[发明专利]一种目标检测方法、装置、设备和计算机可读存储介质

权利要求书

1.一种目标检测方法，其特征在于，包括：

每隔预设时间段采集检测环境的图像数据和目标对象对应的深度数据；

按照采集时刻从先到后的顺序，顺次融合相同时刻采集的所述图像数据和所述深度数据，得到所述相同时刻对应的图像深度融合数据；

按照融合时刻从先到后的顺序，顺次将融合得到的所述图像深度融合数据输入预先训练的目标检测模型，通过所述目标检测模型在顺次输入的所述图像深度融合数据中提取所述目标对象的属性数据，并且根据顺次输入的所述图像深度融合数据生成所述目标对象对应的三维运动轨迹数据。

2.根据权利要求1所述的方法，其特征在于，所述顺次融合相同时刻采集的所述图像数据和所述深度数据，得到所述相同时刻对应的图像深度融合数据，包括：

组合所述相同时刻采集的所述图像数据和所述深度数据，形成所述相同时刻对应的图像深度一维数组，将所述图像深度一维数组作为所述相同时刻对应的图像深度融合数据。

3.根据权利要求1所述的方法，其特征在于，

所述目标检测模型包括：相互连接的YOLO模型和长短期记忆LSTM模型；

所述通过所述目标检测模型在顺次输入的所述图像深度融合数据中提取所述目标对象的属性数据，并且根据顺次输入的所述图像深度融合数据生成所述目标对象对应的三维运动轨迹数据，包括：

通过所述YOLO模型在顺次输入的所述图像深度融合数据中，检测所述目标对象，提取所述目标对象的关键点的三维坐标数据以及所述目标对象的属性数据；

通过所述LSTM模型在顺次输入的所述图像深度融合数据中，对所述YOLO模型检测到的所述目标对象进行运动轨迹跟踪，得到所述目标对象的运动轨迹数据，并且根据所述目标对象的运动轨迹数据以及所述YOLO模型在所述图像深度融合数据中提取的所述目标对象的关键点的三维坐标数据，生成所述目标对象的三维运动轨迹数据。

4.根据权利要求3所述的方法，其特征在于，

所述YOLO模型包括：三维卷积层；

所述提取所述目标对象的关键点的三维坐标数据，包括：

通过所述三维卷积层在所述图像深度融合数据的图像数据部分中提取所述目标对象的关键点的二维特征数据，在所述图像深度融合数据的深度数据部分中提取所述目标对象的关键点的一维特征数据；

根据所述二维特征数据和所述一维特征数据，生成所述目标对象的关键点的三维坐标数据；其中，所述一维特征数据的空间维度与所述二维特征数据的空间维度不同。

5.根据权利要求3所述的方法，其特征在于，

所述运动轨迹数据为所述目标对象在所述图像深度融合数据中的区域位置数据；

所述三维运动轨迹数据包括：多帧三维运动轨迹图像；

所述根据所述目标对象的运动轨迹数据以及所述YOLO模型在所述图像深度融合数据中提取的所述目标对象的关键点的三维坐标数据，生成所述目标对象的三维运动轨迹数据，包括：

构建三维坐标空间；

按照融合时刻从先到后的顺序，顺次获取每个所述图像深度融合数据中所述目标对象的区域位置数据和关键点的三维坐标数据，得到多组所述区域位置数据和所述关键点的三维坐标数据；

针对每组所述区域位置数据和所述关键点的三维坐标数据，根据所述区域位置数据和所述关键点的三维坐标数据，在所述三维坐标空间中设置所述目标对象对应的三维模型，生成一帧三维运动轨迹图像。

6.根据权利要求3所述的方法，其特征在于，在所述得到所述目标对象的运动轨迹数据之后，所述方法还包括：

将所述目标对象的运动轨迹数据与预设的异常状态数据进行比较；

在所述目标对象的运动轨迹数据与所述异常状态数据的相似度大于预设的相似度阈值时，执行所述异常状态数据对应的异常告警操作。