CN115170612A - 一种检测跟踪方法、装置、电子设备及存储介质 - Google Patents
一种检测跟踪方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115170612A CN115170612A CN202210817238.8A CN202210817238A CN115170612A CN 115170612 A CN115170612 A CN 115170612A CN 202210817238 A CN202210817238 A CN 202210817238A CN 115170612 A CN115170612 A CN 115170612A
- Authority
- CN
- China
- Prior art keywords
- image
- sub
- target
- tracked
- size 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.)
- Pending
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
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种检测跟踪方法、装置、电子设备及存储介质,用于实现对高空物体完整且准确的跟踪。该方法为:针对第一图像被进行对比度增强处理所获得的第二图像进行检测处理,获得多个子图像;基于第一图像的前一帧图像中待跟踪目标的位置,确定待跟踪目标在第一图像中的预估位置中心点,并分别确定各子图像相应的位置评估值;基于前一帧图像中待跟踪目标的尺寸信息,确定待跟踪目标在第一图像中的预估尺寸信息,并分别确定各子图像相应的尺寸评估值;基于获得的各位置评估值和一一对应的各尺寸评估值所确定相应的综合评估值,筛选符合筛选条件的包含待跟踪目标的目标子图像,并对待跟踪目标对应的跟踪序列包含的子图像进行更新。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种检测跟踪方法、装置、电子设备及存储介质。
背景技术
目前,随着经济社会的迅速发展以及城市化进程的加速,较大城市的人口数量日趋增长,公共场所的安全问题也随之而来。例如,高空抛物所造成的安全问题。
具体的,针对高空抛物、高空飞鸟、高空飞机、高空无人机等快速移动的目标,现有技术中提供的检测方案为:使用背景建模算法来获取背景内动态目标具体位置,然后通过一定帧率持续的移动图像来实现对目标实时跟踪。
然而,对于低对比度下的场景,基于背景建模算法对目标进行跟踪检测的方案,可能会出现将一个目标分割成多个的问题情况,即无法准确的确定目标的位置,从而导致很难对目标进行正确的跟踪,进而影响整体的跟踪效果。
同时,由于目标运动速度过快,即上一帧图像中的目标的位置与下一帧图像中的目标的位置距离过大,基于现有检测方案中的算法,并不能将这两个目标联系起来,导致前一个目标序列的消亡,以及新目标序列的生成,即不能非常完整的形成目标的跟踪序列。也就是说,现有技术检测方案,会出现对目标“掉档”的问题,导致无法准确的对目标进行完整追踪。
发明内容
本发明实施例提供一种检测跟踪方法、装置、电子设备及存储介质,用于实现对高空物体完整且准确的跟踪。
第一方面,提供一种检测跟踪方法,所述方法包括:
对第一图像进行对比度增强处理,获得第二图像;并对所述第二图像进行检测处理,获得多个包含动态区域的连通域的子图像;
基于所述第一图像的前一帧图像中待跟踪目标的位置,确定待跟踪目标在所述第一图像中的预估位置中心点,并分别基于获得的各子图像对应的位置中心点与所述预估位置中心点间的距离,获得相应的位置评估值;
基于所述前一帧图像中待跟踪目标的尺寸信息,确定待跟踪目标在所述第一图像中的预估尺寸信息,并分别基于所述各子图像对应的尺寸信息和所述预估尺寸信息,获得相应的尺寸评估值;
基于获得的各所述位置评估值和一一对应的各所述尺寸评估值,确定相应的综合评估值,并基于获得的各综合评估值,筛选符合筛选条件的包含待跟踪目标的目标子图像,并对所述待跟踪目标对应的跟踪序列包含的子图像进行更新。
在一种可能的实施方式中,对第一图像进行对比度增强处理,获得第二图像,包括:
对所述第一图像进行数字图像变换处理,获得色调饱和值HSV颜色模型特征图;
对所述HSV颜色模型特征图进行特征提取,获得预设区域的特征像素值;
基于所述预设区域的特征像素值,对所述第一图像进行加权处理,获得第二图像。
在一种可能的实施方式中,在获得多个子图像之后,所述方法还包括:
分别对所述多个子图像进行前景识别处理,获得多个子图像对应的识别结果;
当确定任一子图像的识别结果为所述子图像为全背景图像,则对所述任一子图像进行删除处理,获得第一处理集合。
在一种可能的实施方式中,在获得第一处理集合之后,所述方法还包括:
对所述第一处理集合中各个子图像进行超分辨率识别处理,获得所述第一处理集合中各个子图像分别对应的分辨率识别结果;
当确定分辨率识别结果中任一所述子图像对应的分辨率低于预设阈值时,则对所述第一处理集合中的所述任一子图像进行删除处理,获得第二处理集合。
在一种可能的实施方式中,分别基于获得的各子图像的位置中心点与所述预估位置中心点间的距离,获得相应的位置评估值,包括:
分别对每个子图像执行以下操作:
确定前一帧图像中待跟踪目标的位置点与预估位置中心点间的第一相对距离值,并确定所述第一相对距离值与第二相对距离值间的第一差值;其中,所述第二相对距离值为所述第一子图像的位置中心点与所述前一帧图像中待跟踪目标的位置点之间的距离值;
基于所述前一帧图像中待跟踪目标对应的子图像和所述第一子图像确定第一区域的区域半径,并确定所述第一差值与所述区域半径间的第二差值;
基于激活函数对所述第二差值进行处理,获得所述第一子图像的位置评估值;所述激活函数用于将一个实数映射到0到1之间的区间。
在一种可能的实施方式中,分别基于获得的各子图像对应的尺寸信息和所述预估尺寸信息,获得相应的尺寸评估值,包括:
分别对每个子图像执行以下操作:
确定第二子图像的尺寸信息是否处于所述预估尺寸信息所对应的最大尺寸信息和最小尺寸信息范围内;
当确定所述第二子图像的尺寸信息未处于所述最大尺寸信息和最小尺寸信息范围内,则确定所述第二子图像的尺寸评估值为空;
当确定所述第二子图像的尺寸信息处于最大尺寸信息和最小尺寸信息范围内,则确定所述第二子图像的尺寸评估值为预设值。
在一种可能的实施方式中,基于获得的各综合评估值,筛选符合筛选条件的目标子图像,包括:
对获得的各综合评估值,按照从大到小的顺序进行排序,获得排序后的各综合评估值;
对所述排序后的各综合评估值分别对应的子图像,与所述第一图像的前一帧图像进行特征比对,获得各特征比对值,并将所述各特征比对值中最大的特征比对值对应子图像,作为目标子图像。
第二方面,提供一种检测跟踪装置,所述装置包括:
第一处理单元,用于对第一图像进行对比度增强处理,获得第二图像;并对所述第二图像进行检测处理,获得多个包含动态区域的连通域的子图像;
第一获得单元,用于基于所述第一图像的前一帧图像中待跟踪目标的位置,确定待跟踪目标在所述第一图像中的预估位置中心点,并分别基于获得的各子图像对应的位置中心点与所述预估位置中心点间的距离,获得相应的位置评估值;
第二获得单元,用于基于所述前一帧图像中待跟踪目标的尺寸信息,确定待跟踪目标在所述第一图像中的预估尺寸信息,并分别基于所述各子图像对应的尺寸信息和所述预估尺寸信息,获得相应的尺寸评估值;
跟踪单元,用于基于获得的各所述位置评估值和一一对应的各所述尺寸评估值,确定相应的综合评估值,并基于获得的各综合评估值,筛选符合筛选条件的包含待跟踪目标的目标子图像,并对所述待跟踪目标对应的跟踪序列包含的子图像进行更新。
在一种可能的实施方式中,所述第一处理单元,具体用于:
对所述第一图像进行数字图像变换处理,获得色调饱和值HSV颜色模型特征图;
对所述HSV颜色模型特征图进行特征提取,获得预设区域的特征像素值;
基于所述预设区域的特征像素值,对所述第一图像进行加权处理,获得第二图像。
在一种可能的实施方式中,所述装置还包括第二处理单元,用于:
分别对所述多个子图像进行前景识别处理,获得多个子图像对应的识别结果;
当确定任一子图像的识别结果为所述子图像为全背景图像,则对所述任一子图像进行删除处理,获得第一处理集合。
在一种可能的实施方式中,所述第二处理单元,还用于:
对所述第一处理集合中各个子图像进行超分辨率识别处理,获得所述第一处理集合中各个子图像分别对应的分辨率识别结果;
当确定分辨率识别结果中任一所述子图像对应的分辨率低于预设阈值时,则对所述第一处理集合中的所述任一子图像进行删除处理,获得第二处理集合。
在一种可能的实施方式中,所述第一获得单元,具体用于:
分别对每个子图像执行以下操作:
确定前一帧图像中待跟踪目标的位置点与预估位置中心点间的第一相对距离值,并确定所述第一相对距离值与第二相对距离值间的第一差值;其中,所述第二相对距离值为所述第一子图像的位置中心点与所述前一帧图像中待跟踪目标的位置点之间的距离值;
基于所述前一帧图像中待跟踪目标对应的子图像和所述第一子图像确定第一区域的区域半径,并确定所述第一差值与所述区域半径间的第二差值;
基于激活函数对所述第二差值进行处理,获得所述第一子图像的位置评估值;所述激活函数用于将一个实数映射到0到1之间的区间。
在一种可能的实施方式中,所述第二获得单元,具体用于:
分别对每个子图像执行以下操作:
确定第二子图像的尺寸信息是否处于所述预估尺寸信息所对应的最大尺寸信息和最小尺寸信息范围内;
当确定所述第二子图像的尺寸信息未处于所述最大尺寸信息和最小尺寸信息范围内,则确定所述第二子图像的尺寸评估值为空;
当确定所述第二子图像的尺寸信息处于最大尺寸信息和最小尺寸信息范围内,则确定所述第二子图像的尺寸评估值为预设值。
在一种可能的实施方式中,所述跟踪单元,具体用于:
对获得的各综合评估值,按照从大到小的顺序进行排序,获得排序后的各综合评估值;
对所述排序后的各综合评估值分别对应的子图像,与所述第一图像的前一帧图像进行特征比对,获得各特征比对值,并将所述各特征比对值中最大的特征比对值对应子图像,作为目标子图像。
第三方面,提供一种电子设备,所述电子设备包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序指令执行第一方面中的任一方法包括的步骤。
第四方面,提供一种计算机可读存储介质,该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实现如第一方面中的任一方法包括的步骤。
第五方面,提供一种计算机程序产品,当所述计算机程序产品在电子设备运行时,使得电子设备能够执行第一方面中任一方法包括的步骤。
本发明的实施例提供的技术方案至少带来以下有益效果:
在该方法中,首先,电子设备可以对获得的第一图像进行对比度增强处理,获得第二图像。这样,获得的第二图像是对比度较强的图像,克服了之前存在的对比度较低导致后续检测不准确的问题。然后,电子设备可以对第二图像进行检测处理,获得多个包含动态区域的连通域的子图像。
进一步地,电子设备可以基于第一图像的前一帧图像中待跟踪目标的位置,确定待跟踪目标在第一图像中的预估位置中心点,并分别基于获得的各子图像对应的位置中心点与预估位置中心点间的距离,获得相应的位置评估值;以及,基于前一帧图像中待跟踪目标的尺寸信息,确定待跟踪目标在第一图像中的预估尺寸信息,并分别基于各子图像对应的尺寸信息和预估尺寸信息,获得相应的尺寸评估值。这样,可以基于获得的各位置评估值和一一对应的各尺寸评估值,确定相应的综合评估值。
最后,电子设备可以基于获得的各综合评估值,筛选符合筛选条件的包含待跟踪目标的目标子图像,并对待跟踪目标对应的跟踪序列包含的子图像进行更新,从而实现对待跟踪目标完整且准确的跟踪。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或通过实施而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理,并不构成对本发明的不当限定。
图1为本发明实施例中的一种应用场景示意图;
图2为本发明实施例中的一种检测跟踪方法的流程图;
图3为本发明实施例中的一种确定位置评估值的示意图;
图4为本发明实施例中的一种确定前一帧图像中待跟踪目标对应的速度和加速度的示意图;
图5为本发明实施例中的一种确定尺寸评估值的示意图;
图6为本发明实施例中的一种检测跟踪方法的示意图;
图7为本发明实施例中的一种检测跟踪装置的结构框图;
图8为本发明实施例中的一种电子设备的结构示意图。
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,下面将结合本发明实施例中的附图,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。在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互任意组合。并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本发明的说明书和权利要求书及上述附图中的术语“第一”和“第二”是用于区别不同对象,而非用于描述特定顺序。此外,术语“包括”以及它们任何变形,意图在于覆盖不排他的保护。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
如前所述,现有技术中在针对高空快速移动的目标的检测跟踪时,在低对比度的场景下,容易将目标分割成多个,从而导致无法准确的对目标进行准确定位,即对目标的位置定位不精确,进而可能导致对该目标的跟踪的丢失,即无法完整且准确的实现对目标的跟踪。
有鉴于此,本发明实施例提供一种检测跟踪方法,在该方法中,首先,电子设备可以对获得的第一图像进行对比度增强处理,获得第二图像。这样,获得的第二图像是对比度较强的图像,克服了之前存在的对比度较低导致后续检测不准确的问题。然后,电子设备可以对第二图像进行检测处理,获得多个包含动态区域的连通域的子图像。
进一步地,电子设备可以基于第一图像的前一帧图像中待跟踪目标的位置,确定待跟踪目标在第一图像中的预估位置中心点,并分别基于获得的各子图像对应的位置中心点与预估位置中心点间的距离,获得相应的位置评估值;以及,基于前一帧图像中待跟踪目标的尺寸信息,确定待跟踪目标在第一图像中的预估尺寸信息,并分别基于各子图像对应的尺寸信息和预估尺寸信息,获得相应的尺寸评估值。这样,可以基于获得的各位置评估值和一一对应的各尺寸评估值,确定相应的综合评估值。
最后,电子设备可以基于获得的各综合评估值,筛选符合筛选条件的包含待跟踪目标的目标子图像,并对待跟踪目标对应的跟踪序列包含的子图像进行更新,从而实现对待跟踪目标完整且准确的跟踪。
介绍完本发明实施例的设计思想之后,下面对本发明实施例中的技术方案适用的应用场景做一些简单介绍,需要说明的是,本发明实施例描述的应用场景是为了更加清楚的说明本发明实施例的技术方案,并不构成对于本发明实施例提供的技术方案的限定,本领域普通技术人员可知,随着新应用场景的出现,本发明实施例提供的技术方案对于类似的技术问题,同样适用。
请参见图1所示,为发明实施例能够适用的一种场景示意图,该场景中包括信息采集设备101、电子设备102以及其他电子设备103,本发明实施例的检测跟踪方法可以通过图1中信息采集设备101和电子设备102协同来实现,且可以结合其他电子设备实现对高空物体的跟踪和处理。
在具体的实施过程中,前述的信息采集设备101可以获取视频流信息,且该视频流信息中包括至少一个高空物体。当信息采集设备101采集到包括至少一个高空物体对应的数据之后,可以将数据通过网络104发送给电子设备102。示例性的,信息采集设备101可以设置在路口,商场、商务楼宇以及小区楼宇等场所。
其中,电子设备102可以包括一个或多个处理器1021、存储器1022、与信息采集设备101交互的I/O接口1023以及与其他电子设备103交互的I/O接口1024等。在具体的实施过程中,可以是多个电子设备102与多个信息采集设备101交互,也可以是一个电子设备102与多个信息采集设备101交互,还可以是一个电子设备102与一个信息采集设备101交互,本发明实施例中不做限制。具体的,电子设备102还可以与其他电子设备103连接,向其他电子设备反馈高空物体的跟踪数据,图1中以一个电子设备102与一个信息采集设备101和一个其他电子设备103进行交互为例进行示出。
在本发明实施例中,电子设备102可以通过I/O接口1023接收信息采集设备101发送的数据,然后采用处理器1021对数据进行处理,并将处理后的信息存储在存储器1022中。当然,电子设备102可以通过接口1024向其他电子设备103发送处理后的信息。
信息采集设备101与电子设备102之间可以通过一个或者多个网络104进行通信连接。其他电子设备103与电子设备102之间也可以通过一个或者多个网络104进行通信连接。该网络104可以是有线网络,也可以是无线网络,例如无线网络可以是移动蜂窝网络,或者可以是无线保真(WIreless-Fidelity,WIFI)网络,当然还可以是其他可能的网络,本发明实施例对此不做限制。
在具体的实施过程中,当电子设备102接收到包含至少一个高空物体的视频流的数据之后,可以对数据进行处理,确定高空物体的下落轨迹,获得高空物体的跟踪序列,并将跟踪序列反馈给其他电子设备103,然后其他电子设备103实现对高空物体坠落的轨迹的确认和后续的处理。
为进一步说明本发明实施例提供的检测跟踪方法的方案,下面结合附图以及具体实施方式对此进行详细的说明。虽然本发明实施例提供了如下述实施例或附图所示的方法操作步骤,但基于常规或者无需创造性的劳动在所述方法中可以包括更多或者更少的操作步骤。在逻辑上不存在必要因果关系的步骤中,这些步骤的执行顺序不限于本发明实施例提供的执行顺序。所述方法在实际的处理过程中或者装置执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的应用环境)。
以下结合图2所示的方法流程图对本发明实施例中检测跟踪方法进行说明,图2所示的各步骤可以由如图1所示的电子设备执行。在具体实施过程中,该电子设备可以是服务器,例如是个人计算机、大中型计算机、计算机集群,等等。
步骤201:对第一图像进行对比度增强处理,获得第二图像;并对第二图像进行检测处理,获得多个包含动态区域的连通域的子图像。
在本发明实施例中,电子设备可以从信息采集设备中获得待处理的视频流,然后对待处理的视频流进行拆帧处理,获得各个图像。然后,电子设备可以确定第一图像,对第一图像进行对比度增强处理,获得第二图像。需要说明的是,第一图像可以是待处理的视频流中的第三帧图像,也可以是第五帧图像,本发明实施例中对此不做限制。
在一种可选的实施方式中,电子设备对可以采用但不限于以下步骤对第一图像进行对比度增强处理,获得第二图像。
步骤A:对第一图像进行数字图像变换处理,获得色调饱和值HSV颜色模型特征图。
在本发明实施例中,电子设备可以对第一图像进行数字图像变换处理,具体的,可以基于转换方程将第一图像对应的RGB色彩模式(RGB color mode)转化为色调饱和值(HueSaturation Value,HSV),获得色调饱和值HSV颜色模型特征图,其中,转化方程如下所示。
g(i,j)=αf(i,j)+β
其中g为转化后HSV色域像素值,f为转化前RGB色域像素值,α,β为常值。
步骤B:对HSV颜色模型特征图进行特征提取,获得预设区域的特征像素值。
在本发明实施例中,电子设备可以对HSV颜色模型特征图进行特征提取,其中,特征提取方法可以是线性特征提取法,均值特征提取法,区域特征提取法中的一种或多种,本发明实施例对此不做限制。例如,采用区域特征提取法,对HSV颜色模型特征图进行特征提取。
步骤C:基于预设区域的特征像素值,对第一图像进行加权处理,获得第二图像。
在本发明实施例中,电子设备可以基将动态区域的HSV图像即预设区域的特征像素值对原图进行加权,得到增对图即第二图像。其中,上述过程可以通过以下方式表示:
其中,Fb用于表征增对图即第二图像,Fs用于表征低对比度原图即第一图像,g(i,j)用于表征预设区域的特征像素值。
在本发明实施例中,当获得第二图像之后,电子设备可以对第二图像进行检测处理,即通过对第二图像执行动检算法,来获取动态目标检测框的信息,以获得对应的子图像。
在具体的实施过程中,电子设备可以基于背景建模算法,对第二图像进行处理,获得第二图像中的动态区域的连通域,进而获得多个连通域分别对应的子图像。其中,背景建模算法包括但不限于静态差分算法、高斯背景模型算法(Gaussian Mixture Model,GMM)、视觉背景提取算法(visual background extractor,ViBE)。
在具体的实施过程中,电子设备可以对获得的各连通域进行滤波处理,从而获得各连通域对应的连续的区域边缘。其中,执行滤波处理采用的滤波算法包括当不限于均值滤波算法、中值滤波算法以及高斯滤波算法。进一步地,单子设备还可以基于连通域搜索算法对获得的各连通域进行处理,确定各动态区域的前景的外接区域,从而可以得到包含外接区域的边缘连续的各连通域,即可以获得较为完整的子图像。其中,连通域搜索算法可以包括但不限于:深度优先搜索算法(Depth-First-Search,DFS)、广度优先搜索算法(Breadth First SearchBFS)。
在本发明实施例中,当电子设备获得完整的包含动态区域的连通域的各子图像之后,可以对子图像进行超分校正,得到较为清晰的子图像。
可选的,电子设备可以分别对多个子图像进行前景识别处理,获得多个子图像对应的识别结果;当确定任一子图像的识别结果为子图像为全背景图像,则对任一子图像进行删除处理,获得第一处理集合。
具体的,电子设备可以基于目标分类算法来对所有子图像进行前景识别处理,获得各个子对象分别对应的识别结果,然后将子图像的识别结果为子图像为全背景图像的子图像,进行删除处理。
其中,目标分类算法可以包括当不限于K近邻算法(K-nearst neighbor,KNN),支持向量机(Support Vector Machine,SVM)、卷积神经网络算法(Convolutional NeuralNetwork,CNN)、尺度不变特征变换算法(Scale Invariant Feature Transform,SIFT)。
进一步地,在电子设备在获得第一处理集合之后,还可以对第一处理集合中各个子图像进行超分辨率识别处理,获得第一处理集合中各个子图像分别对应的分辨率识别结果;当确定分辨率识别结果中任一子图像对应的分辨率低于预设阈值时,则对第一处理集合中的任一子图像进行删除处理,获得第二处理集合。
可见,本发明实施例中,还可以基于超分辨率重建算法对第一处理集合中各个子图像进行处理,从而可以获取更为清晰的子图像。也就是说,可以去除第一处理集合中模糊及拖影的子图像,这样,获得的第二处理集合中没有全背景图像的子图像、也没有模糊和拖影的子图像,从而可以为后续确定待跟踪目标提供良好的实施基础,避免出现由于子图像存在不清楚等问题,导致的对待跟踪目标的错误跟踪问题。
其中,超分辨率重建算法包括但不限于:基于生成对抗网络的算法(GenerativeAdversarial Network,GAN)、近邻插值算法、线性插值算法、双三次插值算法、样条插值算法。
在本发明实施例中,当获得第二处理集合中的各个子图像之后,可以通过将前后多帧待跟踪目标进行比对,根据已有跟踪序列中待跟踪目标的轨迹,进行运动计算,大小线性判断等处理,与当前帧即各个子图像进行比对,并确定最终的目标子图像,再使用先前帧的跟踪序列的标识为目标子图像中的待跟踪目标进行标记,得到目标子图像对应的跟踪序列中的特定标识,从而完成第一图像中待跟踪目标的跟踪,并基于前述方法,完成各个图像中待跟踪目标的跟踪,实现对待跟踪目标的完整且准确的跟踪。
需要说明的是,在本发明实施例中,已有的跟踪序列是基于前N帧图像对应确定的,N为正整数,这里不再赘述。
具体的,下面介绍确定目标子图像的过程。
步骤202:基于第一图像的前一帧图像中待跟踪目标的位置,确定待跟踪目标在第一图像中的预估位置中心点,并分别基于获得的各子图像对应的位置中心点与预估位置中心点间的距离,获得相应的位置评估值。
在本发明实施例中,电子设备可以分别对每个子图像执行以下操作:
步骤a:确定前一帧图像中待跟踪目标的位置点与预估位置中心点间的第一相对距离值,并确定第一相对距离值与第二相对距离值间的第一差值;其中,第二相对距离值为第一子图像的位置中心点与前一帧图像中待跟踪目标的位置点之间的距离值;
步骤b:基于所述前一帧图像中待跟踪目标对应的子图像和所述第一子图像确定第一区域的区域半径,并确定第一差值与所述区域半径间的第二差值;
步骤c:基于激活函数对第二差值进行处理,获得第一子图像的位置评估值;激活函数用于将一个实数映射到0到1之间的区间。
在具体的实施过程中,请参阅图3,图3为确定位置评估值的示意图。其中,“T帧”可以理解为前一帧图像,“T+1帧”可以理解为第一图像,“T帧”对应的“三角形”可以理解为前一帧图像中包含待跟踪目标的子图像,“T+1帧预测”对应的“三角形”可以理解为预测的子图像,“T+1帧真实”对应的“三角形”可以理解为第一图像中的子图像。以及,图3中的“C”,可以理解为前一帧图像中待跟踪目标的位置点之间与预估位置中心点间的第一相对距离值;图3中的“Cr”可以理解为第一子图像的位置中心点与前一帧图像中待跟踪目标的位置点之间的第二相对距离值;图3中的“r”可以理解为包含预设阈值的目标的区域半径。
具体的,可以基于以下公式一确定第一相对距离值。
c=∫(v+∫adt)dt; 公式一
其中,v用于表征前一帧图像中待跟踪目标的速度,a用于表征前一帧图像中待跟踪目标的加速度。
以及,请参见图4,图4为确定前一帧图像中待跟踪目标对应的速度和加速度的示意图。其中,“T帧”可以理解前一帧图像,也就是说,可以基于前一帧图像之前的帧图像对应的信息,确定待跟踪目标对应的速度和加速度。
具体的,可以基于以下公式二确定区域半径:
其中,v用于表征前一帧图像中待跟踪目标的速度,a用于表征前一帧图像中待跟踪目标的加速度,c用于表征第一相对距离值。
进一步地,可以基于以下公式三确定位置评估值:
其中,v用于表征前一帧图像中待跟踪目标的速度,a用于表征前一帧图像中待跟踪目标的加速度,dt用于表征帧间隔,用于表征第一相对距离值吗,,r用于表征包含95%的待跟踪目标的区域的区域半径,用于表征第二相对位置,Sd用于表征位置评估值,sigmoid(x)用于表征激活函数,
在本发明实施例中,当确定各个子图像的相应的位置评估值后,还可以确定其相应的尺寸评估值。
步骤203:基于前一帧图像中待跟踪目标的尺寸信息,确定待跟踪目标在第一图像中的预估尺寸信息,并分别基于各子图像对应的尺寸信息和预估尺寸信息,获得相应的尺寸评估值。
在本发明实施例中,电子设备可以分别对每个子图像执行以下操作,以确定各个子图像对应的尺寸评估值。
Step1:确定第二子图像的尺寸信息是否处于预估尺寸信息所对应的最大尺寸信息和最小尺寸信息范围内;
Step2:当确定第二子图像的尺寸信息未处于最大尺寸信息和最小尺寸信息范围内,则确定第二子图像的尺寸评估值为空;
Step3:当确定第二子图像的尺寸信息处于最大尺寸信息和最小尺寸信息范围内,则确定第二子图像的尺寸评估值为预设值。
请参阅图5所示,为本发明实施例中的确定尺寸评估值的示意图。在具体的实施过程中,电子设备可以基于前一帧图像中待跟踪目标的尺寸信息,确定待跟踪目标在第一图像中的预估尺寸信息。例如,图5中的“T帧对应的三角形”可以理解为前一帧图像中待跟踪目标的子图像对应的区域,并将该区域的尺寸信息作为待跟踪目标的尺寸信息。然后,可以采用光流法基于前一帧图像中待跟踪目标的尺寸信息,确定待跟踪目标在第一图像中的预估尺寸信息。
具体的,预估尺寸信息可以包括最大尺寸信息即图5中的“最大框”,以及最小尺寸信息即图5中的“最小框”。这样,可以根据子图像真实的尺寸信息与预估尺寸信息间的比对信息确定尺寸评估值。
在本发明实施例中,当确定子图像的尺寸信息未处于最大尺寸信息和最小尺寸信息范围内,则确定子图像的尺寸评估值为空,也就是说,该子图像并未处于预估的尺寸范围内,则确定其没有尺寸评估值。以及,当确定子图像的尺寸信息处于最大尺寸信息和最小尺寸信息范围内,则子图像的尺寸评估值为预设值。其中,预设值例如是0.1,0.3等,预设值可以基于实际实施对应确定,本发明实施例中不做限定。
步骤204:基于获得的各位置评估值和一一对应的各尺寸评估值,确定相应的综合评估值,并基于获得的各综合评估值,筛选符合筛选条件的包含待跟踪目标的目标子图像,并对待跟踪目标对应的跟踪序列包含的子图像进行更新。
在本发明实施例中,电子设备可以对获得的各综合评估值,按照从大到小的顺序进行排序,获得排序后的各综合评估值;然后,可以对排序后的各综合评估值分别对应的子图像,与第一图像的前一帧图像进行特征比对,获得各特征比对值,并将各特征比对值中最大的特征比对值对应子图像,作为目标子图像。
请参见图6,为本发明实施例提供的又一检测跟踪方法的示意图。在本发明实施例中,电子设备可以对获得的第一图像进行对比度增强处理,获得第二图像。这样,获得的第二图像是对比度较强的图像,克服了之前存在的对比度较低导致后续检测不准确的问题。然后,通过背景建模算法提取第二图像中的移动目标,生成运动前景图,再通过对运动前景图进行目标提取,获得背景建模结果即多个子图像。
进一步地,由于高速移动的目标常会出现拖影现象,为提高目标的清晰度,通过将子图像筛选处理,即进行前景识别处理和超分辨率识别处理,得到较为清晰的子图像。然后,同时前一帧图像的待跟踪目标的位置和尺寸所确定的预估信息,确定目标子图像,来对待跟踪目标的实时跟踪序列的生成,即对已有的跟踪序列的更新,从而实现对待跟踪目标完整且准确的跟踪。
基于同一发明构思,本发明实施例提供了一种用于检测跟踪装置,该检测跟踪装置能够实现前述的检测跟踪方法对应的功能。该检测跟踪装置可以是硬件结构、软件模块、或硬件结构加软件模块。该检测跟踪装置可以由芯片系统实现,芯片系统可以由芯片构成,也可以包含芯片和其他分立器件。请参见图7所示,该检测跟踪装置包括:第一处理单元701、第一获得单元702、第二获得单元703以及跟踪单元704,其中:
第一处理单元701,用于对第一图像进行对比度增强处理,获得第二图像;并对所述第二图像进行检测处理,获得多个包含动态区域的连通域的子图像;
第一获得单元702,用于基于所述第一图像的前一帧图像中待跟踪目标的位置,确定待跟踪目标在所述第一图像中的预估位置中心点,并分别基于获得的各子图像对应的位置中心点与所述预估位置中心点间的距离,获得相应的位置评估值;
第二获得单元703,用于基于所述前一帧图像中待跟踪目标的尺寸信息,确定待跟踪目标在所述第一图像中的预估尺寸信息,并分别基于所述各子图像对应的尺寸信息和所述预估尺寸信息,获得相应的尺寸评估值;
跟踪单元704,用于基于获得的各所述位置评估值和一一对应的各所述尺寸评估值,确定相应的综合评估值,并基于获得的各综合评估值,筛选符合筛选条件的包含待跟踪目标的目标子图像,并对所述待跟踪目标对应的跟踪序列包含的子图像进行更新。
在一种可能的实施方式中,所述第一处理单元701,具体用于:
对所述第一图像进行数字图像变换处理,获得色调饱和值HSV颜色模型特征图;
对所述HSV颜色模型特征图进行特征提取,获得预设区域的特征像素值;
基于所述预设区域的特征像素值,对所述第一图像进行加权处理,获得第二图像。
在一种可能的实施方式中,所述装置还包括第二处理单元,用于:
分别对所述多个子图像进行前景识别处理,获得多个子图像对应的识别结果;
当确定任一子图像的识别结果为所述子图像为全背景图像,则对所述任一子图像进行删除处理,获得第一处理集合。
在一种可能的实施方式中,所述第二处理单元,还用于:
对所述第一处理集合中各个子图像进行超分辨率识别处理,获得所述第一处理集合中各个子图像分别对应的分辨率识别结果;
当确定分辨率识别结果中任一所述子图像对应的分辨率低于预设阈值时,则对所述第一处理集合中的所述任一子图像进行删除处理,获得第二处理集合。
在一种可能的实施方式中,所述第一获得单元702,具体用于:
分别对每个子图像执行以下操作:
确定前一帧图像中待跟踪目标的位置点与预估位置中心点间的第一相对距离值,并确定所述第一相对距离值与第二相对距离值间的第一差值;其中,所述第二相对距离值为所述第一子图像的位置中心点与所述前一帧图像中待跟踪目标的位置点之间的距离值;
基于所述前一帧图像中待跟踪目标对应的子图像和所述第一子图像确定第一区域的区域半径,并确定所述第一差值与所述区域半径间的第二差值;
基于激活函数对所述第二差值进行处理,获得所述第一子图像的位置评估值;所述激活函数用于将一个实数映射到0到1之间的区间。
在一种可能的实施方式中,所述第二获得单元703,具体用于:
分别对每个子图像执行以下操作:
确定第二子图像的尺寸信息是否处于所述预估尺寸信息所对应的最大尺寸信息和最小尺寸信息范围内;
当确定所述第二子图像的尺寸信息未处于所述最大尺寸信息和最小尺寸信息范围内,则确定所述第二子图像的尺寸评估值为空;
当确定所述第二子图像的尺寸信息处于最大尺寸信息和最小尺寸信息范围内,则确定所述第二子图像的尺寸评估值为预设值。
在一种可能的实施方式中,所述跟踪单元704,具体用于:
对获得的各综合评估值,按照从大到小的顺序进行排序,获得排序后的各综合评估值;
对所述排序后的各综合评估值分别对应的子图像,与所述第一图像的前一帧图像进行特征比对,获得各特征比对值,并将所述各特征比对值中最大的特征比对值对应子图像,作为目标子图像。
前述的检测跟踪方法的实施例涉及的各步骤的所有相关内容均可以援引到本发明实施例中的检测跟踪装置所对应的功能模块的功能描述,在此不再赘述。
本发明实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,另外,在本发明各个实施例中的各功能模块可以集成在一个控制器中,也可以是单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
基于同一发明构思,本发明实施例提供一种电子设备,请参见图8所示,该电子设备包括至少一个处理器801,以及与至少一个处理器连接的存储器802,本发明实施例中不限定处理器801与存储器802之间的具体连接介质,图8中是以处理器801和存储器802之间通过总线800连接为例,总线800在图8中以粗线表示,其它部件之间的连接方式,仅是进行示意性说明,并不引以为限。总线800可以分为地址总线、数据总线、控制总线等,为便于表示,图8中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。此外,检测跟踪装置还包括通信接口803,用于接收或发送数据。
在本发明实施例中,存储器802存储有可被至少一个处理器801执行的指令,至少一个处理器801通过执行存储器802存储的指令,可以执行前述的检测跟踪方法中所包括的步骤。
其中,处理器801是电子设备的控制中心,可以利用各种接口和线路连接整个电子设备的各个部分,通过运行或执行存储在存储器802内的指令以及调用存储在存储器802内的数据,电子设备的各种功能和处理数据,从而对电子设备进行整体监控。
可选的,处理器801可包括一个或多个处理单元,处理器801可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器801中。在一些实施例中,处理器801和存储器802可以在同一芯片上实现,在一些实施例中,它们也可以在独立的芯片上分别实现。
处理器801可以是通用处理器,例如中央处理器(CPU)、数字信号处理器、专用集成电路、现场可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件,可以实现或者执行本发明实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器802作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。存储器802可以包括至少一种类型的存储介质,例如可以包括闪存、硬盘、多媒体卡、卡型存储器、随机访问存储器(Random AccessMemory,RAM)、静态随机访问存储器(Static Random Access Memory,SRAM)、可编程只读存储器(Programmable Read Only Memory,PROM)、只读存储器(Read Only Memory,ROM)、带电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,EEPROM)、磁性存储器、磁盘、光盘等等。存储器802是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。本发明实施例中的存储器802还可以是电路或者其它任意能够实现存储功能的装置,用于存储程序指令和/或数据。
通过对处理器801进行设计编程,可以将前述实施例中介绍的检测跟踪方法所对应的代码固化到芯片内,从而使芯片在运行时能够执行前述的检测跟踪方法的步骤,如何对处理器801进行设计编程为本领域技术人员所公知的技术,这里不再赘述。
基于同一发明构思,本发明实施例还提供一种计算机可读存储介质,该存储介质存储有计算机程序,当该计算机程序被处理器执行实现如前述的检测跟踪方法的步骤。
在一些可能的实施方式中,本发明提供的检测跟踪方法的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在控制电子设备上运行时,所述程序代码用于使该控制电子设备执行本说明书上述描述的根据本发明各种示例性实施方式的检测跟踪方法中的步骤。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种检测跟踪方法,其特征在于,所述方法包括:
对第一图像进行对比度增强处理,获得第二图像;并对所述第二图像进行检测处理,获得多个包含动态区域的连通域的子图像;
基于所述第一图像的前一帧图像中待跟踪目标的位置,确定待跟踪目标在所述第一图像中的预估位置中心点,并分别基于获得的各子图像对应的位置中心点与所述预估位置中心点间的距离,获得相应的位置评估值;
基于所述前一帧图像中待跟踪目标的尺寸信息,确定待跟踪目标在所述第一图像中的预估尺寸信息,并分别基于所述各子图像对应的尺寸信息和所述预估尺寸信息,获得相应的尺寸评估值;
基于获得的各所述位置评估值和一一对应的各所述尺寸评估值,确定相应的综合评估值,并基于获得的各综合评估值,筛选符合筛选条件的包含待跟踪目标的目标子图像,并对所述待跟踪目标对应的跟踪序列包含的子图像进行更新。
2.如权利要求1所述的方法,其特征在于,对第一图像进行对比度增强处理,获得第二图像,包括:
对所述第一图像进行数字图像变换处理,获得色调饱和值HSV颜色模型特征图;
对所述HSV颜色模型特征图进行特征提取,获得预设区域的特征像素值;
基于所述预设区域的特征像素值,对所述第一图像进行加权处理,获得第二图像。
3.如权利要求1或2所述的方法,其特征在于,在获得多个子图像之后,所述方法还包括:
分别对所述多个子图像进行前景识别处理,获得多个子图像对应的识别结果;
当确定任一子图像的识别结果为所述子图像为全背景图像,则对所述任一子图像进行删除处理,获得第一处理集合。
4.如权利要求3所述的方法,其特征在于,在获得第一处理集合之后,所述方法还包括:
对所述第一处理集合中各个子图像进行超分辨率识别处理,获得所述第一处理集合中各个子图像分别对应的分辨率识别结果;
当确定分辨率识别结果中任一所述子图像对应的分辨率低于预设阈值时,则对所述第一处理集合中的所述任一子图像进行删除处理,获得第二处理集合。
5.如权利要求1或2所述的方法,其特征在于,分别基于获得的各子图像的位置中心点与所述预估位置中心点间的距离,获得相应的位置评估值,包括:
分别对每个子图像执行以下操作:
确定前一帧图像中待跟踪目标的位置点与预估位置中心点间的第一相对距离值,并确定所述第一相对距离值与第二相对距离值间的第一差值;其中,所述第二相对距离值为所述第一子图像的位置中心点与所述前一帧图像中待跟踪目标的位置点之间的距离值;
基于所述前一帧图像中待跟踪目标对应的子图像和所述第一子图像确定第一区域的区域半径,并确定所述第一差值与所述区域半径间的第二差值;
基于激活函数对所述第二差值进行处理,获得所述第一子图像的位置评估值;所述激活函数用于将一个实数映射到0到1之间的区间。
6.如权利要求1或2所述的方法,其特征在于,分别基于获得的各子图像对应的尺寸信息和所述预估尺寸信息,获得相应的尺寸评估值,包括:
分别对每个子图像执行以下操作:
确定第二子图像的尺寸信息是否处于所述预估尺寸信息所对应的最大尺寸信息和最小尺寸信息范围内;
当确定所述第二子图像的尺寸信息未处于所述最大尺寸信息和最小尺寸信息范围内,则确定所述第二子图像的尺寸评估值为空;
当确定所述第二子图像的尺寸信息处于最大尺寸信息和最小尺寸信息范围内,则确定所述第二子图像的尺寸评估值为预设值。
7.如权利要求1或2所述的方法,其特征在于,基于获得的各综合评估值,筛选符合筛选条件的目标子图像,包括:
对获得的各综合评估值,按照从大到小的顺序进行排序,获得排序后的各综合评估值;
对所述排序后的各综合评估值分别对应的子图像,与所述第一图像的前一帧图像进行特征比对,获得各特征比对值,并将所述各特征比对值中最大的特征比对值对应子图像,作为目标子图像。
8.一种检测跟踪装置,其特征在于,所述装置包括:
第一处理单元,用于对第一图像进行对比度增强处理,获得第二图像;并对所述第二图像进行检测处理,获得多个包含动态区域的连通域的子图像;
第一获得单元,用于基于所述第一图像的前一帧图像中待跟踪目标的位置,确定待跟踪目标在所述第一图像中的预估位置中心点,并分别基于获得的各子图像对应的位置中心点与所述预估位置中心点间的距离,获得相应的位置评估值;
第二获得单元,用于基于所述前一帧图像中待跟踪目标的尺寸信息,确定待跟踪目标在所述第一图像中的预估尺寸信息,并分别基于所述各子图像对应的尺寸信息和所述预估尺寸信息,获得相应的尺寸评估值;
跟踪单元,用于基于获得的各所述位置评估值和一一对应的各所述尺寸评估值,确定相应的综合评估值,并基于获得的各综合评估值,筛选符合筛选条件的包含待跟踪目标的目标子图像,并对所述待跟踪目标对应的跟踪序列包含的子图像进行更新。
9.一种电子设备,其特征在于,所述电子设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的检测跟踪方法的步骤。
10.一种计算机可读存储介质,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中任一项所述的检测跟踪方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210817238.8A CN115170612A (zh) | 2022-07-12 | 2022-07-12 | 一种检测跟踪方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210817238.8A CN115170612A (zh) | 2022-07-12 | 2022-07-12 | 一种检测跟踪方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115170612A true CN115170612A (zh) | 2022-10-11 |
Family
ID=83493194
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210817238.8A Pending CN115170612A (zh) | 2022-07-12 | 2022-07-12 | 一种检测跟踪方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115170612A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117808848A (zh) * | 2024-03-01 | 2024-04-02 | 杭州穿石物联科技有限责任公司 | 一种识别跟踪方法、装置、电子设备及存储介质 |
-
2022
- 2022-07-12 CN CN202210817238.8A patent/CN115170612A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117808848A (zh) * | 2024-03-01 | 2024-04-02 | 杭州穿石物联科技有限责任公司 | 一种识别跟踪方法、装置、电子设备及存储介质 |
CN117808848B (zh) * | 2024-03-01 | 2024-05-17 | 杭州穿石物联科技有限责任公司 | 一种识别跟踪方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108960266B (zh) | 图像目标检测方法及装置 | |
CN109035295B (zh) | 多目标跟踪方法、装置、计算机设备和存储介质 | |
Zhang et al. | Coarse-to-fine object detection in unmanned aerial vehicle imagery using lightweight convolutional neural network and deep motion saliency | |
CN111507278B (zh) | 一种检测路障的方法、装置及计算机设备 | |
Li et al. | Robust vehicle detection in high-resolution aerial images with imbalanced data | |
CN111915583A (zh) | 复杂场景中基于车载红外热像仪的车辆和行人检测方法 | |
CN109063790B (zh) | 对象识别模型优化方法、装置和电子设备 | |
CN115170612A (zh) | 一种检测跟踪方法、装置、电子设备及存储介质 | |
CN109635649B (zh) | 一种无人机侦察目标的高速检测方法及系统 | |
CN110728229B (zh) | 图像处理方法、装置、设备和存储介质 | |
Zhang et al. | A front vehicle detection algorithm for intelligent vehicle based on improved gabor filter and SVM | |
WO2023160061A1 (zh) | 图像中运动对象的确定方法、装置、电子设备和存储介质 | |
CN114898306B (zh) | 一种检测目标朝向的方法、装置及电子设备 | |
EP4332910A1 (en) | Behavior detection method, electronic device, and computer readable storage medium | |
Muniruzzaman et al. | Deterministic algorithm for traffic detection in free-flow and congestion using video sensor | |
CN113139488B (zh) | 训练分割神经网络的方法及装置 | |
Kaimkhani et al. | UAV with Vision to Recognise Vehicle Number Plates | |
CN114155598A (zh) | 一种图像处理模型的训练方法、装置及电子设备 | |
CN109949335B (zh) | 一种图像处理方法及装置 | |
Sankaranarayanan et al. | Improved Vehicle Detection Accuracy and Processing Time for Video Based ITS Applications | |
CN112399236B (zh) | 一种视频查重方法、装置及电子设备 | |
Ong et al. | Vehicle Classification Using Neural Networks and Image Processing | |
CN116206281B (zh) | 一种视线检测方法、装置、电子设备和存储介质 | |
US20240221426A1 (en) | Behavior detection method, electronic device, and computer readable storage medium | |
US20240233369A9 (en) | Utilizing machine learning models to classify vehicle trajectories and collect road use data in real-time |
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 |