CN102136147B - 一种目标检测与跟踪方法、***及视频监控设备 - Google Patents
一种目标检测与跟踪方法、***及视频监控设备 Download PDFInfo
- Publication number
- CN102136147B CN102136147B CN2011100694470A CN201110069447A CN102136147B CN 102136147 B CN102136147 B CN 102136147B CN 2011100694470 A CN2011100694470 A CN 2011100694470A CN 201110069447 A CN201110069447 A CN 201110069447A CN 102136147 B CN102136147 B CN 102136147B
- Authority
- CN
- China
- Prior art keywords
- target
- pixel
- image
- tracking
- ratio
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明适用于智能信息处理技术领域,提供了一种目标检测与跟踪方法、***及视频监控设备,所述方法包括下述步骤:步骤1,接收客户端输入的视频数据,采集该视频数据中的任意一帧图像,并设置像素阈值;步骤2,根据所述像素阈值获取所述图像中目标的像素点个数与所述图像中总的像素点个数的比值,判断所述比值是否在预设的范围内,否,则执行步骤3,是,则执行步骤4;步骤3,调整所述像素阈值,返回步骤2;步骤4,根据所述像素阈值获取所述图像中目标的像素点属性信息,根据所述像素点属性信息获取跟踪的目标。本发明解决了视频监控***不能够有效而准确地检测目标的问题,增强了目标检测的抗干扰能力,加快了获取目标的速度,进一步提高了目标的准确度和位置精度。
Description
技术领域
本发明属于智能信息处理技术领域,尤其涉及一种目标检测与跟踪方法、***及视频监控设备。
背景技术
在监控***快速发展的今天,***规模越来越大,监控点越来越多,工作人员面对越来越多的图像也已无暇顾及。随之而来催生出的智能监控产品将扮演起智能分析的角色,以移动跟踪为代表的智能化成为前端产品发展的趋势。自移动跟踪快球推出以来,越来越多苦于球机功能同质化严重的现况的球机厂商,把移动跟踪定为球机发展的一个重要方向。到目前为止,智能跟踪高速球已经历了两代发展。第一代是基于区域内运动检测的,区域内有多个运动目标时常常导致跟踪目标切换。第二代为锁定跟踪,目标不容易切换,但目前的产品仍有很多缺陷和不足。
在目标检测环节,通用的目标与背景分离策略有两种。一种是固定阈值的帧差,在阈值设置合理时能以较少的运算量快速得到运动前景,但阈值设置过大或者过小时,就会出现前景过少或过多,且环境光照变化时,阈值不能随着环境光照变化而变化,导致前景的漏检或误检。一种是逐像素自适应阈值的高斯模型,但高斯模型运算量大,且需要累积多帧学习才能检出较好的前景,摄像机静止较长时间才能得到稳定有效的前景目标,摄像机从运动静止到下次检测或校正目标,并且在应用于轴向运动摄像机时,会出现静止背景变成前景的严重错误。
在目标跟踪环节,效果较好的是基于区域颜色的特征跟踪,但通用的方法是把目标区域作为一个整体,提取颜色直方图,在下一帧图像的相应邻近位置进行匹配。直方图是个区域内的统计量,不包含位置信息。然而实际的目标不一定是单色的,尤其是人,上衣和裤子颜色经常有较大差异,若把这两个颜色合在一起统计,效果和上衣裤子颜色颠倒或者其它颜色的目标类似,产生误匹配,目标容易切换,即目标颜色块没有空间信息,导致跟踪失败,导致视觉效果上的明显错误。还有就是目标存在一种较大面积和背景相似的颜色区域时跟踪区域会跑到背景上去,导致跟踪失败。再者,目标区域分块分界线的位置设置对跟踪效果也有明显的影响,手动跟踪时可以在颜色对比比较明显的位置设置分界线,然而,在自动跟踪时,没有人的介入,不分界或设置固定位置的分界线都不是较好的选择。虽然有一些现成的目标按颜色分块的方法,但都运算量大,且需要做进一步加工处理才能方便使用。
发明内容
本发明实施例的目的在于提供一种目标检测与跟踪方法、***及视频监控设备,旨在解决由于现有的跟踪方法在检测目标时,受到目标周围背景或者环境动态变化等许多因素的影响,导致监控***不能够实现有效而准确地跟踪目标的问题。
本发明实施例是这样实现的,一种目标检测方法,所述方法包括下述步骤:
步骤1,接收客户端输入的视频数据,采集所述视频数据中的任意一帧图像,并设置像素阈值;
步骤2,根据所述像素阈值获取所述图像中目标的像素点个数与所述图像中总的像素点个数的比值,具体为获取所述图像与预设的背景图像相应点像素亮度值差的绝对值,所述预设的背景图像为预先获取的不包含待检测目标时的图像,将绝对值大于所述像素阈值时对应的所述图像中的像素点确定为目标的像素点,获取所述图像中目标的像素点个数与所述图像中总的像素点个数的比值,继续判断所述比值是否在预设的范围内,否,则执行步骤3,是,则执行步骤4;
步骤3,调整所述像素阈值,并返回步骤2;
步骤4,根据所述像素阈值获取所述图像中目标的像素点属性信息,根据所述目标的像素点属性信息获取跟踪的目标。
本发明实施例的另一目的在于提供一种采用上述目标检测方法实现目标跟踪的方法,所述方法包括下述步骤:
将获取的跟踪的目标按照一定方向分成大小相同的目标块,根据目标块之间的颜色相似度大小关系,将所述跟踪的目标标识为预设个数的目标区域块;
根据所述目标区域块的特征信息判断后续帧的图像中是否存在所述跟踪的目标,输出跟踪结果。
本发明实施例的另一目的在于提供一种目标检测***,所述***包括视频数据输入单元、比值获取单元、比值判断单元、阈值调整单元以及目标检测单元,其中:
视频数据输入单元,用于接收客户端输入的视频数据,采集所述视频数据中的任意一帧图像,并设置像素阈值;
比值获取单元,用于根据视频数据输入单元设置的像素阈值,获取所述图像中目标的像素点个数与所述图像中总的像素点个数的比值,具体为获取所述图像与预设的背景图像相应点像素亮度值差的绝对值,所述预设的背景图像为预先获取的不包含待检测目标时的图像,将绝对值大于所述像素阈值时对应的所述图像中的像素点确定为目标的像素点,获取所述图像中目标的像素点个数与所述图像中总的像素点个数的比值,或者在所述比值判断单元的输出结果为否时,根据所述阈值调整单元输出的像素阈值获取所述图像中目标的像素点个数与所述图像中总的像素点个数的比值;
比值判断单元,用于判断比值获取单元输出的比值是否在预设的范围内;
阈值调整单元,用于在比值判断单元的输出结果为否时,调整像素阈值;以及
目标检测单元,用于在比值判断单元的输出结果为是时,根据像素阈值获取图像中目标的像素点属性信息,根据所述像素点属性信息获取跟踪的目标。
本发明实施例的另一目的在于提供一种包括上述目标检测***的目标跟踪***,所述***还包括:
目标区域块获取单元,用于将获取的跟踪的目标按照一定方向分成大小相同的目标块,根据目标块之间的颜色相似度大小关系,将所述跟踪的目标标识为预设个数的目标区域块;以及
跟踪结果输出单元,用于根据所述目标区域块的特征信息判断后续帧的图像中是否存在所述跟踪的目标,输出跟踪结果。
本发明实施例的另一目的在于提供一种包括上述目标检测***或者目标跟踪***的视频监控设备。
本发明实施例通过根据像素阈值获取视频数据中任意一帧图像中目标的像素点个数与该图像中总的像素点个数的比值,判断该比值是否在预设的范围内,否,则调整该像素阈值,且根据调整后的像素阈值重新获取该图像中目标的像素点个数与该图像中总的像素点个数的比值,循环执行前述步骤,直至该比值在预设的范围内,则根据该像素阈值获取该图像中目标的像素点属性信息,根据该目标的像素点属性信息获取跟踪的目标,解决了在自动跟踪目标时,由于受到目标周围背景或者环境动态变化等许多因素的影响,导致视频监控设备不能够实现有效而准确地检测目标的问题,使得目标检测的抗干扰能力增强,获取目标的速度加快,目标的可信度和位置精度更高,视频监控设备更加智能、可靠。
附图说明
图1是本发明第一实施例提供的一种目标检测方法的实现流程图;
图2是本发明第二实施例提供的一种目标检测方法的实现流程图;
图3是本发明第三实施例提供的一种目标跟踪方法的实现流程图;
图4是本发明第四实施例提供的一种目标检测***的结构图;
图5是本发明第五实施例提供的一种目标跟踪***的结构图。
图6是本发明第五实施例提供的一种目标跟踪***中目标区域块获取单元56的具体结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例通过根据像素阈值获取视频数据中任意一帧图像中目标的像素点个数与该图像中总的像素点个数的比值,判断该比值是否在预设的范围内,否,则调整该像素阈值,且根据调整后的像素阈值重新获取该图像中目标的像素点个数与该图像中总的像素点个数的比值,循环执行前述步骤,直至该比值在预设的范围内,则根据该像素阈值获取该图像中目标的像素点属性信息,根据该目标的像素点属性信息获取跟踪的目标,从而使得目标检测的抗干扰能力增强,获取目标的速度加快,目标的可信度和位置精度更高,视频监控***更加智能、可靠。
本发明实施例提供了一种目标检测方法,所述方法包括下述步骤:
步骤1,接收客户端输入的视频数据,采集所述视频数据中的任意一帧图像,并设置像素阈值;
步骤2,根据所述像素阈值获取所述图像中目标的像素点个数与所述图像中总的像素点个数的比值,具体为获取所述图像与预设的背景图像相应点像素亮度值差的绝对值,所述预设的背景图像为预先获取的不包含待检测目标时的图像,将绝对值大于所述像素阈值时对应的所述图像中的像素点确定为目标的像素点,获取所述图像中目标的像素点个数与所述图像中总的像素点个数的比值,继续判断所述比值是否在预设的范围内,否,则执行步骤3,是,则执行步骤4;
步骤3,调整所述像素阈值,并返回步骤2;
步骤4,根据所述像素阈值获取所述图像中目标的像素点属性信息,根据所述目标的像素点属性信息获取跟踪的目标。
本发明实施例还提供了一种采用上述目标检测方法的目标跟踪方法,所述方法还包括下述步骤:
将获取的跟踪的目标按照一定方向分成大小相同的目标块,根据目标块之间的颜色相似度大小关系,将所述跟踪的目标标识为预设个数的目标区域块;
根据所述目标区域块的特征信息判断后续帧的图像中是否存在所述跟踪的目标,输出跟踪结果。
本发明实施例还提供了一种目标检测***,所述***包括视频数据输入单元、比值获取单元、比值判断单元、阈值调整单元以及目标检测单元,其中:
视频数据输入单元,用于接收客户端输入的视频数据,采集所述视频数据中的任意一帧图像,并设置像素阈值;
比值获取单元,用于根据视频数据输入单元设置的像素阈值,获取所述图像中目标的像素点个数与所述图像中总的像素点个数的比值,具体为获取所述图像与预设的背景图像相应点像素亮度值差的绝对值,所述预设的背景图像为预先获取的不包含待检测目标时的图像,将绝对值大于所述像素阈值时对应的所述图像中的像素点确定为目标的像素点,获取所述图像中目标的像素点个数与所述图像中总的像素点个数的比值,或者在所述比值判断单元的输出结果为否时,根据所述阈值调整单元输出的像素阈值获取所述图像中目标的像素点个数与所述图像中总的像素点个数的比值;
比值判断单元,用于判断比值获取单元输出的比值是否在预设的范围内;
阈值调整单元,用于在比值判断单元的输出结果为否时,调整像素阈值;以及
目标检测单元,用于在比值判断单元的输出结果为是时,根据像素阈值获取图像中目标的像素点属性信息,根据所述像素点属性信息获取跟踪的目标。
本发明实施例还提供了一种包括上述目标检测***目标跟踪***,所述***还包括:
目标区域块获取单元,用于将获取的跟踪的目标按照一定方向分成大小相同的目标块,根据目标块之间的颜色相似度大小关系,将所述跟踪的目标标识为预设个数的目标区域块;以及
跟踪结果输出单元,用于根据所述目标区域块的特征信息判断后续帧的图像中是否存在所述跟踪的目标,输出跟踪结果。
本发明实施例还提供了一种包括上述目标检测***或者目标跟踪***的视频监控设备。
本发明实施例通过根据像素阈值获取视频数据中任意一帧图像中目标的像素点个数与该图像中总的像素点个数的比值,判断该比值是否在预设的范围内,否,则调整该像素阈值,且根据调整后的像素阈值重新获取该图像中目标的像素点个数与该图像中总的像素点个数的比值,循环执行前述步骤,直至获取的比值在预设的范围内,则根据该像素阈值获取该图像中目标的像素点属性信息,根据该目标的像素点属性信息获取跟踪的目标,解决了在自动跟踪目标时,由于受到目标周围背景或者环境动态变化等许多因素的影响,导致视频监控***不能够实现有效而准确地检测目标的问题,使得目标检测的抗干扰能力增强,获取目标的速度加快,目标的可信度和位置精度更高,视频监控***更加智能、可靠。
以下结合具体实施例对本发明的具体实现进行详细描述:
实施例一:
图1示出了本发明第一实施例提供的一种目标检测方法的实现流程,详述如下:
在步骤S101中,接收客户端输入的视频数据,采集该视频数据中的任意一帧图像,并设置像素阈值。
在本发明实施例中,客户端输入的视频数据除了包括任意一帧图像外,还包括预先设置的在视频画面上的初始警戒区域范围、跟踪触发的监控事件信息、目标匹配时允许的最大帧数、预设的背景图像等,像素阈值是由实验分析所得。
在步骤S102中,根据该像素阈值获取该图像中目标的像素点个数与该图像中总的像素点个数的比值,判断该比值是否在预设的范围内,否,则执行步骤S103,是,则执行步骤S104。
其中,预设的范围是根据历史实验分析得到的正常监控视频场景中目标的像素点个数与其所在图像的总的像素点个数的比值的合理分布区间。
其中,根据该像素阈值获取该图像中目标的像素点个数与该图像中总的像素点个数的比值具体为:
获取该图像与预设的背景图像相应点像素亮度值差的绝对值,该预设的背景图像为预先获取的不包含待检测目标时的图像;
将绝对值大于该像素阈值时对应的该图像中的像素点确定为目标的像素点,获取该图像中目标的像素点个数与该图像中总的像素点个数的比值。
在步骤S103中,调整该像素阈值,并返回步骤S102。
在本发明实施例中,调整预设的像素阈值的步骤为:若该图像中目标的像素点个数与该图像中总的像素点个数的比值大于预设的最大范围值,则将预设的像素阈值加1;若该比值小于预设的最小范围值,则将预设的像素阈值减1,更新预设的像素阈值。在具体实施过程中,当视频监控设备运动时,若把该图像与预设的背景图像相应点的像素亮度值进行比较,则会导致大量的背景被误识别成前景,使得获取目标的像素点不准确,此时不需要更新预设的像素阈值;当视频监控设备不动时,统计该图像中目标的像素点个数与该图像中总的像素点个数的比值,根据步骤S102,判断是否更新预设的阈值。
在步骤S104中,根据该像素阈值获取该图像中目标的像素点属性信息,根据该目标的像素点属性信息获取跟踪的目标。
其中,像素点属性信息包括但不限于像素亮度值、像素点位置等信息。
在本发明实施例中,该目标检测方法实现了随着时间和天气变化自适应变化获取目标的参数,使得获取待检测目标的速度加快,目标检测的环境光线适应场合大为扩展。
实施例二:
图2示出了本发明第二实施例提供的一种目标检测方法的实现流程图,详述如下:
在本发明实施例中,步骤S201、步骤S202、步骤S203的具体内容分别于实施例一中步骤S101、步骤S102、步骤S103的具体内容一一对应。
在步骤S204中,根据该像素阈值获取该图像中目标的像素点属性信息,根据该目标的像素点属性信息,获取备选跟踪目标。
在步骤S205中,将获取的备选跟踪目标特征与预先存储的特征进行匹配,判断是否存在匹配的备选跟踪目标,是则执行步骤S206,否则执行步骤S207。
其中,预先存储的特征可以为预先存储在数据库中的人、汽车等的形状、长宽比例、面积大小等特征,也可以为预先设置的区域,例如,出现在预先设置的区域内的备选目标则为要跟踪的目标,自动删除其它备选目标,另外也可以通过手动选择准备跟踪的目标,或者手动选择与自动选择相结合。在具体实施过程中,当存在跟踪的目标时,获取的该序列图像中目标的像素点大量集中在运动目标区域,通过形态学处理后形成有效的连通区域,即备选跟踪目标,此时备选的跟踪目标可能不止一个。而当跟踪的目标不存在时,根据获取的该序列图像中目标的像素点位置信息,得知该像素点是离散的随机分布的,这些离散随机分布的点通过二值灰度形态学处理后不会形成有效的连通区域,即不存在备选的跟踪目标。
在步骤S206中,输出匹配的备选目标作为跟踪的目标。
在步骤S207中,判断从视频数据中采集图像的次数是否超过预设的次数,是则执行步骤S208,否则执行步骤S209。
在步骤S208中,退出检测程序,此时监控***可以重新介绍客户端输入的视频数据。
在具体实施过程中,当不存在匹配的备选跟踪目标时,也可以存储根据步骤S205所获取的备选目标,若当从视频数据中采集图像的次数超过预设的次数,仍然不存在匹配的备选跟踪目标时,从所存储的备选目标中,选取最接近匹配目标的备选目标作为跟踪目标。
在步骤S209中,采集客户端输入的视频数据中的任意一帧图像的下一帧图像,返回执行步骤S202。
在本发明实施例中,监控***始终能自动保持较高的灵敏度检测目标,且具有快速反应和计算量小的特点。
实施例三:
图3示出了本发明第三实施例提供的一种目标跟踪方法的实现流程图,详述如下:
在步骤S301中,接收客户端输入的视频数据,采集该视频数据中的任意一帧图像,并设置像素阈值。
在步骤S302中,根据该像素阈值获取该图像中目标的像素点个数与该图像中总的像素点个数的比值,判断该比值是否在预设的范围内,否,则执行步骤S303,是,则执行步骤S304。
在步骤S303中,根调整该像素阈值,执行步骤S302。
在步骤S304中,根据该像素阈值获取该图像中目标的像素点属性信息,根据该目标的像素点属性信息获取跟踪的目标。
在步骤S305中,将该跟踪的目标按照一定方向分成大小相同的目标块,根据目标块之间的颜色相似度大小关系,将该跟踪的目标标识为由预设个数的区域块组成的目标。
在本发明实施例中,步骤S305具体步骤为:
将该跟踪的目标按照一定方向划分成大小相同的目标块,获取每块的颜色直方图;
根据该颜色直方图,比较相邻两目标块之间的颜色相似度;
根据相似度大小,将跟踪的目标标识为由预设个数的区域块组成的目标。
在具体实施过程中,将该跟踪的目标按照一定方向划分成大小相同的目标块可以为把目标按照垂直或者水平方向划分为相同大小的分块,例如,按照垂直方向划分成相同大小的四块,计算每个目标块的颜色直方图,比较相邻两块之间直方图的相似度,则得到3个相似度,相似度大的两块之间颜色相差较小,相似度小的两块颜色相差较大。根据3个相似度之间的大小关系,合并相似度最大的目标块,把原目标块重新组合成为新的区域块,新区域块的个数预先设定。假设预先设定的区域块个数为2,首先合并相似度最大的两个目标块为一个区域块。然后,若中间2个目标块的相似度最大,则原目标整体为第二个区域块;若中间2个目标块的相似度最小,则合并另外2个目标块为第二个区域块;否则,删除相似度最小的2个目标块中处于边缘位置的目标块,剩下的目标块为第二个区域块。
在步骤S306中,根据该目标区域块的特征信息判断后续帧的图像中是否存在该跟踪的目标,输出跟踪结果。
其中目标区域块的特征信息可以但不限于利用目标区域块的颜色、形状、纹理以及目标区域块之间的相对位置信息表示。在具体实施过程中,获取利用目标区域块的特征信息表示的目标后,在后续帧的图像中搜索与该目标位置相邻的预设范围的区域,判断搜索到的后续一帧图像中是否存在匹配的跟踪的目标。输出的跟踪结果包括是否存在匹配目标的信息、匹配目标的位置信息等。
在本发明实施例中,将由单一区域标识的目标,按照图像相似度分成由多个区分度较高的区域块标识的目标,不仅使目标与周围背景或干扰目标的区分度更强,还体现出目标内多个分块之间的相对位置信息,使目标跟踪的抗干扰能力更强,匹配成功率更高,大大提高了跟踪的准确率和精度。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,所述的程序可以存储于一计算机可读取存储介质中,所述的存储介质,如ROM/RAM、磁盘、光盘等。
实施例四:
图4示出了本发明第四实施例提供的一种目标检测***的结构,为了便于说明,仅示出了与本发明实施例相关的部分。该目标检测***包括视频数据输入单元、比值获取单元、比值判断单元、阈值调整单元以及目标检测单元。
视频数据输入单元41接收客户端输入的视频数据,采集该视频数据中的任意一帧图像,并设置像素阈值。
比值获取单元42根据视频数据输入单元设置的像素阈值,获取该图像中目标的像素点个数与该图像中总的像素点个数的比值,或者在该比值判断单元的输出结果为否时,根据该阈值调整单元输出的像素阈值获取该图像中目标的像素点个数与该图像中总的像素点个数的比值。
比值判断单元43判断比值获取单元输出的比值是否在预设的范围内。
阈值调整单元44用于在比值判断单元的输出结果为否时,调整像素阈值。
在本发明实施例中,阈值调整单元44具体为:
在比值判断单元的输出结果为否时,当该图像中目标的像素点个数与所有像素点个数的比值大于预设的最大范围值时,预设的像素阈值加1;当该图像中目标的像素点个数与所有像素点个数的比值小于预设的最小范围值时,则将预设的像素阈值减1。
目标检测单元45在比值判断单元的输出结果为是时,根据像素阈值获取图像中目标的像素点属性信息,根据该像素点属性信息获取跟踪的目标。
在本发明实施例中,目标检测单元45具体为:
目标属性获取单元451,用于在比值判断单元的输出结果为是时,根据该像素阈值获取该图像中目标的像素点属性信息;
备选目标获取单元452,用于根据该目标的像素点属性信息,获取备选跟踪目标;以及
跟踪目标获取单元453,用于将获取的备选跟踪目标特征信息与预先存储的特征信息进行匹配,获取跟踪的目标。
在本发明实施例中,该***可以用于视频监控设备中。
实施例五:
图5示出了本发明第五实施例提供的一种目标跟踪***的结构,为了便于说明,仅示出了与本发明实施例相关的部分。
视频数据输入单元51接收客户端输入的视频数据,采集该视频数据中的任意一帧图像,并设置像素阈值。
比值获取单元52根据视频数据输入单元51设置的像素阈值,获取该图像中目标的像素点个数与该图像中总的像素点个数的比值,或者在比值判断单元53的输出结果为否时,根据该阈值调整单元54输出的像素阈值获取该图像中目标的像素点个数与该图像中总的像素点个数的比值。
比值判断单元53判断比值获取单元52输出的比值是否在预设的范围内。
阈值调整单元54,用于在比值判断单元53的输出结果为否时,调整像素阈值。
目标检测单元55,用于在比值判断单元53的输出结果为是时,根据像素阈值获取图像中目标的像素点属性信息,根据该像素点属性信息获取跟踪的目标。
目标区域块获取单元56将目标检测单元55输出的跟踪的目标按照一定方向分成大小相同的目标块,根据目标块之间的颜色相似度大小关系,将该跟踪的目标标识为由预设个数的区域块组成的目标。
在本发明实施例中,目标区域块获取单元56具体包括目标初始分块单元561、相似度获取单元562和目标标识单元563,如图6所示,其中:
目标初始分块单元561,用于将该跟踪的目标按照一定方向分成大小相同的目标块,获取每块的颜色直方图;
相似度获取单元562,用于根据该颜色直方图,比较相邻两目标块之间的颜色相似度;以及
目标标识单元563,用于根据相似度大小关系,将跟踪的目标标识为由预设个数的区域块组成的目标。
跟踪结果输出单元57根据目标区域块的特征信息判断后续帧的图像中是否存在该跟踪的目标,输出跟踪结果。
跟踪结果处理单元58根据跟踪结果输出单元57输出的跟踪结果,判断预设的监控事件是否发生,是,则对目标的行为做出反应,否,则继续跟踪目标。
在具体实施过程中,当目标运动后的新位置偏离画面中心超过设定的距离值,例如四分之一画面大小时,或者目标超出预先设定的位置范围,或者在预设的时间内没有找到匹配的目标等,则认为预设的监控事件发生,对监控***发出控制信息,控制监控设备做出反应,比如,转动监控设备使目标始终保持在画面中心位置,或者监控设备恢复到初始位置重新跟踪等。
在本发明实施例中,该***可以用于视频监控设备中。
本发明实施例通过根据像素阈值获取视频数据中任意一帧图像中目标的像素点个数与该图像中总的像素点个数的比值,判断该比值是否在预设的范围内,否,则调整该像素阈值,且根据调整后的像素阈值重新获取该图像中目标的像素点个数与该图像中总的像素点个数的比值,循环执行前述步骤,直至该比值在预设的范围内,则根据该像素阈值获取该图像中目标的像素点属性信息,根据该目标的像素点属性信息获取跟踪的目标,解决了由于受到周围背景或者环境动态变化等许多因素的影响,导致视频监控***目标检测的抗干扰能力较差,不能够有效而准确地检测目标的问题,使得目标检测的抗干扰能力增强,获取目标的速度加快,目标的准确度和位置精度得到提高。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种目标检测方法,其特征在于,所述方法包括下述步骤:
步骤1,接收客户端输入的视频数据,采集所述视频数据中的任意一帧图像,并设置像素阈值;
步骤2,根据所述像素阈值获取所述图像中目标的像素点个数与所述图像中总的像素点个数的比值,具体为获取所述图像与预设的背景图像相应点像素亮度值差的绝对值,所述预设的背景图像为预先获取的不包含待检测目标时的图像,将绝对值大于所述像素阈值时对应的所述图像中的像素点确定为目标的像素点,获取所述图像中目标的像素点个数与所述图像中总的像素点个数的比值,继续判断所述比值是否在预设的范围内,否,则执行步骤3,是,则执行步骤4;
步骤3,调整所述像素阈值,并返回步骤2;
步骤4,根据所述像素阈值获取所述图像中目标的像素点属性信息,根据所述目标的像素点属性信息获取跟踪的目标。
2.如权利要求1所述的方法,其特征在于,所述调整所述像素阈值的步骤具体包括:
当所述图像中目标的像素点个数与所述图像中总的像素点个数的比值大于预设的最大范围值时,将所述像素阈值加1;
当所述比值小于预设的最小范围值时,将所述像素阈值减1。
3.如权利要求1所述的方法,其特征在于,所述像素点属性信息包括像素点的亮度值、位置信息。
4.如权利要求1所述的方法,其特征在于,所述步骤4具体包括:
根据所述像素阈值获取所述图像中目标的像素点属性信息,根据所述目标的像素点属性信息,获取备选跟踪目标;
将获取的备选跟踪目标特征与预先存储的特征进行匹配,当存在匹配的备选跟踪目标时,则确定该匹配的目标为跟踪的目标;
当不存在匹配的备选跟踪目标时,则采集所述视频数据中的任意一帧图像的下一帧图像,并返回步骤2,当从视频数据中采集图像的次数超过预设的次数,仍然不存在匹配的备选跟踪目标时,则退出该检测过程。
5.一种采用权利要求1所述的目标检测方法实现目标跟踪的方法,其特征在于,所述方法包括下述步骤:
将获取的跟踪的目标按照一定方向分成大小相同的目标块,根据目标块之间的颜色相似度大小关系,将所述跟踪的目标标识为预设个数的目标区域块;
根据所述目标区域块的特征信息判断后续帧的图像中是否存在所述跟踪的目标,输出跟踪结果。
6.如权利要求5所述的方法,其特征在于,所述一定方向为垂直方向或者水平方向。
7.如权利要求5所述的方法,其特征在于,所述目标区域块的特征信息为目标区域块的颜色、形状、纹理以及目标区域块之间的相对位置信息中的一种或者多种。
8.一种目标检测***,其特征在于,所述***包括视频数据输入单元、比值获取单元、比值判断单元、阈值调整单元以及目标检测单元,其中:
视频数据输入单元,用于接收客户端输入的视频数据,采集所述视频数据中的任意一帧图像,并设置像素阈值;
比值获取单元,用于根据视频数据输入单元设置的像素阈值,获取所述图像中目标的像素点个数与所述图像中总的像素点个数的比值,具体为获取所述图像与预设的背景图像相应点像素亮度值差的绝对值,所述预设的背景图像为预先获取的不包含待检测目标时的图像,将绝对值大于所述像素阈值时对应的所述图像中的像素点确定为目标的像素点,获取所述图像中目标的像素点个数与所述图像中总的像素点个数的比值,或者在所述比值判断单元的输出结果为否时,根据所述阈值调整单元输出的像素阈值获取所述图像中目标的像素点个数与所述图像中总的像素点个数的比值;
比值判断单元,用于判断比值获取单元输出的比值是否在预设的范围内;
阈值调整单元,用于在比值判断单元的输出结果为否时,调整像素阈值;以及
目标检测单元,用于在比值判断单元的输出结果为是时,根据像素阈值获取图像中目标的像素点属性信息,根据所述像素点属性信息获取跟踪的目标。
9.一种包括权利要求8所述的目标检测***的目标跟踪***,其特征在于,所述***还包括:
目标区域块获取单元,用于将获取的跟踪的目标按照一定方向分成大小相同的目标块,根据目标块之间的颜色相似度大小关系,将所述跟踪的目标标识为预设个数的目标区域块;以及
跟踪结果输出单元,用于根据所述目标区域块的特征信息判断后续帧的图像中是否存在所述跟踪的目标,输出跟踪结果。
10.一种视频监控设备,其特征在于,所述设备包括权利要求8所述的目标检测***或者权利要求9所述的目标跟踪***。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011100694470A CN102136147B (zh) | 2011-03-22 | 2011-03-22 | 一种目标检测与跟踪方法、***及视频监控设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011100694470A CN102136147B (zh) | 2011-03-22 | 2011-03-22 | 一种目标检测与跟踪方法、***及视频监控设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102136147A CN102136147A (zh) | 2011-07-27 |
CN102136147B true CN102136147B (zh) | 2012-08-22 |
Family
ID=44295921
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011100694470A Expired - Fee Related CN102136147B (zh) | 2011-03-22 | 2011-03-22 | 一种目标检测与跟踪方法、***及视频监控设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102136147B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104298955A (zh) * | 2013-07-15 | 2015-01-21 | 深圳市振邦实业有限公司 | 一种人头检测方法及装置 |
CN104424633B (zh) * | 2013-08-23 | 2018-01-12 | 浙江大华技术股份有限公司 | 一种视频对比度异常检测方法及装置 |
CN104202559A (zh) * | 2014-08-11 | 2014-12-10 | 广州中大数字家庭工程技术研究中心有限公司 | 一种基于旋转不变特征的智能监控***及方法 |
CN107491714B (zh) * | 2016-06-13 | 2022-04-05 | 中科晶锐(苏州)科技有限公司 | 智能机器人及其目标物体识别方法和装置 |
CN107564071A (zh) * | 2016-07-01 | 2018-01-09 | 苏州宝时得电动工具有限公司 | 一种图像识别草地方法及装置 |
JP6776719B2 (ja) * | 2016-08-17 | 2020-10-28 | 富士通株式会社 | 移動体群検出プログラム、移動体群検出装置、及び移動体群検出方法 |
CN106791715A (zh) * | 2017-02-24 | 2017-05-31 | 深圳英飞拓科技股份有限公司 | 分级联控智能监控方法及*** |
CN107944337A (zh) * | 2017-10-13 | 2018-04-20 | 西安天和防务技术股份有限公司 | 一种低空目标智能跟踪方法及***、存储介质及电子终端 |
CN109882761A (zh) * | 2017-12-06 | 2019-06-14 | 爱玛丽欧股份有限公司 | 利用影像辨识自动控制与追踪的照明灯及其控制方法 |
CN109284673B (zh) * | 2018-08-07 | 2022-02-22 | 北京市商汤科技开发有限公司 | 对象跟踪方法及装置、电子设备及存储介质 |
CN111046788A (zh) * | 2019-12-10 | 2020-04-21 | 北京文安智能技术股份有限公司 | 一种停留人员的检测方法、装置及*** |
CN112333417A (zh) * | 2020-04-30 | 2021-02-05 | 深圳Tcl新技术有限公司 | 门铃免扰模式的启动方法、设备及计算机可读存储介质 |
CN112051216B (zh) * | 2020-05-20 | 2023-04-28 | 广东轻工职业技术学院 | 用于实现水果分级分拣的水果动态跟踪方法 |
CN111845557B (zh) * | 2020-07-23 | 2022-04-29 | 深圳市健创电子有限公司 | 车辆驾驶的安全预警方法、***及相关装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101236656A (zh) * | 2008-02-29 | 2008-08-06 | 上海华平信息技术股份有限公司 | 基于块划分的图像中运动目标的检测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3134845B2 (ja) * | 1998-07-03 | 2001-02-13 | 日本電気株式会社 | 動画像中の物体抽出装置及び方法 |
US7940961B2 (en) * | 2007-12-20 | 2011-05-10 | The United States Of America As Represented By The Secretary Of The Navy | Method for enhancing ground-based detection of a moving object |
-
2011
- 2011-03-22 CN CN2011100694470A patent/CN102136147B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101236656A (zh) * | 2008-02-29 | 2008-08-06 | 上海华平信息技术股份有限公司 | 基于块划分的图像中运动目标的检测方法 |
Non-Patent Citations (4)
Title |
---|
Jong Bae Kim, et al..A Real-Time Region-Based Motion Segmentation Using Adaptive Thresholding and K-Means Clustering.《AI 2001: ADVANCES IN ARTIFICIAL INTELLIGENCE Lecture Notes in Computer Science》.2001,第2256卷213-224. * |
JP特開2000-20722A 2000.01.21 |
王明吉,等..抗干扰的运动目标检测算法.《计算机工程》.2010,第36卷(第3期),232-233. * |
王明吉,等。.抗干扰的运动目标检测算法.《计算机工程》.2010,第36卷(第3期),232-233. |
Also Published As
Publication number | Publication date |
---|---|
CN102136147A (zh) | 2011-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102136147B (zh) | 一种目标检测与跟踪方法、***及视频监控设备 | |
Park et al. | Construction worker detection in video frames for initializing vision trackers | |
CN107016367B (zh) | 一种跟踪控制方法及跟踪控制*** | |
US9652863B2 (en) | Multi-mode video event indexing | |
CN111242025B (zh) | 一种基于yolo的动作实时监测方法 | |
US20160225121A1 (en) | System and method for mapping object coordinates from a video to real world coordinates using perspective transformation | |
CN102447835A (zh) | 无盲区多目标协同跟踪方法及*** | |
CN102982341A (zh) | 一种可跨摄像机的自适应人群密度估计方法 | |
CN101344965A (zh) | 基于双目摄像的跟踪*** | |
CN103581614A (zh) | 基于ptz的视频中目标跟踪方法及*** | |
TWI694352B (zh) | 互動行為檢測方法、裝置、系統及設備 | |
EP3051495B1 (en) | Systems and methods for mapping object coordinates from a video frame view to real world coordinates | |
Park et al. | Detection of construction workers in video frames for automatic initialization of vision trackers | |
CN112184773A (zh) | 一种基于深度学习的安全帽佩戴检测方法及*** | |
CN103577832B (zh) | 一种基于时空上下文的人流量统计方法 | |
CN111627049A (zh) | 高空抛物的确定方法、装置、存储介质及处理器 | |
CN106558069A (zh) | 一种基于视频监控下的目标跟踪方法及*** | |
Krinidis et al. | A robust and real-time multi-space occupancy extraction system exploiting privacy-preserving sensors | |
CN117994987B (zh) | 基于目标检测技术的交通参数提取方法及相关装置 | |
CN103607558A (zh) | 一种视频监控***及其目标匹配方法和装置 | |
CN108010058A (zh) | 一种对视频流中目标对象进行视觉跟踪的方法及*** | |
CN102663350A (zh) | 一种基于视频的公路隧道火灾检测方法 | |
CN112633157A (zh) | 一种agv工作区域安全性的实时检测方法及*** | |
JP6831396B2 (ja) | 映像監視装置 | |
Park | Automated 3 D vision-based tracking of construction entities |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120822 |