CN115412668A - 跟踪拍摄方法、装置及计算机可读存储介质 - Google Patents
跟踪拍摄方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN115412668A CN115412668A CN202210788542.4A CN202210788542A CN115412668A CN 115412668 A CN115412668 A CN 115412668A CN 202210788542 A CN202210788542 A CN 202210788542A CN 115412668 A CN115412668 A CN 115412668A
- Authority
- CN
- China
- Prior art keywords
- target
- target vehicle
- point camera
- image
- sub
- 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
- 238000000034 method Methods 0.000 title claims abstract description 64
- 230000008602 contraction Effects 0.000 claims description 30
- 238000012545 processing Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 6
- 238000009432 framing Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 10
- 238000009434 installation Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本申请公开了跟踪拍摄方法、装置及计算机可读存储介质,该跟踪拍摄方法包括:获取目标车牌;确定当前时刻拍摄到对应目标车牌的目标车辆的目标低点相机;根据目标低点相机,确定当前时刻拍摄到目标车辆的目标高点相机;从目标高点相机当前时刻拍摄的第一图像中,识别出目标车辆;控制目标高点相机对目标车辆进行跟踪拍摄。本申请所提供的跟踪拍摄方法能够提高对目标车辆进行跟踪拍摄的准确率。
Description
技术领域
本申请属于图像处理技术领域,特别是涉及一种跟踪拍摄方法、装置及计算机可读存储介质。
背景技术
监控是各行业重点部门或重要场所进行实时监控的物理基础,管理部门可通过它获得有效数据、图像或声音信息,对突发性异常事件的过程进行及时的监视和记忆。
目前在监控领域,有时候为了获取目标对象的整个运动过程,需要对目标对象进行跟踪拍摄,但是目前在对目标对象进行跟踪拍摄时,容易出现例如跟踪对象丢失、跟错对象等错误,因此目前跟踪拍摄的准确率有待进一步提高。
发明内容
本申请提供一种跟踪拍摄方法、装置及计算机可读存储介质,能够提高对目标车辆进行跟踪拍摄的准确率。
本申请实施例第一方面提供一种跟踪拍摄方法,所述方法包括:获取目标车牌;确定当前时刻拍摄到对应所述目标车牌的目标车辆的目标低点相机;根据所述目标低点相机,确定当前时刻拍摄到所述目标车辆的目标高点相机;从所述目标高点相机当前时刻拍摄的第一图像中,识别出所述目标车辆;控制所述目标高点相机对所述目标车辆进行跟踪拍摄。
本申请实施例第二方面提供一种跟踪拍摄装置,所述跟踪拍摄装置包括处理器、存储器以及通信电路,所述处理器分别耦接所述存储器、所述通信电路,所述存储器中存储有程序数据,所述处理器通过执行所述存储器内的所述程序数据以实现上述方法中的步骤。
本申请实施例第三方面提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序能够被处理器执行以实现上述方法中的步骤。
有益效果是:本申请考虑到低点相机所拍摄的图像中车牌的清晰度高,因此利用车牌识别算法可以准确地确定当前时刻拍摄到目标车辆的目标低点相机,然后根据目标低点相机,可以快速且准确地找出当前时刻能够拍摄到目标车辆的目标高点相机,接着对目标高点相机所拍摄的第一图像中的目标车辆进行识别,并在成功识别出目标车辆后,控制目标高点相机对目标车辆进行跟踪拍摄。整个过程由于先确定了目标低点相机,因此后续在查找目标高点相机时,可以提高查找的速度以及准确率,进而可以提高整个跟踪拍摄的准确率以及速度。
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,对于本领域普通技术人员来讲,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它的附图,其中:
图1是本申请跟踪拍摄方法一实施方式的流程示意图;
图2是图1中步骤S130的流程示意图;
图3是图1中步骤S140的流程示意图;
图4是本申请跟踪拍摄方法另一实施方式的流程示意图;
图5是图4中步骤S260在一应用场景中的流程示意图;
图6是图4中步骤S260在另一应用场景中的流程示意图;
图7是目标高点相机对目标车辆进行拍摄时的结构示意图;
图8是一应用场景中目标高点相机拍摄的目标图像;
图9是另一应用场景中目标高点相机拍摄的目标图像;
图10是本申请跟踪拍摄装置一实施方式的结构示意图;
图11是本申请跟踪拍摄装置另一实施方式的结构示意图;
图12是本申请计算机可读存储介质一实施方式的结构示意图。
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,所描述的实施例仅是本申请的一部分实施例,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它实施例,都属于本申请保护的范围。
其中,本申请跟踪拍摄方法由跟踪拍摄装置执行,该跟踪拍摄装置可以是手机、电脑等任一项具有图像处理能力的装置,且该跟踪拍摄装置可以与低点相机、高点相机进行通信,并控制高点相机对目标车辆进行跟踪拍摄,具体过程可参见下文。
参阅图1,图1是本申请跟踪拍摄方法一实施方式的流程示意图。
该方法包括:
S110:获取目标车牌。
具体地,本申请的目的就是对车牌已知的目标车辆进行跟踪拍摄,了解目标车辆的运动状态,而目标车辆的车牌就是目标车牌。
S120:确定当前时刻拍摄到对应目标车牌的目标车辆的目标低点相机。
具体地,道路两旁安装有许多低点相机,这些低点相机的安装高度较低,可以很清楚地拍摄到运动车辆的车牌,因此采用车牌识别算法可以准确地识别出低点相机拍摄的图像中各个车辆的车牌。
因此在获取目标车牌后,可以准确地查找到当前时刻,拍摄到该目标车辆的低点相机,并将该低点相机定义为目标低点相机。
其中,步骤S120可以是按照预设的时间间隔,确定当前时刻拍摄到目标车辆的目标低点相机,也可以是实时确定当前时刻拍摄到目标车辆的目标低点相机。
S130:根据目标低点相机,确定当前时刻拍摄到目标车辆的目标高点相机。
其中,高点相机的安装高度高于低点相机的安装高度,高点相机相当于对车辆进行俯拍。相比较于低点相机,在高点相机拍摄的图像中,车牌的清晰度较低,因此对高点相机拍摄的图像进行车牌识别的准确率低于对低点相机拍摄的图像进行车牌识别的准确率。其中,将当前时刻能够拍摄到目标车辆的高点相机定义为目标高点相机。
其中由于在后续的步骤中需要利用目标高点相机对目标车辆进行跟踪拍摄,因此设置高点相机均为球机。而上述的低点相机既可以是球机,也可以是枪机,在此不做限制。
其中根据目标低点相机,可以推断出当前时刻拍摄到目标车辆的目标高点相机。
在一应用场景中,参阅图2,步骤S130具体包括:
S131:获取目标低点相机在当前时刻拍摄的第二图像。
可以理解的是,目标低点相机为当前拍摄到目标车辆的低点相机,因此目标低点相机当前时刻拍摄的第二图像包括目标车辆。
S132:根据目标低点相机的位置以及目标车辆在第二图像中的位置,确定目标车辆的当前位置。
具体地,在安装各个低点相机时,可以确定各个低点相机的位置,具体可以是各个低点相机的GPS位置,并将各个低点相机与其对应的位置进行保存,从而在确定目标低点相机后,可以在保存的文件中查找目标低点相机的位置。
而在对第二图像进行车辆识别后,可以确定目标车辆相对目标低点相机的位置,该过程可以是:确定框定目标车辆的检测框的中心点在基于第二图像建立的坐标系中的坐标,进而根据该坐标,确定目标车辆相对目标低点相机的位置。
最终根据目标低点相机的位置以及目标车辆相对目标低点相机的位置,可以推断出目标车辆的位置,具体可以是目标车辆的GPS位置。
S133:根据目标车辆的当前位置,确定目标高点相机。
具体地,在安装各个高点相机时,可以确定各个高点相机的位置参数,包括但不限于高点相机的安装位置、安装姿态角、分辨率、焦距、零点偏移角度等。
在确定目标车辆的当前位置后,根据各个目标高点相机的位置参数,可以确定当前能够拍摄到目标车辆的目标高点相机。
需要说明的是,在其他应用场景中,步骤S130确定当前拍摄到目标车辆的目标高点相机的步骤,还可以是:预先在低点相机和高点相机之间建立对应关系,建立对应关系的低点相机和高点相机在同一时刻能够对同一车辆进行拍摄,因此在确定目标低点相机后,根据保存在对应关系,可以确定目标高点相机。
或者,步骤S130确定当前拍摄到目标车辆的目标高点相机的步骤,还可以是:在确定目标低点相机后,将距离目标低点相机最近的高点相机确定为目标高点相机。
总而言之,本申请对于确定当前拍摄到目标车辆的目标高点相机的过程不做具体限制。
S140:从目标高点相机当前时刻拍摄的第一图像中,识别出目标车辆。
可以理解的是,目标高点相机为当前拍摄到目标车辆的高点相机,因此目标高点相机当前拍摄的第一图像包括目标车辆。
在一应用场景中,参阅图3,步骤S140具体包括:
S141:获取目标低点相机在当前时刻拍摄的第二图像。
其中步骤S141与步骤S131相同,具体可参见上述相关内容,在此不再赘述。
S142:从第二图像中识别出目标车辆当前的特征信息。
具体地,采用语义识别算法对第二图像进行处理,得到目标车辆当前的特征信息,其中目标车辆当前的特征信息可以是目标车辆本身的特征信息,例如,目标车辆的颜色、型号、所处的车道等,也可以是目标车辆周围环境的特征信息,例如,目标车辆前后车的数量、颜色等信息,或者同时包括目标车辆本身的特征信息以及目标车辆周围环境的特征信息。
S143:根据目标车辆当前的特征信息,从第一图像中识别出目标车辆。
具体地,根据目标车辆当前的特征信息,可以很容易地从第一图像中识别出目标车辆。
在一应用场景中,步骤S140还可以包括:对第一图像中的车牌进行识别,将对应车牌与目标车辆最相似的车辆确定为目标车辆。
具体地,虽然目标高点相机所拍摄的第一图像中车牌的清晰度不是很高,但是并不代表无法识别出各个车辆的车牌,此时依旧可以以各个车牌与目标车牌的相似度,确定出目标车辆。
S150:控制目标高点相机对目标车辆进行跟踪拍摄。
具体地,在第一图像中识别出目标车辆后,就可以控制目标高点相机对目标车辆进行跟踪拍摄。其中,控制目标高点相机对目标车辆进行跟踪拍摄的过程属于现有技术,在此不做具体介绍。
在本申请的方案中,考虑到低点相机所拍摄的图像中车牌的清晰度高,因此利用车牌识别算法可以准确地确定当前时刻拍摄到目标车辆的目标低点相机,然后根据目标低点相机,可以快速且准确地找出当前时刻能够拍摄到目标车辆的目标高点相机,接着对目标高点相机所拍摄的第一图像中的目标车辆进行识别,并在成功识别出目标车辆后,控制目标高点相机对目标车辆进行跟踪拍摄。整个过程由于先确定了目标低点相机,因此后续在查找目标高点相机时,可以提高查找的速度以及准确率,进而可以提高整个跟踪拍摄的准确率以及速度。
需要说明的是,在目标高点相机对目标车辆进行跟踪拍摄的过程中,目标车辆会在一定时间内一直处于目标高点相机的拍摄视野内,当步骤S130确定的与当前时刻对应的目标高点相机与前一时刻确定的目标高点相机为同一个时,说明目标车辆还在上一时刻确定的目标高点相机的拍摄视野内,则无需从当前时刻对应的目标高点相机拍摄的第一图像中识别出目标车辆,此时继续控制上一时刻对应的目标高点相机对目标车辆进行跟踪拍摄,而只有在当前时刻对应的目标高点相机与前一时刻确定的目标高点相机不同时,说明目标车辆从一个高点相机的拍摄视野内运动到另一个高点相机的拍摄视野内,此时需要从新的高点相机拍摄的第一图像中识别出目标车辆,然后控制新的高点相机对目标车辆进行跟踪拍摄。
参阅图4,在本申请另一实施方式中,跟踪拍摄的方法包括:
S210:获取目标车牌。
S220:确定当前时刻拍摄到对应目标车牌的目标车辆的目标低点相机。
S230:根据目标低点相机,确定当前时刻拍摄到目标车辆的目标高点相机。
S240:从目标高点相机当前时刻拍摄的第一图像中,识别出目标车辆。
S250:控制目标高点相机对目标车辆进行跟踪拍摄。
其中,步骤S210-S250与上述的步骤S110-S150对应相同,具体可参见上述相关内容,在此不再赘述。
S260:至少将目标高点相机跟踪拍摄的多张目标图像中,与目标车辆对应的多张子图像,依次投影到对应的三维场景中。
具体地,与目标车辆对应的子图像可以是目标图像中框选目标车辆的检测框内的子图像。
在一应用场景中,步骤S260只将多张目标图像中,与目标车辆对应的子图像,依次投影到对应的三维场景中。此时在投影之后,只能在三维场景中看到目标车辆。可以理解的是,此时在投影之前,需要从多张目标图像中抠取目标车辆对应的子图像,然后再将抠取的多张子图像按照拍摄时间的先后顺序投影到三维场景中。
在另一应用场景中,为了同时了解目标车辆在运动过程中其前后车辆的运动情况,步骤S260包括:分别在目标高点相机跟踪拍摄的多张目标图像中增加框选目标车辆的目标框;将多张目标图像依次投影到对应的三维场景中。
具体地,此时将目标高点相机拍摄的整个目标图像都投影到对应的三维场景中,同时为了在投影之后突出目标车辆,使得目标车辆与其他车辆进行区分,在投影之前,在目标高点相机拍摄的多张目标图像中都增加框选目标车辆的目标框,从而在投影之后,在三维场景中显示的目标车辆被目标框所框选,从而可以很容易将目标车辆与其他车辆进行区分。
在其他应用场景中,为了在投影之后将目标车辆与其他车辆进行区分开,可以不在目标高点相机跟踪拍摄的多张目标图像中增加框选目标车辆的目标框,而是在将目标图像投影到三维场景中之后,直接在三维场景中增加框选目标车辆的目标框。总之,只要保证投影到三维场景中的目标车辆被目标框所框选,从而很容易将目标车辆与其他车辆区分开即可。
可以理解的是,不管是上述那种应用场景,在投影之后,在三维场景中都可以看到目标车辆的运动情况,且随着目标车辆的运动,投影到三维场景中的目标车辆在三维场景中的位置也在发生变化。
参阅图5,在本实施方式中,步骤S260具体包括:
S261:获取目标高点相机对应三维场景的配置参数。
在一应用场景中,预先采集预设应用场景的全景数据;根据全景数据,构建三维场景;根据三维场景以及目标球机对预设应用场景拍摄的图像,构建目标相机对应三维场景的配置参数。
具体地,可以控制无人机对预设应用场景进行全景数据采集,然后根据采集到的全景数据,构建三维场景,同时控制安装在预设应用场景中的目标高点相机进行拍摄,然后根据三维场景以及目标高点相机拍摄的图像,确定目标高点相机对应三维场景的配置参数。其中,根据三维场景以及目标高点相机拍摄的图像,确定目标高点相机对应三维场景的配置参数的过程属于现有技术,在此不做具体介绍。
其中,目标高点相机对应三维场景的配置参数包括但不限于:目标高点相机的安装位置(例如GPS位置)、姿态角、分辨率、焦距、变倍数以及零点偏移角度等。
S262:根据采集的目标高点相机实时的PTZ值以及配置参数,至少将与目标车辆对应的多张子图像,依次投影到对应的三维场景中。
具体地,在目标高点相机对目标车辆进行跟踪拍摄的过程中,目标高点相机的PTZ值在发生变化,其中,跟踪拍摄装置采集目标高点相机实时产生的PTZ值,并根据目标高点相机实时的PTZ值以及目标高点相机的配置参数,可以确定目标车辆在三维场景中的实时位置,从而实现至少将目标车辆的子图像投影到三维场景中。
可以理解的是,当将目标高点相机拍摄的整个目标图像投影到对应的三维场景中时,步骤S262还可以是:根据目标高点相机实时的PTZ值以及配置参数,将目标高点相机跟踪拍摄的多张目标图像,依次投影到对应的三维场景中。
类似地,根据目标高点相机实时的PTZ值以及配置参数,确定目标车辆在三维场景中的实时位置,从而实现将目标高点相机拍摄的多张目标图像依次投影到三维应用场景中。
理想状态下,将目标车辆的子图像投影到三维场景中时,应该是投影到三维场景中与目标车辆对应的车辆模型上,但是考虑到三维场景中一般不会存在车辆模型,因此实际情况下,在将目标车辆对应的子图像投影到三维场景中时,是投影到三维场景中的地面上,而投影到地面上的目标车辆会存在拉伸现象,因此在将目标车辆的子图像投影到对应的三维场景中之前,需要对目标车辆的子图像进行收缩处理。因此参阅图6,步骤S260还具体包括:
S263:至少依次对与目标车辆对应的多张子图像,进行收缩处理。
S264:将收缩处理后的多张子图像,依次投影到对应的三维场景中。
可以理解的是,对于投影到三维场景中的每一张目标车辆的子图像的,都需要进行拉伸处理。
同样可以理解的是,当投影时是将目标高点相机拍摄的目标图像投影到三维场景中时,需要对目标图像中各个车辆的子图像都需要进行收缩处理,具体可以是对目标图像中各个车辆检测框内的图像进行收缩处理。其中,对各个车辆的子图像进行收缩处理的过程与对目标车辆的子图像进行收缩处理的过程类似,因此以下只介绍对目标车辆的子图像进行收缩处理的过程。
从上述内容可以看出,投影到三维场景中的目标车辆存在拉伸现象的原因在于,三维场景中没有车辆模型,导致应该投影到车辆模型的子图像投影到地面上,因此车辆模型的高度与目标车辆的拉伸现象相关,而车辆模型的高度又与目标车辆本身的高度相关,因此目标车辆的拉伸现象与目标车辆的高度相关,另外目标车辆的拉伸现象也与目标高点球机对目标车辆的拍摄角度相关,因此对目标车辆的子图像进行收缩处理的步骤,包括:
S2631:根据子图像所对应的目标图像,确定目标高点相机对目标车辆进行拍摄的角度。
具体地,目标高点相机对目标车辆进行拍摄的角度包括目标高点相机对目标车辆在第一方向上的第一拍摄角度,第一方向为目标车辆的长度方向或者宽度方向。
其中,目标高点相机对目标车辆在长度方向上的拍摄角度指的是:目标车辆在长度方向上距离目标高点相机最远的一点与目标高点相机的连线与垂直于地面的铅垂线的夹角,类似地,目标高点相机对目标车辆在宽度方向上的拍摄角度指的是,目标车辆在宽度方向上距离目标高点相机最远的一点与目标高点相机的连线与垂直于地面的铅垂线的夹角。
例如对于长为a,宽为b,高为c的目标车辆而言,图7中角α是目标高点相机对目标车辆在长度方向上进行拍摄的角度。其中图7中目标车辆用标号1表示,目标高点相机用标号2表示。
在本实施方式中,目标高点相机对目标车辆进行拍摄的角度可以仅包括目标高点相机对目标车辆在长度方向上的拍摄角度,也可以仅包括目标高点相机对目标车辆在宽度方向上的拍摄角度,或者同时包括目标高点相机对目标车辆在长度方向上的拍摄角度、目标高点相机对目标车辆在宽度方向上的拍摄角度。
S2632:根据目标车辆的高度以及角度,对子图像进行收缩处理。
在本实施方式中,步骤S2632具体包括:根据目标车辆的高度以及第一拍摄角度,对子图像在与第一方向平行的方向上进行收缩处理。
具体地,当第一方向为目标车辆的长度方向时,步骤S2632具体包括:步骤(a)根据目标车辆的高度以及目标高点相机对目标车辆在长度方向上的拍摄角度,对子图像在与目标车辆的长度方向平行的方向上进行收缩处理;
当第一方向为目标车辆的宽度方向时,步骤S2632具体包括:步骤(b)根据目标车辆的高度以及目标高点相机对目标车辆在宽度方向上的拍摄角度,对子图像在与目标车辆的宽度方向平行的方向上进行收缩处理;
当目标高点相机对目标车辆进行拍摄的角度同时包括目标高点相机对目标车辆在长度方向上的拍摄角度、目标高点相机对目标车辆在宽度方向上的拍摄角度时,步骤S2632具体包括上述步骤(a)与步骤(b)。
其中,确定目标高点相机对目标车辆在长度方向上的拍摄角度,与确定目标高点相机对目标车辆在宽度方向上的拍摄角度的过程类似,同时步骤(a)与步骤(b)也类似。
在本实施方式中,对子图像在与第一方向平行的方向上进行收缩处理的步骤,包括:根据目标车辆的高度以及第一拍摄角度,确定目标车辆在第一方向上的第一拉伸量;根据目标车辆在第一方向上的长度以及第一拉伸量,确定目标车辆在第一方向上的第一收缩比;根据第一收缩比,对子图像在与第一方向平行的方向上进行收缩处理。
为了更好地理解,结合图7至图9对上述方案进行说明:
在本实施方式中,用目标车辆在长度方向上一侧的拉伸量作为目标车辆在长度方向上的整个拉伸量,也就是说,在图7中,目标车辆在长度方向上的拉伸量为a1,结合图7可知,a1=c×tanα,也就是说,如果不对目标车辆的子图像进行收缩处理,那么长度为a的目标车辆在投影到三维场景中后,其长度会被拉长a1,因此可以确定目标车辆在长度方向上的收缩比等于
在确定收缩比后,对目标车辆的子图像进行收缩处理:
在一应用场景中,假设图7中目标高点相机拍摄的目标图像如图8所示,此时在图8应用场景中,在目标车辆的子图像中,目标车辆的长度方向平行于子图像的宽度方向,目标车辆的宽度方向平行于子图像的高度方向,同时假设子图像的宽为ap个像素,高为bp个像素,假设对子图像进行收缩处理后,子图像的宽为ap′个像素,高为bp′个像素,则
在另一应用场景中,假设图7中目标高点相机拍摄的目标图像如图9所示,此时在图9应用场景中,在目标车辆的子图像中,目标车辆的长度方向平行于子图像的高度方向,目标车辆的宽度方向平行于子图像的宽度方向,同时假设子图像的宽为ap个像素,高为bp个像素,假设对子图像进行收缩处理后,子图像的宽为ap′个像素,高为bp′个像素,则
在本实施方式中,确定第一拍摄角度的步骤,包括:在子图像对应的目标图像中,确定目标车辆的检测框与目标图像的中心点,在与第一方向平行的方向上的最远距离;将最远距离与目标高点相机对应三维场景的焦距值的比值,作为第一拍摄角度的正切值;根据正切值,确定第一拍摄角度。
为了便于理解,结合图7至图9对上述方案进行说明:
其中,假设目标高点相机的分辨率为w×h,也就是说目标图像的宽为w,高为h,同时假设在目标图像建立的坐标系中,目标车辆的检测框的中心点坐标为(x1,y1),目标图像的中心点坐标为(x2,y2)。
在一应用场景中,假设图7中目标高点相机拍摄的目标图像如图8所示,此时在图8应用场景中,在目标车辆的子图像中,目标车辆的长度方向平行于子图像的宽度方向,目标车辆的宽度方向平行于子图像的高度方向,此时其中,L4为目标车辆的检测框与目标图像的中心点,在与目标车辆的长度方向平行的方向上的最远距离,f为目标高点相机对应三维场景的焦距值。
在另一应用场景中,假设图7中目标高点相机拍摄的目标图像如图9所示,此时在图9应用场景中,在目标车辆的子图像中,目标车辆的长度方向平行于子图像的高度方向,目标车辆的宽度方向平行于子图像的宽度方向,此时其中,L5为目标车辆的检测框与目标图像的中心点,在与目标车辆的长度方向平行的方向上的最远距离,f为目标高点相机对应三维场景的焦距值。
在上述实施方式中,目标车辆的长、宽以及高可以预先设置,例如,预先通过实验得到目前车辆长的平均值、高的平均值以及宽的平均值,然后将长的平均值、高的平均值以及宽的平均值分别确定为目标车辆的长、高以及宽。
需要说明的是,在其他实施方式中,在对目标车辆的子图像进行拉伸处理时,可以对子图像在两个方向上进行相同的收缩处理,例如,按照上述方法只确定目标车辆在其长度方向上的第一收缩比,然后按照该第一收缩比,同时在子图像的两个方向上进行相同比例的收缩处理。
或者,在其他实施方式中,统一按照固定的收缩比例对子图像进行收缩处理,具体地,在对任何一张子图像进行收缩处理时,收缩比都相同。该固定的收缩比例可由设计人员预先设定。
或者,在其他实施方式中,还可以通过查表的方式查找第一收缩比,例如,预先在跟踪拍摄装置中保存目标车辆的高度、第一拍摄角度以及第一收缩比的对应关系,然后在确定目标车辆的高度以及第一拍摄角度后,直接在表格中查找对应的第一收缩比。
总而言之,不管具体如何对目标车辆的子图像进行收缩处理,都在本申请的保护范围内。
当然在其他实施方式中,在投影之前,也可以不对图像进行收缩处理,在此不做限制。
参阅图10,图10是本申请跟踪拍摄装置一实施方式的结构示意图。该跟踪拍摄装置200包括处理器210、存储器220以及通信电路230,处理器210分别耦接存储器220、通信电路230,存储器220中存储有程序数据,处理器210通过执行存储器220内的程序数据以实现上述任一项实施方式方法中的步骤,其中详细的步骤可参见上述实施方式,在此不再赘述。
其中,跟踪拍摄装置200可以是电脑、手机等任一项具有图像处理能力的装置,在此不做限制。
参阅图11,图11是本申请跟踪拍摄装置另一实施方式的结构示意图。该跟踪拍摄装置300包括获取模块310、第一确定模块320、第二确定模块330、识别模块340以及追踪模块350。
获取模块310,用于获取目标车牌。
第一确定模块320与获取模块310连接,用于确定当前时刻拍摄到对应目标车牌的目标车辆的目标低点相机。
第二确定模块330与第一确定模块320连接,用于根据目标低点相机,确定当前时刻拍摄到目标车辆的目标高点相机。
识别模块340与第二确定模块330连接,用于从目标高点相机当前时刻拍摄的第一图像中,识别出目标车辆。
追踪模块350与识别模块340连接,用于控制目标高点相机对目标车辆进行跟踪拍摄。
其中,跟踪拍摄装置300可以是电脑、手机等任一项具有图像处理能力的装置,在此不做限制。
其中,跟踪拍摄装置300在工作时执行上述任一项实施方式中的方法步骤,详细步骤可参见上述相关内容,在此不再赘述。
参阅图12,图12是本申请计算机可读存储介质一实施方式的结构示意图。该计算机可读存储介质400存储有计算机程序410,计算机程序410能够被处理器执行以实现上述任一项方法中的步骤。
其中,计算机可读存储介质400具体可以为U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等可以存储计算机程序410的装置,或者也可以为存储有该计算机程序410的服务器,该服务器可将存储的计算机程序410发送给其他设备运行,或者也可以自运行该存储的计算机程序410。
以上所述仅为本申请的实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其它相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (14)
1.一种跟踪拍摄方法,其特征在于,所述方法包括:
获取目标车牌;
确定当前时刻拍摄到对应所述目标车牌的目标车辆的目标低点相机;
根据所述目标低点相机,确定当前时刻拍摄到所述目标车辆的目标高点相机;
从所述目标高点相机当前时刻拍摄的第一图像中,识别出所述目标车辆;
控制所述目标高点相机对所述目标车辆进行跟踪拍摄。
2.根据权利要求1所述的方法,其特征在于,所述根据所述目标低点相机,确定当前时刻拍摄到所述目标车辆的目标高点相机的步骤,包括:
获取所述目标低点相机在当前时刻拍摄的第二图像;
根据所述目标低点相机的位置以及所述目标车辆在所述第二图像中的位置,确定所述目标车辆的当前位置;
根据所述目标车辆的当前位置,确定所述目标高点相机。
3.根据权利要求1所述的方法,其特征在于,所述从所述目标高点相机当前时刻拍摄的第一图像中,识别出所述目标车辆的步骤,包括:
获取所述目标低点相机在当前时刻拍摄的第二图像;
从所述第二图像中识别出所述目标车辆当前的特征信息;
根据所述目标车辆当前的所述特征信息,从所述第一图像中识别出所述目标车辆。
4.根据权利要求1所述的方法,其特征在于,在所述控制所述目标高点相机对所述目标车辆进行跟踪拍摄之后,还包括:
至少将所述目标高点相机跟踪拍摄的多张目标图像中,与所述目标车辆对应的多张子图像,依次投影到对应的三维场景中。
5.根据权利要求4所述的方法,其特征在于,所述至少将所述目标高点相机跟踪拍摄的多张目标图像中,与所述目标车辆对应的多张子图像,依次投影到对应的三维场景中的步骤,包括:
分别在所述目标高点相机跟踪拍摄的多张所述目标图像中增加框选所述目标车辆的目标框;
将多张所述目标图像依次投影到对应的所述三维场景中。
6.根据权利要求4所述的方法,其特征在于,所述至少将所述目标高点相机跟踪拍摄的多张目标图像中,与所述目标车辆对应的多张子图像,依次投影到对应的三维场景中的步骤,包括:
获取所述目标高点相机对应所述三维场景的配置参数;
根据采集的所述目标高点相机实时的PTZ值以及所述配置参数,至少将与所述目标车辆对应的多张子图像,依次投影到对应的所述三维场景中。
7.根据权利要求6所述的方法,其特征在于,所述获取所述目标高点相机对应所述三维场景的配置参数,包括:
预先采集预设应用场景的全景数据;
根据所述全景数据,构建所述三维场景;
根据所述三维场景以及所述目标高点相机对所述预设应用场景拍摄的图像,确定所述目标高点相机对应所述三维场景的所述配置参数。
8.根据权利要求4所述的方法,其特征在于,所述至少将所述目标高点相机跟踪拍摄的多张目标图像中,与所述目标车辆对应的多张子图像,依次投影到对应的三维场景中的步骤,包括:
至少依次对与所述目标车辆对应的多张子图像,进行收缩处理;
将所述收缩处理后的多张子图像,依次投影到对应的所述三维场景中。
9.根据权利要求8所述的方法,其特征在于,对与所述目标车辆对应的子图像进行所述收缩处理的步骤,包括:
根据所述子图像所对应的所述目标图像,确定所述目标高点相机对所述目标车辆进行拍摄的角度;
根据所述目标车辆的高度以及所述角度,对所述子图像进行所述收缩处理。
10.根据权利要求9所述的方法,其特征在于,所述目标高点相机对所述目标车辆进行拍摄的角度包括所述目标高点相机对所述目标车辆在第一方向上的第一拍摄角度,所述第一方向为所述目标车辆的长度方向或者宽度方向;
所述根据所述目标车辆的高度以及所述角度,对所述子图像进行所述收缩处理的步骤,包括:
根据所述目标车辆的高度以及所述第一拍摄角度,对所述子图像在与所述第一方向平行的方向上进行所述收缩处理。
11.根据权利要求10所述的方法,其特征在于,所述根据所述目标车辆的高度以及所述第一拍摄角度,对所述子图像在与所述第一方向平行的方向上进行所述收缩处理的步骤,包括:
根据所述目标车辆的高度以及所述第一拍摄角度,确定所述目标车辆在所述第一方向上的第一拉伸量;
根据所述目标车辆在所述第一方向上的长度以及所述第一拉伸量,确定所述目标车辆在所述第一方向上的第一收缩比;
根据所述第一收缩比,对所述子图像在与所述第一方向平行的方向上进行所述收缩处理。
12.根据权利要求10所述的方法,其特征在于,确定所述第一拍摄角度的步骤,包括:
在所述子图像对应的所述目标图像中,确定所述目标车辆的检测框与所述目标图像的中心点,在与所述第一方向平行的方向上的最远距离;
将所述最远距离与所述目标高点相机对应所述三维场景的焦距值的比值,作为所述第一拍摄角度的正切值;
根据所述正切值,确定所述第一拍摄角度。
13.一种跟踪拍摄装置,其特征在于,所述跟踪拍摄装置包括处理器、存储器以及通信电路,所述处理器分别耦接所述存储器、所述通信电路,所述存储器中存储有程序数据,所述处理器通过执行所述存储器内的所述程序数据以实现如权利要求1-12任一项所述方法中的步骤。
14.一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存储有计算机程序,所述计算机程序能够被处理器执行以实现如权利要求1-12任一项所述方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210788542.4A CN115412668A (zh) | 2022-07-04 | 2022-07-04 | 跟踪拍摄方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210788542.4A CN115412668A (zh) | 2022-07-04 | 2022-07-04 | 跟踪拍摄方法、装置及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115412668A true CN115412668A (zh) | 2022-11-29 |
Family
ID=84158407
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210788542.4A Pending CN115412668A (zh) | 2022-07-04 | 2022-07-04 | 跟踪拍摄方法、装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115412668A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116758119A (zh) * | 2023-06-27 | 2023-09-15 | 重庆比特数图科技有限公司 | 基于运动补偿、联动的多目标循环检测跟踪方法及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108447091A (zh) * | 2018-03-27 | 2018-08-24 | 北京颂泽科技有限公司 | 目标定位方法、装置、电子设备及存储介质 |
US20190226636A1 (en) * | 2015-05-27 | 2019-07-25 | Gopro, Inc. | Camera System Using Stabilizing Gimbal |
CN110969097A (zh) * | 2019-11-18 | 2020-04-07 | 浙江大华技术股份有限公司 | 监控目标联动跟踪控制方法、设备及存储装置 |
CN111291585A (zh) * | 2018-12-06 | 2020-06-16 | 杭州海康威视数字技术股份有限公司 | 一种基于gps的目标跟踪系统、方法、装置及球机 |
CN111754551A (zh) * | 2019-03-27 | 2020-10-09 | 杭州海康威视系统技术有限公司 | 目标跟踪方法、装置、系统、设备及存储介质 |
CN112347306A (zh) * | 2020-09-29 | 2021-02-09 | 浙江大华技术股份有限公司 | 一种ptz摄像机监控跟踪方法、装置、系统和计算机设备 |
CN112633282A (zh) * | 2021-01-07 | 2021-04-09 | 清华大学深圳国际研究生院 | 一种车辆实时跟踪方法及计算机可读存储介质 |
CN112911249A (zh) * | 2021-03-23 | 2021-06-04 | 浙江大华技术股份有限公司 | 目标对象的跟踪方法、装置、存储介质及电子装置 |
CN113393492A (zh) * | 2021-05-27 | 2021-09-14 | 浙江大华技术股份有限公司 | 目标跟踪方法、装置、电子装置和存储介质 |
CN114500873A (zh) * | 2021-12-31 | 2022-05-13 | 浙江大华技术股份有限公司 | 跟踪拍摄系统 |
-
2022
- 2022-07-04 CN CN202210788542.4A patent/CN115412668A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190226636A1 (en) * | 2015-05-27 | 2019-07-25 | Gopro, Inc. | Camera System Using Stabilizing Gimbal |
CN108447091A (zh) * | 2018-03-27 | 2018-08-24 | 北京颂泽科技有限公司 | 目标定位方法、装置、电子设备及存储介质 |
CN111291585A (zh) * | 2018-12-06 | 2020-06-16 | 杭州海康威视数字技术股份有限公司 | 一种基于gps的目标跟踪系统、方法、装置及球机 |
CN111754551A (zh) * | 2019-03-27 | 2020-10-09 | 杭州海康威视系统技术有限公司 | 目标跟踪方法、装置、系统、设备及存储介质 |
CN110969097A (zh) * | 2019-11-18 | 2020-04-07 | 浙江大华技术股份有限公司 | 监控目标联动跟踪控制方法、设备及存储装置 |
CN112347306A (zh) * | 2020-09-29 | 2021-02-09 | 浙江大华技术股份有限公司 | 一种ptz摄像机监控跟踪方法、装置、系统和计算机设备 |
CN112633282A (zh) * | 2021-01-07 | 2021-04-09 | 清华大学深圳国际研究生院 | 一种车辆实时跟踪方法及计算机可读存储介质 |
CN112911249A (zh) * | 2021-03-23 | 2021-06-04 | 浙江大华技术股份有限公司 | 目标对象的跟踪方法、装置、存储介质及电子装置 |
CN113393492A (zh) * | 2021-05-27 | 2021-09-14 | 浙江大华技术股份有限公司 | 目标跟踪方法、装置、电子装置和存储介质 |
CN114500873A (zh) * | 2021-12-31 | 2022-05-13 | 浙江大华技术股份有限公司 | 跟踪拍摄系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116758119A (zh) * | 2023-06-27 | 2023-09-15 | 重庆比特数图科技有限公司 | 基于运动补偿、联动的多目标循环检测跟踪方法及系统 |
CN116758119B (zh) * | 2023-06-27 | 2024-04-19 | 重庆比特数图科技有限公司 | 基于运动补偿、联动的多目标循环检测跟踪方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2023016271A1 (zh) | 位姿确定方法、电子设备及可读存储介质 | |
EP1560160A2 (en) | A multiple camera system for obtaining high resolution images of objects | |
CN110634306A (zh) | 车辆位置的确定方法及装置、存储介质、计算设备 | |
CN111723773B (zh) | 遗留物检测方法、装置、电子设备及可读存储介质 | |
CN112614165B (zh) | 烟火监控方法、装置、摄像机、电子装置和存储介质 | |
CN111083358A (zh) | 一种目标抓拍方法、装置及系统 | |
CN111914592B (zh) | 多相机联合取证方法、装置及系统 | |
CN109685062B (zh) | 一种目标检测方法、装置、设备及存储介质 | |
CN111932590B (zh) | 对象跟踪方法、装置、电子设备及可读存储介质 | |
CN111444808A (zh) | 基于图像的事故定责方法、装置、计算机设备和存储介质 | |
CN112434566A (zh) | 客流统计方法、装置、电子设备及存储介质 | |
CN115412668A (zh) | 跟踪拍摄方法、装置及计算机可读存储介质 | |
CN111429476A (zh) | 确定目标人物行动轨迹的方法和装置 | |
JP6799325B2 (ja) | 画像補正装置、画像補正方法、注目点認識装置、注目点認識方法及び異常検知システム | |
CN110930437B (zh) | 目标跟踪方法和装置 | |
CN113518174A (zh) | 一种拍摄方法、装置及系统 | |
CN114913470B (zh) | 一种事件检测方法及装置 | |
CN114827464B (zh) | 一种基于移动摄像头的目标追踪方法及系统 | |
Wu et al. | Vehicle re-id for surround-view camera system | |
CN112802112B (zh) | 视觉定位方法、装置、服务器及存储介质 | |
CN112257666B (zh) | 目标图像内容的聚合方法、装置、设备及可读存储介质 | |
CN116051736A (zh) | 一种三维重建方法、装置、边缘设备和存储介质 | |
CN110706250B (zh) | 一种对象的跟踪方法、装置、系统及存储介质 | |
KR20220082433A (ko) | 크라우드소싱 환경에서 객체 정보 분석 방법 및 장치 | |
CN111882656A (zh) | 基于人工智能的图形处理方法、设备及存储介质 |
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 |