框,保留包含车辆的候选框作为目标框。
其中,非车辆包括人和人脸等。
步骤3,电子设备为每一目标框标记标识。包含同一车辆的目标框,标识相同。包含不同车辆的目标框,标识不同。
若电子设备未存储跟踪目标对应的ID(Identity,标识),则执行步骤4。若电子设备存储了跟踪目标对应的ID,则步骤6。
步骤4,电子设备提取各个目标框的属性信息。这里,目标框的属性信息包括车辆颜色和车型。
步骤5,电子设备对比目标框的属性信息和目标属性信息,从多个目标框中,获取属性信息与预设的目标属性信息相同的目标框,作为当前框。另外,电子设备获取当前框的ID,将当前框的ID作为跟踪目标对应的ID存储。之后,执行步骤7。
也就是,若一目标框的属性信息中车辆颜色与目标属性信息中车辆颜色相同,且该目标框的属性信息中车型与目标属性信息中车型相同,则电子设备将该目标框确定为当前框,获取该目标框的ID,将该目标框的ID作为跟踪目标对应的ID存储。
步骤6,电子设备将目标框的ID与存储的跟踪目标对应的ID进行对比,将ID与跟踪目标对应的ID相同的目标框作为当前框。之后,执行步骤7。
步骤7,电子设备根据当前框的位置信息,确定跟踪目标的运动轨迹。
步骤8,电子设备根据跟踪目标的运动信息,确定球机的目标位置信息,将目标位置信息发送给球机。
球机根据目标位置信息进行调整,以重新确定检测区域,并根据重新确定检测区域采集包含跟踪目标的图像。
另外,电子设备根据球机重新确定的检测区域,对球机发送的图像进行检测,确定目标框。
可见,本申请实施例中,电子设备通过属性信息,就可以确定跟踪目标的运动轨迹。属性信息为结构化数据,对比属性信息的复杂度低于计算置信度的复杂度,提高了实现目标跟踪的效率,进而优化了跟踪效果。
另外,电子设备根据跟踪目标的运动信息,实时更新球机的检测区域,进一步提高了跟踪效果。
基于相同的发明构思,根据上述目标跟踪方法,本申请实施例还提供了一种目标跟踪装置。参考图5,图5为本申请实施例提供的目标跟踪装置的第一种结构示意图。该装置包括:
第一获取模块501,用于获取包含跟踪目标的目标图像;
第一确定模块502,用于对目标图像进行检测,确定多个包含运动物体的目标框;
提取模块503,用于提取各个目标框的属性信息;
第二获取模块504,用于从多个目标框中,获取属性信息与预设的目标属性信息相同的目标框,作为当前框;目标属性信息为跟踪目标的属性信息;
第二确定模块505,用于根据当前框的位置信息,确定跟踪目标的运动轨迹。
在本申请的一个实施例中,第一确定模块502,具体可以用于:
确定跟踪目标的类型,作为目标类型;
对目标图像进行检测,确定多个包含运动物体的候选框;
从多个候选框中,选择类型与目标类型相同的运动物体的候选框,作为目标框。
在本申请的一个实施例中,目标类型可以包括:车辆、人和人脸中的一种或多种。
在本申请的一个实施例中,第一确定模块502,还可以用于确定每一目标框标记标识;其中,包含同一运动物体的所有目标框的标识相同;
提取模块503,具体可以用于判断是否记录有跟踪目标对应的目标标识;若否,则提取各个目标框的属性信息;
第二获取模块504,还可以用于在获取属性信息与预设的目标属性信息相同的目标框,作为当前框之后,将当前框的标识作为目标标识,记录目标标识与跟踪目标的对应关系。
在本申请的一个实施例中,第二获取模块504,还可以用于若判定记录有目标标识,则从多个目标框中,获取标识与目标标识相同的目标框,作为当前框。
在本申请的一个实施例中,参考图6所示的目标跟踪装置的第二种结构示意图,基于图5,还可以包括:
第三确定单元506,用于确定跟踪目标的运动信息;
第四确定单元507,用于根据运动信息,确定图像采集设备的目标位置信息;
发送单元508,用于将目标位置信息发送给图像采集设备,以使图像采集设备根据目标位置信息调整位置。
在本申请的一个实施例中,目标位置信息可以包括:图像采集设备的俯仰角、偏航角和滚转角。
在本申请的一个实施例中,跟踪目标为车辆,属性信息包括车辆颜色和车型。
应用本申请实施例,电子设备通过属性信息,就可以确定跟踪目标的运动轨迹。属性信息为结构化数据,对比属性信息的复杂度低于计算置信度的复杂度,提高了实现目标跟踪的效率,进而优化了跟踪效果。
基于相同的发明构思,根据上述目标跟踪方法,本申请实施例还提供了一种电子设备,如图7所示,包括处理器701和存储器702;存储器702,用于存放计算机程序;处理器701,用于执行存储器702上所存放的计算机程序时,实现上述图1-图4所示的任一目标跟踪方法实施例。
其中,目标跟踪方法,可包括:
获取包含跟踪目标的目标图像;
对目标图像进行检测,确定多个包含运动物体的目标框;
提取各个目标框的属性信息;
从多个目标框中,获取属性信息与预设的目标属性信息相同的目标框,作为当前框;目标属性信息为跟踪目标的属性信息;
根据当前框的位置信息,确定跟踪目标的运动轨迹。
应用本申请实施例,电子设备通过属性信息,就可以确定跟踪目标的运动轨迹。属性信息为结构化数据,对比属性信息的复杂度低于计算置信度的复杂度,提高了实现目标跟踪的效率,进而优化了跟踪效果。
存储器可以包括RAM(Random Access Memory,随机存取存储器),也可以包括NVM(Non-Volatile Memory,非易失性存储器),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
处理器可以是通用处理器,包括CPU(Central Processing Unit,中央处理器)、NP(Network Processor,网络处理器)等;还可以是DSP(Digital Signal Processing,数字信号处理器)、ASIC(Application Specific Integrated Circuit,专用集成电路)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)或其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
基于相同的发明构思,根据上述目标跟踪方法,本申请实施例还提供了一种机器可读存储介质,机器可读存储介质内存储有计算机程序,计算机程序被处理器执行时实现上述图1-图4所示的任一目标跟踪方法实施例。
其中,目标跟踪方法,可包括:
获取包含跟踪目标的目标图像;
对目标图像进行检测,确定多个包含运动物体的目标框;
提取各个目标框的属性信息;
从多个目标框中,获取属性信息与预设的目标属性信息相同的目标框,作为当前框;目标属性信息为跟踪目标的属性信息;
根据当前框的位置信息,确定跟踪目标的运动轨迹。
应用本申请实施例,电子设备通过属性信息,就可以确定跟踪目标的运动轨迹。属性信息为结构化数据,对比属性信息的复杂度低于计算置信度的复杂度,提高了实现目标跟踪的效率,进而优化了跟踪效果。
基于相同的发明构思,根据上述目标跟踪方法,本申请实施例还提供一种目标跟踪系统,包括图像采集设备,以及上述任一目标跟踪装置。
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,对于目标跟踪装置、电子设备、机器可读存储介质、目标跟踪系统实施例而言,由于其基本相似于目标跟踪方法实施例,所以描述的比较简单,相关之处参见图1-图4所示的目标跟踪方法实施例的部分说明即可。
以上所述仅为本申请的较佳实施例而已,并非用于限定本申请的保护范围。凡在本申请的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本申请的保护范围内。
Claims (13)
1.一种目标跟踪方法,其特征在于,应用于图像采集设备,所述方法包括:
获取包含跟踪目标的目标图像;
对所述目标图像进行检测,确定多个包含运动物体的目标框;所述多个运动物体包括需要跟踪的运动物体和不需要跟踪的运动物体;
确定每一目标框标记标识;其中,包含同一运动物体的所有目标框的标识相同;
判断是否记录有所述跟踪目标对应的目标标识;
若判定未记录所述目标标识,则提取各个目标框的属性信息,所述属性信息为对图像数据进行视频结构化处理得到的;从多个目标框中,获取属性信息与预设的目标属性信息相同的目标框,作为当前框;所述目标属性信息为跟踪目标的属性信息;将当前框的标识作为目标标识,记录所述目标标识与所述跟踪目标的对应关系;
若判定记录有所述目标标识,则从多个目标框中,获取标识与所述目标标识相同的目标框,作为当前框;
根据所述当前框的位置信息,确定所述跟踪目标的运动轨迹,所述位置信息为所述当前框在在图像坐标系中的位置信息或所述当前框在世界坐标系中的位置信息。
2.根据权利要求1所述的方法,其特征在于,所述对所述目标图像进行检测,确定多个包含运动物体的目标框的步骤,包括:
确定所述跟踪目标的类型,作为目标类型;
对所述目标图像进行检测,确定多个包含运动物体的候选框;
从多个候选框中,选择类型与所述目标类型相同的运动物体的候选框,作为目标框。
3.根据权利要求2所述的方法,其特征在于,所述目标类型包括:车辆、人和人脸中的一种或多种。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
确定所述跟踪目标的运动信息;
根据所述运动信息,确定图像采集设备的目标位置信息;
将所述目标位置信息发送给所述图像采集设备,以使所述图像采集设备根据所述目标位置信息调整位置。
5.根据权利要求4所述的方法,其特征在于,所述目标位置信息包括:所述图像采集设备的俯仰角、偏航角和滚转角。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述跟踪目标为车辆,所述属性信息包括车辆颜色和车型。
7.一种目标跟踪装置,其特征在于,应用于图像采集设备所述装置包括:
第一获取模块,用于获取包含跟踪目标的目标图像;
第一确定模块,用于对所述目标图像进行检测,确定多个包含运动物体的目标框,所述多个运动物体包括需要跟踪的运动物体和不需要跟踪的运动物体;确定每一目标框标记标识;其中,包含同一运动物体的所有目标框的标识相同;
提取模块,用于判断是否记录有所述跟踪目标对应的目标标识;若判定未记录所述目标标识,则提取各个目标框的属性信息;
第二获取模块,用于从多个目标框中,获取属性信息与预设的目标属性信息相同的目标框,作为当前框;所述目标属性信息为跟踪目标的属性信息,所述属性信息为对图像数据进行视频结构化处理得到的;将当前框的标识作为目标标识,记录所述目标标识与所述跟踪目标的对应关系;若判定记录有所述目标标识,则从多个目标框中,获取标识与所述目标标识相同的目标框,作为当前框;
第二确定模块,用于根据所述当前框的位置信息,确定所述跟踪目标的运动轨迹,所述位置信息为所述当前框在在图像坐标系中的位置信息,或所述位置信息为所述当前框在世界坐标系中的位置信息。
8.根据权利要求7所述的装置,其特征在于,所述第一确定模块,具体用于:
确定所述跟踪目标的类型,作为目标类型;
对所述目标图像进行检测,确定多个包含运动物体的候选框;
从多个候选框中,选择类型与所述目标类型相同的运动物体的候选框,作为目标框。
9.根据权利要求8所述的装置,其特征在于,所述目标类型包括:车辆、人和人脸中的一种或多种。
10.根据权利要求7所述的装置,其特征在于,还包括:
第三确定单元,用于确定所述跟踪目标的运动信息;
第四确定单元,用于根据所述运动信息,确定图像采集设备的目标位置信息;
发送单元,用于将所述目标位置信息发送给所述图像采集设备,以使所述图像采集设备根据所述目标位置信息调整位置。
11.根据权利要求10所述的装置,其特征在于,所述目标位置信息包括:所述图像采集设备的俯仰角、偏航角和滚转角。
12.根据权利要求7-11任一项所述的装置,其特征在于,所述跟踪目标为车辆,所述属性信息包括车辆颜色和车型。
13.一种目标跟踪系统,其特征在于,包括图像采集设备,以及权利要求7-12中任一项所述的装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810654154.0A CN110706247B (zh) | 2018-06-22 | 2018-06-22 | 一种目标跟踪方法、装置及系统 |
PCT/CN2019/092027 WO2019242672A1 (zh) | 2018-06-22 | 2019-06-20 | 一种目标跟踪方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810654154.0A CN110706247B (zh) | 2018-06-22 | 2018-06-22 | 一种目标跟踪方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110706247A CN110706247A (zh) | 2020-01-17 |
CN110706247B true CN110706247B (zh) | 2023-03-07 |
Family
ID=68983454
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810654154.0A Active CN110706247B (zh) | 2018-06-22 | 2018-06-22 | 一种目标跟踪方法、装置及系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110706247B (zh) |
WO (1) | WO2019242672A1 (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113127758B (zh) * | 2019-12-31 | 2024-05-07 | 深圳云天励飞技术有限公司 | 物品存放点推送方法、装置、电子设备及存储介质 |
CN111292352B (zh) * | 2020-01-20 | 2023-08-25 | 杭州电子科技大学 | 多目标跟踪方法、装置、设备及存储介质 |
CN111339852B (zh) * | 2020-02-14 | 2023-12-26 | 阿波罗智联(北京)科技有限公司 | 追踪方法、装置、电子设备和计算机可读存储介质 |
CN111898436A (zh) * | 2020-06-29 | 2020-11-06 | 北京大学 | 一种基于视觉信号的多目标跟踪处理优化方法 |
CN112053556B (zh) * | 2020-08-17 | 2021-09-21 | 青岛海信网络科技股份有限公司 | 一种交通监控复眼动态识别交通事故自我进化系统 |
CN112434566B (zh) * | 2020-11-04 | 2024-05-07 | 深圳云天励飞技术股份有限公司 | 客流统计方法、装置、电子设备及存储介质 |
CN112907622A (zh) * | 2021-01-20 | 2021-06-04 | 厦门市七星通联科技有限公司 | 视频中目标物体的轨迹识别方法、装置、设备、存储介质 |
CN116744102B (zh) * | 2023-06-19 | 2024-03-12 | 北京拙河科技有限公司 | 一种基于反馈调节的球机跟踪方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105654512A (zh) * | 2015-12-29 | 2016-06-08 | 深圳羚羊微服机器人科技有限公司 | 一种目标跟踪方法和装置 |
CN106845385A (zh) * | 2017-01-17 | 2017-06-13 | 腾讯科技(上海)有限公司 | 视频目标跟踪的方法和装置 |
CN106899827A (zh) * | 2015-12-17 | 2017-06-27 | 杭州海康威视数字技术股份有限公司 | 图像数据采集、查询、视频监控方法、设备及系统 |
CN107070851A (zh) * | 2015-11-09 | 2017-08-18 | 韩国电子通信研究院 | 基于网络流的连接指纹生成和垫脚石追溯的系统和方法 |
CN107403437A (zh) * | 2016-05-19 | 2017-11-28 | 上海慧流云计算科技有限公司 | 机器人跟踪物体的方法、装置及机器人 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101739551B (zh) * | 2009-02-11 | 2012-04-18 | 北京智安邦科技有限公司 | 运动目标识别方法及系统 |
AU2010257454B2 (en) * | 2010-12-24 | 2014-03-06 | Canon Kabushiki Kaisha | Summary view of video objects sharing common attributes |
CN105631418B (zh) * | 2015-12-24 | 2020-02-18 | 浙江宇视科技有限公司 | 一种人数统计的方法和装置 |
CN105979210B (zh) * | 2016-06-06 | 2019-02-05 | 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 |
CN107105207A (zh) * | 2017-06-09 | 2017-08-29 | 北京深瞐科技有限公司 | 目标监控方法、目标监控装置及摄像机 |
CN108009473B (zh) * | 2017-10-31 | 2021-08-24 | 深圳大学 | 基于目标行为属性视频结构化处理方法、系统及存储装置 |
CN108171207A (zh) * | 2018-01-17 | 2018-06-15 | 百度在线网络技术(北京)有限公司 | 基于视频序列的人脸识别方法和装置 |
-
2018
- 2018-06-22 CN CN201810654154.0A patent/CN110706247B/zh active Active
-
2019
- 2019-06-20 WO PCT/CN2019/092027 patent/WO2019242672A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107070851A (zh) * | 2015-11-09 | 2017-08-18 | 韩国电子通信研究院 | 基于网络流的连接指纹生成和垫脚石追溯的系统和方法 |
CN106899827A (zh) * | 2015-12-17 | 2017-06-27 | 杭州海康威视数字技术股份有限公司 | 图像数据采集、查询、视频监控方法、设备及系统 |
CN105654512A (zh) * | 2015-12-29 | 2016-06-08 | 深圳羚羊微服机器人科技有限公司 | 一种目标跟踪方法和装置 |
CN107403437A (zh) * | 2016-05-19 | 2017-11-28 | 上海慧流云计算科技有限公司 | 机器人跟踪物体的方法、装置及机器人 |
CN106845385A (zh) * | 2017-01-17 | 2017-06-13 | 腾讯科技(上海)有限公司 | 视频目标跟踪的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2019242672A1 (zh) | 2019-12-26 |
CN110706247A (zh) | 2020-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110706247B (zh) | 一种目标跟踪方法、装置及系统 | |
CN111325089B (zh) | 跟踪对象的方法和设备 | |
CN109325429B (zh) | 一种关联特征数据的方法、装置、存储介质及终端 | |
US20210056715A1 (en) | Object tracking method, object tracking device, electronic device and storage medium | |
CN109426785B (zh) | 一种人体目标身份识别方法及装置 | |
CN111860352B (zh) | 一种多镜头车辆轨迹全跟踪系统及方法 | |
CN112669349A (zh) | 一种客流统计方法、电子设备及存储介质 | |
US9105101B2 (en) | Image tracking device and image tracking method thereof | |
CN113191180B (zh) | 目标跟踪方法、装置、电子设备及存储介质 | |
CN109255360B (zh) | 一种目标分类方法、装置及系统 | |
CN111242077A (zh) | 一种人物追踪方法、系统及服务器 | |
CN108830204B (zh) | 面对目标的监控视频中异常检测方法 | |
CN112434566A (zh) | 客流统计方法、装置、电子设备及存储介质 | |
CN115761655A (zh) | 一种目标跟踪方法及装置 | |
KR100885418B1 (ko) | 오버헤드 카메라 영상에서 사람을 감지하고 추적하는시스템 및 그 방법 | |
KR101595334B1 (ko) | 농장에서의 움직임 개체의 이동 궤적 트래킹 방법 및 장치 | |
CN115393755A (zh) | 视觉目标跟踪方法、装置、设备以及存储介质 | |
CN114494355A (zh) | 基于人工智能的轨迹分析方法、装置、终端设备及介质 | |
CN114219938A (zh) | 感兴趣区域获取方法 | |
CN114445787A (zh) | 非机动车重识别方法及相关设备 | |
Kaimkhani et al. | UAV with Vision to Recognise Vehicle Number Plates | |
CN111444757A (zh) | 无人超市的行人重识别方法、装置、设备及存储介质 | |
CN114879177B (zh) | 一种基于雷达信息的目标分析方法及设备 | |
CN110659384A (zh) | 视频结构化分析方法及装置 | |
CN110276244B (zh) | 形成移动轨迹的方法、装置、计算机设备及存储介质 |
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 |