CN110942444A - 物体检测方法和装置 - Google Patents

Abstract

本发明公开了一种物体检测方法和装置。其中，该方法包括：获得待检测物体的物体图像；确定物体图像中待检测物体表面扫描线的像素集合；依据像素集合，确定扫描线所在区域是否为目标检测区域。本发明解决了由于现有技术中缺少对轮胎质检过程中的自动检测，导致识别效率低的技术问题。

Description

物体检测方法和装置

技术领域

本发明涉及图像识别技术领域，具体而言，涉及一种物体检测方法和装置。

背景技术

随着汽车消费的增长保持着稳健的增长趋势，而轮胎(特别是子午线轮胎)一般具有较复杂的内部结构，制造工艺复杂且对制造精度要求较高。一旦生产过程中产生的如胎体开根、帘线弯曲等缺陷问题没有得到识别和修正，将会严重损耗轮胎的寿命，严重的甚至导致汽车行驶过程中出现安全问题。因此，轮胎生产后期需要对轮胎进行无损检测，以便及时发现问题，调整规范生产流程。

目前，对轮胎缺陷的检测主流是采用x光射线机扫描待检轮胎，根据生成的x光片来判断。但国内目前缺少能满足实际质检需求的基于机器视觉的轮胎缺陷自动识别软件，质检主要依靠人眼通过x光图片判断缺陷，容易造成视觉疲劳引起漏检误检。人眼识别过程中也容易受到主观因素影响，质检效率低下，需要采用质检工人轮岗的方式。所以设计一种高效的缺陷自动识别系统具有重要的现实意义。

目前轮胎市场上，子午线轮胎凭其使用寿命长、安全性高、节省燃料等优点已经成为轮胎的主流，因其胎体材料呈径向排列，垂直于轮胎行驶方向，类似经纬线而得名。其内部的钢丝帘布承受着整个轮胎60％到70％的内应力，是主要受力部件。因此对钢丝类缺陷进行识别又是轮胎质检的重要一环。

针对上述由于现有技术中缺少对轮胎质检过程中的自动检测，导致识别效率低的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种物体检测方法和装置，以至少解决由于现有技术中缺少对轮胎质检过程中的自动检测，导致识别效率低的技术问题。

根据本发明实施例的一个方面，提供了一种物体检测方法，包括：获得待检测物体的物体图像；确定物体图像中待检测物体表面扫描线的像素集合；依据像素集合，确定扫描线所在区域是否为目标检测区域。

可选的，待检测物体包括：物体图像中的待检测物体为轮胎。

进一步地，可选的，确定物体图像中待检测物体表面扫描线的像素集合包括：在物体图像包括轮胎的胎体图像的情况下，获取胎体图像中的至少一条扫描线的像素值；依据像素中的灰度值对像素值进行分类，得到第一像素集合和第二像素集合，其中，第一像素集合，用于表示胎体图像中轮胎的胎体部分；第二像素集合，用于表示胎体图像中轮胎的金属丝部分；依据第一像素集合和第二像素集合，得到至少一条扫描线的像素集合，其中，像素集合为组成扫描线各个位置的像素值的集合。

可选的，依据像素中的灰度值对像素集合进行分类，得到第一像素集合和第二像素集合包括：依据像素中的灰度值，通过聚类对像素值进行分类；将聚类中心值为第一聚类中心值的像素值标记为第一像素编码，并将聚类中心值为第二聚类中心值的像素值标记为第二像素编码；依据第一像素编码和第二像素编码，分别得到第一像素集合和第二像素集合。

可选的，依据像素集合，确定扫描线所在区域是否为目标检测区域包括：依据像素集合中的编码，统计组成扫描线的子线段的长度、具备长度的子线段的数量和子线段的坐标，并依据组成扫描线的子线段的长度、具备长度的子线段的数量和子线段的坐标，得到至少一条扫描线的子线段信息集合；检测子线段信息集合中各子线段的长度，依据子线段的长度确定子线段的坐标所在区域是否为目标检测区域。

进一步地，可选的，检测子线段信息集合中各子线段的长度，依据子线段的长度确定子线段所在坐标区域是否为目标检测区域包括：获取子线段信息集合中子线段长度大于预设阈值的子线段；将子线段的坐标分布的区域，确定为目标检测区域。

可选的，获取子线段信息集合中子线段长度大于预设阈值的子线段包括：获取子线段信息集合中具备长度的子线段的数量最多的子线段，将子线段确定为第一子线段；筛选子线段信息集合中长度大于第一子线段的长度的子线段，得到第二子线段。

进一步地，可选的，将子线段的坐标分布的区域，确定为目标检测区域包括：将第二子线段的坐标所在区域确定为目标检测区域。

可选的，将第二子线段的坐标所在区域确定为目标检测区域包括：获取具备第二子线段的长度的子线段的数量；计算数量在子线段信息集合中子线段总数的占比；判断占比是否小于阈值；在判断结果为是的情况下，确定第二子线段的坐标所在区域为目标检测区域。

可选的，检测子线段信息集合中各子线段的长度，依据子线段的长度确定子线段所在的坐标区域是否为目标检测区域包括：获取至少两条扫描线的子线段信息集合，并从子线段信息集合中获取长度大于预设阈值的多条子线段；依据多条子线段组成子线段集合，其中，子线段集合包括：各个子线段的长度和坐标；依据子线段集合中各个子线段的坐标分布确定目标检测区域。

可选的，检测子线段信息集合中各子线段的长度，依据子线段的长度确定子线段所在的坐标区域是否为目标检测区域包括：获取轮胎的类型，并依据类型获取预存胎体图像中的金属丝分布位置；其中，预存胎体图像为类型的轮胎在出厂状态下的胎体图像；标记金属丝分布位置中的指定区域；获取胎体图像与预存胎体图像中的指定区域相同的区域；在胎体图像的区域中，筛选出至少一条扫描线的子线段信息集合中子线段长度大于预设阈值的子线段；依据子线段的坐标分布确定目标检测区域。

可选的，检测子线段信息集合中各子线段的长度，依据子线段的长度确定子线段所在的坐标区域是否为目标检测区域包括：在扫描线包括扫描带的情况下，从扫描带的子线段信息集合中获取长度大于预设阈值的子线段；其中，从扫描带的子线段信息集合中获取长度大于预设阈值的子线段包括：获取各方向上相同位置的多条子线段，筛选各方向上相同位置处长度大于预设阈值的子线段，通过聚合各方向上相同位置处的子线段，得到子线段集合，其中，子线段集合包括：各个子线段的长度和坐标；依据子线段集合中各个子线段的坐标分布确定目标检测区域。

可选的，确定物体图像中待检测物体表面扫描线的像素集合包括：在物体图像包括轮胎的胎体图像的情况下，获取胎体图像中的至少一组扫描线的像素值，其中，至少一组扫描线中包括：在纵向上，第一扫描线，位于第一扫描线左侧的第二扫描线，和位于第一扫描线右侧的第三扫描线；在横向上，第一扫描线，位于第一扫描线水平上方的第二扫描线，和位于第一扫描线水平下方的第三扫描线；依据像素中的灰度值对像素值进行分类，分别得到第一扫描线的第一像素集合和第二像素集合、第二扫描线的第一像素集合和第二像素集合和第三扫描线的第一像素集合和第二像素集合；其中，第一像素集合，用于表示胎体图像中轮胎的胎体部分；第二像素集合，用于表示胎体图像中轮胎的金属丝部分；依据第一像素集合和第二像素集合，得到至少一组扫描线的像素集合，其中，像素集合为组成扫描线各个位置的像素值的集合。

进一步地，可选的，依据像素中的灰度值对像素值进行分类，分别得到第一扫描线的第一像素集合和第二像素集合、第二扫描线的第一像素集合和第二像素集合和第三扫描线的第一像素集合和第二像素集合包括：依据像素中的灰度值，通过聚类对像素值进行分类；将聚类中心值为第一聚类中心值的像素值标记为第一像素编码，并将聚类中心值为第二聚类中心值的像素值标记为第二像素编码，依据第一像素编码和第二像素编码，分别得到第一扫描线的第一像素集合和第二像素集合、第二扫描线的第一像素集合和第二像素集合和第三扫描线的第一像素集合和第二像素集合。

可选的，依据像素集合，确定扫描线所在区域是否为目标检测区域包括：依据像素集合中的编码，分别计算第一扫描线和第二扫描线在同一方向上的第一差分编码向量，以及，第一扫描线和第三扫描线在同一方向上的第二差分编码向量，其中，第一差分编码向量和第二差分编码向量，用于表示第一扫描线分别与第二扫描线和第三扫描线，在同一方向上是否发生图像变化；方向与扫描线的延伸方向垂直；判断第一差分编码向量和第二差分编码向量的和是否为预设值；在判断结果为否的情况下，将第一差分编码向量和第二差分编码向量所在区域确定为目标检测区域。

进一步地，可选的，第一扫描线和第二扫描线的同一方向与第一扫描线和第三扫描线的同一方向在纵向或横向上位于同一位置。可选的，确定物体图像中待检测物体表面扫描线的像素集合包括：在物体图像包括轮胎的胎体图像的情况下，获取胎体图像中的至少一组扫描线的像素值，其中，至少一组扫描线中包括：在纵向上，第一扫描线，位于第一扫描线左侧的第二扫描线；在横向上，第一扫描线，位于第一扫描线水平上方的第二扫描线；依据像素中的灰度值对像素值进行分类，分别得到第一扫描线的第一像素集合和第二像素集合和第二扫描线的第一像素集合和第二像素集合；其中，第一像素集合，用于表示胎体图像中轮胎的胎体部分；第二像素集合，用于表示胎体图像中轮胎的金属丝部分；依据第一像素集合和第二像素集合，得到至少一组扫描线的像素集合，其中，像素集合为组成扫描线各个位置的像素值的集合。

进一步地，可选的，依据像素集合，确定扫描线所在区域是否为目标检测区域包括：依据像素集合中的编码，判断第一扫描线和第二扫描线在同一方向上的编码是否相同；其中，同一方向与扫描线的延伸方向垂直；在判断结果为否的情况下，将编码所在区域确定为目标检测区域。

进一步地，可选的，第一扫描线和第二扫描线的同一方向在纵向或横向上位于同一位置。

根据本发明实施例的另一个方面，提供了一种物体检测方法，包括：获得待检测物体的物体图像；依据物体图像，生成第一图像和第二图像；确定物体图像中待检测物体表面扫描线的像素集合；依据像素集合，确定扫描线所在区域是否为目标检测区域；将目标检测区域的图像特征与第一图像中的图像特征进行比对，得到目标检测区域在第一图像上的位置；通过数据同步，将位置同步至第二图像中；将第二图像投放至指定区域，当显示第二图像的同时，显示第二图像中标记有目标检测区域的图像。

根据本发明实施例的又一个方面，提供了一种物体检测装置，包括：接收模块，用于获得待检测物体的物体图像；获取模块，用于确定物体图像中待检测物体表面扫描线的像素集合；检测模块，用于依据像素集合，确定扫描线所在区域是否为目标检测区域。

根据本发明实施例的再一个方面，提供了一种物体检测装置，包括：接收模块，用于获得待检测物体的物体图像；生成模块，用于依据物体图像，生成第一图像和第二图像；获取模块，用于确定物体图像中待检测物体表面扫描线的像素集合；检测模块，用于依据像素集合，确定扫描线所在区域是否为目标检测区域；定位模块，用于将目标检测区域的图像特征与第一图像中的图像特征进行比对，得到目标检测区域在第一图像上的位置；同步模块，用于通过数据同步，将位置同步至第二图像中；显示模块，用于将第二图像投放至指定区域，当显示第二图像的同时，显示第二图像中标记有目标检测区域的图像。

根据本发明另一实施例的一个方面，提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述物体检测方法。

根据本发明另一实施例的一个方面，提供了一种物体检测装置，包括存储介质和处理器，处理器用于运行存储于存储介质中的程序，其中，程序运行时执行上述物体检测方法。

在本发明实施例中，采用统计定位到缺陷方式，通过获得待检测物体的物体图像；确定物体图像中待检测物体表面扫描线的像素集合；依据像素集合，确定扫描线所在区域是否为目标检测区域，达到了有效识别轮胎胎体缺陷的目的，从而实现了提升识别效率的技术效果，进而解决了由于现有技术中缺少对轮胎质检过程中的自动检测，导致识别效率低的技术问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是本发明实施例的一种物体检测方法的计算机终端的硬件结构框图；

图2是根据本发明实施例一的物体检测方法的流程图；

图3是根据本发明实施例一的物体检测方法中轮胎的胎体图像的示意图；

图4是根据本发明实施例一的物体检测方法中对扫描线进行编码的示意图；

图5是根据本发明实施例一的物体检测方法中对稀线类缺陷检测的示意图；

图6是根据本发明实施例一的物体检测方法中弯曲缺陷区域的示意图；

图7是根据本发明实施例二的物体检测装置的示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，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，所描述的实施例仅仅是本发明一部分的实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

本申请涉及的技术名词：

聚类：一种包括数据点分组的机器学习技术。给定一组数据点，可以用聚类算法将每个数据点分到特定的组中。理论上，属于同一组的数据点应该有相似的属性特征，而属于不同组的数据点应该有非常不同的属性特征。聚类是一种无监督学习的方法，是一种在许多领域常用的统计数据分析技术。

实施例1

根据本发明实施例，还提供了一种物体检测方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本申请实施例一所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在计算机终端上为例，图1是本发明实施例的一种物体检测方法的计算机终端的硬件结构框图。如图1所示，计算机终端10可以包括一个或多个(图中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器104、以及用于通信功能的传输模块106。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，计算机终端10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。

存储器104可用于存储应用软件的软件程序以及模块，如本发明实施例中的物体检测方法对应的程序指令/模块，处理器102通过运行存储在存储器104内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的应用程序的物体检测方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

传输模块106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端10的通信供应商提供的无线网络。在一个实例中，传输模块106包括一个网络适配器(Network Interface Controller，NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输模块106可以为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。

在上述运行环境下，本申请提供了如图2所示的物体检测方法。图2是根据本发明实施例一的物体检测方法的流程图。对稀线类缺陷，本申请实施例提供的物体检测方法具体如下：

步骤S202，获得待检测物体的物体图像；

本申请上述步骤S202中，本申请实施例提供的物体检测方法包括：对轮胎胎体的检测，其中，待检测物体为轮胎；物体图像包括胎体图像。在进行轮胎的物体检测中，需要先获取轮胎胎体的胎体图像，并对胎体图像中每条垂直扫描线进行整理，得到每条垂直扫描线的像素集合。

其中，在本申请实施例中以应用于子午线轮胎为例，该子午线轮胎的胎体材料呈径向排列，垂直于轮胎行驶方向，类似经纬线；该子午线轮胎内部的钢丝帘布是主要受力部件。因此，本申请实施例提供的物体检测方法是应用于对轮胎胎体内的钢丝类缺陷进行识别检测。

需要说明的是，本申请实施例中的物体图像可以通过原始轮胎x光图像得到，图3是根据本发明实施例一的物体检测方法中轮胎的胎体图像的示意图，如图3所示，对输入的原始轮胎x光图像进行图像预处理操作。由于轮胎x光图片在采集的过程中会受到多种因素的影响，如轮胎本身的结构特征、x射线发射不均匀、数/模转换AD等，容易使得x光图片出现对比度不高，边缘纹理模糊，图像噪声多等问题，因此在识别前采用一些图像预处理技术，包括但不限于传统的图像处理技术，如直方图均衡化、伽马增强等技术来突出图像前景信息，弱化背景和噪声的干扰；

基于对图像的预处理，得到处理后的胎体图像，这里在获取方式上可以通过用户通过使用移动终端上传x光图像得到；或，具备通信功能的便携式x光机拍摄得到。

除此之外，除了x光图像，还可以通过其他类型射线成像技术得到，本申请实施例以x光照射为优选示例进行说明，以实现本申请实施例提供的物体检测方法为准，具体不做限定。

步骤S204，确定物体图像中待检测物体表面扫描线的像素集合；

本申请上述步骤S204中，在进行轮胎的胎体检测中，需要先获取轮胎胎体的胎体图像，并对胎体图像中每条垂直扫描线进行整理，得到每条垂直扫描线的像素集合。其中，本申请实施例中的扫描线为垂直扫描线(后续扫描线统一以垂直扫描线为例进行说明)是根据得到的胎体图像中钢丝的延展方向确定，若胎体图像中钢丝的延展方向是由上至下，则本申请实施例中的扫描线为横向的扫描线；若胎体图像中钢丝的延展方向是由左至右，则本申请实施例中的扫描线为垂直(纵向)的扫描线；

具体的，本申请实施例中以像素集合的方式记录每条扫描线的像素值，其中，通过各像素值能够体现胎体图像在扫描线上的变化，即，钢丝与胎体在同一根扫描线上会由于像素值的不同得以区分。

步骤S206，依据像素集合，确定扫描线所在区域是否为目标检测区域。

本申请上述步骤S206中，根据像素中的灰度值对像素集合中的各像素值进行分类，通过对分类后的得到的各像素集合进行识别，从而确定扫描线所在区域是否为目标检测区域，在本申请实施例中目标检测区域可以包括：对稀线类缺陷或弯曲类缺陷的区域。其中，稀线类缺陷表现为钢丝在轮胎的胎体表面分布不均匀；弯曲类缺陷表现为钢丝在轮胎的胎体表面发生形变弯曲。

综上，结合步骤S202至步骤S206，本申请实施例提供的物体检测方法提出了一种针对轮胎内部钢丝排布异常的基于图像编码的识别方法，将图像扫描线上的像素编码为0和1，通过统计准确定位缺陷，从而具有检测轮胎缺陷简单高效的优点。

在本发明实施例中，采用统计定位到缺陷方式，通过获得待检测物体的物体图像；确定物体图像中待检测物体表面扫描线的像素集合；依据像素集合，确定扫描线所在区域是否为目标检测区域，达到了有效识别轮胎胎体缺陷的目的，从而实现了提升识别效率的技术效果，进而解决了由于现有技术中缺少对轮胎质检过程中的自动检测，导致识别效率低的技术问题。

检测类型一：稀线类缺陷检测

可选的，步骤S204中确定物体图像中待检测物体表面扫描线的像素集合包括：

步骤S2041，在物体图像包括轮胎的胎体图像的情况下，获取胎体图像中的至少一条扫描线的像素值；

具体的，在获取到的胎体图像上，依次抽取胎体位置选定的K条垂直扫描线上的像素值，记为L＝{li|i＝1,…,K}。

步骤S2042，依据像素中的灰度值对像素值进行分类，得到第一像素集合和第二像素集合，其中，第一像素集合，用于表示胎体图像中轮胎的胎体部分；第二像素集合，用于表示胎体图像中轮胎的金属丝部分；

具体的，通过对像素集合中的图像进行灰度值的大小进行分类，得到每条01变化的图像；

步骤S2043，依据第一像素集合和第二像素集合，得到至少一条扫描线的像素集合，其中，像素集合为组成扫描线各个位置的像素值的集合。

具体的，对每条垂直扫描线上的像素集合，采用聚类的方法将像素集合中的像素按照灰度值的大小分为两类，聚类中心值小的一类中的像素编码记为0，大的一类编码为1，每条编码二值化后的像素集合(即，本申请实施例中的第一类像素集合和第二类像素集合)记为EL＝{eli|i＝1,…,K}。

可选的，步骤S2042中依据像素中的灰度值对像素集合进行分类，得到第一像素集合和第二像素集合包括：

步骤S20421，依据像素中的灰度值，通过聚类对像素值进行分类；

具体的，在本申请中像素的灰度值的范围为0至255，由于要获取轮胎钢丝(即本申请实施例中的金属丝)的图像，因此，基于成像的灰度特征，以“亮”与“暗”的灰度值作为聚类中心值，例如，获取灰度值靠近255的像素值，将这部分像素值确定为胎体图像中胎体的像素；获取灰度值靠近100的像素值，将这部分确定为钢丝的像素；具体见步骤S20422。

步骤S20422，将聚类中心值为第一聚类中心值的像素值标记为第一像素编码，并将聚类中心值为第二聚类中心值的像素值标记为第二像素编码；

步骤S20423，依据第一像素编码和第二像素编码，分别得到第一像素集合和第二像素集合。

具体的，图4是根据本发明实施例一的物体检测方法中对扫描线进行编码的示意图，如图4所示，本申请实施例中以标记为1用于指示胎体，标记为0用于指示钢丝，因此基于第一像素集合和第二像素集合得到的像素集合是“1 0间隔”的集合。

可选的，步骤S206中依据像素集合，确定扫描线所在区域是否为目标检测区域包括：

步骤S2061，依据像素集合中的编码，统计组成扫描线的子线段的长度、具备长度的子线段的数量和子线段的坐标，并依据组成扫描线的子线段的长度、具备长度的子线段的数量和子线段的坐标，得到至少一条扫描线的子线段信息集合；

具体的，图5是根据本发明实施例一的物体检测方法中对稀线类缺陷检测的示意图；如图5所示，遍历对像素集合中每条垂直扫描线的编码，统计每条中发生01或1 0变化的子线段的起始坐标、长度和坐标，其中，垂直扫描线上的子线段按照如下格式保存：{(len,num,(y1,y2,y3…..))},其中，len表示子线段的长度，num表示该垂直扫描线上长度为len的子线段的数量，yi表示这类子线段在该垂直扫描线上的起始纵坐标。其中，子线段可以表现为在图5中胎体与钢丝在垂直扫描线上出现的间隔。

这里如图5所示，由上至下的垂直扫描线上，1代表胎体，0代表钢丝，由部分编码“1100110011111100”可知，第一个子线段长度为2(1+1)，纵向坐标为1；第二个子线段长度为2(1+1)，纵向坐标为5；第三个子线段长度为6(1+1+1+1+1+1)，纵向坐标为9；因此由上述部分编码可以得到的集合为{(2，2，(1，5))，(6，1，9)}，即，表示长度为2的子线段有2条，纵向坐标分别为1和5；长度为6的子线段有1条，纵向坐标为9。

步骤S2062，检测子线段信息集合中各子线段的长度，依据子线段的长度确定子线段的坐标所在区域是否为目标检测区域。

进一步地，可选的，步骤S2062中检测子线段信息集合中各子线段的长度，依据子线段的长度确定子线段所在坐标区域是否为目标检测区域包括：

步骤S20621，获取子线段信息集合中子线段长度大于预设阈值的子线段；

步骤S20622，将子线段的坐标分布的区域，确定为目标检测区域。

可选的，步骤S20621中获取子线段信息集合中子线段长度大于预设阈值的子线段包括：

步骤S206211，获取子线段信息集合中具备长度的子线段的数量最多的子线段，将子线段确定为第一子线段；

步骤S206212，筛选子线段信息集合中长度大于第一子线段的长度的子线段，得到第二子线段；

进一步地，可选的，步骤S20622中将子线段的坐标分布的区域，确定为目标检测区域包括：

步骤S206221，将第二子线段的坐标所在区域确定为目标检测区域。

具体的，结合步骤S206211至步骤S206221，仍以子线段信息集合为{(2，2，(1，5))，(6，1，9)}为例，需要说明的是，正常的轮胎上钢丝的分布是均匀的，因此胎体所代表的编码1，在对应的垂直扫描线的子线段的长度上应该都是相同的大小，若子线段长度发生改变，则说明该轮胎的胎体上钢丝分布不均，钢丝间的间隙有大有小，因此发生稀线类缺陷，即，正常的轮胎子线段上的长度不仅相同，且数量大；

因此，在本申请实施例中由该子线段信息集合可知，长度为2的子线段有2条，长度为6的子线段有1条，这说明长度为2的子线段所在区域中钢丝分布均匀，因此长度不会改变，而纵向坐标为9的这个子线段长度达到了6，这就说明该纵向坐标为9的区域钢丝分布发生了改变，即，胎体的大面积裸露，图像上只有胎体的编码，故将纵坐标为9的子线段所处的区域确定为目标检测区域，即，稀线类缺陷区域。

其中，本申请实施例中长度为2的子线段可以为第一子线段，长度为6的子线段为第二子线段。

需要说明的是，由于示例中编码有限，取值的数量偏小，基于上述步骤S206211至步骤S206221，在一整根垂直扫描线上出现数量最多的子线段肯定是位于钢丝分布均匀区域的子线段，但是由于稀线类缺陷出现的随机性，在得到的子线段中肯定有长短不一的子线段，因此，在实施时，可以将长度为Top N(N取整，且N大于或等于1)的子线段所在区域确定为稀线类缺陷区域，即，步骤S20621和步骤S20622中记载的将长度大于预设阈值的子线段筛选出来，将这些子线段的坐标分布的区域记作目标检测区域。

可选的，步骤S206221中将第二子线段的坐标所在区域确定为目标检测区域包括：

步骤S2062211，获取具备第二子线段的长度的子线段的数量；

步骤S2062212，计算该数量在子线段信息集合中子线段总数的占比；

具体的，仍以子线段信息集合为{(2，2，(1，5))，(6，1，9)}为例，第二子线段的数量为1，上述集合中一共有三根线，即，两根长度为2，一根长度为6的子线段，一共三根；因此该占比为：1/3＝33.3％。

步骤S2062213，判断占比是否小于阈值；

步骤S2062214，在判断结果为是的情况下，确定第二子线段的坐标所在区域为目标检测区域。

具体的，在本申请实施例中设置阈值用于筛选长度最长的TOP N，通过设置阈值的方式得到长度最长的TOP N的子线段所在区域，从而提升识别稀线缺陷区域的精度。

除上述检测稀线缺陷区域的方式外，本申请实施例还包括如下方式：

方式一，通过多条扫描线中的子线段确定目标检测区域：

可选的，步骤S2062中检测子线段信息集合中各子线段的长度，依据子线段的长度确定子线段所在的坐标区域是否为目标检测区域包括：获取至少两条扫描线的子线段信息集合，并从子线段信息集合中获取长度大于预设阈值的多条子线段；依据多条子线段组成子线段集合，其中，子线段集合包括：各个子线段的长度和坐标；依据子线段集合中各个子线段的坐标分布确定目标检测区域。

具体的，由于同一垂直方向上的扫描线会存在多条子线段，通过聚合各个垂直方向上扫描线的子线段，获取长度大于预设阈值的子线段，通过获取该子线段的坐标布得到的区域，从而可以将该区域确定为目标检测区域。

方式二，依据各个类型轮胎钢丝的分布特点，通过扫描线中的子线段确定目标检测区域：

可选的，步骤S2062中检测子线段信息集合中各子线段的长度，依据子线段的长度确定子线段所在的坐标区域是否为目标检测区域包括：获取轮胎的类型，并依据类型获取预存胎体图像中的金属丝分布位置；其中，预存胎体图像为类型的轮胎在出厂状态下的胎体图像；标记金属丝分布位置中的指定区域；获取胎体图像与预存胎体图像中的指定区域相同的区域；在胎体图像的区域中，筛选出至少一条扫描线的子线段信息集合中子线段长度大于预设阈值的子线段；依据子线段的坐标分布确定目标检测区域。

具体的，假设各个类型的轮胎的金属丝分布各有不同，在对一特定类型的轮胎进行检测的过程中，获取该轮胎的类型，并获取该轮胎在出厂状态下的胎体图像，根据该出厂状态下的胎体图像获取金属丝分布位置；

标记该金属丝分布位置中的指定区域，例如，该轮胎中间的金属丝密集两侧稀疏，那指定区域可以设在这两侧位置或中间位置，对指定区域进行检测可以提升检测效率；

将该指定区域同步至当前胎体图像，得到各个相同的位置的区域；在该区域中筛选出至少一条扫描线的子线段信息集合中子线段长度大于预设阈值的子线段，并依据该子线段的坐标分布确定目标检测区域。

方式三，通过扫描带确定目标检测区域：

可选的，步骤S2062中检测子线段信息集合中各子线段的长度，依据子线段的长度确定子线段所在的坐标区域是否为目标检测区域包括：在扫描线包括扫描带的情况下，从扫描带的子线段信息集合中获取长度大于预设阈值的子线段；其中，从扫描带的子线段信息集合中获取长度大于预设阈值的子线段包括：获取各方向上相同位置的多条子线段，筛选各方向上相同位置处长度大于预设阈值的子线段，通过聚合各方向上相同位置处的子线段，得到子线段集合，其中，子线段集合包括：各个子线段的长度和坐标；依据子线段集合中各个子线段的坐标分布确定目标检测区域。

这里原理与上述方式相同，区别在于，在扫描带上同一垂直方向上以及同一水平位置上会存在多条子线段，通过聚合各个垂直方向上以及同一水平位置上长度大于预设阈值的子线段，通过获取该子线段的坐标分布，将得到成片的区域，从而可以将该区域确定为目标检测区域。

检测类型二：弯曲类缺陷检测

这里本申请实施例中在检测弯曲类缺陷的过程中包括两种实现方式：

方式一：一组扫描线中包含有两条扫描线的情况下：

可选的，步骤S204中确定物体图像中待检测物体表面扫描线的像素集合包括：在物体图像包括轮胎的胎体图像的情况下，获取胎体图像中的至少一组扫描线的像素值，其中，至少一组扫描线中包括：在纵向上，第一扫描线，位于第一扫描线左侧的第二扫描线；在横向上，第一扫描线，位于第一扫描线水平上方的第二扫描线；依据像素中的灰度值对像素值进行分类，分别得到第一扫描线的第一像素集合和第二像素集合和第二扫描线的第一像素集合和第二像素集合；其中，第一像素集合，用于表示胎体图像中轮胎的胎体部分；第二像素集合，用于表示胎体图像中轮胎的金属丝部分；依据第一像素集合和第二像素集合，得到至少一组扫描线的像素集合，其中，像素集合为组成扫描线各个位置的像素值的集合。

具体的，在物体图像包括轮胎胎体图像的情况下，获取胎体图像中的至少一组扫描线的像素值，其中，至少一组扫描线中包括：第一扫描线，位于第一扫描线左侧的第二扫描线，以图4所示为例，在本申请实施例中获取图4中的右侧图像中选取两条垂直扫描线，即分别为垂直于横向钢丝延展方向上左中两根垂直扫描线，其中，把位于中间的垂直扫描线确定为第一扫描线，位于该扫描线左侧的扫描线为第二扫描线；分别获取第一扫描线和第二扫描线的像素值。

同稀线类缺陷检测过程中的分类，区别在于在弯曲类缺陷中，需要对两根扫描线的像素值进行分类，分别得到第一扫描线的第一像素集合和第二像素集合、第二扫描线的第一像素集合和第二像素集合。

通过两根扫描线的第一像素集合和第二像素集合构成该两根扫描线的像素集合。

进一步地，可选的，步骤S206中依据像素集合，确定扫描线所在区域是否为目标检测区域包括：依据像素集合中的编码，判断第一扫描线和第二扫描线在同一方向上的编码是否相同；其中，同一方向与扫描线的延伸方向垂直；在判断结果为否的情况下，将编码所在区域确定为目标检测区域。

可选的，第一扫描线和第二扫描线的同一方向在纵向或横向上位于同一位置。

具体的，以垂直扫描线为例，在同一水平位置上，这里在本申请实施例中假设同一水平位置上，第一扫描线和第二扫描线均有金属丝，则在像素编码标记为0，因此差分向量的值为0，说明在该水平位置上金属丝未发生弯曲；相反，假设同一水平位置上，若第一扫描线上有金属丝，第二扫描线上没有金属丝，则第一扫描线的像素编码标记为0，第二扫描线的像素编码标记为1；因此差分向量的值为1，当差分向量的值为1的情况下，说明在该水平位置上金属丝发生弯曲。

综上，若扫描线中的子线段在相同位置上的像素编码相同则证明当前水平位置上的金属丝是直的；若扫描线中的子线段在相同位置上的像素编码不同则证明当前水平位置上的金属丝发生了弯曲。

方式二：一组扫描线中包含有三条扫描线的情况下：

可选的，步骤S204中确定物体图像中待检测物体表面扫描线的像素集合包括：

步骤S2041，在物体图像包括轮胎的胎体图像的情况下，获取胎体图像中的至少一组扫描线的像素值，其中，至少一组扫描线中包括：在纵向上，第一扫描线，位于第一扫描线左侧的第二扫描线，和位于第一扫描线右侧的第三扫描线；在横向上，第一扫描线，位于第一扫描线水平上方的第二扫描线，和位于第一扫描线水平下方的第三扫描线；

在物体图像包括轮胎胎体图像的情况下，获取胎体图像中的至少一组扫描线的像素值，其中，至少一组扫描线中包括：第一扫描线，位于第一扫描线左侧的第二扫描线，和位于第一扫描线右侧的第三扫描线；

具体的，如图4所示，在图4中的右侧图像中选取了三条垂直扫描线，即分别为垂直于横向钢丝延展方向上左中右三根垂直扫描线，其中，把位于中间的垂直扫描线确定为第一扫描线，位于该扫描线左侧的扫描线为第二扫描线，位于该扫描线右侧的扫描线为第三扫描线；

分别获取上述第一扫描线、第二扫描线和第三扫描线的像素值。

步骤S2042，依据像素中的灰度值对像素值进行分类，分别得到第一扫描线的第一像素集合和第二像素集合、第二扫描线的第一像素集合和第二像素集合和第三扫描线的第一像素集合和第二像素集合；其中，第一像素集合，用于表示胎体图像中轮胎的胎体部分；第二像素集合，用于表示胎体图像中轮胎的金属丝部分；

具体的，同稀线类缺陷检测过程中的分类，区别在于在弯曲类缺陷中，需要对三根扫描线的像素值进行分类，分别得到第一扫描线的第一像素集合和第二像素集合、第二扫描线的第一像素集合和第二像素集合和第三扫描线的第一像素集合和第二像素集合。

步骤S2043，依据第一像素集合和第二像素集合，得到至少一组扫描线的像素集合，其中，像素集合为组成扫描线各个位置的像素值的集合。

具体的，通过三根扫描线的第一像素集合和第二像素集合构成该三根扫描线的像素集合。

进一步地，可选的，步骤S2042中依据像素中的灰度值对像素值进行分类，分别得到第一扫描线的第一像素集合和第二像素集合、第二扫描线的第一像素集合和第二像素集合和第三扫描线的第一像素集合和第二像素集合包括：依据像素中的灰度值，通过聚类对像素值进行分类；将聚类中心值为第一聚类中心值的像素值标记为第一像素编码，并将聚类中心值为第二聚类中心值的像素值标记为第二像素编码，依据第一像素编码和第二像素编码，分别得到第一扫描线的第一像素集合和第二像素集合、第二扫描线的第一像素集合和第二像素集合和第三扫描线的第一像素集合和第二像素集合。

这里在分类的过程中方法同稀线类缺陷检测的步骤，不再赘述，区别仅在于需要对三根扫描线的依据灰度值进行聚类行分类。

可选的，步骤S206中依据像素集合，确定扫描线所在区域是否为目标检测区域包括：

步骤S2061，依据像素集合中的编码，分别计算第一扫描线和第二扫描线在同一方向上的第一差分编码向量，以及，第一扫描线和第三扫描线在同一方向上的第二差分编码向量，其中，第一差分编码向量和第二差分编码向量，用于表示第一扫描线分别与第二扫描线和第三扫描线，在同一方向上是否发生图像变化；方向与扫描线的延伸方向垂直；

具体的，图6是根据本发明实施例一的物体检测方法中弯曲缺陷区域的示意图，如图6所示，这里本申请实施例中的同一方向上是指与第一扫描线、第二扫描线和第三扫描线的延伸方向垂直的方向，如图6所示，是计算在横向上，三条扫描线在同一水平位置上的差分编码向量，具体计算方式如下：

diff_left＝|el-el_left|；

diff_right＝|el-el_right|；

其中，diff_left为本申请实施例中的第一差分编码向量，即，第一扫描线和第二扫描线在同一水平位置上像素编码之间求差的差分编码向量；el表示第一扫描线在位置i的像素编码，el_left表示第二扫描线在位置i的像素编码；

diff_right为本申请实施例中的第二差分编码向量，即，第一扫描线和第三扫描线在同一水平位置上像素编码之间求差的差分编码向量；el表示第一扫描线在位置i的像素编码，el_right表示第三扫描线在位置i的像素编码。

步骤S2062，判断第一差分编码向量和第二差分编码向量的和是否为预设值；

步骤S2063，在判断结果为否的情况下，将第一差分编码向量和第二差分编码向量所在区域确定为目标检测区域。

具体的，在本申请实施例中若钢丝未发生弯曲，第一扫描线、第二扫描线和第三扫描线在同一水平位置上的像素编码应该是相同的，即，同为0，或同为1；若钢丝发生弯曲，在同一水平位置上的像素编码将发生改变，即第一差分编码向量和/或第二差分编码向量的值均会等于1；

因此若第一差分编码向量和/或第二差分编码向量的值均等于0，则钢丝未发生弯曲；故，在本申请实施例中若第一差分编码向量和第二差分编码向量的和不等于0(本申请实施例中的预设值)的情况下，认为在水平位置i处，钢丝发生弯曲。

并将该位置i所在区域确定为发生弯曲类缺陷的区域，即，本申请实施例中的目标检测区域。进一步地，可选的，第一扫描线和第二扫描线的同一方向与第一扫描线和第三扫描线的同一方向在纵向或横向上位于同一位置。

具体的，当扫描线为沿纵向方向延伸的扫描线时，计算同一水平位置上第一扫描线和第二扫描线的第一差分编码向量，以及，第一扫描线和第三扫描线的第二差分编码向量；

当扫描线为沿横向方向延伸的扫描线时，计算同一纵向位置上第一扫描线和第二扫描线的第一差分编码向量，以及，第一扫描线和第三扫描线的第二差分编码向量。

这里区别于方式一，方式二通过引入新的扫描线，以垂直扫描线为例，在同一水平位置上，避免了相同水平位置上，若上一条金属丝的图像叠加至当前第一扫描线的水平位置，且该水平位置上第二扫描线处有金属丝的情况下，则在计算第二扫描线和第一扫描线的第一差分编码向量后会误认当前水平位置处的金属丝是水平的，未发生弯曲的情况下发生；通过第三扫描线与第一扫描线在第一扫描线与第二扫描线相同水平位置上得到的第二差分编码向量，将第一差分编码向量与第二差分编码向量进行求和，由于在同一水平位置金属丝持续叠加的几率很低，因此若第二差分编码向量的值与第一差分向量的值相同则证明当前水平位置上的金属丝是直的；若第二差分编码向量的值与第一差分向量的值不同则证明当前水平位置上的金属丝发生了弯曲；同理，即本申请实施例中记载的，若第二差分编码向量的值与第一差分向量的值通过求和得到一个固定值，则根据该值判断金属丝在当前水平位置是否发生弯曲。

这里在本申请实施例中假设同一水平位置上，第一扫描线、第二扫描线和第三扫描线均有金属丝，则在像素编码标记为0，因此第一差分向量的值为0，第二差分向量的值为0，基于上述，在0+0＝0的情况下，说明在该水平位置上金属丝未发生弯曲；相反，假设同一水平位置上，若第一扫描线和第二扫描线上有金属丝，第三扫描线上没有金属丝，则第一扫描线和第二扫描线的像素编码标记为0，第二扫描线的像素编码标记为1；因此第一差分向量的值为0，第二差分向量的值为1，基于上述，在0+1＝1的情况下，说明在该水平位置上金属丝发生弯曲。

综上，需要说明的是，本申请实施例中仅以左中右三个位置为例进行说明，在对弯曲类缺陷进行检测时，若每组扫描线取的越多，由于可供判定钢丝是否弯曲的参考值多，则判定精度越高，即，在进行弯曲缺陷检测的过程中，扫描线越多可以提升检测精度，因此方式二相比方式一检测精度更高；而选定预设数量(2根)的扫描线，可以提升识别计算效率。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的物体检测方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

实施例2

根据本发明实施例的另一个方面，提供了一种物体检测方法，包括：获得待检测物体的物体图像；依据物体图像，生成第一图像和第二图像；确定物体图像中待检测物体表面扫描线的像素集合；依据像素集合，确定扫描线所在区域是否为目标检测区域；将目标检测区域的图像特征与第一图像中的图像特征进行比对，得到目标检测区域在第一图像上的位置；通过数据同步，将位置同步至第二图像中；将第二图像投放至指定区域，当显示第二图像的同时，显示第二图像中标记有目标检测区域的图像。

其中，在显示标记有目标检测区域的胎体图像的过程中主要包括如下方式：

(1)通过便携式的移动终端的实时显示：

打开移动终端的摄录功能，在获取到轮胎的胎体图像的情况下，生成第一图像和第二图像，其中，第一图像为计算机图像，用于根据解析胎体图像中扫描线的像素集合，确定目标检测区域；第二图像为实时获取的轮胎的实体轮廓图像，即，胎体轮廓图像；

在得到目标检测区域的情况下，根据胎体图像，设置定位点，依据定位点对胎体图像进行分区，并依据分区通过将第一图像和第二图像进行图像特征比对，在图像特征相同的分区中标记目标检测区域，并将目标区域对应的数值显示在该分区中。

其中，移动终端包括：智能手机、平板电脑、掌上商务、智能穿戴设备或笔记本电脑。

在胎体图像设置定位点以及进行分区的过程可以包括：

以轮胎气门芯所在位置为界点(定位点)，依据该界点设置界线，依据该界线以轮胎轴心为圆心，按预设角度旋转设置各个界线，进而对轮胎表面进行分区；

或，

根据轮胎的车辐，设置车辐与轮胎接触的点为定位点，依据各车辐的延伸线对轮胎进行分区。

(2)通过AR/VR设备的进行显示：

A、通过AR设备进行实时显示：

实时获取轮胎的胎体图像，生成第一图像和第二图像，其中，第一图像是虚拟胎体图像，第二图像是实体胎体图像，通过对虚拟胎体图像中扫描线的像素集合进行解析，从而确定目标检测区域，将目标检测区域的图像特征与该虚拟胎体图像的图像特征进行比对，得到该目标检测区域在该虚拟胎体图像上的位置；通过数据同步，将该位置同步至实体胎体图像中；其中，确定该位置的方式可以如(1)中根据车轮的轮辐和/或轮胎的气门芯位置进行定位。这里实体胎体图像为用户在现实场景中看到的轮胎同比例或预设比例缩放后的立体图像；虚拟胎体图像为用于计算机计算时所使用的二维图像。

将实体胎体图像投放至用户指定区域，进而显示实体胎体图像的同时，显示该实体胎体图像中标记有目标检测区域的图像；其中，在该图像中显示目标检测区域对应的数值，其中，该数值用于表示轮胎的磨损程度；

例如：在维修厂环境下，修车师傅通过使用AR设备摄录目标汽车的轮胎，通过拍摄轮胎，AR设备得到轮胎的虚拟胎体图像和实体胎体图像，根据该虚拟胎体图像通过调用数据处理模块执行实施例1中的步骤S202至步骤S206得到目标检测区域；

通过对目标检测区域的图像特征与虚拟胎体图像进行比对，得到该目标检测区域在虚拟胎体图像中的位置，并将该位置同步至实体胎体图像中；

在显示时，显示实体胎体图像，并在显示该实体胎体图像的同时显示该目标检测区域在实体胎体图像中的位置。

此外，还可以在该位置显示目标检测区域对应的数值，以此表示轮胎的磨损程度。

其中，AR设备包括：智能眼镜，具备AR功能的智能手表或AR显示设备。

B、通过VR设备进行显示：

通过VR设备根据拍摄的轮胎的胎体图像生成轮胎的模拟胎体图像和计算机胎体图像，对该计算机胎体图像中扫描线的像素集合进行解析，从而确定目标检测区域；

在显示该模拟胎体图像的情况下，将目标检测区域在计算机胎体图像的位置同步至模拟胎体图像中，根据用户指令确定指定位置，并对该目标检测区域在模拟胎体图像中的位置进行放大或缩小，其中，该指定位置用于显示模拟胎体图像，以此便于根据用户需求显示目标检测区域的图像；这里模拟胎体图像为用户能够看到的图像，计算机胎体图像为胎体图像在计算机运行过程中执行数据解析任务时所使用的图像。

此外，还可以在该位置显示目标检测区域对应的数值，以此表示模拟胎体图像的轮胎的磨损程度。

其中，VR设备可以包括：VR眼镜或VR体感舱。

实施例3

根据本发明实施例的又一个方面，提供了一种物体检测装置，图7是根据本发明实施例二的物体检测装置的示意图，如图7所示，包括：接收模块72，用于获得待检测物体的物体图像；获取模块74，用于确定物体图像中待检测物体表面扫描线的像素集合；检测模块76，用于依据像素集合，确定扫描线所在区域是否为目标检测区域。

实施例4

根据本发明实施例的再一个方面，提供了一种物体检测装置，包括：接收模块，用于获得待检测物体的物体图像；生成模块，用于依据物体图像，生成第一图像和第二图像；获取模块，用于确定物体图像中待检测物体表面扫描线的像素集合；检测模块，用于依据像素集合，确定扫描线所在区域是否为目标检测区域；定位模块，用于将目标检测区域的图像特征与第一图像中的图像特征进行比对，得到目标检测区域在第一图像上的位置；同步模块，用于通过数据同步，将位置同步至第二图像中；显示模块，用于将第二图像投放至指定区域，当显示第二图像的同时，显示第二图像中标记有目标检测区域的图像。

实施例5

根据本发明另一实施例的一个方面，提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述物体检测方法。

实施例6

根据本发明另一实施例的一个方面，提供了一种物体检测装置，包括存储介质和处理器，处理器用于运行存储于存储介质中的程序，其中，程序运行时执行上述物体检测方法。

实施例7

本发明的实施例还提供了一种存储介质。可选地，在本实施例中，上述存储介质可以用于保存上述实施例一所提供的物体检测方法所执行的程序代码。

可选地，在本实施例中，上述存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中。

可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：获得待检测物体的物体图像；确定物体图像中待检测物体表面扫描线的像素集合；依据像素集合，确定扫描线所在区域是否为目标检测区域。

可选的，待检测物体包括：物体图像中的待检测物体为轮胎。

进一步地，可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：确定物体图像中待检测物体表面扫描线的像素集合包括：在物体图像包括轮胎的胎体图像的情况下，获取胎体图像中的至少一条扫描线的像素值；依据像素中的灰度值对像素值进行分类，得到第一像素集合和第二像素集合，其中，第一像素集合，用于表示胎体图像中轮胎的胎体部分；第二像素集合，用于表示胎体图像中轮胎的金属丝部分；依据第一像素集合和第二像素集合，得到至少一条扫描线的像素集合，其中，像素集合为组成扫描线各个位置的像素值的集合。

可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：依据像素中的灰度值对像素集合进行分类，得到第一像素集合和第二像素集合包括：依据像素中的灰度值，通过聚类对像素值进行分类；将聚类中心值为第一聚类中心值的像素值标记为第一像素编码，并将聚类中心值为第二聚类中心值的像素值标记为第二像素编码；依据第一像素编码和第二像素编码，分别得到第一像素集合和第二像素集合。

可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：依据像素集合，确定扫描线所在区域是否为目标检测区域包括：依据像素集合中的编码，统计组成扫描线的子线段的长度、具备长度的子线段的数量和子线段的坐标，并依据组成扫描线的子线段的长度、具备长度的子线段的数量和子线段的坐标，得到至少一条扫描线的子线段信息集合；检测子线段信息集合中各子线段的长度，依据子线段的长度确定子线段的坐标所在区域是否为目标检测区域。

进一步地，可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：检测子线段信息集合中各子线段的长度，依据子线段的长度确定子线段所在的坐标区域是否为目标检测区域包括：获取子线段信息集合中具备长度的子线段的数量最多的子线段，将子线段确定为第一子线段；筛选子线段信息集合中长度大于第一子线段的长度的子线段，得到第二子线段；将第二子线段的坐标所在区域确定为目标检测区域。

可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：将第二子线段的坐标所在区域确定为目标检测区域包括：获取具备第二子线段的长度的子线段的数量；计算数量在子线段信息集合中子线段总数的占比；判断占比是否小于阈值；在判断结果为是的情况下，确定第二子线段的坐标所在区域为目标检测区域。

可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：确定物体图像中待检测物体表面扫描线的像素集合包括：在物体图像包括轮胎的胎体图像的情况下，获取胎体图像中的至少一组扫描线的像素值，其中，至少一组扫描线中包括：在纵向上，第一扫描线，位于第一扫描线左侧的第二扫描线，和位于第一扫描线右侧的第三扫描线；在横向上，第一扫描线，位于第一扫描线水平上方的第二扫描线，和位于第一扫描线水平下方的第三扫描线；依据像素中的灰度值对像素值进行分类，分别得到第一扫描线的第一像素集合和第二像素集合、第二扫描线的第一像素集合和第二像素集合和第三扫描线的第一像素集合和第二像素集合；其中，第一像素集合，用于表示胎体图像中轮胎的胎体部分；第二像素集合，用于表示胎体图像中轮胎的金属丝部分；依据第一像素集合和第二像素集合，得到至少一组扫描线的像素集合，其中，像素集合为组成扫描线各个位置的像素值的集合。

进一步地，可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：依据像素中的灰度值对像素值进行分类，分别得到第一扫描线的第一像素集合和第二像素集合、第二扫描线的第一像素集合和第二像素集合和第三扫描线的第一像素集合和第二像素集合包括：依据像素中的灰度值，通过聚类对像素值进行分类；将聚类中心值为第一聚类中心值的像素值标记为第一像素编码，并将聚类中心值为第二聚类中心值的像素值标记为第二像素编码，依据第一像素编码和第二像素编码，分别得到第一扫描线的第一像素集合和第二像素集合、第二扫描线的第一像素集合和第二像素集合和第三扫描线的第一像素集合和第二像素集合。

可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：依据像素集合，确定扫描线所在区域是否为目标检测区域包括：依据像素集合中的编码，分别计算第一扫描线和第二扫描线在同一方向上的第一差分编码向量，以及，第一扫描线和第三扫描线在同一方向上的第二差分编码向量，其中，第一差分编码向量和第二差分编码向量，用于表示第一扫描线分别与第二扫描线和第三扫描线，在同一方向上是否发生图像变化；方向与扫描线的延伸方向垂直；判断第一差分编码向量和第二差分编码向量的和是否为预设值；在判断结果为否的情况下，将第一差分编码向量和第二差分编码向量所在区域确定为目标检测区域。

进一步地，可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：第一扫描线和第二扫描线的同一方向与第一扫描线和第三扫描线的同一方向在纵向或横向上位于同一位置。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

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单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (24)

1.一种物体检测方法，其特征在于,包括：

获得待检测物体的物体图像；

确定所述物体图像中所述待检测物体表面扫描线的像素集合；

依据所述像素集合，确定所述扫描线所在区域是否为目标检测区域。

2.根据权利要求1所述的方法，其特征在于，所述待检测物体包括：所述物体图像中的待检测物体为轮胎。

3.根据权利要求2所述的方法，其特征在于，确定所述物体图像中所述待检测物体表面扫描线的像素集合包括：

在所述物体图像包括所述轮胎的胎体图像的情况下，获取所述胎体图像中的至少一条扫描线的像素值；

依据像素中的灰度值对所述像素值进行分类，得到第一像素集合和第二像素集合，其中，所述第一像素集合，用于表示所述胎体图像中所述轮胎的胎体部分；所述第二像素集合，用于表示所述胎体图像中所述轮胎的金属丝部分；

依据所述第一像素集合和所述第二像素集合，得到所述至少一条扫描线的像素集合，其中，所述像素集合为组成扫描线各个位置的像素值的集合。

4.根据权利要求3所述的方法，其特征在于，依据像素中的灰度值对所述像素集合进行分类，得到第一像素集合和第二像素集合包括：

依据所述像素中的灰度值，通过聚类对所述像素值进行分类；

将聚类中心值为第一聚类中心值的像素值标记为第一像素编码，并将聚类中心值为第二聚类中心值的像素值标记为第二像素编码；

依据所述第一像素编码和所述第二像素编码，分别得到第一像素集合和第二像素集合。

5.根据权利要求4所述的方法，其特征在于，所述依据所述像素集合，确定所述扫描线所在区域是否为目标检测区域包括：

依据所述像素集合中的编码，统计组成扫描线的子线段的长度、具备所述长度的子线段的数量和所述子线段的坐标，并依据组成扫描线的子线段的长度、具备所述长度的子线段的数量和所述子线段的坐标，得到所述至少一条扫描线的子线段信息集合；

检测所述子线段信息集合中各子线段的长度，依据所述子线段的长度确定所述子线段的坐标所在区域是否为所述目标检测区域。

6.根据权利要求5所述的方法，其特征在于，所述检测所述子线段信息集合中各子线段的长度，依据所述子线段的长度确定所述子线段所在的坐标区域是否为所述目标检测区域包括：

获取所述子线段信息集合中子线段长度大于预设阈值的子线段；

将所述子线段的坐标分布的区域，确定为所述目标检测区域。

7.根据权利要求6所述的方法，其特征在于，所述获取所述子线段信息集合中子线段长度大于预设阈值的子线段包括：

获取所述子线段信息集合中具备所述长度的子线段的数量最多的子线段，将所述子线段确定为第一子线段；

筛选所述子线段信息集合中长度大于所述第一子线段的长度的子线段，得到第二子线段。

8.根据权利要求7所述的方法，其特征在于，将所述子线段的坐标分布的区域，确定为所述目标检测区域包括：将所述第二子线段的坐标所在区域确定为所述目标检测区域。

9.根据权利要求8所述的方法，其特征在于，所述将所述第二子线段的坐标所在区域确定为所述目标检测区域包括：

获取具备所述第二子线段的长度的子线段的数量；

计算所述数量在所述子线段信息集合中子线段总数的占比；

判断所述占比是否小于阈值；

在判断结果为是的情况下，确定所述第二子线段的坐标所在区域为所述目标检测区域。

10.根据权利要求5所述的方法，其特征在于，所述检测所述子线段信息集合中各子线段的长度，依据所述子线段的长度确定所述子线段所在的坐标区域是否为所述目标检测区域包括：

获取至少两条扫描线的子线段信息集合，并从所述子线段信息集合中获取长度大于预设阈值的多条子线段；

依据所述多条子线段组成子线段集合，其中，所述子线段集合包括：各个子线段的长度和坐标；

依据所述子线段集合中各个子线段的坐标分布确定所述目标检测区域。

11.根据权利要求5所述的方法，其特征在于，所述检测所述子线段信息集合中各子线段的长度，依据所述子线段的长度确定所述子线段所在的坐标区域是否为所述目标检测区域包括：

获取所述轮胎的类型，并依据所述类型获取预存胎体图像中的金属丝分布位置；其中，所述预存胎体图像为所述类型的轮胎在出厂状态下的胎体图像；

标记所述金属丝分布位置中的指定区域；

获取所述胎体图像与所述预存胎体图像中的指定区域相同的区域；

在所述胎体图像的所述区域中，筛选出所述至少一条扫描线的子线段信息集合中子线段长度大于预设阈值的子线段；

依据所述子线段的坐标分布确定所述目标检测区域。

12.根据权利要求5所述的方法，其特征在于，所述检测所述子线段信息集合中各子线段的长度，依据所述子线段的长度确定所述子线段所在的坐标区域是否为所述目标检测区域包括：

在所述扫描线包括扫描带的情况下，从所述扫描带的所述子线段信息集合中获取长度大于预设阈值的子线段；其中，从所述扫描带的所述子线段信息集合中获取长度大于所述预设阈值的子线段包括：获取各方向上相同位置的多条子线段，筛选各个方向上相同位置处长度大于所述预设阈值的子线段，通过聚合各个方向上相同位置处的子线段，得到子线段集合，其中，所述子线段集合包括：各个子线段的长度和坐标；

依据所述子线段集合中各个子线段的坐标分布确定所述目标检测区域。

13.根据权利要求2所述的方法，其特征在于，所述确定所述物体图像中所述待检测物体表面扫描线的像素集合包括：

在所述物体图像包括所述轮胎的胎体图像的情况下，获取所述胎体图像中的至少一组扫描线的像素值，其中，所述至少一组扫描线中包括：在纵向上，第一扫描线，位于所述第一扫描线左侧的第二扫描线，和位于所述第一扫描线右侧的第三扫描线；在横向上，第一扫描线，位于所述第一扫描线水平上方的第二扫描线，和位于所述第一扫描线水平下方的第三扫描线；

依据像素中的灰度值对所述像素值进行分类，分别得到所述第一扫描线的第一像素集合和第二像素集合、所述第二扫描线的第一像素集合和第二像素集合和所述第三扫描线的第一像素集合和第二像素集合；其中，所述第一像素集合，用于表示所述胎体图像中所述轮胎的胎体部分；所述第二像素集合，用于表示所述胎体图像中所述轮胎的金属丝部分；

依据所述第一像素集合和所述第二像素集合，得到所述至少一组扫描线的像素集合，其中，所述像素集合为组成扫描线各个位置的像素值的集合。

14.根据权利要求13所述的方法，其特征在于，依据像素中的灰度值对所述像素值进行分类，分别得到所述第一扫描线的第一像素集合和第二像素集合、所述第二扫描线的第一像素集合和第二像素集合和所述第三扫描线的第一像素集合和第二像素集合包括：

依据所述像素中的灰度值，通过聚类对所述像素值进行分类；

将聚类中心值为第一聚类中心值的像素值标记为第一像素编码，并将聚类中心值为第二聚类中心值的像素值标记为第二像素编码；

依据所述第一像素编码和所述第二像素编码，分别得到所述第一扫描线的第一像素集合和第二像素集合、所述第二扫描线的第一像素集合和第二像素集合和所述第三扫描线的第一像素集合和第二像素集合。

15.根据权利要求14所述的方法，其特征在于，所述依据所述像素集合，确定所述扫描线所在区域是否为目标检测区域包括：

依据所述像素集合中的编码，分别计算所述第一扫描线和所述第二扫描线在同一方向上的第一差分编码向量，以及，所述第一扫描线和所述第三扫描线在同一方向上的第二差分编码向量，其中，所述第一差分编码向量和所述第二差分编码向量，用于表示所述第一扫描线分别与所述第二扫描线和所述第三扫描线，在同一方向上是否发生图像变化；所述方向与扫描线的延伸方向垂直；

判断所述第一差分编码向量和所述第二差分编码向量的和是否为预设值；

在判断结果为否的情况下，将所述第一差分编码向量和所述第二差分编码向量所在区域确定为所述目标检测区域。

16.根据权利要求15所述的方法，其特征在于，所述第一扫描线和所述第二扫描线的同一方向与所述第一扫描线和所述第三扫描线的同一方向在纵向或横向上位于同一位置。

17.根据权利要求2所述的方法，其特征在于，所述确定所述物体图像中所述待检测物体表面扫描线的像素集合包括：

在所述物体图像包括所述轮胎的胎体图像的情况下，获取所述胎体图像中的至少一组扫描线的像素值，其中，所述至少一组扫描线中包括：在纵向上，第一扫描线，位于所述第一扫描线左侧的第二扫描线；在横向上，第一扫描线，位于所述第一扫描线水平上方的第二扫描线；

依据像素中的灰度值对所述像素值进行分类，分别得到所述第一扫描线的第一像素集合和第二像素集合和所述第二扫描线的第一像素集合和第二像素集合；其中，所述第一像素集合，用于表示所述胎体图像中所述轮胎的胎体部分；所述第二像素集合，用于表示所述胎体图像中所述轮胎的金属丝部分；

依据所述第一像素集合和所述第二像素集合，得到所述至少一组扫描线的像素集合，其中，所述像素集合为组成扫描线各个位置的像素值的集合。

18.根据权利要求17所述的方法，其特征在于，所述依据所述像素集合，确定所述扫描线所在区域是否为目标检测区域包括：

依据所述像素集合中的编码，判断所述第一扫描线和所述第二扫描线在同一方向上的编码是否相同；其中，所述同一方向与扫描线的延伸方向垂直；在判断结果为否的情况下，将所述编码所在区域确定为目标检测区域。

19.根据权利要求18所述的方法，其特征在于，所述第一扫描线和所述第二扫描线的同一方向在纵向或横向上位于同一位置。

20.一种物体检测方法，其特征在于，包括：

获得待检测物体的物体图像；

依据所述物体图像，生成第一图像和第二图像；

确定所述物体图像中所述待检测物体表面扫描线的像素集合；

依据所述像素集合，确定所述扫描线所在区域是否为目标检测区域；

将所述目标检测区域的图像特征与所述第一图像中的图像特征进行比对，得到所述目标检测区域在所述第一图像上的位置；

通过数据同步，将所述位置同步至所述第二图像中；

将所述第二图像投放至指定区域，当显示所述第二图像的同时，显示所述第二图像中标记有所述目标检测区域的图像。

21.一种物体检测装置，其特征在于，包括：

接收模块，用于获得待检测物体的物体图像；

获取模块，用于确定所述物体图像中所述待检测物体表面扫描线的像素集合；

检测模块，用于依据所述像素集合，确定所述扫描线所在区域是否为目标检测区域。

22.一种物体检测装置，其特征在于，包括：

接收模块，用于获得待检测物体的物体图像；

生成模块，用于依据所述物体图像，生成第一图像和第二图像；

获取模块，用于确定所述物体图像中所述待检测物体表面扫描线的像素集合；

检测模块，用于依据所述像素集合，确定所述扫描线所在区域是否为目标检测区域；

定位模块，用于将所述目标检测区域的图像特征与所述第一图像中的图像特征进行比对，得到所述目标检测区域在所述第一图像上的位置；

同步模块，用于通过数据同步，将所述位置同步至所述第二图像中；

显示模块，用于将所述第二图像投放至指定区域，当显示所述第二图像的同时，显示所述第二图像中标记有所述目标检测区域的图像。

23.一种存储介质，所述存储介质包括存储的程序，其特征在于，在所述程序运行时控制所述存储介质所在设备执行权利要求1或20所述的物体检测方法。

24.一种物体检测装置，包括存储介质和处理器，所述处理器用于运行存储于所述存储介质中的程序，其特征在于，所述程序运行时执行权利要求1或20所述的物体检测方法。

Images