CN112907492A - 物体运动轨迹的生成方法及生成系统 - Google Patents
物体运动轨迹的生成方法及生成系统 Download PDFInfo
- Publication number
- CN112907492A CN112907492A CN201911220000.1A CN201911220000A CN112907492A CN 112907492 A CN112907492 A CN 112907492A CN 201911220000 A CN201911220000 A CN 201911220000A CN 112907492 A CN112907492 A CN 112907492A
- Authority
- CN
- China
- Prior art keywords
- image
- gray
- image group
- images
- gray level
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000033001 locomotion Effects 0.000 title claims abstract description 68
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000012545 processing Methods 0.000 claims description 30
- 238000012935 Averaging Methods 0.000 claims description 22
- 230000004927 fusion Effects 0.000 claims description 17
- 238000010606 normalization Methods 0.000 description 6
- 230000003068 static effect Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000003709 image segmentation Methods 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004438 eyesight Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241000023320 Luma <angiosperm> Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- OSWPMRLSEDHDFF-UHFFFAOYSA-N methyl salicylate Chemical compound COC(=O)C1=CC=CC=C1O OSWPMRLSEDHDFF-UHFFFAOYSA-N 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种物体运动轨迹的生成方法及生成系统,所述生成方法包括:获取多张灰度图像;将所述多张灰度图像按照时间先后顺序分类为第一灰度图像组、第二灰度图像组及第三灰度图像组;将所述第一灰度图像组的灰度图像设定为第一色彩分量,所述第二灰度图像组的灰度图像设定为第二色彩分量,所述第三灰度图像组的灰度图像设定为第三色彩分量;及将所述第一灰度图像组的灰度图像、所述第二灰度图像组的灰度图像及所述第三灰度图像组的灰度图像融合成一轨迹图像,通过将序列的多张灰度图像融合成一张轨迹图像,能够清晰完整地显示物体运动的轨迹。
Description
技术领域
本发明涉及计算物体运动轨迹的技术领域,尤其涉及一种物体运动轨迹的生成方法及生成系统。
背景技术
图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。现有的图像分割方法主要分以下几类:基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。近年以来,研究人员不断改进原有的图像分割方法并把其它学科的一些新理论和新方法用于图像分割,提出了不少新的分割方法。图像分割后提取出的目标可以用于图像语义识别,图像搜索等等领域。
数字图像处理技术是一个跨学科的领域。随着计算机科学技术的不断发展,图像处理和分析逐渐形成了自己的科学体系,新的处理方法层出不穷,尽管其发展历史不长,但却引起各方面人士的广泛关注。首先,视觉是人类最重要的感知手段,图像又是视觉的基础,因此,数字图像成为心理学、生理学、计算机科学等诸多领域内的学者们研究视觉感知的有效工具。其次,图像处理在军事、遥感、气象等大型应用中有不断增长的需求。
在某些应用场景中,我们想获取到运动物体的轨迹,从而得到运动物体的起点和终点。现有的一些前景检测算法,例如:高斯前景建模、视觉背景提取方法(VIBE)等,所述前景检测算法能够一定程度上将前景区域全部提取出来,但是这类算法对运动物体的轨迹没“概念”,并不能理解轨迹,因此无法将运动物体的轨迹清楚地显示出来。
因此,有必要提供改良的一种物体运动轨迹的生成方法及生成系统,以解决上述现有技术所存在的问题。
发明内容
本发明的目的在于,针对现有技术中存在的技术问题,提供一种物体运动轨迹的生成方法及生成系统,通过将序列的多张灰度图像融合成一张轨迹图像,能够清晰完整地显示物体运动的轨迹。
为实现上述目的,本发明提供了一种物体运动轨迹的生成方法,所述生成方法包括:获取多张灰度图像;将所述多张灰度图像按照时间先后顺序分类为第一灰度图像组、第二灰度图像组及第三灰度图像组;将所述第一灰度图像组的灰度图像设定为第一色彩分量,所述第二灰度图像组的灰度图像设定为第二色彩分量,所述第三灰度图像组的灰度图像设定为第三色彩分量;及将所述第一灰度图像组的灰度图像、所述第二灰度图像组的灰度图像及所述第三灰度图像组的灰度图像融合成一轨迹图像,其中所述轨迹图像具有物体运动轨迹。
在本发明的一实施例中,所述多张灰度图像在分类之后,若所述第一灰度图像组、所述第二灰度图像组及所述第三灰度图像组的灰度图像皆为二张或以上,则对所述第一灰度图像组、所述第二灰度图像组及所述第三灰度图像组中的灰度图像进行均值化处理;及若所述第一灰度图像组、所述第二灰度图像组及所述第三灰度图像组的灰度图像皆为一张,则进行下一步骤。
在本发明的一实施例中,所述第一色彩分量为红色分量,所述第二色彩分量为绿色分量,所述第三色彩分量为蓝色分量;其中所述轨迹图像的像素点的颜色坐标满足以下公式:D=(R,G,B),D为所述轨迹图像的每个像素点的颜色坐标,R为红色分量的灰度图像的每个对应的像素点的灰度值,G为绿色分量的灰度图像的每个对应的像素点的灰度值,B为蓝色分量的灰度图像的每个对应的像素点的灰度值。
本实施例的图像采用的是RGB色彩空间,RGB色彩空间的含义:任何一种颜色,都可以由三种分量(red、green、blue)按照不同比例混合而成,而这三种分量的取值都在0-255之间。比如白色,是按照red分量值255、green分量值255、blue分量值255合成的颜色,同理,黑色是按照red分量值0、green分量值0、blue分量值0合成的颜色。红色是按照red分量值255、green分量值0、blue分量值0合成的颜色。
进一步说明的是,图像的色彩空间分为很多种,例如:RGB色彩空间,在RGB颜色空间中,任意色光的分量F都可以用R、G、B三色不同分量的相加混合而成;YUV色彩空间,其中“Y”表示明亮度(Luminance或Luma),也就是灰阶值;而“U”和“V”表示的则是色度(Chrominance或Chroma),作用是描述影像色彩及饱和度,用于指定像素的颜色。“亮度”是透过RGB输入信号来建立的;HSV色彩空间,是一种将RGB色彩空间中的点在倒圆锥体中的表示方法。HSV即色相(Hue)、饱和度(Saturation)、明度(Value),又称HSB(B即Brightness)。上述的RGB色彩空间是比较符合人类直观也最常见的一种图像色彩空间。
在本发明的一实施例中,在获取多张灰度图像之前,先针对运动的物体连续拍摄多张彩色图像,接着再将所述多张彩色图像分别转换为多张灰度图像。
在本发明的一实施例中,所述第一灰度图像组的灰度图像、所述第二灰度图像组的灰度图像及所述第三灰度图像组的灰度图像的尺寸相同。
在本发明的一实施例中,所述第一色彩分量、所述第二色彩分量及所述第三色彩分量的排列顺序与所述多张灰度图像的时序成正比。
为实现上述目的,本发明提供了一种物体运动轨迹的生成系统,所述物体运动轨迹的生成系统包含图像获取模块、图像分类模块、图像设定模块及图像融合模块;所述图像获取模块配置用以获取多张灰度图像;所述图像分类模块电性连接所述图像获取模块,其中所述图像分类模块配置用以将所述多张灰度图像按照时间先后顺序分类为第一灰度图像组、第二灰度图像组及第三灰度图像组;所述图像设定模块配置用以将所述第一灰度图像组的灰度图像设定为第一色彩分量,所述第二灰度图像组的灰度图像设定为第二色彩分量,所述第三灰度图像组的灰度图像设定为第三色彩分量;所述图像融合模块电性连接所述图像设定模块,其中所述图像融合模块配置用以将所述第一灰度图像组的灰度图像、所述第二灰度图像组的灰度图像及所述第三灰度图像组的灰度图像融合成一轨迹图像,其中所述轨迹图像具有物体运动轨迹。
在本发明的一实施例中,所述物体运动轨迹的生成系统还包含图像拍摄模块,电性连接所述图像获取模块,所述图像拍摄模块配置用以针对运动的物体连续拍摄多张彩色图像。
在本发明的一实施例中,所述物体运动轨迹的生成系统还包含图像均值模块,电性连接所述图像分类模块,当所述第一灰度图像组、所述第二灰度图像组及所述第三灰度图像组的灰度图像皆为二张或以上时,所述图像均值模块配置用以对所述第一灰度图像组、所述第二灰度图像组及所述第三灰度图像组中的灰度图像进行均值化处理。
在本发明的一实施例中,所述物体运动轨迹的生成系统还包含图像显示模块,电性连接所述图像融合模块,所述图像显示模块配置用以显示融合之后的轨迹图像,以及所述轨迹图像的物体运动轨迹。
本发明的优点在于:本发明物体运动轨迹的生成方法通过将序列的多张灰度图像融合成一张轨迹图像,由于所述生成方法对物体运动的区域非常敏感,能清晰完整地显示物体运动的轨迹,其中以三种色彩分量识别物体运动轨迹,而静止的区域,则以灰色显示。特别是能够体现出物体运动的起点和终点位置,例如:颜色偏蓝色一端为轨迹的起点,颜色偏绿色一端为轨迹的中间区域,颜色偏红色的一端为轨迹的终点。另外,本发明物体运动轨迹的生成方法充分利用所述多张灰度图像的时序信息以及内容信息,而且所述多张灰度图像存储容量低且计算成本小,因而能够有效缩短处理速度,并提升处理效率。
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是根据本发明第一优选实施例物体运动轨迹的生成方法的流程图。
图2是根据本发明第二优选实施例物体运动轨迹的生成方法的流程图。
图3是根据本发明生成系统的示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
请参考图1所示,是本发明第一优选实施例物体运动轨迹的生成方法的流程图。所述生成方法的执行主体可以是计算机,或者集成了所述计算机的设备,比如终端或服务器等,其中,所述物体运动轨迹的生成方法可以采用硬件或者软件的方式实现,所述设备可以是智能手机、平板电脑、掌上电脑、或者笔记本电脑、固定电脑,服务器等等。进一步来说,所述生成方法包括步骤S101、步骤S102、步骤S103及步骤S104。本发明将于下文详细说明各步骤的细部流程、关系及其运作原理。
续参考图1所示,在步骤101中,获取多张灰度图像;在一实施例中,所述多张灰度图像是通过摄像机进行连续拍摄,其中利用摄像机针对物体在特定时间内的移动进行连续拍摄,或者直接在存储有多张灰度图像的存储器中获取在特定时间段进行连续拍摄的多张灰度图像。
续参考图1所示,在步骤102中,将所述多张灰度图像按照时间先后顺序分类为第一灰度图像组、第二灰度图像组及第三灰度图像组;例如:若所述多张灰度图像有三张,则所述第一灰度图像组、第二灰度图像组及第三灰度图像组各分类有一张灰度图像;若所述多张灰度图像有六张,则所述第一灰度图像组、第二灰度图像组及第三灰度图像组各分类有二张灰度图像,以此类推。
在一实施例中,所述多张灰度图像在分类之后,若所述第一灰度图像组、所述第二灰度图像组及所述第三灰度图像组的灰度图像皆为二张或以上,则对所述第一灰度图像组、所述第二灰度图像组及所述第三灰度图像组中的灰度图像进行均值化处理,例如:所述第一灰度图像组均值化处理之后的单通道均值图令其为Rmean;所述第二灰度图像组均值化处理之后的单通道均值图令其为Gmean;所述第三灰度图像组均值化处理之后的单通道均值图令其为Bmean,在其他实施例中,均值化处理之后的单通道均值图也可以设定为Bmean、Gmean及Rmean,其顺序并不以此为限。待所述第一灰度图像组、所述第二灰度图像组及所述第三灰度图像组进行均值化处理之后,再进行步骤103;及若所述第一灰度图像组、所述第二灰度图像组及所述第三灰度图像组的灰度图像皆为一张,则直接进行步骤103。
具体来说,在许多图像处理系统中,灰度的均值化(归一化)处理,是必备的预处理过程。一般而言,对于灰度图像(或彩色通道的每个颜色分量)进行灰度归一化就是:使其像素的灰度值分布在0~255之间,避免图像对比度不足(图像像素亮度分布不平衡)从而对后续处理带来干扰。
续参考图1所示,在步骤103中,将所述第一灰度图像组的灰度图像设定为第一色彩分量,所述第二灰度图像组的灰度图像设定为第二色彩分量,所述第三灰度图像组的灰度图像设定为第三色彩分量。具体来说,单通道的图像可以称其为灰度图像,而三通道图像可以称其为彩色图像。在一张RGB彩色图像,该图像中每一个像素点都有一个颜色,而该颜色是由上述三种分量混合而成。一张RGB图像的每个像素都有red、green、blue三个分量,实际上是三通道的图像,也可以看成是三张单通道的图像合成,所述三张单通道的图像分别可区分为red通道图像、green通道图像、blue通道图像。因此,三张单通道图像可以融合成一张三通道彩色图像。反之亦然,一张三通道彩色图像也可以拆分成三张单通道图像,二张以上的三通道彩色图像也可以拆分成三组单通道图像,如上述的第一灰度图像组的灰度图像、第二灰度图像组的灰度图像及第三灰度图像组的灰度图像。在一实施例中,所述第一色彩分量为红色分量,所述第二色彩分量为绿色分量,所述第三色彩分量为蓝色分量;其中所述轨迹图像的像素点的颜色坐标满足以下公式:D=(R,G,B),D为所述轨迹图像的每个像素点的颜色坐标,R为红色分量的灰度图像的每个对应的像素点的灰度值,G为绿色分量的灰度图像的每个对应的像素点的灰度值,B为蓝色分量的灰度图像的每个对应的像素点的灰度值。具体来说,R、G、B三个分量(通道),可以以任何一个顺序进行排列,比如RGB、BGR、BRG等。本实施例是采用的图像处理工具(OpenCV)默认的通道按照B、G、R顺序排列来读取和生成图像,因此,RGB的顺序并不以此为限。
续参考图1所示,在步骤104中,将所述第一灰度图像组的灰度图像、所述第二灰度图像组的灰度图像及所述第三灰度图像组的灰度图像融合成一轨迹图像,其中所述轨迹图像为三通道的RGB彩图,而且具有物体运动轨迹,所述轨迹图像的静止部分以灰度显示,因而可以清晰地捕捉到运动物体的轨迹。具体来说,要融合成所述轨迹图像,需提供三张(组)单通道的灰度图像,可以使用包括OpenCV等在内的任何一个图像处理工具,融合成一张三通道彩色的图像,要注意的是,所述三张单通道的灰度图像的尺寸相同。由于在RGB色彩空间中,彩图都是由三个分量的单通道图片合成的,所以上述的轨迹图像是由三张单通道均值图(第一灰度图像组的灰度图像、所述第二灰度图像组的灰度图像及所述第三灰度图像组的灰度图像)融合而成。
依据上述的设计,依据上述的设计,在RGB色彩空间中,如果某个像素值的三个分量是同一个值,那么眼睛看到的就是“灰色”,比如黑色(三个分量值分别为0:0:0)、白色(255:255:255)、偏暗(10:10:10)、偏白(200:200:200)。除此之外,如果三个分量不全是同一个值,眼睛看到的就是一种“彩色”,比如水粉色的RGB分量值为255:192:203。考虑一个展示完全静止画面的连续图片帧,将图像分成三组,每组再求出一个单通道灰度图,得到三张均值灰度图,因为画面是完全静止的,所以这三张均值图各个位置的对应的像素是一模一样的,所以生成的融合图,每个位置的像素的三个rgb分量都是同一个值,所以这些像素都是“灰色”,那么整张图眼睛看到的感觉就是灰色的。相反地,对于运动的区域,因为最终生成的融合图(轨迹图像)的对应运动区域的像素值的三个分量并不完全是同一个值,在人眼看来就是一种“彩色”,其中静止区域表现出来的灰色,是根据实际像素值计算的,在黑色(0:0:0)到白色(255:255:255)之间。
如上所述,本发明物体运动轨迹的生成方法通过将序列的多张灰度图像融合成一张轨迹图像,由于所述生成方法对物体运动的区域非常敏感,能清晰完整地显示物体运动的轨迹,其中以三种色彩分量识别物体运动轨迹,而静止的区域,则以灰色显示。特别是能够体现出物体运动的起点和终点位置,例如:颜色偏蓝色一端为轨迹的起点,颜色偏绿色一端为轨迹的中间区域,颜色偏红色的一端为轨迹的终点。另外,本发明物体运动轨迹的生成方法充分利用所述多张灰度图像的时序信息以及内容信息,而且所述多张灰度图像存储容量低且计算成本小,因而能够有效缩短处理速度,并提升处理效率。
要说明的是,关于上述的时序信息,由于本实施例的通道的顺序是R、G、B,也就是说第一张灰度图像充当的是轨迹图像(最终融合图)的red分量,第二张灰度图像充当的是轨迹图像的green分量,第三张灰度图像充当的是最终融合图的blue分量。由此可知,对于一个有运动区域的连续图片序列生成的融合图,运动的起点偏蓝色,中间段偏绿色,终点偏红色。反过来看,就是一张已经计算出来的轨迹图像(融合图),对于某个彩色部分区域,偏红色的一端是运动的起点,偏绿色的一端是运动的中间位置,而偏蓝色的一端,是运动的终点。因此,所述轨迹图像(融合图)反映了多张灰度图像的时间序列的时序信息。关于上述的内容信息,由于是利用序列的所有多张灰度图像计算出来的,保留了原有图像序列。
请参照图2所示,是本发明第二优选实施例物体运动轨迹的生成方法的流程图。所述生成方法的执行主体同样是计算机,或者集成了所述计算机的设备,比如终端或服务器等,其中,所述生成方法包括步骤S201、步骤S202、步骤S203、步骤S204及步骤S205。本发明将于下文详细说明各步骤的细部流程、关系及其运作原理。
续参考图2所示,在步骤201中,针对运动的物体连续拍摄多张彩色图像;在一实施例中,所述多张彩色图像是通过摄像机进行连续拍摄,其中利用摄像机针对物体在特定时间段的移动进行连续拍摄。
续参考图2所示,在步骤202中,将所述多张彩色图像分别转换为多张灰度图像;在一实施例中,所述多张彩色图像是通过影像编辑器转换为所述多张灰度图像。
续参考图2所示,在步骤203中,将所述多张灰度图像按照时间先后顺序分类为第一灰度图像组、第二灰度图像组及第三灰度图像组;例如:若所述多张灰度图像有三张,则所述第一灰度图像组、第二灰度图像组及第三灰度图像组个分类有一张灰度图像;若所述多张灰度图像有六张,则所述第一灰度图像组、第二灰度图像组及第三灰度图像组个分类有二张灰度图像,以此类推。
在一实施例中,所述多张灰度图像在分类之后,若所述第一灰度图像组、所述第二灰度图像组及所述第三灰度图像组的灰度图像皆为二张或以上,则对所述第一灰度图像组、所述第二灰度图像组及所述第三灰度图像组中的灰度图像进行均值化处理,例如:所述第一灰度图像组均值化处理之后的单通道均值图令其为Rmean;所述第二灰度图像组均值化处理之后的单通道均值图令其为Gmean;所述第三灰度图像组均值化处理之后的单通道均值图令其为Bmean,在其他实施例中,均值化处理之后的单通道均值图也可以设定为Bmean、Gmean及Rmean,其顺序并不以此为限。待所述第一灰度图像组、所述第二灰度图像组及所述第三灰度图像组进行均值化处理之后,再进行步骤204;若所述第一灰度图像组、所述第二灰度图像组及所述第三灰度图像组的灰度图像皆为一张,则直接进行步骤204。
要说明的是,在许多图像处理系统中,灰度的均值化(归一化)处理,是必备的预处理过程。一般而言,对于灰度图像(或彩色通道的每个颜色分量)进行灰度归一化就是:使其像素的灰度值分布在0~255之间,避免图像对比度不足(图像像素亮度分布不平衡)从而对后续处理带来干扰。
续参考图2所示,在步骤204中,将所述第一灰度图像组的灰度图像设定为第一色彩分量,所述第二灰度图像组的灰度图像设定为第二色彩分量,所述第三灰度图像组的灰度图像设定为第三色彩分量。
在一实施例中,所述第一色彩分量为红色分量,所述第二色彩分量为绿色分量,所述第三色彩分量为蓝色分量;其中所述轨迹图像的像素点的颜色坐标满足以下公式:D=(R,G,B),D为所述轨迹图像的每个像素点的颜色坐标,R为红色分量的灰度图像的每个对应的像素点的灰度值,G为绿色分量的灰度图像的每个对应的像素点的灰度值,B为蓝色分量的灰度图像的每个对应的像素点的灰度值。
续参考图2所示,在步骤205中,将所述第一灰度图像组的灰度图像、所述第二灰度图像组的灰度图像及所述第三灰度图像组的灰度图像融合成一轨迹图像,其中所述轨迹图像具有物体运动轨迹。
依据上述的设计,本发明物体运动轨迹的生成方法通过将序列的多张灰度图像融合成一张轨迹图像,由于所述生成方法对物体运动的区域非常敏感,能清晰完整地显示物体运动的轨迹,其中以三种色彩分量识别物体运动轨迹,而静止的区域,则以灰色显示。特别是能够体现出物体运动的起点和终点位置,例如:颜色偏蓝色一端为轨迹的起点,颜色偏绿色一端为轨迹的中间区域,颜色偏红色的一端为轨迹的终点。另外,本发明物体运动轨迹的生成方法充分利用所述多张灰度图像的时序信息以及内容信息,而且所述多张灰度图像存储容量低且计算成本小,因而能够有效缩短处理速度,并提升处理效率。
请参考图3所示,基于同一发明构思,本发明还提供了一种物体运动轨迹的生成系统。配合参考图2所示的生成方法,是本发明物体运动轨迹的生成系统的示意图。所述生成系统包括图像拍摄模块2、图像获取模块3、图像分类模块4、图像均值模块5、图像设定模块6、图像融合模块及图像显示模块。
续参考图3所示,所述图像拍摄模块2电性连接所述图像获取模块3,所述图像拍摄模块2配置用以针对运动的物体连续拍摄多张彩色图像。在一实施例中,所述多张彩色图像是通过所述图像拍摄模块2,例如摄像机,进行连续拍摄,其中利用所述图像拍摄模块2针对物体在特定时间段的移动进行连续拍摄。
续参考图3所示,所述图像获取模块3配置用以获取多张灰度图像;在一实施例中,所述图像获取模块3直接在存储有多张灰度图像的存储器中获取在特定时间段进行连续拍摄的多张灰度图像。
续参考图3所示,所述图像分类模块4电性连接所述图像获取模块3,其中所述图像分类模块4配置用以将所述多张灰度图像按照时间先后顺序分类为第一灰度图像组、第二灰度图像组及第三灰度图像组。例如:若所述多张灰度图像有三张,则所述第一灰度图像组、第二灰度图像组及第三灰度图像组个分类有一张灰度图像;若所述多张灰度图像有六张,则所述第一灰度图像组、第二灰度图像组及第三灰度图像组个分类有二张灰度图像,以此类推。
请参考图3所示,所述图像均值模块5电性连接所述图像分类模块4,当所述第一灰度图像组、所述第二灰度图像组及所述第三灰度图像组的灰度图像皆为二张或以上时,所述图像均值模块配置用以对所述第一灰度图像组、所述第二灰度图像组及所述第三灰度图像组中的灰度图像进行均值化处理,例如:所述第一灰度图像组均值化处理之后的单通道均值图令其为Rmean;所述第二灰度图像组均值化处理之后的单通道均值图令其为Gmean;所述第三灰度图像组均值化处理之后的单通道均值图令其为Bmean,在其他实施例中,均值化处理之后的单通道均值图也可以设定为Bmean、Gmean及Rmean,其顺序并不以此为限。
要说明的是,灰度的均值化(归一化)处理,是必备的预处理过程。一般而言,对于灰度图像(或彩色通道的每个颜色分量)进行灰度归一化就是:使其像素的灰度值分布在0~255之间,避免图像对比度不足(图像像素亮度分布不平衡)从而对后续处理带来干扰。
续参考图3所示,所述图像设定模块6配置用以将所述第一灰度图像组的灰度图像设定为第一色彩分量,所述第二灰度图像组的灰度图像设定为第二色彩分量,所述第三灰度图像组的灰度图像设定为第三色彩分量。其中,所述第一色彩分量为红色分量,所述第二色彩分量为绿色分量,所述第三色彩分量为蓝色分量;其中所述轨迹图像的像素点的颜色坐标满足以下公式:D=(R,G,B),D为所述轨迹图像的每个像素点的颜色坐标,R为红色分量的灰度图像的每个对应的像素点的灰度值,G为绿色分量的灰度图像的每个对应的像素点的灰度值,B为蓝色分量的灰度图像的每个对应的像素点的灰度值。
续参考图3所示,所述图像融合模块7电性连接所述图像设定模块6,其中所述图像融合模块7配置用以将所述第一灰度图像组的灰度图像、所述第二灰度图像组的灰度图像及所述第三灰度图像组的灰度图像融合成一轨迹图像,其中所述轨迹图像为三通道的RGB彩图,而且具有物体运动轨迹,所述轨迹图像的静止部分以灰度显示,因而可以清晰地捕捉到运动物体的轨迹。
续参考图3所示,所述图像显示模块8电性连接所述图像融合模块7,其中所述图像显示模块8配置用以显示融合之后的轨迹图像,以及所述轨迹图像的物体运动轨迹。
如上所述,本发明物体运动轨迹的生成方法通过将序列的多张灰度图像融合成一张轨迹图像,由于所述生成方法对物体运动的区域非常敏感,能清晰完整地显示物体运动的轨迹,其中以三种色彩分量识别物体运动轨迹,而静止的区域,则以灰色显示。特别是能够体现出物体运动的起点和终点位置,例如:颜色偏蓝色一端为轨迹的起点,颜色偏绿色一端为轨迹的中间区域,颜色偏红色的一端为轨迹的终点。另外,本发明物体运动轨迹的生成方法充分利用所述多张灰度图像的时序信息以及内容信息,而且所述多张灰度图像存储容量低且计算成本小,因而能够有效缩短处理速度,并提升处理效率。
应当理解,所述生成系统中记载的诸模块与图2描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作和特征同样适用于系统及其中包含的模块,在此不再赘述。所述系统可以预先实现在电子设备的浏览器或其它安全应用中,也可以通过下载等方式而加载到电子设备的浏览器或其它安全应用中。系统中的相应模块可以与电子设备中的模块相互配合以实现本发明实施例的方案。
本发明实施例可以通过终端设备或服务器的计算机系统实现。根据本公开的实施例,图2描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括有形地包含在机器可读介质上的计算机程序,所述计算机程序包含用于执行图2的方法的程序代码。在这样的实施例中,该计算机程序可以通过计算机系统的通信部分从网络上被下载和安装,和/或从可拆卸介质被安装。可拆卸介质,可以为诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在计算机系统的驱动器上,以便于从其上读出的计算机程序根据需要被安装入计算机系统的存储部分。
描述于本发明实施例中所涉及到的单元或模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中。其中,这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。
作为另一方面,本发明还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中前述系统中所包含的计算机可读存储介质;也可以是单独存在,未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序,前述程序被一个或者一个以上的处理器用来执行描述于本发明的方法。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种物体运动轨迹的生成方法,其特征在于,所述生成方法包括步骤:
获取多张灰度图像;
将所述多张灰度图像按照时间先后顺序分类为第一灰度图像组、第二灰度图像组及第三灰度图像组;
将所述第一灰度图像组的灰度图像设定为第一色彩分量,所述第二灰度图像组的灰度图像设定为第二色彩分量,所述第三灰度图像组的灰度图像设定为第三色彩分量;及
将所述第一灰度图像组的灰度图像、所述第二灰度图像组的灰度图像及所述第三灰度图像组的灰度图像融合成一轨迹图像,其中所述轨迹图像图像具有物体运动轨迹。
2.如权利要求1所述的生成方法,其特征在于:所述多张灰度图像在分类之后,若所述第一灰度图像组、所述第二灰度图像组及所述第三灰度图像组的灰度图像皆为二张或以上,则对所述第一灰度图像组、所述第二灰度图像组及所述第三灰度图像组中的灰度图像进行均值化处理;及
若所述第一灰度图像组、所述第二灰度图像组及所述第三灰度图像组的灰度图像皆为一张,则进行下一步骤。
3.如权利要求1所述的生成方法,其特征在于:所述第一色彩分量为红色分量,所述第二色彩分量为绿色分量,所述第三色彩分量为蓝色分量;
其中所述轨迹图像的像素点的颜色坐标满足以下公式:D=(R,G,B),D为所述轨迹图像的每个像素点的颜色坐标,R为红色分量的灰度图像的每个对应的像素点的灰度值,G为绿色分量的灰度图像的每个对应的像素点的灰度值,B为蓝色分量的灰度图像的每个对应的像素点的灰度值。
4.如权利要求1所述的生成方法,其特征在于:在获取多张灰度图像之前,先针对运动的物体连续拍摄多张彩色图像,接着再将所述多张彩色图像分别转换为多张灰度图像。
5.如权利要求1所述的生成方法,其特征在于:所述第一灰度图像组的灰度图像、所述第二灰度图像组的灰度图像及所述第三灰度图像组的灰度图像的尺寸相同。
6.如权利要求1所述的生成方法,其特征在于:所述第一色彩分量、所述第二色彩分量及所述第三色彩分量的排列顺序与所述多张灰度图像的时序成正比。
7.一种物体运动轨迹的生成系统,其特征在于,所述生成系统包括:
图像获取模块,配置用以获取多张灰度图像;
图像分类模块,电性连接所述图像获取模块,其中所述图像分类模块配置用以将所述多张灰度图像按照时间先后顺序分类为第一灰度图像组、第二灰度图像组及第三灰度图像组;
图像设定模块,配置用以将所述第一灰度图像组的灰度图像设定为第一色彩分量,所述第二灰度图像组的灰度图像设定为第二色彩分量,所述第三灰度图像组的灰度图像设定为第三色彩分量;及
图像融合模块,电性连接所述图像设定模块,其中所述图像融合模块配置用以将所述第一灰度图像组的灰度图像、所述第二灰度图像组的灰度图像及所述第三灰度图像组的灰度图像融合成一轨迹图像,其中所述轨迹图像具有物体运动轨迹。
8.如权利要求7所述的系统,其特征在于:所述物体运动轨迹的生成系统还包含图像拍摄模块,电性连接所述图像获取模块,所述图像拍摄模块配置用以针对运动的物体连续拍摄多张彩色图像。
9.如权利要求7所述的系统,其特征在于:所述物体运动轨迹的生成系统还包含图像均值模块,电性连接所述图像分类模块,当所述第一灰度图像组、所述第二灰度图像组及所述第三灰度图像组的灰度图像皆为二张或以上时,所述图像均值模块配置用以对所述第一灰度图像组、所述第二灰度图像组及所述第三灰度图像组中的灰度图像进行均值化处理。
10.如权利要求7所述的系统,其特征在于:所述物体运动轨迹的生成系统还包含图像显示模块,电性连接所述图像融合模块,所述图像显示模块配置用以显示融合之后的轨迹图像,以及所述轨迹图像的物体运动轨迹。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911220000.1A CN112907492A (zh) | 2019-12-03 | 2019-12-03 | 物体运动轨迹的生成方法及生成系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911220000.1A CN112907492A (zh) | 2019-12-03 | 2019-12-03 | 物体运动轨迹的生成方法及生成系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112907492A true CN112907492A (zh) | 2021-06-04 |
Family
ID=76103805
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911220000.1A Pending CN112907492A (zh) | 2019-12-03 | 2019-12-03 | 物体运动轨迹的生成方法及生成系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112907492A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104881883A (zh) * | 2015-05-08 | 2015-09-02 | 广州铁路职业技术学院 | 虫子行走轨迹检测方法和系统 |
CN107492086A (zh) * | 2017-09-20 | 2017-12-19 | 华中科技大学 | 一种图像的融合方法和融合系统 |
CN107610157A (zh) * | 2016-07-12 | 2018-01-19 | 深圳雷柏科技股份有限公司 | 一种无人机目标追踪方法及系统 |
CN108573467A (zh) * | 2017-03-09 | 2018-09-25 | 南昌黑鲨科技有限公司 | 基于图像的轨迹合成方法、装置及终端 |
US20190026876A1 (en) * | 2017-07-19 | 2019-01-24 | Lockheed Martin Corporation | Channel-based binarization of color |
-
2019
- 2019-12-03 CN CN201911220000.1A patent/CN112907492A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104881883A (zh) * | 2015-05-08 | 2015-09-02 | 广州铁路职业技术学院 | 虫子行走轨迹检测方法和系统 |
CN107610157A (zh) * | 2016-07-12 | 2018-01-19 | 深圳雷柏科技股份有限公司 | 一种无人机目标追踪方法及系统 |
CN108573467A (zh) * | 2017-03-09 | 2018-09-25 | 南昌黑鲨科技有限公司 | 基于图像的轨迹合成方法、装置及终端 |
US20190026876A1 (en) * | 2017-07-19 | 2019-01-24 | Lockheed Martin Corporation | Channel-based binarization of color |
CN107492086A (zh) * | 2017-09-20 | 2017-12-19 | 华中科技大学 | 一种图像的融合方法和融合系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220092882A1 (en) | Living body detection method based on facial recognition, and electronic device and storage medium | |
EP3719694A1 (en) | Neural network model-based human face living body detection | |
EP0932114B1 (en) | A method of and apparatus for detecting a face-like region | |
US20130170755A1 (en) | Smile detection systems and methods | |
US20200126193A1 (en) | Method and device for video processing, electronic device, and storage medium | |
KR100845969B1 (ko) | 동적객체 영역 추출방법 및 장치 | |
US20030095704A1 (en) | Determination of an illuminant of digital color image by segmentation and filtering | |
CN108431751B (zh) | 背景去除 | |
JP2002216129A (ja) | 顔領域検出装置およびその方法並びにコンピュータ読み取り可能な記録媒体 | |
KR101344851B1 (ko) | 영상처리장치 및 영상처리방법 | |
CN113298177B (zh) | 夜间图像着色方法、装置、介质和设备 | |
US20160140748A1 (en) | Automated animation for presentation of images | |
CN115967823A (zh) | 视频封面生成方法、装置、电子设备及可读介质 | |
CN111311500A (zh) | 一种对图像进行颜色还原的方法和装置 | |
CN112488072A (zh) | 一种人脸样本集获取方法、系统及设备 | |
CN111797694A (zh) | 一种车牌检测方法及装置 | |
CN114449362B (zh) | 视频封面的选取方法、装置、设备及存储介质 | |
CN112907492A (zh) | 物体运动轨迹的生成方法及生成系统 | |
CN115100240A (zh) | 视频中的物体追踪方法及装置、电子设备、存储介质 | |
US7065248B2 (en) | Content-based multimedia searching system using color distortion data | |
US8538142B2 (en) | Face-detection processing methods, image processing devices, and articles of manufacture | |
CN113625864B (zh) | 基于物联网的虚拟场景展示方法、系统、设备和存储介质 | |
Shen et al. | A holistic image segmentation framework for cloud detection and extraction | |
CN113781330A (zh) | 图像处理方法、装置及电子系统 | |
CN113298753A (zh) | 敏感肌的检测方法、图像处理方法、装置及设备 |
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 |