CN117132623B - 物品追踪方法、装置、电子设备和存储介质 - Google Patents

物品追踪方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN117132623B
CN117132623B CN202311393998.1A CN202311393998A CN117132623B CN 117132623 B CN117132623 B CN 117132623B CN 202311393998 A CN202311393998 A CN 202311393998A CN 117132623 B CN117132623 B CN 117132623B
Authority
CN
China
Prior art keywords
image
area
region
preset
feature point
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
Application number
CN202311393998.1A
Other languages
English (en)
Other versions
CN117132623A (zh
Inventor
邓意麒
伍成乾
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hunan Ke Ke Intelligent Technology Co ltd
Original Assignee
Hunan Ke Ke Intelligent Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hunan Ke Ke Intelligent Technology Co ltd filed Critical Hunan Ke Ke Intelligent Technology Co ltd
Priority to CN202311393998.1A priority Critical patent/CN117132623B/zh
Publication of CN117132623A publication Critical patent/CN117132623A/zh
Application granted granted Critical
Publication of CN117132623B publication Critical patent/CN117132623B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Image Analysis (AREA)

Abstract

本申请提供一种物品追踪方法、装置、电子设备和存储介质,该方法包括:获取传送装置传输物品的视频,并基于视频获取当前的第一图像以及第二图像,第二图像的采集时间点早于第一图像的采集时间点;获取第二图像中第一区域的多个第一特征点,并在第一图像中获取每个第一特征点所对应的第二特征点,的第一区域显示至少一个物品;在每个第一特征点与对应的第二特征点之间的差异率均小于第一预设阈值时,根据第一区域中物品的第一位置,更新物品在第一图像中的第二位置。本申请中,通过当前图像的特征点与位于当前图像之前采集的图像的特征点之间的差异率,即可实现对物品的追踪,简化了物品追踪的流程,提高了物品的追踪效率。

Description

物品追踪方法、装置、电子设备和存储介质
技术领域
本申请涉及物品追踪领域,尤其涉及一种物品追踪方法、装置、电子设备和存储介质。
背景技术
在乘坐地铁、高铁以及飞机等交通工具时,需要对随身携带的物品进行安检。安检物品的方式,是通过将物品放置传送装置上,采用物品的图像以进行物品的追踪,从而对追踪的物品进行安全性的确认。
示例性技术中,采用均值漂移算法对物品进行追踪。均值漂移算法是一种基于密度的聚类算法,通过不断向密度估计量最高簇移动,找到数据集中的簇。
但上述方式的计算量大,导致物品的追踪时间较长,也即物品的追踪效率较差。
发明内容
本申请提供一种物品追踪方法、装置、电子设备和存储介质,用以解决物品的追踪效率较差的问题。
第一方面,本申请提供一种物品追踪方法,包括:
获取传送装置传输物品的视频,并基于所述视频获取当前的第一图像以及第二图像,所述第二图像的采集时间点早于所述第一图像的采集时间点;
获取所述第二图像中第一区域的多个第一特征点,并在所述第一图像中获取每个所述第一特征点所对应的第二特征点,所述的第一区域显示至少一个物品;
在每个所述第一特征点与对应的第二特征点之间的差异率均小于第一预设阈值时,根据所述第一区域中物品的第一位置,更新所述物品在所述第一图像中的第二位置。
在一实施例中,所述在所述第一图像中获取每个所述第一特征点所对应的第二特征点的步骤之后,还包括:
在任一个所述第一特征点与对应的第二特征点之间的差异率大于或等于第一预设阈值时,对所述第一图像进行分割得到多个第二区域,所述第二区域的面积大于预设面积,且所述第二区域的方差大于或等于第一预设方差;
在所述第二区域的长度与所述第二区域在第二图像中对应的区域的长度匹配,且所述第二区域的宽度与所述第二区域在第二图像中对应的区域的宽度匹配时,在所述第二区域内的各个第三特征点中确定预设数量的第一目标特征点,所述第一目标特征点的方差大于第二预设方差,且任两个所述第一目标特征点之间的距离大于设定距离;
在所述第二图像中确定每个所述第一目标特征点对应的第二目标特征点;
在每个所述第一目标特征点与对应的第二目标特征点之间的差异率均小于第二预设阈值时,根据所述第一区域中物品的第一位置,更新所述物品在所述第一图像中的第二位置。
在一实施例中,所述对所述第二图像进行分割得到多个第二区域的步骤之后,还包括:
在所述第二区域的长度与所述第二区域在第二图像中对应的区域的长度不匹配,且所述第二区域的宽度与所述第二区域在第二图像中对应的区域的宽度匹配时,在所述第二区域中获取第一子区域,且在所述第二区域对应的区域中获取第二子区域,所述第一子区域与所述第二子区域,为所述第二区域与对应的区域之间的交叠区域;
在所述第一子区域内的各个第三特征点中确定预设数量的第三目标特征点,所述第三目标特征点的方差大于第二预设方差,且任两个所述第三目标特征点之间的距离大于设定距离;
在所述第二子区域中确定每个所述第三目标特征点对应的第四目标特征点;
在每个所述第三目标特征点与对应的第四目标特征点之间的差异率均小于第三预设阈值时,根据所述第一区域中物品的第一位置,更新所述物品在所述第一图像中的第二位置。
在一实施例中,还包括:
将所述第一图像划分为多个第三区域得到第一指纹图,并获取第二图像对应的第二指纹图;
根据所述第一指纹图、所述第二指纹图以及所述第二图像中物品的第一移动方向,确定所述第一图像中物品的第二移动方向;
按照所述第二移动方向对各个所述第二区域进行排序,并在所述第二图像中确定与排序的第二区域匹配的区域,以进行所述第二区域的尺寸与所述第二区域对应的区域的尺寸的比对,所述尺寸包括宽度以及长度。
在一实施例中,所述将所述第一图像划分为多个第三区域得到第一指纹图的步骤包括:
对所述第一图像设置多条第一直线以及多条第二直线,得到所述第一图像的多个第四区域;
将所述第四区域中预设方位的角点作为第四特征点,并将所述第四特征点在第一方向延伸第一预设距离以及在第二方向延伸第二预设距离,得到所述第四特征点对应的第三区域,所述第三区域的面积小于对应的第四区域的面积;
在所述第一图像中提取各个所述第三区域,并将提取的各个所述第三区域进行拼接得到第一指纹图。
在一实施例中,所述根据所述第一指纹图、所述第二指纹图以及所述第二图像中物品的第一移动方向,确定所述第一图像中物品的第二移动方向的步骤包括:
确定所述第一指纹图与所述第二指纹图之间的第一差异率;
在所述第一差异率大于预设差异率时,将所述第一指纹图中的各个目标直线按照所述第一移动方向,移动第三预设距离,得到第三指纹图,所述目标直线是所述第一直线或所述第二直线,且所述目标直线所在方向与所述第一移动方向之间具有夹角;
确定所述第三指纹图与所述第二指纹图之间的第二差异率;
在所述第二差异率小于预设差异率时,将所述第一移动方向确定为所述第一图像中物品的第二移动方向。
在一实施例中,所述确定所述第三指纹图与所述第二指纹图之间的第二差异率的步骤之后,还包括:
在所述第二差异率大于或等于预设差异率时,将所述第三指纹图中的各个目标直线按照所述第一移动方向,移动第三预设距离,得到更新后第三指纹图;
返回执行所述确定所述第三指纹图与所述第二指纹图之间的第二差异率的步骤。
第二方面,本申请提供一种物品追踪装置,包括:
第一获取模块,用于获取传送装置传输物品的视频,并基于所述视频获取当前的第一图像以及第二图像,所述第二图像的采集时间点早于所述第一图像的采集时间点;
第二获取模块,用于获取所述第二图像中第一区域的多个第一特征点,并在所述第一图像中获取每个所述第一特征点所对应的第二特征点,所述的第一区域显示至少一个物品;
更新模块,用于在每个所述第一特征点与对应的第二特征点之间的差异率均小于第一预设阈值时,根据所述第一区域中物品的第一位置,更新所述物品在所述第一图像中的第二位置。
第三方面,本申请提供一种电子设备,包括:处理器,以及与所述处理器通信连接的存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现如上所述的方法。
第四方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如上所述的方法。
本申请提供的物品追踪方法、装置、电子设备和存储介质,获取传送装置传输物品的视频,基于视频获取当前的第一图像以及第一图像的上一帧的第二图像,获取第二图像中第一区域对应的多个第一特征点,且在第一图像中获取第一特征点所对应的第二特征点,若每个第一特征点与对应的第二特征点之间的差异率小于预设阈值时,基于第一区域中物品的位置更新物品当前的位置以实现物品的追踪。本申请中,通过当前图像的特征点与位于当前图像之前采集的图像的特征点之间的差异率,即可实现对物品的追踪,简化了物品追踪的流程,提高了物品的追踪效率。
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,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1为本申请涉及的物品追踪方法的场景示意图;
图2为本申请提供的物品追踪方法的第一实施例的流程示意图;
图3为本申请提供的物品追踪方法的第二实施例的流程示意图;
图4为本申请提供的物品追踪方法的第三实施例的流程示意图;
图5为本申请提供的物品追踪方法的第四实施例的流程示意图;
图6为本申请物品追踪装置的模块示意图;
图7为本申请电子设备的结构示意图。
通过上述附图,已示出本申请明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围,而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,并且相关数据的收集、使用和处理需要遵守相关法律法规和标准,并提供有相应的操作入口,供用户选择授权或者拒绝。
需要说明的是,本申请物品追踪方法、装置、电子设备和存储介质可用于物品追踪领域,也可用于除物品追踪领域之外的任意领域,本申请物品追踪方法、装置、电子设备和存储介质的应用领域不做限定。
在乘坐地铁、高铁以及飞机等交通工具时,需要对随身携带的物品进行安检。安检物品的方式,是通过将物品放置传送装置上,采用物品的图像以进行物品的追踪,从而对追踪的物品进行安全性的确认。
示例性技术中,采用均值漂移算法对物品进行追踪。均值漂移算法是一种基于密度的聚类算法,通过不断向密度估计量最高簇移动,找到数据集中的簇。
本申请发明人发现,采用均值漂移算法的计算量大,导致物品的追踪时间较长,也即物品的追踪效率较差。
本申请发明人因此想到,通过当前图像的特征点与位于当前图像之前采集的图像的特征点之间的差异率,即可实现对物品的追踪,简化了物品追踪的流程,提高了物品的追踪效率。
参照图1,图1为本申请物品追踪方法的场景示意图。图像采集装置100获取传送装置200传送物品的视频,物品追踪装置300从视频中获取第一图像以及第二图像。追踪装置100可以是x光机等安检设备、可以是图像采集装置100、可以是集成图像采集装置100以及传送装置200的装置、也可以是任意具备数据处理能力的终端设备。物品追踪装置300获取第二图像中任意一个区域的多个第一特征点,并在第一图像中确定每个第一特征点所对应的第二特征点,若是每个第一特征点与对应的第二特征点之间的差异率小于预设阈值,物品追踪装置300则基于第一区域中物品的第一位置更新物品在第一图像中的第二位置。
上述采用物品追踪装置对物品追踪方法的场景示意进行说明,而本申请实施例方法的执行主体不限定是物品追踪装置,还可以是任一具有数据处理能力的电子设备,也可以是数据处理系统。需说明,数据处理系统可以单独部署在任意环境中的一个电子设备上(例如:单独部署在边缘环境的一个边缘服务器上),也可以全部部署在云环境中,还可以分布式地部署在不同的环境中。
例如,数据处理系统可以在逻辑上分成多个部分,每个部分具有不同的功能。数据处理系统中的各部分可以分别部署在电子设备(位于用户侧)、边缘环境和云环境中的任意两个或三个中。边缘环境为包括距离电子设备较近的边缘电子设备集合的环境,边缘电子设备包括:边缘服务器、拥有计算力的边缘小站等。部署在不同环境或设备的数据处理系统的各个部分协同实现数据处理系统的功能。
应理解,本申请不对数据处理系统的哪些部分部署具体部署在什么环境进行限制性的划分,实际应用时可根据电子设备的计算能力、边缘环境和云环境的资源占有情况或具体应用需求进行适应性的部署。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本申请的实施例进行描述。
参照图2,图2为本申请物品追踪方法第一实施例的流程示意图,物品追踪方法包括以下步骤:
步骤S201,获取传送装置传输物品的视频,并基于视频获取当前的第一图像以及第二图像,第二图像的采集时间点早于第一图像的采集时间点。
在本实施例中,执行主体为物品追踪装置,为了便于描述,以下采用装置指代物品追踪装置。装置获取传送装置传输物品的视频,该视频可以传送装置实时传输物品的视频。
装置在视频中获取当前的第一图像以及第二图像,第二图像是第一图像的上一帧图像,且装置已经完成对第二图像中物品的装置。传送装置所传输的物品可以是游客、旅客等其他人员携带的随身物品、办公用品或者快递包裹等。
另外,第一图像以及第二图像并不是视频中的原始图像,原始图像按照配置进行上下边缘的剪裁以减少计算量,配置指的是用于追踪的图像的最大宽度以及最大长度。剪裁后的原始图像转化为灰度图即可得到第一图像以及第二图像。
步骤S202,获取第二图像中第一区域的多个第一特征点,并在第一图像中获取每个第一特征点所对应的第二特征点,的第一区域显示至少一个物品。
第二图像是已完成物品的追踪,且各个物品在第二图像的位置具有对应的标记,物品在第二图像中所在的区域定义为第一区域,也即第一区域至少显示一个物品。装置获取第二图像中任一个第一区域的多个特征点,该特征点定义为第一特征点,第一特征点是位于第一区域中的一个或多个像素点构成的点。
示例性的,第一区域中任意两个第一特征点之间的距离大于设定距离,设定距离可以通过两个第一特征点之间间隔的像素点的数量确定。例如,设定距离是在水平方向上间隔50个像素点。另外,第一特征点的方差需要大于预设方差,第一特征点的方差基于对应的像素值进行确定。第一特征点的数量可以为大于2的任意数量,优选地,第一特征点的数量为3个。
在确定各个第一特征点后,装置在第一图像中确定每个第一特征点所多亿的第二特征点。
示例性的,每个第一特征点在第二图像中具有对应的坐标,基于该坐标,第一图像中该坐标对应的像素点作为初始特征点。物品是移动的,因而需要将初始特征点进行移动。对此,装置获取第二图像中物品的移动方向,该移动方向定义为第一移动方向,以及初始特征点为起点向第一移动方向进行查找。例如,移动方向是从左往右,装置则以初始特征点为起点,向右滑动一个距离单位找到待确定特征点,若是待确定特征点的像素值与第一特征点的像素值匹配,则待确定特征点为第二特征点;若待确定特征点的像素值与第一特征点的像素值不匹配,则向右继续滑动一个距离,直至找到与第一特征点所对应的第二特征点;若是向右移动无法找到第二特征点,则以初始特征点为起点向左滑动单位距离进行第二特征点的查找。装置通过此种方式可以在第一图像中,查找到每个第一特征点所对应的第二特征点。像素值的匹配可以是两个特征点的平均像素值之间的差值小于预设差值;像素值的不匹配则是两个特征点的平均像素值之间的差值大于或等于预设差值。
步骤S203,在每个第一特征点与对应的第二特征点之间的差异率均小于第一预设阈值时,根据第一区域中物品的第一位置,更新物品在第一图像中的第二位置。
装置在确定每个第一特征点所对应的第二特征点时,计算第一特征点与对应的第二特征点之间的差异率。示例性的,第一特征点是多个像素点构成的,装置计算第一特征点中像素值为1的像素点的第一占比,以及第二特征点中像素值为1的像素点的第二占比,第一占比与第二占比的差值即为差异率。
装置确定每个第一特征点与对应的第二特征点是否大于预设阈值,预设阈值例如为0.15。当第一区域所对应的各个差异率均小于预设阈值,则可确定第一区域中的物品已经追踪到,可以基于第一区域中物品中的第一位置更新物品在第一图像中的第二图像。示例性的,基于第一特征点与第二特征点之间的距离,可以确定物品的移动距离,将物品在的第二图像中的坐标在第一图像中朝着移动方向进行移动距离的移动,即可得到物品在第一图像中的第二位置。
在本实施例中,通过当前图像与上一帧图像中的特征点即可快速的追踪到物品,可以适用于传送装置传输较多物品的实时性要求高的应用场景。
在本实施例中,获取传送装置传输物品的视频,基于视频获取当前的第一图像以及第一图像的上一帧的第二图像,获取第二图像中第一区域对应的多个第一特征点,且在第一图像中获取第一特征点所对应的第二特征点,若每个第一特征点与对应的第二特征点之间的差异率小于预设阈值时,基于第一区域中物品的位置更新物品当前的位置以实现物品的追踪。本实施例中,通过当前图像的特征点与位于当前图像之前采集的图像的特征点之间的差异率,即可实现对物品的追踪,简化了物品追踪的流程,提高了物品的追踪效率。
参照图3,图3为本申请物品追踪方法第二实施例的流程示意图,基于第一实施例,步骤S202之后,还包括:
步骤S301,在任一个第一特征点与对应的第二特征点之间的差异率大于或等于第一预设阈值时,对第一图像进行分割得到多个第二区域,第二区域的面积大于预设面积,且第二区域的方差大于或等于第一预设方差。
在本实施例中,当任一个第一特征点与对应的第二特征点之间的差异率大于或等于预设阈值,则可确定采用上述方式无法追踪到物品。对此,装置对第一图像进行分割得到多个第二区域。
示例性的,将第一图像转化为灰度图,再将灰度图转化为二值图。装置查找二值图中所有满足要求的包裹轮廓,包裹轮廓即为物品的轮廓,包裹轮廓在二值图中即为一个第二区域。满足要求指的是第二区域的面积大于预设面积,且第二区域对应的方差大于第一预设方差。例如,第二区域的像素面积需要大于20000,也即第二区域中至少包括20000个像素点;第二区域的方差大于200。此外,第二区域的边缘不能超过第一图像的边缘。
另外,由于装置采用视频的帧率(PPS)以及传输物品(装置可以是传送装置)的速度(PPS,像素/秒)是一定的,因此,在较短的时间内,视频中不会连续出现新的物品,且出现新的物品出现后不会立即从视频中移除。基于此,可以基于物品的最小宽度w适当的间隔一些帧的数量n进行包裹分割,以减少计算量。可以理解的是,第二图像并不一定是第一图像的上一帧图像,第二图像与第一图像之间间隔数量n帧图像。n=w/(FPS/PPS)。另外,若是对于物品追踪的实时性要求不高,则可增大w提高效率,但w不能超过图像的宽度。实时性要求不高指的是传送装置所传输的物品较少。
步骤S302,在第二区域的长度与第二区域在第二图像中对应的区域的长度匹配,且第二区域的宽度与第二区域在第二图像中对应的区域的宽度匹配时,在第二区域内的各个第三特征点中确定预设数量的第一目标特征点,第一目标特征点的方差大于第二预设方差,且任两个第一目标特征点之间的距离大于设定距离。
在获得多个第二区域后,装置确定每个第二区域与第二区域在第二图像中的区域是否匹配。第二图像中设置有多个区域,且每个区域也是通过上述方式分割得到的,第二区域在第二图像中有对应的区域。例如,第二区域是第一图像中第一列的第二个区域,则第二区域在第二图像所对应的区域是第二图像中的第一列第二个。
当在第二区域的长度与第二区域在第二图像中对应的区域的长度匹配,且第二区域的宽度与第二区域在第二图像中对应的区域的宽度匹配时,即可确定第一区域与对应的区域的尺寸是匹配的,因而可以直接进行第二区域与对应的区域的差异率的计算。长度的匹配可以是两个区域的长度差值小于预设长度,可以是两个区域的长度的差与和的比值小于第一预设比值,第一预设比值例如为0.1;宽度的匹配可以是两个区域的宽度差值小于预设宽度,可以是两个区域的宽度的差与和的比值小于第二预设比值,第二预设比值例如为0.3。
进一步的,装置在比对第二区域与对应的区域的尺寸是否匹配之前,需要先判断第二区域中像素点的第一数量与对应的区域内的像素点的第二数量是否匹配。若是第一数量与第二数量的差与和的比值小于或等于第三预设比值,即可确定第二区域中像素点的第一数量与对应的区域内的像素点的第二数量匹配,第三预设比值例如为0.5。也即在第二区域中像素点的第一数量与对应的区域内的像素点的第二数量匹配时,装置再判断第二区域与对应的区域的尺寸是否匹配。
第二区域中有多个特征点,该特征点定义为第三特征点,第三特征点可以是第二图像中任意的像素点。装置在第二区域的各个第三特征点中确定预设数量的第一目标特征点,第一目标特征点的方差大于第二预设方差,且任两个第一目标特征点之间的距离大于设定距离。示例性的,预设数量可以是3。
步骤S303,在第二图像中确定每个第一目标特征点对应的第二目标特征点。
在确定各个第一目标特征点后,装置在第二图像中确定每个第一目标特征点所对应的第二目标特征点。
示例性的,若是第二区域的宽度大于第二区域在第二图像中对应的区域的宽度时,且可以确定第一图像中物品的移动是向左移动,装置现在第二图像中找到与第一目标特征点对应的待处理特征点,待处理特征点的确定方式参照上述初始特征点的确定方式,装置再以待处理特征点起点先向左边依次滑动,直至找到第二目标特征点;若是未找到,则依次向右边滑动以查找第二目标特征点。若是第二区域的宽度小于或等于第二区域在第二图像中对应的区域的宽度时,则先往右滑动查找,再往左查找。需要说明的是,在先进行查找时,需要将第二区域与对应的区域进行边缘对齐。
若是第一图像中物品的移动是向右移动,且第二区域的宽度大于第二区域在第二图像中对应的区域的宽度,以待处理特征点起点先向右边依次滑动,直至找到第二目标特征点;若是未找到,则依次向左边滑动以查找第二目标特征点。若是第二区域的宽度小于或等于第二区域在第二图像中对应的区域的宽度时,则先往左滑动查找,再往右查找。
示例性的,每次查找的滑动距离D = abs(W1-W2) + (N1+N2)*0.1,其中W1为第二区域的宽度、W2为第二区域在第二图像中对应的区域的宽度,N1为第二区域的像素点的数量、N2为第二区域在第二图像中对应的区域的像素点的数目。
步骤S304,在每个第一目标特征点与对应的第二目标特征点之间的差异率均小于第二预设阈值时,根据第一区域中物品的第一位置,更新物品在第一图像中的第二位置。
装置计算每个第一目标特征点与对应的第二目标特征点之间的差异率。若是各个差异率均小于预设阈值,则基于第一区域中物品的第一位置,更新物品在第一图像中的第二位置。
进一步的,当各个差异率均小于预设阈值,装置基于第二区域与对应的区域在x方向上的偏移量,偏移量可以视为第二区域与对应的区域的宽度差。装置通过偏移量可以获取第二区域与对应的区域之间的交叠区域,也即从第二区域中截取与对应的区域所交叠的区域,该区域定义为第一子区域;从区域中截取与该区域对应的第二区域所交叠的区域,该区域定义为第二子区域。装置计算第一子区域与第二子区域的差异率,若是差异率小于设定值,则可确定追踪到了物品,则基于第一区域中物品的第一位置,更新物品在第一图像中的第二位置。
需要说明的是,当第二区域的宽度与对应的区域的宽度的差与和的比值大于第一预设比值、第二区域的长度与对应的区域的长度的差与和的比值大于第二预设比值、第一数量与第二数量的差与和的比值小于或等于第三预设比值、任一个第一目标特征点与对应的第二目标特征点之间的差异率大于或等于第二预设阈值、和/或第一子区域与第二子区域的差异率大于或等于设定值,则可确定第二区域与对应的区域不相似,也即未追踪到物品,装置进行下一个第二区域中物品的追踪。
在本实施例中,当任一个第一特征点与对应的第二特征点之间的差异率大于或等于第一预设阈值时,装置采用更加精细的方式追踪物品,以确保唯一准确的追踪到物品。
参照图4,图4为本申请物品追踪方法第三实施例的流程示意图,基于第二实施例,步骤S301之后,还包括:
步骤S401,在第二区域的长度与第二区域在第二图像中对应的区域的长度不匹配,且第二区域的宽度与第二区域在第二图像中对应的区域的宽度匹配时,在第二区域中获取第一子区域,且在第二区域对应的区域中获取第二子区域,第一子区域与第二子区域,为第二区域与对应的区域之间的交叠区域。
在本实施例中,在第二区域的长度与第二区域在第二图像中对应的区域的长度不匹配,且第二区域的宽度与第二区域在第二图像中对应的区域的宽度匹配时,装置在第二区域中获取第二区域与对应的区域之间的交叠区域,第二区域的交叠区域定义为第一子区域,第二区域与对应的区域的交叠区域定义为第二子区域,第一子区域以及第二子区域可以是在Y方向上的交叠区域。
步骤S402,在第一子区域内的各个第三特征点中确定预设数量的第三目标特征点,第三目标特征点的方差大于第二预设方差,且任两个第三目标特征点之间的距离大于设定距离。
步骤S403,在第二子区域中确定每个第三目标特征点对应的第四目标特征点。
步骤S404,在每个第三目标特征点与对应的第四目标特征点之间的差异率均小于第三预设阈值时,根据第一区域中物品的第一位置,更新物品在第一图像中的第二位置。
在确定交叠区域后,装置在第一子区域内的各个第三特征点中确定预设数量的第三目标特征点,第三目标特征点的方差大于第二预设方差,且任两个第三目标特征点之间的距离大于设定距离。
装置在第二子区域中确定每个第三目标特征点对应的第四目标特征点。在每个第三目标特征点与对应的第四目标特征点之间的差异率均小于第三预设阈值时,根据第一区域中物品的第一位置,更新物品在第一图像中的第二位置。
第三目标特征点的确定与第一目标特征点的确定方式相同,第四目标特征点的查找与第二目标特征点的查找相同,具体参照上述说明,在此不再进行赘述。
当第二子区域或者第一子区域的像素点的数量与第二区域中像素点的数量的比值小于阈值,则无需进行第三目标特征点的确定,开始下一个第二区域中物品的追踪。
在本实施例中,若第二区域与对应的区域仅在宽度上匹配,则基于宽度所在的Y方向获取两个区域相互的交叠区域,从而基于交叠区域准确进行物品的追踪。
参照图5,图5为本申请物品追踪方法第四实施例的流程示意图,基于第二实施例或第三实施例,步骤S401之后,还包括:
步骤S501,将第一图像划分为多个第三区域得到第一指纹图,并获取第二图像对应的第二指纹图。
在本实施例中,装置需要基于第一图像中物品的移动方向进行第二区域与对应的区域的尺寸的比对,从而可以提高后续追踪的效率。
对此,装置先将第一图像划分为多个第三区域即可得到第一指纹图。在一示例中,装置随机的在第一图像上设置网格线即可得到多个区域,将各个区域进行裁剪,再进行拼接即可得到第一指纹图。通过这种方式可以减少追踪的计算量。
在另一示例中,装置对第一图像设置多条第一直线以及多条第二直线,的第一图像的多个第四区域,第四区域优选为最小的网格。各个第一直线相互平行,且各个第二直线相互平行,优选的,第一直线与第二直线垂直相交。装置将第一区域中预设方位的角点作为第四特征点,并将第四特征点在第一方向上延伸第一预设距离以及在第二方向上延伸第二预设距离得到第四特征点对应的第三区域。预设方位例如为左上方的角点。示例性的,第一方向是第四特征点所在的第一直线的方向,第二方向是第四特征点所在的第二直线的方向,第一预设距离以及第二预设距离可以是任意合数的数值,例如,第一预设距离以及第二预设距离可以为三个像素点的长度。第三区域的面积小于对应的第四区域的面积,优选地,第三区域位于第四区域内。装置提取各个第三区域,并将提取的各个第三区域进行拼接即可得到第一指纹图。
此外,相邻第一直线之间的第一距离与第二距离为正相关,第二距离是相邻的第一直线中的任一直线与第一图像中心之间的距离;相邻第而直线之间的第三距离与第四距离为正相关,第四距离是相邻的第二直线中的任一直线与第一图像中心之间的距离。
示例性的,对于横向直线(第一直线)h、h、h……hm/2,它们之间的间距应满足首项为P,公差为S的递减等差数列,h、h、h……hm/2是第一图像中心左侧的横线直线,且hm/2与第一图像中心之间的距离最小;对于横向直线(第一直线)h(m/2)+1、h(m/2)+2……h,它们之间的间距应满足首项为h(m/2)-1-hm/2距离,公差为S的递增等差数列, hm/2+1、hm/2+2……h是第一图像中心右侧的横线直线,且hm/2+1与第一图像中心之间的距离最小。
对于竖向直线(第二直线)v、v、v……vn/2,它们之间的间距应满足首项为P,公差为S的递减等差数列,v、v、v……vn/2是第一图像中心上侧的横线直线,且vn/2与第一图像中心之间的距离最小;对于竖向直线(第二直线)v(n/2)+1、v(n/2)+2……vn,它们之间的间距应满足首项为vn/2-1-vn/2距离,公差为S的递增等差数列, v(n/2)+1、v(n/2)+2……vn是第一图像中心下侧的横线直线,且v(n/2)+1与第一图像中心之间的距离最小。通过此种设置方式,可以提高第一图像的网格中心位置的特征点密集度略大,提高选取命中率。
P =(W * H * / 100000 + 1) * S、m=H/(S*10)、n=W/(S*10)。S为第一预设距离或第二预设距离,W为第一图像的宽度,H为第一图像的高度或者长度。
需要说明的是,上述的第三特征点可以是在各个第四特征点中确定。装置计算第四特征点的方差,若是方差大于预设方差,则将第四特征点作为候选特征点,并在候选特征点中确定第三特征点,任两个第三特征点之间的距离大于设定距离。若是第三特征点的数量小于预设数量,装置则多设置第一指向以及第二直线,直至第三特征点的数量达到预设数量,若是仍然无法找到预设数量的第三特征点,则可确定第二区域与对应的区域不相似,进行下一个第二区域中物品的追踪。
装置在获得第一指纹图后,获取第二图像对应的第二指纹图,第二指纹图的获取方式与第一指纹图的获取方式相同。
步骤S502,根据第一指纹图、第二指纹图以及第二图像中物品的第一移动方向,确定第一图像中物品的第二移动方向。
装置基于第一指纹图、第二指纹图以及第二图像中物品的第一移动方向确定第一图像中物品的第二移动方式。
示例性的,装置确定第一指纹图与第二指纹图的第一差异率,若是第一差异率小于或等于预设差异率,则可确定第一图像中物品的移动方向是停止的,此时不再进行物品的追踪。预设差异率可为任意合适的数值,例如,预设差异率为0.01。
当第一差异率大于预设差异率时,装置将第一指纹图的各个目标指向案子第一移动方向移动第三预设距离得到第三指纹图,目标直线是第一直线或第二直线,且目标直线所在方向与第一移动方向之间具有夹角。例如,第一移动方向是从左往右,则滑动策略是第一直线(竖向直线)向左移动。装置确定第三指纹图与第二指纹图之间的第二差异率,若是第二差异率小于预设差异率,则将第一移动方向确定为第二图像中物品的移动方向。当第二差异率大于或等于预设差异率时,将第三指纹图中的各个目标指向按照第一移动方向移动第三预设距离得到更新后的第三指纹图,再返回执行确定第三指纹图与第二指纹图之间的第二差异率。
示例性的,如果第二图像的第一移动方向为从左往右,滑动策略如下:
1、先将其网格向左依次滑动1、2、3……14、15个像素。每次滑动后,重新合成第三指纹图,如果任一个第三指纹图和第二指纹图差异率小于阈值0.01,则直接判定第二移动方向为从左往右,且停止滑动。也即装置最多滑动15次查找差异率小于0.01的第三指纹图。
2、若是上述没有找到小于0.01的第三指纹图,将其网格向右依次滑动1、2、3……14、15个像素。每次滑动后,重新合成第三指纹图,如果任一个第三指纹图和第二指纹图差异率小于阈值0.01,则直接判定第二移动方向为从右往左。
如果第二图像的第一移动方向为从右往左,滑动策略如下:
1、先将其网格向右依次滑动1、2、3……14、15个像素。每次滑动后,重新合成第三指纹图,如果任一个第三指纹图和第二指纹图差异率小于阈值0.01,则直接判定第二移动方向为从右往左,且停止滑动。也即装置最多滑动15次查找差异率小于0.01的第三指纹图。
2、若是上述没有找到小于0.01的第三指纹图,将其网格向左依次滑动1、2、3……14、15个像素。每次滑动后,重新合成第三指纹图,如果任一个第三指纹图和第二指纹图差异率小于阈值0.01,则直接判定第二移动方向为从左往右。
需要说明的是,网格左右滑动的最大距离15像素可根据实际情况的视频帧率和移动速度进行适当配置。
步骤S503,按照第二移动方向对各个第二区域进行排序,并在第二图像中确定与排序的第二区域匹配的区域,以进行第二区域的尺寸与所述第二区域对应的区域的尺寸的比对,尺寸包括宽度以及长度。
在确定第二移动方向后,装置按照第二移动方向对各个第二区域进行排序,并在第二图像中确定与排序的第二区域所匹配的区域,从而进行第二区域的尺寸与对应的区域的比对。示例性的,若是第二移动方向是从左往右,则按照第二区域的x坐标进行升序排序;若是第二移动方向是从右往左,则按照第二区域的x坐标进行降序排序。
在本实施例中,通过确定第一图像中物品的移动方向,从而提高物品的追踪效率。
本申请还提供一种物品追踪装置,参照图6,物品追踪装置600包括:
第一获取模块610,用于获取传送装置传输物品的视频,并基于视频获取当前的第一图像以及第二图像,第二图像的采集时间点早于第一图像的采集时间点;
第二获取模块620,用于获取第二图像中第一区域的多个第一特征点,并在第一图像中获取每个第一特征点所对应的第二特征点,的第一区域显示至少一个物品;
更新模块630,用于在每个第一特征点与对应的第二特征点之间的差异率均小于第一预设阈值时,根据第一区域中物品的第一位置,更新物品在第一图像中的第二位置。
在一实施例中,物品追踪装置600还包括:
分割模块,用于在任一个第一特征点与对应的第二特征点之间的差异率大于或等于第一预设阈值时,对第一图像进行分割得到多个第二区域,第二区域的面积大于预设面积,且第二区域的方差大于或等于第一预设方差;
确定模块,用于在第二区域的长度与第二区域在第二图像中对应的区域的长度匹配,且第二区域的宽度与第二区域在第二图像中对应的区域的宽度匹配时,在第二区域内的各个第三特征点中确定预设数量的第一目标特征点,第一目标特征点的方差大于第二预设方差,且任两个第一目标特征点之间的距离大于设定距离;
确定模块,还用于在第二图像中确定每个第一目标特征点对应的第二目标特征点;
更新模块630,还用于在每个第一目标特征点与对应的第二目标特征点之间的差异率均小于第二预设阈值时,根据第一区域中物品的第一位置,更新物品在第一图像中的第二位置。
在一实施例中,物品追踪装置600还包括:
第一获取模块610,还用于在第二区域的长度与第二区域在第二图像中对应的区域的长度不匹配,且第二区域的宽度与第二区域在第二图像中对应的区域的宽度匹配时,在第二区域中获取第一子区域,且在第二区域对应的区域中获取第二子区域,第一子区域与第二子区域,为第二区域与对应的区域之间的交叠区域;
确定模块,还用于在第一子区域内的各个第三特征点中确定预设数量的第三目标特征点,第三目标特征点的方差大于第二预设方差,且任两个第三目标特征点之间的距离大于设定距离;
确定模块,还用于在第二子区域中确定每个第三目标特征点对应的第四目标特征点;
更新模块630,还用于在每个第三目标特征点与对应的第四目标特征点之间的差异率均小于第三预设阈值时,根据第一区域中物品的第一位置,更新物品在第一图像中的第二位置。
在一实施例中,物品追踪装置600还包括:
划分模块,用于将第一图像划分为多个第三区域得到第一指纹图,并获取第二图像对应的第二指纹图;
确定模块,还用于根据第一指纹图、第二指纹图以及第二图像中物品的第一移动方向,确定第一图像中物品的第二移动方向;
排序模块,用于按照第二移动方向对各个第二区域进行排序,并在第二图像中确定与排序的第二区域匹配的区域,以进行第二区域的尺寸与所述第二区域对应的区域的尺寸的比对,尺寸包括宽度以及长度。
在一实施例中,物品追踪装置600还包括:
设置模块,用于对第一图像设置多条第一直线以及多条第二直线,得到第一图像的多个第四区域;
确定模块,还用于将第四区域中预设方位的角点作为第四特征点,并将第四特征点在第一方向延伸第一预设距离以及在第二方向延伸第二预设距离,得到第四特征点对应的第三区域,第三区域的面积小于对应的第四区域的面积;
提取模块,用于在第一图像中提取各个第三区域,并将提取的各个第三区域进行拼接得到第一指纹图。
在一实施例中,物品追踪装置600还包括:
确定模块,还用于确定第一指纹图与第二指纹图之间的第一差异率;
移动模块,用于在第一差异率大于预设差异率时,将第一指纹图中的各个目标直线按照第一移动方向,移动第三预设距离,得到第三指纹图,目标直线是第一直线或第二直线,且目标直线所在方向与第一移动方向之间具有夹角;
确定模块,还用于确定第三指纹图与第二指纹图之间的第二差异率;
确定模块,还用于在第二差异率小于预设差异率时,将第一移动方向确定为第一图像中物品的第二移动方向。
在一实施例中,物品追踪装置600还包括:
移动模块,用于在第二差异率大于或等于预设差异率时,将第三指纹图中的各个目标直线按照第一移动方向,移动第三预设距离,得到更新后第三指纹图;
执行模块,用于返回执行确定第三指纹图与第二指纹图之间的第二差异率的步骤。
图7是根据一示例性实施例示出的一种电子设备的硬件结构图。
电子设备700可以包括:处理器71,例如CPU,存储器72,收发器73。本领域技术人员可以理解,图7中示出的结构并不构成对电子设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。存储器72可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
处理器71可以调用存储器72内存储的计算机程序或计算机执行执行指令,以完成上述的物品追踪方法的全部或部分步骤。
收发器73用于接收外部设备发送的信息以及向外部设备发送信息。
一种电子设备,包括:处理器,以及与处理器通信连接的存储器;
存储器存储计算机执行指令;
处理器执行存储器存储的计算机执行指令,以实现如上任一实施例的物品追踪方法。
一种非临时性计算机可读存储介质,当该存储介质中的指令(计算机执行指令)由电子设备的处理器执行时,使得电子设备能够执行上述物品追踪方法。
一种计算机程序产品,包括计算机程序,当该计算机程序由电子设备的处理器执行时,使得电子设备能够执行上述物品追踪方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由下面的权利要求书指出。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。

Claims (9)

1.一种物品追踪方法,其特征在于,包括:
获取传送装置传输物品的视频,并基于所述视频获取当前的第一图像以及第二图像,所述第二图像的采集时间点早于所述第一图像的采集时间点;
获取所述第二图像中第一区域的多个第一特征点,并在所述第一图像中获取每个所述第一特征点所对应的第二特征点,所述的第一区域显示至少一个物品;
在每个所述第一特征点与对应的第二特征点之间的差异率均小于第一预设阈值时,根据所述第一区域中物品的第一位置,更新所述物品在所述第一图像中的第二位置;
所述在所述第一图像中获取每个所述第一特征点所对应的第二特征点的步骤之后,还包括:
在任一个所述第一特征点与对应的第二特征点之间的差异率大于或等于第一预设阈值时,对所述第一图像进行分割得到多个第二区域,所述第二区域的面积大于预设面积,且所述第二区域的方差大于或等于第一预设方差;
在所述第二区域的长度与所述第二区域在第二图像中对应的区域的长度匹配,且所述第二区域的宽度与所述第二区域在第二图像中对应的区域的宽度匹配时,在所述第二区域内的各个第三特征点中确定预设数量的第一目标特征点,所述第一目标特征点的方差大于第二预设方差,且任两个所述第一目标特征点之间的距离大于设定距离;
在所述第二图像中确定每个所述第一目标特征点对应的第二目标特征点;
在每个所述第一目标特征点与对应的第二目标特征点之间的差异率均小于第二预设阈值时,根据所述第一区域中物品的第一位置,更新所述物品在所述第一图像中的第二位置。
2.根据权利要求1所述的物品追踪方法,其特征在于,所述对所述第一图像进行分割得到多个第二区域的步骤之后,还包括:
在所述第二区域的长度与所述第二区域在第二图像中对应的区域的长度不匹配,且所述第二区域的宽度与所述第二区域在第二图像中对应的区域的宽度匹配时,在所述第二区域中获取第一子区域,且在所述第二区域对应的区域中获取第二子区域,所述第一子区域与所述第二子区域,为所述第二区域与对应的区域之间的交叠区域;
在所述第一子区域内的各个第三特征点中确定预设数量的第三目标特征点,所述第三目标特征点的方差大于第二预设方差,且任两个所述第三目标特征点之间的距离大于设定距离;
在所述第二子区域中确定每个所述第三目标特征点对应的第四目标特征点;
在每个所述第三目标特征点与对应的第四目标特征点之间的差异率均小于第三预设阈值时,根据所述第一区域中物品的第一位置,更新所述物品在所述第一图像中的第二位置。
3.根据权利要求1所述的物品追踪方法,其特征在于,还包括:
将所述第一图像划分为多个第三区域得到第一指纹图,并获取第二图像对应的第二指纹图;
根据所述第一指纹图、所述第二指纹图以及所述第二图像中物品的第一移动方向,确定所述第一图像中物品的第二移动方向;
按照所述第二移动方向对各个所述第二区域进行排序,并在所述第二图像中确定与排序的第二区域匹配的区域,以进行所述第二区域的尺寸与所述第二区域对应的区域的尺寸的比对,所述尺寸包括宽度以及长度。
4.根据权利要求3所述的物品追踪方法,其特征在于,所述将所述第一图像划分为多个第三区域得到第一指纹图的步骤包括:
对所述第一图像设置多条第一直线以及多条第二直线,得到所述第一图像的多个第四区域;
将所述第四区域中预设方位的角点作为第四特征点,并将所述第四特征点在第一方向延伸第一预设距离以及在第二方向延伸第二预设距离,得到所述第四特征点对应的第三区域,所述第三区域的面积小于对应的第四区域的面积;
在所述第一图像中提取各个所述第三区域,并将提取的各个所述第三区域进行拼接得到第一指纹图。
5.根据权利要求4所述的物品追踪方法,其特征在于,所述根据所述第一指纹图、所述第二指纹图以及所述第二图像中物品的第一移动方向,确定所述第一图像中物品的第二移动方向的步骤包括:
确定所述第一指纹图与所述第二指纹图之间的第一差异率;
在所述第一差异率大于预设差异率时,将所述第一指纹图中的各个目标直线按照所述第一移动方向,移动第三预设距离,得到第三指纹图,所述目标直线是所述第一直线或所述第二直线,且所述目标直线所在方向与所述第一移动方向之间具有夹角;
确定所述第三指纹图与所述第二指纹图之间的第二差异率;
在所述第二差异率小于预设差异率时,将所述第一移动方向确定为所述第一图像中物品的第二移动方向。
6.根据权利要求5所述的物品追踪方法,其特征在于,所述确定所述第三指纹图与所述第二指纹图之间的第二差异率的步骤之后,还包括:
在所述第二差异率大于或等于预设差异率时,将所述第三指纹图中的各个目标直线按照所述第一移动方向,移动第三预设距离,得到更新后第三指纹图;
返回执行所述确定所述第三指纹图与所述第二指纹图之间的第二差异率的步骤。
7.一种物品追踪装置,其特征在于,包括:
第一获取模块,用于获取传送装置传输物品的视频,并基于所述视频获取当前的第一图像以及第二图像,所述第二图像的采集时间点早于所述第一图像的采集时间点;
第二获取模块,用于获取所述第二图像中第一区域的多个第一特征点,并在所述第一图像中获取每个所述第一特征点所对应的第二特征点,所述的第一区域显示至少一个物品;
更新模块,用于在每个所述第一特征点与对应的第二特征点之间的差异率均小于第一预设阈值时,根据所述第一区域中物品的第一位置,更新所述物品在所述第一图像中的第二位置;
还包括:
分割模块,用于在任一个第一特征点与对应的第二特征点之间的差异率大于或等于第一预设阈值时,对第一图像进行分割得到多个第二区域,第二区域的面积大于预设面积,且第二区域的方差大于或等于第一预设方差;
确定模块,用于在第二区域的长度与第二区域在第二图像中对应的区域的长度匹配,且第二区域的宽度与第二区域在第二图像中对应的区域的宽度匹配时,在第二区域内的各个第三特征点中确定预设数量的第一目标特征点,第一目标特征点的方差大于第二预设方差,且任两个第一目标特征点之间的距离大于设定距离;
确定模块,还用于在第二图像中确定每个第一目标特征点对应的第二目标特征点;
更新模块,还用于在每个第一目标特征点与对应的第二目标特征点之间的差异率均小于第二预设阈值时,根据第一区域中物品的第一位置,更新物品在第一图像中的第二位置。
8.一种电子设备,包括:处理器,以及与所述处理器通信连接的存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现如权利要求1至6所述的方法。
9.一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中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1至6任一项所述的方法。
CN202311393998.1A 2023-10-26 2023-10-26 物品追踪方法、装置、电子设备和存储介质 Active CN117132623B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311393998.1A CN117132623B (zh) 2023-10-26 2023-10-26 物品追踪方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311393998.1A CN117132623B (zh) 2023-10-26 2023-10-26 物品追踪方法、装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN117132623A CN117132623A (zh) 2023-11-28
CN117132623B true CN117132623B (zh) 2024-02-23

Family

ID=88851124

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311393998.1A Active CN117132623B (zh) 2023-10-26 2023-10-26 物品追踪方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN117132623B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005309746A (ja) * 2004-04-21 2005-11-04 Nippon Telegr & Teleph Corp <Ntt> 動物体追跡方法、動物体追跡プログラムおよびその記録媒体、ならびに、動物体追跡装置
CN109864806A (zh) * 2018-12-19 2019-06-11 江苏集萃智能制造技术研究所有限公司 基于双目视觉的动态补偿功能的穿刺机器人导航系统
CN111241987A (zh) * 2020-01-08 2020-06-05 同济大学 基于代价敏感的三支决策的多目标模型视觉追踪方法
WO2020211624A1 (zh) * 2019-04-18 2020-10-22 腾讯科技(深圳)有限公司 对象追踪方法、追踪处理方法、相应的装置、电子设备
CN114549872A (zh) * 2022-02-27 2022-05-27 重庆长安汽车股份有限公司 基于颜色和结构的目标特征计算方法
CN114998628A (zh) * 2022-06-06 2022-09-02 西安科技大学 基于模板匹配的孪生网络长时目标跟踪方法
CN116012413A (zh) * 2022-12-26 2023-04-25 达闼科技(北京)有限公司 图像特征点的跟踪方法、装置、电子设备及存储介质
CN116309729A (zh) * 2023-02-20 2023-06-23 珠海视熙科技有限公司 目标追踪方法、装置、终端、系统及可读存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005309746A (ja) * 2004-04-21 2005-11-04 Nippon Telegr & Teleph Corp <Ntt> 動物体追跡方法、動物体追跡プログラムおよびその記録媒体、ならびに、動物体追跡装置
CN109864806A (zh) * 2018-12-19 2019-06-11 江苏集萃智能制造技术研究所有限公司 基于双目视觉的动态补偿功能的穿刺机器人导航系统
WO2020211624A1 (zh) * 2019-04-18 2020-10-22 腾讯科技(深圳)有限公司 对象追踪方法、追踪处理方法、相应的装置、电子设备
CN111241987A (zh) * 2020-01-08 2020-06-05 同济大学 基于代价敏感的三支决策的多目标模型视觉追踪方法
CN114549872A (zh) * 2022-02-27 2022-05-27 重庆长安汽车股份有限公司 基于颜色和结构的目标特征计算方法
CN114998628A (zh) * 2022-06-06 2022-09-02 西安科技大学 基于模板匹配的孪生网络长时目标跟踪方法
CN116012413A (zh) * 2022-12-26 2023-04-25 达闼科技(北京)有限公司 图像特征点的跟踪方法、装置、电子设备及存储介质
CN116309729A (zh) * 2023-02-20 2023-06-23 珠海视熙科技有限公司 目标追踪方法、装置、终端、系统及可读存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
" Robust visual tracking through deep learning-based confidence evaluation";au Euntae Hong etc;《2015 12th International Conference on Ubiquitous Robots and Ambient Intelligence (URAI)》;全文 *
基于深度特征和相关滤波器的视觉目标跟踪;侯建华;邓雨;陈思萌;项俊;;中南民族大学学报(自然科学版)(02);全文 *

Also Published As

Publication number Publication date
CN117132623A (zh) 2023-11-28

Similar Documents

Publication Publication Date Title
CN111242088B (zh) 一种目标检测方法、装置、电子设备及存储介质
CN112179330B (zh) 移动设备的位姿确定方法及装置
US7471809B2 (en) Method, apparatus, and program for processing stereo image
CN110992356A (zh) 目标对象检测方法、装置和计算机设备
US10366304B2 (en) Localization and mapping method
JP2915894B2 (ja) ターゲット追跡方法及び装置
EP2602761A1 (en) Object detection device, object detection method, and program
US9361668B2 (en) Method and apparatus for generating disparity map
CN111624622B (zh) 障碍物检测方法、装置
WO2005017820A1 (en) Computer-vision system for classification and spatial localization of bounded 3d-objects
CN109035295B (zh) 多目标跟踪方法、装置、计算机设备和存储介质
CN115049700A (zh) 一种目标检测方法及装置
CN113191180A (zh) 目标跟踪方法、装置、电子设备及存储介质
RU2725561C2 (ru) Способ и устройство обнаружения полос движения
US20220084238A1 (en) Multiple transparent objects 3d detection
CN105261040B (zh) 一种多目标跟踪方法及装置
CN113255651A (zh) 包裹安检方法、装置及系统和节点设备、存储装置
CN114155303B (zh) 基于双目相机的参数立体匹配方法和系统
CN117132623B (zh) 物品追踪方法、装置、电子设备和存储介质
CN101739553B (zh) 一种视差图像中目标识别方法
CN111008987B (zh) 基于灰色背景中边缘图像提取方法、装置及可读存储介质
CN113591735A (zh) 一种基于深度学习的行人检测方法及系统
US20070014438A1 (en) Method of iris recognition using cumulative-sum-based change point analysis and apparatus using the same
CN114998855A (zh) 道路边缘线的生成方法、装置、存储介质和计算机设备
CN115588018A (zh) 一种图像处理方法、装置、电子设备及存储介质

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
GR01 Patent grant
GR01 Patent grant