CN111144404B - 遗留物体检测方法、装置、系统、计算机设备和存储介质 - Google Patents

Abstract

本申请涉及一种遗留物体检测方法、装置、系统、计算机设备和存储介质，从计算机视觉角度出发，跟踪监管环境如车辆内的已有物体的位置变化，以检测监管环境内是否存在新增物品，当某个物体位置发生改变时，可识别出该物体为已有物体，排除因物体位置发生改变而误判物体为新增物体的可能，提高检测准确率，并且，采用多图像采集装置协同追踪，当确定了某个已有物体的空间位置后，将该物体的空间位置信息发送至其他图像采集装置，为其他图像采集装置提供该已有物体的搜索区域，进而进行物体跟踪协同定位，提高了检测的效率与精度。

Description

遗留物体检测方法、装置、系统、计算机设备和存储介质

技术领域

本申请涉及计算机视觉领域，特别是涉及一种遗留物体检测方法、装置、系统、计算机设备和存储介质。

背景技术

物体跟踪是计算机视觉领域的常见的问题，例如，物体跟踪也是多依赖于计算机视觉技术实现，并且，遗留物体检测方法也可依赖物体跟踪技术实现。

但是，目前，现有的如车内遗留物体检测方法多是通过视觉传感器和压力传感器通过乘车前后同一位置的传感器输出值来对比，来检测车内的物品是否新增物品，若车内的一个原有物品从主驾驶位置移动到副驾驶位置，物品跟踪结果可能是副驾驶位置有新增物品。可见，现有的遗留物体检测方法存在物体检测准确率不高的问题。

发明内容

基于此，有必要针对现有的遗留物体检测方法的检测准确率不高的问题，提供一种准确率较高的遗留物体检测方法、装置、计算机设备和存储介质。

一种遗留物体检测方法，方法包括：

接收第一图像采集装置发送的监管环境的景深图像数据，确定监管环境中已有物体在景深图像数据中的边界框；

基于边界框和景深图像数据，确定已有物体与第一图像采集装置的距离和角度；

根据已有物体与第一图像采集装置的距离和角度，得到已有物体的空间位置信息；

发送携带空间位置信息的控制指令至第二图像采集装置，控制指令用于控制第二图像采集装置结合空间位置信息和预设的物体定位算法对已有物体进行跟踪，第一图像采集装置和第二图像装置设置于同一个监管环境中且采集不同区域的景深图像数据且采集不同区域的景深图像数据。

在其中一个实施例中，基于边界框和景深图像数据，确定已有物体与第一图像采集装置的距离和角度包括：

获取已有物体与第一图像采集装置的距离，以及边界框与景深图像数据的中心距；

由中心距与景深图像数据中的图像边长的比例，确定已有物体与第一图像采集装置的角度。

在其中一个实施例中，由中心距与景深图像数据中的图像边长的比例，确定已有物体与第一图像采集装置的角度包括：

获取第一图像采集装置的最大取景角度；

根据中心距与景深图像数据中的图像边长的比例以及最大取景角度，确定已有物体与第一图像采集装置的角度。

在其中一个实施例中，获取第一图像采集装置的最大取景角度包括：

获取第一图像采集装置与预设空间平面的垂直距离以及与预设空间平面的最大取景边界距离；

基于垂直距离以及最大取景边界距离，采用反余弦函数得到最大取景角度。

在其中一个实施例中，控制指令还用于控制第二图像采集装置进行下述处理：

基于空间位置信息，得到已有物体与第二图像采集装置的连线的方向；

根据连线方向，确定已有物体在第二图像采集装置中的搜索区域；

基于搜索区域，采用预设的物体定位算法对已有物体进行跟踪。

在其中一个实施例中，还包括：

提取已有物体的多角度视觉特征；

根据已有物体的多角度视觉特征，对已有物体进行全方位跟踪定位。

一种遗留物体检测装置，装置包括：

数据接收模块，用于接收第一图像采集装置发送的监管环境的景深图像数据，确定监管环境中已有物体在景深图像数据中的边界框；

数据处理模块，用于基于边界框和景深图像数据，确定已有物体与第一图像采集装置的距离和角度；

物体定位模块，用于根据已有物体与第一图像采集装置的距离和角度，得到已有物体的空间位置信息；

物体追踪模块，用于发送携带空间位置信息的控制指令至第二图像采集装置，控制指令用于控制第二图像采集装置结合空间位置信息和预设的物体定位算法对已有物体进行跟踪，第一图像采集装置和第二图像装置设置于同一个监管环境中且采集不同区域的景深图像数据。

一种遗留物体检测系统，系统包括第一图像采集装置、第二图像采集装置以及数据处理装置，第一图像采集装置以及第二图像采集装置设置于同一个监管环境中；

第一图像采集装置用于采集监管环境的景深图像数据，将采集到的景深图像数据发送至数据处理装置；

数据处理装置用于接收第一图像采集装置发送的监管环境的景深图像数据，确定监管环境中已有物体在景深图像数据中的边界框，基于边界框和景深图像数据，确定已有物体与第一图像采集装置的距离和角度，根据已有物体与摄像头的距离和角度，得到已有物体的空间位置信息，发送携带空间位置信息的控制指令至第二图像采集装置，控制指令用于控制第二图像采集装置结合空间位置信息和预设的物体定位算法对已有物体进行跟踪；

第二图像采集装置用于接收控制指令，基于控制指令中的已有物体的空间位置信息，得到与已有物体的连线的方向，根据连线方向，确定已有物体的搜索区域，基于搜索区域，采用预设的物体定位算法对已有物体进行跟踪。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述遗留物体检测方法中的步骤。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述遗留物体检测方法中的步骤。

上述遗留物体检测方法、装置、系统、计算机设备和存储介质，从计算机视觉角度出发，跟踪监管环境如车辆内的已有物体的位置变化，以检测监管环境内是否存在新增物品，当某个物体位置发生改变时，可识别出该物体为已有物体，排除因物体位置发生改变而误判物体为新增物体的可能，提高检测准确率，并且，采用多图像采集装置协同追踪，当确定了某个已有物体的空间位置后，将该物体的空间位置信息发送至其他图像采集装置，为其他图像采集装置提供该已有物体的搜索区域，进而进行物体跟踪协同定位，提高了检测的效率与精度。

附图说明

图1为一个实施例中遗留物体检测方法的应用环境图；

图2为一个实施例中遗留物体检测方法的流程示意图；

图3为一个实施例中物体跟踪原理示意图；

图4为另一个实施例中遗留物体检测方法的详细流程示意图；

图5为一个实施例中遗留物体检测装置的结构框图；

图6为一个实施例中遗留物体检测装置的结构框图；

图7为一个实施例中遗留物体检测系统的结构框图；

图8为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请提供的遗留物体检测方法，可以应用于如图1所示的应用环境中。监管环境以车辆为例，车辆内设置有多个图像采集装置以及用于进行物体跟踪定位的处理器，其中，图像采集装置包括第一图像采集装置以及第二图像采集装置，且采用固定分区的方式分别采集车辆内不同区域的图像数据，处理器用于综合第一图像采集装置以及第二图像采集装置的景深图像数据，结合预设的物体定位算法，识别车内的已有物品的位置变化，进行跟踪定位。具体的，可以是第一图像采集装置采集车辆内的图像数据，得到监管环境的景深图像数据，并将采集到的监管环境的景深图像数据发送至处理器，处理器接收第一图像采集装置发送的监管环境的景深图像数据，确定监管环境中已有物体在景深图像数据中的边界框，基于边界框和景深图像数据，确定已有物体与第一图像采集装置的距离和角度，根据已有物体与第一图像采集装置的距离和角度，得到已有物体的空间位置信息，发送携带空间位置信息的控制指令至第二图像采集装置，控制指令用于结合空间位置信息和预设的物体定位算法对已有物体进行跟踪。

在其中一个实施例中，如图2所示，提供了一种遗留物体检测方法，以该方法应用于图1中的处理器为例进行说明，包括以下步骤：

步骤S200，接收第一图像采集装置发送的监管环境的景深图像数据，确定监管环境中已有物体在景深图像数据中的边界框。

景深是指在摄影机镜头或其他成像器前沿能够取得清晰图像的成像所测定的被摄物体前后距离范围。在聚焦完成后，焦点前后的范围内所呈现的清晰图像，这一前一后的距离范围，便叫做景深。监管环境即为有安防需求的环境或特定场所。本实施例中，监管环境以汽车为例，车内安装有多个图像采集装置，车内可安装有4个或5个图像采集装置用于分别采集每一个驾乘座位的图像数据。具体的，第一图像采集装置以景深摄像头为例，可以是当驾驶人员手拿一个纸箱进入车辆内，将纸箱放置在副驾驶座位上，车辆开始发动时或车门关闭时，便触发景深摄像头的开机，景深摄像头开始采集车辆内的景深图像数据，并将景深图像数据实时发送至车辆内的处理器，处理器接收发送的景深图像数据，即由副驾驶对应的景深摄像头(可视为第一图像采集装置)采集的图像数据中携带有已有物体即纸箱的画面，然后可根据深度学习中的YOLO、Mask R-CNN等算法，对该图像数据进行物体定位，确定车内的已有物体(纸箱)在该景深图像数据中的物体边界框即边界框。图像数据可以是采集的连续的视频数据中的一帧或若干帧，也可以是通过一定时间间隔的连续拍照得到的图片数据。可以理解的是，在其他实施例中，图像采集装置的触发方式也可以是当有驾乘人员进入车内，车内的压力传感器有相应的数据输出时触发，还可以是当检测到有安全带扣紧时触发。已有物体在图像中的边界框的确定也可由机器视觉方法实现，如BOOSINGTracker方法等，在此不做限定。

步骤S400，基于边界框和景深图像数据，确定已有物体与第一图像采集装置的距离和角度。

角度确定的原理可以是，本领域技术人员公知：圆弧的长度＝角度*半径，当角度不是很大(不是广角摄像头)时，圆弧长度近似等于由圆弧两个端点构成的直线的长度，由此可得，角度的比例近似等于线段长度的比例。当确定了已有物体在图像数据中的边界框后，可基于边界框的中心与图像中心的距离与图像边长的比值，确定由已有物体到第一图像采集装置引出的射线相对于中心线偏移角度即角1，也就是已有物体与第一图像采集装置的角度，通过模拟横纵两个方向的角度即可确定此射线的方向。已有物体与第一图像采集装置(景深摄像头)的距离可由景深摄像头拍摄的得到景深图像数据直接得出，景深即已有物体与第一图像采集装置的距离。

步骤S600，根据已有物体与第一图像采集装置的距离和角度，得到已有物体的空间位置信息。

如上述实施例所述，由横纵两个方向的角度确定射线的方向之后，可由射线的方向和已有物体与第一图像采集装置的距离，确定已有物体在三维空间的位置信息，即在该图像下的预设三维坐标系中的坐标位置。

步骤S800，发送携带空间位置信息的控制指令至第二图像采集装置，控制指令用于控制第二图像采集装置结合空间位置信息和预设的物体定位算法对已有物体进行跟踪，第一图像采集装置和第二图像装置设置于同一个监管环境中且采集不同区域的景深图像数据。

当确定已有物体的坐标位置后，为了能够及时跟踪已有物体的位置变化，如纸箱的位置从原本副驾驶座位被转移到副驾驶正后方的后排座位上，则用于拍摄该后排座位的摄像头可能错误地认为该纸箱是新增物体，因此，可联合车内安装的多个摄像头一起对纸箱进行协同追踪定位。具体的，可以是可将携带已有物体的空间位置信息的控制指令发送至第二图像采集装置，控制指令用于控制第二图像采集装置结合空间位置信息和预设的物体定位算法对已有物体进行跟踪。其中，该第二图像采集装置可以包括多个景深摄像头，当第二图像采集装置接收到控制指令后，可根据已有物体的坐标位置得到该已有物体在其自身摄像头中高可能性的搜索区域，进而采用预设的物体定位算法对物体进行追踪定位，提高计算效率与精度。

上述物体追踪方法，从计算机视觉角度出发，跟踪监管环境如车辆内的已有物体的位置变化，以检测监管环境内是否存在新增物品，当某个物体位置发生改变时，可识别出该物体为已有物体，排除因物体位置发生改变而误判物体为新增物体的可能，提高检测准确率，并且，采用多图像采集装置协同追踪，当确定了某个已有物体的空间位置后，将该物体的空间位置信息发送至其他图像采集装置，为其他图像采集装置提供该已有物体的搜索区域，进而进行物体跟踪协同定位，提高了检测的效率与精度。

在其中一个实施例中，如图4所示，基于边界框和景深图像数据，确定已有物体与第一图像采集装置的距离和角度包括：步骤S420，获取已有物体与第一图像采集装置的距离，以及边界框与景深图像数据的中心距，由中心距与景深图像数据中的图像边长的比例，确定已有物体与第一图像采集装置的角度。

如前述实施例所述，圆弧的长度＝角度*半径，当角度不是很大时，圆弧长度可近似等于由圆弧两个端点构成的直线的长度，得到两个角度的比例近似等于角度对应的两段线段长度的比例，结合图3可得，角1/角2＝X1/X2，其中，X2为景深图像边长的二分之一，应用到本实施例中，则有边界框中心距离图像中心(即等分线)的距离占图像半边长即X2的比例等于角1占摄像头最大取景半角度的比例，因此，已有物体与第一图像采集装置的角度的确定方式可以是：获取边界框与景深图像数据的中心距即边界框的中心与景深图像数据的中心线的垂直距离，计算中心距与图像半边长的比例，图像半边长对应最大取景角度的一半，即由该比例即可得到已有物体与第一图像采集装置的角度。

在其中一个实施例中，由中心距与景深图像数据中的图像边长的比例，确定已有物体与第一图像采集装置的角度包括：获取第一图像采集装置的最大取景角度，根据中心距与景深图像数据中的图像边长的比例以及最大取景角度，确定已有物体与第一图像采集装置的角度。

在实际应用中，景深摄像头的最大取景角度可由摄像头生产商提供，也可通过测定得到。本实施例中，以最大取景角度为摄像头生厂商提供为例，则直接获取最大取景角度即可，由中心距与图像半边长的比例等于已有物体与第一图像采集装置的角度与最大取景半角度(即最大取景角度的一半)的比例，中心距与图像半边长已知，最大取景角度已知，则可直接得到已有物体与第一图像采集装置的角度。本实施例中，无需采用复杂的角度计算方法，基于线段长度比例再结合已知的摄像头的最大取景角度参数即可确定已有物体与第一图像采集装置的角度，简单便捷。

在其中一个实施例中，获取第一图像采集装置的最大取景角度包括：获取第一图像采集装置与预设空间平面的垂直距离以及与预设空间平面的最大取景边界距离，基于垂直距离以及最大取景边界距离，采用反余弦函数得到最大取景角度。

反余弦函数是余弦函数的反函数(y＝cosx(x∈[0,π])，记作y＝arccosx(x∈[-1,1])。如上述实施例所述，若需通过实验测出最大取景角度，则只需测出摄像头到真实空间平面的垂直距离即线段长度图3中的d1，以及摄像头到此真实空间平面的最大取景边界的距离d2，已知距离d1以及距离d2，则可由反余弦函数计算距离d1以及距离d2对应的线段所构成的夹角的值。

在其中一个实施例中，控制指令还用于控制第二图像采集装置进行下述处理：基于空间位置信息，得到已有物体与第二图像采集装置的连线的方向，根据连线方向，确定已有物体在第二图像采集装置中的搜索区域，基于搜索区域，采用预设的物体定位算法对已有物体进行跟踪。

在实际应用中，第二图像采集装置以景深摄像装置为例，该装置包括微型处理器，其中预设有物体定位算法，当第二图像采集装置接收到已有物体的空间坐标后，可直接查找到其预设坐标系下的已有物体对应的空间位置坐标，然后确定已有物体的边界框在预设坐标系中的大致位置，简单来说，将上述实施例中确定已有物体空间位置的逻辑进行反推，则可得到已有物体在图像中的边界框。具体的，摄像头固定，可由已有物体的空间坐标找到对应的坐标点，由该坐标点得到由已有物体与自身摄像头延伸出的连线和连线方向，进而可由该连线方向确定已有物体与自身摄像头的角度，最大取景角度以及图像边长已知，可由角度比例确定已有物体与自身摄像头可能的距离，进而确定已有物体的边界框在当前拍摄的图像数据中可能的位置，即为定位算法提供了ROI(region of interest，感兴趣区域)即搜索区域。然后，在距边界框中心的预设范围内，采用预设的物体定位算法进行物体跟踪定位。若纸箱的位置由副驾驶座位改变至后排位置时，由于纸箱的空间位置已发送给其他图像采集装置，则其它图像采集装置可由结合纸箱的空间位置和预设的物体定位算法，对纸箱进行协同跟踪，使得不会将发生位置改变的纸箱误判为新增物体。本实施例中，预设的物体定位算法可以是YOLO算法以及Mask R-CNN算法。通过发送空间位置信息可为其他图像采集装置提供重点搜索区域，提高了不同图像采集装置之间的物体追踪定位的相互印证与增强。

在其中一个实施例中，如图4所示，还包括：步骤S900，提取已有物体的多角度视觉特征，根据所述多角度视觉特征，对已有物体进行全方位跟踪定位。

为了提高已有物体的识别度，在实际应用中，还可以对同一个已有物体进行多角度视觉特征提取，即利用多角度视觉特征提取算法提取已有物体的图像特征，当某个已有物体的朝向或位置发生变化时，可通过提取出的多角度视觉特征进行图像检索或相似度匹配，识别该已有物体是否为新增物体。具体的，多角度视觉特征提取方法可以是结合SIFT(Scale-invariant feature transform，尺度不变特征变换)以及LBP(Local BinaryPatterns，局部二值式)信息互补的局部特征(即多角度局部特征)提取算法。本实施例中，通过提取同一已有物品的多角度视觉特征，能够避免物品因朝向或位置改变而被误判为新增物体的问题。只有当车内驾乘人员都离开车辆时，才会将该已有物体判定为遗留物体，发送物体遗留通知消息至预设的驾乘人员的联系地址。

应该理解的是，虽然图2-4的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-4中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

在其中一个实施例中，如图5所示，提供了一种遗留物体检测装置，包括：数据接收模块510、数据处理模块520、物体定位模块530以及物体跟踪模块540，其中：

数据接收模块510，用于接收第一图像采集装置发送的监管环境的景深图像数据，确定监管环境中已有物体在景深图像数据中的边界框。

数据处理模块520，用于基于边界框和景深图像数据，确定已有物体与第一图像采集装置的距离和角度。

物体定位模块530，用于根据已有物体与第一图像采集装置的距离和角度，得到已有物体的空间位置信息。

物体追踪模块540，用于发送携带空间位置信息的控制指令至第二图像采集装置，控制指令用于控制第二图像采集装置结合空间位置信息和预设的物体定位算法对已有物体进行跟踪，第一图像采集装置和第二图像装置设置于同一个监管环境中且采集不同区域的景深图像数据。

在其中一个实施例中，数据处理模块520还用于获取已有物体与第一图像采集装置的距离，以及边界框与景深图像数据的中心距，由中心距与景深图像数据中的图像边长的比例，确定已有物体与第一图像采集装置的角度。

在其中一个实施例中，数据处理模块520还用于获取第一图像采集装置的最大取景角度，根据中心距与景深图像数据中的图像边长的比例以及最大取景角度，确定已有物体与第一图像采集装置的角度。

在其中一个实施例中，数据处理模块520还用于获取第一图像采集装置与预设空间平面的垂直距离以及与预设空间平面的最大取景边界距离，基于垂直距离以及最大取景边界距离，采用反余弦函数得到最大取景角度。

在其中一个实施例中，物体跟踪模块540还用于基于空间位置信息，得到已有物体与第二图像采集装置的连线的方向，根据连线方向，确定已有物体在第二图像采集装置中的搜索区域，基于搜索区域，采用预设的物体定位算法对已有物体进行跟踪。

在其中一个实施例中，如图6所示，遗留物体检测装置还包括多角度视觉特征提取模块550，用于提取已有物体的多角度视觉特征；根据已有物体的多角度视觉特征，对已有物体进行全方位跟踪定位。

关于遗留物体检测装置的具体限定可以参见上文中对于遗留物体检测方法的限定，在此不再赘述。上述遗留物体检测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。

在其中一个实施例中，如图7所示，还提供了一种遗留物体检测系统，系统包括第一图像采集装置710、第二图像采集装置720以及数据处理装置730，第一图像采集装置710以及第二图像采集装置720设置于同一个监管环境中且采集不同区域的景深图像数据，其中：

第一图像采集装置710用于采集监管环境的景深图像数据，将采集到的景深图像数据发送至数据处理装置730。

数据处理装置730用于接收第一图像采集装置710发送的监管环境的景深图像数据，确定监管环境中已有物体在景深图像数据中的边界框，基于边界框和景深图像数据，确定已有物体与第一图像采集装置710的距离和角度，根据已有物体与摄像头的距离和角度，得到已有物体的空间位置信息，发送携带空间位置信息的控制指令至第二图像采集装置720，控制指令用于控制第二图像采集装置结合空间位置信息和预设的物体定位算法对已有物体进行跟踪。

第二图像采集装置720用于接收控制指令，基于控制指令中的已有物体的空间位置信息，得到与已有物体的连线的方向，根据连线方向，确定已有物体的搜索区域，基于搜索区域，采用预设的物体定位算法对已有物体进行跟踪。

在其中一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图8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、显示屏和输入装置。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和计算机程序。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遗留物体检测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在其中一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：接收第一图像采集装置发送的监管环境的景深图像数据，确定监管环境中已有物体在景深图像数据中的边界框，基于边界框和景深图像数据，确定已有物体与第一图像采集装置的距离和角度，根据已有物体与第一图像采集装置的距离和角度，得到已有物体的空间位置信息，发送携带空间位置信息的控制指令至第二图像采集装置，控制指令用于控制第二图像采集装置结合空间位置信息和预设的物体定位算法对已有物体进行跟踪，第一图像采集装置和第二图像装置设置于同一个监管环境中且采集不同区域的景深图像数据。

在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：获取已有物体与第一图像采集装置的距离，以及边界框与景深图像数据的中心距，由中心距与景深图像数据中的图像边长的比例，确定已有物体与第一图像采集装置的角度。

在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：获取第一图像采集装置的最大取景角度，根据中心距与景深图像数据中的图像边长的比例以及最大取景角度，确定已有物体与第一图像采集装置的角度。

在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：获取第一图像采集装置与预设空间平面的垂直距离以及与预设空间平面的最大取景边界距离，基于垂直距离以及最大取景边界距离，采用反余弦函数得到最大取景角度。

在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：基于空间位置信息，得到已有物体与第二图像采集装置的连线的方向，根据连线方向，确定已有物体在第二图像采集装置中的搜索区域，基于搜索区域，采用预设的物体定位算法对已有物体进行跟踪。

在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：提取同一已有物体的多角度视觉特征，当某个已有物体的朝向发生改变时，根据已有物体的多角度视觉特征识别该已有物体是否为新增物体。

在其中一个实施例中，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：接收第一图像采集装置发送的监管环境的景深图像数据，确定监管环境中已有物体在景深图像数据中的边界框，基于边界框和景深图像数据，确定已有物体与第一图像采集装置的距离和角度，根据已有物体与第一图像采集装置的距离和角度，得到已有物体的空间位置信息，发送携带空间位置信息的控制指令至第二图像采集装置，控制指令用于控制第二图像采集装置结合空间位置信息和预设的物体定位算法对已有物体进行跟踪，第一图像采集装置和第二图像装置设置于同一个监管环境中且采集不同区域的景深图像数据。

在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取已有物体与第一图像采集装置的距离，以及边界框与景深图像数据的中心距，由中心距与景深图像数据中的图像边长的比例，确定已有物体与第一图像采集装置的角度。

在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取第一图像采集装置的最大取景角度，根据中心距与景深图像数据中的图像边长的比例以及最大取景角度，确定已有物体与第一图像采集装置的角度。

在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取第一图像采集装置与预设空间平面的垂直距离以及与预设空间平面的最大取景边界距离，基于垂直距离以及最大取景边界距离，采用反余弦函数得到最大取景角度。

在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：基于空间位置信息，得到已有物体与第二图像采集装置的连线的方向，根据连线方向，确定已有物体在第二图像采集装置中的搜索区域，基于搜索区域，采用预设的物体定位算法对已有物体进行跟踪。

在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：提取已有物体的多角度视觉特征，根据已有物体的多角度视觉特征，对已有物体进行全方位跟踪定位。

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。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种遗留物体检测方法，所述方法包括：

接收第一图像采集装置发送的监管环境的景深图像数据，确定所述监管环境中已有物体在所述景深图像数据中的边界框；

基于所述边界框和所述景深图像数据，确定所述已有物体与所述第一图像采集装置的距离和角度；

根据所述已有物体与所述第一图像采集装置的距离和角度，得到所述已有物体的空间位置信息；

发送携带所述空间位置信息的控制指令至第二图像采集装置，所述控制指令用于控制所述第二图像采集装置结合所述空间位置信息和预设的物体定位算法对所述已有物体进行跟踪，所述第一图像采集装置和所述第二图像采集装置设置于同一个监管环境中且采集不同区域的景深图像数据。

2.根据权利要求1所述的遗留物体检测方法，其特征在于，所述基于所述边界框和所述景深图像数据，确定所述已有物体与第一图像采集装置的距离和角度包括：

获取所述已有物体与第一图像采集装置的距离，以及所述边界框与所述景深图像数据的中心距；

由所述中心距与所述景深图像数据中的图像边长的比例，确定所述已有物体与第一图像采集装置的角度。

3.根据权利要求2所述的遗留物体检测方法，其特征在于，所述由所述中心距与所述景深图像数据中的图像边长的比例，确定所述已有物体与第一图像采集装置的角度包括：

获取所述第一图像采集装置的最大取景角度；

根据所述中心距与所述景深图像数据中的图像边长的比例以及所述最大取景角度，确定所述已有物体与所述第一图像采集装置的角度。

4.根据权利要求3所述的遗留物体检测方法，其特征在于，所述获取所述第一图像采集装置的最大取景角度包括：

获取所述第一图像采集装置与预设空间平面的垂直距离以及与所述预设空间平面的最大取景边界距离；

基于所述垂直距离以及所述最大取景边界距离，采用反余弦函数得到所述最大取景角度。

5.根据权利要求1所述的遗留物体检测方法，其特征在于，所述控制指令还用于控制所述第二图像采集装置进行下述处理：

基于所述空间位置信息，得到与所述已有物体的连线的方向；

根据所述连线方向，确定所述已有物体的搜索区域；

基于所述搜索区域，采用所述预设的物体定位算法对所述已有物体进行跟踪。

6.根据权利要求1所述的遗留物体检测方法，其特征在于，还包括：

提取所述已有物体的多角度视觉特征；

根据所述已有物体的多角度视觉特征，对所述已有物体进行全方位跟踪定位。

7.一种遗留物体检测装置，其特征在于，所述装置包括：

数据接收模块，用于接收第一图像采集装置发送的监管环境的景深图像数据，确定所述监管环境中已有物体在所述景深图像数据中的边界框；

数据处理模块，用于基于所述边界框和所述景深图像数据，确定所述已有物体与第一图像采集装置的距离和角度；

物体定位模块，用于根据所述已有物体与所述第一图像采集装置的距离和角度，得到所述已有物体的空间位置信息；

物体追踪模块，用于发送携带所述空间位置信息的控制指令至第二图像采集装置，所述控制指令用于控制所述第二图像采集装置结合所述空间位置信息和预设的物体定位算法对所述已有物体进行跟踪，所述第一图像采集装置和所述第二图像采集装置设置于同一个监管环境中且采集不同区域的景深图像数据。

8.一种遗留物体检测系统，所述系统包括第一图像采集装置、第二图像采集装置以及数据处理装置，所述第一图像采集装置以及所述第二图像采集装置设置于同一个监管环境中且采集不同区域的景深图像数据；

所述第一图像采集装置用于采集监管环境的景深图像数据，将采集到的景深图像数据发送至所述数据处理装置；

所述数据处理装置用于接收所述第一图像采集装置发送的监管环境的景深图像数据，确定监管环境中已有物体在所述景深图像数据中的边界框，基于所述边界框和所述景深图像数据，确定所述已有物体与所述第一图像采集装置的距离和角度，根据所述已有物体与摄像头的距离和角度，得到所述已有物体的空间位置信息，发送携带所述空间位置信息的控制指令至第二图像采集装置，所述控制指令用于控制所述第二图像采集装置结合所述空间位置信息和预设的物体定位算法对所述已有物体进行跟踪；

所述第二图像采集装置用于接收所述控制指令，基于所述控制指令中的已有物体的空间位置信息，得到与所述已有物体的连线的方向，根据所述连线方向，确定所述已有物体的搜索区域，基于所述搜索区域，采用所述预设的物体定位算法对所述已有物体进行跟踪。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。