CN114119674A - 一种静态目标跟踪方法、装置及存储介质 - Google Patents
一种静态目标跟踪方法、装置及存储介质 Download PDFInfo
- Publication number
- CN114119674A CN114119674A CN202210103634.4A CN202210103634A CN114119674A CN 114119674 A CN114119674 A CN 114119674A CN 202210103634 A CN202210103634 A CN 202210103634A CN 114119674 A CN114119674 A CN 114119674A
- Authority
- CN
- China
- Prior art keywords
- target detection
- detection frame
- frame
- image
- connecting line
- 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
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
- G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种静态目标跟踪方法、装置及存储介质，其中方法包括：采集多个连续帧图像信息，检测第一帧图像中的目标检测框，并对每一目标检测框设置对应的ID；将当前帧图像的目标检测框与上一帧图像的目标检测框进行匹配，得到当前帧图像中失配的目标检测框，将目标检测框作为待跟踪检测框；以待跟踪检测框构造第一连线图；比对历史帧图像与当前帧图像的目标检测框，在历史帧图像中选取出在当前帧图像中未出现的目标检测框第二连线图；在判断到第一连线图和第二连线图为相似图形时，将第二根节点对应的目标检测框的ID标注至待跟踪检测框。本发明实施例能够有效提高目标跟踪的准确性。
Description
技术领域
本发明涉及目标跟踪技术领域，尤其是涉及一种静态目标跟踪方法、装置及存储介质。
背景技术
目标跟踪是计算机视觉领域的一个重要问题，目前广泛应用在体育赛事转播、安防监控和无人机、无人车、机器人等领域。简单来说，目标跟踪就是在连续的视频序列中，建立所要跟踪物体的位置关系，得到物体完整的运动轨迹。现有的静态目标跟踪方法通常是采用深度学习方法，基于KM匹配算法直接将当前帧与上一帧进行匹配，实现目标的跟踪，但是现有的静态目标跟踪方法仅基于上一帧与当前帧的匹配实现目标跟踪，无法有效跟踪目标。
发明内容
本发明提供了一种静态目标跟踪方法、装置及存储介质，以解决现有的静态目标跟踪方法仅基于上一帧与当前帧的匹配实现目标跟踪，无法有效跟踪目标的技术问题。
本发明的实施例提供了一种静态目标跟踪方法，包括：
采集多个连续帧图像信息，检测第一帧图像中的目标检测框，并对每一目标检测框设置对应的ID；
将当前帧图像的目标检测框与上一帧图像的目标检测框进行匹配，得到当前帧图像中失配的目标检测框，将所述目标检测框作为待跟踪检测框；
以所述待跟踪检测框作为第一根节点，将与所述待跟踪检测框相邻且与上一帧图像的目标检测框匹配成功的目标检测框作为第一叶节点，将所述第一叶节点连线至第一根节点构造成第一连线图；
比对历史帧图像与所述当前帧图像的目标检测框，在所述历史帧图像中选取出在所述当前帧图像中未出现的目标检测框作为第二根节点，将与所述第二根节点相邻且与当前帧图像的目标检测框匹配成功的目标检测框作为第二叶节点，将所述第二叶节点连线至第二根节点构成第二连线图；
在判断到所述第一连线图和所述第二连线图为相似图形时，即判断所述待跟踪检测框为所述第二连线图中第二根节点对应的目标检测框，将所述第二根节点对应的目标检测框的ID标注至所述待跟踪检测框。
进一步的，对每一目标检测框设置对应的ID，具体为：
根据从近到远的距离对每一目标检测框设置数字ID，且第一个数字ID为1。
进一步的，将当前帧图像的目标检测框与上一帧图像的目标检测框进行匹配，得到当前帧图像中失配的目标检测框，将所述目标检测框作为待跟踪检测框，具体为：
采用KM匹配算法将当前帧图像的目标检测框与上一帧图像的目标检测框进行匹配，若当前帧图像的目标检测框与上一帧图像的目标检测框的数量不相等，则在目标检测框的数量较少的图像帧中补充至少一个目标检测框，使得当前帧图像的目标检测框与上一帧图像的目标检测框的数量相等。
进一步的，采用KM匹配算法将当前帧图像的目标检测框与上一帧图像的目标检测框进行匹配，具体为：
将当前帧图像的目标检测框与上一帧图像的目标检框分别作为图的节点两两相连，形成一个二分图模型。
进一步的，在判断到所述第一连线图和所述第二连线图为相似图形时，即判断所述待跟踪检测框为所述第二连线图中第二根节点对应的目标检测框，具体为：
根据所述第一连线图和所述第二连线图的相对位置，判断所述第一连线图和所述第二连线图是否是为相似图形。
进一步的，所述根据所述第一连线图和所述第二连线图的相对位置，判断所述第一连线图和所述第二连线图是否是为相似图形，具体为：
若所述第一连线图和所述第二连线图的边的数量一致，且所述第一连线图和所述第二连线图的边长以及边和水平线的夹角的误差均在预设阈值范围内，则判断所述第一连线图和所述第二连线图为相似图形。
进一步的，在判断到所述第一连线图和所述第二连线图不为相似图形时，则为所述待跟踪检测框设置新的ID。
本发明的一个实施例提供了一种静态目标跟踪装置，包括：
ID设置模块，用于采集多个连续帧图像信息，检测第一帧图像中的目标检测框，并对每一目标检测框设置对应的ID；
检测框匹配模块，用于将当前帧图像的目标检测框与上一帧图像的目标检测框进行匹配，得到当前帧图像中失配的目标检测框，将所述目标检测框作为待跟踪检测框；
第一绘图模块，用于以所述待跟踪检测框作为第一根节点，将与所述待跟踪检测框相邻且与上一帧图像的目标检测框匹配成功的目标检测框作为第一叶节点，将所述第一叶节点连线至第一根节点构造成第一连线图；
第二绘图模块，用于比对历史帧图像与所述当前帧图像的目标检测框，在所述历史帧图像中选取出在所述当前帧图像中未出现的目标检测框作为第二根节点，将与所述第二根节点相邻且与当前帧图像的目标检测框匹配成功的目标检测框作为第二叶节点，将所述第二叶节点连线至第二根节点构成第二连线图；
ID标注模块，用于在判断到所述第一连线图和所述第二连线图为相似图形时，即判断所述待跟踪检测框为所述第二连线图中第二根节点对应的目标检测框，将所述第二根节点对应的目标检测框的ID标注至所述待跟踪检测框。
本发明的一个实施例提供了一种计算机存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述的静态目标跟踪方法的步骤。
本发明实施例通过将当前帧图像与上一帧图像进行目标检测框匹配，得到失配的待检测框，并将当前帧图像结合历史帧图像，分别绘制对应的连线图，通过两个连线图进行相似度对比确定待跟踪检测框的ID，从而快速、准确实现对目标的跟踪。本发明实施例通过基于当前帧的待跟踪检测框绘制连线图，以及根据历史帧图像的目标检测框绘制连线图，综合考虑了待跟踪检测框为历史帧图像出现过的目标检测框，从而能够有效提高目标跟踪的准确性。
附图说明
图1是本发明实施例提供的一种静态目标跟踪方法的流程示意图；
图2是本发明实施例提供的一种静态目标跟踪方法的另一流程示意图；
图3是本发明实施例提供的第一连线图的示意图；
图4是本发明实施例提供的第二连线图的示意图；
图5是本发明实施例提供的一种静态目标跟踪装置的结构示意图。
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他实施例，都属于本申请保护的范围。
在本申请的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，除非另有说明，“多个”的含义是两个或两个以上。
在本申请的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。
请参阅图1，本发明的实施例提供了一种静态目标跟踪方法，包括：
S1、采集多个连续帧图像信息，检测第一帧图像中的目标检测框，并对每一目标检测框设置对应的ID；
在本发明实施例中，第一帧图像需要进行ID初始化，其中的一种方式为从近到远的距离对图像中的目标检测框进行编号，比例第一个目标检测框为1、第二个目标检测框为2、第三个目标检测框为3……以此类推。在一个具体的实施方式中，距离的远近可以根据拍摄图像与拍摄位置的距离来确定，比如本发明实施例应用于对道路上三角锥的跟踪，根据采集的图像中三角锥的位置，可以确定图像左侧或右侧第一个三角锥中哪个离拍摄位置最近，然后以该三角锥的目标检测框为第一个目标检测框设置ID编号为1，并以此对每一个三角锥所生成的目标检测框设置对应的ID。本发明通过对每一目标检测框设置对应的ID，有利于提高后续对目标的跟踪精确度。
S2、将当前帧图像的目标检测框与上一帧图像的目标检测框进行匹配，得到当前帧图像中失配的目标检测框，将目标检测框作为待跟踪检测框；
在本发明实施例中，通过相邻两帧图像匹配，可以得到当前帧图像中失配的目标检测框，即在当前帧图像中无法识别ID信息的目标检测框，该目标检测框可能为新的目标检测框，也可能为是历史帧图像出现过的目标检测框。
S3、以待跟踪检测框作为第一根节点，将与待跟踪检测框相邻且与上一帧图像的目标检测框匹配成功的目标检测框作为第一叶节点，将第一叶节点连线至第一根节点构造成第一连线图；
在本发明实施例中，当前帧图像中存在至少一个待跟踪检测框和至少一个匹配成功的目标检测框，本发明实施例基于已匹配成功的目标框与待跟踪检测框的连线，绘制第一连线图，即考虑了已成功匹配的目标检测框与待跟踪检测框的位置关系，提高对待跟踪检测框进行跟踪的可靠性。在一种具体的实施方式中，连线图可以为菊花图。
S4、比对历史帧图像与当前帧图像的目标检测框，在历史帧图像中选取出在当前帧图像中未出现的目标检测框作为第二根节点，将与第二根节点相邻且与当前帧图像的目标检测框匹配成功的目标检测框作为第二叶节点，将第二叶节点连线至第二根节点构成第二连线图；
在本发明实施例中，历史帧图像会有多个目标检测框，其中包括与当前帧能够匹配的目标检测框和当前帧没有出现的目标检测框，当前帧没有出现的目标检测框均有可能为当前帧中的待跟踪检测框，本发明实施例将历史帧图像中所存在的当前帧没有出现的目标检测框为根节点，以同样的方式绘制出第二连线图，以进行待跟踪检测框的跟踪。
优选地，本发明实施例可能会存在多个当前帧中没有出现的目标检测框，本发明实施例优先选择最可能为待跟踪检测框的目标检测框所构成的第二连线图进行比对，例如，该目标检测框相邻的已匹配的目标检测框数量，与待跟踪检测框相邻的已匹配的目标检测框数量一致，即将目标检测框优先作为第二连线图的根节点。
S5、在判断到第一连线图和第二连线图为相似图形时，即判断待跟踪检测框为第二连线图中第二根节点对应的目标检测框，将第二根节点对应的目标检测框的ID标注至待跟踪检测框。
请参阅图3-4，分别为本发明实施例提供的第一连线图和第二连线图的一种示意图。在本发明实施例中，在判断第一连线图和第二连线图是否为相似图形时，可以根据第一连线图和第二连线图中各个目标检测框的相对位置进行判断，还可以结合连线图的边长、边与水平线或边与垂直线的角度来进行判断，本发明实施例通过第一连线图和第二连线图的图形判断，能够快速且准确确定待跟踪检测框是否为历史帧出现的目标检测框，以及具体为哪个ID的目标检测框，从而实现对待跟踪检测框的目标跟踪。
请参阅图2，为本发明一个实施例提供的一种静态目标跟踪方法的另一流程示意图。
在一个实施例中，对每一目标检测框设置对应的ID，具体为：
根据从近到远的距离对每一目标检测框设置数字ID，且第一个数字ID为1。
在本发明实施例中，还可以通过别的方式设置目标检测框的ID，例如，按照从远到近的距离进行设置。
在一个实施例中，将当前帧图像的目标检测框与上一帧图像的目标检测框进行匹配，得到当前帧图像中失配的目标检测框，将目标检测框作为待跟踪检测框，具体为：
采用KM匹配算法将当前帧图像的目标检测框与上一帧图像的目标检测框进行匹配，若当前帧图像的目标检测框与上一帧图像的目标检测框的数量不相等，则在目标检测框的数量较少的图像帧中补充至少一个目标检测框，使得当前帧图像的目标检测框与上一帧图像的目标检测框的数量相等。
在本发明实施例中，采用KM匹配算法能够准确识别出当前帧图像中未能与上一帧图像进行匹配的目标检测框。本发明实施例在目标检测框的数量较少的图像帧中补充至少一个目标检测框，使得当前帧图像的目标检测框与上一帧图像的目标检测框的数量相等，有利于提高匹配结果的准确性。
在一个实施例中，采用KM匹配算法将当前帧图像的目标检测框与上一帧图像的目标检测框进行匹配，具体为：
将当前帧图像的目标检测框与上一帧图像的目标检框分别作为图的节点两两相连，形成一个二分图模型。
在本发明实施例中，在进行连边的时候权值根据目标距离来去顶，距离越远，连边的权值越小，距离越近，连边的权值越大，从而能够使得通过二分图模型准确得到未能匹配（即失配）的目标检测框。
在一个实施例中，在判断到第一连线图和第二连线图为相似图形时，即判断待跟踪检测框为第二连线图中第二根节点对应的目标检测框，具体为：
根据第一连线图和第二连线图的相对位置，判断第一连线图和第二连线图是否是为相似图形。
在一个实施例中，根据第一连线图和第二连线图的相对位置，判断第一连线图和第二连线图是否是为相似图形，具体为：
若第一连线图和第二连线图的边的数量一致，且第一连线图和第二连线图的边长以及边和水平线的夹角的误差均在预设阈值范围内，则判断第一连线图和第二连线图为相似图形。
在本发明实施例中，在第一连线图和第二连线图的边的数量一致时，进一步判断连线图的相似度，比如两个连线图对应的边长的误差是否在预设阈值范围内，以及两个连线图对应的边与水平线的夹角度数是否在预设阈值范围内，在上述条件均满足的情况下，则则判断第一连线图和第二连线图为相似图形。
在一个实施例中，在判断到第一连线图和第二连线图不为相似图形时，则为待跟踪检测框设置新的ID。
在本发明实施例中，待跟踪检测框可能为历史帧图像出现过的目标检测框，也可能是新的目标检测框，在判断到第一连线图和第二连线图不为相似图形时，待跟踪检测框即为新的检测框，通过待跟踪检测框设置新的ID，以便于后续对该待跟踪检测框进行目标跟踪。
在一个具体的实施方式中，对道路上的三角锥进行目标跟踪，通过KM匹配得到当前帧图像的待跟踪检测框，这个待跟踪检测框即为图像中的其中一个三角锥，当两个连线图对应的边长的误差是否在0%-10%内时，以及两个连线图对应的边与水平线的夹角度数是否在0%-10%内时，这个待跟踪检测框所对应的三角锥即为第二连线图中根节点所对应的三角锥，若第二连线图中根节点对应的三角锥的目标检测框ID为9，将待跟踪检测框的ID标注为9。
实施本发明实施例，具有以下有益效果：
本发明实施例通过将当前帧图像与上一帧图像进行目标检测框匹配，得到失配的待检测框，并将当前帧图像结合历史帧图像，分别绘制对应的连线图，通过两个连线图进行相似度对比确定待跟踪检测框的ID，从而快速、准确实现对目标的跟踪。本发明实施例通过基于当前帧的待跟踪检测框绘制连线图，以及根据历史帧图像的目标检测框绘制连线图，综合考虑了待跟踪检测框为历史帧图像出现过的目标检测框，从而能够有效提高目标跟踪的准确性。
请参阅图5，基于与上述实施例相同的发明构思，本发明的一个实施例提供了一种静态目标跟踪装置，包括：
ID设置模块10，用于采集多个连续帧图像信息，检测第一帧图像中的目标检测框，并对每一目标检测框设置对应的ID；
检测框匹配模块20，用于将当前帧图像的目标检测框与上一帧图像的目标检测框进行匹配，得到当前帧图像中失配的目标检测框，将目标检测框作为待跟踪检测框；
第一绘图模块30，用于以待跟踪检测框作为第一根节点，将与待跟踪检测框相邻且与上一帧图像的目标检测框匹配成功的目标检测框作为第一叶节点，将第一叶节点连线至第一根节点构造成第一连线图；
第二绘图模块40，用于比对历史帧图像与当前帧图像的目标检测框，在历史帧图像中选取出在当前帧图像中未出现的目标检测框作为第二根节点，将与第二根节点相邻且与当前帧图像的目标检测框匹配成功的目标检测框作为第二叶节点，将第二叶节点连线至第二根节点构成第二连线图；
ID标注模块50，用于在判断到第一连线图和第二连线图为相似图形时，即判断待跟踪检测框为第二连线图中第二根节点对应的目标检测框，将第二根节点对应的目标检测框的ID标注至待跟踪检测框。
在一个实施例中，ID设置模块10具体用于：
根据从近到远的距离对每一目标检测框设置数字ID，且第一个数字ID为1。
在一个实施例中，检测框匹配模块20具体用于：
采用KM匹配算法将当前帧图像的目标检测框与上一帧图像的目标检测框进行匹配，若当前帧图像的目标检测框与上一帧图像的目标检测框的数量不相等，则在目标检测框的数量较少的图像帧中补充至少一个目标检测框，使得当前帧图像的目标检测框与上一帧图像的目标检测框的数量相等。
在一个实施例中，检测框匹配模块20具体用于：
将当前帧图像的目标检测框与上一帧图像的目标检框分别作为图的节点两两相连，形成一个二分图模型。
在一个实施例中，ID标注模块50具体用于：
根据第一连线图和第二连线图的相对位置，判断第一连线图和第二连线图是否是为相似图形。
在一个实施例中，ID标注模块50具体用于：
若第一连线图和第二连线图的边的数量一致，且第一连线图和第二连线图的边长以及边和水平线的夹角的误差均在预设阈值范围内，则判断第一连线图和第二连线图为相似图形。
在一个实施例中，本装置还包括ID设置模块，用于在判断到第一连线图和第二连线图不为相似图形时，则为待跟踪检测框设置新的ID。
本发明的一个实施例提供了一种计算机存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上述的静态目标跟踪方法的步骤。
以上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来说，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，这些改进和润饰也视为本发明的保护范围。
Claims (9)
1.一种静态目标跟踪方法，其特征在于，包括：
采集多个连续帧图像信息，检测第一帧图像中的目标检测框，并对每一目标检测框设置对应的ID；
将当前帧图像的目标检测框与上一帧图像的目标检测框进行匹配，得到当前帧图像中失配的目标检测框，将所述目标检测框作为待跟踪检测框；
以所述待跟踪检测框作为第一根节点，将与所述待跟踪检测框相邻且与上一帧图像的目标检测框匹配成功的目标检测框作为第一叶节点，将所述第一叶节点连线至第一根节点构造成第一连线图；
比对历史帧图像与所述当前帧图像的目标检测框，在所述历史帧图像中选取出在所述当前帧图像中未出现的目标检测框作为第二根节点，将与所述第二根节点相邻且与当前帧图像的目标检测框匹配成功的目标检测框作为第二叶节点，将所述第二叶节点连线至第二根节点构成第二连线图；
在判断到所述第一连线图和所述第二连线图为相似图形时，即判断所述待跟踪检测框为所述第二连线图中第二根节点对应的目标检测框，将所述第二根节点对应的目标检测框的ID标注至所述待跟踪检测框。
2.如权利要求1所述的静态目标跟踪方法，其特征在于，对每一目标检测框设置对应的ID，具体为：
根据从近到远的距离对每一目标检测框设置数字ID，且第一个数字ID为1。
3.如权利要求1所述的静态目标跟踪方法，其特征在于，将当前帧图像的目标检测框与上一帧图像的目标检测框进行匹配，得到当前帧图像中失配的目标检测框，将所述目标检测框作为待跟踪检测框，具体为：
采用KM匹配算法将当前帧图像的目标检测框与上一帧图像的目标检测框进行匹配，若当前帧图像的目标检测框与上一帧图像的目标检测框的数量不相等，则在目标检测框的数量较少的图像帧中补充至少一个目标检测框，使得当前帧图像的目标检测框与上一帧图像的目标检测框的数量相等。
4.如权利要求3所述的静态目标跟踪方法，其特征在于，采用KM匹配算法将当前帧图像的目标检测框与上一帧图像的目标检测框进行匹配，具体为：
将当前帧图像的目标检测框与上一帧图像的目标检框分别作为图的节点两两相连，形成一个二分图模型。
5.如权利要求1所述的静态目标跟踪方法，其特征在于，在判断到所述第一连线图和所述第二连线图为相似图形时，即判断所述待跟踪检测框为所述第二连线图中第二根节点对应的目标检测框，具体为：
根据所述第一连线图和所述第二连线图的相对位置，判断所述第一连线图和所述第二连线图是否是为相似图形。
6.如权利要求5所述的静态目标跟踪方法，其特征在于，所述根据所述第一连线图和所述第二连线图的相对位置，判断所述第一连线图和所述第二连线图是否是为相似图形，具体为：
若所述第一连线图和所述第二连线图的边的数量一致，且所述第一连线图和所述第二连线图的边长以及边和水平线的夹角的误差均在预设阈值范围内，则判断所述第一连线图和所述第二连线图为相似图形。
7.如权利要求1所述的静态目标跟踪方法，其特征在于，在判断到所述第一连线图和所述第二连线图不为相似图形时，则为所述待跟踪检测框设置新的ID。
8.一种静态目标跟踪装置，其特征在于，包括：
ID设置模块，用于采集多个连续帧图像信息，检测第一帧图像中的目标检测框，并对每一目标检测框设置对应的ID；
检测框匹配模块，用于将当前帧图像的目标检测框与上一帧图像的目标检测框进行匹配，得到当前帧图像中失配的目标检测框，将所述目标检测框作为待跟踪检测框；
第一绘图模块，用于以所述待跟踪检测框作为第一根节点，将与所述待跟踪检测框相邻且与上一帧图像的目标检测框匹配成功的目标检测框作为第一叶节点，将所述第一叶节点连线至第一根节点构造成第一连线图；
第二绘图模块，用于比对历史帧图像与所述当前帧图像的目标检测框，在所述历史帧图像中选取出在所述当前帧图像中未出现的目标检测框作为第二根节点，将与所述第二根节点相邻且与当前帧图像的目标检测框匹配成功的目标检测框作为第二叶节点，将所述第二叶节点连线至第二根节点构成第二连线图；
ID标注模块，用于在判断到所述第一连线图和所述第二连线图为相似图形时，即判断所述待跟踪检测框为所述第二连线图中第二根节点对应的目标检测框，将所述第二根节点对应的目标检测框的ID标注至所述待跟踪检测框。
9.一种计算机存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的静态目标跟踪方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210103634.4A CN114119674B (zh) | 2022-01-28 | 2022-01-28 | 一种静态目标跟踪方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210103634.4A CN114119674B (zh) | 2022-01-28 | 2022-01-28 | 一种静态目标跟踪方法、装置及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114119674A true CN114119674A (zh) | 2022-03-01 |
| CN114119674B CN114119674B (zh) | 2022-04-26 |
Family
ID=80361839
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210103634.4A Active CN114119674B (zh) | 2022-01-28 | 2022-01-28 | 一种静态目标跟踪方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114119674B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116052062A (zh) * | 2023-03-07 | 2023-05-02 | 深圳爱莫科技有限公司 | 一种鲁棒的烟草陈列图像处理方法和装置 |
Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101616309A (zh) * | 2009-07-16 | 2009-12-30 | 上海交通大学 | 无重叠视域多摄像机人体目标跟踪方法 |
| CN101729872A (zh) * | 2009-12-11 | 2010-06-09 | 南京城际在线信息技术有限公司 | 一种基于视频监控图像自动判别道路交通状态的方法 |
| CN102663343A (zh) * | 2012-04-26 | 2012-09-12 | 长春理工大学 | 一种多目标轨迹单站自动识别方法 |
| CN103699908A (zh) * | 2014-01-14 | 2014-04-02 | 上海交通大学 | 基于联合推理的视频多目标跟踪方法 |
| CN106295594A (zh) * | 2016-08-17 | 2017-01-04 | 北京大学 | 一种基于动态路径树的跨摄像头目标跟踪方法及装置 |
| CN109522843A (zh) * | 2018-11-16 | 2019-03-26 | 北京市商汤科技开发有限公司 | 一种多目标跟踪方法及装置、设备和存储介质 |
| CN110853076A (zh) * | 2019-11-08 | 2020-02-28 | 重庆市亿飞智联科技有限公司 | 一种目标跟踪方法、装置、设备及存储介质 |
| CN111161320A (zh) * | 2019-12-30 | 2020-05-15 | 浙江大华技术股份有限公司 | 一种目标跟踪方法、目标跟踪装置及计算机可读介质 |
| US20200219271A1 (en) * | 2019-01-03 | 2020-07-09 | United States Of America As Represented By The Secretary Of The Army | Motion-constrained, multiple-hypothesis, target-tracking technique |
| CN111402294A (zh) * | 2020-03-10 | 2020-07-10 | 腾讯科技（深圳）有限公司 | 目标跟踪方法、装置、计算机可读存储介质和计算机设备 |
| CN111462180A (zh) * | 2020-03-30 | 2020-07-28 | 西安电子科技大学 | 基于与或图aog的目标跟踪方法 |
| CN112037247A (zh) * | 2020-08-27 | 2020-12-04 | 浙江大华技术股份有限公司 | 一种目标跟踪的方法、装置及计算机存储介质 |
| CN112070802A (zh) * | 2020-09-02 | 2020-12-11 | 合肥英睿系统技术有限公司 | 一种目标跟踪方法、装置、设备及计算机可读存储介质 |
| US20210136515A1 (en) * | 2015-07-17 | 2021-05-06 | Feng Zhang | Method, apparatus, and system for wireless monitoring with motion localization |
| CN112883819A (zh) * | 2021-01-26 | 2021-06-01 | 恒睿(重庆)人工智能技术研究院有限公司 | 多目标跟踪方法、装置、系统及计算机可读存储介质 |
| CN113450389A (zh) * | 2021-09-01 | 2021-09-28 | 智道网联科技(北京)有限公司 | 一种目标跟踪方法、装置及电子设备 |
| CN113610895A (zh) * | 2021-08-06 | 2021-11-05 | 烟台艾睿光电科技有限公司 | 目标跟踪方法、装置、电子设备及可读存储介质 |
| CN113643330A (zh) * | 2021-10-19 | 2021-11-12 | 青岛根尖智能科技有限公司 | 一种基于动态语义特征的目标跟踪方法及系统 |
-
2022
- 2022-01-28 CN CN202210103634.4A patent/CN114119674B/zh active Active
Patent Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101616309A (zh) * | 2009-07-16 | 2009-12-30 | 上海交通大学 | 无重叠视域多摄像机人体目标跟踪方法 |
| CN101729872A (zh) * | 2009-12-11 | 2010-06-09 | 南京城际在线信息技术有限公司 | 一种基于视频监控图像自动判别道路交通状态的方法 |
| CN102663343A (zh) * | 2012-04-26 | 2012-09-12 | 长春理工大学 | 一种多目标轨迹单站自动识别方法 |
| CN103699908A (zh) * | 2014-01-14 | 2014-04-02 | 上海交通大学 | 基于联合推理的视频多目标跟踪方法 |
| US20210136515A1 (en) * | 2015-07-17 | 2021-05-06 | Feng Zhang | Method, apparatus, and system for wireless monitoring with motion localization |
| CN106295594A (zh) * | 2016-08-17 | 2017-01-04 | 北京大学 | 一种基于动态路径树的跨摄像头目标跟踪方法及装置 |
| CN109522843A (zh) * | 2018-11-16 | 2019-03-26 | 北京市商汤科技开发有限公司 | 一种多目标跟踪方法及装置、设备和存储介质 |
| US20200219271A1 (en) * | 2019-01-03 | 2020-07-09 | United States Of America As Represented By The Secretary Of The Army | Motion-constrained, multiple-hypothesis, target-tracking technique |
| CN110853076A (zh) * | 2019-11-08 | 2020-02-28 | 重庆市亿飞智联科技有限公司 | 一种目标跟踪方法、装置、设备及存储介质 |
| CN111161320A (zh) * | 2019-12-30 | 2020-05-15 | 浙江大华技术股份有限公司 | 一种目标跟踪方法、目标跟踪装置及计算机可读介质 |
| CN111402294A (zh) * | 2020-03-10 | 2020-07-10 | 腾讯科技（深圳）有限公司 | 目标跟踪方法、装置、计算机可读存储介质和计算机设备 |
| CN111462180A (zh) * | 2020-03-30 | 2020-07-28 | 西安电子科技大学 | 基于与或图aog的目标跟踪方法 |
| CN112037247A (zh) * | 2020-08-27 | 2020-12-04 | 浙江大华技术股份有限公司 | 一种目标跟踪的方法、装置及计算机存储介质 |
| CN112070802A (zh) * | 2020-09-02 | 2020-12-11 | 合肥英睿系统技术有限公司 | 一种目标跟踪方法、装置、设备及计算机可读存储介质 |
| CN112883819A (zh) * | 2021-01-26 | 2021-06-01 | 恒睿(重庆)人工智能技术研究院有限公司 | 多目标跟踪方法、装置、系统及计算机可读存储介质 |
| CN113610895A (zh) * | 2021-08-06 | 2021-11-05 | 烟台艾睿光电科技有限公司 | 目标跟踪方法、装置、电子设备及可读存储介质 |
| CN113450389A (zh) * | 2021-09-01 | 2021-09-28 | 智道网联科技(北京)有限公司 | 一种目标跟踪方法、装置及电子设备 |
| CN113643330A (zh) * | 2021-10-19 | 2021-11-12 | 青岛根尖智能科技有限公司 | 一种基于动态语义特征的目标跟踪方法及系统 |
Non-Patent Citations (7)
| Title |
|---|
| HONG CUI等: ""An Anti-jamming Approach for Infrared Target Tracking Using Trajectory Prediction and Network Flow"", 《2018 IEEE 4TH INTERNATIONAL CONFERENCE ON COMPUTER AND COMMUNICATIONS》 * |
| YUN WANG等: ""D-TDMA：An Approach of Dynamic TDMA Scheduling for Targer Tracking in Wireless Sensor Networks"", 《2010 IEEE INTERNATIONAL CONFERENCE ON GREEN COMPUTERING AND COMMUNICATION》 * |
| ZHONGQIN WANG等: ""Single-Target Real-Time Passive WiFi Tracking"", 《ARXIV》 * |
| 叶靓玲等: ""结合目标检测与特征匹配的多目标跟踪算法"", 《华侨大学学报（自然科学版）》 * |
| 吴佳奇等: ""结合运动平滑约束与灰度特征的卫星视频点目标跟踪"", 《测绘学报》 * |
| 周世杰等: ""运算资源受限环境下的目标跟踪算法综述"", 《计算机工程与应用》 * |
| 顾立鹏等: ""无人车驾驶场景下的多目标车辆与行人跟踪算法"", 《小型微型计算机系统》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116052062A (zh) * | 2023-03-07 | 2023-05-02 | 深圳爱莫科技有限公司 | 一种鲁棒的烟草陈列图像处理方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114119674B (zh) | 2022-04-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110852219B (zh) | 一种多行人跨摄像头在线跟踪系统 | |
| Tsintotas et al. | Probabilistic appearance-based place recognition through bag of tracked words | |
| EP3007099B1 (en) | Image recognition system for a vehicle and corresponding method | |
| CN111611853B (zh) | 一种传感信息融合方法、装置及存储介质 | |
| CN106778737B (zh) | 一种车牌矫正方法、装置和一种视频采集装置 | |
| CN111753797B (zh) | 一种基于视频分析的车辆测速方法 | |
| CN110187334B (zh) | 一种目标监控方法、装置及计算机可读存储介质 | |
| JP5385105B2 (ja) | 画像検索方法およびシステム | |
| EP3530935B1 (en) | Method and equipment for monitoring vortex-induced vibration for wind turbine generator set | |
| CN106934817B (zh) | 基于多属性的多目标跟踪方法及装置 | |
| CN108052904B (zh) | 车道线的获取方法及装置 | |
| US11275956B2 (en) | Demarcation line recognition device | |
| CN114119674B (zh) | 一种静态目标跟踪方法、装置及存储介质 | |
| Nassu et al. | Rail extraction for driver support in railways | |
| CN113947714B (zh) | 一种视频监控和遥感的多模态协同优化方法及系统 | |
| CN106599918B (zh) | 车辆追踪方法及系统 | |
| CN114926808A (zh) | 一种基于传感器融合的目标检测及追踪方法 | |
| CN108830204B (zh) | 面对目标的监控视频中异常检测方法 | |
| Chau et al. | Robust mobile object tracking based on multiple feature similarity and trajectory filtering | |
| CN114972490B (zh) | 一种数据自动标注方法、装置、设备及存储介质 | |
| CN111753601A (zh) | 一种图像处理的方法、装置以及存储介质 | |
| CN110555423B (zh) | 基于多维运动摄像机的航拍视频的交通参数提取方法 | |
| CN117671299A (zh) | 一种回环检测方法、装置、设备及存储介质 | |
| WO2020237501A1 (zh) | 一种多源协同道路车辆监控系统 | |
| CN115620098B (zh) | 跨摄像头行人跟踪算法的评价方法、系统和电子设备 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: Floor 25, Block A, Zhongzhou Binhai Commercial Center Phase II, No. 9285, Binhe Boulevard, Shangsha Community, Shatou Street, Futian District, Shenzhen, Guangdong 518000 Patentee after: Shenzhen Youjia Innovation Technology Co.,Ltd. Address before: 518051 401, building 1, Shenzhen new generation industrial park, No. 136, Zhongkang Road, Meidu community, Meilin street, Futian District, Shenzhen, Guangdong Province Patentee before: SHENZHEN MINIEYE INNOVATION TECHNOLOGY Co.,Ltd. |