CN116030099A - 一种基于ptz相机的多目标跟踪方法及装置 - Google Patents
一种基于ptz相机的多目标跟踪方法及装置 Download PDFInfo
- Publication number
- CN116030099A CN116030099A CN202310331209.5A CN202310331209A CN116030099A CN 116030099 A CN116030099 A CN 116030099A CN 202310331209 A CN202310331209 A CN 202310331209A CN 116030099 A CN116030099 A CN 116030099A
- Authority
- CN
- China
- Prior art keywords
- target
- ptz camera
- angle
- offset
- ptz
- 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.)
- Granted
Links
Images
Landscapes
- Studio Devices (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本申请公开了一种基于PTZ相机的多目标跟踪方法及装置，涉及目标跟踪技术领域，通过检测图像帧中的目标像素坐标，根据目标像素坐标计算目标在PTZ相机视场范围内的坐标，然后转换为PTZ相机的云台角度，并根据bbox尺寸，按相应比例调整zoom，使得PTZ相机旋转并变焦到合适的位置，以PTZ相机预置位为固定参考系，计算目标的水平和垂直角度偏移量，将水平和垂直角度偏移量作为卡尔曼滤波的观测值进行建模，预测得到偏移角速度和偏移角；根据偏移角速度和偏移角计算目标相对预置位下的云台偏移角，根据偏移角进行匹配跟踪，实现了目标的可持续跟踪，解决了PTZ调节后无法使用目标的bbox进行跟踪的问题。
Description
技术领域
本申请涉及目标跟踪技术领域，具体涉及一种基于PTZ相机的多目标跟踪方法及装置。
背景技术
多目标跟踪，即MOT（Multi-Object Tracking），指的是在一段视频中同时跟踪多个目标。现有的多目标跟踪主要应用于安防监控和自动驾驶等领域，在这些场景中往往需要对众多目标同时进行追踪。
现有的多目标跟踪方法，例如deepsort、bytetrack等，都是在固定相机视角下或将相机安装在刚体结构中，该刚体做有规律的运动，例如自动驾驶中的目标跟踪。此类算法大多数是利用深度学习技术检测目标框，并使用卡尔曼滤波算法对目标的位置进行预测及iou匹配，从而实现对多个目标的跟踪。
但是，在PTZ（Pan-Tilt-Zoom，云台三轴）相机下，当目标离开当前视角后会使得跟踪失效，如果根据检测到的目标范围重新调整相机的ptz以继续跟踪目标时，由于前后帧背景发生较大变化及检测到的目标预测框差距较大，所以无法使用卡尔曼滤波进行准确预测，也没办法进行iou匹配；而且现有的多目标跟踪方法如果假设两帧间隔时间都比较固定，然后调整ptz或对每一帧进行不同的策略分析时，例如进一步进行人脸识别，会导致跟踪时的前后两帧间隔时间不稳定，使得跟踪效果大幅降低。
发明内容
为此，本申请提供一种基于PTZ相机的多目标跟踪方法及装置，以解决现有技术存在的目标离开当前视角后使得跟踪失效的问题。
为了实现上述目的，本申请提供如下技术方案：
第一方面，一种基于PTZ相机的多目标跟踪方法，包括：
步骤S1：从PTZ相机中获取图像帧，并检测所述图像帧中的目标像素坐标；
步骤S2：根据所述目标像素坐标计算目标在所述PTZ相机视场范围内的坐标；
步骤S3：将所述坐标转换为所述PTZ相机的云台角度，并根据bbox尺寸，按相应比例调整zoom；
步骤S4：根据所述云台角度和所述zoom将所述PTZ相机旋转并变焦到合适的位置，使得目标保持在所述PTZ相机视场的中心位置；
步骤S5：以所述PTZ相机预置位为固定参考系，计算目标的水平和垂直角度偏移量，将所述水平和垂直角度偏移量作为卡尔曼滤波的观测值进行建模，预测得到偏移角速度和偏移角；
步骤S6：根据所述偏移角速度和偏移角计算目标相对预置位下的云台偏移角，根据所述偏移角进行匹配跟踪。
作为优选，还包括：在匹配跟踪时，记录当前获取图像帧的时间，并计算与前一帧的时间差，根据所述时间差动态调整卡尔曼滤波中的状态转移矩阵。
作为优选，所述步骤S1中，所述图像帧中的目标像素坐标是通过深度学习算法检测的。
作为优选，所述步骤S2中，目标在所述PTZ相机视场范围内的坐标为：
其中，x为目标在PTZ相机视场范围内的横坐标，y为目标在PTZ相机视场范围内的纵坐标，f为PTZ相机的焦点距离，Cx和Cy分别为目标在图像中的中心点的横坐标和纵坐标，Ix和Iy分别为图像的中心点的横坐标和纵坐标；W和H为图像的宽度和高度。
作为优选，所述步骤S3中，PTZ相机的云台角度包括水平角度和垂直角度；
其中，x为目标在PTZ相机视场范围内的横坐标，y为目标在PTZ相机视场范围内的纵坐标，k和b是常数。
作为优选，所述常数k和b的取值根据所述PTZ相机的云台控制协议以及云台的最大转动角度来确定。
作为优选，所述步骤S6中，根据所述偏移角速度和偏移角计算目标相对预置位下的云台偏移角，具体为：以预置位下的PTZ为固定参考系，根据每一帧下PTZ相对预置位PTZ的差值，计算角度补偿值，以每一帧的云台角度值和角度补偿值做差得到每一帧当中的目标相对预置位下的云台偏移角。
第二方面，一种基于PTZ相机的多目标跟踪装置，包括：
目标像素坐标检测模块，用于从PTZ相机中获取图像帧，并检测所述图像帧中的目标像素坐标；
第一计算模块，用于根据所述目标像素坐标计算目标在所述PTZ相机视场范围内的坐标；
第二计算模块，用于将所述坐标转换为所述PTZ相机的云台角度，并根据bbox尺寸，按相应比例调整zoom；
相机控制模块，用于根据所述云台角度和所述zoom将所述PTZ相机旋转并变焦到合适的位置，使得目标保持在所述PTZ相机视场的中心位置；
预测模块，用于以所述PTZ相机预置位为固定参考系，计算目标的水平和垂直角度偏移量，将所述水平和垂直角度偏移量作为卡尔曼滤波的观测值进行建模，预测得到偏移角速度和偏移角；
匹配跟踪模块，用于根据所述偏移角速度和偏移角计算目标相对预置位下的云台偏移角，根据所述偏移角进行匹配跟踪。
第三方面，一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现基于PTZ相机的多目标跟踪方法的步骤。
第四方面，一种计算机可读存储介质，其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基于PTZ相机的多目标跟踪方法的步骤。
相比现有技术，本申请至少具有以下有益效果：
本申请提供了一种基于PTZ相机的多目标跟踪方法及装置，通过检测图像帧中的目标像素坐标，根据目标像素坐标计算目标在PTZ相机视场范围内的坐标，然后转换为PTZ相机的云台角度，并根据bbox尺寸，按相应比例调整zoom，使得PTZ相机旋转并变焦到合适的位置，以PTZ相机预置位为固定参考系，计算目标的水平和垂直角度偏移量，将水平和垂直角度偏移量作为卡尔曼滤波的观测值进行建模，预测得到偏移角速度和偏移角；根据偏移角速度和偏移角计算目标相对预置位下的云台偏移角，根据偏移角进行匹配跟踪，实现了目标的可持续跟踪，解决了PTZ调节后无法使用目标的bbox进行跟踪的问题。
通过记录前后帧的时间差，动态调整卡尔曼滤波预测时的状态转移矩阵，大幅提高准确率，解决了因fps不固定导致的跟踪效果大幅降低的问题。
附图说明
为了更直观地说明现有技术以及本申请，下面给出几个示例性的附图。应当理解，附图中所示的具体形状、构造，通常不应视为实现本申请时的限定条件；例如，本领域技术人员基于本申请揭示的技术构思和示例性的附图，有能力对某些单元（部件）的增/减/归属划分、具体形状、位置关系、连接方式、尺寸比例关系等容易作出常规的调整或进一步的优化。
图1为本申请实施例一提供的一种基于PTZ相机的多目标跟踪方法流程图。
具体实施方式
以下结合附图，通过具体实施例对本申请作进一步详述。
在本申请的描述中：除非另有说明，“多个”的含义是两个或两个以上。本申请中的术语“第一”、“第二”、“第三”等旨在区别指代的对象，而不具有技术内涵方面的特别意义（例如，不应理解为对重要程度或次序等的强调）。“包括”、“包含”、“具有”等表述方式，同时还意味着“不限于”（某些单元、部件、材料、步骤等）。
本申请中所引用的如“上”、“下”、“左”、“右”、“中间”等的用语，通常是为了便于对照附图直观理解，而并非对实际产品中位置关系的绝对限定。在未脱离本申请揭示的技术构思的情况下，这些相对位置关系的改变，当亦视为本申请表述的范畴。
实施例一
请参阅图1，本实施例提供了一种基于PTZ相机的多目标跟踪方法，包括：
S1：从PTZ相机中获取图像帧，并检测图像帧中的目标像素坐标；
具体的，图像帧中的目标像素坐标是通过深度学习算法检测的。
S2：根据目标像素坐标计算目标在PTZ相机视场范围内的坐标；
具体的，目标在PTZ相机视场范围内的坐标为：
其中，x为目标在PTZ相机视场范围内的横坐标，y为目标在PTZ相机视场范围内的纵坐标，f为PTZ相机的焦点距离，Cx和Cy分别为目标在图像中的中心点的横坐标和纵坐标，Ix和Iy分别为图像的中心点的横坐标和纵坐标；W和H为图像的宽度和高度。
S3：将坐标转换为PTZ相机的云台角度，并根据bbox尺寸，按相应比例调整zoom；
具体的，PTZ相机的云台角度包括水平角度和垂直角度；
其中，x为目标在PTZ相机视场范围内的横坐标，y为目标在PTZ相机视场范围内的纵坐标，k和b是常数，常数k和b的取值取决于PTZ相机的云台控制协议以及云台的最大转动角度。
S4：根据云台角度和zoom将PTZ相机旋转并变焦到合适的位置，使得目标保持在PTZ相机视场的中心位置；
具体的，使用相应的协议向PTZ相机发送控制命令，指示云台旋转到特定的角度和及变焦到合适位置，使得目标保持在PTZ相机视场的中心位置，且清晰可见。
S5：以PTZ相机预置位为固定参考系，计算目标的水平和垂直角度偏移量，将水平和垂直角度偏移量作为卡尔曼滤波的观测值进行建模，预测得到偏移角速度和偏移角；
S6：根据偏移角速度和偏移角计算目标相对预置位下的云台偏移角，根据偏移角进行匹配跟踪。
具体的，以预置位下的PTZ为固定参考系，根据每一帧下PTZ相对预置位PTZ的差值，计算角度补偿值，以每一帧的云台角度值和角度补偿值做差得到每一帧当中的目标相对预置位下的云台偏移角。
本实施例提供的基于PTZ相机的多目标跟踪方法，还包括：针对fps（即，从相机中取帧的频率）不固定的取帧跟踪，每一帧在做跟踪时，记录取帧时间，保存在跟踪器中，并计算与前一帧的时间差，动态调整卡尔曼滤波中的状态转移矩阵，以实现更准确的位置预测。
本实施例提供的基于PTZ相机的多目标跟踪方法充分利用了PTZ相机的角度和焦距可调节性，实现目标的可持续跟踪；利用目标相对PTZ相机的偏移角进行跟踪，解决了PTZ调节后无法使用目标的bbox进行跟踪的问题；通过记录前后帧的时间差，动态调整卡尔曼滤波预测时的状态转移矩阵，大幅提高准确率，解决了因fps不固定导致的跟踪效果大幅降低的问题。
实施例二
本实施例提供了一种基于PTZ相机的多目标跟踪装置，包括：
目标像素坐标检测模块，用于从PTZ相机中获取图像帧，并检测所述图像帧中的目标像素坐标；
第一计算模块，用于根据所述目标像素坐标计算目标在所述PTZ相机视场范围内的坐标；
第二计算模块，用于将所述坐标转换为所述PTZ相机的云台角度，并根据bbox尺寸，按相应比例调整zoom；
相机控制模块，用于根据所述云台角度和所述zoom将所述PTZ相机旋转并变焦到合适的位置，使得目标保持在所述PTZ相机视场的中心位置；
预测模块，用于以所述PTZ相机预置位为固定参考系，计算目标的水平和垂直角度偏移量，将所述水平和垂直角度偏移量作为卡尔曼滤波的观测值进行建模，预测得到偏移角速度和偏移角；
匹配跟踪模块，用于根据所述偏移角速度和偏移角计算目标相对预置位下的云台偏移角，根据所述偏移角进行匹配跟踪。
关于一种基于PTZ相机的多目标跟踪装置的具体限定可以参见上文中对于一种基于PTZ相机的多目标跟踪方法的限定，在此不再赘述。
实施例三
本实施例提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现基于PTZ相机的多目标跟踪方法的步骤。
实施例四
本实施例提供了一种计算机可读存储介质，其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基于PTZ相机的多目标跟踪方法的步骤。
以上实施例的各技术特征可以进行任意的组合（只要这些技术特征的组合不存在矛盾），为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述；这些未明确写出的实施例，也都应当认为是本说明书记载的范围。
上文中通过一般性说明及具体实施例对本申请作了较为具体和详细的描述。应当理解，基于本申请的技术构思，还可以对这些具体实施例作出若干常规的调整或进一步的创新；但只要未脱离本申请的技术构思，这些常规的调整或进一步的创新得到的技术方案也同样落入本申请的权利要求保护范围。
Claims (10)
1.一种基于PTZ相机的多目标跟踪方法，其特征在于，包括：
步骤S1：从PTZ相机中获取图像帧，并检测所述图像帧中的目标像素坐标；
步骤S2：根据所述目标像素坐标计算目标在所述PTZ相机视场范围内的坐标；
步骤S3：将所述坐标转换为所述PTZ相机的云台角度，并根据bbox尺寸，按相应比例调整zoom；
步骤S4：根据所述云台角度和所述zoom将所述PTZ相机旋转并变焦到合适的位置，使得目标保持在所述PTZ相机视场的中心位置；
步骤S5：以所述PTZ相机预置位为固定参考系，计算目标的水平和垂直角度偏移量，将所述水平和垂直角度偏移量作为卡尔曼滤波的观测值进行建模，预测得到偏移角速度和偏移角；
步骤S6：根据所述偏移角速度和偏移角计算目标相对预置位下的云台偏移角，根据所述偏移角进行匹配跟踪。
2.根据权利要求1所述的基于PTZ相机的多目标跟踪方法，其特征在于，还包括：在匹配跟踪时，记录当前获取图像帧的时间，并计算与前一帧的时间差，根据所述时间差动态调整卡尔曼滤波中的状态转移矩阵。
3.根据权利要求1所述的基于PTZ相机的多目标跟踪方法，其特征在于，所述步骤S1中，所述图像帧中的目标像素坐标是通过深度学习算法检测的。
4.根据权利要求1所述的基于PTZ相机的多目标跟踪方法，其特征在于，所述步骤S2中，目标在所述PTZ相机视场范围内的坐标为：
其中，x为目标在PTZ相机视场范围内的横坐标，y为目标在PTZ相机视场范围内的纵坐标，f为PTZ相机的焦点距离，Cx和Cy分别为目标在图像中的中心点的横坐标和纵坐标，Ix和Iy分别为图像的中心点的横坐标和纵坐标；W和H为图像的宽度和高度。
5.根据权利要求1所述的基于PTZ相机的多目标跟踪方法，其特征在于，所述步骤S3中，PTZ相机的云台角度包括水平角度和垂直角度；
其中，x为目标在PTZ相机视场范围内的横坐标，y为目标在PTZ相机视场范围内的纵坐标，k和b是常数。
6.根据权利要求5所述的基于PTZ相机的多目标跟踪方法，其特征在于，所述常数k和b的取值根据所述PTZ相机的云台控制协议以及云台的最大转动角度来确定。
7.根据权利要求1所述的基于PTZ相机的多目标跟踪方法，其特征在于，所述步骤S6中，根据所述偏移角速度和偏移角计算目标相对预置位下的云台偏移角，具体为：以预置位下的PTZ为固定参考系，根据每一帧下PTZ相对预置位PTZ的差值，计算角度补偿值，以每一帧的云台角度值和角度补偿值做差得到每一帧当中的目标相对预置位下的云台偏移角。
8.一种基于PTZ相机的多目标跟踪装置，其特征在于，包括：
目标像素坐标检测模块，用于从PTZ相机中获取图像帧，并检测所述图像帧中的目标像素坐标；
第一计算模块，用于根据所述目标像素坐标计算目标在所述PTZ相机视场范围内的坐标；
第二计算模块，用于将所述坐标转换为所述PTZ相机的云台角度，并根据bbox尺寸，按相应比例调整zoom；
相机控制模块，用于根据所述云台角度和所述zoom将所述PTZ相机旋转并变焦到合适的位置，使得目标保持在所述PTZ相机视场的中心位置；
预测模块，用于以所述PTZ相机预置位为固定参考系，计算目标的水平和垂直角度偏移量，将所述水平和垂直角度偏移量作为卡尔曼滤波的观测值进行建模，预测得到偏移角速度和偏移角；
匹配跟踪模块，用于根据所述偏移角速度和偏移角计算目标相对预置位下的云台偏移角，根据所述偏移角进行匹配跟踪。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310331209.5A CN116030099B (zh) | 2023-03-31 | 2023-03-31 | 一种基于ptz相机的多目标跟踪方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310331209.5A CN116030099B (zh) | 2023-03-31 | 2023-03-31 | 一种基于ptz相机的多目标跟踪方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116030099A true CN116030099A (zh) | 2023-04-28 |
| CN116030099B CN116030099B (zh) | 2023-08-08 |
Family
ID=86074520
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310331209.5A Active CN116030099B (zh) | 2023-03-31 | 2023-03-31 | 一种基于ptz相机的多目标跟踪方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116030099B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117082345A (zh) * | 2023-10-17 | 2023-11-17 | 智广海联(天津)大数据技术有限公司 | 一种ptz相机框选屏幕控制云台的方法及装置 |
| CN117241133A (zh) * | 2023-11-13 | 2023-12-15 | 武汉益模科技股份有限公司 | 基于非固定位置的多工序同时作业的视觉报工方法及系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107993257A (zh) * | 2017-12-28 | 2018-05-04 | 中国科学院西安光学精密机械研究所 | 一种智能imm卡尔曼滤波前馈补偿目标追踪方法及系统 |
| CN108475075A (zh) * | 2017-05-25 | 2018-08-31 | 深圳市大疆创新科技有限公司 | 一种控制方法、装置及云台 |
| CN110222581A (zh) * | 2019-05-13 | 2019-09-10 | 电子科技大学 | 一种基于双目相机的四旋翼无人机视觉目标跟踪方法 |
| KR20200139486A (ko) * | 2019-06-04 | 2020-12-14 | 국방과학연구소 | 지상 또는 해상의 표적을 추적하는 항공기 탑재 레이다 장치 및 그 동작 방법 |
| CN112949478A (zh) * | 2021-03-01 | 2021-06-11 | 浙江国自机器人技术股份有限公司 | 基于云台相机的目标检测方法 |
| CN113724289A (zh) * | 2021-07-21 | 2021-11-30 | 山东师范大学 | 视频图像多目标跟踪方法、系统、存储介质及设备 |
| CN114500839A (zh) * | 2022-01-25 | 2022-05-13 | 青岛根尖智能科技有限公司 | 一种基于注意力跟踪机制的视觉云台控制方法及系统 |
| CN114764817A (zh) * | 2020-12-30 | 2022-07-19 | 浙江宇视科技有限公司 | 一种云台相机的目标跟踪方法、装置、介质及电子设备 |
| CN115184917A (zh) * | 2022-09-13 | 2022-10-14 | 湖南华诺星空电子技术有限公司 | 一种融合毫米波雷达与相机的区域目标跟踪方法 |
| CN115373429A (zh) * | 2022-09-30 | 2022-11-22 | 影石创新科技股份有限公司 | 云台控制方法、装置、计算机设备和存储介质 |
-
2023
- 2023-03-31 CN CN202310331209.5A patent/CN116030099B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108475075A (zh) * | 2017-05-25 | 2018-08-31 | 深圳市大疆创新科技有限公司 | 一种控制方法、装置及云台 |
| CN107993257A (zh) * | 2017-12-28 | 2018-05-04 | 中国科学院西安光学精密机械研究所 | 一种智能imm卡尔曼滤波前馈补偿目标追踪方法及系统 |
| CN110222581A (zh) * | 2019-05-13 | 2019-09-10 | 电子科技大学 | 一种基于双目相机的四旋翼无人机视觉目标跟踪方法 |
| KR20200139486A (ko) * | 2019-06-04 | 2020-12-14 | 국방과학연구소 | 지상 또는 해상의 표적을 추적하는 항공기 탑재 레이다 장치 및 그 동작 방법 |
| CN114764817A (zh) * | 2020-12-30 | 2022-07-19 | 浙江宇视科技有限公司 | 一种云台相机的目标跟踪方法、装置、介质及电子设备 |
| CN112949478A (zh) * | 2021-03-01 | 2021-06-11 | 浙江国自机器人技术股份有限公司 | 基于云台相机的目标检测方法 |
| CN113724289A (zh) * | 2021-07-21 | 2021-11-30 | 山东师范大学 | 视频图像多目标跟踪方法、系统、存储介质及设备 |
| CN114500839A (zh) * | 2022-01-25 | 2022-05-13 | 青岛根尖智能科技有限公司 | 一种基于注意力跟踪机制的视觉云台控制方法及系统 |
| CN115184917A (zh) * | 2022-09-13 | 2022-10-14 | 湖南华诺星空电子技术有限公司 | 一种融合毫米波雷达与相机的区域目标跟踪方法 |
| CN115373429A (zh) * | 2022-09-30 | 2022-11-22 | 影石创新科技股份有限公司 | 云台控制方法、装置、计算机设备和存储介质 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117082345A (zh) * | 2023-10-17 | 2023-11-17 | 智广海联(天津)大数据技术有限公司 | 一种ptz相机框选屏幕控制云台的方法及装置 |
| CN117241133A (zh) * | 2023-11-13 | 2023-12-15 | 武汉益模科技股份有限公司 | 基于非固定位置的多工序同时作业的视觉报工方法及系统 |
| CN117241133B (zh) * | 2023-11-13 | 2024-02-06 | 武汉益模科技股份有限公司 | 基于非固定位置的多工序同时作业的视觉报工方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116030099B (zh) | 2023-08-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116030099B (zh) | 一种基于ptz相机的多目标跟踪方法及装置 | |
| CN107016367B (zh) | 一种跟踪控制方法及跟踪控制系统 | |
| US7636105B2 (en) | Method and apparatus for providing motion control signals between a fixed camera and a PTZ camera | |
| Senior et al. | Acquiring multi-scale images by pan-tilt-zoom control and automatic multi-camera calibration | |
| US8488001B2 (en) | Semi-automatic relative calibration method for master slave camera control | |
| US6819778B2 (en) | Method and system for tracking a fast moving object | |
| US9064144B2 (en) | Method and apparatus for recognizing location of user | |
| KR101347450B1 (ko) | 듀얼 카메라를 이용한 화상 감지 방법 및 장치 | |
| CN111308993B (zh) | 一种基于单目视觉的人体目标跟随方法 | |
| US8406468B2 (en) | Image capturing device and method for adjusting a position of a lens of the image capturing device | |
| JP2011166305A (ja) | 画像処理装置および撮像装置 | |
| JP6032034B2 (ja) | 物体検知装置 | |
| CN113111715B (zh) | 一种无人机目标跟踪与信息采集系统及方法 | |
| US8294768B2 (en) | System and method for motion detection | |
| JP2002374521A (ja) | 移動体の監視方法および装置 | |
| CN114581678A (zh) | 一种模板特征匹配的自动跟踪与重识别方法 | |
| CN110602376B (zh) | 抓拍方法及装置、摄像机 | |
| CN111243030B (zh) | 目标聚焦动态补偿方法、装置及存储装置 | |
| KR101916093B1 (ko) | 객체 추적 방법 | |
| CN116342642A (zh) | 目标跟踪方法、装置、电子设备及可读存储介质 | |
| WO2013023474A1 (zh) | 智能跟踪球机及其跟踪方法 | |
| JP6734994B2 (ja) | ステレオ計測装置及びシステム | |
| JP2006309450A (ja) | 画像認識装置及び画像認識方法 | |
| JP3828096B2 (ja) | 物体追跡装置 | |
| Šamija et al. | Optical flow field segmentation in an omnidirectional camera image based on known camera motion |
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 |