CN111986245A - 深度信息评估方法、装置、电子设备及存储介质 - Google Patents
深度信息评估方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111986245A CN111986245A CN201910434971.XA CN201910434971A CN111986245A CN 111986245 A CN111986245 A CN 111986245A CN 201910434971 A CN201910434971 A CN 201910434971A CN 111986245 A CN111986245 A CN 111986245A
- Authority
- CN
- China
- Prior art keywords
- depth
- pixel
- preset object
- preset
- interval
- 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.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000005070 sampling Methods 0.000 claims description 40
- 230000000007 visual effect Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 5
- 230000003245 working effect Effects 0.000 abstract description 6
- 230000008569 process Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 11
- 239000011159 matrix material Substances 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 3
- 230000008094 contradictory effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Abstract
本发明提出一种深度信息评估方法、装置、电子设备及存储介质，其中，方法包括：对深度相机采集的RGB图以及深度图进行配准，将深度图的坐标系转换到RGB图的坐标系，并获取RGB图中预设对象对应的有效感兴趣区域；根据预设对象对应的有效感兴趣区域中各个像素的深度信息，生成预设对象对应的直方图；直方图包括：各个深度区间对应的像素数量；根据直方图中各个深度区间对应的像素数量，确定预设对象的深度信息，其中，直方图能够直接的将预设对象和背景分离开来，避免背景对预设对象深度信息评估的影响，从而能够提高深度信息的评估准确度，提高智能设备的工作效果以及使用体验。
Description
技术领域
本发明涉及智能设备技术领域，尤其涉及一种深度信息评估方法、装置、电子设备及存储介质。
背景技术
目前的智能设备，例如机器人等，具备人脸(或人体)识别、跟踪、引领等工作模式，而上述工作模式，都需要先对人脸(或人体)的深度信息进行评估。目前的深度信息评估方法主要为，从深度相机采集RGB图和深度图，对RGB图和深度图进行配准；将RGB图中的感兴趣区域按照一个预设的比例收缩，以排除背景信息；从收缩后的区域估计人脸(或人体)的深度信息。
然而上述方案中，由于量产机器人的安装公差，RGB图和深度图的配准存在一定的误差，且获得的感兴趣区域存在一定的偏大或漂移，导致收缩后的感兴趣区域还存在一定的背景信息，降低了深度信息的评估准确度，降低了智能设备的工作效果以及使用体验。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本发明的第一个目的在于提出一种深度信息评估方法。该方法中，对深度相机采集的RGB图以及深度图进行配准，并获取RGB图中预设对象对应的有效感兴趣区域后，建立直方图，根据直方图来确定预设对象的深度信息，其中，直方图能够直接的将预设对象和背景分离开来，避免背景对预设对象深度信息评估的影响，从而能够提高深度信息的评估准确度。
本发明的第二个目的在于提出一种深度信息评估装置。
本发明的第三个目的在于提出一种电子设备。
本发明的第四个目的在于提出一种非临时性计算机可读存储介质。
为达上述目的，本发明第一方面实施例提出了一种深度信息评估方法，包括：
对深度相机采集的RGB图以及深度图进行配准，以将所述深度图的坐标系转换到所述RGB图的坐标系，并获取所述RGB图中预设对象对应的有效感兴趣区域；所述有效感兴趣区域根据所述RGB图中预设对象的所在区域以及经过坐标系转换的深度图的视觉范围确定；
根据所述预设对象对应的有效感兴趣区域中各个像素的深度信息，生成所述预设对象对应的直方图；所述直方图中包括：各个深度区间对应的像素数量；
根据所述直方图中各个深度区间对应的像素数量，确定所述预设对象的深度信息。
本发明实施例的深度信息评估方法，直方图能够直接的将预设对象和背景分离开来，避免背景对预设对象深度信息评估的影响，从而能够提高深度信息的评估准确度，提高智能设备的工作效果以及使用体验。
另外，根据本发明上述实施例的深度信息评估方法，还可以具有如下附加的技术特征：
在本发明一个实施例中，所述根据所述预设对象对应的有效感兴趣区域中各个像素的深度信息，生成所述预设对象对应的直方图，包括：
根据预设步长，确定所述直方图的各个深度区间；
针对每个深度区间，将所述深度区间的最小深度减去预设深度值，得到所述深度区间对应的深度范围的左边界；将所述深度区间的最大深度加上预设深度值，得到所述深度区间对应的深度范围的右边界；
根据所述预设对象对应的有效感兴趣区域中各个像素的深度信息，确定各个像素所属的深度范围；
根据所述各个像素所属的深度范围，确定各个深度区间对应的像素数量。
在本发明一个实施例中，所述根据所述预设对象对应的有效感兴趣区域中各个像素的深度信息，确定各个像素所属的深度范围之前，还包括：
根据所述预设对象对应的有效感兴趣区域中X轴方向上的像素点总数量，确定X轴方向上的抽样步长；
根据所述预设对象对应的有效感兴趣区域中Y轴方向上的像素点总数量，确定Y轴方向上的抽样步长；
依次按照X轴方向上的抽样步长和Y轴方向上的抽样步长对所述预设对象对应的有效感兴趣区域进行像素点抽样，得到抽样后的有效感兴趣区域；
所述根据所述预设对象对应的有效感兴趣区域中各个像素的深度信息，确定各个像素所属的深度范围，具体包括：
根据所述预设对象对应的抽样后的有效感兴趣区域中各个像素的深度信息，确定各个像素所属的深度范围。
在本发明一个实施例中，所述根据所述预设对象对应的有效感兴趣区域中各个像素的深度信息，确定各个像素所属的深度范围之前，还包括：
去除所述预设对象对应的有效感兴趣区域中的第一像素点，所述第一像素点为对应的深度信息位于预设深度量程之外的像素点。
在本发明一个实施例中，所述根据所述直方图中各个深度区间对应的像素数量，确定所述预设对象的深度信息，包括：
遍历所述直方图中的各个深度区间，获取前景对应的深度区间及像素占比，以及背景对应的深度区间及像素占比；所述前景对应的深度区间为所述直方图中第一个峰值所在的深度区间；所述背景对应的深度区间为所述直方图中最高峰值所在的深度区间；
若前景对应的像素占比与背景对应的像素占比的比值小于预设遮挡阈值，则将所述背景对确定为所述预设对象；
若前景对应的像素占比与背景对应的像素占比的比值大于等于预设遮挡阈值，则将前景确定为所述预设对象；
根据所述预设对象对应的深度区间，确定所述预设对象的深度信息。
在本发明一个实施例中，所述遍历所述直方图中的各个深度区间，获取前景对应的深度区间及像素占比，以及背景对应的深度区间及像素占比之前，还包括：
去除所述直方图中的第一深度区间，所述第一深度区间为对应的像素数量小于预设滤波阈值的深度区间。
在本发明一个实施例中，所述的方法还包括：
若所述前景对应的深度区间与所述背景对应的深度区间为不同的深度区间，则将所述预设对象对应的像素占比与预设满分阈值的比值，确定为所述预设对象的确信度；
若所述前景对应的深度区间与所述背景对应的深度区间为相同的深度区间，则将所述预设对象对应的像素占比与预设满分阈值的比值的预设倍数，确定为所述预设对象的确信度。
在本发明一个实施例中，所述预设对象为人脸或者人体。
为达上述目的，本发明第二方面实施例提出了一种深度信息评估装置，包括：
获取模块，用于对深度相机采集的RGB图以及深度图进行配准，以将所述深度图的坐标系转换到所述RGB图的坐标系，并获取所述RGB图中预设对象对应的有效感兴趣区域；所述有效感兴趣区域根据所述RGB图中预设对象的所在区域以及经过坐标系转换的深度图的视觉范围确定；
生成模块，用于根据所述预设对象对应的有效感兴趣区域中各个像素的深度信息，生成所述预设对象对应的直方图；所述直方图中包括：各个深度区间对应的像素数量；
确定模块，用于根据所述直方图中各个深度区间对应的像素数量，确定所述预设对象的深度信息。
另外，根据本发明上述实施例的深度信息评估装置，还可以具有如下附加的技术特征：
在本发明一个实施例中，所述生成模块具体用于，根据预设步长，确定所述直方图的各个深度区间；
针对每个深度区间，将所述深度区间的最小深度减去预设深度值，得到所述深度区间对应的深度范围的左边界；将所述深度区间的最大深度加上预设深度值，得到所述深度区间对应的深度范围的右边界；
根据所述预设对象对应的有效感兴趣区域中各个像素的深度信息，确定各个像素所属的深度范围；
根据所述各个像素所属的深度范围，确定各个深度区间对应的像素数量。
在本发明一个实施例中，所述生成模块具体还用于，
根据所述预设对象对应的有效感兴趣区域中X轴方向上的像素点总数量，确定X轴方向上的抽样步长；
根据所述预设对象对应的有效感兴趣区域中Y轴方向上的像素点总数量，确定Y轴方向上的抽样步长；
依次按照X轴方向上的抽样步长和Y轴方向上的抽样步长对所述预设对象对应的有效感兴趣区域进行像素点抽样，得到抽样后的有效感兴趣区域；
所述生成模块具体用于，
根据所述预设对象对应的抽样后的有效感兴趣区域中各个像素的深度信息，确定各个像素所属的深度范围。
在本发明一个实施例中，所述生成模块具体还用于，
去除所述预设对象对应的有效感兴趣区域中的第一像素点，所述第一像素点为对应的深度信息位于预设深度量程之外的像素点。
在本发明一个实施例中，所述确定模块具体用于，
遍历所述直方图中的各个深度区间，获取前景对应的深度区间及像素占比，以及背景对应的深度区间及像素占比；所述前景对应的深度区间为所述直方图中第一个峰值所在的深度区间；所述背景对应的深度区间为所述直方图中最高峰值所在的深度区间；
若前景对应的像素占比与背景对应的像素占比的比值小于预设遮挡阈值，则将所述背景对确定为所述预设对象；
若前景对应的像素占比与背景对应的像素占比的比值大于等于预设遮挡阈值，则将前景确定为所述预设对象；
根据所述预设对象对应的深度区间，确定所述预设对象的深度信息。
在本发明一个实施例中，所述确定模块具体还用于，
去除所述直方图中的第一深度区间，所述第一深度区间为对应的像素数量小于预设滤波阈值的深度区间。
在本发明一个实施例中，所述确定模块还用于，
若所述前景对应的深度区间与所述背景对应的深度区间为不同的深度区间，则将所述预设对象对应的像素占比与预设满分阈值的比值，确定为所述预设对象的确信度；
若所述前景对应的深度区间与所述背景对应的深度区间为相同的深度区间，则将所述预设对象对应的像素占比与预设满分阈值的比值的预设倍数，确定为所述预设对象的确信度。
在本发明一个实施例中，所述预设对象为人脸或者人体。
为达上述目的，本发明第三方面实施例提出了一种电子设备，其特征在于，包括：壳体、处理器、存储器、电路板和电源电路，其中，电路板安置在壳体围成的空间内部，处理器和存储器设置在电路板上；电源电路，用于为上述电子设备的各个电路或器件供电；存储器用于存储可执行程序代码；处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序，以用于实现如上述实施例所述的深度信息评估方法。
为了实现上述目的，本发明第四方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如上述实施例所述的深度信息评估方法。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本发明实施例所提供的一种深度信息评估方法的流程示意图；
图2为本发明实施例所提供的另一种深度信息评估方法的流程示意图；
图3是前景为遮挡物，背景为预设对象时的直方图示意图；
图4是前景为预设对象时的直方图示意图；
图5为本发明实施例提供的一种深度信息评估装置的结构示意图；
图6为本发明实施例所提供的一种适于用来实现本发明实施方式的示例性电子设备的框图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
下面参考附图描述本发明实施例的深度信息评估方法、装置、电子设备及存储介质。
其中，本发明实施例的深度信息评估方法的执行主体为电子设备，可以是通过深度相机采集包括人脸或人体的RGB图以及深度图，评估人脸或人体的深度信息的智能设备，或者可以是与智能设备通信的外部设备，例如服务器等。其中智能设备比如可以为，智能机器人、智能家电等。以下以执行主体为智能设备为例进行说明。
图1为本发明实施例所提供的一种深度信息评估方法的流程示意图。如图1所示，该深度信息评估方法包括以下步骤：
步骤101，对深度相机采集的RGB图以及深度图进行配准，以将深度图的坐标系转换到RGB图的坐标系，并获取RGB图中预设对象对应的有效感兴趣区域；有效感兴趣区域根据RGB图中预设对象的所在区域以及经过坐标系转换的深度图的视觉范围确定。
本实施例中，智能设备上配置有深度相机，智能设备通过深度相机可实时采集监控范围内的图像，例如包括人脸或人体的RGB图以及深度图。
本实施例中，深度相机可以包括两个相机，一个相机是RGBT相机，用于采集深度图；另一个相机是RGB相机，用于采集RGB图；两个相机同时采集深度图和RGB图。智能设备对深度相机采集的RGB图以及深度图进行配准的过程具体可以为，结合RGBT相机的内参矩阵，即RGBT相机的坐标系与深度图的坐标系之间的关系，将深度图的坐标系转换到RGBT相机的坐标系；然后结合外参矩阵，即RGBT相机的坐标系与RGB相机的坐标系之间的关系，将深度图的坐标系转换到RGB相机的坐标系；然后结合RGB相机的内参矩阵，即RGB相机的坐标系与RGB图的坐标系之间的关系，将深度图的坐标系转换到RGB图的坐标系，进而实现深度图与RGB图坐标系的一致，针对某个像素点，能同时获取到该像素点的RGB信息以及深度信息。
本实施例中，智能设备获取RGB图中预设对象对应的有效感兴趣区域的过程具体可以为，(1)将预设对象作为感兴趣的对象，对RGB图进行兴趣识别，获取所述RGB图中预设对象的所在区域；其中，所在区域的形状可以为任意形状，本实施例中可以以矩形为例。另外，预设对象可以为多个，例如，当RGB图中包括3个人脸时，预设对象可以为3个人脸，则获取到3个区域。(2)获取经过坐标系转换的深度图的视觉范围，本实施例中，深度图的视觉范围一般小于RGB图的视觉范围，因此，可以将RGB图中深度图的视觉范围所确定的区域，确定为有效区域。(3)将每个预设对象的所在区域与该有效区域作交集处理，则得到每个预设对象对应的有效感兴趣区域。
步骤102，根据预设对象对应的有效感兴趣区域中各个像素的深度信息，生成预设对象对应的直方图；直方图中包括：各个深度区间对应的像素数量。
本实施例中，智能设备执行步骤102的过程具体可以为，根据预设步长，确定直方图的各个深度区间；针对每个深度区间，将深度区间的最小深度减去预设深度值，得到深度区间对应的深度范围的左边界；将深度区间的最大深度加上预设深度值，得到深度区间对应的深度范围的右边界；根据预设对象对应的有效感兴趣区域中各个像素的深度信息，确定各个像素所属的深度范围；根据预设对象对应的有效感兴趣区域中各个像素所属的深度范围，确定各个深度区间对应的像素数量。其中，预设步长和预设深度值为智能设备中预先设置好的系数。
本实施例中，由于直方图运算中的准确度与精确度是一对矛盾，减小步长，可以提高精确度，但准确度会下降，因此，为了确保直方图运算的准确度，可以对每个深度区间对应的深度范围进行扩展，例如，以深度区间为[A，B]为例，对应的深度范围可以为[A-sigma，B+sigma]。其中，A为深度区间的最小深度；B为深度区间的最大深度；sigma为预设深度值；B-A为预设步长。
本实施例中，对深度范围的扩展，还可以进一步提高以下场景下的深度信息评估的准确度：人侧对智能机器人、或者人横向走动。
作为一种示例，为了减少预设对象对应的有效感兴趣区域中需要处理的像素点的数量，减少计算量，智能设备根据预设对象对应的有效感兴趣区域中各个像素的深度信息，确定各个像素所属的深度范围之前，还可以执行以下过程：根据预设对象对应的有效感兴趣区域中X轴方向上的像素点总数量，确定X轴方向上的抽样步长；根据预设对象对应的有效感兴趣区域中Y轴方向上的像素点总数量，确定Y轴方向上的抽样步长；依次按照X轴方向上的抽样步长和Y轴方向上的抽样步长对预设对象对应的有效感兴趣区域进行像素点抽样，得到抽样后的有效感兴趣区域。对应的，智能设备具体可以根据预设对象对应的抽样后的有效感兴趣区域中各个像素的深度信息，确定各个像素所属的深度范围。
其中，根据预设对象对应的有效感兴趣区域中X轴方向上的像素点总数量，确定X轴方向上的抽样步长的过程具体可以为，判断有效感兴趣区域中X轴方向上的像素点总数量是否超过阈值VOXEL-X，若否，则不对有效感兴趣区域进行X轴方向上的抽样；若是，则按照以下公式(1)计算X轴方向上的抽样步长。
skip＝(pixels_x％VOXEL_X)+1(1)
其中，skip表示抽样步长；pixels_x表示有效感兴趣区域中X轴方向上的像素点总数量。
其中，根据预设对象对应的有效感兴趣区域中Y轴方向上的像素点总数量，确定Y轴方向上的抽样步长的过程具体可以为，判断有效感兴趣区域中Y轴方向上的像素点总数量是否超过阈值VOXEL-Y，若否，则不对有效感兴趣区域进行Y轴方向上的抽样；若是，则按照以下公式(2)计算Y轴方向上的抽样步长。
skip＝(pixels_y％VOXEL_Y)+1(1)
其中，pixels_y表示有效感兴趣区域中Y轴方向上的像素点总数量。
本实施例中，依次按照X轴方向上的抽样步长和Y轴方向上的抽样步长对预设对象对应的有效感兴趣区域进行像素点抽样，得到抽样后的有效感兴趣区域后，为了确保每个像素点的深度信息位于预设深度量程内，智能设备还可以执行以下过程：去除所述预设对象对应的有效感兴趣区域中的第一像素点，所述第一像素点为对应的深度信息位于预设深度量程之外的像素点。其中，预设深度量程为智能设备中预先设置好的系数。本实施例中，可以根据智能设备的使用场景进行上述系数的设置，使用场景不同，系数的数值可以不同。
步骤103，根据直方图中各个深度区间对应的像素数量，确定预设对象的深度信息。
本实施例中，深度图中一般不同的对象具有不同的深度信息，因此，通过直方图可以将人脸、背景等分离开来，从而根据直方图能够确定预设对象的深度信息，避免背景的干扰，提高预设对象深度信息评估的准确度。
本发明实施例的深度信息评估方法，通过对深度相机采集的RGB图以及深度图进行配准，以将深度图的坐标系转换到RGB图的坐标系，并获取RGB图中预设对象对应的有效感兴趣区域；有效感兴趣区域根据RGB图中预设对象的所在区域以及经过坐标系转换的深度图的视觉范围确定；根据预设对象对应的有效感兴趣区域中各个像素的深度信息，生成预设对象对应的直方图；直方图中包括：各个深度区间对应的像素数量；根据直方图中各个深度区间对应的像素数量，确定预设对象的深度信息，其中，直方图能够直接的将预设对象和背景分离开来，避免背景对预设对象深度信息评估的影响，从而能够提高深度信息的评估准确度，提高智能设备的工作效果以及使用体验。
图2为本发明实施例所提供的另一种深度信息评估方法的流程示意图。如图2所示，在图1所示实施例的基础上，步骤103具体可以包括以下步骤：
步骤1031，遍历直方图中的各个深度区间，获取前景对应的深度区间及像素占比，以及背景对应的深度区间及像素占比；前景对应的深度区间为直方图中第一个峰值所在的深度区间；背景对应的深度区间为直方图中最高峰值所在的深度区间。
本实施例中，前景对应的像素占比，指的是前景对应的深度区间的像素数量与有效感兴趣区域中像素总数量的比值。背景对应的像素占比，指的是背景对应的深度区间的像素数量与有效感兴趣区域中像素总数量的比值。
步骤1032，若前景对应的像素占比与背景对应的像素占比的比值小于预设遮挡阈值，则将背景对确定为预设对象。
步骤1033，若前景对应的像素占比与背景对应的像素占比的比值大于等于预设遮挡阈值，则将前景确定为预设对象。
本实施例中，当RGB图中存在一定的遮挡时，例如人脸部分被书或者其他物体遮挡时，一般遮挡面积不大，遮挡部分的像素数量较少，因此，当前景对应的像素占比与背景对应的像素占比的比值小于预设遮挡阈值时，可以将前景确定为遮挡，将背景确定为人脸或人体等预设对象。如图3所示，是前景为遮挡物，背景为预设对象时的直方图示意图。当前景对应的像素占比与背景对应的像素占比的比值大于等于预设遮挡阈值时，说明前景的像素数量较多，一般不可能为遮挡物，因此，将前景确定为人脸或人体等预设对象。如图4所示，是前景为预设对象时的直方图示意图。
步骤1034，根据预设对象对应的深度区间，确定预设对象的深度信息。
本实施例中，可以将预设对象对应的深度区间的中心值，确定为预设对象的深度信息。
进一步地，步骤1031之前，还可以包括以下步骤：去除直方图中的第一深度区间，第一深度区间为对应的像素数量小于预设滤波阈值的深度区间。
本实施例中，预设对象对应的有效感兴趣区域中一般存在一定的噪声点，噪声点具有相同的深度信息，且噪声点的数量较少，因此，为了去除有效感兴趣区域中的噪声点，可以过滤掉直方图中的第一深度区间，将第一深度区间的像素数量设置为0。
进一步地，在步骤103之后，智能设备还可以获取预设对象的深度信息的确信度，具体过程可以为，若前景对应的深度区间与背景对应的深度区间为不同的深度区间，则将预设对象对应的像素占比与预设满分阈值的比值，确定为预设对象的确信度；若前景对应的深度区间与背景对应的深度区间为相同的深度区间，则将预设对象对应的像素占比与预设满分阈值的比值的预设倍数，确定为预设对象的确信度。
本发明实施例的深度信息评估方法，通过对深度相机采集的RGB图以及深度图进行配准，以将深度图的坐标系转换到RGB图的坐标系，并获取RGB图中预设对象对应的有效感兴趣区域；有效感兴趣区域根据RGB图中预设对象的所在区域以及经过坐标系转换的深度图的视觉范围确定；根据预设对象对应的有效感兴趣区域中各个像素的深度信息，生成预设对象对应的直方图；直方图中包括：各个深度区间对应的像素数量；根据各个深度区间的像素占比以及位置，确定前景与背景，根据前景与背景的像素占比的比值，来确定预设对象对应的深度区间，能够避免遮挡物以及背景的干扰，准确定位预设对象的深度信息，从而提高预设对象深度信息评估的准确度，提高智能设备的工作效果以及使用体验。
为了实现上述实施例，本发明实施例还提出一种深度信息评估装置。图5为本发明实施例提供的一种深度信息评估装置的结构示意图。
如图5所示，该深度信息评估装置包括：获取模块51、生成模块52和确定模块53。
其中，获取模块51，用于对深度相机采集的RGB图以及深度图进行配准，以将所述深度图的坐标系转换到所述RGB图的坐标系，并获取所述RGB图中预设对象对应的有效感兴趣区域；所述有效感兴趣区域根据所述RGB图中预设对象的所在区域以及经过坐标系转换的深度图的视觉范围确定；
生成模块52，用于根据所述预设对象对应的有效感兴趣区域中各个像素的深度信息，生成所述预设对象对应的直方图；所述直方图中包括：各个深度区间对应的像素数量；
确定模块53，用于根据所述直方图中各个深度区间对应的像素数量，确定所述预设对象的深度信息。
本实施例中，智能设备上配置有深度相机，智能设备通过深度相机可实时采集监控范围内的图像，例如包括人脸或人体的RGB图以及深度图。
本实施例中，深度相机可以包括两个相机，一个相机是RGBT相机，用于采集深度图；另一个相机是RGB相机，用于采集RGB图；两个相机同时采集深度图和RGB图。获取模块51对深度相机采集的RGB图以及深度图进行配准的过程具体可以为，结合RGBT相机的内参矩阵，即RGBT相机的坐标系与深度图的坐标系之间的关系，将深度图的坐标系转换到RGBT相机的坐标系；然后结合外参矩阵，即RGBT相机的坐标系与RGB相机的坐标系之间的关系，将深度图的坐标系转换到RGB相机的坐标系；然后结合RGB相机的内参矩阵，即RGB相机的坐标系与RGB图的坐标系之间的关系，将深度图的坐标系转换到RGB图的坐标系，进而实现深度图与RGB图坐标系的一致，针对某个像素点，能同时获取到该像素点的RGB信息以及深度信息。
本实施例中，获取模块51获取RGB图中预设对象对应的有效感兴趣区域的过程具体可以为，(1)将预设对象作为感兴趣的对象，对RGB图进行兴趣识别，获取所述RGB图中预设对象的所在区域；其中，所在区域的形状可以为任意形状，本实施例中可以以矩形为例。另外，预设对象可以为多个，例如，当RGB图中包括3个人脸时，预设对象可以为3个人脸，则获取到3个区域。(2)获取经过坐标系转换的深度图的视觉范围，本实施例中，深度图的视觉范围一般小于RGB图的视觉范围，因此，可以将RGB图中深度图的视觉范围所确定的区域，确定为有效区域。(3)将每个预设对象的所在区域与该有效区域作交集处理，则得到每个预设对象对应的有效感兴趣区域。
本实施例中，作为一种示例，生成模块52具体可以用于，根据预设步长，确定直方图的各个深度区间；针对每个深度区间，将深度区间的最小深度减去预设深度值，得到深度区间对应的深度范围的左边界；将深度区间的最大深度加上预设深度值，得到深度区间对应的深度范围的右边界；根据预设对象对应的有效感兴趣区域中各个像素的深度信息，确定各个像素所属的深度范围；根据预设对象对应的有效感兴趣区域中各个像素所属的深度范围，确定各个深度区间对应的像素数量。其中，预设步长和预设深度值为智能设备中预先设置好的系数。
本实施例中，由于直方图运算中的准确度与精确度是一对矛盾，减小步长，可以提高精确度，但准确度会下降，因此，为了确保直方图运算的准确度，可以对每个深度区间对应的深度范围进行扩展，例如，以深度区间为[A，B]为例，对应的深度范围可以为[A-sigma，B+sigma]。其中，A为深度区间的最小深度；B为深度区间的最大深度；sigma为预设深度值；B-A为预设步长。
本实施例中，对深度范围的扩展，还可以进一步提高以下场景下的深度信息评估的准确度：人侧对智能机器人、或者人横向走动。
本实施例中，作为一种示例，为了减少预设对象对应的有效感兴趣区域中需要处理的像素点的数量，减少计算量，生成模块52具体还可以用于，根据预设对象对应的有效感兴趣区域中X轴方向上的像素点总数量，确定X轴方向上的抽样步长；根据预设对象对应的有效感兴趣区域中Y轴方向上的像素点总数量，确定Y轴方向上的抽样步长；依次按照X轴方向上的抽样步长和Y轴方向上的抽样步长对预设对象对应的有效感兴趣区域进行像素点抽样，得到抽样后的有效感兴趣区域。对应的，生成模块52具体可以用于，根据预设对象对应的抽样后的有效感兴趣区域中各个像素的深度信息，确定各个像素所属的深度范围。
其中，根据预设对象对应的有效感兴趣区域中X轴方向上的像素点总数量，确定X轴方向上的抽样步长的过程具体可以为，判断有效感兴趣区域中X轴方向上的像素点总数量是否超过阈值VOXEL-X，若否，则不对有效感兴趣区域进行X轴方向上的抽样；若是，则按照以下公式(1)计算X轴方向上的抽样步长。
skip＝(pixels_x％VOXEL_X)+1 (1)
其中，skip表示抽样步长；pixels_x表示有效感兴趣区域中X轴方向上的像素点总数量。
其中，根据预设对象对应的有效感兴趣区域中Y轴方向上的像素点总数量，确定Y轴方向上的抽样步长的过程具体可以为，判断有效感兴趣区域中Y轴方向上的像素点总数量是否超过阈值VOXEL-Y，若否，则不对有效感兴趣区域进行Y轴方向上的抽样；若是，则按照以下公式(2)计算Y轴方向上的抽样步长。
skip＝(pixels_y％VOXEL_Y)+1 (1)
其中，pixels_y表示有效感兴趣区域中Y轴方向上的像素点总数量。
本实施例中，依次按照X轴方向上的抽样步长和Y轴方向上的抽样步长对预设对象对应的有效感兴趣区域进行像素点抽样，得到抽样后的有效感兴趣区域后，为了确保每个像素点的深度信息位于预设深度量程内，生成模块52具体还可以用于，去除所述预设对象对应的有效感兴趣区域中的第一像素点，所述第一像素点为对应的深度信息位于预设深度量程之外的像素点。其中，预设深度量程为智能设备中预先设置好的系数。本实施例中，可以根据智能设备的使用场景进行上述系数的设置，使用场景不同，系数的数值可以不同。
在本实施例一种可能的实现方式中，所述确定模块53具体用于，
遍历所述直方图中的各个深度区间，获取前景对应的深度区间及像素占比，以及背景对应的深度区间及像素占比；所述前景对应的深度区间为所述直方图中第一个峰值所在的深度区间；所述背景对应的深度区间为所述直方图中最高峰值所在的深度区间；
若前景对应的像素占比与背景对应的像素占比的比值小于预设遮挡阈值，则将所述背景对确定为所述预设对象；
若前景对应的像素占比与背景对应的像素占比的比值大于等于预设遮挡阈值，则将前景确定为所述预设对象；
根据所述预设对象对应的深度区间，确定所述预设对象的深度信息。
进一步地，确定模块53具体还用于，去除所述直方图中的第一深度区间，所述第一深度区间为对应的像素数量小于预设滤波阈值的深度区间。
本实施例中，预设对象对应的有效感兴趣区域中一般存在一定的噪声点，噪声点具有相同的深度信息，且噪声点的数量较少，因此，为了去除有效感兴趣区域中的噪声点，可以过滤掉直方图中的第一深度区间，将第一深度区间的像素数量设置为0。
本实施例中，前景对应的像素占比，指的是前景对应的深度区间的像素数量与有效感兴趣区域中像素总数量的比值。背景对应的像素占比，指的是背景对应的深度区间的像素数量与有效感兴趣区域中像素总数量的比值。
本实施例中，当RGB图中存在一定的遮挡时，例如人脸部分被书或者其他物体遮挡时，一般遮挡面积不大，遮挡部分的像素数量较少，因此，当前景对应的像素占比与背景对应的像素占比的比值小于预设遮挡阈值时，可以将前景确定为遮挡，将背景确定为人脸或人体等预设对象。如图3所示，是前景为遮挡物，背景为预设对象时的直方图示意图。当前景对应的像素占比与背景对应的像素占比的比值大于等于预设遮挡阈值时，说明前景的像素数量较多，一般不可能为遮挡物，因此，将前景确定为人脸或人体等预设对象。如图4所示，是前景为预设对象时的直方图示意图。
进一步地，确定模块53还可以用于，若前景对应的深度区间与背景对应的深度区间为不同的深度区间，则将预设对象对应的像素占比与预设满分阈值的比值，确定为预设对象的确信度；若前景对应的深度区间与背景对应的深度区间为相同的深度区间，则将预设对象对应的像素占比与预设满分阈值的比值的预设倍数，确定为预设对象的确信度。
本发明实施例的深度信息评估装置，能够提高预设对象深度信息评估的准确度，提高智能设备的工作效果以及使用体验。
为了实现上述目的，本发明实施例还提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如上述实施例所述的深度信息评估方法。
图6示出了适于用来实现本申请实施方式的示例性电子设备的框图。如图6所示，该电子设备包括：壳体310、处理器320、存储器330、电路板340和电源电路350，其中，电路板340安置在壳体310围成的空间内部，处理器320和存储器330设置在电路板340上；电源电路350，用于为上述电子设备的各个电路或器件供电；存储器330用于存储可执行程序代码；处理器320通过读取存储器330中存储的可执行程序代码来运行与可执行程序代码对应的程序，用于执行上述实施例所述的深度信息评估方法。其中，该电子设备可以是任意的深度信息评估设备，可以是安装了深度相机的智能设备本身，也可以是与智能设备通信的外部设备，例如服务器等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，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模块中，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模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种深度信息评估方法，其特征在于，包括以下步骤：
对深度相机采集的RGB图以及深度图进行配准，以将所述深度图的坐标系转换到所述RGB图的坐标系，并获取所述RGB图中预设对象对应的有效感兴趣区域；所述有效感兴趣区域根据所述RGB图中预设对象的所在区域以及经过坐标系转换的深度图的视觉范围确定；
根据所述预设对象对应的有效感兴趣区域中各个像素的深度信息，生成所述预设对象对应的直方图；所述直方图中包括：各个深度区间对应的像素数量；
根据所述直方图中各个深度区间对应的像素数量，确定所述预设对象的深度信息。
2.根据权利要求1所述的方法，其特征在于，所述根据所述预设对象对应的有效感兴趣区域中各个像素的深度信息，生成所述预设对象对应的直方图，包括：
根据预设步长，确定所述直方图的各个深度区间；
针对每个深度区间，将所述深度区间的最小深度减去预设深度值，得到所述深度区间对应的深度范围的左边界；将所述深度区间的最大深度加上预设深度值，得到所述深度区间对应的深度范围的右边界；
根据所述预设对象对应的有效感兴趣区域中各个像素的深度信息，确定各个像素所属的深度范围；
根据所述各个像素所属的深度范围，确定各个深度区间对应的像素数量。
3.根据权利要求2所述的方法，其特征在于，所述根据所述预设对象对应的有效感兴趣区域中各个像素的深度信息，确定各个像素所属的深度范围之前，还包括：
根据所述预设对象对应的有效感兴趣区域中X轴方向上的像素点总数量，确定X轴方向上的抽样步长；
根据所述预设对象对应的有效感兴趣区域中Y轴方向上的像素点总数量，确定Y轴方向上的抽样步长；
依次按照X轴方向上的抽样步长和Y轴方向上的抽样步长对所述预设对象对应的有效感兴趣区域进行像素点抽样，得到抽样后的有效感兴趣区域；
所述根据所述预设对象对应的有效感兴趣区域中各个像素的深度信息，确定各个像素所属的深度范围，具体包括：
根据所述预设对象对应的抽样后的有效感兴趣区域中各个像素的深度信息，确定各个像素所属的深度范围。
4.根据权利要求2所述的方法，其特征在于，所述根据所述预设对象对应的有效感兴趣区域中各个像素的深度信息，确定各个像素所属的深度范围之前，还包括：
去除所述预设对象对应的有效感兴趣区域中的第一像素点，所述第一像素点为对应的深度信息位于预设深度量程之外的像素点。
5.根据权利要求1所述的方法，其特征在于，所述根据所述直方图中各个深度区间对应的像素数量，确定所述预设对象的深度信息，包括：
遍历所述直方图中的各个深度区间，获取前景对应的深度区间及像素占比，以及背景对应的深度区间及像素占比；所述前景对应的深度区间为所述直方图中第一个峰值所在的深度区间；所述背景对应的深度区间为所述直方图中最高峰值所在的深度区间；
若前景对应的像素占比与背景对应的像素占比的比值小于预设遮挡阈值，则将所述背景对确定为所述预设对象；
若前景对应的像素占比与背景对应的像素占比的比值大于等于预设遮挡阈值，则将前景确定为所述预设对象；
根据所述预设对象对应的深度区间，确定所述预设对象的深度信息。
6.根据权利要求5所述的方法，其特征在于，所述遍历所述直方图中的各个深度区间，获取前景对应的深度区间及像素占比，以及背景对应的深度区间及像素占比之前，还包括：
去除所述直方图中的第一深度区间，所述第一深度区间为对应的像素数量小于预设滤波阈值的深度区间。
7.根据权利要求5所述的方法，其特征在于，还包括：
若所述前景对应的深度区间与所述背景对应的深度区间为不同的深度区间，则将所述预设对象对应的像素占比与预设满分阈值的比值，确定为所述预设对象的确信度；
若所述前景对应的深度区间与所述背景对应的深度区间为相同的深度区间，则将所述预设对象对应的像素占比与预设满分阈值的比值的预设倍数，确定为所述预设对象的确信度。
8.一种深度信息评估装置，其特征在于，包括：
获取模块，用于对深度相机采集的RGB图以及深度图进行配准，以将所述深度图的坐标系转换到所述RGB图的坐标系，并获取所述RGB图中预设对象对应的有效感兴趣区域；所述有效感兴趣区域根据所述RGB图中预设对象的所在区域以及经过坐标系转换的深度图的视觉范围确定；
生成模块，用于根据所述预设对象对应的有效感兴趣区域中各个像素的深度信息，生成所述预设对象对应的直方图；所述直方图中包括：各个深度区间对应的像素数量；
确定模块，用于根据所述直方图中各个深度区间对应的像素数量，确定所述预设对象的深度信息。
9.一种电子设备，其特征在于，包括壳体、处理器、存储器、电路板和电源电路，其中，电路板安置在壳体围成的空间内部，处理器和存储器设置在电路板上；电源电路，用于为上述电子设备的各个电路或器件供电；存储器用于存储可执行程序代码；处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序，以用于实现如权利要求1-7中任一项所述的深度信息评估方法。
10.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的深度信息评估方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910434971.XA CN111986245A (zh) | 2019-05-23 | 2019-05-23 | 深度信息评估方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910434971.XA CN111986245A (zh) | 2019-05-23 | 2019-05-23 | 深度信息评估方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111986245A true CN111986245A (zh) | 2020-11-24 |
Family
ID=73437416
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910434971.XA Pending CN111986245A (zh) | 2019-05-23 | 2019-05-23 | 深度信息评估方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111986245A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113916213A (zh) * | 2020-07-08 | 2022-01-11 | 北京猎户星空科技有限公司 | 定位方法、装置、电子设备和计算机可读存储介质 |
| CN114066937A (zh) * | 2021-11-06 | 2022-02-18 | 中国电子科技集团公司第五十四研究所 | 一种大尺度遥感影像多目标跟踪方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110299774A1 (en) * | 2008-04-22 | 2011-12-08 | Corey Mason Manders | Method and system for detecting and tracking hands in an image |
| CN104657993A (zh) * | 2015-02-12 | 2015-05-27 | 北京格灵深瞳信息技术有限公司 | 一种镜头遮挡检测方法及装置 |
| CN105354563A (zh) * | 2015-12-14 | 2016-02-24 | 南京理工大学 | 结合深度和彩色图像的遮挡人脸检测预警装置及实现方法 |
| CN108932464A (zh) * | 2017-06-09 | 2018-12-04 | 北京猎户星空科技有限公司 | 客流量统计方法及装置 |
| CN109086724A (zh) * | 2018-08-09 | 2018-12-25 | 北京华捷艾米科技有限公司 | 一种加速的人脸检测方法及存储介质 |
| CN109118493A (zh) * | 2018-07-11 | 2019-01-01 | 南京理工大学 | 一种深度图像中的显著区域检测方法 |
-
2019
- 2019-05-23 CN CN201910434971.XA patent/CN111986245A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110299774A1 (en) * | 2008-04-22 | 2011-12-08 | Corey Mason Manders | Method and system for detecting and tracking hands in an image |
| CN104657993A (zh) * | 2015-02-12 | 2015-05-27 | 北京格灵深瞳信息技术有限公司 | 一种镜头遮挡检测方法及装置 |
| CN105354563A (zh) * | 2015-12-14 | 2016-02-24 | 南京理工大学 | 结合深度和彩色图像的遮挡人脸检测预警装置及实现方法 |
| CN108932464A (zh) * | 2017-06-09 | 2018-12-04 | 北京猎户星空科技有限公司 | 客流量统计方法及装置 |
| CN109118493A (zh) * | 2018-07-11 | 2019-01-01 | 南京理工大学 | 一种深度图像中的显著区域检测方法 |
| CN109086724A (zh) * | 2018-08-09 | 2018-12-25 | 北京华捷艾米科技有限公司 | 一种加速的人脸检测方法及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 周振: ""基于Kinect深度图像的手势识别算法研究"", 《中国优秀硕士论文全文数据库》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113916213A (zh) * | 2020-07-08 | 2022-01-11 | 北京猎户星空科技有限公司 | 定位方法、装置、电子设备和计算机可读存储介质 |
| CN114066937A (zh) * | 2021-11-06 | 2022-02-18 | 中国电子科技集团公司第五十四研究所 | 一种大尺度遥感影像多目标跟踪方法 |
| CN114066937B (zh) * | 2021-11-06 | 2022-09-02 | 中国电子科技集团公司第五十四研究所 | 一种大尺度遥感影像多目标跟踪方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106909911B (zh) | 图像处理方法、图像处理装置和电子装置 | |
| CN108012083B (zh) | 人脸采集方法、装置及计算机可读存储介质 | |
| CN108932698B (zh) | 图像畸变的校正方法、装置、电子设备和存储介质 | |
| EP2357799B1 (en) | Apparatus and method for removing defective pixels | |
| CN111047615B (zh) | 基于图像的直线检测方法、装置以及电子设备 | |
| CN110378946B (zh) | 深度图处理方法、装置以及电子设备 | |
| CN110400342B (zh) | 深度传感器的参数调整方法、装置以及电子设备 | |
| CN110956603B (zh) | 深度图像边缘飞点的检测方法、装置及电子设备 | |
| CN111383189B (zh) | 一种去除摩尔纹的方法及装置、图像显示器 | |
| US20220084225A1 (en) | Depth Map Processing Method, Electronic Device and Readable Storage Medium | |
| CN111986245A (zh) | 深度信息评估方法、装置、电子设备及存储介质 | |
| US10769478B2 (en) | Convolutional neutral network identification efficiency increasing method and related convolutional neutral network identification efficiency increasing device | |
| CN103884435A (zh) | 一种电子设备红外监测系统 | |
| CN112752093B (zh) | 视频条纹检测方法、装置、存储介质及电子装置 | |
| CN110400340B (zh) | 深度图处理方法和装置 | |
| CN110111382B (zh) | 不规则区域面积计算方法、装置、计算机设备和存储介质 | |
| CN110188640B (zh) | 人脸识别方法、装置、服务器和计算机可读介质 | |
| CN111028169A (zh) | 图像校正方法、装置、终端设备和存储介质 | |
| CN112802080A (zh) | 基于深度学习的单目绝对深度估计方法和装置 | |
| CN111833341A (zh) | 确定图像中条纹噪声的方法及装置 | |
| CN116977671A (zh) | 基于图像空间定位的目标跟踪方法、装置、设备及存储介质 | |
| CN113917475A (zh) | 定位方法、装置、电子设备和计算机可读存储介质 | |
| CN111336938A (zh) | 一种机器人及其物体距离检测方法和装置 | |
| CN116071562A (zh) | 一种植物种子识别方法、装置、电子设备及存储介质 | |
| CN110197228B (zh) | 图像校正方法及装置 |
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 |