CN115835008A - 跨不同拍摄设备的追踪方法、装置、电子设备以及介质 - Google Patents
跨不同拍摄设备的追踪方法、装置、电子设备以及介质 Download PDFInfo
- Publication number
- CN115835008A CN115835008A CN202211462462.6A CN202211462462A CN115835008A CN 115835008 A CN115835008 A CN 115835008A CN 202211462462 A CN202211462462 A CN 202211462462A CN 115835008 A CN115835008 A CN 115835008A
- Authority
- CN
- China
- Prior art keywords
- shooting
- moving object
- interested
- tracking
- equipment
- 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 58
- 230000000007 visual effect Effects 0.000 claims abstract description 25
- 238000004590 computer program Methods 0.000 claims description 16
- 230000015654 memory Effects 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 2
- 230000004044 response Effects 0.000 claims 1
- 238000004891 communication Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000013135 deep learning Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011524 similarity measure Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
- Studio Devices (AREA)
Abstract
本发明公开了一种跨不同拍摄设备的追踪方法、装置、电子设备以及介质。本方法,包括:确定第一拍摄设备拍摄视域内的感兴趣运动目标位置;依据所述感兴趣目标位置控制所述第一拍摄设备对所述感兴趣运动目标进行跟踪拍摄;若检测到感兴趣运动目标离开第一拍摄设备拍摄视域,则检测第二拍摄设备拍摄视域内是否存在所述感兴趣运动目标;若检测到第二拍摄设备拍摄视域内存在所述感兴趣运动目标,则通过所述第二拍摄设备对所述感兴趣运动目标进行跟踪拍摄。本方法通过不同拍摄设备之间对感兴趣运动目标进行连续拍摄,满足需要即时在线跟踪感兴趣运动目标的要求,实现未知行人进出区域的有效跟踪。
Description
技术领域
本发明涉及智能安防技术领域,尤其涉及一种跨不同拍摄设备的追踪方法、装置、电子设备以及介质。
背景技术
随着对安全需求与日俱增,安防领域中智能监控视频的应用范围在不断的扩大,类似于行人跟踪、检索等相关视频智能处理成为热点。
相关方案中,通常是只针对在单摄像头应用场景下,研究对象从以前的只对单个行人开始延展到需要同时对多个行人进行跟踪处理。但是由于行人会出现在不同的摄像头下,这样一来就很难对行人实时跟踪,通常需要将不同摄像头获取的图像进行离线跟踪,导致跟踪时效性很差,并不能满足对于需要即时在线跟踪的要求。
发明内容
本发明提供了一种跨不同拍摄设备的追踪方法、装置、电子设备以及介质,以解决不能有效跟踪未知行人进出区域。
根据本发明的一方面,提供了一种跨不同拍摄设备的追踪方法。
确定第一拍摄设备拍摄视域内的感兴趣运动目标位置;
依据所述感兴趣目标位置控制所述第一拍摄设备对所述感兴趣运动目标进行跟踪拍摄;
若检测到感兴趣运动目标离开第一拍摄设备拍摄视域,则检测第二拍摄设备拍摄视域内是否存在所述感兴趣运动目标;其中,所述第一拍摄设备与所述第二拍摄设备为不同拍摄设备;
若检测到第二拍摄设备拍摄视域内存在所述感兴趣运动目标,则通过所述第二拍摄设备对所述感兴趣运动目标进行跟踪拍摄。
根据本发明的另一方面,提供了一种跨不同拍摄设备的追踪设备。
目标位置确定模块,用于确定第一拍摄设备拍摄视域内的感兴趣运动目标位置;
第一跟踪拍摄模块,用于依据所述感兴趣目标位置控制所述第一拍摄设备对所述感兴趣运动目标进行跟踪拍摄;
目标所在视域确定模块,用于若检测到感兴趣运动目标离开第一拍摄设备拍摄视域,则检测第二拍摄设备拍摄视域内是否存在所述感兴趣运动目标;其中,所述第一拍摄设备与所述第二拍摄设备为不同;
第二跟踪拍摄模块,用于若检测到第二拍摄设备拍摄视域内存在所述感兴趣运动目标,则通过所述第二拍摄设备对所述感兴趣运动目标进行跟踪拍摄。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的跨不同拍摄设备的追踪方法。
根据本发明的另一方面,提供了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指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的跨不同拍摄设备的追踪方法。
本发明实施例的技术方案,通过确定第一拍摄设备拍摄视域内的感兴趣运动目标位置,依据感兴趣目标位置控制第一拍摄设备方位,聚焦感兴趣运动目标进行跟踪拍摄。若感兴趣运动目标离开第一拍摄设备的视域范围内,检测感兴趣运动目标是否存在于第二拍摄设备的视域范围内,如果在,通过确定第二拍摄设备拍摄视域内的感兴趣运动目标位置,依据感兴趣目标位置控制第二拍摄设备方位,聚焦感兴趣运动目标进行跟踪拍摄。本技术方案,通过不同拍摄设备之间对感兴趣运动目标进行连续拍摄,满足需要即时在线跟踪感兴趣运动目标的要求,实现未知行人进出区域的有效跟踪。应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明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发明的一些实施例,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他的附图。
图1是根据本发明实施例一提供的一种跨不同拍摄设备的追踪方法的流程图;
图2是根据本发明实施例二所适用的跨不同拍摄设备的追踪方法的流程图;
图3是根据本发明实施例二所适用的跨不同拍摄设备的追踪方法结构图;
图4是根据本发明实施例三提供的一种跨不同拍摄设备的追踪装置的结构示意图;
图5是是根据本发明实施例四提供的一种跨不同拍摄设备的追踪的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供了一种跨不同拍摄设备的追踪方法的流程图,本实施例可适用于跟踪行人进出不同区域的情况,该方法可以由跨不同拍摄设备的追踪装置来执行,该跨不同拍摄设备的追踪装置可以采用硬件和/或软件的形式实现,该跨不同拍摄设备的追踪装置可配置于任何具有网络通信功能的电子设备中。如图1所示,该方法包括:
S110、确定第一拍摄设备拍摄视域内的感兴趣运动目标位置。
其中,第一拍摄设备可以是具有拍照功能的电子设备或者具有成像技术的监控设备。拍摄视域可以是拍摄设备能够实施拍摄的视野范围。感兴趣运动目标可以是拍摄的一类具有运动状态的个体。
具体的,搭建拍摄设备,实时获取设备拍摄场景的视频。在第一拍摄设备能够实施拍摄的视野范围内,将拍摄的图像形成的视频流传输至主控计算机的系统设备,标定处于运动状态的感兴趣运动目标,包括个体的位置等信息。
S120、依据所述感兴趣目标位置控制所述第一拍摄设备对所述感兴趣运动目标进行跟踪拍摄。
作为一种可选的但不限定的实现方式,依据所述感兴趣目标位置控制所述第一拍摄设备对所述感兴趣运动目标进行跟踪拍摄,包括以下步骤A1-A2:
步骤A1、控制所述第一拍摄设备朝向所述感兴趣运动目标位置进行聚焦拍摄,且使得所述第一拍摄设备随所述感兴趣运动目标位置更新进行跟随拍摄;
其中,聚焦拍摄可以是拍摄设备调整光圈以感兴趣运动目标为中心进行的拍摄。跟随拍摄可以是拍摄设备随着感兴趣运动目标的位置更新,而调整聚焦拍摄中心位置的拍摄方法。
具体的,第一拍摄设备随着感兴趣运动目标位置的变化改变拍摄设备的朝向,拍摄设备的摄像头聚焦拍摄感兴趣运动目标的更新位置,以预设的时间间隔对感兴趣运动目标进行连续拍摄,生成多个图像并组成视频流。
步骤A2、响应于对所述第一拍摄设备的调整事件,对所述第一拍摄设备拍摄视域内感兴趣运动目标的拍摄画面进行调整;
具体的,生成具有感兴趣运动目标的拍摄画面,需要依据运动目标个体在预设时间范围内,根据时间先后顺序,对感兴趣运动目标的画面进行排版,依据拍摄方位的转向顺序,对感兴趣运动目标的拍摄画面进行排版。
S130、若检测到感兴趣运动目标离开第一拍摄设备拍摄视域,则检测第二拍摄设备拍摄视域内是否存在所述感兴趣运动目标;其中,所述第一拍摄设备与所述第二拍摄设备为不同。
其中,第二拍摄设备可以是区别第一拍摄设备,且与第一拍摄设备具有相同功能的设备。
具体的,感兴趣运动目标离开第一拍摄设备的视野范围,则可能位于第二拍摄设备的视野范围内,需要检测第二拍摄设备拍摄的视域流是否包含感兴趣运动目标。
示例性的,根据线性等速模型,预测感兴趣运动目标的运动方向、状态和速度。每个目标的状态模型如下:
上述公式中,u、v分别代表感兴趣运动目标的中心横纵坐标,s、r分别表示感兴趣运动目标边界框的尺寸大小和比例,其中边界框可以是标识感兴趣运动目标。分别代表预测第二图像序列感兴趣运动目标的横坐标、纵坐标和边界框尺寸比例。T矩阵的转置的标识。当第二图像序列与感兴趣运动目标关联时,检测边界框内个体为感兴趣运动目标,如果第二图像序列与感兴趣运动目标不关联,则用线性速度模型预测感兴趣运动目标的运动方向。其中,目标关联可以是第一拍摄设备拍摄的感兴趣运动目标与第二拍摄设备拍摄的个体之间是同一的关系。
示例性的,每个拍摄设备的视野区域包含内围区域和外围区域。如果感兴趣运动目标处于视野区域的外围区域即将离开时,将感兴趣运动目标设置为挂起状态,继续在下一个拍摄设备的图像序列中做目标关联。
作为一种可选的但不限定的实现方式,检测第二拍摄设备拍摄视域内是否存在所述感兴趣运动目标,具体包括步骤B1-B2:
步骤B1、对至少两个第二拍摄设备采集的第二图像序列进行目标识别;
其中,第二图像序列可以是由第二拍摄设备采集的一系列感兴趣运动目标的图像。
具体的,利用深度学习算法,将拍摄设备的视域范围内对确定的感兴趣运动目标以及至少两个摄像头输入的画面进行特征提取。将拍摄视频中每一帧图像按照不同的人分割成多个部分,分割每个人的图像形成的图像块输入至长短时记忆网络,融合所有图像块的特征,训练识别感兴趣运动目标的模型,对第二图像序列的所有个体进行分类,进而识别感兴趣运动目标。
示例性的,由于第一拍摄设备采集的运动目标个体以及其他个体的图像序列,与其他拍摄设备采集的图像序列具有偏差,所以应用深度学习算法的图像迁移方法将第一拍摄设备的图像迁移到另一个摄像设备。标定感兴趣运动目标的标签可由以下方法获得:
上述公式中,c为ID的数量,ε为手动设置的平滑参数,当ε=1时,为正常的one-hot向量。在N个不同视野区域内,需要N个不同的拍摄设备为C1,C2,...,CN,所有拍摄设备的视野范围不交叉。在视频的第K帧由拍摄设备Ci捕捉的感兴趣运动目标m,标定第K帧为感兴趣目标行人。
示例性的,设计并搭建深度学习网络,学习并提取感兴趣运动目标以及多摄像头输入画面的特征,采用局部匹配方法对提取的特征进行匹配,将每个个体的图像从图像序列中单独分离出来,并将每个个体的图像分割为若干图像块并顺序输入至长短时记忆网络中。最后训练完成的深度学习算法学习到每个个体的特征,则深度学习算法具有识别感兴趣运动目标的能力,能够预测第二图像序列内是否存在感兴趣运动目标。
步骤B2、若检测到所述第二图像序列的第二图像中存在与所述感兴趣运动目标相似度大于预设值的运动目标,则确定第二拍摄设备拍摄视域内存在所述感兴趣运动目标。
其中,相似度可以是判定第一图像序列与第二图像序列的感兴趣运动目标是否相似的度量值。
具体的,感兴趣运动目标检测模型检测到第二图像中存在感兴趣运动目标,且获取每个运动目标与感兴趣运动目标的相似度,若具有相似度大于预设值的运动目标,即可确定第二图像序列具有感兴趣运动目标,进而确定第二拍摄设备拍摄视域内存在感兴趣运动目标。
示例性的,主控计算机基于深度卷积孪生网络实时提取第二拍摄设备拍摄的第二图像序列的特征,第二图像序列的所有运动目标依次与感兴趣运动目标进行相似度度量,生成第二图像序列的每个个体与感兴趣运动目标的相似度,判断相似度与预设值的大小关系,如果相似度大于预设值,则第二图像序列中包含感兴趣运动目标。用到的相似性度量方法包括马氏距离方法,公式如下:
d(1)(i,j)=(dj-yj)TSi -1(dj-yj)
马氏距离方法作为相似性度量的第一个标准,用门限函数表示为
b(2)(i,j)=∏[d(2)(i,j)≤t(2)]
上述公式中,d(i,j)表示第j个待检测运动目标的轨迹和第i条轨迹之间的运动匹配度,Si为当前时刻由卡尔曼滤波器预测的观测空间的协方差矩阵,yj是轨迹在当前时刻的预测观测量,dj是第j个待检测运到目标的状态。
相似性度量方法还包括:
对每一帧运动目标的边界框都包含运动目标的状态,第j个待检测运动目标的状态为dj。对于运动目标状态dj,计算生成描述表面特征的元素。第j个待检测运到目标的边界框的比例为rj|rj|=1。创建一个图结构存放最新的100条轨迹,轨迹表示为:
上述公式中,Lk为最新轨迹的数量,取值为100。应用第i条轨迹与第j个待检测运动目标的轨迹的余弦距离作为相似性度量的第二标准。公式如下:
也可用门限函数表示为:
b(2)(i,j)=∏[d(2)(i,j)≤t(2)]
将两个相似性度量标准相融合为:
ci,j=λd(1)(i,j)+(1-λ)d(2)(i,j)
上述公式中,m表示两个判断相似性的方法,λ表示权重系数。
S140、若检测到第二拍摄设备拍摄视域内存在所述感兴趣运动目标,则通过所述第二拍摄设备对所述感兴趣运动目标进行跟踪拍摄。
具体的,判断第二拍摄设备拍摄视域内存在感兴趣运动目标。第二拍摄设备调整摄像头方位,并聚焦感兴趣运动目标实现跟踪拍摄,可以采用跟踪算法防止因为感兴趣运动目标被遮挡导致的丢失问题。
示例性的,当关注短时间内的目标追踪时,应用交并比方法跟踪拍摄感兴趣运动目标。当应用不同拍摄设备对感兴趣运功目标追踪拍摄时,采用匈牙利算法,获取运动目标与感兴趣运动目标进行边匹配,获取最大权值匹配边,追踪的运动目标与感兴趣运动目标最接近。
本发明实施例,通过确定第一拍摄设备拍摄视域内的感兴趣运动目标位置,依据感兴趣目标位置控制第一拍摄设备摄像头角度,聚焦感兴趣运动目标进行跟踪拍摄。若感兴趣运动目标离开第一拍摄设备的视域范围内,检测感兴趣运动目标是否存在于第二拍摄设备的视域范围内,如果在,通过确定第二拍摄设备拍摄视域内感兴趣运动目标位置,依据感兴趣目标位置控制第二拍摄设备方位,聚焦感兴趣运动目标进行跟踪拍摄。本技术方案,通过不同拍摄设备对感兴趣运动目标进行连续追踪拍摄,满足需实时跟踪感兴趣运动目标的要求,能够在外部环境干扰的情况下快速定位感兴趣运动目标,实现未知行人进出区域的有效、平稳跟踪。
实施例二
图2为本发明实施例二提供的一种跨不同拍摄设备的追踪方法的流程图,细化了第一拍摄设备拍摄画面中感兴趣运动目标位置的确定方法。如图2所示,该方法包括:
S210、确定在第一拍摄设备拍摄画面中选中的感兴趣运动目标;
具体的,在第一拍摄设备能够实施拍摄的视野范围内,根据拍摄的图像形成的图像序列,主控计算机的系统设备,标定处于运动状态的感兴趣运动目标,确定预跟踪的感兴趣运动目标。
S220、从第一拍摄设备的运动目标跟踪队列中,读取第一拍摄设备拍摄视域内的感兴趣运动目标位置;
其中,所述第一拍摄设备的运动目标跟踪队列中记录有实时更早更新并存储的第一拍摄设备拍摄视域内各个运动目标位置。
作为一种可选的但不限定的实现方式,所述第一拍摄设备的运动目标跟踪队列的更新过程,包括以下步骤A1-A3:
步骤A1、对所述第一拍摄设备采集的第一图像序列中第一图像进行分析,确定各个运动目标在第一图像中的拍摄位置;
具体的,第一拍摄设备采集了第一图像序列,是第一拍摄设备在拍摄视域内获取一定时间范围的图像序列,判断每个图像中存在的不同运动目标。并确定每个运动目标在图像中的位置。
步骤A2、依据各个运动目标的运动目标特征将第一图像序列中连续帧的同一运动目标关联,得到第一拍摄设备拍摄视域内各个运动目标位置;
具体的,各个运动目标可能同时存在于第一图像序列的每个帧中,所以将第一图像序列的所有图像进行同一运动目标的关联,可以得到第一拍摄设备拍摄视域内的各个运动目标位置。
可选的,依据各个运动目标的运动目标特征将第一图像序列中连续帧的同一运动目标关联,可以包括:确定第一图像序列的当前第一图像中各个运动目标;依据各个运动目标的运动目标特征,从第一图像序列的下一第一图像中检测与当前第一图像中各个运动目标满足预设关联条件的下一第一图像中运动目标进行关联,以将第一拍摄设备拍摄视域内同一运动目标进行位置关联更在在第一拍摄设备的运动目标跟踪队列中。
具体的,根据第一图像序列的当前第一图像中确定的各个运动目标,依据运动目标的特征,检测第一图像序列除第一图像的其它图像中每个运动目标与目标特征的关联程度,如果关联程度满足预设关联条件,则将第一拍摄设备拍摄视域内同一运动目标进行位置关联。可获得每个运动目标在第一拍摄设备拍摄视域内的跟踪队列。
步骤A3、依据第一拍摄设备拍摄视域内各个运动目标位置,读取第一拍摄设备拍摄视域内的感兴趣运动目标位置。
具体的,设定了第一拍摄设备拍摄视域内的各个运动目标的位置,即可读取视域内感兴趣运动目标的位置。
S230、依据所述感兴趣目标位置控制所述第一拍摄设备对所述感兴趣运动目标进行跟踪拍摄;
具体的,第一拍摄设备随着感兴趣运动目标位置的变化改变拍摄设备的摄像头朝向,拍摄设备的摄像头聚焦感兴趣运动目标的更新位置,以预设的时间间隔对感兴趣运动目标进行连续拍摄。
S240、若检测到感兴趣运动目标离开第一拍摄设备拍摄视域,则检测第二拍摄设备拍摄视域内是否存在所述感兴趣运动目标;其中,所述第一拍摄设备与所述第二拍摄设备为不同;
具体的,感兴趣运动目标离开第一拍摄设备的视野范围,则可能位于第二拍摄设备的视野范围内,需要检测第二拍摄设备拍摄的视域是否包含感兴趣运动目标。
S250、若检测到第二拍摄设备拍摄视域内存在所述感兴趣运动目标,则通过所述第二拍摄设备对所述感兴趣运动目标进行跟踪拍摄。
具体的,判断第二拍摄设备拍摄视域内存在感兴趣运动目标。第二拍摄设备调整摄像头方位,并聚焦感兴趣运动目标实现跟踪拍摄。
本发明实施例,细化了确定感兴趣运动目标位置在各个拍摄设备中的位置,根据在各个拍摄设备视域内的每一帧图像关联感兴趣运动目标,获取跟踪队列。若感兴趣运动目标离开第一拍摄设备的视域范围内,检测感兴趣运动目标是否存在于第二拍摄设备的视域范围内,如果在,通过确定第二拍摄设备拍摄视域内的感兴趣运动目标位置,在第二个拍摄设备视域内的每一帧图像关联感兴趣运动目标,继续获取跟踪队列。本技术方案,实现不同拍摄设备之间对感兴趣运动目标的跟踪,满足需要即时在线跟踪感兴趣运动目标的要求,实现未知行人进出区域的有效跟踪。
实施例三
图4为本发明实施例三提供的一种跨不同拍摄设备的追踪装置的结构示意图。如图4所示,该装置包括:
目标位置确定模块310,用于确定第一拍摄设备拍摄视域内的感兴趣运动目标位置;
第一跟踪拍摄模块320,用于依据所述感兴趣目标位置控制所述第一拍摄设备对所述感兴趣运动目标进行跟踪拍摄;
目标所在视域确定模块330,用于若检测到感兴趣运动目标离开第一拍摄设备拍摄视域,则检测第二拍摄设备拍摄视域内是否存在所述感兴趣运动目标;其中,所述第一拍摄设备与所述第二拍摄设备为不同;
第二跟踪拍摄模块340,用于若检测到第二拍摄设备拍摄视域内存在所述感兴趣运动目标,则通过所述第二拍摄设备对所述感兴趣运动目标进行跟踪拍摄。
在上述实施例的基础上可选的,目标位置确定模块310,还包括:
目标选中单元,用于确定在第一拍摄设备拍摄画面中选中的感兴趣运动目标。
目标位置读取单元,用于从第一拍摄设备的运动目标跟踪队列中,读取第一拍摄设备拍摄视域内的感兴趣运动目标位置。
其中,所述第一拍摄设备的运动目标跟踪队列中记录有实时更早更新并存储的第一拍摄设备拍摄视域内各个运动目标位置。
在本申请实施例中,目标位置读取单元,具体用于:
对所述第一拍摄设备采集的第一图像序列中第一图像进行分析,确定各个运动目标在第一图像中的拍摄位置;
依据各个运动目标的运动目标特征将第一图像序列中连续帧的同一运动目标关联,得到第一拍摄设备拍摄视域内各个运动目标位置;
依据第一拍摄设备拍摄视域内各个运动目标位置,读取第一拍摄设备拍摄视域内的感兴趣运动目标位置。
在本申请实施例中,目标位置读取单元,还包括:
确定第一图像序列的当前第一图像中各个运动目标;
依据各个运动目标的运动目标特征,从第一图像序列的下一第一图像中检测与当前第一图像中各个运动目标满足预设关联条件的下一第一图像中运动目标进行关联,以将第一拍摄设备拍摄视域内同一运动目标进行位置关联更在在第一拍摄设备的运动目标跟踪队列中。
本发明实施例中所提供的跨不同拍摄设备的追踪装置可执行上述本发明任意实施例中所提供的跨不同拍摄设备的追踪方法,具备执行该跨不同拍摄设备的追踪方法相应的功能和有益效果,详细过程参见前述实施例中跨不同拍摄设备的追踪方法的相关操作。
实施例四
图5示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图5所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如跨不同拍摄设备的追踪方法。
在一些实施例中,跨不同拍摄设备的追踪方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的跨不同拍摄设备的追踪方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行跨不同拍摄设备的追踪方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种跨不同拍摄设备的追踪方法,其特征在于,包括:
确定第一拍摄设备拍摄视域内的感兴趣运动目标位置;
依据所述感兴趣目标位置控制所述第一拍摄设备对所述感兴趣运动目标进行跟踪拍摄;
若检测到感兴趣运动目标离开第一拍摄设备拍摄视域,则检测第二拍摄设备拍摄视域内是否存在所述感兴趣运动目标;其中,所述第一拍摄设备与所述第二拍摄设备为不同拍摄设备;
若检测到第二拍摄设备拍摄视域内存在所述感兴趣运动目标,则通过所述第二拍摄设备对所述感兴趣运动目标进行跟踪拍摄。
2.根据权利要求1所述的方法,其特征在于,确定第一拍摄设备拍摄视域内的感兴趣运动目标位置,包括:
确定在第一拍摄设备拍摄画面中选中的感兴趣运动目标;
从第一拍摄设备的运动目标跟踪队列中,读取第一拍摄设备拍摄视域内的感兴趣运动目标位置;
其中,所述第一拍摄设备的运动目标跟踪队列中记录有实时更早更新并存储的第一拍摄设备拍摄视域内各个运动目标位置。
3.根据权利要求2所述的方法,其特征在于,所述第一拍摄设备的运动目标跟踪队列的更新过程,包括:
对所述第一拍摄设备采集的第一图像序列中第一图像进行分析,确定各个运动目标在第一图像中的拍摄位置;
依据各个运动目标的运动目标特征将第一图像序列中连续帧的同一运动目标关联,得到第一拍摄设备拍摄视域内各个运动目标位置;
依据第一拍摄设备拍摄视域内各个运动目标位置,读取第一拍摄设备拍摄视域内的感兴趣运动目标位置。
4.根据权利要求3所述的方法,其特征在于,依据各个运动目标的运动目标特征将第一图像序列中连续帧的同一运动目标关联,包括:
确定第一图像序列的当前第一图像中各个运动目标;
依据各个运动目标的运动目标特征,从第一图像序列的下一第一图像中检测与当前第一图像中各个运动目标满足预设关联条件的下一第一图像中运动目标进行关联,以将第一拍摄设备拍摄视域内同一运动目标进行位置关联更在在第一拍摄设备的运动目标跟踪队列中。
5.根据权利要求1所述的方法,其特征在于,依据所述感兴趣目标位置控制所述第一拍摄设备对所述感兴趣运动目标进行跟踪拍摄,包括:
控制所述第一拍摄设备朝向所述感兴趣运动目标位置进行聚焦拍摄,且使得所述第一拍摄设备随所述感兴趣运动目标位置更新进行跟随拍摄;
响应于对所述第一拍摄设备的调整事件,对所述第一拍摄设备拍摄视域内感兴趣运动目标的拍摄画面进行调整;
其中,所述调整事件包括对所述第一拍摄设备拍摄画面进行旋转与缩放。
6.根据权利要求1所述的方法,其特征在于,检测第二拍摄设备拍摄视域内是否存在所述感兴趣运动目标,包括:
对至少两个第二拍摄设备采集的第二图像序列进行目标识别;
若检测到所述第二图像序列的第二图像中存在与所述感兴趣运动目标相似度大于预设值的运动目标,则确定第二拍摄设备拍摄视域内存在所述感兴趣运动目标。
7.根据权利要求1所述的方法,其特征在于,通过所述第二拍摄设备对所述感兴趣运动目标进行跟踪拍摄
确定第二拍摄设备拍摄视域内的感兴趣运动目标位置;
依据所述感兴趣目标位置控制所述第二拍摄设备对所述感兴趣运动目标进行跟踪拍摄。
8.一种跨不同拍摄设备的追踪装置,其特征在于,包括:
目标位置确定模块,用于确定第一拍摄设备拍摄视域内的感兴趣运动目标位置;
第一跟踪拍摄模块,用于依据所述感兴趣目标位置控制所述第一拍摄设备对所述感兴趣运动目标进行跟踪拍摄;
目标所在视域确定模块,用于若检测到感兴趣运动目标离开第一拍摄设备拍摄视域,则检测第二拍摄设备拍摄视域内是否存在所述感兴趣运动目标;其中,所述第一拍摄设备与所述第二拍摄设备为不同;
第二跟踪拍摄模块,用于若检测到第二拍摄设备拍摄视域内存在所述感兴趣运动目标,则通过所述第二拍摄设备对所述感兴趣运动目标进行跟踪拍摄。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的跨不同拍摄设备的追踪方法。
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存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-4中任一项所述的跨不同拍摄设备的追踪方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211462462.6A CN115835008A (zh) | 2022-11-21 | 2022-11-21 | 跨不同拍摄设备的追踪方法、装置、电子设备以及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211462462.6A CN115835008A (zh) | 2022-11-21 | 2022-11-21 | 跨不同拍摄设备的追踪方法、装置、电子设备以及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115835008A true CN115835008A (zh) | 2023-03-21 |
Family
ID=85530037
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211462462.6A Pending CN115835008A (zh) | 2022-11-21 | 2022-11-21 | 跨不同拍摄设备的追踪方法、装置、电子设备以及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115835008A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6809760B1 (en) * | 1998-06-12 | 2004-10-26 | Canon Kabushiki Kaisha | Camera control apparatus for controlling a plurality of cameras for tracking an object |
JP2007135093A (ja) * | 2005-11-11 | 2007-05-31 | Sony Corp | 映像監視システム及び方法 |
JP2016119625A (ja) * | 2014-12-22 | 2016-06-30 | セコム株式会社 | 監視システム |
CN108198200A (zh) * | 2018-01-26 | 2018-06-22 | 福州大学 | 跨摄像头场景下指定行人在线跟踪方法 |
JP2021029028A (ja) * | 2019-08-09 | 2021-02-25 | サンリツオートメイション株式会社 | 物体追尾システム、物体追尾装置、物体追尾方法及びプログラム |
-
2022
- 2022-11-21 CN CN202211462462.6A patent/CN115835008A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6809760B1 (en) * | 1998-06-12 | 2004-10-26 | Canon Kabushiki Kaisha | Camera control apparatus for controlling a plurality of cameras for tracking an object |
JP2007135093A (ja) * | 2005-11-11 | 2007-05-31 | Sony Corp | 映像監視システム及び方法 |
JP2016119625A (ja) * | 2014-12-22 | 2016-06-30 | セコム株式会社 | 監視システム |
CN108198200A (zh) * | 2018-01-26 | 2018-06-22 | 福州大学 | 跨摄像头场景下指定行人在线跟踪方法 |
JP2021029028A (ja) * | 2019-08-09 | 2021-02-25 | サンリツオートメイション株式会社 | 物体追尾システム、物体追尾装置、物体追尾方法及びプログラム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2016352215B2 (en) | Method and device for tracking location of human face, and electronic equipment | |
US11393103B2 (en) | Target tracking method, device, system and non-transitory computer readable medium | |
CN107292240B (zh) | 一种基于人脸与人体识别的找人方法及系统 | |
CN109151375B (zh) | 一种目标对象抓拍方法、装置及视频监控设备 | |
US9767570B2 (en) | Systems and methods for computer vision background estimation using foreground-aware statistical models | |
CN109922250B (zh) | 一种目标对象抓拍方法、装置及视频监控设备 | |
CN112836640B (zh) | 一种单摄像头多目标行人跟踪方法 | |
CN110288627B (zh) | 一种基于深度学习和数据关联的在线多目标跟踪方法 | |
Varcheie et al. | Adaptive fuzzy particle filter tracker for a PTZ camera in an IP surveillance system | |
Zhang et al. | Multi-target tracking of surveillance video with differential YOLO and DeepSort | |
Everding et al. | Low-latency line tracking using event-based dynamic vision sensors | |
KR101062225B1 (ko) | 감시 카메라를 이용한 지능형 영상 검색 방법 및 시스템 | |
CN106295598A (zh) | 一种跨摄像头目标跟踪方法及装置 | |
JP4764172B2 (ja) | 画像処理による移動体候補の検出方法及び移動体候補から移動体を検出する移動体検出方法、移動体検出装置及び移動体検出プログラム | |
Ait Abdelali et al. | An adaptive object tracking using Kalman filter and probability product kernel | |
CN112989987A (zh) | 用于识别人群行为的方法、装置、设备以及存储介质 | |
Kumar et al. | Real time target tracking with pan tilt zoom camera | |
CN112541403A (zh) | 一种利用红外摄像头的室内人员跌倒检测方法 | |
KR101826669B1 (ko) | 동영상 검색 시스템 및 그 방법 | |
KR101542206B1 (ko) | 코아스-파인 기법을 이용한 객체 추출과 추적 장치 및 방법 | |
Delibasoglu et al. | Motion detection in moving camera videos using background modeling and FlowNet | |
CN117372928A (zh) | 一种视频目标检测方法、装置及相关设备 | |
CN107665495B (zh) | 对象跟踪方法及对象跟踪装置 | |
JP7243372B2 (ja) | 物体追跡装置および物体追跡方法 | |
CN115835008A (zh) | 跨不同拍摄设备的追踪方法、装置、电子设备以及介质 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20231211 Address after: Room 712, South, No. 69 Zhangjiang Road, China (Shanghai) Pilot Free Trade Zone, Pudong New Area, Shanghai, 2012 Applicant after: Shangfei Intelligent Technology Co.,Ltd. Address before: 919 Shangfei Road, Pudong New Area, Shanghai, 201324 Applicant before: SHANGHAI AIRCRAFT MANUFACTURING Co.,Ltd. |