CN113076881A - 运动人体跟踪摄像方法及摄像系统 - Google Patents

运动人体跟踪摄像方法及摄像系统 Download PDF

Info

Publication number
CN113076881A
CN113076881A CN202110372955.XA CN202110372955A CN113076881A CN 113076881 A CN113076881 A CN 113076881A CN 202110372955 A CN202110372955 A CN 202110372955A CN 113076881 A CN113076881 A CN 113076881A
Authority
CN
China
Prior art keywords
image
intercepting
carrying
video
human body
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
Application number
CN202110372955.XA
Other languages
English (en)
Inventor
唐郁松
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.)
Xingti Guangzhou Intelligent Technology Co ltd
Original Assignee
Xingti Guangzhou Intelligent Technology 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 Xingti Guangzhou Intelligent Technology Co ltd filed Critical Xingti Guangzhou Intelligent Technology Co ltd
Priority to CN202110372955.XA priority Critical patent/CN113076881A/zh
Publication of CN113076881A publication Critical patent/CN113076881A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/49—Segmenting video sequences, i.e. computational techniques such as parsing or cutting the sequence, low-level clustering or determining units such as shots or scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof

Abstract

本发明涉及图像处理技术领域，尤其是一种运动人体跟踪摄像方法及摄像系统。所述方法包括：对目标场地进行广角拍摄，获得广角图像并通过鱼眼复位算法进行畸变修复，获得修复图像；调取预置的图像训练集，根据所述图像训练集内的训练图像对所述修复图像进行运动人体姿态识别；根据运动员的数量及图像坐标对所述修复图像进行截取；提取两相邻视频图像的边缘位置的旋转平移矩阵，以前一幅视频图像的边缘位置的旋转平移矩阵以及视频图像内运动员的图像坐标为参照，对后一幅视频图像的截取位置和截取范围进行修正。本发明有针对性地进行截取和前后图像截取区域修正，准确捕捉人体姿态并能保证视频图像变换平稳。

Description

运动人体跟踪摄像方法及摄像系统
技术领域
本发明涉及图像处理技术领域，尤其是一种运动人体跟踪摄像方法及摄像系统。
背景技术
目前，武术、体操、健美操等大众体育活动和赛事越来越多，赛事录像和直播也成为宣传和分享这些赛事的途径之一，在录制时对于比赛人员的身影捕捉尤为重要，而比赛人员的活动范围较大且转换速度块，加上目前大部分业余比赛场地没有专业的设备和人员拍摄、录制、直播这些活动，造成对于这种体育活动的录制变得十分困难。
发明内容
本发明的目的是提供一种运动人体跟踪摄像方法及摄像系统，以克服现有体育活动录制时难以稳定且及时地拍摄运动人体的缺陷。
第一方面，提供了一种运动人体跟踪摄像方法，包括以下步骤：
对目标场地进行广角拍摄，获得广角图像并通过鱼眼复位算法进行畸变修复，获得修复图像；
调取预置的图像训练集，根据所述图像训练集内的训练图像对所述修复图像进行运动人体姿态识别，确定修复图像中运动员的数量及图像坐标；
根据运动员的数量及图像坐标对所述修复图像进行截取，获取包含所有运动员在内的视频图像并按截取时刻编排所述视频图像；
提取两相邻视频图像的边缘位置的旋转平移矩阵，以前一幅视频图像的边缘位置的旋转平移矩阵以及视频图像内运动员的图像坐标为参照，对后一幅视频图像的截取位置和截取范围进行修正。
可选地，所述方法还包括以下步骤：
对修复图像进行Gabor滤波处理并转化为灰度图像；
根据修复图像的滤波响应情况，通过阈值化对所述灰度图像进行二值化处理，获取高梯度特征并进行偏心化处理，进而排除夹杂其中的非运动人体姿态特征；
反复进行Gabor滤波处理及对灰度图像进行二值化处理，整合对输出的二值化图像，确定运动人体姿态检测关键区域并进行截取。
可选地，所述方法还包括以下步骤：
对每张所述的训练图像进行特征点标定，形成多种用于描述不同运动人体姿态轮廓的感兴趣区域；
统计特征点的分布范围信息，根据特征点的分布范围信息对所述修复图像进行感兴趣区域搜索。
可选地，所述方法还包括以下步骤：
以各运动员的图像坐标的中心参考点为中心初次截取视频图像；
判断后一幅视频图像中各运动员的图像坐标是否均能落入前一幅视频图像的范围内，若可以，将后一幅视频图像的截取位置和截取范围修正为与前一幅视频图像一致，反之，根据两相邻视频图像各自的边缘像素点的旋转平移矩阵，在修复图像中截取若干幅在前一幅视频图像变换至后一幅视频图像的方向上的中间图像。
可选地，各所述中间图像和前后两相邻视频图像的图像范围呈线性倍数关系。
可选地，各所述中间图像和前后两相邻视频图像的图像位置呈线性移动关系。
第二方面，提供了一种摄像系统，所述摄像系统包括：
摄像模块，用于对目标场地进行广角拍摄，获得广角图像并通过鱼眼复位算法进行畸变修复，获得修复图像；
识别模块，用于调取预置的图像训练集，根据所述图像训练集内的训练图像对所述修复图像进行运动人体姿态识别，确定修复图像中运动员的数量及图像坐标；
截取模块，用于根据运动员的数量及图像坐标对所述修复图像进行截取，获取包含所有运动员在内的视频图像并按截取时刻编排所述视频图像；
处理模块，用于提取两相邻视频图像的边缘位置的旋转平移矩阵，以前一幅视频图像的边缘位置的旋转平移矩阵以及视频图像内运动员的图像坐标为参照，对后一幅视频图像的截取位置和截取范围进行修正。
可选地，所述识别模块还用于对修复图像进行Gabor滤波处理并转化为灰度图像；根据修复图像的滤波响应情况，通过阈值化对所述灰度图像进行二值化处理，获取高梯度特征并进行偏心化处理，进而排除夹杂其中的非运动人体姿态特征；反复进行Gabor滤波处理及对灰度图像进行二值化处理，整合对输出的二值化图像，以使所述截取模块根据确定运动人体姿态检测关键区域并进行截取。
可选地，所述识别模块还用于对每张所述的训练图像进行特征点标定，形成多种用于描述不同运动人体姿态轮廓的感兴趣区域；以及统计特征点的分布范围信息，根据特征点的分布范围信息对所述修复图像进行感兴趣区域搜索。
可选地，所述摄像系统还包括判断模块；
所述截取模块还用于以各运动员的图像坐标的中心参考点为中心初次截取视频图像；
所述判断模块用于判断后一幅视频图像中各运动员的图像坐标是否均能落入前一幅视频图像的范围内；
所述处理模块还用于将后一幅视频图像的截取位置和截取范围修正为与前一幅视频图像一致，或根据两相邻视频图像各自的边缘像素点的旋转平移矩阵，在修复图像中截取若干幅在前一幅视频图像变换至后一幅视频图像的方向上的中间图像。
本发明的有益效果：通过无畸变修复以及有针对性地进行截取和前后图像截取区域修正，无人操作拍摄录制比赛视频并能实现准确且智能的人体姿态捕捉，并且能保证视频图像变换平稳，防止出现因截取范围快速切换而造成录制效果不佳的情况。
附图说明
图1是应用本申请的运动人体跟踪摄像方法和摄像系统的实施例的示例性系统架构。
图2是根据第一个实施例示出的一种运动人体跟踪摄像方法的流程图。
图3是根据特征点的分布范围信息对所述修复图像进行感兴趣区域搜索的流程图。
图4是修正视频图像截取范围的流程图。
图5是根据一实施例示出的一种运动人体跟踪摄像系统的框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清晰，下面将结合实施例和附图，对本发明作进一步的描述。
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
图1示出了可以应用本申请的运动人体跟踪摄像方法和摄像系统的实施例的示例性系统架构。
如图1所示，系统架构可以包括摄像机101，连接介质102和处理终端103。连接介质102用以在摄像机101和处理终端103之间提供传输链路的介质。连接介质102可以包括各种连接类型，例如有线、无线传输链路或者光纤电缆等。
应当理解，图1中的摄像机、连接介质和处理终端的数目仅仅是示意性的，根据实现需要，可以具有任意数目的摄像机、连接介质和处理终端，并且摄像机、连接介质和处理终端可以是一体设置，也可以是分开设置。
根据本发明的第一方面，提供一种运动人体跟踪摄像方法。
图2是根据第一个实施例示出的一种运动人体跟踪摄像方法的流程图，在本实施例中，本申请实施例的运动人体跟踪摄像方法由摄像机、连接介质和处理终端执行。参见图2，所述方法包括以下步骤：
S21.对目标场地进行广角拍摄，获得广角图像并通过鱼眼复位算法进行畸变修复，获得修复图像。
S22.调取预置的图像训练集，根据所述图像训练集内的训练图像对所述修复图像进行运动人体姿态识别，确定修复图像中运动员的数量及图像坐标。
S23.根据运动员的数量及图像坐标对所述修复图像进行截取，获取包含所有运动员在内的视频图像并按截取时刻编排所述视频图像。
S24.提取两相邻视频图像的边缘位置的旋转平移矩阵，以前一幅视频图像的边缘位置的旋转平移矩阵以及视频图像内运动员的图像坐标为参照，对后一幅视频图像的截取位置和截取范围进行修正。
在本实施例中，采用一个摄像机对场地进行广角拍摄，摄像机的型号为4096*2160鱼眼镜头，拍摄获得的广角图像可达到135°，并自带广角图像畸变修复功能，实时输出修复图像。
图像训练集包含多种运动项目相应动作的图像，例如武术、体操和健美操等运动项目的各种动作，处理终端根据图像训练集对修复图像进行运动人体姿态识别的具体过程为：对每张所述的训练图像进行特征点标定，形成多种用于描述不同运动人体姿态轮廓的感兴趣区域；统计特征点的分布范围信息，根据特征点的分布范围信息对所述修复图像进行感兴趣区域搜索。
在上述步骤S23，对修复图像的初次截取依据处理终端搜索得到的感兴趣区域所在位置，感兴趣区域的范围大小取决于运动人员的数量以及人员分布位置，使运动人员全部落入截取范围内并相对处于初次视频图像的中间位置，例如，当检测到运动人员数量为一个时，以该个运动人员为中心截取一定范围的图像，当检测到运动人员数量为多个时，以多个运动人员的中部位置为中心截取一定范围的图像。
上述步骤S24中，对步骤S23中初次截取的视频图像按截取时刻排序，进行再次截取修正。截取修正的目的是：此类体育项目的运动人员的位置、数量和人员相对距离均会发生变化，导致录制视频中两相邻初次视频图像的位置和范围可能有较大的不同，影响观赏性。
视频图像的修正原理是基于视频图像边缘位置的旋转平移矩阵以及视频图像内运动员的图像坐标。其中，旋转平移矩阵是包含视频图像边缘像素点在整张修复图像中的位置坐标，通过获取视频图像四侧或四个角上像素点的旋转平移矩阵，即可确定视频图像的截取范围和截取位置，从而对视频图像进行截取范围修正。
更为具体地，图3是根据特征点的分布范围信息对所述修复图像进行感兴趣区域搜索的流程图。参见图3，包括以下步骤：
S31.对修复图像进行Gabor滤波处理并转化为灰度图像。
S32.根据修复图像的滤波响应情况，通过阈值化对所述灰度图像进行二值化处理，获取高梯度特征并进行偏心化处理，进而排除夹杂其中的非运动人体姿态特征。
S33.反复进行Gabor滤波处理及对灰度图像进行二值化处理，整合对输出的二值化图像，确定运动人体姿态检测关键区域并进行截取。
需要说明的是，上述步骤S31～S33使用Gabor滤波响应作为图像特征，用于提取运动人体的曲线特征。Gabor变换属于加窗傅立叶变换，可以在频域不同方向和不同尺度上抽取相关特征，因此可以看成是方向、尺度可调的线条检测器。本实施例的Gabor滤波器包含六个方向(0°、45°、60°、90°、120°、135°)和4个频段(0.05至0.4)共24个Gabor滤波器，每个Gabor滤波器只允许与其频率和方向相对应的运动人体姿态特征顺利通过，通过对各Gabor滤波器输出的幅度响应应用特定阈值进行二值化处理，获得图像的背景信息(像素值为0)和线条信息(像素值为1)。
更为具体地，图4是修正视频图像截取范围的流程图。参见图4，包括以下步骤：
S41.以各运动员的图像坐标的中心参考点为中心初次截取视频图像。
S42.判断后一幅视频图像中各运动员的图像坐标是否均能落入前一幅视频图像的范围内，若可以，执行步骤S43，反之，执行步骤S44。
S43.将后一幅视频图像的截取位置和截取范围修正为与前一幅视频图像一致。
S44.根据两相邻视频图像各自的边缘像素点的旋转平移矩阵，在修复图像中截取若干幅在前一幅视频图像变换至后一幅视频图像的方向上的中间图像。
根据上述步骤S41-S44，当视频图像的修正包括小范围转移修正和大范围转移修正。小范围转移修正适用于场上运动人体前后时刻移动距离相对较小的情景下，即虽然运动员的位置坐标发生变化，但使用前一时刻的截取范围仍然能包含所有运动员在内，为保证视频图像切换缓和，将后一时刻视频图像的截取范围修正为与前一时刻视频图像一致；大范围转移修正适用于场上运动人体前后时刻移动距离相对较大或人员数量发生变化的情景下，即前一时刻视频图像已经不能覆盖所有运动员或在非截取位置出现新的运动员时，在修复图像中截取若干幅在前一幅视频图像变换至后一幅视频图像的方向上的中间图像，实现“补帧”效果。
示例性地，插入的中间图像可以是与前后两相邻视频图像的图像范围呈线性倍数关系，即前一幅视频图像、中间图像和后一幅视频图像的截取范围呈线性放大或缩小，当运动员数量发生变化时，可以逐渐地自动放大或缩小视频图像的范围。
示例性地，插入的中间图像可以是前后两相邻视频图像的图像位置呈线性移动关系，即前一幅视频图像的截取位置和中间图像的截取位置逐渐向后一幅视频图像的截取位置靠近，当运动员数量不变而运动员快速移动时，可以使平稳地跟上运动员的活动方向。
根据本发明的第二方面，提供一种运动人体跟踪摄像系统。
图5是根据一实施例示出的一种运动人体跟踪摄像系统的框图，参见图5，该系统包括：
摄像模块51，用于对目标场地进行广角拍摄，获得广角图像并通过鱼眼复位算法进行畸变修复，获得修复图像；
识别模块52，用于调取预置的图像训练集，根据所述图像训练集内的训练图像对所述修复图像进行运动人体姿态识别，确定修复图像中运动员的数量及图像坐标；
截取模块53，用于根据运动员的数量及图像坐标对所述修复图像进行截取，获取包含所有运动员在内的视频图像并按截取时刻编排所述视频图像；
处理模块54，用于提取两相邻视频图像的边缘位置的旋转平移矩阵，以前一幅视频图像的边缘位置的旋转平移矩阵以及视频图像内运动员的图像坐标为参照，对后一幅视频图像的截取位置和截取范围进行修正。
需要说明的是，摄像模块51、识别模块52、截取模块53和处理模块54可以是一体设置，也可以是分开设置。
可选地，所述识别模块52还用于对修复图像进行Gabor滤波处理并转化为灰度图像；根据修复图像的滤波响应情况，通过阈值化对所述灰度图像进行二值化处理，获取高梯度特征并进行偏心化处理，进而排除夹杂其中的非运动人体姿态特征；反复进行Gabor滤波处理及对灰度图像进行二值化处理，整合对输出的二值化图像，以使所述截取模块53根据确定运动人体姿态检测关键区域并进行截取。
可选地，所述识别模块52还用于对每张所述的训练图像进行特征点标定，形成多种用于描述不同运动人体姿态轮廓的感兴趣区域；以及统计特征点的分布范围信息，根据特征点的分布范围信息对所述修复图像进行感兴趣区域搜索。
可选地，所述摄像系统还包括判断模块55；
所述截取模块53还用于以各运动员的图像坐标的中心参考点为中心初次截取视频图像；
所述判断模块55用于判断后一幅视频图像中各运动员的图像坐标是否均能落入前一幅视频图像的范围内；
所述处理模块54还用于将后一幅视频图像的截取位置和截取范围修正为与前一幅视频图像一致，或根据两相邻视频图像各自的边缘像素点的旋转平移矩阵，在修复图像中截取若干幅在前一幅视频图像变换至后一幅视频图像的方向上的中间图像。
关于上述实施例中的系统，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，除了包含所列的那些要素，而且还可包含没有明确列出的其他要素。
以上所述仅为本发明的优选实施例，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细说明，对于本领域技术人员来说，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。凡在本发明的精神和原则之内，所作任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种运动人体跟踪摄像方法，其特征在于，包括以下步骤：
对目标场地进行广角拍摄，获得广角图像并通过鱼眼复位算法进行畸变修复，获得修复图像；
调取预置的图像训练集，根据所述图像训练集内的训练图像对所述修复图像进行运动人体姿态识别，确定修复图像中运动员的数量及图像坐标；
根据运动员的数量及图像坐标对所述修复图像进行截取，获取包含所有运动员在内的视频图像并按截取时刻编排所述视频图像；
提取两相邻视频图像的边缘位置的旋转平移矩阵，以前一幅视频图像的边缘位置的旋转平移矩阵以及视频图像内运动员的图像坐标为参照，对后一幅视频图像的截取位置和截取范围进行修正。
2.根据权利要求1所述的运动人体跟踪摄像方法，其特征在于，还包括以下步骤：
对修复图像进行Gabor滤波处理并转化为灰度图像；
根据修复图像的滤波响应情况，通过阈值化对所述灰度图像进行二值化处理，获取高梯度特征并进行偏心化处理，进而排除夹杂其中的非运动人体姿态特征；
反复进行Gabor滤波处理及对灰度图像进行二值化处理，整合对输出的二值化图像，确定运动人体姿态检测关键区域并进行截取。
3.根据权利要求1所述的运动人体跟踪摄像方法，其特征在于，还包括以下步骤：
对每张所述的训练图像进行特征点标定，形成多种用于描述不同运动人体姿态轮廓的感兴趣区域；
统计特征点的分布范围信息，根据特征点的分布范围信息对所述修复图像进行感兴趣区域搜索。
4.根据权利要求1所述的运动人体跟踪摄像方法，其特征在于，还包括以下步骤：
以各运动员的图像坐标的中心参考点为中心初次截取视频图像；
判断后一幅视频图像中各运动员的图像坐标是否均能落入前一幅视频图像的范围内，若可以，将后一幅视频图像的截取位置和截取范围修正为与前一幅视频图像一致，反之，根据两相邻视频图像各自的边缘像素点的旋转平移矩阵，在修复图像中截取若干幅在前一幅视频图像变换至后一幅视频图像的方向上的中间图像。
5.根据权利要求4所述的运动人体跟踪摄像方法，其特征在于，各所述中间图像和前后两相邻视频图像的图像范围呈线性倍数关系。
6.根据权利要求4所述的车机反复开关测试电路，其特征在于，各所述中间图像和前后两相邻视频图像的图像位置呈线性移动关系。
7.一种摄像系统，其特征在于，包括：
摄像模块，用于对目标场地进行广角拍摄，获得广角图像并通过鱼眼复位算法进行畸变修复，获得修复图像；
识别模块，用于调取预置的图像训练集，根据所述图像训练集内的训练图像对所述修复图像进行运动人体姿态识别，确定修复图像中运动员的数量及图像坐标；
截取模块，用于根据运动员的数量及图像坐标对所述修复图像进行截取，获取包含所有运动员在内的视频图像并按截取时刻编排所述视频图像；
处理模块，用于提取两相邻视频图像的边缘位置的旋转平移矩阵，以前一幅视频图像的边缘位置的旋转平移矩阵以及视频图像内运动员的图像坐标为参照，对后一幅视频图像的截取位置和截取范围进行修正。
8.根据权利要求7所述的摄像系统，其特征在于，所述识别模块还用于对修复图像进行Gabor滤波处理并转化为灰度图像；根据修复图像的滤波响应情况，通过阈值化对所述灰度图像进行二值化处理，获取高梯度特征并进行偏心化处理，进而排除夹杂其中的非运动人体姿态特征；反复进行Gabor滤波处理及对灰度图像进行二值化处理，整合对输出的二值化图像，以使所述截取模块根据确定运动人体姿态检测关键区域并进行截取。
9.根据权利要求7所述的摄像系统，其特征在于，所述识别模块还用于对每张所述的训练图像进行特征点标定，形成多种用于描述不同运动人体姿态轮廓的感兴趣区域；以及统计特征点的分布范围信息，根据特征点的分布范围信息对所述修复图像进行感兴趣区域搜索。
10.根据权利要求7所述的摄像系统，其特征在于，还包括判断模块；
所述截取模块还用于以各运动员的图像坐标的中心参考点为中心初次截取视频图像；
所述判断模块用于判断后一幅视频图像中各运动员的图像坐标是否均能落入前一幅视频图像的范围内；
所述处理模块还用于将后一幅视频图像的截取位置和截取范围修正为与前一幅视频图像一致，或根据两相邻视频图像各自的边缘像素点的旋转平移矩阵，在修复图像中截取若干幅在前一幅视频图像变换至后一幅视频图像的方向上的中间图像。
CN202110372955.XA 2021-04-07 2021-04-07 运动人体跟踪摄像方法及摄像系统 Pending CN113076881A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110372955.XA CN113076881A (zh) 2021-04-07 2021-04-07 运动人体跟踪摄像方法及摄像系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110372955.XA CN113076881A (zh) 2021-04-07 2021-04-07 运动人体跟踪摄像方法及摄像系统

Publications (1)

Publication Number Publication Date
CN113076881A true CN113076881A (zh) 2021-07-06

Family

ID=76615587

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110372955.XA Pending CN113076881A (zh) 2021-04-07 2021-04-07 运动人体跟踪摄像方法及摄像系统

Country Status (1)

Country Link
CN (1) CN113076881A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101964113A (zh) * 2010-10-02 2011-02-02 上海交通大学 光照突变场景下的运动目标检测方法
WO2014012123A1 (de) * 2012-07-20 2014-01-23 Skiline Movie Gmbh Verfahren zur aufzeichnung und wiedergabe von bewegungsvorgängen eines sportlers
US20150063775A1 (en) * 2013-09-03 2015-03-05 Casio Computer Co., Ltd. Moving image generation system that generates one moving image by coupling a plurality of moving images
CN106600548A (zh) * 2016-10-20 2017-04-26 广州视源电子科技股份有限公司 鱼眼摄像头图像处理方法和系统
WO2019025833A1 (en) * 2017-08-02 2019-02-07 Playgineering Systems, Sia AUTOMATED TURNING SYSTEM AND METHOD
CN111669547A (zh) * 2020-05-29 2020-09-15 成都易瞳科技有限公司 全景视频结构化方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101964113A (zh) * 2010-10-02 2011-02-02 上海交通大学 光照突变场景下的运动目标检测方法
WO2014012123A1 (de) * 2012-07-20 2014-01-23 Skiline Movie Gmbh Verfahren zur aufzeichnung und wiedergabe von bewegungsvorgängen eines sportlers
US20150063775A1 (en) * 2013-09-03 2015-03-05 Casio Computer Co., Ltd. Moving image generation system that generates one moving image by coupling a plurality of moving images
CN106600548A (zh) * 2016-10-20 2017-04-26 广州视源电子科技股份有限公司 鱼眼摄像头图像处理方法和系统
WO2019025833A1 (en) * 2017-08-02 2019-02-07 Playgineering Systems, Sia AUTOMATED TURNING SYSTEM AND METHOD
CN111669547A (zh) * 2020-05-29 2020-09-15 成都易瞳科技有限公司 全景视频结构化方法

Similar Documents

Publication Publication Date Title
WO2021042682A1 (zh) 变电站异物识别方法、装置、系统、电子设备和存储介质
CN109003311B (zh) 一种鱼眼镜头的标定方法
CN108305223B (zh) 图像背景虚化处理方法及装置
CN111079740A (zh) 图像的质量评价方法、电子设备和计算机可读存储介质
CN104519328A (zh) 图像处理设备、图像捕捉装置和图像处理方法
CN111815517B (zh) 一种基于球机抓拍图片的自适应全景拼接方法
Ghosh et al. Quantitative evaluation of image mosaicing in multiple scene categories
Kim et al. Multiple level feature-based universal blind image quality assessment model
CN104392416A (zh) 一种运动场景的视频拼接方法
CN110991297A (zh) 一种基于场景监控的目标定位方法及系统
EP4116462A3 (en) Method and apparatus of processing image, electronic device, storage medium and program product
CN113516036A (zh) 一种监控区域内目标对象的数量检测方法及装置
CN113052119B (zh) 球类运动跟踪摄像方法及系统
CN110569840B (zh) 目标检测方法及相关装置
CN106530226A (zh) 获取高分辨率高清晰工业图像的实现方法
CN110689022A (zh) 基于叶片匹配的各株作物图像提取方法
CN109558798A (zh) 一种基于卷积特征图匹配的人脸识别方法及系统
CN112861855A (zh) 基于对抗网络模型的群养猪实例分割方法
CN113076881A (zh) 运动人体跟踪摄像方法及摄像系统
CN112950502A (zh) 图像处理方法及装置、电子设备、存储介质
CN112465702A (zh) 一种多路超高清视频同步自适应拼接显示处理方法
CN117036950A (zh) 针对田间玉米杂草小目标检测方法、系统及应用
CN114866705B (zh) 自动曝光方法、存储介质及电子设备
CN115190259A (zh) 小球比赛摄像方法及摄像系统
Delussu et al. Investigating synthetic data sets for crowd counting in cross-scene scenarios

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210706

RJ01 Rejection of invention patent application after publication