CN114627236A - 一种视频中三维运动轨迹的测绘方法 - Google Patents
一种视频中三维运动轨迹的测绘方法 Download PDFInfo
- Publication number
- CN114627236A CN114627236A CN202210127409.4A CN202210127409A CN114627236A CN 114627236 A CN114627236 A CN 114627236A CN 202210127409 A CN202210127409 A CN 202210127409A CN 114627236 A CN114627236 A CN 114627236A
- Authority
- CN
- China
- Prior art keywords
- target
- frame
- video
- dimensional motion
- mapping
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
- G06T2207/30241—Trajectory
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种视频中三维运动轨迹的测绘方法，包括以下步骤：将视频逐帧分解并按照时间轴进行排序；选取起始帧，抓拍并选取其中的目标，将获得的视觉识别信息发送至处理终端，获得目标的RGB灰度值模型；对RGB灰度值模型进行色域分布分析，计算目标中不同区域的相对面积占比，并存档待后续调用；对每一帧逐一通过视觉识别相机抓拍，将其与存档进行比照来对目标进行定位，进而绘制出目标的二维运动轨迹；将识别出的目标与起始帧中识别出的目标进行对比，计算整体面积变化的比例，从而可以计算出目标在Z轴上的行进路线，与目标的二维合并，即可绘制出目标的三维运动轨迹，本发明的优点在于取样和计算流程大为简化，且所需的外设更为简单。
Description
技术领域
本发明涉及视觉测绘领域，具体地说，是一种视频中三维运动轨迹的测绘方法。
背景技术
随着视频数据的爆炸式增长，快速、准确地分析和浏览视频已经成为一个迫切需要解决的问题，此问题在视频监控应用中尤为突出。关键帧提取作为一个可行的解决方案越来越得到人们的关注。关键帧的评估主要是看其是否能够全面、准确的再现原视频中的主要事件，在保证提取全面的前提下，尽量降低冗余。目前广泛应用的关键帧提取算法通常是基于视频的底层特征分析的，以单帧或少量帧的内容特征(颜色、形状、运动等特征)变化为准则进行关键帧提取。但是由于缺乏完整的时间维度的特征分析，难以从整体上把握关键帧的提取数量以及确定关键帧的位置，容易受到环境变化、目标姿态变化、目标遮挡等干扰造成运动目标漏检，进而导致真正的关键帧没有被提取到。提取结果与视频的真实语义之间存在差别，不能全面、准确的反应视频的真实语义。也就是说，关键帧提取结果不符合人眼视觉感知。
在不丢失视频语义信息的基础上，快速、准确的提取关键帧具有重要的研究意义和现实需求，视频时空运动轨迹作为关键帧提取准则为此提供了一种有效的解决途径。目标时空运动轨迹能够准确的反应目标的运动状态变化，无论是在民用上还是在军事领域中都有着广泛的应用。
但对视频中目标运动轨迹的追踪的简单方法是将目标运动的轨迹二维化并在平面上进行描绘，若需要通过二维的视频测绘出目标的三维运动轨迹，现有技术中是采用光流法，光流法提取视频时空运动轨迹虽然可行，但是计算量很大，难以满足系统实时性的需求，为此，迫切需要一种高效的视频中三维运动轨迹测绘方法。
发明内容
发明目的：本发明目的在于针对现有技术的不足，提供一种视频中三维运动轨迹的测绘方法。
技术方案：本发明所述一种视频中三维运动轨迹的测绘方法，包括以下步骤：
S1、将视频逐帧分解并按照时间轴进行排序；
S2、选取视频的起始帧，由视觉识别相机抓拍并选取其中的目标，将获得的视觉识别信息发送至处理终端，获得目标的RGB灰度值模型；
S3、对S2中获得的RGB灰度值模型进行色域分布分析，计算目标中不同区域的相对面积占比，将目标的RGB灰度值模型及不同区域的相对面积占比存档待后续调用；
S4、对视频分解出的每一帧逐一通过视觉识别相机抓拍，将其与存档的目标的RGB灰度值模型及不同区域的相对面积占比进行比照来对目标进行定位，进而绘制出目标的二维运动轨迹；
S5、将S4中识别出的目标与起始帧中识别出的目标进行对比，计算整体面积变化的比例，从而可以计算出目标在Z轴上的行进路线，与S4中获取的目标的二维合并，即可绘制出目标的三维运动轨迹。
作为优选的，S2中除了起始帧外还需随机在由视频分解出的各帧中选取若干帧进行视觉识别相机抓拍并选取其中的目标，对抽取的帧进行视觉抓拍及分析，来测算出各帧中目标在不同角度上的RGB灰度值模型及不同区域的相对面积占比，将测得的数据复合后绘制目标的立体模型。
作为优选的，S4中获取的目标的二维运动轨迹带有帧标记和时间轴标记。
作为优选的，S5中获取的目标在Z轴上的行进路线带有帧标记和时间轴标记。
作为优选的，S5中通过帧标记和时间轴标记的复合定位实现Z轴上的行进路线和二维运动轨迹的复合绘制。
本发明相比于现有技术具有以下有益效果：预先由视觉识别相机抓拍并选取其中的目标，将获得的视觉识别信息发送至处理终端，获得目标的RGB灰度值模型及目标中不同区域的相对面积占比，完整视频中的测绘流程由逐点计算转化为抓拍测量及比较，取样和计算流程大为简化，且所需的外设更为简单，可以实现实时测绘，且极大的降低了设备成本。
具体实施方式
下面将对本发明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他实施例，都属于本发明保护的范围。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，也可以是成一体；可以是机械连接，也可以是电连接，也可以是通讯连接；可以是直接连接，也可以通过中间媒介的间接连接，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
实施例1：一种视频中三维运动轨迹的测绘方法，包括以下步骤：
S1、将视频逐帧分解并按照时间轴进行排序；
S2、选取视频的起始帧，由视觉识别相机抓拍并选取其中的目标，将获得的视觉识别信息发送至处理终端，获得目标的RGB灰度值模型；
S3、对S2中获得的RGB灰度值模型进行色域分布分析，计算目标中不同区域的相对面积占比，将目标的RGB灰度值模型及不同区域的相对面积占比存档待后续调用；
S4、对视频分解出的每一帧逐一通过视觉识别相机抓拍，将其与存档的目标的RGB灰度值模型及不同区域的相对面积占比进行比照来对目标进行定位，进而绘制出目标的二维运动轨迹；
S5、将S4中识别出的目标与起始帧中识别出的目标进行对比，计算整体面积变化的比例，从而可以计算出目标在Z轴上的行进路线，与S4中获取的目标的二维合并，即可绘制出目标的三维运动轨迹。
实施例2：一种视频中三维运动轨迹的测绘方法，包括以下步骤：
S1、将视频逐帧分解并按照时间轴进行排序；
S2、选取视频的起始帧，由视觉识别相机抓拍并选取其中的目标，将获得的视觉识别信息发送至处理终端，获得目标的RGB灰度值模型，除了起始帧外还需随机在由视频分解出的各帧中选取若干帧进行视觉识别相机抓拍并选取其中的目标，对抽取的帧进行视觉抓拍及分析，来测算出各帧中目标在不同角度上的RGB灰度值模型；
S3、对S2中获得的RGB灰度值模型进行色域分布分析，计算目标中不同区域的相对面积占比，将目标的RGB灰度值模型及不同区域的相对面积占比存档待后续调用，对抽取的帧进行视觉抓拍及分析，来测算出各帧中目标在不同角度上的RGB灰度值模型及不同区域的相对面积占比，将测得的数据复合后绘制目标的立体模型；
S4、对视频分解出的每一帧逐一通过视觉识别相机抓拍，将其与存档的目标的RGB灰度值模型及不同区域的相对面积占比进行比照来对目标进行定位，进而绘制出目标的二维运动轨迹，获取的目标的二维运动轨迹带有帧标记和时间轴标记；
S5、将S4中识别出的目标与起始帧中识别出的目标进行对比，计算整体面积变化的比例，从而可以计算出目标在Z轴上的行进路线，获取的目标在Z轴上的行进路线带有帧标记和时间轴标记，通过帧标记和时间轴标记的复合定位实现Z轴上的行进路线和二维运动轨迹的复合绘制，即可绘制出目标的三维运动轨迹。
这一技术方案的优点在于预先由视觉识别相机抓拍并选取其中的目标，将获得的视觉识别信息发送至处理终端，获得目标的RGB灰度值模型及目标中不同区域的相对面积占比，完整视频中的测绘流程由逐点计算转化为抓拍测量及比较，取样和计算流程大为简化，且所需的外设更为简单，可以实现实时测绘，且极大的降低了设备成本。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一特征和第二特征直接接触，或第一特征和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可以是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度低于第二特征。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”或“一些示例”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必须针对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意一个或者多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (5)
1.一种视频中三维运动轨迹的测绘方法，其特征在于：包括以下步骤：
S1、将视频逐帧分解并按照时间轴进行排序；
S2、选取视频的起始帧，由视觉识别相机抓拍并选取其中的目标，将获得的视觉识别信息发送至处理终端，获得目标的RGB灰度值模型；
S3、对S2中获得的RGB灰度值模型进行色域分布分析，计算目标中不同区域的相对面积占比，将目标的RGB灰度值模型及不同区域的相对面积占比存档待后续调用；
S4、对视频分解出的每一帧逐一通过视觉识别相机抓拍，将其与存档的目标的RGB灰度值模型及不同区域的相对面积占比进行比照来对目标进行定位，进而绘制出目标的二维运动轨迹；
S5、将S4中识别出的目标与起始帧中识别出的目标进行对比，计算整体面积变化的比例，从而可以计算出目标在Z轴上的行进路线，与S4中获取的目标的二维合并，即可绘制出目标的三维运动轨迹。
2.根据权利要求1所述的一种视频中三维运动轨迹的测绘方法，其特征在于：S2中除了起始帧外还需随机在由视频分解出的各帧中选取若干帧进行视觉识别相机抓拍并选取其中的目标，对抽取的帧进行视觉抓拍及分析，来测算出各帧中目标在不同角度上的RGB灰度值模型及不同区域的相对面积占比，将测得的数据复合后绘制目标的立体模型。
3.根据权利要求1所述的一种视频中三维运动轨迹的测绘方法，其特征在于：S4中获取的目标的二维运动轨迹带有帧标记和时间轴标记。
4.根据权利要求1所述的一种视频中三维运动轨迹的测绘方法，其特征在于：S5中获取的目标在Z轴上的行进路线带有帧标记和时间轴标记。
5.根据权利要求3和4所述的一种视频中三维运动轨迹的测绘方法，其特征在于：S5中通过帧标记和时间轴标记的复合定位实现Z轴上的行进路线和二维运动轨迹的复合绘制。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210127409.4A CN114627236A (zh) | 2022-02-11 | 2022-02-11 | 一种视频中三维运动轨迹的测绘方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210127409.4A CN114627236A (zh) | 2022-02-11 | 2022-02-11 | 一种视频中三维运动轨迹的测绘方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114627236A true CN114627236A (zh) | 2022-06-14 |
Family
ID=81898479
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210127409.4A Pending CN114627236A (zh) | 2022-02-11 | 2022-02-11 | 一种视频中三维运动轨迹的测绘方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114627236A (zh) |
-
2022
- 2022-02-11 CN CN202210127409.4A patent/CN114627236A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11410002B2 (en) | Ship identity recognition method based on fusion of AIS data and video data | |
| CN108109385B (zh) | 一种输电线防外破的车辆识别与危险行为判别系统与方法 | |
| CN112379231B (zh) | 一种基于多光谱图像的设备检测方法及装置 | |
| CN112381784B (zh) | 一种基于多光谱图像的设备检测系统 | |
| CN111079600A (zh) | 多摄像头的行人识别方法及识别系统 | |
| CN113920097B (zh) | 一种基于多源图像的电力设备状态检测方法及系统 | |
| CN117496384B (zh) | 一种无人机图像物体检测方法 | |
| CN112434566B (zh) | 客流统计方法、装置、电子设备及存储介质 | |
| CN116109954B (zh) | 房屋安全隐患识别方法、装置及存储介质 | |
| CN112581386B (zh) | 一种全自动避雷器检测与跟踪方法 | |
| CN108318781A (zh) | 一种基于红外图像的绝缘子远程监测及故障诊断的方法 | |
| CN117651976A (zh) | 缺陷检测方法和装置 | |
| CN115188066A (zh) | 基于协同注意力和多尺度融合的运动目标检测系统及方法 | |
| CN113469178A (zh) | 一种基于深度学习的电力表计识别方法 | |
| CN117274627A (zh) | 一种基于图像转换的多时相积雪遥感图像匹配方法及系统 | |
| CN111354016A (zh) | 基于深度学习和差异值哈希的无人机舰船跟踪方法及系统 | |
| CN114943904A (zh) | 一种基于无人机巡检的作业监测方法 | |
| CN111414518B (zh) | 一种铁路无人机视频定位方法 | |
| CN117523426A (zh) | 一种融合特征金字塔的低空目标检测算法 | |
| CN117237611A (zh) | 一种基于改进YOLOv7的钢材表面缺陷检测方法 | |
| CN114627236A (zh) | 一种视频中三维运动轨迹的测绘方法 | |
| CN112598739A (zh) | 基于时空特征聚合网络的移动机器人红外目标跟踪方法、系统及存储介质 | |
| CN117422858A (zh) | 一种双光图像目标检测方法、系统、设备和介质 | |
| CN112860946B (zh) | 一种视频图像信息转换为地理信息的方法及系统 | |
| CN114549444A (zh) | 一种跨摄像头目标检测与跟踪系统及方法 |
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 |