CN115690163B - 基于影像内容的目标跟踪方法、系统及存储介质 - Google Patents
基于影像内容的目标跟踪方法、系统及存储介质 Download PDFInfo
- Publication number
- CN115690163B CN115690163B CN202310004970.8A CN202310004970A CN115690163B CN 115690163 B CN115690163 B CN 115690163B CN 202310004970 A CN202310004970 A CN 202310004970A CN 115690163 B CN115690163 B CN 115690163B
- Authority
- CN
- China
- Prior art keywords
- target
- tracked
- frame
- information
- detection frame
- 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.)
- Active
Links
Images
Landscapes
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本申请公开了基于影像内容的目标跟踪方法、系统及存储介质,其包括以下步骤:获取并处理影像视频流以确定视频原始帧的图像信息,对视频原始帧进行检测并提取第一目标检测框;获取并提取相邻帧中的第二目标检测框,基于相似度计算第一目标检测框和第二目标检测框的相似匹配程度;判断相邻帧中的第二目标框与第一目标检测框的待跟踪目标是否一致,确定待跟踪目标的初始位置信息并确定待跟踪目标的拍摄位置信息;判断跟踪目标的位置移动轨迹,预算待跟踪目标的运动预测目标地,并获取运动预测目标地的预测目标框,将预测目标框与第一目标检测框进行匹配度计算确定跟踪目标是否位于运动预测目标地。本申请具有便于对目标进行实时跟踪的效果。
Description
技术领域
本申请涉及目标跟踪技术领域,尤其是涉及基于影像内容的目标跟踪方法、系统及存储介质。
背景技术
随着图像处理在民用和商用领域的广泛应用,多目标跟踪在智能视频监控、自动驾驶和无人超市等领域起到日益重要的作用,因此目标跟踪也面临着更高的要求。
目前在目标跟踪中,可以通过相邻帧之间的局部关联算法,即先对视频的每一帧进行目标检测,然后通过相应算法对检测框进行时域上的关联,实现目标跟踪;也可以通过所有帧之间的全局关联算法来完成所有目标检测框的关联,以实现目标跟踪。使用所有帧之间的全局关联算法时,虽然跟踪准确率相对较高,但无法进行实时跟踪,存在改进之处。
发明内容
为了便于对目标进行实时跟踪,本申请提供基于影像内容的目标跟踪方法、系统及存储介质。
本申请提供的基于影像内容的目标跟踪方法、系统及存储介质采用如下的技术方案:
第一方面,本申请提供基于影像内容的目标跟踪方法,采用如下的技术方案:
基于影像内容的目标跟踪方法,包括以下步骤:
获取并处理影像视频流以确定视频原始帧的图像信息,对视频原始帧进行检测并提取第一目标检测框;
获取并提取相邻帧中的第二目标检测框,基于相似度计算第一目标检测框和第二目标检测框的相似匹配程度;
判断相邻帧中的第二目标框与第一目标检测框的待跟踪目标是否一致,若相邻帧中的第二目标检测框与第一目标检测框中的待跟踪目标不一致,确定待跟踪目标的初始位置信息并确定待跟踪目标的拍摄位置信息;
判断跟踪目标的位置移动轨迹,预算待跟踪目标的运动预测目标地,并获取运动预测目标地的预测目标框,将所述预测目标框与第一目标检测框进行匹配度计算确定跟踪目标是否位于运动预测目标地。
优选的,所述的获取并处理影像视频流以确定视频原始帧的图像信息,对视频原始帧进行检测并提取第一目标检测框的步骤,具体包括:
截取视频流中的视频原始帧,其中,视频原始帧为待跟踪目标初始出现所在的图像帧;
获取视频原始帧中的关键帧像信息,所述关键帧像信息包括待跟踪目标类型信息和待跟踪目标运动速度信息;
基于获取到的帧像信息提取第一目标检测框,其中,第一目标检测框包括第一主检测框和第一副检测框,在所述第一主检测框中显示待跟踪目标类型信息,在所述第一副检测框中显示待跟踪目标运动速度信息。
优选的,所述的基于获取到的帧像信息提取第一目标检测框以及获取并提取相邻帧中的第二目标检测框的步骤,具体包括:
抠出第一目标检测框和第二目标检测框中对应的目标,并进行特征提取,其中,特征提取包括运动特征提取和环境特征提取。
优选的,所述的获取待跟踪目标类型信息的步骤,具体包括:
提取所述关键帧像信息中待跟踪目标的身份信息和待跟踪目标持有物识别信息;
基于待跟踪目标的身份信息预估待跟踪目标的出行轨迹,基于待跟踪目标持有物识别信息预估待跟踪目标的出行目的。
优选的,所述的基于待跟踪目标的身份信息预估待跟踪目标的出行轨迹,基于待跟踪目标持有物识别信息预估待跟踪目标的出行目的的步骤,具体包括:
获取待跟踪目标的身份信息,其中待跟踪目标的身份信息包括性别信息、年龄信息及着装信息;
基于待跟踪目标的身份信息预测待跟踪目标可能出现的区域位置;
获取待跟踪目标持有物识别信息,其中待跟踪目标持有物识别信息包括持有物类型信息及持有物数量信息;
基于获取到的待跟踪目标持有物识别信息预估待跟踪目标的出行目的。
优选的,所述的待跟踪目标运动速度信息的步骤,具体包括:
获取所述关键帧像信息的邻居帧像信息;
根据待跟踪目标从所述关键帧像信息到所述邻居帧像信息之间的时间,确定待跟踪目标运动速度信息;
基于所述待跟踪目标运动速度信息估算待跟踪目标的出行时长。
优选的,所述的判断相邻帧中的第二目标框与第一目标检测框的待跟踪目标是否一致,若相邻帧中的第二目标检测框与第一目标检测框中的待跟踪目标不一致,确定待跟踪目标的初始位置信息并确定待跟踪目标的拍摄位置信息的步骤,具体包括:
所述第二目标框包括第二主检测框和第二副检测框,将第一主检测框与第二主检测框进行比对,将第一副检测框与第二副检测框进行比对,判断是否为同一待跟踪目标;
若不是同一待跟踪目标,获取待跟踪目标的初始位置信息并确定待跟踪目标的拍摄位置信息。
优选的,所述的判断跟踪目标的位置移动轨迹,预算待跟踪目标的运动预测目标地,并获取运动预测目标地的预测目标框,将所述预测目标框与第一目标检测框进行匹配度计算确定跟踪目标是否位于运动预测目标地的步骤,具体包括:
获取待跟踪目标在视频原始帧时的地理位置信息;
基于待跟踪目标的身份信息和持有物类型信息持有物类型信息获取待跟踪目标在视频原始帧前的位置;
判断持有物数量信息和待跟踪目标运动速度信息是否超过设定阈值,若超过,所述运动预测目标地优先设置为休息区域;
判断持有物类型信息是否一致,若一致,所述运动预测目标地优先设置为持有物类型一致的区域;
获取运动预测目标地的预测目标框;
将所述预测目标框与第一目标检测框进行匹配度计算确定跟踪目标是否位于运动预测目标地。
第二方面,本申请提供基于影像内容的目标跟踪系统,采用如下的技术方案:
基于影像内容的目标跟踪系统,包括:
目标获取模块,配置为获取并处理影像视频流以确定视频原始帧的图像信息。
目标检测框获取模块,配置为提取第一目标检测框和提取相邻帧中的第二目标检测框;
相似度匹配检测模块,配置为基于相似度计算第一目标检测框和第二目标检测框的相似匹配程度;判断相邻帧中的第二目标框与第一目标检测框的待跟踪目标是否一致,若相邻帧中的第二目标检测框与第一目标检测框中的待跟踪目标不一致,确定待跟踪目标的初始位置信息并确定待跟踪目标的拍摄位置信息;
跟踪目标位置确定模块,判断跟踪目标的位置移动轨迹,预算待跟踪目标的运动预测目标地,并获取运动预测目标地的预测目标框,将所述预测目标框与第一目标检测框进行匹配度计算确定跟踪目标是否位于运动预测目标地。
第三方面,本申请提供一种计算机存储介质,采用如下的技术方案:
一种计算机存储介质,所述存储介质存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上述所述的基于影像内容的目标跟踪方法。
综上所述,本申请包括以下至少一种有益技术效果:
1.通过确定视频原始帧的图像信息并提取第一目标检测框,将第一目标检测框与相邻帧中的第二目标检测框进行相似度匹配,当不匹配后通过判断待跟踪目标的位置移动轨迹,提前预算出待跟踪目标最有可能出现的运动预测目标地,再通过比对预测目标框与第一目标检测框的匹配度,从而确定待跟踪目标是否位于运动预测目标地,实现了对待跟踪目标的实时跟踪;
2.通过判断持有物数量信息和待跟踪目标运动速度信息是否超过设定阈值,若超过,所述运动预测目标地优先设置为休息区域;判断持有物类型信息是否一致,若一致,所述运动预测目标地优先设置为持有物类型一致的区域,从而提高对运动预测目标地进行预测的准确性。
附图说明
图1是本申请实施例主要体现基于影像内容的目标跟踪方法的流程示意图。
图2是步骤S1子步骤的流程示意图。
图3获取待跟踪目标类型信息步骤的示意图。
图4是获取待跟踪目标运动速度信息步骤的示意图。
图5是步骤S3子步骤的流程示意图。
图6是步骤S4子步骤的流程示意图。
图7是本申请实施例主要体现基于影像内容的目标跟踪系统的模块框图。
附图标记说明:1、目标获取模块;2、目标检测框获取模块;3、相似度匹配检测模块;4、跟踪目标位置确定模块。
具体实施方式
以下结合图1-图7对本申请作进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例公开基于影像内容的目标跟踪方法、系统及存储介质。
实施例1
参照图1,基于影像内容的目标跟踪方法,包括以下步骤:
S1.获取并处理影像视频流以确定视频原始帧的图像信息,对视频原始帧进行检测并提取第一目标检测框。具体的,参照图2,在步骤S1中包括以下子步骤:
S11.截取视频流中的视频原始帧,其中,视频原始帧为待跟踪目标初始出现所在的图像帧。
S12.获取视频原始帧中的关键帧像信息,所述关键帧像信息包括待跟踪目标类型信息和待跟踪目标运动速度信息。
具体的,参照图3,在获取待跟踪目标类型信息的步骤中:
通过提取所述关键帧像信息中待跟踪目标的身份信息和待跟踪目标持有物识别信息。
基于待跟踪目标的身份信息预估待跟踪目标的出行轨迹,基于待跟踪目标持有物识别信息预估待跟踪目标的出行目的。具体的,获取待跟踪目标的身份信息,其中待跟踪目标的身份信息包括性别信息、年龄信息及着装信息。
基于待跟踪目标的身份信息预测待跟踪目标可能出现的区域位置。
获取待跟踪目标持有物识别信息,其中待跟踪目标持有物识别信息包括持有物类型信息及持有物数量信息。
基于获取到的待跟踪目标持有物识别信息预估待跟踪目标的出行目的。
此外,参照图4,在待跟踪目标运动速度信息的步骤中,具体包括:
获取所述关键帧像信息的邻居帧像信息;
根据待跟踪目标从所述关键帧像信息到所述邻居帧像信息之间的时间,确定待跟踪目标运动速度信息;
基于所述待跟踪目标运动速度信息估算待跟踪目标的出行时长。
S13.基于获取到的帧像信息提取第一目标检测框,其中,第一目标检测框包括第一主检测框和第一副检测框,在所述第一主检测框中显示待跟踪目标类型信息,在所述第一副检测框中显示待跟踪目标运动速度信息。
S2.获取并提取相邻帧中的第二目标检测框,基于相似度计算第一目标检测框和第二目标检测框的相似匹配程度。
其中,在获取到的帧像信息提取第一目标检测框以及获取并提取相邻帧中的第二目标检测框的步骤中,均采用特征提取的方式抠出第一目标检测框和第二目标检测框中对应的目标,在本申请实施例中,特征提取包括运动特征提取和环境特征提取。
S3.判断相邻帧中的第二目标框与第一目标检测框的待跟踪目标是否一致,若相邻帧中的第二目标检测框与第一目标检测框中的待跟踪目标不一致,确定待跟踪目标的初始位置信息并确定待跟踪目标的拍摄位置信息。
在本申请实施例中,参照图5,步骤S3具体包括以下子步骤:
S31.所述第二目标框包括第二主检测框和第二副检测框,将第一主检测框与第二主检测框进行比对,将第一副检测框与第二副检测框进行比对,判断是否为同一待跟踪目标;
S32.若不是同一待跟踪目标,获取待跟踪目标的初始位置信息并确定待跟踪目标的拍摄位置信息。
S4.判断跟踪目标的位置移动轨迹,预算待跟踪目标的运动预测目标地,并获取运动预测目标地的预测目标框,将所述预测目标框与第一目标检测框进行匹配度计算确定待跟踪目标是否位于运动预测目标地。
在本申请实施例中,参照图6,步骤S4具体包括以下子步骤:
S41.获取待跟踪目标在视频原始帧时的地理位置信息;
S42.基于待跟踪目标的身份信息和持有物类型信息持有物类型信息获取待跟踪目标在视频原始帧前的位置;
S43.判断持有物数量信息和待跟踪目标运动速度信息是否超过设定阈值,若超过,所述运动预测目标地优先设置为休息区域;
S44.判断持有物类型信息是否一致,若一致,所述运动预测目标地优先设置为持有物类型一致的区域;
S45.获取运动预测目标地的预测目标框;
S46.将所述预测目标框与第一目标检测框进行匹配度计算确定跟踪目标是否位于运动预测目标地。
上述基于影像内容的目标跟踪方法,通过确定视频原始帧的图像信息并提取第一目标检测框,将第一目标检测框与相邻帧中的第二目标检测框进行相似度匹配,当不匹配后通过判断待跟踪目标的位置移动轨迹,提前预算出待跟踪目标最有可能出现的运动预测目标地,再通过比对预测目标框与第一目标检测框的匹配度,从而确定待跟踪目标是否位于运动预测目标地,实现了对待跟踪目标的实时跟踪。
实施例2
参照图7,基于影像内容的目标跟踪系统,包括:
目标获取模块1,配置为获取并处理影像视频流以确定视频原始帧的图像信息。
目标检测框获取模块2,配置为提取第一目标检测框和提取相邻帧中的第二目标检测框;
相似度匹配检测模块3,配置为基于相似度计算第一目标检测框和第二目标检测框的相似匹配程度;判断相邻帧中的第二目标框与第一目标检测框的待跟踪目标是否一致,若相邻帧中的第二目标检测框与第一目标检测框中的待跟踪目标不一致,确定待跟踪目标的初始位置信息并确定待跟踪目标的拍摄位置信息;
跟踪目标位置确定模块4,判断跟踪目标的位置移动轨迹,预算待跟踪目标的运动预测目标地,并获取运动预测目标地的预测目标框,将所述预测目标框与第一目标检测框进行匹配度计算确定跟踪目标是否位于运动预测目标地。
实施例3
一种计算机存储介质,所述存储介质存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上的基于影像内容的目标跟踪方法。通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台设备 (可以是手机,计算机,服务器,被控终端,或者网络设备等)执行本申请每个实施例的方法。
以上均为本申请的较佳实施例,并非依此限制本申请的保护范围,故:凡依本申请的结构、形状、原理所做的等效变化,均应涵盖于本申请的保护范围之内。
Claims (4)
1.基于影像内容的目标跟踪方法,其特征在于,包括以下步骤:
获取并处理影像视频流以确定视频原始帧的图像信息,对视频原始帧进行检测并提取第一目标检测框;具体包括:
截取视频流中的视频原始帧,其中,视频原始帧为待跟踪目标初始出现所在的图像帧;
获取视频原始帧中的关键帧像信息,所述关键帧像信息包括待跟踪目标类型信息和待跟踪目标运动速度信息;其中,所述的获取待跟踪目标类型信息的步骤包括:提取所述关键帧像信息中待跟踪目标的身份信息和待跟踪目标持有物识别信息;基于待跟踪目标的身份信息预估待跟踪目标的出行轨迹,基于待跟踪目标持有物识别信息预估待跟踪目标的出行目的,具体包括:获取待跟踪目标的身份信息,其中待跟踪目标的身份信息包括性别信息、年龄信息及着装信息;基于待跟踪目标的身份信息预测待跟踪目标可能出现的区域位置;获取待跟踪目标持有物识别信息,其中待跟踪目标持有物识别信息包括持有物类型信息及持有物数量信息;基于获取到的待跟踪目标持有物识别信息预估待跟踪目标的出行目的;其中,所述的获取待跟踪目标运动速度信息的步骤包括:获取所述关键帧像信息的邻居帧像信息;根据待跟踪目标从所述关键帧像信息到所述邻居帧像信息之间的时间,确定待跟踪目标运动速度信息;基于所述待跟踪目标运动速度信息估算待跟踪目标的出行时长;
基于获取到的帧像信息提取第一目标检测框,其中,第一目标检测框包括第一主检测框和第一副检测框,在所述第一主检测框中显示待跟踪目标类型信息,在所述第一副检测框中显示待跟踪目标运动速度信息;
判断相邻帧中的第二目标框与第一目标检测框的待跟踪目标是否一致,若相邻帧中的第二目标检测框与第一目标检测框中的待跟踪目标不一致,确定待跟踪目标的初始位置信息并确定待跟踪目标的拍摄位置信息;具体包括:所述第二目标框包括第二主检测框和第二副检测框,将第一主检测框与第二主检测框进行比对,将第一副检测框与第二副检测框进行比对,判断是否为同一待跟踪目标;若不是同一待跟踪目标,获取待跟踪目标的初始位置信息并确定待跟踪目标的拍摄位置信息;
判断跟踪目标的位置移动轨迹,预算待跟踪目标的运动预测目标地,并获取运动预测目标地的预测目标框,将所述预测目标框与第一目标检测框进行匹配度计算确定待跟踪目标是否位于运动预测目标地;具体包括:获取待跟踪目标在视频原始帧时的拍摄位置信息;基于待跟踪目标的身份信息和持有物类型信息获取待跟踪目标在视频原始帧的位置;判断持有物数量信息和待跟踪目标运动速度信息是否超过设定阈值,若超过,所述运动预测目标地设置为休息区域;判断持有物类型信息是否一致,若一致,所述运动预测目标地设置为持有物类型一致的区域;获取运动预测目标地的预测目标框;将所述预测目标框与第一目标检测框进行匹配度计算确定跟踪目标是否位于运动预测目标地。
2.根据权利要求1所述的基于影像内容的目标跟踪方法,其特征在于,所述的基于获取到的帧像信息提取第一目标检测框以及获取并提取相邻帧中的第二目标检测框的步骤,具体包括:
抠出第一目标检测框和第二目标检测框中对应的目标,并进行特征提取,其中,特征提取包括运动特征提取和环境特征提取。
3.基于影像内容的目标跟踪系统,应用于上述权利要求1-2中任一所述的方法,其特征在于,包括:
目标获取模块(1),配置为获取并处理影像视频流以确定视频原始帧的图像信息;
目标检测框获取模块(2),配置为提取第一目标检测框和提取相邻帧中的第二目标检测框;
相似度匹配检测模块(3),配置为基于相似度计算第一目标检测框和第二目标检测框的相似匹配程度;判断相邻帧中的第二目标框与第一目标检测框的待跟踪目标是否一致,若相邻帧中的第二目标检测框与第一目标检测框中的待跟踪目标不一致,确定待跟踪目标的初始位置信息并确定待跟踪目标的拍摄位置信息;
跟踪目标位置确定模块(4),判断跟踪目标的位置移动轨迹,预算待跟踪目标的运动预测目标地,并获取运动预测目标地的预测目标框,将所述预测目标框与第一目标检测框进行匹配度计算确定跟踪目标是否位于运动预测目标地。
4.一种计算机存储介质,其特征在于,所述存储介质存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1至2中任一项所述的基于影像内容的目标跟踪方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310004970.8A CN115690163B (zh) | 2023-01-04 | 2023-01-04 | 基于影像内容的目标跟踪方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310004970.8A CN115690163B (zh) | 2023-01-04 | 2023-01-04 | 基于影像内容的目标跟踪方法、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115690163A CN115690163A (zh) | 2023-02-03 |
CN115690163B true CN115690163B (zh) | 2023-05-09 |
Family
ID=85057445
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310004970.8A Active CN115690163B (zh) | 2023-01-04 | 2023-01-04 | 基于影像内容的目标跟踪方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115690163B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117649537B (zh) * | 2024-01-30 | 2024-04-26 | 浙江省公众信息产业有限公司 | 监控视频对象识别跟踪方法、系统、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110688987A (zh) * | 2019-10-16 | 2020-01-14 | 山东建筑大学 | 一种行人位置检测与跟踪方法及系统 |
CN112529942A (zh) * | 2020-12-22 | 2021-03-19 | 深圳云天励飞技术股份有限公司 | 多目标跟踪方法、装置、计算机设备及存储介质 |
WO2021114702A1 (zh) * | 2019-12-10 | 2021-06-17 | 中国银联股份有限公司 | 一种目标跟踪方法、装置、系统及计算机可读存储介质 |
CN113744316A (zh) * | 2021-09-08 | 2021-12-03 | 电子科技大学 | 一种基于深度神经网络的多目标跟踪方法 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6801850B1 (en) * | 2000-10-30 | 2004-10-05 | University Of Illionis - Chicago | Method and system for tracking moving objects |
CN101040554B (zh) * | 2004-10-14 | 2010-05-05 | 松下电器产业株式会社 | 移动目标预测装置和移动目标预测方法 |
KR101343622B1 (ko) * | 2012-03-13 | 2013-12-19 | 주식회사 에스원 | 목적지 도착 알림 시스템 및 방법 |
CN105183800A (zh) * | 2015-08-25 | 2015-12-23 | 百度在线网络技术(北京)有限公司 | 信息预测的方法和装置 |
JP2017102677A (ja) * | 2015-12-01 | 2017-06-08 | 株式会社ニコン | 電子機器 |
CN108733819B (zh) * | 2018-05-22 | 2021-07-06 | 深圳云天励飞技术有限公司 | 一种人员档案建立方法和装置 |
CN110276261B (zh) * | 2019-05-23 | 2024-04-09 | 平安科技(深圳)有限公司 | 人员自动跟踪监控方法、装置、计算机设备及存储介质 |
CN110414365B (zh) * | 2019-07-03 | 2021-08-31 | 上海交通大学 | 基于社会力模型的过街行人轨迹预测方法、系统及介质 |
CN110796686B (zh) * | 2019-10-29 | 2022-08-09 | 浙江大华技术股份有限公司 | 目标跟踪方法及设备、存储装置 |
CN110703810B (zh) * | 2019-11-18 | 2022-07-15 | 浙江天尚元科技有限公司 | 具有轨迹预测和随机位置跟踪功能的跟随车及跟随方法 |
CN113223046B (zh) * | 2020-07-10 | 2022-10-14 | 浙江大华技术股份有限公司 | 一种监狱人员行为识别的方法和系统 |
CN112037257B (zh) * | 2020-08-20 | 2023-09-29 | 浙江大华技术股份有限公司 | 一种目标跟踪方法、终端及其计算机可读存储介质 |
CN112396254A (zh) * | 2020-12-11 | 2021-02-23 | 北京百分点信息科技有限公司 | 目的地预测方法、装置、介质及电子设备 |
CN112750147A (zh) * | 2020-12-31 | 2021-05-04 | 鹏城实验室 | 一种行人多目标跟踪方法、装置、智能终端及存储介质 |
CN114049602B (zh) * | 2021-10-29 | 2022-06-14 | 哈尔滨工业大学 | 一种基于意图推理的逃逸目标跟踪方法及系统 |
-
2023
- 2023-01-04 CN CN202310004970.8A patent/CN115690163B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110688987A (zh) * | 2019-10-16 | 2020-01-14 | 山东建筑大学 | 一种行人位置检测与跟踪方法及系统 |
WO2021114702A1 (zh) * | 2019-12-10 | 2021-06-17 | 中国银联股份有限公司 | 一种目标跟踪方法、装置、系统及计算机可读存储介质 |
CN112529942A (zh) * | 2020-12-22 | 2021-03-19 | 深圳云天励飞技术股份有限公司 | 多目标跟踪方法、装置、计算机设备及存储介质 |
CN113744316A (zh) * | 2021-09-08 | 2021-12-03 | 电子科技大学 | 一种基于深度神经网络的多目标跟踪方法 |
Non-Patent Citations (2)
Title |
---|
Junwei Liang 等.Peeking into the future:Predicting Future Person Activities and Locations in videos.《arXiv》.2019,第2019年卷第1-14页. * |
伍瀚 等.基于深度学习的视觉多目标跟踪研究综述.《计算机科学》.2022,第2022年卷第1-19页. * |
Also Published As
Publication number | Publication date |
---|---|
CN115690163A (zh) | 2023-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9147260B2 (en) | Detection and tracking of moving objects | |
KR101749099B1 (ko) | 영상에서의 객체 추적 방법, 장치 및 이를 컴퓨터 상에서 수행하는 프로그램이 기록된 기록 매체 | |
CN103208008B (zh) | 基于机器视觉的交通视频监控目标检测快速适应方法 | |
CN110232330B (zh) | 一种基于视频检测的行人重识别方法 | |
CN112669349B (zh) | 一种客流统计方法、电子设备及存储介质 | |
CN115690163B (zh) | 基于影像内容的目标跟踪方法、系统及存储介质 | |
CN109035295B (zh) | 多目标跟踪方法、装置、计算机设备和存储介质 | |
CN102222214A (zh) | 快速物体识别算法 | |
CN113191180B (zh) | 目标跟踪方法、装置、电子设备及存储介质 | |
WO2001084844A1 (en) | System for tracking and monitoring multiple moving objects | |
CN110428442B (zh) | 目标确定方法、目标确定系统和监控安防系统 | |
CN111950394A (zh) | 一种车辆变道的预测方法、装置及计算机存储介质 | |
CN112037257B (zh) | 一种目标跟踪方法、终端及其计算机可读存储介质 | |
CN103679745A (zh) | 一种运动目标检测方法及装置 | |
CN116403139A (zh) | 一种基于目标检测的视觉跟踪定位方法 | |
US7136506B2 (en) | Correlation based in frame video tracker | |
KR101492059B1 (ko) | 평균이동 알고리즘을 적용한 실시간 객체 추적방법 및 시스템 | |
Liu et al. | A real-time vision-based vehicle tracking and traffic surveillance | |
CN114581847B (zh) | 一种基于gam跟踪器的社区行人异常行为检测方法和装置 | |
CN110956649A (zh) | 多目标三维物体跟踪的方法和装置 | |
CN113077495B (zh) | 在线多目标跟踪方法、系统、计算机设备及可读存储介质 | |
CN114445787A (zh) | 非机动车重识别方法及相关设备 | |
KR20220082433A (ko) | 크라우드소싱 환경에서 객체 정보 분석 방법 및 장치 | |
CN110956644B (zh) | 一种运动轨迹确定方法及系统 | |
CN113284165A (zh) | 目标跟踪方法、装置、计算机设备和存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |