[发明专利]一种目标检测方法、装置、设备及存储介质在审
申请号: | 201810675764.9 | 申请日: | 2018-06-27 |
公开(公告)号: | CN109033972A | 公开(公告)日: | 2018-12-18 |
发明(设计)人: | 王伟行;刘佩林;邹耀;葛昊 | 申请(专利权)人: | 上海数迹智能科技有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/32;G06K9/46;G06K9/62;G06T5/00;G06T7/11;G06T7/246;G06T7/62 |
代理公司: | 北京品源专利代理有限公司 11332 | 代理人: | 孟金喆 |
地址: | 201702 上海市青浦*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 目标检测 候选区 存储介质 高度特征 切片 支持向量机分类器 原始深度图像 算法鲁棒性 准确度 高鲁棒性 检测结果 前景物体 计算量 准确率 检测 | ||
1.一种目标检测方法,其特征在于,包括:
对原始深度图像中的前景物体进行切片检测,并依据各切片检测结果得到至少一个目标候选区;
提取各目标候选区的3D高度特征,并基于所述3D高度特征通过支持向量机分类器,确定各目标候选区对应的目标。
2.根据权利要求1所述的方法,其特征在于,对原始深度图像中的前景物体进行切片检测之前,还包括:
获取原始深度图像;
识别所述原始深度图像中包含的无效像素点;
对所述无效像素点进行无效像素值填补,并对填补后的深度图像进行平滑处理。
3.根据权利要求1所述的方法,其特征在于,对原始深度图像中的前景物体进行切片检测,并依据各切片检测结果得到至少一个目标候选区,包括:
依据相机的高度及原始深度图像的像素值,得到目标高度对应的像素值;
采用高斯混合背景模型提取原始深度图像的前景物体;
依据所述目标高度对应的像素值对所述前景物体进行切片,并对各切片结果进行检测,依据各切片检测结果得到至少一个目标候选区。
4.根据权利要求1所述的方法,其特征在于,依据各切片检测结果得到至少一个目标候选区,包括:
依据各切片检测结果,得到至少一个感兴趣区域;
若感兴趣区域的面积及偏心率满足预设条件,则将所述感兴趣区域作为一个目标候选区。
5.根据权利要求4所述的方法,其特征在于,将所述感兴趣区域作为一个目标候选区,包括:
若至少两个感兴趣区域存在重叠,且重叠分数大于预设阈值,则将所述至少两个感兴趣区域确定为一个目标候选区。
6.根据权利要求1所述的方法,其特征在于,提取各目标候选区的3D高度特征,包括:
以各目标候选区的中心为圆心,设置同心圆;
以预设大小的图像块遍历所述同心圆,确定各图像块的深度平均值;
依据各图像块的深度平均值及所述同心圆中心图像块的深度平均值,确定各目标候选区的3D高度特征。
7.根据权利要求1项所述的方法,其特征在于,基于所述3D高度特征通过支持向量机分类器,确定各目标候选区对应的目标,包括:
提取各目标候选区的HOG特征;
基于所述3D高度特征和所述HOG特征,通过支持向量机分类器确定各目标候选区对应的目标。
8.根据权利要求1所述的方法,其特征在于,基于所述3D高度特征通过支持向量机分类器,确定各目标候选区对应的目标之后,还包括:
确定各目标的运动轨迹;
依据所述运动轨迹的起始位置坐标与终止位置坐标,确定各目标的运动方向及各方向对应的目标的数量。
9.根据权利要求8所述的方法,其特征在于,确定各目标的运动轨迹,包括:
确定各目标的当前位置坐标与已有运动轨迹的末尾坐标的欧式距离;
若所述欧式距离小于预设距离阈值,则将所述目标的当前位置坐标与所述欧式距离最小的已有运动轨迹合并,作为该目标的运动轨迹;
若所述欧式距离大于预设距离阈值,则为目标建立新一条运动轨迹。
10.根据权利要求8所述的方法,其特征在于,确定各目标的运动轨迹之后,还包括:
若连续预设数值帧图像未检测到目标,则确定所述目标对应的运动轨迹结束。
11.一种目标检测装置,其特征在于,包括:
候选区确定模块,用于对原始深度图像中的前景物体进行切片检测,并依据各切片检测结果得到至少一个目标候选区;
特征提取模块,用于提取各目标候选区的3D高度特征;
目标确定模块,用于基于所述3D高度特征通过支持向量机分类器,确定各目标候选区对应的目标。
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上海数迹智能科技有限公司,未经上海数迹智能科技有限公司许可,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/201810675764.9/1.html,转载请声明来源钻瓜专利网。