[发明专利]一种对象检测方法、装置及存储介质有效
申请号: | 201711206483.0 | 申请日: | 2017-11-27 |
公开(公告)号: | CN108305273B | 公开(公告)日: | 2019-08-27 |
发明(设计)人: | 陈超;吴伟 | 申请(专利权)人: | 腾讯科技(深圳)有限公司 |
主分类号: | G06T7/246 | 分类号: | G06T7/246;G06T7/215;G06K9/62 |
代理公司: | 广州三环专利商标代理有限公司 44202 | 代理人: | 郝传鑫;贾允 |
地址: | 518057 广东省深圳*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 子图像 右图像 左图像 聚类 匹配 存储介质 对象检测 跟踪 对象检测装置 实际位置信息 信息处理技术 双目相机 一次处理 运动信息 计算量 图像 分割 拍摄 检测 应用 | ||
本发明实施例公开了对象检测方法、装置及存储介质,应用于信息处理技术领域。对象检测装置在对双目相机拍摄的当前帧左图像和当前帧右图像中的对象进行检测时,需要先将当前帧左图像和当前帧右图像或至少一次处理后的当前帧左图像和当前帧右图像分割成当前帧子图像;然后在相应子图像之间进行跟踪匹配,得到多个当前帧子图像的第一运动信息和实际位置信息;最后再对多个当前帧子图像进行聚类,得到的每个聚类中当前帧子图像即可表示一个对象,从而可以根据每个聚类中的当前帧子图像识别出对应的对象。这样,子图像之间的跟踪匹配的可靠性较高,能较为准确的识别出图像中的对象,且进行跟踪匹配的计算量较小。
技术领域
本发明涉及信息处理技术领域,特别涉及一种对象检测方法、装置及存储介质。
背景技术
基于视觉的对象检测主要是指根据相机拍摄的图片或视频,采用一定的程序算法,将图片或视频中的目标物体(包括但不限于行人,车辆,树木等)识别出来。基于视觉的对象检测技术广泛应用于机器人、无人车、安防监控等诸多领域。
目前常见的对象检测方法是基于双目相机拍摄的图像,一种方法是对双目相机当前拍摄的两幅图像进行立体匹配,得到深度信息,然后根据深度信息检测到图像中的各个对象,这种检测效果较差。
另一种方法是针对双目相机拍摄的前后两帧共四幅图像,提取四幅图像中的特征点进行三维重建,以计算图像的场景流,最后根据场景流将具有相似运动的特征点聚类,从而得到场景中的对象。这种方法与前一种方法相比,检测效果有所提升,但是这种方法主要是基于单个像素点的处理,由于单个像素的稳定性不强,故这种算法的鲁棒性较差;此外这种方法中对每一帧图像都需要进行大量像素点的特征提取和匹配,计算量大。
发明内容
本发明实施例提供一种对象检测方法、装置及存储介质,实现了根据多个当前帧子图像分别对应的第一运动信息和实际位置信息,识别出当前帧左图像和当前帧右图像中的各个对象。
本发明实施例第一方面提供一种对象检测方法,包括:
获取双目相机的当前帧左图像和当前帧右图像;
分别对所述当前帧左图像和当前帧右图像进行分割得到对应的当前帧子图像;
在前一帧子图像与所述当前帧子图像之间进行跟踪匹配,得到多个所述当前帧子图像分别对应的基于图像的第一运动信息;所述前一帧子图像是当前帧的前一帧左图像和前一帧右图像对应的子图像;
在第一当前帧子图像与第二当前帧子图像之间进行跟踪匹配,得到所述多个当前帧子图像分别对应的实际位置信息;所述第一当前帧子图像为所述当前帧左图像对应的当前帧子图像,所述第二当前帧子图像为所述当前帧右图像对应的当前帧子图像;
根据所述多个当前帧子图像分别对应的第一运动信息和实际位置信息,对所述多个当前帧子图像进行聚类,得到的每一聚类包括的当前帧子图像表示一个对象;
识别所述每一聚类中当前帧子图像所表示的对象。
本发明实施例第二方面提供一种对象检测装置,包括:
图像获取单元,用于获取双目相机的当前帧左图像和当前帧右图像;
分割单元,用于分别对所述当前帧左图像和当前帧右图像进行分割得到对应的当前帧子图像;
跟踪匹配单元,用于在前一帧子图像与所述当前帧子图像之间进行跟踪匹配,得到多个所述当前帧子图像分别对应的基于图像的第一运动信息;在第一当前帧子图像与第二当前帧子图像之间进行跟踪匹配,得到所述多个当前帧子图像分别对应的实际位置信息;其中,所述前一帧子图像是当前帧的前一帧左图像和前一帧右图像对应的子图像;所述第一当前帧子图像为所述当前帧左图像对应的当前帧子图像,所述第二当前帧子图像为所述当前帧右图像对应的当前帧子图像;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201711206483.0/2.html,转载请声明来源钻瓜专利网。