CN110598712A - 物体位置识别方法、装置、计算机设备及存储介质 - Google Patents

物体位置识别方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN110598712A
CN110598712A CN201910802906.8A CN201910802906A CN110598712A CN 110598712 A CN110598712 A CN 110598712A CN 201910802906 A CN201910802906 A CN 201910802906A CN 110598712 A CN110598712 A CN 110598712A
Authority
CN
China
Prior art keywords
image
original images
images
frames
target object
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
Application number
CN201910802906.8A
Other languages
English (en)
Other versions
CN110598712B (zh
Inventor
陈增源
李应樵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
World Wide Research Ltd
Original Assignee
World Wide Research Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by World Wide Research Ltd filed Critical World Wide Research Ltd
Priority to CN201910802906.8A priority Critical patent/CN110598712B/zh
Publication of CN110598712A publication Critical patent/CN110598712A/zh
Application granted granted Critical
Publication of CN110598712B publication Critical patent/CN110598712B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G06V10/245—Aligning, centring, orientation detection or correction of the image by locating a pattern; Special marks for positioning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/80—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in fisheries management
    • Y02A40/81—Aquaculture, e.g. of fish

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种物体位置识别方法、装置、计算机设备及存储介质，该物体位置识别方法包括：获取对同一位置拍摄得到的多帧原始图像；将多帧原始图像进行叠加，获取叠加图像；判断叠加图像中是否存在干扰图案；若存在干扰图案，对多帧原始图像中的图像噪声进行降噪处理，得到降噪处理后的待识别图像；基于待识别图像，识别目标物体位置。本发明提供的技术方案将多帧原始图像进行叠加，获取叠加后的叠加图像，判断叠加图像中是否存在干扰图案，若存在则对原始图像中的图像噪声进行降噪处理，得到降噪处理后的待识别图像，实现把目标物体从原始图像的背景中区分出来，识别目标物体位置，提高了目标物体位置识别的准确性。

Description

物体位置识别方法、装置、计算机设备及存储介质
技术领域
本发明涉及物体位置识别方法领域，尤其涉及一种物体位置识别方法、装置、计算机设备及存储介质。
背景技术
在拍摄图像或者视频时，在某些情况下，会出现目标物体与背景的划分不明显情况，例如，从远距离拍摄空中的飞鸟或者水中的鱼；通常地，采用图像处理技术从图像的颜色和轮廓对目标物体与背景进行划分，但是背景的颜色与目标物体的颜色非常接近，导致目标物体位置识别的准确性低。
发明内容
本发明实施例提供一种物体位置识别方法、装置、计算机设备及存储介质，以解决物体位置识别方法问题。
一种物体位置识别方法，包括：
获取对同一位置拍摄得到的多帧原始图像；
将多帧所述原始图像进行叠加，获取叠加图像；
判断所述叠加图像中是否存在干扰图案；
若存在所述干扰图案，对多帧所述原始图像中的图像噪声进行降噪处理，得到降噪处理后的待识别图像；
基于待识别图像，识别目标物体位置。
一种物体位置识别装置，包括：
原始图像获取模块，获取对同一位置拍摄得到的多帧原始图像；
叠加图像获取模块，将多帧所述原始图像进行叠加，获取叠加图像；
干扰图案判断模块，判断所述叠加图像中是否存在干扰图案；
目标物体噪声确定模块，若存在所述干扰图案，对多帧所述原始图像中的图像噪声进行降噪处理，得到降噪处理后的待识别图像；
目标物体位置识别模块，基于待识别图像，识别目标物体位置。
一种计算机设备，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上述物体位置识别方法的步骤。
一种计算机可读存储介质，所述计算机可读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物体位置识别方法的步骤。
上述物体位置识别方法、装置、计算机设备及存储介质，通过获取对同一位置拍摄得到的多帧原始图像，然后将多帧所述原始图像进行叠加，获取叠加图像，然后判断所述叠加图像中是否存在干扰图案，接着若存在所述干扰图案，对多帧所述原始图像中的图像噪声进行降噪处理，得到降噪处理后的待识别图像，最后基于待识别图像，识别目标物体位置。将多帧原始图像进行叠加，获取叠加后的叠加图像，判断叠加图像中是否存在干扰图案，若存在则对原始图像中的图像噪声进行降噪处理，得到降噪处理后的待识别图像，从而实现把目标物体从原始图像的背景中区分出来，识别目标物体位置，提高了目标物体位置识别的准确性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一实施例中物体位置识别方法的一系统架构示意图；
图2是本发明一实施例中物体位置识别方法的一流程图；
图3是本发明一实施例中物体位置识别方法的另一流程图；
图4是本发明一实施例中物体位置识别方法的另一流程图；
图5是本发明一实施例中物体位置识别方法的另一流程图；
图6是本发明一实施例中物体位置识别方法的另一流程图；
图7是本发明一实施例中物体位置识别装置的一原理框图；
图8是本发明一实施例中物体位置识别装置中的叠加图像获取模块的一原理框图；
图9是本发明一实施例中物体位置识别装置中的叠加图像获取模块的另一原理框图；
图10是本发明一实施例中计算机设备的一示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供的物体位置识别方法，可应用在如图1的系统架构中，其中，计算机设备与摄像设备连接，计算机设备获取对同一位置拍摄得到的多帧原始图像；将多帧所述原始图像进行叠加，获取叠加图像；判断所述叠加图像中是否存在干扰图案；若存在所述干扰图案，对多帧所述原始图像中的图像噪声进行降噪处理，得到降噪处理后的待识别图像；基于待识别图像，识别目标物体位置。其中，计算机设备但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。
在一实施例中，如图2所示，提供一种物体位置识别方法，包括如下步骤：
S10：获取对同一位置拍摄得到的多帧原始图像。
其中，原始图像为用户通过摄像设备对同一位置进行连续拍摄后形成的多帧图像，或者从用户通过摄像设备对同一位置进行视频拍摄得到视频流，并从视频流提取图像得到上述多帧原始图像。也就是获取某个区域的多帧图像，例如，用户从手机从远距离对准天空中的某个区域进行连续拍摄多张照片或者视频，或者对准水里的某个区域连续拍摄图像或者录制视频，从而得到上述多帧原始图像。
S20：将多帧所述原始图像进行叠加，获取叠加图像。
其中，叠加图像是指多帧图像进行叠加后形成的图像，该步骤可以将得到的多帧所述原始图像进行叠加，获取叠加图像。
可选地，叠加的方式可以为采用Matlab中的imlincomb函数或者imadd函数对图像帧进行累加的处理过程，还可以为采用图像叠加技术对拍摄的粒子图像进行灰度相加的处理过程。
S30：判断所述叠加图像中是否存在干扰图案。
干扰图案是指图像中因存在物体表面特质，在图像叠加后出现的规则性图案。通过判断叠加图像中是否存在非随机性的造成，从而判断所述叠加图像中是否存在干扰图案。
若所述叠加图像中存在干扰图案，则说明拍摄的原始图像中存在目标物体，若所述叠加图像中不存在干扰图案，则说明原始图像中不存在目标物体，则不需要对原始图像进行目标物位置的识别。
S40：若存在所述干扰图案，对多帧所述原始图像中的图像噪声进行降噪处理，得到降噪处理后的待识别图像。
背景噪声是指图像的背景部分的噪声，其中背景噪声是随机性的，会在背景范围内的任何位置出现。目标物体噪声是指图像或者视频流的被拍摄物体部分的噪声，其中目标物体噪声是非随机性的，且会在原始图像叠加后产生干扰图案。
可选地，降噪处理可以为平均化操作、中值滤波、均值滤波或者维纳滤波等，其中设置滤波器过滤噪声信号可以采用但不限于低通滤波、中值滤波、方向滤波等常用的滤波器。
本方案采用平均化操作对原始图像中的图像噪声进行降噪处理，得到降噪处理后的待识别图像。
S50：基于待识别图像，识别目标物体位置。
目标物体位置是指目标物体在图像中存在的位置。基于待识别图像，获取目标物体噪声，从而获取该目标物体噪声的像素位置，通过所述像素位置识别出物体的位置。
在图2对应的实施例中，通过获取对同一位置拍摄得到的多帧原始图像，然后将多帧所述原始图像进行叠加，获取叠加图像，判断所述叠加图像中是否存在干扰图案，接着若存在所述干扰图案，对多帧所述原始图像中的图像噪声进行降噪处理，得到降噪处理后的待识别图像；最后基于待识别图像，识别目标物体位置。将多帧原始图像进行叠加，获取叠加后的叠加图像，判断叠加图像中是否存在干扰图案，若存在则对原始图像中的图像噪声进行降噪处理，得到降噪处理后的待识别图像，从而实现把目标物体从原始图像的背景中区分出来，识别目标物体位置，提高了目标物体位置识别的准确性。
在一实施例中。如图3所示，步骤S20中，即将多帧所述原始图像进行叠加，获取叠加图像，具体包括如下步骤：
S21：判断两连续的所述原始图像之间的位置是否存在相对偏移。
在所述原始图像上标记某几像素位置为关键点的位置，通过判断两连续的原始图像之间的关键点的位置是否存在相对偏移，来判断两连续的所述原始图像之间的位置是否存在相对偏移。
S22：若两连续的所述原始图像之间的位置是存在相对偏移，则将多帧所述原始图像进行叠加，获取叠加图像。
若两连续的所述原始图像之间的位置存在相对偏移，则直接将多帧所述原始图像进行叠加，获取叠加图像，其中，叠加的方式可以为采用Matlab中的imlincomb函数或者imadd函数对图像帧进行累加的处理过程，还可以为采用图像叠加技术对拍摄的粒子图像进行灰度相加的处理过程。
在图3对应的实施例中，判断两连续的所述原始图像之间的位置是否存在相对偏移；若两连续的所述原始图像之间的位置是存在相对偏移，则直接将多帧所述原始图像进行叠加，获取叠加图像；对存在相对偏移的两连续的所述原始图像进行叠加，形成叠加图像，能够使得目标物体的非随机性噪声在图像叠加后产生清晰的干扰图案。
在另一实施例中，如图4所示，步骤S21之后，即判断两连续的所述原始图像之间的位置是否存在相对偏移之后，具体还包括如下步骤：
S23：若两连续的所述原始图像之间的位置是不存在相对偏移，则将多帧所述原始图像向各个不同方向进行转移处理，获得所述多帧原始图像对应的多帧偏移图像。
偏移图像是指两连续的原始图像之间的关键点位置存在相对偏移的图像；若两连续的所述原始图像之间的位置不存在相对偏移，则将多帧所述原始图像向各个不同方向进行以像素为单位的转移，获取多帧偏移图像；其中，偏移程度不超过预设的像素，所述预设的像素是指预定的像素值。
S24：将所述多帧偏移图像进行叠加，得到所述叠加图像。
将多帧所述偏移图像进行叠加，获取叠加图像，其中，叠加的方式可以为采用Matlab中的imlincomb函数或者imadd函数对偏移图像进行累加的处理过程，还可以为采用图像叠加技术对拍摄的粒子图像进行灰度相加的处理过程。
在图4对应的实施例中，若两连续的所述原始图像之间的位置是不存在相对偏移，则将多帧所述原始图像向各个不同方向进行转移处理，获得所述多帧原始图像对应的多帧偏移图像；将所述多帧偏移图像进行叠加，得到所述叠加图像。若两连续的所述原始图像之间的位置是不存在相对偏移，为了获取明显的干扰图案，需要将多帧所述原始图像向各个不同方向进行转移，获得多帧偏移图像，再将所述多帧偏移图像进行叠加，得到所述叠加图像，从而提高干扰图案的清晰度，从而提高目标物体位置的辨识率。
在另一实施例中，如图5所示，步骤S40，即所述对所述原始图像中的图像噪声进行降噪处理，得到降噪处理后的待识别图像，具体包括如下步骤：
S41：在多帧所述原始图像上标记某几像素为关键点。
关键点是指原始图像的某几像素的位置的点。提取所述原始图像的特征，根据所述特征标记某几像素为关键点。
S42：根据所述关键点的位置，对多帧所述原始图像对齐进行叠加，得到待识别图像。
S43：采用平均化操作对所述待识别图像进行背景降噪处理，得到无背景噪声的所述待识别图像。
在本方案中，根据所述关键点的位置，对多帧所述原始图像对齐进行叠加，得到待识别图像之后，可采用如下公式对叠加得到的待识别图像进行平均化操作，具体的，采用如下平均化公式处理，其中，gi(x,y)为第i帧原始图像，K为原始图像的数量，为多帧所述原始图像对齐进行叠加后的待识别图像。
进一步地，gi(x,y)可以分成两个构成部分gi(x,y)＝fi(x,y)+ni(x,y)；
其中fi(x,y)为gi(x,y)中的理想图像部分信号，ni(x,y)为gi(x,y)中的噪声部分信号。对齐叠加后的待识别图像可采用如下公式进行表示：
其中为平均化操作后的无背景噪声的所述待识别图像，f(x,y)为理想图像部分信号，为噪声信号的平均值；平均化操作能够使得多帧待识别图像的随机性噪声相互抵消，由于图像中背景部分的噪声为随机性，使得噪声信号的平均值为0，从而得到无背景噪声的所述待识别图像
S44：对无背景噪声的所述待识别图像中的目标物体进行去除噪声处理，得到最终的所述待识别图像。
示例性的，可采用傅里叶变换方式对无背景噪声的所述待识别图像中的目标物体进行去除噪声处理：先对无背景噪声图像采用傅里叶变换，具体地，采用如下公式进行傅里叶变换也即对进行傅里叶变换，其中为无背景噪声的所述待识别图像的傅里叶变换，u和v为频率，x＝0,1,2...，M-1，Y＝0,1,2...，N-1；然后通过设置滤波器过滤噪声信号，对傅里叶变换后的对无背景噪声的所述待识别图像中的目标物体进行去除噪声处理；最后采用逆傅里叶变换，得到最终的待识别图像，具体地，采用如下公式进行逆傅里叶变换还原待识别图像其中M*N为无背景噪声图像的大小，最终得到为去除目标物体中的噪声最终的待识别图像。
在图5对应的实施例中，先在多帧所述原始图像上标记某几像素为关键点；根据所述关键点的位置，对多帧所述原始图像对齐进行叠加，得到多帧待识别图像，实现将每个原始图像按照关键点的位置进行叠加，提高原始图像中目标物体的清晰度；然后采用平均化操作对多帧所述待识别图像进行去除背景噪声处理，得到无背景噪声图像，多帧图像叠加时随机性的背景噪声会相互抵消，从而达到降低噪声幅值的目的；再对无背景噪声图像中进行去除目标物体中的噪声处理，去除目标物体中的噪声，得到待识别图像，提高了待识别图像的清晰度。
在另一实施例中，如图6所示，步骤S50之后，即基于待识别图像，识别目标物体位置之后，具体还包括如下步骤：
S60：接收装有复眼微透镜阵列的相机或者摄像机对所述目标物体位置进行拍摄的原始复眼图像。
原始复眼图像是指用户通过装有复眼微透镜阵列的相机或者摄像机对所述目标物体位置进行拍摄后形成的多帧图像；接收装有复眼微透镜阵列的相机或者摄像机对所述目标物体位置进行拍摄的原始复眼图像。
S70：将所述原始复眼图像进行重组，获取合成子孔径图像。
合成子孔径图像是指目标物体经过主镜头某一子孔径范围所成的像；将所述原始复眼图像进行重组，获取合成子孔径图像，其中重组的过程为：原始复眼图像经过主镜头减小光圈后在与微透镜阵列等效的像元阵列上所成的像。
S80：根据所述原始复眼图像对应的每个合成子孔径图像确定所述目标物体在不同角度的投影。
目标物体经过主镜头某一子孔径范围所成的像，刚好对应一个成像视角，所产生的合成子孔径图像是目标物体于该成像视角的投影。当目标物体经过主镜头不同子孔径范围会形成许多个合成子孔径图像，每个合成子孔径图像分别对应不同成像视角，从而产生目标物体于不同角度的投影。
S90：根据所述目标物体在不同角度的投影确定所述目标物体是否为立体物体。
在所述目标物体其中一个视角角度的投影上标记某几个像素为关键点。平面物体的关键点在不同角度的投影的位置变化表现为线性，而立体物体的关键点在不同角度的投影的位置变化通常表现为非线性。通过对比多个关键点于不同角度的投影的位置变化就可以确定所述目标物体是否为立体物体。
在图6对应的实施例中，接收装有复眼微透镜阵列的相机或者摄像机对所述目标物体位置进行拍摄的原始复眼图像；将所述原始复眼图像进行重组，获取合成子孔径图像；根据所述原始复眼图像对应的每个合成子孔径图像确定所述目标物体在不同角度的投影；根据所述目标物体在不同角度的投影确定所述目标物体是否为立体物体。利用装有复眼微透镜阵列的相机或者摄像机拍摄的原始复眼图像，能够获取空间和目标物体的立体信息，从而提高判定目标物体是否立体物体的准确度；根据对比每个所述合成子孔径图像显示出的目标物体不同角度的投影，来确定目标物体位置为立体物体，能够提高判定目标物体是否立体物体的准确度。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
在一实施例中，提供一种物体位置识别装置，该物体位置识别装置与上述实施例中物体位置识别方法一一对应。如图7所示，该物体位置识别装置包括原始图像获取模块10、叠加图像获取模块20、目标物体噪声确定模块30和目标物体位置识别模块40。各功能模块详细说明如下：
原始图像获取模块10，获取对同一位置拍摄得到的多帧原始图像。
叠加图像获取模块20，将多帧所述原始图像进行叠加，获取叠加图像。
干扰图案判断模块30，判断所述叠加图像中是否存在干扰图案。
目标物体噪声确定模块40，若存在所述干扰图案，对多帧所述原始图像中的图像噪声进行降噪处理，得到降噪处理后的待识别图像。
目标物体位置识别模块50，基于待识别图像，识别目标物体位置。
进一步地，如图8所示，叠加图像获取模块20包括位置偏移判断单元21和第一叠加图像获取单元22。
位置偏移判断单元21，判断两连续的所述原始图像之间的位置是否存在相对偏移。
第一叠加图像获取单元22，若两连续的所述原始图像之间的位置是存在相对偏移，则将多帧所述原始图像进行叠加，获取叠加图像。
进一步地，如图9所示，叠加图像获取模块20包括偏移图像获取单元23和第二叠加图像获取单元24。
偏移图像获取单元23，若两连续的所述原始图像之间的位置是不存在相对偏移，则将多帧所述原始图像向各个不同方向进行偏移处理，获得所述多帧原始图像对应的多帧偏移图像；
第二叠加图像获取单元24，将所述多帧偏移图像进行叠加，得到所述叠加图像。
进一步地，目标物体噪声确定模块40包括关键点标记单元、待识别图像获取单元、无背景噪声图像获取单元和降噪后的待识别图像获取单元。
关键点标记单元，在多帧所述原始图像上标记某几像素为关键点；
待识别图像获取单元，根据所述关键点的位置，对多帧所述原始图像对齐进行叠加，得到多帧待识别图像；
无背景噪声图像获取单元，采用平均化操作对所述待识别图像进行背景降噪处理，得到无背景噪声的所述待识别图像；
降噪后的待识别图像获取单元，对无背景噪声的所述待识别图像中的目标物体进行去除噪声处理，得到最终的所述待识别图像。
进一步地，本实施例提供的物体位置识别装置还包括立体物体确定模块，其中立体物体确定模块包括原始复眼图像接收单元、合成子孔径图像获取单元、投影确定单元和立体物体确定单元。
原始复眼图像接收单元，接收装有复眼微透镜阵列的相机或者摄像机对所述目标物体位置进行拍摄的原始复眼图像；
合成子孔径图像获取单元，将所述原始复眼图像进行重组，获取合成子孔径图像；
投影确定单元，根据所述原始复眼图像对应的每个合成子孔径图像确定所述目标物体在不同角度的投影；
立体物体确定单元，根据所述目标物体在不同角度的投影确定所述目标物体是否为立体物体。
关于物体位置识别装置的具体限定可以参见上文中对于物体位置识别方法的限定，在此不再赘述。上述物体位置识别装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储原始图像、叠加图像、偏移图像和原始复眼图像等。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种物体位置识别方法。
在一个实施例中，提供了一种计算机设备，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，处理器执行计算机程序时实现以下步骤：
获取对同一位置拍摄得到的多帧原始图像；
将多帧所述原始图像进行叠加，获取叠加图像；
判断所述叠加图像中是否存在干扰图案；
若存在所述干扰图案，对多帧所述原始图像中的图像噪声进行降噪处理，得到降噪处理后的待识别图像；
基于待识别图像，识别目标物体位置。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取对同一位置拍摄得到的多帧原始图像；
将多帧所述原始图像进行叠加，获取叠加图像；
判断所述叠加图像中是否存在干扰图案；
若存在所述干扰图案，对多帧所述原始图像中的图像噪声进行降噪处理，得到降噪处理后的待识别图像；
基于待识别图像，识别目标物体位置。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种物体位置识别方法，其特征在于，包括：
获取对同一位置拍摄得到的多帧原始图像；
将多帧所述原始图像进行叠加，获取叠加图像；
判断所述叠加图像中是否存在干扰图案；
若存在所述干扰图案，对多帧所述原始图像中的图像噪声进行降噪处理，得到降噪处理后的待识别图像；
基于待识别图像，识别目标物体位置。
2.如权利要求1所述的物体位置识别方法，其特征在于，所述将多帧所述原始图像进行叠加，获取叠加图像，包括：
判断两连续的所述原始图像之间的位置是否存在相对偏移；
若两连续的所述原始图像之间的位置是存在相对偏移，则将多帧所述原始图像进行叠加，获取叠加图像。
3.如权利要求2所述的物体位置识别方法，其特征在于，在所述判断两连续的所述原始图像之间的位置是否存在相对偏移之后，所述方法还包括：
若两连续的所述原始图像之间的位置是不存在相对偏移，则将多帧所述原始图像向各个不同方向进行偏移处理，获得所述多帧原始图像对应的多帧偏移图像；
将所述多帧偏移图像进行叠加，得到所述叠加图像。
4.如权利要求1所述的物体位置识别方法，其特征在于，所述对多帧所述原始图像中的图像噪声进行降噪处理，得到降噪处理后的待识别图像，包括：
在多帧所述原始图像上标记某几像素为关键点；
根据所述关键点的位置，对多帧所述原始图像对齐进行叠加，得到待识别图像；
采用平均化操作对所述待识别图像进行背景降噪处理，得到无背景噪声的所述待识别图像；
对无背景噪声的所述待识别图像中的目标物体进行去除噪声处理，得到最终的所述待识别图像。
5.如权利要求1所述的物体位置识别方法，其特征在于，在所述基于待识别图像，识别目标物体位置之后，还包括：
接收装有复眼微透镜阵列的相机或者摄像机对所述目标物体位置进行拍摄的原始复眼图像；
将所述原始复眼图像进行重组，获取合成子孔径图像；
根据所述原始复眼图像对应的每个合成子孔径图像确定所述目标物体在不同角度的投影；
根据所述目标物体在不同角度的投影确定所述目标物体是否为立体物体。
6.一种物体位置识别装置，其特征在于，包括：
原始图像获取模块，获取对同一位置拍摄得到的多帧原始图像；
叠加图像获取模块，将多帧所述原始图像进行叠加，获取叠加图像；
干扰图案判断模块，判断所述叠加图像中是否存在干扰图案；
目标物体噪声确定模块，存在所述干扰图案，对多帧所述原始图像中的图像噪声进行降噪处理，得到降噪处理后的待识别图像；
目标物体位置识别模块，基于待识别图像，识别目标物体位置。
7.如权利要求6所述的物体位置识别装置，其特征在于，所述叠加图像获取模块包括位置偏移判断单元和第一叠加图像获取单元；
位置偏移判断单元，判断两连续的所述原始图像之间的位置是否存在相对偏移；
第一叠加图像获取单元，若两连续的所述原始图像之间的位置是存在相对偏移，则将多帧所述原始图像进行叠加，获取叠加图像。
8.如权利要求6所述的物体位置识别装置，其特征在于，所述叠加图像获取模块包括：偏移图像获取单元和第二叠加图像获取单元；
偏移图像获取单元，若两连续的所述原始图像之间的位置是不存在相对偏移，则将多帧所述原始图像向各个不同方向进行偏移处理，获得所述多帧原始图像对应的多帧偏移图像；
第二叠加图像获取单元，将所述多帧偏移图像进行叠加，得到所述叠加图像。
9.一种计算机设备，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，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述物体位置识别方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述物体位置识别方法的步骤。
CN201910802906.8A 2019-08-28 2019-08-28 物体位置识别方法、装置、计算机设备及存储介质 Active CN110598712B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910802906.8A CN110598712B (zh) 2019-08-28 2019-08-28 物体位置识别方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910802906.8A CN110598712B (zh) 2019-08-28 2019-08-28 物体位置识别方法、装置、计算机设备及存储介质

Publications (2)

Publication Number Publication Date
CN110598712A true CN110598712A (zh) 2019-12-20
CN110598712B CN110598712B (zh) 2022-06-03

Family

ID=68856086

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910802906.8A Active CN110598712B (zh) 2019-08-28 2019-08-28 物体位置识别方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN110598712B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111931754A (zh) * 2020-10-14 2020-11-13 深圳市瑞图生物技术有限公司 一种样本中目标物的识别方法、系统和可读存储介质
CN113392846A (zh) * 2021-06-16 2021-09-14 广州观必达数据技术有限责任公司 一种基于深度学习的水尺水位监测方法及系统
CN117197131A (zh) * 2023-11-03 2023-12-08 深圳鲲云信息科技有限公司 传送带撕裂识别的方法和设备及计算设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017206656A1 (zh) * 2016-05-31 2017-12-07 努比亚技术有限公司 一种图像处理方法及终端、计算机存储介质
CN107991838A (zh) * 2017-11-06 2018-05-04 万维科研有限公司 自适应三维立体成像系统
CN109819163A (zh) * 2019-01-23 2019-05-28 努比亚技术有限公司 一种图像处理控制方法、终端及计算机可读存储介质
CN110033455A (zh) * 2018-01-11 2019-07-19 上海交通大学 一种从视频中提取目标物体信息的方法
US20190246042A1 (en) * 2016-10-19 2019-08-08 Autel Robotics Co., Ltd. Photographing composition method and apparatus, movable object and computer-readable storage medium
CN110166707A (zh) * 2019-06-13 2019-08-23 Oppo广东移动通信有限公司 图像处理方法、装置、电子设备以及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017206656A1 (zh) * 2016-05-31 2017-12-07 努比亚技术有限公司 一种图像处理方法及终端、计算机存储介质
US20190246042A1 (en) * 2016-10-19 2019-08-08 Autel Robotics Co., Ltd. Photographing composition method and apparatus, movable object and computer-readable storage medium
CN107991838A (zh) * 2017-11-06 2018-05-04 万维科研有限公司 自适应三维立体成像系统
CN110033455A (zh) * 2018-01-11 2019-07-19 上海交通大学 一种从视频中提取目标物体信息的方法
CN109819163A (zh) * 2019-01-23 2019-05-28 努比亚技术有限公司 一种图像处理控制方法、终端及计算机可读存储介质
CN110166707A (zh) * 2019-06-13 2019-08-23 Oppo广东移动通信有限公司 图像处理方法、装置、电子设备以及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
孙欢欢: "冶金熔体表面性质分析的数字成像检测系统研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 *
孙欢欢: "冶金熔体表面性质分析的数字成像检测系统研究", 《中国优秀硕士学位论文全文数据库信息科技辑》, 15 July 2015 (2015-07-15), pages 29 - 31 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111931754A (zh) * 2020-10-14 2020-11-13 深圳市瑞图生物技术有限公司 一种样本中目标物的识别方法、系统和可读存储介质
CN111931754B (zh) * 2020-10-14 2021-01-15 深圳市瑞图生物技术有限公司 一种样本中目标物的识别方法、系统和可读存储介质
CN113392846A (zh) * 2021-06-16 2021-09-14 广州观必达数据技术有限责任公司 一种基于深度学习的水尺水位监测方法及系统
CN117197131A (zh) * 2023-11-03 2023-12-08 深圳鲲云信息科技有限公司 传送带撕裂识别的方法和设备及计算设备
CN117197131B (zh) * 2023-11-03 2024-03-26 深圳鲲云信息科技有限公司 传送带撕裂识别的方法和设备及计算设备

Also Published As

Publication number Publication date
CN110598712B (zh) 2022-06-03

Similar Documents

Publication Publication Date Title
CN110598712B (zh) 物体位置识别方法、装置、计算机设备及存储介质
CN109064504B (zh) 图像处理方法、装置和计算机存储介质
KR101524548B1 (ko) 영상 정합 장치 및 방법
CN106981078B (zh) 视线校正方法、装置、智能会议终端及存储介质
US20200314344A1 (en) Image processing method for photography device, photography device and movable platform
US11527103B2 (en) Auxtiliary filtering device of electronic device and cellphone
CN110717942A (zh) 图像处理方法和装置、电子设备、计算机可读存储介质
US9836668B2 (en) Image processing device, image processing method, and storage medium
US10692235B2 (en) Image processing apparatus and method for determining a depth of a pixel of a reference image
CN102150180A (zh) 人脸识别装置及人脸识别方法
KR101991754B1 (ko) 이미지 처리 방법 및 장치, 그리고 전자 기기
CN110650295B (zh) 图像处理方法及装置
CN108932458B (zh) 恢复眼镜遮挡区域的人脸重建方法及装置
CN110147708B (zh) 一种图像数据处理方法和相关装置
JP6897082B2 (ja) 顔向き推定用コンピュータプログラム、顔向き推定装置及び顔向き推定方法
CN109559353B (zh) 摄像模组标定方法、装置、电子设备及计算机可读存储介质
CN112214773B (zh) 基于隐私保护的图像处理方法、装置和电子设备
EP4266250A1 (en) Image processing method and chip, and electronic device
CN109447986B (zh) 一种焊接图像采集方法、装置、电子设备和存储介质
Bammey et al. Forgery detection by internal positional learning of demosaicing traces
US9100573B2 (en) Low-cost roto-translational video stabilization
US20230069608A1 (en) Object Tracking Apparatus and Method
US11682190B2 (en) Method, system, and device for detecting an object in a distorted image
JP6736916B2 (ja) 情報処理装置、情報処理方法、及びプログラム
CN109685839B (zh) 图像对齐方法、移动终端以及计算机存储介质

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