CN112637550B - 多路4k准实时拼接视频的ptz动目标跟踪方法 - Google Patents
多路4k准实时拼接视频的ptz动目标跟踪方法 Download PDFInfo
- Publication number
- CN112637550B CN112637550B CN202011294433.4A CN202011294433A CN112637550B CN 112637550 B CN112637550 B CN 112637550B CN 202011294433 A CN202011294433 A CN 202011294433A CN 112637550 B CN112637550 B CN 112637550B
- Authority
- CN
- China
- Prior art keywords
- ptz camera
- video
- target
- spliced
- ptz
- 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 19
- 238000012544 monitoring process Methods 0.000 claims abstract description 51
- 238000004458 analytical method Methods 0.000 claims abstract description 5
- 238000011156 evaluation Methods 0.000 claims description 28
- 238000013500 data storage Methods 0.000 claims description 13
- 238000007781 pre-processing Methods 0.000 claims description 13
- 230000000007 visual effect Effects 0.000 claims description 12
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000013441 quality evaluation Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 2
- 238000003702 image correction Methods 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000001303 quality assessment method Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
- G06T7/20—Analysis of motion
- G06T7/292—Multi-camera tracking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/695—Control of camera direction for changing a field of view, e.g. pan, tilt or based on tracking of objects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/222—Studio circuitry; Studio devices; Studio equipment
- H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
- H04N5/2624—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects for obtaining an image which is composed of whole input images, e.g. splitscreen
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明公开了一种多路4K准实时拼接视频的PTZ动目标跟踪方法,涉及目标跟踪技术领域,解决了在4K拼接视频中目标跟踪精度不高的技术问题;本发明中在PTZ相机获取监控视频之后先对监控视频进行了质量分析;在进行目标识别之前对监控视频的质量进行了分析,有助于保证拼接视频的质量,有助于提高目标识别的精度;本发明中通过建立三维直角坐标系来判断目标是否进入相邻的PTZ相机;通过建立三维直角坐标系,不仅能够判断PTZ相机之间的相互位置,而且能够确定跟踪目标的最佳PTZ相机,有助于提高目标跟踪的效率。
Description
技术领域
本发明属于目标跟踪领域,涉及PTZ动目标跟踪技术,具体是多路4K准实时拼接视频的PTZ动目标跟踪方法。
背景技术
随着社会的发展,监控视频作为一种重要的安防措施越来越受到人们的重视,应用范围也逐渐扩大,无论是火车站、飞机场、停车场甚至是便利店都安装有大量的监控摄像头。传统的摄像头在安装之后,其相机角度、镜头焦距等参数不能实时改变,使用起来很不方便,PTZ相机可以解决上述问题。但是PTZ相机不能高效地跟踪突发事件,且还可能会耗费大量的人力资源。
公开号为CN104751486A的发明专利公开了一种多PTZ相机的运动目标接力跟踪算法,其特征是按照以下步骤进行:1)采用相机自标定方法估计PTZ相机的内参数矩阵;2)设置相邻PTZ相机之间的视野分割线;3)使用Logistic回归模型作为分类函数,结合均值漂移算法实现目标跟踪;4)跟踪过程中不断调整PTZ相机的角度,使得目标始终处于PTZ相机视野中心区域;5)当目标超越当前PTZ相机视野中心区域时,计算出目标在相邻PTZ相机视野中的坐标,调用相邻PTZ相机继续对目标进行跟踪,并转动原PTZ相机回到预置位。
上述方案能够精确控制相机转动,对目标进行长时间稳定跟踪,从而获得目标完成的历史运动信息;但是,上述方案在多台PTZ相机之间转换跟踪目标时精度不足;因此,上述方案仍需进一步改进。
发明内容
为了解决上述方案存在的问题,本发明提供了多路4K准实时拼接视频的PTZ动目标跟踪方法。
本发明的目的可以通过以下技术方案实现:多路4K准实时拼接视频的PTZ动目标跟踪方法,该方法包括以下步骤:
步骤一:通过PTZ相机实时获取监控视频并将监控视频发送至处理器;所述处理器包括视频拼接模块和数据存储模块,所述处理器至少与一个PTZ相机相连接;
步骤二:处理器对监控视频的进行质量分析,通过处理器对质量良好的监控视频进行拼接获取拼接视频;
步骤三:对拼接视频进行目标识别,并根据识别结果调整PTZ相机的角度;
步骤四:判断目标是否进入相邻PTZ相机视野,当目标进入相邻PTZ相机之后,通过相邻PTZ相机进行跟踪。
进一步地,步骤一中所述处理器对监控视频质量分析的具体步骤包括:
将监控视频逐帧分解成监控图像,将监控图像标记为i,i=1,2,……,n;
对监控图像进行图像预处理;所述图像预处理包括图像分割、图像增益、图像去噪、图像纠正和灰度变换;
获取经过图像预处理之后的监控图像的灰度平均值、灰度最小值和灰度最大值,并分别将灰度平均值、灰度最小值和灰度最大值标记为HPZi、HXZi和HDZi;
当HPZi-μ≤HDZi-HXZi≤HPZi+μ时,则判定监控图像质量优秀;当HPZi-2×μ≤HDZi-HXZi≤HPZi+2×μ时,则判定监控图像质量良好;否则,判定监控图像质量不合格;其中μ为预设比例系数,且μ为大于0的实数;
将质量优秀和质量良好的监控图像之和记为合格图像总数,并将合格图像总数标记为HTZ;
当质量评估系数ZPX满足L1≤ZPX时,则判定监控视频的质量合格,进行下一步;当质量评估系数ZPX满足0<ZPX<L1时,则判定PTZ相机发生故障;其中L1为预设质量评估系数阈值;
将灰度平均值、灰度最小值、灰度最大值和质量评估系数发送至数据存储模块进行存储。
进一步地,所述拼接视频通过视频拼接技术结合监控视频获取;视频拼接技术为现有技术,论文《基于SURF特征的图像与视频拼接技术的研究》中的技术能够实现对监控视频的拼接;
对拼接视频的质量进行评估,包括:
通过视频拼接模块获取拼接视频的拼接区域;所述拼接区域为两个监控视频的重叠区域;
将拼接区域逐帧分解并进行图像预处理获取拼接图像;
获取拼接图像中像素点与相邻像素点的灰度差值,并根据灰度差值计算灰度平均差值,将灰度平均差值标记为HPCZ;
当灰度平均差值HPCZ满足0<HPCZ≤L2时,则判定拼接视频质量合格,进行下一步;否则,判定拼接视频质量不合格,重新获取拼接视频;其中L2为预设灰度平均差值阈值;
将灰度平均差发送至数据存储模块进行存储。
进一步地,所述目标识别具体包括:
对拼接视频中的目标进行识别,并提取目标的轮廓;
将目标轮廓置于PTZ相机中,获取目标轮廓与PTZ相机上、下、左、右之间的最小距离,并分别标记为SJ、XJ、ZJ和YJ;
当位置评估系数WPX满足1-θ≤WPX≤1+θ时,则判定目标位于PTZ相机的中心位置;否则,判定目标偏离PTZ相机的中心位置,调整PTZ相机使得位置评估系数WPX满足1-θ≤WPX≤1+θ,当仍然将目标调整至PTZ相机中心位置时,则进行下一步;其中θ为预设比例系数,且0≤θ≤0.5;
将位置评估系数发送至数据存储模块进行存储。
进一步地,所述判断目标是否进入相邻PTZ相机视野的具体步骤包括:
标记拼接视频中的目标,并提取目标轮廓;
以目标轮廓的中心位置为原点建立三维坐标系,获取PTZ相机的三维坐标;
通过PTZ相机的三维坐标获取原点与PTZ相机之间的距离和角度,并将距离和角度分别标记为JL和JD;通过公式WZPX=γ1×JL×eJD+γ2获取位置评估系数WZPX;其中γ1和γ2为预设比例系数,且γ1和γ2均为大于0的实数,e为自然常数;
当PTZ相机的位置评估系数WZPX>K1,且相邻PTZ相机的位置评估系数WZPX≤K1时,则判定目标进入相邻PTZ相机视野,通过相邻PTZ相机对目标继续跟踪;其中K1为预设位置评估系数阈值,且K1为大于0的实数;
将位置评估系数发送至数据存储模块进行存储。
与现有技术相比,本发明的有益效果是:
1、本发明中在PTZ相机获取监控视频之后先对监控视频进行了质量分析;将监控视频逐帧分解成监控图像,对监控图像进行图像预处理;获取经过图像预处理之后的监控图像的灰度平均值、灰度最小值和灰度最大值,依此判断监控图像的质量;将质量优秀和质量良好的监控图像之和记为合格图像总数,并获取质量评估系数来判断监控视频的质量;在进行目标识别之前对监控视频的质量进行了分析,有助于保证拼接视频的质量,有助于提高目标识别的精度;
2、本发明中通过建立三维直角坐标系来判断目标是否进入相邻的PTZ相机;标记拼接视频中的目标,并提取目标轮廓;以目标轮廓的中心位置为原点建立三维坐标系,获取PTZ相机的三维坐标;通过PTZ相机的三维坐标获取原点与PTZ相机之间的距离和角度,并将距离和角度分别标记为JL和JD;获取位置评估系数WZPX;当PTZ相机的位置评估系数WZPX>K1,且相邻PTZ相机的位置评估系数WZPX≤K1时,则判定目标进入相邻PTZ相机视野,通过相邻PTZ相机对目标继续跟踪;通过建立三维直角坐标系,不仅能够判断PTZ相机之间的相互位置,而且能够确定跟踪目标的最佳PTZ相机,有助于提高目标跟踪的效率。
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为本发明的方法步骤示意图;
图2为本发明的原理示意图。
具体实施方式
下面将结合实施例对本发明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它实施例,都属于本发明保护的范围。
请参阅图1-图2,多路4K准实时拼接视频的PTZ动目标跟踪方法,该方法包括以下步骤:
步骤一:通过PTZ相机实时获取监控视频并将监控视频发送至处理器;所述处理器包括视频拼接模块和数据存储模块,所述处理器至少与一个PTZ相机相连接;
步骤二:处理器对监控视频的进行质量分析,通过处理器对质量良好的监控视频进行拼接获取拼接视频;
步骤三:对拼接视频进行目标识别,并根据识别结果调整PTZ相机的角度;
步骤四:判断目标是否进入相邻PTZ相机视野,当目标进入相邻PTZ相机之后,通过相邻PTZ相机进行跟踪。
进一步地,步骤一中所述处理器对监控视频质量分析的具体步骤包括:
将监控视频逐帧分解成监控图像,将监控图像标记为i,i=1,2,……,n;
对监控图像进行图像预处理;所述图像预处理包括图像分割、图像增益、图像去噪、图像纠正和灰度变换;
获取经过图像预处理之后的监控图像的灰度平均值、灰度最小值和灰度最大值,并分别将灰度平均值、灰度最小值和灰度最大值标记为HPZi、HXZi和HDZi;
当HPZi-μ≤HDZi-HXZi≤HPZi+μ时,则判定监控图像质量优秀;当HPZi-2×μ≤HDZi-HXZi≤HPZi+2×μ时,则判定监控图像质量良好;否则,判定监控图像质量不合格;其中μ为预设比例系数,且μ为大于0的实数;
将质量优秀和质量良好的监控图像之和记为合格图像总数,并将合格图像总数标记为HTZ;
当质量评估系数ZPX满足L1≤ZPX时,则判定监控视频的质量合格,进行下一步;当质量评估系数ZPX满足0<ZPX<L1时,则判定PTZ相机发生故障;其中L1为预设质量评估系数阈值;
将灰度平均值、灰度最小值、灰度最大值和质量评估系数发送至数据存储模块进行存储。
进一步地,所述拼接视频通过视频拼接技术结合监控视频获取;视频拼接技术为现有技术,论文《基于SURF特征的图像与视频拼接技术的研究》中的技术能够实现对监控视频的拼接;
对拼接视频的质量进行评估,包括:
通过视频拼接模块获取拼接视频的拼接区域;所述拼接区域为两个监控视频的重叠区域;
将拼接区域逐帧分解并进行图像预处理获取拼接图像;
获取拼接图像中像素点与相邻像素点的灰度差值,并根据灰度差值计算灰度平均差值,将灰度平均差值标记为HPCZ;
当灰度平均差值HPCZ满足0<HPCZ≤L2时,则判定拼接视频质量合格,进行下一步;否则,判定拼接视频质量不合格,重新获取拼接视频;其中L2为预设灰度平均差值阈值;
将灰度平均差发送至数据存储模块进行存储。
进一步地,所述目标识别具体包括:
对拼接视频中的目标进行识别,并提取目标的轮廓;
将目标轮廓置于PTZ相机中,获取目标轮廓与PTZ相机上、下、左、右之间的最小距离,并分别标记为SJ、XJ、ZJ和YJ;
当位置评估系数WPX满足1-θ≤WPX≤1+θ时,则判定目标位于PTZ相机的中心位置;否则,判定目标偏离PTZ相机的中心位置,调整PTZ相机使得位置评估系数WPX满足1-θ≤WPX≤1+θ,当仍然将目标调整至PTZ相机中心位置时,则进行下一步;其中θ为预设比例系数,且0≤θ≤0.5;
将位置评估系数发送至数据存储模块进行存储。
进一步地,所述判断目标是否进入相邻PTZ相机视野的具体步骤包括:
标记拼接视频中的目标,并提取目标轮廓;
以目标轮廓的中心位置为原点建立三维坐标系,获取PTZ相机的三维坐标;
通过PTZ相机的三维坐标获取原点与PTZ相机之间的距离和角度,并将距离和角度分别标记为JL和JD;通过公式WZPX=γ1×JL×eJD+γ2获取位置评估系数WZPX;其中γ1和γ2为预设比例系数,且γ1和γ2均为大于0的实数,e为自然常数;
当PTZ相机的位置评估系数WZPX>K1,且相邻PTZ相机的位置评估系数WZPX≤K1时,则判定目标进入相邻PTZ相机视野,通过相邻PTZ相机对目标继续跟踪;其中K1为预设位置评估系数阈值,且K1为大于0的实数;
将位置评估系数发送至数据存储模块进行存储。
上述公式均是去除量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况设定。
本发明的工作原理:
通过PTZ相机实时获取监控视频并将监控视频发送至处理器;
将监控视频逐帧分解成监控图像,将监控图像标记为i,i=1,2,……,n;
对监控图像进行图像预处理;获取经过图像预处理之后的监控图像的灰度平均值、灰度最小值和灰度最大值,并分别将灰度平均值、灰度最小值和灰度最大值标记为HPZi、HXZi和HDZi;当HPZi-μ≤HDZi-HXZi≤HPZi+μ时,则判定监控图像质量优秀;当HPZi-2×μ≤HDZi-HXZi≤HPZi+2×μ时,则判定监控图像质量良好;否则,判定监控图像质量不合格;其中μ为预设比例系数,且μ为大于0的实数;将质量优秀和质量良好的监控图像之和记为合格图像总数,并将合格图像总数标记为HTZ;获取质量评估系数ZPX;其中α1和α2为预设比例系数,且α1和α2均为大于0的实数;当质量评估系数ZPX满足L1≤ZPX时,则判定监控视频的质量合格,进行下一步;当质量评估系数ZPX满足0<ZPX<L1时,则判定PTZ相机发生故障;其中L1为预设质量评估系数阈值;
对拼接视频中的目标进行识别,并提取目标的轮廓;将目标轮廓置于PTZ相机中,获取目标轮廓与PTZ相机上、下、左、右之间的最小距离,并分别标记为SJ、XJ、ZJ和YJ;获取位置评估系数WPX;
当位置评估系数WPX满足1-θ≤WPX≤1+θ时,则判定目标位于PTZ相机的中心位置;否则,判定目标偏离PTZ相机的中心位置,调整PTZ相机使得位置评估系数WPX满足1-θ≤WPX≤1+θ,当仍然将目标调整至PTZ相机中心位置时,则进行下一步;
标记拼接视频中的目标,并提取目标轮廓;以目标轮廓的中心位置为原点建立三维坐标系,获取PTZ相机的三维坐标;通过PTZ相机的三维坐标获取原点与PTZ相机之间的距离和角度,并将距离和角度分别标记为JL和JD;位置评估系数WZPX;当PTZ相机的位置评估系数WZPX>K1,且相邻PTZ相机的位置评估系数WZPX≤K1时,则判定目标进入相邻PTZ相机视野,通过相邻PTZ相机对目标继续跟踪。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (2)
1.多路4K准实时拼接视频的PTZ动目标跟踪方法,其特征在于,该方法包括以下步骤:
步骤一:通过PTZ相机实时获取监控视频并将监控视频发送至处理器;所述处理器包括视频拼接模块和数据存储模块,所述处理器至少与一个PTZ相机相连接;
步骤二:处理器对监控视频的进行质量分析,通过处理器对质量良好的监控视频进行拼接获取拼接视频;
步骤三:对拼接视频进行目标识别,并根据识别结果调整PTZ相机的角度;
步骤四:判断目标是否进入相邻PTZ相机视野,当目标进入相邻PTZ相机视野之后,通过相邻PTZ相机进行跟踪;
判断目标是否进入相邻PTZ相机视野的具体步骤包括:
标记拼接视频中的目标,并提取目标轮廓;
以目标轮廓的中心位置为原点建立三维坐标系,获取PTZ相机的三维坐标;
通过PTZ相机的三维坐标获取原点与PTZ相机之间的距离和角度,并将距离和角度分别标记为JL和JD;通过公式WZPX=γ1×JL×eJD+γ2获取位置评估系数WZPX;其中γ1和γ2为预设比例系数,且γ1和γ2均为大于0的实数,e为自然常数;
当PTZ相机的位置评估系数WZPX>K1,且相邻PTZ相机的位置评估系数WZPX≤K1时,则判定目标进入相邻PTZ相机视野,通过相邻PTZ相机对目标继续跟踪;其中K1为预设位置评估系数阈值,且K1为大于0的实数;
将位置评估系数发送至数据存储模块进行存储。
2.根据权利要求1所述的多路4K准实时拼接视频的PTZ动目标跟踪方法,其特征在于,所述拼接视频通过视频拼接技术结合监控视频获取;
对拼接视频的质量进行评估,包括:
通过视频拼接模块获取拼接视频的拼接区域;所述拼接区域为两个监控视频的重叠区域;
将拼接区域逐帧分解并进行图像预处理获取拼接图像;
获取拼接图像中像素点与相邻像素点的灰度差值,并根据灰度差值计算灰度平均差值,将灰度平均差值标记为HPCZ;
当灰度平均差值HPCZ满足0<HPCZ≤L2时,则判定拼接视频质量合格,进行下一步;否则,判定拼接视频质量不合格,重新获取拼接视频;其中L2为预设灰度平均差值阈值;
将灰度平均差发送至数据存储模块进行存储。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011294433.4A CN112637550B (zh) | 2020-11-18 | 2020-11-18 | 多路4k准实时拼接视频的ptz动目标跟踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011294433.4A CN112637550B (zh) | 2020-11-18 | 2020-11-18 | 多路4k准实时拼接视频的ptz动目标跟踪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112637550A CN112637550A (zh) | 2021-04-09 |
CN112637550B true CN112637550B (zh) | 2022-12-16 |
Family
ID=75304316
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011294433.4A Active CN112637550B (zh) | 2020-11-18 | 2020-11-18 | 多路4k准实时拼接视频的ptz动目标跟踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112637550B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113379796B (zh) * | 2021-05-25 | 2022-07-15 | 成都飞机工业(集团)有限责任公司 | 一种大范围多相机跟踪控制方法及系统 |
CN114500871B (zh) * | 2021-12-15 | 2023-11-14 | 山东信通电子股份有限公司 | 一种多路视频分析方法、设备及介质 |
CN114639040B (zh) * | 2022-03-14 | 2023-01-17 | 广东正艺技术有限公司 | 一种基于物联网的监控视频分析系统及方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1067544A (zh) * | 1991-05-28 | 1992-12-30 | 松下电器产业株式会社 | 灰度校正装置 |
CN102148965A (zh) * | 2011-05-09 | 2011-08-10 | 上海芯启电子科技有限公司 | 多目标跟踪特写拍摄视频监控系统 |
CN102622741A (zh) * | 2011-01-30 | 2012-08-01 | 联想(北京)有限公司 | 一种检测图像文件的方法及装置 |
CN104639916A (zh) * | 2015-03-04 | 2015-05-20 | 合肥巨清信息科技有限公司 | 一种大场景多目标跟踪拍摄视频监控系统及其监控方法 |
CN104751486A (zh) * | 2015-03-20 | 2015-07-01 | 安徽大学 | 一种多ptz相机的运动目标接力跟踪算法 |
CN110602484A (zh) * | 2019-08-29 | 2019-12-20 | 海南电网有限责任公司海口供电局 | 一种输电线路设备拍摄质量在线检核方法 |
CN111327876A (zh) * | 2019-11-06 | 2020-06-23 | 杭州海康威视系统技术有限公司 | 目标跟踪显示方法、装置、电子设备及机器可读存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004112550A (ja) * | 2002-09-19 | 2004-04-08 | Ricoh Co Ltd | 撮像装置、カメラ、プログラム及び記録媒体 |
CN104349037A (zh) * | 2013-07-29 | 2015-02-11 | 浙江大华系统工程有限公司 | 一种移动目标的自动跟踪方法、装置及系统 |
CN106033612B (zh) * | 2015-03-09 | 2019-06-04 | 杭州海康威视数字技术股份有限公司 | 一种目标跟踪方法、装置和系统 |
CN107666590B (zh) * | 2016-07-29 | 2020-01-17 | 华为终端有限公司 | 一种目标监控方法、摄像头、控制器和目标监控系统 |
-
2020
- 2020-11-18 CN CN202011294433.4A patent/CN112637550B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1067544A (zh) * | 1991-05-28 | 1992-12-30 | 松下电器产业株式会社 | 灰度校正装置 |
CN102622741A (zh) * | 2011-01-30 | 2012-08-01 | 联想(北京)有限公司 | 一种检测图像文件的方法及装置 |
CN102148965A (zh) * | 2011-05-09 | 2011-08-10 | 上海芯启电子科技有限公司 | 多目标跟踪特写拍摄视频监控系统 |
CN104639916A (zh) * | 2015-03-04 | 2015-05-20 | 合肥巨清信息科技有限公司 | 一种大场景多目标跟踪拍摄视频监控系统及其监控方法 |
CN104751486A (zh) * | 2015-03-20 | 2015-07-01 | 安徽大学 | 一种多ptz相机的运动目标接力跟踪算法 |
CN110602484A (zh) * | 2019-08-29 | 2019-12-20 | 海南电网有限责任公司海口供电局 | 一种输电线路设备拍摄质量在线检核方法 |
CN111327876A (zh) * | 2019-11-06 | 2020-06-23 | 杭州海康威视系统技术有限公司 | 目标跟踪显示方法、装置、电子设备及机器可读存储介质 |
Non-Patent Citations (1)
Title |
---|
基于角度关系的多摄像机智能接力方法;左阳;《产业与科技论坛》;20160515(第09期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112637550A (zh) | 2021-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112637550B (zh) | 多路4k准实时拼接视频的ptz动目标跟踪方法 | |
CN107818571B (zh) | 基于深度学习网络和均值漂移的船只自动跟踪方法及系统 | |
CN112257609B (zh) | 一种基于自适应关键点热图的车辆检测方法及装置 | |
CN103164858B (zh) | 基于超像素和图模型的粘连人群分割与跟踪方法 | |
CN111967393A (zh) | 一种基于改进YOLOv4的安全帽佩戴检测方法 | |
CN110532970A (zh) | 人脸2d图像的年龄性别属性分析方法、系统、设备和介质 | |
CN112749654A (zh) | 一种用于视频大雾监测的深度神经网络模型构建方法、系统及装置 | |
CN112287827A (zh) | 基于智慧灯杆的复杂环境行人口罩佩戴检测方法及系统 | |
CN108305260A (zh) | 一种图像中角点的检测方法、装置及设备 | |
CN116386120B (zh) | 一种用于智慧校园宿舍的无感监控管理系统 | |
CN111667655A (zh) | 基于红外图像的高速铁路安全区入侵警报装置及方法 | |
CN113033315A (zh) | 一种稀土开采高分影像识别与定位方法 | |
CN112084892B (zh) | 一种道路异常事件检测管理装置及其方法 | |
CN106780727A (zh) | 一种车头检测模型重建方法及装置 | |
CN114529583B (zh) | 基于残差回归网络的电力设备跟踪方法及跟踪系统 | |
CN115546742A (zh) | 一种基于单目热红外摄像头的铁轨异物识别方法及系统 | |
CN117152971A (zh) | 一种基于高空全景视频的ai交通信号优化方法 | |
Saini et al. | DroneRTEF: development of a novel adaptive framework for railroad track extraction in drone images | |
CN117636268A (zh) | 一种面向冰雪环境的无人机航拍自然驾驶数据集构建方法 | |
CN113824880B (zh) | 一种基于目标检测和uwb定位的车辆跟踪方法 | |
CN114694090A (zh) | 一种基于改进PBAS算法与YOLOv5的校园异常行为检测方法 | |
CN114219073A (zh) | 属性信息的确定方法、装置、存储介质及电子装置 | |
CN113780462A (zh) | 基于无人机航拍图像的车辆检测网络建立方法及其应用 | |
CN113239962A (zh) | 一种基于单个固定摄像头的交通参与者的识别方法 | |
CN112241691A (zh) | 基于无人机巡检与图像特征的渠道冰情智能识别方法 |
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 |