1.多摄像机多目标的运动员跟踪拍摄视频生成系统,其特征是:包括摄像机(1)、主机服务器(2)、中心服务器(3)和客户端(4),所述摄像机(1)的数量为多个,摄像机(1)沿运动场馆四周均匀布置,相邻摄像机(1)的可视区域有50%以上的重叠,摄像机(1)通过网络连接设备与主机服务器(2)连接;所述主机服务器(2)安装在运动场馆区域内,主机服务器(2)的数量为一个以上,一个主机服务器(2)连接一个以上摄像机(1),主机服务器(2)通过网络连接设备与中心服务器(3)连接;所述中心服务器(3)安装在中心机房,中心服务器(3)通过网络连接设备以及互联网与客户端(4)连接。
2.根据权利要求1所述的多摄像机多目标的运动员跟踪拍摄视频生成系统,其特征是:所述摄像机(1)的安装角度以及摄像机(1)的摄像头朝向角度固定,摄像机(1)的覆盖范围不超过10平米,摄像机(1)的架设高度为2m~5m,摄像机(1)的摄像头垂直角为10°~15°。
3.根据权利要求1所述的多摄像机多目标的运动员跟踪拍摄视频生成系统,其特征是:所述中心服务器(3)为云服务器。
4.多摄像机多目标的运动员跟踪拍摄视频生成方法,利用如权利要求1所述的多摄像机多目标的跟踪拍摄视频生成系统,其特征是:包括以下步骤,并且以下步骤顺次进行,
步骤一、摄像机(1)录制运动场馆中的视频,并将各摄像机(1)获取的视频分别依次发送给主机服务器(2)、中心服务器(3)和客户端(4);
步骤二、在客户端(4)上各摄像机(1)的视频中选择带有目标人物的一帧作为初始选取帧,手动在初始选取帧中选择一个或多个运动员作为跟踪目标,并用行人标定边框框住跟踪目标的全身,并将标定后的图像依次发送给中心服务器(3)和主机服务器(2);
步骤三、主机服务器(2)中的外观特征神经网络模块将出行人标定边框中图像分离为动态的运动员图像和静态的背景图像,
外观特征提取模块根据运动员的外观特征提取动态的运动员图像的图像外观特征信息并相应生成新的id,将提取的各图像外观特征信息作为输入信号,送入主机服务器(2)中的外观特征神经网络模块;
步骤四、外观特征神经网络模块采用行人重识别算法(personre-identification,re-id),从所有摄像机(1)的图像中获取与步骤三中的图像外观特征匹配的跟踪目标,进行对每一帧的重新标定,并将标定信息传递给中心服务器(3);
步骤五、中心服务器(3)发送跟踪指令给主机服务器(2),主机服务器(2)使用深度学习跟踪算法goturn,对各摄像机(1)中的跟踪目标进行实时跟踪和实时录像,并将实时录制的影像发送给中心服务器(3);
步骤六、中心服务器(3)根据接收实时录制的影像和步骤二中接收到的行人标定边框框住的跟踪目标的图像,通过卡尔曼滤波方法进行防抖处理训练,获得防抖最佳参数,通过具有防抖最佳参数的卡尔曼滤波获得动作幅度大、频率低的符合现实中人类运动轨迹的影像,设定跟随检测图像的临界值,中心服务器(3)将不小于跟随检测图像的临界值的影像按照按用户要求的大小和用户标定的跟踪目标,生成最终的追踪拍摄影像并相应发送至客户端(4)进行显示,直到客户端(4)发出指令更改追踪目标,或停止本次的追踪任务。
5.根据权利要求4所述的多摄像机多目标的运动员跟踪拍摄视频生成方法,其特征是:所述行人标定边框为矩形框。
6.根据权利要求4所述的多摄像机多目标的运动员跟踪拍摄视频生成方法,其特征是:所述行人重识别算法具体为:在每一个摄像机(1)画面所标定的活动目标中逐一进行对照,辨别不同摄像机(1)画面中的跟踪目标是否为同一名运动员,将对应外观特征一致的目标确定为同一跟踪目标,将确定为同一跟踪目标的id合并为同一个id。
7.根据权利要求4或6所述的多摄像机多目标的运动员跟踪拍摄视频生成方法,其特征是:所述外观特征包括长相、身形和服装。
8.根据权利要求4所述的多摄像机多目标的运动员跟踪拍摄视频生成方法,其特征是:所述深度学习跟踪算法goturn根据相连帧中的位置和特征信息进行学习跟踪,以初始选取帧中提取的外观特征值作为补充。