CN111242981A - 一种定置物品的跟踪方法、装置和安保设备 - Google Patents
一种定置物品的跟踪方法、装置和安保设备 Download PDFInfo
- Publication number
- CN111242981A CN111242981A CN202010072564.1A CN202010072564A CN111242981A CN 111242981 A CN111242981 A CN 111242981A CN 202010072564 A CN202010072564 A CN 202010072564A CN 111242981 A CN111242981 A CN 111242981A
- Authority
- CN
- China
- Prior art keywords
- image
- initial frame
- size
- tracking
- model
- 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
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
- 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
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供了一种定置物品的跟踪方法、装置和安保设备,该方法和装置具体为获取包括定置物品的初始帧;利用初始帧进行模型训练,得到跟踪模型;利用跟踪模型对下一帧图像进行检测,以确定其中是否包括定置物品的第二图像;从而实现对定置物品的监控;最后根据第二图像的尺寸,对初始帧中第一图像的尺寸进行修正,然后利用经过修改的初始帧再次进行模型训练。从中可以看出,通过跟踪模型可以实现对定置物品的移动进行监控,从而保证在其发生不正常移动时及时被发现。
Description
技术领域
本发明涉及安防技术领域,特别是涉及一种定置物品的跟踪方法、装置和安保设备。
背景技术
对于某些场合下,如博物馆、珠宝店、停车场等,往往需要对高价值物体,如车辆、珠宝等定置物品进行安保,以保证其不被移动或者在预设的安全范围内移动,这就需要利用视频影像对其进行监控,以便当定置物品发生不正常移动时及时被发觉。
发明内容
有鉴于此,本发明提供了一种定置物品的跟踪方法、装置和安保设备,用于对定置物品是否发生非正常移动进行监控。
为了解决上述问题,本发明公开了一种定置物品的跟踪方法,应用于安保设备,所述跟踪方法包括步骤:
获取初始帧,所述初始帧包括用户输入的包络框,所述包络框中包络有待跟踪的定置物品的第一图像;
利用所述初始帧进行模型训练,得到跟踪模型;
利用所述跟踪模型对所述初始帧的下一帧图像进行检测,以确定其中是否包括所述定置物品的第二图像;
根据所述第二图像的尺寸,对所述初始帧中第一图像的尺寸进行修正,然后返回到所述利用所述初始帧进行模型训练步骤。
可选的,所述利用所述初始帧进行模型训练,包括:
从初始帧选取多个样本,构成样本集;
基于核相关滤波算法对所述样本集进行模型训练,得到所述跟踪该模块。
可选的,所述样本集中包括正样本和负样本。
可选的,在所述根据所述第二图像的尺寸,对所述初始帧中第一图像的尺寸进行修正步骤之前,还包括步骤:
判断所述第二图像的尺寸相对于所述第一图像的尺寸是否发生变化;
如果没有发生变化则返回到所述利用所述跟踪模型对所述初始帧的下一帧图像进行检测步骤;
如果发生了变化,则执行所述根据所述第二图像的尺寸,对所述初始帧中第一图像的尺寸进行修正步骤。
一种定置物品的跟踪装置,应用于安保设备,所述跟踪装置包括:
图像获取模块,被配置为获取初始帧,所述初始帧包括用户输入的包络框,所述包络框中包络有待跟踪的定置物品的第一图像;
模型训练模块,被配置为利用所述初始帧进行模型训练,得到跟踪模型;
目标检测模块,被配置为利用所述跟踪模型对所述初始帧的下一帧图像进行检测,以确定其中是否包括所述定置物品的第二图像;
图像修正模块,被配置为根据所述第二图像的尺寸,对所述初始帧中第一图像的尺寸进行修正,然后返回到所述利用所述初始帧进行模型训练步骤。
可选的,所述模型训练模块包括:
样本选取单元,被配置为从初始帧选取多个样本,构成样本集;
训练执行单元,被配置为基于核相关滤波算法对所述样本集进行模型训练,得到所述跟踪该模块。
可选的,所述样本集中包括正样本和负样本。
可选的,在所述根据所述第二图像的尺寸,对所述初始帧中第一图像的尺寸进行修正步骤之前,还包括:
图像判断模块,被配置为在所述图像修正模块根据所述第二图像的尺寸,对所述初始帧中第一图像的尺寸进行修正之前。判断所述第二图像的尺寸相对于所述第一图像的尺寸是否发生变化;如果没有发生变化则返回到所述利用所述跟踪模型对所述初始帧的下一帧图像进行检测步骤;如果发生了变化,则执行所述根据所述第二图像的尺寸,对所述初始帧中第一图像的尺寸进行修正步骤。
一种安保设备,其特征在于,设置有如上所述的跟踪装置。
一种安保设备,其特征在于,包括至少一个处理器和所述处理器相连接的存储器,其中:
所述存储器用于存储计算机程序或指令;
所述处理器用于获取并执行所述计算机程序或指令,以使所述安保设备执行如上所述的跟踪方法。
从上述技术方案可以看出,本发明提供了一种定置物品的跟踪方法、装置和安保设备,该方法和装置具体为获取包括定置物品的初始帧;利用初始帧进行模型训练,得到跟踪模型;利用跟踪模型对下一帧图像进行检测,以确定其中是否包括定置物品的第二图像;从而实现对定置物品的监控;最后根据第二图像的尺寸,对初始帧中第一图像的尺寸进行修正,然后利用经过修改的初始帧再次进行模型训练。从中可以看出,通过跟踪模型可以实现对定置物品的移动进行监控,从而保证在其发生不正常移动时及时被发现。
且,通过更新跟踪模型,该方案可以识别定置物品的缓慢形变和旋转,在定置物品发生尺度上的变化时仍然能正确跟踪,因此允许定置物品在一定区域内移动,因此对于物品的缓慢形变和缓慢旋转较为敏感。
附图说明
为了更清楚地说明本发明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发明的一些实施例,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为本申请实施例的一种定置物品的跟踪方法的流程图;
图2为本申请实施例的另一种定置物品的跟踪方法的流程图;
图3为本申请实施例的一种定置物品的跟踪装置的框图;
图4为本申请实施例的另一种定置物品的跟踪装置的框图;
图5为本申请实施例的一种安保设备的框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
实施例一
图1为本申请实施例的一种定置物品的跟踪方法的流程图。
参照图1所示,本实施例提供的跟踪方法用于对特定场所内的定置物品进行监控,以确定其是否发生不正常移动,该跟踪方法基于设置于该特定场所的摄像设备所获取的连续影像,该跟踪方法包括如下步骤:
S1、获取初始帧。
该初始帧为开始监控时的第一帧图像,其中包括有用户通过鼠标或键盘输入的包络框,该包络框包括有待跟踪的定置物品的图像,这里为方便表述,将用户选定的定置物品的图像称为第一图像。
具体来说,当用户在从摄像设备获取的连续影像上输入包络框时,包络框完成的时刻的当前帧为该初始帧。
S2、利用该初始帧进行模型训练。
在确定初始帧后,利用该初始帧进行模型训练,从而得到相应的跟踪模型。该跟踪模型通过如下方法进行训练:
首先,从该初始帧中进行像素或图形单元的截取,从而得到多个样本,构成相应的样本集,该样本集中包括正样本和负样本。然后利用该样本集并基于KCF(核相关滤波)算法进行模型训练,从而得到该跟踪模型。
KCF算法全称为Kernel Correlation Filter算法,该算法不论是在跟踪效果还是跟踪速度上都有十分亮眼的表现。其主要是使用给出的样本去训练一个判别分类器,判断跟踪到的是目标还是周围的背景信息。主要使用轮转矩阵对样本进行采集,使用快速傅里叶变化对算法进行加速计算。
S3、利用跟踪模型对下一帧图像进行检测。
即通过前面得到的对初始帧的下一帧图像进行处理,以确定其中是否存在该定置物品,或者说是否存在给定置物品的图像,这里将该图像称为第二图像。如果存在该第二图像,则说明定置物品没有发发生非正常移动,相反,则表明该定置物品发生了非正常移动。
S4、根据第二图像的尺寸对初始帧进行修正。
在存在第二图像的前提下,根据该第二图像对初始帧进行修正,实际来说,是用第二图像的尺寸对初始帧中的定制物品的尺寸和初始帧的尺寸进行调整;然后返回到该步骤S2,利用该修改后的初始帧再次进行模型训练。
从上述技术方案可以看出,本实施例提供了一种定置物品的跟踪方法,该方法应用于安保设备,具体为获取包括定置物品的初始帧;利用初始帧进行模型训练,得到跟踪模型;利用跟踪模型对下一帧图像进行检测,以确定其中是否包括定置物品的第二图像;从而实现对定置物品的监控;最后根据第二图像的尺寸,对初始帧中第一图像的尺寸进行修正,然后利用经过修改的初始帧再次进行模型训练。从中可以看出,通过跟踪模型可以实现对定置物品的移动进行监控,从而保证在其发生不正常移动时及时被发现。
且,通过更新跟踪模型,该方案可以识别定置物品的缓慢形变和旋转,在定置物品发生尺度上的变化时仍然能正确跟踪,因此允许定置物品在一定区域内移动,因此对于物品的缓慢形变和缓慢旋转较为敏感。
另外,本实施例中在步骤S4之前还包括如下步骤,如图2所示:
S5、判断第二图像的尺寸是否发生变化。
其实是判断该第二图像的尺寸相对于第一图像的尺寸是否发生变化。
如果发生了变化,则返回到步骤S2,根据变化后的初始帧进行模型训练,再次得到跟踪模型;如果没有发生变化,则返回到步骤S3,以便直接对下一帧图像的下一帧图像再次进行检测,就不再进行模型训练了;从而可以节省计算资源。
实施例二
图3为本申请实施例的一种定置物品的跟踪装置的框图。
参照图3所示,本实施例提供的跟踪装置用于对特定场所内的定置物品进行监控,以确定其是否发生不正常移动,该跟踪装置基于设置于该特定场所的摄像设备所获取的连续影像,具体包括图像获取模块10、模型训练模块20、目标检测模块30和图像修正模块40。
图像获取模块用于获取初始帧。
该初始帧为开始监控时的第一帧图像,其中包括有用户通过鼠标或键盘输入的包络框,该包络框包括有待跟踪的定置物品的图像,这里为方便表述,将用户选定的定置物品的图像称为第一图像。
具体来说,当用户在从摄像设备获取的连续影像上输入包络框时,包络框完成的时刻的当前帧为该初始帧。
模型训练模块用于利用该初始帧进行模型训练。
在确定初始帧后,利用该初始帧进行模型训练,从而得到相应的跟踪模型。该模块具体包括样本选取单元和训练执行单元。
样本选取单元用于从该初始帧中进行像素或图形单元的截取,从而得到多个样本,构成相应的样本集,该样本集中包括正样本和负样本。训练执行单元用于利用该样本集并基于KCF(核相关滤波)算法进行模型训练,从而得到该跟踪模型。
KCF算法全称为Kernel Correlation Filter算法,该算法不论是在跟踪效果还是跟踪速度上都有十分亮眼的表现。其主要是使用给出的样本去训练一个判别分类器,判断跟踪到的是目标还是周围的背景信息。主要使用轮转矩阵对样本进行采集,使用快速傅里叶变化对算法进行加速计算。
目标检测模块用于利用跟踪模型对下一帧图像进行检测。
即通过前面得到的对初始帧的下一帧图像进行处理,以确定其中是否存在该定置物品,或者说是否存在给定置物品的图像,这里将该图像称为第二图像。如果存在该第二图像,则说明定置物品没有发发生非正常移动,相反,则表明该定置物品发生了非正常移动。
图像修正模块用于根据第二图像的尺寸对初始帧进行修正。
在存在第二图像的前提下,根据该第二图像对初始帧进行修正,实际来说,是用第二图像的尺寸对初始帧中的定制物品的尺寸和初始帧的尺寸进行调整;然后控制该模型训练模块利用该修改后的初始帧再次进行模型训练。
从上述技术方案可以看出,本实施例提供了一种定置物品的跟踪装置,该装置应用于安保设备,具体为获取包括定置物品的初始帧;利用初始帧进行模型训练,得到跟踪模型;利用跟踪模型对下一帧图像进行检测,以确定其中是否包括定置物品的第二图像;从而实现对定置物品的监控;最后根据第二图像的尺寸,对初始帧中第一图像的尺寸进行修正,然后利用经过修改的初始帧再次进行模型训练。从中可以看出,通过跟踪模型可以实现对定置物品的移动进行监控,从而保证在其发生不正常移动时及时被发现。
且,通过更新跟踪模型,该方案可以识别定置物品的缓慢形变和旋转,在定置物品发生尺度上的变化时仍然能正确跟踪,因此允许定置物品在一定区域内移动,因此对于物品的缓慢形变和缓慢旋转较为敏感。
另外,本实施例中还包括图像判断模块50,如图4所示:
图像判断模块用于在图像修正模块对初始帧进行修正之前,判断第二图像的尺寸是否发生变化。
其实是判断该第二图像的尺寸相对于第一图像的尺寸是否发生变化。
如果发生了变化,则控制该模型训练模块根据变化后的初始帧进行模型训练,再次得到跟踪模型;如果没有发生变化,则控制目标检测模块直接对下一帧图像的下一帧图像再次进行检测,就不再进行模型训练了;从而可以节省计算资源。
实施例三
本实施例提供了一种安保设备,该安保设备设置有如上一实施例所提供的定置物品的跟踪装置。该跟踪装置用于获取包括定置物品的初始帧;利用初始帧进行模型训练,得到跟踪模型;利用跟踪模型对下一帧图像进行检测,以确定其中是否包括定置物品的第二图像;从而实现对定置物品的监控;最后根据第二图像的尺寸,对初始帧中第一图像的尺寸进行修正,然后利用经过修改的初始帧再次进行模型训练。从中可以看出,通过跟踪模型可以实现对定置物品的移动进行监控,从而保证在其发生不正常移动时及时被发现。
且,通过更新跟踪模型,该安保设备可以识别定置物品的缓慢形变和旋转,在定置物品发生尺度上的变化时仍然能正确跟踪,因此允许定置物品在一定区域内移动,因此对于物品的缓慢形变和缓慢旋转较为敏感。
实施例四
图5为本申请实施例的一种安保设备的框图。
如图5所示,本实施例提供的安保设备包括至少一个处理器101和存储器102,两者通过数据总线103相连接。
该存储器用于存储计算机程序或指令,该处理器用于通过数据总线从存储器获取计算机及程序或指令并执行,从而使该安保设备能够执行实施例一种所提供的定置物品的跟踪方法。
该跟踪方法用于获取包括定置物品的初始帧;利用初始帧进行模型训练,得到跟踪模型;利用跟踪模型对下一帧图像进行检测,以确定其中是否包括定置物品的第二图像;从而实现对定置物品的监控;最后根据第二图像的尺寸,对初始帧中第一图像的尺寸进行修正,然后利用经过修改的初始帧再次进行模型训练。从中可以看出,通过跟踪模型可以实现对定置物品的移动进行监控,从而保证在其发生不正常移动时及时被发现。
且,通过更新跟踪模型,该安保设备可以识别定置物品的缓慢形变和旋转,在定置物品发生尺度上的变化时仍然能正确跟踪,因此允许定置物品在一定区域内移动,因此对于物品的缓慢形变和缓慢旋转较为敏感。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后,还需要说明的是,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、物品或者终端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、物品或者终端设备所固有的要素。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、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的技术方案进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种定置物品的跟踪方法,应用于安保设备,其特征在于,所述跟踪方法包括步骤:
获取初始帧,所述初始帧包括用户输入的包络框,所述包络框中包络有待跟踪的定置物品的第一图像;
利用所述初始帧进行模型训练,得到跟踪模型;
利用所述跟踪模型对所述初始帧的下一帧图像进行检测,以确定其中是否包括所述定置物品的第二图像;
根据所述第二图像的尺寸,对所述初始帧中第一图像的尺寸进行修正,然后返回到所述利用所述初始帧进行模型训练步骤。
2.如权利要求1所述的跟踪方法,其特征在于,所述利用所述初始帧进行模型训练,包括:
从初始帧选取多个样本,构成样本集;
基于核相关滤波算法对所述样本集进行模型训练,得到所述跟踪该模块。
3.如权利要求2所述的跟踪方法,其特征在于,所述样本集中包括正样本和负样本。
4.如权利要求1所述的跟踪方法,其特征在于,在所述根据所述第二图像的尺寸,对所述初始帧中第一图像的尺寸进行修正步骤之前,还包括步骤:
判断所述第二图像的尺寸相对于所述第一图像的尺寸是否发生变化;
如果没有发生变化则返回到所述利用所述跟踪模型对所述初始帧的下一帧图像进行检测步骤;
如果发生了变化,则执行所述根据所述第二图像的尺寸,对所述初始帧中第一图像的尺寸进行修正步骤。
5.一种定置物品的跟踪装置,应用于安保设备,其特征在于,所述跟踪装置包括:
图像获取模块,被配置为获取初始帧,所述初始帧包括用户输入的包络框,所述包络框中包络有待跟踪的定置物品的第一图像;
模型训练模块,被配置为利用所述初始帧进行模型训练,得到跟踪模型;
目标检测模块,被配置为利用所述跟踪模型对所述初始帧的下一帧图像进行检测,以确定其中是否包括所述定置物品的第二图像;
图像修正模块,被配置为根据所述第二图像的尺寸,对所述初始帧中第一图像的尺寸进行修正,然后返回到所述利用所述初始帧进行模型训练步骤。
6.如权利要求5所述的跟踪装置,其特征在于,所述模型训练模块包括:
样本选取单元,被配置为从初始帧选取多个样本,构成样本集;
训练执行单元,被配置为基于核相关滤波算法对所述样本集进行模型训练,得到所述跟踪该模块。
7.如权利要求6所述的跟踪装置,其特征在于,所述样本集中包括正样本和负样本。
8.如权利要求5所述的跟踪装置,其特征在于,在所述根据所述第二图像的尺寸,对所述初始帧中第一图像的尺寸进行修正步骤之前,还包括:
图像判断模块,被配置为在所述图像修正模块根据所述第二图像的尺寸,对所述初始帧中第一图像的尺寸进行修正之前。判断所述第二图像的尺寸相对于所述第一图像的尺寸是否发生变化;如果没有发生变化则返回到所述利用所述跟踪模型对所述初始帧的下一帧图像进行检测步骤;如果发生了变化,则执行所述根据所述第二图像的尺寸,对所述初始帧中第一图像的尺寸进行修正步骤。
9.一种安保设备,其特征在于,设置有如权利要求5~8任一项所述的跟踪装置。
10.一种安保设备,其特征在于,包括至少一个处理器和所述处理器相连接的存储器,其中:
所述存储器用于存储计算机程序或指令;
所述处理器用于获取并执行所述计算机程序或指令,以使所述安保设备执行如权利要求1~4任一项所述的跟踪方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010072564.1A CN111242981A (zh) | 2020-01-21 | 2020-01-21 | 一种定置物品的跟踪方法、装置和安保设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010072564.1A CN111242981A (zh) | 2020-01-21 | 2020-01-21 | 一种定置物品的跟踪方法、装置和安保设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111242981A true CN111242981A (zh) | 2020-06-05 |
Family
ID=70872957
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010072564.1A Pending CN111242981A (zh) | 2020-01-21 | 2020-01-21 | 一种定置物品的跟踪方法、装置和安保设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111242981A (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105844665A (zh) * | 2016-03-21 | 2016-08-10 | 清华大学 | 视频对象追踪方法及装置 |
CN106909935A (zh) * | 2017-01-19 | 2017-06-30 | 博康智能信息技术有限公司上海分公司 | 一种目标跟踪方法及装置 |
CN107066990A (zh) * | 2017-05-04 | 2017-08-18 | 厦门美图之家科技有限公司 | 一种目标跟踪方法及移动设备 |
CN108198201A (zh) * | 2017-12-19 | 2018-06-22 | 深圳市深网视界科技有限公司 | 一种多目标跟踪方法、终端设备及存储介质 |
CN108830219A (zh) * | 2018-06-15 | 2018-11-16 | 北京小米移动软件有限公司 | 基于人机交互的目标跟踪方法、装置及存储介质 |
CN108961315A (zh) * | 2018-08-01 | 2018-12-07 | 腾讯科技(深圳)有限公司 | 目标跟踪方法、装置、计算机设备和存储介质 |
CN108961312A (zh) * | 2018-04-03 | 2018-12-07 | 奥瞳系统科技有限公司 | 用于嵌入式视觉系统的高性能视觉对象跟踪方法及系统 |
CN108986138A (zh) * | 2018-05-24 | 2018-12-11 | 北京飞搜科技有限公司 | 目标跟踪方法及设备 |
CN109671103A (zh) * | 2018-12-12 | 2019-04-23 | 易视腾科技股份有限公司 | 目标跟踪方法及装置 |
CN109697727A (zh) * | 2018-11-27 | 2019-04-30 | 哈尔滨工业大学(深圳) | 基于相关滤波和度量学习的目标跟踪方法、系统及存储介质 |
CN109978045A (zh) * | 2019-03-20 | 2019-07-05 | 深圳市道通智能航空技术有限公司 | 一种目标跟踪方法、装置和无人机 |
CN110084830A (zh) * | 2019-04-07 | 2019-08-02 | 西安电子科技大学 | 一种视频运动目标检测与跟踪方法 |
CN110211153A (zh) * | 2019-05-28 | 2019-09-06 | 浙江大华技术股份有限公司 | 目标跟踪方法、目标跟踪装置以及计算机存储介质 |
CN110472594A (zh) * | 2019-08-20 | 2019-11-19 | 腾讯科技(深圳)有限公司 | 目标跟踪方法、信息插入方法及设备 |
-
2020
- 2020-01-21 CN CN202010072564.1A patent/CN111242981A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105844665A (zh) * | 2016-03-21 | 2016-08-10 | 清华大学 | 视频对象追踪方法及装置 |
CN106909935A (zh) * | 2017-01-19 | 2017-06-30 | 博康智能信息技术有限公司上海分公司 | 一种目标跟踪方法及装置 |
CN107066990A (zh) * | 2017-05-04 | 2017-08-18 | 厦门美图之家科技有限公司 | 一种目标跟踪方法及移动设备 |
CN108198201A (zh) * | 2017-12-19 | 2018-06-22 | 深圳市深网视界科技有限公司 | 一种多目标跟踪方法、终端设备及存储介质 |
CN108961312A (zh) * | 2018-04-03 | 2018-12-07 | 奥瞳系统科技有限公司 | 用于嵌入式视觉系统的高性能视觉对象跟踪方法及系统 |
US20190304105A1 (en) * | 2018-04-03 | 2019-10-03 | Altumview Systems Inc. | High-performance visual object tracking for embedded vision systems |
CN108986138A (zh) * | 2018-05-24 | 2018-12-11 | 北京飞搜科技有限公司 | 目标跟踪方法及设备 |
CN108830219A (zh) * | 2018-06-15 | 2018-11-16 | 北京小米移动软件有限公司 | 基于人机交互的目标跟踪方法、装置及存储介质 |
CN108961315A (zh) * | 2018-08-01 | 2018-12-07 | 腾讯科技(深圳)有限公司 | 目标跟踪方法、装置、计算机设备和存储介质 |
CN109697727A (zh) * | 2018-11-27 | 2019-04-30 | 哈尔滨工业大学(深圳) | 基于相关滤波和度量学习的目标跟踪方法、系统及存储介质 |
CN109671103A (zh) * | 2018-12-12 | 2019-04-23 | 易视腾科技股份有限公司 | 目标跟踪方法及装置 |
CN109978045A (zh) * | 2019-03-20 | 2019-07-05 | 深圳市道通智能航空技术有限公司 | 一种目标跟踪方法、装置和无人机 |
CN110084830A (zh) * | 2019-04-07 | 2019-08-02 | 西安电子科技大学 | 一种视频运动目标检测与跟踪方法 |
CN110211153A (zh) * | 2019-05-28 | 2019-09-06 | 浙江大华技术股份有限公司 | 目标跟踪方法、目标跟踪装置以及计算机存储介质 |
CN110472594A (zh) * | 2019-08-20 | 2019-11-19 | 腾讯科技(深圳)有限公司 | 目标跟踪方法、信息插入方法及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112446378B (zh) | 目标检测方法及装置、存储介质、终端 | |
US20150248592A1 (en) | Method and device for identifying target object in image | |
US10572096B2 (en) | Method and apparatus for displaying information | |
CN106803083B (zh) | 行人检测的方法及装置 | |
CN110991261A (zh) | 交互行为识别方法、装置、计算机设备和存储介质 | |
CN107066980B (zh) | 一种图像变形检测方法及装置 | |
CN109344824B (zh) | 一种文本行区域检测方法、装置、介质和电子设备 | |
CN114445768A (zh) | 目标识别方法、装置、电子设备及存储介质 | |
US20130163869A1 (en) | Apparatus and method for extracting edge in image | |
CN109993065B (zh) | 基于深度学习的驾驶员行为检测方法和系统 | |
CN113766209B (zh) | 相机偏移量处理方法及装置 | |
CN110738078A (zh) | 一种人脸识别方法及终端设备 | |
CN111814776B (zh) | 一种图像处理方法、设备、服务器及存储介质 | |
CN111881764A (zh) | 一种目标检测方法、装置、电子设备及存储介质 | |
CN111191556A (zh) | 人脸识别方法、装置及电子设备 | |
CN112991349A (zh) | 图像处理方法、装置、设备和存储介质 | |
CN111242981A (zh) | 一种定置物品的跟踪方法、装置和安保设备 | |
WO2014112407A1 (ja) | 情報処理システム、情報処理方法及びプログラム | |
CN111667505B (zh) | 一种定置物品跟踪的方法和装置 | |
CN112784817B (zh) | 车辆所在车道检测方法、装置、设备及存储介质 | |
CN111104870B (zh) | 基于卫星视频的运动检测方法、装置、设备和存储介质 | |
CN113438468B (zh) | 视频质量的动态控制方法、装置、存储介质及电子设备 | |
US9798932B2 (en) | Video extraction method and device | |
CN113393325A (zh) | 交易检测方法、智能设备及计算机存储介质 | |
CN111340677B (zh) | 视频水印检测方法、装置、电子设备、计算机可读介质 |
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 |