CN112330710B - 运动目标的识别追踪方法、装置、服务器及可读存储介质 - Google Patents
运动目标的识别追踪方法、装置、服务器及可读存储介质 Download PDFInfo
- Publication number
- CN112330710B CN112330710B CN202011102026.9A CN202011102026A CN112330710B CN 112330710 B CN112330710 B CN 112330710B CN 202011102026 A CN202011102026 A CN 202011102026A CN 112330710 B CN112330710 B CN 112330710B
- Authority
- CN
- China
- Prior art keywords
- tracking
- identity number
- image
- tracking target
- 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.)
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
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
本申请适用于图像处理技术领域,提供了一种运动目标的识别追踪方法、装置、服务器及可读存储介质,方法包括:获取待识别图像,识别待识别图像中追踪目标的类型,确定与追踪目标的类型对应的列表,通过第一识别算法对待识别图像中的追踪目标的身份编号进行识别获得第一身份编号识别结果,通过第二识别算法根据列表对待识别图像中的追踪目标的身份编号进行识别获得第二身份编号识别结果,在检测到第一身份编号识别结果和第二身份编号识别结果相同时,根据第一身份编号识别结果确定追踪目标的身份编号,判定追踪目标识别成功并对追踪目标进行追踪,降低了环境因素对目标识别效果的影响,提高了目标识别和定位追踪的精度和效率。
Description
技术领域
本申请属于图像处理技术领域,尤其涉及一种运动目标的识别追踪方法、装置、服务器及可读存储介质。
背景技术
在现有的运动赛事中,对运动员进行追踪定位是一项重要的环节,根据追踪定位信息可分析运动员的运动速度、运动距离、运动方向等数据,同时通过显示追踪定位信息能提高运动赛事的观赏性。
现有运动员的追踪定位方法包括通过携带定位设备实现追踪定位的方法和基于深度学习的视觉AI技术(如人脸识别)实现追踪定位的方法。
通过携带定位设备实现追踪定位的方法通常通过GPS、蓝牙、WIFI、UWB、LORA等通信技术实现定位功能,获取到的定位精度不高,误差较大,基于环境或网络影响容易出现定位数据丢失或定位偏移等现象。
基于深度学习的视觉AI技术(如人脸识别)实现追踪定位的方法的计算量大、效率低并且成本高,同时容易受到外界环境的影响出现目标丢失的问题。
发明内容
本申请实施例提供了一种运动目标的识别追踪方法、装置、终端设备及可读存储介质,可以解决相关技术无法准确识别目标的身份、定位精度不高、误差大、容易出现数据丢失、定位偏移或者计算量大、效率低、成本高并且容易出现目标丢失的问题。
第一方面,本申请实施例提供了一种运动目标的识别追踪方法,包括:
获取待识别图像;其中,所述待识别图像包括追踪目标,所述追踪目标携带所述追踪目标的身份编号;
识别所述待识别图像中追踪目标的类型,确定与所述追踪目标的类型对应的列表;其中,每个追踪目标的类型预先关联一个列表,所述列表包括对应类型的所有追踪目标的身份编号图像;
通过第一识别算法对所述待识别图像中的追踪目标的身份编号进行识别,获得第一身份编号识别结果;
通过第二识别算法根据所述列表对所述待识别图像中的追踪目标的身份编号进行识别,获得第二身份编号识别结果;
检测所述第一身份编号识别结果和所述第二身份编号识别结果是否相同;
在检测到所述第一身份编号识别结果和所述第二身份编号识别结果相同时,根据所述第一身份编号识别结果确定所述追踪目标的身份编号,判定所述追踪目标识别成功并对所述追踪目标进行追踪。
第二方面,本申请实施例提供了一种运动目标的识别追踪装置,包括:
第一获取模块,用于获取待识别图像;其中,所述待识别图像包括追踪目标,所述追踪目标携带所述追踪目标的身份编号;
第一确定模块,用于识别所述待识别图像中追踪目标的类型,确定与所述追踪目标的类型对应的列表;其中,每个追踪目标的类型预先关联一个列表,所述列表包括对应类型的所有追踪目标的身份编号图像;
第一识别模块,用于通过第一识别算法对所述待识别图像中的追踪目标的身份编号进行识别,获得第一身份编号识别结果;
第二识别模块,用于通过第二识别算法根据所述列表对所述待识别图像中的追踪目标的身份编号进行识别,获得第二身份编号识别结果;
第一检测模块,用于检测所述第一身份编号识别结果和所述第二身份编号识别结果是否相同;
追踪模块,用于在检测到所述第一身份编号识别结果和所述第二身份编号识别结果相同时,根据所述第一身份编号识别结果确定所述追踪目标的身份编号,判定所述追踪目标识别成功并对所述追踪目标进行追踪。
第三方面,本申请实施例提供了一种服务器,包括存储器、处理器以及存储在所述存储器中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时实现如上述第一方面所述的运动目标的识别追踪方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机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实现如上述第一方面所述的运动目标的识别追踪方法。
第五方面,本申请实施例提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行上述第一方面所述的运动目标的识别追踪方法。
通过在目标场地设置的摄像头拍摄的包含追踪目标的待识别图像,根据不同的识别算法对待识别图像中目标的身份编号进行识别,获得对应的识别结果在判断出两种识别结果相同时,确定目标的身份编号并进行目标的追踪,降低了环境因素对目标识别效果的影响,提高了目标识别和定位追踪的精度和效率。
可以理解的是,上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
附图说明
为了更清楚地说明本申请实施例中的技术方案,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是本申请实施例提供的基于运动目标的识别追踪系统的示意图;
图2是本申请实施例提供的运动目标的识别追踪方法的流程示意图;
图3是本申请实施例提供的与追踪目标的类型对应的列表的示意图;
图4和图5是本申请实施例提供的获取分割图像的应用场景示意图;
图6是本申请实施例提供的运动目标的识别追踪装置的结构示意图;
图7是本申请实施例提供的服务器的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
本申请实施例提供的运动目标的识别追踪方法可以应用于服务器等终端设备上,本申请实施例对终端设备的具体类型不作任何限制。
近年来,虽然基于运动目标的定位追踪技术已经得到了一定的发展,但是现有基于运动目标的定位追踪技术在一定程度上存在无法准确识别目标的身份、定位精度不高、数据丢失、定位偏移或者计算量大、效率低、成本高、易出现目标丢失等问题。为解决上述问题,本申请提出了运动目标的识别追踪方法、运动目标的识别追踪装置、服务器及计算机可读存储介质,可在运动目标在目标场所内运动时,通过对包含运动目标的待识别图像进行识别,确定运动目标的身份编号并进行追踪。
为实现本申请所提出的技术方案,可先构建一基于运动目标的识别追踪系统。请参阅图1,该运动目标的识别追踪系统由设置于目标场所的一个以上摄像头(图1中仅示出4个)及主服务器构成,其中,主服务器包括一个以上的子服务器(图1中仅示出4个),且多个摄像头的拍摄角度不同,每个摄像头分别与一个子服务器之间通信连接。
其中,摄像头为能够获取包含运动目标的待识别图像的摄像设备。在运动目标在目标场所内运动时,其可拍摄获取包含运动目标的待识别图像,并上传至子服务器;子服务器在接收到包含运动目标的待识别图像后,对待识别图像中运动目标的类型进行识别,并根据运动目标的类型确定对应的列表,根据第一识别算法识别运动目标携带的身份编号获得第一身份编号识别结果,通过第二识别算法和上述列表识别运动目标携带的身份编号获得第二身份编号识别结果,并检测第一身份编号识别结果和第二身份编号识别结果是否相同,若相同,则根据第一身份编号识别结果确定运动目标的身份编号,将运动目标的身份编号发送至主服务器,并对运动目标进行追踪;若不相同,则子服务器分别获取在同一时刻通过多个不同角度的摄像头拍摄的位于同一个位置的运动目标的待识别图像,并对上述所有待识别图像进行识别,获得运动目标的所有身份编号识别结果计算运动目标的所有身份编号识别结果的重复率,获取重复率最高的身份编号识别结果作为第三身份编号识别结果,并根据第三身份编号识别结果确定运动目标的身份编号,将运动目标的身份编号发送至主服务器,并对运动目标进行追踪,主服务器用于接收子服务器发送的运动目标的身份编号并保存,实现对运动目标的追踪。
为了说明本申请所提出的技术方案,下面通过具体实施例来进行说明。
图2示出了本申请提供的运动目标的识别追踪方法的示意性流程图,作为示例而非限定,该方法可以应用于上述子服务器中。
S101、获取待识别图像;其中,所述待识别图像包括追踪目标,所述追踪目标携带所述追踪目标的身份编号。
在具体应用中,预先要求追踪目标在目标场所内需穿戴包含身份编号的且具有与追踪目标的类型对应的颜色特征的服饰,便于进行身份识别。并获取通过设置于目标场地的摄像头拍摄并上传的待识别图像;其中,待识别图像应包括追踪目标,待识别图像中的追踪目标携带该追踪目标的身份编号;摄像头包括但不限于单目摄像头或双目摄像头。目标场地是指进行体育赛事的运动场所。追踪目标是指在目标场地内运动的目标。目标场地包括但不限于足球场、篮球场、网球场、乒乓球场等;对应的,追踪目标包括在足球场地内运动的足球运动员、足球教练、足球裁判、守门员;或者,追踪目标包括在篮球场内运动的篮球运动员、篮球教练等。
S102、识别所述待识别图像中追踪目标的类型,确定与所述追踪目标的类型对应的列表;其中,每个追踪目标的类型预先关联一个列表,所述列表包括对应类型的所有追踪目标的身份编号图像。
在具体应用中,根据预设算法识别待识别图像中追踪目标的类型,并根据追踪目标的类型确定对应的列表。每个列表包括对应类型的所有追踪目标的身份编号图像。
作为示例而非限定,在获取到预设大小的身份编号图像时,可预先对身份编号图像进行预处理,再将预处理后的身份编号图像存储至对应的列表中。其中,预处理方法包括二值化处理,便于计算身份编号图像的哈希值。预设大小可以根据实际情况进行具体设定,例如,设定预设大小为第一识别算法和第二识别算法的最佳识别图像的大小。
其中,预设算法可以根据实际情况进行具体设定,例如,设定预设算法为Camshift算法。
其中,追踪目标的类型根据运动项目的类型进行对应的设定;例如,若当前举行的是足球比赛,则对应的追踪目标的类型包括但不限于A队运动员、B队足球运动员、A队守门员、B队守门员、裁判等。对应的,每类追踪目标的类型预先关联一个列表,每个列表中包括对应追踪目标的类型中所有追踪目标的身份编号图像。
例如,若追踪目标的类型是A队运动员,对应的关联第一列表,其中,第一列表中包括所有A队运动员的身份编号图像。
可以理解的是,预先设定不同类型的追踪目标的身份编号不相同。
例如,A队运动员的身份编号分别是:2,3,4,5,6;B队足球运动员的身份编号分别是:7,8,9,10,11;裁判的身份编号分别是13,14,15;A队守门员的身份编号为1,B队守门员的身份编号为12。
如图3所示,提供了一种与追踪目标的类型对应的列表的示意图;
图3中,检测到追踪目标的类型是A队运动员,并且A队运动员的身份编号分别是:2,3,4,5,6;则与追踪目标的类型是A队运动员对应的第一列表中包括身份编号2,身份编号3,身份编号4,身份编号5以及身份编号6的图像。
S103、通过第一识别算法对所述待识别图像中的追踪目标的身份编号进行识别,获得第一身份编号识别结果。
在具体应用中,确定追踪目标的身份编号在待识别图像中的具体位置,并根据踪目标的身份编号在待识别图像中的具体位置对身份编号,获得对应的第一身份编号识别结果。其中,第一识别算法包括但不限于字符识别算法,用于对追踪目标的身份编号进行识别。例如,通过字符识别算法识别出追踪目标所携带的身份编号为字符5,则第一身份编号识别结果即为5。
S104、通过第二识别算法根据所述列表对所述待识别图像中的追踪目标的身份编号进行识别,获得第二身份编号识别结果。
在具体应用中,通过第二识别算法计算列表中包含的身份编码图像与待识别图像中的追踪目标身份编号之间的相似度,获取相似度满足预设条件的身份编码图像所对应的身份编码,作为第二身份编号识别结果。其中,第二识别算法包括但不限于感知哈希算法。其中,预设条件可以根据实际情况进行具体设定,例如,预设条件设定为相似度小于相似度阈值。
例如,若通过第二识别算法计算出,身份编码图像5与待识别图像中的追踪目标身份编号之间的相似度小于相似度阈值,则对应的,第二身份编号识别结果为5。
S105、检测所述第一身份编号识别结果和所述第二身份编号识别结果是否相同。
S106、在检测到所述第一身份编号识别结果和所述第二身份编号识别结果相同时,根据所述第一身份编号识别结果确定所述追踪目标的身份编号,判定所述追踪目标识别成功并对所述追踪目标进行追踪。
在具体应用中,检测第一身份编号识别结果和第二身份编号识别结果是否相同,如果测到第一身份编号识别结果和第二身份编号识别结果相同,根据第一身份编号识别结果确定追踪目标的身份编号,判定追踪目标识别成功并继续对追踪目标进行追踪。
例如,若第一身份编号识别结果为追踪目标的身份编号为5号,第二身份编号识别结果显示追踪目标的身份编号为5号,则判定追踪目标的身份编号为5,该追踪目标识别成功,并对该追踪目标进行追踪。
实际应用中,通过单个识别算法获得的身份编号识别结果的准确度不高,通过多种计算量小且成本低的识别算法对身份编号进行识别,获得的多个身份编号识别结果一致时,则判定识别成功,提高了识别效率和准确率,同时在初次获取到包含追踪目标的待识别图像即可完成对追踪目标的识别,提高了对目标进行追踪的效率。
在实际应用中,在任一个子服务器检测到任一个追踪目标的第一身份编号识别结果和第二身份编号识别结果相同时,根据第一身份编号识别结果确定追踪目标的身份编号,判定追踪目标识别成功之后,在当前子服务器接收到用户发送的针对该追踪目标的确认追踪指令时,对追踪目标进行追踪,包括:获取用户发送的确认追踪指令的时间,并计算获得在上述时间点该追踪目标的位置信息,将上述时间和位置信息发送至主服务器和其他子服务器;其他子服务器能够根据上述时间和位置信息获取该追踪目标的待识别图像,通过对该追踪目标的待识别图像识别确定该追踪目标的身份编号,并上传至主服务器,实现对该追踪目标的位置信息和身份编号间的匹配。当前子服务器实时将计算获得的该追踪目标的位置信息、对应的时间点、身份编号和运动轨迹发送给主服务器进行保存,并发送给其他子服务器进行同步,实现和其他子服务器同步对该追踪目标进行追踪。此时,其他子服务器无需进行运动目标的识别追踪操作(因为运动目标的识别追踪操作已经由当前子服务器完成),只需要确定在相同时间点和相同位置的该追踪目标,就实现了对该追踪目标的追踪,大大缩短了其他子服务器识别追踪同一追踪目标所消耗的时间,提高了对目标追踪的效率和准确率。其中,用户发送的针对该追踪目标的确认追踪指令包括用户通过点击通过当前子服务器显示的该追踪目标的待识别图像,生成对应的确认追踪指令。
可以理解的是,由于目标场所的大小已知,摄像头的所在位置以及摄像头与目标场所的相对位置关系也已知,因此可以通过追踪目标在待识别图像中的位置信息确定追踪目标在目标场所的位置,以实现追踪目标的定位追踪,同时形成对应的运动轨迹,计算获得追踪目标的运动速度、运动方向、移动距离等信息。
在一个实施例中,所述步骤S102,包括:
识别所述待识别图像中追踪目标的颜色特征;
根据所述颜色特征识别所述待识别图像中追踪目标的类型,并确定与所述追踪目标的类型对应的列表。
在具体应用中,由于预先要求追踪目标需穿戴包括包含身份编号的服饰,便于进行身份识别,在实际应用中,不同类型的追踪目标的服饰的颜色不相同,因此,可通过预设算法识别待识别图像中追踪目标的颜色特征,确定待识别图像中追踪目标的类型,并根据追踪目标的类型确定对应的列表。
例如,设定预设算法为基于颜色分布的连续自适应均值漂移算法(ContinuouslyAdaptive Mean Shift algorithm,Camshift),预先建立不同类型的追踪目标的服饰的颜色模型,并根据CamShift算法对颜色特征进行识别,确定与颜色特征对应的追踪目标的类型。
在一个实施例中,所述步骤S103,包括:
确定所述追踪目标的身份编号在所述待识别图像中的位置信息;
根据所述位置信息对所述待识别图像进行分割,获得分割图像;其中,所述分割图像包括所述追踪目标的身份编号;
根据字符识别算法识别所述分割图像中追踪目标的身份编号,作为所述第一身份编号识别结果。
在具体应用中,通过对待识别图像进行检测,确定追踪目标的身份编码在待识别图像中的位置信息,根据追踪目标的身份编码在待识别图像中的位置信息对待识别图像进行分割,获得分割图像,使得分割图像包括追踪目标的身份编号,减小环境对识别结果的精度造成的影响,然后通过字符识别算法识别分割图像中追踪目标的身份编号,作为第一身份编号识别结果。
在实际应用中,举行运动赛事时,运动目标所穿戴的服饰中携带的身份编号通常设定于运动目标的胸背部。
对应的,通过对待识别图像进行检测,确定追踪目标的身份编码在待识别图像中的位置信息具体包括:首先确定追踪目标在待识别图像中的具体位置信息,计算追踪目标在待识别图像中的像素大小,并根据追踪目标在待识别图像中的具体位置信息及所占的像素大小,确定追踪目标的胸背部在待识别图像中的位置,从而获得追踪目标的身份编码在待识别图像中的位置信息。
在一个实施例中,通过追踪目标的身份编号图像预先设定参考模型,再对待识别图像进行分割,将分割出来的图像作为对比图像,将对比图像与参考模型中包含的追踪目标的身份编号图像进行比对,从而识别出包含身份编号的对比图像,对比图像在待识别图像中的位置即追踪目标的身份编码在待识别图像中的位置。
在一个实施例中,预先获取两个以上的训练图像,在训练图像中对追踪目标的身份编号进行标注,并将标注后的训练图像输入神经网络模型进行预训练,获得预训练的神经网络模型,将待识别图像输入预训练的神经网络模型,获得追踪目标的身份编码在待识别图像中的位置信息。
在一个实施例中,所述步骤S103之后,包括:
将所述第一身份编号识别结果与所述列表中的身份编号图像进行匹配;
在匹配到与所述第一身份编号识别结果对应的身份编号图像时,判定所述第一身份编号识别结果识别成功,执行所述通过第二识别算法根据所述列表对所述待识别图像中的追踪目标的身份编号进行识别,获得第二身份编号识别结果及之后的步骤;
在未匹配到与所述第一身份编号识别结果对应的身份编号图像时,判定所述第一身份编号识别结果识别失败,删除所述第一身份编号识别结果;
获取其他待识别图像;其中,其他待识别图像为与所述待识别图像在同一时刻且具有不同角度的包含位于同一位置的追踪目标的图像;
通过第一识别算法对所述其他待识别图像中的追踪目标的身份编号进行识别,获得新的第一身份编号识别结果。
在具体应用中,将第一身份编号识别结果与所述列表中的身份编号图像进行匹配,以判断通过第一识别算法进行身份编号的识别操作是否成功,在匹配到与所述第一身份编号识别结果对应的身份编号图像时,判定通过第一识别算法进行身份编号的识别操作成功,执行上述步骤S104及之后的步骤;在未匹配到与所述第一身份编号识别结果对应的身份编号图像时,判定通过第一识别算法进行身份编号的识别操作失败,删除第一身份编号识别结果,并获取其他待识别图像,通过第一识别算法对其他待识别图像中的追踪目标的身份编号进行识别,获得新的第一身份编号识别结果。其中,其他待识别图像是指与上述待识别图像在同一时刻获取到的,且与上述待识别图像具有不同角度的包含位于同一位置的追踪目标的图像。
在一个实施例中,所述步骤S103之前,还包括:
对所述待识别图像进行优化处理,获得优化处理后的待识别图像。
在具体应用中,获取到的待识别图像可能存在具有倾斜角度,易导致的待识别图像中追踪目标的身份编号出现歪斜或不清晰等问题,因此,需对待识别图像进行优化处理(其中,优化处理包括但不限于图像的倾斜矫正、图像增强、形态学处理),提高图像的质量,通过对优化处理后的待带识别图像进行身份编号的识别,可提高通过第一识别算法对待识别图像中追踪目标的身份编号进行识别的效率和准确率。
图4-5示例性的示出了一种获取分割图像的应用场景示意图。
图4为一种待识别图像的示意图,可通过检测确定追踪目标在待识别图像中的具体位置信息,计算追踪目标在待识别图像中的像素大小,进而确定追踪目标的身份编号在待识别图像中的位置;然后根据追踪目标的身份编号在待识别图像中的位置信息对待识别图像进行分割,获得如图5所示的包含追踪目标的身份编号的分割图像。
在一个实施例中,所述步骤S104,包括:
S1041、对所述分割图像进行预处理,获得预处理后的分割图像;
S1042、分别计算所述列表中的每个身份编号图像的第一哈希值及所述预处理后的分割图像的第二哈希值;
S1043、根据所述第一哈希值和所述第二哈希值,分别计算每个身份编号图像与所述预处理后的分割图像之间的汉明距离;
S1044、获取与所述预处理后的分割图像之间的汉明距离满足预设条件的身份编号图像中的身份编号,作为所述第二身份编号识别结果。
在具体应用中,对包含追踪目标的身份编号的分割图像进行预处理,获得预处理后的分割图像,通过第二识别算法分别计算列表中每一个身份编号图像的第一哈希值,以及计算预处理后的分割图像的第二哈希值,将列表中每一个身份编号图像的第一哈希值和预处理后的分割图像的第二哈希值转换为差异二进制,并取异或结果,计算异或结果中“1”的位数(也即异或结果中不相同的位数),作为每个身份编号图像与预处理后的分割图像之间的汉明距离。获取所有身份编号图像中,与预处理后的分割图像之间的汉明距离满足预设条件的身份编号图像,并将该身份编号图像中的身份编号,作为第二身份编号识别结果。
其中,第二识别算法是指对相似图片进行识别的算法,其包括但不限于感知哈希算法。感知哈希是指以相对的方式通过计算哈希值的一种方法,其可根据两个图像“相似”的概念,计算出两个图像的相似度,进而判断两个图像是否相同或相近。
其中,感知哈希算法是一类算法的统称,包括:平均值哈希(aHash)、感知哈希(pHash)、差异值哈希(dHash)。其中,差异值哈希(dHash)的识别结果的精确度较高、速度快,主要通过计算两个图像的相邻像素之间的颜色强度差异获得对应的识别结果。
在具体应用中,预设条件可以根据实际情况进行具体设定;例如,设定预设条件为汉明距离小于预设阈值。
其中,预设阈值可根据实际情况进行具体设定。例如,通过多次试验设定预设阈值为5;对应的,可获取所有身份编号图像中,与预处理后的分割图像之间的汉明距离小于5的身份编号图像,并将该身份编号图像中的身份编号,作为第二身份编号识别结果。
例如,设定预设阈值为7,则对应的,可获取所有身份编号图像中,与预处理后的分割图像之间的汉明距离小于7的身份编号图像,并将该身份编号图像中的身份编号,作为第二身份编号识别结果。
例如,设定预设条件为选取最小的汉明距离。对应的,获取所有身份编号图像中,与预处理后的分割图像之间的汉明距离最小的身份编号图像,并将该身份编号图像中的身份编号,作为第二身份编号识别结果。
在一个实施例中,所述步骤S1044之后,包括:
在未获取到与所述预处理后的分割图像之间的汉明距离满足预设条件的身份编号图像时,获取其他待识别图像;其中,其他待识别图像为与所述待识别图像在同一时刻且具有不同角度的包含位于同一位置的追踪目标的图像;
通过第二识别算法根据所述列表对所述其他待识别图像中的追踪目标的身份编号进行识别,获得新的第二身份编号识别结果。
在具体应用中,如果未获取到与预处理后的分割图像之间的汉明距离满足预设条件的身份编号图像,判定通过第二识别算法根据列表对待识别图像中的追踪目标的身份编号进行识别操作失败,获取其他待识别图像,通过第二识别算法对上述其他待识别图像进行识别,获得新的第二身份编号识别结果。其中,其他待识别图像是指与上述待识别图像在同一时刻获取到的,且与上述待识别图像具有不同角度的包含位于同一位置的追踪目标的图像。
在一个实施例中,所述步骤S1041,包括:
调整所述分割图像的大小,使所述分割图像的大小与所述列表中的身份编号图像的大小相同;
对所述分割图像进行二值化处理,获得二值化处理后的分割图像。
在具体应用中,通过对分割图像进行缩放来调整分割图像的大小,使得分割图像的大小与上述列表中的身份编号图像的大小相同,通过对分割图像进行二值化处理,获得二值化处理后的分割图像,以便于分别计算分割图像和列表中的身份编号图像的哈希值。
在一个实施例中,所述步骤S105之后,还包括:
S201、在检测到所述第一身份编号识别结果和所述第二身份编号识别结果不相同时,获取在同一时刻且不同角度的包含位于同一位置的所述追踪目标的所有待识别图像;
S202、对所有所述待识别图像中的追踪目标进行识别,获得所有所述追踪目标的身份编号识别结果;
S203、获取所有所述追踪目标的身份编号识别结果中,重复率最高的身份编号识别结果作为所述追踪目标的第三身份编号识别结果;
S204、根据所述第三身份编号识别结果确定所述追踪目标的身份编号,并对所述追踪目标进行追踪。
在具体应用中,在检测到第一身份编号识别结果和第二身份编号识别结果不相同时,获取在同一时刻通过目标场所内的多个不同角度摄像头拍摄并上传的,包含位于同一个位置的追踪目标的所有待识别图像,分别识别每个待识别图像中的追踪目标的类型,确定与每个待识别图像中的追踪目标的类型对应的列表;分别通过第一识别算法对每个待识别图像中的追踪目标的身份编号进行识别,获得所有第一身份编号识别结果,分别通过第二识别算法和上述列表对个待识别图像中的追踪目标的身份编号进行识别,获得所有第二身份编号识别结果,计算所有第一身份编号识别结果和第二身份编号识别结果之间的重复率,获取重复率最高的身份编号识别结果作为追踪目标的第三身份编号识别结果,根据第三身份编号识别结果确定追踪目标的身份编号,并对追踪目标进行追踪。
例如,计算所有第一身份编号识别结果和第二身份编号识别结果的重复率后,检测到重复率最高的身份编号识别结果为5,则确定第三身份编号识别结果为5,也即追踪目标的身份编号为5,并对该身份编号为5的追踪目标进行追踪。
在一个实施例中,所述步骤S106之后,包括:
在检测到所述追踪目标丢失时,识别所有待识别图像中的追踪对象的类型和身份编号;
检测所述追踪目标的类型和任一个所述追踪对象的类型是否相同;
在检测到所述追踪目标的类型和所述追踪对象的类型不相同时,返回执行检测所述追踪目标的类型和任一个所述追踪对象的类型是否相同,直至检测到所述追踪目标的类型和所述追踪对象的类型相同时,检测类型相同的所述追踪目标的身份编号和所述追踪对象的身份编号是否相同;
在检测到类型相同的所述追踪目标的身份编号和所述追踪对象的身份编号相同时,判定所述追踪目标已重新识别成功,对所述追踪目标进行追踪。
在具体应用中,在任一个子服务器确定追踪目标的身份编号,判定追踪目标识别成功时,以上述子服务器作为目标子服务器,对追踪目标进行跟踪,目标子服务器实时获取追踪目标的待识别图像并识别,获得追踪目标的身份编码识别结果,并根据追踪目标在待识别图像中的位置信息确定追踪目标在目标场所的位置和时间,并实时将追踪目标的身份编号、位置信息和运动轨迹发送至主服务器,主服务器接收该追踪目标的身份编号、位置信息和运动轨迹并保存。
在具体应用中,在目标子服务器在待识别图像中未检测到追踪目标的身份编码识别结果时,检测当前时刻除上述目标子服务器以外的其他子服务器获得的所有待识别图像,在检测到当前时刻其他子服务器的所有待识别图像中均未检测到追踪目标的身份编码识别结果时,判定追踪目标丢失。
在具体应用中,在判定追踪目标丢失后,实时获取所有通过目标场所的摄像头拍摄的待识别图像(其中,每个待识别图像包括一个追踪对象,追踪对象是指能够成功获得身份编号识别结果的追踪目标),并通过识别获得所有待识别图像中追踪对象的类型,分别检测每个追踪对象的类型和追踪目标的类型是否相同,在检测到和追踪目标的类型相同的追踪对象时,分别检测每个和追踪目标的类型相同的追踪对象的身份编号,与追踪目标的身份编号是否相同,在检测到和追踪目标的类型相同的追踪对象的身份编号,与追踪对象的身份编号相同时,判定该追踪对象即为追踪目标,也即追踪目标已重新识别,继续对追踪目标进行追踪。
例如,在检测到所有的身份编号识别的历史结果中存在A队身份编号为5的追踪目标,但当前时刻并未存在A队身份编号为5号追踪目标,可理解为A队身份编号为5号追踪目标丢失,此时则检测所有的包含追踪对象(追踪对象为当前时刻能检测到身份编号识别结果的所有球员)的待识别图像,并识别所有待识别图像中追踪对象的类型,若检测到追踪对象的类型为A队运动员时,通过第一识别算法和第二识别算法识别所有类型为A队运动员的身份编号识别结果,获取类型为A队运动员的身份编号识别结果为5号的追踪对象,判定该追踪对象即为追踪目标,也即A队身份编号为5号的追踪目标已重新识别成功,继续对追踪目标进行追踪。
可以理解的是,在目标子服务器在待识别图像中未检测到追踪目标的身份编码识别结果时,检测当前时刻除上述目标子服务器以外的其他子服务器获得的所有待识别图像;若在除上述目标子服务器以外的其他子服务器的待识别图像中均检测到追踪目标的身份编码识别结果,则以其他子服务器中的任一个子服务器作为新的目标子服务器,继续对追踪目标进行追踪;基于新的目标子服务器继续对追踪目标进行追踪,包括:实时获取该追踪目标的待识别图像并进行识别,获得该追踪目标的身份编码识别结果,计算该追踪目标的位置信息,并获得该追踪目标的运动轨迹,并实时将追踪目标的身份编号、位置信息和运动轨迹发送至主服务器,主服务器接收追踪目标的身份编号、位置信息和运动轨迹并保存。
通过在目标场地设置的摄像头拍摄的包含追踪目标的待识别图像,根据不同的识别算法对待识别图像中目标的身份编号进行识别,获得对应的识别结果在判断出两种识别结果相同时,确定目标的身份编号并进行目标的追踪,降低了环境因素对目标识别效果的影响,提高了目标识别和定位追踪的精度和效率。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的运动目标的识别追踪方法,图6示出了本申请实施例提供的运动目标的识别追踪装置的结构框图,为了便于说明,仅示出了与本申请实施例相关的部分。
参照图6,该运动目标的识别追踪装置100包括:
第一获取模块101,用于获取待识别图像;其中,所述待识别图像包括追踪目标,所述追踪目标携带所述追踪目标的身份编号;
第一确定模块102,用于识别所述待识别图像中追踪目标的类型,确定与所述追踪目标的类型对应的列表;其中,每个追踪目标的类型预先关联一个列表,所述列表包括对应类型的所有追踪目标的身份编号图像;
第一识别模块103,用于通过第一识别算法对所述待识别图像中的追踪目标的身份编号进行识别,获得第一身份编号识别结果;
第二识别模块104,用于通过第二识别算法根据所述列表对所述待识别图像中的追踪目标的身份编号进行识别,获得第二身份编号识别结果;
第一检测模块105,用于检测所述第一身份编号识别结果和所述第二身份编号识别结果是否相同;
追踪模块106,用于在检测到所述第一身份编号识别结果和所述第二身份编号识别结果相同时,根据所述第一身份编号识别结果确定所述追踪目标的身份编号,判定所述追踪目标识别成功并对所述追踪目标进行追踪。
在一个实施例中,所述第一确定模块102,包括:
第一识别单元,用于识别所述待识别图像中追踪目标的颜色特征;
第二识别单元,用于根据所述颜色特征识别所述待识别图像中追踪目标的类型,并确定与所述追踪目标的类型对应的列表。
在一个实施例中,所述第一识别模块103,包括:
第一确定单元,用于确定所述追踪目标的身份编号在所述待识别图像中的位置信息;
分割单元,用于根据所述位置信息对所述待识别图像进行分割,获得分割图像;其中,所述分割图像包括所述追踪目标的身份编号;
第三识别单元,用于根据字符识别算法识别所述分割图像中追踪目标的身份编号,作为所述第一身份编号识别结果。
在一个实施例中,所述第二识别模块104,包括:
预处理单元,用于对所述分割图像进行预处理,获得预处理后的分割图像;
第一计算单元,用于分别计算所述列表中的每个身份编号图像的第一哈希值及所述预处理后的分割图像的第二哈希值;
第二计算单元,用于根据所述第一哈希值和所述第二哈希值,分别计算每个身份编号图像与所述预处理后的分割图像之间的汉明距离;
第一获取单元,用于获取与所述预处理后的分割图像之间的汉明距离满足预设条件的身份编号图像中的身份编号,作为所述第二身份编号识别结果。
在一个实施例中,所述预处理单元,包括:
调整单元,用于调整所述分割图像的大小,使所述分割图像的大小与所述列表中的身份编号图像的大小相同;
处理单元,用于对所述分割图像进行二值化处理,获得二值化处理后的分割图像。
在一个实施例中,所述运动目标的识别追踪装置100,还包括:
第二获取模块,用于在检测到所述第一身份编号识别结果和所述第二身份编号识别结果不相同时,获取在同一时刻且不同角度的包含位于同一位置的所述追踪目标的所有待识别图像;
第三识别模块,用于对所有所述待识别图像中的追踪目标进行识别,获得所有所述追踪目标的身份编号识别结果;
第三获取模块,用于获取所有所述追踪目标的身份编号识别结果中,重复率最高的身份编号识别结果作为所述追踪目标的第三身份编号识别结果;
第二确定模块,用于根据所述第三身份编号识别结果确定所述追踪目标的身份编号,并对所述追踪目标进行追踪。
在一个实施例中,所述运动目标的识别追踪装置100,还包括:
第四识别模块,用于在检测到所述追踪目标丢失时,识别所有待识别图像中的追踪对象的类型和身份编号;
第二检测模块,用于检测所述追踪目标的类型和任一个所述追踪对象的类型是否相同;
第三检测模块,用于在检测到所述追踪目标的类型和所述追踪对象的类型不相同时,返回执行检测所述追踪目标的类型和任一个所述追踪对象的类型是否相同,直至检测到所述追踪目标的类型和所述追踪对象的类型相同时,检测类型相同的所述追踪目标的身份编号和所述追踪对象的身份编号是否相同;
判断模块,用于在检测到类型相同的所述追踪目标的身份编号和所述追踪对象的身份编号相同时,判定所述追踪目标已重新识别成功,对所述追踪目标进行追踪。
通过在目标场地设置的摄像头拍摄的包含追踪目标的待识别图像,根据不同的识别算法对待识别图像中目标的身份编号进行识别,获得对应的识别结果在判断出两种识别结果相同时,确定目标的身份编号并进行目标的追踪,降低了环境因素对目标识别效果的影响,提高了目标识别和定位追踪的精度和效率。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
图7为本申请一实施例提供的服务器的结构示意图。如图7所示,该实施例的服务器7包括:至少一个处理器70(图7中仅示出一个)处理器、存储器71以及存储在所述存储器71中并可在所述至少一个处理器70上运行的计算机程序72,所述处理器70执行所述计算机程序72时实现上述任意各个运动目标的识别追踪方法实施例中的步骤。
所述服务器7可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该服务器可包括,但不仅限于,处理器70、存储器71。本领域技术人员可以理解,图7仅仅是服务器7的举例,并不构成对服务器7的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如还可以包括输入输出设备、网络接入设备等。
所称处理器70可以是中央处理单元(Central Processing Unit,CPU),该处理器70还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器71在一些实施例中可以是所述服务器7的内部存储单元,例如服务器7的硬盘或内存。所述存储器71在另一些实施例中也可以是所述服务器7的外部存储设备,例如所述服务器7上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字卡(Secure Digital,SD),闪存卡(Flash Card)等。进一步地,所述存储器71还可以既包括所述服务器7的内部存储单元也包括外部存储设备。所述存储器71用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等,例如所述计算机程序的程序代码等。所述存储器71还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例还提供了一种计算机可读存储介质,所述计算机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实现可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在移动终端上运行时,使得移动终端执行时实现可实现上述各个方法实施例中的步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括:能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/网络设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/网络设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种运动目标的识别追踪方法,其特征在于,包括:
获取待识别图像;其中,所述待识别图像包括追踪目标,所述追踪目标携带所述追踪目标的身份编号;
识别所述待识别图像中追踪目标的类型,确定与所述追踪目标的类型对应的列表;其中,每个追踪目标的类型预先关联一个列表,所述列表包括对应类型的所有追踪目标的身份编号图像;
通过第一识别算法对所述待识别图像中的追踪目标的身份编号进行识别,获得第一身份编号识别结果;
通过第二识别算法根据所述列表对所述待识别图像中的追踪目标的身份编号进行识别,获得第二身份编号识别结果;
检测所述第一身份编号识别结果和所述第二身份编号识别结果是否相同;
在检测到所述第一身份编号识别结果和所述第二身份编号识别结果相同时,根据所述第一身份编号识别结果确定所述追踪目标的身份编号,判定所述追踪目标识别成功并对所述追踪目标进行追踪。
2.如权利要求1所述的运动目标的识别追踪方法,其特征在于,所述识别所述待识别图像中追踪目标的类型,确定与所述追踪目标的类型对应的列表,包括:
识别所述待识别图像中追踪目标的颜色特征;
根据所述颜色特征识别所述待识别图像中追踪目标的类型,并确定与所述追踪目标的类型对应的列表。
3.如权利要求1所述的运动目标的识别追踪方法,其特征在于,所述通过第一识别算法对所述待识别图像中的追踪目标的身份编号进行识别,获得第一身份编号识别结果,包括:
确定所述追踪目标的身份编号在所述待识别图像中的位置信息;
根据所述位置信息对所述待识别图像进行分割,获得分割图像;其中,所述分割图像包括所述追踪目标的身份编号;
根据字符识别算法识别所述分割图像中追踪目标的身份编号,作为所述第一身份编号识别结果。
4.如权利要求3所述的运动目标的识别追踪方法,其特征在于,所述通过第二识别算法根据所述列表对所述待识别图像中的追踪目标的身份编号进行识别,获得第二识别结果,包括:
对所述分割图像进行预处理,获得预处理后的分割图像;
分别计算所述列表中的每个身份编号图像的第一哈希值及所述预处理后的分割图像的第二哈希值;
根据所述第一哈希值和所述第二哈希值,分别计算每个身份编号图像与所述预处理后的分割图像之间的汉明距离;
获取与所述预处理后的分割图像之间的汉明距离满足预设条件的身份编号图像中的身份编号,作为所述第二身份编号识别结果。
5.如权利要求4所述的运动目标的识别追踪方法,其特征在于,所述对所述分割图像进行预处理,获得预处理后的分割图像,包括:
调整所述分割图像的大小,使所述分割图像的大小与所述列表中的身份编号图像的大小相同;
对所述分割图像进行二值化处理,获得二值化处理后的分割图像。
6.如权利要求1所述的运动目标的识别追踪方法,其特征在于,所述检测所述第一身份编号识别结果和所述第二身份编号识别结果是否相同之后,还包括:
在检测到所述第一身份编号识别结果和所述第二身份编号识别结果不相同时,获取在同一时刻且不同角度的包含位于同一位置的所述追踪目标的所有待识别图像;
对所有所述待识别图像中的追踪目标进行识别,获得所有所述追踪目标的身份编号识别结果;
获取所有所述追踪目标的身份编号识别结果中,重复率最高的身份编号识别结果作为所述追踪目标的第三身份编号识别结果;
根据所述第三身份编号识别结果确定所述追踪目标的身份编号,并对所述追踪目标进行追踪。
7.如权利要求1所述的运动目标的识别追踪方法,其特征在于,所述在检测到所述第一身份编号识别结果和所述第二身份编号识别结果相同时,根据所述第一身份编号识别结果确定所述追踪目标的身份编号,判定所述追踪目标识别成功并对所述追踪目标进行追踪之后,包括:
在检测到所述追踪目标丢失时,识别所有待识别图像中的追踪对象的类型和身份编号;
检测所述追踪目标的类型和任一个所述追踪对象的类型是否相同;
在检测到所述追踪目标的类型和所述追踪对象的类型不相同时,返回执行检测所述追踪目标的类型和任一个所述追踪对象的类型是否相同,直至检测到所述追踪目标的类型和所述追踪对象的类型相同时,检测类型相同的所述追踪目标的身份编号和所述追踪对象的身份编号是否相同;
在检测到类型相同的所述追踪目标的身份编号和所述追踪对象的身份编号相同时,判定所述追踪目标已重新识别成功,对所述追踪目标进行追踪。
8.一种运动目标的识别追踪装置,其特征在于,包括:
第一获取模块,用于获取待识别图像;其中,所述待识别图像包括追踪目标,所述追踪目标携带所述追踪目标的身份编号;
第一确定模块,用于识别所述待识别图像中追踪目标的类型,确定与所述追踪目标的类型对应的列表;其中,每个追踪目标的类型预先关联一个列表,所述列表包括对应类型的所有追踪目标的身份编号图像;
第一识别模块,用于通过第一识别算法对所述待识别图像中的追踪目标的身份编号进行识别,获得第一身份编号识别结果;
第二识别模块,用于通过第二识别算法根据所述列表对所述待识别图像中的追踪目标的身份编号进行识别,获得第二身份编号识别结果;
第一检测模块,用于检测所述第一身份编号识别结果和所述第二身份编号识别结果是否相同;
追踪模块,用于在检测到所述第一身份编号识别结果和所述第二身份编号识别结果相同时,根据所述第一身份编号识别结果确定所述追踪目标的身份编号,判定所述追踪目标识别成功并对所述追踪目标进行追踪。
9.一种服务器,包括存储器、处理器以及存储在所述存储器中并可在所述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计算机程序时实现如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质,所述计算机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实现如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011102026.9A CN112330710B (zh) | 2020-10-15 | 2020-10-15 | 运动目标的识别追踪方法、装置、服务器及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011102026.9A CN112330710B (zh) | 2020-10-15 | 2020-10-15 | 运动目标的识别追踪方法、装置、服务器及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112330710A CN112330710A (zh) | 2021-02-05 |
CN112330710B true CN112330710B (zh) | 2023-03-17 |
Family
ID=74313634
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011102026.9A Active CN112330710B (zh) | 2020-10-15 | 2020-10-15 | 运动目标的识别追踪方法、装置、服务器及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112330710B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113115216B (zh) * | 2021-02-22 | 2022-09-06 | 浙江大华技术股份有限公司 | 室内定位方法、业务管理服务器及计算机存储介质 |
CN113435346A (zh) * | 2021-06-29 | 2021-09-24 | 北京市商汤科技开发有限公司 | 图像处理方法、装置、电子设备和计算机存储介质 |
CN114945036B (zh) * | 2022-05-18 | 2023-06-02 | 中国平安财产保险股份有限公司 | 分享数据的处理方法、相关设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106548151A (zh) * | 2016-11-03 | 2017-03-29 | 北京光年无限科技有限公司 | 面向智能机器人的目标物检测追踪识别方法和系统 |
WO2018133666A1 (zh) * | 2017-01-17 | 2018-07-26 | 腾讯科技(深圳)有限公司 | 视频目标跟踪方法和装置 |
CN109743541A (zh) * | 2018-12-15 | 2019-05-10 | 深圳壹账通智能科技有限公司 | 智能监控方法、装置、计算机设备及存储介质 |
CN111027395A (zh) * | 2019-11-13 | 2020-04-17 | 珠海亿智电子科技有限公司 | 手势识别方法、装置、终端设备及计算机可读存储介质 |
CN111178218A (zh) * | 2019-12-23 | 2020-05-19 | 北京中广上洋科技股份有限公司 | 一种基于人脸识别的多特征联合视频追踪方法及系统 |
-
2020
- 2020-10-15 CN CN202011102026.9A patent/CN112330710B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106548151A (zh) * | 2016-11-03 | 2017-03-29 | 北京光年无限科技有限公司 | 面向智能机器人的目标物检测追踪识别方法和系统 |
WO2018133666A1 (zh) * | 2017-01-17 | 2018-07-26 | 腾讯科技(深圳)有限公司 | 视频目标跟踪方法和装置 |
CN109743541A (zh) * | 2018-12-15 | 2019-05-10 | 深圳壹账通智能科技有限公司 | 智能监控方法、装置、计算机设备及存储介质 |
CN111027395A (zh) * | 2019-11-13 | 2020-04-17 | 珠海亿智电子科技有限公司 | 手势识别方法、装置、终端设备及计算机可读存储介质 |
CN111178218A (zh) * | 2019-12-23 | 2020-05-19 | 北京中广上洋科技股份有限公司 | 一种基于人脸识别的多特征联合视频追踪方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112330710A (zh) | 2021-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112330710B (zh) | 运动目标的识别追踪方法、装置、服务器及可读存储介质 | |
US20200265593A1 (en) | Object surface matching with a template for flight parameter measurement | |
CN107871120B (zh) | 基于机器学习的体育赛事理解系统及方法 | |
US11798318B2 (en) | Detection of kinetic events and mechanical variables from uncalibrated video | |
US10217228B2 (en) | Method, system and non-transitory computer-readable recording medium for measuring ball spin | |
WO2021016901A1 (en) | Player trajectory generation via multiple camera player tracking | |
CN109345568A (zh) | 基于计算机视觉算法的运动场智能化实现方法及系统 | |
US10922871B2 (en) | Casting a ray projection from a perspective view | |
US10587797B2 (en) | Method, system and non-transitory computer-readable recording medium for compensating brightness of ball images | |
CN111097155B (zh) | 用于测定球的旋转的方法、系统及存储介质 | |
CN105126338A (zh) | 一种适用于光枪射击游戏的视频定位系统 | |
Van Zandycke et al. | 3d ball localization from a single calibrated image | |
US11631251B2 (en) | Method and system for jockey and horse recognition and tracking | |
US11514678B2 (en) | Data processing method and apparatus for capturing and analyzing images of sporting events | |
US10776929B2 (en) | Method, system and non-transitory computer-readable recording medium for determining region of interest for photographing ball images | |
CN112970031A (zh) | 用于关联视频中的目标的方法 | |
CN116824697A (zh) | 运动动作识别方法、装置及电子设备 | |
US20210322852A1 (en) | Determining trajectory of a ball from two-dimensional media-content using computer vision | |
de Pádua et al. | A vision-based system to support tactical and physical analyses in futsal | |
KR20210010408A (ko) | 비전 센서 데이터 기반 골프 스윙 궤적 추적 및 분석 장치 및 방법 | |
US20180211397A1 (en) | Object extraction from video images system and method | |
RU2763270C1 (ru) | Способ автоматического восстановления 3d сцены происходящего на спортивном сооружении и система для осуществления способа | |
Bu et al. | A judgment framework for roller skating using faster R-CNN | |
CN118051792A (zh) | 运动信息分析处理方法、装置、电子设备及存储介质 | |
Oldham | Table tennis event detection and classification |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220729 Address after: 518000 Building 1, Huilong business center, North Station community, Minzhi street, Longhua District, Shenzhen, Guangdong 2001 Applicant after: Shenzhen shibide Technology Co.,Ltd. Address before: 607 Guoxin Investment Building, 07 Gaoxin South 7th Road, high tech Zone community, Yuehai street, Shenzhen, Guangdong 518000 Applicant before: SHENZHEN SHOWPRO TECHNOLOGY CO.,LTD. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |