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

CN112307912A - 一种基于摄像头确定人员轨迹的方法及系统 - Google Patents

一种基于摄像头确定人员轨迹的方法及系统 Download PDF

Info

Publication number
CN112307912A
CN112307912A CN202011118416.5A CN202011118416A CN112307912A CN 112307912 A CN112307912 A CN 112307912A CN 202011118416 A CN202011118416 A CN 202011118416A CN 112307912 A CN112307912 A CN 112307912A
Authority
CN
China
Prior art keywords
camera
person
coordinate system
target
coordinates
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
CN202011118416.5A
Other languages
English (en)
Inventor
徐况
崔用兵
任效星
王震
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.)
Kedaduochuang Cloud Technology Co ltd
Original Assignee
Kedaduochuang Cloud 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 Kedaduochuang Cloud Technology Co ltd filed Critical Kedaduochuang Cloud Technology Co ltd
Priority to CN202011118416.5A priority Critical patent/CN112307912A/zh
Publication of CN112307912A publication Critical patent/CN112307912A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • 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
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30241—Trajectory

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Closed-Circuit Television Systems (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于摄像头确定人员轨迹的方法及系统，属于定位技术领域，包括以下步骤：S1：部署摄像头并选取参照物；S2：建立三维坐标系并选取坐标原点；S3：识别目标人员并时刻采集目标人员图像；S4：进行坐标转换并描绘出人员轨迹。本发明能够减少不必要的传感器设备，节约成本，充分利用现有场地的摄像头装置，不需要额外的开支；能够对包括外来人员的所有人员进行人员轨迹确定；后台能够获取更多的信息，从而做出更多的信息分析，及时做出调整措施，值得被推广使用。

Description

一种基于摄像头确定人员轨迹的方法及系统
技术领域
本发明涉及定位技术领域，具体涉及一种基于摄像头确定人员轨迹的方法及系统。
背景技术
目前确定人员轨迹的方法是通过人员携带定位传感器，实时向后台发送定位信息，后台将接收到的不同时刻位置信息存储并绘制出人员轨迹。
上述方法存在一定的不足，需要借助定位传感器来向后台返回位置信息才能绘制人员轨迹，成本支出高；不能对未携带传感器人员或区域外来人员进行人员轨迹的描绘；后台只能接收位置变化信息，无法对影响人员轨迹的突发因素进行分析并做出有效调整。因此，提出一种基于摄像头确定人员轨迹的方法及系统。
发明内容
本发明所要解决的技术问题在于：如何解决现有确定人员轨迹的方法存在需要借助定位传感器实现定位及轨迹确定的问题，提供了一种基于摄像头确定人员轨迹的方法。
本发明是通过以下技术方案解决上述技术问题的，本发明包括以下步骤：
S1：部署摄像头并选取参照物
选择最佳部署位置部署摄像头并固定牢固，选取监控区域内静止物体作为参照物；
S2：建立三维坐标系并选取坐标原点
建立监控区域的三维坐标体系，然后选取监控区域内一点为三维坐标体系的坐标原点；
S3：识别目标人员并时刻采集目标人员图像
通过摄像头对可监控区域实时监控，识别监控区域内目标人员，检测到目标人员后时刻采集包含目标人员的图像；
S4：进行坐标转换并描绘出人员轨迹
目标人员识别完成后，计算出目标人员相对于参照物的角度和距离，并由二维坐标转化为三维空间坐标，从而确定目标人员的位置，最后按时间顺序描绘出人员轨迹。
更进一步地，在所述步骤S1中，参照物为摄像头。
更进一步地，在所述步骤S2中，三维坐标体系须符合右手定则。
更进一步地，在所述步骤S2中，若监控区域为矩形空间选取一个矩形顶点作为坐标原点；若监控区域为不规则空间体，选取摄像头作为立体空间的坐标原点。
更进一步地，在所述步骤S3中，利用MaskRCNN算法对监控区域内目标人员进行识别。
更进一步地，识别监控区域内目标人员的具体过程如下：
S31：建立一个包含大批量人脸图像的数据库；
S32：摄像头调用内置人脸识别功能模块将拍摄的图像特征与人脸图像数据库图片特征对比，即可识别监控区域内的目标人员；
S33：利用MaskRCNN算法对摄像头拍摄图像识别，获取目标人员的像素坐标Pu，v。
更进一步地，在所述步骤S4中，二维坐标转化为三维空间坐标是指将像素坐标转换为世界坐标(实际点坐标)，转换公式如下：
Pu，v＝KTPw
其中，Pu，v为目标的像素坐标，Pw为目标的实际坐标，K为内参，与相机和镜头有关，T为外参，为相机坐标系对于世界坐标系的变换。
更进一步地，转换公式转换为矩阵形式如下：
Figure BDA0002731142440000021
其中，右侧第一个矩阵为相机内参数矩阵，对应参数K，第二个矩阵为相机外参数矩阵，对应参数T，s为方程系数；
fx、fy为摄像头焦点坐标；rij为相机坐标系相对于世界坐标系的变换旋转变量；ti为坐标系转换过程中的位移偏移量；u、v为像素坐标系坐标；s为像素坐标系数；x、y、z为世界坐标系坐标。
本发明还提供了一种基于摄像头确定人员轨迹的系统，利用上述方法确定目标人员的轨迹，包括：
部署模块，选择部署位置部署摄像头并固定牢固，选取监控区域内静止物体作为参照物；
坐标系选取模块，用于建立监控区域的三维坐标体系，然后选取监控区域内一点为三维坐标体系的坐标原点；
目标人员图像采集模块，用于通过摄像头对可监控区域实时监控，识别监控区域内目标人员，检测到目标人员后时刻采集包含目标人员的图像；
坐标轨迹处理模块，用于在目标人员识别完成后，计算出目标人员相对于参照物的角度和距离，并由二维坐标转化为三维空间坐标，从而确定目标人员的位置，最后按时间顺序描绘出人员轨迹；
控制模块，用于向各模块发出指令，完成相关动作；
所述部署模块、坐标系选取模块、目标人员图像采集模块、坐标轨迹处理模块均与控制模块电连接。
本发明相比现有技术具有以下优点：该基于摄像头确定人员轨迹的方法，能够减少不必要的传感器设备，节约成本，充分利用现有场地的摄像头装置，不需要额外的开支；能够对包括外来人员的所有人员进行人员轨迹确定；后台能够获取更多的信息，从而做出更多的信息分析，及时做出调整措施，值得被推广使用。
附图说明
图1是本发明实施例一中基于摄像头确定人员轨迹的方法的流程示意图；
图2是本发明实施例一中二维坐标转化为三维坐标原理图；
图3是本发明实施例二中基于摄像头确定人员轨迹的方法的实施流程图；
图4是本发明实施例三中机房的结构图；
图5a是本发明实施例三中未经MaskRCNN处理的示意图片；
图5b是本发明实施例三中经MaskRCNN处理的示意图片；
图6是本发明实施例三中利用黑白格棋盘标定板进行摄像头参数标定的示意图。
具体实施方式
下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
如图1所示，本实施例提供一种技术方案：一种基于摄像头确定人员轨迹的方法，包括以下步骤：
S1：部署摄像头并选取参照物
选择最佳部署位置部署摄像头并固定牢固，防止被异物遮挡，选取监控区域内静止物体作为参照物；
S2：建立三维坐标系并选取坐标原点
建立监控区域的三维坐标体系要求符合右手定则，如果监控区域为矩形空间选取一个矩形顶点作为坐标原点，如果为不规则空间体，选取摄像头作为立体空间的坐标原点；
S3：识别目标人员并时刻采集目标人员图像
通过摄像头对可监控区域实时监控，利用人脸识别技术监控区域内识别目标人员，检测到目标人员后时刻采集包含目标人员的图像；
S4：进行坐标转换并描绘出人员轨迹
通过目标识别算法，计算出目标人员相对于参照物的角度和距离，并由二维坐标转化为三维空间坐标，从而确定人员目标的位置，再按时间顺序描绘出人员轨迹。
参照物也可以是摄像头，原则上说处于静止状态下的物体，并且只要在区域内，就可以作为参照物。
如图2所示，为二维坐标转化为三维坐标原理图。
图中有四个坐标系，分别为world，camera，image，pixel。
world为世界坐标系，可以任意指定Xw轴和Yw轴为图2中P点所在坐标系。
camera为相机坐标系，原点位于小孔，z轴与光轴(optical axis)重合，Xw轴和Yw轴平行投影面，上图坐标系中XcYcZc，小孔即Fc处，相机成像焦点；
image为图像坐标系，原点位于光轴和投影面的交点，Xw轴和Yw轴平行投影面，上图坐标系中XYZ；
pixel为像素坐标系，从小孔向投影面方向看，投影面的左上角为原点，uv轴和投影面两边重合，该坐标系与图像坐标系处在同一平面，但原点不同。
下式为像素坐标pixel与世界坐标world的变换公式，右侧第一个矩阵为相机内参数矩阵，第二个矩阵为相机外参数矩阵。变换公式如下：
Figure BDA0002731142440000041
其中，fx、fy为摄像头焦点坐标；rij为相机坐标系相对于世界坐标系的变换旋转变量；ti为坐标系转换过程中的位移偏移量；u、v为像素坐标系坐标；s为像素坐标系数；x、y、z为世界坐标系坐标。
即Pu，v＝KTPw (1)
该方程右侧隐含了一次齐次坐标到非齐次坐标的转换，K为内参，与相机和镜头有关，由张正友法测得；T为外参，为相机坐标系对于世界坐标系的变换，由PNP估计法获取，s为方程系数。由此方程可将图片中的二维坐标转化为三维空间坐标。
本实施例还提供了一种基于摄像头确定人员轨迹的系统，利用上述方法确定目标人员的轨迹，包括：
部署模块，选择部署位置部署摄像头并固定牢固，选取监控区域内静止物体作为参照物；
坐标系选取模块，用于建立监控区域的三维坐标体系，然后选取监控区域内一点为三维坐标体系的坐标原点；
目标人员图像采集模块，用于通过摄像头对可监控区域实时监控，识别监控区域内目标人员，检测到目标人员后时刻采集包含目标人员的图像；
坐标轨迹处理模块，用于在目标人员识别完成后，计算出目标人员相对于参照物的角度和距离，并由二维坐标转化为三维空间坐标，从而确定目标人员的位置，最后按时间顺序描绘出人员轨迹；
控制模块，用于向各模块发出指令，完成相关动作；
所述部署模块、坐标系选取模块、目标人员图像采集模块、坐标轨迹处理模块均与控制模块电连接。
实施例二
如图3所示，本实施例提供一种技术方案：一种基于摄像头确定人员轨迹的方法，包括以下步骤：
S1：部署摄像头并选取参照物
选择最佳部署位置部署摄像头并固定牢固，防止被异物遮挡，选取监控区域内静止物体作为参照物；
S2：建立三维坐标系并选取坐标原点
建立监控区域的三维坐标体系要求符合右手定则，如果监控区域为矩形空间选取一个矩形顶点作为坐标原点，如果为不规则空间体，选取摄像头作为立体空间的坐标原点；
S3：识别目标人员并时刻采集目标人员图像
通过摄像头对可监控区域实时监控，利用人脸识别技术监控区域内识别目标人员，检测到目标人员后时刻采集包含目标人员的图像；
S4：进行坐标转换并描绘出人员轨迹
通过目标识别算法，计算出目标人员相对于参照物的角度和距离，并由二维坐标转化为三维空间坐标，从而确定人员目标的位置，再按时间顺序描绘出人员轨迹。
实施例三
本实施例提供一种技术方案：一种基于摄像头确定人员轨迹的方法，主要包括以下步骤：
1、选取参照物建立坐标系
如图4所示，存在一个已经安装摄像头的机房，摄像头安装在如图左侧靠近Yw轴位置。选取矩形空间顶点作为坐标原点建立三维空间坐标系XwYwZw，选取图中最左侧机柜作为参照物。
2、获取像素坐标
如图5a、5b所示，摄像机通过人脸识别功能检测到目标人员，利用计算机视觉算法MaskRCNN对图片中的行人进行追踪和定位，获取目标的像素坐标(u，v)。
计算机视觉算法MaskRCNN的处理过程如下：
首先，输入一幅图片，然后进行对应的预处理操作，或者输入预处理后的图片；然后将其输入到一个预训练好的神经网络中(ResNeXt等)获得对应的feature map；
接着，对这个feature map中的每一点设定预定的ROI，从而获得多个候选ROI；
再将这些候选的ROI送入RPN网络进行二值分类(前景或背景)和BB回归，过滤掉一部分候选的ROI；
然后对剩下的ROI进行ROIAlign操作(即先将原图和feature map的pixel对应起来，然后将feature map和固定的feature对应起来)；
最后，对这些ROI进行分类(N类别分类)、BB回归和MASK生成像素坐标(u,v)。
3、坐标转换
如图6所示，打印间距为15cm的黑白格棋盘标定板，利用已经安装好的摄像头拍摄不同距离，不同方位，不同倾斜角度的棋盘图片多张，即得到了多个视角的2D/3D对应关系。
棋盘标定板每个小格子对应有已建立的3D空间坐标系的(xn,yn,zn),摄像头拍摄的图片中有2D像素坐标系坐标(un，vn)，因此拍摄不同距离，不同方位，不同倾斜角度可得到对应着多个角度的2D/3D坐标。
在OpenCV中，使用calibrateCamera函数，可求解出该相机的内参数k1和每一个视角的外参数T1，将实施例一中的公式(1)转换为：
Figure BDA0002731142440000061
根据图中参照物机柜轮廓点在照片中形成的点像素坐标(un，vn)与实际点坐标(xn,yn,zn)的对应关系(实际点坐标(xn,yn,zn)在建立三维坐标体系时已经坐标化)，计算出s,进而将二维坐标(u,v)转化为已确定的三维坐标系坐标(x,y,z)。
4、刻画人员轨迹
将转换后的坐标以及对应的时间存入系统，即可按时间刻画出目标人员运动轨迹。
综上所述，上述实施例的基于摄像头确定人员轨迹的方法，能够减少不必要的传感器设备，节约成本，充分利用现有场地的摄像头装置，不需要额外的开支；能够对包括外来人员的所有人员进行人员轨迹确定；后台能够获取更多的信息，从而做出更多的信息分析，及时做出调整措施，值得被推广使用。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (9)

1.一种基于摄像头确定人员轨迹的方法，其特征在于，包括以下步骤：
S1：部署摄像头并选取参照物
选择部署位置部署摄像头并固定牢固，选取监控区域内静止物体作为参照物；
S2：建立三维坐标系并选取坐标原点
建立监控区域的三维坐标体系，然后选取监控区域内一点为三维坐标体系的坐标原点；
S3：识别目标人员并时刻采集目标人员图像
通过摄像头对可监控区域实时监控，识别监控区域内目标人员，检测到目标人员后时刻采集包含目标人员的图像；
S4：进行坐标转换并描绘出人员轨迹
目标人员识别完成后，计算出目标人员相对于参照物的角度和距离，并由二维坐标转化为三维空间坐标，从而确定目标人员的位置，最后按时间顺序描绘出人员轨迹。
2.根据权利要求1所述的一种基于摄像头确定人员轨迹的方法，其特征在于：在所述步骤S1中，参照物为摄像头。
3.根据权利要求2所述的一种基于摄像头确定人员轨迹的方法，其特征在于：在所述步骤S2中，三维坐标体系须符合右手定则。
4.根据权利要求3所述的一种基于摄像头确定人员轨迹的方法，其特征在于：在所述步骤S2中，若监控区域为矩形空间选取一个矩形顶点作为坐标原点；若监控区域为不规则空间体，选取摄像头作为立体空间的坐标原点。
5.根据权利要求4所述的一种基于摄像头确定人员轨迹的方法，其特征在于：在所述步骤S3中，利用MaskRCNN算法对监控区域内目标人员进行识别。
6.根据权利要求5所述的一种基于摄像头确定人员轨迹的方法，其特征在于：识别监控区域内目标人员的具体过程如下：
S31：建立一个包含大批量人脸图像的数据库；
S32：摄像头调用人脸识别功能模块将拍摄的图像特征与人脸图像数据库图片特征对比，识别监控区域内的目标人员；
S33：利用MaskRCNN算法对摄像头拍摄图像识别获取目标人员的像素坐标Pu，v。
7.根据权利要求6所述的一种基于摄像头确定人员轨迹的方法，其特征在于：在所述步骤S4中，二维坐标转化为三维空间坐标是指将像素坐标转换为世界坐标，转换公式如下：
Pu，v＝KTPw
其中，Pu，v为目标的像素坐标，Pw为目标的实际坐标，K为内参，与相机和镜头有关，T为外参，为相机坐标系对于世界坐标系的变换。
8.根据权利要求7所述的一种基于摄像头确定人员轨迹的方法，其特征在于：转换公式转换为矩阵形式如下：
Figure FDA0002731142430000021
其中，右侧第一个矩阵为相机内参数矩阵，对应参数K，第二个矩阵为相机外参数矩阵，对应参数T，s为方程系数；
fx、fy为摄像头焦点坐标；rij为相机坐标系相对于世界坐标系的变换旋转变量；ti为坐标系转换过程中的位移偏移量；u、v为像素坐标系坐标；s为像素坐标系数；x、y、z为世界坐标系坐标。
9.一种基于摄像头确定人员轨迹的系统，其特征在于：利用如权利要求1～8任一项所述的方法确定目标人员的轨迹，包括：
部署模块，选择部署位置部署摄像头并固定牢固，选取监控区域内静止物体作为参照物；
坐标系选取模块，用于建立监控区域的三维坐标体系，然后选取监控区域内一点为三维坐标体系的坐标原点；
目标人员图像采集模块，用于通过摄像头对可监控区域实时监控，识别监控区域内目标人员，检测到目标人员后时刻采集包含目标人员的图像；
坐标轨迹处理模块，用于在目标人员识别完成后，计算出目标人员相对于参照物的角度和距离，并由二维坐标转化为三维空间坐标，从而确定目标人员的位置，最后按时间顺序描绘出人员轨迹；
控制模块，用于向各模块发出指令，完成相关动作；
所述部署模块、坐标系选取模块、目标人员图像采集模块、坐标轨迹处理模块均与控制模块电连接。
CN202011118416.5A 2020-10-19 2020-10-19 一种基于摄像头确定人员轨迹的方法及系统 Pending CN112307912A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011118416.5A CN112307912A (zh) 2020-10-19 2020-10-19 一种基于摄像头确定人员轨迹的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011118416.5A CN112307912A (zh) 2020-10-19 2020-10-19 一种基于摄像头确定人员轨迹的方法及系统

Publications (1)

Publication Number Publication Date
CN112307912A true CN112307912A (zh) 2021-02-02

Family

ID=74327864

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011118416.5A Pending CN112307912A (zh) 2020-10-19 2020-10-19 一种基于摄像头确定人员轨迹的方法及系统

Country Status (1)

Country Link
CN (1) CN112307912A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113240707A (zh) * 2021-04-16 2021-08-10 国网河北省电力有限公司沧州供电分公司 一种人员移动路径的跟踪方法、装置及终端设备
CN113688194A (zh) * 2021-07-13 2021-11-23 金钱猫科技股份有限公司 一种人员移动轨迹监测方法、系统和存储设备
CN113887384A (zh) * 2021-09-29 2022-01-04 平安银行股份有限公司 基于多轨迹融合的行人轨迹分析方法、装置、设备及介质
CN115187916A (zh) * 2022-09-13 2022-10-14 太极计算机股份有限公司 基于时空关联的建筑内疫情防控方法、装置、设备和介质
CN117058743A (zh) * 2023-10-12 2023-11-14 广州尚航信息科技股份有限公司 一种基于dcim平台的数据兼容传输处理方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109190508A (zh) * 2018-08-13 2019-01-11 南京财经大学 一种基于空间坐标系的多摄像头数据融合方法
CN111080679A (zh) * 2020-01-02 2020-04-28 东南大学 一种对大型场所室内人员动态跟踪定位的方法
CN111754552A (zh) * 2020-06-29 2020-10-09 华东师范大学 一种基于深度学习的多摄像头协同目标跟踪方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109190508A (zh) * 2018-08-13 2019-01-11 南京财经大学 一种基于空间坐标系的多摄像头数据融合方法
CN111080679A (zh) * 2020-01-02 2020-04-28 东南大学 一种对大型场所室内人员动态跟踪定位的方法
CN111754552A (zh) * 2020-06-29 2020-10-09 华东师范大学 一种基于深度学习的多摄像头协同目标跟踪方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
WHITE_LEARNER，: "相机标定(二)——图像坐标与世界坐标转换", 《HTTPS://BLOG.CSDN.NET/KALENEE/ARTICLE/DETAILS/99207102》, 12 October 2019 (2019-10-12), pages 1 *
大学生嵌入式系统专题邀请赛组委会组: "《大学生嵌入式系统专题邀请赛优秀作品选编》", 上海：上海交通大学出版社, pages: 194 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113240707A (zh) * 2021-04-16 2021-08-10 国网河北省电力有限公司沧州供电分公司 一种人员移动路径的跟踪方法、装置及终端设备
CN113688194A (zh) * 2021-07-13 2021-11-23 金钱猫科技股份有限公司 一种人员移动轨迹监测方法、系统和存储设备
CN113887384A (zh) * 2021-09-29 2022-01-04 平安银行股份有限公司 基于多轨迹融合的行人轨迹分析方法、装置、设备及介质
CN115187916A (zh) * 2022-09-13 2022-10-14 太极计算机股份有限公司 基于时空关联的建筑内疫情防控方法、装置、设备和介质
CN117058743A (zh) * 2023-10-12 2023-11-14 广州尚航信息科技股份有限公司 一种基于dcim平台的数据兼容传输处理方法及系统
CN117058743B (zh) * 2023-10-12 2024-02-20 广州尚航信息科技股份有限公司 一种基于dcim平台的数据兼容传输处理方法及系统

Similar Documents

Publication Publication Date Title
CN108111818B (zh) 基于多摄像机协同的运动目标主动感知方法和装置
CN112307912A (zh) 一种基于摄像头确定人员轨迹的方法及系统
CN110142785A (zh) 一种基于目标检测的巡检机器人视觉伺服方法
US8600192B2 (en) System and method for finding correspondence between cameras in a three-dimensional vision system
CN111345029B (zh) 一种目标追踪方法、装置、可移动平台及存储介质
US11488322B2 (en) System and method for training a model in a plurality of non-perspective cameras and determining 3D pose of an object at runtime with the same
CN110189322B (zh) 平整度检测方法、装置、设备、存储介质及系统
CN106485753B (zh) 用于无人驾驶汽车的摄像机标定的方法和装置
CN109887040A (zh) 面向视频监控的运动目标主动感知方法及系统
CN112950667A (zh) 一种视频标注方法、装置、设备及计算机可读存储介质
JP5672112B2 (ja) ステレオ画像較正方法、ステレオ画像較正装置及びステレオ画像較正用コンピュータプログラム
JP6352208B2 (ja) 三次元モデル処理装置およびカメラ校正システム
JP2011198349A (ja) 情報処理方法及びその装置
CN110910459B (zh) 一种对摄像装置的标定方法、装置及标定设备
KR102199094B1 (ko) 관심객체 검출을 위한 관심영역 학습장치 및 방법
CN109271923A (zh) 人脸姿态检测方法、系统、电子终端及存储介质
CN113313097B (zh) 人脸识别方法、终端及计算机可读存储介质
CN113329179B (zh) 拍摄对位方法、装置、设备及存储介质
CN113129383A (zh) 手眼标定方法、装置、通信设备及存储介质
CN109308714A (zh) 基于分类惩罚的摄像头和激光雷达信息配准方法
KR20120108256A (ko) 로봇 물고기 위치 인식 시스템 및 로봇 물고기 위치 인식 방법
CN112470189B (zh) 光场系统的遮挡消除
CN116051652A (zh) 一种参数标定方法及电子设备、存储介质
CN109389367B (zh) 人员考勤方法、装置及存储介质
CN112749664A (zh) 一种手势识别方法、装置、设备、系统及存储介质

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210202