CN108491818A - 目标物体的检测方法、装置及电子设备 - Google Patents
目标物体的检测方法、装置及电子设备 Download PDFInfo
- Publication number
- CN108491818A CN108491818A CN201810278605.5A CN201810278605A CN108491818A CN 108491818 A CN108491818 A CN 108491818A CN 201810278605 A CN201810278605 A CN 201810278605A CN 108491818 A CN108491818 A CN 108491818A
- Authority
- CN
- China
- Prior art keywords
- candidate
- region
- target
- earth background
- background region
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请提供一种目标物体的检测方法、装置及电子设备,所述方法的一具体实施方式包括:获取采集到的目标图像;确定所述目标图像中的一个或多个候选区域,每个所述候选区域对应一个候选物体;确定所述目标图像中的地面背景区域;基于所述候选区域与所述地面背景区域的相对位置,确定所述候选物体中的目标物体。该实施方式考虑了目标图像中候选物体对应的候选区域与地面背景区域的相对位置关系,因此,可以避免将周围置于墙面上的平面虚拟物体误检为待检测的实际物体。从而提高了物体检测的准确率,有效地降低了误检率。
Description
技术领域
本申请涉及电子设备技术领域,特别涉及一种目标物体的检测方法、装置及电子设备。
背景技术
一般来说,诸如机器人、无人车等无人驾驶设备,在自由行进时,需要检测周围环境中的目标物体(如,障碍物等),以执行相应的操作(如,对障碍物进行躲避等)。在相关技术中,通常需要先采集周围环境的图像。然后,采用物体检测技术,识别图像中的物体,将识别出的物体作为目标物体,从而根据目标物体的位置对无人驾驶设备进行控制。但是,采用上述方式检测目标物体,通常会将周围环境中平面图像中的物体误检为目标物体,因此,误检率较高。
发明内容
为了解决上述技术问题之一,本申请提供一种目标物体的检测方法、装置及电子设备。
根据本申请实施例的第一方面,提供一种目标物体的检测方法,包括:
获取采集到的目标图像;
确定所述目标图像中的一个或多个候选区域,每个所述候选区域对应一个候选物体;
确定所述目标图像中的地面背景区域;
基于所述候选区域与所述地面背景区域的相对位置,确定所述候选物体中的目标物体。
可选的,所述基于所述候选区域与所述地面背景区域的相对位置,确定所述候选物体中的目标物体,包括:
基于所述候选区域与地面背景区域的相对位置,确定与地面背景区域有交集的候选区域;
将与地面背景区域有交集的候选区域对应的候选物体确定为目标物体。
可选的,所述基于所述候选区域与地面背景区域的相对位置,确定所述候选物体中的目标物体,包括:
基于所述候选区域与地面背景区域的相对位置,确定每个所述候选物体对应的目标参数;
基于所述目标参数确定满足预设条件的候选物体,作为所述目标物体。
可选的,针对任一候选物体,通过如下方式确定该候选物体对应的目标参数:
确定该候选物体对应的候选区域与地面背景区域的交集区域;
将所述交集区域的面积与该候选区域的面积之比确定为该候选物体对应的目标参数。
可选的,所述基于所述目标参数确定满足预设条件的候选物体,包括:
确定每个所述候选物体对应的参考参数;
将目标参数大于参考参数的候选物体确定为满足预设条件的候选物体。
可选的,所述确定每个所述候选物体对应的参考参数,包括:
获取预设函数,所述预设函数的自变量为候选物体对应的候选区域面积,变量为候选物体对应的参考参数,所述预设函数在定义域内任意区间非递减;
基于所述预设函数确定每个所述候选物体对应的参考参数。
可选的,所述预设函数为分段函数,当所述预设函数的自变量小于或等于预设阈值时,所述预设函数单调递增,当所述预设函数的自变量大于所述预设阈值时,所述预设函数的值为常数。
根据本申请实施例的第二方面,提供一种目标物体的检测装置,包括:
获取模块,用于获取采集到的目标图像;
检测模块,用于确定所述目标图像中的一个或多个候选区域,每个所述候选区域对应一个候选物体;
分割模块,用于确定所述目标图像中的地面背景区域;
确定模块,用于基于所述候选区域与所述地面背景区域的相对位置,确定所述候选物体中的目标物体。
根据本申请实施例的第三方面,提供一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面中任一项所述的方法。
根据本申请实施例的第四方面,提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述第一方面中任一项所述的方法。
本申请的实施例提供的技术方案可以包括以下有益效果:
本申请的实施例提供的目标物体的检测方法和装置,通过获取采集到的目标图像,确定目标图像中的一个或多个候选区域,每个候选区域对应一个候选物体,确定目标图像中的地面背景区域,并基于上述候选区域与上述地面背景区域的相对位置,确定候选物体中的目标物体。待检测的实际物体通常置于地面上,由于本实施例考虑了目标图像中候选物体对应的候选区域与地面背景区域的相对位置关系,因此,可以避免将周围置于墙面上的平面虚拟物体误检为待检测的实际物体。从而提高了物体检测的准确率,有效地降低了误检率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1是本申请根据一示例性实施例示出的一种目标物体的检测方法的流程图;
图2是本申请根据一示例性实施例示出的一种目标物体的检测的场景示意图;
图3是本申请根据一示例性实施例示出的另一种目标物体的检测的场景示意图;
图4是本申请根据一示例性实施例示出的另一种目标物体的检测的场景示意图;
图5是本申请根据一示例性实施例示出的另一种目标物体的检测方法的流程图;
图6是本申请根据一示例性实施例示出的另一种目标物体的检测方法的流程图;
图7是本申请根据一示例性实施例示出的一种目标物体的检测装置的框图;
图8是本申请根据一示例性实施例示出的另一种目标物体的检测装置的框图;
图9是本申请根据一示例性实施例示出的另一种目标物体的检测装置的框图;
图10是本申请根据一示例性实施例示出的另一种目标物体的检测装置的框图;
图11是本申请根据一示例性实施例示出的一种电子设备的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本申请可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本申请范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
如图1所示,图1是根据一示例性实施例示出的一种目标物体的检测方法的流程图,该方法可以应用于电子设备中。在本实施例中,本领域技术人员可以理解,该电子设备为无人驾驶设备,可以包括但不限于机器人、无人车等等。该方法包括以下步骤:
在步骤101中,获取采集到的目标图像。
在本实施例中,在上述电子设备上设置有图像采集装置(例如,照相机,或摄像头等),该图像采集装置可以自由转动,从而可以从多个角度拍摄周围环境的图像。可以获取图像采集装置采集到的部分图像作为目标图像。也可以是电子设备外部的图像采集装置将目标图像发送到电子设备里的获取装置。其中,目标图像可以是普通的RGB图像,该目标图像的信息中不包含深度信息,也不包含激光、雷达等信息。
在步骤102中,确定目标图像中的一个或多个候选区域,每个候选区域对应一个候选物体。
在本实施例中,可以采用物体检测(Object Detection)技术对该目标图像进行分析,从而识别出目标图像中的物体,可以将识别出的部分或全部物体作为候选物体,从而确定一个或多个候选物体。为每个候选物体生成相应的矩形框。可选地,该矩形框可以是该候选物体的外接矩形框。每个候选物体相应的矩形框所包围的区域为该候选物体对应的候选区域。需要说明的是,不同候选物体的候选区域之间可以有重叠。可以理解,还可以采用已知的以及将来可能出现的其它任何可以实现的技术识别目标图像中的候选物体,本申请对确定目标图像中候选区域的具体方式方面不限定。
在本实施例中,候选物体可以是任意预先定义的物体,例如,可以是人,也可以是车辆,还可以是动物,还可以是日常用品等等。可以理解,本申请对候选物体的具体种类方面不限定。
如图2所示,图像201为采集到的目标图像,采用物体检测技术对图像201进行分析,识别出该图像中包括的多个物体,每个物体为一个候选物体。每个候选物体对应一个矩形框,每个矩形框中包围的区域为候选物体的候选区域。其中,不同候选物体的候选区域之间可以有重叠。
在步骤103中,确定目标图像中的地面背景区域。
在本实施例中,可以采用场景分割技术确定目标图像中的地面背景区域。地面背景区域即为目标图像中表示地面的区域。一般来说,采用场景分割技术可以将图像划分出多个背景区域,例如,地面背景区域、墙壁背景区域、天空背景区域或天花板背景区域等。如图3所示,图像301为采集到的目标图像,图像301经过场景分割技术进行分割后,可以划分出地面背景区域302以及天空背景区域303。
在步骤104中,基于上述候选区域与地面背景区域的相对位置,确定候选物体中的目标物体。
在本实施例中,周围环境中待检测的实际物体通常置于地面上,因此,待检测的实际物体在目标图像中对应的候选区域与地面背景区域应该有交集。而周围平面图像中的虚拟物体置于墙面上,在目标图像中对应的候选区域与墙面背景区域有交集,但该候选区域与地面背景区域没有交集。因此,可以基于上述地面背景区域及上述候选区域的相对位置关系确定候选物体中的目标物体。
如图4所示,图像401为采集到的目标图像,采用物体检测技术对图像401进行分析,识别出该图像中包括的多个候选物体,并生成每个候选物体对应的候选区域。同时,图像401经过场景分割后,可以得到地面背景区域402。参见图4可知,待检测的实际物体在图像401中对应的候选区域与地面背景区域均有交集,而墙面上的平面图对应的候选区域与地面背景区域没有交集。
在一种实现方式中,可以基于上述候选区域与地面背景区域的相对位置,检测上述候选区域中与地面背景区域有交集的候选区域,直接将与地面背景区域有交集的候选区域对应的候选物体作为目标物体。
在另一种实现方式中,还可以基于候选区域与地面背景区域的相对位置,确定每个候选物体对应的目标参数,该目标参数能够表征该候选物体对应的候选区域与地面背景区域的交叠程度。并基于每个候选物体对应的目标参数确定满足预设条件的候选物体作为目标物体。其中,满足预设条件的候选物体可以是与地面背景区域的交叠程度高于预设程度的候选物体。该实现方式与上一实现方式相比,物体检测的误检率更低。
可以理解,还可以采用其它任意合理的方式基于上述地面背景区域及上述候选区域确定候选物体中的目标物体,本申请对此方面不限定。
应当注意,尽管在上述图1的实施例中,以特定顺序描述了本申请方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。相反,流程图中描绘的步骤可以改变执行顺序。例如,可以先执行步骤102,确定目标图像中的一个或多个候选区域,再执行步骤103,确定目标图像中的地面背景区域。也可以先执行步骤103,再执行步骤102。还可以同时执行步骤102和步骤103。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
本申请的上述实施例提供的目标物体的检测方法,通过获取采集到的目标图像,确定目标图像中的一个或多个候选区域,每个候选区域对应一个候选物体,确定目标图像中的地面背景区域,并基于上述候选区域与上述地面背景区域的相对位置,确定候选物体中的目标物体。待检测的实际物体通常置于地面上,由于本实施例考虑了目标图像中候选物体对应的候选区域与地面背景区域的相对位置关系,因此,可以避免将周围置于墙面上的平面虚拟物体误检为待检测的实际物体。从而提高了物体检测的准确率,有效地降低了误检率。
需要说明的是,虽然现有技术中存在通过物体检测技术识别实际物体(如,障碍物等)的方法,但是,在无人操作电子设备进行物体检测时,检测的准确率较低,误检率较高。而本领域技术人员并未发现问题所在,是在进行实际物体的检测时,并未考虑采集的图像中识别出的物体区域与地面背景区域的相对位置关系。而本申请的技术方案考虑了目标图像中候选物体对应的候选区域与地面背景区域的相对位置关系,因此,也通过问题的发现,解决了无人操作电子设备进行物体检测时,误检率较高的问题。
如图5所示,图5根据一示例性实施例示出的另一种目标物体的检测方法的流程图,该实施例描述了确定候选物体中的目标物体的过程,该方法可以应用于电子设备中,包括以下步骤:
在步骤501中,获取采集到的目标图像。
在步骤502中,确定目标图像中的一个或多个候选区域,每个候选区域对应一个候选物体。
在步骤503中,确定目标图像中的地面背景区域。
在步骤504中,基于候选物体对应的候选区域与地面背景区域的相对位置,确定每个候选物体对应的目标参数。
在本实施例中,还可以分别基于每个候选物体对应的候选区域与地面背景区域的相对位置,确定每个候选物体对应的目标参数。其中,针对任意一个候选物体,该候选物体对应的目标参数能够表征该候选物体对应的候选区域与地面背景区域的交叠程度。
具体来说,针对任意一个候选物体,在一种实现方式中,可以通过如下方式确定该候选物体对应的目标参数:首先,可以确定该候选物体对应的候选区域与地面背景区域的交集区域。然后,将交集区域的面积与该候选区域的面积之比确定为该候选物体对应的目标参数。
在另一种实现方式中,还可以通过如下方式确定该候选物体对应的目标参数:首先,可以确定该候选物体对应的候选区域与地面背景区域的交集区域。然后,将交集区域的面积确定为该候选物体对应的目标参数。
可以理解,还可以通过其它任意合理的方式确定该候选物体对应的目标参数,本申请对此方面不限定。
需要说明的是,上述交集区域的面积以及候选区域的面积可以采用像素点作为面积的单位,也可以采用尺寸作为面积的单位,可以理解,本申请对面积的具体单位方面不限定。
在步骤505中,基于每个候选物体对应的目标参数确定满足预设条件的候选物体,作为目标物体。
在本实施例中,可以获取预设条件,遍历每个候选物体,根据该候选物体对应的目标参数判断该候选物体是否满足预设条件,将满足预设条件的候选物体作为目标物体。其中,该预设条件可以是能够体现候选物体对应的候选区域与地面背景区域的交叠程度足够大的条件,可以是任意合理的条件,本申请对该预设条件的具体内容方面不限定。
可选地,首先,可以确定每个候选物体对应的参考参数。然后,针对每个候选物体,判断该候选物体对应的目标参数是否大于该候选物体对应的参考参数,如果该候选物体对应的目标参数大于该候选物体对应的参考参数,则将该候选物体确定为满足预设条件的候选物体。
在本实施例中,可以通过如下方式确定每个候选物体对应的参考参数:获取预设函数,该预设函数可以表示为Z=F(x),其中,该预设函数的自变量x为候选物体对应的候选区域面积,变量Z为候选物体对应的参考参数,该预设函数在定义域内任意区间非递减。遍历每个候选物体,将每个候选物体对应的候选区域面积分别代入该预设函数,从而得到每个候选物体对应的参考参数。
具体来说,在一种实现方式中,该预设函数可以是常函数,例如,该预设函数可以将表示为Z=F(x)=C。其中,C为常数。例如c=0.5,即保留和地面交集大于等于0.5的候选框。
在另一种实现方式中,考虑到近大远小的关系,在目标图像中,远处的物体所占区域较小,近处的物体所占区域较大。因此,可以根据物体所占区域的大小确定物体的远近。又由于远处物体轮廓的清晰度较低,近处物体轮廓的清晰度较高,因此,近处物体与地面背景区域的交集区域误差较小,所以,该预设函数于也可以采用分段函数。并且,当预设函数的自变量小于或等于预设阈值时,该预设函数单调递增,当该预设函数的自变量大于预设阈值时,该预设函数的值为常数。例如,该预设函数可以将表示为:
其中,k、b、c均为常数。
又例如,该预设函数还可以将表示为:
其中,k、b、c、d均为常数。
可以理解,该预设函数还可以是其它任意合理的函数,本申请对该预设函数的具体形式方面不限定。
需要说明的是,对于与图1实施例中相同的步骤,在上述图5实施例中不再进行赘述,相关内容可参见图1实施例。
本申请的上述实施例提供的目标物体的检测方法,通过获取采集到的目标图像,确定目标图像中的一个或多个候选区域,每个候选区域对应一个候选物体,确定目标图像中的地面背景区域。基于候选物体对应的候选区域与地面背景区域的相对位置,确定每个候选物体对应的目标参数,并基于每个候选物体对应的目标参数确定满足预设条件的候选物体,作为目标物体。由于本实施例基于候选物体对应的候选区域与地面背景区域的相对位置,确定每个候选物体对应的目标参数,并基于每个候选物体对应的目标参数确定目标物体。因此,本实施例更为精确的参考了目标图像中候选物体对应的候选区域与地面背景区域的相对位置关系,从而进一步提高了物体检测的准确率,更加有效地降低了误检率。
如图6所示,图6根据一示例性实施例示出的另一种目标物体的检测方法的流程图,该实施例详细描述了确定候选物体中的目标物体的过程,该方法可以应用于电子设备中,包括以下步骤:
在步骤601中,获取采集到的目标图像。
在步骤602中,确定目标图像中的一个或多个候选区域,每个候选区域对应一个候选物体。
在步骤603中,确定目标图像中的地面背景区域。
在步骤604中,确定候选物体对应的候选区域与地面背景区域的交集区域。
在步骤605中,基于候选物体对应的交集区域的面积确定每个候选物体对应的目标参数。
在步骤606中,确定每个候选物体对应的参考参数。
在步骤607中,将目标参数大于参考参数的候选物体确定为满足预设条件的候选物体。
需要说明的是,对于与图1和图5实施例中相同的步骤,在上述图6实施例中不再进行赘述,相关内容可参见图1和图5实施例。
本申请的上述实施例提供的目标物体的检测方法,通过获取采集到的目标图像,确定目标图像中的一个或多个候选区域,每个候选区域对应一个候选物体,确定目标图像中的地面背景区域。确定候选物体对应的候选区域与地面背景区域的交集区域,基于候选物体对应的交集区域的面积确定每个候选物体对应的目标参数,确定每个候选物体对应的参考参数,并将目标参数大于参考参数的候选物体确定为满足预设条件的候选物体。从而更为精确的确定了目标图像中候选物体对应的候选区域与地面背景区域的相对位置关系,有助于提高物体检测的准确率,并有助于降低误检率。
与前述目标物体的检测方法实施例相对应,本申请还提供了目标物体的检测装置的实施例。
如图7所示,图7是本申请根据一示例性实施例示出的一种目标物体的检测装置框图,该装置可以包括:获取模块701,检测模块702,分割模块703和确定模块704。
其中,获取模块701,用于获取采集到的目标图像。
检测模块702,用于确定目标图像中的一个或多个候选区域,每个候选区域对应一个候选物体。
分割模块703,用于确定目标图像中的地面背景区域。
确定模块704,用于基于上述候选区域与上述地面背景区域的相对位置,确定候选物体中的目标物体。
在一些可选实施方式中,确定模块704被配置用于:基于候选区域与地面背景区域的相对位置,确定与地面背景区域有交集的候选区域,并将与地面背景区域有交集的候选区域对应的候选物体确定为目标物体。
如图8所示,图8是本申请根据一示例性实施例示出的另一种目标物体的检测装置框图,该实施例在前述图7所示实施例的基础上,确定模块704可以包括:获取子模块801和选取子模块802。
其中,获取子模块801,用于基于候选区域与地面背景区域的相对位置,确定每个候选物体对应的目标参数。
选取子模块802,用于基于每个候选物体对应的目标参数确定满足预设条件的候选物体,作为目标物体。
在另一些可选实施方式中,针对任一候选物体,获取子模块801通过如下方式确定该候选物体对应的目标参数:确定该候选物体对应的候选区域与地面背景区域的交集区域;将所述交集区域的面积与该候选区域的面积之比确定为该候选物体对应的目标参数。
如图9所示,图9是本申请根据一示例性实施例示出的另一种目标物体的检测装置框图,该实施例在前述图8所示实施例的基础上,选取子模块802可以包括:第一确定子模块901和第二确定子模块902。
其中,第一确定子模块901,用于确定每个候选物体对应的参考参数。
第二确定子模块902,用于将目标参数大于参考参数的候选物体确定为满足预设条件的候选物体。
如图10所示,图10是本申请根据一示例性实施例示出的另一种目标物体的检测装置框图,该实施例在前述图9所示实施例的基础上,第一确定子模块901可以包括:函数获取子模块1001和参数计算子模块1002。
其中,函数获取子模块1001,用于获取预设函数,该预设函数的自变量为候选物体对应的候选区域面积,变量为候选物体对应的参考参数,该预设函数在定义域内任意区间非递减。
参数计算子模块1002,用于基于该预设函数确定每个候选物体对应的参考参数。
在另一些可选实施方式中,该预设函数为分段函数,当该预设函数的自变量小于或等于预设阈值时,该预设函数单调递增,当该预设函数的自变量大于预设阈值时,该预设函数的值为常数。
在另一些可选实施方式中,该预设函数为常函数。
应当理解,上述装置可以预先设置在电子设备中,也可以通过下载等方式而加载到电子设备中。上述装置中的相应模块可以与电子设备中的模块相互配合以实现目标物体的检测方案。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
本申请实施例还提供了一种计算机可读存储介质,该存储介质存储有计算机程序,计算机程序可用于执行上述图1至图6任一实施例提供的目标物体的检测方法。
对应于上述的目标物体的检测方法,本申请实施例还提出了图11所示的根据本申请的一示例性实施例的电子设备的示意结构图。请参考图11,在硬件层面,该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器,当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,在逻辑层面上形成目标物体的检测装置。当然,除了软件实现方式之外,本申请并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由下面的权利要求指出。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (10)
1.一种目标物体的检测方法,其特征在于,所述方法包括:
获取采集到的目标图像;
确定所述目标图像中的一个或多个候选区域,每个所述候选区域对应一个候选物体;
确定所述目标图像中的地面背景区域;
基于所述候选区域与所述地面背景区域的相对位置,确定所述候选物体中的目标物体。
2.根据权利要求1所述的方法,其特征在于,所述基于所述候选区域与所述地面背景区域的相对位置,确定所述候选物体中的目标物体,包括:
基于所述候选区域与地面背景区域的相对位置,确定与地面背景区域有交集的候选区域;
将与地面背景区域有交集的候选区域对应的候选物体确定为目标物体。
3.根据权利要求1所述的方法,其特征在于,所述基于所述候选区域与地面背景区域的相对位置,确定所述候选物体中的目标物体,包括:
基于所述候选区域与地面背景区域的相对位置,确定每个所述候选物体对应的目标参数;
基于所述目标参数确定满足预设条件的候选物体,作为所述目标物体。
4.根据权利要求3所述的方法,其特征在于,针对任一候选物体,通过如下方式确定该候选物体对应的目标参数:
确定该候选物体对应的候选区域与地面背景区域的交集区域;
将所述交集区域的面积与该候选区域的面积之比确定为该候选物体对应的目标参数。
5.根据权利要求3所述的方法,其特征在于,所述基于所述目标参数确定满足预设条件的候选物体,包括:
确定每个所述候选物体对应的参考参数;
将目标参数大于参考参数的候选物体确定为满足预设条件的候选物体。
6.根据权利要求5所述的方法,其特征在于,所述确定每个所述候选物体对应的参考参数,包括:
获取预设函数,所述预设函数的自变量为候选物体对应的候选区域面积,变量为候选物体对应的参考参数,所述预设函数在定义域内任意区间非递减;
基于所述预设函数确定每个所述候选物体对应的参考参数。
7.根据权利要求6所述的方法,其特征在于,所述预设函数为分段函数,当所述预设函数的自变量小于或等于预设阈值时,所述预设函数单调递增,当所述预设函数的自变量大于所述预设阈值时,所述预设函数的值为常数。
8.一种目标物体的检测装置,其特征在于,所述装置包括:
获取模块,用于获取采集到的目标图像;
检测模块,用于确定所述目标图像中的一个或多个候选区域,每个所述候选区域对应一个候选物体;
分割模块,用于确定所述目标图像中的地面背景区域;
确定模块,用于基于所述候选区域与所述地面背景区域的相对位置,确定所述候选物体中的目标物体。
9.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述权利要求1-7中任一项所述的方法。
10.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现上述权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810278605.5A CN108491818B (zh) | 2018-03-30 | 2018-03-30 | 目标物体的检测方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810278605.5A CN108491818B (zh) | 2018-03-30 | 2018-03-30 | 目标物体的检测方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108491818A true CN108491818A (zh) | 2018-09-04 |
CN108491818B CN108491818B (zh) | 2019-07-05 |
Family
ID=63317372
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810278605.5A Active CN108491818B (zh) | 2018-03-30 | 2018-03-30 | 目标物体的检测方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108491818B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109815879A (zh) * | 2019-01-18 | 2019-05-28 | 北京地平线机器人技术研发有限公司 | 目标检测方法、装置和电子设备 |
CN110160579A (zh) * | 2019-05-29 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 一种物体检测的方法及相关装置 |
CN112799412A (zh) * | 2021-04-12 | 2021-05-14 | 北京三快在线科技有限公司 | 一种无人驾驶设备的控制方法及控制装置 |
WO2021114773A1 (en) * | 2019-12-12 | 2021-06-17 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Target detection method, device, terminal device, and medium |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104217442A (zh) * | 2014-08-28 | 2014-12-17 | 西北工业大学 | 基于多模型估计的航拍视频运动目标检测方法 |
CN105959639A (zh) * | 2016-06-06 | 2016-09-21 | 南京工程学院 | 基于地面标定的城市街道区域中行人监控方法 |
CN107665482A (zh) * | 2017-09-22 | 2018-02-06 | 北京奇虎科技有限公司 | 实现双重曝光的视频数据实时处理方法及装置、计算设备 |
CN107679489A (zh) * | 2017-09-29 | 2018-02-09 | 北京奇虎科技有限公司 | 基于场景分割的自动驾驶处理方法、装置及计算设备 |
-
2018
- 2018-03-30 CN CN201810278605.5A patent/CN108491818B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104217442A (zh) * | 2014-08-28 | 2014-12-17 | 西北工业大学 | 基于多模型估计的航拍视频运动目标检测方法 |
CN105959639A (zh) * | 2016-06-06 | 2016-09-21 | 南京工程学院 | 基于地面标定的城市街道区域中行人监控方法 |
CN107665482A (zh) * | 2017-09-22 | 2018-02-06 | 北京奇虎科技有限公司 | 实现双重曝光的视频数据实时处理方法及装置、计算设备 |
CN107679489A (zh) * | 2017-09-29 | 2018-02-09 | 北京奇虎科技有限公司 | 基于场景分割的自动驾驶处理方法、装置及计算设备 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109815879A (zh) * | 2019-01-18 | 2019-05-28 | 北京地平线机器人技术研发有限公司 | 目标检测方法、装置和电子设备 |
CN110160579A (zh) * | 2019-05-29 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 一种物体检测的方法及相关装置 |
CN110160579B (zh) * | 2019-05-29 | 2022-07-08 | 腾讯科技(深圳)有限公司 | 一种物体检测的方法及相关装置 |
WO2021114773A1 (en) * | 2019-12-12 | 2021-06-17 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Target detection method, device, terminal device, and medium |
CN112799412A (zh) * | 2021-04-12 | 2021-05-14 | 北京三快在线科技有限公司 | 一种无人驾驶设备的控制方法及控制装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108491818B (zh) | 2019-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109671115B (zh) | 使用深度值估计的图像处理方法和装置 | |
CN108491818B (zh) | 目标物体的检测方法、装置及电子设备 | |
JP6760957B2 (ja) | 3次元モデリング方法及び装置 | |
CN109035319A (zh) | 单目图像深度估计方法及装置、设备、程序及存储介质 | |
CN113240769B (zh) | 空间链接关系识别方法及装置、存储介质 | |
TWI738196B (zh) | 一種圖像深度估計方法、電子設備、儲存介質 | |
US10692235B2 (en) | Image processing apparatus and method for determining a depth of a pixel of a reference image | |
CN107749069B (zh) | 图像处理方法、电子设备和图像处理系统 | |
CN109661815B (zh) | 存在相机阵列的显著强度变化的情况下的鲁棒视差估计 | |
CN111357034A (zh) | 点云生成方法、系统和计算机存储介质 | |
CN108960012B (zh) | 特征点检测方法、装置及电子设备 | |
CN109213202A (zh) | 基于光学伺服的货物摆放方法、装置、设备和存储介质 | |
Yeh et al. | 3D reconstruction and visual SLAM of indoor scenes for augmented reality application | |
WO2017041740A1 (en) | Methods and systems for light field augmented reality/virtual reality on mobile devices | |
CN115953464A (zh) | 全局定位方法和装置 | |
CN109785444A (zh) | 图像中现实平面的识别方法、装置及移动终端 | |
CN111611836A (zh) | 基于背景消除法的船只检测模型训练及船只跟踪方法 | |
EP3146502B1 (en) | Accelerated image processing | |
CN113420604B (zh) | 多人姿态估计方法、装置和电子设备 | |
CN115511870A (zh) | 对象检测方法、装置、电子设备和存储介质 | |
CN115619924A (zh) | 用于光估计的方法与装置 | |
CN109374919B (zh) | 一种基于单个拍摄设备确定移动速度的方法及装置 | |
CN113032499B (zh) | 辅助显示、地物信息的辅助标注方法、装置、设备和介质 | |
CN116228850A (zh) | 物体姿态估计方法、装置、电子设备及可读存储介质 | |
US20190392594A1 (en) | System and method for map localization with camera perspectives |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |