一种运动物体跟踪方法及装置制造方法及图纸

本发明专利技术公开了一种运动物体跟踪方法及装置，涉及图像处理技术的人工智能领域，在本发明专利技术实施例中，针对每帧图像的每个子图像，如果该子图像中的目标物体在分割线处，当该帧图像的上一帧图像对应的子图像中未出现该目标物体时，将该目标物体确定为运动物体，或者，当该帧图像的上一帧图像对应的子图像中出现该目标物体时，基于该子图像和该帧图像的上一帧图像对应的子图像，采用运动物体检测算法，判断该目标物体为运动物体时，将该目标物体确定为运动物体；并跟踪每个运动物体。当子图像的分割线处出现目标物体时，将目标物体确定为运动物体并跟踪，这样就避免了未检测到分割线处的运动物体而导致运动物体跟踪丢失的问题。

A Moving Object Tracking Method and Device

The invention discloses a moving object tracking method and device, which relates to the artificial intelligence field of image processing technology. In the embodiment of the invention, for each sub-image of each frame image, if the target object in the sub-image is at the segmentation line, when the target object does not appear in the sub-image corresponding to the previous frame image, the target object is determined as a moving object. Volume, or when the object appears in the sub-image corresponding to the previous frame image of the frame image, based on the sub-image corresponding to the previous frame image of the frame image, the moving object detection algorithm is used to determine that the object is a moving object, then the object is identified as a moving object, and each moving object is tracked. When the target object appears at the segmentation line of the sub-image, the target object is identified as a moving object and tracked, thus avoiding the problem that the moving object at the segmentation line is not detected, which leads to the lost tracking of the moving object.

【技术实现步骤摘要】
一种运动物体跟踪方法及装置
本专利技术涉及图像处理技术的人工智能领域，尤其涉及一种运动物体的检测方法及装置。
技术介绍
在安防视频监控领域，随着用户需求逐渐向高清、全景等图像呈现方向的转变，越来越多的摄像机开始支持高清、全景系列图像的处理。全景和高清意味着多sensor(传感器)的图像拼接技术催生的超大视角、超大分辨率和超高像素图像，比如1600万像素和3200万像素图像。而传统的视频图像采集和处理系统多为单sensor和单DSP(DigitalSignalProcessing，数字信号处理)的处理，即便是多个sensor的图像经拼接后送给单个DSP处理，单个DSP也难以高效的完成如此大分辨率的图像处理。为了实现单个DSP对大分辨率图像的处理的时效性，通常的做法是将原始图像缩小后再在一个单一的DSP芯片做检测，如8000*4000分辨率的图像，如果做物体检测，通常需要缩小到720p或704*576分辨率的图像，这种方式对于较小分辨率的原始图像来说，缩小后物体的有效像素不会损失太多，而对于大分辨率的图像来说，由于缩小比例较大，缩小后的物体有效像素会显著减少，目标物体细节损失，导致漏检率上升。因此提出了多DSP的方案，图1为现有技术中多DSP处理的系统结构图，包括电源模块、DSP模块、时钟模块、现场可编程门阵列(Field-ProgrammableGateArray，FPGA)模块和紧凑型PCI(CompactPeripheralComponentInterconnect，CPCI)桥模块，电源模块为其它各模块供电，时钟模块为DSP模块提供时钟信号，DSP模块、CPCI_J1、CPCI_J2、ZD等模块通过外部总线与FPGA模块连接，CPCI桥模块与FPGA模块连接，多个sensor图像经FPGA模块进行预处理后，拼接融合成为一幅大分辨率图像。图2为现有技术中另一种多DSP处理的系统结构图，如图2所示，图像数据传输到图像预处理模块后，图像预处理模块将图像进行等分，然后传递给图像并行处理模块进行并行处理，处理完成后再通过图像预处理模块将并行处理后的结果发送给图像综合处理模块，由图像综合处理模块进行并行处理后的结果的合并。图3为现有技术中检测运动物体的示意图，如图3所示，FPGA模块将图像进行分割，得到A、B、C三个子图像，每个DSP模块检测对应的子图像中的运动物体，然后各个DSP模块的检测结果进行合成，得到合成后的图像中的运动物体。但是现有技术中，需要在物体出现后，对之后的至少两帧子图像进行分析，才能确定出运动物体并跟踪。而如果运动物体被分割，如图4所示，运动物体O被分割为O1和O2两部分，假如子图像A中出现物体O后，针对之后的两帧子图像，检测出子图像A中的运动物体O1，在之后的第三帧子图像中，有可能O1在子图像A中消失，而子图像B中刚出现OA2，由于基于至少两帧子图像才能检测出运动物体，因此子图像B中的O2并未检测为运动物体，这样在第三帧图像中就会出现没有运动物体的情况，造成了运动物体跟踪丢失。因此现有技术中存在对分割线处的运动物体无法准确跟踪的问题。
技术实现思路
本专利技术实施例提供了一种运动物体跟踪方法及装置，用以解决现有技术中分割线处的运动物体跟踪丢失的问题。本专利技术实施例提供了一种运动物体跟踪方法，所述方法包括：针对连续帧图像中的每帧图像，将该帧图像按照预设的规则划分为至少两个子图像，并确定每相邻两个子图像的分割线；针对所述每帧图像的每个子图像中的每个目标物体，根据该目标物体的坐标信息，判断该目标物体是否在该子图像的分割线处，如果是，当该帧图像的上一帧图像对应的子图像中未出现该目标物体时，将该目标物体确定为运动物体，或者，当该帧图像的上一帧图像对应的子图像中出现该目标物体时，基于该子图像和该帧图像的上一帧图像对应的子图像，采用运动物体检测算法，判断该目标物体为运动物体时，将该目标物体确定为运动物体；跟踪每个运动物体。进一步地，所述针对所述每帧图像的每个子图像中的每个目标物体，根据该目标物体的坐标信息，判断该目标物体是否在该子图像的分割线处包括：针对所述每帧图像，将该帧图像的每个子图像，分别发送至对应的数字信号处理DSP；针对每个子图像中的每个目标物体，通过对应的DSP根据该目标物体的坐标信息，判断该目标物体是否在该子图像的分割线处。进一步地，如果该目标物体不在该子图像的分割线处，所述方法还包括：基于该子图像和该帧图像的上一帧图像对应的子图像，采用运动物体检测算法，判断该目标物体是否为运动物体；如果是，将该目标物体确定为运动物体；并跟踪该运动物体。进一步地，确定每个运动物体之后，跟踪每个运动物体之前，所述方法还包括：根据该帧图像的每相邻两个子图像的分割线，确定每相邻两个子图像的分割线序号，根据每相邻两个子图像的分割线序号合并相邻的子图像，并为分割线处的每个运动物体添加分割线序号；其中，相邻两个子图像中的分割线处的运动物体的分割线序号相同；将分割线序号相同的两个运动物体作为一个运动物体。进一步地，所述将分割线序号相同的两个运动物体作为一个运动物体之前，所述方法还包括：针对该帧图像的每相邻两个子图像，判断该相邻两个子图像的分割线序号相同的两个运动物体包含分割线上的相同像素点的数量是否都大于预设的数量阈值，如果是，进行后续步骤。进一步地，所述将分割线序号相同的两个运动物体作为一个运动物体后，跟踪每个运动物体之前，所述方法还包括：针对在该帧图像中未被确定为运动物体的每个目标物体，判断该目标物体在该帧图像的上一帧图像和该帧图像的下一帧图像中是否均被确定为运动物体，如果是，在该帧图像中将该目标物体确定为运动物体。另一方面，本专利技术实施例提供了一种运动物体跟踪装置，所述装置包括：划分模块，用于针对连续帧图像中的每帧图像，将该帧图像按照预设的规则划分为至少两个子图像，并确定每相邻两个子图像的分割线；确定模块，用于针对所述每帧图像的每个子图像中的每个目标物体，根据该目标物体的坐标信息，判断该目标物体是否在该子图像的分割线处，如果是，当该帧图像的上一帧图像对应的子图像中未出现该目标物体时，将该目标物体确定为运动物体，或者，当该帧图像的上一帧图像对应的子图像中出现该目标物体时，基于该子图像和该帧图像的上一帧图像对应的子图像，采用运动物体检测算法，判断该目标物体为运动物体时，将该目标物体确定为运动物体；跟踪模块，用于跟踪每个运动物体。进一步地，所述确定模块，具体用于针对所述每帧图像，将该帧图像的每个子图像，分别发送至对应的数字信号处理DSP；针对每个子图像中的每个目标物体，通过对应的DSP根据该目标物体的坐标信息，判断该目标物体是否在该子图像的分割线处。进一步地，如果该目标物体不在该子图像的分割线处，所述确定模块，还用于基于该子图像和该帧图像的上一帧图像对应的子图像，采用运动物体检测算法，判断该目标物体是否为运动物体；如果是，将该目标物体确定为运动物体；并跟踪该运动物体。进一步地，所述装置还包括：合并模块，用于根据该帧图像的每相邻两个子图像的分割线，确定每相邻两个子图像的分割线序号，根据每相邻两个子图像的分割线序号合并相邻的子图像，并为分割线处的每个运动物体添加分割线序号；其中，相邻两个子图像中的分割线处的运动物体的分割线本文档来自技高网...

【技术保护点】
1.一种运动物体跟踪方法，其特征在于，所述方法包括：针对连续帧图像中的每帧图像，将该帧图像按照预设的规则划分为至少两个子图像，并确定每相邻两个子图像的分割线；针对所述每帧图像的每个子图像中的每个目标物体，根据该目标物体的坐标信息，判断该目标物体是否在该子图像的分割线处，如果是，当该帧图像的上一帧图像对应的子图像中未出现该目标物体时，将该目标物体确定为运动物体，或者，当该帧图像的上一帧图像对应的子图像中出现该目标物体时，基于该子图像和该帧图像的上一帧图像对应的子图像，采用运动物体检测算法，判断该目标物体为运动物体时，将该目标物体确定为运动物体；跟踪每个运动物体。

【技术特征摘要】
1.一种运动物体跟踪方法，其特征在于，所述方法包括：针对连续帧图像中的每帧图像，将该帧图像按照预设的规则划分为至少两个子图像，并确定每相邻两个子图像的分割线；针对所述每帧图像的每个子图像中的每个目标物体，根据该目标物体的坐标信息，判断该目标物体是否在该子图像的分割线处，如果是，当该帧图像的上一帧图像对应的子图像中未出现该目标物体时，将该目标物体确定为运动物体，或者，当该帧图像的上一帧图像对应的子图像中出现该目标物体时，基于该子图像和该帧图像的上一帧图像对应的子图像，采用运动物体检测算法，判断该目标物体为运动物体时，将该目标物体确定为运动物体；跟踪每个运动物体。2.如权利要求1所述的方法，其特征在于，所述针对所述每帧图像的每个子图像中的每个目标物体，根据该目标物体的坐标信息，判断该目标物体是否在该子图像的分割线处包括：针对所述每帧图像，将该帧图像的每个子图像，分别发送至对应的数字信号处理DSP；针对每个子图像中的每个目标物体，通过对应的DSP根据该目标物体的坐标信息，判断该目标物体是否在该子图像的分割线处。3.如权利要求1所述的方法，其特征在于，如果该目标物体不在该子图像的分割线处，所述方法还包括：基于该子图像和该帧图像的上一帧图像对应的子图像，采用运动物体检测算法，判断该目标物体是否为运动物体；如果是，将该目标物体确定为运动物体；并跟踪该运动物体。4.如权利要求1所述的方法，其特征在于，确定每个运动物体之后，跟踪每个运动物体之前，所述方法还包括：根据该帧图像的每相邻两个子图像的分割线，确定每相邻两个子图像的分割线序号，根据每相邻两个子图像的分割线序号合并相邻的子图像，并为分割线处的每个运动物体添加分割线序号；其中，相邻两个子图像中的分割线处的运动物体的分割线序号相同；将分割线序号相同的两个运动物体作为一个运动物体。5.如权利要求4所述的方法，其特征在于，所述将分割线序号相同的两个运动物体作为一个运动物体之前，所述方法还包括：针对该帧图像的每相邻两个子图像，判断该相邻两个子图像的分割线序号相同的两个运动物体包含分割线上的相同像素点的数量是否都大于预设的数量阈值，如果是，进行后续步骤。6.如权利要求4所述的方法，其特征在于，所述将分割线序号相同的两个运动物体作为一个运动物体后，跟踪每个运动物体之前，所述方法还包括：针对在该帧图像中未被确定为运动物体的每个目标物体，判断该目标物体在该帧图像的上一帧图像和该...

【专利技术属性】
技术研发人员：李树奎，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：浙江,33