CN111340857A - 一种摄像机跟踪控制方法及装置 - Google Patents
一种摄像机跟踪控制方法及装置 Download PDFInfo
- Publication number
- CN111340857A CN111340857A CN202010105202.8A CN202010105202A CN111340857A CN 111340857 A CN111340857 A CN 111340857A CN 202010105202 A CN202010105202 A CN 202010105202A CN 111340857 A CN111340857 A CN 111340857A
- Authority
- CN
- China
- Prior art keywords
- detection frame
- target object
- determining
- camera
- target
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000001514 detection method Methods 0.000 claims abstract description 440
- 230000033001 locomotion Effects 0.000 claims abstract description 73
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 39
- 230000001133 acceleration Effects 0.000 claims description 98
- 230000036461 convulsion Effects 0.000 claims description 42
- 238000006073 displacement reaction Methods 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 18
- 238000009499 grossing Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 6
- ONUFESLQCSAYKA-UHFFFAOYSA-N iprodione Chemical compound O=C1N(C(=O)NC(C)C)CC(=O)N1C1=CC(Cl)=CC(Cl)=C1 ONUFESLQCSAYKA-UHFFFAOYSA-N 0.000 claims description 5
- 230000008859 change Effects 0.000 abstract description 14
- 230000004044 response Effects 0.000 abstract description 12
- 230000005540 biological transmission Effects 0.000 description 7
- 238000005070 sampling Methods 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003213 activating effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
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
- G06T7/292—Multi-camera tracking
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B11/00—Automatic controllers
- G05B11/01—Automatic controllers electric
- G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
- G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P. I., P. I. D.
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种摄像机跟踪控制方法及装置,其中,该方法包括:第二摄像机接收第一摄像机以预定采集周期采集的检测帧的时间戳和该检测帧中目标对象的PT位置;根据该检测帧的时间戳与该PT位置确定该目标对象在当前检测帧内的运动数据;根据该运动数据确定该目标对象的预测实际位置;通过将该目标对象的预测实际位置输入PID运动控制算法的方式控制所述第二摄像机转动,对该目标对象进行跟踪处理,使得该目标对象以预定比例大小处于所述第二摄像机所采集图像的中心位置,可以解决在多摄像机联动跟踪对于速度变化快的目标的响应不及时、复杂场景的适应能力和高链路耗时引起的目标滞后问题,提高了跟踪的响应速度,使得跟踪适用于更多场景。
Description
技术领域
本发明涉及视频监控领域,具体而言,涉及一种摄像机跟踪控制方法及装置。
背景技术
目前,在国家天网背景下、以及企业与民众对机密区域越来越重视,安防行业对摄像机的跟踪需求越来越高。随着人工智能AI的快速发展,摄像机虽然可以对入侵区域的目标进行报警,但由于画面定焦的关系,无法获取目标后续更多行为及细节,且单PTZ摄像机跟踪容易丢失目标。因此为了能够精准的跟踪目标观察其行为并抓取更多细节,业界推出了网络摄像机(IP Camera,简称为IPC)与PTZ摄像机组合式跟踪。
现有方案采用了图像识别技术,通过IPC摄像机采集的实时图片,对目标检测与图像跟踪,该方案只能获取到固定全场景的信息。由于需要抓取目标细节,这时候,则需要联动PTZ摄像机变到更大倍率(画面中可视区域将更小),让目标占据画面更多比例,并控制云台运动,使目标持续保持在画面中心,获取更多目标细节信息。然而在实际的场景中,往往由于IPC摄像机的目标检测耗时、IPC相机上的位置到PTZ摄像机上的PTZ坐标的转换算法耗时,IPC摄像机到PTZ摄像机之间的数据传输等耗时导致跟踪的目标位置和真实目标位置有偏差,导致跟踪滞后。有时候,由于耗时原因,使得用比例积分微分PID运动控制算法的采样率低,会导致PTZ摄像机在跟踪速度变化较快的目标时,响应不够及时,跟踪不够平滑。目标跟踪在实际的应用场景中存在较多的局限性,比如要求跟踪目标速度不能太快。但如果跟踪目标是机动车,往往都是迅速而敏捷的,很容易规避掉该监控。
针对在多摄像机联动跟踪对于速度变化快的目标的响应不及时、复杂场景的适应能力和高链路耗时引起的目标滞后问题,尚未提出解决方案。
发明内容
本发明实施例提供了一种摄像机跟踪控制方法及装置,以至少解决在多摄像机联动跟踪对于速度变化快的目标的响应不及时、复杂场景的适应能力和高链路耗时引起的目标滞后问题。
根据本发明的一个实施例,提供了一种摄像机跟踪控制方法,包括:
第二摄像机接收第一摄像机以预定采集周期采集的检测帧的时间戳和所述检测帧中目标对象的PT位置,其中,所述PT位置是所述第一摄像机对所述目标对象的位置信息经过标定转换得到的;
根据所述检测帧的时间戳与所述PT位置确定所述目标对象在当前检测帧内的运动数据;
根据所述运动数据确定所述目标对象的预测实际位置;
通过将所述目标对象的预测实际位置输入PID运动控制算法的方式控制所述第二摄像机转动,对所述目标对象进行跟踪处理,使得所述目标对象以预定比例大小处于所述第二摄像机所采集图像的中心位置。
可选地,根据所述检测帧的时间戳与所述PT位置确定所述目标对象在所述当前检测帧内的运动数据包括:
分别确定所述当前检测帧、上一检测帧内所述目标对象的加速度;
根据所述当前检测帧、所述上一检测帧内所述目标对象的加速度确定所述当前检测帧内所述目标对象的急动度;
根据所述当前检测帧内所述目标对象的加速度、所述当前检测帧内所述目标对象的急动度以及所述当前检测帧的总耗时确定所述当前检测帧内所述目标对象的目标加速度。
可选地,分别确定所述当前检测帧、上一检测帧内所述目标对象的加速度包括:
获取检测帧n、检测帧n-1、检测帧n-2、检测帧n-3、检测帧n-4的时间戳与PT位置,其中,所述检测帧n为所述当前检测帧,所述检测帧n-1为所述上一检测帧;
通过以下公式分别确定所述检测帧n、所述检测帧n-1、所述检测帧n-2、所述检测帧n-3内所述目标对象的速度:
其中,V′n、V′n-1、V′n-2、V′n-3分别为所述检测帧n、所述检测帧n-1、所述检测帧n-2、所述检测帧n-3内所述目标对象的速度,Xn、Xn-1、Xn-2、Xn-3、Xn-4分别为所述检测帧n、所述检测帧n-1、所述检测帧n-2、所述检测帧n-3、所述检测帧n-4的PT位置,Tn、Tn-1、Tn-2、Tn-3、Tn-4分别为所述检测帧n、所述检测帧n-1、所述检测帧n-2、所述检测帧n-3、所述检测帧n-4的时间戳,n为大于或等于5的整数;
通过以下公式根据所述检测帧n内所述目标对象的速度、所述检测帧n-1内所述目标对象的速度确定所述检测帧n内所述目标对象的平滑速度:
Vn=Vn′+wV′n-1
Vn-1=V′n-1+wV′n-2
Vn-2=V′n-2+wV′n-3,其中,Vn为所述检测帧n内所述目标对象的平滑速度,Vn-1为所述检测帧n-1内所述目标对象的平滑速度,Vn-2为所述检测帧n-2内所述目标对象的平滑速度,w为调整系数,w∈(0,1);
通过以下公式根据所述检测帧n内所述目标对象的平滑速度、所述检测帧n-1内所述目标对象的平滑速度分别确定所述检测帧n、所述检测帧n-1内所述目标对象的加速度:
可选地,根据所述当前检测帧、所述上一检测帧内所述目标对象的加速度确定所述当前检测帧内所述目标对象的急动度包括:
通过以下公式根据所述检测帧n内所述目标对象的加速度与所述检测帧n-1内所述目标对象的加速度确定所述检测帧n内所述目标对象的急动度:
可选地,根据所述运动数据确定所述目标对象的预测实际位置包括:
通过以下公式根据所述当前检测帧内所述目标对象的平滑速度、所述当前检测帧的总耗时以及所述当前检测帧内所述目标对象的目标加速度确定所述当前检测帧的总耗时内所述目标对象的位移:
Tu=tn-Tn,其中,Xu为所述当前检测帧的总耗时内所述目标对象的位移,A′n为所述当前检测帧内所述目标对象的目标加速度,Tu为所述当前检测帧的总耗时,tn为接收所述当前检测帧的时间;
通过以下公式确定接收所述当前检测帧时所述目标对象的所述预测实际位置:
Xr=Xn+Xu,其中,Xr为所述预测实际位置。
可选地,通过将所述目标对象的预测实际位置输入PID运动控制算法的方式控制云台转动包括:
通过以下公式确定所述目标对象移动的位移补偿值:
根据所述位移补偿值对所述预测实际位置进程补偿,得到所述目标对象的目标实际位置;
将所述目标实际位置输入PID运动控制算法的方式控制所述PTZ摄像机的云台转动。
可选地,根据所述当前检测帧内所述目标对象的加速度、所述当前检测帧内所述目标对象的急动度以及所述当前检测帧的总耗时确定所述当前检测帧内所述目标对象的目标加速度包括:
获取接收所述当前检测帧的时间;
通过以下公式确定为所述当前检测帧的总耗时:Tu=tn-Tn,其中,Tu为所述当前检测帧的总耗时,tn为接收所述当前检测帧的时间,Tn为所述当前检测帧的时间戳;
通过以下公式根据所述当前检测帧内所述目标对象的加速度、所述当前检测帧的总耗时以及所述当前检测帧内所述目标对象的急动度确定所述当前检测帧内所述目标对象的目标加速度:
A′n=An+Aan·Tu,其中,A′n为所述当前检测帧内所述目标对象的目标加速度,An为所述当前检测帧内所述目标对象的加速度,Aan为所述当前检测帧内所述目标对象的急动度。
根据本发明的另一个实施例,还提供了一种摄像机跟踪控制装置,应用于第二摄像机,包括:
接收模块,用于接收第一摄像机以预定采集周期采集的检测帧的时间戳和所述检测帧中目标对象的PT位置,其中,所述PT位置是所述第一摄像机对所述目标对象的位置信息经过标定转换得到的;
第一确定模块,用于根据所述检测帧的时间戳与所述PT位置确定所述目标对象在当前检测帧内的运动数据;
第二确定模块,用于根据所述运动数据确定所述目标对象的预测实际位置;
控制模块,用于通过将所述目标对象的预测实际位置输入PID运动控制算法的方式控制所述第二摄像机转动,对所述目标对象进行跟踪处理,使得所述目标对象以预定比例大小处于所述第二摄像机所采集图像的中心位置。
可选地,所述第一确定模块包括:
第一确定子模块,用于分别确定所述当前检测帧、上一检测帧内所述目标对象的加速度;
第二确定子模块,用于根据所述当前检测帧、所述上一检测帧内所述目标对象的加速度确定所述当前检测帧内所述目标对象的急动度;
第三确定子模块,用于根据所述当前检测帧内所述目标对象的加速度、所述当前检测帧内所述目标对象的急动度以及所述当前检测帧的总耗时确定所述当前检测帧内所述目标对象的目标加速度。
可选地,所述第一确定子模块包括:
获取检测帧n、检测帧n-1、检测帧n-2、检测帧n-3、检测帧n-4的时间戳与PT位置,其中,所述检测帧n为所述当前检测帧,所述检测帧n-1为所述上一检测帧;
通过以下公式分别确定所述检测帧n、所述检测帧n-1、所述检测帧n-2、所述检测帧n-3内所述目标对象的速度:
其中,V′n、V′n-1、V′n-2、V′n-3分别为所述检测帧n、所述检测帧n-1、所述检测帧n-2、所述检测帧n-3内所述目标对象的速度,Xn、Xn-1、Xn-2、Xn-3、Xn-4分别为所述检测帧n、所述检测帧n-1、所述检测帧n-2、所述检测帧n-3、所述检测帧n-4的PT位置,Tn、Tn-1、Tn-2、Tn-3、Tn-4分别为所述检测帧n、所述检测帧n-1、所述检测帧n-2、所述检测帧n-3、所述检测帧n-4的时间戳,n为大于或等于5的整数;
通过以下公式根据所述检测帧n内所述目标对象的速度、所述检测帧n-1内所述目标对象的速度确定所述检测帧n内所述目标对象的平滑速度:
Vn=Vn′+wV′n-1
Vn-1=V′n-1+wV′n-2
Vn-2=V′n-2+wV′n-3,其中,Vn为所述检测帧n内所述目标对象的平滑速度,Vn-1为所述检测帧n-1内所述目标对象的平滑速度,Vn-2为所述检测帧n-2内所述目标对象的平滑速度,w为调整系数,w∈(0,1);
通过以下公式根据所述检测帧n内所述目标对象的平滑速度、所述检测帧n-1内所述目标对象的平滑速度分别确定所述检测帧n、所述检测帧n-1内所述目标对象的加速度:
可选地,所述第二确定子模块,还用于
通过以下公式根据所述检测帧n内所述目标对象的加速度与所述检测帧n-1内所述目标对象的加速度确定所述检测帧n内所述目标对象的急动度:
可选地,所述第二确定模块包括:
第四确定子模块,用于通过以下公式根据所述当前检测帧内所述目标对象的平滑速度、所述当前检测帧的总耗时以及所述当前检测帧内所述目标对象的目标加速度确定所述当前检测帧的总耗时内所述目标对象的位移:
Tu=tn-Tn,其中,Xu为所述当前检测帧的总耗时内所述目标对象的位移,A′n为所述当前检测帧内所述目标对象的目标加速度,Tu为所述当前检测帧的总耗时,tn为接收所述当前检测帧的时间;
第五确定子模块,用于通过以下公式确定接收所述当前检测帧时所述目标对象的所述预测实际位置:
Xr=Xn+Xu,其中,Xr为所述预测实际位置。
可选地,所述控制模块包括:
第六确定子模块,应用于通过以下公式确定所述目标对象移动的位移补偿值:
补偿子模块,用于根据所述位移补偿值对所述预测实际位置进程补偿,得到所述目标对象的目标实际位置;
控制子模块,用于将所述目标实际位置输入PID运动控制算法的方式控制所述PTZ摄像机的云台转动。
可选地,所述第三确定子模块,还用于
获取接收所述当前检测帧的时间;
通过以下公式确定为所述当前检测帧的总耗时:Tu=tn-Tn,其中,Tu为所述当前检测帧的总耗时,tn为接收所述当前检测帧的时间,Tn为所述当前检测帧的时间戳;
通过以下公式根据所述当前检测帧内所述目标对象的加速度、所述当前检测帧的总耗时以及所述当前检测帧内所述目标对象的急动度确定所述当前检测帧内所述目标对象的目标加速度:
A′n=An+Aan·Tu,其中,A′n为所述当前检测帧内所述目标对象的目标加速度,An为所述当前检测帧内所述目标对象的加速度,Aan为所述当前检测帧内所述目标对象的急动度。
根据本发明的又一个实施例,还提供了一种计算机可读的存储介质,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
根据本发明的又一个实施例,还提供了一种电子装置,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
通过本发明,第二摄像机接收第一摄像机以预定采集周期采集的检测帧的时间戳和所述检测帧中目标对象的PT位置,其中,所述PT位置是所述第一摄像机对所述目标对象的位置信息经过标定转换得到的;根据所述检测帧的时间戳与所述PT位置确定所述目标对象在当前检测帧内的运动数据;根据所述运动数据确定所述目标对象的预测实际位置;通过将所述目标对象的预测实际位置输入PID运动控制算法的方式控制所述第二摄像机转动,对所述目标对象进行跟踪处理,使得所述目标对象以预定比例大小处于所述第二摄像机所采集图像的中心位置,可以解决在多摄像机联动跟踪对于速度变化快的目标的响应不及时、复杂场景的适应能力和高链路耗时引起的目标滞后问题,通过预测目标对象的实际位置,控制云台转动并进行目标跟踪,对耗时导致跟踪的目标位置与真实目标位置的偏差进行补偿,提高了跟踪的响应速度,使得跟踪适用于速度变化快、高速移动的目标,以及更多复杂、多变的场景。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明实施例的摄像机跟踪控制方法的终端设备的硬件结构框图;
图2是根据本发明实施例的摄像机跟踪控制方法的流程图;
图3是根据本发明实施例的IPC摄像机跟踪的流程图;
图4是根据本发明实施例的PTZ摄像机跟踪的流程图;
图5是根据本发明实施例的摄像机跟踪控制装置的框图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
实施例1
本申请实施例一所提供的方法实施例可以在带有摄像功能的终端设备、摄像机、服务器、计算机终端或者类似的运算装置中执行。以运行在带有摄像功能的终端设备上为例,图1是本发明实施例的摄像机跟踪控制方法的终端设备的硬件结构框图,如图1所示,终端设备10可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104,可选地,上述终端设备还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述终端设备的结构造成限定。例如,终端设备10还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如本发明实施例中的报文接收方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至终端设备10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括终端设备10的通信供应商提供的无线网络。在一个实例中,传输装置106包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输装置106可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种运行于上述终端设备的摄像机跟踪控制方法,图2是根据本发明实施例的摄像机跟踪控制方法的流程图,如图2所示,该流程包括如下步骤:
步骤S202,第二摄像机接收第一摄像机以预定采集周期采集的检测帧的时间戳和所述检测帧中目标对象的PT位置,其中,所述PT位置是所述第一摄像机对所述目标对象的位置信息经过标定转换得到的;
本发明实施例中,第一摄像机可以为网络摄像机,第二摄像机为PTZ摄像机,P-水平,T-垂直,Z-变倍,一般就是水平角度、垂直角度和倍数。即可转动的相机,具体可以为球形摄像机、球机或者云台摄像机等,IPC摄像机与PTZ摄像机组合式跟踪,IPC摄像机进行目标检测,通过预先进行的标定绑定,将目标的位置转为PTZ发送到PTZ摄像机,由PTZ摄像机使用PID运动控制算法运动到目标位置,抓取录制跟踪目标的图像信息。
步骤S204,根据所述检测帧的时间戳与所述PT位置确定所述目标对象在当前检测帧内的运动数据;
步骤S206,根据所述运动数据确定所述目标对象的预测实际位置;
步骤S208,通过将所述目标对象的预测实际位置输入PID运动控制算法的方式控制所述第二摄像机转动,对所述目标对象进行跟踪处理,使得所述目标对象以预定比例大小处于所述第二摄像机所采集图像的中心位置。
通过上述步骤S202至S206,可以解决在多摄像机联动跟踪对于速度变化快的目标的响应不及时、复杂场景的适应能力和高链路耗时引起的目标滞后问题,通过预测目标对象的实际位置,控制云台转动并进行目标跟踪,对耗时导致跟踪的目标位置与真实目标位置的偏差进行补偿,提高了跟踪的响应速度,使得跟踪适用于速度变化快、高速移动的目标,以及更多复杂、多变的场景。
本发明实施例中,上述步骤S204具体可以包括:
步骤S2041,分别确定所述当前检测帧、上一检测帧内所述目标对象的加速度;
进一步的,获取检测帧n、检测帧n-1、检测帧n-2、检测帧n-3、检测帧n-4的时间戳与PT位置,其中,所述检测帧n为所述当前检测帧,所述检测帧n-1为所述上一检测帧;
通过以下公式分别确定所述检测帧n、所述检测帧n-1、所述检测帧n-2、所述检测帧n-3内所述目标对象的速度:
其中,V′n、V′n-1、V′n-2、V′n-3分别为所述检测帧n、所述检测帧n-1、所述检测帧n-2、所述检测帧n-3内所述目标对象的速度,Xn、Xn-1、Xn-2、Xn-3、Xn-4分别为所述检测帧n、所述检测帧n-1、所述检测帧n-2、所述检测帧n-3、所述检测帧n-4的PT位置,Tn、Tn-1、Tn-2、Tn-3、Tn-4分别为所述检测帧n、所述检测帧n-1、所述检测帧n-2、所述检测帧n-3、所述检测帧n-4的时间戳,n为大于或等于5的整数;
通过以下公式根据所述检测帧n内所述目标对象的速度、所述检测帧n-1内所述目标对象的速度确定所述检测帧n内所述目标对象的平滑速度:
V′n=V′n+wV′n-1
Vn-1=V′n-1+wV′n-2
Vn-2=V′n-2+wV′n-3,其中,Vn为所述检测帧n内所述目标对象的平滑速度,Vn-1为所述检测帧n-1内所述目标对象的平滑速度,Vn-2为所述检测帧n-2内所述目标对象的平滑速度,w为调整系数,w∈(0,1),具体可以取值为0,。5,0.4等;
通过以下公式根据所述检测帧n内所述目标对象的平滑速度、所述检测帧n-1内所述目标对象的平滑速度分别确定所述检测帧n、所述检测帧n-1内所述目标对象的加速度:
步骤S2042,根据所述当前检测帧、所述上一检测帧内所述目标对象的加速度确定所述当前检测帧内所述目标对象的急动度,其中,急动度又可称为加加速度,描述的是加速度变化快慢的物理量,是加速度变化率;
具体的,通过以下公式根据所述检测帧n内所述目标对象的加速度与所述检测帧n-1内所述目标对象的加速度确定所述检测帧n内所述目标对象的急动度:
可选地,根据所述运动数据确定所述目标对象的预测实际位置包括:
通过以下公式根据所述当前检测帧内所述目标对象的平滑速度、所述当前检测帧的总耗时以及所述当前检测帧内所述目标对象的目标加速度确定所述当前检测帧的总耗时内所述目标对象的位移:
Tu=tn-Tn,其中,Xu为所述当前检测帧的总耗时内所述目标对象的位移,A′n为所述当前检测帧内所述目标对象的目标加速度,Tu为所述当前检测帧的总耗时,tn为接收所述当前检测帧的时间;
通过以下公式确定接收所述当前检测帧时所述目标对象的所述预测实际位置:
Xr=Xn+Xu,其中,Xr为所述预测实际位置。
S2043,根据所述当前检测帧内所述目标对象的加速度、所述当前检测帧内所述目标对象的急动度以及所述当前检测帧的总耗时确定所述当前检测帧内所述目标对象的目标加速度。
具体的,获取接收所述当前检测帧的时间;
通过以下公式确定为所述当前检测帧的总耗时:Tu=tn-Tn,其中,Tu为所述当前检测帧的总耗时,tn为接收所述当前检测帧的时间,Tn为所述当前检测帧的时间戳;
通过以下公式根据所述当前检测帧内所述目标对象的加速度、所述当前检测帧的总耗时以及所述当前检测帧内所述目标对象的急动度确定所述当前检测帧内所述目标对象的目标加速度:
A′n=An+Aan·Tu,其中,A′n为所述当前检测帧内所述目标对象的目标加速度,An为所述当前检测帧内所述目标对象的加速度,Aan为所述当前检测帧内所述目标对象的急动度。
本发明实施例中,上述步骤S208具体可以包括:
通过以下公式确定所述目标对象移动的位移补偿值:
根据所述位移补偿值对所述预测实际位置进程补偿,得到所述目标对象的目标实际位置;
将所述目标实际位置输入PID运动控制算法的方式控制所述PTZ摄像机的云台转动。
下面以上述的第一摄像机为IPC摄像机,第二摄像机为PTZ摄像机为例,对本发明实施例进行说明。
本发明实施例,基于位置预测和运动控制补偿的IPC摄像机与PTZ摄像机组合式跟踪,通过预测算法持续记录、计算目标的每帧的位置、速度、加速度、急动度、帧间隔耗时等多种条件,根据链路耗时来预测目标的真实PT位置,PTZ摄像机根据真实的PT位置来进行运动控制。在运动控制中:通过运动补偿算法,基于预测算法在现有频率的运动控制帧之间,插入运动补偿控制帧,以提高PID运动控制算法的采样率,能够快速响应速度变化快的目标,达到良好的跟踪效果,保证被跟踪目标能够持续保持在PTZ摄像机的画面正中心,以抓取更多目标细节。在整个跟踪过程的链路耗时引起的目标位置偏差上,该方案使用了预测算法解决了这一难题;在PID运动控制算法的良好效果需要较高的控制采样率和实际场景的往往由于耗时原因是低采样率这一矛盾点上。运动补偿算法解决了这个矛盾点。大大提升了在一些重点区域的保护,同时对目标细节与轨迹行为的视频录制,亦可作为事后行为定位与目标属性分析。图3是根据本发明实施例的IPC摄像机跟踪的流程图,如图3所示,包括:
步骤S301,IPC摄像机检测到目标对象进入监控区域;
步骤S302,IPC摄像机激活与PTZ摄像机建立的绑定关系;
步骤S303,IPC摄像机获取目标对象的实时位置信息和当前检测帧的时间戳;
步骤S304,IPC摄像机通过标定,将目标对象的位置信息转换为PTZ摄像机对应的PTZ坐标;
步骤S305,IPC摄像机将PTZ坐标以及当前检测帧的时间戳发送给PTZ摄像机;
步骤S306,IPC摄像机判断目标对象是否还在监控区域内,在判断结果为否的情况下,执行步骤S307,在判断结果为是的情况下,返回步骤S303;
步骤S307,IPC摄像机将与PTZ摄像机的绑定关系设置为空闲,跟踪结束。
本发明实施例中,将PTZ摄像机与IPC摄像机进行标定并建立绑定关系,目的是将IPC摄像机检测区域每个位置能对应到PTZ摄像机的PT位置,PTZ摄像机有云台、机芯可变倍,其中,P代表云台水平方向,T代表云台垂直方向,Z代表镜头倍率。将IPC摄像机作为主机,平时与已建立绑定关系的PTZ摄像机绑定关系为空闲状态,IPC摄像机基于深度卷积神经网络的目标检测算法实时检测区域内的目标R1。当IPC摄像机检测区域出现感兴趣目标时,开始激活绑定关系。IPC摄像机将实时的R1位置经过标定转换为PTZ摄像机的PT位置,同时获取目标出现的检测帧的时间戳Tn,并推送到PTZ摄像机。
图4是根据本发明实施例的PTZ摄像机跟踪的流程图,如图4所示,包括:
步骤S401,PTZ摄像机与IPC摄像机建立绑定关系;
步骤S402,PTZ摄像机判断跟踪是否结束,在判断结果为否的情况下,执行步骤S403,在判断结果为是的情况下,跟踪结束;
步骤S403,PTZ摄像机接收IPC摄像机发送的PTZ坐标和检测帧的时间戳;
步骤S404,PTZ根据接收到的数据计算目标对象的速度、加速度、急动度、总耗时等,其中,急动度为加速度的加速度,总耗时为链路耗时、帧间隔耗时等耗时的总和;
步骤S405,根据目标对象的速度、加速度、急动度、总耗时对目标对象的真实位置进行预测,得到预测实际位置;
步骤S406,将预测实际位置传入PID运动控制算法,控制PTZ摄像机的云台转动,使得目标对象出现在监控画面的中心位置;
步骤S407,根据检测帧间隔的二分之一对真实位置进行补偿,并计算出补偿之后的目标实际位置;
步骤S408,再次将目标实际位置传入PID运动控制算法,控制PTZ摄像机的云台转动,使得目标对象出现在监控画面的中心位置。
PTZ摄像机在接收到IPC发送的数据之后,做数据的记录和计算,具体包括:
a)记录当前检测帧的时间戳Tn,记录当前的PT坐标值Xn,记录下获取数据的时间tn。
b)通过以下公式根据所述当前检测帧的时间戳与所述上一检测帧的时间戳确定所述当前检测帧与所述上一检测帧的时间差:Δt=Tn-Tn-1,Δt为所述时间差,Tn为所述当前检测帧的时间戳,Tn-1为所述上一检测帧的时间戳,n为大于或等于5的整数;
确定所述当前检测帧的总耗时,Tu=tn-Tn,Tu表示的是当前检测帧的算法检测、坐标转换、链路耗时的总耗时。
c)通过以下公式根据所述当前检测帧的PT位置Xn与所述上一检测帧的PT位置确定所述当前检测帧内所述目标对象的位移:ΔXn=Xn-Xn-1,其中,ΔXn为所述位移,Xn为所述当前检测帧的PT位置,Xn-1为所述上一检测帧的PT位置。
根据所述速度V′n、所述上一检测帧中所述目标对象的速度Vn-1确定所述当前检测帧中所述目标对象的平滑速度,Vn=V′n+wV′n-1,w可以取值为V′n-1表示的是上一帧的目标对象的速度,V′n-1=V′n-1+wV′n-2,Vn-1、V′n-2分别为检测帧n-1、检测帧n-2内目标对象的速度,
其中,Xn、Xn-1、Xn-2、Xn-3、Xn-4分别为所述检测帧n、所述检测帧n-1、所述检测帧n-2、所述检测帧n-3、所述检测帧n-4的PT位置,Tn、Tn-1、Tn-2、Tn-3、Tn-4分别为所述检测帧n、所述检测帧n-1、所述检测帧n-2、所述检测帧n-3、所述检测帧n-4的时间戳,n为大于或等于5的整数。
g)根据所述当前检测帧中所述目标对象的加速度、所述当前检测帧的总耗时以及所述当前检测帧中所述目标对象的急动度确定所述当前检测帧中所述目标对象的目标加速度,A′n=An+Aan·Tu,A′n为目标加速度,表示经过处理之后更为合理的加速度。
之后,根据当前目标的运动方向,进行预测计算,主要包括:
b)根据预测算法确定接收所述当前检测帧时所述目标对象的所述预测实际位置,Xr=Xn+Xu,Xr为预测实际位置,表示经过预测算法计算后得到的tn时刻的目标真实位置。
将预测之后的PT值Xr传入PID运动控制算法,控制云台持续移动,变倍,使的目标R1以合适的比例大小出现在PTZ摄像机画面的正中心。
将所述目标实际位置输入PID运动控制算法的方式控制所述PTZ摄像机的云台转动,计算新PT值为
本发明实施例,IPC摄像机和PTZ摄像机联动跟踪的高链路耗时引起的目标在画面内滞后的问题,跟踪滞后一般传统的做法是将目标占比变小,以得到更全的目标信息,但这一样一来,目标的细节信息也相应减少。本发明实施例中的预测算法使得PTZ摄像机的跟踪不滞后,能够在较大目标占比的时候保证目标完整性,也能更多、更准确得获取目标细节信息;IPC摄像机和PTZ摄像机联动跟踪的低采样率低引起的跟踪响应不够及时的问题,往往跟踪会发生在多非机动车、机动车等的场景,目标移速较快。该提案的运动补偿算法大大提高了PID运动控制算法的采样率,提高了跟踪的响应速度,使得跟踪适用于速度变化快、高速移动的目标,以及更多复杂、多变的场景。
实施例2
根据本发明的另一个实施例,还提供了一种摄像机跟踪控制装置,应用于第二摄像机,图5是根据本发明实施例的摄像机跟踪控制装置的框图,如图5所示,包括:
接收模块52,用于接收第一摄像机以预定采集周期采集的检测帧的时间戳和所述检测帧中目标对象的PT位置,其中,所述PT位置是所述第一摄像机对所述目标对象的位置信息经过标定转换得到的;
第一确定模块54,用于根据所述检测帧的时间戳与所述PT位置确定所述目标对象在当前检测帧内的运动数据;
第二确定模块56,用于根据所述运动数据确定所述目标对象的预测实际位置;
控制模块58,用于通过将所述目标对象的预测实际位置输入PID运动控制算法的方式控制所述第二摄像机转动,对所述目标对象进行跟踪处理,使得所述目标对象以预定比例大小处于所述第二摄像机所采集图像的中心位置。
可选地,所述第一确定模块54包括:
第一确定子模块,用于分别确定所述当前检测帧、上一检测帧内所述目标对象的加速度;
第二确定子模块,用于根据所述当前检测帧、所述上一检测帧内所述目标对象的加速度确定所述当前检测帧内所述目标对象的急动度;
第三确定子模块,用于根据所述当前检测帧内所述目标对象的加速度、所述当前检测帧内所述目标对象的急动度以及所述当前检测帧的总耗时确定所述当前检测帧内所述目标对象的目标加速度。
可选地,所述第一确定子模块包括:
获取检测帧n、检测帧n-1、检测帧n-2、检测帧n-3、检测帧n-4的时间戳与PT位置,其中,所述检测帧n为所述当前检测帧,所述检测帧n-1为所述上一检测帧;
通过以下公式分别确定所述检测帧n、所述检测帧n-1、所述检测帧n-2、所述检测帧n-3内所述目标对象的速度:
其中,V′n、V′n-1、V′n-2、V′n-3分别为所述检测帧n、所述检测帧n-1、所述检测帧n-2、所述检测帧n-3内所述目标对象的速度,Xn、Xn-1、Xn-2、Xn-3、Xn-4分别为所述检测帧n、所述检测帧n-1、所述检测帧n-2、所述检测帧n-3、所述检测帧n-4的PT位置,Tn、Tn-1、Tn-2、Tn-3、Tn-4分别为所述检测帧n、所述检测帧n-1、所述检测帧n-2、所述检测帧n-3、所述检测帧n-4的时间戳,n为大于或等于5的整数;
通过以下公式根据所述检测帧n内所述目标对象的速度、所述检测帧n-1内所述目标对象的速度确定所述检测帧n内所述目标对象的平滑速度:
Vn=V′n+wV′n-1
Vn-1=V′n-1+wV′n-2
Vn-2=V′n-2+wV′n-3,其中,Vn为所述检测帧n内所述目标对象的平滑速度,Vn-1为所述检测帧n-1内所述目标对象的平滑速度,Vn-2为所述检测帧n-2内所述目标对象的平滑速度,w为调整系数,w∈(0,1);
通过以下公式根据所述检测帧n内所述目标对象的平滑速度、所述检测帧n-1内所述目标对象的平滑速度分别确定所述检测帧n、所述检测帧n-1内所述目标对象的加速度:
可选地,所述第二确定子模块,还用于
通过以下公式根据所述检测帧n内所述目标对象的加速度与所述检测帧n-1内所述目标对象的加速度确定所述检测帧n内所述目标对象的急动度:
可选地,所述第二确定模块56包括:
第四确定子模块,用于通过以下公式根据所述当前检测帧内所述目标对象的平滑速度、所述当前检测帧的总耗时以及所述当前检测帧内所述目标对象的目标加速度确定所述当前检测帧的总耗时内所述目标对象的位移:
Tu=tn-Tn,其中,Xu为所述当前检测帧的总耗时内所述目标对象的位移,A′n为所述当前检测帧内所述目标对象的目标加速度,Tu为所述当前检测帧的总耗时,tn为接收所述当前检测帧的时间;
第五确定子模块,用于通过以下公式确定接收所述当前检测帧时所述目标对象的所述预测实际位置:
Xr=Xn+Xu,其中,Xr为所述预测实际位置。
可选地,所述控制模块58包括:
第六确定子模块,应用于通过以下公式确定所述目标对象移动的位移补偿值:
补偿子模块,用于根据所述位移补偿值对所述预测实际位置进程补偿,得到所述目标对象的目标实际位置;
控制子模块,用于将所述目标实际位置输入PID运动控制算法的方式控制所述PTZ摄像机的云台转动。
可选地,所述第三确定子模块,还用于
获取接收所述当前检测帧的时间;
通过以下公式确定为所述当前检测帧的总耗时:Tu=tn-Tn,其中,Tu为所述当前检测帧的总耗时,tn为接收所述当前检测帧的时间,Tn为所述当前检测帧的时间戳;
通过以下公式根据所述当前检测帧内所述目标对象的加速度、所述当前检测帧的总耗时以及所述当前检测帧内所述目标对象的急动度确定所述当前检测帧内所述目标对象的目标加速度:
A′n=An+Aan·Tu,其中,A′n为所述当前检测帧内所述目标对象的目标加速度,An为所述当前检测帧内所述目标对象的加速度,Aan为所述当前检测帧内所述目标对象的急动度。
需要说明的是,上述各个模块是可以通过软件或硬件来实现的,对于后者,可以通过以下方式实现,但不限于此:上述模块均位于同一处理器中;或者,上述各个模块以任意组合的形式分别位于不同的处理器中。
实施例3
本发明的实施例还提供了一种计算机可读的存储介质,该存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地,在本实施例中,上述存储介质可以被设置为存储用于执行以下步骤的计算机程序:
S1,第二摄像机接收第一摄像机以预定采集周期采集的检测帧的时间戳和所述检测帧中目标对象的PT位置,其中,所述PT位置是所述第一摄像机对所述目标对象的位置信息经过标定转换得到的;
S2,根据所述检测帧的时间戳与所述PT位置确定所述目标对象在当前检测帧内的运动数据;
S3,根据所述运动数据确定所述目标对象的预测实际位置;
S4,通过将所述目标对象的预测实际位置输入PID运动控制算法的方式控制所述第二摄像机转动,对所述目标对象进行跟踪处理,使得所述目标对象以预定比例大小处于所述第二摄像机所采集图像的中心位置。
可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
实施例4
本发明的实施例还提供了一种电子装置,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
可选地,在本实施例中,上述处理器可以被设置为通过计算机程序执行以下步骤:
S1,第二摄像机接收第一摄像机以预定采集周期采集的检测帧的时间戳和所述检测帧中目标对象的PT位置,其中,所述PT位置是所述第一摄像机对所述目标对象的位置信息经过标定转换得到的;
S2,根据所述检测帧的时间戳与所述PT位置确定所述目标对象在当前检测帧内的运动数据;
S3,根据所述运动数据确定所述目标对象的预测实际位置;
S4,通过将所述目标对象的预测实际位置输入PID运动控制算法的方式控制所述第二摄像机转动,对所述目标对象进行跟踪处理,使得所述目标对象以预定比例大小处于所述第二摄像机所采集图像的中心位置。
可选地,本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,本实施例在此不再赘述。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种摄像机跟踪控制方法,其特征在于,包括:
第二摄像机接收第一摄像机以预定采集周期采集的检测帧的时间戳和所述检测帧中目标对象的水平垂直PT位置,其中,所述PT位置是所述第一摄像机对所述目标对象的位置信息经过标定转换得到的;
根据所述检测帧的时间戳与所述PT位置确定所述目标对象在当前检测帧内的运动数据;
根据所述运动数据确定所述目标对象的预测实际位置;
通过将所述目标对象的预测实际位置输入比例积分微分PID运动控制算法的方式控制所述第二摄像机转动,对所述目标对象进行跟踪处理,使得所述目标对象以预定比例大小处于所述第二摄像机所采集图像的中心位置。
2.根据权利要求1所述的方法,其特征在于,根据所述检测帧的时间戳与所述PT位置确定所述目标对象在所述当前检测帧内的运动数据包括:
分别确定所述当前检测帧、上一检测帧内所述目标对象的加速度;
根据所述当前检测帧、所述上一检测帧内所述目标对象的加速度确定所述当前检测帧内所述目标对象的急动度;
根据所述当前检测帧内所述目标对象的加速度、所述当前检测帧内所述目标对象的急动度以及所述当前检测帧的总耗时确定所述当前检测帧内所述目标对象的目标加速度。
3.根据权利要求2所述的方法,其特征在于,分别确定所述当前检测帧、上一检测帧内所述目标对象的加速度包括:
获取检测帧n、检测帧n-1、检测帧n-2、检测帧n-3、检测帧n-4的时间戳与PT位置,其中,所述检测帧n为所述当前检测帧,所述检测帧n-1为所述上一检测帧;
通过以下公式分别确定所述检测帧n、所述检测帧n-1、所述检测帧n-2、所述检测帧n-3内所述目标对象的速度:
其中,V′n、V′n-1、V′n-2、V′n-3分别为所述检测帧n、所述检测帧n-1、所述检测帧n-2、所述检测帧n-3内所述目标对象的速度,Xn、Xn-1、Xn-2、Xn-3、Xn-4分别为所述检测帧n、所述检测帧n-1、所述检测帧n-2、所述检测帧n-3、所述检测帧n-4的PT位置,Tn、Tn-1、Tn-2、Tn-3、Tn-4分别为所述检测帧n、所述检测帧n-1、所述检测帧n-2、所述检测帧n-3、所述检测帧n-4的时间戳,n为大于或等于5的整数;
通过以下公式根据所述检测帧n内所述目标对象的速度、所述检测帧n-1内所述目标对象的速度确定所述检测帧n内所述目标对象的平滑速度:
Vn=V′n+wV′n-1
Vn-1=V′n-1+wV′n-2
Vn-2=V′n-2+wV′n-3,其中,Vn为所述检测帧n内所述目标对象的平滑速度,Vn-1为所述检测帧n-1内所述目标对象的平滑速度,Vn-2为所述检测帧n-2内所述目标对象的平滑速度,w为调整系数,w∈(0,1);
通过以下公式根据所述检测帧n内所述目标对象的平滑速度、所述检测帧n-1内所述目标对象的平滑速度分别确定所述检测帧n、所述检测帧n-1内所述目标对象的加速度:
7.根据权利要求2至4、6中任一项所述的方法,其特征在于,根据所述当前检测帧内所述目标对象的加速度、所述当前检测帧内所述目标对象的急动度以及所述当前检测帧的总耗时确定所述当前检测帧内所述目标对象的目标加速度包括:
获取接收所述当前检测帧的时间;
通过以下公式确定为所述当前检测帧的总耗时:Tu=tn-Tn,其中,Tu为所述当前检测帧的总耗时,tn为接收所述当前检测帧的时间,Tn为所述当前检测帧的时间戳;
通过以下公式根据所述当前检测帧内所述目标对象的加速度、所述当前检测帧的总耗时以及所述当前检测帧内所述目标对象的急动度确定所述当前检测帧内所述目标对象的目标加速度:
A′n=An+Aan·Tu,其中,A′n为所述当前检测帧内所述目标对象的目标加速度,An为所述当前检测帧内所述目标对象的加速度,Aan为所述当前检测帧内所述目标对象的急动度。
8.一种摄像机跟踪控制装置,应用于第二摄像机,其特征在于,包括:
接收模块,用于接收第一摄像机以预定采集周期采集的检测帧的时间戳和所述检测帧中目标对象的PT位置,其中,所述PT位置是所述第一摄像机对所述目标对象的位置信息经过标定转换得到的;
第一确定模块,用于根据所述检测帧的时间戳与所述PT位置确定所述目标对象在当前检测帧内的运动数据;
第二确定模块,用于根据所述运动数据确定所述目标对象的预测实际位置;
控制模块,用于通过将所述目标对象的预测实际位置输入比例积分微分PID运动控制算法的方式控制所述第二摄像机转动,对所述目标对象进行跟踪处理,使得所述目标对象以预定比例大小处于所述第二摄像机所采集图像的中心位置。
9.一种计算机可读的存储介质,其特征在于,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行所述权利要求1至7中任一项所述的方法。
10.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行所述权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010105202.8A CN111340857B (zh) | 2020-02-20 | 2020-02-20 | 一种摄像机跟踪控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010105202.8A CN111340857B (zh) | 2020-02-20 | 2020-02-20 | 一种摄像机跟踪控制方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111340857A true CN111340857A (zh) | 2020-06-26 |
CN111340857B CN111340857B (zh) | 2023-09-19 |
Family
ID=71185522
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010105202.8A Active CN111340857B (zh) | 2020-02-20 | 2020-02-20 | 一种摄像机跟踪控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111340857B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111757011A (zh) * | 2020-07-14 | 2020-10-09 | 深圳天海宸光科技有限公司 | 基于pid算法的球机高精度追踪系统及方法 |
CN113296546A (zh) * | 2021-04-22 | 2021-08-24 | 杭州晟冠科技有限公司 | 一种轮船联动跟踪定位误差的补偿方法 |
WO2022000382A1 (zh) * | 2020-07-01 | 2022-01-06 | 深圳市大疆创新科技有限公司 | 时间同步方法、图像处理方法、控制方法、装置、控制系统、可移动平台、云台和介质 |
EP4152252A1 (en) * | 2021-09-21 | 2023-03-22 | The Boeing Company | Method and apparatus for hand-off and tracking for pose estimation of a fiducial marker |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120188350A1 (en) * | 2011-01-25 | 2012-07-26 | Asa Hammond | System and method for improved video motion control |
US8958602B1 (en) * | 2013-09-27 | 2015-02-17 | The United States Of America As Represented By The Secretary Of The Navy | System for tracking maritime domain targets from full motion video |
CN105338248A (zh) * | 2015-11-20 | 2016-02-17 | 成都因纳伟盛科技股份有限公司 | 智能多目标主动跟踪监控方法及系统 |
CN105407283A (zh) * | 2015-11-20 | 2016-03-16 | 成都因纳伟盛科技股份有限公司 | 一种多目标主动识别跟踪监控方法 |
JP2016111649A (ja) * | 2014-12-10 | 2016-06-20 | 沖電気工業株式会社 | 監視システム、映像解析装置、映像解析方法およびプログラム |
US20160189391A1 (en) * | 2014-02-26 | 2016-06-30 | Apeiros, Llc | Mobile, wearable, automated target tracking system |
CN106502272A (zh) * | 2016-10-21 | 2017-03-15 | 上海未来伙伴机器人有限公司 | 一种目标跟踪控制方法及装置 |
CN106791715A (zh) * | 2017-02-24 | 2017-05-31 | 深圳英飞拓科技股份有限公司 | 分级联控智能监控方法及系统 |
CN106878679A (zh) * | 2017-02-24 | 2017-06-20 | 深圳英飞拓科技股份有限公司 | 智能监控联动系统及控制方法 |
CN107016367A (zh) * | 2017-04-06 | 2017-08-04 | 北京精英智通科技股份有限公司 | 一种跟踪控制方法及跟踪控制系统 |
WO2018228410A1 (zh) * | 2017-06-16 | 2018-12-20 | 杭州海康威视数字技术股份有限公司 | 一种目标对象抓拍方法、装置及视频监控设备 |
US10165186B1 (en) * | 2015-06-19 | 2018-12-25 | Amazon Technologies, Inc. | Motion estimation based video stabilization for panoramic video from multi-camera capture device |
CN109324638A (zh) * | 2018-12-05 | 2019-02-12 | 中国计量大学 | 基于机器视觉的四旋翼无人机目标跟踪系统 |
CN109360225A (zh) * | 2018-10-16 | 2019-02-19 | 北京理工大学 | 一种运动模型的优化系统及方法 |
-
2020
- 2020-02-20 CN CN202010105202.8A patent/CN111340857B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120188350A1 (en) * | 2011-01-25 | 2012-07-26 | Asa Hammond | System and method for improved video motion control |
US8958602B1 (en) * | 2013-09-27 | 2015-02-17 | The United States Of America As Represented By The Secretary Of The Navy | System for tracking maritime domain targets from full motion video |
US20160189391A1 (en) * | 2014-02-26 | 2016-06-30 | Apeiros, Llc | Mobile, wearable, automated target tracking system |
JP2016111649A (ja) * | 2014-12-10 | 2016-06-20 | 沖電気工業株式会社 | 監視システム、映像解析装置、映像解析方法およびプログラム |
US10165186B1 (en) * | 2015-06-19 | 2018-12-25 | Amazon Technologies, Inc. | Motion estimation based video stabilization for panoramic video from multi-camera capture device |
CN105338248A (zh) * | 2015-11-20 | 2016-02-17 | 成都因纳伟盛科技股份有限公司 | 智能多目标主动跟踪监控方法及系统 |
CN105407283A (zh) * | 2015-11-20 | 2016-03-16 | 成都因纳伟盛科技股份有限公司 | 一种多目标主动识别跟踪监控方法 |
CN106502272A (zh) * | 2016-10-21 | 2017-03-15 | 上海未来伙伴机器人有限公司 | 一种目标跟踪控制方法及装置 |
CN106878679A (zh) * | 2017-02-24 | 2017-06-20 | 深圳英飞拓科技股份有限公司 | 智能监控联动系统及控制方法 |
CN106791715A (zh) * | 2017-02-24 | 2017-05-31 | 深圳英飞拓科技股份有限公司 | 分级联控智能监控方法及系统 |
CN107016367A (zh) * | 2017-04-06 | 2017-08-04 | 北京精英智通科技股份有限公司 | 一种跟踪控制方法及跟踪控制系统 |
WO2018228410A1 (zh) * | 2017-06-16 | 2018-12-20 | 杭州海康威视数字技术股份有限公司 | 一种目标对象抓拍方法、装置及视频监控设备 |
CN109360225A (zh) * | 2018-10-16 | 2019-02-19 | 北京理工大学 | 一种运动模型的优化系统及方法 |
CN109324638A (zh) * | 2018-12-05 | 2019-02-12 | 中国计量大学 | 基于机器视觉的四旋翼无人机目标跟踪系统 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022000382A1 (zh) * | 2020-07-01 | 2022-01-06 | 深圳市大疆创新科技有限公司 | 时间同步方法、图像处理方法、控制方法、装置、控制系统、可移动平台、云台和介质 |
CN111757011A (zh) * | 2020-07-14 | 2020-10-09 | 深圳天海宸光科技有限公司 | 基于pid算法的球机高精度追踪系统及方法 |
CN113296546A (zh) * | 2021-04-22 | 2021-08-24 | 杭州晟冠科技有限公司 | 一种轮船联动跟踪定位误差的补偿方法 |
CN113296546B (zh) * | 2021-04-22 | 2023-01-06 | 杭州晟冠科技有限公司 | 一种轮船联动跟踪定位误差的补偿方法 |
EP4152252A1 (en) * | 2021-09-21 | 2023-03-22 | The Boeing Company | Method and apparatus for hand-off and tracking for pose estimation of a fiducial marker |
US11941840B2 (en) | 2021-09-21 | 2024-03-26 | The Boeing Company | Method and apparatus for hand-off and tracking for pose estimation of a fiducial marker |
Also Published As
Publication number | Publication date |
---|---|
CN111340857B (zh) | 2023-09-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111340857B (zh) | 一种摄像机跟踪控制方法及装置 | |
US10582162B2 (en) | Image information collecting system and method for collecting image information on moving object | |
CN108062507B (zh) | 一种视频处理方法及装置 | |
KR101560763B1 (ko) | 모션 비디오를 프로세싱하는 방법 및 장치 | |
WO2012095867A4 (en) | An integrated intelligent server based system and method/systems adapted to facilitate fail-safe integration and /or optimized utilization of various sensory inputs | |
CN109960969B (zh) | 移动路线生成的方法、装置及系统 | |
CN111291061B (zh) | 数据统计方法、装置和电子系统 | |
CN114363670B (zh) | 视频读取方法、装置、设备和存储介质 | |
CN114556879A (zh) | 延时检测方法、装置、系统、可移动平台和存储介质 | |
CN112347856A (zh) | 一种基于教室场景的无感知考勤系统及方法 | |
CN106534347A (zh) | 基于lbs和自动拍照技术进行户外广告监测的方法 | |
CN112752113A (zh) | 直播服务器异常因素的确定方法及装置 | |
US11979660B2 (en) | Camera analyzing images on basis of artificial intelligence, and operating method therefor | |
KR102664027B1 (ko) | 인공지능에 기반하여 영상을 분석하는 카메라 및 그것의 동작 방법 | |
CN110855947B (zh) | 一种图像抓拍处理方法及装置 | |
US10701122B2 (en) | Video streaming stitching and transmitting method, video streaming gateway and video streaming viewer | |
US10855902B2 (en) | System, method and apparatus for networking-independent synchronized generation of a series of images | |
CN116168045A (zh) | 扫变镜头的分割方法和系统、存储介质及电子设备 | |
KR20190110013A (ko) | 카메라 시스템 | |
CN114844585A (zh) | 一种数据同步的方法、系统及相关设备 | |
CN111263081B (zh) | 曝光统计值的确定方法和装置、存储介质及电子装置 | |
CN111654673A (zh) | 视频封面的更新方法、装置及存储介质 | |
WO2021036275A1 (zh) | 多路视频同步的方法、系统及设备 | |
CN113162899B (zh) | 基于5g通讯实现系统智能化执法的应用平台系统、方法、装置、处理器及其存储介质 | |
JP4333255B2 (ja) | 監視装置 |
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 |