一种目标运动物体的跟踪方法、装置、计算设备和介质
阅读：564发布：2020-05-13
专利汇可以提供一种目标运动物体的跟踪方法、装置、计算设备和介质专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种目标运动物体的 跟踪 方法、装置、计算设备和介质，该方法包括：获取摄像头实时采集的 视频 帧 ，并利用帧间图像差分 算法 ，检测出当前视频帧中的备选运动 像素 点；获取与所述当前视频帧对应的拍摄场景，并选取与所述拍摄场景匹配的识别策略，根据所述备选运动像素点，识别所述当前视频帧中包括的至少一个目标运动物体；根据所述至少一个目标运动物体的 重心 相对所述当前视频帧中心的偏离方向，控制所述摄像头的跟踪方向。本 实施例 的技术方案有效识别出视频图像中的目标运动物体，减少了检测算法的运算量，实现了对目标运动物体进行准确和快速的跟踪。，下面是一种目标运动物体的跟踪方法、装置、计算设备和介质专利的具体信息内容。
1.一种目标运动物体的跟踪方法，其特征在于，包括：
获取摄像头实时采集的视频帧，并利用帧间图像差分算法，检测出当前视频帧中的备选运动像素点；
获取与所述当前视频帧对应的拍摄场景，并选取与所述拍摄场景匹配的识别策略，根据所述备选运动像素点，识别所述当前视频帧中包括的至少一个目标运动物体；
根据所述至少一个目标运动物体的重心相对所述当前视频帧中心的偏离方向，控制所述摄像头的跟踪方向。
2.根据权利要求1所述的方法，其特征在于，在利用帧间图像差分算法，检测出当前视频帧中的备选运动像素点之前，还包括：
获取摄像头实时采集的视频帧，并对所述视频帧进行降噪处理。
3.根据权利要求1所述的方法，其特征在于，利用帧间图像差分算法，检测出当前视频帧中的备选运动像素点，包括：
获取与所述当前视频帧对应的上一视频帧以及下一视频帧；
根据所述当前视频帧中各像素点的灰度值与所述上一视频帧或者所述下一视频帧中对应位置的像素点的灰度值之间的差异，在所述当前视频帧中检测出所述备选运动像素点。
4.根据权利要求3所述的方法，其特征在于，根据所述当前视频帧中各像素点的灰度值与所述上一视频帧或者所述下一视频帧中对应位置的像素点的灰度值之间的差异，在所述当前视频帧中检测出所述备选运动像素点，包括：
判断所述当前视频帧与所述上一视频帧的各个对应位置的像素点的灰度值的差的绝对值是否大于或等于预设阈值；若是，则将所述当前视频帧的各像素点的第一灰度值设置为255，否则将所述当前视频帧的各像素点的第一灰度值设置为0；
判断所述当前视频帧与所述下一视频帧的各个对应位置的像素点的灰度值的差的绝对值是否大于或等于预设阈值；若是，则将所述当前视频帧的各像素点的第二灰度值设置为255，否则将所述当前视频帧的各像素点的所述第二灰度值设置为0；
将所述当前视频帧中各像素点的灰度值设置为所述第一灰度值与所述第二灰度值的与运算结果，以得到与所述当前视频帧对应的二值图像；
获取所述二值图像中灰度值为255的各像素点，作为所述备选运动像素点。
5.根据权利要求1所述的方法，其特征在于，获取与所述当前视频帧对应的拍摄场景，包括：
将所述当前视频帧以第一预设像素点为单位分成多个一级块；
将每个所述一级块以第二预设像素点为单位分割成多个二级块；
计算每个所述二级块中包括的备选运动像素点的个数，并计算其中所述备选运动像素点个数小于预设值的二级块个数与所述二级块总个数的比值；
判断所述比值是否大于或等于预设阈值；
若是，则确定所述拍摄场景为物体运动且镜头静止场景；否则，确定所述拍摄场景为物体运动且镜头转动场景。
6.根据权利要求5所述的方法，其特征在于，选取与所述拍摄场景匹配的识别策略，根据所述备选运动像素点，识别所述当前视频帧中包括的至少一个目标运动物体，包括：
如果确定所述拍摄场景为物体运动且镜头静止场景，则计算各所述一级块中包括的备选运动像素点的个数，并将其中所述备选运动像素点个数大于或等于预设阈值的一级块确定为运动物体候选块；
将各所述二级块以第三预设像素点为单位分割成多个三级块；
根据各所述运动物体候选块的图像位置构造与所述运动物体候选块的图像匹配的搜索区域；
如果所述搜索区域中的每个三级块中均不包括任一备选运动像素点，则将与所述搜索区域对应的运动物体候选块确定为独立的候选运动物体；
计算各所述候选运动物体的重心、宽度和高度，并根据候选运动物体的备选运动像素点个数、宽度和高度计算所述候选运动物体的运动剧烈度；
根据所述运动剧烈度，判断所述候选运动物体为目标运动物体。
7.根据权利要求1所述的方法，其特征在于，选取与所述拍摄场景匹配的识别策略，根据所述备选运动像素点，识别所述当前视频帧中包括的至少一个目标运动物体，包括：
如果确定所述拍摄场景为物体运动且镜头转动场景，则将所述上一视频帧中的目标运动物体所在位置的像素点的灰度值作为参考值，并根据上一视频帧中的目标运动物体所在位置，确定搜索范围；
根据所述参考值和当前视频帧在所述搜索范围内的像素点的灰度值，进行运动估计，得到多个匹配点；
根据所述多个匹配点确定所述当前视频帧的目标运动物体的重心、宽度以及高度；
根据所述目标运动物体的重心、宽度以及高度在所述当前视频帧中确定所述目标运动物体。
8.一种目标运动物体的跟踪装置，其特征在于，包括：
备选运动像素点检测模块，用于获取摄像头实时采集的视频帧，并利用帧间图像差分算法，检测出所述当前视频帧中的备选运动像素点；
目标运动物体识别模块，用于获取与所述当前视频帧对应的拍摄场景，并选取与所述拍摄场景匹配的识别策略，根据所述备选运动像素点，识别所述当前视频帧中包括的至少一个目标运动物体；
摄像头的跟踪方向控制模块，用于根据所述至少一个目标运动物体的重心相对所述当前视频帧中心的偏离方向，控制所述摄像头的跟踪方向。
9.一种计算设备，其特征在于，所述计算设备包括：
一个或多个处理器；
存储装置，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1-7中任一所述的一种目标运动物体的跟踪方法。
10.一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1-7中任一所述的一种目标运动物体的跟踪方法。
一种目标运动物体的跟踪方法、装置、计算设备和介质
技术领域
背景技术
[0003] 近几十年来，国内外学者提出了许多方法用于检测和跟踪视频图像中的运动目标，常用的方法有背景差值法、图像差分法、基于特征的方法、基于光流场的方法等。背景差值法对于摄像机运动的情况下，没有一个较为稳定的背景，运动目标检测性能较差；图像差分法对于摄像机运动的情况下，只能检测到图像序列中所有物体的边缘，不能区分运动和静止目标；基于特征的方法很难区分不同目标之间的特征点，也没有关于特征点快速匹配的比较通用的算法；基于光流场的方法计算过程相当复杂，计算量比较庞大，且易受噪声干扰。
[0004] 现有的方法通常都假设用于获取视频图像的摄像机是静止的，针对摄像机运动的情景，由于环境特点的不同，很难得到一种通用的检测方法，关于不同背景下的视频图像提出的目标运动物体的跟踪方法还不够完善。
发明内容
[0005] 本发明实施例提供一种目标运动物体的跟踪方法、装置、计算设备和介质，以减少对运动物体检测的运算量，提高对运动物体的跟踪效率。
[0006] 第一方面，本发明实施例提供了一种目标运动物体的跟踪方法，所述方法包括：
[0008] 获取与所述当前视频帧对应的拍摄场景，并选取与所述拍摄场景匹配的识别策略，根据所述备选运动像素点，识别所述当前视频帧中包括的至少一个目标运动物体；
[0009] 根据所述至少一个目标运动物体的重心相对所述当前视频帧中心的偏离方向，控制所述摄像头的跟踪方向。
[0010] 第二方面，本发明实施例还提供了一种目标运动物体的跟踪装置，该装置包括：
[0011] 备选运动像素点检测模块，用于获取摄像头实时采集的视频帧，并利用帧间图像差分算法，检测出所述当前视频帧中的备选运动像素点；
[0012] 目标运动物体识别模块，用于获取与所述当前视频帧对应的拍摄场景，并选取与所述拍摄场景匹配的识别策略，根据所述备选运动像素点，识别所述当前视频帧中包括的至少一个目标运动物体；
[0013] 摄像头的跟踪方向控制模块，用于根据所述至少一个目标运动物体的重心相对所述当前视频帧中心的偏离方向，控制所述摄像头的跟踪方向。
[0014] 第三方面，本发明实施例还提供了一种计算设备，该计算设备包括：
[0015] 一个或多个处理器；
[0016] 存储装置，用于存储一个或多个程序；
[0017] 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本发明任意实施例提供的目标运动物体的跟踪方法。
[0018] 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，该存储介质上存储有计算机程序，该程序被处理器执行时实现本发明任意实施例提供的目标运动物体的跟踪方法。
[0019] 本发明实施例首先获取摄像头实时采集的视频帧，并利用帧间图像差分算法，检测出当前视频帧中的备选运动像素点，然后获取与所述当前视频帧对应的拍摄场景，并选取与所述拍摄场景匹配的识别策略，根据所述备选运动像素点，识别所述当前视频帧中包括的至少一个目标运动物体，最后根据所述至少一个目标运动物体的重心相对所述当前视频帧中心的偏离方向，控制所述摄像头的跟踪方向。本发明实施例减少了对运动物体检测的运算量，在对目标运动物体的跟踪方面具有快速、准确以及简洁的优点，有很大的现实意义和应用价值。附图说明
[0020] 图1是本发明实施例一中的一种目标运动物体的跟踪方法的流程图；
[0021] 图2是本发明实施例二中的一种目标运动物体的跟踪方法的流程图；
[0022] 图3是本发明实施例三中的一种目标运动物体的跟踪方法具体实施流程图；
[0023] 图4是本发明实施例四中的一种目标运动物体的跟踪装置结构图；
[0024] 图5是本发明实施例五中的一种计算设备结构示意图。
具体实施方式
[0025] 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。
[0026] 实施例一
[0027] 图1为本发明实施例一提供的一种目标运动物体的跟踪方法，本实施例可适用于视频图像分析的情况，该方法可以由目标运动物体的跟踪装置来执行，该装置可以由软件和/或硬件来实现，并一般可以集成在配置有摄像头的运动物体跟踪设备，或者集成在服务器中，该服务器与用于采集视频帧的摄像头配合使用，具体包括如下步骤：
[0028] 步骤110、获取摄像头实时采集的视频帧，并利用帧间图像差分算法，检测出当前视频帧中的备选运动像素点；
[0029] 可选的，可以通过内部总线传输的方式获取摄像头实时采集的视频帧，也可以通过无线或者有线传输的方式，获取配置在远端的摄像头实时采集的视频帧。
[0030] 在本实施例中，备选运动像素点指当前视频帧中检测到的大致的需要处理与分析的运动物体包括的像素点。帧间图像差分算法首先获取与当前视频帧对应的上一视频帧以及下一视频帧，然后计算所述当前视频帧中各像素点的灰度值与所述上一视频帧或者所述下一视频帧中对应位置的像素点的灰度值之间的差异，最后在所述当前视频帧中标识出所述备选运动像素点。
[0031] 步骤120、获取与所述当前视频帧对应的拍摄场景，并选取与所述拍摄场景匹配的识别策略，根据所述备选运动像素点，识别所述当前视频帧中包括的至少一个目标运动物体。
[0032] 在此步骤中，与所述当前视频帧对应的拍摄场景分为两类，第一类是物体运动且镜头静止，第二类是物体运动且镜头转动。目标运动物体指具备精确位置参数的需要处理与分析的运动物体。
[0033] 步骤130、根据所述至少一个目标运动物体的重心相对所述当前视频帧中心的偏离方向，控制所述摄像头的跟踪方向。
[0034] 在此步骤中，如果多数运动物体的重心位于当前视频帧的左边时，就控制摄像头的跟踪方向为向左边偏转，如果多数运动物体的重心位于当前视频帧的右边时，就控制摄像头的跟踪方向为向右边偏转，目的就是保持多数运动物体始终处于图像的中心区域。如果多数运动物体的重心处于当前视频帧的中心区域，那么摄像头就不需要做出跟踪的动作。
[0035] 本发明实施例的技术方案，首先获取摄像头实时采集的视频帧，并利用帧间图像差分算法，检测出当前视频帧中的备选运动像素点；然后获取与所述当前视频帧对应的拍摄场景，并选取与所述拍摄场景匹配的识别策略，根据所述备选运动像素点，识别所述当前视频帧中包括的至少一个目标运动物体；最后根据所述至少一个目标运动物体的重心相对所述当前视频帧中心的偏离方向，控制所述摄像头的跟踪方向。本实施例的技术方案有效识别出视频图像中的目标运动物体，减少了检测算法的运算量，实现了对目标运动物体进行准确和快速的跟踪。
[0036] 实施例二
[0037] 本实施例以上述实施例为基础进行细化，提供了在利用帧间图像差分算法检测出当前视频帧中的备选运动像素点之前，对所述视频帧进行降噪处理的实施方式。与上述实施例相同或相应的术语解释，本实施例不再赘述。
[0038] 图2是本发明实施例二提供的目标运动物体的跟踪方法流程图，如图2所示，该方法包括如下步骤：
[0039] 步骤210、获取摄像头实时采集的视频帧，并对所述视频帧进行降噪处理。
[0040] 在此步骤中，本发明实施例利用中值滤波算法对所述视频帧进行降噪处理，处理过程如下：首先选择一个预设窗口，并用该窗口沿所述视频帧进行光栅扫描；然后读取窗口下各对应位置的像素值，每次移动窗口后对窗口内的各个像素值进行排序；最后找出这些像素值里排在中间的一个，用得到的这个中值代替窗口中心位置的原始像素值。
[0041] 步骤220、利用帧间图像差分算法，检测出当前视频帧中的备选运动像素点。
[0042] 在此步骤中，本发明实施例首先获取与当前视频帧对应的上一视频帧以及下一视频帧，然后根据所述当前视频帧中各像素点的灰度值与所述上一视频帧或者所述下一视频帧中对应位置的像素点的灰度值之间的差异，在所述当前视频帧中检测出所述备选运动像素点。
[0043] 其中，本发明实施例首先判断所述当前视频帧与所述上一视频帧的各个对应位置的像素点的灰度值的差的绝对值是否大于或等于预设阈值，若是，则将所述当前视频帧的各像素点的第一灰度值设置为255，否则将所述当前视频帧的各像素点的第一灰度值设置为0；然后判断所述当前视频帧与所述下一视频帧的各个对应位置的像素点的灰度值的差的绝对值是否大于或等于预设阈值，若是，则将所述当前视频帧的各像素点的第二灰度值设置为255，否则将所述当前视频帧的各像素点的所述第二灰度值设置为0；最后将所述当前视频帧中各像素点的灰度值设置为所述第一灰度值与所述第二灰度值的与运算结果，以得到与所述当前视频帧对应的二值图像，获取所述二值图像中灰度值为255的各像素点，作为所述备选运动像素点。
[0044] 具体的，第一灰度值为当前视频帧与上一视频帧之间的二值差分图像对应位置像素点的灰度值，第二灰度值为当前视频帧与下一视频帧之间的二值差分图像对应位置像素点的灰度值。
[0045] 优选的，此步骤中上述预设阈值设置为15。
[0046] 步骤230、获取与所述当前视频帧对应的拍摄场景。
[0047] 其中，当前视频帧对应的拍摄场景分为两类，第一类是物体运动且镜头静止，第二类是物体运动且镜头转动。
[0048] 本发明实施例首先将所述当前视频帧以第一预设像素点为单位分成多个一级块，第一预设像素点优选为320*320；然后将每个所述一级块以第二预设像素点为单位分割成多个二级块，第二预设像素点优选为80*80，计算每个所述二级块中包括的备选运动像素点个数，并计算其中所述备选运动像素点个数小于预设值的二级块个数与所述二级块总个数的比值，预设值优选为5；最后判断所述比值是否大于或等于预设阈值，预设阈值设置为0.73，若是，则确定所述拍摄场景为物体运动且镜头静止场景，否则，确定所述拍摄场景为物体运动且镜头转动场景。
[0049] 步骤240、选取与所述拍摄场景匹配的识别策略，根据所述备选运动像素点，识别所述当前视频帧中包括的至少一个目标运动物体。
[0050] 如果拍摄场景为第一类场景即物体运动且镜头静止，本发明实施例首先计算各所述一级块中包括的备选运动像素点个数，并将其中所述备选运动像素点个数大于或等于预设阈值的一级块确定为运动物体候选块，此预设阈值优选为56；然后将各所述二级块以第三预设像素点为单位分割成多个三级块，第三预设像素点优选为40*40，根据各所述运动物体候选块的图像位置构造与所述运动物体候选块的图像匹配的搜索区域，如果所述搜索区域中的每个三级块中均不包括任一备选运动像素点，则将与所述搜索区域对应的运动物体候选块确定为独立的候选运动物体；最后计算各所述候选运动物体的重心、宽度和高度，并根据候选运动物体的备选运动像素点个数、宽度和高度计算与所述候选运动物体的运动剧烈度，根据所述运动剧烈度，判断所述候选运动物体为目标运动物体。
[0051] 如果拍摄场景为第二类场景即物体运动且镜头转动，本发明实施例首先将所述上一视频帧中的目标运动物体所在位置的像素点的灰度值作为参考值，并根据上一视频帧中的目标运动物体所在位置，确定搜索范围，搜索半径优选为9个像素点；然后根据所述参考值和当前视频帧在所述搜索范围内的像素点的灰度值进行运动估计，得到多个匹配点；最后根据所述多个匹配点确定所述当前视频帧的目标运动物体的重心、宽度以及高度，根据所述目标运动物体的重心、宽度以及高度，在所述当前视频帧中确定所述目标运动物体。
[0052] 步骤250、根据所述至少一个目标运动物体的重心相对所述当前视频帧中心的偏离方向，控制所述摄像头的跟踪方向。
[0053] 在此步骤中，摄像头的跟踪方向取决于多数目标运动物体的重心偏离方向。如果多数运动物体的重心位于当前视频帧的左边时，就控制摄像头的跟踪方向为向左边偏转，如果多数运动物体的重心位于当前视频帧的右边时，就控制摄像头的跟踪方向为向右边偏转，目的就是保持多数运动物体始终处于图像的中心区域。如果多数运动物体的重心处于当前视频帧的中心区域，那么摄像头就不需要做出跟踪的动作。
[0054] 本实施例的技术方案首先获取摄像头实时采集的视频帧，并对所述视频帧进行降噪处理，消除了视频帧中由于噪声引起的干扰像素点；然后利用帧间图像差分算法，检测出当前视频帧中的备选运动像素点，为后面确定目标运动物体提供条件；接着获取与所述当前视频帧对应的拍摄场景，选取与所述拍摄场景匹配的识别策略，根据所述备选运动像素点，识别所述当前视频帧中包括的至少一个目标运动物体；最后根据所述至少一个目标运动物体的重心相对所述当前视频帧中心的偏离方向，控制所述摄像头的跟踪方向。本实施例的技术方案精准地识别出视频图像中的目标运动物体，解决了检测算法复杂度高的问题，实现了对目标运动物体进行实时和有效的跟踪。
[0055] 在上述技术方案的基础上，在步骤230中，本发明实施例首先将所述当前视频帧以320*320的像素点为单位分成多个一级块；然后将每个所述一级块以80*80的像素点为单位分割成多个二级块，计算每个所述二级块中包括的备选运动像素点个数，并计算其中所述备选运动像素点个数小于5的二级块个数与所述二级块总个数的比值；最后判断所述比值是否大于或等于0.73，若是，则确定所述拍摄场景为物体运动且镜头静止场景，否则，确定所述拍摄场景为物体运动且镜头转动场景。
[0056] 在步骤240中，如果拍摄场景为第一类场景即物体运动且镜头静止，本发明实施例首先计算各所述一级块中包括的备选运动像素点个数，并将其中所述备选运动像素点个数大于或等于56的一级块确定为运动物体候选块；然后将各所述二级块以40*40的像素点为单位分割成多个三级块，只要运动物体候选块周围一圈的各个三级块中均没有备选运动像素点，此运动物体候选块就为独立的候选运动物体。通过将候选运动物体中的每个备选运动像素点的坐标叠加并求平均就可以计算出候选运动物体的重心坐标，从而计算出候选运动物体的宽度和高度，根据所述候选运动物体的备选运动像素点个数、宽度和高度计算与所述候选运动物体对应的运动剧烈度。如果上述运动剧烈强度大于或等于1.75，则该候选运动物体为目标运动物体。
[0057] 如果拍摄场景为第二类场景即物体运动且镜头转动，本发明实施例首先将所述上一视频帧中的目标运动物体所在位置的像素点的灰度值作为参考值，然后在当前视频帧中做运动估计，以上一视频帧的目标运动物体的重心为原点，9个像素点为半径确定搜索范围，将搜索范围内运动估计值小于或等于3的点作为最佳匹配点，根据匹配点确定所述当前视频帧的目标运动物体的重心、宽度以及高度，根据所述目标运动物体的重心、宽度以及高度，在所述当前视频帧中确定所述目标运动物体。
[0058] 实施例三
[0059] 图3为本发明实施例三提供的一种目标运动物体的跟踪方法具体实施流程图，本实施例在上述各实施例的基础上，提供了目标运动物体的跟踪方法的一个具体实施步骤。如图3所示，该方法包括如下步骤：
[0060] 步骤310、获取摄像头实时采集的视频帧，并对所述视频帧进行降噪处理。
[0061] 在此步骤中，本发明实施例利用中值滤波算法对所述视频帧进行降噪处理，处理过程如下：首先选择一个预设窗口，并用该窗口沿所述视频帧进行光栅扫描；然后读取窗口下各对应位置的像素值，每次移动窗口后对窗口内的各个像素值进行排序；最后找出这些像素值里排在中间的一个，用得到的这个中值代替窗口中心位置的原始像素值。
[0062] 步骤320、检测备选运动像素点。
[0063] 在此步骤中，本发明实施例利用帧间图像差分算法，检测出当前视频帧中的备选运动像素点。首先判断所述当前视频帧与所述上一视频帧的各个对应位置的像素点的灰度值的差的绝对值是否大于或等于预设阈值，若是，则将所述当前视频帧的各像素点的第一灰度值设置为255，否则将所述当前视频帧的各像素点的第一灰度值设置为0；然后判断所述当前视频帧与所述下一视频帧的各个对应位置的像素点的灰度值的差的绝对值是否大于或等于预设阈值，若是，则将所述当前视频帧的各像素点的第二灰度值设置为255，否则将所述当前视频帧的各像素点的所述第二灰度值设置为0；最后将所述当前视频帧中各像素点的灰度值设置为所述第一灰度值与所述第二灰度值的与运算结果，以得到与所述当前视频帧对应的二值图像，获取所述二值图像中灰度值为255的各像素点，作为所述备选运动像素点。
[0064] 具体的，第一灰度值为当前视频帧与上一视频帧之间的二值差分图像对应位置像素点的灰度值，第二灰度值为当前视频帧与下一视频帧之间的二值差分图像对应位置像素点的灰度值。
[0065] 优选的，此步骤中上述预设阈值设置为15。
[0066] 步骤330、判断当前视频帧中是否存在备选运动像素点。
[0067] 本发明实施例通过上述步骤得到当前视频帧对应的二值图像，并获取所述二值图像中灰度值为255的各像素点，作为所述备选运动像素点。如果当前视频帧中存在备选运动像素点，就获取与当前视频帧对应的拍摄场景，否则继续采集视频帧。
[0068] 步骤340、获取与当前视频帧对应的拍摄场景。
[0069] 在此步骤中，本发明实施例首先将所述当前视频帧以320*320的像素点为单位分成多个一级块；然后将每个所述一级块以80*80的像素点为单位分割成多个二级块，计算每个所述二级块中包括的备选运动像素点个数，并计算其中所述备选运动像素点个数小于5的二级块个数与所述二级块总个数的比值；最后判断所述比值是否大于或等于0.73，若是，则确定所述拍摄场景为物体运动且镜头静止场景，否则，确定所述拍摄场景为物体运动且镜头转动场景。
[0070] 步骤350、判断拍摄场景类型，将拍摄场景分为物体运动且镜头静止和物体运动且镜头转动两种场景，针对不同的拍摄场景选取相匹配的处理策略。
[0071] 步骤360、对物体运动且镜头静止的拍摄场景，采取分割当前视频帧的处理方式。
[0072] 本发明实施例首先计算各所述一级块中包括的备选运动像素点个数，并将其中所述备选运动像素点个数大于或等于56的一级块确定为运动物体候选块；然后将各所述二级块以40*40的像素点为单位分割成多个三级块，根据各所述运动物体候选块的图像位置构造与所述运动物体候选块的图像匹配的搜索区域，如果所述搜索区域中的每个三级块中均不包括任一备选运动像素点，则将与所述搜索区域对应的运动物体候选块确定为独立的候选运动物体。
[0073] 步骤370、对物体运动且镜头转动的拍摄场景，采取对上一视频帧和当前视频帧做运动估计的处理方式。
[0074] 本发明实施例首先将所述上一视频帧中的目标运动物体所在位置的像素点的灰度值作为参考值，并根据上一视频帧中的目标运动物体所在位置，确定搜索范围；然后根据所述参考值和当前视频帧在所述搜索范围内的像素点的灰度值进行运动估计，得到多个匹配点。
[0075] 步骤380、识别目标运动物体，计算目标运动物体位置参数。
[0076] 如果拍摄场景为第一类场景即物体运动且镜头静止，通过上述步骤确定出独立的候选运动物体，计算各所述候选运动物体的重心、宽度和高度，并根据候选运动物体的备选运动像素点个数、宽度和高度计算与所述候选运动物体的运动剧烈度，根据所述运动剧烈度，判断所述候选运动物体为目标运动物体。
[0077] 如果拍摄场景为第一类场景即物体运动且镜头转动，通过上述步骤获取了与当前视频帧对应的匹配点，根据所述多个匹配点确定所述当前视频帧的目标运动物体的重心、宽度以及高度，根据所述目标运动物体的重心、宽度以及高度，在所述当前视频帧中确定所述目标运动物体。
[0078] 步骤390、控制摄像头跟踪方向。
[0079] 在此步骤中，摄像头的跟踪方向取决于多数目标运动物体的重心偏离方向。如果多数运动物体的重心位于当前视频帧的左边时，就控制摄像头的跟踪方向为向左边偏转，如果多数运动物体的重心位于当前视频帧的右边时，就控制摄像头的跟踪方向为向右边偏转，目的就是保持多数运动物体始终处于图像的中心区域。如果多数运动物体的重心处于当前视频帧的中心区域，那么摄像头就不需要做出跟踪的动作。
[0080] 本发明实施例的技术方案首先获取摄像头实时采集的视频帧，并对所述视频帧进行降噪处理，检测备选运动像素点，为后面确定目标运动物体提供条件；然后判断当前视频帧中是否存在备选运动像素点，并获取与当前视频帧对应的拍摄场景，目的是对当前视频帧进行分类处理，针对不同的拍摄场景选取相匹配的处理策略，有效地识别出目标运动物体并且计算出目标运动物体位置参数；最后根据目标运动物体的位置控制摄像头的跟踪方向。本实施例的技术方案精准全面地识别出视频图像中的目标运动物体，解决了检测算法运算量庞大的问题，满足了图像处理领域中对目标运动物体实时性跟踪的要求。
[0081] 实施例四
[0082] 图4为本发明实施例四提供的一种目标运动物体的跟踪装置的结构图，该装置包括：备选运动像素点检测模块410、目标运动物体识别模块420和摄像头的跟踪方向控制模块430。
[0083] 其中，备选运动像素点检测模块410，用于获取摄像头实时采集的视频帧，并利用帧间图像差分算法，检测出所述当前视频帧中的备选运动像素点；目标运动物体识别模块420，用于获取与所述当前视频帧对应的拍摄场景，并选取与所述拍摄场景匹配的识别策略，根据所述备选运动像素点，识别所述当前视频帧中包括的至少一个目标运动物体；摄像头的跟踪方向控制模块430，用于根据所述至少一个目标运动物体的重心相对所述当前视频帧中心的偏离方向，控制所述摄像头的跟踪方向。
[0084] 本实施例的技术方案首先通过备选运动像素点检测模块检测出所述当前视频帧中的备选运动像素点为后面确定目标运动物体提供条件，然后利用目标运动物体识别模块有效识别出不同拍摄场景下的目标运动物体，最后采用摄像头的跟踪方向控制模块控制所述摄像头的跟踪方向。本实施例的技术方案准确全面地识别出视频图像中的目标运动物体，减少了检测算法的运算量，实现了对目标运动物体进行准确和快速的跟踪。
[0085] 在上述各实施例的基础上，备选运动像素点检测模块410之前还可以包括：视频帧降噪模块，用于获取摄像头实时采集的视频帧，并对所述视频帧进行降噪处理。
[0086] 备选运动像素点检测模块410可以包括：
[0087] 视频帧获取模块，用于获取与所述当前视频帧对应的上一视频帧以及下一视频帧；
[0088] 备选运动像素点确定模块，用于根据所述当前视频帧中各像素点的灰度值与所述上一视频帧或者所述下一视频帧中对应位置的像素点的灰度值之间的差异，在所述当前视频帧中检测出所述备选运动像素点。
[0089] 备选运动像素点确定模块可以包括：
[0090] 第一灰度值设置模块，用于判断所述当前视频帧与所述上一视频帧的各个对应位置的像素点的灰度值的差的绝对值是否大于或等于预设阈值，若是，则将所述当前视频帧的各像素点的第一灰度值设置为255，否则将所述当前视频帧的各像素点的第一灰度值设置为0；
[0091] 第二灰度值设置模块，用于判断所述当前视频帧与所述下一视频帧的各个对应位置的像素点的灰度值的差的绝对值是否大于或等于预设阈值，若是，则将所述当前视频帧的各像素点的第二灰度值设置为255，否则将所述当前视频帧的各像素点的所述第二灰度值设置为0；
[0092] 当前视频帧灰度设置模块，用于将所述当前视频帧中各像素点的灰度值设置为所述第一灰度值与所述第二灰度值的与运算结果，以得到与所述当前视频帧对应的二值图像；
[0093] 其中，获取所述二值图像中灰度值为255的各像素点，作为所述备选运动像素点。
[0094] 目标运动物体识别模块420可以包括：
[0095] 拍摄场景获取模块，用于获取与所述当前视频帧对应的拍摄场景；
[0096] 目标运动物体确定模块，用于选取与所述拍摄场景匹配的识别策略，根据所述备选运动像素点，识别所述当前视频帧中包括的至少一个目标运动物体。
[0097] 拍摄场景获取模块可以包括：
[0098] 一级块划分模块，用于将所述当前视频帧以第一预设像素点为单位分成多个一级块；
[0099] 二级块划分模块，用于将每个所述一级块以第二预设像素点为单位分割成多个二级块；
[0100] 拍摄场景确定模块，用于计算每个所述二级块中包括的备选运动像素点个数，并计算其中所述备选运动像素点个数小于预设值的二级块个数与所述二级块总个数的比值，然后判断所述比值是否大于或等于预设阈值，若是，则确定所述拍摄场景为物体运动且镜头静止场景，否则，确定所述拍摄场景为物体运动且镜头转动场景。
[0101] 目标运动物体确定模块，可以包括：
[0102] 运动物体候选块确定模块，应用于物体运动且镜头静止场景，用于计算各所述一级块中包括的备选运动像素点的个数，并将其中所述备选运动像素点个数大于或等于预设阈值的一级块确定为运动物体候选块；
[0103] 三级块划分模块，应用于物体运动且镜头静止场景，用于将各所述二级块以第三预设像素点为单位分割成多个三级块；
[0104] 搜索区域构造模块，应用于物体运动且镜头静止场景，用于根据各所述运动物体候选块的图像位置构造与所述运动物体候选块的图像匹配的搜索区域；
[0105] 候选运动物体确定模块，应用于物体运动且镜头静止场景，如果所述搜索区域中的每个三级块中均不包括任一备选运动像素点，则此模块用于将与所述搜索区域对应的运动物体候选块确定为独立的候选运动物体；
[0106] 运动剧烈度计算模块，应用于物体运动且镜头静止场景，用于计算各所述候选运动物体的重心、宽度和高度，并根据所述候选运动物体的备选运动像素点个数、宽度和高度计算所述候选运动物体的运动剧烈度，根据所述运动剧烈度，判断所述候选运动物体为目标运动物体；
[0107] 搜索范围确定模块，应用于用于物体运动且镜头转动场景，用于将所述上一视频帧中的目标运动物体所在位置的像素点的灰度值作为参考值，并根据上一视频帧中的目标运动物体所在位置，确定搜索范围；
[0108] 匹配点获取模块，应用于用于物体运动且镜头转动场景，用于根据所述参考值和当前视频帧在所述搜索范围内的像素点的灰度值，进行运动估计，得到多个匹配点；
[0109] 目标运动物体位置参数计算模块，应用于用于物体运动且镜头转动场景，用于根据所述多个匹配点确定所述当前视频帧的目标运动物体的重心、宽度以及高度，根据所述目标运动物体的重心、宽度以及高度在所述当前视频帧中确定所述目标运动物体。
[0110] 实施例五
[0111] 图5为本发明实施例五提供的一种计算设备的结构示意图，如图5所示，该计算设备包括处理器510、存储器520、输入装置530和输出装置540；计算设备中处理器510的数量可以是一个或多个，图5中以一个处理器510为例；计算设备中的处理器510、存储器520、输入装置530和输出装置540可以通过总线或其他方式连接，图5中以通过总线连接为例。
[0112] 存储器520作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的目标运动物体的跟踪方法对应的程序指令/模块(例如，目标运动物体的跟踪装置中的备选运动像素点检测模块410，目标运动物体识别模块420和摄像头的跟踪方向控制模块430)。处理器510通过运行存储在存储器520中的软件程序、指令以及模块，从而执行计算设备的各种功能应用以及数据处理，即实现上述的目标运动物体的跟踪方法。也即，该程序被处理器执行时实现：
[0113] 获取摄像头实时采集的视频帧，并利用帧间图像差分算法，检测出当前视频帧中的备选运动像素点；
[0114] 获取与所述当前视频帧对应的拍摄场景，并选取与所述拍摄场景匹配的识别策略，根据所述备选运动像素点，识别所述当前视频帧中包括的至少一个目标运动物体；
[0115] 根据所述至少一个目标运动物体的重心相对所述当前视频帧中心的偏离方向，控制所述摄像头的跟踪方向。
[0116] 存储器520可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系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器520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，存储器520可进一步包括相对于处理器510远程设置的存储器，这些远程存储器可以通过网络连接至计算设备。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。
[0117] 输入装置530可用于接收输入的数字或字符信息，以及产生与计算设备的用户设置以及功能控制有关的键信号输入，可以包括键盘和鼠标等。输出装置540可包括显示屏等显示设备。本发明实施例中的计算设备可以为配置有摄像头的运动物体跟踪设备，也可以为服务器，且该服务器可以通过无线或者有线传输的方式连接摄像头。
[0118] 实施例六
[0119] 本发明实施例六还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明任意实施例所述的一种目标运动物体的跟踪方法。当然,本发明实施例所提供的一种计算机可读存储介质,其可以执行本发明任意实施例所提供的目标运动物体的跟踪方法中的相关操作。也即，该程序被处理器执行时实现：
[0120] 获取摄像头实时采集的视频帧，并利用帧间图像差分算法，检测出当前视频帧中的备选运动像素点；
[0121] 获取与所述当前视频帧对应的拍摄场景，并选取与所述拍摄场景匹配的识别策略，根据所述备选运动像素点，识别所述当前视频帧中包括的至少一个目标运动物体；
[0122] 根据所述至少一个目标运动物体的重心相对所述当前视频帧中心的偏离方向，控制所述摄像头的跟踪方向。
[0123] 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(Random Access 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方法。
[0124] 值得注意的是，上述目标运动物体的跟踪装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
[0125] 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。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种面向精确打击的地面运动目标检测与识别方法 | 2020-05-13 | 408 |
| 帧间运动估计方法、装置及电子设备 | 2020-05-13 | 589 |
| 一种基于点对点的运动目标检测与跟踪方法 | 2020-05-13 | 316 |
| 一种核辐射探测方法 | 2020-05-14 | 614 |
| 一种融合语义信息的路标定位方法 | 2020-05-08 | 950 |
| 基于中智学理论的乳腺超声视频图像实时分割系统 | 2020-05-12 | 155 |
| 一种基于FPGA的机载吊舱实时图像场景锁定装置及方法 | 2020-05-08 | 462 |
| 一种视频图像超分辨率重建方法及装置 | 2020-05-11 | 422 |
| 一种基于连续超声图像的无创颅内压测量方法 | 2020-05-14 | 763 |
| 一种目标运动物体的跟踪方法、装置、计算设备和介质 | 2020-05-13 | 564 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈