[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

说明书

本发明公开了一种目标检测方法、装置、设备和计算机可读存储介质。该方法包括：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图像数据和深度数据，得到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，顺次将融合得到的图像深度融合数据输入预先训练的目标检测模型，通过目标检测模型在顺次输入的图像深度融合数据中提取目标对象的属性数据，并且根据顺次输入的图像深度融合数据生成目标对象对应的三维运动轨迹数据。本发明无需用户坚守在目标对象的周围，查看目标检测模型输出的目标对象的属性数据和三维运动轨迹数据即可，监护过程更加灵活，监护效率高。

技术领域

本发明涉及图像识别技术领域，尤其涉及一种目标检测方法、装置、设备和计算机可读存储介质。

背景技术

在一些应用场景中，需要关注目标对象的动态，以便识别目标对象的需求。例如：在日常生活中，存在一些生活不能自理，健康出现问题的特需人群，如：儿童、老人、病患等。这些特需人群需要24小时监护，以避免因无人监护出现的不良后果。例如：儿童因无人看管，造成儿童受伤，病患因无人陪护，造成发病无人救治。

目前，对特需人群的监护多采用人工监护，监护人员一般需要24小时陪伴在被监护人的周围，因为监护人员离开之后，被监护人可能会出现不可预知的危险。但是，采用24小时人工监护的方式，需要监护人员坚守在监护场所，如果需要同时监护多个被监护人，则需要一对一配备监护人员，使得这种人工监护方式的效率较为低下。

发明内容

本发明实施例的主要目的在于提供一种目标检测方法、装置、设备和计算机可读存储介质，以解决现有的人工监护效率较低的问题。

针对上述技术问题，本发明实施例是通过以下技术方案来实现的：

本发明实施例提供了一种目标检测方法，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。

其中，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。

其中，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。

其中，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。