[发明专利]利用无线定位辅助目标检测的方法和装置

说明书

一种利用无线定位辅助目标检测的方法，包括以下步骤：获取图像的二维矩阵信息、天线阵列得到的定位信息；通过成像原理计算出每个定位结果在图像中的坐标；通过计算出的坐标以及获得的距离在图像中得到每个定位结果对应的一个定位区域；通过深度学习检测方法输出未进行非极大值抑制的检测结果；计算最终检测结果和定位区域的重合度γ；修改每个定位结果的置信值；对检测结果进行改进的非极大值抑制，至此完成了利用无线定位辅助目标检测。本发明通过结合目标检测与无线定位两个技术，解决了目标检测最终结果检测数量过多或过少，以及将重影、反射等图像检测为真实物体的场景。

技术领域

本发明涉及无线定位领域和目标检测领域，尤其涉及一种利用无线定位辅助目标检测的方法和装置。

背景技术

无线定位是物联网里的一个重要技术，并且随着现在各种移动设备与无限标签(RFID)的普及，无线定位也有着广泛的应用前景。通过无线信号中包含的内容信息，定位天线首先可以获取到每个物体独一无二的标识符。之后通过每个信号包含的频率和相位，通过计算可以推测出目标物体到天线阵列的角度以及距离。通过水平角度、垂直角度以及距离成像原理可以将目标的中心以及在图像中的大致大小求解出来，为计算机视觉中的技术提供基于图像的额外的信息。

目标检测在计算机视觉中有多种应用，并且这项技术在其他计算机视觉技术中也是一种支撑、例如物体分割以及姿势检测。在解决目标检测的所有算法中，基于深度学习的算法是效果最好的，比较著名的算法就是二阶段检测器Mask-RCNN与一阶段检测器YOLOv3。其中Mask-RCNN是通过先提出像素级别密度的预选框，将框首先先做物体-背景分类，之后对归类为物体的背景再做分类并修正，得到最终的检测结果；而YOLOv3 是将图像切分为N*N个栅格，并且每个栅格都是K个预选框的中心，对这些预选框负责。之后直接对这些栅格密度的预选框做分类并修正，得到最终的预测结果。除此以外，为了防止多个预选框都检测到了同一个图形，通用的目标检测方法需要对检测结果做非极大值抑制处理，即首先按置信度大小将这些检测框分类，然后若有检测框的重合度过高，检测方法只取置信值最高的那个检测框，这样得到最后的检测结果可以大幅度减小重复的检测框。

然而现有的基于深度学习的目标检测方法也存在不足：首先可能存在多检或者漏检的情况；其次是不同环境训练出的模型泛化性不够；最后是深度学习的目标检测需要一个置信值阈值，但不同环境下的阈值是需要进行调整的。

所以亟需一种方法来解决基于无线定位来改善目标检测中存在的这些问题。

发明内容

有鉴于此，本发明的主要目的在于提供一种利用无线定位辅助目标检测的方法和装置，以期部分地解决上述技术问题中的至少之一。

为了实现上述目的，本发明提供了一种利用无线定位辅助目标检测的方法，包括以下步骤：

获取图像的二维矩阵信息、天线阵列得到的定位信息；

通过成像原理计算出每个定位结果在图像中的坐标；

通过计算出的坐标以及获得的距离在图像中得到每个定位结果对应的一个定位区域；

通过深度学习检测方法输出未进行非极大值抑制的检测结果；

计算最终检测结果和定位区域的重合度γ；

修改每个定位结果的置信值；

对检测结果进行改进的非极大值抑制，至此完成了利用无线定位辅助目标检测。

其中，所述定位信息包括水平角度、垂直角度和距离信息。

其中，所述重合度指的是检测框包含的定位区域的比例占整个定位区域的比重；所述重合度γ的计算公式如下：