[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN107516303A - 多目标跟踪方法及系统 - Google Patents

多目标跟踪方法及系统 Download PDF

Info

Publication number
CN107516303A
CN107516303A CN201710778477.6A CN201710778477A CN107516303A CN 107516303 A CN107516303 A CN 107516303A CN 201710778477 A CN201710778477 A CN 201710778477A CN 107516303 A CN107516303 A CN 107516303A
Authority
CN
China
Prior art keywords
frame image
target
current frame
tracking
result
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.)
Pending
Application number
CN201710778477.6A
Other languages
English (en)
Inventor
李航
陈志超
周剑
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.)
Chengdu Tongjia Youbo Technology Co Ltd
Original Assignee
Chengdu Tongjia Youbo 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 Chengdu Tongjia Youbo Technology Co Ltd filed Critical Chengdu Tongjia Youbo Technology Co Ltd
Priority to CN201710778477.6A priority Critical patent/CN107516303A/zh
Publication of CN107516303A publication Critical patent/CN107516303A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/223—Analysis of motion using block-matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • 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)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例提出一种多目标跟踪方法及系统，涉及图像处理技术领域。该多目标跟踪方法及系统，通过对当前帧图像的前一帧图像进行滤波处理，以预测所述前一帧图像中的运动目标出现在所述当前帧图像的位置，进而得到跟踪结果，对所述当前帧图像进行运动目标检测以得到检测结果，将所述检测结果与所述跟踪结果进行匹配关联，以获取关联结果，依据所述关联结果确定所述当前帧图像中的运动目标的位置。该多目标跟踪方法及系统适用场景广，计算效率高，消耗资源较少，在实际对多个目标进行跟踪时具有较好稳定性和较高的准确率。

Description

多目标跟踪方法及系统
技术领域
本发明涉及图像处理技术领域，具体而言，涉及一种多目标跟踪方法及系统。
背景技术
多目标跟踪是当前计算机视觉领域的一个研究热点。多目标跟踪是指利用计算机，在视频序列中确定感兴趣的、具有某种显著视觉特征的各个独立运动目标的位置、大小和各个目标完整的运动轨迹。近年来，随着计算机数据处理能力的飞速增长及图像分析技术的发展，对象的实时追踪技术脱颖而出，它在视频监控、视频压缩编码、机器人导航与定位、智能人机交互、虚拟现实等领域有着非常重要的实用价值。同时，在军事领域，多目标跟踪已用于无人侦察机战场侦察，巡航导弹末端制导，弹道导弹防御，海洋监视、战场监视等方面。
现有的多目标跟踪方法算法复杂度较高、处理效率不高、消耗资源较多，在实际对多个目标进行跟踪时稳定性较差，准确率不高。
发明内容
本发明的目的在于提供一种多目标跟踪方法，以解决现有多目标跟踪存在的计算复杂、处理效率不高以及跟踪准确性不高的问题。
本发明的目的在于提供一种多目标跟踪系统，以解决现有多目标跟踪存在的计算复杂、处理效率不高以及跟踪准确性不高的问题。
为了实现上述目的，本发明实施例采用的技术方案如下：
第一方面，本发明实施例提出一种多目标跟踪方法，所述多目标跟踪方法包括：对当前帧图像的前一帧图像进行滤波处理，以预测所述前一帧图像中的运动目标出现在所述当前帧图像的位置，进而得到跟踪结果；对所述当前帧图像进行运动目标检测以得到检测结果；将所述检测结果与所述跟踪结果进行匹配关联，以获取关联结果；依据所述关联结果确定所述当前帧图像中的运动目标的位置。
第二方面，本发明实施例还提出一种多目标跟踪系统，所述多目标跟踪系统包括跟踪结果获取模块、目标检测模块、匹配关联模块及位置确定模块。所述跟踪结果获取模块用于对当前帧图像的前一帧图像进行滤波处理以预测所述前一帧图像中的运动目标出现在所述当前帧图像的位置，进而得到跟踪结果；所述目标检测模块用于对所述当前帧图像进行运动目标检测以得到检测结果；所述匹配关联模块用于将所述检测结果与所述跟踪结果进行匹配关联，以获取关联结果；所述位置确定模块，用于依据所述关联结果确定所述当前帧图像中的运动目标的位置。
相对现有技术，本发明具有以下有益效果：本发明实施例提供的多目标跟踪方法及系统，通过对当前帧图像的前一帧图像进行滤波处理，以预测所述前一帧图像中的运动目标出现在所述当前帧图像的位置，进而得到跟踪结果，对所述当前帧图像进行运动目标检测以得到检测结果，将所述检测结果与所述跟踪结果进行匹配关联，以获取关联结果，依据所述关联结果确定所述当前帧图像中的运动目标的位置。该多目标跟踪方法及系统计算效率高，消耗资源较少，在实际对多个目标进行跟踪时具有较好稳定性和较高的准确率，适用于各种监控环境以及对准确率要求较高的场景。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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，还可以根据这些附图获得其他相关的附图。
图1示出了可应用于本发明实施例的用户终端的方框示意图。
图2示出了本发明第一实施例所提供的多目标跟踪系统的功能模块示意图。
图3示出了图2中匹配关联模块的功能模块示意图。
图4示出了本发明第二实施例所提供的多目标跟踪方法的流程示意图。
图5示出了图4中步骤S103的具体流程示意图。
图标：100-用户终端；110-存储器；120-存储控制器；130-处理器；140-外设接口；150-射频单元；160-显示单元；170-通信单元；400-多目标跟踪系统；410-跟踪结果获取模块；420-目标检测模块；430-匹配关联模块；440-位置确定模块；431-二分图转换模块；432-匹配模块。
具体实施方式
下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的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。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
请参照图1，本发明实施例所提供的多目标跟踪方法及系统可应用于如图1所示的用户终端100中。在本实施例中，用户终端100可以是，但不限于，个人电脑(personalcomputer，PC)、智能手机、平板电脑、个人数字助理(personal digital assistant，PDA)、移动上网设备(mobile Internet device，MID)等。用户终端100包括存储器110、存储控制器120、处理器130、外设接口140、射频单元150、显示单元160及通信单元170。
存储器110、存储控制器120、处理器130、外设接口140、射频单元150、显示单元160及通信单元170，各元件之间直接或间接地电性连接，以实现数据的传输或者交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。在本实施例中，多目标跟踪系统400包括至少一个可以软件或固件(firmware)的形式存储于存储器110中或固化在用户终端100的操作系统(operating system，OS)中的软件功能模块。处理器130用于执行存储器110中存储的可执行模块，例如该多目标跟踪系统400所包括的软件功能模块及计算机程序等。
其中，所述存储器110可以是但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。存储器110可用于存储软件程序以及模块，处理器130用于在接收到执行指令后，执行该程序。处理器130以及其他可能的组件对存储器110的访问可在存储控制器120的控制下进行。
处理器130可能是一种集成电路芯片，具有信号的处理能力。处理器130可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(DSP))、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
外设接口140将各种输入/输出装置(例如射频单元150、显示单元160)耦合至处理器130以及存储器110。在一些实施例中，外设接口140、处理器130以及存储控制器120可以在单个芯片中实现。在其他一些实例中，它们可以分别由独立的芯片实现。
射频单元150用于接收以及发送无线电波信号，实现无线电波与电信号的相互转换，从而实现用户终端100与其他设备(例如网络摄像机等)之间的无线通信。
所述显示单元160用于提供一个交互界面，以便于用户终端100的使用者观察视频图像。在本实施例中，所述显示单元160可以是液晶显示器或触控显示器，其可为支持单点和多点触控操作的电容式触控屏或电阻式触控屏等。支持单点和多点触控操作是指触控显示器能感应到来自该触控显示器上一个或多个位置处产生的触控操作，并将该感应到的触控操作交由处理器130进行计算和处理。
通信单元170用于与其他设备建立连接，从而实现用户终端100与其他设备之间的通信连接。例如，该通信单元170可以利用射频单元150发送的射频信号连接到网络，进而与外部其他设备建立通信连接。
需要说明的是，该用户终端100也可以与其他设备进行有线连接，实现数据传输，对此不做限定。
可以理解，图1所示的结构仅为示意，所述用户终端100还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
第一实施例
请参照图2，为本发明第一实施例所提供的多目标跟踪系统400的功能模块示意图。所述多目标跟踪系统400可应用于上述的用户终端100，用于对视频帧中的多个目标进行跟踪，实现视频监控、导航、定位等。所述多目标跟踪系统400包括跟踪结果获取模块410、目标检测模块420、匹配关联模块430及位置确定模块440。
所述跟踪结果获取模块410用于对当前帧图像的前一帧图像进行滤波处理，以预测所述前一帧图像中的运动目标出现在所述当前帧图像的位置，进而得到跟踪结果。
在本实施例中，针对获取的视频图像中的当前帧图像，对前一帧图像进行滤波处理，以对前一帧图像中存在的运动目标的轨迹进行预测，得到前一帧图像的运动目标出现在当前帧图像中的位置，即是前一帧图像的各运动目标在当前帧图像中的跟踪结果。
具体地，所述跟踪结果获取模块410在进行滤波处理时采用的滤波算法包括大致包括如下步骤：(1)预先建立滤波状态方程yk+1＝f(yk,k)+qk和观测方程zk+1＝h(yk+1,k+1)+rk+1，其中，yk∈R*表示k时刻的状态；zk∈R*表示k时刻的测量值；qk～N(0，Qk)是高斯测量噪声；rk～N(0，Rk)是高斯测量噪声；(2)进行初始化，得到初始化状态均值和协方差(3)根据UT变换，利用状态均值得到k时刻的采样点矩阵Xk，根据该Xk和建立的状态方程得到k+1时刻的状态变量yk+1＝f(Xk,k)；(4)根据状态变量yk+1＝f(Xk,k)以及权重配比可得到k+1时刻的均值和协方差即预测的状态的均值和协方差；(5)更新采样点矩阵，即根据k+1时刻的均值和协方差得到更新的采样点矩阵(6)根据建立的观测方程和更新的采样点矩阵得到预测k+1时刻的测量值为(7)计算测量值的均值协方差和采样点与测量值的交叉协方差其中，w和W分别为权重；(8)计算滤波的增益更新的状态均值与协方差也即是，所述跟踪结果获取模块410采用上述的滤波算法，针对前一帧图像中的运动目标，通过建立的状态方程计算得到预测状态，然后通过建立的观测方程得到观测值以对预测状态进行修正和更新，进而得到较为准确的跟踪结果。
所述目标检测模块420用于对所述当前帧图像进行运动目标检测以得到检测结果。在本实施例中，可采用基于运动分析、基于机器学习等目标检测算法对当前帧图像进行运动目标检测，得到检测结果。例如，该检测结果可以是包含了当前帧图像中的运动目标的限定框，反映了检测到的运动目标在当前帧图像中的位置信息。
所述匹配关联模块430用于将所述检测结果与所述跟踪结果进行匹配关联，以获取关联结果。
在本实施例中，所述匹配关联模块430将上述获取的跟踪结果与检测结果进行数据关联，以对跟踪结果与检测结果中的运动目标进行匹配和关联，进而得到关联结果。
如图3所示，在本实施例中，所述匹配关联模块430具体可包括二分图转换模块431及匹配模块432。
所述二分图转换模块431用于将所述检测结果与所述跟踪结果分别转换为一个二分图的顶点集。具体地，所述二分图转换模块431将所述检测结果与所述跟踪结果划分为两个交集为空的顶点集X和Y，其中X和Y中任意两个在同一集合中的点都不相连，所有的边关联在两个顶点中，一个顶点属于X，一个顶点属于Y，以便后续通过寻找增广路径得到二分图最大匹配。对于一个二分图G，M为G边集的子集，如果M满足其中的任意两条边都不依附于同一个顶点，则可以称M为一个匹配，包含匹配边数最多的匹配成为二分图的最大匹配。
所述匹配模块432用于为所述顶点集中的每个顶点寻找匹配以获得关联目标和未关联目标。可以理解，所述匹配模块432将对上述转换得到的二分图中与所述检测结果对应的顶点和与所述跟踪结果对应的顶点进行匹配。具体地，可包括以下步骤：(1)初始化可行顶标，即给所述二分图中的每个顶点一个标号；(2)采用增广路定理对每个顶点寻找匹配，即通过寻找一条关于M的增广路径的方式对每个顶点进行匹配，匹配的依据优选为空间距离，即最近邻原则。具体地，从一个未匹配顶点A出发，依次经过非匹配边、匹配边、非匹配边…的交替路，如果途经另一个未匹配顶点B(还未与其它顶点匹配)，则这条交替路就称为增广路，此时认为顶点A被顶点B匹配。当二分图中的所有顶点都被匹配到，则表明得到的是完备匹配。需要说明的是，在实际的应用中，不可避免地会出现新的运动目标，而且由于阴影、物体间的重叠遮盖、运动目标与背景相似等原因，二分图中可能存在部分顶点不能被匹配到，因此，该关联结果中包括了关联目标和未关联目标(完备匹配中没有)，关联目标在本实施例中为二分图中匹配到的顶点，未关联目标即为二分图中未匹配到的顶点。
所述位置确定模块440用于依据所述关联结果确定所述当前帧图像中的运动目标的位置。
在本实施例中，所述位置确定模块440通过对上述得到的关联结果进行分析判断，根据关联结果中的关联目标和未关联目标确定所述当前帧图像中的运动目标的位置，可有效改善因运动目标间的重叠遮挡、运动目标与背景相似等不确定因素造成的跟踪目标丢失等问题的出现，大大提高了跟踪的准确性和稳定性。
具体地，所述位置确定模块440用于将与所述关联目标对应的所述跟踪结果作为所述当前帧图像中的运动目标的位置。由于跟踪结果中的数据更具有可靠性，检测结果中的数据容易出现误检，因此在本实施例中将与所述关联目标对应的跟踪结果作为所述当前帧图像中的运动目标的位置。
所述位置确定模块440还用于对所述未关联目标对应的所述检测结果进行预测以在所述当前帧图像中建立新的运动目标的位置。例如，对于关联结果中的未关联目标(可理解为二分图中的某个顶点)，若该未关联目标所对应的是一个检测结果，则表明该检测结果对应的运动目标可能是进入监控区域的新运动目标，所述位置确定模块440对该新运动目标进行轨迹预测得到新的运动目标的位置，并将该新的运动目标的位置作为所述当前帧图像中的一个运动目标的位置。
所述位置确定模块440还用于当所述未关联目标连续关联失败的帧数满足预设条件时，将所述未关联目标对应的所述跟踪结果进行消除。例如，对于关联结果中的未关联目标(同样可理解为二分图中的某个顶点)，若该未关联目标所对应的是一个跟踪结果，并且已经连续N帧(N≥2)没有找到匹配(即关联失败)，则表明该跟踪结果相应的运动目标已经离开了监控区域，此时将该跟踪结果进行消除。
第二实施例
图4示出了本发明第二实施例提供的多目标跟踪方法的流程示意图。需要说明的是，本发明实施例所述的多目标跟踪方法并不以图4以及以下所述的具体顺序为限制，其基本原理及产生的技术效果与第一实施例相同，为简要描述，本实施例中未提及部分，可参考第一实施例中的相应内容。应当理解，在其它实施例中，本发明所述的多目标跟踪方法其中部分步骤的顺序可以根据实际需要相互交换，或者其中的部分步骤也可以省略或删除。下面，将对图4所示的具体流程进行详细阐述。
步骤S101，对当前帧图像的前一帧图像进行滤波处理，以预测所述前一帧图像中的运动目标出现在所述当前帧图像的位置，进而得到跟踪结果。
可以理解，该步骤S101可以由上述的跟踪结果获取模块410执行。
步骤S102，对所述当前帧图像进行运动目标检测以得到检测结果。
可以理解，该步骤S102可以由上述的目标检测模块420执行。
步骤S103，将所述检测结果与所述跟踪结果进行匹配关联，以获取关联结果。
可以理解，该步骤S103可以由上述的匹配关联模块430执行。
进一步地，如图5所示，所述步骤S103可具体包括如下子步骤：
子步骤S1031，将所述检测结果与所述跟踪结果分别转换为一个二分图的顶点集。
可以理解，该步骤可以由上述的二分图转换模块431执行。
子步骤1032，为所述顶点集中的每个顶点寻找匹配以获得关联目标和未关联目标。
可以理解，该步骤可以由上述的匹配模块432执行。
步骤S104，依据所述关联结果确定所述当前帧图像中的运动目标的位置。
具体地，将与所述关联目标对应的跟踪结果作为所述当前帧图像中的运动目标的位置；对与所述未关联目标对应的检测结果进行预测以在所述当前帧图像中建立新的运动目标的位置；当所述未关联目标连续关联失败的帧数满足预设条件时，将所述未关联目标对应的跟踪结果进行消除。
可以理解，该步骤可以有上述的位置确定模块440执行。
综上所述，本发明实施例所提供的多目标跟踪方法及系统，通过对当前帧图像的前一帧图像进行滤波处理，以预测所述前一帧图像中的运动目标出现在所述当前帧图像的位置，进而得到跟踪结果；对所述当前帧图像进行运动目标检测以得到检测结果，将所述检测结果与所述跟踪结果进行匹配关联，即通过将所述检测结果与所述跟踪结果转换为一个二分图的顶点集，为所述顶点集中的每个顶点寻找匹配以得到关联结果，该关联结果包括关联目标和未关联目标；依据所述关联结果确定所述当前帧图像中的运动目标的位置，具体地，针对关联结果中的关联目标与未关联目标，将与所述关联目标对应的跟踪结果作为所述当前帧图像中的运动目标的位置，对与所述未关联目标对应的所述检测结果进行预测以在所述当前帧图像中建立新的运动目标的位置，当与所述未关联目标对应的跟踪结果连续关联失败的帧数满足预设条件时，将与所述未关联目标对应的跟踪结果进行消除，从而实现多目标的跟踪。该多目标跟踪方法及系统采用滤波和关联的方法计算效率高，消耗资源较少，对检测到的运动目标的空间位置进行分析，能够准确定位当前运动目标的位置，以及获得运动目标的历史运动轨迹，相较于传统的方法，有较高的准确率。此外，本发明实施例所提供的多目标跟踪方法和系统可应用于一般的监控场或者人数统计场景，还可以应用在一些对于准确率要求较高的场景中，实用性广。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

Claims (10)

1.一种多目标跟踪方法，其特征在于，所述多目标跟踪方法包括：
对当前帧图像的前一帧图像进行滤波处理，以预测所述前一帧图像中的运动目标出现在所述当前帧图像的位置，进而得到跟踪结果；
对所述当前帧图像进行运动目标检测以得到检测结果；
将所述检测结果与所述跟踪结果进行匹配关联，以获取关联结果；
依据所述关联结果确定所述当前帧图像中的运动目标的位置。
2.如权利要求1所述的多目标跟踪方法，其特征在于，所述将所述检测结果与所述跟踪结果进行匹配关联，以获取关联结果的步骤包括：
将所述检测结果与所述跟踪结果分别转换为一个二分图的顶点集；
为所述顶点集中的每个顶点寻找匹配以获得关联目标和未关联目标。
3.如权利要求2所述的多目标跟踪方法，其特征在于，所述依据所述关联结果确定所述当前帧图像中的运动目标的位置的步骤包括：
将与所述关联目标对应的所述跟踪结果作为所述当前帧图像中的运动目标的位置。
4.如权利要求2所述的多目标跟踪方法，其特征在于，所述依据所述关联结果确定所述当前帧图像中的运动目标的位置的步骤还包括：
对所述未关联目标对应的所述检测结果进行预测以在所述当前帧图像中建立新的运动目标的位置。
5.如权利要求2所述的多目标跟踪方法，其特征在于，所述依据所述关联结果确定所述当前帧图像中的运动目标的位置的步骤还包括：
当所述未关联目标连续关联失败的帧数满足预设条件时，将所述未关联目标对应的所述跟踪结果进行消除。
6.一种多目标跟踪系统，其特征在于，所述多目标跟踪系统包括：
跟踪结果获取模块，用于对当前帧图像的前一帧图像进行滤波处理，以预测所述前一帧图像中的运动目标出现在所述当前帧图像的位置，进而得到跟踪结果；
目标检测模块，用于对所述当前帧图像进行运动目标检测以得到检测结果；
匹配关联模块，用于将所述检测结果与所述跟踪结果进行匹配关联，以获取关联结果；
位置确定模块，用于依据所述关联结果确定所述当前帧图像中的运动目标的位置。
7.如权利要求6所述的多目标跟踪系统，其特征在于，所述匹配关联模块包括：
二分图转换模块，用于将所述检测结果与所述跟踪结果分别转换为一个二分图的顶点集；
匹配模块，用于为所述顶点集中的每个顶点寻找匹配以获得关联目标和未关联目标。
8.如权利要求7所述的多目标跟踪系统，其特征在于，所述位置确定模块用于将与所述关联目标对应的所述跟踪结果作为所述当前帧图像中的运动目标的位置。
9.如权利要求7所述的多目标跟踪系统，其特征在于，所述位置确定模块还用于对所述未关联目标对应的所述检测结果进行预测以在所述当前帧图像中建立新的运动目标的位置。
10.如权利要求7所述的多目标跟踪系统，其特征在于，所述位置确定模块还用于当所述未关联目标连续关联失败的帧数满足预设条件时，将所述未关联目标对应的所述跟踪结果进行消除。
CN201710778477.6A 2017-09-01 2017-09-01 多目标跟踪方法及系统 Pending CN107516303A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710778477.6A CN107516303A (zh) 2017-09-01 2017-09-01 多目标跟踪方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710778477.6A CN107516303A (zh) 2017-09-01 2017-09-01 多目标跟踪方法及系统

Publications (1)

Publication Number Publication Date
CN107516303A true CN107516303A (zh) 2017-12-26

Family

ID=60723773

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710778477.6A Pending CN107516303A (zh) 2017-09-01 2017-09-01 多目标跟踪方法及系统

Country Status (1)

Country Link
CN (1) CN107516303A (zh)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108446622A (zh) * 2018-03-14 2018-08-24 海信集团有限公司 目标物体的检测跟踪方法及装置、终端
CN108470353A (zh) * 2018-03-01 2018-08-31 腾讯科技（深圳）有限公司 一种目标跟踪方法、装置和存储介质
CN108986138A (zh) * 2018-05-24 2018-12-11 北京飞搜科技有限公司 目标跟踪方法及设备
CN109087335A (zh) * 2018-07-16 2018-12-25 腾讯科技（深圳）有限公司 一种人脸跟踪方法、装置和存储介质
CN109753911A (zh) * 2018-12-28 2019-05-14 深圳先进技术研究院 虚拟现实系统的提升多物体追踪能力的方法及相关装置
CN109903310A (zh) * 2019-01-23 2019-06-18 平安科技（深圳）有限公司 目标跟踪方法、装置、计算机装置及计算机存储介质
CN109934849A (zh) * 2019-03-08 2019-06-25 西北工业大学 基于轨迹度量学习的在线多目标跟踪方法
CN110555867A (zh) * 2019-09-05 2019-12-10 杭州立宸科技有限公司 一种融合物体捕获识别技术的多目标物体跟踪方法
CN110569785A (zh) * 2019-09-05 2019-12-13 杭州立宸科技有限公司 一种融合跟踪技术的人脸识别方法
CN110706256A (zh) * 2019-09-27 2020-01-17 杭州博雅鸿图视频技术有限公司 一种基于多核异构平台的检测跟踪算法优化方法
CN111079525A (zh) * 2019-11-05 2020-04-28 阿里巴巴集团控股有限公司 图像处理方法、设备、系统及存储介质
CN111127508A (zh) * 2018-10-31 2020-05-08 杭州海康威视数字技术股份有限公司 一种基于视频的目标跟踪方法及装置
CN111639552A (zh) * 2020-05-14 2020-09-08 上海闪马智能科技有限公司 一种施工现场安全帽佩戴检测方法及系统
CN111899275A (zh) * 2020-08-12 2020-11-06 中国科学院长春光学精密机械与物理研究所 一种目标检测跟踪方法、装置及存储介质
CN112639872A (zh) * 2020-04-24 2021-04-09 华为技术有限公司 一种目标检测中难例挖掘的方法及装置
WO2021232652A1 (zh) * 2020-05-22 2021-11-25 北京百度网讯科技有限公司 目标跟踪方法、装置、电子设备及计算机可读存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101783020A (zh) * 2010-03-04 2010-07-21 湖南大学 一种联合概率数据关联的视频多目标快速跟踪方法
CN102156863A (zh) * 2011-05-16 2011-08-17 天津大学 跨摄像头的多运动目标跟踪方法
US20110216939A1 (en) * 2010-03-03 2011-09-08 Gwangju Institute Of Science And Technology Apparatus and method for tracking target
CN103500456A (zh) * 2013-10-22 2014-01-08 北京大学 一种基于动态贝叶斯模型网络的对象跟踪方法和设备
CN104217428A (zh) * 2014-08-22 2014-12-17 南京邮电大学 一种融合特征匹配和数据关联的视频监控多目标跟踪方法
EP2840528A2 (en) * 2013-08-20 2015-02-25 Ricoh Company, Ltd. Method and apparatus for tracking object

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110216939A1 (en) * 2010-03-03 2011-09-08 Gwangju Institute Of Science And Technology Apparatus and method for tracking target
CN101783020A (zh) * 2010-03-04 2010-07-21 湖南大学 一种联合概率数据关联的视频多目标快速跟踪方法
CN102156863A (zh) * 2011-05-16 2011-08-17 天津大学 跨摄像头的多运动目标跟踪方法
EP2840528A2 (en) * 2013-08-20 2015-02-25 Ricoh Company, Ltd. Method and apparatus for tracking object
CN103500456A (zh) * 2013-10-22 2014-01-08 北京大学 一种基于动态贝叶斯模型网络的对象跟踪方法和设备
CN104217428A (zh) * 2014-08-22 2014-12-17 南京邮电大学 一种融合特征匹配和数据关联的视频监控多目标跟踪方法

Cited By (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108470353A (zh) * 2018-03-01 2018-08-31 腾讯科技（深圳）有限公司 一种目标跟踪方法、装置和存储介质
CN108446622A (zh) * 2018-03-14 2018-08-24 海信集团有限公司 目标物体的检测跟踪方法及装置、终端
CN108986138A (zh) * 2018-05-24 2018-12-11 北京飞搜科技有限公司 目标跟踪方法及设备
CN109087335A (zh) * 2018-07-16 2018-12-25 腾讯科技（深圳）有限公司 一种人脸跟踪方法、装置和存储介质
CN111127508A (zh) * 2018-10-31 2020-05-08 杭州海康威视数字技术股份有限公司 一种基于视频的目标跟踪方法及装置
CN111127508B (zh) * 2018-10-31 2023-05-02 杭州海康威视数字技术股份有限公司 一种基于视频的目标跟踪方法及装置
CN109753911A (zh) * 2018-12-28 2019-05-14 深圳先进技术研究院 虚拟现实系统的提升多物体追踪能力的方法及相关装置
CN109753911B (zh) * 2018-12-28 2022-11-11 深圳先进技术研究院 虚拟现实系统的提升多物体追踪能力的方法及相关装置
WO2020151167A1 (zh) * 2019-01-23 2020-07-30 平安科技（深圳）有限公司 目标跟踪方法、装置、计算机装置及可读存储介质
CN109903310A (zh) * 2019-01-23 2019-06-18 平安科技（深圳）有限公司 目标跟踪方法、装置、计算机装置及计算机存储介质
CN109903310B (zh) * 2019-01-23 2024-09-27 平安科技（深圳）有限公司 目标跟踪方法、装置、计算机装置及计算机存储介质
CN109934849A (zh) * 2019-03-08 2019-06-25 西北工业大学 基于轨迹度量学习的在线多目标跟踪方法
CN110569785A (zh) * 2019-09-05 2019-12-13 杭州立宸科技有限公司 一种融合跟踪技术的人脸识别方法
CN110555867A (zh) * 2019-09-05 2019-12-10 杭州立宸科技有限公司 一种融合物体捕获识别技术的多目标物体跟踪方法
CN110569785B (zh) * 2019-09-05 2023-07-11 杭州智爱时刻科技有限公司 一种融合跟踪技术的人脸识别方法
CN110555867B (zh) * 2019-09-05 2023-07-07 杭州智爱时刻科技有限公司 一种融合物体捕获识别技术的多目标物体跟踪方法
CN110706256A (zh) * 2019-09-27 2020-01-17 杭州博雅鸿图视频技术有限公司 一种基于多核异构平台的检测跟踪算法优化方法
CN111079525A (zh) * 2019-11-05 2020-04-28 阿里巴巴集团控股有限公司 图像处理方法、设备、系统及存储介质
CN111079525B (zh) * 2019-11-05 2023-05-30 阿里巴巴集团控股有限公司 图像处理方法、设备、系统及存储介质
CN112639872B (zh) * 2020-04-24 2022-02-11 华为技术有限公司 一种目标检测中难例挖掘的方法及装置
CN112639872A (zh) * 2020-04-24 2021-04-09 华为技术有限公司 一种目标检测中难例挖掘的方法及装置
CN111639552A (zh) * 2020-05-14 2020-09-08 上海闪马智能科技有限公司 一种施工现场安全帽佩戴检测方法及系统
JP2023500969A (ja) * 2020-05-22 2023-01-11 ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッド ターゲット追跡方法、装置、電子機器、コンピュータ読み取り可能な記憶媒体及びコンピュータプログラムプロダクト
WO2021232652A1 (zh) * 2020-05-22 2021-11-25 北京百度网讯科技有限公司 目标跟踪方法、装置、电子设备及计算机可读存储介质
JP7375192B2 (ja) 2020-05-22 2023-11-07 ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッド ターゲット追跡方法、装置、電子機器、コンピュータ読み取り可能な記憶媒体及びコンピュータプログラムプロダクト
CN111899275A (zh) * 2020-08-12 2020-11-06 中国科学院长春光学精密机械与物理研究所 一种目标检测跟踪方法、装置及存储介质

Similar Documents

Publication Publication Date Title
CN107516303A (zh) 多目标跟踪方法及系统
Lei et al. Design of a new low-cost unmanned aerial vehicle and vision-based concrete crack inspection method
Leon et al. Video hand gestures recognition using depth camera and lightweight cnn
CN110986969B (zh) 地图融合方法及装置、设备、存储介质
CN109544615A (zh) 基于图像的重定位方法、装置、终端及存储介质
CN106104434A (zh) 使用触摸屏设备确定用户利手和定向
CN110598559B (zh) 检测运动方向的方法、装置、计算机设备和存储介质
AU2022218483B2 (en) Method, system and computer program product for intelligent tracking and data transformation between interconnected sensor devices of mixed type
CN104090263B (zh) 基于rfid技术的定位方法、系统
CN114595124B (zh) 时序异常检测模型评估方法、相关装置及存储介质
Chang et al. Fast Random‐Forest‐Based Human Pose Estimation Using a Multi‐scale and Cascade Approach
Chen et al. Separated sonar localization system for indoor robot navigation
CN106713862A (zh) 跟踪监控方法及装置
CN110909701A (zh) 行人特征的提取方法、装置、设备及介质
Jing et al. Sports image detection based on FPGA hardware system and particle swarm algorithm
WO2019184593A1 (en) Method and apparatus for generating environment model, and storage medium
CN110008815A (zh) 人脸识别融合模型的生成方法和装置
CN115278014A (zh) 一种目标跟踪方法、系统、计算机设备及可读介质
CN116168040B (zh) 元器件的方向检测方法、装置、电子设备及可读存储介质
Yin et al. PowerSkel: A Device-Free Framework Using CSI Signal for Human Skeleton Estimation in Power Station
CN113033388B (zh) 检测跟踪方法和装置
Yen et al. Adaptive Indoor People-Counting System Based on Edge AI Computing
CN117882109A (zh) 目标跟踪方法、目标跟踪系统和电子设备
Gupta et al. Markerless tracking and gesture recognition using polar correlation of camera optical flow
CN114527456A (zh) 基于uwb的运动轨迹识别方法和电子设备

Legal Events

Date Code Title Description
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20171226

RJ01 Rejection of invention patent application after publication