CN109685062B - 一种目标检测方法、装置、设备及存储介质 - Google Patents
一种目标检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN109685062B CN109685062B CN201910001609.3A CN201910001609A CN109685062B CN 109685062 B CN109685062 B CN 109685062B CN 201910001609 A CN201910001609 A CN 201910001609A CN 109685062 B CN109685062 B CN 109685062B
- Authority
- CN
- China
- Prior art keywords
- area
- shooting
- target
- areas
- camera
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 167
- 238000000034 method Methods 0.000 claims abstract description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 59
- 238000012544 monitoring process Methods 0.000 claims description 22
- 230000004927 fusion Effects 0.000 claims description 14
- 238000012163 sequencing technique Methods 0.000 claims description 8
- 230000000007 visual effect Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 88
- 238000010586 diagram Methods 0.000 description 14
- 238000012545 processing Methods 0.000 description 7
- 230000004913 activation Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000012447 hatching Effects 0.000 description 3
- 230000003213 activating effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Closed-Circuit Television Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种目标检测方法、装置、设备及存储介质。该方法包括:根据两个或两个以上拍摄区域的画面确定对应的拍摄区域为目标区域或者非目标区域,所述目标区域是待检测对象可能出现的区域;如果拍摄区域为目标区域,则通过所述拍摄区域对应的相机和全区域相机交替进行目标检测,所述拍摄区域对应的相机的分辨率高于所述全区域相机的分辨率;如果拍摄区域为非目标区域,则通过所述全区域相机进行目标检测。通过上述技术方案,实现了利用多相机阵列灵活地对待检测对象进行检测和跟踪。
Description
技术领域
本发明实施例涉及计算机视觉技术领域,尤其涉及一种目标检测方法、装置、设备及存储介质。
背景技术
多目标视觉检测与跟踪技术是当前计算机视觉领域的研究热点之一,已经广泛应用于自动驾驶、行人检测、人脸识别、安保监控等领域。目前,各式的相机设备在多目标视觉检测与跟踪技术中均有采用,其中,多相机阵列具有诸多优势,由于有多个相机参与图像的采集,可以提供更大的信息量进而提高目标检测和跟踪的精度,但这也造成了运算复杂、决策缓慢、效率低下等一系列问题。
在多相机阵列中,各个相机之间的拍摄图像拼接复杂,当目标从某一相机单元的画面中消失,需要准确地预测该目标将会在哪个相机单元的画面中出现,并进行相机单元的切换。当利用分辨率较低的相机进行目标识别和检测时,可能无法满足画面的分辨率及目标检测精度的需求,而利用分辨率较高的相机监测时,需要对大量的拍摄画面进行处理,运算成本较高。目前的目标检测方法中的多个相机单元之间难以高效协作,无法灵活地对待检测对象进行检测和跟踪。
发明内容
本发明提供了一种目标检测方法、装置、设备及存储介质,以实现利用多相机阵列灵活地对待检测对象进行检测和跟踪。
第一方面,本发明实施例提供了一种目标检测方法,包括:
根据两个或两个以上拍摄区域的画面确定对应的拍摄区域为目标区域或者非目标区域,所述目标区域是待检测对象可能出现的区域;
如果拍摄区域为目标区域,则通过所述拍摄区域对应的相机和全区域相机交替进行目标检测,所述拍摄区域对应的相机的分辨率高于所述全区域相机的分辨率;
如果拍摄区域为非目标区域,则通过所述全区域相机进行目标检测。
进一步的,所述根据两个或两个以上拍摄区域的画面确定对应的拍摄区域为目标区域或者非目标区域,包括:
将中心拍摄区域作为当前区域,将所述中心拍摄区域的画面作为当前区域的画面输入目标识别算法,确定当前区域为目标区域或者非目标区域,所述中心拍摄区域为所述两个或两个以上拍摄区域中位于中心位置的拍摄区域;
如果所述当前区域为目标区域,则将所述当前区域相邻拍摄区域的画面作为新当前区域的画面输入目标识别算法;
如果所述当前区域为非目标区域,则将所述当前区域对角线上的拍摄区域的画面作为新当前区域的画面输入目标识别算法,直至确定全部拍摄区域为目标区域或者非目标区域。
进一步的,所述通过所述拍摄区域对应的相机和全区域相机交替进行目标检测,包括:
将所述拍摄区域对应的相机和全区域相机的监测置信度差值与Bhattacharyya系数融合,得到融合值;
若所述融合值小于等于预设阈值,则通过所述全区域相机对所述拍摄区域进行目标检测;
若所述融合值大于预设阈值,则通过所述拍摄区域对应的相机对所述拍摄区域进行目标检测。
进一步的,所述通过所述拍摄区域对应的相机和全区域相机交替进行目标检测,还包括:
获取所述全区域相机对所述待检测对象的拍摄分辨率;
当所述拍摄分辨率大于等于预设分辨率时,则通过所述全区域相机对所述拍摄区域进行目标检测;
当所述拍摄分辨率小于预设分辨率时,则通过所述拍摄区域对应的相机对所述拍摄区域进行目标检测。
进一步的,在所述如果拍摄区域为非目标区域,则通过所述全区域相机进行目标检测之后,还包括:
利用背景差分算法监测所述全区域相机的拍摄画面;
若在所述拍摄画面中检测到待检测对象,重新根据两个或两个以上拍摄区域的画面确定对应的拍摄区域为目标区域或者非目标区域。
进一步的,所述方法还包括:
当待检测对象进入所述拍摄区域的视角重合区域时,由原本对所述待检测对象进行目标检测的拍摄区域对应的相机提供所述待检测对象位置的概率分布;
根据所述概率分布
将所述待检测对象可能进入的拍摄区域由高到低进行排序;
根据排序结果依次将所述可能进入的拍摄区域输入至目标识别算法,直至确定所述待检测对象进入的拍摄区域。
进一步的,所述方法还包括:
间隔预设周期之后,重新根据两个或两个以上拍摄区域的画面确定对应的拍摄区域为目标区域或者非目标区域。
第二方面,本发明实施例提供了一种目标检测装置,包括:
第一目标区域确定模块,用于根据两个或两个以上拍摄区域的画面确定对应的拍摄区域为目标区域或者非目标区域,所述目标区域是待检测对象可能出现的区域;
交替进检测模块,用于如果拍摄区域为目标区域,则通过所述拍摄区域对应的相机和全区域相机交替进行目标检测,所述拍摄区域对应的相机的分辨率高于所述全区域相机的分辨率;
全区域拍摄模块,用于如果拍摄区域为非目标区域,则通过所述全区域相机进行目标检测。
第三方面,本发明实施例提供了一种设备,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如第一方面所述的目标检测方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面所述的目标检测方法。
本发明实施例提供了一种目标检测方法、装置、设备及存储介质。该方法包括:根据两个或两个以上拍摄区域的画面确定对应的拍摄区域为目标区域或者非目标区域,所述目标区域是待检测对象可能出现的区域;如果拍摄区域为目标区域,则通过所述拍摄区域对应的相机和全区域相机交替进行目标检测,所述拍摄区域对应的相机的分辨率高于所述全区域相机的分辨率;如果拍摄区域为非目标区域,则通过所述全区域相机进行目标检测。通过上述技术方案,实现了利用多相机阵列灵活地对待检测对象进行检测和跟踪。
附图说明
图1为本发明实施例一提供的一种目标检测方法的流程图;
图2为本发明实施例一提供的多相机阵列的示意图;
图3为本发明实施例一提供的多相机阵列拍摄区域的示意图;
图4为本发明实施例二提供的一种目标检测方法的流程图;
图5A为本发明实施例二提供的当前区域的示意图;
图5B为本发明实施例二提供的当前区域相邻拍摄区域的示意图;
图5C为本发明实施例二提供的当前区域对角线上的拍摄区域的示意图;
图6为本发明实施例二提供的目标检测方法实现的示意图;
图7为本发明实施例三提供的一种目标检测装置的结构示意图;
图8为本发明实施例四提供的一种设备的硬件结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种目标检测方法的流程图,本实施例可适用于通过多相机阵列对待检测对象进行目标检测的情况,具体的,可应用于军事追踪、民用目标追踪/监控、自动驾驶目标识别、体育转播等通过多相机阵列拍摄并需要从拍摄画面中进行检测目标的各种领域。该目标检测方法可以由目标检测装置执行,该目标检测装置可以通过软件和/或硬件的方式实现,并集成在设备中。进一步的,设备包括但不限定于:工控机、台式计算机以及集成智能电子设备。
图2为本发明实施例一提供的多相机阵列的示意图。本实施例中所述的多相机阵列是指多焦距相机阵列,即由一个广角相机和多个固定排列的长焦相机组成的多相机阵列,其中,广角相机是指焦距较短、视角较大的相机,其覆盖的拍摄区域较广,但拍摄到的拍摄画面中的景物相对较小、分辨率相对较低;长焦相机是指焦距较长、视角较小的相机,其覆盖的拍摄区域较小,对于小范围内景物的拍摄画面具有更高的分辨率。如图2所示,多相机阵列中包含一个广角相机100,即全区域相机,其位置坐标记为C(0,0),以及呈三排六列分布在广角相机100两侧的长焦相机101(图2中只标示出1个),即各拍摄区域对应的相机,这些广角相机的位置坐标分别记为C(1,1)至C(3,6)。
图3为本发明实施例一提供的多相机阵列拍摄区域的示意图。如图3所示,广角相机100用于全区域拍摄,其拍摄范围覆盖了全部长焦相机的拍摄区域(如图3中的加粗黑框所示),此拍摄范围内具有多个拍摄区域,呈三排六列的分布,每个拍摄区域分别对应于一个长焦相机,并且相邻排列的长焦相机的拍摄区域有部分重合(如图3中方块重叠的部分所示),重合部分的面积可根据实际需求在多相机阵列部署和校准过程中确定。
需要说明的,本实施例对目标区域的确定、对目标区域交替进行目标检测以及对非目标区域的目标检测进行了详细的说明,而对于(多)目标识别与跟踪算法不作限定,并且多相机阵列在部署时已经经过视角、焦距等方面的校准。
参考图1,该目标检测方法具体包括如下步骤:
S110、根据两个或两个以上拍摄区域的画面确定对应的拍摄区域为目标区域或者非目标区域,所述目标区域是待检测对象可能出现的区域。
具体的,首先确定各拍摄区域为目标区域或者非目标区域。将多相机阵列覆盖的全部区域内的图像划分为两类,目标区域是指有可能出现待检测对象的区域(如道路、广场等),非目标区域是指不可能出现待检测对象的区域(如树林、天空等),对于目标区域通常需要进行高精度的实时监测,而对于非目标区域可采用运算成本较低算法(如背景差分算法)进行监测。待检测对象可以为行人、车辆、交通标识等,将各拍摄区域(如图3所示的三行六列且具有重合部分的各方块所代表的区域)的画面依次输入至目标识别算法以进行图像检测和分类,确定其是否为可能出现待检测对象的目标区域。
S120、拍摄区域为是否为目标区域,如果是,则执行步骤S130;如果否,则执行步骤S140。
具体的,步骤S110已依次确定所有拍摄区域是否为目标区域,针对不同的区域,采用不同的相机或算法进行目标检测,如果是目标区域,则执行步骤S130;如果否,则执行步骤S140。
S130、通过所述拍摄区域对应的相机和全区域相机交替进行目标检测,所述拍摄区域对应的相机的分辨率高于所述全区域相机的分辨率。
具体的,对于目标区域,当出现待检测对象时,需要准确、快速地检测和跟踪待检测对象,捕捉拍摄画面的细节信息。本实施示例性地设定对于目标区域,默认设置为利用对应的相机进行目标检测,以提供更清晰的拍摄画面;对于非目标区域,默认设置为利用全区域相机进行目标检测,以降低检测成本。随着待检测对象的移动,根据待检测对象进入或离开当前目标区域的方向,可检测待检测对象将要转移至哪个拍摄区域,从而对目标区域进行预测和更新,保证能够及时跟踪待检测对象。在此基础上,对目标区域利用拍摄区域对应的相机和全区域相机交替进行目标检测。示例性的,当原本为非目标区域的拍摄区域变为目标区域时,由全区域相机切换为该目标区域对应的相机进行目标检测;对于目标区域,如果其拍摄分辨率要求不高时,切换为全区域相机进行目标检测,例如待检测对象轮廓清晰且背景较为单一,如在山间公路上监测一个车辆,则对于车辆所在的目标区域,可切换为全区域相机进行目标检测;而当需要获取车辆的详细信息,例如要查看车牌、分辨车辆型号、辨认车主时,切换为该车辆所在的目标区域对应的相机进行目标检测,以提供更高的分辨率和检测精度。
S140、通过所述全区域相机进行目标检测。
具体的,如果拍摄区域为非目标区域,则通过全区域相机进行目标检测,以提供较广的拍摄范围内整体的拍摄画面,避免多个拍摄区域的图像的拼接和校准;同时可利用运算量较低的算法(背景差分算法)监测非目标区域内是否出现待检测对象,如果出现待检测对象,则更新目标区域,并利用拍摄区域对应的相机和全区域相机根据实际需求对目标区域交替进行目标检测。
需要说明的是,所述拍摄区域有多个,各个拍摄区域都对应于一台拍摄区域对应的相机(长焦相机),所述拍摄区域对应的相机的分辨率高于全区域相机的分辨率。全区域相机的拍摄范围覆盖了全部拍摄区域对应的相机的拍摄区域,在拍摄过程中不需要校准或拼接图像即可以获得全局的信息,无需对大量的拍摄画面进行图像处理,可降低运算量;而拍摄区域对应的相机可在必要时提供更多拍摄画面的细节,对更多的图像像素进行细致的运算处理,从而提高检测和跟踪待检测对象的精度。因此,本实施例的目标检测方法通过多相机阵列对目标区域和非目标区域分别采用不同的相机进行目标检测,可兼顾检测精度与检测成本。
本发明实施例一提供的一种目标检测方法,根据两个或两个以上拍摄区域的画面确定对应的拍摄区域为目标区域或者非目标区域;如果拍摄区域为目标区域,则通过所述拍摄区域对应的相机和全区域相机交替进行目标检测;如果拍摄区域为非目标区域,则通过所述全区域相机进行目标检测。通过上述技术方案,对目标区域使用两种不同的相机根据实际需求交替进行目标检测,对非目标区域使用图像处理简单、运算量较低的全区域相机及目标检测算法进行监测,综合考虑检测成本和检测精度,实现了利用多相机阵列灵活地对待检测对象进行检测和跟踪。
实施例二
图4为本发明实施例二提供的一种目标检测方法的流程图,本实施例是在上述实施例的基础上,进行具体优化,对目标区域和非目标区域的确定及更新、拍摄区域对应的相机和全区域相机的交替进行目标检测进行说明,未在本实施例中详尽描述的技术细节可参见上述任意实施例。
具体的,参考图4,该方法具体包括如下步骤:
S210、将中心拍摄区域作为当前区域,将所述中心拍摄区域的画面作为当前区域的画面输入目标识别算法,所述中心拍摄区域为所述两个或两个以上拍摄区域中位于中心位置的拍摄区域。
具体的,在多相机阵列最初的启动阶段,如果将各个拍摄区域的画面作为目标区域,并将全部的拍摄画面输入到目标检测算法,会给图像处理和目标检测造成极大的计算负担,大大降低检测效率,而如果仅将全区域相机的拍摄画面输入到目标检测算法,由于分辨率的局限性,可能会导致无法清晰地监测到待检测对象。本实施例在多相机阵列的启动阶段,按照一定规则依次激活各拍摄区域对应的相机,将各拍摄区域对应的相机监测到的画面按照一定的顺序先后输入到目标检测算法以判断各拍摄区域是否为目标区域,可快速确定目标区域,提高检测效率。
具体的,首先判断中心拍摄区域是否为目标区域,所述中心拍摄区域是指在多个拍摄区域中位于中心位置的拍摄区域。图5A为本发明实施例二提供的拍摄区域当前区域的示意图。参考图5A,本实施例示例性地采用1台全区域相机和18台拍摄区域对应的相机,全区域相机的拍摄范围覆盖所有拍摄区域对应的相机的拍摄区域,18个拍摄区域可划分为三排六列,每个拍摄区域分别对应于1台拍摄区域对应的相机。将18个拍摄区域几何等分(等分为左右两部分),将各等分区域处于中心位置的拍摄区域,即C(2,2)和C(2,5)对应的拍摄区域(图5A中阴影所示)作为当前区域,将当前区域的画面输入目标识别算法,以确定当前区域是否为目标区域。
S220、当前区域是否为目标区域,如果是,则执行步骤S230;如果否,则执行步骤S240。
S230、将所述当前区域相邻拍摄区域的画面作为新当前区域的画面输入目标识别算法。
具体的,如果当前区域是目标区域,则继续将当前区域相邻拍摄区域的画面作为新当前区域的画面输入目标识别算法,以确定相邻拍摄区域是否为目标区域。
图5B为本发明实施例二提供的当前区域相邻拍摄区域的示意图。根据目标跟踪算法可得到待检测对象进入和离开当前区域(目标区域)的方向,从而将此方向上的、相邻的拍摄区域(图5B中阴影所示)的画面输入目标识别算法。需要说明的是,本实施例示例性地将相邻拍摄区域限定为当前区域水平或竖直方向上的拍摄区域,由于当前区域为目标区域,所以水平或竖直方向上相邻的拍摄区域出现待检测对象的概率更大,利于快速定位待检测对象。
S240、将所述当前区域对角线上的拍摄区域的画面作为新当前区域的画面输入目标识别算法。
具体的,如果当前区域是非目标区域,则将当前区域对角线上的拍摄区域的画面输入目标识别算法,以确定对角线上的拍摄区域是否为目标区域。
图5C为本发明实施例二提供的当前区域对角线上的拍摄区域的示意图。如果当前区域为不会出现待检测对象的非目标区域,则将其对角线方向上的拍摄区域(图5C中阴影所示)的画面输入目标识别算法。需要说明的是,当前区域不会出现待检测对象,则其水平或竖直方向上相邻的拍摄区域出现待检测对象的概率相对较小,此时先对对角线上的拍摄区域进行判断,可扩大搜索半径,利于快速定位待检测对象可能出现的目标区域。
S250、是否已确定全部拍摄区域为目标区域或者非目标区域,如果是,则执行步骤S260;如果否,则执行步骤S220。
进一步的,在将相邻的拍摄区域或对角线上的拍摄区域作为新当前区域、判断出新当前区域是否为目标区域后,继续扩大搜索范围,用同样的方法继续选定新的拍摄区域进行判断,直至所有的拍摄区域都被确定为目标区域或非目标区域。如果已确定全部拍摄区域为目标区域或者非目标区域,则执行步骤S260,分别对目标区域和非目标区域进行目标检测,如果还未确定全部拍摄区域,则重复执行步骤S220-S250,对新当前区域进行判断。
S260、通过所述拍摄区域对应的相机和全区域相机对目标区域交替进行目标检测,通过所述全区域相机对非目标区域进行目标检测。
具体的,如果已确定全部拍摄区域为目标区域或者非目标区域,则通过拍摄区域对应的相机和全区域相机对目标区域进行交替进行目标检测,通过全区域相机对非目标区域进行目标检测。
进一步的,通过所述拍摄区域对应的相机和全区域相机对目标区域交替进行目标检测,包括:
将所述拍摄区域对应的相机和全区域相机的监测置信度差值与Bhattacharyya系数融合,得到融合值;
若所述融合值小于等于预设阈值,则通过所述全区域相机对所述拍摄区域进行目标检测;
若所述融合值大于预设阈值,则通过所述拍摄区域对应的相机对所述拍摄区域进行目标检测。
具体的,对于目标区域和非目标区域的目标检测涉及到相机之间的的两种切换,包括:当将全区域相机的画面输入至目标识别算法仍足够保证目标检测和跟踪的精度时,将对目标区域的拍摄切换为利用全区域相机拍摄,或当目标区域变为非目标区域时,切换为利用全区域相机拍摄;当拍摄目的发生改变、需要分析或放大画面细节、要求更高的拍摄分辨率时,将对非目标区域的拍摄切换为利用所在拍摄区域对应的相机进行目标检测。
具体的,对于切换为利用全区域相机进行目标检测的情况,需要评估当对全区域相机拍摄到的低分辨率画面进行处理时,目标检测算法是否能够提供足够的检测和跟踪精度,如果能提供足够的检测和跟踪精度,则将对目标区域的拍摄交接给全区域相机,将全区域相机对此目标区域的拍摄画面输入目标识别算法进行检测与跟踪即可。例如,对山间公路中的车辆进行检测和跟踪,待检测对象的轮廓清晰且背景较为单一,此时利用全区域相机拍摄到的低分辨率画面,也足够保证能够准确检测和跟踪车辆的位置,此时对于车辆所在的目标区域,可切换为利用全区域相机进行目标检测,无需利用拍摄区域对应的相机得到高分辨率的拍摄画面并拼接和校准各拍摄区域的画面。具体的评估方法结合了对两种类型的相机画面进行目标检测的置信度的差异以及Bhattacharyya系数描述的色彩差异。
具体的,将拍摄区域对应的相机拍摄画面的直方图记为p,全区域相机拍摄画面的直方图记为q,假设两个直方图均为m级,则Bhattacharyya系数D(p,q)为记对全区域相机的拍摄画面进行目标检测的置信度与对拍摄区域对应的相机的拍摄画面进行目标检测的置信度的差值为Dconfidence,则评估方法具体表示为:
若满足:αD(p,q)+βDconfidence≤Thandover,则将对此目标区域的拍摄交接给全区域相机;若不满足:αD(p,q)+βDconfidence≤Thandover,则将对此目标区域的拍摄交接给拍摄区域对应的相机。其中,置信度指目标识别算法从拍摄画面中检测到待检测对象的置信度,α和β为根据经验设定的权值,αD(p,q)+βDconfidence为置信度差值与Bhattacharyya系数的融合值,Thandover为根据经验设定的预设阈值,α、β、Thandover可根据实际需求设定。
进一步的,所述通过所述拍摄区域对应的相机和全区域相机交替进行目标检测,还包括:
获取所述全区域相机对所述待检测对象的拍摄分辨率;
当所述拍摄分辨率大于等于预设分辨率时,则通过所述全区域相机对所述拍摄区域进行目标检测;
当所述拍摄分辨率小于预设分辨率时,则通过所述拍摄区域对应的相机对所述拍摄区域进行目标检测。
具体的,对于非目标区域将全区域相机切换为所在拍摄区域对应的相机的情况,通常是针对拍摄分辨率要求较高的拍摄任务,例如不仅需要监测车辆还要检测车牌、不仅要监测行人还要进行人脸检测等,由全区域相机监测到待检测对象所在的目标区域后,切换给该目标区域对应的相机进行目标检测。
示例性的,可默认先通过全区域相机对所述待检测对象进行拍摄,获取全区域相机的拍摄分辨率,或根据全区域相机的性能参数计算出拍摄分辨率,并将其与预设分辨率进行比较,预设分辨率可根据不同任务的实际需求设定。例如,全区域相机对所述待检测对象的拍摄分辨率为960P,对于车辆跟踪任务,预设分辨率为960P,则全区域相机即可满足需求,通过全区域相机对目标区域进行车辆跟踪即可;但对于车牌检测任务,预设分辨率为1080P,则需要切换至拍摄区域对应的相机对所述目标区域进行目标检测。需要说明的是,拍摄分辨率和预设分辨率也可以表示为等级的形式,例如超清、高清等。
进一步的,在所述如果拍摄区域为非目标区域,则通过所述全区域相机进行目标检测之后,还包括:
利用背景差分算法监测所述全区域相机的拍摄画面;
若在所述拍摄画面中检测到待检测对象,重新根据两个或两个以上拍摄区域的画面确定对应的拍摄区域为目标区域或者非目标区域。
具体的,对于非目标区域,使用全区域相机进行目标检测,并利用计算成本较低的背景差分算法对全区域拍摄线机的画面进行监测,其中,背景差分算法为引入正态分布的背景差分算法,具体表示为:
其中,μt=ρIt+(1-ρ)μt-1,d=|(It-μt)|,k为经验值,可根据实际需求设定,本实施例设定k=2.5,t=0时的初始值为/>μ0、σ0为根据经验设定的值,It为t时刻的像素点的强度,μt、σt为正态分布的参数。根据上述公式可判断t时刻该像素点为前景(foreground)还是背景(background),以检测非目标区域中是否出现待检测对象。
进一步的,在确定全部拍摄区域为目标区域或者非目标区域之后,对目标区域和非目标区域不断更新以保证目标检测算法的准确性。对于某一时刻拍摄到的画面,若强度为I(x,y)的像素点p(x,y)满足:
则判断该像素点p(x,y)属于目标区域,若不满足,则该像素点p(x,y)属于非目标区域,其中,rneighbor为经验值,表示可以判断为同一待检测对象的邻域距离,与待检测对象的尺寸正相关,例如,待检测对象为车辆,rneighbor为20,表示存在可作为判别半径的、小于20的r,用以判别该像素点是否为待检测对象的目标区域;待检测对象为人,rneighbor为10,表示存在可作为判别半径的、小于10的r,用以判断该像素点是否为待检测对象的目标区域,Ptarget表示待检测对象的目标区域的像素点的集合。
进一步的,当待检测对象进入所述拍摄区域的视角重合区域时,由原本对所述待检测对象进行目标检测的拍摄区域对应的相机提供所述待检测对象位置的概率分布;
根据所述概率分布将所述待检测对象可能进入的拍摄区域由高到低进行排序;
根据排序结果依次将所述可能进入的拍摄区域输入至目标识别算法,直至确定所述待检测对象进入的拍摄区域。
具体的,相邻的拍摄区域之间有重合部分,当待检测对象进入重合部分时,由原本对其进行监测的拍摄区域对应的相机或全区域相机提供其位置的概率分布,以预测待检测对象即将进入哪个拍摄区域,并按照概率分布由高到低的顺序对可能进入的拍摄区域进行排序,根据排序结果依次将拍摄区域输入至目标识别算法,直至确定待检测对象进入哪个拍摄区域,从而实现对待检测对象的实时追踪。可选的,也可根据高斯分布预测待检测对象即将进入的目标区域,在确定待检测对象进入的拍摄区域后,可利用该区域对应的相机或全区域相机对待检测对象进行交替检测。
S270、间隔预设周期之后,重新根据两个或两个以上拍摄区域的画面确定对应的拍摄区域为目标区域或者非目标区域。
具体的,每当利用背景差分算法在非目标区域检测到待检测对象,或者每间隔预设周期T之后,重新确定所有拍摄区域为目标区域或者非目标区域,以避免由于待检测对象位置的移动、非目标区域背景差分算法的误差导致无法及时准确检测到待检测对象,重新确定的方法与步骤S210-S250相同。其中,预设周期T可根据实际需求设定,可以为定值(如10分钟),也可以为变化的值。本实施例优选设定预设周期T根据导致周期结束的原因迭代变化或重置。具体的,若在非目标区域中出现待监测物体,则将预设周期T重置为初始值T0(如T0为10分钟),否则预设周期T随重新确定所有拍摄区域为目标区域或者非目标区域的次数的增加而增加,即第一次间隔T0后重新确定目标区域和非目标区域,之后间隔(1+a)T0后重新确定目标区域和非目标区域,再之后间隔(1+2a)T0后重新确定目标区域和非目标区域,依此类推。预设周期T具体表示为:
其中,a为预设周期的增长率,T0和a可根据经验或实际需求设定,n表示最近一次重置为初始值T0之后,非目标区域未出现待检测对象的连续周期的数量。
需要说明的是,本实施例利用多相机阵列动态地对所有拍摄区域进行实时的拍摄和目标检测,充分考虑了待检测对象的位置移动以及目标区域、非目标区域的更新,并且降低了输入到目标检测算法的拍摄画面的数据量,在保证检测精度的同时也降低检测成本、提高了检测效率。
在上述实施例的基础上,图6为本发明实施例二提供的目标检测方法实现的示意图。如图6所示,本实施例的目标检测方法主要分为确定目标区域、更新目标区域、利用背景差分算法监测非目标区域、利用不同的相机对目标区域交替进行目标检测、预设周期的迭代和重置五个部分,这五个部分循环执行以实现实时、连续的拍摄和检测。其中,目标区域的更新包括根据概率分布更新、在非目标区域中检测到待检测对象则更新或间隔预设周期进行更新,其可能发生在目标检测方法中的任意时刻,本实施例对其与其他部分的执行顺序不做限定。
本发明实施例二提供的一种目标检测方法,在上述实施例的基础上进行优化,通过按照一定规则依次激活各拍摄区域对应的相机,将各拍摄区域对应的相机监测到的画面依次输入到目标检测算法,快速定位待检测对象并确定目标区域;通过分别对目标区域和非目标区域选择合适的相机进行目标检测,兼顾了检测精度和检测成本;通过评估目标检测算法对全区域相机拍摄到的低分辨率画面的检测和跟踪精度,将对于目标区域的拍摄区域对应的相机切换为全区域相机,在保证检测精度的同时降低了图像处理的计算量,降低检测成本;根据拍摄分辨率是否高于预设分辨率将全区域相机的拍摄切换给对应的相机,利于提高检测精度,实现了多相机阵列的高效协作;通过根据概率分布更新目标区域、在非目标区域检测到待检测对象或间隔预设周期之后,重新根据两个或两个以上拍摄区域的画面确定对应的拍摄区域为目标区域或者非目标区域,实现了目标区域与非目标区域的动态更新。
实施例三
图7为本发明实施例三提供的一种目标检测装置的结构图。本实施例提供的目标检测装置包括:
第一目标区域确定模块310,用于根据两个或两个以上拍摄区域的画面确定对应的拍摄区域为目标区域或者非目标区域,所述目标区域是待检测对象可能出现的区域;
交替检测模块320,用于如果拍摄区域为目标区域,则通过所述拍摄区域对应的相机和全区域相机交替进行目标检测,所述拍摄区域对应的相机的分辨率高于所述全区域相机的分辨率;
全区域检测模块330,用于如果拍摄区域为非目标区域,则通过所述全区域相机进行目标检测。
本发明实施例三提供的一种目标检测装置,通过第一目标区域确定模块根据两个或两个以上拍摄区域的画面确定对应的拍摄区域为目标区域或者非目标区域;如果拍摄区域为目标区域,则通过交替检测模块利用所述拍摄区域对应的相机和全区域相机交替进行目标检测;如果拍摄区域为非目标区域,则通过全区域模块利用所述全区域相机进行目标检测。通过上述技术方案,实现了综合考虑检测成本和检测精度,利用多相机阵列进行全面的目标检测。
在上述实施例的基础上,所述目标区域确定模块310,包括:
当前区域确定单元,用于将中心拍摄区域作为当前区域,将所述中心拍摄区域的画面作为当前区域的画面输入目标识别算法,确定当前区域为目标区域或者非目标区域,所述中心拍摄区域为所述两个或两个以上拍摄区域中位于中心位置的拍摄区域;
相邻拍摄区域激活单元,用于如果所述当前区域为目标区域,则将所述当前区域相邻拍摄区域的画面作为新当前区域的画面输入目标识别算法;
对角线拍摄区域激活单元,用于如果所述当前区域为非目标区域,则将所述当前区域对角线上的拍摄区域的画面作为新当前区域的画面输入目标识别算法,直至确定全部拍摄区域为目标区域或者非目标区域。
在上述实施例的基础上,所述交替检测模块320还包括:
融合单元,用于将所述拍摄区域对应的相机和全区域相机的监测置信度差值与Bhattacharyya系数融合,得到融合值;
全区域相机激活单元,用于若所述融合值小于等于预设阈值,则通过所述全区域相机对所述拍摄区域进行目标检测;
第一区域相机激活单元,用于若所述融合值大于预设阈值,则通过所述拍摄区域对应的相机对所述拍摄区域进行目标检测。
进一步的,所述交替检测模块320还包括:
拍摄分辨率获取单元,用于获取所述全区域相机对所述待检测对象的拍摄分辨率;
第二区域相机激活单元,当所述拍摄分辨率大于等于预设分辨率时,则通过所述全区域相机对所述拍摄区域进行目标检测;
第三区域相机激活单元,当所述拍摄分辨率小于预设分辨率时,则通过所述拍摄区域对应的相机对所述拍摄区域进行目标检测。
进一步的,所述装置还包括:
背景差分监测模块,用于利用背景差分算法监测所述全区域相机的拍摄画面;
第二目标区域确定模块,用于若在所述拍摄画面中检测到待检测对象,重新根据两个或两个以上拍摄区域的画面确定对应的拍摄区域为目标区域或者非目标区域。
进一步的,所述装置还包括:
概率分布计算模块,用于当待检测对象进入所述拍摄区域的视角重合区域时,由原本对所述待检测对象进行目标检测的拍摄区域对应的相机提供所述待检测对象位置的概率分布;
排序模块,用于根据所述概率分布将所述待检测对象可能进入的拍摄区域由高到低进行排序;
拍摄区域确定模块,用于根据排序结果依次将所述可能进入的拍摄区域输入至目标识别算法,直至确定所述待检测对象进入的拍摄区域。
进一步的,第二目标区域确定模块还用于:
间隔预设周期之后,重新根据两个或两个以上拍摄区域的画面确定对应的拍摄区域为目标区域或者非目标区域。
本发明实施例三提供的接口装置可以用于执行上述任意实施例提供的目标检测方法,具备相应的功能和有益效果。
实施例四
图8为本发明实施例四提供的一种设备的硬件结构示意图。如图8所示,本实施例提供的一种设备,包括:处理器410和存储装置420。该设备中的处理器可以是一个或多个,图8中以一个处理器410为例,所述设备中的处理器410和存储装置420可以通过总线或其他方式连接,图8中以通过总线连接为例。
所述一个或多个程序被所述一个或多个处理器410执行,使得所述一个或多个处理器实现上述实施例中任意所述的目标检测方法。
该设备中的存储装置420作为一种计算机可读存储介质,可用于存储一个或多个程序,所述程序可以是软件程序、计算机可执行程序以及模块,如本发明实施例中目标检测方法对应的程序指令/模块(例如,附图7所示的目标检测装置中的模块,包括:第一目标区域确定模块310、交替检测模块320和全区域检测模块330)。处理器410通过运行存储在存储装置420中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述方法实施例中的目标检测方法。
存储装置420主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序;存储数据区可存储根据设备的使用所创建的数据等(如上述实施例中的拍摄区域的画面、目标检测算法相关代码等)。此外,存储装置420可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储装置420可进一步包括相对于处理器410远程设置的存储器,这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
并且,当上述设备中所包括一个或者多个程序被所述一个或者多个处理器410执行时,程序进行如下操作:
根据两个或两个以上拍摄区域的画面确定对应的拍摄区域为目标区域或者非目标区域,所述目标区域是待检测对象可能出现的区域;
如果拍摄区域为目标区域,则通过所述拍摄区域对应的相机和全区域相机交替进行目标检测,所述拍摄区域对应的相机的分辨率高于所述全区域相机的分辨率;
如果拍摄区域为非目标区域,则通过所述全区域相机进行目标检测。
本实施例提出的设备与上述实施例提出的目标检测方法属于同一发明构思,未在本实施例中详尽描述的技术细节可参见上述任意实施例,并且本实施例具备与执行目标检测方法相同的有益效果。
在上述实施例的基础上,本实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被目标检测装置执行时实现本发明上述任意实施例中的目标检测方法,该方法包括:
根据两个或两个以上拍摄区域的画面确定对应的拍摄区域为目标区域或者非目标区域,所述目标区域是待检测对象可能出现的区域;
如果拍摄区域为目标区域,则通过所述拍摄区域对应的相机和全区域相机交替进行目标检测,所述拍摄区域对应的相机的分辨率高于所述全区域相机的分辨率;
如果拍摄区域为非目标区域,则通过所述全区域相机进行目标检测。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的目标检测方法操作,还可以执行本发明任意实施例所提供的目标检测方法中的相关操作,且具备相应的功能和有益效果。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的目标检测方法。
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 (8)
1.一种目标检测方法,其特征在于,包括:
根据两个或两个以上拍摄区域的画面确定对应的拍摄区域为目标区域或者非目标区域,所述目标区域是待检测对象可能出现的区域;
如果拍摄区域为目标区域,则通过所述拍摄区域对应的相机和全区域相机交替进行目标检测,所述拍摄区域对应的相机的分辨率高于所述全区域相机的分辨率;
如果拍摄区域为非目标区域,则通过所述全区域相机进行目标检测;
当待检测对象进入所述拍摄区域的视角重合区域时,由原本对所述待检测对象进行目标检测的拍摄区域对应的相机提供所述待检测对象位置的概率分布;
根据所述概率分布将所述待检测对象可能进入的拍摄区域由高到低进行排序;
根据排序结果依次将所述可能进入的拍摄区域输入至目标识别算法,直至确定所述待检测对象进入的拍摄区域;
在所述如果拍摄区域为非目标区域,则通过所述全区域相机进行目标检测之后,还包括:
利用背景差分算法监测所述全区域相机的拍摄画面;
若在所述拍摄画面中检测到待检测对象,重新根据两个或两个以上拍摄区域的画面确定对应的拍摄区域为目标区域或者非目标区域;
其中,背景差分算法为引入正态分布的背景差分算法,具体表示为:
其中,μt=ρIt+(1-ρ)μt-1,σt 2=d2ρ+(1-ρ)σt-1 2,d=|(It-μt)|,k为经验值,可根据实际需求设定,本实施例设定k=2.5,t=0时的初始值为μ0=I0σ0 2,μ0、σ0为根据经验设定的值,It为t时刻的像素点的强度,μt、σt为正态分布的参数;根据上述公式可判断t时刻该像素点为前景(foreground)还是背景(background),以检测非目标区域中是否出现待检测对象。
2.根据权利要求1所述的方法,其特征在于,所述根据两个或两个以上拍摄区域的画面确定对应的拍摄区域为目标区域或者非目标区域,包括:
将中心拍摄区域作为当前区域,将所述中心拍摄区域的画面作为当前区域的画面输入目标识别算法,确定当前区域为目标区域或者非目标区域,所述中心拍摄区域为所述两个或两个以上拍摄区域中位于中心位置的拍摄区域;
如果所述当前区域为目标区域,则将所述当前区域相邻拍摄区域的画面作为新当前区域的画面输入目标识别算法;
如果所述当前区域为非目标区域,则将所述当前区域对角线上的拍摄区域的画面作为新当前区域的画面输入目标识别算法,直至确定全部拍摄区域为目标区域或者非目标区域。
3.根据权利要求1所述的方法,其特征在于,所述通过所述拍摄区域对应的相机和全区域相机交替进行目标检测,包括:
将所述拍摄区域对应的相机和全区域相机的监测置信度差值与Bhattacharyya系数融合,得到融合值;
若所述融合值小于等于预设阈值,则通过所述全区域相机对所述拍摄区域进行目标检测;
若所述融合值大于预设阈值,则通过所述拍摄区域对应的相机对所述拍摄区域进行目标检测。
4.根据权利要求3所述的方法,其特征在于,所述通过所述拍摄区域对应的相机和全区域相机交替进行目标检测,还包括:
获取所述全区域相机对所述待检测对象的拍摄分辨率;
当所述拍摄分辨率大于等于预设分辨率时,则通过所述全区域相机对所述拍摄区域进行目标检测;
当所述拍摄分辨率小于预设分辨率时,则通过所述拍摄区域对应的相机对所述拍摄区域进行目标检测。
5.根据权利要求1所述的方法,其特征在于,还包括:
间隔预设周期之后,重新根据两个或两个以上拍摄区域的画面确定对应的拍摄区域为目标区域或者非目标区域。
6.一种目标检测装置,其特征在于,包括:
第一目标区域确定模块,用于根据两个或两个以上拍摄区域的画面确定对应的拍摄区域为目标区域或者非目标区域,所述目标区域是待检测对象可能出现的区域;
交替检测模块,用于如果拍摄区域为目标区域,则通过所述拍摄区域对应的相机和全区域相机交替进行目标检测,所述拍摄区域对应的相机的分辨率高于所述全区域相机的分辨率;
全区域拍摄模块,用于如果拍摄区域为非目标区域,则通过所述全区域相机进行目标检测;
概率分布计算模块,用于当待检测对象进入所述拍摄区域的视角重合区域时,由原本对所述待检测对象进行目标检测的拍摄区域对应的相机提供所述待检测对象位置的概率分布;
排序模块,用于根据所述概率分布将所述待检测对象可能进入的拍摄区域由高到低进行排序;
拍摄区域确定模块,用于根据排序结果依次将所述可能进入的拍摄区域输入至目标识别算法,直至确定所述待检测对象进入的拍摄区域;
背景差分监测模块,用于利用背景差分算法监测所述全区域相机的拍摄画面;
第二目标区域确定模块,用于若在所述拍摄画面中检测到待检测对象,重新根据两个或两个以上拍摄区域的画面确定对应的拍摄区域为目标区域或者非目标区域;
其中,背景差分算法为引入正态分布的背景差分算法,具体表示为:
其中,μt=ρIt+(1-ρ)μt-1,σt 2=d2ρ+(1-ρ)σt-1 2,d=|(It-μt)|,k为经验值,可根据实际需求设定,本实施例设定k=2.5,t=0时的初始值为μ0=I0σ0 2,μ0、σ0为根据经验设定的值,It为t时刻的像素点的强度,μt、σt为正态分布的参数;根据上述公式可判断t时刻该像素点为前景(foreground)还是背景(background),以检测非目标区域中是否出现待检测对象。
7.一种设备,其特征在于,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-5中任一所述的目标检测方法。
8.一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,该程序被处理器执行时实现如权利要求1-5中任一所述的目标检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910001609.3A CN109685062B (zh) | 2019-01-02 | 2019-01-02 | 一种目标检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910001609.3A CN109685062B (zh) | 2019-01-02 | 2019-01-02 | 一种目标检测方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109685062A CN109685062A (zh) | 2019-04-26 |
CN109685062B true CN109685062B (zh) | 2023-07-25 |
Family
ID=66191539
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910001609.3A Active CN109685062B (zh) | 2019-01-02 | 2019-01-02 | 一种目标检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109685062B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110177256B (zh) * | 2019-06-17 | 2021-12-14 | 北京影谱科技股份有限公司 | 一种追踪视频数据获取方法和装置 |
CN110458198B (zh) * | 2019-07-10 | 2022-03-29 | 哈尔滨工业大学(深圳) | 多分辨率目标识别方法及装置 |
CN111770266B (zh) * | 2020-06-15 | 2021-04-06 | 北京世纪瑞尔技术股份有限公司 | 一种智能视觉感知*** |
CN112766210A (zh) * | 2021-01-29 | 2021-05-07 | 苏州思萃融合基建技术研究所有限公司 | 建筑施工的安全监控方法、装置及存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3902222B2 (ja) * | 2005-06-07 | 2007-04-04 | 松下電器産業株式会社 | 監視システム、監視方法及びカメラ端末 |
KR100834465B1 (ko) * | 2006-12-21 | 2008-06-05 | 주식회사 다누시스 | 움직임감지를 이용한 방범시스템 및 방법 |
TWI492188B (zh) * | 2008-12-25 | 2015-07-11 | Univ Nat Chiao Tung | 利用多攝影機自動偵測與追蹤多目標的方法及系統 |
US9147260B2 (en) * | 2010-12-20 | 2015-09-29 | International Business Machines Corporation | Detection and tracking of moving objects |
CN106327517B (zh) * | 2015-06-30 | 2019-05-28 | 芋头科技(杭州)有限公司 | 一种目标跟踪装置及目标跟踪方法 |
CN106249267A (zh) * | 2016-09-30 | 2016-12-21 | 南方科技大学 | 一种目标定位追踪方法和装置 |
-
2019
- 2019-01-02 CN CN201910001609.3A patent/CN109685062B/zh active Active
Non-Patent Citations (2)
Title |
---|
基于差分法和概率估计方法的运动目标检测;苑泊舟;天津理工大学学报;第28卷(第1期);63-67 * |
基于背景建模和帧间差分法的高点监控行人检测;胡亚洲;实验室研究与探索;第37卷(第9期);12-16 * |
Also Published As
Publication number | Publication date |
---|---|
CN109685062A (zh) | 2019-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109685062B (zh) | 一种目标检测方法、装置、设备及存储介质 | |
CN110866480B (zh) | 对象的跟踪方法及装置、存储介质、电子装置 | |
CN108921823B (zh) | 图像处理方法、装置、计算机可读存储介质和电子设备 | |
CN110163885B (zh) | 一种目标跟踪方法及装置 | |
US20180204335A1 (en) | System for tracking object, and camera assembly therefor | |
US9185402B2 (en) | Traffic camera calibration update utilizing scene analysis | |
CN104966304B (zh) | 基于卡尔曼滤波与非参数背景模型的多目标检测跟踪方法 | |
JP5267596B2 (ja) | 移動体検出装置 | |
EP3641298B1 (en) | Method and device for capturing target object and video monitoring device | |
CN110610150B (zh) | 一种目标运动物体的跟踪方法、装置、计算设备和介质 | |
CN103366155B (zh) | 通畅路径检测中的时间相干性 | |
JP7230507B2 (ja) | 付着物検出装置 | |
JP6809613B2 (ja) | 画像前景の検出装置、検出方法及び電子機器 | |
KR101861245B1 (ko) | 멀티 센서 cctv 파노라마 영상에서 움직임 검출 시스템 및 방법 | |
CN115760912A (zh) | 运动目标跟踪方法、装置、设备及计算机可读存储介质 | |
KR101236223B1 (ko) | 차선 검출 방법 | |
CN114071015A (zh) | 一种联动抓拍路径的确定方法、装置、介质及设备 | |
CN113139419B (zh) | 一种无人机检测方法及装置 | |
CN108040244B (zh) | 基于光场视频流的抓拍方法及装置、存储介质 | |
Singh et al. | Online traffic density estimation and vehicle classification management system | |
EP3044734B1 (en) | Isotropic feature matching | |
JP5127692B2 (ja) | 撮像装置及びその追尾方法 | |
CN112884805A (zh) | 一种跨尺度自适应映射的光场成像方法 | |
CN116342642A (zh) | 目标跟踪方法、装置、电子设备及可读存储介质 | |
US8433139B2 (en) | Image processing apparatus, image processing method and program for segmentation based on a degree of dispersion of pixels with a same characteristic quality |
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 |