[发明专利]足球识别方法、装置及机器人

说明书

本申请适用于目标检测技术领域，提供了足球识别方法、装置及机器人，所述方法包括：检测视频帧中候选足球的边界框位置，确定所述边界框位置内的二维数据和三维点云数据；根据预设的分类模型对所述二维数据进行分类，得到分类结果；对所述三维点云数据进行球体拟合，得到拟合球体；将所述拟合球体与预设足球比较，得到比较结果；根据所述分类结果与所述比较结果的交集输出足球类别和位置信息。通过上述方法，能够实现对候选足球的准确识别。

技术领域

本申请属于目标检测技术领域，尤其涉及足球识别方法、装置及机器人。

背景技术

近年来，深度学习在计算机视觉领域取得了显著的发展，基于深度学习的目标检测算法也开始应用在生活的方方面面，譬如常见的行人检测、车辆检测、遥感图像的船舶建筑物检测等。常见的目标检测算法主要分为两个分支：基于锚点(Anchor-based)和不基于锚点(Anchor-free)的目标检测算法，前者(Anchor-based目标检测算法)又可以进一步分为单阶段和两阶段的目标检测算法，单阶段的算法包含有广为人知的SSD(single shotmultibox detector，其中，single shot指的是SSD算法属于one-stage方法，one-stage方法的特点是一步到位，速度相对较快，MultiBox说明SSD是多框预测)、PeleeSSD(该PeleeSSD是以PeleeNet为主干的SSD目标检测网络，具备轻量化的特点，上述的PeleeNet是轻量化网络变体)、YOLO(You Only Look Once，是一种基于深度神经网络的对象识别和定位算法，其最大的特点是运行速度很快，可以用于实时系统)系列等网络结构，而后者可以进一步分为基于关键点和基于中心点的两种目标检测算法。

但若直接使用基于深度学习的目标检测技术检测足球则可能会存在如下问题，如图1所示，由于足球的种类繁多，颜色纹理各式各样，因此，使用公开数据集中各种各样的足球训练目标检测网络时，会导致网络对足球的定义很模糊，譬如将生活中的气球、白色球体等误识别为足球，从而造成许多误检测。

发明内容

本申请实施例提供了足球识别方法，能够提高对足球的检测准确率。

第一方面，本申请实施例提供了一种足球识别方法包括：

检测视频帧中候选足球的边界框位置，确定所述边界框位置内的二维数据和三维点云数据；

根据预设的分类模型对所述二维数据进行分类，得到分类结果；

对所述三维点云数据进行球体拟合，得到拟合球体；

将所述拟合球体与预设足球比较，得到比较结果，所述比较结果用于指示所述拟合球体是否为足球；

根据所述分类结果与所述比较结果的交集输出足球类别和位置信息。

第二方面，本申请实施例提供了一种足球识别装置，应用于机器人，包括：

数据确定单元，用于检测视频帧中候选足球的边界框位置，确定所述边界框位置内的二维数据和三维点云数据；

分类结果确定单元，用于根据预设的分类模型对所述二维数据进行分类，得到分类结果，所述分类结果用于指示所述候选足球所属的足球类别；

球体拟合单元，用于对所述三维点云数据进行球体拟合，得到拟合球体；

比较结果确定单元，用于将所述拟合球体与预设足球比较，得到比较结果，所述比较结果用于指示所述拟合球体是否为足球；

识别结果确定单元，用于根据所述分类结果与所述比较结果的交集输出足球类别和位置信息。

第三方面，本申请实施例提供了一种机器人，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的方法。