CN109753945B - 目标主体识别方法、装置、存储介质和电子设备 - Google Patents
目标主体识别方法、装置、存储介质和电子设备 Download PDFInfo
- Publication number
- CN109753945B CN109753945B CN201910041340.1A CN201910041340A CN109753945B CN 109753945 B CN109753945 B CN 109753945B CN 201910041340 A CN201910041340 A CN 201910041340A CN 109753945 B CN109753945 B CN 109753945B
- Authority
- CN
- China
- Prior art keywords
- data
- target subject
- identification
- image data
- subject
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 73
- 238000006243 chemical reaction Methods 0.000 claims abstract description 41
- 238000012545 processing Methods 0.000 claims description 35
- 230000006854 communication Effects 0.000 claims description 25
- 238000004891 communication Methods 0.000 claims description 24
- 239000003086 colorant Substances 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 9
- 230000033001 locomotion Effects 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 9
- 238000000605 extraction Methods 0.000 description 5
- 241001289753 Graphium sarpedon Species 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 238000010408 sweeping Methods 0.000 description 2
- 108010076504 Protein Sorting Signals Proteins 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010205 computational analysis Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供一种目标主体识别方法、装置、计算机可读存储介质和电子设备。目标主体识别方法包括:通过图像采集装置采集含有物体的第一图像数据,并且获取所述第一图像数据的采集位置与所述物体所在平面之间的距离数据;对所述第一图像数据进行色彩空间转换;根据经过色彩空间转换的所述第一图像数据和所述距离数据以及目标主体的主体特征数据,确定所述第一图像数据中是否含有所述目标主体;如果确定在所述第一图像数据中含有所述目标主体,则根据经过色彩空间转换的所述第一图像数据中所述目标主体对应的第一图像区域以及目标主体的标识特征数据,确定所述第一图像数据中是否含有具有个性特征标识的目标主体。
Description
技术领域
本发明实施例涉及机器视觉技术,尤其涉及一种目标主体识别方法、装置、计算机可读存储介质和电子设备。
背景技术
在很多智能控制相关的场景中,均涉及捕捉目标的特征信息,并且根据目标的特征信息来识别和辨认目标。
基于机器视觉的识别技术,能够在不产生生理疲劳的情况下,在更广泛的范围、乃至恶劣或某些人迹难抵的区域,以更高的效率,辨识需要搜寻或发现的目标。但是,另一方面,机器视觉又往往需要比较复杂的程序来完成计算分析过程,或者需要大量的学习积累(如特定的视频识别)。
在对特定目标的捕捉中,被识别/跟踪的特定目标与执行识别/跟踪的主体之间通常具有功能性的关联关系,如扫地机器人需要找到充电桩以进行充电。因此,在多数现有的特定目标识别应用中,由被识别/跟踪的特定目标(如充电桩)周期性地发送特定的信号(如具有特定模式的光信号序列),作为跟踪主体(如扫地机器人)通过捕捉和识别该特定的信号来识别和定位该特定目标。这里,需要对被识别/跟踪的特定目标进行用于特定信号的发射的硬件设置和软件配置。
发明内容
本发明实施例的目的在于,提供一种用于目标主体识别的技术方案,以准确、快捷地识别出目标主体。
根据本发明实施例的第一方面,提供一种目标主体识别方法,包括:通过图像采集装置采集含有物体的第一图像数据,并且获取所述第一图像数据的采集位置与所述物体所在平面之间的距离数据;对所述第一图像数据进行色彩空间转换;根据经过色彩空间转换的所述第一图像数据和所述距离数据以及目标主体的主体特征数据,确定所述第一图像数据中是否含有所述目标主体,所述主体特征数据包括所述目标主体的主体规格、主体色彩及其形成的主体轮廓的数据;如果确定在所述第一图像数据中含有所述目标主体,则根据经过色彩空间转换的所述第一图像数据中所述目标主体对应的第一图像区域以及目标主体的标识特征数据,确定所述第一图像数据中是否含有具有个性特征标识的目标主体,所述标识特征数据包括目标主体的个性特征标识的标识色彩及其形成的标识轮廓的数据。
可选地,所述根据经过色彩空间转换的所述第一图像数据和所述距离数据以及目标主体的主体特征数据,确定所述第一图像数据中是否含有所述目标主体,包括:从经过色彩空间转换的所述第一图像数据提取与所述主体色彩相应的第一色彩数据;确定所述第一图像数据中所述第一色彩数据形成的第一轮廓;根据所述图像采集装置的拍摄参数和所述距离数据,获取所述第一轮廓对应的各个像素点在以所述图像采集装置为坐标原点的三维坐标系中对应的空间三维坐标;根据各个所述像素点的空间三维坐标确定规格数据;根据所述第一色彩数据、所述规格数据、所述第一轮廓的数据以及所述主体特征数据,确定所述第一图像数据中是否含有所述目标主体。
可选地,在确定所述第一图像数据中所述第一色彩数据形成的第一轮廓之后,所述方法还包括:如果所述第一轮廓上的像素点不满足形成空间三维坐标的条件,则返回执行采集含有物体的第一图像数据的处理。
可选地,所述根据经过色彩空间转换的所述第一图像数据中所述目标主体对应的第一图像区域以及目标主体的标识特征数据,确定所述第一图像数据中是否含有具有个性特征标识的目标主体,包括:根据所述第一轮廓的数据确定所述第一图像区域;从所述第一图像区域内提取与所述标识色彩相应的第二色彩数据;对提取的所述第二色彩数据进行解算分析,获取在所述第一图像数据中所述第二色彩数据形成的第二轮廓;根据所述第二色彩数据、所述第二轮廓的数据以及所述标识特征数据,确定所述第一图像数据中是否含有具有所述个性特征标识的目标主体。
可选地,在对所述第一图像数据进行色彩空间转换之后,所述方法还包括:对经过色彩空间转换的所述第一图像数据执行亮度补偿。
可选地,所述根据经过色彩空间转换的所述第一图像数据中所述目标主体对应的第一图像区域以及目标主体的标识特征数据,确定所述第一图像数据中是否含有具有个性特征标识的目标主体,包括:根据所述第一图像区域以及目标主体的任一标识特征数据,确定所述第一图像数据中是否含有具有相应的个性特征标识的目标主体;或者,根据所述第一图像区域以及目标主体的多个标识特征数据,确定所述第一图像数据中是否含有具有相应的多个个性特征标识的目标主体。
可选地,所述图像采集装置用于采集视频流数据;所述根据经过色彩空间转换的所述第一图像数据和所述距离数据以及目标主体的主体特征数据,确定所述第一图像数据中是否含有所述目标主体,包括:通过卡尔曼滤波方法,根据在所述视频流中先前的第二图像数据中已检测到的所述目标主体的位置,预估所述目标主体在所述视频流中当前的所述第一图像数据中所在的第二图像区域;根据所述第二图像区域对应的图像数据和所述距离数据以及目标主体的主体特征数据,确定所述第一图像数据中是否含有所述目标主体。
根据本发明实施例的第二方面,提供一种目标主体识别系统,包括图像采集装置、测距装置、存储器和识别处理装置,其中,所述图像采集装置设置于运动载体上,用于采集物体的图像;所述测距装置设置于所述运动载体上,用于感测其与所述物体所在平面之间的距离数据;存储器,与所述识别处理装置电连接,用于存储目标主体的主体特征数据以及目标主体的标识特征数据,所述主体特征数据包括所述目标主体的主体规格、主体色彩及其形成的主体轮廓的数据,所述标识特征数据包括目标主体的个性特征标识的标识色彩及其形成的标识轮廓的数据;识别处理装置,分别与所述存储器、所述图像采集装置和所述测距装置通信连接,用于执行任一前述的目标主体识别方法的步骤。
可选地,所述运动载体为无人飞行器,所述目标主体为所述无人飞行器的配件。
根据本发明实施例的第三方面,提供一种计算机可读存储介质,其上存储有计算机程序指令,其中,所述程序指令被处理器执行时实现任一前述的目标主体识别方法的步骤。
根据本发明实施例的第四方面,提供一种电子设备,包括:处理器、存储器、通信元件和通信总线,所述处理器、所述存储器和所述通信元件通过所述通信总线完成相互间的通信;所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行任一前述的目标主体识别方法对应的操作。
根据本发明实施例提供的目标主体识别方案,能够通过简捷的运算和处理,准确地识别出具有特定个性特征标识的目标主体。同时,也无需对被识别的目标主体进行用于特定信号发射的硬件设置和软件配置,该目标主体识别解决方案具有较广泛的通用性。
附图说明
图1是示出根据本发明实施例一的目标主体识别系统的结构示意图;
图2是示出根据本发明实施例二的目标主体识别方法的流程图;
图3是示出图2中步骤S230的示例性处理的流程图;
图4是示出图2中步骤S240的示例性处理的流程图;
图5是示出根据本发明实施例五的目标主体识别方法的流程图;
图6是示出根据本发明实施例七的电子设备的结构示意图;
图7是示出根据本发明实施例识别出的目标主体的示意图;
图8是示出由成像的物体到其对应的三维空间坐标的转换的原理示意图。
具体实施方式
下面结合附图详细描述本发明实施例的示例性实施例。
在本申请中,“多个”指两个或两个以上,“至少一个”指一个、两个或两个以上。对于本申请中提及的任一部件、数据或结构,在没有明确限定一个的情况下,可理解为一个或多个。
实施例一
图1是示出根据本发明实施例一的目标主体识别系统的结构示意图。
根据本发明实施例一的目标主体识别系统100用于识别具有个性特征标识的目标主体。该目标主体可以是任何具有三维物理性状的物体,例如车辆、建筑物、桥梁、消火栓等。该个性特征标识是指用于唯一地标识该目标主体的二维或三维标识,例如车辆的个性车牌、消火栓上的二维码或个性标识(如特定形状的图标)等。
参照图1,目标主体识别系统100包括图像采集装置110、测距装置120、存储器130和识别处理装置140。
其中,图像采集装置110设置于运动载体150上,用于采集物体的图像。该图像采集装置110可以是摄像头、相机等,用于采集目标场景的静态图像或视频流。目标场景中含有物体,该物体可为目标主体或其他物体。这里,目标主体即为要识别的对象物体,如要识别的车辆、消火栓等。
运动载体150是在一定水平高度上运动的物体,例如飞行器、车辆等,图像采集装置110可设置于作为运动载体150的飞行器的底部,或设置于作为运动载体150的车辆的顶部。
测距装置120设置于运动载体150上,其与图像采集装置110之间的距离相对固定,例如,与图像采集装置110固定在基本上同一位置或固定距离的位置。测距装置120可以是例如,但不限于,光电距仪、超声波测距仪等。
测距装置120用于在随运动载体150运动的过程中,感测其与物体所在平面之间的距离数据,由此可获得图像采集装置110的采集位置与物体所在平面之间的距离数据。
存储器130与识别处理装置140电连接,用于存储目标主体的主体特征数据以及目标主体的标识特征数据。所述主体特征数据用于识别目标主体,包括所述目标主体的主体规格、主体色彩及其形成的主体轮廓的数据;所述标识特征数据用于识别具有特定个性特征标识的目标主体,其包括目标主体的个性特征标识的标识色彩及其形成的标识轮廓的数据。
这里,目标主体的主体规格可以是目标主体的长度、宽度、高度等之中的至少一个,用于总体确定目标主体的总体规格、长宽(高)比等。由于目标主体是要识别的特定目标,因此通常限定其主体色彩,该主体色彩可以是一种色彩,也可以是多个色彩的组合。此外,该(一种或多种色彩的)主体色彩形成的轮廓为这里的主体轮廓。该主体轮廓通常与目标主体的形状相对应。例如,绿色的酒瓶、红色的消火栓等。当然,可对目标主体进行整体着色,在此情况下,主体色彩形成的主体轮廓与目标主体的形状相对应;也可以对其进行局部着色,在此情况下,主体色彩形成的主体轮廓不必要与目标主体的形状相对应。
类似地,定义目标主体的个性特征标识的标识色彩及其形成的标识轮廓,以识别具有特定个性特征标识的目标主体。例如,具有黄色三角形个性特征标识的红色消火栓。
识别处理装置140分别与图像采集装置110、测距装置120以及存储器130通信连接,用于执行本发明实施例提出的目标主体识别方法的步骤。识别处理装置140可以是任何具备运算功能的计算设备,例如个人电脑、手机、平板电脑、可编程逻辑电路(PLC)处理器等。稍后将参照图2~图5来详细描述根据本发明实施例提出的目标主体识别方法的处理。
根据本发明实施例的目标主体识别系统100可应用于任何与目标主体识别相关的智能检测/控制领域中。例如,目标主体识别系统100可应用于无人驾驶、无人飞行等领域。此时,该运动载体可以是无人飞行器或无人驾驶车辆,要识别的目标主体可以是无人飞行器或无人驾驶车辆的配件,包括充电桩、充电底座或其他无人飞行器或无人驾驶车辆需要跟踪、识别的器件。
实施例二
为此,本发明实施例提出一种结合色彩和距离的特征信息的目标主体识别解决方案。首先,将彩色图像进行色彩空间转换,再提取多通道的图像色彩特征,进而简捷、准确地获得具有某种颜色的物体轮廓;其次,结合获得的物体轮廓以及距离的信息,较准确地获得物体的大小、比例信息;再结合色彩、轮廓及规格来识别目标主体。此后,再从识别出的目标主体对应的图像区域进行个性特征标识色彩的提取并确定提取出的色彩形成的轮廓,再结合提取的与个性特征标识相关的色彩和轮廓来识别具有特定个性特征标识的目标主体。由此,通过简捷的运算和处理,准确地识别出具有特定个性特征标识的目标主体。同时,也无需对被识别的目标主体进行用于特定信号发射的硬件设置和软件配置,该目标主体识别解决方案具有较广泛的通用性。
图2是示出根据本发明实施例二的目标主体识别方法的流程图。可在前述识别处理装置140中执行该目标主体识别方法的处理。
参照图2,在步骤S210,采集含有物体的第一图像数据,并且获取所述第一图像数据的采集位置与所述物体所在平面之间的距离数据。
具体地,可通过图像采集装置110在其随运动载体150运动(或静止状态)的过程中,采集该第一图像数据,第一图像数据可以是采集的视频流中的视频图像,也可以是采集的静态图像。
此外,可通过测距装置120采集其与所述物体所在平面之间的距离数据。测距装置120在随运动载体150运动的过程中,感测其与物体所在平面之间的距离数据,由此可获得图像采集装置110的采集位置与物体所在平面之间的距离数据。其中,如果测距装置120与通过图像采集装置110之间具有一定的距离,则识别处理装置140可感测到的距离数据以及基于图像采集装置110和测距装置120之间的距离的数据来获得图像采集装置110的采集位置与物体所在平面之间的距离数据。
在步骤S220,对所述第一图像数据进行色彩空间转换。
通常,采集到的第一图像数据为RGB制式的图像数据。R、G、B数值和色彩的三属性没有直接的联系,不能分析色彩之间的关系。它是用于计算机硬件设备的一种色彩表示方法。
色彩空间转换功能是将当前所采集到的RGB制式图像信息,分别对R红、G黄、B蓝三个通道信息进行计算,转换成HSV(亮度\色度\对比度)制式图像信息,将色彩信息与亮度信息进行拆分,排除亮度对色彩的干扰,可以更准确的感知色彩信息,为抽取色彩创造了信息更加丰富的条件。
在该步骤,识别处理装置140可使用适用的色彩空间转换方法来进行步骤S220的处理,例如,将RGB图像数据(第一图像数据)转换为基于HSV(色调、饱和度和明度)颜色模型的HSV制式的图像数据。
在步骤S230,根据经过色彩空间转换的所述第一图像数据和所述距离数据以及目标主体的主体特征数据,确定所述第一图像数据中是否含有所述目标主体,所述主体特征数据包括所述目标主体的主体规格、主体色彩及其形成的主体轮廓的数据。
具体地,在该步骤,可从经过色彩空间转换的第一图像数据获取包括色彩、物体轮廓的特征信息,并且由获取到的色彩、物体轮廓的信息结合在步骤S210获得的距离数据确定所包含物体的规格的特征信息,进而将获取到的前述特征信息与目标主体的主体特征数据进行比对、匹配,从而确定第一图像数据中是否含有某种目标主体。即,如果获取到的前述特征信息与目标主体的主体特征数据匹配,则确定第一图像数据中含有预期的目标主体;反之,则确定第一图像数据中不含有预期的目标主体。
例如,假设要识别红色圆柱状(主体特征)的消火栓,则在步骤S230,从经过色彩空间转换的第一图像数据提取红色的像素点,并且解算红色像素点形成的轮廓;再将红色像素点形成的轮廓与主体特征进行匹配,来确定是否识别出消火栓。
这里,主体特征数据可从存储器130获取,也可以预先加载到系统的高速缓冲存储器中,以随时被调取。
一方面,如果在步骤S230,确定在所述第一图像数据中含有所述目标主体,则继续执行步骤S240。
在步骤S240,根据经过色彩空间转换的所述第一图像数据中所述目标主体对应的第一图像区域以及目标主体的标识特征数据,确定所述第一图像数据中是否含有具有个性特征标识的目标主体。如前所述,所述标识特征数据包括目标主体的个性特征标识的标识色彩及其形成的标识轮廓的数据。
具体地,从确定含有预期的目标主体的第一图像区域中进一步获取预期的个性特征标识对应的色彩、轮廓的特征信息,再将获取到的色彩、轮廓的特征信息与预期的目标主体的个性特征标识的标识色彩及其形成的标识轮廓的数据进行比对/匹配,从而确定第一图像数据中是否含有具有预期的个性特征标识的目标主体。
同理,标识特征数据可从存储器130获取,也可以预先加载到系统的高速缓冲存储器中,以随时被调取。
也就是说,在步骤S230确定第一图像数据中是否包含某种目标主体,在步骤S240,具体确定第一图像数据中是否包含具备哪个标识特征的目标主体(或者说,哪个个体的目标主体)。
另一方面,如果在步骤S230,确定在所述第一图像数据中不含有所述目标主体,则可返回执行步骤S210的处理,继续进行图像采集和距离感测的处理以及后续步骤S220~S240的处理。
图7是示出根据本发明实施例识别出的目标主体的示意图。如图所示,根据步骤S210~S240的处理,先识别出蓝色扁平长方体形状的目标主体710,进而识别出具有红色正方形的个性特征标识720的目标主体710。
根据本发明的一种可选实施方式,用于标识同一目标主体的个性特征的个性特征标识可以是一个或多个。在同一目标主体具有多个个性特征标识的情况下,可针对每个个性特征标识的标识特征数据执行步骤S240的处理,识别出满足多个个性特征标识的标识特征数据的目标主体:根据第一图像区域以及目标主体的多个标识特征数据,确定所述第一图像数据中是否含有具有相应的多个个性特征标识的目标主体。这里,同一目标主体的个性特征标识可以有任意多个。
例如,假设要识别的某个目标主体(如消火栓)具有两个个性特征标识,分别为红色的圆圈和蓝色的三角形,则根据前述处理,需要识别出在其上同时具有红色的圆圈和蓝色的三角形的消火栓。
根据本发明的另一可选实施方式,本发明实施例提出的目标主体识别方法可用于识别属于同一种目标主体的多个具有个性标识特征的个体目标主体。在这种情况下,可预存与多个目标主体分别对应的标识特征数据,并且针对要识别的多个目标主体,在步骤S240,每次根据第一图像区域以及多个标识特征数据之一,确定所述第一图像数据中是否含有具有相应的个性特征标识的目标主体。由此,确定识别到了哪个个体的目标主体。
例如,假设要识别具有不同个性特征标识的三个同一种目标主体(如消火栓),该三个目标主体之一具有红色圆圈的个性特征标识、之二具有黄色方形的个性特征标识、之三具有蓝色三角形的个性特征标识。在这种情况下,可与该三个目标主体分别预存对应的标识特征数据,根据前述处理,识别出在其上具有前述任一个性特征标识的消火栓。
通过前述处理,能够根据从采集的第一图像数据和距离数据,而不仅仅是图像数据,结合要识别的目标主体的特征信息,来准确地识别出目标主体;然后,再获取识别出的目标主体的特征数据(色彩、轮廓),结合目标主体的个性标识特征数据,进一步地准确识别出具有特定特征的目标主体。这种识别处理准确且简捷,易于使用,可通过计算能力有限的计算设备来有效地实现该方法。
实施例三
图3是示出图2中步骤S230的示例性处理的流程图。
参照图3,在步骤S231,从经过色彩空间转换的所述第一图像数据提取与所述主体色彩相应的第一色彩数据。
在该步骤,可通过模式法、非模式法或参数模式法进行主体色彩的提取处理,在此不予赘述。
在步骤S232,确定所述第一图像数据中所述第一色彩数据形成的第一轮廓。
具体地,可根据第一色彩数据对应的各个像素点,确定第一色彩数据形成的第一轮廓。
在步骤S233,根据所述图像采集装置110的拍摄参数和所述距离数据,获取所述第一轮廓对应的各个像素点在以所述图像采集装置110为坐标原点的三维坐标系中对应的空间三维坐标。
以第一轮廓对应的各个像素点在第一图像数据中的位置、用于成像的拍摄参数和前述步骤S210获取到的距离数据作为参数,可获得各个像素点的空间三维坐标。图8是示出由成像的物体到其对应的三维空间坐标的转换的原理示意图。可以看出,在将成像的物体像素点转换为空间三维坐标之后,便于确定物体的实际大小/规格。
具体地,例如,可根据下式计算像素点(X,Y)的空间三维坐标(X1,Y1,Z1):
其中,Fx、Fy是图像采集装置110的焦距,Cx、Cy是图像采集装置110光心的成像像素坐标,H是摄像头与欲识别的物体所在基准平面的距离。
在此,由于引入了图像采集装置110与欲识别的物体之间的相对位置关系参数,能够解算得出成像的第一图像数据中欲识别的物体的各个像素点的空间三维坐标,以还原物体的实际规格,以进行更为精确的目标主体识别。例如,可排除形状相似,但规格比例有差别的相似目标。
这里,需要注意,为了形成物体在三维空间中的位置和规格,需要采集到角度适宜且距离适宜的图像,以能够实际进行三维坐标的解算。因此,根据本发明的可选实施方式,可在执行步骤S233的处理前,先检查第一轮廓上的像素点是否满足形成空间三维坐标的条件,例如,像素点的个数是否足够,达到例如12个的标准。只有在满足形成空间三维坐标的条件时,才执行步骤S233的处理。
如果所述第一轮廓上的像素点不满足形成空间三维坐标的条件,则返回执行步骤S210的处理,重新进行图像采集。
在步骤S234,根据各个所述像素点的空间三维坐标确定规格数据。
在获得各个像素点的空间三维坐标之后,可根据部分像素点的空间三维坐标计算例如长度、高度、宽度等的规格数据。
在步骤S235,根据所述第一色彩数据、所述规格数据、所述第一轮廓的数据以及所述主体特征数据,确定所述第一图像数据中是否含有所述目标主体。
具体地,将在前述步骤获得的第一色彩数据、所述规格数据、所述第一轮廓的数据和(例如存储器130中的)主体特征数据一一进行比对、匹配,确定第一图像数据中是否含有欲识别的目标主体。
实施例四
图4是示出图2中步骤S240的示例性处理的流程图。
参照图4,在步骤S241,根据所述第一轮廓的数据确定所述第一图像区域。
也就是说,根据第一图像数据中第一轮廓对应的像素点来确定识别出的目标主体对应的第一图像区域。该第一图像区域可以是第一轮廓的外接矩形,也可以较该外接矩形的扩展区域,例如外接矩形的1.1倍、1.2倍的区域。
在步骤S242,从所述第一图像区域内提取与所述标识色彩相应的第二色彩数据。
例如,假设标识特征数据指示蓝色、方形,则在第一图像区域内提取蓝色的第二色彩数据。
在步骤S243,确定所述第一图像数据中所述第二色彩数据形成的第二轮廓。
类似地,可根据第二色彩数据对应的各个像素点,确定第二色彩数据形成的第二轮廓,以进一步确定是否符合预期的标识特征。
在步骤S244,根据所述第二色彩数据、所述第二轮廓的数据以及所述标识特征数据,确定所述第一图像数据中是否含有具有所述个性特征标识的目标主体。
类似地,将在前述步骤获得的第二色彩数据、所述第二轮廓的数据和(例如存储器130中的)标识特征数据一一进行比对、匹配,确定第一图像数据中是否含某个目标主体,该某个目标主体应具有前述的个性特征标识。
由此,可仅对已检测到目标主体的图像区域进行个性特征标识的色彩提取和轮廓解算处理,进而检测确定第一图像数据中是否含有具有特定个性特征标识的目标主体,在准确地进行目标主体识别的同时,还可降低用于个性特征标识的色彩提取和轮廓解算涉及的运算量。
实施例五
图5是示出根据本发明实施例五的目标主体识别方法的流程图。
在该实施例中,图像采集装置110用于采集视频流数据。
参照图5,在步骤S510,对通过图像采集装置110采集的视频流进行采样,获得当前的第一图像数据(视频帧),并且获取所述第一图像数据的采集位置与所述物体所在平面之间的距离数据。
在步骤S520,对所述第一图像数据进行色彩空间转换。该步骤的处理与前述步骤S220类似,在此不予赘述。
在步骤S530,对经过色彩空间转换的所述第一图像数据执行亮度补偿。
对在极端(如极黑或极白)的情况下,分通道取阈值会造成较大遗漏,许多点会因光线的原因被误检为黑色点或白色点。在色彩空间转换的基础上,获取第一图像的亮度值,并根据亮度值对色调阈值进行调节。例如,对于亮度值超过预定亮度补偿上限阈值的像素点,降低这些像素点的亮度值;对于亮度值低于亮度补偿下限阈值的像素点,提高这些像素点的亮度值,以此避免漏检的现象,提高对目标色彩提取的精确度。
在运动载体150持续移动的情况下,需要持续地进行目标主体识别。因此,在先前已经对视频流中在先采样的第二图像数据已进行过步骤S220~S230的处理,并且检测得到过目标主体的位置的情况下,可执行下述步骤S540~S550。
在步骤S540,确定有否在所述视频流中先前的第二图像数据中已检测到所述目标主体的位置。
如果确定在所述视频流中先前的第二图像数据中已检测到所述目标主体的位置,则在步骤S550,通过卡尔曼滤波方法,根据在所述视频流中先前的第二图像数据中已检测到的所述目标主体的位置,预估所述目标主体在所述视频流中当前的所述第一图像数据中所在的第二图像区域。
卡尔曼滤波可以在含有不确定信息的动态系统中,对目标下一步的走向做出有根据的预测,即使有各种干扰,卡尔曼滤波能对欲识别目标轨迹的做出真实的分析。
在该步骤,通过已检测到的所述目标主体的位置,使用卡尔曼滤波的方法对目标主体进行跟踪和锁定,预测目标主体在当前的所述第一图像数据中存在的第二图像区域,从而缩小目标锁定的范围,以提高目标主体识别的处理与计算的效率。
在步骤S560,根据所述第二图像区域对应的图像数据和所述距离数据以及目标主体的主体特征数据,确定所述第一图像数据中是否含有所述目标主体。
具体地,仅从图像的局部区域(第二图像区域)而不是第一图像数据的全局区域进行色彩提取以及目标主体识别处理。该步骤的处理与步骤S230的处理类似。
步骤S570的处理与前述步骤S240的处理类似,在此不予赘述。
如果确定在所述视频流中先前的第二图像数据中已检测到所述目标主体的位置,则可执行步骤S230~S240。
实施例六
根据本发明实施例六提供一种计算机可读存储介质,其上存储有计算机程序指令,其中,所述程序指令被处理器执行时实现前述任一目标主体识别方法的步骤。例如,通过图像采集装置采集含有物体的第一图像数据,并且获取所述第一图像数据的采集位置与所述物体所在平面之间的距离数据;对所述第一图像数据进行色彩空间转换;根据经过色彩空间转换的所述第一图像数据和所述距离数据以及目标主体的主体特征数据,确定所述第一图像数据中是否含有所述目标主体,所述主体特征数据包括所述目标主体的主体规格、主体色彩及其形成的主体轮廓的数据;如果确定在所述第一图像数据中含有所述目标主体,则根据经过色彩空间转换的所述第一图像数据中所述目标主体对应的第一图像区域以及目标主体的标识特征数据,确定所述第一图像数据中是否含有具有个性特征标识的目标主体,所述标识特征数据包括目标主体的个性特征标识的标识色彩及其形成的标识轮廓的数据。
该计算机可读存储介质用于实现前述方法实施例中相应的目标主体识别方法,并具有相应的方法实施例的有益效果,在此不再赘述。
实施例七
图6是示出根据本发明实施例七的电子设备的结构示意图。
本发明实施例还提供了一种电子设备,例如可以是移动终端、个人计算机(PC)、平板电脑、服务器等。下面参考图6,其示出了适于用来实现本发明实施例的终端设备或服务器的电子设备600的结构示意图。
如图6所示,电子设备600包括一个或多个第一处理器、第一通信元件等,所述一个或多个第一处理器例如:一个或多个第一中央处理单元(CPU)601,和/或一个或多个第一图像处理器(GPU)613等,第一处理器可以根据存储在第一只读存储器(ROM)602中的可执行指令或者从第一存储部分608加载到第一随机访问存储器(RAM)603中的可执行指令而执行各种适当的动作和处理。第一通信元件包括第一通信组件612和第一通信接口609。其中,第一通信组件612可包括但不限于网卡,所述网卡可包括但不限于IB(Infiniband)网卡,第一通信接口609包括诸如LAN卡、调制解调器等的网络接口卡的通信接口,第一通信接口609经由诸如因特网的网络执行通信处理。
第一处理器可与第一只读存储器602和/或第一随机访问存储器630中通信以执行可执行指令,通过第一总线604与第一通信组件612相连、并经第一通信组件612与其他目标设备通信,从而完成本发明实施例提供的任一项方法对应的操作,例如,通过图像采集装置采集含有物体的第一图像数据,并且获取所述第一图像数据的采集位置与所述物体所在平面之间的距离数据;对所述第一图像数据进行色彩空间转换;根据经过色彩空间转换的所述第一图像数据和所述距离数据以及目标主体的主体特征数据,确定所述第一图像数据中是否含有所述目标主体,所述主体特征数据包括所述目标主体的主体规格、主体色彩及其形成的主体轮廓的数据;如果确定在所述第一图像数据中含有所述目标主体,则根据经过色彩空间转换的所述第一图像数据中所述目标主体对应的第一图像区域以及目标主体的标识特征数据,确定所述第一图像数据中是否含有具有个性特征标识的目标主体,所述标识特征数据包括目标主体的个性特征标识的标识色彩及其形成的标识轮廓的数据。
此外,在第一RAM 603中,还可存储有装置操作所需的各种程序和数据。第一CPU601、第一ROM602以及第一RAM603通过第一总线604彼此相连。在有第一RAM603的情况下,第一ROM602为可选模块。第一RAM603存储可执行指令,或在运行时向第一ROM602中写入可执行指令,可执行指令使第一处理器601执行上述通信方法对应的操作。第一输入/输出(I/O)接口605也连接至第一总线604。第一通信组件612可以集成设置,也可以设置为具有多个子模块(例如多个IB网卡),并在总线链接上。
以下部件连接至第一I/O接口605:包括键盘、鼠标等的第一输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的第一输出部分607;包括硬盘等的第一存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的第一通信接口609。第一驱动器610也根据需要连接至第一I/O接口605。第一可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在第一驱动器610上,以便于从其上读出的计算机程序根据需要被安装入第一存储部分608。
需要说明的是,如图6所示的架构仅为一种可选实现方式,在具体实践过程中,可根据实际需要对上述图6的部件数量和类型进行选择、删减、增加或替换;在不同功能部件设置上,也可采用分离设置或集成设置等实现方式,例如GPU和CPU可分离设置或者可将GPU集成在CPU上,第一通信组件612可分离设置,也可集成设置在CPU或GPU上,等等。这些可替换的实施方式均落入本发明的保护范围。
特别地,根据本发明实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明实施例包括一种计算机程序产品,其包括有形地包含在机器可读介质上的计算机程序,计算机程序包含用于执行流程图所示的方法的程序代码,程序代码可包括对应执行本发明实施例提供的方法步骤对应的指令,例如,用于通过图像采集装置采集含有物体的第一图像数据,并且获取所述第一图像数据的采集位置与所述物体所在平面之间的距离数据的指令;用于对所述第一图像数据进行色彩空间转换;用于根据经过色彩空间转换的所述第一图像数据和所述距离数据以及目标主体的主体特征数据,确定所述第一图像数据中是否含有所述目标主体的指令,所述主体特征数据包括所述目标主体的主体规格、主体色彩及其形成的主体轮廓的数据;用于如果确定在所述第一图像数据中含有所述目标主体,则根据经过色彩空间转换的所述第一图像数据中所述目标主体对应的第一图像区域以及目标主体的标识特征数据,确定所述第一图像数据中是否含有具有个性特征标识的目标主体的指令,所述标识特征数据包括目标主体的个性特征标识的标识色彩及其形成的标识轮廓的数据。在这样的实施例中,该计算机程序可以通过通信元件从网络上被下载和安装,和/或从第一可拆卸介质611被安装。在该计算机程序被第一中央处理单元(CPU)601执行时,执行本发明实施例的方法中限定的上述功能。
需要指出,根据实施的需要,可将本申请中描述的各个部件/步骤拆分为更多部件/步骤,也可将两个或多个部件/步骤或者部件/步骤的部分操作组合成新的部件/步骤,以实现本发明实施例的目的。
可能以许多方式来实现本发明的方法和装置、设备。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本发明实施例的方法和装置、设备。用于方法的步骤的上述顺序仅是为了进行说明,本发明实施例的方法的步骤不限于以上具体描述的顺序,除非以其它方式特别说明。此外,在一些实施例中,还可将本发明实施为记录在记录介质中的程序,这些程序包括用于实现根据本发明实施例的方法的机器可读指令。因而,本发明还覆盖存储用于执行根据本发明的方法的程序的记录介质。
本发明实施例的描述是为了示例和描述起见而给出的,而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用,并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。
Claims (10)
1.一种目标主体识别方法,包括:
通过图像采集装置采集含有物体的第一图像数据,并且通过测距装置获取所述第一图像数据的采集位置与所述物体所在平面之间的距离数据;
对所述第一图像数据进行色彩空间转换;
根据经过色彩空间转换的所述第一图像数据和所述距离数据以及目标主体的主体特征数据,确定所述第一图像数据中是否含有所述目标主体,所述主体特征数据包括所述目标主体的主体规格、主体色彩及其形成的主体轮廓的数据;
如果确定在所述第一图像数据中含有所述目标主体,则根据经过色彩空间转换的所述第一图像数据中所述目标主体对应的第一图像区域以及目标主体的标识特征数据,确定所述第一图像数据中是否含有具有个性特征标识的目标主体,所述标识特征数据包括目标主体的个性特征标识的标识色彩及其形成的标识轮廓的数据,
其中,所述根据经过色彩空间转换的所述第一图像数据和所述距离数据以及目标主体的主体特征数据,确定所述第一图像数据中是否含有所述目标主体,包括:
从经过色彩空间转换的所述第一图像数据提取与所述主体色彩相应的第一色彩数据;
确定所述第一图像数据中所述第一色彩数据形成的第一轮廓;
根据所述图像采集装置的拍摄参数和所述距离数据,获取所述第一轮廓对应的各个像素点在以所述图像采集装置为坐标原点的三维坐标系中对应的空间三维坐标;
根据各个所述像素点的空间三维坐标确定规格数据;
根据所述第一色彩数据、所述规格数据、所述第一轮廓的数据以及所述主体特征数据,确定所述第一图像数据中是否含有所述目标主体。
2.根据权利要求1所述的方法,其中,在确定所述第一图像数据中所述第一色彩数据形成的第一轮廓之后,所述方法还包括:
如果所述第一轮廓上的像素点不满足形成空间三维坐标的条件,则返回执行采集含有物体的第一图像数据的处理。
3.根据权利要求1所述的方法,其中,所述根据经过色彩空间转换的所述第一图像数据中所述目标主体对应的第一图像区域以及目标主体的标识特征数据,确定所述第一图像数据中是否含有具有个性特征标识的目标主体,包括:
根据所述第一轮廓的数据确定所述第一图像区域;
从所述第一图像区域内提取与所述标识色彩相应的第二色彩数据;
对提取的所述第二色彩数据进行解算分析,获取在所述第一图像数据中所述第二色彩数据形成的第二轮廓;
根据所述第二色彩数据、所述第二轮廓的数据以及所述标识特征数据,确定所述第一图像数据中是否含有具有所述个性特征标识的目标主体。
4.根据权利要求3所述的方法,其中,在对所述第一图像数据进行色彩空间转换之后,所述方法还包括:
对经过色彩空间转换的所述第一图像数据执行亮度补偿。
5.根据权利要求3所述的方法,其中,所述根据经过色彩空间转换的所述第一图像数据中所述目标主体对应的第一图像区域以及目标主体的标识特征数据,确定所述第一图像数据中是否含有具有个性特征标识的目标主体,包括:
根据所述第一图像区域以及目标主体的任一标识特征数据,确定所述第一图像数据中是否含有具有相应的个性特征标识的目标主体;或者,
根据所述第一图像区域以及目标主体的多个标识特征数据,确定所述第一图像数据中是否含有具有相应的多个个性特征标识的目标主体。
6.根据权利要求1~5中任一项所述的方法,其中,所述图像采集装置用于采集视频流数据;
所述根据经过色彩空间转换的所述第一图像数据和所述距离数据以及目标主体的主体特征数据,确定所述第一图像数据中是否含有所述目标主体,包括:
通过卡尔曼滤波方法,根据在所述视频流中先前的第二图像数据中已检测到的所述目标主体的位置,预估所述目标主体在所述视频流中当前的所述第一图像数据中所在的第二图像区域;
根据所述第二图像区域对应的图像数据和所述距离数据以及目标主体的主体特征数据,确定所述第一图像数据中是否含有所述目标主体。
7.一种目标主体识别系统,包括图像采集装置、测距装置、存储器和识别处理装置,其中,
所述图像采集装置设置于运动载体上,用于采集物体的图像;
所述测距装置设置于所述运动载体上,用于感测其与所述物体所在平面之间的距离数据;
存储器,与所述识别处理装置电连接,用于存储目标主体的主体特征数据以及目标主体的标识特征数据,所述主体特征数据包括所述目标主体的主体规格、主体色彩及其形成的主体轮廓的数据,所述标识特征数据包括目标主体的个性特征标识的标识色彩及其形成的标识轮廓的数据;
识别处理装置,分别与所述存储器、所述图像采集装置和所述测距装置通信连接,用于执行如权利要求1~6中任一项所述的目标主体识别方法的步骤。
8.根据权利要求7所述的目标主体识别系统,其中,所述运动载体为无人飞行器,所述目标主体为所述无人飞行器的配件。
9.一种计算机可读存储介质,其上存储有计算机程序指令,其中,所述程序指令被处理器执行时实现权利要求1~6中任一项所述目标主体识别方法的步骤。
10.一种电子设备,包括:处理器、存储器、通信元件和通信总线,所述处理器、所述存储器和所述通信元件通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如权利要求1~6中任一项所述目标主体识别方法对应的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910041340.1A CN109753945B (zh) | 2019-01-16 | 2019-01-16 | 目标主体识别方法、装置、存储介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910041340.1A CN109753945B (zh) | 2019-01-16 | 2019-01-16 | 目标主体识别方法、装置、存储介质和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109753945A CN109753945A (zh) | 2019-05-14 |
CN109753945B true CN109753945B (zh) | 2021-07-13 |
Family
ID=66405922
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910041340.1A Active CN109753945B (zh) | 2019-01-16 | 2019-01-16 | 目标主体识别方法、装置、存储介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109753945B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110238850A (zh) * | 2019-06-13 | 2019-09-17 | 北京猎户星空科技有限公司 | 一种机器人控制方法及装置 |
CN111027540B (zh) * | 2019-11-08 | 2024-06-04 | 深兰机器人(上海)有限公司 | 一种寻找目标对象的方法和设备 |
CN110784653A (zh) * | 2019-11-20 | 2020-02-11 | 香港光云科技有限公司 | 基于飞行时间的动态对焦方法及其摄像装置 |
CN111402314A (zh) * | 2019-12-30 | 2020-07-10 | 香港光云科技有限公司 | 材质属性参数获取方法及装置 |
CN116320346B (zh) * | 2023-05-17 | 2023-08-29 | 山东矩阵软件工程股份有限公司 | 一种将图像rgb色彩数据转换为多维数据进行综合分析的方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102024148A (zh) * | 2011-01-07 | 2011-04-20 | 四川川大智胜软件股份有限公司 | 一种出租车绿色标志识别方法 |
CN102881024A (zh) * | 2012-08-24 | 2013-01-16 | 南京航空航天大学 | 一种基于tld的视频目标跟踪方法 |
CN103544484A (zh) * | 2013-10-30 | 2014-01-29 | 广东工业大学 | 一种基于surf的交通标志识别方法及系统 |
CN105518702A (zh) * | 2014-11-12 | 2016-04-20 | 深圳市大疆创新科技有限公司 | 一种对目标物体的检测方法、检测装置以及机器人 |
CN107944501A (zh) * | 2017-12-11 | 2018-04-20 | 北京小米移动软件有限公司 | 图像识别方法及装置 |
CN108009576A (zh) * | 2017-11-28 | 2018-05-08 | 中国地质大学(武汉) | 一种目标匹配的物体识别方法、设备及存储设备 |
CN108282702A (zh) * | 2015-02-24 | 2018-07-13 | 拍搜有限公司 | 用于识别相关媒体内容的方法和系统 |
WO2018187451A1 (en) * | 2017-04-05 | 2018-10-11 | Ring Inc. | Augmenting and sharing data from audio/video recording and communication devices |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5924091B2 (ja) * | 2012-04-13 | 2016-05-25 | 株式会社リコー | 画像処理装置、画像処理システム、プログラム |
CN108388732B (zh) * | 2018-02-27 | 2021-11-05 | 中国人民解放军空军工程大学 | 掠海目标多径散射特性仿真计算方法及系统 |
-
2019
- 2019-01-16 CN CN201910041340.1A patent/CN109753945B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102024148A (zh) * | 2011-01-07 | 2011-04-20 | 四川川大智胜软件股份有限公司 | 一种出租车绿色标志识别方法 |
CN102881024A (zh) * | 2012-08-24 | 2013-01-16 | 南京航空航天大学 | 一种基于tld的视频目标跟踪方法 |
CN103544484A (zh) * | 2013-10-30 | 2014-01-29 | 广东工业大学 | 一种基于surf的交通标志识别方法及系统 |
CN105518702A (zh) * | 2014-11-12 | 2016-04-20 | 深圳市大疆创新科技有限公司 | 一种对目标物体的检测方法、检测装置以及机器人 |
CN108282702A (zh) * | 2015-02-24 | 2018-07-13 | 拍搜有限公司 | 用于识别相关媒体内容的方法和系统 |
WO2018187451A1 (en) * | 2017-04-05 | 2018-10-11 | Ring Inc. | Augmenting and sharing data from audio/video recording and communication devices |
CN108009576A (zh) * | 2017-11-28 | 2018-05-08 | 中国地质大学(武汉) | 一种目标匹配的物体识别方法、设备及存储设备 |
CN107944501A (zh) * | 2017-12-11 | 2018-04-20 | 北京小米移动软件有限公司 | 图像识别方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109753945A (zh) | 2019-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109753945B (zh) | 目标主体识别方法、装置、存储介质和电子设备 | |
CN108364010B (zh) | 一种车牌识别方法、装置、设备及计算机可读存储介质 | |
US9824294B2 (en) | Saliency information acquisition device and saliency information acquisition method | |
CN109887040B (zh) | 面向视频监控的运动目标主动感知方法及系统 | |
EP3093820B1 (en) | Vehicle-surroundings recognition device | |
KR101261409B1 (ko) | 영상 내 노면표시 인식시스템 | |
JP4429298B2 (ja) | 対象個数検出装置および対象個数検出方法 | |
CN112435300B (zh) | 定位方法及装置 | |
US20190258852A1 (en) | Image processing apparatus, image processing system, image processing method, and program | |
US20190384969A1 (en) | Image processing apparatus, image processing system, image processing method, and program | |
JP4762026B2 (ja) | 道路標識データベース構築装置 | |
CN112926463B (zh) | 一种目标检测方法和装置 | |
US20210090260A1 (en) | Deposit detection device and deposit detection method | |
CN110910379B (zh) | 一种残缺检测方法及装置 | |
JP4918615B2 (ja) | 対象個数検出装置および対象個数検出方法 | |
CN112115737B (zh) | 一种车辆朝向的确定方法、装置及车载终端 | |
CN114897999B (zh) | 物体位姿识别方法、电子设备、存储介质和程序产品 | |
CN109919973A (zh) | 基于多特征联合的多视角目标关联方法、系统及介质 | |
CN113449629B (zh) | 基于行车视频的车道线虚实识别装置、方法、设备及介质 | |
CN110688876A (zh) | 一种基于视觉的车道线检测方法及装置 | |
JP4674920B2 (ja) | 対象個数検出装置および対象個数検出方法 | |
CN111833384B (zh) | 一种可见光和红外图像快速配准方法及装置 | |
JP4476820B2 (ja) | 車色判定装置及び車両検索システム | |
CN113518179A (zh) | 视频大范围内物体识别定位方法及装置 | |
JP7086892B2 (ja) | 対象の情報を接地点含有画像領域から推定する装置、プログラム及び方法 |
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 |