视频对象跟踪方法和装置、车辆制造方法及图纸

本发明专利技术公开了一种视频对象跟踪方法和装置、车辆，所述方法包括以下步骤：实时获取当前场景的视频信息，并对视频信息中的每一帧图像进行对象识别以获得识别结果；根据前一帧图像对应的识别结果和当前帧图像对应的识别结果计算相邻两帧的识别对象之间的重合度；对重合度进行判断，并根据判断结果更新跟踪值；对跟踪值进行判断；当跟踪值大于第一跟踪阈值时，判断目标车辆跟踪有效。本发明专利技术的跟踪方法，通过比较连续两帧视频的已识别对象的重合度，能够适应范围很大的检测场景的对象识别和跟踪。

Video Object Tracking Method, Device and Vehicle

The invention discloses a video object tracking method, device and vehicle. The method comprises the following steps: acquiring video information of the current scene in real time and recognizing each frame image in the video information to obtain the recognition result; calculating the recognition object between two adjacent frames according to the recognition result corresponding to the previous frame image and the recognition result corresponding to the current frame image. The coincidence degree; judge the coincidence degree, update the tracking value according to the judgment result; judge the tracking value; judge the target vehicle tracking effectiveness when the tracking value is greater than the first tracking threshold. The tracking method of the present invention can adapt to object recognition and tracking in a wide range of detection scenes by comparing the coincidence degree of recognized objects of two consecutive frames of video.

【技术实现步骤摘要】
视频对象跟踪方法和装置、车辆
本专利技术涉及对象跟踪
，特别涉及一种视频对象跟踪方法、一种视频对象跟踪装置以及一种具有该视频对象跟踪装置的车辆。
技术介绍
对象识别是视频图像处理的重要组成部分，在此基础上实现对象跟踪。对象跟踪的结果可反馈给对象识别，提高对象识别的置信度。相关技术中，对象跟踪方法是：检测运动目标跟踪数据库中各运动目标在上一帧视频图像中所在的区域与运动对象参考数据库中当前帧视频图像的各运动对象所在的区域是否存在重合部分；在检测运动目标跟踪数据库中的运动目标在上一帧视频图像中所在的区域与运动对象参考数据库中当前帧视频图像的运动对象所在的区域存在重合部分的情况下，计算重合部分的面积；判断面积是否大于第一预设阈值；在判断面积大于第一预设阈值的情况下，更新运动目标的跟踪粒子信息；根据更新后的跟踪粒子信息计算得到运动目标在当前帧视频图像中所在的区域，从而实现所述运动目标的跟踪。但是，在上述方法所判断的依据为面积是否大于第一预设阈值，这对于监控场景中的运动的检测是可行的，由于监控场景中范围不大，所以阈值也比较容易确定。但对于车辆检测场景来说是不够的，所检测的范围从不到1m至近100m范围，目标对象(车辆)在视频图像中所占的面积变化很大。尽管连续帧图像中的对象有重叠的部分，但重叠部分的面积的变化范围很大。连续帧中包含的对象在近处所占面积大，在远处所占面积小，因而同一识别对象的重叠面积在近处的判断阈值不适用于远处对象的跟踪，在远处的阈值也不适用于近处对象的跟踪。
技术实现思路
本专利技术旨在至少从一定程度上解决上述技术中的技术问题之一。为此，本专利技术的第一个目的在于提出一种视频对象跟踪方法，通过比较连续两帧视频的已识别对象的重合度，能够适应范围很大的检测场景的对象识别和跟踪。本专利技术的第二个目的在于提出一种非临时性计算机可读存储介质。本专利技术的第三个目的在于提出一种视频对象跟踪装置。本专利技术的第四个目的在于提出一种车辆。为达到上述目的，本专利技术第一方面实施例提出的一种视频对象跟踪方法，包括以下步骤：实时获取当前场景的视频信息，并对所述视频信息中的每一帧图像进行对象识别以获得识别结果；根据前一帧图像对应的识别结果和当前帧图像对应的识别结果计算相邻两帧的识别对象之间的重合度，并根据所述重合度更新跟踪值；对所述跟踪值进行判断；当所述跟踪值大于第一跟踪阈值时，判断所述识别对象跟踪有效。根据本专利技术实施例的视频对象跟踪方法，实时获取当前场景的视频信息，并对视频信息中的每一帧图像进行对象识别以获得识别结果，根据前一帧图像对应的识别结果和当前帧图像对应的识别结果计算相邻两帧的识别对象之间的重合度，并根据重合度更新跟踪值，并对跟踪值进行判断，当跟踪值大于第一跟踪阈值时，判断识别对象跟踪有效。该方法通过比较连续两帧视频的已识别对象的重合度，能够适应范围很大的检测场景的对象识别和跟踪。另外，根据本专利技术上述实施例提出的视频对象跟踪方法还可以具有如下附加的技术特征：根据本专利技术的一个实施例，在所述识别对象踪有效之后，还根据前一帧图像对应的识别结果和当前帧图像对应的识别结果获取所述识别对象的运动方向和运动轨迹，并根据所述识别对象的运动方向和运动轨迹对所述识别对象的消失方向进行预判，以及在预判成立且所述跟踪值小于第二跟踪阈值时，判断所述识别对象消失。根据本专利技术的一个实施例，所述识别结果以矩形框进行表示。根据本专利技术的一个实施例，所述重合度根据以下公式计算获得：重合度＝α×S3/S1+(1-α)×S3/S2，其中，S1为所述前一帧图像对应的矩形框的面积，S2为所述当前帧图像对应的矩形框的面积，S3为所述前一帧图像对应的矩形框与所述当前帧图像对应的矩形框重合部分的面积，α为常数，且0≤α≤1。根据本专利技术的一个实施例，根据所述重合度更新跟踪值，包括：对所述重合度进行判断，并查找预设的跟踪对象列表中是否存在所述识别对象；如果所述重合度大于重合度阈值且所述识别对象处于跟踪对象列表中，则在初始跟踪值基础上进行累加，直至所述跟踪值达到预设限值；如果所述重合度小于等于重合度阈值且所述识别对象处于跟踪对象列表中，则初始跟踪值基础上进行递减，直至所述跟踪值等于零时，在所述跟踪对象列表中删除所述识别对象对应的条目；如果所述重合度大于重合度阈值且所述识别对象未处于跟踪对象列表中，则在所述跟踪对象列表中新增条目，并将所述新增条目的跟踪值置一。根据本专利技术的一个实施例，根据前一帧图像对应的识别结果和当前帧图像对应的识别结果获取所述识别对象的运动方向和运动轨迹，包括：将所述前一帧图像对应的矩形框的中心与当前帧图像对应的矩形框的中心进行连线，以获得所述识别对象的运动轨迹；当所述前一帧图像对应的矩形框与当前帧图像对应的矩形框的中心连线与视频采集器正视方向之间的夹角大于第一预设角度、且所述前一帧图像对应的矩形框与当前帧图像对应的矩形框左右分布时，所述识别对象的运动方向为横向；当所述前一帧图像对应的矩形框与当前帧图像对应的矩形框的中心连线与视频采集器正视方向之间的夹角小于第二预设角度，所述识别对象的运动方向为纵向，其中，所述第二预设角度小于所述第一预设角度。根据本专利技术的一个实施例，根据所述目标车辆的运动方向和运动轨迹对所述识别对象的消失方向进行预判，包括：当所述识别对象的运动方向为横向时，如果所述识别对象的运动轨迹已移至预设的视频边缘区域，则预判成立；当所述识别对象的运动方向为纵向时，如果所述识别对象的运动轨迹已移至预设消失线且所述当前帧图像对应的矩形框尺寸为预设的最小识别框，则预判成立；当所述识别对象的运动方向为纵向时，如果所述当前帧图像对应的矩形框尺寸为预设的最大识别框，则预判成立。为达到上述目的，本专利技术第二方面实施例提出了一种非临时性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上述的视频对象跟踪方法。本专利技术实施例的非临时性计算机可读存储介质，通过执行其存储的计算机程序，通过比较连续两帧视频的已识别对象的重合度，能够适应范围很大的检测场景的对象识别和跟踪。为达到上述目的，本专利技术第三方面实施例提出了一种视频对象跟踪装置，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的视频对象跟踪程序，所述视频对象跟踪装置的控制程序被所述处理器执行时实现上述的视频对象跟踪方法的步骤。本专利技术实施例的视频对象跟踪装置，通过比较连续两帧视频的已识别对象的重合度，能够适应范围很大的检测场景的对象识别和跟踪。为达到上述目的，本专利技术第四方面实施例提出了一种车辆，其包括上述的视频对象跟踪装置。本专利技术实施例的车辆，通过上述的视频对象跟踪装置，通过比较连续两帧视频的已识别对象的重合度，能够适应范围很大的检测场景的对象识别和跟踪。附图说明图1是根据本专利技术实施例的视频对象跟踪方法的流程图；图2是根据本专利技术一个实施例的视频对象跟踪方法中近距离识别时第一帧矩形框大小示意图；图3是根据本专利技术一个实施例的视频对象跟踪方法中近距离识别时第二帧矩形框大小示意图；图4是根据本专利技术一个实施例的视频对象跟踪方法中远距离识别时第n帧矩形框大小示意图；图5是根据本专利技术一个实施例的视频对象跟踪方法中远距离识别时第n+1帧矩形框大小示意图。具体实施方式下面详细描述本专利技术的实施例，所述实施例的示例在附图中示本文档来自技高网...

【技术保护点】
1.一种视频对象跟踪方法，其特征在于，包括以下步骤：实时获取当前场景的视频信息，并对所述视频信息中的每一帧图像进行对象识别以获得识别结果；根据前一帧图像对应的识别结果和当前帧图像对应的识别结果计算相邻两帧的识别对象之间的重合度，并根据所述重合度更新跟踪值；对所述跟踪值进行判断；当所述跟踪值大于第一跟踪阈值时，判断所述识别对象跟踪有效。

【技术特征摘要】
1.一种视频对象跟踪方法，其特征在于，包括以下步骤：实时获取当前场景的视频信息，并对所述视频信息中的每一帧图像进行对象识别以获得识别结果；根据前一帧图像对应的识别结果和当前帧图像对应的识别结果计算相邻两帧的识别对象之间的重合度，并根据所述重合度更新跟踪值；对所述跟踪值进行判断；当所述跟踪值大于第一跟踪阈值时，判断所述识别对象跟踪有效。2.如权利要求1所述的视频对象跟踪方法，其特征在于，在所述识别对象跟踪有效之后，还根据前一帧图像对应的识别结果和当前帧图像对应的识别结果获取所述识别对象的运动方向和运动轨迹，并根据所述识别对象的运动方向和运动轨迹对所述识别对象的消失方向进行预判，以及在预判成立且所述跟踪值小于第二跟踪阈值时，判断所述识别对象消失。3.如权利要求1或2所述的视频对象跟踪方法，其特征在于，所述识别结果以矩形框进行表示。4.如权利要求3所述的视频对象跟踪方法，其特征在于，所述重合度根据以下公式计算获得：重合度＝α×S3/S1+(1-α)×S3/S2，其中，S1为所述前一帧图像对应的矩形框的面积，S2为所述当前帧图像对应的矩形框的面积，S3为所述前一帧图像对应的矩形框与所述当前帧图像对应的矩形框重合部分的面积，α为常数，且0≤α≤1。5.如权利要求1所述的视频对象跟踪方法，其特征在于，根据所述重合度更新跟踪值，包括：对所述重合度进行判断，并查找预设的跟踪对象列表中是否存在所述识别对象；如果所述重合度大于重合度阈值且所述识别对象处于跟踪对象列表中，则在初始跟踪值基础上进行累加，直至所述跟踪值达到预设限值；如果所述重合度小于等于重合度阈值且所述识别对象处于跟踪对象列表中，则初始跟踪值基础上进行递减，直至所述跟踪值等于零时，在所述跟踪对象列表中删除所述识别对象对应的条目；如果所述重合度大于重合度阈值且所述识别对象未处于跟踪对象列表中，则在所述跟踪对象列表中...

【专利技术属性】
技术研发人员：胡胜勇，赵龙，
申请(专利权)人：比亚迪股份有限公司，
类型：发明
国别省市：广东,44