CN112785628A - 一种基于全景视角检测跟踪的轨迹预测方法及系统 - Google Patents

一种基于全景视角检测跟踪的轨迹预测方法及系统 Download PDF

Info

Publication number
CN112785628A
CN112785628A CN202110175289.0A CN202110175289A CN112785628A CN 112785628 A CN112785628 A CN 112785628A CN 202110175289 A CN202110175289 A CN 202110175289A CN 112785628 A CN112785628 A CN 112785628A
Authority
CN
China
Prior art keywords
target
track
target object
frame image
image 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.)
Granted
Application number
CN202110175289.0A
Other languages
English (en)
Other versions
CN112785628B (zh
Inventor
张旻晋
许达文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Shihaixintu Microelectronics Co ltd
Original Assignee
Chengdu Shihaixintu Microelectronics Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chengdu Shihaixintu Microelectronics Co ltd filed Critical Chengdu Shihaixintu Microelectronics Co ltd
Priority to CN202110175289.0A priority Critical patent/CN112785628B/zh
Publication of CN112785628A publication Critical patent/CN112785628A/zh
Application granted granted Critical
Publication of CN112785628B publication Critical patent/CN112785628B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开的一种基于全景视角检测跟踪的轨迹预测方法及系统，对不同视角的多个视频信息的当前帧图像信息处理获得当前帧图像信息的特征向量、目标对象的位置；结合历史帧图像信息的目标边界框操作结果和目标对象的位置获得轨迹预测特征；基于轨迹预测特征进行轨迹预测计算得到下一帧目标对象的轨迹；从全景视角下采集目标对象的视频信息，并对各视角的视频信息进行多目标检测和追踪，最后预测出下一帧目标对象的轨迹，经过对多个连续帧的处理与预测得到目标对象的完整轨迹；实现在同一时刻同时掌握各个方位上的目标状态，同时对目标状态进行空间上的轨迹预测，以满足需要对周围环境进行实时监控预测的应用场景。

Description

一种基于全景视角检测跟踪的轨迹预测方法及系统
技术领域
本发明涉及全景视频技术和目标跟踪技术领域，具体涉及一种基于全景视角检测跟踪的轨迹预测方法及系统。
背景技术
深度学习的发展使得电子设备具备良好的感知能力，如多目标的检测，跟踪和轨迹预测等，被广泛应用在各种实际场景中，如自动驾驶、虚拟现实、增强现实、视频监控等。
目前针对多目标检测、跟踪和轨迹预测，现代感知系统通常采用级联的方式顺序执行多目标的检测、跟踪和轨迹预测任务，但是，这种级联方式单独训练每个模块会造成性能欠佳，并且每个模块的计算量都非常大迫使在对多目标进行检测跟踪预测时需要极大算力，在边缘设备上难以达到需求。而且目前多目标跟踪系统仅针对一个视角下的多个目标进行跟踪，无法同时感知全景视角下的其余目标运动情况，无法满足一些需要对周围环境进行实时监控的应用场景，如工业场景中吊塔等，需要同时对上下左右前后等周围不同方位的多个目标进行检测跟踪。
发明内容
为克服上述技术的缺陷，本发明提供一种基于全景视角检测跟踪的轨迹预测方法及系统。
本发明通过下述技术方案实现：
本方案提供的一种基于全景视角检测跟踪的轨迹预测方法，包括步骤：
S1.实时采集全景视角下目标对象的视频信息；
S2.对不同视角的多个视频信息的当前帧图像信息进行预处理获得各当前帧图像信息针对全景视角检测跟踪的特征向量；
S3.对S2中获得的特征向量执行目标边界框操作、并基于特征向量检测出目标对象的位置；
S4.基于当前帧图像信息的目标边界框操作结果和目标对象的位置、历史帧图像信息的目标边界框操作结果和目标对象的位置，进行特征提取和特征交互最终获得轨迹预测特征；
S5.根据S4获得的轨迹预测特征进行轨迹预测计算得到下一帧目标对象的轨迹；
S6.以当前帧图像信息的目标边界框操作结果和目标对象的位置作为历史帧图像信息的目标边界框操作结果和目标对象的位置重复步骤S2-S6直至轨迹预测完成。
本发明工作原理：本方案提供的基于全景视角检测跟踪的轨迹预测方法，从全景视角下采集目标对象的视频信息，并对各视角的视频信息进行多目标检测和追踪，最后预测出下一帧目标对象的轨迹，经过上述步骤的循环得到目标对象的轨迹；在同一时刻同时掌握各个方位上的目标状态，同时对目标状态进行空间上的轨迹预测，以满足需要对周围环境进行实时监控预测的应用场景；现有技术中仅针对一个视角下的多个目标对象进行跟踪，无法同时感知全景视角下的其余目标运动情况，无法满足一些需要对周围环境进行实时监控的应用场景，如工业场景中吊塔等，需要同时对上下左右前后等周围不同方位的多个目标进行同时检测跟踪；而本方不仅对目标对象进行全景视角检测追踪，且实现视频中连续帧图像的多目标检测、跟踪和轨迹预测，实现多目标的追踪，最终得到目标对象的预测轨迹。
进一步优化方案为，所述全景视角下表示为以目标对象的坐标点为中心的球形空间视角。
进一步优化方案为，所述预处理包括：
先对各视频信息的当前帧图像信息去噪、滤波和锐化处理；
再将当前帧图像输入卷积神经网络和特征金字塔中进行计算得到当前帧图像信息针对全景视角检测跟踪的特征向量。
进一步优化方案为，所述目标边界框操作包括：对特征向量的目标边界框进行分类和回归。
进一步优化方案为，所述轨迹预测特征包括：目标对象间的关系特征、目标对象特征和轨迹样本。
进一步优化方案为，S4包括以下步骤：
S41.从当前帧图像信息的目标边界框操作结果和目标对象的位置、历史帧图像信息的目标边界框操作结果和目标对象的位置中获得目标对象间的关系特征和目标对象的特征；
S42.基于目标对象间的关系特征和目标对象的特征生成当前时刻目标的运行轨迹；
S43.基于当前时刻目标的运行轨迹生成轨迹样本。
进一步优化方案为，基于目标对象间的关系特征和目标对象的特征通过RNN计算方法生成当前时刻目标的运行轨迹。
进一步优化方案为，对当前时刻目标的运行轨迹进行条件自编码操作，生成不同的具有相关性的轨迹样本。
根据上述基于全景视角检测跟踪的轨迹预测方法，本发明还提供一种基于全景视角检测跟踪的轨迹预测系统，包括：视频采集模块，预处理模块，第一计算模块，第二计算模块和预测模块；
视频采集装置实时采集全景视角下目标对象的视频信息，并将采集的信息发送给预处理模块；
预处理模块对不同视角的多个视频信息的当前帧图像信息进行预处理获得各当前帧图像信息针对全景视角检测跟踪的特征向量；预处理模块将得到的特征向量发送给第一计算模块；
第一计算模块对特征向量执行目标边界框操作、并基于特征向量检测出目标对象的位置；
第二计算模块基于当前帧图像信息的目标边界框操作结果和目标对象的位置、历史帧图像信息的目标边界框操作结果和目标对象的位置，进行特征提取和特征交互获得轨迹预测特征；第二计算模块将轨迹预测特征发送给预测模块；
预测模块基于轨迹预测特征进行轨迹预测计算得到下一帧目标对象的轨迹。
本发明与现有技术相比，具有如下的优点和有益效果：
本发明提出一种基于全景视角检测跟踪的轨迹预测方法及系统，从全景视角下采集目标对象的视频信息，并对各视角的视频信息进行多目标检测和追踪，最后预测出下一帧目标对象的轨迹，经过对多个连续帧的处理与预测得到目标对象的轨迹；实现在同一时刻同时掌握各个方位上的目标状态，同时对目标状态进行空间上的轨迹预测，以满足需要对周围环境进行实时监控预测的应用场景。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。
图1是实施例基于全景视角检测跟踪的轨迹预测方法流程图；
图2是实施例基于全景视角检测跟踪的轨迹预测系统结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例1
图1是本实施例提供的一种基于全景视角检测跟踪的轨迹预测方法及系统，包括步骤：
S1.实时采集全景视角下目标对象的视频信息；
S2.对不同视角的多个视频信息的当前帧图像信息进行预处理获得各当前帧图像信息针对全景视角检测跟踪的特征向量；
S3.对S2中获得的特征向量执行目标边界框操作、并基于特征向量检测出目标对象的位置；
S4.基于当前帧图像信息的目标边界框操作结果和目标对象的位置、历史帧图像信息的目标边界框操作结果和目标对象的位置，进行特征提取和特征交互最终获得轨迹预测特征；
S5.根据S4获得的轨迹预测特征进行轨迹预测计算得到下一帧目标对象的轨迹；
S6.以当前帧图像信息的目标边界框操作结果和目标对象的位置作为历史帧图像信息的目标边界框操作结果和目标对象的位置重复步骤S2-S6直至轨迹预测完成。
所述全景视角下表示为以目标对象的坐标点为中心的球形空间视角。
所述预处理包括：
先对各视频信息的当前帧图像信息去噪、滤波和锐化处理；
再将当前帧图像输入卷积神经网络和特征金字塔中进行计算得到当前帧图像信息针对全景视角检测跟踪的特征向量。
所述目标边界框操作包括：对特征向量的目标边界框进行分类和回归。
所述轨迹预测特征包括：目标对象间的关系特征、目标对象特征和轨迹样本。
S4包括以下步骤：
S41.从当前帧图像信息的目标边界框操作结果和目标对象的位置、历史帧图像信息的目标边界框操作结果和目标对象的位置中获得目标对象间的关系特征和目标对象的特征；
S42.基于目标对象间的关系特征和目标对象的特征生成当前时刻目标的运行轨迹；
S43.基于当前时刻目标的运行轨迹生成轨迹样本。
基于目标对象间的关系特征和目标对象的特征通过RNN计算方法生成当前时刻目标的运行轨迹。
对当前时刻目标的运行轨迹进行条件自编码操作，生成不同的具有相关性的轨迹样本。
实施例2
本实施例提供一种基于全景视角检测跟踪的轨迹预测系统，如图2所示，包括：视频采集模块，预处理模块，第一计算模块，第二计算模块和预测模块；
视频采集模块实时采集全景视角下目标对象的视频信息，并将采集的信息发送给预处理模块；
预处理模块对不同视角的多个视频信息的当前帧图像信息进行预处理获得各当前帧图像信息针对全景视角检测跟踪的特征向量；预处理模块将得到的特征向量发送给第一计算模块；
第一计算模块对特征向量执行目标边界框操作、并基于特征向量检测出目标对象的位置；
第二计算模块基于当前帧图像信息的目标边界框操作结果和目标对象的位置、历史帧图像信息的目标边界框操作结果和目标对象的位置，进行特征提取和特征交互获得轨迹预测特征；第二计算模块将轨迹预测特征发送给预测模块；
预测模块基于轨迹预测特征进行轨迹预测计算得到下一帧目标对象的轨迹。
视频采集模块包括但不限于摄像机、雷达等；本实施例为采集全景视角下目标对象的视频信息对应多个摄像头，假设每个摄像头的视角为90度时，需要至少8个摄像头分别实时采集周围不同方位中存在的目标信息。所述周围所有方位包括监控对象所处的上，下，左，右，前，后等方位的目标。
还包括缓存模块和内存共享模块
缓存模块用于存储特征映射、权重数据、一些中间结果、频繁重复使用的数据以及最终结果数据；
内存共享模块用于临时保存前帧图像信息的目标边界框操作结果和目标对象的位置等信息并重用，直到处理下一个节点；
预处理模块包括视觉特征提取单元，视觉特征提取单元基于卷积神经网络和特征金字塔计算方法对不同视角的多个视频信息分别提取高级语义特征，生成多尺度特征表示；
第二计算模块包括特征提取模块、特征交互模块、检测更新模块和多样性采样模块，所述特征提取模块用于提取当前帧中检测到的对象和过去帧中物体轨迹的语义特征信息，所述特征交互模块用于实现不用对象之间的交互，改善跟踪关联和轨迹预测；
检测更新模块使用递归神经网络计算单元依据相似度对区域进行排序并传到跟踪模块检测更新前一帧的跟踪状态；
多样性采样模块用于考虑样本之间的关联性，生成不同的具有相关性的轨迹样本；
预测模块包括卡尔曼滤波器单元、自适应搜索单元和投影单元，用于预测未来帧中的对象状态。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于全景视角检测跟踪的轨迹预测方法，其特征在于，包括步骤：
S1.实时采集全景视角下目标对象的视频信息；
S2.对不同视角的多个视频信息的当前帧图像信息进行预处理获得各当前帧图像信息针对全景视角检测跟踪的特征向量；
S3.对S2中获得的特征向量执行目标边界框操作、并基于特征向量检测出目标对象的位置；
S4.基于当前帧图像信息的目标边界框操作结果和目标对象的位置、历史帧图像信息的目标边界框操作结果和目标对象的位置，进行特征提取和特征交互最终获得轨迹预测特征；
S5.根据S4获得的轨迹预测特征进行轨迹预测计算得到下一帧目标对象的轨迹；
S6.以当前帧图像信息的目标边界框操作结果和目标对象的位置作为历史帧图像信息的目标边界框操作结果和目标对象的位置重复步骤S2-S6直至轨迹预测完成。
2.根据权利要求1所述的一种基于全景视角检测跟踪的轨迹预测方法，其特征在于，所述全景视角下表示为以目标对象的坐标点为中心的球形空间视角。
3.根据权利要求1所述的一种基于全景视角检测跟踪的轨迹预测方法，其特征在于，预处理包括：
先对各视频信息的当前帧图像信息去噪、滤波和锐化处理；
再将当前帧图像输入卷积神经网络和特征金字塔中进行计算得到当前帧图像信息针对全景视角检测跟踪的特征向量。
4.根据权利要求1所述的一种基于全景视角检测跟踪的轨迹预测方法，其特征在于，所述目标边界框操作包括：对特征向量的目标边界框进行分类和回归。
5.根据权利要求1所述的一种基于全景视角检测跟踪的轨迹预测方法，其特征在于，所述轨迹预测特征包括：目标对象间的关系特征、目标对象特征和轨迹样本。
6.根据权利要求1所述的一种基于全景视角检测跟踪的轨迹预测方法，其特征在于，S4包括以下步骤：
S41.从当前帧图像信息的目标边界框操作结果和目标对象的位置、历史帧图像信息的目标边界框操作结果和目标对象的位置中获得目标对象间的关系特征和目标对象的特征；
S42.基于目标对象间的关系特征和目标对象的特征生成当前时刻目标的运行轨迹；
S43.基于当前时刻目标的运行轨迹生成轨迹样本。
7.根据权利要求5所述的一种基于全景视角检测跟踪的轨迹预测方法，其特征在于，基于目标对象间的关系特征和目标对象的特征通过RNN计算方法生成当前时刻目标的运行轨迹。
8.根据权利要求6所述的一种基于全景视角检测跟踪的轨迹预测方法，其特征在于，对当前时刻目标的运行轨迹进行条件自编码操作，生成不同的具有相关性的轨迹样本。
9.一种基于全景视角检测跟踪的轨迹预测系统，其特征在于，包括：视频采集模块，预处理模块，第一计算模块，第二计算模块和预测模块；
视频采集装置实时采集全景视角下目标对象的视频信息，并将采集的信息发送给预处理模块；
预处理模块对不同视角的多个视频信息的当前帧图像信息进行预处理获得各当前帧图像信息针对全景视角检测跟踪的特征向量；预处理模块将得到的特征向量发送给第一计算模块；
第一计算模块对特征向量执行目标边界框操作、并基于特征向量检测出目标对象的位置；
第二计算模块基于当前帧图像信息的目标边界框操作结果和目标对象的位置、历史帧图像信息的目标边界框操作结果和目标对象的位置，进行特征提取和特征交互获得轨迹预测特征；第二计算模块将轨迹预测特征发送给预测模块；
预测模块基于轨迹预测特征进行轨迹预测计算得到下一帧目标对象的轨迹。
10.根据权利要求9所述的一种基于全景视角检测跟踪的轨迹预测系统，所述全景视角下表示为以目标对象的坐标点为中心的球形空间视角。
CN202110175289.0A 2021-02-09 2021-02-09 一种基于全景视角检测跟踪的轨迹预测方法及系统 Active CN112785628B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110175289.0A CN112785628B (zh) 2021-02-09 2021-02-09 一种基于全景视角检测跟踪的轨迹预测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110175289.0A CN112785628B (zh) 2021-02-09 2021-02-09 一种基于全景视角检测跟踪的轨迹预测方法及系统

Publications (2)

Publication Number Publication Date
CN112785628A true CN112785628A (zh) 2021-05-11
CN112785628B CN112785628B (zh) 2023-08-08

Family

ID=75761330

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110175289.0A Active CN112785628B (zh) 2021-02-09 2021-02-09 一种基于全景视角检测跟踪的轨迹预测方法及系统

Country Status (1)

Country Link
CN (1) CN112785628B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113313735A (zh) * 2021-05-25 2021-08-27 上海哔哩哔哩科技有限公司 全景视频数据处理方法及装置
CN113315914A (zh) * 2021-05-25 2021-08-27 上海哔哩哔哩科技有限公司 全景视频数据处理方法及装置
CN113902776A (zh) * 2021-10-27 2022-01-07 北京易航远智科技有限公司 目标行人轨迹预测方法、装置、电子设备及存储介质
CN114827750A (zh) * 2022-05-31 2022-07-29 脸萌有限公司 视角的预测方法、装置、设备及存储介质
US11647294B2 (en) 2021-05-25 2023-05-09 Shanghai Bilibili Technology Co., Ltd. Panoramic video data process
CN117893933A (zh) * 2024-03-14 2024-04-16 国网上海市电力公司 一种用于输变电设备的无人巡检故障检测方法和系统
CN117893933B (zh) * 2024-03-14 2024-05-24 国网上海市电力公司 一种用于输变电设备的无人巡检故障检测方法和系统

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1976445A (zh) * 2006-12-15 2007-06-06 上海鼎业电子科技有限公司 基于立体视频动态跟踪的多摄像机监控系统及其跟踪方法
JP2011259152A (ja) * 2010-06-08 2011-12-22 Suzuki Motor Corp 運転支援装置
US20120154579A1 (en) * 2010-12-20 2012-06-21 International Business Machines Corporation Detection and Tracking of Moving Objects
CN103020983A (zh) * 2012-09-12 2013-04-03 深圳先进技术研究院 一种用于目标跟踪的人机交互装置及方法
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
CN107992837A (zh) * 2017-12-12 2018-05-04 公安部交通管理科学研究所 基于单个ptz监控摄像机的道路全景建模与车辆检测跟踪方法
CN109582993A (zh) * 2018-06-20 2019-04-05 长安大学 城市交通场景图像理解与多视角群智优化方法
US20190139296A1 (en) * 2017-11-07 2019-05-09 Dolby Laboratories Licensing Corporation Parameterizing 3d scenes for volumetric viewing
CN110248178A (zh) * 2019-06-18 2019-09-17 深圳大学 利用物体跟踪和历史轨迹全景视频的视口预测方法及系统
CN110717414A (zh) * 2019-09-24 2020-01-21 青岛海信网络科技股份有限公司 一种目标检测追踪方法、装置及设备
CN111080679A (zh) * 2020-01-02 2020-04-28 东南大学 一种对大型场所室内人员动态跟踪定位的方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1976445A (zh) * 2006-12-15 2007-06-06 上海鼎业电子科技有限公司 基于立体视频动态跟踪的多摄像机监控系统及其跟踪方法
JP2011259152A (ja) * 2010-06-08 2011-12-22 Suzuki Motor Corp 運転支援装置
US20120154579A1 (en) * 2010-12-20 2012-06-21 International Business Machines Corporation Detection and Tracking of Moving Objects
CN103020983A (zh) * 2012-09-12 2013-04-03 深圳先进技术研究院 一种用于目标跟踪的人机交互装置及方法
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
US20190139296A1 (en) * 2017-11-07 2019-05-09 Dolby Laboratories Licensing Corporation Parameterizing 3d scenes for volumetric viewing
CN107992837A (zh) * 2017-12-12 2018-05-04 公安部交通管理科学研究所 基于单个ptz监控摄像机的道路全景建模与车辆检测跟踪方法
CN109582993A (zh) * 2018-06-20 2019-04-05 长安大学 城市交通场景图像理解与多视角群智优化方法
CN110248178A (zh) * 2019-06-18 2019-09-17 深圳大学 利用物体跟踪和历史轨迹全景视频的视口预测方法及系统
CN110717414A (zh) * 2019-09-24 2020-01-21 青岛海信网络科技股份有限公司 一种目标检测追踪方法、装置及设备
CN111080679A (zh) * 2020-01-02 2020-04-28 东南大学 一种对大型场所室内人员动态跟踪定位的方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
ERGYS RISTANI等: "Features for Multi-Target Multi-Camera Tracking and Re-Identification", 《ARXIV》, pages 1 - 11 *
JINTING TANG等: "A Viewport Prediction Framework for Panoramic Videos", 《2020 INTERNATIONAL JOINT CONFERENCE ON NEURAL NETWORKS (IJCNN)》, pages 1 - 8 *
XINDI ZHANG等: "Real-Time Multi-Target Multi-Camera Tracking with Spatial-Temporal Information", 《2019 IEEE VISUAL COMMUNICATIONS AND IMAGE PROCESSING (VCIP)》, vol. 1, pages 263 - 280 *
刘沛鑫: "基于数据关联的视频多目标跟踪关键技术研究", 《中国博士学位论文全文数据库 信息科技辑》, no. 07, pages 138 - 15 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113313735A (zh) * 2021-05-25 2021-08-27 上海哔哩哔哩科技有限公司 全景视频数据处理方法及装置
CN113315914A (zh) * 2021-05-25 2021-08-27 上海哔哩哔哩科技有限公司 全景视频数据处理方法及装置
US11647294B2 (en) 2021-05-25 2023-05-09 Shanghai Bilibili Technology Co., Ltd. Panoramic video data process
CN113902776A (zh) * 2021-10-27 2022-01-07 北京易航远智科技有限公司 目标行人轨迹预测方法、装置、电子设备及存储介质
CN113902776B (zh) * 2021-10-27 2022-05-17 北京易航远智科技有限公司 目标行人轨迹预测方法、装置、电子设备及存储介质
CN114827750A (zh) * 2022-05-31 2022-07-29 脸萌有限公司 视角的预测方法、装置、设备及存储介质
CN114827750B (zh) * 2022-05-31 2023-12-22 脸萌有限公司 视角的预测方法、装置、设备及存储介质
CN117893933A (zh) * 2024-03-14 2024-04-16 国网上海市电力公司 一种用于输变电设备的无人巡检故障检测方法和系统
CN117893933B (zh) * 2024-03-14 2024-05-24 国网上海市电力公司 一种用于输变电设备的无人巡检故障检测方法和系统

Also Published As

Publication number Publication date
CN112785628B (zh) 2023-08-08

Similar Documents

Publication Publication Date Title
CN112785628B (zh) 一种基于全景视角检测跟踪的轨迹预测方法及系统
CN109800689B (zh) 一种基于时空特征融合学习的目标跟踪方法
CN113034548B (zh) 一种适用于嵌入式终端的多目标跟踪方法及其系统
Jadhav et al. Aerial multi-object tracking by detection using deep association networks
Tsoukalas et al. Deep learning assisted visual tracking of evader-UAV
CN115994930A (zh) 基于人工智能的摄像机下运动目标的检测定位方法及系统
Kyrkou C 3 Net: end-to-end deep learning for efficient real-time visual active camera control
CN112861808B (zh) 动态手势识别方法、装置、计算机设备及可读存储介质
Jiang et al. Surveillance from above: A detection-and-prediction based multiple target tracking method on aerial videos
Li et al. Recent advances in intelligent processing of satellite video: Challenges, methods, and applications
CN116862832A (zh) 一种基于三维实景模型的作业人员定位方法
Perez-Cutino et al. Event-based human intrusion detection in UAS using deep learning
Xu-Wei et al. Real-time hand tracking based on YOLOv4 model and Kalman filter
CN115767424A (zh) 一种基于rss与csi融合的视频定位方法
CN113744302B (zh) 动态目标行为预测方法和系统
Lygouras et al. A new method to combine detection and tracking algorithms for fast and accurate human localization in UAV-based SAR operations
CN114445787A (zh) 非机动车重识别方法及相关设备
Angelov et al. ARTOT: Autonomous real-Time object detection and tracking by a moving camera
Li et al. Design of UAV single object tracking algorithm based on feature fusion
Pulare et al. Implementation of real time multiple object detection and classification of HEVC videos
Guo et al. Global-Local MAV Detection Under Challenging Conditions Based on Appearance and Motion
Yan et al. Detection of Air-to-Air Flying Targets against Sky–ground Joint Background.
CN117455953A (zh) 目标检测跟踪方法、装置及存储介质
Tiwari et al. Empirical Analysis of Machine Learning Models Used for Motion Detection & Tracking in Videos from An Augmented Statistical Perspective
Wu et al. Generic multiview visual tracking

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