CN106548487A - 用于检测和跟踪移动物体的方法和装置 - Google Patents
用于检测和跟踪移动物体的方法和装置 Download PDFInfo
- Publication number
- CN106548487A CN106548487A CN201611049772.XA CN201611049772A CN106548487A CN 106548487 A CN106548487 A CN 106548487A CN 201611049772 A CN201611049772 A CN 201611049772A CN 106548487 A CN106548487 A CN 106548487A
- Authority
- CN
- China
- Prior art keywords
- contour
- mobile object
- connected domain
- tracking
- depth image
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000001514 detection method Methods 0.000 claims abstract description 26
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 18
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims description 6
- 150000001875 compounds Chemical class 0.000 claims description 6
- 239000002131 composite material Substances 0.000 claims description 5
- 238000003384 imaging method Methods 0.000 claims description 3
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及一种用于检测和跟踪移动物体的方法和装置。获取移动物体的连续的多帧深度图像，并对多帧深度图像的每个帧的深度图像进行连通域分析；通过当前待检测的移动物体的多帧深度图像经过过滤操作的连通域内的像素的差分检测连通域关联的移动物体的对象；获取与连通域关联的移动物体的物体轮廓；使用预设跟踪算法对物体轮廓的多个关键点执行跟踪；将通过跟踪生成的跟踪点进行重新组合为物体轮廓；判断重新组合的物体轮廓特征与多个关键点之间的关联关系是否满足预先设置的关联关系，若满足预先设置的关联关系，则对物体跟踪成功。该方法站在以跟踪为主的角度，实现选取多个关键点检测跟踪的操作，具有检测跟踪的易用性、准确性与高效性。
Description
技术领域
本发明涉及检测跟踪技术领域，特别涉及一种用于检测和跟踪移动物体的方法和装置。
背景技术
传统技术中，对某一移动物体进行检测跟踪的方法具体以检测为主跟踪为辅，这种检测跟踪的方式具有局限性；与此同时，对移动物体检测跟踪的关键点的选择也存在着单一的问题，从而导致检测跟踪不够准确，适用性差等问题。
发明内容
鉴于此，有必要针对传统技术存在的问题，提供了一种用于检测和跟踪移动物体的方法和装置，站在以跟踪为主的角度，实现选取多个关键点检测跟踪的操作，具有检测跟踪的易用性、准确性与高效性。
为达到发明目的，提供一种用于检测和跟踪移动物体的方法，所述方法包括：获取移动物体的连续的多帧深度图像，并对所述多帧深度图像的每个帧的深度图像进行连通域分析；通过当前待检测的所述移动物体的所述多帧深度图像经过过滤操作的所述连通域内的像素的差分检测所述连通域关联的所述移动物体的对象；获取与所述连通域关联的所述移动物体的物体轮廓；使用预设跟踪算法对所述物体轮廓的多个关键点执行跟踪；将通过跟踪生成的跟踪点进行重新组合为所述物体轮廓；判断重新组合的所述物体轮廓特征与所述多个关键点之间的关联关系是否满足预先设置的所述关联关系，若满足预先设置的所述关联关系，则对物体跟踪成功。
在其中一个实施例中，所述获取移动物体的连续多帧深度图像包括：由一个或多个取像设备对所述深度图像执行捕获操作。
在其中一个实施例中，所述通过当前待检测的所述移动物体的所述多帧深度图像经过过滤操作的所述连通域内的像素的差分检测所述连通域关联的所述移动物体的对象包括；对属于所述连通域的像素总个数以及属于所述连通域的差分为负的像素个数执行统计；计算所述连通域的差分为负的像素个数相对于所述像素总个数的比率，根据所述比率判断所述连通域关联的所述移动物体的对象；或对属于所述连通域的像素总个数以及属于所述连通域的差分为正的像素个数执行统计；计算所述连通域的差分为正的像素个数相对于所述像素总个数的比率，根据所述比率判断所述连通域关联的所述移动物体的对象。
在其中一个实施例中，所述获取与所述连通域关联的所述移动物体的物体轮廓的步骤之前包括；将所述连通域的信息作为所述移动物体列表中的所述移动物体条目的信息，并基于所述连通域匹配执行所述移动物体列表中的所述移动物体条目的跟踪操作。
在其中一个实施例中，对所述移动物体列表中的所述移动物体条目的一个或多个执行混合目标跟踪，其中，混合目标跟踪包括使用Kanade-Lucas-Tomasi特征***和均值漂移、使用自动内核标度轨迹与更新、以及使用一个或多个特征轨迹。
在其中一个实施例中，所述使用预设跟踪算法对所述物体轮廓的多个关键点执行跟踪的步骤之前包括；对获取所述物体轮廓的所述多个关键点执行确定性检测。
在其中一个实施例中，所述使用预设跟踪算法对预先获取的物体轮廓的多个关键点执行跟踪包括：对所述多个关键点中的每个关键点依次在其前后两帧执行跟踪；依次对所述每个关键点进行前后两帧的判断是否匹配；若匹配成功，则继续对下一个所述关键点进行匹配。
在其中一个实施例中，所述判断重新组合的所述物体轮廓特征与所述多个关键点之间的关联关系是否满足预先设置的所述关联关系包括：获取所述物体轮廓的多个特征参数；通过多个特征参数计算所述物体轮廓的面积；建立所述物体轮廓的面积与所述多个关键点之间的几何关系；或获取所述物体轮廓的多个特征参数；通过多个特征参数计算所述物体轮廓的体积；建立所述物体轮廓的体积与所述多个关键点之间的几何关系。
在其中一个实施例中，所述获取所述物体轮廓的多个特征参数包括：使用Surf算法获取所述物体轮廓的所述多个特征参数。
基于同一发明构思的一种用于检测和跟踪移动物体的装置，所述装置包括：获取与分析模块，用于获取移动物体的连续的多帧深度图像，并对所述多帧深度图像的每个帧的深度图像进行连通域分析；检测模块，用于通过当前待检测的所述移动物体的所述多帧深度图像经过过滤操作的所述连通域内的像素的差分检测所述连通域关联的所述移动物体的对象；物体轮廓获取模块，用于获取与所述连通域关联的所述移动物体的物体轮廓；跟踪模块，用于使用预设跟踪算法对所述物体轮廓的多个关键点执行跟踪；组合模块，用于将通过跟踪生成的跟踪点进行重新组合为所述物体轮廓；判断与执行模块，用于判断重新组合的所述物体轮廓特征与所述多个关键点之间的关联关系是否满足预先设置的所述关联关系，若满足预先设置的所述关联关系，则对物体跟踪成功。
本发明提供的一种用于检测和跟踪移动物体的方法和装置。获取移动物体的连续的多帧深度图像，并对多帧深度图像的每个帧的深度图像进行连通域分析；通过当前待检测的移动物体的多帧深度图像经过过滤操作的连通域内的像素的差分检测连通域关联的移动物体的对象；获取与连通域关联的移动物体的物体轮廓；使用预设跟踪算法对物体轮廓的多个关键点执行跟踪；将通过跟踪生成的跟踪点进行重新组合为物体轮廓；判断重新组合的物体轮廓特征与多个关键点之间的关联关系是否满足预先设置的关联关系，若满足预先设置的关联关系，则对物体跟踪成功。该方法站在以跟踪为主的角度，实现选取多个关键点检测跟踪的操作，具有检测跟踪的易用性、准确性与高效性。
附图说明
图1为本发明一个实施例中的一种用于检测和跟踪移动物体的方法的步骤流程图；以及
图2为发明一个实施例中的一种用于检测和跟踪移动物体的装置的结构示意图。
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用于检测和跟踪移动物体的方法和装置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用以解释本发明，并不用于限定本发明。
如图1所示，为一个实施例中的一种用于检测和跟踪移动物体的方法的步骤流程图。具体包括以下步骤：
步骤101，获取移动物体的连续的多帧深度图像，并对多帧深度图像的每个帧的深度图像进行连通域分析。
本实施例中，获取移动物体的连续多帧深度图像包括：由一个或多个取像设备对深度图像执行捕获操作。
步骤102，通过当前待检测的移动物体的多帧深度图像经过过滤操作的连通域内的像素的差分检测连通域关联的移动物体的对象。
本实施例中，通过当前待检测的移动物体的多帧深度图像经过过滤操作的连通域内的像素的差分检测连通域关联的移动物体的对象包括；对属于连通域的像素总个数以及属于连通域的差分为负的像素个数执行统计；计算连通域的差分为负的像素个数相对于像素总个数的比率，根据比率判断连通域关联的移动物体的对象；或对属于连通域的像素总个数以及属于连通域的差分为正的像素个数执行统计；计算连通域的差分为正的像素个数相对于像素总个数的比率，根据比率判断连通域关联的移动物体的对象。
步骤103，获取与连通域关联的移动物体的物体轮廓。
本实施例中，获取与连通域关联的移动物体的物体轮廓的步骤之前包括；将连通域的信息作为移动物体列表中的移动物体条目的信息，并基于连通域匹配执行移动物体列表中的移动物体条目的跟踪操作。
进一步地，对移动物体列表中的移动物体条目的一个或多个执行混合目标跟踪，其中，混合目标跟踪包括使用Kanade-Lucas-Tomasi特征***和均值漂移、使用自动内核标度轨迹与更新、以及使用一个或多个特征轨迹。
步骤104，使用预设跟踪算法对物体轮廓的多个关键点执行跟踪。其中，优选四个关键点。
本实施例中，使用预设跟踪算法对物体轮廓的多个关键点执行跟踪的步骤之前包括；对获取物体轮廓的多个关键点执行确定性检测。
需要说明的是，使用预设跟踪算法对预先获取的物体轮廓的多个关键点执行跟踪包括：对多个关键点中的每个关键点依次在其前后两帧执行跟踪；依次对每个关键点进行前后两帧的判断是否匹配；若匹配成功，则继续对下一个关键点进行匹配。
步骤105，将通过跟踪生成的跟踪点进行重新组合为物体轮廓。
步骤106，判断重新组合的物体轮廓特征与多个关键点之间的关联关系是否满足预先设置的关联关系，若满足预先设置的关联关系，则对物体跟踪成功。
本实施例中，判断重新组合的物体轮廓特征与多个关键点之间的关联关系是否满足预先设置的关联关系包括：获取物体轮廓的多个特征参数；通过多个特征参数计算物体轮廓的面积；建立物体轮廓的面积与多个关键点之间的几何关系；或获取物体轮廓的多个特征参数；通过多个特征参数计算物体轮廓的体积；建立物体轮廓的体积与多个关键点之间的几何关系。其中，获取物体轮廓的多个特征参数包括：使用Surf算法获取物体轮廓的多个特征参数。
本发明提供的一种用于检测和跟踪移动物体的方法。获取移动物体的连续的多帧深度图像，并对多帧深度图像的每个帧的深度图像进行连通域分析；通过当前待检测的移动物体的多帧深度图像经过过滤操作的连通域内的像素的差分检测连通域关联的移动物体的对象；获取与连通域关联的移动物体的物体轮廓；使用预设跟踪算法对物体轮廓的多个关键点执行跟踪；将通过跟踪生成的跟踪点进行重新组合为物体轮廓；判断重新组合的物体轮廓特征与多个关键点之间的关联关系是否满足预先设置的关联关系，若满足预先设置的关联关系，则对物体跟踪成功。该方法站在以跟踪为主的角度，实现选取多个关键点检测跟踪的操作，具有检测跟踪的易用性、准确性与高效性。
基于同一发明构思，还提供了一种用于检测和跟踪移动物体的装置，由于此装置解决问题的原理与前述一种用于检测和跟踪移动物体的方法相似，因此，该装置的实施可以按照前述方法的具体步骤实现，重复之处不再赘述。
如图2所示，为一个实施例中的一种用于检测和跟踪移动物体的装置的结构示意图。该用于检测和跟踪移动物体的装置10包括：获取与分析模块100、检测模块200、物体轮廓获取模块300、跟踪模块400、组合模块500和判断与执行模块600。
其中，获取与分析模块100用于获取移动物体的连续的多帧深度图像，并对多帧深度图像的每个帧的深度图像进行连通域分析；检测模块200用于通过当前待检测的移动物体的多帧深度图像经过过滤操作的连通域内的像素的差分检测连通域关联的移动物体的对象；物体轮廓获取模块300用于获取与连通域关联的移动物体的物体轮廓；跟踪模块400用于使用预设跟踪算法对物体轮廓的多个关键点执行跟踪；组合模块500用于将通过跟踪生成的跟踪点进行重新组合为物体轮廓；判断与执行模块600用于判断重新组合的物体轮廓特征与多个关键点之间的关联关系是否满足预先设置的关联关系，若满足预先设置的关联关系，则对物体跟踪成功。
本发明提供的一种用于检测和跟踪移动物体的装置。通过获取与分析模块100获取移动物体的连续的多帧深度图像，并对多帧深度图像的每个帧的深度图像进行连通域分析；再通过检测模块200通过当前待检测的移动物体的多帧深度图像经过过滤操作的连通域内的像素的差分检测连通域关联的移动物体的对象；再通过物体轮廓获取模块300获取与连通域关联的移动物体的物体轮廓；继而通过跟踪模块400使用预设跟踪算法对物体轮廓的多个关键点执行跟踪；再通过组合模块500将通过跟踪生成的跟踪点进行重新组合为物体轮廓；最终通过判断与执行模块600判断重新组合的物体轮廓特征与多个关键点之间的关联关系是否满足预先设置的关联关系，若满足预先设置的关联关系，则对物体跟踪成功。该装置站在以跟踪为主的角度，实现选取多个关键点检测跟踪的操作，具有检测跟踪的易用性、准确性与高效性。
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流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。
以上所述实施例的各技术特征可以进行任意的组合，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，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种用于检测和跟踪移动物体的方法，其特征在于，所述方法包括：
获取移动物体的连续的多帧深度图像，并对所述多帧深度图像的每个帧的深度图像进行连通域分析；
通过当前待检测的所述移动物体的所述多帧深度图像经过过滤操作的所述连通域内的像素的差分检测所述连通域关联的所述移动物体的对象；
获取与所述连通域关联的所述移动物体的物体轮廓；
使用预设跟踪算法对所述物体轮廓的多个关键点执行跟踪；
将通过跟踪生成的跟踪点进行重新组合为所述物体轮廓；
判断重新组合的所述物体轮廓特征与所述多个关键点之间的关联关系是否满足预先设置的所述关联关系，若满足预先设置的所述关联关系，则对物体跟踪成功。
2.根据权利要求1所述的用于检测和跟踪移动物体的方法，其特征在于，所述获取移动物体的连续多帧深度图像包括：由一个或多个取像设备对所述深度图像执行捕获操作。
3.根据权利要求1所述的用于检测和跟踪移动物体的方法，其特征在于，所述通过当前待检测的所述移动物体的所述多帧深度图像经过过滤操作的所述连通域内的像素的差分检测所述连通域关联的所述移动物体的对象包括；
对属于所述连通域的像素总个数以及属于所述连通域的差分为负的像素个数执行统计；
计算所述连通域的差分为负的像素个数相对于所述像素总个数的比率，根据所述比率判断所述连通域关联的所述移动物体的对象；或
对属于所述连通域的像素总个数以及属于所述连通域的差分为正的像素个数执行统计；
计算所述连通域的差分为正的像素个数相对于所述像素总个数的比率，根据所述比率判断所述连通域关联的所述移动物体的对象。
4.根据权利要求1所述的用于检测和跟踪移动物体的方法，其特征在于，所述获取与所述连通域关联的所述移动物体的物体轮廓的步骤之前包括；将所述连通域的信息作为所述移动物体列表中的所述移动物体条目的信息，并基于所述连通域匹配执行所述移动物体列表中的所述移动物体条目的跟踪操作。
5.根据权利要求4所述的用于检测和跟踪移动物体的方法，其特征在于，对所述移动物体列表中的所述移动物体条目的一个或多个执行混合目标跟踪，其中，混合目标跟踪包括使用Kanade-Lucas-Tomasi特征***和均值漂移、使用自动内核标度轨迹与更新、以及使用一个或多个特征轨迹。
6.根据权利要求1所述的用于检测和跟踪移动物体的方法，其特征在于，所述使用预设跟踪算法对所述物体轮廓的多个关键点执行跟踪的步骤之前包括；对获取所述物体轮廓的所述多个关键点执行确定性检测。
7.根据权利要求1所述的用于检测和跟踪移动物体的方法，其特征在于，所述使用预设跟踪算法对预先获取的物体轮廓的多个关键点执行跟踪包括：
对所述多个关键点中的每个关键点依次在其前后两帧执行跟踪；
依次对所述每个关键点进行前后两帧的判断是否匹配；
若匹配成功，则继续对下一个所述关键点进行匹配。
8.根据权利要求1所述的用于检测和跟踪移动物体的方法，其特征在于，所述判断重新组合的所述物体轮廓特征与所述多个关键点之间的关联关系是否满足预先设置的所述关联关系包括：
获取所述物体轮廓的多个特征参数；
通过多个特征参数计算所述物体轮廓的面积；
建立所述物体轮廓的面积与所述多个关键点之间的几何关系；或
获取所述物体轮廓的多个特征参数；
通过多个特征参数计算所述物体轮廓的体积；
建立所述物体轮廓的体积与所述多个关键点之间的几何关系。
9.根据权利要求8所述的用于检测和跟踪移动物体的方法，其特征在于，所述获取所述物体轮廓的多个特征参数包括：使用Surf算法获取所述物体轮廓的所述多个特征参数。
10.一种用于检测和跟踪移动物体的装置，其特征在于，所述装置包括：
获取与分析模块，用于获取移动物体的连续的多帧深度图像，并对所述多帧深度图像的每个帧的深度图像进行连通域分析；
检测模块，用于通过当前待检测的所述移动物体的所述多帧深度图像经过过滤操作的所述连通域内的像素的差分检测所述连通域关联的所述移动物体的对象；
物体轮廓获取模块，用于获取与所述连通域关联的所述移动物体的物体轮廓；
跟踪模块，用于使用预设跟踪算法对所述物体轮廓的多个关键点执行跟踪；
组合模块，用于将通过跟踪生成的跟踪点进行重新组合为所述物体轮廓；
判断与执行模块，用于判断重新组合的所述物体轮廓特征与所述多个关键点之间的关联关系是否满足预先设置的所述关联关系，若满足预先设置的所述关联关系，则对物体跟踪成功。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611049772.XA CN106548487B (zh) | 2016-11-25 | 2016-11-25 | 用于检测和跟踪移动物体的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611049772.XA CN106548487B (zh) | 2016-11-25 | 2016-11-25 | 用于检测和跟踪移动物体的方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106548487A true CN106548487A (zh) | 2017-03-29 |
| CN106548487B CN106548487B (zh) | 2019-09-03 |
Family
ID=58395017
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611049772.XA Active CN106548487B (zh) | 2016-11-25 | 2016-11-25 | 用于检测和跟踪移动物体的方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106548487B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108171726A (zh) * | 2016-12-07 | 2018-06-15 | 南京仁光电子科技有限公司 | 物体检测跟踪的方法和装置 |
| CN109177876A (zh) * | 2018-08-13 | 2019-01-11 | 吉利汽车研究院（宁波）有限公司 | 一种移动物体检测报警***及方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2048619A1 (en) * | 2007-10-13 | 2009-04-15 | Toyota Motor Europe NV | Methods and systems for processing of video data |
| CN101493889A (zh) * | 2008-01-23 | 2009-07-29 | 华为技术有限公司 | 对视频对象进行跟踪的方法及装置 |
| CN102831378A (zh) * | 2011-06-14 | 2012-12-19 | 株式会社理光 | 人的检测和跟踪方法与*** |
| CN103262121A (zh) * | 2010-12-20 | 2013-08-21 | 国际商业机器公司 | 移动物体的检测和跟踪 |
| US20160055648A1 (en) * | 2014-08-22 | 2016-02-25 | Canon Kabushiki Kaisha | Non-uniform curve sampling method for object tracking |
| US20160321507A1 (en) * | 2014-02-24 | 2016-11-03 | Sk Telecom Co., Ltd. | Person counting method and device for same |
-
2016
- 2016-11-25 CN CN201611049772.XA patent/CN106548487B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2048619A1 (en) * | 2007-10-13 | 2009-04-15 | Toyota Motor Europe NV | Methods and systems for processing of video data |
| CN101493889A (zh) * | 2008-01-23 | 2009-07-29 | 华为技术有限公司 | 对视频对象进行跟踪的方法及装置 |
| CN103262121A (zh) * | 2010-12-20 | 2013-08-21 | 国际商业机器公司 | 移动物体的检测和跟踪 |
| CN102831378A (zh) * | 2011-06-14 | 2012-12-19 | 株式会社理光 | 人的检测和跟踪方法与*** |
| US20160321507A1 (en) * | 2014-02-24 | 2016-11-03 | Sk Telecom Co., Ltd. | Person counting method and device for same |
| US20160055648A1 (en) * | 2014-08-22 | 2016-02-25 | Canon Kabushiki Kaisha | Non-uniform curve sampling method for object tracking |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108171726A (zh) * | 2016-12-07 | 2018-06-15 | 南京仁光电子科技有限公司 | 物体检测跟踪的方法和装置 |
| CN109177876A (zh) * | 2018-08-13 | 2019-01-11 | 吉利汽车研究院（宁波）有限公司 | 一种移动物体检测报警***及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106548487B (zh) | 2019-09-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111983935B (zh) | 一种性能评测方法和装置 | |
| US7982774B2 (en) | Image processing apparatus and image processing method | |
| CN102542289B (zh) | 一种基于多高斯计数模型的人流量统计方法 | |
| CN103605983B (zh) | 一种遗留物检测和跟踪方法 | |
| CN106920245B (zh) | 一种边界检测的方法及装置 | |
| CN103093458B (zh) | 关键帧的检测方法及装置 | |
| CN109871763A (zh) | 一种基于yolo的特定目标跟踪方法 | |
| CN102457680A (zh) | 图像处理装置及图像处理方法 | |
| KR102042629B1 (ko) | 영상 기반의 건설 현장 상황 인지 시스템 및 방법, 그리고 이를 이용한 토공 생산성 분석 방법 | |
| CN108665476A (zh) | 一种行人跟踪方法以及电子设备 | |
| CN103679745B (zh) | 一种运动目标检测方法及装置 | |
| CN101022505A (zh) | 复杂背景下运动目标自动检测方法和装置 | |
| CN105469397A (zh) | 一种基于系数矩阵分析的目标遮挡检测方法 | |
| CN101483001A (zh) | 基于视频的入侵检测方法、检测装置、芯片 | |
| CN101673404A (zh) | 一种目标检测的方法和装置 | |
| CN106327558A (zh) | 点云立面提取方法和装置 | |
| JP2016058085A (ja) | 対象の遮蔽を検出する方法と装置 | |
| CN107341793A (zh) | 一种靶面图像处理方法及装置 | |
| CN105976398A (zh) | 一种白天火灾视频检测方法 | |
| Kim et al. | Sequential pattern learning of visual features and operation cycles for vision-based action recognition of earthmoving excavators | |
| Vetrivel et al. | Potential of multi-temporal oblique airborne imagery for structural damage assessment | |
| CN106548487A (zh) | 用于检测和跟踪移动物体的方法和装置 | |
| CN104754327A (zh) | 一种检测及消除高光谱图像坏点的方法 | |
| CN112967221A (zh) | 一种盾构管片生产与拼装信息管理*** | |
| EP3007426A1 (en) | Method and apparatus for detecting defects in digitized image sequences |
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 | ||
| CB02 | Change of applicant information |
Address after: 315111 No. 45, Jing Da Road, five Township, Yinzhou District, Ningbo, Zhejiang. Applicant after: Zhu Lanying Address before: 315113 No. 60 South Road, Dongwuzhen Town, Yinzhou District, Ningbo City, Zhejiang Province Applicant before: Zhu Lanying |
|
| CB02 | Change of applicant information | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20190802 Address after: 318020, No. 27, North Hospital Road, Huangyan North Development Zone, Taizhou, Zhejiang Applicant after: ZHEJIANG GUANGYUE ENVIRONMENTAL PROTECTION TECHNOLOGY Co.,Ltd. Address before: 315111 No. 45 Jingda Road, Five Townships, Yinzhou District, Ningbo City, Zhejiang Province Applicant before: Zhu Lanying |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231113 Address after: 318000 No. 215 Lvting Road, Dongcheng Street, Huangyan District, Taizhou City, Zhejiang Province (self declared) Patentee after: Taizhou Shun Ning Plastic Co.,Ltd. Address before: 318020 No.27, Beiyuan Avenue, Huangyan Beicheng Development Zone, Taizhou City, Zhejiang Province Patentee before: ZHEJIANG GUANGYUE ENVIRONMENTAL PROTECTION TECHNOLOGY Co.,Ltd. |
|
| TR01 | Transfer of patent right |