CN110874853B - 目标运动的确定方法、装置、设备及存储介质 - Google Patents
目标运动的确定方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN110874853B CN110874853B CN201911120891.3A CN201911120891A CN110874853B CN 110874853 B CN110874853 B CN 110874853B CN 201911120891 A CN201911120891 A CN 201911120891A CN 110874853 B CN110874853 B CN 110874853B
- Authority
- CN
- China
- Prior art keywords
- frame image
- current
- target
- position change
- change information
- 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 44
- 230000033001 locomotion Effects 0.000 title claims abstract description 35
- 230000003287 optical effect Effects 0.000 claims abstract description 33
- 238000004590 computer program Methods 0.000 claims description 6
- 238000006073 displacement reaction Methods 0.000 description 4
- 230000004807 localization Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 210000001525 retina Anatomy 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/254—Analysis of motion involving subtraction of images
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种目标运动的确定方法、装置、设备及存储介质。该方法包括:确定当前帧图像与下一帧图像对应的目标特征对象的当前位置变化信息;所述下一帧图像为所述当前帧图像中的目标特征对象移动后对应的帧图像,所述下一帧图像和所述当前帧图像在时间上连续;依据所述当前位置变化信息,确定所述当前帧图像与所述下一帧图像对应的目标特征对象的当前移动速度信息;依据所述当前位置变化信息和所述当前移动速度信息,确定目标帧图像与所述当前帧图像对应的同一个所述目标特征对象的目标位置变化信息;所述目标帧图像与所述当前帧图像和所述下一帧图像在时间上不连续。以解决在搭载相机的机器人运动过快时,能够使用光流算法。
Description
技术领域
本发明实施例涉及图像处理技术,尤其涉及一种目标运动的确定方法、装置、设备及存储介质。
背景技术
在空间中,运动可以用运动场描述,而在一个图像平面上,物体的运动往往是通过图像序列中不同图像灰度分布的不同体现的,从而,空间中的运动场转移到图像上就表示为光流场。
一般而言,光流是由于场景中前景目标本身的移动、相机的运动,或者两者的共同运动所产生的。
当人的眼睛观察运动物体时,物体的景象在人眼的视网膜上形成一系列连续变化的图像,这一系列连续变化的信息不断“流过”视网膜(即图像平面),好像一种光的“流”,故称之为光流。光流表达了图像的变化,由于它包含了目标运动的信息,因此可被观察者用来确定目标的运动情况。
目前所使用的光流算法需要满足两个条件:一是亮度恒定不变,即同一目标在不同帧间运动时,其亮度不会发生改变;二是运动是小运动,即相邻帧之间位移比较小。然而实际中,当搭载相机的机器人运动过快时,传统的光流算法无法使用,因此,需要一种计算光流的方法,以解决在搭载相机的机器人运动过快时,能够使用光流算法。
发明内容
本发明提供一种目标运动的确定方法、装置、设备及存储介质,以解决在搭载相机的机器人运动过快时,能够使用光流算法。
第一方面,本发明实施例提供了一种目标运动的确定方法,包括:
确定当前帧图像与下一帧图像对应的目标特征对象的当前位置变化信息;所述下一帧图像为所述当前帧图像中的目标特征对象移动后对应的帧图像,所述下一帧图像和所述当前帧图像在时间上连续;
依据所述当前位置变化信息,确定所述当前帧图像与所述下一帧图像对应的目标特征对象的当前移动速度信息;
依据所述当前位置变化信息和所述当前移动速度信息,确定目标帧图像与所述当前帧图像对应的同一个所述目标特征对象的目标位置变化信息;所述目标帧图像与所述当前帧图像和所述下一帧图像在时间上不连续。
第二方面,本发明实施例还提供了一种目标运动的确定装置,包括:
当前位置变化信息确定模块,用于确定当前帧图像与下一帧图像对应的目标特征对象的当前位置变化信息;所述下一帧图像为所述当前帧图像中的目标特征对象移动后对应的帧图像,所述下一帧图像和所述当前帧图像在时间上连续;
当前移动速度信息确定模块,用于依据所述当前位置变化信息,确定所述当前帧图像与所述下一帧图像对应的目标特征对象的当前移动速度信息;
目标位置变化信息确定模块,用于依据所述当前位置变化信息和所述当前移动速度信息,确定目标帧图像与所述当前帧图像对应的同一个所述目标特征对象的目标位置变化信息;所述目标帧图像与所述当前帧图像和所述下一帧图像在时间上不连续。
第三方面,本发明实施例还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如本发明实施例中任一所述的目标运动的确定方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例中任一所述的目标运动的确定方法。
本发明通过确定当前帧图像与下一帧图像对应的目标特征对象的当前位置变化信息,依据所述当前位置变化信息,确定所述当前帧图像与所述下一帧图像对应的目标特征对象的当前移动速度信息,依据所述当前位置变化信息和所述当前移动速度信息,确定目标帧图像与所述当前帧图像对应的同一个所述目标特征对象的目标位置变化信息。以解决在搭载相机的机器人运动过快时,能够使用光流算法。
附图说明
图1是本发明实施例一中提供的一种目标运动的确定方法的流程示意图;
图2是本发明实施例二中提供的一种目标运动的确定方法的流程示意图;
图3是本发明实施例三中提供的一种目标运动的确定装置的结构示意图;
图4是本发明实施例四中提供的一种设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理,但是其中的许多步骤可以被并行地、并发地或者同时实施。此外,各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一
图1为本发明实施例一提供的一种目标运动的确定方法的流程示意图,本实施例可适用于机器人快速运动时依旧能使用光流算法的情况,该方法可以由目标运动的确定装置来执行,该装置可以采用软件和/或硬件的方式实现,并可集成于电子设备中,具体包括如下步骤:
S110、确定当前帧图像与下一帧图像对应的目标特征对象的当前位置变化信息。
所述下一帧图像为所述当前帧图像中的目标特征对象移动后对应的帧图像,所述下一帧图像和所述当前帧图像在时间上连续。需要说明的是,当下一帧图像和当前帧图像在时间上连续时,时间上的变化不会引起目标特征对象的位置发生剧烈变化,即在下一帧图像和当前帧图像之间目标特征对象的位移比较小。
本发明实施例中,当前帧图像可以是由机器人通过搭载在机器人上的摄像机获得的,当前帧图像中包含有目标特征对象,示例性的,如机器人在行进的过程中拍摄椅子,则椅子为当前帧图像中的目标特征对象。下一帧图像的获取过程与当前帧图像的获取过程相同,下一帧图像中目标特征对象即为当前帧图像中的目标特征对象,示例性的,当前帧图像中的目标特征对象为椅子,则下一帧图像中目标特征对象为椅子。其中,由于机器人是运动中进行拍摄的,则目标特征对象也会相对的进行移动,目标特征对象的位置变化能够采用当前位置变化信息进行表示。可选地,当前位置变化信息包括:在当前帧图像中目标特征对象的当前位置相对于下一帧图像中目标特征对象的下一位置之间的位置变化情况。
S120、依据所述当前位置变化信息,确定所述当前帧图像与所述下一帧图像对应的目标特征对象的当前移动速度信息。
可选的,依据所述当前位置变化信息,确定所述当前帧图像与所述下一帧图像对应的目标特征对象的当前移动速度信息,包括:
依据所述当前帧图像中携带的当前时间点和所述下一帧图像中携带的下一时间点,得到第一时间间隔信息;
依据所述位置变化信息指示的当前移动距离和所述第一时间间隔信息,确定所述当前移动速度信息。
本发明实施例中,第一时间间隔信息是下一帧图像中携带的下一时间点与当前帧图像中携带的当前时间点的差值,第一时间间隔信息是当前帧图像变化至下一帧图像的时间。当前移动距离除以第一时间间隔信息,得到当前移动速度信息。
S130、依据所述当前位置变化信息和所述当前移动速度信息,确定目标帧图像与所述当前帧图像对应的同一个所述目标特征对象的目标位置变化信息。
其中,所述目标帧图像与所述当前帧图像和所述下一帧图像在时间上不连续。需要说明的是,当目标帧图像和当前帧图像在时间上不连续时,时间上的变化会引起目标特征对象的位置发生剧烈变化,即在目标帧图像和当前帧图像之间目标特征对象的位移比较大,此时无法采用光流法。同样,当目标帧图像和下一帧图像在时间上不连续时,时间上的变化同样也会引起目标特征对象的位置发生剧烈变化,即在目标帧图像和下一帧图像之间目标特征对象的位移仍然比较大,此时仍无法采用光流法。本发明实施例中,由下一帧图像到目标帧图像的时间差和当前移动速度信息,能够得到下一帧图像到目标帧图像的移动距离,将当前位置变化信息与移动距离进行求和,得到目标位置变化信息。
可选的,依据所述当前位置变化信息和所述当前移动速度信息,确定目标帧图像与所述当前帧图像对应的同一个所述目标特征对象的目标位置变化信息,包括:
依据所述下一帧图像中携带的下一时间点和所述目标帧图像中携带的目标时间点,得到第二时间间隔信息;
依据所述当前移动速度信息和所述第二时间间隔信息,以及所述当前位置变化信息,确定所述目标位置变化信息。
本发明实施例中,第二时间间隔信息是下一帧图像移动到目标帧图像的时间,通过第二时间间隔信息与当前移动速度得到移动距离,进而确定目标位置变化信息。
本发明通过确定当前帧图像与下一帧图像对应的目标特征对象的当前位置变化信息,依据所述当前位置变化信息,确定所述当前帧图像与所述下一帧图像对应的目标特征对象的当前移动速度信息,依据所述当前位置变化信息和所述当前移动速度信息,确定目标帧图像与所述当前帧图像对应的同一个所述目标特征对象的目标位置变化信息。以解决在搭载相机的机器人运动过快时,能够使用光流算法。
实施例二
图2是本发明实施例二提供的一种目标运动的确定方法的流程示意图,本实施例是在上述实施例一的基础上,进一步对确定当前位置化信息进行详细解释说明。参见图2,该方法具体可以包括:
S210、确定当前帧图像与下一帧图像对应的目标特征对象的当前位置化信息,包括:
依据当前帧图像中目标特征对象的第一邻域内像素点间的灰度差异,确定多个第一配对像素点;
依据下一帧图像中所述目标特征对象的第二邻域内像素点间的灰度差异,确定多个第二配对像素点;
依据所述第一配对像素点和所述第二配对像素点之间的灰度差异,得到所述目标特征对象的移动距离,作为所述当前位置变化信息。
本发明实施例中,当前帧图像可以是由机器人通过搭载在机器人上的摄像机获得的,当前帧图像中包含有目标特征对象,示例性的,如机器人在行进的过程中拍摄椅子,则椅子为当前帧图像中的目标特征对象。上述目标特征对象的第一邻域是指在当前帧图像中目标特征对象周围的区域选定一个范围,示例性的,在当前帧图像椅子周围的区域选定一个范围为椅子的第一邻域。进一步地,依据当前帧图像中目标特征对象的第一邻域内像素点间的灰度差异,确定多个第一配对像素点,包括:确定当前帧图像中所述目标特征对象的所述第一邻域内各个像素点的第一灰度值;依据所述第一邻域内各个像素点的所述第一灰度值,将所述第一邻域内像素点间灰度差值满足预设第一灰度差异阈值的像素点进行配对,得到多个第一配对像素点。
通过当前帧的图像数据信息,确定第一领域内各个像素点的第一灰度值,将上述第一灰度值差值满足预设第一灰度差异阈值的像素点进行配对,得到第一配对像素点,将上述执行过程重复多次,得到多个第一配对像素点。
在确定第二邻域内的第二配对像素点时,配对的方式与第一邻域配对的方式相同。
本发明实施例中,目标特征对象的移动距离也是第一邻域与第二邻域之间的移动距离。通过光流算法,依据第一配对像素点和第二配对像素点进行计算,得到目标特征对象的移动距离,作为当前位置变化信息。进一步地,所述位置变化信息指示的移动距离小于预设值,在所述预设值范围内适用于光流算法;所述目标位置变化信息大于预设值,在所述预设值范围外不适用于光流算法。
S220、依据所述当前位置变化信息,确定所述当前帧图像与所述下一帧图像对应的目标特征对象的当前移动速度信息。
S230、依据所述当前位置变化信息和所述当前移动速度信息,确定目标帧图像与所述当前帧图像对应的同一个所述目标特征对象的目标位置变化信息。
可选的,依据所述当前移动速度信息和所述第二时间间隔信息,以及所述当前位置变化信息,确定所述目标位置变化信息,包括:
依据所述当前帧图像对应的目标特征对象的当前位置,以及所述当前位置变化信息,确定下一帧图像对应的目标特征对象的下一位置;
根据所述当前移动速度信息和所述第二时间间隔信息,得到所述目标特征对象在第二时间间隔内的移动距离,并依据所述下一位置确定所述目标帧图像对应的目标特征对象的估算位置;
基于光流算法,根据所述估算位置计算所述目标特征对象的目标位置变化信息。
本发明实施例中,将所述移动速度信息与第二时间间隔信息进行乘积运算,得到目标特征对象在第二时间间隔内的移动距离,将当前位置与第二时间间隔内的移动距离进行求和,得到目标帧图像对应的目标特征对象的估算位置。根据光流算法,就能够得到目标特征对象的目标位置变化信息。
本发明实施例依据当前帧图像中目标特征对象的第一邻域内像素点间的灰度差异,确定多个第一配对像素点;依据下一帧图像中所述目标特征对象的第二邻域内像素点间的灰度差异,确定多个第二配对像素点;依据所述第一配对像素点和所述第二配对像素点之间的灰度差异,得到所述目标特征对象的移动距离,作为所述当前位置变化信息,并通过估算位置得到目标位置变化信息。以解决在搭载相机的机器人运动过快时,能够使用光流算法。
实施例三
图3为本发明实施例三提供的一种目标运动的确定装置的结构示意图。本发明实施例所提供的一种目标运动的确定装置可执行本发明任意实施例所提供的目标运动的确定方法,具备执行方法相应的功能模块和有益效果。如图3所示,该装置包括:
当前位置化信息确定模块301,用于确定当前帧图像与下一帧图像对应的目标特征对象的当前位置化信息;所述下一帧图像为所述当前帧图像中的目标特征对象移动后对应的帧图像,所述下一帧图像和所述当前帧图像在时间上连续;
当前移动速度信息确定模块302,用于依据所述当前位置变化信息,确定所述当前帧图像与所述下一帧图像对应的目标特征对象的当前移动速度信息;
目标位置变化信息确定模块303,用于依据所述当前位置变化信息和所述当前移动速度信息,确定目标帧图像与所述当前帧图像对应的同一个所述目标特征对象的目标位置变化信息;所述目标帧图像与所述当前帧图像和所述下一帧图像在时间上不连续。
所述当前移动速度信息确定模块302,用于依据所述当前帧图像中携带的当前时间点和所述下一帧图像中携带的下一时间点,得到第一时间间隔信息;
依据所述位置变化信息指示的当前移动距离和所述第一时间间隔信息,确定所述当前移动速度信息。
所述目标位置变化信息确定模块303,用于依据所述下一帧图像中携带的下一时间点和所述目标帧图像中携带的目标时间点,得到第二时间间隔信息;
依据所述当前移动速度信息和所述第二时间间隔信息,以及所述当前位置变化信息,确定所述目标位置变化信息。
所述目标位置变化信息确定模块303,用于依据所述当前帧图像对应的目标特征对象的当前位置,以及所述当前位置变化信息,确定下一帧图像对应的目标特征对象的下一位置;
根据所述当前移动速度信息和所述第二时间间隔信息,得到所述目标特征对象在第二时间间隔内的移动距离,并依据所述下一位置确定所述目标帧图像对应的目标特征对象的估算位置;
基于光流算法,根据所述估算位置计算所述目标特征对象的目标位置变化信息。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
实施例四
图4为本发明实施例四提供的一种设备的结构示意图,图4示出了适于用来实现本发明实施例实施方式的示例性设备的结构示意图。图4显示的设备12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示,设备12以通用计算设备的形式表现。设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图4未显示,通常称为“硬盘驱动器”)。尽管图4中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明实施例各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如系统存储器28中,这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明实施例所描述的实施例中的功能和/或方法。
设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该设备12交互的设备通信,和/或与使得该设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图4所示,网络适配器20通过总线18与设备12的其它模块通信。应当明白,尽管图中未示出,可以结合设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的目标运动的确定方法,包括:
确定当前帧图像与下一帧图像对应的目标特征对象的当前位置变化信息;所述下一帧图像为所述当前帧图像中的目标特征对象移动后对应的帧图像,所述下一帧图像和所述当前帧图像在时间上连续;
依据所述当前位置变化信息,确定所述当前帧图像与所述下一帧图像对应的目标特征对象的当前移动速度信息;
依据所述当前位置变化信息和所述当前移动速度信息,确定目标帧图像与所述当前帧图像对应的同一个所述目标特征对象的目标位置变化信息;所述目标帧图像与所述当前帧图像和所述下一帧图像在时间上不连续。
实施例五
本发明实施例五还提供一种计算机可读存储介质,其上存储有计算机程序(或称为计算机可执行指令),该程序被处理器执行时可实现上述任意实施例所述的目标运动的确定方法,包括:
确定当前帧图像与下一帧图像对应的目标特征对象的当前位置变化信息;所述下一帧图像为所述当前帧图像中的目标特征对象移动后对应的帧图像,所述下一帧图像和所述当前帧图像在时间上连续;
依据所述当前位置变化信息,确定所述当前帧图像与所述下一帧图像对应的目标特征对象的当前移动速度信息;
依据所述当前位置变化信息和所述当前移动速度信息,确定目标帧图像与所述当前帧图像对应的同一个所述目标特征对象的目标位置变化信息;所述目标帧图像与所述当前帧图像和所述下一帧图像在时间上不连续。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读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。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(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(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。在本文件中,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。
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。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明实施例操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (4)
1.一种目标运动的确定方法,其特征在于,包括:
确定当前帧图像与下一帧图像对应的目标特征对象的当前位置变化信息;所述下一帧图像为所述当前帧图像中的目标特征对象移动后对应的帧图像,所述下一帧图像和所述当前帧图像在时间上连续;
依据所述当前位置变化信息,确定所述当前帧图像与所述下一帧图像对应的目标特征对象的当前移动速度信息;
依据所述当前位置变化信息和所述当前移动速度信息,确定目标帧图像与所述当前帧图像对应的同一个所述目标特征对象的目标位置变化信息;所述目标帧图像与所述当前帧图像和所述下一帧图像在时间上不连续;
所述确定当前帧图像与下一帧图像对应的目标特征对象的当前位置变化信息,包括:
依据当前帧图像中目标特征对象的第一邻域内像素点间的灰度差异,确定多个第一配对像素点;
依据下一帧图像中所述目标特征对象的第二邻域内像素点间的灰度差异,确定多个第二配对像素点;
依据所述第一配对像素点和所述第二配对像素点之间的灰度差异,得到所述目标特征对象的移动距离,作为所述当前位置变化信息;
所述位置变化信息指示的移动距离小于预设值,在所述预设值范围内适用于光流算法;所述目标位置变化信息大于预设值,在所述预设值范围外不适用于光流算法;
所述依据所述当前位置变化信息,确定所述当前帧图像与所述下一帧图像对应的目标特征对象的当前移动速度信息,包括:
依据所述当前帧图像中携带的当前时间点和所述下一帧图像中携带的下一时间点,得到第一时间间隔信息;
依据所述位置变化信息指示的当前移动距离和所述第一时间间隔信息,确定所述当前移动速度信息;
依据所述当前位置变化信息和所述当前移动速度信息,确定目标帧图像与所述当前帧图像对应的同一个所述目标特征对象的目标位置变化信息,包括:
依据所述下一帧图像中携带的下一时间点和所述目标帧图像中携带的目标时间点,得到第二时间间隔信息;
依据所述当前移动速度信息和所述第二时间间隔信息,以及所述当前位置变化信息,确定所述目标位置变化信息;
所述依据所述当前移动速度信息和所述第二时间间隔信息,以及所述当前位置变化信息,确定所述目标位置变化信息,包括:
依据所述当前帧图像对应的目标特征对象的当前位置,以及所述当前位置变化信息,确定下一帧图像对应的目标特征对象的下一位置;
根据所述当前移动速度信息和所述第二时间间隔信息,得到所述目标特征对象在第二时间间隔内的移动距离,并依据所述下一位置确定所述目标帧图像对应的目标特征对象的估算位置;
基于光流算法,根据所述估算位置计算所述目标特征对象的目标位置变化信息。
2.一种目标运动的确定装置,其特征在于,包括:
当前位置变化信息确定模块,用于确定当前帧图像与下一帧图像对应的目标特征对象的当前位置变化信息;所述下一帧图像为所述当前帧图像中的目标特征对象移动后对应的帧图像,所述下一帧图像和所述当前帧图像在时间上连续;
当前移动速度信息确定模块,用于依据所述当前位置变化信息,确定所述当前帧图像与所述下一帧图像对应的目标特征对象的当前移动速度信息;
目标位置变化信息确定模块,用于依据所述当前位置变化信息和所述当前移动速度信息,确定目标帧图像与所述当前帧图像对应的同一个所述目标特征对象的目标位置变化信息;所述目标帧图像与所述当前帧图像和所述下一帧图像在时间上不连续;
所述当前位置变化信息确定模块,用于:
依据当前帧图像中目标特征对象的第一邻域内像素点间的灰度差异,确定多个第一配对像素点;
依据上一帧图像中所述目标特征对象的第二邻域内像素点间的灰度差异,确定多个第二配对像素点;
依据所述第一配对像素点和所述第二配对像素点之间的灰度差异,得到所述目标特征对象的移动距离,作为所述当前位置变化信息;
所述位置变化信息指示的移动距离小于预设值,在所述预设值范围内适用于光流算法;所述目标位置变化信息大于预设值,在所述预设值范围外不适用于光流算法;
所述当前移动速度信息确定模块,用于依据所述当前帧图像中携带的当前时间点和所述下一帧图像中携带的下一时间点,得到第一时间间隔信息;
依据所述位置变化信息指示的当前移动距离和所述第一时间间隔信息,确定所述当前移动速度信息;
所述目标位置变化信息确定模块,用于依据所述下一帧图像中携带的下一时间点和所述目标帧图像中携带的目标时间点,得到第二时间间隔信息;
依据所述当前移动速度信息和所述第二时间间隔信息,以及所述当前位置变化信息,确定所述目标位置变化信息;
所述目标位置变化信息确定模块,用于依据所述当前帧图像对应的目标特征对象的当前位置,以及所述当前位置变化信息,确定下一帧图像对应的目标特征对象的下一位置;
根据所述当前移动速度信息和所述第二时间间隔信息,得到所述目标特征对象在第二时间间隔内的移动距离,并依据所述下一位置确定所述目标帧图像对应的目标特征对象的估算位置;
基于光流算法,根据所述估算位置计算所述目标特征对象的目标位置变化信息。
3.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1中任一所述的目标运动的确定方法。
4.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1中任一所述的目标运动的确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911120891.3A CN110874853B (zh) | 2019-11-15 | 2019-11-15 | 目标运动的确定方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911120891.3A CN110874853B (zh) | 2019-11-15 | 2019-11-15 | 目标运动的确定方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110874853A CN110874853A (zh) | 2020-03-10 |
CN110874853B true CN110874853B (zh) | 2024-03-08 |
Family
ID=69717106
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911120891.3A Active CN110874853B (zh) | 2019-11-15 | 2019-11-15 | 目标运动的确定方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110874853B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113516738B (zh) * | 2020-04-09 | 2022-12-02 | 上海米哈游天命科技有限公司 | 一种动画处理方法、装置、存储介质及电子设备 |
CN112001949B (zh) * | 2020-08-13 | 2023-12-05 | 地平线(上海)人工智能技术有限公司 | 确定目标点移动速度的方法、装置、可读存储介质及设备 |
CN112245893A (zh) * | 2020-11-05 | 2021-01-22 | 上海理工大学 | 一种测量乒乓球旋转速度的方法及其装置 |
CN112887592A (zh) * | 2021-01-13 | 2021-06-01 | 河南工业和信息化职业学院 | 一种平衡车控制方法以及平衡车 |
CN113011371A (zh) * | 2021-03-31 | 2021-06-22 | 北京市商汤科技开发有限公司 | 目标检测方法、装置、设备及存储介质 |
CN114018589B (zh) * | 2021-10-25 | 2024-03-15 | 中汽研汽车检验中心(天津)有限公司 | 气囊弹出速度的确定方法、装置、电子设备及介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110033476A (zh) * | 2018-01-11 | 2019-07-19 | 富士通株式会社 | 目标速度估计方法、装置和图像处理设备 |
CN110147465A (zh) * | 2019-05-23 | 2019-08-20 | 上海闻泰电子科技有限公司 | 图像处理方法、装置、设备和介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10049456B2 (en) * | 2016-08-03 | 2018-08-14 | International Business Machines Corporation | Verification of business processes using spatio-temporal data |
-
2019
- 2019-11-15 CN CN201911120891.3A patent/CN110874853B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110033476A (zh) * | 2018-01-11 | 2019-07-19 | 富士通株式会社 | 目标速度估计方法、装置和图像处理设备 |
CN110147465A (zh) * | 2019-05-23 | 2019-08-20 | 上海闻泰电子科技有限公司 | 图像处理方法、装置、设备和介质 |
Non-Patent Citations (3)
Title |
---|
吴振杰 ; 毛晓波 ; .一种改进的帧间差光流场算法.计算机工程与应用.2012,(18),全文. * |
孙凯鹏 ; 李新军 ; .复杂背景下单个运动物体的实时视觉追踪算法.北京航空航天大学学报.2008,(03),全文. * |
邓辉斌 ; 熊邦书 ; 欧巧凤 ; .基于隔帧差分区域光流法的运动目标检测.半导体光电.2009,(02),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN110874853A (zh) | 2020-03-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110874853B (zh) | 目标运动的确定方法、装置、设备及存储介质 | |
US20210004984A1 (en) | Method and apparatus for training 6d pose estimation network based on deep learning iterative matching | |
CN110706262B (zh) | 图像处理方法、装置、设备及存储介质 | |
US10796438B2 (en) | Method and apparatus for tracking target profile in video | |
US11270158B2 (en) | Instance segmentation methods and apparatuses, electronic devices, programs, and media | |
CN107886048A (zh) | 目标跟踪方法及系统、存储介质及电子终端 | |
US10255504B2 (en) | Object position tracking using motion estimation | |
CN111767853B (zh) | 车道线检测方法和装置 | |
CN110059623B (zh) | 用于生成信息的方法和装置 | |
US11449968B2 (en) | System and method for synthetic depth-of-field effect rendering for videos | |
CN107992790B (zh) | 目标长时跟踪方法及系统、存储介质及电子终端 | |
CN113014936B (zh) | 视频插帧方法、装置、设备以及存储介质 | |
CN110390295B (zh) | 一种图像信息识别方法、装置及存储介质 | |
KR20220153667A (ko) | 특징 추출 방법, 장치, 전자 기기, 저장 매체 및 컴퓨터 프로그램 | |
WO2024001526A1 (zh) | 图像处理方法、装置及电子设备 | |
CN111601013A (zh) | 用于处理视频帧的方法和装置 | |
CN113436226A (zh) | 关键点检测的方法和装置 | |
CN114037087B (zh) | 模型训练方法及装置、深度预测方法及装置、设备和介质 | |
CN108010052A (zh) | 复杂场景中的目标跟踪方法及系统、存储介质及电子终端 | |
US20220301184A1 (en) | Accurate optical flow interpolation optimizing bi-directional consistency and temporal smoothness | |
CN113587928B (zh) | 导航方法、装置、电子设备、存储介质及计算机程序产品 | |
CN112465940B (zh) | 图像渲染方法、装置、电子设备及存储介质 | |
US20240177409A1 (en) | Image processing method and apparatus, electronic device, and readable storage medium | |
CN114494574A (zh) | 一种多损失函数约束的深度学习单目三维重建方法及系统 | |
CN112818748B (zh) | 确定视频中的平面的方法和装置、存储介质和电子设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |