CN105931467A - 一种跟踪目标的方法及装置 - Google Patents
一种跟踪目标的方法及装置 Download PDFInfo
- Publication number
- CN105931467A CN105931467A CN201610394542.0A CN201610394542A CN105931467A CN 105931467 A CN105931467 A CN 105931467A CN 201610394542 A CN201610394542 A CN 201610394542A CN 105931467 A CN105931467 A CN 105931467A
- Authority
- CN
- China
- Prior art keywords
- bayonet socket
- socket point
- point position
- vehicle
- warning message
- 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
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
- Alarm Systems (AREA)
- Image Processing (AREA)
Abstract
本发明实施例公开了一种跟踪目标的方法及装置,方法包括:获取卡口点位的报警信息,所述报警信息包括报警的卡口点位标识、报警时刻所述卡口点位检测到的车辆的速度及行驶方向;根据所述卡口点位标识从视频画面中锁定所述卡口点位,获取所述卡口点位的屏幕坐标;根据所述屏幕坐标圈定可疑车辆,根据所述速度及所述行驶方向对所述可疑车辆进行跟踪。本发明实施例的技术方案能有选择地自动圈定和跟踪可疑车辆。
Description
技术领域
本发明涉及信息处理技术领域,具体涉及一种跟踪目标的方法及装置。
背景技术
随着现代社会的发展,智能控制技术已经深入到我们的生活、工作及各个领域之中,特别是由于汽车工业的迅猛发展,对交通***中车辆的跟踪研究日益受到人们的关注。车辆跟踪在智能交通、视频监控等领域有着非常广泛的研究和应用。
基于视频的车辆跟踪包括车辆等检测和车辆跟踪两个模块。例如可通过初始交通场景中车辆目标的提取实现车辆检测;可通过对提取的车辆目标进行实时的运动描述,并生成各自的动动轨迹实现车辆跟踪。
现有技术通常都是对所有同类型的跟踪目标进行屏幕标记和跟踪,如标记和跟踪所有能识别到的车辆,目前还没有一种有选择性的自动锁定可疑目标的方法。
发明内容
有鉴于此,本发明实施例提供一种跟踪目标的方法及装置,以有选择地自动圈定和跟踪可疑车辆。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
第一方面,本发明实施例提供了一种跟踪目标的方法,包括:
获取卡口点位的报警信息,所述报警信息包括报警的卡口点位标识、报警时刻所述卡口点位检测到的车辆的速度及行驶方向;
根据所述卡口点位标识从视频画面中锁定所述卡口点位,获取所述卡口点位的屏幕坐标;
根据所述屏幕坐标圈定可疑车辆,根据所述速度及所述行驶方向对所述可疑车辆进行跟踪。
进一步地,获取卡口点位的报警信息的操作包括:监测各卡口点位是否有报警信号,若有报警信号,则获取报警信息。
进一步地,获取卡口点位的报警信息的操作包括:监测各卡口点位的车辆信息,判断所述车辆信息是否符合报警条件,若是则生成卡口点位的报警信息。
进一步地,监测各卡口点位的车辆信息,判断所述车辆信息是否符合报警条件的操作包括:监测各卡口点位的车辆信息,将所述车辆信息与预存的黑名单进行比对,若比对结果表明所述车辆信息属于所述黑名单,则生成卡口点位的报警信息。
进一步地,监测各卡口点位的车辆信息,判断所述车辆信息是否符合报警条件的操作包括:监测各卡口点位的车辆是否超速和/或违章,若是则生成卡口点位的报警信息。
进一步地,根据所述速度及所述行驶方向对所述可疑车辆进行跟踪的操作包括:
根据所述速度及所述行驶方向,采用智能跟踪算法对所述可疑车辆进行跟踪。
第二方面,本发明实施例还提供了一种跟踪目标的装置,包括:
获取卡口点位的报警信息,所述报警信息包括报警的卡口点位标识、报警时刻所述卡口点位检测到的车辆的速度及行驶方向;
根据所述卡口点位标识从视频画面中锁定所述卡口点位,获取所述卡口点位的屏幕坐标;
根据所述屏幕坐标圈定可疑车辆,根据所述速度及所述行驶方向对所述可疑车辆进行跟踪。
进一步地,所述报警信息获取单元还用于,监测各卡口点位是否有报警信号,若有报警信号,则获取报警信息;或
监测各卡口点位的车辆信息,判断所述车辆信息是否符合报警条件,若是则生成卡口点位的报警信息。
进一步地,所述报警信息获取单元还用于,监测各卡口点位的车辆是否超速和/或违章,若是则生成卡口点位的报警信息。
进一步地,所述可疑车辆圈定与跟踪单元还用于,根据所述速度及所述行驶方向,采用智能跟踪算法对所述可疑车辆进行跟踪。
本发明实施例提出的技术方案的有益技术效果是:
本发明实施例的技术方案通过在获取卡口点位的报警信息时,根据所述卡口点位标识从视频画面中锁定所述卡口点位并获取屏幕坐标,根据该屏幕坐标圈定并跟踪可疑车辆,能有选择地自动圈定和跟踪可疑车辆。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对本发明实施例描述中所需要使用的附图作简单的介绍,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,还可以根据本发明实施例的内容和这些附图获得其他的附图。
图1是本发明具体实施例一所述的跟踪目标的方法流程图;
图2是本发明具体实施例二所述的跟踪目标的方法流程图;
图3是本发明具体实施例三所述的跟踪目标的装置的结构框图。
具体实施方式
为使本发明解决的技术问题、采用的技术方案和达到的技术效果更加清楚,下面将结合附图对本发明实施例的技术方案作进一步的详细描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
实施例一
图1是本实施例所述的跟踪目标的方法流程图,本实施例可适用于对卡口点位报警车辆进行自动圈定和跟踪的情况,该方法可以由配置于用于拍摄监控视频的摄像机上的跟踪目标的装置来执行,如图1所示,本实施例所述的跟踪目标的方法包括:
步骤S101、获取卡口点位的报警信息,所述报警信息包括报警的卡口点位标识、报警时刻所述卡口点位检测到的车辆的速度及行驶方向。
卡口是指城市***进出城区的出入口,在城区的出入口安装卡口点位用于监测交通状况,一般主要用来进行牌照识别、超速抓拍、违章车辆抓拍等,主要用来在不合规的车辆通过时进行报警。例如,在牌照识别的基础上,可通过将所识别出的牌照号码与车管数据库比对,可以排查出该车辆目前的状况,如违法未处理、未年审或报废等信息都可及时报警。
此外,卡口点位还可包括对危险路、重点路段进行的监控,例如,可对交通违法信息进行实时发布。又如,如果车辆行驶中出现超速或者占用应急车道等交通违法行为,卡口点位的监控设备拍下后,将会显示在电子显示屏上,警示违法车辆及其他车辆。再如,卡口点位可与交通指挥中心及公安机关的相关监控平台对接,实现资源共享,提高效率,还可将一些需要追踪的车牌号输入***黑名单,一旦上“黑名单”的车辆经过这些卡口点位会自动报警,方便对交通肇事和盗抢车辆的拦截。
卡口点位可在需报警事件发生时发出报警信号。此外,卡口点位还可在需报警事件发生时,将自身的卡口点位标识、报警时刻所述卡口点位检测到的车辆的速度及行驶方向等信息,连同报警信号一并作为报警信息发送出去。
其中,所述卡口点位标识是指能将卡口点位与其他卡口点位唯一区别开来的信息,可以是卡口点位的编号、名称、地理位置等信息,只要能唯一标识该卡口点位即可。
若卡口点位在需报警事件发生时,将自身的卡口点位标识、报警时刻所述卡口点位检测到的车辆的速度及行驶方向等信息,连同报警信号一并作为报警信息发送出去,则用于拍摄监控视频的摄像机直接从报警的卡口点位获取上述报警信息即可。
或者,若卡口点位在需报警事件发生时,仅发送了报警信号,则用于拍摄监控视频的摄像机需要根据信息来源获取该卡口点位的卡口点位标识之外,还需从该卡口点位读取报警时刻经过所述卡口点位的车辆的速度及行驶方向,将所述卡口点位标识、所述速度及所述行驶方向作为该卡口点位的报警信息。
又或者,若交通网上布局的卡口点位仅用于对城市***进出城区的出入口、或危险路、重点路段等各卡口点位所在位置的车辆进行图像拍摄、速度测度、和方向测定等数据获取工作,不作任何分析处理,则用于拍摄监控视频的摄像机需要根据上述数据判断经过各卡口点位的各车辆信息是否符合报警条件,根据符合报警条件的车辆信息生成卡口点位的报警信息。
步骤S102、根据所述卡口点位标识从视频画面中锁定所述卡口点位,获取所述卡口点位的屏幕坐标。
根据所述卡口点位标识从视频画面中锁定所述卡口点位,获取所述卡口点位的屏幕坐标可通过多种方法,例如根据卡口点位标识可以获取该卡口点位的地理坐标,根据其地理坐标即可在高点视频画面中的将该卡口点位识别出来,从而很容易获取该卡口点位的屏幕坐标。
步骤S103、根据所述屏幕坐标圈定可疑车辆,根据所述速度及所述行驶方向对所述可疑车辆进行跟踪。
若该步骤与步骤S101之间没有时延,则说明可疑车辆当前正处在步骤S102所获取的屏幕坐标处,很容易根据该屏幕坐标圈定该可疑车辆。若该步骤与步骤S101之间存在一定的时延,则说明该可疑车辆在该卡口点位处向步骤S101所述的方向上以步骤S101所述的速度前行了该时延的时长的距离,获取该距离之后,根据实际距离与屏幕距离之间的对应关系,即可获取该可疑车辆的屏幕坐标,再根据该屏幕坐标可圈定该可疑车辆。或者可根据该实际距离和方向,以及该卡口点位的地理位置,可计算出该可疑车辆当前的地理位置。
在视频中圈定可疑车辆之后,即可根据步骤S101获取的所述速度及步骤S101获取的所述行驶方向对所述可疑车辆进行跟踪。
具体地,车辆跟踪方法可包括多种,本实施例中对本步骤所采用的具体算法并不作限定,只要能根据步骤S101获取的所述速度及步骤S101获取的所述行驶方向对所述可疑车辆进行跟踪即可。
目前,车辆跟踪技术由于具有重要应用价值和发展前景,近年来发展迅速。常见跟踪算法至少包括以下四类:
方式一、点跟踪法,包括单点跟踪和多点跟踪,主要利用目标历史位置、速度等信息实现邻帧之间的目标关联,如kalman滤波法,光流法,SIFT匹配法。
方式二、核跟踪法,核跟踪法通过对车辆外观模型在连续帧之间进行匹配来计算目标的运动,包括基于模板的方法、基于概率模型的方法和多视觉模型的方法。这类算法涉及的三个基本要素是目标外观模型、搜索策略和相似性度量。常采用的搜索策略有穷举法、目标函数优化法和统计性方法等;而相似性度量标准一般采用平方差和SSD(Sumof Squared Difference,SSD)、互相关系数、正则化相关系数等。基于模版的方法实质上就是进行模版匹配。基于概率模型的方法将目标区域的特征用概率分布模型表示,通过模型匹配实施跟踪,如基于颜色直方图的目标跟踪、基于LBP纹理特征的目标跟踪、基于GM(1,1)模型的跟踪、基于马尔可夫随机场模型的跟踪、基于均值漂移的跟踪、基于质心迭代的跟踪、基于粒子滤波器的跟踪和基于多特征自适应融合的目标跟踪。其中基于多特征自适应融合的目标跟踪常采用的特征包括点、线、角点、颜色等。基于多视觉模型的方法能够适应目标姿态变化引起的外观变化,常见的有基于主成份分析(PCA)和基于分类器的方法,如Adaboost分类器。
方式三、结构模型跟踪法,根据先验知识建立目标的几何模型,跟踪时先根据上一帧结果预测当前帧目标姿态,将处于预测姿态的目标模型投影到图像平面,计算匹配误差;然后通过优化预测姿态、最小化目标函数获得当前跟踪结果。常用的结构模型为3D线框模型。
方式四、剪影跟踪法,首要任务是获取目标的轮廓,精确得到目标占据的区域,如基于主动轮廓模型的跟踪法。
此外,车辆跟踪算法根据算法驱动方式不同,还可分为自下而上的数据驱动方法,典型代表为MeanShift算法,和自上而下的模型驱动方法,典型代表为粒子滤波算法等,在此并不一一列举。
对于上述诸多车辆跟踪算法,有些算法不泛基于对车辆的轮廓或特征的预知,步骤S103在获取该可疑车辆的屏幕坐标或地理位置之后,还需要基于该屏幕坐标或基于该地理位置对该可疑车辆进行检测标记。
目前,当前绝大多数的车辆检测都采用基于背景差分的方法,比如通过滑动平均、混合高斯、codebook或Vibe等算法得到背景模型,再通过差分、二值化、形态学处理、连通域分析,得到车辆团块Blob。该方法基于像素特征作处理,难以解决光照突变、车辆等红灯时长时间停留、粘连、阴影、摄像机抖动等问题。通过后续的跟踪算法也只能部分解决上述问题。
不依赖背景的车辆检测与跟踪方法目前也有了一些研究成果。比如,基于特征点的车辆跟踪算法,比如提取图像的角点,通过光流法或不变量特征进行帧间的匹配和跟踪,该方法不受当照突变、车辆长时间停留、阴影、摄像机抖动等问题的影响,但其难点是如何把这些特征点归类为独立的车辆。又比如,基于知识的车辆检测,比如基于边缘对称性、车窗、车辆轮廓模型等车辆检测方法。传统的MeanShift跟踪算法和粒子跟踪算法,对跟踪区域的全局特性进行建模,通过一定策略寻找最佳候选区域。TLD跟踪算法将在线学习和光流跟踪结合起来,通过在线检测来修正跟踪的错误,对单目标可实现长时间的跟踪。
同样,本实施例对具体的圈定可疑车辆所采用的检测与跟踪方法并不限定,只要能圈定和跟踪涉及的可疑车辆即可。
本实施例的技术方案通过在获取卡口点位的报警信息时,根据所述卡口点位标识从视频画面中锁定所述卡口点位并获取屏幕坐标,根据该屏幕坐标圈定并跟踪可疑车辆,能有选择地自动圈定和跟踪可疑车辆。
实施例二
在实施例一的基础之上,本实施例基于卡口点位在需报警事件发生时,仅对各卡口点位所在位置的车辆进行图像拍摄、速度测度、和方向测定等数据获取工作的情况,图2是本实施例所述的跟踪目标的方法流程图,如图2所示,本实施例所述的跟踪目标的方法包括:
步骤S201、监测各卡口点位的车辆信息。
若交通网上布局的卡口点位仅用于对城市***进出城区的出入口、或危险路、重点路段等各卡口点位所在位置的车辆进行图像拍摄、速度测度、和方向测定等数据获取工作,不作任何分析处理,则用于拍摄监控视频的摄像机需要对经过各卡口点位的各车辆的根据上述车辆信息进行监测。例如,可判断所述车辆信息是否符合报警条件,根据符合报警条件的车辆信息生成卡口点位的报警信息。
步骤S202、判断所述车辆信息是否符合报警条件,若是则执行步骤S203,否则返回步骤S201。
所述报警条件,可与交通指挥中心及公安机关的相关监控平台对接来获取,实现资源共享,提高效率,还可将一些需要追踪的车牌号输入***黑名单,一旦上“黑名单”的车辆经过这些卡口点位会自动报警,方便对交通肇事和盗抢车辆的拦截。
例如,在牌照识别的基础上,可通过将所识别出的牌照号码与车管数据库比对,可以排查出该车辆目前的状况,如违法未处理的车辆、未年审的车辆或报废的车辆,都可及时报警。
步骤S203、生成卡口点位的报警信息。
若某卡口点位获取的车辆信息经过分析符合报警条件,则将该卡口点位的标识、此时所述卡口点位检测到的车辆的速度及行驶方向等信息提取出来作为报警信息。
步骤S204、根据所述卡口点位标识从视频画面中锁定所述卡口点位,获取所述卡口点位的屏幕坐标。
本步骤与实施例一的步骤S102相同,在此不作赘述。
步骤S205、根据所述屏幕坐标圈定可疑车辆,根据所述速度及所述行驶方向,采用智能跟踪算法对所述可疑车辆进行跟踪。
在实施例一的基础上,本实施例还可以在对可疑车辆进行跟踪时,优选为采用智能跟踪算法来跟踪可疑车辆。
本领域技术人员需要明确的是,现有技术中公开的智能跟踪算法包括多种,例如基于多特征分析的动态目标智能跟踪算法、无线传感器网络多目标智能跟踪算法等,在此并不一一列举,只要能达到本发明目的即可,具体采用何种智能跟踪算法此处并不作限定。
在实施例一的基础之上,本实施例基于卡口点位在需报警事件发生时,仅对各卡口点位所在位置的车辆进行图像拍摄、速度测度、和方向测定等数据获取工作的情况,能有选择地自动圈定和跟踪可疑车辆,能减少对卡口点位的依赖。
实施例三
图3是本实施例所述的跟踪目标的装置的结构框图,如图3所示,本实施例所述的跟踪目标的装置包括:
报警信息获取单元310,用于获取卡口点位的报警信息,所述报警信息包括报警的卡口点位标识、报警时刻所述卡口点位检测到的车辆的速度及行驶方向;
报警点坐标获取单元320,用于根据所述卡口点位标识从视频画面中锁定所述卡口点位,获取所述卡口点位的屏幕坐标;
可疑车辆圈定与跟踪单元330,用于根据所述屏幕坐标圈定可疑车辆,根据所述速度及所述行驶方向对所述可疑车辆进行跟踪。
进一步地,所述报警信息获取单元310还用于,监测各卡口点位是否有报警信号,若有报警信号,则获取报警信息。
进一步地,所述报警信息获取单元310还用于,监测各卡口点位是否有报警信号,若有报警信号,则获取报警信息。
进一步地,所述报警信息获取单元310还用于,监测各卡口点位的车辆信息,判断所述车辆信息是否符合报警条件,若是则生成卡口点位的报警信息。
进一步地,所述报警信息获取单元310还用于,监测各卡口点位的车辆是否超速和/或违章,若是则生成卡口点位的报警信息。
进一步地,所述可疑车辆圈定与跟踪单元330还用于,根据所述速度及所述行驶方向,采用智能跟踪算法对所述可疑车辆进行跟踪。
本实施例提供的跟踪目标的装置可执行本发明实施例一和实施例二所提供的跟踪目标的方法,具备执行方法相应的功能模块和有益效果。
以上实施例提供的技术方案中的全部或部分内容可以通过软件编程实现,其软件程序存储在可读取的存储介质中,存储介质例如:计算机中的硬盘、光盘或软盘。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种跟踪目标的方法,其特征在于,包括:
获取卡口点位的报警信息,所述报警信息包括报警的卡口点位标识、报警时刻所述卡口点位检测到的车辆的速度及行驶方向;
根据所述卡口点位标识从视频画面中锁定所述卡口点位,获取所述卡口点位的屏幕坐标;
根据所述屏幕坐标圈定可疑车辆,根据所述速度及所述行驶方向对所述可疑车辆进行跟踪。
2.如权利要求1所述的跟踪目标的方法,其特征在于,获取卡口点位的报警信息的操作包括:监测各卡口点位是否有报警信号,若有报警信号,则获取报警信息。
3.如权利要求1所述的跟踪目标的方法,其特征在于,获取卡口点位的报警信息的操作包括:监测各卡口点位的车辆信息,判断所述车辆信息是否符合报警条件,若是则生成卡口点位的报警信息。
4.如权利要求3所述的跟踪目标的方法,其特征在于,监测各卡口点位的车辆信息,判断所述车辆信息是否符合报警条件的操作包括:监测各卡口点位的车辆信息,将所述车辆信息与预存的黑名单进行比对,若比对结果表明所述车辆信息属于所述黑名单,则生成卡口点位的报警信息。
5.如权利要求3所述的跟踪目标的方法,其特征在于,监测各卡口点位的车辆信息,判断所述车辆信息是否符合报警条件的操作包括:监测各卡口点位的车辆是否超速和/或违章,若是则生成卡口点位的报警信息。
6.如权利要求1所述的跟踪目标的方法,其特征在于,根据所述速度及所述行驶方向对所述可疑车辆进行跟踪的操作包括:
根据所述速度及所述行驶方向,采用智能跟踪算法对所述可疑车辆进行跟踪。
7.一种跟踪目标的装置,其特征在于,包括:
报警信息获取单元,用于获取卡口点位的报警信息,所述报警信息包括报警的卡口点位标识、报警时刻所述卡口点位检测到的车辆的速度及行驶方向;
报警点坐标获取单元,用于根据所述卡口点位标识从视频画面中锁定所述卡口点位,获取所述卡口点位的屏幕坐标;
可疑车辆圈定与跟踪单元,用于根据所述屏幕坐标圈定可疑车辆,根据所述速度及所述行驶方向对所述可疑车辆进行跟踪。
8.如权利要求7所述的跟踪目标的装置,其特征在于,所述报警信息获取单元还用于,监测各卡口点位是否有报警信号,若有报警信号,则获取报警信息;或
监测各卡口点位的车辆信息,判断所述车辆信息是否符合报警条件,若是则生成卡口点位的报警信息。
9.如权利要求8所述的跟踪目标的装置,其特征在于,所述报警信息获取单元还用于,监测各卡口点位的车辆是否超速和/或违章,若是则生成卡口点位的报警信息。
10.如权利要求7所述的跟踪目标的装置,其特征在于,所述可疑车辆圈定与跟踪单元用于,根据所述速度及所述行驶方向,采用智能跟踪算法对所述可疑车辆进行跟踪。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610394542.0A CN105931467B (zh) | 2016-06-06 | 2016-06-06 | 一种跟踪目标的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610394542.0A CN105931467B (zh) | 2016-06-06 | 2016-06-06 | 一种跟踪目标的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105931467A true CN105931467A (zh) | 2016-09-07 |
CN105931467B CN105931467B (zh) | 2019-06-21 |
Family
ID=56833264
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610394542.0A Active CN105931467B (zh) | 2016-06-06 | 2016-06-06 | 一种跟踪目标的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105931467B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106504268A (zh) * | 2016-10-20 | 2017-03-15 | 电子科技大学 | 一种基于信息融合的改进Mean‑Shift跟踪方法 |
CN107392210A (zh) * | 2017-07-12 | 2017-11-24 | 中国科学院光电技术研究所 | 一种基于tld算法的目标检测跟踪方法 |
CN107749170A (zh) * | 2017-12-07 | 2018-03-02 | 东莞职业技术学院 | 一种车辆跟踪装置及方法 |
CN107967805A (zh) * | 2017-11-24 | 2018-04-27 | 泰华智慧产业集团股份有限公司 | 基于大数据分析快速离城车辆的方法及装置 |
CN108091142A (zh) * | 2017-12-12 | 2018-05-29 | 公安部交通管理科学研究所 | 用于高速公路大场景下车辆违法行为跟踪识别和自动抓拍的方法 |
CN108986478A (zh) * | 2018-09-17 | 2018-12-11 | 公安部交通管理科学研究所 | 一种定点甄别违法车辆的方法 |
CN109523797A (zh) * | 2018-12-12 | 2019-03-26 | 武汉中科天宇科技有限公司 | 一种智慧交通警务联动***及相应的方法 |
CN111009136A (zh) * | 2019-12-11 | 2020-04-14 | 公安部交通管理科学研究所 | 一种高速公路行驶速度异常车辆检测方法、装置及*** |
CN111277789A (zh) * | 2018-12-04 | 2020-06-12 | 北京奇虎科技有限公司 | 基于视频的社区安防方法、装置、电子设备及存储介质 |
CN114363575A (zh) * | 2022-01-11 | 2022-04-15 | 河北德冠隆电子科技有限公司 | 一种重点车辆自动追踪快速定位持续监视的***及方法 |
CN114399537A (zh) * | 2022-03-23 | 2022-04-26 | 东莞先知大数据有限公司 | 一种目标人员的车辆跟踪方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090174575A1 (en) * | 2001-10-17 | 2009-07-09 | Jim Allen | Multilane vehicle information capture system |
CN102724482A (zh) * | 2012-06-18 | 2012-10-10 | 西安电子科技大学 | 基于gps和gis的智能视觉传感网络运动目标接力跟踪*** |
CN104715612A (zh) * | 2013-12-12 | 2015-06-17 | 南京中兴力维软件有限公司 | 基于行车轨迹匹配实现的嫌疑车辆跟踪方法及装置 |
CN105632170A (zh) * | 2014-11-26 | 2016-06-01 | 安徽中杰信息科技有限公司 | 一种基于Mean Shift跟踪算法的交通流检测方法 |
-
2016
- 2016-06-06 CN CN201610394542.0A patent/CN105931467B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090174575A1 (en) * | 2001-10-17 | 2009-07-09 | Jim Allen | Multilane vehicle information capture system |
CN102724482A (zh) * | 2012-06-18 | 2012-10-10 | 西安电子科技大学 | 基于gps和gis的智能视觉传感网络运动目标接力跟踪*** |
CN104715612A (zh) * | 2013-12-12 | 2015-06-17 | 南京中兴力维软件有限公司 | 基于行车轨迹匹配实现的嫌疑车辆跟踪方法及装置 |
CN105632170A (zh) * | 2014-11-26 | 2016-06-01 | 安徽中杰信息科技有限公司 | 一种基于Mean Shift跟踪算法的交通流检测方法 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106504268A (zh) * | 2016-10-20 | 2017-03-15 | 电子科技大学 | 一种基于信息融合的改进Mean‑Shift跟踪方法 |
CN107392210A (zh) * | 2017-07-12 | 2017-11-24 | 中国科学院光电技术研究所 | 一种基于tld算法的目标检测跟踪方法 |
CN107967805A (zh) * | 2017-11-24 | 2018-04-27 | 泰华智慧产业集团股份有限公司 | 基于大数据分析快速离城车辆的方法及装置 |
CN107967805B (zh) * | 2017-11-24 | 2019-08-27 | 泰华智慧产业集团股份有限公司 | 基于大数据分析快速离城车辆的方法及装置 |
CN107749170A (zh) * | 2017-12-07 | 2018-03-02 | 东莞职业技术学院 | 一种车辆跟踪装置及方法 |
CN107749170B (zh) * | 2017-12-07 | 2020-06-16 | 东莞职业技术学院 | 一种车辆跟踪装置及方法 |
CN108091142A (zh) * | 2017-12-12 | 2018-05-29 | 公安部交通管理科学研究所 | 用于高速公路大场景下车辆违法行为跟踪识别和自动抓拍的方法 |
CN108986478A (zh) * | 2018-09-17 | 2018-12-11 | 公安部交通管理科学研究所 | 一种定点甄别违法车辆的方法 |
CN108986478B (zh) * | 2018-09-17 | 2021-06-29 | 公安部交通管理科学研究所 | 一种定点甄别违法车辆的方法 |
CN111277789A (zh) * | 2018-12-04 | 2020-06-12 | 北京奇虎科技有限公司 | 基于视频的社区安防方法、装置、电子设备及存储介质 |
CN109523797A (zh) * | 2018-12-12 | 2019-03-26 | 武汉中科天宇科技有限公司 | 一种智慧交通警务联动***及相应的方法 |
CN111009136A (zh) * | 2019-12-11 | 2020-04-14 | 公安部交通管理科学研究所 | 一种高速公路行驶速度异常车辆检测方法、装置及*** |
CN114363575A (zh) * | 2022-01-11 | 2022-04-15 | 河北德冠隆电子科技有限公司 | 一种重点车辆自动追踪快速定位持续监视的***及方法 |
CN114399537A (zh) * | 2022-03-23 | 2022-04-26 | 东莞先知大数据有限公司 | 一种目标人员的车辆跟踪方法及*** |
CN114399537B (zh) * | 2022-03-23 | 2022-07-01 | 东莞先知大数据有限公司 | 一种目标人员的车辆跟踪方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN105931467B (zh) | 2019-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105931467A (zh) | 一种跟踪目标的方法及装置 | |
Wu et al. | Applying a functional neurofuzzy network to real-time lane detection and front-vehicle distance measurement | |
CN107766821B (zh) | 基于卡尔曼滤波与深度学习的视频中全时段车辆检测跟踪方法及*** | |
Sina et al. | Vehicle counting and speed measurement using headlight detection | |
CN104778444B (zh) | 道路场景下车辆图像的表观特征分析方法 | |
Tian et al. | Video processing techniques for traffic flow monitoring: A survey | |
CN101916516B (zh) | 一种车道偏移识别方法 | |
KR101671428B1 (ko) | 지능형 교차로 위법 차량 감시 시스템 | |
US20140348390A1 (en) | Method and apparatus for detecting traffic monitoring video | |
CN108596129A (zh) | 一种基于智能视频分析技术的车辆越线检测方法 | |
CN104134222A (zh) | 基于多特征融合的车流监控图像检测和跟踪***及方法 | |
CN104537841A (zh) | 无牌车辆违章检测方法及其检测*** | |
KR20090130977A (ko) | 영상처리기법을 이용한 신호교차로의 교통상충 판단 시스템및 방법 | |
EP2813973B1 (en) | Method and system for processing video image | |
CN107909012B (zh) | 一种基于视差图的实时车辆跟踪检测方法与装置 | |
CN108520528B (zh) | 基于改进差分阈值和位移匹配模型的移动车辆跟踪方法 | |
CN103794050A (zh) | 一种实时的交通车辆检测与跟踪方法 | |
CN103390166B (zh) | 基于车前脸特征的车辆型号一致性判别方法 | |
Mampilayil et al. | Deep learning based detection of one way traffic rule violation of three wheeler vehicles | |
CN106951820B (zh) | 基于环形模板和椭圆拟合的客流统计方法 | |
Yang et al. | On-road collision warning based on multiple FOE segmentation using a dashboard camera | |
Ku et al. | Visual motorcycle detection and tracking algorithms | |
CN105426852B (zh) | 车载单目长波红外相机行人识别方法 | |
Shin et al. | Enhancing Railway Maintenance Safety Using Open‐Source Computer Vision | |
CN104361317A (zh) | 一种卡口式视频分析未系安全带行为检测***及其方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |